EN中文

自然资源学报 >

2023 , Vol. 38 >Issue 12: 3003 - 3023

DOI: https://doi.org/10.31497/zrzyxb.20231205

其他研究论文

中国区域碳中和的技术溢出与能源回弹：机理、实证及启示

  • 刘平阔 ,
  • 桂俊卿
展开
  • 上海电力大学经济与管理学院，上海 201306

刘平阔（1989- ），男，内蒙古赤峰人，博士，副教授，硕士生导师，研究方向为能源转型与产业发展动力机制、能源数字化转型与优化决策。E-mail:

收稿日期: 2023-06-12

  修回日期: 2023-09-11

  网络出版日期: 2023-12-12

基金资助

国家自然科学基金项目(72103128)

收起

Technology spillover and energy rebound of carbon neutrality in eight regions of China: Theory, empirical analysis and enlightenment

  • LIU Ping-kuo ,
  • GUI Jun-qing
Expand
  • College of Economics and Management, Shanghai University of Electric Power, Shanghai 201306, China

Received date: 2023-06-12

  Revised date: 2023-09-11

  Online published: 2023-12-12

Fold

摘要

构建能源回弹的优化测算模型和影响因素评估模型，对2007—2022年全国整体以及八大综合经济区的能源回弹趋势进行分析。研究表明：（1）在碳中和情境中，区域短、长期能源回弹在考虑技术溢出的条件下均呈现“逆反效应”，而非传统意义上的“完全回弹”或“部分回弹”；（2）碳中和技术创新的节能降耗效果在区域层面会因能源需求增长被部分或全部抵消，且各区域能源回弹对技术溢出的敏感性存在明显差异，局部能源安全与能源转型的压力加剧；（3）相较于正向影响因素，产业结构、低碳化水平、碳排放绩效压力和劳动力基数等负向影响因素才是破除供给侧能源转型与能源安全长期压力的有效“抓手”，而环境治理可在一定程度上释放能源需求侧的转型压力。

关键词： 碳中和; 生产函数的重构与改进; 技术溢出效应; 能源回弹效应; 优化测算模型

本文引用格式

刘平阔 , 桂俊卿 . 中国区域碳中和的技术溢出与能源回弹：机理、实证及启示[J]. 自然资源学报, 2023 , 38(12) : 3003 -3023 . DOI: 10.31497/zrzyxb.20231205

Abstract

If the technology spillover in the carbon neutrality is ignored, the energy rebound effect will be measured in a seriously biased way, which is misleading the policy design and institutional arrangement for the energy transition & energy security. Hence at the regional level, there are two key issues need to be addressed: Will the energy transformation driven by carbon neutrality exacerbate the effect of such an "energy rebound"? How to correctly identify this "energy rebound" and scientifically analyze the externalities of technological innovation in the carbon neutrality process based on regional "technology spillovers"? Based on the logical structure and normative analysis on studying the relationship between energy rebound and technology spillover in terms of carbon neutrality, tentatively the production function is now being well reconstructed and optimized from multiple perspectives which include the production factors, the efficiency internalization, as well as the institutional performance. In our improved production function, the energy efficiency is internalized as an important factor, and the comprehensive performance (as the dependent variable) is composed of both the expected output and the unexpected output. The improved calculation model is explored for measuring the energy rebound, whilst the impact factor assessment model is built too. Then a dynamic comparative analysis of the energy rebound trend for both China and its eight comprehensive economic regions is conducted by using the panel data from 2007 to 2022. The results show that: (1) In the specific context of carbon neutrality, the regional short- and long-term energy rebound considering the technology spillovers is proven as a "Backfire Effect" rather than a "Full Rebound Effect" or a "Partial Rebound Effect". (2) The energy-saving and consumption-reducing effects of the technological innovations oriented by carbon neutrality are partially or fully offset by the energy demand growth at the regional level, and the sensitivity of energy rebound to technological spillovers varies significantly across regions, increasing the pressure on the local energy security and energy transformation. (3) Compared to the positive influences, those negative influences, such as industrial structure, decarbonization, carbon performance pressure and/or labor force base, are the effective tools to reduce the long-term energy consumption pressure on the energy transition & energy security oriented by carbon neutrality, and the environmental governance can partly release the transformation pressure on the energy consumption side. Thus, policy recommendations are proposed.

Key words： carbon neutrality; reconstruction and improvement of production function; technology spillover effect; energy rebound effect; improved calculation model

能源转型迫在眉睫，但能源消费及碳排放总量却居高不下[1,2]，因此中国“碳中和”承诺在区域层面的实践日益重要[3⇓-5]。随着清洁能源产量和碳减排效率的提升，投入要素在市场驱动下进一步优化配置，促进了投入成本的系统性节约及投入产出的规模化，导致并未按预期出现化石能源消耗量的下降[6]，该现象称为能源回弹效应。此外，“技术进步”在带来能源节约的同时也会促进能源需求，进而导致节能效果不符合预期的情况[7]。
当前能源绿色低碳转型的政策体系和制度安排并未充分考虑能源回弹的影响[8,9]。正是由于碳中和驱动的能源转型具有复杂性，增加了研判能源回弹存在性的难度[10]。因此，第一个问题是：碳中和驱动的能源转型是否会加重该“能源回弹”的效应效果?计及区域间的差异性与交互关系，若未充分考虑区域间技术溢出所造成的隐含碳转移，则将无法有效识别能源回弹效应效果，进而导致对转型压力及成本产生的偏误认知，甚至影响政策设计及制度安排的判断基准。于是，突出了第二个问题的重要价值：如何基于区域间“技术溢出”，正确识别“能源回弹”并科学分析技术创新在碳中和进程中的外部性?
从研究对象的层次看，起初学者们聚焦不同的微观经济部门，研究汽车运输、家用电器、家庭供热等部门在生产过程中产生的回弹效应，为各部门深入推进节能进程提供了重要的理论支撑[11⇓-13]；随着研究的深入，部分学者开始转变研究视角，针对行业、区域或国家整体分别展开讨论，在一定程度上揭示了宏观层面能源消费的属性特征[14⇓-16]。
从研究对象的维度看，随着能源领域与其他领域的深度融合，学者们也逐渐对绿色低碳发展进程中能源回弹效应的存在性产生了新认知，进而开始探索能源回弹效应的根源。如范英等[17]提出了四个分析维度：政策、创新、市场和产业。政策维度，由于能源体制改革的约束逐渐放开，能源企业经营弹性将随之增大，进而引致了能源回弹效应[18]；创新维度，由于能源绿色低碳发展的诉求推动技术进步[19]，且经济主体之间的技术要素流动性增强，各主体的能源消费受到其余主体的技术冲击[20]，能源技术创新成为了能源需求回弹的持续动力；市场维度，“碳达峰·碳中和”赋能供给侧低碳发展动力，能源供给的经济成本与环境治理成本逐步降低[21]，且中国目前仍处于中高速发展阶段，工业机器化生产日益成熟，经济发展要求带来的能源需求旺盛引致能源回弹效应[22]；产业维度，中国各行业均存在不同程度的能源回弹现象，其中能源消费占比最多的第二产业维持能源过度消费[23]，而其他产业的能源回弹效应甚至会高于第二产业[24]，因此产业结构升级未必是解决能源回弹的有效方式。
从能源系统演化及治理的视角看，“碳中和→能源回弹→能源供需矛盾→能源安全”的脉络是部分学者关注的重点[25⇓-27]。能源回弹是“碳达峰·碳中和”目标驱动下经济社会发展及能源系统演化的必然趋势吗?从长期来看，实现能源清洁化、低碳化是气候变化背景下的有效选择之一[28]；从短期来看，为实现2030年“碳达峰”目标，政策设计、制度安排及产业结构调整需要顺应市场条件下的能源回弹演化趋势[29]。因此，科学分析各影响因素与能源回弹的相关性、充分判断各影响因素的跨区域互动关系，已成为当前“碳排放双控”进程中不可回避且亟待分析的重要问题。
但从技术演化及扩散的视角看，能源转型又会受到技术溢出效应的驱动。技术溢出的思想源于内生增长理论，强调封闭经济内部的要素流动是经济增长的潜在动力[30]。后经Hulten[31]证实技术进步会通过市场体系和价格机制作用于其余主体。在国内国际双循环的新发展格局下，技术溢出的范围及强度更具影响力[32]，成为能源转型过程中不可忽视的驱动元素。理论上，技术扩散的形成周期通常包含五个阶段[33]，且不同参与者的定位也会受到各阶段因素的影响。同理，在能源转型过程中，由于区域间碳中和技术的创新能力、扩散能力及吸收能力各有特点，加之区域间协作行为及责任划分的不同，造成区域能源转型的能力、特征、布局及秩序等方面随之存在差异[34⇓-36]。因此，基于技术溢出在区域间的差异性，根据经济发展情况、能源需求特征划分为不同区域进行动态比较分析，对于战略设计及制度安排具有重要的指导意义。
为回答两个重点问题，针对目前中国“双碳”目标与能源安全战略实施的现实，同时为弥补现有研究的不足、丰富前沿成果，拟针对碳中和技术溢出与能源回弹问题进行系统科学的研究。主要贡献在于：（1）理论层面，规范分析以碳中和为导向的技术溢出、“能源绿色低碳发展”中的能源回弹及二者之间的关系，识别碳中和能源系统的内生压力；（2）方法层面，在能源转型与能源安全框架内，探索对传统生产函数的重构与改进，构建能源回弹的优化测算模型与因素评估模型，考察能源回弹效应与碳中和技术进步的关联特性，阐释技术溢出循环内能源回弹效应的形成机理及影响要素；（3）实践层面，聚焦中观层面与区域范围，针对全国整体及八大综合经济区，对能源回弹效应进行重新测算和动态比较，判断能源回弹的时间趋势及属性特征，分析经济社会系统中能源回弹的影响机理，结合周期性碳减排目标提供政策决策支持。

