经济增长、能源工业投资与中国省域工业碳排放的分析研究

0 引言

随着经济的快速发展，传统能源的消耗以及温室气体的排放给全球带来了严峻的环境问题。在转变经济发展方式和应对气候变化成为世界各国共识的前提下，中国政府提出力争于2030年前实现碳达峰，努力争取在2060年前实现碳中和的“双碳”目标。统计数据显示，中国工业碳排放约占总碳排放量的70%，工业部门作为CO

排放的主要来源，是政府制定“双碳”目标战略的着力点。

我国经济发展仍然依赖工业部门，经济活动从多角度、多方向影响着工业碳排放。一方面，经济水平的提高使基础设施建设需求以及居民生活用品需求日益增多，导致了工业生产活动的大规模运行，能源消耗不断增加，加快了CO

的排放。另一方面，经济的发展可以促进人才和资本的集聚，有利于技术的进步以及工业生产效率的提高，对碳排放起到抑制作用。此外，能源工业投资可以引导、规范和聚集社会资本进入清洁生产和低碳技术领域，有利于构建以结构优化为核心的新型能源体系，这将对工业部门的低碳发展起到至关重要的促进作用。因此，研究经济增长、能源工业投资与工业碳排放之间的关系对实现“双碳”目标具有重要意义。LIU&XIAO

、Fu等

的研究还指出工业碳排放存在明显的空间差异，表明在实证研究中分析工业碳排放的空间效应以及影响因素的溢出效应是十分必要的，可以为制定工业碳减排战略提供更加客观的政策建议。

女人心细，可也窄，尤其是对自己的境遇感到不平。她觉得自己并不比那个姓陈的女医生差，她也做过几起疑难手术，反响也好啊。而且还自己掏钱包为贫穷的乡下患者垫付医疗费。所吃的辛苦却得不到领导的认可，实在难以让人信服。

经济增长与环境发展的相关性一直以来是环境经济学研究的重点及热点领域。Grossman&Krueger

在对世界各国的环境污染和人均国民生产总值之间的关系进行研究时提出了环境库兹涅茨曲线（EKC）假说，发现经济增长和污染物排放之间呈“倒U”形曲线关系。此后，许多学者基于EKC假说理论展开了一系列的研究，得出的结论具有明显的差异性。吴英姿等

基于改进的STIRPAT模型研究了工业碳排放与经济增长的关系，证明了EKC假说的存在。Wang等

通过考察EKC假说的存在，试图明确经济增长与各种工业碳排放的影响，发现了经济增长与发电和供热部门CO

排放之间具有“倒U”形曲线关系。Talbi

通过向量自回归模型发现交通运输业碳排放与经济发展之间的相关关系也具有EKC特征。此外，部分学者从脱钩理论的角度进行分析，认为经济发展对工业碳排放的影响效应是不断变化的。方佳敏和林基

基于Topio脱钩指标发现2000-2011年中国工业行业与碳排放二者之间存在一定的脱钩效应。黄国华等

的研究指出，长江经济带地区的经济发展与工业碳排放总量之间的关系经历了从脱钩到挂钩再到脱钩的过程。同时，也有部分学者认为经济增长与工业碳排放具有直接的正相关关系。韩钰铃和刘益平

运用对数平均指数分解法将江苏省2002-2015年间工业碳排放的影响因素进行了分解，并指出经济发展促进企业加大对新产品的投入，新产品增产会使得工业碳排放量大幅度增长。Feng等

对珠海工业部门碳排放进行了研究，指出经济产值的增长会直接导致工业碳排放的增加。

能源投资相关的研究文献主要集中于对能源投资产生的经济与环境效应以及低碳经济背景下的清洁能源技术投资等领域。张金珠等

实证分析了中国在“一带一路”沿线国家的能源投资对东道国各部门增加值和碳排放的影响，指出相较于对生态环境造成的消极影响，能源投资为沿线各国带来的经济效益更加可观。何凌云等

学者研究了可再生能源投资总量和结构对碳排放的作用效应。结果显示二者之间没有直接相关性，但是可再生能源投资通过经济总量和能源效率路径对碳排放起到拉动作用。谭飞燕和罗双临

