论文部分内容阅读
本文旨在考查金融发展对G-7国家1996-2017年间基于消费的碳排放量的影响。本文选取1996-2017年的时段主要是根据数据的可获取性。基于消费的的碳排放量和基于区域的碳排放量的数据（以kg CO2为单位）是从Peters等人的《全球碳谱》中获得的。国内生产总值的数据，以恒定的美元来表示；出口和进口占国内生产总值的百分比采用Liddle（2018）的方法；技术创新用居民和非居民获得的专利数量衡量；个人、金融发展的数据来自世界银行人口数据也同样从世界银行获得。在本文的研究中，所使用的数据被转换为对数和人均的形式。本文基本结构安排如下：第一部分包括引言、文献综述、本文创新点和组织形式，第二部分包括数据来源和文章的理论框架，第三部分阐述了本文的方法论，第四部分包含结果和讨论，最后给出了结论和相关政策建议。
本文的研究对已有文献有多方面的贡献。第一，本文通过分别处理1996-2017年G-7国家的出口和进口对基于消费的碳排放，开创性地考虑了国际贸易的影响。第二，与Hasanov等人(2018)、Liddle(2018)和Knight与和Schor(2014)不同，本研究还追溯了金融发展和技术创新对基于消费型的碳排放的影响，到目前为止，还没有任何一项研究对此进行过验证。第三，在该研究领域中，采用了更为先进的计量经济学方法来进行单位根检验、协整、长期和短期结果估计，即Bai和Carrion-i-Silvestre（2009）针对单位根，Westerlund和Edgerton（2008）针对结构突变和横向增强的自回归分布滞后模型长期和短期结果的面板协整方法。
随着全球化、技术进步和区域互联互通趋势的增强，在过去二十年间国际贸易呈上升趋势。例如，1960年贸易贡献仅占GDP的23%，根据世界银行估计，2005到2015年间贸易贡献增长了大约62%，并且在2017年达到了58%的新高(WB,2017)。同其他地区一样，七国集团（G-7）国家间的贸易往来强度也持续增加，货物和服务的国际贸易也显著增加。对于许多发达国家和发展中国家来说，这种国际贸易增长的趋势是积极的。然而，贸易增长所产生的的成本是对环境造成无法挽回的损失（Al-Mulali和Sheau-Ting，（2014年）；Halicioglu，（2009年）和Michieka等人，（2013年））。
尽管如此，Al-Mulali和Sheau-Ting（2014）、Halicioglu（2009）和Michieka等（2013年）的研究追溯了生产或基于区域的碳排放的影响，但其中并未将跨国生产过程考虑在内。这些研究忽略了基于消费的碳排放量，而碳排放量是根据贸易进行调整的。将商品和服务的生产分配给一个国家，将商品和服务的消费分配给其他国家，这样做是有帮助的。基于区域的排放和基于消费的排放是用于计算碳排放的两种方法。
基于区域的碳排放是比较传统的方法，无需考虑进出口。因此，衍生出一个新的基于消费的数据库，该数据库根据国内化石燃料的使用量加上进口减去出口后的实际排放量来计算碳排放量（Peters等，2011）。对基于区域和基于消费的排放量进行比较的研究发现，国际贸易与基于区域排放量之间的的关系不显著，而国际贸易与基于消费的排放量之间关系显著（Liddle，2018）。此外，基于消费的碳排放可以通过分别处理进口和出口来确定生产和消费对碳排放量的影响（Hasanov等人，2018；Knight＆Schor，2014）。发达国家可能采取将排放转移到产品/服务的产地的方式来通过国际贸易减少碳排放，这令人担忧。如果一个国家消耗的碳排放量大于于其生产的碳排放量，并且比率大于1，那么该国就是碳排放净进口国。如果一个国家的排放量超过其消费量，那么该国就是碳排放量净出口国，以本国为基础的碳排放量比率小于1。所有G-7国家的平均比率都大于1，每个国家的差值也为正，这表明所有抽样国家均为排放净进口国。对于所有G-7国家都是净进口国的可能解释，取决于每个国家的进出口组合。对这些国家过去五年的进口产品进行的全面分析表明，美国的进口产品包括30%的机械、16%的运输产品和9.1%的矿产品。