能源消费、出口与外国直接投资关系的Bootstrap ARDL检验：基于我国的经验考察

李方智 童藤 薛心蓓 李雪平

摘 要：温室气体排放引发的全球气候变化深刻影响着人类的生存和发展，已成为世界各国共同关注以及实施全球环境治理的焦点问题。随着国民经济的迅速发展和对外贸易、外国直接投资（FDI）的持续扩张，我国能源消费总量和温室气体排放总量快速攀升。作为一个负责任的国家，中国高度重视气候变化问题。2015年中国向IPCC提交了中国“国家自主贡献”的减排承诺目标：到2030年左右，CO2排放达到峰值;单位国内生产总值CO2排放比2005年下降60%～65%。受限于我国“富煤少油缺气”的能源禀赋特点，减排承诺面临着巨大挑战。在当前的开放型经济环境条件下，从贸易和FDI视角研究中国碳排放问题，对于中国实现减排目标和经济持续健康发展具有重要意义。

关键词：对外贸易; FDI;能源消费

一、引言

能源消耗是指生产和生活所消耗的能源，其强度变化与工业化进程密切相关。随着经济的增长，工业化阶段初期和中期能源消耗一般呈缓慢上升趋势，进入后工业化阶段后，经济增长方式发生重大改变，能源消耗强度开始下降。提高能源和环境效率是确保经济增长以及实现节能减排的重要手段，而外贸是提高能源环境效率的关键驱动力之一。关于全球能源消耗和温室气体排放，中国、欧盟和美国是世界上温室气体排放量最高的三个国家，是成功应对气候变化的关键，其温室气体排放量占全球排放量的一半以上。在过去10年中，能源行业仍然是温室气体排放的最大来源。据统计显示，在2015年，全球一次能源消耗总量增长1.0%，与2014年相若，相比过去10年平均增长1.9%为低。全球煤炭消费减少5300万吨油当量，其中降幅最大的是美国（-3300万吨油当量，-8.8%）和中国（-2600万吨油当量，-1.6%）。煤炭在全球一次能源消费中的占比降至28.1%，达到2004年以来的最低水平。全球煤炭产量下降6.2%，即2.31亿吨油当量，创有史以来最大跌幅。美国煤炭产量下降19%，中国煤炭产量也历史性地下降7.9%。

2013年，能源行业的温室气体排放量占全球排放量的72%。2012—2013年，由于发电，供热和运输行业的排放量增加，中国的温室气体排放量增加了3.65？譹？訛億吨二氧化碳当量（或4%）。但是，这一增长率确实低于历史平均水平。澳大利亚是世界第15大排放国。自2012年以来，其农业排放量下降了65 MtCO2e（或34.6%），这源于草原燃烧面积的减少，甲烷（CH4）和氮氧化物（N2O）的排放相应减少。

2015年全球能源消耗量占有率，石油继续成为首位达32.9%，煤炭消耗量下降至29.2%，是自2005年以来最低的消耗量占有率。随着天然气的全球需求增强，天然气消耗量占有率上升至23.8%，而核能则为4.4%，可再生能源2.8%，水力发电6.8%。与2014年全球能源消耗量相比，石油增长1.9%;煤炭下跌1.8%;天然气增长了1.7%;核电方面增长1.3%;可再生能源增长2.8%，较过去平均增幅0.8%为高;水力发电增长1%。2012—2013年，前10大排放国的排放量增加了2.2%，而过去10年的平均年增长率为2.4%。在同一时期，中国和美国的温室气体排放量分别增加了4.3%和1.4%。美国在2007年达到排放高峰，欧盟稳步下降，其他国家（包括俄罗斯和加拿大）在过去十年中相对稳定。据数据显示，2014—2016年，尽管全球经济增长，但全球能源相关的二氧化碳排放数据仍将保持稳定？譺？訛。

