碳中和背景下“一帶一路”沿線國家環境對中國能源投資策略影響

聶正雅 劉智廳 劉文志 李樹峰

摘要：作為實現溫室氣體減排的重要手段，碳中和對能源投資起到了一定的影響。在對100篇中國對外能源投資相關論文分析的基礎上，利用狄利克雷主題模型挖掘得出6項指標，并引入CO2排放強度和能源強度構建能源投資指標體系。選取2009—2018年35個“一帶一路”沿線國家的能源投資及相應指標數據，首先基于描述性統計與相關性分析驗證回歸分析可行性，然后選擇面板數據負二項模型進行實證結果檢驗，最后通過縮短時間窗口的穩健性檢驗方法，進行“一帶一路”倡議提出后樣本的敏感性測試。結果顯示：（1）能源投資的影響指標包括能源生產力、貿易開放程度、GDP、制造業占GDP比重、勞動力和基礎設施水平，其中東道國的經濟狀況，如GDP、貿易開放程度以及基礎設施水平對中國能源投資影響并不顯著，這是由中國能源投資戰略導向造成的;（2）在碳中和背景下，“一帶一路”沿線各國最終要實現一年內CO2排放量和吸收量的平衡就必然要降低碳排放強度和能源強度，CO2排放強度降低正向促進中國對該國的能源投資，能源強度降低則相反，且能源強度對能源投資的影響更大，因此“碳中和”目標的提出對當前中國能源投資結構影響較大。基于此，建議能源企業應加大新能源投資和合同規模比例，大力發展新能源業務，同時提高能源效率，深化技術改革;此外還需加強風險識別，提高項目風險甄別能力;要更加注重社會責任管理，積極開展植樹造林等環保活動。

關鍵詞：碳中和;能源投資;環境治理;LDA模型;負二項回歸模型

中圖分類號：X321;F832.48 文獻標識碼：A 文章編號：16735595（2022）03000110

一、引言

能源合作是“一帶一路”倡議的重要基礎和支撐，也是“一帶一路”合作取得成果最為豐富的領域。中國在能源稟賦上是“富煤缺油少氣”，“一帶一路”沿線國家富裕的油氣資源與中國能源結構形成較強的互補，“一帶一路”沿線國家能源投資潛力巨大。此外，“一帶一路”沿線國家眾多，跨越亞洲、歐洲和非洲，國家間的能源資源稟賦有很大差異，這種差異不僅體現在傳統的油氣資源領域，還體現在優勢產能、新能源技術、能源資金、能源基礎設施水平建設能力、能源設備等方面。因此，從“一帶一路”沿線能源投資的重要地位和復雜程度來看，對該地區能源投資的研究至關重要。

《巴黎協定》之后，陸續有國家和地區提出了與碳中和及凈零排放有關的長期目標。碳中和指一個組織一年內的CO2排放量通過移除技術等達到平衡，也稱CO2凈零排放

（Net-Zero CO2 Emission）。[1]截至2020年10月，在“一帶一路”區域，新加坡、匈牙利、斯洛伐克、不丹4個國家通過協定、法律規定等不同形式正式提出碳中和（Carbon Neutrality）或氣候中和（Climate Neutrality）有關的目標，保加利亞、克羅地亞、捷克、愛沙尼亞等12個國家提出碳中和目標但暫無目標詳細信息。[2]

此外，《巴黎協定》第4條提出要在21 世紀下半葉，人為溫室氣體排放與清除之間取得平衡，且印度、俄羅斯等CO2 排放大國位于“一帶一路”沿線，因此該區域減排的時間緊任務重。在此背景下，“一帶一路”沿線國家對環境保護意識、行動、政策的重視程度都將有所提高，而能源的開采、運輸、供應與消費的各個環節都受到政府環境治理與管控力度的影響，因此碳中和背景下中國“一帶一路”沿線國家的能源投資必然也受到影響。

在“碳中和”的長期目標和發展趨勢下，考察“一帶一路”沿線國家環境對中國能源投資的影響具有現實意義和重要作用。本文側重于分析對能源投資產生影響的共性指標，并分析碳中和背景下“一帶一路”沿線國家環境是否對能源投資產生影響，以便為能源企業海外投資提供參考意見，使其轉變投資策略，調整能源投資結構，盡快適應碳中和背景下能源轉型趨勢。