日本的进口包括25%的机械和23%的矿物质；德国的进口包括27%的机械、14%的运输产品和12%的化学产品；英国的进口包括21%的机器、16%的运输产品、9.7%的化学产品和9%的矿产品；法国的进口产品包括22%的机械、15%的运输、11%的化学药品和9.9%的矿产品。意大利的进口产品包括18%的机械、12%的化学和矿物产品以及12%的运输；加拿大的进口量包括24%的机器、20%的运输产品和9.5%的矿产品（Simoes等，2011）。这些数据表明，G-7国家进口的大多数产品是机械、运输产品、矿物和化学产品。
在最近的研究中有很大一部分主要关注碳排放的因素，例如贸易、人口增长和城市化等，相关学者认为金融发展对于碳排放有显著影响，这导致了实证结果的偏差（Tamazian等人（2009）和shahbaz等人（2013））。因此，对于碳排放对金融发展的影响，学者们提出了不同的方法、样本和指标，但仍未得到满意的解决方案。
一些学者（Islam等人（2013年）、Dasgupta等人（2001年）和Tamazian等人（2009年））和研究表明，金融发展可以减少二氧化碳排放量，这是因为：第一，在当今世界，各个公司都在进行技术升级形成竞争优势，只要有充足的资金和公司财务支持就能完成这些技术升级。发达的金融体系可以帮助公司更新升级并加速技术进步，从而减少碳排放。相反，糟糕的金融体系则会影响技术升级，使公司产生更多的碳排放。第二，已经建立和发展出良好金融体系的政府倾向于实施绿色金融和环境友好的项目，并改变其行业并鼓励使用清洁能源，从而减少碳排放。第三，大多数企业在其各自的证券交易所上市，并且政府对企业的财务信息和与公司运营有关的信息进行披露，以便企业留在证券市场中。企业必须公开这些信息，以便他们参与对消费者和行业有利于环境的活动，以向其投资者和公众展示他们致力于改善环境。为了在公众眼中树立良好的形象，他们从事环保活动，使用有利于减少碳排放量环保技术。以上这些都是金融发展改善环境的因素。
与Sadorsky，P.（2010）和Dogan，E.进行的研究有所不同，Turkekul，B.（2016）认为金融发展会增加二氧化碳排放量。原因如下：第一，金融体系发达的国家摆脱了与金融不对称有关的问题，拓宽了融资渠道。在发达的金融体系下，企业可以以较低的利率借贷资金，促进其扩大生产，并在不同区域建立子公司，购买更多的设备并雇用更多的工人，从而增加了碳排放量。第二，完善的金融体系可以提供更好的消费信贷服务，有利于跨期消费。这些都将推动企业增加更多物业、电器和车辆的成本。这些都会增加消耗，从而增加碳排放量。第三，在股票市场中的运营的企业是经济状况的决定性因素。股票市场上的良好表现可能意味着企业的扩张以及产品的更多生产和消费，所有这些都意味着良好的财务是建立在生产和消费基础上的，从而导致碳排放量的增加。这些因素说明了金融发展对碳排放的负面影响。
在这种关系中的技术创新是一个值得关注的重要因素，这种技术创新在提高企业产出、使得企业高效运转以及帮助他们转向使用可再生能源方面发挥着重要作用。如Alvarez-Herranz et al.,2017;Lorente andálvarez-Herránz,2016;Andreoni and Levinson,2001;Torras and Boyce,1998;Arrow et al.,1996).According to Torras and Boyce(1998,P.148)主张“并没有任何先验理由能过够证明收入和环境质量之间的关系是严格单调的。尽管已经有研究直接专注于技术创新和碳排放之间的关系，但是可以说技术是一个可调节变量并且增强了碳排放和决定因素之间的关系。然而，与能源相关的技术创新更大程度上影响了消费，而这种影响反过来又影响了碳排放。技术创新是有与技术息息相关的革新并且对于提高环境质量起着更为重要的作用。
