【《城镇化、金融发展对二氧化碳排放影响的实证探析案例》7000字】

城镇化、金融发展对二氧化碳排放影响的实证分析案例目录TOC\o"1-3"\h\u2824城镇化、金融发展对二氧化碳排放影响的实证分析案例 182661.1模型设定与实证方法 1305011.1.1研究模型 193101.1.2空间相关性检验 2261801.1.3空间计量模型 3263871.2数据来源及变量说明 3265101.3普通面板回归结果 466791.4空间计量模型结果 7287981.1.1空间相关性检验 7177761.1.1.1全域空间自相关检验 760361.1.1.2局域空间自相关检验 8250691.1.2估计结果及分析 9259901.1.3稳健性检验 121.1模型设定与实证方法1.1.1研究模型在20世纪70年代，Ehrlich和Holdren提出了IPAT模型，认为环境主要受到人口规模、经济水平以及技术创新的影响，其一般表达形式如式（4-1）所示：I=aPb其中，I表示环境变量，P表示人口规模，A代表经济水平，T表示技术创新，a、b、c、d表示待估参数，e为随机误差项，但是IPAT模型存在影响因素的线性化和系数的单一化等方面不足，Dietz等人在1994年建立了STIRPAT模型，我们以此模型作为基础，构建本文的研究模型。本文主要研究城镇化与金融发展对碳排放的影响，因此我们在模型中引入了城镇化变量（URB）以及金融发展变量（FD），对于经济水平变量，我们利用地区生产总值（Y）代表，而技术水平有两个主要的来源，第一是国内的研发水平，第二是外国直接投资的技术外溢，因此我们以研发水平（RD）以及外商直接投资（FDI）作为技术创新的替代变量，同时我们加入了产业升级（S）、贸易开放（TR）作为控制变量，最终得到的模型表达式如式（4-2）所示：COβ7TR考虑到数据存在严重的离群值，我们对等式两边取对数处理，得到的模型表达式如（4-3）所示：lnβ6ln1.1.2空间相关性检验空间自相关分析不仅可以揭示各省碳排放的空间特征，而且是空间面板模型应用的前提，一般采用全局指标和局域指标对空间相关性进行分析和描述，本文采用全局Moran’sI指数以及莫兰散点图来描述各省的碳排放空间聚类特征，Moran’sI指数的公式如式（4-4）、（4-5）、（4-6）所示。Moran’sI=i=1S2=Y=i其中，Moran’sI为全局莫兰指数；Yi、Yj分别是区域i、j的变量值，n代表区域内空间单位的数目；Y和S2分别代表了观测样本的均值和方差；wZ=I在一定的显著性水平下，Moran’sI指数大于0，说明碳排放在空间分布上具有明显的正相关关系，相邻区域具有相似的性质，如果Moran’sI指数小于0，说明二氧化碳排放在空间分布上存在明显的负相关关系，特别值得一提的是，如果Moran’sI指数等于0，则说明观测值之间没有任何空间相关关系，二氧化碳排放呈现随机空间分布。1.1.3空间计量模型根据交互效应的不同，可以产生三种空间面板模型设定：（1）空间滞后模型（SLM）ln+β其中，W表示N×N维空间权重矩阵，δ表示空间自回归系数，WlnCO2体现了各省二氧化碳排放总量之间的依赖关系，δ与βi（i=1,2,…,6）分别为待估系数，μ代表空间特定效应向量，φ代表时间特定效应向量，（2）空间误差模型（SEM）ln+βωit其中，表示空间自相关系数，体现了不同地理单位的误差项间的交互效应，其余含义与式（4-8）相同。（3）空间杜宾模型（SDM）ln+β其中，θi（i=1，2，…,6）分别表示空间相关的解释变量系数，、、、、、、反映了自变量空间相关的外生交互效应，其余含义与式（4-8）相同。1.2数据来源及变量说明本文样本选择中国30个省份（由于香港、澳门、台湾和西藏大部分数据缺失，故剔除）面板数据，样本区间为1997年至2016年，由于中国省级层面二氧化碳排放量缺乏直接数据，本文通过如下的方程进行估算：CO2其中，αi为第i种能源标准煤系数，βi为第i中能源的二氧化碳排放系数，Ei为第i种能源的消耗量，能源标准煤系数αi及二氧化碳排放系数βi来源于政府间气候变化专门委员会（IPCC）和中国统计年鉴，具体数值表4-1所示。表4-1能源标准煤系数αi与二氧化碳排放系数Table4-1Energystandardcoalcoefficientαiandcarbondioxideemissioncoefficient能源煤焦炭原油煤油燃油汽油柴油天然气αi0.7560.8550.5860.5710.6190.5540.5920.448βi0.7140.9711.4291.4711.4291.4711.4571.3301.3普通面板回归结果表4-2描述性统计Table4-2Descriptivestatistics变量观测值平均值标准差最小值最大值lnCO26308.6190.9195.03810.588lnFD63018.8951.29715.28822.434lnURB6307.3650.7911.9888.962lnY63017.5452.0597.87320.511lnS630-0.1270.369-1.6601.427lnFDI630-1.1900.909-3.6681.768lnRD6308.4911.7151.02512.715lnTR63016.4981.86911.58820.811表4-2是描述性统计结果，表中报告了观测值、平均值、标准差、最小值与最大值，所有变量的观测值为630，表明数据不存在数据缺失的问题，由变量的标准差可以看到，所有变量的标准差较小，说明不存在严重的离群值。