基于面板數(shù)據(jù)的河南省碳排放影響因素實(shí)證研究

魏冉

(中原工學(xué)院a.經(jīng)濟(jì)管理學(xué)院;b.系統(tǒng)與工業(yè)工程技術(shù)研究中心，鄭州450007)

0 引言

20世紀(jì)90年代，隨著《聯(lián)合國氣候變化框架公約》和《京都議定書》的生效，中國政府把應(yīng)對氣候變化納入經(jīng)濟(jì)社會(huì)發(fā)展規(guī)劃，并要求各級政府采取有力措施，爭取到2020年二氧化碳排放比2005年有顯著下降。

河南省政府響應(yīng)國家的減排要求，提出“十二五”期間大幅度降低單位生產(chǎn)總值二氧化碳排放，到2015年全省單位生產(chǎn)總值二氧化碳排放比2010年下降17%的減排目標(biāo)，并基于強(qiáng)制性的碳排放量逐步形成碳排放交易市場。因此，對于處于工業(yè)化中期階段的河南省來說，深入研究碳排放下降的驅(qū)動(dòng)因素及影響關(guān)系對于河南省制定減排政策、實(shí)現(xiàn)區(qū)域可持續(xù)發(fā)展更具有實(shí)踐指導(dǎo)意義。

目前，國內(nèi)經(jīng)濟(jì)學(xué)對于碳排放影響量的研究主要有兩種方法，即基于Kaya恒等式的碳排放影響因素分解分析和基于IPAT方程的驅(qū)動(dòng)力分析。

Kaya恒等式及以其為基礎(chǔ)的擴(kuò)展Kaya恒等式，通過建立數(shù)學(xué)模型，反映能源效率、經(jīng)濟(jì)發(fā)展水平、人口、能源結(jié)構(gòu)等因素對碳排放量的影響，分解方法普遍采用對數(shù)平均迪氏指數(shù)分解法(LMDI)。如:王鋒等在Wu等三層完全分解法的基礎(chǔ)上，認(rèn)為在整個(gè)研究期間人均GDP增長是CO2排放量增長的最大正向驅(qū)動(dòng)因素，而生產(chǎn)部門能源強(qiáng)度、交通工具平均運(yùn)輸線路、居民生活能源強(qiáng)度為負(fù)向驅(qū)動(dòng)因素[1];朱勤等基于擴(kuò)展的Kaya恒等式建立因素分解模型，提出我國節(jié)能減排的重點(diǎn)在于調(diào)整產(chǎn)業(yè)結(jié)構(gòu)、優(yōu)化能源結(jié)構(gòu)及提高能源效率[2];宋德勇等[3]、尹向飛[4]、申笑顏[5]均對碳排放總量的變化進(jìn)行了分解研究;徐國泉等對人均碳排放的變化進(jìn)行了分解研究，認(rèn)為1990—2004年經(jīng)濟(jì)發(fā)展對拉動(dòng)中國人均碳排放的貢獻(xiàn)率呈指數(shù)增長，而能源效率和能源結(jié)構(gòu)對抑制中國人均碳排放的貢獻(xiàn)率都呈倒U型[6];陳詩一針對中國工業(yè)38個(gè)兩位數(shù)行業(yè)和三類能源，運(yùn)用LMDI分解法對碳排放強(qiáng)度進(jìn)行了分解研究，結(jié)果表明，能源和工業(yè)結(jié)構(gòu)調(diào)整以及直接的能源強(qiáng)度的降低是促使工業(yè)碳強(qiáng)度波動(dòng)性下降的主要因素，其中能源強(qiáng)度的降低又最為重要[7]。

IPAT方程同樣定量計(jì)算考察因素對碳排放量的影響，只是其考察的影響因素有限，主要包括人口規(guī)模、經(jīng)濟(jì)增長水平和科技進(jìn)步等。Dietz等在Kaya恒等式基礎(chǔ)上建立了IPAT方程的隨機(jī)模型——STIRPAT模型，解決了Kaya模型及IPAT方程的“各因素同比例影響碳排放”假設(shè)的局限，各自變量指數(shù)的引入使該模型可以用于各因素非同比例影響碳排放量的情況[8－13]。

