安徽省经济增长与碳排放的非线性关系
——基于产业结构的门槛模型

2015-06-05 09:51沈永昌余华银
沈阳大学学报(社会科学版) 2015年5期
关键词:环境污染二氧化碳产业结构

沈永昌,余华银

(安徽财经大学统计与应用数学学院,安徽蚌埠 233030)

安徽省经济增长与碳排放的非线性关系
——基于产业结构的门槛模型

沈永昌,余华银

(安徽财经大学统计与应用数学学院,安徽蚌埠 233030)

利用安徽省1992—2012年度数据进行非线性检验和协整检验,建立平滑转换模型,研究基于产业结构门槛效应的经济增长与环境污染问题。结果表明:安徽省产业结构对二氧化碳排放量影响显著,转换能力较强;整体上安徽省经济增长与环境污染关系呈现环境库兹涅茨曲线形式,目前正处于环境库兹涅茨曲线的上升部分;从长期看,环境污染水平有下降趋势,此时经济增长对环境将起到正面效应;估计门槛值为44.7%,此时二氧化碳排放到最优。据此为产业结构优化提出新的关键点及相关政策建议。

二氧化碳碳排放;平滑转换模型;产业结构

2015年是新《环境保护法》实施元年,如何把握经济发展与环境问题之间的关系已成为全社会关注的焦点。近年来,安徽省作为实现“中部崛起”国家战略的重要参与者,作为长三角产业转移重要区域,经济得到迅速发展。初步核算,2014年安徽省生产总值达到20 848.8亿元,按可比价格计算,比上年增长了9.2%,其中工业增加值为9 590.4亿元,占GDP比重为46%。产业转移正逐渐改变安徽省的产业结构,面临的环境压力也将逐渐增加,如何看待产业转移对环境的影响至关重要。

一、文献综述

20世纪80年代,国外就开始对产业结构、经济增长与碳排放之间的关系进行研究,并认为产业结构优化是减缓二氧化碳排放快速增长的有效途径。Grossman和Krueger认为,经济增长可以通过三大效益影响环境,即规模效应、结构效应和技术效应。随后在对三大效益的进一步研究中发现,产业结构是影响二氧化碳排放的重要因素[1]。Talukdar和Meisner利用发展中国家数据建立模型进行实证分析,研究结果表明不同的产业结构对二氧化碳排放影响不同,其中第二产业的快速发展会显著增加二氧化碳排放,服务业和农业却减少二氧化碳排放[2]。Fisher Vanden等对中国能源消耗、Cole等对中国工业污染的研究均表明,第二产业是影响二氧化碳排放最重要的因素[3-4]。Chebbi运用脉冲响应函数研究表明,不同的产业结构中经济增长和环境污染二者的关系不一致[5]。

近年来,国内学者们开始关注产业结构与碳排放之间的关系。林伯强等的分析表明,产业结构重工化是导致中国碳排放增长的重要原因,降低工业增加值占GDP的比重将减小倒“U”型曲线的弧度[6]。王群伟等的研究表明,产业结构高端化有助于改善碳排放绩效,体现出"结构减排”[7]。王峰等认为以工业规模不断扩张为特征的产业结构变动推动了中国碳排放的增长,其平均贡献为1.14%[8]。袁富华从稳定中国潜在经济增长水平的角度认为,产业结构优化可减少碳排放,并且对经济可持续发展影响深远[9]。肖慧敏选取中国面板数据,研究产业结构对二氧化碳排放的影响,证明现阶段以工业为主导的产业结构加速了二氧化碳排放[10]。吴振信等利用中国内地31个省(市)、自治区2000—2009年的面板数据,建立固定效应面板模型,证明经济增长、碳排放及产业结构存在长期均衡关系,并认为产业结构优化是绿色经济发展的重中之重[11]。吕明元等选择碳排放强度、经济增长和能源消耗强度等相关指标,建立线性实证模型,证明产业结构调整对经济增长具有持续带动作用,且在工业化后期,产业结构合理化可降低碳排放强度,同时也能极大地减少能源消耗[12]。李科选用中国相关年份产业结构和碳排放数据,运用动态面板模型研究证明,经济增长与碳排放之间存在倒“U”型曲线关系,并且产业结构优化是实现二氧化碳减排的有效途径[13]。

