基于VAR模型的低碳化與產業結構升級關系研究

張懷誠

摘 要：選取1980—2016年碳排放量、第二產業比重和第三產業比重的數據構建VAR模型，探究我國低碳化發展與產業結構升級之間的關系。結果表明，我國碳排放和產業結構變動有協同關系;我國第二產業占比變動會對碳排放產生正向影響，第三產業占比變動會對碳排放產生負向影響;我國碳排放主要由第二產業比重變化造成，第三產業比重變動的影響相對較小。根據相關研究，為我國經濟的低碳化發展提出了建議。

關鍵詞：VAR模型;低碳化;產業結構升級;碳排放

文章編號：1004-7026（2019）14-0086-03? ? ? ? ?中國圖書分類號：F121.3? ? ? ? 文獻標志碼：A

隨著經濟的不斷發展，化石燃料的大量使用大幅增加了大氣中的二氧化碳含量，出現了氣候變暖等問題。解決世界氣候和環境問題，低碳發展是根本出路，產業結構升級則是必然途徑。經濟己進入了以“中高速增長、結構優化升級、創新驅動”為特征的新常態，我國產業結構升級成為實現我國碳減排承諾的重要方式。優化產業結構、提高第二產業的發展質量，是我國發展的重要目標。為實現溫室氣體減排目標，十八大提出構建綠色低碳的現代產業發展新體系。當前，調整產業結構是實現綠色低碳發展目標的重要內容。

研究低碳化發展與產業結構關系的文獻較多。劉美平（2010）[1]表示，我國應在學習發達國家經驗之后，把正在進行的產業結構升級納入低碳經濟戰略中。崔慧廣（2012）[2]從低碳化理念的變化以及政府政策出發，對我國的低碳化發展模式進行探索。王修華（2012）[3]研究了GDP增量和單位GDP碳排放量與產業結構比例之間的關系，構造雙對數模型，認為應改進低碳技術，支持戰略性新興產業，促進傳統企業轉型。衛華（2015）[4]嘗試在低碳經濟的基礎上構造產業升級模型，探討低碳化產業升級3條路徑，即效率提升、結構優化、產業集群。張偉等（2016）[5]利用Kaya恒等式對我國產業體系的碳排放量進行因素分解，并在此基礎上構造產業體系碳排放模型，發現我國產業體系低碳化發展與能源結構的變化有很強的相關關系，能源在使用效率上受二次產業影響的程度很深。張盼（2013）[6]強調要發展綠色低碳技術，樹立低碳經濟理念，以低碳產業的發展推動產業結構升級。陳兆榮（2011）[7]分析了我國1978—2010年的產業數據，通過More結構變動值計算產業結構高級化指數，用var模型研究產業結構的變動與碳排放的關系，發現產業結構的變動是碳排放量波動的重要原因。Ian Sue Wing（2006）[8]分析了美國40年的數據，發現這40年間科技發展與產業結構的變動大大提高了美國的能源使用效率。

目前的研究多從產業結構低碳化的角度出發，探討產業結構低碳化的重要性、面臨的現實困境、區域的產業結構低碳化等問題，而低碳化發展和產業結構的關系方面的文獻較少。我國當前碳排放量居世界首位，研究產業結構與低碳化發展的關系，能夠為政府制定政策和促進我國產業結構低碳化發展提供借鑒。

1? 研究方法與指標選取

選取我國1980—2016年碳排放量指標代表低碳發展水平，利用我國1980—2016年第二產業產值、第三產業產值占國內生產總值的比重反映我國產業結構的變化。采用VAR模型分析我國低碳化發展與產業結構的關系，以LNC代表年碳排放量，LNA代表第二產業產值占國內生產總值比重，LNB代表第三產業產值占國內生產總值比重，構建如下模型。

相關數據來自于2017年的《中國統計年鑒》以及世界銀行。為使研究結果具有可比性，經不變價處理去除價格因素的影響后，將產業結構指標的原始數據折算為以1980年為基期的實際數值。在不變價處理后進行對數化處理。

2? 實證過程及分析

2.1? 單位根檢驗

模型中所使用的變量均為時間序列，因此選擇ADF單位根檢驗1980—2016年LNC、LNA、LNB的平穩性，結果見表1。

從表1可以得出，ADF檢驗值大于5%顯著性水平下的臨界值，各變量都為非平穩序列。對原序列進行一階差分，LNC、LNA、LNB一階差分后平穩。

2.2? EG協整檢驗

經過平穩性檢驗之后，LNC、LNA、 LNB為一階單整，能夠進行協整檢驗，因此借助EG兩步法分析變量之間是否存在協整關系，運用OLS法估計得到回歸模型，公式如下。

得到殘差序列et，對殘差序列進行ADF檢驗，用得出的ADF數值與10%的水平下協整檢驗的臨界值進行比較，如果ADF值小于臨界值，則協整回歸的變量間有協整關系，具體數值見表2。

