能源转型下可再生能源消费对经济增长的门槛效应
齐绍洲+李杨
摘要能源转型和增加可再生能源消费是现阶段各国重要的能源战略。那么，能源转型是否牺牲经济增长？增加可再生能源消费对经济增长的影响是积极的还是消极的？该影响的方向或大小在国家或地区之间是否存在差异，其背后的决定因素是什么？本文以可再生能源发展较为领先、面板数据较为完整的欧盟为研究对象，运用面板门槛效应模型，实证检验了可再生能源消费对经济增长的门槛效应。研究表明，①能源转型具有经济代价，可再生能源消费对经济增长存在负向的非线性影响。②可再生能源消费对经济增长存在显著的门槛效应。当可再生能源补贴高于门槛值、能源消费强度高于门槛值以及人均GDP低于门槛值时，推动可再生能源消费的经济代价更大。③目前欧盟推动可再生能源消费具有合适的能源消费强度和经济水平条件，但可再生能源补贴过大，具有一定经济代价。④根据门槛值将国家分为低补贴组和高补贴组，两组国家在1990—2014年期间可再生能源消费年均增速并没出现显著差异。其中，可再生能源消费年均增速位居第一和第二的英国与比利时，可再生能源补贴较低且始终没有跨过门槛值；而一直处于高补贴组的荷兰，可再生能源消费年均增速并没超过一直处于低补贴组的比利时、爱尔兰、波兰与英国。可见，具有较高经济代价的补贴并不是推进可再生能源消费的唯一有效手段。
关键词可再生能源消费；经济增长；门槛效应；可再生能源补贴
中图分类号F113.3文献标识码A文章编号1002-2104（2018）02-0019-09DOI：10.12062/cpre.20170905
近年来，全球能源消费结构出现新趋势，可再生能源进入快速发展阶段。国际能源署（IEA）发布的《2016年国际能源展望》预测，2040年全球可再生能源发电量占比将达到60%。以可再生能源发展较为领先的欧盟为例，1990—2015年期间能源总消费逐年缓慢下降，年均增速为-0.1%，但可再生能源消费年均增速为4.37%，其中可再生能源消费占比由4.33%增加到12.91%，可再生能源发电量占比由12.63%增加到29.86%。可再生能源消费迅速增加，一是因为原油供给瓶颈凸显，且局部产油国局势不稳，石油产出份额调整导致国际油价剧烈波动，能源安全受到挑战；二是化石能源消费导致的气候变化、健康安全和经济损失等问题引起全球关注。在2015年巴黎气候大会上，中国明确提出2030 年左右CO2排放达到峰值和非化石能源消费占比达 20%的目标。2017年，欧洲议会将2030年欧盟可再生能源在全部能源消费中占比的目标由原来的27%提升至35%。可见，能源转型和增加可再生能源消费是现阶段各国重要的能源战略。据《BP世界能源统计年鉴》，2016年，中国可再生能源发电增量位居全球第一，中国超越美国成为最大的可再生能源生产国。那么，能源转型是否会牺牲经济增长？增加可再生能源消费对经济增长的影响是积极的还是消极的？该影响的方向或大小在国家或地区之间是否存在差异，其背后的决定因素是什么？这些问题的回答可以为我国更好地发展可再生能源、优化能源结构和以最小的经济代价实现2030年可再生能源消费目标提供科学的政策依据。
1文献综述
经濟学家常致力于探究经济增长源泉问题，因此能源消费与经济增长的关系是经济学的一个基本命题。研究发现，能源消费与经济增长的关系存在地区差异[1-2]以及非线性关系[3-4]。目前关于可再生能源消费对经济增长影响的研究大多基于线性和分组研究方法，从不同的影响机制视角出发，没有一致结论。①大部分学者将可再生能源作为一种生产要素运用到生产函数进行研究[5-7]，发现可再生能源替代部分不可再生能源，有利于能源多元化和缓解气候问题，与不可再生能源消费和其他生产要素一起拉动经济增长。InglesiLotz[7]以OECD国家为研究对象，发现可再生能源消费量的增加有利于经济总量和人均GDP增长，认为能源转型战略不仅能改善一国环境还能提高经济水平。王瑛[8]则基于协整和Granger因果检验方法，发现中国可再生能源消费与经济增长之间具有协整关系，且可再生能源消费是GDP增长的单向Granger原因。②也有学者认为，与传统能源相比，目前发展可再生能源尚不具备技术和成本优势，现阶段可再生能源消费的扩张主要由政府政策驱动，有一定的经济代价[9]。Ocal和Aslan[8]运用自回归分布滞后模型，发现可再生能源消费每增加1%，GDP减少0.3%。③还有学者提出可再生能源消费对经济增长并不存在显著影响。Payne[11]基于TodaYamamoto检验方法，发现美国可再生能源消费与不可再生能源消费对实际GDP都不存在格兰杰因果关系。Menegaki[12]以欧洲27个国家为研究对象，发现可再生能源消费与实际GDP不存在格兰杰因果关系，主要原因是欧洲可再生能源开发不足且不均衡。④近年来，有学者发现可再生能源消费对经济增长（或就业）的影响存在地区差异。Almulali等[13]发现收入水平越高，可再生能源消费对经济增长的正向影响更为持续和显著。Markandya等[14]，以及Apergis和Salim[15]发现不同地区可再生能源消费对就业的影响存在异质性。
上述文献主要基于线性方法和分组方法研究可再生能源消费对经济增长的影响及地区差异，然而由于①可再生能源消费通过多种机制影响经济增长[9]，两者之间可能存在非线性关系，传统线性方法并不准确，导致结论不一致；②分组方法最大的问题是分组标准的确定是任意选择而不是从数理统计角度推断，也无法对不同样本回归结果的差异性进行显著性检验，参数估计的有效性和可靠性容易受到质疑。因此，作为对已有文献的补充，鉴于数据的可得性与完整性，本文以可再生能源发展较为领先、面板数据较为完整的欧盟为研究对象，考察可再生能源消费对经济增长的非线性门槛效应，边际贡献在于，第一，探索性地将面板门槛检验方法引入到可再生能源消费对经济增长非线性影响的研究中，准确识别导致非线性影响存在的各种因素；第二，深入剖析各个门槛变量的作用机理，提出可再生能源补贴的无谓损失和挤出效应、能源消费的路径依赖效应以及经济水平对增加可再生能源消费的技术基础效应；第三，基于经济学意义和经典文献，完善生产函数中各生产要素的衡量指标。其中，考虑劳动的异质性，对就业数据做质量水平调整来表示劳动存量，资本使用存量指标而非固定资本形成等流量指标，技术使用全要素生产率、可再生能源消费和不可再生能源消费分别使用各自的总量，既包括发电部分的能源消费量，也包括其他用途的能源消费量，使结论更加准确和稳健。
2门槛效应机制
基于以上文献综述，可再生能源消费对经济增长的影响可能是非线性的，即可能会随着某些重要变量达到一定的水平或门槛值之后，其影响方向或程度会发生突变。而面板门槛回归模型是一种非线性计量经济学模型[16]，其本质就是将门槛值作为一个未知变量纳入实证模型中，构建解释变量回归系数的分段函数，从而内生估算出门槛值，并对不同门槛区间的参数进行估计。因此，本文将面板门槛回归模型引入可再生能源消费对经济增长非线性影响的研究中。根据经济学理论和经典文献，门槛效应存在的原因和理论机制分析如下。
（1）可再生能源补贴。可再生能源补贴是各国增加可再生能源消费普遍使用的政策，其大小在一定程度上反映了政府可再生能源政策强度。若一国主要通过高额的可再生能源补贴来推动可再生能源消费，当可再生能源补贴高于门槛值时，该国推动可再生能源消费的经济代价会增加，即高补贴国家增加可再生能源消费的经济代价更大。与化石能源相比，目前可再生能源消费并不具备成本有效性，通过补贴来推动可再生能源消费必然有一定的经济成本。①从社会福利的角度，政府的补贴政策会使市场未处于最优运行状态而使社会净福利受到损失，政府补贴并不能完全转化为社会福利的这部分损失称为无谓损失。②不同国家可再生能源补贴的费用分担机制存在差异，有的国家（如奥地利）主要由电力消费者承担，有的国家（如荷兰）则由政府承擔，有的国家（如法国、丹麦）则由电网公司和电力消费者共同承担[17]等等。欧盟目前深陷财政困境，巨额的可再生能源补贴严重增加了政府财政负担，挤出了政府其他投资与消费。同时，可再生能源的补贴以可再生能源电价附加等形式传导于销售电价，挤出了私人部门收入、消费及投资，给用电企业和个人带来成本负担。从2006年开始，中国在销售电价中开征可再生能源电价附加作为可再生能源发展基金，征收标准为每千瓦时1厘钱，逐步提高到现在的每千瓦时1.9分钱。Apergis和Salim[15]认为可再生能源高成本导致政府和私人预算的减少，因此投资和消费减少，不利于就业和经济增长。Dachis和Carr[18]发现可再生能源上网电价补贴导致人均电价每年增加310美元，不利于经济增长。因此，本文提出假设1：可再生能源消费对经济增长存在非线性影响，当可再生能源补贴高于门槛值时，推动可再生能源消费的经济代价会增加，即高补贴的国家增加可再生能源消费的经济代价更大。
