李方智 童藤 薛心蓓 李雪平

摘 要：溫室氣體排放引發(fā)的全球氣候變化深刻影響著人類的生存和發(fā)展，已成為世界各國共同關(guān)注以及實施全球環(huán)境治理的焦點問題。隨著國民經(jīng)濟的迅速發(fā)展和對外貿(mào)易、外國直接投資（FDI）的持續(xù)擴張，我國能源消費總量和溫室氣體排放總量快速攀升。作為一個負責任的國家，中國高度重視氣候變化問題。2015年中國向IPCC提交了中國“國家自主貢獻”的減排承諾目標：到2030年左右，CO2排放達到峰值;單位國內(nèi)生產(chǎn)總值CO2排放比2005年下降60%～65%。受限于我國“富煤少油缺氣”的能源稟賦特點，減排承諾面臨著巨大挑戰(zhàn)。在當前的開放型經(jīng)濟環(huán)境條件下，從貿(mào)易和FDI視角研究中國碳排放問題，對于中國實現(xiàn)減排目標和經(jīng)濟持續(xù)健康發(fā)展具有重要意義。

關(guān)鍵詞：對外貿(mào)易; FDI;能源消費

一、引言

能源消耗是指生產(chǎn)和生活所消耗的能源，其強度變化與工業(yè)化進程密切相關(guān)。隨著經(jīng)濟的增長，工業(yè)化階段初期和中期能源消耗一般呈緩慢上升趨勢，進入后工業(yè)化階段后，經(jīng)濟增長方式發(fā)生重大改變，能源消耗強度開始下降。提高能源和環(huán)境效率是確保經(jīng)濟增長以及實現(xiàn)節(jié)能減排的重要手段，而外貿(mào)是提高能源環(huán)境效率的關(guān)鍵驅(qū)動力之一。關(guān)于全球能源消耗和溫室氣體排放，中國、歐盟和美國是世界上溫室氣體排放量最高的三個國家，是成功應(yīng)對氣候變化的關(guān)鍵，其溫室氣體排放量占全球排放量的一半以上。在過去10年中，能源行業(yè)仍然是溫室氣體排放的最大來源。據(jù)統(tǒng)計顯示，在2015年，全球一次能源消耗總量增長1.0%，與2014年相若，相比過去10年平均增長1.9%為低。全球煤炭消費減少5300萬噸油當量，其中降幅最大的是美國（-3300萬噸油當量，-8.8%）和中國（-2600萬噸油當量，-1.6%）。煤炭在全球一次能源消費中的占比降至28.1%，達到2004年以來的最低水平。全球煤炭產(chǎn)量下降6.2%，即2.31億噸油當量，創(chuàng)有史以來最大跌幅。美國煤炭產(chǎn)量下降19%，中國煤炭產(chǎn)量也歷史性地下降7.9%。

2013年，能源行業(yè)的溫室氣體排放量占全球排放量的72%。2012—2013年，由于發(fā)電，供熱和運輸行業(yè)的排放量增加，中國的溫室氣體排放量增加了3.65？譹？訛億噸二氧化碳當量（或4%）。但是，這一增長率確實低于歷史平均水平。澳大利亞是世界第15大排放國。自2012年以來，其農(nóng)業(yè)排放量下降了65 MtCO2e（或34.6%），這源于草原燃燒面積的減少，甲烷（CH4）和氮氧化物（N2O）的排放相應(yīng)減少。

2015年全球能源消耗量占有率，石油繼續(xù)成為首位達32.9%，煤炭消耗量下降至29.2%，是自2005年以來最低的消耗量占有率。隨著天然氣的全球需求增強，天然氣消耗量占有率上升至23.8%，而核能則為4.4%，可再生能源2.8%，水力發(fā)電6.8%。與2014年全球能源消耗量相比，石油增長1.9%;煤炭下跌1.8%;天然氣增長了1.7%;核電方面增長1.3%;可再生能源增長2.8%，較過去平均增幅0.8%為高;水力發(fā)電增長1%。2012—2013年，前10大排放國的排放量增加了2.2%，而過去10年的平均年增長率為2.4%。在同一時期，中國和美國的溫室氣體排放量分別增加了4.3%和1.4%。美國在2007年達到排放高峰，歐盟穩(wěn)步下降，其他國家（包括俄羅斯和加拿大）在過去十年中相對穩(wěn)定。據(jù)數(shù)據(jù)顯示，2014—2016年，盡管全球經(jīng)濟增長，但全球能源相關(guān)的二氧化碳排放數(shù)據(jù)仍將保持穩(wěn)定？譺？訛。

