中国“一带一路”沿线城市能源消费影响因素研究

王双英 陈海宁 魏萍

摘要：“一带一路”倡议作为打造合作国家命运共同体的全球顶层设计，对中国经济发展、能源贸易等方面影响重大。利用2005—2019年13个“一带一路”沿线城市的能源消费数据，构建双向固定效应模型，来探讨多因素对城市能源消费的综合影响。研究表明，FDI、R&D经费内部支出、经济水平、贸易规模和产业结构对能源消费总量有显著的正向影响，其中，经济水平的影响最为突出;“一带一路”政策、人口規模和城镇化率对能源消费总量的影响显著为负，其中，人口规模对能源消费的抑制作用最大。

关键词：“一带一路”倡议;能源消费;双向固定效应模型

中图分类号：F206

文献标识码：A

文章编号：1673-5595（2022）02-0019-08

一、引言

改革开放以来，中国经济迅速增长的同时，能源消耗量越来越大，经济发展与能源消费之间的矛盾日益突出。能源消耗的快速上涨导致能源安全问题凸显，且难以支撑经济的可持续发展，同时也带来了日益严峻的环境问题。

党的十八大以来，中国致力构建多元清洁的能源供应体系，不断深化能源体制改革，持续推进能源领域国际合作，中国能源进入高质量发展新阶段。2013年，习近平在访问中亚和东南亚期间，分别提出了建设“新丝绸之路经济带”和“21世纪海上丝绸之路”的合作倡议（以下简称“一带一路”倡议），在国际社会上得到广泛关注。在此背景下，加强“一带一路”能源合作有利于带动更大范围、更高水平、更深层次的区域合作，促进世界经济共同繁荣和可持续发展。“一带一路”建设作为中国构建对外开放新格局、深化国家能源合作的新契机，有利于推进中国能源改革的新进程。在新的开放格局下，“一带一路”沿线及节点城市作为中国加大开放的前沿地区，其对外贸易和外商直接投资是中国对外开放的重要内容之一，能推动中国的经济发展和能源转型。那么，“一带一路”倡议对“一带一路”沿线及节点城市的能源消费是否有影响，有什么影响，如何更好地推广“一带一路”倡议？已有研究多集中于沿线区域之间的能源合作，较少对“一带一路”沿线城市的能源消费进行探讨，涉及“一带一路”倡议对城市能源消费影响的文献更是屈指可数。因此，研究中国“一带一路”沿线及节点城市的能源消费状况和“一带一路”的政策效应具有重要的现实意义。

二、文献回顾

2013年以来，“一带一路”倡议对相关国家和地区经济、贸易的影响受到众多学者的广泛关注，研究发现“一带一路”倡议能够显著提升区域内贸易往来及贸易便利程度。随着经济的发展，众多学者将目光转向能源领域，从不同的角度对“一带一路”沿线区域的能源问题进行了大量研究分析。

一方面是“一带一路”建设与国家能源合作关系研究。刘佳骏[1]认为“一带一路”建设深化了与沿线国家的能源战略合作关系，形成能源供给短距离化关联区。林伯强[2]研究了“一带一路”建设对中国煤炭市场的机遇。陈晓等[3]则通过分析“一带一路”沿线国家能源消费现状和中国新能源发展状况，提出了新能源合作的模式与机制。余晓钟等[4]分析了“一带一路”绿色低碳化能源合作的内涵、意义、现状和困境，并在此基础上提出绿色低碳化能源合作的实施路径。

