时间:2022-08-06 12:25:11
摘要:中国居民消费结构在升级、优化调整过程中,如何有效地降低居民生活碳排系数,促进居民部门节能减排工作的顺利进行呢?在考虑城乡居民消费差异情况下,构建非线性阈值协整模型,揭示中国居民消费结构与其碳排放系数的长期非线性关系。结果表明,居民消费结构优化进程中,对居民消费碳排放系数呈现机制转移的非线性阈值协整效应:1985~2002年居民消费结构对碳排放系数的长期效应为负;2003~2007年效应由负向正平滑转换; 2008~2013年居民消费结构优化有利于其碳排放系数的降低。同时城乡居民消费差异对居民消费碳排放系数的影响效应整体上负效应,逐渐向正效应转变,表明城乡消费差异不利于居民部门碳排放系数的降低。
关键词:居民消费信息熵;碳排放系数;城乡居民收入差距;阈值协整模型
引言
随着居民收入的逐步上升与生活质量的不断提高,居民生活引发的碳排放会越来越大。在国家积极探索内需拉动经济的同时,如何有效地降低居民部门对碳排放的影响,是中国实现可持续发展、可持续消费的重要方面。促使居民生活碳排放减少的因素主要有居民消费碳排放系数、平均消费倾向、平均家庭规模、居民能耗结构等[1-3],不过不同因素影响效应的程度与减排潜力存在明显区别。首先,平均消费倾向呈现逐年下降的趋势,对居民生活碳排放起着明显降低效应,但不能依靠该因素达到降低碳排放的目的,因为这与国家大力刺激内需政策相左。其次,平均家庭规模虽是降低趋势,但不可能一直缩小下去,按照2014年放开单独“二胎”政策,倡导理想家庭模式为“三或四口之家”,所以未来依靠缩小家庭规模以达到降低居民生活碳排放的目的,是行不通的。再者,居民能源消耗结构呈现出无序的变动态势、各种能源比例需要进一步升级、优化,尽量使其对居民碳排放的影响效应明显化。最后,文献对于碳排放强度对碳排放的显著降低影响有着一致的结论[4-7],这对研究中国居民消费碳排放系数对其碳排放的影响效应有重要借鉴意义,因此居民消费碳排放系数就成为基于居民部门节能减排工作的重要突破口。而居民消费碳排放系数取决于居民消费水平、居民消费模式以及居民生活用于购买能源产品的数量,属于影响居民部门碳排放的内生因素[8-10],简而言之,与居民消费结构密切相关。鉴于此,根据居民消费结构与碳排放系数的变动特征,在考虑城乡居民消费差异情况下,探讨前者对后者的影响效应,并对使其降低的有效途径进行相应探索是非常重要的。
1 居民消费结构与居民消费碳排放系数的变动
1.1 居民消费信息熵
消费支出用途与所占比重不同,无法综合度量居民消费结构的动态演变规律,信息熵可以很好地解决这个问题。信息熵(Information Entropy)是对一种物质或体系运动无序度的量化[11],反映其变动结构特征。将信息熵引入居民消费可以很好地考虑到不同消费项目所占的比重,反映居民消费结构演变规律。根据信息熵的计算公式,居民消费信息熵的计算方法如下:
为居民消费信息熵(Residential Consumption Information Entropy), 表示类消费支出, 为 类居民消费支出。 综合考虑各种消费支出的比重变化,反映居民消费结构特征,是对居民消费无序度的量化。数值越大,表示居民消费无序度越大;良好的居民消费结构是从无序向有序、由低级有序向高级有序的演变。但并不表示数值越大,相应的消费结构越好,而在有序的变动过程中,趋于稳定,才视为良好的发展状态。
1.2 居民消费碳排放系数
借鉴生产总值碳排放强度与能源碳排放系数的定义,居民消费碳排放系数称为万元居民消费碳排放,表示为满足单位居民消费水平所消耗的能源产生的碳排放。尽可能在满足居民生活需求与提高生活质量的情况下尽可能降低满足单位居民消费水平(或效用)所造成的碳排放,是国家积极探索内需启动经济发展、倡导可持续消费模式的重要方面。
1.3 居民消费结构与居民消费碳排放系数的动态演变特征
由图1所示,1985~2013年中国居民消费结构与碳排放系数呈现不同方向阶段性波动:
1985~1987年居民消费信息熵缓慢上升,居民生活水平较低,恩格尔系数较大,居民消费限于基本“衣食住行”。1988~1989年居民消费信息熵有轻微下降,主要由于家庭设备用品及服务类消费支出的比重上升,引起结构变动的混乱;同时家用耐用消费品的增加,加大居民生活对能源的消耗,造成碳排放系数上升。1993~2002年居民消费结构中食品与衣着类支出比重逐渐下降,居住、交通通信、家庭设备用品及服务等支出比重持续上升,居民消费结构处于由低级向高级的逐渐转变过程中,居民消费水平有了显著提高,快于居民生活碳排放,进而居民生活碳排放系数持续下降。
