东亚地区的经济增长、开放与碳排放效率
开篇：润墨网以专业的文秘视角，为您筛选了一篇东亚地区的经济增长、开放与碳排放效率范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘 要 经济增长、贸易开放使东亚地区逐渐发展成为世界重要制造业基地和主要生产网络，这对东亚各经济体的碳排放效率产生了重要影响。本文运用MalmquistLuenberger指数方法测算了中国、日本、韩国、台湾、香港和东盟1995至2012年间的碳排放效率，并运用面板数据模型对碳排放效率的影响因素进行实证检验。实证结果显示，东亚地区碳排放效率有整体下降趋势，各经济体之间碳排放效率差异比较大，并且有进一步扩大的趋势。垂直分工、零部件贸易、高排放产业是东亚生产网络的主要特点，贸易开放和投资自由化使这一地区碳排放效率进一步恶化，而产业内贸易尤其是技术密集型产品的产业内贸易则有助于改善碳排放效率。中国政府必须采取相关政策措施防止碳排放效率恶化，促进低碳贸易模式实现。
关键词 贸易开放 碳排放效率 环境库兹涅茨效应 MalmquistLuenberger指数
一、 引 言
第二次世界大战以后，日本利用战后有利条件，承接了美国转移的劳动密集型产业，率先实现了经济起飞。此后，台湾、香港、韩国、新加坡等亚洲“四小龙”和泰国、马来西亚、印尼、中国等新兴经济体先后实现了经济的高速增长，创造了所谓的“东亚奇迹”。与此同时，东亚各经济体通过相互投资与贸易，区域内贸易联系日益紧密，经济开放程度不断提高，东亚地区逐渐成为与北美自由贸易区、欧盟并重的世界三大生产网络之一，形成了以机械、化工、钢铁、船舶、电子等能源密集型产业为主的生产网络，成为名副其实的“世界工厂”。东亚地区经济增长外向型特征十分鲜明，贸易是驱动经济增长重要因素，为经济增长做出了巨大贡献。东亚各经济体依次通过承接先发国家转移的产业，发展出口导向型的经济和贸易自由化，逐次实现经济起飞。东亚地区这一增长模式被称为“雁行模式”。但由于东亚生产网络产业结构能源密集型的特点，“雁行模式”的背后带来了严重的环境问题。
东亚各经济经济增长、贸易开放与二氧化碳排放有着密不可分的关系。“雁行模式”促使东亚各经济体贸易自由化，进而对经济增长和碳排放产生重要影响。经济增长对于碳排放的影响倒U型的关系被称为环境库兹涅茨曲线（the Environmental Kuznets Curve， EKC）。在初期阶段，随着经济增长的环境质量趋于恶化，到了一定的阶段，随着技术进步和环保意识增强，经济增长有助于改善环境质量。贸易开放对于碳排放的影响则取决于“污染光环”（pollution halo）效应和“污染避难所”（pollution haven）效应的大小，前者指随着贸易开放一国可以获得更加清洁的技术从而降低碳排放量，后者则是随着贸易开放各国为提升竞争力对环境质量向底线赛跑（Race-to-the-bottom）而导致污染产业向本国转移。处于“雁行模式”模式的东亚各经济体是否存在着环境库兹涅茨曲线的情形，融入东亚生产网络是否使东亚各经济体成为高排放产业避难所，这对于东亚各经济体调整增长模式、优化贸易结构具有重要的现实意义。
改革开放以后，中国开始融入东亚生产网络，并逐渐上升成为重要成员；本世纪以来，中国加快了参与东亚生产网络的步伐，日益发挥了出口平台的作用。（唐海燕、张会清，2008）1978 年中国对东亚贸易量占对外贸易总量的比重仅为10.8%，2012年这一比重已升至37.3%，表明中国对东亚生产网络参与度大幅度上升。随着中国日益融入以高排放产业为主的东亚生产网络，加剧了中国贸易结构碳排放强度高的特点，从而增加了中国二氧化碳排放。因此，从贸易部门的角度研究东亚地区二氧化碳排放的影响因素，对于中国经济与贸易的转型升级具有重要的意义。
二、 文献综述