一次能源消耗總量前十位國家依次是中國、美國、印度、俄羅斯、日本、加拿大、德國、巴西、南韓、伊朗、沙特阿拉伯及法國。溫室氣體排放引發(fā)的全球氣候變化影響了人類的生存和發(fā)展，注重和實施全球環(huán)境治理已成為世界各國關(guān)注的焦點。隨著國民經(jīng)濟的快速發(fā)展和對外貿(mào)易與投資的不斷擴大，我國的能源消耗總量和溫室氣體總排放量迅速增加。作為一個負責任的國家，我國非常重視氣候變化問題。2015年，我國政府向氣候變化專門委員會（IPCC）提交了“國家獨立貢獻”減排承諾目標，但由于我國“煤炭資源豐富，油氣短缺”的能源稟賦特征，減排承諾的實現(xiàn)面臨著巨大的挑戰(zhàn)。在當前開放的經(jīng)濟環(huán)境下，從出口貿(mào)易和外商直接投資的角度研究我國的能源消耗，對于我國實現(xiàn)減排目標和持續(xù)健康的經(jīng)濟發(fā)展具有重要意義。

二、文獻綜述

開放經(jīng)濟下，不同國家和地區(qū)之間的產(chǎn)品市場和要素市場合作日益緊密。產(chǎn)品市場合作主要體現(xiàn)為合作國家和地區(qū)之間貿(mào)易的自由化;要素市場合作則體現(xiàn)為資本、勞動力、技術(shù)等在合作國家和地區(qū)之間流通的便利化（Rauscher，2001）。貿(mào)易自由化與要素流通便利化都會對環(huán)境產(chǎn)生一定程度的影響。目前，學術(shù)界關(guān)于兩者對環(huán)境的影響尚無統(tǒng)一定論，主要存在以下三種觀點：一是“污染天堂假說”，其核心觀點認為各國為了維持或增強本國競爭力，降低各自的環(huán)境標準，出現(xiàn)“向底線賽跑”的情形。因發(fā)達國家的環(huán)境標準高于發(fā)展中國家，隨著國際貿(mào)易和要素流動的不斷擴大，污染產(chǎn)業(yè)會從發(fā)達國家轉(zhuǎn)移，發(fā)展中國家成為“污染避難所”（Walter & Ugelow，1979）。第二種觀點則認為貿(mào)易自由化和要素流通便利化，不僅有利于環(huán)保技術(shù)的擴散，而且可以實現(xiàn)環(huán)境資源的有效配置和高效利用，此外，合作所帶來的經(jīng)濟增長會擴大對清潔環(huán)境及其相關(guān)產(chǎn)品與服務(wù)的需求，使可用于環(huán)境保護的資金相應(yīng)增加，因而對環(huán)境有利（Antweiler et al.， 2001）。第三種觀點認為貿(mào)易和要素流動所引發(fā)的環(huán)境效應(yīng)是錯綜復(fù)雜的，各個效應(yīng)之間相互作用、此消彼長，結(jié)果往往難以預(yù)測。目前，這種觀點廣為接受，其開創(chuàng)性的研究始于Grossman & Krueger （1993）在探討建立北美自由貿(mào)易區(qū)對環(huán)境的影響時將貿(mào)易的環(huán)境效應(yīng)分解為：規(guī)模效應(yīng)、結(jié)構(gòu)效應(yīng)和技術(shù)效應(yīng)，并認為這三個方面的效應(yīng)可以為正亦可為負且相互影響，最后的總效應(yīng)并不是簡單的疊加?！叭?yīng)”分析有助于明確貿(mào)易和要素流動對環(huán)境的影響途徑和影響方向，成為貿(mào)易與要素流動環(huán)境效應(yīng)的基本分析框架。國內(nèi)外大量學者從貿(mào)易和投資兩個方面對國際區(qū)域合作的環(huán)境效應(yīng)進行了實證檢驗。

