谢品杰，解玉文,2，杨帆
（1. 上海电力大学 经济与管理学院，上海 200090；
2. 广东电网有限责任公司湛江供电局，广东 湛江 524000；
3. 浙江电力输变电工程有限公司，浙江 杭州 310016）
随着城镇化水平的深入，中国经济完成了跨越式发展。其繁荣的背后却是以大量化石能源的投入和环境资源的牺牲为代价，这也导致碳排放强度急剧增加。1980年中国能源消费相关的碳排放量仅是美国的29.1%。但2007 年中国已超过美国上升为世界最大碳排放国。Global Carbon Project （https://www.globalcarbonproject.org/index.htm）的数据显示，2020 年我国碳排放占全球的30.7%。如此高额的碳排放量致使我国既面临着国内生态环境支撑力问题，也面临着温室气体减排国际新框架的艰难谈判和不同利益集团在政治外交上的博弈[1]。2020 年，习近平主席在第七十五届联合国大会一般性辩论上提出了 “双碳” 目标，这意味着中国要用不到10 年时间实现碳达峰，再用30 年左右时间实现碳中和，即碳排放达峰后就快速下降，中国实现 “双碳” 目标的减排任务异常艰巨。降低单位国内生产总值碳排放，即降低碳排放强度无疑是实现碳减排、最终实现碳达峰和碳中和的重要途径之一。实际上，我国 “十四五” 规划中就提出，实施以碳强度控制为主、碳排放总量控制为辅的制度[2]，并给出了碳排放强度降低18%的目标。在此背景下，开展碳排放强度驱动因素的识别和评估研究，对于有的放矢地制定节能减排政策以实现碳达峰和碳中和尤为重要。
很多学者们致力于碳排放强度影响因素的相关研究，并取得丰硕成果。根据所用分析方法，目前应用最广泛的主要有因素分解法和计量回归方法。
一方面，因素分解法主要包括指数分解（IDA）和投入产出结构分解（SDA）。其中，ANG 等[3]提出的LMDI法能够有效避免残差问题，并处理零值和负值。因此，LMDI 法在中国碳排放问题上的应用十分广泛。SHAO等[4]、XIE 等[5]、QUAN 等[6]、SONG 等[7]和MA 等[8]利用该方法分别就能源领域、电力行业、物流业、交通部门以及商业建筑领域的碳排放展开研究。但是，LMDI难以考虑众多解释变量之间的相关关系[9]，而且各因素所占权重的认定过程存在主观性，缺乏具体的经济意义。
另一方面，VAR 模型、协整理论和误差修正模型是计量经济中用于分析碳排放强度驱动因素的主要方法。XU 等[10]、OUYANG 等[11]、ZHANG 等[12]、XIE 等[13]用于研究中国的碳排放问题。其中，OUYANG[11]、XIE等[13]分别研究了重工业和电力行业的碳排放的影响因素，而ZHANG 等[12]分区域对中国碳排放的主要影响因素进行研究。但是这些计量回归方法往往仅关注于经济、产业和能源等几种常见因素[14]。
虽然关于中国碳排放强度影响因素的研究取得诸多成果，但现有文献大多数基于整个样本期展开分析。鲜有学者深入考察中国不同经济周期下的碳强度影响因素的 “碳效应” 可能存在的差异性，致使其实证结论难以为节能减排政策提供有力支持。实际上，经济的周期性普遍存在于全球发展过程中[15]。且由于不同经济周期所处的全球经济环境和宏观政策规划的差异性，不同经济周期下碳排放强度表现出不同的变化趋势，所对应的经济、社会、能源子系统等影响因素的 “碳效应” 也可能存在一定的差异，故研究碳排放强度的影响因素必须兼顾经济周期的发展特征。
