林發(fā)照
(福建師范大學 經濟學院, 福建 福州 350108)
20世紀以來,全球各種能源消耗量均呈現(xiàn)出指數(shù)級增長的態(tài)勢。2017年聯(lián)合國所發(fā)布的《WMO溫室氣體公報》明確指出:在過去的70年間,全球CO2濃度的增長速度相比冰河結束末期時超出了100倍。為了有效應對全球CO2濃度的不斷升高,2017年11月,在德國召開的聯(lián)合國氣候大會上,世界各地與會者的目光再次聚焦于“減排”任務上,中國提出的“中國方案”獲得各國的稱贊,展示了中國對降低碳排放的決心和能力。
自2005年起,福建省CO2排放強度已經呈現(xiàn)出下降的態(tài)勢。2017年福建省CO2排放強度達到了1.207噸/萬元,比2005年減少了45%,已經提前實現(xiàn)了在2020年將CO2排放強度下降至2005年的45%的減排計劃。隨著減排的持續(xù)進行,福建省的經濟增長和產業(yè)結構調整也在同步推進。自1995年以來,福建省的GDP增長始終保持著向上的趨勢,尤其是2005年以來增長的速度有所提高。1999年之前,福建省的產業(yè)結構趨于高級化,而2000-2014年間,福建省的產業(yè)結構總體上處于低級化發(fā)展過程,表現(xiàn)為第二產業(yè)占GDP的比重總體上增加了。因此,從當前來看,福建省產業(yè)結構要邁向高級階段仍然需要進一步調整。
隨著減排計劃的有效實施,福建省CO2排放強度下降明顯。然而,“減排”已經進入較為復雜的階段,“三高”且產能落后企業(yè)也已淘汰許多,要在保持經濟平穩(wěn)增長的同時,實現(xiàn)減少65%的減排計劃,還需要繼續(xù)調整和優(yōu)化產業(yè)結構,提高科技創(chuàng)新能力。對于以第二產業(yè)為主的福建省而言,要協(xié)調CO2排放強度、產業(yè)結構和經濟增長之間的關系,一方面,需要協(xié)調好產業(yè)結構與CO2排放強度之間的關系;另一方面,還需要明確產業(yè)結構和CO2排放對福建省經濟增長的影響。只有充分考慮這些不同的因素,才能在保持福建省經濟平穩(wěn)增長的同時,實現(xiàn)CO2排放強度的進一步降低。本文旨在探討福建省CO2排放強度、產業(yè)結構和GDP之間的動態(tài)聯(lián)系。
研究發(fā)現(xiàn),隨著經濟增長,CO2排放一般會先呈現(xiàn)出倒“U”型的趨勢,在這個趨勢中會出現(xiàn)一個拐點。林伯強等通過實證分析發(fā)現(xiàn),中國的CO2排放EKC曲線的理論拐點與實際拐點有著較大的差異,理論分析得到的拐點出現(xiàn)在2020年,但是實證分析得到的拐點卻在2040年之后[1]。蔡風景等通過圖模型和BACE方法,對中國的CO2排放EKC曲線進行了實證分析,認為當前CO2排放和GDP增長之間確實存在倒“U”型的關系,不過當前階段的CO2排放仍然未達到EKC曲線的最高點[2]。ALDY通過對美國1960-1999年的數(shù)據(jù)進行分析,認為美國各大洲的CO2排放與GDP之間,可能具有倒“U”型的聯(lián)系[3]。關于是否存在拐點問題,也有持相反意見的。左文鼎通過回歸分析認為,從短期來看,我國當前的碳排放與GDP之間的所謂倒“U”型關聯(lián)并不明顯,從長遠來看,兩個變量只是具有“N”型的關系,不存在所謂的拐點[4]。CO2排放與GDP具有倒“U”型的關聯(lián),表明一個地區(qū)在不同發(fā)展階段,其CO2排放強度有著較大的差異。
