基于VAR的山東省碳排放與經(jīng)濟(jì)增長(zhǎng)關(guān)系

綦遠(yuǎn)超，孫秀梅，張　慧

(山東理工大學(xué) 商學(xué)院，山東 淄博 255012)

?

基于VAR的山東省碳排放與經(jīng)濟(jì)增長(zhǎng)關(guān)系

綦遠(yuǎn)超，孫秀梅，張慧

(山東理工大學(xué) 商學(xué)院，山東 淄博 255012)

基于2000-2014年山東省的碳排放數(shù)據(jù)和經(jīng)濟(jì)增長(zhǎng)的數(shù)據(jù)，應(yīng)用VAR模型分析了碳排放與經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系，對(duì)山東省2015-2020年的碳排放與經(jīng)濟(jì)增長(zhǎng)進(jìn)行了預(yù)測(cè).結(jié)果表明：碳排放與經(jīng)濟(jì)增長(zhǎng)的關(guān)系是單向因果關(guān)系，山東省的單位GDP碳排放在2020年將會(huì)下降到0.3825萬(wàn)噸/億元，相比2005年降低59.4%，能夠完成我國(guó)政府所提出的到2020年單位GDP的碳排放相比2005年降低40%～45%的目標(biāo).

碳排放；經(jīng)濟(jì)增長(zhǎng)；向量自回歸模型；預(yù)測(cè)

對(duì)于碳排放強(qiáng)度與經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系，各國(guó)學(xué)者分別做出了不同的研究[1-5].為了應(yīng)對(duì)經(jīng)濟(jì)快速發(fā)展中逐漸突出的能源約束和日漸嚴(yán)重的資源環(huán)境問題，在2009年9月的聯(lián)合國(guó)氣候變化峰會(huì)上我國(guó)政府提出，到2020年單位GDP碳排放要在2005年的基礎(chǔ)上下降40%～45%的目標(biāo).我國(guó)的碳強(qiáng)度目標(biāo)是與GDP直接相關(guān)的，然而控制碳排放相對(duì)量的減少，實(shí)際上意味著減少碳排放的增量[6].

山東省作為我國(guó)的經(jīng)濟(jì)發(fā)展大省，為我國(guó)經(jīng)濟(jì)增長(zhǎng)做出了重要的貢獻(xiàn)，但是全省高耗能產(chǎn)業(yè)的比重大，能源利用效率低，由此引發(fā)的碳排放過量不可避免地制約著山東省經(jīng)濟(jì)的可持續(xù)發(fā)展.最新統(tǒng)計(jì)數(shù)據(jù)顯示，2014年全國(guó)能源消耗總量為426 000萬(wàn)噸標(biāo)準(zhǔn)煤，而山東省在2014年的能源消費(fèi)量是35 362.6萬(wàn)噸標(biāo)準(zhǔn)煤，占到全國(guó)能源消費(fèi)的約8.3%，因此，研究山東省碳排放與經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系具有重要意義.

1　研究方法與數(shù)據(jù)來(lái)源

以往關(guān)于經(jīng)濟(jì)關(guān)系的研究方法，比如時(shí)間序列法、投入產(chǎn)出法和回歸分析法等，都存在一定的局限性，只能反映單一因素或者幾個(gè)主要因素的影響，且限制關(guān)系是靜態(tài)的和線性的.近年來(lái)，在對(duì)經(jīng)濟(jì)的研究特別是對(duì)多個(gè)相互聯(lián)系的經(jīng)濟(jì)變量進(jìn)行綜合分析時(shí)，向量自回歸(VAR)模型運(yùn)用比較頻繁，該方法是在19世紀(jì)80年代由西姆斯(Sims)提出的[7].向量自回歸模型并不是以經(jīng)濟(jì)理論為基礎(chǔ)的，它通過采用多方程聯(lián)立的方式，在模型的每一個(gè)方程中，通過內(nèi)生變量對(duì)模型的全部?jī)?nèi)生變量的滯后項(xiàng)進(jìn)行回歸，進(jìn)而可以估計(jì)出全部?jī)?nèi)生變量的動(dòng)態(tài)關(guān)系.本文中，采用VAR研究二氧化碳排放與經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系，并借助Eviews6.0對(duì)研究結(jié)果進(jìn)行分析.