上述文献可以看出,产业结构是碳排放量的主要影响因素,但现有研究多是采用线性模型,而经济增长、碳排放以及产业结构之间的关系并非线性。本文采用平滑转换模型对安徽省碳排放进行重新估计,检验产业结构对碳排放是否存在门槛效应,并找到此效应的门槛值,从而为碳排放水平早日越过转折点,取得环境规制绩效提供借鉴。

二、实证模型与非线性检验方法

1.实证模型

设:

式中:yt是因变量,表示二氧化碳排放量;αo是截距项;xt是人均地区生产总值;zt为产业结构,用工业增加值占地区生产总值的比重表示;εt为误差项,服从均值为0,方差为常数的正态分布; G(zt;γ,c)为转换函数。

式(2)为逻辑函数,参数c为门槛值(threshold); G(zt;γ,c)取值范围(0,1),并在此区间上单调递增,当zt=c时,G(zt;γ,c)=0.5,此时可以看做机制转换的中间非稳定状态;γ表示转换系数,γ较大,表明zt相对于门槛值c的很小变化会导致整个转换函数发生剧烈变化,当γ→∞且xt>c时,逻辑函数G(zt;γ,c)近似等于1,此时公式(1)变为门槛模型,当γ→0时,平滑转换模型退化为简单线性回归模型。

2.模型非线性检验方法

模型基于非线性理论,需要首先判断时间序列是否是非线性的。由于并不存在线性模型不包含非线性模型的参数,因此不能直接对线性与非线性进行检验,此为戴维问题(Davies’ problem)。为了解决该问题,Luukkonen等提出可以先对转换函数在γ=0处进行泰勒展开,再重新定义参数[14]。

式(1)在γ=0处一阶泰勒展开表示为

对式(3),重新记作

式(5)中T为时期(本文取T=18),k为解释变量的个数。则模型表达式如下:

三、数据来源及模型非线性检验方法

1.二氧化碳排放量的测算方法

从《安徽省统计年鉴》《中国能源统计年鉴》相关年份收集到安徽省1992—2012年煤炭、柴油、煤油、焦炭、汽油、燃料油和天然气的消费数据。运用国家发展与改革委员会能源研究所等公布的二氧化碳排放系数估算出安徽省的二氧化碳排放量(如表1)。具体估算方法如式(6):

其中:EC表示估算的各类能源消费的CO2排放总量;i表示能源消费种类;Ei是第i种能源的消费总量;CFi是发热值;CCi是碳含量;COF是氧化因子。CFi·CCi·COFi称为碳排放系数,而CFi·CCi·COFi×3.67则被称为二氧化碳排放系数。

表1 碳及二氧化碳排放系数

2.数据来源

选取安徽省1992—2012年相关数据(数据来源于《中国环境统计年鉴》《中国能源统计年鉴》和《安徽省统计年鉴》,部分数据参考了《中国统计年鉴》)。其中经济增长选用的代理指标是人均GDP;碳排放指标是估计得到的二氧化碳排放总量除以安徽省总人口;产业结构代理指标用工业生产总值占GDP的比重表示。

四、平滑转换模型的实证分析

首先检验模型的非线性,构建辅助检验函数

PCO表示人均二氧化碳排放(吨/人);PGDP表示人均GDP(万元/人);ZB表示工业生产总值占GDP比重(%);下标t表示统计的年份。继续估计得到SSR1=3.596,本文平滑转换模型估计得到的SSR2=1.753。则

故拒绝原假设,说明人均二氧化碳排放量与人均地区生产总值之间存在非线性关系,可建立以工业增加值占地区生产总值的比例为转换变量的平滑转换模型。

为了避免可能出现的虚假回归,需要对各变量进行平稳性检验。由表2可知,PP单位根检验结果,一阶差分后平稳,说明存在一阶单整过程。对于非线性协整问题,目前应用广泛的检验方法是先利用非线性最小二乘法(NLS)对模型进行估计以得到关于参数集合的估计量,然后利用KPSS检验方法对模型的残差进行检验。LM检验结果为0.117,远小于5%显著水平下对应的临界值0.463,说明三者之间存在非线性协整关系。

表2 PP检验结果统计表

由于对模型参数估计时需要进行初值估计,采用沈永昌提到的方法[15],运用1st Opt(First Optimization)软件,估计得到各初值。选定最大迭代次数1 000次,优化算法为LM(Levenberg-Marquardt)法和通用全局最优法。在通过非线性最小二乘回归得到各估计值。结果如下:

平滑转换模型各系数在5%的显著水平下均通过检验,F统计量值较大,模型整体上是显著的,也不存在自相关性。线性部分一次项前系数为-7.782,表明随着经济增长,环境污染呈现递减趋势,但非线性部分系数为6.598,说明经济增长,环境污染具有加重的趋势。

如何解释这个悖论?早在20世纪90年代, Krueger和Grossman就提出了环境库兹涅茨曲线假说,即随着经济增长,环境污染水平呈现先增大后减小的倒“U”型关系。呈现这种关系的原因是经济发展到一定程度,环境问题备受关注,新技术、新工艺逐渐出现并应用,清洁生产和节能减排受到重视,环境污染有所改善。模型中转换系数为21.447,表明可以选用产业结构指标作为转换系数,也进一步说明产业结构对环境污染影响显著。

安徽省作为我国中部欠发达地区,经济发展初期环境问题不突出,但随着东部沿海地区高污染、高能耗产业向中部地区的转移,安徽省的环境污染很可能加重。模型门槛值为0.447,表明当工业增加值占GDP比重达到44.7%时,出现转换,即到达拐点。2014年,安徽省工业增加值占GDP比重为46%,已经越过门槛值,说明安徽省工业发展应保持在门槛值水平,放缓发展第二产业,加大第三产业发展,实现产业结构优化。图1是平滑转换模型拟合图,由图1可见拟合效果较好。

图1 平滑转换模型拟合图

五、结论及政策建议

利用安徽省七种能源消费数据,估算安徽省二氧化碳排放量;通过建立平滑转换模型,研究基于产业结构门槛效应的经济增长与环境污染问题。结果表明:①安徽省产业结构对二氧化碳排放量影响显著,转换能力较大,其中转换系数为22.447,表明以工业增加值占地区生产总值比可以作为解释变量分析研究安徽的环境问题。②整体上,安徽省经济增长与环境污染关系呈现环境库兹涅茨曲线形式,目前正处于环境库兹涅茨曲线的上升部分,即经济增长的同时,环境污染水平显著上升,但从长期看,环境污染水平有下降趋势,经济增长对环境起到正面效应。③估计的门槛值为44.7%,也就是说,当工业增加值占地区生产总值的比重到44.7%附近时,二氧化碳排放达到最优,即产业结构优化新的关键点。

针对模型得到结果提出三点政策建议。

(1)加大开放力度,以长三角产业转移为契机,合理引进相关产业,优化本省产业结构。务必积极探寻与长三角地区的全面合作,共同打造以江苏、浙江、安徽、上海三省一市为合作主体的“泛长三角”经济区。正如前言提到,承接长三角产业转移,可能会同时带来污染的转移,故不能一味引进,需进行环境评估研究,并发展污染处理配套措施,现在引入的企业大多在开发区内,政府对开发区的规划就应该看中对环境的影响,比如可以选择河流的下游,建立废水处理中心等。

(2)加大环保投入,加强新环保法实施力度,树立绿色、低碳发展理念。现阶段安徽省环境污染正处于环境库兹涅茨曲线的上升阶段,经济增长不能慢,环境问题日益严峻,应把握好经济增长与环境污染的关系,坚决不走“先污染后治理”的老路。①需要加大环境保护投入,包括对工业废水、废气和固体废弃物的达标处理等;②加大新环保法实施力度,让污染企业的排污投机成本加大,促使企业节能减排;③促进低碳发展理念的建立,减少能源消费,加大非化石能源使用,有效控制二氧化碳等温室气体排放。

(3)稳步发展第二产业,加速发展第三产业,积极推进新型农业化建设。①稳步发展第二产业,安徽省与发达省份相比,第二产业在规模和质量上有很大差距,需进一步引进高新技术改造传统产业,充分发挥安徽省的比较优势。②加速发展第三产业,皖北交通便利,应发展交通运输业;皖中是安徽的经济政治中心,应加大发展金融等服务业;皖南具有丰富的旅游资源,应加大旅游资源开发。③安徽省作为农业大省,加快农业现代化发展也至关重要。应加大惠农政策,优化农业产业结构,提高农业产业化水平。

[1]Grossman G M,Krueger A B.Environmental impacts of a North American Free Trade Agreement[R].National Bureau of Economic Research Working Paper 3914.1991.