（一）國際貿(mào)易對東道國環(huán)境的影響

Grossman和Krueger（1993）對北美自由貿(mào)易區(qū)建立的環(huán)境影響研究結(jié)果認為貿(mào)易自由化的總效應(yīng)是有利于改善環(huán)境。Copeland & Taylor（1994）利用南北貿(mào)易模型分析了貿(mào)易的“三效應(yīng)”，認為結(jié)構(gòu)效應(yīng)減輕了北方的污染但加重了南方的污染，規(guī)模效應(yīng)對各國環(huán)境均有害，環(huán)境稅的增加刺激企業(yè)采取額外的治污措施，產(chǎn)生正的技術(shù)效應(yīng)，對外貿(mào)易整體上更有利于發(fā)達國家。Antweiler et al. （2001）實證發(fā)現(xiàn)自由貿(mào)易的結(jié)構(gòu)效應(yīng)非常小，生產(chǎn)規(guī)模每增長1%會使樣本國家的污染集中度提高0.25%-0.5%，而技術(shù)效應(yīng)可使污染集中度下降1.25%-1.5%，三種效應(yīng)整體會改善環(huán)境。而Beghin （1995）、Qureshi （2004）、Frutosbenczeet et al. （2017）等的實證結(jié)果都認為貿(mào)易的自由化加劇了環(huán)境污染。張連眾等（2003）、于峰等（2007）、龔超等（2008）、黃小兵等（2015）、林伯強等（2015）、李方靜等（2018）的實證研究結(jié)論都認為貿(mào)易自由化對我國的環(huán)境影響總體上是正向的，技術(shù)效應(yīng)是環(huán)境質(zhì)量沒有惡化的主要原因。但也有學者得出相反結(jié)論，黨玉婷等（2007）認為結(jié)構(gòu)效應(yīng)和技術(shù)效應(yīng)使我國環(huán)境在對外貿(mào)易中受益，但由于規(guī)模效應(yīng)對環(huán)境的負面影響太多，總體來講，我國現(xiàn)階段的進出口貿(mào)易惡化了我國的生態(tài)環(huán)境。

（二）國際投資對東道國環(huán)境影響

關(guān)于國際投資對東道國環(huán)境影響，部分學者的研究支持“污染天堂假說”，如Chichilnisky（1994）、Porter（1999）、Cole等（2004，2011）以及Taylor（2004）等的研究均驗證了以國際投資為載體的污染產(chǎn)業(yè)在世界范圍內(nèi)轉(zhuǎn)移，造成了全球范圍內(nèi)環(huán)境質(zhì)量的下降。Asghari（2013）、Shahbaz等（2015）、Lin （2017）、Abdouli et al.（2017）等的研究也證實了國際投資造成了東道國環(huán)境質(zhì)量的下降。國內(nèi)林季紅等（2013）、盧進勇等（2014）、嚴雅雪等（2017）的研究從不同視角證實了FDI在一定程度上降低了我國環(huán)境質(zhì)量。而另一部分學者的實證結(jié)論則相反，認為國際投資帶來的清潔技術(shù)與環(huán)境管理的外溢效應(yīng)使得東道國環(huán)境質(zhì)量得以不同程度地改善（Popp， 2011;Poelhekke，2015;韓永輝等，2015;劉玉博等，2016;鄭強等，2017）。還有部分研究持折衷觀點，認為國際投資對東道國環(huán)境的影響是復(fù)雜多維的，基于不同條件（經(jīng)濟水平、產(chǎn)業(yè)結(jié)構(gòu)、環(huán)境政策、投資結(jié)構(gòu)等）得出的環(huán)境效應(yīng)不盡相同（Runge， 1994;楊博瓊等，2011;Kim & Adilov， 2012;劉渝琳等，2015）。

不同的學者在分析貿(mào)易和要素流動時所選取的指標、樣本及研究方法不同，得出的結(jié)論也不盡相同。由此也可以看出，貿(mào)易和FDI所產(chǎn)生的環(huán)境效應(yīng)評價是一個復(fù)雜的動態(tài)過程，在國際經(jīng)濟合作過程中如何降低環(huán)境負效應(yīng)，提高環(huán)境正效應(yīng)是各國面臨的共同課題。

三、研究方法

本文將使用Bootstrap ARDL（Autoregressive Distributed Lag）來檢驗中國碳能源消耗、出口貿(mào)易和FDI的相互關(guān)系;Bootstrap ARDL使用自回歸和多循環(huán)校準的原理使時間序列相關(guān)數(shù)據(jù)接近需要驗證的預(yù)期結(jié)果。在時間序列分析中，有必要首先檢查數(shù)據(jù)是否為定態(tài)。所謂的定態(tài)意味著統(tǒng)計量統(tǒng)計量如均值和方差不隨時間變化，即自協(xié)方差和方差是固定的有限常數(shù)值可以避免錯誤的回歸。單位根檢驗的目的是確定時間序列變量的平穩(wěn)性，以確定時間序列的性質(zhì)。在進行時間序列分析時，須先檢定數(shù)據(jù)是否為定態(tài)性（stationary），所謂定態(tài)指一時間數(shù)列資料為一個隨機過程（stochastic process），也就是自我共變異數(shù)及變異系數(shù)是固定有限的常數(shù)值;因此，若實際上變量為非定態(tài)而使用傳統(tǒng)方法進行回歸，可能會出現(xiàn)Granger與Newbold（1974）所稱之虛假回歸（spurious regression）的現(xiàn)象，因而無法正確解釋變量間的真正關(guān)系，使估計結(jié)果沒有任何經(jīng)濟上的意義。

