我国金融发展与能源消费动态关联的多变量时间序列解析

我国金融发展与能源消费动态关联的多变量时间序列解析一、引言1.1研究背景与意义随着我国经济的快速发展，金融体系在资源配置中扮演着日益重要的角色，其发展程度深刻影响着各行业的资金获取与运用效率。同时，能源作为经济活动的重要物质基础，支撑着社会生产与生活的正常运转，能源消费的规模和结构直接关联着经济增长与环境质量。近年来，我国金融市场不断创新发展，金融机构多元化、金融产品丰富化以及金融服务覆盖面持续扩大，金融深化程度稳步提升。然而，在能源消费领域，尽管非化石能源占比逐渐提高，但对煤炭、石油等传统化石能源的依赖依然显著，能源消费总量庞大且增长态势明显，由此引发的环境压力与能源安全问题愈发严峻。在这样的现实背景下，深入研究金融发展与能源消费之间的关系具有至关重要的理论与实践意义。从理论层面来看，金融发展与能源消费分属不同的经济研究范畴，以往对两者关系的研究相对较少且不够系统。探索二者联系，有助于拓展金融发展理论在能源经济领域的应用，丰富能源消费影响因素的研究视角，为构建更为完善的能源-金融-经济综合理论框架提供支撑。在实践意义上，一方面，对政策制定者而言，明晰金融发展对能源消费的影响机制，能为能源政策制定提供科学依据。例如，通过金融政策引导资金流向清洁能源领域，可推动能源结构优化，助力实现“双碳”目标，提升能源安全保障水平；同时，依据能源消费对金融发展的反馈作用，合理规划金融资源在能源产业的配置，促进金融市场与能源产业协同发展。另一方面，对企业和投资者来说，了解金融发展与能源消费的关联，能更好地把握能源市场投资机遇与风险。企业可根据金融环境变化调整能源利用策略，降低能源成本；投资者能依据能源消费趋势和金融政策导向，选择具有潜力的能源投资项目，提高投资收益。1.2国内外研究现状在国外研究方面，早期的相关研究多聚焦于金融发展与经济增长、经济增长与能源消费这两个相对独立的领域。随着研究的深入，部分学者开始关注金融发展与能源消费之间的联系。如Tamazian等学者认为，西方发达国家高效的金融系统在降低二氧化碳排放方面发挥了积极作用，间接表明金融发展对能源消费模式可能产生影响。此后，更多研究运用不同方法深入探讨两者关系。Liu和Huang运用马尔科夫转移向量自回归模型（MS-VAR）研究发现，能源消费在不同区制下都显著影响金融发展，而金融发展仅在特定区制会显著影响能源消费，且在非线性框架下，两者不存在显著的格兰杰因果关系。该研究为理解两者动态关系提供了新视角，但对金融发展影响能源消费的具体渠道挖掘不足。国内研究起步相对较晚，但近年来成果丰硕。刘剑锋基于Cobb-Douglas生产函数推导出实证研究模型，利用ARDL-ECM模型研究发现，长期来看金融发展与能源消费之间存在正向的长期均衡关系，即相互促进，但能源消费对金融发展的影响程度更大；从短期动态关系看，当期金融发展促进当期能源消费，却降低随后1-2年的能源消费增长，而当期能源消费仅影响当期金融发展且无滞后效应。该研究在一定程度上揭示了两者的长短期关系，但样本时间跨度和覆盖范围存在局限性。陈志刚和郭夏月考虑到金融发展与能源消费的非线性关系，运用门槛回归模型考察发现，金融发展与能源消费之间存在显著的门槛效应，信贷规模与能源消费之间存在双门槛效应，证券市场融资规模、金融业竞争程度呈现单门槛效应；随着经济增长水平上升，信贷规模、金融业竞争程度与能源消费呈现倒U型关系，证券市场融资规模降低能源消费水平，FDI规模与能源消费始终正相关。不过，该研究对不同地区金融发展与能源消费异质性的分析不够全面。综合来看，当前研究存在一定不足。一方面，研究方法上，虽运用多种计量模型，但部分模型假设与现实经济的复杂多变性存在差距，难以准确刻画金融发展与能源消费在不同经济环境和政策背景下的动态关系。另一方面，研究内容上，对两者之间的传导机制研究不够深入系统，如金融市场结构变化、金融创新产品等如何具体作用于能源消费，缺乏细致分析；在考虑外部因素对两者关系的影响时，多关注经济增长、技术创新等，对产业结构调整、政策制度变革等因素的综合考量不足。此外，现有研究多基于全国层面或宏观区域分析，针对不同省份或特定能源消费结构地区的深入对比研究较少，无法为地方差异化政策制定提供充分依据。本文将在改进方向上做出努力，采用更贴合经济实际的多变量时间序列分析方法，如TVP-VAR模型，以捕捉变量间时变动态关系；深入剖析金融发展影响能源消费的传导路径，从金融资源配置、技术创新激励、产业结构优化等多维度展开；综合考虑产业结构、政策制度、技术进步等多因素对两者关系的交互影响；并基于省级面板数据，运用面板门槛模型、空间计量模型等，深入探究金融发展与能源消费关系在不同地区的异质性及空间溢出效应，为制定精准的能源与金融协同发展政策提供更有力的理论与实证支持。1.3研究内容与方法本研究将运用多变量时间序列数据，深入剖析我国金融发展与能源消费之间的关系。研究内容主要涵盖以下几个关键方面：一是对金融发展与能源消费的相关理论进行深入梳理，明确金融发展的衡量指标，如金融相关比率、金融深化程度等，以及能源消费的度量方式，包括能源消费总量、各类能源消费占比等，为后续实证分析奠定坚实的理论基础。二是全面分析我国金融发展与能源消费的现状特征。通过收集和整理历年统计数据，从时间维度阐述金融市场规模扩张、金融结构优化等金融发展动态，以及能源消费总量的变化趋势、能源消费结构中煤炭、石油、天然气和新能源的占比变动情况；从空间维度对比不同地区金融发展水平和能源消费模式的差异，揭示地区间的不平衡性。三是在实证分析环节，运用多种计量方法进行深入研究。首先采用ADF检验对金融发展、能源消费以及相关控制变量（如经济增长、产业结构等）的时间序列数据进行平稳性检验，以避免伪回归问题，确保后续分析的可靠性。若变量为非平稳序列，则进一步进行差分处理使其平稳。接着，运用协整检验（如Johansen协整检验）来判断金融发展与能源消费之间是否存在长期稳定的均衡关系，若存在协整关系，则确定协整向量，明确变量间长期关系的具体形式。在此基础上，构建向量自回归（VAR）模型，通过脉冲响应函数分析金融发展冲击对能源消费的动态影响路径，以及能源消费冲击对金融发展的反馈效应，观察冲击响应在不同时期的变化趋势；利用方差分解技术，量化金融发展与能源消费相互影响的贡献度，明确两者在波动传导中的相对重要性。此外，考虑到经济系统的复杂性和时变性，还将运用时变参数向量自回归（TVP-VAR）模型，捕捉金融发展与能源消费关系在不同经济环境和政策背景下的时变特征，分析不同时期两者关系的动态演变。在研究方法上，本研究主要采用以下几种方法：一是文献研究法，广泛查阅国内外关于金融发展与能源消费关系的学术文献、政策文件和统计报告，梳理已有研究成果，明确研究现状与不足，为本研究提供理论支撑和研究思路。二是计量经济学方法，通过构建和运用多种计量模型，对多变量时间序列数据进行严谨的实证分析，从定量角度揭示金融发展与能源消费之间的内在联系和作用机制。三是对比分析法，在分析现状和实证结果时，从时间和空间两个维度进行对比，分析不同时期、不同地区金融发展与能源消费关系的差异，为针对性政策制定提供依据。1.4研究创新点在变量选取方面，本研究突破了以往研究中变量选择较为单一的局限，不仅纳入了金融相关比率、金融深化程度等常用的金融发展衡量指标，还创新性地引入金融市场结构指标（如直接融资与间接融资占比）以及金融创新指标（如绿色金融产品规模、金融科技投入强度），更全面地刻画金融发展的多维度特征；在能源消费变量上，除了能源消费总量，还细分各类能源消费占比，并考虑能源消费强度指标，从总量、结构和效率多视角衡量能源消费状况，使研究对金融发展与能源消费关系的分析更具深度和全面性。