李素芳 徐鈺楚 王定國(guó)

[摘?要]?構(gòu)建雙機(jī)制的非線性FAVAR模型，從貝葉斯角度出發(fā)，研究中國(guó)高耗能行業(yè)能源消費(fèi)對(duì)宏觀經(jīng)濟(jì)以及環(huán)境污染因素的影響效應(yīng)。利用中國(guó)高耗能行業(yè)的能源消費(fèi)以及廢氣排放數(shù)據(jù)，結(jié)合貝葉斯方法進(jìn)行非線性FAVAR模型的參數(shù)估計(jì)，結(jié)果發(fā)現(xiàn)中國(guó)高耗能行業(yè)的能源消費(fèi)增加和減少對(duì)國(guó)內(nèi)生產(chǎn)總值、外商直接投資等宏觀經(jīng)濟(jì)因素以及主要環(huán)境污染因素都具有非對(duì)稱影響效應(yīng)。但是，高耗能能源消費(fèi)增加或減少的沖擊一般都是短期效應(yīng)，不具有長(zhǎng)期影響效應(yīng)。

[關(guān)鍵詞]?非對(duì)稱效應(yīng);非線性;貝葉斯分析;高耗能;能源消費(fèi)

[中圖分類號(hào)]??F224.0[文獻(xiàn)標(biāo)識(shí)碼] A?[文章編號(hào)] 1008—1763（2020）01—0058—09

The?Bayesian?Asymmetric?Influence?of?Energy?Consumption

in?Chinese?EnergyIntensive?Industries

LI?Sufang，?XU??Yuchu，?WANG??Dingguo

（School?of?Statistics?and?Mathematics，?Zhongnan?University?of?Economics?and?Law，?Wuhan?430073，?China）

Abstract：This?paper?proposes?tworegime?nonlinear?FAVAR?model，?and?from?the?perspective?of?Bayesian?analysis，?the?influence?of?energy?consumption??to?macroeconomics?and?environmental?pollution?variables?are?studied?in?Chinese?energyintensive?industries.?Nationally，?energy?consumption?and?exhaust?emissions?data?of?Chinese?energyintensive?industries?are?collected.?Nonlinear?FAVAR?model?is?used?to?examine?the?asymmetric?influence?of?energy?consumption.?The?results?suggest?that?there?exists?asymmetric?effects?from?energy?consumption?increase?or?decrease?to?GDP，?FDI?and?the?main?environmental?pollution?variables.?However，?these?effects?are?generally?temporary.

Key?words：?asymmetry;?nonlinear;?Bayesian?analysis;?energyintensive;?energy?consumption

一?引?言

自改革開放以來(lái)，我國(guó)經(jīng)濟(jì)以平均10%左右的速度增長(zhǎng)[1]，工業(yè)化和城市化進(jìn)程持續(xù)加快，能源作為人類生存、社會(huì)進(jìn)步、經(jīng)濟(jì)發(fā)展不可缺少的物質(zhì)基礎(chǔ)，對(duì)我國(guó)經(jīng)濟(jì)發(fā)展和人民生活水平的提高起著重要作用。根據(jù)《中國(guó)統(tǒng)計(jì)年鑒》的數(shù)據(jù)資料，自上世紀(jì)90年代中期以來(lái)，能源消費(fèi)排名前10位的高耗能行業(yè)的能源消費(fèi)占總能源消費(fèi)的56.7%，占工業(yè)部門能源消費(fèi)量的81.6%。尤其在當(dāng)前環(huán)境問題日益凸顯的形勢(shì)下，“可持續(xù)發(fā)展”理論應(yīng)運(yùn)而生，如何處理能源消費(fèi)與環(huán)境污染、經(jīng)濟(jì)發(fā)展之間的關(guān)系，中國(guó)能源消費(fèi)應(yīng)該以怎樣的趨勢(shì)發(fā)展才能達(dá)到能源利用節(jié)約型的經(jīng)濟(jì)可持續(xù)發(fā)展，成為實(shí)務(wù)界和理論界需要廣泛關(guān)注的問題。因此，在考慮環(huán)境污染因素的條件下，探索以高耗能行業(yè)為代表的能源消費(fèi)與經(jīng)濟(jì)發(fā)展之間長(zhǎng)期動(dòng)態(tài)關(guān)系具有重要的意義。能源消費(fèi)與經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系研究最初由Kraft?J.和Kraft?A.[2]進(jìn)行了開創(chuàng)性工作，隨后四十余年來(lái)，國(guó)內(nèi)外學(xué)者開展了大量深入的研究。但是，能源消費(fèi)與經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系到底如何至今仍然沒有形成一致結(jié)論?，F(xiàn)有的研究結(jié)論主要可以歸納為如下四種觀點(diǎn)：第一種觀點(diǎn)認(rèn)為能源消費(fèi)與經(jīng)濟(jì)增長(zhǎng)之間沒有因果關(guān)系[3-5]，也就是所謂的“中性假說(shuō)”，這就意味著減少能源消費(fèi)量不會(huì)影響經(jīng)濟(jì)增長(zhǎng);第二種觀點(diǎn)認(rèn)為存在經(jīng)濟(jì)增長(zhǎng)對(duì)能源消費(fèi)的單向因果關(guān)系[6][7]，即所謂的“能源節(jié)約假說(shuō)”，這就表明減少能源消費(fèi)對(duì)經(jīng)濟(jì)增長(zhǎng)沒有負(fù)面影響;第三種觀點(diǎn)認(rèn)為存在能源消費(fèi)導(dǎo)致經(jīng)濟(jì)增長(zhǎng)的單向因果關(guān)系[8][9]，也就是所謂的“經(jīng)濟(jì)增長(zhǎng)假說(shuō)”，這種情況下節(jié)約能源可能會(huì)對(duì)經(jīng)濟(jì)增長(zhǎng)有負(fù)面影響;第四種觀點(diǎn)認(rèn)為能源消費(fèi)與經(jīng)濟(jì)增長(zhǎng)間存在雙向因果關(guān)系[10][11]，也被稱為“反饋假說(shuō)”，這就意味著能源消費(fèi)和經(jīng)濟(jì)增長(zhǎng)是互相影響的。