分经济周期考察碳排放强度的影响因素，需要解决以下问题：一是如何划分经济周期，二是如何找出不同经济周期下碳排放的关键影响因素及其具体影响效应。对于前者，虽然H-P 滤波和B-P 滤波是划分经济周期常用的方法，但这两类方法需要事先确定相对随意性的滤波参数，且只将经济周期划分为缩小和扩张两种状态。但改革开放以来中国经济周期表现为低速、中速和高速三种状态[16-17]。因此，本文选取马尔可夫区制转移（MSAR）的3 区制模型来划分经济周期。对于后者，上述模型都难以对碳排放强度的驱动因素做出细致的考察，且无法避免多重共线性问题。为此，本文将利用正交偏最小二乘法（OPLS）研究不同经济周期下碳排放强度的影响因素，该方法的优点在于能够在保证模型精度的情况下，有效避免数据的多重共线性。
综上所述，本文可能的贡献和创新点如下：一是在研究视角上，将经济周期引入碳排放强度影响因素研究考察范畴之内。考虑中国经济发展特征，将1978—2019 年划分为低速期、中速期、高速期，分别进行碳排放强度影响因素分析，更能体现经济发展与碳强度影响因素的关系。二是在分析方法的选择上，利用MSAROPLS 两步法进行实证分析。首先，选择MSAR 模型对经济周期进行划分，根据经济增速不同划分为三个经济周期，更加符合改革开放以来中国经济发展的实际情况。其次，选择OPLS 回归对碳强度影响因素进行分析，避免了小样本高维数据的多重共线性问题和变量考虑不周的缺陷，因时制宜为中国未来低碳转型战略和减排政策的具体制定和实施提供帮助和参考。
2.1 MSAR模型
由于其只需依据样本数据便可对不同经济周期的非线性转换进行合理刻画，马尔可夫区制转移的自回归（MSAR）模型对于非线性时间序列数据能够可靠地识别出样本中的所有经济周期转折点，可以通过非均匀非线性的时序观测数据进行不同经济周期的划分。MSAR 模型是在AR 模型的基础上引入参数的区制转移性质构建的，参考刘金全等[18]的做法，得到MSAR 模型表达式如下：
式中：yt=(y1t,y2t, …,ynt)为n维时间序列向量，即国内生产总值增长率；
ηi为自回归系数；
θ为均值；
θt为扰动项；
p为滞后阶数；
It-1为t-1 时刻的信息集。gt是区制状态变量，随区制转变而变化。
MSAR 法从区制α到区制β的转移概率是：
并以此形成的状态转移概率矩阵P为：
通常利用最大似然估计法，求得MSAR 模型中不同区制间的pαβ以及各个区制的回归方程参数。采用EM（expectation maximization）优化算法来估计MSAR模型参数。Hamilton 框架下MSAR 模型对数似然函数为：
定义变量如下：
其中，式（5）为滤波概率。
式（4）可表达为：
因此，似然函数的计算转变为对γαβ(t)、λαβ(t)的求解。通过Hamilton 的重复迭代。在计算得出模型参数和转移矩阵的基础上，可获取对数似然值以及各时刻的平滑概率和滤波概率。
2.2 OPLS模型
本文分析碳排放强度（Y）与其影响因素X的关系，因此只考虑单因变量的OPLS 算法即可，其简化的OPLS 算法如图1 所示。
图1 OPLS算法图
对于碳排放强度的解释因素，本文从系统角度，选取了覆盖经济、社会、能源三个子系统的8 个代表性的因素指标。本文首先利用1978—2019 年的年度数据划分3 个经济周期。基于数据的可得性，利用1983—2019 年的年度数据分析各因素对中国碳排放强度的影响效应。各变量测算的基础数据均来自于EPS 数据平台（http://olap.epsnet.com.cn/）。凡涉及价格因素，均换算成以2000 年为基期的。为了使回归模型系数有着更为明确的经济学含义、并消除原始数据可能存在的异方差性，本文对各变量均取自然对数处理。各因素变量如下：
（1）经济发展水平（PGDP）。尽管目前中国国内生产总值总量居全世界第二，预测到2035 年将超越美国成为世界第一，但由于中国人口众多和发展质量等问题，人均国内生产总值远不及世界平均。因此，在分析经济发展水平对碳排放强度影响作用时，选取人均国内生产总值来衡量经济发展水平，以考察人均国内生产总值的提升对碳排放强度产生何种影响。同时，考虑到不同经济周期主要表现在GDP 增长速度不同，故利用国内生产总值的对数增长率DLGDP 来考察经济周期，即：DLGDPt=100×[ln(GDPt)-ln(GDPt-1)]。
