中國能源強度變動的就業效應研究

毛雁冰 薛文駿

(上海大學經濟學院，上海200444)

中國能源強度變動的就業效應研究

毛雁冰 薛文駿

(上海大學經濟學院，上海200444)

能源強度反映了能源的利用效率，并且可以體現出一個國家及地區的經濟發展水平、產業結構和技術進步的綜合作用。本文在1995－2009年各省份數據的基礎上，利用面板VAR模型脈沖響應函數和面板協整模型分析中國區域能源強度與就業之間的動態作用及其長期均衡關系。結果顯示，能源強度與就業之間存在著長期均衡關系;能源強度對就業總量和就業變動率有著負向的沖擊，能源強度的降低可以有效拉動中國就業的提高。各個省份之間的能源強度對于中國就業的影響存在顯著的差異;影響作用由西向東呈現出梯度遞增的趨勢。因此，建議通過擴大經濟增長的規模降低能源強度，提高就業水平;東部地區應側重于提高能源利用效率及發展第三產業來增加就業，而中西部地區可以適度降低能源的消費總量，并不會對就業產生較大的沖擊;另外，在政策制定和實施過程中，需要注意政策的時滯效應，通過優化工業布局，加強區域間的合作，實現能源強度變動與就業增加的良性互動。

能源強度;就業;脈沖響應;面板協整模型

經濟增長離不開能源的大量消耗，快速的經濟增長使中國成為世界能源消費的大國，而在當今世界各國大力發展低碳經濟的潮流下，通過節能減排，以較低的能源消耗取得較高的經濟增長正成為目前以及未來經濟發展所面臨的迫切問題。作為勞動力資源密集的發展中國家，就業是關系到中國民生以及社會長期穩定發展的重要問題。如何促進能源強度變動與結構性就業的良性互動，保持經濟增長、低碳發展與就業的均衡發展，成為學術討論及政策研究的熱點問題。

近年來，國內學者從時間序列、地區差異的角度對能源消費、能源強度與經濟增長的關系進行了研究，重點分析了影響能源消費及其強度的經濟發展因素和產業原因。吳巧生等利用省際面板數據對能源消費量與GDP的關系進行實證檢驗，結論顯示，長期來看，能源消費與GDP之間存在著雙向因果關系，短期之內，中國東部和西部的能源消費和GDP之間存在著不同方向的因果關系［1］;韓智勇等通過產業結構和效率變動對能源強度的分析，指出能源強度持續下降的原因主要在于各產業能源利用效率的提高［2］。王霞等對影響能源強度的因素做了實證分析，指出能源強度自身及第二產業比重對能源強度影響較大［3］;邵興軍等也指出提高第二、第三產業的勞動生產率可以直接降低能源強度;提高第三產業結構可以直接降低能源強度并間接提高第二、三產業勞動生產率，從而降低能源強度［4］;屈小娥等利用1998－2006年的省份面板數據，認為東、中、西部能源強度差異較大，經濟發展水平和第三產業對能源強度的降低起到積極作用［5］;齊紹洲等的研究表明，東西部省區之間總體的能源強度差異是收斂的，隨著勞均GDP差異的縮小，能源強度的差異也在縮小［6］。關于低碳發展對就業的影響，譚永生從產業結構變動的角度分析了經濟低碳化對中國中長期就業的影響，提出了實施相對低碳化發展以及統籌考慮擴大就業的發展理念［7］;李啟平通過分析高碳就業的特征，提出了發展低碳經濟對于促進就業的政策選擇和措施［8］。

上述大部分文獻主要分析了影響能源強度的因素，而對能源強度對就業所造成的影響缺乏必要的研究。能源強度的變化可以集中體現出經濟總量，產業結構以及技術進步的變動對勞動就業產生影響。由于中國各地區的經濟發展水平不均衡，產業和就業的分布存在著空間上的明顯差異，這種結構性的不對稱對就業的總體水平有著直接的影響。因此，本文采用能源強度指標，在分析中國不同省份的能源強度差異的基礎上，探討中國經濟增長過程中的能源利用效率對就業的影響。