不同階段的經濟發(fā)展水平對應的產業(yè)結構有其特殊性。李健等利用省際面板數(shù)據(jù)分析了各個省份的CO2排放強度和不同產業(yè)的聯(lián)系,認為第二產業(yè)相比其他產業(yè)對地區(qū)CO2排放強度的影響更大,通過調整和升級產業(yè)結構,可以降低CO2排放強度[5-6]。陳永國等通過實證分析指出,引起CO2排放強度下降的最重要原因并不是產業(yè)結構調整,而是行業(yè)效率的提高[7]。這一結果說明,要降低CO2排放強度,還可以通過提高行業(yè)效率實現(xiàn)。根據(jù)已有文獻,不同人員對CO2排放強度的研究結果呈現(xiàn)出較大的差異。之所以造成這種差異,在于不同研究人員所使用的研究方法不同。這也說明,根據(jù)現(xiàn)有數(shù)據(jù)針對同一問題所得出的結論不夠穩(wěn)健,用不同的模型、方法所得出的結果差異也相對較大。
楊會香等在研究廣東省產業(yè)結構變動和CO2排放的關系時將技術進步變量引入模型之中,發(fā)現(xiàn)技術進步在降低CO2排放強度中的作用相比結構優(yōu)化更加明顯[8]。于左等研究了不同國家CO2排放、產業(yè)結構和GDP三者的聯(lián)系,發(fā)現(xiàn)處于不同發(fā)展階段的國家,其CO2排放強度與經濟增長之間的關系存在著較大的差異。從發(fā)達國家來看,CO2排放強度已經越過了CO2排放EKC曲線的拐點;隨著經濟的進一步發(fā)展,CO2排放強度反而開始下降。但是,對于發(fā)展中國家來說,這種情況恰好相反。發(fā)展中國家由于處于粗放型發(fā)展階段,CO2排放強度與GDP增長呈現(xiàn)出正相關關系[9]。不同國家對于CO2排放的影響因素也有著較大差異。ADOM等在研究非洲的塞內加爾、摩洛哥和加納等3個國家的碳排放、產業(yè)結構、技術效率和GDP等4個變量的內在聯(lián)系時,發(fā)現(xiàn)經濟增長是引起塞內加爾和摩洛哥CO2排放的主要因素,而技術效率是引起加納地區(qū)CO2排放量變化的重要原因[10]。
已有文獻表明,引起CO2排放強度變化的原因眾多,如產業(yè)結構調整、GDP增長以及技術進步等。產業(yè)結構優(yōu)化有助于降低CO2排放強度。一個地區(qū)的經濟增長方式往往會經歷從粗放型向集約型轉變的過程,在粗放型發(fā)展過程中,如果能源消耗增長速度超過了GDP增長速度,將導致CO2排放強度的提高。隨著該地區(qū)經濟發(fā)展轉向集約型發(fā)展,CO2排放強度又將開始下降。但是,如現(xiàn)有文獻所展現(xiàn)的,技術的進步在不同分析模型下對CO2排放強度的影響并不一致。因此,本文對碳排放的分析,沒有將技術進步指標納入其中。從已有文獻來看,多數(shù)文獻在考察CO2排放強度與產業(yè)結構、GDP等變量之間的關系時,沒有從整體角度去考察。產業(yè)結構的優(yōu)化不僅能夠降低CO2排放強度,同時也有助于地區(qū)的經濟增長。本文將從整體的角度對CO2排放強度、產業(yè)結構和經濟增長之間的關系進行分析。
為研究產業(yè)結構調整、CO2排放強度與經濟增長之間的動態(tài)聯(lián)系,本文選擇VAR模型進行建模。一般AR模型僅對自身變量的不同滯后階數(shù)進行估計,沒有將其他影響因素納入模型中。當需要考察多個指標之間是否存在動態(tài)關系時,若是分別構建多個AR模型,則無法考察多個指標之間的動態(tài)關系[11]。VAR模型則用于分析多指標之間的動態(tài)關系,是AR模型進行多指標聯(lián)立的一種擴展形式。該模型最早于1980年由SIMS提出。模型內部存在2個參數(shù):一個是模型中包含的變量個數(shù)N,一個是模型中的最大滯后期p。VAR模型的結構如公式(1)所示:
Xt=c+A1Xt-1+A2Xt-2+…+ApXt-p+εt
(1)
