经济增长与碳排放的动态因果关系研究——基于Bootstrap rolling window

经济增长与碳排放的动态因果关系研究　——基于Ｂｏｏｔｓｔｒａｐ　ｒｏｌｌｉｎｇ　ｗｉｎｄｏｗ　林柠檬，宋文娟，姚双　（中国海洋大学经济学院，青岛２６６１００）　【摘要】本文采用Ｂｏｏｔｓｔｒａｐ　ｒｏｌｌｉｎｇ　ｗｉｎｄｏｗ检验法，利用１９５３—２０１３年的全样本　和１９６９－２０１３年的子样本研究中国碳排放和经济增长问的动态因果关系。研究发现：　①１９６９－－２０１３年碳排放和经济增长间存在多样的因果关系：１９８３年和２００２年存在经济　增长到碳排放的单向因果关系；１９９９－－２００１年经济增长和碳排放存在双向因果关系；　２００３－－２００４年存在碳排放到经济增长的单向因果关系；其他时期不存在因果关系。②在　存在因果关系的年份中，碳排放与经济增长的相互影响是动态的：碳排放对ＧＤＰ的影　响在１９９９－２００１年间是正向的，而在２００３－－２００４年间是负向的；ＧＤＰ对碳排放在１９８３　年和２０００－－２００２年间存在正向影响，１９９９年存在负向影响。总而言之，经济增长与碳　排放不存在必然的因果关系。低碳排放也可保持高经济增长。　［关键词】氧化碳排放量；改进的似然比检验；Ｂｏｏｔｓｔｒａｐ　ｒｏｌｌｉｎｇ　ｗｉｎｄｏｗ　【中图分类号】Ｆ０６２．１【文献标识码】Ａ［文章编号】２０９５—７５７２（２０１６）０６—０１０５—１ｌ　一、、　Ｖ●引言　　随着全球经济发展，温室气体排放加剧引发的全球气候变暖、海平面上升等问题，对人　类生存与发展构成了威胁。近２０年来国际上先后召开了京都会议、哥本哈根会议、每年的气　候大会和联合国气候峰会等，试图找出世界各国经济增长与温室气体排放的利益平衡点。与　此同时，一些学者开始将视角转向二氧化碳排放与经济增长间的因果关系研究，但不同学者　观点悬殊：碳排放与经济增长间可能存在单向因果关系，也可能存在双向因果关系，甚至不　存在因果关系。　［收稿日期】２０１６－５－２３　【作者简介】林柠檬（１９９２．），女，中国海洋大学经济学院，硕士研究生，主要研究方向：金融学、数理统计。　宋文娟（１９９１一），女，中国海洋大学经济学院，硕士研究生，主要研究方向：金融投资与理财。　姚双（１９９１－），女，中国海洋大学经济学院，硕士研究生，主要研究方向：货币银行理论与政策。　７　０５　目前多数文献采用Ｇｒａｎｇｅｒ因果关系检验对二氧化碳排放与经济增长间的因果关系进　行研究，其研究结果分为三类。第一，碳排放与经济增长间存在单向因果关系。Ｃｏｏｎｄｏｏ＆　Ｄｉｎｄａ（２００２）针对北美、西欧发达国家和地区，对其１９６０—１９９０年的碳排放与经济增长进　行了传统的Ｇｒａｎｇｅｒ因果关系检验；Ｃｏｏｎｄｏｏ＆Ｄｉｎｄａ（２００６）采用欧洲地区１９６０—１９９０年　的碳排放与经济增长数据，通过面板数据模型研究二者的因果关系；Ｌｅａｎ＆Ｓｍｙｔｈ（２０１０）　的研究则针对东南亚地区的５个国家，结果均发现存在碳排放到经济增长的单向因果关系；　Ｊａｌｉｌ＆Ｍａｈｕｍｄ（２００９）检验了１９７５—２００５年间中国的碳排放与经济增长之间的相互关系；　Ｓａｊａｌ　Ｇｈｏｓｈ（２０１０）则研究了１９７１—２００６年间印度的碳排放与经济增长的因果关系；翟石艳　（２０１３）通过检验长三角区域碳排放与经济增长之间的因果关系，均得到经济增长对碳排放　存在单向因果关系的结论。　第二，碳排放与经济增长间存在双向因果关系。Ｃｏｏｎｄｏｏ＆Ｄｉｎｄａ（２００２）关于非洲等国　家和地区的碳排放与经济增长间因果关系的研究；Ｌｉｕ（２００６）针对１９７３—２００３年间挪威碳排　放与经济增长间的因果关系研究；赵爱文（２０１１）对中国１９５３—２００８年碳排放与经济增长的协　整和Ｇｒａｎｇｅｒ因果关系的研究；米国芳（２０１２）对中国１９８１—２００９年经济增长、电力消费与碳　排放量的长期均衡关系和短期动态变化的研究，均证实了碳排放与经济增长间存在双向因果　关系。　第三，碳排放与经济增长间不存在因果关系。