一、问题提出
中国已成为世界最大的能源消费国和世界最大的电力生产国。目前，中国的人均能源消费量仍远低于大多数的经济合作与发展组织（OECD）国家。因此，在目前的经济增长模式下，中国的能源消费在总量上仍将继续大幅增长。由于环境和能源资源的限制，中国必须找到新的经济增长模式，使能源消费与经济增长脱钩。在能耗指标中，电力消费一直与经济增长有着密切的关系，电力一直是经济增长的重要基础，了解电力消费和经济增长之间的内在联系，特别是两者之间的因果关系就变得非常重要。深刻理解电力消费与经济增长之间的因果关系，能够为中国的电力和能源建设，以及为制定有效的节能政策和经济政策提供重要的实证依据。
自学者J. Kraft and A.Kraft（1978）提出能源消费与经济增长因果关系这一研究问题之后，出现了大量的相关后续研究（韩智勇等，2004； 王火根， 沈利生，2007； 汪旭辉， 刘勇，2007；Ozturk，2010）。在能源和经济之间因果关系的研究中，一部分文献集中在电力消费与经济增长之间的研究上（Payne，2010），在这些研究中，只有一小部分的研究与中国相关（Chen et al.，2007；Apergis，Payne，2011），且针对性不强。
以往的中国“电力—经济”研究大多依赖于单一的时间序列数据（Shiu，Lam，2004； Soytas，Sari，2006；Cheng et al.，2013）。例如，林伯强（2003）基于生产函数通过协整检验和误差修正模型对全国的时间序列数据进行了实证研究，结论是GDP、电力消费、资本存量和人力资本之间存在长期均衡关系，短期来看，存在电力消费到GDP 的单向因果关系。在目前的文献中，很少有针对电力消费和经济增长的面板数据的分析，特别缺乏对中国的面板数据的分析。姜磊和吴玉鸣（2009）使用向量自回归（VAR）模型对电力和GDP 之间的因果关系进行分析，由于面板数据非平稳，其方法的选用上是不合理的。陈一博（2009）和Rong et al.（2011）采用二元模型分析了中国电力消费和GDP 增长之间的关系，但是二元模型对其他相关变量的遗漏可能会导致回归误差。
针对以往文献的不足，本文采用协整分析和向量误差修正模型（VECM），引入基于新古典生产函数的多元分析框架进行中国经济增长与电力消费之间的面板数据因果分析。研究中将资本和劳动力变量纳入模型以减小模型偏差。本研究充分考虑了东西部地区的差异问题，并从东西部的因果关系中发现了对全国普遍适用的因果规律。研究根据因果检验结果对于破解节能与经济发展的矛盾提出了建议。
二、数据和模型
本研究的面板数据覆盖了中国除西藏以外的30 个省份，时间跨度从1990—2011 年。为了建立多元分析框架，作者选取了四个变量，各变量的相应数据来自不同的资料。第一个变量是电力消费，相应的面板数据来自中宏数据库。第二个变量是描述经济增长的实际GDP， 该数据由作者根据GDP 指数和名义GDP 计算得出（按2000 年不变价格）。GDP 指数和名义GDP 的数据来自《中国统计年鉴》和《新中国六十年统计资料汇编》。模型中的第三个变量是资本变量，作者使用固定资本形成总额（按2000 年不变价计算）表示资本变量，由作者基于当年价格下的固定资本形成总额和固定资产投资价格指数计算得到，原始数据来自《中国统计年鉴》、《新中国六十年统计资料汇编》、中宏数据库。劳动力作为第四个变量，用15—64 岁的劳动力人口数表示。劳动力人口数的计算由不同省份的总人口和劳动力人口在总人口中所占的比重计算得出。数据来源于《中国统计年鉴》和《新中国六十年统计资料汇编》。所有的数据都取自然对数。在实证分析中，作者分别对全国整体数据，东部和西部省份的面板数据进行了检验，得出了对于全国、东部和西部不同的因果检验结论。东部省份包括19 个：北京、天津、河北、山西、内蒙古、辽宁、吉林、黑龙江、上海、江苏、浙江、安徽、福建、江西、山东、河南、湖北、湖南、广东；西部省份包括11 个：广西、海南、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆。