一次能源消耗总量前十位国家依次是中国、美国、印度、俄罗斯、日本、加拿大、德国、巴西、南韩、伊朗、沙特阿拉伯及法国。温室气体排放引发的全球气候变化影响了人类的生存和发展，注重和实施全球环境治理已成为世界各国关注的焦点。随着国民经济的快速发展和对外贸易与投资的不断扩大，我国的能源消耗总量和温室气体总排放量迅速增加。作为一个负责任的国家，我国非常重视气候变化问题。2015年，我国政府向气候变化专门委员会（IPCC）提交了“国家独立贡献”减排承诺目标，但由于我国“煤炭资源丰富，油气短缺”的能源禀赋特征，减排承诺的实现面临着巨大的挑战。在当前开放的经济环境下，从出口贸易和外商直接投资的角度研究我国的能源消耗，对于我国实现减排目标和持续健康的经济发展具有重要意义。

二、文献综述

开放经济下，不同国家和地区之间的产品市场和要素市场合作日益紧密。产品市场合作主要体现为合作国家和地区之间贸易的自由化;要素市场合作则体现为资本、劳动力、技术等在合作国家和地区之间流通的便利化（Rauscher，2001）。贸易自由化与要素流通便利化都会对环境产生一定程度的影响。目前，学术界关于两者对环境的影响尚无统一定论，主要存在以下三种观点：一是“污染天堂假说”，其核心观点认为各国为了维持或增强本国竞争力，降低各自的环境标准，出现“向底线赛跑”的情形。因发达国家的环境标准高于发展中国家，随着国际贸易和要素流动的不断扩大，污染产业会从发达国家转移，发展中国家成为“污染避难所”（Walter & Ugelow，1979）。第二种观点则认为贸易自由化和要素流通便利化，不仅有利于环保技术的扩散，而且可以实现环境资源的有效配置和高效利用，此外，合作所带来的经济增长会扩大对清洁环境及其相关产品与服务的需求，使可用于环境保护的资金相应增加，因而对环境有利（Antweiler et al.， 2001）。第三种观点认为贸易和要素流动所引发的环境效应是错综复杂的，各个效应之间相互作用、此消彼长，结果往往难以预测。目前，这种观点广为接受，其开创性的研究始于Grossman & Krueger （1993）在探讨建立北美自由贸易区对环境的影响时将贸易的环境效应分解为：规模效应、结构效应和技术效应，并认为这三个方面的效应可以为正亦可为负且相互影响，最后的总效应并不是简单的叠加。“三效应”分析有助于明确贸易和要素流动对环境的影响途径和影响方向，成为贸易与要素流动环境效应的基本分析框架。国内外大量学者从贸易和投资两个方面对国际区域合作的环境效应进行了实证检验。

（一）國际贸易对东道国环境的影响

Grossman和Krueger（1993）对北美自由贸易区建立的环境影响研究结果认为贸易自由化的总效应是有利于改善环境。Copeland & Taylor（1994）利用南北贸易模型分析了贸易的“三效应”，认为结构效应减轻了北方的污染但加重了南方的污染，规模效应对各国环境均有害，环境税的增加刺激企业采取额外的治污措施，产生正的技术效应，对外贸易整体上更有利于发达国家。Antweiler et al. （2001）实证发现自由贸易的结构效应非常小，生产规模每增长1%会使样本国家的污染集中度提高0.25%-0.5%，而技术效应可使污染集中度下降1.25%-1.5%，三种效应整体会改善环境。而Beghin （1995）、Qureshi （2004）、Frutosbenczeet et al. （2017）等的实证结果都认为贸易的自由化加剧了环境污染。张连众等（2003）、于峰等（2007）、龚超等（2008）、黄小兵等（2015）、林伯强等（2015）、李方静等（2018）的实证研究结论都认为贸易自由化对我国的环境影响总体上是正向的，技术效应是环境质量没有恶化的主要原因。但也有学者得出相反结论，党玉婷等（2007）认为结构效应和技术效应使我国环境在对外贸易中受益，但由于规模效应对环境的负面影响太多，总体来讲，我国现阶段的进出口贸易恶化了我国的生态环境。

