碳价格对中国工业外商直接投资的潜在影响

王班班+吴维

摘要 作为未来一段时期市场化减排政策的重要抓手，中国将于2017年启动全国碳交易市场。通过施加碳价格，碳市场将对不同行业的生产成本产生影响。那么，碳价格对中国工业外商直接投资的影响如何？是否有助于优化吸引FDI的行业结构？这正是本文关注的焦点。为了克服碳价格数据不足的问题，本文构建了碳价格与煤炭、天然气等五种能源价格之间的映射关系，并采用1999—2013年36个工业行业的面板数据，估计了能源成本对外商直接投资相对规模和绝对规模的影响，并通过碳市场不同价格水平与能源成本之间的映射关系，对工业行业吸引FDI的潜在影响进行了反事实测算。论文的主要结果有：①碳价格与能源成本之间的映射关系存在行业异质性，这是由不同工业行业的能源消费结构差异所致。②能源成本对整体FDI的规模不存在显著负向影响。其对中国吸引FDI的相对规模和绝对规模的影响在高耗能行业和非高耗能行业间存在显著的差异。③不同碳价格水平对中国工业吸引FDI的相对规模、绝对规模和行业结构都将产生显著影响。碳价格将显著降低高耗能行业的FDI规模，但对非高耗能行业的外资规模具有促进作用；对FDI的绝对规模的影响较之相对规模更显著。碳价格为50元时，高耗能行业FDI的相对规模累积下降2%—7%，绝对规模累积下降3%—13%；非高耗能行业FDI的相对规模累积增加1.5%—3%，绝对规模累积增加0.1%—0.3%。上述结果说明，全国碳市场建立对中国工业吸引FDI的整体规模不会产生显著的负面影响，但有助于提高非高耗能行业的FDI流入，并降低高耗能行业的FDI流入，优化工业吸引外资的行业结构。

关键词 碳价格；碳价格映射；能源成本；FDI行业结构

中图分类号 F205；F11；F403 文献标识码 A 文章编号 1002-2104（2017）10-0159-09 DOI：10.12062/cpre.20170452

近年來，伴随着国际分工和国内产业结构调整，加之中国对节能减排的日益重视，中国外资政策的侧重也由数量转为质量。工业是FDI主要集中的产业部门，2015年工业实际利用外资占比达33.29%。工业FDI对中国经济增长和就业依然具有重要的促进作用，特别是其技术溢出和竞争的示范效应有助于进一步推动中国经济转型和升级[1]。为此，2017年1月国务院正式公布了《国务院关于扩大对外开放积极利用外资若干措施的通知》（国发〔2017〕5号），为进一步积极利用外资创造公平的竞争环境。

中国日趋严格的节能减排政策已成为影响FDI投资结构不可忽视的因素之一。碳排放权交易（以下简称“碳交易”）是中国未来重要的节能减排和气候政策抓手。中国已于2013—2014年在七个省市启动试点，并计划于2017年建成全国范围的碳交易体系。届时，碳市场将逐步覆盖石化、化工、建材、钢铁、有色、造纸、电力、航空等重点排放行业，参与主体或为其中综合能源消费总量达到1万tce及以上的重点企业。碳交易市场将如何影响工业FDI的规模和结构？现有实证研究鲜有考虑。通过施加碳价格，碳市场将对不同行业的生产成本产生影响。那么，碳价格是否会影响中国工业吸引外商直接投资的规模？是否有助于优化吸引外资的行业结构并促进工业经济的绿色发展？这正是本文关注的焦点。

