中国碳排放强度影响因素相关性研究——基于VAR与SVAR模型分析

米国芳刘广为

(1.内蒙古财经大学统计与数学学院，内蒙古 呼和浩特 010070 2.天津大学管理与经济学部，天津 300072)

中国碳排放强度影响因素相关性研究
——基于VAR与SVAR模型分析

米国芳1刘广为2

(1.内蒙古财经大学统计与数学学院，内蒙古 呼和浩特 010070 2.天津大学管理与经济学部，天津 300072)

本文列举出近年来研究碳排放强度的代表性文献，从中选取经济增长规模，能源强度，能源结构，产业结构四种出现频率最高的影响因素，进行四种因素对碳排放强度影响的平稳性检验，结果表明经济增长规模对碳排放强度的影响平稳性不足;对碳排放强度与能源强度、能源结构、产业结构构建结构向量自回归模型，运用脉冲响应函数分析三种因素的变化对碳排放强度的冲击效应，并用方差分解分析三种影响因素的贡献度，结果显示第三产业对碳排放强度的冲击效应最为显著，能源强度次之，能源结构最弱。

碳排放强度;平稳性检验;VAR与SVAR模型;脉冲响应函数;方差分解

Abstract:The paper enumerates the recent carbon emission intensity paper to select the key factors of carbon emission intensity.According to the paper，economic scale，energy intensity，energy structure，industry structure selected to be the key factors because of the high frequency in recent research.The results show:that the time series of the per capita GDP lack of stationarity as the influence factor to carbon emission intensity，so the economic scale should be excluded;The industry structure has the most significant shock effect on the carbon emission intensity in the three influence factors.

Key words:Carbon emission intensity;Stationarity test;Vector autoregression and structural vector autoregression model;Impulse response function;Variance decomposition

1 引言

目前中国的碳排放总量已经高居世界第二［1］，造成严重的温室效应。在保持经济正常稳定增长的前提下，实现碳排放的减少，是我国需要解决的问题。碳排放强度 (单位GDP的碳排放)是衡量经济发展与碳排放增长之间关系的重要指标之一。研究我国碳排放强度的变化特征，分析其主要影响因素的变化对碳排放强度的冲击效应，有助于提高国家制定减排政策的科学性和可操作性。

2 文献综述与研究方法

近年来，众多专家和学者对多个国家或者地区的碳排放强度的变化进行研究。

目前文献对碳排放强度影响因素的研究仅仅停留在各因素的贡献率或者影响程度方面，缺乏深入的相关性研究和稳定性检验，并且某些影响因素的提出缺乏有效的论证支持。本文以近年来碳排放强度研究文献中所出现频率最高的经济规模、能源结构、能源强度、产业结构四种影响因素为研究对象，运用向量自回归模型 (Vector Autoregression，VAR)与结构向量自回归模型(Structural Vector Autoregression)检验影响因素时间序列的平稳性，分析具有平稳性的影响因素与碳排放强度变化的相关性和贡献度，从而掌握中国碳排放强度的变化规律。

3 Var与SVAR模型

向量自回归模型 (VectorAutoregression，VAR)是在1980年由Sims所提出的。这种模型采用多方程联立的形式，在模型的每一个方程中用当期内生变量对模型中全部内生变量的滞后值进行回归，从而估计全部内生变量的动态关系［2］。结构向量自回归模型 (Structural Vector Autoregression，Svar)是对向量自回归模型 (Vector Autoregression，Var)的改进，可以利用方差分解技术(Variance Decomposition)分析每一个结构冲击对内生变量变化的贡献值，用来评价不同影响因素冲击结构的重要性［3］。Svar模型继承了Var中的多变量动态关系分析功能，其中的脉冲响应函数(Impulse Response Function，IRF)可以分析一个误差项发生的变化，或者模型受到冲击时对动态系统的影响［4］。Svar模型的表达式为:

式 (2)中k表示经过转换之后的确定性趋势项;B(L)为滞后算子阶多项式矩阵;δt表示结构式的残差向量，它包含互不相关的结构式冲击信息，并且方差为单位矩阵［5］。