本文數(shù)據(jù)來(lái)源于國(guó)家統(tǒng)計(jì)局和山東統(tǒng)計(jì)信息網(wǎng)，選取的樣本期間為2000-2014年.國(guó)民生產(chǎn)總值是反應(yīng)一個(gè)國(guó)家或地區(qū)經(jīng)濟(jì)發(fā)展水平的主要指標(biāo)，因此，本文中衡量經(jīng)濟(jì)增長(zhǎng)的指標(biāo)選擇用山東省歷年的地區(qū)生產(chǎn)總值(GDP)表示，而對(duì)于碳排放(CI)的數(shù)據(jù)，本文搜集整理了歷年來(lái)相關(guān)的煤炭和石油消費(fèi)量，通過計(jì)算得出碳的排放量.

2　數(shù)據(jù)處理

鑒于我國(guó)現(xiàn)在還沒有監(jiān)測(cè)碳排放量的直接數(shù)據(jù)，因此，在對(duì)碳排放進(jìn)行研究時(shí)，需要估計(jì)碳排放量.基于IPCC《國(guó)家溫室氣體排放清單指南》，對(duì)能源碳排放的計(jì)算公式如下：

C=∑Ai×Bi

(1)

其中：C代表碳排放總量，單位為萬(wàn)噸；Ai表示能源i的消費(fèi)量，單位為萬(wàn)噸標(biāo)準(zhǔn)煤;Bi表示能源i的碳排放系數(shù).

(2)

查閱山東省統(tǒng)計(jì)年鑒可知，煤炭和石油在能源消費(fèi)量中的比重達(dá)95%以上，因此在本文中，只考慮煤炭和石油這兩種能源消費(fèi)量對(duì)碳排放的影響，因此i=1,2.對(duì)于不同種類能源的碳排放系數(shù)的設(shè)定，不同機(jī)構(gòu)給出的數(shù)據(jù)存在差異，本文采用我國(guó)多個(gè)研究機(jī)構(gòu)所公布數(shù)據(jù)的平均值進(jìn)行計(jì)算，具體見表1.

表1各類能源碳排放系數(shù)

研究機(jī)構(gòu)煤炭石油國(guó)家發(fā)展和改革委員會(huì)能源研究所0.74760.5825中國(guó)工程院0.68000.5400國(guó)家環(huán)保局溫室氣體控制項(xiàng)目0.74800.5830國(guó)家科委氣候變化項(xiàng)目0.72600.5830平均值0.72540.5721

根據(jù)表1中的碳排放系數(shù)，對(duì)樣本期間的能源消費(fèi)量進(jìn)行處理，由此得到碳排放的數(shù)據(jù).

對(duì)數(shù)據(jù)的自然對(duì)數(shù)變換不會(huì)改變其原有的協(xié)整關(guān)系，且能使其趨勢(shì)線性化，由此消除時(shí)間序列的異方差現(xiàn)象，因此，本文對(duì)所有數(shù)據(jù)取其自然對(duì)數(shù)，不僅消除了異常數(shù)據(jù)對(duì)模型估計(jì)精度的影響，同時(shí)將模型的回歸參數(shù)解讀為被解釋變量相對(duì)于解釋變量變動(dòng)的彈性系數(shù)[8].

3　模型構(gòu)建和實(shí)證結(jié)果分析

在結(jié)構(gòu)方程模型中，需要對(duì)系統(tǒng)的每一個(gè)內(nèi)生變量設(shè)定關(guān)于所有內(nèi)生變量的滯后值，而向量自回歸方法通過把每一個(gè)內(nèi)生變量當(dāng)作系統(tǒng)中所有內(nèi)生變量滯后值的函數(shù)，并由此構(gòu)造函數(shù)，避開了復(fù)雜的建模問題.一般情況下，VAR(P)模型的數(shù)學(xué)表達(dá)式為

yt=A1yt-1+…+Apyt-p+BXt+μt

(3)

其中:yt是k維內(nèi)生變量向量;Xt是d維外生變量向量，p是滯后階數(shù)，樣本個(gè)數(shù)為T.k×k維矩陣A1,…,Ap和k×d維矩陣B是要被估計(jì)的系數(shù)矩陣.μt是k維擾動(dòng)向量，它們之間可以互相同期相關(guān)，但不與自己的滯后值相關(guān)及不與等式右邊的變量相關(guān).

