碳排放、產業(yè)結構與福建經濟增長動態(tài)研究
——基于VAR模型和Granger檢驗

林發(fā)照

(福建師范大學 經濟學院， 福建 福州 350108)

1 引言

20世紀以來，全球各種能源消耗量均呈現(xiàn)出指數(shù)級增長的態(tài)勢。2017年聯(lián)合國所發(fā)布的《WMO溫室氣體公報》明確指出：在過去的70年間，全球CO2濃度的增長速度相比冰河結束末期時超出了100倍。為了有效應對全球CO2濃度的不斷升高，2017年11月，在德國召開的聯(lián)合國氣候大會上，世界各地與會者的目光再次聚焦于“減排”任務上，中國提出的“中國方案”獲得各國的稱贊，展示了中國對降低碳排放的決心和能力。

自2005年起，福建省CO2排放強度已經呈現(xiàn)出下降的態(tài)勢。2017年福建省CO2排放強度達到了1.207噸/萬元，比2005年減少了45%，已經提前實現(xiàn)了在2020年將CO2排放強度下降至2005年的45%的減排計劃。隨著減排的持續(xù)進行，福建省的經濟增長和產業(yè)結構調整也在同步推進。自1995年以來，福建省的GDP增長始終保持著向上的趨勢，尤其是2005年以來增長的速度有所提高。1999年之前，福建省的產業(yè)結構趨于高級化，而2000-2014年間，福建省的產業(yè)結構總體上處于低級化發(fā)展過程，表現(xiàn)為第二產業(yè)占GDP的比重總體上增加了。因此，從當前來看，福建省產業(yè)結構要邁向高級階段仍然需要進一步調整。

隨著減排計劃的有效實施，福建省CO2排放強度下降明顯。然而，“減排”已經進入較為復雜的階段，“三高”且產能落后企業(yè)也已淘汰許多，要在保持經濟平穩(wěn)增長的同時，實現(xiàn)減少65%的減排計劃，還需要繼續(xù)調整和優(yōu)化產業(yè)結構，提高科技創(chuàng)新能力。對于以第二產業(yè)為主的福建省而言，要協(xié)調CO2排放強度、產業(yè)結構和經濟增長之間的關系，一方面，需要協(xié)調好產業(yè)結構與CO2排放強度之間的關系；另一方面，還需要明確產業(yè)結構和CO2排放對福建省經濟增長的影響。只有充分考慮這些不同的因素，才能在保持福建省經濟平穩(wěn)增長的同時，實現(xiàn)CO2排放強度的進一步降低。本文旨在探討福建省CO2排放強度、產業(yè)結構和GDP之間的動態(tài)聯(lián)系。

2 文獻綜述

研究發(fā)現(xiàn)，隨著經濟增長，CO2排放一般會先呈現(xiàn)出倒“U”型的趨勢，在這個趨勢中會出現(xiàn)一個拐點。林伯強等通過實證分析發(fā)現(xiàn)，中國的CO2排放EKC曲線的理論拐點與實際拐點有著較大的差異，理論分析得到的拐點出現(xiàn)在2020年，但是實證分析得到的拐點卻在2040年之后[1]。蔡風景等通過圖模型和BACE方法，對中國的CO2排放EKC曲線進行了實證分析，認為當前CO2排放和GDP增長之間確實存在倒“U”型的關系，不過當前階段的CO2排放仍然未達到EKC曲線的最高點[2]。ALDY通過對美國1960-1999年的數(shù)據(jù)進行分析，認為美國各大洲的CO2排放與GDP之間，可能具有倒“U”型的聯(lián)系[3]。關于是否存在拐點問題，也有持相反意見的。左文鼎通過回歸分析認為，從短期來看，我國當前的碳排放與GDP之間的所謂倒“U”型關聯(lián)并不明顯，從長遠來看，兩個變量只是具有“N”型的關系，不存在所謂的拐點[4]。CO2排放與GDP具有倒“U”型的關聯(lián)，表明一個地區(qū)在不同發(fā)展階段，其CO2排放強度有著較大的差異。