二、文獻綜述

近年來，“一帶一路”沿線國家的能源投資成為研究熱點問題，涉及戰略環境評價[3]、投資可接受性[4]、投資效率評價[5]、風險識別[6]等多個方面。能源投資涉及利益者眾多、涉及范圍廣泛，目前該領域的研究中尚沒有統一的指標評價體系，大多根據研究者的具體訴求設置不同的指標。Zhou等[7]利用SE-SBM方法，從資源狀況、政治形勢、生態技術、社會條件、市場質量、國際合作6個方面評估了中國在“一帶一路”沿線國家進行天然氣投資的效率。Kozlova等[8]以投資需求、投資收益率、區域可達性和網絡狀態為主要變量，構建了可再生能源投資吸引力的指標體系。Zhang等[9]將不可再生能源成本、投資成本和市場定價等不確定性因素作為衡量可再生能源投資價值和最優時機的指標。Duan等[10]從政治因素、經濟基礎、投資環境、資源潛力、環境約束、中國因素6個維度評估了“一帶一路”沿線國家的能源投資風險。“一帶一路”沿線國家的能源投資問題涉及眾多領域，但在已有研究中東道國的環境因素相對其他領域涉及較少。

能源投資和環境是一種雙向的關系：中國對“一帶一路”沿線能源投資作用于東道國環境，東道國的環境也會反作用于能源投資。[11]目前，對外直接投資（FDI）對環境的影響不管是理論還是實證研究已相當豐富，因研究樣本和選取指標等不同，研究得出的結論也截然相反。Ahmad等[12]考察了1990—2017年90個“一帶一路”沿線國家經濟發展和FDI對環境的影響，認為FDI能促進東道國技術發展，進而能改善CO2排放情況。Joshua等[13]以南非為例，得出FDI能改善環境質量，減少CO2排放的結論。與此相反，Chandran等[14]則指出FDI通過增加能源消耗導致了東南亞國家CO2排放量的增多。Baek[15]、Paramati等[16]、Sbia等[17]分別基于對東盟、新興經濟體、阿聯酋的研究得出相同結論。但是，關于環境對能源投資影響的研究尚且不足。Shao等[18]認為東道國薄弱的環境法律會吸引更多規避高昂監管成本組織的FDI。Huang等[11]從環境和資源潛力的角度出發，應用GIS地圖和風險-機遇矩陣對“一帶一路”沿線64個國家能源投資區位選擇進行了評價。

能源投資影響分析方法目前應用較多的有最小二乘法、網絡層次分析（ANP）、回歸分析等。Rauf等[19]應用動態最小二乘法和完全修正最小二乘法檢驗了“一帶一路”經濟體的經濟增長、能源消耗、城市化、固定資本形成總額、貿易開放程度、金融發展和CO2排放之間的聯系。Lin等[20]應用動態最小二乘法對新興經濟體的經濟增長、能源消費和外國直接投資等因素之間的相互作用進行了研究。Wu等[21]通過建立ANP云框架對32個風險因素進行評估及分析，確立了“一帶一路”國家可再生能源投資的主要決定因素。Liu等[22]應用Tobit回歸模型考察了收入不平等對能源效率的非線性影響。Chen等[23]利用工具變量分位數回歸模型研究了氣候變化對清潔能源投資的影響。由于能源投資的影響指標本身存在多變性和特殊性，目前并沒有一種影響分析方法適用于所有能源投資，指標的數量、取值的正負及分散程度、是否受時間序列影響、不確定性[2425]等因素都會影響分析方法的選擇。

現有文獻對“一帶一路”能源投資影響的研究已取得一系列成果，但仍存在著部分局限性。一方面，當前對于“一帶一路”國家的能源投資尚未形成統一的評價指標體系，指標選取較為隨意，大多通過人為主觀選取指標。因此，本文借助狄利克雷文檔主題（Latent Dirichlet Allocation，LDA）模型探究學者普遍選取的共性指標，并分析這些指標是否會對“一帶一路”沿線國家能源投資產生顯著影響，并針對分析結果倒推原因。另一方面，目前對“一帶一路”經濟體的能源投資問題研究較多，但是很少考慮東道國的環境因素。理論上，碳中和的長期目標和發展趨勢會倒逼“一帶一路”沿線國家進行能源結構改革、制定更嚴格的環境政策、采取更環保的環境治理措施[26]，而能源開采、運輸、供應與消費都與政府環境治理和管控力度密切相關，中國對“一帶一路”沿線國家的能源投資必然受到影響。因此，本文選取2009—2018年35個沿線國家的數據構造面板模型，并利用負二項回歸模型對LDA模型得到的共性指標和環境相關指標進行綜合分析，以探究東道國的環境因素對中國能源投資的影響，進而為能源企業在“一帶一路”沿線國家的能源投資提供建議。

