经济增长与我国碳排放：基于工业行业的面板分析

易艳春，肖六亿

（湖北师范学院 经济与管理学院，湖北 黄石 435002）

1 问题的提出

改革开放30年，是中国缔造“经济奇迹”的30年。2010年中国GDP总量超过日本,成为世界第二大经济体。

然而，我国已成为世界第一大二氧化碳排放国，大约占世界总排放量的30%左右。2009年12月的哥本哈根气候会议上，我国政府许下了到2020年单位GDP减排40-45%的承诺。因此，如何更为全面有效地协调经济增长与碳排放，使中国经济增长与环境保护均能满足可持续发展的必然要求。

2 实证分析

2.1 模型与数据说明

根据经济增长与CO2排放之间的内在联系，本文构建以下反映工业行业经济增长与二氧化碳排放的计量模型:

上式中，Ci,t表示第i行业第t年的碳排放量，Yi,t表示第i行业第t年的工业总产值，γi是LnYi,t的系数，βi表示个体效应，反映行业的个体差异，ui,t是随机误差项。关于第i行业t年的CO2排放量的数值的计算，本文参考了Pan et al（2008）的方法（该排放系数来源于CAIT提供的转换率）：以各行业每年的能源消耗量乘以单位能源使用的碳排放系数。单位能源使用的碳排放系数为2.13吨二氧化碳/每吨标准煤。各行业的能源消费总量数据来源于《中国统计年鉴》。各行业各年工业总产值的数据来源于中经网数据库。实证分析的时间跨度为1994～2010年。

关于行业的分类，2004年之前和之后的分类方法有所差异，因此本节的分析选取了两种分类方法中名称相同或类似的且外资参与度高于10%的工业行业，为以下26个行业：农副产品加工业、食品制造业、饮料制造业、纺织业、纺织服装、鞋、帽制造业、皮革、毛皮、羽绒及其制品业、木材加工及木、竹、藤、棕、草制品业、家具制造业、造纸及纸制品业、印刷和记录媒介的复制、文教体育用品制造业、化学原料及化学制品制造业、医药制造业、化学纤维制造业、橡胶制品业、塑料制品业、金属制品业、黑色金属冶炼及压延加工业、非金属矿物制造业、有色金属冶炼及压延加工业、通用设备制造业、专用设备制造业、交通运输设备制造业、电气机械及器材制造业、通信设备、计算机及其他电子设备制造业、仪器仪表及文化、办公用机械制造业。

2.2 面板单位根检验

所谓面板单位根检验是指将面板数据中的变量各横截面序列作为一个整体进行单位根检验,由于面板数据的单位根检验到目前为止还没有完全统一,为了检验的稳健性,本文采用了四种单位根检验方法,主要有：LLC检验、IPS检验、ADF Fisher检验、PP Fisher检验。

考虑以下基于面板数据的AR(1)过程:

yi,t=Qiyi,t-1+Li,t

其中,i=1,2,..,N为面板单位数目;t=1,2…,Ti为面板单位的时间跨度;Qi

为自回归系数;Li,t为相互独立的异质的扰动项。

根据Qi对同(异)质性假定的不同,所有的检验可分为两类,一类是假定所有的面板单位包含着共同的单位根,即对于各个不同单位的i,Qi=Q,代表性的检验如LLC检验、Breitung检验及Hadri检验,这三种检验的区别在于LLC检验和Breitung检验的原假设为各面板单位存在着共同的单位根,而Hadri检验则采用了不存在共同单位根的原假设;另一类检验则放宽了同质性假定,允许Qi在不同的面板单位中自由变化,与第一类检验相比,放宽了假定、进一步接近了客观现实,其中代表性的如IPS检验、Fisher2ADF和Fisher2PP检验。

下面利用LLC检验、IPS检验、ADF Fisher检验、PP Fisher检验方法对各行业各年度工业总产值和碳排放量的数据进行单位根检验的结果如下表1：

表1 LnCi,t与LnYi,t的单位根检验结果

由表1的单位根检验结果可知，序列LnCi,t与LnYi,t的水平值都是不平稳的，一阶差分是平稳的，即序列LnCi,t与LnYi,t均为一阶差分平稳序列。

2.3 面板协整检验

面板数据的协整检验方法可以分为两大类，一类是建立在Engle and Granger二步法检验基础上的面板协整检验，具体方法主要有Pedroni检验和Kao检验；另一类是建立在Johansen协整检验基础上的面板协整检验。

Pedroni提出了几种协整关系的检验方法，那些方法允许截面间存在异质性截取和趋势系数。可以将模型写为：

yit=Ait+Ditt+xitBi+eit

其中,t=1,2..,T;i=1,2,..，N;yit和xit分别是(N@T)@1和(N@T)@m维的可观察变量。

Pedroni建议用两类检验:第一类基于联合组内尺度检验,包括四种统计方法:Panel v统计量,Panel Q统计量,Panel pp统计量和Panel ADF统计量。这些统计量包含了不同变量的自回归系数对估计的残差的单位根检验。第二类检验基于组间尺度检验,包括三种统计方法:Group Q统计量,Group pp统计量和Group ADF统计量。这些统计基于每个向量个体估计系数的简单平均。

