低碳视觉下我国煤炭、石油与可再生能源的替代*

刘晓红

(南京晓庄学院商学院，江苏南京 211171)

·持续农业·

低碳视觉下我国煤炭、石油与可再生能源的替代*

刘晓红※

(南京晓庄学院商学院，江苏南京 211171)

[目的]使用1970～2013年时间序列数据，分析了低碳情景下我国煤炭、石油与可再生能源的消费替代。[方法与结果]单位根检验显示各变量是一阶单整Ⅰ(1)。Johansen协整检验说明变量之间存在着协整关系。FMOLS回归表明，GDP、煤炭消费和石油消费会提高CO2排放量，可再生能源消费会降低CO2排放量。长期内，GDP、煤炭、石油、可再生能源消费与CO2排放之间存在着双向的Granger因果关系。短期内，可再生能源消费与GDP、CO2排放之间存在着双向Granger因果关系。煤炭、石油消费是可再生能源消费的单向Granger原因。GDP是煤炭消费、CO2排放的单向Granger原因。石油消费是GDP的单向Granger原因。广义预测误差方差分解显示，实行从煤炭、石油消费到可再生能源的燃料替代将会降低环境污染，提高环境可持续性。[结论]基于上述实证研究，提出建立激励机制，实现可再生能源对煤炭、石油的替代，转变能源消费结构，降低煤炭和石油消费比例，开发利用可再生能源，为可再生能源的发展建立硬性约束，提高环境可持续性等建议。

可再生能源 能源替代 低碳 环境可持续性

0 引言

气候变暖引起世界各国的重视，一些国家制定了强有力的节能措施，并提出能源替代政策。我国也关注环境问题，在《中美气候变化联合声明》中承诺， 2030年二氧化碳排放达峰值。我国制定了可再生能源发展规划，可再生能源已成为我国的战略新兴产业。与此同时，我国作为煤炭、石油消费大国，煤炭、石油与可再生能源消费对CO2排放产生何种影响？能否实行煤炭、石油与可再生能源之间的燃料替代？对这些问题进行研究对于我国经济的可持续发展有重要的现实意义。

1 文献回顾

就煤炭、石油与可再生能源的替代而言，国内外的研究可分为以下2个方面：第一、对可再生能源、非可再生能源与碳排放之间关系的研究。Robalino-López 等以厄瓜多尔为例，提出了可再生能源和CO2排放的系统动态模型，结果发现：如果伴随着可再生能源的增长，生产部门结构的改善以及使用更有效的化石燃料技术，未来有可能控制住CO2排放[1]。Long 等研究了1952～2012年我国的能源、碳排放和经济增长之间的关系，结果发现煤炭对经济增长和碳排放有主导影响，经济增长同CO2排放、煤炭、天然气和电力消费之间存在着双向因果关系，我国有必要改变能源消费结构，发展水能和核能[2]。Jaforullah 等以美国为例，通过协整和Granger因果检验发现：CO2排放与可再生能源负相关，但与核能消费不相关[3]。Ozbugday 等使用CCE估计模型对1971～2009年36个国家的研究发现，长期内，能源效率对CO2排放有积极的影响。能源效率和可再生能源能够抑制CO2排放，实际收入和工业化对CO2排放有显著的正的影响[4]。Jeblia 等研究了1980～2010年25个欧盟国家可再生和非可再生能源消费同人均CO2排放、经济增长之间的关系。结果发现，对于欧盟国家环境库兹涅茨假说是存在的，不可再生能源会提高CO2排放，增加贸易额或可再生能源可以减少CO2排放[5]。第二、对能源替代的研究。后勇等建立了可再生能源替代的动态系统的数学模型，得出我国2020年实现可再生能源发展规划的动态优化路径，使之在满足经济持续发展对能源需求的前提下，系统要素配置最优、化石能源使用量和GHG排放最少[6]。孙鹏等基于可再生能源对不可再生能源替代视角研究能源企业间的动态博弈问题。结果表明：可再生能源产出增长率恒为正，且不断增大； 不可再生能源产出增长率恒为负，且不断降低。能源替代速率恒为正，即可再生能源会逐步取代不可再生能源，当不可再生能源企业退出市场时，系统刚好达到鞍点均衡[7]。Bloch 等考查了我国煤炭、石油和可再生能源的生产和消费。ARDL和VECM显示我国是被3种能源所引领的经济增长，煤炭消费引起碳排放，可再生能源消费减少碳排放。与石油和可再生能源比较而言，煤炭是相当昂贵的，鼓励从煤炭消费向石油和可再生能源替代[8]。韩昀等以农村生活能源消费为主线，以郯城县为研究案例，分析了郯城县农村生活能源消费现状及其经济、自然和环境属性结构。结果表明：商品能源、清洁能源、新能源消费比例均过半； 劳动力机会成本较高，促进了该地商品能对秸秆等非商品能的替代； 不可再生能源仍占有较大比例，能源消费结构不甚合理[9]。刘飞翔，刘伟平从实现福建农村全面小康对能源发展迫切需求和现实尖锐矛盾这一命题出发，对福建发展绿色能源的战略意义、发展方式、发展潜力进行了深入分析，最后提出了福建绿色能源发展对策建议[10]。