在面板数据分析中，有两个主要的技术问题：一个是多元模型中的变量选择，另一个是面板的异质性。对于第一个问题，之所以要考虑多元模型中的变量选择，是因为二元模型不考虑变量遗漏的影响，可能导致伪回归。在多元框架中，除了两个最为重要的核心变量，即电力消费和经济增长，还要考虑其他变量，以避免由于变量遗漏所引起的回归误差。在文献中，对辅助变量的选择基于不同的原则。Stern（1993）认为在生产函数中，资本、劳动力、能源均可视为经济增长的基本要素。因此，除了能源消费和GDP 之外，资本和劳动力被视为辅助变量的框架，广泛应用于以往的研究中（Yuanet al.，2008；Warr，Ayres，2010； Wolde-Rufael，Menyah，2010）。在其他一些文献中，除了资本和劳动力，也有其他一些变量被应用到研究中。比如，Costantini and Martini（2010）为了评估价格影响，使用能源价格作为辅助变量。Narayan and Smyth（2009）则把出口量作为辅助变量。为了研究全球气候变化，碳排放量也可以被作为辅助变量（Niu et al.，2011）。本研究采用Stern（1993）提出的新古典主义多元框架，即以生产函数为基础建立模型，因为该框架具有更坚实合理的理论支持。所以在我们的研究框架中，也将资本和劳动力的变量纳入其中，以处理模型中变量遗漏引起的误差。另外一个需要处理的技术问题是面板因果关系模型建构中面临的异质性问题。为解决这一问题，本研究采用了适宜的IPS 面板单位根检验（IM et al.，2003）和协整检验（Pedroni，1999，2001）方法。接下来将具体介绍使用的模型方法。
1. 面板单位根检验
面板单位根检验用于检验面板数据的平稳性。一些学者（Lee，Chang，2008；Costantini，Martini，2010） 认为面板数据的单位根检验要比时间序列检验更为可靠， 尤其在数据的时间跨度比较短的情况下。目前两种使用最为广泛的面板单位根检验方法分别是LLC（Levin et al.，2002）和IPS （Im，et al.，2003）。这两种检验方法最主要的区别体现在LLC 假定面板数据是均质的，而IPS 则允许面板异质性的存在。考虑到面板异质性问题，作者在研究中采用了IPS 检验。
2. 面板协整检验
作者在实际面板单位根检验过程中发现本研究中主要变量的面板数据都是非平稳的， 这就需要首先用协整检验来确定变量之间的长期关系，进而利用向量误差修正模型（VECM）进行Granger因果检验。Pedroni 的协整检验方法（Pedroni，1999）能够解决面板异质性问题，因此作者在本研究中采用了这一方法。
3. Granger 因果检验
在确定了变量之间的协整关系以后，就可以确定变量之间因果关系的方向和类型。因果关系的方向可分为三种：单向、双向和无因果关系。从电力消费到经济增长的单向因果关系意味着电力消费量的改变会对经济增长产生影响； 从经济增长到电力消费的单向因果关系意味着经济增长是电力消费增长的原因。双向因果关系则意味着电力消费和经济增长之间存在复杂互动关系，它们二者同时互相影响。无因果关系说明在电力消费和经济增长之间没有呈现出因果关系，也就意味着电力消费和经济增长是彼此独立的。
为了避免遗漏变量所引起的回归误差，可根据生产力函数建立如下多元分析模型：
方程组（1）中，Yi ，t表示实际GDP，Ei ，t表示电力消费；Ki ，t是固定资本形成，Li ，t是劳动力变量。
和
是系数。
是残差项。方程组（1）的系数估计可采用完全修正最小二乘法（FMOLS）（Pedroni，2001）。
基于方程组（1）可以得到动态的向量误差修正模型（VECM）。因果关系的方向和类型的检验都是通过向量误差修正模型实现。向量误差修正模型可以检验三种因果关系类型：短期因果、长期因果、强因果。本研究中考虑了资本和劳动力变量的多元向量误差修正模型（VECM）如下所示：
方程组（2）中，ΔYi，t ，ΔEi，t ，ΔKi，t ，ΔLi，t分别是实际GDP，电力消费，资本和劳动力的一阶差分；
是向量误差修正模型（VECM）的误差修正项，其与方程组（1）的残差存在如下关系：
是需要估计的系数；
和
是短期因果系数；
是长期调整系数； q 是经Akaike 信息准则（AIC） 或Schwarz 信息准则（SIC）调整后的滞后期；
是零均值的不相关残差。
