派智库

摘要：本文选取1990-2014年的统计数据，通过构建向量自回归（VAR）模型，并运用脉冲响应函数、方差分解研究了我国人均国内生产总值、能源强度、城镇化率以及工业化率这四个因素对我国碳排放量增长的影响。研究表明：对我国碳排放量增长影响最大的是我国城镇化率和人均国内生产总值，其次是能源强度，工业化率对碳排放量增长的影响程度较小，但也是一个不容忽视的影响因素。 织梦好，好织梦

关键词：VAR模型 碳排放量 脉冲效应 方差分解 织梦好，好织梦

一、引言

随着环境问题的日益凸显，温室气体的排放已经受到了人们越来越多的关注。2013年全球碳计划（Global Carbon Project）公布的数据显示，2013年中国碳排放总量居全球首位，超越了美国和欧洲的排放总和，而中国的人均碳排放量已经超过欧洲（章若希，2016）。面对严峻的减排形势，我国正努力实现能源结构变革和绿色低碳转型。并于2015年第21届联合国气候变化巴黎大会上，在《中国国家自主贡献》中承诺：将于2030年左右使排放达到峰值并争取早日实现，2030年单位国内生产总值排放量比2005年下降60％-65％。

dedecms.com

为了早日落实碳减排的国际承诺，加快向低碳能源转型理念的发展进程，需要明晰我国碳排放量的影响因素。关于碳排放量的影响因素，前人做了不少相关研究。一部分学者通过单一指标研究碳排放增长的影响，如：Hammond、Norman（2012）利用分解分析方法对英国1990-2007年碳排放量进行建模，发现能源强度对碳排放量有正向影响；李松、王宝海和丁慧媛（2015）针对我国工业化与碳排放的关系，得到工业化对碳排放有正向促进作用的结论；李楠、邵凯和王前进（2011）利用协整理论得到人口城市化率对碳排放量存在正向影响。一部分学者考虑多角度指标，综合分析导致碳排放量增长的原因，如：雷钊（2011）从人口、财富、技术3个方面选取了总人口、城市化水平、劳动适龄人口、人均GDP、能源效率、能源构成6个自变量，采用多元回归分析法探讨我国碳排放量的影响因素，发现人均GDP、总人口、能源效率对碳排放量增加有较强的解释能力。

从上述文献来看，众多学者对影响碳排放量指标有着不同的视角，所采用的具体的模型形式也不尽相同，且分析的年份不长，没有很好的把握碳排放量变化的长期趋势。因此，本文借鉴以往研究成果，选取1990-2014年我国人均国内生产总值、能源强度、城镇化率以及工业化率数据，用向量自回归模型研究其对我国碳排放量增长的影响，为国家早日实现碳减排承诺提供重要的参考建议。 织梦好，好织梦

二、模型实证分析 内容来自dedecms

（一）数据的选取

本文数据都来源于2015年《中国统计年鉴》。碳排放量（CE）采用能源总消费中煤炭、石油和天然气能源的消费量乘以其对应的碳排放系数（王礼刚、庄贵阳，2013）；人均国内生产总值（PG）采用以1990年为基期的人均不变价GDP；能源强度（EI）采用能源消耗总量除以GDP；城镇化率（UL）用城镇人口比率来表示我国城市化发展程度；工业化率（IL）用工业生产总值占总生产总值的百分比来表示我国工业化水平程度。 copyright dedecms

（二）VAR模型变量的平稳性检验 copyright dedecms

为了从一定程度上消除各变量的异方差性，本文对每个变量分别取自然对数，记为碳排放量LN（CE），人均国内生产总值LN（PG），能源强度LN（EI），城镇化率LN（UL），工业化率LN（IL）。各个变量平稳性检验结果详见表1。据表1中平稳性结论可知，各变量对数后的原始序列是非平稳的，但经过一阶差分后序列平稳，这说明各序列存在线性趋势。 copyright dedecms

本文来自织梦

（三）VAR模型的建立

VAR模型要求序列是平稳的，因此，本文用一阶差分后的序列进行建模。运用软件Eviews8.0按照LR统计量，最终预测误差FPE，AIC信息准则，SC信息准则和HQ信息准则来确定VAR模型的滞后阶数。 copyright dedecms

copyright dedecms

根据表2，所有的准则选出来的滞后阶数为2阶，故本文将VAR模型的滞后阶数定为2阶。VAR模型的估计结果如下： dedecms.com

织梦内容管理系统

得到VAR模型估计结果后，本文采用AR根方法对其进行平稳性检验，结果显示特征根都在单位圆内，因此建立的模型是平稳的，估计结果也是有效的。 本文来自织梦

（四）脉冲响应函数分析 本文来自织梦

脉冲响应函数是用来刻画每一个内生变量的冲击对其他内生变量所带来的影响。本文利用脉冲响应函数分析所有变量随机扰动项的一个冲击对DLNCE的影响。结果分析如图1所示。

