《Energy Economics》：Regional synchronization in energy-related carbon dioxide emissions
编辑推荐：
为解决美国各区域碳排放同步性不明及燃料差异被忽视的问题，研究者应用动态因子模型（DFM）与Granger因果检验，分析了4大区3类燃料的CO2排放。发现石油排放呈强全国同步，煤炭和天然气具区域异质性，且存在煤炭到燃气的单向因果关系，为差异化气候政策设计提供了依据。
过去六十多年来，美国的能源系统与相关的二氧化碳（CO2）排放经历了深刻的重构。长期以来，学术界大量关注宏观经济、能源价格、技术进步和环境规制如何塑造长期的排放轨迹，也有研究聚焦于各州或各地区排放路径是否趋向共同的长期稳态（即收敛性）。然而，在气候政策设计与能源转型的实践中，一个更为细碎且关键的问题往往被忽视：在短中期的时间维度上，不同区域的排放动态究竟是步调一致的，还是千差万别的？此外，煤炭、石油和天然气这三大化石能源，由于处于截然不同的市场结构、监管体制和技术轨道中，它们的排放动态是否遵循同样的同步规律？
传统的收敛分析大多评估排放路径是否趋向共同稳态，却难以量化在特定时间点，区域排放波动在多大程度上是由共享的全国性冲击驱动，抑或是源于区域特有的干扰。同时，多数研究将排放视为单一聚合指标，忽略了燃料特异性的动态差异。例如，交通领域的排放深受国家燃油标准与宏观经济周期影响，而电力行业的排放则更多取决于当地的发电组合、资源禀赋和州级政策。在美国这样一个地域广阔、能源结构多元的国家，理解这种同步性的燃料差异与区域特征，对于评估气候政策的空间传导效应至关重要。
为了揭开这一谜题，Chanheung Cho 等人开展了一项为期六十四年（1960-2023年）的宏观区域研究。该研究利用美国能源信息署（U.S. Energy Information Administration）的州级能源相关CO2排放数据，将排放按煤炭、石油、天然气三类燃料拆分，并针对美国四大人口普查区（东北部、中西部、南部和西部）展开分析。通过引入动态因子模型（Dynamic Factor Model, DFM）提取标准化的年度排放变化中的潜在共同因子（Common Factor），并结合格兰杰因果（Granger-causality）检验，研究人员试图厘清：哪些燃料的排放表现出强烈的全国同步性？哪些又呈现出显著的区域异质性和周期性调整模式？不同燃料间的动态联系又是如何？该论文发表在能源经济领域的重要期刊《Energy Economics》。
作者主要采用了以下关键技术方法：研究基于美国能源信息署（U.S. Energy Information Administration）提供的1960年至2023年州级、分燃料类型（煤炭、石油、天然气）的能源相关CO2排放数据（单位：百万吨）。为聚焦短期动态而非长期水平，作者对原始排放序列进行年度差分（Δyit）处理，并将差分后的序列标准化为z得分（z-score）以消除州规模、产业构成和人口差异。接着，针对每种燃料，分别在美国四大人口普查区内建立动态因子模型（DFM），使用期望最大化（EM）算法结合卡尔曼滤波（Kalman filter）和平滑器（smoother）进行估计，以提取代表区域内共同动态的潜在因子，并设定为一阶自回归AR(1)过程。随后，基于提取出的12个区域-燃料动态因子（4个区域 × 3种燃料），构建向量自回归（VAR）模型，并计算 pairwise 相关系数矩阵，以及采用 Wald 检验进行 Granger 因果关系检验，以揭示跨燃料与跨区域的动态先导-滞后关系。
1. Introduction
引言部分梳理了既有文献的两大局限：一是多关注国家或州层面的长期同步属性，缺乏对中短期动态协同运动的量化；二是多将排放作为聚合指标，忽视了煤炭、石油和天然气背后的市场结构与政策驱动差异。本文由此引入动态因子模型（DFM），旨在将观测到的排放变化方差分解为代表全国/区域冲击的潜在共同因子，以及各州特有的异质成分，从而直接评估同步运动强度，并进一步通过 Granger 因果检验探讨跨燃料传导机制。
