能源消費、出口與外國直接投資關系的Bootstrap ARDL檢驗：基于我國的經驗考察

李方智 童藤 薛心蓓 李雪平

摘 要：溫室氣體排放引發的全球氣候變化深刻影響著人類的生存和發展，已成為世界各國共同關注以及實施全球環境治理的焦點問題。隨著國民經濟的迅速發展和對外貿易、外國直接投資（FDI）的持續擴張，我國能源消費總量和溫室氣體排放總量快速攀升。作為一個負責任的國家，中國高度重視氣候變化問題。2015年中國向IPCC提交了中國“國家自主貢獻”的減排承諾目標：到2030年左右，CO2排放達到峰值;單位國內生產總值CO2排放比2005年下降60%～65%。受限于我國“富煤少油缺氣”的能源稟賦特點，減排承諾面臨著巨大挑戰。在當前的開放型經濟環境條件下，從貿易和FDI視角研究中國碳排放問題，對于中國實現減排目標和經濟持續健康發展具有重要意義。

關鍵詞：對外貿易; FDI;能源消費

一、引言

能源消耗是指生產和生活所消耗的能源，其強度變化與工業化進程密切相關。隨著經濟的增長，工業化階段初期和中期能源消耗一般呈緩慢上升趨勢，進入后工業化階段后，經濟增長方式發生重大改變，能源消耗強度開始下降。提高能源和環境效率是確保經濟增長以及實現節能減排的重要手段，而外貿是提高能源環境效率的關鍵驅動力之一。關于全球能源消耗和溫室氣體排放，中國、歐盟和美國是世界上溫室氣體排放量最高的三個國家，是成功應對氣候變化的關鍵，其溫室氣體排放量占全球排放量的一半以上。在過去10年中，能源行業仍然是溫室氣體排放的最大來源。據統計顯示，在2015年，全球一次能源消耗總量增長1.0%，與2014年相若，相比過去10年平均增長1.9%為低。全球煤炭消費減少5300萬噸油當量，其中降幅最大的是美國（-3300萬噸油當量，-8.8%）和中國（-2600萬噸油當量，-1.6%）。煤炭在全球一次能源消費中的占比降至28.1%，達到2004年以來的最低水平。全球煤炭產量下降6.2%，即2.31億噸油當量，創有史以來最大跌幅。美國煤炭產量下降19%，中國煤炭產量也歷史性地下降7.9%。

2013年，能源行業的溫室氣體排放量占全球排放量的72%。2012—2013年，由于發電，供熱和運輸行業的排放量增加，中國的溫室氣體排放量增加了3.65？譹？訛億噸二氧化碳當量（或4%）。但是，這一增長率確實低于歷史平均水平。澳大利亞是世界第15大排放國。自2012年以來，其農業排放量下降了65 MtCO2e（或34.6%），這源于草原燃燒面積的減少，甲烷（CH4）和氮氧化物（N2O）的排放相應減少。

2015年全球能源消耗量占有率，石油繼續成為首位達32.9%，煤炭消耗量下降至29.2%，是自2005年以來最低的消耗量占有率。隨著天然氣的全球需求增強，天然氣消耗量占有率上升至23.8%，而核能則為4.4%，可再生能源2.8%，水力發電6.8%。與2014年全球能源消耗量相比，石油增長1.9%;煤炭下跌1.8%;天然氣增長了1.7%;核電方面增長1.3%;可再生能源增長2.8%，較過去平均增幅0.8%為高;水力發電增長1%。2012—2013年，前10大排放國的排放量增加了2.2%，而過去10年的平均年增長率為2.4%。在同一時期，中國和美國的溫室氣體排放量分別增加了4.3%和1.4%。美國在2007年達到排放高峰，歐盟穩步下降，其他國家（包括俄羅斯和加拿大）在過去十年中相對穩定。據數據顯示，2014—2016年，盡管全球經濟增長，但全球能源相關的二氧化碳排放數據仍將保持穩定？譺？訛。