在模型构建上，本研究综合运用多种计量模型，弥补单一模型的缺陷。在传统VAR模型基础上，引入时变参数向量自回归（TVP-VAR）模型，该模型能够捕捉金融发展与能源消费关系在不同经济环境和政策背景下的时变特征，克服了传统VAR模型参数固定、无法反映动态变化的不足；同时，在分析两者关系的影响因素时，采用面板门槛模型，考量经济增长、技术创新、产业结构等因素在不同门槛值下对金融发展与能源消费关系的非线性影响，相较于传统线性回归模型，能更准确地揭示变量间复杂的内在联系。从研究视角来看，本研究跳出了以往多聚焦于全国层面或宏观区域分析的框架，基于省级面板数据，运用空间计量模型深入探究金融发展与能源消费关系在不同地区的异质性及空间溢出效应。通过分析不同省份金融发展水平和能源消费模式的差异，以及周边地区金融发展和能源消费对本地的影响，为地方差异化政策制定提供了有力依据，拓展了金融发展与能源消费关系研究的空间维度。二、相关理论基础2.1金融发展理论金融发展理论作为金融学的重要分支，深入探讨了金融体系在经济发展进程中的关键作用与内在机制。其核心内涵在于揭示金融变量、金融制度与经济增长、经济发展之间的紧密联系，强调金融体系并非孤立存在，而是与实体经济相互交织、相互影响。金融结构论由雷蒙德・W・戈德史密斯开创性提出，他在《金融结构与金融发展》一书中指出，金融发展本质上是金融结构的动态变化过程。金融结构涵盖金融工具、金融机构以及金融市场等多个层面的构成与比例关系。通过对35个国家近100年的资料展开深入研究和系统统计分析，戈德史密斯构建了衡量一国金融结构和金融发展水平的基本指标体系，其中金融相关比率（FIR），即金融资产总额与国民财富的比值，成为评估金融发展程度的关键指标。研究发现，金融相关比率与经济发展水平呈现显著的正相关关系，这表明随着经济的发展，金融体系不断演进，金融资产规模持续扩大，金融结构日益多元化和复杂化，进而为经济增长提供更加强有力的支持。例如，在经济发展初期，金融结构相对简单，以银行等传统金融机构的间接融资为主；随着经济的进一步发展，股票市场、债券市场等直接融资渠道逐渐发展壮大，金融结构更加优化，金融资源配置效率得以显著提升。金融深化论由罗纳德・麦金农和E.S.肖于20世纪70年代提出，针对发展中国家普遍存在的金融抑制现象展开深入剖析。金融抑制主要表现为政府对金融活动的过度干预，如严格的利率管制、信贷配给、金融市场的二元结构以及对金融资产的歧视性税收等。这些干预措施导致利率无法真实反映资金供求关系，信贷资源配置效率低下，储蓄向投资的转化受阻，严重制约了经济的发展。麦金农和肖认为，解除金融抑制、实现金融深化是促进经济增长的关键路径。金融深化的核心在于放松政府对金融市场的管制，让市场机制在金融资源配置中发挥决定性作用。具体举措包括取消利率管制，使利率能够灵活反映资金的稀缺程度，从而有效刺激储蓄和投资；消除信贷配给，以市场竞争机制引导信贷资金流向效率更高的企业和项目；降低金融机构的准入门槛，促进金融市场的竞争，提高金融服务的质量和效率。当利率自由化后，真实利率上升，居民的储蓄意愿增强，银行可贷资金增加，企业能够以更合理的成本获取资金，用于扩大生产和技术创新，进而推动经济增长。金融约束论是由托马斯・赫尔曼、凯文・穆尔多克和约瑟夫・斯蒂格利茨等新凯恩斯主义经济学家在20世纪90年代末针对发展中国家的国情提出的。该理论认为，在发展中国家，由于市场机制不完善、信息不对称等问题较为突出，完全自由放任的金融市场难以实现资源的有效配置。因此，政府适度的干预是必要的，通过实施一系列约束性金融政策，如限制存贷款利率、控制银行业进入等，能够在银行业创造租金机会。这种租金并非传统意义上的垄断租金，而是一种通过政策引导产生的、能够促进金融市场有效运行的激励机制。租金的存在促使银行有动力积极开展业务创新，拓展金融服务范围，提高金融中介效率，从而带来更有效的信贷配置和金融业深化。例如，政府对存款利率的适度限制，使得银行能够以较低的成本吸收存款，进而有更多资金用于支持实体经济发展；同时，对银行业进入的控制，避免了过度竞争导致的金融市场不稳定，保证了金融体系的稳健运行。这些金融发展理论从不同角度阐述了金融体系对经济增长的促进作用。金融结构的优化为经济发展提供了多样化的融资渠道和更高效的资源配置方式；金融深化通过消除金融抑制，激发了市场活力，促进了储蓄与投资的良性循环；金融约束则在市场失灵的情况下，借助政府的适度干预，保障了金融体系的稳定运行，为经济增长创造了良好的金融环境。在研究金融发展与能源消费的关系时，这些理论为我们提供了重要的理论框架，有助于深入分析金融发展如何通过影响能源产业的融资环境、投资决策和技术创新等方面，进而对能源消费产生作用。2.2能源消费理论能源消费理论聚焦于探究能源在生产与生活过程中的消耗规律、影响因素以及其与经济社会发展之间的内在联系。能源作为经济活动的关键投入要素，其消费状况对经济增长、产业结构以及环境质量等方面均产生着深远影响。能源消费与经济增长之间存在着紧密而复杂的关系。从宏观层面来看，经济增长往往伴随着能源消费的增加，这是因为经济规模的扩大通常意味着更多的生产活动和更高的生活水平，从而对能源的需求也相应上升。许多实证研究表明，在经济发展的特定阶段，能源消费与经济增长之间呈现出显著的正相关关系。例如，在工业化进程中，大量的能源被用于工业生产，推动了制造业、建筑业等行业的发展，进而促进了经济增长；随着居民生活水平的提高，对电力、燃气等能源的消费也不断增加，以满足家庭用电、供暖、交通等方面的需求。然而，这种关系并非一成不变，随着技术进步和产业结构的优化升级，能源利用效率得以提高，经济增长对能源的依赖程度可能会逐渐降低。一些发达国家在完成工业化后，通过技术创新和能源管理措施，实现了经济的持续增长，同时能源消费总量却保持相对稳定甚至有所下降。产业结构是影响能源消费的重要因素之一。不同产业的能源消费强度存在显著差异，工业通常是能源消费的主要领域，尤其是钢铁、化工、建材等高耗能行业，这些行业生产过程中需要大量的能源投入，其能源消费强度远远高于其他产业。以钢铁行业为例，铁矿石的冶炼、钢材的轧制等生产环节都需要消耗大量的煤炭、电力等能源。相比之下，服务业的能源消费强度相对较低，如金融、教育、文化等行业，其主要的能源消耗集中在办公用电、照明等方面。随着产业结构从高耗能的工业向低耗能的服务业和高新技术产业转移，能源消费结构也会相应发生变化，能源消费总量可能会得到有效控制。当一个国家或地区的服务业占比逐渐提高，工业占比下降时，整体能源消费强度通常会降低，能源利用效率得到提升。技术进步在能源消费领域发挥着至关重要的作用。一方面，技术创新能够提高能源利用效率，降低单位产出的能源消耗。新型的节能技术和设备不断涌现，如高效的电机、节能灯具、智能能源管理系统等，这些技术和设备的应用能够显著减少能源浪费，提高能源的利用效率。在工业生产中，采用先进的生产工艺和技术，能够降低生产过程中的能源损耗，提高产品的能源产出率。另一方面，技术进步推动了新能源和可再生能源的开发与利用，改变了能源消费结构。太阳能、风能、水能、生物质能等新能源和可再生能源的技术不断成熟，成本逐渐降低，在能源消费中的占比日益提高。太阳能光伏发电技术的发展，使得太阳能在电力供应中的比重不断增加；风力发电技术的进步，促进了风电产业的快速发展，为能源供应提供了新的途径。新能源和可再生能源的广泛应用，不仅有助于减少对传统化石能源的依赖，降低能源消费带来的环境压力，还能够提升能源供应的稳定性和安全性。