碳排放增加與氣溫變化統(tǒng)計因果關系的多重檢驗

白萬平 楊廣仁 張學敏

收稿日期：2013-05-12

基金項目：

作者簡介：白萬平（1963-），男，重慶人，博士，貴州財經(jīng)大學教授，研究方向為計量經(jīng)濟模型應用研究；楊廣仁（1978-），男，山東人，博士研究生，副教授，研究方向為非參數(shù)統(tǒng)計；張學敏（1975-），女，四川資陽人，經(jīng)濟師，人力資源管理師，國家二級企業(yè)培訓師，研究方向為人力資源管理。

摘要： 在氣候變化問題上，“災難論”和“陰謀論”是由碳排放量增加與氣溫升高“因果論”和“非因果論”衍生的兩種主要觀點，但未見學者從統(tǒng)計因果關系檢驗角度深入探究。選取全球161年的時間序列數(shù)據(jù)，運用線性和非線性等方法檢驗兩者之間的統(tǒng)計因果關系，結果表明碳排放增加是氣溫升高的原因，同時發(fā)現(xiàn)氣溫變化存在一個滯后期為29年的周期性變動；在面板數(shù)據(jù)因果檢驗中，從全球抽取20個代表性國家101年的數(shù)據(jù)，檢驗結果仍然是碳排放增加是氣溫變化的原因。因此，有證據(jù)表明，碳排放增加是全球氣溫變化的統(tǒng)計原因。節(jié)能減排是共同責任，“陰謀論”不足為信。

關鍵詞：碳排放量；氣溫變化；統(tǒng)計因果關系；PVAR模型；同質性；Hisao檢驗

文章編號：2095-5960（2013）05-0046-06

；中圖分類號：C81

；文獻標識碼：A

在碳排放增加與地球溫度升高之間關系問題上，學術界一直存在“因果論”和“非因果論”之爭，近年來又被演變成一種政治工具，對應為“災難論”和“陰謀論”兩種觀點，特別是美國、加拿大兩個發(fā)達國家相繼退出減排協(xié)定后，使問題變得更加撲朔迷離。誠然，地球氣溫變化是一個復雜過程，氣象科學家通過科學觀測、模擬等手段證實了變化的復雜性。但換一個角度思考，兩者所反映的是事物（現(xiàn)象）之間的因果關系，在獲取大樣本的觀察數(shù)據(jù)后，可以利用統(tǒng)計因果檢驗的方法，探討兩者之間的統(tǒng)計因果關系。遺憾的是，對于這樣一個重大問題，未見國內外學者的相關著述。通過運用多種現(xiàn)代統(tǒng)計因果關系檢驗方法探索兩者的關系，其一能填補兩者之間統(tǒng)計因果關系方面的缺失，為爭論提供統(tǒng)計證據(jù)，其二拓展統(tǒng)計因果關系的應用范圍，這正是本文試圖作出的貢獻。

本文安排如下：第一部分，統(tǒng)計因果關系檢驗進展回顧；第二部分，選擇161年的時間序列，檢驗全球碳排放增加與氣溫升高之間的統(tǒng)計因果關系；第三部分，在全球選擇20個樣本國家，從面板數(shù)據(jù)角度檢驗兩者之間的因果關系檢驗；最后，為本文結論。

一、統(tǒng)計因果關系檢驗進展

Granger（1969）^[9]開創(chuàng)性地提出統(tǒng)計非因果關系檢驗方法后，經(jīng)過四十余年的發(fā)展，用統(tǒng)計方法檢驗變量因果關系的研究，已經(jīng)在時間序列向面板數(shù)據(jù)、線性向非線性、參數(shù)向非參數(shù)檢驗等多個維度上發(fā)展，成為科學檢驗變量間統(tǒng)計因果關系的必要手段和工具。