1 能源強度對就業影響的傳導機制

從理論角度來看，能源消費和經濟增長之間存在著正向的變動關系，經濟的快速增長決定了能源消費量的不斷增加。因此，對能源消費及GDP總量的分析，可以揭示出經濟增長與能源消費之間的依存關系，但是這并不能說明能源利用效率及其對就業、經濟發展質量的影響。

能源強度反映了單位GDP的能源消耗，是能源利用效率的倒數，它的變動主要受到一定時期的經濟增長水平、能源消耗總量以及能源利用效率的直接影響。一方面，在技術水平一定的條件下，能源消耗總量減少，或者GDP增加都會導致能源強度下降;另一方面，在保持能源消耗量與經濟增長同步增長的前提下，技術進步能夠大大提高能源的利用效率、降低能源強度。同時，GDP的增加離不開技術進步及產業結構的變動。能源強度變動在技術進步的催化下，通過產業結構的變動對就業產生影響，其最終影響決定于兩種不同效應的綜合結果。

(1)創造性效應。隨著經濟總量的不斷增長，能源的消費量也持續增加，但能源強度出現不斷下降，就業總量會隨著經濟產出的提高而不斷提高。這主要是由于技術進步及能源結構的優化，可以提高能源利用效率，降低能源強度，從而提高經濟增長的速度，擴大增長的規模，進而增加就業機會;同時，產業結構的調整和升級，可以帶動上下游以及橫向關聯產業的發展，從而擴大就業需求，特別是新興工業和第三產業的發展;另外，隨著新能源的不斷開發和利用，會創造出大量新的產品和產業部門，也能夠大大增加就業的需求，進一步促進就業的增加。“創造性效應”會導致能源強度下降有利于就業的增加。

(2)替代效應。一方面，資本和技術產生了對勞動力要素投入的替代，造成對勞動力需求的減少;另一方面，部分生產效率落后的行業和產業部門被淘汰，從而導致其原有的就業人員被釋放出來，造成失業的增加;另外，技術進步需要大量的投入資金及專業人員，這樣會增加企業的生產成本，影響企業的生產效益，從而減少對就業的需求。“替代效應”不利于就業的增加。

從地理空間的角度來看，不同省份的經濟發展水平和產業結構情況各有不同，各地區不同的產業布局決定著區域能源消費量及就業容量的大小。地區之間的能源強度差異越小，意味著各地區之間在經濟結構、技術水平以及就業水平等方面的趨同性越強;反之，如果地區之間的能源強度差異越大，意味著產業結構和技術水平存在著較大的地區差異，這使得就業的結構性差異越大，會導致就業的總量水平缺乏穩定性和不斷提高的漸進趨勢。

2 中國能源強度和就業的地區差異

從總體上來看，中國的能源強度近年來呈現出逐年下降的趨勢，由1995年的0.23下降到2009年的0.09，而同時期GDP保持了持續增加，能源的消費總量也從1995年的131 176萬t標準煤增加到2009年的306 647萬t標準煤。由此可見，單位GDP能耗下降的原因不是能源消耗絕對量的減少，而在于能源利用效率的提高以及經濟總量的快速增加;同時期就業保持了增長的趨勢，說明能源強度對就業的“創造性效應”較為明顯。

圖1 中國地區能源強度及就業示意圖Fig.1 Regional energy intensity and employment in China注:圖中數據為1995－2009年平均值，數據來源:《中國統計年鑒》。

在地區的能源強度差異上，圖1描繪了各省份能源強度情況，柱狀圖表示了各省(市)能源強度。從東、中、西部三大區域來看，能源強度在空間上呈現出由東向西，由低到高的階梯型分布。東部較發達地區的能源強度相對較小，表明該地區能源利用效率較高;而西部大部分地區的能源強度較大，能源的使用效率較低，而中部地區保持中等水平。具體到各個省份，能源強度在省際間表現出明顯的差異，北京，上海，天津，江蘇，浙江，福建，山東，廣東，海南等經濟發達省份的能源強度較低，而中西部地區的山西，貴州，甘肅，青海，寧夏，新疆，內蒙古等地區的能源消費強度較高，由西向東呈現出梯度遞減的趨勢。

