碳金融市場發展與產業升級關系實證分析

李麗 董必俊 李玉坤

內容摘要：本文通過分析歐盟先進經驗得出，碳排放交易市場的統一對一個國家產業結構影響深遠，且能夠有效促進產業結構升級。歐盟經驗對我國解決環境問題具有重要借鑒意義，盡快建立統一的碳交易市場，能夠促進我國產業結構調整與升級，最終實現我國2015年在巴黎氣候大會上做出的減排承諾。

關鍵詞：碳金融 產業結構 產業升級 歐盟

本文通過深入分析歐盟碳交易市場以及歐盟各個國家產業結構變遷的數據，進而尋找其中的內在機理，對我國產業結構優化和碳金融市場發展，甚至對我國經濟可持續發展都有重要意義。為此選取歐盟20個成員國2011-2016年實際碳排放量、碳排放配額和三次產業產值占國內生產總值比重等數據，用產業占比變化值度量產業變化程度，產業占比變化值越大，表示產業結構處在不穩定階段，說明該國產業發展還不夠成熟；反之，說明該國產業結構穩定，產業發展處在成熟階段。用產業結構泰勒指數來表示產業升級程度，再結合碳金融市場數據分析產業結構升級隨著碳金融市場發展的變化情況。本文實證部分采用面板數據模型，首先分析歐盟碳金融市場的發展對產業結構變化的影響，接著分析歐盟碳金融市場發展對產業升級程度的影響，進而分析碳金融市場發展對產業結構的穩定發展和對產業發展水平的影響。樣本國家包括：英國、奧地利、希臘、比利時、塞浦路斯、芬蘭、法國、丹麥、匈牙利、德國、愛爾蘭、斯洛伐克、盧森堡、意大利、波蘭、葡萄牙、西班牙、荷蘭、斯洛文尼亞、瑞典20個國家。

相關變量選取

在本文實證分析中，變量定義如下：

（一）產業結構變化值（ISV）

其中，i取值1、2、3分別表示第一、二、三產業，t表示研究區間，本文選取2011-2016年數據。Qit表示歐盟某個國家在2011-2016年間三大產業的比重，Qi0表示某個國家基期（本文選擇2010年產業結構數據作為基期）對應的三大產業比重。ISV表示產業結構變化值，該值越大，表示產業結構越不穩定。

（二）低碳化水平指數（LCL）

其中，CAASit（CO2 allocated allowances）表示歐盟碳交易機制為第i個國家分配的二氧化碳額度，CVEit（CO2 verified emissions）表示二氧化碳實際排放量。根據歐盟碳排放交易機制，如果LCL>1，即碳排放配額大于實際排放量，說明該國有剩余的碳排放權在碳交易市場上銷售，而且LCL取值越大，表示該國在碳交易市場上可以出售的碳排放量越多，表明該國低碳化水平越高。

（三）產業結構泰勒指數（INSTR）

其中i取值為1、2、3，分別表示第一、二、三產業，Yi分別表示三次產業產值，Y表示該國GDP總量，Li分別表示三次產業就業人數，L表示就業人數總數。產業升級不簡單表現為第三產業占比的提升或者第一、二產業占比的下降，關鍵是與三次產業勞動產出效率的提升相關，因此，本文選取產業結構泰勒指數作為產業升級指標，instr取值越小，表示產業升級程度越高。

面板模型構建

面板數據也稱時間序列截面數據或混合數據，是同時在時間和截面空間上取得的二維數據。反映變量同時在截面和時間二維空間上的變化規律和特征，具有純時間序列數據和純截面數據無法比擬的很多優點。

上式是考慮k個經濟指標在N個個體及T個時間點上的變動關系。其中個體截面成員的個數用N表示，截面成員的觀測時期總數用T表示，模型常數項用參數αit表示，對應于解釋變量向量xit的k×1維系數向量用βit表示，解釋變量個數用k表示。隨機誤差項uit相互獨立，且滿足零均值，等方差為σ2u的假設。