1 研究方法与数据来源

1.1 规定与假设

能源作为现代工业的重要生产要素和经济社会发展的动力基础，其领域的科技创新和效率提升可视为一种技术进步。因此，拟将能源纳入优化的生产函数并突出技术优势，既可避免建模过程的主观性和干扰因素，又可更为准确客观地描述经济社会系统的价值创造过程。为阐述普遍性原理，且不失研究的一般性原则，作如下规定：
假设1：碳中和进程中，由于区域 G D P无法全面系统地体现产业预期和制度绩效，因此，需界定“期望产出”（产值）和“非期望产出”（碳排放），并形成综合性制度绩效。
假设2：基于微观经济学的生产理论，规定生产函数的三种投入要素为资本、劳动力与能源，即 Y = f ( K ,   L ,   E )。
假设3：计及能源效率改进或提升的内生途径多为直接依靠市场机制调节、产业结构自行演化等方式，因此将能源效率内生化，规定技术进步的边界为“能源效率增进型”；此时，能源效率可表示为 τ = G × E γ，其中， τ为能源效率， G为关系系数， E为能源消费量， γ为待估经济参数。
假设4：在描述经济增长时，新古典经济学仅考虑了纯技术进步及要素投入，但鉴于系统的整体性及关联性，需考虑系统内部的技术溢出与要素流动、系统内部与外部之间的技术转移。此外，还需考虑“进一步扩大高水平对外开放”的发展要求，即国际交流对技术进步的促进作用。

1.2 概念与逻辑

1.2.1 碳中和的技术溢出

碳中和技术主要包括两大类——“零碳或低碳新能源技术”和“二氧化碳捕集与封存技术”，前者在能源转型与能源安全架构中具有直接激励功能，后者则发挥间接辅助作用[37]。通常情况下，技术创新具有正外部性，使其他区域能够以较小的边际成本获取该技术。根据发展经济学（Development Economics）对于经济增长、资本积累与技术进步的解释，碳中和技术进步将主要依赖于区域内的研发能力以及各区域对技术溢出的吸收能力。根据后发优势理论（Theory on Late-Development Advantage）可知，相较于碳中和技术创新的先动者，后动者可通过借鉴与模仿碳中和技术创新先动者的决策及行为，从而减少转型过程中的研发成本，由此获得竞争优势。碳中和进程中，后发优势主要体现在：（1）便车效应（free riding effect）；（2）借鉴作用（reference）；（3）在位者惯性（incumbent inertia）。因此，虽然不同区域间碳中和技术创新的发展程度存在差异，但技术相对落后的区域具有后发优势，后动者的技术会快速与先动者趋同；区域间技术差异能够通过示范效应、竞争效应以及关联效应等途径加速技术趋同进程。

1.2.2 碳中和驱动下能源转型的能源回弹

根据微观经济学的需求理论（Theory of Demand）对替代效应和收入效应的描述，若碳中和驱动能源转型的经济性可被证实，则能源效率的提高可指导能源价格的理性回归，生产者更倾向于加大能源消费（用以替代其他要素在生产活动中的作用），且能源价格的降低会引起中间产品（耗能工质）与最终产品的价格下降，进而造成消费者购买力增加、促进能源消费。因此，碳中和的技术进步对能源消费的作用具有两面性：一方面，碳中和技术创新可提高能源使用效率，此时维持原有生产规模所需的能源消费降低；另一方面，能源利用效率的改进会倒逼能源市场供需关系调整，造成能源要素相较于其他要素投入的相对价格降低以及能源使用者的实际资源禀赋提高，进而促进能源消费。Saunders[38]将“能源回弹效应”表示为： R E = 1 + η；其中， η = d l n E / d l n τ为能源消费量对能源效率的弹性。根据原理，拟划分以下五种情形：（1）当 η > 0 ， R E > 1时，称为“逆反效应”，表示碳中和技术进步或能源政策的执行不但未能实现能耗降低，反而刺激了能源消费，且增耗部分大于节约部分。（2）当 η = 0 ， R E = 1时，称为“完全回弹效应”，表示碳中和技术进步或能源政策的执行完全失去作用。（3）当 - 1 < η < 0 ， 0 < R E < 1时，称为“部分回弹效应”，表示碳中和技术进步或能源政策的执行虽然实现了节能，但并未完全发挥作用。（4）当 η = - 1 ， R E = 0时，称为“零回弹效应”，表示碳中和技术进步或能源政策的作用被完全发挥。（5）当 η < - 1 ， R E < 0时，称为“超级节约效应”，表示碳中和技术进步或能源政策的执行超预期实现节能目标，实际能源消费量小于预期能源消费量。

1.2.3 技术溢出与能源回弹的关系

若假设成立，则碳中和技术进步会带来能源成本的下降，进而刺激能源需求，推动能源使用量上升；能源使用的持续增长必将在一定时空范围内影响能源安全，进而导致能源转型与能源安全的压力加大；换言之，在碳中和进程中，“能源转型”系统与“能源安全”系统存在内部的正反馈效应。加之研发要素的区间流动形成区域间的技术溢出，进而促进区域间能源治理的协同，并通过能源回弹进一步加快系统循环效率。因此，为阐释碳中和驱动下能源转型与能源安全在技术创新层面的底层逻辑、突出自发式制度变迁和系统协调统筹作用，梳理技术溢出与能源回弹的关系如图1所示，并据此进行模型构建与机理阐述。
图1 碳中和进程中技术溢出与能源回弹之间的逻辑关系

