浅谈经济增长与环境污染实证

导语：浅谈经济增长与环境污染实证一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

［提要］本文以30个省份废气排放与经济发展之间的关系为研究对象，运用2008～2017年共10年间的数据建立面板分位数模型。回归结果表明：经济增长在不同的分位水平下均能造成一定的环境污染情况，经济增长每提高1%，环境污染的提升范围为0.596%～1.833%；EKC曲线是存在的；在同等的经济增长水平下，污染较为轻微地区的环境所受到的影响更为强烈。为此，在环境污染较为轻微的地区，政府需格外注意污染防控；而在污染较为严重的地区，政府应投入更为充足的资金来大力整治环境污染情况；政府应推进生态环境科技工作，发挥科技创新作用，为打好污染防治攻坚战提供有力支撑。

关键词：EKC曲线；经济增长；环境污染；政府治理

一、引言

当一个国家经济水平较低时，环境污染的程度较轻，但是随着经济水平的增长，环境恶化程度也将加剧；当经济发展达到一定水平后，即到达某个临界点或“拐点”之后，随着经济进一步发展，环境污染的程度又逐渐减缓，这种现象被称为“环境库兹涅茨曲线（简称EKC）。有关EKC的研究一直为学界热点问题，综合关于EKC的研究结果，EKC曲线的形状并不固定，普遍接受的结论是：环境库兹涅茨倒U型曲线关系，取决于不同时期、具体地区、污染指标以及估计方法的选取，不存在适合所有地区、所有污染物及估计方法的单一情况。基于当前学者们的研究来看，许多学者都对经济发展与环境污染的倒U形曲线进行了实证检验或对EKC曲线的拐点进行了判断与分析。但绝大多数学者在计量模型方法上大多基于普通最小二乘法（OLS），而OLS得到的是解释变量对被解释变量的平均效果，隐含各地区污染排放同质性的假定，而现实中经济增长在污染程度不同的地区对环境造成的影响可能不同。因此，同质性假定需要修正。而分位数回归可对数据集合中不同分位点的数据进行研究，估计自变量对不同分位点的因变量的影响，能够很好的分析不同分位点上的异质性。基于此，本文以30省份废气排放（SO2排放）与经济发展之间的关系为研究对象，运用2008～2017年共10年间的数据建立面板分位数模型，探讨经济发展与环境污染之间的倒U型曲线，并研究技术发展、政府治理、产业结构、城镇化效应共四个控制变量在不同分位点对废气排放的影响。

二、模型构建及分析方法

（一）模型构建。本文考虑到经济发展对环境污染的影响以及其他主要的控制变量，选取全国30省份2008～2017年数据，将基本回归模型设定如下：ln（SO2it）＝αi+β1ln（GDPit）+β2ln2（GDPit）+γXt+εit式中，SO2it代表第i省在第t年的人均SO2排放量（单位：千克/人），SO2是大气主要污染物之一，我们选用人均SO2排放量用来衡量区域污染情况。GDPit代表第i省在第t年的人均GDP（单位：万元），此处我们选取人均GDP衡量区域经济发展情况，同时我们加入ln（GDP）的平方项来检验环境污染与经济发展之间的倒U型曲线。Xt为控制变量，αi为截面效应，εit为随机误差项。结合我国实际情况和已有相关文献，本文主要考虑技术发展、政府治理、产业结构、城镇化效应等四个控制变量。产业结构与污染排放密切相关，第二产业即工业占比增加时，往往会带来一定的环境污染。本文选取产业结构变量Eit（第二产业产值占地区生产总值的比重）来分析产业结构变动对区域环境污染的影响，预期系数为正。对于政府治理，本文选取政府治理变量Git（地区治理工业污染投资额占GDP的比重）来分析政府对污染情况的控制力度，预期系数为负，即地区治理工业污染投资额越高，污染情况会逐渐改善。技术水平的提升往往有助于改善并使用更加清洁环保的生产方式，同时，技术进步也能够提升生产效率。因此，技术进步会减缓一定的环境污染情况。本文选取技术水平变量Tit（万元GDP能耗，单位为：吨标准煤/万元）来分析技术水平对区域SO2排放的影响，预期系数为正。城镇化进程的推进也给一些地区带来了环境污染问题，本文选取城镇化变量Cit（非农业人口占总人口的比例）来衡量城镇化进程对区域污染的影响，预期系数为正。各变量所涉及到的数据均来自于国家统计局及统计年鉴（二）分析方法。分位数回归最早由柯恩克和巴塞特提出，是一种基于被解释变量y的条件分布来拟合解释变量x的线性函数的回归方法。对分位数回归而言，被解释变量y的Г分位数函数Q（Г）可以定义为：Q（Г）＝infy≥：F（Г）≥Г≥（0＜Г＜1）其中，Г表示回归平面以下的数据占全体数据的百分比。与普通最小二乘法基于均值的估计不同，分位数回归采用加权残差绝对值之和的方法进行参数的估计。具体地，对于回归方程Y＝βX+ε，要分析自变量X对因变量Y在各分位数Г的影响，我们需求解：β（τ）＝argminβ∈Rpni=1Σρτ（yi-xi'β）（1）其中，ρτ（z）=τzI［0，∞）（z）-（1-τ）zI（-∞，0）（z）。式（1）相当于求解如下线性规划：maxzy'zΣ｜X'z=（1-τ）X'e，z∈［0，1］n≥本文基于stata14.0的“qregpd”进行分位数回归估计。分位数回归的估计结果能够对被解释变量条件分布的全貌进行更加全面的描述，不是仅仅分析被解释变量的均值，也可以分析解释变量如何影响被解释变量的中位数、分位数等。此外，分位数回归使用残差绝对值的加权平均作为最小化的目标函数，与OLS相比更不容易受极端值的影响，估计结果更为稳健。

