張博文

（湖北大學(xué)，湖北 武漢 430062）

基于STIRPAT模型的山東省空氣污染驅(qū)動(dòng)因素研究

張博文

（湖北大學(xué)，湖北 武漢 430062）

本文利用STIRPAT模型結(jié)合空間面板計(jì)量模型對山東省的三類空氣污染指標(biāo)進(jìn)行實(shí)證分析，結(jié)果表明不同污染指標(biāo)隨人均GDP增長的變化趨勢不同而不同。其中，煙粉塵排放隨人均GDP的增長呈倒“U”形趨勢，而SO2排放、工業(yè)廢氣排放隨人均GDP的增長呈“U”形趨勢。此外，SO2排放、工業(yè)廢氣排放和煙粉塵排放均存在顯著的空間相關(guān)性。最后，本文從政府監(jiān)管、技術(shù)進(jìn)步、產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型以及經(jīng)濟(jì)調(diào)節(jié)等方面提出了相關(guān)政策建議。

STIRPAT模型；空氣污染；空間計(jì)量模型；空間效應(yīng)

一、引言

隨著中國經(jīng)濟(jì)的迅速發(fā)展，各種環(huán)境問題也日益成為人們關(guān)注的焦點(diǎn)。《中國環(huán)境經(jīng)濟(jì)核算報(bào)告》顯示，僅2004—2010年，我國因空氣污染導(dǎo)致的過早死亡人數(shù)就達(dá)到35—50萬人，造成的健康經(jīng)濟(jì)損失占國內(nèi)生產(chǎn)總值的0.8%～1%。因此，對環(huán)境污染問題的研究對經(jīng)濟(jì)社會(huì)發(fā)展具有重大的現(xiàn)實(shí)意義。此外，近年來污染增長的放緩是短期現(xiàn)象還是經(jīng)濟(jì)發(fā)展到一定水平時(shí)的必然趨勢仍然需要進(jìn)一步討論。

環(huán)境污染與經(jīng)濟(jì)發(fā)展的關(guān)系一直是國內(nèi)外學(xué)者研究的焦點(diǎn)之一，大多數(shù)文獻(xiàn)是以環(huán)境庫茲涅茨曲線、向量自回歸模型或IPAT的擴(kuò)展模型為基礎(chǔ)進(jìn)行實(shí)證分析的。

對于環(huán)境庫茲涅茨曲線的研究可追溯到20世紀(jì)90年代。Bulte、Soest（2001）分析了發(fā)展中國家家庭收入與環(huán)境退化的問題，驗(yàn)證了環(huán)境庫茲涅茨假說的倒“U”形曲線的存在。然而，Kaufmann、Davidsdottir等（1998）在對各國人均GDP與SO2排放進(jìn)行實(shí)證分析時(shí)發(fā)現(xiàn)結(jié)果與環(huán)境庫茲涅茨假說完全違背。Chimeli、Braden（2005）也得到了相同的結(jié)論。Friedl、Getzner（2003），Eunho hoi、Heshmati等（2010）則發(fā)現(xiàn)了CO2排放隨著人均GDP的增長呈現(xiàn)出“N”形曲線。Roca、Padilla等（2001）在分析西班牙經(jīng)濟(jì)增長對大氣污染的影響時(shí)則發(fā)現(xiàn)，人均GDP與大氣污染之間呈正相關(guān)關(guān)系。Stern、Auld（1998），Ansuategi和Escapa（2002），Kwon（2005）等人也持類似觀點(diǎn)。李斌、李拓（2014）發(fā)現(xiàn)污染與經(jīng)濟(jì)發(fā)展的關(guān)系呈現(xiàn)出庫茲涅茨倒“U”形曲線。李斌、曹萬林（2014）也發(fā)現(xiàn)了類似的現(xiàn)象。

此外，也有部分學(xué)者通過建立經(jīng)濟(jì)增長與環(huán)境污染的向量自回歸模型（VAR模型），對二者的長期均衡關(guān)系做出分析。采用VAR模型的文獻(xiàn)得出的結(jié)論更多的是支持環(huán)境庫茲涅茨假說。然而，VAR模型也存在一定的缺陷：一是該模型并不是理論模型，因此直接利用VAR模型進(jìn)行分析缺乏理論依據(jù)。二是該模型在滯后期的選取上存在主觀性。

