对外贸易、技术进步、城镇化与碳排放强度研究

1 引言

过去30多年,我国经济发展长期依靠高耗能、高投入、高污染,二氧化碳排放量持续增加,已然进入全球主要碳排放来源国之列。从2006年开始,我国单年度碳排放量长期位居榜首,累计碳排放量也已逼近美国,如此严峻的形势引起了各界的高度重视。在2014年APEC北京峰会上我国政府做出承诺,在2030年前后碳排放量到达峰值,相比于2005年,平均每元碳排放量要降低60%—65%。

如今,经济发展进入新常态,所面临的形势发生了巨大变化,对外贸易较以往出现大幅下滑,高度依赖出口拉动经济增长的状况已一去不复往,结构亟待转型调整;城镇化建设迎来快速发展热潮,拥有巨大的内需潜力,是未来经济发展的强劲动力;技术进步和创新则被推到了前所未有的高度,将会成为新常态下经济发展的最大驱动力;经济增长速度也完成了“调速换挡”,未来经济发展更加注重质量提升,更加倾向于绿色低碳循环发展。

面对这些变化,未来碳排放量能否有效降低,步入绿色发展轨道,经济发展能否启动绿色引擎,走向可持续都是值得关注和深思的重要问题。基于此,本文使用全国30个省数据,建立改进STIRPAT模型,研究技术进步、对外贸易、城镇化与碳排放强度之间关系,为促进新常态下地区经济可持续发展、低碳发展提供建设性意见。

2 国内外相关文献综述

在碳排放强度影响因素研究方面,国内外学者将视角集中在经济增长、技术进步、金融、城镇化及贸易等方面。Grossman(1993)在北美自由贸易协议的环境效应分析中,指出经济增长、环境质量两者有着倒U型非线性关系。[1]Parikha(1995)以部分非发达国家作为研究对象,用实证分析方法验证了城镇化对碳排放有着非常明显地影响。[2]Shui(2006)通过分析1997~2003年期间中、美两个国家之间贸易情况,发现进出口贸易会引起二氧化碳排放量的增加,中国在生产、加工出口给美国的商品时,国内碳排放随之提高了7%~14%,而这部分商品要是放在美国生产完成,其国内碳排放同样会提高3%~6%。[3]Tamazian(2009)使用1992年至2004年巴西、俄罗斯、印度和中国的数据,研究发现金融发展会降低一个地区人均二氧化碳排放量,其中资本市场和银行部门发展对地区碳排放影响尤甚。[4]

此外,部分学者还从不同视角、不同影响因素相结合角度开展了进一步研究。

Dalton(2008)把人口结构引入新能源—经济增长模型,指出人口结构的老化与技术变革都会抑制碳排放,并且前者的制约作用等同于甚至高于后者。[5]刘华军(2012)从碳排放总量、人均碳排放量和碳强度角度考察了城镇化对二氧化碳排放的影响,指出城镇化并非碳排放的关键性影响因素,但它们之间存在着U型关系。[6]姬世东(2013)构建边限协整模型,考察对外贸易、城市化与碳排放三者关系,发现城市间贸易额每提高1%,碳排放量将会下降15%左右。[7]朱智洺(2015)等利用1982~2011年的数据,使用ARDL边限检验法,考察了碳排放与对外贸易、金融、能源消耗、经济增长等的关系,发现贸易开放、碳排放二者是负相关关系,经济增长、碳排放二者满足环境库兹涅茨曲线,金融深化、碳排放二者是倒U型关系,能源消耗、碳排放二者呈现正相关。[8]

