中国经济增长对碳排放量的非线性效应研究

侯燕

（郑州航空工业管理学院经贸学院，河南郑州450046）

中国经济增长对碳排放量的非线性效应研究

侯燕

（郑州航空工业管理学院经贸学院，河南郑州450046）

文章使用非线性STR模型，分析2000-2015年间中国经济增长对碳排放的影响过程及结果。研究表明：Granger因果检验显示，人均GDP对人均碳排放量的变动存在单向影响关系；碳排放具有极强的惯性和累积性，上一期碳排放量和上一期经济增长对当期碳排放量都有显著正向影响；碳排放量增长具有典型的非线性效应，并出现了阶段性特征。其中，2000-2003年为线性特征，2004-2012年存在非线性效应，2013-2015年存在线性特征。这种线性与非线性之间的转换关系基本反映了中国近十五年来产业结构和投资结构的变化态势。现阶段需从能源供给结构、生产端和消费端进行综合能源结构的调整，通过构建各地区合理的碳排放约束性目标，实现碳排放与地区经济均衡发展的综合效应。

经济增长；碳排放量；非线性效应

一、引言

中国经济高速增长的同时也伴随着碳排放量的迅速增加。根据王喜等（2016）测算，1990-2010年间，以不变价格计算，我国GDP实际增长了6.32倍，对碳排放增长的平均贡献率达到199.1%［1］。究其原因，以工业为主的产业结构和以煤炭、石油等化石能源为主的能源消费结构推动区域人均收入和化石能源消费的提高，会转为高化石能源，对碳排放产生了强劲的驱动作用［2］。

鉴于碳排放引致全球变暖和社会经济损失增加，1990年代以后，一些发达国家率先进入了关于地区经济增长对碳排放响应的实证研究，并据此为动态测评区域经济与环境协调发展政策提供借鉴。Holtz-Eakin and Selden（1995）分析了CO2排放量同人均GDP的关系［3］；Brooks N（2003）认为，世界经济增长趋势伴随着人口增长、快速城市化和化石能源消费的增加，依次对对碳排放产生影响［4］。IPCC（2007）指出，发展中国家对经济增长的强烈愿望，以及缺乏足够技术和资金投入，这些地区单位GDP碳排放量较发达国家为高［5］。

实证研究方面，许多学者均设定了各自的经济计量模型对二者的相互影响关系进行验证。Roberts J T and Grimes P E（1997）采用世界银行1962-1991年的数据，分析不同收入水平国家（高、中、低）CO2排放强度与人均GDP的关系，证实二者之间存在倒U形关系［6］。Fosten et al（2012）采用非线性门限协整方法和误差修正模型（VECM）等分析了英国工业发展与碳排放的EKC曲线，证实CO2排放量与人均GDP之间EKC假设的存在［7］。Onafowora and Owoye（2014）采用ARDL模型，运用1970-2010巴西、日本、韩国、中国等时间序列数据，结果发现仅日本和韩国碳排放与GDP之间均存在着“倒U型”曲线关系，其余国家无法验证EKC假说［8］。Almulali et al.（2015）采用固定效应模型，通过对89个国家和地区的碳足迹进行分析，证实GDP对一个地区碳排放存在显著性单向影响［9］。王喜等（2016）基于LMDI模型，对中国1990-2010年不同尺度区域的碳排放增长的影响因素进行分解，发现经济发展是碳排放增长的最主要因素，产业结构调整和人口增长对碳排放增长也起到一定的促进作用［1］。黄蕊等（2017）利用EMRICS模型，模拟计算了征收碳税和硫税后对中国经济发展和碳减排影响，认为基准情景下，中国经济将保持不断增长的趋势，受技术进步和碳排放强度下降的影响，碳排放呈现环境EKC特征［10］。