針對河南省碳排放問題的研究主要有:田超杰對1978—2009河南省技術(shù)進(jìn)步對經(jīng)濟(jì)增長與碳排放脫鉤關(guān)系進(jìn)行了實(shí)證研究，認(rèn)為河南省經(jīng)濟(jì)增長與碳排放之間的環(huán)境庫茲涅茨曲線是不規(guī)則的N型曲線[14];尚文英對1978—2009河南省一次能源消耗的碳排放量與經(jīng)濟(jì)增長的關(guān)系進(jìn)行了研究，結(jié)果表明，一次能源消耗的人均碳足跡與人均GDP的關(guān)系并不符合標(biāo)準(zhǔn)的環(huán)境庫茲涅茨曲線，而是呈現(xiàn)出三次曲線關(guān)系，而碳排放強(qiáng)度與人均GDP之間則呈現(xiàn)出反比曲線關(guān)系[15];余沛對2001—2010河南省物流行業(yè)碳排放數(shù)據(jù)進(jìn)行核算和分析，并對未來河南省物流業(yè)碳排放量作了預(yù)測[16];高彩玲等采用擴(kuò)展的Kaya模型對人均碳排放量變化進(jìn)行了分解研究[17];王中亞分析了河南產(chǎn)業(yè)結(jié)構(gòu)與能源消費(fèi)的關(guān)系，認(rèn)為第二產(chǎn)業(yè)對能源消費(fèi)的影響最大，第一和第三產(chǎn)業(yè)對能源消費(fèi)的影響并不明顯[18]。

分析以上文獻(xiàn)的研究可以得出以下結(jié)論:1)盡管有其他因素，但產(chǎn)業(yè)結(jié)構(gòu)、能源強(qiáng)度、人均GDP以及能源結(jié)構(gòu)等因素是影響碳排放的主要原因;2)針對河南省的文獻(xiàn)多從人均GDP一個(gè)因素研究其與碳排放之間的關(guān)系;3)現(xiàn)有多因素對河南省碳排放影響的研究一般都是基于擴(kuò)展的Kaya模型，但其只適用于同比例增長因素，且都是時(shí)間序列數(shù)據(jù)，僅從三類一次能源一個(gè)維度進(jìn)行影響因素的分解研究。由于河南省在一定時(shí)期內(nèi)能源結(jié)構(gòu)很難改變，因此，本文從三次產(chǎn)業(yè)消耗的三類一次能源的角度，基于面板數(shù)據(jù)運(yùn)用STIRPAT模型，實(shí)證研究2000—2013年能源強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)與人均GDP等非同比例影響因素對河南省碳排放量的影響關(guān)系。

1 模型及數(shù)據(jù)解釋

1.1 適用模型——STIRPAT模型

本文使用的基礎(chǔ)模型表示為

其中:Ii為環(huán)境影響;Pi為人口規(guī)模;Ai為人均財(cái)富;Ti為對環(huán)境影響的技術(shù)水平;a為常數(shù)項(xiàng);b、c、d為指數(shù);ei為誤差項(xiàng)。

在上述STIRPAT模型中，引入河南省三次產(chǎn)業(yè)能源強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)及經(jīng)濟(jì)增長的面板數(shù)據(jù)，于是得到

對式(1)兩邊取自然對數(shù)，以減弱各面板數(shù)據(jù)中存在的異方差現(xiàn)象，得到如下線性回歸模型:

式中，i表示三次產(chǎn)業(yè)類型;j表示各年份，產(chǎn)業(yè)GDP與河南省GDP均采用2000年的不變價(jià)格GDP;Tij為河南省第i產(chǎn)業(yè)第j年碳排放量(萬t);Kij為河南省第i產(chǎn)業(yè)第j年產(chǎn)業(yè)比例，Kij=Yij/Yj，其中Yij為第i產(chǎn)業(yè)第j年的產(chǎn)值，Yj為第j年河南省總產(chǎn)值;RYij為河南省第i產(chǎn)業(yè)第j年人均GDP(元)，RYij=Yij/Pj，其中Pj為第j年河南省總?cè)丝跀?shù);Nij為河南省第i產(chǎn)業(yè)第j年能源強(qiáng)度，Nij=Qij/Yij，其中Qij為第i產(chǎn)業(yè)第j年能源消耗量(t/萬元);a為常數(shù)項(xiàng);bij、cij、dij為各對數(shù)化影響因素的系數(shù);eij是殘差項(xiàng)。