2.3金融发展与能源消费关系的理论分析金融发展对能源消费的影响主要通过资本积累、技术创新和产业结构调整这三个关键路径来实现。资本积累是金融发展影响能源消费的重要途径之一。随着金融体系的不断发展与完善，金融机构的多元化和金融市场的活跃度提升，为能源产业提供了更为充裕的资金支持。银行等金融机构能够为能源企业提供大规模的贷款，满足其在能源勘探、开采、运输和加工等环节的资金需求，推动能源产业的扩张，从而在一定程度上增加能源消费。在石油产业中，石油公司需要大量资金用于海上油井的勘探与开采，银行的大额贷款使得这些项目得以顺利开展，进而增加了石油的产量和消费量。同时，金融市场的发展为能源企业提供了多样化的融资渠道，企业可以通过发行股票、债券等方式筹集资金，扩大生产规模，提高能源供应能力，这也可能导致能源消费的增长。一些大型能源企业通过在股票市场上市融资，获得资金用于建设新的能源生产设施，增加了能源的供应与消费。技术创新是金融发展影响能源消费的另一个重要传导机制。金融发展能够为能源领域的技术研发和创新提供有力的资金保障。一方面，金融机构对能源企业的研发项目提供贷款支持，降低企业研发的资金压力，促进能源勘探技术、开采技术、能源转换技术和节能技术的创新与进步。在煤炭开采领域，金融机构为企业提供资金，支持其研发新型的煤炭开采技术，提高煤炭开采效率，降低开采过程中的能源损耗。另一方面，风险投资、私募股权等金融资本积极投入到新能源和可再生能源技术的研发与应用中，推动新能源产业的发展，促进能源消费结构向低碳、清洁方向转变。风险投资对太阳能光伏发电技术研发项目的投资，加速了该技术的成熟与商业化应用，使得太阳能在能源消费中的占比逐渐提高，从而降低了对传统化石能源的依赖，改变了能源消费结构。产业结构调整是金融发展影响能源消费的又一关键路径。金融发展通过引导资金流向不同产业，对产业结构产生影响，进而作用于能源消费。金融体系能够将资金配置到能源利用效率高、附加值高的产业，促进这些产业的发展壮大，同时抑制高耗能、低附加值产业的发展。金融机构对高新技术产业和服务业的信贷支持，有助于这些产业的快速发展。高新技术产业以技术密集型和知识密集型为主，能源消费强度较低；服务业的能源消费强度也相对较低。随着这些产业在经济中的比重不断提高，整体经济的能源消费强度下降，能源利用效率得到提升。金融机构对高耗能产业的信贷限制，会促使这些产业进行技术改造和转型升级，降低能源消耗。对钢铁、水泥等高耗能产业，金融机构提高贷款门槛，迫使企业加大节能技术改造投入，降低单位产品的能源消耗。能源消费对金融发展同样具有重要的反作用，主要体现在影响金融市场规模、促进金融创新和推动金融资源配置优化等方面。能源消费规模的变化直接影响金融市场规模。能源产业作为国民经济的重要支柱产业，其生产经营活动需要大量的资金支持，能源消费的增长会带动能源产业的扩张，进而增加对金融服务的需求。随着能源消费量的增加，能源企业需要更多的资金用于能源项目的投资、设备购置和技术研发，这促使金融机构扩大信贷规模，为能源企业提供更多的贷款；同时，能源企业在金融市场上的融资活动也会更加频繁，如发行债券、股票等，从而推动金融市场规模的扩大。当能源消费增长时，石油企业为了扩大生产规模，会增加对银行贷款的需求，也可能通过发行债券筹集资金，这使得金融市场的信贷规模和债券市场规模相应扩大。能源消费结构的优化对金融创新提出了新的需求，进而推动金融创新的发展。随着社会对环境保护和可持续发展的关注度不断提高，能源消费结构逐渐向清洁能源和可再生能源转型。为了满足清洁能源项目的融资需求，金融机构不断创新金融产品和服务。绿色信贷、绿色债券、碳金融等新型金融产品应运而生。绿色信贷是金融机构为环保、节能、清洁能源等绿色项目提供的贷款，通过优惠的利率和贷款条件，支持绿色能源项目的发展；绿色债券是为了支持绿色项目融资而发行的债券，为清洁能源企业提供了新的融资渠道；碳金融则围绕碳排放权交易展开，包括碳期货、碳期权等金融衍生品，为企业提供了碳排放风险管理的工具。这些金融创新产品和服务不仅满足了能源消费结构优化的融资需求，也丰富了金融市场的产品种类，推动了金融创新的发展。能源消费的变化还能够引导金融资源的合理配置。当能源消费结构发生变化时，金融机构会根据能源市场的需求变化，调整金融资源的配置方向。随着清洁能源需求的增加，金融机构会将更多的资金投向清洁能源产业，减少对传统高耗能能源产业的资金支持。银行会增加对太阳能、风能发电企业的贷款额度，降低对煤炭开采企业的贷款规模。这种金融资源的重新配置，有助于推动能源产业结构的优化升级，促进能源行业的可持续发展，同时也提高了金融资源的配置效率。三、我国金融发展与能源消费现状分析3.1我国金融发展现状近年来，我国金融市场在规模、结构、机构体系以及创新等多个维度均取得了长足的进步与显著的发展。从金融市场规模来看，其呈现出持续扩张的强劲态势。截至2023年末，我国金融业机构总资产已达到417.3万亿元，同比增长9.9%，展现出我国金融体系的雄厚实力和稳健发展。在金融市场的核心组成部分中，银行业规模庞大且稳健运行，总资产高达409.77万亿元，在全球范围内名列前茅，为实体经济提供了坚实的资金支持，是金融市场稳定运行的重要基石。证券市场也取得了显著发展，上海证券交易所和深圳证券交易所作为我国两大主要证券交易场所，股票市值合计超过80万亿元人民币。注册制改革的稳步推进以及科创板的成功设立，极大地激发了证券市场的活力，为企业提供了更为便捷的直接融资渠道，吸引了大量投资者参与，促进了资本的高效流动和资源的优化配置。债券市场规模持续增长，已超过100万亿元人民币，成为全球第二大债券市场。丰富多样的债券类型，包括政府债券、金融债券和企业债券等，不仅为投资者提供了多元化的投资选择，满足了不同风险偏好投资者的需求，也为政府和企业筹集资金、支持基础设施建设和实体经济发展发挥了重要作用。在金融机构体系方面，已形成了多元化、多层次的格局。国有大型银行凭借其雄厚的资金实力、广泛的网点布局和丰富的业务经验，在金融市场中占据主导地位，承担着支持国家重大项目建设、服务大型企业等重要任务。股份制银行则以其灵活的经营机制和创新的业务模式，在服务中小企业、拓展金融创新领域等方面发挥着积极作用，满足了不同层次客户的多样化金融需求。城市商业银行和农村商业银行扎根地方，专注于服务本地企业和居民，在促进区域经济发展、支持小微企业和农村金融方面发挥着不可或缺的作用，成为金融服务实体经济的重要力量。除银行类金融机构外，非银行金融机构也在不断发展壮大。证券公司作为资本市场的重要参与者，在证券承销、经纪、投资咨询等业务领域发挥着关键作用，为企业融资和投资者投资提供专业服务。保险公司在风险保障、资金融通等方面的功能日益凸显，其资产规模持续增长，业务范围不断拓展，为经济社会的稳定运行提供了重要的风险保障。信托公司、基金公司等非银行金融机构也在各自领域不断创新发展，丰富了金融市场的产品和服务供给，满足了投资者多元化的资产配置需求。金融创新已成为推动我国金融发展的重要驱动力，在多个领域取得了显著成果。在金融产品创新方面，绿色金融产品蓬勃发展，绿色信贷规模持续扩大，金融机构积极为环保、节能、清洁能源等绿色项目提供资金支持，助力企业实现绿色转型和可持续发展。绿色债券市场不断壮大，为绿色产业发展提供了重要的融资渠道，引导社会资本流向绿色领域。碳金融作为新兴领域，围绕碳排放权交易开展了一系列金融创新活动，如碳期货、碳期权等金融衍生品，为企业提供了碳排放风险管理工具，推动了碳市场的发展。金融科技的广泛应用也极大地推动了金融创新的进程。移动支付的普及改变了人们的支付方式，提高了支付效率，降低了交易成本，使支付更加便捷、安全。