综合以上的研究成果可以看出，国内外对能源替代的研究较少，对可再生能源对煤、石油的替代研究更少，故文章基于低碳视觉，通过1970～2013年时间序列数据，使用ADF单位根检验、Johansen协整检验、FMOLS回归、Granger因果检验、广义预测误差方差分解对我国可再生能源、煤炭、石油的消费替代进行研究，以期对我国经济新常态下实现环境可持续性有所裨益。该文的创新点表现在以下3个方面：第一、把CO2排放同GDP、可再生能源、煤炭、石油消费结合起来进行研究； 第二、建立了2个模型，既研究GDP、可再生能源、煤炭、石油消费同CO2排放之间的关系，也研究可再生能源与煤炭、石油消费的加总即联合能源消费同CO2之间的关系； 第三、使用广义预测误差方差分解对我国可再生能源替代煤炭、石油消费进行分析。

其余部分做如下安排：第二部分进行计量经济学模型假定和数据说明； 第三部分实证分析； 第四部分得出结论，并提出对策建议。

2 模型设计与数据说明

2.1 模型设定

为了探究我国经济增长、煤炭、石油消费、可再生能源与CO2排放之间的动态关系，借鉴Bloch[8]和Kasman[11]，建立模型1：

lnCO2t=αlnGDPt+βlnCOALt+χlnOILt+γlnREt+εt

(1)

所有的变量都取对数，下标t代表时间，CO2是人均二氧化碳排放，GDP是人均实际GDP，COAL是人均煤炭消费量，OIL是人均石油消费量，RE是人均可再生能源消费量。系数α、β、χ、γ分别是人均实际GDP、人均煤炭消费、人均石油消费、人均可再生能源消费对CO2排放的弹性系数。

为了说明煤炭、石油与可再生能源消费的加总即联合能源消费以及GDP与CO2排放之间的关系，建立模型2：

lnCO2t=αlnGDPt+φlnCOREt+εt

(2)

与模型1相同，模型2中的所有变量也取对数，CORE是人均联合能源消费量，即人均煤炭消费、石油消费与可再生能源消费之和。φ是人均联合能源消费的弹性系数。

2.2 数据说明

该文研究的起止时间是1970～2013年。人均CO2排放量由CO2排放量除以当年我国总人口得出，单位是：t/人，人均GDP以价格指数进行平减， 1970年为基期，得出人均实际GDP，单位是元/人。煤炭、石油消费量由能源消费总量乘以各自在能源消费中的比例得出，可再生能源消费由能源消费总量乘以水电、核电、风电在能源消费中的比例得出。煤炭、石油、可再生能源消费量除以人口，得出人均煤炭、石油、可再生能源消费量，单位是吨标准煤/人。人均联合能源是人均煤炭、石油、可再生能源消费量相加之和，单位是吨标准煤/人。其中，CO2排放量数据来自于2015年《BP世界能源统计年鉴》，其他数据都来自于历年《中国统计年鉴》。