另一方面是对“一带一路”沿线区域的能源量化分析，主要集中于沿线区域能源效率、能源强度及能源消费三个方面。在能源效率方面，Zhang等[5]通过分析“一带一路”沿线国家的能源效率，发现沿线各国的总体能源效率较低，但是具有巨大的节能潜力。李晓菲[6]选取2003—2015年“一带一路”沿线省份的相关数据，基于Bootstrap-DEA模型计算全要素能源效率值，研究发现“一带一路”沿线省份的全要素能源效率不高，处在“倒U型”曲线的右侧，且区域间的能源效率发展具有不平衡性和差异性。在能源强度方面，Huang等[7]研究发现“一带一路”倡议沿线各国的贸易水平不断提升的同时，能够加速其能源强度的趋同。姜璐等[8]利用空间自相关分析，发现沿线国家在能源强度方面具有较强的空间关联性，且区域能源生产消费强度不均衡。在能源消费方面，姜安印等[9]利用1990—2016年的面板数据，构建面板向量自回归模型，分析中亚国家的经济增长与能源消费之间的关系，发现中亚地区的经济增长与能源消费在整体上呈现相互促进的作用，且不同类型的能源消费对经济增长具有不同的促进作用。

对于能源消费的研究，多聚焦于能源消费影响因素研究。能源消费与经济增长之间的关系一直是学者们研究的热点问题。通过文献梳理发现，已有研究中关于能源消费与经济增长关系的结论可归纳为三种。第一种是经济增长与能源消费之间具有因果关系。Kraft 等[10]最早发现能源消费与经济发展水平存在因果关系，选取1947—1974年美国的能源消费与GNP的数据进行分析，发现美国GNP与能源消费存在单向因果关系;Omri[11]、姜安印等[9]学者也得出类似的结论。也有一些学者因为研究对象的不同、时间跨度的长短及研究方法的差别，发现两者之间存在双向因果关系，如Paul等[12]利用1950—1996年的数据，研究印度的能源消费和经济增长之间的关系，发现两者之间存在双向的因果关系;Nasreen等[13]、张子荣[14]等也得出类似结论。第二种结论认为能源消费与经济增长之间具有非线性关系。如隋建利等[15]选取1978—2016年中国煤炭、石油、天然气和电力四种能源消费数据，建立非线性马尔科夫区制转移因果（MSE）模型，研究发现经济增长和能源消费之间具有非线性动态驱动机制;此外，张优智等[16]学者也得出类似结论。第三种结论认为两者之间没有因果关系。如Ozturk等[17]选取土耳其的数据，通过实证分析发现土耳其的能源消费与经济增长之间不存在因果关系;李小胜等[18]在研究中国的经济增长、污染排放与能源消费间动态关系时也得出了类似的结论。

有关城镇化与能源消费关系的研究，部分学者认为城镇化对能源消费具有正向影响，城镇化进程能够增加能源消费量。如Kurniawan等[19]基于1970—2015年的数据，构建ARDL模型分析印尼的经济增长、城镇化、工业和对外开放对煤炭消费的影响，确认各个变量之间存在长期协整关系，研究结果表明经济增长、城镇化和对外开放增加了煤炭消费，但是减少第二产业的份额会减少煤炭消费。吕连菊等[20-21]研究我国的城镇化水平与能源消费的关系，发现城镇化增加能源消费量，且两者存在非线性关系的结论。但是，Hori等[22]、汪泽波[23]等学者研究发现城镇化对能源消费具有负向影响，即城镇化降低了能源消费量。也有部分学者认为城镇化与能源消费的关系受多种因素的影响，如模型的选择、城市化阶段等，城镇化与能源消费之间的关系较为复杂且不确定。[24-27]

国内外学者研究发现产业结构与能源消费之间存在密切关系。Jacobsen[28]研究发现产业结构的变动会使能源消费急剧增加。路正南[29]选取1978—1997年中国各产业国内生产总值和能源消费等数据，建立能源消费模型，研究发现第二产业对能源消费的影响程度最大，其次是第一产业，最后是第三产业。陈首丽等[30]选取1991—2006年的能源消費数据，构建因素分解模型，研究发现2003年之前第三产业比重对能源消费具有正向作用，2003年之后则具有负向作用。