（二）国际投资对东道国环境影响

关于国际投资对东道国环境影响，部分学者的研究支持“污染天堂假说”，如Chichilnisky（1994）、Porter（1999）、Cole等（2004，2011）以及Taylor（2004）等的研究均验证了以国际投资为载体的污染产业在世界范围内转移，造成了全球范围内环境质量的下降。Asghari（2013）、Shahbaz等（2015）、Lin （2017）、Abdouli et al.（2017）等的研究也证实了国际投资造成了东道国环境质量的下降。国内林季红等（2013）、卢进勇等（2014）、严雅雪等（2017）的研究从不同视角证实了FDI在一定程度上降低了我国环境质量。而另一部分学者的实证结论则相反，认为国际投资带来的清洁技术与环境管理的外溢效应使得东道国环境质量得以不同程度地改善（Popp， 2011;Poelhekke，2015;韩永辉等，2015;刘玉博等，2016;郑强等，2017）。还有部分研究持折衷观点，认为国际投资对东道国环境的影响是复杂多维的，基于不同条件（经济水平、产业结构、环境政策、投资结构等）得出的环境效应不尽相同（Runge， 1994;杨博琼等，2011;Kim & Adilov， 2012;刘渝琳等，2015）。

不同的学者在分析贸易和要素流动时所选取的指标、样本及研究方法不同，得出的结论也不尽相同。由此也可以看出，贸易和FDI所产生的环境效应评价是一个复杂的动态过程，在国际经济合作过程中如何降低环境负效应，提高环境正效应是各国面临的共同课题。

三、研究方法

本文将使用Bootstrap ARDL（Autoregressive Distributed Lag）来检验中国碳能源消耗、出口贸易和FDI的相互关系;Bootstrap ARDL使用自回归和多循环校准的原理使时间序列相关数据接近需要验证的预期结果。在时间序列分析中，有必要首先检查数据是否为定态。所谓的定态意味着统计量统计量如均值和方差不随时间变化，即自协方差和方差是固定的有限常数值可以避免错误的回归。单位根检验的目的是确定时间序列变量的平稳性，以确定时间序列的性质。在进行时间序列分析时，须先检定数据是否为定态性（stationary），所谓定态指一时间数列资料为一个随机过程（stochastic process），也就是自我共变异数及变异系数是固定有限的常数值;因此，若实际上变量为非定态而使用传统方法进行回归，可能会出现Granger与Newbold（1974）所称之虚假回归（spurious regression）的现象，因而无法正确解释变量间的真正关系，使估计结果没有任何经济上的意义。

本文使用我国1983—2017年碳能源消耗、出口与FDI的年统计数据，FDI均已平减为1983年价格作为基数。基于Bootstrap ADRL检验方法，对碳能源消耗、出口与FDI的变量数据取对数，确定数据平稳后，再做协整关系检验，且需做5000次的回路计算，才能得到较佳的结果。根据初步统计结果可以发现三组数据基本呈现出偏态分布，碳能源消耗属正偏态，出口和FDI属负偏态;碳能源消耗和出口是高狭峰，而FDI则属低阔峰。异常值和波动幅度较少，符合实证分析数据的要求（见表1）。

（一）实证模型

Bootstrap ARDL检验基于Granger（1969）因果关系测试。若三变量之间呈现协整关系，则我们可检验长期的Granger因果关系是否存在，若无，我们则可检验Granger短期因果关系。如果y是由变量引起的，则y和x之间没有找到协整。那么x→y的Granger因果关系检验应该只包括x的滞后差异，也就是说，本文需要检验是否δ>0，如果变量之间存在协整关系，那么这意味着相关变量和独立性变量形成固定的线性组合。滞后项可以认为是I（0），x→y的Granger因果关系检验应该包括x的滞后差和x的滞后水平，即β>0和δ=0。ARDL边界检验（Pesaran et al.， 2001）具有混合积分序列的时间序列，可以定义为：

（1）

在外生弱回归的情况下，从长远来看，这些回归因子不受变量的影响。该模型不排除回归之间存在协整。它不假设回归的因变量不存在（短期）Granger因果关系。时间序列Bootstrap ADRL测试方法，McNown等人（2017）提出了对Peseran等人（2001）的修改ARDL模型。

ARDL模型是：

（2）

i和j是滯后期的指标，i=1，2，...，k;j=1，2，…，k。t表示时间t=1，2，...，T。等式中的yt是被解释变量，xt是解释变量，存在变量Dt，j，是虚拟变量。αi，βi参数是解释变量和解释变量xi的系数值。μt是误差项，方程（2）可以重写并扩展为下面三变量的等式：