2.3 描述性统计

变量的描述性统计如表1所示。除非特别说明，文中所使用的计量软件是Eviews8.0。

表1 描述性统计

CO2GDPCOALOILRECORE均值287308974861990802349021568100738171091847中位数228045157193770693601015813700448410896070最大值710961816917841818890050708402700782596052最小值090358127610780285527005188200123530349761标准差182349746704020456520012992900662630649694合计126415932939283530334948998432479344804126观测数444444444444

3 实证分析

3.1 单位根检验

为了确定lnCO2、lnGDP、lnCOAL、lnOIL、lnRE、lnCORE等时间序列的平稳性，使用ADF方法进行单位根检验，结果如表2所示。lnCO2、lnGDP、lnCOAL、lnOIL、lnRE、lnCORE水平序列没通过显著性检验，是非平稳序列。但是，各时间序列的一阶差分都通过了显著性检验，其中，lnGDP的一阶差分在10%的显著水平下平稳，其他变量的一阶差分在1%的显著水平下平稳，说明各时间序列是一阶单整序列I(1)。

表2 ADF单位根检验结果

变量检验形式(C，T，L)ADF统计值临界值检验P值结论1%水平5%水平10%水平水平变量lnCO2C，0，1055593-359661-293315-26048609867不平稳lnGDPC，T，1-266271-419233-352078-31912702565不平稳lnCOALC，T，1-249836-419233-352078-31912703274不平稳lnOILC，T，0-243703-418648-351809-31897303564不平稳lnREC，T，0-131178-418648-351809-31897308716不平稳lnCOREC，T，1-221811-419233-352078-31912704676不平稳一阶差分lnCO2C，0，0-380948-359661-293315-26048600057平稳lnGDP0，0，0-188342-262118-194888-16119300576平稳lnCOALC，0，0-425183-359661-293315-26048600017平稳lnOILC，0，0-451414-359661-293315-26048600008平稳lnREC，0，0-609103-359661-293315-26048600000平稳lnCOREC，0，0-425932-359661-293315-26048600016平稳 注：检验形式中(C，T，L)分别代表常数项、趋势项、滞后阶数。基于SIC的滞后期选择

3.2 Johansen协整检验

采用Johansen方法进行协整检验，结果如表3所示。在模型1中，在5%显著水平下存在4个协整方程，在模型2中，存在1个协整方程。

表3 Johansen协整检验结果

模型1模型2特征根值迹统计量5%临界值P值特征根值迹统计量5%临界值P值None05208743996∗∗∗6006140001903971375830∗∗35192700271Atmost103536434951∗∗401749002230246216329820261801595Atmost203208251664∗∗2427590038501006445629164503484Atmost3019028918812320901739Atmost400012005404129908490 注：∗∗、∗∗∗分别表示在5%和1%水平上显著

表4 FMOLS估计结果

3.3 FMOLS回归分析

在协整检验的基础上，对模型1、2进行回归估计。FMOLS(fully modified OLS)方法能够纠正序列相关和有偏性问题[12]，故该文也采用这种方法，结果如表4示。模型1和模型2的R2分别为0.992 0、0.9927，说明2个模型的拟合优度很好。除了石油的变量系数通过了10%显著性检验外，2个模型中的其他各个变量都通过了1%显著水平检验，这进一步证明了模型1和模型2的建立是合理的。模型1中，GDP、石油和煤炭的弹性系数大于0，说明GDP、石油消费和煤炭消费的增长会提高CO2的排放量。其中，煤炭的弹性系数最大，表现出富有弹性的特征，煤炭消费每提高一个百分点，将引起CO2排放量增加1.1351个百分点，说明降低煤炭消费在减少CO2排放方面的作用最大。石油和GDP的弹性系数分别位居第二、第三位，石油消费和GDP每增加一个百分点，将分别使CO2排放量增加0.1708、0.1293个百分点。可再生能源的弹性系数为负值，说明可再生能源消费量的增加将减少CO2的排放量，这与Ozbugday and Erbas[4]、Jeblia等[5]的研究结果一致。具体来看，我国可再生能源消费每提高一个百分点，将使CO2排放量减少0.2567个百分点。这说明为了降低我国环境污染，可以使用可再生能源消费替代煤和石油消费。