在检验不同种类和方向的因果关系时，原始假设为因果关系不存在，即假设相应的系数为0。对于向量误差修正模型（VECM）的动态面板模型系数的估计本研究采用了广义矩估计（GMM）（Arellano，Bond，1991），因此，所有的假设检验都是卡方检验。
三、东西部差异与趋同
中国东西部的差异是分析中国电力消费与经济增长之间关系时必须考虑的问题， 在以往的研究中，不同学者对于东西部经济增长、能源消费、收入水平等方面的差异都有相关的分析，但是由于所使用的模型和变量不同，得出的结论往往也不同，东西部差异的一个核心问题是东西部的差异究竟是收敛趋同的还是发散扩大的，这也会直接影响到东西部电力消费与经济增长关系的异同：如果两个地区的差异是不断增大的， 二者的因果关系的结果也有可能有很大的不同； 如果差异是趋同的，则很有可能在因果关系的分析中发现适用于全国范围的总体规律。因此，作者对本文因果关系中涉及到的变量进行了计算和分析，通过研究涉及的指标的差异和趋势，以达到为以下的因果分析结果提供佐证和支持的目的。我们首先计算了东西部之间不同年度实际GDP、电力消费、固定资本形成和劳动力人口的比值（见图1）。
为了准确反映整体的差异趋势，减小统计数据中异常值的影响，我们同时采用了东西部各省份年度统计量的均值和中位数进行比较，我们发现两种比值反映的趋势总体上是一致的。首先可以清楚的看到，在经济增长方面，2009 年之前，东西部之间的差距是不断扩大的，2009 年开始出现缓慢的缩小。电力消费的差异变化曲线与GDP 的变化基本一致，也是先增大再减小，且两者均是在2008年达到峰值。这印证了电力消费与经济之间的密切联系。在投资方面，东西部的差距呈现周期性的波动；劳动力方面，东西部之间的差距一直在扩大，直到2011 年才有轻微的减小。我们还发现，所有四个变量之间的差距都在1.4 倍以上，这说明，在总量上，东西部的差距仍然十分明显。
东西部的比值表明了东西部差距的同时，也反映了地区差距收敛的趋势。为了进一步证明地区间发展差距的收敛趋势，我们计算了各省份之间的差异系数。除了计算传统的差异系数，同样为了减小异常统计值对趋势判断的影响，我们计算了具有更好鲁棒性的绝对离差中位数（MAD）和中位数的比值，我们将其称之为MAD 差异系数。我们对各变量的差异系数进行了计算（见图2）。差异系数的计算表明，中国各地区间在所计算的四个指标方面的差异是在逐步缩小趋同的。
综上所述，东西部电力消费和经济增长的差异可能会反映为东西部因果检验关系上的差别，但同时由于明显的趋同趋势的存在，也决定了东西部大体的因果关系趋势很有可能是一致的，这一猜想在后面的因果关系检验中得到了验证。换言之，东西部电力消费和经济增长的因果关系检验，从另一个角度反映了中国东西部地区在电力消费和经济发展水平上的差异和收敛。
四、实证结果
根据以上模型和数据，作者进行了相应的实证分析。首先将30 个省份的数据作为整体进行检验，进而分别对东西部省份数据进行了检验。遵循前文所述的方法，先对各变量和其一阶差分进行了面板单位根检验，以便确定变量的稳定性和单整阶数。面板单位根检验的结果如表1 所示。
对于东部而言，IPS 单位根检验表明四个变量（实际GDP、电力消费、资本、劳动力）的面板数据本身均存在单位根，因此它们都是不平稳的。对变量进行一阶差分之后，对于东部，各变量检验结果均为平稳，四个变量都是同阶单整，符合对四个变量进行协整检验的条件。
对于全国和西部而言，与东部不同的是，劳动力变量的检验结果是平稳的，为0 阶单整，因此西部的四个变量中只有三个同阶单整变量，即实际GDP、电力消费、资本，所以西部实证检验中的多元分析仅对这三个变量进行了协整检验。对东西部的劳动力单位根检验结果的不同可以做出如下解释，改革开放以来，人口流动规模不断加大，特别是农民工的增加，加速了全国范围内地区之间的人口流动，这就造成了西部地区劳动力规模不同程度下降，而东部地区劳动力不同程度增加，进而形成了东西部劳动力数据的平稳与非平稳的差异， 单位根检验的结果也说明了对东西部地区分别进行分析的必要性。
