有关我国CO2排放量的计量经济研究.docx

有关我国CO2排放量的计量经济研究.docx

《有关我国CO2排放量的计量经济研究.docx》由会员分享，可在线阅读，更多相关《有关我国CO2排放量的计量经济研究.docx（33页珍藏版）》请在冰点文库上搜索。

有关我国CO2排放量的计量经济研究

有关我国

排放量的计量经济研究

一个计量经济学初学者的处女文

日期：

2011-12-1

目录

一、引言-3-

二、描述性统计分析-3-

（一）数据来源-3-

（二）数据描述统计量-5-

（三）数据图-6-

三、单位根与协整检验-7-

（一）最大滞后阶-7-

（二）单位根检验-7-

（三）协整检验-9-

四、误差修正模型的建立-14-

五、结论与政策建议-16-

一、引言

工业革命后，人类进入了前所未有的快速发展时期。

蒸汽、电力的发明使得工业蓬勃发展，但是也带来巨大的危机。

化石燃料的燃烧释放出大量温室气体，虽然对于它们是否是形成温室效应的主要因素还在讨论与研究中，但是业已存在的全球变暖问题已经成为各国共同关注的焦点。

人们已经将矛头指向了各国政府对化石燃料不加节制的开采与利用，因此，在1997年的京都，各国制定了《京都议定书》以限制并降低全球的碳排放量。

每年举行的世界气候大会关注度逐年升温，碳排放量已经成为了全球性的热点。

我国作为发展中国家，是能源消耗大国。

在资源储备并不充足的背景下，仍然无节制的进行本国资源的开采和使用，不仅使得环境急剧恶化，也将对我国经济的可持续发展带来很大的影响。

处在关键转型期的中国需要处理众多方面的矛盾，能源与气候问题就是其中很重要的一个。

本文试图以中国为样本，通过两个方面来探讨有关我国

排放量的问题：

第一，本文将验证化石燃料的燃烧和二氧化碳的排放量之间的关系。

根据BP公司给出的数据，在三种化石燃料：

煤、石油、天然气当中，燃烧1吨石油可产生3.07吨石油当量的

，燃烧1吨天然气可产生2.35吨石油当量的

，燃烧1吨煤可产生3.96吨石油当量的

。

第二，本文将试图探究国民经济数据与

排放量的之间是否存在经济学上的联系，主要包括人口因素、GDP以及三大产业在其中所起的影响作用。

但是因为经济学理论知识有限，对计量经济学的认识也不够深入，因此在数据的选择和模型的建立上可能会出现无法解决的问题，在此致歉。

笔者希望通过上述两个方面的研究巩固自己的计量经济学知识，同时也希望能够揭示其中的定量关系，以利于读者对于

排放量的深入了解。

二、描述性统计分析

（一）数据来源

本文数据来源主要有两个

●BPStatisticalReviewofWorldEnergyJune2011:

CarbonDioxideEmissions，Oil:

