区域生态经济差异性思索

导语：区域生态经济差异性思索一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

低碳经济通常是指在以可持续发展为理论指导，主要是通过清洁能源开发、技术改进创新、产业结构升级、制度层面的创新等多种渠道，尽可能地降低化石燃料的消耗，从而减少温室气体排放，使得社会经济发展和自然生态环境达到一种双赢的状态。近年来，随着经济高速发展，温室气体的排放量不断增加，对人类可生存的环境造成巨大的威胁。人类社会意识到现行能源消费结构的弊端，开始开发新的清洁能源试图取代化石燃料，例如，生物智能、风能、太阳能、水能、太阳能、核能等。我国目前处于城市化和工业化阶段，对能源的需求逐年增加，我国势必要进行低碳经济转型，也就是开发清洁能源，提高能源的利用效率和改变现有的能源消费结构。开发新能源势必会造成我国能源成本的上升，从而经济发展成本上升，阻碍我经济的快速发展。能源消费结构是长期由于自身资源禀赋、地理位置和周围经济发展水平决定，在短时期内很难改变，因此，节能是比较可行的方法。由于各省的经济发展水平、技术的先进水平、资源禀赋和地理位置的差异导致区域低碳经济的差异性。本文借鉴前人研究，采用既包括截面数据又包括时间维度的面板数据来研究，来研究低碳经济区域之间的差异。

1模型构建和数据来源

1.1模型构建

在针对碳排放量的实证研究中，碳排放量直接受到各种化石能源消费结构的影响，我们采用与碳排放量密切相关密切相关的4个解释变量，借鉴C-D函数双对数经验模式，建立静态面板LNTPit=Ci+β1LNGDPit+β2LNSTRUit+β3LNEXit+β4LNFDIit+μit(1)其中i代表除西藏和港澳台外的中国的30个省市区，t代表不同的年份，t0=1995。静态面板数据模型可以描述了省域碳排放量与其影响因素间当期的对应关系，β是各个影响因素的参数估计值，其中，β1-5衡量了影响因素的当期影响度，β6-7衡量了影响因素的跨期影响度。LNTPit表示i地区t年碳排放量，LNGDPit表示i地区t年的国内生产总值，LNSTRUit表示i地区t年产业结构状况，LNEXit表示i地区t年出口总值，LNFDIit表示i地区t年创新投入，μit表示随机干扰项。对于被解释变量碳排放量(TP)，目前我国还没有检测碳排放的具体部门，因此我们采用国家公布单位能源消耗的碳排放系数乘以各省历年能源消费总量的对数值来表示各省市区的碳消耗量。对于解释变量，省域经济发展状况(LNGDP)：各省历年地区生产总值，取对数来表示，并先转化成以1995为基期的时间序列；产业结构(LNSTRU)：以各省“第二产业与第三产业产值之比”的对数值，第二产业与第三产业也转化为1995为基期的时间序列；人口发展状况(LNPEO)：采用各省历年来的“人口总量”的对数值；能源价格(LNPRICE)：采用各省历年“工业品出厂价格指数”的对数值，其中，海南2002年以前与青海1995~1996年间数据缺失，采用对应年份居民消费价格指数代替，并均转化成以1995为基期的价格指数序列；人均收入水平(LNPY)：采用各省“城镇居民平均每人全年家庭收入与农村居民家庭人均纯收入”之和，取对数值来表示。模型回归必须进行平稳性检验，这样回归结果才具有准性。⑴在进行检验时，时间序列可能是由比较高阶的自回归过程生成的，或者随机干扰项并不是白噪声。这时如果使用OLS法进行估计就会表现出随机干扰项出现自回归的现象，导致DF检验产生偏差。还有就是，时间序列中包含趋势项，即随着时间推移出现一种趋势这也使得检验中出现子先关随机干扰项问题。为了解决DF检验中出现随机干扰项的自相关问题，Dicky和Fuller对DF检验中不足的地方进行了扩展，从而形成了ADF检验。ADF检验是通过下面三个模型来实现的：ΔXt=δXt-1+∑i=1mβiΔXt-1+εi(2)ΔXt=α+δXt-1+∑i=1mβiΔXt-1+εi(3)ΔXt=α+βt+δXt-1+∑i=1mβiΔXt-1+εi(4)（4）式既有截距项又有趋势项，（3）式只有截距项，（2）式既无截距项又无趋势项。（4）式中t是表示时间的趋势项。三个模型的虚拟假设都是H0:δ=0,即存在单位根。具体检验的过程中，先从模型（4）开始，之后模型（3），模型（2）。直到检验结果拒绝零假设，也就是原序列不存在单位根，序列为平稳序列为止。只要不平稳，就要一直检验下去。原理同ADF检验，模型（2）（,3）（,4）的检验结果分别对应不同的临界值表。⑵协整检验主要是检验经济变量之间是否存在长期均衡关系，即经济变量之间不存在破坏均衡的内部机制。变量在某一时期受到干扰偏离其均衡状态时，在外来某个时期会自动回到其均衡状态。假设Y与X间的长期均衡关系为公式(5)所描述：Yt=α0+α1Xt+μt(5)式中μt是随机干扰项。该公式的均衡关系表明，对于一个给定X值，Y的均衡值相应地也随之确定为α0+α1X。在t-1期末，存在如下情形之一：Yt-1=(<>)α0+α1Xt-1(6)在时期t，假设X的变化量为ΔXt，如果变量X与Y在时期t和t-1末期仍满足它们间的长期均衡关系，则Y的相应变化量ΔYt的表达式为公式(7):ΔYt=α1Xt-1+vt(7)其中，vt=μt-μt-1。然而情况并没有这么简单。假如在t-1期末，发生了上述大于或小于情况，即Y大于或小于其均衡值，则Y的变化往往会比第一种情形下Y的变化ΔYt大一些或小一些。公式(7)指出了Y与X之间的长期稳定的均衡关系，则意味着Y对其均衡点的偏离从实质上说是临时的。因此，一个重要的假设是随机干扰项μt必须是平稳序列。因为，如果μt是有随机性趋势的，则会导致Y相对其均衡点来说的任何偏离都会长期累积下来，且不能被消除。一般情况下，如果n个序列都是d阶单证的，存在向量α=(α1,α2...αn)，使得Zt=αX''''t~I(d-b)，其中，b>0,Xt~(X1t,X2t,...,Xnt),则认为序列X1t,X2t,…,Xnt是（d,b）阶协整。由此可见，如果两个变量都是单证变量，只有他们的单整阶数相同时，才可能协整。