Ｓｏｙｔａｓ＆Ｓａｒｉａ（２００９）基于ＶＡＲ模型以及　广义脉冲函数，从土耳其碳排放、能源消费、经济增长三者之间的相互影响关系角度进行研究；　陈茜（２０１０）检验了美国１９７０—２００５年间的碳排放与经济增长的协整关系和格兰杰因果关系；　刘倩（２０１２）在相同的时间跨度下结合ＥＫＣ假说和Ｇｒａｎｇｅｒ检验，研究１９６０．２００７年间中国　的碳排放与经济增长关系，结果均发现二氧化碳排放与经济增长间不存在因果关系。　综上所述，有关碳排放与经济增长的Ｇｒａｎｇｅｒ因果关系的研究表明，不同的国家、不同　的发展阶段，其碳排放与经济增长之间存在不同的Ｇｒａｎｇｅｒ因果关系；即使是经济发展水平相　似的国家，其碳排放与经济增长的Ｇｒａｎｇｅｒ因果关系也存在一定的差异。一般来说，发达国家　碳排放与经济增长存在单向因果关系，而发展中国家碳排放与经济增长的因果关系不单一，　可能存在单向因果关系，也可能存在双向因果关系，甚至不存在因果关系。同时，碳排放与　经济增长间的因果关系是易变的，检验结果会因样本对象、样本时期和模型选取的不同而不同。　相较于现有研究，本文的特点为：（１）基于改进的ＬＲ检验法研究全样本下碳排放与经济　增长间的Ｇｒａｎｇｅｒ因果关系和检验模型的稳定性。（２）采用Ｂｏｏｔｓｔｒａｐ　ｒｏｌｌｉｎｇ　ｗｉｎｄｏｗ检验法研　究子样本下碳排放与经济增长间的动态因果关系，找出结构突变点，并加以解释。　二、方法与数据　（一）方法　本文采用Ｂｏｏｔｓｔｒａｐ　ｒｏｌｌｉｎｇ　ｗｉｎｄｏｗ检验法研究碳排放与经济增长之间的因果关系，　Ｂｏｏｔｓｔｒａｐ　ｒｏｌｌｉｎｇ　ｗｉｎｄｏｗ检验法是采用基于自助法（Ｂｏｏｔｓｔｒａｐ）改进的似然比（ＬＲ）检验法研　究变量之间的动态因果关系，在ＶＡＲ模型的基础上，引入滚动窗口，通过滚动得出不同时期　碳排放与经济增长之间的因果关系，得到结构突变点。　为了说明Ｂｏｏｔｓｔｒａｐ　ｒｏｌｌｉｎｇ　ｗｉｎｄｏｗ检验法，我们首先对全样本考虑以下二元ＶＡＲ（Ｐ）过程：　７　Ｄ６　—．．．．．．．．．．．．．．．。．．。．。。。Ｌ　Ｙ，＝　ｒ＋　，Ｙ　＋…＋　Ｙ，＋Ｅｔ，　一　ｆ＝１，２，３…　　（１）　１●●●，●●ｊ其中，　￡　，是ｋ维内生向量，ｋ×ｋ维矩阵　，　，　为系数矩阵，丁指样本个数，￡，＝（￡ｌ，　０　Ｏ　—．。。。．．．．．．．．．．Ｉ．．　ｌ．．．。．．．Ｌ　）　是一个独立的白噪声过程，具有零均值、非奇异协方差阵的特点，Ｐ为一个已知的ＶＡＲ模　型的滞后阶数，通过赤池信息准则（ＡＩＣ）和施瓦茨准则（ＳＣ）来确定。　１●●●●●●Ｊ　为了简化表示，本文将Ｙ．分解成两个子向量，其中，Ｙ　，表示二氧化碳排放量，Ｙ　，表示国　—．．．．．．．．．．．．．．＋　．．．．．．．．．．．．Ｌ　内生产总值，同时将方程（１）改为方程，Ｊ－　，ＪＩ、　（２）的形式：　、ＩＩ，、ｌ＿，　Ｅｌｔ　］　（２）　其中，　【　）＝　，　，　，Ｊ＝　，Ｌ是定义为　：　一　的滞后运算符，在这种背景下，　零假设为国内生产总值不是二氧化碳排放量的格兰杰原因，可以通过限制　，　＝０，ｉ＝１，２，．．．，Ｐ　来检验。同样，对于零假设为二氧化碳排放量不是国内生产总值的格兰杰原因，可以通过限制　＝０，　ｌ，２，．．．，Ｐ来检验。　格兰杰（１９９６）指出，变量结构不稳定可能是目前研究中面临的最重要的问题。为了处理　结构不稳定和参数非恒定问题，本文除了使用全样本检验二氧化碳排放量与经济增长间的因果　关系，判断结构稳定性和参数是否恒定外，同时应用自助法滚动因果检验法使用子样本检验变　量间的动态关系，分时期描述变量间的因果关系。相应的滚动区间为：　ｔ＝　一，＋ｌ，　一，，…，　，　＝，，，＋１，…，Ｔ　其中，，是滚动窗口的大小，　指样本个数。　通过自助法窗口滚动计算零假设为国内生产总值不是二氧化碳排放量的格兰杰原因　（　：，。　仍：，：一。一　：，　０）的渐近Ｐ值和零假设为二氧化碳排放量不是国内生产总值的格兰杰　原因（即ｔＰ２１．１＝　，　一一＝ｔＰ２　，　＝０）的渐近Ｐ值。同时，需估算两个变量相互影响的幅度，判断　碳排放与经济增长存在正相关关系还是负相关关系。其中，二氧化碳排放量对ＧＤＰ的影响幅度　是通过计算所有滚动估计值　的平均值（即　’２　Ｎｂ指自助法重复抽样的次数）获得的；　．　ＧＤＰ对二氧化碳排放量的影响幅度是通过计算所有滚动估计值（Ｐ１　２　的平均值（即　∑　，　）　获得的。　