經濟增長、能源工業投資與中國省域工業碳排放的分析研究

0 引言

隨著經濟的快速發展，傳統能源的消耗以及溫室氣體的排放給全球帶來了嚴峻的環境問題。在轉變經濟發展方式和應對氣候變化成為世界各國共識的前提下，中國政府提出力爭于2030年前實現碳達峰，努力爭取在2060年前實現碳中和的“雙碳”目標。統計數據顯示，中國工業碳排放約占總碳排放量的70%，工業部門作為CO

排放的主要來源，是政府制定“雙碳”目標戰略的著力點。

我國經濟發展仍然依賴工業部門，經濟活動從多角度、多方向影響著工業碳排放。一方面，經濟水平的提高使基礎設施建設需求以及居民生活用品需求日益增多，導致了工業生產活動的大規模運行，能源消耗不斷增加，加快了CO

的排放。另一方面，經濟的發展可以促進人才和資本的集聚，有利于技術的進步以及工業生產效率的提高，對碳排放起到抑制作用。此外，能源工業投資可以引導、規范和聚集社會資本進入清潔生產和低碳技術領域，有利于構建以結構優化為核心的新型能源體系，這將對工業部門的低碳發展起到至關重要的促進作用。因此，研究經濟增長、能源工業投資與工業碳排放之間的關系對實現“雙碳”目標具有重要意義。LIU&XIAO

、Fu等

的研究還指出工業碳排放存在明顯的空間差異，表明在實證研究中分析工業碳排放的空間效應以及影響因素的溢出效應是十分必要的，可以為制定工業碳減排戰略提供更加客觀的政策建議。

女人心細，可也窄，尤其是對自己的境遇感到不平。她覺得自己并不比那個姓陳的女醫生差，她也做過幾起疑難手術，反響也好啊。而且還自己掏錢包為貧窮的鄉下患者墊付醫療費。所吃的辛苦卻得不到領導的認可，實在難以讓人信服。

經濟增長與環境發展的相關性一直以來是環境經濟學研究的重點及熱點領域。Grossman&Krueger

在對世界各國的環境污染和人均國民生產總值之間的關系進行研究時提出了環境庫茲涅茨曲線（EKC）假說，發現經濟增長和污染物排放之間呈“倒U”形曲線關系。此后，許多學者基于EKC假說理論展開了一系列的研究，得出的結論具有明顯的差異性。吳英姿等

基于改進的STIRPAT模型研究了工業碳排放與經濟增長的關系，證明了EKC假說的存在。Wang等

通過考察EKC假說的存在，試圖明確經濟增長與各種工業碳排放的影響，發現了經濟增長與發電和供熱部門CO

排放之間具有“倒U”形曲線關系。Talbi

通過向量自回歸模型發現交通運輸業碳排放與經濟發展之間的相關關系也具有EKC特征。此外，部分學者從脫鉤理論的角度進行分析，認為經濟發展對工業碳排放的影響效應是不斷變化的。方佳敏和林基

基于Topio脫鉤指標發現2000-2011年中國工業行業與碳排放二者之間存在一定的脫鉤效應。黃國華等

的研究指出，長江經濟帶地區的經濟發展與工業碳排放總量之間的關系經歷了從脫鉤到掛鉤再到脫鉤的過程。同時，也有部分學者認為經濟增長與工業碳排放具有直接的正相關關系。韓鈺鈴和劉益平

運用對數平均指數分解法將江蘇省2002-2015年間工業碳排放的影響因素進行了分解，并指出經濟發展促進企業加大對新產品的投入，新產品增產會使得工業碳排放量大幅度增長。Feng等

對珠海工業部門碳排放進行了研究，指出經濟產值的增長會直接導致工業碳排放的增加。

能源投資相關的研究文獻主要集中于對能源投資產生的經濟與環境效應以及低碳經濟背景下的清潔能源技術投資等領域。張金珠等

實證分析了中國在“一帶一路”沿線國家的能源投資對東道國各部門增加值和碳排放的影響，指出相較于對生態環境造成的消極影響，能源投資為沿線各國帶來的經濟效益更加可觀。何凌云等

學者研究了可再生能源投資總量和結構對碳排放的作用效應。結果顯示二者之間沒有直接相關性，但是可再生能源投資通過經濟總量和能源效率路徑對碳排放起到拉動作用。譚飛燕和羅雙臨

