《我国碳排放强度影响因素的实证分析》-经济学论文，集体经济论文-论文范文参考-科学狗论文网

标题

我国碳排放强度影响因素的实证分析

范文

赵成柏

摘要：文章运用单位根、格兰杰因果检验和自向量回归模型，利用我国1980～ 2010年的样本数据，对我国的碳排放强度影响因素进行计量分析。研究发现：产业结构、技术进步、城市化和投资对碳排放强度具有长期影响，能源结构和人口规模变化对碳排放强度具有短期效應。碳排放强度的影响因素依重要程度排序为：产业结构、城市化、能源结构、技术进步。

关键词：碳排放强度;VAR模型;影响因素

2009年11月，我国政府首次对国际社会公布我国碳减排目标，即单位国内生产总值二氧化碳排放量（碳排放强度）到2020年相对于2005年下降40%～45%，并将其作为约束性指标纳入国民经济和社会发展中长期规划。那么碳排放强度目标如何实现，其驱动因素是什么等一系列问题需要进一步探讨。

在我国没有提出碳强度目标被提出以前，很少有文献关注碳排放强度这一指标。仅有何建坤（2004）、刘兰翠（2006）、Fan等（2007）等少数学者对我国的碳排放强度进行了研究。但自从我国政府提出以碳排放强度作为我国对外承诺碳减排指标有以后，碳排放强度问题逐渐成为研究热点。张友国（2010）、陈诗一（2011）等学者对碳排放强度进行大量研究。从现有文献来看，现有对碳排放强度研究采用分解分析法（如IDA 方法、AWD方法）较多，而采用计量经济模型分析方法较少，其研究结果说服力不强。本文采用VAR 模型分析碳排放强度与其驱动因素之间的关系。由于向量自回归模型对估计参数做单独分析比较困难，因此，这里采用引入脉冲响应函数和方差分解方法分析我国碳排放强度驱动因素对碳排放强度冲击影响及其作用效果。

一、模型的设定与数据说明

（一）模型设定

本文将采用VAR模型对我国碳排放强度驱动因素进行研究。作为非结构化的多方程模型，VAR模型通常采用时间序列预测和随机扰动对变量系统的动态影响分析。本文选取第二产业比重（CYJG ）、固定资产投资（GDZCTZ）、能源结构（NYJG）、能源价格（NYJIAG）、技术进步（JSJB）、人口规模（POP）和城市化（CSH）因素作为影响碳排放强度的因素，碳排放强度用y表示。建立如下VAR模型：

Yt=α+■βiYt-i+Ut

式中Y=（I cyjg gdzctz nyjg nyjiag pop csh）T，α，βi分别表示系数矩阵，Ut表示随机干扰项矩阵。

（二）数据来源及说明

为了便于分析，本文选取了1980～2015年的年度数据，其中第二产业比重、能源结构（NYJG）、能源价格（NYJIAG）、城市化和人口规模数据均源于历年《中国统计年鉴》。全社会固定资产投资按固定资产投资价格指数进行折算。能源价格以能源行业工业品出厂价格指数代替。考虑到我国1991年之前的固定资产投资价格指数、能源价格指数相关资料缺失，因此，1991 年之前的实际这些不做处理，1991 年之后这些价格指数折算成 1991 年价格。技术进步本文采用全要素生产率替代。全要素生产率用DEA-Malmquist生产率指数方法来测算得到。碳排放强度就是将二氧化碳排放量与国内生产总值（GDP）相比，就得到二氧化碳排放强度。碳排放强度所有的基础数据均来自于历年《中国统计年鉴》和《中国能源统计年鉴》，其中国内生产总值按照1980年不变价格折算成实际国内生产总值。

二、实证分析

（一）序列平稳性检验

由于变量为时间序列数据，为了避免由于时间序列数据的非平稳性而导致的“伪回归”，需要对模型中时间序列变量进行平稳性检验。表1分别对碳排放强度（JCK）产业结构（GDP）、固定资产投资、能源结构、能源价格和技术进步进行序列的平稳性检验结果，其结果见表1。

从表1可以看出，虽然模型中的时间序列变量均是非平稳的，但却均是1阶单整。因此，各个变量之间存在协整关系。

（二）长期协整关系分析

协整检验模型实际上是对无约束VAR模型进行协整约束后得到的VAR模型，使用的Johansen检验是一种以VAR模型为基础的检验回归系数方法，其结果见表2。

从表2可以看出，Johansen检验表明存在协整关系，可见这些变量之间既具有长期的均衡关系，又相互影响，又相互交叉。

（三）格兰杰因果关系检验

为了进一步说明各变量之间的因果关系，对变量进行格兰杰因果关系检验，考虑到格兰杰因果检验对滞后期的选择非常敏感，根据前面分析所确定2期作为格兰杰因果关系检验最优滞后期。其检验结果如表3所示。