其中:Xt表示一組由各個變量組成的向量;c表示模型的常數(shù)項;p表示該模型的滯后期數(shù);Ap表示各個變量的系數(shù)所組成的矩陣;εt表示VAR模型中的殘差項所組成的列向量。
當前,國內還沒有針對CO2排放的直接觀測數(shù)據(jù)。國內學者對CO2排放總量的計算,主要基于兩個方面的數(shù)據(jù)。一是從各年份統(tǒng)計年鑒中獲得的能源消耗總量,包括煤炭、焦炭、原油、汽油、煤油、柴油、燃料油和天然氣8種能源;二是利用《綜合能耗計算通則》《省級溫室氣體清單編制指南》中的相關變量計算得到的CO2排放系數(shù),包括平均低位發(fā)熱量、單位熱值含碳量、碳氧化率。1995-2016年能源消耗量數(shù)據(jù)選自國家統(tǒng)計局網(wǎng)站,2017年能源消耗量數(shù)據(jù)則選自《2018年福建統(tǒng)計年鑒》。CO2排放強度的計算公式如下[12]:
(2)
(3)
其中;TCO2j表示第j年的CO2排放總量,Ti表示第i種能源的使用量,Vi表示第i種能源的平均低位發(fā)熱量,Ci表示第i種能源的單位熱值含碳量,Ri表示第i種能源的碳氧化率,44/12表示單個碳分子形成的CO2數(shù)量,CO2j表示第j年的CO2排放強度。相關指標如表1所示。
表1 CO2排放系數(shù)表
產業(yè)結構是指以產業(yè)為元素對國民經濟整體活動構成的分析,用于衡量一個地區(qū)不同產業(yè)產值在該地區(qū)生產總值中的比值的大小[13]。隨著經濟的發(fā)展,產業(yè)結構逐漸由低級轉向高級。產業(yè)結構的高級化,則意味著第三產業(yè)增加值占GDP的比重不斷地增大[14]。李雪對產業(yè)結構和CO2強度的關系進行了實證分析,發(fā)現(xiàn)產業(yè)結構向高級化調整有利于降低CO2排放強度,即通過降低第二產業(yè)在國內GDP中的比重,同時大力發(fā)展第三產業(yè),有效降低碳排放強度[15]。因此,結合現(xiàn)有研究,本文將產業(yè)結構指標定義為:第二產業(yè)的增加值與第三產業(yè)的增加值之比,即:
(4)
其中,GDP2、GDP3分別表示第二產業(yè)增加值、第三產業(yè)增加值。INS的值越小,第三產業(yè)增加值相對第二產業(yè)增加值就越大,表明該地區(qū)的產業(yè)結構越高級。INS的值越大,第三產業(yè)增加值相對第二產業(yè)增加值就越小,表明該地區(qū)的產業(yè)結構越低級。
由于各個年份之間存在一定程度的通貨膨脹或通貨緊縮,無法對不同年份的GDP進行直接比較。因此,針對本文所涉及的GDP、第二產業(yè)增加值和第三產業(yè)增加值,均采用以1995年不變價格計算得到的實際數(shù)值。有關數(shù)據(jù)均取自福建省統(tǒng)計局《2018年統(tǒng)計年鑒》。為避免序列之間存在異方差,同時盡可能保持數(shù)據(jù)的原始特征,對CO2排放強度、產業(yè)結構和經濟增長3個變量取對數(shù),分別命名為LNCO2、LNINS、LNGDP。
通過計算,得到1995-2017年CO2排放強度、產業(yè)結構和經濟增長3個指標數(shù)據(jù),其中CO2排放強度和產業(yè)結構如圖1所示。從圖1可知,福建省的產業(yè)結構與CO2排放強度具有相似的變動趨勢。在整個研究周期內,CO2排放強度可以劃分為4個階段:第一階段為1995-2000年,該階段產業(yè)結構處于向高級化發(fā)展的過程,而CO2排放強度呈現(xiàn)出快速下降的趨勢;第二階段為2001-2005年,該階段的產業(yè)結構朝著低級化方向發(fā)展,CO2排放強度卻在快速提高;第三階段為2005-2011年,該階段的產業(yè)結構開始重新優(yōu)化調整,因此CO2排放強度在緩慢下降;第四階段為2011-2017年,該階段的產業(yè)結構升級并不明顯,但CO2排放強度在急速下降??傮w而言,CO2排放強度與產業(yè)結構具有類似的變動趨勢,表明這兩者之間可能存在關聯(lián)。
