浙江省金融發展與碳排放關系的實證研究

黎文勇

（廣西師范大學 經濟管理學院，廣西 桂林 541006）

浙江省金融發展與碳排放關系的實證研究

黎文勇

（廣西師范大學 經濟管理學院，廣西 桂林 541006）

低碳經濟的實質是在低能耗、低污染、低排放的基礎上實現經濟發展,而發展金融拉動經濟增長被證明是推動低碳經濟實現的重要途徑之一。浙江作為我國經濟大省，一方面面臨著碳減排壓力,另一方面則有著發展金融的新機遇。如何借助發展金融的契機實現碳減排成為亟待解決的問題。鑒于此，通過考察浙江金融發展尤其是金融效率和金融相關比率與碳排放的關系，發現碳排放自身不僅具有自我激勵機制，且與金融發展具有長期協整關系。

金融發展；碳排放；VAR模型

近年來，全球氣候變暖使溫室氣體尤其是碳排放成為全球關注的焦點，為了應對氣候變化，世界大部分國家達成共識并相繼簽署了《聯合國氣候變化框架公約》和《京都議定書》。中國作為碳排放大國，中國承諾到2020年全國單位國內生產總值二氧化碳排放量比2005年下降40%至45%，要想實現這一目標，發展低碳經濟已經成為必然選擇。低碳經濟的目標是在低碳排放水平下實現經濟的快速增長，而發展金融既可以促進經濟增長，也可以間接地降低碳排放，因而很有必要厘清金融發展和碳排放之間的關系。對金融發展情況與碳排放之間的相互作用進行深入剖析，然后提出相應的對策措施，為我國實施相應的一系列有利于碳減排的金融政策具有重要意義。本文試圖構造VAR模型并深入研究分析浙江省金融發展深度和金融效率對碳排放的動態影響過程，為浙江省，甚至為國家實施碳減排的金融政策提供理論參考。

一、文獻回顧

碳排放研究一直是學者關注的焦點，也得出許多研究結論。從研究方向來看，目前關于碳排放的研究主要集中在兩個方面：一是碳排放與經濟增長關系的研究；二是碳排放影響因素的研究。

關于經濟增長與碳排放之間關系的研究以環境庫茲涅曲線（EKC）最為經典。其中，環境庫茲涅茨曲線是美國經濟學家Grossman和Kureger提出的，它主要表達的是環境質量指標與經濟增長之間不是存在單純的正負相關的線性關系，而是呈現倒U形的曲線關系[1]。許多學者對EKC所表現的環境污染與經濟增長之間的倒U型假說關系進行了驗證。例如Galeottia和 Lanza（2005）認為存在 CO2的 Kuznets曲線，即簡寫為CKC[2]；Marzio Galeotti et.al.（2006）對CKC進行了穩健性檢驗，發現OECD國家存在CKC[3]；Lean和Smyth（2010）對東盟五國二氧化碳排放、電力消費與產出之間關系的研究，結果表明存在東盟國家CKC曲線[4]。國內學者也根據我國實際情況進行EKC檢驗，例如劉揚、陳劭鋒（2009）基于IPAT方程，發現存在碳排放強度、人均碳排放和碳排放總量三個倒U型曲線[5]；許廣月和宋德勇建立面板數據模型進行分析，得到了中國及東、中部存在EKC曲線，西部不存在EKC曲線的結論[6]；梁紅玉（2010）運用面板單位根和協整檢驗方法，研究中國碳排放EKC曲線的存在性，并對達到人均碳排放拐點的時間進行分析[7]。

關于碳排放影響因素方面的研究則主要集中在經濟發展方式、能源使用效率、人口態勢、消費模式、能源結構、能源強度、技術以及產業結構等方面。例如，蘇方林,宋幫英,侯曉博(2010)對比性建立廣西碳排放量及影響因素間關系的實證模型，研究表明廣西碳排放量對經濟增長狀況和產業結構的沖擊反應十分敏感[8]；林伯強等（2009）利用對數平均迪氏分解法（LMDI）和STIRPA模型分析得出，產業結構和能源消費結構都對二氧化碳排放有顯著影響，特別是能源強度中的工業能源強度[9]；Liang等基于投入產出分析，考察了人口規模、城市化水平、技術進步對我國碳排放的影響[10]；趙冠偉等（2010）實證研究了人口和經濟的增長是影響碳排放量增長的主要因素，而能源強度的下降可以抑制碳排放量的增長[11]。