由表3可知，产业结构与碳排放强度存在双向的因果关系。即产业结构是引起碳排放强度的Granger原因，反之也成立;能源结构、技术进步、固定资产投资和城市化水平是引起碳排放强度的Granger原因，反之不成立;能源价格、人口规模不是引起碳排放强度的Granger原因。因此VAR 模型中不包含这两个变量。

（四）VAR模型分析

本文利用 AIC信息准则和 SC信息准则来选择滞后阶数，在对残差进行正态独立同分布诊断的基础上，经多次测算比较，最后确定滞后阶数为 2，模型设定为 VAR（2）。采用最小二乘法（OLS）估计该模型。模型中由于存在同个变量的多个滞后值而产生了多重共线性问题，因此，一些变量的系数在统计上不显著，但从模型的整体检验来看，方程的拟合程度较高，AIC 值和 SC 值较小，各特征方程特征根均位于单位圆内，说明模型稳定且整体解释力较强。因此，这个回归结果是比较可信的，可以作为进一步分析依据。

（五）脉冲响应分析

从图 1 可以看出，碳排放强度受自身惯性的影响在前几年比较明显，随后影响逐渐增强，到第6期达到最大，随后有逐渐减小，但幅度不及开始。产业结构的一个标准差新息对碳排放强度的冲击开始时负的，开始几年呈现波动性冲击，到第7年对碳排放强度冲击为正，大小逐渐变大，到第9期有所下降。固定资产投资的一个标准差新息对碳排放强度的冲开始冲击是负向的，并且保持恒定，但从第4期开始呈现下降趋势，到第7期开始回升。技术进步的一个标准差新息对碳排放强度的冲击，在开始几年为正响应，从第5年开始变为负响应，但冲击程度较小。碳排放强度对人口城市化的一个标准差新息的冲击一开始响应是负的，到第4期转为正响应，冲击效应逐渐增大，到第7期达到最大，但数值仅为0.1557。碳排放强度对人口规模的一个标准差新息的冲击在前 10 年中呈现先正向后负向响应，在第4期响应由正转为负，但无论是正响应还是负响应，影响均较为微弱。说明我国能源价格体制改革滞后，技术进步对提高能源使用效率还没有发挥其作用，两者在节能降耗方面并没有发挥相应的作用。

（六）方差分解

方差分解通过分析每一个结构冲击对内生变量变化的贡献度，图2为各变量的方差分解结果。方差分解的结果表明，碳排放强度的影响因素依重要程度排序为：碳排放强度自身、产业结构、能源结构、固定资产投资、城市化、技术进步。从短期看，碳排放强度自身变化对碳排放强度变化的贡献率在 50%以上，产业结构的贡献率在 20%左右，固定资产投资贡献率在15%左右，城市化贡献率在6%左右，能源结构贡献率在3%左右，技术进步在2%左右。

三、结论与建议

通过对碳排放强度演变的多因素动态冲击响应分析发现：一是产业结构、技术进步、城市化和投资对碳排放强度具有长期影响，能源结构和人口规模变化对碳排放强度具有短期效应。二是驱动碳排放强度因素依据重要程度排序为：产业结构、城市化、能源结构、技术进步。

根据以上结论，本文认为降低我国碳排放強度的途径主要有：一是产业结构优化。一方面加快生产性服务业等现代服务业发展，提高现代服务业在产业结构的比重，另一方面，改善工业结构。由于我国工业是二氧化碳主要排放源，节能减排重点行业是工业，所以要优化工业内部结构，大力度推进重工业领域的资源重组和整合，对传统高排放、高能耗工业加强科技投入，进行技术革新，实行优化升级改造，提高其附加值高，减排二氧化碳排放。大力发展低碳产业，实行高碳产业低碳化改造。二是调整投资结构。要减缓高碳工业的投资规模，支持有利于发展低碳经济的行业投资与建设。除此以外还应该加强对固定资产投资项目的引导、调控和监督，引导产业节能减排。三是增加低碳技术投入，促进低碳技术进步，实现技术减排。制定市场准入门槛，加强信息发布和政策引导。

参考文献：

[1]刘兰翠.我国二氧化碳减排问题的政策建模与实证研究[D].中国科学技术大学，2006.

[2]张友国.经济发展方式变化对中国碳排放强度的影响[J].经济研究，2010（04）.

[3]陈诗一.中国碳排放强度的波动下降模式及经济解释[J].世界经济，2011（04）.

*基金项目：江苏省高校哲学社会科学研究基金重点资助项目（2017ZDIXM025）江苏大气污染区域协同控制研究阶段研究成果。

（作者单位：淮阴工学院商学院）

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。