現(xiàn)有的研究主要利用雙變量模型對(duì)單個(gè)國(guó)家或多個(gè)國(guó)家的能源消費(fèi)——經(jīng)濟(jì)增長(zhǎng)關(guān)系進(jìn)行考察。Zhang和Cheng[12]研究了1960-2007年期間中國(guó)能源消費(fèi)，碳排放和經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系，發(fā)現(xiàn)能源節(jié)約政策對(duì)經(jīng)濟(jì)增長(zhǎng)幾乎沒有負(fù)面影響;謝志明等[13]考察發(fā)現(xiàn)能源強(qiáng)度與CO2排放之間存在顯著相關(guān)性與長(zhǎng)期均衡性?？傮w而言，目前對(duì)中國(guó)高耗能行業(yè)能源消費(fèi)的影響因素分析，以及其與環(huán)境污染、經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系研究還較少，例如，沈可挺和龔健健[14]利用方向性距離函數(shù)和非參數(shù)數(shù)據(jù)包絡(luò)方法分析了高耗能產(chǎn)業(yè)環(huán)境全要素生產(chǎn)率的行業(yè)和省際差異基礎(chǔ)上對(duì)其影響因素進(jìn)行了實(shí)證研究;牛雄鷹和丁言喬[15]發(fā)現(xiàn)我國(guó)當(dāng)期對(duì)外直接投資對(duì)“一帶一路”沿線國(guó)家的碳排放有惡化作用，但是滯后一期的對(duì)外直接投資可以降低沿線國(guó)家碳排放;柳瑞禹和葉子菀[16]則研究了中國(guó)高耗能行業(yè)電力消費(fèi)與宏微觀經(jīng)濟(jì)變量之間的動(dòng)態(tài)關(guān)系。黃曉鳳和陳永康[17]發(fā)現(xiàn)2005年至2015年間我國(guó)農(nóng)業(yè)技術(shù)創(chuàng)新總體上是偏向非能源要素的使用，即資本和勞動(dòng)。與以往研究不同，本文利用大量變量、大規(guī)模數(shù)據(jù)，結(jié)合貝葉斯非線性FAVAR模型研究高耗能行業(yè)為代表的中國(guó)能源消費(fèi)與經(jīng)濟(jì)增長(zhǎng)之間的非對(duì)稱效應(yīng)，克服了數(shù)據(jù)潛在的測(cè)量誤差，有效彌補(bǔ)了以往研究所采用的主要多變量模型（如VAR、VECM、SVAR等）變量少、信息有限等缺陷，同時(shí)能夠解決中國(guó)由于經(jīng)歷了快速的機(jī)構(gòu)和結(jié)構(gòu)變化而導(dǎo)致的缺乏長(zhǎng)時(shí)期時(shí)間序列的難題。特別地，利用貝葉斯方法進(jìn)行非線性FAVAR模型的估計(jì)，能夠解決模型的高維度問題，并且，貝葉斯方法融合了先驗(yàn)歷史信息和樣本信息，有助于提高模型分析的精度。

二?非線性FAVAR模型的構(gòu)建

在實(shí)際經(jīng)濟(jì)運(yùn)行中能源消費(fèi)可能直接或間接地影響著眾多的宏微觀經(jīng)濟(jì)因素，政策制定者需要考慮的經(jīng)濟(jì)因素很多，而以往通常運(yùn)用的VAR、VECM、SVAR以及DSGE等計(jì)量經(jīng)濟(jì)模型最多可以處理12個(gè)經(jīng)濟(jì)變量，無(wú)法反映所有的經(jīng)濟(jì)信息[18]，顯然很難直接觀察和測(cè)量到能源消費(fèi)影響宏微觀經(jīng)濟(jì)的所有信息。Bernanke等[18]提出的FAVAR模型從根本上解決了上述問題，其具體方法是用主成分分析法從高維的經(jīng)濟(jì)信息集中提取少數(shù)幾個(gè)宏觀共同因子，再使用提取的宏觀共同因子與政策變動(dòng)因子建立VAR模型。因此，F(xiàn)AVAR模型為綜合研究能源消費(fèi)與經(jīng)濟(jì)增長(zhǎng)之間的動(dòng)態(tài)關(guān)系提供了一個(gè)很好的計(jì)量經(jīng)濟(jì)框架。