学者们已经在其研究成果中展现大量的样本与模型来为金融发展和碳排放提供建议。然而，全面来看他们的思考并不能达成共识，但是发现他们研究中的部分核心观点能够为本文提供给帮助。主要是两个观点：其一是金融发展能够有效降低碳排放，其二是金融发展会提高碳排放。
本文分别根据当下技术创新、金融发展和国内生产总值，通过使用基于消费的碳排放的方式来对国际贸易中的影响做出研究。有别于Hasanov等人(2018)、Liddle(2018)、khan等人(2020)Zhang等人(2011)和Knight&Schor(2014)，本文将使用不同的研究方式，不仅使用将技术创新和金融发展作为解释变量的研究方法，还将通过不同的计量经济学方法来得出结论。具体而言，理论研究表明，金融发展对碳排放既有积极影响，也有消极影响，最终影响效应可能取决于这些积极影响和消极影响的相对大小Jiang,C.&Ma,X.(2019)。实证研究表明，金融发展对碳排放的影响因国家和地区而异。
实际上，这也在一定程度上证明了理论研究的观点，因为在不同的国家和地区，正向和负向的影响是不同的。虽然金融发展对碳排放的影响还存在争议，但相关研究为环境政策的制定提供了重要的理论价值。Dogan和Turkekul(2016)、Charfeddine和Kahia(2019)为了确定CCO2PCi、t、FDPCi、t和其他变量之间的长期和短期关系，本研究使用由Chudik和Pesaran(2015)开发的具有动态相关效应估计量的横截面增强自回归分布滞后模型（CS-ARDL）。
ECM(-1)表示向平衡调整的速度，正值表示发散，负值表示收敛，这些结论都具备统计学意义。此外，为了进行检验稳健性，本研究将使用Eberhardt&Teal(2010)的增广平均组(AGM)，在存在截面相关性和具有结构突变可能性的非均质边坡系数的情况下，使用第一代面板协整检验，如McCoskey and Kao(1998);Kao et al.(1999);Pedroni(2001);Larsson et al.,(2001);Westerlund(2005)&Pedroni(2004)，会产生无效的失真结果。类似地，Westerlund(2007)解决了截面相关性与非均质边坡系数的相关性和异质性。因此，为了克服非均质边坡系数、截面相关性等相关问题，识别可能的结构突变和序列相关误差等问题，本研究将使用Westerlund和Edgerton(2008)的测试来进行面板协整。
为了处理长期的面板数据，例如超过一个横截面的周期，需要检查不同的问题，诸如模型中的异质性、截面相关性和结构突变。在开始分析之前，本研究首先检验单位之间的截面相关性关系，然后检验斜率系数的非均质性。在存在截面相关性和非均质边坡系数的情况下，本研究不会采用第一代单位根检验，如Maddala and Wu,1999;Choi test,2001Levin et al.2002except Im,Pesaran and Shin,2003，只处理非均质边坡系数。
第一代测试的使用，例如Maddala and Wu,1999;Choi test,2001;Levin et al.2002except Im,Pesaran and Shin,2003，即使存在截面相关性和非均质斜率系数，也会导致偏置协整和平稳性结果，从而导致大小失真和不真实结果(Westerlund2007&Salim et al.，2017a,Jalil,2014)。因此，利用Pesaran和Yamagata(2008)修改的Swamy(1970)试验来检验非均质边坡系数是非常重要的。
对于截面相关性，使用Pesaran(2015)检验。一旦这些问题得到确认，下一步就是使用相关的平稳性测试。为了解决截面相关性和非均质边坡系数的问题,本研究将使用Pesaran’s(2007)的横向比较增强Im Pesaran&Shin和另一个由Bai and Carrion-i-Silvestre(2009)研究出的面板单位根,这不仅涉及截面相关性和非均质边坡系数，也会处理可能的结构性突变级数。