VAR模型建立的前提是,模型中所包含的內生變量都能通過單位根檢驗。由于時間序列數(shù)據(jù)可能存在擾動項自相關的情況,因此,在進行單位根檢驗時,采用帶有滯后高階的ADF單位根檢驗,可以有效降低擾動項自相關性對單位根檢驗的影響。原始變量的ADF單位根檢驗結果如表2所示。從表2可知,原始變量中僅LNCO2在10%置信度下拒絕了存在單位根的假設,其余變量都在5%置信度下拒絕了存在單位根的假設。
圖1 CO2排放強度與產業(yè)結構的發(fā)展趨勢圖
表2 ADF單位根檢驗表
注:I(c,d,t)中,c表示常數(shù)項,d表示漂移項,t表示趨勢項;若c、d、t的值為1,表示含該項。
構建VAR模型時,不同的滯后階數(shù)對模型和各項檢驗會產生較大的影響。因此,在構建模型時需要擬合最佳的滯后階數(shù)。對于年度數(shù)據(jù),一般選擇最大滯后階數(shù)4階。如表3所示,表中LL、LR、P、FPE、AIC、HQIC、SBIC分別表示7個不同的信息準則。當滯后期選擇1期時,F(xiàn)PE、HQIC和SBIC認為選擇1期能夠擬合最佳的模型。當滯后期選擇4期時,只有LR和AIC認為選擇1期能夠擬合最佳的模型。從理論上來看,可以選擇1階或者4階作為VAR模型的滯后階數(shù)。由于本文的樣本量較少,若采用4階滯后階數(shù),則整個VAR模型中包含39個待估參數(shù)。過多的待估參數(shù)會縮小樣本容量和降低模型的預測能力,故在本文所構建的VAR系統(tǒng)中選擇滯后階數(shù)為1階。
表3 滯后階數(shù)選擇表
注:*表示滿足信息準則。
5.3.1 自相關LM檢驗
VAR模型的建立是以殘差無自相關為假設前提,若存在自相關,需增加VAR模型的滯后階數(shù)。因此,需要對VAR模型的殘差項作LM自相關檢驗。由表4可知,在5%置信度下對殘差項進行1階和2階自相關LM檢驗,均接受了“不存在自相關”的假設,表明本文構建的VAR模型的殘差項無自相關,無需再增加VAR模型滯后階數(shù)。
表4 殘差自相關LM檢驗結果
5.3.2 正態(tài)分布檢驗
VAR模型的建立以眾多的假設為前提,其中殘差項服從正態(tài)分布是其假設前提之一。若殘差項通過了正態(tài)分布檢驗,那么模型的擬合程度最高。若殘差項不服從正態(tài)分布,則VAR模型的準確性變差,導致模型的預測區(qū)間失效。由表5可知,在Jarque-Bera檢驗、Skewness檢驗和Kurtosis檢驗中,單一方程LNGDP、LNCO2、LNINS和作為方程整體殘差的P值,均在5%置信度下接受了模型的殘差項“服從正態(tài)分布”的假設。
利用Granger因果檢驗,可以進一步探明CO2排放強度、產業(yè)結構和經濟增長之間是否具有因果關聯(lián)。這種因果關聯(lián)只是數(shù)據(jù)所表現(xiàn)出來的變量之間的相關關系,能夠用于衡量各個變量在發(fā)生時間上的前后關系。本文中LNGDP、LNINS和LNCO2的Granger因果關系如表6所示。
表5 殘差正態(tài)分布檢驗結果
表6 Granger因果檢驗結果
從表6可知,在驗證LNINS系數(shù)的顯著性時,LNCO2系數(shù)的卡方值為7.462,P值為0.006,在5%置信度下,拒絕了“LNCO2不是LNINS的原因”。而LNGDP的卡方值為6.041,P值為0.014,在5%置信度下,拒絕了“LNGDP不是LNINS的原因”。同理,在驗證LNGDP系數(shù)的顯著性時,在5%置信度下,拒絕了“LNCO2不是LNGDP的原因”,接受了“LNINS不是LNGDP的原因”。綜合來看,福建省的CO2排放強度、產業(yè)結構和經濟增長之間的關系如圖2所示。