以IPAT的擴(kuò)展模型為基礎(chǔ)的研究成果大多出現(xiàn)在2000年后。York、Rosa（2003）對STIRPAT模型進(jìn)行了修正，得出的結(jié)論是CO2排放隨人均GDP的增長呈現(xiàn)出先增后減趨勢。Sztukowski（2010）的研究發(fā)現(xiàn)CO2排放量隨人均收入的增長都呈先增后減趨勢。王立猛、何康林（2008）在對全國30個(gè)?。ㄖ陛犑校┑母辉６葘Νh(huán)境壓力的影響采用嶺回歸分析時(shí)，發(fā)現(xiàn)其中26個(gè)地區(qū)的環(huán)境污染與人均GDP呈正相關(guān)，其余4個(gè)地區(qū)是呈先增后減趨勢。姜磊、季民河（2011）使用STIRPAT模型在對全國各省進(jìn)行分析時(shí)采用了空間計(jì)量經(jīng)濟(jì)學(xué)的方法，發(fā)現(xiàn)環(huán)境壓力隨人均GDP的增加而上升，各省之間的污染存在著顯著的空間相關(guān)性。

綜上所述，現(xiàn)有的國內(nèi)外文獻(xiàn)在研究經(jīng)濟(jì)對環(huán)境的影響時(shí)采用的方法多樣，即使是采用相同方法的文獻(xiàn)由于研究范圍、變量選取等因素的差異得出的結(jié)論也存在很大不同，這使得經(jīng)濟(jì)發(fā)展與環(huán)境質(zhì)量之間的關(guān)系至今仍未定論。鑒于環(huán)境庫茲涅茨曲線和向量自回歸模型存在的缺陷，本文選用IPAT的擴(kuò)展模型STIRPAT模型對山東省各空氣污染驅(qū)動(dòng)因素對空氣污染的影響進(jìn)行分析。

二、山東省經(jīng)濟(jì)發(fā)展與空氣污染現(xiàn)狀

在進(jìn)行模型構(gòu)建之前，首先需要分析山東省經(jīng)濟(jì)與空氣污染各指標(biāo)的發(fā)展趨勢。各指標(biāo)均來源于歷年的《山東省統(tǒng)計(jì)年鑒》。在STIRPAT模型的理論框架下，本文選取的主要驅(qū)動(dòng)因素指標(biāo)為人口、人均GDP以及第二產(chǎn)業(yè)比重。鑒于空氣污染指標(biāo)數(shù)據(jù)的可得性，本文選取的環(huán)境指標(biāo)為SO2排放量、工業(yè)廢氣排放量以及煙（粉）塵排放量三大環(huán)境指標(biāo)。

圖1　山東省SO2（噸）、工業(yè)廢氣（百萬立方米）、煙（粉）塵排放（噸）的變化趨勢

1、人口、人均GDP及產(chǎn)業(yè)結(jié)構(gòu)的變化趨勢

數(shù)據(jù)顯示，1989—2013年間，山東省人口從8298.6萬增長到9612萬，總體上呈較快的增長趨勢。人均GDP從1518.6元/人急劇增加到57758.8元/人。第二產(chǎn)業(yè)比重在此期間內(nèi)經(jīng)歷了先上升后下降的趨勢，從1989年的45%逐漸上升到2006年58%，此后，隨著第三產(chǎn)業(yè)的不斷發(fā)展，第二產(chǎn)業(yè)比重經(jīng)歷了持續(xù)的下降階段，至2013年比重降為51%。

2、三類空氣污染指標(biāo)的變化趨勢

圖1顯示了山東省SO2排放、工業(yè)廢氣排放和煙（粉）塵排放的變化趨勢。由圖1可以看出，山東省工業(yè)廢氣排放量呈加快上升趨勢，相對于1993年，2010年的工業(yè)廢氣排放已經(jīng)增長了9倍。SO2排放量總體上呈平緩下降趨勢。雖然2003—2013年間SO2排放量出現(xiàn)了兩次起伏，但是相比工業(yè)廢氣而言，其排放量在該時(shí)間段內(nèi)仍表現(xiàn)出明顯的下降趨勢。煙（粉）塵排放量較為平穩(wěn)。