表4-3相关性分析Table4-3Correlationanalysis变量lnCO2lnFDlnURBlnYlnSlnFDIlnRDlnTRlnCO21.000lnFD0.7411.000lnURB0.7590.7271.000lnY0.3570.2470.3881.000lnS-0.392-0.149-0.2490.3261.000lnFDI-0.2070.1070.028-0.0670.2211.000lnRD0.7040.6600.7760.333-0.1120.1741.000lnTR0.6100.6800.6670.4140.0110.3930.7041.000表4-3是相关性分析的结果，第一列是当二氧化碳作为被解释变量时，其他变量与它的关系，金融发展变量对应的相关系数为0.741，城镇化变量对应的相关系数为0.759，说明城镇化、金融发展与碳排放存在密切的相关关系。表4-4全样本回归分析Table4-4Fullsampleregressionanalysis变量混合OLSFERElnFD0.563***（10.02）0.457***（12.03）0.458***（12.21）lnURB0.403***（10.73）0.214***（1.15）0.261***（5.49）lnY0.978***（7.63）0.597***（8.14）0.621***（8.45）lnS-0.693***（-12.31）-0.332***（-8.35）-0.354***（-8.95）lnFDI-0.196***（-6.71）-0.106***（-1.37）-0.119***（-5.07）lnRD-0.289***（-6.76）-0.164***（-6.18）-0.166***（-6.21）lnTR0.0768**（2.39）0.0863***（3.38）0.0744***（3.00）_cons-5.840***（-8.27）-2.840***（-6.18）-3.054***（-6.63）F检验80.90（0.0000）——Hausman检验——20.49（0.0046）R-square0.7960.8560.856N630630630注：括号内为t值，***、**、*分别表示1%、5%、10%显著性水平表4-4是全样本的回归结果,F检验的P值为0.0000，Hausman检验的P值0.0046，综合F检验与Hausman检验的结果，最终我们选择固定效应模型。根据固定效应FE的估计结果，金融发展lnFD的对应的系数为0.457，且在1%水平上显著，说明金融发展促进了二氧化碳排放，从需求端来说，金融发展为消费者提供了金融支持，有利于消费者购买大件商品，比如，房屋，汽车等，而且，金融体系的不断完善，消费者可以更加方便快捷地获得贷款，消费者的日常消费频率也会加快，比如衣服、快餐盒等物品，这些物品的快速消耗，需要大量的能源投入作为支撑，会促进碳排放的增加。另外，从供给端来说，金融资本是逐利的，若金融监管制度不配套，会有大量的金融资本投入到利润更高，污染更为严重的高耗能企业，一些不具备排放标准的企业也容易获得资本，大量开采能源生产“高耗能，低附加值”的产品，中国企业以资源、人口等要素禀赋嵌入到了全球价值链的低端，成为了世界的“制造工厂”，虽然在一定程度上繁荣了中国的经济，但是这样的发展模式是不可持续的，会产生“劣币驱逐良币”的现象，即污染企业获得资本投入获得巨大利润，巨大的利润推动公司成长，继续在金融市场上获得融资，会产生更大的排放，所以制定有效的金融监管政策是非常必要的，将企业的环境效益也要作为企业融资的重要衡量标准。城镇化对应的系数为0.214，也在1%水平上显著，说明城镇化水平每提高1%，会促进二氧化碳排放提高0.214%，可能的原因是两个方面，一方面，城镇化进程需要大量的基建投入，例如：道路，桥梁，高楼等，这些基础设施的建设导致大量的二氧化碳排放，此外，城镇化水平与工业化水平存在一定联系，城镇化水平的提高，第一产业的从业人员会进入第二、第三产业，第二产业的从业人员转移规模会更大一些，所以会促进二氧化碳排放的快速增加。另一方面，城镇化进程会提高人口密集度，人口规模的增加会增加城市基础设施建设，也会对交通设施提出新的要求，为了满足这些需要，需要消耗大量的能源，此外，城市人口的增加，也会加剧产品的消费，尤其是高耗能的产品消费，都会促进二氧化碳排放的增加。