經(jīng)濟增長與碳排放的動態(tài)因果關系研究——基于Bootstrap rolling window

林檸檬，宋文娟，姚雙

（中國海洋大學經(jīng)濟學院，青島 266100）

經(jīng)濟增長與碳排放的動態(tài)因果關系研究——基于Bootstrap rolling window

林檸檬，宋文娟，姚雙

（中國海洋大學經(jīng)濟學院，青島 266100）

本文采用Bootstrap rolling window檢驗法，利用1953—2013年的全樣本和1969—2013年的子樣本研究中國碳排放和經(jīng)濟增長間的動態(tài)因果關系。研究發(fā)現(xiàn)：①1969—2013年碳排放和經(jīng)濟增長間存在多樣的因果關系：1983年和2002年存在經(jīng)濟增長到碳排放的單向因果關系；1999—2001年經(jīng)濟增長和碳排放存在雙向因果關系；2003—2004年存在碳排放到經(jīng)濟增長的單向因果關系；其他時期不存在因果關系。②在存在因果關系的年份中，碳排放與經(jīng)濟增長的相互影響是動態(tài)的：碳排放對GDP的影響在1999—2001年間是正向的，而在2003—2004年間是負向的；GDP對碳排放在1983年和2000—2002年間存在正向影響，1999年存在負向影響?？偠灾?，經(jīng)濟增長與碳排放不存在必然的因果關系。低碳排放也可保持高經(jīng)濟增長。

氧化碳排放量；改進的似然比檢驗；Bootstrap rolling window

一、引言

隨著全球經(jīng)濟發(fā)展，溫室氣體排放加劇引發(fā)的全球氣候變暖、海平面上升等問題，對人類生存與發(fā)展構成了威脅。近20年來國際上先后召開了京都會議、哥本哈根會議、每年的氣候大會和聯(lián)合國氣候峰會等，試圖找出世界各國經(jīng)濟增長與溫室氣體排放的利益平衡點。與此同時，一些學者開始將視角轉(zhuǎn)向二氧化碳排放與經(jīng)濟增長間的因果關系研究，但不同學者觀點懸殊：碳排放與經(jīng)濟增長間可能存在單向因果關系，也可能存在雙向因果關系，甚至不存在因果關系。

目前多數(shù)文獻采用Granger因果關系檢驗對二氧化碳排放與經(jīng)濟增長間的因果關系進行研究，其研究結果分為三類。第一，碳排放與經(jīng)濟增長間存在單向因果關系。Coondoo & Dinda（2002）針對北美、西歐發(fā)達國家和地區(qū)，對其1960-1990年的碳排放與經(jīng)濟增長進行了傳統(tǒng)的Granger因果關系檢驗；Coondoo & Dinda（2006）采用歐洲地區(qū)1960-1990年的碳排放與經(jīng)濟增長數(shù)據(jù)，通過面板數(shù)據(jù)模型研究二者的因果關系；Lean & Smyth（2010）的研究則針對東南亞地區(qū)的5個國家，結果均發(fā)現(xiàn)存在碳排放到經(jīng)濟增長的單向因果關系；Jalil & Mahumd（2009）檢驗了1975-2005年間中國的碳排放與經(jīng)濟增長之間的相互關系；Sajal Ghosh（2010）則研究了1971-2006年間印度的碳排放與經(jīng)濟增長的因果關系；翟石艷（2013）通過檢驗長三角區(qū)域碳排放與經(jīng)濟增長之間的因果關系，均得到經(jīng)濟增長對碳排放存在單向因果關系的結論。

第二，碳排放與經(jīng)濟增長間存在雙向因果關系。Coondoo & Dinda（2002）關于非洲等國家和地區(qū)的碳排放與經(jīng)濟增長間因果關系的研究；Liu（2006）針對1973-2003年間挪威碳排放與經(jīng)濟增長間的因果關系研究；趙愛文（2011）對中國1953-2008年碳排放與經(jīng)濟增長的協(xié)整和Granger因果關系的研究；米國芳（2012）對中國1981-2009年經(jīng)濟增長、電力消費與碳排放量的長期均衡關系和短期動態(tài)變化的研究，均證實了碳排放與經(jīng)濟增長間存在雙向因果關系。

