我國經濟增長對碳排放驅動效應的實證研究

摘 要：用EKC模型、STIRPAT模型和SS-STIRPAT模型分別對1980—2008年我國經濟增長對碳排放驅動效應進行實證分析，結果顯示SS-STIRPAT模型不僅能夠分析動態特征而且模型預測性質更好。研究發現，我國的碳排放EKC曲線并非倒U型，我國人均碳排放對人均GDP的彈性系數在1.11到1.15范圍內波動，產業結構調整、市場化改革、宏觀經濟刺激政策和環境保護力度是影響該彈性的重要因素。為了實現2020年的減排目標，每年由技術進步帶來的單位GDP碳排放下降比率必須達到4%。

關鍵詞：經濟增長；碳排放；驅動效應；實證研究

Empirical Research of Economic Growth on Carbon Emission Driving Effect in China

FAN Yunqi，WANG Wenju

(School of Economics， Capital University of Economics and Business， Beijing， 100026， China)

Abstract：By using EKC Model， STIRPAT Model and SSSTIRPAT Model， the paper did an empirical analysis of economic growth from 1980 to 2008 on carbon emission and results show that SSSTIRPAT Model can not only analyze dynamic characteristics but also has a better prospective quality. Results also suggest that the EKC curve of carbon emission in China is not Ushaped; the elastic factor of carbon emission per capita fluctuates between 1.11 and 1.15 which mainly due to industrial structure adjustment， market reform， macroeconomy stimulating policies and environmental protection strength; in order to reach the goal of emission reduction in 2020， the dropping rate of GDP carbon emission per unit resulted from technological advance must be 4%.

Key words：economic growth， carbon emission， driving effect， empirical research

從工業革命開始，人類生產方式發生了重大轉變，世界經濟進入了高速發展時期，但與此同時人類的生產活動也產生了大量的溫室氣體在自然界中不斷積累。一旦大氣中溫室氣體的濃度超過臨界值，將造成全球災難性的后果。為了保證發展的可持續性，控制溫室氣體排放，發展低碳經濟成為國際社會共同關注的焦點。隨著我國經濟的快速發展，我國經濟總量占世界份額比重的達到7.3%，躍居世界第三位，但與此同時我國每年的二氧化碳排放總量也超過60億噸，位居世界第一，因此在這場全球性的溫室氣體排放控制的運動中我國占據著重要地位。作為一個負責任的大國，我國提出到2020年單位生產總值二氧化碳排放比2005年低40%—45%的目標，實現這個目標對于正處于城市化和工業化進程中的我國無疑是個重大挑戰。既要保證經濟增長，又要控制溫室氣體的排放，為了實現這對目標，深入探討我國經濟增長對碳排放的驅動效應成為了首要的基礎性工作。

一、文獻綜述

目前，經濟增長對碳排放的驅動效應主要采用兩種方法進行分析，一種方法是通過環境庫茲涅茨曲線進行研究。環境庫茲涅茨曲線（簡稱EKC）描述的是人均收入與環境退化之間的關系。Shafik和Nemat(1994)通過對大量國家的數據進行實證分析，認為人均二氧化碳排放與人均收入之間存在著線性關系，人均收入的增加會導致人均二氧化碳的排放情況不斷惡化。［1］ Cole、Ravner和Bates（1997）通過建立包含截面固定效應和時間固定效應的面板數據模型對OECD國家進行分析，認為人均二氧化碳排放與人均收入之間存在倒U型的關系。［2］ Cannas等（2003）通過對16個工業化國家1960年—1998年的面板數據進行分析，提出了N型的環境庫茨涅茨曲線，并對產生的原因進行了解釋。［3］ 與國外學者不同，國內學者對碳排放與經濟增長關系的研究還處于起步階段。陸虹（2000）對人均二氧化碳排放與人均GDP之間的關系進行研究，發現二者不是簡單倒U型關系。［4］ 林伯強和蔣竺均（2009）對我國的碳排放環境庫茲涅茨曲線（簡稱CEKC）進行擬合，并對我國人均二氧化碳排放的拐點進行了判斷。［5］ 其實至今為止，CEKC是否存在，以及曲線是什么形狀等問題，國內外的研究尚未形成一致結論。

