聶正雅 劉智廳 劉文志 李樹峰

摘要：作為實(shí)現(xiàn)溫室氣體減排的重要手段，碳中和對能源投資起到了一定的影響。在對100篇中國對外能源投資相關(guān)論文分析的基礎(chǔ)上，利用狄利克雷主題模型挖掘得出6項(xiàng)指標(biāo)，并引入CO2排放強(qiáng)度和能源強(qiáng)度構(gòu)建能源投資指標(biāo)體系。選取2009—2018年35個(gè)“一帶一路”沿線國家的能源投資及相應(yīng)指標(biāo)數(shù)據(jù)，首先基于描述性統(tǒng)計(jì)與相關(guān)性分析驗(yàn)證回歸分析可行性，然后選擇面板數(shù)據(jù)負(fù)二項(xiàng)模型進(jìn)行實(shí)證結(jié)果檢驗(yàn)，最后通過縮短時(shí)間窗口的穩(wěn)健性檢驗(yàn)方法，進(jìn)行“一帶一路”倡議提出后樣本的敏感性測試。結(jié)果顯示：（1）能源投資的影響指標(biāo)包括能源生產(chǎn)力、貿(mào)易開放程度、GDP、制造業(yè)占GDP比重、勞動力和基礎(chǔ)設(shè)施水平，其中東道國的經(jīng)濟(jì)狀況，如GDP、貿(mào)易開放程度以及基礎(chǔ)設(shè)施水平對中國能源投資影響并不顯著，這是由中國能源投資戰(zhàn)略導(dǎo)向造成的;（2）在碳中和背景下，“一帶一路”沿線各國最終要實(shí)現(xiàn)一年內(nèi)CO2排放量和吸收量的平衡就必然要降低碳排放強(qiáng)度和能源強(qiáng)度，CO2排放強(qiáng)度降低正向促進(jìn)中國對該國的能源投資，能源強(qiáng)度降低則相反，且能源強(qiáng)度對能源投資的影響更大，因此“碳中和”目標(biāo)的提出對當(dāng)前中國能源投資結(jié)構(gòu)影響較大?；诖耍ㄗh能源企業(yè)應(yīng)加大新能源投資和合同規(guī)模比例，大力發(fā)展新能源業(yè)務(wù)，同時(shí)提高能源效率，深化技術(shù)改革;此外還需加強(qiáng)風(fēng)險(xiǎn)識別，提高項(xiàng)目風(fēng)險(xiǎn)甄別能力;要更加注重社會責(zé)任管理，積極開展植樹造林等環(huán)?；顒印?/p>

關(guān)鍵詞：碳中和;能源投資;環(huán)境治理;LDA模型;負(fù)二項(xiàng)回歸模型

中圖分類號：X321;F832.48 文獻(xiàn)標(biāo)識碼：A 文章編號：16735595（2022）03000110

一、引言

能源合作是“一帶一路”倡議的重要基礎(chǔ)和支撐，也是“一帶一路”合作取得成果最為豐富的領(lǐng)域。中國在能源稟賦上是“富煤缺油少氣”，“一帶一路”沿線國家富裕的油氣資源與中國能源結(jié)構(gòu)形成較強(qiáng)的互補(bǔ)，“一帶一路”沿線國家能源投資潛力巨大。此外，“一帶一路”沿線國家眾多，跨越亞洲、歐洲和非洲，國家間的能源資源稟賦有很大差異，這種差異不僅體現(xiàn)在傳統(tǒng)的油氣資源領(lǐng)域，還體現(xiàn)在優(yōu)勢產(chǎn)能、新能源技術(shù)、能源資金、能源基礎(chǔ)設(shè)施水平建設(shè)能力、能源設(shè)備等方面。因此，從“一帶一路”沿線能源投資的重要地位和復(fù)雜程度來看，對該地區(qū)能源投資的研究至關(guān)重要。

《巴黎協(xié)定》之后，陸續(xù)有國家和地區(qū)提出了與碳中和及凈零排放有關(guān)的長期目標(biāo)。碳中和指一個(gè)組織一年內(nèi)的CO2排放量通過移除技術(shù)等達(dá)到平衡，也稱CO2凈零排放

（Net-Zero CO2 Emission）。[1]截至2020年10月，在“一帶一路”區(qū)域，新加坡、匈牙利、斯洛伐克、不丹4個(gè)國家通過協(xié)定、法律規(guī)定等不同形式正式提出碳中和（Carbon Neutrality）或氣候中和（Climate Neutrality）有關(guān)的目標(biāo)，保加利亞、克羅地亞、捷克、愛沙尼亞等12個(gè)國家提出碳中和目標(biāo)但暫無目標(biāo)詳細(xì)信息。[2]

此外，《巴黎協(xié)定》第4條提出要在21 世紀(jì)下半葉，人為溫室氣體排放與清除之間取得平衡，且印度、俄羅斯等CO2 排放大國位于“一帶一路”沿線，因此該區(qū)域減排的時(shí)間緊任務(wù)重。在此背景下，“一帶一路”沿線國家對環(huán)境保護(hù)意識、行動、政策的重視程度都將有所提高，而能源的開采、運(yùn)輸、供應(yīng)與消費(fèi)的各個(gè)環(huán)節(jié)都受到政府環(huán)境治理與管控力度的影響，因此碳中和背景下中國“一帶一路”沿線國家的能源投資必然也受到影響。

在“碳中和”的長期目標(biāo)和發(fā)展趨勢下，考察“一帶一路”沿線國家環(huán)境對中國能源投資的影響具有現(xiàn)實(shí)意義和重要作用。本文側(cè)重于分析對能源投資產(chǎn)生影響的共性指標(biāo)，并分析碳中和背景下“一帶一路”沿線國家環(huán)境是否對能源投資產(chǎn)生影響，以便為能源企業(yè)海外投資提供參考意見，使其轉(zhuǎn)變投資策略，調(diào)整能源投資結(jié)構(gòu)，盡快適應(yīng)碳中和背景下能源轉(zhuǎn)型趨勢。