（2）能源消费强度。能源消费强度是能源消费总量与国内实际生产总值的比值，反映经济体对能源及不可再生能源的依赖程度。当能源消费强度达到一定程度时，经济增长对能源消费以及不可再生能源消费的依赖程度越高，能源消费的路径依赖和锁定效应越大，能源转型和增加可再生能源消费的经济代价更大。因此，高能源消费强度的国家增加可再生能源消费的经济代价更大。能源路径依赖效应是将路径依赖理论[19-20]应用于能源领域，指规模经济、学习效应、协作效应及适应性预期等自我增强机制使不可再生能源的边际报酬递增，驱使经济发展对不可再生能源在技术、产业结构、认知和体制等方面形成高度依赖性和系统内在惯性，导致经济发展对不可再生能源消费有严重的路径依赖和锁定效应，可再生能源技术创新和能源转型面临阻碍。Unruh[21]提出基于技术与制度的路径依赖和边际报酬递增，工业经济已经锁定于以化石能源为基础的能源系统，这导致促进减排技术扩散的政策和市场力量面临阻碍。Unruh以大型技术系统—发电、配电和终端使用为例，认为其已经深深嵌入社会背景，对技术基础设施和相应的机构与制度形成路径依赖，难以改变。因此，本文提出假设2：可再生能源消费对经济增长存在非线性影响，当能源消费强度高于门槛值时，推动可再生能源消费的经济代价会增加，即高能源消费强度的国家增加可再生能源消费的经济代价更大。
（3）经济发展水平。用人均GDP指标来衡量经济水平，当人均GDP达到一定程度时，较高的经济水平使发展可再生能源具有更好的技术、资金和人才等优势，推动可再生能源消费的经济代价减少。因此，高经济水平的国家增加可再生能源消费的经济代价更小。因为经济发展水平决定着可再生能源技术创新的硬件（如科研人员、科研资金投入和基础设施配备等）与软件（如专业知识存量、环保理念和绿色需求等）、静态与动态基础。经济水平较高的国家，其科研人员、教育经费和科研投入等更为充足，专业知识存量更为丰富，环保理念和绿色需求更为领先。并且，更容易吸引资金、技术和高科技人才流入，形成所谓的聚集效应。因此，可再生能源发展和技术创新的基础更具有优势，进而增加可再生能源消费经济代价相对较小。Huang等[1]将82个国家按照收入水平进行分组，发现不同经济发展水平的组别能源消费和实际GDP的关系存在差异，Lee和Chang[2]也提出类似结论。Almulali[13]等将108个国家按照收入水平分为高收入国家、中高收入国家、中低收入国家以及低收入国家四组，发现收入水平越高，可再生能源消费对经济增长的正向影响更为持续和显著。许晓燕等[22]发现经济发达地区的区位优势明显、科研能力较强、绿色技术创新水平较高。可见，当经济发展水平高于门槛值时，可再生能源消费对经济增长的影响可能会出现突变。本文提出假设3：可再生能源消费对经济增长存在非线性影响，当人均GDP高于门槛值时，推动可再生能源消费的经济代价会减少，即高经济发展水平的国家增加可再生能源消费的经济代价更小。
本文将面板门槛回归模型引入可再生能源消费对经济增长非线性影响的研究中，以可再生能源补贴、能源消费强度和人均GDP为门槛变量，研究可再生能源消费对经济增长的门槛效应。
3模型构建与变量说明
3.1模型构建
近年来气候变化与低碳转型使学者开始重视可再生能源在经济增长中的重要作用，进而对能源消费进行细分，将可再生能源单独作为一种生产要素运用到扩展的生产函数[6-7，23]，扩展的一般模型可设定为：
Y=f（A，K，L，R，N）=AKαLβRρNδ（0﹤α、β、ρ、δ﹤1）（1）
式中，Y为经济总产出，A代表技术，K为资本存量，L为劳动存量，R代表可再生能源消费，N代表不可再生能源消费，α、β、ρ和δ分别表示资本、劳动、可再生能源和不可再生能源的产出弹性。
为避免人为分组带来的偏误，准确识别影响可再生能源消费对经济增长作用方向和大小的因素，本文使用Hansen提出的面板门槛回归模型[24]，根据数据本身特点内生地对不同情况进行分组，研究在不同组别下可再生能源对经济增长影响的异质性。单一门槛回归模型可表示为：
Yit=μi+β0zit+β1RitI（qit≤γ）+β2RitI（qit>γ）+εit（2）
式中，i表示国家，t表示时间，Yit代表t时期i国
实际总产出，为被解释变量。qit为门槛变量，Rit为受门槛变量影响的核心解释变量，即可再生能源消费。zit为一组除可再生能源消费以外对实际产出有显著影响的变量，包括技术、资本存量、劳动存量和不可再生能源消费。β0、β1、β2为相应的系数，γ为特定的门槛值。I（·）为一个指示性函数，相应的括号内条件成立时取值为1，条件不成立时则取值为0。μi反映国家不可观测的个体效应，εit～iid N（0，δ2）为随机扰动项。实际中可能会出现多个门槛，本文将会进行验证。运用的软件是STATA 13.0，使用面板门槛回归程序xthreg，由南開大学王群勇老师编写。
3.2变量说明
1990年是欧盟大多数气候行动目标的基准年，如2020年、2030年和2050年气候政策目标。因此鉴于数据可得性与实际政策背景，本文选取欧盟28个成员国1990—2014年的年度数据作为面板数据样本，数据来源于欧盟统计局、世界银行WDI数据库、联合国国际比较计划（ICP）下的Penn World Tables（PWT 9.0）、OECD Statistics数据库以及IEA能源数据统计。
被解释变量为经济总产出（Y，单位：百万美元），使用各国实际GDP。解释变量为各种投入要素，包括：①可再生能源消费（RE，单位：百万toe）。根据国际能源署的报告《Renewables Information 2016》，2014年全球只有32.5%的可再生能源用于发电和产热，固定生物燃料的存在使可再生能源被广泛用于居民、农林业以及渔业等其他用途。考虑到电力消费只是能源消费的一部分，本文使用的是可再生能源消费总量，既包括电力消费也包括其他用途消费。②不可再生能源消费（NRE，单位：百万toe），同上，本文使用的是不可再生能源消费总量。③劳动存量（L，单位：百万人），劳动的异质性使不同受教育程度劳动者的产出效率不同，各国人力资本水平差距较大，就业人数只能体现劳动存量的数量而忽视其质量，并不能完全体现劳动存量。因此，本文在就业人员数的基础上改进，用人力资本指数进行调整[25-26]，数据来源于Penn World Tables（PWT 9.0）。劳动存量Lit=EMPit·hit，其中，EMPit为就业人员数，hit为人力资本指数，是在Barro和Lee（http：//www.barrolee.com/）统计的平均教育年限基础上，根据教育回报率所构建[27] 。hit=esit，是各国平均受教育年限sit的函数，（sit）是一个分段线性函数，
反应不同的教育年限带来不同的教育回报率。④资本存量（K，单位：百万美元），资本形成是流量，用来表示K并不准确，本文使用根据永续盘存法所计算的资本存量数据[26，28]，数据来源于Penn World Tables（PWT 9.0），Kit=（1-δit）Kit-1+Iit，δit为折旧率，Iit为t时期新增投资。⑤技术水平（A），使用全要素生产率[26，29]，表示各要素投入之外的技术进步对经济增长贡献的因素。门槛变量包括可再生能源补贴（RD）、能源消费强度（INT，单位：t/百万美元）和人均GDP（gdp，单位：美元）。其中，可再生能源补贴（RD）使用OECD Statistics数据库统计的欧盟19个国家的可再生能源研发补贴强度指数。考虑到研发补贴只是可再生能源补贴的一种，本文将使用其他可再生能源补贴政策的代理变量进行稳健性检验。为减少数据中可能存在的异方差，对解释与被解释变量进行对数处理，并在各变量名称前加上L表示对数处理的涵义。
4实证结果与分析
本节运用面板门槛模型估计方法首先检验门槛效应是否存在，若存在门槛效应则确定具体门槛值，并估计不同门槛区间下的参数值。最后将各国的现值与门槛值进行比较，确定各国目前所处的门槛区间。
4.1门槛模型估计结果
经过500次重复抽样得到具体F值和P值（见表1）。结果表明，所有门槛变量只有单一门槛模型在5%水平上显著，双重门槛模型在5%水平均不显著，较小的置信区间说明估计的门槛值基本准确。因此，将基于单一门槛模型进行分析（见表2）。
（1）总体上，可再生能源消费对实际GDP的影响是负向的，即目前欧盟增加可再生能源消费的能源结构转型战略有一定的经济代价。综合线性的固定效应模型和三个非线性的门槛模型，该结果较为稳健。主要原因体现为两方面，一是与传统能源相比，目前增加可再生能源消费尚不具备技术和成本优势，现阶段可再生能源消费的扩张主要由政府补贴政策驱动，政府补贴带来的无谓损失，对政府其他支出的挤出效应以及给用电企业和个人带来成本负担，有一定的经济代价；二是现阶段部分国家对化石能源消费有一定的路径依赖，使可再生能源技术创新和能源转型面临一定阻碍。当然，随着可再生能源技术创新水平提高、可再生能源成本进一步降低以及可再生能源消费增加所带来的动态的规模经济和干中学效应等，从长期看，该负向影响会转为正向。
（2）可再生能源消费对实际GDP存在显著的门槛效应。具体而言，①以可再生能源补贴（RD）为门槛变量时，当可再生能源补贴高于门槛值，可再生能源消费增加对实际GDP的负向影响越大。当RD低于门槛值（RD=3）时，可再生能源消费每增加1%，实际GDP减少约0.04%；当RD高于门槛值时，可再生能源消费每增加1%，实际GDP减少约0.048%。可见，若一国主要通过高额的可再生能