（3）

其他参数是等式（3）中原始参数的函数值。

McNown等（2017）建议将原始ARDL模型添加到解释变量的滞后期。虚拟假设是H0：θ=0.Peseran等（2001）检验协整关系的条件将更完整。Bootstrap ARDL检验是依赖于以下假设的协整关系：

H0：γ=θ=0，H0：γ=0，H0：θ=0。

根据Pesaran等人（2001）协整检验需要做F检验或t检验，以下假设：

H0：θ1=θ2=θ3=0或H0=θ1。

然而，McNown等人（2017）建议添加三个检验为区分协整和非协整的必要条件。McNown等人（2017）要求协整必须拒绝所有三个虚拟假设。

虚无假设误差项F1检验为H0：θ1=θ2=θ3。

滞后因变量的t检验为H0：θ1=0。

滞后自变量的F2检验为H0：θ1=θ2=θ3=0。

基于三个虚无假设，McNown等人（2017）解释Pesaran等（2001）的两个退化情况。仅呈现情况#2的临界值。两个退化案例如下：

退化情况#1，滞后因变量的F1检验和t检验是显着的，但对滞后自变量的F2检验是不显着的。

退化情形#2，滞后因变量的F1检验和F2检验是显着的，但滞后因变量的t检验是不显着的。本文发现Pesaran等人（2001）的ARDL边界检验排除退化情况#1，如果他们不考虑因变量的积分顺序必须是I（1）。但是，McNown等人（2017）采用Bootstrap ARDL检验，通过对滞后自变量系数的附加检验来解决这个问题。

如果因变量和自变量之间存在协整关系，则上述三个虚拟假设将同时被拒绝，并且解释变量和解释变量是稳定的线性重合。Granger因果检验在Bootstrap ARDL模型的基础上，我们可以检验碳能源消耗、出口和FDI三个变量之间的短期因果关系。如果它们在y，x和z之间没有协整关系，则可检验了长期因果关系。我们对x和z使用Granger因果关系检验，其中应包括x或z上的滞后期数。我们将要检验γ2=0或γ3=0。如果在因变量和自变量之间存在协整，则这意味着它们形成固定的线性组合。在这种情况下，短期关系检验应包括x或z的滞后差异以及x或z的滞后水平;也就是说，检验γ2和θ2或γ3和θ3。

（二）实证过程分析

1. 单位根检验

本文用DF、ADF和PP三种单位根检验来确定变速的平稳性（如表2）。

单位根检验结果表明在水平项I（0）检验看来（如表2），经济增长仅在DF单位根检验上的无截距与无趋势项呈现平稳I（0）的状态;碳能源消耗、出口与FDI，无论是DF、ADF和PP单位根检验都有部分呈现平稳I（0）的状态（如表2），但并不足以表明这三续列为稳定序列。由于Bootstrap ADRL是检测变量之间长期协整关系，三个变量必须是在I（0）或是I（1）的状态，才能进行检测。水平项I（0）检验的平稳度不佳，因而需要继续进行一阶差分的单位根检验。一阶差分单位根检验结果表明，本文使用的三个变量，无论是在DF、ADF和PP单位根检验都有呈现显着的平稳性，可表明这三个变量在I（1）的状态下，为不具有单位根的稳定序列（如表3）。

2. 最佳滞后期检验

在完成单位根检验后，需要确定AIC信息标准。因为ADF方法或PP方法需要确定最佳后向时段，所以有必要校正剩余项的自相关问题以使剩余项是白噪声过程。一方面如果添加的滞后期过多，则拒绝原假设的能力会降低;另一方面如果我们在模型中添加的滞后期太少，将无法完全纠正由移动平均值引起的阈值增加的缺点;所以有必要确定这些滞后期是何值。不同的滞后期经常影响最终分析的结果，因此，选择滞后期数是非常必要的。在本文中，我们选择一个广泛使用的金融和经济行业，使用AIC标准来判断和选择最小的AIC作为最佳滞后期。