基于单位根检验的结果，运用Pedroni 的方法（Pedroni，1999），作者对全国、东部和西部的数据进行了协整检验。Pedroni 方法中构造了七个统计量（面板ν，面板ρ，面板PP，面板ADF，群ρ，群PP，群ADF）。Pedroni 认为这些统计量分别会在不同的数据条件下表现出最好的性能。面板ν 统计量为单边检验，拒绝域在正态分布的右侧，这意味着当有较大正统计值的时候，原假设被拒绝。其他六个统计量的拒绝域都在正态分布的左侧，这意味着有较小负统计值的时候原假设被拒绝。
作者首先对全国和东西部分别进行了不考虑资本和劳动力的二元检验。然后，作者又对全国和东西部分别进行了多元协整检验（见表2）。从全国的检验结果来看，二元协整检验和多元协整检验分别有6 个和5 个统计量显著，说明电力消费与经济增长之间具有协整关系。从东部来看，二元和多元的检验结果也都显示东部的电力消费与经济增长存在二元和多元协整关系， 二元结果相对更为显著。从西部来看，二元协整检验中有2 个统计量显著，多元协整检验则有5 个统计量显著。结果同时显示，在引入资本变量后，西部的电力消费、经济增长和资本之间的三元协整关系非常显著。西部的例子可以看到，通过引入其他变量，有可能发现原本在二元模型中无法找到的协整关系，减小了因遗漏重要变量出现回归估计偏差并最终无法检验出长期协整关系的可能。总体而言，多元和二元协整检验的结果大体上是一致的，而且多元检验降低了由于遗漏变量造成回归偏倚的可能性。接下来的因果检验中，我们将对二元因果和多元因果继续进行比较和讨论。
基于多元协整的存在，作者使用向量误差修正模型（VECM）对变量间详细的因果关系加以检验。作者分别对全国、东部和西部的短期、长期和强因果关系进行了检验。作为对比验证，作者首先进行了二元因果模型的检验，即不考虑资本和劳动力两个辅助变量。然后进行了多元模型的因果分析，对于全国和西部地区，由于劳动力和其他变量不是同阶单整，我们使用了三元模型，即GDP、电力消费和资本。对于东部，在多元因果分析中，由于劳动力和其他变量同阶单整，作者在因果模型中考虑了劳动力因素；同时，作者也对东部三变量模型（GDP、电力消费、资本）进行了因果检验，用于对照解释全国因果检验结果。所有的因果检验结果分别总结在表3—表7 中。表3 为全国、东部和西部的二元因果检验结果；表4 为全国的多元因果检验结果；表5 和表6 为东部的多元因果检验结果，表5 的检验结果来自于只考虑了资本影响的三元模型，表6 的检验结果来自于考虑了资本和劳动力影响的四元模型，表5 的结果便于与全国和西部的多元结果进行对比解释；表7 为西部的三元因果检验结果。
短期因果关系的含义是， 因变量的短期变化是由相应自变量短期变化引起的。长期因果关系中，则是检验误差修正模型中的误差修正项系数，即长期调整系数。变量间在达到长期平衡前会有短期波动的过程，误差修正项的系数表示了系统对这种短期波动的调整能力。强因果关系检验则是把短期检验和长期检验结合在一起，目的是为了找出从不稳定的短期状态达到长期均衡过程中，哪些变量起到主要作用，即哪些变量在长期因果关系中起主要作用。
如表3 所示，如果不考虑其他变量的影响，单就经济增长和电力消费之间的因果关系来看，从全国整体上来说，二者互为因果，既有长期因果，也有短期因果关系。从东部来看，二者具有相互的长期因果，但无短期因果联系。从西部来看，只存在从经济增长到电力消费的短期和长期的单向因果，即经济增长是短期电力消费增长的原因。当考虑了辅助变量的影响以后，多元因果检验的结果发生了很大的变化。如果将全国作为整体来看（见表4），考虑资本的影响以后，经济增长和电力消费之间不存在短期因果关系。长期因果结果表明电力消费和资本共同对经济增长存在长期影响，且强因果检验证明电力消费和资本都是这种长期影响的主要原因， 可以认为存在从电力消费到经济增长的长期因果关系。但是，由于东西部在劳动力数据的单整阶数上存在不同，将全国作为整体进行检验的结果可能会出现偏差。
从东部地区来看，如果只考虑资本的影响，因果检验结果如表5 所示，不存在任何因果关系。这一结果说明，在不考虑劳动力的情况下，全国整体的检验结果主要是受到了来自东部的影响。但由于东部地区的劳动力处于非稳态， 在没有考虑劳动力的变化的情况下做出的因果分析结论是不全面的，也就是说将全国作为整体进行分析是不合理的，这进一步说明必须将东部和西部地区分开进行因果检验。