假設(shè)Xt為t時(shí)期的N維可觀測(cè)變量，F(xiàn)t是從大量數(shù)據(jù)集中提取的K維不可觀測(cè)共同因子，反映了t時(shí)期大量數(shù)據(jù)集中變量的共同趨勢(shì)，這些不可觀測(cè)因子Ft可以理解成不能由一兩個(gè)指標(biāo)刻畫，而需要用一系列經(jīng)濟(jì)變量來(lái)反映的經(jīng)濟(jì)活動(dòng)或者政策因素。Yt是M維影響經(jīng)濟(jì)動(dòng)態(tài)的可觀測(cè)變量，在此，能源消費(fèi)就是可觀測(cè)變量，記為ENEt，同時(shí)，考慮到環(huán)境污染因素的影響，引入與高耗能行業(yè)環(huán)境污染密切相關(guān)的三個(gè)可觀測(cè)變量，即三個(gè)空氣污染指標(biāo)：工業(yè)二氧化硫（SO2）、二氧化碳（CO2）和工業(yè)煙粉塵排放量，分別記為SO2t，CO2t和SMOt。根據(jù)Bernanke等[18]提出的FAVAR模型，不可觀測(cè)因子和可觀測(cè)變量的聯(lián)合動(dòng)態(tài)（Ft，Yt）服從VAR過(guò)程，其具體形式如下：

FtYt=Φ（L）Ft-1Yt-1+υt，t=1，2，…，T（1）

其中Φ（L）為p階滯后算子多項(xiàng)式，υt是均值為0、協(xié)方差矩陣為Q的隨機(jī)誤差項(xiàng)，并且，假定信息時(shí)間序列變量Xt與不可觀測(cè)因子Ft、觀測(cè)變量Yt相關(guān)，有如下測(cè)量方程：

Xt=ΛfFt+ΛyYt+εt（2）

此處，Λf是N×K的因子載荷矩陣，Λy是可觀測(cè)變量的N×M的因子載荷矩陣，誤差項(xiàng)εt的均值為0，協(xié)方差為對(duì)角陣R，從而使得可觀測(cè)變量的誤差項(xiàng)是互不相關(guān)的。

方程（1）和（2）共同構(gòu)成了FAVAR模型，對(duì)于模型Ft中的估計(jì)，Boivin等[19]提出了一種新的反復(fù)迭代估計(jì)法。由于經(jīng)濟(jì)社會(huì)背景復(fù)雜化，能源消費(fèi)對(duì)經(jīng)濟(jì)和環(huán)境的影響可能不一定是線性的，而存在非對(duì)稱等非線性特征。因此，為了研究中國(guó)高耗能行業(yè)能源消費(fèi)對(duì)經(jīng)濟(jì)和環(huán)境潛在的非對(duì)稱影響效應(yīng)，則要考察如下非線性FAVAR模型，其測(cè)量方程為：

Xt=ΛfFt+ΛyYt+Λ1ΔENEtI（ΔENEt0）+Λ2ΔENEtI（ΔENEt<0）+εt?（3）

在此，ΔENEt為能源消費(fèi)變量的一階差分，表示能源消費(fèi)的變化情況，I（·）是示性函數(shù)，Λ1，Λ2為可觀測(cè)變量能源消費(fèi)變化的因子載荷矩陣，表明在能源消費(fèi)增加和減少兩個(gè)不同機(jī)制下的特征。此時(shí)，相應(yīng)的VAR模型為：

FtYt=Φ（L）Ft-1Yt-1+ΔZt-1+υt（4）

其中ΔZt-1=Ψ1（L）ΔENEt-1I（ΔENEt-10）+Ψ2（L）ΔENEt-1I（ΔENEt-1<0），Φ（L），Ψ1（L）和Ψ2（L）為p階滯后系數(shù)矩陣。

三?非線性FAVAR模型的貝葉斯估計(jì)

（一）模型參數(shù)的初始值選擇及貝葉斯估計(jì)

由于貝葉斯方法能夠解決FAVAR模型的高維度問題，在此利用貝葉斯似然方法和多步Gibbs抽樣進(jìn)行模型估計(jì)，從而，可以同時(shí)估計(jì)上述非線性FAVAR模型的因子和動(dòng)態(tài)過(guò)程。為了通過(guò)似然方法同時(shí)估計(jì)方程（3）和（4），將上述非線性FAVAR模型寫成如下狀態(tài)空間模型形式：

