【文献分享】森林资源、绿色投资、医疗保健和教育对环境污染的影响：中国碳中和计划

1. 数据描述

本研究利用1970年至2022年的年度数据，检验了感兴趣变量之间的非对称关联。本研究所使用的数据集取自有信誉的来源。具体而言，与森林租金、森林采伐和二氧化碳排放有关的数据来自世界发展指标，确保了稳健和全球公认的指标。二氧化碳被用作衡量二氧化碳排放量的代理变量，二氧化碳排放量被计算为温室气体排放量( kt的二氧化碳当量)。此外，与卫生和教育支出相关的数据从中国国家统计局进行了细致的收集，对国内情况有了准确的了解。最后，绿色投资数据来自OECD。

表1提供了这些关键指标的详细描述和特征。在森林租金和绿色投资的情况下，应认识到一些局限性和潜在的偏见，以提高可信度。首先，数据收集方法在不同地区或国家之间存在差异，导致报告和测量的不一致。此外，如果某些利益攸关方在操纵数据以服务于其议程方面拥有既得利益，则可能会产生偏见。通过透明地解决这些限制和偏见，本研究采用稳健的方法来减轻它们的影响，从而提高森林租金和绿色投资及其对二氧化碳排放影响分析的可信度。

2. 模型与方法

森林租金( FR )、森林采伐( FE )、绿色投资( GI )、健康支出( HE )、教育支出( XE )和环境污染(二氧化碳排放)的动态可以使用增长模型进行更深入的研究。与ARDL (自回归分布滞后)或OLS (普通最小二乘法)等替代计量模型相比，非线性自回归模型( NARDL )在考察对二氧化碳排放的非对称影响方面具有几个关键优势，是一个令人信服的选择。

首先，NARDL模型能够捕捉到二氧化碳排放数据中固有的复杂非线性关系，这些非线性关系往往表现出对各种经济和环境因素的非线性响应。与OLS等线性模型不同，NARDL允许探索数据中的非线性，从而能够更准确地表示变量之间的动态关系。在研究非对称影响时，这种灵活性是至关重要的，因为对冲击或政策变化的非线性反应会导致对二氧化碳排放的不同影响。

此外，NARDL模型提供了捕获短期和长期动态的能力，使其特别适合分析二氧化碳排放的冲击随时间的持续性。ARDL模型虽然能够捕捉长期关系，但可能难以有效地解释非线性动态。此外，与传统的线性模型相比，NARDL模型能够更有效地容纳外生变量和滞后项，增强了模型捕捉二氧化碳排放影响因素之间复杂相互作用的能力。

NARDL模型的图形表示如下图2所示：

3. 结果与讨论

在介绍非线性自回归分布滞后( NARDL )模型的短期和长期结果之前，本研究需要计算和介绍关键的描述性统计。该统计量包括均值、中位数和标准差等中心性指标，揭示了数据的中心趋势和变异性。此外，报告了最小值和最大值，以概述数据分布特征。还包括偏度和峰度统计，以评估数据偏离正态分布的程度(表2)。

解决变量间潜在的多重共线性对保证回归分析结果的可靠性至关重要。因此，本文使用了一个相关矩阵，该矩阵允许全面检查变量之间的关系，可以识别高度相关的对，这可能表明多重共线性。然而，通过仔细研究相关系数，本文注意到，本文的变量不存在如表3所示的多重共线性问题。

为了保证后续计量分析的稳健性，本研究对所有变量进行了平稳性检验。具体来说，使用增广Dickey ( ADF )检验来判断数据中是否存在单位根。ADF检验有助于判断是否需要进行变量差分才能达到统计显著性。本研究还使用了Phillips - Perron ( P-P ) 检验，该检验提供了对数据分布和符合理论假设的可视化评估。值得注意的是，所有变量在第一次差分时都是平稳的，这强调了在随后的研究中差分的重要性。这些描述性数据的显示、平稳性检验和识别多重共线性的相关矩阵在表2、3和4中报告，作为即将到来的短期和长期NARDL模型结果的基础，确保了计量经济学结论的可靠性和有效性。森林租金、健康支出( HE )和二氧化碳排放量的密度函数呈正态分布，表明这些环境和经济因素的典型模式，如图3所示。