此外，也有学者研究城市化、经济增长与能源消费的关系[31]以及 FDI、R&D投入与能源消费的关系[32]，探讨经济增长、贸易规模等多种因素对能源消费的影响[33-34]。

综上来看，国内外学者对“一带一路”区域的研究多集中于区域间的能源合作，极少数的学者对“一带一路”区域的能源消费进行量化研究;国内外学者分不同区域、不同研究方法及不同时间跨度对能源消费展开了大量研究，研究多以国家和省级层面为主，一般讨论单一因素或多个因素对能源消费的影响，缺乏对城市能源消费及其影响因素的全面分析。随着《推动丝绸之路经济带和21世纪海上丝绸之路能源合作愿景与行动》的实施，“一带一路”倡议对相关城市能源消费的影响更值得探讨。

三、模型的设定及变量的选取

（一）模型的设定

为研究“一带一路”倡议对中国“一带一路”沿线城市能源消费的影响，本文以能源经济领域应用较为广泛的STIRPAT 模型[35]为基础，以经济水平、人口规模、技术水平为主要解释变量，增加FDI、贸易规模、城镇化水平、产业结构为次要解释变量，增加固定资产投资、居民消费水平、能源价格指数为控制变量，构建最终模型。

lnECit=αit+β1PE+β2lnGDPit+β3 lnPOPit+

β4 lnPRIit+β5lnFDIit+β6lnNEit+β7lnUit+β8lnISit+

β9lnIit+β10lnCPIit+β11lnEPit+εit（1）

式中：i为城市;t为年份;EC为能源消费总量;PE为“一带一路”政策效应;GDP为经济水平;POP为人口规模;PRI为技术水平;FDI为外商直接投资;NE为贸易规模;U为城镇化水平;IS为产业结构;I为固定资产投资，属于控制变量;CPI为居民消费水平，属于控制变量;EP为能源价格指数，属于控制变量;α为个体异质性;εit为随机扰动项。

（二）数据来源

根据中国“一带一路”沿线城市名单以及各个城市数据的可获得性，最终选取天津、上海、宁波、合肥、厦门、青岛、武汉、广州、深圳、湛江、汕头、重庆和三亚13个城市，研究所需的相关数据主要来源于13个城市2005—2019年历年的城市统计年鉴及各城市统计局官网。

（三）变量的选择和处理

由于能源消费总量影响因素众多，且各因素之间的作用尚不明确。在综合考虑前人文献研究的基础上，本文拟选取11个指标来分析能源消费的主要影响因素，其中，居民消费水平、能源价格指数和固定资产投资作为控制变量。

（1）政策效应（PE）。2015年3月28日，国家发展改革委、外交部、商务部联合发布了《推动共建丝绸之路经济带和21世纪海上丝绸之路的愿景与行动》。文件明确了沿线城市在推进“一带一路”建设中的重要作用，故本文把2015年作为“一带一路”建设起始年，PE在2015年之前取0，在2015年之后取1。该变量为虚拟变量。

（2）外商直接投资（FDI）。外商对一国或地区的投资会影响当地的经济发展和产业发展，进而影响当地的能源消费。[32]本文以实际利用外资额来表示FDI，各年份的平均汇率与之相乘转化为人民币来表示，并对其进行对数化处理（lnFDI）。

（3）贸易规模（NE）。净出口额是指一国或地区在一定时期内出口总额与进口总额的差值。若出口大于进口，为贸易顺差;若出口小于进口，则为贸易逆差。本文以净出口额表示贸易规模，以各年份的平均汇率与之相乘转化为人民币来表示。由于净出口额有正有负，故本文参考朱江丽等[36]的处理方法，对数据进行无量纲化和平移处理后再进行对数化处理（lnNE）。

（4）产业结构（第二产业比重IS和第三产业比重IT）。产业结构合理化对能源消费的影响主要体现在不同产业的能源消耗，特别是不同产业的比重变化会影响能源消费。本文以第二产业增加值占地区生产总值的比重和第三产业增加值占地区生产总值的比重来表示产业结构。