1.2数据来源

研究区域是除西藏和港澳台外的中国的30个省市区。区域的划分我们借鉴学术界比较普遍的分类方法，东、中、西部的划分如下：东部地区包括北京、天津、河北、辽宁、山东、江苏、上海、浙江、福建、广东和海南等省市；西部包括内蒙古、四川、重庆、云南、广西、新疆，贵州、青海、宁夏、陕西等省份，剩下的为中部地区。所有数据均来自于《中国统计年鉴》(2006~2010)、《中国能源统计年鉴》(2006~2010)、各省统计年鉴(2006~2010)、《新中国六十年统计资料汇编》，所有结果均是在stata11.0里面运行完成的。

2碳排放量与其影响因素的实证研究

2.1平稳性检验结果

由于面板数据模型实证分析是建立在数据平稳基础上的，数据不平稳可能导致回归结果的偏差。目前面板单位根检验主要有四种，分别为LLC检验、Breintung检验、ADF-Fisher检验和PP-Fisher检验，其中LLC检验和Breintung检验适用于相同根下的检验，ADF-Fisher检验和PP-Fisher检验适用于不同根下的检验。根据表1，对碳排放量和各影响因素原值的对数值进行单位根平稳性检验，除了LNGDP、LNEX、LNFDI在LLC检验形式和LNEX在PP-Fisher检验形式通过1%显著水平检验外，其他变量在四种检验方法下均不显著，也就是变量存在单位根。Pedroni认为检验结果不一致时，检验结果应更看重ADF-Fisher检验，我们可以得出以下结论：LNTP、LNGDP、LNSTRU、LNEX、LNFDI均没有拒绝存在单位根的原假设，即各变量的原值取对数后存在单位根现象，对各变量的对数值进行一阶差分单位根检验发现，除了△LNGDP在Breintung检验形势下没通过10%的显著性水平外，其他变量在四种检验形式下均通过了10%显著性水平检验。综合以上检验结果，我们可以得出，LNTP、LNGDP、LNSTRU、LNEX、LNFDI均存在一阶单整，因变和自变量的原指对数一阶差分是平稳的序列。如表2，我们继续做面板协整检验，发现，组内统计量Panelv、Panelrho、PanelADF在10%显著性水平下不支持不存在协整关系的原假设，但是PanelPP在1%显著性水平下接受不存在协整关系的原假设检验。组间统计量Grouprho在10%显著性水平不支持不存在协整关系的原假设。Pedroni认为每一个统计量都服从标准化的正态分布，且认为PanelADF和GroupADF检验结果更重要，检验结果要以这两个检验结果为主，Residualvariance和HACvariance检验结果都通过1%显著水平下检验，PanelPP-Statistic的检验结果。所以Pedroni协整检验判断省域碳排放量和其影响因素间存在协整关系。Kao协整检验结果均通过了1%显著性水平检验，意味着省域碳排放量和其影响因素间存在协整关系。根据以上研究结果，省域碳排放量与地区经济发展状况、产业结构、出口总值、创新投入存在长期且稳定的内生关系。

