经济增长、结构变迁与中国能源消费——基于半参数广义可加模型的经验研究

王 磊，吕 璐，解明明

（国家统计局 国际统计中心，北京 100826）

一、引言及文献综述

作为人类社会赖以生存和发展的物质基础，能源对任何国家（地区）的经济、社会发展都具有极其重要的意义。大量研究表明，在各国（地区）经济由低水平到高水平发展的过程当中通常会伴随人均能源消费量的先增长后降低这一现象，即形成广为人知的能源库兹涅兹曲线。这表明，对发展中国家而言，在其步入发达国家行列之前往往需要经历人均能耗的爬坡阶段。这是一个绕不过去的经验路径，还是一个可以避免的前车之鉴？这一问题曾经几次引起各界的激烈讨论。而能源消耗所引起的日益严重的环境污染，也在一定程度上推动能源问题成为一把高悬在各国之上的达摩克利斯之剑，能源问题背后的危机逐渐演变为全球问题。尽管如此，与发达国家相比，能源问题之于发展中国家，其紧迫性更加强烈。Benthem&Mattia Romani（2009）［1］指出，新世纪以来，中国等快速增长的新兴经济体逐步成为推动全球能源消费急剧增长的主力。从中国1980—2008年人均能耗与人均GDP散点图（见图1）可发现中国历年来的人均能耗基本上随人均GDP的增长而增长，且更为紧迫的是近几年正处在快速增长阶段。一方面是难以割舍的经济增长，另一方面是日益紧迫的能源问题。对中国而言，未来面临的一个艰难抉择将是如何在两者间取得平衡，或者说如何在尽量保持人民生活水平不断提高的前提下尽快结束能源爬坡阶段。这不仅促使中国政府做出了进一步加快经济结构调整的重要决策，也引起了国内外学者对中国经济增长和能源消费间关系作再次深入探讨的兴趣。在这一背景下，研究中国经济增长、结构变迁与能源消费的现状及其潜在规律，极具现实意义。

图1 人均能耗与人均GDP散点图

那么，是什么原因导致了能源消费的变化？Kraft（1978）［2］的实证研究表明经济增长是导致能源消费变化的重要原因，且两者间只存在单向因果关系。不过，许多学者并不认为经济增长与能源消费间存在单向因果关系，两者间可能存在相互因果关系，也可能毫无关系。此后，Stern（1999）［3］以及Lee（2008）［4］等分别使用不同方法、不同数据得出了不同结论，但多数研究结果表明两者间存在双向或单向关系。

当然，现有文献已表明除经济增长可能影响能源消费外，还有其他诸多影响因素，主要包括经济结构调整、能源使用结构变化、技术进步、价格、政策管制（例如价格管制、税收等）以及外部冲击等因素。Stern（1999）［3］认为转变经济结构有助于减少单位产出能源消耗，特别是随第三产业比重的增加，这一趋势会更加明显。Medlock and Soligo（2001）［5］表示，除经济结构变化外，提高能源价格会抑制能源需求，而推进技术进步也有助于降低单位产出能耗。而Stern and Cleveland（2004）［6］则认为，近几十年来，世界范围特别是发达国家单位GDP能耗下降的主要原因是能源使用结构的变化，即高质量能源（例如天然气等）在能源消费中的比例不断上升。这似乎暗示我们采取转变能源使用结构、推进技术进步及加快经济结构转型的措施可提高能源效率，进而取得经济增长与能源消费间的双赢，甚至有可能以此绕过能源库兹涅兹曲线。然而，经验分析表明现实情况可能并不如预期中的理想，Brookes（1990）［7］的早期研究便已发现能源政策（例如价格、税收制度）和经济结构转型等并不必然会带来持续的能耗缩减，很多情况下能耗下降一段时间后会出现重新反弹的情况，这也被称为反弹效应（rebound ef⁃fect）。Binswanger（2001）［8］认为造成能耗反弹的原因是提高能效的技术进步降低了单位产出能耗，进而降低能源的有效价格，导致能源需求上涨。Popp（2002）［9］进一步指出能源价格降低导致收入效应，进而导致其他商品需求上涨，然后导致能源需求上涨。因此，Bentzen（2004）［10］认为如果技术创新等能有效降低能源价格，政策制定者应该仔细考虑适当政策（例如税收、限价等）以维持能源有效价格不变。