從統(tǒng)計上講，假設序列Y和X都是平穩(wěn)的，我們說X不引起Y（即X不是Y的Granger原因）是指在對Y作預測時，假如由包含X過去值所得到的預測值并不優(yōu)于未含X過去值的預測?；蛘哒f，如果X不引起Y， X無助于對Y的預測。反之，則說X引起Y，即X是Y的Granger原因。對非平穩(wěn)時間序列，假設兩個序列之間有協(xié)整關系，可由Engle and Granger （1987）^[7]單方程檢驗完成，或按Granger（1988）^[10]兩步法得出誤差修正模型（ECM）處理，其中涉及滯后階數(shù)的敏感性問題，可由Hsiao （1981，1982）^{[12] [13]}用Akaike （1970）^[1]的最終預報誤差 （FPE） 結合Granger方法處理。Hsiao的方法還可以用于處理多變量線性因果關系及其最優(yōu)滯后階數(shù)的選擇上。但發(fā)展至今，非線性因果關系檢驗問題在實證中仍然未獲得滿意結果，盡管已經(jīng)出現(xiàn)了BDS（1992）^[2]、HJ（1994） [11]

理論上，時間序列中的雙變量線性與非線性因果檢驗方法較為系統(tǒng)，包括多因一果和一因多果在內的多變量因果關系，以及面板數(shù)據(jù)變量因果關系的檢驗已經(jīng)獲得了一些解決的方法，但研究還不充分。如在檢驗多變量因果關系時，目前僅有的TY檢驗因只對少數(shù)具有特殊單整情形給出證明，尚不具備普適性；BWZ檢驗將BDS方法所做的推廣存在過度拒絕的傾向；同時多元非線性Granger因果檢驗的成果目前大多處在理論層面，在應用中有一定難度。在面板數(shù)據(jù)因果關系檢驗中，Hurlin等人的研究成果對于檢驗某些場合的因果關系奏效，但該方法還存在分類不完備，可能出現(xiàn)難以解釋的結果；Furkan的方法 在T較小或內生工具變量不易確定時用固定Granger因果估計存在固有的偏差且不可比較等問題，表明在統(tǒng)計因果關系理論有待發(fā)展。

在實證研究中，統(tǒng)計因果關系在研究經(jīng)濟系統(tǒng)變量間關系時應用較多，但對其他系統(tǒng)內變量間關系，特別是爭論了一個多世紀的碳排放與氣候變化之間的統(tǒng)計因果關系，未發(fā)現(xiàn)有學者采用上述統(tǒng)計方法研究。因此，無論是擴展統(tǒng)計因果關系方法的應用范圍還是為一個重大關系提供證據(jù)，都有必要從時間序列和面板數(shù)據(jù)兩個層面對此進行檢驗，為解釋兩者之間存在的關系提供佐證。

二、全球氣溫變化與碳排放統(tǒng)計因果關系檢驗

在以下的分析中，我們視序列的屬性和滿足的條件，采用適合的方法，由標準的Granger統(tǒng)計因果檢驗開始，層層推進，從線性、非線性時間序列到面板數(shù)據(jù)等多個維度對兩者之間的統(tǒng)計因果關系進行全面檢驗，獲得相應證據(jù)。

變量說明和樣本選取。根據(jù)變量的代表性和數(shù)據(jù)的可得性，碳排放量和氣溫分別以xt，yt表示①①以每年消費化石能源的碳排放量表示年碳排放量，全球年均氣溫表示氣溫。數(shù)據(jù)來源：英國國家氣象臺、美國橡樹嶺實驗室。，樣本時間段為1850—2010年。在跨越三個世紀的161年中，地球年均氣溫最高的是1998年，達到0.529℃，最低的是1911年，為零下0.573℃，溫度的極差為1.112℃，超過1℃，但161年氣溫升高不到1℃。同期全球碳排放量快速增加，由1850年的54mtc增加到2010年的9167mtc，人均碳排放量也由0.05tc增長到2010年的1.34tc，增長28倍。

單位根檢驗。對原序列采用6種方法檢驗后不能排除存在單位根的可能，進一步對兩個差分序列進行檢驗，結果如表1。從檢驗結果看，兩個差分序列平穩(wěn)，不存在單位根。