4 所需变量数据检验与模型估计

4.1 所需变量

本文以单位GDP的碳排放表示碳排放强度［6］，记做CI;人均GDP既能反映人民生活水平也能在宏观上衡量国家经济的发展状况，因此采用人均GDP来表示经济增长规模，记做GI;以单位GDP的能耗来表示能源强度［7］，记做EI;基于中国以煤炭为主能源的现实国情，以煤炭消耗比重表示能源结构，记做CP;第三产业是能耗产出比相对低的产业，第三产业的规模与质量对一国低碳经济的发展具有重要意义，因此以第三产业所占的比重表示产业结构，记做TIP。

本文基于1980—2009年的碳排放数据、GDP数据、煤炭消耗比重数据与第三产业数据值，对所需数据进行测算。

4.2 相关性AR根检验

由于本文所研究的是四种影响因素分别与CI的相关性分析，因此，首先对CI与GI、CI与CP、CI与EI、CI与TIP四组数据的平稳性做AR根检验。基于表1数据，应用Eviews6.0计量软件，对四种影响因素进行AR根平稳性检验，如图1～图4。

由图1－图4可以看到，GI的AR根图中有一个点不在单位圆内，说明该模型不具有平稳性。因此，人均GDP与碳排放强度不具备稳定的相关性;EI，CP，TIP的特征根都在单位圆曲线内部，说明三者与碳排放强度构建的VAR模型平稳性良好。因此，GI与CI不具有稳定的相关性，不能做进一步的VAR与SVAR的模型构建。

5 脉冲响应函数分析

应用 Eviews6.0软件，针对1980—2009年的CI与 EI、CP、TIP建立 SVAR模型。利用 SVAR模型中的脉冲响应函数，分析SVAR模型中碳排放强度与其影响因素之间的冲击变化。

图1 GI平稳性检验AR根图

图2 EI平稳性检验AR根图

图3 CP平稳性检验AR根图

图4 TIP平稳性检验AR根图

图5 CI响应CP冲击的脉冲响应函数

图6 CP响应CI冲击的脉冲响应函数

5.1 脉冲响应函数构建

脉冲响应函数指系统在输入为单位冲击函数时的输出响应，以衡量来自随机输入项的一个标准差冲击对内生变量当前和未来取值的影响，由此来判断变量间的动态关系［8］。在SVAR模型中，第λ个变量的冲击不仅直接影响到第λ个变量本身，而且会通过SVAR模型的滞后结构传递到其他内生变量。

在上述验证分析以及模型构建的基础上，应用脉冲响应函数，分析CI与CP、CI与EI、CI与TIP的相互关系。表述CI与CP之间的关系的脉冲响应函数如图5，图6所示;CI与EI之间的脉冲响应函数如图7、图8所示;CI与TIP之间关系脉冲响应函数如图9，图10所示。

图7 CI响应EI冲击的脉冲响应函数

图8 EI响应CI冲击的脉冲响应函数

5.2 脉冲响应函数分析

图9 CI响应TIP冲击的脉冲响应函数

图5中显示，在初始阶段，碳排放强度随着煤炭消耗比重增长冲击而降低，在滞后六期达到负向最大值0.19%，随后冲击的负效应逐渐减弱。在滞后十二期开始转为正效应，在滞后十七期达到正向最大值0.11%。这表明由于GDP增速远远高于碳排放增长的速度，短期内煤炭消耗比重的增长所带来的碳排放速度增长依然要小于GDP的增长速度，碳排放强度的分母拉动效应在短期内依然会起作用，因此，短期内煤炭消耗比重与碳排放强度呈现负相关的关系;从长期的角度观察，煤炭消耗比重的持续增长会导致碳排放增长速度会超过GDP的增长速度，因而造成碳排放强度的增加;由图6中可知，碳排放强度在滞后零期对煤炭消耗比重冲击的负效应达到最大值0.22%，在滞后七期转为正效应，滞后十四期达到正效应最大值0.12%，随后在滞后二十二期转为负效应。由此可见，碳排放强度的增长冲击对煤炭消耗比重存在交叉的正负效应。碳排放强度的增长会使国家采取适当的调控措施，根据实施现状调整煤炭使用比重［9］。这同时验证了模型实际数据中的一些年份，出现碳排放强度的增加，但是却伴随着煤炭消耗比重减少的状态。

