中國碳排放強度影響因素相關性研究
——基于VAR與SVAR模型分析

米國芳劉廣為

(1.內蒙古財經大學統計與數學學院，內蒙古 呼和浩特 010070 2.天津大學管理與經濟學部，天津 300072)

中國碳排放強度影響因素相關性研究
——基于VAR與SVAR模型分析

米國芳1劉廣為2

(1.內蒙古財經大學統計與數學學院，內蒙古 呼和浩特 010070 2.天津大學管理與經濟學部，天津 300072)

本文列舉出近年來研究碳排放強度的代表性文獻，從中選取經濟增長規模，能源強度，能源結構，產業結構四種出現頻率最高的影響因素，進行四種因素對碳排放強度影響的平穩性檢驗，結果表明經濟增長規模對碳排放強度的影響平穩性不足;對碳排放強度與能源強度、能源結構、產業結構構建結構向量自回歸模型，運用脈沖響應函數分析三種因素的變化對碳排放強度的沖擊效應，并用方差分解分析三種影響因素的貢獻度，結果顯示第三產業對碳排放強度的沖擊效應最為顯著，能源強度次之，能源結構最弱。

碳排放強度;平穩性檢驗;VAR與SVAR模型;脈沖響應函數;方差分解

Abstract:The paper enumerates the recent carbon emission intensity paper to select the key factors of carbon emission intensity.According to the paper，economic scale，energy intensity，energy structure，industry structure selected to be the key factors because of the high frequency in recent research.The results show:that the time series of the per capita GDP lack of stationarity as the influence factor to carbon emission intensity，so the economic scale should be excluded;The industry structure has the most significant shock effect on the carbon emission intensity in the three influence factors.

Key words:Carbon emission intensity;Stationarity test;Vector autoregression and structural vector autoregression model;Impulse response function;Variance decomposition

1 引言

目前中國的碳排放總量已經高居世界第二［1］，造成嚴重的溫室效應。在保持經濟正常穩定增長的前提下，實現碳排放的減少，是我國需要解決的問題。碳排放強度 (單位GDP的碳排放)是衡量經濟發展與碳排放增長之間關系的重要指標之一。研究我國碳排放強度的變化特征，分析其主要影響因素的變化對碳排放強度的沖擊效應，有助于提高國家制定減排政策的科學性和可操作性。

2 文獻綜述與研究方法

近年來，眾多專家和學者對多個國家或者地區的碳排放強度的變化進行研究。

目前文獻對碳排放強度影響因素的研究僅僅停留在各因素的貢獻率或者影響程度方面，缺乏深入的相關性研究和穩定性檢驗，并且某些影響因素的提出缺乏有效的論證支持。本文以近年來碳排放強度研究文獻中所出現頻率最高的經濟規模、能源結構、能源強度、產業結構四種影響因素為研究對象，運用向量自回歸模型 (Vector Autoregression，VAR)與結構向量自回歸模型(Structural Vector Autoregression)檢驗影響因素時間序列的平穩性，分析具有平穩性的影響因素與碳排放強度變化的相關性和貢獻度，從而掌握中國碳排放強度的變化規律。

3 Var與SVAR模型

向量自回歸模型 (VectorAutoregression，VAR)是在1980年由Sims所提出的。這種模型采用多方程聯立的形式，在模型的每一個方程中用當期內生變量對模型中全部內生變量的滯后值進行回歸，從而估計全部內生變量的動態關系［2］。結構向量自回歸模型 (Structural Vector Autoregression，Svar)是對向量自回歸模型 (Vector Autoregression，Var)的改進，可以利用方差分解技術(Variance Decomposition)分析每一個結構沖擊對內生變量變化的貢獻值，用來評價不同影響因素沖擊結構的重要性［3］。Svar模型繼承了Var中的多變量動態關系分析功能，其中的脈沖響應函數(Impulse Response Function，IRF)可以分析一個誤差項發生的變化，或者模型受到沖擊時對動態系統的影響［4］。Svar模型的表達式為:

式 (2)中k表示經過轉換之后的確定性趨勢項;B(L)為滯后算子階多項式矩陣;δt表示結構式的殘差向量，它包含互不相關的結構式沖擊信息，并且方差為單位矩陣［5］。