（2）外资引入程度（FDI）。1978 年以来，外商直接投资的流入规模为上升趋势。虽然在一定程度上促进我国经济增长，但同时也会带来环境等其他问题，外资引入的复杂性使得其对依赖度的影响有待考究。考虑到资本的时滞性与累计性，本文采用外资存量为代理指标，其 计 算 公 式 为：FDIt=(1-δt)FDIt-1+It/Dt。其 中，FDIt、δt、It、Dt分别为第t年的外资存量、外资投入折旧率、名义外资存量投资额和固定资产投资价格指数。中国在1979 年才开始统计外商直接投资额。因此，本文以1979—1982 年的累计值作为外资存量基年数据FDI0[20]，δt采用单豪杰[21]所估计的10.96%，Dt即历年外资流入（换算成人民币）。
（3）贸易开放水平（IE）。作为经济发展的 “三驾马车” 之一，外贸在中国经济的腾飞中处于关键地位。但与此同时，对外贸易尤其是出口带来的副作用也日益严重，往往拉动中国碳排放[22]。国际贸易如何在利用最少投入获得最大产出的同时减小环境压力？这是中国碳减排课题的重中之重。本文利用贸易依存度作为指标，即单位GDP 的进出口贸易总额。
（4）产业结构（IS）。大部分研究结果显示，第二产业份额在各个区域尺度上均对碳排放和能源消费具有显著的正向影响[23]。但第三产业相对而言能耗低、产出高。因此，政府提出 “退二进三” 政策来进行节能减排[24]。但由于不同经济周期产业发展水平、速度和质量不同，需关注 “退二进三” 在不同经济周期和众多因素综合作用下的影响效果如何？据此，本文选择第三产业与第二产业增加值之比为表征指标。
第二，完善国家绿色金融支持体系。政府需要加快相关法律法规的制定以及政策实施，加速建设并完善金融支持体系，加强对绿色金融市场的管理控制，优化市场准入机制，从而最大限度的提高绿色金融对生态产业以及整个绿色产业的正效应。
（5）城市化水平（UL）。1978—2019 年，中国的城市化率从17.92%迅速上升到60.60%。预计，将在2030 年将达到70%。城市化在带动经济增长的同时，也给环境资源带来负面压力。因此，实现经济发展与生态环境的双赢目标，是中国推进城市化进程题中应有之义。但城市化对碳排放有着较为复杂的影响机理，其具体的影响作用往往与经济发展状况密切相关。因此，亦需要结合经济周期考察城市化对碳排放强度的综合作用是碳拉动还是碳抑制。指标采用城市人口占总人口的比重。
（6）科技研发（RD）。通常认为，研发投入所带来的技术进步是实现节能减排和降低碳排放强度的重心[25]。但由于融资的束缚，研发投入强度与经济周期存在一定的关联性。因此，有必要结合经济周期讨论科技研发对碳强度的影响作用。本文采用科技研发资本存量表征中国的科技研发水平，其计算公式为RDl=(1-δ)RDl-1+Fl。其中：RDl为第l年的研发资本存量；
δ为科技研发资本存量的折旧率，按照5%[26]来计算；
Fl表示为第l年的研发支出。由于中国的科技研发经费官方统计数据自1992 年开始，因此1991 年之前的科技研发经费以国家财政科技投入来代替。研发资本存量基年数据RD0：RD0=S0/(h+δ)。其中：S0为基年研发支出经费，h为测算样本期研发投资支出年均增长率。
（7）能源价格（EP）。市场经济下，能源价格能够优化资源配置、提高能源利用率。但由于能源价格的随机性和中国能源市场化改革具有滞后性，使得能源价格对能源供需进而对碳排放强度的调节作用有所减弱。因此，需要进一步实证检验能源价格在降低碳排放强度中所起的作用，特别是讨论在不同经济周期下其所起的作用是否存在差异性。本文利用能源价格相对指数来阐述。即能源价格指数和社会零售价格之比。
