中国工业环境库兹涅茨曲线分析.docx
《中国工业环境库兹涅茨曲线分析.docx》由会员分享，可在线阅读，更多相关《中国工业环境库兹涅茨曲线分析.docx（18页珍藏版）》请在冰点文库上搜索。
中国工业环境库兹涅茨曲线分析
中国工业环境库兹涅茨曲线分析
——基于空间面板模型的经验研究
朱平辉
[摘要]环境库兹涅茨曲线是环境经济学中的一个经典假说，但目前采用空间计量方法进行研究的文献并不多见。
本文基于中国1989-2007年省级面板数据，使用空间固定效应模型，对七种工业污染排放进行EKC实证分析。
结果显示：
人均工业废水排放量与人均GDP之间为只有一个拐点的“倒N型”关系，人均工业废气与人均GDP为传统的两个拐点的“倒N型”关系，而其他五种工业污染排放与人均GDP之间为“倒U型”的关系。
[关键词]工业环境污染；环境库兹涅茨曲线；空间面板模型
一、引言
改革开放以来中国经济经历了一个持续的高速增长阶段。
但是，中国经济的高速增长是建立在过度消耗资源和较为严重的工业污染基础上的，在经济快速增长的同时，支付了昂贵的资源与环境代价。
据“中国环境状况公报”，环境污染和生态恶化在20世纪90年代末得到一定程度的控制，但是总体情况一直比较严重。
中国政府规划到2020年人均GDP比2000年翻两翻，与此对应的工业污染排放量的增长趋势必须得到有效控制，否则GDP增长背后的环境代价是灾难性的。
我们必须关注经济增长与工业污染物排放量两个变量间的联系及它们之间的长期变化趋势。
对于工业污染排放与经济增长间的联系，有学者从协整的角度出发研究它们之间的长期均衡关系，如李国璋和孔令宽（2008）[2]通过协整检验中国1985-2006年间CO2和SO2排放量的对数值与人均收入变量间分别在5%和平1%的显著水平上存在正的协整关系。
这方面的研究成果揭示经济增长与排污量之间存在密切的相关性。
更多的学者是通过环境库兹涅茨曲线（EnvironmentalKuznetsCurve，EKC）来研究经济增长对环境污染的影响。
环境库兹涅茨曲线描绘了经济增长与环境压力之间的一种长期关系，如图1所示。
根据EKC假设，在经济发展起步阶段随着经济的增长会导致环境质量的下降，然而一旦经济发展超越了某一临界值点（如图1中的Y0所代表的经济增长水平，该点也称为转折点），人均收入的进一步提高反而有助于降低污染排放、改善环境质量。
因此，中国污染物的排放特别是工业污染物的排放，其转折点在经济增长何种水平上可能出现，就成了人们关心的问题，这对中国环境保护政策的制定有重要的指导意义。
图1EKC曲线
在EKC的实证研究中，人们通常根据来自不同的地理区域或行政区划的截面数据进行模型分析。
这种分析思路都假定地区间的污染排放是不相关联的，即认为一个地区的经济增长只对本地区的工业污染排放量产生作用，忽略了对周边地区的环境的影响，这显然与现实不符，人们应该考虑到污染排放可能存在空间自相关性或空间依赖性，传统的面板数据模型在描述数据空间特性时，更多的是强调空间异质性，而忽略了空间相关性，这在一定意义上影响了估计模型的稳健性。
到目前为止采用空间计量模型研究EKC的文献并不多见。
鉴于此，我们利用空间面板模型（SpatialPanelModel）对中国各地区工业污染物排放的EKC假设进行空间相关性检验。
二、EKC空间模型
1．EKC的方程形式
在EKC模型中，被解释变量是工业污染排放量指标，解释变量为经济增长水平及其平方，称为EKC的二次方程模型，如果解释变量进一步包括经济增长的三次方，则称为EKC的三次形式。
假设经济增长（或其对数指标）及其平方项的估计系数分别为1和2，工业污染排放量与经济增长指标之间有以下几种关系：
（1）1=2=0，说明经济增长与工业排污之间没有关系；
（2）1>0，2=0，说明工业污染随经济的增长而线性增加；（3）1<0，2=0，说明工业污染随经济的增长而线性减少；（4）1>0，2<0，工业污染和经济增长之间呈“倒U型”关系，转折点根据公式：
-1/22计算；（5）1<0，2>0，工业污染和经济增长之间呈正“U型”关系，转折点计算公式相同。
2．EKC空间模型的设定
空间计量经济学是在Cliff和Ord的开拓性工作基础上建立起来的。
Anselin（1988）[7]和Elhorst（2003）[10]在面板模型基础上引入空间滞后误差项或空间滞后因变量，将空间相关性引进计量模型。
Anselin（1988）[7]讨论了随机效应的空间误差模型。