不同階段的經濟發(fā)展水平對應的產業(yè)結構有其特殊性。李健等利用省際面板數(shù)據(jù)分析了各個省份的CO2排放強度和不同產業(yè)的聯(lián)系，認為第二產業(yè)相比其他產業(yè)對地區(qū)CO2排放強度的影響更大，通過調整和升級產業(yè)結構，可以降低CO2排放強度[5-6]。陳永國等通過實證分析指出，引起CO2排放強度下降的最重要原因并不是產業(yè)結構調整，而是行業(yè)效率的提高[7]。這一結果說明，要降低CO2排放強度，還可以通過提高行業(yè)效率實現(xiàn)。根據(jù)已有文獻，不同人員對CO2排放強度的研究結果呈現(xiàn)出較大的差異。之所以造成這種差異，在于不同研究人員所使用的研究方法不同。這也說明，根據(jù)現(xiàn)有數(shù)據(jù)針對同一問題所得出的結論不夠穩(wěn)健，用不同的模型、方法所得出的結果差異也相對較大。

楊會香等在研究廣東省產業(yè)結構變動和CO2排放的關系時將技術進步變量引入模型之中，發(fā)現(xiàn)技術進步在降低CO2排放強度中的作用相比結構優(yōu)化更加明顯[8]。于左等研究了不同國家CO2排放、產業(yè)結構和GDP三者的聯(lián)系，發(fā)現(xiàn)處于不同發(fā)展階段的國家，其CO2排放強度與經濟增長之間的關系存在著較大的差異。從發(fā)達國家來看，CO2排放強度已經越過了CO2排放EKC曲線的拐點；隨著經濟的進一步發(fā)展，CO2排放強度反而開始下降。但是，對于發(fā)展中國家來說，這種情況恰好相反。發(fā)展中國家由于處于粗放型發(fā)展階段，CO2排放強度與GDP增長呈現(xiàn)出正相關關系[9]。不同國家對于CO2排放的影響因素也有著較大差異。ADOM等在研究非洲的塞內加爾、摩洛哥和加納等3個國家的碳排放、產業(yè)結構、技術效率和GDP等4個變量的內在聯(lián)系時，發(fā)現(xiàn)經濟增長是引起塞內加爾和摩洛哥CO2排放的主要因素，而技術效率是引起加納地區(qū)CO2排放量變化的重要原因[10]。

已有文獻表明，引起CO2排放強度變化的原因眾多，如產業(yè)結構調整、GDP增長以及技術進步等。產業(yè)結構優(yōu)化有助于降低CO2排放強度。一個地區(qū)的經濟增長方式往往會經歷從粗放型向集約型轉變的過程，在粗放型發(fā)展過程中，如果能源消耗增長速度超過了GDP增長速度，將導致CO2排放強度的提高。隨著該地區(qū)經濟發(fā)展轉向集約型發(fā)展，CO2排放強度又將開始下降。但是，如現(xiàn)有文獻所展現(xiàn)的，技術的進步在不同分析模型下對CO2排放強度的影響并不一致。因此，本文對碳排放的分析，沒有將技術進步指標納入其中。從已有文獻來看，多數(shù)文獻在考察CO2排放強度與產業(yè)結構、GDP等變量之間的關系時，沒有從整體角度去考察。產業(yè)結構的優(yōu)化不僅能夠降低CO2排放強度，同時也有助于地區(qū)的經濟增長。本文將從整體的角度對CO2排放強度、產業(yè)結構和經濟增長之間的關系進行分析。

3 理論方法

為研究產業(yè)結構調整、CO2排放強度與經濟增長之間的動態(tài)聯(lián)系，本文選擇VAR模型進行建模。一般AR模型僅對自身變量的不同滯后階數(shù)進行估計，沒有將其他影響因素納入模型中。當需要考察多個指標之間是否存在動態(tài)關系時，若是分別構建多個AR模型，則無法考察多個指標之間的動態(tài)關系[11]。VAR模型則用于分析多指標之間的動態(tài)關系，是AR模型進行多指標聯(lián)立的一種擴展形式。該模型最早于1980年由SIMS提出。模型內部存在2個參數(shù)：一個是模型中包含的變量個數(shù)N，一個是模型中的最大滯后期p。VAR模型的結構如公式(1)所示：

Xt=c+A1Xt-1+A2Xt-2+…+ApXt-p+εt

(1)

其中：Xt表示一組由各個變量組成的向量；c表示模型的常數(shù)項；p表示該模型的滯后期數(shù)；Ap表示各個變量的系數(shù)所組成的矩陣；εt表示VAR模型中的殘差項所組成的列向量。