从目前来看,把贸易依存度、技术进步、新型城镇化与二氧化碳排放相结合开展研究的成果还不多。

3 理论分析及假设提出

3.1 理论分析

第一,对外贸易和碳排放强度。“污染天堂假说”认为,地区之间环境规制政策不同,环境污染代价成本也就各异,污染较严重的产业或企业就会选择由环境规制较强地区向环境规制较弱地区转移,使之成为“污染纳藏地”。污染的空间转移一般发生在发达国家或地区与落后国家或地区之间,并通过对外贸易、要素流动和投资来完成。由这一假说,可以看出越来越频繁的对外贸易将会加剧发展中国家环境问题,提高二氧化碳排放强度。但进口与出口在这一过程中所扮演的角色不同,出口由于将生产放在国内,向其他地区出口产品对碳排放将会产生引致作用,而进口由于产品来源于国外,并可直接用于最终消费或是作为中间产品投入生产,将会对碳排放产生规避作用。

第二,技术进步和碳排放强度。技术进步历来被看作改善环境问题的最有效措施,通过技术进步,可以改善机器设备,降低生产与经营上的碳排放;可以提供全新节能减排设备,提升能源综合使用效率;另外,广义程度上的技术进步,还包括制度与管理创新,无疑为降低二氧化碳排放提供了强有力的“软”技术支持。

第三,城镇化和碳排放强度。城镇化进程是人口迁离农村、向城镇集聚,生产、生活方式逐渐发展转变的过程,在这一进程中,既可以看到人口的集中改善能源使用效率,显著降低碳排放,也可以看到消费方式和出行等生活方式的改变加大能源消费需求,增加碳排放。伴随着城镇化不同发展阶段,碳排放强度将会发生相应变化,是否与库兹涅茨环境曲线有着异曲同工之处,值得深入研究。

3.2 研究假设

由上述理论分析,本文将做出下列假设:(1)对外贸易将会对二氧化碳排放强度产生负面影响,进口有利于降低碳排放,而出口则会增加碳排放;(2)技术进步与二氧化碳排放强度之间将会呈现负相关关系;(3)城镇化与二氧化碳排放强度之间将会呈现倒U型曲线特征。

4 模型与数据

4.1 模型设定与方法

经典IPAT模型由Enrlich等人于1971年提出,用以研究环境影响问题。他们认为环境影响(I)是由人口(P)、富裕度(A)及技术(T)三部分共同作用形成的,表达式为:

虽然上述模型简洁、实用,但在反映各要素对环境影响的弹性作用方面存在明显不足,并且难以验证各种假说。为此,迪茨等人对其深入探索,引入随机干扰项,提出STIRPAT模型:

为了考察各要素与环境响的弹性关系,对等式进行取对数处理,构建线性方程:

其中,α、b、c、d分别为模型的参数,e为随机误差项,I、P、A、T而与前面所提方程的含义一样,分别表示环境影响、人口要素、财富要素和技术要素。

尽管STIRPAT模型已经可以较好地衡量各种影响因素对环境的作用,但这种分析仍停留在线性关系上,不能用来考察经济增长、环境污染二者是否存在倒U型非线性关系,即EKC假说。由此,York等人将Ln Ai进行分解,变成Ln Ai、(Ln Ai)2两部分,得出如下方程:

本文结合STIRPAT模型、EKC模型,将碳排放强度视为环境压力对象,依据国内碳排放强度特点(及7)实际研究需要,适当引入一些额外因素,力求对碳排放强度所涉及影响因素进行全面考量,进一步对STIRPAT模型做出改进,得到如下模型:

其中,下标i、t是指省区观测样本和时间;Ait代表人均国内生产总值,Tit代表技术进步;OPENit、URBit、INDit、FDit、FDIit分别代表贸易开放度、城镇化水平、产业结构、金融发展水平和外商直接投资;ηi代表地区个体差异的固定效应,λt代表时间差异的非观测效应,εit代表随机误差项。

由于碳排放大多时候表现出路径依赖特性,上一期发展情况会作用于下一期结果,为此,有必要引入动态模型被解释变量二氧化碳排放强度的一阶滞后项用来控制一下滞后因素,构建出碳排放强度动态面板计量模型:

4.2 数据及处理说明

4.2.1 碳排放强度(CP)。

碳排放量数据一般采用联合国政府间气候变化专门委员会(IPCC)在《清单指南》中所提供的方法计算得来,方法如下:

其中,Ejt为第t年第j种能源的消费量,Tj为燃料平均低位发热量,Cj为燃料排放系数,Rj为碳氧化率[9]。碳排放强度是指单位GDP碳排放量,用GDP总量除以碳排放量计算得来。

4.2.2 技术进步(T)。

技术进步不同于有形变量,难以直接进行度量。目前,主要采用R&D投入、资产劳动比、等指标进行替代衡量。本文借鉴张兵兵学者做法,使用全要素生产率来代表技术进步[10]。

全要素生产率(TFP)是指资本、劳动等全部生产要素投入量一定时,而生产量仍能增加的部分,也可称为索洛剩余,用以反映生产者技术水平。但使用索洛剩余表示全要素生产率需要满足一个假设,就是全体生产者技术层面上要完全有效,而现实情况却有所差异。由于数据包络分析法(DEA)在技术无效率问题上是宽容的,有效解决了这一假设难题,就被广泛用于估算全要素生产率。基于本文所要估算的是全国30个省份的面板数据,在具体方法上使用动态非参数前沿生产面的DEA-Malmquist指数方法。这种测算方法的关键是在投入与产出的指标选取上。其中,投入指标选择资本、劳动,资本借鉴邵军等的永续盘存法,以1985年价格为基期重新估算各地区资本存量,而劳动力则用各省年就业总人数表示;产出指标选择国内生产总值,并经过价格指数进行平减处理。最后以30个省份作为决策单元,使用产出导向计算各省历年全要素生产率,由于篇幅有限,仅列出各省平均值,见表1。

4.3 其余解释变量

4.3.1 贸易开放度(OPEN)。

为了能够充分了解对外贸易总额、进口贸易及出口贸易对碳排放的不同影响,本文使用贸易依存度(OPEN)、进口依存度(IMP)、出口依存度(EXP)3个指标进行衡量。其中,进出口总额分别按照当年美元汇率中间价进行折合,并计算其所占GDP比重。

4.3.2 城镇化(URB)。

城镇化的衡量有人口方面指标,如非农人口所占比重,还有土地方面指标,如建成区面积,但本文使用城镇人口指标法进行衡量。

4.3.3 人均GDP(A)。

在衡量经济增长问题上,人均GDP是最具代表性的,本文将人均GDP平方项加入模型,用以观察库兹涅茨环境曲线假说。

4.3.4 产业结构(IND)。

在现阶段,我国工业发展仍十分关键,尤其是中西部省份,工业是地区经济的主力军,其碳排放量也在所有产业中独占鳌头,因此,本文将其作为考察对象,使用各省市区工业增加值与GDP之比来表示。

4.3.5 金融水平(FIN)。

金融发展主要依靠技术进步效应及总量扩张效应作用于碳排放,一方面,金融能够高效调配资源,提供风险的资金保障,促进技术进步,降低碳排放;另一方面,金融为经济发展提供所需资金支持,促使经济总量得以扩张,提升碳排放。因此,本文借鉴Levine做法,以金融机构信贷总量与GDP之比来表示[11]。

4.3.6 外商直接投资(FDI)。

FDI作用于投资目的地碳排放主要有两种情况,一种是向投资目的地转移碳排放;另一种是通过先进清洁技术及环境管理机制向投资目的地的扩散,降低其碳排放量,即“光环假说”。因此,本文选用外商直接投资额除以GDP对其进行衡量。

