甘肃省经济增长及碳排放关系动态分析.docVIP

甘肃省经济增长及碳排放关系动态分析摘要：基于甘肃省1980—2010年碳排放量与总产出的统计数据，运用协整模型与误差修正模型动态分析。结果表明，就长期和格兰杰因果关系而言，经济增长导致碳排放的增加，但经济增长并不是碳排放的格兰杰原因；相反，碳排放的增加也预示着GDP的增加，且是GDP增加的格兰杰原因。 关键词：经济增长 碳排放 协整分析 甘肃 一、甘肃省碳排放的现状 如图1所示，甘肃省的碳排放量与GDP都呈现递增的趋势，因此两者可能存在较强的相关关系。就碳排放强度而言，1980—2010年虽有个别年份较前一年增加，但总体而言是逐渐减少的，且这种总体趋势呈线性。这就从另一个角度说明了甘肃省碳排放与GDP之间可能存在着线性关系。 二、模型的构建 （一）数据的选取与碳排放量的计算 本文用到的所有数据均来自历年的《甘肃年鉴》。为了研究碳排放与经济增长的关系，对历年的生产总值（GDP）采用的是以1980年为基期，消除物价波动的实际值。而碳排放量的计算公式为：C=∑Ci=ci×Ei其中C为碳排放总量，Ci为第i种能源的碳排放量， ci为第i种能源的碳排放系数1，Ei为第i种能源的消费量。由于数据取对数后不改变协整关系，并能将趋势线性化和尽可能消除存在的异方差，所以本文将数据进行对数处理，处理后的数据为lngdp和lnce。 1、序列的平稳性检验 首先对时间序列lngdp和lnce采用ADF统计量进行平稳性检验，检验形式用（c，t，k）表示，其中c表示有漂移项，t表示有趋势项，k表示滞后项的个数。对于滞后项个数的选择，可以构建VAR模型，根据VAR模型估计结果的AIC、SC最小准则和LR准则进行滞后阶数的选择。如表1所示，给出了对于lngdp序列进行VAR模型构建的过程，分别可以找到对于不同形式lngdp原序列和一阶序列的最大滞后阶数。对于lngdp二阶和lnce原序列、一阶、二阶最大滞后阶数的选择与表1中lngdp序列的VAR构造相似，不再赘述。根据以上的分析，序列的平稳性检验结果如下表2，可知lngdp和lnce序列均为一阶单整即I（1）序列，满足协整分析的首要条件。 2、协整检验 建立lnce和lngdp的回归模型 lnce（t）=-1.815+0.628lngdp（t） （0.000） （0.000）（0.000）表示 t统计量的概率值，下同。 R2=0.981， D.W=0.508 发现残差项有较强的一阶自相关。考虑加入适当的滞后项，得到lnce与lngdp的分布滞后模型： lnce（t）= - 0.636 +0.179lngdp（t） +0.7lnce（t-1） （1） （0.029） （0.010） （0.000） R2=0.99 D.W=1.7 LM（1）=0.67 LM（2）=1.66 自相关性消除，因此可初步认为（1）式是lngdp与lnce的长期稳定关系。残差项的稳定性仍采用ADF单位根检验法，结果ADF统计量的概率值为0，拒绝不平稳的原假设即参差通过了平稳性的检测，也就是说lnce和lngdp之间存在协整关系，协整方程式为（1）式。 建立lngdp和lnce的回归模型 lngdp （t）=3.119+1.562 lnce（t） （0.000） （0.000） R2=0.981， D.W=0.501 发现残差项有也较强的一阶自相关。考虑加入适当的滞后项， 同理得到lngdp与lnce的分布滞后模型： lngdp （t）=0.281+ 0.04 lnce （t） + 0.084lngdp（t-1） （0.008） （0.064） （0.000） +0.086lngdp （t-2） （2） （0.032） R2=0.99 D.W=1.61 LM（1）=3.83 LM（2）=4.11 对参差进行单位根检验，可知ADF统计量的概率值为0.008，即参差平稳。所以（2）式为序列lngdp和lnce的一个协整方程。 3、误差修正模型 经过协整分析可知，碳排放与经济增长存在着长期的趋势，可以建立误差修正模型，以考察短期变量间的关系以及对偏离长期趋势的动态修正力度，对序列lnce是lngdp建立的误差修正模型为： △lnce（t）=-0.237△lngdp（t）+1.023△lnce（t-1） （0.378） （0.008） +0.386△lnce（t-3）-1.09 ECM1.t-1 （3） （0.042） （0.011） R2=0.41 D.W=2.01 LM（1）=0.08 LM（2）=1.07 △lnce（t）=0.757△lnce（t-1）+0.296△lnce（t-