根據不同形式，可以對干擾項uit的構成進行單因素和雙因素分解。uit在截面個體上的單因素分解形式為：uit=μi+vit。其中，μi在不同觀測期間內取值相同，表示無法觀測的個體特征對因變量產生的影響，用來解釋回歸中未包含的個體特征影響；vit被看作是一般回歸模型中的誤差項，隨著觀測個體和時間同時發生變化。若μi=0，模型系數估計方法就是普通最小二乘法（OLS），稱為混合估計模型（Pooled OLS）。若假定vit服從獨立同分布，μi為固定的非零參數，那么構建的面板數據模型將有效解釋N個樣本自身無法觀測到的特征對因變量的影響，稱為固定效應模型。若假定vit隨機變化，把μi視為固定參數且服從獨立同分布，則稱為隨機效應模型。

在面板數據模型分析中，關鍵問題是如何判定選擇隨機效應模型還是固定效應模型，這就需要用Hausman檢驗。其原假設為：面板數據的隨機效應模型中橫截面個體效應與回歸變量不相關。備選假設為：面板數據的隨機效應模型中橫截面個體效應與回歸變量相關。因此在原假設下，βw與βGLS之間的差距理論上很小，且隨著樣本量的不斷增加趨向于0。而在備擇假設下，這一點不成立。Hausman利用這個特點構造如下檢驗統計量：

固定效應模型中回歸系數估計結果用βw表示，隨機效應模型中回歸系數估計結果用βGLS表示。∑為兩類模型中回歸系數估計結果之差的方差，即：

Hausman檢驗統計量漸進服從于自由度為K的卡方分布，用這種方法對面板數據模型的選擇進行驗證。

模型估計及檢驗

本文首先分析碳金融市場對產業結構變動的影響。運用的模型是面板數據模型，由于一個國家的碳排放水平對產業結構變動以及升級的影響具有滯后性，故本文將上一期的低碳化水平指數作為自變量。首先運用E-views6.0采用面板數據模型分析碳交易市場的低碳化水平指數數據影響產業結構變動的程度。分別采用固定效應模型、混合估計模型和隨機效應模型計算參數估計，參數估計結果如表1所示。

從表1可以看出，Hausman統計量的P值為0.1710，超過10%的顯著水平，不能拒絕原假設，采用隨即效應模型。而且Hausmanχ2置信度較高（P值=0.1710），回歸模型擬合度R2=0.7508也較高，故用隨機效應模型。

從隨機效應模型估計結果可以看出，產業結構所對應的上一年的低碳化水平指數的系數為負，說明產業結構變化值（ISV）和上一期低碳化水平指數（LCL）之間是負相關關系，即如果低碳化水平指數變大，則下一年的產業結構變化值變小。因為產業結構變化值反映產業結構穩定程度，所以可以這樣理解：當某個國家的低碳化水平指數（LCL）較小（LCL<1）時，即碳排放配額小于實際排放量，就需要在碳交易市場上購買超出配額的碳排放權，這就一定程度上增加了生產成本，間接增加了了人民生活成本，就需要社會經濟活動的參與者被迫或自發調整生產重心，使產業結構產生較大變動，變動方向主要是高污染、高耗能、高耗水等三高企業向高附加值、低污染的服務業轉型，也包括傳統制造業的技術改進所實現的低碳化水平指數的下降；當某個國家的低碳化水平指數（LCL）較大（LCL>1）時，即實際排放量小于碳排放配額，說明碳排放配額能夠完全滿足碳排放需求，對于傳統工業來說，技術改進創新的動力就會減弱，在這種情況下，對當前產業結構的沖擊就會變弱，產業結構相對來說呈現出相對穩定狀態。

其中，μi表示本文選擇的歐盟20個樣本國家產業結構變化值對產業結構變化平均值的偏離，固定效應模型和隨機效應模型中的截距項即樣本國家產業結構變化平均值，樣本國 家產業結構對平均值的偏離結果如表2所示。vi表示由于年份變化帶來的樣本歐盟國家產業結構的變化，這些數據揭示樣本國家的個體效應特征和時間效應特征，結果如表3所示。

本文主要是為了討論一個國家低碳化水平指數的變化對產業結構產生的影響，這個影響包括對產業結構穩定性的影響以及產業結構升級的影響。前面已經分析了對產業結構變化值即對產業結構穩定程度的影響，本文認為，一個國家的產業結構趨向穩定的過程其中一個體現是在一定范圍內第二產業占比的逐漸下降和第三產業比重的持續上升，即一個國家產業結構由不穩定到穩定的變化路徑。然后本文將研究低碳化水平指數的變化對產業升級的影響，本文認為，產業升級與三次產業勞動產出效率的提升相關，因此采用產業結構升級程度系數指標來度量。下文主要分析低碳化水平指數對產業結構升級系數產生的影響。