Elhorst（2003）[10]把空间面板数据模型分成四类：
空间固定效应模型、空间随机效应模型、空间固定系数模型和空间随机系数模型，并给出了每个模型的对数似然函数，还分析了ML估计量的渐近性质。
一般空间计量模型可以分为空间误差模型（SEM）和空间滞后模型（SLM，也称空间自回归模型，SAR），本文使用空间固定效应模型。
通常情况下，当回归分析局限于一些特定的个体时，固定效应模型是更好的选择（何江和张馨之，2006[11]）；另外，空间面板研究文献一般都选择了固定效应模型（何江和张馨之，2006[11]；王火根和沈利生，2007[12]；吴拥政和颜日初，2009[13]）。
空间误差固定效应模型（FixedEffectsSpatialErrorModel）的设定如下：
（1）
式中，Yit表示第i个地区第t年的人均GDP；Eit表示第i个地区第t年的排污水平；uit是相应的随机误差项，服从一阶空间自回归过程；it表示特定误差，假定E（it）=0，
；i表示各地区的固定影响；通常称为空间自相关系数。
wim表示空间权重，反映地区间的相关性。
参照相关文献的一般做法，本文选择了最简单并且也是最常用的二元邻接矩阵（王远飞和何洪林，2007[14]），具体设定是，如果地区i与m相邻，则wim为1，否则为0。
在实际应用中，空间权重要行“归一化”处理，即用每个元素分别除以所在行元素之和，使得每行元素之和为1。
空间滞后固定效应模型（FixedEffectsSpatialLagModel）的设定是：
（2）
式中，通常被称作空间自回归系数。
如果用矩阵形式来表示，则上述两个模型可表示为如下形式：
（3）
（4）
式中，E、u、均为NT×1维列向量，Y为NT×K维矩阵。
，
是T维元素全为1的列向量，（N×1维列向量）描述了样本N个截面的个体特性，即固定影响。
，IT为T×T单位阵，空间权重矩阵WN（N阶方阵）反映了个体之间的空间相关性。
3．空间相关性的检验与参数估计
对于空间相关性的检验，常用的统计量有：
LMerr、LMlag、RobustLMerr、RobustLMlag和Moran’sI。
其中，Moran’sI也称为空间自相关指数，基于该指数可构造正态分布统计量，用以检验SEM中的空间自相关系数的否显著性（王远飞和何洪林，2007[14]）。
LMerr和LMlag分别用于检验SEM中的空间自相关系数的显著性和SLM模型中的空间自回归系数的显著必性，具体可参见Anselin等（1996）[15]。
以上各个检验统计量均是基于截面模型的OLS估计得到。
根据Anselin等（2006）[16]人的研究，当对面板数据模型进行合并回归时上述方法仍然适用，不过此时空间权重矩阵应该使用W而不是WN。
目前国内多数空间面板实证文献均是使用这一做法。
应该指出的是：
如果LMlag比LMerr统计量更显著，那么恰当的模型是SLM；否则，恰当的模型是SEM。
OLS不适合空间计量经济模型的估计，因为在模型包含空间滞后误差项的情况下，虽然OLS估计量是无偏估计，但不再满足有效性；在模型包含空间滞后被解释变量的情况下，OLS估计有偏且不满足一致性要求。
估计空间计量经济模型一般使用ML方法估计，关于空间面板模型的ML估计方法可参见Elhorst（2003）[10]。
由于通用、商业化的计量软件还没有实现对空间面板模型的计算功能，我们以下的计算都是通过Matlab软件实现的。
三、指标与数据
根据数据可获得性，我们选取以下7个环境污染指标：
工业废水排放量、工业废水中化学需氧量、工业废气排放量、工业二氧化硫排放量、工业烟尘排放量、工业粉尘排放量以及工业固体废弃物排放量，以上排放量均为人均排放。
样本来自1989—2007年中国大陆30个省区的数据。
重庆在1997年单列直辖市，以保持统计口径的一致性，我们将1997年之后的重庆数据并入四川省。
此外，对于工业固体废物排放量，在估计该污染指标的EKC方程时排除了海南与西藏的缺失数据仅含28个省区的数据。
所有污染排放数据均来自相关各期《中国环境年鉴》，人口数据来自相关各期《中国统计年鉴》。
值得注意的是，排污量指标在《中国环境年鉴》中存在统计口径不一致问题，1991年之前仅有废气排放总量和二氧化硫排放量的数据，缺工业废气排放量和工业二氧化硫排放量以及工业烟尘排放量的数据。
我们根据1991年的数据推算出各个指标在废气排放总量中的比例系数进行折算。
工业废水中化学需氧量也没有1992年以前的数据，采用相同的方法推算。
