基于VAR模型的低碳化与产业结构升级关系研究

张怀诚

摘 要：选取1980—2016年碳排放量、第二产业比重和第三产业比重的数据构建VAR模型，探究我国低碳化发展与产业结构升级之间的关系。结果表明，我国碳排放和产业结构变动有协同关系;我国第二产业占比变动会对碳排放产生正向影响，第三产业占比变动会对碳排放产生负向影响;我国碳排放主要由第二产业比重变化造成，第三产业比重变动的影响相对较小。根据相关研究，为我国经济的低碳化发展提出了建议。

关键词：VAR模型;低碳化;产业结构升级;碳排放

文章编号：1004-7026（2019）14-0086-03         中国图书分类号：F121.3        文献标志码：A

随着经济的不断发展，化石燃料的大量使用大幅增加了大气中的二氧化碳含量，出现了气候变暖等问题。解决世界气候和环境问题，低碳发展是根本出路，产业结构升级则是必然途径。经济己进入了以“中高速增长、结构优化升级、创新驱动”为特征的新常态，我国产业结构升级成为实现我国碳减排承诺的重要方式。优化产业结构、提高第二产业的发展质量，是我国发展的重要目标。为实现温室气体减排目标，十八大提出构建绿色低碳的现代产业发展新体系。当前，调整产业结构是实现绿色低碳发展目标的重要内容。

研究低碳化发展与产业结构关系的文献较多。刘美平（2010）[1]表示，我国应在学习发达国家经验之后，把正在进行的产业结构升级纳入低碳经济战略中。崔慧广（2012）[2]从低碳化理念的变化以及政府政策出发，对我国的低碳化发展模式进行探索。王修华（2012）[3]研究了GDP增量和单位GDP碳排放量与产业结构比例之间的关系，构造双对数模型，认为应改进低碳技术，支持战略性新兴产业，促进传统企业转型。卫华（2015）[4]尝试在低碳经济的基础上构造产业升级模型，探讨低碳化产业升级3条路径，即效率提升、结构优化、产业集群。张伟等（2016）[5]利用Kaya恒等式对我国产业体系的碳排放量进行因素分解，并在此基础上构造产业体系碳排放模型，发现我国产业体系低碳化发展与能源结构的变化有很强的相关关系，能源在使用效率上受二次产业影响的程度很深。张盼（2013）[6]强调要发展绿色低碳技术，树立低碳经济理念，以低碳产业的发展推动产业结构升级。陈兆荣（2011）[7]分析了我国1978—2010年的产业数据，通过More结构变动值计算产业结构高级化指数，用var模型研究产业结构的变动与碳排放的关系，发现产业结构的变动是碳排放量波动的重要原因。Ian Sue Wing（2006）[8]分析了美国40年的数据，发现这40年间科技发展与产业结构的变动大大提高了美国的能源使用效率。

目前的研究多从产业结构低碳化的角度出发，探讨产业结构低碳化的重要性、面临的现实困境、区域的产业结构低碳化等问题，而低碳化发展和产业结构的关系方面的文献较少。我国当前碳排放量居世界首位，研究产业结构与低碳化发展的关系，能够为政府制定政策和促进我国产业结构低碳化发展提供借鉴。

1  研究方法与指标选取

选取我国1980—2016年碳排放量指标代表低碳发展水平，利用我国1980—2016年第二产业产值、第三产业产值占国内生产总值的比重反映我国产业结构的变化。采用VAR模型分析我国低碳化发展与产业结构的关系，以LNC代表年碳排放量，LNA代表第二产业产值占国内生产总值比重，LNB代表第三产业产值占国内生产总值比重，构建如下模型。

相关数据来自于2017年的《中国统计年鉴》以及世界银行。为使研究结果具有可比性，经不变价处理去除价格因素的影响后，将产业结构指标的原始数据折算为以1980年为基期的实际数值。在不变价处理后进行对数化处理。

2  实证过程及分析

2.1  单位根检验

模型中所使用的变量均为时间序列，因此选择ADF单位根检验1980—2016年LNC、LNA、LNB的平稳性，结果见表1。

从表1可以得出，ADF检验值大于5%显著性水平下的临界值，各变量都为非平稳序列。对原序列进行一阶差分，LNC、LNA、LNB一阶差分后平稳。

2.2  EG协整检验

经过平稳性检验之后，LNC、LNA、 LNB为一阶单整，能够进行协整检验，因此借助EG两步法分析变量之间是否存在协整关系，运用OLS法估计得到回归模型，公式如下。

得到残差序列et，对残差序列进行ADF检验，用得出的ADF数值与10%的水平下协整检验的临界值进行比较，如果ADF值小于临界值，则协整回归的变量间有协整关系，具体数值见表2。

