我国经济增长对碳排放驱动效应的实证研究，本文主要内容关键词为：经济增长论文,效应论文,实证研究论文,我国论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
文章编号：1003-6636(2011)03-0007-07；中图分类号：F124.5；文献标识码：A
从工业革命开始，人类生产方式发生了重大转变，世界经济进入了高速发展时期，但与此同时人类的生产活动也产生了大量的温室气体在自然界中不断积累。一旦大气中温室气体的浓度超过临界值，将造成全球灾难性的后果。为了保证发展的可持续性，控制温室气体排放，发展低碳经济成为国际社会共同关注的焦点。随着我国经济的快速发展，我国经济总量占世界份额比重的达到7.3%，跃居世界第三位，但与此同时我国每年的二氧化碳排放总量也超过60亿吨，位居世界第一，因此在这场全球性的温室气体排放控制的运动中我国占据着重要地位。作为一个负责任的大国，我国提出到2020年单位生产总值二氧化碳排放比2005年低40%-45%的目标，实现这个目标对于正处于城市化和工业化进程中的我国无疑是个重大挑战。既要保证经济增长，又要控制温室气体的排放，为了实现这对目标，深入探讨我国经济增长对碳排放的驱动效应成为了首要的基础性工作。
一、文献综述
目前，经济增长对碳排放的驱动效应主要采用两种方法进行分析，一种方法是通过环境库兹涅茨曲线进行研究。环境库兹涅茨曲线(简称EKC)描述的是人均收入与环境退化之间的关系。Shafik Nemat(1994)通过对大量国家的数据进行实证分析，认为人均二氧化碳排放与人均收入之间存在着线性关系，人均收入的增加会导致人均二氧化碳的排放情况不断恶化。[1]Cole、Ravner和Bates(1997)通过建立包含截面固定效应和时间固定效应的面板数据模型对OECD国家进行分析，认为人均二氧化碳排放与人均收入之间存在倒U型的关系。[2]Canas等(2003)通过对16个工业化国家1960-1998年的面板数据进行分析，提出了N型的环境库茨涅茨曲线，并对产生的原因进行了解释。[3]与国外学者不同，国内学者对碳排放与经济增长关系的研究还处于起步阶段。陆虹(2000)对人均二氧化碳排放与人均GDP之间的关系进行研究，发现二者不是简单倒U型关系。[4]林伯强和蒋竺均(2009)对我国的碳排放环境库兹涅茨曲线(简称CEKC)进行拟合，并对我国人均二氧化碳排放的拐点进行了判断。[5]其实至今为止，CEKC是否存在，以及曲线是什么形状等问题，国内外的研究尚未形成一致结论。
从20世纪70年代开始，学者们对EKC提出了批评，认为EKC仅关注经济增长对碳排放的影响，忽视了其他因素的影响，可能造成经济增长对碳排放驱动效应的估计有偏，从而形成了研究碳排放与经济增长的第二种方法，即在多个影响因素背景下分析经济增长对碳排放的影响。Ehrlich等(1970)提出了IPAT模型，认为环境受到人口、富裕度和技术等三个因素的共同影响。[6]在IPAT模型的基础上，Waggoner等(2002)把技术因素分解为使用强度和效率两个因素，提出了ImPACT模型。[7]York等(2003)针对IPAT和ImPACT模型不能反映影响因素之间影响力非对称的缺陷，提出了STIRPAT模型，并发展了生态弹性(Ecological Elasticity)的概念①。[8]从此，STIRPAT模型和影响因素的生态弹性被人们用于分析碳排放与经济增长的关系。
虽然STIRPAT模型放松了IPAT模型和Im-PACT模型以各影响因素为对称性影响的假设，但是该模型假设各因素的影响不随时间变化而变化，所以本质上属于静态分析模型。另外STIRPAT模型对参数的估计基于最小二乘法，对样本质量要求较高。针对这些不足我们提出状态空间-STIRPAT模型(简称SS-STIRPAT)，并将其用于分析我国经济增长对碳排放驱动效应的动态特征。
本文在比较EKC模型、STIRPAT模型和SS-STIRPAT模型的基础上，用三个模型分别就我国经济增长对碳排放驱动效应进行分析并将结果进行比较，然后分析我国经济增长对碳排放驱动效应的动态特征。
二、模型比较
(一)EKC模型
