劉鳳根,李坤歡,周馭艦
(湖南商學(xué)院財(cái)政金融學(xué)院,湖南長沙410205)
?
中國金融發(fā)展與碳排放的動(dòng)態(tài)關(guān)系經(jīng)驗(yàn)分析
劉鳳根,李坤歡,周馭艦
(湖南商學(xué)院財(cái)政金融學(xué)院,湖南長沙410205)
摘要:基于1980~2013年的時(shí)間序列數(shù)據(jù),考慮金融相關(guān)率、外商直接投資占比、私營部門信貸占比和金融機(jī)構(gòu)存貸款比率四個(gè)金融發(fā)展指標(biāo),運(yùn)用SVAR模型、協(xié)整分析和誤差修正模型對中國金融發(fā)展與碳排放之間的短期和長期關(guān)系進(jìn)行經(jīng)驗(yàn)檢驗(yàn),并運(yùn)用狀態(tài)空間模型對各個(gè)金融發(fā)展指標(biāo)對碳排放的敏感度進(jìn)行分析。結(jié)果發(fā)現(xiàn),金融發(fā)展對碳排放有明顯的動(dòng)態(tài)影響,外商直接投資占比不論從長期還是短期都與碳排放呈負(fù)相關(guān)關(guān)系;金融機(jī)構(gòu)存貸比則和碳排放成正相關(guān)關(guān)系;金融相關(guān)率與私營部門信貸占比對碳排放的影響在長期和短期的作用方向不一致;不同的金融發(fā)展指標(biāo)對碳排放的敏感度在不同的時(shí)期也表現(xiàn)出不同的特征。最后,根據(jù)實(shí)證結(jié)論提出了減少碳排放的對策建議。
關(guān)鍵詞:金融發(fā)展;碳排放;SVAR模型;協(xié)整檢驗(yàn);狀態(tài)空間模型
中國已經(jīng)是世界上二氧化碳排放量最大的國家,由二氧化碳排放所引致的氣候問題已經(jīng)成為中國經(jīng)濟(jì)和社會(huì)發(fā)展重要的制約因素。2009年的哥本哈根氣候大會(huì)上中國政府承諾到2020年中國單位二氧化碳排放量要比2005年下降40%~45%,且爭取到2020年非化石能源占一次性能源消費(fèi)比重達(dá)到15%左右。2015年6月中國政府向《聯(lián)合國氣候變化框架公約》秘書處提交的應(yīng)對氣候變化國家自主貢獻(xiàn)文件也明確“將于2030年左右使二氧化碳排放達(dá)到峰值并爭取盡早實(shí)現(xiàn),2030年單位國內(nèi)生產(chǎn)總值二氧化碳排放比2005年下降60%~65%,非化石能源占一次能源消費(fèi)的比重達(dá)到20%左右”。這充分說明了中國政府在治理二氧化碳排放方面的信心和決心。但是,二氧化碳治理是一個(gè)復(fù)雜的系統(tǒng)工程,二氧化碳排放受到諸多因素的影響,作為最大的發(fā)展中國家,如何正確處理二氧化碳排放與經(jīng)濟(jì)增長之間的關(guān)系,是擺在中國政府面前的重要課題。而其中,厘清二氧化碳排放的影響因素并據(jù)此制定切實(shí)有效的減排措施就顯得尤其重要。
國內(nèi)外與本文相關(guān)的研究大體上可分為兩大類:第一類是對碳排放的影響因子及其對經(jīng)濟(jì)增長的影響分析。Soytas,Sari and Ewing(2007)[1]和Zhang and Cheng(2009)[2]從能源消費(fèi)總量的角度出發(fā),對中國與美國的能源消費(fèi)與碳排放之間的關(guān)系進(jìn)行了研究,認(rèn)為能源消費(fèi)總量的增加是碳排放增加的主要原因。孫欣,張可蒙[3]從規(guī)模效應(yīng)、技術(shù)效應(yīng)和結(jié)構(gòu)效應(yīng)三個(gè)方面,通過構(gòu)建狀態(tài)空間模型,發(fā)現(xiàn)第二產(chǎn)業(yè)比重、人均GDP、能源強(qiáng)度和城鎮(zhèn)化和碳排放之間存在著長期的均衡關(guān)系。關(guān)于碳排放對經(jīng)濟(jì)增長的影響,大部分研究是圍繞環(huán)境庫次涅茨曲線展開實(shí)證分析,如林壽富[4]首先從單一的人均GDP與二氧化碳的排放入手運(yùn)用嶺回歸的方法發(fā)現(xiàn)中國并不存在二氧化碳排放的環(huán)境庫次涅茨曲線,但是在加入了工業(yè)化、城鎮(zhèn)化、對外貿(mào)易和科學(xué)技術(shù)之后則發(fā)現(xiàn)環(huán)境庫次涅茨曲線在中國是存在的。Mazzanti,Musolesi and Zoboli(2006)[5]發(fā)現(xiàn)實(shí)際的環(huán)境庫次涅茨曲線受不同國家的實(shí)際經(jīng)濟(jì)特征影響,并認(rèn)為型曲線較適合發(fā)達(dá)國家,而線性曲線關(guān)系更適合發(fā)展中國家。賈登勛,黃杰[6]基于2000- 2011年中國省級面板數(shù)據(jù),對經(jīng)濟(jì)增長和碳排放之間的非線性關(guān)系進(jìn)行了分析,認(rèn)為產(chǎn)業(yè)結(jié)構(gòu)和能源消費(fèi)結(jié)構(gòu)在碳排放和經(jīng)濟(jì)增長中表現(xiàn)出明顯的門坎效應(yīng)。
第二類研究是關(guān)于金融發(fā)展與碳排放之間關(guān)系的研究。Frankel and Romer (1999)[7]認(rèn)為金融發(fā)展可以吸引外資由此加速了經(jīng)濟(jì)增長,增加了二氧化碳排放量。Dasgupta et al(2001)[8]認(rèn)為股票市場發(fā)展有助于上市公司降低融資成本,增加融資渠道并購買新設(shè)備和投資于新項(xiàng)目,增加了能源消費(fèi)和二氧化碳排放。Sadorsky(2010)[9]從22個(gè)新興市場國家入手,對1990~2005年的面板數(shù)據(jù)運(yùn)用系統(tǒng)GMM方法估計(jì)了金融發(fā)展和能源消費(fèi)碳排放之間的關(guān)系,發(fā)現(xiàn)金融發(fā)展尤其是證券市場的發(fā)展增加了能源消費(fèi)和碳排放量。Zhang(2011)[10]對中國的金融發(fā)展與碳排放之間的關(guān)系進(jìn)行研究發(fā)現(xiàn),中國金融發(fā)展是CO2排放增加的重要驅(qū)動(dòng)因素。