（5）人口规模（POP）。人口规模是地区的常住人口数量（万人）。一方面，人口规模的扩大能够产生更多的能源需求，加大能源消耗;另一方面，人口集聚可以集体供暖、发展公共交通，从而提高能源利用效率、降低能源消耗。本文以常住人口来表示人口规模，并对其进行对数化处理（lnPOP）。

（6） 城镇化水平（U）。城镇化进程的加快一般会增加能源消耗[22]，但也有少数研究表明城镇化水平会降低能源消费总量[24]。因此，研究城镇化水平对能源消费总量的影响是必要的。本文以城镇化率表示城镇化水平（U）。

（7）经济水平（GDP）。一国或地区的经济是能源行业发展的基础。以往的研究发现，经济水平对能源消费具有强烈的依赖性。因此，可以将经济水平作为影响能源消费的因素之一。本文以地区生产总值作为衡量经济水平的指标，以2000年为基期进行平减化处理，并且对其进行对数化处理（lnGDP）。

（8） 技术水平（PRI）。一方面，技术进步带来的经济发展往往伴随着能源需求量增加[33];另一方面技术水平的提高能够优化生产生活设备，进而降低能源消费。本文以R&D经费内部支出来表示技术水平，并对其进行对数化处理（lnPRI）。

（9） 固定资产投资（I）。固定资产投资额的增加一定程度上带动了产业的发展，加快了基础设施建设，进而增加能源消费。[33]本文对其进行对数化处理（lnI）。

（10）居民消费水平 （CPI）。居民消费水平的提高，一方面，会增加生活性能源消费;另一方面，在既定的经济规模下，抑制了其他高能耗经济成分的发展，从而降低了能源消耗。本文以居民消费价格指数代表居民消费水平。

（11） 能源价格指数（EP）。由需求理论可知，能源价格的高低影响能源消费量。目前，国内并没有统一的能源价格指数，从以往的研究来看，一般以工业行业中燃料、动力类购进价格指数来代表能源价格指数。因此，本文以燃料、动力类购进价格指数来代表能源价格指数。

上述变量定义与说明如表2所示。

四、实证分析

（一）变量的单位根检验

为检验样本数据的平稳性，需对面板数据进行单位根检验。在已有研究的基础上，本文选择LLC检验对面板数据进行检验，结果如表3所示。由表3可以看出，在LLC单位根检验中，5%的显著性水平下所有的变量均通过检验，所以该面板数据都是平稳的。

（二）自相关、异方差和截面相关检验

本文的面板数据为长面板数据，随机扰动项εit可能存在自相关、异方差和截面相关。因此采用GB检验进行自相关检验，采用沃尔德检验进行异方差检验，采用Breusch-Pagan LM检验进行截面相关检验。检验结果如表4所示，在1%的显著性水平下，强烈拒绝“不存在一阶组内自相关”的原假设;在1%的显著性水平下，强烈拒绝同方差的原假设;并在1%的显著性水平下，强烈拒绝截面相关的原假设。

（三）模型选择及估计结果分析

利用软件Stata 16，采用混合OLS回归模型、固定效应模型（FE）、随机效应模型（RE）、双向固定效应模型（FE_TW）、面板PCSE和全面FGLS等6类模型，对2005—2019年中国13个“一带一路”沿线城市的面板数据进行分析，结果如表5所示。

1.模型的选择

计算所得到的Hausman检验结果为29.74（0.000 5），由此可以发现固定效应方法比随机效应方法更合适，且固定效应模型中加入了时间效应，即应选择双向固定效应模型。由于篇幅有限，未显示FE_TW中的年份虚拟变量的结果。模型（4）、模型（5）和模型（6）都是包含个体效应和时间效应的双向固定效应，唯一的区别就在于模型（4）没有考虑自相关、异方差和截面相关的问题;模型（5）没有考虑截面相关;模型（6）则是全部考虑自相关、异方差和截面相关问题。由上文的自相关、异方差和截面相关检验的结果可知，应该选择模型（6）进行结果分析较为稳健。