一次能源消耗總量前十位國家依次是中國、美國、印度、俄羅斯、日本、加拿大、德國、巴西、南韓、伊朗、沙特阿拉伯及法國。溫室氣體排放引發的全球氣候變化影響了人類的生存和發展，注重和實施全球環境治理已成為世界各國關注的焦點。隨著國民經濟的快速發展和對外貿易與投資的不斷擴大，我國的能源消耗總量和溫室氣體總排放量迅速增加。作為一個負責任的國家，我國非常重視氣候變化問題。2015年，我國政府向氣候變化專門委員會（IPCC）提交了“國家獨立貢獻”減排承諾目標，但由于我國“煤炭資源豐富，油氣短缺”的能源稟賦特征，減排承諾的實現面臨著巨大的挑戰。在當前開放的經濟環境下，從出口貿易和外商直接投資的角度研究我國的能源消耗，對于我國實現減排目標和持續健康的經濟發展具有重要意義。

二、文獻綜述

開放經濟下，不同國家和地區之間的產品市場和要素市場合作日益緊密。產品市場合作主要體現為合作國家和地區之間貿易的自由化;要素市場合作則體現為資本、勞動力、技術等在合作國家和地區之間流通的便利化（Rauscher，2001）。貿易自由化與要素流通便利化都會對環境產生一定程度的影響。目前，學術界關于兩者對環境的影響尚無統一定論，主要存在以下三種觀點：一是“污染天堂假說”，其核心觀點認為各國為了維持或增強本國競爭力，降低各自的環境標準，出現“向底線賽跑”的情形。因發達國家的環境標準高于發展中國家，隨著國際貿易和要素流動的不斷擴大，污染產業會從發達國家轉移，發展中國家成為“污染避難所”（Walter & Ugelow，1979）。第二種觀點則認為貿易自由化和要素流通便利化，不僅有利于環保技術的擴散，而且可以實現環境資源的有效配置和高效利用，此外，合作所帶來的經濟增長會擴大對清潔環境及其相關產品與服務的需求，使可用于環境保護的資金相應增加，因而對環境有利（Antweiler et al.， 2001）。第三種觀點認為貿易和要素流動所引發的環境效應是錯綜復雜的，各個效應之間相互作用、此消彼長，結果往往難以預測。目前，這種觀點廣為接受，其開創性的研究始于Grossman & Krueger （1993）在探討建立北美自由貿易區對環境的影響時將貿易的環境效應分解為：規模效應、結構效應和技術效應，并認為這三個方面的效應可以為正亦可為負且相互影響，最后的總效應并不是簡單的疊加。“三效應”分析有助于明確貿易和要素流動對環境的影響途徑和影響方向，成為貿易與要素流動環境效應的基本分析框架。國內外大量學者從貿易和投資兩個方面對國際區域合作的環境效應進行了實證檢驗。

（一）國際貿易對東道國環境的影響

Grossman和Krueger（1993）對北美自由貿易區建立的環境影響研究結果認為貿易自由化的總效應是有利于改善環境。Copeland & Taylor（1994）利用南北貿易模型分析了貿易的“三效應”，認為結構效應減輕了北方的污染但加重了南方的污染，規模效應對各國環境均有害，環境稅的增加刺激企業采取額外的治污措施，產生正的技術效應，對外貿易整體上更有利于發達國家。Antweiler et al. （2001）實證發現自由貿易的結構效應非常小，生產規模每增長1%會使樣本國家的污染集中度提高0.25%-0.5%，而技術效應可使污染集中度下降1.25%-1.5%，三種效應整體會改善環境。而Beghin （1995）、Qureshi （2004）、Frutosbenczeet et al. （2017）等的實證結果都認為貿易的自由化加劇了環境污染。張連眾等（2003）、于峰等（2007）、龔超等（2008）、黃小兵等（2015）、林伯強等（2015）、李方靜等（2018）的實證研究結論都認為貿易自由化對我國的環境影響總體上是正向的，技術效應是環境質量沒有惡化的主要原因。但也有學者得出相反結論，黨玉婷等（2007）認為結構效應和技術效應使我國環境在對外貿易中受益，但由于規模效應對環境的負面影響太多，總體來講，我國現階段的進出口貿易惡化了我國的生態環境。

