中国能源强度变动的就业效应研究

毛雁冰 薛文骏

(上海大学经济学院，上海200444)

中国能源强度变动的就业效应研究

毛雁冰 薛文骏

(上海大学经济学院，上海200444)

能源强度反映了能源的利用效率，并且可以体现出一个国家及地区的经济发展水平、产业结构和技术进步的综合作用。本文在1995－2009年各省份数据的基础上，利用面板VAR模型脉冲响应函数和面板协整模型分析中国区域能源强度与就业之间的动态作用及其长期均衡关系。结果显示，能源强度与就业之间存在着长期均衡关系;能源强度对就业总量和就业变动率有着负向的冲击，能源强度的降低可以有效拉动中国就业的提高。各个省份之间的能源强度对于中国就业的影响存在显著的差异;影响作用由西向东呈现出梯度递增的趋势。因此，建议通过扩大经济增长的规模降低能源强度，提高就业水平;东部地区应侧重于提高能源利用效率及发展第三产业来增加就业，而中西部地区可以适度降低能源的消费总量，并不会对就业产生较大的冲击;另外，在政策制定和实施过程中，需要注意政策的时滞效应，通过优化工业布局，加强区域间的合作，实现能源强度变动与就业增加的良性互动。

能源强度;就业;脉冲响应;面板协整模型

经济增长离不开能源的大量消耗，快速的经济增长使中国成为世界能源消费的大国，而在当今世界各国大力发展低碳经济的潮流下，通过节能减排，以较低的能源消耗取得较高的经济增长正成为目前以及未来经济发展所面临的迫切问题。作为劳动力资源密集的发展中国家，就业是关系到中国民生以及社会长期稳定发展的重要问题。如何促进能源强度变动与结构性就业的良性互动，保持经济增长、低碳发展与就业的均衡发展，成为学术讨论及政策研究的热点问题。

近年来，国内学者从时间序列、地区差异的角度对能源消费、能源强度与经济增长的关系进行了研究，重点分析了影响能源消费及其强度的经济发展因素和产业原因。吴巧生等利用省际面板数据对能源消费量与GDP的关系进行实证检验，结论显示，长期来看，能源消费与GDP之间存在着双向因果关系，短期之内，中国东部和西部的能源消费和GDP之间存在着不同方向的因果关系［1］;韩智勇等通过产业结构和效率变动对能源强度的分析，指出能源强度持续下降的原因主要在于各产业能源利用效率的提高［2］。王霞等对影响能源强度的因素做了实证分析，指出能源强度自身及第二产业比重对能源强度影响较大［3］;邵兴军等也指出提高第二、第三产业的劳动生产率可以直接降低能源强度;提高第三产业结构可以直接降低能源强度并间接提高第二、三产业劳动生产率，从而降低能源强度［4］;屈小娥等利用1998－2006年的省份面板数据，认为东、中、西部能源强度差异较大，经济发展水平和第三产业对能源强度的降低起到积极作用［5］;齐绍洲等的研究表明，东西部省区之间总体的能源强度差异是收敛的，随着劳均GDP差异的缩小，能源强度的差异也在缩小［6］。关于低碳发展对就业的影响，谭永生从产业结构变动的角度分析了经济低碳化对中国中长期就业的影响，提出了实施相对低碳化发展以及统筹考虑扩大就业的发展理念［7］;李启平通过分析高碳就业的特征，提出了发展低碳经济对于促进就业的政策选择和措施［8］。

上述大部分文献主要分析了影响能源强度的因素，而对能源强度对就业所造成的影响缺乏必要的研究。能源强度的变化可以集中体现出经济总量，产业结构以及技术进步的变动对劳动就业产生影响。由于中国各地区的经济发展水平不均衡，产业和就业的分布存在着空间上的明显差异，这种结构性的不对称对就业的总体水平有着直接的影响。因此，本文采用能源强度指标，在分析中国不同省份的能源强度差异的基础上，探讨中国经济增长过程中的能源利用效率对就业的影响。

1 能源强度对就业影响的传导机制

从理论角度来看，能源消费和经济增长之间存在着正向的变动关系，经济的快速增长决定了能源消费量的不断增加。因此，对能源消费及GDP总量的分析，可以揭示出经济增长与能源消费之间的依存关系，但是这并不能说明能源利用效率及其对就业、经济发展质量的影响。