、Ganda

等学者开展了清洁能源技术投资对碳排放以及气候改善影响的相关研究，建议加强中国清洁能源技术的投资。

3月16日，福建省食品安全委员会办公室和省食品药品监管局下发《福建省2018年食品生产加工小作坊示范点创建及考核验收工作方案》。《方案》提出，在巩固提升2017年小作坊示范点创建成果的基础上，到2018年底，全省新建成100家小作坊示范点，通过示范点创建，打造一批生产过程管控严格、食品安全有效保障的标杆单位，形成可复制、可推广的小作坊示范典型，基本形成一点带一片的良好示范带动格局，引导和推动福建省小作坊规范生产、健康发展。此外，福建省从2018年省级食品安全专项资金中安排200万元，通过以奖代补的方式对评选确定为示范点的小作坊（不含厦门）给予补助，补助标准为2万元/家。

粮食安全是我国当前尤为关注的问题，同时也是国家农产品发展的关键点。我国是农业大国，也是粮食生产进口和出口大国。非洲东部及中西部地区，都是缺少粮食的地区，而我国的农业从古代开始发展，历史悠久，而且地域辽阔，积累起的种植技术和种植经验，对其他国家的农作物发展有促进作用，对保障粮食安全起了重要作用。

1 模型构建和数据来源

1.1 空间自相关分析

空间自相关分析是研究空间相关性的一种统计方法，可反映区域间的地理现象或属性值的相关性程度。空间相关性可以通过空间相关系数来表示，表达式如公式（1）所示：

1.2 空间计量模型的构建

工业部门碳排放的计算公式为：

为了提高实证结果的科学性和客观性，本文基于EKC假说引入经济增长的平方项，研究经济增长、能源工业投资对中国省域工业碳排放的影响，也为探究EKC假说是否成立提供论据。此外，将城市化、能源效率、产业结构以及能源消费结构作为解释变量引入综合效应的模型中，建立的计量模型的一般表达形式为：

综上所述，学者对经济增长与工业碳排放的相关关系已经进行了较为丰富的研究，但研究多集中于单个省份或局部地区，且研究范围主要针对具体的产业，对空间溢出效应的分析还不充分，也没有考虑能源工业投资对工业碳排放的影响。由此可见，关于经济增长和能源工业投资与工业碳排放的相关关系仍存在一定的探索空间，本文的主要贡献是引入空间因素，结合空间计量经济学模型从直接效应和空间溢出效应两个角度实证分析经济增长和能源工业投资对工业碳排放的影响，并为工业碳减排提出相应的政策建议。

将空间因素引入计量模型，构建2005-2018年空间面板回归模型以研究工业部门碳排放的空间集聚情况以及各解释变量工业碳排放的影响程度。空间计量模型包括空间自回归模型(SAR)、空间误差模型（SDM）和空间杜宾模型(SDM)。本文选择SDM模型进行实证研究，将因变量和随机误差项的空间关系同时引入模型，则计量模型的一般表达式可以修正为：

采用偏微分解释方法将估计系数进行分解，分析解释变量在本省以及相邻区域表现出的直接效应和空间溢出效应。参考Elhorst

的测度方法，将SDM模型作为分析的起点引入直接效应和空间溢出效应，其表现形式可以表示为：

生活化教学在实际的展开中还存在许多的问题。该种教学理念贯彻落实不到位是其问题之一，表现为不少教师对于生活化教学理念理解不到位，并且运用时缺少相应的方式和方法。此外，生活化教学需要加强师生之间的交流，但是在实际的课堂上师生之间有效沟通还存在问题，不利于生活化教学的有效落实。初中物理教学中教师的关注点是自己如何开展生活化教学，而在引导学生透过生活现象体会物理知识方面缺少有效措施，不利于深化生活化教学理念[1]。

矩阵表达式中的对角元素即代表解释变量对该地区被解释变量影响的直接效应，非对角元素代表解释变量对相邻区域被解释变量影响的空间溢出效应。

1.3 数据来源

从数据的可得性及完整性角度考虑，本文选取2005-2018年30个省份（西藏、港澳台地区除外）的面板数据进行实证研究。其中，根据《国民经济产业分类》(GB/T 4754—2017)对部门的划分标准，涉及的工业企业包括41个部门

，各部门CO

数据来源于中国碳核算数据库（CEADs）中的排放清单

，其余数据来源于《中国统计年鉴》《中国能源统计年鉴》和国家统计局。各变量的描述性统计数据详见表1。

海洋钻井公司规定，含油岩屑回收由平台提出申请，公司负责安排相应的船舶转运，并联系陆地有资质的单位来处理。每一个环节，都要求相关人员对岩屑运送情况做好如实记录，做好全过程的控制。