源补贴政策来推动可再生能源消费，高补贴会导致更高的社会福利净损失，也对政府其他支出有挤出效应，并且还会以可再生能源附加等形式部分或全部传递到销售电价，挤出私人部门收入、消费及投资，给用电企业和个人带来成本压力。因此，高补贴国家增加可再生能源消费的经济代价更大。②以能源消费强度（INT）为门槛变量时，当能源消费强度高于门槛值，可再生能源消费增加对实际GDP的负向影响越大。当INT小于328.14t/百万美元时，可再生能源消费每增加1%，实际GDP减少0.038%。当INT高于328.14t/百万美元的门槛值时，经济体对能源消费以及不可再生能源消费的依赖程度较大，经济发展对不可再生能源形成高度依赖性和系统内在惯性，可再生能源技术创新和能源转型面临更大阻碍。这时，可再生能源消费每增加1%，实际GDP减少幅度明显增加，达0.104%。可见，高能源消费强度的国家增加可再生能源消费的经济代价更大。③以人均GDP（gdp）为门槛变量，当人均GDP高于门槛值，可再生能源消费增加对实际GDP的负向影响越小。当人均GDP水平低于5 833.08美元时，可再生能源消费每增加1%，实际GDP减少0.121%。然而，随着人均GDP水平增加，当高于5 833.08美元的门槛值时，可再生能源消费增加对经济的负向影响明显降低，可再生能源消费每增加1%，实际GDP减少0.042%。因为，一国经济发展水平越高，其科研人员、教育经费和科研投入等更为充足，专业知识存量更为丰富，环保理念和绿色需求更为领先，且更容易吸引资金、技术和高科技人才流入，可再生能源技术创新具有一定基础优势，进而可再生能源技术创新水平较高、研发成本较低、能源利用效率较高等，因此推动可再生能源消费对实际GDP的负向影响越小。可见，高经济水平的国家增加可再生能源消费的经济代价更小。
因此，上文的三个假设得到了较好地验证。且各模型拟合效果较好，对于其他解释变量，不可再生能源消费对实际GDP的影响为负向或不显著，可见欧盟经济增长基本与化石能源消费脱钩，印证了经济增长与化石能源消费之间的环境库兹涅茨曲线的变化规律。资本存量、劳动存量以及技术对经济增长的影响为正向，其中技术对经济增长的贡献最大。
4.2门槛区间内国家数目变化
本节根据门槛值将样本划分为不同的区间，观察各门槛区间内国家数目变化（见表3）。结果表明，①对于能源消费强度门槛变量，1990年有7个成员国处于高强度区间，但2005年以来，最多一个国家（保加利亚）处于高强度区间。并且，保加利亚的能源消费强度由1990年的772.10 t/百万美元下降到2014年的339.27 t/百万美元，已接近门槛值。可见，绝大多数欧盟成员国的能源消费强度低于门槛值，能源路径依赖效应较小。②对于人均收入水平门槛变量，1990年，只有保加利亚和罗马尼亚这两个成员国低于门槛值。但2010年以来，所有成员国的人均GDP均高于门槛值，可再生能源技术创新具有一定基础优势。由此可见，目前欧盟大规模推动可再生能源消费的能源转型战略具有合适的能源消费强度和经济水平条件。
（3）对于可再生能源补贴这一门槛变量（见表3与表4），①1990年只有1个成员国，即荷兰，处于高补贴区间，但近年来欧盟可再生能源补贴规模越来越大，越来越多的国家处于高补贴区间，2012年有7个成员国的可再生能源补贴规模高于门槛值，包括丹麦、德国、荷兰、奥地利、斯洛伐克、芬兰、瑞典。这较好地解释了为什么欧盟可再生能源消费对经济增长的影响为负向。现阶段欧盟可再生能源消费规模的增加由政府高額补贴推动，社会净福利损失较大，严重增加了政府财政负担，也使电力消费者承担了高额电价，具有较大的经济代价。这对于目前深陷财政危机且经济与政治不稳定的欧盟来说是较大挑战。②比较可再生能源高补贴与低补贴的两组国家，在1990年到2014年期间可再生能源消费年均增速并没出现显著差异。具体而言，可再生能源消费年均增速位居第一和第二的英国与比利时，可再生能源补贴始终没有跨过门槛值。而一直处于高补贴组的荷兰，可再生能源消费年均增速也并没超过一直处于低补贴组的比利时、爱尔兰、波兰与英国。可见，具有较高经济代价的补贴并不是推进可再生能源消费的唯一有效手段。
5稳健性检验
为考察结果是否稳健，本节从三个方面检验上文结论的稳健性。第一，调整研究样本，处理离群值可能对结果带来的偏误。第二，调整实证研究方法，单一方法对问题的研究可能有偏，将面板门槛模型与分组方法回归结果进行对比。第三，调整代理变量，考虑到研发补贴只是可再生能源补贴的一种，使用其他可再生能源补贴的代理变量进行稳健性检验。
（1）调整研究样本。依次删除可再生能源消费占欧盟可再生能源总消费比例最多和最少的1%、5%和10%左右的样本国家，对欧盟26国、24国和22国分别进行三次面板门槛模型检验，结果较为一致。即，当可再生能源补贴高于门槛值、能源消费强度高于门槛值以及人均GDP低于门槛值时，推动可再生能源消费的经济代价更大。与上文估计结果完全一致，结论稳健。篇幅所限，结果备索。
（2）调整实证方法。将欧盟成员国按照可再生能源补贴的门槛值分为低补贴组与高补贴组（见表3），分析两组国家的可再生能源消费对经济的影响是否具有异质性。对于其他门槛变量，由于欧盟成员国大都处于同一个门槛区间，因此不便进行分组检验。分组方法的参数估计结果（见表5）与门槛模型估计结果类似。对于低补贴组，可再生能源消费对实际GDP的影响是负向的，但系数非常小（-0.010），且不显著；而对于高补贴组，可再生能源消费对实际GDP的负向影响明显较大，系数变为-0.069，且在1%水平上显著。结合更为严谨的分组方法，加入虚拟变量Di，对于高补贴组，Di=1；对于低补贴组，Di=0。交互项LRE*D的系数显著为负（-0.044），可见，高补贴组可再生能源消费扩张的经济代价更大。
（3）调整代理变量。由于数据可得性，上文对于可再
生能源補贴政策的衡量使用可再生能源研发公共补贴，不能代表所有可再生能源补贴。实际中，除了可再生能源研发补贴，还包括上网电价补贴、再生能源部门的各种类型税收抵免和优惠贷款等。因此，本节①使用OECD Statistics环境规制强度指数（ENVI），包括14种环境政策工具，间接衡量可再生能源补贴政策强度。②使用另一可
再生能源补贴政策——上网电价（FEED），检验结论的稳
健性。实证结果显示，当环境政策强度（ENVI）与上网电价（FEED）分别高于门槛值2.4和2.5时，可再生能源消费增加对经济增长的负向影响均显著增强。再次验证了上文结论，可再生能源消费对经济增长存在非线性影响，高补贴的国家增加可再生能源消费的经济代价更大。篇幅所限，结果备索。
6结论与启示
本文运用面板门槛模型，以可再生能源补贴、能源消费强度和人均GDP为门槛变量，基于可再生能源补贴的无谓损失和挤出效应、能源消费的路径依赖效应以及经济水平对增加可再生能源消费的技术基础效应，对1990—2014年欧盟28个成员国可再生能源消费对经济增长的门槛效应进行了研究。验证了本文所提出的三个假设，并得出以下结论：①能源转型具有经济代价，可再生能源消费对经济增长的影响为负向。对于不同的门槛区间，可再生能源消费对实际GDP的影响始终为负向，只是在程度上有所变化。②可再生能源消费对经济增长存在显著的门槛效应。当可再生能源补贴高于门槛值、能源消费强度高于门槛值以及人均GDP低于门槛值时，推动可再生能源消费的经济代价更大。③目前欧盟大规模增加可再生能源消费具有合适的能源消费强度和经济水平条件，但近年来欧盟可再生能源补贴规模越来越大，可再生能源消费的增加由政府高额补贴推动，不利于经济增长。④具有较高经济代价的补贴并不是推进可再生能源消费的唯一有效手段。比较可再生能源高补贴与低补贴的两组国家，在1990—2014年期间可再生能源消费年均增速并没出现显著差异。并通过对具体国家进行分析，发现补贴大小与可再生能源消费增速并无必然联系。
欧盟的实证结果对中国推动可再生能源消费的启示如下：一方面，合理且有效地运用政府手段激励能源转型。①补贴的最终目的是不补贴，防止低效和过度补贴，逐渐减少政府可再生能源补贴，并全面退出化石能源补贴，减少补贴政策对社会净福利带来的损失。②完善可再生能源发展基金的管理，制定适合的可再生能源财政税收政策，填补可再生能源补贴资金缺口，减少对政府以及私人部门投资和消费的挤出。③增加补贴发放效率，优化管理体制和补贴程序。另一方面，根据各地区差异，制定有差异的可再生能源政策和目标。①优惠政策更多地倾向于能源转型经济代价较大的地区，即能源消费强度较高和经济发展水平较低的地区。②着力突破能源消费的路径依赖，加强可再生能源输送和上网的基础设施和制度建设。③强化可再生能源发展的基础条件，大力推进可再生能源技术创新。
（编辑：刘照胜）
参考文献（References）
[1]HUANG B N， HWANG M J， YANG C W， et al. Causal relationship between energy consumption and GDP growth revisited： a dynamic panel data approach[J]. Ecological economics， 2008， 67（1）： 41-54.
