我國碳排放與出口貿易的動態關系分析

摘 要：運用向量自回歸（VAR）模型為分析框架，對我國1978—2009年碳排放與出口貿易之間的動態關系進行實證分析。研究結果表明，我國碳排放與出口貿易之間具有長期均衡關系，并存在從出口貿易到碳排放之間的單向因果關系。同時，脈沖響應的分析結果表明，出口貿易對碳排放的沖擊呈現出穩定的特征。此結果說明出口貿易是加劇我國近年來碳排放增加的一個重要因素。

關鍵詞：碳排放；出口貿易；VAR模型

中圖分類號：F124；F752.62 文獻標志碼：A 文章編號：1673-291X（2014）02-0205-02

引言

據測算，2012年我國碳排放量約80億噸，約占全球碳排放量的25%。同時，我國的對外貿易也發展迅速，2012年出口總額為20 498.3億美元，為全球第五大出口國。當然，造成我國碳排放量快速增長的原因很多，包括工業化和以煤炭為主的能源結構等，但出口貿易的快速增長也是推動我國碳排放量不斷增長的重要因素，據測算2012年我國出口中隱含碳排放量占碳排放總量的比重為33.5%。

以1978—2012年我國的碳排放和出口貿易數據為樣本，建立向量自回歸（VAR）模型，通過脈沖響應分析，從實證的角度來分析我國碳排放與出口貿易之間的內在規律，在一定程度上為政策制定者提供理論依據。

一、理論模型和數據說明

1.向量自回歸理論

向量自回歸（VAR ）模型是1980年由希姆斯提出的，它把每一個內生變量作為系統中所有內生變量滯后值的函數來構造模型，由單變量自回歸模型推廣到由多元時間序列組成的向量自回歸模型。在一個含有n個方程（被解釋變量）的VAR模型中，每個被解釋變量都對自身以及其他被解釋變量的若干期滯后值回歸，其表達式為：

yt=Φ1yt-1+…+Φpyt-p+Hxt+εt t=1，2，…T （1）

yt是k維內生變量列向量，xt是d維外生變量列向量，p是滯后階數，T是樣本個數。k×k維矩陣Φ1，…，Φp和k×d維矩陣，H是待估計的系數矩陣。εt 維k擾動列向量，其均值為零，協方差矩陣為Ω，實際應用中，要求協方差矩陣是正定的。

2.數據說明

鑒于數據的權威性與可獲得性，碳排放數據來自美國能源部橡樹嶺國家實驗室二氧化碳信息分析中心（CDIAC）。出口貿易額來自《中國統計年鑒》，用CE和EX表示我國碳排放和出口貿易，單位分別為萬噸和億元。因為對數變換并不影響原始變量之間的協整關系并且能夠消除異方差，所以，對CE和EX進行對數變換，分別用LCE和LEX表示對數變換后的碳排放與出口貿易。

二、實證研究

1.平穩性檢驗

VAR模型要求時間序列應該是平穩的，或者存在長期的協整關系。為確保這兩個變量滿足協整檢驗的前提條件，本文運用ADF單位根檢驗來確定LCE序列和LEX序列的平穩性及其單整階數，結果見表1。

注：D表示差分算子；檢驗類型（C，T，K）中的C，T和K分別表示單位根檢驗包括常數項、時間趨勢和滯后階數，滯后階數根據AIC最優信息準則確定；**和*分別表示5%和1%顯著性水平的檢驗值。

從表中可以看出，LCE、LEX序列是非平穩的，而其一階差分序列在5%的顯著性水平下具有平穩性，故序列LCE、LEX都為一階單整序列。由于兩序列是同階單整的，滿足進一步進行檢驗的前提條件，因而，可以對它們之間的協整關系進行檢驗。

2.協整回歸分析及檢驗

由于只有兩個變量LCE和LEX，故采用E-G兩步法進行協整檢驗。基本步驟為：第一步，以LCE為因變量，以LEX為自變量，建立兩者之間的回歸方程，進行OLS回歸，估計結果如式（2）所示。

LCE=8.63+0.338*LEX+[AR（1）=0.734] （2）

T=（13.898*） （5.886*）

R2=0.989 F=1424.1

從模型的估計結果來看，該模型擬合效果比較好，R2高達0.989，T統計量和F統計量都通過顯著性檢驗。第二步，對回歸方程的殘差序列進行ADF平穩性檢驗，結果見表2。