二、文獻(xiàn)綜述

近年來，“一帶一路”沿線國家的能源投資成為研究熱點(diǎn)問題，涉及戰(zhàn)略環(huán)境評價(jià)[3]、投資可接受性[4]、投資效率評價(jià)[5]、風(fēng)險(xiǎn)識別[6]等多個(gè)方面。能源投資涉及利益者眾多、涉及范圍廣泛，目前該領(lǐng)域的研究中尚沒有統(tǒng)一的指標(biāo)評價(jià)體系，大多根據(jù)研究者的具體訴求設(shè)置不同的指標(biāo)。Zhou等[7]利用SE-SBM方法，從資源狀況、政治形勢、生態(tài)技術(shù)、社會條件、市場質(zhì)量、國際合作6個(gè)方面評估了中國在“一帶一路”沿線國家進(jìn)行天然氣投資的效率。Kozlova等[8]以投資需求、投資收益率、區(qū)域可達(dá)性和網(wǎng)絡(luò)狀態(tài)為主要變量，構(gòu)建了可再生能源投資吸引力的指標(biāo)體系。Zhang等[9]將不可再生能源成本、投資成本和市場定價(jià)等不確定性因素作為衡量可再生能源投資價(jià)值和最優(yōu)時(shí)機(jī)的指標(biāo)。Duan等[10]從政治因素、經(jīng)濟(jì)基礎(chǔ)、投資環(huán)境、資源潛力、環(huán)境約束、中國因素6個(gè)維度評估了“一帶一路”沿線國家的能源投資風(fēng)險(xiǎn)?！耙粠б宦贰毖鼐€國家的能源投資問題涉及眾多領(lǐng)域，但在已有研究中東道國的環(huán)境因素相對其他領(lǐng)域涉及較少。

能源投資和環(huán)境是一種雙向的關(guān)系：中國對“一帶一路”沿線能源投資作用于東道國環(huán)境，東道國的環(huán)境也會反作用于能源投資。[11]目前，對外直接投資（FDI）對環(huán)境的影響不管是理論還是實(shí)證研究已相當(dāng)豐富，因研究樣本和選取指標(biāo)等不同，研究得出的結(jié)論也截然相反。Ahmad等[12]考察了1990—2017年90個(gè)“一帶一路”沿線國家經(jīng)濟(jì)發(fā)展和FDI對環(huán)境的影響，認(rèn)為FDI能促進(jìn)東道國技術(shù)發(fā)展，進(jìn)而能改善CO2排放情況。Joshua等[13]以南非為例，得出FDI能改善環(huán)境質(zhì)量，減少CO2排放的結(jié)論。與此相反，Chandran等[14]則指出FDI通過增加能源消耗導(dǎo)致了東南亞國家CO2排放量的增多。Baek[15]、Paramati等[16]、Sbia等[17]分別基于對東盟、新興經(jīng)濟(jì)體、阿聯(lián)酋的研究得出相同結(jié)論。但是，關(guān)于環(huán)境對能源投資影響的研究尚且不足。Shao等[18]認(rèn)為東道國薄弱的環(huán)境法律會吸引更多規(guī)避高昂監(jiān)管成本組織的FDI。Huang等[11]從環(huán)境和資源潛力的角度出發(fā)，應(yīng)用GIS地圖和風(fēng)險(xiǎn)-機(jī)遇矩陣對“一帶一路”沿線64個(gè)國家能源投資區(qū)位選擇進(jìn)行了評價(jià)。

能源投資影響分析方法目前應(yīng)用較多的有最小二乘法、網(wǎng)絡(luò)層次分析（ANP）、回歸分析等。Rauf等[19]應(yīng)用動態(tài)最小二乘法和完全修正最小二乘法檢驗(yàn)了“一帶一路”經(jīng)濟(jì)體的經(jīng)濟(jì)增長、能源消耗、城市化、固定資本形成總額、貿(mào)易開放程度、金融發(fā)展和CO2排放之間的聯(lián)系。Lin等[20]應(yīng)用動態(tài)最小二乘法對新興經(jīng)濟(jì)體的經(jīng)濟(jì)增長、能源消費(fèi)和外國直接投資等因素之間的相互作用進(jìn)行了研究。Wu等[21]通過建立ANP云框架對32個(gè)風(fēng)險(xiǎn)因素進(jìn)行評估及分析，確立了“一帶一路”國家可再生能源投資的主要決定因素。Liu等[22]應(yīng)用Tobit回歸模型考察了收入不平等對能源效率的非線性影響。Chen等[23]利用工具變量分位數(shù)回歸模型研究了氣候變化對清潔能源投資的影響。由于能源投資的影響指標(biāo)本身存在多變性和特殊性，目前并沒有一種影響分析方法適用于所有能源投資，指標(biāo)的數(shù)量、取值的正負(fù)及分散程度、是否受時(shí)間序列影響、不確定性[2425]等因素都會影響分析方法的選擇。

現(xiàn)有文獻(xiàn)對“一帶一路”能源投資影響的研究已取得一系列成果，但仍存在著部分局限性。一方面，當(dāng)前對于“一帶一路”國家的能源投資尚未形成統(tǒng)一的評價(jià)指標(biāo)體系，指標(biāo)選取較為隨意，大多通過人為主觀選取指標(biāo)。因此，本文借助狄利克雷文檔主題（Latent Dirichlet Allocation，LDA）模型探究學(xué)者普遍選取的共性指標(biāo)，并分析這些指標(biāo)是否會對“一帶一路”沿線國家能源投資產(chǎn)生顯著影響，并針對分析結(jié)果倒推原因。另一方面，目前對“一帶一路”經(jīng)濟(jì)體的能源投資問題研究較多，但是很少考慮東道國的環(huán)境因素。理論上，碳中和的長期目標(biāo)和發(fā)展趨勢會倒逼“一帶一路”沿線國家進(jìn)行能源結(jié)構(gòu)改革、制定更嚴(yán)格的環(huán)境政策、采取更環(huán)保的環(huán)境治理措施[26]，而能源開采、運(yùn)輸、供應(yīng)與消費(fèi)都與政府環(huán)境治理和管控力度密切相關(guān)，中國對“一帶一路”沿線國家的能源投資必然受到影響。因此，本文選取2009—2018年35個(gè)沿線國家的數(shù)據(jù)構(gòu)造面板模型，并利用負(fù)二項(xiàng)回歸模型對LDA模型得到的共性指標(biāo)和環(huán)境相關(guān)指標(biāo)進(jìn)行綜合分析，以探究東道國的環(huán)境因素對中國能源投資的影響，進(jìn)而為能源企業(yè)在“一帶一路”沿線國家的能源投資提供建議。

