碳排放、产业结构与福建经济增长动态研究——基于VAR模型和Granger检验

林发照

(福建师范大学 经济学院， 福建 福州 350108)

1 引言

20世纪以来，全球各种能源消耗量均呈现出指数级增长的态势。2017年联合国所发布的《WMO温室气体公报》明确指出：在过去的70年间，全球CO2浓度的增长速度相比冰河结束末期时超出了100倍。为了有效应对全球CO2浓度的不断升高，2017年11月，在德国召开的联合国气候大会上，世界各地与会者的目光再次聚焦于“减排”任务上，中国提出的“中国方案”获得各国的称赞，展示了中国对降低碳排放的决心和能力。

自2005年起，福建省CO2排放强度已经呈现出下降的态势。2017年福建省CO2排放强度达到了1.207吨/万元，比2005年减少了45%，已经提前实现了在2020年将CO2排放强度下降至2005年的45%的减排计划。随着减排的持续进行，福建省的经济增长和产业结构调整也在同步推进。自1995年以来，福建省的GDP增长始终保持着向上的趋势，尤其是2005年以来增长的速度有所提高。1999年之前，福建省的产业结构趋于高级化，而2000-2014年间，福建省的产业结构总体上处于低级化发展过程，表现为第二产业占GDP的比重总体上增加了。因此，从当前来看，福建省产业结构要迈向高级阶段仍然需要进一步调整。

随着减排计划的有效实施，福建省CO2排放强度下降明显。然而，“减排”已经进入较为复杂的阶段，“三高”且产能落后企业也已淘汰许多，要在保持经济平稳增长的同时，实现减少65%的减排计划，还需要继续调整和优化产业结构，提高科技创新能力。对于以第二产业为主的福建省而言，要协调CO2排放强度、产业结构和经济增长之间的关系，一方面，需要协调好产业结构与CO2排放强度之间的关系；另一方面，还需要明确产业结构和CO2排放对福建省经济增长的影响。只有充分考虑这些不同的因素，才能在保持福建省经济平稳增长的同时，实现CO2排放强度的进一步降低。本文旨在探讨福建省CO2排放强度、产业结构和GDP之间的动态联系。

2 文献综述

研究发现，随着经济增长，CO2排放一般会先呈现出倒“U”型的趋势，在这个趋势中会出现一个拐点。林伯强等通过实证分析发现，中国的CO2排放EKC曲线的理论拐点与实际拐点有着较大的差异，理论分析得到的拐点出现在2020年，但是实证分析得到的拐点却在2040年之后[1]。蔡风景等通过图模型和BACE方法，对中国的CO2排放EKC曲线进行了实证分析，认为当前CO2排放和GDP增长之间确实存在倒“U”型的关系，不过当前阶段的CO2排放仍然未达到EKC曲线的最高点[2]。ALDY通过对美国1960-1999年的数据进行分析，认为美国各大洲的CO2排放与GDP之间，可能具有倒“U”型的联系[3]。关于是否存在拐点问题，也有持相反意见的。左文鼎通过回归分析认为，从短期来看，我国当前的碳排放与GDP之间的所谓倒“U”型关联并不明显，从长远来看，两个变量只是具有“N”型的关系，不存在所谓的拐点[4]。CO2排放与GDP具有倒“U”型的关联，表明一个地区在不同发展阶段，其CO2排放强度有着较大的差异。

不同阶段的经济发展水平对应的产业结构有其特殊性。李健等利用省际面板数据分析了各个省份的CO2排放强度和不同产业的联系，认为第二产业相比其他产业对地区CO2排放强度的影响更大，通过调整和升级产业结构，可以降低CO2排放强度[5-6]。陈永国等通过实证分析指出，引起CO2排放强度下降的最重要原因并不是产业结构调整，而是行业效率的提高[7]。这一结果说明，要降低CO2排放强度，还可以通过提高行业效率实现。根据已有文献，不同人员对CO2排放强度的研究结果呈现出较大的差异。之所以造成这种差异，在于不同研究人员所使用的研究方法不同。这也说明，根据现有数据针对同一问题所得出的结论不够稳健，用不同的模型、方法所得出的结果差异也相对较大。