近20年来，国内外学术界对于经济增长、贸易开放与二氧化碳排放关系的研究已经非常密集。在经济增长与碳排放关系方面，Grossman和Krueger（1991）研究表明，污染物与人均收入之间并不是简单的线性关系，而是存在着倒U形关系。其后，Panayotou（1993）将环境污染与人均收入之间的这种倒U 形发展轨迹命名为“环境库兹涅兹曲线”。Shafik （1994） 、Burke（2008）、吴振信（2012）、胡宗义（2013）、贾登勋和黄杰（2015）等多数实证研究支持倒U形EKC曲线的存在，但Moomaw和Unruh（1997）、Lantz和Feng（2006）认为倒U型关系不存在，Friedl和Getzner（2003）、何小钢和张耀辉（2012）则提出了N型的环境库兹涅茨曲线。在贸易开放与碳排放关系方面，Grossman和Krueger（1993）最早指出贸易开放对碳排放的影响取决于规模效应、结构效应和技术效应的大小。Kondo等人（1998）、Ghertner和Fripp（2007）、Yan和Yang（2011）等人的研究表明，国际贸易活动是碳排放的重要影响因素。Grimes和Kentor （2003）、Managi （2004）、Frankel和Rose（2005）、Takeda和Matsuura （2006）等人的研究表明贸易开放导致了二氧化碳排放的增加，但也有研究如Cole （2004）、李小平和卢现祥（2010）则发现贸易开放减少了二氧化碳的排放。
随着国际生产网络和产业内贸易的发展，产业内贸易对与碳排放的影响引起了国内外学者的重视。Dean和Lovely（2008）、丘兆逸（2012）等研究表明产业内贸易是碳排放的重要因素。张少华和陈浪南（2009）、汪丽和燕春蓉（2011）等研究表明产业内贸易有利于我国环境改善。而金雪军（2008）、牛海霞和罗希晨（2009）则认为产业内贸易导致我国环境恶化。钱志权等（2014）认为东亚生产网络特殊的生产分工及产业内贸易，提升了东亚地区的技术水平和能源利用效率，减少了中国的二氧化碳排放。还有一些学者研究产业结构、外商直接投资等其他因素对于碳排放影响。
从国内外的研究来看，学者们大多赞同经济增长、贸易开放、产业内贸易等是二氧化碳排放的重要影响因素，但由于研究路径和假设的差异，得出的结论往往非常不同，同时基于贸易部门细分行业产业内贸易及各行业不同的贸易模式对于二氧化碳排放的影响的研究，文献较少涉及。从方法论角度看，随着数据包络方法（Data Envelope Analysis，DEA）在评估经济活动的环境影响方面得到广泛应用，碳排放效率日益成为研究者关注的一个重点。碳排放效率是指用较少的碳排放生产同样数量合意的服务与产出，从碳排放效率角度出发探讨东亚区内外不同的贸易模式对于二氧化碳排放的影响，将扩展相关文献的研究结论。
三、 基于ML指数东亚地区碳排放效率测算
（一） 碳排放效率测算ML指数模型
本文的研究方法主要是基于数据包络模型的ML指数。这一指数的前身是瑞典经济学家Malmquist（1953）在分析消费过程中首次提出的Malmquist指数。之后，Caves等人（1982）将其用于生产效率的衡量。1997年，Chung等人（1997）通过数据包络方法（DEA）将抽象的思想模型化，提出了环境生产效率测度的ML指数。
该模型首先假设对时期t，第k个经济体的投入和产出为（xt，k，yt，k，bt，k），其中：xt，k为k地区t时期的投入；yt，k为合意产出，bt，k为非合意产出。ztk表示每一个横截面观测数值的权重，权重变量非负意味着生产技术规模报酬不变。式（1）中合意产出和投入变量的不等式约束表示合意产出和投入的强可处置性。非合意产出的约束意味着合意产出和非合意产出的联合弱处置性。
Dt0（xt，k′，yt，k′，bt，k′）=maxβs.t.∑Kk=1ztkytkm（1+β）ytk′m，m=1，...，M；∑Kk=1ztkbtki=（1+β）btk′i，i=1，...，I；∑Kk=1ztkxtkn
SymbolcB@ （1+β）xtk′n，n=1，...，N；ztk0，k=1，...，K（1）
