中国区域碳排放与影响因素关系的实证分析*——基于省际面板数据

毛明明，孙　建(.重庆工商大学长江上游经济研究中心，重庆400067; 2.重庆工商大学经济学院，重庆400067)



中国区域碳排放与影响因素关系的实证分析*
——基于省际面板数据

毛明明1，孙建2＊＊
(1.重庆工商大学长江上游经济研究中心，重庆400067; 2.重庆工商大学经济学院，重庆400067)

摘要:综合考虑经济增长和能源强度对碳排放量的影响，采取中国30个省市1997－2011年的相关数据，运用面板单位根、协整检验方法和误差修正模型，描述了东中西部地区碳排放总量、GDP总量和碳排放强度的变动趋势，验证了中国各区域间经济增长、能源强度与碳排放量存在长期协整关系，经济规模每增长1%，碳排放将增长1.42%。从短期的误差修正模型结果上看，碳排放与经济增长、能源强度之间存在动态调整机制。

关键词:经济增长;能源强度;面板数据

＊＊通讯作者:孙建(1974-)，男，四川崇州人，博士，硕士生导师，副教授，从事应用数量经济学、产业与组织和政策绩效评价研究.

1　文献规划

在2009年的联合国大会上，胡锦涛总书记向世界作出承诺，到2020年能源消耗的强度要下降40%～45%。近年来雾霾天气的频繁发生，世界各国呼吁要大力发展低碳经济，其内涵是强调发展过程和途径，通过低碳能源技术的开发和经济发展方式的转变，减缓由于经济快速增长，新增能源需求所引起的碳排放增长，以相对较低的碳排放水平，实现现代化建设的目标。因此，经济增长、能源强度如何影响二碳氧化的排放成为低碳经济研究的重要的问题。

近年来，国内外学者对中国碳排放的影响因素做了较多的实证研究。WANG等(2005)采用LMDI方法对我国1957－2000年的CO2排放进行分解，结果表明能源强度是减少CO2排放的最重要的因素［1］;徐国泉，等(2006)的研究结果显示经济增长是拉动我国人均碳排放的主要原因［2］; FAN Y等(2007)运用AWD方法对我国1980－2003年期间的碳排放强度做了实证分析，研究结果认为我国碳排放强度下降的主要原因是由于实际能源强度的降低所致［3］。

从以上文献可知，碳排放受到能源强度和经济增长的影响。而国内学者研究经济增长与碳排放之间的实证分析较多，如蔡静霞等(2013)取黑龙江省1990－2009年的数据，对碳排放与经济增长协整关系进行实证分析与检验，结果表明，从长期看，黑龙江省碳排放与经济增长之间存在长期的均衡关系［4］;田云等(2013)研究武汉市碳排放与经济增长间的关系，结果表明，长期来看，碳排放与经济增长之间存在长期均衡关系［5］;姚韬(2014)对我国能源消费、碳排放和经济增长的相关性进行了实证分析，结果表明我国的碳排放量与GDP增长率之间存在着长期稳定的均衡关系［6］;吴振信等(2012)基于中国30个省市区2000－2009年的面板数据，研究中国经济增长、产业结构对碳排放的影响，结果表明，碳排放量和经济增长、产业结构分别存在长期均衡的协整关系［7］;李湘玲等(2013)构建了产业结构与碳排放量的误差修正模型，结果发现，产业结构重型化趋势与碳排放量之间存在长期动态均衡关系［8］。

上述相关文献为研究中国分地区碳排放与GDP、能源强度之间的关系提供了有力借鉴，研究与上述研究存在不同:首先，采用“电(热)碳分摊”原则对中国30个省市区1997－2011年面板数据进行碳排放核算，并划分东中部地区;其次运用协整、误差修正模型研究碳排放与GDP、能源强度之间的长期均衡关系和短期动态关系。

2　研究方法、模型设定以及数据处理

2.1研究方法

20世纪70年代以前的建模技术都是以“经济事件序列数据平稳”这一前提设计，而Granger首先提出若经济序列不平稳的状况下，可能出现虚假回归的现象。1987年Engle和Granger指出，若各变量是同阶单整，可进行协整检验，从而提出碳排放量与GDP和能源强度是否存在长期均衡关系，并在此基础上建立误差修正模型，说明碳排放量与GDP和能源强度的短期波动的影响。现分别介绍研究所需的面板单位根检验、协整检验和误差修正模型等方法。

2.1.1面板单位根检验

对面板数据考虑下面的AR(1)过程:

式(1)中，xit表示模型中外生变量向量，包括各截面的固定影响和时间趋势。N表示截面成员的个数，Ti表示第i个截面成员的观测时期数，参数ρi为自回归系数，随机误差项μit相互满足独立同分布假设。可见，对于式(1)中所表示的AR(1)过程，如果ρi＜1，则对应的序列为平稳序列，如果ρi=1，则对应的序列为非平稳序列。

根据对式(1)中参数ρi的不同限制，可以将面板数据的单位根检验方法分为两大类。一类为相同单位根情形下的单位根检验，这类方法假设式(1)中参数ρi满足ρi=ρ;另一类为不同根情形下的单位根检验，这类检验方法允许面板数据中各截面序列具有不同的单位根过程，即允许假设式(1)中参数ρi跨截面不同。相同根情形下的单位根检验方法主要有LLC［9］检验、Breitung检验、Hadri检验;不同根情形下的单位根检验方法主要有IPS检验、Fisher-ADF［10］检验、Fisher-PP［10］检验。上述6种检验中，除Hadri检验的原假设是面板数据中的各截面序列都不含有单位根，其余5种单位根检验的原假设均是面板数据中各截面序列存在单位根。

2.1.2面板数据的协整检验

面板数据的协整检验方法可以分为两大类，一类是建立在E-G两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;另一类是基于回归系数为基础的面板协整检验，具体方法是Johansen协整检验。Gutierrez(2003)运用Monte Carlo模拟对协整检验的几种方法进行了比较，认为在T较小(大)时Kao检验比Pedroni(1999)检验有更高(低)的功效。

Kao(1999)首次提出虚假面板回归问题，讨论的模型形式为

在假设zit={μi}的条件下，此时LSDV模型为

DF检验基于回归方程êit=ρêit－1+vit，êit是LSDV模型中eit的估计量，原假设H0∶ρ=1，即不存在协整关系。检验统计量为

其中式(4)、(5)中，

2.1.3面板误差修正模型(ECM)

若变量之间是协整的，则它们之间存在长期均衡关系，然而，在短期内，这些变量间的关系可能是不均衡的。变量间这种短期不均衡关系的动态结构可以误差修正模型(EMC)。以一阶ADL模型为例，推导出ECM。

即

2.2数据说明

为了研究各地区间碳排放量和GDP、能源强度影响的不同，现根据国家统计局口径将中国分为东中西部地区，测算区间为1997－2011年。由于西藏的能源消费数据不全，因此西部地区不包括西藏。为了消除价格波动和其他因素对数据可比较性的影响，各省市的GDP均以1997年不变价格计算。根据《中国能源统计年鉴》，将最终的能源消费划分为9种，分别为煤炭、汽油、柴油、天然气、煤油、燃料油、原油、电力和焦炭。鉴于统计的各种能源的原始数据为实物统计量，测算碳排放时需将其转化为标准统计量。4类能源的转换系数及碳排放系数如表1所示，转换系数的计量单位，电力为t标准煤/万kWh，其余能源的单位为t标准煤/t，碳排放系数的单位为t碳/t标准煤。

表1　各类能源的标准煤转换系数和碳排放系数

3　中国区域GDP、碳排放强度和碳排放差异比较

3.1碳排放区域比较

图1描述了东中西部地区的碳排放量的变动情况。可以看出，东部地区的碳排放量最高，其次是中部和西部。1997年以来，东部地区的碳排放量以每年9.09%的增速逐年递增。从1997－2011年间碳排放量增加了151 733.03万t，年平均增加10 838.07万t。中部地区的碳排放量以每年8.44%的增速逐年递增，1997－2011年碳排放量增加了95 566.78万t，年平均增加6 826.20万t。西部地区的碳排放量以每年9.15%的增速逐年递增，1997－2011年碳排放量增加了56 092.39万t，年平均增加4 006.60万t。

图1　1997－2011年东中西部地区的碳排放量变化趋势

3.2实际GDP的区域比较

图2描述了东中西部地区的实际GDP的变动情况。可以看出，东部地区的实际GDP明显高于中西部地区。1997－2003年各地区实际GDP的增长较缓慢。1997年以来，东部地区的实际GDP平均每年以2.43%的增速增加。从1997－2011年间实际GDP增加了17 694.57亿元，年平均增加1 263.90亿元。中部地区的实际GDP平均每年以2.87%的增速逐年递增，1997－2011年实际GDP增加了9 709.18亿元，年平均增加693.51亿元。西部地区的实际GDP平均每年以3.08%的增速递增，1997－2011年实际GDP增加了5 512.01亿元，年平均增加393.72亿元。