Boutabba(2014)[11]運(yùn)用動(dòng)態(tài)VEC模型對印度1970~2008年間的碳排放與金融發(fā)展之間的關(guān)系進(jìn)行了實(shí)證檢驗(yàn),結(jié)果發(fā)現(xiàn)金融發(fā)展與碳排放之間存在很強(qiáng)的長期因果關(guān)系,金融發(fā)展對每資本CO2排放具有長期的正向影響。但一些學(xué)者認(rèn)為,金融發(fā)展可以減少碳排放。Mielnik and Goldemberg(2002)[12]對20個(gè)發(fā)展中國家的金融發(fā)展與碳排放進(jìn)行了實(shí)證分析發(fā)現(xiàn)能源消費(fèi)強(qiáng)度與外商直接投資之間存在著明顯的負(fù)相關(guān)關(guān)系。Claessens and Feijen(2007)[13]及Tamazian et al. (2009)[14]及則認(rèn)為金融發(fā)展可以提高能源效率和企業(yè)績效,結(jié)果會(huì)減少能源消費(fèi)和CO2排放。Jalil and Feridun(2011)[15]對中國的金融發(fā)展、經(jīng)濟(jì)增長、能源消費(fèi)對環(huán)境污染的影響進(jìn)行了研究,結(jié)果發(fā)現(xiàn),金融發(fā)展減少了環(huán)境污染。Ozturk and Acaravci(2013)[16]對土耳其1960~2007年間金融發(fā)展、開放度、經(jīng)濟(jì)增長、能源消費(fèi)和碳排放之間的因果關(guān)系進(jìn)行檢驗(yàn)發(fā)現(xiàn),碳排放與金融發(fā)展之間存在長期的因果關(guān)系。但金融發(fā)展對碳排放并沒有產(chǎn)生顯著的長期效應(yīng)。
國內(nèi)學(xué)者關(guān)于金融發(fā)展與碳排放之間關(guān)系的研究也逐漸增多,郭郡郡等(2010)[17]運(yùn)用跨國的非平衡面板數(shù)據(jù),以不同的變量作為金融發(fā)展的替代變量研究了金融發(fā)展對CO2排放的影響,然后加入經(jīng)濟(jì)發(fā)展水平和金融開放程度兩個(gè)虛擬變量,研究了不同特征下兩者的關(guān)系,發(fā)現(xiàn)經(jīng)濟(jì)發(fā)展水平和金融開放程度不同影響了金融發(fā)展對碳排放的效果,經(jīng)濟(jì)發(fā)展水平和開放程度較高的國家會(huì)增加對碳排放的影響。任力等(2011)[18]選擇了金融發(fā)展的三個(gè)指標(biāo),運(yùn)用SGMM方法對中國29個(gè)省市1995~2008年的金融和碳排放數(shù)據(jù)進(jìn)行了實(shí)證分析,發(fā)現(xiàn)中國總體上金融發(fā)展與能源消費(fèi)聯(lián)系密切,但從不同的區(qū)域來看,東部地區(qū)金融發(fā)展有利于抑制能源消費(fèi)的增加,中部地區(qū)二者之間的關(guān)系并不顯著,西部地區(qū)金融發(fā)展則加劇了能源消費(fèi)和碳排放。陳碧瓊等(2014)[19]從動(dòng)態(tài)空間視角建立了基于STIRPAT模型的空間面板模型,運(yùn)用空間系統(tǒng)法GMM探究了金融規(guī)模和金融效率對碳排放強(qiáng)度的影響,認(rèn)為金融效率和碳排放存在明顯的空間相關(guān)性,金融規(guī)模的擴(kuò)大和效率的提高都會(huì)增加碳排放。陳欣等(2015)[20]用中國1990~2011年省級面板數(shù)據(jù),對金融發(fā)展和CO2之間的關(guān)系進(jìn)行GMM建模估計(jì),認(rèn)為金融發(fā)展對人均CO2的排放并沒有太大的影響,但是考察不同的省份數(shù)據(jù)則發(fā)現(xiàn)經(jīng)濟(jì)發(fā)展?fàn)顩r不同程度地對兩者之間的關(guān)系產(chǎn)生重要的影響。
從以上文獻(xiàn)綜述可以看出,由于所選取指標(biāo)、數(shù)據(jù)的不同以及所采用的估計(jì)方法的差異,不同的研究得出的結(jié)論也不盡相同。而且現(xiàn)有研究普遍存在兩個(gè)方面的不足:第一,金融發(fā)展指標(biāo)選取沒有一致的標(biāo)準(zhǔn),所選取的指標(biāo)并不能全面反映中國金融的發(fā)展?fàn)顩r。第二,所運(yùn)用的方法上大多是運(yùn)用GMM方法,但結(jié)論卻不一致,并沒有對金融發(fā)展對碳排放的影響從長期和短期兩個(gè)方面進(jìn)行系統(tǒng)地分解,不能反應(yīng)二者的動(dòng)態(tài)關(guān)系。為了規(guī)避以上問題,本文充分考慮金融發(fā)展的廣度和深度進(jìn)行指標(biāo)選取,能比較全面地反映中國金融發(fā)展?fàn)顩r;同時(shí),本文首先通過建立SVAR模型對金融發(fā)展和碳排放之間的短期動(dòng)態(tài)關(guān)系進(jìn)行分析,再通過協(xié)整檢驗(yàn)分析變量之間的長期動(dòng)態(tài)關(guān)系。特別地,本文還通過構(gòu)建狀態(tài)空間模型,詳細(xì)地分析了碳排放對各個(gè)金融發(fā)展變量的敏感性程度進(jìn)行了分析。
本文剩下的部分安排如下:第二部分詳細(xì)介紹了本文對碳排放的測度所采取的方法,并對中國的能源消耗狀況以及碳排放狀況進(jìn)行了描述性統(tǒng)計(jì);第三部分對金融發(fā)展與碳排放的動(dòng)態(tài)關(guān)系進(jìn)行短期和長期分析,主要包括SVAR模型、方差分解、協(xié)整檢驗(yàn)、誤差修正模型分析;第四部分分析了碳排放受各個(gè)金融發(fā)展變量的敏感性程度;第五部分為實(shí)證結(jié)論及相關(guān)對策建議。
碳排放的來源一般為燃燒化石能源產(chǎn)生,本文采用的衡量中國碳排放的指標(biāo)為人均二氧化碳的排放量,等于年二氧化碳排放總量除以年總?cè)丝跀?shù)。由于二氧化碳排放總量沒有固定的數(shù)據(jù)可用,我們參考學(xué)術(shù)界通用的計(jì)算方法,即:
其中:CO2表示每年二氧化碳排放總量,Ci表示第i種能源的排放量,二氧化碳排放在中國主要來源于化石燃料,因此本文選擇一次能源中的原煤、原油和天然氣為碳排放的主要來源,Ei表示中國每年第種能源的消費(fèi)量,NCVi為每千克能源消耗產(chǎn)生的熱量,數(shù)據(jù)源于2013年能源統(tǒng)計(jì)年鑒附錄4種的各種能源折算標(biāo)準(zhǔn)煤參考系數(shù);CEFi表示第i種能源燃燒時(shí)的碳排放系數(shù),依據(jù)IPCC(2006年)的國際資料,原煤、原油和天然氣分別為25.8、20和15.3,COF為i第種能源消費(fèi)時(shí)釋放的碳氧化率,根據(jù)《溫室氣體清單研究》,三種能源分別為:0.99、1、1。數(shù)據(jù)根據(jù)歷年統(tǒng)計(jì)年鑒的資料整理得到。