、Ganda

等學者開展了清潔能源技術投資對碳排放以及氣候改善影響的相關研究，建議加強中國清潔能源技術的投資。

3月16日，福建省食品安全委員會辦公室和省食品藥品監管局下發《福建省2018年食品生產加工小作坊示范點創建及考核驗收工作方案》。《方案》提出，在鞏固提升2017年小作坊示范點創建成果的基礎上，到2018年底，全省新建成100家小作坊示范點，通過示范點創建，打造一批生產過程管控嚴格、食品安全有效保障的標桿單位，形成可復制、可推廣的小作坊示范典型，基本形成一點帶一片的良好示范帶動格局，引導和推動福建省小作坊規范生產、健康發展。此外，福建省從2018年省級食品安全專項資金中安排200萬元，通過以獎代補的方式對評選確定為示范點的小作坊（不含廈門）給予補助，補助標準為2萬元/家。

糧食安全是我國當前尤為關注的問題，同時也是國家農產品發展的關鍵點。我國是農業大國，也是糧食生產進口和出口大國。非洲東部及中西部地區，都是缺少糧食的地區，而我國的農業從古代開始發展，歷史悠久，而且地域遼闊，積累起的種植技術和種植經驗，對其他國家的農作物發展有促進作用，對保障糧食安全起了重要作用。

1 模型構建和數據來源

1.1 空間自相關分析

空間自相關分析是研究空間相關性的一種統計方法，可反映區域間的地理現象或屬性值的相關性程度。空間相關性可以通過空間相關系數來表示，表達式如公式（1）所示：

1.2 空間計量模型的構建

工業部門碳排放的計算公式為：

為了提高實證結果的科學性和客觀性，本文基于EKC假說引入經濟增長的平方項，研究經濟增長、能源工業投資對中國省域工業碳排放的影響，也為探究EKC假說是否成立提供論據。此外，將城市化、能源效率、產業結構以及能源消費結構作為解釋變量引入綜合效應的模型中，建立的計量模型的一般表達形式為：

綜上所述，學者對經濟增長與工業碳排放的相關關系已經進行了較為豐富的研究，但研究多集中于單個省份或局部地區，且研究范圍主要針對具體的產業，對空間溢出效應的分析還不充分，也沒有考慮能源工業投資對工業碳排放的影響。由此可見，關于經濟增長和能源工業投資與工業碳排放的相關關系仍存在一定的探索空間，本文的主要貢獻是引入空間因素，結合空間計量經濟學模型從直接效應和空間溢出效應兩個角度實證分析經濟增長和能源工業投資對工業碳排放的影響，并為工業碳減排提出相應的政策建議。

將空間因素引入計量模型，構建2005-2018年空間面板回歸模型以研究工業部門碳排放的空間集聚情況以及各解釋變量工業碳排放的影響程度。空間計量模型包括空間自回歸模型(SAR)、空間誤差模型（SDM）和空間杜賓模型(SDM)。本文選擇SDM模型進行實證研究，將因變量和隨機誤差項的空間關系同時引入模型，則計量模型的一般表達式可以修正為：

采用偏微分解釋方法將估計系數進行分解，分析解釋變量在本省以及相鄰區域表現出的直接效應和空間溢出效應。參考Elhorst

的測度方法，將SDM模型作為分析的起點引入直接效應和空間溢出效應，其表現形式可以表示為：

生活化教學在實際的展開中還存在許多的問題。該種教學理念貫徹落實不到位是其問題之一，表現為不少教師對于生活化教學理念理解不到位，并且運用時缺少相應的方式和方法。此外，生活化教學需要加強師生之間的交流，但是在實際的課堂上師生之間有效溝通還存在問題，不利于生活化教學的有效落實。初中物理教學中教師的關注點是自己如何開展生活化教學，而在引導學生透過生活現象體會物理知識方面缺少有效措施，不利于深化生活化教學理念[1]。

矩陣表達式中的對角元素即代表解釋變量對該地區被解釋變量影響的直接效應，非對角元素代表解釋變量對相鄰區域被解釋變量影響的空間溢出效應。

1.3 數據來源

從數據的可得性及完整性角度考慮，本文選取2005-2018年30個省份（西藏、港澳臺地區除外）的面板數據進行實證研究。其中，根據《國民經濟產業分類》(GB/T 4754—2017)對部門的劃分標準，涉及的工業企業包括41個部門

，各部門CO

數據來源于中國碳核算數據庫（CEADs）中的排放清單

，其余數據來源于《中國統計年鑒》《中國能源統計年鑒》和國家統計局。各變量的描述性統計數據詳見表1。

海洋鉆井公司規定，含油巖屑回收由平臺提出申請，公司負責安排相應的船舶轉運，并聯系陸地有資質的單位來處理。每一個環節，都要求相關人員對巖屑運送情況做好如實記錄，做好全過程的控制。