经济增长指标用人均GDP来衡量。
与总量指标相比，人均GDP更加能够反映真实经济发展水平。
人均GDP由历年《中国统计年鉴》整理计算而得，为了消除了通货膨胀的影响，我们以2000年不变价计算人均GDP实际数。
本文中涉及的各类指标、单位及符号如表1。
表1各类指标单位与符号表示
指标
单位
符号
环境污染指标
人均工业废水排放量
万吨/人
FS
人均工业废水中化学需氧量
吨/人
COD
人均工业废气排放量
万标立方米/人
FQ
人均工业二氧化硫排放量
吨/人
SO2
人均工业烟尘排放量
吨/人
YC
人均工业粉尘排放量
吨/人
FC
人均工业固体废弃物排放量
吨/人
FW
经济增长指标：
实际人均GDP
元/人
GDP
资料来源：
《中国环境年鉴》、《中国统计年鉴》1990-2008年各期。
由于对数据进行对数化处理后不改变数据原有特征，并会减少异方差或使得时间序列变得平稳，因此本文在实证分析时采用的是各指标的自然对数。
四、实证结果与分析
1．空间相关性的检验
我们首先利用传统固定效应模型的LSDV（LeastSquareDummyVariables）进行估计，并对空间相关性进行了检验，结果见表2。
表2基于LSDV的估计与空间相关性检验结果
lnFS
lnCOD
lnFQ
lnSO2
lnYC
lnFC
lnFW
lnGDP
0.023
（0.954）
3.511***
（0.000）
0.991***
（0.001）
1.413***
（0.000）
4.454***
（0.000）
4.686***
（0.000）
11.502***
（0.000）
lnGDP^2
-0.011
（0.648）
-0.222***
（0.000）
-0.011
（0.484）
-0.065***
（0.001）
-0.258***
（0.000）
-0.273***
（0.000）
-0.772***
（0.000）
R2
0.750
0.726
0.947
0.921
0.805
0.591
0.763
Loglikelihood
-133.121
-311.301
78.206
-5.125
-296.865
-304.369
-840.419
转折点（元/人）
——
2718
——
52534
5607
5337
1719
Moran’sI
0.401***
（0.000）
0.282***
（0.000）
0.353***
（0.000）
0.354***
（0.000）
0.360***
（0.000）
0.342***
（0.000）
0.311***
（0.000）
LMerr
177.623***
（0.000）
88.040***
（0.000）
137.959***
（0.000）
138.845***
（0.000）
134.040***
（0.000）
129.639***
（0.000）
101.257***
（0.000）
LMlag
108.699***
（0.000）
97.884***
（0.000）
8.493***
（0.004）
25.727***
（0.000）
57.560***
（0.000）
108.452***
（0.000）
48.914***
（0.000）
RobustLMerr
71.517***
（0.000）
7.404***
（0.007）
137.558***
（0.000）
115.458***
（0.000）
91.840***
（0.000）
21.560***
（0.000）
52.860***
（0.000）
RobustLMlag
2.593
（0.107）
17.248***
（0.000）
8.09***
（0.004）
2.341
（0.126）
6.359***
（0.012）
0.373
（0.541）
0.517
（0.472）
注：
括号中的数字是相应检验统计量的P值（Pvalue），即观察到的显著性水平。
*表示在10%水平下是显著性的，**表示在5%的水平下是显著性，***表示在1%的水平下是显著性。
从表2的估计结果来看，FS的EKC方程回归系数并不显著，且不是“倒U型”的，而其他污染物排放的EKC方程均呈现出“倒U型”形状，但需注意FQ的EKC方程中平方项的系数不显著。
根据LSDV估计的残差进行空间相关性检验，结果如下：
（1）Moran’sI、LMerr以及RobustLMerr检验统计量显示，空间自相关系数显著不为零，即所有污染物传统的固定效应EKC模型残差中均存在明显的空间自相关问题。