能源强度反映了单位GDP的能源消耗，是能源利用效率的倒数，它的变动主要受到一定时期的经济增长水平、能源消耗总量以及能源利用效率的直接影响。一方面，在技术水平一定的条件下，能源消耗总量减少，或者GDP增加都会导致能源强度下降;另一方面，在保持能源消耗量与经济增长同步增长的前提下，技术进步能够大大提高能源的利用效率、降低能源强度。同时，GDP的增加离不开技术进步及产业结构的变动。能源强度变动在技术进步的催化下，通过产业结构的变动对就业产生影响，其最终影响决定于两种不同效应的综合结果。

(1)创造性效应。随着经济总量的不断增长，能源的消费量也持续增加，但能源强度出现不断下降，就业总量会随着经济产出的提高而不断提高。这主要是由于技术进步及能源结构的优化，可以提高能源利用效率，降低能源强度，从而提高经济增长的速度，扩大增长的规模，进而增加就业机会;同时，产业结构的调整和升级，可以带动上下游以及横向关联产业的发展，从而扩大就业需求，特别是新兴工业和第三产业的发展;另外，随着新能源的不断开发和利用，会创造出大量新的产品和产业部门，也能够大大增加就业的需求，进一步促进就业的增加。“创造性效应”会导致能源强度下降有利于就业的增加。

(2)替代效应。一方面，资本和技术产生了对劳动力要素投入的替代，造成对劳动力需求的减少;另一方面，部分生产效率落后的行业和产业部门被淘汰，从而导致其原有的就业人员被释放出来，造成失业的增加;另外，技术进步需要大量的投入资金及专业人员，这样会增加企业的生产成本，影响企业的生产效益，从而减少对就业的需求。“替代效应”不利于就业的增加。

从地理空间的角度来看，不同省份的经济发展水平和产业结构情况各有不同，各地区不同的产业布局决定着区域能源消费量及就业容量的大小。地区之间的能源强度差异越小，意味着各地区之间在经济结构、技术水平以及就业水平等方面的趋同性越强;反之，如果地区之间的能源强度差异越大，意味着产业结构和技术水平存在着较大的地区差异，这使得就业的结构性差异越大，会导致就业的总量水平缺乏稳定性和不断提高的渐进趋势。

2 中国能源强度和就业的地区差异

从总体上来看，中国的能源强度近年来呈现出逐年下降的趋势，由1995年的0.23下降到2009年的0.09，而同时期GDP保持了持续增加，能源的消费总量也从1995年的131 176万t标准煤增加到2009年的306 647万t标准煤。由此可见，单位GDP能耗下降的原因不是能源消耗绝对量的减少，而在于能源利用效率的提高以及经济总量的快速增加;同时期就业保持了增长的趋势，说明能源强度对就业的“创造性效应”较为明显。

图1 中国地区能源强度及就业示意图Fig.1 Regional energy intensity and employment in China注:图中数据为1995－2009年平均值，数据来源:《中国统计年鉴》。

在地区的能源强度差异上，图1描绘了各省份能源强度情况，柱状图表示了各省(市)能源强度。从东、中、西部三大区域来看，能源强度在空间上呈现出由东向西，由低到高的阶梯型分布。东部较发达地区的能源强度相对较小，表明该地区能源利用效率较高;而西部大部分地区的能源强度较大，能源的使用效率较低，而中部地区保持中等水平。具体到各个省份，能源强度在省际间表现出明显的差异，北京，上海，天津，江苏，浙江，福建，山东，广东，海南等经济发达省份的能源强度较低，而中西部地区的山西，贵州，甘肃，青海，宁夏，新疆，内蒙古等地区的能源消费强度较高，由西向东呈现出梯度递减的趋势。

在地区的就业容量差异上，图1中的折线表示了各省(市)就业总人数。东部地区是目前劳动就业的主要地区，除上海，北京，天津，福建省和海南省之外，东部地区各省份的就业都达到2 000万人以上，山东省，江苏省的就业人口数量高达5 000多万和4 000多万人。西部地区的就业人口明显小于中东部地区，除四川省外，其他省份的就业人口在2 000万人以下，青海，宁夏，新疆和内蒙古的就业人口不到1 000万人，就业人口在地区之间的分布呈现由东向西，有高到低的阶梯型分布。

可以初步判断，能源强度与就业在不同地区之间存在着明显的逆向分布，能源强度越高的地区，其就业水平越低;而能源强度越小的地区，就业水平越高。在上述基础上，将使用面板协整模型更加精确地对能源强度与就业的长期均衡关系进行实证分析。