圖1 中國能源消耗及碳排放總體狀況
改革開放以來,中國經(jīng)濟(jì)增長平均速度保持在10%的水平,伴隨著經(jīng)濟(jì)高速增長,對各種能源的消耗也在加大。圖1為中國1980~2013年中國的能源消費(fèi)總量、能源強(qiáng)度和人均二氧化碳排放量的折線圖,從圖中可以發(fā)現(xiàn),中國能源消費(fèi)總量增長速度較快,尤其是在2002~2007年,這一期間我的增長率都達(dá)到12%左右的水平,因此能源消費(fèi)總量也增長較快,隨后中國受全球金融危機(jī)的影響,經(jīng)濟(jì)增速放緩,能源消費(fèi)總量增長趨勢也逐漸放緩。能源強(qiáng)度表示為單位能耗,由圖可以看出中國的能源強(qiáng)度呈不斷下降趨勢,主要是由于中國的經(jīng)濟(jì)增長速度要快于能源消費(fèi)的增長速度,且加之中國逐漸意識(shí)到環(huán)境污染和經(jīng)濟(jì)增長的關(guān)系,不斷加快產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和技術(shù)創(chuàng)新,積極開發(fā)新能源,因此對一次能源的消耗增速也逐漸下降;而人均碳排放量則穩(wěn)重有升,基本隨著能源消耗總量的增加而增加,2013年中國的人均碳排放量為6.64噸/人,雖然低于發(fā)達(dá)國家的水平,但由于中國的人口基數(shù)大,短時(shí)間內(nèi)人口數(shù)量無法改變,并且伴隨著中國的工業(yè)化和現(xiàn)代化的持續(xù)推進(jìn),短期經(jīng)濟(jì)增長還主要依靠第二產(chǎn)業(yè),人均碳排放量還會(huì)進(jìn)一步增加。因此,從今后相當(dāng)長的一段時(shí)期看,中國的能源消耗總量還將會(huì)持續(xù)增加,而人均碳排放量也將保持穩(wěn)中有升的趨勢,中國面臨的節(jié)能減排形式依然很嚴(yán)峻。
(一)實(shí)證方法、指標(biāo)選擇與數(shù)據(jù)來源
本文選取的碳排放指標(biāo)為人均二氧化碳排放量,用式(1)計(jì)算的二氧化碳排放總量除以年人口總數(shù)。一國的金融發(fā)展?fàn)顩r,不僅有金融發(fā)展的廣度而且由金融發(fā)展的深度構(gòu)成,因此本文在金融發(fā)展指標(biāo)選取時(shí)對兩方面都加以考慮,衡量金融發(fā)展廣度的變量為外商直接投資占GDP的比重以及由Goldsmith提出的金融相關(guān)率,分別用FDI和FIR表示。FDI主要是衡量中國實(shí)際利用外資發(fā)展經(jīng)濟(jì)的狀況,在一定程度上反映金融發(fā)展的廣度,而金融相關(guān)率則表示一定時(shí)期內(nèi)全部金融資產(chǎn)的價(jià)值之和與全部國民財(cái)富之比,它可以衡量一國經(jīng)濟(jì)的金融化水平。由于全部金融資產(chǎn)的數(shù)據(jù)無法得到,我們用每年金融機(jī)構(gòu)可用存貸款之和來代替,而全部國民財(cái)富用GDP表示。計(jì)算公式為,SA表示全部金融機(jī)構(gòu)的存款之和,LE則表示全部金融機(jī)構(gòu)的貸款之和。衡量金融發(fā)展深度的指標(biāo)主要是私營部門的信貸占GDP的比重和金融機(jī)構(gòu)存貸比率,分別用FSD和FAD表示,在市場經(jīng)濟(jì)條件下將資金借貸給私營部門,將會(huì)比借貸給國有企業(yè)具有更高的效率,私營部門可將借貸的資金用于擴(kuò)大生產(chǎn)規(guī)模和改進(jìn)技術(shù)設(shè)備,提高效率,進(jìn)而會(huì)減少能源消耗與碳排放,因此私營部門信貸占GDP的比重能很好地衡量金融發(fā)展的效率;金融機(jī)構(gòu)存貸比,是監(jiān)管層監(jiān)測銀行流動(dòng)性、控制信貸規(guī)模的一個(gè)重要指標(biāo),可以通過金融機(jī)構(gòu)貸款規(guī)模除以存款規(guī)模進(jìn)行計(jì)算,一定程度上衡量金融深化程度。為消除數(shù)據(jù)間存在的異方差性,對各個(gè)變量取對數(shù)處理。各指標(biāo)變量如表1所示:
表1 各指標(biāo)含義及其數(shù)據(jù)來源
(二)金融發(fā)展與碳排放動(dòng)態(tài)關(guān)系的SVAR模型分析和方差分解
SVAR模型,即結(jié)構(gòu)向量自回歸模型,是對傳統(tǒng)VAR模型的改進(jìn),由于VAR模型無法確定各個(gè)變量之間當(dāng)期相關(guān)關(guān)系的確切形式,而SVAR模型則可以捕捉模型系統(tǒng)內(nèi)各個(gè)變量的即時(shí)結(jié)構(gòu)關(guān)系,可以用來對不同影響因子結(jié)構(gòu)沖擊的重要性進(jìn)行評價(jià),其中的脈沖響應(yīng)函數(shù)可以分析一個(gè)變量的沖擊對另一個(gè)變量的動(dòng)態(tài)影響路徑;而方差分解則可以將SVAR模型中的一個(gè)變量的方差分解到各個(gè)擾動(dòng)項(xiàng)上。本文建立SVAR模型,對各個(gè)金融發(fā)展指標(biāo)對碳排放的動(dòng)態(tài)影響路徑進(jìn)行脈沖響應(yīng)函數(shù)分析;并在脈沖響應(yīng)函數(shù)的基礎(chǔ)上對各個(gè)變量進(jìn)行方差分解。SVAR模型要求各個(gè)變量是平穩(wěn)的,ADF單位根檢驗(yàn)發(fā)現(xiàn)各個(gè)變量一階差分在5%的顯著性水平下都是平穩(wěn)的。圖2~圖5是各個(gè)變量對LPCO2的脈沖響應(yīng)函數(shù)。
圖2 LPCO2與LFDI相互沖擊的脈沖響應(yīng)函數(shù)
圖2顯示了外商直接投資占GDP的比重與人均CO2排放之間的動(dòng)態(tài)關(guān)系。在引進(jìn)外資的初期階段,外商投資的引進(jìn)對碳排放有明顯的抑制作用,且抑制作用在第四期達(dá)到最大值,隨后抑制作用越來越不明顯,在第十一期與碳排放的相關(guān)關(guān)系變?yōu)檎?,這也進(jìn)一步說明了在經(jīng)濟(jì)發(fā)展的初期階段,利用外資和外國的先進(jìn)技術(shù)設(shè)備可有助于中國企業(yè)改變投入產(chǎn)出方式,降低能耗,減少碳排放,而當(dāng)利用外資規(guī)模達(dá)到一定程度后,這種抑制作用會(huì)明顯減弱,主要是因?yàn)橹袊募夹g(shù)設(shè)備與外國之間的差異越來越小,中國的自主創(chuàng)新能力逐漸提高,因此,最終要實(shí)現(xiàn)節(jié)能減排的目標(biāo)還必須依靠國內(nèi)企業(yè)生產(chǎn)方式的轉(zhuǎn)變,不能僅僅依賴國外技術(shù)設(shè)備的引進(jìn)。而人均碳排放對外商投資的影響在第十五期以后變?yōu)檎?,說明隨著碳排放的增長,外國投資者可能會(huì)通過產(chǎn)業(yè)轉(zhuǎn)移的方式將高能耗的產(chǎn)業(yè)轉(zhuǎn)移至中國,對此中國在引進(jìn)外資的過程中要加強(qiáng)審查和監(jiān)管,防止中國成為外國污染物轉(zhuǎn)移的場所。
