林發(fā)照

(福建師范大學(xué) 經(jīng)濟(jì)學(xué)院， 福建 福州 350108)

1 引言

20世紀(jì)以來(lái)，全球各種能源消耗量均呈現(xiàn)出指數(shù)級(jí)增長(zhǎng)的態(tài)勢(shì)。2017年聯(lián)合國(guó)所發(fā)布的《WMO溫室氣體公報(bào)》明確指出：在過(guò)去的70年間，全球CO2濃度的增長(zhǎng)速度相比冰河結(jié)束末期時(shí)超出了100倍。為了有效應(yīng)對(duì)全球CO2濃度的不斷升高，2017年11月，在德國(guó)召開(kāi)的聯(lián)合國(guó)氣候大會(huì)上，世界各地與會(huì)者的目光再次聚焦于“減排”任務(wù)上，中國(guó)提出的“中國(guó)方案”獲得各國(guó)的稱贊，展示了中國(guó)對(duì)降低碳排放的決心和能力。

自2005年起，福建省CO2排放強(qiáng)度已經(jīng)呈現(xiàn)出下降的態(tài)勢(shì)。2017年福建省CO2排放強(qiáng)度達(dá)到了1.207噸/萬(wàn)元，比2005年減少了45%，已經(jīng)提前實(shí)現(xiàn)了在2020年將CO2排放強(qiáng)度下降至2005年的45%的減排計(jì)劃。隨著減排的持續(xù)進(jìn)行，福建省的經(jīng)濟(jì)增長(zhǎng)和產(chǎn)業(yè)結(jié)構(gòu)調(diào)整也在同步推進(jìn)。自1995年以來(lái)，福建省的GDP增長(zhǎng)始終保持著向上的趨勢(shì)，尤其是2005年以來(lái)增長(zhǎng)的速度有所提高。1999年之前，福建省的產(chǎn)業(yè)結(jié)構(gòu)趨于高級(jí)化，而2000-2014年間，福建省的產(chǎn)業(yè)結(jié)構(gòu)總體上處于低級(jí)化發(fā)展過(guò)程，表現(xiàn)為第二產(chǎn)業(yè)占GDP的比重總體上增加了。因此，從當(dāng)前來(lái)看，福建省產(chǎn)業(yè)結(jié)構(gòu)要邁向高級(jí)階段仍然需要進(jìn)一步調(diào)整。

隨著減排計(jì)劃的有效實(shí)施，福建省CO2排放強(qiáng)度下降明顯。然而，“減排”已經(jīng)進(jìn)入較為復(fù)雜的階段，“三高”且產(chǎn)能落后企業(yè)也已淘汰許多，要在保持經(jīng)濟(jì)平穩(wěn)增長(zhǎng)的同時(shí)，實(shí)現(xiàn)減少65%的減排計(jì)劃，還需要繼續(xù)調(diào)整和優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，提高科技創(chuàng)新能力。對(duì)于以第二產(chǎn)業(yè)為主的福建省而言，要協(xié)調(diào)CO2排放強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)和經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系，一方面，需要協(xié)調(diào)好產(chǎn)業(yè)結(jié)構(gòu)與CO2排放強(qiáng)度之間的關(guān)系；另一方面，還需要明確產(chǎn)業(yè)結(jié)構(gòu)和CO2排放對(duì)福建省經(jīng)濟(jì)增長(zhǎng)的影響。只有充分考慮這些不同的因素，才能在保持福建省經(jīng)濟(jì)平穩(wěn)增長(zhǎng)的同時(shí)，實(shí)現(xiàn)CO2排放強(qiáng)度的進(jìn)一步降低。本文旨在探討福建省CO2排放強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)和GDP之間的動(dòng)態(tài)聯(lián)系。