3. 矢量自回归模型（VAR）

当多元时间序列模型由线性回归表示时，它意味着变量之间因果关系的假设。然而，由于经济系统的微妙运作，有时无法区分模型中的变量和内生变量。因此在识别方面会造成困难。Sims（1980）提出了矢量自回归模型（VAR）来解决结构模型识别问题。Sims认为，经济活动的特征将在数据中随时间完全反映出来，因此数据本身可以直接分析。很容易理解经济活动的本质，因此可以在不知道经济理论中这些内生变量的确切关系的情况下进行结构设置。在VAR模型中，所有变量都被视为内生变量，因此没有必要区分内生变量或外生变量，以及用一组回归方程来探索变量之间的关系，每个回归方程都是变量的后向其他变量的后向用作解释变量。所以，VAR模型更符合时间序列分析的精神;因为时间序列分析认为变量的后向项涵盖所有相关信息。从VAR的检验当中，我们发现以碳能源消耗为因变量，出口和FDI为自变量的关系式中的落后期数为：碳能源消耗为1期、出口为1期，FDI则为0期;以出口为因变量，FDI和碳能源消耗为自变量的关系式中的落后期数为：出口为1期，FDI则为0期、碳能源消耗为2期;以FDI为因变量，碳能源消耗和出口为自变量的关系式中的落后期数为：FDI为1期，碳能源消耗为0期、出口则为1期（如表4）。

注：LCCO表示经济增长;LFDP表示金融发展;LCPI表示消费水平;F1是y（-1），x1（-1）和x2（-1）系数的F统计量;F2是系数x1（-1）和x2（-1）的F统计量;t表示y（-1）系数的t统计量。D ##是指当年的虚拟变量。带有星号*的符号表示基于McNown等人（2017）提出的Bootstrap方法生成的临界值的10%水平的显着性。

4. Bootstrap ARDL检验

表4的长期协整分析中，以我国碳能源消耗为因变量，出口和FDI为自变量，在碳能源消耗及出口滞后一期下，三者之间有长期的协整关系;而以我国出口为因变量，FDI和碳能源消耗为自变量，以及以FDI为因变量，碳能源消耗和出口为自变量，在相关滞后期下，三者之间则没有长期的协整关系;但后者为McNown等人（2017）所说，属于退化情况#1，不存在协整关系。从表4可以看出，能源消费有虚拟变量为1992、2004及2009年（断点），出口有1991、2002及2007年三个虚拟变量（断点），而FDI则在1992年产生虚拟变量（断点）。本文在做长期Granger因果关系检验时（如表5），出口在滞后一期下，对碳能源消耗滞后一期（P值=0.6990）并无显着的影响，FDI对碳能源消耗滞后一期（P值=0.4281），亦不显着。

当检验短期Granger因果关系（如表6），我们发现碳能源消耗与出口同在滞后一期的情况下存在显著的因果关系（P值=0.0078）;碳能源消耗对FDI则不显著（P值=0.5881）;滞后一期的出口对滞后二期的碳能源消耗有显着的影响（P值=0.0455），对FDI则因果关系不显着（P值=0.1670）;滞后一期的FDI对碳能源消耗有显著的因果关系（P值=0.0083），对同是滞后一期的出口则亦有显著的因果关系（P值=0.0001）。

注：星号***，**和*分别表示1%，5%和10%水平，（+）， （–）表示正向和反向的符号。[.]是p值的表征系数。非协整性及其因果关系检验仅涉及滞后变量。

注：星号***， **和*分别表示1%， 5%和10%水平，（+）， （–）表正向和反向的符号。[.]是p值的表征系数。非协整性及其因果关系检验仅涉及滞后变量。

四、结语

基于Bootstrap程序的所提出的新ARDL检验是比Pesaran等人（2001）更强大且更少偏向的协整检验。自变量滞后的Bootstrap检验显示了合理的规模和功能特性（McNown等，2017）。本文用Bootstrap ARDL的方法检验我国碳能源消耗、出口和FDI三变量之间的协整关系，发现三变量之间存在协整关系;当FDI为因变量，碳能源消耗和出口为自变量，则呈现McNown等人（2017）描述退化#1的情况;在短期因果关系检验中，碳能源消耗、出口和FDI这三个变量的相关性是高的，彼此之间都呈现相当的显著水平。这可以说明我国经济发展的进程中，无论是碳能源消耗对出口、出口对碳能源消耗、外国直接投资对碳能源消耗或FDI对出口在滞后一期或二期的情况下都呈现一定程度的因果关系。