Fig. 1 The logical relationship of technology spillovers and energy rebound in the process of carbon neutrality

1.2.4 八大综合经济区的概述

为满足新时代的发展要求，国务院发展研究中心提出了八大综合经济区的区域划分方式①(①包括东北（辽宁、吉林、黑龙江）、北部沿海（北京、天津、河北、山东）、东部沿海（上海、江苏、浙江）、南部沿海（福建、广东、海南）、黄河中游（陕西、山西、河南、内蒙古）、长江中游（湖北、湖南、江西、安徽）、大西南（云南、贵州、四川、重庆、广西）、大西北（甘肃、青海、宁夏、西藏、新疆）。)。相较于传统的东、中、西部划分，八大综合经济区的划分方式更能体现区域的发展特征。其中，经济较发达地区（北部沿海、东部沿海、南部沿海）对外开放水平高、技术创新活跃度高，形成以北京、上海、广州为辐射中心的经济群，是主要的技术研发和制造中心；经济过渡地区（黄河中游、长江中游、大西南）资源禀赋较为丰富、经济发展较快，初步形成了协同发展的产业链，是主要的重工业加工中心；经济较落后地区（大西北、东北）资源禀赋丰富但技术经济相对落后，逐步建立能源接替及战略储备的发展模式，是主要的能源输出及储备中心。区域自然资源禀赋及经济发展的差异造成产能与负荷的区位差异。能源负荷集中于经济较发达地区及经济过渡地区，而能源接替及储备中心（经济较落后地区）的能耗及碳排放占比较低（图2）。且随着可再生能源的部署及能源结构的进一步调整，各区域的区位优势及特征将更加明晰。鉴于区位差异的现实及因地制宜的原则，需系统分析区域能源回弹的相似性及差异性以明确各区域在能源转型过程中的作用地位。
图2 八大综合经济区的能耗及碳排放情况

Fig. 2 Energy consumption and carbon emission in eight comprehensive economic regions

1.3 研究方法

1.3.1 能源回弹优化测算模型

基于前文假设、C-D生产函数经典范式以及碳中和驱动下能源转型与能源安全的实际诉求，需对生产函数（基础模型）进行重构与改进：（1）区别于经典生产函数中对于生产要素的强制约束，为体现能源的动力基础地位及转型侧重，改进的模型将不仅引入“能源生产要素”，而且体现“能源增强型技术进步”事实；（2）区别于早期研究的模型设定[24,39]，为考虑碳中和进程中的环境（社会）治理成本，重构的模型拟在产出中充分体现“期望产出”和“非期望产出”的综合性制度绩效。根据假设规定，探索构建定量分析模型，并推导短期与长期的区域能源回弹效应。模型形式选择的原因有二：一方面，该模型放松了技术外生的约束，将效率因子内生化，此形式更符合碳中和进程中生产要素的现实，保证计算结果的客观性；另一方面，相较于广义技术进步模型，该方案可保留更多的有效值。
Y i = A i K i α L i β ( τ i E i ) 1 - α - β
G D P i - G o C o i = Y i
式中： i表示区域； Y i代表碳中和进程中各区域的制度绩效水平（亿元）； A i表示经济参数； K i、 L i和 E i均为区域层面的指标，其含义如假设2中所释； τ i表示区域层面的能源效率，其含义如假设3中所释； α、 β和 1 - α - β分别表示对应投入要素的弹性； G D P i表示各区域的生产总值（亿元）； G o C o i表示各区域的环境治理成本（亿元）。
基于假设3，为保证模型的实用性和可拓展性，将能源效率内生化，各区域生产函数可表示为：
Y i = A i K i α L i β ( G i E i γ + 1 ) 1 - α - β
根据Saunders[38]对能源效率需求弹性的定义，锚定碳中和驱动下能源转型与能源安全核心问题，设定区域维度能源回弹的计算公式： R E i = 1 + η i，此时 η i也代表区域层面的弹性指数。推导可得区域内短、长期能源回弹效应函数 R S i、 R L i[6]：
R S i = 1 + ( 1 - α i - β i ) 2 ( 1 + γ i ) [ 1 - β i - ( 1 - α i - β i ) ( 1 + γ i ) ] S E i
R L i = 1 + ( 1 - α i - β i ) 2 ( 1 + γ i ) [ 1 - α i - β i - ( 1 - α i - β i ) ( 1 + γ i ) ] S E i
式中：设定 S E i = ∂ Y i / Y i ∂ E i / E i为区域制度绩效 Y i对能源消费量的弹性；且 α i、 β i和 γ i均为各区域对应要素的待估参数。若 α i、 β i和 γ i的估值可得并利用统计数据测得 S E i，则可评估各区域长、短期内的能源回弹情况。
为体现碳中和进程中区域间的交互作用，即其他区域经济要素变化对本区域制度绩效产生的影响，拟利用空间计量回归进一步考察碳中和的技术溢出效应，将重构与改进后的生产函数进行对数化处理，并引入空间误差项，由此构建空间误差方程[20]：
l n Y i = α i l n K i + β i l n L i + θ i l n E i + C i + ε i ,   ε i = λ ∑ j ≠ i ω i j ε j + μ i
式中： θ i = ( 1 - α i - β i ) ( 1 + γ i )； C i = l n A i + ( 1 - α i - β i ) l n G i； ω i , j用以表征空间权重矩阵； α i、 β i和 θ i为待估参数； λ为空间误差相关系数； μ i代表空间误差方程的随机干扰项； ε i用于衡量区域间要素流动对本地区制度绩效的影响。
空间权重矩阵是考察技术溢出的结构基础；为保证研究的全面系统性，拟探索经济—地理综合权重：
（1）经济距离矩阵 ω 1— ω 1将基于不同区域间的 G D P差额进行构造，具体形式为区域间 G D P差额绝对值的倒数，即： ω i j = 1 G D P i - G D P j。
（2）地理距离矩阵 ω 2— ω 2将基于经度、纬度进行构造，其形式为 ω i j = 1 d i j，其中， d i j为二维空间里地理距离的欧式距离。
（3）经济—地理综合矩阵 ω 3— ω 3将综合考量地理、经济分布结构的作用，采用1∶1加权构造的综合矩阵[40]，即： ω 3 = 1 2 ω 1 + 1 2 ω 2。

1.3.2 影响因素评估模型

区别于早期研究的模型规范和目标设定[41,42]，为实现模型设定的无偏误性与有效性，同时评估能源回弹效应主要内生、外源影响因素的作用机理，拟建立包含各影响因素的多元线性关系：
R E = ϕ + T E + ∑ i = 1 m κ i X i + υ
式中： R E代表能源回弹效应的测算数值，包括短期效应值 R S和长期效应值 R L； T E表示碳中和技术创新； X i表示控制变量； m表示控制变量个数（个）； ϕ和 κ i均为待估的经济参数； υ为多元线性方程的随机干扰项。

1.4 数据来源

1.4.1 数据选取

（1）时间维度：2006年，中国《可再生能源法》正式实施；2007年《可再生能源中长期发展规划》，将发展可再生能源作为一项重大的安全举措，中国绿色低碳能源进入高速发展阶段。（2）空间维度：借鉴前期研究成果[43]，选择“八大综合经济区”为边界研究技术溢出和能源回弹，原因有二：一方面，考虑到能源发展的关联性、区位优势的共情性，按照省市进行划分会将奇异个案突出，且不易于一般性规律的总结；另一方面，考虑到较发达地区与欠发达地区、产能中心与负荷中心的差异，按原有的东、中、西部进行划分会将差异模糊化、笼统化。因此，能源系统的数据分析以“八大综合经济区”为截面，既不保守也不激进，相对科学合理。综上，鉴于研究的实际需要，囿于数据的可得性，搜集2007—2022年中国29个省（市、自治区）（除中国香港、澳门、台湾、新疆及西藏地区）的统计信息并整合成区域性面板数据。