     在仔细检查变量的平稳性之后，接下来的步骤涉及进行边界检验，如Pesaran等所介绍的。该检验是对所考察变量之间潜在协整关系的重要评估。本试验的结果有条理地记录在表5中，从而构成了分析过程的关键组成部分。

表6展示了与短期和长期不对称性有关的发现，为变量之间的动态关系提供了重要的见解。值得注意的是，研究结果揭示了显著的模式，对本文理解中国的环境景观具有启示意义。在长期不对称( WLR )的背景下，森林出租( FR )、森林采伐( FE )、绿色投资( GI )和教育支出( EX )在统计上是显著的。这些结果表明这些变量与环境污染(即二氧化碳的排放)之间存在长期非对称关系。这表明，在较长时期内，这些因素以偏离对称行为的方式影响环境污染，这强调了它们独特而持续的影响。将注意力转向短期不对称( WSR )，分析强调了森林出租( FR )、森林采伐( FE )、绿色投资( GI )和健康支出( HE )的重要性。在短期内，这些变量与中国环境污染呈现出统计上显著且正偏态的非对称关系。这意味着在即时时间框架内，FR、FE、GI和HE的变化对偏离对称模式的环境污染有显著影响，进一步强调了微妙动态。这些发现阐明了这些关键变量与中国环境污染之间相互作用的多面性，强调了全面和非对称建模方法的必要性，以准确捕捉它们之间的错综复杂的关系。

表7中报告的关于森林租金( FR )对环境污染的短期非对称影响的研究结果具有重要意义，揭示了资源利用、经济增长和环境质量的复杂动态。观察到FR中的积极和消极冲击都对环境污染产生积极影响，这强调了资源利用与环境结果之间的复杂关系。这一发现与现有研究一致，即承认资源依赖型经济的多面性及其对环境的影响。

积极的FR冲击可能与更大的资源开采或经济活动有关，这往往导致能源的增加消耗和排放。以自然资源开发为推动力的经济快速增长会使环境资源紧张，并导致污染。这与本文熟知的环境库兹涅茨曲线( EKC )的概念是一致的，即如果达到某一特定的收入门槛，经济扩张在导致环境质量改善之前先恶化环境恶化。

森林采伐（FE）中的正向冲击，可能意味着森林采伐或森林砍伐的增加，意外地导致了对环境污染的负面影响。这一发现表明，采掘活动的增强并不必然导致污染的相应增加。相反，它指出了可能抵消或减轻资源开采的环境后果的因素。

森林采伐( FE )中的负面冲击，表明减少了采伐或保护工作，也减少了环境污染，这一发现凸显了它们之间错综复杂的关系。这表明，仅仅抑制提取活动可能不会线性地减少污染。有几个因素导致了这一反直觉的结果：减少开采可以推动经济活动转向更多的污染部门，如由于伐木减少而增加的工业化。

本文关于绿色投资( GI )的正向和负向冲击在短期内对环境污染产生积极影响的研究结论显著且与现有文献保持一致，凸显了绿色投资的复杂动态及其对环境质量的影响。识别绿色投资中的积极和消极冲击作为短期环境污染的驱动因素，突出了绿色投资的多维性质及其对环境结果的直接影响。这些发现需要根据绿色金融、可持续发展和环境政策的广泛文献进行进一步研究。这一发现与以往关于绿色投资对环境结果影响的研究一致。

教育支出( EX )的正向和负向冲击在短期内均对环境污染产生正向影响的发现具有重要意义，揭示了教育支出与环境结果之间复杂的相互作用关系。这一发现与当前文献一致，它认识到教育、经济发展和环境质量之间关系的多面性。