模型2中，GDP的弹性系数为正值，与模型1一致，说明经济的增长会加重我国的环境污染问题。煤炭、石油、可再生能源的加总即联合能源的弹性系数大于0，联合能源消费每增加一个百分点，将使CO2排放量提高0.8731个百分点。这揭示了重要的政策含义，即变换能源消费的组成成分，即我国在经济新常态中减少对煤和石油的消费，增加可再生能源消费是减少我国CO2排放的尤为关键的措施。

3.4 Granger因果关系检验

表4中提供了长期估计结果，但没有指明变量之间因果关系的方向。模型1和模型2的短期和长期Granger因果关系如表5所示。模型1中，各个等式的ECMt-1都小于0，且通过显著性检验，说明存在误差修正机制，当系统偏离长期均衡的时候，这5个变量在调整进程中能发挥重要作用。这也进一步说明，长期内，经济增长、煤炭、石油、可再生能源消费与CO2排放之间存在着双向的Granger因果关系，即这5个变量之间相互影响，相互作用。短期内，GDP是CO2排放的单向Granger原因，即GDP的变动是CO2排放变动的原因，CO2排放不是GDP变动的Granger原因。GDP是煤炭消费的单向Granger原因，即GDP的变动是煤炭消费变动的Granger原因，但煤炭消费不是GDP的Granger原因，降低煤炭的消费量不会影响我国经济增长。石油消费与CO2排放之间存在着双向的Granger因果关系，即石油消费与CO2的影响是双向的。石油消费是GDP的单向Granger原因，即石油消费的变动会引起GDP的变动。煤炭和CO2排放之间存在着双向的Granger因果关系。石油与煤炭消费之间存在着双向的格兰杰因果关系。可再生能源与CO2排放之间存在着双向的Granger因果关系，即可再生能源消费与CO2排放之间互为因果。可再生能源消费与GDP之间存在着双向的Granger因果关系，说明可再生能源消费与GDP之间存在着双向的影响机制。石油消费是可再生能源消费的单向Granger原因，即石油消费的变动会引起可再生能源消费的变动，但可再生能源消费不是石油消费的Granger原因。煤炭消费是可再生能源消费的单向Granger原因，即煤炭消费的变动会引起可再生能源消费的变动，但可再生能源消费不是煤炭消费的Granger原因。

模型2中，CO2排放和联合能源的误差修正模型系数为负值，且通过了显著性检验，说明系统偏离长期均衡时，这2个变量在调整过程中能发挥重要作用。在长期内，CO2排放和联合能源消费存在着双向的Granger因果关系。同时，GDP的滞后误差修正模型系数为正值，说明不存在反向的误差修正机制。短期内，GDP和CO2排放之间存在着双向的Granger因果关系。联合能源消费和CO2排放之间存在着双向的Granger因果关系，联合能源消费和GDP之间存在着双向的Granger因果关系。故为了在经济增长的同时，减少环境污染，可实行从煤炭、石油到可再生能源的消费替代。

表5 格兰杰因果关系检验

变量自变量⊿lnCO2⊿lnGDP⊿LnOIL⊿LnCOAL⊿LnRE⊿LnCOREECM(t-1)模型1：⊿lnCO2，⊿lnGDP，⊿LnOIL，⊿LnCOAL，⊿LnRE⊿lnCO2-00741021270870400288-027390005000000000000042000377⊿lnGDP-02913006590177600757-031230220200757038080000100009⊿LnOIL3123102081-26173-00821-075060000001475000000181700046⊿LnCOAL1080900713-02000-00301-035700000000424000000124400615⊿LnRE2159304525-07283-20041-038080029100205000570022600026模型2：⊿lnCO2，⊿lnGDP，⊿LnCORE⊿lnCO2-0071711543-01593000010000000365⊿lnGDP-091171141108426006160031700000⊿LnCORE0816600433-04098000000038200034 注：括号内的数字是P值。∗、∗∗、∗∗∗分别表示在10%、5%和1%水平上显著