[2]LEE C C， CHANG C P. Energy consumption and GDP revisited： a panel analysis of developed and developing countries[J]. Energy economics， 2007， 29 （6）： 1206-1223.
[3]HUANG B N， HWANG M J， YANG C W， et al. Does more energy consumption bolster economic growth？ an application of the nonlinear threshold regression model[J]. Energy policy， 2008， 36（2）： 755-767.
[4]赵进文， 范继涛. 经济增长与能源消费内在依从关系的实证研究[J]. 经济研究， 2007（8）： 31-42. [ZHAO Jinwen， FAN Jitao. Empirical research on the inherent relationship between economy growth and energy consumption in China[J]. Economic research journal， 2007（8）： 31-42.]
[5]APERGIS N， PAYNE J E. Renewable and nonrenewable energy consumptiongrowth nexus： evidence from a panel error correction model[J]. Energy economics， 2012， 34（3）： 733-738.
[6]SALIM R A， HASSAN K， SHAFIEI S， et al. Renewable and nonrenewable energy consumption and economic activities： further evidence from OECD countries[J]. Energy economics， 2014， 44： 350-360.
[7]INGLESILOTZ R. The impact of renewable energy consumption to economic growth： a panel data application[J]. Energy economics， 2016， 53： 58-63.
[8]王瑛. 中国可再生能源消费与经济增长的时间序列分析——以水电、核电、风电为例[J].工业技术经济， 2008， 27（11）： 96-99.[WANG Ying. Time series analysis of renewable energy consumption and economic growth in China：a case study of hydropower， nuclear power and wind power[J]. Journal of industrial technological economics， 2008， 27（11）： 96-99.]
[9]齐绍洲， 李杨. 可再生能源消费影响经济增长吗？——基于欧盟的实证研究[J]. 世界经济研究， 2017（4）： 106-119. [QI Shaozhou， LI Yang. Does renewable energy consumption affect economic growth？ ： empirical evidence from European Union [J]. Word economy studies， 2017（4）： 106-119.]
[10]OCAL O， ASLAN A. Renewable energy consumptioneconomic growth nexus in Turkey[J]. Renewable and sustainable energy reviews， 2013， 28（8）： 494-499.
[11]PAYNE J E. On the dynamics of energy consumption and output in the US[J]. Applied energy， 2009， 86（4）： 575-577.
[12]MENEGAKI A N. Growth and renewable energy in Europe： a random effect model with evidence for neutrality hypothesis [J]. Energy economics， 2011， 33（2）： 257-263.
[13]ALMULALI U， FEREIDOUNI H G， LEE J Y， et al. Examining the bidirectional long run relationship between renewable energy consumption and GDP growth[J]. Renewable and sustainable energy reviews， 2013， 22（8）： 209-222.
[14]MARKANDYA A， ARTO I， GONZALEZEGUINO M， et al. Towards a green energy economy？ tracking the employment effects of lowcarbon technologies in the European Union[J]. Applied energy， 2016， 179： 1342-1350.
[15]APERGIS N， SALIM R. Renewable energy consumption and unemployment： evidence from a sample of 80 countries and nonlinear estimates[J]. Applied economics， 2015， 47（52）： 1-20.
[16]朱小會， 陆远权. 环境财税政策的治污效应研究——基于区域和门槛效应视角[J].中国人口·资源与环境， 2017， 27（1）： 83-90.[ZHU Xiaohui， LU Yuanquan. Pollution governance effect on environmental fiscal and taxation policy[J]. China population， resources and environment， 2017， 27（1）： 83-90.]
[17]BATLLE C. A method for allocating renewable energy source subsidies among final energy consumers [J]. Energy policy， 2011， 39（5）： 2586-2595.
[18]DACHIS B， CARR J. Zapped： the high cost of Ontarios renewable electricity subsidies [R]. Toronto： C.D. Howe Institute， 2011.
[19]DAVID P A. Pathdependence： putting the past into the future of economics[M].California： Standford Unversity Press， 1988.
[20]ARTHUR W B. Increasing returns and path dependence in the economy[M]. Michigan： University of Michigan Press， 1994.
[21]UNRUH G C. Understanding carbon lockin [J]. Energy policy， 2000， 28（12）： 817-830.
[22]許晓燕， 赵定涛， 洪进， 等. 绿色技术创新的影响因素分析——基于中国专利的实证研究[J]. 中南大学学报（社会科学版）， 2013， 19（2）： 29-33.[XU Xiaoyan， ZHAO Dingtao， HONG Jin， et al. The Influencing factors analysis of green technological innovation：on the basis of an empirical analysis of patents in China [J]. Journal for Central South University （social sciences edition）， 2013， 19（2）： 29-33.]
[23]ARBEX M， PEROBELLI F S. Solow meets Leontief： economic growth and energy consumption[J]. Energy economics， 2010， 32（1）： 43-53.
[24]HANSEN B E. Threshold effects in nondynamic panels： estimation， testing， and inference[J]. Journal of econometrics， 1999， 93（2）： 345-368.
[25]冯晓， 朱彦无， 杨茜， 等. 基于人力资本分布方差的中国国民经济生产函数研究[J]. 经济学（季刊）， 2012， 11（2）： 559-594. [FENG Xiao， ZHU Yanwu， YANG Qian， et al. A study on Chinas national production function based on a human capital dispersion index[J]. China economic quarterly， 2012， 11（2）： 559-594.]
[26]陆旸， 蔡昉. 人口结构变化对潜在增长率的影响：中国和日本的比较[J]. 世界经济， 2014（1）： 3-29. [LU Yang，CAI Fang. The impact of population structure transformation on potential growth rates： a comparison between China and Japan [J].The journal of world economy，2014（1）：3-29.]
[27]BARRO R J， LEE J W. A new data set of educational attainment in the world， 1950-2010[J]. Journal of development economics， 2013， 104： 184-198.
[28]郭玉清. 资本积累、技术变迁与总量生产函数——基于中国1980-2005年经验数据的分析[J]. 南开经济研究， 2006（3）： 79-89.[GUO Yuqing. Capital accumulation， technical change and aggregate production function： a study based on empirical data from China between 1980 and 2005[J]. Nan Kai economic studies， 2006（3）： 79-89.]
[29]GONG P Q， LI X Y. Study on the investment value and investment opportunity of renewable energies under the carbon trading system[J]. Chinese journal of population， resources and environment， 2016， 14（4）：271-281.
[30]LIU L， HUANG J B， YU S W. Prediction of primary energy demand in China based on AGAEDE optimal model[J]. Chinese journal of population， resources and environment， 2016， 14（1）：16-29.
[31]SOLOW R M. Technical change and the aggregate production function[J]. The review of economics and statistics， 1957， 39（3）： 312-320.
AbstractEnergy transformation and increasing renewable energy consumption are important energy strategies for all countries at present. Then， has energy transformation sacrificed economic growth？ Is the impact of increasing renewable energy consumption on economic growth positive or negative？ Are there any differences in the direction or magnitude of the impact among countries or regions， and what are the determinants behind them？ We apply panel threshold effect model to test threshold effects of renewable energy consumption on economic growth of EU in this paper. The empirical result shows that： ①The impact of increasing renewable energy consumption on economic growth is negative and nonlinear. ②Renewable energy consumption has significant threshold effects on economic growth. When renewable energy subsidy is higher than threshold， energy consumption intensity is stronger than threshold， and GDP per capita is lower than threshold， the economic cost of increasing renewable energy consumption rises. ③Now， the energy consumption intensity and GDP per capita of majority of EU countries are in the appropriate threshold regimes. In contrast， more and more countries in EU are in the highsubsidy group. The expansion of renewable energy consumption is mainly driven by high subsidy which sacrifices economic growth.④The average annual growth rates of renewable energy consumption showed no significant difference between highsubsidy and lowsubsidy countries from 1990 to 2014. The average annual growth rate of renewable energy consumption in Britain and Belgium rank first and second respectively， but the subsidies of both countries have never surpassed threshold. The average annual growth rate of renewable energy consumption in Netherlands， which has always been in the highsubsidy group， is smaller than that in Belgium， Ireland， Poland and the United Kingdom which have always been in the lowsubsidy group. Therefore， subsidy with higher economic cost is not the only effective means to increase renewable energy consumption.
