贵州省碳排放与经济、人口关系研究

刘晓洁

(贵州财经大学 数学与统计学院，贵州 贵阳 550025)

贵州省碳排放与经济、人口关系研究

刘晓洁

(贵州财经大学 数学与统计学院，贵州 贵阳 550025)

文章根据IPAT模型运用单位根检验、协整检验、误差修正模型及Granger因果检验，对贵州省碳排放与经济增长、人口规模、能源碳强度关系进行实证研究，结果表明：贵州省碳排放与经济增长、人口总量、能源碳强度之间存在着显著的长期均衡关系；当这种长期均衡关系受到短期因素干扰时，调整时间大概要3.505年；碳排放与经济增长、能源碳强度在2009年前不存在显著的因果关系，2009年后存在单向因果关系；相对经济增长和能源碳强度的影响，人口规模的影响较小。

碳排放；经济增长；人口规模

减排已成为全球共识，作为最大的发展中国家和新兴市场国家，我国面临着因粗放型经济增长方式所导致的资源生态环境压力。2015巴黎气候变化大会，中国在提交给联合国的“自主贡献计划”中，提出到2030年单位GDP二氧化碳排放比2005年下降60%～65%的更高目标，且不附加任何条件，也不与任何国家的减排目标挂钩。[1]我们必须恪守发展与生态两条底线，减少和控制碳排放，实现经济的低碳发展。在这一背景下，国内外关于碳排放核算及其与经济、人口关系的相关研究日益增加，已成为现代经济学研究的热点问题。贵州省面临后发赶超重要任务，且作为能源省份，研究碳排放核算及其与经济、人口关系是建设生态文明的基本要求，是守住两条底线的重要体现。

一、文献综述

对于碳排放关系的研究较少，主要集中在能源消费或环境问题与经济关系的研究。Kraft et al(1978)选用美国二十八年的经济增长和能源消费的数据，分析两者的关系，表明实行提高能源环保措施不会影响经济持续发展。Jin et al(1992)选用协整方法发现美国的能源消费和经济增长不存在长期均衡关系。研究环境和经济增长的相互影响关系具有代表性的是环境库兹涅茨曲线，它可直观的在坐标轴上表示区域经济发展和环境质量的关系。Hilton(1998)用汽车尾气中铅排放量作为和经济增长关系研究的环境指标，发现拟合曲线形状呈倒“U”型。Birdsall(1992)认为较多的人口会加大对能源的需求，且快速增长的人口会导致森林和耕地破坏，二者共同作用导致了温室气体排放量增加。Knapp(1996)对全球CO2排放量、总人口进行Granger因果检验，得出两者之间不存在长期协整关系，但总人口的增加是CO2排放量增长的原因。

国内学者马超群等(2004)研究了中国从1954-2003年GDP与能源消费及能源消费各构成部分间的长期均衡关系。杨朝峰等(2005)选用1952-2003年中国能源消费和GDP数据进行协整分析，得出存在单向的从经济增长到能源消费的因果关系，且该关系长期稳定，不随时间发生结构性变化。王中英等(2006)采用相关分析法研究证实，经济增长与环境间有显著的相关性。朱永彬等(2009)将能源动力学机制引入EKC曲线，分析我国经济增长与碳排放的关系。彭希哲等(2010)用STIRPAT扩展模型，剖析了近三十年来我国人口规模、居民消费及技术进步因素对碳排放产生的影响。李楠等(2011)选用我国碳排放量、人口总数、城市化率、老龄化率、恩格尔系数等，对我国人口结构与碳排放量关系做了实证分析。刘广为(2012)用离散二阶差分方程估计了2020年我国碳排放和GDP，认为碳排放与煤炭消费比重高度相关。

由此可见，以往关于碳排放与经济、人口的关系研究还较少，并且因为碳排放具有区域差异性，考虑到贵州省作为重要的能源省份，碳排放与经济、人口的关系也可能存在特殊性，因此，本文以贵州省作为研究对象具有一定的理论价值和现实意义。

二、研究方法

考虑以碳排放作为表示环境压力的指标，主要受两方面影响：其一是宏观规模，例如经济总量、人口规模变化的影响；其二是碳生产率的影响。因此选用Ehrlich、Comnoner提出的IPAT模型来探讨。

IPAT模型：I=P×A×T

I代表环境冲击，用碳排放(C)表示；P代表人口规模，用年末人口总量(P)表示；A代表经济水平，用地区生产总值(GDP)表示；T代表单位能耗或单位生产总值产生的环境影响，用能源碳排放强度(T)表示。假设碳排放受当期GDP直接影响，与前期末人口规模、前期能源碳排放强度有关。因为前期年末人口规模直接进入当期，对碳排放有直接需求，当期新增人口是一个过程，对碳排放的影响记入下期；当期的碳排放强度是建立在前期生产技术水平之上，受前一期的影响。因此IPAT模型就变为：