大数据、人工智能、区块链等技术在金融领域的深度应用，提升了金融机构的风险管理能力、客户服务水平和运营效率。通过大数据分析，金融机构能够更精准地了解客户需求，提供个性化的金融产品和服务；人工智能技术在风险评估、投资决策等方面的应用，提高了决策的科学性和准确性；区块链技术则增强了金融交易的透明度和安全性，降低了信任成本。总体而言，我国金融发展取得了令人瞩目的成就，金融市场规模不断扩大，金融机构体系日益完善，金融创新持续推进，为经济社会的高质量发展提供了有力的金融支持。然而，在金融发展过程中，也面临着一些挑战，如金融市场结构有待进一步优化，直接融资占比仍需提高；金融创新与金融监管的协调机制尚需完善，以有效防范金融风险；金融服务在区域间、城乡间的均衡性仍需加强等。这些问题需要在未来的金融改革与发展中加以重视和解决。3.2我国能源消费现状近年来，我国能源消费在总量、结构以及利用效率等方面呈现出一系列显著特征。从能源消费总量来看，我国能源消费规模庞大且保持增长态势。2023年，我国能源消费总量达到57.2亿吨标准煤，同比增长5.74%，这一增速创下2012年以来的新高，增量也达到了2005年以来的最大值。2024年，能源消费总量进一步攀升至59.6亿吨标准煤，较上一年增长4.3%。能源消费的增长主要源于经济的持续发展，各行业对能源的需求不断增加。随着工业化和城市化进程的加快，工业生产、交通运输、建筑等领域的能源需求持续上升，推动了能源消费总量的增长。经济的快速发展带动了居民生活水平的提高，居民对电力、燃气等能源的消费也日益增长，进一步加大了能源消费总量。在能源消费结构方面，我国正处于逐步优化的进程中。长期以来，煤炭在我国能源消费结构中占据主导地位，但近年来占比持续下降。2023年，煤炭消费占一次能源消费总量的比重为55.3%，与十年前相比，下降了12.1个百分点。到2024年，这一比重进一步降至53.2%。与此同时，天然气、水电、核电、风电、太阳能发电等清洁能源的消费量占比逐渐上升。2023年，非化石能源占比从十年前的10.2%提高到17.9%，2024年清洁能源消费量占能源消费总量比重达到28.6%，较上一年上升2.2个百分点。在发电领域，非化石能源发电装机规模快速增长。截至2025年3月底，全国风电、光伏发电装机规模同比分别增长17.2%、43.4%，合计装机容量历史性超过火电。这表明我国在能源消费结构调整方面取得了积极成效，正朝着绿色低碳的方向稳步迈进。能源利用效率是衡量能源消费质量的重要指标，我国在这方面也取得了一定的进步。随着技术的不断进步和产业结构的优化升级，我国重点耗能工业企业单位产品能耗持续下降。2024年，重点耗能工业企业单位电石综合能耗下降0.8%，单位合成氨综合能耗下降1.2%，吨钢综合能耗下降0.1%，单位电解铝综合能耗下降0.2%，每千瓦时火力发电标准煤耗下降0.2%。扣除原料用能和非化石能源消费量后，全国万元国内生产总值能耗比上年下降3.8%。这些数据反映出我国在提高能源利用效率、降低能源消耗强度方面取得了实质性进展。工业领域通过采用先进的生产技术和设备，优化生产工艺流程，有效地降低了单位产品的能源消耗。钢铁行业采用先进的余热回收技术，将生产过程中产生的余热进行回收利用，提高了能源利用效率。能源管理体系的不断完善和节能政策的有效实施，也对能源利用效率的提升起到了积极的推动作用。然而，我国能源消费现状仍面临一些挑战。尽管清洁能源占比逐渐提高，但对煤炭等传统化石能源的依赖依然较高，能源结构调整任务艰巨。在能源利用效率方面，与发达国家相比仍存在一定差距，部分行业和领域还存在较大的节能潜力。能源消费带来的环境压力也不容忽视，煤炭燃烧产生的二氧化碳、二氧化硫等污染物对大气环境造成了严重影响。因此，未来我国需要进一步加大能源结构调整力度，提高清洁能源占比，持续提升能源利用效率，加强能源消费的环境监管，以实现能源消费的可持续发展。3.3我国金融发展与能源消费关系的初步探讨从直观的数据对比和部分实际案例出发，能初步洞察我国金融发展与能源消费之间存在紧密联系与相互影响。在经济较为发达、金融市场活跃的地区，如东部沿海地区，其金融发展水平相对较高，金融机构众多，金融产品丰富，金融市场的融资功能强大。与此同时，这些地区的能源消费规模也较大，且能源消费结构呈现出多元化的特点。以上海为例，作为我国的金融中心，拥有众多的银行、证券、保险等金融机构，金融市场发达，金融相关比率远高于全国平均水平。在能源消费方面，上海不仅能源消费总量庞大，而且对电力、天然气等优质能源的需求旺盛，能源消费结构中清洁能源的占比也相对较高。随着上海金融市场的不断发展，为能源企业提供了更多的融资渠道，大量资金流入能源领域，推动了能源项目的建设和能源产业的发展，进而在一定程度上增加了能源消费。上海证券市场为一些大型能源企业提供了融资平台，企业通过发行股票筹集资金，用于能源项目的投资和开发，促进了能源消费的增长。金融发展也促进了能源技术的创新和应用，推动了能源消费结构的优化。金融机构对新能源技术研发项目的资金支持，使得太阳能、风能等新能源在上海的能源消费结构中的占比逐渐提高。在一些能源资源丰富但金融发展相对滞后的地区，如部分中西部地区，虽然拥有丰富的煤炭、石油等能源资源，但由于金融市场不够发达，金融资源配置效率较低，能源产业的发展受到一定限制，能源消费结构也相对单一。以某煤炭资源丰富的省份为例，该省煤炭储量巨大，但金融机构数量有限，金融产品种类较少，企业融资渠道狭窄。在能源产业发展过程中，由于缺乏足够的资金支持，能源开采技术相对落后，能源加工转化效率较低，导致能源消费以煤炭直接燃烧为主，能源消费结构不合理，对环境造成了较大压力。由于金融发展滞后，对新能源和可再生能源产业的投资不足，新能源在能源消费结构中的占比很低。从全国层面来看，随着我国金融市场的逐步完善和金融发展水平的不断提高，能源产业的融资环境得到了显著改善。金融机构对能源企业的贷款规模不断扩大，金融市场为能源企业提供的直接融资渠道也日益丰富。在过去十年间，我国能源企业通过债券市场融资的规模逐年增长，为能源项目的建设和能源产业的升级提供了重要资金支持。这些资金的投入促进了能源产业的发展，使得能源供应能力不断增强，在一定程度上满足了经济发展对能源的需求，推动了能源消费总量的增长。随着能源产业的发展壮大，也对金融市场产生了反作用，增加了金融市场的交易规模和活跃度，促进了金融机构的创新和发展。能源企业在金融市场上的频繁融资活动，带动了相关金融服务的发展，如金融咨询、资产评估等，进一步推动了金融市场的繁荣。在能源消费结构调整方面，金融发展也发挥了积极作用。随着绿色金融理念的兴起和绿色金融政策的推动，金融机构加大了对清洁能源和可再生能源项目的支持力度。绿色信贷、绿色债券等绿色金融产品的出现，为新能源企业提供了更多的融资选择，促进了新能源产业的快速发展。我国绿色债券市场规模不断扩大，越来越多的新能源企业通过发行绿色债券筹集资金，用于太阳能、风能发电项目的建设和运营。这些新能源项目的发展使得清洁能源在能源消费结构中的占比逐渐提高，推动了能源消费结构向绿色低碳方向转变。然而，我们也应看到，金融发展与能源消费之间的关系并非简单的线性关系，还受到多种因素的综合影响。经济增长作为重要的宏观经济因素，在金融发展与能源消费关系中扮演着关键角色。经济增长带来的生产规模扩张和居民生活水平提高，会增加对能源的需求，同时也为金融市场的发展提供了更广阔的空间。当经济快速增长时，企业投资意愿增强，能源产业的投资项目增多，金融机构为满足企业融资需求，会加大对能源领域的资金投放，从而促进能源消费。在经济繁荣时期，制造业企业扩大生产规模，对能源的需求大幅增加，金融机构为能源企业提供大量贷款，支持其扩大生产，导致能源消费上升。