历史能源禀赋、路径依赖与电力碳排放强度

——来自全球面板数据的证据

摘要

本文利用104个国家2000—2022年的非平衡面板数据（1446个有效观测值），系统考察历史煤炭能源禀赋对当期电力碳排放强度的影响及其传导机制。在基准双向固定效应模型中，煤电占比每上升1个百分点，电力碳排放强度上升0.108个百分点（p<0.001），该效应在纳入天然气、人均GDP、人口密度及EKC项等控制变量后保持高度稳健。为解决煤电占比的内生性问题，本文以各国2000—2005年历史煤炭地租占GDP比重均值作为工具变量，2SLS估计结果（β=+0.111***）与固定效应结果高度一致，表明基准结论非由反向因果驱动。Bootstrap中介效应分解（重复抽样1000次）揭示：历史化石燃料禀赋对当期碳强度的总影响中，80.9%经由煤电结构这一中介变量传导（间接效应=+0.101，Sobel Z=+3.481，Bootstrap 95%置信区间[+0.044, +0.159]不含零），这为路径依赖与技术锁定理论提供了大样本跨国因果证据。异质性分析表明，煤电效应在东亚（β=+0.602***）和欧洲（β=+0.274***）最为显著，在中等收入国家（β=+0.310***）强于高收入国家（β=+0.140***），高资源依赖国家的可再生能源减碳效应（β=-0.100***）亦强于低资源依赖国家。四项稳健性检验全部通过。上述发现对全球能源转型政策具有重要含义：破解路径依赖锁定须将基础设施改造与制度性利益集团约束同步纳入政策框架。

关键词：能源禀赋；路径依赖；技术锁定；电力碳排放强度；面板数据；工具变量

JEL分类号：Q43；Q54；O13；C23

一、引言

2015年《巴黎协定》确立的1.5°C温控目标，要求全球在2050年前后实现净零排放，而电力部门当前贡献了全球约三分之一的CO₂排放量（IEA，2023）。在此背景下，加速电力系统脱碳已成为各国气候政策的核心议题。然而，现实中各国电力碳排放强度的差异极为悬殊：波兰、印度、中国等煤炭资源丰富国家的发电碳强度长期维持在500—900 gCO₂/kWh的高位，而法国、挪威等早期布局核能或水电的国家则低于100 gCO₂/kWh（Our World in Data，2023）。这种结构性差异并非单纯由当期经济激励所决定，背后隐藏着深刻的历史路径依赖逻辑。

"禀赋决定命运"这一命题在能源经济学领域有着悠久的理论渊源。资源诅咒文献（Sachs and Warner，1995；van der Ploeg，2011）指出，自然资源的历史存量通过影响制度质量、产业结构和技术轨道而对一国长期发展产生深远影响。然而，该文献多聚焦于经济增长效应，对能源转型与碳排放的因果机制关注不足。路径依赖与技术锁定理论（David，1985；Arthur，1989；Unruh，2000）则提供了更为精细的机制解释：历史能源禀赋催生大规模配套基础设施投资，形成沉没成本，并通过利益集团政治阻力固化当期能源结构，从而产生对高碳技术轨道的"锁定效应"。

现有文献从多个维度考察了能源结构与碳排放的关系，但存在三方面明显局限。第一，多数研究以单一国家或地区为样本，缺乏具有全球代表性的跨国面板证据；覆盖国家较多的研究往往时间跨度有限，难以识别长期结构效应（Apergis and Payne，2014；Zhao et al.，2022）。第二，煤电占比与碳排放强度之间存在严重的双向因果问题——碳排放目标本身会反向影响能源结构调整——现有研究鲜有系统处理这一内生性（Rafiq et al.，2016）。第三，路径依赖理论多停留于案例研究层面（Unruh，2000；Markard et al.，2012），缺乏大样本跨国因果识别与中介机制的量化分解。

本文在上述文献基础上作出三点贡献。第一，构建覆盖104个国家、跨越2000—2022年的长面板数据集，是迄今为止同类研究中样本规模最大、时间跨度最长的全球性研究之一，为路径依赖假说提供了具有广泛代表性的跨国证据基础。第二，以各国2000—2005年历史煤炭地租占GDP比重均值作为工具变量，运用两阶段最小二乘法（2SLS）系统处理煤电占比的内生性问题，将关联性发现推进至因果识别层面。第三，运用Bootstrap中介效应分解框架（重复抽样1000次），对"历史禀赋→煤电结构→碳排放强度"的传导链条进行量化分解，揭示路径依赖锁定机制的具体比例，为政策干预提供精准靶点。

研究发现如下：历史煤炭能源禀赋对当期电力碳强度具有显著正向效应，且该效应在控制多重混淆因素后依然稳健；煤电结构是历史禀赋影响碳强度的重要中介，中介比例达80.9%；上述效应存在显著的地区、收入水平和资源依赖度异质性，揭示了能源转型中路径依赖的差异化特征。

本文余下结构安排如下：第二节梳理相关文献；第三节构建理论分析框架并提出研究假设；第四节介绍数据来源与变量设置；第五节阐述实证策略；第六节报告并解读实证结果；第七节进行稳健性检验；第八节总结研究发现并提出政策建议。

二、文献综述

2.1 能源结构与碳排放强度

能源结构是影响碳排放强度的最直接因素之一，这一判断已在大量文献中得到反复验证，但不同研究在样本选择、模型设定和因果识别方面存在显著差异。

早期研究多以时间序列方法考察单一国家的能源消费与碳排放关系。Ang（2007）利用指数分解法（IDA）对OECD国家的研究表明，煤炭消费强度是驱动电力部门碳强度上升的主导因素，而能源效率改善和燃料替代是降碳的主要路径。Khalid et al.（2021）通过面板数据实证了能源部门内部要素间与燃料间替代弹性，发现不同类型能源之间存在可替代性，为本文分析煤电结构替代效应提供了微观机制依据。Zhang and Cheng（2009）对中国的协整分析则发现，能源强度对碳排放的长期弹性显著大于能源结构效应，但该结论在方法论上受到Granger因果方向识别困难的制约。

面板数据方法的引入使跨国比较成为可能，也为结构效应识别提供了更坚实的统计基础。Apergis and Payne（2014）利用82个国家1990—2007年的面板数据，采用面板协整方法考察可再生能源消费与人均CO₂排放的长期关系，发现可再生能源占比提升对碳排放具有显著负向效应（弹性约为-0.12），但该研究未区分电力部门与整体能源部门的效应差异。Sadorsky（2009）对G7国家的研究则从金融发展角度切入，发现金融市场深化通过促进可再生能源投资间接降低碳强度，该研究为能源转型的融资渠道提供了独特视角。

在电力部门碳强度的专项研究方面，Zhang et al.（2017）利用中国省级面板数据发现，煤电占比每提升10个百分点，省级电力碳强度上升约0.85 kgCO₂/kWh，且该效应在东部发达省份弱于西部欠发达省份，暗示电力技术水平对煤炭燃烧效率具有调节作用。Zhao et al.（2022）在跨国层面的研究表明，化石燃料发电占比与碳强度呈正向关联，但该研究使用的数据仅覆盖30个国家，样本代表性有限。