2.模型结果分析

由表5可知，全面FGLS模型的回归结果表明“一带一路”政策对能源消费总量的影响显著为负。这说明“一带一路”对沿线城市的能源消费量具有抑制作用。可能原因在于“一带一路”政策的实施带动了沿线城市的经济发展和产业结构的升级优化，带来了国外的先进技术和经验，促进了对外贸易的发展和投资便利化，加强了“一带一路”沿线国家之间的合作交流，突出了“一带一路”建设的生态文明理念。

根据表5中模型（6）结果可知，外商直接投资（FDI）对能源消费总量的影响显著为正。在其他条件不变的前提下，外商直接投资每增加1%，能源消费总量相应增加0.005 4%。这说明外商直接投资对能源消费总量具有显著的促进作用。可能原因有以下两方面：其一，外商直接投资的流入使资金流入高能耗产业，促进了高能耗产业的发展，加剧了中国能源消费量的增長;其二，外商直接投资可以使本国企业更容易获得资金，这将导致企业进一步扩大规模，建立新的厂房和生产线，进而导致中国能源消费量的增加。贸易规模（lnNE）对能源消费的影响显著为正。在其他条件不变的前提下，该区域的净出口额每增加1%，能源消费总量就增加0.008 7单位。这说明净出口的增加能显著提高能源消费量，可能原因在于净出口的增加会带动国内的产业的发展、加大运输部门的运输量，从而增加能源的消耗。

城镇化水平（U）对能源消费总量的影响显著为负，这与汪泽波[23]的研究结论一致。在其他条件不变的前提下，城镇化率每增加1%，能源消费总量相应减少0.002 7%。这说明城镇化水平的提高能显著抑制能源消费量的增长。可能原因在于，随着城镇化的发展，越来越多的人涌向城镇，出现了人口集聚效应，一方面，由于经济集聚规模效应，城镇中消费的能源得到更有效率的利用，从而降低能源消耗;另一方面，随着城镇化的发展和城镇居民收入的提高，城镇居民会更加注重环境质量和生活质量，居民的节能环保意识增强，会更倾向于使用节能产品，采取更加环保的生活方式，从而降低了能源消费。但从回归结果来看城镇化对降低能源消费的影响不大。

人口规模（lnPOP）对能源消费总量的影响显著为负。在其他条件不变的前提下，常住人口每增加1%，能源消费总量相应减少0.277%。这说明人口规模的扩大能显著抑制能源消费的增长。其原因一方面可能是研究样本选择的是中国发达地区的大中型城市，人口数量的增加和集中能够使得电、暖、热等能源实现集中供应，且样本城市公共交通便利，提高了能源效率、减少了能源消耗，从而降低了能源消费总量;另一方面可能是随着国家节能减排的大力提倡，人们会选择节能产品和生活方式，从而降低了能源消费。

技术水平（PRI）对能源消费总量的影响显著为正。在其他条件不变的前提下，R&D经费内部支出每增加1%，能源消费总量相应增加0.031 7%。这表明技术水平对能源消费有显著的促进作用。可能是由于R&D经费在节能减排的技术上投入不足，或者当前的R&D经费多用于互联网工程、软件工程等，流入高能耗产业的资金居多，而用于节能减排技术的资金有限，从而增加了能源消费。

经济水平（地区GDP）对能源消费总量的影响显著为正。在其他条件不变的前提下，地区GDP每增长1亿元，能源消费增加0.19万吨标准煤，这说明，经济增长与能源消费总量的增减趋势基本一致，同时也说明经济增长是影响能源消费的主要因素之一。

产业结构（IS和IT）对能源消费总量的解释显著为正。在其他条件不变的前提下，第二产业增加值占GDP的比重每降低1%，能源消费总量减少0.027 3%;第三产业增加值占GDP的比重每降低1%，能源消费总量减少0.025 5%。这说明本区域的产业结构变动对能源消费总量具有正向的影响作用。