三、指標(biāo)與模型建立

（一）數(shù)據(jù)來源

“一帶一路”沿線共有64個(gè)國家（見表1），剔除未在指定年份內(nèi)有投資或指標(biāo)數(shù)據(jù)缺失嚴(yán)重等的國家，本文選取了2009—2018年35個(gè)“一帶一路”沿線國家的面板數(shù)據(jù)。數(shù)據(jù)主要來源于美國企業(yè)公共政策研究所（American Enterprise Institute）編制的中國全球投資追蹤記錄（China Global Investment Tracker，CGIT）、世界銀行、美國能源信息署（Energy Information Administration of United States，EIA）、《全球競爭力報(bào)告》（Global Competitiveness Report，GCR）。對于個(gè)別年份缺失的數(shù)據(jù)采用線性插值法補(bǔ)全。

“一帶一路”沿線能源投資的重要地位和復(fù)雜程度是本文選擇該區(qū)域進(jìn)行研究的原因。首先，中國以煤為基礎(chǔ)的能源結(jié)構(gòu)和對油氣的過度依賴是中國能源體系最突出的問題[27]，“一帶一路”沿線國家豐富的能源儲量和地緣優(yōu)勢對中國解決能源短缺問題和實(shí)行能源結(jié)構(gòu)改革意義重大。從投資規(guī)模來看，據(jù)CGIT統(tǒng)計(jì)數(shù)據(jù)顯示，2013—2020年間，中國對“一帶一路”沿線國家能源領(lǐng)域直接投資和合同規(guī)模超2 000億美元，占總投資的比重超過40%，沿線不同區(qū)域國家的投資分布如圖1所示，力導(dǎo)向圖中線條越粗表示中國在該國家和區(qū)域的投資額度越大。從政府間合作來看，中國已與相關(guān)國家地區(qū)簽署能源合作文件100多份，新增“雙邊”和“多邊”合作機(jī)構(gòu)70余項(xiàng)[27]，投資領(lǐng)域涵蓋能源基礎(chǔ)設(shè)施建設(shè)、能源工業(yè)產(chǎn)業(yè)鏈構(gòu)建、能源可持續(xù)發(fā)展等多方面，投資領(lǐng)域廣，合作層次深，效益影響深遠(yuǎn)。此外，“一帶一路”沿線各國在油氣資源領(lǐng)域、優(yōu)勢產(chǎn)能、新能源技術(shù)、能源資金、能源基礎(chǔ)設(shè)施水平建設(shè)能力、能源設(shè)備等方面表現(xiàn)差異巨大，能源投資情況復(fù)雜。

（二）指標(biāo)搭建

1.環(huán)境指標(biāo)

東道國的環(huán)境指標(biāo)作為本文研究的自變量指標(biāo)，可以分為環(huán)境風(fēng)險(xiǎn)指標(biāo)和環(huán)境機(jī)會指標(biāo)。環(huán)境風(fēng)險(xiǎn)是對企業(yè)投資的預(yù)警，考慮到本文是研究碳中和背景下“一帶一路”沿線國家環(huán)境對中國能源投資策略的影響，因此，在自變量指標(biāo)選取上只考慮與CO2排放相關(guān)的環(huán)境指標(biāo)，其他環(huán)境指標(biāo)不予以考慮。在已有研究中，Burnett等[28]、Al-Mulali等[29]將CO2排放量直接作為環(huán)境風(fēng)險(xiǎn)衡量指標(biāo)，Huang[11]將CO2排放強(qiáng)度作為環(huán)境風(fēng)險(xiǎn)衡量指標(biāo)。為了排除東道國經(jīng)濟(jì)體量的影響，本文以CO2排放強(qiáng)度作為自變量指標(biāo)來衡量環(huán)境風(fēng)險(xiǎn)，CO2排放強(qiáng)度越小，說明環(huán)境風(fēng)險(xiǎn)越小。此外，能源強(qiáng)度表示一個(gè)國家能源生產(chǎn)率，是制約可持續(xù)發(fā)展的重要因素，可作為環(huán)境機(jī)會指標(biāo)[11]來衡量其未來能源投資潛力及環(huán)境治理能力，能源強(qiáng)度越小，說明未來環(huán)境治理能力越強(qiáng)。

2.共性指標(biāo)

為了使本文選取的能源投資影響指標(biāo)更具說服力，本文在知網(wǎng)上選取了100篇中國對外能源投資相關(guān)論文，并將其摘要作為原始數(shù)據(jù)導(dǎo)入Python，利用LDA模型進(jìn)行分類，最終將學(xué)者們普遍認(rèn)可的共性指標(biāo)作為本文模型的分析指標(biāo)。

LDA模型由Blei等[30]提出，是一種無監(jiān)督的產(chǎn)生式概率語料庫建模方法和詞袋模型。LDA假設(shè)每個(gè)文檔都可以表示為潛在主題上的概率分布，并且所有文檔中的主題分布共享一個(gè)Dirichlet先驗(yàn)。同時(shí)，每個(gè)潛在主題被表示為詞上的概率分布，主題的詞分布也共享一個(gè)Dirichlet先驗(yàn)。給定由M個(gè)文檔組成的語料庫D，其中文檔d具有Nd個(gè)詞（d∈1，...，M），LDA根據(jù)以下生成過程對D進(jìn)行建模：

（1）從參數(shù)為α的Dirichlet分布中選擇一個(gè)θz作為主題z所服從的多項(xiàng)分布的參數(shù);