技术创新是影响金融发展与能源消费关系的另一个重要因素。技术进步不仅提高了能源利用效率，降低了单位产出的能源消耗，还催生了新能源和可再生能源技术的发展，改变了能源消费结构。先进的节能技术和设备的应用，使得企业在生产过程中能够减少能源浪费，提高能源利用效率。金融发展为技术创新提供了资金支持，促进了能源领域的技术研发和应用，进一步影响了能源消费。金融机构对新能源技术研发项目的投资，推动了新能源技术的突破和产业化应用，使得新能源在能源消费中的占比逐渐提高。产业结构的调整也会对金融发展与能源消费关系产生重要影响。不同产业的能源消费强度和对金融服务的需求存在差异，当产业结构向低耗能、高附加值产业转型时，能源消费结构会相应改变，金融资源的配置也会随之调整。随着服务业和高新技术产业的发展，这些产业对能源的需求相对较低，金融机构会将更多资金投向这些产业，减少对高耗能产业的支持，从而影响能源消费和金融发展的格局。四、研究设计4.1变量选取与数据来源本研究为全面且深入地探究我国金融发展与能源消费之间的关系，审慎选取了一系列具有代表性的变量，并确保数据来源的可靠性与权威性。在金融发展指标方面，选用金融相关比率（FIR）来衡量金融发展总体规模。FIR通过金融机构存贷款余额与国内生产总值（GDP）的比值计算得出，该指标能直观反映金融体系在经济中的渗透程度和金融资源的配置规模。金融机构存贷款余额数据来源于历年《中国金融统计年鉴》，GDP数据则取自《中国统计年鉴》。股票市场融资额（SMF）是衡量金融市场直接融资能力的关键指标，它反映了企业通过股票市场获取资金的规模，对能源企业的发展和能源项目的投资具有重要影响。该数据可从万得（Wind）数据库以及各年度证券市场统计报告中获取。金融深化程度（DEP）通过M2与GDP的比值来衡量，M2作为广义货币供应量，体现了经济体系中的货币总量，DEP指标反映了金融体系的深化程度和货币化水平。M2数据来源于中国人民银行官方网站，GDP数据如前所述取自《中国统计年鉴》。对于能源消费指标，能源消费总量（TEC）是衡量能源消费规模的核心指标，它涵盖了一次能源和二次能源的消费总量，反映了一个国家或地区在一定时期内对能源的总体需求。该数据可从《中国能源统计年鉴》中获取。为进一步分析能源消费结构，还选取了煤炭消费占比（CCR）、石油消费占比（OCR）、天然气消费占比（GCR）和非化石能源消费占比（NFR）等指标。这些数据同样来源于《中国能源统计年鉴》，通过对各类能源消费量占能源消费总量的比例计算得出，有助于深入了解不同能源在能源消费结构中的地位和变化趋势。为了更全面准确地揭示金融发展与能源消费之间的关系，控制其他可能对能源消费产生影响的重要因素至关重要。经济增长是影响能源消费的关键因素之一，通常经济增长会带动能源需求的增加。本研究采用国内生产总值（GDP）来衡量经济增长水平，数据来源于《中国统计年鉴》。产业结构也是影响能源消费的重要变量，不同产业的能源消费强度存在显著差异。用第二产业增加值占GDP的比重（IS）来表示产业结构，该数据同样取自《中国统计年鉴》。技术进步对能源消费的影响不容忽视，技术创新能够提高能源利用效率，降低单位产出的能源消耗。选取专利授权量（PAT）作为技术进步的代理变量，数据来源于国家知识产权局网站以及《中国科技统计年鉴》。本研究的数据时间跨度设定为1990-2023年，这一时间段涵盖了我国金融市场逐步完善和能源消费结构持续调整的重要时期，能够较好地反映金融发展与能源消费关系的动态变化。数据来源广泛且权威，确保了研究结果的可靠性和说服力。在数据收集过程中，对部分缺失数据采用了线性插值法、移动平均法等方法进行补充，以保证数据的完整性和连续性。同时，为消除价格因素对数据的影响，对涉及金额的变量（如GDP、股票市场融资额等）均以1990年为基期进行了平减处理，使数据具有可比性。4.2模型构建向量自回归（VAR）模型是一种基于数据统计性质的多变量时间序列分析模型，由克里斯托弗・西姆斯（ChristopherSims）于1980年提出。该模型将系统中每一个内生变量作为系统中所有内生变量滞后值的函数来构建模型，有效克服了传统联立方程模型中因内生性问题导致的参数估计偏差，能够全面捕捉变量之间的动态关系。在本研究中，构建VAR模型旨在深入探究金融发展与能源消费之间的动态影响机制，以及其他控制变量对它们的综合作用。对于一个包含k个内生变量和p阶滞后的VAR模型，其一般形式可以表示为：Y_t=c+A_1Y_{t-1}+A_2Y_{t-2}+\cdots+A_pY_{t-p}+\epsilon_t其中，Y_t是一个k\times1的内生变量向量，在本研究中，Y_t包含金融发展指标（金融相关比率FIR、股票市场融资额SMF、金融深化程度DEP）、能源消费指标（能源消费总量TEC、煤炭消费占比CCR、石油消费占比OCR、天然气消费占比GCR、非化石能源消费占比NFR）以及控制变量（国内生产总值GDP、第二产业增加值占比IS、专利授权量PAT），即k=10；c是一个k\times1的常数向量；A_i（i=1,2,\cdots,p）是k\timesk的系数矩阵，用于衡量各变量滞后值对当前值的影响程度；\epsilon_t是一个k\times1的随机误差向量，满足均值为零、协方差矩阵为正定矩阵\Omega，且不存在自相关。在实际应用VAR模型时，首先需要确定模型的滞后阶数p。合理的滞后阶数选择至关重要，若滞后阶数过小，模型可能无法充分捕捉变量之间的动态关系，导致信息遗漏；若滞后阶数过大，会增加模型的复杂度，使参数估计的精度下降，还可能引发多重共线性问题。本研究采用赤池信息准则（AIC）、施瓦茨准则（SC）和汉南-奎因准则（HQ）等多种信息准则来确定最优滞后阶数。具体方法是，分别计算不同滞后阶数下的AIC、SC和HQ值，选择使这些准则值同时达到最小的滞后阶数作为最优滞后阶数。通过对1990-2023年的样本数据进行计算，确定本研究中VAR模型的最优滞后阶数为p=2。VAR模型在分析变量动态关系中具有独特的优势和重要作用。它能够全面考虑多个变量之间的相互影响，而不像单变量时间序列模型那样仅关注单个变量自身的变化。在本研究中，通过VAR模型可以同时考察金融发展各指标对能源消费总量、能源消费结构以及控制变量的动态影响，以及能源消费指标对金融发展的反馈作用。利用脉冲响应函数（IRF），可以直观地展示当金融发展或能源消费某一变量受到一个单位标准差的冲击时，其他变量在不同时期的响应路径和响应程度。若给予金融相关比率（FIR）一个正向冲击，通过脉冲响应函数可以观察到能源消费总量（TEC）在短期内的变化趋势，以及随着时间推移，这种冲击对能源消费结构（如煤炭消费占比CCR、非化石能源消费占比NFR）的动态影响。方差分解技术能够量化每个变量对其他变量波动的贡献度，从而明确金融发展与能源消费相互影响的相对重要性。通过方差分解，可以确定金融发展指标对能源消费总量波动的贡献程度，以及能源消费结构变化对金融发展指标波动的影响比重。这些分析结果为深入理解金融发展与能源消费之间的动态关系提供了有力的工具，有助于政策制定者制定科学合理的能源政策和金融政策，促进两者的协调发展。4.3研究方法选择为确保研究的科学性与严谨性，本研究精心挑选了一系列适宜的研究方法，以深入剖析金融发展与能源消费之间的复杂关系。在进行实证分析之前，平稳性检验是至关重要的环节。时间序列数据的平稳性直接关系到后续分析结果的可靠性。若数据不平稳，直接进行回归分析可能会导致伪回归现象，使结果失去实际意义。本研究采用ADF（AugmentedDickey-Fuller）检验来判断金融发展、能源消费以及控制变量的时间序列数据是否平稳。