三、指標與模型建立

（一）數據來源

“一帶一路”沿線共有64個國家（見表1），剔除未在指定年份內有投資或指標數據缺失嚴重等的國家，本文選取了2009—2018年35個“一帶一路”沿線國家的面板數據。數據主要來源于美國企業公共政策研究所（American Enterprise Institute）編制的中國全球投資追蹤記錄（China Global Investment Tracker，CGIT）、世界銀行、美國能源信息署（Energy Information Administration of United States，EIA）、《全球競爭力報告》（Global Competitiveness Report，GCR）。對于個別年份缺失的數據采用線性插值法補全。

“一帶一路”沿線能源投資的重要地位和復雜程度是本文選擇該區域進行研究的原因。首先，中國以煤為基礎的能源結構和對油氣的過度依賴是中國能源體系最突出的問題[27]，“一帶一路”沿線國家豐富的能源儲量和地緣優勢對中國解決能源短缺問題和實行能源結構改革意義重大。從投資規模來看，據CGIT統計數據顯示，2013—2020年間，中國對“一帶一路”沿線國家能源領域直接投資和合同規模超2 000億美元，占總投資的比重超過40%，沿線不同區域國家的投資分布如圖1所示，力導向圖中線條越粗表示中國在該國家和區域的投資額度越大。從政府間合作來看，中國已與相關國家地區簽署能源合作文件100多份，新增“雙邊”和“多邊”合作機構70余項[27]，投資領域涵蓋能源基礎設施建設、能源工業產業鏈構建、能源可持續發展等多方面，投資領域廣，合作層次深，效益影響深遠。此外，“一帶一路”沿線各國在油氣資源領域、優勢產能、新能源技術、能源資金、能源基礎設施水平建設能力、能源設備等方面表現差異巨大，能源投資情況復雜。

（二）指標搭建

1.環境指標

東道國的環境指標作為本文研究的自變量指標，可以分為環境風險指標和環境機會指標。環境風險是對企業投資的預警，考慮到本文是研究碳中和背景下“一帶一路”沿線國家環境對中國能源投資策略的影響，因此，在自變量指標選取上只考慮與CO2排放相關的環境指標，其他環境指標不予以考慮。在已有研究中，Burnett等[28]、Al-Mulali等[29]將CO2排放量直接作為環境風險衡量指標，Huang[11]將CO2排放強度作為環境風險衡量指標。為了排除東道國經濟體量的影響，本文以CO2排放強度作為自變量指標來衡量環境風險，CO2排放強度越小，說明環境風險越小。此外，能源強度表示一個國家能源生產率，是制約可持續發展的重要因素，可作為環境機會指標[11]來衡量其未來能源投資潛力及環境治理能力，能源強度越小，說明未來環境治理能力越強。

2.共性指標

為了使本文選取的能源投資影響指標更具說服力，本文在知網上選取了100篇中國對外能源投資相關論文，并將其摘要作為原始數據導入Python，利用LDA模型進行分類，最終將學者們普遍認可的共性指標作為本文模型的分析指標。

LDA模型由Blei等[30]提出，是一種無監督的產生式概率語料庫建模方法和詞袋模型。LDA假設每個文檔都可以表示為潛在主題上的概率分布，并且所有文檔中的主題分布共享一個Dirichlet先驗。同時，每個潛在主題被表示為詞上的概率分布，主題的詞分布也共享一個Dirichlet先驗。給定由M個文檔組成的語料庫D，其中文檔d具有Nd個詞（d∈1，...，M），LDA根據以下生成過程對D進行建模：

（1）從參數為α的Dirichlet分布中選擇一個θz作為主題z所服從的多項分布的參數;

（2）從參數為β的Dirichlet分布中選擇一個ηw作為詞w所服從的多項分布的參數。

根據上述概率結構，首先從參數為θz的多項分布中抽取一個主題，然后對于選定的主題，從參數為ηw的多項分布中抽取一個詞。重復上述過程，直到形成整個文檔。具體LDA模型如圖2所示。基于語料對LDA模型具體的訓練過程如下：

（1）隨機初始化，對語料中每篇文檔的每個詞隨機地賦予一個主題;

（2）重新掃描語料庫，按照吉布斯采樣公式重新采樣每個詞主題，在語料中進行更新;

（3）重復以上語料庫的重新采樣過程直到吉布斯采樣收斂;

（4）統計語料庫的topic-word共線頻率矩陣，該矩陣就是LDA模型。

基于訓練好的LDA模型計算新文檔的語義分布過程和訓練過程大體相似，此時模型提供了ηw，因此可直接將最后一個步驟變為統計主題分布，該分布就是θz。

在LDA模型分析過程中，本文將主題數設置為6，每個主題下顯示權重前20的關鍵詞，算法在語料庫中傳遞100次。算法最終提取的6個指標分別為：資源稟賦、貿易開放程度、GDP、制造業占GDP比重、勞動力總數和基礎設施水平，如圖3所示，其中資源稟賦以美國能源情報局的能源生產力來衡量。