2003~2007年居民消费结构持续升级,引发居民对住宅、汽车与家用电器等消费热点的需求,引起居民生活碳排放增加。这一时期居民的平均消费倾向整体下降,但对这几类的消费倾向是上升的,进而促使这一时期居民生活碳排放系数的提高。2008~2013年居民消费信息熵与居民生活碳排放系数呈现不同方向变动,前者持续增加,能源与环境压力的持续增强促使节能减排成为“十一五”规划中重要的约束性指标[10],政府大力倡导与宣扬可持续消费或绿色消费,鼓励消费节能型产品,引导居民生活减少对能源的压力,促使居民生活碳排放系数下降。
由上文分析不难看出,1985~2013年不同时段我国居民消费结构对居民消费碳排放系数的影响效应存在差异[12]。因此,中国居民消费结构如何升级、优化调整才能促进居民部门节能减排工作的顺利进行呢?明显看出,居民生活碳排放系数与居民消费结构变动之间呈现的是非线性特征,因此不能简单地应用以往的线性模型设定两者关系,应该建立适合两者真实互动的关系的模型。阈值协整模型主要分析非线性序列,不同于以往假定变量之间呈现线性关系的模型,因此在考虑城乡居民消费差异的情况下,构建非线性阈值协整模型,揭示中国居民生活碳排放系数因居民消费结构变动与城乡居民消费差异不同而呈现机制转移的非线性效应。
2 理论模型
2.1 城乡消费差异的泰尔系数
由于我国呈现二元结构,城乡消费水平存在很大差距,而居民消费水平受城乡消费水平差距的影响,因此构建基于居民消费结构与碳排放系数的阈值协整模型时,需要兼顾城乡居民消费水平的差异。文献中度量城乡居民消费水平常常采用人均消费支出,但该指标没有反映城乡居民人口比重的变化,故计算度量城乡居民消费水平差异泰尔系数[13],计算公式如下:
其中 分别为城镇居民与农村居民, 为消费水平, 为人口。结果表明居民城乡消费水平差距呈现先上升,继而缓慢下降的变动趋势。
2. 2 阈值协整模型的设定
表示居民消费碳排放系数, 表示居民消费结构变动信息熵, 表示城乡居民消费差异的泰尔系数。为表征居民消费结构变动对居民碳排放系数呈现非线性影响效应,需要定义非线性光滑转移函数 ,大小位于 连续函数,反映居民消费结构对其碳排放系数的影响效应随着变动程度的不同而发生变化。其中 为阈值变量, 为机制转移的位置。 为光滑参数,反映两个之间平缓速度的快慢。 为阈值参数,表示机制发生转移时阈值变量的取值。因此,居民消费结构与碳排放系数的阈值协整模型可设定为:
3 模型的检验与估计
3.1 变量的单位根检验
为确保数据适合构建阈值协整模型,虽然变量不一定是平稳序列,但一阶差分序列必须是平稳的。换言之,要求变量为一阶单整序列,即要通过变量的单位根检验。运用常用的两种单位根检验方法即 与 法进行检验,结果显示,虽然居民消费信息熵、碳排放系数与城乡居民消费差异的泰尔系数不平稳,但一阶差分不存在单位根,即三个变量是属于一阶单整序列,可以进行下一步的操作。
3.2 有关平滑转移函数 存在与形式确定的检验
确定平滑转移函数 是否存在与具体的形式,首先确定机制转移发生的位置参数,其次进行非线性检验,证明在位置参数确定的情况下所设置的模型呈现非线性;最后确定平滑转移函数的具体形式。
3.2.1 确定机制转移位置参数
位置参数的确定方法是基于平滑转移函数的三阶泰勒展开[14-15],将展开式代入式(3),重新参数化后得到:
针对不同的 运用OLS对式(2)进行估计,根据 函数值最小确定相对最优模型,或者拟合优度即 最大时所对应的 即为机制发生转移的位置参数。本文选取 的取值范围在 ,根据表1的结果,选取 最大时对应的 。
3.2.2 非线性检验
进行非线性检验,运用基于极限分布为 的 检验,原假设为不存在非线性,即展开式中 ,拒绝原假设,认为该模型存在非线性。由表2的检验结果得知,拒绝存在线性的原假设,即该模型存在非线性。
3.2.3 平滑转移函数 具体形式的确定
通常平滑转移函数形式有两种,指数函数与逻辑函数,检验方法仍是 检验,不过原假设与备择假设的设定不同,本文设定原假设 ; ; [16-17],如果不拒绝 而拒绝 ,则式(4)中 为指数函数,否则为逻辑函数。根据表2的检验结果,拒绝 ,则可确定函数形式为逻辑函数。
3.3 阈值协整检验
根据估计的平滑转移函数 的形式对式(4)进行估计,若模型估计的残差是平稳序列,则该模型为阈值协整模型。可以采用部分残差进行检验[18],检验统计量设定为:
4 实证分析
4. 1模型的估计结果
为确定阈值参数,对式(4)进行 迭代估计,直至残差平方和最小,估计结果如下:
光滑函数的结果反映在考虑城乡居民消费差异的情况下,居民消费结构对居民生活碳排放系数产生长期效应,呈现非线性特征。其中光滑参数 ,表明这种非线性效应机制转移的速度较为缓慢。
4.2 分阶段分析