三、实证结果分析

由于面板数据的特性，在开始回归分析前，先进行F值检验以及Hausman检验，根据检验结果，模型均选择个体固定效应模型进行估计。利用2008～2017年共计10年间全国30省份相应数据，建立面板分位数回归模型，为更好地观察以上各变量分位数回归系数所呈现的差异信息和变化规律，依次在0.1、0.3、0.5、0.7、0.9五个分位点进行估计，为进行比较，也同时报告面板固定效应的估计结果，详见表1。（表1）这里首先关注经济发展对环境污染的影响系数，无论是固定效应模型还是各分位水平上ln（GDP）的系数均为正数，而且通过了1%的显著性水平检验。这意味着在2008～2017年10年间我国30省份的经济发展情况是造成了一定污染的。随着分位点的升高，经济增长所造成的环境污染情况逐渐减缓，因此同等的经济增长水平下，污染较为轻微地区的环境所受到的影响是更为强烈的。本文认为原因有二：其一，污染程度和经济发展情况往往是成正比的，污染较为轻微的地区自身的发展水平往往也较为落后，如青海、新疆等地区，这些地区控制污染水平的能力往往不高，因此在这些地区，提升同等的经济水平可能会带来更严重的环境污染；其二，对于污染较为严重的地区，其污染情况可能已经趋于“饱和”，此时经济发展可能并不会在污染“饱和”的基础上带来进一步更为严重的环境污染。此外，ln2（GDP）的系数在固定效应模型和各分位水平上均为负值，且通过了1%的显著性水平检验，说明EKC曲线是存在的。此外，我们关注四个控制变量。对于产业结构变量ln（E），其系数在固定效应模型和各分位水平上均为正值，且通过了1%的显著性水平检验，这说明第二产业比重的上升将造成一定的环境污染问题。此外，在环境污染较为轻微的地区，二产比重的上升所造成的环境问题更为严重，本文认为原因同上。政府治理变量ln（G）的系数均为负，且通过了1%的显著性水平检验，说明政府治理工业污染投资能够缓解一定的环境污染。且在同等强度的政府治理水平下，污染较为严重的地区能够缓解的程度是小于污染较为轻微的地区的。因此，政府应投入更为充足的资金来整治污染严重地区的环境情况。技术水平变量Tit的系数均为正且均通过了1%的显著性水平检验，这说明无论污染水平如何，技术水平的提高都能减缓地区环境污染情况，同时，相较于中位点，低分为点和高分为点也即环境污染水平较低和较高的地区，技术水平对环境改善的作用更为显著。城镇化变量ln（C）的系数均为正且均通过了1%的显著性水平检验，说明城镇化往往会带来一定程度的环境污染，与通常的认知情况相吻合。值得一提的是，在固定效应模型中，ln（C）的回归系数与ln2（GDP）的回归系数均大于或小于该变量任何一个分位点的回归系数，可见如果不考虑参数异质性问题，采用传统的固定效应模型得出的回归结果可能是不准确的。

四、结论及建议

结果表明，若不考虑参数异质性问题，使用传统文献中的面板固定效应模型可能会得出不准确的结论。在不同的分位数水平下，经济增长均能造成一定的环境污染情况，经济增长每提高1%，环境污染的提升范围为0.596%～1.833%。此外，ln2（GDP）的系数在固定效应模型和各分位水平上均为负值，且通过了1%的显著性水平检验，说明EKC曲线是存在的。对于不同环境污染情况的城市而言，经济增长的环境污染作用强度又是不同的：同等的经济增长水平下，污染较为轻微地区的环境所受到的影响是更为强烈的。对此，本文根据回归结果提出如下建议：在环境污染较为轻微的地区，政府需格外注意污染防控，坚持绿色发展，重点提升第三产业，走生态建设产业化之路。要尽力实现产业结构转型升级，把高投入、高消耗、高污染、低产出、低质量、低效益的产业转为低投入、低消耗、低污染、高产出、高质量、高效益的产业。在污染较为严重的地区，政府应投入更为充足的资金大力整治环境污染情况。同时，污染较为严重和污染轻微的地区都应推进生态环境科技工作，发挥科技创新作用，为打好污染防治攻坚战提供有力支撑。

参考文献：

［1］GROSSMANM，KRUEGERA.EnvironmentalImpactofaNorthAmericanFreeTradeAgreement［EB/OL］.

［2］张学刚.长三角地区经济增长与环境污染再研究———基于分位数回归方法［J］.嘉兴学院学报，2015（1）.

［3］李育安.分位数回归及应用简介［J］.统计与信息论坛，2006（3）.

［4］刘玉萍，郭郡郡.人口因素对CO2排放的影响———基于面板分位数回归的实证研究［J］.人口与经济，2012（3）.

作者:谭梦薇 单位:中国地质大学