電力消耗、經濟增長與CO2排放量的實證分析
——基于中國面板數據

潘 偉,熊建武

(武漢大學經濟與管理學院,湖北 武漢 430072)

1 引言

20世紀90年代以來，全球氣候變化受到國際社會的廣泛關注，世界各國都對氣候變化進行了研究以制定相應的能源政策。由于二氧化碳在能源消耗造成的溫室氣體排放量中占絕對比重，因此，研究能源消耗產生的溫室氣體二氧化碳排放量已成為氣候變化研究的熱點領域之一。

中國已成為世界上最大的碳排放國[1]，經濟增長和二氧化碳排放量之間的關系，自然也受到廣泛的關注。國內外許多學者對中國的碳排放和金融發展[2]，碳排放和交通運輸行業[3]等做了許多研究。電力行業是國民經濟發展的重要的基礎產業，研究中國的電力消耗、經濟增長和二氧化碳排放量之間的關系，對低碳經濟發展的政策制定有著非常重要意義。

近年來，電力消耗、經濟增長和二氧化碳排放量之間的關系已成為一個重要的研究熱點。許多研究者從不同角度研究了電力消耗，經濟增長和二氧化碳排放量之間的關系，根據研究使用的樣本對象，可以分為兩大類。

第一類研究是針對特定國家。Akpan等[4]的研究結果表明，尼日利亞的經濟增長在長期會造成二氧化碳排放量的增加，電力消耗也會導致二氧化碳排放量的增加；Adebola[5]格蘭杰因果檢驗表明，從長遠來看，博茨瓦納的電力消耗與經濟增長之間存在正相關的關系；此外，Hwang和Yoo[6]研究發現，馬來西亞的能源消耗和二氧化碳排放量之間存在雙向的因果關系；Shaari和Hussain等[7-9]的實證分析表明，印度的經濟增長與電力消耗、能源消耗與經濟增長之間都存在因果關系；Shahbaz 和Mutascu等[10]的實證研究表明，羅馬尼亞的電力消耗與經濟增長之間存在雙向的格蘭杰因果關系。

第二類研究是針對不同國家。面板數據向量誤差修正模型估計結果表明，東盟五國的電力消耗與二氧化碳排放量在統計意義上存在顯著的正相關關系[11]；Odhiambo[12]的研究表明，南非的電力消耗與經濟增長之間存在明顯的雙向因果關系，并且南非的電力消耗是引起經濟增長的格蘭杰原因；Wendy等[13]研究了金磚四國的電力消耗、經濟增長與二氧化碳排放量之間的關系，面板因果關系分析結果表明，只有在印度存在電力消耗與二氧化碳排放量之間的格蘭杰因果關系。

國內學者對經濟增長與碳排放也做了很多研究。吳振信等[14]運用面板數據模型分析了中國經濟增長、產業結構對碳排放的影響，研究發現產業結構對于發展低碳經濟具有重要作用；陸靜[15]利用面板數據協整分析研究了中國金融發展和經濟增長的關系，發現金融發展能夠推動經濟增長；顧佰和[16]建立了碳減排潛力情景分析模型，并應用到重慶市化工行業低碳發展當中；劉貞等[17]運用預測模型，研究產業結構調整對電力行業CO2排放的影響，發現大力發展新能源，改善電力能源結構對于節能減排有積極作用。

對比國內外相關研究發現，國內對于碳減排的經濟計量模型研究較少，研究碳排放與經濟增長應當考慮系統內每一個內生變量對所有其他內生變量的滯后影響。而VAR模型是利用系統內生變量滯后值的函數來構造模型,是處理多個相關經濟指標的分析與預測最容易操作的模型之一，并且在國外得到的廣泛的應用[7-13]。其次，電力行業作為影響能源消耗的重要行業，其節能減排對于中國發展低碳經濟具有重要作用。基于此，本文運用VAR計量經濟學模型，探討了中國電力消耗、經濟增長和二氧化碳排放量之間的關系，基于1990-2013年的面板數據進行分析，在電力消耗、經濟增長與二氧化碳排放量之間尋找到經濟發展的均衡關系，為電力部門的能源決策提供重要的參考價值。