為了觀察不同滯后階數(shù)的反應，將滯后階數(shù)從1取到50，得出檢驗統(tǒng)計量對應的P值，在檢驗結果中，沒有一致證據(jù)表明氣溫升高與碳排放增加的因果關系。在碳排放增加與氣溫升高的檢驗中，滯后階數(shù)大于1后，沒有證據(jù)表明碳排放增加是氣溫升高的Granger原因。而滯后1階時，F(xiàn)檢驗值達到4.30431，P值為0.0397。顯然，在5%的顯著性水平下，拒絕原假設，即有統(tǒng)計證據(jù)表明，碳排放增加是氣溫升高的Granger原因。因果檢驗對滯后階數(shù)的敏感性，無法得出一致的證據(jù)，需要進一步檢驗。兩個變量是一階單整的，接下來檢驗是否存在協(xié)整關系。利用Johansen檢驗，記Yt為碳排放、氣溫構成的二維列向量，Xt是確定性向量，分別在5種不同的設定進行檢驗。整理后的檢驗結果如表2所示。

表 2Johansen協(xié)整檢驗

數(shù)據(jù)趨勢無無線性拋物線

檢驗類型無截距、無趨勢有截距、無趨勢有截距、無趨勢有截距、有趨勢有趨勢、有截距

跡12210

最大特征根數(shù)12210

單純觀察檢驗結果，無法得出是否存在協(xié)整關系的結論。利用變量回歸，不能拒絕趨勢項冗余的假設，而趨勢項對判斷兩者之間是否存在協(xié)整關系至關重要。因此，用Johansen協(xié)整檢驗并不能確定兩者之間的長期穩(wěn)定因果關系，采用Engle-Granger和Phillips-Ouliaris檢驗，所得結果整理如表3：

由此可知，E-G和PP兩種單方程協(xié)整檢驗都拒絕碳排放量與氣溫之間不存在協(xié)整關系的假設，可以認為在樣本期內，兩者之間存在長期穩(wěn)定的關系。

由于Granger檢驗不能確定最佳滯后階數(shù)，為提高精度，進一步采用Hsiao（1981）的方法：按1/5樣本選擇滯后階的原則，選取的最大滯后階數(shù)為32 ，計算出各滯后階數(shù)的FPE值，比較篩選的最小FPE=0.00838，相應的滯后階數(shù)m*=29，該滯后階數(shù)可解釋為地球氣溫大約在29年左右出現(xiàn)周期性波動的特性；固定m*=29，引入碳排放量，計算到32階的FPE值，得出最小FPE=0.008277，相應n*=1，由此確定的最佳滯后階數(shù)為1期，即上期碳排放量對本期氣溫影響最為顯著，該結果與通過Granger因果檢驗所得滯后階數(shù)一致。所以，采用線性Granger因果關系檢驗后的結論是：碳排放增加是氣溫升高的統(tǒng)計原因。

上述檢驗的基本假設是兩者之間存在線性關系，如果兩者之間存在的關系不是線性的，則證據(jù)不足，需要進一步采用非線性統(tǒng)計檢驗方法檢驗。

由兩個變量的特征，首先選擇非線性因果關系中的BDS檢驗方法。用VAR模型剔除主要線性關系，檢驗余下部分的獨立同分布特征。本問題中，所關注的問題是xt是否引起yt的變動，經(jīng)過甄別，無約束、滯后兩階向量自回歸模型是適宜模型，檢驗y關于x向量自回歸模型中的殘差，按照選取滯后階數(shù)的原則，選擇直到6階后的檢驗結果見表4。

檢驗結果表明經(jīng)過線性關系過濾后的序列中已經(jīng)不含其他非線性因果關系，無需再采用其他非線性因果方法檢驗，支持碳排放增加是氣溫升高的統(tǒng)計原因這一結果。

利用線性和非線性統(tǒng)計因果關系的多種方法檢驗，所得結論是碳排放增加是氣溫升高的統(tǒng)計原因，全球碳排放增加在一定程度上引起了全球氣溫升高。

三、碳排放與氣溫面板數(shù)據(jù)因果關系檢驗

對碳排放與氣溫變化時間序列統(tǒng)計因果關系的研究，只是從時間進程上為我們提供了碳排放增加引起氣溫升高的證據(jù)。由于各地區(qū)工業(yè)化程度不一、區(qū)位各異，導致碳排放分布極不均衡，各地緯度等不同，氣溫差異也較大，僅僅由時序獲取的證據(jù)略顯單薄。為此，我們在全球選擇樣本點，采用面板數(shù)據(jù)因果關系檢驗方法，做出進一步的論證。

