艾小青，陳連磊，朱麗南

（北京工業(yè)大學a.經(jīng)濟與管理學院；b.首都社會建設與社會管理協(xié)同創(chuàng)新中心，北京100124）

●區(qū)域發(fā)展

空氣污染排放與經(jīng)濟增長的關系研究
——基于中國省際面板數(shù)據(jù)的空間計量模型

艾小青a，b，陳連磊a，b，朱麗南a

（北京工業(yè)大學a.經(jīng)濟與管理學院；b.首都社會建設與社會管理協(xié)同創(chuàng)新中心，北京100124）

文章基于中國31個省市的2004-2014年的面板數(shù)據(jù)，并使用擴展的庫茲涅茨曲線模型，對于經(jīng)濟增長、城鎮(zhèn)化率，產(chǎn)業(yè)結構與三種空氣污染物排放之間的關系進行研究，并介紹了空間計量模型的R語言操作。研究發(fā)現(xiàn)：各省市之間的工業(yè)廢氣、SO2排放和煙塵排放具有空間相關性和空間依賴性；經(jīng)濟增長和三種空氣污染排放之間都存在著倒U型關系，煙塵排放的拐點最高；地區(qū)間的空氣污染排放的空間影響是復雜的，不是簡單的單向關系；第二產(chǎn)業(yè)產(chǎn)業(yè)結構增大則會加重了三種空氣污染排放；高城鎮(zhèn)化率加重了工業(yè)廢氣排放，而減少了SO2排放和煙塵排放。

庫茲涅茨曲線；空氣污染排放；經(jīng)濟增長；R語言；SARAR模型

一、引言

近幾十年來，中國經(jīng)濟飛速發(fā)展，人民的物質生活水平得到了巨大的提高，與此同時，霧霾天氣、空氣污染、環(huán)境惡化等問題也日益加劇?？諝馕廴緦τ诰用裆詈蜕鐣a(chǎn)建設具有嚴重的負面影響，所以，我們在加強經(jīng)濟建設的同時應該更加注重環(huán)境的保護。

環(huán)境庫茲涅茨曲線（Environmental Kuznets Curve，EKC）是西方學者研究經(jīng)濟增長與環(huán)境污染關系比較熱門的一個方向，主要提出了經(jīng)濟增長和環(huán)境污染的關系呈“倒U型”。我國很多學者對于中國是否存在EKC曲線進行了驗證。張成、朱乾龍、于同申（2011）通過對各省數(shù)據(jù)進行整體和分組檢驗，發(fā)現(xiàn)環(huán)境污染和經(jīng)濟增長之間存在復雜的關系，包括單調遞減、倒U型、倒N型等［1］；虞依娜、陳麗麗（2012）發(fā)現(xiàn)計量模型的不同對EKC研究的結論也有所不同，EKC會呈現(xiàn)倒U型、倒N型等多種形態(tài)［2］；高宏霞、楊林、付海東（2012）通過研究發(fā)現(xiàn)各省廢氣和二氧化硫排放量的數(shù)據(jù)均符合EKC曲線假設，并對廢氣和二氧化硫的排放拐點進行預測［3］。

空氣污染空間溢出效應也成了目前學者關注的熱點。Yu Hao和Yi-Ming Liu（2016）通過采用空間計量方法研究2013年中國73個城市的數(shù)據(jù)，發(fā)現(xiàn)PM2.5和人均GDP存在著倒U型關系［4］。馬麗梅、張曉（2014）運用空間計量方法，發(fā)現(xiàn)霧霾污染和PM10存在著空間相關性［5-6］。吳玉鳴、田斌（2012）通過研究2008年31個省的截面數(shù)據(jù)發(fā)現(xiàn)各省之間存在空間依賴性和相關性，省域環(huán)境污染與經(jīng)濟增長存在著倒U型關系［7］。劉華軍、楊騫（2014）采用省際面板數(shù)據(jù)，認為環(huán)境污染存在空間依賴和時空依賴等［8］。許和連、鄧玉萍（2012）和聶飛、劉海云（2015）都發(fā)現(xiàn)了FDI對于環(huán)境污染產(chǎn)生影響，且環(huán)境污染存在空間影響［9-10］。