Key wordsrenewable energy consumption； economic growth； panel threshold effect； renewable energy subsidy
摘要能源转型和增加可再生能源消费是现阶段各国重要的能源战略。那么，能源转型是否牺牲经济增长？增加可再生能源消费对经济增长的影响是积极的还是消极的？该影响的方向或大小在国家或地区之间是否存在差异，其背后的决定因素是什么？本文以可再生能源发展较为领先、面板数据较为完整的欧盟为研究对象，运用面板门槛效应模型，实证检验了可再生能源消费对经济增长的门槛效应。研究表明，①能源转型具有经济代价，可再生能源消费对经济增长存在负向的非线性影响。②可再生能源消费对经济增长存在显著的门槛效应。当可再生能源补贴高于门槛值、能源消费强度高于门槛值以及人均GDP低于门槛值时，推动可再生能源消费的经济代价更大。③目前欧盟推动可再生能源消费具有合适的能源消费强度和经济水平条件，但可再生能源补贴过大，具有一定经济代价。④根据门槛值将国家分为低补贴组和高补贴组，两组国家在1990—2014年期间可再生能源消费年均增速并没出现显著差异。其中，可再生能源消费年均增速位居第一和第二的英国与比利时，可再生能源补贴较低且始终没有跨过门槛值；而一直处于高补贴组的荷兰，可再生能源消费年均增速并没超过一直处于低补贴组的比利时、爱尔兰、波兰与英国。可见，具有较高经济代价的补贴并不是推进可再生能源消费的唯一有效手段。
关键词可再生能源消费；经济增长；门槛效应；可再生能源补贴
中图分类号F113.3文献标识码A文章编号1002-2104（2018）02-0019-09DOI：10.12062/cpre.20170905
近年来，全球能源消费结构出现新趋势，可再生能源进入快速发展阶段。国际能源署（IEA）发布的《2016年国际能源展望》预测，2040年全球可再生能源发电量占比将达到60%。以可再生能源发展较为领先的欧盟为例，1990—2015年期间能源总消费逐年缓慢下降，年均增速为-0.1%，但可再生能源消费年均增速为4.37%，其中可再生能源消费占比由4.33%增加到12.91%，可再生能源发电量占比由12.63%增加到29.86%。可再生能源消费迅速增加，一是因为原油供给瓶颈凸显，且局部产油国局势不稳，石油产出份额调整导致国际油价剧烈波动，能源安全受到挑战；二是化石能源消费导致的气候变化、健康安全和经济损失等问题引起全球关注。在2015年巴黎气候大会上，中国明确提出2030 年左右CO2排放达到峰值和非化石能源消费占比达 20%的目标。2017年，欧洲议会将2030年欧盟可再生能源在全部能源消费中占比的目标由原来的27%提升至35%。可见，能源转型和增加可再生能源消费是现阶段各国重要的能源战略。据《BP世界能源统计年鉴》，2016年，中国可再生能源发电增量位居全球第一，中国超越美国成为最大的可再生能源生产国。那么，能源转型是否会牺牲经济增长？增加可再生能源消费对经济增长的影响是积极的还是消极的？该影响的方向或大小在国家或地区之间是否存在差异，其背后的决定因素是什么？这些问题的回答可以为我国更好地发展可再生能源、优化能源结构和以最小的经济代价实现2030年可再生能源消费目标提供科学的政策依据。
1文献综述
经濟学家常致力于探究经济增长源泉问题，因此能源消费与经济增长的关系是经济学的一个基本命题。研究发现，能源消费与经济增长的关系存在地区差异[1-2]以及非线性关系[3-4]。目前关于可再生能源消费对经济增长影响的研究大多基于线性和分组研究方法，从不同的影响机制视角出发，没有一致结论。①大部分学者将可再生能源作为一种生产要素运用到生产函数进行研究[5-7]，发现可再生能源替代部分不可再生能源，有利于能源多元化和缓解气候问题，与不可再生能源消费和其他生产要素一起拉动经济增长。InglesiLotz[7]以OECD国家为研究对象，发现可再生能源消费量的增加有利于经济总量和人均GDP增长，认为能源转型战略不仅能改善一国环境还能提高经济水平。王瑛[8]则基于协整和Granger因果检验方法，发现中国可再生能源消费与经济增长之间具有协整关系，且可再生能源消费是GDP增长的单向Granger原因。②也有学者认为，与传统能源相比，目前发展可再生能源尚不具备技术和成本优势，现阶段可再生能源消费的扩张主要由政府政策驱动，有一定的经济代价[9]。Ocal和Aslan[8]运用自回归分布滞后模型，发现可再生能源消费每增加1%，GDP减少0.3%。③还有学者提出可再生能源消费对经济增长并不存在显著影响。Payne[11]基于TodaYamamoto检验方法，发现美国可再生能源消费与不可再生能源消费对实际GDP都不存在格兰杰因果关系。Menegaki[12]以欧洲27个国家为研究对象，发现可再生能源消费与实际GDP不存在格兰杰因果关系，主要原因是欧洲可再生能源开发不足且不均衡。④近年来，有学者发现可再生能源消费对经济增长（或就业）的影响存在地区差异。Almulali等[13]发现收入水平越高，可再生能源消费对经济增长的正向影响更为持续和显著。Markandya等[14]，以及Apergis和Salim[15]发现不同地区可再生能源消费对就业的影响存在异质性。
上述文献主要基于线性方法和分组方法研究可再生能源消费对经济增长的影响及地区差异，然而由于①可再生能源消费通过多种机制影响经济增长[9]，两者之间可能存在非线性关系，传统线性方法并不准确，导致结论不一致；②分组方法最大的问题是分组标准的确定是任意选择而不是从数理统计角度推断，也无法对不同样本回归结果的差异性进行显著性检验，参数估计的有效性和可靠性容易受到质疑。因此，作为对已有文献的补充，鉴于数据的可得性与完整性，本文以可再生能源发展较为领先、面板数据较为完整的欧盟为研究对象，考察可再生能源消费对经济增长的非线性门槛效应，边际贡献在于，第一，探索性地将面板门槛检验方法引入到可再生能源消费对经济增长非线性影响的研究中，准确识别导致非线性影响存在的各种因素；第二，深入剖析各个门槛变量的作用机理，提出可再生能源补贴的无谓损失和挤出效应、能源消费的路径依赖效应以及经济水平对增加可再生能源消费的技术基础效应；第三，基于经济学意义和经典文献，完善生产函数中各生产要素的衡量指标。其中，考虑劳动的异质性，对就业数据做质量水平调整来表示劳动存量，资本使用存量指标而非固定资本形成等流量指标，技术使用全要素生产率、可再生能源消费和不可再生能源消费分别使用各自的总量，既包括发电部分的能源消费量，也包括其他用途的能源消费量，使结论更加准确和稳健。
2门槛效应机制
基于以上文献综述，可再生能源消费对经济增长的影响可能是非线性的，即可能会随着某些重要变量达到一定的水平或门槛值之后，其影响方向或程度会发生突变。而面板门槛回归模型是一种非线性计量经济学模型[16]，其本质就是将门槛值作为一个未知变量纳入实证模型中，构建解释变量回归系数的分段函数，从而内生估算出门槛值，并对不同门槛区间的参数进行估计。因此，本文将面板门槛回归模型引入可再生能源消费对经济增长非线性影响的研究中。根据经济学理论和经典文献，门槛效应存在的原因和理论机制分析如下。
（1）可再生能源补贴。可再生能源补贴是各国增加可再生能源消费普遍使用的政策，其大小在一定程度上反映了政府可再生能源政策强度。若一国主要通过高额的可再生能源补贴来推动可再生能源消费，当可再生能源补贴高于门槛值时，该国推动可再生能源消费的经济代价会增加，即高补贴国家增加可再生能源消费的经济代价更大。与化石能源相比，目前可再生能源消费并不具备成本有效性，通过补贴来推动可再生能源消费必然有一定的经济成本。①从社会福利的角度，政府的补贴政策会使市场未处于最优运行状态而使社会净福利受到损失，政府补贴并不能完全转化为社会福利的这部分损失称为无谓损失。②不同国家可再生能源补贴的费用分担机制存在差异，有的国家（如奥地利）主要由电力消费者承担，有的国家（如荷兰）则由政府承擔，有的国家（如法国、丹麦）则由电网公司和电力消费者共同承担[17]等等。欧盟目前深陷财政困境，巨额的可再生能源补贴严重增加了政府财政负担，挤出了政府其他投资与消费。同时，可再生能源的补贴以可再生能源电价附加等形式传导于销售电价，挤出了私人部门收入、消费及投资，给用电企业和个人带来成本负担。从2006年开始，中国在销售电价中开征可再生能源电价附加作为可再生能源发展基金，征收标准为每千瓦时1厘钱，逐步提高到现在的每千瓦时1.9分钱。Apergis和Salim[15]认为可再生能源高成本导致政府和私人预算的减少，因此投资和消费减少，不利于就业和经济增长。Dachis和Carr[18]发现可再生能源上网电价补贴导致人均电价每年增加310美元，不利于经济增长。因此，本文提出假设1：可再生能源消费对经济增长存在非线性影响，当可再生能源补贴高于门槛值时，推动可再生能源消费的经济代价会增加，即高补贴的国家增加可再生能源消费的经济代价更大。
