下载掌阅APP，畅读海量书库
立即打开
2.7 中国能源消费、碳排放与经济增长之间关系的计量分析
从第1章相关研究文献可以看出，多数是研究“环境—经济—能源“三者之间的关系或者任意两者之间的因果关系，当由于变量平稳性或者变量同阶单整的限制，多数的研究结论是不稳定的，本节在国内外相关问题的前沿性研究成果的基础上，就我国当前及历史发展的现实问题，将经济增长、环境污染和能源消费纳入一个分析框架，运用Toda和Yamamoto方法（以下简称TY），从长期格兰杰因果关系角度来研究中国的能源消费、二氧化碳排放和经济增长三者之间的关系，准确把脉CO 2 排放、能源消费与经济增长之间的因果联系将对我国政策制定者具有重要的参考价值，以提供一个更加可信的因果检验结果。
VAR模型（向量自回归模型）是目前计量经济学当中最为应用广泛的模型之一，但当变量是单整或变量之间存在协整关系时，原始序列则不能够建立水平值的VAR模型（Park and Phillips, 1989；Sims, Stock and Watson, 1990），相应的脉冲响应分析与基于水平值VAR模型的Granger因果检验也就不能应用。Toda（1995）指出在有限样本中针对Johansen-Type ECM模型的协整秩的检验对多余参数的值非常敏感。因此基于误差修正模型（ECM）的因果推断可能遭受严重的事前偏误。由Toda-Yamamoto提出的扩展VAR模型很好地解决了上述方法中可能存在的偏误（以下称TY模型）。Toda, Yamamoto（1995）提出了一个可以应用于VAR检验程序，该检验程序可以不必考虑变量是否平稳，单整或存在协整关系，只要满足一定的条件（ k ≥ d max , k 为VAR模型的最优阶数， d max 为变量序列的最大单整阶数）就可以直接建立水平值的VAR模型，进而相应的脉冲响应分析与Granger因果检验也就能应用。其基本思想是：首先，通过各种准则建立最优阶数为 k 的VAR（ k ）模型。然后，通过单位根检验找出所有变量当中最大的单整阶数 d max ，如果有 k ≥ d max ，那么则可建立阶数为 k＋d max 的水平值VAR（ k＋d max ）模型，则基于水平值VAR模型的脉冲响应函数与Granger因果检验程序则能够实行。
（1）平稳性检验。
平稳性检验即检验变量序列是否存在单位根，如果存在，说明变量序列不平稳；反之，则平稳。常用的平稳性检验有ADF检验和PP检验。
ADF检验
考虑 y 存在 p 阶自相关序列相关，用 p 阶自回归过程来修正，
式（2.34）两边同减 y t- 1 整理可得
式中：
ADF检验方法通过在回归方程右边加入因变量 y t 的滞后差分项来控制高阶序列相关
上面三个公式分别表示序列的三种表现形式。ADF检验检验假设为序列存在一个单位根的原假设，即 η＝ 0。
PP检验具有ADF相同的原假设，区别在于检验统计量构造上的差别。
（2）Granger因果检验。
考虑对 y t 进行 s 期预测的均方误差（ MSE ）：
对于线性函数，如有
则可以得出结论： x 不能Granger引起 y 。上式的等价形式是检验下式
x 系数的联合显著性，如果 x 的系数联合显著则说明 x 能Granger引起 y ，否则， x 不能Granger引起 y 。可以通过构造F检验或WALD检验检验系数显著性。
（3）VAR（ k＋d max ）模型的估计。
前面的分析表明，只要满足 k ≥ d max 则可估计VAR（ k＋d max ）模型，则对单整与协整是稳健的，VAR（ k＋d max ）模型可以表示为
其中， V t ＝ （ CO 2 t , GDP t , ENERGY t , LABOR t ） T , α 为一个（4×1）的常数向量， β i （ i＝ 1, 2, 3）为（4×4）的系数矩阵， ε t 为（4×4）扰动项。
（4）脉冲响应函数。
脉冲响应函数分析模型受到某种冲击时对系统的动态影响，脉冲响应函数刻画的是在扰动项上加一个一次性的冲击对内生变量当前值和未来值所带来的影响。下面先根据两变量的VAR（2）模型来说明脉冲响应函数的基本思想。
式中， a i , b i , c i , d i 是参数，扰动项 ε t ＝ （ ε 1 t , ε 2 t ） ′ ，假定是具有下面这样性质的白噪声向量：