大多數(shù)學者認為環(huán)境污染和經(jīng)濟增長之間存在著因果關系，經(jīng)濟增長對于環(huán)境污染有著復雜的影響。各地之間的經(jīng)濟發(fā)展水平和環(huán)境污染都存在一定的空間相關性。在研究環(huán)境污染和經(jīng)濟增長之間的關系的時候不能忽視空間效應的影響。本文主要研究空氣污染排放與經(jīng)濟增長、產(chǎn)業(yè)結構等方面的關系，主要以三個空氣污染排放物為研究對象：工業(yè)廢氣排放總量、SO2排放總量、煙塵排放總量，基于擴展的環(huán)境庫茲涅茨曲線建立空間計量模型，分析經(jīng)濟增長、城鎮(zhèn)化率和產(chǎn)業(yè)結構對于空氣污染排放的影響，同時分析各省之間的空氣污染排放的空間相關性和空間依賴性。目前，空間計量經(jīng)濟學研究較多的就是SAR模型和SEM模型，這兩個模型只是針對因變量或隨機擾動項中空間滯后中的一種，不能全面分析一些復雜的空間關系。故本文模型設置采用帶空間自回歸誤差項的空間自回歸模型（Spatial AutoregressiveModelwithSpatialAutoregressive Disturbance，簡記SARAR），可以較全面地分析數(shù)據(jù)的空間關系。

對于空間計量的回歸分析中，多數(shù)人選擇使用MATLAB、Stata等軟件，使用R語言的較少。R語言具有免費、開源、簡單易學，功能強大，是專業(yè)的統(tǒng)計和數(shù)據(jù)分析的軟件，非常有利于大家學習和推廣。本文關于空間計量的計算和操作基本上使用R語言。用R語言實現(xiàn)空間計量分析，需要使用splm軟件包，這個可以去R語言網(wǎng)站上免費下載（https:// cran.r-project.org/web/packages/splm/index.html）。關于splm軟件包的更多細節(jié)可以參見Millo G、Piras G（2012）[11]and Gianfranco Piras（2014）[12]。

二、研究方法

庫茲涅茨曲線主要是研究的經(jīng)濟增長水平和環(huán)境污染之間的關系，需要對其進行擴展，則可以加入城鎮(zhèn)化率、產(chǎn)業(yè)結構等影響空氣污染的因素。本文采用面板數(shù)據(jù)并加入空間權重，建立擴展的空間庫茲涅茨曲線模型，對空氣污染排放的影響因素進行研究。

（一）空間相關性指數(shù)

在確定是否運用空間計量方法時，首先考察數(shù)據(jù)之間是否存在著空間依賴性。常用的方法有兩種，一種是以Moran's I指數(shù)去分析一個總的空間范圍內(nèi)的空間依賴程度；另一種則是以Moran散點圖和LISA來描述描述一個空間單元與其領域的相似程度，能夠表示每個局部單元服從全局總趨勢的程度。因此，運用Moran′s I指數(shù)描述的是全局空間自相關，Moran散點圖反映的局部空間自相關。

在計算Moran′s I值時，首先要設置空間權重，本文的空間權重的設置基于“車”相鄰（Rook Contiguity）原則，即若地區(qū)i與地區(qū)j有共同的邊界，則Wij=1，反之，Wij=0。Moran′s I計算公式如下：

其中，n代表地區(qū)總數(shù)，xi和xj分別為地區(qū)i和地區(qū)j的觀測值，xˉ為觀測值的平均值。Moran's I取值在[-1,1]之間，當Moran′s I大于0，說明數(shù)據(jù)之間存在空間正相關性；小于0則是數(shù)據(jù)之間有空間負相關性；當Moran′s I值接近0，則證明沒有空間相關性。

（二）空間計量模型

空間面板數(shù)據(jù)模型具有時空雙重性。本文采用一個Anselin L（1988）提出較為通用的模型[13]，一個帶空間自回歸誤差項的空間自回歸模型，也就是SARAR模型的表達式為：

其中，因變量y是nt×1的列向量，X為n×k數(shù)據(jù)矩陣，包括k列解釋變量，βk×1為相應的系數(shù)，矩陣W為n×n的空間權重矩陣。λ為相應的空間參數(shù)數(shù)，用來刻畫空間依賴性，度量因變量的空間溢出效應，也就是相鄰區(qū)域的觀測值對本區(qū)域的影響。u為隨機擾動向量，由兩部分構成：

其中,νT是t×1的時間維度的向量，IN是n×n的單位矩陣，μ是與時間無關的個體特異效應（不是空間自相關），ε是關于空間自相關的向量，且遵循式（4）空間自回歸過程。