五、结论与建议

（一）主要结论

基于2005—2019年中国13个“一带一路”沿线城市的面板数据，对能源消费总量的影响因素进行分析，选取政策效应、外商直接投资、贸易规模、经济水平、人口规模、产业结构和城镇化水平等影响能源消费总量的11个指标，利用stata16软件构建双向固定效应模型评估各指标对能源消费总量的影响，得出如下结论。

第一，“一带一路”倡议对沿线城市的能源消费量具有抑制作用。随着倡议的实施，可能会进一步降低沿线城市的能源消费量，并且带动周边城市的发展，扩大“一带一路”倡议的影响。

第二，外商直接投资、技术水平、经济水平、产业结构和贸易规模对能源消费总量有显著的正向影响，其中经济水平对能源消费总量的影响最大。因此，中国在全面振兴的进程中，不断提高能源消费效率尤为重要。

第三，人口规模和城镇化水平对能源消费总量的影响显著为负，其中人口规模对能源消费总量的影响最大。可能在未来随着人口规模的进一步扩大，人口集聚产生的规模效应影响会更深，会更进一步降低能源消费。

（二）对策建议

第一，坚定不移地推动“一带一路”倡议的实施。深化“一带一路”倡议带来的政策沟通、道路联通、贸易畅通、货币流通和民心相通，以点带面，从线到片，形成以沿线城市为中心向外扩散的辐射圈，发挥“一带一路”倡议的作用，共享“一带一路”倡议带来的益处;注重培育沿线城市参与“一带一路”共商共建共享的意识，寻求合作的最大公约数，加强沿线城市之间的互动互信互通，推动形成基础设施建设、经济发展、产业集聚、可持续发展的综合效应。

第二，积极吸引外商直接投资，尤其是高新技术的优质外资。发挥外商直接投资的技术溢出效应，加快国内企业的技术进步，以此来优化我国产业结构，促进产业结构的低能耗转变、能源技术的进步和能源消费量的减少。同时应鼓励更多的外商直接投资于农业、高新技术制造业和服务业，提高产业能源的利用效率，推动中国经济走向高质量绿色发展的道路。

第三，加大技术方面的创新与研究，增加节能技术的R&D经费投入，发展高新技术，提高能源利用效率，降低能源消费;同时完善能源技术创新与开发、应用等政策保障体系，大力扶持高新技术产业和重点企业，建立产学研示范基地，促进企业和科研机构的合作，共同开展节能技术的研究与开发，推动节能技术的推广与应用。依靠科技创新，发展节能技术和新型能源，是我们降低能源消费、实现节能减排的根本。

第四，着力加快城镇化的进程。继续推进新型城镇化进程，充分挖掘城镇化进程中各方面的节能潜力，充分发挥人口集聚所带来的资源共享优势，降低能源的消耗。在城镇化进程中，大力支持公交车、地铁等公共交通的发展，推动绿色低碳建筑建设，鼓励居民使用节能设备、绿色出行，减少生活能源消费，进而降低能源消费总量。

第五，调整产业结构。提高第三产业增加值占GDP的比重，逐步淘汰高能耗高污染产业，促进产业的转型升级;大力发展第三产业和生物医药、节能环保、电子信息等新兴产业;对高能耗产业的发展采取严格的限制措施;运用新型技术对传统高能耗產业进行改造;积极引进高新技术企业和节能环保企业，以此来缓解能源消费压力，实现能源的长期可持续发展。

由于统计数据的限制，本文在城市样本的选择中，较多地选择了东部大中型城市，缺少中部、西部以及中小城市的样本。在对“一带一路”沿线城市的能源消费量的研究分析中，没有涉及城市能源消费量的区域差异性分析。因此，未来可以研究东部、中部和西部“一带一路”沿线城市能源消费差异，以及“一带一路”沿线城市和非“一带一路”沿线城市的能源消费差异，从而进一步探讨“一带一路”倡议对沿线城市能源消费量的影响。

参考文献：

[1] 刘佳骏.“一带一路”战略背景下中国能源合作新格局[J].国际经济合作，2015（10）：30-33.