图2　1997－2011年东中西部地区的实际GDP变化趋势

3.3碳排放强度的区域比较

图3描述了东中西部地区的碳排放强度的变动情况，碳排放强度是指每单位国内生产总值的增长所带来的二氧化碳排放量。可以看出，东部地区的碳排放强度明显低于中西部地区，中西部地区的碳排放强度变化趋势相近。1997年以来，东部地区的碳排放强度的年均增长速度最快，平均每年以6.78%的速度增加。中、西部地区的碳排放强度平均每年以5.37%，5.95%的速度逐年递增;在1997－2011年，东中西部地区的碳排放强度增加了2.01(t/万元)，2.44(t/万元)，2.70(t/万元)。

图3　1997－2011年东中西部地区的碳排放强度变化趋势

4　实证结果和分析

4.1面板数据单位根检验

选用上述方法中的LLC，IPS，ADF，PP的检验方法对碳排放的对数、实际GDP的对数、能源强度以及其一阶差分进行单位根检验，4种方法的原假设均为“存在单位根”，即序列是非平稳的;检验结果如表2示。

由表2知，除个别情况外，对全国和东中西地区CAR，GDP的对数和能源强度的原值进行单位根检验时，检验结果在1%的显著性水平下，都表明接受原假设，即ln CAR、ln GDP、能源强度是非平稳的;而对全国和东中西地区CAR、GDP的对数和能源强度的一阶差分进行单位根检验时，检验结果在1%的显著性水平下，都表明拒绝原假设，即ln CAR、ln GDP、能源强度是平稳的;因此综合认为ln CAR、ln GDP、能源强度都是I(1)过程，即ln CAR、ln GDP、能源强度的面板数据为一阶单整的。由于上述数据在应用最小二乘法估计时可能导致伪回归，所以必须要分析相关变量的协整关系，进而分析理论模型的长期均衡关系。

表2　碳排放、实际GDP的对数和能源强度及其一阶差分的面板单位根检验结果

4.2面板数据协整检验

为防止伪回归线性的出现，现进行面板数据的协整检验，以检验各个非平稳状态下的序列之间是否存在协整关系。采用Kao检验的方法，以回归的残差序列为基础进行面板协整检验。全国及东中西地区的协整检验结果如表3所示。从表3的协整关系可知:全国及东中西地区的ADF统计量在5%的显著性水平下拒绝“不存在协整关系”的原假设。由此可知，可建立我国各省地区碳排放的面板协整方程为

它表明了我国东中西地区碳排放量和GDP、能源强度之间的长期均衡关系。

表3　ln CAR、ln GDP、NYQD的协整检验结果

4.3面板协整方程估计及分析

由于全国及东中西地区ln CAR、ln GDP、NYQD之间的协整关系是成立的，因此可分别对其数据进行估计。考虑到各个地区之间经济增长和能源强度的差异性，故采取地区固定效应的方法，Hausman检验和似然比检验也证实了这一点。检验结果如表4示:

表4　Hausman检验和似然比检验

从表4可以看出，估计面板协整方程时，应采取地区固定效应的方法，同时为了消除截面数据的异方差和自相关问题，采取在面板数据的计量分析过程中常使用的PEGLS(Pooled Cross－section weights Least Squares)方法的变系数模型具体分析各省份之间的经济增长和能源强度对碳排放的影响，同时使用面板EGLS的方法估计各地区间的长期均衡方程。面板数据模型估计结果如表5示:

表5　面板协整的参数估计结果

续表5

表5结果表明:除个别省份，ln GDP，NYQD的系数在5%的显著性水平下统计显著。同时可以看出，在全国范围上，GDP对碳排放的弹性系数为1.42，能源强度对碳排放的系数为0.17，说明在其他因素不变的情况下，全国的GDP每增加1%，其碳排放平均将增加1.42%;在其他因素不变的情况下，全国的能源强度每增加1个单位，其碳排放量平均将增加0.17%。

东中西地区，GDP对碳排放量的弹性系数最大的是中部，其次分别是东部和西部，说明中部地区的GDP的增长对于碳排放的贡献较之东西部而言要高;而能源强度对碳排放量增长的系数最大的是东部，其次分别是西中部地区，说明对于东部发达地区，若能够提高技术水平，降低能源强度，对碳减排有着重要的意义。