4.1 CO2排放強度

當前，國內還沒有針對CO2排放的直接觀測數(shù)據(jù)。國內學者對CO2排放總量的計算，主要基于兩個方面的數(shù)據(jù)。一是從各年份統(tǒng)計年鑒中獲得的能源消耗總量，包括煤炭、焦炭、原油、汽油、煤油、柴油、燃料油和天然氣8種能源；二是利用《綜合能耗計算通則》《省級溫室氣體清單編制指南》中的相關變量計算得到的CO2排放系數(shù)，包括平均低位發(fā)熱量、單位熱值含碳量、碳氧化率。1995-2016年能源消耗量數(shù)據(jù)選自國家統(tǒng)計局網(wǎng)站，2017年能源消耗量數(shù)據(jù)則選自《2018年福建統(tǒng)計年鑒》。CO2排放強度的計算公式如下[12]：

(2)

(3)

其中；TCO2j表示第j年的CO2排放總量，Ti表示第i種能源的使用量，Vi表示第i種能源的平均低位發(fā)熱量，Ci表示第i種能源的單位熱值含碳量，Ri表示第i種能源的碳氧化率，44/12表示單個碳分子形成的CO2數(shù)量，CO2j表示第j年的CO2排放強度。相關指標如表1所示。

表1 CO2排放系數(shù)表

4.2 產業(yè)結構

產業(yè)結構是指以產業(yè)為元素對國民經濟整體活動構成的分析，用于衡量一個地區(qū)不同產業(yè)產值在該地區(qū)生產總值中的比值的大小[13]。隨著經濟的發(fā)展，產業(yè)結構逐漸由低級轉向高級。產業(yè)結構的高級化，則意味著第三產業(yè)增加值占GDP的比重不斷地增大[14]。李雪對產業(yè)結構和CO2強度的關系進行了實證分析，發(fā)現(xiàn)產業(yè)結構向高級化調整有利于降低CO2排放強度，即通過降低第二產業(yè)在國內GDP中的比重，同時大力發(fā)展第三產業(yè)，有效降低碳排放強度[15]。因此，結合現(xiàn)有研究，本文將產業(yè)結構指標定義為：第二產業(yè)的增加值與第三產業(yè)的增加值之比，即：

(4)

其中，GDP2、GDP3分別表示第二產業(yè)增加值、第三產業(yè)增加值。INS的值越小，第三產業(yè)增加值相對第二產業(yè)增加值就越大，表明該地區(qū)的產業(yè)結構越高級。INS的值越大，第三產業(yè)增加值相對第二產業(yè)增加值就越小，表明該地區(qū)的產業(yè)結構越低級。

4.3 經濟增長

由于各個年份之間存在一定程度的通貨膨脹或通貨緊縮，無法對不同年份的GDP進行直接比較。因此，針對本文所涉及的GDP、第二產業(yè)增加值和第三產業(yè)增加值，均采用以1995年不變價格計算得到的實際數(shù)值。有關數(shù)據(jù)均取自福建省統(tǒng)計局《2018年統(tǒng)計年鑒》。為避免序列之間存在異方差，同時盡可能保持數(shù)據(jù)的原始特征，對CO2排放強度、產業(yè)結構和經濟增長3個變量取對數(shù)，分別命名為LNCO2、LNINS、LNGDP。

4.4 變量說明

通過計算，得到1995-2017年CO2排放強度、產業(yè)結構和經濟增長3個指標數(shù)據(jù)，其中CO2排放強度和產業(yè)結構如圖1所示。從圖1可知，福建省的產業(yè)結構與CO2排放強度具有相似的變動趨勢。在整個研究周期內，CO2排放強度可以劃分為4個階段：第一階段為1995-2000年，該階段產業(yè)結構處于向高級化發(fā)展的過程，而CO2排放強度呈現(xiàn)出快速下降的趨勢；第二階段為2001-2005年，該階段的產業(yè)結構朝著低級化方向發(fā)展，CO2排放強度卻在快速提高；第三階段為2005-2011年，該階段的產業(yè)結構開始重新優(yōu)化調整，因此CO2排放強度在緩慢下降；第四階段為2011-2017年，該階段的產業(yè)結構升級并不明顯，但CO2排放強度在急速下降?？傮w而言，CO2排放強度與產業(yè)結構具有類似的變動趨勢，表明這兩者之間可能存在關聯(lián)。