EKC模型认为环境退化仅受到经济增长的影响，模型用人均收入y衡量经济增长，用污染物人均排放量e衡量环境退化，不同学者在建立模型时采用了不同的数学形式，其中最常见的是对数形式，即
lne=αlny(1)
在现有文献中，当污染物为二氧化碳时，对α和EKC形状的研究尚未得出一致结论。根据α的不同，EKC曲线呈现出不同形状。具体包括如下几类(见表1)。
经济增长对碳排放的驱动效应一般通过碳排放对经济增长的弹性系数进行衡量，不同类型的EKC曲线反映出不同的驱动效应：当EKC曲线为线型时，经济增长对碳排放的驱动效应是恒定的；当EKC曲线为倒U型时，经济增长对碳排放的驱动效应是递减的；当EKC曲线为N型时，经济增长对碳排放的驱动效应是先增后减的。
(二)STIRPAT模型
STIRPAT模型源于IPAT模型。IPAT模型放松了EKC模型环境退化仅与经济增长有关的假设，认为环境退化不仅受到经济增长的影响，还与人口规模和技术水平有关，即
I=PAT(2)
其中，I代表环境退化，通常用污染物的排放来衡量；P代表人口规模；A代表经济增长水平，通常用人均GDP衡量；T代表技术，通常用单位GDP污染物排放量衡量。从(2)式可以看出IPAT模型本质上是一个核算恒等式，该模型通过将环境退化指标分解为不同因素指标，然后估算每种因素对环境退化的影响程度。York等(2003)指出这种因素分解的方法存在着两个重要的缺陷：(1)模型不能对影响因素的效果进行假设检验；(2)模型假设在不同时期各因素的影响都是同比例的。具体地说，只要满足环境退化指标核算恒等式的条件，IPAT模型可以不断扩展出新的影响因素，而新的因素是否真的对环境退化具有显著影响，是无法进行检验的。另外，该模型错误地认为各影响因素之间关系都是同比例的，例如A增加1%对I的影响与T增加1%对I的影响效果始终是一样的。
为了克服以上不足，York等(2003)将IPAT模型随机化，提出了STIRPAT模型，即
(三)SS-STIRPAT模型
STIRPAT模型虽然克服了IPAT模型的两大缺陷，但我们认为，STIRPAT模型也存在着不足。
首先，STIRPAT模型假设经济增长对碳排放的驱动效应是恒定的，它实质上是以线性EKC曲线为基础进行扩展的多元线性模型。以经济增长因素A为例，当A增长1%时，STIRPAT模型认为环境退化程度I始终增长c%，根据前面的分析，这是值得商榷的。
其次，碳排放与经济增长的关系受多种因素的影响，并且处于不断的变动中。通过对EKC的研究，学者们发现碳排放与经济增长的关系并非固定的，而是受到多种因素的影响处于不断变化之中。Dasgupta等(2002)对这些因素做了一个总结，包括环境法规、市场化程度、社会道德准则、来自市场参与者的压力、政府监督力度和信息透明度等。[9]因此，碳排放与经济增长的关系如下所示：
针对上面的三个缺陷，我们结合STIRPAT模型和状态空间模型，提出状态空间-STIRPAT模型(简称SS-STIRPAT模型)，即
状态空间模型被用来估计不可观测的时间变量，经典线性模型和ARIMA模型都是状态空间模型的特殊形式。状态空间模型利用卡尔曼滤波进行估计，能够用现在和过去的最小信息形式描述系统的特征，因此不需要大量的数据资料。
三、我国经济增长对碳排放驱动效应的实证分析
下面我们用上述三种模型，就1980-2008年我国经济增长对碳排放驱动效应进行实证分析，并对分析结果进行比较。数据来源于《中国统计年鉴》和美国能源资料协会(EIA)②。
(一)EKC模型分析
(二)STIRPAT模型分析
为了使不同模型的研究结果具有可比性，我们用STIRPAT模型进行人均分析而不是总量分析③。另外，York等(2003)给出了三种对技术
的处理方法，并指出对于研究发展中国家的情况来说，寻找一个替代变量是很重要的。[8]由于对技术进步的估算本来就是一个比较复杂的问题，出于简化的目的我们把时间趋势项(用Trend表示)作为技术进步的代理变量。修正后的STIRPAT模型估计结果如下：
从上面的估计结果可以看出，人均碳排放与人均GDP之间的弹性系数为1.0978，并且在5%的置信水平下显著，技术进步带来的每年人均二氧化碳排放减少并不显著。
(三)SS-STIRPAT模型分析