除此之外，Jayanthakumaran et al（2012）证实一个地区高碳排放具有极强的惯性［11］。这是由于以高碳排放为主的产业结构具有稳健的路径依赖性，对产业结构调整存在短期收益减少的预期和地方政府GDP增长压力的增大降低了其自主实施碳减排的动力。同时，高度依赖高碳生产方式的地区和国家很难向低碳产业模式转型，更倾向于维护既有生产模式和能源消费模式，这些都会促使碳排放量的持续增长［12］。Chow and Li（2014）采用OLS模型，证实发展中国家多存在极强的高碳排放惯性，概因环境寻租的普遍存在和监管机制的滞后，会进一步强化这种结果［13］。而在中国，财税分割体制使得地方政府有着较大的扩张地方财政收入的冲动，政府高碳工业发展导向和城市扩张则加强了这种冲动的蔓延［14］。缺乏足够的制度约束和自下而上的参与式减排，长期而言，中国仍将在较长时间内维持高碳排放格局。

纵观已有结果，研究者大多通过一国或一个地区长时间序列的面板数据，在碳排放量（或碳排放强度）与人均GDP或人均GDP平方之间建立相关性进行回归分析，验证二者之间的相互关系，得出了较为广泛的结论［15］。借鉴已有成果可以较好地优化现有产业结构，促进地区经济增长的同时实现碳排放量的减少。但是，经济增长对碳排放量变动的影响机制十分复杂，目前所应用的模型实际上多为线性模型，其隐含的假设是所有的经济增长速度对碳排放的影响都具有同一结果，而这一假定通常难以符合现实。源于碳排放的历史累积性和长期性，不同经济增长阶段和增长速度对碳排放量变动的传导机制很可能产生不同的非线性结果。且能源消费方式、对外开放程度、资本投入、产业结构变迁等诸多因素通过经济增长对碳排放量的动态变动产生联合影响会降低线性模型解析现实问题的准确性和可行性［16］，据此得出的结论也可能存在偏颇。

二、数据来源与研究方法

（一）数据来源及预处理

根据STR模型构建的要求，指标须具有一定代表性，且数据易得。因此，根据以上要求，本文选取人均GDP为经济变量（YGDP），选取人均碳排放量反映中国碳排放变化（YCo）。化石能源是主要的碳排放源。因此，以2000-2015年煤炭、石油和天然气等主要能源消耗量为基础，参考徐国泉等（2006）物料衡算法和碳排放系数的估算结果［17］，煤炭、石油、天然气的碳排放系数分别为0.732 9tC/t、0.557 4tC/t和0.422 6tC/t。能源数据来自于《中国能源统计年鉴》（2000-2015），其他相关数据来自于《中国统计年鉴》（2000-2015年）。由于对数据进行对数处理不会改变数据原有特征，且因为减少异方差性而降低估计偏误，因此，所有数据均采用对数形式进入模型分析（ln YGDPt，ln YCot），并以2000年为基本年进行平减。△lnYGDPt和△lnYCot分别表示lnYGDPt和lnY⁃Cot的一阶差分。△lnYGDP（-t）和△lnYCo（-t）分别表示lnYGDPt和lnYCot的t阶滞后项。

（二）研究方法

参考Shahbaz et al.（2013）［18］和Chow and Li（2014）［13］等所采用的方法，同时，在考虑碳排放存在历史累积性特征基础上，构建碳排放量与经济变量之间的基本模型为：

其中，p为人均碳排放量的滞后阶数，q为人均GDP的滞后阶数，εt为随机干扰项。

Granger&Terasvirta（1993）认为线性模型无法刻画非线性效应的因果传导机制，且难以完全解决影响渠道检验过程中的识别问题［19］，因此，将线性模型拓展为非线性光滑转换模型（STR），以期较好的描述经济增长变量对人均碳排放量的影响。其基本表达式为：