杨会香等在研究广东省产业结构变动和CO2排放的关系时将技术进步变量引入模型之中，发现技术进步在降低CO2排放强度中的作用相比结构优化更加明显[8]。于左等研究了不同国家CO2排放、产业结构和GDP三者的联系，发现处于不同发展阶段的国家，其CO2排放强度与经济增长之间的关系存在着较大的差异。从发达国家来看，CO2排放强度已经越过了CO2排放EKC曲线的拐点；随着经济的进一步发展，CO2排放强度反而开始下降。但是，对于发展中国家来说，这种情况恰好相反。发展中国家由于处于粗放型发展阶段，CO2排放强度与GDP增长呈现出正相关关系[9]。不同国家对于CO2排放的影响因素也有着较大差异。ADOM等在研究非洲的塞内加尔、摩洛哥和加纳等3个国家的碳排放、产业结构、技术效率和GDP等4个变量的内在联系时，发现经济增长是引起塞内加尔和摩洛哥CO2排放的主要因素，而技术效率是引起加纳地区CO2排放量变化的重要原因[10]。

已有文献表明，引起CO2排放强度变化的原因众多，如产业结构调整、GDP增长以及技术进步等。产业结构优化有助于降低CO2排放强度。一个地区的经济增长方式往往会经历从粗放型向集约型转变的过程，在粗放型发展过程中，如果能源消耗增长速度超过了GDP增长速度，将导致CO2排放强度的提高。随着该地区经济发展转向集约型发展，CO2排放强度又将开始下降。但是，如现有文献所展现的，技术的进步在不同分析模型下对CO2排放强度的影响并不一致。因此，本文对碳排放的分析，没有将技术进步指标纳入其中。从已有文献来看，多数文献在考察CO2排放强度与产业结构、GDP等变量之间的关系时，没有从整体角度去考察。产业结构的优化不仅能够降低CO2排放强度，同时也有助于地区的经济增长。本文将从整体的角度对CO2排放强度、产业结构和经济增长之间的关系进行分析。

3 理论方法

为研究产业结构调整、CO2排放强度与经济增长之间的动态联系，本文选择VAR模型进行建模。一般AR模型仅对自身变量的不同滞后阶数进行估计，没有将其他影响因素纳入模型中。当需要考察多个指标之间是否存在动态关系时，若是分别构建多个AR模型，则无法考察多个指标之间的动态关系[11]。VAR模型则用于分析多指标之间的动态关系，是AR模型进行多指标联立的一种扩展形式。该模型最早于1980年由SIMS提出。模型内部存在2个参数：一个是模型中包含的变量个数N，一个是模型中的最大滞后期p。VAR模型的结构如公式(1)所示：

Xt=c+A1Xt-1+A2Xt-2+…+ApXt-p+εt

(1)

其中：Xt表示一组由各个变量组成的向量；c表示模型的常数项；p表示该模型的滞后期数；Ap表示各个变量的系数所组成的矩阵；εt表示VAR模型中的残差项所组成的列向量。

4.1 CO2排放强度

当前，国内还没有针对CO2排放的直接观测数据。国内学者对CO2排放总量的计算，主要基于两个方面的数据。一是从各年份统计年鉴中获得的能源消耗总量，包括煤炭、焦炭、原油、汽油、煤油、柴油、燃料油和天然气8种能源；二是利用《综合能耗计算通则》《省级温室气体清单编制指南》中的相关变量计算得到的CO2排放系数，包括平均低位发热量、单位热值含碳量、碳氧化率。1995-2016年能源消耗量数据选自国家统计局网站，2017年能源消耗量数据则选自《2018年福建统计年鉴》。CO2排放强度的计算公式如下[12]：

(2)

(3)

其中；TCO2j表示第j年的CO2排放总量，Ti表示第i种能源的使用量，Vi表示第i种能源的平均低位发热量，Ci表示第i种能源的单位热值含碳量，Ri表示第i种能源的碳氧化率，44/12表示单个碳分子形成的CO2数量，CO2j表示第j年的CO2排放强度。相关指标如表1所示。

表1 CO2排放系数表

4.2 产业结构

产业结构是指以产业为元素对国民经济整体活动构成的分析，用于衡量一个地区不同产业产值在该地区生产总值中的比值的大小[13]。随着经济的发展，产业结构逐渐由低级转向高级。产业结构的高级化，则意味着第三产业增加值占GDP的比重不断地增大[14]。李雪对产业结构和CO2强度的关系进行了实证分析，发现产业结构向高级化调整有利于降低CO2排放强度，即通过降低第二产业在国内GDP中的比重，同时大力发展第三产业，有效降低碳排放强度[15]。因此，结合现有研究，本文将产业结构指标定义为：第二产业的增加值与第三产业的增加值之比，即：