由表2可知，ADF檢驗顯示在1%顯著性水平下拒絕序列非平穩的原假設，殘差序列平穩，故LCE和LEX存在協整關系。從（2）式可以看到，我國碳排放量對出口貿易的彈性值為0.338，即出口貿易每增長1%，就會導致我國碳排放增長0.338%。出口貿易的增加導致碳排放的增加，這說明我國目前出口貿易的增長屬于粗放型，是資源消耗型的高能耗、高污染模式，不利于我國環境質量的改善。

3.Granger因果關系檢驗

協整檢驗的結果只是說明我國碳排放與出口貿易之間存在長期穩定的均衡關系，但并未給出兩者的因果關系，因而還需采用Granger因果關系檢驗法進一步確定，檢驗結果如表3所示：

由檢驗結果可以看出，可以在不到5%的顯著水平上拒絕“LEX不是LCE的Granger原因”的原假設，即表明在95%的置信水平下認為出口貿易是碳排放增加的Granger原因；同時接受“LCE不是LEX的Granger原因”的原假設，認為碳排放的增加不是出口貿易增加的Granger原因。

4.向量自回歸（VAR）模型

協整分析只是提供變量之間的長期關系，但并沒有為一個變量作用于另一個變量的的動態特征提供更多的信息。由于原序列都是一階平穩的，因而可以建立向量自回歸模型以反映碳排放與出口貿易之間的動態影響關系，使用AIC信息準則和SC準則確定最佳滯后階數為2，得到的VAR（2）模型如下：

（3）

對于VAR模型分析各個變量的參數估計值對因變量的影響是沒有多大意義的。同時，由于非平穩的VAR模型不可以做脈沖響應函數分析和方差分析，所以有必要對模型的穩定性進行檢驗，圖1給出了模型全部特征根的倒數值位置（見圖1）。

以上模型經過VAR模型滯后結構檢驗，所有模的倒數都小于1，則說明此VAR模型的建立是穩定的，可以進一步做脈沖響應函數分析和方差分解。

5.脈沖響應函數分析

脈沖響應函數（IRF）刻畫了模型受到某種沖擊對系統的動態影響，具體來說刻畫的是在隨機擾動項上加上一個單位標準差沖擊對內生變量當前值和未來值所帶來的影響，能夠比較直觀的反映出變量之間的動態交互作用及效應。在建立VAR模型的基礎上，使用脈沖響應函數描述因變量是如何對系統沖擊進行動態響應的。在圖中，橫軸表示沖擊作用的滯后期間數，縱軸表示響應因變量的響應程度，實線表示脈沖響應函數，虛線表示正負兩倍標準差偏離帶。本文選取的滯后期為25。

從圖2可以看出，初期受到出口貿易一個標準差的正向沖擊后，出口貿易呈正向效應在第6期達到最大，此后，正向效應逐漸減弱，在15期之后脈沖效應穩定下來，并一直持續下去。這說明出口貿易受到外部條件的某一沖擊后會給碳排放帶來相應的正向沖擊。

從圖3可以看出，初期受到碳排放一個標準差得正向沖擊后，碳排放呈正向效應在第2期達到最大，此后，正向效應減弱，并從第5期開始，呈現負向效應，最后脈沖響應效應逐漸趨向于零。

6.方差分解

脈沖響應函數描述的是VAR模型中的一個內生變量的沖擊給其他內生變量所帶來的影響，而方差分解（variance decomposition）是通過分析每一個結構沖擊對內生變量變化的貢獻度，是以一個變量的預測誤差方差百分比的形式來反映變量之間的相互作用，進一步評價不同結構沖擊的重要性。LCE的方差分析結果見圖5。

從圖4可以看出，不考慮碳排放自身的貢獻率，出口貿易對碳排放的貢獻率最大達到80%左右，在滯后期為15期左右，CE對EX的貢獻率最大，并且隨著時間的延長，CE對EX的貢獻率達到穩定。

從圖5可以看出，在不考慮出口貿易自身的貢獻率，碳排放對出口貿易的影響最大為第二期，約為6%，隨后其貢獻率逐漸減小，并穩定與2.5%左右。