（8）能源结构（ES）。大基数的能源消费与不合理的能源结构是二氧化碳的主要来源。因此，通过油气替代煤炭、非化石能源替代化石能源等措施优化能源结构成为中国政府实现碳达峰和碳中和的必然选择之一。特别是，自2007 年开始中国加大了新能源投资力度。中国总体能源结构中，煤炭消费占比从72.5%降至57.7%，而水电、核电等清洁能源消费占比从7.5%增至15.3%。然而，能源结构优化在不同经济周期下能否有效降低、多大幅度地降低碳强度有待于进一步分析。本文选取非化石能源占比作为指标。
4.1 中国经济周期的划分
以国内生产总值的对数增长率DLGDP为对象，通过构建三区制各种类型的MSAR 模型，从中选择最优模型并据此区分中国经济周期。本文运用基于Oxmetric的MSAR 软件包进行模型的参数估计和检验。
根据信息准则AIC、HQ 和SC 以及对数似然值LL（log-likelihood）规则，将模型的滞后阶数选择为2，并建立各种类型的MSAR 模型以及线性AR(2)模型。上述MSAR 模型和线性AR 模型的对数似然值LL 以及各信息准则，如表1 所示。
表1 MSAR模型选择
从表1 可以看出，MSMH(3)AR(2)模型的对数似然值（LL）最大。根据信息准则，该模型的AIC 和HQ 最小。因此，可认为MSMH(3)AR(2)模型为最优模型。进一步，MSMH(3)AR(2)模型的似然比为26.646 1，卡方统计量和DAVIES 统计量的P值小于5%。这说明在5%的显著性水平下拒绝线性原假设，也证明了选择MSMH(3)AR(2)模型是合理的[27]。
图2 为MSMH(3)AR(2)三区制模型的过滤、平滑和预测概率曲线图。如图2 所示，低速增长期为1981 年、1986 年、1989 年、1991 年、1995年及2008 年；
中速增长期为1980 年、1990 年、1996—2006 年及2009—2019 年；
高速增长期为1982—1985 年、1987—1988 年、1992—1994 年及2007 年。整体来看，从改革开放到20 世纪90年代初期，中国处于由计划经济不断向市场经济的过渡过程。1978 年起中国实行改革开放，但改革初期经济对外开放程度较低，故1980 年中国处于中速增长期而1981 年处于经济低速增长期。随着对外开放的扩张，中国经济迎来了自1982—1985 年连续4 年的高速增长期。1986—1991 年，由于经济发展持续过热，不稳定因素增加，政府采取治理整顿措施，经济整体波动较大，但是除1987—1988 年外，基本较为低迷。20 世纪90 年代以来，伴随着 “八五” 计划和邓小平同志南方谈话，经济发展进入高速增长期。1995 年中国经济发展实现 “软着陆” ，使得1996—2006 年经历了长达十年的经济中速增长期，期间未发生较大波动。前后由于中国股市的 “史上最大牛市” 的出现，2007 年中国经济表现出过热现象。2008 年的全球金融危机导致中国经济增速再次由高变低。此后中国经济进入 “新常态” ，经济一直保持稳定增长。综上，MSAR 模型对经济周期的划分与现实情况基本吻合。
图2 MSMH(3)AR(2)三区制模型的过滤、平滑、预测概率曲线
4.2 OPLS回归分析
（1）多重共线性诊断。利用方差膨胀因子（VIF）法进行多重共线性诊断，结果见表2。表2 中8 个影响变量的VIF 及其平均值均远大于5。可以认为，自变量之间存在严重的多重共线性，这样表明了本文采用OPLS 模型进行回归分析具有合理性。
表2 各因素VIF统计表