1.4.2 数据描述

能源回弹优化测算模型的相关数据来源包括：（1）各省份历年生产总值、劳动力人口、能源消费量来自各省份“统计年鉴”；（2）各省份环境治理成本来自《中国环境统计年鉴》；（3）采用永续盘存法（perpetual inventory system），基年资本存量用后一年固定资本形成总额的折现值加上后五年的平均投资增长率替代[44]。对变量原始数据进行整理，如表1所示。
表1 能源回弹优化测算模型的变量描述性统计

Table1 Descriptive statistics of variables in improved energy rebound calculation model

统计指标 区域生产总值
GDP/亿元		 区域环境治理成本
GoCo/亿元		 区域资本存量
K/亿元		 区域劳动力数量
L/万人		 区域能源消费量
E/万tce
均值 23747.6509 281.1353 45010.1257 2677.3420 14606.3202
中位数 17200.6650 207.3000 37259.7660 2213.0000 11721.0000
最小值 720.0600 10.6000 1925.4400 275.0000 1057.0000
最大值 129118.5800 2141.1000 186872.6900 7150.2500 47395.2000
标准差 21755.5698 252.0268 36433.0290 1732.6480 9098.5859
影响因素评估模型的相关数据来源包括：整理生产总值、外商直接投资、能源消费、劳动人口、产业结构等相关数据，源于《中国统计年鉴》；整理描述碳中和技术创新的绿色专利数量等相关数据，源于“中国研究数据服务平台”；整理环境治理投资相关数据，源于《中国环境统计年鉴》；整理碳排放相关数据，源于“中国碳核算数据库”。其中，碳排放系数是指单位能源消费产生的碳排放量，其数值越低表示能源低碳化水平越高。因此，本文采用碳排放系数的倒数表征能源消费低碳化的水平。自变量与因变量如表2所示，并对各变量原始数据进行描述性统计（表3）。
表2 影响因素评估模型选取变量的含义

Table 2 The meaning of variables selected in the impact factor assessment model

符号 名称 含义 类型
被解释变量 RE 能源回弹效应 实际能源消费量与预期的回弹值 能源现象
解释变量 TE 碳中和技术创新 绿色专利数量 技术性因素
控制变量 X1 产业结构 第二产业产值/GDP 制度性因素
X2 环境治理 环境污染治理投资 政策性因素
X3 能源消费低碳化 1/碳排放系数 结构性因素
X4 碳排放绩效压力 碳排放总量 社会性因素
X5 能源消费基数 能源消费总量（折标准煤） 社会性因素
X6 劳动力基数 就业总人数 社会性因素
X7 国际技术转移 外商直接投资 技术性因素
表3 影响因素评估模型的变量描述性统计

Table 3 Descriptive statistics of variables in the impact factor assessment model

统计
指标		 RS/% RL/% TE/万件 X1/% X2/万亿 X3/1 X4/亿t X5/亿tce X6/亿人 X7/万亿
均值 104.7290 109.4443 13.1934 42.5750 0.7683 45.4112 93.3513 42.4223 7.5772 1.2689
中位数 104.4417 108.8705 9.7158 41.9500 0.8662 46.2143 98.1680 43.1224 7.5943 1.3969
最小值 101.8500 103.6900 1.4500 37.8000 0.2800 40.7900 66.2400 31.1400 7.4700 0.7500
最大值 111.8000 123.5600 33.6100 47.0000 1.0600 50.6600 104.3500 52.4000 7.6300 1.6000
标准差 2.3925 4.7779 10.6526 3.4218 0.2365 2.9888 12.5458 6.7267 0.0559 0.2706

1.4.3 数据检验

为保证参数估计的有效性，避免出现伪回归，在四种准则下进行单位根检验。结果如表4所示，各变量在四种准则下均具有平稳性。
表4 能源回弹优化测算模型面板数据单位根检验的结果

Table 4 Results of unity root test of panel data of improved energy rebound calculation model

变量 检验方法
LLC Ips Fisher-ADF Fisher-PP
因变量 lnY -3.6782[0.0001] -0.8220[0.2056] 109.2846[0.0001] 340.9255[0.0000]
ΔlnY -6.9988[0.0000] 41.4047[0.9510] 191.9847[0.0000]
Δ2lnY 444.3038[0.0000] 878.2402[0.0000]
自变量 lnK -12.1967[0.0000] 0.4657[0.6793] 450.9880[0.0000] 1332.9507[0.0000]
ΔlnK -2.2596[0.0119] 40.7841[0.9580] 29.4214[0.9994]
Δ2lnK 219.9802[0.0000] 324.2873[0.0000]
lnL -26.1763[0.0000] 3.9448[1.0000] 57.5487[0.4920] 46.6563[0.8572]
ΔlnL -6.9435[0.0000] 118.1647[0.0000] 190.0136[0.0000]
Δ2lnL 328.6262[0.0000] 823.0178[0.0000]
lnE -3.6402[0.0001] -0.6864[0.2462] 78.8433[0.0357] 123.8697[0.0000]
ΔlnE -8.2352[0.0000] 73.3268[0.0846] 147.3459[0.0000]
Δ2lnE 219.1799[0.0000] 681.5431[0.0000]

注：Δ表示变量的一阶差分；方括号内为统计量的P值。

此外，还需对能源回弹优化测算模型的协整性和内生性进行检验（表5）：满足关系式Z(t)=-27.203<-3.443；因此，在1%的显著性水平下，面板数据存在长期均衡关系。同时，Hausman检验的p值为0.0001，拒绝解释变量与残差不相关的原假设，应当采用固定效应。
表5 能源回弹优化测算模型面板数据的协整检验结果

Table 5 Cointegration test results of panel data of improved energy rebound calculation model

Test statistic Dickey-Fuller critical value
1% 5% 10%
Z(t) -27.203 -3.443 -2.872 -2.570
最后，还需对影响因素评估模型的所用数据进行检验。由于对样本进行区域整合后的数据属于小样本，并不适用于平稳性检验的相关方法[45]。为了保证模型建立的科学性及有效性，可采用稳健性检验的方法对模型设定进行验证，通过替换核心解释变量后进行多次回归，以防止由于数据统计的偶然关联造成的伪回归现象。结果显示，将核心解释变量绿色专利数量替换为含义相近的绿色实用新型专利授权数之后，各解释变量的符号均与原基准回归相同，且满足统计学上的显著性要求，如表6。因此，影响因素评估模型能够有效地反映经济现象，具有一定的可靠性和稳定性。
表6 影响因素评估模型稳健性检验结果

Table 6 Results of the robustness test of impact factor assessment model

变量 基准回归1 基准回归2 替换核心解释变量绿色实用新型专利授权数
回归1 回归2
TE 0.4181978** 0.8351783** 0.0046164** 0.0092193**
X1 -1.044685** -2.086323** -0.111858** -0.0223391**
X2 0.8300856 1.65776 0.0140388 0.0280367
X3 -7.161681*** -14.30249*** -0.0721027*** -0.1439952***
X4 -2.536008*** -5.064626*** -0.025666*** -0.0512571***
X5 3.936543** 7.861615** 0.0398673** 0.0796182**
X6 -100.7552** -201.2166** -1.024511*** -2.046036***
X7 16.72649** 33.40421** 0.1735963** 0.3466862**