对第k个解释变量求偏导，则可以得到因变量相对于第k个解释变量在不同空间单元中的偏微分矩阵，表达式为:

2 实证分析及结论

2.1 中国省域工业碳排放的空间相关性检验

使用GEODA软件计算全局Moran’s I指数，对省域工业碳排放进行空间相关性检验，计算结果见诸于表2。其中2005-2018年中国各省份工业碳排放的Moran’s I统计量均为正值且在5%置信水平下通过显著性检验。因此，可以认为中国省域工业碳排放在空间分布中具有显著的正相关关系。

总体来看，中国省域工业碳排放的全局Moran’s I指数呈下降的变化趋势，这表明工业碳排放的空间相关性有所减弱，同时证明工业碳排放的空间依赖性仍然存在，不容忽视。中国省域工业碳排放的空间依赖性表明各省份工业碳排放的变化不仅受本地环境因素的驱动或干扰，也会受到相邻省份的影响。

综上，该区主矿脉SN向以及深部是寻找脉型矿体有利部位，隐伏岩体附近的蚀变带是寻找似层状矿体的重要靶区。

图1为2005年和2018年各省份工业碳排放的莫兰散点图。由图可得大部分省份的工业碳排放呈现出高水平集聚和低水平集聚的特征且区域分化明显，进一步证明了各省份工业碳排放存在空间相关性和异质性。

2.绿色债券制度逐步完善。我国绿色债券制度体系在顶层设计方面全球领先。中央和地方政府颁布多项相关政策，支持和鼓励绿色债券市场发展（见表1）。

为了更好地判断中国省域工业碳排放的空间集聚效应是否具有统计学意义，本文采用了LISA聚类分析法对上述结果进行验证。结果显示：2005年河北省、山西省、河南省和山东省表现为“高-高”型集聚效应，新疆维吾尔自治区和四川省表现为“低-低”型集聚效应，安徽省表现为“低-高”型集聚效应；2018年河北省、山西省、河南省、山东省、辽宁省和安徽省表现为“高-高”型集聚效应，新疆维吾尔自治区表现为“高-低”型集聚效应，四川省表现为“低-低”型集聚效应，以上结果均在5%置信水平下通过显著性检验。通过LISA聚类分析可得，中国工业碳排放形成了以河北省为中心向周边省份扩散的高水平空间集聚性，且范围逐渐扩大，直至2018年拓展至辽宁省和安徽省。由此可见，引入空间因素、运用空间回归模型分析城市化对中国工业碳排放的影响是合理且必要的。

2.2 空间面板计量模型实证分析

3)城市化水平的直接效应系数为-0.863 908、溢出效应系数为0.085 591，但溢出效应在统计上未通过显著性检验，说明城市化的发展抑制了本省工业企业的碳排放，而对邻省的影响效应不明显。这可能是因为在城市化建设进程中，各地区仍以本省为中心，促进本省人才和资本向城市的集中涌入，逐步推动本省产业结构的优化升级和生产技术的改革创新，从而为减少本省工业部门的碳排放起到了正向推动作用。短期看，各省份城市化的发展水平对相邻省份工业碳排放的影响并不能充分表现出来，因此当前主要考虑城市化发展的直接效应。

为了选择最适合的数据模型，本文首先选取非空间面板数据进行分析，建立了普通面板混合效应模型、空间固定效应模型、时间固定效应模型和双向固定效应模型。其次，通过LM检验方法判断模型是否具有空间固定效应和时间固定效应。计算结果详见表3，结论：空间固定效应模型的拟合优度R

高于其它三种模型的统计值，表明该模型的拟合效果最好；空间固定效应模型的LM spatial lag、Robust LM spatial lag、LM spatial error和Robust LM spatiallag均在1%置信水平下通过显著性检验；混合效应模型、时间固定效应模型和双向固定效应模型的Robust LM spatial lag在5%置信水平下未通过显著性检验，且混合效应的Robust LM spatialerror在5%置信水平下也未通过显著性检验。因此，本文选取空间固定效应模型进行实证研究。