(4)

其中，GDP2、GDP3分别表示第二产业增加值、第三产业增加值。INS的值越小，第三产业增加值相对第二产业增加值就越大，表明该地区的产业结构越高级。INS的值越大，第三产业增加值相对第二产业增加值就越小，表明该地区的产业结构越低级。

4.3 经济增长

由于各个年份之间存在一定程度的通货膨胀或通货紧缩，无法对不同年份的GDP进行直接比较。因此，针对本文所涉及的GDP、第二产业增加值和第三产业增加值，均采用以1995年不变价格计算得到的实际数值。有关数据均取自福建省统计局《2018年统计年鉴》。为避免序列之间存在异方差，同时尽可能保持数据的原始特征，对CO2排放强度、产业结构和经济增长3个变量取对数，分别命名为LNCO2、LNINS、LNGDP。

4.4 变量说明

通过计算，得到1995-2017年CO2排放强度、产业结构和经济增长3个指标数据，其中CO2排放强度和产业结构如图1所示。从图1可知，福建省的产业结构与CO2排放强度具有相似的变动趋势。在整个研究周期内，CO2排放强度可以划分为4个阶段：第一阶段为1995-2000年，该阶段产业结构处于向高级化发展的过程，而CO2排放强度呈现出快速下降的趋势；第二阶段为2001-2005年，该阶段的产业结构朝着低级化方向发展，CO2排放强度却在快速提高；第三阶段为2005-2011年，该阶段的产业结构开始重新优化调整，因此CO2排放强度在缓慢下降；第四阶段为2011-2017年，该阶段的产业结构升级并不明显，但CO2排放强度在急速下降。总体而言，CO2排放强度与产业结构具有类似的变动趋势，表明这两者之间可能存在关联。

5 实证分析

5.1 序列ADF检验

VAR模型建立的前提是，模型中所包含的内生变量都能通过单位根检验。由于时间序列数据可能存在扰动项自相关的情况，因此，在进行单位根检验时，采用带有滞后高阶的ADF单位根检验，可以有效降低扰动项自相关性对单位根检验的影响。原始变量的ADF单位根检验结果如表2所示。从表2可知，原始变量中仅LNCO2在10%置信度下拒绝了存在单位根的假设，其余变量都在5%置信度下拒绝了存在单位根的假设。

图1 CO2排放强度与产业结构的发展趋势图

表2 ADF单位根检验表

注：I(c,d,t)中，c表示常数项，d表示漂移项，t表示趋势项；若c、d、t的值为1，表示含该项。

5.2 滞后阶数的选择

构建VAR模型时，不同的滞后阶数对模型和各项检验会产生较大的影响。因此，在构建模型时需要拟合最佳的滞后阶数。对于年度数据，一般选择最大滞后阶数4阶。如表3所示，表中LL、LR、P、FPE、AIC、HQIC、SBIC分别表示7个不同的信息准则。当滞后期选择1期时，FPE、HQIC和SBIC认为选择1期能够拟合最佳的模型。当滞后期选择4期时，只有LR和AIC认为选择1期能够拟合最佳的模型。从理论上来看，可以选择1阶或者4阶作为VAR模型的滞后阶数。由于本文的样本量较少，若采用4阶滞后阶数，则整个VAR模型中包含39个待估参数。过多的待估参数会缩小样本容量和降低模型的预测能力，故在本文所构建的VAR系统中选择滞后阶数为1阶。

表3 滞后阶数选择表

注：*表示满足信息准则。

5.3 残差序列统计检验

5.3.1 自相关LM检验

VAR模型的建立是以残差无自相关为假设前提，若存在自相关，需增加VAR模型的滞后阶数。因此，需要对VAR模型的残差项作LM自相关检验。由表4可知，在5%置信度下对残差项进行1阶和2阶自相关LM检验，均接受了“不存在自相关”的假设，表明本文构建的VAR模型的残差项无自相关，无需再增加VAR模型滞后阶数。