以產業升級系數instr作為因變量，低碳化水平指數作為自變量，對歐盟18個樣本國家（其中塞浦路斯和盧森堡兩個國家三次產業就業人數缺失）的數據進行面板數據分析，結果如表4所示。從Hausman檢驗結果來看，P值為0.8659，遠超過10%的顯著水平，不能拒絕原假設，因此選擇隨機效應模型。

從面板數據模型中的隨機效應模型分析結果可以看出，低碳化水平指數滯后項的系數為負，說明當低碳化水平指數逐漸變大時，下一期的產業結構泰勒指數會逐漸變小。這意味著當低碳化水平指數較大時（LCL>1），即隨著樣本國家實際碳排放量的下降，會帶來產業升級程度的提高。當樣本國家實際碳排放量下降時，一方面，其在碳交易市場上出售多余的碳排放權會帶來額外資金，可以促進傳統產業技術創新，傳統產業因為注入了新技術，勞動產出效率會提高；另一方面，產業結構調整路徑是從高污染、高能耗的企業向低能耗和高效率的服務業轉型，隨著低碳化水平指數的上升即實際排放量的下降，所帶來的企業向服務業轉型會導致服務業產值的上升，因為服務業相對來說是高附加值行業，服務業產值的上升對整個社會經濟活動在一定程度上也會帶來勞動產出效率的提升。綜上，當樣本國家低碳化水平指數上升時，產業升級程度提高。

結論

第一，隨著某國實際碳排放量的逐漸下降，該國產業結構趨向穩定。低碳化水平指數與產業結構的變化值呈現出滯后一期的負相關關系，即隨著某個國家低碳化水平指數的下降，下一期的產業結構變化值變小。

第二，隨著某國實際碳排放量的逐漸下降，該國產業升級程度越高。低碳化水平指數與產業結構泰勒指數呈現出負相關關系。研究結果表明，充分發揮碳排放的價格發現功能，能夠對產業結構的穩定和產業結構優化升級產生重要影響。建立統一的碳交易市場，完善碳交易機制是充分發揮碳排放價格發現功能的有效方法。

第三，我國應該盡快建立統一的碳交易體系。2009年12月，中國在哥本哈根氣候大會上對碳排放做出承諾：到2020年單位國內生產總值二氧化碳排放比2005年下降40%-45%。2015年12月，中國在巴黎氣候大會上對碳排放再次做出承諾：加強節能、提高能效工作，二氧化碳排放將在2030年左右達到峰值，屆時單位GDP二氧化碳排放量將比2005年下降60%-65%。盡快建立統一的碳交易市場，對于中國實現在哥本哈根氣候大會和巴黎氣候大會上承諾的目標具有重要現實意義。在分析了歐盟統一的碳排放交易市場和結合中國國情的基礎上，本文認為我國應該盡快建立全國統一的碳交易體系，建立和完善統一的碳交易市場運行機制，有效發揮碳排放的價格發現功能，形成有效的市場定價機制。戰略性放寬金融監管，鼓勵金融機構和碳交易市場的融合，開發出一系列碳期權、碳期貨、碳基金等金融衍生產品，為我國碳金融市場增添活力，促進我國碳交易市場的發展壯大。政府層面應盡快制定長期可持續的相關政策，配額分配方法、交易制度和核算方法等一經制定不能經常調整，并盡可能提高碳市場流動性。企業層面應樹立碳資產管理理念，積極參與碳市場交易，既要考慮成本因素又要符合規定。一方面履行低碳減排義務，另一方面承擔社會責任，還能夠實現企業利潤最大化。

參考文獻：

1.蔡，都陽，王美艷.經濟發展方式轉變與節能減排內在動力[J].經濟研究，2008（6）

2.杜莉，丁志國，李博.產業結構調整升級：碳金融交易機制的助推—基于歐盟數據的實證研究[J].清華大學學報（哲學社會科學版），2012（5）

3.原毅軍，謝榮輝.環境規制的產業結構調整效應研究—基于中國省際面板數據的實證檢驗[J].中國工業經濟，2014（8）

4.梅曉紅.中國碳金融市場對區域產業結構的影響研究—基于panel data計量模型的實證分析[J].技術經濟與管理研究，2015（1）

5.于俊年.計量經濟學軟件—Eviews 的使用[M].對外經濟貿易大學出版社，2012