2 文獻(xiàn)綜述

研究發(fā)現(xiàn)，隨著經(jīng)濟(jì)增長(zhǎng)，CO2排放一般會(huì)先呈現(xiàn)出倒“U”型的趨勢(shì)，在這個(gè)趨勢(shì)中會(huì)出現(xiàn)一個(gè)拐點(diǎn)。林伯強(qiáng)等通過(guò)實(shí)證分析發(fā)現(xiàn)，中國(guó)的CO2排放EKC曲線的理論拐點(diǎn)與實(shí)際拐點(diǎn)有著較大的差異，理論分析得到的拐點(diǎn)出現(xiàn)在2020年，但是實(shí)證分析得到的拐點(diǎn)卻在2040年之后[1]。蔡風(fēng)景等通過(guò)圖模型和BACE方法，對(duì)中國(guó)的CO2排放EKC曲線進(jìn)行了實(shí)證分析，認(rèn)為當(dāng)前CO2排放和GDP增長(zhǎng)之間確實(shí)存在倒“U”型的關(guān)系，不過(guò)當(dāng)前階段的CO2排放仍然未達(dá)到EKC曲線的最高點(diǎn)[2]。ALDY通過(guò)對(duì)美國(guó)1960-1999年的數(shù)據(jù)進(jìn)行分析，認(rèn)為美國(guó)各大洲的CO2排放與GDP之間，可能具有倒“U”型的聯(lián)系[3]。關(guān)于是否存在拐點(diǎn)問(wèn)題，也有持相反意見(jiàn)的。左文鼎通過(guò)回歸分析認(rèn)為，從短期來(lái)看，我國(guó)當(dāng)前的碳排放與GDP之間的所謂倒“U”型關(guān)聯(lián)并不明顯，從長(zhǎng)遠(yuǎn)來(lái)看，兩個(gè)變量只是具有“N”型的關(guān)系，不存在所謂的拐點(diǎn)[4]。CO2排放與GDP具有倒“U”型的關(guān)聯(lián)，表明一個(gè)地區(qū)在不同發(fā)展階段，其CO2排放強(qiáng)度有著較大的差異。

不同階段的經(jīng)濟(jì)發(fā)展水平對(duì)應(yīng)的產(chǎn)業(yè)結(jié)構(gòu)有其特殊性。李健等利用省際面板數(shù)據(jù)分析了各個(gè)省份的CO2排放強(qiáng)度和不同產(chǎn)業(yè)的聯(lián)系，認(rèn)為第二產(chǎn)業(yè)相比其他產(chǎn)業(yè)對(duì)地區(qū)CO2排放強(qiáng)度的影響更大，通過(guò)調(diào)整和升級(jí)產(chǎn)業(yè)結(jié)構(gòu)，可以降低CO2排放強(qiáng)度[5-6]。陳永國(guó)等通過(guò)實(shí)證分析指出，引起CO2排放強(qiáng)度下降的最重要原因并不是產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，而是行業(yè)效率的提高[7]。這一結(jié)果說(shuō)明，要降低CO2排放強(qiáng)度，還可以通過(guò)提高行業(yè)效率實(shí)現(xiàn)。根據(jù)已有文獻(xiàn)，不同人員對(duì)CO2排放強(qiáng)度的研究結(jié)果呈現(xiàn)出較大的差異。之所以造成這種差異，在于不同研究人員所使用的研究方法不同。這也說(shuō)明，根據(jù)現(xiàn)有數(shù)據(jù)針對(duì)同一問(wèn)題所得出的結(jié)論不夠穩(wěn)健，用不同的模型、方法所得出的結(jié)果差異也相對(duì)較大。

楊會(huì)香等在研究廣東省產(chǎn)業(yè)結(jié)構(gòu)變動(dòng)和CO2排放的關(guān)系時(shí)將技術(shù)進(jìn)步變量引入模型之中，發(fā)現(xiàn)技術(shù)進(jìn)步在降低CO2排放強(qiáng)度中的作用相比結(jié)構(gòu)優(yōu)化更加明顯[8]。于左等研究了不同國(guó)家CO2排放、產(chǎn)業(yè)結(jié)構(gòu)和GDP三者的聯(lián)系，發(fā)現(xiàn)處于不同發(fā)展階段的國(guó)家，其CO2排放強(qiáng)度與經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系存在著較大的差異。從發(fā)達(dá)國(guó)家來(lái)看，CO2排放強(qiáng)度已經(jīng)越過(guò)了CO2排放EKC曲線的拐點(diǎn)；隨著經(jīng)濟(jì)的進(jìn)一步發(fā)展，CO2排放強(qiáng)度反而開(kāi)始下降。但是，對(duì)于發(fā)展中國(guó)家來(lái)說(shuō)，這種情況恰好相反。發(fā)展中國(guó)家由于處于粗放型發(fā)展階段，CO2排放強(qiáng)度與GDP增長(zhǎng)呈現(xiàn)出正相關(guān)關(guān)系[9]。不同國(guó)家對(duì)于CO2排放的影響因素也有著較大差異。ADOM等在研究非洲的塞內(nèi)加爾、摩洛哥和加納等3個(gè)國(guó)家的碳排放、產(chǎn)業(yè)結(jié)構(gòu)、技術(shù)效率和GDP等4個(gè)變量的內(nèi)在聯(lián)系時(shí)，發(fā)現(xiàn)經(jīng)濟(jì)增長(zhǎng)是引起塞內(nèi)加爾和摩洛哥CO2排放的主要因素，而技術(shù)效率是引起加納地區(qū)CO2排放量變化的重要原因[10]。

