河北省清洁能源、碳排放与经济增长关系研究

王春霞，秦 颐，孙明辉，李佳彪

(1.河北北方学院 经济管理学院，河北 张家口 075000；2.河北宣钢 设备能源部，河北 张家口 075000)

为优化能源结构，实现绿色低碳发展，近年来河北省大力发展清洁能源，并取得了显著成果。2020年，河北省光电发电量211亿千瓦时，居全国第一位；风电发电量368亿千瓦时，居全国第二位。但清洁能源的生产和消费占比仍低于传统化石能源，碳排放量居华北地区首位。“双碳”目标下，深入发展清洁能源并实现经济持续增长对河北省而言任重道远。目前，国内外学者对清洁能源、二氧化碳排放和经济增长的相关关系开展了许多研究。在清洁能源与二氧化碳排放的关系方面，多数学者认为清洁能源能够降低二氧化碳排放[1-3]，但也有人认为清洁能源在不同区域和阶段内会发挥不同的作用。如徐斌等人认为，从线性角度看，东中西三大区域内的清洁能源并没有降低二氧化碳排放[4]；而任晓航等人则发现清洁能源在发展初期会增加全国二氧化碳排放，后期才有减排作用[5]。在清洁能源与经济增长关系方面，现有研究普遍认为清洁能源可以促进经济增长。如Aperigis和Payn以80个国家作为研究对象，发现可再生能源消费能促进经济增长[6]；杨晶发现清洁能源消费的增加能够推动京津冀经济增长[7]。但清洁能源对二氧化碳排放的影响作用仍不明确，有待深入研究。除此之外，现有研究较少以省作为研究对象将清洁能源、二氧化碳排放和经济增长纳入一个分析框架中。因此，文章立足河北省清洁能源发展现状，统一探讨清洁能源、二氧化碳排放与经济增长之间的关系，为推动绿色低碳发展提供对策建议。

一、变量处理与模型建立

数据的获取与处理是模型建立的基础，该部分主要介绍文中所用变量的来源与数据的处理以及研究的基础VAR模型。

(一)样本的选择与数据处理

鉴于数据的可得性，文章以1997-2019年河北省数据作为研究对象。第一个变量为清洁能源(CE)，利用《河北统计年鉴》公布的天然气、一次电力及其他能源在能源生产总量的占比，计算清洁能源产量。第二个变量为二氧化碳排放(CO2)，数据来自中国碳核算数据库(CEADS)中的省级碳排放清单。第三个变量为经济增长(PG)，以人均GDP表征经济增长，为消除价格影响，将数据折算成以1997年为基期的不变价。由于市场尚未公布GDP价格平减指数，因此文章参考赵敏在分析上海能源消费碳排放时的做法[8]，用居民消费价格指数和商品零售价格指数的平均值对人均GDP进行折算，数据来自《河北统计年鉴》。同时，为了消除可能存在的异方差，对以上3个变量作自然对数处理，得到LNCE、LNCO2和LNPG。

(二)VAR模型的建立

向量自回归模型(VAR)由诺贝尔经济学奖获得者Sims在1980年提出，被广泛用于研究变量间的动态关系。该模型将系统中每一个变量表示为所有变量的滞后值函数，滞后期为p的VAR(p)模型的数学表示如下：

yt=Γ0+Γ1yt-l+…+Γpyt-p+εt

(1)

其中，yt是同期变量合成的列向量，Γ0、Γ1…Γp为待估系数向量，εt为白噪声向量。因为文章研究清洁能源、二氧化碳排放与经济增长3个变量之间的关系,所以yt的具体表达式为[LNCEt、LNCO2t、LNPGt]T。

二、变量关系的实证分析

下文在分析清洁能源、二氧化碳排放和经济增长变化趋势的基础上构建VAR模型，并作协整检验，以分析变量间的动态关系和长期均衡关系，进一步应用脉冲响应函数和方差分解法深入了解变量间的动态影响路径与影响程度。

(一)变量的趋势分析

河北省清洁能源产量经历了从缓慢上升(1997-2009年)到快速上升(2010-2019年)的过程(图1)。由图1可知，河北省清洁能源产量占比由1997年的1.35%上升到2019年的30.32%，表明该省在清洁能源发展方面不断取得成效。二氧化碳排放虽然总体呈上升趋势，但2012年后增速明显放缓，甚至出现负增长的现象，这说明河北省自“十二五”以来通过实施发展战略性新兴产业、升级改造传统产业以及优化能源消费结构等系列措施降低二氧化碳排放的效果显著。此外，河北省人均GDP在样本期内也呈现出持续增长的良好态势，但近年来增长速度有所下降。