第三，碳排放與經(jīng)濟增長間不存在因果關系。Soytas & Saria（2009）基于VAR 模型以及廣義脈沖函數(shù)，從土耳其碳排放、能源消費、經(jīng)濟增長三者之間的相互影響關系角度進行研究；陳茜（2010）檢驗了美國1970-2005年間的碳排放與經(jīng)濟增長的協(xié)整關系和格蘭杰因果關系；劉倩（2012）在相同的時間跨度下結合EKC假說和Granger檢驗，研究1960-2007年間中國的碳排放與經(jīng)濟增長關系，結果均發(fā)現(xiàn)二氧化碳排放與經(jīng)濟增長間不存在因果關系。

綜上所述，有關碳排放與經(jīng)濟增長的Granger 因果關系的研究表明，不同的國家、不同的發(fā)展階段，其碳排放與經(jīng)濟增長之間存在不同的Granger因果關系；即使是經(jīng)濟發(fā)展水平相似的國家，其碳排放與經(jīng)濟增長的Granger因果關系也存在一定的差異。一般來說，發(fā)達國家碳排放與經(jīng)濟增長存在單向因果關系，而發(fā)展中國家碳排放與經(jīng)濟增長的因果關系不單一，可能存在單向因果關系，也可能存在雙向因果關系，甚至不存在因果關系。同時，碳排放與經(jīng)濟增長間的因果關系是易變的，檢驗結果會因樣本對象、樣本時期和模型選取的不同而不同。

相較于現(xiàn)有研究，本文的特點為：(1)基于改進的LR檢驗法研究全樣本下碳排放與經(jīng)濟增長間的Granger因果關系和檢驗模型的穩(wěn)定性。(2)采用Bootstrap rolling window檢驗法研究子樣本下碳排放與經(jīng)濟增長間的動態(tài)因果關系，找出結構突變點，并加以解釋。

二、方法與數(shù)據(jù)

（一）方法

本文采用Bootstrap rolling window檢驗法研究碳排放與經(jīng)濟增長之間的因果關系，Bootstrap rolling window檢驗法是采用基于自助法（Bootstrap）改進的似然比（LR）檢驗法研究變量之間的動態(tài)因果關系，在VAR模型的基礎上，引入滾動窗口，通過滾動得出不同時期碳排放與經(jīng)濟增長之間的因果關系，得到結構突變點。

為了說明Bootstrap rolling window檢驗法，我們首先對全樣本考慮以下二元VAR（P）過程：

其中，yt是k維內(nèi)生向量，k×k維矩陣φ0,φ1,φp為系數(shù)矩陣，T指樣本個數(shù)，εt=(ε1tε2t)′是一個獨立的白噪聲過程，具有零均值、非奇異協(xié)方差陣的特點，P為一個已知的VAR模型的滯后階數(shù)，通過赤池信息準則（AIC）和施瓦茨準則（SC）來確定。

為了簡化表示，本文將yt分解成兩個子向量，其中，y1t表示二氧化碳排放量，y2t表示國內(nèi)生產(chǎn)總值，同時將方程（1）改為方程（2）的形式：

其中，是定義為Lkx=x的滯后運算符，在這種背景下，tt-k零假設為國內(nèi)生產(chǎn)總值不是二氧化碳排放量的格蘭杰原因，可以通過限制?12,i=0,i=1,2,...,p來檢驗。同樣，對于零假設為二氧化碳排放量不是國內(nèi)生產(chǎn)總值的格蘭杰原因，可以通過限制?21,i=0,i=1,2,...,p 來檢驗。

格蘭杰（1996）指出，變量結構不穩(wěn)定可能是目前研究中面臨的最重要的問題。為了處理結構不穩(wěn)定和參數(shù)非恒定問題，本文除了使用全樣本檢驗二氧化碳排放量與經(jīng)濟增長間的因果關系，判斷結構穩(wěn)定性和參數(shù)是否恒定外，同時應用自助法滾動因果檢驗法使用子樣本檢驗變量間的動態(tài)關系，分時期描述變量間的因果關系。相應的滾動區(qū)間為：

其中，l是滾動窗口的大小，T指樣本個數(shù)。

通過自助法窗口滾動計算零假設為國內(nèi)生產(chǎn)總值不是二氧化碳排放量的格蘭杰原因的漸近P值和零假設為二氧化碳排放量不是國內(nèi)生產(chǎn)總值的格蘭杰原因（即的漸近P值。同時，需估算兩個變量相互影響的幅度，判斷碳排放與經(jīng)濟增長存在正相關關系還是負相關關系。其中，二氧化碳排放量對GDP的影響幅度∧是通過計算所有滾動估計值?2