三、空氣污染驅(qū)動(dòng)因素的STIRPAT模型

1、STIRPAT模型

美國生態(tài)學(xué)家Ehrlich和Comnoner于20世紀(jì)70年代初提出了IPAT模型，用以表示影響環(huán)境壓力的因素。該模型認(rèn)為，環(huán)境壓力I與人口規(guī)模P、人均財(cái)富A和技術(shù)水平T之間存在以下關(guān)系：

STIRPAT模型由Dietz和Rosa于1994年提出，該模型是IPAT模型的隨機(jī)模型，在人口規(guī)模、人均財(cái)富、技術(shù)水平三個(gè)影響因素的基礎(chǔ)上，將隨機(jī)擾動(dòng)項(xiàng)e引入模型中。在實(shí)證研究中，學(xué)者常常將STIRPAT模型代替IPAT模型進(jìn)行研究。STIRPAT模型表達(dá)式為：

其中，c為常數(shù)項(xiàng)，e為隨機(jī)擾動(dòng)項(xiàng)，a、b、d分別為各指標(biāo)的系數(shù)項(xiàng)。

在實(shí)際應(yīng)用中，常常將式（2）等式的兩邊取對數(shù)，目的是使模型線性化。對數(shù)化后的模型表達(dá)式為：

2、STIRPAT模型的擴(kuò)展

本文在構(gòu)建STIRPAT模型時(shí)借鑒了Sztukowski（2010）、王立猛（2008）等人的研究模型，在原模型中加入了LnA的平方項(xiàng)，目的是為了更好地觀察EKC倒“U”型曲線是否適用于山東省的環(huán)境狀況。此外，本文選用的T借鑒了姜磊（2011）選用的指標(biāo)，將T表示為第二產(chǎn)業(yè)比重。加入人均GDP平方項(xiàng)后的STIRPAT模型如式（4）所示：

其中：Y為環(huán)境污染指標(biāo)，本文選取的分別是SO2排放、工業(yè)廢氣（industrial gas）、煙（粉）塵（dust）三個(gè)指標(biāo)；P為人口，本文選取的指標(biāo)是年末總?cè)丝?；A為人均財(cái)富，本文選取的指標(biāo)是人均GDP；T為技術(shù)，本文選取的指標(biāo)是第二產(chǎn)業(yè)比重；ε為隨機(jī)擾動(dòng)項(xiàng)。

四、空氣污染驅(qū)動(dòng)因素STIRPAT模型的計(jì)量分析

1、計(jì)量方法的選取

為解決空間相關(guān)性問題，本文選取的方法是空間計(jì)量經(jīng)濟(jì)學(xué)模型。通過空間計(jì)量模型，可以清晰地分辨出空間擴(kuò)散效應(yīng)與地區(qū)的自身發(fā)展各自對污染狀況的影響。在進(jìn)行空間效應(yīng)分析時(shí)，一般使用空間權(quán)重矩陣表達(dá)空間相關(guān)性。鄰接形式本文選用車鄰接，目的是更好地觀察近距離地區(qū)之間的空間效應(yīng)。

為了驗(yàn)證數(shù)據(jù)在空間上的相關(guān)性是否顯著，通常是用Moran指數(shù)進(jìn)行檢驗(yàn)。Moran指數(shù)（Moran’s I）反映的是空間鄰接或空間臨近的區(qū)域單元屬性值的相似程度。Moran指數(shù)為0時(shí)，觀測值相互獨(dú)立。Moran指數(shù)越大，空間自相關(guān)越強(qiáng)，Moran指數(shù)越小，空間自相關(guān)越弱。

空間計(jì)量經(jīng)濟(jì)學(xué)模型有很多種表現(xiàn)形式。在實(shí)證研究中根據(jù)空間依賴性的不同形式，通常采用的模型分為兩種：空間滯后模型（SLM）和空間誤差模型（SEM），模型的表達(dá)式分別為：

其中，ρ為空間效應(yīng)系數(shù)，λ為空間誤差系數(shù)。當(dāng)被解釋變量之間的空間依賴性使得模型存在空間自相關(guān)時(shí)，應(yīng)當(dāng)用SLM模型；當(dāng)模型的誤差項(xiàng)導(dǎo)致了空間相關(guān)性時(shí)，應(yīng)當(dāng)用SEM模型。將空間效應(yīng)考慮進(jìn)模型后，本文建立的式（3）、式（4）模型可轉(zhuǎn)換為式（7）和式（8）兩種空間計(jì)量模型：