图1 1997-2017年河北省清洁能源、二氧化碳排放和经济增长发展趋势

(二)变量的VAR模型构建及检验

由图1可知，3个变量在样本期内总体呈增长趋势，具有一定的内在联系。因此，文章通过构建VAR模型以揭示变量之间的动态关系，并进行协整检验以研究变量间的长期均衡关系。

1.平稳性检验

对时间序列进行建模的前提是要保证各变量的平稳性，以防止模型出现伪回归的问题。因此，文章首先通过ADF检验法对LNCE、LNCO2和LNPG进行单位根检验(表1)。表1显示3个变量均为非平稳时间序列，但其一阶差分在5%显著性水平下为平稳序列，所以3个变量均为一阶单整过程。

表1 ADF检验结果

2.VAR模型滞后期数的确定

由于协整分析对滞后期比较敏感，因此在作检验之前要先确定VAR模型的滞后阶数。文章参考LR、FPE、AIC、SC和HQ这5个信息准则来确定最优滞后阶数(表2)。可以看出，LR和AIC准则确定的最优滞后阶数为4，FPE、HQIC和SBIC准则确定的最优滞后阶数为1。较大的滞后阶数会缩小样本容量，降低模型预测精确度。因此，为缩小误差提高模型精确度，文章设定最优滞后阶数为1。

表2 VAR模型最优滞后阶数

为进一步验证最优滞后阶数1是否合理，文章对VAR(1)模型的残差进行自相关检验(表3)。由检测结果可知，P值大于显著性水平5%，所以拒绝存在自相关的假设，即VAR(1)模型的残差不存在自相关，滞后阶数1合理。同时，VAR(1)模型的系数矩阵估计结果见下式。

表3 VAR模型残差自相关检验

(2)

3.协整检验

在确定最优滞后阶数1的基础上，采用Johansen提出的极大似然法对3个变量进行协整检验,以确定变量之间是否存在长期的均衡关系。从结果可知，整秩为0的原假设(37.91>34.55)，接受协整秩为1的原假设(15.05<18.17)(表4)。数据表明只存在一个线性无关的协整向量，即清洁能源、二氧化碳和经济增长存在长期均衡关系。

表4 Johansen协整检验结果

在协整检验的基础上进一步得到标准化后的协整方程：

LNCE=-139.24-4.48LNCO2+21.77LNPG

(3)

从协整方程可以看出，清洁能源不仅能降低河北省二氧化碳排放量，还可以促进区域经济增长。具体而言，清洁能源生产量每增长1%，二氧化碳排放下降4.48%，人均GDP增长21.77%。因此，大力发展清洁能源仍是河北省未来实现绿色低碳发展的重要途径。

(三)脉冲响应分析

基于上述构建的VAR(1)模型，用脉冲响应函数对变量间长期和短期的动态关系进行分析。文章主要分析二氧化碳排放和经济增长对清洁能源的脉冲响应，以及清洁能源对二氧化碳和经济增长的脉冲响应。

1.二氧化碳对清洁能源的脉冲响应分析

图2为二氧化碳排放对清洁能源的脉冲响应，横轴代表滞后期，设定为20期，纵轴代表变量响应值(下同)。从图2可知，外界环境给清洁能源一单位正向冲击后，二氧化碳排放开始显示为正响应，并经历了一个先增强后减弱的过程，在第三期达到最强。从第四期起，二氧化碳排放对清洁能源的脉冲响应不断下降，到第十九期开始转为负响应。这表明短期内清洁能源会增加二氧化碳排放，长期才会有明显的减排作用。原因可能是由于清洁能源在发展初期的产量占比仍低于传统化石能源，因此对二氧化碳的减排作用并不明显。随着清洁能源尤其是一次电力及其他能源的生产技术日益成熟，生产成本不断降低，清洁能源将会逐步取代传统能源并占据市场主导地位，对二氧化碳的减排作用显著增强。

图2 LNCO2对LNCE的脉冲响应

2.经济增长对清洁能源的脉冲响应分析

图3为经济增长对清洁能源的脉冲响应图。从图3可以看出，经济增长对清洁能源的响应值始终为正，并在第六年达到峰值。从第七期开始，经济增长受清洁能源的正向冲击开始逐渐下降，且下降速度逐渐放缓。这表明清洁能源会促进经济增长，且短期内的促进作用更加明显。这可能是因为清洁能源产业在对传统能源产业产生“破坏性”效应的同时催生出了新兴产业，为经济增长带来“创造性”效应。随着清洁能源产业规模不断扩大，清洁能源对经济的“创造性”效应大于“破坏性”效应，经济增长明显。但当清洁能源产业发展成熟时，“创造性”效应随之减小，对经济的带动作用减弱。

