■ 牛苗苗/楊樹旺
(中國(guó)地質(zhì)大學(xué)(武漢)經(jīng)濟(jì)管理學(xué)院,湖北 武漢 430074)
由于中國(guó)經(jīng)濟(jì)總量增長(zhǎng)迅速,能源消耗不斷增加,再加上以煤為主的能源消費(fèi)結(jié)構(gòu),導(dǎo)致碳排放總量不斷增長(zhǎng),成為世界上最大碳排放國(guó)家之一[1]。雖然目前中國(guó)尚未承擔(dān)減排任務(wù),但是減少碳排放已成為國(guó)際共識(shí),中國(guó)也面臨著巨大的挑戰(zhàn)和壓力。積極尋找減排途徑、加速發(fā)展低碳經(jīng)濟(jì),既是中國(guó)順應(yīng)世界發(fā)展潮流的需要,也是中國(guó)實(shí)現(xiàn)可持續(xù)發(fā)展的內(nèi)在要求。尋找減排途徑的前提,是準(zhǔn)確分析和把握中國(guó)碳排放量的影響因素,并對(duì)其碳排放量進(jìn)行預(yù)測(cè),這樣才能對(duì)癥下藥。為此,本文運(yùn)用協(xié)整分析方法,定量研究了各因素對(duì)碳排放量的影響,并利用ARIMA模型對(duì)中國(guó)碳排放總量進(jìn)行預(yù)測(cè)。
選取二氧化碳排放總量(TC)為目標(biāo)變量,人口總數(shù)(P)、國(guó)內(nèi)生產(chǎn)總值(G)、能源消費(fèi)總量(E)、能源生產(chǎn)效率(EP)、產(chǎn)業(yè)結(jié)構(gòu)(ST,用工業(yè)比重作為代表)為解釋變量。
本文選取1980—2011年年度數(shù)據(jù),數(shù)據(jù)來(lái)源于《2012年中國(guó)統(tǒng)計(jì)年鑒》和美國(guó)能源總署EIA的統(tǒng)計(jì)結(jié)果,均以1980年為基期。同時(shí),為消除變量中的不穩(wěn)定性和異方差現(xiàn)象,對(duì)各變量分別進(jìn)行對(duì)數(shù)化處理,軟件使用Eviews5.0。
1.3.1 相關(guān)性檢驗(yàn)
通過(guò)相關(guān)系數(shù)矩陣的計(jì)算,可以發(fā)現(xiàn),TC與P、G、E、EP的相關(guān)系數(shù)都在0.73以上,而TC與ST的相關(guān)系數(shù)較小,相關(guān)性較弱。同時(shí),可以發(fā)現(xiàn)E、EP、G和P這些解釋變量的相關(guān)系數(shù)也很高,可能存在較嚴(yán)重的多重共線性。為了減輕多重共線性的影響,在建立協(xié)整方程時(shí),應(yīng)采用逐步回歸法。
1.3.2 平穩(wěn)性檢驗(yàn)
利用Eviews5.0來(lái)檢驗(yàn),結(jié)果發(fā)現(xiàn)TC、P、G、E、ST和EP經(jīng)過(guò)二階差分后都是顯著平穩(wěn)的。在此基礎(chǔ)上,使用A D F檢驗(yàn)方法,可以發(fā)現(xiàn)TC、P、G、E、ST和EP的水平序列在1%和5%的顯著性水平上都不平穩(wěn),一階差分DTC、DP、DG、DE、DST、DEP在1%的顯著性水平都是不平穩(wěn)的,二階差分DDTC、DDP、DDG、DDE、DDST、DDEP在1%的顯著性水平上都是平穩(wěn)的,也就是說(shuō)這些時(shí)間序列TC、P、G、E、ST和EP經(jīng)過(guò)二階差分后平穩(wěn),它們都是二階單整序列。這意味著協(xié)整檢驗(yàn)是有必要的。
1.3.3 協(xié)整檢驗(yàn)
本文采取Engle和Granger提出的協(xié)整檢驗(yàn)方法。這種檢驗(yàn)方法是對(duì)回歸方程的殘差進(jìn)行單位根檢驗(yàn)。從協(xié)整理論的思想看,自變量和因變量之間存在協(xié)整關(guān)系,也就是說(shuō),因變量能被自變量構(gòu)成的線形組合所解釋,兩者之間存在穩(wěn)定的均衡關(guān)系,因變量不能被自變量所解釋的部分構(gòu)成一個(gè)殘差序列,這個(gè)殘差序列應(yīng)該是白噪聲的,平穩(wěn)的[2]。因此,檢驗(yàn)一組變量(因變量和自變量)之間是否存在協(xié)整關(guān)系等價(jià)于檢驗(yàn)回歸方程的殘差是否是平穩(wěn)序列。由于TC、P、G、E、ST和EP均為二階單整變量,我們可按EG兩步法做如下協(xié)整回歸,并檢驗(yàn)三個(gè)變量是否存在協(xié)整關(guān)系。