和　是对方程（２）运用自助最小二乘法得到的估计值，同时，在９５％的置信　区间下，分别计算出　，　和　，的下界（即下四分位数）、上界（即上四分位数）。　（二）数据　本文选取１９５３．２０１３年的中国国内生产总值（ＧＤＰ）、二氧化碳排放量（ＣＴ）作为变量，　其中ＧＤＰ平减为以２０００年为基期的实际数值，二氧化碳排放量采用估计法获得。　２００７年ＩＰＣＣ（联合国政府间气候变化专门委员会）发布的第四次气候评估报告显示，能　源部门排放的二氧化碳量占ＣＯ２总排放量的９０％以上。因此，本文以三种消耗量较大的一次　能源即石油、煤炭、天然气为基准来核算ＣＯ２排放量，方法参考ＩＰＣＣ（２００６）为联合国气候　变化框架公约及京都协议书所制定的国家温室气体清单指南第二卷（能源）第六章，从而给出　Ｃ０２总排放量的计算公式如下：　１　０７　２０１６年１１月２５日　ｃ＝∑ｃｋ＝∑Ｅｋ　ｘ　ＮＣＶｋ　ｘＣＥＦｋ￣ＣＯＦ，ｘ（４４／１２）　ｋ＝ｌ　ｋ＝ｌ　其中，ＮＣＶ是指３种一次能源的平均低位发热量，根据（（２０１３年中国能源统计年鉴　附录　４所得。ＣＥＦ为ＩＰＣＣ（２００６）温室气体清单提供的碳排放系数，由于煤炭排放系数的缺失，本　文的处理方法参照自陈诗一（２００９）；ＣＯＦ指碳氧化因子（本文设定石油为０．９８，煤炭为Ｏ．９４，　天然气为０．９９）。４４和１２分别为二氧化碳和碳的分子量。因为能源单位不统一（煤炭和石油的　单位为万吨，天然气为亿立方米），需转换成统一的热量单位标准煤，根据２０１３年　中国能源　统计年鉴　附录４提供的数据，可得石油、煤炭和天然气的折标准煤系数分别为１．４２８　６千克标　准煤／千克、０．７１４　３千克标准煤／千克和１．３３０　０千克标准煤／千克。本文最终估算的中国石油、　煤炭和天然气的碳排放系数为每万吨标准煤分别排放２．６２３、２．１０４和１．６２６万吨二氧化碳。　依据数据的可获得性，本文数据选取１９５３—２０１３年的年度数据，数据来源自　中国统计年鉴》　和　中国能源统计年鉴　，并以２０００年为基期。同时，为了消除变量中的不稳定性和异方差现象，　对两个变量分别取自然对数记为ＬｎＣＴ和ＬｎＧＤＰ。软件使用ｅｖｉｅｗｓ　８．０和Ｒ２．１１．１。　三、实证分析　（一）格兰杰因果关系检验　１．单位根检验　单位根检验是判断时间序列平稳性的重要组成部分，增广Ｄｉｃｋｅｙ—Ｆｕｌｌｅｒ（ＡＤＦ）检验、　Ｐｈｉｌｌｉｐｓ—Ｐｅｒｒｏｎ（ＰＰ）检验和ＫＰＳＳ检验都提供了对序列平稳性的正式检验。同时，Ｂｏｏｔｓｔｒａｐ　ｒｏｌｌｉｎｇｗｉｎｄｏｗ检验法的前提是两个同阶单整的时间序列。本文通过ＡＤＦ、ＰＰ和ＫＰＳＳ三种检验法，　对二氧化碳排放量与国内生产总值两个时间序列进行平稳『生检验，结果如表１所示。　表１　ＡＤＦ　ＰＰ和ＫＰＳＳ单位根检验结果　原序列　序列　ＡＤＦ　ＰＰ　ＫＰＳＳ　截距项　ＬｎＣＴ　ＬｎＧＤＰ　截距项和趋势项　．２＿８１２　—１．８５０　截距项　—１．７２７　２．５９７　截距项和趋势项　．３．３０３＊　—１．４６３　截距项　０．９８４＊＊　０　９７１　●｛　截距项和趋势项　０．１０５　０．２３０＊＊　．１．４７８　１．４２２　一阶差分序列　ＰＰ　ＫＰＳＳ　序列　ＡＤＦ　截距项　ＬｎＣＴ　．４．５１８＂十　截距项和趋势项　一４．５５８　＋　截距项　．４．５５６＊＊　截距项和趋势项　．４　６３３＊　十　截距项　０．１３９　截距项和趋势项　０．０６４　ＬｎＧＤＰ　一５　７８６＊＋｝　．６．１２７　＋　．４．６３４　＋　．７．４２６＊＊　０．３８８＊　０．１４＂　注：①　、　、”　分别表示在１０％，５％，１％的置信水平下拒绝原假设，单元格中的数值表示ｔ统计量的值。　②ＫＰＳＳ的原假设是时间序列是平稳的，属右单端检验。　１　０８　由表１知，在ＡＤＦ检验下，ＬｎＣＴ、ＬｎＧＤＰ的原序列均存在单位根，而二者的一阶　差分序列在１％的置信水平下均拒绝原假设，是平稳的时间序列，即两个时间序列在５％　的置信水平下是一阶单整的。在ＰＰ检验下，除ＬｎＣＴ原序列包括截距项和趋势项时，在　１０％的置信水平下拒绝原假设，其他原序列均接受原假设，存在单位根，而二者的一阶　差分序列在１％的置信水平下均拒绝原假设，是平稳的时间序列。