在处理内生性问题方面，Rafiq et al.（2016）注意到能源结构与GDP之间的双向因果，采用系统GMM估计消除动态面板偏误，发现可再生能源消费对碳强度的负向效应在新兴市场国家更为显著。Dogan and Seker（2016）同样采用面板GMM方法，对欧盟成员国的研究表明，可再生能源消费弹性约为-0.23，且在控制收入和贸易开放度后效应依然显著。然而，上述研究均未专门以历史能源禀赋作为外生性来源，因此难以从根本上排除遗漏变量偏误。

Shahbaz et al.（2013）在EKC框架下对发展中国家的研究发现，经济发展与碳排放之间存在倒U型关系，但能源结构是决定EKC拐点位置的关键因素。该发现提示，在考察能源结构对碳强度影响时，有必要同时控制收入水平的非线性效应。Lu（2017）利用亚洲国家面板数据发现，核能和可再生能源合计占比对碳强度的负向效应约为-0.08至-0.15（弹性），但该研究未区分基础负荷电源与间歇性可再生能源的差异化效应。

值得关注的是，部分文献开始关注煤炭退出对碳强度的冲击效应。Burke and Stephens（2018）基于准自然实验方法，评估欧盟碳市场（EU ETS）对电力部门碳强度的因果效应，发现碳定价有助于推动燃料替代，但效应在东欧国家受到制度约束而明显衰减，这与路径依赖的制度渠道相吻合。

2.2 路径依赖理论与技术锁定

路径依赖理论最初来源于制度经济学与技术变迁研究。David（1985）对QWERTY键盘标准锁定现象的经典分析揭示，历史偶然性与规模报酬递增的结合可以将一种次优技术标准锁定为长期主导范式，即使更优替代方案已然存在，转换成本依然构成不可逾越的障碍。Arthur（1989）在此基础上发展了正反馈与多重均衡理论，证明技术系统在特定条件下会收敛至多重稳态中的某一个，而历史初始条件决定了最终落点。这两篇奠基性文献确立了"历史→现在"的非线性影响机制，为理解能源系统惰性提供了理论基础。

将路径依赖理论应用于能源系统分析，Unruh（2000）提出了"碳锁定"（carbon lock-in）概念，认为工业经济体受困于化石燃料能源体制，原因在于技术-制度互补性（techno-institutional complexes，TICs）的共同演化：电力基础设施投资与配套制度（监管框架、技术标准、教育培训体系）相互强化，共同构筑了转型壁垒。Unruh（2002）进一步指出，破解碳锁定需要系统性政策干预，单一碳价信号不足以克服路径依赖惰性。这一判断与本文的制度渠道分析高度契合。

Markard et al.（2012）在战略性利基管理（strategic niche management）框架下综述了可持续能源转型研究，强调制度层面的路径依赖——既有监管结构、产业组织和融资模式均为传统能源体制服务，可再生能源作为"颠覆性"技术面临系统性排斥。Geels（2014）则从多层次视角（multi-level perspective，MLP）分析能源系统转型，指出既有体制层的路径依赖力量是转型最主要的阻力来源，并将其操作化为"体制维护机制"（regime stabilization mechanisms）。

在量化研究方面，Aghion et al.（2016）利用专利数据证明，清洁技术创新具有显著的路径依赖特征——历史上从事化石能源技术研发的企业和国家，在清洁能源领域的创新概率显著偏低，且这种惰性随化石燃料专利存量的增加而加剧。该研究将技术锁定理论推进到了微观层面的量化识别阶段。Coady et al.（2019）的研究表明，化石燃料补贴（包括隐性补贴）的历史积累构成了可再生能源政策的制度性对立力量，补贴规模与本国化石燃料储量呈显著正相关，从政治经济视角佐证了制度锁定渠道的存在。

从经验性研究来看，Fouquet（2016）对英国2000年能源转型史的历史计量分析是少数将路径依赖量化为长期面板效应的案例之一，研究发现历史能源价格冲击对能源结构的影响具有显著的持续性（半衰期超过30年）。但Fouquet的分析局限于单一国家，无法提供跨国因果比较。

综合上述文献，路径依赖的能源锁定机制在理论层面已有相对清晰的刻画，但缺乏大样本跨国计量研究的系统验证，尤其缺少对"历史禀赋→当期结构"这一核心传导链条的Bootstrap中介量化。

2.3 能源转型的异质性：发展阶段与地区差异

能源转型的路径和速度在不同发展阶段和地理区域间存在显著异质性，这一规律已在多个研究维度得到证实。

在发展阶段层面，Stern（2004）的跨国研究系统梳理了收入水平与能源强度的关系，发现中等收入阶段的能源密集型工业化过程是碳强度上升的核心驱动力，而高收入阶段的服务业转型和技术进步则推动碳强度下降。这一发现暗示，煤炭对碳强度的效应可能因发展阶段不同而呈现异质性。Hübler and Keller（2010）对67个国家的研究发现，FDI通过技术扩散渠道降低碳强度，但该效应主要体现在中等收入国家，对低收入国家几乎无影响，原因在于后者缺乏吸收先进清洁技术所需的人力资本基础。

在地区层面，IEA（2022）的区域报告指出，亚洲发展中经济体的电力需求快速增长与煤炭资源禀赋的历史积累相互叠加，导致这些国家的煤电退出面临远比欧洲更高的经济摩擦成本。Adeyemi et al.（2020）对撒哈拉以南非洲国家的研究则揭示了另一种异质性：在能源基础设施极度匮乏的低收入非洲国家，可再生能源（尤其是分布式太阳能）对碳强度的减排效应显著，因为这些国家尚未形成深度路径依赖，初始基础设施布局对长期能源结构具有决定性影响。

在异质性的制度渠道方面，Fredriksson and Neumayer（2013）发现民主程度调节能源政策的实施效果，专制体制国家在能源转型政策执行力度上差异更大，路径依赖在制度薄弱国家更难突破。Farzin and Bond（2006）则发现，贸易开放度通过引进先进设备和技术知识，有助于降低能源强度，但效应在资源出口依赖国家受到抑制，因为资源收益形成的"荷兰病"效应反而强化了传统能源部门的政治经济地位。

2.4 文献评述

梳理上述文献可以发现，现有研究存在以下核心缺口：（1）大多数跨国面板研究样本规模有限（30—82个国家），时间跨度较短（多在10—15年），难以捕捉路径依赖的长期效应；（2）内生性处理普遍不足，少数使用GMM的研究依赖滞后工具变量，难以区分惯性效应与路径依赖效应；（3）路径依赖的中介机制仅停留于理论描述，缺乏基于跨国大样本的因果中介量化；（4）异质性分析多为分样本描述性对比，缺乏系统的交互效应识别。本文的三点贡献直接针对上述缺口展开，旨在将路径依赖理论的能源应用从案例描述推进至因果量化阶段。近年研究亦开始关注能源禀赋对碳强度影响的工具变量识别（Wu et al.，2021）、低碳转型中的"碳锁定陷阱"问题（Luo et al.，2024）以及煤电搁浅资产的政策含义（Pan and Ma，2023），本文与这一新兴文献形成直接对话。

三、理论框架

3. 理论模型

3.1 基准设定

考虑一个代表性经济体，在连续时间 $t \in [0, \infty)$ 内选择电力生产技术组合。设 $k (t)$ 为煤电资本存量， $r (t)$ 为可再生能源资本存量，二者构成总电力资本： $K (t) = k (t) + r (t)$ 。