圖3 LPCO2與LFIR相互沖擊的脈沖響應(yīng)函數(shù)
圖3主要解釋了人均碳排放與金融相關(guān)率之間的動(dòng)態(tài)關(guān)系。從圖中可以看出,在第十期之前影響比較明顯且變化較大,而在第十期之后則趨于穩(wěn)定,且影響相對減弱,可以理解為在起初,隨著金融機(jī)構(gòu)存貸數(shù)額的增加,信貸資金流入高能耗的企業(yè),一部分企業(yè)利用信貸資金進(jìn)行技術(shù)創(chuàng)新,而另外一部分企業(yè)則繼續(xù)擴(kuò)大生產(chǎn)規(guī)模,增加碳排放,這兩部分作用相互地抵消使得金融相關(guān)率和碳排放之間的關(guān)系保持在較小的區(qū)間波動(dòng),且隨著滯后期數(shù)的擴(kuò)大,相關(guān)性更趨穩(wěn)定。從圖中可以看出,人均碳排放對金融相關(guān)率的沖擊一直保持在正值范圍,即碳排放的增加反向推動(dòng)了金融機(jī)構(gòu)存貸總額的增長,會(huì)促使更多的資金再次流向高污染高能耗的產(chǎn)業(yè),因此在中小企業(yè)的融資過程中,必須合理控制資金的使用方向和使用規(guī)模,防止出現(xiàn)這種相互影響的惡性循環(huán)。
圖4反映了私營部門信貸占比與碳排放之間的相互沖擊。在期初,隨著私營部門信貸占比的增加,碳排放量也迅速下降,在第三期就達(dá)到負(fù)向最大值1.8%,說明期初私營部門的技術(shù)創(chuàng)新熱情較高,將借貸的資金運(yùn)用到技術(shù)革新上對減少碳排放的效果明顯,從第五期之后,這種影響逐漸弱化,逐漸在0附近小幅波動(dòng),可能是由于政策引導(dǎo)不到位,使得資金并沒有合理運(yùn)用到相關(guān)高新技術(shù)產(chǎn)業(yè)。碳排放對私營部門信貸占比的沖擊在第十二期變?yōu)?,并一直在負(fù)區(qū)間運(yùn)行,也從相反的方向反映了碳排放的增長主要是由于私營部門信貸資金的不足造成的。
圖4 LPCO2與LFSD相互沖擊的脈沖響應(yīng)函數(shù)
圖5反映了金融機(jī)構(gòu)存貸比與人均碳排放之間的動(dòng)態(tài)沖擊。金融機(jī)構(gòu)存貸比對人均二氧化碳的沖擊在第七期達(dá)到最大值1.5%左右,隨后在第十二期后變?yōu)樨?fù)值,且穩(wěn)定在0.2%左右,金融機(jī)構(gòu)存貸比的增加反映了金融市場上流動(dòng)的貨幣資金的增長,使得企業(yè)的融資成本降低,企業(yè)會(huì)將融資額進(jìn)行擴(kuò)大再生產(chǎn),企業(yè)規(guī)模達(dá)到一定程度后,會(huì)考慮技術(shù)創(chuàng)新,因此在第十二期以后與碳排放成負(fù)向相關(guān)關(guān)系。人均碳排放對金融機(jī)構(gòu)存貸比的沖擊一直表現(xiàn)為負(fù)值,且影響明顯,在第十三期達(dá)到負(fù)向最大值2.3%,也進(jìn)一步說明了碳排放的增長主要是由于市場上流動(dòng)的貨幣資金減少,企業(yè)缺乏進(jìn)行技術(shù)創(chuàng)新和產(chǎn)業(yè)結(jié)構(gòu)升級的資金。
圖5 LPCO2與LFAD相互沖擊的脈沖響應(yīng)函數(shù)
方差分解主要揭示了各個(gè)影響因子隨著滯后期數(shù)的增加對解釋變量的動(dòng)態(tài)貢獻(xiàn)度,如表2反映了各金融發(fā)展指標(biāo)對碳排放影響的相對程度。
表2 各金融指標(biāo)對碳排放影響的方差分解表
從方差分解表中可以發(fā)現(xiàn),在滯后一期,各金融發(fā)展指標(biāo)對碳排放的沖擊都為0;從滯后第二期開始,各個(gè)變量對碳排放的沖擊逐漸明顯,其中碳排放受其自身的沖擊隨著滯后期數(shù)的增加而明顯降低;而外商直接投資占比對碳排放的沖擊在第十一期達(dá)到最大值1.39%,隨后逐步減弱,并在1.1%左右保持穩(wěn)定;而金融相關(guān)率對碳排放的影響最大,且隨著滯后期數(shù)的增加沖擊也逐漸增加,滯后四十期以后基本穩(wěn)定在53%左右,可見金融相關(guān)率對碳排放的影響作用比較明顯;私營部門信貸占比對碳排放的沖擊作用也比較小,基本也是隨著滯后期數(shù)的增加而增大,滯后四十期以后基本穩(wěn)定在4.09%;而反應(yīng)銀行資金流動(dòng)性的金融機(jī)構(gòu)存貸比對碳排放的影響比較明顯,在滯后二十五期達(dá)到最大值17.02%,隨后逐漸穩(wěn)定在16.45%。從方差分解的結(jié)果可以發(fā)現(xiàn),金融相關(guān)率對碳排放的沖擊最大,金融機(jī)構(gòu)存貸比次之,而沖擊最小的屬于外商直接投資占比LFDI。
(三)協(xié)整檢驗(yàn)
對非平穩(wěn)時(shí)間序列的協(xié)整分析,傳統(tǒng)的檢驗(yàn)方法為EG兩步法,但是EG兩步法的缺陷是最多只能判斷多個(gè)變量之間存在的一個(gè)協(xié)整關(guān)系;而對于多變量的協(xié)整分析最常用的是Johansen協(xié)整檢驗(yàn)。Johansen協(xié)整檢驗(yàn)的前提是要求變量是同階的,因此,在進(jìn)行協(xié)整檢驗(yàn)之前需要對數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn),本文采用單位根檢驗(yàn),發(fā)現(xiàn)LPCO2、LFDI、LFIR、LFSD和LFAD都是非平穩(wěn)的,但一階差分后在5%的顯著性水平下都是平穩(wěn)的。
采用Johansen協(xié)整檢驗(yàn)的跡統(tǒng)計(jì)量進(jìn)行檢驗(yàn),結(jié)果發(fā)現(xiàn)在1%的顯著性水平下,LPCO2與LFDI、LFIR、LFSD和LFAD之間存在兩個(gè)協(xié)整關(guān)系,說明人均二氧化碳排放量和外商直接投資占比、金融相關(guān)率、私人部門信貸占比與金融機(jī)構(gòu)存貸比之間存在著長期的均衡關(guān)系。協(xié)整方程如下:
LPCO2=- 0.697LFDI+6.5449LFIR- 4.823LFSD+1.7133LFAD (2)
S.E (0.0327) (0.9764) (1.0855) (0.3306)
從長期趨勢來看,外商直接投資占比、金融相關(guān)率、私營部門信貸占比和對人均二氧化碳排放量有穩(wěn)定的影響。從協(xié)整方程來看:金融相關(guān)率對二氧化碳的排放影響最大,協(xié)整系數(shù)為6.5499,說明金融相關(guān)率提高1%,碳排放就會(huì)增加6.55%,即金融中介的存貸款總數(shù)與人均二氧化碳排放量之間存在較強(qiáng)正向的相關(guān)關(guān)系,主要是由于隨著金融機(jī)構(gòu)存貸款數(shù)量的增加,更多的信貸資金會(huì)通過消費(fèi)、固定資產(chǎn)投資和基礎(chǔ)設(shè)施建設(shè)流向以能源消費(fèi)為主的行業(yè),會(huì)推動(dòng)能源消費(fèi)的增長,繼而會(huì)增加碳排放量。私營部門的國內(nèi)信貸占的比重對人均二氧化碳的排放有較強(qiáng)的負(fù)影響,系數(shù)為- 4.823,即私營部門信貸比每提高1%,將會(huì)導(dǎo)致碳排放減少4.82%,說明相對于將資金借貸給國有企業(yè),借貸給私營部門的金融效率更高,私營部門可以將資金用于技術(shù)創(chuàng)新,加快產(chǎn)業(yè)升級和轉(zhuǎn)型,將高能耗高污染的行業(yè)轉(zhuǎn)型為高新技術(shù)產(chǎn)業(yè),不僅能獲得企業(yè)可持續(xù)的增長利潤,也有利于從總體上抑制碳排放的數(shù)量。金融機(jī)構(gòu)存貸比反映了貨幣資本的流動(dòng)性,存貸比越低說明貸款資本較少,存款資金較多,會(huì)降低了資金的運(yùn)用效率,它與人均碳排放之間存在正向相關(guān)關(guān)系,即金融機(jī)構(gòu)存貸比每降低1%,將會(huì)導(dǎo)致人均二氧化碳排放減少1.71%,企業(yè)貸款金額的減少可以對高能耗的產(chǎn)業(yè)的盲目擴(kuò)張起到一定的限制作用,能夠使得資金更多的流向資源消耗少的高新技術(shù)行業(yè),有利于提高企業(yè)效率,減少碳排放。外商直接投資占GDP的比重從較長的歷史時(shí)期看是有利于抑制碳排放的,它與人均碳排放量之間存在著負(fù)向關(guān)系,即外商直接投資占比增加1%,將會(huì)使人均碳排放量減少0.07%,這與其他學(xué)者的研究結(jié)論相一致,因?yàn)樵谕馍掏顿Y過程中,會(huì)伴隨著技術(shù)溢出效應(yīng)的產(chǎn)生,即外資企業(yè)會(huì)帶來先進(jìn)的技術(shù)設(shè)備和管理經(jīng)驗(yàn),有利于國內(nèi)企業(yè)模仿和創(chuàng)新,降低能源消耗,減少溫室氣體的排放。
從以上協(xié)整分析的結(jié)果來看,不管是金融規(guī)模指標(biāo)還是金融效率指標(biāo),其對抑制碳排放都具有明顯的作用,他們之間存在著長期的穩(wěn)定關(guān)系,其中影響作用最小的是外商直接投資占比,遠(yuǎn)低于其他金融指標(biāo),進(jìn)一步說明了外商直接投資的增加對中國減排的作用有限,因此,中國要想進(jìn)一步降低碳排放還需要從國內(nèi)入手,合理控制信貸的規(guī)模和方向,加快國內(nèi)企業(yè)轉(zhuǎn)型升級。
(四)誤差修正模型
誤差修正模型主要是說明被解釋變量受解釋變量短期波動(dòng)的影響情況,人均碳排放受各金融發(fā)展指標(biāo)影響的誤差修正模型為:
誤差修正項(xiàng)的系數(shù)為正值,并不符合反向的誤差修正機(jī)制。從短期看,金融機(jī)構(gòu)存貸比和私營部門信貸占比對人均碳排放具有正向的促進(jìn)作用,且作用最大,說明短期流動(dòng)性越強(qiáng),碳排放量越大,主要是由于技術(shù)創(chuàng)新和產(chǎn)業(yè)升級需要資金投入加大,且需要的時(shí)間較長,存在明顯的時(shí)滯作用;而外商直接投資占比和金融相關(guān)率對碳排放有反向抑制作用,即短期來看,外商直接投資依然具有明顯的技術(shù)溢出效應(yīng),有利于減少碳排放;而金融相關(guān)率對碳排放的影響方向與長期影響方向相反,即從短期看,經(jīng)濟(jì)金融化水平越高,會(huì)有助于減少碳排放。
(一)狀態(tài)空間模型估計(jì)
以上部分主要分析了各金融發(fā)展指標(biāo)對碳排放的長期和短期的影響,但各個(gè)因素對碳排放的作用方向及其大小不一樣,因此有必要對各個(gè)金融發(fā)展指標(biāo)對碳排放的敏感程度進(jìn)行分析,以確定其對碳排放的動(dòng)態(tài)影響作用的大小。因此,如下采用變參數(shù)的狀態(tài)空間模型對該動(dòng)態(tài)關(guān)系進(jìn)行檢驗(yàn)。構(gòu)建的狀態(tài)空間模型如下:
方程(4)在狀態(tài)空間模型中被稱為量測方程,反映的是各個(gè)因素對碳排放的動(dòng)態(tài)關(guān)系,方程中的β1t,β2t,β3t,β4t和β5t為狀態(tài)變量,分別表示外商直接投資占比、金融相關(guān)率、私營部門信貸占比、金融機(jī)構(gòu)存貸比對碳排放影響的彈性大小。方程(5)在狀態(tài)空間模型中被稱為狀態(tài)方程,解釋了狀態(tài)變量的產(chǎn)生機(jī)制,μt為隨機(jī)擾動(dòng)項(xiàng),假定其服從均值為零,方差不變的正態(tài)分布,即μt~N(0,σ2)。狀態(tài)變量β1t,β2t,β3t,β4t和β5t為不可觀測的變量,對其估計(jì)我們采用卡爾曼濾波方法,卡爾曼濾波的作用為:當(dāng)隨機(jī)擾動(dòng)項(xiàng)和初始狀態(tài)向量服從正態(tài)分布時(shí),能夠通過預(yù)測誤差分解計(jì)算似然函數(shù),可以對模型中的不可觀測變量進(jìn)行估計(jì),并且當(dāng)?shù)玫叫轮岛?,就可以利用卡爾曼濾波連續(xù)的修正狀態(tài)向量估計(jì)[13]。估計(jì)結(jié)果如表3所示:
我們可以看出,除私營部門信貸比的狀態(tài)空間變量以外其他變量都是顯著的,因此可以認(rèn)為對不可觀測狀態(tài)變量的估計(jì)是基本有效的。它們會(huì)隨著時(shí)間的變化而變化,能更好地刻畫解釋變量對被解釋變量的動(dòng)態(tài)影響關(guān)系。
表3 狀態(tài)空間模型估計(jì)量
通過對狀態(tài)變量系數(shù)的分析我們可以發(fā)現(xiàn),從靜態(tài)角度來看,對人均碳排放的影響程度從大到小依次為金融相關(guān)率、私營部門信貸占比、金融機(jī)構(gòu)存貸比、直接投資占比,這與在協(xié)整檢驗(yàn)中的因子對碳排放的影響程度的順序是一致的,因此可以認(rèn)為各個(gè)變量對碳排放的影響是穩(wěn)定的。
(二)碳排放對金融發(fā)展的敏感性分析
圖6分別是對狀態(tài)變量進(jìn)行時(shí)變參數(shù)估計(jì)得到的隨時(shí)間波動(dòng)的動(dòng)態(tài)圖,依次表示外商直接投資占比、金融相關(guān)率、私營部門信貸占比和金融機(jī)構(gòu)存貸比與碳排放的動(dòng)態(tài)關(guān)系。整體來看,在不同的歷史時(shí)期,金融發(fā)展對碳排放的影響程度不同,且基本在1990年之前波動(dòng)較大,可能是由于中國金融市場不穩(wěn)定,金融發(fā)展程度不夠;而從敏感系數(shù)來看,1990年之前私營部門信貸占比對碳排放的影響系數(shù)最大,之后各個(gè)變量的敏感程度都逐漸降低,2000年以后金融相關(guān)率的敏感程度最大。各個(gè)變量對碳排放影響程度具體分析如下:
圖6 各金融發(fā)展指標(biāo)對碳排放的敏感度
(1)外商直接投資占比敏感度在1990年之前波動(dòng)較大,其中在1986年是達(dá)到最大水平,這一期間中國成為碳排放污染避難所。之后逐步趨于穩(wěn)定,且有下降趨勢,在2005年之后為負(fù)數(shù),說明外商直接投資在中國市場經(jīng)濟(jì)建設(shè)初期,對經(jīng)濟(jì)的高速發(fā)展起了重要作用,直接推動(dòng)了中國能源總量消耗的增加,加劇了二氧化碳的排放量,而在2005年以后,隨著中國技術(shù)水準(zhǔn)的提高,意識(shí)到節(jié)能降耗和產(chǎn)業(yè)轉(zhuǎn)型的重要性,對外商投資的方向和范圍進(jìn)行了進(jìn)一步的規(guī)范,更加注重借鑒外國的技術(shù)和管理經(jīng)驗(yàn),外商直接投資的技術(shù)溢出效應(yīng)逐漸顯現(xiàn),使得敏感系數(shù)成負(fù)數(shù)。
(2)圖中顯示了金融相關(guān)率對碳排放強(qiáng)度的敏感程度,從1985年以后基本保持穩(wěn)定的狀況,相對于其他金融發(fā)展變量,其對碳排放的影響強(qiáng)度最大,而且一直為正向的關(guān)系,金融相關(guān)率說明了一國經(jīng)濟(jì)金融化水平,比率越大,為社會(huì)提供的資金越多,對經(jīng)濟(jì)發(fā)展的支撐作用就越大,尤其是在2005年以后,敏感度快速上升,達(dá)到2.3%,這也驗(yàn)證了前文中得到結(jié)論,即金融相關(guān)率越高,更多的資金會(huì)通過信貸、基礎(chǔ)設(shè)施投資等方式流向高能耗的企業(yè),會(huì)加大能源消耗總量和碳排放強(qiáng)度。
(3)私營部門信貸占比對碳排放的敏感度基本上在0上下波動(dòng),私營部門信貸占比主要反映了金融效率水平,一般而言將資金借貸給私營企業(yè)更能夠提高資金的利用效率,有利于激發(fā)企業(yè)的創(chuàng)新和動(dòng)力,改進(jìn)技術(shù)設(shè)備,提高能源利用效率。但是中國私營企業(yè)的產(chǎn)值占整個(gè)國民經(jīng)濟(jì)的產(chǎn)值比重不高,所以對降低能源消耗和節(jié)能減排的作用有限,這也正是圖中的敏感度一直在0附近波動(dòng)的主要原因;但在2005年以后,敏感系數(shù)明顯降低,說明非公有制經(jīng)濟(jì)(私營部門)對整個(gè)經(jīng)濟(jì)的貢獻(xiàn)在逐步增加,對抑制碳排放的作用也在進(jìn)一步凸顯。
(4)圖中最后顯示的是金融機(jī)構(gòu)存貸比對碳排放的敏感程度,其走勢是在1990年之后趨于穩(wěn)定,也保持在0附近波動(dòng),影響程度是在四個(gè)金融指標(biāo)中最小的,有逐漸下降的趨勢,即與碳排放之間的負(fù)影響越來越明顯,主要可解釋為隨著金融機(jī)構(gòu)存貸比的下降,市場上的貸款資金余額相對于存款資金余額增速下降,會(huì)限制部分企業(yè)(高污染高能耗)的借貸資金的成本和借貸資金的能力,將更多的資金流向綠色環(huán)保污染小的產(chǎn)業(yè),迫使高能耗的產(chǎn)業(yè)采取措施轉(zhuǎn)型升級。從圖中可以發(fā)現(xiàn),自2006年以后,敏感度逐漸呈負(fù)數(shù)小幅下降,進(jìn)一步說明了其對碳排放的作用有限。
(一)主要結(jié)論
(1)從協(xié)整分析的結(jié)果來看,金融發(fā)展?fàn)顩r對二氧化碳的排放之間存在著長期的均衡關(guān)系,即金融相關(guān)率和金融機(jī)構(gòu)存貸比與碳排放存在著正向的影響,而外商直接投資占比和私營部門信貸占比與碳排放存在著負(fù)向的影響。從長期來看,金融相關(guān)率越高,經(jīng)濟(jì)的貨幣化程度越高,更多的借貸資本會(huì)通過各種方式流入以能源消耗為主的行業(yè),加速行業(yè)擴(kuò)張和產(chǎn)能過剩行業(yè)的發(fā)展,會(huì)加大碳排放量;金融機(jī)構(gòu)存貸比越高,即金融機(jī)構(gòu)給企業(yè)的貸款數(shù)量越多,企業(yè)則會(huì)盲目擴(kuò)張,追求一時(shí)的經(jīng)濟(jì)增長,以犧牲環(huán)境為代價(jià),最終會(huì)加劇環(huán)境污染和碳排放。外商直接投資占比的增加從長期看是有利于抑制碳排放的,外商直接投資會(huì)產(chǎn)生技術(shù)溢出效應(yīng),中國可以在吸引外商投資的過程中,借鑒和模仿國外的技術(shù)和流程,減少污染物排放和能源消耗,直接的減少碳排放;私營部門信貸占比的提高從長期看也是會(huì)有助于抑制碳排放的,私營部門的市場經(jīng)濟(jì)意識(shí)較強(qiáng),創(chuàng)新能力較強(qiáng),資金利用效率更高,相比國有企業(yè)具有更大的創(chuàng)新力和爆發(fā)力,能夠利用借貸的資本加速產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和轉(zhuǎn)型,改進(jìn)技術(shù)設(shè)備,提高能源利用效率。雖然私營部門對整個(gè)經(jīng)濟(jì)的貢獻(xiàn)沒有國有部門的貢獻(xiàn)大,但是作為社會(huì)主義市場經(jīng)濟(jì)的重要組成部分,是最具活力和創(chuàng)新力的,可作為經(jīng)濟(jì)的風(fēng)向標(biāo),在節(jié)能減排方面也發(fā)揮著重要的作用。