3.指標體系

基于上述環境指標和共性指標的分析，確定指標體系主要包括因變量、自變量和控制變量三部分。本文主要為研究碳中和背景下“一帶一路”沿線國家環境對中國能源投資的影響，因變量為中國對相關國家的能源投資數額;自變量為環境風險指標和環境機會指標，分別是CO2排放強度和能源強度。為排除其他因素對能源投資和合同規模的影響，本文選取能源生產力、貿易開放程度、GDP、制造業占GDP比重、勞動力總數和基礎設施水平作為控制變量。關于變量的具體定義如表2所示。

經過以上分析，能源投資和合同規模與各個影響因素的關系可表示為：

EIit=f（COINit，ENINit，ENERit，TRADit，GDPit，INDUit，LABOit，INFRit）

（三）理論假設

人類活動會引起碳排放量的增加，這也是全球變暖的部分原因，也就是說，碳排放既是環境問題，又是經濟發展問題，一國經濟的發展往往會導致本國碳排放的增加。[29]中國在“一帶一路”沿線國家進行能源投資，在促進該國經濟發展的同時，一定也會致使該國碳排放增加，而《巴黎協定》之后，沿線國家和地區陸續提出了與碳中和及凈零排放有關的長期目標。[2]據此，本文提出假設1。

假設1：CO2排放強度的降低會正向促進中國對該國的能源投資。

能源強度表示一個國家能源生產率，而能源強度降低的主要途徑在于經濟增長方式從粗放型向集約型轉變。較低的能源強度意味著該國對企業的生產方式和節能降耗能力與措施有著嚴格的監管和要求[11]，可能會導致中國在當地投資的成本增加。據此，本文提出假設2。

假設2：能源強度的降低會抑制中國對該國的能源投資。

考慮到除CO2排放強度和能源強度外，還存在其他影響能源投資的因素，本文加入其他的控制變量。雖然，現有對“一帶一路”能源投資影響指標的研究已經取得了一定的成果[710]，但仍存在部分局限性，如指標選取較為隨意，大多通過人為主觀地選取指標。因此，為了使本文選取的能源投資影響指標更具說服力，本文采用LDA模型將學者們普遍認可的共性指標作為本文模型的分析指標，具體包括能源生產力、貿易開放程度、GDP、制造業占GDP比重、勞動力總數和基礎設施水平。據此，本文提出假設3。

假設3：能源生產力、貿易開放程度、GDP、制造業占GDP比重、勞動力總數和基礎設施水平會對中國能源投資策略造成影響。

（四）回歸模型

由于本文因變量能源投資為非負整數離散型計數變量，因而應采用計數變量的回歸方法。目前的計數變量回歸方法主要是泊松回歸模型與負二項回歸模型。當因變量的數據方差與期望相差不多時，適用泊松回歸;若數據過于分散，即數據方差期望比遠大于1，則考慮使用負二項回歸。[31]據此，本文對因變量能源投資進行期望方差分析，結果如表3所示，因變量能源投資的方差遠大于均值，故選擇面板數據負二項模型進行實證結果檢驗。

本文共建立5個模型來探究自變量對中國能源投資的影響。其中，為了驗證假設3，本文建立模型1為參照模型，僅加入控制變量6個指標;為了驗證假設1，模型2在模型1的基礎上加入自變量CO2排放強度;為了驗證假設2，模型3在模型1的基礎上加入自變量能源強度;模型4加入所有變量，包括2個自變量和6個控制變量;模型5在模型1的基礎上加入2個自變量以及交叉項為完全模型，包含所有變量。

EIit=exp（β10+β11ENERit+β12TRADit+β13GDPit+β14INDUit+β15LABOit+β16INFRit）（1）

EIit=exp（β20+β21COINit+β22ENERit+β23TRADit+β24GDPit+β25INDUit+β26LABOit+β27INFRit）（2）

EIit=exp（β30+β31ENINit+β32ENERit+β33TRADit+β34GDPit+β35INDUit+β36LABOit+β37INFRit）（3）

EIit=exp（β40+β41COINit+β42ENINit+β43ENERit+β44TRADit+β45GDPit+β46INDUit+β47LABOit+β48INFRit）（4）

EIit=exp[β50+β51COINit+β52ENINit+β53（COINit×ENINit）+β54ENERit+β55TRADit+β56GDPit+β57INDUit+β58LABOit+β59INFRit]（5）