C=P-1×GDP×T-1

P-1代表上期人口总量，T-1代表上期单位GDP碳排放，即能源碳排放强度。为了分析人口规模、经济增长、碳排放强度对碳排放量的影响，对上式变换：

εt表示误差。对上式取对数，得出α、β、λ分别为P、GDP、T的弹性系数，即其他条件不变的情况下，P、GDP、T每变化1%，会分别引起C变化α%、β%、λ%。

根据统计方法和计量经济学分析方法，具体分析步骤如下：(1)检验变量是否存在单位根，进行平稳性检验；(2)考虑非平稳变量之间是否存在协整，进行协整检验与估计；(3)进行误差修正，建立误差修正模型；(4)考虑因果关系，进行Granger因果检验，确定因果关系。

三、碳排放与经济、人口关系

本文以1978年为基年，消除价格变动的影响，算出不变价GDP。碳排放数据由IPCC清单法估算而得，结合不变价GDP，计算出1978-2014年碳排放强度(见图1)。

图1 1978-2014年贵州省碳排放趋势

同时，为了消除异方差性，对变量进行对数变换，新的变量lnC、lnGDP、lnP和lnT。对四个变量做出1978-2014年的趋势图。

图2 1978-2014年碳排放GDP、人口、碳排放强度趋势

图3 1978-2014年lnC、lnGDP、lnP和lnT趋势

1.单位根检验

对各序列做单位根检验，检验结果见表1。若变量间同阶单整，则可进行协整检验。宽限说法认为有多个变量时，被解释变量的单整阶数不得高于任一解释变量的单整阶数，另当解释变量单整阶数高于被解释变量单整阶数时，则必须至少两个解释变量的单整阶数高于被解释变量的单整阶数。在10%的显著性水平下，所有变量经过一阶差分后都是平稳的，它们都是一阶单整I(1)，满足变量协整关系的前提条件。考虑宽限的说法，则lnC～I(1)、lnP～I(1)、lnGDP～I(2)、lnT～I(2)。

表1 各变量时间序列的ADF单位根检验结果

2.协整检验

分别对lnC与lnGDP、lnC与lnP、lnC与lnT作协整回归(OLS法)，检验残差的平稳性，残差序列均值为0，无截距、无趋势的ADF检验。结果表明，变量间存在协整关系。在此基础上，建立动态滞后模型估计lnC与lnP(-1)、lnGDP与lnT(-1)的长期参数，并检验其是否存在协整关系。建立lnC与lnP、lnGDP、lnT的动态滞后模型：

InC=0.1165InP(-1)+0.9522InGDP+0.2239InT(-1)

由上可知，碳排放对生产总值的弹性是0.9522，GDP增加1%时，碳排放增加0.9651%；碳排放对上期人口总量的弹性是0.1165，上年人口增加1%时，当年的碳排放增加0.1165%；碳排放对上期碳排放强度的弹性是0.2239，上年碳排放强度减少1%时，当年碳排放减少0.2239%。

lnC与lnP、lnGDP与lnT的协整检验是对其动态之后模型的残差序列作ADF检验。

表2 εt的ADF单位根检验结果

εt的ADF检验值均小于1%～10%的显著水平临界值，残差序列是平稳的，认为lnC与lnP、lnGDP与lnT存在长期协整关系。

3.误差修正模型

建立误差修正模型分析C与GDP、P、T间的协整关系在短期因素影响时将如何调整。由误差修正模型(ECM)1(见表3)可知，DlnP(-1)和DlnT(-1)对lnC的影响不显著。在去掉不显著变量DlnP(-1)和DlnT(-1)后得到新误差修正模型(ECM)2，相关统计参数如表4。(ECM)2说明短期内，碳排放与后一期的GDP呈正相关，当前一期的GDP增加1%时，当期的碳排放增加0.8664%，误差修正系数ECM为-0.2853，即当短期波动偏离长期均衡时，将以-0.2853的调整力度将非均衡状态拉回到均衡状态，调整的时间约需3.505年，负号表示修正是反向的，符合反向修正机制原理。

表3 误差修正模型(ECM)1、(ECM)2相关统计参数

DInC=0.8664DInGDP-0.2853ECM(-1)

4.Granger因果检验

协整检验证明了lnC与lnP、lnGDP与lnT有长期均衡关系，对于是否构成因果关系，用Granger因果检验。该方法对滞后阶数的选取较敏感，分别选滞后阶数1，2，3，…，8逐一检验。

表4 lnC与lnGDP的Granger因果检验

由表4可以看出，5%显著水平下，接受H0，lnGDP不是lnC的Granger原因，即贵州省GDP增加不是引起碳排放增加的Granger原因。对于另一H0：lnC不是lnGDP的Granger原因，5%显著水平下，滞后阶数为1-5时拒绝H0，滞后阶数大于5则接受H0。即2009年后贵州省碳排放增加是引起GDP增加的Granger原因，2009年前贵州省碳排放增加不是引起GDP增加的Granger原因。因此，2009年以前贵州省碳排放与GDP不存在显著因果关系，2009年后碳排放与GDP存在单向因果关系。