ρ(|ρ|＜1)是空間自回歸參數(shù)。在面板數(shù)據(jù)中，個體效應一般被分為固定效應和隨機效應。而在隨機效應中蘊含著一個假設：未觀察到的個體效應與其他解釋變量不相關。在這種情況下μi～IID(0,)，誤差項可以改寫成：

式（3）的誤差項公式，可以改寫成：

且ε的方差協(xié)方差矩陣改寫成如下形式：

在上面的模型中，λ表示空間滯后Wy對y的影響；ρ表示擾動項u存在空間依賴性，意味著不包含在X中但對y有影響的遺漏變量存在空間相關性，或者是不可觀測的隨機沖擊存在空間相關性。當ρ=0(λ≠0)時就是空間滯后模型（SLM或SAR），λ=0(ρ≠0)就是空間誤差模型（SEM），顯然SAR模型和SEM模型只是SARAR模型的特例。如果ρ或λ系數(shù)不顯著或檢驗未通過，則直接可以變?yōu)镾AR模型或SEM模型。使用SARAR模型可以更全面的分析數(shù)據(jù)之間存在的復雜空間關系。

三、實證分析

（一）數(shù)據(jù)來源

本文主要研究經(jīng)濟增長與空氣污染排放之間的關系，工業(yè)廢氣、SO2和煙塵的排放對于空氣質量的影響非常大，是主要的污染物排放物，所以主要污染物指標是工業(yè)廢氣排放總量(億標立方米)、SO2排放總量（萬噸）、煙塵排放總量（萬噸）。同時考慮經(jīng)濟增長水平，選取2004-2014年的各省市的地區(qū)生產(chǎn)總值作為經(jīng)濟因素指標，為了剔除物價水平的影響，取2004年為基期，采用GDP平減指數(shù)進行平減。同時城市相對于鄉(xiāng)村的廢氣等的排放也更多，所以選取城鎮(zhèn)化率（%）作為人口地理指標。第二產(chǎn)業(yè)的發(fā)展對于工業(yè)廢氣、SO2和煙塵的排放有著直接關系，選取第二產(chǎn)業(yè)比重（%）作為產(chǎn)業(yè)結構指標。以上數(shù)據(jù)來源于2005-2015年歷年《中國環(huán)境統(tǒng)計年鑒》和各省市統(tǒng)計年鑒。

圖1和圖2分別2004年和2014年工業(yè)廢氣、SO2排放、煙塵排放的空間分布特征四分位圖，顏色越深代表污染排放越重?？梢钥吹?004年和2014年三種指標在北方大部分區(qū)域排放量遠超其他地方，特別是河北、內(nèi)蒙古、山東、遼寧等地。特別是在2014年河北工業(yè)廢氣和煙塵排放量在全國最多，雖然北京天津兩地排放量很少，但是霧霾天氣出現(xiàn)也會受河北、內(nèi)蒙古等北方地區(qū)的影響?？梢钥吹脚c2004年相比，北方空氣污染物排放量相對有所增多。相對于北方地區(qū)，西北和南方的空氣污染排放較少。相對于2004年，南方SO2排放、煙塵排放有所減輕，特別是四川和廣西兩省。新疆三種污染排放較2004年相比都有所增加。

圖1 2004年工業(yè)廢氣排放、SO2排放、煙塵排放的空間分布特征

圖2 2014年工業(yè)廢氣排放、SO2排放、煙塵排放的空間分布特征

（二）空間相關分析

通過上面的各污染物的空間分布四分位圖只能宏觀的顯示出各種污染物的省域空間分布狀況，從圖中可以看出部分省域間空氣污染物排放具有空間的集聚性，但沒有運用數(shù)據(jù)明確表示出環(huán)境污染存在空間相關性。所以選擇運用2004-2014年的數(shù)據(jù)計算出Moran′s I指數(shù)來清楚的證明污染物的分布具有顯著的空間相關性。通過R語言計算出歷年全局空間相關性指數(shù)。下面以2004年工業(yè)廢氣排放的Moran′s I值計算為例，R語言操作如下：

把數(shù)據(jù)導入gas-pollution.txt中，并且由GeoDa軟件獲得關于空間權重的China.gal文件。

R＜library(splm)#加載splm軟件包

R＜chngal＜-read.gal（“G：/DATA/China.gal”= override.id=TRUE）#讀取空間權重文件

R＜chnrook＜-nb2listw(chngal)#轉換為R語言可識別的權重

R＜da＜-read.table（“G：/DATA/gas-pollution. txt”，header=TRUE）#讀取廢氣排放數(shù)據(jù)