5 来自静态面板与动态面板数据的经验证据

5.1 面板数据描述性统计量和单位根检验

5.1.1 描述性统计量。

由表2得知,各变量在不同省份的分布是不均衡的,存在一定差异,这充分体现了面板数据较时间序列数据的优势。在1995~2014年期间,碳排放强度最低值和最高值分别是2014年的北京0.3279和1995年的山西30.4323;贸易、出口及进口依存度三类指标,其最高值分别是2004年的广东、2004年的广东、2004年的上海,最低值分别是1996年的四川、2014年的青海、1999年的宁夏;城镇化水平最高值和最低值分别是2014年的上海和1995年的贵州;技术进步最高值和最低值分别是2005年的北京和2009年的海南;人均GDP最高值和最低值分别是2014年的天津和1995年的四川;产业结构最高值和最低值分别是2004年的山西和1995年的海南;外商直接投资最高值和最低值分别是2007年的海南,和1996年的陕西;金融水平最高值和最低值分别是2003年的北京和1995年的四川。

5.1.2 单位根检验。

面板数据进行单位根检验是为了能够构建更为真实的行为方程,避免“伪回归”。本文选用LLC检验和IPS检验进行分析。如果两种检验方法出现不一致情况,则认定变量并不平稳,需要继续进行差分检验,直到平稳。表3得到的结果显示,面板分析所涉及到的全部变量都是一阶单整的,可以用来进行面板回归。

注:***、**、*分别代表1%、5%、10%的显著水平。

5.2 基于静态面板数据模型实证分析

在使用面板数据进行估计前,首要任务是是选择合适的Panel Data模型设定形式。在此,利用F统计量、Hausman检验来确定具体静态面板模型的使用。检验结果显示:只有模型4适合随机效应模型,其余5组模型适合固定效应模型。

观察表4中调整后R2、F统计量以Kao及值发现,静态面板数据所有模型回归结果都比较理想,拟合程度较高,并且,对外贸易、城镇化、金融发展、技术进步、产业结构、外商直接投资、及人均GDP的面板数据之间存在协整关系。

贸易开放度、出口贸易开放度和进口贸易开放度的回归系数都为正值且显著,说明对外贸易并非利于碳排放强度的降低,贸易交易额和活动的增加会加剧未来环境破坏状况。并且,进口贸易开放系数略大于出口贸易开放系数,说明进口贸易在增加碳排放方面的影响要大于出口。在模型1-6中,技术进步的回归系数完全一致,都是负值并且十分显著,其系数值在所有变量中也比较高,表明技术进步在降低碳排放方面成效非常显著。城镇化水平的一次项、平方项系数都是显著的,但后者为负值,体现出城镇化水平、碳排放强度二者之间倒U型非线性关系的存在。而人均GDP的情形正好相反,其一次项系数为负且显著,平方项系数为正但不显著,表明人均GDP与碳排放强度是负相关,可能存在U型的非线性关系。而在其他影响因素中,产业结构、FDI回归系数都是正值,但仅前者显著,说明工业主导型产业结构及FDI的流入都会对二氧化碳排放产生负面影响;金融发展水平的回归系数为负,且显著,这说明金融发展程度越低,二氧化碳排放强度就会越高,地区金融发展程度的深化有利于碳排放量的降低。(表4见下页)

5.3 基于动态面板数据模型实证分析

从表5中Arellano-Bond AR值及Sargen检验值可以看出,模型1—6的AR值均不能拒绝差分GMM和系统GMM的残差项不存在二阶序列相关的原假设,说明其估计量是一致的。Sargen检验均不能拒绝工具变量存在过度识别这一原假设,体现出工具变量在择选上是可行的。并且,二氧化碳排放强度的滞后一期系数都十分显著,由此可见,模型1—6的设计是正确的,回归结果能够实现稳健。