以上文献对经济增长等因素和能源消费关系的研究尚集中在总体水平上，而很少考虑区分不同的能源使用部门（例如工业、服务业等部门）进行研究。如果某种因素或某种政策只对特定能源使用部门有影响，而与整体水平无关，那么，为实现总体最优，政府显然需要制定差别化的政策措施。Medlock and Soligo（2001）［5］、Zachariadis（2007）［11］以及Valeria Costantiniand ChiaraMartini（2010）［12］的实证研究已经注意到了这一点，而其研究结果也证实了上述判断。而且，Zachariadis（2007）［11］还研究了第一次石油危机对能源消费的影响，可见其研究已经考虑了外部冲击的作用。

从研究方法看，尽管以上文献在研究各类因素与能源消费之间单向或相互关系时使用了诸如时间序列、截面数据或面板数据等不同种类的数据，但上述文献在研究方法上基本上遵循了三步曲的研究思路，即：

单位根据检验→协整检验→因果检验

上述三部曲可概括为：先用单位根检验方法查看数据是否平稳；非平稳数据但适合做协整时进行协整检验；最后进行因果检验，确定变量间是双向、单向还是无因果关系。虽然大多数文献遵循了上述三步曲的研究思路，但使用的具体方法和模型却不尽相同，总结起来可分为以下几类：（1）假定时间序列平稳，利用VAR方法和Granger因果检验进行实证研究，如Kraft（1978）［2］等；（2）已考虑到时间序列可能并不平稳，因此使用Granger两步法检验两变量之间的协整关系，并在ECM基础上作Granger因果关系检验，如Cheng and Lai（1997）［13］；（3）利用Johansen（1991）方法作多变量协整检验，如Oh and Lee（2004）［14］；（4）以面板数据为基础，利用面板单位根检验方法（LLC、IPS等方法）、面板协整检验方法及面板因果检验方法进行实证研究，如Zacha⁃riadis（2007）［11］和Lee（2008）［4］等。

总之，现有文献的研究已为我们指明了能源消费的潜在影响因素，有助于我们理解经济增长、结构变动、技术进步、政策管制及外部冲击等对中国能源消费的影响，有助于我们从中发现中国能源消费的主要影响因素及潜在规律，进而为指明相应政策走向提供参考。此外，现有研究也提示我们除关注整体状况外，还应做分部门研究。

然而，虽然目前文献已作了大量深入而富有启发性的理论和实证研究，但从现有研究状况看，仍然存在诸多需改进之处，其中一个很重要的不足体现在：尽管现有研究使用的具体方法和模型不尽相同，现有研究基本上都采用了参数估计方法，而参数估计方法的缺点很明显，由于事先给定了关系形式，因此存在错误先验假定的潜在隐患。因此，可考虑采取非参数估计的方法弥补这一不足，非参数估计具有适用性强，对模型假定要求不严等优点，扩展了参数回归的应用范围，增强了模型的适应性。但非参数回归基本上建立在核估计和光滑样条基础上，其解释性不强。不过Hastie和Tib⁃shirani（1986）［15］提出的广义可加模型（Generalized Additive Models，GAM）可解决这一问题。此外，保留部分参数，也有利于弥补非参数解释能力不足的问题。因此，综合考虑，本文拟采用半参数广义可加模型改进现有研究在方法上的不足。

综上，现有文献提供了诸多很好的研究借鉴，但其在方法上还尚需改进。为此，本文一方面要借鉴现有研究经验，利用经济增长、结构变动、技术进步、政策管制以及外部冲击等解释中国能源消费及其与诸因素的相互关系，并考虑开展分部门、分品种、分地区研究，以弥补单纯整体研究的不足；另一方面，本文拟建立半参数广义可加模型对上述问题作研究，以期改善现有研究的不足。

本文其余部分安排如下：第二部分将对样本数据的选择及数据来源作必要说明；第三部分介绍本文使用的半参数广义可加模型；第四部分为实证研究部分，利用第三部分介绍的半参数广义可加模型进行整体、分部门、分品种、分区域的多方位研究，并对研究结果做必要分析；第五部分是结论与讨论部分，概述本研究的主要发现，简述本研究的价值和意义，指出本研究不足并指明未来研究方向。