本文使用我國1983—2017年碳能源消耗、出口與FDI的年統(tǒng)計數(shù)據(jù)，F(xiàn)DI均已平減為1983年價格作為基數(shù)?；贐ootstrap ADRL檢驗方法，對碳能源消耗、出口與FDI的變量數(shù)據(jù)取對數(shù)，確定數(shù)據(jù)平穩(wěn)后，再做協(xié)整關(guān)系檢驗，且需做5000次的回路計算，才能得到較佳的結(jié)果。根據(jù)初步統(tǒng)計結(jié)果可以發(fā)現(xiàn)三組數(shù)據(jù)基本呈現(xiàn)出偏態(tài)分布，碳能源消耗屬正偏態(tài)，出口和FDI屬負偏態(tài);碳能源消耗和出口是高狹峰，而FDI則屬低闊峰。異常值和波動幅度較少，符合實證分析數(shù)據(jù)的要求（見表1）。

（一）實證模型

Bootstrap ARDL檢驗基于Granger（1969）因果關(guān)系測試。若三變量之間呈現(xiàn)協(xié)整關(guān)系，則我們可檢驗長期的Granger因果關(guān)系是否存在，若無，我們則可檢驗Granger短期因果關(guān)系。如果y是由變量引起的，則y和x之間沒有找到協(xié)整。那么x→y的Granger因果關(guān)系檢驗應(yīng)該只包括x的滯后差異，也就是說，本文需要檢驗是否δ>0，如果變量之間存在協(xié)整關(guān)系，那么這意味著相關(guān)變量和獨立性變量形成固定的線性組合。滯后項可以認為是I（0），x→y的Granger因果關(guān)系檢驗應(yīng)該包括x的滯后差和x的滯后水平，即β>0和δ=0。ARDL邊界檢驗（Pesaran et al.， 2001）具有混合積分序列的時間序列，可以定義為：

（1）

在外生弱回歸的情況下，從長遠來看，這些回歸因子不受變量的影響。該模型不排除回歸之間存在協(xié)整。它不假設(shè)回歸的因變量不存在（短期）Granger因果關(guān)系。時間序列Bootstrap ADRL測試方法，McNown等人（2017）提出了對Peseran等人（2001）的修改ARDL模型。

ARDL模型是：

（2）

i和j是滯后期的指標，i=1，2，...，k;j=1，2，…，k。t表示時間t=1，2，...，T。等式中的yt是被解釋變量，xt是解釋變量，存在變量Dt，j，是虛擬變量。αi，βi參數(shù)是解釋變量和解釋變量xi的系數(shù)值。μt是誤差項，方程（2）可以重寫并擴展為下面三變量的等式：

（3）

其他參數(shù)是等式（3）中原始參數(shù)的函數(shù)值。

McNown等（2017）建議將原始ARDL模型添加到解釋變量的滯后期。虛擬假設(shè)是H0：θ=0.Peseran等（2001）檢驗協(xié)整關(guān)系的條件將更完整。Bootstrap ARDL檢驗是依賴于以下假設(shè)的協(xié)整關(guān)系：

H0：γ=θ=0，H0：γ=0，H0：θ=0。

根據(jù)Pesaran等人（2001）協(xié)整檢驗需要做F檢驗或t檢驗，以下假設(shè)：

H0：θ1=θ2=θ3=0或H0=θ1。

然而，McNown等人（2017）建議添加三個檢驗為區(qū)分協(xié)整和非協(xié)整的必要條件。McNown等人（2017）要求協(xié)整必須拒絕所有三個虛擬假設(shè)。

虛無假設(shè)誤差項F1檢驗為H0：θ1=θ2=θ3。

滯后因變量的t檢驗為H0：θ1=0。

滯后自變量的F2檢驗為H0：θ1=θ2=θ3=0。

基于三個虛無假設(shè)，McNown等人（2017）解釋Pesaran等（2001）的兩個退化情況。僅呈現(xiàn)情況#2的臨界值。兩個退化案例如下：

退化情況#1，滯后因變量的F1檢驗和t檢驗是顯著的，但對滯后自變量的F2檢驗是不顯著的。

退化情形#2，滯后因變量的F1檢驗和F2檢驗是顯著的，但滯后因變量的t檢驗是不顯著的。本文發(fā)現(xiàn)Pesaran等人（2001）的ARDL邊界檢驗排除退化情況#1，如果他們不考慮因變量的積分順序必須是I（1）。但是，McNown等人（2017）采用Bootstrap ARDL檢驗，通過對滯后自變量系數(shù)的附加檢驗來解決這個問題。