（2）能源消费强度。能源消费强度是能源消费总量与国内实际生产总值的比值，反映经济体对能源及不可再生能源的依赖程度。当能源消费强度达到一定程度时，经济增长对能源消费以及不可再生能源消费的依赖程度越高，能源消费的路径依赖和锁定效应越大，能源转型和增加可再生能源消费的经济代价更大。因此，高能源消费强度的国家增加可再生能源消费的经济代价更大。能源路径依赖效应是将路径依赖理论[19-20]应用于能源领域，指规模经济、学习效应、协作效应及适应性预期等自我增强机制使不可再生能源的边际报酬递增，驱使经济发展对不可再生能源在技术、产业结构、认知和体制等方面形成高度依赖性和系统内在惯性，导致经济发展对不可再生能源消费有严重的路径依赖和锁定效应，可再生能源技术创新和能源转型面临阻碍。Unruh[21]提出基于技术与制度的路径依赖和边际报酬递增，工业经济已经锁定于以化石能源为基础的能源系统，这导致促进减排技术扩散的政策和市场力量面临阻碍。Unruh以大型技术系统—发电、配电和终端使用为例，认为其已经深深嵌入社会背景，对技术基础设施和相应的机构与制度形成路径依赖，难以改变。因此，本文提出假设2：可再生能源消费对经济增长存在非线性影响，当能源消费强度高于门槛值时，推动可再生能源消费的经济代价会增加，即高能源消费强度的国家增加可再生能源消费的经济代价更大。
（3）经济发展水平。用人均GDP指标来衡量经济水平，当人均GDP达到一定程度时，较高的经济水平使发展可再生能源具有更好的技术、资金和人才等优势，推动可再生能源消费的经济代价减少。因此，高经济水平的国家增加可再生能源消费的经济代价更小。因为经济发展水平决定着可再生能源技术创新的硬件（如科研人员、科研资金投入和基础设施配备等）与软件（如专业知识存量、环保理念和绿色需求等）、静态与动态基础。经济水平较高的国家，其科研人员、教育经费和科研投入等更为充足，专业知识存量更为丰富，环保理念和绿色需求更为领先。并且，更容易吸引资金、技术和高科技人才流入，形成所谓的聚集效应。因此，可再生能源发展和技术创新的基础更具有优势，进而增加可再生能源消费经济代价相对较小。Huang等[1]将82个国家按照收入水平进行分组，发现不同经济发展水平的组别能源消费和实际GDP的关系存在差异，Lee和Chang[2]也提出类似结论。Almulali[13]等将108个国家按照收入水平分为高收入国家、中高收入国家、中低收入国家以及低收入国家四组，发现收入水平越高，可再生能源消费对经济增长的正向影响更为持续和显著。许晓燕等[22]发现经济发达地区的区位优势明显、科研能力较强、绿色技术创新水平较高。可见，当经济发展水平高于门槛值时，可再生能源消费对经济增长的影响可能会出现突变。本文提出假设3：可再生能源消费对经济增长存在非线性影响，当人均GDP高于门槛值时，推动可再生能源消费的经济代价会减少，即高经济发展水平的国家增加可再生能源消费的经济代价更小。
本文将面板门槛回归模型引入可再生能源消费对经济增长非线性影响的研究中，以可再生能源补贴、能源消费强度和人均GDP为门槛变量，研究可再生能源消费对经济增长的门槛效应。
3模型构建与变量说明
3.1模型构建
近年来气候变化与低碳转型使学者开始重视可再生能源在经济增长中的重要作用，进而对能源消费进行细分，将可再生能源单独作为一种生产要素运用到扩展的生产函数[6-7，23]，扩展的一般模型可设定为：
Y=f（A，K，L，R，N）=AKαLβRρNδ（0﹤α、β、ρ、δ﹤1）（1）
式中，Y为经济总产出，A代表技术，K为资本存量，L为劳动存量，R代表可再生能源消费，N代表不可再生能源消费，α、β、ρ和δ分别表示资本、劳动、可再生能源和不可再生能源的产出弹性。
为避免人为分组带来的偏误，准确识别影响可再生能源消费对经济增长作用方向和大小的因素，本文使用Hansen提出的面板门槛回归模型[24]，根据数据本身特点内生地对不同情况进行分组，研究在不同组别下可再生能源对经济增长影响的异质性。单一门槛回归模型可表示为：
Yit=μi+β0zit+β1RitI（qit≤γ）+β2RitI（qit>γ）+εit（2）
式中，i表示国家，t表示时间，Yit代表t时期i国
实际总产出，为被解释变量。qit为门槛变量，Rit为受门槛变量影响的核心解释变量，即可再生能源消费。zit为一组除可再生能源消费以外对实际产出有显著影响的变量，包括技术、资本存量、劳动存量和不可再生能源消费。β0、β1、β2为相应的系数，γ为特定的门槛值。I（·）为一个指示性函数，相应的括号内条件成立时取值为1，条件不成立时则取值为0。μi反映国家不可观测的个体效应，εit～iid N（0，δ2）为随机扰动项。实际中可能会出现多个门槛，本文将会进行验证。运用的软件是STATA 13.0，使用面板门槛回归程序xthreg，由南開大学王群勇老师编写。
3.2变量说明
1990年是欧盟大多数气候行动目标的基准年，如2020年、2030年和2050年气候政策目标。因此鉴于数据可得性与实际政策背景，本文选取欧盟28个成员国1990—2014年的年度数据作为面板数据样本，数据来源于欧盟统计局、世界银行WDI数据库、联合国国际比较计划（ICP）下的Penn World Tables（PWT 9.0）、OECD Statistics数据库以及IEA能源数据统计。
被解释变量为经济总产出（Y，单位：百万美元），使用各国实际GDP。解释变量为各种投入要素，包括：①可再生能源消费（RE，单位：百万toe）。根据国际能源署的报告《Renewables Information 2016》，2014年全球只有32.5%的可再生能源用于发电和产热，固定生物燃料的存在使可再生能源被广泛用于居民、农林业以及渔业等其他用途。考虑到电力消费只是能源消费的一部分，本文使用的是可再生能源消费总量，既包括电力消费也包括其他用途消费。②不可再生能源消费（NRE，单位：百万toe），同上，本文使用的是不可再生能源消费总量。③劳动存量（L，单位：百万人），劳动的异质性使不同受教育程度劳动者的产出效率不同，各国人力资本水平差距较大，就业人数只能体现劳动存量的数量而忽视其质量，并不能完全体现劳动存量。因此，本文在就业人员数的基础上改进，用人力资本指数进行调整[25-26]，数据来源于Penn World Tables（PWT 9.0）。劳动存量Lit=EMPit·hit，其中，EMPit为就业人员数，hit为人力资本指数，是在Barro和Lee（http：//www.barrolee.com/）统计的平均教育年限基础上，根据教育回报率所构建[27] 。hit=esit，是各国平均受教育年限sit的函数，（sit）是一个分段线性函数，
反应不同的教育年限带来不同的教育回报率。④资本存量（K，单位：百万美元），资本形成是流量，用来表示K并不准确，本文使用根据永续盘存法所计算的资本存量数据[26，28]，数据来源于Penn World Tables（PWT 9.0），Kit=（1-δit）Kit-1+Iit，δit为折旧率，Iit为t时期新增投资。⑤技术水平（A），使用全要素生产率[26，29]，表示各要素投入之外的技术进步对经济增长贡献的因素。门槛变量包括可再生能源补贴（RD）、能源消费强度（INT，单位：t/百万美元）和人均GDP（gdp，单位：美元）。其中，可再生能源补贴（RD）使用OECD Statistics数据库统计的欧盟19个国家的可再生能源研发补贴强度指数。考虑到研发补贴只是可再生能源补贴的一种，本文将使用其他可再生能源补贴政策的代理变量进行稳健性检验。为减少数据中可能存在的异方差，对解释与被解释变量进行对数处理，并在各变量名称前加上L表示对数处理的涵义。
4实证结果与分析
本节运用面板门槛模型估计方法首先检验门槛效应是否存在，若存在门槛效应则确定具体门槛值，并估计不同门槛区间下的参数值。最后将各国的现值与门槛值进行比较，确定各国目前所处的门槛区间。
4.1门槛模型估计结果
经过500次重复抽样得到具体F值和P值（见表1）。结果表明，所有门槛变量只有单一门槛模型在5%水平上显著，双重门槛模型在5%水平均不显著，较小的置信区间说明估计的门槛值基本准确。因此，将基于单一门槛模型进行分析（见表2）。
（1）总体上，可再生能源消费对实际GDP的影响是负向的，即目前欧盟增加可再生能源消费的能源结构转型战略有一定的经济代价。综合线性的固定效应模型和三个非线性的门槛模型，该结果较为稳健。主要原因体现为两方面，一是与传统能源相比，目前增加可再生能源消费尚不具备技术和成本优势，现阶段可再生能源消费的扩张主要由政府补贴政策驱动，政府补贴带来的无谓损失，对政府其他支出的挤出效应以及给用电企业和个人带来成本负担，有一定的经济代价；二是现阶段部分国家对化石能源消费有一定的路径依赖，使可再生能源技术创新和能源转型面临一定阻碍。当然，随着可再生能源技术创新水平提高、可再生能源成本进一步降低以及可再生能源消费增加所带来的动态的规模经济和干中学效应等，从长期看，该负向影响会转为正向。
（2）可再生能源消费对实际GDP存在显著的门槛效应。具体而言，①以可再生能源补贴（RD）为门槛变量时，当可再生能源补贴高于门槛值，可再生能源消费增加对实际GDP的负向影响越大。当RD低于门槛值（RD=3）时，可再生能源消费每增加1%，实际GDP减少约0.04%；当RD高于门槛值时，可再生能源消费每增加1%，实际GDP减少约0.048%。可见，若一国主要通过高额的可再生能
