简谈中国省域金融发展与碳排放.docVIP

　　简谈中国省域金融发展与碳排放 中国省域金融发展与碳排放论文导读：本论文是一篇关于中国省域金融发展与碳排放的优秀论文范文,对正在写有关于金融论文的写有一定的参考和指导作用,化框架公约》和《京都议定书》。中国是碳排放大国，为了实现到2020年单位GDP碳排放量比2005年减少40-45%的目标，发中国省域金融发展与碳排放由写论文的好帮手.zgler［11］指出金融发展可以推动经济增长和减少对环境的污染。发达的金融市场利于外商直接投资和刺激投资接收国的经济增长。Frankel和Rose［12］将金融发展称为在经济增长背景下，有利于现代环境技术的导管。发达的金融部门可以降低借贷成本，推动在能源效率部门的投资水平，并降低能源消耗；同时在金融发展的过程中，国家和地方政府可以以较低的借贷成本获得资金，投资有利于环境的项目。另外也有学者［13］认为金融发展会提高工业增长的水平，进而影响地区的碳排放水平。 　　虽然金融发展通过提高资源配置效率推动企业发展，并作用于经济和社会的各个方面，但是金融发展与碳排放之间的规律尚不明了，相关研究并不多见，多为定性研究［14-16］，尤其缺乏针对该理由的实证研究。中国各地区金融发展情况不尽相同，厘清金融发展与碳排放的关系有利于制定出符合各地区实际情况的碳金融政策，支持低碳经济的发展，因而研究区域金融发展与碳排放的关系具有现实作用。 　　2 变量选取与碳排放量的测算 　　2.1 金融发展变量的选取与定义 　　本文将从金融发展深度和金融发展集中度两个维度来度量金融发展水平。在度量区域金融发展深度时，采用了金融相关比率 (FIR)。Goldsmith提出FIR ［17］，并用其衡量经济金融化水平。他将其定义为全部金融资产价值与全部实物资产价值 (即国民财富) 之比。尽管之后许多学者提出多种指标来度量金融发展，但是FIR始终是衡量金融发展相对规模的最广泛的指标。根据数据的可得性，本文将全部金融资产价值定义为各地区全部金融机构存款和贷款之和，全部实物资产价值以地区生产总值来度量。本文同时选择了四大国有商业银行的贷款占全部金融机构贷款的比率反映地区金融发展的集中度。 　　2.2 CO2排放量的测算 　　准确地测算出地区CO2排放量是本文实证研究的关键，目前关于如何测算地区CO2排放量主要有四种策略。一是在全国加总的碳排放数据基础上根据省域煤炭消费量占全国总煤炭消费量之比与全国总碳排放量估算而得［18］；二是根据省域第t年三种能源消费量及三类能源的碳排放系数估算得出［19］；三是将最终能源消费种类划分为9类 (煤炭、汽油、柴油、天然气、煤油、燃料油、原油、电力和焦炭)，碳排放量定义为9类能源消费总量以各自的碳排放系数η为权重的加权和［19］；四是2006年联合国政府间气候变化专门委员会 (IPCC) 为《联合国气候变化框架公约》及《京都议定书》制定的国家温室气体清单指南第二卷提供的参考策略［20］。本文将采用第四种策略估算地区CO2排放量： 　　CO2=∑3i=1CO2,j=∑3i=1Ei×NCVi×CEFi 　　×COFi×(44/12)(1) 　　式中：CO2代表估算的CO2排放量，i=1,2,3分别代表三种一次能源，E代表它们的消耗量。NCV为2007年《中国能源统计年鉴》附录4提供的中国三种一次能源的净发热值，CEF是碳排放系数，COF是碳氧化因子 (煤炭为0.99，原油和天然气为1)，44和12分别为CO2和碳的分子量。 　　3 金融发展与碳排放关系的实证研究 　　3.1 样本选择及平稳性检验由于缺乏西藏的相关数据，本文利用中国除西藏外的29个省区市 (为了统计口径的一致，重庆数据并入四川) 的1979-2008年人均碳排放量 (Y)、各地区金融发展深度 (X1) 和金融发展集中度 (X2) 的数据进行分析。数据于《中国能源统计年鉴》和《新中国六十年统计资料汇编》。本文利用面板数据向量自回归 (P-VAR)模型分析中国金融发展对区域碳排放的影响。 　　为了保证向量自回归分析的可靠性，本文对地区的碳排放量 (Y)、地区金融发展深度 (X1) 和地区金融发展集中度 (X2) 数据进行面板单位根检验。若数据序列为非稳定的，意味着存在单位根，将进一步对其差分序列进行检验。为了保证结论的稳健性，并纠正传统单位根检验策略普遍存在的检验效力过低的理由，本文分别采用LLC检验、Breitung检验、IPS检验、Fisher-ADF检验和Fisher-PP检验等五种策略进行检验。检验结果见表1。 　　由表1可知，当我们对各面板数据的水平值进行检验时，各种检验结果均表明不能完全拒绝“存在单位根”的原假设；而当对各个面板数据的差分值进行检验时，皆显著地拒绝“存在单位根”的原假设。由此可以确定，地区