式中：i為國家，t為年份，β10—β59為回歸系數。

四、結果分析

（一）描述性統計與相關性分析

本文選取2009—2018年35個“一帶一路”沿線國家的能源投資及相應指標數據。首先，計算因變量、自變量和控制變量的均值、標準差、最小值、最大值和相關系數（見表4）。由表4可以看出，中國對“一帶一路”沿線國家能源投資和合同規模最大值為92.4億美元，最小為0，說明中國對“一帶一路”沿線不同國家能源投資差異巨大。由相關性分析結果（見表5）可以發現，變量之間相關性普遍較小，且表4中方差膨脹系數（Variance Inflation Factor， VIF）檢驗結果均小于10，說明本文所選數據不存在多重共線性問題，可以進行回歸分析，結果如表6所示。

（二）回歸結果分析

對回歸結果進行分析，可以發現以下幾點。

（1）由表6中的模型1可知，在選取的6個共性指標中，能源生產力、勞動力總數、制造業占GDP比重對中國能源投資有促進作用，且結果顯著。結果還表明東道國的經濟狀況，如GDP、貿易開放程度及基礎設施水平對中國能源投資的影響并不顯著，這可能是由中國能源投資的戰略導向造成的[32]。

（2）由模型2可知，自變量CO2排放強度通過10%的顯著性檢驗且為負值。“一帶一路”沿線國家降低CO2排放強度正向促進中國對該國的能源投資，說明中國傾向于投資CO2排放強度較小的國家，這主要是因為這些國家環境風險較小。

（3）由模型3可知，自變量能源強度通過10%的顯著性檢驗且為正值。“一帶一路”沿線國家降低能源強度反向抑制中國對該國的能源投資，說明“一帶一路”沿線國家能源強度越大越容易吸引中國能源投資。這主要是由于能源強度大的國家能源利用率較低，環境治理能力較差，中國選擇這些國家投資可以減少能源投資的環境成本和監管成本。能源生產力通過10%顯著性檢驗且為正值。結合能源生產力和能源強度來看，中國傾向于投資能源儲量豐富且中國能源技術有競爭力的國家。

（4）由模型3和模型4對比可知，模型4中CO2排放強度和能源強度系數的絕對值都增大了，且能源強度系數的絕對值較CO2排放強度系數的絕對值大，說明能源強度對能源投資影響更大。在碳中和背景下，CO2排放強度降低趨勢有利于能源投資，能源強度則相反，且能源強度對能源投資影響更大，總體來看，碳中和背景并不利于中國在“一帶一路”沿線的投資。由模型5可知，兩個自變量交叉項的影響效果并不顯著，因此可不加以考慮。

（三）穩健性檢驗

為確保分析結果的穩健性，本文借鑒王雄元等[33]縮短時間窗口的穩健性檢驗方法，進行“一帶一路”倡議提出后樣本的敏感性測試。中國于2013年下半年正式提出“一帶一路”倡議，在此之后中國與“一帶一路”沿線國家合作關系更加密切，因此將研究時段縮減到2014—2018年，這一時段既可以排除其他政策的影響，又減少了數據缺失。縮短時間窗口后回歸分析結果（見表7）中CO2排放強度系數和能源強度系數正負并未發生改變，且顯著性增強，說明本文利用負二項回歸模型得到的分析結果相對穩健。

五、結論與建議

（一）結論

“一帶一路”沿線是中國能源投資的重要區域，且能源利用是CO2排放的主要來源，因此碳中和長期目標和發展趨勢必然會影響中國對“一帶一路”沿線的能源投資。本文基于2009—2018年35個“一帶一路”沿線國家的面板數據，運用LDA模型研究影響能源投資的共性指標，然后用負二項回歸模型分析環境風險和環境機會指標及共性指標對能源投資產生的影響，得到如下結論：（1）學者普遍研究的對能源投資產生影響的指標包括能源生產力、貿易開放程度、GDP、制造業占GDP比重、勞動力總數和基礎設施水平;（2）東道國的經濟狀況，如GDP、貿易開放程度以及基礎設施水平對中國能源投資影響并不顯著，這可能是由中國能源投資的政治導向造成的;（3）降低CO2排放強度正向促進中國的能源投資，因為CO2排放強度越小，環境風險越小;（4）降低能源強度反向抑制中國對該國的能源投資，主要是能源強度較高的國家，其環境治理能力相對較低，中國投資這些國家的環境成本較少，中國的能源技術也更有競爭力。總體來看，在碳中和背景下，各國最終要實現一年內CO2排放量和吸收量的平衡就必然要降低碳排放強度和能源強度，兩者在未來較長的時間段里呈現下降趨勢，這不利于中國在“一帶一路”沿線的能源投資。

