我国碳排放和出口贸易动态关系研究

《我国碳排放和出口贸易动态关系研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

我国碳排放和出口贸易动态关系研究　　摘要：运用向量自回归（VAR）模型为分析框架，对我国1978—2009年碳排放与出口贸易之间的动态关系进行实证分析。研究结果表明，我国碳排放与出口贸易之间具有长期均衡关系，并存在从出口贸易到碳排放之间的单向因果关系。同时，脉冲响应的分析结果表明，出口贸易对碳排放的冲击呈现出稳定的特征。此结果说明出口贸易是加剧我国近年来碳排放增加的一个重要因素。关键词：碳排放；出口贸易；VAR模型中图分类号：F124；F752.62文献标志码：A文章编号：1673-291X（2014）02-0205-02引言据测算，2012年我国碳排放量约80亿吨，约占全球碳排放量的25%。同时，我国的对外贸易也发展迅速，2012年出口总额为20498.3亿美元，为全球第五大出口国。当然，造成我国碳排放量快速增长的原因很多，包括工业化和以煤炭为主的能源结构等，但出口贸易的快速增长也是推动我国碳排放量不断增长的重要因素，据测算2012年我国出口中隐含碳排放量占碳排放总量的比重为33.5%。7 以1978—2012年我国的碳排放和出口贸易数据为样本，建立向量自回归（VAR）模型，通过脉冲响应分析，从实证的角度来分析我国碳排放与出口贸易之间的内在规律，在一定程度上为政策制定者提供理论依据。一、理论模型和数据说明1.向量自回归理论向量自回归（VAR）模型是1980年由希姆斯提出的，它把每一个内生变量作为系统中所有内生变量滞后值的函数来构造模型，由单变量自回归模型推广到由多元时间序列组成的向量自回归模型。在一个含有n个方程（被解释变量）的VAR模型中，每个被解释变量都对自身以及其他被解释变量的若干期滞后值回归，其表达式为：yt=Φ1yt-1+…+Φpyt-p+Hxt+εtt=1，2，…T（1）yt是k维内生变量列向量，xt是d维外生变量列向量，p是滞后阶数，T是样本个数。k×k维矩阵Φ1，…，Φp和k×d维矩阵，H是待估计的系数矩阵。εt维k扰动列向量，其均值为零，协方差矩阵为Ω，实际应用中，要求协方差矩阵是正定的。2.数据说明7 鉴于数据的权威性与可获得性，碳排放数据来自美国能源部橡树岭国家实验室二氧化碳信息分析中心（CDIAC）。出口贸易额来自《中国统计年鉴》，用CE和EX表示我国碳排放和出口贸易，单位分别为万吨和亿元。因为对数变换并不影响原始变量之间的协整关系并且能够消除异方差，所以，对CE和EX进行对数变换，分别用LCE和LEX表示对数变换后的碳排放与出口贸易。二、实证研究1.平稳性检验VAR模型要求时间序列应该是平稳的，或者存在长期的协整关系。为确保这两个变量满足协整检验的前提条件，本文运用ADF单位根检验来确定LCE序列和LEX序列的平稳性及其单整阶数，结果见表1。注：D表示差分算子；检验类型（C，T，K）中的C，T和K分别表示单位根检验包括常数项、时间趋势和滞后阶数，滞后阶数根据AIC最优信息准则确定；**和*分别表示5%和1%显著性水平的检验值。从表中可以看出，LCE、LEX序列是非平稳的，而其一阶差分序列在5%的显著性水平下具有平稳性，故序列LCE、LEX都为一阶单整序列。由于两序列是同阶单整的，满足进一步进行检验的前提条件，因而，可以对它们之间的协整关系进行检验。2.协整回归分析及检验由于只有两个变量LCE和LEX，故采用E-G两步法进行协整检验。基本步骤为：第一步，以LCE为因变量，以LEX为自变量，建立两者之间的回归方程，进行OLS回归，估计结果如式（2）所示。