在進(jìn)行空間計(jì)量回歸時(shí)，若直接使用普通最小二乘法（OLS）進(jìn)行估計(jì)，則估計(jì)量的無偏性和一致性很難得到滿足。Anselin（1988）認(rèn)為，在對SLM和SEM進(jìn)行回歸時(shí)，最好的估計(jì)方法是極大似然估計(jì)法（MLE），MLE可以對高斯—馬爾科夫經(jīng)典假設(shè)進(jìn)行放松。此外，MLE還可以有效解決內(nèi)生性問題。國內(nèi)關(guān)于空間計(jì)量經(jīng)濟(jì)學(xué)的眾多文獻(xiàn)也采用了MLE法進(jìn)行回歸。所以，本文在對空間模型回歸時(shí)采用MLE方法進(jìn)行估計(jì)。

表1　Moran檢驗(yàn)結(jié)果

表2　Hausman檢驗(yàn)結(jié)果

表3　SO2模型的SLM和SEM回歸結(jié)果

表4　空間依賴性檢驗(yàn)結(jié)果

2、數(shù)據(jù)來源

本文選取的人口、SO2排放、工業(yè)廢氣、煙（粉）塵、第二產(chǎn)業(yè)比重、人均GDP等指標(biāo)均來自《山東省統(tǒng)計(jì)年鑒》中的17個(gè)城市的數(shù)據(jù)?？臻g權(quán)重矩陣在GeoDa軟件中生成，生成空間權(quán)重矩陣所需的城市經(jīng)緯度信息來源于國家基礎(chǔ)地理信息系統(tǒng)。

3、模型及回歸結(jié)果分析

（1）空間自相關(guān)性的檢驗(yàn)。在建立空間計(jì)量模型時(shí)，首先要用Moran檢驗(yàn)及Moran散點(diǎn)圖對模型進(jìn)行空間相關(guān)性檢驗(yàn)。在研究空間面板數(shù)據(jù)時(shí)通常采用克羅內(nèi)克積分塊，利用C=I×W代替Moran指數(shù)中所需的W。通過Matlab軟件中的空間計(jì)量工具箱計(jì)算出的Moran檢驗(yàn)結(jié)果如表1所示。

從表1的檢驗(yàn)結(jié)果可以看出，SO2排放、工業(yè)廢氣排放和煙（粉）塵排放的Moran指數(shù)均顯著。表明在對三類污染物進(jìn)行實(shí)證分析時(shí)均需要考慮空間效應(yīng)。

（2）Hausman檢驗(yàn)。在進(jìn)行空間面板回歸之前，還需要對面板數(shù)據(jù)進(jìn)行Hausman檢驗(yàn)，從而判斷該空間面板模型是屬于隨機(jī)效應(yīng)模型還是固定效應(yīng)模型。由Hausman檢驗(yàn)結(jié)果（見表2）得知，在分析SO2排放、工業(yè)廢氣排放以及煙（粉）塵排放時(shí)都應(yīng)當(dāng)使用固定效應(yīng)模型。

（3）回歸結(jié)果分析。首先，SO2排放的STIRPAT模型分析。對SO2排放的STIRPAT模型可使用固定效應(yīng)的空間計(jì)量模型。本文利用Matlab軟件對SLM和SEM模型分別進(jìn)行回歸?；貧w結(jié)果如表3所示。從擬合優(yōu)度看，SLM的效果略優(yōu)于SEM。

對于SLM和SEM模型的選擇，一般采用的是Anselin和Florax（1996）提出的空間依賴性檢驗(yàn)?？臻g依賴性檢驗(yàn)結(jié)果如表4所示。

表5 工業(yè)廢氣模型的SLM和SEM回歸結(jié)果

表6 空間依賴性檢驗(yàn)結(jié)果

由表4可以看出，LM（lag）、LM（error）、R-LM（lag）、R-LM（error）在α=0.01下均顯著。但是LM（error）比LM（lag）更加顯著。因此應(yīng)當(dāng)選用SEM模型。