已有文獻(xiàn)表明，引起CO2排放強(qiáng)度變化的原因眾多，如產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、GDP增長(zhǎng)以及技術(shù)進(jìn)步等。產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化有助于降低CO2排放強(qiáng)度。一個(gè)地區(qū)的經(jīng)濟(jì)增長(zhǎng)方式往往會(huì)經(jīng)歷從粗放型向集約型轉(zhuǎn)變的過(guò)程，在粗放型發(fā)展過(guò)程中，如果能源消耗增長(zhǎng)速度超過(guò)了GDP增長(zhǎng)速度，將導(dǎo)致CO2排放強(qiáng)度的提高。隨著該地區(qū)經(jīng)濟(jì)發(fā)展轉(zhuǎn)向集約型發(fā)展，CO2排放強(qiáng)度又將開(kāi)始下降。但是，如現(xiàn)有文獻(xiàn)所展現(xiàn)的，技術(shù)的進(jìn)步在不同分析模型下對(duì)CO2排放強(qiáng)度的影響并不一致。因此，本文對(duì)碳排放的分析，沒(méi)有將技術(shù)進(jìn)步指標(biāo)納入其中。從已有文獻(xiàn)來(lái)看，多數(shù)文獻(xiàn)在考察CO2排放強(qiáng)度與產(chǎn)業(yè)結(jié)構(gòu)、GDP等變量之間的關(guān)系時(shí)，沒(méi)有從整體角度去考察。產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化不僅能夠降低CO2排放強(qiáng)度，同時(shí)也有助于地區(qū)的經(jīng)濟(jì)增長(zhǎng)。本文將從整體的角度對(duì)CO2排放強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)和經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系進(jìn)行分析。

3 理論方法

為研究產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、CO2排放強(qiáng)度與經(jīng)濟(jì)增長(zhǎng)之間的動(dòng)態(tài)聯(lián)系，本文選擇VAR模型進(jìn)行建模。一般AR模型僅對(duì)自身變量的不同滯后階數(shù)進(jìn)行估計(jì)，沒(méi)有將其他影響因素納入模型中。當(dāng)需要考察多個(gè)指標(biāo)之間是否存在動(dòng)態(tài)關(guān)系時(shí)，若是分別構(gòu)建多個(gè)AR模型，則無(wú)法考察多個(gè)指標(biāo)之間的動(dòng)態(tài)關(guān)系[11]。VAR模型則用于分析多指標(biāo)之間的動(dòng)態(tài)關(guān)系，是AR模型進(jìn)行多指標(biāo)聯(lián)立的一種擴(kuò)展形式。該模型最早于1980年由SIMS提出。模型內(nèi)部存在2個(gè)參數(shù)：一個(gè)是模型中包含的變量個(gè)數(shù)N，一個(gè)是模型中的最大滯后期p。VAR模型的結(jié)構(gòu)如公式(1)所示：

Xt=c+A1Xt-1+A2Xt-2+…+ApXt-p+εt

(1)

其中：Xt表示一組由各個(gè)變量組成的向量；c表示模型的常數(shù)項(xiàng)；p表示該模型的滯后期數(shù)；Ap表示各個(gè)變量的系數(shù)所組成的矩陣；εt表示VAR模型中的殘差項(xiàng)所組成的列向量。

4.1 CO2排放強(qiáng)度

當(dāng)前，國(guó)內(nèi)還沒(méi)有針對(duì)CO2排放的直接觀測(cè)數(shù)據(jù)。國(guó)內(nèi)學(xué)者對(duì)CO2排放總量的計(jì)算，主要基于兩個(gè)方面的數(shù)據(jù)。一是從各年份統(tǒng)計(jì)年鑒中獲得的能源消耗總量，包括煤炭、焦炭、原油、汽油、煤油、柴油、燃料油和天然氣8種能源；二是利用《綜合能耗計(jì)算通則》《省級(jí)溫室氣體清單編制指南》中的相關(guān)變量計(jì)算得到的CO2排放系數(shù)，包括平均低位發(fā)熱量、單位熱值含碳量、碳氧化率。1995-2016年能源消耗量數(shù)據(jù)選自國(guó)家統(tǒng)計(jì)局網(wǎng)站，2017年能源消耗量數(shù)據(jù)則選自《2018年福建統(tǒng)計(jì)年鑒》。CO2排放強(qiáng)度的計(jì)算公式如下[12]：

(2)

(3)

其中；TCO2j表示第j年的CO2排放總量，Ti表示第i種能源的使用量，Vi表示第i種能源的平均低位發(fā)熱量，Ci表示第i種能源的單位熱值含碳量，Ri表示第i種能源的碳氧化率，44/12表示單個(gè)碳分子形成的CO2數(shù)量，CO2j表示第j年的CO2排放強(qiáng)度。相關(guān)指標(biāo)如表1所示。