（2）对于空间自回归系数的检验，结果并不一致。
LMlag检验结果显示，各污染物的排放具有空间滞后性，即在传统的固定效应模型中应当加入空间滞后因变量；而RobustLMlag检验结果则表明，仅COD、FQ和YC的排放有空间滞后效应。
从检验结果还可知道，传统的固定效应模型中存在着显著的空间相关性，因而必须使用空间固定效应模型对EKC做出估计，那么应该如何引入空间相关性，即选择空间误差固定效应模型，还是选择空间滞后固定效应模型呢？
对于COD而言，LMlag、RobustLMlag统计量分别大于LMerr和RobustLMerr统计量，因此应选择空间滞后固定效应模型；而对于其他污染物，结果却相反，表明应选择空间误差固定效应模型，这样的选择基本能够与RobustLMlag检验结果相互印证。
2．空间固定效应模型的估计结果与讨论
对所选择的空间固定效应模型进行估计，结果见表3。
引入空间相关性后，除了FS，其他污染物的EKC模型估计系数均在5%水平上显著，且均呈现“倒U型”形状。
这与LSDV的估计结果是一致的，说明在考虑了空间相关性后，EKC的估计结果仍然是稳健的。
但是我们注意到，模型的可决系数和对数似然值均有所提高，这说明考虑空间相关性可以在一定程度上提高了模型的拟合水平。
与LSDV估计结果相比，FQ的EKC方程平方项系数在5%水平上变得显著，说明引入空间相关性可以改善变量的显著性水平。
表3空间固定效应模型估计结果
lnFS
lnCOD
lnFQ
lnSO2
lnYC
lnFC
lnFW
lnGDP
-0.085
（0.824）
3.316***
（0.000）
1.474***
（0.000）
1.453***
（0.000）
4.465***
（0.000）
4.602***
（0.000）
9.986***
（0.000）
lnGDP^2
-0.004
（0.837）
-0.209***
（0.000）
-0.039**
（0.024）
-0.067***
（0.001）
-0.258***
（0.000）
-0.269***
（0.000）
-0.688***
（0.000）
Wu
-0.072
（0.201）
0.234***
（0.000）
0.250***
（0.000）
0.128***
（0.010）
0.326***
（0.000）
0.302***
（0.000）
WY
0.134***
（0.010）
R2
0.751
0.730
0.949
0.925
0.808
0.630
0.780
Loglikelihood
-132.507
-308.875
87.204
5.880
-294.405
-283.655
-826.535
转折点（元/人）
——
2788
样本区间外
51189
5728
5187
1418
注：
括号中的数字是系数显著性检验统计量的P值（Pvalue），即观察到的显著性水平。
各地区的固定效应略。
星号含义同表2。
除FS外的六种污染物EKC模型中，和的估计值为正，且在1%水平上显著，说明地区间的污染排放确实具有较强的正向空间相关关系，即本地区的污染排放量受相邻地区污染排放或经济发展水平的影响。
具体来讲，COD模型中的空间自回归系数估计值为0.134，说明相邻地区人均COD排放量变动1%，会导致本地区人均COD排放量平均变动0.134%；另外五种污染物为空间误差模型，其空间自相关系数的估计值均大于0，说明相邻地区的经济增长会加重本地区的污染排放。
为了更好地描述人均GDP与人均污染排放之间的关系，我们对EKC方程的形状做进一步的分析，并我们结合2007与2008年各地区人均GDP数据（如表4所示），研究各地区是否越过EKC曲线的转折点。
表42007与2008年中国各地区的人均GDP水平单位：
元（2000年不变价）
地区
2007年
2008年
地区
2007年
2008年
北京
34773
36604
河南
12322
13786
天津
38005
42323
湖北
15821
17913
河北
16018
17521
湖南
12172
13690
山西
11510
12400
广东
25223
27419
内蒙古
18221
21281
广西
9436
10536
辽宁
24098
27116
海南
12847
13957
吉林
14794
17127
四川
11187
12401
黑龙江
17680
19761
贵州
5444