为了便于计算，引入基于产出的方向距离函数，方向向量为（g，-b）。如果方向距离函数的值为0，则表明该经济体生产在生产可能集前沿，具有技术效率；否则表示技术无效率。在基于产出的方向性距离函数的基础上，为衡量考虑了GDP产出的环境生产效率，Chung等（1997）还构造了基于产出的ML指数，从t期到t+1期的环境生产率指数为（2）。
MLt+1=[1+Dt0（xt，yt，bt；gt）][1+Dt0（xt+1，yt+1，bt+1；gt+1）]×[1+Dt+10（xt，yt，bt；gt）][1+Dt+10（xt+1，yt+1，bt+1；gt+1）]12（2）
ML指数代表了决策单位投入与产出的组合从t到t+1时期环境生产效率的变动情况。ML指数方法近年来常被用于碳排放效率的测算，如果ML指数比1大的值代表从t到t+1时期的一个正的碳排放效率的提升，反之，则意味着碳排放效率的下降。
为了将非合意产出纳入到ML指数计算模型中，有以下方法可以选择：（1） 完全忽略非合意产出。（2） 将非合意产出作为投入变量纳入模型，在既定的碳排放和投入向量情况下，可以实现产出的最大化，同时约束碳排放量的增长，但是这与实际生产过程不相符合。（3） 将非合意产出进行递减的单调变换，如取非合意产出的倒数、负数、或者用一个较大的变量减去非合意产出等。这些方法都可以在既定投入向量的情况下，实现合意产出和非合意产出的递减的单调变换的最大化，也就是合意产出最大化和非合意产出的最小化，第三种方法可以保留非合意产出向量的凸性。本文选择第三种方法，将非合意产出碳排放量的倒数作为产出向量纳入到ML模型。
（二） 数据说明
我们借助数据包络分析软件DEA2.1，选取中国大陆、香港、台湾省、日本、韩国、文莱、缅甸、新加坡、菲律宾、越南、泰国、印度尼西亚、马来西亚等东亚主要经济体作为研究对象，研究1994年至2012年各经济体的碳排放效率。在投入向量中，本文考虑实物资本存量、人力资本增强型就业人数和能源消耗总量。在产出向量中则采用实际GDP和二氧化碳排放量。
2005年不变价格和汇率水平的实际GDP（Y）来自联合国贸发会议（UNTCAD）数据库。二氧化碳排放量（EM）来自美国能源信息管理局（EIA）数据库。实物资本存量（K）：采取Barro和Lee（2010）的永续盘存法计算，各年份投资额来自世界银行数据库的总固定资本形成。以2005年的不变价格和汇率计算，全社会平均折旧率δt取0.06，1994年基期的资本存量根据K1994=I1994/（gt+δt）公式计算，g为各经济体1989年至1994年总固定资本形成的增长速度的几何平均值。柬埔寨、越南缺少1989年至1992年、1989―1993年的总固定资本形成数据，用1993至1997年、1994至1998年总固定资本形成的增长速度的几何平均值作为替代，世界银行缺少台湾有关数据，本文运用《台湾统计年鉴》中的相关数据对之进行了补充。人力资本增强型就业人数（H）：全社会就业人数来自UNTCAD数据库，全社会平均受教育年限来自Barro和Lee（2010），我们依据平均几何增长速度对其余年份数据进行了补充。能源消费总量（E）来自美国能源信息管理局（EIA）数据库。
（三） 测算结果
根据上文方法运用DEA2.1软件计算得出东亚地区碳排放效率。从东亚地区碳排放平均值可以看出，1995至2012年间，韩国、日本、新加坡等国的碳排放效率是整体提高的，而其余的发展中经济体碳排放效率是年均下降的。对于这一计算结果，我们认为，韩国、日本、新加坡等国的碳排放效率提高是因为这些国家采用了先进的生产技术和管理。
从东亚地区碳排放效率整体情况看，仅有2000、2010等年少数年份碳排放效率与上年比有微幅提升，其余年份均呈下降状态（见图1）。东亚地区主要经济体的碳排放效率的几何平均值为0.9795，说明东亚地区在19年里碳排放效率是恶化的，年均下降2.05%，19年间累计下降约20%。这与东亚地区在这期间上升为全球主要碳排放的重点地区，碳排放量占全球碳排放量的三分之一这一事实是相吻合的。