在存在截面相关性和具有结构断裂可能性的非均质边坡系数的情况下，使用第一代面板协整检验，如McCoskey and Kao(1998);Kao et al.(1999);Pedroni(2001);Larsson et al.,(2001);Westerlund(2005)&Pedroni(2004)，无法提供有效的失真结果。同样，Westerlund(2007)处理了非均质边坡系数和横截面相关性，但是，该研究无法处理模型中可能存在的结构突变，因此，为了解决边坡系数不均匀、截面相关性、可能存在的结构突变识别、误差序列相关等问题，本研究将采用Westerlund和Edgerton(2008)的面板协整检验。为了确定CCO2PCi、t、EXPCi、t、IMPCi、t、GDPPCi、t、FDPCi、t和TIPCi、t之间的长期和短期关系，本研究将使用Chudik和Pesaran(2015)开发的动态相关效应估计器，使用横向增强的自回归分布滞后模型(CS-ARDL)。使用该模型的原因是，如果有非均质边坡系数和截面相关性的问题，使用传统方法将提供有偏结果(Coban&Topcu,2013;Yao et al.,2019)。
研究结果是利用不同的经济计量方法所得到的。为了检验截面相关性(CD)，本研究将使用Pesaran(2015)CD检验，接着使用经Pesaran and Yamagata(2008)、Pesaran(2007)修改的Swamy’s检验以及Bai and Carrion-i-Silvestre(2009)为了结合截面相关性和非均质边坡系数问题的单位根检验。此外，本文还使用了Westerlund and Edgerton(2008)开发的第三代协整分析。对于CCO2PCi、t、EXPCi、t、IMPCi、t、GDPPCi、t t、flpci、t、TIPCi、t等变量之间的长期和短期关系，采用横向扩展的自回归分布滞后模型(CS-ARDL)。为了进行稳健性检验，使用了一个增广均值组(AMG)和一个通用相关均值组(CCEMG)方法，并且，为了该论点与金融联系起来，我使用了一个增广均值组(AMG)进行FDPCi,t。
根据我的描述性统计，G-7国家的碳排放与金融发展、进口、出口、技术创新和国内生产总值有关。描述性统计表概述了本研究使用的变量。表2展示了1995年至2017年期间基于消费的碳排放、金融发展、技术创新进口、出口和GDP的平均值。该报告显示，与加拿大、意大利、英国和法国相比，美国、日本和德国等国家在1995年至2017年期间拥有更强大的金融体系。从平均值可以看出，美国和加拿大是碳排放量最大的国家，人均对数值分别为4.79和4.57。
本研究采用了Pesaran(2015)开发的横截面相关性和Swamy(1970)开发、Pesaran and Yamagata(2008)修改的非均质边坡系数检验。使用Pesaran(2007)的横截面增强Im Pesaran&Shin检验来检查每个系列的单位根或稳定性，同样也会使用Bai and Carrion-i-Silvestre(2009)面板单位根检验来检查截面相关性、非均质斜边坡系数和结构断裂。为了检验CCO2PCi、t、EXPCi、t、IMPCi、t、GDPPCi、t、FDPCi、t and TIPCi、t之间结构突变的协整关系，本研究采用Westerlun and Edgerton(2008)的检验来解决非均质边坡系数、结构突变和截面相关性的问题。结果发现，CCO2PCi、t、EXPCi、t、IMPCi、t、GDPPCi、t、flpci、t and TIPCi、t之间存在协整关系。主要的结构性突变发生在2001年、2008年、2011年和2014年。这些结构性突变展现了全球和地方的经济冲击，特别是在贸易方面，如出口和进口。