与前面的思路一样，我们将SS-STIRPAT模型用于人均分析，并将时间趋势项作为技术的代理变量，得到如下模型：
其中括号内为z统计量。从回归结果可以看出，各项系数均符合预期。值得注意的是，在STIR-PAT模型不显著的时间趋势项此时变得显著为负，说明我国的技术进步对人均碳排放起到了抑制作用。
四、碳排放与经济增长关系估计结果比较
与EKC模型和STIRPAT模型不同，在SS-STIRPAT模型中，人均碳排放与人均GDP之间的弹性系数通过状态方程进行动态估计。下面我们把三种模型估计结果进行比较，在此基础上对模型进行评价。
首先，我们通过拟合值与实际值对三个模型进行比较(见图1)。通过观察可以发现，SS-STIRPAT模型能够更好地拟合实际值的波动趋势，对于1995年以后的样本这种优势体现得更为明显。实际上似然率、AIC、SC和H-QC等指标都显示出SS-STIRPAT模型的“样本外”预测性质更好。
其次，我们用模型估计的碳排放经济增长弹性对三个模型进行比较。人均碳排放与人均GDP之间的弹性系数被广泛用于衡量碳排放与经济增长的关系，本文通过把0和1作为临界值对该弹性进行划分，来判断一国所处的低碳经济阶段，划分标准见表5。从全世界范围来看，目前仅有少数发达国家处于相对脱钩阶段，发展中国家一般处于扩展连接阶段，尚未有任何国家达到绝对脱钩阶段。
结合表5的划分，我们对三种模型估计的人均碳排放与人均GDP之间的弹性系数进行分析。在图1中，EE-EKC、EE-STIRPAT、EE-SS-STIRPAT分别表示EKC模型、STIRPAT模型、SS-STIRPAT模型估算的人均碳排放与人均GDP之间的弹性系数。
从图2中可以看出EE-EKC从1980年到2008年一直处于上升趋势，1980年EE-EKC为0.8782，1991年突破1，2008年升至1.2375，整个样本期平均为1.0529。我们认为这一估计结果至少存在两方面的问题：首先，根据这一结果我国在1990年以前处于相对脱钩阶段，即步入低碳经济阶段，1990年以后进入到扩展连接阶段，即进入非低碳经济发展阶段，并且EE-EKC仍在不断提升之中，这既不符合社会发展的一般规律，也不符合我国的经济结构特征；其次，由于人均碳排放与人均GDP之间的弹性系数本质上是由一国的经济发展方式决定的，因此应该具有相对稳定性，即短期内不会发生太大变化，然而EE-EKC却出现了大幅变化。值得一提的是，样本期内的EE-EKC均值为1.0529。
图1 EKC模型、STIRPAT模型和SS-STIRPAT模型拟合效果
图2 人均碳排放与人均GDP之间的弹性系数估计结果
与EE-EKC不同，EE-STIRPAT的估计结果为1.0978，这一结果与EE-EKC的均值较为接近。EE-STIRPAT分析的是碳排放与经济增长间的静态关系，实际上是对样本期内人均碳排放与人均GDP之间的弹性系数均值的估计。根据EE-STIRPAT和表5的划分，当时我国正处于扩展连接阶段，尚未步入低碳经济。但对于我国在扩展连接阶段中的动态特征，EE-STIRPAT无法进行回答。
通过EE-SS-STIRPAT我们发现从1980年至2008年人均碳排放与人均GDP之间的弹性系数处于不断变动中，并且这种变动有以下特征：第一，波动范围处于1.1至1.15之间，样本期内均值为1.1285，即我国在样本期内始终处于扩展连接阶段，尚未步入低碳经济路径中；第二，样本期内EE-SS-STIRPAT的波动可以分为五个时期，1980-1985年处于下降期，1985-1991年处于上升期，1991-2001年处于下降期，2001-2005年处于上升期，2005年以后出现下降趋势。
可见，EE-SS-STIRPAT与EE-EKC、EE-STIRPAT相比，不仅能够估计碳排放与经济增长的动态关系，而且给出的估计值也更为合理。
五、基于EE-SS-STIRPAT的经济增长对碳排放驱动效应动态特征分析
为了能够更加清楚地观察EE-SS-STIRPAT的动态趋势，我们从图2中单独提取出EE-SS-STIRPAT得到图3，然后对EE-SS-STIRPAT波动的五个阶段进行分析。