在ＫＰＳＳ检验下，对于　原序列，除ＬｎＣＴ包括截距项和趋势项时，接受原假设，其他在１％的置信水平下拒绝原　假设；对于其一阶差分序列，ＬｎＣＴ接受原假设，是平稳的时间序列，ＬｎＧＤＰ在１０％的　置信水平下拒绝原假设，但在５％的置信水平下接受原假设。通过三种单位根检验法检　验，总的来说，ＬｎＧＴ和ＬｎＧＤＰ在５％的置信水平下是一阶单整的，可以进行Ｂｏｏｔｓｔｒａｐ　ｒｏｌｌｉｎｇ　ｗｉｎｄｏｗ检验。　２．全样本格兰杰因果关系检验　基于自助法改进的似然比检验法研究二氧化碳排放量与国内生产总值两个时间序列　间的格兰杰因果关系。为了进行全样本的格兰杰因果检验，首先构造ＶＡＲ模型，确定　最佳滞后期。然后依据赤池信息准则（ＡＩＣ）和施瓦茨准则（ＳＣ），若同时最小则直接　确定ＶＡＲ模型的最佳滞后期，若不同时最小则由最大似然检验（ＬＲ）来最小确定最佳　滞后期。由ｐ＝ｌ开始，依次逐个增加到１０来确定最佳滞后期。本文通过测算得出最佳　滞后期为３。　对一组非平稳的时间序列来说，可能存在平稳的线性组合，即使该组合不存在随机　趋势，但这组序列是协整的，即存在一种长期均衡关系。由单位根检验可知，本文的两个　时间序列样本是非平稳的，故需要对其进行协整检验。本文选择Ｊｏｈａｎｓｅｎ检验对对数的　二氧化碳排放量（ＬｎＣＴ）和国内生产总值（ＬｎＧＤＰ）进行滞后３期的协整检验。结果如　表２所示。　表２　ＬｎＣＴ和ＬｎＧＤＰ滞后３期的Ｊｏｈａｎｓｅｎ协整检验结果　序列　零假设ａ　备择假设　Ｔｒａｃｅｔｅｓｔ　Ｐｒｏｂ．　ｒ＝０　，＞０　２３．１９９＂＊　０．００３　ＬｎＣＴ和ＬｎＧＤＰ　ｒ　１　ｒ＞１　２．３６６　０．１２４　注：书聿表示在５％的置信水平下显著。　ａ．这是一个右单端检验，在５％的显著性水平下，零假设为ｒ＝０的临界值是１５．４９５；零假设为ｒ≤１的临界值　是３．８４１。　从表２知，ＬｎＣＴ和ＬｎＧＤＰ在５％的置信水平下，拒绝不存在协整关系的零假设，　而接受存在至多１个协整关系的零假设，结果表明这组时间序列存在１个长期均衡关系。　格兰杰因果关系检验的前提是变量是平稳的或不平稳但存在协整关系。由Ｊｏｈａｎｓｅｎ　协整检验知ＬｎＣＴ和ＬｎＧＤＰ存在协整关系，所以可以直接对原序列进行全样本的格兰　杰因果关系检验。为了充分反映全样本的格兰杰因果关系，本文通过传统的格兰杰因果　关系检验、构造ＶＥＣＭ（３）和基于自助法改进的似然比检验法进行检验。结果如表３　所示。　１　０９　２０１６年Ｉ１月２５日　产业经济评论　ｌ　ｌ￣ｎＵ￥？Ｒ｜ＡＬ￡　骥ｌ８　表３全样本的格兰杰因果关系检验　Ｈ０：ＬｎＧＤＰ　ｄｏｅｓ　ｎｏｔ　Ｇｒａｎｇｅｒ　ｃａｕｓｅ　ＬｎＣＴ　Ｓｔａｔｉｓｔｉｃｓ　Ｇｒａｎｇｅｒ　Ｃａｕｓａｌｉｔｙ　Ｆ　ｔｅｓｔ　４．４６６＊＊　Ｐ．ｖａｌｕｅ　０．００７　Ｈ０：ＬｎＣＴ　ｄｏｅｓ　ｎｏｔ　Ｇｒａｎｇｅｒ　ｃａｕｓｅ　ＬｎＧＤＰ　ｓｔａｔｉｓｔｉｃｓ　４．２５４＊｝　Ｐ．ｖａｌｕｅ　０．００９　ＶＥＣＭ（３）ｗａｌｄ　ｔｅｓｔ　Ｂｏｏｔｓｔｒａｐ　ＬＲ　ｔｅｓｔ　３．５２７　１．２７９　０．３ｌ７　０．４２　２５．７４０＊＊　１－３　Ｏ　Ｏ＿３９　注：＋、　、　＋分别表示在１０％、５％、ｌ％的显著性水平下拒绝原假设。　由表３知，当原假设为ＧＤＰ不是碳排放的格兰杰原因时，传统的格兰杰因果关系检验法　下Ｐ值为０．００７，统计值４．４６６落在拒绝域，即在５％的置信水平下拒绝原假设，故ＧＤＰ是碳　排放的格兰杰原因；通过构造ＶＥＣＭ（３），进行格兰杰因果关系检验的Ｐ值是０．３１７，在５％　的显著性水平下接受原假设，即ＧＤＰ不是碳排放的格兰杰原因；基于自助法改进的似然比检　验法下Ｐ值是Ｏ．４２，在５％的置信水平下接受原假设，即ＧＤＰ不是碳排放的格兰杰原因。当　原假设为碳排放不是ＧＤＰ的格兰杰原因时，传统格兰杰因果关系检验法下Ｐ值为０．００９，统　计值４．２５４落在拒绝域，即在５％的置信水平下拒绝原假设，故碳排放是ＧＤＰ的格兰杰原因；　通过构造ＶＥＣＭ（３），进行格兰杰因果关系检验的Ｐ值是０，在５％的置信水平下拒绝原假设，　即碳排放是ＧＤＰ的格兰杰原因；基于自助法改进的似然比检验法下Ｐ值是０．