（2）從參數(shù)為β的Dirichlet分布中選擇一個(gè)ηw作為詞w所服從的多項(xiàng)分布的參數(shù)。

根據(jù)上述概率結(jié)構(gòu)，首先從參數(shù)為θz的多項(xiàng)分布中抽取一個(gè)主題，然后對于選定的主題，從參數(shù)為ηw的多項(xiàng)分布中抽取一個(gè)詞。重復(fù)上述過程，直到形成整個(gè)文檔。具體LDA模型如圖2所示?；谡Z料對LDA模型具體的訓(xùn)練過程如下：

（1）隨機(jī)初始化，對語料中每篇文檔的每個(gè)詞隨機(jī)地賦予一個(gè)主題;

（2）重新掃描語料庫，按照吉布斯采樣公式重新采樣每個(gè)詞主題，在語料中進(jìn)行更新;

（3）重復(fù)以上語料庫的重新采樣過程直到吉布斯采樣收斂;

（4）統(tǒng)計(jì)語料庫的topic-word共線頻率矩陣，該矩陣就是LDA模型。

基于訓(xùn)練好的LDA模型計(jì)算新文檔的語義分布過程和訓(xùn)練過程大體相似，此時(shí)模型提供了ηw，因此可直接將最后一個(gè)步驟變?yōu)榻y(tǒng)計(jì)主題分布，該分布就是θz。

在LDA模型分析過程中，本文將主題數(shù)設(shè)置為6，每個(gè)主題下顯示權(quán)重前20的關(guān)鍵詞，算法在語料庫中傳遞100次。算法最終提取的6個(gè)指標(biāo)分別為：資源稟賦、貿(mào)易開放程度、GDP、制造業(yè)占GDP比重、勞動力總數(shù)和基礎(chǔ)設(shè)施水平，如圖3所示，其中資源稟賦以美國能源情報(bào)局的能源生產(chǎn)力來衡量。

3.指標(biāo)體系

基于上述環(huán)境指標(biāo)和共性指標(biāo)的分析，確定指標(biāo)體系主要包括因變量、自變量和控制變量三部分。本文主要為研究碳中和背景下“一帶一路”沿線國家環(huán)境對中國能源投資的影響，因變量為中國對相關(guān)國家的能源投資數(shù)額;自變量為環(huán)境風(fēng)險(xiǎn)指標(biāo)和環(huán)境機(jī)會指標(biāo)，分別是CO2排放強(qiáng)度和能源強(qiáng)度。為排除其他因素對能源投資和合同規(guī)模的影響，本文選取能源生產(chǎn)力、貿(mào)易開放程度、GDP、制造業(yè)占GDP比重、勞動力總數(shù)和基礎(chǔ)設(shè)施水平作為控制變量。關(guān)于變量的具體定義如表2所示。

經(jīng)過以上分析，能源投資和合同規(guī)模與各個(gè)影響因素的關(guān)系可表示為：

EIit=f（COINit，ENINit，ENERit，TRADit，GDPit，INDUit，LABOit，INFRit）

（三）理論假設(shè)

人類活動會引起碳排放量的增加，這也是全球變暖的部分原因，也就是說，碳排放既是環(huán)境問題，又是經(jīng)濟(jì)發(fā)展問題，一國經(jīng)濟(jì)的發(fā)展往往會導(dǎo)致本國碳排放的增加。[29]中國在“一帶一路”沿線國家進(jìn)行能源投資，在促進(jìn)該國經(jīng)濟(jì)發(fā)展的同時(shí)，一定也會致使該國碳排放增加，而《巴黎協(xié)定》之后，沿線國家和地區(qū)陸續(xù)提出了與碳中和及凈零排放有關(guān)的長期目標(biāo)。[2]據(jù)此，本文提出假設(shè)1。

假設(shè)1：CO2排放強(qiáng)度的降低會正向促進(jìn)中國對該國的能源投資。

能源強(qiáng)度表示一個(gè)國家能源生產(chǎn)率，而能源強(qiáng)度降低的主要途徑在于經(jīng)濟(jì)增長方式從粗放型向集約型轉(zhuǎn)變。較低的能源強(qiáng)度意味著該國對企業(yè)的生產(chǎn)方式和節(jié)能降耗能力與措施有著嚴(yán)格的監(jiān)管和要求[11]，可能會導(dǎo)致中國在當(dāng)?shù)赝顿Y的成本增加。據(jù)此，本文提出假設(shè)2。

假設(shè)2：能源強(qiáng)度的降低會抑制中國對該國的能源投資。

考慮到除CO2排放強(qiáng)度和能源強(qiáng)度外，還存在其他影響能源投資的因素，本文加入其他的控制變量。雖然，現(xiàn)有對“一帶一路”能源投資影響指標(biāo)的研究已經(jīng)取得了一定的成果[710]，但仍存在部分局限性，如指標(biāo)選取較為隨意，大多通過人為主觀地選取指標(biāo)。因此，為了使本文選取的能源投資影響指標(biāo)更具說服力，本文采用LDA模型將學(xué)者們普遍認(rèn)可的共性指標(biāo)作為本文模型的分析指標(biāo)，具體包括能源生產(chǎn)力、貿(mào)易開放程度、GDP、制造業(yè)占GDP比重、勞動力總數(shù)和基礎(chǔ)設(shè)施水平。據(jù)此，本文提出假設(shè)3。

假設(shè)3：能源生產(chǎn)力、貿(mào)易開放程度、GDP、制造業(yè)占GDP比重、勞動力總數(shù)和基礎(chǔ)設(shè)施水平會對中國能源投資策略造成影響。

（四）回歸模型

由于本文因變量能源投資為非負(fù)整數(shù)離散型計(jì)數(shù)變量，因而應(yīng)采用計(jì)數(shù)變量的回歸方法。目前的計(jì)數(shù)變量回歸方法主要是泊松回歸模型與負(fù)二項(xiàng)回歸模型。當(dāng)因變量的數(shù)據(jù)方差與期望相差不多時(shí)，適用泊松回歸;若數(shù)據(jù)過于分散，即數(shù)據(jù)方差期望比遠(yuǎn)大于1，則考慮使用負(fù)二項(xiàng)回歸。[31]據(jù)此，本文對因變量能源投資進(jìn)行期望方差分析，結(jié)果如表3所示，因變量能源投資的方差遠(yuǎn)大于均值，故選擇面板數(shù)據(jù)負(fù)二項(xiàng)模型進(jìn)行實(shí)證結(jié)果檢驗(yàn)。