樣本選擇。綜合考慮地區(qū)工業(yè)化程度、區(qū)域分布均衡性和數(shù)據(jù)可得性，從全球選取20個國家①①各國氣溫以主要城市代替，德國、俄羅斯等有分合的國家數(shù)據(jù)已按統(tǒng)一口徑處理，數(shù)據(jù)來源同前。，分別為：美國、俄羅斯、英國、法國、德國、日本、波蘭、挪威、瑞典、奧地利、愛爾蘭、南非、墨西哥、印尼、印度、巴西、新西蘭、阿根廷、澳大利亞、中國。其中包含了早期工業(yè)化國家、主要大國和發(fā)展中國家，分布在不同緯度，樣本國家的總碳排放量占全球排放的近70%，樣本有較強的代表性。受觀測數(shù)據(jù)限制，為了兼顧各大洲皆有國家入選，最后確定樣本區(qū)間為1910年至2010年，采集了101年的面板數(shù)據(jù)。

檢驗說明，對1、2、3階的滯后期數(shù)，檢驗值都遠大于臨界值（顯著性水平為1%），拒絕原假設。因此，不能排除碳排放增加是氣溫變化的統(tǒng)計原因。

至此，通過利用時間序列和面板數(shù)據(jù)的多種因果關系檢驗，結果都拒絕碳排放增加不是氣溫變化統(tǒng)計原因的假設。

在現(xiàn)有研究成果中，基于各地區(qū)不同區(qū)位、氣溫和碳排放量，氣溫升高所產(chǎn)生的影響有別，“災難論”似乎證據(jù)更充分，人們總體上更傾向于氣溫升高對人類社會經(jīng)濟發(fā)展“弊大于利”的結論。假設氣溫持續(xù)升高，可以預見的危害包括海平面上升、病蟲害增加、氣候反常頻率增加和沙漠化加劇等，將直接挑戰(zhàn)可持續(xù)發(fā)展的基本條件。如果不能有效控制碳排放，阻止氣溫升高，對于經(jīng)濟發(fā)展主要依靠沿海地區(qū)的海岸國家，氣溫升高導致的經(jīng)濟損失后果將更嚴重?？刂苹茉聪M、尋找清潔替代能源、有效減少碳排放從而實現(xiàn)社會經(jīng)濟可持續(xù)發(fā)展，理應成為人類的共同選擇和發(fā)展路徑。

四、結論

碳排放增加與氣候變化是復雜系統(tǒng)中的兩個方面，選取碳排放和氣溫兩個變量，在總結統(tǒng)計因果關系檢驗方法進展后，采用線性Granger因果檢驗捕捉到在碳排放增量滯后一期時，兩者存在因果關系。進一步采用Hisao檢驗法，得出最優(yōu)滯后階數(shù)，表明碳排放增加是氣溫升高的原因，同時還發(fā)現(xiàn)地球氣溫在29年左右出現(xiàn)一個周期的結論?？紤]兩者之間可能存在非線性因果關系，用非線性檢驗方法，同樣支持碳排放增加引起氣溫升高的結論。有證據(jù)表明，在全球范圍內，碳排放增加是氣溫升高的直接原因。為提供更充分的證據(jù)，從全球選取20個樣本國家，收集從1910年到2010年共101年的數(shù)據(jù)，采用面板數(shù)據(jù)因果檢驗法，在檢驗出這些國家的碳排放和氣溫具有同質性后，進一步檢驗兩者的因果關系，結果同樣支持碳排放增加是氣溫變化的統(tǒng)計原因。因此，從統(tǒng)計意義上講，不能拒絕碳排放增加是氣溫變化的原因。

研究結論表明，按照無悔策略原則，中國政府在應對氣候變化問題上的一系列決策是合理的選擇。在資源趨緊和氣溫變化雙重約束下，各地區(qū)需要從實際出發(fā)，選擇科學發(fā)展路徑，節(jié)能減排、保護環(huán)境，保持經(jīng)濟又好又快增長，這不僅是自身發(fā)展的需要，也是一個對世界負責的政府應有的態(tài)度。

參考文獻

[1]Akaike， H. （1970）. Statistical predicator identification. Annals of the Institute of Statistical Mathematics[J]， 21， 203–207.