R＜moran.test（gas-pollution$GAS04，chnrook，randomisation=FALSE，alternative=“two.sided”）#計算雙側檢驗的Moran′sI值

通過R語言逐年計算工業(yè)廢氣、SO2排放和煙塵排放的Moran′s I值，得到表1。

表1 空氣污染的全局莫蘭指數(shù)

由表1可知，在5%的顯著性水平下，可以看到工業(yè)廢氣排放和煙塵排放的Moran′s I值基本上都在0.2以上，工業(yè)廢氣和煙塵排放具有很強的空間相關性，并且煙塵排放量的空間相關性逐漸增強。而SO2排放的Moran′s I值大部分在5%的顯著性水平下顯著，而在10%的顯著性水平下都顯著，SO2排放的Moran′s I值隨著時間有起伏，但總體還是增加的。可以認為SO2排放存在空間相關性，并且逐年增加。

R語言中的默認Moran散點圖是非標準化的（命令：moran.plot），為了容易數(shù)據(jù)的比較，參考Anselin L（2007）的做法，對Moran散點圖進行標準化處理［14］。

R＜source（“moran.plot2.R”）#加載標準化的Moran散點圖程序

R＜moran.plot2（gas-pollution$GAS04，chnrook）#繪制Moran散點圖

局部空間自相關性主要看Moran散點圖，為了簡便，只列出2004年和2014年工業(yè)廢氣排放、SO2排放、煙塵排放的Moran散點圖，見圖3、4。點落在第一三象限表明有正的空間相關性，落在第二四象限表明有負的空間相關性。由圖3、4可以看到，2004年的三種污染物排放散點圖分布不集中，空間相關性相對較弱。2014年工業(yè)廢氣排放Moran散點集中度相比于2004年有所減弱，但是工業(yè)廢氣排放主要集中一三象限，空間相關性還是比較強的。相對于2004年，2014年SO2排放、煙塵排放散點重要集中在一三象限，說明SO2排放、煙塵排放空間相關性在變強。

圖3 2004年工業(yè)廢氣排放總量、SO2排放總量、煙塵排放Moran散點圖

圖4 2014年工業(yè)廢氣排放總量、SO2排放總量、煙塵排放Moran散點圖

其中，lnPollution是工業(yè)廢氣排放、SO2排放、煙塵排放的對數(shù)值，分別用lnGAS、lnSO2、lnDUST表示；lnGDP為各省地區(qū)生產(chǎn)總值的自然對數(shù)，lnUbran為城鎮(zhèn)化率的對數(shù)值，lnIndustry是第二產(chǎn)業(yè)產(chǎn)業(yè)結構的對數(shù)值，u是隨機誤差項。在實證估計時，需要將空間權重矩陣W進行“行標準化”處理，即將矩陣中的每個元素除以所在行元素之和，保證每行元素之和為1。

Baltagi等（2003；2007）提出了幾個邊際、聯(lián)合和條件拉格朗日乘數(shù)檢驗，用來檢驗隨機效應和空間計量模型的選擇［15-16］。本文選擇R語言三個關于本文檢驗LMH、SLM1和LMλ進行說明。這三個檢驗的假設是：

（三）模型設置

本文主要研究經(jīng)濟增長等因素對空氣污染排放指標的影響，參考擴展的環(huán)境庫茲涅茨曲線的形式，建立如下空間面板數(shù)據(jù)模型：

在R語言里splm軟件包里的bsktest可以實現(xiàn)上述三個檢驗。下面是R語言中的操作，以廢氣排放量的回歸和檢驗為例。splm軟件包中的空間權重矩陣和計算Moran’I值的矩陣的輸入形式是不一樣的。

R＜da＜-read.table（“G：/DATA/data.txt”，header=T）#讀取原始數(shù)據(jù)