其中，YGDPt=(1,YGDP1t,…,YGDPpt),有p=k+m,此时解释变量被分解为线性部分和非线性部分：

线性部分：

式（2）不仅能反映经济增长对碳排放量变化的线性关系，还较好的刻画二者的非线性特征。st为转化变量，其值的变化表征一种形态向另一种形态的转化。转化变量st可以为滞后的内生变量，也可以是外生变量。ut-N(0,σ2)是随机误差项。参数γ是斜率参数，决定迁移的速率，γ＞0是一个识别性约束条件。斜率越大，表明两种机制转换的速度越快，反之亦然。γ趋向于零时，方程（2）则退化为典型的线性回归模型。c=(c1,…,ck)是位置参数向量。模型，k=2时称为LSTR2模型。当G(γ,c,s)=1-exp [-γ(st-ck)2]，且γ＞0，方程（1）是ESTR（Logistic Smooth Transition Regression）模型。

二、实证及结果分析

（一）数据检验

本文利用首先需对时间序列变量lnYGDPt和lnYCot进行单位根检验。带有趋势项和截距项的PP检验统计量的值为-1.097和-1.674，lnYGDPt和lnY⁃Cot皆不平稳。但对二者进行一阶差分之后的两序列进行单位根检验，PP检验统计量的值分别为-10.111和-12.232，在5%的统计水平下均拒绝原假设。说明一阶差分也是平稳的。

STR模型要求必须事先确定变量间是否存在相互决定关系，因此，在分析经济增长与碳排放之间的关系之前，需对二者进行Granger因果检验。因果检验结果见表1所列。在滞后一阶的情况下，在5%的显著性水平下，lnYGDPt对lnYCot的变化存在单向的Granger因果关系。也即经济增长是碳排放量变化的直接驱动因素。

表1 Granger因果关系检验

（二）模型估计

根据上文检验结果，运用Jmulti4.15软件的迭代算法估计模型的线性部分。首先确定线性模型中包含变量的滞后阶数。通过对比lnYGDPt的1-3滞后项和lnYCot的0-2滞后项，得出9种滞后组合的估计结果。根据AIC和SC准则及变量的t值和方程的DW值获知理想的滞后阶数，最终选择滞后组合（2，0）部分的估计结果，确定线性模型回归形式（括号内为t值）：

从式（2）回归结果可知，上一期的碳排放量显著影响当期碳排放量，说明碳排放量的变动存在明显的累积效应和增长惯性。lnYGDPt和lnYGDPt-1对碳排放量的变动影响均正向显著，且上一期lnYGDPt-1对lnYCOt的影响较之当期lnYGDPt更为显著。在中国经济发展过程中，无论是当期还是上一期，GDP的增长都能显著增加碳排放量。

如前所述，经济增长对碳排放的影响极为复杂，因此，为了更准确反应二者之间的动态和复杂的因果关系。本文在线性方程分析结果基础上，借助STR模型进行非线性特征检验。首先借助Teräsvirta T（1996）提出的处理方法进行非线性特征检验［20］。利用泰勒展开式对转换函数在γ=0处进行三阶泰勒展开，可得辅助回归方程（4）：

此处，ρi=(ρi0,ρi1,…,ρim)是系数向量。零假设H0:ρ1=ρ2=ρ3=0。若拒绝零假设，则证明本文中经济增长对碳排放量的变化有着显著的非线性关系。

若能确定变量间存在非线性关系，采用Teräsvir⁃ta T（1996）给出的系统检验法，对式（4）的系数ρj(j=1,2,3)按照如下顺序依次进行检验：

H03:ρ3=0;H02:ρ2=0|ρ3=0;H01:ρ1=0|ρ2=ρ3=0

在上述三个假设检验中，根据P值大小确定转化函数和转化变量。拒绝H02的P值最小则选择ESTR模型，否则选择LSTR模型。通过将lnYCOt滞后一期序列和lnYGDPt滞后1期和滞后2期，3期逐一作为转换变量，分别计算F统计量值及伴随概率。最终选择lnYGDPt-2为转换变量。