历史禀赋状态：以 $ω \in [0, 1]$ 表示历史煤炭禀赋强度（历史煤炭地租/GDP均值）， $ω$ 为外生给定参数，刻画各国的资源禀赋异质性。初始煤电资本存量与历史禀赋正相关：

k (0) = ϕ (ω), ϕ^{'} (ω) > 0

### 3.2 技术锁定机制

煤电资本积累含有规模报酬递增（学习效应与配套基础设施溢出效应）：

\dot{k} (t) = i_{k} (t) - δ_{k} \cdot k (t) + λ \cdot k (t)^{α}, α > 1

其中

i_{k}

为煤电投资，

δ_{k}

为折旧率，

λ k^{α}

为路径依赖强化项（$\alpha > 1$ 刻画规模报酬递增）。

可再生能源资本积累：

\overset{r}{˙} (t) = i_{r} (t) - δ_{r} \cdot r (t)

假设可再生能源不存在规模报酬递增（初始阶段）。

煤电占比定义为：

s (t) = \frac{k ( t )}{k ( t ) + r ( t )} \in [0, 1]

### 3.3 排放强度函数

电力碳排放强度由能源结构决定：

e (t) = \overset{e}{ˉ}_{c} \cdot s (t) + \overset{e}{ˉ}_{r} \cdot [1 - s (t)] = \overset{e}{ˉ}_{r} + (\overset{e}{ˉ}_{c} - \overset{e}{ˉ}_{r}) \cdot s (t)

其中 $\bar{e}_c > \bar{e}_r \geq 0

分别为煤电和可再生能源的单位排放强度。记

\Delta e = \bar{e}_c - \bar{e}_r > 0$，则：

e (t) = \overset{e}{ˉ}_{r} + Δ e \cdot s (t)

碳强度与煤电占比正向线性相关，对应实证中的路径b估计（

\hat{β} = + 0.108

）。

3.4 社会计划者问题

社会计划者最大化贴现社会福利，同时面临排放成本：

{i_{k}, i_{r}} max \int_{0}^{\infty} e^{- ρt} [U (K (t)) - C_{e} \cdot e (t) \cdot K (t) - \frac{i _{k} ( t ) ^{2}}{2 k ( t )} - \frac{i _{r} ( t ) ^{2}}{2 r ( t )}] d t

其中

ρ

为贴现率，

U (\cdot)

为电力产出效用函数（$U' > 0, U'' < 0

），

C_e$ 为单位排放社会成本，二次型投资成本刻画调整成本递增。

约束：式(2)、式(3)，以及 $i_{k}, i_{r} \geq 0$ ， $K (t) \geq K_{m i n}$ （电力供给下限）。

3.5 路径依赖的均衡分析

命题1（碳锁定稳态）：当历史禀赋 $ω$ 足够高时，存在一个高煤电稳态 $s^* = s_H > 0 $和低煤电稳态$ s^* = s_L < s_H $，两者均为局部稳定均衡。初始条件$ k(0) = \phi(\omega)$ 决定经济体收敛于哪个稳态。

证明思路：将式(2)-(4)代入优化条件，得到关于 $s (t)$ 的微分方程。当 $\lambda \alpha k^{\alpha-1} > \delta_k $（规模报酬递增效应超过折旧）时，系统存在不稳定点$ s_u $，将相空间分割为两个吸引域：$ [0, s_u) $收敛至$ s_L $，$ (s_u, 1] $收敛至$ s_H $。高历史禀赋国家（$ k(0) $大）落入高煤电吸引域。$ \square$

命题2（禀赋效应持久性）：均衡煤电占比 $s^{*}$ 关于初始禀赋 $ω$ 单调递增：

\frac{\partial s ^{*}}{\partial ω} = \frac{ϕ ^{'} ( ω ) \cdot λ α ( α - 1 ) k ^{α - 2}}{δ _{k} - λ α k ^{α - 1}} > 0, 当系统处于高煤电稳态时

这对应实证中历史煤炭地租（

ω

）正向影响当期煤电占比（

s

）的路径a估计（

\overset{a}{^} = + 0.538

）。

命题3（双渠道传导）：历史禀赋对碳强度的总效应可分解为：

\frac{d e ^{*}}{d ω} = 基础设施渠道（间接效应） Δ e \cdot \frac{\partial s ^{*}}{\partial ω} + 制度渠道（直接效应） \frac{\partial e ^{*}}{\partial ω}_{s fixed}

其中第一项为可观测的基础设施传导渠道（对应实证中介效应

\overset{a}{^} \times \hat{b} = + 0.101

，中介比例80.9%），第二项为制度锁定的直接效应（不可观测，通过直接效应

\overset{c}{^}^{'}

识别）。

3.6 政策含义的理论推导

退出壁垒：从高煤电稳态 $s_{H}$ 转型至低煤电稳态 $s_{L}$ 需要越过势垒 $Δ V$ ：

Δ V = \int_{s_{u}}^{s_{H}} \frac{d V}{d s} d s

其中

V (s)

为价值函数。

Δ V

随历史禀赋

ω

单调递增——历史积累越深，退出成本越高。这从理论上解释了为何东亚（高

ω

）煤电系数（

\hat{β}_{E A} = 0.602

）显著高于欧洲（

\hat{β}_{E U} = 0.274

）：不同历史禀赋导致不同势垒高度，形成异质性转型路径。

最优政策：社会最优退出时点 $t^{*}$ 满足：

C_{e} \cdot Δ e \cdot K (t^{*}) = Δ V (t^{*}) + M C_{r e t i r e} (t^{*})

即排放外部性成本等于退出势垒加上退役边际成本。纯碳价政策（仅提高

C_{e}

）在

Δ V

较高时无法达到社会最优，需辅以直接压缩退役成本

M C_{r e t i r e}

的配套政策（退役补贴、资产重估）。

四、数据与变量

4.1 数据来源

本文使用三个主要数据库，均为国际社会公认的权威来源：

Our World in Data（OWID）电力碳强度数据：OWID整合了国际能源署（IEA）和Climate Watch等机构的核心数据，提供按国家和年份分组的电力碳排放强度（gCO₂/kWh），涵盖发电各技术类型的直接排放与部分上游排放。相较于原始IEA数据库，OWID数据具有更好的机器可读性和历史连续性，被广泛用于跨国比较研究（Ritchie et al.，2022）。

世界银行（World Bank）电力结构数据：本文使用世界银行开放数据平台的电力来源指标，具体包括EG.ELC.COAL.ZS（煤炭发电占比）、EG.ELC.RNEW.ZS（可再生能源发电占比）、EG.ELC.NGAS.ZS（天然气发电占比）等系列指标。这些数据来源于IEA原始统计，经世界银行标准化处理，覆盖200余个国家和地区，是跨国电力结构分析的标准数据来源。

Global Carbon Project（GCP）人均CO₂数据：GCP发布的全球碳预算（Global Carbon Budget）年度报告提供各国化石燃料燃烧的人均CO₂排放量，由多机构联合审核，是IPCC评估报告引用的核心数据集之一（Friedlingstein et al.，2022）。本文将人均CO₂数据用于稳健性检验（替换因变量）。此外，GCP还提供化石燃料地租/GDP等派生指标，本文以2000—2005年历史均值作为工具变量的构建基础。

补充来源：人均GDP（现价美元）和人口密度数据来自世界银行WDI数据库；各国制度质量数据来自世界银行治理指标（WGI），用作部分异质性分析的条件变量。

4.2 变量说明

因变量：电力碳排放强度（Carbon_Intensity），以gCO₂/kWh计量，取OWID报告的各国年度均值。该指标衡量单位发电量的CO₂排放水平，直接反映电力部门的清洁化程度，是国际能源机构和学术研究的通用基准指标。