從SEM模型的結(jié)果看，LnA和LnA的平方項(xiàng)對Ln（SO2）的結(jié)果均通過α=0.01的顯著性檢驗(yàn)，且系數(shù)為正。這說明SO2排放隨人均財(cái)富的增長呈“U”型曲線。

此外，LnP和LnT也通過了α=0.01的顯著性檢驗(yàn)，其中，LnP的系數(shù)為正，即SO2排放量與人口增長呈正相關(guān)；而LnT的系數(shù)為負(fù)，這說明隨著第二產(chǎn)業(yè)比重的增加，SO2排放量越來越大，但是其影響程度相對較小。因此可以看出，人口、第二產(chǎn)業(yè)比重、相鄰地區(qū)的空間誤差效應(yīng)都對SO2排放起到了促進(jìn)作用。其中，人口對SO2排放的促進(jìn)作用體現(xiàn)在兩個(gè)方面：一是人口增加意味著居民對能源的需求量增加，因此在能源消費(fèi)中將產(chǎn)生更多的SO2排放；二是隨著人口的增加，人們對產(chǎn)品的需求量也相應(yīng)增加，因此，廠商會(huì)相應(yīng)提高產(chǎn)量從而加大SO2的排放量。人均GDP在一段時(shí)期內(nèi)抑制了SO2排放，但是最終對SO2排放依然起到了促進(jìn)作用。從第二產(chǎn)業(yè)比重對SO2排放的影響來看傳統(tǒng)的EKC理論存在的問題。從山東省第二產(chǎn)業(yè)比重的走勢來看，第二產(chǎn)業(yè)比重在山東省經(jīng)濟(jì)發(fā)展中呈現(xiàn)出了先增后減趨勢。因此，從本文的結(jié)果可以看出，EKC呈倒“U”形曲線很可能并不是由于人均GDP的增長，而可能是由于第二產(chǎn)業(yè)比重的變化所導(dǎo)致的。

其次，工業(yè)廢氣排放的STIRPAT模型分析。對于工業(yè)廢氣排放的模型，同樣可使用固定效應(yīng)的空間計(jì)量模型。表5列出了工業(yè)廢氣排放模型的SLM和SEM結(jié)果。其中，SLM和SEM的擬合優(yōu)度較為理想，SLM的效果略優(yōu)于SEM。

表7　煙（粉）塵模型的SLM和SEM回歸結(jié)果

表8 空間依賴性檢驗(yàn)

模型的空間依賴性檢驗(yàn)結(jié)果如表6所示。由表6可以看出，LM（lag）、R-LM（lag）、LM（error）在α=0.05下均顯著。而R-LM（error）不顯著。根據(jù)判斷準(zhǔn)則應(yīng)當(dāng)選用SLM模型。

從SLM模型結(jié)果可以看出，空間效應(yīng)系數(shù)ρ對Ln（industrial gas）的影響顯著，這說明相鄰地區(qū)工業(yè)廢氣排放的空間相關(guān)性是通過污染擴(kuò)散效應(yīng)造成的。LnA和LnA的平方項(xiàng)對Ln（industrial gas）的結(jié)果均通過α=0.01的顯著性檢驗(yàn)，且系數(shù)為正，表明工業(yè)廢氣排放隨人均財(cái)富的增長同樣呈“U”形曲線的趨勢。LnP和LnT也通過了α=0.01的顯著性檢驗(yàn)，從系數(shù)來看，人口增長與第二產(chǎn)業(yè)比重增大都會(huì)使得工業(yè)廢氣排放量增加。其中，人口增長對工業(yè)廢氣排放的影響體現(xiàn)在產(chǎn)品需求量的增加導(dǎo)致了廠商生產(chǎn)中工業(yè)廢氣排放量的增加。因此可以看出，人口、第二產(chǎn)業(yè)比重、相鄰地區(qū)的空間滯后效應(yīng)促進(jìn)了工業(yè)廢氣排放。人均GDP對工業(yè)廢氣的影響表現(xiàn)為先抑制而后促進(jìn)。

再次，煙（粉）塵排放的STIRPAT模型分析。表7列出了煙（粉）塵排放模型的SLM和SEM的回歸結(jié)果。從擬合優(yōu)度看，SLM明顯要好于SEM模型。為確定SLM模型和SEM模型的選取，對煙（粉）塵模型進(jìn)行空間依賴性檢驗(yàn)，檢驗(yàn)結(jié)果如表8所示。