莫兰指数法的分析结果表明各省份的工业碳排放存在显著的空间依赖性和空间异质性。LISA聚类分析进一步证明了引入空间因素的合理性和必要性。因此，基于LM检验结果，本文构建了空间固定效应下中国省域工业碳排放的空间面板回归模型。表4为空间固定效应下SDM模型的估计系数及检验结果，本文基于贝叶斯修正后的回归结果进行分析。

从结果中可以看出SDM模型的拟合优度为0.750，明显优于普通面板回归模型的拟合效果。此外，模型的Wald检验和LR检验均在1%置信水平下拒绝原假设，说明SDM模型为最优估计模型，不能退化为SAR模型或SEM模型。

虽然煤泥水系统改造取得了很好的效果，但也存在煤泥量高、部分低灰粗煤泥精煤需回收的问题。采样检测分析结果证明：精煤分级筛筛下水中大于0.18 mm粒级粗煤泥占本级46.96%，灰分为8.48%。选择合适的分级设备，将大于0.18 mm粗煤泥分出作为最终精煤，可增加精煤产率3%～4%，每年可再增加经济效益4 000多万元。

由表4可知，中国省域工业碳排放的空间滞后项系数显著为正，说明工业碳排放具有明显的空间溢出效应，且相邻省份工业碳排放的增加会导致本省工业碳排放的增加，弹性值为0.587 990。

经济活动对工业碳排放具有显著影响。一方面，本文的实证分析结果证明了经济增长与工业碳排放之间的相关关系具有EKC曲线特征，EKC模型为“倒U”形，该曲线存在一个拐点，通过对一元二次函数求导，得到拐点的对应值为0.825。对比变量的描述性统计结果可得，当前阶段工业碳排放随着经济增长呈现出下降的趋势，且通过了1%水平的显著性检验。另一方面，能源工业投资水平的提高显著抑制了工业碳排放的增加，影响系数为0.125 499。

3.双腔吸虫病。(1)定期驱虫；(2)粪便堆积发酵处理；(3)加强牛群管理,避免到利于中间宿主陆地螺及蚂蚁生存条件的地区放牧。

城市化发展对工业碳排放的增加具有抑制作用，且在1%水平下显著。从作用程度来看，城市化水平每提高1个单位，工业碳排放相应减少0.873 699个单位，这表明城市化也是工业碳排放的重要影响因素。产业结构对工业碳排放的影响系数为0.203 564，并通过了1%水平下的显著性检验，说明降低工业产业的占比对控制工业碳排放具有显著的正向促进作用。此外，能源消费结构和能源效率对工业碳排放的影响效应在10%水平下显著。从影响程度来看，煤炭消费量占比每下降1%可以使工业碳排放减少0.088 153%，单位生产总值的能耗量每下降1%可减少0.112 171%的工业碳排放。

2.3 直接效应和空间溢出效应分析及结果讨论

使用SDM模型的点估计方法进行分析可能会导致所得结论与实际情况出现偏差，因此本文讨论了解释变量的直接效应和空间溢出效应，分析结果详见表5。

由分析结果可得：

1)经济增长与本省工业碳排放呈显著的“倒U”形关系，表明存在一个阈值，当经济水平低于阈值时，工业碳排放随着经济水平的提高而增加；当经济水平高于阈值时，工业碳排放随着经济水平的提高呈现下降的趋势。通过对阈值的计算，目前我国各省份经济增长与工业碳排放之间的关系处于“倒U”形EKC曲线的下降阶段。究其原因：其一，我国经济已经进入高质量发展阶段；其二，第三产业结构占比逐渐增大，可持续发展的工业化进程稳步推进，工业部门能源消费结构逐渐实现清洁能源替代，绿色、节能、环保的生产技术减少了工业生产活动中的能源消耗。从溢出效应来看，经济增长与邻省工业碳排放之间的关系不具有EKC曲线特征，但是经济发展会导致邻省工业碳排放的增加，影响系数为0.879 542，在10%水平下显著，这表明在制定工业碳减排策略时，相邻地区的经济水平是不可忽视的因素。经济增长的空间溢出效应可表现为经济发展水平较高的地区为了提高其经济发展质量，将部分高污染、高碳排的制造业等企业转移至经济落后的相邻地区，从而导致其他省份工业碳排放的增加。

2)能源工业投资水平的直接效应系数为-0.189 933，间接效应系数为-0.717 964，均在1%置信水平下显著。此结果表明提高能源工业投资水平不仅可以控制本省工业碳排放的增加，而且为邻省的工业碳减排作出积极贡献。一方面，能源投资不仅可以推动绿色技术的创新，而且可以加大工业企业对高新技术研发资金的投入