在地區的就業容量差異上，圖1中的折線表示了各省(市)就業總人數。東部地區是目前勞動就業的主要地區，除上海，北京，天津，福建省和海南省之外，東部地區各省份的就業都達到2 000萬人以上，山東省，江蘇省的就業人口數量高達5 000多萬和4 000多萬人。西部地區的就業人口明顯小于中東部地區，除四川省外，其他省份的就業人口在2 000萬人以下，青海，寧夏，新疆和內蒙古的就業人口不到1 000萬人，就業人口在地區之間的分布呈現由東向西，有高到低的階梯型分布。

可以初步判斷，能源強度與就業在不同地區之間存在著明顯的逆向分布，能源強度越高的地區，其就業水平越低;而能源強度越小的地區，就業水平越高。在上述基礎上，將使用面板協整模型更加精確地對能源強度與就業的長期均衡關系進行實證分析。

3 計量模型及數據來源

通過面板協整模型來分析能源強度的變動與就業之間的關系，可以反映出各省份不同的經濟總量、產業布局特征對于就業的影響作用。在傳統的時間序列問題中，通常使用協整分析來研究變量之間的長期均衡關系，但是該方法會出現如下問題:首先，如果時間序列變量的樣本時期較短容易導致協整檢驗的穩健性較差;其次，因為時間序列沒有綜合考慮數據的截面特征，所以忽視了不同類別數據之間的異質性特征。而由于中國能源強度的時間序列數據只有15個數據點(1995－2009)，不同地區的能源利用效率、經濟發展及就業水平存在較大差異，所以本文選擇面板數據協整模型［9］來研究中國地區就業水平和能源強度的長期均衡關系。

與時間序列類似，面板數據模型的協整檢驗也需要對數據平穩性進行檢驗。由于目前對于面板數據的單位根檢驗還沒有達成一致結論，所以為了保證檢驗的穩健性，本文采用了五種單位根檢驗方法對面板數據的平穩性進行檢驗，主要包括 LLC 檢驗［10］、Breitung檢驗、Fisher檢驗(包括ADF和PP檢驗)和 IPS檢驗［11］。

在單位根檢驗的基礎上，如果模型變量都是同階單整的，則可以使用面板協整檢驗來研究面板數據之間是否存在長期均衡關系。對于協整檢驗的方法，Pedroni構造了7個檢驗面板變量協整關系的統計量，包括Panel v、Panel rho和 Group ADF等［12］。此外，Kao也構造出了相關的檢驗統計量，包括DF和ADF［13］。考慮到檢驗的穩健性，本文同時使用Pedroni的7種檢驗統計量和Kao的ADF統計量來對本文省份就業水平與能源強度之間是否存在長期均衡關系進行檢驗，以避免模型出現“偽回歸”的可能。從時間序列角度出發，可以進一步采用面板VAR模型對能源消費強度與就業之間的關系進行脈沖響應檢驗。

在對面板協整模型系數的估計方法上，目前一共有三種方法可以進行估計，即普通 OLS、完全修正 OLS(FMOLS)、動態 OLS(DOLS)。Kao和 Chiang、Pedroni認為相比OLS、FMOLS，DOLS無論在小樣本、還是估計的有效性上，都表現的比較好［9，14］。協整面板估計量主要是分為同質性(Pool Panel)和異質性(Group-mean Panel Group)估計量兩種，考慮到中國各地區發展水平差異較大，本文采用異質性面板模型DOLS來估計模型的估計量β^*i，具體模型如下:

其中，xit是解釋變量，k2為解釋變量的超前期，k1是解釋變量的滯后期。Δxit－k是解釋變量的差分項。uit是服從正態分布的殘差項。

在指標選擇上，本文的各省份能源強度(Energy)是通過各省份的能源消費總額(百萬t標準煤)除以省份GDP(十億人民幣)計算得出，省份就業水平(Employ)指標是省份的就業人數(百萬人)。本文所用數據的時間跨度是1995－2009年，包括的省份、直轄市和自治區一共是三十個，由于西藏的統計數據缺失某些年份相應的指標，所以本文分析中沒有包括西藏。數據來源主要為《中國統計年鑒》和CEIC數據庫。

4 實證分析及其結果

4.1 面板數據的單位根檢驗

首先使用LLC、Breitung、Fisher等面板數據平穩性檢驗指標來檢驗中國省份就業量(Employ)、就業量的對數值(lnEmploy)和省份能源強度(Energy)的平穩性，得到表1的結果。

從表1中可以明顯地看到，在5%的顯著性下，除了LLC指標以外，其他檢驗指標都表明上述三個指標都是含有截面單位根(不平穩)。而當這些指標經過一階差分后，所有統計指標的檢驗結果都明顯地拒絕變量存在單位根的原假設。可以認為中國省份就業量(Employ)、就業量的對數值(lnEmploy)和省份能源強度(Energy)都是一階單整I(1)的。

表1 面板單位根檢驗結果Tab.1 Results of panel unit root test

4.2 面板數據的協整檢驗

在單位根檢驗的基礎上，對省份就業量(Employ)和能源強度(Energy);就業量的對數值(lnEmploy)和省份能源強度(Energy)這兩組變量分別進行協整檢驗，判斷這兩組變量是否存在長期均衡關系。

從表2中可以發現Pedroni的大多數統計指標(除了Panel rho和Panel PP統計量)在10%的顯著性下，都明顯地拒絕上述兩組指標之間不存在協整關系的原假設，說明上述兩組變量之間存在協整關系。此外，Kao的ADF檢驗在1%的顯著水平下也顯著地支持上述兩組指標長期協整關系的存在。所以我們認為上述兩組變量之間存在長期的均衡關系。

4.3 脈沖響應分析

在單位根檢驗中，我們可知就業總量、就業變動率以及能源強度這三個變量都是一階單整的，所以這里可以構建VAR模型并用脈沖響應函數來分析能源強度對就業總量和就業變動率的動態影響作用。與普通的VAR模型相比，面板VAR模型綜合考慮了面板數據模型和時間序列模型的優點，即在能夠控制住空間效應和時間效應的同時，分析受到沖擊時經濟變量的動態反應，因此，這里的面板VAR估計參考了世界銀行I.love關于Panel VAR的STATA中使用的程序語言和操作步驟進行分析［15］，可以

表2 面板協整檢驗的結果Tab.2 Results of panel co-integration test

得出脈沖響應的結果，見圖2。

從圖2中可以看出，能源強度對就業總量和就業變動率都存在著負向的沖擊，而且沖擊的影響程度呈U型趨勢。在選擇滯后期為三期的條件下，當期能源強度的變動對就業總量和就業變動率的負向沖擊逐年增長并在未來第二年達到最大值，分別為－0.001 8和－0.001 7，之后其影響程度開始逐漸下降。

4.4 面板數據模型的估計結果

從上述檢驗可知兩組變量分別存在長期均衡關系，為了進一步研究能源強度對就業總量和就業變動率的影響，分別建立兩個回歸模型來分析能源強度和就業總量，能源強度和就業變動率之間的相互關系和變動趨勢。具體模型如下:

其中，Employit表示各省份就業人數，Energyit表示各省份的能源消費強度，αi表示各省份回歸模型的常數項，βi表示各省份能源消費強度對就業總量(變動率)的影響程度，時間t跨度是1995－2009年，i包括30省份、直轄市和自治區。由于解釋變量為能源強度，是一個比率，模型(2)表示當能源強度變動一個百分點，就業總量變動的人數。模型(3)使用的半對數模型，估計出的系數表示解釋變量單位絕對變化量導致Y的變化率。