二、数据来源与事实说明

本文主要研究经济增长、结构变迁与中国能源消费的关系。在建立经济计量模型时，本文考虑的能源消费影响因素主要包括收入因素、技术进步因素、经济结构因素、能源结构因素、价格因素、政策因素、外部冲击因素等。本文采用以下变量来刻画各种因素：用人均GDP表示收入因素；用人均科技支出表示技术进步因素；用第二产业增加值占GDP比重表示经济结构因素；用煤炭消费量占总能源消费量比重（煤炭比重）表示能源供给结构因素；用价格管制表示政策因素；用两次金融危机表示外部冲击因素。其中，后两者为虚拟变量。

长期以来，我国能源价格（特别是煤炭价格）受政策影响较大。1984年之前，能源价格基本由政府管制，1984年以后，我国指令性价格与指导性价格并存的“双轨制”开始出台。1992年国家放开煤炭价格，此后，电煤市场一直处于“计划煤”与“市场煤”的新双轨制中。2002年，国家宣布取消电煤政府指导价，至此，在制度层面上，煤炭价格开始实行完全的市场化确定机制。为反映价格政策的变化，同时避免设置过多分类，本文按照两个阶段（1980—2001年，2002—2008年）的划分将价格政策因素设为虚拟变量。此外，本文将1997—2001五年、2007—2008两年设定为两次金融危机的影响时间。

样本地区方面，本文选取了除西藏外的国内30个省级地区（省、自治区、直辖市）进行研究。西藏未被选入样本地区的原因主要是数据缺失较多而被剔除。

另外，出于数据可得性及时间原因，本文选定的样本期限并不一致。具体而言，本文选定1980—2008年作为研究全国整体情况的样本期限；选定1985—2008年作为研究不同品种间能耗差异的样本期限；选定1997—2007年作为研究不同部门间能耗差异的样本期限；选定1999—2008年作为研究不同地区间能耗差异的样本期限。

本文使用的指标中凡涉及价值的指标，例如人均GDP等均已用CPI调整为以1980年不变价表示，以剔除价格因素的干扰。本文中的数据主要来源于历年的《中国统计年鉴》、《中国能源统计年鉴》和中国国家统计局的数据库。本文使用R软件进行数据处理。

三、构建半参数广义可加模型

（一）半参数广义可加模型及其估计方法

如上文所述，非参数回归放松了诸多参数回归对模型的假定，因而拓展了参数回归的应用范围。但非参数回归也有其局限性，主要表现在两点，一是当解释变量个数较多而样本量不足时会降低拟合效果，二是解释能力不强。广义可加模型在一定程度上解决了这些问题，但是，如果实际数据中反应变量与每个解释变量的关系都用非参数拟合会带来过度拟合等问题，有时候反应变量与某个解释变量的关系简化成参数形式会更便于解释，这样就出现了半参数广义可加模型，这是本文主要考虑的模型。其形式为：本文所考虑的连接函数 f()u=u，故半参数广义可加模型的形式等价为：

（二）本文设定的半参数广义可加模型

以全国人均能源消费为被解释变量，可设定如下半参数方程：

其中，Y为全国人均能源消费；X1为全国人均GDP；X2为人均科技支出；X3为二产比重；X4为煤炭消费比重。ε为随机误差项。另外用D1和D2分别表示价格政策和经济危机虚拟变量，当年份在1980—2001年时D1取0，在2002—2008年时 D1取1；当年份在1997—2001年或2007—2008年时D2取0，其他时段时D2取1。

人均能源消费与各解释变量散点图见图2。直观上看，人均GDP、人均科技支出与人均能源消费间的线性关系很明显，几乎是一条直线，相关系数分别为0.99和0.98；但二产比重和人均能源消费以及煤炭消费比重和人均能源消费的线性关系不明显，因此，为减少模型的设定误差，模型设定人均能源消费与人均GDP及人均科技支出存在线性参数关系，而二产比重和煤炭消费比重与人均能源消费存在非参数关系。