表4 残差自相关LM检验结果

5.3.2 正态分布检验

VAR模型的建立以众多的假设为前提，其中残差项服从正态分布是其假设前提之一。若残差项通过了正态分布检验，那么模型的拟合程度最高。若残差项不服从正态分布，则VAR模型的准确性变差，导致模型的预测区间失效。由表5可知，在Jarque-Bera检验、Skewness检验和Kurtosis检验中，单一方程LNGDP、LNCO2、LNINS和作为方程整体残差的P值，均在5%置信度下接受了模型的残差项“服从正态分布”的假设。

5.4 Granger因果检验

利用Granger因果检验，可以进一步探明CO2排放强度、产业结构和经济增长之间是否具有因果关联。这种因果关联只是数据所表现出来的变量之间的相关关系，能够用于衡量各个变量在发生时间上的前后关系。本文中LNGDP、LNINS和LNCO2的Granger因果关系如表6所示。

表5 残差正态分布检验结果

表6 Granger因果检验结果

从表6可知，在验证LNINS系数的显著性时，LNCO2系数的卡方值为7.462，P值为0.006，在5%置信度下，拒绝了“LNCO2不是LNINS的原因”。而LNGDP的卡方值为6.041，P值为0.014，在5%置信度下，拒绝了“LNGDP不是LNINS的原因”。同理，在验证LNGDP系数的显著性时，在5%置信度下，拒绝了“LNCO2不是LNGDP的原因”，接受了“LNINS不是LNGDP的原因”。综合来看，福建省的CO2排放强度、产业结构和经济增长之间的关系如图2所示。

图2 CO2强度、产业结构和经济增长的关系示意图

5.5 模型稳定性检验

本文所建立的VAR模型的滞后阶数为1阶，模型中有3个内生变量，因此在稳定性分析中存在3个特征根。从模型的根模显示表(表7)和根模显示图(图3)可知，VAR模型3个特征根的模均小于1。在图3中表现为模型特征根的模均落于单位圆内，表明本文所构建的VAR模型是稳定的。但是，从表7可知，特征根λ1的模比较接近1，说明部分冲击会对模型形成长期的影响。

表7 VAR根模显示表

图3 VAR根模显示图

5.6 IRF脉冲响应函数

脉冲响应函数用于考察一个变量对另一个变量的冲击所产生的动态效应，即一个变量的当期冲击对其他变量的时滞效应。结合Granger因果检验结果，本文主要分析具有因果关系的变量的脉冲响应图。根据表6，可以将脉冲响应分为2种：一是直接效应，即LNGDP对LNINS以及LNINS对LNCO2的滞后项的冲击影响；二是反馈效应，即LNCO2对LNINS和LNGDP的滞后项的冲击影响。

(1) 直接效应。Granger因果检验表明，LNGDP是引起LNINS变化的原因，而LNINS是引起LNCO2变化的原因。由图4可知，LNGDP对LNINS的冲击，使LNINS从第1期到第12期的响应值持续为正值。总体来看，LNGDP对LNINS的影响是正向的，存在滞后性。这表明产业结构对经济增长存在一定的依赖性。由图5可知，LNINS对LNCO2的冲击，使LNCO2在第1期的响应值为正值，从第2期开始到第10期响应值持续为负值。这表明产业结构的升级，仅在第1期能够降低CO2排放强度，从第2期开始到第10期则使CO2排放强度提高。总体来看，LNINS对LNCO2的影响是负向的，存在滞后性。这表明CO2排放强度对产业结构存在一定的依赖性。

图4 LNGDP对LNINS的脉冲响应

图5 LNINS对LNCO2的脉冲响应

(2) 反馈效应。Granger 因果检验表明，LNCO2分别与LNINS和LNGDP具有因果关系。由于前面已经分析了LNGDP和LNINS对其他变量的直接效应，因而这里利用脉冲响应函数分析LNCO2对LNINS和LNGDP的反馈效应。由图6可知，当LNCO2对LNINS实施一个单位标准差的正向冲击后，LNINS在第1期产生正向的响应值，响应值在短期内快速增加，在第3期达到最大值，随后开始下降，最终趋于0。总体来看，LNCO2对LNINS的影响是负向的，存在滞后性。这表明产业结构对CO2排放强度存在一定的依赖性。由图7可知，当LNCO2对LNGDP实施一个单位标准差的正向冲击后，LNGDP在第1期的响应值为正值且值较小，随后响应值缓慢增加，最终趋于一个稳定值。总体来看，LNCO2对LNGDP的影响是正向的，存在滞后性。这表明经济增长对CO2碳排放强度存在一定的依赖性。