XtYt=

ΛyIΛf0Λ10Λ20YtFtΔENEtI（ΔENEt≥0）ΔENEtI（ΔENEt<0）+

εt0?（5）

FtYt=Φ（L）Ft-1Yt-1+ΔZt-1+υt（6）

其中εt～iid（0，R），υt～iid（0，Q），式（5）表示測(cè)量方程，式（6）表示狀態(tài)方程。

記X′t=（X′t，Y′t）′，u′t=（ε′t，0）′，F(xiàn)′it=（F′it，Y′t，ΔENE′t）′，i=1，2，，則式（5）和（6）又可以寫成

Xt=A1FitI（ΔENEt≥0）+A2FitI（ΔENEt<0）+ut（7）

Fit=Ψ1（L）Fi，t-1I（ΔENEt≥0）+

Ψ2（L）Fi，t-1I（ΔENEt<0）+υt?（8）

當(dāng)ΔENEt≥0時(shí)，令模型參數(shù)為Θ1=（A1，R1，vec（Ψ1），Q1）和因子F1tTt=1，當(dāng)ΔENEt<0時(shí)，令模型參數(shù)為Θ2=（A2，R2，vec（Ψ2），Q2）和因子F2tTt=1，此處，vec（Ψ1）和vec（Ψ2）為Ψ1和Ψ2的拉直算子。

令T=（X1，X2，…，XT）和iT=（Fi1，F(xiàn)i2，…FiT）分別為X和F的歷史，則iT和Θi的邊緣后驗(yàn)密度分別為p（iT）=∫p（iT，Θi）dΘi，p（Θi）=∫p（iT，Θi）diT，在此，p（iT，Θi）為聯(lián)合后驗(yàn)密度，iT和Θi邊緣后驗(yàn)密度分別為聯(lián)合后驗(yàn)密度關(guān)于支撐Θi和iT積分，iT和Θi的估計(jì)即為這些邊緣后驗(yàn)密度的中位數(shù)或均值。

為了得到iT和Θi的邊緣后驗(yàn)密度的經(jīng)驗(yàn)估計(jì)，利用多步Gibbs抽樣估計(jì)狀態(tài)空間模型（7）和（8），具體步驟如下：

步驟一?初始化Θi，記為Θ（0）i;

步驟二?從條件密度p（iT丨T，Θ（0）i）抽?。?）iT;

步驟三?從條件密度p（Θi丨T，（1）iT）抽取Θ（1）i。

重復(fù)步驟一至三，迭代s次，直到（s）iT和Θ（s）i的經(jīng)驗(yàn)分布收斂。特別地，隨著迭代次數(shù)s→SymboleB@

，（s）iT和Θ（s）i的邊緣分布和聯(lián)合分布都以指數(shù)速度收斂到相應(yīng)的準(zhǔn)確分布，因此，基于（（s）iT，Θ（s）i）進(jìn)行貝葉斯推斷，取s≥B，要求B足夠大，以保證算法的收斂性，從而可以用抽樣序列{（s）iT，Θ（s）i}Ss=B的中位數(shù)和分位數(shù)估計(jì)上述非線性FAVAR模型的模型參數(shù)，因子以及相應(yīng)的置信區(qū)間。

1.初始值Θ（0）i選擇

在此，可以采用模型（7）的主成分估計(jì)和模型（8）的參數(shù)估計(jì)作為參數(shù)的初始值，同時(shí)要求這些參數(shù)的估計(jì)滿足正則化條件，即載荷矩陣

Ai=ΛyiIΛfi0Λi0=（0，IK，0），i=1，2;

同樣，也可以設(shè)置如下初始值：Λyi=0，Λfi=0，Λi=0，Ri=I，vec（Φi）=0，vec（Ψi）=0，Qi=I其中，0和I分別為零矩陣和單位陣。

2.因子iT的條件分布

假設(shè)給定參數(shù)空間Θi的超參數(shù)，則生成狀態(tài)向量的條件分布可以表示為每個(gè)時(shí)刻t處因子的條件分布的乘積：

p（iT丨T，Θi）=p（FiT丨T，

Θi）∏T=1t=1p（Fit丨Fi，t+1，T，Θi）（9）

此處t=（X1，X2，…Xt）。上式依賴于Fit的馬爾可夫性質(zhì)，即p（Fit|Fi，t+1，F(xiàn)i，t+2，…，F(xiàn)iT，XT，Θi）=p（Fit|Fi，t+1，Xt，Θi）。同時(shí)，由于狀態(tài)空間模型是線性正態(tài)的，所以有

FiTT，ΘiN（FiTT，PiTT）（10）

Fit丨Fi，t+1，T，ΘiN（Fit丨Fi，t+1，PitFi，t+1），

t=T-1，T-2，…，1（11）

其中

FiTT=E（FiTT，Θi）（12）

PiTT=Cov（（FiTT，Θi）（13）

Fitt，F(xiàn)i，t+1=E（FitFi，t+1，t，Θi）=E（FitFi，t+1，F(xiàn)itt，Θi）（14）

Fitt，F(xiàn)i，t+1=Cov（FitFi，t+1，t，Θi）=

Cov（FitFi，t+1，F(xiàn)itt，Θi）（15）

在此，F(xiàn)itt表示在時(shí)刻t或更早時(shí)刻的信息條件下Fit的期望。從而令因子的初始值為0，協(xié)方差矩陣為單位陣，在Θi和數(shù)據(jù)t的條件下，首先利用Kalman濾波計(jì)算Fitt和Pitt，t=1，2，…，T;濾波的最后一次迭代得到FiTT?和PiTT，結(jié)合式（10）可以抽取FiT的一個(gè)值。然后將此抽樣值作為額外信息，取后退一個(gè)時(shí)間點(diǎn)的樣本，利用Kalman濾波獲得Fi，T-1丨T-1，F(xiàn)iT和Pi，T-1丨T-1，，F(xiàn)iT;結(jié)合式（11）抽取Fi，T-1的一個(gè)值;用類似方法繼續(xù)抽取Fit的值，t=T-2，T-3，…，1。