Consumption-tonnes，GasConsumption-tonnes，CoalConsumption-tonnes

●新中国55年统计资料汇编（1949—2004）：

人口数量，国民生产总值，第一产业产值，第二产业产值，工业产值，第三产业产值

为保证统计数据的完整性，笔者采用了两个资料中从1965年到2004年共计40年的统计数据，全部数据见表1：

表1：

1965年到2004年的有关数据

年份

Population

GDP

C1

C2

C2IND

C3

Oil

Gas

Coal

1965

480.9

72538

1716.1

651.1

602.2

546.5

462.8

10.96

1.0

112.3

1966

522.0

74542

1868

702.2

709.5

648.6

456.3

14.074

1.2

120.2

1967

468.8

76368

1773.9

714.2

602.8

544.9

456.9

13.9

1.3

106.8

1968

469.5

78534

1723.1

726.3

537.3

490.3

459.5

15.2

1.3

106.0

1969

573.8

80671

1937.9

736.2

689.1

626.1

512.6

20.377

1.8

128.0

1970

737.8

82992

2252.7

793.3

912.2

828.1

547.2

28.191

2.6

162.9

1971

869.8

85229

2426.4

826.3

1022.8

926.6

577.3

38.43

3.4

187.8

1972

933.7

87177

2518.1

827.4

1084.2

989.9

606.5

44.175

4.4

198.9

1973

977.2

89211

2720.9

907.5

1173

1072.5

640.4

53.83

5.4

201.8

1974

997.7

90859

2789.9

945.2

1192

1083.6

652.7

61.89

6.8

199.9

1975

1120.3

92420

2997.3

971.1

1370.5

1244.9

655.7

68.25

8.0

225.2

1976

1176.1

93717

2943.7

967

1337.2

1204.6

639.5

78.03

9.1

231.1

1977

1284.8

94974

3201.9

942.1

1509.1

1372.4

750.7

82.4

10.9

254.1

1978

1422.1

96259

3624.1

1018.4

1745.2

1607

860.5

91.25

12.4

281.0

1979

1462.1

97542

4038.2

1258.9

1913.5

1769.7

865.8

91.1

13.1

290.8

1980

1499.7

98705

4517.8

1359.4

2192

1996.5

966.4

85.357

12.8

304.9

1981

1473.1

100072

4862.4

1545.6

2255.5

2048.4

1061.3

81.142

11.5

302.3

1982

1539.2

101654

5294.7

1761.6

2383

2162.3

1150.1

80.149

10.7

320.1

1983

1637.0

103008

5934.5

1960.8

2646.2

2375.6

1327.5

81.791

11.0

343.4

1984

1771.0

104357

7171

2295.5

3105.7

2789

1769.8

84.626

11.2

374.9

1985

1886.5

105851

8964.4

2541.6

3866.6

3448.7

2556.2

89.82

11.6

399.8

1986

1994.6

107507

10202.2

2763.9

4492.7

3967

2945.6

95.68

12.4

422.1

1987

2145.7

109300

11962.5

3204.3

5251.6

4585.8

3506.6

101.523

12.5

455.7

1988

2292.0

111026

14928.3

3831

6587.2

5777.2

4510.1

108.837

12.9

486.7

1989

2396.8

112704

16909.2

4228

7278

6484

5403.2

113.953

13.5

508.8

1990

2459.2

114333

18547.9

5017

7717.4

6858

5813.5

112.858

13.7

525.3

1991

2582.6

115823

21617.8

5288.6

9102.2

8087.1

7227

121.853

14.3

549.2

1992

2680.0

117171

26638.1

5800

11699.5

10284.5

9138.6

132.378

14.3

565.6

1993

2869.7

118517

34634.4

6882.1

16428.5

14143.8

11323.8

145.7912

15.1

602.6

1994

3037.0

119850

46759.4

9457.2

22372.2

19359.6

14930

148.1236

15.6

642.8

1995

3262.7

121121

58478.1

11993

28537.9

24718.3

17947.2

160.1997

16.0

690.2

1996

3321.8

122389

67884.6

13844.2

33612.9

29082.6

20427.5

175.6658

16.6

692.7

1997

3383.7

123626

74462.6

14211.2

37222.7

32412.1

23028.7

193.9363

17.6

693.6

1998

3414.1

124761

78345.2

14552.4

38619.3

33387.9

25173.5

197.0804

18.2

698.5

1999

3583.3

125786

82067.5

14472

40557.8

35087.2

27037.7

209.3299

19.3

731.0

2000

3659.3

126743

89468.1

14628.2

44935.3

39047.3

29904.6

224.2153

22.1

737.1

2001

3737.0

127627

97314.8

15411.8

48750

42374.6

33153

228.4028

24.7

751.9

2002

3969.8

128453

105172.3

16117.3

52980.2

45975.2

36074.8

247.522

26.3

794.9

2003

4613.9

129227

117390.2

16928.1

61274.1

53092.9

39188

271.7224

30.5

936.3

2004

5357.2

129988

136875.9

20768.1

72387.2

62815.1

43720.6

318.8825

35.7

1084.3

注：

为二氧化碳排放量（百万吨），Population为人口（万人），GDP为国民生产总值（亿元），C1为第一产业产值（亿元），C2为第二产业产值（亿元），C2IND为工业产值（亿元），C3为第三产业产值（亿元），Oil为石油消耗量（百万吨），Gas为天然气消耗量（百万吨石油当量），Coal为煤消耗量（百万吨石油当量）