1 文献综述

对排放主体施加碳价格，其实质是一种环境规制，将影响产业在国家和地区间的生产选址。因此，与本文相关的第一类文献是围绕“污染天堂”假说展开的实证研究。依据Copeland and Taylor[2]提出的“污染天堂”假说，污染密集型企业倾向于建立在环境标准相对较低的国家或地区。由于中国过去宽松的环境管制政策和低廉的资源，外商更倾向于向中国转移污染密集型和资源密集型产业，投资也集中于高耗能工业行业[3]。一些实证文献也证实了该假说在中国是成立的。魏玮等[4]的研究就表明相较于中国东部沿海地区，内陆城市流入的FDI更多地集中于能源密集型和污染密集型行业。此外，由于FDI在经济增长和就业方面的积极作用，各地政府甚至竞相降低环境标准吸引外资，形成“污染锦标赛”。朱平芳等[5]的研究即发现中国地方政府的这种为吸引FDI而产生的环境政策博弈确实存在。当然，严格的环境规制政策也会阻碍企业的进入，其中外资企业较之国内企业对环境规制更为敏感[6]。自“十一五”以来，中国作为外商“污染天堂”的问题得到了改善，这得益于国家开始将节能减排目标作为有约束力的考核指标写入五年规划，并层层分解至各地区和各行业，约束力度逐渐增大。Cai et al.[7]通过三重差分法检验中国的环境规制对FDI的影响，结果也证实了中国采取严格的环境规制会阻碍FDI的流入，尤其是来自于环境规制宽松的国家的FDI。

碳交易市场将对碳排放权定价，其实质是一种广义的碳税，要求参与其中的企业为其CO2排放支付费用，唯一的差别是前者对纳入企业进行排放数量而非排放价格的控制，企业还可在碳市场上交易碳排放权以帮助自己达到减排要求。

因此，与之相关的另一类文献涉及FDI区位选择的影响因素。Faeth[8]总结了前人对FDI区位选择的理论模型，认为要素成本是影响FDI区位选择的九大因素之一。由于绝大部分工业CO2排放来自于化石能源消耗，碳价格对工业行业和企业而言实质上是一种能源成本。而在过去一段时间，能源成本却并非企业主要的成本考量因素[4]，Garg et al.[9]的调查研究就表明，尽管能源价格和能源供应会影响越南FDI流入，但并不是其中最主要的影响因素。然而，能源成本对中国工业行业来说日益重要，工业行业的能源价格弹性为-0.251，能源密集型行业的能源价格弹性为-0.354，表明能源成本对工业部门的增加值有显著的负影响[10]。此外，随着对与能源消耗相关的污染物规制力度的加大，企业的能源成本还将进一步增加。因而，碳价格带来的能源要素成本增加将影响中国不同类型工业行业对FDI的吸引力。

通过以上文献分析可知，①随着中国节能减排政策力度的加强，势必对吸引FDI的规模和结构产生影响，而碳交易作为未来一段时间中国重要的节能减排政策抓手，其对FDI的影响效应有待分析；②由于碳市场所形成的碳价格对企业而言主要表现为能源成本的增加，这将影响中国在吸引外商投资时的要素成本优势，而这种效应在能源成本占比较高的行业可能更加明显。尽管如此，现有关于中国吸引FDI影响因素的文献大多聚焦于劳动力和资本成本、交易成本等[11-13]，并未考虑能源成本变化的影响。此外，中国尚未在国家层面进行长时间的碳交易实践，碳价格数据缺失，对相关实证研究也形成挑战。

对此，本文将设计一个计量经济回归和反事实情景模拟相结合的研究方法，研究中国即将启动的全国碳交易市场对工业吸引FDI的规模和结构的潜在影响。论文在回归结果的基础之上，将中国碳市场的预期碳价格水平转化为不同工业行业的能源成本变化，改进Cullen and Mansur[14]提出的碳价格映射方法（Mapping Carbon Pricing），以弥补碳价格数据不足的问题，对碳市场的影响效应进行反事实情景模拟。

本文接下来的结构安排如下：第二部分是研究方法设计，包括中国工业行业的碳价格映射方法和能源成本对中国FDI影响的实证模型；第三部分是数据来源和指标处理；第四部分是实证结果和情景模拟；最后是本文的结论。

2 研究方法设计

在碳价格数据序列缺失的情况下，本文的实证设计分为三步：第一，建立中国工业行业碳价格和能源成本的映射关系；第二，建立能源成本和行业FDI的实证模型；第三，将步骤一的碳价格映射关系和步骤二的实证系数相连，从而得到不同水平的碳价格对工业行业FDI的潜在影响。

