- 上一篇：无锡市城镇居民的消费现状及变化趋势
- 下一篇：弗雷泽百货公司在中国发展的预测及对策研究
2 文献综述
3 模型数据与方法
3.1 数据来源
根据国家统计局资料的可得性，我将数据范围定为全国30个省市，将时间跨度定为2001年至2012年。本文共有三个变量，第一、第二变量是各年度出口额增长率、GDP增长率，这两个数据分别由各省年度出口总额以及各省年度GDP数据计算得出，数据来源于2000年至2012年《国家统计局》；碳排放效率采用Tulkens和Eechaunt提出并完善的序列DEA来计算，其中所投入的变量为L、K、E ，产出变量为非期望产出CO2和GDP。劳动力使用各地区年均值，能源数据来自于2000年至2012年统计年鉴，资本存量数据参考永续盘存法计算得到。二氧化碳排放量数据参考了2006年《国家温室气体清单指南》中的计算公式。碳排放效率的计算结果参考了孙爱军（2015）已公开发表的省际出口贸易、空间溢出与碳排放效率——基于空间面板回归偏微分效应分解方论文[10]。
3.2 分析方法
本项研究借助了Eviews6.0软件，首先需要通过单位根检验法检验变量是否平稳。如果变量平稳，则采用协整检验方法进行协整检验，以确定出口额增长率、碳排放效率、GDP增长率的协整关系。对于非平稳性变量，则进行差分处理，使该非平稳时间序列成为平稳时间序列。如果存在协整关系，则建立向量误差修正模型，分析其短期关系。之后进行格兰杰因果检验，以确定变量间的因果关系。文章在计量分析结果形成后，结合实际情况对出口额增长率、碳排放效率、GDP增长率之间的关系进行了说明，并提出政策建议。
3.2.1 平稳性检验原理
为了检验数据的时间序列特征，本文采用经Levin、Lin和Chu（2002）修改过的LLC单位根检验法，以及Dickey和Fuller(1981)提出的ADF单位根检验法进行平稳性检验。考虑到传统的OLS估计可能不适用于长期模型，所以本文同时也采用了扩大到相当长时间序列的PP检验进行平稳性检验。若检验结果为非平稳序列，则可对其进行一阶差分。
3.2.2 协整关系检验原理
协整即存在共同的随机性趋势。简单来说就是，所研究的经济变量的线性组合是平稳序列这一点与变量自身是不是平稳序列没有关系。例如，在现实生活中消费和收入都是非平稳时间序列，但是消费和收入从长期来看是具有协整关系的。这种平稳序列可以表明经济变量间存在长期均衡，同时，也可以解释为变量间存在协整方程。