由表8可以看出，LM（lag）、LM（error）在α=0.05下均顯著，R-LM（error）在α=0.01下顯著，而R-LM（lag）則不顯著。根據(jù)判斷準(zhǔn)則應(yīng)當(dāng)選用SEM模型。

由SEM回歸結(jié)果可以看出，LnA和LnA的平方項(xiàng)對Ln（dust）的影響均顯著。其中，LnA的平方項(xiàng)系數(shù)為負(fù)，這說明煙粉塵排放隨人均財(cái)富的增長同樣呈“U”形曲線的趨勢?？臻g效應(yīng)系數(shù)ρ的影響顯著且系數(shù)為正，這說明相鄰地區(qū)煙（粉）塵排放的空間相關(guān)性是通過誤差項(xiàng)造成的。LnP和LnT也通過了α=0.01的顯著性檢驗(yàn)。其中，LnP的系數(shù)為正，LnT的系數(shù)也為正。這表示人口增長與第二產(chǎn)業(yè)比重增加對煙（粉）塵的排放都起促進(jìn)作用。從山東省煙（粉）塵排放的來源來看，煙塵與人口增長的關(guān)系體現(xiàn)在居民對能源的需求量增加以及社會(huì)需求量的增加所造成的煙塵排放量增加。而粉塵與人口增長的關(guān)系體現(xiàn)在需求量的增加而造成的粉塵排放量的增加。

最后，三類空氣污染指標(biāo)與人均GDP的關(guān)系及駐點(diǎn)確定。從上述結(jié)果可以看出，EKC倒“U”形曲線的存在取決于環(huán)境污染指標(biāo)的選取。在對三類環(huán)境污染指標(biāo)的模型分別進(jìn)行估計(jì)后，得知三類污染指標(biāo)隨人口和第二產(chǎn)業(yè)比重的增長均呈單方向變化。而三類污染指標(biāo)隨人均GDP的增長均呈雙方向變動(dòng)。因此，本文在得到模型的參數(shù)估計(jì)值后，令其他變量不變，求得變量人均GDP關(guān)于三類污染指標(biāo)的偏導(dǎo)數(shù)，計(jì)算在偏導(dǎo)數(shù)為0時(shí)的人均GDP大小，從而確定駐點(diǎn)。

根據(jù)計(jì)算結(jié)果得知，SO2排放隨人均GDP的增長呈“U”形趨勢，駐點(diǎn)是9848.27元。說明當(dāng)人均GDP高于9848.27元時(shí)，SO2排放在人均GDP增長時(shí)將出現(xiàn)上升趨勢。2013年全省各城市的人均GDP關(guān)于SO2的曲線已經(jīng)跨越駐點(diǎn)。工業(yè)廢氣排放隨人均GDP的增長呈現(xiàn)出“U”形趨勢，駐點(diǎn)是1619.01元。說明當(dāng)人均GDP高于1619.01元時(shí)，工業(yè)廢氣在人均GDP增長時(shí)將出現(xiàn)上升趨勢。因此，各城市的人均GDP關(guān)于工業(yè)廢氣的曲線已經(jīng)跨越駐點(diǎn)。煙（塵）排放隨人均GDP的增長呈現(xiàn)出倒“U”形趨勢，其駐點(diǎn)位于18672.35處。這說明在其它條件不變的情況下，當(dāng)人均GDP高于18672.35元時(shí)，煙（粉）塵排放量將隨著人均GDP的增長呈下降趨勢。截止到2013年底，山東省各城市的人均GDP均未達(dá)到駐點(diǎn)處的水平，這說明煙（粉）塵排放量仍然會(huì)在一定時(shí)期內(nèi)隨著人均GDP的增加而上升。

五、結(jié)論及政策建議

從前面的分析結(jié)果，本文得到如下結(jié)論：一是各類空氣污染指標(biāo)隨人均GDP的增長呈現(xiàn)出不同變化趨勢，山東省SO2排放、工業(yè)廢氣排放隨人均GDP的增長呈現(xiàn)出先減后增的趨勢，而煙（粉）塵排放隨人均GDP的增長呈現(xiàn)出先增后減的趨勢；二是各地區(qū)的空氣污染存在空間相關(guān)性，SO2排放、工業(yè)廢氣排放以及煙（粉）塵指標(biāo)在山東各地區(qū)間存在著明顯的空間依賴性特征；三是第二產(chǎn)業(yè)的發(fā)展加劇了山東空氣污染程度，從STIRPAT模型結(jié)果來看，山東省第二產(chǎn)業(yè)比重對SO2排放、工業(yè)廢氣排放以及煙（粉）塵排放都起到促進(jìn)作用。