2.1 中国工业行业的碳价格映射

由于绝大部分工业CO2排放来自化石能源消费，碳价格相当于在能源价格上外生增加一部分加价。因此，在碳价格数据缺失的情况下，可以利用其与能源价格的这种对应关系，以能源价格作为碳价格的代理变量进行实证研究和情景模拟。

Cullen and Mansur[14]第一次利用了碳价格与天然气和煤炭比价的连续映射关系。不同的碳价格对应着不同的煤炭和天然气比价关系，因此，可以利用实际的能源比价历史数据进行实证分析，该方法有助于克服碳价格数据不足的问题。在碳价格映射方法被正式提出之前，亦有一些研究利用了这种关系。例如在宏观层面，Yang et al.[15]在研究碳税对中国区域减排影响时计算了 50元/t碳税情景下不同能源相对价格增加的百分比，并以此为基础研究碳税对中国区域减排的影响。Tuthill[16]在评估美国SO2交易体系的影响时，假设燃料价格由市场价格和与SO2配额价格对应的加价两部分组成，研究SO2价格对能源替代和技术进步的影响。在微观层面，不同碳价格对应煤炭和天然气比价关系，从而影响电厂投资决策[17]。Pettersson

et al.[18]利用碳价格和能源价格的关系研究表明，更高的碳价格会使煤炭和石油相對天然气得到节约。本文尝试将Cullen and Mansur[16]提出的从碳价格至能源价格的映射方法推广至中国工业行业，构造碳价格和能源边际成本的映射关系，即一单位碳价格变化所引起的包含碳成本在内的能源成本的百分比变化，是一种半弹性。

首先，计算一单位碳价格引起的行业单位能耗碳成本UCi（公式1）。其中，i指不同行业，efe是煤炭、汽油、柴油、天然气和电力的CO2排放因子，Qei分别是不同行业、不同能源品种的消费量，Qi是各行业综合能源消费量。因此，公式（1）的分子表示一单位碳价格带来行业i的碳成本，分母为行业i的综合能源消耗。

其次，再计算单位能耗碳成本导致行业单位能源成本的百分比变化，即边际成本MCij。，如公式（2）所示。其中，Penergy=∑Pe*Qei/Qi代表行业单位综合能耗能源成本，即能源价格，j为碳价格水平。因此，公式（2）的分子表示每增加一单位碳价格所带来的单位能耗碳成本，分母表示包含了这一单位碳成本的行业能源价格。

2.2 能源成本对工业行业FDI影响的实证模型

依据上文分析，本部分将单位能源成本，即能源价格作为碳价格的代理变量，建立计量经济学模型。根据FDI区位选择理论，将能源成本视为吸引FDI投入的一项生产投入成本，并建立能源成本对中国工业外商直接投资影响的面板数据模型（公式3）。

其中，i表示行业，t表示年份。FDI为外商直接投资的相对规模或绝对规模；ec表示能源成本，Xit向量为其他控制变量。μi为行业变化，ηt为时间上变化，εit为随机扰动项。

在控制变量方面，本文还选取了劳动力成本、资本成本及其他行业特征变量。在回归过程中，能源成本、劳动力成本和资金成本都组织滞后一期以减少内生性，还将在部分模型中引入高耗能行业和时间虚拟变量的交叉相乘项，从而控制既随行业、又随时间变化的不可观测效应。

2.3 碳价格对工业行业FDI潜在影响的反事实模拟

进一步，第一步的映射关系可以与第二步能源成本对FDI影响的回归系数相连，从而构造碳价格对FDI的潜在影响效应。首先计算影响的边际效应，即每增加一单位碳价格对FDI规模影响的百分比变化（公式4），为第二步回归系数（全弹性）和第一步碳价格边际成本（半弹性）的乘积。