在上世纪70年代以来，东亚地区逐渐形成了垂直专业化分工、零部件贸易为特点的生产网络，全球一些高能耗产业也逐渐循着这一生产网络在东亚地区扩散。东亚生产网络的发展是否影响了东亚各国的碳排放效率？接下来，笔者将运用面板数据模型对此进行分析。
四、 碳排放效率影响因素分析
（一） 实证模型设定
我们运用数据包络方法测算的结果是各国的整体碳排放效率，为了反映东亚贸易开放和区内贸易模式对碳排放效率的影响，我们需加入影响一国整体碳排放效率的影响因素作为控制变量。遵循文献的一般做法，我们加入人均GDP及其平方项、产业结构、开放度、外商直接投资、产业内贸易指数等经济活动和开放经济指标作为控制变量，反映经济活动的水平、经济结构变化、投资贸易自由化其对于一国整体碳排放效率的影响；加入人均实际GDP的平方项代表环境库兹涅茨效应，反映随着收入的增长，碳排放效率先降后升的现象。综上所述，面板数据模型如下：
其中：i=1，…，N，为截面单元；t=1，…T为时间期数；λ为时间效应；μ为个体效应。模型的被解释变量碳排放效率指数ML则按前文计算所得，为了得到18年间二氧化碳排放效率累积变化，我们以1994年为参照期，按照MLt=∏tn=1MLn*100计算碳排放效率相对于基期的变化指数。lnPGDP为实际GDP；（lnPGDPit）2为环境库兹涅茨效应；人均GDP为2005年不变价格物价和汇率；lnOPEN为开放度，为各国进出口贸易额与GDP比值；lnINT=ln{[1-∑ni=1Xi-Mi/∑ni=1（Xi+Mi）]*100}为产业内贸易指数，我们依据Grubel和Lloyd （1975）方法和UNCTAD数据库中东亚各经济体之间SITC Rev 3.0三分位下256种产品的相互贸易数据计算而得；lnSTR为各国第二产业与第三产业的相对规模，用第二产业与GDP的比值除以第三产业占GDP的比值。第二产业碳排放强度高于第三产业，因此，相对规模可以反映产业结构对于碳排放的影响。Zit为贸易结构向量，具体计算方法见下文。除人均GDP及其平方项外其他变量以100为单位。所有变量都经过对数处理，以降低模型的异方差性。上述变量除产业结构指数原始数据来自亚洲开发银行（ADB）外，其余来自UNCTAD。各主要变量的描述性统计见表3。
为进一步考察东亚生产网络独特的贸易模式对碳排放效率的影响，我们加入了贸易结构向量Zit用以比较东亚各经济对区内和世界其他地区（Rest of World， ROW）的产业内贸易和出口结构对碳排放效率的影响。在产业内贸易方面，考虑到东亚生产网络垂直专业化分工、零部件贸易和产业结构重工业化的特点，我们挑选了SITC Rev 3.0三分位产品中能源密集产品lnINTEN、零部件lnINTPC、技术与知识密集型lnINTTK等三类产品产业内贸易，分别计算了东亚各国对区内和ROW这三类产品产业内贸易指数。在出口贸易结构方面，我们依据要素密集度和技术等级将SITC Rev 3.0三分位下256种出口贸易品划分为资源密集型初级产品lnEXRI、劳动密集型低技术产品lnEXLL、中等技术产品lnEXMT以及高技术产品lnEXHT，分别计算了东亚各国对区内和ROW这四类产品出口的比重。
（二） 面板模型估计
我们对实证模型进行了估计，其结果见表5。在此基础上我们又对有关数据进行了面板单位根检验。检验结果表明，所有的变量均为一阶单整序列，即I（1）。Kao检验显示各变量之间存在着长期协整关系，Hausmann检验显示，应当建立固定效应模型。我们运用时间和个体双固定效应模型对东亚各国碳排放效率、人均国内生产总值、环境库兹涅茨效应、开放度、产业内贸易指数、产业结构以及外商直接投资等变量进行了回归分析，绝大多数变量都通过了1%的显著性检验，F统计量检验均通过1%的显著性检验表明解释变量对被解释变量的联合解释能力较强。