注 释：

？譹？訛 不同的温室气体对全球变暖效应的贡献不同。政府间气候变化专门委员会（IPCC）的第四份评估报告指出，在温室气体的总体变暖效应中，二氧化碳（CO2）贡献约63%，甲烷（CH4）贡献18%，氧化亚氮（N2O）贡献了约6%，其他贡献约占13%。为了统一测量整体温室效应，需要一个可以比较不同温室气体排放的测量单元。由于CO2升温效益的贡献最大，因此二氧化碳当量是衡量温室效应的基本单位。二氧化碳当量与排放有关。气体的二氧化碳当量是该气体的吨数乘以其产生温室效应的指数。该气体的温室效应指数称为全球变暖潜势（GWP），它取决于气体的辐射特性和分子量，以及气体浓度随时间的变化。特定气体的温室气候变暖潜力表明温室气体对应于一个世纪以来二氧化碳相同的变暖效应。正值表示气体使地表变暖。根据定义，二氧化碳的全球升温潜能值为1，其他温室气体的全球升温潜能值通常大于二氧化碳，但由于其空气含量低，二氧化碳仍被认为是造成温室效应的主要气体。

资料来源：中国科学院兰州文献信息中心，气候变化科学动态监测快车，2017年第9期。

參考文献：

[1] 杨博琼，陈建国FDI对东道国环境污染影响的实证研究——基于我国省际面板数据的分析[J].国际贸易问题，2011，（3）：110-123.

[2] 严雅雪，齐绍洲.外商直接投资对中国城市雾霾（PM2.5）污染的时空效应检验[J].中国人口资源与环境，2017，27（4）：68-77.

[3] 韩永辉，邹建华.引资转型、FDI质量与环境污染——来自珠三角九市的经验证据[J].国际贸易问题，2015，（7）.

[4] 龚超，兰天.中国区域贸易增长与环境污染的因子聚类分析[J].经济与管理，2008，（1）.

[5] 黄小兵，黄静波.环境规制对企业生产率及其出口行为的影响[J].广东财经大学学报，2015，（1）.

[6] 党玉婷，万能.贸易对环境影响的实证分析——以中国制造业为例[J].世界经济研究，2007，（4）.

[7] 林伯强，刘泓汛.对外贸易是否有利于提高能源环境效率——以中国工业行业为例[J].经济研究，2015，（9）.

[8] 林季红，刘莹.内生的环境规制：“污染天堂假说”在中国的再检验[J].中国人口.资源与环境，2013，（1）.

[9] 刘渝琳，郑效晨，王鹏.FDI与工业污染排放物的空间面板模型分析[J].管理工程学报，2015，（2）.

[10] 刘玉博，汪恒.内生环境规制、FDI与中国城市环境质量[J].财经研究，2016，（12）.

[11] 卢进勇，杨杰，邵海燕.外商直接投资、人力资本与中国环境污染——基于249个城市数据的分位数回归分析[J].国际贸易问题， 2014，（4）.

[12] 于峰，齐建.我国外商直接投资环境效应的经验研究[J].国际贸易问题，2007，（8）：104-112.

[13] 郑强，冉光和，邓睿，谷继建.中国FDI环境效应的再检验[J].中国人口·资源与环境，2017，27（4）：78-86.

[14] 張连众，朱坦，李慕菡，张伯伟.贸易自由化对我国环境污染的影响分析[J].南开经济研究，2003，（3）：3-5.

[15] 李方静，张静.服务贸易自由化程度对企业出口决策的影响探析[J].世界经济研究，2018，（6）：44-57，108，136.

[16] Abdouli， M， and S. Hammami， Economic growth， FDI inflows and their impact on the environment： an empirical study for the MENA countries[J].Quality & Quantity， 2017，51（1）：121-146.

[17] Antweiler， W.， B. R. Copeland and M. S. Taylor， Is Free Trade Good for the Environment？[J].American Economic Review， 2001，91（4）：877-908.

[18] Asghari， M.， Does FDI Promote MENA Regions Environment Quality？ Pollution Halo or Pollution Haven Hypothesis [J]. International Journal of Scientific Research in Environmental Sciences （IJSRES）， 2013，1（6）：92-100.

[19] Beghin， J. and M. Potier， Effects of Trade Liberalization on the Environment in the Manufacturing Sector [J]. The World Economy， 1997，20（4）：435-456.