雖然環境庫茲涅茨理論為我國研究碳排放提供了理論基礎，但是庫茲涅茨曲線研究本身也存在問題，這是因為選擇的不同的對象和衡量指標會造成不同的碳排放庫茲涅茨曲線形態。事實上，在大力倡導低碳經濟的背景下，通過發展金融來實現碳減排壓力是浙江省面臨的一個必然選擇。這是因為金融體系可以克服信息偏在和分散流動性風險提高資金配置效率，從而將資本配置到邊際生產率更高的項目上[12-14]。此外發達的金融部門可以降低借貸成本，促進在能源效率部門的投資水平，并降低能源消耗。鑒于此，本文利用浙江省1994-2012年相關的金融數據和碳排放數據建立VAR模型來考察金融發展和碳排放之間的動態關系，從而為浙江省碳減排提供建議參考。

二、指標選取、數據來源及碳排放量計算

（一）變量的選取

在度量金融發展深度時，本文采用了Goldsmith提出的金融相關比率(FIR)，即金融資產總額與GDP的比率[15]；金融效率(jrxl)的測量指標則借鑒周國富(2007)設計的評價宏觀金融效率的指標體系，用貸款總額與存款總額的比值來衡量金融體系將儲蓄轉化為投資的效率。

（二）數據來源及說明

本文從《浙江統計年鑒》、《中國能源統計年鑒》選取并整理了浙江省1994-2012年原油消費總量、煤炭消費量、能源消費總量、人均GDP、人均GDP指數（上年=100）、貸款總額以及存款總額等相關數據。為了消除通貨膨脹的影響，對人均GDP以2000年為基期進行了平減處理。由于數據可得性，計算碳排放量時沒有考慮天然氣消費量帶來的影響。此外，為了消除異方差，對金融相關比率（FIR）、金融效率（JRXL）、碳排放量（TPF）取對數，并記為LNFIR、LNJRXL、LNTPF。

（三）碳排放量的計算

碳排放(TPF)根據IPCC[16]計算指南，通過浙江的能源消費總量、煤炭消費總量、石油消費總量和能源碳排放系數，碳排放系數采用朱永彬，王錚等[17]根據IEA2005中1980—2005年各能源品種的消費量及其對應的碳排放量數據進行線性擬合，得出煤、石油的碳排放系數相對于各能源品種的碳排放系數，分別為1.0052，0.753。第i年的能源消費的碳排放量計算公式如式（1）:

式中，Ai是第i年碳排放量，E是第i年的能源消費總量，qij是第i年j能源消費量在能源消費總量中的百分比，cj是j能源碳排放系數。

三、浙江金融發展與碳排放的實證分析

（一）構建模型

1980年 Sims提出向量自回歸模型（vector autoregressive model）。這種模型采用多方程聯立的形式，它不以經濟理論為基礎，在模型的每一個方程中，內生變量對模型的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。本文構造的非限制VAR(p)模型可以表示為：

其中，Yt=，即3階時間序列的列向量，α是3階常數項列向量,βi是 3×3階參數矩陣，εt為3階隨機誤差列向量。

（二）實證檢驗及結果

本文先對模型穩定性進行檢驗，并利用赤池信息量準則確定最大滯后階數為2階，然后進行ADF單位根檢驗、Johansen協整檢驗和Granger因果檢驗，最后利用脈沖響應分析研究金融發展與碳排放的動態關系。

1.ADF單位根檢驗

表1 ADF單位根檢驗結果

從表1看出，原時間序列 LNFIR、LNJRXL、LNTPF的ADF檢驗值均大于各自在5%和10%顯著水平下的臨界值，所以原時間序列是不平穩的。但是對原序列經過一階差分后，在相應的顯著性水平下，其ADF值分別小于其相應的臨界值，因而一階差分后的序列是平穩序列，說明金融效率、金融相關比率、碳排放量取對數后都是一階單整的，并且金融效率、金融相關比率、碳排放量之間可能存在長期的協整關系。

2.Johansen協整檢驗

表2 Johansen協整檢驗結果

表2是Johansen協整檢驗的結果，我們從不存在協整關系的零假設開始逐步進行檢驗，發現它們之間至少存在兩個協整關系，即跡統計量都大于5%臨界值水平,充分說明浙江金融發展與碳排放量存在一種長期均衡穩定的關系。雖然我們通過Johansen協整檢驗確定了金融發展與碳排放存在長期協整關系，但沒有明確指出它們之間因果關系的方向。為此，我們需要進一步進行格蘭杰因果關系檢驗。