本文共建立5個(gè)模型來探究自變量對中國能源投資的影響。其中，為了驗(yàn)證假設(shè)3，本文建立模型1為參照模型，僅加入控制變量6個(gè)指標(biāo);為了驗(yàn)證假設(shè)1，模型2在模型1的基礎(chǔ)上加入自變量CO2排放強(qiáng)度;為了驗(yàn)證假設(shè)2，模型3在模型1的基礎(chǔ)上加入自變量能源強(qiáng)度;模型4加入所有變量，包括2個(gè)自變量和6個(gè)控制變量;模型5在模型1的基礎(chǔ)上加入2個(gè)自變量以及交叉項(xiàng)為完全模型，包含所有變量。

EIit=exp（β10+β11ENERit+β12TRADit+β13GDPit+β14INDUit+β15LABOit+β16INFRit）（1）

EIit=exp（β20+β21COINit+β22ENERit+β23TRADit+β24GDPit+β25INDUit+β26LABOit+β27INFRit）（2）

EIit=exp（β30+β31ENINit+β32ENERit+β33TRADit+β34GDPit+β35INDUit+β36LABOit+β37INFRit）（3）

EIit=exp（β40+β41COINit+β42ENINit+β43ENERit+β44TRADit+β45GDPit+β46INDUit+β47LABOit+β48INFRit）（4）

EIit=exp[β50+β51COINit+β52ENINit+β53（COINit×ENINit）+β54ENERit+β55TRADit+β56GDPit+β57INDUit+β58LABOit+β59INFRit]（5）

式中：i為國家，t為年份，β10—β59為回歸系數(shù)。

四、結(jié)果分析

（一）描述性統(tǒng)計(jì)與相關(guān)性分析

本文選取2009—2018年35個(gè)“一帶一路”沿線國家的能源投資及相應(yīng)指標(biāo)數(shù)據(jù)。首先，計(jì)算因變量、自變量和控制變量的均值、標(biāo)準(zhǔn)差、最小值、最大值和相關(guān)系數(shù)（見表4）。由表4可以看出，中國對“一帶一路”沿線國家能源投資和合同規(guī)模最大值為92.4億美元，最小為0，說明中國對“一帶一路”沿線不同國家能源投資差異巨大。由相關(guān)性分析結(jié)果（見表5）可以發(fā)現(xiàn)，變量之間相關(guān)性普遍較小，且表4中方差膨脹系數(shù)（Variance Inflation Factor， VIF）檢驗(yàn)結(jié)果均小于10，說明本文所選數(shù)據(jù)不存在多重共線性問題，可以進(jìn)行回歸分析，結(jié)果如表6所示。

（二）回歸結(jié)果分析

對回歸結(jié)果進(jìn)行分析，可以發(fā)現(xiàn)以下幾點(diǎn)。

（1）由表6中的模型1可知，在選取的6個(gè)共性指標(biāo)中，能源生產(chǎn)力、勞動力總數(shù)、制造業(yè)占GDP比重對中國能源投資有促進(jìn)作用，且結(jié)果顯著。結(jié)果還表明東道國的經(jīng)濟(jì)狀況，如GDP、貿(mào)易開放程度及基礎(chǔ)設(shè)施水平對中國能源投資的影響并不顯著，這可能是由中國能源投資的戰(zhàn)略導(dǎo)向造成的[32]。

（2）由模型2可知，自變量CO2排放強(qiáng)度通過10%的顯著性檢驗(yàn)且為負(fù)值?！耙粠б宦贰毖鼐€國家降低CO2排放強(qiáng)度正向促進(jìn)中國對該國的能源投資，說明中國傾向于投資CO2排放強(qiáng)度較小的國家，這主要是因?yàn)檫@些國家環(huán)境風(fēng)險(xiǎn)較小。

（3）由模型3可知，自變量能源強(qiáng)度通過10%的顯著性檢驗(yàn)且為正值?！耙粠б宦贰毖鼐€國家降低能源強(qiáng)度反向抑制中國對該國的能源投資，說明“一帶一路”沿線國家能源強(qiáng)度越大越容易吸引中國能源投資。這主要是由于能源強(qiáng)度大的國家能源利用率較低，環(huán)境治理能力較差，中國選擇這些國家投資可以減少能源投資的環(huán)境成本和監(jiān)管成本。能源生產(chǎn)力通過10%顯著性檢驗(yàn)且為正值。結(jié)合能源生產(chǎn)力和能源強(qiáng)度來看，中國傾向于投資能源儲量豐富且中國能源技術(shù)有競爭力的國家。

（4）由模型3和模型4對比可知，模型4中CO2排放強(qiáng)度和能源強(qiáng)度系數(shù)的絕對值都增大了，且能源強(qiáng)度系數(shù)的絕對值較CO2排放強(qiáng)度系數(shù)的絕對值大，說明能源強(qiáng)度對能源投資影響更大。在碳中和背景下，CO2排放強(qiáng)度降低趨勢有利于能源投資，能源強(qiáng)度則相反，且能源強(qiáng)度對能源投資影響更大，總體來看，碳中和背景并不利于中國在“一帶一路”沿線的投資。由模型5可知，兩個(gè)自變量交叉項(xiàng)的影響效果并不顯著，因此可不加以考慮。

（三）穩(wěn)健性檢驗(yàn)

為確保分析結(jié)果的穩(wěn)健性，本文借鑒王雄元等[33]縮短時(shí)間窗口的穩(wěn)健性檢驗(yàn)方法，進(jìn)行“一帶一路”倡議提出后樣本的敏感性測試。中國于2013年下半年正式提出“一帶一路”倡議，在此之后中國與“一帶一路”沿線國家合作關(guān)系更加密切，因此將研究時(shí)段縮減到2014—2018年，這一時(shí)段既可以排除其他政策的影響，又減少了數(shù)據(jù)缺失?？s短時(shí)間窗口后回歸分析結(jié)果（見表7）中CO2排放強(qiáng)度系數(shù)和能源強(qiáng)度系數(shù)正負(fù)并未發(fā)生改變，且顯著性增強(qiáng)，說明本文利用負(fù)二項(xiàng)回歸模型得到的分析結(jié)果相對穩(wěn)健。