图2 人均能源消费与各解释变量散点图

（7）式系为研究全国总体情况而设定的半参数估计方程。如上文所述，某些因素可能会对不同组成产生不同影响，某些政策也可能只对特定部门有效。因此，仅关注整体水平有可能会得出偏差较大的结论与判断，不利于解释具体问题且有可能误导政策走向，故需对总体模型进行细化，细化的方向包括三点：（1）区分能源品种；（2）区分能源终端消耗部门；（3）区分不同区域。基于上述考虑，本文在（7）式的基础上进一步演化出如下三个半参数估计方程：

考虑区分能源品种后的半参数模型可表示如下：

其中i表示煤炭、石油、天然气等不同能源品种，其余标记同（7）式。

考虑区分终端能耗部门后的半参数模型可表示如下：

其中，j表示能源消费的不同部门，X5表示部门增加值。

在施工升降机运行过程中，导轨架用来支撑和引导吊笼沿着导轨升降。由于导轨架结构复杂，设计参数较多，计算量大，而当前施工升降机的设计仍采用传统的CAD技术，运用基本的计算理论及个人经验进行几何设计，缺乏设计规范与知识的支持，所以设计周期长，成本高。本文将KBE技术运用到施工升降机导轨架三维设计中，开发施工升降机导轨架快速设计系统，实现知识驱动设计，快速应对市场需求，降低研发成本，为施工升降机的创新设计迈出积极的一步，进而为工程机械设计研发提供实现智能化思路。

考虑区分不同区域后的半参数模型可表示如下：

其中，k表示能源消费的不同区域，D3表示地域虚拟变量。

四、实证研究结果

（一）全国整体估计结果

对上文整体能源消费方程进行半参数估计和统计检验，其结果列在表1。

表1 全国整体半参数GAM模型估计结果

金融危机虚拟变量、市场化机制虚拟变量和人均科技支出三个变量没有通过5%显著性检验。我们采用后退法进行变量选择，首先去掉经济危机虚拟变量，再去掉市场化机制虚拟变量，最后所剩的变量均通过了显著性检验（结果见表1下半部分）。可见，对于全国能源消费来说，经济危机和价格机制因素影响并不明显。

人均GDP与人均能源消费正相关，这说明中国人均能源消费随着人均GDP的增长而增长，但仍处于艰难爬坡阶段。经济的增长，经济规模的扩大，会引起能源消费的增长，符合中国现阶段现状。

人均科技支出也通过了显著性检验，并且与人均能源消耗成负相关，可见科技进步能有效减少能源消耗。

非参数部分的估计结果见表1非参数部分，煤炭消费比重和二产比重均通过了显著性检验。对其偏残差的拟合图见图3，其中coalper代表煤炭消费比重，second代表二产比重。从二产偏残差的拟合图可见，第二产业比重对能源消费的影响存在拐点，从能耗角度解释，存在最优点使得人均能源消费值最小，因此经济结构调整不应过度。这是参数估计无法得出的结论，从一个侧面反映了半参数模型的优势。

图3 全国整体方程的非参部分图形

模型调整后的R2为0.997，残差分布图与正态分布接近，且没有明显的趋势（见图4）。

图4 全国整体方程的残差图

（二）分能源品种消费估计结果

经济增长选取的指标为人均地区生产总值。人均地区生产总值与除水/核/风电外的各类能源品种消费的系数均显著，可见经济发展与多种能源消费存在一定的相关关系。具体来看，只有天然气消费量与人均地区生产总值的系数为负值，可见，在我国当前经济发展阶段，经济增长与非清洁能源消费的增长存在十分密切的正向关系。

人均科技支出作为技术进步因素对石油、天然气以及水/核/风电消费量影响显著。科技进步能减少石油的消费量，但可提高清洁能源的使用量，这表明技术进步有助于改善能源使用结构。

第二产业比重对煤炭消费和水/核/风电消费的影响均显著。但是，从图5可以看出，第二产业比重对煤炭消费和水/核/风电消费的影响存在明显差异。随二产比重的降低，其对煤炭消费的影响大体上先减缓或抑制后放松或促进，而其对水/核/风电消费的影响则在经历一次短暂的促进过程后进入缓慢的减缓或抑制过程。工业是煤炭最大的用户，要有效地减少煤炭的消费量，就要加速经济结构的变迁大力发展第三产业，但是经济结构的持续调整并不必然降低煤炭消费或减缓对其依赖。同时，经济结构的持续调整在期初会增加清洁能源的消费，具有改善能源使用结构的作用，但后期会有效降低其消费或减缓对其依赖。综上，中国经济结构的进一步调整有助于改善能源使用结构并减缓对能源的依赖，但存在一定限度。