*1,k的平均值（即，Nb指自助法重復抽樣的次數(shù)）獲得的；的平均值（即獲得的。

GDP對二氧化碳排放量的影響幅度是通過計算所有滾動估計值是對方程（2）運用自助最小二乘法得到的估計值，同時，在95%的置信區(qū)間下，分別計算出的下界（即下四分位數(shù)）、上界（即上四分位數(shù)）。

（二）數(shù)據(jù)

本文選取1953-2013年的中國國內(nèi)生產(chǎn)總值（GDP）、二氧化碳排放量（CT）作為變量，其中GDP平減為以2000年為基期的實際數(shù)值，二氧化碳排放量采用估計法獲得。

2007年IPCC（聯(lián)合國政府間氣候變化專門委員會）發(fā)布的第四次氣候評估報告顯示，能源部門排放的二氧化碳量占CO2總排放量的90%以上。因此，本文以三種消耗量較大的一次能源即石油、煤炭、天然氣為基準來核算CO2排放量，方法參考IPCC（2006）為聯(lián)合國氣候變化框架公約及京都協(xié)議書所制定的國家溫室氣體清單指南第二卷（能源）第六章，從而給出CO2總排放量的計算公式如下：

其中，NCV是指3種一次能源的平均低位發(fā)熱量，根據(jù)《2013年中國能源統(tǒng)計年鑒》附錄4所得。CEF為IPCC（2006）溫室氣體清單提供的碳排放系數(shù)，由于煤炭排放系數(shù)的缺失，本文的處理方法參照自陳詩一（2009）；COF指碳氧化因子（本文設定石油為0.98，煤炭為0.94，天然氣為0.99）。44和12分別為二氧化碳和碳的分子量。因為能源單位不統(tǒng)一（煤炭和石油的單位為萬噸，天然氣為億立方米），需轉(zhuǎn)換成統(tǒng)一的熱量單位標準煤，根據(jù)2013年《中國能源統(tǒng)計年鑒》附錄4提供的數(shù)據(jù)，可得石油、煤炭和天然氣的折標準煤系數(shù)分別為1.428 6千克標準煤/千克、0.714 3千克標準煤/千克和1.330 0千克標準煤/千克。本文最終估算的中國石油、煤炭和天然氣的碳排放系數(shù)為每萬噸標準煤分別排放2.623、2.104和1.626萬噸二氧化碳。

依據(jù)數(shù)據(jù)的可獲得性，本文數(shù)據(jù)選取1953—2013年的年度數(shù)據(jù)，數(shù)據(jù)來源自《中國統(tǒng)計年鑒》和《中國能源統(tǒng)計年鑒》，并以2000年為基期。同時，為了消除變量中的不穩(wěn)定性和異方差現(xiàn)象，對兩個變量分別取自然對數(shù)記為LnCT和LnGDP。軟件使用eviews 8.0和R 2.11.1。

三、實證分析

（一）格蘭杰因果關系檢驗

1.單位根檢驗

單位根檢驗是判斷時間序列平穩(wěn)性的重要組成部分，增廣Dickey-Fuller（ADF）檢驗、Phillips-Perron（PP）檢驗和KPSS檢驗都提供了對序列平穩(wěn)性的正式檢驗。同時，Bootstrap rolling window檢驗法的前提是兩個同階單整的時間序列。本文通過ADF、PP和KPSS三種檢驗法，對二氧化碳排放量與國內(nèi)生產(chǎn)總值兩個時間序列進行平穩(wěn)性檢驗，結果如表1所示。

表1　 ADF、PP和KPSS單位根檢驗結果

由表1知，在ADF檢驗下，LnCT、LnGDP的原序列均存在單位根，而二者的一階差分序列在1%的置信水平下均拒絕原假設，是平穩(wěn)的時間序列，即兩個時間序列在5%的置信水平下是一階單整的。在PP檢驗下，除LnCT原序列包括截距項和趨勢項時，在10%的置信水平下拒絕原假設，其他原序列均接受原假設，存在單位根，而二者的一階差分序列在1%的置信水平下均拒絕原假設，是平穩(wěn)的時間序列。在KPSS檢驗下，對于原序列，除LnCT包括截距項和趨勢項時，接受原假設，其他在1%的置信水平下拒絕原假設；對于其一階差分序列，LnCT接受原假設，是平穩(wěn)的時間序列，LnGDP在10%的置信水平下拒絕原假設，但在5%的置信水平下接受原假設。通過三種單位根檢驗法檢驗，總的來說，LnGT和LnGDP在5%的置信水平下是一階單整的，可以進行Bootstrap rolling window檢驗。