2 研究方法

本文運用計量經濟學方法，包括協整檢驗和格蘭杰因果關系檢驗，脈沖響應函數等，探討了中國電力消耗、經濟增長和二氧化碳排放量之間的關系。

首先，運用單位根檢驗時間序列數據是否是穩定的，因為只有穩定的時間序列數據才可以進行協整檢驗和格蘭杰因果關系檢驗；然后，我們使用基于VAR模型的Johansen協整檢驗和格蘭杰因果關系檢驗法，探索電力消耗、經濟增長與二氧化碳排放量之間的長期均衡關系和各變量之間的短期相互影響；最后運用脈沖響應函數分析模型中隨機擾動的沖擊對其他變量的影響。

3 實證分析

3.1 數據來源

根據數據的可獲得性，本文使用的中國年度數據涵蓋了1990年至2013年，所有變量包括電力消耗(EC)(人均每千瓦時)，二氧化碳排放量(CO2)(人均每噸)與經濟增長(GDP)(按人均GDP(2005美元價格))，所有的年度數據都是從世界銀行[18](WDI)獲取的，文章使用的所有相關變量的定義如表1所示，變量的統計描述如表2所示。

表1 變量定義

表2 變量的描述性統計

按照Gao[19]和Md等[20]的數據處理方法，所有變量在進行分析之前轉化為對數，結果如圖1所示。從圖1中可以看出，所有這些變量數據都呈現逐年穩步上升趨勢。

圖1 變量的對數

3.2 計量經濟分析

3.2.1 單位根檢驗

面板數據單位根檢驗是進行協整檢驗和格蘭杰因果檢驗分析的基礎[21-23]，單位根檢驗的方法有很多種，通常我們可以見到ADF，DFGLS和KPSS檢驗等，這里我們選擇ADF單位根檢驗，因為它在大多數國外研究中得到應用[2，19]。

單位根檢驗的結果如表3所示，從表3中我們得出結論，所有變量的原始序列在5%的顯著性水平下都沒有拒絕零假設，這表明原始序列是非平穩序列，即存在“單位根”。所有變量的第二差分序列在5%的顯著性水平都拒絕零假設，即不存在“單位根”，也就是二階單整I(2)，這表示電力消耗、經濟增長與二氧化碳排放量之間存在協整關系，意味著可能存在長期均衡關系。

3.2.2 Johansen協整檢驗

面板數據協整檢驗主要是確定具有相同的趨勢兩個或多個變量之間是否存在長期均衡關系，以防止出現偽回歸問題[24-26]。協整檢驗方法包括EG 兩步法和Johansen檢驗法，由于傳統的EG協整檢驗方法是基于線性回歸的殘差序列檢驗，一般只適用于單變量回歸模型檢驗，所以本文協整檢驗方法采用被廣泛使用的Johansen檢驗法[2-3]。

表3 單位根檢驗結果

表4 Johansen協整檢驗結果

Trace test indicates 1 cointegrating eqn(s) at the 0.05 level;* denotes rejection of the hypothesis at the 0.05 level;**MacKinnon-Haug-Michelis (1999) p-values

Johansen協整檢驗的結果如表4所示，其結果支持中國電力消耗、經濟增長與二氧化碳排放量之間的協整關系。值得注意的是，協整分析的結果只能說明這些變量之間的長期均衡關系，并不能說明它們之間的因果關系，變量之間的因果關系需通過格蘭杰因果檢驗來驗證。

3.2.3 格蘭杰因果關系檢驗

協整檢驗結果說明了變量之間長期均衡關系的存在，但這種均衡關系構成了因果關系，需要通過格蘭杰因果檢驗來驗證[27-30]。

為進行格蘭杰因果關系檢驗，我們選擇以下VAR模型[31]：

(1)

其中，B0 是一個3×1的單位矩陣，B1,B2,…,Bq是3×3的系數矩陣，q是模型的滯后階數，εt代表模型隨機誤差項。我們可以檢驗方程(1)中的假設，研究電力消耗、經濟增長與二氧化碳排放量之間是否存在格蘭杰因果關系。

向量自回歸模型的滯后階數是非常重要的，因為它可以減少誤差項的自相關，并可能會導致模型效率低下，所以選擇一個合適的滯后階數是必要的。這里我們選擇滯后階數時，采用SC(Schwarz信息準則)和AIC(Akaike信息準則)統計值最小原則，這兩個統計值可以表示如下：

AIC=-2l/n+2k/n

(2)

SC=-2l/n+klogn/n

(3)