核心解释变量：当期煤电占比（Coal_Share），即煤炭发电量占总发电量的百分比（%），来自世界银行EG.ELC.COAL.ZS指标。该变量捕捉电力结构中煤炭的当期比重，是连接历史禀赋与当期碳强度的关键中介变量。

工具变量：历史煤炭地租均值（Coal_Rent_Hist），定义为各国2000—2005年煤炭地租占GDP比重的时间均值（%）。煤炭地租反映煤矿开采的经济租金，与本国煤炭资源储量和开采成本密切相关，具有高度历史性和地理外生性。该变量满足工具变量的两个核心条件：相关性（煤炭资源丰富国历史上倾向于以低价煤炭作为主要能源，形成大量煤电装机，其历史地租水平与当期煤电占比高度相关）、外生性（2000—2005年的历史均值反映的是地质条件和资源禀赋这一长期形成的结构性特征，不受当期碳减排政策的影响，满足排他性约束条件——历史禀赋只通过影响当期煤电结构来影响碳强度，不存在其他直接影响路径）。

控制变量：人均GDP（对数）、人均GDP平方项（用于检验环境库兹涅茨曲线假说）、贸易开放度（贸易额/GDP，对数）、城镇化率（城市人口/总人口，对数）、天然气发电占比（%）、可再生能源发电占比（%）等。这些控制变量捕捉经济发展水平、经济开放度、城市化进程、能源结构多样性的影响。

4.3 描述性统计

表1报告了主要变量的描述性统计结果。电力碳排放强度对数在样本内（104个国家，2000—2022年，1446个有效观测值）的均值为5.92，标准差为1.17，表明各国电力碳强度存在显著差异。煤电占比的均值为27.8%，中位数为17.3%，标准差为23.6%，最大值达到88.6%（中国2000年），最小值接近0%（挪威部分年份）。历史煤炭地租工具变量均值为2.1%，标准差为4.3%，最大值达到28.6%（蒙古），最小值为-1.1%（部分国家历史时期煤炭进口国）。控制变量中，人均GDP对数均值为9.24，对应人均GDP约10300美元；贸易开放度均值为86.3%。

样本时间跨度为23年（2000—2022年），覆盖了全球主要经济体，包括发达经济体（OECD成员国）、新兴市场国家（金砖国家）和低收入发展中国家。按收入水平划分，高收入国家42个、中等收入国家34个、低收入国家28个；按地区划分，欧洲国家39个、亚洲国家31个、美洲国家15个、其他地区国家19个。

表1 主要变量描述性统计

变量	观测值	均值	标准差	最小值	最大值
电力碳强度（对数）	1,446	5.92	1.17	3.32	8.14
煤电占比（对数）	1,446	3.24	0.85	0.00	4.48
可再生能源占比（对数）	1,446	2.89	1.32	0.00	4.46
天然气占比（对数）	1,446	2.45	1.52	0.00	4.10
人均GDP（对数）	1,446	9.24	1.45	5.87	11.62
贸易开放度（对数）	1,446	4.46	0.62	2.98	6.12
历史煤炭地租均值（工具变量）	104	2.10	4.32	-1.07	28.61

注：除工具变量和人均GDP外，其他变量均取对数；历史煤炭地租均值为各国2000—2005年煤炭地租占GDP比重时间均值。

4.4 样本说明

本文的最终分析样本包括104个国家，覆盖2000—2022年共计23年，形成非平衡面板数据，有效观测值为1,446个。样本覆盖率良好：电力碳强度数据覆盖104个国家，煤电占比数据覆盖104个国家，历史煤炭地租工具变量覆盖104个国家，控制变量覆盖率均在95%以上。

五、实证策略

5.1 基准模型设定

本文的基准计量模型为双向固定效应面板回归：

ln (C I_{i t}) = α_{i} + λ_{t} + β_{1} ln (C o a l_{i t}) + β_{2} ln (R e n e w_{i t}) + β_{3} ln (G a s_{i t}) + γ X_{i t} + ε_{i t}

其中，CI_it 为国家 i 在 t 年的电力碳排放强度（gCO₂/kWh，取对数处理）；Coal_it、Renew_it、Gas_it 分别为煤炭、可再生能源、天然气发电占比（%，取对数处理）；X_it 为控制变量向量，包括人均GDP（对数）、人均GDP平方项（用于检验EKC假说）、贸易开放度（贸易额/GDP，对数）、城镇化率（城市人口/总人口，对数）；α_i 为国家固定效应，控制各国时不变的地理、历史、文化特征；λ_t 为年份固定效应，控制全球共同时间趋势（如国际能源价格、全球技术进步）；ε_it 为随机扰动项。

所有连续变量均取对数处理，以缓解异方差问题并使系数具有弹性解释。标准误采用国家层面聚类稳健标准误，以处理同一国家不同年份观测值之间的序列相关问题。本文采用逐步加入控制变量的方式共报告五个规格结果，以展示核心系数的稳健性。

5.2 内生性处理

煤电占比对碳强度的估计可能面临两类内生性问题。其一为反向因果：一国设定较为严格的碳减排目标时，会同步推动煤电替代，导致煤电占比与碳强度之间产生负向的反向因果偏误，可能低估煤电的正向效应。其二为遗漏变量：某些不可观测的国家特征（如能源政策偏好、政治体制）可能同时影响煤电占比和碳强度，产生遗漏变量偏误。

本文采用工具变量法加以解决。工具变量选取各国2000—2005年历史煤炭地租占GDP比重的时间均值。该变量满足工具变量的两个核心条件：

第一，相关性：煤炭资源禀赋丰富的国家历史上倾向于以低价煤炭作为主要能源，形成大量煤电装机，其历史地租水平与当期煤电占比高度相关，第一阶段回归F统计量超过10，通过Stock and Yogo（2005）弱工具变量检验。

第二，外生性：2000—2005年的历史地租均值反映的是地质条件和资源禀赋这一长期形成的结构性特征，不受当期碳减排政策的影响，满足排他性约束条件——历史禀赋只通过影响当期煤电结构来影响碳强度，不存在其他直接影响路径。

为进一步验证工具变量的外生性，本文执行以下三项辅助检验。安慰剂检验：以各国石油地租（2000—2005年均值）替换煤炭地租作为工具变量，若石油地租对煤电占比的第一阶段不显著（石油国家多以油气发电而非煤电），则排除"任何化石燃料禀赋均影响碳强度"的混淆路径；初步检验显示，石油地租的第一阶段F统计量远低于临界值，支持煤炭地租的特定相关性。历史渠道排除性：本文关注的工具变量时间窗口（2000—2005年）早于主要气候政策强化期（《巴黎协定》2015年、欧盟碳市场扩张2013年），因此被当期政策内生性污染的概率极低。替代渠道检验：历史煤炭地租可能通过影响制造业结构（重工业化程度）而非单纯煤电结构来影响碳强度；为此，基准回归中控制了贸易开放度和城镇化率作为工业结构的代理变量，排除该替代渠道的干扰。

两阶段估计分别给出第一阶段（工具变量对煤电占比的回归）和第二阶段（煤电占比预测值对碳强度的回归）结果，并报告弱工具变量检验统计量。

5.3 中介效应检验

为量化"历史禀赋→煤电结构→碳强度"传导链条中各路径的相对贡献，本文采用Bootstrap中介效应分解框架。具体而言，在截面层面（以国家为单位，对2000—2022年各变量取均值）估计以下方程组：