1.2 面板數(shù)據(jù)來源及數(shù)據(jù)標(biāo)準(zhǔn)化處理

歷年河南省名義GDP、人口、三次產(chǎn)業(yè)名義GDP均來源于2000—2013年《河南省統(tǒng)計(jì)年鑒》，在模型中實(shí)際GDP采用2000年不變GDP折算價(jià)格;2005—2012年三次產(chǎn)業(yè)煤、石油、天然氣的消耗量及消耗比例來自于2013年《河南省統(tǒng)計(jì)年鑒》及河南省發(fā)改委，其中統(tǒng)計(jì)年鑒未提供2000—2004年各產(chǎn)業(yè)能源消耗數(shù)據(jù)，根據(jù)2001—2004年河南省三次產(chǎn)業(yè)的能源終端消耗量、河南省發(fā)改委及河南省能源研究所提供的數(shù)據(jù)估算，各類能源的碳排放系數(shù)采用表1中的數(shù)據(jù)。鑒于實(shí)證結(jié)果的準(zhǔn)確性，本文對數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化處理[19]。

表1 各類能源的碳排放系數(shù)Table 1 Carbon emission coefficient of energy sources

2 實(shí)證研究

2.1 面板數(shù)據(jù)的單位根檢驗(yàn)

為了避免在面板數(shù)據(jù)分析中出現(xiàn)偽回歸現(xiàn)象，確保估計(jì)結(jié)果的有效性，必須首先對面板數(shù)據(jù)進(jìn)行單位根檢驗(yàn)，確定數(shù)據(jù)的平穩(wěn)性。面板數(shù)據(jù)單位根檢驗(yàn)的數(shù)學(xué)原理是將面板數(shù)據(jù)中各變量的截面數(shù)據(jù)作為一個(gè)整體數(shù)據(jù)序列來進(jìn)行單位根檢驗(yàn)。鑒于單位根檢驗(yàn)的變量可能會(huì)出現(xiàn)相同單位根和不同單位根兩種分類，同時(shí)避免選擇一種檢驗(yàn)方法可能會(huì)帶來偏差，本文同時(shí)采用了Levin-Lin-Chu(LLC)[20]、Im-Pesaran-Shin(IPS)[21]、ADF-Fisher[22]和PP-Fisher[22]4種方法對各變量進(jìn)行單位根檢驗(yàn)，所有檢驗(yàn)方法的原假設(shè)均為存在單位根。

單位根檢驗(yàn)結(jié)果如表2所示，可以看出4種檢驗(yàn)結(jié)果均拒絕存在單位根的原假設(shè)(估計(jì)量伴隨概率Prob＜0.05)，因此面板數(shù)據(jù)中的(ln K)*、(ln RY)*、(ln N)*和(ln T)*4個(gè)變量數(shù)據(jù)的一階差分序列數(shù)據(jù)具有平穩(wěn)性，即I(1)單整。

表2 單位根檢驗(yàn)結(jié)果Table 2 Results of unit root test

2.2 面板數(shù)據(jù)協(xié)整性檢驗(yàn)

協(xié)整檢驗(yàn)是對面板數(shù)據(jù)中各變量之間是否存在長期均衡關(guān)系的檢驗(yàn)方法，目前常用的面板數(shù)據(jù)協(xié)整檢驗(yàn)方法主要有兩類:一類是EG(Engle and Granger，1987)兩步檢驗(yàn)法推廣而來的檢驗(yàn)方法，包括Pedroni(1999、2004)協(xié)積檢驗(yàn)[23－24]和Kao協(xié)積檢驗(yàn)[25];另一類是Johansen跡統(tǒng)計(jì)量推廣而來的檢驗(yàn)方法，包括Fisher個(gè)體聯(lián)合協(xié)積檢驗(yàn)[22]。為了避免采用單一方法可能帶來的誤差，本文同時(shí)采用上述兩類方法進(jìn)行協(xié)整檢驗(yàn)。