4 所需變量數據檢驗與模型估計

4.1 所需變量

本文以單位GDP的碳排放表示碳排放強度［6］，記做CI;人均GDP既能反映人民生活水平也能在宏觀上衡量國家經濟的發展狀況，因此采用人均GDP來表示經濟增長規模，記做GI;以單位GDP的能耗來表示能源強度［7］，記做EI;基于中國以煤炭為主能源的現實國情，以煤炭消耗比重表示能源結構，記做CP;第三產業是能耗產出比相對低的產業，第三產業的規模與質量對一國低碳經濟的發展具有重要意義，因此以第三產業所占的比重表示產業結構，記做TIP。

本文基于1980—2009年的碳排放數據、GDP數據、煤炭消耗比重數據與第三產業數據值，對所需數據進行測算。

4.2 相關性AR根檢驗

由于本文所研究的是四種影響因素分別與CI的相關性分析，因此，首先對CI與GI、CI與CP、CI與EI、CI與TIP四組數據的平穩性做AR根檢驗。基于表1數據，應用Eviews6.0計量軟件，對四種影響因素進行AR根平穩性檢驗，如圖1～圖4。

由圖1－圖4可以看到，GI的AR根圖中有一個點不在單位圓內，說明該模型不具有平穩性。因此，人均GDP與碳排放強度不具備穩定的相關性;EI，CP，TIP的特征根都在單位圓曲線內部，說明三者與碳排放強度構建的VAR模型平穩性良好。因此，GI與CI不具有穩定的相關性，不能做進一步的VAR與SVAR的模型構建。

5 脈沖響應函數分析

應用 Eviews6.0軟件，針對1980—2009年的CI與 EI、CP、TIP建立 SVAR模型。利用 SVAR模型中的脈沖響應函數，分析SVAR模型中碳排放強度與其影響因素之間的沖擊變化。

圖1 GI平穩性檢驗AR根圖

圖2 EI平穩性檢驗AR根圖

圖3 CP平穩性檢驗AR根圖

圖4 TIP平穩性檢驗AR根圖

圖5 CI響應CP沖擊的脈沖響應函數

圖6 CP響應CI沖擊的脈沖響應函數

5.1 脈沖響應函數構建

脈沖響應函數指系統在輸入為單位沖擊函數時的輸出響應，以衡量來自隨機輸入項的一個標準差沖擊對內生變量當前和未來取值的影響，由此來判斷變量間的動態關系［8］。在SVAR模型中，第λ個變量的沖擊不僅直接影響到第λ個變量本身，而且會通過SVAR模型的滯后結構傳遞到其他內生變量。

在上述驗證分析以及模型構建的基礎上，應用脈沖響應函數，分析CI與CP、CI與EI、CI與TIP的相互關系。表述CI與CP之間的關系的脈沖響應函數如圖5，圖6所示;CI與EI之間的脈沖響應函數如圖7、圖8所示;CI與TIP之間關系脈沖響應函數如圖9，圖10所示。

圖7 CI響應EI沖擊的脈沖響應函數

圖8 EI響應CI沖擊的脈沖響應函數

5.2 脈沖響應函數分析

圖9 CI響應TIP沖擊的脈沖響應函數

圖5中顯示，在初始階段，碳排放強度隨著煤炭消耗比重增長沖擊而降低，在滯后六期達到負向最大值0.19%，隨后沖擊的負效應逐漸減弱。在滯后十二期開始轉為正效應，在滯后十七期達到正向最大值0.11%。這表明由于GDP增速遠遠高于碳排放增長的速度，短期內煤炭消耗比重的增長所帶來的碳排放速度增長依然要小于GDP的增長速度，碳排放強度的分母拉動效應在短期內依然會起作用，因此，短期內煤炭消耗比重與碳排放強度呈現負相關的關系;從長期的角度觀察，煤炭消耗比重的持續增長會導致碳排放增長速度會超過GDP的增長速度，因而造成碳排放強度的增加;由圖6中可知，碳排放強度在滯后零期對煤炭消耗比重沖擊的負效應達到最大值0.22%，在滯后七期轉為正效應，滯后十四期達到正效應最大值0.12%，隨后在滯后二十二期轉為負效應。由此可見，碳排放強度的增長沖擊對煤炭消耗比重存在交叉的正負效應。碳排放強度的增長會使國家采取適當的調控措施，根據實施現狀調整煤炭使用比重［9］。這同時驗證了模型實際數據中的一些年份，出現碳排放強度的增加，但是卻伴隨著煤炭消耗比重減少的狀態。