同样，在长期和短期的研究中，本研究采用了横向增强的ARDL。为了进行稳健性检查，本研究使用了一个增广平均组(AMG)和一个通用相关平均组(CCEMG)。本研究的结果证实，人均进口和人均国内生产总值与基于消费的碳排放均存在正相关关系。与此相反，人均进口、人均金融发展和人均技术创新与基于消费的碳排放呈负相关。从长期来看，由人均出口导致的基于消费的碳排放平均减少0.992%，金融发展导致基于消费的碳排放平均下降0.057%。同样，平均而言，技术创新导致基于消费的碳排放下降0.144%。另一方面，人均进口和人均国内生产总值与基于消费的碳排放呈正相关关系，其系数分别为0.255%和0.570%。
本文的研究对已有文献有多方面的贡献。第一，本文通过分别处理1996-2017年G-7国家的出口和进口对基于消费的碳排放，开创性地考虑了国际贸易的影响。第二，与Hasanov等人(2018)、Liddle(2018)和Knight与和Schor(2014)不同，本研究还追溯了金融发展和技术创新对基于消费型的碳排放的影响，到目前为止，还没有任何一项研究对此进行过验证。第三，在该研究领域中，采用了更为先进的计量经济学方法来进行单位根检验、协整、长期和短期结果估计，即Bai和Carrion-i-Silvestre（2009）针对单位根，Westerlund和Edgerton（2008）针对结构突变和横向增强的自回归分布滞后模型长期和短期结果的面板协整方法。
随着全球化、技术进步和区域互联互通趋势的增强，在过去二十年间国际贸易呈上升趋势。例如，1960年贸易贡献仅占GDP的23%，根据世界银行估计，2005到2015年间贸易贡献增长了大约62%，并且在2017年达到了58%的新高(WB,2017)。同其他地区一样，七国集团（G-7）国家间的贸易往来强度也持续增加，货物和服务的国际贸易也显著增加。对于许多发达国家和发展中国家来说，这种国际贸易增长的趋势是积极的。然而，贸易增长所产生的的成本是对环境造成无法挽回的损失（Al-Mulali和Sheau-Ting，（2014年）；Halicioglu，（2009年）和Michieka等人，（2013年））。
尽管如此，Al-Mulali和Sheau-Ting（2014）、Halicioglu（2009）和Michieka等（2013年）的研究追溯了生产或基于区域的碳排放的影响，但其中并未将跨国生产过程考虑在内。这些研究忽略了基于消费的碳排放量，而碳排放量是根据贸易进行调整的。将商品和服务的生产分配给一个国家，将商品和服务的消费分配给其他国家，这样做是有帮助的。基于区域的排放和基于消费的排放是用于计算碳排放的两种方法。
基于区域的碳排放是比较传统的方法，无需考虑进出口。因此，衍生出一个新的基于消费的数据库，该数据库根据国内化石燃料的使用量加上进口减去出口后的实际排放量来计算碳排放量（Peters等，2011）。对基于区域和基于消费的排放量进行比较的研究发现，国际贸易与基于区域排放量之间的的关系不显著，而国际贸易与基于消费的排放量之间关系显著（Liddle，2018）。此外，基于消费的碳排放可以通过分别处理进口和出口来确定生产和消费对碳排放量的影响（Hasanov等人，2018；Knight＆Schor，2014）。发达国家可能采取将排放转移到产品/服务的产地的方式来通过国际贸易减少碳排放，这令人担忧。如果一个国家消耗的碳排放量大于于其生产的碳排放量，并且比率大于1，那么该国就是碳排放净进口国。如果一个国家的排放量超过其消费量，那么该国就是碳排放量净出口国，以本国为基础的碳排放量比率小于1。所有G-7国家的平均比率都大于1，每个国家的差值也为正，这表明所有抽样国家均为排放净进口国。对于所有G-7国家都是净进口国的可能解释，取决于每个国家的进出口组合。对这些国家过去五年的进口产品进行的全面分析表明，美国的进口产品包括30%的机械、16%的运输产品和9.1%的矿产品。日本的进口包括25%的机械和23%的矿物质；德国的进口包括27%的机械、14%的运输产品和12%的化学产品；英国的进口包括21%的机器、16%的运输产品、9.7%的化学产品和9%的矿产品；法国的进口产品包括22%的机械、15%的运输、11%的化学药品和9.9%的矿产品。意大利的进口产品包括18%的机械、12%的化学和矿物产品以及12%的运输；加拿大的进口量包括24%的机器、20%的运输产品和9.5%的矿产品（Simoes等，2011）。这些数据表明，G-7国家进口的大多数产品是机械、运输产品、矿物和化学产品。