在建模前，對(duì)數(shù)據(jù)變量進(jìn)行描述，可以看出，LNCI和LNGDP有大致相同的變化規(guī)律，可以考慮進(jìn)行下一步建模分析.

圖1　山東省2000-2014年數(shù)據(jù)的描述統(tǒng)計(jì)圖

3.1單位根檢驗(yàn)

通常來(lái)講，宏觀經(jīng)濟(jì)時(shí)間序列多數(shù)不穩(wěn)定，當(dāng)時(shí)間序列不穩(wěn)定時(shí)進(jìn)行回歸，極有可能出現(xiàn)“偽回歸”的現(xiàn)象，由此得出的檢驗(yàn)結(jié)果也就沒有了實(shí)際意義.因此，在建立模型前對(duì)樣本的時(shí)間序列數(shù)據(jù)進(jìn)行單位根的檢驗(yàn)是至關(guān)重要的，由此可以確定序列是否平穩(wěn)以及序列的單整階數(shù).本文采用了最常用的ADF檢驗(yàn)法，其檢驗(yàn)結(jié)果見表2，由此可知：樣本時(shí)間序列水平不平穩(wěn)，但是二階差分后平穩(wěn)，即LNCI和LNGDP是二階單整序列，因此滿足了進(jìn)行協(xié)整檢驗(yàn)的前提條件.

表2ADF單位根檢驗(yàn)結(jié)果

序列ADF檢驗(yàn)值10%臨界值結(jié)論LNCI-2.588094-2.690439不平穩(wěn)LNGDP-1.358732-2.690439不平穩(wěn)△2LNCI-2.913452-2.728983平穩(wěn)△2LNGDP-3.855498-2.728985平穩(wěn)

3.2協(xié)整檢驗(yàn)

協(xié)整檢驗(yàn)的實(shí)質(zhì)就是檢驗(yàn)協(xié)整回歸方程的殘差項(xiàng)是否存在單位根.通常協(xié)整檢驗(yàn)的方法是JJ檢驗(yàn)法和EG兩步法.其中，EG兩步法只適合對(duì)兩個(gè)變量之間是否有協(xié)整關(guān)系進(jìn)行檢驗(yàn)，而JJ檢驗(yàn)法可以適用于檢驗(yàn)對(duì)多個(gè)變量之間是否有協(xié)整關(guān)系.本文采用的是JJ檢驗(yàn)法，檢驗(yàn)結(jié)果如見3，由檢驗(yàn)結(jié)果可知，在5%的置信水平下，CI和GDP之間存在協(xié)整關(guān)系，也就是長(zhǎng)期穩(wěn)定的關(guān)系.

表3Johansen協(xié)整檢驗(yàn)結(jié)果

HypothesizedNo.ofCE(s)EigenvalueTraceStatistic0.05CriticalValueProb.None0.54567714.3799615.494710.0731Atmost10.2718174.1236393.8414660.0423

3.3滯后期的確定

在Eviews6.0里面共有五種確定滯后期的準(zhǔn)則.在進(jìn)行滯后期的選擇時(shí)，通常會(huì)設(shè)定一個(gè)最大滯后期數(shù)，這種人為的設(shè)定無(wú)疑會(huì)存在一些主觀性，往往我們會(huì)借助數(shù)據(jù)的頻率來(lái)進(jìn)行確定.通常來(lái)講，確定月度數(shù)據(jù)的最大滯后期時(shí)，一般會(huì)選擇6，12，18.而季度數(shù)據(jù)最大滯后期的確定，一般會(huì)選擇4或8.需要注意的是，準(zhǔn)則或檢驗(yàn)的統(tǒng)計(jì)量的不同可能選擇的滯后期也不同，一般是參照多數(shù)原則確定最優(yōu)滯后期.

本文通過計(jì)算各個(gè)統(tǒng)計(jì)量，得到表4滯后期階數(shù)的結(jié)果，由該表可知，5個(gè)統(tǒng)計(jì)量全部認(rèn)為應(yīng)該建立VAR(2)的模型[9].