圖2 CO2強度、產業(yè)結構和經濟增長的關系示意圖
本文所建立的VAR模型的滯后階數(shù)為1階,模型中有3個內生變量,因此在穩(wěn)定性分析中存在3個特征根。從模型的根模顯示表(表7)和根模顯示圖(圖3)可知,VAR模型3個特征根的模均小于1。在圖3中表現(xiàn)為模型特征根的模均落于單位圓內,表明本文所構建的VAR模型是穩(wěn)定的。但是,從表7可知,特征根λ1的模比較接近1,說明部分沖擊會對模型形成長期的影響。
表7 VAR根模顯示表
圖3 VAR根模顯示圖
脈沖響應函數(shù)用于考察一個變量對另一個變量的沖擊所產生的動態(tài)效應,即一個變量的當期沖擊對其他變量的時滯效應。結合Granger因果檢驗結果,本文主要分析具有因果關系的變量的脈沖響應圖。根據(jù)表6,可以將脈沖響應分為2種:一是直接效應,即LNGDP對LNINS以及LNINS對LNCO2的滯后項的沖擊影響;二是反饋效應,即LNCO2對LNINS和LNGDP的滯后項的沖擊影響。
(1) 直接效應。Granger因果檢驗表明,LNGDP是引起LNINS變化的原因,而LNINS是引起LNCO2變化的原因。由圖4可知,LNGDP對LNINS的沖擊,使LNINS從第1期到第12期的響應值持續(xù)為正值??傮w來看,LNGDP對LNINS的影響是正向的,存在滯后性。這表明產業(yè)結構對經濟增長存在一定的依賴性。由圖5可知,LNINS對LNCO2的沖擊,使LNCO2在第1期的響應值為正值,從第2期開始到第10期響應值持續(xù)為負值。這表明產業(yè)結構的升級,僅在第1期能夠降低CO2排放強度,從第2期開始到第10期則使CO2排放強度提高??傮w來看,LNINS對LNCO2的影響是負向的,存在滯后性。這表明CO2排放強度對產業(yè)結構存在一定的依賴性。
圖4 LNGDP對LNINS的脈沖響應
圖5 LNINS對LNCO2的脈沖響應
(2) 反饋效應。Granger 因果檢驗表明,LNCO2分別與LNINS和LNGDP具有因果關系。由于前面已經分析了LNGDP和LNINS對其他變量的直接效應,因而這里利用脈沖響應函數(shù)分析LNCO2對LNINS和LNGDP的反饋效應。由圖6可知,當LNCO2對LNINS實施一個單位標準差的正向沖擊后,LNINS在第1期產生正向的響應值,響應值在短期內快速增加,在第3期達到最大值,隨后開始下降,最終趨于0。總體來看,LNCO2對LNINS的影響是負向的,存在滯后性。這表明產業(yè)結構對CO2排放強度存在一定的依賴性。由圖7可知,當LNCO2對LNGDP實施一個單位標準差的正向沖擊后,LNGDP在第1期的響應值為正值且值較小,隨后響應值緩慢增加,最終趨于一個穩(wěn)定值??傮w來看,LNCO2對LNGDP的影響是正向的,存在滯后性。這表明經濟增長對CO2碳排放強度存在一定的依賴性。
圖6 LNCO2對LNINS的脈沖響應
圖7 LNCO2對LNINS的脈沖響應
根據(jù)直接效應和反饋效應,可以發(fā)現(xiàn)LNINS、LNCO2和LNGDP 3個變量在受到沖擊后,各自呈現(xiàn)出的特征存在一定程度上的相似性。從時間維度來看,各個變量受到沖擊的時間都較長,基本都在11期之后才會趨于穩(wěn)定狀態(tài)。從各變量對沖擊的反應來看,LNGDP和LNINS在第1期到第10期的響應值均為正值,而LNCO2的響應值僅在1期為正值,從第2期開始到第10期均為負值。
預測方差分解是將VAR模型各個內生變量的均方誤差分解到其他解釋變量的誤差項上。從脈沖響應圖來看,各個內生變量的沖擊對其他內生變量的影響大多在第15期前就趨于穩(wěn)定了,因此,本文的預測方差分解期數(shù)設置為15期即可。