阈值参数 表明居民消费结构对居民消费碳排放系数的非线性转移发生在居民消费信息熵等于1.905处。如图2所示,1985~2002年居民消费信息熵小于估计的阈值参数 ,估计的光滑转移函数 等于0或接近于0。居民消费结构对碳排放系数的影响效应遵循第一机制,由 反映。1985年与2002年居民消费信息熵分别为1.56与1.85,城乡居民消费差异的泰尔系数分别为0.76与0.94,由于居民消费结构的变动引起居民生活碳排放系数分别下降了0.31与0.48。其他年份具有类似的结果,即在居民消费以“衣食住”为主的消费模式,居民消费水平还未达到小康水平,居民消费结构比较单一,处于低级变动状态时,对居民生活碳排放系数的影响效应为负,利于居民生活能源效率的提高。
当居民消费信息熵围绕在估计的阈值参数 周围波动时,估计的光滑转移函数 介于0与1之间,从而使得居民消费结构变动对居民生活碳排放系数的影响效应在第一机制与第二机制之间平滑转移,由 反映,影响效应由负向正、继而由正向负平滑转换。2003~2007年居民消费结构中私家车、住宅、高端通讯工具等成为新的消费热点,消费支出总量与比重快速增加,从而加大了居民生活碳排放。在2003年与2007年使得居民生活碳排放系数分别提高0.48与0.51,表明居民消费结构处于众多消费项目分别变动,较为混乱的变动状态,尤其是高能耗消费的增加,提高了居民生活碳排放系数。
2008~2013年居民消费信息熵大于估计阈值参数 ,估计的光滑转移函数 等于1或接近于1,这段时期居民消费结构对居民生活碳排放系数的影响效应服从第二机制,由 反映。居民消费结构中各消费项目呈现不同方向的变动,但逐步形成以住宅、交通通讯、家庭设备用品及服务与教育文化娱乐服务类支出为主,食品支出为辅的消费格局。“节能减排”理念引导居民向低能耗与低排放的方向转变,引起居民生活碳排放系数在2008年与2013年分别下降了0.124与0.127,居民消费结构变动对碳排放系数的影响效应为负,有利于居民生活中节能减排。但作用程度较弱,说明通过居民消费结构变动促进居民部门节能减排这一途径还有很大的潜力与空间。
4.3 对居民生活碳排放系数的偏效应
根据估计结果分别计算居民消费结构与城乡居民消费水平差距对碳排放系数的偏效应。如图3所示,居民城乡消费水平差异的泰尔系数对居民生活碳排放系数由负效应逐渐向正效应转变,并且有逐渐增加的趋势,表明城乡消费差距逐渐成为阻碍居民部门节能减排的重要因素。居民消费结构的变动对居民生活碳排放系数的偏效应,呈现先降后升,而后由升向降平缓转移的影响态势,不过后续降低效应不具有明显性。
5 结论
在考虑城乡居民消费差异情况下,构建居民消费结构与碳排放系数的阈值协整模型。得到主要结论如下:
第一,1985~2013年中国居民消费结构变动对居民消费碳排放系数的长期效应,因消费结构优化、升级变动,而呈现非线性的转换与演变:1985~2002年居民消费结构中“衣食”类支出逐渐下降,“住行用教”类支出比重上升,两者比重接近,逐步形成“两足鼎立”的消费模式,居民消费结构对碳排放系数的影响效应服从第一机制,呈现负效应。2003~2007年居民消费中“住行用教”类支出大幅度上升,并且属于高碳排的消费项目,引起居民生活碳排放系数上升,这一时期居民消费结构呈现增加效应,在第一机制与第二机制之间平缓转换。2008~2013年受节能减排政策以及可持续消费模式的影响,居民消费逐步向低能耗、低排放方向演变,进而引起居民生活碳排放系数的降低
第二,与之相一致,居民消费结构变动对碳排放系数的偏效应由负向正转换,继而向节能的方向演变,但负效应不是很显著。同时城乡居民消费差异对居民消费碳排放系数的影响效应整体上呈现负效应,逐渐向正效应演变,表明城乡消费差异不利于居民部门碳排放系数的降低。
从长期上看,中国需要进一步优化居民消费结构,提倡可持续消费模式、降低居民消费碳排放系数;同时缩减城乡居民消费差异,提高区域消费水平均衡化,从居民部门出发,促进节能减排工作的顺利进行。
参考文献:
[1] Lenzen M.Primary energy and greenhouse gases embodies in Australian final consumption:an input-output analysis[J].EnergyPolicy,1998(6):495-506.
[2] Weidman Thomas.Examining the global environmental impact of regional consumption activities-parts 2: review of input-output models for the assessment of environmental impacts embodied in trade. Ecological economics, 2005.