圖10 TIP響應CI沖擊的脈沖響應函數

圖7中，能源強度出現增加變化的沖擊后，碳排放強度在滯后一期出現正向反映，在滯后十五期達到正向最大值0.28%，隨后沖擊效應開始減弱。由此可以看出，碳排放強度對能源強度的沖擊在極短時間內沒有反應，在滯后一期出現正向效應，并且具有較長的記憶，能源強度的增加可以引起碳排放強度的上升;能源強度在碳排放出現增加變化沖擊時正向反應明顯，并在滯后一期達到最大值22%，隨后沖擊效應逐漸減弱，在滯后二十三期達到最小值3%后趨于平緩。此現象說明能源強度受碳排放強度的沖擊影響顯著，并且沖擊效果持久，碳排放強度的增長對能源強度具有長期的正向沖擊效應。這表明我國針對碳排放強度的升高，并沒有重視能源強度的作用，未采取有效的措施，通過降低能源強度來阻止碳排放強度的上升。

由圖9可以看到，當第三產業比例產生增長沖擊時，碳排放強度出現負效應，在滯后十一期達到負向最大值0.58%，之后負向效應開始減弱，到達滯后二十一期轉為正效應，在滯后二十六期達到正效應最大值0.09%滯后開始減弱并趨近于0。這種沖擊反應說明在初期，第三產業比重的增加會使碳排放強度減弱，規模越大，碳排放強度的減弱效果越明顯。當第三產業的規模過大，失去與第一產業與第二產業最佳比例時，GDP的增長速度會因產業規模失衡而降低，造成碳排放強度分母拉動不足而上升的現象;圖10中顯示，當碳排放強度產生增長沖擊時，第三產業的比例產生正向反應，在第四期達到最大值，并且長期內保持正向的沖擊效應，在滯后十三期滯后趨于平緩。這說明在碳排放強度的增長會促使國家采取某些措施來應對，運用一部分人力物力來實施節能減排措施，這些工作有相當一部分屬于第三產業性質的工作，第三產業的比例隨之增加。

6 方差分解

方差分解是通過將每一個內生變量分解為結構沖擊各期方差的線性組合，計算結構沖擊在不同期限內方差總和占各內生變量總方差的比例來度量結構沖擊對內生變量的影響，可以更直觀的表示內生變量相互影響程度［10］。因此，通過方差分解可以給出對SVAR模型中的變量產生影響的每個隨機擾動的相對重要性的信息［11］。能源強度增量滯后30期的方差分解結果如表1所示。

表1 碳排放強度方差分解

由表1可知，在滯后一期，能源強度、煤炭消耗比重與第三產業比重沖擊對碳排放強度的影響均為0;由滯后二期開始，三者對碳排放強度的沖擊效應開始顯現:在滯后七期，煤炭消耗比重的貢獻率達到最大值6.696%，隨后開始減弱，在4.3%左右趨于穩定;第三產業比重的貢獻率在滯后十七期達到最大值41.434%，隨后穩定在40.6%左右的貢獻率上;在滯后二十四期，能源強度的貢獻率達到最大值9.794%，其穩定值在9.7%左右。由此可見，第三產業比重的貢獻度最高，能源強度次之，煤炭消耗比重最小。這與三者對碳排放強度沖擊效應分析所得的結果相一致。

7 結論與啟示

本文在總結近年來采用因素分解方法分析碳排放強度研究成果的基礎上，選取出現頻率最高的影響因素:經濟增長規模，能源結構，能源強度，產業結構，基于1980—2009年國內的各項數據進行影響因素平穩性檢驗，并對通過平穩性檢驗的因素進行脈沖響應函數的相關性分析和方差分解，結論如下:

經過VAR模型構建中的影響因素AR根的平穩性檢驗表明，以人均GDP所表示的經濟增長規模因素與碳排放強度的時間序列不具有回歸穩定性;以煤炭消耗比重所表示的能源結構、以單位GDP能耗所表示的能源強度、以第三產業比重所表示的產業結構與碳排放強度的三組時間序列組平穩性良好。