從圖8來看,對LNGDP作向前1期的預測,其預測方差完全來源于自身;作向前10期的預測,有約50%的預測方差來源于自身,其余的大部分由CO2排放強度貢獻,說明CO2排放強度對經濟增長的影響較強。從圖9來看,對LNINS作向前10期的預測,可以發(fā)現(xiàn),在前6期超過50%的預測方差來源于自身,而CO2排放強度對LNGDP預測方差的貢獻隨著期數(shù)增加而上升,說明CO2排放強度對LNINS的影響隨著時間的推移逐年加強。從圖8、圖9來看,CO2排放強度不僅對經濟增長有影響,還對產業(yè)結構的變動有影響。從圖10來看,對LNCO2作向前15期的預測,可以發(fā)現(xiàn),其預測方差約有60%來源于自身;LNGDP對LNCO2預測方差的貢獻率從第1期到第4期逐漸增加,但最終保持在30%;LNINS對LNCO2預測方差的貢獻率從第1期的35%下降到了第3期的10%左右,說明產業(yè)結構對CO2排放強度的影響相對較小。
圖8 LNGDP方差分解圖
圖9 LNINS方差分解圖
圖10 LNCO2方差分解圖
本文通過VAR模型、Granger因果檢驗、脈沖響應分析和方差預測分解對福建省CO2排放強度、產業(yè)結構和經濟增長之間的動態(tài)關系進行了研究,得出以下結論:①福建省CO2排放強度對經濟增長有影響,總的來說,CO2排放強度的提高促進了經濟增長。在研究時段內,福建省的經濟增長方式仍以粗放型為主。②產業(yè)結構的升級能在較短時期內降低CO2排放強度。③從LNGDP、LNINS和LNCO2的沖擊反應來看,各變量未來方差預測值的波動,大部分可以從各變量自身得到解釋;而LNGDP和LNINS未來方差預測值的波動有相當大部分是由CO2排放強度的變化引起的??偟膩碚f,CO2排放強度不僅對經濟增長有影響,還對產業(yè)結構的變動有影響?;谝陨辖Y論,提出以下建議:
(1) 繼續(xù)推動產業(yè)結構優(yōu)化升級。以第二產業(yè)為主的粗放型經濟增長方式,單位GDP能耗較高。這種經濟發(fā)展高度依賴能源使用的狀況,反映出目前福建省第二產業(yè)中高能耗企業(yè)所占比重較大。針對這種情況,福建省應通過引進“清潔生產”的低能耗企業(yè)以及減少高能耗企業(yè)的數(shù)量,來降低高能耗企業(yè)在第二產業(yè)中所占的比重。第三產業(yè)包括各種不同的行業(yè),這些行業(yè)大多以低能耗企業(yè)為主,提高第三產業(yè)的比重也能降低CO2排放強度、減少環(huán)境污染。因此,政府在減排過程中應做到:完善環(huán)境保護體系,通過立法方式增加超排企業(yè)的法律成本,逐步關閉“三高”企業(yè)。
(2) 協(xié)調好減排與經濟發(fā)展的關系。減排不能搞“一刀切”,一味地關閉高排放企業(yè)。否則,不僅對經濟增長造成較大影響,也會導致大量工人失業(yè)。應該做到既有效降低CO2排放強度,又在減排過程中保持經濟增長和就業(yè)穩(wěn)定。要鼓勵和引導有能力改進自身CO2排放的企業(yè),通過技術創(chuàng)新,來降低自身CO2排放。還可以通過引進低能耗企業(yè),來彌補因關閉“三高”企業(yè)所帶來的對經濟和就業(yè)的影響。
(3) 提高科技和環(huán)保投資力度。降低CO2排放強度,除了要進行產業(yè)結構調整,還要加強科技創(chuàng)新。要采取適當措施,引導企業(yè)進行科技創(chuàng)新,充分增強企業(yè)甚至是整個行業(yè)在國際上的競爭力,尤其是綠色競爭力。一方面要引導行業(yè)逐步調整結構,另一方面要鼓勵高能耗企業(yè)加強能源方面的科研支出,提高能源轉換效率。