３９，在５％的置　信水平下接受原假设，即碳排放不是ＧＤＰ的格兰杰原因。　（二）参数稳定性检验　以往对碳排放与经济增长之间的格兰杰因果关系的研究，常常因样本对象选择和模型选　取的差异而得出不一样的结果，这是因为可能存在结构不稳定或参数非恒定的现象。本文通　过检验ＶＡＲ模型的稳定性，判断结构是否稳定和参数是否恒定。如果长期或协整参数是稳定　的，说明模型的长期运行是稳定的。此外，如果短期参数也是稳定的，说明该模型表现出充　分的结构稳定性。本文通过拉格朗日乘数检验和蒙特卡罗模拟得到Ｎｙｂｌｏｍ—Ｈａｎｓｅｎ统计量（Ｌｃ）　和似然比统计量的上界（Ｓｕｐ—ＬＲ）、似然比统计量的平均值（Ｍｅａｎ—ＬＲ）、似然比统计量的　对数值（Ｅｘｐ．ＬＲ）。其中，原假设为参数是恒定的，备择假设为参数遵循随机游走过程。　因为参数的稳定性检验包括长期参数稳定性检验和短期参数稳定性检验，所以本文分两　步进行参数稳定性检验。第一步进行长期参数的稳定性检验，检验模型长期的结构稳定性，　检验结果如表４所示。　表４长期参数稳定性检验　Ｓｕｐ－ＬＲ　Ｍｅａｎ．ＬＲ　Ｅｘｐ—ＬＲ　ＬＣ　ＬｎＣＴ＝　＋ｐＬｎＧＤＰ　Ｂｏｏｔｓｔｒａｐ　Ｐ・ｖａｌｕｅ　３２５．６９７＊＊　０　１７１．２８＊Ｊｋ＊　ｌ＿ＯＯＥ＋００　１５９．７８３＊＊　１．００Ｅ＋００　９．４１７　｝＋　５．００Ｅ．０３　注：一　表示在１％的置信水平下拒绝原假设。　７　７　０　由表４知，在１％的置信水平下，Ｓｕｐ—ＬＲ、Ｍｅａｎ—ＬＲ、Ｅｘｐ—ＬＲ、Ｌｃ在５％的置信水平下　均拒绝原假设，接受备择假设，即长期参数非恒定，遵循随机游走过程。也就是说该ＶＡＲ（３）　模型的长期结构是不稳定的，存在结构Ｊｌ生突变。　第二步进行短期参数的稳定性检验，检验模型短期的结构稳定性。检验结果如表５所示。　表５短期参数稳定性检验　ＶＡＲ（３：　Ｓｙｓｔｅｍ　ＬｎＣＴ　Ｅｑｕａｔｉｏｎ　ＬｎＧＤＰ　Ｅｑｕａｔｉｏｎ　Ｂｏｏｔｓｔｒａｐ　Ｂｏｏｔｓｔｒａｐ　Ｂｏｏｔｓｔｒａｐ　Ｓｔａｔｉｓｔｉｃｓ　Ｓｔａｔｉｓｔｉｃｓ　Ｓｔａｔｉｓｔｉｃｓ　Ｐ—ｖａｌｕｅ　Ｐ—ｖａｌｕｅ　Ｐ—ｖａｌｕｅ　ａ　Ｓｕｐ—ＬＲ　１６．２０２　０．８４８　１９２．６４０＊｝　Ｏ　９３．２３９＊＊｝　３－３３Ｅ．１６　Ｍｅａｎ．ＬＲ　９．１９３　０．８５７　２１．０９０＊｝＋　４．０２Ｅ—Ｏ７　２４．２２４＊＊｝　１．５１Ｅ．Ｏ５　Ｅｘｐ—ＬＲ　６．２０２　０．８０２　９２．５５９＊｝　ｌ＿００Ｅ＋００　４２．８５９＊＊＋　ｌ｜１１Ｅ．１６　Ｌｃｂ　３．５６５＊＊　０．０２８　注：①　、”＋分别表示在５％、１％的置信水平下拒绝原假设。　②ａ　Ｐ值是通过２　０００次重复抽样计算得到的。　③ｂ在ＶＡＲ（３）模型中所有参数的Ｈａｎｓｅｎ－Ｎｙｂｌｏｍ稳定性检验。　由表５知，对整个ＶＡＲ（３）系统来说，Ｓｕｐ—ＬＲ、Ｍｅａｎ．ＬＲ、Ｅｘｐ—ＬＲ的统计量值均在接受域内，　即在５％的显著性水平下均接受原假设，拒绝备择假设。但所有参数的稳定性检验值Ｌｃ的渐　近Ｐ值为０．０２８，在５％的置信水平下拒绝原假设，即整个ＶＡＲ（３）系统在短期是不稳定的。　对ＬｎＣＴ方程和ＬｎＧＤＰ方程来说，其Ｓｕｐ—ＬＲ、Ｍｅａｎ—ＬＲ、Ｅｘｐ—ＬＲ在５％的置信水平下均拒　绝原假设，即短期参数非恒定，遵循随机游走过程。故该ＶＡＲ（３）模型在短期结构也是不稳定　的，存在结构性突变。　（三）Ｂｏｏｔｓｔｒａｐ　ｒｏｌ　ｌ　ｉｎｇ　ｗｉｎｄｏｗ检验法　由于本文时间序列无论长期还是短期均存在结构不稳定性，即存在结构性突变，故采用　Ｂｏｏｔｓｔｒａｐ　ｒｏｌｌｉｎｇ　ｗｉｎｄｏｗ检验法分析子样本间的动态关系，分时期研究碳排放和经济增长间的　因果关系。　首先，确定滚动窗口的大小。对于滚动窗口大小的选择，不存在严格意义上的标准。根　据Ｐｅｓａｒａｎ＆Ｔｉｍｍｅｒｍａｎｎ（２００５）对滚动窗口均方误差方面的研究，发现最佳滚动窗口的大　小取决于持续期和休息期的大小。在选择最佳滚动窗口的大小时应考虑两个相互矛盾的需求。　第一，对自由度进行估计需要较大的样本量，才能准确地估计参数；第二，多个潜在的结构　突变需要一个较小的样本量，以减少在窗口样本中出现多个休息期的风险。