东部地区，GDP对于碳排放量的弹性系数排在前5位的分别是上海、北京、天津、河北、辽宁;而能源强度对于碳排放增长的系数排在前5位的分别是福建、广东、江西、浙江、广西。

中部地区，GDP对于碳排放量的弹性系数排在前5位的分别是山西、湖南、吉林、黑龙江、江西;而能源强度对于碳排放增长的系数排在前5位的分别是江西、湖南、河南、安徽、湖北。

西部地区，GDP对于碳排放量的弹性系数排在前5位的分别是新疆、贵州、云南、甘肃、青海;而能源强度对于碳排放增长的系数排在前5位的分别是四川、重庆、云南、陕西、青海。

全国及东中西部地区的协整方程表明，1997－2011年间，碳排放总量与GDP和能源强度存在着稳定的长期均衡关系，所有变量在5%的置信水平下通过统计量检验，且模型具有较高的拟合度。从协整结果来看，长期内，GDP和能源强度同碳排放呈正相关关系。这和国内大部分研究结论基本一致，GDP和能源强度增加提高了碳排放。

4.4建立误差修正模型(ECM)

上面讨论的协整方程只是表现了变量之间的“长期均衡”关系，而没有考虑各变量在短期不均衡下的情况，而实际经济数据却是由“非均衡过程”生成的，因此建模时需要用数据的动态非均衡过程来逼近经济理论的长期均衡过程。最一般的模型是自回归分布滞后模型(ADL)，通过SC和ACI准则，可判断应为一阶自回归分布滞后模型，因此为了研究面板序列变量之间长期均衡与短期调整之间的关系，可建立如下误差修正模型:

其中的差分项反映了变量短期波动的影响; ECM为误差修正项，反映了GDP和能源强度与碳排放量在短期波动中偏离它们长期均衡关系的程度，其系数大小反映了对偏离长期均衡的调整力度。

对误差修正模型的估计方法为E－G两步法，在估计协整方程时可获得误差修正项，进而利用OLS方法估计误差修正模型，表6为全国及东中西地区的误差修正模型的估计结果:

表6　全国及东中西地区的误差修正模型的估计结果

模型中，各差分项反映了变量短期波动的影响。被解释变量ln CAR的波动被分解为两个部分:长期均衡和短期波动。长期均衡如表5所示;短期波动情况为GDP的变动和能源强度的变动在当期引起碳排放量相同方向的变化，即当其他情况不变下，GDP增长1%，将引起当期碳排放量增长94.05%;当其他情况不变下，能源强度增长1%，将引起当期碳排放量增长17.91%。误差修正项ECM的系数反映了对偏离长期均衡的调整力度，符号为负，符合反向修正机制。本期对上期系统偏离长期均衡的调整力度最大的是东部，为－0.118 1，其次为西部和中部。整理来看，我国本期对上期系统偏离长期均衡的调整力度为－0.051 2，调整幅度不是很大说明影响碳排放的因素众多，不止是各地区的GDP和能源强度。

5　结论和建议

(1)从碳排放总量上看，东部地区的碳排放量最高，其次是中部和西部。1997－2011年，全国每年的碳排放量为24.555 9亿t，其中，东部地区年碳排放量为12.335 7亿t，占全国年碳排放量的50.23%;中西部地区的年碳排放量分别为7.936 1、4.284 2亿t，分别占了32.32%，17.45%。从实际GDP总量的变化趋势上看，东部地区的实际GDP明显高于中西部地区。从东中西部地区的碳排放强度的变动情况上看，东部地区的碳排放强度明显低于中西部地区，中西部地区的碳排放强度变化趋势相近。1997－2011年间，东部地区的平均碳排放强度为2.45 t/万元，中西地区的平均碳排放强度分别为3.45、3.51 t/万元。

(2)从全国(指除西藏外的其他30个省、自治区、直辖市的样本数据)来看，各省、市、自治区的面板数据得出的结果表明: ln CAR、ln GDP和NYQD之间存在显著的协整关系，这种协整关系意味着在长期，GDP的增长和能源强度的改变能够显著地影响碳排放的增长。

(3)分地区看，东中西部地区的面板数据结果证实了GDP、能源强度和碳排放量存在着长期均衡关系，说明各地区的碳排放的增长在很大程度上是由于经济的快速增长和能源强度。

