碳排放增加与气温变化统计因果关系的多重检验

龙源期刊网碳排放增加与气温变化统计因果关系的多重检验作者：白万平杨广仁张学敏来源：《贵州财经学院学报》2013年第05期收稿日期：2013-05-12基金项目：作者简介：白万平（1963-），男，重庆人，博士，贵州财经大学教授，研究方向为计量经济模型应用研究；杨广仁（1978-），男，山东人，博士研究生，副教授，研究方向为非参数统计；张学敏（1975-），女，四川资阳人，经济师，人力资源管理师，国家二级企业培训师，研究方向为人力资源管理。摘要：在气候变化问题上，“灾难论”和“阴谋论”是由碳排放量增加与气温升高“因果论”和“非因果论”衍生的两种主要观点，但未见学者从统计因果关系检验角度深入探究。选取全球161年的时间序列数据，运用线性和非线性等方法检验两者之间的统计因果关系，结果表明碳排放增加是气温升高的原因，同时发现气温变化存在一个滞后期为29年的周期性变动；在面板数据因果检验中，从全球抽取20个代表性国家101年的数据，检验结果仍然是碳排放增加是气温变化的原因。因此，有证据表明，碳排放增加是全球气温变化的统计原因。节能减排是共同责任，“阴谋论”不足为信。关键词：碳排放量；气温变化；统计因果关系；PVAR模型；同质性；Hisao检验文章编号：2095-5960（2013）05-0046-06；中图分类号：C81；文献标识码：A在碳排放增加与地球温度升高之间关系问题上，学术界一直存在“因果论”和“非因果论”之争，近年来又被演变成一种政治工具，对应为“灾难论”和“阴谋论”两种观点，特别是美国、加拿大两个发达国家相继退出减排协定后，使问题变得更加扑朔迷离。诚然，地球气温变化是一个复杂过程，气象科学家通过科学观测、模拟等手段证实了变化的复杂性。但换一个角度思考，两者所反映的是事物（现象）之间的因果关系，在获取大样本的观察数据后，可以利用统计因果检验的方法，探讨两者之间的统计因果关系。遗憾的是，对于这样一个重大问题，未见国内外学者的相关著述。通过运用多种现代统计因果关系检验方法探索两者的关系，其一能填龙源期刊网补两者之间统计因果关系方面的缺失，为争论提供统计证据，其二拓展统计因果关系的应用范围，这正是本文试图作出的贡献。本文安排如下：第一部分，统计因果关系检验进展回顾；第二部分，选择161年的时间序列，检验全球碳排放增加与气温升高之间的统计因果关系；第三部分，在全球选择20个样本国家，从面板数据角度检验两者之间的因果关系检验；最后，为本文结论。一、统计因果关系检验进展Granger（1969）[9]开创性地提出统计非因果关系检验方法后，经过四十余年的发展，用统计方法检验变量因果关系的研究，已经在时间序列向面板数据、线性向非线性、参数向非参数检验等多个维度上发展，成为科学检验变量间统计因果关系的必要手段和工具。从统计上讲，假设序列Y和X都是平稳的，我们说X不引起Y（即X不是Y的Granger原因）是指在对Y作预测时，假如由包含X过去值所得到的预测值并不优于未含X过去值的预测。或者说，如果X不引起Y，X无助于对Y的预测。反之，则说X引起Y，即X是Y的Granger原因。对非平稳时间序列，假设两个序列之间有协整关系，可由EngleandGranger（1987）[7]单方程检验完成，或按Granger（1988）[10]两步法得出误差修正模型（ECM）处理，其中涉及滞后阶数的敏感性问题，可由Hsiao（1981，1982）[12][13]用Akaike（1970）[1]的最终预报误差（FPE）结合Granger方法处理。Hsiao的方法还可以用于处理多变量线性因果关系及其最优滞后阶数的选择上。但发展至今，非线性因果关系检验问题在实证中仍然未获得满意结果，尽管已经出现了BDS（1992）[2]、HJ（1994）[11]和DP（2006）[3]等检验，除BDS检验外，其他尚处在理论研究阶段，难以直接应用到实证检验中。