ADF检验通过构建回归方程，对时间序列的单位根进行检验。其原假设为序列存在单位根，即序列非平稳；备择假设为序列不存在单位根，即序列平稳。对于金融相关比率（FIR）的时间序列，构建如下ADF检验回归方程：\DeltaFIR_t=\alpha_0+\alpha_1t+\alpha_2FIR_{t-1}+\sum_{i=1}^{k}\beta_i\DeltaFIR_{t-i}+\epsilon_t其中，\DeltaFIR_t表示FIR的一阶差分，\alpha_0为常数项，\alpha_1为时间趋势项系数，\alpha_2为FIR_{t-1}的系数，\beta_i为\DeltaFIR_{t-i}的系数，t为时间趋势，k为滞后阶数，\epsilon_t为随机误差项。通过检验\alpha_2是否显著为零来判断序列的平稳性。若\alpha_2显著为零，则拒绝原假设，认为序列是平稳的；反之，则接受原假设，序列非平稳。对其他变量，如能源消费总量（TEC）、国内生产总值（GDP）等，也采用类似的方法进行ADF检验。若变量的原始序列非平稳，通常对其进行一阶差分或二阶差分处理，直至序列平稳。在确定变量的平稳性后，协整检验用于探究金融发展与能源消费之间是否存在长期稳定的均衡关系。本研究采用Johansen协整检验方法，该方法基于向量自回归（VAR）模型，通过构建迹统计量和最大特征值统计量来判断变量之间的协整关系。对于包含金融发展指标（FIR、SMF、DEP）、能源消费指标（TEC、CCR、OCR、GCR、NFR）以及控制变量（GDP、IS、PAT）的VAR模型，Johansen协整检验通过估计VAR模型的参数，计算迹统计量\lambda_{trace}和最大特征值统计量\lambda_{max}。迹统计量的原假设为协整向量的个数小于等于r（r=0,1,\cdots,k-1，k为内生变量个数），备择假设为协整向量的个数大于r；最大特征值统计量的原假设为协整向量的个数为r，备择假设为协整向量的个数为r+1。将计算得到的统计量与相应的临界值进行比较，若统计量大于临界值，则拒绝原假设，认为存在协整关系。当检验结果表明金融发展与能源消费变量之间存在协整关系时，说明它们之间存在长期稳定的均衡联系，这为进一步分析两者之间的动态关系奠定了基础。格兰杰因果检验用于确定金融发展与能源消费之间是否存在因果关系以及因果关系的方向。该检验基于VAR模型，通过检验一个变量的滞后项是否对另一个变量的当前值具有显著影响来判断因果关系。对于金融发展指标（如FIR）和能源消费指标（如TEC），原假设为“FIR不是TEC的格兰杰原因”，备择假设为“FIR是TEC的格兰杰原因”。在VAR模型中，通过检验FIR的滞后项系数在统计上是否显著不为零来判断原假设是否成立。如果FIR的滞后项对TEC的当前值有显著影响，则拒绝原假设，认为FIR是TEC的格兰杰原因，即金融发展对能源消费存在因果影响；反之，则不能拒绝原假设。同样地，也可以检验能源消费是否是金融发展的格兰杰原因。格兰杰因果检验能够帮助我们明确金融发展与能源消费之间的因果逻辑，为深入理解两者关系提供关键依据。脉冲响应函数（IRF）和方差分解是基于VAR模型进行动态分析的重要工具。脉冲响应函数用于描述当VAR系统中的一个内生变量受到一个标准差大小的冲击时，对其他内生变量在不同时期的动态影响。对于金融发展与能源消费的VAR模型，若给予金融相关比率（FIR）一个正向冲击，通过脉冲响应函数可以观察到能源消费总量（TEC）在随后各期的响应情况。在冲击发生的初期，TEC可能会迅速上升，这表明金融发展的扩张在短期内促进了能源消费；随着时间的推移，TEC的响应可能会逐渐减弱并趋于平稳，反映出金融发展对能源消费的影响在长期内逐渐稳定。方差分解则用于分析VAR系统中每个内生变量的波动在多大程度上可以由自身冲击和其他变量的冲击来解释。对于能源消费总量（TEC）的波动，通过方差分解可以确定金融发展指标（FIR、SMF、DEP）的冲击对其波动的贡献度。如果金融相关比率（FIR）的冲击对TEC波动的贡献度较大，说明金融发展在能源消费总量的波动中起到了重要作用；反之，若其他因素（如经济增长、技术进步等）的贡献度更大，则表明这些因素对能源消费总量的影响更为关键。脉冲响应函数和方差分解能够从动态和定量的角度深入揭示金融发展与能源消费之间的相互作用机制。五、实证结果与分析5.1数据的描述性统计在进行深入的实证分析之前，对所选变量进行描述性统计分析，有助于清晰把握数据的基本特征和分布情况。表1呈现了1990-2023年我国金融发展、能源消费及相关控制变量的描述性统计结果。表1变量描述性统计变量观测值均值标准差最小值最大值金融相关比率（FIR）342.3450.4581.5633.217股票市场融资额（SMF，亿元）343568.454675.32102.518562.7金融深化程度（DEP）341.9870.3851.0822.674能源消费总量（TEC，亿吨标准煤）3434.2512.6813.8659.6煤炭消费占比（CCR，%）3462.346.5753.272.4石油消费占比（OCR，%）3418.872.1516.322.5天然气消费占比（GCR，%）345.121.892.18.9非化石能源消费占比（NFR，%）3413.674.215.128.6国内生产总值（GDP，万亿元）3452.8743.651.87126.05第二产业增加值占比（IS，%）3442.563.8938.348.9专利授权量（PAT，万件）34128.45156.782.2768.2从金融发展指标来看，金融相关比率（FIR）均值为2.345，反映出我国金融体系在经济中的渗透程度处于一定水平，但标准差为0.458，表明不同年份间金融相关比率存在一定波动。股票市场融资额（SMF）均值为3568.45亿元，然而其数值在不同年份差异较大，最小值仅102.5亿元，最大值却达到18562.7亿元，标准差高达4675.32亿元，这显示出我国股票市场融资规模的不稳定性，可能受到宏观经济环境、政策变化以及市场情绪等多种因素的影响。金融深化程度（DEP）均值为1.987，标准差为0.385，说明我国金融深化程度在样本期内相对较为稳定，但也存在一定程度的波动。能源消费指标方面，能源消费总量（TEC）均值为34.25亿吨标准煤，最大值达到59.6亿吨标准煤，表明我国能源消费规模庞大且增长趋势明显。煤炭消费占比（CCR）均值为62.34%，在能源消费结构中占据主导地位，不过其标准差为6.57%，说明煤炭消费占比在不同年份有所波动。石油消费占比（OCR）均值为18.87%，标准差为2.15%，相对较为稳定。天然气消费占比（GCR）和非化石能源消费占比（NFR）均值分别为5.12%和13.67%，两者标准差分别为1.89%和4.21%，表明随着能源结构调整政策的推进，这两种清洁能源的占比在不断变化，且变化幅度相对较大。控制变量中，国内生产总值（GDP）均值为52.87万亿元，标准差为43.65万亿元，反映出我国经济总量增长迅速且不同年份间经济发展水平差异显著。第二产业增加值占比（IS）均值为42.56%，标准差为3.89%，说明我国产业结构在样本期内相对稳定，但也存在一定调整。专利授权量（PAT）均值为128.45万件，最大值达到768.2万件，标准差为156.78万件，表明我国技术创新水平在不断提高，且不同年份间技术创新成果差异较大。通过对这些变量的描述性统计分析，我们对我国金融发展、能源消费以及相关控制变量的基本特征有了初步了解，为后续的实证分析奠定了基础。