从表2可以得出残差序列在10%的显著性水平下拒绝原假设，说明不存在单位根。LNC、LNA以及LNB 3个变量存在长期的协整关系。

2.3  脉冲响应分析

在以上分析的基础上，采用AR根的估计方法对VAR模型的稳定性进行检验，假如VAR模型所有根模的倒数都在单位圆内，则该模型是稳定的，具体情况见图1。

图1中特征根都没有超过单位圆的范围，说明VAR模型结果稳定。在此基础上，采用广义VAR模型的脉冲响应分析3个变量之间的冲击，具体脉冲响应结果如图2所示。

图2（a）组中的两个图反映了LNC对LNA、LNB变量的冲击效果。碳排放量给第二产业比重一个标准正向冲击时，前期呈上升趋势，第3期达到最大，之后逐渐下降到第5期，趋于0值。表明我國碳排放量增加对第二产业的发展具有促进作用，但持续时间不长，作用逐渐减弱，这种状况与我国第二产业中资源利用效率低下有关。

碳排放量给第三产业比重一个正向冲击后，整体呈轻微上升再下降，后上升至0值。这种变化与第二产业比重的变化趋势相反，说明在我国的产业升级过程中，第三产业比重上升伴随着第二产业的衰退。近年来，我国产业结构升级取得了一些成就，第三产业比重逐步增加，产业结构合理化程度提高。

图2（b）组可以分析LNA、LNB对LNC变量的冲击效果。碳排放量在受到第二产业比重的一个正向冲击时，前两期上升至最大，之后下降至第5期，第6～9期呈上升趋势，第10期稳定于0值。我国第二产业是碳排放的主要产业，从整体来看，第二产业在较长的时期内对碳排放量的增加起促进作用，期间也出现过阻碍作用，其主要原因是我国产业结构优化，第二产业比重降低，碳减排等相关政策出台，第二产业技术贡献率提高，碳排放减少。

第三产业比重对碳排放量的冲击效果与第二产业相反，前3期第三产业比重对碳排放量的冲击作用是负的，第2期达到最低值，第4～5期呈较弱的正向作用，之后稳定于0值。第三产业比重提高是产业结构优化升级的重要标志，近年来我国产业结构中第三产业比重逐渐提高，成为我国实现低碳化发展的重要途径，但是第三产业资源利用效率不高，因此第三产业比重对碳排放出现了正向作用。

2.4  方差分解

使用方差分解法对年碳排放量LNC的方差变动进行分析，明确第二产业与第三产业以及自身变动对碳排放变动的贡献度，结果如图3所示。

图3中的3条线分别代表第二产业比重LNA变动导致的变动方差，第三产业比重LNB变动导致的变动方差和年碳排放LNC变动导致的变动方差。从10期的变化可以看出，年碳排放LNC自身变动导致的变动方差逐渐减少，第6期降至最小值86，减少量为14。第二产业比重LNA变动导致的变动方差不断上升，在第6期出现最大值11，而第三产业比重LNB变动导致的变动方差也在上升，第2期出现最大值3。

由分析可知，年碳排放量方差变动主要是由第二产业比重变动造成的，第三产业比重变动的方差贡献率相对不高。在我国产业结构升级的过程中，应当着重调整第二产业比重，重视提高第二产业发展质量，这对我国经济未来实现低碳化发展有重要意义。

3  低碳化发展的对策建议

第一，完善产业结构低碳化法律体系。政府发挥在政策法规制定与实施中的主导地位，出台相关政策推动第二产业低碳化发展，利用电力法、煤炭法等相关法律推动产业进行升级改造。制定部门法规，为第二产业各部门设定合理的节能减排指标。政府还要举办有关气候变化的宣传教育活动，合理引导民众消费，倡导低碳生活。

第二，加快高碳产业的技术更新。把重点放在提高第二产业发展质量上，努力发展新的技术减少碳排放。学习国际领先的技术，自主创新低碳技术，增强原始创新和集成创新能力，依托节能减耗技术、清洁生产技术、污染治理技术和资源综合利用技术推动传统高碳产业的发展。

第三，加速推进低碳产业的发展。政府应出台有利于低碳产业发展的政策，帮扶有潜力的低碳企业，为新生期的低碳企业提供政策性投资、投资补偿及补助等各项优惠政策。政府要为低碳产业吸引更多资金，为其降低融资难度，间接地提供资金支持。发展低碳产业有利于产业结构的优化升级，从而向低碳经济方向发展。

参考文献：

[1]刘美平.我国低碳经济推进与产业结构升级之间的融合发展[J].当代财经，2010（10）：86-91.

[2]崔慧广，董全亮.我国工业产业结构升级的低碳化发展模式研究[J].重庆科技学院学报（社会科学版），2012（15）：42-45.

[3]王修华，王翔.产业结构升级与低碳经济发展的耦合研究[J].软科學，2012，26（3）：29-32.

[4]卫华.基于低碳经济的产业升级路径研究——以河南为例[J].生态经济，2015，31（12）：54-58.

[5]张伟，朱启贵，高辉.产业结构升级、能源结构优化与产业体系低碳化发展[J].经济研究，2016，51（12）：62-75.

[6]张盼.低碳发展约束下的湖北省产业结构升级[J].企业导报，2013（11）：136.

[7]陈兆荣.我国产业结构高级化与碳排放量关系的实证研究[J].湖北经济学院学报，2011，9（4）：77-81.

[8]Ian Sue Wing，Richard S. Eckaus. The implications of the historical decline in US energy intensity for long-runCO2 emission projections[J]. Energy Policy，2006，35（11）：5267-5286.