表3協(xié)整檢驗(yàn)的結(jié)果表明:在有截距項(xiàng)無時(shí)間趨勢項(xiàng)檢驗(yàn)時(shí)，(ln K)*、(ln RY)*、(ln N)*和(ln T)*4個(gè)變量之間存在著長期穩(wěn)定的均衡關(guān)系，其方程回歸殘差是平穩(wěn)的。因此可以判斷本文面板數(shù)據(jù)在取對數(shù)和標(biāo)準(zhǔn)化后可以進(jìn)行回歸分析，此時(shí)的回歸結(jié)果是較精確的。

表3 協(xié)整性檢驗(yàn)結(jié)果Table 3 Results of cointegration test

2.3 回歸模型選定及結(jié)果

在選定回歸模型之前，首先使用極大似然比檢驗(yàn)方法(F檢驗(yàn)法)判斷面板數(shù)據(jù)，從而確定回歸模型應(yīng)采用混合模型還是個(gè)體固定效應(yīng)模型。檢驗(yàn)結(jié)果如表4所示，因?yàn)镕=8.560 338＞F0.05(2，29)=3.33，所以選用個(gè)體固定效應(yīng)模型。

表4 極大似然比的檢驗(yàn)結(jié)果Table 4 Results of maximum likelihood ratio test

進(jìn)而進(jìn)行Hausman檢驗(yàn)，用于確定回歸模型應(yīng)采用個(gè)體固定效應(yīng)模型還是個(gè)體隨機(jī)效應(yīng)模型，檢驗(yàn)結(jié)果如表5所示，因?yàn)镻＜0.01，所以應(yīng)選擇個(gè)體固定效應(yīng)模型。

表5 Hausman檢驗(yàn)結(jié)果Table 5 Result of Hausman test

最后，估計(jì)回歸模型的結(jié)果。本文在回歸模型中增加了AR(1)和AR(2)誤差自回歸項(xiàng)，用于克服變量間的自相關(guān)性?；貧w模擬采用了最小二乘法，個(gè)體固定效應(yīng)模型估計(jì)結(jié)果如下:

可以看出，回歸效果較為理想，其中DW值來自DW分布表[26]，符合正態(tài)分布。河南省產(chǎn)業(yè)結(jié)構(gòu)對碳排放量的彈性系數(shù)是－0.046，人均GDP對碳排放量的彈性系數(shù)是0.669，能源強(qiáng)度對碳排放量的彈性系數(shù)是0.358。顯然，在這3個(gè)影響因素中，人均GDP對碳排放量的影響最為顯著。

就以上回歸的經(jīng)濟(jì)學(xué)含義而言，在2000—2012年間，河南省三次產(chǎn)業(yè)能源強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)及經(jīng)濟(jì)增長3個(gè)自變量要素與因變量碳排放量的回歸結(jié)果式(3)顯示，自變量與因變量之間存在著高線性相關(guān)性，回歸系數(shù)R2達(dá)到0.995。同時(shí)，回歸結(jié)果表明:各自變量與因變量之間的關(guān)聯(lián)特征各異，其中人均GDP、能源強(qiáng)度與碳排放量存在正相關(guān)性，說明經(jīng)濟(jì)發(fā)展和能源消耗仍舊是河南省碳排放量持續(xù)增高的推動(dòng)力;產(chǎn)業(yè)結(jié)構(gòu)與碳排放量存在負(fù)相關(guān)性，說明河南省產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對降低碳排放量起到了積極作用。

3 實(shí)證研究結(jié)果分析

3.1 各產(chǎn)業(yè)對于河南省碳排放量的影響結(jié)果與分析

各產(chǎn)業(yè)的固定影響系數(shù)如表6所示，河南省第二產(chǎn)業(yè)與碳排放量存在正相關(guān)關(guān)系，而第一產(chǎn)業(yè)和第三產(chǎn)業(yè)與碳排放量存在負(fù)相關(guān)關(guān)系，并且第一產(chǎn)業(yè)和第三產(chǎn)業(yè)對于碳排放量的影響是相近的。

表6 河南省各產(chǎn)業(yè)對碳排放量的固定影響系數(shù)Table 6 Carbon emission coefficients from different industries in Henan

3.2 各因素對河南省碳排放量的影響結(jié)果與分析

為了對比各影響因素對河南省碳排放量的影響，分別作出產(chǎn)業(yè)結(jié)構(gòu)、人均GDP和能源強(qiáng)度對碳排放量的變化曲線，如圖1～圖3所示。

