《Environmental Challenges》：Nonlinear Dynamics of Energy Prices, Renewable Transition, and Emission Intensity in the European Union: Evidence from a Deep Neural Network Panel Model
编辑推荐：
欧盟已承诺在2030年前将温室气体（GHG）排放量削减至少55%，并在2050年前实现气候中和。为此，欧盟的绿色转型议程聚焦于可再生能源增长、碳定价、绿色创新和能效提升。本研究的动机在于，传统的线性面板框架无法解释可再生能源部署和技术变革如何影响欧盟能源价格与
欧盟已承诺在2030年前将温室气体（GHG）排放量削减至少55%，并在2050年前实现气候中和。为此，欧盟的绿色转型议程聚焦于可再生能源增长、碳定价、绿色创新和能效提升。本研究的动机在于，传统的线性面板框架无法解释可再生能源部署和技术变革如何影响欧盟能源价格与减排效率水平之间的非线性、动态和跨国关系。研究人员检验了以下假设：可再生能源份额、碳价格、绿色投资和绿色创新对排放强度具有缓解作用，而对化石燃料的依赖和集中的工业化则会加剧排放强度。研究人员还假设这些关系是非线性的，并且具有跨国和时变特征。研究方法结合了深度神经网络（DNN）面板模型与固定效应和系统广义矩估计（SYS-GMM），以及横截面自回归分布滞后模型（CS-ARDL）和公共相关效应（CCE）估计量，在一个扩展的STIRPAT（随机环境影响评估模型）框架内，对2005-2023年期间的25个欧盟国家进行了研究。研究结果表明，增加可再生能源、提高欧盟排放交易体系（ETS）中的碳价格、增加绿色投资和绿色创新始终会降低排放强度。相比之下，化石燃料份额的增加和更集中的产业结构则会提高排放强度。深度神经网络模型的表现优于基准估计量，并揭示了政策与技术之间以及市场变量之间更多的非线性交互作用。
**论文解读：非线性动态视角下欧盟能源价格、可再生能源转型与排放强度研究**
**1. 研究背景与问题**
在全球应对气候变化的背景下，欧盟（EU）设定了到2030年减排至少55%以及到2050年实现气候中和的宏伟目标。欧盟的绿色转型议程主要通过可再生能源发展、碳定价（如欧盟排放交易体系，ETS）、绿色创新和能效提升等政策工具来推动。然而，实际减排进程复杂，传统线性面板模型难以捕捉能源价格、可再生能源部署、技术变革与排放强度之间可能存在的非线性、动态且跨国交互的复杂关系。现有研究多采用线性或准线性方法，忽略了变量间的阈值效应、体制转换和时变特征，导致对政策传导机制的理解存在局限。此外，欧盟成员国之间在能源结构、产业结构、创新能力及制度环境等方面存在显著异质性，使得统一的政策效应评估面临挑战。因此，有必要采用能够刻画复杂非线性动态关系的方法，探究欧盟国家能源价格、可再生能源转型与排放强度之间的内在联系，为制定更精准有效的减排政策提供依据。该论文发表在《Environmental Challenges》。
**2. 研究内容与结论**
该研究旨在检验一个核心假设：可再生能源份额、碳价格、绿色投资和绿色创新对排放强度具有长期且渐进的缓解作用，而化石燃料依赖和集中产业结构则会加剧排放强度，且这些关系是非线性和异质性的。研究人员通过构建一个结合深度神经网络（DNN）面板模型与传统计量经济模型（如固定效应FE、系统广义矩估计SYS-GMM、横截面自回归分布滞后模型CS-ARDL、公共相关效应CCE）的综合分析框架，对2005-2023年期间25个欧盟国家的面板数据进行了实证分析。