2.全樣本格蘭杰因果關系檢驗

基于自助法改進的似然比檢驗法研究二氧化碳排放量與國內(nèi)生產(chǎn)總值兩個時間序列間的格蘭杰因果關系。為了進行全樣本的格蘭杰因果檢驗，首先構造VAR模型，確定最佳滯后期。然后依據(jù)赤池信息準則（AIC）和施瓦茨準則（SC），若同時最小則直接確定VAR模型的最佳滯后期，若不同時最小則由最大似然檢驗（LR）來最小確定最佳滯后期。由p=1開始，依次逐個增加到10來確定最佳滯后期。本文通過測算得出最佳滯后期為3。

對一組非平穩(wěn)的時間序列來說，可能存在平穩(wěn)的線性組合，即使該組合不存在隨機趨勢，但這組序列是協(xié)整的，即存在一種長期均衡關系。由單位根檢驗可知，本文的兩個時間序列樣本是非平穩(wěn)的，故需要對其進行協(xié)整檢驗。本文選擇Johansen檢驗對對數(shù)的二氧化碳排放量（LnCT）和國內(nèi)生產(chǎn)總值（LnGDP）進行滯后3期的協(xié)整檢驗。結果如表2所示。

表2　 LnCT和LnGDP滯后3期的Johansen協(xié)整檢驗結果

a.這是一個右單端檢驗，在5%的顯著性水平下，零假設為r=0的臨界值是15.495；零假設為r≤1的臨界值是3.841。

從表2知，LnCT和LnGDP在5%的置信水平下，拒絕不存在協(xié)整關系的零假設，而接受存在至多1個協(xié)整關系的零假設，結果表明這組時間序列存在1個長期均衡關系。

格蘭杰因果關系檢驗的前提是變量是平穩(wěn)的或不平穩(wěn)但存在協(xié)整關系。由Johansen協(xié)整檢驗知LnCT和LnGDP存在協(xié)整關系，所以可以直接對原序列進行全樣本的格蘭杰因果關系檢驗。為了充分反映全樣本的格蘭杰因果關系，本文通過傳統(tǒng)的格蘭杰因果關系檢驗、構造VECM（3）和基于自助法改進的似然比檢驗法進行檢驗。結果如表3所示。

表3　 全樣本的格蘭杰因果關系檢驗

由表3知，當原假設為GDP不是碳排放的格蘭杰原因時，傳統(tǒng)的格蘭杰因果關系檢驗法下P值為0.007，統(tǒng)計值4.466落在拒絕域，即在5%的置信水平下拒絕原假設，故GDP是碳排放的格蘭杰原因；通過構造VECM（3），進行格蘭杰因果關系檢驗的P值是0.317，在5%的顯著性水平下接受原假設，即GDP不是碳排放的格蘭杰原因；基于自助法改進的似然比檢驗法下P值是0.42，在5%的置信水平下接受原假設，即GDP不是碳排放的格蘭杰原因。當原假設為碳排放不是GDP的格蘭杰原因時，傳統(tǒng)格蘭杰因果關系檢驗法下P值為0.009，統(tǒng)計值4.254落在拒絕域，即在5%的置信水平下拒絕原假設，故碳排放是GDP的格蘭杰原因；通過構造VECM（3），進行格蘭杰因果關系檢驗的P值是0，在5%的置信水平下拒絕原假設，即碳排放是GDP的格蘭杰原因；基于自助法改進的似然比檢驗法下P值是0.39，在5%的置信水平下接受原假設，即碳排放不是GDP的格蘭杰原因。

（二）參數(shù)穩(wěn)定性檢驗

以往對碳排放與經(jīng)濟增長之間的格蘭杰因果關系的研究，常常因樣本對象選擇和模型選取的差異而得出不一樣的結果，這是因為可能存在結構不穩(wěn)定或參數(shù)非恒定的現(xiàn)象。本文通過檢驗VAR模型的穩(wěn)定性，判斷結構是否穩(wěn)定和參數(shù)是否恒定。如果長期或協(xié)整參數(shù)是穩(wěn)定的，說明模型的長期運行是穩(wěn)定的。此外，如果短期參數(shù)也是穩(wěn)定的，說明該模型表現(xiàn)出充分的結構穩(wěn)定性。本文通過拉格朗日乘數(shù)檢驗和蒙特卡羅模擬得到Nyblom-Hansen統(tǒng)計量（Lc）和似然比統(tǒng)計量的上界（Sup-LR）、似然比統(tǒng)計量的平均值（Mean-LR）、似然比統(tǒng)計量的對數(shù)值（Exp-LR）。其中，原假設為參數(shù)是恒定的，備擇假設為參數(shù)遵循隨機游走過程。

