白萬(wàn)平 楊廣仁 張學(xué)敏

收稿日期：2013-05-12

基金項(xiàng)目：

作者簡(jiǎn)介：白萬(wàn)平（1963-），男，重慶人，博士，貴州財(cái)經(jīng)大學(xué)教授，研究方向?yàn)橛?jì)量經(jīng)濟(jì)模型應(yīng)用研究；楊廣仁（1978-），男，山東人，博士研究生，副教授，研究方向?yàn)榉菂?shù)統(tǒng)計(jì)；張學(xué)敏（1975-），女，四川資陽(yáng)人，經(jīng)濟(jì)師，人力資源管理師，國(guó)家二級(jí)企業(yè)培訓(xùn)師，研究方向?yàn)槿肆Y源管理。

摘要： 在氣候變化問(wèn)題上，“災(zāi)難論”和“陰謀論”是由碳排放量增加與氣溫升高“因果論”和“非因果論”衍生的兩種主要觀點(diǎn)，但未見(jiàn)學(xué)者從統(tǒng)計(jì)因果關(guān)系檢驗(yàn)角度深入探究。選取全球161年的時(shí)間序列數(shù)據(jù)，運(yùn)用線性和非線性等方法檢驗(yàn)兩者之間的統(tǒng)計(jì)因果關(guān)系，結(jié)果表明碳排放增加是氣溫升高的原因，同時(shí)發(fā)現(xiàn)氣溫變化存在一個(gè)滯后期為29年的周期性變動(dòng)；在面板數(shù)據(jù)因果檢驗(yàn)中，從全球抽取20個(gè)代表性國(guó)家101年的數(shù)據(jù)，檢驗(yàn)結(jié)果仍然是碳排放增加是氣溫變化的原因。因此，有證據(jù)表明，碳排放增加是全球氣溫變化的統(tǒng)計(jì)原因。節(jié)能減排是共同責(zé)任，“陰謀論”不足為信。

關(guān)鍵詞：碳排放量；氣溫變化；統(tǒng)計(jì)因果關(guān)系；PVAR模型；同質(zhì)性；Hisao檢驗(yàn)

文章編號(hào)：2095-5960（2013）05-0046-06

；中圖分類號(hào)：C81

；文獻(xiàn)標(biāo)識(shí)碼：A

在碳排放增加與地球溫度升高之間關(guān)系問(wèn)題上，學(xué)術(shù)界一直存在“因果論”和“非因果論”之爭(zhēng)，近年來(lái)又被演變成一種政治工具，對(duì)應(yīng)為“災(zāi)難論”和“陰謀論”兩種觀點(diǎn)，特別是美國(guó)、加拿大兩個(gè)發(fā)達(dá)國(guó)家相繼退出減排協(xié)定后，使問(wèn)題變得更加撲朔迷離。誠(chéng)然，地球氣溫變化是一個(gè)復(fù)雜過(guò)程，氣象科學(xué)家通過(guò)科學(xué)觀測(cè)、模擬等手段證實(shí)了變化的復(fù)雜性。但換一個(gè)角度思考，兩者所反映的是事物（現(xiàn)象）之間的因果關(guān)系，在獲取大樣本的觀察數(shù)據(jù)后，可以利用統(tǒng)計(jì)因果檢驗(yàn)的方法，探討兩者之間的統(tǒng)計(jì)因果關(guān)系。遺憾的是，對(duì)于這樣一個(gè)重大問(wèn)題，未見(jiàn)國(guó)內(nèi)外學(xué)者的相關(guān)著述。通過(guò)運(yùn)用多種現(xiàn)代統(tǒng)計(jì)因果關(guān)系檢驗(yàn)方法探索兩者的關(guān)系，其一能填補(bǔ)兩者之間統(tǒng)計(jì)因果關(guān)系方面的缺失，為爭(zhēng)論提供統(tǒng)計(jì)證據(jù)，其二拓展統(tǒng)計(jì)因果關(guān)系的應(yīng)用范圍，這正是本文試圖作出的貢獻(xiàn)。

本文安排如下：第一部分，統(tǒng)計(jì)因果關(guān)系檢驗(yàn)進(jìn)展回顧；第二部分，選擇161年的時(shí)間序列，檢驗(yàn)全球碳排放增加與氣溫升高之間的統(tǒng)計(jì)因果關(guān)系；第三部分，在全球選擇20個(gè)樣本國(guó)家，從面板數(shù)據(jù)角度檢驗(yàn)兩者之間的因果關(guān)系檢驗(yàn)；最后，為本文結(jié)論。

