地球科学进展, 2020, 35(6): 618-631 DOI: 10.11867/j.issn.1001-8166.2020.051

全球变化研究

中国投资对“一带一路”地区经济增长和碳排放强度的影响

李侠祥,1,2, 刘昌新2,3, 王芳1,2, 郝志新,1,2

1.中国科学院地理科学与资源研究所,陆地表层格局与模拟重点实验室,北京 100101

2.中国科学院 大学,北京 100049

3.中国科学院科技战略咨询研究院,北京 100190

The Impact of China’s Investment on Economic Growth and Carbon Emission Intensity in the “Belt and Road”

Li Xiaxiang,1,2, Liu Changxin2,3, Wang Fang1,2, Hao Zhixin,1,2

1.Key Laboratory of Land Surface Pattern and Simulation, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China

2.University of Chinese Academy of Sciences, Beijing 100049, China

3.Institutes of Science and Development, Chinese Academy of Sciences, Beijing 100190, China

通讯作者: 郝志新(1975-),女,内蒙古赤峰人,研究员,主要从事气候变化研究. E-mail:haozx@igsnrr.ac.cn

收稿日期: 2019-12-19   修回日期: 2020-05-01   网络出版日期: 2020-07-06

基金资助: 国家重点研发计划项目“地球系统模式与综合评估模型的双向耦合及应用”.  2016YFA0602704
国家自然科学基金重点项目“中世纪暖期与小冰期中国东部年代际干湿格局差异及其机制研究”.  41831174

Corresponding authors: Hao Zhixin (1975-), female, Chifeng City, Inner Mongolia Autonomous Region, Professor. Research areas include climate change. E-mail:haozx@igsnrr.ac.cn

Received: 2019-12-19   Revised: 2020-05-01   Online: 2020-07-06

作者简介 About authors

李侠祥(1991-),男,山东临沂人,博士研究生,主要从事气候变化研究.E-mail:lixx.18b@igsnrr.ac.cn

LiXiaxiang(1991-),male,LinyiCity,ShandongProvince,Ph.Dstudent.Researchareasincludeclimatechange.E-mail:lixx.18b@igsnrr.ac.cn

摘要

增加绿色投资是促进“一带一路”地区实现可持续发展的重要途径之一。通过设计中国对“一带一路”地区无投资、固定投资和加强投资3个情景,利用改进的索罗模型和碳强度变化模型,计算并对比分析了“一带一路”地区7个区域国内生产总值和CO2排放量变化的差异。结果表明,中国投资有利于“一带一路”地区的经济发展和CO2减排,且随着投资的增加,促进作用也越明显。相对无投资情景,截至2100年,在固定、加强投资情景下,“一带一路”地区国内生产总值分别累计增加45.16万亿和97.02万亿美元,CO2累计排放量分别减少44.16 Gt和79.47 Gt,这将导致2100年全球大气CO2浓度下降2.41和4.33 mL/m3。从区域上看,虽然在短期内(2017—2050年),中国投资可能导致东南亚及周边地区、印度和中东欧的CO2排放量小幅增加,但长期(2017—2100年)结果显示,其对各区域CO2排放量下降均有促进作用,特别是对东南亚及周边地区和中东—中亚地区的减排促进作用最明显。这表明中国投资有利于促进“一带一路”地区的绿色可持续发展。

关键词: “一带一路”倡议 ; 碳减排 ; 绿色发展 ; 中国投资

Abstract

Increasing green investment is one of the important ways to promote sustainable development in the Belt and Road (B&R) region. We predicted the effects of China’s investments on the CO2 emission patterns in B&R areas under the scenarios of No-Investment (NIS), Business-as-usual Investment (BIS) and the Strengthening Investment Scenario (SIS) based on the improved Solow model and a CO2 intensity model. The results reveal that the GDP of B&R region will cumulatively increase by 45.16 and 97.02 trillion USD, and the CO2 will cumulatively decrease by 44.16 and 79.47 Gt by 2100, respectively, under BIS and SIS, compared with NIS. The cumulative decrease of CO2 emissions, 44.16 and 79.47 Gt, will lead to global CO2 concentration decrease by approximately 2.41 mL/m3 and 4.33 mL/m3 in 2100, respectively. Regionally, China’s investments have the most obvious role in promoting the economic development and CO2 emission reductions of Southeast Asia and its surrounding areas. In the short term (2017-2050), China's investment may lead to a small increase in CO2 emissions in Southeast Asia and its surrounding areas, India and the Central and Eastern Europe, but in the long term (2017-2100), China's investment will promote the reduction of CO2 emissions in all regions, especially in Southeast Asia and surrounding areas and the Middle East Central Asia region. This shows that China's investment is conducive to promoting the green development of the B&R regions.

Keywords: Belt and Road Initiative ; CO2 emission reduction ; Green development ; Chinese investments

PDF (5760KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

李侠祥, 刘昌新, 王芳, 郝志新. 中国投资对“一带一路”地区经济增长和碳排放强度的影响. 地球科学进展[J], 2020, 35(6): 618-631 DOI:10.11867/j.issn.1001-8166.2020.051

Li Xiaxiang, Liu Changxin, Wang Fang, Hao Zhixin. The Impact of China’s Investment on Economic Growth and Carbon Emission Intensity in the “Belt and Road”. Advances in Earth Science[J], 2020, 35(6): 618-631 DOI:10.11867/j.issn.1001-8166.2020.051

1 引 言

2013年中国提出共同建设“丝绸之路经济带”和“21世纪海上丝绸之路”倡议(简称“一带一路”倡议)。“一带一路”是共商、共建、共享的联动发展倡议,旨在推动沿线国家实现发展战略相互对接、优势互补。截至2018年底全球共有122个国家签署了“一带一路”合作文件。从经济发展模式上看,大多数“一带一路”国家仍为传统经济。然而,传统经济快速发展消耗了大量化石能源,导致了大气温室气体浓度显著增加、温室效应增强,全球气候显著变暖,这与绿色可持续发展是对立的[1]。据统计,2015年“一带一路”国家碳排放量约占全球总排放量的28%,若继续沿用传统发展模式,截至2050年该比例将增至66%[2]。因此,转变“一带一路”的经济发展模式、实现绿色发展,成为协调经济发展与生态环境保护,减缓全球气候变化的重要举措。