注：***和**分别表示在1%和5%的显著性水平下成立。

2 结果分析

2.1 技术溢出的存在性分析

为判断理论分析及建模过程的合理性，引入莫兰指数（Moran's I）检验，用以反映变量空间聚集（扩散）程度。基于经济—地理综合矩阵进行莫兰指数检验，结果如表7所示，在连续的统计年限内，各区域间在10%的显著性水平下存在技术溢出。
表7 制度绩效水平的莫兰指数

Table 7 Moran's I of institutional performance level

年份 Moran's I Z统计量 P值
2007 0.005 1.682 0.046
2008 0.044 1.569 0.058
2009 0.049 1.650 0.049
2010 0.049 1.644 0.050
2011 0.044 1.561 0.059
2012 0.042 1.518 0.064
2013 0.042 1.515 0.065
2014 0.043 1.530 0.063
2015 0.043 1.543 0.061
2016 0.045 1.592 0.056
2017 0.048 1.645 0.050
2018 0.052 1.724 0.042
2019 0.052 1.709 0.044
2020 0.050 1.677 0.047
2021 0.053 1.747 0.040
2022 0.056 1.802 0.036
为佐证八大经济区划分的合理性，需先以省域为单位，描述制度绩效分布情况（图3）；其中，横轴表示标准化后制度绩效估计值（趋平值），纵轴表示制度绩效的空间滞后水平（空间权重矩阵与趋平值的乘积）。据图3可知，散点主要分布在第一、第三象限，表明制度绩效在经济—地理空间上具有显著的正相关性，即制度绩效出现“高值”的省份，其经济相关省份、地理周边省份往往也是“高值”；制度绩效出现“低值”的省份，其经济相关省份、地理周边省份往往也是“低值”。该现象表明：各省份的制度绩效具有空间聚集性，其与邻近省份之间的技术交流产生了技术溢出效应。因此，一方面，解释了以八大经济区域划分样本范围的合理性；另一方面，证明了在测算能源回弹效应时考虑技术溢出的必要性。
图3 经济—地理综合矩阵下各省份制度绩效空间相关性检验的Moran散点分布

Fig. 3 Moran scatter distribution of the spatial correlation test of institutional performance in each province under the economy-geography comprehensive matrix

2.2 能源回弹测算分析

基于式（6）对未知参数进行估计，并根据样本数据得到离散化的能源—产出弹性 S E = ∂ Y / Y ∂ E / E，将结果代入式（4）和式（5），得到观察期内中国整体样本的回弹测算数值，结果如表8。
表8 能源回弹测算结果

Table 8 Energy rebound calculation results (%)

年份 短期能源回弹RS 长期能源回弹RL 年份 短期能源回弹RS 长期能源回弹RL
2007 104.3304 108.6482 2015 102.4734 104.9396
2008 101.8485 103.6915 2016 102.3907 104.7744
2009 106.8214 113.6228 2017 103.2022 106.3950
2010 104.7656 109.5172 2018 104.0795 108.1472
2011 104.8186 109.6232 2019 105.1630 110.3109
2012 104.0961 108.1803 2020 111.7980 123.5616
2013 104.5531 109.0929 2021 104.5543 109.0954
2014 103.3572 106.7047 2022 107.4127 114.8038
名义能源回弹效应（ N R S、NRL），是指在未考虑技术溢出情况下算得的能源回弹数值；修正能源回弹效应（RS、RL），是指基于技术溢出情况下算得的能源回弹数值。为便于比较，图4显示了中国整体的能源回弹效应时间趋势：（1）在未考虑技术溢出的情况下，短期能源回弹效应的波动趋势较为平缓，其数值接近且略高于100%，而长期能源回弹效应的演化趋势出现明显震荡，其数值介于60%~100%之间；在短期内能源消费特征为“逆反效应”或“完全回弹效应”，长期内能源消费特征为“部分回弹效应”，即碳中和技术进步在短期内会失去节能作用，甚至会导致能源消费量的轻微上升，而在长期内仍能发挥一定的节能作用。（2）在考虑技术溢出的情况下，长期能源回弹高于短期，且长、短期均存在“逆反效应”，即碳中和技术进步并不能达到节能的目的，反而会造成能源消费量上升。因此，忽略技术溢出效应会造成严重的测算误差，导致对于能源回弹程度的认知过于理想化，甚至会弱化对其治理对策的重视程度。因此，在碳中和进程中，技术溢出效应是测算能源回弹效应不可忽视的重要条件。
图4 碳中和进程的中国整体能源回弹时间趋势

Fig. 4 Overall energy rebound time trend of China's carbon neutralization process

为分析各区域能源回弹趋势属性特征的相似性及差异性，分别绘制八大经济区能源回弹效应的时间趋势，并划分为三种地区类型，如图5、图6、图7所示：
图5 经济发达地区能源回弹的时间趋势对比

Fig. 5 Comparison of time trends of energy rebound in economically developed regions

图6 经济过渡地区能源回弹的时间趋势对比

Fig. 6 Comparison of time trends of energy rebound in economic transition regions

图7 欠发达地区能源回弹的时间趋势对比

Fig. 7 Comparison of time trends of energy rebound in underdeveloped regions

（1）除个别值外，八大综合经济区的能源回弹基本均为正值，存在“逆反效应”“完全回弹”或“部分回弹”的现象，即从区域层面看，碳中和技术创新的节能降耗作用普遍被能源需求增长部分或全部抵消。此外，八大综合经济区的长期回弹效应均比短期回弹效应变化显著，说明技术创新及溢出效应作用于能源需求具有一定的时滞性，短期内的能源回弹特征可揭示长期能源系统风险。对于某一时间节点，长期能源回弹效应的即时变化值、变化速率显著大于短期，即当短期能源回弹效应小幅（大幅）下降时，长期能源回弹效应则会大幅（断崖式）下降。自2020年“双碳”目标提出以来，八大综合经济区的能源过度消费情况均有明显的上升趋势，且均呈现为“逆反效应”，即在转型中，碳中和技术创新并未实现能源的节约，反而刺激了各区域的能源消费，进一步加剧了局部能源安全与能源转型的压力。
（2）北部、东部及南部沿海经济区的能源回弹变化趋势相近，且与全国整体有较高的一致性。其中，北部沿海地区回弹情况的变化幅度最大，南部沿海地区次之，东部沿海地区最后；即在转型中，北部地区能源消费对于碳中和技术创新最为敏感，南部地区较为稳定且在“双碳”目标提出后能源回弹上升最为明显，而东部地区最为稳定且与全国整体的能源回弹趋势最为相似。分析其原因，一致性是由于此三大区的经济影响力最为显著，在全国层面最具代表性；差异性是由于经济区内部辐射带动能力存在一定的差距，东部沿海综合经济区内部形成了以上海为中心的成熟辐射结构，技术溢出能力及协同转型能力最优，而南部沿海与北部沿海地区较之稍弱。
（3）黄河中游、长江中游及大西南经济区的能源回弹变化趋势相近，且于2011—2016年均呈现出“W”型震荡；其原因在于：一方面，三个区域地理距离相近，提高了碳中和技术扩散和交流的可能性；另一方面，三个区域的产业集群现象②(②如：黄河中游地区是煤炭开采加工、钢铁工业基地，长江中游地区是重要的棉花、钢铁生产基地，而大西南地区具有以成都为中心的轻纺工业和以重庆为中心的重化工业等。)加强了经济联系的密切程度，产业关联性强、跨区产业链相对完整。产业联动有助于实现规模效应及协同效应，从而使得各区域能源需求对能源要素的反应相对同步[43]。
（4）除在2014—2016年间出现“断崖式”下跌外，东北综合经济区的能源回弹效应表现较为平稳，基本维持在100%左右，即碳中和技术进步所节约的能源恰好由新增的需求抵消。其原因在于：该趋势与东北地区较为单一的产业结构有关；作为主要的能源供给中心，东北地区受2014—2016年国际能源价格持续走低的影响，单一产业结构造成其经济衰退明显，从而降低了其能源消费需求。
（5）大西北综合经济区能源回弹的振幅较大、具有不稳定性。分析其原因：一方面，大西北地区能源消费总量相对较少，较小的能源消费绝对量变化便可引起较大的能源回弹效应；另一方面，随着“西部大开发”战略的推进及重要的能源战略接替基地建设，大西北地区在碳中和进程中逐渐承担起能源保障性供给的重要功能。