5 實證分析

5.1 序列ADF檢驗

VAR模型建立的前提是，模型中所包含的內生變量都能通過單位根檢驗。由于時間序列數(shù)據(jù)可能存在擾動項自相關的情況，因此，在進行單位根檢驗時，采用帶有滯后高階的ADF單位根檢驗，可以有效降低擾動項自相關性對單位根檢驗的影響。原始變量的ADF單位根檢驗結果如表2所示。從表2可知，原始變量中僅LNCO2在10%置信度下拒絕了存在單位根的假設，其余變量都在5%置信度下拒絕了存在單位根的假設。

圖1 CO2排放強度與產業(yè)結構的發(fā)展趨勢圖

表2 ADF單位根檢驗表

注：I(c,d,t)中，c表示常數(shù)項，d表示漂移項，t表示趨勢項；若c、d、t的值為1，表示含該項。

5.2 滯后階數(shù)的選擇

構建VAR模型時，不同的滯后階數(shù)對模型和各項檢驗會產生較大的影響。因此，在構建模型時需要擬合最佳的滯后階數(shù)。對于年度數(shù)據(jù)，一般選擇最大滯后階數(shù)4階。如表3所示，表中LL、LR、P、FPE、AIC、HQIC、SBIC分別表示7個不同的信息準則。當滯后期選擇1期時，F(xiàn)PE、HQIC和SBIC認為選擇1期能夠擬合最佳的模型。當滯后期選擇4期時，只有LR和AIC認為選擇1期能夠擬合最佳的模型。從理論上來看，可以選擇1階或者4階作為VAR模型的滯后階數(shù)。由于本文的樣本量較少，若采用4階滯后階數(shù)，則整個VAR模型中包含39個待估參數(shù)。過多的待估參數(shù)會縮小樣本容量和降低模型的預測能力，故在本文所構建的VAR系統(tǒng)中選擇滯后階數(shù)為1階。

表3 滯后階數(shù)選擇表

注：*表示滿足信息準則。

5.3 殘差序列統(tǒng)計檢驗

5.3.1 自相關LM檢驗

VAR模型的建立是以殘差無自相關為假設前提，若存在自相關，需增加VAR模型的滯后階數(shù)。因此，需要對VAR模型的殘差項作LM自相關檢驗。由表4可知，在5%置信度下對殘差項進行1階和2階自相關LM檢驗，均接受了“不存在自相關”的假設，表明本文構建的VAR模型的殘差項無自相關，無需再增加VAR模型滯后階數(shù)。

表4 殘差自相關LM檢驗結果

5.3.2 正態(tài)分布檢驗

VAR模型的建立以眾多的假設為前提，其中殘差項服從正態(tài)分布是其假設前提之一。若殘差項通過了正態(tài)分布檢驗，那么模型的擬合程度最高。若殘差項不服從正態(tài)分布，則VAR模型的準確性變差，導致模型的預測區(qū)間失效。由表5可知，在Jarque-Bera檢驗、Skewness檢驗和Kurtosis檢驗中，單一方程LNGDP、LNCO2、LNINS和作為方程整體殘差的P值，均在5%置信度下接受了模型的殘差項“服從正態(tài)分布”的假設。

5.4 Granger因果檢驗

利用Granger因果檢驗，可以進一步探明CO2排放強度、產業(yè)結構和經濟增長之間是否具有因果關聯(lián)。這種因果關聯(lián)只是數(shù)據(jù)所表現(xiàn)出來的變量之間的相關關系，能夠用于衡量各個變量在發(fā)生時間上的前后關系。本文中LNGDP、LNINS和LNCO2的Granger因果關系如表6所示。

表5 殘差正態(tài)分布檢驗結果

表6 Granger因果檢驗結果

從表6可知，在驗證LNINS系數(shù)的顯著性時，LNCO2系數(shù)的卡方值為7.462，P值為0.006，在5%置信度下，拒絕了“LNCO2不是LNINS的原因”。而LNGDP的卡方值為6.041，P值為0.014，在5%置信度下，拒絕了“LNGDP不是LNINS的原因”。同理，在驗證LNGDP系數(shù)的顯著性時，在5%置信度下，拒絕了“LNCO2不是LNGDP的原因”，接受了“LNINS不是LNGDP的原因”。綜合來看，福建省的CO2排放強度、產業(yè)結構和經濟增長之間的關系如圖2所示。