本文根据Ｐｅｓａｒａｎ　＆Ｔｉｍｍｅｒｍａｎｎ（２００５）的模拟结果，考虑到两个相互矛盾的需求，选择最佳滚动窗口的大小　为１５（不包括所需的滞后观测值，因此滚动窗口的估计中使用的是实际观测值）。零假设为　碳排放不是ＧＤＰ的格兰杰原因的各时点的渐近Ｐ值和碳排放对ＧＤＰ的影响幅度值分别如图１　和图２所示。　２０１６年Ｉ１月２５　ＦＩ　产业经济评论　舞　替骥瓣瓣ｌ辩嚣嚣嚣琴嚣ｌ　蓑嚣臻糖耩瓤ｌ棼器　渐近Ｐ值　４　３　２　，　０　＇中　年份　图１零假设为碳排放不是ＧＤＰ的格兰杰原因的渐近Ｐ值　、——ｓｕｍｏｆｔｈｅｃｏｅｆｆｉｃｉｅｎｔｓ　＼　＼／一　－…Ｌｏｗｅｒｂｏｕｎｄｆｏｒ８ｕｍｏｆｔｈｅｃｏｅｆｆｋｚｋｍＩｓ　一Ｕｐｐ６ｒ　ｂｏｕｎｄ　ｆｏｒ　ｓｕｍｏｆ　ｔｈｅ　ｃｏｅｆｆｌｃｋｍｔｓ　ｌ　　Ｉｌ　　１一　＼　一　／　：厂　．＝＝：　—　：：：二　＼　、、／／一卜、　／／　／、一、一　／　６９　７２　７５　７８　８１　８４　８７　９０　９３　９６　９９　０２　Ｏ５　０８　１１　年份　图２碳排放对ＧＤＰ的影响幅度　由图ｌ知，在１９９９－２００１年和２００３—２００４年期间碳排放不是ＧＤＰ的格兰杰原因的渐近Ｐ值小　于１０％，此时拒绝原假设，即在１０％的置信水平下，碳排放是ＧＤＰ的格兰杰原因；其他时间段　内碳排放不是ＧＤＰ的格兰杰原因的渐近Ｐ值大于１０％，此时接受原假设，即在１０％的置信水平　下，碳排放不是ＧＤＰ的格兰杰原因。在图２中对应于图１碳排放和ＧＤＰ间存在因果关系的相同　时期中，在１９９９—２００１年，碳排放对ＧＤＰ的影响幅度值大于０，影响为正。由于这段时间重工业　主导力量增强，其对国民经济的支撑作用加大，而重工业大力发展会导致二氧化碳排放量增加，　同时带动经济的发展，这可能导致了碳排放对经济增长具有正向影响。在２００３—２００４年，碳排放　对ＧＤＰ的影响幅度值小于０，影响为负。碳排放量的大量增加，引起全球气候变暖、海平面上升，　会阻碍经济发展，使碳排放对ＧＤＰ的影响为负。　１　１２　同时，零假设为ＧＤＰ不是碳排放的格兰杰原因的各时点渐近Ｐ值和ＧＤＰ对碳排放的影响　幅度值分别如图３和图４所示。　Ｏ　５　０　５　Ｏ　Ｏ　５　Ｏ　５　之　Ｏ　之５渐近Ｐ值　年份　图３零假设为ＧＤＰ不是碳排放的格兰杰原因各时点的渐近Ｐ值　／　／、、　厂　＼　＼、八／～、　～　＼　／　／，、—　ｉＪｍ　ｏｆｔｈｅ　ｏｏｅｆｌｃ￣ｅｎｔｓ　／√，＼、ｌ＼　／，　…　Ｌｏｗｅｒｂｏｕｎｄｆｏｒｓｕｍ　ｏｆｔｔｔｅｃｏｅｆｉｆｃｉｅｎｔｓ　‘、ｊ　６９　７２　７５　７８　８１　８４　８７　９０　９３　９６　９９　０２　０５　０８　１１　年份　图４　ＧＤＰ对二氧化碳排放量的影响幅度　由图３知，在１９８３年和１９９９．２００２年，ＧＤＰ不是碳排放的格兰杰原因的渐近Ｐ值小于　１０％，此时拒绝原假设，即在１０％的置信水平下，ＧＤＰ是碳排放的格兰杰原因；而其他时间　段的渐近Ｐ值大于１０％，此时接受原假设，即在１０％的置信水平下，ＧＤＰ不是碳排放的格兰　杰原因。在图４中对应于图３碳排放和ＧＤＰ间存在因果关系的相同时期中，１９８３年ＧＤＰ对　产业经济评论　７　７４　碳排放的影响幅度值大于０，影响为正。十一届三中全会是中国经济建设的转折点，１９８３年正　处于中国大力发展经济的初期，发展经济的重心在重工业，ＧＤＰ增长的同时促进碳排放量增　加，ＧＤＰ对碳排放起到了正向影响；１９９９年ＧＤＰ对碳排放的影响幅度值小于０，影响为负。　１９９９年国家出台有关环境保护的政策，对违反环境保护的行为严惩不贷，倡导绿色经济，所　以这一年经济增长的同时并没有带来碳排放的大幅增加，反而使碳排放增速变缓，此时ＧＤＰ　对碳排放起到负方向的影响；２０００—２００２年ＧＤＰ对碳排放的影响幅度值大于０，影响为正。为　了２００１年加人世贸组织，这一时期中国大力发展经济，要保持经济较快、较稳发展，重工业　的生产总值增速变快，在促进整体经济发展的同时促进了碳排放量的增加，ＧＤＰ对碳排放起　到正向的影响。　