在最近的研究中有很大一部分主要关注碳排放的因素，例如贸易、人口增长和城市化等，相关学者认为金融发展对于碳排放有显著影响，这导致了实证结果的偏差（Tamazian等人（2009）和shahbaz等人（2013））。因此，对于碳排放对金融发展的影响，学者们提出了不同的方法、样本和指标，但仍未得到满意的解决方案。
一些学者（Islam等人（2013年）、Dasgupta等人（2001年）和Tamazian等人（2009年））和研究表明，金融发展可以减少二氧化碳排放量，这是因为：第一，在当今世界，各个公司都在进行技术升级形成竞争优势，只要有充足的资金和公司财务支持就能完成这些技术升级。发达的金融体系可以帮助公司更新升级并加速技术进步，从而减少碳排放。相反，糟糕的金融体系则会影响技术升级，使公司产生更多的碳排放。第二，已经建立和发展出良好金融体系的政府倾向于实施绿色金融和环境友好的项目，并改变其行业并鼓励使用清洁能源，从而减少碳排放。第三，大多数企业在其各自的证券交易所上市，并且政府对企业的财务信息和与公司运营有关的信息进行披露，以便企业留在证券市场中。企业必须公开这些信息，以便他们参与对消费者和行业有利于环境的活动，以向其投资者和公众展示他们致力于改善环境。为了在公众眼中树立良好的形象，他们从事环保活动，使用有利于减少碳排放量环保技术。以上这些都是金融发展改善环境的因素。
与Sadorsky，P.（2010）和Dogan，E.进行的研究有所不同，Turkekul，B.（2016）认为金融发展会增加二氧化碳排放量。原因如下：第一，金融体系发达的国家摆脱了与金融不对称有关的问题，拓宽了融资渠道。在发达的金融体系下，企业可以以较低的利率借贷资金，促进其扩大生产，并在不同区域建立子公司，购买更多的设备并雇用更多的工人，从而增加了碳排放量。第二，完善的金融体系可以提供更好的消费信贷服务，有利于跨期消费。这些都将推动企业增加更多物业、电器和车辆的成本。这些都会增加消耗，从而增加碳排放量。第三，在股票市场中的运营的企业是经济状况的决定性因素。股票市场上的良好表现可能意味着企业的扩张以及产品的更多生产和消费，所有这些都意味着良好的财务是建立在生产和消费基础上的，从而导致碳排放量的增加。这些因素说明了金融发展对碳排放的负面影响。
在这种关系中的技术创新是一个值得关注的重要因素，这种技术创新在提高企业产出、使得企业高效运转以及帮助他们转向使用可再生能源方面发挥着重要作用。如Alvarez-Herranz et al.,2017;Lorente andálvarez-Herránz,2016;Andreoni and Levinson,2001;Torras and Boyce,1998;Arrow et al.,1996).According to Torras and Boyce(1998,P.148)主张“并没有任何先验理由能过够证明收入和环境质量之间的关系是严格单调的。尽管已经有研究直接专注于技术创新和碳排放之间的关系，但是可以说技术是一个可调节变量并且增强了碳排放和决定因素之间的关系。然而，与能源相关的技术创新更大程度上影响了消费，而这种影响反过来又影响了碳排放。技术创新是有与技术息息相关的革新并且对于提高环境质量起着更为重要的作用。
学者们已经在其研究成果中展现大量的样本与模型来为金融发展和碳排放提供建议。然而，全面来看他们的思考并不能达成共识，但是发现他们研究中的部分核心观点能够为本文提供给帮助。主要是两个观点：其一是金融发展能够有效降低碳排放，其二是金融发展会提高碳排放。