图5 煤炭消费（左）与水/核/风电消费（右）半参数GAM模型非参部分（二产比重）图形

表2 分能源品种与源终端消耗部门的半参数GAM模型估计结果

两次金融危机与煤炭消费均存在显著负相关关系，但与水电、核电及风电消费的负相关关系却不显著。考虑到目前我国发电供热用煤占全国煤炭生产总量的50%左右，可将两次金融危机与煤炭消费的显著负相关关系理解为与火电消费量的关系。基于此，可认为两次金融危机的出现对火电消费量存在显著负向影响，但并不影响清洁能源的消费和石油的消费。考虑到火电占电力产量的比重最大，这在一定程度上可以解释金融危机后中国发电量的下降。在发电量下降的情况下经济仍然较快增长的现象可能是由二产内部结构变化等因素导致的。

（三）分能源终端消耗部门回归结果

对上文区分不同能源终端消耗部门后的方程进行半参数估计和统计检验，其结果结果见表2分终端消耗部门部分。对于工业部门，通过后退法选择自变量，最后选取的变量为人均工业增加值和人均科技支出。可见科学技术进步因素对于工业的能耗影响显著。加大科学技术投入，有利于减少能源消耗。同样，对于交通运输业部门，最后选择的变量为人均交通运输增加值和煤炭比重。人均交通运输增加值与交通运输业能耗成正相关是显而易见的。而本文对煤炭比重的非参数估计结果则显示，其对能源消费的影响存在拐点（见图5）。此外，对生活消费部门能源消费影响显著的变量为人均居民消费，经济危机和煤炭比重。经济危机对生活消费部门能源消费影响显著，可见在全球一体化的大背景下，经济危机对我国居民生活的冲击非常显著。

图5 交通部门半参数GAM模型非参部分图形

（四）分地域回归结果

由于各个省份对与能源的使用情况和经济发展状况都有很大差异，比如有的省份经济比较发达，有的省份清洁能耗比重低，因此，全国加总的数据会掩盖很多地域间的差异，我们在这里用能源消费（代表能耗水平）、煤炭消费比重（代表能耗结构）和调整后的人均地区生产总值（代表经济发展水平）三个指标来进行聚类分析，将全国30个省市自治区分成了4个地域：第一区域包括北京、天津和上海；第二区域包括河北与山东；第三区域包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南、广西、海南、重庆、四川、贵州、云南、陕西、甘肃、青海和宁夏；第四区域包括内蒙、新疆、辽宁、江苏、浙江、福建和广东。

如表3，分区域模型最后选择的变量为人均GDP、人均科技支出、煤炭消费比重和区域虚拟变量。第1区域人均能耗最高，这很可能是由京津和上海地区高度发达的经济以及高密度的居住人口造成的。从区域结果看，中国所有区域都处在能耗爬坡阶段，经济发展水平与能耗呈显著正相关关系。但是，四个区域看不出太明显的经济发展梯队关系，这可能是因为影响能耗的因素过多，经济发展的影响水平在区域间有差异，也可能是数据本身就存在匹配性不足的问题，还有可能是本文区域分组指标选取不太适当。此外，分区域后，技术进步与人均能耗间存在显著正相关关系，这与全国整体研究时的结论恰好相反，这也验证了单纯整体研究存在一定不足的判断。

表3 分区域半参数GAM模型估计结果

五、结论与讨论

本文一方面借鉴现有研究经验，利用经济增长、结构变动、技术进步、政策管制以及外部冲击等解释中国能源消费及其与诸因素的相互关系，并开展分部门、分品种、分地区研究，以弥补单纯整体研究的不足；另一方面，通过建立半参数广义可加模型以改进以往大多数文献采用的参数估计方法的不足。总之，基于上述考虑，本文实证研究了经济增长、结构变迁与中国能源消费的关系。