对于其他控制变量来说，基本符合预期，经济水平变量lnY对应的系数为0.597，说明经济水平的提高，促进了二氧化碳排放；产业升级变量lnS对应的系数为-0.332，表明产业升级有利于抑制二氧化碳排放，产业升级表明以服务业为主的第三产业占比不断提高，而以工业为主的第二产业逐步降低，降低污染产业在国民经济中的比重是有利于减少二氧化碳排放的；外商直接投资和研发水平对应的系数均为负数，表明外来技术溢出效应和国内自主研发技术水平的提高，都抑制了二氧化碳排放，比较两者的系数可以看出，国内研发水平明显大于外来技术溢出效应，这表明国内研发水平在推动低碳发展中占据主导地位，另外，我们比较总体技术水平与产业升级的减排效应，发现产业结构带来的减排效果要大于技术水平提升带来的减排效果，最后，贸易开放lnTR对应的系数为0.0863，我们的结果支持“污染天堂假说”，即发达国家通过国与国之间的贸易促进了二氧化碳的排放，过去几十年的发展，中国以低廉的资源成本和劳动成本为世界生产产品，产品的能源消耗量大，附加值低，能源利用效率低下，长期处于“微笑曲线”的底端。1.4空间计量模型结果1.1.1空间相关性检验1.1.1.1全域空间自相关检验表4-5Moran’sI指数检验Table4-5Moran'sIindextest年份1997199819992000200120022003Moran’sI0.1620.1550.1680.1650.1810.1800.184P-value0.0130.0160.0110.0130.0080.0080.008年份2004200520062007200820092010Moran’sI0.1630.1620.1710.1850.1930.1900.182P-value0.0140.0130.0120.0080.0070.0070.009年份2011201220132014201520162017Moran’sI0.1700.1600.1520.1550.1630.1580.171P-value0.0130.0170.0210.0200.0160.0190.021在建立空间面板模型之前，我们使用Moran’sI指数进行了全域空间自相关检验，全域空间自相关的主要目的是检验省际碳排放是否存在空间关联性，我们需要关注两个方面，第一是p值，我们的原假设是省际之间不存在相关关系，p值主要是用来拒绝或者接受原假设的，p值越小，越显著拒绝原假设；第二是Moran’sI指数值，根据Moran’sI与零的关系，我们可以判断是正相关关系还是负相关关系。我们的检验结果如表1所示，表中报告了1997-2017年省际二氧化碳排放的Moran’sI指数值及其p值，首先我们先看p值，所有年份的p值均小于0.05，表明在5%的显著性水平上我们可以拒绝原假设，说明省际之间的二氧化碳排放确实存在空间相关性，然后我们观察每年的Moran’sI指数值，发现所有年份的Moran’sI指数值均为正数，表明省际之间的二氧化碳排放存在正相关关系，即某一个省份的碳排放量增加会推动邻近省份的碳排放量增加。1.1.1.2局域空间自相关检验1997年2006年2010年2017年图4-1局域空间自相关检验图Figure4-1Localspatialautocorrelationtest根据前面的全域空间自相关检验，我们确定省际之间存在正相关关系，但是不能确定局部区域如何聚集，我们进一步采用局域空间自相关检验，检验结果如图2所示，我们主要展示了1997年、2006年、2010年以及2017年的检验结果，分别是起始年份、中间年份、结束年份，图中有四个象限，分别对应了不同的聚集状态第一象限为高第一象限为高（H）-高（H）聚集、第二象限为高（H）-低（L）聚集、第三象限为低（L）-低（L）聚集，第四象限为低（L）-高（H）聚集1.1.2估计结果及分析表4-6LM检验结果Table4-6LMTestResults检验项目统计量LMtestnospatiallag21.3227***robustLMtestnospatiallag0.5308LMtestnospatialerror53.2452***robustLMtestnospatialerror29.5533***前面的分析确定省际之间二氧化碳排放存在空间相关性，我们可以建立空间计量模型进行估计，我们采用相关检验对模型进行选择，LM检验如表4-6所示，根据表中结果可以看出，SEM模型及其稳健性均通过了LM检验，而SLM的稳健性没有通过LM检验。我们也进行了LR和Wald假设检验，检验结果如表4-7所示，根据表中结果可以看到，所有的检验均显著拒绝原假设，说明空间杜宾模型无法简化为空间误差模型或者空间滞后模型。表4-7LR和Wald检验结果Table4-7LRandWaldtestresults检验项目统计量LRtestforspatiallag76.5131***Waldtestforspatiallag76.8770***LRtestforspatialerror67.4960***Waldtestforspatialerror60.9209***最终我们以空间距离矩阵作为估计矩阵，采用空间杜宾模型进行估计，估计结果如4-8所示，模型的拟合优度R-squared为0.9694，表明模型的拟合程度较好，对于变量lnFD、lnURB、lnY、lnS、lnFDI以及lnRD而言，与我们前面的分析基本一致，lnTR回归结果的符号不一致，但是不显著，所以这里不再赘述，下面我们主要讨论空间溢出效应。