研究得出以下结论：第一，增加可再生能源份额、提高ETS碳价格、增加绿色投资和绿色创新在所有模型设定下均显著且稳健地降低了排放强度，其中CS-ARDL模型显示长期效应大于短期效应，表明减排是一个结构性调整过程。第二，化石燃料依赖和产业结构集中度显著增加了排放强度，其长期弹性系数在所有模型中均为最大，表明化石燃料锁定的顽固性阻碍了减排进程。第三，深度神经网络（DNN）模型在预测精度上显著优于所有基准计量模型，揭示了传统线性模型无法捕捉的非线性交互作用，例如碳价格与可再生能源部署之间的协同效应、以及不同国家因初始条件不同而产生的边际效应差异。第四，政策反事实模拟表明，同时提高碳价格（+50%）、翻倍可再生能源份额和增加绿色投资，能够在不显著影响GDP的情况下，实现大幅度的排放强度下降和总减排量。这些发现支持了欧盟绿色协议的核心思想，即通过协调一致的政策组合——包括市场信号、技术创新和结构性变革——来推动低碳转型。
**3. 主要关键技术方法**
该研究运用了以下关键技术方法：
1. **深度神经网络（DNN）面板模型**：构建了一个包含3个隐藏层（神经元数分别为128、128、64）、ReLU激活函数和Dropout（0.2）正则化的前馈神经网络，用于估计排放强度与各解释变量之间的非线性、时变关系。模型输入包括核心变量及其3期滞后项，并加入了横截面均值以控制共同冲击。
2. **传统面板计量模型**：作为基准对比，采用了固定效应（FE）模型、系统广义矩估计（SYS-GMM）模型、横截面自回归分布滞后（CS-ARDL）模型和公共相关效应（CCE）均值组估计量。CS-ARDL用于估计长期和短期弹性，CCE用于控制未观测到的共同因子。
3. **STIRPAT框架扩展**：基于随机环境影响评估（STIRPAT）模型，将人口、富裕度和技术因素分解为具体的解释变量和控制变量，包括可再生能源份额、碳价格、化石燃料份额、绿色投资、绿色创新、人均GDP、贸易开放度和产业结构份额。
4. **样本与数据来源**：研究样本为25个欧盟成员国2005-2023年的年度面板数据。数据来源于世界银行WDI数据库、国际能源署（IEA）、欧洲能源交易所（EEX）、Ember Climate、OECD数据库等公开渠道。
**4. 研究结果**
**4.1. 固定效应和动态面板模型结果**：固定效应（FE）和系统广义矩（SYS-GMM）模型的估计结果一致显示，可再生能源份额（REN）和ETS碳价格（EUA）的系数显著为负，化石燃料份额（FOSS）的系数显著为正，绿色投资（CAP）和绿色创新（TECH）的系数也显著为负。这表明，增加可再生能源、提高碳价、增加绿色投资与创新均能有效降低排放强度，而化石燃料依赖和产业结构集中则会加剧排放强度。
**4.2. CS-ARDL长期与短期弹性结果**：CS-ARDL模型揭示了长期和短期效应的差异。可再生能源份额的长期弹性（-0.428）远大于短期弹性（-0.219），表明其减排效应随时间累积增强。碳价格的长期弹性（-0.287）也大于短期弹性（-0.142），体现了企业投资决策的调整。化石燃料份额的长期弹性（+0.501）为所有变量中最大，凸显了其结构性阻碍作用。误差修正项（φ）为-0.612，表明系统每年以约61.2%的速度向长期均衡调整。
**4.3. 公共相关效应（CCE）结果**：在控制共同冲击后，CCE均值组估计结果与CS-ARDL一致，进一步确认了可再生能源、碳价、绿色投资与创新的减排作用，以及化石燃料和产业结构的增排作用。结果显示，各变量效应在不同分位数（10th和90th）上存在显著差异，表明跨国异质性普遍存在。
**4.4. 深度神经网络（DNN）模型结果**：DNN模型在均方根误差（RMSE）、平均绝对误差（MAE）和R
2（0.78）上均优于所有基准模型，Diebold-Mariano检验表明其预测性能显著提升。基于梯度的边际效应分析显示，各变量的平均效应方向与基准模型一致，但分布范围更广。例如，可再生能源份额的边际效应均值为-0.421，但5th至95th百分位范围为-0.612至-0.184，表明其减排效应在不同国家或条件下差异巨大。