在CP增加的狀態下，碳排放增長速度會加快，但在短期內小于GDP的增長速度，因此出現CI與CP的負相關。而在長期內，碳排放的增長速度會隨著CP的增加超過GDP的增長速度，造成CI的持續提高;EI對CI的沖擊在極短時間內沒有效果，在滯后一期出現正向沖擊效應，在滯后十五期達到正向最大值0.28%，沖擊記憶持久;TIP的合理增加會降低CI，TIP的沖擊合理增加越多，CI的減弱效果越明顯。當TIP無節制的增大，失去與第一產業與第二產業最佳比例時，產業規模失衡會降低GDP的增長速度，從而造成碳CI分母拉動不足而上升的現象。

將CP、EI、TIP對 CI的沖擊效應相比，TIP的沖擊效應最強，負向最大值為0.58%，貢獻率的最大值為41.434%;EI次之，沖擊效應正向最大值為0.28%，貢獻率最大值為9.794%;CP最小，沖擊效應負向最大值為0.19%，貢獻率最大值為6.696%。

根據上述結論，中國降低碳排放強度首先應考慮合理提高第三產業比重，在滿足國內對第一產業與第二產業需求的前提下，發展第三產業，進一步擴大第三產業的服務范圍與領域，并提高第三產業產品質量，更好地為第一產業與第二產業服務，利用產業結構的合理優化實現碳排放強度的降低;其次降低能源強度，通過技術創新與科技進步提高能源的利用效率，在GDP產出相同的情況下減少能源消耗;隨后調整能源結構，降低煤炭消耗比重，同時開發新能源與清潔能源來取代化石能源，從減少單位能耗的碳排放方面，降低碳排放強度。

［1］EIA．World Energy Overview:1996-2006［EB/OL］．http://www．eia．doe．gov/iea/overview．htmly，2010 －05 －12．

［2］張歡，成金華．中國能源價格變動與居民消費水平的動態效應［J］．資源科學，2011，33(5):807－808．

［3］袁偉彥，李文溥．中國貨幣政策的匯率傳遞效應及形成機制——基于SVAR與動態一般均衡(DGE)模型的分析［J］．管理世界，2010，(12):53 －64．

［4］Jing You．China’s energy consumption and sustainable development:Comparative evidence from GDP and genuine savings［J］．Renewable and Sustainable Energy Reviews，2011，(15):2984 －2989．

［5］唐國華．技術創新的動態就業效應:基于結構VAR模型的實證研究［J］．科學學與科學技術管理，2011，32(4):72－77．

［6］Monica Carvalho et al．Optimal synthesis of trigeneration systems subject to environmental constraints［J］．Energy，2011，(36):3779－3790．

［7］Md．R．Shammin et al．A multivariate analysis of the energy intensity of sprawl versus compact living in the U．S．for 2003［J］．Ecological Economics，2010，(69):2363 －2373．

［8］董竹，張云．中國環境治理投資對環境質量沖擊的計量分析［J］．中國人口·資源與環境，2011，21(8):61－65．

［9］劉衛東，陸大道等．我國低碳經濟發展框架與科學基礎［M］．北京:商務印書館，2010:27－45．

［10］張超．產品創新、供求互動與中國經濟內生增長研究［J］．科研管理，2011，32(10):18－26．

［11］唐海仕，羅新星．石油價格沖擊對我國實際匯率波動的影響程度［J］．系統工程，2010，28(6):40－44．

(責任編輯 胡瓊靜)

The Correlation Research on Influence Factors of Carbon Emission Intensity in China

Mi Guofang1Liu Guangwei2
(1.School of Statistics and Mathematical，Inner Mongolia Finance and Economics College，Hohhot 010070，China;2.School of Management and Economics，Tianjin University，Tianjin 300072，China)

X16;F205

A

國家自然科學基金 (71162015)，內蒙古應用技術研究資金計劃專項。

2012－03－26

米國芳 (1981－)，女，內蒙古呼和浩特人，內蒙古財經大學統計與數學學院教師，博士;研究方向:低碳經濟與可持續發展。