四、结论　本文基于自助法改进的似然比检验法，对中国１９５３—２０１３年碳排放与经济增长的全　样本进行研究，得出二者之间不存在格兰杰因果关系；对中国１９６９—２０１３年的子样本采用　Ｂｏｏｔｓｔｒａｐ　ｒｏｌｌｉｎｇ　ｗｉｎｄｏｗ检验法，发现在１９８３年和２００２年两个时间点存在经济增长到碳排　放的单向因果关系，且经济增长对碳排放存在正向的影响；在１９９９—２００１年，经济增长和碳　排放存在双向因果关系，且碳排放对经济增长存在正向的影响，经济增长对碳排放在１９９９年　存在负向的影响，在２０００．２００１年存在正向的影响；在２００３—２００４年存在碳排放到经济增长的　单向因果关系，且碳排放对经济增长存在负向的影响；在其他时期，碳排放与经济增长不存　在格兰杰因果关系。　碳排放与经济增长在１９６９　２０１３年子样本时期存在如此动态因果关系的原因是构造的ＶＡＲ　（３）系统存在结构不稳定性，产生了结构性突变。这些结构性突变一般是由政策性原因导致的。　所以，某种宏观经济政策的实施对碳排放和经济增长的关系转变是有影响作用的，同时，碳排　放与经济增长间不存在必然的因果关系，在低碳排放的情况下，也可以保持较高的经济增长。　我们应该在宏观经济政策的指导下，加快产业结构调整，转变粗放型生产方式，促进碳排放和　经济增长关系的转变。　［参考文献】　［１］翟石艳，王铮．基于ＡＲＤＬ模型长三角碳排放、能源消费和经济增长关系研究［Ｊ】．长江流域资源与环境，２０１３，（１）：９４—１０３　［２赵爱文，李东．中国碳排放与经济增长的协整与因果关系分析【２］Ｊ］．长江流域资源与环境．２０１１，（１１）：１２９７—１２１３　【３】米国芳，赵涛．中国经济增长、电力消费与碳排放量关系研究［Ｊ］．科学管理研究，２０１２，（１）：８９—９１＋１１６　［４】陈茜，苏利阳，汝醒君．发达国家不同发展阶段碳排放与经济增长的因果关系分析［Ｊ］＿生态经济．２０１０，（４）：５２－５５　［５］刘倩，赵普生．十五个主要碳排放国碳排放与经济增长实证分析与比较研究［Ｊ］．经济问题探索．２０１２，（２）：１３７—１４４　［６］陈诗一．能源消耗、二氧化碳排放与中国工业的可持续发展【Ｊ］．经济研究，２００９，（４）：４１．５５　【７］Ｃｏｏｎｄｏｏ，Ｄ．ａｎｄ　Ｄｉｎｄａ，Ｓ．Ｃａｕｓａｌｉｔｙ　ｂｅｔｗｅｅｎ　Ｉｎｃｏｍｅ　ａｎｄ　Ｅｍｉｓｓｉｏｎ：Ａ　Ｃｏｕｎｔｒｙ　Ｇｒｏｕｐ　Ｓｐｅｃｉｉｆｃ　Ｅｃｏｎｏｍｉｃ　Ａｎａｌｙｓｉｓ．【Ｊ］．Ｅｃｏｌｏｇｉｃａｌ　Ｅｃｏｎｏｍｉｃｓ，２００２，（４０）：３５１・３６７．　【８】Ｄｉｎｄａ，Ｓ．ａｎｄ　Ｃｏｏｎｄｏｏ，Ｄ．Ｉｎｃｏｍｅ　ａｎｄ　Ｅｍｉｓｓｉｏｎ：Ａ　Ｐａｎｅｌ・Ｄａｔａ　Ｂａｓｅｄ　Ｃｏｉｎｔｅｇｒａｔｉｏｎ　Ａｎａｌｙｓｉｓ．［Ｊ］Ｅｃｏｌｏｇｉｃａｌ　Ｅｃｏｎｏｍｉｃｓ．　２００６，（５７）：１６７—１８１　［９］９　Ｌｅａｎ，Ｈ．Ｈ．ａｎｄ　Ｓｍｙｔｈ，Ｒ．ＣＯ２　Ｅｍｉｓｓｉｏｎｓ，Ｅｌｅｃｔｒｉｃｉｔｙ　Ｃｏｎｓｕｍｐｔｉｏｎ　ａｎｄ　Ｏｕｔｐｕｔ　ｉｎ　ＡＳＥＡＮ＿［Ｊ］　Ａｐｐｌｉｅｄ　Ｅｎｅｒｇｙ，２０１０，（８）：１８５８—１８６４　［１０］Ａｂｄｕｌ／ａｌｉｌ，Ｓｙｅｄ　Ｅ　Ｍａｈｍｕｄ．Ｅｎｖｉｒｏｎｍｅｎｔ　Ｋｕｚｎｅｔｓ　ｃｕｒｖｅ　ｆｏｒ　ＣＯ２　ｅｍｉｓｓｉｏｎｓ：Ａ　ｃｏｉｎｔｅｇｒａｔｉｏｎ　ａｎａｌｙｓｉｓ　ｆｏｒ　Ｃｈｉｎａ［Ｊ］．Ｅｎｅｒｇｙ　Ｐｏｌｉｃｙ，２００９，３７１２：．　【１　１］Ｓａｊａｌ　Ｇｈｏｓｂ．Ｅｘａｍｉｎｉｎｇ　ｃａｒｂｏｎ　ｅｍｉｓｓｉｏｎｓ　ｅｃｏｎｏｍｉｃ　ｇｒｏｗｔｈ　ｎｅｘｕｓ　ｆｏｒ　Ｉｎｄｉａ：Ａ　ｍｕｌｔｉｖａｒｉａｔｅ　ｃｏｉｎｔｅｇｒａｔｉｏｎ　ａｐｐｒｏａｃｈ［Ｊ］．Ｅｎｅｒｇｙ　Ｐｏｌｉｃｙ，２０１０，（３８）：３００８—３０１４．　［１２］Ｌｉｕ，Ｇ．Ａ　ｃａｕｓａｌｉｔｙ　ａｎａｌｙｓｉｓ　ｏｎ　ＧＤＰ　ａｎｄ　Ａｉｒ　Ｅｍｉｓｓｉｏｎｓ　ｉｎ　Ｎｏｒｗａｙ．Ｄｉｓｃａｓｓｉｏｎ　Ｐａｐｅｒｓ　Ｎｏ．４４７．Ｓｔａｔｉｓｔｉｓ　Ｎｏｗａｙ，Ｒｅｓｅａｒｃｈ　Ｄｅｐａｒｔｍｅｎｔ．　［１３］Ｓｏｙｔａｓ，Ｕ．ａｎｄ　Ｓａｒ，ｉ　Ｒ．Ｅｎｅｒｇｙ　Ｃｏｎｓｕｍｐｔｉｏｎ，Ｅｃｏｎｏｍ　ｉｅ　Ｇ　ｒｏｗ　ｔｈ，ａｎｄ　Ｃａｒｂｏｎ　Ｅｍｉｓｓｉｏｎｓ：Ｃｈａｌｌｅｎｇｅｓ　Ｆａｃｅｄ　ｂｙ　ａｎ　ＥＵＣ　ａｎｄ　ｉｄａｔｅ　Ｍｅｍｂｅｒ．