图6 LNCO2对LNINS的脉冲响应

图7 LNCO2对LNINS的脉冲响应

根据直接效应和反馈效应，可以发现LNINS、LNCO2和LNGDP 3个变量在受到冲击后，各自呈现出的特征存在一定程度上的相似性。从时间维度来看，各个变量受到冲击的时间都较长，基本都在11期之后才会趋于稳定状态。从各变量对冲击的反应来看，LNGDP和LNINS在第1期到第10期的响应值均为正值，而LNCO2的响应值仅在1期为正值，从第2期开始到第10期均为负值。

5.7 预测方差分解

预测方差分解是将VAR模型各个内生变量的均方误差分解到其他解释变量的误差项上。从脉冲响应图来看，各个内生变量的冲击对其他内生变量的影响大多在第15期前就趋于稳定了，因此，本文的预测方差分解期数设置为15期即可。

从图8来看，对LNGDP作向前1期的预测，其预测方差完全来源于自身；作向前10期的预测，有约50%的预测方差来源于自身，其余的大部分由CO2排放强度贡献,说明CO2排放强度对经济增长的影响较强。从图9来看，对LNINS作向前10期的预测，可以发现，在前6期超过50%的预测方差来源于自身，而CO2排放强度对LNGDP预测方差的贡献随着期数增加而上升，说明CO2排放强度对LNINS的影响随着时间的推移逐年加强。从图8、图9来看，CO2排放强度不仅对经济增长有影响，还对产业结构的变动有影响。从图10来看，对LNCO2作向前15期的预测，可以发现，其预测方差约有60%来源于自身；LNGDP对LNCO2预测方差的贡献率从第1期到第4期逐渐增加，但最终保持在30%；LNINS对LNCO2预测方差的贡献率从第1期的35%下降到了第3期的10%左右，说明产业结构对CO2排放强度的影响相对较小。

图8 LNGDP方差分解图

图9 LNINS方差分解图

图10 LNCO2方差分解图

6 结论和建议

本文通过VAR模型、Granger因果检验、脉冲响应分析和方差预测分解对福建省CO2排放强度、产业结构和经济增长之间的动态关系进行了研究，得出以下结论：①福建省CO2排放强度对经济增长有影响，总的来说，CO2排放强度的提高促进了经济增长。在研究时段内，福建省的经济增长方式仍以粗放型为主。②产业结构的升级能在较短时期内降低CO2排放强度。③从LNGDP、LNINS和LNCO2的冲击反应来看，各变量未来方差预测值的波动，大部分可以从各变量自身得到解释；而LNGDP和LNINS未来方差预测值的波动有相当大部分是由CO2排放强度的变化引起的。总的来说，CO2排放强度不仅对经济增长有影响，还对产业结构的变动有影响。基于以上结论，提出以下建议：

(1) 继续推动产业结构优化升级。以第二产业为主的粗放型经济增长方式，单位GDP能耗较高。这种经济发展高度依赖能源使用的状况，反映出目前福建省第二产业中高能耗企业所占比重较大。针对这种情况，福建省应通过引进“清洁生产”的低能耗企业以及减少高能耗企业的数量，来降低高能耗企业在第二产业中所占的比重。第三产业包括各种不同的行业，这些行业大多以低能耗企业为主，提高第三产业的比重也能降低CO2排放强度、减少环境污染。因此，政府在减排过程中应做到：完善环境保护体系，通过立法方式增加超排企业的法律成本，逐步关闭“三高”企业。

(2) 协调好减排与经济发展的关系。减排不能搞“一刀切”，一味地关闭高排放企业。否则，不仅对经济增长造成较大影响，也会导致大量工人失业。应该做到既有效降低CO2排放强度，又在减排过程中保持经济增长和就业稳定。要鼓励和引导有能力改进自身CO2排放的企业，通过技术创新，来降低自身CO2排放。还可以通过引进低能耗企业，来弥补因关闭“三高”企业所带来的对经济和就业的影响。

(3) 提高科技和环保投资力度。降低CO2排放强度，除了要进行产业结构调整，还要加强科技创新。要采取适当措施，引导企业进行科技创新，充分增强企业甚至是整个行业在国际上的竞争力，尤其是绿色竞争力。一方面要引导行业逐步调整结构，另一方面要鼓励高能耗企业加强能源方面的科研支出，提高能源转换效率。