R＜fm＜-LnGAS～LnGDP+LnGDP2+LnUrban+LnIndustry#輸入估計方程

R＜chw＜-mat2listw（w）#轉換空間權重矩陣，w為輸入的原始空間權重矩陣

R＜test1＜-bsktest（x=fm，data=da，listw= chw，test=“LMH”）

R＜test1#LM檢驗-LMH隨機效應或空間自回歸

R＜test2＜-bsktest（x=fm，data=da，listw= chw，test=“LM1”）

R＜test2#LM檢驗-SLM1隨機效應

R＜test3＜-bsktest（x=fm，data=da，listw= chw，test=“CLMlambda”）

R＜test3#LM檢驗-LMλ空間自回歸效應

對三個污染指標的模型進行檢驗，得到LM檢驗結果，見表2所列?？梢杂蒐MH檢驗結果知道，在5%的顯著性水平下，三個模型都拒絕原假設，模型至少具有因變量的空間自回歸過程和隨機效應的一個效應。SLM1檢驗，則是不能拒絕原假設，三個模型都不存在隨機效應。LMλ檢驗則拒絕被解釋變量沒有空間自回歸過程的原假設，三個模型都存在空間自回歸過程。

表2 模型Baltagi，SongandKohLM檢驗

四、估計結果

通過檢驗得知，三個模型是存在空間自回歸過程并具有固定效應的，可以用R語言進行估計，下面是對lnGAS的SARAR時空雙固定效應模型的估計。R語言提供了極大似然估計方法（命令：spml）和廣義距估計（命令：spgm）兩種方法。本文選擇極大似然估計法來估計SARAR模型。圖5為R語言SARAR模型時空固定效應的估計結果。

R＜Sararfemod＜-spml（formula=fm，data= da，index=NULL，

+listw=chw，model=“within”，lag=TRUE，spatial.error=“b”，

+effect=“twoways”，method=“eigen”，na. action=na.fail，

+quiet=TRUE，zero.policy=NULL）

R＜summary（Sararfemod）#SARAR模型時空固定效應的估計結果

圖5 R語言SARAR模型時空固定效應的估計結果

類似的對其他模型做相應處理得到估計結果?？臻g面板數(shù)據(jù)模型的固定效應有三種，時間固定效應、空間固定效應和時空雙固定效應。本文分別對三個空氣污染指標的模型都進行三種固定效應估計，根據(jù)AIC和SC等準則，從中挑出結果顯著和最適合的模型。最后，發(fā)現(xiàn)廢氣排放和SO2排放時空固定效應模型效果最好，煙塵排放則是時間固定效應最好。表3是考慮lnGAS時空固定效應、lnSO2時空固定效應、lnDUST時間固定效應的SARAR模型的估計結果。

表3 空氣污染的SARAR模型估計結果

由以上的估計結果可以得出：

（1）經(jīng)濟增長對空氣污染的影響十分顯著。在1%的顯著性水平下，在三種模型的固定效應估計結果中，lnGDP的系數(shù)為正，(lnGDP)2的系數(shù)都為負，說明中國各省廢氣排放量與經(jīng)濟增長之間存在著倒U型關系，也就是說廢氣排放和經(jīng)濟增長之間存在著庫茲涅茨曲線關系。根據(jù)估計出來的方程，計算的庫茲涅茨曲線的拐點分別為：7.796、7.568、8.723。而2004-2014年，中國各省GDP對數(shù)值，最小為2004年西藏4.927，最大為2014年廣東9.592，平均數(shù)為7.975。大部分省市已經(jīng)十分接近或者到達了庫茲涅茨曲線的拐點，廢氣排放量開始下降，這與中國經(jīng)濟增長飛速發(fā)展是分不開的，同時也與國家大力推行的促進經(jīng)濟的可持續(xù)發(fā)展政策密切相關。

（2）城鎮(zhèn)化率對空氣污染有影響。在以廢氣排放總量為因變量的SARAR模型中，城鎮(zhèn)化率的系數(shù)為0.861，也就是說城鎮(zhèn)化率越高，廢氣排放總量也就越高。工業(yè)廢氣主要是有CO2、SO2、煙塵、氟化物、氮氧化物等構成。城鎮(zhèn)化水平越高，居民的生活消費水平也得到提高，生活廢氣的直接排放和物質產(chǎn)品消費過程廢氣的間接排放都大大增加了，特別是CO2等氣體的排放大大增加。但是城市化率也代表著一個國家的經(jīng)濟發(fā)展水平，城鎮(zhèn)化水平越高，總體人群的素質就會越高，相應的運用科學技術的水平也會提高，因此可以利用科技力量和開發(fā)環(huán)保能源使得廢氣中的SO2等有害物質含量降低，降低對環(huán)境造成的污染。正如近幾年，中國推行的節(jié)能減排，SO2排放和煙塵排放都經(jīng)過處理后達標才允許排放，所以在SO2排放和煙塵排放模型中，城鎮(zhèn)化水平的系數(shù)為負，城鎮(zhèn)化水平越高，SO2排放和煙塵排放就越少。