五、結(jié)論與建議

（一）結(jié)論

“一帶一路”沿線是中國能源投資的重要區(qū)域，且能源利用是CO2排放的主要來源，因此碳中和長期目標(biāo)和發(fā)展趨勢必然會影響中國對“一帶一路”沿線的能源投資。本文基于2009—2018年35個(gè)“一帶一路”沿線國家的面板數(shù)據(jù)，運(yùn)用LDA模型研究影響能源投資的共性指標(biāo)，然后用負(fù)二項(xiàng)回歸模型分析環(huán)境風(fēng)險(xiǎn)和環(huán)境機(jī)會指標(biāo)及共性指標(biāo)對能源投資產(chǎn)生的影響，得到如下結(jié)論：（1）學(xué)者普遍研究的對能源投資產(chǎn)生影響的指標(biāo)包括能源生產(chǎn)力、貿(mào)易開放程度、GDP、制造業(yè)占GDP比重、勞動力總數(shù)和基礎(chǔ)設(shè)施水平;（2）東道國的經(jīng)濟(jì)狀況，如GDP、貿(mào)易開放程度以及基礎(chǔ)設(shè)施水平對中國能源投資影響并不顯著，這可能是由中國能源投資的政治導(dǎo)向造成的;（3）降低CO2排放強(qiáng)度正向促進(jìn)中國的能源投資，因?yàn)镃O2排放強(qiáng)度越小，環(huán)境風(fēng)險(xiǎn)越小;（4）降低能源強(qiáng)度反向抑制中國對該國的能源投資，主要是能源強(qiáng)度較高的國家，其環(huán)境治理能力相對較低，中國投資這些國家的環(huán)境成本較少，中國的能源技術(shù)也更有競爭力?？傮w來看，在碳中和背景下，各國最終要實(shí)現(xiàn)一年內(nèi)CO2排放量和吸收量的平衡就必然要降低碳排放強(qiáng)度和能源強(qiáng)度，兩者在未來較長的時(shí)間段里呈現(xiàn)下降趨勢，這不利于中國在“一帶一路”沿線的能源投資。

（二）建議

針對上述結(jié)論，能源企業(yè)在對“一帶一路”沿線國家進(jìn)行能源投資時(shí)，首先需要考慮東道國的CO2排放強(qiáng)度和能源強(qiáng)度，優(yōu)先選擇CO2排放強(qiáng)度低、能源強(qiáng)度高的國家，這就要求能源企業(yè)的項(xiàng)目風(fēng)險(xiǎn)甄別能力要強(qiáng);其次，為了響應(yīng)“一帶一路”沿線國家的碳中和政策，幫助東道國降低CO2排放強(qiáng)度和能源強(qiáng)度，能源企業(yè)可以從投資清潔能源領(lǐng)域、提高能源開采效率和樹立清潔能源企業(yè)形象三方面入手。據(jù)此，本文提出如下建議。

（1）加強(qiáng)風(fēng)險(xiǎn)識別，提高項(xiàng)目風(fēng)險(xiǎn)甄別能力?！耙粠б宦贰毖鼐€能源投資機(jī)會多，但能源企業(yè)要認(rèn)識到不同國家在資源稟賦條件、國家信用水平、投資環(huán)境等方面的差異。尤其是在資源共享[34-35]和很多新能源投資沒有經(jīng)驗(yàn)可以參考的情況下，能源企業(yè)更應(yīng)該做好風(fēng)險(xiǎn)評估及風(fēng)險(xiǎn)應(yīng)對，對東道國環(huán)境風(fēng)險(xiǎn)指標(biāo)CO2排放強(qiáng)度和能源強(qiáng)度的詳細(xì)分析更是重中之重。

（2）加大新能源投資和合同規(guī)模比例，大力發(fā)展新能源業(yè)務(wù)。一方面，“一帶一路”沿線很多國家都蘊(yùn)含一定的風(fēng)能、水能、太陽能、地?zé)崮艿刃履茉吹膬α?，且處于?guī)劃階段，說明這些國家新能源投資仍有很大潛力。[36]另一方面，基于技術(shù)的進(jìn)步，自2010年以來，太陽能光伏、聚光太陽能、電池儲能、陸上風(fēng)電和海上風(fēng)電等可再生能源技術(shù)成本分別下降了82%、47%、71%、38%和29%，可再生能源的成本競爭力逐漸提高。因此，在碳中和背景下能源企業(yè)進(jìn)行投資時(shí)，可以因地制宜，充分發(fā)揮“一帶一路”沿線國家能源特色，如在水力資源極其豐富、水位落差大的東南亞地區(qū)投資水電項(xiàng)目，在地?zé)豳Y源豐富的菲律賓投資地?zé)犴?xiàng)目，既能提高投資效率，又能減少溫室氣體排放，順應(yīng)碳中和發(fā)展趨勢。

（3）提高能源效率，深化技術(shù)改革。能源企業(yè)可以在電力科技創(chuàng)新、項(xiàng)目開發(fā)、新業(yè)態(tài)和商業(yè)模式發(fā)展等方面做出改變，不斷突破清潔能源發(fā)電并網(wǎng)、儲能、氫能、分布式能源等關(guān)鍵技術(shù)，采用新工藝、新設(shè)備提高煤和石油等傳統(tǒng)能源的使用效率。能源效率提高具有可觀的經(jīng)濟(jì)、社會、環(huán)境效益，可有效降低一次能源需求總量，有效控制溫室氣體排放，降低能源利用對環(huán)境的影響。能源企業(yè)順應(yīng)能效投資趨勢，深化相關(guān)技術(shù)改革，在“一帶一路”沿線區(qū)域因地制宜促進(jìn)當(dāng)?shù)啬茉瓷a(chǎn)和消費(fèi)轉(zhuǎn)型，可以獲得當(dāng)?shù)卣推髽I(yè)信任，以謀取更多合作投資的機(jī)會。