[2]Baek， E.G.， Brock， W.A.， 1992. A general test for nonlinear Granger causality： bivariate model[R]. Working Paper. Korea Development Institute， University of Wisconsin-Madison.

[3]Cees Diks， Valentyn Panchenko， A new statistic and practical guidelines for nonparametric Granger causality testing[J]， Journal of Economic Dynamics & Control 30 （2006） 1647–1669.

[4]Douglas Holtz-Eakin， Whitney Newey and Harvey S. Rosen， Estimating vector autoregressions with panel data[J]， Econometrica， 1988， 56（ 6） ：1371- 1395.

[5]Dufour， J.-M.， Pelletier， D.， Renault， E， 2006. Short run and long run causality in time series： Inference[J]. Journal of Econometrics 132 （2）， 337–362.

[6]Dufour， Abderrahim Taamoutic， Short and long run causality measures： Theory and inference[J]， Journal of Econometrics 154 （2010） 42–58.

[7]Engle， R.F， Granger， C.W.J.， 1987. Cointegration and error-correction： representation， estimation and testing[J]. Econometrica 55， 251–276.

[8]Furkan Emirmahmutoglu ，Nezir KoseTesting for Granger causality in heterogeneous mixed panels[J]，Economic Modelling，Volume 28， Issue 3， May 2011， Pages 870-876.

[9]Granger， C.W.J， 1969. Investigating causal relations by econometric models and crossspectral methods[J]. Econometrica37， 424–438.

[10]Granger， C.W.J.， 1988. Causality， cointegration and control[J]. Journal of Economic Dynamics and Control 12， 551–559.

[11]Hiemstra， C.， & Jones， J.， D. （1994）. Testing for Linear and Non-linear Granger Causality in the Stock Price Volume Relation[J]. Journal of Finance， 49， 1639-1664.

[12]Hsiao， C. （1981）. Autoregressive modelling and money-income causality detection[J]. Journal of Monetary Economics， 7，85–106.

[13]Hsiao， C. （1982） Autoregressive Modelling and Causal Ordering of Economic Variables[J].Journal of Economic Dynamics and Control 4： 243-259.

[14]Hurlin Christophe， Venet Baptiste， Granger Causality Tests in Panel Data Models Fixed Coefficients[R] ，Working Paper， Eurisco， Université Paris IX Dauphine ，2001.

[15]Hurlin Christophe， Venet Baptiste， Granger Causality Tests in Panel Data Models with Fixed Coefficients[R]， Working Paper ，2003.

[16]Hurlin C. Testing Granger causality in heterogenous panel data models with fixed coefficients[R]. Paris： Université Paris IX Dauphine，2004.

[17]Hurlin， C.， 2008. Testing for Granger non-causality in heterogeneous panels[R]. Working Papers halshs-00224434， version 1.

[18]Jean-Marie Dufour， Abderrahim Taamoutic， Short and long run causality measures： Theory and inference[J]， Journal of Econometrics 154 （2010） 42-58.

[19]Johansen， S.， Estimation and hypothesis testing of cointegration vectors in Gaussian vector autoregressive models[J]. Econometrica 59（1991） 1551–1580.

[20]Konya， L.， 2006. Exports and growth： Granger causality analysis on OECD countries with a panel data approach[J]. Economic Modeling 23， 978–992.

[21]Michael Eichler，Granger causality and path diagrams for multivariate time series[J]，Journal of Econometrics 137 （2007） 334–353.

[22]P. Grassberger and I. Procaccia. Measuring the strangeness of strange attractors[J]. Physica D， 9：189--208， 1983.

[23]Toda， H.Y.， Yamamoto， T.， 1995. Statistical inference in vector autoregression with possibly integrated processes[J]. Journal of Econometrics 66， 225–250.

[24]Weinhold D， A dynamic‘fixed effectsmodel for heterogeneous panel data[R]，London： London School of Economics， April 1999.

[25]Zhidong Bai， Heng Li， Wing-Keung Wong， Bingzhi Zhang， Multivariate causality tests with simulation and application[J]， Statistics and Probability Letters 81 （2011） 1063–1071.

[26]Zhidong Bai， Wing-Keung Wong， Bingzhi Zhang，Multivariate linear and nonlinear causality tests[J]，Mathematics and Computers in Simulation 81 （2010） 5–17.