（3）產(chǎn)業(yè)結構對空氣污染有正向影響。在三個模型中，第二產(chǎn)業(yè)產(chǎn)業(yè)結構的系數(shù)都為正，說明第二產(chǎn)業(yè)比重越高，空氣污染越嚴重，特別是在北方的河北、內(nèi)蒙古等地，重工業(yè)發(fā)達，第二產(chǎn)業(yè)占比重較大的產(chǎn)業(yè)結構會加重廢氣、SO2和煙塵排放。

（4）空間效應對空氣污染也有著影響。因變量的空間滯后項的系數(shù)λ表示一個地區(qū)空氣污染排放會受到周圍地區(qū)排放的影響，存在空間溢出效應。在廢氣排放和煙塵排放模型中，因變量的空間滯后項的系數(shù)為負，意味著本地區(qū)廢氣排放和煙塵排放會受到來自周圍地區(qū)廢氣、煙塵的排放的反向作用。也就是說一個地區(qū)空氣污染排放通過地區(qū)生產(chǎn)總值、城鎮(zhèn)化水平和產(chǎn)業(yè)結構等變量的影響，傳導至其他地區(qū)并影響這些地區(qū)的空氣污染排放。而考慮隨機擾動項的空間滯后，發(fā)現(xiàn)廢氣排放和煙塵排放的系數(shù)為正，一些不在解釋變量的因素如頻繁的省域之間的經(jīng)濟社會的交流，能源消耗等，通過擾動項對空氣污染產(chǎn)生影響。而SO2排放的影響方式與廢氣。煙塵排放則恰恰相反。所以空氣污染的三個指標在空間的相互影響不是簡單的單向關系，存在復雜的多重影響。

五、結論與建議

本文首先探究了2004-2014年空氣污染物排放，并計算出了歷年的工業(yè)廢氣排放、SO2排放、煙塵排放的Moran’s I指數(shù)、畫出Moran散點圖，發(fā)現(xiàn)三個空氣污染排放指標，有著空間相關性；故以此基于擴展的環(huán)境庫茲涅茨曲線建立經(jīng)濟增長和空氣污染的空間計量模型，并基于R語言計算出結果。結果表明，三個空氣污染指標存在著復雜的空間相關性，與經(jīng)濟增長等變量并不是簡單的線性單向關系。本文只介紹了R語言中部分關于空間計量模型的使用，空間計量還包括截面分析和脈沖效應分析等，這可以參考splm和spdep的軟件說明。

經(jīng)濟增長與三個空氣污染物排放之間都存在庫茲涅茨曲線關系。三個污染物排放與經(jīng)濟增長之間的倒U型曲線的拐點略有不同。從估算的各空氣指標的庫茲涅茨曲線的拐點來看，SO2排放的拐點最低，說明SO2排放對于經(jīng)濟增水平的變化反應較明顯。煙塵排放的拐點最高，煙塵排放與霧霾的形成有著很大的關系，霧霾的治理還需要一定時間和經(jīng)濟水平的支持。宋馬林、王舒鴻（2011）認為必要的政策措施可以改變庫茲涅茨曲線拐點的到來的時間。推進環(huán)保政策的實行對于，空氣污染的治理有著積極作用［17］。包群、邵敏、楊大利（2013）認為單純的環(huán)保立法對于污染排放的抑制作用有限，對環(huán)保立法的監(jiān)管效果需要執(zhí)法力度的配合［18］。

廢氣排放和煙塵排放具有空間滯后性，周圍地區(qū)的排放會加重本地區(qū)空氣污染排放；而SO2排放因變量的空間滯后會減輕本地區(qū)污染排放。而隨機擾動項的空間滯后的影響方向與因變量的空間滯后影響方向正好相反?？諝馕廴疚锏呐欧懦伺c經(jīng)濟增長、城鎮(zhèn)化率、工業(yè)產(chǎn)業(yè)結構因素相關外，還與其他一些變量相關，例如國家政策、交通狀況等有關聯(lián)，而這些遺漏變量或者不可觀測的隨機沖擊也存在空間相關性。在治理空氣污染排放時，廢氣排放、SO2排放和煙塵排放應該制定不同治理方案，針對性治理。