從20世紀70年代開始，學者們對EKC提出了批評，認為EKC僅關注經濟增長對碳排放的影響，忽視了其他因素的影響，可能造成經濟增長對碳排放驅動效應的估計有偏，從而形成了研究碳排放與經濟增長的第二種方法，即在多個影響因素背景下分析經濟增長對碳排放的影響。Ehrlich等（1970）提出了IPAT模型，認為環境受到人口、富裕度和技術等三個因素的共同影響。［6］ 在IPAT模型的基礎上，Waggoner等（2002）把技術因素分解為使用強度和效率兩個因素，提出了ImPACT模型。［7］ York等（2003）針對IPAT和ImPACT模型不能反映影響因素之間影響力非對稱的缺陷，提出了STIRPAT模型，并發展了生態彈性（Ecological Elasticity）的概念①[注：①生態彈性定義為影響因素變動導致環境退化變動的百分比。]。［8］ 從此，STIRPAT模型和影響因素的生態彈性被人們用于分析碳排放與經濟增長的關系。

雖然STIRPAT模型放松了IPAT模型和ImPACT模型以各影響因素為對稱性影響的假設，但是該模型假設各因素的影響不隨時間變化而變化，所以本質上屬于靜態分析模型。另外STIRPAT模型對參數的估計基于最小二乘法，對樣本質量要求較高。針對這些不足我們提出狀態空間-STIRPAT模型（簡稱SS-STIRPAT），并將其用于分析我國經濟增長對碳排放驅動效應的動態特征。

本文在比較EKC模型、STIRPAT模型和SS-STIRPAT模型的基礎上，用三個模型分別就我國經濟增長對碳排放驅動效應進行分析并將結果進行比較，然后分析我國經濟增長對碳排放驅動效應的動態特征。

二、模型比較

（一）EKC模型

EKC模型認為環境退化僅受到經濟增長的影響，模型用人均收入y衡量經濟增長，用污染物人均排放量e衡量環境退化，不同學者在建立模型時采用了不同的數學形式，其中最常見的是對數形式，即

lne=αlny

（1）

在現有文獻中，當污染物為二氧化碳時，對α和EKC形狀的研究尚未得出一致結論。根據α的不同，EKC曲線呈現出不同形狀。具體包括如下幾類(見表1)。

表1

其中βi>0，i=0，1，2。

經濟增長對碳排放的驅動效應一般通過碳排放對經濟增長的彈性系數進行衡量，不同類型的EKC曲線反映出不同的驅動效應：當EKC曲線為線型時，經濟增長對碳排放的驅動效應是恒定的；當EKC曲線為倒U型時，經濟增長對碳排放的驅動效應是遞減的；當EKC曲線為N型時，經濟增長對碳排放的驅動效應是先增后減的。

（二）STIRPAT模型

STIRPAT模型源于IPAT模型。IPAT模型放松了EKC模型環境退化僅與經濟增長有關的假設，認為環境退化不僅受到經濟增長的影響，還與人口規模和技術水平有關，即

I=PAT

（2）

其中，I代表環境退化，通常用污染物的排放來衡量；P代表人口規模；A代表經濟增長水平，通常用人均GDP衡量；T代表技術，通常用單位GDP污染物排放量衡量。從（2）式可以看出IPAT模型本質上是一個核算恒等式，該模型通過將環境退化指標分解為不同因素指標，然后估算每種因素對環境退化的影響程度。York等（2003）指出這種因素分解的方法存在著兩個重要的缺陷：（1）模型不能對影響因素的效果進行假設檢驗；（2）模型假設在不同時期各因素的影響都是同比例的。具體地說，只要滿足環境退化指標核算恒等式的條件，IPAT模型可以不斷擴展出新的影響因素，而新的因素是否真的對環境退化具有顯著影響，是無法進行檢驗的。另外，該模型錯誤地認為各影響因素之間關系都是同比例的，例如A增加1%對I的影響與T增加1%對I的影響效果始終是一樣的。