Coef为当能源成本变动1%时，FDI规模随之变动的百分比，是一种弹性系数；而MCij为一单位碳价格变化所引起的包含碳成本在内的能源成本的百分比变化，是一种半弹性。因此二者相乘结果是半弹性。

在此基础上，计算影响的累积效应，即在某一碳价格水平上所有边际效应的累积（公式5）。其中，coef指第二步实证模型中能源成本对FDI的回归系数，MEij为价格水平为j时对行业iFDI影响的边际效应，ACEij为价格水平为j时对行业iFDI影响的累积效应。

3 数据来源和指标处理

本文利用1999—2013年中国工业36个行业的面板数据，采用2002年行业分类标准，数据口径统一为规模以上工业企业，价格调整为1999年不变价格。

为统一口径和考虑数据可获得性，剔除其他矿采业、木材和竹材运输业、废弃资源和废旧材料回收加工业以及工艺品及其他制造业。

数据来源为《中国统计年鉴》、《中国能源统计年鉴》、《中国科技统计年鉴》、《中国劳动统计年鉴》和《中国工业统计年鉴》。

3.1 碳价格映射所需数据

碳价格映射所需数据包括公式（1）中的行业综合能耗碳排放系数efe，以及中国碳市场的预期碳价格范围。

第一，行业综合能耗碳排放系数等于行业能源消耗碳排放除以行业综合能耗。行业能源消耗碳排放采用排放因子法计算。其中，化石能源消耗碳排放因子取自国家发改委公布的《工业企业温室气体排放核算和报告通则》。

根据《通则》，燃料燃烧产生的CO2排放量按下式可计算得出：

其中，Efuel是燃料燃烧产生的CO2排放（单位为t CO2）；AD是化石燃料消费量（单位为t，或者104Nm3）；CC是化石燃料含碳量（单位为t C/t，或t C/104Nm3），CC由化石燃料的单位热值含碳量乘以低位发热量计算得出：OF是化石燃料的碳氧化率；44/12为CO2与C的相对分子质量之比；GWP指CO2的全球变暖化趋势，取值为1。而电力间接排放因子则通过国家发改委公布的中国区域电网的基准线排放因子计算。

此外，依据中国碳交易试点的实践，中国碳交易市场将计算直接排放和电力消费的间接排放两部分。直接排放，即排放主体消耗化石燃料直接向大气中排放的CO2气体；间接排放，即排放主体由于消耗电力而间接向大气中排放的CO2气体。因此，

本文在计算碳排放量时将考虑煤炭、汽油、柴油和天然气等化石燃料的直接排放和电力的间接排放两个部分。

第二，通过中国碳交易试点碳价格预期中国碳市场价格范围。自2013年6月深圳建立国内第一个碳交易市场后，湖北、上海、北京、重庆、广州和天津陆续建立碳交易试点。七个试点的运行机制各有异同，纳入试点范围的行业主要是电力、钢铁、水泥、化工、有色等高耗能高污染行业。试点间碳交易价格存在较大差距，但随着市场建设的逐渐完善，成交价总体上呈波动下降趋势，如表1所示。此外，亦有预期认为全国碳市场价格应高于试点。为了涵盖可能的碳价格情景，本文假定碳价格位于0—300元区间，并据此构建映射情景。其中所需的工业行业层面煤炭、汽油、柴油、天然气和电力5种能源的消费数据来自《中国能源统计年鉴》。

3.2 计量回归指标构建

计量回归所需变量的选择意义及所用指标说明如下。

（1）外商直接投资规模FDI。

本文选用外商直接投资的相对规模和绝对规模来替代FDI，分别为三资企业固定资产净值占规模以上企业固定资产净值的比重（相对规模）和三资企业固定资产净值（绝对规模）。

（2）能源成本ec。

依据工业分行业煤炭、汽油、柴油、天然气和电力五种能源品种的消费量和价格及价格指数，将五种能源价格以其消费量占比进行加权，即可推算出分行业的综合能源成本[19-20]。