根据表2可知，当以lnYGDPt-2为转换变量时，在1%显著性水平下，拒绝模型为线性的原假设，即lnYCOt和lnYGDPt之间存在非线性关系。而根据转换变量选择原则，H02假设下的F统计量P值最小，此检验得出的模型是ISTR1模型。

表2 线性假设检验及转换函数的选择结果

在确定模型为LSTR1模型之后，根据本文代表性变量含义，根据方程（2），最终可得如下非线性回归模型：

c的取值区间为［20.463，62.011］，g为［0.50，10.00］。使用二维网格搜索法确定模型初始值，赵进文等（2012）对参数值选取方法有详细分析，本文不再赘述［21］。所得模型的估计结果见表3所列。

表3 LSTR1模型估计结果

由表3可得LSTR模型如下：

1-exp[-67.264×(lnYGDPt-2-56.107)]-1

其中，式（6）所得残差序列能通过自相关LM检验、异方差ARCH-LM检验，以及正态性J-B检验，表明LSTR模型符合序列无关、同方差和正态性假设要求。说明在5%的显著性水平下并不存在残余的非线性。R2值为0.892，且表3的AIC和SC统计量值较方程（3）显著下降，说明非线性STR模型较好的刻画了人均碳排放量随着lnYGDPt-2的变化，对经济增长变量显示出明显的非对称性。

（三）结果分析

从式（6）分析结果可知，LSTR模型中线性部分中，当期人均碳排放量不仅受lnYGDPt的影响，还同时受滞后项lnYGDPt-1和lnYCot-1的影响。从估计结果可看，当期人均GDP每增长1%，人均碳排放量增长0.729%，而上一期人均GDP每增长1%，人均碳排放量增长0.142%。表明我国经济增长对碳排放的影响不仅有当期的影响，还通过上一期的经济增长对碳排放量的增长产生显著的正向推动作用。上一期的人均碳排放量对其自身的影响也为正，供给弹性为0.318，说明我国碳排放量的变动具有较强的持久性（或惯性）。这种惯性和上一期经济增长对当期碳排放的影响，即可以反映碳排放存在极强的历史累积性，也说明我国经济增长对化石能源的过度依赖性和现有碳减排措施的滞后性。

从表3可知，模型的非线性部分较好地体现了外生变量，即GDP的变化对我国碳排放量的变动影响。lnYGDPt-2表明前两期的人均GDP是当期YCot的重要影响因素，其影响了外生变量人均碳排放量的作用程度。较之线性部分，非线性部分的作用增加了当期人均GDP变动对碳排放量变动的影响程度。此外，YCot-1和YGDPt-1对当期人均碳排放量都表现为正向影响，且YGDPt-1系数为0.632，更为显著。因此，非线性部分主要由YGDPt-1刻画，而非YCot-1。与线性相比，非线性部分的上一期人均GDP的变动显著也增加了人均碳排放量，且影响程度较线性部分为高（为线性部分的近两倍）。经济增长程度对碳排放量变动的影响程度，主要依靠转换函数值大小确定。若转换函数值接近于零，LSTR模型退化为线性模型，则经济变量对碳排放量影响较小。反之亦然。

门限值c为56.107，表明转换变量lnYGDPt-2超过此门限值时，非线性部分作用显著增强，经济增长对碳排放量的变动产生非线性效应。当lnYGDPt-2等于门限值（c）时，转换函数等于0，此时公式（5）中的非线性部分消失，LSTR模型转化成线性模型。从转化函数的估计结果可知，表征不同机制间转换速度的γ=67.264，说明模型中非线性部分的转换速率较快，非线性部分对碳排放量的变动影响很大。一旦GDP总量发生快速增长或者下降，即能够对碳排放总量的增加或减少迅速产生影响。之所以产生这种非线性影响，是由于当期的GDP变化出现剧烈波动时，我国以第二产业为主的产业结构和以煤炭、石油和天然气等为主的高碳能源消费结构必然对碳排放产生剧烈影响。这种经济增长的路径变化改变了对能源的需求，故而经过一定传导时滞的碳排放必然产生剧烈的变动。