圖2 就業及就業變動率對能源強度的脈沖響應Fig.2 Impulse response of energy intensity to Employment＆lnEmployment shock注:圖中95%的置信區間是經500次Monte-Carlo模擬得出，變量的滯后期選擇為3期。

首先將中國分為三個不同地區并通過動態OLS(DOLS)來估計分析不同地區之間系數的差異，得到表3的實證結果:能源強度與就業量之間總體上呈現反向的變動趨勢，能源強度下降1個單位，就業會增加1 776.9個單位，就業變動率會提高2.6個百分點，說明能源強度的下降有利于就業的增加，進一步驗證了能源強度的“創造性效應”。但是這種變動關系在東、中、西部地區之間存在著變化強度的顯著差異，東、中、西部地區對就業的影響程度分別是 1 378.79，354.85 和 248.54，比率系數分別為5.196，1.619和1.299。這說明東部地區能源強度下降對就業提高的影響要遠遠大于中西部地區。

為了進一步分析各省份能源強度變化對就業總量和就業變動率的影響程度，我們將中國省份數據作為面板數據進行研究，結果見表3。

表3 能源強度對就業總量和就業率影響的分省份回歸結果Tab.3 Impact of provincial energy intensity on employment and employment change rate

從表3可以看出，廣東省，浙江省，上海市，海南省，江蘇省，山東省，江西省，云南省和廣西自治區的就業變動率系數較高，其中大部分省份是東部地區的發達省份，說明這些省份能源強度的變動對于就業會造成較大的影響。福建省，山西省，陜西省，黑龍江省，湖南省，貴州省，寧夏自治區和內蒙古自治區等就業變動率系數較小，其他省份的系數水平居中，能源強度的變動與就業的變動之間的相互影響小于東部發達地區。不難看出，中西部地區省份的就業總量和就業水平較低，而這些地區恰恰是能源消費總量較大，經濟總量相對較低，能源利用效率較低的地區。因此，東部地區應發揮技術優勢，提高能源利用效率，促進就業的大幅度提高;而由于西部地區能源強度對就業的影響程度較小，即節能并不會對就業產生較大的沖擊和負面影響，所以這些地區應側重于減少能源使用量。

綜上所述，能源強度與就業水平之間總體上存在著反向的關系，即能源強度越小，能源的利用效率越高，就較容易拉動中國就業水平，能源強度變動對于就業的“創造性效應”顯著。從區域經濟發展情況來看，無論是能源強度變化，就業水平，還是能源強度與就業互動關系方面，都存在著明顯的地區性差異。這一現象可以反映出不同地區的產業結構與技術水平的差異，具體的原因主要有以下三個方面:

①經濟發展水平的影響。經濟的快速發展可以有效地提高地區的就業水平，對就業產生了積極作用;

②區域產業結構的影響。工業化發展程度的差異導致各地區產業結構存在著明顯差異，對地區能源強度的影響顯著;

③政策性傾斜的影響。高能耗產業向西部聚集的效應較為明顯，東部地區技術轉移缺乏有效渠道，強化了東西部地區能源強度與就業的逆向不對稱分布局面。

5 結論與政策性建議

本文利用面板VAR模型脈沖響應函數和面板協整模型分析了中國區域能源強度與就業之間的動態關系。根據實證的結果，可以得到以下主要結論:

(1)無論是Prodroni檢驗的10%的顯著性，還是Kao的ADF檢驗1%的顯著性都表明了能源強度與就業之間存在著長期的協整關系;1995－2009年期間，中國能源強度總體上呈現出下降的趨勢，同時期就業水平不斷增加，通過脈沖相應檢驗，可以進一步判定能源強度與就業之間存在著反方向的變動關系，說明了“創造性效應”在發揮主導作用，經濟總體規模的提升可以增加就業崗位，同時也能夠通過經濟總量的增加降低能源強度。因此，保持經濟的穩定增長及適度的能源消耗有利于就業的增加。同時，通過對高碳產業的技術改造可以提高能源利用效率、降低能源強度從而拉動就業的增加。