（二）國際投資對東道國環境影響

關于國際投資對東道國環境影響，部分學者的研究支持“污染天堂假說”，如Chichilnisky（1994）、Porter（1999）、Cole等（2004，2011）以及Taylor（2004）等的研究均驗證了以國際投資為載體的污染產業在世界范圍內轉移，造成了全球范圍內環境質量的下降。Asghari（2013）、Shahbaz等（2015）、Lin （2017）、Abdouli et al.（2017）等的研究也證實了國際投資造成了東道國環境質量的下降。國內林季紅等（2013）、盧進勇等（2014）、嚴雅雪等（2017）的研究從不同視角證實了FDI在一定程度上降低了我國環境質量。而另一部分學者的實證結論則相反，認為國際投資帶來的清潔技術與環境管理的外溢效應使得東道國環境質量得以不同程度地改善（Popp， 2011;Poelhekke，2015;韓永輝等，2015;劉玉博等，2016;鄭強等，2017）。還有部分研究持折衷觀點，認為國際投資對東道國環境的影響是復雜多維的，基于不同條件（經濟水平、產業結構、環境政策、投資結構等）得出的環境效應不盡相同（Runge， 1994;楊博瓊等，2011;Kim & Adilov， 2012;劉渝琳等，2015）。

不同的學者在分析貿易和要素流動時所選取的指標、樣本及研究方法不同，得出的結論也不盡相同。由此也可以看出，貿易和FDI所產生的環境效應評價是一個復雜的動態過程，在國際經濟合作過程中如何降低環境負效應，提高環境正效應是各國面臨的共同課題。

三、研究方法

本文將使用Bootstrap ARDL（Autoregressive Distributed Lag）來檢驗中國碳能源消耗、出口貿易和FDI的相互關系;Bootstrap ARDL使用自回歸和多循環校準的原理使時間序列相關數據接近需要驗證的預期結果。在時間序列分析中，有必要首先檢查數據是否為定態。所謂的定態意味著統計量統計量如均值和方差不隨時間變化，即自協方差和方差是固定的有限常數值可以避免錯誤的回歸。單位根檢驗的目的是確定時間序列變量的平穩性，以確定時間序列的性質。在進行時間序列分析時，須先檢定數據是否為定態性（stationary），所謂定態指一時間數列資料為一個隨機過程（stochastic process），也就是自我共變異數及變異系數是固定有限的常數值;因此，若實際上變量為非定態而使用傳統方法進行回歸，可能會出現Granger與Newbold（1974）所稱之虛假回歸（spurious regression）的現象，因而無法正確解釋變量間的真正關系，使估計結果沒有任何經濟上的意義。

本文使用我國1983—2017年碳能源消耗、出口與FDI的年統計數據，FDI均已平減為1983年價格作為基數。基于Bootstrap ADRL檢驗方法，對碳能源消耗、出口與FDI的變量數據取對數，確定數據平穩后，再做協整關系檢驗，且需做5000次的回路計算，才能得到較佳的結果。根據初步統計結果可以發現三組數據基本呈現出偏態分布，碳能源消耗屬正偏態，出口和FDI屬負偏態;碳能源消耗和出口是高狹峰，而FDI則屬低闊峰。異常值和波動幅度較少，符合實證分析數據的要求（見表1）。

（一）實證模型

Bootstrap ARDL檢驗基于Granger（1969）因果關系測試。若三變量之間呈現協整關系，則我們可檢驗長期的Granger因果關系是否存在，若無，我們則可檢驗Granger短期因果關系。如果y是由變量引起的，則y和x之間沒有找到協整。那么x→y的Granger因果關系檢驗應該只包括x的滯后差異，也就是說，本文需要檢驗是否δ>0，如果變量之間存在協整關系，那么這意味著相關變量和獨立性變量形成固定的線性組合。滯后項可以認為是I（0），x→y的Granger因果關系檢驗應該包括x的滯后差和x的滯后水平，即β>0和δ=0。ARDL邊界檢驗（Pesaran et al.， 2001）具有混合積分序列的時間序列，可以定義為：

（1）

在外生弱回歸的情況下，從長遠來看，這些回歸因子不受變量的影響。該模型不排除回歸之間存在協整。它不假設回歸的因變量不存在（短期）Granger因果關系。時間序列Bootstrap ADRL測試方法，McNown等人（2017）提出了對Peseran等人（2001）的修改ARDL模型。

ARDL模型是：

（2）

i和j是滯后期的指標，i=1，2，...，k;j=1，2，…，k。t表示時間t=1，2，...，T。等式中的yt是被解釋變量，xt是解釋變量，存在變量Dt，j，是虛擬變量。αi，βi參數是解釋變量和解釋變量xi的系數值。μt是誤差項，方程（2）可以重寫并擴展為下面三變量的等式：