LSTR模型的转换函数示意图（图1）较好的反映了整个研究期人均GDP与人均碳排放量变动的线性和非线性变化态势。从图1可知，是2000-2003年，转化变量lnYGDPt-2小于门限值c，此时LSTR退化为典型的线性模型。即该阶段，经济增长与碳排放之间主要表现为显著的线性关系。该阶段形成的可能原因在于，世贸组织的加入，促使了我国外向型经济的迅猛发展，也改变传统以东南亚为主的狭小的出口格局。与之相关的产业链条迅速完善，逐步构筑了门类齐全、产业结构趋向完整的经济增长框架。但该阶段是我国经济增长的储备阶段，规模较小的经济体量难以通过增加能源消耗成本对碳排放产生更为显著的影响，二者整体变化出现显著的同向性。

图1 转化函数曲线

2004-2012年间，转化变量lnYGDPt-2大于门限值c，中国经济增长对碳排放的非线性影响逐渐趋强，但伴随着一系列小的波动。特别是2008-2009年间，尽管转化函数趋近于0，但非线性部分始终没有消失。在2010年之后，非线性效应进一步增强。由此可知，2004年之后，中国经济增长与碳排放之间的关系更为复杂，非线性特征表现得十分明显并存在极强波动性，持续时间也较长。2004年之后，以固定资产投资为主的GDP增长模式和部分地区对房地产业的过度依赖对中国碳排放产生了根本性影响。国内国际能源价格通过产业结构的变化和投资拉动型增长方式的强化迅速提高了碳排放总量。粗放式、高耗能的生产方式和消费方式十分普遍，部分地区甚至需要通过拉闸限电的方式保证居民用电。2010年之后，即使国家开始实施碳减排指标地区分解，仍难以改变产业高度集中在建筑、第二产业和交通运输为主的高能耗的产业格局，加之缺乏价格、总量控制、排污权交易等一系列市场手段的配合，碳排放总量仍然高企。近年来我国正在进行的产业结构调整、去产能和供给侧改革，会对经济增长产生短期波动，但对碳减排的影响可能尚难以发挥显著作用。但期间又因再生能源科技进步，加上政策翻转，能源市场产生某种质变，对碳排放量的变化产生显著影响。例如2011年之后，新电力供应中有接近半数来自再生能源，使得来自能源供给的碳排放总量下降，到2012年，我国碳排放强度降幅大于单位GDP下降4.8%的幅度。这种产业格局和能源利用格局的变动是造成2004-2012年间转换函数发生变动的主要原因。

2013-2015年，转换函数lnYGDPt-2复小于门限值c，模型再次转换为线性模型。该阶段，我国的主要基础设施-公路、铁路、机场、港口的年建设量已经达到或者已经很接近最高点，增长乏力甚至会下降，因此，其对重化工产品的需求介于持稳和下降之间。我国出口增速放缓，单位出口产值的二氧化碳排放量也由于产品升级、技术进步以及使用的能源结构的变化而减少。加之国家通过产业结构调整、技术投入、强化指标分解等方式，高碳产业部门有所减少。因此，造成经济增速放缓，碳排放总量有所下降。