圖2 CO2強度、產業(yè)結構和經濟增長的關系示意圖

5.5 模型穩(wěn)定性檢驗

本文所建立的VAR模型的滯后階數(shù)為1階，模型中有3個內生變量，因此在穩(wěn)定性分析中存在3個特征根。從模型的根模顯示表(表7)和根模顯示圖(圖3)可知，VAR模型3個特征根的模均小于1。在圖3中表現(xiàn)為模型特征根的模均落于單位圓內，表明本文所構建的VAR模型是穩(wěn)定的。但是，從表7可知，特征根λ1的模比較接近1，說明部分沖擊會對模型形成長期的影響。

表7 VAR根模顯示表

圖3 VAR根模顯示圖

5.6 IRF脈沖響應函數(shù)

脈沖響應函數(shù)用于考察一個變量對另一個變量的沖擊所產生的動態(tài)效應，即一個變量的當期沖擊對其他變量的時滯效應。結合Granger因果檢驗結果，本文主要分析具有因果關系的變量的脈沖響應圖。根據(jù)表6，可以將脈沖響應分為2種：一是直接效應，即LNGDP對LNINS以及LNINS對LNCO2的滯后項的沖擊影響；二是反饋效應，即LNCO2對LNINS和LNGDP的滯后項的沖擊影響。

(1) 直接效應。Granger因果檢驗表明，LNGDP是引起LNINS變化的原因，而LNINS是引起LNCO2變化的原因。由圖4可知，LNGDP對LNINS的沖擊，使LNINS從第1期到第12期的響應值持續(xù)為正值?？傮w來看，LNGDP對LNINS的影響是正向的，存在滯后性。這表明產業(yè)結構對經濟增長存在一定的依賴性。由圖5可知，LNINS對LNCO2的沖擊，使LNCO2在第1期的響應值為正值，從第2期開始到第10期響應值持續(xù)為負值。這表明產業(yè)結構的升級，僅在第1期能夠降低CO2排放強度，從第2期開始到第10期則使CO2排放強度提高?？傮w來看，LNINS對LNCO2的影響是負向的，存在滯后性。這表明CO2排放強度對產業(yè)結構存在一定的依賴性。

圖4 LNGDP對LNINS的脈沖響應

圖5 LNINS對LNCO2的脈沖響應

(2) 反饋效應。Granger 因果檢驗表明，LNCO2分別與LNINS和LNGDP具有因果關系。由于前面已經分析了LNGDP和LNINS對其他變量的直接效應，因而這里利用脈沖響應函數(shù)分析LNCO2對LNINS和LNGDP的反饋效應。由圖6可知，當LNCO2對LNINS實施一個單位標準差的正向沖擊后，LNINS在第1期產生正向的響應值，響應值在短期內快速增加，在第3期達到最大值，隨后開始下降，最終趨于0。總體來看，LNCO2對LNINS的影響是負向的，存在滯后性。這表明產業(yè)結構對CO2排放強度存在一定的依賴性。由圖7可知，當LNCO2對LNGDP實施一個單位標準差的正向沖擊后，LNGDP在第1期的響應值為正值且值較小，隨后響應值緩慢增加，最終趨于一個穩(wěn)定值?？傮w來看，LNCO2對LNGDP的影響是正向的，存在滯后性。這表明經濟增長對CO2碳排放強度存在一定的依賴性。

圖6 LNCO2對LNINS的脈沖響應

圖7 LNCO2對LNINS的脈沖響應

根據(jù)直接效應和反饋效應，可以發(fā)現(xiàn)LNINS、LNCO2和LNGDP 3個變量在受到沖擊后，各自呈現(xiàn)出的特征存在一定程度上的相似性。從時間維度來看，各個變量受到沖擊的時間都較長，基本都在11期之后才會趨于穩(wěn)定狀態(tài)。從各變量對沖擊的反應來看，LNGDP和LNINS在第1期到第10期的響應值均為正值，而LNCO2的響應值僅在1期為正值，從第2期開始到第10期均為負值。