從圖1和圖3中可以看出，河南省產(chǎn)業(yè)結(jié)構(gòu)的變化對碳排放量的減少有一定影響，這一點(diǎn)與我國六部門能源消費(fèi)碳排放量的影響因素的研究結(jié)果一致[27]。此外，盡管第二產(chǎn)業(yè)比例持續(xù)提高，但是由于第二產(chǎn)業(yè)能源強(qiáng)度的不斷下降，在一定程度上抑制了碳排放量的增加[1]。因此，可以在圖2中得出人均GDP是推高碳排放量的主要因素[28－29]。

圖1 河南省2000—2012年產(chǎn)業(yè)結(jié)構(gòu)與碳排放量變化趨勢對比Fig.1 2000－2012 variation trend of industrial structure and carbon emission of Henan

圖2 河南省2000—2012年各產(chǎn)業(yè)人均GDP與碳排放量變化趨勢對比Fig.2 2000－2012 variation trend of GDP per person of different industries and carbon emission of Henan

圖3 河南省2000—2012年各產(chǎn)業(yè)能源強(qiáng)度與碳排放量變化趨勢對比Fig.3 2000－2012 variation trend of energy intensity of different industries and carbon emission of Henan

4 結(jié)論與政策建議

4.1 結(jié)論

(1)河南省人均GDP和能源強(qiáng)度對碳排放量有顯著的正向影響，而產(chǎn)業(yè)結(jié)構(gòu)對碳排放量有負(fù)向影響。

(2)河南省第二產(chǎn)業(yè)人均GDP與碳排放量呈正相關(guān)關(guān)系，而第一產(chǎn)業(yè)和第三產(chǎn)業(yè)人均GDP與河南省碳排放量呈負(fù)相關(guān)關(guān)系，這說明第一產(chǎn)業(yè)和第三產(chǎn)業(yè)的比例增加并不會(huì)導(dǎo)致碳排放量的增加。可以得出，河南省第二產(chǎn)業(yè)的發(fā)展對全省碳排放量的影響最大，這與在全國范圍內(nèi)的研究結(jié)果一致[28]。

(3)河南省各產(chǎn)業(yè)人均GDP，特別是第二產(chǎn)業(yè)人均GDP的持續(xù)增長是碳排放量增加的最大正向影響因素，且其貢獻(xiàn)率也最大，該結(jié)果與前期的研究結(jié)果比較一致[28－29]。鑒于河南省人均GDP遠(yuǎn)未達(dá)到10 000美元的標(biāo)準(zhǔn)，經(jīng)濟(jì)的增長將是未來較長時(shí)間內(nèi)促進(jìn)碳排放量增加的主要因素[30]。

(4)通過河南省產(chǎn)業(yè)結(jié)構(gòu)、人均GDP和能源強(qiáng)度對碳排放量的影響研究，可以看出河南省“三高”企業(yè)比例逐年下降，而對能源依賴較小的高新技術(shù)產(chǎn)業(yè)和節(jié)能企業(yè)比例不斷增加，在一定程度上體現(xiàn)了河南省第二產(chǎn)業(yè)發(fā)展結(jié)構(gòu)逐步趨于合理。

4.2 政策建議

依據(jù)實(shí)證研究結(jié)果和主要結(jié)論，結(jié)合河南省經(jīng)濟(jì)社會(huì)發(fā)展的實(shí)際情況，提出如下政策建議:

(1)制定降低碳排放的能源政策，大力推進(jìn)節(jié)能減排。目前，河南省是我國的資源大省，重工業(yè)和高能耗產(chǎn)業(yè)集中，長期的高投入、高消耗、高污染、低效率的粗放型的經(jīng)濟(jì)增長方式已經(jīng)造成了區(qū)域性的生態(tài)破壞[31]，如何控制和減少碳排放量將成為河南省政府部門和學(xué)術(shù)界急需解決的關(guān)鍵問題。然而有關(guān)統(tǒng)計(jì)結(jié)果說明，近年來河南省碳排放總量持續(xù)在高水平狀態(tài)，且呈現(xiàn)遞增趨勢。因此，為控制碳排放量，河南省必須制定減排能源政策，更有效地減少碳排放量。