四、结论及政策启示

（一）结论

本文借助非线性LSTR模型，利用2000-2015年的时间序列数据，构建了一个关联人均GDP和人均碳排放量的非线性模型，探讨不同时期我国经济增长与碳排放量的动态变化，得出以下基本结论：①较之传统的线性模型，非线性STR模型可以更好地反映经济变量与碳排放变量之间的非对称效应，据此能更好地找到不同阶段我国经济增长对碳排放量变动的影响。②我国碳排放量的变动具有极强的惯性。lnYCo和lnYGDP滞后1期的变化对当期人均碳排放量有极强的正向影响。说明碳排放量的变动有历史依赖性。仍以GDP考核为主的政府官员升迁模式使得地方政府仍过度依赖既有高耗能产业模式，弱的碳排放约束性指标进一步造成前一期GDP增长变化仍对当期碳排放产生显著正向影响。③2000-2003年，我国GDP增长与碳排放量的增长呈现线性关系。2004-2012年，二者表现为典型的非线性特征，且人均GDP对人均碳排放量的非线性传导其转换速度较快。2013-2015年，则又恢复为线性关系。这种线性与非线性之间的转换关系基本反映了我国近十五年来产业结构和投资结构的变化态势。

（二）启示

实行能源消费总量和强度双控制，是党的十八大提出的大方略，是推进生态文明建设的重点任务。综合考虑我国经济社会发展阶段、能源消费趋势变化等因素，本文认为最根本仍需从改变已有能源利用模式和由此形成的制度和措施等入手，调整与之相依而行的产业结构和经济增长模式：

（1）从我国现有产业结构、能源结构和人口规模看，我国经济发展产生的高碳排放量具有其历史合理性。但地方政府若长期盲目维持粗放式的以化石能源为主的工业发展方式和能源消耗模式，将对我国正在实施的供给侧改革会产生极大的负面影响。因此，从经济增长方式转变要求来看，应该更加严格控制我国碳排放总量，提高环境要素价格，强迫其向集约型增长方式转变，这更符合经济可持续高质量发展的要求。

（2）在能源结构方面，亟须根本转变当前以化石能源为主的经济增长模式。优化能源结构，实现清洁低碳发展，是推动能源革命的本质要求，也是我国经济社会向低碳化转型发展的迫切需要。其次，尽管发展和利用新能源是一种长期趋势，但在今后较长时期内，以煤炭为主的化石能源仍是我国的主体能源。因此，仍需制定更为长期的减排目标，走符合中国国情的煤炭清洁开发利用道路。在消费领域，需改善现有居民的能源消费结构，降低消费领域的碳排放等。最终推进整个社会形成资源节约和低碳型的生产生活方式。

（3）合理确定各地区碳排放目标。通过分析不同地区经济发展基础、产业构成、历史排放量等，确定不同地区碳排放量约束性指标，并以强制执行的方式进入官员升迁考核指标。引导地方政府发展低碳产业。同时需兼顾经济发展与碳排放权公平的统一，避免大一统和一刀切碳减排格局造成区域间发展的非均衡。注重发挥市场在资源配置中的决定性作用，发挥政府的监管、引导作用，从法律、法规和政策层面保证市场的顺利运作。

［1］王喜，张艳，秦耀辰，等.我国碳排放变化影响因素的时空分异与调控［J］.经济地理，2016（8）：158-165.

［2］蔡博峰.中国4个城市范围CO2排放比较研究［J］.中国环境科学，2014，34（9）：2439-2448.

［3］Holtz-Eakin D，Selden T M.Stoking the fires？CO2emis⁃sions and economic growth［J］.Journal of public econom⁃ics，1995，57（1）：85-101.

［4］Brooks N.Vulnerability，risk and adaptation：A conceptual framework［R］.Tyndall：Tyndall Centre for Climate Change Research，2003.

［5］Parry M L，Canziani O F，Palutikof J P，et al.Contribution of Working Group II to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change［M］.Cam⁃bridge：Cambridge University Press，2007：92.

［6］Roberts J T，Grimes P E.Carbon intensity and economic devel⁃opment 1962-1991：a brief exploration of the environmental Kuznets curve［J］.World development，1997，25（2）：191-198.

［7］Fosten J，Morley B，Taylor T.Dynamic misspecification in the environmental Kuznets curve：evidence from CO2and SO2emissions in the United Kingdom［J］.Ecological Eco⁃nomics，2012，76（1）：25-33.