如果因變量和自變量之間存在協(xié)整關(guān)系，則上述三個虛擬假設(shè)將同時被拒絕，并且解釋變量和解釋變量是穩(wěn)定的線性重合。Granger因果檢驗在Bootstrap ARDL模型的基礎(chǔ)上，我們可以檢驗碳能源消耗、出口和FDI三個變量之間的短期因果關(guān)系。如果它們在y，x和z之間沒有協(xié)整關(guān)系，則可檢驗了長期因果關(guān)系。我們對x和z使用Granger因果關(guān)系檢驗，其中應(yīng)包括x或z上的滯后期數(shù)。我們將要檢驗γ2=0或γ3=0。如果在因變量和自變量之間存在協(xié)整，則這意味著它們形成固定的線性組合。在這種情況下，短期關(guān)系檢驗應(yīng)包括x或z的滯后差異以及x或z的滯后水平;也就是說，檢驗γ2和θ2或γ3和θ3。

（二）實證過程分析

1. 單位根檢驗

本文用DF、ADF和PP三種單位根檢驗來確定變速的平穩(wěn)性（如表2）。

單位根檢驗結(jié)果表明在水平項I（0）檢驗看來（如表2），經(jīng)濟增長僅在DF單位根檢驗上的無截距與無趨勢項呈現(xiàn)平穩(wěn)I（0）的狀態(tài);碳能源消耗、出口與FDI，無論是DF、ADF和PP單位根檢驗都有部分呈現(xiàn)平穩(wěn)I（0）的狀態(tài)（如表2），但并不足以表明這三續(xù)列為穩(wěn)定序列。由于Bootstrap ADRL是檢測變量之間長期協(xié)整關(guān)系，三個變量必須是在I（0）或是I（1）的狀態(tài)，才能進行檢測。水平項I（0）檢驗的平穩(wěn)度不佳，因而需要繼續(xù)進行一階差分的單位根檢驗。一階差分單位根檢驗結(jié)果表明，本文使用的三個變量，無論是在DF、ADF和PP單位根檢驗都有呈現(xiàn)顯著的平穩(wěn)性，可表明這三個變量在I（1）的狀態(tài)下，為不具有單位根的穩(wěn)定序列（如表3）。

2. 最佳滯后期檢驗

在完成單位根檢驗后，需要確定AIC信息標準。因為ADF方法或PP方法需要確定最佳后向時段，所以有必要校正剩余項的自相關(guān)問題以使剩余項是白噪聲過程。一方面如果添加的滯后期過多，則拒絕原假設(shè)的能力會降低;另一方面如果我們在模型中添加的滯后期太少，將無法完全糾正由移動平均值引起的閾值增加的缺點;所以有必要確定這些滯后期是何值。不同的滯后期經(jīng)常影響最終分析的結(jié)果，因此，選擇滯后期數(shù)是非常必要的。在本文中，我們選擇一個廣泛使用的金融和經(jīng)濟行業(yè)，使用AIC標準來判斷和選擇最小的AIC作為最佳滯后期。

3. 矢量自回歸模型（VAR）

當多元時間序列模型由線性回歸表示時，它意味著變量之間因果關(guān)系的假設(shè)。然而，由于經(jīng)濟系統(tǒng)的微妙運作，有時無法區(qū)分模型中的變量和內(nèi)生變量。因此在識別方面會造成困難。Sims（1980）提出了矢量自回歸模型（VAR）來解決結(jié)構(gòu)模型識別問題。Sims認為，經(jīng)濟活動的特征將在數(shù)據(jù)中隨時間完全反映出來，因此數(shù)據(jù)本身可以直接分析。很容易理解經(jīng)濟活動的本質(zhì)，因此可以在不知道經(jīng)濟理論中這些內(nèi)生變量的確切關(guān)系的情況下進行結(jié)構(gòu)設(shè)置。在VAR模型中，所有變量都被視為內(nèi)生變量，因此沒有必要區(qū)分內(nèi)生變量或外生變量，以及用一組回歸方程來探索變量之間的關(guān)系，每個回歸方程都是變量的后向其他變量的后向用作解釋變量。所以，VAR模型更符合時間序列分析的精神;因為時間序列分析認為變量的后向項涵蓋所有相關(guān)信息。從VAR的檢驗當中，我們發(fā)現(xiàn)以碳能源消耗為因變量，出口和FDI為自變量的關(guān)系式中的落后期數(shù)為：碳能源消耗為1期、出口為1期，F(xiàn)DI則為0期;以出口為因變量，F(xiàn)DI和碳能源消耗為自變量的關(guān)系式中的落后期數(shù)為：出口為1期，F(xiàn)DI則為0期、碳能源消耗為2期;以FDI為因變量，碳能源消耗和出口為自變量的關(guān)系式中的落后期數(shù)為：FDI為1期，碳能源消耗為0期、出口則為1期（如表4）。