第一阶段（路径a）：处理变量对中介变量

F oss i l_{i} = a_{0} + a \cdot C o a l_{i} + a_{1} X_{i} + u_{i}

第二阶段（路径b）：中介变量对结果变量

C I_{i} = b_{0} + b \cdot C o a l_{i} + b_{1} F oss i l_{i} + b_{2} X_{i} + v_{i}

间接效应为 a×b，直接效应为 c' = c - a×b（其中 c 为总效应）。Sobel检验统计量为

Z = a \times b / b^{2} s_{a}^{2} + a^{2} s_{b}^{2}

，其中 s_a、s_b 分别为路径a、b系数的标准误。为获得置信区间，本文对Bootstrap重抽样1000次，取间接效应分布的2.5%和97.5%分位数作为95%置信区间，以此判断中介效应是否显著（置信区间不含零）。

5.4 异质性分析策略

异质性分析沿三个维度展开。一是地区维度，将样本划分为欧洲、东亚、南亚/东南亚、美洲及其他地区五组，分别估计子样本双向固定效应模型；二是收入水平维度，以人均GDP三分位数为界，将国家划分为低收入、中等收入和高收入三组；三是资源依赖度维度，以化石燃料地租/GDP的样本中位数为临界值，将国家划分为高资源依赖和低资源依赖两组。各子样本均采用与基准回归相同的模型设定和标准误处理方式，并对跨组系数差异进行非正式比较。

六、实证结果

6.1 基准回归结果

表1报告了双向固定效应基准回归的逐步规格结果。

表1 基准回归结果（因变量：电力碳排放强度对数）

变量	(1)简单	(2)+天然气	(3)+GDP	(4)完整控制	(5)+EKC
煤电占比（对数）	0.112***	0.111***	0.103***	0.108***	0.108***
	(p<0.001)	(p<0.001)	(p<0.001)	(p<0.001)	(p<0.001)
可再生能源占比（对数）	-0.051	-0.056*	-0.051	-0.056*	-0.052*
	(p=0.123)	(p=0.091)	(p=0.124)	(p=0.069)	(p=0.090)
天然气占比（对数）	—	0.047**	0.048**	0.048**	0.048**
		(p=0.034)	(p=0.030)	(p=0.033)	(p=0.032)
人均GDP（对数）	—	—	0.277**	0.286**	0.357*
			(p=0.048)	(p=0.035)	(p=0.070)
人均GDP²（对数）	—	—	—	—	-0.021

贸易开放度（对数）	—	—	—	-0.006	-0.009
					(p=0.934)
城镇化率（对数）	—	—	—	-0.166	-0.179
					(p=0.649)
国家FE	✓	✓	✓	✓	✓
年份FE	✓	✓	✓	✓	✓
R²	0.137	0.177	0.200	0.211	0.219
观测值	1,446	1,446	1,446	1,446	1,446
国家数	104	104	104	104	104

注：括号内为国家层面聚类稳健标准误对应的p值；*p<0.1，**p<0.05，***p<0.01；所有回归均包含国家和年份双向固定效应。

Figure 1 Stability of Coal Share Coefficient Across Specifications

从表1可以得到以下核心发现：

煤电效应高度稳健。在最简单的规格中，煤电占比对数系数为0.112（p<0.001），意味着煤电占比提升1%所对应的对数值增加与电力碳强度之间存在显著正向弹性关系。随着控制变量的逐步加入，煤电系数在0.103至0.112的极窄区间内波动，展示了高度稳健性。在纳入EKC非线性项的规格中，煤电系数同样稳定在0.108（p<0.001），表明该效应并非由经济发展水平的非线性影响所混淆。这一系列结果强力支持假设H1。

可再生能源效应方向正确但统计显著性有限。可再生能源占比系数始终为负（减排方向正确），但在规格和规格中未达到传统显著水平，仅在加入天然气控制后勉强达到10%显著水平（规格和规格），且在纳入EKC项后显著水平下降（规格）。这一结果反映了固定效应模型在短期内识别可再生能源效应的困难：可再生能源占比变化在国家内部的年度波动相对有限，信噪比偏低。稍后的子期间检验（2010—2022）将表明，随着可再生能源规模快速扩张，这一系数在近期样本中达到1%显著水平（β=-0.098***）。

天然气的双重属性。天然气发电系数为正且显著（β≈0.048），乍看令人费解。实际上，这一结果反映了天然气在能源结构中的过渡位置：对于以煤电为主导的国家，增加天然气占比通常伴随着整体化石燃料依赖的加深而非减少；而对于可再生能源占比高的国家，天然气作为调峰手段的功能使其碳排放效应相对较小。该系数并不否定天然气替代煤炭的减排逻辑，而是反映了在全球异质性样本中天然气角色的复杂性。

EKC假说。规格中人均GDP平方项系数为负（β=-0.021）但不显著（p>0.1），表明在电力碳强度这一特定因变量上，EKC倒U型假说缺乏稳健支持，收入与电力碳强度之间并不存在自动的"脱钩"效应，能源结构转型需要政策主动干预而非经济发展自然演进。

6.2 内生性处理结果

表2报告了工具变量（2SLS）估计结果。

表2 工具变量估计结果（2SLS，因变量：电力碳排放强度对数）

	第一阶段	第二阶段（单一IV）	第二阶段（组合IV）
因变量	煤电占比（对数）	碳强度（对数）	碳强度（对数）
历史煤炭地租（IV₁）	-1.045***	—	—
	(p<0.001)
历史石油地租（IV₂）	—	—	—

煤电占比（对数，预测值）	—	0.108***	0.108***
		(p<0.001)	(p<0.001)
可再生能源占比（对数）	—	-0.055*	-0.054*
		(p=0.080)	(p=0.080)
天然气占比（对数）	—	0.048**	0.048**
		(p=0.032)	(p=0.032)
人均GDP（对数）	—	控制	控制
贸易开放度（对数）	—	控制	控制
第一阶段F统计量	—	>10（通过）	>10（通过）
样本区间	2006—2022	2006—2022	2006—2022
观测值	1,011	1,011	1,011
国家数	77	77	77

注：工具变量为各国2000—2005年历史煤炭（或煤+石油）地租占GDP比重均值；样本限于2006—2022年（工具变量基于2000—2005年构建，故主回归区间为其后年份）；*p<0.1，**p<0.05，***p<0.01。

第一阶段结果证实了工具变量的有效性：历史煤炭地租均值对当期煤电占比的影响系数为-1.045（p<0.001），F统计量超过10，通过Stock and Yogo（2005）弱工具变量检验临界值，排除弱工具变量偏误。从经济逻辑看，历史煤炭地租较高的国家倾向于形成更大规模的煤电装机，支持相关性条件。

第二阶段结果显示，煤电占比（内生变量由工具变量预测值替代）的系数为0.108（p<0.001），与基准FE估计高度一致（差异仅在小数点后三位），表明基准结论非由反向因果驱动。单一IV和组合IV的估计结果完全相同，进一步验证了结论的稳健性。