表1 CO2排放系數(shù)表

4.2 產(chǎn)業(yè)結(jié)構(gòu)

產(chǎn)業(yè)結(jié)構(gòu)是指以產(chǎn)業(yè)為元素對(duì)國(guó)民經(jīng)濟(jì)整體活動(dòng)構(gòu)成的分析，用于衡量一個(gè)地區(qū)不同產(chǎn)業(yè)產(chǎn)值在該地區(qū)生產(chǎn)總值中的比值的大小[13]。隨著經(jīng)濟(jì)的發(fā)展，產(chǎn)業(yè)結(jié)構(gòu)逐漸由低級(jí)轉(zhuǎn)向高級(jí)。產(chǎn)業(yè)結(jié)構(gòu)的高級(jí)化，則意味著第三產(chǎn)業(yè)增加值占GDP的比重不斷地增大[14]。李雪對(duì)產(chǎn)業(yè)結(jié)構(gòu)和CO2強(qiáng)度的關(guān)系進(jìn)行了實(shí)證分析，發(fā)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)向高級(jí)化調(diào)整有利于降低CO2排放強(qiáng)度，即通過(guò)降低第二產(chǎn)業(yè)在國(guó)內(nèi)GDP中的比重，同時(shí)大力發(fā)展第三產(chǎn)業(yè)，有效降低碳排放強(qiáng)度[15]。因此，結(jié)合現(xiàn)有研究，本文將產(chǎn)業(yè)結(jié)構(gòu)指標(biāo)定義為：第二產(chǎn)業(yè)的增加值與第三產(chǎn)業(yè)的增加值之比，即：

(4)

其中，GDP2、GDP3分別表示第二產(chǎn)業(yè)增加值、第三產(chǎn)業(yè)增加值。INS的值越小，第三產(chǎn)業(yè)增加值相對(duì)第二產(chǎn)業(yè)增加值就越大，表明該地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)越高級(jí)。INS的值越大，第三產(chǎn)業(yè)增加值相對(duì)第二產(chǎn)業(yè)增加值就越小，表明該地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)越低級(jí)。

4.3 經(jīng)濟(jì)增長(zhǎng)

由于各個(gè)年份之間存在一定程度的通貨膨脹或通貨緊縮，無(wú)法對(duì)不同年份的GDP進(jìn)行直接比較。因此，針對(duì)本文所涉及的GDP、第二產(chǎn)業(yè)增加值和第三產(chǎn)業(yè)增加值，均采用以1995年不變價(jià)格計(jì)算得到的實(shí)際數(shù)值。有關(guān)數(shù)據(jù)均取自福建省統(tǒng)計(jì)局《2018年統(tǒng)計(jì)年鑒》。為避免序列之間存在異方差，同時(shí)盡可能保持?jǐn)?shù)據(jù)的原始特征，對(duì)CO2排放強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)和經(jīng)濟(jì)增長(zhǎng)3個(gè)變量取對(duì)數(shù)，分別命名為L(zhǎng)NCO2、LNINS、LNGDP。

4.4 變量說(shuō)明

通過(guò)計(jì)算，得到1995-2017年CO2排放強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)和經(jīng)濟(jì)增長(zhǎng)3個(gè)指標(biāo)數(shù)據(jù)，其中CO2排放強(qiáng)度和產(chǎn)業(yè)結(jié)構(gòu)如圖1所示。從圖1可知，福建省的產(chǎn)業(yè)結(jié)構(gòu)與CO2排放強(qiáng)度具有相似的變動(dòng)趨勢(shì)。在整個(gè)研究周期內(nèi)，CO2排放強(qiáng)度可以劃分為4個(gè)階段：第一階段為1995-2000年，該階段產(chǎn)業(yè)結(jié)構(gòu)處于向高級(jí)化發(fā)展的過(guò)程，而CO2排放強(qiáng)度呈現(xiàn)出快速下降的趨勢(shì)；第二階段為2001-2005年，該階段的產(chǎn)業(yè)結(jié)構(gòu)朝著低級(jí)化方向發(fā)展，CO2排放強(qiáng)度卻在快速提高；第三階段為2005-2011年，該階段的產(chǎn)業(yè)結(jié)構(gòu)開(kāi)始重新優(yōu)化調(diào)整，因此CO2排放強(qiáng)度在緩慢下降；第四階段為2011-2017年，該階段的產(chǎn)業(yè)結(jié)構(gòu)升級(jí)并不明顯，但CO2排放強(qiáng)度在急速下降?？傮w而言，CO2排放強(qiáng)度與產(chǎn)業(yè)結(jié)構(gòu)具有類似的變動(dòng)趨勢(shì)，表明這兩者之間可能存在關(guān)聯(lián)。