注：LCCO表示經(jīng)濟增長;LFDP表示金融發(fā)展;LCPI表示消費水平;F1是y（-1），x1（-1）和x2（-1）系數(shù)的F統(tǒng)計量;F2是系數(shù)x1（-1）和x2（-1）的F統(tǒng)計量;t表示y（-1）系數(shù)的t統(tǒng)計量。D ##是指當年的虛擬變量。帶有星號*的符號表示基于McNown等人（2017）提出的Bootstrap方法生成的臨界值的10%水平的顯著性。

4. Bootstrap ARDL檢驗

表4的長期協(xié)整分析中，以我國碳能源消耗為因變量，出口和FDI為自變量，在碳能源消耗及出口滯后一期下，三者之間有長期的協(xié)整關(guān)系;而以我國出口為因變量，F(xiàn)DI和碳能源消耗為自變量，以及以FDI為因變量，碳能源消耗和出口為自變量，在相關(guān)滯后期下，三者之間則沒有長期的協(xié)整關(guān)系;但后者為McNown等人（2017）所說，屬于退化情況#1，不存在協(xié)整關(guān)系。從表4可以看出，能源消費有虛擬變量為1992、2004及2009年（斷點），出口有1991、2002及2007年三個虛擬變量（斷點），而FDI則在1992年產(chǎn)生虛擬變量（斷點）。本文在做長期Granger因果關(guān)系檢驗時（如表5），出口在滯后一期下，對碳能源消耗滯后一期（P值=0.6990）并無顯著的影響，F(xiàn)DI對碳能源消耗滯后一期（P值=0.4281），亦不顯著。

當檢驗短期Granger因果關(guān)系（如表6），我們發(fā)現(xiàn)碳能源消耗與出口同在滯后一期的情況下存在顯著的因果關(guān)系（P值=0.0078）;碳能源消耗對FDI則不顯著（P值=0.5881）;滯后一期的出口對滯后二期的碳能源消耗有顯著的影響（P值=0.0455），對FDI則因果關(guān)系不顯著（P值=0.1670）;滯后一期的FDI對碳能源消耗有顯著的因果關(guān)系（P值=0.0083），對同是滯后一期的出口則亦有顯著的因果關(guān)系（P值=0.0001）。

注：星號***，**和*分別表示1%，5%和10%水平，（+）， （–）表示正向和反向的符號。[.]是p值的表征系數(shù)。非協(xié)整性及其因果關(guān)系檢驗僅涉及滯后變量。

注：星號***， **和*分別表示1%， 5%和10%水平，（+）， （–）表正向和反向的符號。[.]是p值的表征系數(shù)。非協(xié)整性及其因果關(guān)系檢驗僅涉及滯后變量。

四、結(jié)語

基于Bootstrap程序的所提出的新ARDL檢驗是比Pesaran等人（2001）更強大且更少偏向的協(xié)整檢驗。自變量滯后的Bootstrap檢驗顯示了合理的規(guī)模和功能特性（McNown等，2017）。本文用Bootstrap ARDL的方法檢驗我國碳能源消耗、出口和FDI三變量之間的協(xié)整關(guān)系，發(fā)現(xiàn)三變量之間存在協(xié)整關(guān)系;當FDI為因變量，碳能源消耗和出口為自變量，則呈現(xiàn)McNown等人（2017）描述退化#1的情況;在短期因果關(guān)系檢驗中，碳能源消耗、出口和FDI這三個變量的相關(guān)性是高的，彼此之間都呈現(xiàn)相當?shù)娘@著水平。這可以說明我國經(jīng)濟發(fā)展的進程中，無論是碳能源消耗對出口、出口對碳能源消耗、外國直接投資對碳能源消耗或FDI對出口在滯后一期或二期的情況下都呈現(xiàn)一定程度的因果關(guān)系。