[2] 林伯强.“一带一路”或者可以给煤炭通过机会[J].煤炭经济研究，2015，35（7）：1.

[3] 陈晓，车治辂.“一带一路”倡议下中国与沿线国家新能源合作的基础、模式与机制[J].新疆大学学报（哲学·人文社会科学版），2018，46（5）：9-15.

[4] 余晓钟，白龙，罗霞. “一带一路”绿色低碳化能源合作内涵、困境与路径[J].亚太经济，2021（3）：17-24.

[5] Zhang Y J，Jin Y L，Shen B. Measuring the Energy Saving and CO2 Emissions Reduction Potential Under China s Belt and Road Initiative[J]. Computational Economics，2020，55（4）：1095-1116.

[6] 李晓菲.“一带一路”相关省份全要素能源效率影响因素研究[J].调研世界，2021（3）：49-57.

[7] Huang Z， Zhang H，Duan H. Nonlinear Globalization Threshold Effect of Energy Intensity Convergence in Belt and Road Countries[J].Journal of Cleaner Production，2019，237：117750.

[8] 姜璐，余露，邢冉，等.“一带一路”沿线国家能源地理格局及空间特征分析[J]. 辽宁大学学报（自然科学版），2020，47（1）：26-33.

[9] 姜安印，刘博.“一带一路”中亚地区能源消费与经济增长关系研究——基于中亚五国数据PVAR模型的实证测度[J].河北经贸大学学报，2020，41（4）：80-88.

[10] Kraft J， Kraft A. On the Relationship between Energy and GNP[J]. Journal of Energy and Development， 1978， 3（2）：401-403.

[11] Omri A， Kahouli B. Casual Relationships between Energy Consumption， Foreign Direct Investment and Economic Growth： Fresh Evidence from Dynamic Simultaneous-equations Models[J]. Energy Policy， 2014， 67（4）：913-922.

[12] Paul S， Bhattacharga R N. Causality between Energy  Consumption and Economic Growth in India： A Note on Conflicting Results[J]. Energy Economic， 2004， 26（6）： 977-983.

[13] Nasreen S， Anwar S. Causal Relationship between Trade Openness， Economic Growth and Energy Consumption： A Panel Data Analysis of Asian Countries [J]. Energy Policy，2014，69（2）：82-91.

[14] 張子荣.我国经济增长与能源消费关系的实证分析[J].商业经济研究，2018（17）：36-39.

[15] 隋建利，米秋吉，刘金全. 异质性能源消费与经济增长的非线性动态驱动机制[J]. 数量经济技术经济研究，2017，34（11）：24-43.

[16] 张优智，党兴华. 我国的能源消费与经济增长：1980—2011——基于非线性STR模型的实证分析[J]. 运筹与管理，2016，25（6）：162-174.

[17] Io A， Aa B. CO2 Emissions， Energy Consumption and Economic Growth in Turkey [J]. Renewable and Sustainable Energy Reviews， 2010， 14（9）：3220-3225.

[18] 李小胜，张焕明. 中国经济增长、污染排放与能源消费间动态关系研究——基于面板 VAR 模型的实证[J]. 山西财经大学学报， 2013（11）： 25-34.

[19] Kurniawan R， Managi S. Coal Consumption， Urbanization， and Trade Openness Linkage in Indonesia[J]. Energy Policy，2018，121：576-583.

[20] 吕连菊，阚大学.城镇化水平、速度和质量对能源消费的影响[J].城市问题，2017（5）：17-25.