[3] Park Hi-Chun.The direct and indirect household energy requirements in the Republic of Korea from 1980 to 2000-An inputCoutput analysis [J].Energy Policy , 2007.
[4] Munksgaard J,Pedersen K. A,Wier M.Changing consumption patterns and CO2 reduction[J].International Journal of Environment and Pollution,2001,15(2) :146-158.
[5] Vringer K,Blok K,Engelenburg B,Determining the primary energy requirement of consumption patterns[J]. Economics for Industrial Ecology, 2006.
[6] Qu Jiansheng,Zeng Jingjing,Li Yan,et al.Household Carbon Dioxide Emissions from Peasants and Herdsmen in Northwestern Aridalpine Regions,China[J].Energy Policy,2013(57): 133-140.
[7] 柴士改.最终消费能源消耗及其碳排放研究[D].中南财经政法大学博士论文,2013:146-166.
[8] 周平,王黎明.中国居民最终需求的碳排放测算[J].统计研究,2011(28)7:72-78.
[9] 彭希哲,朱勤我国人口态势与消费模式对碳排放的影响分析[J].人口研究,2010(34)1:48-58.
[10] 汪同三,吴承业.21世纪数量经济学第11卷[M].社会科学文献出版社,2011.294-304.
[11] 耿海青,谷树忠,国冬梅.基于信息熵的城市居民家庭能源消费结构演变分析-以无锡市为例[J].自然资源学报,2004(2):56-62.
[12] 向书坚,柴士改.最终需求间接能耗核算模型的改进研究[J].中国人口.资源与环境,2014(2)24:47-54.
[13] Shorrocks A.The Class of Additively Decomposable Inequality Measures, Econometrical, 1980:613-626.
[14] Choi,P.Saikkonen.Testing Linearity in Cointegrating Smooth Transition Regressions, Journal of Econometrics, 2004:341-365.
[15] Dijk V D.T,erasvirta P.H.Franse.Smooth Transition Auto regressive Models-A Survey of Recent Developments.Econometric Reviews, 2002:147-150.
[16 ] Sarantis N, Nonlinearit ies,Cyclical Behavior and Predictability in Stock Markets: International Evidence, International Journal of Forecasting , 2001:459- 482.
[17] Terasvirt T.Specification,Estimation,and Evaluation of Smooth Transition Autoregressive Models,Journal OF The Americann Statistical Association, 1994:208-218.
[18] Choi,Saikkonen,Testing Linearity in Cointegrating Smooth Transition Regressions.Journal of Econometrics, 2004.
[19] 欧阳志刚.阈值协整及其在我国的应用研究[D].华中科技大学,2008:19-34.
[20] 欧阳志刚.协整向量、调节参教同为非线性的阈值协整检验[J].数量经济技术经济研究,2014(9):138-145.