5.7 預測方差分解

預測方差分解是將VAR模型各個內生變量的均方誤差分解到其他解釋變量的誤差項上。從脈沖響應圖來看，各個內生變量的沖擊對其他內生變量的影響大多在第15期前就趨于穩(wěn)定了，因此，本文的預測方差分解期數(shù)設置為15期即可。

從圖8來看，對LNGDP作向前1期的預測，其預測方差完全來源于自身；作向前10期的預測，有約50%的預測方差來源于自身，其余的大部分由CO2排放強度貢獻,說明CO2排放強度對經濟增長的影響較強。從圖9來看，對LNINS作向前10期的預測，可以發(fā)現(xiàn)，在前6期超過50%的預測方差來源于自身，而CO2排放強度對LNGDP預測方差的貢獻隨著期數(shù)增加而上升，說明CO2排放強度對LNINS的影響隨著時間的推移逐年加強。從圖8、圖9來看，CO2排放強度不僅對經濟增長有影響，還對產業(yè)結構的變動有影響。從圖10來看，對LNCO2作向前15期的預測，可以發(fā)現(xiàn)，其預測方差約有60%來源于自身；LNGDP對LNCO2預測方差的貢獻率從第1期到第4期逐漸增加，但最終保持在30%；LNINS對LNCO2預測方差的貢獻率從第1期的35%下降到了第3期的10%左右，說明產業(yè)結構對CO2排放強度的影響相對較小。

圖8 LNGDP方差分解圖

圖9 LNINS方差分解圖

圖10 LNCO2方差分解圖

6 結論和建議

本文通過VAR模型、Granger因果檢驗、脈沖響應分析和方差預測分解對福建省CO2排放強度、產業(yè)結構和經濟增長之間的動態(tài)關系進行了研究，得出以下結論：①福建省CO2排放強度對經濟增長有影響，總的來說，CO2排放強度的提高促進了經濟增長。在研究時段內，福建省的經濟增長方式仍以粗放型為主。②產業(yè)結構的升級能在較短時期內降低CO2排放強度。③從LNGDP、LNINS和LNCO2的沖擊反應來看，各變量未來方差預測值的波動，大部分可以從各變量自身得到解釋；而LNGDP和LNINS未來方差預測值的波動有相當大部分是由CO2排放強度的變化引起的?？偟膩碚f，CO2排放強度不僅對經濟增長有影響，還對產業(yè)結構的變動有影響?；谝陨辖Y論，提出以下建議：

(1) 繼續(xù)推動產業(yè)結構優(yōu)化升級。以第二產業(yè)為主的粗放型經濟增長方式，單位GDP能耗較高。這種經濟發(fā)展高度依賴能源使用的狀況，反映出目前福建省第二產業(yè)中高能耗企業(yè)所占比重較大。針對這種情況，福建省應通過引進“清潔生產”的低能耗企業(yè)以及減少高能耗企業(yè)的數(shù)量，來降低高能耗企業(yè)在第二產業(yè)中所占的比重。第三產業(yè)包括各種不同的行業(yè)，這些行業(yè)大多以低能耗企業(yè)為主，提高第三產業(yè)的比重也能降低CO2排放強度、減少環(huán)境污染。因此，政府在減排過程中應做到：完善環(huán)境保護體系，通過立法方式增加超排企業(yè)的法律成本，逐步關閉“三高”企業(yè)。

(2) 協(xié)調好減排與經濟發(fā)展的關系。減排不能搞“一刀切”，一味地關閉高排放企業(yè)。否則，不僅對經濟增長造成較大影響，也會導致大量工人失業(yè)。應該做到既有效降低CO2排放強度，又在減排過程中保持經濟增長和就業(yè)穩(wěn)定。要鼓勵和引導有能力改進自身CO2排放的企業(yè)，通過技術創(chuàng)新，來降低自身CO2排放。還可以通過引進低能耗企業(yè)，來彌補因關閉“三高”企業(yè)所帶來的對經濟和就業(yè)的影響。

(3) 提高科技和環(huán)保投資力度。降低CO2排放強度，除了要進行產業(yè)結構調整，還要加強科技創(chuàng)新。要采取適當措施，引導企業(yè)進行科技創(chuàng)新，充分增強企業(yè)甚至是整個行業(yè)在國際上的競爭力，尤其是綠色競爭力。一方面要引導行業(yè)逐步調整結構，另一方面要鼓勵高能耗企業(yè)加強能源方面的科研支出，提高能源轉換效率。