(4)从各地区协整结果，可以发现，在长期当其他情况不变的情况下，各地区GDP每增长1%，中部地区碳排放增长的幅度最大，为1.831%，西部地区碳排放增长幅度最小，为1.179 9%。说明，在1997－2011年间，中部地区经济的发展贡献的碳排放高于西东部地区，因此，为实现低碳经济，在发展经济时，应适当放缓中部地区经济发展的速度，提高西部地区的经济增长速度。

(5)从能源强度上看，其他条件不变的情况下，能源强度每下降一个单位，东部地区碳排放下降的幅度最大，为0.350 1%，中部地区碳排放下降的幅度最小，为0.125 2%。说明，各地区间技术水平确实存在差异，东部地区对能源利用效率较弱，应大力改善东部地区的技术水平。

(6)从短期的误差修正模型结果上看，碳排放与经济增长、能源强度之间存在动态调整机制，非均衡误差项的存在能够保证碳排放与经济增长、能源强度之间存在长期均衡关系。调整机制中，东部地区的调整力度最大，其次是西部、中部。但整体调整幅度不是很大，说明影响碳排放的因素众多，不止是各地区的GDP和能源强度。而产业结构和能源结构对碳排放也存在一定的影响。

参考文献:

［1］WANG C.Decomposition of Energy-related CO2Emission in China: 1957-2000［J］.Energy，2005，30(1) : 73-83

［2］徐国泉.中国碳排放的因素分解模型及实证分析: 1995-2004［J］.中国人口.资源与环境，2006(6) : 158-161

［3］FAN Y.Changes in Carbon Intensity in China: Empirical Findings from 1980-2003［J］.Ecological Economics，2007，62(3-4) : 683-691

［4］蔡静霞，齐秀辉，乔朋华.碳排放与经济增长协整分析——基于黑龙江省的实证分析与检验［J］.科技管理研究，2013(4) : 214-218

［5］田云，张俊飚.碳排放与经济增长互动关系的实证研究——以武汉市为例［J］.华中农业大学学报:社会科学版，2013(1) : 118-121

［6］姚韬.能源消费碳排放和经济增长关系的实证性研究［J］.中国管理信息化，2014，17(2) : 32-35

［7］吴振信，谢晓晶，王书平.经济增长、产业结构对碳排放的影响分析－－基于中国的省际面板数据［J］.中国管理科学，2012，20(3) : 161-165

［8］李湘玲，钟艳，史常亮.产业结构重型化对碳排放影响的实证研究——基于协整和ECM检验［J］.资源开发与市场，2013，29(9) : 932-935

［9］MADDALA，WU G S.A Comparative Study of Unit Root Tests with Panel Data and a New Simple Test［J］.Oxford Bulletin of Economics and Statistics，1999(61) : 631-652

［10］IM K S，PEASARAN M H，SHIN Y.Testing for Unit Roots in Heterogeneous Panels［J］.Journal of Econometrics，2003(115) : 53-74

［11］中国科学院可持续发展战略研究组.2009中国可持续发展战略报告——探索中国特色的低碳道路［M］北京:科学出版社，2009

An Empirical study on the Relationship between Regional Carbon Emissions and Influencing Factors in China——Based on Provincial Panel Data

MAO Ming-ming1，SUN Jian2
(1.Research Center of the Economy of the Upper Reaches of the Yangtze River，Chongqing Technology and Business University，Chongqing 400067，China; 2.School of Economics，Chongqing Technology and Business University，Chongqing 400067，China)

Abstract:In comprehensive consideration of the impact of economic growth and energy intensity on carbon emission，based on the related data of 30 provinces during 1997－2011 in China，by using the panel unit root，cointegration test methods and error correction model，this paper describes the change trend of the amount of carbon emission，total GDP，carbon emission intensity in the eastern，middle and western regions，and verifies that there is long-term co-integration relationship among economic growth，energy intensity and carbon emission in each region of China.1% increase of economic scale causes 1.42% increase of carbon emissions.Judging from the results of short-term error correction model，there is a dynamic adjustment mechanism among energy intensity，economic growth and carbon emissions.

Key words:economic growth; energy intensity; panel data

中图分类号:F224.2

文献标识码:A

文章编号:1672－058X(2015) 06－0021－09

doi:10.16055/j.issn.1672－058X.2015.0006.005

收稿日期:2014－10－20;修回日期: 2014－11－25.

*基金项目:国家社会科学基金项目(12XJY016; 13BJY024).

作者简介:毛明明(1989-)，女，河南濮阳人，硕士研究生，从事计量经济研究.