（二）建議

針對上述結論，能源企業在對“一帶一路”沿線國家進行能源投資時，首先需要考慮東道國的CO2排放強度和能源強度，優先選擇CO2排放強度低、能源強度高的國家，這就要求能源企業的項目風險甄別能力要強;其次，為了響應“一帶一路”沿線國家的碳中和政策，幫助東道國降低CO2排放強度和能源強度，能源企業可以從投資清潔能源領域、提高能源開采效率和樹立清潔能源企業形象三方面入手。據此，本文提出如下建議。

（1）加強風險識別，提高項目風險甄別能力。“一帶一路”沿線能源投資機會多，但能源企業要認識到不同國家在資源稟賦條件、國家信用水平、投資環境等方面的差異。尤其是在資源共享[34-35]和很多新能源投資沒有經驗可以參考的情況下，能源企業更應該做好風險評估及風險應對，對東道國環境風險指標CO2排放強度和能源強度的詳細分析更是重中之重。

（2）加大新能源投資和合同規模比例，大力發展新能源業務。一方面，“一帶一路”沿線很多國家都蘊含一定的風能、水能、太陽能、地熱能等新能源的儲量，且處于規劃階段，說明這些國家新能源投資仍有很大潛力。[36]另一方面，基于技術的進步，自2010年以來，太陽能光伏、聚光太陽能、電池儲能、陸上風電和海上風電等可再生能源技術成本分別下降了82%、47%、71%、38%和29%，可再生能源的成本競爭力逐漸提高。因此，在碳中和背景下能源企業進行投資時，可以因地制宜，充分發揮“一帶一路”沿線國家能源特色，如在水力資源極其豐富、水位落差大的東南亞地區投資水電項目，在地熱資源豐富的菲律賓投資地熱項目，既能提高投資效率，又能減少溫室氣體排放，順應碳中和發展趨勢。

（3）提高能源效率，深化技術改革。能源企業可以在電力科技創新、項目開發、新業態和商業模式發展等方面做出改變，不斷突破清潔能源發電并網、儲能、氫能、分布式能源等關鍵技術，采用新工藝、新設備提高煤和石油等傳統能源的使用效率。能源效率提高具有可觀的經濟、社會、環境效益，可有效降低一次能源需求總量，有效控制溫室氣體排放，降低能源利用對環境的影響。能源企業順應能效投資趨勢，深化相關技術改革，在“一帶一路”沿線區域因地制宜促進當地能源生產和消費轉型，可以獲得當地政府和企業信任，以謀取更多合作投資的機會。

（4）注重社會責任管理，樹立清潔能源企業形象。對于碳中和來說，減排（減少CO2排放）和增匯（增加CO2吸收）是兩條根本路徑。能源企業可在東道國開展植樹造林、生態保護等公益和宣傳活動，積極謀求與環保組織、非營利組織的全方位、深層次合作。這樣一方面有利于能源企業與當地經濟社會之間建立良好關系，拉近與當地社會的距離;另一方面能夠抵消部分能源投資產生的CO2等溫室氣體排放量，減少對東道國環境的污染。能源企業主動承擔社會責任，有利于改善企業形象，獲得東道國政府、民眾的好感。

參考文獻：

[1] 周淑慧，王軍，梁嚴.碳中和背景下中國“十四五”天然氣行業發展[J].天然氣工業，2021，41（2）：171182.

[2] 鄧旭，謝俊，滕飛.何謂“碳中和”？[J].氣候變化研究進展，2021，17（1）：107113.

[3] Huang Yanying， Fischer T B， Xu He. The Stakeholder Analysis for SEA of Chinese Foreign Direct Investment： the Case of "One Belt， One Road" Initiative in Pakistan[J]. Impact Assessment and Project Appraisal， 2017，35（2）：158171.

[4] Shi Xunpeng， Yao Lixia. Prospect of China’s Energy Investment in Southeast Asia under the Belt and Road Initiative： A Sense of Ownership Perspective[J]. Energy Strategy Reviews， 2019，25：5664.

[5] Chernysheva N A， Perskaya V V， Petrov A M， et al. Green Energy for Belt and Road Initiative： Economic Aspects Today and in the Future[J]. International Journal of Energy Economics and Policy， 2019， 9（5）： 178185.

[6] Hashemizadeh A， Ju Yanbing， Bamakan S M H， et al. Renewable Energy Investment Risk Assessment in Belt and Road Initiative Countries under Uncertainty Conditions[J]. Energy， 2021，214（1）：118.

[7] Zhou Na， Wu Qiaosheng， Hu Xiangping， et al. Evaluation of Chinese Natural Gas Investment along the Belt and Road Initiative Using Super Slacksbased Measurement of Efficiency Method[J]. Resources Policy， 2020， 67（8）： 110.