根據(jù)模型（7）和（8），分解出能源消費(fèi)沖擊通過(guò)K+1維載荷矩陣中對(duì)應(yīng)宏觀因子信息集指標(biāo)的行向量對(duì)相應(yīng)指標(biāo)的影響。特別地，我們考察了黑色金屬冶煉及壓延加工業(yè)，非金屬礦物制品業(yè)，煤炭開采和洗選業(yè)，化學(xué)原料及化學(xué)制品制造業(yè)，電力、熱力的生產(chǎn)和供應(yīng)業(yè)，石油加工、煉焦及核燃料加工業(yè)，有色金屬冶煉及壓延加工業(yè)，紡織業(yè)與造紙及紙制品業(yè)九大高耗能行業(yè)的能源消費(fèi)增加和能源消費(fèi)減少?zèng)_擊對(duì)宏觀經(jīng)濟(jì)和環(huán)境污染因素的影響效應(yīng)。由于篇幅限制，這里只給出煤炭開采和洗選業(yè)在能源消費(fèi)增加和能源消費(fèi)減少兩種不同機(jī)制下的脈沖響應(yīng)圖，其他幾個(gè)高耗能行業(yè)的脈沖響應(yīng)的幅度和時(shí)期各有不同，但是其影響的大體趨勢(shì)基本類似。圖1（a）-（c）分別給出了煤炭開采和洗選業(yè)的能源消費(fèi)增加和減少?zèng)_擊對(duì)幾個(gè)宏觀經(jīng)濟(jì)變量的非對(duì)稱脈沖響應(yīng)。可以看出，煤炭開采和洗選業(yè)的能源消費(fèi)增加和能源消費(fèi)減少?zèng)_擊對(duì)國(guó)內(nèi)生產(chǎn)總值（GDP）、外商直接投資以及全部在崗職工數(shù)的影響效應(yīng)是非對(duì)稱的，能源消費(fèi)增加導(dǎo)致國(guó)內(nèi)生產(chǎn)總值、外商直接投資以及全部在崗職工數(shù)增加，反之亦然。這與經(jīng)濟(jì)理論的解釋基本一致，短期內(nèi)，能源消費(fèi)增加意味著經(jīng)濟(jì)處于上行階段，經(jīng)濟(jì)活力很好，GDP增加，F(xiàn)DI也會(huì)增加，失業(yè)人數(shù)降低;反之，能源消費(fèi)減少可能會(huì)對(duì)工業(yè)生產(chǎn)等產(chǎn)生直接影響，繼而減少GDP和FDI，導(dǎo)致失業(yè)人數(shù)增加。特別地，在能源消費(fèi)減少?zèng)_擊下，國(guó)內(nèi)生產(chǎn)總值、外商直接投資以及全部在崗職工數(shù)首先減少，繼而，能源消費(fèi)減少的沖擊作用逐漸變小，其波動(dòng)逐漸被經(jīng)濟(jì)完全接受，國(guó)內(nèi)生產(chǎn)總值、外商直接投資以及全部在崗職工數(shù)逐漸增加，慢慢達(dá)到基本穩(wěn)定趨勢(shì)。另一方面，能源消費(fèi)減少的傳導(dǎo)速度要比能源消費(fèi)增加的傳導(dǎo)作用速度快，從圖形的趨勢(shì)可以看出能源消費(fèi)增加或減少的沖擊一般都是短期效應(yīng)，而不具有長(zhǎng)期影響，而隨著時(shí)間推移，能源消費(fèi)的波動(dòng)被經(jīng)濟(jì)完全接受，非對(duì)稱效應(yīng)就會(huì)減少。這表明，減少能源消費(fèi)的政策如果實(shí)施有度，在長(zhǎng)期來(lái)看對(duì)經(jīng)濟(jì)的沖擊會(huì)弱化，其非對(duì)稱影響效應(yīng)也會(huì)減弱。

（a1）第一機(jī)制中GDP的脈沖響應(yīng)

（a2）第二機(jī)制中GDP的脈沖響應(yīng)

（b1）第一機(jī)制中外商直接投資的脈沖響應(yīng)

（b2）第二機(jī)制中外商直接投資的脈沖響應(yīng)

（c1）第一機(jī)制中全部在崗職工數(shù)的脈沖響應(yīng)

（c2）第二機(jī)制中全部在崗職工數(shù)的脈沖響應(yīng)