图3 SS-STIRPAT人均碳排放与人均GDP之间的弹性系数(EE-SS-STIRPAT)估计结果④
第一阶段为1980-1985年下降趋势。这个阶段人均碳排放与人均GDP之间弹性系数下降的主要原因是，“六五”期间我国为了调整前期国民经济结构畸形发展的趋势，大力推动了农业的发展，而重工业则受到国家的控制。“六五”期间，农业总产值年增长率由之前的3.2%提高到11.7%，重工业总产值年增长率则由之前的13.5%下降到9.6%。
第二阶段为1985-1991年的上升趋势。这个阶段我国农业总产值年平均增长率又下降到4.6%，而同期重工业总产值年平均增长率提高为12.2%。
第三阶段为1991-2001年的下降趋势。在这个阶段我国人均碳排放与人均GDP之间的弹性系数总体呈下降趋势，我们认为造成这种下降趋势的原因是我国市场化改革的推进。我国的市场化改革从两个方面推进了人均碳排放与人均GDP之间的弹性系数的降低，一是市场化改革带来私有经济的增加。在减少空气污染方面，我国的私有经济比国有经济成本更低。二是我国的从1992年开始的煤炭价格市场化改革，也对人均碳排放与人均GDP之间的弹性系数起到了抑制作用。煤炭价格市场化改革提高了煤炭的使用成本，促进了能源效率的提升。
第四阶段为2001-2005年的上升趋势。为了减缓东南亚金融危机，我国启动了一批投资项目，而其中有很大一部分属于高污染、高能耗、高排放的投资项目。然后，2002年开始中国经济重新快速增长，固定投资大幅增长，对钢铁、水泥等产品的需求大量增加。这些因素造成了这一时期人均碳排放与人均GDP之间的弹性系数快速提升。
第五阶段为2005年至今出现的下降。这一阶段我国人均碳排放与人均GDP之间的弹性系数出现下降的原因在于：2005年以来国家加大了环境保护的力度，关闭了一批高污染、高能耗、高排放的落后产能，并且对新增项目进行严格审批。另外，我国的环境法规体系在这一时期也初步形成。
另外，通过对(12)式两端同时减去
，我们可以容易得到单位GDP碳排放与人均GDP之间的弹性系数。我们对1998-2008年的这一系数进行了测算，并分别采用该弹性系数估计值的最大值、最小值、平均值和2008年估计值，以人均GDP增长率9%或者10%为假设，估算为了实现2020年我国单位GDP排放比2005年下降40%-45%的目标，每年技术进步必须带来的单位GDP碳排放下降比率(结果见表6)。
从表6中我们可以看出，为了完成2020年我国单位GDP排放比2005年下降40%-45%的目标，每年技术进步带来的单位GDP碳排放下降比率必须在3.37%以上。根据各种情形进行平均，我们认为在保证人均GDP每年平均增长率达到9%以上的条件下，每年技术进步带来的单位GDP碳排放下降比率应该达到4%⑤，才能较为顺利地实现减排目标。
六、结论
针对EKC模型和STIRPAT模型在研究经济增长对碳排放驱动效应时的缺点，本文提出SS-STIRPAT模型，然后用三种模型分别就我国经济增长对碳排放驱动效应进行实证分析并作比较。结果显示，SS-STIRPAT模型不仅能够分析经济增长对碳排放驱动效应的动态特征，而且模型的预测性质更好。
通过分析我们发现，1980-2008年间，我国的人均碳排放与人均GDP之间的弹性系数的波动区间基本在1.11到1.15范围之内，波动诱发的因素是多方面的，其中，20世纪80年代弹性受产业结构调整的影响出现波动，20世纪90年代市场化改革导致弹性持续降低。从2000年开始，宏观经济刺激政策带来的固定资产投资大幅增加使得弹性快速提升。从2005年开始，随着国家环境法规体系的初步形成和环境保护力度的加强，弹性提升的趋势得到了控制，并出现下降。为了实现到2020年我国单位GDP碳排放比2005年下降40%-45%的目标，在保证人均GDP年平均增长率达到9%的条件下，我国每年由技术进步带来的单位GDP碳排放下降比率必须达到4%。
注释：
①生态弹性定义为影响因素变动导致环境退化变动的百分比。
②http://www.eia.doe.gov/.
③这也是学者们经常采用的方法，如林伯强等(2009)[5]。
④注：各期EE_SS_STIRPAT的标准差都约为0.0000。
⑤各种情形下的平均值为-3.93%，慎重起见本文取-4%。