5 實(shí)證分析

5.1 序列ADF檢驗(yàn)

VAR模型建立的前提是，模型中所包含的內(nèi)生變量都能通過(guò)單位根檢驗(yàn)。由于時(shí)間序列數(shù)據(jù)可能存在擾動(dòng)項(xiàng)自相關(guān)的情況，因此，在進(jìn)行單位根檢驗(yàn)時(shí)，采用帶有滯后高階的ADF單位根檢驗(yàn)，可以有效降低擾動(dòng)項(xiàng)自相關(guān)性對(duì)單位根檢驗(yàn)的影響。原始變量的ADF單位根檢驗(yàn)結(jié)果如表2所示。從表2可知，原始變量中僅LNCO2在10%置信度下拒絕了存在單位根的假設(shè)，其余變量都在5%置信度下拒絕了存在單位根的假設(shè)。

圖1 CO2排放強(qiáng)度與產(chǎn)業(yè)結(jié)構(gòu)的發(fā)展趨勢(shì)圖

表2 ADF單位根檢驗(yàn)表

注：I(c,d,t)中，c表示常數(shù)項(xiàng)，d表示漂移項(xiàng)，t表示趨勢(shì)項(xiàng)；若c、d、t的值為1，表示含該項(xiàng)。

5.2 滯后階數(shù)的選擇

構(gòu)建VAR模型時(shí)，不同的滯后階數(shù)對(duì)模型和各項(xiàng)檢驗(yàn)會(huì)產(chǎn)生較大的影響。因此，在構(gòu)建模型時(shí)需要擬合最佳的滯后階數(shù)。對(duì)于年度數(shù)據(jù)，一般選擇最大滯后階數(shù)4階。如表3所示，表中LL、LR、P、FPE、AIC、HQIC、SBIC分別表示7個(gè)不同的信息準(zhǔn)則。當(dāng)滯后期選擇1期時(shí)，F(xiàn)PE、HQIC和SBIC認(rèn)為選擇1期能夠擬合最佳的模型。當(dāng)滯后期選擇4期時(shí)，只有LR和AIC認(rèn)為選擇1期能夠擬合最佳的模型。從理論上來(lái)看，可以選擇1階或者4階作為VAR模型的滯后階數(shù)。由于本文的樣本量較少，若采用4階滯后階數(shù)，則整個(gè)VAR模型中包含39個(gè)待估參數(shù)。過(guò)多的待估參數(shù)會(huì)縮小樣本容量和降低模型的預(yù)測(cè)能力，故在本文所構(gòu)建的VAR系統(tǒng)中選擇滯后階數(shù)為1階。

表3 滯后階數(shù)選擇表

注：*表示滿足信息準(zhǔn)則。

5.3 殘差序列統(tǒng)計(jì)檢驗(yàn)

5.3.1 自相關(guān)LM檢驗(yàn)

VAR模型的建立是以殘差無(wú)自相關(guān)為假設(shè)前提，若存在自相關(guān)，需增加VAR模型的滯后階數(shù)。因此，需要對(duì)VAR模型的殘差項(xiàng)作LM自相關(guān)檢驗(yàn)。由表4可知，在5%置信度下對(duì)殘差項(xiàng)進(jìn)行1階和2階自相關(guān)LM檢驗(yàn)，均接受了“不存在自相關(guān)”的假設(shè)，表明本文構(gòu)建的VAR模型的殘差項(xiàng)無(wú)自相關(guān)，無(wú)需再增加VAR模型滯后階數(shù)。

表4 殘差自相關(guān)LM檢驗(yàn)結(jié)果

5.3.2 正態(tài)分布檢驗(yàn)

VAR模型的建立以眾多的假設(shè)為前提，其中殘差項(xiàng)服從正態(tài)分布是其假設(shè)前提之一。若殘差項(xiàng)通過(guò)了正態(tài)分布檢驗(yàn)，那么模型的擬合程度最高。若殘差項(xiàng)不服從正態(tài)分布，則VAR模型的準(zhǔn)確性變差，導(dǎo)致模型的預(yù)測(cè)區(qū)間失效。由表5可知，在Jarque-Bera檢驗(yàn)、Skewness檢驗(yàn)和Kurtosis檢驗(yàn)中，單一方程LNGDP、LNCO2、LNINS和作為方程整體殘差的P值，均在5%置信度下接受了模型的殘差項(xiàng)“服從正態(tài)分布”的假設(shè)。