對第k個解釋變量求偏導，則可以得到因變量相對于第k個解釋變量在不同空間單元中的偏微分矩陣，表達式為:

2 實證分析及結論

2.1 中國省域工業碳排放的空間相關性檢驗

使用GEODA軟件計算全局Moran’s I指數，對省域工業碳排放進行空間相關性檢驗，計算結果見諸于表2。其中2005-2018年中國各省份工業碳排放的Moran’s I統計量均為正值且在5%置信水平下通過顯著性檢驗。因此，可以認為中國省域工業碳排放在空間分布中具有顯著的正相關關系。

總體來看，中國省域工業碳排放的全局Moran’s I指數呈下降的變化趨勢，這表明工業碳排放的空間相關性有所減弱，同時證明工業碳排放的空間依賴性仍然存在，不容忽視。中國省域工業碳排放的空間依賴性表明各省份工業碳排放的變化不僅受本地環境因素的驅動或干擾，也會受到相鄰省份的影響。

綜上，該區主礦脈SN向以及深部是尋找脈型礦體有利部位，隱伏巖體附近的蝕變帶是尋找似層狀礦體的重要靶區。

圖1為2005年和2018年各省份工業碳排放的莫蘭散點圖。由圖可得大部分省份的工業碳排放呈現出高水平集聚和低水平集聚的特征且區域分化明顯，進一步證明了各省份工業碳排放存在空間相關性和異質性。

2.綠色債券制度逐步完善。我國綠色債券制度體系在頂層設計方面全球領先。中央和地方政府頒布多項相關政策，支持和鼓勵綠色債券市場發展（見表1）。

為了更好地判斷中國省域工業碳排放的空間集聚效應是否具有統計學意義，本文采用了LISA聚類分析法對上述結果進行驗證。結果顯示：2005年河北省、山西省、河南省和山東省表現為“高-高”型集聚效應，新疆維吾爾自治區和四川省表現為“低-低”型集聚效應，安徽省表現為“低-高”型集聚效應；2018年河北省、山西省、河南省、山東省、遼寧省和安徽省表現為“高-高”型集聚效應，新疆維吾爾自治區表現為“高-低”型集聚效應，四川省表現為“低-低”型集聚效應，以上結果均在5%置信水平下通過顯著性檢驗。通過LISA聚類分析可得，中國工業碳排放形成了以河北省為中心向周邊省份擴散的高水平空間集聚性，且范圍逐漸擴大，直至2018年拓展至遼寧省和安徽省。由此可見，引入空間因素、運用空間回歸模型分析城市化對中國工業碳排放的影響是合理且必要的。

2.2 空間面板計量模型實證分析

3)城市化水平的直接效應系數為-0.863 908、溢出效應系數為0.085 591，但溢出效應在統計上未通過顯著性檢驗，說明城市化的發展抑制了本省工業企業的碳排放，而對鄰省的影響效應不明顯。這可能是因為在城市化建設進程中，各地區仍以本省為中心，促進本省人才和資本向城市的集中涌入，逐步推動本省產業結構的優化升級和生產技術的改革創新，從而為減少本省工業部門的碳排放起到了正向推動作用。短期看，各省份城市化的發展水平對相鄰省份工業碳排放的影響并不能充分表現出來，因此當前主要考慮城市化發展的直接效應。

為了選擇最適合的數據模型，本文首先選取非空間面板數據進行分析，建立了普通面板混合效應模型、空間固定效應模型、時間固定效應模型和雙向固定效應模型。其次，通過LM檢驗方法判斷模型是否具有空間固定效應和時間固定效應。計算結果詳見表3，結論：空間固定效應模型的擬合優度R

高于其它三種模型的統計值，表明該模型的擬合效果最好；空間固定效應模型的LM spatial lag、Robust LM spatial lag、LM spatial error和Robust LM spatiallag均在1%置信水平下通過顯著性檢驗；混合效應模型、時間固定效應模型和雙向固定效應模型的Robust LM spatial lag在5%置信水平下未通過顯著性檢驗，且混合效應的Robust LM spatialerror在5%置信水平下也未通過顯著性檢驗。因此，本文選取空間固定效應模型進行實證研究。