如果考虑了劳动力的影响，东部地区的多元因果检验结果如表6 所示。表6 中的短期因果检验表明存在从经济增长到电力消费的单向短期因果。长期来看，一方面，长期因果检验说明从电力消费到经济增长存在资本和劳动力共同作用下的长期因果， 且强因果检验进一步说明电力消费是经济增长的长期原因。另一方面，不存在从经济增长到电力消费方向的长期因果。西部的多元检验结果如表7 所示，短期因果检验表明，存在从经济增长到电力消费的单向短期因果关系。长期来看，长期因果和强因果检验表明在资本的影响下，经济增长和电力消费存在双向的长期因果关系。
以上的因果检验结果可以总结出两点发现。一是二元因果检验和多元因果检验的结果存在明显不同，而在政策分析中，我们需要充分考虑其他基本因素的影响。因此，以下的政策分析和建议，都将基于多元因果关系分析的结果。二是分地区的因果检验结果存在不同，包括所需考虑的辅助变量也有不同，应该将全国分为东西部加以分析，否则得出的结论是不准确的。西部的分析中，我们只需考虑资本变量，因为劳动力变量处于稳态。而对于东部，由于劳动力变量不处于稳态，需要在因果分析中加以充分考虑。表8 总结了东西部因果检验得出的最终结果。基于东西部的因果检验结果，我们可以总结出全国性的普遍规律和东西部之间存在的差异。
五、结论和政策建议
中国电力消费与经济增长的因果分析，对于揭示二者之间的内在联系，对国家节能减排、电力规划以及经济发展的相关政策有着重要的影响。本文采用多元分析模型，基于1990—2011 年中国30 个省份的面板数据，对中国东西部的经济增长和电力消费进行了面板因果关系分析。本研究可以得出以下结论：①各地区的电力消费与经济增长之间存在着普遍共同规律，这也从新的角度印证了东西部差异的收敛趋同性。从短期来看，中国无论东、西部都存在着从经济增长到电力消费的单向因果关系，短期内电力消费量将受到经济发展速度的影响，经济的短期快速增长必然会导致能源需求、电力需求的上升。电力消费作为一个反映能耗的可靠指标，从经济增长到电力消费这一单向因果说明，中国经济的短期过快增长将影响到节能减排目标的完成，节能减排目标的实现在需要确保经济增长的压力下将存在相当大的难度。从长期来看，中国存在从电力消费到经济增长的反向因果关系。这说明，中国的经济仍然依赖于能源消耗型的产业，如电力、钢铁、建材、有色、化工和石化等，长期的节能减排措施会对经济增长产生影响。②长期来看，东西部地区电力消费与经济增长的关系存在差异。相对于东部地区而言，西部地区还存在从经济增长到电力消费的反向长期因果。西部地区经济增长和电力消费之间的双向因果关系说明西部的电力消费与经济增长之间相比东部反而存在更高的关联度。由于西部相对东部发展相对滞后，产业结构的层次低于东部，电力消费和经济增长关联度小的服务业比重相对于东部来说比较小，而高能耗的传统行业占的比重更大，因此，尽管西部的经济规模要小于东部，但是电力消费与经济增长的关联度反而更高。这也说明，西部作为国家经济发展中的后发地区，反而面临更为复杂的经济转型和节能减排挑战。③因果检验的结果还说明了资本和劳动力对于协调中国节能和经济增长之间关系的作用。短期来看，投资和劳动力的增长既会促进经济的增长，也会造成电力消费量的上升。因此，短期的经济活动中，投资和劳动力是一把双刃剑，在为经济提供动力的同时，过度的投资和过快的劳动力变化会对能源资源造成负面的压力。从长期来看，在节能减排不放松的情况下，可以通过合理投资和提高劳动力素质来抵消节能对经济增长的不利影响，实现经济的稳定增长。
基于以上结论，本文提出以下政策建议：
（1）国家的经济增长目标应当遵循适度的原则，从单纯追求GDP 向“稳增长、调结构”转变。经济增长是国家规划中最重要的目标之一，自“八五”时期以来，一直存在着实际经济增长速度远高于目标值的现象。在“八五”和“九五”期间，平均每年GDP 的预期增速是6%，而“八五”期间的实际年均增速是12%，“九五”期间的实际年均增速是8.3%。“十五”期间，平均每年GDP 的预期增速是7%，而实际年均增速达到了9%。在“十一五”期间，平均每年GDP 的预期增速是7.5%，而实际增速是9.2%。经济增长目标和经济增长实际速率之间的差距充分说明了中国以往过度鼓励经济高速增长的政策导向。从得到的因果关系来看，盲目追求GDP 的政策导向首先会影响短期阶段性节能减排目标的完成，长期来看，这种严重依赖能源和电力消耗的经济发展模式，不利于中国经济的转型和可持续发展，这样的经济增长也是难以为继的。在经济转型和节能减排的要求下，GDP 的增长的适度降低是可预见的，因此“十二五”规划调低GDP 预期目标是合理的。作者建议建立新的更为科学的地方政绩考核体系。例如：对于特定的地区和省份，不将GDP 作为考核地方政绩的手段，以减少能耗，对其资源和生态等功能加以保护；只对省一级政府进行GDP 考核，且弱化GDP 在考核中所占比例，加强社会公共服务等综合方面的评估。