滯后階數選擇的結果如表5所示，從結果中我們發現，滯后一階是最合適的，因此在下文的分析中我們采用一階滯后進行分析。

表5 模型滯后階數選擇

* indicates lag order selected by the criterion;LR: sequential modified LR test statistic (each test at 5% level);FPE: Final prediction error;AIC: Akaike information criterion;SC: Schwarz information criterion;HQ: Hannan-Quinn information criterion

格蘭杰檢驗適用于平穩時間序列，所以我們選擇的時間數據序列是I(2)。格蘭杰因果檢驗的結果如表6所示，結果表明，不存在電力消耗與二氧化碳排放量，經濟增長與二氧化碳排放量之間的格蘭杰因果關系，且存在經濟增長與電力消耗之間的雙向格蘭杰因果關系，這可能意味著經濟增長的增加會導致電力消耗的增加；而電力消耗的增加，可能會促進經濟增長。

格蘭杰因果關系檢驗的結論只是一種預測，是統計意義上的“格蘭杰因果性”，而不是真正意義上的因果關系，不能作為肯定或否定因果關系的根據。當然，即使格蘭杰因果關系不等于實際因果關系，也并不妨礙其參考價值。因為在經濟學中，統計意義上的格蘭杰因果關系也是有意義的，對于經濟預測等仍然能起一些作用。

表6 格蘭杰因果檢驗結果

3.2.4 VAR模型估計

面板數據協整檢驗和因果關系檢驗只是探索變量之間的短期和長期的關系，沒有具體研究這些變量的當前周期和滯后期之間的動態關系，以及其隨機擾動項的沖擊效果。因此，這里建立面板VAR模型進行進一步的分析，根據Faiza[31]和Xu[3]等的研究，模型如下：

(4)

(5)

(6)

其中t=1,2,…T,εt,λt,θt代表隨機擾動項，α,φ,π是常數項，βj,δj,χj,φj,κj,γj,υj,τj,ψj是方程中變量的系數。

VAR模型估計的結果如下表7所示，從結果中可以看出， R方和調整R方都為0.998，這意味著模型是非常擬合的。從表7我們可以看到，滯后一期的電力消耗對當期經濟增長和二氧化碳排放量產生正向的作用，這表明電力消耗對經濟增長和二氧化碳排放量有較大的影響，滯后一期的電力消耗促進當期的電力消耗，同時也促進當期經濟增長和CO2排放量增加。經濟增長的滯后期對當前電力消耗和二氧化碳排放量產生負向的作用，而二氧化碳排放量的滯后期對當前經濟增長沒有顯著影響。這表明上期經濟增長促進當期的經濟增長時，政府通過技術創新和能源效率的提高，可以降低當期的二氧化碳排放量，而上期二氧化碳排放量并不直接促進當期經濟增長。

3.2.5 脈沖響應函數

在實際應用中，由于VAR模型通常都是非經濟理論性的簡化模型，它不需要對變量作任何先驗性約束。因此，在分析應用中，往往并不利用VAR模型去分析某一變量的變化對另一變量的影響如何，而是分析當某一擾動項發生變化，或者說模型受到某種沖擊時，對系統的動態影響，這種分析方法稱為脈沖響應函數方法。

為了進行脈沖響應函數分析，必須確保VAR模型是穩定的[3]。檢驗VAR模型的穩定性條件是相應的特征方程特征根的絕對值小于1，VAR模型特征根的結果如圖2所示，在圖中的藍色圓點表示特征根，從圖2中我們可以看出，所有的特征根都在單位圓內，所以VAR模型是穩定的，可以進行脈沖響應函數的分析。

表7 VAR模型估計結果

Note:standard errors in () and t-statistics in []

圖2 VAR特征根檢驗結果

脈沖響應函數分析的結果如圖3 所示，從圖3中我們可以看出，給定CO2排放量一個標準沖擊，對經濟增長存在一個負向的沖擊影響，這種負向的影響在短期內加大，隨后減小并最終為零。這意味著受CO2排放量的沖擊影響，短期內經濟增長受抑制，但隨著技術進步和能源利用效率的提高，這種影響將逐漸減小，長期來看幾乎沒有影響。CO2排放量的標準沖擊對電力消耗產生正向的沖擊影響，影響趨勢先增加，隨后降低，這表明受CO2排放量的沖擊，電力消耗成增加趨勢。

給定電力消耗一個標準沖擊，對CO2排放量在短期內存在一個正向的影響，隨后轉變為負向的影響，這表明電力消耗的沖擊在短期內將促進CO2排放量的增加，但伴隨著新能源的興起和能源效率的提高，將導致CO2排放量減少。電力消耗的標準沖擊對經濟增長產生負向的影響，影響趨勢先增加隨后降低，這表明電力消耗的沖擊并沒有促進經濟增長，應進行電力生產結構調整。