因為參數(shù)的穩(wěn)定性檢驗包括長期參數(shù)穩(wěn)定性檢驗和短期參數(shù)穩(wěn)定性檢驗，所以本文分兩步進行參數(shù)穩(wěn)定性檢驗。第一步進行長期參數(shù)的穩(wěn)定性檢驗，檢驗模型長期的結構穩(wěn)定性，檢驗結果如表4所示。

表4　 長期參數(shù)穩(wěn)定性檢驗

由表4知，在1%的置信水平下，Sup-LR、Mean-LR、Exp-LR、Lc在5%的置信水平下均拒絕原假設，接受備擇假設，即長期參數(shù)非恒定，遵循隨機游走過程。也就是說該VAR(3)模型的長期結構是不穩(wěn)定的，存在結構性突變。

第二步進行短期參數(shù)的穩(wěn)定性檢驗，檢驗模型短期的結構穩(wěn)定性。檢驗結果如表5所示。

表5　 短期參數(shù)穩(wěn)定性檢驗

由表5知，對整個VAR（3）系統(tǒng)來說，Sup-LR、Mean-LR、Exp-LR的統(tǒng)計量值均在接受域內(nèi)，即在5%的顯著性水平下均接受原假設，拒絕備擇假設。但所有參數(shù)的穩(wěn)定性檢驗值Lc的漸近P值為0.028，在5%的置信水平下拒絕原假設，即整個VAR（3）系統(tǒng)在短期是不穩(wěn)定的。對LnCT方程和LnGDP方程來說，其Sup-LR、Mean-LR、Exp-LR在5%的置信水平下均拒絕原假設，即短期參數(shù)非恒定，遵循隨機游走過程。故該VAR(3)模型在短期結構也是不穩(wěn)定的，存在結構性突變。

（三）Bootstrap rolling window檢驗法

由于本文時間序列無論長期還是短期均存在結構不穩(wěn)定性，即存在結構性突變，故采用Bootstrap rolling window檢驗法分析子樣本間的動態(tài)關系，分時期研究碳排放和經(jīng)濟增長間的因果關系。

首先，確定滾動窗口的大小。對于滾動窗口大小的選擇，不存在嚴格意義上的標準。根據(jù)Pesaran & Timmermann（2005）對滾動窗口均方誤差方面的研究，發(fā)現(xiàn)最佳滾動窗口的大小取決于持續(xù)期和休息期的大小。在選擇最佳滾動窗口的大小時應考慮兩個相互矛盾的需求。第一，對自由度進行估計需要較大的樣本量，才能準確地估計參數(shù)；第二，多個潛在的結構突變需要一個較小的樣本量，以減少在窗口樣本中出現(xiàn)多個休息期的風險。本文根據(jù)Pesaran & Timmermann（2005）的模擬結果，考慮到兩個相互矛盾的需求，選擇最佳滾動窗口的大小為15（不包括所需的滯后觀測值，因此滾動窗口的估計中使用的是實際觀測值）。零假設為碳排放不是GDP的格蘭杰原因的各時點的漸近P值和碳排放對GDP的影響幅度值分別如圖1和圖2所示。

圖1　 零假設為碳排放不是GDP的格蘭杰原因的漸近P值

圖2　 碳排放對GDP的影響幅度

由圖1知，在1999-2001年和2003-2004年期間碳排放不是GDP的格蘭杰原因的漸近P值小于10%，此時拒絕原假設，即在10%的置信水平下，碳排放是GDP的格蘭杰原因；其他時間段內(nèi)碳排放不是GDP 的格蘭杰原因的漸近P值大于10%，此時接受原假設，即在10%的置信水平下，碳排放不是GDP的格蘭杰原因。在圖2中對應于圖1碳排放和GDP間存在因果關系的相同時期中，在1999-2001年，碳排放對GDP的影響幅度值大于0，影響為正。由于這段時間重工業(yè)主導力量增強，其對國民經(jīng)濟的支撐作用加大，而重工業(yè)大力發(fā)展會導致二氧化碳排放量增加，同時帶動經(jīng)濟的發(fā)展，這可能導致了碳排放對經(jīng)濟增長具有正向影響。在2003-2004年，碳排放對GDP的影響幅度值小于0，影響為負。碳排放量的大量增加，引起全球氣候變暖、海平面上升，會阻礙經(jīng)濟發(fā)展，使碳排放對GDP的影響為負。