(2)從地區層面來看，雖然能源強度與就業之間存在著反向關系，但各地區的能源強度及其對就業的影響存在著顯著的差異。東部地區能源強度變動對就業總量及就業變動率的影響系數分別為－1 378.79和－5.196，遠遠大于中西部地區的相關系數，說明了東部地區降低能源強度對就業有較大的促進作用。從產業結構的變動情況來看，東部地區具有較大的節能減排空間及擴大就業容量的能力，可以利用其資金及技術優勢，提高能源利用效率;通過發展第三產業，促進產業結構升級，不斷提高就業需求;中西部地區能源強度的降低對就業的促進作用較小(比率系數分別為－1.619和－1.299)，中西部地區以工業部門為主，第二產業降低能源強度的空間較大，中西部地區可以通過加快產業結構調整和升級，提高與東部發達地區的能源強度的趨同性，從而通過提高單位能耗的產出水平，擴大就業規模。

(3)防止政策的時滯效應。從面板VAR模型脈沖響應函數的分析結果來看，影響程度的U型趨勢表明了能源強度對就業總量和就業變動率的負向沖擊存在著滯后的現象，能源強度的變動對就業總量和就業變動率的沖擊在后續時期達到峰值，因此，在制定相關能源政策時，應考慮到這一時滯現象，使政策的效果更具有針對性和有效性。

(4)從中長期來看，在低碳發展以及促進就業改善民生的約束前提下，地區間能源強度和就業水平的差異不利于總體就業水平的提高。在產業結構調整的過程中，要注意優化產業結構及工業的空間布局，不斷加大對能源及低碳技術的投入和專業人才的培養，通過技術進步提高能源的使用效率，降低能源的使用強度;在制定和實施產業政策及區域發展政策時，要根據各地區之間能源、勞動力、資金及技術等不同的稟賦條件，建立有效的資源配置機制，促進東部地區的技術和資金優勢與中西部地區資源和勞動力資源的相互支持，逐步實現區域間的優勢互補效應，兼顧勞動密集型、資本和技術密集型產業的均衡發展。

References)

［1］吳巧生，陳亮，張炎濤，等.中國能源消費與GDP關系的再檢驗:基于省際面板數據的實證分析［J］.數量經濟技術經濟研究，2008，(6):27 －40.［Wu Qiaosheng，Chen Liang，Zhang Yantao，et al.Retesting the Granger Causality between Energy Consumption and GDP in China:Based on the Provincial Panel Data Analysis［J］.Journal of Quantitative＆ Technical Economics，2008，(6):27－40.］

［2］韓智勇，魏一鳴，范英.中國能源強度與經濟結構變化特征研究［J］.數理統計與管理，2004，23(1):1－6.［Han Zhiyong，Wei Yiming，Fan Ying.Research on Change Features of Chinese Energy Intensity and Economic Structure［J］.Application of Statistics and Management，2004，23(1):1 －6.］

［3］王霞，淳偉德.我國能源強度變化的影響因素分析及其實證研究［J］.統計研究，2010，27(10):71－74.［Wang Xia，Chun Weide.The AnalysisofEnergy Intensity Determinantsand Empirical Research in China［J］.Statistical Research，2010，27(10):71 －74.］

［4］邵興軍，田立新.能源強度直接效應、間接效應與影響路徑的實證分析［J］.系統工程，2011，29(7):59－63.［Shao Xingjun，Tian Lixin.Empirical Analysis on the Direct Effect，Indirect Effect and the Effect Path of Energy Intensity［J］.Systems Engineering，2011，29(7):59 －63.］

［5］屈小娥，袁曉玲.中國地區能源強度差異及影響因素分析［J］.經濟學家，2009，(9):68－74.［Qu Xiaoe，Yuan Xiaoling.The Analysis of the Difference of Regional Sectors Energy Intensity and Its Influential Factors［J］.Economist，2009，(9):68 －74.］