（4）注重社會責(zé)任管理，樹立清潔能源企業(yè)形象。對于碳中和來說，減排（減少CO2排放）和增匯（增加CO2吸收）是兩條根本路徑。能源企業(yè)可在東道國開展植樹造林、生態(tài)保護(hù)等公益和宣傳活動，積極謀求與環(huán)保組織、非營利組織的全方位、深層次合作。這樣一方面有利于能源企業(yè)與當(dāng)?shù)亟?jīng)濟(jì)社會之間建立良好關(guān)系，拉近與當(dāng)?shù)厣鐣木嚯x;另一方面能夠抵消部分能源投資產(chǎn)生的CO2等溫室氣體排放量，減少對東道國環(huán)境的污染。能源企業(yè)主動承擔(dān)社會責(zé)任，有利于改善企業(yè)形象，獲得東道國政府、民眾的好感。

參考文獻(xiàn)：

[1] 周淑慧，王軍，梁嚴(yán).碳中和背景下中國“十四五”天然氣行業(yè)發(fā)展[J].天然氣工業(yè)，2021，41（2）：171182.

[2] 鄧旭，謝俊，滕飛.何謂“碳中和”？[J].氣候變化研究進(jìn)展，2021，17（1）：107113.

[3] Huang Yanying， Fischer T B， Xu He. The Stakeholder Analysis for SEA of Chinese Foreign Direct Investment： the Case of "One Belt， One Road" Initiative in Pakistan[J]. Impact Assessment and Project Appraisal， 2017，35（2）：158171.

[4] Shi Xunpeng， Yao Lixia. Prospect of China’s Energy Investment in Southeast Asia under the Belt and Road Initiative： A Sense of Ownership Perspective[J]. Energy Strategy Reviews， 2019，25：5664.

[5] Chernysheva N A， Perskaya V V， Petrov A M， et al. Green Energy for Belt and Road Initiative： Economic Aspects Today and in the Future[J]. International Journal of Energy Economics and Policy， 2019， 9（5）： 178185.

[6] Hashemizadeh A， Ju Yanbing， Bamakan S M H， et al. Renewable Energy Investment Risk Assessment in Belt and Road Initiative Countries under Uncertainty Conditions[J]. Energy， 2021，214（1）：118.

[7] Zhou Na， Wu Qiaosheng， Hu Xiangping， et al. Evaluation of Chinese Natural Gas Investment along the Belt and Road Initiative Using Super Slacksbased Measurement of Efficiency Method[J]. Resources Policy， 2020， 67（8）： 110.

[8] Kozlova M， Collan M. Renewable Energy Investment Attractiveness： Enabling Multicriteria CrossRegional Analysis from the Investors’ Perspective[J]. Renewable Energy， 2020， 150（5）： 382400.

[9] Zhang Mingming， Zhou Peng， Zhou Daqing. A Real Options Model for Renewable Energy Investment with Application to Solar Photovoltaic Power Generation in China[J]. Energy Economics， 2016， 59（9）： 213226.

[10] Liang Panning，Yu Mingyang，Jiang Lincheng. Energy Investment Risk Assessment for Nations along China’s Belt & Road Initiative： A Deep Learning Method[J]. Applied Sciences， 2021， 11（5）： 121.

[11] Huang Yanying. Environmental Risks and Opportunities for Countries along the Belt and Road： Location Choice of China’s Investment[J]. Journal of Cleaner Production， 2019， 211（2）： 1426.

[12] Ahmad M， Jiang Ping， Majeed A， et al. Does Financial Development and Foreign Direct Investment Improve Environmental Quality？ Evidence from Belt and Road Countries[J]. Environmental Science and Pollution Research， 2020， 27（19）： 23586–23601.

[13] Joshua U， Bekun F V， Sarkodie S A. New Insight into the Causal Linkage between Economic Expansion， FDI， Coal Consumption， Pollutant Emissions and Urbanization in South Africa[J]. Environmental Science and Pollution Research， 2020， 27（15）： 1801318024.

[14] Chandran V G R， Tang C F. The Impacts of Transport Energy Consumption， Foreign Direct Investment and Income on CO2 Emissions in ASEAN5 Economies[J]. Renewable and Sustainable Energy Reviews， 2013， 24（8）： 445453.

[15] Baek J. A New Look at the FDIincomeenergyenvironment Nexus： Dynamic Panel Data Analysis of ASEAN[J]. Energy Policy， 2016， 91（4）： 2227.

[16] Paramati S R， Ummalla M， Apergis N. The Effect of Foreign Direct Investment and Stock Market Growth on Clean Energy Use across a Panel of Emerging Market Economies[J]. Energy Economics， 2016， 56（5）： 2941.

[17] Sbia R， Shahbaz M， Hamdi H. A Contribution of Foreign Direct Investment， Clean Energy， Trade Openness， Carbon Emissions and Economic Growth to Energy Demand in UAE[J]. Economic Modelling， 2014， 36（1）： 191197.

[18] Shao Qinglong， Wang Xiaoling， Zhou Qian， et al. Pollution Haven Hypothesis Revisited： A Comparison of the BRICS and MINT Countries Based on VECM Approach[J]. Journal of Cleaner Production， 2019， 227（8）： 724738.

[19] Rauf A， Liu Xiaoxing， Amin W， et al. Energy and Ecological Sustainability： Challenges and Panoramas in Belt and Road Initiative Countries[J]. Sustainability， 2018， 10（8）： 27432743.

[20] Lin Boqiang， Benjamin N. Causal Relationships between Energy Consumption， Foreign Direct Investment and Economic Growth for MINT： Evidence from Panel Dynamic Ordinary Least Square Models[J]. Journal of Cleaner Production， 2018， 197（10）： 708720.

[21] Wu Yunna， Wang Jing， Ji Shaoyu， et al. Renewable Energy Investment Risk Assessment for Nations along China’s Belt & Road Initiative： An ANPcloud Model Method[J]. Energy， 2020， 190（1）： 119.