3.5 广义预测误差方差分解

Granger因果关系检验表明了系统中哪些变量对于每一变量的未来价值有显著影响。但是，这些结果并没有建设性的指出这些影响在多长时间内发挥作用，方差分解能够提供这方面的信息。故该文使用Koop 等[13]和Pesaran、Shin[14]提出的广义预测误差方差分解进行进一步的分析，这种方法的突出优点是分解结果不受VAR模型中变量排序的影响，软件是microfit4.0。表6中的方差分解指明了因变量CO2排放量受自身影响以及受别的变量冲击下随时间变化的贡献度，滞后准则是AIC。模型1中，CO2排放主要是被CO2排放自身的创新以及煤炭消费所解释。煤炭消费解释了1年后CO2排放的85.98%， 10年后的60.04%， 20年后的54.3%， 30年后仍高达63.39%。这表明，实行从煤炭、石油消费到可再生能源消费的燃料替代将会降低环境污染，提高环境可持续性。

模型2中，联合能源消费解释了5年后CO2排放的79.21%、10年后的82.29%、20年后的83.68%、30年后的80.38%。GDP对CO2排放的解释能力在任何时间范围内都小于联合能源消费。模型2进一步证明了燃料中可以由可再生能源对煤炭、石油能源进行替代。

表6 广义预测误差方差分解

模型1时期lnCO2lnGDPlnOILlnCOALlnRElnCORElnCO2：lnGDP10984902662029510858904443lnOIL50742402395031360578104080lnCOAL100738902898037110600404765lnRE150628403502044920495104046滞后期为6200688202712036990543004513250669002653036410531704413300763402709034730633904651模型21097930021408477lnCO2：lnGDP5094740004807921lnCORE10096150013208229滞后期为215095440064808425200924401342083682508909019730821430086030249408038 注：基于AIC的滞后准则

4 结论与建议

4.1 结论

该文使用1970～2013年时间序列数据，分析了低碳情景下我国煤炭、石油、可再生能源的消费替代。单位根检验显示各变量是一阶单整Ⅰ(1)。Johansen协整检验表明变量之间存在着协整关系。FMOLS回归发现，GDP、石油和煤炭消费会提高CO2的排放量，可再生能源消费会降低CO2排放量。通过Granger 因果分析，我们发现长期内，经济增长、煤炭、石油、可再生能源消费与CO2排放之间存在着双向的Granger因果关系。短期内，GDP是煤炭消费、CO2排放的单向Granger原因。石油消费与煤炭消费、CO2排放之间存在着双向的Granger因果关系，石油消费是GDP的单向Granger原因。可再生能源与GDP、CO2排放之间存在着双向的Granger因果关系。煤炭消费、石油消费是可再生能源消费的单向Granger原因。广义预测误差方差分解表明，实行从煤炭、石油消费到可再生能源的燃料替代将会降低环境污染，提高环境可持续性。

4.2 建议

基于上述结论，提出下述建议。

(1)建立激励机制，实现可再生能源对煤炭、石油的替代。可再生能源消费是GDP的双向Granger原因，即可再生能源消费能推动经济增长，经济增长又会影响可再生能源消费。同时，可再生能源消费对我国CO2排放产生负的影响，即可再生能源消费会降低CO2排放，简言之，可再生能源消费既可以推动我国经济增长，又不会对环境产生破坏。但在我国市场作为资源配置主导作用的条件下，尤其在我国企业和个人环境保护意识依然薄弱的情景下，可再生能源消费的提高离不开适当的激励机制，即政府要为市场主体对可再生能源的消费给予税收优惠或补贴，以刺激市场主体在各个领域增加对水能、太阳能、生物质能、海洋能、风能等可再生能源的消费量。只有通过政府这只“看得见的手”影响市场主体的可再生能源消费行为，才能提高市场主体的可再生能源消费。