注 釋：

？譹？訛 不同的溫室氣體對全球變暖效應(yīng)的貢獻不同。政府間氣候變化專門委員會（IPCC）的第四份評估報告指出，在溫室氣體的總體變暖效應(yīng)中，二氧化碳（CO2）貢獻約63%，甲烷（CH4）貢獻18%，氧化亞氮（N2O）貢獻了約6%，其他貢獻約占13%。為了統(tǒng)一測量整體溫室效應(yīng)，需要一個可以比較不同溫室氣體排放的測量單元。由于CO2升溫效益的貢獻最大，因此二氧化碳當量是衡量溫室效應(yīng)的基本單位。二氧化碳當量與排放有關(guān)。氣體的二氧化碳當量是該氣體的噸數(shù)乘以其產(chǎn)生溫室效應(yīng)的指數(shù)。該氣體的溫室效應(yīng)指數(shù)稱為全球變暖潛勢（GWP），它取決于氣體的輻射特性和分子量，以及氣體濃度隨時間的變化。特定氣體的溫室氣候變暖潛力表明溫室氣體對應(yīng)于一個世紀以來二氧化碳相同的變暖效應(yīng)。正值表示氣體使地表變暖。根據(jù)定義，二氧化碳的全球升溫潛能值為1，其他溫室氣體的全球升溫潛能值通常大于二氧化碳，但由于其空氣含量低，二氧化碳仍被認為是造成溫室效應(yīng)的主要氣體。

資料來源：中國科學院蘭州文獻信息中心，氣候變化科學動態(tài)監(jiān)測快車，2017年第9期。

參考文獻：

[1] 楊博瓊，陳建國FDI對東道國環(huán)境污染影響的實證研究——基于我國省際面板數(shù)據(jù)的分析[J].國際貿(mào)易問題，2011，（3）：110-123.

[2] 嚴雅雪，齊紹洲.外商直接投資對中國城市霧霾（PM2.5）污染的時空效應(yīng)檢驗[J].中國人口資源與環(huán)境，2017，27（4）：68-77.

[3] 韓永輝，鄒建華.引資轉(zhuǎn)型、FDI質(zhì)量與環(huán)境污染——來自珠三角九市的經(jīng)驗證據(jù)[J].國際貿(mào)易問題，2015，（7）.

[4] 龔超，蘭天.中國區(qū)域貿(mào)易增長與環(huán)境污染的因子聚類分析[J].經(jīng)濟與管理，2008，（1）.

[5] 黃小兵，黃靜波.環(huán)境規(guī)制對企業(yè)生產(chǎn)率及其出口行為的影響[J].廣東財經(jīng)大學學報，2015，（1）.

[6] 黨玉婷，萬能.貿(mào)易對環(huán)境影響的實證分析——以中國制造業(yè)為例[J].世界經(jīng)濟研究，2007，（4）.

[7] 林伯強，劉泓汛.對外貿(mào)易是否有利于提高能源環(huán)境效率——以中國工業(yè)行業(yè)為例[J].經(jīng)濟研究，2015，（9）.

[8] 林季紅，劉瑩.內(nèi)生的環(huán)境規(guī)制：“污染天堂假說”在中國的再檢驗[J].中國人口.資源與環(huán)境，2013，（1）.

[9] 劉渝琳，鄭效晨，王鵬.FDI與工業(yè)污染排放物的空間面板模型分析[J].管理工程學報，2015，（2）.

[10] 劉玉博，汪恒.內(nèi)生環(huán)境規(guī)制、FDI與中國城市環(huán)境質(zhì)量[J].財經(jīng)研究，2016，（12）.

[11] 盧進勇，楊杰，邵海燕.外商直接投資、人力資本與中國環(huán)境污染——基于249個城市數(shù)據(jù)的分位數(shù)回歸分析[J].國際貿(mào)易問題， 2014，（4）.

[12] 于峰，齊建.我國外商直接投資環(huán)境效應(yīng)的經(jīng)驗研究[J].國際貿(mào)易問題，2007，（8）：104-112.

[13] 鄭強，冉光和，鄧睿，谷繼建.中國FDI環(huán)境效應(yīng)的再檢驗[J].中國人口·資源與環(huán)境，2017，27（4）：78-86.

[14] 張連眾，朱坦，李慕菡，張伯偉.貿(mào)易自由化對我國環(huán)境污染的影響分析[J].南開經(jīng)濟研究，2003，（3）：3-5.

[15] 李方靜，張靜.服務(wù)貿(mào)易自由化程度對企業(yè)出口決策的影響探析[J].世界經(jīng)濟研究，2018，（6）：44-57，108，136.

[16] Abdouli， M， and S. Hammami， Economic growth， FDI inflows and their impact on the environment： an empirical study for the MENA countries[J].Quality & Quantity， 2017，51（1）：121-146.

[17] Antweiler， W.， B. R. Copeland and M. S. Taylor， Is Free Trade Good for the Environment？[J].American Economic Review， 2001，91（4）：877-908.