2.3 影响因素评估分析

根据各区域能源回弹效应测算结果进行评估分析，如表9和表10所示。能源回弹影响因素评估模型的拟合优度为94.82%，即模型中自变量对因变量的联合线性作用显著。F统计量的数值为16.02，相应P值为0.0007，说明所建模型通过统计意义上的检验。此外，除环境治理X2对因变量无显著影响，其余解释变量及控制变量均在5%的显著性水平下通过检验。
表9 短期能源回弹的因素评估结果

Table 9 Assessment results of factors for short-term energy rebound

RS 系数 P检验值
TE 0.4181978 0.015
X1 -1.044685 0.023
X2 0.8300856 0.891
X3 -7.161681 0.004
X4 -2.536008 0.009
X5 3.936543 0.023
X6 -100.7552 0.010
X7 16.72649 0.035
表10 长期能源回弹的因素评估结果

Table 10 Assessment results of factors for long-term energy rebound

RL 系数 P检验值
TE 0.8351783 0.015
X1 -2.086323 0.023
X2 1.65776 0.891
X3 -14.30249 0.004
X4 -5.064626 0.009
X5 7.861615 0.023
X6 -201.2166 0.010
X7 33.40421 0.035
就作用效果而言，现阶段中国能源需求对于技术创新及溢出的敏感性较强，导致在碳中和进程中能源安全压力与能源转型压力并存。通过模型定量分析的验证可知，能源回弹效应的正向影响因素包含绿色技术专利授权数、国际技术转移、能源消费基数；负向影响因素包括产业结构、低碳化水平、碳排放绩效压力、劳动力基数；但是，环境治理对能源回弹的影响并不显著。结果表明：（1）现阶段中国碳中和进程中的技术创新（绿色技术专利授权数、国际技术转移）已经引致了能源回弹效应。（2）中国作为能源消费大国，其能源消费基数越大，则产生能源回弹效应的激励越大、能源消费对于技术进步的敏感性越强。（3）随着中国产业结构调整及“去工业化”进程加速，技术驱动刺激了新兴产业布局及发展过程中的能源回弹效应[24]，因此全行业整体的能源回弹上升。（4）目前中国低碳技术发展并未强化能源需求回弹，说明目前能源低碳化并未形成市场化导向的自主创新驱动；由于低碳化技术在企业间存在技术封锁，其应用率及协同率较低，导致低碳化技术向能源需求的传导受阻。（5）当碳排放绩效压力越高时，能源市场化转型的诉求越强烈，加之政策压力在一定程度上限制了化石能源的消费，因此能源回弹效应数值越小；换言之，当碳减排绩效不达标时，能源转型速度与能力无法适应或匹配当下的能源需求。（6）目前，环境治理并未显著引致能源回弹。说明在行为层面，政府及其余社会主体均承担一定的环境治理责任，而非将治理压力笼统地转嫁于政府。因此，环境治理是有效分摊碳减排负外部性、推进绿色低碳转型的核心手段之一。（7）从作用效果长短期差异的角度看，各因素在长期内的影响效果大于在短期内的影响效果，即技术创新或社会经济变革会在更大程度上带来长期的能源回弹效应。
就转型路径而言，对负向影响因素进行有效监管才是现阶段降低能源转型与能源安全系统长期压力的重要治理手段。（1）对于产业结构及劳动力基数，随着中国第二产业占比的渐进式缓降，劳动力密集型产业正逐步被取代，能源回弹效应的表现越来越强；但由于第二产业能源消费的绝对量远大于第一、第三产业，因此产业结构优化虽然会带来较高的能源回弹效应，但整体上仍能够实现能源消费总量的节约。（2）对于低碳化水平，在推进“碳中和”目标实现的过程中，其积极作用是迎合“双碳”目标降低碳排放，消极作用则是“强制性”低碳化对能源回弹效应的降低无法充分体现引导作用、激励性、扶持性和可持续性；这将意味着R&D投资及使用成本的提高，会对正常的能源需求产生一定的抑制作用，或将破坏经济社会的正常发展秩序。因此，虽然推进低碳化进程可降低能源回弹效应，但应考虑到“双碳”目标与经济社会发展目标之间的权衡，应根据发展阶段对能源低碳化技术给予不同的补贴或政策支持，激发能源转型的自主性及积极性。（3）从转型路径长短期差异的角度看，若正向影响因素占据主导地位，则长期能源回弹将比短期更剧烈；若负向因素占据主导地位，则长期能源回弹将得到缓解。因此，若不对能源转型与能源安全系统加以战略性调整，会导致长期能源回弹效应保持“逆反效应”，容易引起“能源供需矛盾”以及“能源转型与能源安全之间的矛盾”，进而引起能源—经济系统的不确定性和不稳定性。由于早期研究忽略了技术溢出效应的作用、无法有效识别能源回弹的风险[46,47]，因此，亟需对现有能源转型与能源安全系统做出必要的战略性调整，以促进能源系统高质量、可持续转型。

3 结论与讨论

3.1 结论

根据研究成果，现对本文提出的两个重点问题做出解答：第一，通过建立影响因素评估模型定量分析，发现碳中和驱动的能源转型的确通过技术进步加重了能源回弹现象的效果；第二，通过技术溢出的存在性检验证实了引入区域技术溢出的必要性，通过建立空间误差模型并优化变量含义从而正确识别能源回弹效应，发现该模型相较于先前研究显著降低了测算误差。
在建模过程中，为有效识别技术溢出情况下的能源回弹效应，先对生产函数进行重构与改进，根据系统现实特征引入能源生产要素，并将能源效率内生化；再考虑碳中和的环境治理成本对估计偏误的影响，对变量进行优化，以体现“期望产出”与“非期望产出”的综合绩效；进而构建符合现实发展预期的能源回弹优化测算模型以及影响因素评估模型，对短、长期回弹效应进行判断和机理分析。最后在区域层面开展实证研究。主要研究结论如下：
第一，在碳中和的特定情境中，考虑技术溢出的区域性短、长期能源回弹均体现出了增耗大于节约的事实，即“逆反效应”，而非传统意义上的“完全回弹”或“部分回弹”。各省份推进能源转型与能源安全的制度绩效具有空间聚集性，且与邻省的交流产生了技术溢出。因此，以区域为单位分析技术溢出和能源回弹具有合理性与必要性。若不考虑技术溢出，则碳中和技术进步在短期内会体现为功能丧失，而在长期内所表现出的节能降耗效果也收效甚微；但若考虑技术溢出，不仅反映出长期能源回弹效应比短期更显著，而且突出了碳中和技术进步会造成能源消费量上升的真实情况。
第二，碳中和技术创新的节能降耗效果在区域层面会因能源需求增长被部分或全部抵消，且各区域能源回弹对技术溢出的敏感性存在明显差异。在当前的转型阶段，碳中和技术创新刺激了各区域的能源消费，进一步加剧了局部能源安全与能源转型的压力。较发达地区（北部沿海、东部沿海及南部沿海）的能源回弹情况与全国整体情况相一致；经济过渡地区（黄河中游、长江中游及大西南）的能源回弹存在关联性；而欠发达地区（东北和大西北）的能源回弹要么趋势稳定、要么振幅明显。
第三，相较于正向影响因素，产业结构、低碳化水平、碳排放绩效压力和劳动力基数等负向影响因素才是破除碳中和进程长期能源消费压力的有效“抓手”，而环境治理是缓解能源转型压力的必要手段。现阶段的绿色技术专利授权数、国际技术转移以及能源消费基数等正向影响因素正不断强化着各区域的能源回弹。此外，在技术溢出条件下，碳中和技术创新呈现协同趋势；由于各因素在长期内的影响效果均大于其在短期内的影响效果，因此，碳中和技术创新会在更大程度上带来长期的能源消费净增长。由此可知，能源回弹效应可作为一项用以评价碳中和目标下能源转型风险的重要指标。