［6］齊紹洲，李鍇.區域部門經濟增長與能源強度差異收斂分析［J］.經濟研究，2010，(2):109 － 122.［Qi Shaozhou，Li Kai.The Convergence Analysis of Differences of Regional Sectors Economic Growth and Energy Intensity［J］.Economic Research Journal，2010，(2):109 － 122.］

［7］譚永生.經濟低碳化對中長期就業的影響及對策研究［J］.中國人口·資源與環境，2010，20(12):76 －80.［Tan Yongsheng.Impact of Low-carbon Economy on China’s Medium-long Term Employment and Suggestions［J］.China Population，Resources and Environment，2010，20(12):76 －80.］

［8］李啟平.經濟低碳化對我國就業的影響及政策因應［J］.改革，2010，191(1):39 －44.［Li Qiping.Impact of Low-carbon Economy on Employment and Policy Suggestions［J］.Reform，2010，191(1):39 －44.］

［9］Pedroni，Peter. Purchasing Power Parity Tests in Co-integrated Panels［J］.Review of Economics and Statistics，2001，83(4):727－731.

［10］Levin A，Lin C F.Unit Root Tests in Panel Data:New Results［R］.San Diego:University of California at San Diego，1993:93－56.

［11］Im K S，Pesaran M H，Shin Y.Testing for Unit Roots in Heterogeneous Panels ［J］.Journal of Econometrics，2003，115(1):53－74.

［12］Pedroni， Peter. Critical Values for Cointegration Tests in Heterogeneous Panelswith MultipleRegressors［J］. Oxford Bulletion of Economics and Statistics，1999，61(S1):653 －670.

［13］Kao C. Spurious Regression and Residual-based Tests for Cointegration in Panel Data［J］.Journal of Econometrics，1999，90(1):1－44.

［14］Kao C，Chiang M H.On the Estimation and Inference of a Cointegrated Regression in Panel Data［M］.Badi H B，Fomby T B，Hill R C.Advances in Econometrics:Non-stationary Panels，Panel Cointegration and Dynamic Panels.Bingley:Emerald Group Publishing Ltd.，2001:179–222.

［15］Love，Inessa，Lea，et al.Financial Development and Dynamic Investment Behavior:Evidence from Panel VAR［J］.The Quarterly Review of Economics and Finance，2006，46(10):190–210.

Effects of Energy Intensity on Employment in China

MAO Yan-bing XUE Wen-jun
(School of Economics，Shanghai University，Shanghai 200444，China)

Energy intensity reflects the efficiency of energy consumption，and also can be regarded as a measure of interaction among economic development，industrial structures and technological progress in a country.This paper employs the panel VAR model with impulse response function and panel co-integration model to analyze the dynamic effects of energy intensity on employment by using provincial data from 1995 to 2009 in China.The results show that there is a long-term equilibrium relationship between energy intensity and employment，and energy intensity has negative impact on total employment and employment rate，which means a drop of energy intensity can effectively increase employment.Meanwhile，the impact of energy intensity on employment is significantly different among regions，which tends gradient increment from west to east.Therefore，we suggest decreasing energy intensity through enlarging the scale of economic growth as to promote employment.Different strategies should be adopted，as it should focus on raising efficiency of energy consumption as well as developing the third industry to increase employment in east areas，while the middle and west provinces could lower their total energy consumption，not having too much impact on their employment.Besides，much attention should be paid on the lag effect of policies.Some consequence could be concluded to bring out positive interaction between energy intensity changes and employment increase through optimizing industrial layout and strengthening regional cooperation.

energy intensity;employment;impulse response;panel co-integration model

F241.4:F206

A

1002－2104(2012)09－0142－07

10.3969/j.issn.1002－2104.2012.09.022

(編輯:劉照勝)

2012－03－21

黃礪，碩士生，主要研究方向為土地資源。

王佑輝，博士，副教授，碩導，主要研究方向為土地資源。

國家社科基金項目(編號:11BJY124);華中師范大學丹桂計劃項目“城鄉一體化土地市場下的建設用地流轉制度創新”。