7 LCE=8.63+0.338*LEX+[AR（1）=0.734]（2）T=（13.898*）（5.886*）R2=0.989F=1424.1从模型的估计结果来看，该模型拟合效果比较好，R2高达0.989，T统计量和F统计量都通过显著性检验。第二步，对回归方程的残差序列进行ADF平稳性检验，结果见表2。由表2可知，ADF检验显示在1%显著性水平下拒绝序列非平稳的原假设，残差序列平稳，故LCE和LEX存在协整关系。从（2）式可以看到，我国碳排放量对出口贸易的弹性值为0.338，即出口贸易每增长1%，就会导致我国碳排放增长0.338%。出口贸易的增加导致碳排放的增加，这说明我国目前出口贸易的增长属于粗放型，是资源消耗型的高能耗、高污染模式，不利于我国环境质量的改善。3.Granger因果关系检验协整检验的结果只是说明我国碳排放与出口贸易之间存在长期稳定的均衡关系，但并未给出两者的因果关系，因而还需采用Granger因果关系检验法进一步确定，检验结果如表3所示：7 由检验结果可以看出，可以在不到5%的显著水平上拒绝“LEX不是LCE的Granger原因”的原假设，即表明在95%的置信水平下认为出口贸易是碳排放增加的Granger原因；同时接受“LCE不是LEX的Granger原因”的原假设，认为碳排放的增加不是出口贸易增加的Granger原因。4.向量自回归（VAR）模型协整分析只是提供变量之间的长期关系，但并没有为一个变量作用于另一个变量的的动态特征提供更多的信息。由于原序列都是一阶平稳的，因而可以建立向量自回归模型以反映碳排放与出口贸易之间的动态影响关系，使用AIC信息准则和SC准则确定最佳滞后阶数为2，得到的VAR（2）模型如下：（3）　　对于VAR模型分析各个变量的参数估计值对因变量的影响是没有多大意义的。同时，由于非平稳的VAR模型不可以做脉冲响应函数分析和方差分析，所以有必要对模型的稳定性进行检验，图1给出了模型全部特征根的倒数值位置（见图1）。以上模型经过VAR模型滞后结构检验，所有模的倒数都小于1，则说明此VAR模型的建立是稳定的，可以进一步做脉冲响应函数分析和方差分解。5.脉冲响应函数分析7 脉冲响应函数（IRF）刻画了模型受到某种冲击对系统的动态影响，具体来说刻画的是在随机扰动项上加上一个单位标准差冲击对内生变量当前值和未来值所带来的影响，能够比较直观的反映出变量之间的动态交互作用及效应。在建立VAR模型的基础上，使用脉冲响应函数描述因变量是如何对系统冲击进行动态响应的。在图中，横轴表示冲击作用的滞后期间数，纵轴表示响应因变量的响应程度，实线表示脉冲响应函数，虚线表示正负两倍标准差偏离带。本文选取的滞后期为25。从图2可以看出，初期受到出口贸易一个标准差的正向冲击后，出口贸易呈正向效应在第6期达到最大，此后，正向效应逐渐减弱，在15期之后脉冲效应稳定下来，并一直持续下去。这说明出口贸易受到外部条件的某一冲击后会给碳排放带来相应的正向冲击。从图3可以看出，初期受到碳排放一个标准差得正向冲击后，碳排放呈正向效应在第2期达到最大，此后，正向效应减弱，并从第5期开始，呈现负向效应，最后脉冲响应效应逐渐趋向于零。6.方差分解脉冲响应函数描述的是VAR模型中的一个内生变量的冲击给其他内生变量所带来的影响，而方差分解（variancedecomposition）是通过分析每一个结构冲击对内生变量变化的贡献度，是以一个变量的预测误差方差百分比的形式来反映变量之间的相互作用，进一步评价不同结构冲击的重要性。LCE的方差分析结果见图5。7 从图4可以看出，不考虑碳排放自身的贡献率，出口贸易对碳排放的贡献率最大达到80%左右，在滞后期为15期左右，CE对EX的贡献率最大，并且随着时间的延长，CE对EX的贡献率达到稳定。从图5可以看出，在不考虑出口贸易自身的贡献率，碳排放对出口贸易的影响最大为第二期，约为6%，随后其贡献率逐渐减小，并稳定与2.5%左右。7