注:***、**、*分别代表1%、5%、10%的显著水平。

模型1—3使用差分GMM方法,对贸易开放度、进口开放度与出口开放度三种不同贸易开放衡量变量进行估计。结果显示贸易开放度、进口开放度、出口开放度三者与二氧化碳排放强度之间均呈现正相关关系,这与静态模型回归结果一致,但进口开放度回归系数不显著,较出口开放度系数变小,这表明进口在增加碳排放方面的作用要小于出口。技术水平回归结果与静态面板数据基本一致,显著为负,但其系数有所增大,表明技术进步在降低碳排放方面的作用之重大。城镇化水平回归结果也与静态面板数据基本一致,只是回归数值变小,显著性有所降低。但是,在人均GDP方面,情况却大相径庭,其一次项回归系数由负变为正,表明人均GDP的提高与碳排放量的增加是并行发展的,而平方项系数为负且十分显著,说明人均GDP、碳排放强度二者是倒U型关系,验证了EKC假说是存在的。在其他解释变量上,产业结构与金融发展情况与静态面板数据基本一致,其回归系数分别是正值、负值,但后者的显著性下降;而FDI回归系数由正值变为负值,表明FDI并非只会引起碳排放强度的增长,在抑制碳排放方面,也能发挥出积极效用。

由于差分GMM方法在使用过程中存在差分后损失样本部分有用信息的问题,造成工具变量有效性大打折扣,在估计的精准度方面有所下降。而系统GMM估计方法能够克服上述缺陷,它结合了差分、水平方程两部分信息,增强了工具变量的有效性,使得估计结果相较于差分GMM更加精确、有效。所以,本文在模型4—6中引入系统GMM估计方法,对三种不同贸易开放衡量变量进行对比评估。

与模型1—3相比,二氧化碳排放强度的滞后一期系数要高出很多。贸易对外开放度、进口开放度、出口开放度三者与二氧化碳排放强度依然存在正相关关系,但回归系数有所不同,除贸易对外开放度系数高于差分GMM模型以外,其他两者的系数都要低。这说明对外贸易对碳排放强度起着负面效应,对外贸易开放度的扩大将不利于低碳化发展。不同类型的对外贸易结构对二氧化碳排放是不同的,出口主导型贸易结构要比进口主导型贸易结构在降低二氧化碳排放方面的贡献要高得多。与模型1—3相比,技术进步、城镇化回归系数基本保持一致,但系数有所提升,说明技术是抑制碳排放的有效手段,不同城镇化发展阶段,碳排放强度有所不同。与模型1—3相比,人均GDP的估计系数相同,但平方项系数变得不显著,且值更小。在其他解释变量上,产业结构与模型1—3保持一致,其系数变大,表明碳排放强度与工业所占比重呈正比,工业是降低碳排放强度不容忽视的阻碍因素。外商直接投资情况与模型1—3基本一致,说明FDI对二氧化碳的排放会起到一定地抑制作用,FDI的“污染天堂”假说难以成立。但与模型1—3不同的是,FD在模型4—6中回归系数为正,说明地区金融越发达,其推动生产规模完成扩张的力度就越大,能源消耗就越多,最终提高碳排放强度就越高。

注:L.表示滞后一期;***、**、*分别代表1%、5%、10%的显著水平。

6 结论与建议

基于改进STIRPAT模型,建立静、动态面板数据分析模型,考察对外贸易、城镇化、技术进步等对碳排放强度影响,从中得到的结论如下:一是,对外贸易与碳排放强度之间显著正相关,这正好符合第一个假说,但否定了进口能够制约碳排放的假说。并且出口回归系数略高于进口,其在降低碳排放强度上的作用要大于进口。二是,技术进步与碳排放强度二者显著负相关,这符合第二个假说。三是,城镇化与碳排放强度二者是倒U型分线性关系,符合第三个假说。四是,经济增长与碳排放强度二者在动态面板模型中是倒U型关系,而以工业为主导的产业结构与碳排放强度的影响则是正相关的,但金融发展与外商直接投资的影响则在不同模型中有所区别。鉴于此,本文建议:第一,转变进出口贸易结构,积极引进低碳环保产业。过去经济增长较大程度依靠对外贸易,充当着为发达国家代加工高碳产品的角色,背负着巨大的环境污染成本。并且,发达国家趁机通过产业转移以及国际分工,不断将碳排放向我国进行转移。第二,力促技术进步,注重环保、低碳技术实践。技术进步在静态面板模型的回归系数绝对值是0.1978,而在动态面板模型中提高到0.2330,可见技术进步对碳排放强度的作用之大。未来实现低碳发展就要充分发挥技术进步的作用,依靠各种清洁、低碳、环保技术创新来降低碳排放强度。第三,发挥城镇集聚效应,提升城镇建设质量。在城镇化发展初期,由于人口的大规模聚集,使得城镇能源需求量大增,碳排放强度与城镇化水平出现同步持续升高的趋势,但走过最高点后,城镇的集聚效应改善了能源使用效率,碳排放强度就会呈现下降趋势。第四,优化产业结构,推动地区金融发展,改善外商直接投资。