（3）劳动力成本wage。

采用分行业年平均劳动报酬作为名义劳动力成本，再经CPI调整为1999年不变价格的实际劳动力成本。

（4）资本成本FAIPI。

根据投资诱发要素组合理论，东道国的资本成本属于直接诱发要素。本文选用固定资产投资价格指数来表示外商直接投资的资本成本，数据来源于《中国统计年鉴》，并调整为1999年等于1。

（5）研发投入R&D。

研发投入可以反映行业对FDI的吸收能力，在长期中会影响行业中FDI流入，本文用各行业规模以上企业的研发资本存量作为R&D的指标，采

用永续盘存法来推算[19]。

（6）三资企业的盈利能力rpc。

由于企业的盈利能力关系着投资者的收益，因此也需将其纳入模型中。本文选取三资工业企业的成本费用利润率来代替企业的盈利能力變量。

（7）行业市场规模scale。

较大的市场规模一般有利于具有规模经济的生产，有助于吸引FDI流入，但行业市场规模的增大亦有可能降低外资企业的相对经济影响力[21]。本文选用分行业规模以上企业的行业总产值来测量该指标。

（8）国有资产规模nfa1。

国有资产规模反映着行业的制度特征，也可能通过门槛效应、竞争效应等影响外资的进入[21]。本文采用国有控股工业企业的固定资产净值作为行业中国有企业规模的指标。

（9）私营资产规模nfa2。

一般而言，行业中私人部门规模越大，行业竞争力越强。竞争越激烈，越不利于吸引外商直接投资的进入[21]。本文选择私营工业企业的固定资产净值作为私营企业规模的指标。

（10）工业品出厂价格指数PPI。

工业品出厂价格指数PPI反映工业行业中产品出厂价格的波动情况，而企业的盈利会受此影响。将PPI引入回归模型可以部分反映行业面对要素成本变化时向下游的传导或转嫁能力[22]。

4 实证结果及讨论

4.1 碳价格映射

本文设定0—300元碳价格情景进行碳价格映射；行业能源消费量取2013年数据。中国七个碳交易市场试点纳入的大多是高污染高耗能企业，根据《2010年国民经济和社会发展统计报告》，本文涉及的G18石油加工炼焦及核燃料加工业、G19化学原料及化学制品制造业、G24非金属矿物制品业、G25黑色金属冶炼及压延加工业、G26有色金属冶炼及压延加工业以及G34电力热力的生产和供应业六个行业为高耗能高污染行业。

依据公式（3），图1描述的是六大高耗能高污染行业的边际成本。当碳价格为1元/t时，碳价格的边际成本变动区间為6%—23.5%。总体而言，六大高耗能高污染行业都呈现碳价格边际成本递减的特征，即碳价格边际成本都随着碳价格的增加而减小。石油加工炼焦及核燃料加工业的边际成本最高，而且随碳价格增加边际成本减小幅度最大。余下依次是电力、热力的生产和供应业，非金属矿物制品业，黑色金属冶炼及压延加工业，化学原料及化学制品制造业和有色金属冶炼及压延加工业。

4.2 实证回归结果

本文在实证回归部分分别检验能源成本对FDI相对规模（见表3）和绝对规模（见表4）的影响，采用双对数模型形式，利用中国工业行业1999—2013年的面板数据进行回归。

表3中因变量为FDI相对规模。模型1为基准模型，加入能源成本及不含PPI的全部控制变量，并包含行业虚拟变量和时间虚拟变量。结果发现，能源成本对FDI相对规模并无显著影响。在模型2中，加入PPI从而考虑行业对能源成本上升的转嫁能力，但能源成本的系数依然不显著。在模型3-模型5中，进一步加入能源成本和高耗能行业虚拟变量的交叉相乘项，从而考察能源成本对FDI影响中高耗能行业和其他行业之间的异质性影响。此外，模型3和模型4的区别主要为是否加入PPI变量，而模型5则加入高耗能行业—时间虚拟变量，考虑同时随行业和时间变化的不可观测效应，如政府针对不同行业在不同时期采取的政策等。在加入能源成本和高耗能行业交叉项后，能源成本和交叉项的系数均在1%的水平上显著。其中，能源成本系数显著为正，交叉项系数显著为负，且两项系数相加也均为负值。这说明高耗能行业和非高耗能行业对FDI相对规模的影响存在明显的异质性。对非高耗能行业，其能源成本上升会增加FDI的相对规模，这说明能源并非FDI进入这些行业的主要成本考虑因素，能源成本提高甚至可以促进这些行业更多吸引技术更为先进和清洁的外资进入。与之相对，在高耗能行业，能源成本是FDI进入的主要成本考虑之一，能源成本提高则会降低高耗能行业的三资企业固定资产投资占比。