莫蘭指數法的分析結果表明各省份的工業碳排放存在顯著的空間依賴性和空間異質性。LISA聚類分析進一步證明了引入空間因素的合理性和必要性。因此，基于LM檢驗結果，本文構建了空間固定效應下中國省域工業碳排放的空間面板回歸模型。表4為空間固定效應下SDM模型的估計系數及檢驗結果，本文基于貝葉斯修正后的回歸結果進行分析。

從結果中可以看出SDM模型的擬合優度為0.750，明顯優于普通面板回歸模型的擬合效果。此外，模型的Wald檢驗和LR檢驗均在1%置信水平下拒絕原假設，說明SDM模型為最優估計模型，不能退化為SAR模型或SEM模型。

雖然煤泥水系統改造取得了很好的效果，但也存在煤泥量高、部分低灰粗煤泥精煤需回收的問題。采樣檢測分析結果證明：精煤分級篩篩下水中大于0.18 mm粒級粗煤泥占本級46.96%，灰分為8.48%。選擇合適的分級設備，將大于0.18 mm粗煤泥分出作為最終精煤，可增加精煤產率3%～4%，每年可再增加經濟效益4 000多萬元。

由表4可知，中國省域工業碳排放的空間滯后項系數顯著為正，說明工業碳排放具有明顯的空間溢出效應，且相鄰省份工業碳排放的增加會導致本省工業碳排放的增加，彈性值為0.587 990。

經濟活動對工業碳排放具有顯著影響。一方面，本文的實證分析結果證明了經濟增長與工業碳排放之間的相關關系具有EKC曲線特征，EKC模型為“倒U”形，該曲線存在一個拐點，通過對一元二次函數求導，得到拐點的對應值為0.825。對比變量的描述性統計結果可得，當前階段工業碳排放隨著經濟增長呈現出下降的趨勢，且通過了1%水平的顯著性檢驗。另一方面，能源工業投資水平的提高顯著抑制了工業碳排放的增加，影響系數為0.125 499。

3.雙腔吸蟲病。(1)定期驅蟲；(2)糞便堆積發酵處理；(3)加強牛群管理,避免到利于中間宿主陸地螺及螞蟻生存條件的地區放牧。

城市化發展對工業碳排放的增加具有抑制作用，且在1%水平下顯著。從作用程度來看，城市化水平每提高1個單位，工業碳排放相應減少0.873 699個單位，這表明城市化也是工業碳排放的重要影響因素。產業結構對工業碳排放的影響系數為0.203 564，并通過了1%水平下的顯著性檢驗，說明降低工業產業的占比對控制工業碳排放具有顯著的正向促進作用。此外，能源消費結構和能源效率對工業碳排放的影響效應在10%水平下顯著。從影響程度來看，煤炭消費量占比每下降1%可以使工業碳排放減少0.088 153%，單位生產總值的能耗量每下降1%可減少0.112 171%的工業碳排放。

2.3 直接效應和空間溢出效應分析及結果討論

使用SDM模型的點估計方法進行分析可能會導致所得結論與實際情況出現偏差，因此本文討論了解釋變量的直接效應和空間溢出效應，分析結果詳見表5。

由分析結果可得：

1)經濟增長與本省工業碳排放呈顯著的“倒U”形關系，表明存在一個閾值，當經濟水平低于閾值時，工業碳排放隨著經濟水平的提高而增加；當經濟水平高于閾值時，工業碳排放隨著經濟水平的提高呈現下降的趨勢。通過對閾值的計算，目前我國各省份經濟增長與工業碳排放之間的關系處于“倒U”形EKC曲線的下降階段。究其原因：其一，我國經濟已經進入高質量發展階段；其二，第三產業結構占比逐漸增大，可持續發展的工業化進程穩步推進，工業部門能源消費結構逐漸實現清潔能源替代，綠色、節能、環保的生產技術減少了工業生產活動中的能源消耗。從溢出效應來看，經濟增長與鄰省工業碳排放之間的關系不具有EKC曲線特征，但是經濟發展會導致鄰省工業碳排放的增加，影響系數為0.879 542，在10%水平下顯著，這表明在制定工業碳減排策略時，相鄰地區的經濟水平是不可忽視的因素。經濟增長的空間溢出效應可表現為經濟發展水平較高的地區為了提高其經濟發展質量，將部分高污染、高碳排的制造業等企業轉移至經濟落后的相鄰地區，從而導致其他省份工業碳排放的增加。