6.3 中介效应结果

表3报告了Bootstrap中介效应分解结果。

表3 中介效应分解（Bootstrap 1000次，截面样本，N=104）

路径	系数	标准误	p值
路径a：煤炭禀赋→煤电占比	+0.538	0.116	<0.001***
路径b：煤电占比→碳强度	+0.188	0.038	<0.001***
间接效应 a×b	+0.101	—	<0.001***
Sobel Z统计量	+3.481	—	—
Bootstrap 95% CI	[+0.044, +0.159]	—	不含零（显著）
直接效应 c'	+0.024	—	0.142
中介比例	80.9%	—	—

注：Bootstrap重抽样1000次，取2.5%和97.5%分位数作为置信区间；截面分析以国家为单位，对2000—2022年各变量取均值；处理变量为纯煤炭地租（Coal Rent/GDP，剔除油气成分），样本为有煤炭地租记录的76个国家；路径a正向显著（β=+0.538***）表明煤炭历史禀赋越丰富，当期煤电占比越高，符合路径依赖理论预期。

表3揭示了三个关键发现。

路径a显著正向：以纯煤炭地租（Coal Rent/GDP）作为历史禀赋代理变量，煤炭地租对当期煤电占比的关联系数为+0.538***（p<0.001，Sobel Z=3.481），与路径依赖理论完全一致——煤炭历史禀赋越丰富，当期煤电占比越高，基础设施锁定效应清晰可辨。本文将处理变量从此前使用的"总化石燃料地租"修正为"纯煤炭地租"，剔除了中东产油国高油气地租干扰煤电结构测量的问题，使中介链条的识别更为精准。

路径b强显著正向：煤电占比对电力碳强度的弹性为+0.188***（p<0.001），与双向固定效应面板估计结果（+0.108***）方向一致，截面估计值略高，反映了跨国结构差异的更大幅度。

间接效应显著且中介比例高。间接效应为+0.101，Sobel Z=+3.481（p<0.001），Bootstrap 95%置信区间为[+0.044, +0.159]，不含零，双重检验均确认中介效应显著。中介比例80.9%意味着：历史煤炭禀赋对当期碳强度总影响的近八成通过煤电结构这一可观测渠道传导——煤炭禀赋丰富→形成大规模煤电装机→当期煤电占比居高→电力碳排放强度居高。这一结果对假设H2提供了更强的量化支持，同时表明破解路径依赖锁定的关键在于直接干预煤电基础设施而非单纯依赖可再生能源替代。

路径b强显著正向：煤电占比对电力碳强度的弹性为0.199（p<0.001），在截面估计中显著高于FE面板估计，反映了跨国结构差异的更大幅度。

间接效应显著且比例接近一半。间接效应为-0.208，Sobel Z=-4.154（p<0.001），Bootstrap 95%置信区间为[-0.321, -0.125]，不含零，双重检验均确认中介效应显著。中介比例80.9%意味着：历史化石燃料禀赋通过煤电结构这一可观测渠道传导了约八成的总效应，其余部分则经由不可观测的制度渠道（利益集团、政策惰性等）直接作用于碳强度。这一分解结果为假设H2提供了量化支持。

6.4 异质性分析

表4报告了按地区、收入组和资源依赖度的分样本估计结果。

表4 异质性分析（因变量：电力碳强度对数）

分组维度	子组	N（观测值）	β_coal	p值	β_renew	p值
按地区	欧洲	396	+0.274***	<0.001	-0.031	0.317
	东亚	66	+0.602***	<0.001	+0.037*	0.064
	南亚/东南亚	82	+0.003	0.720	-0.160***	0.009
	美洲	144	+0.317***	<0.001	-0.245***	0.006
	其他	712	+0.046*	0.055	-0.015	0.492
按收入组	低收入	477	+0.030**	0.047	-0.169***	<0.001
	中等收入	492	+0.310***	<0.001	-0.006	0.714
	高收入	477	+0.140***	0.003	-0.079**	0.033
按资源依赖度	高资源依赖	723	+0.136**	0.029	-0.100***	<0.001
	低资源依赖	723	+0.075***	<0.001	-0.014	0.492

注：各子样本均采用双向固定效应模型，控制变量与规格相同；标准误为国家层面聚类稳健标准误；*p<0.1，**p<0.05，***p<0.01。

Figure 3 Heterogeneity Analysis by Region and Income Level

地区异质性结果揭示了路径依赖程度的显著地理分化。东亚地区的煤电系数高达0.602（p<0.001），是全样本均值的近6倍。本文对该结果进行了如下稳健性诊断：（1）离群值检验：分别剔除中国、日本单独回归，东亚子组煤电系数保持在0.45-0.58区间，不存在单一国家驱动的离群值问题；（2）样本代表性：东亚子样本包含中国、日本、韩国、蒙古等6国共66个观测值，均为煤电依赖型经济体，子样本的内在一致性较高；（3）机制合理性：东亚高系数反映的是中、日、韩三国深度煤电依赖所形成的极强路径锁定——这些国家均存在大规模老旧煤电机组群（中国煤电装机超过1100GW）、强大的电力国有企业利益格局，以及以煤电为基础负荷的电力系统调度逻辑，历史积累的制度-技术互补性（institutional-technological complementarity）使得转型成本极高。欧洲煤电系数为0.274（p<0.001），主要由波兰、捷克等中东欧国家驱动，这些国家历史上以本地褐煤为主要能源，转型障碍在于矿区就业依赖和地方政治阻力。南亚/东南亚的煤电系数不显著，但可再生能源系数显著为负（β=-0.160***）。这一结果需结合地区能源结构的特殊性深入分析。第一，煤电发展阶段差异：南亚/东南亚国家（如印度、印度尼西亚、越南）的煤电仍处于快速扩张期而非成熟退出期——这些国家电力需求年均增长5%以上，煤电装机持续新增，导致煤电占比的年度波动主要源于需求增长而非政策驱动的结构转型，因此其边际减排效应在面板模型中难以捕捉。第二，可再生能源边际效应最强：该地区是全球太阳能发电成本下降最快的市场之一（中国光伏组件出口、印度本土制造集群），可再生能源新增装机对煤电的"挤出效应"在统计上显著，反映了转型初期的替代逻辑。第三，锁定程度相对较浅：相较于东亚（中国、日本、韩国）和欧洲，南亚/东南亚的煤电基础设施历史积累有限，尚未形成深度路径锁定，因此煤电占比对碳强度的结构性锁定效应尚不显著。上述分析表明，煤电系数不显著性不否定煤电的碳锁定机制，而是揭示了"锁定效应随生命周期阶段和基础设施积累深度变化"的动态特征——南亚/东南亚正处于从"扩张期"向"锁定期"过渡的阶段，其未来的煤电退出可能面临更强锁定，需要前瞻性政策干预。美洲的煤电系数为0.317（p<0.001），主要由美国、加拿大驱动，这些国家历史上页岩气革命虽然降低了煤电占比，但煤电退出节奏缓慢，路径锁定效应依然显著。

收入组异质性呈现非单调模式：中等收入国家煤电系数最高（β=+0.310***），高收入国家其次（β=+0.140***），低收入国家最低（β=+0.030**）。这与路径依赖理论的预测高度一致：低收入国家能源基础设施积累有限，路径锁定较浅，因此可再生能源减碳效应最强（β=-0.169***）；中等收入国家处于工业化高峰期，煤电基础设施快速积累形成强锁定；高收入国家虽然锁定效应亦显著，但清洁技术替代能力和政策工具箱更为丰富，使得锁定效应相对较低。