5.4 Granger因果檢驗(yàn)

利用Granger因果檢驗(yàn)，可以進(jìn)一步探明CO2排放強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)和經(jīng)濟(jì)增長(zhǎng)之間是否具有因果關(guān)聯(lián)。這種因果關(guān)聯(lián)只是數(shù)據(jù)所表現(xiàn)出來(lái)的變量之間的相關(guān)關(guān)系，能夠用于衡量各個(gè)變量在發(fā)生時(shí)間上的前后關(guān)系。本文中LNGDP、LNINS和LNCO2的Granger因果關(guān)系如表6所示。

表5 殘差正態(tài)分布檢驗(yàn)結(jié)果

表6 Granger因果檢驗(yàn)結(jié)果

從表6可知，在驗(yàn)證LNINS系數(shù)的顯著性時(shí)，LNCO2系數(shù)的卡方值為7.462，P值為0.006，在5%置信度下，拒絕了“LNCO2不是LNINS的原因”。而LNGDP的卡方值為6.041，P值為0.014，在5%置信度下，拒絕了“LNGDP不是LNINS的原因”。同理，在驗(yàn)證LNGDP系數(shù)的顯著性時(shí)，在5%置信度下，拒絕了“LNCO2不是LNGDP的原因”，接受了“LNINS不是LNGDP的原因”。綜合來(lái)看，福建省的CO2排放強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)和經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系如圖2所示。

圖2 CO2強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)和經(jīng)濟(jì)增長(zhǎng)的關(guān)系示意圖

5.5 模型穩(wěn)定性檢驗(yàn)

本文所建立的VAR模型的滯后階數(shù)為1階，模型中有3個(gè)內(nèi)生變量，因此在穩(wěn)定性分析中存在3個(gè)特征根。從模型的根模顯示表(表7)和根模顯示圖(圖3)可知，VAR模型3個(gè)特征根的模均小于1。在圖3中表現(xiàn)為模型特征根的模均落于單位圓內(nèi)，表明本文所構(gòu)建的VAR模型是穩(wěn)定的。但是，從表7可知，特征根λ1的模比較接近1，說(shuō)明部分沖擊會(huì)對(duì)模型形成長(zhǎng)期的影響。

表7 VAR根模顯示表

圖3 VAR根模顯示圖

5.6 IRF脈沖響應(yīng)函數(shù)

脈沖響應(yīng)函數(shù)用于考察一個(gè)變量對(duì)另一個(gè)變量的沖擊所產(chǎn)生的動(dòng)態(tài)效應(yīng)，即一個(gè)變量的當(dāng)期沖擊對(duì)其他變量的時(shí)滯效應(yīng)。結(jié)合Granger因果檢驗(yàn)結(jié)果，本文主要分析具有因果關(guān)系的變量的脈沖響應(yīng)圖。根據(jù)表6，可以將脈沖響應(yīng)分為2種：一是直接效應(yīng)，即LNGDP對(duì)LNINS以及LNINS對(duì)LNCO2的滯后項(xiàng)的沖擊影響；二是反饋效應(yīng)，即LNCO2對(duì)LNINS和LNGDP的滯后項(xiàng)的沖擊影響。

(1) 直接效應(yīng)。Granger因果檢驗(yàn)表明，LNGDP是引起LNINS變化的原因，而LNINS是引起LNCO2變化的原因。由圖4可知，LNGDP對(duì)LNINS的沖擊，使LNINS從第1期到第12期的響應(yīng)值持續(xù)為正值。總體來(lái)看，LNGDP對(duì)LNINS的影響是正向的，存在滯后性。這表明產(chǎn)業(yè)結(jié)構(gòu)對(duì)經(jīng)濟(jì)增長(zhǎng)存在一定的依賴性。由圖5可知，LNINS對(duì)LNCO2的沖擊，使LNCO2在第1期的響應(yīng)值為正值，從第2期開(kāi)始到第10期響應(yīng)值持續(xù)為負(fù)值。這表明產(chǎn)業(yè)結(jié)構(gòu)的升級(jí)，僅在第1期能夠降低CO2排放強(qiáng)度，從第2期開(kāi)始到第10期則使CO2排放強(qiáng)度提高。總體來(lái)看，LNINS對(duì)LNCO2的影響是負(fù)向的，存在滯后性。這表明CO2排放強(qiáng)度對(duì)產(chǎn)業(yè)結(jié)構(gòu)存在一定的依賴性。

圖4 LNGDP對(duì)LNINS的脈沖響應(yīng)

圖5 LNINS對(duì)LNCO2的脈沖響應(yīng)