2)能源工業投資水平的直接效應系數為-0.189 933，間接效應系數為-0.717 964，均在1%置信水平下顯著。此結果表明提高能源工業投資水平不僅可以控制本省工業碳排放的增加，而且為鄰省的工業碳減排作出積極貢獻。一方面，能源投資不僅可以推動綠色技術的創新，而且可以加大工業企業對高新技術研發資金的投入

，從而有效地抑制工業企業的碳排放。另一方面，能源投資結構會直接影響能源的消費結構。近年來，煤炭行業的投資比重逐漸下降，且投資增長速度也明顯慢于天然氣和電力等清潔能源產業

。

4)能源消費結構的清潔轉型可以顯著減少相鄰省份工業CO

的排放，影響系數為0.421 924。當下，實現能源消費結構的清潔轉型是社會發展的主流趨勢之一。能源消費可以通過工業布局、技術溢出以及地區競爭等方式直接影響相鄰省份的能源消費結構，進而間接影響工業碳排放。調整能源消費結構不僅可以促進本省資本的積累，而且可以促進工業企業之間綠色技術的合作與共享。

5)能源效率的提高對抑制本省以及相鄰省份工業碳排放均具有促進作用，其中溢出效應系數為0.745 943，在1%置信水平下顯著，這主要得益于技術進步的溢出效應。技術進步的溢出效應表現為各省份之間可以通過交流合作或專利權購買等方式實現技術共享和共同進步，使得各地區能源生產、加工轉換率和工業部門的生產效率得到不斷提高，從而降低了能源的過度消耗和浪費，抑制了工業碳排放的增加。

6)產業結構的直接效應系數為0.208 329，在1%水平下顯著，空間溢出效應系數為0.036 388，未通過顯著性檢驗，因此主要考慮產業結構的直接效應。實證結果表明降低工業產業的結構占比可以有效減少工業碳排放，但是目前我國經濟增長仍然需要依靠工業的發展，此時產業結構的作用效應可以被視為警示效應。

3 政策啟示

1)充分考慮空間依賴性和異質性的特征，制定工業碳減排戰略時要因地制宜

對以河北省為中心的高碳排集聚群應加大治理力度，嚴格控制各省份的工業企業數量和發展質量。對新疆等低碳排省份應給予充足的政策、技術支持，使其繼續保持低態勢發展趨勢。短期內，高碳排地區應該促進使用潔凈能源轉化技術提高化石能源的加工轉換率，減少能源損失和環境污染；相關部門應該嚴格控制工業企業的污染物排放濃度，定期進行環保指數測評，及時整頓甚至淘汰不符合標準的高污染企業。從長遠的角度考慮，國家應該提升化石能源的價格以提高工業企業在生產過程中支付的環境成本，對使用清潔能源的企業進行政策補貼以實現工業產出活動中的清潔能源替代計劃。

2）促進經濟協同發展可以有效控制工業碳排放

各地區應該加強經濟合作，實現資本、勞動力和能源等要素的自由流動，從而縮小區域間經濟發展的差距。東部地區應該利用地理和資源優勢發展新興產業，引領產業結構升級，為中西部地區經濟發展提供高科技技術支持。西部地區應該充分開發利用風能、太陽能等清潔能源來發展經濟，并為中東部地區工業產業升級和能源轉型提供能源支持。中部地區應該發揮資源豐富、市場潛力大等優勢做好東部地區的產業承接和西部地區的能源輸送，培育工業發展新態勢。

基層行政事業單位財務管理是指行政事業單位為履行相關社會公共職能，按照國家法律法規的規定對本單位活動經費進行預算、分配、應用、會計核算與監督的過程，以保證相關政府工作計劃及任務的全面完成。財務管理在基層行政事業單位日常管理工作中占據重要地位，財務管理水平的高低決定著基層行政事業單位能否正常履行工作職責。十八大以來，財務管理工作的重要性被越來越多的行政事業領導所認識，各單位紛紛把財務管理工作提高到十分重要的位置。如何做好單位的財務管理工作，也成為廣大管理者討論的熱點話題。

3）優化能源工業投資結構

2.1.4 處理階段（A）。培訓結束后，與館長和組織培訓的負責人請教，很開心得到認可。并建議我準備一個PPT，用一個專題形式來講文獻檢索，時間大約控制在半個小時左右，以后就正式納入新員工培訓的系列課程。