[2]Talukdar D,Meisner C M.Does the Private Sector Help or Hurt the Environment?Evidence from Carbon Dioxide Pollution in Developing Countries[J].World Development,2001,29(5):827- 840.

[3]Fisher-Vanden K,Jefferson G H,Ma J,et al. Technology Development and Energy Productivity in China[J].Energy Economics,2006,28(5/6):690- 705.

[4]Cole M A,Elliott R J R,Wu S S.Industrial Activity and the Environment in China:An Industry-Level Analysis [J].China Economic Review,2008,19(3):393- 408.

[5]Chebbi H E.Long and Short-Run Linkages between Economic Growth,Energy Consumption and CO2Emissionsin Tunisia[R].2010.

[6]林伯强,蒋竺均.中国二氧化碳的环境库兹涅茨曲线预测及影响因素分析[J].管理世界,2009(4):27- 36.

[7]王群伟,周鹏,周德群.我国二氧化碳排放绩效的动态变化、区域差异及影响因素[J].中国工业经济,2010(1):45 -54.

[8]王锋,吴丽华,杨超.中国经济发展中碳排放增长的驱动因素研究[J].经济研究,2010(2):123- 136.

[9]袁富华.低碳经济约束下的中国潜在经济增长[J].经济研究,2010(8):79- 89.

[10]肖慧敏.中国产业结构变动的碳排放效应研究:基于省级面板数据[J].地域研究与开发,2011(5):84- 87+92.

[11]吴振信,谢晓晶,王书平.经济增长、产业结构对碳排放的影响分析:基于中国的省际面板数据[J].中国管理科学, 2012(3):161- 166.

[12]吕明元,尤萌萌.韩国产业结构变迁对经济增长方式转型的影响:基于能耗碳排放的实证分析[J].世界经济研究, 2013(7):73- 80+89.

[13]李科.中国产业结构与碳排放量关系的实证检验:基于动态面板平滑转换模型的分析[J].数理统计与管理,2014 (3):381-393.

[14]Luukkonen R,Saikkonen P,Teräsvirta T.Testing Linearity Against Smooth Transition autoregressive Models[J].Biometrika.1988,75(3):491- 499.

[15]沈永昌.“环境库兹涅茨”曲线存在么?:来自欠发达地区的证据[J].科学决策,2014(10):66- 84.

【责任编辑 孙 立】

Nonlinear Relationship between Economic Growth and Carbon Emission in Anhui Province:Threshold Model Based on Industrial Structure

Shen Yongchang,Yu Huayin
(Institute of Statistics and Applied Mathematics,Anhui University of Finance and Economics,Bengbu 233030,China)

By using the 1992—2012 data of Anhui Province,testing of stationary and nonlinear cointegration are conducted,and the smooth transition model is constructed to research problem about economic growth and environmental pollution based on the threshold effect of the industrial structure. The results show that:firstly,the industrial structure of Anhui Province has significant influence on carbon dioxide emissions,and the conversion ability is very strong;Secondly,the relationship between economic growth and environmental pollution in Anhui province is subordinated to the environmental Kuznets curve,currently it is in the rising part in the environmental Kuznets curve, but it has the downtrend in the long term,then the economic growth will have positive effect on the environment;Finally,the threshold value estimating is 44.7%,the carbon dioxide emissions is optimal.New key points are put forward for the optimization of the industrial structure and relavant policy recommendations as well.

carbon dioxide emissions;smooth transition regression model;industrial structure

F 222.3

A

2095-5464(2015)05-0597-05

2015- 05- 10

国家自然科学基金资助项目(71171001)。

沈永昌(1990-),男,安徽池州人,安徽财经大学硕士研究生;余华银(1962-),男,安徽全椒人,安徽财经大学教授。

猜你喜欢
环境污染二氧化碳产业结构
扬眉吐气的二氧化碳
“抓捕”二氧化碳
如何“看清”大气中的二氧化碳
加强农业环境污染防治的策略
整车、动力电池产业结构将调整
产业结构变迁影响因素的统计考察
基于产业结构对接的人力资源培养实践与思考——以湖南省为例
建筑业产业结构研究综述
推行环境污染第三方治理应坚持三个原则
高性能可变进气岐管降低二氧化碳排放