為了克服以上不足，York等（2003）將IPAT模型隨機化，提出了STIRPAT模型，即

It=aPbtActTdtet

（3）

其中，a，b，c，d為模型需要估計的參數，et為隨機誤差項。為了便于估計和進行假設檢驗，STIRPAT模型一般采用對數形式，即

lnIt=lna+blnPt+clnAt+dlnTt+εt

（4）

由于STIRPAT模型不再需要以環境退化的核算恒等式為基礎，學者們在實際運用中一方面結合各國實際將Tt用其他指標進行替代，另一方面為了與EKC模型的研究框架一致，多采用人均指標進行研究，例如林伯強等（2009）建立如下模型研究我國經濟增長對碳排放的影響［5］：

lnPCt=a+b1lnPYt+b2lnIt+b3lnSt+b4lnMt+et

（5）

其中，PCt代表人均二氧化碳排放量，PYt代表人均GDP，It代表工業能源強度，St代表一次能源消費結構，Mt代表工業結構。

（三）SS-STIRPAT模型

STIRPAT模型雖然克服了IPAT模型的兩大缺陷，但我們認為，STIRPAT模型也存在著不足。

首先，STIRPAT模型假設經濟增長對碳排放的驅動效應是恒定的，它實質上是以線性EKC曲線為基礎進行擴展的多元線性模型。以經濟增長因素A為例，當A增長1%時，STIRPAT模型認為環境退化程度I始終增長c%，根據前面的分析，這是值得商榷的。

其次，碳排放與經濟增長的關系受多種因素的影響，并且處于不斷的變動中。通過對EKC的研究，學者們發現碳排放與經濟增長的關系并非固定的，而是受到多種因素的影響處于不斷變化之中。Dasgupta等（2002）對這些因素做了一個總結，包括環境法規、市場化程度、社會道德準則、來自市場參與者的壓力、政府監督力度和信息透明度等。［9］ 因此，碳排放與經濟增長的關系如下所示：

lnet=αtlnyt，其中αt=α（X1t，…，Xnt)

（6）

其中，Xit，i=1…n表示t期影響經濟增長生態彈性的各種因素。從（6）式可以看出，STIRPAT模型實質上是用αt的均值去代替處于不斷變化中的αt，因此屬于靜態分析，而無法捕捉經濟增長對碳排放的動態效應。

最后，STIRPAT模型在估算時基于最小二乘法，當樣本容量不夠大時，估計結果的波動性較強。我國處于經濟高速增長時期，前面提到的各種影響碳排放與經濟增長關系的因素也處于不斷變動中，當我們用STIRPAT模型估計經濟增長的生態彈性時，由于參數估計結果是αt的均值，如果樣本選取較大，可能會與當期值出現偏差；如果樣本選取較小，又會使得估計的結果穩定性較差。

針對上面的三個缺陷，我們結合STIRPAT模型和狀態空間模型，提出狀態空間-STIRPAT模型（簡稱SS-STIRPAT模型），即

量測方程：lnIt=lna+αtlnAt+blnPt+clnTt+ut

（7）

狀態方程：αt=φ0+φαt－1+εt

(ut，εt)'~N0

0，σ20

0R

狀態空間模型被用來估計不可觀測的時間變量，經典線性模型和ARIMA模型都是狀態空間模型的特殊形式。狀態空間模型利用卡爾曼濾波進行估計，能夠用現在和過去的最小信息形式描述系統的特征，因此不需要大量的數據資料。

三、我國經濟增長對碳排放驅動效應的實證分析下面我們用上述三種模型，就1980年—2008年我國經濟增長對碳排放驅動效應進行實證分析，并對分析結果進行比較。數據來源于《中國統計年鑒》和美國能源資料協會(EIA)①[注：①http://www.eia.doe.gov/。

（一）EKC模型分析

根據（1）式，我們采用二次型的標準EKC模型。為了避免“偽回歸”，首先對lnPCt、lnPYt、ln2PYt三個序列進行單位根檢驗，在10%的置信水平下三者均為一階單整（結果見表2）。