[20] Chichilnisky， G.， North-South Trade and the Global Environment[J]. American Economic Review， 1994，84（4）： 851-874.

[21] Cole， M. A.， Trade， the pollution haven hypothesis， and the environmental Kuznets curve： examining the linkages[J].Ecological Economics， 2004，48：71-81.

[22] Cole M. A.， R. J. R. Elliott， and J. Zhang， Growth， Foreign Direct Investment， and the Environment： Evidence from Chinese Cities[J].Journal of Regional Science， 2011，51（1）：121-138.

[23] Copeland， B. R. and M. S. Taylor， North-South Trade and the Environment [J].Quarterly Journal of Economics， 1994，109（3）：755-787.

[24] Dickey， D. A. and W. A. Fuller， Distribution of the Estimators for Autoregressive Time Series with a Unit Root [J]. Journal of the American Statistical Association， 1979，74：427-431.

[25] Frutosbencze， D.， K. Bukkavesa， and N. Kulvanich， Impact of FDI and trade on environmental quality in the CAFTA-DR region [J].Applied Economics Letters， 2017，24（19）：1393-1398.

[26] Fuller， W. A.， Introduction to Statistical Time Series [J]. John Wiley and Sons， New York， 1976：373.

[27] Goh， S. K.， and R. McNown， Examining the Exchange Rate-Regime Monetary Policy Autonomy Nexus： Evidence from Malaysia [J]. International Review of Economics and Finance， 2015，35：292-303.

[28] Granger， C. W. J.， Investigating Causal Relations by Econometric Models and Cross-spectral Methods [J]. Econometrica， 1969，37（3）：424-438.

[29] Grossman， G. M. and A. B. Krueger， Environmental Impacts of a North American Free Trade Agreement， General Information，NBER Working Papers，No. 3914，1993.

[30] Kim， M. and N. Adilov， The Lesser of Two Evils： An Empirical Investigation of FDI-Pollution Tradeoff [J]. Applied Economics， 2012，44：2597-2606.

[31] Lin， F.， Trade openness and air pollution： City-level empirical evidence from China. China Economic Review， 2017，45：78-88.

[32] McNown， R.， C. Y. Sam and S. K. Goh， Bootstrapping the Autoregressive Distributed Lag Test for Cointegration [J]. Applied Economics， 2017，21：1466-4283.

[33] Pesaran， M. H.， Y. Shin and R. J. Smith， Bounds testing approaches to the analysis of level relationships [J]. Journal of Applied Econometrics， 2001，16（3）：289-326.

[34] Phillips， P. C. B. and P. Perron， Testing for a unit root in time series regression [J]. Biometrika， 1988， 75（2）：335-346.

[35] Poelhekke， S. and F. Ploeg， Green havens and pollution havens[J].The World Economy， 2015，38（7）：1159-1178.

[36] Popp， D.， International Technology Transfer， Climate Change， and the Clean Development Mechanism[J].Review of Environmental Economics & Policy， 2011，5（1）：131-152.

[37] Porter， G.， Trade Competition and Pollution Standards： “Race to the Bottom” or “Stuck at the Bottom” [J]. Journal of Environment & Development， 1999，8（2）：133-151.

[38] Qureshi， M. S.， Trade Liberalization， Environment， and Poverty： A Developing Country Perspective [J]. Globalization and the Poor in Asia， 2008：250-287.

[39] Rauscher， M.， International Trade， Factor Movements， and the Environment. Oxford： Clarendon Press， 1997.

[40] Runge， C. F.， Globalization and Sustainability： The Machine in the Global Garden. Working Paper， University of Minnesota， 1997.

[41] Shahbaz， M.， S. Nasree， F. Abbas， and O. Anis， Does foreign direct investment impede environmental quality in high-， middle-， and low-income countries？ [J]. Energy Economics， 2015，（51）：275-287.

[42] Sims， C. A.， Macroeconomics and Reality [J]. Economertica， 1980，48（1）：1-48.

[43] Taylor， M. S.， Unbundling the Pollution Haven Hypothesis[J].Advances in Economic Analysis & Policy， 2004，4（2）：8.

[44] Walter， I. and J. Ugelow， Environmental Policies in Developing Countries[J].AMBIO，1979，8（2）：102-109.