2. Data and dynamic factor model
2.1. Emission data and motivation
研究数据源自美国能源信息署1960-2023年的州级分燃料CO2排放。作者分析了年度排放变化（Δyit）并标准化为z分数。州是基本空间单元，四大人口普查区仅作为动态因子估计的分组框架，在提取因子前不对排放进行任何聚合。图 A.1 的区域平均排放描述了煤炭在2005年后下降、石油受油价冲击波动、天然气自1990年代中期稳步上升的宏观表象，但作者指出平均值无法量化共同力量与局部冲击的占比，因而引出 DFM 的必要性。
2.2. Dynamic factor model
DFM 模型设定为：Δyit= λift+ εit，其中 ft是潜在共同因子，λi是因子载荷，εit是异质成分。ft服从 AR(1) 过程：ft= φ1ft-1+ ut。针对每种燃料，分别在各大区用州级面板数据估计 DFM，使用 EM 算法结合卡尔曼滤波/平滑器求解。似然比（LR）检验确认 AR(1) 足以捕捉因子持久性。该设定成功将区域排放动态中的系统性全国/大区运动与州级特异波动分离开。
3. Results
3.1. Cross-fuel and cross-regional dynamics
本部分展示了1960-2023年提取的12个区域-燃料动态因子走势（图 1）。煤炭因子在70-80年代波动剧烈，2005年后进入持续下行趋势（中西部和南部最显著，对应煤改气与清洁空气法案）；石油因子紧密跟踪全球油价周期与交通政策（如1973-79年石油危机、1981年价格放松管制、2007年能效法案及2020年COVID-19）；天然气因子90年代后稳步上升，2005年页岩气革命后进一步跃升（中西部和南部明显），但东北部受基础设施与政策限制增长有限，西部2015年后因水电和可再生替代略有分歧。表 1 的相关系数矩阵表明：燃料内区域间相关性很高（石油约0.7-0.9，煤炭中西部与南部达0.851），而跨燃料相关性普遍低于0.3。Table 2 的 Granger 因果检验显示：煤炭因子（尤其是中西部和南部）对燃气因子具有显著预测力（单向因果），而石油因子对其他燃料的因果联动较弱且不成系统。这说明美国电力部门脱碳主要表现为从煤炭到燃气的非对称燃料替代，交通与电力系统的动态耦合有限。
4. Conclusion and discussion
研究得出结论：美国能源相关CO2排放协同运动具有显著的燃料异质性。石油排放因一体化燃料市场、宏观经济周期和联邦交通政策而呈现强全国同步；煤炭和天然气排放则因发电组合、资源禀赋及监管环境不同，表现出明显的区域异质性和周期调整模式。Granger 因果分析进一步揭示了从煤炭因子到燃气因子的方向性替代关系，凸显了电力部门脱碳的不对称本质。研究强调，美国脱碳并非统一的全国过程，而是受全国冲击和区域结构条件共同塑造的多速转型。
在政策层面，这意味着联邦层面的车辆能效标准或统一碳价可有效遏制石油排放，但电力部门脱碳更需要可再生配额标准、电网现代化或局部碳市场等区域靶向干预。同时，煤炭到燃气的非对称联动提醒我们，若孤立针对某一种燃料制定政策，可能引发另一种燃料的补偿性调整（反弹或泄漏效应），因而需设计协调的跨燃料政策。
当然，作者也指出了若干局限：DFM 假设区域内可用单一潜在因子加异质成分表征，若州内异质性强或基础设施/政策协同导致强跨州相关，可能弱化共同因子的识别；Granger 因果反映预测先导性而非结构因果，结果可能受滞后阶数、线性假设及长样本期潜在结构突变影响，且多重 pairwise 检验存在多重检验问题，故应视为预测性关联指示而非确定性结构因果。
总而言之，这项将动态因子模型（DFM）与向量自回归（VAR）框架结合的研究，清晰剥离了美国区域排放动态中的全国同步成分与区域分化调整。它证明了交通领域（石油）与电力领域（煤炭、天然气）在排放协同结构上的根本分野，并量化了煤改气这一结构性燃料替代的动态先行-滞后关系。在气候变化政策亟待精细化和差异化的今天，这类揭示“多速转型”与“跨燃料动态路径”的证据，为构建既具全国一致性又适应区域特性的气候政策蓝图提供了坚实的实证基石。