給定經濟增長一個標準沖擊，對CO2排放量在短期內存在一個正向的影響，隨后轉變為負向的影響，這意味著短期內，經濟增長的沖擊影響會促進CO2排放量的增加，但經濟增長帶來的技術進步在長期會導致二氧化碳排放量降低。經濟增長的標準沖擊對電力消耗產生正向的沖擊影響，這意味著受經濟增長的沖擊，刺激了電力消耗的增加。

4 結語

本文試圖探討中國電力消耗、經濟增長與二氧化碳排放量之間的關系，從協整檢驗和格蘭杰因果關系檢驗結果得出，電力消耗、經濟增長與二氧化碳排放量之間存在協整關系，這與Alice等人[32]和Wendy[13]等的研究結果是一致的；從VAR模型估計的結果得出，滯后一期的電力消耗對當期經濟增長和二氧化碳排放量產生正向的作用；經濟增長的滯后期對當期電力消耗和二氧化碳排放量產生負向的作用；而二氧化碳排放量的滯后期對當期經濟增長沒有顯著影響。這表明上期經濟增長促進當期的經濟增長時，政府通過技術創新和能源效率的提高，可以降低當期的二氧化碳排放量，而上期二氧化碳排放量并不直接促進當期經濟增長。

根據實證結果，我們為中國低碳經濟發展和電力部門的能源政策制定提供一些建議。首先，經濟增長應當始終是優先考慮的。實證結果表明，經濟增長在短期內會促進二氧化碳排放量的增加，但從長期來看，經濟增長促進了技術的進步和能源效率的提高，進而導致二氧化碳排放量的減少。作為新興經濟體的中國，經濟發展不僅是國民社會進步的真實需要，而且長期以來可以有效降低二氧化碳的排放。正如環境庫茲涅茨曲線[33-34]所描述的那樣，當經濟發展達到一定水平，環境污染物如二氧化碳排放量可能會下降，這個下降的拐點是多少取決于本國的國情，但可以采取一定的政策干預倒“U”形曲線的上升階段，使得這一拐點提前到來。其次，提高電力消耗的能源效率是十分必要的。從研究中可以發現，電力消耗會促進二氧化碳排放量的增加，但不直接促進經濟增長。因此，為了減少二氧化碳排放的同時保持經濟增長，就必須提高電力能源消耗的效率，通過技術進步或產業結構調整，使得每單位電能消耗量減少，“低能耗、低排放、高收益”的綠色發展就可以實現。此外，還可以積極推進電力產業結構優化或尋找新能源來發展電力行業低碳經濟。

圖3 脈沖響應函數分析結果

[1] Duolley B,2015.The BP statistical review of world energy 2015[R].Speech, BP.2015.

[2] Zhang Yuejun.The impact of financial development on carbon emissions:An empirical analysis in China[J].Energy Policy, 2011,3(4):2197-2203.

[3] Xu bin,Lin boqiang.Carbon dioxide emissions reduction in China,s transport sector:A dynamic VAR(vector autogression) approach[J].Energy ,2015,83:486-495.

[4] Akpan G E, Akpan U F.Electricity consumption, carbon emissions and economic growth in Nigeria[J]. International Journal of Energy Economics and Policy ,2012,2 (4), 292-306.

[5] Adebola S S.Electricity consumption and economic growth: Trivariate investigation in Botswana with capital formation[J]. International Journal of Energy Economics and Policy, 2011,1(2) 32-46.

[6] Hwang J H, Yoo S H. Energy consumption, CO2emissions, and economic growth: Evidence from Indonesia[J]. Quality and Quantity, 2014,48(1), 63-73.

[7] Shaari M S, Hussain N E, Ismail M S. Relationship between energy consumption and economic growth: Empirical evidence for Malaysia[J]. Business Systems Review, 2012,2(1): 17-28.

[8] Paul S, Battacharya R N. Causality between energy consumption and economic growth in India: A note on conflicting results[J]. Energy Economics, 2004,26(6):977-983.

[9] Ozturk I, Uddin G S. Causality among carbon emissions, energy consumption and growth in India[J]. Economic Research—Ekonomska Istra?ivanja ,2012,25(3): 752-775.