3.2 讨论

自2020年“双碳”目标明确提出以来，中国各区域能源回弹问题日益凸显，能源转型与能源安全的压力不断增大。为避免“一刀切”所引致的能源转型滞涩问题，应结合能源回弹效应的时序性、阶段性、区域性特点，制定兼顾能源转型与能源安全的有效方案。据此提出以下建议：
（1）基于碳中和技术进步在短期内功能丧失、长期内收效甚微的研究结论，能耗总量约束既不符合经济发展规律，也不符合能源转型的发展趋势。因此，政策制定应更加关注碳排放约束的监管，尽快建立计量监管体系，完善过程监管。
（2）基于区域层面的能源转型条件兼具相似性及差异性的研究结论，在区域治理上可考虑按照（东部沿海）➝（北部沿海、南部沿海）➝（黄河中游、长江中游及大西南）➝（东北、大西北）的顺序，逐步从“能耗双控”向“碳排放双控”转型，以此保证“稳中求进”的高质量发展工作总基调。
（3）基于技术创新及技术溢出正强化能源安全压力、环境治理可释放能源转型压力的研究结论，应明确政策设计的关键在于探索能源安全压力与能源转型压力的合理边界，积极响应降碳、减污、扩绿、增长协同推进的战略部署，加强部门间的协同治理能力，并将碳中和技术创新驱动逐步从“政策依赖”向“市场引导”过渡。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
邓祥征, 蒋思坚, 刘冰, 等. 全球二氧化碳浓度非均匀分布条件下碳排放与升温关系的统计分析. 自然资源学报, 2021, 36(4): 934-947.

DOI

[DENG X Z, JIANG S J, LIU B, et al. Statistical analysis of the relationship between carbon emissions and temperature rise with the spatially heterogenous distribution of carbon dioxide concentration. Journal of Natural Resources, 2021, 36(4): 934-947.]

DOI

[2]
许光清, 张文丹, 刘海博. 中国居民能源消费的间接回弹效应分析及双碳目标下的政策启示. 自然资源学报, 2023, 38(3): 658-674.

DOI

[XU G Q, ZHANG W D, LIU H B. Indirect rebound effect analysis of Chinese residential energy consumption and policy recommendations for the carbon peak and carbon neutrality goals. Journal of Natural Resources, 2023, 38(3): 658-674.]

DOI

[3]
田云, 林子娟. 巴黎协定下中国碳排放权省域分配及减排潜力评估研究. 自然资源学报, 2021, 36(4): 921-933.

DOI

[TIAN Y, LIN Z J. Provincial distribution of China's carbon emission rights and assessment of its emission reduction potential under the Paris Agreement. Journal of Natural Resources, 2021, 36(4): 921-933.]

DOI

[4]
范秋芳, 邢相飞. 可再生能源政策对碳排放的影响研究. 华东经济管理, 2022, 36(8): 63-73.

[FAN Q F, XING X F. Research on the impact of renewable energy policies on carbon emissions. East China Economic Management, 2022, 36(8): 63-73.]

[5]
朱彤. 能源安全新风险与新逻辑: 系统韧性的视角: 兼论新逻辑下我国能源安全问题与战略思路. 技术经济, 2023, 42(2): 1-10.

[ZHU T. New risks and new logics of energy security: From the perspective of system resilience: Concurrently discussing problem of energy security and strategic thinking under the new logic in China. Journal of Technology Economics, 2023, 42(2): 1-10.]

[6]
邵帅, 杨莉莉, 黄涛. 能源回弹效应的理论模型与中国经验. 经济研究, 2013, 48(2): 96-109.

[SHAO S, YANG L L, HUANG T. Theoretical model and experience from China of energy rebound effect. Economic Research Journal, 2013, 48(2): 96-109.]

[7]
SAUNDERS H D. The Khazzoom-Brookes postulate and neoclassical growth. Energy Journal, 1992, 13(4): 131-148.

DOI

[8]
LIU Z, DENG Z, HE G, et al. Challenges and opportunities for carbon neutrality in China. Nature Reviews Earth & Environment, 2022, 3(2): 141-155.

[9]
LIU P K, PENG H. What drives the green and low-carbon energy transition in China: An empirical analysis based on a novel framework. Energy, 2022, 239: 122450, Doi: 10.1016/j.energy.2021.122450.

[10]
汪克亮, 赵斌, 许如玉. 创新要素流动对能源效率的影响. 统计研究, 2023, 40(4): 88-97.

[WANG K L, ZHAO B, XU R Y. Impact of innovation factor flow on energy efficiency. Statistical Research, 2023, 40(4): 88-97.]

[11]
FRONDEL M, PETERS J, VANCE C. Identifying the rebound: Evidence from a German household panel. Energy Journal, 2008, 29(4): 145-163.

DOI

[12]
GONZALEZ J F. Empirical evidence of direct rebound effect in Catalonia. Energy Policy, 2009, 38(5): 2309-2314.

DOI

[13]
HENS H, PARIJS W, DEURINCK M. Energy consumption for heating and rebound effects. Energy & Buildings, 2010, 42(1): 105-110.

[14]
YUAN Z, XU J, LI B, et al. Limits of technological progress in controlling energy consumption: Evidence from the energy rebound effects across China's industrial sector. Energy, 2022, 245: 123234, Doi: 10.1016/j.energy.2022.123234.

[15]
CHEN Z, SONG P, WANG B L. Carbon emissions trading scheme, energy efficiency and rebound effect-evidence from China's provincial data. Energy Policy, 2021, 157: 112507, Doi: 10.1016/j.enpol.2021.112507.

[16]
SHAFQUT U, TAHIR M, MUHAMMAD Z K. An estimation of macroeconomic energy rebound, intensity, and output effect: An evidence from Pakistan. Sustainable Energy Technologies and Assessments, 2022, 52: 102170, Doi: 10.1016/j.seta.2022.102170.

[17]
范英, 衣博文. 能源转型的规律、驱动机制与中国路径. 管理世界, 2021, 37(8): 95-105.

[FAN Y, YI B W. Evolution, driving mechanism, and pathway of China's energy transition. Journal of Management World, 2021, 37(8): 95-105.]

[18]
LI J L, LIU H X, DU K R. Does market-oriented reform increase energy rebound effect? Evidence from China's regional development. China Economic Review, 2019, 56: 101-304.

[19]
周勇, 林源源. 技术进步对能源消费回报效应的估算. 经济学家, 2007, (2): 45-52.

[ZHOU Y, LIN Y Y. The estimation of technological progress on the energy consumption returns effects. Economist, 2007, (2): 45-52.]