(2) 反饋效應(yīng)。Granger 因果檢驗(yàn)表明，LNCO2分別與LNINS和LNGDP具有因果關(guān)系。由于前面已經(jīng)分析了LNGDP和LNINS對(duì)其他變量的直接效應(yīng)，因而這里利用脈沖響應(yīng)函數(shù)分析LNCO2對(duì)LNINS和LNGDP的反饋效應(yīng)。由圖6可知，當(dāng)LNCO2對(duì)LNINS實(shí)施一個(gè)單位標(biāo)準(zhǔn)差的正向沖擊后，LNINS在第1期產(chǎn)生正向的響應(yīng)值，響應(yīng)值在短期內(nèi)快速增加，在第3期達(dá)到最大值，隨后開(kāi)始下降，最終趨于0。總體來(lái)看，LNCO2對(duì)LNINS的影響是負(fù)向的，存在滯后性。這表明產(chǎn)業(yè)結(jié)構(gòu)對(duì)CO2排放強(qiáng)度存在一定的依賴性。由圖7可知，當(dāng)LNCO2對(duì)LNGDP實(shí)施一個(gè)單位標(biāo)準(zhǔn)差的正向沖擊后，LNGDP在第1期的響應(yīng)值為正值且值較小，隨后響應(yīng)值緩慢增加，最終趨于一個(gè)穩(wěn)定值。總體來(lái)看，LNCO2對(duì)LNGDP的影響是正向的，存在滯后性。這表明經(jīng)濟(jì)增長(zhǎng)對(duì)CO2碳排放強(qiáng)度存在一定的依賴性。

圖6 LNCO2對(duì)LNINS的脈沖響應(yīng)

圖7 LNCO2對(duì)LNINS的脈沖響應(yīng)

根據(jù)直接效應(yīng)和反饋效應(yīng)，可以發(fā)現(xiàn)LNINS、LNCO2和LNGDP 3個(gè)變量在受到?jīng)_擊后，各自呈現(xiàn)出的特征存在一定程度上的相似性。從時(shí)間維度來(lái)看，各個(gè)變量受到?jīng)_擊的時(shí)間都較長(zhǎng)，基本都在11期之后才會(huì)趨于穩(wěn)定狀態(tài)。從各變量對(duì)沖擊的反應(yīng)來(lái)看，LNGDP和LNINS在第1期到第10期的響應(yīng)值均為正值，而LNCO2的響應(yīng)值僅在1期為正值，從第2期開(kāi)始到第10期均為負(fù)值。

5.7 預(yù)測(cè)方差分解

預(yù)測(cè)方差分解是將VAR模型各個(gè)內(nèi)生變量的均方誤差分解到其他解釋變量的誤差項(xiàng)上。從脈沖響應(yīng)圖來(lái)看，各個(gè)內(nèi)生變量的沖擊對(duì)其他內(nèi)生變量的影響大多在第15期前就趨于穩(wěn)定了，因此，本文的預(yù)測(cè)方差分解期數(shù)設(shè)置為15期即可。

從圖8來(lái)看，對(duì)LNGDP作向前1期的預(yù)測(cè)，其預(yù)測(cè)方差完全來(lái)源于自身；作向前10期的預(yù)測(cè)，有約50%的預(yù)測(cè)方差來(lái)源于自身，其余的大部分由CO2排放強(qiáng)度貢獻(xiàn),說(shuō)明CO2排放強(qiáng)度對(duì)經(jīng)濟(jì)增長(zhǎng)的影響較強(qiáng)。從圖9來(lái)看，對(duì)LNINS作向前10期的預(yù)測(cè)，可以發(fā)現(xiàn)，在前6期超過(guò)50%的預(yù)測(cè)方差來(lái)源于自身，而CO2排放強(qiáng)度對(duì)LNGDP預(yù)測(cè)方差的貢獻(xiàn)隨著期數(shù)增加而上升，說(shuō)明CO2排放強(qiáng)度對(duì)LNINS的影響隨著時(shí)間的推移逐年加強(qiáng)。從圖8、圖9來(lái)看，CO2排放強(qiáng)度不僅對(duì)經(jīng)濟(jì)增長(zhǎng)有影響，還對(duì)產(chǎn)業(yè)結(jié)構(gòu)的變動(dòng)有影響。從圖10來(lái)看，對(duì)LNCO2作向前15期的預(yù)測(cè)，可以發(fā)現(xiàn)，其預(yù)測(cè)方差約有60%來(lái)源于自身；LNGDP對(duì)LNCO2預(yù)測(cè)方差的貢獻(xiàn)率從第1期到第4期逐漸增加，但最終保持在30%；LNINS對(duì)LNCO2預(yù)測(cè)方差的貢獻(xiàn)率從第1期的35%下降到了第3期的10%左右，說(shuō)明產(chǎn)業(yè)結(jié)構(gòu)對(duì)CO2排放強(qiáng)度的影響相對(duì)較小。