采用Johansen協整檢驗，在5%置信水平下特征根檢驗和最大特征值檢驗都顯示lnPCt、lnPYt、ln2PYt三個序列存在一個協整關系（見表3）。

因此，得到回歸結果如下

lnPCt=3.3713－0.5580lnPYt+0.0763ln2PYt

（8）

（0.0206）（0.1732）（0.0136）

其中，PCt代表人均二氧化碳排放量，PYt代表人均GDP，括號內為p值（下同）。可見，除了lnPYt以外其他各項的系數在5%的置信水平下都顯著。值得注意的是，由于ln2PYt項的系數大于0，因此EKC曲線并未呈現出倒U型。遵循以往研究慣例，本文用人均碳排放對人均GDP的彈性系數衡量經濟增長對碳排放的驅動效應，通過（8）式計算該彈性系數，因為lnPYt的系數不顯著，將其視為0，得到

EE1PY = dPCt /PCt dPYt /PYt = 0.1526lnPYt

（9）

（二）STIRPAT模型分析

為了使不同模型的研究結果具有可比性，我們用STIRPAT模型進行人均分析而不是總量分析①[注：①這也是學者們經常采用的方法，如林伯強等（2009）[5]。]。另外，York等（2003）給出了三種對技術Tt的處理方法，并指出對于研究發展中國家的情況來說，尋找一個替代變量是很重要的。[8]由于對技術進步的估算本來就是一個比較復雜的問題，出于簡化的目的我們把時間趨勢項（用Trend表示）作為技術進步的代理變量。修正后的STIRPAT模型估計結果如下：

lnPCt=α0+α1lnPYt+α2Trend

（10）

從表2可知，lnPCt、lnPYt均為一階單整序列。進行Johansen協整檢驗，在5%置信水平下特征根檢驗和最大特征值檢驗都顯示lnPCt、lnPYt存在一個協整關系（見表4）。

因此，可得到如下回歸結果：

lnPCt=－3.6826+1.0978lnPYt－0.0504Trend（11）

（0.1250）（0.0118）（0.1489）

從上面的估計結果可以看出，人均碳排放與人均GDP之間的彈性系數為1.0978，并且在5%的置信水平下顯著，技術進步帶來的每年人均二氧化碳排放減少并不顯著。

（三）SS-STIRPAT模型分析

與前面的思路一樣，我們將SS-STIRPAT模型用于人均分析，并將時間趨勢項作為技術的代理變量，得到如下模型：

量測方程：lnPCt=－3.7905－0.05816Trend+

（0.0273） （0.0239）

αtlnPYt+［VAR=EXP(-18.6431)］

(0.9998)

（12）

狀態方程：αt=-0.1552+1.1383*SV1(-1)

(0.0000) (0.0000)

+［VAR=EXP(-10.1910)］

(0.0000)

其中括號內為z統計量。從回歸結果可以看出，各項系數均符合預期。值得注意的是，在STIRPAT模型不顯著的時間趨勢項此時變得顯著為負，說明我國的技術進步對人均碳排放起到了抑制作用。

四、碳排放與經濟增長關系估計結果比較

與EKC模型和STIRPAT模型不同，在SS-STIRPAT模型中，人均碳排放與人均GDP之間的彈性系數通過狀態方程進行動態估計。下面我們把三種模型估計結果進行比較，在此基礎上對模型進行評價。

首先，我們通過擬合值與實際值對三個模型進行比較（見圖1）。通過觀察可以發現，SS-STIRPAT模型能夠更好地擬合實際值的波動趨勢，對于1995年以后的樣本這種優勢體現得更為明顯。實

圖1 EKC模型、STIRPAT模型和SS-STIRPAT模型擬合效果際上似然率、AIC、SC和H-QC等指標都顯示出SS-STIRPAT模型的“樣本外”預測性質更好。

其次，我們用模型估計的碳排放經濟增長彈性對三個模型進行比較。人均碳排放與人均GDP之間的彈性系數被廣泛用于衡量碳排放與經濟增長的關系，本文通過把0和1作為臨界值對該彈性進行劃分，來判斷一國所處的低碳經濟階段，劃分標準見表5。從全世界范圍來看，目前僅有少數發達國家處于相對脫鉤階段，發展中國家一般處于擴展連接階段，尚未有任何國家達到絕對脫鉤階段。

結合表5的劃分，我們對三種模型估計的人均碳排放與人均GDP之間的彈性系數進行分析。在圖1中，EE-EKC、EE-STIRPAT、EE-SS-STIRPAT分別表示EKC模型、STIRPAT模型、SS-STIRPAT模型估算的人均碳排放與人均GDP之間的彈性系數。