表8所示的长期结果为森林租赁( FR )冲击与其对环境污染的影响之间的复杂关系提供了有价值的见解，特别是在二氧化碳排放的背景下。这些发现揭示了FR中的正向和负向冲击对环境污染的长期影响具有显著的非对称性，这对环境政策和资源管理具有重要的启示意义。其中一个重要的结论是生育率正向冲击对环境污染物的有利影响，特别是在二氧化碳排放方面。这一发现表明，在长期内，未预期到的FR增加导致了二氧化碳排放的增加。根据估计系数，正向冲击对FR变动1%会引起二氧化碳排放量显著长期增加0.17%。这一发现与早期研究资源驱动的经济扩张及其对环境的影响之间的复杂联系相一致。FR的意外增加可以鼓励资源密集型的经济活动，这些经济活动往往涉及高水平的能源使用和排放。

尽管对碳减排策略进行了广泛的研究，但在这些分析中一个被忽视的方面是对不对称性的考虑。本研究试图通过引入一个新颖的视角，将健康和教育支出纳入中国的碳中和计划，以解决这一研究空白。先前的研究已经在理解环境政策、资源管理和二氧化碳排放之间的复杂关系方面取得了重大进展。

为了进行这一创新性分析，本文采用了非线性自回归分布滞后( NARDL )模型，这是一种前沿的计量经济学方法，旨在揭示不对称关系的复杂性。通过将该方法应用于正在经历快速转型的全球经济强国中国，本文的研究旨在为碳中和、健康、教育和环境可持续性之间的相互联系提供更细致的理解。

进行了一系列诊断试验，以严格验证表9中报告的结果。这些诊断性评估对于确保统计分析结果的稳健性和可靠性至关重要。在这个意义上，Breusch / Pagan异方差诊断检验评估了模型中是否存在异方差的证据，表明误差的变异性在不同观测值之间并不是恒定的。

      图4给出了一个动态乘子图，它显示了自变量和因变量之间的关系。该图显示了因变量，以二氧化碳排放量衡量的环境污染和自变量变化之间的关系。理解这些关联的强度和方向的一个有用工具是动态乘数图。图的x轴表示每个自变量，y轴表示每个自变量对因变量( 二氧化碳排放量)的影响。这使得可以清楚地观察到每个自变量的变化是如何影响环境污染的。这种图形表示有助于决策者、研究人员和利益相关者把握关键动态，并可以为追求环境可持续性和碳中和目标的循证决策提供信息。

本研究结果表明，中国各种因素与二氧化碳排放之间存在不对称关系，在此基础上，可以提出几个可行的政策方向，以应对短期和长期的环境挑战。

在短期内，需要立即采取措施，减轻可持续森林租金、生态友好型投资和教育支出的冲击对二氧化碳排放的负面影响。这可能需要采取有针对性的干预措施，如重新造林计划、促进对绿色技术和可再生能源的投资，以及加强环境教育活动。此外，旨在减少森林砍伐和促进可持续土地管理实践的政策也有助于稳定森林租金，最大限度地减少负面冲击。

同时，应努力通过激励措施和支持性政策来促进这些领域的积极冲击。这可能包括为生态友好型投资提供税收激励，为可再生能源项目提供补贴，以及开展教育活动以提高对环境问题的认识并促进可持续行为。

从长远来看，需要持续努力，以保持和扩大森林租金、生态友好型投资和教育支出对减少二氧化碳排放的积极影响。这就需要实施确保森林资源可持续管理的政策，鼓励对绿色技术和可再生能源基础设施进行持续投资，并进一步开展教育活动，提高环保意识和可持续做法。要解决医疗支出对二氧化碳排放的负面影响，必须采取多方面的方法。这可能涉及优化医疗保健服务系统，最大限度地减少资源密集型做法；推广预防性医疗保健措施，减轻疾病负担；以及将环境因素纳入医疗保健政策和做法。

此外，研究结果还表明，必须根据不断变化的环境、经济和社会因素定期评估和调整这些政策。持续的监测和评估对于确保这些干预措施在实现中国碳中和目标方面的有效性和可持续性，同时促进更广泛的环境和社会福祉至关重要。

本研究试图强调中国减少二氧化碳排放的不同因素。为此，短期措施包括激励生态友好型投资和加强环境教育。然而，长期战略涉及可持续森林管理和将环境因素纳入医疗保健政策。对其他因素的持续评估可确保在中国国家行动计划下实现碳中和的有效性和进展。