同時，零假設為GDP不是碳排放的格蘭杰原因的各時點漸近P值和GDP對碳排放的影響幅度值分別如圖3和圖4所示。

圖3　 零假設為GDP不是碳排放的格蘭杰原因各時點的漸近P值

圖4　 GDP對二氧化碳排放量的影響幅度

由圖3知，在1983年和1999-2002年，GDP不是碳排放的格蘭杰原因的漸近P值小于10%，此時拒絕原假設，即在10%的置信水平下，GDP是碳排放的格蘭杰原因；而其他時間段的漸近P值大于10%，此時接受原假設，即在10%的置信水平下，GDP不是碳排放的格蘭杰原因。在圖4中對應于圖3碳排放和GDP間存在因果關系的相同時期中，1983年GDP對碳排放的影響幅度值大于0，影響為正。十一屆三中全會是中國經(jīng)濟建設的轉(zhuǎn)折點，1983年正處于中國大力發(fā)展經(jīng)濟的初期，發(fā)展經(jīng)濟的重心在重工業(yè)，GDP增長的同時促進碳排放量增加，GDP對碳排放起到了正向影響；1999年GDP對碳排放的影響幅度值小于0，影響為負。1999年國家出臺有關環(huán)境保護的政策，對違反環(huán)境保護的行為嚴懲不貸，倡導綠色經(jīng)濟，所以這一年經(jīng)濟增長的同時并沒有帶來碳排放的大幅增加，反而使碳排放增速變緩，此時GDP對碳排放起到負方向的影響；2000-2002年GDP對碳排放的影響幅度值大于0，影響為正。為了2001年加入世貿(mào)組織，這一時期中國大力發(fā)展經(jīng)濟，要保持經(jīng)濟較快、較穩(wěn)發(fā)展，重工業(yè)的生產(chǎn)總值增速變快，在促進整體經(jīng)濟發(fā)展的同時促進了碳排放量的增加，GDP對碳排放起到正向的影響。

四、結論

本文基于自助法改進的似然比檢驗法，對中國1953-2013年碳排放與經(jīng)濟增長的全樣本進行研究，得出二者之間不存在格蘭杰因果關系；對中國1969-2013年的子樣本采用Bootstrap rolling window檢驗法，發(fā)現(xiàn)在1983年和2002年兩個時間點存在經(jīng)濟增長到碳排放的單向因果關系，且經(jīng)濟增長對碳排放存在正向的影響；在1999-2001年，經(jīng)濟增長和碳排放存在雙向因果關系，且碳排放對經(jīng)濟增長存在正向的影響，經(jīng)濟增長對碳排放在1999年存在負向的影響，在2000-2001年存在正向的影響；在2003-2004年存在碳排放到經(jīng)濟增長的單向因果關系，且碳排放對經(jīng)濟增長存在負向的影響；在其他時期，碳排放與經(jīng)濟增長不存在格蘭杰因果關系。

碳排放與經(jīng)濟增長在1969-2013年子樣本時期存在如此動態(tài)因果關系的原因是構造的VAR（3）系統(tǒng)存在結構不穩(wěn)定性，產(chǎn)生了結構性突變。這些結構性突變一般是由政策性原因?qū)е碌摹Ｋ?，某種宏觀經(jīng)濟政策的實施對碳排放和經(jīng)濟增長的關系轉(zhuǎn)變是有影響作用的，同時，碳排放與經(jīng)濟增長間不存在必然的因果關系，在低碳排放的情況下，也可以保持較高的經(jīng)濟增長。我們應該在宏觀經(jīng)濟政策的指導下，加快產(chǎn)業(yè)結構調(diào)整，轉(zhuǎn)變粗放型生產(chǎn)方式，促進碳排放和經(jīng)濟增長關系的轉(zhuǎn)變。