2.2区域碳排放量影响因素面板数据实证分析

为了确保结果的稳定性，文中使用混合最小二乘、个体固定效应模型和随机效应模型。分别对东、中、西部地区的碳排放量影响因素进行模拟。从表3可以看出，三种方法中除了混合最小二乘估计中的常数项和个体固定效应模型以及随机效应模型中的LNFDI的参数估计值不显著外，其他情况均通过1%的显著性水平检验。此外，三个模型的R2均在0.9以上，说明东部地区模型拟合的很好。通过hausman检验发现个体固定效应要好于随机效应，因此我们主要分析个体固定效应。固定效应模型中，LNGDP和LNSTRU是影响东部地区碳排量的最主要的因素，影响度分别为1.482和-0.231，说明在其他变量不变的情况下，各省域经济每增长1%，省域碳排放量将增加1.482%；产业结构参数估计值为-0.231，说明在其他变量不变的情况下，产业结构的比值每增长1%，省域碳排放量将减少0.231%；LNEX和LNFDI的参数估计值为0.140和-0.165，说明在其他变量不变的情况下，区域出口总值和创新投入每增加1%，区域碳排放量将增加0.140%和-0.165%。以上实证结果表明，东部地区持续稳定的经济发展是碳排放量降低的主要动力。产业结构与碳排放量成反比，第二、三产业与第一产业的比值越大，碳排放量越小，产业结构的升级对区域碳排放量的降低，有积极的促进作用。由于我国的出口主要是制造业，有潜在的碳转移迹象。从表3中可以看出，中部地区实证分析中，除了混合最小二乘估计中的LNEX和随机效应模型中LNSTRU的参数估计值不显著外，其他情况下变量均通过了5%的显著性水平检验，通过hausman检验发现西部地区固定效应好于随机效应，因此，我们仍然采用个体固定效应进行分析。与东部地区一样，影响中部地区碳排放的两个重要因素也是经济增长状况和产业结构，参数估计值为0.668和-0.551，这意味着经济增长状况和产业结构每增加1%，碳排放量将增加0.668%和-0.551%。中部地区出口总值和研发投入的参数估计值为0.124和0.132，说明二者每增加1%，省域碳排放量将增加0.124%和-0.132%，与东部地区相比研发投入对中部地区碳排放量的影响较明显。对西部地区来说，混合最小二乘估计中只有LNGDP和常数项比较显著，其他变量均没通过显著性水平检验，个体固定效应和随机效应中的LNSTRU和LNEX均没通过显著性水平检验，hausman检验发现随机效应好于固定效应。经济增长情况的参数估计值为0.586，说明在其他影响因素不变的情况下，经济增长每增加1%，碳排放量将增加0.586%。产业结构的参数估计值为-0.303，说明在其他影响因素不变得情况下，第二、三产业结构的比例增加1%，西部地区的碳排放量将降低0.303%。由于西部地区经济发展比较落后，第二、三产业发展不足，因此产业结构调整将对碳排放量降低带来明显的效果。西部地区大多处于内陆经济不发达地区，出口产值较小因而对碳排量的影响微乎其微。

3结论和政策建议

本文中用的1995~2010年的我国除西藏和港澳台外的30个省市区的静态面板数据，从我国东、中、西部来研究中国区域低碳经济的差异性。从实证分析得出，经济增长状况是影响区域碳排放量的关键要素，尤其对西部的影响度更大。产业结构对东部和中部地区的影响较大，且为负，说明二、三产业的相对于第一产业的比重越大，对东部和中部的减少碳排放量有效，对西部地区碳排放量影响不明显。区域出口值和产业结构一样对东部和中部地区明显，西部地区不明显。研发投入对中西部地区碳排放量影响显著，对东部地区则不明显。基于以上实证结果，我们提出以下政策建议：

（1）促进地区经济发展，将强产业结构升级。地区经济的发展水平对区域的碳排放量有直接的影响，要强调经济的高效发展，降低单位产值的能源消耗。加快产业结构升级可以有效地降低碳排放量，从而实现低碳经济。

（2）禁止高碳排放产品出口。出口产业在我国经济发展占有重要的地位，而我国的出口产业主要是制造业，其实是我国为进口国承担了碳排放职责。我国应制定政策对一些高碳排放的产业禁止出口，防止西方国家的碳排放转移到我国。

（3）加大科研投入。实证研究中，我们发现东部地区科研投入与对地区碳排量的影响不显著，中部和西部地区对碳排放影响比较显著，说明科研投入的增加在经济不发达地区会增加碳排放量，但当经济发展到一定时期，科研投入对碳排放量的影响将下降。科研投入通过改进和创新为地区低碳经济发展带来新的动力。