3.課堂情景模擬再現。根據教師講解的正確受理投訴的處理步驟，再結合小組交流的處理投訴的心得，在教師的指導下，由選中在課堂播放作品的小組成員，在課堂上再次完成小組客戶投訴的情景模擬。其他小組，作為學習者觀看，并且通過“雨課堂”發送彈幕的形式向教師發表自己的看法及體會，促進課堂交流互動，提高課堂溝通效率。意圖是通過發送彈幕的形式，讓學生能及時自由地發表自己的看法及體會；利用信息技術提高課堂溝通效率，克服了以往課堂發言占用較多時間，影響教學進度的問題；因人人都能參與，增加了學生的學習興趣；調動了學生學習的主觀能動性。

將投資目標集中于提高工業燃料質量和能源技術，投資主體集中于清潔能源產業，減少對化石能源項目的投資。能源工業投資結構在調整的過程中應該注重空間布局和協同優化，避免出現單個省份能源行業資金投入過高而導致鄰省投資資金不足的現象。提高各省份的科技創新水平，促進產、學、研、用深度融合，將科學技術轉化為實際生產力也是抑制工業碳排放的重要手段。技術進步直接影響能源效率水平的提高以及能源消費結構的清潔轉型，一方面要積極普及碳捕集利用與封存技術等最具潛力的前沿碳減排技術，探索新型研發模式，促進科學技術與工業生產的緊密結合；另一方面要重視技術溢出效應，加強各省份之間綠色技術的交流合作，實現技術和創新的共享共通。

[1]Liu S,Xiao Q.An Empirical analysis on spatial correlation investigation of industrial carbon emissions using SNA-ICE model[J].Energy,2021,224.

[2]Fu Y,Sun WB,Zhao Y,et al.Exploring spatiotemporal variation characteristics of China's industrial carbon emissions on the basis of multi-source data.[J].Environ Sci Pollut Res,2021,28(30).

[3]Grossman G M.,Krueger A B.Economic growth and the environment[J].Narnia,1995,110(2).

[4]吳英姿,都紅雯,聞岳春.中國工業碳排放與經濟增長的關系研究——基于STIRPAT模型[J].華東經濟管理,2014,28(1):47-50.

[5]Wang Y,Zhang C,Lu A T,et al.A disaggregated analysis of the environmental Kuznets curve for industrial CO

emissions in China[J].Appl Energ,2017,190.

[6]Talbi B.CO

emissions reduction in road transport sector in Tunisia[J].Renew Sust Energ Rev,2017,69.

[7]方佳敏,林基.中國工業行業經濟增長與二氧化碳排放的脫鉤效應——基于工業行業數據的經驗證據[J].科技管理研究,2015,35(20):243-248.

[8]黃國華,劉傳江,李興平.長江經濟帶工業碳排放與驅動因素分析[J].江西社會科學,2016,36(8):54-62.

[9]韓鈺鈴,劉益平.基于LMDI的江蘇省工業碳排放影響因素研究[J].環境科學與技術,2018,41(12):278-284.

[10]Feng J C,Zeng X L,Yu Z,et al.Decoupling and driving forces of industrial carbon emission in a coastal city of Zhuhai,China[J].Energy Rep,2019,5.

[11]張金珠,趙欣,劉宇,等.中國對“一帶一路”沿線國家能源投資的經濟與環境效應研究[J].科技促進發展,2021,17(1):42-51.

[12]何凌云,吳夢,尹芳.可再生能源投資總量和結構對碳排放的影響研究[J].中國地質大學學報(社會科學版),2017,17(1):76-88.

[13]譚飛燕,羅雙臨.低碳經濟背景下國際清潔技術投資趨勢與一般適用模型分析[J].現代經濟探討,2010(5):74-78.

[14]Ganda F.The impact of innovation and technology investments on carbon emissions in selected organisation for economic co-operation and development countries[J].J Clean Prod,2019,217.

[15]Elhorst J P.Matlab software for spatial panels[J].Int Reg Sci Rev,2014,37(3)：389-405.

[16]CEADs中國碳核算數據庫[DS].https://www.ceads.net.cn/.

[17]Shan Y L,Guan D B,Zheng H R,et al.China CO

emission accounts 1997-2015[J].Sci Data 5,2018,170201.

[18]Shan Y L,Huang Q,Guan D B,et al.China CO

emission accounts 2016-2017[J].Sci Data 7,2020,54.

[19]何智勵,汪發元,汪宗順.環境規制、能源工業投資與綠色技術創新關系研究——基于全國2000—2019年數據的VAR模型分析[J].長江技術經濟,2021,5(2):26-32.

[20]張麗峰,崔佳穎.我國能源工業投資與能源產量的計量經濟模型研究[J].技術經濟與管理研究,2009(3):3-5+13.