综上所述,在经济步入新常态情况下,要努力转变对外贸易结构,提高技术水平,推动城镇化快速发展,并配合金融发展、产业结构调整、外商直接投资改善,未来必能完成节能降耗目标,实现对全世界的低碳承诺。

摘要：新常态下,经济发展更加注重质的提升,低碳发展显得尤为重要。通过构建改进STIRPAT模型,使用1995—2014年全国各省份数据,从静、动态两方面考察了对外贸易、技术进步、城镇化等因素与碳排放强度的关系,发现对外贸易、技术进步、城镇化等因素均与碳排放强度之间存在长期协整关系,贸易依存度、进口依存度、出口依存度都与碳排放强度正相关,出口对碳排放强度的影响要大于进口,技术进步、金融与碳排放强度负相关,但后者并不显著,城镇化与碳排放强度二者是倒U型非线性关系,经济增长与碳排放强度在动态面板数据模型下满足库兹涅茨曲线,而FDI与碳排放强度在静、动态模型下的作用有所不同。

关键词：碳排放强度,对外贸易,技术进步,城镇化

参考文献

[1] Grossman G.M,Krueger A.B Economic Growth and the Enovironment[J].Quarterly Journal of Economics,1955,110(2):353-377.

[2] Parikha J,V.Shukla.Urbanization,energy use and greenhouse effects in economic development:Results from a cross-national study of developing countrious[J].Global Environmental Change,1995,5(2):97-103.

[3] Shui B,Harriss R.C.The role of CO2 embodiment in US-China trade[J].Energy Policy,2006,34(18):4063-4068.

[4] Tamazian A.J,Chousa,K.C Vadlamannati Does Higher Economic and Financial Development Lead to Environment Degradation?Evidence from BRIC Countries[J].Energy Policy,2009,37(1):246-253.

[5] Michael Dalton,Brian O,Neil,Alexia Prska Wetz,Leiwen Jiang,John Pitkin Population aging and future carbon emissions in the United State[J].Energy Policy,2008,57(30):642-675.

[6] 刘华军.城市化对二氧化碳排放的影响——来自中国时间序列和省际面板数据的经验证据[J].上海经济研究,2012(5):24-35.

[7] 姬世东,吴昊,王铮.贸易开放、城市化发展和二氧化碳排放——基于中国城市面板数据的边限协整检验分析[J].经济问题,2013(12):31-35.

[8] 朱智洺,沈天苗,何冰雁.碳排放、中国对外贸易和金融发展关联性实证研究[J].生态经济,2015(6):59-64.

[9] 马骏,翁清,袁军.基于VAR模型的江苏省对外贸易、经济增长和碳排放的实证研究[J].价格月刊,2015(11):81-85.

[10] 张兵兵,徐康宁,陈庭强.技术进步对二氧化碳排放强度的影响研究[J].资源科学,2014(3):567-575.

[11] levine.R Financial Development and economic:Views and agenda[J].Journal of Economics literature,1997,2(1):33-36.