上述研究结论表明,中国工业部门二氧化碳排放空间配置比例的变化对全要素生产率框架下碳生产率的变化具有显著的负向影响,而煤炭资源配置比例的变化又对二氧化碳排放配置有显著的正向影响。因此,本节将劳动、资本等要素从模型(5.8)中剔除,用煤炭资源配置比例代替二氧化碳排放空间配置比例,以全要素生产率研究框架下的碳生产率指数作为被解释变量,煤炭资源配置比例作为解释变量来分析煤炭资源配置比例变动对中国工业部门碳生产率的影响。
1.经济计量模型、变量及数据说明
使用的数据为中国工业部门1999—2016 年的36 个两位数行业面板数据,以碳生产率指数为被解释变量,煤炭资源配置比例为解释变量,构建如下面板数据模型:
式中,i 代表两位数行业,t 代表年份(1999,2000,…,2016),λi和ηt分别代表个体效应和时间效应,α0代表截距项。
2.模型设定检验
由上文的面板单位根检验可知,模型(5.18)中各变量均为平稳变量,因此可以直接进行模型的设定检验。
表5.16 中的Hausman 检验结果表明模型(5.18)为固定效应模型,进而需要进行固定效应显著性检验。表5.17 所示的检验结果表明,在α =0.05 的显著性水平下,模型(5.18)应为个体时间固定效应模型。
表5.16 Hausman 检验结果
(www.xing528.com)
表5.17 固定效应显著性检验结果
3.估计结果分析
表5.18 的结果显示,模型(5.18)存在显著的组间异方差,因此采用稳健型估计结果进行分析。
表5.18 组间异方差检验结果
从表5.19 中的估计结果可以看出,煤炭资源配置比例的变化对中国工业部门全要素生产率框架下的碳生产率具有非常显著的负向影响。因此,各两位数行业提高本行业碳生产率的一个重要途径就是努力降低本行业煤炭消费占整个工业部门煤炭消费的比例。这意味着相对减少煤炭消费量,可行的路径一方面是通过先进技术设备的使用或者是工艺的改进降低单位产出的能耗,另一方面是增加二氧化碳排放系数相对较低的能源的消费或者是清洁能源的消费,如天然气、风能、太阳能等。
表5.19 稳健型OLS 估计结果
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。