3 计量模型及数据来源

通过面板协整模型来分析能源强度的变动与就业之间的关系，可以反映出各省份不同的经济总量、产业布局特征对于就业的影响作用。在传统的时间序列问题中，通常使用协整分析来研究变量之间的长期均衡关系，但是该方法会出现如下问题:首先，如果时间序列变量的样本时期较短容易导致协整检验的稳健性较差;其次，因为时间序列没有综合考虑数据的截面特征，所以忽视了不同类别数据之间的异质性特征。而由于中国能源强度的时间序列数据只有15个数据点(1995－2009)，不同地区的能源利用效率、经济发展及就业水平存在较大差异，所以本文选择面板数据协整模型［9］来研究中国地区就业水平和能源强度的长期均衡关系。

与时间序列类似，面板数据模型的协整检验也需要对数据平稳性进行检验。由于目前对于面板数据的单位根检验还没有达成一致结论，所以为了保证检验的稳健性，本文采用了五种单位根检验方法对面板数据的平稳性进行检验，主要包括 LLC 检验［10］、Breitung检验、Fisher检验(包括ADF和PP检验)和 IPS检验［11］。

在单位根检验的基础上，如果模型变量都是同阶单整的，则可以使用面板协整检验来研究面板数据之间是否存在长期均衡关系。对于协整检验的方法，Pedroni构造了7个检验面板变量协整关系的统计量，包括Panel v、Panel rho和 Group ADF等［12］。此外，Kao也构造出了相关的检验统计量，包括DF和ADF［13］。考虑到检验的稳健性，本文同时使用Pedroni的7种检验统计量和Kao的ADF统计量来对本文省份就业水平与能源强度之间是否存在长期均衡关系进行检验，以避免模型出现“伪回归”的可能。从时间序列角度出发，可以进一步采用面板VAR模型对能源消费强度与就业之间的关系进行脉冲响应检验。

在对面板协整模型系数的估计方法上，目前一共有三种方法可以进行估计，即普通 OLS、完全修正 OLS(FMOLS)、动态 OLS(DOLS)。Kao和 Chiang、Pedroni认为相比OLS、FMOLS，DOLS无论在小样本、还是估计的有效性上，都表现的比较好［9，14］。协整面板估计量主要是分为同质性(Pool Panel)和异质性(Group-mean Panel Group)估计量两种，考虑到中国各地区发展水平差异较大，本文采用异质性面板模型DOLS来估计模型的估计量β^*i，具体模型如下:

其中，xit是解释变量，k2为解释变量的超前期，k1是解释变量的滞后期。Δxit－k是解释变量的差分项。uit是服从正态分布的残差项。

在指标选择上，本文的各省份能源强度(Energy)是通过各省份的能源消费总额(百万t标准煤)除以省份GDP(十亿人民币)计算得出，省份就业水平(Employ)指标是省份的就业人数(百万人)。本文所用数据的时间跨度是1995－2009年，包括的省份、直辖市和自治区一共是三十个，由于西藏的统计数据缺失某些年份相应的指标，所以本文分析中没有包括西藏。数据来源主要为《中国统计年鉴》和CEIC数据库。

4 实证分析及其结果

4.1 面板数据的单位根检验

首先使用LLC、Breitung、Fisher等面板数据平稳性检验指标来检验中国省份就业量(Employ)、就业量的对数值(lnEmploy)和省份能源强度(Energy)的平稳性，得到表1的结果。

从表1中可以明显地看到，在5%的显著性下，除了LLC指标以外，其他检验指标都表明上述三个指标都是含有截面单位根(不平稳)。而当这些指标经过一阶差分后，所有统计指标的检验结果都明显地拒绝变量存在单位根的原假设。可以认为中国省份就业量(Employ)、就业量的对数值(lnEmploy)和省份能源强度(Energy)都是一阶单整I(1)的。

表1 面板单位根检验结果Tab.1 Results of panel unit root test

4.2 面板数据的协整检验

在单位根检验的基础上，对省份就业量(Employ)和能源强度(Energy);就业量的对数值(lnEmploy)和省份能源强度(Energy)这两组变量分别进行协整检验，判断这两组变量是否存在长期均衡关系。

从表2中可以发现Pedroni的大多数统计指标(除了Panel rho和Panel PP统计量)在10%的显著性下，都明显地拒绝上述两组指标之间不存在协整关系的原假设，说明上述两组变量之间存在协整关系。此外，Kao的ADF检验在1%的显著水平下也显著地支持上述两组指标长期协整关系的存在。所以我们认为上述两组变量之间存在长期的均衡关系。