一、統(tǒng)計(jì)因果關(guān)系檢驗(yàn)進(jìn)展

Granger（1969）^[9]開(kāi)創(chuàng)性地提出統(tǒng)計(jì)非因果關(guān)系檢驗(yàn)方法后，經(jīng)過(guò)四十余年的發(fā)展，用統(tǒng)計(jì)方法檢驗(yàn)變量因果關(guān)系的研究，已經(jīng)在時(shí)間序列向面板數(shù)據(jù)、線性向非線性、參數(shù)向非參數(shù)檢驗(yàn)等多個(gè)維度上發(fā)展，成為科學(xué)檢驗(yàn)變量間統(tǒng)計(jì)因果關(guān)系的必要手段和工具。

從統(tǒng)計(jì)上講，假設(shè)序列Y和X都是平穩(wěn)的，我們說(shuō)X不引起Y（即X不是Y的Granger原因）是指在對(duì)Y作預(yù)測(cè)時(shí)，假如由包含X過(guò)去值所得到的預(yù)測(cè)值并不優(yōu)于未含X過(guò)去值的預(yù)測(cè)?；蛘哒f(shuō)，如果X不引起Y， X無(wú)助于對(duì)Y的預(yù)測(cè)。反之，則說(shuō)X引起Y，即X是Y的Granger原因。對(duì)非平穩(wěn)時(shí)間序列，假設(shè)兩個(gè)序列之間有協(xié)整關(guān)系，可由Engle and Granger （1987）^[7]單方程檢驗(yàn)完成，或按Granger（1988）^[10]兩步法得出誤差修正模型（ECM）處理，其中涉及滯后階數(shù)的敏感性問(wèn)題，可由Hsiao （1981，1982）^{[12] [13]}用Akaike （1970）^[1]的最終預(yù)報(bào)誤差 （FPE） 結(jié)合Granger方法處理。Hsiao的方法還可以用于處理多變量線性因果關(guān)系及其最優(yōu)滯后階數(shù)的選擇上。但發(fā)展至今，非線性因果關(guān)系檢驗(yàn)問(wèn)題在實(shí)證中仍然未獲得滿意結(jié)果，盡管已經(jīng)出現(xiàn)了BDS（1992）^[2]、HJ（1994） [11]

理論上，時(shí)間序列中的雙變量線性與非線性因果檢驗(yàn)方法較為系統(tǒng)，包括多因一果和一因多果在內(nèi)的多變量因果關(guān)系，以及面板數(shù)據(jù)變量因果關(guān)系的檢驗(yàn)已經(jīng)獲得了一些解決的方法，但研究還不充分。如在檢驗(yàn)多變量因果關(guān)系時(shí)，目前僅有的TY檢驗(yàn)因只對(duì)少數(shù)具有特殊單整情形給出證明，尚不具備普適性；BWZ檢驗(yàn)將BDS方法所做的推廣存在過(guò)度拒絕的傾向；同時(shí)多元非線性Granger因果檢驗(yàn)的成果目前大多處在理論層面，在應(yīng)用中有一定難度。在面板數(shù)據(jù)因果關(guān)系檢驗(yàn)中，Hurlin等人的研究成果對(duì)于檢驗(yàn)?zāi)承﹫?chǎng)合的因果關(guān)系奏效，但該方法還存在分類不完備，可能出現(xiàn)難以解釋的結(jié)果；Furkan的方法 在T較小或內(nèi)生工具變量不易確定時(shí)用固定Granger因果估計(jì)存在固有的偏差且不可比較等問(wèn)題，表明在統(tǒng)計(jì)因果關(guān)系理論有待發(fā)展。

在實(shí)證研究中，統(tǒng)計(jì)因果關(guān)系在研究經(jīng)濟(jì)系統(tǒng)變量間關(guān)系時(shí)應(yīng)用較多，但對(duì)其他系統(tǒng)內(nèi)變量間關(guān)系，特別是爭(zhēng)論了一個(gè)多世紀(jì)的碳排放與氣候變化之間的統(tǒng)計(jì)因果關(guān)系，未發(fā)現(xiàn)有學(xué)者采用上述統(tǒng)計(jì)方法研究。因此，無(wú)論是擴(kuò)展統(tǒng)計(jì)因果關(guān)系方法的應(yīng)用范圍還是為一個(gè)重大關(guān)系提供證據(jù)，都有必要從時(shí)間序列和面板數(shù)據(jù)兩個(gè)層面對(duì)此進(jìn)行檢驗(yàn)，為解釋兩者之間存在的關(guān)系提供佐證。