近年来,中国与沿线国家在投资清洁能源、提高技术水平和优化产业结果等方面深入合作,共同致力于打造绿色“一带一路”。2015年,中国大量投资海外电网优化和清洁能源项目,投资额约占中国对外大额直接投资(超过3 000万)比例的65%,其中约52%位于“一带一路”地区[3,4];中国联合“一带一路”国家在东盟、南亚、阿拉伯国家、中亚以及中东欧等地区共同建立了多个技术转移与合作联盟,并在非洲地区建立了众多联合研究中心[5],这对提高“一带一路”地区技术水平,促进减排十分有利;截至2018年,亚投行在基础建设方面投资75亿美元,累积撬动各类公共和私营资本近400亿进入基建项目[6],大量投资促使中国先进技术以对外投资技术溢出的形式进入沿线国家[7,8,9],并通过产业链的作用向各行业不断传递,逐步促进“一带一路”沿线国家碳强度下降[10],即在相同经济产量下,偏低的碳强度产生的碳排放偏少。此外,服务业与高技术等低排放行业也是中国与“一带一路”国家开展合作的重点领域,截至2017年,中国对“一带一路”服务业和高技术行业的投资约占26.7%,这有利于提高“一带一路”地区第三产业占比,进而优化产业结构。随着绿色“一带一路”建设的推进,沿线国家未来经济发展和碳排放路径极有可能发生改变,进而影响全球气候特别是极端气候变化特征。中国对外投资是绿色“一带一路”建设的重要方式[11],不仅有利于促进沿线国家经济发展,而且有利于提高其生产技术、减少碳排放量等,然而该类研究目前多以分析历史规律为主[12,13,14,15,16,17],缺乏对未来情景的预估。

因此,本文利用世界银行等国际组织提供的各国家国内生产总值(GDP)、碳排放强度等历史数据,在无中国投资、固定和加强投资情景下,分别预估了“一带一路”沿线国家在2017—2100年的GDP和碳排放量;并通过对比其差异,分析了中国投资对沿线国家未来经济发展和CO2排放的影响,以期为揭示“一带一路”及全球碳排放格局,预估气候变化及极端气候变化发生特征提供基础数据。需指出的是,由于清洁能源建设及其使用必然促进绿色发展,所以本文重点关注中国对“一带一路”国家产业投资的碳排放影响。

2 数据来源与模型构建

2.1 数据来源

本文数据主要包括两部分,分别为排放数据和经济数据(表1)。其中排放数据为沿线117个国家(因数据缺失,未涵盖阿富汗、吉布提、索马里和叙利亚)的CO2排放数据,主要为化石燃料燃烧和水泥生产的CO2(无与土地利用相关的CO2排放),包括国家和部门层面的CO2排放数据,分别来源于世界银行(https://data.worldbank.org/)和澳大利亚研究理事会开发建立的多区域投入产出数据库(Eora;https://www.worldmrio.com/),两套数据的时间尺度均为1990—2015年。经济数据包括固定资产形成总额、储蓄率、GDP、劳动力、2017年中国投资额及投资行业,其中固定资本形成总额和储蓄率为国家层面数据,来源于世界银行,时间跨度为1990—2015年;GDP数据分为国家和部门层面数据,分别来源于世界银行和Eora,时间跨度均为1990—2015年;劳动力人口数据包括历史(1990—2015年)和未来(2015—2100年)两个时期,其中历史时期来源于世界银行,未来时期则根据联合国2017年发布的《世界人口展望》数据转化而来,转化方法:历史时期劳动力人口占总人口百分比乘以未来时期总人口。2013—2017年中国对“一带一路”沿线地区投资额以及主要投资行业资料主要来自《中国对外投资报告》。此外,将本文预估的GDP变化与世界经济合作与发展组织(Organization for Economic Co-operation and Development,OECD;https://data.oecd.org/gdp/real-gdp-forecast.htm)和普华永道(Price Waterhouse Coopers Consulting,PwC,https://www.pwc.com/gx/en/research-insights.html)预测的2021—2050年GDP变化进行了对比,以判断其合理性。

表1   “一带一路”地区模型构建的数据及其来源

Table 1  Data and source for model construction in the "Belt and Road" region

数据类型时间范围尺度变量单位来源
经济数据1990—2015年国家固定资本形成总额2010年不变价美元世界银行
储蓄率%
GDP2010年不变价美元
劳动力
2017年中国对外直接投资额2010年不变价美元中国对外直接投资统计公报
行业GDP当年价格美元Eora
投资行业中国对外直接投资统计公报
排放数据1990—2015年国家CO2排放量Gt世界银行
行业CO2排放量GtEora

新窗口打开| 下载CSV


值得注意的是:来自世界银行的GDP,其单位为2010年不变价美元,而来自Eora的部门产值单位为当年价格GDP。为统一单位,本文以Eora部门产值占比为权重将世界银行提供的国家GDP向各部门划分,从而将Eora各部门产值单位转为2010年不变价美元。同理,对Eora部门层面和世界银行国家层面碳排放量数据进行类似处理,以避免两套数据统计口径等的差异。此外,Eora分为26个部门,为便于研究,本文将其合并为农业、采矿业、制造业、建筑业、水电气的生产与供应、交通运输业、批发零售业、租赁和商务服务业和其他9个部门。

2.2 区域划分

综合考虑经济体量、CO2排放量和地理位置,将117个国家划分为7个区域(表2)。首先,将经济发展稳定、CO2排放量相对较低的发达国家合并为经济发达且低碳发展区;而后因印度和俄罗斯具有较大的经济体量和CO2排放量,将其作为独立分区。2017年印度和俄罗斯的GDP总量分别占“一带一路”国家(不包括中国)的12.57%和9.06%,CO2排放量分别约占18.59%和14.17%;最后,在保证各分区的CO2排放量和GDP总量基本相当的前提下,依据地理位置的临近程度将其他未分区的国家合并。由表2可知,中东—中亚地区CO2排放量和GDP占比最高,分别约为25.14%和22.51%;中东欧相对最小,分别约为7.21%和7.52%。

表2   “一带一路”区域划分及各区域2017CO2排放量与GDP总量占比

Table 2  Division of the "Belt and Road" and the proportions of CO2 emissions and GDPs of the "Belt and Road" subregions to the totals of the "Belt and Road" region in 2017

分区名称涵盖国家CO2排放量占比/%GDP总量占比/%
俄罗斯俄罗斯14.179.06
印度印度18.5912.57
中东—中亚巴基斯坦、伊朗、伊拉克、卡塔尔、阿联酋、巴勒斯坦、沙特阿拉伯、巴林、约旦、黎巴嫩、阿曼、也门、科威特、阿塞拜疆、蒙古、格鲁吉亚、土耳其、亚美尼亚、哈萨克斯坦、乌兹别克斯坦、土库曼斯坦、吉尔吉斯斯坦、塔吉克斯坦25.1422.51
东南亚及周边印度尼西亚、泰国、马来西亚、越南、菲律宾、孟加拉、缅甸、斯里兰卡、文莱、尼泊尔、柬埔寨、巴布亚新几内亚、老挝、马尔代夫、不丹、萨摩亚、斐济12.0013.79
非洲—拉丁美洲南非、埃及、委内瑞拉、阿尔及利亚、尼日利亚、智利、摩洛哥、利比亚、特立尼达和多巴哥、厄瓜多尔、突尼斯、安哥拉、多米尼加、玻利维亚、苏丹、加纳、肯尼亚、津巴布韦、埃塞尔比亚、坦桑尼亚、科特迪瓦、塞内加尔、巴拿马、莫桑比克、哥斯达黎加、喀麦隆、乌拉圭、萨尔瓦多、乌干达、加蓬、赞比亚、纳米比亚、刚果(布)、马达加斯加、毛里塔尼亚、多哥、几内亚、圭亚那、南苏丹、苏里南、塞拉利昂、卢旺达、乍得、安提瓜和巴布达、冈比亚、塞舌尔、佛得角、布隆迪14.1416.69
中东欧波兰、乌克兰、罗马尼亚、白俄罗斯、保加利亚、匈牙利、塞尔维亚、波黑、爱沙尼亚、克罗地亚、立陶宛、马其顿、拉脱维亚、阿尔巴尼亚、摩尔多瓦、黑山7.217.52
经济发达且 低碳发展区奥地利、捷克、希腊、以色列、马耳他、新西兰、葡萄牙、韩国、新加坡、斯洛伐克、斯洛文尼亚8.7517.86