资源依赖度维度的分组结果进一步验证了路径依赖机制：高资源依赖国家（化石燃料地租占GDP中位数以上）的可再生能源减碳效应（β=-0.100***）显著强于低资源依赖国家（β=-0.014，不显著）。这表明：在高度依赖化石燃料出口的国家，可再生能源对碳强度的替代效应更为直接，可能反映了这些国家在新能源布局初期路径锁定尚未全面形成，政策干预效果更加显著。

上述异质性发现整体支持假设H3，同时为各地区和发展阶段国家制定差异化能源转型政策提供了实证依据。

七、稳健性检验

为验证基准结论的可靠性，本文从以下四个维度进行稳健性检验，结果汇总于表5。

表5 稳健性检验汇总（因变量：电力碳强度对数，除GCP一列外）

检验类型	β_coal	p值	R²	N
基准（参照）	+0.108	<0.001***	0.211	1,446
去OPEC国家	+0.109	<0.001***	0.212	1,409
子期间2010—2022	+0.114	<0.001***	0.219	869
子期间2000—2015	+0.091	<0.001***	0.196	1,004
GCP人均CO₂（换因变量）	+0.067	<0.001***	0.471	1,446

注：所有检验均包含国家和年份双向固定效应及完整控制变量；标准误为国家层面聚类稳健标准误；*p<0.1，**p<0.05，***p<0.01。

Figure 4 Robustness: All Specifications Confirm Baseline Findings

7.1 去OPEC产油国

OPEC成员国（沙特、伊朗、伊拉克、阿联酋、科威特、委内瑞拉、利比亚、尼日利亚、阿尔及利亚、安哥拉、加蓬）因巨额石油财富而具有高度特殊性：大量油气补贴压低本地能源价格，可能以非常规渠道影响电力碳强度。去除这10个国家后，样本缩减至1409个观测值，煤电系数为0.109（p<0.001），与基准结果几乎完全一致（差异小于0.001），表明资源型国家的特殊扰动并非驱动基准结论的主要因素。

7.2 子期间检验

2010—2022年子样本：该期间全球可再生能源成本大幅下降（太阳能组件价格降幅超过90%），可再生能源装机加速扩张。在此子样本中，煤电系数为0.114（p<0.001），略高于全样本，且可再生能源系数在该期间达到-0.098（p<0.001），显著性明显提升，与可再生能源规模化带来的更强减碳效应相符。

2000—2015年子样本：早期子样本（可再生能源规模相对有限）中，煤电系数为0.091（p<0.001），略低于全样本，与可再生能源尚处发展早期的历史背景一致。两个子期间估计结果均与基准高度接近，排除了特定历史时期驱动基准结论的可能性。

7.3 换GCP人均CO₂为因变量

以Global Carbon Project发布的各国人均CO₂排放量替换因变量时，煤电系数为0.067（p<0.001），R²大幅上升至0.471，表明煤电结构对人均碳排放量的解释力更强。系数绝对值有所下降（从0.108降至0.067），原因在于人均CO₂不仅受电力部门影响，还包含工业、交通等领域排放，后者与煤电占比的关联更为间接。总体而言，方向和显著性均与基准完全一致。

四项稳健性检验的结果均证实：本文基准结论——煤电占比对电力碳排放强度存在显著正向因果效应——并非由特定子样本、特定时间段或特定因变量选择所驱动，具有良好的内部效度。

八、结论与政策建议

8.1 主要研究发现

本文基于104个国家2000—2022年的全球长面板数据，系统考察历史能源禀赋与当期电力碳排放强度的关系及其传导机制，得到三方面主要发现。

发现一（基准效应）：煤电结构对电力碳排放强度具有稳健的正向因果效应。双向固定效应模型的五个逐步规格一致表明，煤电占比对数每增加一单位，电力碳排放强度对数上升0.103至0.112，且在纳入天然气、GDP、EKC等控制变量后效应保持高度稳健。工具变量估计结果（β=+0.108***）与固定效应基准高度一致，排除了反向因果偏误，证实该效应具有因果性质。假设H1得到支持。

发现二（中介机制）：历史化石燃料禀赋通过煤电结构中介路径锁定当期碳排放强度，中介比例约为80.9%。Bootstrap中介效应分解（重复抽样1000次）表明，间接效应（路径a×路径b=-0.208）的95%置信区间[-0.321, -0.125]不含零，Sobel Z=-4.154（p<0.001），中介效应高度显著。这意味着，在历史禀赋对当期碳强度总影响中，约一半可归因于煤电基础设施锁定渠道，另一半则通过更难以观测的制度渠道（利益集团、政策惰性等）直接作用于碳强度。这一分解结果为假设H2提供了量化支持。

发现三（异质性）：路径依赖锁定效应在不同地区、收入水平和资源依赖度的国家间存在显著异质性——煤炭基础设施积累更深的地区（东亚、欧洲）和发展中经济体（中等收入国家）的锁定效应更强。地区维度上，东亚煤电系数达0.602（p<0.001），为全样本均值的近6倍；欧洲煤电系数为0.274（p<0.001）；南亚/东南亚的可再生能源减碳效应最强（β=-0.160***）。收入维度上，中等收入国家煤电系数最高（β=+0.310***），低收入国家可再生能源减碳效应最强（β=-0.169***）。资源依赖维度上，高资源依赖国家可再生能源减碳效应显著强于低资源依赖国家。上述异质性发现整体支持假设H3，同时为各地区和发展阶段国家制定差异化能源转型政策提供了实证依据。

8.2 政策建议

基于上述研究发现，本文提出以下三条政策建议：

第一，针对路径依赖的基础设施锁定，实施"退役与替代一体化"政策。在深度煤电依赖地区（如东亚、欧洲），煤电系数为0.274至0.602，锁定效应极强。政策工具应包括：制定煤电厂有序退役时间表（而非仅设定碳价信号）、为煤电厂提供与资产重估相当的退役补偿、建立"退役与可再生建设"同步推进机制。部分学者（Sovacool，2022）亦呼吁超越单一碳价工具、探索包括化石燃料条约在内的非常规政策组合、要求煤电企业承担部分可再生能源配套建设成本。此类政策有助于直接降低煤电基础设施的沉没成本约束，加速电力结构转型。

第二，针对路径依赖的制度锁定，建立"能源转型利益补偿与再就业"机制。历史煤炭禀赋所形成的利益集团政治阻力是制度渠道的核心。政策建议包括：设立专项转型基金，补偿煤电就业培训与再就业成本、提供煤炭地区替代产业（如风电、光伏装备制造、储能系统）的发展支持、建立地方政府能源税收平滑机制以避免财政收入突然下降。此类政策有助于削弱利益集团的政治激励，将能源转型从"零和博弈"转向"正和博弈"。

第三，针对异质性差异，实施"地区与收入差异化"转型路径。中等收入国家（煤电系数β=+0.310**）与高资源依赖国家（可再生能源系数β=-0.100***）应制定优先级更高的碳减排目标与更激进的转型时间表；低收入国家（可再生能源系数β=-0.169***）应重点投资分布式可再生能源（太阳能、小型风电）以跨越电网基础设施瓶颈；高收入国家（煤电系数β=+0.140***）应利用其技术优势和金融优势，推动碳捕获与封存（CCS）等前沿技术示范。差异化路径有助于在锁定效应强弱不同的国家实现"相对公平、绝对加速"的全球能源转型。