，从而有效地抑制工业企业的碳排放。另一方面，能源投资结构会直接影响能源的消费结构。近年来，煤炭行业的投资比重逐渐下降，且投资增长速度也明显慢于天然气和电力等清洁能源产业

。

4)能源消费结构的清洁转型可以显著减少相邻省份工业CO

的排放，影响系数为0.421 924。当下，实现能源消费结构的清洁转型是社会发展的主流趋势之一。能源消费可以通过工业布局、技术溢出以及地区竞争等方式直接影响相邻省份的能源消费结构，进而间接影响工业碳排放。调整能源消费结构不仅可以促进本省资本的积累，而且可以促进工业企业之间绿色技术的合作与共享。

5)能源效率的提高对抑制本省以及相邻省份工业碳排放均具有促进作用，其中溢出效应系数为0.745 943，在1%置信水平下显著，这主要得益于技术进步的溢出效应。技术进步的溢出效应表现为各省份之间可以通过交流合作或专利权购买等方式实现技术共享和共同进步，使得各地区能源生产、加工转换率和工业部门的生产效率得到不断提高，从而降低了能源的过度消耗和浪费，抑制了工业碳排放的增加。

6)产业结构的直接效应系数为0.208 329，在1%水平下显著，空间溢出效应系数为0.036 388，未通过显著性检验，因此主要考虑产业结构的直接效应。实证结果表明降低工业产业的结构占比可以有效减少工业碳排放，但是目前我国经济增长仍然需要依靠工业的发展，此时产业结构的作用效应可以被视为警示效应。

3 政策启示

1)充分考虑空间依赖性和异质性的特征，制定工业碳减排战略时要因地制宜

对以河北省为中心的高碳排集聚群应加大治理力度，严格控制各省份的工业企业数量和发展质量。对新疆等低碳排省份应给予充足的政策、技术支持，使其继续保持低态势发展趋势。短期内，高碳排地区应该促进使用洁净能源转化技术提高化石能源的加工转换率，减少能源损失和环境污染；相关部门应该严格控制工业企业的污染物排放浓度，定期进行环保指数测评，及时整顿甚至淘汰不符合标准的高污染企业。从长远的角度考虑，国家应该提升化石能源的价格以提高工业企业在生产过程中支付的环境成本，对使用清洁能源的企业进行政策补贴以实现工业产出活动中的清洁能源替代计划。

2）促进经济协同发展可以有效控制工业碳排放

各地区应该加强经济合作，实现资本、劳动力和能源等要素的自由流动，从而缩小区域间经济发展的差距。东部地区应该利用地理和资源优势发展新兴产业，引领产业结构升级，为中西部地区经济发展提供高科技技术支持。西部地区应该充分开发利用风能、太阳能等清洁能源来发展经济，并为中东部地区工业产业升级和能源转型提供能源支持。中部地区应该发挥资源丰富、市场潜力大等优势做好东部地区的产业承接和西部地区的能源输送，培育工业发展新态势。

基层行政事业单位财务管理是指行政事业单位为履行相关社会公共职能，按照国家法律法规的规定对本单位活动经费进行预算、分配、应用、会计核算与监督的过程，以保证相关政府工作计划及任务的全面完成。财务管理在基层行政事业单位日常管理工作中占据重要地位，财务管理水平的高低决定着基层行政事业单位能否正常履行工作职责。十八大以来，财务管理工作的重要性被越来越多的行政事业领导所认识，各单位纷纷把财务管理工作提高到十分重要的位置。如何做好单位的财务管理工作，也成为广大管理者讨论的热点话题。

3）优化能源工业投资结构

2.1.4 处理阶段（A）。培训结束后，与馆长和组织培训的负责人请教，很开心得到认可。并建议我准备一个PPT，用一个专题形式来讲文献检索，时间大约控制在半个小时左右，以后就正式纳入新员工培训的系列课程。