從圖2中可以看出EE-EKC從1980年到2008年一直處于上升趨勢，1980年EE-EKC為0.8782，1991年突破1，2008年升至1.2375，整個樣本期平均為1.0529。我們認為這一估計結果至少存在兩方面的問題：首先，根據這一結果我國在1990年以前處于相對脫鉤階段，即步入低碳經濟階段，1990年以后進入到擴展連接階段，即進入非低碳經濟發展階段，并且EE-EKC仍在不斷提升之中，這既不符合社會發展的一般規律，也不符合我國的經濟結構特征；其次，由于人均碳排放與人均GDP之間的彈性系數本質上是由一國的經濟發展方式決定的，因此應該具有相對穩定性，即短期內不會發生太大變化，然而EE-EKC卻出現了大幅變化。值得一提的是，樣本期內的EE-EKC均值為1.0529。

圖2 人均碳排放與人均GDP之間的彈性系數估計結果與EE-EKC不同，EE-STIRPAT的估計結果為1.0978，這一結果與EE-EKC的均值較為接近。EE-STIRPAT分析的是碳排放與經濟增長間的靜態關系，實際上是對樣本期內人均碳排放與人均GDP之間的彈性系數均值的估計。根據EE-STIRPAT和表5的劃分，當時我國正處于擴展連接階段，尚未步入低碳經濟。但對于我國在擴展連接階段中的動態特征，EE-STIRPAT無法進行回答。

通過EE-SS-STIRPAT我們發現從1980年至2008年人均碳排放與人均GDP之間的彈性系數處于不斷變動中，并且這種變動有以下特征：第一，波動范圍處于1.1至1.15之間，樣本期內均值為1.1285，即我國在樣本期內始終處于擴展連接階段，尚未步入低碳經濟路徑中；第二，樣本期內EE-SS-STIRPAT的波動可以分為五個時期，1980—1985年處于下降期，1985—1991年處于上升期，1991—2001年處于下降期，2001—2005年處于上升期，2005年以后出現下降趨勢。

可見，EE-SS-STIRPAT與EE-EKC、EE-STIRPAT相比，不僅能夠估計碳排放與經濟增長的動態關系，而且給出的估計值也更為合理。

五、基于EE-SS-STIRPAT的經濟增長對碳排放驅動效應動態特征分析為了能夠更加清楚地觀察EE-SS-STIRPAT的動態趨勢，我們從圖2中單獨提取出EE-SS-STIRPAT得到圖3，然后對EE-SS-STIRPAT波動的五個階段進行分析。

圖3 SS-STIRPAT人均碳排放與人均GDP之間的彈性系數（EE-SS-STIRPAT）估計結果①[注：①注：各期EE_SS_STIRPAT的標準差都約為0.0000。第一階段為1980—1985年下降趨勢。這個階段人均碳排放與人均GDP之間彈性系數下降的主要原因是，“六五”期間我國為了調整前期國民經濟結構畸形發展的趨勢，大力推動了農業的發展，而重工業則受到國家的控制。“六五”期間，農業總產值年增長率由之前的3.2%提高到11.7%，重工業總產值年增長率則由之前的13.5%下降到9.6%。

第二階段為1985—1991年的上升趨勢。這個階段我國農業總產值年平均增長率又下降到4.6%，而同期重工業總產值年平均增長率提高為12.2%。

第三階段為1991—2001年的下降趨勢。在這個階段我國人均碳排放與人均GDP之間的彈性系數總體呈下降趨勢，我們認為造成這種下降趨勢的原因是我國市場化改革的推進。我國的市場化改革從兩個方面推進了人均碳排放與人均GDP之間的彈性系數的降低，一是市場化改革帶來私有經濟的增加。在減少空氣污染方面，我國的私有經濟比國有經濟成本更低。二是我國的從1992年開始的煤炭價格市場化改革，也對人均碳排放與人均GDP之間的彈性系數起到了抑制作用。煤炭價格市場化改革提高了煤炭的使用成本，促進了能源效率的提升。