[8] Kozlova M， Collan M. Renewable Energy Investment Attractiveness： Enabling Multicriteria CrossRegional Analysis from the Investors’ Perspective[J]. Renewable Energy， 2020， 150（5）： 382400.

[9] Zhang Mingming， Zhou Peng， Zhou Daqing. A Real Options Model for Renewable Energy Investment with Application to Solar Photovoltaic Power Generation in China[J]. Energy Economics， 2016， 59（9）： 213226.

[10] Liang Panning，Yu Mingyang，Jiang Lincheng. Energy Investment Risk Assessment for Nations along China’s Belt & Road Initiative： A Deep Learning Method[J]. Applied Sciences， 2021， 11（5）： 121.

[11] Huang Yanying. Environmental Risks and Opportunities for Countries along the Belt and Road： Location Choice of China’s Investment[J]. Journal of Cleaner Production， 2019， 211（2）： 1426.

[12] Ahmad M， Jiang Ping， Majeed A， et al. Does Financial Development and Foreign Direct Investment Improve Environmental Quality？ Evidence from Belt and Road Countries[J]. Environmental Science and Pollution Research， 2020， 27（19）： 23586–23601.

[13] Joshua U， Bekun F V， Sarkodie S A. New Insight into the Causal Linkage between Economic Expansion， FDI， Coal Consumption， Pollutant Emissions and Urbanization in South Africa[J]. Environmental Science and Pollution Research， 2020， 27（15）： 1801318024.

[14] Chandran V G R， Tang C F. The Impacts of Transport Energy Consumption， Foreign Direct Investment and Income on CO2 Emissions in ASEAN5 Economies[J]. Renewable and Sustainable Energy Reviews， 2013， 24（8）： 445453.

[15] Baek J. A New Look at the FDIincomeenergyenvironment Nexus： Dynamic Panel Data Analysis of ASEAN[J]. Energy Policy， 2016， 91（4）： 2227.

[16] Paramati S R， Ummalla M， Apergis N. The Effect of Foreign Direct Investment and Stock Market Growth on Clean Energy Use across a Panel of Emerging Market Economies[J]. Energy Economics， 2016， 56（5）： 2941.

[17] Sbia R， Shahbaz M， Hamdi H. A Contribution of Foreign Direct Investment， Clean Energy， Trade Openness， Carbon Emissions and Economic Growth to Energy Demand in UAE[J]. Economic Modelling， 2014， 36（1）： 191197.

[18] Shao Qinglong， Wang Xiaoling， Zhou Qian， et al. Pollution Haven Hypothesis Revisited： A Comparison of the BRICS and MINT Countries Based on VECM Approach[J]. Journal of Cleaner Production， 2019， 227（8）： 724738.

[19] Rauf A， Liu Xiaoxing， Amin W， et al. Energy and Ecological Sustainability： Challenges and Panoramas in Belt and Road Initiative Countries[J]. Sustainability， 2018， 10（8）： 27432743.

[20] Lin Boqiang， Benjamin N. Causal Relationships between Energy Consumption， Foreign Direct Investment and Economic Growth for MINT： Evidence from Panel Dynamic Ordinary Least Square Models[J]. Journal of Cleaner Production， 2018， 197（10）： 708720.

[21] Wu Yunna， Wang Jing， Ji Shaoyu， et al. Renewable Energy Investment Risk Assessment for Nations along China’s Belt & Road Initiative： An ANPcloud Model Method[J]. Energy， 2020， 190（1）： 119.

[22] Liu Zhao， Zhang Huan， Zhang YueJun， et al. How Does Income Inequality Affect Energy Efficiency？ Empirical Evidence from 33 Belt and Road Initiative Countries[J]. Journal of Cleaner Production， 2020， 269（5）： 129.

[23] Chen Xia， Fu Qiang， Chang Chunping. What are the Shocks of Climate Change on Clean Energy Investment： A Diversified Exploration[J]. Energy Economics， 2021， 95（3）： 112.

[24] Xu Xiaofeng， Zhang Wei， Li Ning， et al. A Bilevel Programming Model of Resource Matching for Collaborative Logistics Network in Supply Uncertainty Environment[J]. Journal of the Franklin Institute， 2015， 352（9）： 38733884.

[25] Xu Xiaofeng， Lin Ziru， Zhu Jing. DVRP with Limited Supply and Variable Neighborhood Region in Refined Oil Distribution[J]. Annals of Operations Research， 2020， 309（2）： 663687.

[26] 李標， 張航， 吳賈. 實施長江經濟帶發展戰略能降低污染排放強度嗎？[J]. 中國人口·資源與環境， 2021， 31（1）：134144.