新窗口打开| 下载CSV


2.3 模型构建

中国对“一带一路”地区投资通过2个路径影响碳排放量:一方面投资增加资本存量,增加总产出,进而促进区域CO2排放量增加(图1)。另一方面,投资可改变区域CO2排放强度(单位GDP的CO2排放量)进而影响区域CO2排放量:其一,增加被投资行业的产业占比,进而改变区域产业结构,最终影响CO2强度;其二,产生技术溢出效应,从而提高区域技术水平,最终影响CO2强度。投资对CO2强度的影响因投资行业不同而有所差异,对于高排放行业而言,技术进步是减排的重要驱动力,因此,中国投资的技术溢出效应和投资对产业结构的调整均为改变碳强度的主要原因;对于低排放行业而言,技术水平提高对减排的影响较小,因此投资改变产业结构是改变碳强度的主要原因。本研究以“碳排放量=碳强度×总产出”为基础,构建了“一带一路”地区经济增长模型,同时在核算各区域碳强度的基础上,定量评估了中国投资对“一带一路”地区未来碳排放量的影响。

图1

图1   中国投资对“一带一路”地区碳排放量的影响路径

Fig.1   The roadmap of the effects of China’s investments in the "Belt and Road" region on emissions


(1)区域经济增长模型构建。索罗模型是新古典经济学框架内的经济增长模型,被广泛应用于国家(区域)经济领域研究中,但该模型假设经济是封闭的,产出只用于消费和投资,且投资等于储蓄,未将国外投资对东道国经济发展的影响考虑在内,因此,无法用于分析中国投资对“一带一路”地区经济发展的影响。为此,本研究将外国资本影响本国经济发展的机制纳入了索罗模型。具体而言,索罗模型中,资本存量、劳动力和全要素生产率是影响区域经济发展的三大要素[公式(1)],模型中全要素生产率和劳动力均为外生变量,资本存量则随投资和折旧率的变化而变化,本文假设各区域折旧率均为0.1,因此在投资大于折旧的情况下,资本存量随投资的增加而增加[公式(2)]。根据索罗模型假设条件,投资等于储蓄,储蓄率为外生变量[公式(3)]。为了引入中国直接投资对区域经济发展的影响,本文将公式(3)改写为公式(4),即区域投资既包括了区域投资额(等于区域储蓄额)也包括了中国的直接投资额,同时,假设中国投资与区域投资除来源不同外无任何其他区别。中国直接投资额为中国投资比例与中国产出的乘积[公式(5)]。

Yi, t=Ai, tF(Ki, t, Li, t)

式中:Yi,t为区域产出(GDP);Ai,t为全要素生产率;Ki,t 为资本存量;Li,t 为劳动力;i为区域;t为时间变量。

Ki, t=1-δKi, t-1+Ii, t

式中:δ为折旧率;Ii,t为区域投资额。

Ii, t=Si, t=siYi, t-1

式中:Si,t为储蓄额;si为储蓄率。

Ii, t=siYi, t-1+Ii, t'

式中:Ii,t'为中国投资量。

Ii, t' =Ychn, tPi, t

式中:Ychn,t为中国t年(当年)产出(GDP);Pi,tt年中国对i区域投资额占中国当年GDP(Ychn,t)的比例。

模型的参数估计。主要包括3个方法:最小二乘法、经验取值法和文献调研法。本文将柯布—道格拉斯生产函数作为索罗模型的生产函数[公式(6)],等式两端同除以Li,t1-α,并取对数[公式(7)],基于最小二乘法,参数Ai,0 βi,t α可被估计。根据公式(7),区域劳动力和资本存量是进行参数估计的必要数据,其中劳动力数据来源于联合国的《世界人口展望》,而资本存量可根据永续盘存法[公式(2)]推算。储蓄率(si)、折旧率(δ)以及初始资本存量(Ki,0)数据是推算资本存量的关键参数,其中,折旧率(δ)采用文献调研法取值,取值为0.1[18];储蓄率(si)和初始资本存量(Ki,0 采用经验取值法,其中储蓄率(si)采用1990—2015年平均储蓄率;初始资本存量(Ki,0)由经验公式(8)计算,该公式被众多研究采用(如De等[19]和Berlemann等[20]),公式中变量[基年投资量(Ii,0 )和投资增长率(gi )]均来自历史资料。由此可得区域资本存量及其经济增长模型。资本相关参数和宏观经济参数如表3所列。需说明的是,本文假设2016年之前中国未对“一带一路”地区投资,并且本文将2017—2100年中国投资考虑为“一带一路”区域自身投资的一部分,因此模型构建过程中未考虑历史时期中国直接投资量。

表3   各区域经济增长模型中的主要参数

Table 3  The main parameters in each subregion

区域宏观经济参数资本相关参数
A0(a)β(a)α(a)x(b)K0/万亿*(b)s/%(b)g/%(c)I0 /万亿*(c)
中国17.330.0250.58-0.00851.05137.5811.500.2260
印度7.360.0090.680.00100.64228.734.490.0931
俄罗斯39.370.0030.610.00100.83520.316.400.1370
非洲—拉丁美洲948.550.0060.21-0.00101.19520.875.780.1886
东南亚及周边4.6450.0050.76-0.00101.22725.814.930.1833
中东—中亚300.560.0100.38-0.00102.39123.091.810.2823
中东欧28.610.0080.61-0.00101.01522.334.200.1440
经济发达且 低碳发展区184.570.0160.46-0.00303.42325.022.300.4211

注:*2010年不变美元价格;(a)采用最小二乘法估计;(b)采用经验取值法估计;(c)来自历史资料

新窗口打开| 下载CSV


Kim等[21]分析发现,1985—2014年全球114个国家的全要素生产率明显下降,并且发达国家下降速度明显大于发展中国家。2019年世界大型企业联合会报告也得出了类似结论,并且发现2000—2018年除印度和俄罗斯之外,其他绝大部分国家(地区)的全要素生产率均显著下降,并且中国下降尤为明显。全要素生产率下降与经济增长减缓关系密切[22,23]。因此,本文以1990—2015年各区域实际GDP增长率为依据,根据公式(9)修正了各区域的全要素生产率的增长率。修正后,模型模拟的GDP与实际GDP的拟合优度有所提高,例如,经济发达且低碳发展区自0.982提高至0.987,中国自0.992提高至0.998。