(2)制定科學(xué)合理的產(chǎn)業(yè)低碳經(jīng)濟(jì)發(fā)展近、中、長期戰(zhàn)略規(guī)劃。在2000—2012年期間，河南省各產(chǎn)業(yè)人均GDP，特別是第二產(chǎn)業(yè)人均GDP的持續(xù)增長是碳排放量增加的最大正向影響因素，為政府制定科學(xué)的產(chǎn)業(yè)經(jīng)濟(jì)發(fā)展政策提供了理論支持。通過分析影響因素的彈性系數(shù)大小和正負(fù)情況對政府在過去的一段時(shí)期內(nèi)為減少碳排放量而采取措施的效果作出評估，為下一步合理平衡經(jīng)濟(jì)增長與碳排放控制，建立科學(xué)合理的產(chǎn)業(yè)低碳經(jīng)濟(jì)發(fā)展近、中、長期戰(zhàn)略規(guī)劃提供了參考。

(3)鼓勵(lì)發(fā)展產(chǎn)業(yè)集群，建立低碳生產(chǎn)鏈，提高能源利用效率。實(shí)證研究表明，2000—2012年間河南省能源強(qiáng)度是影響碳排放量的重要因素，因此，加強(qiáng)區(qū)域內(nèi)各產(chǎn)業(yè)的協(xié)調(diào)發(fā)展，建立有利于降低生產(chǎn)運(yùn)輸環(huán)節(jié)的碳排放的產(chǎn)業(yè)集群，同時(shí)加快集群內(nèi)產(chǎn)業(yè)的技術(shù)升級，形成低碳生產(chǎn)鏈。

(4)構(gòu)建低碳稅收優(yōu)惠政策。本文的實(shí)證研究結(jié)果表明，在2000—2012年間，盡管產(chǎn)業(yè)結(jié)構(gòu)的變化在一定程度上抑制了碳排放量的增長，但是河南省第二產(chǎn)業(yè)比例持續(xù)升高，仍舊導(dǎo)致了實(shí)證研究期間碳排放量的增長。因此，對碳排放較多的第二產(chǎn)業(yè)產(chǎn)品實(shí)行碳消費(fèi)稅制度，采用低碳排放權(quán)限制高耗能企業(yè)的發(fā)展將是未來降低碳排放量的關(guān)鍵手段。

[1]王鋒，吳麗華，楊超.中國經(jīng)濟(jì)發(fā)展中碳排放增長的驅(qū)動(dòng)因素研究[J].經(jīng)濟(jì)研究，2010(2):123－136.

[2]朱勤，彭希哲，陸志明，等.中國能源消費(fèi)碳排放變化的因素分解及實(shí)證分析[J].資源科學(xué)，2009，31(12):2072－2079.

[3]宋德勇，盧忠寶.中國碳排放影響因素分解及其周期性波動(dòng)研究[J].中國人口·資源與環(huán)境，2009，19(3):18－24.

[4]尹向飛.人口、消費(fèi)、年齡結(jié)構(gòu)與產(chǎn)業(yè)結(jié)構(gòu)對湖南碳排放的影響及其演進(jìn)分析——基于STIRPAT模型[J].西北人口，2011，32(2):65－69，82.

[5]申笑顏.中國碳排放影響因素的分析與預(yù)測[J].統(tǒng)計(jì)與決策，2010(19):90－92.

[6]徐國泉，劉則淵，姜照華.中國碳排放的因素分解模型及實(shí)證分析:1995—2004[J].中國人口·資源與環(huán)境，2006，16(6):158－161.

[7]陳詩一.中國碳排放強(qiáng)度的波動(dòng)下降模式及經(jīng)濟(jì)解釋[J].世界經(jīng)濟(jì)，2011(4):124－143.

[8]Dietz T，Rosa E A.Rethinking the environmental impacts of population，affluence and technology[J].Human Ecology Review，1994，1:277－300.

[9]Rosa E A，Dietz T.Climate change and society:Speculation，constrution and scientific investigation[J].International Sociology，1998，13(4):421－455.

[10]李國志，李宗植.二氧化碳排放決定因素的實(shí)證分析——基于70個(gè)國家(地區(qū))面板數(shù)據(jù)[J].數(shù)理統(tǒng)計(jì)與管理，2011，30(4):585－593.