第一步,為了減輕多重共線性的影響,利用Eviews5.0軟件進(jìn)行逐步回歸[3]。逐步回歸后,剔除了P和ST兩個(gè)變量。修正多重共線性影響后的協(xié)整方程為:
方程括號(hào)中為估計(jì)參數(shù)t的統(tǒng)計(jì)量,由于各變量之間的量綱差異較大,所以有必要對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理,標(biāo)準(zhǔn)化后的協(xié)整方程為:
從式(1)可以看出,回歸方程的T檢驗(yàn)和F統(tǒng)計(jì)檢驗(yàn)都很顯著,而且修正的可絕系數(shù)也很高,說(shuō)明擬合總體效果較好。DW=1.886016接近于2,說(shuō)明模型不存在自相關(guān)。但是,G的系數(shù)是負(fù),EP的系數(shù)是正的。這可能是因?yàn)榉匠?1)中沒(méi)有考慮到GDP和能源生產(chǎn)率對(duì)碳排放量影響的時(shí)滯性造成的結(jié)果。
第二步,回到協(xié)整檢驗(yàn),對(duì)方程(1(的殘差Ut進(jìn)行白噪聲檢驗(yàn)。如表1所示,Ut序列在1%顯著性水平下拒絕原假設(shè),因此可以判定Ut為白噪聲的平穩(wěn)序列。同時(shí)從殘差Ut的自相關(guān)圖和偏相關(guān)圖也可以看出,殘差Ut是白噪聲的。這表明TC與E、G、EP之間存在一定的協(xié)整關(guān)系,即它們之間的某種線性組合是平穩(wěn)的,它們變動(dòng)的方向與幅度一致,長(zhǎng)期上存在穩(wěn)定的線性關(guān)系。(參見(jiàn)表1)
1.3.4 向量自回歸
向量自回歸(V A R)模型不但考慮到影響因素的滯后問(wèn)題,還能夠解決自變量?jī)?nèi)生的問(wèn)題。本文所分析的各種影響因素對(duì)碳排放的影響基本上都存在一定的時(shí)滯,并且碳排放和本文分析的影響因素之間關(guān)系復(fù)雜,存在自變量?jī)?nèi)生的問(wèn)題。所以,本文將進(jìn)一步考慮建立向量自回歸(VAR)模型。對(duì)由TC與G、E、EP組成的VAR方程,通過(guò)Eviews5.0反復(fù)試驗(yàn),在選擇滯后期為1時(shí),SC最小,則確定滯后期為1的VAR模型。估計(jì)結(jié)果如下,其具體形式可以表述為如下模型:
表1 殘差Ut的ADF檢驗(yàn)
另外,通過(guò)VAR模型的穩(wěn)定性檢驗(yàn)也可以發(fā)現(xiàn),VAR模型有兩個(gè)特征根落在單位圓之外,表面所建立的模型是非平穩(wěn)系統(tǒng)。(見(jiàn)圖1)
下面對(duì)T C與G、E、E P做一階差分,利用一階差分序列建立VAR模型。根據(jù)AIC和SC最小原則,本文選擇滯后期為1的VAR模型,估計(jì)結(jié)果如下:
圖1 VAR模型的穩(wěn)定性檢驗(yàn)
從表2可以看出,一階差分后得到的VAR方程的調(diào)整后的樣本決定系數(shù)為0.527948,AIC和SC也非常小,可以判斷VAR模型的總體性質(zhì)比較好。同時(shí)從V A R模型的穩(wěn)定性檢驗(yàn)也可知,VAR模型的全部特征根都在單位圓之內(nèi),表明VAR模型是穩(wěn)定的。所以該模型較好地反映了中國(guó)碳排放復(fù)雜系統(tǒng)的長(zhǎng)期變動(dòng)關(guān)系,并且較好地解決了自變量?jī)?nèi)生化的問(wèn)題。
由上一章平穩(wěn)性檢驗(yàn)可以看出TC二階差分后是白噪聲的,這也意味著利用其來(lái)做預(yù)測(cè)是沒(méi)有意義的。所以對(duì)TC原始數(shù)據(jù)取對(duì)數(shù),即得LNTC,然后對(duì)LNTC進(jìn)行ADF檢驗(yàn)。由表3可知,在5%顯著性水平上,LNTC一階差分后是平穩(wěn)的。因?yàn)槭沁M(jìn)行了一階差分,因此認(rèn)為A R I M A(p,d,q)中d=1。