表4VAR模型滯后期的選擇

LagLogLLRFPEAICSCHQ06.529546NA0.001506-0.823554-0.751209-0.869157137.9677045.728221.05e-05-5.812309-5.595275-5.949118239.666521.8532551.08e-05-5.393912-5.032189-5.621928344.541693.5455812.11e-05-5.553035-5.046622-5.872257451.873542.6661272.75e-05-6.158826-5.507724-6.569254

3.4模型穩(wěn)定性的檢驗(yàn)

判斷建立的VAR模型是否穩(wěn)定，需要計(jì)算各變量的特征根，通過檢驗(yàn)各變量的特征根，只有當(dāng)變量的特征根都落在單位圓內(nèi)，也就是特征根都小于1時(shí)，才能說(shuō)明所估計(jì)的模型是穩(wěn)定的.本文構(gòu)建的VAR模型其單位根都小于1，說(shuō)明該模型的結(jié)構(gòu)滿足穩(wěn)定條件，具體檢驗(yàn)結(jié)果見表5.

表5VAR平穩(wěn)性檢驗(yàn)結(jié)果

RootModulus0.843476-0.43910i0.8446190.843476+0.43910i0.844619-0.041915-0.479263i0.481092-0.041915+0.479263i0.481092

3.5脈沖分析

建立VAR模型的重點(diǎn)在于進(jìn)行脈沖分析和方差分解，探索系統(tǒng)中各個(gè)內(nèi)生變量的短期變化對(duì)全部?jī)?nèi)生變量可能產(chǎn)生的影響，并由此得出各個(gè)內(nèi)生變量對(duì)彼此波動(dòng)的相對(duì)貢獻(xiàn)率.

脈沖響應(yīng)函數(shù)(ImpulseResponseFunction，IRF)被用于衡量隨機(jī)擾動(dòng)項(xiàng)的一個(gè)標(biāo)準(zhǔn)差沖擊會(huì)對(duì)內(nèi)生變量的當(dāng)前取值和未來(lái)取值產(chǎn)生多大的影響.第i個(gè)內(nèi)生變量的一個(gè)沖擊除了直接影響其自身外，還將通過VAR模型的動(dòng)態(tài)結(jié)構(gòu)傳遞給其他變量，脈沖響應(yīng)函數(shù)就是刻畫這些影響的軌跡，顯示出任意一個(gè)變量的擾動(dòng)是如何通過模型影響到所有的其他變量，并最終再次反饋到本身的一個(gè)過程[10].

在圖2中，實(shí)線表示的是隨著預(yù)測(cè)期數(shù)的增加，LNGDP和LNCI分別對(duì)應(yīng)于LNGDP和LNCI的一個(gè)標(biāo)準(zhǔn)差新息的脈沖響應(yīng)，而虛線表示的則是在相應(yīng)脈沖響應(yīng)圖像的兩側(cè)，或加或減兩倍標(biāo)準(zhǔn)差之后所得到的置信帶.從圖2(a)中可以看出，GDP對(duì)自身的影響很敏感，對(duì)自身的一個(gè)標(biāo)準(zhǔn)差新息立刻就有反應(yīng)，并于第3期開始趨于穩(wěn)定，且影響的持續(xù)期較長(zhǎng)；從圖2(b)中可以得知，GDP對(duì)碳排放一個(gè)標(biāo)準(zhǔn)差新息的響應(yīng)在第一期反應(yīng)不明顯，直到第3期才比較顯著，第7期又開始緩慢回落，逐漸趨于穩(wěn)定；從圖2(c)中可知，當(dāng)在本期給GDP一個(gè)正沖擊后，碳排放立刻反應(yīng)，并在第3期達(dá)到最高點(diǎn)，之后從第5期開始穩(wěn)定增長(zhǎng)；最后，從圖2(d)中可以看出，碳排放對(duì)自身的影響反應(yīng)敏感且迅速，當(dāng)在本期給碳排放一個(gè)正沖擊后，碳排放第1期增加較多，并在第2期達(dá)到最高點(diǎn)，之后迅速回落，最后逐漸趨于平穩(wěn)，總體來(lái)講沖擊幅度不大.