图10 TIP响应CI冲击的脉冲响应函数

图7中，能源强度出现增加变化的冲击后，碳排放强度在滞后一期出现正向反映，在滞后十五期达到正向最大值0.28%，随后冲击效应开始减弱。由此可以看出，碳排放强度对能源强度的冲击在极短时间内没有反应，在滞后一期出现正向效应，并且具有较长的记忆，能源强度的增加可以引起碳排放强度的上升;能源强度在碳排放出现增加变化冲击时正向反应明显，并在滞后一期达到最大值22%，随后冲击效应逐渐减弱，在滞后二十三期达到最小值3%后趋于平缓。此现象说明能源强度受碳排放强度的冲击影响显著，并且冲击效果持久，碳排放强度的增长对能源强度具有长期的正向冲击效应。这表明我国针对碳排放强度的升高，并没有重视能源强度的作用，未采取有效的措施，通过降低能源强度来阻止碳排放强度的上升。

由图9可以看到，当第三产业比例产生增长冲击时，碳排放强度出现负效应，在滞后十一期达到负向最大值0.58%，之后负向效应开始减弱，到达滞后二十一期转为正效应，在滞后二十六期达到正效应最大值0.09%滞后开始减弱并趋近于0。这种冲击反应说明在初期，第三产业比重的增加会使碳排放强度减弱，规模越大，碳排放强度的减弱效果越明显。当第三产业的规模过大，失去与第一产业与第二产业最佳比例时，GDP的增长速度会因产业规模失衡而降低，造成碳排放强度分母拉动不足而上升的现象;图10中显示，当碳排放强度产生增长冲击时，第三产业的比例产生正向反应，在第四期达到最大值，并且长期内保持正向的冲击效应，在滞后十三期滞后趋于平缓。这说明在碳排放强度的增长会促使国家采取某些措施来应对，运用一部分人力物力来实施节能减排措施，这些工作有相当一部分属于第三产业性质的工作，第三产业的比例随之增加。

6 方差分解

方差分解是通过将每一个内生变量分解为结构冲击各期方差的线性组合，计算结构冲击在不同期限内方差总和占各内生变量总方差的比例来度量结构冲击对内生变量的影响，可以更直观的表示内生变量相互影响程度［10］。因此，通过方差分解可以给出对SVAR模型中的变量产生影响的每个随机扰动的相对重要性的信息［11］。能源强度增量滞后30期的方差分解结果如表1所示。

表1 碳排放强度方差分解

由表1可知，在滞后一期，能源强度、煤炭消耗比重与第三产业比重冲击对碳排放强度的影响均为0;由滞后二期开始，三者对碳排放强度的冲击效应开始显现:在滞后七期，煤炭消耗比重的贡献率达到最大值6.696%，随后开始减弱，在4.3%左右趋于稳定;第三产业比重的贡献率在滞后十七期达到最大值41.434%，随后稳定在40.6%左右的贡献率上;在滞后二十四期，能源强度的贡献率达到最大值9.794%，其稳定值在9.7%左右。由此可见，第三产业比重的贡献度最高，能源强度次之，煤炭消耗比重最小。这与三者对碳排放强度冲击效应分析所得的结果相一致。

7 结论与启示

本文在总结近年来采用因素分解方法分析碳排放强度研究成果的基础上，选取出现频率最高的影响因素:经济增长规模，能源结构，能源强度，产业结构，基于1980—2009年国内的各项数据进行影响因素平稳性检验，并对通过平稳性检验的因素进行脉冲响应函数的相关性分析和方差分解，结论如下:

经过VAR模型构建中的影响因素AR根的平稳性检验表明，以人均GDP所表示的经济增长规模因素与碳排放强度的时间序列不具有回归稳定性;以煤炭消耗比重所表示的能源结构、以单位GDP能耗所表示的能源强度、以第三产业比重所表示的产业结构与碳排放强度的三组时间序列组平稳性良好。