二、全球氣溫變化與碳排放統(tǒng)計(jì)因果關(guān)系檢驗(yàn)

在以下的分析中，我們視序列的屬性和滿足的條件，采用適合的方法，由標(biāo)準(zhǔn)的Granger統(tǒng)計(jì)因果檢驗(yàn)開(kāi)始，層層推進(jìn)，從線性、非線性時(shí)間序列到面板數(shù)據(jù)等多個(gè)維度對(duì)兩者之間的統(tǒng)計(jì)因果關(guān)系進(jìn)行全面檢驗(yàn)，獲得相應(yīng)證據(jù)。

變量說(shuō)明和樣本選取。根據(jù)變量的代表性和數(shù)據(jù)的可得性，碳排放量和氣溫分別以xt，yt表示①①以每年消費(fèi)化石能源的碳排放量表示年碳排放量，全球年均氣溫表示氣溫。數(shù)據(jù)來(lái)源：英國(guó)國(guó)家氣象臺(tái)、美國(guó)橡樹(shù)嶺實(shí)驗(yàn)室。，樣本時(shí)間段為1850—2010年。在跨越三個(gè)世紀(jì)的161年中，地球年均氣溫最高的是1998年，達(dá)到0.529℃，最低的是1911年，為零下0.573℃，溫度的極差為1.112℃，超過(guò)1℃，但161年氣溫升高不到1℃。同期全球碳排放量快速增加，由1850年的54mtc增加到2010年的9167mtc，人均碳排放量也由0.05tc增長(zhǎng)到2010年的1.34tc，增長(zhǎng)28倍。

單位根檢驗(yàn)。對(duì)原序列采用6種方法檢驗(yàn)后不能排除存在單位根的可能，進(jìn)一步對(duì)兩個(gè)差分序列進(jìn)行檢驗(yàn)，結(jié)果如表1。從檢驗(yàn)結(jié)果看，兩個(gè)差分序列平穩(wěn)，不存在單位根。

為了觀察不同滯后階數(shù)的反應(yīng)，將滯后階數(shù)從1取到50，得出檢驗(yàn)統(tǒng)計(jì)量對(duì)應(yīng)的P值，在檢驗(yàn)結(jié)果中，沒(méi)有一致證據(jù)表明氣溫升高與碳排放增加的因果關(guān)系。在碳排放增加與氣溫升高的檢驗(yàn)中，滯后階數(shù)大于1后，沒(méi)有證據(jù)表明碳排放增加是氣溫升高的Granger原因。而滯后1階時(shí)，F(xiàn)檢驗(yàn)值達(dá)到4.30431，P值為0.0397。顯然，在5%的顯著性水平下，拒絕原假設(shè)，即有統(tǒng)計(jì)證據(jù)表明，碳排放增加是氣溫升高的Granger原因。因果檢驗(yàn)對(duì)滯后階數(shù)的敏感性，無(wú)法得出一致的證據(jù)，需要進(jìn)一步檢驗(yàn)。兩個(gè)變量是一階單整的，接下來(lái)檢驗(yàn)是否存在協(xié)整關(guān)系。利用Johansen檢驗(yàn)，記Yt為碳排放、氣溫構(gòu)成的二維列向量，Xt是確定性向量，分別在5種不同的設(shè)定進(jìn)行檢驗(yàn)。整理后的檢驗(yàn)結(jié)果如表2所示。

表 2Johansen協(xié)整檢驗(yàn)

數(shù)據(jù)趨勢(shì)無(wú)無(wú)線性拋物線

檢驗(yàn)類型無(wú)截距、無(wú)趨勢(shì)有截距、無(wú)趨勢(shì)有截距、無(wú)趨勢(shì)有截距、有趨勢(shì)有趨勢(shì)、有截距

跡12210

最大特征根數(shù)12210

單純觀察檢驗(yàn)結(jié)果，無(wú)法得出是否存在協(xié)整關(guān)系的結(jié)論。利用變量回歸，不能拒絕趨勢(shì)項(xiàng)冗余的假設(shè)，而趨勢(shì)項(xiàng)對(duì)判斷兩者之間是否存在協(xié)整關(guān)系至關(guān)重要。因此，用Johansen協(xié)整檢驗(yàn)并不能確定兩者之間的長(zhǎng)期穩(wěn)定因果關(guān)系，采用Engle-Granger和Phillips-Ouliaris檢驗(yàn)，所得結(jié)果整理如表3：