（2）变量投影重要性分析。变量投影重要性指标（VIP）可以代表解释变量的解释程度[28]。本文分别对3 个经济周期的8 个影响因素进行变量投影重要性分析，VIP 统计表如表3 所示。根据表3，除了中速增长期的对外开放程度（IE）的VIP值略小于0.8，其他周期影响因素的VIP 值均大于0.8，这验证了本文选取的指标的解释能力均良好。
表3 3个经济周期各因素VIP指标统计表
（3）特异点检验和合理性检验。OPLS 回归中，特异点判别条件构成一个T2椭圆图。3 个经济周期的累计贡献率T2椭圆图如图3 所示。图中样本均分布在椭圆内，故原始数据不存在特异点。这说明OPLS 模型的拟合效果较好。除此之外，3 个经济周期的OPLS 回归得到t1/u1平面图（图4）。t1与u1存在明显的线性关系，说明此模型是合理的[28]。
图3 3个经济周期T2椭圆图
图4 3个经济周期t1/u1平面图
（4）确定OPLS 提取成分。OPLS 模型能够通过交叉有效性标准来确定正交成分个数，交叉有效性系数Q2达到判别临界值作为选择正交成分个数的依据。经济低速增长期、中速增长期、高速增长期的累计解释能力和累计交叉检验系数如表4 所示。
表4 累计解释能力和累计交叉检验系数
表4 累计解释能力和累计交叉检验系数
T1 T2 T3images/BZ_22_731_1745_758_1780.pngT1 T2 T3低速增长期 0.966 3 0.994 2 0.998 4 低速增长期 0.949 0 0.977 9 0.995 1中速增长期 0.872 6 0.961 3 0.975 7 中速增长期 0.844 5 0.852 9 0.960 2高速增长期 0.973 1 0.985 7 0.997 9 高速增长期 0.947 8 0.946 2 0.993 4
一般选取0.95 为判别临界值，根据表4 可得：在低速增长期，提取2 个主成分已经达到满意精度。T1、T2对因变量Y的累计解释能力分别为99.63%、99.42%。在中速增长期，提取2 个主成分已经达到满意精度。T1、T2、T3对因变量Y的累计解释能力分别为87.29%、96.13%、97.57%。在高速增长期，提取3 个主成分已经达到满意精度。T1、T2、T3对因变量Y的累计解释能力分别为97.31%、98.57%、99.79%。
（5）OPLS 回归结果。对标准化回归系数进行逆标准化处理得到低速增长期、中速增长期、高速增长期这3 经济周期下影响因素对碳排放强度的回归方程如下：
根据回归方程的弹性系数，不同经济周期各因素对碳排放强度的影响不尽相同。除了低速增长期的产业结构、中速增长期的能源价格、高速增长期的城镇化水平和科技研发存量对碳排放强度起到拉动效应外，其他因素都对其起到抑制效应。
（6）模型拟合效果。为了考察划分经济周期的优势，本文对不划分经济周期和划分经济周期分别进行OPLS回归拟合，将拟合值与实际值按照时间排序如图5 所示。同时选平均绝对百分比误差（MAPE）和根均方误差（RMSE）来量化OPLS 的拟合效果。其中，MAPE 和RMSE 的计算方法如下：
图5 1983—2019年碳排放强度拟合效果
式中：yk是碳排放强度的实际值，是碳排放强度的拟合值，N时间序列的长度。
根据图5，分经济周期对碳排放强度的影响变量进行OPLS 回归分析，其拟合效果与实际情况的吻合度良好，且MAPE 和RMSE 的值显著小于全周期情况，表明本文所构建的模型具有很好的拟合效果。
4.3 实证结果分析
基于式（10）回归模型，下文进一步分析各因素在不同经济周期下对碳排放的影响作用。
（1）经济发展（PGDP）。在低速增长期、中速增长期、高速增长期，人均国内生产总值每增加1%，碳排放强度分别降低0.059%、0.034%、0.052%。这说明，人均国内生产总值增长对碳排放强度呈现抑制效应，中国以碳达峰和碳中和为目标的发展路径不但没有与发展经济相矛盾，反而在保证经济高质量发展的前提下继续提升人均国内生产总值，有利于降低碳排放强度，以助于 “双碳” 目标的实现。