[21] 吕连菊，阚大学.城镇化对能源消费的非线性影响研究——基于 PSTR 模型[J].软科学，2016（12）：34-37.

[22] Hori s， Kondo K， Nogata D， et al. The Determinants of Household Energy-saving Behavior： Survey and Comparison in Five major Asian Cities[J]. Energy Policy， 2013（52）： 354-362.

[23] 汪泽波.城镇化过程中能源消费、环境治理与绿色税收——一个绿色内生经济增长模型[J].云南财经大学学报，2016，32（2）：49-61.

[24] 王崇梅.中国经济增长与能源消耗脱钩分析[J].中国人口·资源与环境， 2010， 20（3）： 35-37.

[25] 孙叶飞，周敏.中国能源消费碳排放与经济增长脱钩关系及驱动因素研究[J].经济与管理评论，2017，33（6）：21-30.

[26] Azam M， Khan A Q， Zaman K， et al. Factors Determining Energy Consumption： Evidence From Indonesia，Malaysiaand Thailand[J]. Renewable and Sustainable Energy Reviews，2015，42：1123-1131.

[27] 梁朝晖.城市化不同阶段能源消费的影响因素研究[J]. 上海财经大学学报， 2010（5）： 88-96.

[28] Jacobsen H K. Energy Demand， Structural Change and Trade：A Decomposition Analysis of the Danish Manufacturing Industry[J]. Economic Systems Research 2000，12（3）：319-344.

[29] 路正南.产业结构调整对我国能源消费影响的实证分析[J].数量经济技术经济研究，1999（12）：53-55.

[30] 陈首丽，马立平. 产业结构变动对我国能源消费的影响——基于因素分解的统计分析[J].中国统计，2009，（11）：52-53.

[31] 范晓莉.城市化、能源消费与中国经济增长——基于新经济地理视角的动态关系研究[J].西南民族大学学报（人文社会科学版），2014，35（1）：120-127.

[32] 金艳清，卢晓勇.FDI、R&D投入与能源消费——基于省际面板数据的实证分析[J].科学管理研究，2013，31（1）：113-116.

[33] 李琳，成金华，孙涵.基于STIRPAT模型的中国典型城市群居民生活用电比较[J].中国石油大学学报（社会科学版），2018，34（6）：29-35.

[34] Huang X，  Zhang J， Luo L， et al. The Influence of GDP， Population， and Net Export Value on Energy Consumption[J]. Energy Sources， Part B： Economics， Planning， and Policy，2017，12（9）： 815-821.

[35] York R， Rosa E A， Dietz T. STIRPAT， IPAT and ImPACT： Analytic Tools for Unpacking the Driving Forces of Environmental Impacts [J]. Ecological Economics，2003，46：351-365.

[36] 朱江麗，李子联.长三角城市群产业-人口-空间耦合协调发展研究[J].中国人口·资源与环境，2015，25（2）：75-82.

责任编辑：曲 红

Study on the Influencing Factors of Energy Consumption in China s Cities

along the Belt and Road： Based on Two-way Fixed Effects Model

WANG Shuangying1，2， CHEN Haining1， WEI Ping1

（1.Business School， Qingdao University of Technology， Qingdao 266555， Shandong， China;

2.School of Economics and Management， China University of Petroleum （East China）， Qingdao 266580， Shandong， China）

Abstract：The Belt and Road Initiative， as a global top-level design for building a community of shared future among cooperative countries， has a significant impact on China s economic development and energy trade. Based on the energy consumption data of 13 cities along the Belt and Road from 2005 to 2019， this paper explores the overall impacts of multiple factors on energy consumption by constructing a two-way fixed effect model. The results show that FDI， R&D， economic level， trade volume and industrial structure have a strikingly positive impact on total energy consumption with the economic level the most. The relevant policy， population size and urbanization have a negative impact on total energy consumption while the population size has the greatest inhibitory effect on energy consumption.

Key words： Belt and Road Initiative; energy consumption; two-way fixed effect model