由此可知，E-G和PP兩種單方程協(xié)整檢驗(yàn)都拒絕碳排放量與氣溫之間不存在協(xié)整關(guān)系的假設(shè)，可以認(rèn)為在樣本期內(nèi)，兩者之間存在長(zhǎng)期穩(wěn)定的關(guān)系。

由于Granger檢驗(yàn)不能確定最佳滯后階數(shù)，為提高精度，進(jìn)一步采用Hsiao（1981）的方法：按1/5樣本選擇滯后階的原則，選取的最大滯后階數(shù)為32 ，計(jì)算出各滯后階數(shù)的FPE值，比較篩選的最小FPE=0.00838，相應(yīng)的滯后階數(shù)m*=29，該滯后階數(shù)可解釋為地球氣溫大約在29年左右出現(xiàn)周期性波動(dòng)的特性；固定m*=29，引入碳排放量，計(jì)算到32階的FPE值，得出最小FPE=0.008277，相應(yīng)n*=1，由此確定的最佳滯后階數(shù)為1期，即上期碳排放量對(duì)本期氣溫影響最為顯著，該結(jié)果與通過(guò)Granger因果檢驗(yàn)所得滯后階數(shù)一致。所以，采用線性Granger因果關(guān)系檢驗(yàn)后的結(jié)論是：碳排放增加是氣溫升高的統(tǒng)計(jì)原因。

上述檢驗(yàn)的基本假設(shè)是兩者之間存在線性關(guān)系，如果兩者之間存在的關(guān)系不是線性的，則證據(jù)不足，需要進(jìn)一步采用非線性統(tǒng)計(jì)檢驗(yàn)方法檢驗(yàn)。

由兩個(gè)變量的特征，首先選擇非線性因果關(guān)系中的BDS檢驗(yàn)方法。用VAR模型剔除主要線性關(guān)系，檢驗(yàn)余下部分的獨(dú)立同分布特征。本問(wèn)題中，所關(guān)注的問(wèn)題是xt是否引起yt的變動(dòng)，經(jīng)過(guò)甄別，無(wú)約束、滯后兩階向量自回歸模型是適宜模型，檢驗(yàn)y關(guān)于x向量自回歸模型中的殘差，按照選取滯后階數(shù)的原則，選擇直到6階后的檢驗(yàn)結(jié)果見(jiàn)表4。

檢驗(yàn)結(jié)果表明經(jīng)過(guò)線性關(guān)系過(guò)濾后的序列中已經(jīng)不含其他非線性因果關(guān)系，無(wú)需再采用其他非線性因果方法檢驗(yàn)，支持碳排放增加是氣溫升高的統(tǒng)計(jì)原因這一結(jié)果。

利用線性和非線性統(tǒng)計(jì)因果關(guān)系的多種方法檢驗(yàn)，所得結(jié)論是碳排放增加是氣溫升高的統(tǒng)計(jì)原因，全球碳排放增加在一定程度上引起了全球氣溫升高。

三、碳排放與氣溫面板數(shù)據(jù)因果關(guān)系檢驗(yàn)

對(duì)碳排放與氣溫變化時(shí)間序列統(tǒng)計(jì)因果關(guān)系的研究，只是從時(shí)間進(jìn)程上為我們提供了碳排放增加引起氣溫升高的證據(jù)。由于各地區(qū)工業(yè)化程度不一、區(qū)位各異，導(dǎo)致碳排放分布極不均衡，各地緯度等不同，氣溫差異也較大，僅僅由時(shí)序獲取的證據(jù)略顯單薄。為此，我們?cè)谌蜻x擇樣本點(diǎn)，采用面板數(shù)據(jù)因果關(guān)系檢驗(yàn)方法，做出進(jìn)一步的論證。

樣本選擇。綜合考慮地區(qū)工業(yè)化程度、區(qū)域分布均衡性和數(shù)據(jù)可得性，從全球選取20個(gè)國(guó)家①①各國(guó)氣溫以主要城市代替，德國(guó)、俄羅斯等有分合的國(guó)家數(shù)據(jù)已按統(tǒng)一口徑處理，數(shù)據(jù)來(lái)源同前。，分別為：美國(guó)、俄羅斯、英國(guó)、法國(guó)、德國(guó)、日本、波蘭、挪威、瑞典、奧地利、愛(ài)爾蘭、南非、墨西哥、印尼、印度、巴西、新西蘭、阿根廷、澳大利亞、中國(guó)。其中包含了早期工業(yè)化國(guó)家、主要大國(guó)和發(fā)展中國(guó)家，分布在不同緯度，樣本國(guó)家的總碳排放量占全球排放的近70%，樣本有較強(qiáng)的代表性。受觀測(cè)數(shù)據(jù)限制，為了兼顧各大洲皆有國(guó)家入選，最后確定樣本區(qū)間為1910年至2010年，采集了101年的面板數(shù)據(jù)。