图3 LNPG对的脉冲响应

3.清洁能源对二氧化碳排放的脉冲响应分析

图4为清洁能源对二氧化碳排放的脉冲响应图。由图4可以看出，外界环境给二氧化碳排放一单位正向冲击后，清洁能源始终显示正响应。响应值经历了先增大后下降的过程，并在第十期达到峰值。这表明二氧化碳排放的增大一定程度上倒逼了清洁能源的发展，且这种倒逼作用在短期内表现尤为明显。但当清洁能源发展到一定规模时，二氧化碳排放对清洁能源的影响作用不断减弱。

图4 LNCE对LNCO2的脉冲响应

4.清洁能源对经济增长的脉冲响应分析

图5为清洁能源对对经济增长的脉冲响应图。由图5可以看出，经济增长受外部某一正向冲击后，初期会导致清洁能源产量快速增加，并在第二期达到峰值。后期，清洁能源产量对经济增长的响应值不断下降，甚至在第五期之后出现负值。这可能是因为清洁能源发展初期进入该行业的门槛比较高，需要大量资金支持，经济增长能够促进清洁能源发展。随着清洁能源发展进入成熟期，对经济增长的依赖作用逐渐减弱，甚至出现因过量资金流入导致清洁能源产量下降的情形。

图5 LNCE对LNPG的脉冲响应

(四)方差分解分析

上述的脉冲响应分析是用来捕捉一个变量的冲击对另一个变量的动态影响路径，而方差分解可以用来描述变量在动态变化中的相对重要性。因此，文章在VAR模型估计的基础上，对清洁能源、二氧化碳排放与经济增长3个变量进行方差分解分析，以说明变量间的影响程度。

从清洁能源的方差分解图可知(图6)，清洁能源对自身的贡献率最大，二氧化碳排放和经济增长对清洁能源的贡献率不断上升，但二氧化碳排放的贡献率要高于经济增长的贡献率。这表明二氧化碳排放在很大程度上助推了河北省清洁能源发展。二氧化碳排放的方差分解图显示，清洁能源对二氧化碳排放的影响程度经历了先上升后平稳的过程，并且大于经济增长的影响程度，这说明发展清洁能源可以有效降低二氧化碳排放(图7)。经济增长的方差分解较为复杂，清洁能源对经济增长的影响先增大后减小，并从十一期开始小于二氧化碳排放的贡献率(图8)。这表明短期之内清洁能源对经济增长起到了较大的贡献作用，但长期作用减弱。

图6 清洁能源方差分解

图7 二氧化碳排量方差分解

图8 经济增长方差分解

三、研究结论与对策建议

文章在构建VAR模型的基础上进行协整检验、脉冲响应分析和方差分解，得到以下研究结论和对策建议。

(一)研究结论

河北省清洁能源、二氧化碳排放与经济增长之间存在长期均衡关系，发展清洁能源既可以降低二氧化碳排放，也能促进经济增长，是实现绿色低碳发展的有效路径。脉冲响应分析结果进一步验证了该结论，并表明短期之内二氧化碳和经济增长对清洁能源的影响强度较大，长期影响减弱。而方差分解分析结果表明，3个变量的互相影响程度长期来看是趋于平稳的。除受自身变动影响之外，清洁能源与二氧化碳排放互为第一影响变量。经济增长的第一影响变量短期之内为清洁能源，长期则受二氧化碳排放影响较大。

(二)对策建议

基于以上研究结论，文章认为大力发展清洁能源是降低二氧化碳排放和促进经济增长的有效路径。鉴于短期内清洁能源对经济增长的贡献率较高，且是二氧化碳的第一影响变量，因此要在早期阶段提速发展清洁能源。一是加大对清洁能源企业的扶植力度，在政策制定、减免税收以及资金帮扶等方面下功夫，鼓励和引导企业大力发展清洁能源。二是加快推进核心技术攻关，支持水光风热储多能互补，集成优化清洁能源利用，加大绿氢和储能等清洁能源应用示范力度，强化综合智慧能源融合技术创新研究。三是建立有效考核机制，由于二氧化碳排放对清洁能源起到倒逼作用，因此政府可将碳排放纳入地方政府政绩考核，以促进清洁能源发展。

实现“双碳”目标是一项广泛而深刻的系统变革，对河北省而言更是贯彻新发展理念、构建新发展格局以及推动高质量发展的内在需要。今后，要快速高效发展清洁能源，以降低二氧化碳排放，推动经济稳健发展。