本文实证研究验证了以往文献的如下直接或间接判断：（1）经济增长对中国人均能耗增长具有显著正向影响。中国目前正处在能源爬坡阶段，尚未出现能源消耗与经济增长间的倒U型曲线。（2）调整经济结构、改变能源供给结构、加快技术进步等都有助于降低中国人均能耗水平。（3）某些因素或政策只对特定组成有影响，或对不同组成有不同影响，例如，本文实证研究表明：①技术进步在整体上与人均能耗存在显著负相关关系，而在分区域研究时却得出了相反结论，此外，分品种研究则发现技术进步只与工业部门能耗间存在显著负相关关系，而与交通、生活部门没有显著关系；②人均GDP与大多数组成部分的能耗呈显著正相关关系，却与天然气消费量存在显著负相关关系；③经济危机冲击与价格政策管制只与煤炭和天然气消耗间存在显著关系；④调整经济结构只对煤炭消费量有显著影响。所有这些均暗示：为实现总体最优，中国政府需要制定差别化的政策措施。

本文实证研究主要有如下几点发现：

（1）中国存在隐性的能耗反弹效应。本文研究表明，人均GPD与能源的消耗基本上都是正向相关。这表明随中国人均GDP的增长其能源消耗也会增长，这符合我们观察到的现实情况。然而，值得注意的是，如果我们用近30年的数据来拟合中国人均能耗与人均GPD关系的话，则2004年以来两者的散点就基本上分布在拟合线之上（见图1），这表明近年来中国人均能耗相对于人均GDP的增长速度超出了30年来的平均水平，本文将这种背离称为“隐性的能耗反弹”，之所以称之为隐性的能耗反弹，是因为这种反弹与以往文献广泛论述的“rebound effect”有一定区别，中国人均能耗基本上没有出现过实质降低。隐性能耗反弹效应的存在，预示中国政府完成各类节能目标（如五年规划目标）的难度相当大。

（2）第二产业比重对能源消费的影响存在拐点，从能耗角度解释，经济结构调整需要有一定限度。此前不少文献如Stern（1999）等均认为转变经济结构特别是大力发展第三产业会有效减少单位产出能耗［3］。本文实证研究结果则表明需要对这一观点持少许谨慎态度，经济结构的持续调整在期初会减缓对能源的依赖并改善能源使用结构，但这一作用会随结构调整的持续而转为衰弱甚至走向反方向。当然，就中国目前情况而言，调整经济结构增加三产比重在短期内仍然是缓解我国能耗增长压力的重要方向，且在当前国际经济形势日益复杂加上我国出口导向型经济面临较大挑战时更显重要。但是，经济结构的调整需要树立长期思维，要仔细观察其与能耗问题的相互影响。另外，经济结构的调整不仅仅是二产比重与三产比重此消彼长的问题，还应注重二产内部结构的调整，例如二产内部结构的优化，主要是应该尽快走出低端制造业的樊篱，逐步实现产业升级。

（3）分能源品种后的研究结果暗示两次金融危机可能与火电消费量成显著负相关关系，这在一定程度上可以解释金融危机后中国发电量的下降。本文实证研究表明，金融危机后发电量的下降是可以解释的，但是学界与社会公众似乎更加关注发电量下降而经济仍然较快增长的现象。宏观上讲，金融危机会对国民经济各行业造成冲击导致需求下降进而某些行业开工不足致使用电量进而发电量下降，但是各行业对金融危机的反应可能不一致且受政府政策扶持力度也有差别，其中一些行业如重工业等高耗能行业可能因开工率下滑使用电需求下降，另外一些行业在中国巨大的国内市场支撑以及政府投资等政策刺激下实现增长。考虑到中国正处在工业化和城市化的加速期内，市场的内在增长潜力加上政府投资很可能抵消金融危机的冲击而保持较高的经济增长水平。例如，1997年金融危机发生时，我国钢铁、有色、建材等重化工原材料行业开始了一个较长时期的调整期，电力需求明显减少，与此同时耗能较低的轻工业、各类服务业仍然增长，政府直接投资以及在住房与教育等领域的改革也引致了一些新需求；2007年国际金融危机开始后，我国经济结构从2008年下半年开始有了一些调整，这一调整中重工业增幅下降远大于轻工业，且政府明显开始了新一轮的刺激政策。

