(華北理工大學經濟學院 河北 唐山 063210)
隨著世界現代化工業的發展和人口的不斷增長,大量的礦物質燃料的使用造成了溫室氣體不斷增加,全球氣候變暖成了當今世界各國急需解決的難題之一,而我國作為目前世界上最大的發展中國家,之前很長一段時間為了經濟發展,在環境方面已經付出嚴重代價。在黨的十九大報告中,已經對這種犧牲環境來換取經濟發展的模式提出了否定。河北省作為能源生產消費大省,地處京津冀大氣污染治理核心區,創造美好的生態環境是首要任務。此外,國家的發展已經越來越離不開金融資源,如果我國能夠大力促進金融發展,充分發揮金融對于經濟行為的引導作用,可以使我國可持續發展之路走得更遠更長。
目前國際上有兩種關于金融發展對碳排放影響的說法,其中一種是認為金融的快速發展能夠在一定程度上抑制碳的排放。這一說法得到了部分學者的支持,其中Shahbaz(2013)在整理部分馬來西亞的數據中發現了一些結論,認為金融發展和碳排放量之間呈反向關系,他提出促進金融發展可以成為減少碳排放量的一個重要渠道之一。Yasuko Kameyama、Kanako Morita和Izumi Kubota等(2016)在對相關問題進行研究后提出,促進金融發展是目前世界各國解決環境問題的最好方法之一,想要其他的減少碳排放量,只需要有關部門之間、國家與國家之間、國家與地區之間達成相關的共識,向某些貧困地區提供一定的資金即可。宋美(2016)在研究兩者關系時,構建了中介傳導模型,結果得出了在城市的發展進程中,碳排放量會隨著金融的快速發展而減少。除此之外,張躍軍、李維康等(2016)還通過對北京市金融發展和碳排放量之間的關系進行研究得到,如果當某一地區的金融發展水平較為緩慢時,該地區的碳排放量就處于一個較高的水平,如果在之后該地區的金融發展水平迅速,那么碳排放量的水平也會有一定程度的減少。此外,邵漢華、劉耀彬(2017)通過使用面板平滑轉換模型來對碳排放量進行研究中發現,金融的快速發展的確在某些程度上降低了二氧化碳的排放,所以為了能夠更好地減少二氧化碳的排放量,需要加快金融發展速度。
而另一種說法是金融發展會增加碳排放量,而且這種說法也有文獻的支持。Sadorsky在2014年利用動態面板模型來對巴基斯坦的研究中發現,金融的快速發展會增加該地區的碳排放量,所以他得出結論,碳排放量會隨著金融發展而增加。他給出的解釋是,因為金融發展在一方面可以降低企業的發展成本,從而促進企業進行擴張;另一方面金融發展可以降低消費者的消費成本,使其能夠更容易獲得某些耗能耐用品。熊靈、齊紹洲等(2016)利用面板數據模型來分析金融發展與經濟增長對中國碳排放的影響,結果得出金融發展會促進碳排放量增長的結論。劉鳳根、李坤歡等(2016)選取1980—2013的數據,研究我國金融發展與碳排放的關系,用SVAR模型分析兩者之間的長短期關系,結論得出金融發展與碳排放呈正向相關的關系。
被解釋變量是二氧化碳排放量。解釋變量選取了金融相關率和金融效率,這兩個指標可以用來表示一個國家或地區的金融發展規模和速度。控制變量選取了經濟發展水平、能源消費強度和人口數量。
在通過對文獻資料的查找和網上資料的檢索后,本文通過實證分析來調查了河北省1997年到2016年之間金融發展和碳排放量之間的關系。
由于沒有當時河北省碳排放的相關數據,本文對當時河北省碳排放量進行估算,利用IPCC推薦的計算方法,表達式為
(1)
在上述的估算公式中,CO2可以用來表示河北省每年所排放的二氧化碳總量,本論文主要討論的是河北省煤炭、焦炭等對二氧化碳排放量的七種影響;在上述估算公式中,Ei可以用來表示一年中河北省所消耗的第i種能源的總量,而該數值主要是從《中國能源統計年鑒》中得到;在上述估算公式中,NCVi可以用來表示河北省消耗能源每一千克所產生的熱量;CERi用來表示在一年中河北省任意能源燃燒而產生的碳排放量系數;COFi表示河北省一年中燃燒第i種能源所產生的碳氧化率,上述數據都可以通過《溫室氣體清單研究》得到。
金融相關率是由美國經濟學家戈德史密斯提出的,可以用來表示一個國家或地區的經濟發展情況,該指標可以通過公式進行表示,具體為
FIR=FT÷WT
(2)
在上述公式中,FIR表示的是金融相關率,FT則表示的是在某一特殊時期內一個地區過國家所產生的金融活動總量,而WT表示的是一個國家或地區在某些時間段中所產生的經濟活動總量。
在本篇論文中,將一個國家或地區在某一時間段內的存款和貸款的余額之和作為衡量金融活動總量的標準。用該國家或地區當年GDP來表示經濟活動總量。本篇論文中運用存貸款余額之和與GDP比率來計算河北省的金融相關率,其中的相關數據都來自《河北統計年鑒》。
除以上數據之外,其他數據例如人口等都來源于河北省歷年統計年鑒。需要特別強調的是,本篇論文所使用的地區生產總值不是河北省的名義生產總值,而是以1997年為基期所計算的實際生產總值。
本篇論文的主要研究目的是了解一個地區的金融發展對碳排放量會有怎樣的影響。所以在研究過程中使用了IPAT模型,該模型由Ehrlich和Holden在1971年提出。而該模型可以用(3)表示
(3)
而在實際運用過程中使用最為廣泛的形式是公式兩邊同時取對數
lnIi=a×lna+b×lnPi+clnAi+d×lnTi+lnei
(4)
本文是要研究金融發展和碳排放的關系,所以構建了下列模型
lnCO2+α0+α1lnFIR+α2lnFE+α3lnPGDP+α4lnPOP+α5lnECIεi
(5)
在上述模型中,α0是常數項,αi是系數項,εi是隨機誤差項。ln則代表對數化后的數據,目的是減少模型存在的異方差性。
因為在進行研究的過程中,很容易產生一定的虛假回歸,從而對實驗的結果造成一定的影響。為了避免虛假回歸的發生,需要對這些數據進行不同程度的處理。之后再對得到的數據進行單位檢驗,通過單位檢驗來判斷各數據之間是否存在著某種關系,單位根檢驗的結果如表1所示。