本文分别根据当下技术创新、金融发展和国内生产总值，通过使用基于消费的碳排放的方式来对国际贸易中的影响做出研究。有别于Hasanov等人(2018)、Liddle(2018)、khan等人(2020)Zhang等人(2011)和Knight&Schor(2014)，本文将使用不同的研究方式，不仅使用将技术创新和金融发展作为解释变量的研究方法，还将通过不同的计量经济学方法来得出结论。具体而言，理论研究表明，金融发展对碳排放既有积极影响，也有消极影响，最终影响效应可能取决于这些积极影响和消极影响的相对大小Jiang,C.&Ma,X.(2019)。实证研究表明，金融发展对碳排放的影响因国家和地区而异。
实际上，这也在一定程度上证明了理论研究的观点，因为在不同的国家和地区，正向和负向的影响是不同的。虽然金融发展对碳排放的影响还存在争议，但相关研究为环境政策的制定提供了重要的理论价值。Dogan和Turkekul(2016)、Charfeddine和Kahia(2019)为了确定CCO2PCi、t、FDPCi、t和其他变量之间的长期和短期关系，本研究使用由Chudik和Pesaran(2015)开发的具有动态相关效应估计量的横截面增强自回归分布滞后模型（CS-ARDL）。
ECM(-1)表示向平衡调整的速度，正值表示发散，负值表示收敛，这些结论都具备统计学意义。此外，为了进行检验稳健性，本研究将使用Eberhardt&Teal(2010)的增广平均组(AGM)，在存在截面相关性和具有结构突变可能性的非均质边坡系数的情况下，使用第一代面板协整检验，如McCoskey and Kao(1998);Kao et al.(1999);Pedroni(2001);Larsson et al.,(2001);Westerlund(2005)&Pedroni(2004)，会产生无效的失真结果。类似地，Westerlund(2007)解决了截面相关性与非均质边坡系数的相关性和异质性。因此，为了克服非均质边坡系数、截面相关性等相关问题，识别可能的结构突变和序列相关误差等问题，本研究将使用Westerlund和Edgerton(2008)的测试来进行面板协整。
为了处理长期的面板数据，例如超过一个横截面的周期，需要检查不同的问题，诸如模型中的异质性、截面相关性和结构突变。在开始分析之前，本研究首先检验单位之间的截面相关性关系，然后检验斜率系数的非均质性。在存在截面相关性和非均质边坡系数的情况下，本研究不会采用第一代单位根检验，如Maddala and Wu,1999;Choi test,2001Levin et al.2002except Im,Pesaran and Shin,2003，只处理非均质边坡系数。
第一代测试的使用，例如Maddala and Wu,1999;Choi test,2001;Levin et al.2002except Im,Pesaran and Shin,2003，即使存在截面相关性和非均质斜率系数，也会导致偏置协整和平稳性结果，从而导致大小失真和不真实结果(Westerlund2007&Salim et al.，2017a,Jalil,2014)。因此，利用Pesaran和Yamagata(2008)修改的Swamy(1970)试验来检验非均质边坡系数是非常重要的。
对于截面相关性，使用Pesaran(2015)检验。一旦这些问题得到确认，下一步就是使用相关的平稳性测试。为了解决截面相关性和非均质边坡系数的问题,本研究将使用Pesaran’s(2007)的横向比较增强Im Pesaran&Shin和另一个由Bai and Carrion-i-Silvestre(2009)研究出的面板单位根,这不仅涉及截面相关性和非均质边坡系数，也会处理可能的结构性突变级数。