圖1?能源消費(fèi)沖擊對(duì)幾個(gè)宏觀經(jīng)濟(jì)變量的非對(duì)稱脈沖響應(yīng)圖

同時(shí)，圖2（a）-（d）則分別給出了煤炭開采和洗選業(yè)的能源消費(fèi)增加和減少?zèng)_擊對(duì)能源消費(fèi)以及環(huán)境污染因素（包括二氧化碳（CO2）、工業(yè)二氧化硫（SO2）和工業(yè)煙（粉）塵（Smoker））的非對(duì)稱脈沖響應(yīng)。從圖中可以看出，煤炭開采和洗選業(yè)的能源消費(fèi)增加和能源消費(fèi)減少?zèng)_擊對(duì)能源消費(fèi)、二氧化碳、工業(yè)二氧化硫以及工業(yè)煙（粉）塵的影響也是非對(duì)稱的，煤炭開采和洗選業(yè)能源消費(fèi)增加導(dǎo)致其能源消費(fèi)增加，而煤炭開采和洗選業(yè)能源消費(fèi)減少對(duì)其能源消費(fèi)的沖擊作用不大，而且沒有長(zhǎng)期作用。另一方面，煤炭開采和洗選業(yè)能源消費(fèi)增加導(dǎo)致二氧化碳、工業(yè)二氧化硫以及工業(yè)煙（粉）塵排放量增加，其中，二氧化碳和工業(yè)煙（粉）塵排放量的增加速度更大，而煤炭開采和洗選業(yè)能源消費(fèi)減少首先會(huì)導(dǎo)致二氧化碳、工業(yè)二氧化硫以及工業(yè)煙（粉）塵排放量減少，然后隨著時(shí)間推移，二氧化碳、工業(yè)二氧化硫以及工業(yè)煙（粉）塵排放量逐漸增加，其增加速度越來(lái)越慢，直到最后趨于平緩。這種現(xiàn)象的原因可能是高耗能行業(yè)能源消費(fèi)減少會(huì)導(dǎo)致二氧化碳、工業(yè)二氧化硫以及工業(yè)煙（粉）塵排放量減少，同時(shí)，隨著時(shí)間推移，能源消費(fèi)減少的沖擊會(huì)逐漸被整個(gè)經(jīng)濟(jì)完全接受，并且，當(dāng)我國(guó)逐漸過(guò)渡到完全能源節(jié)約型工業(yè)，二氧化碳、工業(yè)二氧化硫以及工業(yè)煙（粉）塵排放量增加將會(huì)達(dá)到一個(gè)基本平緩穩(wěn)定的狀態(tài)。

另一方面，利用一般FAVAR模型進(jìn)行能源消費(fèi)、國(guó)內(nèi)生產(chǎn)總值、外商直接投資、全部在崗職工數(shù)、二氧化碳、工業(yè)二氧化硫以及工業(yè)煙（粉）塵排放量的脈沖響應(yīng)分析發(fā)現(xiàn)能源消費(fèi)對(duì)國(guó)內(nèi)生產(chǎn)總值、外商直接投資、全部在崗職工數(shù)、二氧化碳、工業(yè)二氧化硫以及工業(yè)煙（粉）塵排放量有正向沖擊作用，其脈沖響應(yīng)的幅度和時(shí)期與貝葉斯非線性FAVAR的結(jié)論不一致，這主要是由于一般FAVAR模型不能刻畫具有非線性特征的非對(duì)稱脈沖響應(yīng)?？梢姡?/p>

（a1）第一機(jī)制中能源消費(fèi)的脈沖響應(yīng)

（a2）第二機(jī)制中能源消費(fèi)的脈沖響應(yīng)

（b1）第一機(jī)制中CO2排放的脈沖響應(yīng)

（b2）第二機(jī)制中CO2排放的脈沖響應(yīng)

（c1）第一機(jī)制中SO2排放的脈沖響應(yīng)

（c2）第二機(jī)制中SO2排放的脈沖響應(yīng)

（d1）第一機(jī)制中煙粉塵排放的脈沖響應(yīng)

（d2）第二機(jī)制中煙粉塵排放的脈沖響應(yīng)

圖2?能源消費(fèi)沖擊對(duì)環(huán)境污染因素等的非對(duì)稱脈沖響應(yīng)圖

基于貝葉斯非線性FAVAR模型進(jìn)行分析能夠刻畫中國(guó)高耗能行業(yè)能源消費(fèi)潛在的非線性影響效應(yīng)，并且，利用貝葉斯方法進(jìn)行非線性FAVAR模型的估計(jì)，由于貝葉斯方法能夠融合先驗(yàn)歷史信息和樣本信息，所以能夠解決FAVAR模型的高維度問題，有助于提高模型參數(shù)估計(jì)的精度。

五?結(jié)束語(yǔ)

