中国工业环境库兹涅茨曲线分析

1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。2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）10，2=0，说明工业污染随经济的增长而线性增加；（3）10，2=0，说明工业污染随经济的增长而线性减少；（4）10，20，工业污染和经济增长之间呈“倒U型”关系，转折点根据公式：-1/22计算；（5）10，20，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]）。经济增长环境压力Y0环境退化环境改善3空间误差固定效应模型（FixedEffectsSpatialErrorModel）的设定如下：2121lnln(ln)itiitititNitimmtitmEYYuuwu（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)=0，22()itE；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：11lnlnlnKNkitikitimmtitkmEYwE（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：EYβAuuWuε（3）EWEYβAu（4）式中，E、u、均为NT×1维列向量，Y为NT×K维矩阵。TAια，Tι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。TNWIW，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。4OLS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。①三、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。①空间计量模型的Matlab软件包可通过网址：下载，主要由Lesage和Elhorst等人编写。5四、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lnFSlnCODlnFQlnSO2lnYClnFClnFWlnGDP0.023(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)R20.7500.7260.9470.9210.8050.5910.763Loglikelihood-133.121-311.30178.206-5.125-296.865-304.369-840.419转折点(元/人)——2718——52534560753371719Moran’sI0.401***(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)LMerr177.623***(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)LMlag108.