(2)转变能源消费结构，降低煤炭和石油消费比例。回归分析表明，煤炭对CO2排放产生主导性的影响，同时，石油消费对碳排放也会产生正的影响。且我国煤炭和石油消费所占的比例较高， 2013年，煤炭和石油在能源消费中的比重分别为66.0%、18.4%，但水电、核电、风电所占的比重只有9.8%，故为了减少环境污染，要转变能源消费结构，降低煤炭和石油消费比例，提高可再生能源消费比例，发展以可再生能源为主的能源消费结构。为了降低煤炭和石油消费的比例，提高这两种能源的使用成本是一条重要的途径。煤炭和石油消费成本的提高可通过两种方法得以实现，其一是通过征收碳税、环境税等政策使煤炭和石油不再是一种廉价的资源，尽最大可能消除环境外部的负效应，其二是提高煤炭或石油的价格。根据需求规律，煤炭和石油消费成本的提高将降低可再生能源的相对价格，使市场主体减少对煤炭和石油的消费，并增加对可再生能源的消费，减少CO2排放。

(3)开发利用可再生能源。可再生能源是环境友好，可持续发展的能源，如果我国实现可再生能源消费对煤炭、石油消费的替代，既有利于能源消费结构升级，又有利于缓解我国日益严重的环境污染问题。发展可再生能源，最重要的是技术创新，而技术水平的提高离不可资金的投入。我国致力于减少碳排放，制定了可再生能源发展的“十五”、“十一五”、“十二五”发展规划，可再生能源的投资总量和比例有所增长，且各级政府制定了许多政策措施支持可再生能源的技术创新活动。但就目前来说，我国在可再生能源方面的研发投资在国际上依然处于较低的水平，可再生能源产业规模不高。故我国要进一步加大对可再生能源的研发投资力度，加强技术创新。通过价格、金融、发展规划等政策措施，建立可再生能源政策体系，降低市场准入门槛，鼓励企业进行风能、水能、生物燃料、太阳能和其他可再生能源的开发利用，调动企业进行可再生能源供给的积极性。发展可再生能源产业，建立可再生能源交易证书制度，确立能源投资组合，助推可再生能源行业的扩大，促使我国经济按照新常态的要求发展。

(4)为可再生能源的发展建立硬性约束，提高环境可持续性。可再生能源对煤炭、石油的替代离不开制度建设。2005年，我国制定了《可再生能源法》，随后，又出台了可再生能源的相关法律、法规，可再生能源法律体系初步形成。2009年，我国对可再生能源的法律、法规进行了修订，我国在向发展可再生能源的目标迈进。尽管如此，我国可再生能源的法律、法规还不够健全，不能满足当前可再生能源发展的需要，这就要求进一步完善可再生能源法律体系。主要是针对近几年来我国在发展可再生能源道路上遇到的新问题、新情况，制定相应的可再生能源法律、法规，维护可再生能源供求双方的利益。同时，加强对可再生能源法律、法规的执法，使可再生能源法律、法规起到规范、约束市场主体的目的，为我国可再生能源产业的繁荣保驾护航。

[1] Robalino-López A，Mena-Nieto A，García-Ramos J E.System dynamics modeling for renewable energy and CO2emissions：A case study of Ecuador.Energy for Sustainable Development， 2014， 20： 11～20

[2] Long X L，Naminse E Y，Du J G.Nonrenewable energy，renewable energy，carbon dioxide emissions and economic growth in China from 1952 to2012.Renewable and Sustainable Energy Reviews， 2015， 52： 680～688

[3] Jaforullah M，King A.Does the use of renewable energy sources mitigate CO2emissions?A reassessment of the US evidence.Energy Economics， 2015， 49： 711～717