［Ｊ］Ｅｃｏｌｏｇｉｃａｌ　Ｅｃｏｎｏｍｉｃｓ，２００９，（６８）：１６６７－１６７５．　［１４］Ｍ．Ｈａｓｈｅｍ　Ｐｅｓａｒａｎ，Ａｌｌａｎ　Ｔｉｍｍｅｒｍａｎｎ．Ｓｍａｌｌ　ｓａｍｐｌｅ　ｐｒｏｐｅ￣ｉｅｓ　ｏｆ　ｆｏｒｅｃａｓｔｓ　ｆｒｏｍ　ａｕｔｏｒｅｇｒｅｓｓｉｖｅ　ｍｏｄｅｌｓ　ｕｎｄｅｒ　ｓｔｒｕｃｔｕｒａｌ　ｂｒｅａｋｓｆＪ１．Ｊｏｕｒｎａｌ　ｏｆＥｃｏｎｏｍｅｔｒｉｃｓ，２００５，１２９１：．　Ｃａｒｂｏｎ　Ｅｍｉｓｓｉｏｎｓ　ａｎｄ　Ｅｃｏｎｏｍｉｃ　Ｇｒｏｗｔｈ　Ｃａｕｓａｌ　Ｎｅｘｕｓ　－Ｖｉｅｗｅｄ　ｔｈｒｏｕｇｈ　ａ　Ｂｏｏｔｓｔｒａｐ　Ｒｏｌｌｉｎｇ　Ｗｉｎｄｏｗ　ＬＩＮ　Ｎｉｎｇ—ｍｅｎｇ，ＳＯＮＧ　Ｗｅｎ－ｊｕａｎ，ＹＡ０　Ｓｈｕａｎｇ　（Ｓｃｈｏｏｌ　ｏｆＥｃｏｎｏｍｉｃｓ，Ｏｃｅａｎ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆＣｈｉｎａ，Ｑｉｎｇｄａｏ　２６６１００，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｔｈｉｓ　ｐａｐｅｒ　ａｎａｌｙｚｅｓ　ｔｈｅ　ｄｙｎａｍｉｃ　ｃａｕｓａｌ　ｌｉｎｋｓ　ｂｅｔｗｅｅｎ　ｃａｒｂｏｎ　ｅｍｉｓｓｉｏｎｓ　ａｎｄ　ｅｃｏｎｏｍｉｃ　ｇｒｏｗｔｈ　ｉｎ　Ｃｈｉｎａ　ｔｈｒｏｕｇｈ　ａ　ｂｏｏｔｓｔｒａｐ　ｒｏｌｌｉｎｇ　ｗｉｎｄｏｗ　ｂｙ　ｕｓｉｎｇ　ａ　ｆｕｌｌ　ｓａｍｐｌｅ　ｏｆａｎｎｕａｌ　Ｃｈｉｎａ　ｄａｔａ　ｆｒｏｍ　１９５３　ｔｏ　２０１３　ａｎｄ　ａ　ｓｕｂ—ｓａｍｐｌｅ　ｆｒｏｍ　１９６９　ｔｏ　２０１３．Ｔｈｅ　ｍｏｓｔ　ｉｍｐｏｒｔａｎｔ　ｉｆｎｄｉｎｇｓ　ａｒｅ　ａｓ　ｆｏｌｌｏｗｓ．Ｆｉｒｓｔｌｙ，ｔｈｅ　ｃａｕｓａｌ　ｌｉｎｋｓ　ｂｅｔｗｅｅｎ　ｃａｒｂｏｎ　ｅｍｉｓｓｉｏｎｓ　ａｎｄ　ｅｃｏｎｏｍｉｃ　ｇｒｏｗｔｈ　ａｒｅ　ｖａｒｉｅｄ　ｉｎ　ｔｈｅ　ｓｕｂｓａｍｐｌｅ　ｆｒｏｍ　１９６９　ｔｏ　２０１３．Ｔｈｅｒｅ　ａｒｅ　ａ　ｕｎｉｄｉｒｅｃｔｉｏｎａｌ　ｃａｕｓａｌｉｙｔ　ｆｒｏｍ　ＧＤＰ　ｔｏ　ｃａｒｂｏｎ　ｅｍｉｓｓｉｏｎｓ　ｉｎ　１９８３　ａｎｄ　２００２，ａ　ｂｉｄｉｒｅｃｔｉｏｎａｌ　ｃａｕｓａｌｉｙｔ　ｂｅｔｗｅｅｎ　ｃａｒｂｏｎ　ｅｍｉｓｓｉｏｎｓ　ａｎｄ　ＧＤＰ　ｉｎ　１９９９．２００１，ａ　ｕｎｉｄｉｒｅｃｔｉｏｎａｌ　ｃａｕｓａｌｉｙｔ　ｆｒｏｍ　ｃａｒｂｏｎ　ｅｍｉｓｓｉｏｎｓ　ｔｏ　ＧＤＰ　ｉｎ　２００３—２００４　ａｎｄ　ｎｏｎ—ｃａｕｓａｌｉｔｙ　ｂｅｔｗｅｅｎ　ｃａｒｂｏｎ　ｅｍｉｓｓｉｏｎｓ　ａｎｄ　ＧＤＰ　ｉｎ　ｏｔｈｅｒ　ｔｉｍｅｓ．　Ｓｅｃｏｎｄｌｙ，ｔｈｅ　ｍｕｔｕａｌ　ｉｎｆｌｕｅｎｃｅ　ｂｅｔｗｅｅｎ　ｃａｒｂｏｎ　ｅｍｉｓｓｉｏｎｓ　ａｎｄ　ｅｃｏｎｏｍｉｃ　ｇｒｏｗｔｈ　ｉｓ　ｄｙｎａｍｉｃ　ｉｎ　ｔｈｅ　ｙｅａｒ　ｏｆ　ｔｈｅ　ｅｘｉｓｔｅｎｃｅ　ｏｆ　ａ　ｃａｕｓａｌ　ｒｅｌａｔｉｏｎｓｈｉｐ．Ａｍｏｎｇ　ｔｈｅｍ，ｔｈｅ　ｉｍｐａｃｔ　ｏｆｃａｒｂｏｎ　ｅｍｉｓｓｉｏｎｓ　ｏｎ　ＧＤＰ　ｉｓ　ｐｏｓｉｔｉｖｅ　ｉｎ　１９９９－２００１　ａｎｄ　ｎｅｇａｔｉｖｅ　ｉｎ　２００３—　２００４．Ｔｈｅ　ｉｍｐａｃｔ　ｏｆ　ＧＤＰ　ｏｎ　ｃａｒｂｏｎ　ｅｍｉｓｓｉｏｎｓ　ｉｓ　ｐｏｓｉｔｉｖｅ　ｉｎ　１　９８３　ａｎｄ　２０００—２００２　ａｎｄ　ｎｅｇａｔｉｖｅ　ｉｎ　１　９９９．Ｉｎ　ａ　ｗｏｒｄ，ｔｈｅｒｅ　ａｒｅ　ｃａｕｓａｌｉｔｙ　ｏｒ　ｎｏｎ—ｃａｕｓａｌｉｔｙ　ｂｅｔｗｅｅｎ　ｃａｒｂｏｎ　ｅｍｉｓｓｉｏｎｓ　ａｎｄ　ｅｃｏｎｏｍｉｃ　ｇｒｏｗｔｈ．Ｓｏ　ｉｎ　ｔｈｅ　ｃａｓｅ　ｏｆ　ｌｏｗ　ｃａｒｂｏｎ　ｅｍｉｓｓｉｏｎｓ，ｗｅ　ｃａｎ　ｍａｉｎｔａｉｎ　ｈｉｇｈ　ｅｃｏｎｏｍｉｃ　ｇｒｏｗｔｈ．　Ｋｅｙ　Ｗｏｒｄｓ：ａｒｂｏｎ　ｅｍｉｓｓｉｏｎｓ；ｔｈｅ　ｍｏｄｉｉｆｅｄ　ＬＲ　ｔｅｓｔ；ｂｏｏｔｓｔｒａｐ　ｒｏｌｌｉｎｇ　ｗｉｎｄｏｗ　［执行编辑：秦光远］　７　７５