4.3 基于映射关系的碳价格对中国工业FDI的潜在影响

进一步，本文利用碳价格与能源成本之间的映射关系，对0—300元碳价格情景下碳价格对FDI相对规模和绝对规模的潜在影响进行反事实测算，并重点分析六大高污染高耗能行业的情况。

首先，计量回归系数表示FDI规模对单位能源成本变化的弹性。在其他条件不变的情况下，单位能源成本每变动1%，会使FDI相对规模在高耗能行业减少0.668%，在非高耗能行业增加0.288%；使FDI绝对规模在高耗能行业减少1.228%，在非高耗能行业增加0.03%。

其次，根据各行业的碳价格映射关系以及公式（4）和公式（5），可计算不同碳价格水平对FDI相对规模和绝对规模的边际效应和累积效应。为了节约篇幅，这里仅报告六大高耗能高污染行业和受碳价格影响最大的六个非高耗能行业的情况。依据图2—图5，总体而言，高耗能行业中FDI绝对规模变动幅度大于FDI相对规模，边际效应随碳价格增加而增加，而累积效应随碳价格增加而减小；非高耗能行业中FDI的相对规模变动幅度大于FDI绝对规模，边际效应和累积效应都随碳价格增加而增加。

具体而言，当碳价格为50元和100元时，可以促使高耗能行业FDI相对规模累积下降2%—7%和4%—135%，绝对规模累积下降3%—13%和7%—23%，促使非高耗能行业FDI相对规模累积提高1.5%—3%和2.5%—5.5%，绝对规模累积提高0.1%—0.3%和0.2%—05%。受影响最大的两个高耗能行业是石油加工炼焦及核燃料加工业和电力、热力的生产和供应业；受影响最大的两个非高耗能行业是煤炭采选业和造纸及纸制品行业。

5 结 论

本文构建了碳价格和煤炭、汽油等5种能源价格的映射关系，并用面板数据模型论证了外商直接投资与能源成本及其他经济因素的相关性，在回归结果的基础上分析了碳价格对FDI规模和结构的潜在影响。论文的主要结论如下：

（1）碳价格与能源成本之间存在映射关系。由于不同工业行业的能源消费结构有所差异，同一碳价格对不同工业行业能源成本的影响具有异质性。碳价格对高耗能行业，特别是石油加工炼焦及核燃料加工业和电力、热力的生产和供应业的成本影响最大。

（2）能源成本对中国吸引FDI相对规模和绝对规模的影响在高耗能行业和非高耗能行业间存在显著的差异。在高耗能行业，能源成本的提高会阻碍外商资本的流入；但在非高耗能行业，提高能源成本甚至会提高外商直接投资的规模。

（3）碳价格对中国工业吸引FDI不存在显著的负向影响，反而有助于优化外资流入的行业结构。具体而言，碳价格将导致高耗能行业FDI相对和绝对规模的下降，但可以促进非高耗能行业FDI相对和绝对规模的上升，有利于工业结构的清洁化。其中，碳价格为50元时，高耗能行业FDI相对规模累积下降2%—7%，绝对规模累积下降3%—13%；然而，非高耗能行业FDI相对规模累积会增加1.5%—3%，绝对规模累积增加0.1%—0.3%。