注：***表示在1%显著性水平显著，**表示在5%显著性水平显著，*表示在10%显著性水平显著
模型（1）表明，在东亚经济体内，人均GDP、开放度、产业结构、外商直接投资等变量与碳排放效率成负相关，环境库兹涅茨曲线效应、产业内贸易与碳排放效率成正相关。上述系数表明，随着东亚经济体各成员的经济增长，存在着环境库兹涅茨曲线效应，碳排放效率与人均GDP存在着U型关系。在人均GDP较低时，人均GDP增长会恶化碳排放效率；当人均收入达到一定的门槛之后，随着收入的增长，碳排放效率会得到改善。随着贸易开放和各国投资的自由化，碳排放效率有恶化的趋势，这在一定程度上证实了在东亚地区存在着“污染避难所”的效应。同时，东亚区域内的各经济体的产业内贸易与碳排放效率总体上是正相关的，说明产业内贸易扩张能够带来碳排放效率的提升。
模型（2）、模型（3）显示了东亚各经济体对东亚区内和ROW不同产品产业内贸易对碳排放效率的影响。东亚地区之间的零部件贸易明显恶化了区内的碳排放效率，而对区外零部件产业内贸易则影响不明显，这表明随着垂直专业化和零部件贸易为主要特点的东亚生产网络的发展，该地区碳排放效率明显恶化。东亚区内能源、技术与知识密集型产品产业内贸易对碳排放效率提升效果要显著高于区外贸易，说明东亚地区存在着技术溢出效应，能源、技术与知识密集型产品的产业内贸易促进了低碳技术在区内的扩散，进而提升了东亚地区整体碳排放效率。
模型（4）、模型（5）则显示了东亚各经济体出口贸易结构变化对于碳排放效率的影响。实证模型表明，不论区内外，资源密集型初级产品、劳动密集型低技术产品出口比重的上升都有利于碳排放效率的提升，中级技术产品对于碳排放效率的影响不明显。有趣的是，与世界其他地区不同的是，东亚区内高技术产品出口比重的上升却显著降低了各国碳排放效率。这或许是因为东亚生产网络的产业结构有重工业化的特点，各国对东亚区内出口的高技术产品能源密集度高于世界其他地区。
五、 结论与对中国的政策启示
本文运用数据包络方法测算了东亚十三个主要经济体碳排放效率，并对碳排放效率的影响因素进行实证检验。研究表明，东亚地区碳排放效率有整体下降趋势，各经济体之间碳排放效率差异较大且有扩大的趋势。东亚各经济体对区内与区外不同的贸易模式对二氧化碳排放有着十分不同的影响，融入以垂直分工、零部件贸易、高排放产业为主要特点的东亚生产网络是碳排放效率恶化的重要原因，产业内贸易尤其是知识、技术、能源密集型产品的产业内贸易则有助于改善碳排放效率。
对于中国而言，中国处在城市化和工业快速增长时期，碳排放效率恶化在所难免，同时随着中国在东亚地区发挥着生产组织和对外出口的平台作用，加剧了碳排放效率长期恶化趋势。中国应当采取积极措施，既有效利用东亚生产网络的技术溢出，又避免参与高排放产业为主的国际分工所导致的碳排放增长。首先，应当审慎评估参与东亚生产网络的环境影响，加强对区内高能耗的外来直接投资和贸易品出口的监管，加大国内环境规制力度，稳步推进开征能源税、资源税，降低高能耗出口贸易品在环境成本方面的比较优势，缓解融入东亚生产网络给减排带来负面效应。其次，积极从区内发达经济体引进节能减排技术，提高自身低碳技术水平和能力，改善国内碳排放效率。最后，应当积极调整能源依赖型出口贸易结构，控制低附加值、高排放的低端工业制成品出口过快增长，大力发展生产贸易等高附加值、低排放的高端出口贸易。
参考文献：
[1] Athukorala. Product Fragmentation and Trade Patterns in East Asia， Asian Economic Papers， MIT Press， 2005， 4（3）： 1-27
[2] Barro R. J.， Lee， J. W. A New Data Set of Educational Attainment in the World： 1950- 2010 [R]. NBER Working Paper， No. 15902， 2010.