表1 變量的ADF檢驗
續表1

LNFE(C,0,0)-1.966 0-3.831 5-3.030 0-2.655 2不平穩D(LNFE)(C,T,0)-4.582 0-4.571 6-3.690 8-3.286 9平穩LNPGDP(C,0,3)-2.732 0-3.920 4-3.065 6-2.673 5不平穩D(LNPGDP)(0,0,0)-2.093 2-2.699 8-1.961 4-1.606 6平穩LNPOP(0,0,0)8.044 5-2.692 4-1.960 2-1.607 1不平穩D(LNPOP)(C,0,0)-4.134 4-3.857 4-3.040 4-2.660 6平穩LNECI(C,0,0)0.924 2-3.831 5-3.030 0-2.655 2不平穩D(LNECI)(0,0,0)-2.908 6-2.699 8-1.961 4-1.606 6平穩
如表1所示,各變量的ADF統計量都大于各自的5%的臨界值,因此接受原序列是不平穩的原假設,進行一階差分后,所有檢測的序列都是一階平穩,序列全部為一階單整序列。所以,變量之間可能存在均衡關系,為了更進一步地了解變量序列之間的關系,需要對這些變量之間進行協整檢驗。對變量做回歸后,如果得到的殘差可以通過單位根檢驗,就說明這些變量之間存在著長期且均衡的關系,接下來對變量之間的關系做協整檢驗。
通過對被解釋變量和解釋變量之間的研究可以得出結果,見表2。

表2 OLS回歸模型
LNCO2=44.3614-06558×LNFIT+0.4744×LNFE+0.9153×LNPGDP+4.8175×LNPOP+0.0591×LNECI
(6)
通過對表2的數據進行研究和分析可以得到,當其中的可決系數達0.985 3時,可以表示被解釋變量和解釋變量之間有著較好的擬合程度。而且金融相關率在增長的時候會對碳排放量產生一定的抑制作用,但與之相反的是,當人均GDP和人口數量上升時,碳排放量也會隨著上升。其中的關系為當金融相關率增加1%時,碳排放量會減少0.655 8%。而當人均GDP和人口數量增長1%時,碳排放量會分別增長0.915 3%和4.817 5%。
在該條件下,若得到的殘差單位根檢驗是平穩的,則可以說明研究的變量之間存在著長期均衡關系,可以證明變量間協整。
由表3可得,ADF檢驗值-3.8531,小于5%的臨界值-1.9614,因此在0.05的顯著性水平下,要拒絕存在單位根的原假設,殘差項是平穩的。
因為變量之間存在協整關系,用原序列數據構建了VAR模型,在此基礎上做格蘭杰因果檢驗,并選擇最優滯后階數二階,其具體的檢驗結果如表3所示。

表3 殘差ADF單位根檢驗

表4 金融發展與碳排放的格蘭杰因果檢驗
由表4看出,在滯后2階時,拒絕LNFIR不是LNCO2的格蘭杰原因的原假設,即LNFIR是LNCO2的格蘭杰原因,帶動LNCO2的變化,而其余變量之間均不是對方的格蘭杰原因。
金融發展能夠對碳排放量產生影響,是引起碳排放量變化的格蘭杰原因。金融發展會抑制碳排放。但兩者間不存在顯著的因果關系,碳排放量的變化不能影響金融發展的變化。
金融機構要緊跟時代浪潮,積極改革自己原本的經營存貸模式,并將低碳發展理念貫穿日常的經營活動,使低碳和金融緊密結合,擴大金融規模,推出多種多樣的和低碳有關的綠色金融產品。此外,河北省內各個企業節能減排項目順利開展,離不開銀行等金融機構的資金支持,越來越多的新能源中小企業出現,然而資金是企業發展的原動力,企業的快速發展要靠資金的支持。因此,金融作為經濟發展的推動器,要為企業提供良好的融資平臺。低碳企業的轉型升級會推動河北省資源型經濟轉型成功,走向低碳綠色發展道路。同時,也推動了京津冀一體化的進程。