与此同时，多变量因果关系检验问题也成为另一个理论研究对象，MichaelEichler（2007）[21]另辟蹊径，在图论基础上建立探讨伪因果问题的构架，讨论弱平稳过程的因果关系，提出针对多元时间序列因果关系的一个图形推断方法，证明了这种路径诊断与变量间因果的对应关系，但这种方法目前还只能做定性分析。ZhidongBai等（2010）[26]在分析多变量线性和非线性因果关系后，将BDS方法推广到多元情形，拓展诊断多元统计因果检验的方法，他们通过构造多个方程的VAR模型，以联合假设实现对因果关系的检验，但在实证分析中，该结果所需的条件很难满足。由于多元非线性因果关系检验问题所具有的复杂性，现有成果不多，只发现ZhidongBai等（2011）[25]将HJ双变量非线性检验直接推广到多元的结果，该方法提供了一种多元非线性因果关系检验的途径，但存在过度拒绝原假设的倾向。Dufour等（2006，2010）[5][6]对因果关系的强度、类型等分别作了归类，认为除存在短期、长期以及瞬时等不同时间长度的因果响应外，还应重视时间序列之间的因果关系强度，而目前所做的统计显著性检验只依靠有效的数据和检验的功效，不足以评判因果关系强度。可见，对多变量因果关系的研究方兴未艾，极有可能发展成为处理复杂因果关系的又一种重要手段。Holtz-Eakin等（1988）[4]开创了对面板数据变量因果关系检验的研究，其思路是对时间维度平稳的变量建立PVAR模型，构造Wald统计量，以达到检验有无Granger因果关系的目的。Hurlin等（2004，2008）[16][17]在系统讨论不同假设条件下的面板因果关系后，提出了面板龙源期刊网因果关系的四类假设：同质无因果假设（记为HNCH）；同质因果假设（记为HCH）；异质因果假设（记为HECH）和异质无因果假设（记为HENCH）。Hurlin所划分的四种类型试图将面板数据变量可能存在的因果关系包括其中，在同质性的假设下，表现的是两种极端情形，即全无Granger因果或全有Granger因果关系，而在异质性假设下，则需同时兼顾刻画因果性和异质性，目前做出的这种划分尚不完备。此外，Weinhold（1999）[24]构造含有混合固定系数和随机系数的模型（简称MFR模型），认为存在动态个体和相关（独立）变量异质性条件下，能够得出系数方差的估计，在T较小时该估计几乎是无偏的。但动态MFR模型的个体异质性更为复杂，在此情形下，给出因果关系的准确定义也存在困难。Konya（2006）[20]从似不相关回归（SUR）估计的角度，提出用设定的自助法标准值做Wald检验，但该方法在有单位根和协整关系时检验的功效有所降低，不同检验结果不尽相同。FurkanEmirmahmutoglu等（2011）[8]以Fish（1932）的元分析（Metaanalysis）为基础，导出含异质性的混合面板数据统计因果关系检验法，由于该方法对固有的偏误、不可比较等问题未有实质性的改进，有碍于在实证中推广。可见，检验面板数据因果关系时，一系列问题的存在表明在检验方法上有待进一步完善。理论上，时间序列中的双变量线性与非线性因果检验方法较为系统，包括多因一果和一因多果在内的多变量因果关系，以及面板数据变量因果关系的检验已经获得了一些解决的方法，但研究还不充分。如在检验多变量因果关系时，目前仅有的TY检验因只对少数具有特殊单整情形给出证明，尚不具备普适性；BWZ检验将BDS方法所做的推广存在过度拒绝的倾向；同时多元非线性Granger因果检验的成果目前大多处在理论层面，在应用中有一定难度。在面板数据因果关系检验中，Hurlin等人的研究成果对于检验某些场合的因果关系奏效，但该方法还存在分类不完备，可能出现难以解释的结果；Furkan的方法在T较小或内生工具变量不易确定时用固定Granger因果估计存在固有的偏差且不可比较等问题，表明在统计因果关系理论有待发展。