（3）

其他參數是等式（3）中原始參數的函數值。

McNown等（2017）建議將原始ARDL模型添加到解釋變量的滯后期。虛擬假設是H0：θ=0.Peseran等（2001）檢驗協整關系的條件將更完整。Bootstrap ARDL檢驗是依賴于以下假設的協整關系：

H0：γ=θ=0，H0：γ=0，H0：θ=0。

根據Pesaran等人（2001）協整檢驗需要做F檢驗或t檢驗，以下假設：

H0：θ1=θ2=θ3=0或H0=θ1。

然而，McNown等人（2017）建議添加三個檢驗為區分協整和非協整的必要條件。McNown等人（2017）要求協整必須拒絕所有三個虛擬假設。

虛無假設誤差項F1檢驗為H0：θ1=θ2=θ3。

滯后因變量的t檢驗為H0：θ1=0。

滯后自變量的F2檢驗為H0：θ1=θ2=θ3=0。

基于三個虛無假設，McNown等人（2017）解釋Pesaran等（2001）的兩個退化情況。僅呈現情況#2的臨界值。兩個退化案例如下：

退化情況#1，滯后因變量的F1檢驗和t檢驗是顯著的，但對滯后自變量的F2檢驗是不顯著的。

退化情形#2，滯后因變量的F1檢驗和F2檢驗是顯著的，但滯后因變量的t檢驗是不顯著的。本文發現Pesaran等人（2001）的ARDL邊界檢驗排除退化情況#1，如果他們不考慮因變量的積分順序必須是I（1）。但是，McNown等人（2017）采用Bootstrap ARDL檢驗，通過對滯后自變量系數的附加檢驗來解決這個問題。

如果因變量和自變量之間存在協整關系，則上述三個虛擬假設將同時被拒絕，并且解釋變量和解釋變量是穩定的線性重合。Granger因果檢驗在Bootstrap ARDL模型的基礎上，我們可以檢驗碳能源消耗、出口和FDI三個變量之間的短期因果關系。如果它們在y，x和z之間沒有協整關系，則可檢驗了長期因果關系。我們對x和z使用Granger因果關系檢驗，其中應包括x或z上的滯后期數。我們將要檢驗γ2=0或γ3=0。如果在因變量和自變量之間存在協整，則這意味著它們形成固定的線性組合。在這種情況下，短期關系檢驗應包括x或z的滯后差異以及x或z的滯后水平;也就是說，檢驗γ2和θ2或γ3和θ3。

（二）實證過程分析

1. 單位根檢驗

本文用DF、ADF和PP三種單位根檢驗來確定變速的平穩性（如表2）。

單位根檢驗結果表明在水平項I（0）檢驗看來（如表2），經濟增長僅在DF單位根檢驗上的無截距與無趨勢項呈現平穩I（0）的狀態;碳能源消耗、出口與FDI，無論是DF、ADF和PP單位根檢驗都有部分呈現平穩I（0）的狀態（如表2），但并不足以表明這三續列為穩定序列。由于Bootstrap ADRL是檢測變量之間長期協整關系，三個變量必須是在I（0）或是I（1）的狀態，才能進行檢測。水平項I（0）檢驗的平穩度不佳，因而需要繼續進行一階差分的單位根檢驗。一階差分單位根檢驗結果表明，本文使用的三個變量，無論是在DF、ADF和PP單位根檢驗都有呈現顯著的平穩性，可表明這三個變量在I（1）的狀態下，為不具有單位根的穩定序列（如表3）。

2. 最佳滯后期檢驗

在完成單位根檢驗后，需要確定AIC信息標準。因為ADF方法或PP方法需要確定最佳后向時段，所以有必要校正剩余項的自相關問題以使剩余項是白噪聲過程。一方面如果添加的滯后期過多，則拒絕原假設的能力會降低;另一方面如果我們在模型中添加的滯后期太少，將無法完全糾正由移動平均值引起的閾值增加的缺點;所以有必要確定這些滯后期是何值。不同的滯后期經常影響最終分析的結果，因此，選擇滯后期數是非常必要的。在本文中，我們選擇一個廣泛使用的金融和經濟行業，使用AIC標準來判斷和選擇最小的AIC作為最佳滯后期。