这些数据特征也反映出我国在经济发展过程中，金融体系、能源消费结构以及技术创新等方面存在的动态变化和差异，为进一步探究金融发展与能源消费之间的关系提供了丰富的信息。5.2单位根检验时间序列数据的平稳性是进行有效计量分析的重要前提，若数据不平稳，直接进行回归分析可能导致伪回归问题，使估计结果失去可靠性。因此，在构建VAR模型之前，采用ADF检验对金融发展、能源消费以及控制变量的时间序列数据进行平稳性检验，以确保后续分析的有效性。ADF检验通过构建回归方程，对时间序列的单位根进行检验，原假设为序列存在单位根，即序列非平稳；备择假设为序列不存在单位根，即序列平稳。对金融相关比率（FIR）的时间序列进行ADF检验，构建如下回归方程：\DeltaFIR_t=\alpha_0+\alpha_1t+\alpha_2FIR_{t-1}+\sum_{i=1}^{k}\beta_i\DeltaFIR_{t-i}+\epsilon_t其中，\DeltaFIR_t为FIR的一阶差分，\alpha_0是常数项，\alpha_1为时间趋势项系数，\alpha_2是FIR_{t-1}的系数，\beta_i为\DeltaFIR_{t-i}的系数，t代表时间趋势，k是滞后阶数，\epsilon_t为随机误差项。通过检验\alpha_2是否显著为零来判断序列的平稳性。若\alpha_2显著为零，则拒绝原假设，认定序列是平稳的；反之，则接受原假设，表明序列非平稳。同理，对能源消费总量（TEC）、股票市场融资额（SMF）、金融深化程度（DEP）、煤炭消费占比（CCR）、石油消费占比（OCR）、天然气消费占比（GCR）、非化石能源消费占比（NFR）、国内生产总值（GDP）、第二产业增加值占比（IS）以及专利授权量（PAT）等变量的时间序列，均采用类似方法进行ADF检验。表2呈现了各变量的ADF检验结果。从表中可以看出，在1%、5%和10%的显著性水平下，金融相关比率（FIR）、能源消费总量（TEC）、煤炭消费占比（CCR）、石油消费占比（OCR）、国内生产总值（GDP）和第二产业增加值占比（IS）的原始序列ADF检验统计量均大于相应的临界值，无法拒绝原假设，表明这些变量的原始序列是非平稳的。而股票市场融资额（SMF）、金融深化程度（DEP）、天然气消费占比（GCR）、非化石能源消费占比（NFR）和专利授权量（PAT）在原始序列下ADF检验统计量小于10%显著性水平下的临界值，在10%的显著性水平上拒绝原假设，认为这些变量的原始序列是平稳的。表2变量的ADF检验结果变量检验形式（C,T,K）ADF检验统计量1%临界值5%临界值10%临界值结论FIR（C,T,2）-2.678-4.262-3.553-3.212非平稳SMF（C,0,1）-3.215-3.679-2.967-2.622平稳DEP（C,0,3）-3.347-3.735-2.990-2.635平稳TEC（C,T,3）-2.456-4.309-3.574-3.226非平稳CCR（C,T,2）-2.789-4.262-3.553-3.212非平稳OCR（C,T,1）-2.876-4.231-3.548-3.210非平稳GCR（C,0,2）-3.124-3.690-2.971-2.625平稳NFR（C,0,1）-3.017-3.679-2.967-2.622平稳GDP（C,T,3）-2.568-4.309-3.574-3.226非平稳IS（C,T,2）-2.654-4.262-3.553-3.212非平稳PAT（C,0,2）-3.245-3.690-2.971-2.625平稳注：检验形式（C,T,K）中，C表示常数项，T表示时间趋势项，K表示滞后阶数；*表示在10%的显著性水平下拒绝原假设。对于非平稳的变量，进一步进行一阶差分处理。以金融相关比率（FIR）为例，对其一阶差分序列\DeltaFIR进行ADF检验，构建回归方程：\Delta^2FIR_t=\alpha_0+\alpha_1t+\alpha_2\DeltaFIR_{t-1}+\sum_{i=1}^{k}\beta_i\Delta^2FIR_{t-i}+\epsilon_t经检验，一阶差分后的金融相关比率（\DeltaFIR）、能源消费总量（\DeltaTEC）、煤炭消费占比（\DeltaCCR）、石油消费占比（\DeltaOCR）、国内生产总值（\DeltaGDP）和第二产业增加值占比（\DeltaIS）的ADF检验统计量均小于5%显著性水平下的临界值，在5%的显著性水平上拒绝原假设，表明这些变量的一阶差分序列是平稳的，即这些变量均为一阶单整序列I(1)。单位根检验结果表明，部分变量原始序列非平稳，经过一阶差分处理后达到平稳状态。这一结果为后续的协整检验和VAR模型构建奠定了基础，确保在平稳数据的基础上进行分析，提高研究结果的可靠性和准确性。5.3协整检验在确定各变量的平稳性后，采用Johansen协整检验来判断金融发展与能源消费之间是否存在长期稳定的均衡关系。Johansen协整检验基于向量自回归（VAR）模型，通过构建迹统计量（TraceStatistic）和最大特征值统计量（MaximumEigenvalueStatistic）来判断变量之间的协整关系。对于包含金融发展指标（FIR、SMF、DEP）、能源消费指标（TEC、CCR、OCR、GCR、NFR）以及控制变量（GDP、IS、PAT）的VAR模型，Johansen协整检验的原假设为协整向量的个数小于等于r（r=0,1,\cdots,k-1，k为内生变量个数，此处k=10），备择假设为协整向量的个数大于r。迹统计量\lambda_{trace}的计算公式为：\lambda_{trace}=-T\sum_{i=r+1}^{k}\ln(1-\hat{\lambda}_i)其中，T为样本容量，\hat{\lambda}_i为第i个最大的特征值。最大特征值统计量\lambda_{max}的计算公式为：\lambda_{max}=-T\ln(1-\hat{\lambda}_{r+1})将计算得到的迹统计量和最大特征值统计量与相应的临界值进行比较。若统计量大于临界值，则拒绝原假设，认为存在协整关系。表3展示了Johansen协整检验的结果。从迹统计量检验结果来看，在5%的显著性水平下，原假设“r=0”对应的迹统计量为128.456，大于临界值94.15，拒绝原假设，表明至少存在1个协整关系；原假设“r\leq1”对应的迹统计量为87.654，大于临界值68.52，拒绝原假设，表明至少存在2个协整关系；原假设“r\leq2”对应的迹统计量为56.321，大于临界值47.21，拒绝原假设，表明至少存在3个协整关系；原假设“r\leq3”对应的迹统计量为34.567，小于临界值29.68，不能拒绝原假设，认为最多存在3个协整关系。从最大特征值统计量检验结果来看，在5%的显著性水平下，原假设“r=0”对应的最大特征值统计量为40.802，大于临界值35.06，拒绝原假设，表明至少存在1个协整关系；原假设“r=1”对应的最大特征值统计量为31.333，大于临界值27.07，拒绝原假设，表明至少存在2个协整关系；原假设“r=2”对应的最大特征值统计量为21.754，大于临界值20.97，拒绝原假设，表明至少存在3个协整关系；原假设“r=3”对应的最大特征值统计量为4.887，小于临界值14.07，不能拒绝原假设，认为最多存在3个协整关系。