（2）要坚持节能减排的力度，通过积极的资本和劳动力政策协调节能与经济增长的关系，实现可持续发展的目标。可以看到，尽管能源消费，特别是电力消费的下降会对经济增长的速度产生影响，但是由于资本和劳动力要素的调节作用，其影响是可控的。节能减排对经济的负面影响可以通过资本和人力资源方面政策的调整进行对冲。投资一直对中国经济增长起着至关重要的作用，从因果关系结果可以看到其对经济的促进作用，但是同时投资也有刺激电力消费的作用，因此，中国的投资政策应当是在遏制过热投资的同时，将重点放在盘活社会资金、引导投资领域、提高投资利用效率上。通过财政投入和鼓励银行贷款对新能源、节能和能效等领域进行引导性和政策性投资，从而通过投资来改变经济发展模式和能源消费结构。为了进一步调动劳动力对经济的积极作用，减小节能减排对经济增长的压力，应该注重通过发展教育来提高劳动者素质。通过发展教育，获得大规模的人力资源红利，这在未来不仅可以有效地抵消人口红利不断减少的负面作用，而且还可以保持人力资本总量的持续增加，从而支撑整个中国经济的长期持续高增长，为未来20 年中国成为世界经济强国提供巨大的丰富的人力资源基础。因此，应当以建设人力资源强国为目标，进一步扩大教育规模；全面提高教育质量；保证教育优先，加大教育投入；建立完善的教育量化指标体系；加强职业教育，提高职业教育质量；加快中等职业教育发展，实现中等职业教育和普通高中教育比例大体相当；加大农业劳动力培训，为农业现代化输送技术人才；加大农民工培训。以上政策的最终目标是通过教育达到增加人力资源，提升劳动力水平的目的。
（3）东西部长期因果的不同表明，在节能和经济增长政策的制定和执行过程中，要充分考虑东西部的差异，做好有针对性的地区规划。现阶段东西部在经济发展水平和模式上仍存在较大差距，这也造成了东西部电力消费与经济增长因果关系的差别。面对这种差异，要在区域政策和规划上差异化、具体化。对于东部，更多的政策重点应当放在如何推动经济转型，减小资源和电力的压力上；对于西部，则应当在首先确保自然生态和资源不受到破坏的前提下，适度开发西部的风电、水电和光伏等清洁能源；最终目标是形成东部支持西部开发，西部的多余清洁电力输出东部的良性模式。
参考文献:
〔1〕J. Kraft， A. Kraft. Relationship between Energy and GNP[J]. Journal of Energy and Development， 1978，（3）.
〔2〕Ilhan Ozturk. A Literature Survey on Energy-Growth Nexus[J]. Energy Policy， 2010，38（1）.
〔3〕James E. Payne. A Survey of the Electricity Consumption-Growth Literature[J]. Applied Energy， 2010，87（3）.
〔4〕Chen， S.T.， H.I. Kuo， and C.C. Chen. The Relationship between GDP and Electricity Consumption in 10 Asian Countries[J]. Energy Policy， 2007，35（4）.
〔5〕Nicholas Apergis， James E. Payne. A Dynamic Panel Study of Economic Development and the Electricity Consumption-Growth Nexus[J]. Energy Economics， 2011，33（5）.