(a)LNGDP對(duì)LNGDP一個(gè)標(biāo)準(zhǔn)差新息的響應(yīng)　　　　　　　　(b)　LNGDP對(duì)LNCI一個(gè)標(biāo)準(zhǔn)差新息的響應(yīng)

(c)　LNCI對(duì)LNGDP一個(gè)標(biāo)準(zhǔn)差新息的響應(yīng)　　　　　　　　(d)　LNCI對(duì)LNCI一個(gè)標(biāo)準(zhǔn)差新息的響應(yīng)圖2　脈沖響應(yīng)函數(shù)

表6方差分解結(jié)果

PeriodLNGDP的方差分解結(jié)果LNCI的方差分解結(jié)果S.E.LNGDPLNCIS.E.LNGDPLNCI10.04706582.9392517.060750.074332010020.06706682.2700217.729980.11724823.8705576.1294530.08176275.5697024.430300.13347030.0060469.9939640.09736768.8624631.137360.14185030.1362869.8637250.11184164.5165835.483420.14926930.1141169.8859860.12405961.3762138.623790.15498330.4885669.5114470.13440858.9016541.098350.15889530.6953969.3046180.14315356.9983943.001610.16172030.7613969.2386190.15039755.5406544.459350.16382230.8063369.19367100.15631354.4036145.596390.16537730.8419669.15804

3.6方差分解

脈沖響應(yīng)函數(shù)追蹤的是系統(tǒng)對(duì)一個(gè)變量的沖擊效果，與之不同的是，方差分解首先是將系統(tǒng)的均方誤差分解成各變量沖擊所做的貢獻(xiàn)，然后分析每一個(gè)結(jié)構(gòu)沖擊對(duì)內(nèi)生變量的變化所做出的貢獻(xiàn)，由此來(lái)客觀評(píng)價(jià)不同變量沖擊的重要性，即變量沖擊的貢獻(xiàn)占總貢獻(xiàn)的比例[11].方差分解給出對(duì)VAR模型中的變量產(chǎn)生影響的每個(gè)隨機(jī)擾動(dòng)的相對(duì)重要性的信息.

表6給出了地區(qū)生產(chǎn)總值GDP和碳排放對(duì)地區(qū)生產(chǎn)總值和碳排放的貢獻(xiàn)程度.由表6左半部分的輸出結(jié)果可見，對(duì)地區(qū)生產(chǎn)總值GDP的貢獻(xiàn)率主要來(lái)自于其自身，穩(wěn)定在55%以上，而碳排放對(duì)地區(qū)生產(chǎn)總值GDP的貢獻(xiàn)率是在逐漸增加的，在最高的時(shí)候達(dá)到45%左右，且有穩(wěn)定的趨勢(shì).由表6右半部分的輸出結(jié)果可知，在對(duì)碳排放的貢獻(xiàn)中，以其自身的貢獻(xiàn)為主，不過其貢獻(xiàn)率在逐漸減少，而地區(qū)生產(chǎn)總值GDP對(duì)碳排放的貢獻(xiàn)率穩(wěn)定上漲.

3.7格蘭杰因果檢驗(yàn)

格蘭杰因果關(guān)系檢驗(yàn)主要用于分析一個(gè)變量的滯后項(xiàng)是否能夠?qū)ζ渌兞慨a(chǎn)生影響，如果檢驗(yàn)的結(jié)果是一個(gè)變量確實(shí)會(huì)受到其他變量的影響，那么就稱它們之間存在格蘭杰因果關(guān)系.Granger因果關(guān)系檢驗(yàn)實(shí)際上檢驗(yàn)的是一個(gè)變量的滯后變量是否可以引入到其他變量的方程中.

表7給出了這兩個(gè)內(nèi)生變量分別對(duì)于模型中其余內(nèi)生變量所產(chǎn)生的Granger因果關(guān)系檢驗(yàn)統(tǒng)計(jì)數(shù)據(jù)和相應(yīng)概發(fā)生值.其中，上半部分是內(nèi)生變量GDP的檢驗(yàn)結(jié)果，相對(duì)于碳排放的概率值P=0.5196，相對(duì)于標(biāo)準(zhǔn)水平0.10，Granger因果關(guān)系不明顯；表格的下半部分是內(nèi)生變量碳排放的檢驗(yàn)結(jié)果，相對(duì)于GDP的概率值P=0.0649，相對(duì)于標(biāo)準(zhǔn)水平0.10，Granger因果關(guān)系比較明顯.