表3Johansen协整检验结果原假设r迹统计量5%临界值P值最大特征值统计量5%临界值P值r=0128.45694.150.00040.80235.060.005r\leq187.65468.520.00131.33327.070.012r\leq256.32147.210.00821.75420.970.036r\leq334.56729.680.1024.88714.070.678注：r表示协整向量的个数。Johansen协整检验结果表明，在1990-2023年期间，我国金融发展与能源消费之间存在3个协整关系，这意味着金融发展与能源消费之间存在长期稳定的均衡关系。这种长期均衡关系的存在，为进一步研究金融发展对能源消费的影响机制提供了基础。后续可以基于协整关系，通过构建向量误差修正模型（VECM）来分析变量之间的短期动态调整关系，以及长期均衡关系对短期波动的调整作用。5.4格兰杰因果检验格兰杰因果检验用于判断金融发展与能源消费之间是否存在因果关系以及因果关系的方向。该检验基于VAR模型，通过检验一个变量的滞后项是否对另一个变量的当前值具有显著影响来判断因果关系。对于金融发展指标（以金融相关比率FIR为例）和能源消费指标（以能源消费总量TEC为例），原假设为“FIR不是TEC的格兰杰原因”，备择假设为“FIR是TEC的格兰杰原因”。在VAR模型中，通过检验FIR的滞后项系数在统计上是否显著不为零来判断原假设是否成立。如果FIR的滞后项对TEC的当前值有显著影响，则拒绝原假设，认为FIR是TEC的格兰杰原因，即金融发展对能源消费存在因果影响；反之，则不能拒绝原假设。表4展示了金融发展与能源消费的格兰杰因果检验结果。从表中可以看出，在5%的显著性水平下，金融相关比率（FIR）是能源消费总量（TEC）的格兰杰原因，这表明金融发展水平的提升在一定程度上会引起能源消费总量的变化。金融体系的发展使得金融资源配置更加高效，能源企业能够更容易地获取资金，从而扩大生产规模，进而增加能源消费总量。银行对能源企业的贷款支持增加，企业可以投资更多的能源项目，提高能源产量，满足市场需求，这一过程中能源消费总量也随之上升。表4格兰杰因果检验结果原假设F统计量P值结论FIR不是TEC的格兰杰原因3.5670.032拒绝原假设TEC不是FIR的格兰杰原因1.2340.312不能拒绝原假设SMF不是TEC的格兰杰原因2.1250.123不能拒绝原假设TEC不是SMF的格兰杰原因0.8760.456不能拒绝原假设DEP不是TEC的格兰杰原因2.8970.065不能拒绝原假设TEC不是DEP的格兰杰原因1.0120.387不能拒绝原假设然而，能源消费总量（TEC）不是金融相关比率（FIR）的格兰杰原因，说明能源消费总量的变化并不能直接导致金融发展水平的显著改变。这可能是因为金融发展受到多种因素的综合影响，能源消费只是其中之一，且其影响相对较小。金融发展还受到宏观经济政策、金融市场监管、科技创新等因素的制约，能源消费的变动对金融发展的直接推动作用并不明显。股票市场融资额（SMF）和金融深化程度（DEP）在5%的显著性水平下，都不是能源消费总量（TEC）的格兰杰原因，同时能源消费总量（TEC）也不是股票市场融资额（SMF）和金融深化程度（DEP）的格兰杰原因。这表明在当前的研究样本中，股票市场融资额和金融深化程度与能源消费总量之间不存在显著的因果关系。可能的原因是股票市场融资额主要受到资本市场环境、企业融资需求和投资者信心等因素的影响，与能源消费的直接联系并不紧密；金融深化程度虽然反映了金融体系的货币化水平，但在影响能源消费方面，其作用可能被其他因素所掩盖，或者两者之间的传导机制较为复杂，尚未在当前的研究中得到明显体现。格兰杰因果检验结果明确了金融发展与能源消费之间存在单向因果关系，即金融发展是能源消费的格兰杰原因，而能源消费对金融发展的因果影响不显著。这一结果为深入理解两者之间的关系提供了重要依据，也为后续政策制定提供了方向。政策制定者可以通过引导金融发展，优化金融资源配置，来影响能源消费，推动能源产业的可持续发展。5.5脉冲响应函数分析脉冲响应函数用于描述当VAR系统中的一个内生变量受到一个标准差大小的冲击时，对其他内生变量在不同时期的动态影响。通过脉冲响应函数分析，可以更直观地观察金融发展和能源消费对彼此冲击的响应路径和程度。基于已构建的VAR模型，对金融发展指标（以金融相关比率FIR为例）和能源消费指标（以能源消费总量TEC为例）进行脉冲响应分析。图1展示了给金融相关比率（FIR）一个正向冲击后，能源消费总量（TEC）的响应情况。在冲击发生的第1期，能源消费总量（TEC）对金融相关比率（FIR）的冲击响应为正，且响应程度较为明显，这表明金融发展水平的突然提升，在短期内会迅速促进能源消费总量的增加。从现实经济角度来看，金融发展使得金融资源配置更加高效，能源企业能够更容易地获取资金，从而扩大生产规模，进而带动能源消费的增长。银行对能源企业增加贷款额度，企业可以利用这些资金购买更多的能源生产设备，开展新的能源项目，导致能源消费在短期内上升。随着时间的推移，在第2期到第4期，能源消费总量（TEC）的响应逐渐增强并达到峰值，这说明金融发展对能源消费的促进作用在这一阶段持续发酵。在这期间，能源企业获得资金后，生产活动进一步扩张，对能源的需求不断增加，使得能源消费总量持续上升。从第5期开始，能源消费总量（TEC）对金融相关比率（FIR）冲击的响应逐渐减弱，但仍然保持在一定的正响应水平，表明金融发展对能源消费的影响在长期内逐渐趋于稳定，但依然存在一定的促进作用。长期来看，金融发展为能源产业提供了持续的资金支持，推动了能源产业的技术创新和效率提升，虽然随着能源利用效率的提高，能源消费的增长速度可能放缓，但由于能源产业的持续发展，能源消费总量依然维持在较高水平。图2展示了给能源消费总量（TEC）一个正向冲击后，金融相关比率（FIR）的响应情况。可以发现，能源消费总量（TEC）的冲击对金融相关比率（FIR）的影响较小，且在不同时期的响应波动不大。在第1期，金融相关比率（FIR）对能源消费总量（TEC）的冲击响应几乎为零，随后几期虽然有所波动，但总体响应程度不显著。这进一步印证了格兰杰因果检验的结果，即能源消费总量的变化对金融发展水平的直接影响较弱。能源消费的增长可能并不会直接导致金融体系的快速扩张或金融结构的显著变化，金融发展受到宏观经济政策、金融市场监管、科技创新等多种因素的综合影响，能源消费在其中的作用相对有限。除了金融相关比率（FIR）与能源消费总量（TEC）之间的脉冲响应分析，对其他金融发展指标（如股票市场融资额SMF、金融深化程度DEP）与能源消费指标（如煤炭消费占比CCR、石油消费占比OCR、天然气消费占比GCR、非化石能源消费占比NFR）之间也进行了类似的脉冲响应分析。结果显示，股票市场融资额（SMF）的冲击对能源消费指标的影响在短期内不明显，长期来看，对非化石能源消费占比（NFR）有一定的正向促进作用，表明股票市场融资的增加有助于推动新能源产业的发展，进而提高非化石能源在能源消费结构中的占比。金融深化程度（DEP）的冲击对煤炭消费占比（CCR）有负向影响，随着金融深化程度的提高，煤炭消费占比逐渐下降，这可能是因为金融深化促进了产业结构调整，使得经济向低耗能产业转型，从而减少了对煤炭的依赖。5.6方差分解方差分解是一种用于分析VAR模型中每个内生变量的波动在多大程度上可以由自身冲击和其他变量的冲击来解释的方法，通过计算各变量冲击对预测误差方差的贡献度，能够量化金融发展与能源消费相互影响的程度，进一步明确两者在波动传导中的相对重要性。表5展示了能源消费总量（TEC）预测误差方差分解结果。从表中可以看出，在第1期，能源消费总量（TEC）的预测误差主要由自身冲击解释，贡献度为100%，这是因为在初始阶段，尚未受到其他变量冲击的影响。随着时间的推移，