在存在截面相关性和具有结构断裂可能性的非均质边坡系数的情况下，使用第一代面板协整检验，如McCoskey and Kao(1998);Kao et al.(1999);Pedroni(2001);Larsson et al.,(2001);Westerlund(2005)&Pedroni(2004)，无法提供有效的失真结果。同样，Westerlund(2007)处理了非均质边坡系数和横截面相关性，但是，该研究无法处理模型中可能存在的结构突变，因此，为了解决边坡系数不均匀、截面相关性、可能存在的结构突变识别、误差序列相关等问题，本研究将采用Westerlund和Edgerton(2008)的面板协整检验。为了确定CCO2PCi、t、EXPCi、t、IMPCi、t、GDPPCi、t、FDPCi、t和TIPCi、t之间的长期和短期关系，本研究将使用Chudik和Pesaran(2015)开发的动态相关效应估计器，使用横向增强的自回归分布滞后模型(CS-ARDL)。使用该模型的原因是，如果有非均质边坡系数和截面相关性的问题，使用传统方法将提供有偏结果(Coban&Topcu,2013;Yao et al.,2019)。
研究结果是利用不同的经济计量方法所得到的。为了检验截面相关性(CD)，本研究将使用Pesaran(2015)CD检验，接着使用经Pesaran and Yamagata(2008)、Pesaran(2007)修改的Swamy’s检验以及Bai and Carrion-i-Silvestre(2009)为了结合截面相关性和非均质边坡系数问题的单位根检验。此外，本文还使用了Westerlund and Edgerton(2008)开发的第三代协整分析。对于CCO2PCi、t、EXPCi、t、IMPCi、t、GDPPCi、t t、flpci、t、TIPCi、t等变量之间的长期和短期关系，采用横向扩展的自回归分布滞后模型(CS-ARDL)。为了进行稳健性检验，使用了一个增广均值组(AMG)和一个通用相关均值组(CCEMG)方法，并且，为了该论点与金融联系起来，我使用了一个增广均值组(AMG)进行FDPCi,t。
根据我的描述性统计，G-7国家的碳排放与金融发展、进口、出口、技术创新和国内生产总值有关。描述性统计表概述了本研究使用的变量。表2展示了1995年至2017年期间基于消费的碳排放、金融发展、技术创新进口、出口和GDP的平均值。该报告显示，与加拿大、意大利、英国和法国相比，美国、日本和德国等国家在1995年至2017年期间拥有更强大的金融体系。从平均值可以看出，美国和加拿大是碳排放量最大的国家，人均对数值分别为4.79和4.57。
本研究采用了Pesaran(2015)开发的横截面相关性和Swamy(1970)开发、Pesaran and Yamagata(2008)修改的非均质边坡系数检验。使用Pesaran(2007)的横截面增强Im Pesaran&Shin检验来检查每个系列的单位根或稳定性，同样也会使用Bai and Carrion-i-Silvestre(2009)面板单位根检验来检查截面相关性、非均质斜边坡系数和结构断裂。为了检验CCO2PCi、t、EXPCi、t、IMPCi、t、GDPPCi、t、FDPCi、t and TIPCi、t之间结构突变的协整关系，本研究采用Westerlun and Edgerton(2008)的检验来解决非均质边坡系数、结构突变和截面相关性的问题。结果发现，CCO2PCi、t、EXPCi、t、IMPCi、t、GDPPCi、t、flpci、t and TIPCi、t之间存在协整关系。主要的结构性突变发生在2001年、2008年、2011年和2014年。这些结构性突变展现了全球和地方的经济冲击，特别是在贸易方面，如出口和进口。
同样，在长期和短期的研究中，本研究采用了横向增强的ARDL。为了进行稳健性检查，本研究使用了一个增广平均组(AMG)和一个通用相关平均组(CCEMG)。本研究的结果证实，人均进口和人均国内生产总值与基于消费的碳排放均存在正相关关系。与此相反，人均进口、人均金融发展和人均技术创新与基于消费的碳排放呈负相关。从长期来看，由人均出口导致的基于消费的碳排放平均减少0.992%，金融发展导致基于消费的碳排放平均下降0.057%。同样，平均而言，技术创新导致基于消费的碳排放下降0.144%。另一方面，人均进口和人均国内生产总值与基于消费的碳排放呈正相关关系，其系数分别为0.255%和0.570%。