表4-8空间计量回归结果Table4-8Spatialeconometricregressionresults变量系数t值P值lnFD0.1743***2.360.02lnURB0.2885***5.770.00lnY0.7781***7.890.00lnS-0.1035***-2.420.02lnFDI-0.0492***-1.980.05lnRD-0.1070***-3.400.00lnTR-0.0196-0.630.53W*lnFD0.4399***2.320.02W*lnURB-0.5399***-3.980.00W*lnY-1.5090***-5.630.00W*lnS-0.3502***-3.580.00W*lnFDI-0.2104***-3.000.00W*lnRD0.00320.040.97W*lnTR0.07170.860.39W*lnCO20.3639***6.490.00R-squared0.9694log-likelihood251.4974Sigma^20.0279N630注：括号内为t值，***、**、*分别表示1%、5%、10%显著性水平首先，W*lnFD的系数为0.4399，且在1%水平上显著，说明金融发展通过空间外溢效应促进了区域的二氧化碳排放，由于金融资本具有很好的流动性，本地区的金融规模较高，临近地区由于空间距离上的优势，相对容易获得资金供给，通过需求侧和供给侧两个方面推动区域二氧化碳排放的增加。其次，W*lnURB对应的系数为-0.5399，且在1%水平上显著，说明城镇化通过空间外溢效应抑制了区域的二氧化碳排放，城镇化虽然会促进本地区的二氧化碳排放，但是对于区域来说是有利的，可能是由于城镇化进程的推进，提高了能源的使用效率，人们的观念得到了改善。第三，W*lnY对应的系数为-1.5090，且在1%水平上显著，说明经济发展促进了本地区的二氧化碳排放，但是对于区域的碳减排是有积极意义的，经典的环境库兹涅茨曲线（EKC）认为，经济水平与二氧化碳排放呈倒U型关系，当经济水平较低时，经济发展会促进二氧化碳排放，而当经济水平跨越某一值后，经济水平发展会抑制二氧化碳排放。可能是由于经济水平的提高，人们的消费观念会发生变化，更加珍视良好的环境。第四，W*lnS对应的系数为-0.3502，且在1%显著性水平上显著，系数方向与lnS相一致，但是系数比lnS大，说明产业升级有利于区域整体降低二氧化碳排放，因为某一地区的产业升级，会带动邻近地区的产业升级，传统的产业体系被新的产业体系所取代，也可能是由于某一地区的产业升级，会将改造或者淘汰后的产业引入到周边地区，对于本地区来说弱势的产业，可能是其他地区的优势产业。第五，W*lnFDI对应的系数为-0.2104，且在1%水平上显著，说明lnFDI产生了良好的空间溢出效应，外商直接投资进入某一地区，会带来良好的技术外溢效果，提高能源利用效率，进而减少二氧化碳排放。第六，W*lnRD对应的系数为正，但是不显著，说明我国自主研发水平的空间溢出效应不明显。第七，W*lnTR对应的系数虽然为正，但是也不显著，说明W*lnTR对于区域碳排放的增加不明显。表4-9效应分解Table4-9Effectdecomposition变量直接效应t值间接效应t值总效应t值lnFD0.2055***2.730.7624**2.630.9679***3.04lnURB0.2592***5.01-0.6703***-3.17-0.4110*-1.79lnY0.6981***6.75-1.8341***-1.46-1.1360**-2.48lnS-0.1295***-3.06-0.5737***-3.65-0.7032***-3.99lnFDI-0.0634**-2.41-0.3452***-3.06-0.4086***-3.24lnRD-0.1105***-3.57-0.0527-0.52-0.4110-1.79lnTR-0.0149-0.480.09640.790.08150.62空间杜宾模型的效应分解结果如表4-9所示，在直接效应中，除了贸易开放lnTR变量不显著外，其他变量至少在5%水平上显著，lnFD、lnURB与lnY的系数均为正数，说明金融发展、城镇化以及经济增长的直接效应是促进二氧化碳排放的，lnS、lnFDI以及lnRD的系数均为负数，说明产业升级、外商直接投资以及研发水平的直接效应是有利于二氧化碳减排的。在间接效应中，lnRD与lnTR对应的系数不显著，其他变量除了金融发展系数为正外，其他系数均为负数，说明金融发展通过空间外溢的效应促进了二氧化碳排放，而城镇化、经济增长、产业升级、外商直接投资通过空间外溢效应抑制了二氧化碳排放。由此，我们最后得到的总效应是金融发展的促进效果非常大，这是在普通线性回归当中未观测到的，必须重视金融发展的