4.3 脉冲响应分析

在单位根检验中，我们可知就业总量、就业变动率以及能源强度这三个变量都是一阶单整的，所以这里可以构建VAR模型并用脉冲响应函数来分析能源强度对就业总量和就业变动率的动态影响作用。与普通的VAR模型相比，面板VAR模型综合考虑了面板数据模型和时间序列模型的优点，即在能够控制住空间效应和时间效应的同时，分析受到冲击时经济变量的动态反应，因此，这里的面板VAR估计参考了世界银行I.love关于Panel VAR的STATA中使用的程序语言和操作步骤进行分析［15］，可以

表2 面板协整检验的结果Tab.2 Results of panel co-integration test

得出脉冲响应的结果，见图2。

从图2中可以看出，能源强度对就业总量和就业变动率都存在着负向的冲击，而且冲击的影响程度呈U型趋势。在选择滞后期为三期的条件下，当期能源强度的变动对就业总量和就业变动率的负向冲击逐年增长并在未来第二年达到最大值，分别为－0.001 8和－0.001 7，之后其影响程度开始逐渐下降。

4.4 面板数据模型的估计结果

从上述检验可知两组变量分别存在长期均衡关系，为了进一步研究能源强度对就业总量和就业变动率的影响，分别建立两个回归模型来分析能源强度和就业总量，能源强度和就业变动率之间的相互关系和变动趋势。具体模型如下:

其中，Employit表示各省份就业人数，Energyit表示各省份的能源消费强度，αi表示各省份回归模型的常数项，βi表示各省份能源消费强度对就业总量(变动率)的影响程度，时间t跨度是1995－2009年，i包括30省份、直辖市和自治区。由于解释变量为能源强度，是一个比率，模型(2)表示当能源强度变动一个百分点，就业总量变动的人数。模型(3)使用的半对数模型，估计出的系数表示解释变量单位绝对变化量导致Y的变化率。

图2 就业及就业变动率对能源强度的脉冲响应Fig.2 Impulse response of energy intensity to Employment＆lnEmployment shock注:图中95%的置信区间是经500次Monte-Carlo模拟得出，变量的滞后期选择为3期。

首先将中国分为三个不同地区并通过动态OLS(DOLS)来估计分析不同地区之间系数的差异，得到表3的实证结果:能源强度与就业量之间总体上呈现反向的变动趋势，能源强度下降1个单位，就业会增加1 776.9个单位，就业变动率会提高2.6个百分点，说明能源强度的下降有利于就业的增加，进一步验证了能源强度的“创造性效应”。但是这种变动关系在东、中、西部地区之间存在着变化强度的显著差异，东、中、西部地区对就业的影响程度分别是 1 378.79，354.85 和 248.54，比率系数分别为5.196，1.619和1.299。这说明东部地区能源强度下降对就业提高的影响要远远大于中西部地区。

为了进一步分析各省份能源强度变化对就业总量和就业变动率的影响程度，我们将中国省份数据作为面板数据进行研究，结果见表3。

表3 能源强度对就业总量和就业率影响的分省份回归结果Tab.3 Impact of provincial energy intensity on employment and employment change rate

从表3可以看出，广东省，浙江省，上海市，海南省，江苏省，山东省，江西省，云南省和广西自治区的就业变动率系数较高，其中大部分省份是东部地区的发达省份，说明这些省份能源强度的变动对于就业会造成较大的影响。福建省，山西省，陕西省，黑龙江省，湖南省，贵州省，宁夏自治区和内蒙古自治区等就业变动率系数较小，其他省份的系数水平居中，能源强度的变动与就业的变动之间的相互影响小于东部发达地区。不难看出，中西部地区省份的就业总量和就业水平较低，而这些地区恰恰是能源消费总量较大，经济总量相对较低，能源利用效率较低的地区。因此，东部地区应发挥技术优势，提高能源利用效率，促进就业的大幅度提高;而由于西部地区能源强度对就业的影响程度较小，即节能并不会对就业产生较大的冲击和负面影响，所以这些地区应侧重于减少能源使用量。

综上所述，能源强度与就业水平之间总体上存在着反向的关系，即能源强度越小，能源的利用效率越高，就较容易拉动中国就业水平，能源强度变动对于就业的“创造性效应”显著。从区域经济发展情况来看，无论是能源强度变化，就业水平，还是能源强度与就业互动关系方面，都存在着明显的地区性差异。这一现象可以反映出不同地区的产业结构与技术水平的差异，具体的原因主要有以下三个方面:

①经济发展水平的影响。经济的快速发展可以有效地提高地区的就业水平，对就业产生了积极作用;

②区域产业结构的影响。工业化发展程度的差异导致各地区产业结构存在着明显差异，对地区能源强度的影响显著;

③政策性倾斜的影响。高能耗产业向西部聚集的效应较为明显，东部地区技术转移缺乏有效渠道，强化了东西部地区能源强度与就业的逆向不对称分布局面。

5 结论与政策性建议

本文利用面板VAR模型脉冲响应函数和面板协整模型分析了中国区域能源强度与就业之间的动态关系。根据实证的结果，可以得到以下主要结论:

(1)无论是Prodroni检验的10%的显著性，还是Kao的ADF检验1%的显著性都表明了能源强度与就业之间存在着长期的协整关系;1995－2009年期间，中国能源强度总体上呈现出下降的趋势，同时期就业水平不断增加，通过脉冲相应检验，可以进一步判定能源强度与就业之间存在着反方向的变动关系，说明了“创造性效应”在发挥主导作用，经济总体规模的提升可以增加就业岗位，同时也能够通过经济总量的增加降低能源强度。因此，保持经济的稳定增长及适度的能源消耗有利于就业的增加。同时，通过对高碳产业的技术改造可以提高能源利用效率、降低能源强度从而拉动就业的增加。

(2)从地区层面来看，虽然能源强度与就业之间存在着反向关系，但各地区的能源强度及其对就业的影响存在着显著的差异。东部地区能源强度变动对就业总量及就业变动率的影响系数分别为－1 378.79和－5.196，远远大于中西部地区的相关系数，说明了东部地区降低能源强度对就业有较大的促进作用。从产业结构的变动情况来看，东部地区具有较大的节能减排空间及扩大就业容量的能力，可以利用其资金及技术优势，提高能源利用效率;通过发展第三产业，促进产业结构升级，不断提高就业需求;中西部地区能源强度的降低对就业的促进作用较小(比率系数分别为－1.619和－1.299)，中西部地区以工业部门为主，第二产业降低能源强度的空间较大，中西部地区可以通过加快产业结构调整和升级，提高与东部发达地区的能源强度的趋同性，从而通过提高单位能耗的产出水平，扩大就业规模。

(3)防止政策的时滞效应。从面板VAR模型脉冲响应函数的分析结果来看，影响程度的U型趋势表明了能源强度对就业总量和就业变动率的负向冲击存在着滞后的现象，能源强度的变动对就业总量和就业变动率的冲击在后续时期达到峰值，因此，在制定相关能源政策时，应考虑到这一时滞现象，使政策的效果更具有针对性和有效性。

(4)从中长期来看，在低碳发展以及促进就业改善民生的约束前提下，地区间能源强度和就业水平的差异不利于总体就业水平的提高。在产业结构调整的过程中，要注意优化产业结构及工业的空间布局，不断加大对能源及低碳技术的投入和专业人才的培养，通过技术进步提高能源的使用效率，降低能源的使用强度;在制定和实施产业政策及区域发展政策时，要根据各地区之间能源、劳动力、资金及技术等不同的禀赋条件，建立有效的资源配置机制，促进东部地区的技术和资金优势与中西部地区资源和劳动力资源的相互支持，逐步实现区域间的优势互补效应，兼顾劳动密集型、资本和技术密集型产业的均衡发展。

References)

［1］吴巧生，陈亮，张炎涛，等.中国能源消费与GDP关系的再检验:基于省际面板数据的实证分析［J］.数量经济技术经济研究，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］韩智勇，魏一鸣，范英.中国能源强度与经济结构变化特征研究［J］.数理统计与管理，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，淳伟德.我国能源强度变化的影响因素分析及其实证研究［J］.统计研究，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］邵兴军，田立新.能源强度直接效应、间接效应与影响路径的实证分析［J］.系统工程，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，袁晓玲.中国地区能源强度差异及影响因素分析［J］.经济学家，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］齐绍洲，李锴.区域部门经济增长与能源强度差异收敛分析［J］.经济研究，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］谭永生.经济低碳化对中长期就业的影响及对策研究［J］.中国人口·资源与环境，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］李启平.经济低碳化对我国就业的影响及政策因应［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

(编辑:刘照胜)

2012－03－21

黄砺，硕士生，主要研究方向为土地资源。

王佑辉，博士，副教授，硕导，主要研究方向为土地资源。

国家社科基金项目(编号:11BJY124);华中师范大学丹桂计划项目“城乡一体化土地市场下的建设用地流转制度创新”。