高耗能行業(yè)由于能源消費(fèi)高，行業(yè)產(chǎn)值大，產(chǎn)生的環(huán)境污染偏大等特點(diǎn)，越來(lái)越受到當(dāng)前能源節(jié)約型社會(huì)建設(shè)的關(guān)注。本文構(gòu)建雙機(jī)制的非線性FAVAR模型，結(jié)合貝葉斯參數(shù)估計(jì)方法，考察了黑色金屬冶煉及壓延加工業(yè)，非金屬礦物制品業(yè)，煤炭開采和洗選業(yè)，化學(xué)原料及化學(xué)制品制造業(yè)，電力、熱力的生產(chǎn)和供應(yīng)業(yè)，石油加工、煉焦及核燃料加工業(yè)，有色金屬冶煉及壓延加工業(yè)，紡織業(yè)與造紙及紙制品業(yè)九大高耗能行業(yè)的能源消費(fèi)增加（減少）沖擊對(duì)宏觀經(jīng)濟(jì)以及環(huán)境污染因素的非對(duì)稱影響效應(yīng)。由于FAVAR模型利用了中國(guó)的156個(gè)宏觀經(jīng)濟(jì)變量，基本集合了所有的中國(guó)宏觀經(jīng)濟(jì)信息，因此，能夠避免某些變量數(shù)據(jù)潛在的測(cè)量誤差問題。同時(shí)，由于貝葉斯方法能夠融合先驗(yàn)歷史信息和樣本信息，所以，利用貝葉斯方法進(jìn)行非線性FAVAR模型的參數(shù)估計(jì)，能夠解決FAVAR模型的高維度問題，從而有利于提高模型估計(jì)的準(zhǔn)確性。

實(shí)證結(jié)果表明，高耗能行業(yè)的能源消費(fèi)增加和減少對(duì)宏觀經(jīng)濟(jì)的影響是非對(duì)稱的：能源消費(fèi)增加會(huì)導(dǎo)致國(guó)內(nèi)生產(chǎn)總值、外商直接投資以及全部在崗職工數(shù)增加，反之亦然;繼而，能源消費(fèi)減少的沖擊作用逐漸變小，其波動(dòng)逐漸被經(jīng)濟(jì)完全接受，國(guó)內(nèi)生產(chǎn)總值、外商直接投資以及全部在崗職工數(shù)逐漸增加，慢慢達(dá)到基本穩(wěn)定趨勢(shì)。因此，如果高耗能行業(yè)由目前的高能耗逐漸過(guò)渡到節(jié)約型能源，其能源消費(fèi)的減少最初可能會(huì)對(duì)國(guó)民經(jīng)濟(jì)發(fā)展有短期負(fù)向刺激，導(dǎo)致國(guó)內(nèi)生產(chǎn)總值、外商直接投資以及就業(yè)人數(shù)減少，但是經(jīng)過(guò)一段時(shí)間的調(diào)整，能源消費(fèi)減少的沖擊作用會(huì)逐漸變小，國(guó)內(nèi)生產(chǎn)總值、外商直接投資以及就業(yè)人數(shù)都會(huì)逐漸上升，慢慢達(dá)到基本穩(wěn)定狀態(tài)。同時(shí)，高耗能行業(yè)的能源消費(fèi)增加和減少對(duì)環(huán)境污染因素的影響也呈現(xiàn)非對(duì)稱性，能源消費(fèi)增加會(huì)導(dǎo)致二氧化碳、工業(yè)二氧化硫以及工業(yè)煙（粉）塵排放量增加，能源消費(fèi)減少最初會(huì)導(dǎo)致二氧化碳、工業(yè)二氧化硫以及工業(yè)煙（粉）塵排放量減少，然后隨著時(shí)間推移，二氧化碳、工業(yè)二氧化硫以及工業(yè)煙（粉）塵排放量逐漸增加，其增加速度越來(lái)越緩慢，直到最后趨于平緩。這也充分說(shuō)明了節(jié)約型能源建設(shè)的必要性和迫切性。高耗能行業(yè)只有尋找到可替代的新能源，才能在既保證國(guó)民經(jīng)濟(jì)長(zhǎng)期發(fā)展的同時(shí)又解決了“高能耗、高污染”問題，達(dá)到行業(yè)增長(zhǎng)與節(jié)能減排有效結(jié)合的經(jīng)濟(jì)健康持續(xù)發(fā)展。

[參?考?文?獻(xiàn)]

[1]?張延群，婁峰.中國(guó)經(jīng)濟(jì)中長(zhǎng)期增長(zhǎng)潛力分析與預(yù)測(cè)：2008～2020年[J].?數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2009（12）：137-145.

[2]?Kraft?J.，?Kraft?A.?On?the?relationship?between?energy?and?GNP[J].?Journal?of?Energy?Development，?1978（3）：401-403.

[3]?Altinay?G.，?Karagol?E.?Structural?break，?unit?root，?and?the?causality?between?energy?consumption?and?GDP?in?Turkey[J].?Energy?Economics，?2004（6）：?985-994.

[4]?Jobert?T.，?Karanfil?F.?Sectoral?energy?consumption?by?source?and?economic?growth?in?Turkey[J].?Energy?Policy，?2007（35）：5447-5456.

[5]?Halicioglu?F.?An?econometric?study?of?CO2?emissions，?energy?consumption，?income?and?foreign?trade?in?Turkey[J].?Energy?Policy，?2009（37）：1156-1164.