3.Granger因果檢驗

表3 Granger因果檢驗結果

表3是給定10%顯著水平下的Granger因果檢驗結果，從中可以看出，LNTPF與LNJRXL、LNFIR與LNTPF、LNFIR與LNJRXL均為單向的格蘭杰因果關系。具體如下：

第一，碳排放是金融效率的單向Granger原因，這可能主要是由于碳排放量增加或減少會影響著政策制定者對金融投資的調控，從而影響下一輪碳排放量。

第二，金融相關比率是碳排放的單向Granger原因，即發展金融可以減少碳排量，這主要是由于金融發展作為一種低碳經濟，通過發展金融可以促進產業結構升級，從而以低排放量促進經濟增長。

第三，金融相關比率是金融效率的單向Granger原因，即金融相關率高低影響著金融效率水平。浙江金融發展水平在我國是較發達的，這主要表現在其金融資產總額較大，而當金融資產總額達到一定程度后相應提高金融效率水平。

（三）脈沖響應函數和方差分解

1.脈沖響應函數。向量自回歸模型主要功能是考察分析當模型受到隨機變量的沖擊之后,整個系統發生的動態影響。圖1中橫軸表示20年的響應函數追蹤期,縱軸表示碳排放量對各影響因素的響應度,圖中實線系為響應函數的計算值,虛線系為響應函數值加、減兩倍標準差置信區間。

第一，在給浙江金融相關比率一個標準差擾動沖擊之后,碳排放首先在第1期為0，接著迅速上升到第4期的最高值0.0392，之后第5期開始至第20期一直呈下降趨勢，但均為正。總體上浙江金融相關比率的擾動沖擊會對碳排放量產生正響應。這也說明浙江金融相關比率越高，浙江的碳排放就越多，即金融發展深度會增加碳排量。

第二，在給浙江省金融效率一個標準差擾動沖擊之后,碳排放從開始的0迅速上升到最高值的第3期0.0196，之后從第3期開始呈下降波動趨勢，到第6期之后開始變為負值并持續至第20期。總體上浙江金融效率對碳排放的沖擊效果由正轉為負，這說明浙江金融發展效率對浙江碳減排作用效果明顯，即金融發展效率對碳排放產生顯著的抑制作用，其作用效果可以在第六期期后觀察到。因此，可以通過經濟金融化促進碳減排任務的實現。

第三，在給碳排放一個標準差擾動沖擊之后，浙江碳排放自身從開始的0.0478開始向下波動并持續至20期，即碳排放對其自身的沖擊響應顯著為正。這說明碳排放上有自我激勵的性質，說明人們的消費理念和生活方式的選擇對碳排放量產生重要影響，可以通過灌輸低碳思想和理念轉變人們高碳的生活方式來降低區域碳排放水平[16]。

2.方差分解。從下面表4可以看出,首先來自與碳排放自身的貢獻率，但是這種貢獻度總體呈下降趨勢，從第1期的100%一直持續下降到第20期的38.37%；其次，浙江金融效率水平解釋碳排放的預測方差分解的貢獻度最小，浙江金融效率的貢獻率由1期的0%逐漸上升到2期的0.72%，之后從第2期后迅速上升到最高值第4期的7.26%，然后從第5期開始至20期基本維持在5%左右；最后，浙江金融相關比率首先從第1期的0%上升到第2期4.85%，接著從第3期開始上快速升到到第5期的38%，之后持續緩慢增長到第20期的56.27%，總體上呈上升趨勢，說明浙江金融發展深度可以很好地解釋浙江碳排放問題。

圖1 碳排放對金融相關比率、金融效率的脈沖響應

四、結論

本文通過計算浙江碳排放量并建立VAR模型，研究了浙江金融發展與碳排放之間的動態影響過程，得出以下結論：

表4 金融相關比率、金融效率對碳排放的預測方差分解

第一，從模型基本檢驗結果來看，浙江金融發展深度、金融效率和碳排放量具有協整關系，說明他們之間具有長期的均衡關系。此外，浙江碳排放是浙江金融效率的單向Granger原因；浙江金融相關比率是浙江碳排放的單向Granger原因；而浙江金融相關比率則是金融效率的單向Granger原因。