〔6〕Alice Shiu， Pun-Lee Lam. Electricity Consumption and Economic Growth in China [J]. Energy Policy， 2004，32（1）.
〔7〕Ugur Soytas， Ramazan Sari. Can China Contribute More to the Fight against Global Warming [J]. Journal of Policy Modeling， 2006，28（8）.
〔8〕Cheng， Y.S.， W.K. Wong， and C.K. Woo. How Much Have Electricity Shortages Hampered China’s GDP Growth[J]. Energy Policy， 2013，（55）.
〔9〕Rong， L.， M. Xiaoqing， and K. L. Lo. Electricity Consumption———Economic Growth Nexus in China： Evidence from Provincial Panel Data[R]. Power and Energy Society General Meeting， 2011.
〔10〕David I. Stern. Energy and Economic Growth in the USA： A Multivariate Approach[J]. Energy Economics， 1993，15（2）.
〔11〕Yuan， J.H.， J. G. Kang， C. H. Zhao， and Z. G. Hu. Energy Consumption and Economic Growth： Evidence from China at Both Aggregated and Disaggregated Levels[J]. Energy Economics， 2008，30（6）.
〔12〕Benjamin S. Warr， Robert U. Ayres. Evidence of Causality between the Quantity and Quality of Energy Consumption and Economic Growth[J]. Energy， 2010，35（4）.
〔13〕Yemane Wolde-Rufael， Kojo Menyah. Nuclear Energy Consumption and Economic Growth in Nine Developed Countries[J]. Energy Economics， 2010，32（3）.
〔14〕Valeria Costantini， Chiara Martini. The Causality between Energy Consumption and Economic Growth： A Multi-Sectoral Analysis Using Non-Stationary Cointegrated Panel Data[J]. Energy Economics， 2010，32（3）.
〔15〕Paresh Kumar Narayan， Russell Smyth. Multivariate Granger Causality between Electricity Consumption，Exports and GDP： Evidence from A Panel of Middle Eastern Countries[J]. Energy Policy， 2009，37（1）.
〔16〕Niu， S.， Y. Ding， Y. Niu， Y. Li， and G. Luo. Economic Growth， Energy Conservation and Emissions Reduction： A Comparative Analysis Based on Panel Data for 8 Asian-Pacific Countries[J]. Energy Policy， 2011，39（4）.
〔17〕Im， K.S.， M.H. Pesaran， and Y. Shin. Testing for Unit Roots in Heterogeneous Panels[J]. Journal of Econometrics，2003，115（1）.
〔18〕Peter Pedroni. Critical Values for Cointegration Tests In Heterogeneous Panels With Multiple Regressors [J].Oxford Bulletin of Economics and Statistics， 1999，61（S1）.
〔19〕Peter Pedroni. Fully Modified OLS for the Heterogeneous Cointegrated Panels [J]. Advances in Econometrics，2001，（15）.
〔20〕Chien -Chiang Lee， Chun -Ping Chang. Energy Consumption and Economic Growth in Asian Economies： A More Comprehensive Analysis Using Panel Data[J]. Resource and Energy Economics， 2008，30（1）.
〔21〕Levin， A.， C.F. Lin， and C.S.J. Chu. Unit Root Tests in Panel Data： Asymptotic and Finite-Sample Properties[J]. Journal of Econometrics， 2002，108（1）.
〔22〕Manuel Arellano， Stephen Bond. Some Tests of Specification for Panel Data： Monte Carlo Evidence and An Application to Employment Equations[J]. The Review of Economic Studies， 1991，58（2）.
〔23〕韩智勇，魏一鸣，焦建玲，范英，张九天. 中国能源消费与经济增长的协整性与因果关系分析[J]. 系统工程，2004，（12）.
〔24〕王火根，沈利生. 中国经济增长与能源消费空间面板分析[J]. 数量经济技术经济研究， 2007，（12）.
〔25〕汪旭辉，刘勇. 中国能源消费与经济增长：基于协整分析和Granger 因果检验[J]. 资源科学， 2007，（5）.
〔26〕林伯强. 电力消费与中国经济增长：基于生产函数的研究[J]. 管理世界， 2003，（11）.
〔27〕姜磊，吴玉鸣. 电力消费与经济增长的区域差异研究[J]. 经济前沿， 2009，（7）.
〔28〕陈一博. 中国经济增长与电力消费关系的实证检验[J]. 统计与决策， 2009，（8）.