中国将于2017年启动全国碳交易市场。届时，碳市场将覆盖中国31个省、市、自治区的主要高耗能行业。尽管碳市场对外资的影响并非该政策工具的主要考量，但由于外商直接投资对中国的经济发展、就业和技术进步均具有重要的意义，需要就碳市场不同价格水平对工业行业吸引FDI的潜在影响有科学的认识和把握。本文的结果发现，碳市场在其能源环境效应之外，对工业吸引外资的行业结构优化具有重要的影响，特别是有助于降低高耗能行业的外资流入和占比，提高非高耗能行业的外资比重。这与中国近年来提升外资质量、优化外资进入的行业结构、重视外资企业的环境能源效应的投资政策相一致。

因此，从中国碳市场的政策设计来看：①是要从严设置碳市场配额总量，使碳市场维持一定的碳价格水平，考虑设置碳价格地板价等价格调控措施，增强碳市场政策工具的有效性。②是在碳市场覆盖的行业范围上，全国碳排放权交易市场拟逐步纳入石化、化工、建材、钢铁、有色、造纸、电力和航空等8个工业行业，多为本文所涉及的高耗能行业。若能将覆盖行业进一步扩展至非高耗能行业，降低企业的纳入门槛，对优化FDI行业结构有重要意义，亦将助力中国经济的结构优化和绿色发展。

参考文献（References）

[1]刘宏， 李述晟. FDI对中国经济增长、就业影响研究——基于VAR模型[J]. 国际贸易问题， 2013 （4）： 105-114. [LIU Hong， LI Shusheng. Influence of FDI on Chinese economic growth and employment：based on the VAR model[J]. Journal of international trade， 2013 （4）： 105-114.]

[2]COPELAND-B R， TAYLOR M S. Northsouth trade and the environment[J]. Quarterly journal of economics， 1994， 109（3）： 755-787.

[3]赵忠秀， 王苒， 闫云凤. 贸易隐含碳与污染天堂假说——环境库兹涅茨曲线成因的再解释[J]. 国际贸易问题， 2013 （9）： 93-101. [ZHAO Zhongxiu， WANG Ran， YAN Yunfeng. Embodied carbon emission and pollution heaven hypothesis： reexplaining environmental Kuznets Curve[J]. Journal of international trade， 2013 （9）： 93-101.]

[4]魏玮， 宋一弘， 刘志红. 能源约束、环境规制对FDI流动的经济效应分析——来自215个城市的经验证据[J]. 审计与经济研究， 2013 （2）： 106-112. [WEI Wei， SONG Yihong， LIU Zhihong. Economic effect analysis from energy constraints and environmental regulation to FDI flow： empirical evidence from 215 cities in China [J]. Audit and economy research， 2013 （2）： 106-112.]

[5]朱平芳， 张征宇， 姜国麟. FDI与环境规制：基于地方分权视角的实证研究[J]. 经济研究， 2011 （6）： 134-145. [ZHU Pingfang， ZHANG Zhengyu， JIANG Guolin. Empirical study of the relationship between FDI and environmental regulation： an intergovernmental competition perspective[J]. Journal of economic research， 2011 （6）： 134-145.]

[6]LIST-A J， CO Y C. The effects of environmental regulations on foreign direct investment[J]. Journal of environmental economics and management， 2000， 40（1）： 1-20.

[7]CAI-X Q， LU Y， WU M Q， et al. Does environmental regulation drive away inbound foreign direct investment？ Evidence from a quasinatural experiment in China [J]. Journal of development economics， 2016， 123： 73-85.

[8]FAETH I. Determinants of foreign direct investment：a tale of nine theoretical models[J]. Journal of economic surveys， 2009， 23（1）： 165-196.

[9]GARG V， BRIDLE R， CLARKE K. Energy pricing， energy supply and FDI competitiveness in Vietnam： an assessment of foreign investor sentiment[M]. Winnipeg： International Institute for Sustainable Development， 2015.

[10]申萌， 蔡宏波. 能源成本變化对异质性工业行业的影响[J]. 南京大学学报（哲学·人文科学·社会科学）， 2014， 51（6）： 27-35. [SHEN Meng， CAI Hongbo. The impact of energy costs on the heterogeneous industries [J]. Journal of Nanjing University （philosophy， the humanities， social sciences）， 2014， 51（6）： 27-35.]