［8］Onafowora O A，Owoye O.Bounds testing approach to anal⁃ysis of the environment Kuznets curve hypothesis［J］.Ener⁃ gy Economics，2014，44（3）：47-62.

［9］Almulali U，Saboori B，Ozturk I.Investigating the environ⁃mental Kuznets curve hypothesis in Vietnam［J］.Energy Pol⁃icy，2015，76（5）：123-131.

［10］黄蕊，刘昌新，王铮.碳税和硫税治理下中国未来的碳排放趋势［J］.生态学报，2017，37（9）：1-11.

［11］Jayanthakumaran K，Verma R，Liu Y.CO2emissions，ener⁃gy consumption，trade and income：a comparative analysis of China and India［J］.Energy Policy，2012，42：450-460.

［12］Govindaraju V G R C，Tang C F.The dynamic links be⁃tween CO2emissions，economic growth and coal consump⁃tion in China and India［J］.Applied Energy，2013，104（10）：310-318.

［13］Chow G C，Li J.Environmental Kuznets curve：conclusive econometric evidence for CO2［J］.Pacific Economic Re⁃view，2014，19（1）：1-7.

［14］王伟光，郑国光，潘家华.气候变化绿皮书：应对气候变化报告（2013）［M］.北京：社会科学文献出版社，2013：27-28.

［15］彭立颖，童行伟，沈永林.上海市经济增长与环境污染的关系研究［J］.中国人口·资源与环境，2008，18（3）：186-194.

［16］张向达，张家平.中国城乡收入差距对财产性犯罪率的非线性效应［J］.中国软科学，2016（4）：122-132.

［17］徐国泉，刘则渊，姜照华.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，2006，16（6）：158-161.

［18］Shahbaz M，Khan S，Tahir M I.The dynamic links between energy consumption，economic growth，financial develop⁃ment and trade in China：fresh evidence from multivariate framework analysis［J］.Energy Economics，2013，40（2）：8-21.

［19］Granger C W，Terasvirta T，Anderson H M.Modeling non⁃linearity over the business cycle［M］.Chicago：University of Chicago Press，1993：102-104.

［20］Teräsvirta T.Two Stylized Facts and the Garch（1，1）Mod⁃el［R］.Stockholm：Stockholm School of Economics，1996.

［21］赵进文，丁林涛.贸易开放度，外部冲击与通货膨胀：基于非线性STR模型的分析［J］.世界经济，2012（9）：61-83.

［DOI］10.3969/j.issn.1007-5097.2017.08.015

A Study on the Nonlinear Effects of Chinese Economic Growth on Carbon Emissions

HOU Yan
(School of Economics and Trade,Zhengzhou University of Aeronautics,Zhengzhou 450046,China)

In this paper,the non-linear STR model is used to analyze the impact of Chinese economic growth on the process and result of carbon emissions from 2000 to 2015.The Granger causality test shows that the per capita GDP has a one-way effect on the changes of per capita carbon emissions;The carbon emissions have strong inertia and accumulation,and the carbon emissions and the economic growth of the previous period have significant positive effects on the current carbon emissions;The carbon emissions have a typical nonlinear effect and phased features.Among them,there are the linear characteristics from 2000 to 2003,the nonlinear effects from 2004 to 2012.and the linear characteristics from 2013 to 2015.The Switching relationship between the linear and the non-linear basically reflects the changing trend of industrial structure and investment structure in China in the past fifteen years.At the present stage,China needs to adjust the com⁃prehensive energy structure from the energy supply structure,the production side and the consumption side,and build reasonable carbon emissions restriction targets in different regions,so as to realize the comprehensive effect of carbon emissions and regional economic bal⁃anced development.

economic growth;carbon emissions;nonlinear effects

F124

A

1007-5097（2017）08-0099-06

［责任编辑：张青］

2017-06-02

国家社会科学基金重大项目（13&ZD156）

侯燕（1978-），女，山东泰安人，讲师，硕士，研究方向：区域经济，可持续发展。