5971
上海
55614
59812
云南
8407
9270
江苏
27428
30546
西藏
9615
10474
浙江
29004
31494
陕西
9946
11456
安徽
10540
11855
甘肃
7846
8602
福建
24185
27155
青海
10679
11967
江西
10130
11327
宁夏
9370
10396
山东
22249
24798
新疆
13223
14397
对于COD、YC和FC来讲，根据空间固定效应模型估计结果，其EKC是典型的“倒U型”的曲线关系，与通常认为的经济增长与污染“倒U型”曲线关系一致。
其转折点分别是人均GDP为2788元、5728元和5187元之处，均在样本数据区间内，从表4可知中国各地区都过了这些转折点。
说明在经济发展初期，人均工业废水中COD排放量、工业烟尘排放量以及工业粉尘排放量呈现不断上升的趋势，但当经济发展越过各自的转折点后，这些污染排放将呈现出稳定改善的趋势。
对于SO2来讲，根据空间固定效应模型估计结果，其EKC为“倒U型”，因为只有上海市2007年与2008年的人均GDP超过转折点51189元/人，这说明其它地区的EKC基本上位于上升的左半段，即随着经济的增长，人均工业二氧化硫排放量有不断增加的趋势。
但拐点可能会在近期出现，SO2排放的下降是可以期待的。
对于FW来讲，其空间EKC同样是“倒U型”的，转折点在人均GDP为1418元处。
中国各地区只有贵州省1989和1990年的人均GDP小于该转折点；这说明FW的EKC基本上位于下降的右半段，即随着经济的增长，人均工业固体废弃物排放量呈现出不断下降的趋势。
对于FS而言，引入空间相关性后，回归系数仍不显著，并且空间误差自相关系数也不显著。
这说明FS的EKC方程形式设定可能存在问题，我们用三次方程形式重新进行检验和估计，结果如表5所示。
表5FS三次方程形式的空间相关性检验与空间固定效应模型估计结果
基于LSDV的估计与空间相关性检验结果
SEM估计结果
lnGDP
-29.645（0.000）***
-29.406（0.000）***
lnGDP^2
3.335（0.000）***
3.307（0.000）***
lnGDP^3
-0.125（0.000）***
-0.124（0.000）***
Wu
-0.013（0.815）
R2
0.765
0.764
转折点（元/人）
7283
7257.46
Loglikelihood
-116.071
-116.060
Moran’sI
0.377（0.000）***
LMerr
157.112（0.000）***
LMlag
89.512（0.000）***
RobustLMerr
70.861（0.000）***
RobustLMlag
3.260（0.071）*
注：
括号中的数字是相应检验统计量的P值（Pvalue），即观察到的显著性水平。
星号含义同表2。
从检验结果来看，FS传统的三次方程形式固定效应模型中依然存在着显著的空间相关性，并且在引入空间相关性时，应选择空间误差固定效应模型。
但从SEM估计结果来看，空间误差自相关系数仍不显著，这说明FS的空间相关性可能并不是很明显；同时，我们注意到，引入空间相关性后，模型的可决系数和对数似然值均略有下降。
以上分析表明，对于本文所选取的数据，FS最合适的模型应该是传统的三次方程形式固定效应模型。
对于FS来讲，根据三次方程的LSDV估计结果，其EKC图像参见图2。
可以看出，随着经济的增长，人均工业废水排放呈现逐步下降的趋势。
这种形状即是所谓的“倒N型”，但与通常“倒N型”有两个拐点不同，这里只有一个拐点，即人均GDP为7283元。
图2人均GDP与人均工业废水排量之间的关系
从图2还可以看出，在拐点7283元附近FS存在一个较长的“平台期”，在此平台期内随着人均GDP的增长，FS不会出现明显下降趋势。
但是，过了平台期，随着GDP的增长，FS排放存在一个快速下降的关节点，即曲线曲率最大值点。
根据拟合数据，中国各地区经济发展的这个关节点是人均GDP超过21807元。
以此为标准，现阶段中国北京、上海、天津、广东、浙江、江苏、福建、山东、辽宁等地区的经济发展已经越过此关节点，预计这些地区的FS排放量将会有一个快速下降的趋势。
当然这种趋势能否真正出现，与这些地区的产业结构的升级调整是否顺利完成也有重要关系。
关于FQ与人均GDP的关系，从表2可以看到，FQ在基于LSD
升级会员 