表7Granger因果關(guān)系檢驗(yàn)

LNGDPExcludedLNCIAllChi-sq1.3093281.309328df22Prob.0.51960.5196LNCIExcludedLNGDPAllChi-sq5.4713555.471355df22Prob.0.06490.0649

綜合格蘭杰因果檢驗(yàn)的結(jié)果，通過分析可以得知，GDP是碳排放的“格蘭杰原因”，而碳排放卻不是GDP的“格蘭杰原因”，也就是說(shuō)，經(jīng)濟(jì)增長(zhǎng)和碳排放之間存在的是單向因果關(guān)系——經(jīng)濟(jì)增長(zhǎng)可以推動(dòng)碳排放的增長(zhǎng)，但是碳排放的增長(zhǎng)是換不來(lái)經(jīng)濟(jì)的增長(zhǎng)的，也就是說(shuō)，盲目地為碳排放的增長(zhǎng)找經(jīng)濟(jì)借口是錯(cuò)誤的，節(jié)能減排才是必行之路.

3.8預(yù)測(cè)

VAR模型做預(yù)測(cè)可以分為動(dòng)態(tài)預(yù)測(cè)和靜態(tài)預(yù)測(cè)，雖然靜態(tài)預(yù)測(cè)精度高，但是動(dòng)態(tài)預(yù)測(cè)更適合做長(zhǎng)期規(guī)劃.基于2000-2014年間的數(shù)據(jù)，利用本文建立的VAR模型，對(duì)2015-2020年的碳排放數(shù)據(jù)和地區(qū)生產(chǎn)總值進(jìn)行動(dòng)態(tài)預(yù)測(cè)，反應(yīng)其預(yù)測(cè)值曲線如圖3所示.

本文利用VAR模型所預(yù)測(cè)的碳排放數(shù)值，誤差率平均在0.13%左右，在15年的預(yù)測(cè)數(shù)值中，誤差率超過1%的年份只有2次，因此對(duì)2015-2020年的預(yù)測(cè)誤差不會(huì)超過1%，而是在1%的范圍內(nèi)上下浮動(dòng).相對(duì)于碳排放的預(yù)測(cè)值和實(shí)際值做比較的情況，對(duì)比地區(qū)生產(chǎn)總值GDP的預(yù)測(cè)值與實(shí)際值，其平均誤差率為0.01%，且其發(fā)展趨勢(shì)與山東省的GDP實(shí)際值基本吻合，呈現(xiàn)逐年上升的態(tài)勢(shì).由此可知，本文構(gòu)建的VAR模型，預(yù)測(cè)精度高，可以作為指導(dǎo)長(zhǎng)期規(guī)劃的參考.

圖3　碳排放CI和地區(qū)生產(chǎn)總值GDP的預(yù)測(cè)結(jié)果

我國(guó)政府在2009年9月的聯(lián)合國(guó)氣候變化峰會(huì)上提出，到2020年我國(guó)的單位GDP碳排放要在2005年的基礎(chǔ)上下降40%～45%的目標(biāo)，而單位GDP碳排放系數(shù)=當(dāng)年碳排放總量/當(dāng)年GDP.由數(shù)據(jù)可知，2005年山東省的單位GDP碳排放是0.9404(單位：104t/億元)，而2020年山東省的碳排放預(yù)測(cè)值為37949.8143 萬(wàn)噸碳，地區(qū)生產(chǎn)總值GDP的預(yù)測(cè)值為99200.6534億元，因此當(dāng)年的單位GDP碳排放約為0.3825(單位：104t/億元)，約為2005年的40.6%，降低幅度為59.4%，超過中國(guó)政府所提出的目標(biāo).因此，山東省的低碳發(fā)展戰(zhàn)略應(yīng)該貫徹執(zhí)行，山東省降低單位GDP碳排放的潛力巨大，按照目前的碳排放趨勢(shì)，截止到2020年山東省可以完成政府的減排目標(biāo).