[1] 翟石艷,王錚. 基于ARDL模型長三角碳排放、能源消費和經(jīng)濟增長關系研究[J]. 長江流域資源與環(huán)境,2013,(1):94-103

[2] 趙愛文,李東. 中國碳排放與經(jīng)濟增長的協(xié)整與因果關系分析[J]. 長江流域資源與環(huán)境.2011,(11):1297-1213

[3] 米國芳,趙濤. 中國經(jīng)濟增長、電力消費與碳排放量關系研究[J]. 科學管理研究, 2012,(1):89-91+116

[4] 陳茜,蘇利陽,汝醒君. 發(fā)達國家不同發(fā)展階段碳排放與經(jīng)濟增長的因果關系分析[J].生態(tài)經(jīng)濟.2010,(4):52-55

[5] 劉倩,趙普生.十五個主要碳排放國碳排放與經(jīng)濟增長實證分析與比較研究[J].經(jīng)濟問題探索.2012,(2):137-144

[6] 陳詩一. 能源消耗、二氧化碳排放與中國工業(yè)的可持續(xù)發(fā)展[J]. 經(jīng)濟研究,2009,(4):41-55

[7] Coondoo, D. and Dinda, S. Causality between Income and Emission: A Country Group Specific Economic Analysis.[J].Ecological Economics, 2002,(40):351- 367.

[8] Dinda, S. and Coondoo, D. Income and Emission: A Panel- Data Based Cointegration Analysis.[J]Ecological Economics, 2006,(57):167-181

[9] Lean, H. H. and Smyth, R. CO2 Emissions, Electricity Consumption and Output in ASEAN.[J]Applied Energy, 2010,(8):1858-1864

[10] Abdul Jalil, Syed F. Mahmud. Environment Kuznets curve for CO2 emissions: A cointegration analysis for China[J]. Energy Policy, 2009,3712:.

[11] Sajal Ghosh. Examining carbon emissions economic growth nexus for India: A multivariate cointegration approach[J]. Energy Policy, 2010,(38): 3008-3014.

[12] Liu, G. A causality analysis on GDP and Air Emissions in Norway. Discassion Papers No, 447. Statistis Noway, Research Department.

[13] Soytas, U. and Sar,i R. Energy Consumption, Econom ic G row th, and Carbon Emissions: Challenges Faced by an EUC and idate Member. [J]Ecological Economics, 2009,(68):1667- 1675.

[14] M. Hashem Pesaran,Allan Timmermann. Small sample properties of forecasts from autoregressive models under structural breaks[J]. Journal of Econometrics,2005,1291:.

〔執(zhí)行編輯：秦光遠〕

Carbon Emissions and Economic Growth Causal Nexus -Viewed through a Bootstrap Rolling Window

LIN Ning-meng, SONG Wen-juan, YAO Shuang
(School of Economics, Ocean University of China, Qingdao 266100, China)

This paper analyzes the dynamic causal links between carbon emissions and economic growth in China through a bootstrap rolling window by using a full sample of annual China data from 1953 to 2013 and a sub-sample from 1969 to 2013. The most important findings are as follows. Firstly, the causal links between carbon emissions and economic growth are varied in the subsample from 1969 to 2013.There are a unidirectional causality from GDP to carbon emissions in 1983 and 2002,a bidirectional causality between carbon emissions and GDP in 1999-2001,a unidirectional causality from carbon emissions to GDP in 2003-2004 and non-causality between carbon emissions and GDP in other times. Secondly, the mutual influence between carbon emissions and economic growth is dynamic in the year of the existence of a causal relationship. Among them, the impact of carbon emissions on GDP is positive in 1999-2001 and negative in 2003-2004.The impact of GDP on carbon emissions is positive in 1983 and 2000-2002 and negative in 1999.In a word, there are causality or non-causality between carbon emissions and economic growth. So in the case of low carbon emissions,we can maintain high economic growth.

arbon emissions;the modified LR test; bootstrap rolling window

F062.1

A

2095-7572(2016)06-0105-11

2016-5-23

林檸檬(1992-)，女，中國海洋大學經(jīng)濟學院，碩士研究生，主要研究方向:金融學、數(shù)理統(tǒng)計。宋文娟(1991-)，女，中國海洋大學經(jīng)濟學院，碩士研究生，主要研究方向：金融投資與理財。姚雙(1991-)，女，中國海洋大學經(jīng)濟學院，碩士研究生，主要研究方向：貨幣銀行理論與政策。