检验过程中不仅允许不同面板单位存在不同固定效应和短期动态效应,而且允许存在不同的长期协整系数;同时,Pedroni的研究表明,每一个标准化统计量渐进满足标准正态分布N(0,1)。同时Pedroni给出了各种情况下蒙特卡洛模拟结果,并在Pedroni(1999)给出了利用这些模拟结果构造的近似临界判别值。要拒绝/不存在协整关系0这个零假设,所计算出来的各个统计量的绝对值必须大于Pedroni中所列示的近似临界判别值。Pedroni的Monte Carlo模拟实验的结果显示,对于大于100的样本来说,所有的7个统计量的检验效力都很好并且很稳定。但是对于小样本(T＜20)来说,Group ADF统计量是最有效力的,接下来是Panel2V统计量和Panel2Rho统计量。因此,在本文的实证检验过程中,如果各个统计量给出的判别结果出现矛盾,将重点考虑这三个统计量所显示的结果。

由于序列LnCi,t与LnYi,t均为一阶单整，下面采取Pedroni检验方法对两个序列进行协整检验，以考察两序列间是否存在长期的协整关系。面板协整检验的结果见下表2：

表2 LnCi,t与LnYi,t的协整检验结果

由上表的结果可知，除了统计量Panel v之外，其它统计量都在5%的显著性水平上通过了显著性检验，表明工业行业经济增长与碳排放之间存在长期的协整关系。下面对变量之间进行因果关系检验。

2.4 面板因果关系检验

由于行业经济增长与CO2排放是协整的,也就是说,行业经济增长与CO2排放在长期中有因果关系,本节运用基于面板的误差修正模型来发现行业经济增长与CO2排放是单向的因果关系还是互为因果关系。

与传统的基于误差修正模型的检验一样：可以建立如下的面板误差修正方程:

在上式中，K代表滞后期，Δ代表差值，他们是运用Step-down方法直到最大2个时滞的最佳选择,C代表二氧化碳排放量，Y指各行业工业总产值。

对方程（2）和（3）独立变量系数的显著性进行检验，可以确定因果关系。对于短期因果关系，本文对方程（2）检验所有i和k，H0∶θ12ik=0 或检验方程（3），对所有i和k，H0∶θ12ik=0。长期因果关系可以由观察调整速度λ的显著性来检验，λ是错误修正式的εit-1的系数。λ的显著性揭示了协整过程的长期关系。沿着这一路径的运动可以认为是永久的。对长期因果关系，本文检验对方程（2）的所有i，H0∶θ12ik=0 或对方程（3）的所有i，H0∶θ12ik=0 。最终，本节运用联合检验（WALD检验）来检验强因果检验。

因为检验方程中的变量都是平稳的,所以本文就用WALD检验来检验工业总产值和碳排放之间的的面板因果关系，见表3。从表3中可知,在短期内无论是用方程（2）还是用方程（3），得出的结果在1%显著性水平下显著，说明从短期看工业总产值和碳排放之间存在因果关系。同样在长期内，无论是用方程（2）还是用方程（3），得出的结果在1%显著性水平下显著，说明从长期看工业总产值和碳排放之间存在因果关系。

表3 工业总产值与碳排放之间的因果关系检验

3 结论与讨论

本文运用我国26个行业1994～2010年的数据,检验了经济增长和CO2排放的协整及因果关系。用面板协整和基于面板误差修正模型来进行研究。在长短期内，,面板数据得出的结果证实了在长短期工业碳排放与工业总产值之间的相互因果关系。这是因为95%的CO2主要是化石燃料燃烧产生的。化石能源投入的增加会带来碳排放增加，从而带来经济产出的增加。特别在我国，煤炭在能源消费结构中的比重最大，煤炭一直占总能源消费比例的75%。同样,当工业行业经济总量扩大时,对化石能源的需求也会增加，从而带来二氧化碳排放量的增加。这表明CO2排放和工业部门经济增长是内生的,因此用任何一个单一的方程来预测将会是不准确的。既然能源是经济增长的一个刺激因素,限制碳排放政策的实施可能会影响到我国经济增长的趋势,中国经济可能会受到减碳的影响。快速的工业化对环境有负面影响。

在全球温室气体减排的压力下,每个国家都面临着能源战略和能源政策的调整,我国在2009哥本哈根国际气候会议中已许下了承诺,2020年碳强度比2005年下降40～45%,这将对中国能源政策的调整产生重要影响,从而会对中国经济增长产生一定的影响。美国之所以退出京都议定书,主要原因也是因为限制能源消费必然损害美国的经济增长。这样，保持我国经济的可持续增长就必须要改善能源的质量，比如调整能源结构，提高低碳和无碳能源在能源结构中的比重，开发新能源品种，大力发展可再生能源等。

[1]Iwata H.,Okada K.,Samreth S.Empirical Study on the Environmen⁃tal Kuznets Curve for CO2in France:The Role of Nuclear Energy[J].Energy Policy,2010,38(8).

[2]Akbostanci E.,T.R.T-Asik S.,Tun G.I.The Relationship between Income and Environment in Turkey:is there an Environmental Kuznets Curve[J].Energy Policy,2009,37(3).

[3]Heil,M.T.,Selden,T.M.Carbon Emissions and Economic Develop⁃ment:Future Trajectories Based on Historical Experience[J].Environ.Dev.Econ,2001,6(1).

[4]Birgit Friedl,Michael Getzner.Determinants of CO2Emissions in aS⁃mall Open Economy[J].Ecological Economics,2003,(45).

[5]Zhang M,MuH,Ning Y,Song Y.Decomposition of Energy-related CO2 Emssion over 1991-2006 in China[J].Ecological Economics,2009,(68).

[6]杜婷婷,毛锋,罗锐.中国经济增长与CO2排放演化探析[J].中国人口资源环境,2007,(2).

[7]胡初枝等.中国碳排放特征及其动态演进分析[J].中国人口资源环境,2008,(3).

[8]任重,周云波.环渤海地区的经济增长与工业废气污染问题研究[J].中国人口资源环境,2009,（2）.