[22] Liu Zhao， Zhang Huan， Zhang YueJun， et al. How Does Income Inequality Affect Energy Efficiency？ Empirical Evidence from 33 Belt and Road Initiative Countries[J]. Journal of Cleaner Production， 2020， 269（5）： 129.

[23] Chen Xia， Fu Qiang， Chang Chunping. What are the Shocks of Climate Change on Clean Energy Investment： A Diversified Exploration[J]. Energy Economics， 2021， 95（3）： 112.

[24] Xu Xiaofeng， Zhang Wei， Li Ning， et al. A Bilevel Programming Model of Resource Matching for Collaborative Logistics Network in Supply Uncertainty Environment[J]. Journal of the Franklin Institute， 2015， 352（9）： 38733884.

[25] Xu Xiaofeng， Lin Ziru， Zhu Jing. DVRP with Limited Supply and Variable Neighborhood Region in Refined Oil Distribution[J]. Annals of Operations Research， 2020， 309（2）： 663687.

[26] 李標(biāo)， 張航， 吳賈. 實(shí)施長江經(jīng)濟(jì)帶發(fā)展戰(zhàn)略能降低污染排放強(qiáng)度嗎？[J]. 中國人口·資源與環(huán)境， 2021， 31（1）：134144.

[27] 許勤華.碳中和趨勢下共建綠色絲路——綠水青山如何轉(zhuǎn)化為金山銀山[EB/OL]. （20210611）[20220310].http：//m.thepaper.cn/baijiahao_13103754.

[28] Burnett J W， Bergstrom J C， Wetzstein M E. Carbon Dioxide Emissions and Economic Growth in the U.S.[J]. Journal of Policy Modeling， 2013， 35（6）： 10141028.

[29] AlMulali U， Tang C F， Ozturk I. Does Financial Development Reduce Environmental Degradation？ Evidence from a Panel Study of 129 Countries[J]. Environmental Science and Pollution Research， 2015， 22（19）： 1489114900.

[30] Blei D M， Ng A Y， Jordan M I. Latent Dirichlet Allocation[J]. The Journal of Machine Learning Research， 2003（2）： 9931022.

[31] Tüzen M F， Erba S. A Comparison of Count Data Models with an Application to Daily Cigarette Consumption of Young Persons[J]. Communications in StatisticsTheory and Methods， 2018， 47（23）： 58255844.

[32] Chen Yang， Chao Yiying， Liu Wei， et al. Make Friends， Not Money： How Chinese Enterprises Select Transport Infrastructure Investment Locations along the Belt and Road Initiative[J]. Transport Policy， 2020， 101（2）： 119132.

[33] 王雄元， 卜落凡. 國際出口貿(mào)易與企業(yè)創(chuàng)新——基于“中歐班列”開通的準(zhǔn)自然實(shí)驗(yàn)研究[J]. 中國工業(yè)經(jīng)濟(jì)， 2019（10）： 8098.

[34] Xu Xiaofeng， Hao Jun， Zheng Yao. Multiobjective Artificial Bee Colony Algorithm for Multistage Resource Leveling Problem in Sharing Logistics Network[J]. Computers and Industrial Engineering， 2020， 142（4）： 111.

[35] Xu Xiaofeng， Hao Jun， Yu Lean， et al. Fuzzy Optimal Allocation Model for TaskResource Assignment Problem in Collaborative Logistics Network[J]. IEEE Transactions on Fuzzy Systems， 2019， 27（5）： 11121125.

[36] Xu Xiaofeng， Wei Zhifei， Ji Qiang， et al. Global Renewable Energy Development： Influencing Factors， Trend Predictions and Countermeasures[J]. Resources Policy， 2019， 63（10）： 115.

The Impact of the Environment of the B&R Countries on China’s Energy Investment Strategy Within Carbon Neutrality Context

NIE Zhengya1， LIU Zhiting2， LIU Wenzhi2， LI Shufeng3

（1.International Department， China National Petroleum Corporation， Beijing 100007， China;

2.School of Economics and Management， China University of Petroleum （East China）， Qingdao 266580， Shandong， China;

3.China National Oil and Gas Exploration and Development Corporation， Beijing 100034， China）

Abstract：As an important means to achieve greenhouse gas emission reduction， carbon neutrality also has a certain impact on energy investment. Therefore， based on 100 papers on China’s foreign energy investment， this paper uses the Latent Dirichlet Allocation topic model to mine six indicators， and introduces CO2 emission intensity and energy intensity to build an energy investment index system. Then， based on the energy investment and corresponding index data of 35 Belt and Road （B&R） countries from 2009 to 2018， the feasibility of regression analysis was verified based on descriptive statistics and correlation analysis， and the negative binomial model of panel data was selected to test the empirical results. Finally， a robustness test method with a shortened time window was used to test the sensitivity of samples since the Belt and Road Initiative was proposed. The empirical results suggest that： （1） The impact indicators of energy investment include： the energy productivity， trade opening， GDP， proportion of manufacturing in GDP， labor force and infrastructure level. The economic conditions of the host country， such as GDP， trade openness and infrastructure level， have no significant impact on China’s energy investment， which is caused by the strategic orientation of China’s energy investment. （2） Under the background of "carbon neutrality"， B&R countries have to cut carbon emission intensity and energy intensity to achieve a balance between CO2 emissions and absorption on a yearly basis. The decreasing CO2 emission intensity contributes to China’s energy investment in the target country while the decreasing energy intensity does the contrary， exercising more influence on energy investment. Therefore， the proposal of "carbon neutrality" has a great impact on China’s energy investment structure. In light of this， energy enterprises should increase the proportion of new energy investment and the number of contracts， vigorously develop new energy businesses， improve energy efficiency and deepen technological reform. In addition， it is necessary to strengthen risk identification， enhance the ability to identify risk projects， highlight socially responsible management， and actively carry out afforestation and other environmental protection activities.

Key words：carbon neutrality;energy investment;environmental governance;LDA model;negative binomial regression model