假定上述系统从0期开始活动，且设 x - 1 ＝x - 2 ＝y - 1 ＝y - 2 ＝ 0，又设于第0期给定了扰动项 ε 10 ＝ 1, ε 20 ＝ 1，并且其后均为0，即 ε 1 t ＝ε 2 t ＝ 0（ t＝ 1, 2，…），称此为第0期给 x 以脉冲，下面讨论 x t 与 y t 的响应， t＝ 0时：
x 0 ＝ 1, y 0 ＝ 0
将其结果代入式（2.43）, t＝ 1时：
x 1 ＝a 1 , y 1 ＝c 1
再把此结果代入式（2.43）, t＝ 2时：
继续这样计算下去，设求得结果为
x 0 , x 1 , x 2 , x 3 ，…
称为由 x 的脉冲引起的 x 的响应函数。同样所求得
y 0 , y 1 , y 2 , y 3 ，…
称为由 y 的脉冲引起的 y 的响应函数。
本节所涉及的数据有二氧化碳（CO 2 ，单位：kt）、能源消费（ENERGY，单位：万吨标准煤）国内生产总值（GDP，单位：亿元）和就业人数（LABOR，单位：万人）指标1960—2008年的数据。其中二氧化碳数据1960—2005年的数据来源于世界银行，2006—2007年数据来源于国际能源署（IEA）。GDP、能源消费（以标准煤表示）和就业人数来源于《新中国60年统计资料汇编》，GDP总量之比（1960年不变价）计算得到。
前面已经介绍了ADF检验与PP检验都可以用于检验序列的平稳性，但是这两种检验对各种可能的单位根情形的检验功效非常低（Fuller, 1976；Dickey and Fuller, 1979；Phillips, 1987；Phillips and Perron, 1988）。所以，本节的单位根检验考虑有时间趋势与无时间趋势两种情形来检验变量序列的平稳性，检验结果如表2.23所示。
表2.23 单位根检验
注：*、**、***分别表示10%、5%、1%显著性水平
表2.23检验结果表明，不管是时间趋势还是无时间趋势的单位根检验，变量的最大单整阶数为 d max ＝ 1，但两种情形的单位根检验结果是有差别的，有时间趋势的单位根检验认为GDP、CO 2 、 L 三个变量都是平稳的，而无时间趋势的单位根检验则拒绝平稳性的原假设，但是前面已经提到，只要满足 k>d max ，那么建立的水平值VAR模型对变量的各种形式具有稳健性。本节中最优 k 为2（表2.24为最优滞后长度的选取标准），而 d max ＝ 1，所以满足建模要求，且VAR（ k＋d max ） ＝ VAR（3）。则基于（3）模型的Granger因果检验如表2.25所示。
表2.24 最优长度确定
续表
注：*表示根据LR、FPE等五个标准对应的每列中选取最优的阶数，上表中2和3为最优阶数，但是在计量经济建模过程中，如果有多个模型能够满足建模要求的情况，则选择最简洁的模型进行建模分析，所以本节选择最优阶数 k＝ 2
表2.25 基于T-Y程序的Granger因果检验
注：行变量为因变量，括号为Wald检验 p 值，*、**、***分别表示15%、10%、5%的显著性水平上系数显著
表2.25结果表明，①经济增长与能源消费都是CO 2 排放的单向长期Granger原因，因此，我国经济的增长与能源消费量的增加都会导致CO 2 排放的增加。而CO 2 排放并不会对经济增长与能源消费产生影响。从政策的角度来看，如果以经济增长或能源消费的抑制来实现CO 2 的排放目标，那么我国当前的状况可能是无法实行的。但是，由于CO 2 排放并不会对经济增长与能源消费产生影响，那么，如果政府直接从CO 2 减排目标出发，制定适当的减排政策则即可以减轻我国的环境压力又不会影响我国经济的增长，从而即不会影响我国经济的增长又可以实现减排目标。②能源消费与经济增长之间存在双向的长期Granger因果关系，即经济的增长会导致能源消费的增加，而能源消费的增加又是拉动经济增长的原因，就我国目前的发展模式来看，这种关系能够充分体现我国经济增长特征与能源消费模式。③劳动力与其他任何变量都不存在长期因果关系。