在CP增加的状态下，碳排放增长速度会加快，但在短期内小于GDP的增长速度，因此出现CI与CP的负相关。而在长期内，碳排放的增长速度会随着CP的增加超过GDP的增长速度，造成CI的持续提高;EI对CI的冲击在极短时间内没有效果，在滞后一期出现正向冲击效应，在滞后十五期达到正向最大值0.28%，冲击记忆持久;TIP的合理增加会降低CI，TIP的冲击合理增加越多，CI的减弱效果越明显。当TIP无节制的增大，失去与第一产业与第二产业最佳比例时，产业规模失衡会降低GDP的增长速度，从而造成碳CI分母拉动不足而上升的现象。

将CP、EI、TIP对 CI的冲击效应相比，TIP的冲击效应最强，负向最大值为0.58%，贡献率的最大值为41.434%;EI次之，冲击效应正向最大值为0.28%，贡献率最大值为9.794%;CP最小，冲击效应负向最大值为0.19%，贡献率最大值为6.696%。

根据上述结论，中国降低碳排放强度首先应考虑合理提高第三产业比重，在满足国内对第一产业与第二产业需求的前提下，发展第三产业，进一步扩大第三产业的服务范围与领域，并提高第三产业产品质量，更好地为第一产业与第二产业服务，利用产业结构的合理优化实现碳排放强度的降低;其次降低能源强度，通过技术创新与科技进步提高能源的利用效率，在GDP产出相同的情况下减少能源消耗;随后调整能源结构，降低煤炭消耗比重，同时开发新能源与清洁能源来取代化石能源，从减少单位能耗的碳排放方面，降低碳排放强度。

［1］EIA．World Energy Overview:1996-2006［EB/OL］．http://www．eia．doe．gov/iea/overview．htmly，2010 －05 －12．

［2］张欢，成金华．中国能源价格变动与居民消费水平的动态效应［J］．资源科学，2011，33(5):807－808．

［3］袁伟彦，李文溥．中国货币政策的汇率传递效应及形成机制——基于SVAR与动态一般均衡(DGE)模型的分析［J］．管理世界，2010，(12):53 －64．

［4］Jing You．China’s energy consumption and sustainable development:Comparative evidence from GDP and genuine savings［J］．Renewable and Sustainable Energy Reviews，2011，(15):2984 －2989．

［5］唐国华．技术创新的动态就业效应:基于结构VAR模型的实证研究［J］．科学学与科学技术管理，2011，32(4):72－77．

［6］Monica Carvalho et al．Optimal synthesis of trigeneration systems subject to environmental constraints［J］．Energy，2011，(36):3779－3790．

［7］Md．R．Shammin et al．A multivariate analysis of the energy intensity of sprawl versus compact living in the U．S．for 2003［J］．Ecological Economics，2010，(69):2363 －2373．

［8］董竹，张云．中国环境治理投资对环境质量冲击的计量分析［J］．中国人口·资源与环境，2011，21(8):61－65．

［9］刘卫东，陆大道等．我国低碳经济发展框架与科学基础［M］．北京:商务印书馆，2010:27－45．

［10］张超．产品创新、供求互动与中国经济内生增长研究［J］．科研管理，2011，32(10):18－26．

［11］唐海仕，罗新星．石油价格冲击对我国实际汇率波动的影响程度［J］．系统工程，2010，28(6):40－44．

(责任编辑 胡琼静)

The Correlation Research on Influence Factors of Carbon Emission Intensity in China

Mi Guofang1Liu Guangwei2
(1.School of Statistics and Mathematical，Inner Mongolia Finance and Economics College，Hohhot 010070，China;2.School of Management and Economics，Tianjin University，Tianjin 300072，China)

X16;F205

A

国家自然科学基金 (71162015)，内蒙古应用技术研究资金计划专项。

2012－03－26

米国芳 (1981－)，女，内蒙古呼和浩特人，内蒙古财经大学统计与数学学院教师，博士;研究方向:低碳经济与可持续发展。