4　結(jié)束語(yǔ)

山東省碳排放與經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系是否協(xié)調(diào)，影響到可持續(xù)發(fā)展戰(zhàn)略的具體實(shí)施，影響到我國(guó)新世紀(jì)宏偉目標(biāo)的實(shí)施效果，本文建立了VAR模型，分析山東省碳排放與經(jīng)濟(jì)增長(zhǎng)的關(guān)系，為山東省以后發(fā)展低碳經(jīng)濟(jì)提供了一定的參考.

[1]HuangWM，LeeGWM，WuCC.GHGemissions，GDPgrowthandtheKyotoProtocol:arevisitofenvironmentalKuznetscurvehypothesis[J]．EnergyPolicy，2008，36:239-247．

[2]LantzV，F(xiàn)angQ.Assessingincome，population，andtechnologyimpactsonCO2emissionsinCanada:where’stheEKC[J]．EcologicalEconomics，2006，57(2) ：229-238.

[3]王蓉. 我國(guó)碳排放模型構(gòu)建及其實(shí)證分析[J]. 統(tǒng)計(jì)與決策,2015(17):136-138.

[4]彭佳雯,黃賢金,鐘太洋，等. 中國(guó)經(jīng)濟(jì)增長(zhǎng)與能源碳排放的脫鉤研究[J]. 資源科學(xué),2011,33(4):626-633.

[5]楊樹旺,楊書林,魏娜. 湖北省碳排放與經(jīng)濟(jì)增長(zhǎng)關(guān)系研究[J]. 統(tǒng)計(jì)與決策,2012(18):104-107.

[6]趙愛文,李東. 中國(guó)碳排放與經(jīng)濟(jì)增長(zhǎng)的協(xié)整與因果關(guān)系分析[J]. 長(zhǎng)江流域資源與環(huán)境,2011,20(11):1 297-1 303.

[7]崔和瑞,王娣. 基于VAR模型的我國(guó)能源-經(jīng)濟(jì)-環(huán)境(3E)系統(tǒng)研究[J]. 北京理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2010,12(1):23-28.

[8]易丹輝.數(shù)據(jù)分析與EVIEWS應(yīng)用[M].北京:中國(guó)人民大學(xué)出版社,2008.

[9]王華. 臺(tái)商對(duì)祖國(guó)大陸投資與兩岸貿(mào)易間的動(dòng)態(tài)關(guān)系——基于向量自回歸模型的實(shí)證研究[J]. 廈門大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版),2008(1):77-83，128.

[10]陳飛,趙昕東,高鐵梅. 我國(guó)貨幣政策工具變量效應(yīng)的實(shí)證分析[J]. 金融研究,2002(10):25-30.

[11]劉廣為,趙濤,米國(guó)芳. 中國(guó)碳排放強(qiáng)度預(yù)測(cè)與煤炭能源比重檢驗(yàn)分析[J]. 資源科學(xué),2012,34(4):677-687.

(編輯：劉寶江)

The relationship between the carbon emissions and economic growth based on the VAR model in Shandong province

QI Yuan-chao, SUN Xiu-mei, ZHANG Hui

(School of Business, Shandong University of Technology, Zibo 255012, China)

The paper analyzed the relationship between carbon emission and economic growth with VAR model and predicted the trend of it during the period of 2015-2020 based on the data of carbon emission and economic development from 2000 to 2014. The results showed that the relationship between carbon emission and economic growth is one-way causality.Carbon emissions per unit of GDP of Shandong province will fall to 3825 tons/million yuan in 2020, decreased by 59.4% compared to that of in 2005, which will complete the target proposed by the government to reduce about 40% to 45% of carbon emission per unit of GDP.

carbon emission; economic growth; VAR model; prediction

2015-09-11

國(guó)家社會(huì)科學(xué)基金項(xiàng)目(14BGL159)；山東省自然科學(xué)基金項(xiàng)目(ZR2015GZ003)；山東省社會(huì)科學(xué)規(guī)劃項(xiàng)目(13CDYJ27).

綦遠(yuǎn)超，男，locker1990@126.com； 通信作者：孫秀梅，女，sxm1612@126.com

1672-6197(2016)06-0020-06

F205

A