Yi, t=Ai, 0 e βi,t t Ki, tαLi, t1-α

式中:Ai,0 e βi,t t 为全要素生产率,Ai,0 为基年全要素生产率,βi,t 为全要素生产率的增长率; α为资本弹性系数。

lnYi,t Li,t = αln(Ki,t Li,t )+βi,t t+lnAi,0 , (7)

Ki, 0 Ii,0 gi +δ  

式中:Ii,0 为基年投资量;gi 为投资增长率。

βi, t =(1+xi )βi, t-1 

式中:xi 为全要素生产率增长率的变化率。xi 取值如表3所列。

(2)碳强度的核算方法。国家(区域)碳强度可分解为行业碳强度的加权平均,权重为行业的产值占比[24][公式(10)]。根据该思路,区域碳强度可表征为多个子区域碳强度的加权平均,因此,本研究假设“一带一路”各区域产业均由两部分构成,一部分仅接受中国投资,称为“中国投资区”,另一部分不接受中国投资,称为“非中国投资区”,那么区域碳强度则为2个区域的碳强度加权平均;进而,将中国投资细化到行业尺度,分为高、低排放行业,那么区域碳强度则为中国投资区高、低排放产业碳强度以及非中国投资区碳强度的加权平均。根据前文,中国投资对高、低排放行业的碳强度变化的影响途径并不相同,对于高排放行业,投资对区域产业结构的影响和对技术进步的影响均为改变碳强度的主要原因;而对于低排放行业而言,投资对区域产业结构的影响是改变碳强度的主要原因,因此,本文进一步假设中国投资区高排放行业完全以中国技术水平进行生产,而低排放行业和非中国投资区则维持区域自身生产技术水平,即在区域碳强度计算过程中,中国投资区高排放行业碳强度采用中国对应高排放行业的碳强度水平,而低排放行业和非中国投资区碳强度采用区域自身的碳强度水平[公式(11)]。

根据公式(11),CIi,thcim,tlcin,i,tYm,i,tYi,tYn,i,tYi,t是计算中国投资影响下“一带一路”各区域碳强度的关键变量。其中CIi,thcim,tlcin,i,t可基于历史数据通过负指数函数拟合得到[公式(12)],拟合结果如表4所列。需要说明的是,因缺乏各区域行业尺度劳动力数据,无法估计行业尺度的生产函数,导致中国投资影响下各区域高、低排放行业产值占比难以获取,因此,本研究以中国投资高、低排放行业的投资额占区域资本存量的比例(Im,i,tKi,tIn,i,tKi,t)替代了中国投资区高、低排放行业产值占比[公式(13)],其中,中国未来投资额和区域资本存量可通过公式(5)和公式(2)获取。本文假设2016年之前中国未对“一带一路”地区投资,因此,历史时期CIi,t'=CIi,t 

表4   中国投资区和非中国投资区碳强度的拟合结果*

Table 4  The fitting results of CO2 intensity in “non-Chinese investment part” and “Chinese investment part”*

区域非中国投资区碳强度(CI0; θ中国投资区(a)
高排放行业碳强度(hci)低排放行业碳强度(lci)

制造业

CI0; θ

建筑业

CI0; θ

采掘业

CI0; θ

农业

CI0; θ

租赁和商务服务业

CI0; θ

批发零售业

CI0; θ

印度1.47;-0.01563.49;-0.044
俄罗斯1.77;-0.03583.49;-0.0441.04;-0.0450.53;-0.0760.201;-0.0310.082;-0.026
非洲—拉丁美洲0.71;-0.01913.49;-0.0442.65;-0.0571.04;-0.0450.392;-0.1790.529;-0.009
东南亚及周边0.69;-0.00713.49;-0.0442.65;-0.0570.032;-0.028
中东—中亚0.87;-0.00733.49;-0.0442.65;-0.0571.04;-0.0450.428;-0.005
中东欧1.76;-0.04802.65;-0.057
经济发达且 低碳发展区0.54;-0.01900.784;-0.064

注:*中国对“一带一路”地区的投资行业与2017年一致(见情景设计部分),“—”表示2017年中国主要投资行业未涉及该行业;(a)采用最小二乘法估计,本文假设中国投资区高排放行业完全以中国技术水平进行生产,因此,在区域碳强度计算过程中其碳强度均采用了中国对应高排放行业的碳强度水平;表中拟合结果均通过了99%的信度检验;CI0为待估参数,θ为碳强度变化率

新窗口打开| 下载CSV


CCIt=k=1kcik, tyk, tYt

式中:CCIt为国家(区域)碳强度;cik,t为行业碳强度; yk,t为行业产出;Yt为国家(区域)总产出;k为行业数量。

CIi,t'=m=1mhcim, tym, i, tYi, t+n=1nlcin, i, tyn, i, tYi, t  +CIi, t1-m=1mym, i, tYi, t-n=1nyn, i, tYi, t,

式中:mn分别为中国投资区高、低排放行业的数量; CIi,t'为中国投资影响下的区域碳强度;CIi,t 为非中国投资区碳强度;hcim,t为中国投资区高排放行业的中国碳强度;lcin,i,t为中国投资区低排放行业的区域自身碳强度;ym,i,tYi,t为中国投资区高排放行业产值占比;yn,i,tYi,t为中国投资区低排放行业产值占比;1-m=1mym,i,tYi,t-n=1nyn,i,tYi,t为非中国投资区产值占比。

CIto=CI0e-θt

式中:CIto为中国投资区高、低排放行业碳强度(即hcim,tlcin,t)或非中国投资区碳强度(即CIi,t);θ为碳强度变化率,t为时间变量,CI0为待估参数。

CIi,t'=m=1mhcim, tIm, i, tKi, t+n=1nlcin, i, tIn, i, tKi, t  +CIi, t1-m=1mIm, i, tKi, t-n=1nIn, i, tKi, t

式中:Im,i,tKi,t为中国投资高排放行业的投资额占区域资本存量的比例;In,i,tKi,t为中国投资低排放行业的投资额占区域资本存量的比例。

3 情景设计

为揭示中国投资对“一带一路”地区经济发展和碳排放的影响,本文设计了两种中国投资情景:参考情景(无投资情景)和投资情景,分别用于明确无、有中国投资情景下“一带一路”地区经济发展和碳排放情况,进而通过对比分析揭示中国投资的影响。鉴于中国未来投资的不确定性,本文设置了两个有投资情景,分别为固定投资情景和加强投资情景,其中固定投资情景将中国投资占中国GDP的比例固定在2017年,该情景表示中国投资力度不再进一步增加,始终维持在2017年水平;加强投资情景下中国投资力度不断增加,为有据可依,该情景下中国投资占比增速设定为2013—2017年水平。具体而言:本文共设计3个情景:无投资情景、固定投资情景和加强投资情景(表5)。其中,无投资情景设定2017—2100年中国对“一带一路”地区投资为零。固定投资情景下,设定2017—2100年中国对各区域投资额占中国GDP的百分比始终与2017年一致,其中,中国对东南亚及周边地区和经济发达且低碳发展区投资相对最多,分别约占总投资的8.202‱和7.679‱,对印度和中东欧地区的投资占比相对最小,分别约为4.443‱和2.915‱。加强投资情景下,设定2017—2100年中国对各区域投资额占GDP的百分比逐渐增加,且增加速率与2013—2017年增长率一致,为0.31%/10年。