[27] 許勤華.碳中和趨勢下共建綠色絲路——綠水青山如何轉化為金山銀山[EB/OL]. （20210611）[20220310].http：//m.thepaper.cn/baijiahao_13103754.

[28] Burnett J W， Bergstrom J C， Wetzstein M E. Carbon Dioxide Emissions and Economic Growth in the U.S.[J]. Journal of Policy Modeling， 2013， 35（6）： 10141028.

[29] AlMulali U， Tang C F， Ozturk I. Does Financial Development Reduce Environmental Degradation？ Evidence from a Panel Study of 129 Countries[J]. Environmental Science and Pollution Research， 2015， 22（19）： 1489114900.

[30] Blei D M， Ng A Y， Jordan M I. Latent Dirichlet Allocation[J]. The Journal of Machine Learning Research， 2003（2）： 9931022.

[31] Tüzen M F， Erba S. A Comparison of Count Data Models with an Application to Daily Cigarette Consumption of Young Persons[J]. Communications in StatisticsTheory and Methods， 2018， 47（23）： 58255844.

[32] Chen Yang， Chao Yiying， Liu Wei， et al. Make Friends， Not Money： How Chinese Enterprises Select Transport Infrastructure Investment Locations along the Belt and Road Initiative[J]. Transport Policy， 2020， 101（2）： 119132.

[33] 王雄元， 卜落凡. 國際出口貿易與企業創新——基于“中歐班列”開通的準自然實驗研究[J]. 中國工業經濟， 2019（10）： 8098.

[34] Xu Xiaofeng， Hao Jun， Zheng Yao. Multiobjective Artificial Bee Colony Algorithm for Multistage Resource Leveling Problem in Sharing Logistics Network[J]. Computers and Industrial Engineering， 2020， 142（4）： 111.

[35] Xu Xiaofeng， Hao Jun， Yu Lean， et al. Fuzzy Optimal Allocation Model for TaskResource Assignment Problem in Collaborative Logistics Network[J]. IEEE Transactions on Fuzzy Systems， 2019， 27（5）： 11121125.

[36] Xu Xiaofeng， Wei Zhifei， Ji Qiang， et al. Global Renewable Energy Development： Influencing Factors， Trend Predictions and Countermeasures[J]. Resources Policy， 2019， 63（10）： 115.

The Impact of the Environment of the B&R Countries on China’s Energy Investment Strategy Within Carbon Neutrality Context

NIE Zhengya1， LIU Zhiting2， LIU Wenzhi2， LI Shufeng3

（1.International Department， China National Petroleum Corporation， Beijing 100007， China;

2.School of Economics and Management， China University of Petroleum （East China）， Qingdao 266580， Shandong， China;

3.China National Oil and Gas Exploration and Development Corporation， Beijing 100034， China）

Abstract：As an important means to achieve greenhouse gas emission reduction， carbon neutrality also has a certain impact on energy investment. Therefore， based on 100 papers on China’s foreign energy investment， this paper uses the Latent Dirichlet Allocation topic model to mine six indicators， and introduces CO2 emission intensity and energy intensity to build an energy investment index system. Then， based on the energy investment and corresponding index data of 35 Belt and Road （B&R） countries from 2009 to 2018， the feasibility of regression analysis was verified based on descriptive statistics and correlation analysis， and the negative binomial model of panel data was selected to test the empirical results. Finally， a robustness test method with a shortened time window was used to test the sensitivity of samples since the Belt and Road Initiative was proposed. The empirical results suggest that： （1） The impact indicators of energy investment include： the energy productivity， trade opening， GDP， proportion of manufacturing in GDP， labor force and infrastructure level. The economic conditions of the host country， such as GDP， trade openness and infrastructure level， have no significant impact on China’s energy investment， which is caused by the strategic orientation of China’s energy investment. （2） Under the background of "carbon neutrality"， B&R countries have to cut carbon emission intensity and energy intensity to achieve a balance between CO2 emissions and absorption on a yearly basis. The decreasing CO2 emission intensity contributes to China’s energy investment in the target country while the decreasing energy intensity does the contrary， exercising more influence on energy investment. Therefore， the proposal of "carbon neutrality" has a great impact on China’s energy investment structure. In light of this， energy enterprises should increase the proportion of new energy investment and the number of contracts， vigorously develop new energy businesses， improve energy efficiency and deepen technological reform. In addition， it is necessary to strengthen risk identification， enhance the ability to identify risk projects， highlight socially responsible management， and actively carry out afforestation and other environmental protection activities.

Key words：carbon neutrality;energy investment;environmental governance;LDA model;negative binomial regression model