[18] Asghari， M.， Does FDI Promote MENA Regions Environment Quality？ Pollution Halo or Pollution Haven Hypothesis [J]. International Journal of Scientific Research in Environmental Sciences （IJSRES）， 2013，1（6）：92-100.

[19] Beghin， J. and M. Potier， Effects of Trade Liberalization on the Environment in the Manufacturing Sector [J]. The World Economy， 1997，20（4）：435-456.

[20] Chichilnisky， G.， North-South Trade and the Global Environment[J]. American Economic Review， 1994，84（4）： 851-874.

[21] Cole， M. A.， Trade， the pollution haven hypothesis， and the environmental Kuznets curve： examining the linkages[J].Ecological Economics， 2004，48：71-81.

[22] Cole M. A.， R. J. R. Elliott， and J. Zhang， Growth， Foreign Direct Investment， and the Environment： Evidence from Chinese Cities[J].Journal of Regional Science， 2011，51（1）：121-138.

[23] Copeland， B. R. and M. S. Taylor， North-South Trade and the Environment [J].Quarterly Journal of Economics， 1994，109（3）：755-787.

[24] Dickey， D. A. and W. A. Fuller， Distribution of the Estimators for Autoregressive Time Series with a Unit Root [J]. Journal of the American Statistical Association， 1979，74：427-431.

[25] Frutosbencze， D.， K. Bukkavesa， and N. Kulvanich， Impact of FDI and trade on environmental quality in the CAFTA-DR region [J].Applied Economics Letters， 2017，24（19）：1393-1398.

[26] Fuller， W. A.， Introduction to Statistical Time Series [J]. John Wiley and Sons， New York， 1976：373.

[27] Goh， S. K.， and R. McNown， Examining the Exchange Rate-Regime Monetary Policy Autonomy Nexus： Evidence from Malaysia [J]. International Review of Economics and Finance， 2015，35：292-303.

[28] Granger， C. W. J.， Investigating Causal Relations by Econometric Models and Cross-spectral Methods [J]. Econometrica， 1969，37（3）：424-438.

[29] Grossman， G. M. and A. B. Krueger， Environmental Impacts of a North American Free Trade Agreement， General Information，NBER Working Papers，No. 3914，1993.

[30] Kim， M. and N. Adilov， The Lesser of Two Evils： An Empirical Investigation of FDI-Pollution Tradeoff [J]. Applied Economics， 2012，44：2597-2606.

[31] Lin， F.， Trade openness and air pollution： City-level empirical evidence from China. China Economic Review， 2017，45：78-88.

[32] McNown， R.， C. Y. Sam and S. K. Goh， Bootstrapping the Autoregressive Distributed Lag Test for Cointegration [J]. Applied Economics， 2017，21：1466-4283.

[33] Pesaran， M. H.， Y. Shin and R. J. Smith， Bounds testing approaches to the analysis of level relationships [J]. Journal of Applied Econometrics， 2001，16（3）：289-326.

[34] Phillips， P. C. B. and P. Perron， Testing for a unit root in time series regression [J]. Biometrika， 1988， 75（2）：335-346.

[35] Poelhekke， S. and F. Ploeg， Green havens and pollution havens[J].The World Economy， 2015，38（7）：1159-1178.

[36] Popp， D.， International Technology Transfer， Climate Change， and the Clean Development Mechanism[J].Review of Environmental Economics & Policy， 2011，5（1）：131-152.

[37] Porter， G.， Trade Competition and Pollution Standards： “Race to the Bottom” or “Stuck at the Bottom” [J]. Journal of Environment & Development， 1999，8（2）：133-151.

[38] Qureshi， M. S.， Trade Liberalization， Environment， and Poverty： A Developing Country Perspective [J]. Globalization and the Poor in Asia， 2008：250-287.

[39] Rauscher， M.， International Trade， Factor Movements， and the Environment. Oxford： Clarendon Press， 1997.

[40] Runge， C. F.， Globalization and Sustainability： The Machine in the Global Garden. Working Paper， University of Minnesota， 1997.

[41] Shahbaz， M.， S. Nasree， F. Abbas， and O. Anis， Does foreign direct investment impede environmental quality in high-， middle-， and low-income countries？ [J]. Energy Economics， 2015，（51）：275-287.

[42] Sims， C. A.， Macroeconomics and Reality [J]. Economertica， 1980，48（1）：1-48.

[43] Taylor， M. S.， Unbundling the Pollution Haven Hypothesis[J].Advances in Economic Analysis & Policy， 2004，4（2）：8.

[44] Walter， I. and J. Ugelow， Environmental Policies in Developing Countries[J].AMBIO，1979，8（2）：102-109.