表5   投资情景及主要投资行业

Table 5  Investment scenarios and investment industries

区域无投资固定投资/‱加强投资主要投资行业
东南亚及周边无投资约8.2020.31%/10a制造业, 建筑业, 批发零售业
经济发达且 低碳发展区约7.679批发零售业
非洲—拉丁美洲约3.518建筑业, 采掘业, 制造业, 批发零售业, 租赁和商务服务业
中东—中亚约2.674采掘业, 建筑业, 制造业, 批发零售业
俄罗斯约1.556采掘业, 农业, 租赁和商务服务业, 制造业, 批发零售业
中东欧约4.443建筑业
印度约2.915制造业

新窗口打开| 下载CSV


中国在各区域的主要投资行业在3种情景下均与2017年相同(表5),其中,中国对非洲—拉丁美洲和俄罗斯的投资行业最丰富,涉及5个行业;对中东欧和印度的投资行业最少,仅1个。在3个情景下各行业平均分配区域接受的投资额,且分配比例不随时间而改变。因此,通过对比3个情景下各模拟结果的差异,即可得出中国投资对各区域经济发展和碳排放量的影响。

4 结果分析

4.1 模型验证

模型验证包括三部分:各区经济增长模型的验证;碳强度拟合方程的验证;碳排放量核算方法的验证。经济增长模型的验证方面:本文假设中国投资与东道国自身投资除来源不同外无任何其他区别,那么,中国未来对“一带一路”地区投资相当于东道国自身增加了投资,因此,本文通过判断各经济增长模型在历史时期的模拟是否合理、稳定来验证模型。验证方法:模拟各区历史时期GDP并将其与统计资料对比。通过验证后,模型可用于分析中国投资(视为东道国增加投资)增加对经济发展的影响;碳强度拟合方程的验证:拟合历史时期碳强度变化是预估未来的基础,为判断各区域碳强度方程的拟合效果,本文将方程历史时期的拟合结果与统计资料进行了对比;碳排放量核算方法的验证:基于经济增长模型模拟的GDP以及碳强度方程拟合的碳强度,进而利用公式:碳排放量=碳强度×GDP,核算区域历史时期碳排放量并将其与统计资料进行对比(图2)。

图2

图2   19902015年模拟与统计的各区域GDPCO2强度和CO2排放量

(a)~(c)印度;(d)~(f)俄罗斯; (g)~(i)非洲—拉丁美洲;(j)~(l)东南亚及周边;(m)~(o)中东—中亚;(p)~(i)中东欧;(s)~(u)经济发达且低碳发展区

Fig.2   Simulation and statistical data of GDP, CO2 intensity and CO2 emissions during 1990-2015 in each subregion

(a)~(c) India;(d)~(f) Russia; (g)~(i)Africa and Latin America;(j)~(l)Southeast Asia and its sourrounding;(m)~(o) Middle East and Central Asia;(p)~(i) Central and Eastern Euorpe;(s)~(u) Economically developed and low-carbon region


统计结果显示,1990—2015年各区域GDP和CO2排放量均呈增加趋势,而CO2强度均呈下降趋势。就2015年而言,中东—中亚地区、经济发达且低碳发展区和非洲—拉丁美洲地区GDP总量相对较大,分别约为3.94万亿、3.28万亿和3.23万亿美元(2010年不变美元价格;下同),俄罗斯和中东欧地区相对较小,分别约为1.66万亿和1.38万亿美元;CO2强度方面,俄罗斯和印度相对较大,分别约为1.00和0.88 kg/USD (United States Dollar,美元),东南亚及周边地区、非洲—拉丁美洲地区和经济发达且低碳发展区相对较小,分别约为0.59、0.64和0.35 kg/USD;从CO2排放量上看,中东—中亚地区和印度地区相对较大,分别约为2.93和2.02 Gt,经济发达且低碳发展区和中东欧地区相对较小,分别约为1.14和0.85 Gt。对比可知,模拟(拟合)结果基本再现了统计结果展示的GDP、CO2强度和CO2排放量变化趋势且数值基本相当。具体而言,各区域的GDP模拟与统计结果的拟合优度均在0.90以上,其中印度、中东—中亚地区和东南亚及周边地区均为0.99,俄罗斯最小为0.91;CO2强度方面,中东欧地区、经济发达且低碳发展区、非洲—拉丁美洲地区和俄罗斯地区的拟合优度相对较高,分别为0.98、0.94、0.93和0.92,东南亚及周边地区和中东—中亚地区相对较小,分别约为0.69和0.27,这是因为该地区CO2排放强度存在较大的年际波动,而负指数拟合对年际变化再现能力有限。CO2排放量方面,模拟与统计结果的拟合优度均在0.80以上,其中印度、中东—中亚地区、非洲—拉丁美洲地区和东南亚及周边地区相对较高,分别约为0.99、0.96、0.92和0.90,中东欧和俄罗斯相对较小,分别约为0.80和0.65。需说明的是,部分地区20世纪末期的经济发展状态不稳定,因此未采用,其中俄罗斯、中东—中亚地区和非洲—拉丁美洲地区主要受到1991年苏联解体的影响;中东欧地区则主要受到1989年东欧剧变的影响;东南亚地区20世纪90年代的CO2排放强度呈增加趋势主要是该地区发电设备陈旧且未及时更换导致的[25]

4.2 中国投资对“一带一路”地区经济发展的影响

图3展示了2017—2100年在固定投资和加强投资情景下各区域相对无投资情景的GDP累计增加量。由图3可知,相对无投资情景,固定投资和加强投资情景下各区域累计GDP均呈增加趋势,且加强投资情景下增加幅度明显高于固定投资情景。这意味着中国投资对“一带一路”地区经济发展具有积极影响,且投资越多越明显。但因投资量、投资行业以及区域的自身发展条件不同,各区域GDP增幅不尽相同。

图3

图3   固定、加强投资情景下20172100年各区域相对无投资情景的GDP累计增加量差异

(a) 固定投资情景减无投资情景; (b) 加强投资情景减无投资情景

Fig.3   The differences in the cumulative increase of GDP from 2017 to 2100 between business-as-usual (strengthening) investment scenario and no-investment scenario in each subregion

(a) Business-as-usual investment scenario minus no investment scenario; (b) Strengthening investment scenario minus no-investment scenario