第四階段為2001—2005年的上升趨勢。為了減緩東南亞金融危機，我國啟動了一批投資項目，而其中有很大一部分屬于高污染、高能耗、高排放的投資項目。然后，2002年開始中國經濟重新快速增長，固定投資大幅增長，對鋼鐵、水泥等產品的需求大量增加。這些因素造成了這一時期人均碳排放與人均GDP之間的彈性系數快速提升。

第五階段為2005年至今出現的下降。這一階段我國人均碳排放與人均GDP之間的彈性系數出現下降的原因在于：2005年以來國家加大了環境保護的力度，關閉了一批高污染、高能耗、高排放的落后產能，并且對新增項目進行嚴格審批。另外，我國的環境法規體系在這一時期也初步形成。

另外，通過對（12）式兩端同時減去lnPYt，我們可以容易得到單位GDP碳排放與人均GDP之間的彈性系數。我們對1998—2008年的這一系數進行了測算，并分別采用該彈性系數估計值的最大值、最小值、平均值和2008年估計值，以人均GDP增長率9%或者10%為假設，估算為了實現2020年我國單位GDP排放比2005年下降40%—45%的目標，每年技術進步必須帶來的單位GDP碳排放下降比率（結果見表6）。

從表6中我們可以看出，為了完成2020年我國單位GDP排放比2005年下降40%—45%的目標，每年技術進步帶來的單位GDP碳排放下降比率必須在3.37%以上。根據各種情形進行平均，我們認為在保證人均GDP每年平均增長率達到9%以上的條件下，每年技術進步帶來的單位GDP碳排放下降比率應該達到4%①[注：①各種情形下的平均值為-3.93%，慎重起見本文取-4%。，才能較為順利地實現減排目標。

六、結論

針對EKC模型和STIRPAT模型在研究經濟增長對碳排放驅動效應時的缺點，本文提出SS-STIRPAT模型，然后用三種模型分別就我國經濟增長對碳排放驅動效應進行實證分析并作比較。結果顯示，SS-STIRPAT模型不僅能夠分析經濟增長對碳排放驅動效應的動態特征，而且模型的預測性質更好。

通過分析我們發現，1980—2008年間，我國的人均碳排放與人均GDP之間的彈性系數的波動區間基本在1.11到1.15范圍之內，波動誘發的因素是多方面的，其中，20世紀80年代彈性受產業結構調整的影響出現波動，20世紀90年代市場化改革導致彈性持續降低。從2000年開始，宏觀經濟刺激政策帶來的固定資產投資大幅增加使得彈性快速提升。從2005年開始，隨著國家環境法規體系的初步形成和環境保護力度的加強，彈性提升的趨勢得到了控制，并出現下降。為了實現到2020年我國單位GDP碳排放比2005年下降40%—45%的目標，在保證人均GDP年平均增長率達到9%的條件下，我國每年由技術進步帶來的單位GDP碳排放下降比率必須達到4%。

參考文獻：

［1］Shafik Nemat. Economic development and environmental quality: an econometric analysis ［J］.Oxford Economic Papers， 1994，46:757-773.

［2］Cole M.A.， A.J. Ravner， and J.M. Bates. The Environment Kuznets Curves: An Empirical Analysis ［J］. Environment and Development Economics， 1997 2(4):401-416.

［3］Canas， A.， P. Ferrao and P. Conceicao. A New Environment Kuznets Curves? ［J］. Ecological Economics，2003 46(3):217-229.

［4］陸虹.中國環境問題與經濟發展的關系分析——以大氣污染為例［J］.財經研究，2000(10).

［5］林伯強，蔣竺均.中國二氧化碳的環境庫茲涅茨曲線預測及影響因素分析［J］.管理世界，2009(4).

［6］Ehrlich， P.， Holdren， J.， The People Problem ［J］. Saturday Review 4，42-43，1970.

［7］Waggoner， P.E.， Ausubel， J.H.， A Framework for Sustainability Science: A Renovated IPAT Identity. Proceedings of the National Academy of Sciences 99(12)，7860-7865，2002.

［8］York et al. STIRPAT，IPAT and ImPACT: An Analytic Tools for Unpacking the Driving Forces of Environmental Impacts ［J］. Ecological Economics 46(2003) 351-365.

［9］Dasgupta et al. Confronting the Environment Kuznets Curves ［J］.Journal of Economic Perspectives 16(2002)，147-168.