3. 矢量自回歸模型（VAR）

當多元時間序列模型由線性回歸表示時，它意味著變量之間因果關系的假設。然而，由于經濟系統的微妙運作，有時無法區分模型中的變量和內生變量。因此在識別方面會造成困難。Sims（1980）提出了矢量自回歸模型（VAR）來解決結構模型識別問題。Sims認為，經濟活動的特征將在數據中隨時間完全反映出來，因此數據本身可以直接分析。很容易理解經濟活動的本質，因此可以在不知道經濟理論中這些內生變量的確切關系的情況下進行結構設置。在VAR模型中，所有變量都被視為內生變量，因此沒有必要區分內生變量或外生變量，以及用一組回歸方程來探索變量之間的關系，每個回歸方程都是變量的后向其他變量的后向用作解釋變量。所以，VAR模型更符合時間序列分析的精神;因為時間序列分析認為變量的后向項涵蓋所有相關信息。從VAR的檢驗當中，我們發現以碳能源消耗為因變量，出口和FDI為自變量的關系式中的落后期數為：碳能源消耗為1期、出口為1期，FDI則為0期;以出口為因變量，FDI和碳能源消耗為自變量的關系式中的落后期數為：出口為1期，FDI則為0期、碳能源消耗為2期;以FDI為因變量，碳能源消耗和出口為自變量的關系式中的落后期數為：FDI為1期，碳能源消耗為0期、出口則為1期（如表4）。

注：LCCO表示經濟增長;LFDP表示金融發展;LCPI表示消費水平;F1是y（-1），x1（-1）和x2（-1）系數的F統計量;F2是系數x1（-1）和x2（-1）的F統計量;t表示y（-1）系數的t統計量。D ##是指當年的虛擬變量。帶有星號*的符號表示基于McNown等人（2017）提出的Bootstrap方法生成的臨界值的10%水平的顯著性。

4. Bootstrap ARDL檢驗

表4的長期協整分析中，以我國碳能源消耗為因變量，出口和FDI為自變量，在碳能源消耗及出口滯后一期下，三者之間有長期的協整關系;而以我國出口為因變量，FDI和碳能源消耗為自變量，以及以FDI為因變量，碳能源消耗和出口為自變量，在相關滯后期下，三者之間則沒有長期的協整關系;但后者為McNown等人（2017）所說，屬于退化情況#1，不存在協整關系。從表4可以看出，能源消費有虛擬變量為1992、2004及2009年（斷點），出口有1991、2002及2007年三個虛擬變量（斷點），而FDI則在1992年產生虛擬變量（斷點）。本文在做長期Granger因果關系檢驗時（如表5），出口在滯后一期下，對碳能源消耗滯后一期（P值=0.6990）并無顯著的影響，FDI對碳能源消耗滯后一期（P值=0.4281），亦不顯著。

當檢驗短期Granger因果關系（如表6），我們發現碳能源消耗與出口同在滯后一期的情況下存在顯著的因果關系（P值=0.0078）;碳能源消耗對FDI則不顯著（P值=0.5881）;滯后一期的出口對滯后二期的碳能源消耗有顯著的影響（P值=0.0455），對FDI則因果關系不顯著（P值=0.1670）;滯后一期的FDI對碳能源消耗有顯著的因果關系（P值=0.0083），對同是滯后一期的出口則亦有顯著的因果關系（P值=0.0001）。

注：星號***，**和*分別表示1%，5%和10%水平，（+）， （–）表示正向和反向的符號。[.]是p值的表征系數。非協整性及其因果關系檢驗僅涉及滯后變量。

注：星號***， **和*分別表示1%， 5%和10%水平，（+）， （–）表正向和反向的符號。[.]是p值的表征系數。非協整性及其因果關系檢驗僅涉及滯后變量。

四、結語

基于Bootstrap程序的所提出的新ARDL檢驗是比Pesaran等人（2001）更強大且更少偏向的協整檢驗。自變量滯后的Bootstrap檢驗顯示了合理的規模和功能特性（McNown等，2017）。本文用Bootstrap ARDL的方法檢驗我國碳能源消耗、出口和FDI三變量之間的協整關系，發現三變量之間存在協整關系;當FDI為因變量，碳能源消耗和出口為自變量，則呈現McNown等人（2017）描述退化#1的情況;在短期因果關系檢驗中，碳能源消耗、出口和FDI這三個變量的相關性是高的，彼此之間都呈現相當的顯著水平。這可以說明我國經濟發展的進程中，無論是碳能源消耗對出口、出口對碳能源消耗、外國直接投資對碳能源消耗或FDI對出口在滯后一期或二期的情況下都呈現一定程度的因果關系。