(2)從誤差修正模型的短期影響結(jié)果來看,外商直接投資占比和金融機(jī)構(gòu)存貸比對碳排放的影響方向與長期均衡分析的方向是一致的;而金融相關(guān)率和私營部門信貸占比對碳排放的影響方向與長期效應(yīng)的作用方向正好相反,主要是由于,資金流向發(fā)揮作用產(chǎn)生技術(shù)效應(yīng)需要一定的時(shí)間,會(huì)有一定的滯后性,因此的短期內(nèi)不僅不能減少碳排放量,反而會(huì)增加碳排放量。
(3)從各金融指標(biāo)對碳排放的敏感度分析看,1980- 1988年之間各個(gè)金融發(fā)展指標(biāo)對碳排放影響的敏感系數(shù)波動(dòng)都比較大主要是由于中國經(jīng)濟(jì)在這一時(shí)期波動(dòng)較大,金融指標(biāo)和碳排放的數(shù)量在這一時(shí)期波動(dòng)也較大;而1990年之后,隨之進(jìn)行的市場經(jīng)濟(jì)改革,經(jīng)濟(jì)逐步趨穩(wěn),敏感度系數(shù)也比較穩(wěn)定,其中影響最大的是金融相關(guān)率且一直有正的波動(dòng)率,說明經(jīng)濟(jì)金融化程度的提高并不能有效的降低碳排放量。其他的金融發(fā)展指標(biāo)則基本在0上下波動(dòng),說明對碳排放的影響的敏感度并不大,而且在不同的時(shí)期表現(xiàn)的影響方向也不同。值得注意的是,外商直接投資占比對碳排放的敏感度在2008年以后負(fù)影響的程度逐漸變大,主要是由于在金融危機(jī)后中國對引進(jìn)外商直接投資的規(guī)模和方向都有了一定的限制,限制高能耗和高污染的行業(yè),使得碳排放有明顯的下降,且私營部門信貸占比對碳排放的抑制作用近幾年來也逐漸顯現(xiàn),進(jìn)一步說明了私營部門對節(jié)能減排所起到的重要作用。
(二)抑制碳排放的政策建議
從以上的實(shí)證結(jié)論我們可以看出,金融發(fā)展對碳排放存在著重要的相關(guān)關(guān)系,因此不管是從長期還是從短期來看,中國政府和企業(yè)在制定降低能源消耗、節(jié)能減排的措施方面都必須考慮金融發(fā)展的因素。
(1)外商直接投資對中國經(jīng)濟(jì)的發(fā)展起著重要的推動(dòng)作用,中國利用外資的規(guī)模也在不斷擴(kuò)大,外商直接投資具有明顯的技術(shù)溢出效應(yīng),在中國當(dāng)前整體創(chuàng)新不足的背景下,借鑒和模仿國外的先進(jìn)技術(shù)和設(shè)備不失為一種提高自身水平的途徑。當(dāng)然吸引外商投資并不能盲目,在整體規(guī)模擴(kuò)大的基礎(chǔ)上,更要注重質(zhì)量的提高,要吸引那些具有先進(jìn)技術(shù)作為支撐,具有明顯的發(fā)展前景的產(chǎn)業(yè),一方面可以帶動(dòng)中國在該領(lǐng)域相對薄弱的產(chǎn)業(yè)的發(fā)展,另一方面又可以對中國高能耗的企業(yè)產(chǎn)生明顯的示范效應(yīng),促使中國企業(yè)主動(dòng)的去改進(jìn)技術(shù)設(shè)備,合理控制產(chǎn)業(yè)規(guī)模,積極轉(zhuǎn)型升級,淘汰高污染、高能耗的產(chǎn)業(yè)。因此,在吸引外商直接投資的過程中,必須要加強(qiáng)監(jiān)管,優(yōu)化投資的方向和規(guī)模,防止中國成為外商企業(yè)轉(zhuǎn)移碳排放和污染物的“避難所”。
(2)由于企業(yè)的轉(zhuǎn)型升級和技術(shù)創(chuàng)新需要較長的周期,從實(shí)證結(jié)果中我們也可以看出,金融發(fā)展對碳排放在短期的抑制作用并不明顯,而長期看是有利于抑制碳排放的,說明存在著明顯的時(shí)滯性,尤其是在私營部門的信貸占比對碳排放的影響上。因此對企業(yè)持續(xù)的金融支持就顯得十分必要,尤其是對私營部門的信貸支持,私營部門是市場中最具創(chuàng)新和活力的市場主體,往往具有較強(qiáng)的市場嗅覺,能夠較好的把握市場的發(fā)展方向,因此,給予這些企業(yè)更多的資金信貸支持,降低這些企業(yè)的融資成本,可以幫助這些企業(yè)縮短技術(shù)創(chuàng)新的周期,使這些企業(yè)能夠在較短的時(shí)間內(nèi)進(jìn)行技術(shù)創(chuàng)新,更新設(shè)備,減少污染物的排放;另外國家應(yīng)嚴(yán)格控制對高能耗高污染的行業(yè)的信貸,提高資金借貸的門檻,加大對核能、風(fēng)能和太陽能等清潔無污染的能源的資金投入,更多的鼓勵(lì)民間資本的進(jìn)入,更好的發(fā)揮金融對經(jīng)濟(jì)環(huán)境的推動(dòng)作用。
(3)金融中介機(jī)構(gòu)在金融深化與金融發(fā)展過程中起著重要的作用,因此,發(fā)揮金融手段對節(jié)能減排的作用更多的還是要激發(fā)金融中介機(jī)構(gòu)的參與熱情。商業(yè)銀行可以在現(xiàn)有的傳統(tǒng)業(yè)務(wù)基礎(chǔ)上,有針對性地開展一些新的業(yè)務(wù),通過資金手段對一些有優(yōu)勢、有前景的企業(yè)提供綠色信貸支持,幫助其實(shí)現(xiàn)融資難的問題;證券保險(xiǎn)和基金公司也可以根據(jù)不同的行業(yè)的發(fā)展?fàn)顩r開發(fā)一些金融創(chuàng)新工具,加強(qiáng)碳金融交易的規(guī)范化,不僅可以使金融機(jī)構(gòu)實(shí)現(xiàn)自身利益的發(fā)展,也有助于企業(yè)利潤的可持續(xù)增長,推動(dòng)整個(gè)國家節(jié)能減排目標(biāo)的實(shí)現(xiàn)。
參考文獻(xiàn):
[1] Soytas U, Sari R, Ewing B T. Energy consumption, income, and carbon emissions in the United States [J]. Ecological Economics, 2007, 62(3- 4): 482- 489.