第二，從方差分解結果來看，首先，浙江碳減排具有自我激勵性質，即浙江可以通過引導人們樹立環保意識，轉變消費理念和生活方式來實現浙江碳減排；其次，金融發展深度對碳排放的解釋程度較大，說明提高浙江金融發展深度水平有助于抑制浙江碳排放量；最后，浙江金融效率水平對金融浙江碳排放的解釋程度較小，這可能是由于金融效率水平對碳減排的影響具有時滯性導致的，同樣不能忽視金融效率的作用。

第三，從脈沖響應結果可以看出，浙江金融發展狀況影響著浙江碳減排效果，而碳排放也會反過來影響金融發展深度，這說明碳排放的減少可以在一定時期內促進金融發展深度的提高。

[1]GROSSMAN G M,KRUEUER A B.Economic growth and the environment[J].Quarterly Journal of Economics,1995，110(2):353-377.

[2]Galeottia,M.and Lanza A.Desperately Seeking Environmental Kuznets [J].Environmental Modelling&Software,2005,20(11).

[3]Marzio Galeotti et.al.Reassessing the Environmental Kuznets Curve forCO2 Emissions：A Robustness Exercise [J].Ecological Economics,2006,57(1).

[4]Lean，H.H.，andSmyth，R.CO2Emission，ElectricityConsumption and Output in ASEAN[J].Applied Energy，2010，(8):1858-1864.

[5]劉揚,陳劭鋒.基于IPAT方程的典型發達國家經濟增長與碳排放關系研究[J].生態經濟,2009(11).

[6]許廣月,宋德勇.中國碳排放環境庫茲涅茨曲線的實證研究——基于省域面板數據[J].中國工業經濟,2010,(5):38-47.

[7]梁紅玉.二氧化碳與中國經濟增長的關系研究[J].中國集體經濟,2010(10):20－21．

[8]蘇方林,宋幫英,侯曉博.廣西碳排放量與影響因素關系的VAR實證分析[J].西南民族大學學報,2010（9）.

[9]林伯強,蔣竺均.中國二氧化碳的環境庫茲涅茲曲線預測及影響因素分析[J].管理世界,2009（4）:27－36.

[10]Liang Qiaomei，Fan Ying，Wei Yiming Multiregional input output model for regional energy requirements and CO2 emissions in China［J］.Energy Policy，2007，35(3):1685-1700.

[11]趙冠偉,陳健飛,崔海山,等.1992—2007年廣州市能源消費碳排放研究[J].資源與產業,2010,12(6):179-184.

[12]Greenwood J,Jovanovie B Financial Development，Growth，and the Distribution of Income ［J］.Journal of Political Economy,1990,98(5):1076 －1107．

[13]Beneivenga V R， Smith B D．Financial Intermediation and Endogenous Growth[J]Review of Economic Studies,1991,58(2):195 －209．

[14]Greenwood J,Smith B．Financial Markets in Development and the Development of Financial Markets [J].Journal of Economic Dynamics and Control,1997,21(1):145－181．

[15]Goldsmith R.Financial Structure and Development[M].New Haven:Yale University Press,1969．

[16]顧洪梅，何彬.中國省域金融發展與碳排放研究[J].中國人口、資源與環境，2012（2）.

（責任編輯：朱 斌）

An Empirical Study of the Relationship between Financial Development and Carbon Emissions in Zhejiang Province

LI Wen-yong
(School of Economic Management,Guangxi Normal University,Guilin 541006,China)

The core of Low Carbon economy is to achieve economic development with low energy consumption,low pollution and low emission.To promote economic development with financial development is proven to be an important way to realize low carbon economy.As China’s large economic province,Zhejiang encounters pressure to decrease carbon emission as well as the opportunity to develop financial sectors.How to achieve lower carbon emission with financial development becomes an imminent problem.Therefore,according to the relations between carbon emission and financial efficiency relative ratio,carbon emission not only has the mechanism of self-stimulation,but also has a long term coordinated relation with financial development.

financial development;carbon emissions;VAR model

F830.6

A

123(2014)04-0067-05

2014-06-01

黎文⒙(1989-),男,廣西梧州人，廣西師范大學，碩士。研究方向：區Ⅱ碳排放,區Ⅱ經濟金融發展。