具体而言,相对无投资情景,截至2050年,固定投资和加强投资情景下中国投资导致“一带一路”地区GDP分别累计增加5.66万亿和8.01万亿美元;截至2100年分别累积增加45.16万亿和97.02万亿美元。可见,加强投资情景明显大于固定投资情景,且2100年累积增幅明显大于2050年。区域上,相对无投资情景,固定投资和加强投资情景下东南亚及周边地区与经济发达且低碳发展区GDP累计增加量相对较大,其中,截至2050年固定投资情景下分别增加3.53万亿和1.25万亿美元,加强投资情景下分别增加4.99万亿和1.81万亿美元;截至2100年固定投资情景下分别增加30.06万亿和7.14万亿美元,加强投资情景下分别增加62.70万亿和16.18万亿美元。而印度和中东欧地区的GDP累计增加量相对较小,其中,截至2050年固定投资情景下GDP相对无投资情景分别累计增加0.10万亿和0.11万亿美元,加强投资情景下分别累积增加0.14万亿和0.15万亿美元;截至2100年固定投资情景下分别累积增加0.88万亿和0.83万亿美元,加强投资情景下均累积增加约1.90万亿美元。

4.3 中国投资对“一带一路”地区碳强度的影响

图4展示了固定、加强投资情景下2017—2100年各区域相对无投资情景的CO2强度变化差异。由图4可知,相对无投资情景,固定投资和加强投资情景下各区域CO2强度均呈下降趋势,且加强投资情景下CO2强度下降幅度明显大于固定投资情景,这意味着随着中国投资对各区域CO2强度下降具有促进作用,且投资量越大越明显。但因投资量和投资行业不同,各区域CO2强度下降幅度不尽相同。

图4

图4   固定、加强投资情景下20172100年各区域相对无投资情景的CO2强度变化差异

(a) 固定投资情景减无投资情景; (b) 加强投资情景减无投资情景

Fig.4   The differences in CO2 intensity between business-as-usual strengthening investment scenario and no-investment scenario in each subregion from 2017 to 2100

(a) Business-as-usual investment scenario minus no investment scenario; (b) Strengthening investment scenario minus no-investment scenario


具体而言,相对无投资情景,截至2050年固定、加强投资情景下“一带一路”各区域平均CO2强度分别下降0.007和0.0113 kg/USD;截至2100年分别下降0.014和0.027 kg/USD。可见,加强投资情景下的下降幅度明显高于固定投资情景。区域上,相对无投资情景,固定、加强投资情景下东南亚及周边地区和经济发达且低碳发展区的CO2强度下降幅度相对最大,其中,截至2050年,固定投资情景下分别下降0.0168和0.0109 kg/USD,加强投资情景下分别下降0.0263和0.0161 kg/USD;截至2100年,固定投资情景下分别下降0.0363和0.0186 kg/USD,加强投资情景下分别下降0.0736和0.0335 kg/USD;而印度和中东欧的CO2强度下降幅度相对最小,其中,截至2050年,固定投资情景相对无投资情景分别下降0.0004和0.0003 kg/USD,加强投资情景下分别相对下降0.0007和0.0005 kg/USD;截至2100年,固定投资情景分别相对下降0.0008和0.0005 kg/USD,加强投资情景下分别相对下降0.0018和0.0011 kg/USD。

4.4 中国投资对“一带一路”地区碳排放量的影响

图5展示了固定投资和加强投资情景下2017—2100年各区域相对无投资情景的累计CO2排放量差异。相对无投资情景,固定、加强投资情景下“一带一路”地区累计CO2排放量明显减少,且加强投资情景下的CO2减排量大于固定投资情景。区域上,中国投资对各区域CO2排放量的影响不尽相同,其中俄罗斯、非洲—拉丁美洲地区、中东—中东地区和经济发达且低碳发展区CO2累计排放量相对无投资情景持续减少,而在东南亚及周边地区、印度和中东欧地区CO2累计排放量相对无投资情景先增加后减少。可见,中国投资利于“一带一路”地区CO2减排,且投资量越大作用越明显,但这种促进作用因区域而异。

图5

图5   固定、加强投资情景下20172100年各区域相对无投资情景的累计CO2排放量差异

(a) 固定投资情景减无投资情景; (b) 加强投资情景减无投资情景

Fig.5   The differences in CO2 emissions between business-as-usual strengthening investment scenario and no-investment scenario in each subregion from 2017 to 2100

(a) Business-as-usual investment scenario minus no investment scenario; (b) Strengthening investment scenario minus no-investment scenario


具体而言,截至2050年,相对无投资情景,固定、加强投资情景下“一带一路”地区CO2排放量分别累计下降2.22和3.05 Gt,截至2100年分别累计下降44.16和79.47 Gt。根据1850—2013年的历史统计结果:每排放1 Gt CO2,大气CO2浓度约升高0.0545 mL/m3,截至2100(2050)年固定、加强投资情景下的CO2减排量可导致全球大气CO2浓度降低2.41(0.12)和4.33(0.17) mL/m3。区域上,相对无投资情景,固定、加强投资情景下中东—中亚地区、俄罗斯、非洲—拉丁美洲地区和经济发达且低碳发展区CO2累计排放量持续下降,其中,中东—中亚地区下降速度最快,相对无投资情景,截止2050年,固定投资和加强投资情景下分别累积下降0.92和1.26 Gt,截止2100年分别累计下降15.72和27.87 Gt;俄罗斯累计下降速度最慢,相对无投资情景,截止2050年,固定投资和加强投资情景下分别累积下降0.23和0.29 Gt,截止2100年分别累计下降1.66和2.63 Gt。相对无投资情景,印度、东南亚及周边地区和中东欧地区CO2累计排放量在固定、加强投资情景下均呈现增加后下降的变化趋势,转折点分别位于2065年、2056年和2073年,其中东南亚及周边地区变化幅度最大,截至2050年,相对无投资情景,固定投资和加强投资情景下分别累积增加0.23和0.25 Gt,截至2100年则分别累积下降15.72和29.12 Gt;印度和中东欧地区变化幅度相对较小,其中印度2050年累计CO2排放量在固定投资和加强投资情景下相对无投资情景分别累积增加0.031和0.038 Gt,2100年分别累积下降0.69和1.41 Gt;中东欧在2050年分别累积增加0.013和0.017 Gt,2100年分别累积下降0.051和0.094 Gt。

可见,截至2050年,中国投资对中东—中亚地区CO2减排促进作用最明显,并增加了东南亚及周边地区的CO2排放量;截至2100年,中国投资对东南亚及周边地区CO2减排促进作用最明显,对中东欧地区减排的促进作用最小。

5 讨论与结论

5.1 讨论

定量化分析“一带一路”倡议对沿线国家未来经济发展和CO2排放量的影响,有利于“一带一路”建设的顺利推荐,也是预估未来气候变化的基础。因此,本文基于改进的索罗模型,在核算碳强度变化的基础上,定量评估了2017—2100年中国投资对“一带一路”地区经济发展和CO2排放量的影响。