在实证研究中，统计因果关系在研究经济系统变量间关系时应用较多，但对其他系统内变量间关系，特别是争论了一个多世纪的碳排放与气候变化之间的统计因果关系，未发现有学者采用上述统计方法研究。因此，无论是扩展统计因果关系方法的应用范围还是为一个重大关系提供证据，都有必要从时间序列和面板数据两个层面对此进行检验，为解释两者之间存在的关系提供佐证。二、全球气温变化与碳排放统计因果关系检验在以下的分析中，我们视序列的属性和满足的条件，采用适合的方法，由标准的Granger统计因果检验开始，层层推进，从线性、非线性时间序列到面板数据等多个维度对两者之间的统计因果关系进行全面检验，获得相应证据。变量说明和样本选取。根据变量的代表性和数据的可得性，碳排放量和气温分别以xt，yt表示①①以每年消费化石能源的碳排放量表示年碳排放量，全球年均气温表示气温。数据来源：英国国家气象台、美国橡树岭实验室。，样本时间段为1850—2010年。在跨越三个世纪龙源期刊网年中，地球年均气温最高的是1998年，达到0.529℃，最低的是1911年，为零下0.573℃，温度的极差为1.112℃，超过1℃，但161年气温升高不到1℃。同期全球碳排放量快速增加，由1850年的54mtc增加到2010年的9167mtc，人均碳排放量也由0.05tc增长到2010年的1.34tc，增长28倍。单位根检验。对原序列采用6种方法检验后不能排除存在单位根的可能，进一步对两个差分序列进行检验，结果如表1。从检验结果看，两个差分序列平稳，不存在单位根。为了观察不同滞后阶数的反应，将滞后阶数从1取到50，得出检验统计量对应的P值，在检验结果中，没有一致证据表明气温升高与碳排放增加的因果关系。在碳排放增加与气温升高的检验中，滞后阶数大于1后，没有证据表明碳排放增加是气温升高的Granger原因。而滞后1阶时，F检验值达到4.30431，P值为0.0397。显然，在5%的显著性水平下，拒绝原假设，即有统计证据表明，碳排放增加是气温升高的Granger原因。因果检验对滞后阶数的敏感性，无法得出一致的证据，需要进一步检验。两个变量是一阶单整的，接下来检验是否存在协整关系。利用Johansen检验，记Yt为碳排放、气温构成的二维列向量，Xt是确定性向量，分别在5种不同的设定进行检验。整理后的检验结果如表2所示。表2Johansen协整检验数据趋势无无线性抛物线检验类型无截距、无趋势有截距、无趋势有截距、无趋势有截距、有趋势有趋势、有截距迹12210最大特征根数12210单纯观察检验结果，无法得出是否存在协整关系的结论。利用变量回归，不能拒绝趋势项冗余的假设，而趋势项对判断两者之间是否存在协整关系至关重要。因此，用Johansen协整检验并不能确定两者之间的长期稳定因果关系，采用Engle-Granger和Phillips-Ouliaris检验，所得结果整理如表3：由此可知，E-G和PP两种单方程协整检验都拒绝碳排放量与气温之间不存在协整关系的假设，可以认为在样本期内，两者之间存在长期稳定的关系。由于Granger检验不能确定最佳滞后阶数，为提高精度，进一步采用Hsiao（1981）的方法：按1/5样本选择滞后阶的原则，选取的最大滞后阶数为32，计算出各滞后阶数的FPE值，比较筛选的最小FPE=0.00838，相应的滞后阶数m*=29，该滞后阶数可解释为地球气温大约在29年左右出现周期性波动的特性；固定m*=29，引入碳排放量，计算到32阶的FPE值，得出最小FPE=0.008277，相应n*=1，由此确定的最佳滞后阶数为1期，即上期碳排放量龙源期刊网对本期气温影响最为显著，该结果与通过Granger因果检验所得滞后阶数一致。所以，采用线性Granger因果关系检验后的结论是：碳排放增加是气温升高的统计原因。上述检验的