[11]孫敬水，陳稚蕊，李志堅(jiān).中國發(fā)展低碳經(jīng)濟(jì)的影響因素研究——基于擴(kuò)展的STIRPAT模型分析[J].審計(jì)與經(jīng)濟(jì)研究，2011，26(4):86－93.

[12]姜磊，季民河.基于STIRPAT模型的中國能源壓力分析——基于空間計(jì)量經(jīng)濟(jì)學(xué)模型的視角[J].地理科學(xué)，2011，31(9):1072－1077.

[13]王立猛，何康林.基于STIRPAT模型的環(huán)境壓力空間差異分析——以能源消費(fèi)為例[J].環(huán)境科學(xué)學(xué)報(bào)，2008，28(5):1033－1037.

[14]田超杰.技術(shù)進(jìn)步對經(jīng)濟(jì)增長與碳排放脫鉤關(guān)系的實(shí)證研究——以河南省為例[J].科技進(jìn)步與對策，2013，30(14):29－31.

[15]尚文英.河南省能源消費(fèi)碳排放量演變及其與經(jīng)濟(jì)增長關(guān)系的研究[J].經(jīng)濟(jì)經(jīng)緯，2011(3):39－42.

[16]余沛.河南物流行業(yè)碳排放總量分析與節(jié)能減排前景展望[J].物流技術(shù)，2013，32(8):118－120.

[17]高彩玲，高歌，田采霞.河南省能源消費(fèi)碳排放的因素分解及減排途徑[J].中國礦業(yè)，2011，20(3):46－49.

[18]王中亞.河南產(chǎn)業(yè)結(jié)構(gòu)與能源消費(fèi)關(guān)系實(shí)證研究[J].黃河科技大學(xué)學(xué)報(bào)，2011，13(6):42－44.

[19]河南省統(tǒng)計(jì)局.河南省統(tǒng)計(jì)年鑒2013[M].鄭州:河南統(tǒng)計(jì)出版社，2013:248－264.

[20]Levin A，Lin C F，Chu C S J.Unit root tests in panel data:Asymptotic and finite-sample properties[J].Journal of E-conometrics，2002，108(1):1－24.

[21]Im K S，Pesaran M H，Shin Y.Testing for unit roots in heterogeneous panels[J].Journal of Econometrics，2003，115(1):53－74.

[22]Maddala G S，Wu S W.A comparative study of unit root rests with panel data and a new simple test[J].Oxford Bulletin of Economics and Statistics，1999，61(S1):631－652.

[23]Pedroni P.Critical values for cointegration tests in heterogeneous panels with multiple regressors[J].Oxford Bulletin of Economics and Statistics，1999，61(S1):653－670.

[24]Pedroni P.Panel cointegration:Asymptotic and finite sample properties of pooled time series tests with an application to the PPP hypothesis[J].Econometric Theory，2004，20(3):597－625.

[25]Kao C.Spurious regression and residual-based tests for cointegration in panel data[J].Journal of Econometrics，1999，90(1):1－44.

[26]Durbin J，Watson G S.Testing for serial correlation in least squares regression.II[J].Biometrika，1951，38(1－2):159－177.

[27]胡初枝，黃賢金，鐘太洋，等.中國碳排放特征及其動(dòng)態(tài)演進(jìn)分析[J].中國人口·資源與環(huán)境，2008，18(3):38－42.

[28]鄭長德，劉帥.產(chǎn)業(yè)結(jié)構(gòu)與碳排放:基于中國省際面板數(shù)據(jù)的實(shí)證分析[J].開發(fā)研究，2011，2:26－33.

[29]Théophile A，F(xiàn)ran?ois L，van Nguyen P.Economic development and CO2emissions:A nonparametric panel approach[J].Journal of Public Economics，2006，90(6－7):1347－1363.

[30]Dietz T，Rosa E A.Effects of population and affluence on CO2emissions[J].Proceedings of the National Academy of Sciences，1997，94(1):175－179.

[31]吳彼愛，高建華，徐沖.基于產(chǎn)業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)的河南省碳排放分解分析[J].經(jīng)濟(jì)地理，2010，30(11):1902－1907.