圖8 LNGDP方差分解圖

圖9 LNINS方差分解圖

圖10 LNCO2方差分解圖

6 結(jié)論和建議

本文通過(guò)VAR模型、Granger因果檢驗(yàn)、脈沖響應(yīng)分析和方差預(yù)測(cè)分解對(duì)福建省CO2排放強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)和經(jīng)濟(jì)增長(zhǎng)之間的動(dòng)態(tài)關(guān)系進(jìn)行了研究，得出以下結(jié)論：①福建省CO2排放強(qiáng)度對(duì)經(jīng)濟(jì)增長(zhǎng)有影響，總的來(lái)說(shuō)，CO2排放強(qiáng)度的提高促進(jìn)了經(jīng)濟(jì)增長(zhǎng)。在研究時(shí)段內(nèi)，福建省的經(jīng)濟(jì)增長(zhǎng)方式仍以粗放型為主。②產(chǎn)業(yè)結(jié)構(gòu)的升級(jí)能在較短時(shí)期內(nèi)降低CO2排放強(qiáng)度。③從LNGDP、LNINS和LNCO2的沖擊反應(yīng)來(lái)看，各變量未來(lái)方差預(yù)測(cè)值的波動(dòng)，大部分可以從各變量自身得到解釋；而LNGDP和LNINS未來(lái)方差預(yù)測(cè)值的波動(dòng)有相當(dāng)大部分是由CO2排放強(qiáng)度的變化引起的?？偟膩?lái)說(shuō)，CO2排放強(qiáng)度不僅對(duì)經(jīng)濟(jì)增長(zhǎng)有影響，還對(duì)產(chǎn)業(yè)結(jié)構(gòu)的變動(dòng)有影響?；谝陨辖Y(jié)論，提出以下建議：

(1) 繼續(xù)推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí)。以第二產(chǎn)業(yè)為主的粗放型經(jīng)濟(jì)增長(zhǎng)方式，單位GDP能耗較高。這種經(jīng)濟(jì)發(fā)展高度依賴能源使用的狀況，反映出目前福建省第二產(chǎn)業(yè)中高能耗企業(yè)所占比重較大。針對(duì)這種情況，福建省應(yīng)通過(guò)引進(jìn)“清潔生產(chǎn)”的低能耗企業(yè)以及減少高能耗企業(yè)的數(shù)量，來(lái)降低高能耗企業(yè)在第二產(chǎn)業(yè)中所占的比重。第三產(chǎn)業(yè)包括各種不同的行業(yè)，這些行業(yè)大多以低能耗企業(yè)為主，提高第三產(chǎn)業(yè)的比重也能降低CO2排放強(qiáng)度、減少環(huán)境污染。因此，政府在減排過(guò)程中應(yīng)做到：完善環(huán)境保護(hù)體系，通過(guò)立法方式增加超排企業(yè)的法律成本，逐步關(guān)閉“三高”企業(yè)。

(2) 協(xié)調(diào)好減排與經(jīng)濟(jì)發(fā)展的關(guān)系。減排不能搞“一刀切”，一味地關(guān)閉高排放企業(yè)。否則，不僅對(duì)經(jīng)濟(jì)增長(zhǎng)造成較大影響，也會(huì)導(dǎo)致大量工人失業(yè)。應(yīng)該做到既有效降低CO2排放強(qiáng)度，又在減排過(guò)程中保持經(jīng)濟(jì)增長(zhǎng)和就業(yè)穩(wěn)定。要鼓勵(lì)和引導(dǎo)有能力改進(jìn)自身CO2排放的企業(yè)，通過(guò)技術(shù)創(chuàng)新，來(lái)降低自身CO2排放。還可以通過(guò)引進(jìn)低能耗企業(yè)，來(lái)彌補(bǔ)因關(guān)閉“三高”企業(yè)所帶來(lái)的對(duì)經(jīng)濟(jì)和就業(yè)的影響。

(3) 提高科技和環(huán)保投資力度。降低CO2排放強(qiáng)度，除了要進(jìn)行產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，還要加強(qiáng)科技創(chuàng)新。要采取適當(dāng)措施，引導(dǎo)企業(yè)進(jìn)行科技創(chuàng)新，充分增強(qiáng)企業(yè)甚至是整個(gè)行業(yè)在國(guó)際上的競(jìng)爭(zhēng)力，尤其是綠色競(jìng)爭(zhēng)力。一方面要引導(dǎo)行業(yè)逐步調(diào)整結(jié)構(gòu)，另一方面要鼓勵(lì)高能耗企業(yè)加強(qiáng)能源方面的科研支出，提高能源轉(zhuǎn)換效率。