檢驗(yàn)說(shuō)明，對(duì)1、2、3階的滯后期數(shù)，檢驗(yàn)值都遠(yuǎn)大于臨界值（顯著性水平為1%），拒絕原假設(shè)。因此，不能排除碳排放增加是氣溫變化的統(tǒng)計(jì)原因。

至此，通過(guò)利用時(shí)間序列和面板數(shù)據(jù)的多種因果關(guān)系檢驗(yàn)，結(jié)果都拒絕碳排放增加不是氣溫變化統(tǒng)計(jì)原因的假設(shè)。

在現(xiàn)有研究成果中，基于各地區(qū)不同區(qū)位、氣溫和碳排放量，氣溫升高所產(chǎn)生的影響有別，“災(zāi)難論”似乎證據(jù)更充分，人們總體上更傾向于氣溫升高對(duì)人類社會(huì)經(jīng)濟(jì)發(fā)展“弊大于利”的結(jié)論。假設(shè)氣溫持續(xù)升高，可以預(yù)見(jiàn)的危害包括海平面上升、病蟲(chóng)害增加、氣候反常頻率增加和沙漠化加劇等，將直接挑戰(zhàn)可持續(xù)發(fā)展的基本條件。如果不能有效控制碳排放，阻止氣溫升高，對(duì)于經(jīng)濟(jì)發(fā)展主要依靠沿海地區(qū)的海岸國(guó)家，氣溫升高導(dǎo)致的經(jīng)濟(jì)損失后果將更嚴(yán)重?？刂苹茉聪M(fèi)、尋找清潔替代能源、有效減少碳排放從而實(shí)現(xiàn)社會(huì)經(jīng)濟(jì)可持續(xù)發(fā)展，理應(yīng)成為人類的共同選擇和發(fā)展路徑。

四、結(jié)論

碳排放增加與氣候變化是復(fù)雜系統(tǒng)中的兩個(gè)方面，選取碳排放和氣溫兩個(gè)變量，在總結(jié)統(tǒng)計(jì)因果關(guān)系檢驗(yàn)方法進(jìn)展后，采用線性Granger因果檢驗(yàn)捕捉到在碳排放增量滯后一期時(shí)，兩者存在因果關(guān)系。進(jìn)一步采用Hisao檢驗(yàn)法，得出最優(yōu)滯后階數(shù)，表明碳排放增加是氣溫升高的原因，同時(shí)還發(fā)現(xiàn)地球氣溫在29年左右出現(xiàn)一個(gè)周期的結(jié)論?？紤]兩者之間可能存在非線性因果關(guān)系，用非線性檢驗(yàn)方法，同樣支持碳排放增加引起氣溫升高的結(jié)論。有證據(jù)表明，在全球范圍內(nèi)，碳排放增加是氣溫升高的直接原因。為提供更充分的證據(jù)，從全球選取20個(gè)樣本國(guó)家，收集從1910年到2010年共101年的數(shù)據(jù)，采用面板數(shù)據(jù)因果檢驗(yàn)法，在檢驗(yàn)出這些國(guó)家的碳排放和氣溫具有同質(zhì)性后，進(jìn)一步檢驗(yàn)兩者的因果關(guān)系，結(jié)果同樣支持碳排放增加是氣溫變化的統(tǒng)計(jì)原因。因此，從統(tǒng)計(jì)意義上講，不能拒絕碳排放增加是氣溫變化的原因。

研究結(jié)論表明，按照無(wú)悔策略原則，中國(guó)政府在應(yīng)對(duì)氣候變化問(wèn)題上的一系列決策是合理的選擇。在資源趨緊和氣溫變化雙重約束下，各地區(qū)需要從實(shí)際出發(fā)，選擇科學(xué)發(fā)展路徑，節(jié)能減排、保護(hù)環(huán)境，保持經(jīng)濟(jì)又好又快增長(zhǎng)，這不僅是自身發(fā)展的需要，也是一個(gè)對(duì)世界負(fù)責(zé)的政府應(yīng)有的態(tài)度。

參考文獻(xiàn)

[1]Akaike， H. （1970）. Statistical predicator identification. Annals of the Institute of Statistical Mathematics[J]， 21， 203–207.