[4] Ozbugday F C，Erbas B C.How effective are energy efficiency and renewable energy in curbing CO2emissions in the long run?A heterogeneous panel data analysis.Energy， 2015， 82： 734～745

[5] Jeblia M B，Youssef S B，Ozturkc I.Testing environmental Kuznets curve hypothesis：The role of renewable and non-renewable energy consumption and trade in OECD countries.Ecological Indicators， 2016， 60： 824～831

[6] 后勇， 徐福缘，程纬.基于可再生能源替代的经济持续发展模型.系统工程理论与实践, 2008，(9)： 67～72

[7] 孙鹏， 聂普焱.动态视角下可再生对不可再生能源的替代.系统工程, 2014，(3)： 92～98

[8] Bloch H，Rafiq S，Salim R.Economic growth with coal，oil and renewable energy consumption in China：Prospects for fuel substitution.Economic Modelling， 2015， 44： 104～115

[9] 韩昀， 王道龙，毕于运.郯城县农村生活能源消费属性分析.中国农业资源与区划， 2013, 34(4): 141～144

[10]刘飞翔， 刘伟平.福建农村绿色能源发展战略.中国农业资源与区划， 2007, 28(5): 52～54

[11]Kasman A，Duman S Y.CO2emissions，economic growth，energy consumption，trade and urbanization in new EU member and candidate countries：A panel data analysis.Economic Modelling， 2015， 44： 97～103

[12]Pedroni P.Fully modified OLS for heterogeneous cointegrated panels.Advances in Econometrics， 2000， 15： 93～130

[13]Koop G，Pesaran MH，Potters SM.Impulse response analysis in nonlinear multivariate models.Econ，1996， 74(1)：119～147

[14]Pesaran，M.H.，Shin，Y.Generalized impulse response analysis in linear multivariate models.Econ.Lett，1998， 58(17- 29)

SUBSTITUTION OF COAL, OIL AND RENEWABLE ENERGY IN CHINAUNDER LOW-CARBON VISION*

Liu Xiaohong※

(Buseness College, Nanjing Xiaozhuang University, Nanjing, Jiangsu 211171, China)

Using time series data from 1997 to 2012, this paper studied the consumption substitution of coal, oil and renewable energy in China. The unit root test showed that each variable had integration of order 1. The Johansen co-integration test indicated that there were co-integration relationships among variables. Using FMOLS regression method, it found that GDP, coal consumption and oil consumption increased carbon dioxide emissions, while renewable energy consumption reduced emissions. There were bidirectional Granger causal relationships among GDP, coal, oil, renewable energy consumption and carbon dioxide emissions. In the short time, there were bidirectional Granger causal relationship from renewable energy consumption to GDP and carbon dioxide emissions. There was a unidirectional Granger causal relationship between coal and oil consumption and renewable energy consumption. The generalized forecast error variance decomposition revealed that the fuel substitution from coal, oil consumption to renewable energy would reduce environmental pollution and enhance environmental sustainability. Finally, it put forward some suggestions such as setting up incentive mechanism, achieving renewable energy substitution for coal and oil consumption, changing energy consumption structure, reducing coal and oil consumption proportion, developing and utilizing renewable energy, founding solid restraint for the development of renewable energy, and increasing environment sustainability, etc.

renewable energy; energy substitution; low-carbon; environmental sustainability

10.7621/cjarrp.1005-9121.20170325

2016-03-04

刘晓红(1976—)，女，河南南阳人，硕士、副教授。研究方向：低碳经济。Email：amylxhong@163.com

*资助项目：国家社会科学基金项目“碳减排约束下的碳税经济效应研究”(15BGL144)； 教育部人文社会科学基金青年项目“政府R&D资助政策工具对中小企业技术创新能力的影响研究”(10YJC790005)； 江苏省普通高校研究生科研创新计划项目“我国城镇化、能源消费、经济增长、碳减排动态关系研究”(KYZZ15_0106)

F062.2; X37

A

1005-9121[2017]03161-08