3.课堂情景模拟再现。根据教师讲解的正确受理投诉的处理步骤，再结合小组交流的处理投诉的心得，在教师的指导下，由选中在课堂播放作品的小组成员，在课堂上再次完成小组客户投诉的情景模拟。其他小组，作为学习者观看，并且通过“雨课堂”发送弹幕的形式向教师发表自己的看法及体会，促进课堂交流互动，提高课堂沟通效率。意图是通过发送弹幕的形式，让学生能及时自由地发表自己的看法及体会；利用信息技术提高课堂沟通效率，克服了以往课堂发言占用较多时间，影响教学进度的问题；因人人都能参与，增加了学生的学习兴趣；调动了学生学习的主观能动性。

将投资目标集中于提高工业燃料质量和能源技术，投资主体集中于清洁能源产业，减少对化石能源项目的投资。能源工业投资结构在调整的过程中应该注重空间布局和协同优化，避免出现单个省份能源行业资金投入过高而导致邻省投资资金不足的现象。提高各省份的科技创新水平，促进产、学、研、用深度融合，将科学技术转化为实际生产力也是抑制工业碳排放的重要手段。技术进步直接影响能源效率水平的提高以及能源消费结构的清洁转型，一方面要积极普及碳捕集利用与封存技术等最具潜力的前沿碳减排技术，探索新型研发模式，促进科学技术与工业生产的紧密结合；另一方面要重视技术溢出效应，加强各省份之间绿色技术的交流合作，实现技术和创新的共享共通。

[1]Liu S,Xiao Q.An Empirical analysis on spatial correlation investigation of industrial carbon emissions using SNA-ICE model[J].Energy,2021,224.

[2]Fu Y,Sun WB,Zhao Y,et al.Exploring spatiotemporal variation characteristics of China's industrial carbon emissions on the basis of multi-source data.[J].Environ Sci Pollut Res,2021,28(30).

[3]Grossman G M.,Krueger A B.Economic growth and the environment[J].Narnia,1995,110(2).

[4]吴英姿,都红雯,闻岳春.中国工业碳排放与经济增长的关系研究——基于STIRPAT模型[J].华东经济管理,2014,28(1):47-50.

[5]Wang Y,Zhang C,Lu A T,et al.A disaggregated analysis of the environmental Kuznets curve for industrial CO

emissions in China[J].Appl Energ,2017,190.

[6]Talbi B.CO

emissions reduction in road transport sector in Tunisia[J].Renew Sust Energ Rev,2017,69.

[7]方佳敏,林基.中国工业行业经济增长与二氧化碳排放的脱钩效应——基于工业行业数据的经验证据[J].科技管理研究,2015,35(20):243-248.

[8]黄国华,刘传江,李兴平.长江经济带工业碳排放与驱动因素分析[J].江西社会科学,2016,36(8):54-62.

[9]韩钰铃,刘益平.基于LMDI的江苏省工业碳排放影响因素研究[J].环境科学与技术,2018,41(12):278-284.

[10]Feng J C,Zeng X L,Yu Z,et al.Decoupling and driving forces of industrial carbon emission in a coastal city of Zhuhai,China[J].Energy Rep,2019,5.

[11]张金珠,赵欣,刘宇,等.中国对“一带一路”沿线国家能源投资的经济与环境效应研究[J].科技促进发展,2021,17(1):42-51.

[12]何凌云,吴梦,尹芳.可再生能源投资总量和结构对碳排放的影响研究[J].中国地质大学学报(社会科学版),2017,17(1):76-88.

[13]谭飞燕,罗双临.低碳经济背景下国际清洁技术投资趋势与一般适用模型分析[J].现代经济探讨,2010(5):74-78.

[14]Ganda F.The impact of innovation and technology investments on carbon emissions in selected organisation for economic co-operation and development countries[J].J Clean Prod,2019,217.

[15]Elhorst J P.Matlab software for spatial panels[J].Int Reg Sci Rev,2014,37(3)：389-405.

[16]CEADs中国碳核算数据库[DS].https://www.ceads.net.cn/.

[17]Shan Y L,Guan D B,Zheng H R,et al.China CO

emission accounts 1997-2015[J].Sci Data 5,2018,170201.

[18]Shan Y L,Huang Q,Guan D B,et al.China CO

emission accounts 2016-2017[J].Sci Data 7,2020,54.

[19]何智励,汪发元,汪宗顺.环境规制、能源工业投资与绿色技术创新关系研究——基于全国2000—2019年数据的VAR模型分析[J].长江技术经济,2021,5(2):26-32.

[20]张丽峰,崔佳颖.我国能源工业投资与能源产量的计量经济模型研究[J].技术经济与管理研究,2009(3):3-5+13.