[6]?Lise?W.，?Van?Montfort?K.?Energy?consumption?and?GDP?in?Turkey：?is?there?a?co-integration?relationship？[J].?Energy?Economics，?2007（29）：1166-1178.

[7]?Ang?J.B.?Economic?development，?pollutant?emissions?and?energy?consumption?in?Malaysia[J].?Journal?of?Policy?Modeling，?2008（30）：271-278.

[8]?Oh?W.，?Lee?K.?Causal?relationship?between?energy?consumption?and?GDP：?the?case?of?Korea?1970-1999[J].?Energy?Economics，?2004（1）：51-59.

[9]?Bowden?N.，?Payne?J.E.?The?causal?relationship?between?US?energy?consumption?and?real?output：?a?disaggregated?analysis[J].?Journal?of?Policy?Modeling，?2009（2）：180-188.

[10]Glasure?Y?U.?Energy?and?national?income?in?Korea：?further?evidence?on?the?role?of?omitted?variables[J].?Energy?Economics，?2002（24）：355-365.

[11]Erdal?G.，?Erdal?H.，?Esengun?K.，?2008.?The?causality?between?energy?consumption?and?economic?growth?in?Turkey[J].?Energy?Policy，?2008（10）：3838-3842.

[12]Zhang?X.P.，?Cheng?X.M.?Energy?consumption，?carbon?emissions，?and?economic?growth?in?China[J].?Ecological?Economics，?2009（68）：2706-2712.

[13]謝志明，晏奎，周樂明，楊盼盼.?經(jīng)濟(jì)增長(zhǎng)、能源轉(zhuǎn)型與CO2排放的長(zhǎng)期均衡——基于省級(jí)面板數(shù)據(jù)的實(shí)證分析[J].財(cái)經(jīng)理論與實(shí)踐，2017（6）：113-118.

[14]沈可挺，龔健健.?環(huán)境污染、技術(shù)進(jìn)步與中國(guó)高耗能產(chǎn)業(yè)——基于環(huán)境全要素生產(chǎn)率的實(shí)證分析[J].?中國(guó)工業(yè)經(jīng)濟(jì)，2011（12）：25-34.

[15]牛雄鷹，丁言喬.?我國(guó)對(duì)外直接投資對(duì)“一帶一路”沿線國(guó)家經(jīng)濟(jì)增長(zhǎng)的影響——基于碳排放的中介作用[J].西北師大學(xué)報(bào)（社會(huì)科學(xué)版），2019（3）：108-117.

[16]柳瑞禹，葉子菀.?高耗能行業(yè)電力消費(fèi)長(zhǎng)期波動(dòng)效應(yīng)研究[J].?中國(guó)管理科學(xué)，2014（6）：125-133.

[17]黃曉鳳，陳永康.?中國(guó)農(nóng)業(yè)能源偏向型技術(shù)創(chuàng)新測(cè)度及結(jié)構(gòu)優(yōu)化研究[J].?湖南大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2018（1）：100-107.

[18]Bernanke?B.S.，?Boivin?J.，?Eliasz?P.?Measuring?monetary?policy：?A?factor?augmented?vector?autoregression?（FAVAR）?approach[J].?Quarterly?Journal?of?Economics，?2005（120）：?387-422.

[19]Boivin?J.，?Giannoni?M.P.，?Mihov?I.?Sticky?prices?and?monetary?policy：?Evidence?from?disaggregated?U.S.?data[J].?American?Economic?Review，?2009（99）：350-384.

[20]Pan?J.，?Phillips?J.，?Ying?C.?Chinas?balance?of?emissions?embodied?in?trade：?Approaches?to?measurement?and?allocating?international?responsibility[J].?Oxford?Review?of?Economic?Policy，?2008（2）：354-376.

[21]陳詩(shī)一.能源消耗、二氧化碳排放與中國(guó)工業(yè)的可持續(xù)發(fā)展[J].?經(jīng)濟(jì)研究，2009（4）：41-55.

[22]李小平，盧現(xiàn)祥.國(guó)際貿(mào)易、污染產(chǎn)業(yè)轉(zhuǎn)移和中國(guó)工業(yè)CO2排放[J].經(jīng)濟(jì)研究，2010（1）：15-26.

[收稿日期]?2019-08-29

[基金項(xiàng)目]?國(guó)家自然科學(xué)基金項(xiàng)目：截面相依條件下的貝葉斯面板協(xié)整理論與應(yīng)用研究（71301166）;國(guó)家社會(huì)科學(xué)基金項(xiàng)目：貝葉斯面板數(shù)據(jù)非線性協(xié)整模型及應(yīng)用研究（18BTJ032）

[作者簡(jiǎn)介]?李素芳（1983—），女，湖南邵陽(yáng)人，中南財(cái)經(jīng)政法大學(xué)統(tǒng)計(jì)與數(shù)學(xué)學(xué)院副教授，博士。研究方向：金融計(jì)量經(jīng)濟(jì)模型及應(yīng)用。