[11]魏后凯， 贺灿飞， 王新. 外商在华直接投资动机与区位因素分析——对秦皇岛市外商直接投资的实证研究[J]. 经济研究， 2001 （2）： 67-76. [WEI Houkai， HE Canfei， WANG Xin. An analysis of motives and location factors of foreign direct investment in China： an empirical study of foreign direct investment in Qinhuangdao City. [J]. Journal of economic research， 2001 （2）： 67-76.]

[12]庄宗明， 马明申. 美国对华直接投资的发展及其影响因素分析[J]. 世界经济， 2007， 30（6）： 19-26. [ZHUANG Zongming， MA Mingshen. The development and its influencing factors of American FDI in China[J]. Journal of world economy， 2007， 30（6）： 19-26.]

[13]李善民， 李昶. 跨国并购还是绿地投资？——FDI进入模式选择的影响因素研究[J]. 经济研究， 2013 （12）： 134-147. [LI Shanmin， LI Chang. Crossborder M&A or greenfield investment： what affect choices between the two FDI entry modes？ [J]. Economic research journal， 2013 （12）： 134-147.]

[14]CULLEN A J， MANSUR T E. Inferring carbon abatement cost in electricity markets： a revealed preference approach using the shale revolution[R]. NBER， 2014.

[15]YANG M， FAN Y， YANG F X， et al. Regional disparities in carbon dioxide reduction from Chinas uniform carbon tax： a perspective on interfactor/interfuel substitution[J]. Energy， 2014，74（C）： 131-139.

[16]TUTHILL-L. Cost efficiency and environmental policy in US electricity generation： the case of the tradable SO2 allowance scheme[R]. Oxford Institute for Energy Studies， 2008.

[17]WAGNER L， MOLYNEAUX L， FOSTER J. The magnitude of the impact of a shift from coal to gas under a carbon price[J]. Energy policy， 2014，66： 280-291.

[18]PETTERSSON-F， SODERHOLM P， LUNDMARK R. Fuel switching and climate and energy policies in the European power generation sector： a generalized Leontief model[J]. Energy economics， 2012， 34（4）： 1064-1073.

[19]王班班， 齐绍洲. 有偏技术进步、要素替代与中国工业能源强度[J]. 经济研究， 2014，24（4）： 27-34. [WANG Banban， QI Shaozhou. Biased technological progress， factor substitution and Chinas industrial energy intensity[J]. Economic research journal， 2014， 24（4）： 27-34.]

[20]陳诗一. 中国工业分行业统计数据估算：1980—2008[J]. 经济学（季刊）， 2011， 10（3）： 735-776. [CHEN Shiyi. Reconstruction of sub-industrial statistical data in China （1980-2008） [J].

China economic quarterly， 2011， 10（3）： 735-776.]

[21]李永军. 中国外商直接投资行业分布的决定因素[J]. 世界经济， 2003 （7）： 23-30. [LI Yongjun. Determinants of the distribution of foreign direct investment industry in China[J]. Journal of world economy， 2003 （7）： 23-30.]

[22]王班班， 齐绍洲. 市场型和命令型政策工具的节能减排技术创新效应——基于中国工业行业专利数据的实证[J]. 中国工业经济， 2016 （6）： 91-108. [WANG Banban， QI Shaozhou. The effect of marketoriented and command and control policy tools on emissions reduction innovation： an empirical analysis based on Chinese industrial patents data[J]. China industrial economics， 2016 （6）： 91-108.]

[23]PENG S Z， CHANG Y， ZHANG J T. Consideration of some key issues of carbon market development in China[J].Chinese journal of population， resources and enlironment， 2015，13（1）：10-15.

[24]SUN R， KUANG D，CHANG D Q.Effect analysis of carbon trading on EconomyEnergyEnvironment system and calculation of reasonable carbon price intervals[J]. Chinese journal of population， resources and environment， 2015，13（2）：146-154.