[2]Baek， E.G.， Brock， W.A.， 1992. A general test for nonlinear Granger causality： bivariate model[R]. Working Paper. Korea Development Institute， University of Wisconsin-Madison.

[3]Cees Diks， Valentyn Panchenko， A new statistic and practical guidelines for nonparametric Granger causality testing[J]， Journal of Economic Dynamics & Control 30 （2006） 1647–1669.

[4]Douglas Holtz-Eakin， Whitney Newey and Harvey S. Rosen， Estimating vector autoregressions with panel data[J]， Econometrica， 1988， 56（ 6） ：1371- 1395.

[5]Dufour， J.-M.， Pelletier， D.， Renault， E， 2006. Short run and long run causality in time series： Inference[J]. Journal of Econometrics 132 （2）， 337–362.

[6]Dufour， Abderrahim Taamoutic， Short and long run causality measures： Theory and inference[J]， Journal of Econometrics 154 （2010） 42–58.

[7]Engle， R.F， Granger， C.W.J.， 1987. Cointegration and error-correction： representation， estimation and testing[J]. Econometrica 55， 251–276.

[8]Furkan Emirmahmutoglu ，Nezir KoseTesting for Granger causality in heterogeneous mixed panels[J]，Economic Modelling，Volume 28， Issue 3， May 2011， Pages 870-876.

[9]Granger， C.W.J， 1969. Investigating causal relations by econometric models and crossspectral methods[J]. Econometrica37， 424–438.

[10]Granger， C.W.J.， 1988. Causality， cointegration and control[J]. Journal of Economic Dynamics and Control 12， 551–559.

[11]Hiemstra， C.， & Jones， J.， D. （1994）. Testing for Linear and Non-linear Granger Causality in the Stock Price Volume Relation[J]. Journal of Finance， 49， 1639-1664.

[12]Hsiao， C. （1981）. Autoregressive modelling and money-income causality detection[J]. Journal of Monetary Economics， 7，85–106.

[13]Hsiao， C. （1982） Autoregressive Modelling and Causal Ordering of Economic Variables[J].Journal of Economic Dynamics and Control 4： 243-259.

[14]Hurlin Christophe， Venet Baptiste， Granger Causality Tests in Panel Data Models Fixed Coefficients[R] ，Working Paper， Eurisco， Université Paris IX Dauphine ，2001.

[15]Hurlin Christophe， Venet Baptiste， Granger Causality Tests in Panel Data Models with Fixed Coefficients[R]， Working Paper ，2003.

[16]Hurlin C. Testing Granger causality in heterogenous panel data models with fixed coefficients[R]. Paris： Université Paris IX Dauphine，2004.

[17]Hurlin， C.， 2008. Testing for Granger non-causality in heterogeneous panels[R]. Working Papers halshs-00224434， version 1.

[18]Jean-Marie Dufour， Abderrahim Taamoutic， Short and long run causality measures： Theory and inference[J]， Journal of Econometrics 154 （2010） 42-58.

[19]Johansen， S.， Estimation and hypothesis testing of cointegration vectors in Gaussian vector autoregressive models[J]. Econometrica 59（1991） 1551–1580.

[20]Konya， L.， 2006. Exports and growth： Granger causality analysis on OECD countries with a panel data approach[J]. Economic Modeling 23， 978–992.

[21]Michael Eichler，Granger causality and path diagrams for multivariate time series[J]，Journal of Econometrics 137 （2007） 334–353.

[22]P. Grassberger and I. Procaccia. Measuring the strangeness of strange attractors[J]. Physica D， 9：189--208， 1983.

[23]Toda， H.Y.， Yamamoto， T.， 1995. Statistical inference in vector autoregression with possibly integrated processes[J]. Journal of Econometrics 66， 225–250.

[24]Weinhold D， A dynamic‘fixed effectsmodel for heterogeneous panel data[R]，London： London School of Economics， April 1999.

[25]Zhidong Bai， Heng Li， Wing-Keung Wong， Bingzhi Zhang， Multivariate causality tests with simulation and application[J]， Statistics and Probability Letters 81 （2011） 1063–1071.

[26]Zhidong Bai， Wing-Keung Wong， Bingzhi Zhang，Multivariate linear and nonlinear causality tests[J]，Mathematics and Computers in Simulation 81 （2010） 5–17.