**4.5. 政策反事实模拟结果**：基于DNN模型的反事实模拟显示，在保持其他条件不变的情况下，将ETS碳价格提高50%可使排放强度降低6.9%，总减排量达95.3百万吨，对GDP影响仅为-0.5%。若将可再生能源份额翻倍，可实现排放强度降低8.7%，总减排124.1百万吨。这表明强化碳定价和可再生能源部署是高效且成本可控的减排路径。
**5. 讨论与结论**
**讨论部分总结**：实证结果一致表明，欧盟减排效能受能源结构、市场型气候政策、技术创新和宏观经济环境的复杂交互影响。研究发现支持了生态现代化理论和波特假说，即技术进步和结构性变革可以协调经济增长与环境保护。然而，化石燃料依赖的顽固性（Jevons悖论的部分体现）和产业结构异质性限制了减排速度，单纯依靠市场激励或扩张可再生能源并不足够，需辅以直接削减化石燃料使用的措施。电力价格与排放强度之间的微弱正相关关系，反映了高电价可能促使企业短期转向化石燃料替代，凸显了政策组合（如碳定价与工业援助相结合）的重要性。人均GDP的负系数支持了环境库兹涅茨曲线（EKC）假说，表明欧盟已进入经济增长与排放脱钩的阶段。
**研究结论翻译**：在当前研究中，研究人员通过结合面板计量经济学方法与深度神经网络（DNN）框架，研究了欧盟能源价格、可再生能源转型与排放强度之间的非线性关联。实证证据表明，欧盟的减排效能是由一组相互依赖的力量共同决定的，而非单一政策杠杆。实施可再生能源、引入碳价格以及增加绿色投资和创新，系统地降低了排放强度。然而，化石能源消耗和工业中心继续加剧了排放强度。值得注意的是，在所有基准估计量中，这些效应的方向性是一致的，增强了潜在实证模式的信心。固定效应和动态面板模型表明，可再生能源增长和碳税是限制单位产出排放的关键工具。CS-ARDL估计结果补充了这一点，表明这些效应在更长时间范围内会变得更强。这突出表明，在绿色转型中，并非一步到位的调整，而是长期促进投资、基础设施增长和生产结构调整。与化石燃料依赖相关的正向长期影响证实，碳密集型能源关联仍然通过拖累欧盟经济来阻碍脱碳速度。公共相关效应估计还表明，各国对共同冲击的反应存在差异。虽然所有欧盟成员都致力于制定共同的政策议程，但能源储备、产业授权和金融资产的差异决定了适应的程度。这种异质性对政策制定具有重要意义：一个共同的气候目标可以指导转型，但应通过具体国家的方式来实现，并考虑到国家结构和限制。另一个重要贡献是深度神经网络（DNN）面板模型。其预测精度远高于任何基准模型，并解释了传统线性估计量无法完全捕捉的非线性动态。在这方面，能源价格、可再生能源、创新和排放之间的相关性在空间和时间上已知是异质的。DNN结果支持，可再生能源对降低排放强度具有最大的边际效应，其次是碳税和化石燃料依赖。绿色投资和创新也具有清洁生产效应，而电力价格通过生产成本和短期调整产生相对较小但显著的影响。这些发现与政策模拟结果相似。高ETS价格、增加可再生能源实施和增加绿色投资都能减少排放，同时仅对产出产生最小的影响。这意味着，只要政策工具协调良好且可信，欧盟可以在不扼杀增长的情况下提高排放效率。因此，证据支持一个混合转型计划，包括碳定价、可再生能源增长、技术支持和逐步淘汰化石燃料。