根據(jù)以上結(jié)論，本文提出以下政策建議：一是加強(qiáng)政府監(jiān)管，完善環(huán)境保護(hù)相關(guān)制度；二是大力發(fā)展清潔環(huán)保技術(shù)，加速能源消費(fèi)結(jié)構(gòu)轉(zhuǎn)換；三是推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整；四是推動(dòng)經(jīng)濟(jì)調(diào)節(jié)制度的發(fā)展。

[1]ErwinH.Bulte，and Daan P.van Soest：Environmental DegradationinDevelopingCountries：householdsandthereverse Environmental Kuznets Curve[J].Journal of Development Economics，2001，65（1）.

[2]Waggoner K.Kaufmann，Brynhildur Davidsdott ir，Sophie Garnham，Peter Pauly：The Determinants of Atmospheric SO2Concent rat ions：reconsidering the environment al Kuznets curve [J].Ecological Economics，1998，25（2）.

[3]Ariaster B.Chimeli，John B.Braden：Total Factor Productivity and the Environment al Kuznets curve[J].Journal of Environmental Economics and Management，2005，49（2）.

[4]Birgit Friedl，Michael Get zner：Det erminant s of CO2emissions in a small open economy[J].Ecological Economics，2003，45（1）.

[5]Eunho Choi，Almas Heshmati，Yongsung Cho：An Empirical Study of the Relationships Between CO2Emissions，Economic Growth and Openness[Z].IZA：2010（11）.

[6]Jordi Roca，Emilio Padilla：Mariona Farre?Vittorio Galletto. Economic Growth andAtmosphericPollut ionin Spain：discussing the environmental Kuznets curve hypothesis[J].Ecological Economics，2001，39（1）.

[7]David I.Stern，Tony Auld：Is There an Environmental Kuznets Curve for Sulfur?[J].Journal of Environmental Economics and Management，2001，41（1）.

[8]Alberto Ansuategi and Marta Escapa：Economic growth and greenhouse gas emissions[J].Ecological Economics，2002，40（1）.

[9]Tae-Hyeong Kwon：Decomposition of Fact ors Det ermining the Trend of CO2Emissions From Car Travel in Great Britain（1970—2000）[J].Ecological Economics，2005，53（2）.

[10]李斌、李拓：中國空氣污染庫茲涅茨曲線的實(shí)證研究——基于動(dòng)態(tài)面板系統(tǒng)GMM與門限模型檢驗(yàn)[J].經(jīng)濟(jì)問題，2014（4）.

[11]李斌、曹萬林：經(jīng)濟(jì)社會(huì)發(fā)展與環(huán)境污染關(guān)系的庫茲涅茨曲線分析[J].財(cái)經(jīng)問題研究，2014（8）.

[12]Richard York，Eugene A.Rosa，Thomas Dietz：STIRPAT，IPAT and ImPACT：analytic tools for unpacking the driving forces of environmental impacts[J].Ecological Economics，2003，46（3）.

[13]John Sztukowski：A STIRPAT Model of Sectoral CO2E-missions at the County Scale[D].Colorado State University，2010.

[14]王立猛、何康林：基于STIRPAT模型的環(huán)境壓力空間差異分析——以能源消費(fèi)為例[J].環(huán)境科學(xué)學(xué)報(bào)，2008，28（5）.

[15]姜磊、季民河：基于STIRPAT模型的中國能源壓力分析——基于空間計(jì)量經(jīng)濟(jì)學(xué)模型的視角[J].地理科學(xué)，2011（9）.

[16]Anselin L.：Spatial econometrics：Methods and models[M]. Dordrecht：Kluwer Academic，1988.

[17]Anselin L，Bera A，F(xiàn)lorax R，et al：Simple diagnostic tests for spatial dependent[J].Regional Science and Urban Economics，1996（26）.

（責(zé)任編輯：張瓊芳）