注 釋：

？譹？訛 不同的溫室氣體對全球變暖效應的貢獻不同。政府間氣候變化專門委員會（IPCC）的第四份評估報告指出，在溫室氣體的總體變暖效應中，二氧化碳（CO2）貢獻約63%，甲烷（CH4）貢獻18%，氧化亞氮（N2O）貢獻了約6%，其他貢獻約占13%。為了統一測量整體溫室效應，需要一個可以比較不同溫室氣體排放的測量單元。由于CO2升溫效益的貢獻最大，因此二氧化碳當量是衡量溫室效應的基本單位。二氧化碳當量與排放有關。氣體的二氧化碳當量是該氣體的噸數乘以其產生溫室效應的指數。該氣體的溫室效應指數稱為全球變暖潛勢（GWP），它取決于氣體的輻射特性和分子量，以及氣體濃度隨時間的變化。特定氣體的溫室氣候變暖潛力表明溫室氣體對應于一個世紀以來二氧化碳相同的變暖效應。正值表示氣體使地表變暖。根據定義，二氧化碳的全球升溫潛能值為1，其他溫室氣體的全球升溫潛能值通常大于二氧化碳，但由于其空氣含量低，二氧化碳仍被認為是造成溫室效應的主要氣體。

資料來源：中國科學院蘭州文獻信息中心，氣候變化科學動態監測快車，2017年第9期。

參考文獻：

[1] 楊博瓊，陳建國FDI對東道國環境污染影響的實證研究——基于我國省際面板數據的分析[J].國際貿易問題，2011，（3）：110-123.

[2] 嚴雅雪，齊紹洲.外商直接投資對中國城市霧霾（PM2.5）污染的時空效應檢驗[J].中國人口資源與環境，2017，27（4）：68-77.

[3] 韓永輝，鄒建華.引資轉型、FDI質量與環境污染——來自珠三角九市的經驗證據[J].國際貿易問題，2015，（7）.

[4] 龔超，蘭天.中國區域貿易增長與環境污染的因子聚類分析[J].經濟與管理，2008，（1）.

[5] 黃小兵，黃靜波.環境規制對企業生產率及其出口行為的影響[J].廣東財經大學學報，2015，（1）.

[6] 黨玉婷，萬能.貿易對環境影響的實證分析——以中國制造業為例[J].世界經濟研究，2007，（4）.

[7] 林伯強，劉泓汛.對外貿易是否有利于提高能源環境效率——以中國工業行業為例[J].經濟研究，2015，（9）.

[8] 林季紅，劉瑩.內生的環境規制：“污染天堂假說”在中國的再檢驗[J].中國人口.資源與環境，2013，（1）.

[9] 劉渝琳，鄭效晨，王鵬.FDI與工業污染排放物的空間面板模型分析[J].管理工程學報，2015，（2）.

[10] 劉玉博，汪恒.內生環境規制、FDI與中國城市環境質量[J].財經研究，2016，（12）.

[11] 盧進勇，楊杰，邵海燕.外商直接投資、人力資本與中國環境污染——基于249個城市數據的分位數回歸分析[J].國際貿易問題， 2014，（4）.

[12] 于峰，齊建.我國外商直接投資環境效應的經驗研究[J].國際貿易問題，2007，（8）：104-112.

[13] 鄭強，冉光和，鄧睿，谷繼建.中國FDI環境效應的再檢驗[J].中國人口·資源與環境，2017，27（4）：78-86.

[14] 張連眾，朱坦，李慕菡，張伯偉.貿易自由化對我國環境污染的影響分析[J].南開經濟研究，2003，（3）：3-5.

[15] 李方靜，張靜.服務貿易自由化程度對企業出口決策的影響探析[J].世界經濟研究，2018，（6）：44-57，108，136.

[16] Abdouli， M， and S. Hammami， Economic growth， FDI inflows and their impact on the environment： an empirical study for the MENA countries[J].Quality & Quantity， 2017，51（1）：121-146.

[17] Antweiler， W.， B. R. Copeland and M. S. Taylor， Is Free Trade Good for the Environment？[J].American Economic Review， 2001，91（4）：877-908.

[18] Asghari， M.， Does FDI Promote MENA Regions Environment Quality？ Pollution Halo or Pollution Haven Hypothesis [J]. International Journal of Scientific Research in Environmental Sciences （IJSRES）， 2013，1（6）：92-100.