ARMA(p,q)模型的識(shí)別與定階可以通過(guò)樣本的自相關(guān)與偏自相關(guān)函數(shù)的觀察獲得[4]。通過(guò)LNTC一階差分后的自相關(guān)結(jié)果可以發(fā)現(xiàn),偏自相關(guān)在滯后1處冒出了統(tǒng)計(jì)上顯著的尖柱,而在其余地方都不顯著。根據(jù)A C F與P A C F的理論模式,可初步認(rèn)定DLNTC模型是一個(gè)AR(1)過(guò)程。
首先,嘗試建立如下AR模型:
DLNTCt=δ+α1DLNTCt-1+μt利用Eviews5.0,我們得到如下估計(jì)結(jié)果:
表2 VAR模型估計(jì)統(tǒng)計(jì)量
通過(guò)檢驗(yàn)結(jié)果可知,對(duì)模型的Q統(tǒng)計(jì)量進(jìn)行白噪聲檢驗(yàn),得出殘差序列相互獨(dú)立的概率很大,故不能拒絕序列相互獨(dú)立的原假設(shè),即表明估計(jì)出來(lái)的殘差是純隨機(jī)的,模型檢驗(yàn)通過(guò),也就是說(shuō),將DLNTC設(shè)定為AR(1)過(guò)程是正確的,故可以利用方程(5)來(lái)預(yù)測(cè)中國(guó)碳排放量。
我們使用時(shí)間序列分析的方法對(duì)中國(guó)碳排放的年度數(shù)據(jù)序列建立自回歸預(yù)測(cè)模型,并利用方程(5)對(duì)2005到2008年的數(shù)值進(jìn)行預(yù)測(cè)和對(duì)照:
由表4可見(jiàn),該模型在短期內(nèi)預(yù)測(cè)比較準(zhǔn)確,平均絕對(duì)誤差為2.99%。按照所建立的模型,我們對(duì)中國(guó)2012年與2013年的碳排放總量進(jìn)行預(yù)測(cè):2012年預(yù)計(jì)碳排放總量為6872.479百萬(wàn)噸,2013年預(yù)計(jì)碳排放總量達(dá)到7252.646百萬(wàn)噸。
通過(guò)協(xié)整分析,發(fā)現(xiàn)中國(guó)碳排放量與中國(guó)國(guó)內(nèi)生產(chǎn)總值、中國(guó)能源消費(fèi)量、中國(guó)能源生產(chǎn)率之間存在長(zhǎng)期均衡關(guān)系。其中中國(guó)能源消費(fèi)量對(duì)中國(guó)碳排放量有顯著的正向影響,而中國(guó)國(guó)內(nèi)生產(chǎn)總值對(duì)中國(guó)碳排放量的影響具有較強(qiáng)的滯后性。同時(shí)研究發(fā)現(xiàn),利用ARIMA模型對(duì)中國(guó)碳排放量的預(yù)測(cè)精確度相當(dāng)高,按照所建立的ARIMA模型預(yù)測(cè),2012年預(yù)計(jì)中國(guó)碳排放總量為6872.479百萬(wàn)噸,2013年預(yù)計(jì)碳排放總量達(dá)到7252.646百萬(wàn)噸。
表3 ADF檢驗(yàn)結(jié)果
表4 ARIMA(1,1,0)預(yù)測(cè)值與實(shí)際值的比較
[1]王鋒,吳麗華.中國(guó)經(jīng)濟(jì)發(fā)展中碳排放增長(zhǎng)的驅(qū)動(dòng)因素研究[J].經(jīng)濟(jì)研究,2010(2):123-131.
[2]達(dá)摩達(dá)爾·N·古扎拉蒂.計(jì)量經(jīng)濟(jì)學(xué)基礎(chǔ)[M].北京:中國(guó)人民大學(xué)出版社,2005.
[3]申笑顏.中國(guó)碳排放影響因素的分析與預(yù)測(cè)[J].統(tǒng)計(jì)與決策,2010(19):90-92.
[4]譚詩(shī)!.ARIMA模型在湖北省GDP預(yù)測(cè)中的應(yīng)用——時(shí)間序列分析在中國(guó)區(qū)域經(jīng)濟(jì)增長(zhǎng)中的實(shí)證分析[J].時(shí)代金融,2008(1):26-27.