研究方法上,建立对外直接投资(Foreign Direct Investment,FDI)与经济发展(GDP)的多元回归模型,是分析FDI对区域GDP影响的常用手段,例如,Moudatson等[26]。但是,因FDI对经济发展的影响相对较小,该方法在部分国家并不适用[27]。因此,部分研究将FDI作为生产要素直接引入索罗模型进而剥离FDI对经济发展的影响,例如Lleshaj等[28]和Tiwari等[29],但该方法通常用于分析某国家(或区域)接受其他国家(地区)总直接投资对该国家(区域)经济发展的影响,东道国(区域)接收的总FDI金额相对较大且年际变化相对稳定。但本研究中所指的FDI为中国对“一带一路”各区域的投资,其数额相对较小且年际波动较大,因此直接将中国投资额作为生产要素难以构建稳定的模型。因此,本研究仅将中国投资作为“一带一路”地区“国内”投资的一部分,未区分中国投资与“国内”投资的区别,因此在经济发展模型中,忽视了对外直接投资产生的技术溢出对经济发展的促进作用,从而低估了投资对区域经济发展的促进作用,最终低估区域碳排放量。本文假设中国在相关高排放投资行业的生产技术将完全转移到“一带一路”地区,这可能高估了中国对外直接投资对“一带一路”地区的技术溢出作用,因为技术溢出效应的产生不仅取决于投资国与东道国的技术差异,而且取决于东道国对新技术的接受能力,以及市场动态和文化等[30],这导致本研究高估了中国投资对“一带一路”地区碳排放量下降的促进作用。此外,中国与“一带一路”沿线国家贸易量增加对双方经济发展和CO2排放的影响未考虑在模型之内。本文侧重分析中国投资非能源行业对“一带一路”地区经济发展和CO2排放量的影响,因此未分析投资清洁能源的影响。

合理预估“一带一路”地区未来经济发展水平是判断中国投资对沿线国家经济发展和碳排放影响的基本前提。对比发现,本文预估的2021—2050年中国、印度和俄罗斯GDP年平均增长率与OECD和PwC的预估结果基本相当(表6)。如本研究结果与其他两套数据均展示出显示GDP的增速为印度大于中国大于俄罗斯,这也与共享经济路径下各国GDP的增速差异基本相当[31];且增速随时间呈下降趋势;除中国的绝对数值略偏大外,印度和俄罗斯的估算结果与其他两套数据接近或介于中间。

表6   20212050年中国、印度和俄罗斯地区GDP增长率对比

Table 6  Comparison of GDP growth rates in China,India and Russia in 2021-2050

时间段和数据来源

国家

中国印度俄罗斯
时间段2020s2030s2040s2020s2030s2040s2020s2030s2040s
无投资情景/%4.603.602.704.704.203.901.400.800.50
PwC/%3.502.202.105.004.503.801.702.101.60
OECD/%3.762.301.515.904.503.600.600.500.40

注:2020s表示2021—2030年;2030s表示2031—2040年;2040s表示2041—2050年;因PwC和OECD数据资料限制,仅在2021—2050年对中国、印度和俄罗斯的GDP增速进行了对比

新窗口打开| 下载CSV


5.2 结论

本文通过对比有、无中国投资情景下,“一带一路”沿线国家未来经济发展和CO2排放量的差异,厘定了中国投资对沿线国家经济发展和CO2排放的作用。得出以下结论:中国投资促进了“一带一路”沿线国家经济发展,并减少了CO2排放量,且投资量越大,GDP增加量越大,CO2排放量越小。这意味着中国对“一带一路”地区投资带来的增排效应(通过增加GDP)小于减排效应(通过降低区域碳强度)。相对无投资情景,截至2050年,固定、加强投资情景下中国投资促进“一带一路”地区GDP分别累计增加5.66万亿美元和8.01万亿美元,同时促进CO2累计排放量分别下降2.22和3.05 Gt,根据1850—2013年的历史统计结果:每排放1 Gt CO2,大气CO2浓度约升高0.0545 mL/m3,这将导致2100年全球大气CO2浓度下降0.12和0.17 mL/m3;截至2100年,中国投资促进“一带一路”地区GDP分别累计增加45.16万亿和97.02万亿美元,同时促进CO2累计排放量分别下降44.16和79.47 Gt,这将导致2100年全球大气CO2浓度下降2.41和4.33 mL/m3。可见,在当前投资模式下,中国投资有利于“一带一路”地区的经济发展,有利于减少全球CO2排放量,且投资量越大这种作用越明显。

中国投资对“一带一路”各区域GDP增长和CO2排放的影响不尽相同。就GDP而言,相对无投资情景,固定投资和加强投资情景下,中国投资对东南亚及周边地区以及经济发达且低碳发展区GDP增长的促进作用相对最明显,其次为俄罗斯、中东—中亚和非洲—拉丁美洲,对印度和中欧地区的促进作用最小;就CO2排放量而言,在短期内(2017—2050年),中国投资可能导致东南亚及周边地区、印度和中东欧的CO2排放量增加,导致其他地区CO2排放量降低,其中,对中东—中亚地区CO2排放量下降的促进作用最明显,而后依次为中东欧和印度;从长远看来(2017—2100年),中国投资将有利于各区域CO2排放量下降,其中,中国投资对东南亚及周边地区和中东—中亚地区CO2排放量下降的促进作用最明显,而后依次为经济发达且低碳发展区、非洲—拉丁美洲、俄罗斯、印度和中东欧。

参考文献

Galeotti M.

Economic Development and Environmental Protection

[Z/OL]. SSRN,2003,

No

89.2003. [2019-11-15]. .

[本文引用: 1]

Sun T Y, Zhou S Q, Cheng L, et al. Decarbonizing the Belt and Road a green finance roadmap [M/OL]. [2019-11-15]. .

[本文引用: 1]

China New Energy International Alliance.

Research on the Development Path and Promotion Mechanism of Renewable Energy Development in the Belt and Road-Performanc Reporting

[R/OL]. [2019-11-15]. .

[本文引用: 1]

中国新能源海外发展联盟.

“一带一路”可再生能源发展合作路径及其促进机制研究

[R/OL]. [2019-11-15]. .

[本文引用: 1]

Li Xinlei.

China's clean energy diplomacy and the Belt and Road Initiative:Opportunities, challenges, and capacity building

[J]. Global Review, 2017, (3):36-57.

[本文引用: 1]

李昕蕾.

“一带一路”框架下中国的清洁能源外交——契机、挑战与战略性能力建设

[J]. 国际展望,2017, (3):36-57.

[本文引用: 1]

Zhong Sheng.

BRI Helps Participating Countries with Technological Innovation

[EB/OL]. [2019-11-15]. .

[本文引用: 1]

Tao Wendi.

Report on Cooperative Development of Green Production Capacity of China’s High-energy Industries in the Belt and Road

[M/OL]. [2019-11-15].

[本文引用: 1]

. [陶文娣. 中国高耗能行业“一带一路”绿色产能合作发展报[M/OL].[2019-11-15]. ]

[本文引用: 1]

Grey K, Brank D.

Environmental issues in policy-based competition for investment: A literature review

[J]. Ecological Economics, 2002, 11: 71-81.

[本文引用: 1]

Talukdar D, Meisner C M.

Does the private sector help or hurt the environment? Evidence from carbon dioxide pollution in developing countries

[J]. World Development, 2001, 29(5): 827-840.

[本文引用: 1]

Perkins R, Neumayer E.

Do recipient country characteristics affect international spillovers of CO2-efficiency via trade and foreign direct investment?