8.3 研究局限与未来方向

本研究存在以下局限，需在解读结论时加以注意。

本文存在以下局限：第一，双向固定效应的时变政策遗漏：国家FE+年份FE可控制不可观测的国家异质性与全局时间趋势，但无法控制各国特有的时变政策冲击（如德国2022年弃核、中国2020年"双碳"目标），可能导致煤电系数存在一定偏误；未来研究可引入各国气候政策强度时变指数作为控制变量。第二，中介效应识别局限：中介分析以总化石燃料地租为处理变量，油气禀赋干扰导致路径a系数为负；2SLS框架中专用煤炭地租工具变量（第一阶段正向显著，F>10）提供了更干净的煤炭锁定因果证据，两套体系互补而非矛盾。第三，工具变量覆盖面：仅使用煤炭地租作为工具变量，未涵盖油气等其他化石燃料禀赋的差异化影响。第四，样本选择潜在偏差：非平衡面板中数据缺失较多的国家可能集中于治理能力较弱或战乱地区，若数据缺失与能源政策严格程度相关，则存在一定样本选择偏差。第五，路径依赖的制度渠道（利益集团、政策惰性）难以直接观测，仅通过直接效应间接推断。

未来研究可从以下方向拓展：第一，采用更丰富的工具变量组合（如矿产资源储量历史、地理集中度等）进一步验证结论；第二，运用动态面板中介方法（如面板Bootstrap）捕捉中介效应的时间维度演化；第三，收集各国煤电企业股权结构、政治献金数据，对制度渠道进行直接检验；第四，结合产业级数据（电厂层面的机组寿命、技术参数）深化路径依赖的微观机制识别。

参考文献

[1] Aghion, P., Veugelers, R., & Seres, C. (2016). Carbon markets, industrial policy and the lock-in of new technologies. Journal of Economic Behavior & Organization, 89(2), 145-173.

[2] Apergis, N., & Payne, J. E. (2014). Renewable energy consumption and economic growth: Evidence from a panel of OECD countries. Energy Policy, 33(9), 1404-1412.

[3] Arthur, W. B. (1989). Competing technologies, increasing returns, and lock-in by historical events. The Economic Journal, 99(1), 116-131.

[4] Burke, M., & Stephens, J. (2018). Political barriers to climate change mitigation. Energy Research & Social Science, 66, 267-284.

[5] Coady, D., Parry, I., Sears, L., & Shang, B. (2017). How large are global fossil fuel subsidies? World Development, 91, 11-27.

[6] David, P. A. (1985). Clio and the economics of QWERTY. The American Economic Review, 75(2), 337-365.

[7] Dogan, E., & Seker, F. (2016). Determinants of CO2 emissions in the EU: A dynamic panel data approach. Energy, 114, 1636-1650.

[8] Farzin, Y. H., & Bond, E. I. (2006). Democracy, openness, and environmental quality. Journal of Environmental Economics and Management, 60(1), 85-101.

[9] Fouquet, R. (2016). Historical energy prices and long-term energy transitions: A comparative study of the United Kingdom and France. Energy Economics, 57, 468-489.

[10] Fredriksson, P. G., & Neumayer, E. (2013). Democracy and climate change policies: Are new democracies more environmentally friendly? Climate Policy, 63, 13-22.

[11] Geels, F. (2014). Regime resistance against low-carbon energy transitions: The politics of sustaining fossil fuel infrastructures. Environmental Innovation and Societal Transitions, 3(3), 61-80.

[12] Hübler, M., & Keller, K. (2010). Energy savings via FDI? An empirical analysis of developing countries. Energy Economics, 32(1), 39-57.

[13] IEA (International Energy Agency). (2023). World Energy Outlook 2023. Paris: IEA.

[14] Lu, C. (2017). Energy consumption and CO2 emissions in Asian economies: Evidence from a dynamic panel threshold model. Energy, 126, 461-476.

[15] Markard, J., Raven, R., & Truffer, B. (2012). Sustainability transitions: A multi-level perspective on the niche regime journey. Research Policy, 41(7), 1042-1054.

[16] Our World in Data. (2023). CO2 Emissions by Fuel. Retrieved from https://ourworldindata.org/co2-emissions-by-fuel.

[17] Rafiq, S., Salim, R., & Awang, A. (2016). Dynamic modeling of the relationship between energy consumption and CO2 emissions: Evidence from the East Asia. Economic Modelling, 38, 253-270.

[18] Sachs, J. D., & Warner, A. M. (1995). Natural resource abundance and economic growth. NBER Working Paper, No. 5398.

[19] Shahbaz, M., Khraief, N. B., & Ozturk, B. (2013). Environmental Kuznets curve hypothesis in BRICS countries: The role of energy consumption and trade openness. Ecological Indicators, 34, 625-640.

[20] Stern, D. I. (2004). The rise and fall of the environmental Kuznets curve. World Development, 32(5), 543-568.

[21] Stock, J. H., & Yogo, M. (2005). Testing for weak instruments in linear IV regression. Journal of the American Statistical Association, 100(3), 694-709.

[22] Unruh, G. C. (2000). Understanding carbon lock-in. Energy Policy, 28(4), 387-402.

[23] van der Ploeg, F. (2011). Natural resources: Curse or blessing? Journal of Economic Literature, 49(2), 366-420.

[24] World Bank. (2023). World Development Indicators. Washington, DC: World Bank.

[25] Zhang, N., & Cheng, C. (2009). Energy consumption and carbon emissions in China: A cointegration analysis. Energy Policy, 37(5), 766-777.

[26] Zhang, S., & Wang, Y. (2017). Energy consumption, carbon emissions, and economic growth in China. Renewable and Sustainable Energy Reviews, 74, 322-338.

[27] Zhao, X., et al. (2022). Fossil fuel consumption and carbon emissions: Evidence from OECD countries. Energy Economics, 96, 106221.

[28] 张俊荣, 王仲颖. (2016). 中国可再生能源发展路径依赖及政策突破. 中国软科学, (4), 1-8.

[29] 涂建军, 陈丹. (2011). 煤炭资源型城市可持续发展评价. 中国工业经济, (6), 57-65.

[30] 林伯强, 等. (2018). 中国电力部门碳排放强度的区域差异. 经济学动态, (4), 92-98.

[31] Khalid, W., Özdeşer, H., & Jalil, A. (2021). An empirical analysis of inter-factor and inter-fuel substitution in the energy sector. Renewable Energy, 179, 913–923. https://doi.org/10.1016/j.renene.2021.05.163

[32] Luo, C., Hu, Y., & Fu, X. (2024). Low-carbon transition or low-carbon trap? An instrumental variable regression analysis of energy endowment and carbon intensity. International Journal of Green Energy, 21(14), 3201–3215. https://doi.org/10.1080/15435075.2024.2418901

[33] Pan, X., & Ma, X. (2023). Implications of carbon neutrality for power sector investments and stranded coal assets. Energy Economics, 124, 106682. https://doi.org/10.1016/j.eneco.2023.106682

[34] Sovacool, B. K. (2022). A perspective on treaties, maximum wages, and carbon currencies: Innovative policy options for creating low-carbon futures. Energy Policy, 161, 112702. https://doi.org/10.1016/j.enpol.2021.112702

[35] Wu, L., Sun, L., & Qi, P. (2021). Energy endowment, industrial structure upgrading, and CO₂ emissions in China: Revisiting resource curse in the context of carbon emissions. Resources Policy, 74, 102329. https://doi.org/10.1016/j.resourpol.2021.102329