表5 lnC与lnT(-1)的Granger因果检验

由表5可以看出，5%的显著水平下，接受H0，lnT(-1)不是lnC的Granger原因，即贵州省上一期能源碳强度增加不是引起当期碳排放增加的Granger原因。另一结果表明，2009年前lnC不是lnT(-1)的Granger原因，2009年后lnC是lnT(-1)的Granger原因。因此，2009年前碳排放与能源碳强度之间不存在显著因果关系，2009年以后碳排放与前期能源碳强度呈单向因果关系。

表6 lnC与lnP(-1)的Granger因果检验

由表6可以看出，5%的显著水平下，接受两种H0，即lnC与lnP(-1)互相不存在Granger原因。考虑更加宽限的情况时，也可说lnC是lnP(-1)的Granger原因，lnP(-1)是lnC的Granger原因。

事实上，相对于GDP和能源碳强度，人口对碳排放的影响要复杂得多。人口的年龄结构、男女比例、城乡人口比例、人口消费结构、能源消费结构等对碳排放产生影响。通过lnC与lnP、lnGDP、lnT的动态滞后模型也可以看出，人口规模对碳排放的影响是三个因素中最小的。

四、结语

本文研究的贵州省碳排放与经济增长、人口总量、能源碳强度之间存在着显著的长期均衡关系。当这种长期均衡关系受到短期因素干扰时，调整的时间大概需要3.505年。贵州省碳排放与经济增长不存在显著的因果关系，但到2009年后碳排放与经济增长、能源碳强度之间存在单向的因果关系，即碳排放增加是引起经济增长的Granger原因，但经济增长并不是引起碳排放增加的Granger原因。碳排放与能源碳强度之间也存在相同的情况，2009年以前不存在因果关系，而到2009年以后上半年的能源碳排放强度是当年碳排放增加的原因，当期碳排放与前期能源碳强度呈单向因果关系。相对于经济增长和能源碳强度对碳排放的影响，人口规模的影响虽没那么显著，但目前人口规模扩大对碳排放的压力正在增加，进一步控制人口也是减缓碳排放的一种途径。

[1]马超群，储慧斌，李科，等.中国能源消费与经济增长的协整与误差校正模型研究[J].系统工程，2004，(10).

[2]李楠，邵凯，王前进.中国人口结构对碳排放量影响研究[J].中国人口·资源与环境，2011，(6).

[3]刘广为，赵涛，米国芳.中国碳排放强度预测与煤炭能源比重检验分析[J].资源科学，2012，(4).

[4]彭希哲，朱勤.我国人口态势与消费模式对碳排放的影响分析[J].人口研究，2010，(1)．

[5]王中英，王礼茂.中国经济增长对碳排放的影响分析[J].安全与环境学报，2006，(5).

[6]杨朝峰，陈伟忠.能源消费和经济增长：基于中国的实证研究[J].石油大学学报(社会科学版)，2005，(1)

[7]朱永彬，王铮，庞丽，等.基于经济模拟的中国能源消费与碳排放高峰预测[J].地理学报，2009，(8).

[8]Birdsall N．Another look at Population and Global Warming:Population，Health and Nutrition Policy Research[C].Working Paper，DC：World Bank，Washington，1992.

[9] J.Kraft，A.Kraft.On the Relationship between Energy and GNP[J].Energy Development，1978，(4).

[10]Knapp T，Mookerjee R.Population Growth and Global CO2 Emissions[J].Energy Policy，1996，(1)．

[11]Yu S.H.，Jin J.C.Co-integration tests of energy consumption，income and employment[J].Resources Energy，1992，(14).

责任编辑：谷晓红

Relation Study on Carbon Emission，Economics，and Population in Guizhou

LIU Xiao-jie

(Guizhou University of Finance and Economics，Guiyang 550025，China)

The relation between carbon emission，economic growth，population size，and energy carbon intensity in Guizhou province is examined with IPAT model concerning unit root test，co-integration test，error correction model and Granger causality. The results show：the factors are correlated significantly in a long-terms balance way；when the long-term balance relation is interfered with short-term factors it takes 3.505 years to adjust；there is no significant causality between carbon emission，economic growth，and energy carbon intensity before 2009 and there is one-direction causality after 2009；comparing with the effect of economic growth on energy carbon intensity，the effect from population size is low.

carbon emission；economic growth；population size

2016-06-28

刘晓洁(1991-)，河北张家口人，硕士研究生，主要从事经济与社会统计研究。

1004—5856(2017)04—0047—05

F124

A

10.3969/j.issn.1004-5856.2017.04.011