從表2可以得出殘差序列在10%的顯著性水平下拒絕原假設，說明不存在單位根。LNC、LNA以及LNB 3個變量存在長期的協整關系。

2.3? 脈沖響應分析

在以上分析的基礎上，采用AR根的估計方法對VAR模型的穩定性進行檢驗，假如VAR模型所有根模的倒數都在單位圓內，則該模型是穩定的，具體情況見圖1。

圖1中特征根都沒有超過單位圓的范圍，說明VAR模型結果穩定。在此基礎上，采用廣義VAR模型的脈沖響應分析3個變量之間的沖擊，具體脈沖響應結果如圖2所示。

圖2（a）組中的兩個圖反映了LNC對LNA、LNB變量的沖擊效果。碳排放量給第二產業比重一個標準正向沖擊時，前期呈上升趨勢，第3期達到最大，之后逐漸下降到第5期，趨于0值。表明我國碳排放量增加對第二產業的發展具有促進作用，但持續時間不長，作用逐漸減弱，這種狀況與我國第二產業中資源利用效率低下有關。

碳排放量給第三產業比重一個正向沖擊后，整體呈輕微上升再下降，后上升至0值。這種變化與第二產業比重的變化趨勢相反，說明在我國的產業升級過程中，第三產業比重上升伴隨著第二產業的衰退。近年來，我國產業結構升級取得了一些成就，第三產業比重逐步增加，產業結構合理化程度提高。

圖2（b）組可以分析LNA、LNB對LNC變量的沖擊效果。碳排放量在受到第二產業比重的一個正向沖擊時，前兩期上升至最大，之后下降至第5期，第6～9期呈上升趨勢，第10期穩定于0值。我國第二產業是碳排放的主要產業，從整體來看，第二產業在較長的時期內對碳排放量的增加起促進作用，期間也出現過阻礙作用，其主要原因是我國產業結構優化，第二產業比重降低，碳減排等相關政策出臺，第二產業技術貢獻率提高，碳排放減少。

第三產業比重對碳排放量的沖擊效果與第二產業相反，前3期第三產業比重對碳排放量的沖擊作用是負的，第2期達到最低值，第4～5期呈較弱的正向作用，之后穩定于0值。第三產業比重提高是產業結構優化升級的重要標志，近年來我國產業結構中第三產業比重逐漸提高，成為我國實現低碳化發展的重要途徑，但是第三產業資源利用效率不高，因此第三產業比重對碳排放出現了正向作用。

2.4? 方差分解

使用方差分解法對年碳排放量LNC的方差變動進行分析，明確第二產業與第三產業以及自身變動對碳排放變動的貢獻度，結果如圖3所示。

圖3中的3條線分別代表第二產業比重LNA變動導致的變動方差，第三產業比重LNB變動導致的變動方差和年碳排放LNC變動導致的變動方差。從10期的變化可以看出，年碳排放LNC自身變動導致的變動方差逐漸減少，第6期降至最小值86，減少量為14。第二產業比重LNA變動導致的變動方差不斷上升，在第6期出現最大值11，而第三產業比重LNB變動導致的變動方差也在上升，第2期出現最大值3。

由分析可知，年碳排放量方差變動主要是由第二產業比重變動造成的，第三產業比重變動的方差貢獻率相對不高。在我國產業結構升級的過程中，應當著重調整第二產業比重，重視提高第二產業發展質量，這對我國經濟未來實現低碳化發展有重要意義。

3? 低碳化發展的對策建議

第一，完善產業結構低碳化法律體系。政府發揮在政策法規制定與實施中的主導地位，出臺相關政策推動第二產業低碳化發展，利用電力法、煤炭法等相關法律推動產業進行升級改造。制定部門法規，為第二產業各部門設定合理的節能減排指標。政府還要舉辦有關氣候變化的宣傳教育活動，合理引導民眾消費，倡導低碳生活。

第二，加快高碳產業的技術更新。把重點放在提高第二產業發展質量上，努力發展新的技術減少碳排放。學習國際領先的技術，自主創新低碳技術，增強原始創新和集成創新能力，依托節能減耗技術、清潔生產技術、污染治理技術和資源綜合利用技術推動傳統高碳產業的發展。

第三，加速推進低碳產業的發展。政府應出臺有利于低碳產業發展的政策，幫扶有潛力的低碳企業，為新生期的低碳企業提供政策性投資、投資補償及補助等各項優惠政策。政府要為低碳產業吸引更多資金，為其降低融資難度，間接地提供資金支持。發展低碳產業有利于產業結構的優化升級，從而向低碳經濟方向發展。

參考文獻：

[1]劉美平.我國低碳經濟推進與產業結構升級之間的融合發展[J].當代財經，2010（10）：86-91.

[2]崔慧廣，董全亮.我國工業產業結構升級的低碳化發展模式研究[J].重慶科技學院學報（社會科學版），2012（15）：42-45.

[3]王修華，王翔.產業結構升級與低碳經濟發展的耦合研究[J].軟科學，2012，26（3）：29-32.

[4]衛華.基于低碳經濟的產業升級路徑研究——以河南為例[J].生態經濟，2015，31（12）：54-58.

[5]張偉，朱啟貴，高輝.產業結構升級、能源結構優化與產業體系低碳化發展[J].經濟研究，2016，51（12）：62-75.

[6]張盼.低碳發展約束下的湖北省產業結構升級[J].企業導報，2013（11）：136.

[7]陳兆榮.我國產業結構高級化與碳排放量關系的實證研究[J].湖北經濟學院學報，2011，9（4）：77-81.

[8]Ian Sue Wing，Richard S. Eckaus. The implications of the historical decline in US energy intensity for long-runCO2 emission projections[J]. Energy Policy，2006，35（11）：5267-5286.