[20]
冯烽, 叶阿忠. 技术溢出视角下技术进步对能源消费的回弹效应研究: 基于空间面板数据模型. 财经研究, 2012, 38(9): 123-133.

[FENG F, YE A Z. On the rebound effect of energy consumption on technology spillover: Based on spatial panel data model. Journal of Finance and Economics, 2012, 38(9): 123-133.]

[21]
PENG H R, ZHANG Y J, LIU J Y. The energy rebound effect of digital development: Evidence from 285 cities in China. Energy, 2023, 270: 126837, Doi: 10.1016/j.energy.2023.126837.

[22]
WANG J L, WANG W L, LIU Y, et al. Can industrial robots reduce carbon emissions? Based on the perspective of energy rebound effect and labor factor flow in China. Technology in Society, 2023, 72: 102208, Doi: 10.1016/j.techsoc.2023.102208.

[23]
乐无穹. 中国分行业、分区域能源回弹效应实证研究. 上海: 复旦大学, 2014.

[LE W Q. Analysis on China's sectoral and regional rebound effect. Shanghai: Fudan University, 2014.]

[24]
KONG L, MU X Z, HU G W, et al. Will energy efficiency improvements reduce energy consumption? Perspective of rebound effect and evidence from Beijing. Energy, 2023, 263: 125665, Doi: 10.1016/j.energy.2022.125665.

[25]
LIU P K, HEI Z H. Strategic analysis and framework design on international cooperation for energy transition: A perspective from China. Energy Reports, 2022, (8): 2601-2616.

[26]
刘华军, 石印, 郭立祥, 等. 新时代的中国能源革命: 历程、成就与展望. 管理世界, 2022, 38(7): 6-24.

[LIU H J, SHI Y, GUO L X, et al. China's energy reform in the New Era: Process, achievements and prospects. Journal of Management World, 2022, 38(7): 6-24.]

[27]
张希良, 黄晓丹, 张达, 等. 碳中和目标下的能源经济转型路径与政策研究. 管理世界, 2022, 38(1): 35-66.

[ZHANG X L, HUANG X D, ZHANG D, et al. Research on the pathway and policies for China's energy and economy transformation toward carbon neutrality. Journal of Management World, 2022, 38(1): 35-66.]

[28]
陈诗一. 低碳经济. 经济研究, 2022, 57(6): 12-18.

[CHEN S Y. Low-carbon economy. Economic Research Journal, 2022, 57(6): 12-18.]

[29]
刘元春, 郝大鹏, 霍晓霖. 碳中和经济学研究新进展. 经济学家, 2022, (6): 5-15.

[LIU Y C, HAO D P, HUO X L. New research progress on carbon neutral economics. Economist, 2022, (6): 5-15.]

[30]
ROMER P M. Increasing returns and long-run growth. Journal of Political Economy, 1986, 94(5): 1002-1037.

DOI

[31]
HULTEN C R. Growth accounting with intermediate inputs. Review of Economic Studies, 1978, 45(3): 511-518.

DOI

[32]
刘维林, 程倩, 余泳泽. 双循环技术溢出视角下中国产业技术进步的网络效应研究: 基于全球生产网络下的全要素生产率增长与传导测算. 管理世界, 2023, 39(5): 38-59.

[LIU W L, CHENG Q, YU Y Z. The network effect of China's industrial technology progress from the perspective of technology spillovers in dual circulation: Measurement of TFP growth and propagation based on global production networks. Journal of Management World, 2023, 39(5): 38-59.]

[33]
AN K X, WANG C, CAI W J. Low-carbon technology diffusion and economic growth of China: An evolutionary general equilibrium framework. Structural Change and Economic Dynamics, 2023, 65: 253-263.

DOI

[34]
SU X, TAN J L. Regional energy transition path and the role of government support and resource endowment in China. Renewable and Sustainable Energy Reviews, 2023, 174: 113150, Doi: 10.1016/j.rser.2023.113150.

[35]
张乾志, 王文涛, 陈文颖. 欧盟及英国能源与气候政策及启示. 中国人口·资源与环境, 2023, 33(2): 81-91.

[ZHANG Q Z, WANG W T, CHEN W Y. Energy and climate policies of the EU and UK and their implications. China Population, Resources and Environment, 2023, 33(2): 81-91.]

[36]
WEN H W, LIANG W T, LEE C C. China's progress toward sustainable development in pursuit of carbon neutrality: Regional differences and dynamic evolution. Environmental Impact Assessment Review, 2023, 98: 106959, Doi: 10.1016/j.eiar.2022.106959.

[37]
LIU P K, ZHAO R Q, HAN X. Assessing the efficiency and the justice of energy transformation for the United States of America, China, and the European Union. Sustainable Development, 2023, (5): 1-21.

[38]
SAUNDERS H D. A view from the macro side: Rebound, backfire, and Khazzoom-Brookes. Energy Policy, 2000, 28(6): 439-449.

[39]
胡东兰, 申颢, 刘自敏. 中国城市能源回弹效应的时空演变与形成机制研究. 中国软科学, 2019, (11): 96-108.

[HU D L, SHEN H, LIU Z M. Study on the spatial-temporal evolution and formation mechanism of energy rebound effect in Chinese cities. China Soft Science, 2019, (11): 96-108.]

[40]
邵帅, 李欣, 曹建华, 等. 中国雾霾污染治理的经济政策选择: 基于空间溢出效应的视角. 经济研究, 2016, 51(9): 73-88.

[SHAO S, LI X, CAO J H, et al. China's economic policy choices for governing smog pollution based on spatial spillover effects. Economic Research Journal, 2016, 51(9): 73-88.]

[41]
张济建, 万安位, 宋雅静. 能源回弹效应下高碳产业低碳转型过程中的技术突变性. 科技进步与对策, 2020, 37(18): 60-69.

[ZHANG J J, WAN A W, SONG Y J. Technological abrupt change in the process of low carbon transformation in high-carbon industry considering energy rebound effect. Science & Technology Progress and Policy, 2020, 37(18): 60-69.]

[42]
CYNTHIA O, FRANCIS N, FENWICKS M. An economy-wide rebound effect analysis of Kenya's energy efficiency initiatives. Journal of Cleaner Production, 2023, 385: 135730, Doi: 10.1016/j.jclepro.2022.135730.

[43]
刘平阔, 卢存禹. 中国能源转型路径选择的影响因素: 理论检验与实证分析. 中国软科学, 2022, (6): 51-61.

[LIU P K, LU C Y. Influencing factors of the pathway selection for China's energy transition: Theoretical verification and empirical analysis. China Soft Science, 2022, (6): 51-61.]

[44]
单豪杰. 中国资本存量K的再估算: 1952—2006年. 数量经济技术经济研究, 2008, 25(10): 17-31.

[SHAN H J. Reestimating the capital stock of China: 1952-2006. Journal of Quantitative & Technical Economics, 2008, 25(10): 17-31.]

[45]
陈强. 高级计量经济学及Stata应用(第二版). 北京: 高等教育出版社, 2014: 644.

[CHEN Q. Advanced Econometrics and Stata Applications (Second Edition). Beijing: Higher Education Press, 2014: 644.]

[46]
ANNE B, STEPHAN B, ALESSIO M, et al. Do energy efficiency improvements reduce energy use? Empirical evidence on the economy-wide rebound effect in Europe and the United States. Energy Economics, 2022, 110: 105939, Doi: 10.2139/ssrn.3854876.

[47]
LIAO M L, WANG Y J. China's energy consumption rebound effect analysis based on the perspective of technological progress. Sustainability, 2019, 11(5): 1461, Doi: 10.3390/su11051461.

Options
文章导航

/

〈 〉