（二）数据描述统计量

为了区别两方面的数据表、图等内容，之后的图表将会以A表示

与化石燃料的相关内容，B表示

与国民经济的相关内容，公共的图、表将不标A、B。

表A-1：

数据基本统计量

CO2

OIL

GAS

COAL

Mean

2101.587

113.0724

12.57000

435.5375

Median

1828.750

91.17500

12.45000

387.3500

Maximum

5357.200

318.8825

35.70000

1084.300

Minimum

468.8000

10.96000

1.000000

106.0000

Std.Dev.

1250.727

76.07116

7.927887

253.4673

Skewness

0.594824

0.808815

0.729317

0.541341

Kurtosis

2.575410

3.054092

3.763900

2.433777

Jarque-Bera

2.659229

4.366084

4.518599

2.488018

Probability

0.264579

0.112698

0.104424

0.288226

Sum

84063.50

4522.896

502.8000

17421.50

SumSq.Dev.

61008410

225686.0

2451.204

2505582.

Observations

40

40

40

40

表B-1：

数据基本统计量

POPULATION

GDP

C1

C2

C2IND

C3

Mean

104815.8

29623.40

5596.253

14566.41

12682.91

9460.743

Median

105104.0

8067.700

2418.550

3486.150

3118.850

2163.000

Maximum

129988.0

136875.9

20768.10

72387.20

62815.10

43720.60

Minimum

72538.00

1716.100

651.1000

537.3000

490.3000

456.3000

Std.Dev.

17310.64

38697.84

6084.119

19895.56

17230.01

12818.29

Skewness

-0.208093

1.301427

1.012956

1.394947

1.396682

1.317267

Kurtosis

1.867253

3.383164

2.518027

3.726484

3.735136

3.392197

Jarque-Bera

2.427209

11.53611

7.227693

13.85214

13.90551

11.82431

Probability

0.297124

0.003126

0.026948

0.000982

0.000956

0.002706

Sum

4192632.

1184936.

223850.1

582656.3

507316.4

378429.7

SumSq.Dev.

1.17E+10

5.84E+10

1.44E+09

1.54E+10

1.16E+10

6.41E+09

Observations

40

40

40

40

40

40

表A-1和表B-1中的JB统计量用深色标出，可以发现，

排放量、煤消耗量以及人口数量的P值有些高，但是因为统计数据是时间序列，因此在可接受的范围内，并且其他变量表现出良好的正态性，说明数据的可用性较高。

（三）数据图

图A-1：

与三种化石燃料的曲线图

从图中可以看出，

的排放量始终在上端，三种化石燃料消耗量从大到小的排序依次是：

煤、石油、天然气。

并且，四种数据的波动趋势较为接近，因此很可能具有相关关系。

其中，在曲线末尾，煤与

的排放量加速上升，推断煤对

的排放量的影响较大。

图B-1：

与国民经济数据的曲线图

从上图可以看出，五种国民经济数据：

GDP、第一、二、三产业产值和工业产值波动趋势非常接近，其中第一产业的增长趋势逐渐降低，工业和第二产业的曲线波动几乎完全一致，符合经济事实。

人口曲线的波动趋势较其他几种差别较大，可能与

排放量的相关性不大，所以剔除此变量。

三、单位根与协整检验

（一）最大滞后阶

由公式

计算得最大滞后阶为9

（二）单位根检验

协整关系检验要求时间序列是平稳的，但很多时间序列都是非平稳的，因此需要先对时间序列的平稳性进行检验，此处采用的是ADF检验来检验序列是否包含单位根。

由图A-1和图B-1可以看出，各序列均具有上升趋势，因此采用包含趋势项的检验，检验结果见表2。

表2：

各变量水平序列的ADF检验

NullHypothesis:

Unitroot（individualunitrootprocess） 

Series:

CO2,POPULATION,GDP,C1,C2,C2IND,C3,OIL,GAS,COAL

Date:

12/02/11Time:

20:

30

Sample:

19652004

Exogenousvariables:

Individualeffects,individuallineartrends

Automaticselectionofmaximumlags

AutomaticselectionoflagsbasedonSIC:

0to9

Totalnumberofobservations:

348

Cross-sectionsincluded:

10

Method

Statistic

Prob.**

ADF-FisherChi-square

 0.33584

 1.0000

ADF-ChoiZ-stat

 13.8640

 1.0000

**ProbabilitiesforFishertestsarecomputedusinganasymptoticChi

        -squaredistribution.Allothertestsassumeasymptoticnormality.

IntermediateADFtestresultsALLDATA

Series

Prob.

Lag  

MaxLag

Obs

CO2

 0.9999

 6

 9

 33

POPULATION

 0.8586

 1

 9

 38

GDP

 1.0000

 7

 9

 32

C1

 1.0000

 9

 9

 30

C2

 1.0000

 4

 9

 35

C2IND

 1.0000

 4

 9

 35

C3

 1.0000

 4

 9

 35

OIL

 1.0000

 0

 9

 39

GAS

 0.9977

 1

 9

 38

COAL

 0.9870

 6

 9

 33

由上表可以看出，各变量的P值均大于0.1，因此上述序列均为非平稳序列，进行一阶差分继续检验，结果见表3。

表3：

各变量一阶差分的ADF检验

Series

Prob.

Lag  

MaxLag

Obs

D（CO2）

 0.1908

 5

 9

 33

D（POPULATION）

 0.6995

 0

 9

 38

D（GDP）

 0.9813

 7

 9

 31

D（C1）

 0.9012

 9

 9

 29

D（C2）

 0.2045

 3

 9

 35

D（C2IND）

 0.2686

 3

 9

 35

D（C3）

 0.6474

 0

 9

 38

D（OIL）

 0.8373

 0

 9

 38

D（GAS）

 0.9688

 0

 9

 38

D（COAL）

 0.0493

 5

 9

 33

由上表可以看出，经一阶差分后，煤消耗量的P值明显减小，已达到5%的临界值水平以下，但是还没有小于1%的临界值。

其他各序列P值均大于0.1，仍不平稳，因此继续对各变量进行二阶差分并检验，结果见表4。

表4：

各变量二阶差分的ADF检验

Series

Prob.

Lag  

MaxLag

Obs

D（CO2,2）

 0.0006

 0

 8

 37

D（POPULATION,2）

 0.0001

 0

 8

 37

D（GDP,2）

 0.0001

 6

 8

 31

D（C1,2）

 0.0007

 8

 8

 29

D（C2,2）

 0.0290

 5

 8

 32

D（C2IND,2）

 0.0089

 6

 8

 31

D（C3,2）

 0.0003

 1

 8

 36

D（OIL,2）

 0.0000

 0

 8

 37

D（GAS,2）

 0.0006

 1

 8

 36

D（COAL,2）

 0.0001

 0

 8

 37

由上表可以看出，经过二阶差分，除C2外，各变量的P值均小于0.01，达到平稳水平，所以上述序列均为二阶单整序列，均可以进行协整检验。

（三）协整检验

1.

排放量与化石燃料消耗量的协整检验

建立模型

模型1：

=

+

+

+

+

用OLS回归方法估计回归模型，结果见表A-2

表A-2：

模型1回归结果

DependentVariable:

CO2

Method:

LeastSquares

Date:

12/02/11Time:

20:

35

Sample:

19652004

Includedobservations:

40

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

0.028186

0.044123

0.638808

0.5270

OIL

3.069615

0.001740

1763.982

0.0000

GAS

2.343851

0.011655

201.1076

0.0000

COAL

3.960643

0.000352

11263.97

0.0000

R-squared

1.000000

    Meandependentvar

2101.587

AdjustedR-squared

1.000000

    S.D.dependentvar

1250.727

S.E.ofregression

0.120133

    Akaikeinfocriterion

-1.305789

Sumsqua