[2] Zhang X P, Cheng X M. Energy consumption, carbon emissions, and economic growth in China [J]. Ecological Economics, 2009, 68(10): 2706- 2712.
[3]孫欣,張可蒙.中國碳排放強(qiáng)度影響因素實(shí)證分析[J].統(tǒng)計(jì)研究,2014(2):61- 67.
[4]林壽富.考慮多因素影響的二氧化碳排放環(huán)境庫次涅茨曲線檢驗(yàn)——基于ARDL模型的實(shí)證分析[J].軟科學(xué),2014(6):127- 130.
[5] Mazzanti M,Musolesi A,Zoboli R. A Bayesian Approach to the Estimation of Environmental Kuznets Curves for CO2 Emissions[R].FEEMWorking Paper,2006,10.
[6]賈登勛,黃杰.門坎效應(yīng)、經(jīng)濟(jì)增長與碳排放[J].軟科學(xué), 2015(4):67- 70.
[7] Frankel J A, Romer D. Does Trade Cause Growth?[J]. The American Economic Review, 1999, 89(3): 379- 399.
[8] Dasgupta S, Laplante B, Mamingi N. Pollution and capital markets in developing countries[J]. Journal of Environmental Economics and Management, 2001, 42(3): 310- 335.
[9] Sadorsky P..The impact of financial development on energy consumption in emerging economie [J]. Energy Policy, 2010,38(5):2528- 2535.
[10] Zhang Y J. The impact of financial development on carbon emissions: An empirical analysis in China[J]. Energy Policy, 2011, 39(4): 2197- 2203.
[11] Boutabba M A. The impact of financial development, income, energy and trade on carbon emissions: Evidence from the Indian economy[J]. Economic Modelling, 2014, 40: 33- 41.
[12] Mielnik O.,Goldemberg J. Foreign Direct Investment and Decoupling between Energy and Gross Domestic Product in Developing Countries[J]. Energy Policy,2002,30(2):87- 89 .
[13] Claessens S, Feijen E. Financial sector development and the millennium development goals[M]. World Bank Publications, 2007.
[14] Tamazian A, Chousa J P, Vadlamannati K C. Does higher economic and financial development lead to environmental degradation: evidence from BRIC countries [J]. Energy policy, 2009, 37(1): 246- 253.
[15] Jalil A, Feridun M. The impact of growth, energy and financial development on the environment in China: A cointegration analysis[J]. Energy Economics, 2011, 33 (2): 284- 291.
[16] Ozturk I, Acaravci A. The long- run and causal analysis of energy, growth, openness and financial development on carbon emissions in Turkey[J]. Energy Economics, 2013, 36 (3): 262- 267.
[17]郭郡郡,劉成玉,劉玉萍.金融發(fā)展對二氧化碳排放的影響——基于跨國資料的實(shí)證研究[J].投資研究,2010 (7):41- 53.
[18]任力,黃崇杰.中國金融發(fā)展會(huì)影響能源消費(fèi)嗎?——基于動(dòng)態(tài)面板數(shù)據(jù)的分析[J].經(jīng)濟(jì)管理,2011(5):7- 14.
[19]陳碧瓊,張梁梁,動(dòng)態(tài)空間視角下金融發(fā)展對碳排放的影響力分析[J].軟科學(xué),2014(7):140- 144.
[20]陳欣,劉明.金融發(fā)展對二氧化碳排放影響的經(jīng)驗(yàn)研究[J].財(cái)經(jīng)問題研究,2015(4):40- 46.
(責(zé)任編輯:周小紅)
An Empirical Analysis on the Dynamic Relationship between China’s Financial Development and Carbon Emission
LIU Feng-gen, LI Kun-huan, ZHOU Yu-jian
(School of Finance, Hunan Universityof Commerce, Changsha, Hunan 410205)
Abstract:Based on the time series data from 1980 to 2013, considering financial interrelations ratio, the percentage of FDI to GDP, the percentage of Credit to private sector to GDP, the ratio of deposits and loans of financial institutions, using Structural Vector Auto Regression (SVAR), co-integration analysis, and error correction model (ECM), the paper tests the long-term and short-term relationship between China’s financial development and carbon emission, and then by using the state-space model, it analyzes each indicator’s sensitivity to carbon emission. The results show that financial development has obvious dynamic impact on carbon emissions, the percentage of FDI to GDP is always negatively correlated with carbon emission in terms of long-term or short-term; the ratio of deposits and loans of financial institutions are positively correlated with carbon emission; the effect direction of financial interrelations ratio and the percentage of Credit to private sector to GDP to carbon emission is not the same in long-term and shortterm. The sensitivity of different financial development indicator to carbon emission performs different features. Finally, it presents some suggestions to reduce carbon emission according to the empirical results.
Key words:financial development; carbon emission; SVAR Model; co-integration test; State-space Model
作者簡介:劉鳳根(1969—),男,江西南城人,經(jīng)濟(jì)學(xué)博士,湖南商學(xué)院財(cái)政金融學(xué)院副教授,碩士生導(dǎo)師,主要研究方向:資產(chǎn)價(jià)格波動(dòng)與宏觀經(jīng)濟(jì)波動(dòng);李坤歡(1989—),男,河南鄧州人,湖南商學(xué)院財(cái)政金融學(xué)院碩士研究生;周馭艦(1991—),男,湖南長沙人,湖南商學(xué)院財(cái)政金融學(xué)院碩士研究生。
收稿日期:2015-11-28
中圖分類號:F832:X22;F124.5
文獻(xiàn)標(biāo)識(shí)碼:A
文章編號:1008- 2107(2016)01- 0079- 10