（4）价格政策只对煤炭和天然气消费有显著影响。此前的一些文献如Medlock and Soligo（2001）等认为提高能源价格会抑制能源需求［5］，Bentzen（2004）也提议通过维持能源有效价格不变来控制能耗［10］。如果这些经验同样适用于中国，那么开征能源税、实行差别化的价格管制应成为中国未来能源政策的一部分努力方向。然而，需要注意的是，在市场对资源调配起主要作用的情况下价格确实会对资源需求起到很好的调节作用，但中国的能源产品市场化程度并不高，石油市场依然具有较高的垄断性，一部分煤炭价格也并不是由市场自由决定的，其余新能源在能源供给市场的份额则过低因而对其调控难以对整体市场产生有效影响。这表明政府要想通过价格或价格管制手段来调控能源需求将面临诸多不确定性，从长期来看，形成一个比较合理的价格形成机制恐怕才是中国政府更为重要的议题。

（5）技术进步因素能有效降低能源消费，但对煤炭消费以及生活能源消费影响不显著。推进技术进步有助于降低单位产出能耗，但对我国消耗量最大的煤炭却没有显著影响。多年来中国能源消费总量中煤炭所占比重有所下降，但幅度并不让人满意，如果不加快能源使用结构的转变增加天然气等清洁能源的比重，那么技术进步对我国节能降耗的作用将受到制约。因此，政府应进一步限制煤炭在我国能源消费结构中的比例。

总之，隐性的能耗反弹效应预示中国在未来实现节能降耗的压力非常大。为缓解这一问题，取得经济增长与能源消费间的双赢，政府除了适度调整经济结构、推进技术进步、优化能源使用结构外，还需要考虑开征能源税、实行差别化的价格管制，而从长期来看还需要致力于形成比较合理的能源价格形成机制。

［1］Arthur van Benthem，Mattia Romani.What Drives Energy De⁃mand in Developing Countries?［J］.The Energy Journal，2009，30（3）：91-114.

［2］Kraft J，KraftA.On the Relationship Between Energy and GNP［J］.JournalofEnergy and Development，1978，3（2）：401-403.

［3］Stern D I.Is energy cost an accurate indicator of natural re⁃source quality?［J］.EcologicalEconomics，1999，31（3）：381-394.

［4］Lee C C，Chang C P.Energy consumption and economic growth in Asian economies：A more comprehensive analysis using panel data［J］.Resource and Energy Economics，2008，30（1）：50-65.

［5］Medlock III K B，R Soligo.Economic Development and End-Use Energy Demand［J］.The Energy Journal，2001，22（2）：77-105.

［6］Stern D I，Cleveland JC.Energy and Economic Growth［R］.RensselaerWorking Papers in Economics，2004.

［7］Brookes Len.The greenhouse effect：the fallacies in the energy efficiency solution energy policy［J］.Elsevier，1990，18（2）：199-201.

［8］Binswanger M.Technological Progress and Sustainable Devel⁃opment：What About the Rebound Effect?［J］.Ecological Eco⁃nomics，2001，36（1）：119-132.

［9］David Popp.Induced Innovation and Energy Prices［J］.Ameri⁃can Economic Review，2002，92（1）：160-180.

［10］Bentzen J.Estimating the rebound effect in USmanufactur⁃ingenergy consumption［J］.Energy Economics，2004，26（1）：123-134.

［11］Zachariadis T.Exploring the relationship between energy use and economic growth with bivariate models：New evidence from G-7 countries［J］.EnergyEconomics，2007，29（6）：1233-1253.

［12］CostantiniValeria，MartiniChiara.The causality between en⁃ergy consumption and economic growth：A multi-sectoral analysis using non-stationary cointegrated panel data［J］.Energy Economics，2010，32（3）：591-603.

［13］Cheng SBenjamin，Tin Wei Lai.An investigation of co-inte⁃gration and causality between energy consumption and eco⁃nomic activity in Taiwan Province of China［J］.Energy Eco⁃nomics，1997，19（4）：435-444.

［14］Oh W，Lee K.Energy consumption and economic growth in Korea：testing the causality relation［J］.Journal of Policy Modeling，2004，26（8-9）：973-981.

［15］Hastie T J，Tibshirani R J.Generalized Additive Models［J］.Statistical Science，1986，1（3）：297-318.