（2）外资引入程度（FDI）。外资存量在不同经济周期对碳排放强度均呈现抑制效应，但其作用力度有所差异。在低速和高速增长期，外资存量每增加1%，则碳排放强度分别降低0.042%、0.06%；
而在中速增长期，则达到0.163%。这表明，改革开放以来，与所造成的碳排放增加量相比，外资引入所带来的经济效应更加显著。特别是2009 年随着经济发展再次步入稳定的中速增长期，中国利用外资质量和水平明显提升。外资对服务业和高技术产业的比重显著增加。2010 年服务业利用外资比首次超过制造业，2019 年服务业和高技术产业外资利用比重分别为68.97%和28.3%。随着外资结构持续优化，其对碳排放强度 “抑制” 效应更为明显[29]。
（3）贸易开放水平（IE）。对外贸易能通过技术溢出提高能源环境效率[30]。而本文发现，在经济低速和高速阶段，贸易依存度每增加1%，碳排放强度将分别降低0.142%、0.141%。即，贸易开放水平的提升确实有利于降低碳排放强度。但在经济中速增长期，贸易开放水平并不是影响碳排放强度的关键性因素。其可能原因在于，对外贸易的能源环境效应是出口途径和进口途径两者综合作用结果，而两者对碳排放强度的影响在方向上和程度上均不同[31]。同时，也提醒我们在当前中国经济步入稳定发展的新常态下，如何促使对外贸易成为实现 “双碳” 目标的有效推动力之一，是个需要深入探讨的问题。
（4）产业结构（IS）。以三产增加值与二产增加值之比衡量的产业结构在不同经济周期对碳排放强度的影响方向及影响程度存在明显的差异性。三产增加值与二产增加值之比每增加1%，在中速和高速阶段，碳排放强度分别降低0.45%和0.032%。但在低速增长期，将拉动碳排放强度升高0.236%。这一方面说明，中国 “退二进三” 政策应该根据不同的经济周期制定不同的具体措施[21]；
另一方面也说明，在推进产业结构转型升级过程中，不能简单地以提高三产与二产之比为目标，更值得关注的是优化第三产业的内部结构。
（5）城市化水平（UL）。城市人口占比每增加1%，在低速增长期和中速增长期分别抑制0.107%、0.02%的碳排放强度，而在高速增长期则增加0.024%的碳排放强度。王少剑等[32]认为，中国城市化进程通过城市土地扩张与利用类型转变来改变碳汇和碳循环过程，同时城市土地开发也会带来后续的能源需求。因此，对中国碳排放强度产生显著的积极影响。但本文研究表明：除高速增长期，城市化水平对碳排放强度呈现抑制作用，其可能的原因在于在城市化进程在带来环境压力的同时产生了更大的经济效应，降低了碳排放强度。与此同时，这也说明了不同经济周期下城市化水平对碳排放强度有不同的作用。经济高速增长期下应更加注重城市化进程中所带来的环境问题。
（6）科技研发（RD）。技术进步有助于降低碳排放强度[33]。但本文的结果表明，科技研发支出对碳排放强度的影响效应在不同经济周期下亦有着不同的表现。在低速和中速阶段，科技研发存量的增加虽然有助于降低碳排放强度，但其作用力度极小，这可能是中国科技研发成果转化效率相对较低所致。在高速增长期，科技研发对碳排放强度的影响作用与理论预期相反。其可能的原因是，中国研发强度支出呈现逆周期变化现象[33]，在经济高速增长期，科技研发支出增速小于经济扩张，加之较低转化效率使得科技研发诱发的碳排放降低量低于经济扩张导致的碳排放增加量。