[J]. Climatic Change, 2012, 112(2): 469-491.

[本文引用: 1]

Wang Yunxia, Li Guoping.

The current situation of industrial chain—A review

[J]. Journal of Industrial Technological Economics, 2006, (10): 61-65.

[本文引用: 1]

王云霞, 李国平.

产业链现状研究综述

[J]. 工业技术经济, 2006,(10):61-65.

[本文引用: 1]

National Development and Reform Commission.

Foreign Investment Have Been Become One of the Important Ways to Build the “Belt and Road”

[EB/OL].(2018-01-22). [2019-11-15]. .

[本文引用: 1]

国家发改委.

对外投资已成为推进“一带一路”建设重要方式

[EB/OL]. (2018-01-22). [2019-11-15]. .

[本文引用: 1]

Niu Xiongying,

Ding Yanqiao. The effect of foreign direct investment on the economic growth of the countries along “The Belt and Road”: Based on the mediating effect of carbon emissions

[J]. Journal of Northwest Normal University (Social Sciences), 2019, 56(3): 110-119.

[本文引用: 1]

牛雄鹰, 丁言乔.

我国对外直接投资对“一带一路”沿线国家经济增长的影响——基于碳排放的中介作用

[J]. 西北师大学报:社会科学版, 2019, 56(3): 110-119.

[本文引用: 1]

Guangjun Sui, Huang Liangxiong, Huang Xing. China's foreign direct investment,

infrastructure construction and the "Belt and Road" national economic growth

[J]. Journal of Guangdong University of Finance and Economics, 2017, 32(1): 32-43.

[本文引用: 1]

隋广军, 黄亮雄, 黄兴.

中国对外直接投资、基础设施建设与“一带一路”沿线国家经济增长

[J]. 广东商学院学报, 2017, 32(1): 32-43.

[本文引用: 1]

Liu Qingjie, Ren Dexiao, Liu Qian.

The spatial spillover effect of FDI on the economic growth of the countries along “The Belt and Road”: An expansion model based on regional externalities

[J]. Journal of Yunnan Finance and Trade Institute, 2020, (4): 36-50.

[本文引用: 1]

刘青杰, 任德孝, 刘倩.

FDI对“一带一路”沿线国家经济增长的空间溢出效应——一个基于区域外部性的扩展模型

[J]. 云南财经大学学报, 2020, (4): 36-50.

[本文引用: 1]

Xiong C R, Wang L, Yang C, et al.

Measuring the effect of foreign direct investment on CO2 emissions in Laos

[J]. Journal of Resources and Ecology, 2019, 10(6): 685-691.

[本文引用: 1]

Xie Tianziguang, Xue Fei, Ge Pengfei.

Impact of China’s OFDI on green total factor productivity of countries along the “Belt and Road”

[J]. Journal of Shanghai University of Finance and Economics, 2019, 21(6): 96-110.

[本文引用: 1]

协天紫光, 薛飞葛鹏飞.

中国对外直接投资对“一带一路”沿线国家绿色全要素生产率的影响

[J]. 上海财经大学学报, 2019, 21 (6): 97-110.

[本文引用: 1]

Fu Jingyan, Si Xiumei. Driving factors of carbon emission of the Countries along “the Belt and Road”,

their potential and contribution to the emission reduction

[J]. Tropical Geography, 201737(1):1-9.

[本文引用: 1]

傅京燕, 司秀梅.

“一带一路”沿线国家碳排放驱动因素、减排贡献与潜力

[J]. 热带地理, 2017, 37(1): 1-9.

[本文引用: 1]

Nordhaus W D. Managing the Global Commons: The Economics of Climate Change [M]. Cambridge: The MIT Press, 1994.

[本文引用: 1]

De la Fuente ADoménech R.

Human capital in growth regressions: How much difference does data quality make

[J]. Journal of the European Economic Association, 2006, 4(1): 1-36.

[本文引用: 1]

Berlemann M, Wesselhöft J E.

Aggregate capital stock estimations for 122 countries: An update

[J]. Review of Economics, 2017, 68(2): 75-92.

[本文引用: 1]

Kim Y E, Loayza N V.

Productivity Growth: Patterns and Determinants Across the World

[Z]. SSRN, 2019.

No

.8852. 2019-05-15.

[本文引用: 1]

Cardarelli M R, Lusinyan L. US Total Factor Productivity Slowdown: Evidence from the US States [M]. Washington: International Monetary Fund, 2015:15-116.

[本文引用: 1]

Geng Dewei.

The decline of TFP is the main reason for the slowdown of China's economic growth

[J]. China Price, 2017, (3): 3-7.

[本文引用: 1]

耿德伟.

全要素生产率下降是我国经济增速放缓的主要原因

[J]. 中国物价, 2017, (3): 3-7.

[本文引用: 1]

Wang Feng, Feng Genfu, Wu Lihua.

Regional contribution to the decline of national carbon intensity in China’s economic growth

[J]. Economic Research Journal, 2013, (8): 143-155.

[本文引用: 1]

王锋, 冯根福, 吴丽华.

中国经济增长中碳强度下降的省区贡献分解

[J]. 经济研究, 2013,(8): 143-155.

[本文引用: 1]

Zheng Muqiang.

General characteristics, problem and outlook of energy economy in ASEAN countries

[J]. Around Southeast Asia, 2010, (8):32-35.

[本文引用: 1]

郑慕强.

东盟国家能源经济的总体特征、问题及展望

[J]. 东南亚纵横, 2010, (8): 32-35.

[本文引用: 1]

Moudatsou A.

Foreign direct investment and economic growth in the European Union

[J]. Journal of Economic Integration, 2003, 18(4): 689-707.

[本文引用: 1]

Blomström M, Kokko A, Globerman S. The Determinants of Host Country Spillovers From Foreign Direct Investment: A Review and Synthesis of the Literature [M]. London: Palgrave Macmillan, 2001:34-65.

[本文引用: 1]

Lleshaj L, Malaj A.

The impact of Foreign Direct Investments (FDIs) on economic growth: The solow model in the case of Albania

[J]. Ejes European Journal of Economics and Business Studies Articles, 2016, 4(1): 152.

[本文引用: 1]

Tiwari A K, Mutascu M.

Economic growth and FDI in Asia: A panel-data approach

[J]. Economic Analysis and Policy, 2011, 41(2): 173-187.

[本文引用: 1]

Cui A S, Griffith D A, Cavusgil S T, et al.

The influence of market and cultural environmental factors on technology transfer between foreign MNCs and local subsidiaries: A croatian illustration

[J]. Journal of World Business, 2006, 41(2): 100-111.

[本文引用: 1]

Jiang Tong, Wang Yanjun, Yuan Jiashuang, et al. Projection of population and economy in the Belt and Road countries (2020-

2060)

[J]. Climate Change Research, 2018, 14(2): 155-164.

[本文引用: 1]

姜彤王艳君袁佳双, .

“一带一路”沿线国家2020—2060年人口经济发展情景预测

[J]. 气候变化研究进展,2018, 14(2): 155-164.

[本文引用: 1]

/