源补贴政策来推动可再生能源消费，高补贴会导致更高的社会福利净损失，也对政府其他支出有挤出效应，并且还会以可再生能源附加等形式部分或全部传递到销售电价，挤出私人部门收入、消费及投资，给用电企业和个人带来成本压力。因此，高补贴国家增加可再生能源消费的经济代价更大。②以能源消费强度（INT）为门槛变量时，当能源消费强度高于门槛值，可再生能源消费增加对实际GDP的负向影响越大。当INT小于328.14t/百万美元时，可再生能源消费每增加1%，实际GDP减少0.038%。当INT高于328.14t/百万美元的门槛值时，经济体对能源消费以及不可再生能源消费的依赖程度较大，经济发展对不可再生能源形成高度依赖性和系统内在惯性，可再生能源技术创新和能源转型面临更大阻碍。这时，可再生能源消费每增加1%，实际GDP减少幅度明显增加，达0.104%。可见，高能源消费强度的国家增加可再生能源消费的经济代价更大。③以人均GDP（gdp）为门槛变量，当人均GDP高于门槛值，可再生能源消费增加对实际GDP的负向影响越小。当人均GDP水平低于5 833.08美元时，可再生能源消费每增加1%，实际GDP减少0.121%。然而，随着人均GDP水平增加，当高于5 833.08美元的门槛值时，可再生能源消费增加对经济的负向影响明显降低，可再生能源消费每增加1%，实际GDP减少0.042%。因为，一国经济发展水平越高，其科研人员、教育经费和科研投入等更为充足，专业知识存量更为丰富，环保理念和绿色需求更为领先，且更容易吸引资金、技术和高科技人才流入，可再生能源技术创新具有一定基础优势，进而可再生能源技术创新水平较高、研发成本较低、能源利用效率较高等，因此推动可再生能源消费对实际GDP的负向影响越小。可见，高经济水平的国家增加可再生能源消费的经济代价更小。
因此，上文的三个假设得到了较好地验证。且各模型拟合效果较好，对于其他解释变量，不可再生能源消费对实际GDP的影响为负向或不显著，可见欧盟经济增长基本与化石能源消费脱钩，印证了经济增长与化石能源消费之间的环境库兹涅茨曲线的变化规律。资本存量、劳动存量以及技术对经济增长的影响为正向，其中技术对经济增长的贡献最大。
4.2门槛区间内国家数目变化
本节根据门槛值将样本划分为不同的区间，观察各门槛区间内国家数目变化（见表3）。结果表明，①对于能源消费强度门槛变量，1990年有7个成员国处于高强度区间，但2005年以来，最多一个国家（保加利亚）处于高强度区间。并且，保加利亚的能源消费强度由1990年的772.10 t/百万美元下降到2014年的339.27 t/百万美元，已接近门槛值。可见，绝大多数欧盟成员国的能源消费强度低于门槛值，能源路径依赖效应较小。②对于人均收入水平门槛变量，1990年，只有保加利亚和罗马尼亚这两个成员国低于门槛值。但2010年以来，所有成员国的人均GDP均高于门槛值，可再生能源技术创新具有一定基础优势。由此可见，目前欧盟大规模推动可再生能源消费的能源转型战略具有合适的能源消费强度和经济水平条件。
（3）对于可再生能源补贴这一门槛变量（见表3与表4），①1990年只有1个成员国，即荷兰，处于高补贴区间，但近年来欧盟可再生能源补贴规模越来越大，越来越多的国家处于高补贴区间，2012年有7个成员国的可再生能源补贴规模高于门槛值，包括丹麦、德国、荷兰、奥地利、斯洛伐克、芬兰、瑞典。这较好地解释了为什么欧盟可再生能源消费对经济增长的影响为负向。现阶段欧盟可再生能源消费规模的增加由政府高額补贴推动，社会净福利损失较大，严重增加了政府财政负担，也使电力消费者承担了高额电价，具有较大的经济代价。这对于目前深陷财政危机且经济与政治不稳定的欧盟来说是较大挑战。②比较可再生能源高补贴与低补贴的两组国家，在1990年到2014年期间可再生能源消费年均增速并没出现显著差异。具体而言，可再生能源消费年均增速位居第一和第二的英国与比利时，可再生能源补贴始终没有跨过门槛值。而一直处于高补贴组的荷兰，可再生能源消费年均增速也并没超过一直处于低补贴组的比利时、爱尔兰、波兰与英国。可见，具有较高经济代价的补贴并不是推进可再生能源消费的唯一有效手段。
5稳健性检验
为考察结果是否稳健，本节从三个方面检验上文结论的稳健性。第一，调整研究样本，处理离群值可能对结果带来的偏误。第二，调整实证研究方法，单一方法对问题的研究可能有偏，将面板门槛模型与分组方法回归结果进行对比。第三，调整代理变量，考虑到研发补贴只是可再生能源补贴的一种，使用其他可再生能源补贴的代理变量进行稳健性检验。
（1）调整研究样本。依次删除可再生能源消费占欧盟可再生能源总消费比例最多和最少的1%、5%和10%左右的样本国家，对欧盟26国、24国和22国分别进行三次面板门槛模型检验，结果较为一致。即，当可再生能源补贴高于门槛值、能源消费强度高于门槛值以及人均GDP低于门槛值时，推动可再生能源消费的经济代价更大。与上文估计结果完全一致，结论稳健。篇幅所限，结果备索。
（2）调整实证方法。将欧盟成员国按照可再生能源补贴的门槛值分为低补贴组与高补贴组（见表3），分析两组国家的可再生能源消费对经济的影响是否具有异质性。对于其他门槛变量，由于欧盟成员国大都处于同一个门槛区间，因此不便进行分组检验。分组方法的参数估计结果（见表5）与门槛模型估计结果类似。对于低补贴组，可再生能源消费对实际GDP的影响是负向的，但系数非常小（-0.010），且不显著；而对于高补贴组，可再生能源消费对实际GDP的负向影响明显较大，系数变为-0.069，且在1%水平上显著。结合更为严谨的分组方法，加入虚拟变量Di，对于高补贴组，Di=1；对于低补贴组，Di=0。交互项LRE*D的系数显著为负（-0.044），可见，高补贴组可再生能源消费扩张的经济代价更大。
（3）调整代理变量。由于数据可得性，上文对于可再
生能源補贴政策的衡量使用可再生能源研发公共补贴，不能代表所有可再生能源补贴。实际中，除了可再生能源研发补贴，还包括上网电价补贴、再生能源部门的各种类型税收抵免和优惠贷款等。因此，本节①使用OECD Statistics环境规制强度指数（ENVI），包括14种环境政策工具，间接衡量可再生能源补贴政策强度。②使用另一可
再生能源补贴政策——上网电价（FEED），检验结论的稳
健性。实证结果显示，当环境政策强度（ENVI）与上网电价（FEED）分别高于门槛值2.4和2.5时，可再生能源消费增加对经济增长的负向影响均显著增强。再次验证了上文结论，可再生能源消费对经济增长存在非线性影响，高补贴的国家增加可再生能源消费的经济代价更大。篇幅所限，结果备索。
6结论与启示
本文运用面板门槛模型，以可再生能源补贴、能源消费强度和人均GDP为门槛变量，基于可再生能源补贴的无谓损失和挤出效应、能源消费的路径依赖效应以及经济水平对增加可再生能源消费的技术基础效应，对1990—2014年欧盟28个成员国可再生能源消费对经济增长的门槛效应进行了研究。验证了本文所提出的三个假设，并得出以下结论：①能源转型具有经济代价，可再生能源消费对经济增长的影响为负向。对于不同的门槛区间，可再生能源消费对实际GDP的影响始终为负向，只是在程度上有所变化。②可再生能源消费对经济增长存在显著的门槛效应。当可再生能源补贴高于门槛值、能源消费强度高于门槛值以及人均GDP低于门槛值时，推动可再生能源消费的经济代价更大。③目前欧盟大规模增加可再生能源消费具有合适的能源消费强度和经济水平条件，但近年来欧盟可再生能源补贴规模越来越大，可再生能源消费的增加由政府高额补贴推动，不利于经济增长。④具有较高经济代价的补贴并不是推进可再生能源消费的唯一有效手段。比较可再生能源高补贴与低补贴的两组国家，在1990—2014年期间可再生能源消费年均增速并没出现显著差异。并通过对具体国家进行分析，发现补贴大小与可再生能源消费增速并无必然联系。
欧盟的实证结果对中国推动可再生能源消费的启示如下：一方面，合理且有效地运用政府手段激励能源转型。①补贴的最终目的是不补贴，防止低效和过度补贴，逐渐减少政府可再生能源补贴，并全面退出化石能源补贴，减少补贴政策对社会净福利带来的损失。②完善可再生能源发展基金的管理，制定适合的可再生能源财政税收政策，填补可再生能源补贴资金缺口，减少对政府以及私人部门投资和消费的挤出。③增加补贴发放效率，优化管理体制和补贴程序。另一方面，根据各地区差异，制定有差异的可再生能源政策和目标。①优惠政策更多地倾向于能源转型经济代价较大的地区，即能源消费强度较高和经济发展水平较低的地区。②着力突破能源消费的路径依赖，加强可再生能源输送和上网的基础设施和制度建设。③强化可再生能源发展的基础条件，大力推进可再生能源技术创新。
（编辑：刘照胜）
参考文献（References）
[1]HUANG B N， HWANG M J， YANG C W， et al. Causal relationship between energy consumption and GDP growth revisited： a dynamic panel data approach[J]. Ecological economics， 2008， 67（1）： 41-54.