copyright dedecms

在图1中，横轴表示冲击作用的滞后期，纵轴表示内生变量对冲击的响应，实线表示碳排放量以及各个影响因素在不同滞后期对DLNCE的脉冲响应，虚线表示正负两倍标准差置信带。由图1可知：（1）给本期DLNCE一个正冲击后，它对自身当期有正方向0.04的变动，随着时间的推移，该影响快速减小，到第5期，影响由正变为负，到第8期影响达到最大负值，其后逐渐趋于0。（2）给GDP一个正冲击对我国碳排放量的当期没有影响，在第2至4期在0附近小幅度波动，随后收敛到0。（3）给能源强度一个正冲击对我国碳排放量的当期没有影响，第2期快速上升达到正效应最大值，其后缓慢下降，至第8期达到负效应最大值，随后又缓慢上升，至第12期回归零水平，随后一直维持低位的正效应。（4）给城镇化率一个正冲击后，我国的碳排放量当期没有影响，第2期小幅度下降至负效应后缓慢的上升，在第8期达到正效应的最大值，随后在零水平线上下微小波动，基本趋于稳定。（5）给我国工业化率一个正冲击后，碳排放量一直波动在零水平线上下，且幅度甚微，基本趋于稳定。 织梦内容管理系统

（五）方差分解分析

内容来自dedecms

本文采用方差分解分析方法来描述VAR模型中所有变量所受冲击对DLNCE变量变化的贡献率。方差分解结果如图2。

copyright dedecms

本文来自织梦

从图2碳排放量增长方差分解图中可知，第1期碳排放对自身的方差贡献率达到100％，随着延迟期数的延长，该贡献率持续下降，而来自于人均GDP、能源强度、城镇化率和工业化率的方差贡献率所占的比重持续增加，到第14期时，方差贡献率只有40％来自于碳排放量本身，人均GDP、能源强度、城镇化率和工业化率对碳排放量的贡献率分别保持在15％、11％、26％、8％左右。这表明要想改善碳排放量的增长，仍要注意经济增长与环境保护之间的关系，重视城镇化水平所带来的碳排放的问题，加大能源的高效利用，控制能源消费总量，推行低碳能源的可持续发展道路。 dedecms.com

三、结论

本文通过对1990-2014年的统计数据，采用向量自回归（VAR）模型研究了四个影响因素和我国碳排放量之间的动态关系，得到以下结论。 dedecms.com

第一，我国城镇化率对碳排放量增长的影响最大。它的正向冲击具有不显着的负向影响和显着的正向滞后影响，说明随着我国城市化水平的提升，越来越多的农村人口涌入城镇，城市的交通压力、道路、建筑物建设压力以及工厂、企业的能源消费大大增加，从而导致碳排放量的增加。然而，城镇化是国家繁荣富强的必然趋势。因此，在推进城镇化的进程中，相应的政府部门应该结合我国的实际情况，大力发展绿色环保的交通工具，在城市建设过程中注意保护自然生态环境，寻求能控制碳排放量增长的城镇化路径。 本文来自织梦

第二，人均国民生产总值是影响我国碳排放量增长的第二个主要因素。它的正向冲击在前期导致碳排放量的增加，在中间时期抑制对碳排放量的增长，最后迅速达到平稳状态。很显然，一开始我国的经济的飞速发展是以环境为代价的，在认识到经济发展和环境保护应和谐并进，坚持走可持续发展道路后，国家的政策把控、经济发展模式的转变以及对环境保护的有效措施，使得碳排放量增加有所缓解。因此，国家在制定控制碳排放量增长的相关政策时，应继续平衡经济增长与环境的关系，推动绿色GDP，发展低碳经济。

本文来自织梦

第三，能源强度是影响我国碳排放量增长的第三个因素。能源强度是单位GDP的能耗，是能源效率的体现。要控制碳排放量增长需要不断提高能源效率。因此，政府应该重点发展节能、绿色环保工程，控制煤炭、石油、天然气能源的使用，鼓励高新技术企业开发电力、风力、沼气、核能等安全、稳定、清洁的能源。 织梦好，好织梦

第四，工业化率对我国碳排放量增加的影响程度较小，它对碳排放量的正向滞后影响不显着说明目前工业化进程并不是我国碳排放量增加的主要原因，但不得不承认的是，工业化对碳排放量的增加是有影响的。而我国是发展中的国家，且将长期处于工业化阶段。因此，如何协调好工业化水平和环境保护的关系也是相关政府部门不容忽视的环节。

参考文献：

内容来自dedecms

王礼刚、庄贵阳，《基于VAR模型的甘肃省碳排放影响因素的实证研究》，《绿色经济》，2013.1。 copyright dedecms

李松、王宝海、丁慧媛，《我国城镇化、工业化与碳排放关系的研究》，《安徽农业科学》，2015.16。 本文来自织梦

李楠、邵凯、王前进，《中国人口结构对碳排放量影响研究》，《中国人口资源与环境》，2011.6。

dedecms.com

雷钊，《我国碳排放影响因素分析与减排政策思考》，《统计与决策》，2011.16。 本文来自织梦