漆雁斌 韩绍

摘 要：将1978—2016年四川省碳排放量作为研究对象，选取经济发展水平、能源消费总量、人口规模和产业结构四个指标进行实证检验，结果表明，四川省碳排放量与人均GDP、能源消费总量和产业结构三项影响因素存在长期均衡关系;各影响因素对碳排放的影响按贡献率大小排序分别是人均GDP、能源消费总量、产业结构、人口规模。基于以上分析，提出注重经济发展质量、降低能源消费总量、保持人口合理增长等建议。

关键词：碳排放量 协整检验 VAR模型 脉冲响应函数

一、引言

伴随着人类文明高速发展，城市化建设的加快，在享受自然资源来带的便利时，资源的短缺、全球气候的变化尤其是全球气候变暖、极端气候的出现、生态的恶化，使得人们必须思考保护环境的重要性。目前，四川省在发展低碳经济方面作出了巨大贡献，不仅下达了《四川省节能减排综合工作方案（2017—2020年）》，提出到2020年，四川省的能源消费总量必须控制在2.29亿吨标准煤红线以下等要求，而且政府努力将低碳生活的理念普及到群众之中，从源头上阻断碳排放的传播途径。当前，学者们已经对中国低碳经济的发展进行了详尽的研究（米国芳等，2012;李湘梅等，2014;黄耶等，2015;冯梅等，2018）。但是中国及各地区的碳排放影响因素文献多集中于中国东部地区，较少有学者研究西部地区的碳排放影响因素，而且学者们进行研究的数据时间跨度较短，因此本文基于四川省1978-2016年相关的时间序列数据，从长期的动态协整关系、冲击效应分析和平均贡献率大小方面来测度，同时希望为四川省实现“十三五规划”提供有针对性的建议及数据支持。

二、指标选取和模型建立

（一）指标选取

根据国内外现有文献，影响碳排放量的因素可以概括为经济发展水平、人口结构、产业结构、能源消费、对外贸易、技术水平创新、城市化水平、政策变动、能源结构九个方面。考虑到数据可得性、四川省的现实情况以及现有文献的结论，从诸多衡量指标中选取经济发展水平GI（元/人）、能源消费总量TE（万吨标准煤）、人口规模P（万人）、产业结构TIP（%）四种出现频率最高的影响因素。

（二）数据选取

四川省1978-2016年的相关数据均出自于历年的《四川省统计年鉴》、《中国能源统计年鉴》和《新中国六十年统计资料汇编》等年鉴。其中由于煤炭2003-2008年数据统计误差较大，利用2009年为基期重新处理;产业结构用四川省历年第三产业所占的比重表示。由于数据的单位并不统一，而且时间序列数据之间可能存在非线性关系，因此考虑到减小异方差等，对相关数据取对数后分别用ln（CI）、ln（GI）、ln（TE）、ln（P）和ln（TIP）表示，详见表1。

（三）模型设定

本文研究的目的是定量分析经济发展水平、能源消费总量、人口规模和产业结构四个因素如何影响碳排放量，而VAR模型的核心思想是在充分考虑了变量间的相互影响的基础上，通过数据间动态关系来解释系统的运行规律并进行预测，因此本文设定VAR模型（1）如下：

三、实证研究

（一）平稳性检验

如果直接对非平稳时间序列进行回归会降低模型解释现实情况的有效性，因此首先使用ADF方法对序列进行单位根检验，详见表2，据表中数据可知变量lnCI、lnTE、lnTIP和lnGI的ADF统计量均大于其10%临界值，是不平稳的;但是lnP的检验结果表明其在1%水平下显著。当不平稳的lnCI、lnTE、lnTIP和lnGI四个变量经过一阶差分后，均在5%的显著性水平上通过平稳性检验，即lnCI～I（1）、lnTE～I（1）、lnTIP～I（1）和lnGI～I（1）、lnP～I（0）。

（二）协整检验及误差修正模型

进行协整检验之前，需要检验模型的滞后阶数，见表3可知：FPE、HQIC、SBIC均显示该模型的滞后阶数为1，LR、AIC表示滞后阶数为2，因此选择滞后1阶，接下来的迹检验结果表明，只有1个线性无关的协整向量。随后对其进行Johansen协整检验。此VECM模型（2）结果为：

说明lnCI、lnGI、lnTE和lnTIP之间存在协整关系，即四川省的碳排放与能源消费总量TE、人均GDP和第三产业占比TIP之间存在长期均衡的关系。最后通过检验VECM模型的残差是否存在自相关，结果显示VECM系统是稳定的，接受无自相关的原假设。

（三）脉冲响应函数

上述协整分析是从长期的均衡关系来看的，而不太关心短期的调整过程，为了考察ln（CI）、ln（TE）、ln（P）、ln（TIP）和ln（GI）所构成的五元VAR系统，为增强VAR模型的参数解释力，在保持合适自由度的同时需要选出最优的滞后期，FPE、HQIC、SBIC的检验结果均表明此系统的最优滞后期为1期，LR、AIC表示滞后期数为2，对于两种最优滞后期的模型进行检验后发现VAR（1）的结果较好，因此对其进行特征根检验，结果证明所有点均位于单位圆内，即VAR（1）模型是稳定的。

VAR模型的用途不是来分析变量间的相互影响关系，它是一种背后没有任何经济学含义的非理论模型，它主要是通过脉冲响应函数来分析随机噪声的标准偏差对内部变量的影响。本文选取30作为滞后期，脉冲响应结果分别如图1所示。