（7）能源价格（EP）。处于低速增长期或高速增长期的改革开放初期，由于能源价格一直维持在较低水平，企业对其变动表现出较大的敏感性，当能源价格上涨时，企业利用投入要素之间的替代关系，有利于降低碳排放强度。20 世纪90 年代以来，价格形成机制市场化改革进入快速推进阶段，但考虑到社会经济的影响以及公众对改革力度的接受程度，能源价格并未完全市场化。目前能源价格仍无法反映供求意愿及能源成本。导致在稳定发展阶段出现能源价格升高1%、碳排放强度随之上升0.247 2%的扭曲现象，表明了能源价格在中速经济期并未起到配置资源的效果。
（8）能源结构（ES）。非化石能源消费量占比每增加1%，碳排放强度在低速、稳定和高速三个经济周期分别降低0.223%、0.338%、0.06%。由此可见，改革开放以来，调整能源结构有效降低碳排放强度。因此，在保证经济社会发展所必需的能源总量前提下，不断提升非化石能源的利用占比，是中国实现 “双碳” 目标的关键措施。实际上，自经济进入 “新常态” ，新能源投资一直呈现积极发展势头。2030 年风电和太阳能发电装机将高达12 亿千瓦以上，超过煤电。到2060 年，新能源发电量占比可能超过50%。值得注意的是，在此背景下，如何突破现有技术条件有效协调能源体系的低碳性、安全性与经济性是一个需要深入研究的问题。
本文从经济周期的研究视角出发，对中国1978—2019 年的碳强度影响因素进行分析，得到以下结论。
（1）改革开放以来中国经济存在明显周期性特征，并且经济的周期性对于碳排放问题有着不可忽视的影响。根据国内生产总值增速数据，MSMH(3)AR(2)模型对经济周期划分结果如下：低速增长期为1981 年、1986 年、1989年、1991 年、1995 年、2008 年；
中速增长期为1980 年、1990 年、1996—2006 年、2009—2019 年；
高速增长期为1982—1985 年、1987—1988 年、1992—1994 年、2007 年。
（2）通过对不同经济周期的碳强度影响因素进行OPLS 回归分析，本文发现3 个经济周期中影响碳排放强度的关键因素及其产生的 “碳效应” 也有所差异。中国的节能减排政策必须兼顾阶段性经济特征。中国经济正处于中速增长期，虽然近几年新冠疫情对全球经济的冲击可能引发近两三年一定程度的经济波动，但是从长期来看，目前的经济发展实力以及政策优势决定了中国经济在2060 年实现碳中和之前还是基本处于经济中速增长期。因此，碳减排的焦点应该集中在提高低碳产出效率[34]。特别是，加快技术革新，带动产业结构优化和能源结构调整等。其中，低速增长期的关键影响因素是产业结构、能源结构、贸易开放水平和外资引入程度；
中速增长期的关键影响因素是产业结构、能源结构、能源价格和外资引入程度；
高速增长期的关键影响因素是贸易开放水平和能源价格。因此，碳减排政策在各行各业的具体落实应根据碳排放强度因素的作用强度和相关性分别制定和调整，不能千篇一律。在正处于的经济中速增长期要加快产业绿色转型，对第三产业增加产业占比和优化内部部署两手抓，降低能源消耗，减少碳排放强度。除此之外，经济发展、外资引入程度、对外贸易水平和能源结构对碳强度呈现普遍制动作用，而产业结构在经济低速增长期、能源价格在中速增长期以及城市化水平和科技研发在高速增长期对碳强度表现出驱动作用。
（3）通过上述实证分析，8 个影响因素在不同经济周期对碳排放强度的影响在方向和程度上均有不同。因此，中国 “碳减排” 的相关政策也应根据当下所处的经济周期 “因时制宜” 地进行调整，不能一成不变。能源结构在3 个经济周期都是 “碳减排” 的关键因素；
低速增长期中，对外贸易水平的 “碳抑制” 效应和产业结构的 “碳拉动” 效应表现明显；
中速增长期中，产业结构的 “碳抑制” 和能源价格的 “碳拉动” 表现明显；
高速增长期中， “碳减排” 的关键因素主要是对外贸易水平和产业结构。所以，在推进城市化进程中扩大外资引入规模，需要继续进一步推进城市化进程、提升外资引入规模，实现经济高质量增长。