[3] Caves， D. W.， Christensen L. R.，Diewert W. E. Multilateral Comparisons of Output， Input， and Productivity Using Superlative Index Numbers [J]. Economic Journal， 1982（92）： 73―86.
[4] Chen， T. L.， Lai， P. Y. A Comparative Study of Energy Utilization Efficiency between Taiwan and China [J]. Energy Policy， 2010， 38 （5）： 2386-2394.
[5] Chung， Y. H.， Fre， R.， Grosskopf， S. Productivity and Undesirable Outputs： A Directional Distance Function Approach [J]. Journal of Environmental Management， 1997， 51（3）： 229-240.
[6] Dean， J. M.， Lovely， M. E. Trade Growth， Production Fragmentation， and Chinas Environment [R]. NBER Working Papers No.13860， 2008
[7] Ghertner， D. A.， Fripp， M. Trading Away Damage： Quantifying Environmental Leakage Through Consumption-based， Life-cycle Analysis [J]. Ecological Economics， 2007， 63（2）： 563-577.
[8] Grimes， R.， Kentor， J. Exporting the Greenhouse： Foreign Capital Penetration and CO2 Emissions 1980-1996 [J]. Journal of World-Systems Research， 2003（2）： 261-275.
[9] Grossman， G. M.， Krueger， A. B. Environmental Impacts of the North American Free Trade Agreement [R]. NBER Working paper， No. 3914， 1991.
[10] Grubel， H. G.， Lloyd， P. J. Intra-industry Trade： the Theory and Measurement of International Trade in Differentiated Products [M]. London： Macmillan， 1975.
[11] Gutierrez L. On the Power of Panel Cointegration Tests： a Monte Carlo Comparison [J]. Economics Letters， 2003， 80（1）： 105-111.
[12] Lantz， V.， Feng， Q. Assessing Income， Population， and Technology Impacts on CO2 Emissions in Canada： Wheres the EKC？ [J]. Ecological Economics， 2006， 57（2）： 229-238.
[13] Landesmann， M. and R. Stehrer， Structural Patterns of East-West European Integration： Strong and Weak Gerschenkron Effects[R]，Hamburg Institute of International EconomicsFlowenla Discussion Paper， No.16，2003.
[14] Malmquist， S. Index Numbers and Indifference Surfaces [J]. Trabajos de Estadística， 1953， 4（2）： 209-242.
[15] Moomaw， W. R.， Unruh， G. C. Are Environmental Kuznets Curves Misleading Us？ The Case of CO2 Emissions [J]. Environment and Development Economics， 1997（2）： 451-463.
[16] Peneder， M.， Intangible Investment and Human Resources [J]. Journal of Evolutionary Economics， 2002， 12（1-2）： 107-134.
[17] Yan，Y. F.， Yang， L. K. Chinas Foreign Trade and Climate Change： A Case Study of CO2 Emissions [J]. Energy Policy， 2010（38）： 350-356.
[18] 何小钢， 张耀辉. 中国工业碳排放影响因素与 CKC 重组效应――基于STIRPAT模型的分行业动态面板数据实证研究[J]. 中国工业经济， 2012 （1）： 26-35.
[19] 金雪军，卢佳，张学勇. 两种典型贸易模式下的环境成本研究-基于浙、粤两省数据的对比分析[J]. 国际贸易问题， 2008（1）： 48-54.
[20] 李小平，卢现祥. 国际贸易、污染产业转移和中国工业CO2排放[J]. 经济研究， 2010（1）： 15-26.
[21] 丘兆逸. 国际垂直专业化中污染工序转移研究――以我国为例[J]. 国际贸易问题，2012（4）： 107-114.
[22] 钱志权，杨来科，林基. 东亚生产网络、产业内贸易与二氧化碳排放――基于中国与东亚经济体间面板数据分析 [J]，国际贸易问题，2014（4）：110-117.
[23] 王维国，范丹. 中国区域全要素能源效率收敛性及影响因素分析――基于Malmqulist-Luenberger指数法 [J]. 资源科学， 2012， 34（10）： 1816-1824
[24] 张少华，陈浪南. 经济全球化对我国能源利用效率影响的实证研究―基于中国行业面板数据 [J]. 经济科学，2009 （1）：102-111.