[10] Shahbaz M, Mutascu M, Tiwari A K. Revisiting the relationship between electricity consumption, capital and economic growth: Cointegration and causality analysis in Romania[J]. Romania Journal of Economic Forecasting, 2012,(3): 97-120.

[11] Lean H H, Smyth R. CO2emissions, electricity consumption and output in ASEAN[J]. Applied Energy,2010,87(6): 1858-1864.

[12] Odhiambo N M. Electricity consumption and economic growth in South Africa: A trivariate causality test[J]. Energy Economics,2009,31(5): 635-640.

[13] Cowan W N, Chang T, Inglesi-Lotz R, et al. The nexus of electricity consumption, economic growth and CO2emissions in the BRICS countries[J].Energy Policy, 2014,66:359-368.

[14] 吳振信，謝曉晶，王書平.經濟增長、產業結構對碳排放的影響分析———基于中國的省際面板數據[J].中國管理科學，2012,20(3)：161-166.

[15] 陸靜.金融發展與經濟增長關系的理論與實證研究———基于中國省際面板數據的協整分析[J].中國管理科學，2012,20(1)：177-184.

[16] 顧佰和，譚顯春，池宏，等.化工行業二氧化碳減排潛力分析模型及應用[J].中國管理科學，2013,21(5)：141-148.

[17] 劉貞，朱開偉，閻建明，等.產業結構優化下電力行業碳減排潛力分析[J].管理工程學報，2014,28(2)：87-92.

[18] The World Bank. World Development Indicators (WDI)[R].http://data.worldbank.org/indicator.

[19] Gao Jing, Zhang Lei.Electricity consumption-economic growth-CO2emissions nexus in sub-Saharan africa: Evidence from panel cointegration[J].African Development Review,2014,26(2):359-371.

[20] Nain M Z, Ahmad W, Kamaiah B.Economic growth, energy consumption and CO2emissions in India: A disaggregated causal analysis[J].International Journal of Sustainable Energy, 2017,36(8):807-824.

[21] Levin A, Lin CF, Chu CSJ. Unit root tests in panel data: Asymptotic and finite-sample properties[J]. Journal of Econometrics,2002,108(1):1-24.

[22] Im K S, Pesaran M H, Shin Y .Testing for unit roots in heterogeneous panels[J]. Journal of Econometrics, 2003,115(1):53-74.

[23] Clarke J A,Mirza S.Comparison of some common methods of detecting Granger non-causality[J]. Journal of Statistical Computation and Simulation,2006,76(3): 207-231.

[24] Johansen S． Statistical analysis of cointegration vectors[J]．Journal of Economic Dynamics and Control，1988，12(2-3): 231-254．

[25] Kao C.Spurious regression and residual-based tests for cointegration in panel data[J].Journal of Econometrics，1999，90(1): 1-44．

[26]Pedroni P.Panel cointegration: Asymptotic and finite sample properties of pooled time series tests with an application to the PPP hypothesis[J]. Econometric Theory, 2004,20(3)：597-627.

[27] Soytas U, Sari R.Energy consumption, economic growth, and carbon emissions: Challenges faced by and EU candidate member[J]. Ecological Economics,2009,68(6): 1667-1675.

[28] Zhang Xingping, Cheng Xiaomei. Energy consumption, carbon emissions, and economic growth in China[J].Ecological Economics, 2009,68(10): 2706-2712.

[29] Apergis N, Payne J E.The emissions, energy consumption and growth nexus: Evidence from the commonwealth of independent states[J]. Energy Policy, 2010,38(1):650-55.

[30] Hamdi H, Sbia R. Short-run and long-run causality between electricity consumption and economic growth in a small open economy[R]. Working Paper No. 49904, Munich Personal RePEc Archive, 2012.

[31] Abbasi F, Riaz K.CO2emissions and financial development in an emerginge economy:An augmented VAR approach[J].Energy Policy ,2016,90:102-114.

[32] Shiu A, Lam P L.Electricity consumption and economic growth in China[J].Energy Policy ,2004,32(1):47-54.

[33] Canas A,Ferrao P,Conceicao P.A new environmental Kuznets curve?Relationship between direct material input and income per capita:Evidence from industrialised countries[J].Ecological Economics. 2003,46(2):217-229.

[34] Galeotti M, Lanza A, Pauli F. Reassessing the environmental Kuznets curve for CO2emissions: A robustness exercise[J]. Ecological Economics ,2006,57(1): 152-163.