Granger因果检验只是说明了各变量之间的长期因果关系，但并未说明影响作用大小及其短期作用效果，所以应采用进一步的分析研究变量之间的相互作用。本节采用Koop等（1996）提出的广义脉冲响应函数来刻画变量之间的动态影响，广义脉冲响应函数的优点在于不会因为变量的顺序的不同而改变变量之间的影响关系。另外，前面的研究表明劳动力与其他任何变量都不存在长期因果关系，所以本节没有列出劳动力受其他变量冲击时的响应效果及其对其他变量的冲击效果。具体的冲击结果见图2.22。
图2.22 CO 2 排放、能源消费以及GDP脉冲响应
图2.22描述了CO 2 排放、能源消费以及GDP对其他变量的一倍标准差的响应。由脉冲响应图可以得出两点信息：①各个变量的一倍标准差的对其他变量的冲击在起始期都是非常显著的。②各个变量对其他变量冲击效果的持续性在减弱。GDP冲击的持续性减弱速度最快，这与基于T-Y程序的Granger因果检验的检验结果比较相符，因果检验表明GDP是CO 2 排放与能源消费的Granger原因，但是这种因果关系并不十分显著。一种解释可能是CO 2 排放（能源消费）更多的是受自身前期庞大的排放（消费）数量的滞后影响，也就是说CO 2 排放（能源消费）的巨大累计量对自身的影响随着时间的变动将会逐渐占主导地位，CO 2 排放受冲击响应图和能源消费受冲击响应图则充分体现了这种趋势。GDP受冲击响应图则表明CO 2 排放与能源消费对经济的影响占主导地位，GDP自身的变动的影响逐渐减弱。上文的Granger因果检验表明只存在较弱的能源消费到GDP变动的Granger原因。上图表明能源消费的一个正的单位的标准差变动将会对GDP有正向的冲击。并且这种冲击的持续效果比较持久。我国是世界上能源消费的大国，每年的能源消费都在增加，2003年以来我国的能源消费总量以每年8.9%的速度增加，2009年能源消费达到306647万吨标准煤。据2009年《中国统计年鉴》计算，2005和2007年，火电占比平均超过82%，这说明我国能源消费压力巨大，同时对我国经济具有促进作用。据IEA估计，在2006—2030年，我国的能源部门需要投资3.7万亿美元，其中74%用于电力投资，这说明电力行业对我国经济发展的重要性，由于电力的行业的能源消费巨大，所以能源消费将对我国经济发展具有持续的促进作用，这与GDP受冲击响应图的结论相符。
本节利用我国1960—2008年的样本数据，运用Toda-Yamamoto检验程序对中国能源消费、碳排放与经济增长三者之间的因果关系进行了计量研究。研究结果表明：经济增长与能源消费都是CO 2 排放的单向长期Granger原因，而CO 2 排放并不会对经济增长与能源消费产生影响；能源消费与经济增长之间存在双向的长期Granger因果关系，即经济的增长会导致能源消费的增加，而能源消费的增加也是拉动经济增长的原因；劳动力与其他任何变量都不存在长期因果关系。而本节得出的最有政策意义的结论是，经济增长与能源消费都是CO 2 排放的单向长期Granger原因，这表明我们可以直接制定相应的CO 2 的减排政策，这样既可以实现CO 2 的减排目标又不会对经济增长与能源消费产生影响。而当前既要实现经济的稳步增长又要适当地降低能源消费总量的政策措施可能无法制定。
由结果表明我国的能源消费和相应的二氧化碳排放在今后几十年乃至更长时期内还将持续增长。如何维持“能源—经济—环境”三者之间的良性循环关系对我国的政策制定者提出了一个严峻的挑战。目前我国经济仍然保持快速增长，而能源结构在一定程度上受到资源结构的制约，提高能源利用效率又面临着技术和资金上的障碍，以煤为主的能源资源和消费结构在未来相当长的一段时间将不会发生根本性的改变，使得中国在降低单位能源的CO 2 排放强度方面比其他国家面临更大的挑战。所以我国应该积极的制定并实施相关政策，降低我国CO 2 排放强度、减缓CO 2 排放。在市场经济的大环境下，在粗放发展的惯性力作用极强的情况下，必须用强有力的政策手段，抓住“十二五”这个关键期，以降低GDP能源强度，控制能源消费增长速度和数量为抓手，促进发展方式加快转变，尽早走上重质量、重效率、绿色、低碳、节约、创新驱动的发展道路。我们需要综合运用体制机制改革、管理调控措施、经济政策、法律、行政措施、科技创新和文化创新推进等手段，形成科学的政绩考核体系和节能减排的长效机制，为绿色、低碳发展提供有力保障。