[19] Beghin， J. and M. Potier， Effects of Trade Liberalization on the Environment in the Manufacturing Sector [J]. The World Economy， 1997，20（4）：435-456.

[20] Chichilnisky， G.， North-South Trade and the Global Environment[J]. American Economic Review， 1994，84（4）： 851-874.

[21] Cole， M. A.， Trade， the pollution haven hypothesis， and the environmental Kuznets curve： examining the linkages[J].Ecological Economics， 2004，48：71-81.

[22] Cole M. A.， R. J. R. Elliott， and J. Zhang， Growth， Foreign Direct Investment， and the Environment： Evidence from Chinese Cities[J].Journal of Regional Science， 2011，51（1）：121-138.

[23] Copeland， B. R. and M. S. Taylor， North-South Trade and the Environment [J].Quarterly Journal of Economics， 1994，109（3）：755-787.

[24] Dickey， D. A. and W. A. Fuller， Distribution of the Estimators for Autoregressive Time Series with a Unit Root [J]. Journal of the American Statistical Association， 1979，74：427-431.

[25] Frutosbencze， D.， K. Bukkavesa， and N. Kulvanich， Impact of FDI and trade on environmental quality in the CAFTA-DR region [J].Applied Economics Letters， 2017，24（19）：1393-1398.

[26] Fuller， W. A.， Introduction to Statistical Time Series [J]. John Wiley and Sons， New York， 1976：373.

[27] Goh， S. K.， and R. McNown， Examining the Exchange Rate-Regime Monetary Policy Autonomy Nexus： Evidence from Malaysia [J]. International Review of Economics and Finance， 2015，35：292-303.

[28] Granger， C. W. J.， Investigating Causal Relations by Econometric Models and Cross-spectral Methods [J]. Econometrica， 1969，37（3）：424-438.

[29] Grossman， G. M. and A. B. Krueger， Environmental Impacts of a North American Free Trade Agreement， General Information，NBER Working Papers，No. 3914，1993.

[30] Kim， M. and N. Adilov， The Lesser of Two Evils： An Empirical Investigation of FDI-Pollution Tradeoff [J]. Applied Economics， 2012，44：2597-2606.

[31] Lin， F.， Trade openness and air pollution： City-level empirical evidence from China. China Economic Review， 2017，45：78-88.

[32] McNown， R.， C. Y. Sam and S. K. Goh， Bootstrapping the Autoregressive Distributed Lag Test for Cointegration [J]. Applied Economics， 2017，21：1466-4283.

[33] Pesaran， M. H.， Y. Shin and R. J. Smith， Bounds testing approaches to the analysis of level relationships [J]. Journal of Applied Econometrics， 2001，16（3）：289-326.

[34] Phillips， P. C. B. and P. Perron， Testing for a unit root in time series regression [J]. Biometrika， 1988， 75（2）：335-346.

[35] Poelhekke， S. and F. Ploeg， Green havens and pollution havens[J].The World Economy， 2015，38（7）：1159-1178.

[36] Popp， D.， International Technology Transfer， Climate Change， and the Clean Development Mechanism[J].Review of Environmental Economics & Policy， 2011，5（1）：131-152.

[37] Porter， G.， Trade Competition and Pollution Standards： “Race to the Bottom” or “Stuck at the Bottom” [J]. Journal of Environment & Development， 1999，8（2）：133-151.

[38] Qureshi， M. S.， Trade Liberalization， Environment， and Poverty： A Developing Country Perspective [J]. Globalization and the Poor in Asia， 2008：250-287.

[39] Rauscher， M.， International Trade， Factor Movements， and the Environment. Oxford： Clarendon Press， 1997.

[40] Runge， C. F.， Globalization and Sustainability： The Machine in the Global Garden. Working Paper， University of Minnesota， 1997.

[41] Shahbaz， M.， S. Nasree， F. Abbas， and O. Anis， Does foreign direct investment impede environmental quality in high-， middle-， and low-income countries？ [J]. Energy Economics， 2015，（51）：275-287.

[42] Sims， C. A.， Macroeconomics and Reality [J]. Economertica， 1980，48（1）：1-48.

[43] Taylor， M. S.， Unbundling the Pollution Haven Hypothesis[J].Advances in Economic Analysis & Policy， 2004，4（2）：8.

[44] Walter， I. and J. Ugelow， Environmental Policies in Developing Countries[J].AMBIO，1979，8（2）：102-109.