1.由下图1可知当给人均GDP一個正向冲击，会对碳排放量产生明显的正向增强效应，此效应在第2年达到最高峰值，随着时间的推移正向效应在后期呈现先快速下滑后保持缓慢的下降趋势，具有较长的记忆，最终响应程度为正向。此现象说明经济发展水平的提升会在较长时间内正向显著地影响碳排放量，产生的原因可能是在发展初期，经济发展态势迅猛，由此对于能源的需求量快速上涨，导致碳排放量不断增加;而后，在整体经济水平发展处于较高阶段时，随之加强的社会环保意识与技术水平，在减缓碳排放量上起到了较大作用。

2.图中信息表示当给能源消费总量一个正向冲击，碳排放量先下降后上升，最终响应程度变为负向，碳排放对来自能源消费总量的冲击是长期的负效应和短期的正效应，尽管这与我们普遍认同的能源消费总量与碳排放之间的正向关系不是完全相同，这也体现出对于能源消费总量控制方面的认知偏差，应从能源消费结构方面进行多重控制，而不是简单的控制其量。同时结果说明实现对能源消费总量的控制是个艰巨的任务，不管是从控制能源种类的起始供应端来说，还是从控制行业的最终消费端来说，其内部都会存在许多问题，如区域GDP减缓、产业调整困难等，这导致了碳排放量产生波动，还可能出现负值，而出现较长的响应期，表明需要耗费较多的时间来显示控制能源消费总量的效果。

3.当第三产业比例产生增长冲击时，碳排放强度出现负效应，在滞后5期达到负向最大值，之后负向效应开始减弱并趋近于0。这种冲击反应说明在初期，第三产业比重很小，容易产生碳排放的第一、二产业占比过大，导致碳排放量较强，而随着第三产业规模不断扩大，会体现出更为显著的碳排放量减少的成效。当第三产业规模适当扩大，与第一、二产业达到最优比例时，造成碳排放量基本对于第三产业比重的冲击反应不敏感，即产业结构能够对碳排放无法产生约束力的现象。

4.图中信息表示当给人口规模一个正向冲击，碳排放量先产生负向效应而后负向效应逐渐衰弱，在滞后3期突然负向效应增强直至滞后8期，随后负向效应逐渐减弱，最终响应程度变为正向。表明人口因素对碳排放的冲击为长期的正效应和短期的负效应，从前人的文献研究发现人口总数的增加和城镇化进程的加快会加速推动人口规模的扩大和经济活动的集聚，从而导致增加碳排放量，即开始了新一轮的碳排放活动，但是此次碳排放增加时间周期可能需要时间较长;而短期内负向效应效果的波动可能是由于政府根据人口规模不断改变吸引人才、产业等政策的影响。图中四川省人口规模与碳排放的发展趋势也印证了这种观点。但图中纵坐标刻度显示四川省人口规模对碳排放的冲击效果不明显，因此四川省通过保持人口的合理增长，并同时逐步朝着正确的方向推进城镇化进程，能够将碳排放量控制在较低的水平。

5.而当本期给碳排放量一个正向冲击后，其正向效应逐年呈现减弱趋势但减弱趋势逐年减缓，在第九年趋于稳定，在长期看来依旧存在微弱的正向影响。由此可知，碳排放量本身就具备带动效应，但其只在短期内有明显带动效果，随着时间的增长效果会逐渐趋弱。

（四）方差分解分析

为了更进一步评价不同结构冲击的程度及其重要性，本文主要对lnCI进行方差分解，分析人均GDP、能源消费总量、第三产业占比和人口规模对碳排放量的影响，由图2可知，按照平均贡献率排序，由大到小分别是经济发展水平、能源消费总量、产业结构和人口规模。

四、结语

根据上述结论，中国降低碳排放量首先应考虑注重经济的中高速增长，着眼于经济发展的质量而非数量;其次降低能源消费总量，开发新型能源与清洁能源以替代污染较大的化石能源，同时尽力减少煤炭的使用，以期让新型能源与传统能源在消耗结构上的比例趋于合理，降低单位能耗的碳排放，同时还需要通过技术创新与科技进步提高能源的利用效率，在GDP产出相同的情况下减少能源消耗;第三在充分考虑国内发展对第一、二产业需求的前提下，适当地扩大第三产业规模，并注重第三产业产品的质量发展，使第三产业能够反哺第一产业与第二产业，最终实现产业结构的优化升级，达到降低碳排放量的目的;最后通过保持人口的合理增长，并同时逐步朝着正确的方向推进城镇化进程，四川省完全能够将碳排放量控制在较低的水平。

参考文献：

[1]卢娜等.突破性低碳技术创新与碳排放：直接影响与空间溢出[J].中国人口·资源与环境，2019（05）.

[2]于向宇等.“资源诅咒”视角下环境规制、能源禀赋对区域碳排放的影响[J].中国人口·资源与环境，2019（05）.

[3]李湘梅，姚智爽.基于VAR模型的中国能源消费碳排放影响因素分析[J].生态经济，2014（01）.

[4]米国芳，刘广为.中国碳排放强度影响因素相关性研究——基于VAR与SVAR模型分析[J].中国科技论坛，2012（10）.

[5]冯梅，楊桑，郑紫夫.碳排放影响因素的VAR模型分析——基于北京市数据[J].科学管理研究，2018（05）.

[6]黄耶，江月亭.基于VAR模型的湖北省碳排放能源影响因素分析[J].绿色科技，2015（09）.

[7]刘爱珍，漆雁斌.基于VAR模型的我国对外贸易与经济增长关系实证研究[J].经济论坛，2018（09）.