[2]LEE C C， CHANG C P. Energy consumption and GDP revisited： a panel analysis of developed and developing countries[J]. Energy economics， 2007， 29 （6）： 1206-1223.
[3]HUANG B N， HWANG M J， YANG C W， et al. Does more energy consumption bolster economic growth？ an application of the nonlinear threshold regression model[J]. Energy policy， 2008， 36（2）： 755-767.
[4]赵进文， 范继涛. 经济增长与能源消费内在依从关系的实证研究[J]. 经济研究， 2007（8）： 31-42. [ZHAO Jinwen， FAN Jitao. Empirical research on the inherent relationship between economy growth and energy consumption in China[J]. Economic research journal， 2007（8）： 31-42.]
[5]APERGIS N， PAYNE J E. Renewable and nonrenewable energy consumptiongrowth nexus： evidence from a panel error correction model[J]. Energy economics， 2012， 34（3）： 733-738.
[6]SALIM R A， HASSAN K， SHAFIEI S， et al. Renewable and nonrenewable energy consumption and economic activities： further evidence from OECD countries[J]. Energy economics， 2014， 44： 350-360.
[7]INGLESILOTZ R. The impact of renewable energy consumption to economic growth： a panel data application[J]. Energy economics， 2016， 53： 58-63.
[8]王瑛. 中国可再生能源消费与经济增长的时间序列分析——以水电、核电、风电为例[J].工业技术经济， 2008， 27（11）： 96-99.[WANG Ying. Time series analysis of renewable energy consumption and economic growth in China：a case study of hydropower， nuclear power and wind power[J]. Journal of industrial technological economics， 2008， 27（11）： 96-99.]
[9]齐绍洲， 李杨. 可再生能源消费影响经济增长吗？——基于欧盟的实证研究[J]. 世界经济研究， 2017（4）： 106-119. [QI Shaozhou， LI Yang. Does renewable energy consumption affect economic growth？ ： empirical evidence from European Union [J]. Word economy studies， 2017（4）： 106-119.]
[10]OCAL O， ASLAN A. Renewable energy consumptioneconomic growth nexus in Turkey[J]. Renewable and sustainable energy reviews， 2013， 28（8）： 494-499.
[11]PAYNE J E. On the dynamics of energy consumption and output in the US[J]. Applied energy， 2009， 86（4）： 575-577.
[12]MENEGAKI A N. Growth and renewable energy in Europe： a random effect model with evidence for neutrality hypothesis [J]. Energy economics， 2011， 33（2）： 257-263.
[13]ALMULALI U， FEREIDOUNI H G， LEE J Y， et al. Examining the bidirectional long run relationship between renewable energy consumption and GDP growth[J]. Renewable and sustainable energy reviews， 2013， 22（8）： 209-222.
[14]MARKANDYA A， ARTO I， GONZALEZEGUINO M， et al. Towards a green energy economy？ tracking the employment effects of lowcarbon technologies in the European Union[J]. Applied energy， 2016， 179： 1342-1350.
[15]APERGIS N， SALIM R. Renewable energy consumption and unemployment： evidence from a sample of 80 countries and nonlinear estimates[J]. Applied economics， 2015， 47（52）： 1-20.
[16]朱小會， 陆远权. 环境财税政策的治污效应研究——基于区域和门槛效应视角[J].中国人口·资源与环境， 2017， 27（1）： 83-90.[ZHU Xiaohui， LU Yuanquan. Pollution governance effect on environmental fiscal and taxation policy[J]. China population， resources and environment， 2017， 27（1）： 83-90.]
[17]BATLLE C. A method for allocating renewable energy source subsidies among final energy consumers [J]. Energy policy， 2011， 39（5）： 2586-2595.
[18]DACHIS B， CARR J. Zapped： the high cost of Ontarios renewable electricity subsidies [R]. Toronto： C.D. Howe Institute， 2011.
[19]DAVID P A. Pathdependence： putting the past into the future of economics[M].California： Standford Unversity Press， 1988.
[20]ARTHUR W B. Increasing returns and path dependence in the economy[M]. Michigan： University of Michigan Press， 1994.
[21]UNRUH G C. Understanding carbon lockin [J]. Energy policy， 2000， 28（12）： 817-830.
[22]許晓燕， 赵定涛， 洪进， 等. 绿色技术创新的影响因素分析——基于中国专利的实证研究[J]. 中南大学学报（社会科学版）， 2013， 19（2）： 29-33.[XU Xiaoyan， ZHAO Dingtao， HONG Jin， et al. The Influencing factors analysis of green technological innovation：on the basis of an empirical analysis of patents in China [J]. Journal for Central South University （social sciences edition）， 2013， 19（2）： 29-33.]
[23]ARBEX M， PEROBELLI F S. Solow meets Leontief： economic growth and energy consumption[J]. Energy economics， 2010， 32（1）： 43-53.
[24]HANSEN B E. Threshold effects in nondynamic panels： estimation， testing， and inference[J]. Journal of econometrics， 1999， 93（2）： 345-368.
[25]冯晓， 朱彦无， 杨茜， 等. 基于人力资本分布方差的中国国民经济生产函数研究[J]. 经济学（季刊）， 2012， 11（2）： 559-594. [FENG Xiao， ZHU Yanwu， YANG Qian， et al. A study on Chinas national production function based on a human capital dispersion index[J]. China economic quarterly， 2012， 11（2）： 559-594.]
[26]陆旸， 蔡昉. 人口结构变化对潜在增长率的影响：中国和日本的比较[J]. 世界经济， 2014（1）： 3-29. [LU Yang，CAI Fang. The impact of population structure transformation on potential growth rates： a comparison between China and Japan [J].The journal of world economy，2014（1）：3-29.]
[27]BARRO R J， LEE J W. A new data set of educational attainment in the world， 1950-2010[J]. Journal of development economics， 2013， 104： 184-198.
[28]郭玉清. 资本积累、技术变迁与总量生产函数——基于中国1980-2005年经验数据的分析[J]. 南开经济研究， 2006（3）： 79-89.[GUO Yuqing. Capital accumulation， technical change and aggregate production function： a study based on empirical data from China between 1980 and 2005[J]. Nan Kai economic studies， 2006（3）： 79-89.]
[29]GONG P Q， LI X Y. Study on the investment value and investment opportunity of renewable energies under the carbon trading system[J]. Chinese journal of population， resources and environment， 2016， 14（4）：271-281.
[30]LIU L， HUANG J B， YU S W. Prediction of primary energy demand in China based on AGAEDE optimal model[J]. Chinese journal of population， resources and environment， 2016， 14（1）：16-29.
[31]SOLOW R M. Technical change and the aggregate production function[J]. The review of economics and statistics， 1957， 39（3）： 312-320.
AbstractEnergy transformation and increasing renewable energy consumption are important energy strategies for all countries at present. Then， has energy transformation sacrificed economic growth？ Is the impact of increasing renewable energy consumption on economic growth positive or negative？ Are there any differences in the direction or magnitude of the impact among countries or regions， and what are the determinants behind them？ We apply panel threshold effect model to test threshold effects of renewable energy consumption on economic growth of EU in this paper. The empirical result shows that： ①The impact of increasing renewable energy consumption on economic growth is negative and nonlinear. ②Renewable energy consumption has significant threshold effects on economic growth. When renewable energy subsidy is higher than threshold， energy consumption intensity is stronger than threshold， and GDP per capita is lower than threshold， the economic cost of increasing renewable energy consumption rises. ③Now， the energy consumption intensity and GDP per capita of majority of EU countries are in the appropriate threshold regimes. In contrast， more and more countries in EU are in the highsubsidy group. The expansion of renewable energy consumption is mainly driven by high subsidy which sacrifices economic growth.④The average annual growth rates of renewable energy consumption showed no significant difference between highsubsidy and lowsubsidy countries from 1990 to 2014. The average annual growth rate of renewable energy consumption in Britain and Belgium rank first and second respectively， but the subsidies of both countries have never surpassed threshold. The average annual growth rate of renewable energy consumption in Netherlands， which has always been in the highsubsidy group， is smaller than that in Belgium， Ireland， Poland and the United Kingdom which have always been in the lowsubsidy group. Therefore， subsidy with higher economic cost is not the only effective means to increase renewable energy consumption.
Key wordsrenewable energy consumption； economic growth； panel threshold effect； renewable energy subsidy