城鎮(zhèn)化率和第二產(chǎn)業(yè)產(chǎn)業(yè)結構對于空氣污染物的排放都有顯著影響。城鎮(zhèn)化率增加會增加廢氣總量排放，而會減少SO2排放和煙塵排放。城鎮(zhèn)化率與社會和經(jīng)濟的發(fā)展水平密切相關。近些年來，經(jīng)濟增速有所放緩，相對于收入水平來說，城鎮(zhèn)居民對于空氣質量等環(huán)境指標的要求也有所提高，所以城鎮(zhèn)化率也對SO2排放和煙塵排放有著抑制作用。第二產(chǎn)業(yè)產(chǎn)業(yè)結構會加重三種空氣污染物排放，工業(yè)發(fā)達的地區(qū)空氣污染物排放量相對較多。

綜上所述，本文認為，庫茲涅茨曲線的拐點雖然與經(jīng)濟發(fā)展水平相關，但是其他因素也會影響拐點的位置，所以在發(fā)展經(jīng)濟的同時應該加強各方面因素的影響。對產(chǎn)業(yè)結構來說，應發(fā)展第三產(chǎn)業(yè)，促進產(chǎn)業(yè)結構升級，同時大力發(fā)展清潔能源，加強國家節(jié)能減排的政策的實施，轉變經(jīng)濟增長方式，實現(xiàn)地區(qū)間經(jīng)濟和環(huán)境更好更快的可持續(xù)發(fā)展。在推進城鎮(zhèn)化水平的同時，應當注重高層設計，建設環(huán)境友好型城市，推進城市的更好發(fā)展。不同區(qū)域治理空氣污染的時候，需要各區(qū)域之間的積極合作和聯(lián)動，注意區(qū)域之間的相互影響；治理空氣污染要因地制宜，應該充分考慮各方面因素。

［1］張成，朱乾龍，于同申.環(huán)境污染和經(jīng)濟增長的關系［J］.統(tǒng)計研究，2011（1）：59-67.

［2］虞依娜，陳麗麗.中國環(huán)境庫茲涅茨曲線研究進展［J］.生態(tài)環(huán)境學報，2012，21（12）：2018-2023.

［3］高宏霞，楊林，付海東.中國各省經(jīng)濟增長與環(huán)境污染關系的研究與預測——基于環(huán)境庫茲涅茨曲線的實證分析［J］.經(jīng)濟學動態(tài)，2012（1）：52-57.

［4］Yu Hao，Yi-Ming Liu.The influential factors of urban PM2.5 concentrations in China：a spatial econometric analysis［J］. Journal of Cleaner Production，2015，112：1443-1453.

［5］馬麗梅，張曉.中國霧霾污染的空間效應及經(jīng)濟、能源結構影響［J］.中國工業(yè)經(jīng)濟，2014（4）：19-31.

［6］馬麗梅，張曉.區(qū)域大氣污染空間效應及產(chǎn)業(yè)結構影響［J］.中國人口·資源與環(huán)境，2014（7）：157-164.

［7］吳玉鳴，田斌.省域環(huán)境庫茲涅茨曲線的擴展及其決定因素——空間計量經(jīng)濟學模型實證［J］.地理研究，2012（04）：627-640.

［8］劉華軍，楊騫.環(huán)境污染、時空依賴與經(jīng)濟增長［J］.產(chǎn)業(yè)經(jīng)濟研究，2014（1）：81-91.

［9］許和連，鄧玉萍.外商直接投資導致了中國的環(huán)境污染嗎？——基于中國省際面板數(shù)據(jù)的空間計量研究［J］.管理世界，2012（2）：30-43.

［10］聶飛，劉海云.FDI、環(huán)境污染與經(jīng)濟增長的相關性研究——基于動態(tài)聯(lián)立方程模型的實證檢驗［J］.國際貿(mào)易問題，2015（2）：72-83.

［11］Millo G，Piras G.splm：Spatial Panel Data Models in R［J］.Journal of Statistical Software，2012，47（1）：1-38.

［12］Gianfranco Piras.Impact estimates for static spatial panel data models in R［J］.Letters in Spatial and Resource Sciences，2014，7（3）：213-223.

［13］Anselin L.Spatial Econometrics：Methods and Models［M］. Boston：Kluwer Academic Publisher，1988.

［14］Anselin L.Spatial Regression Analysis in R：A Workbook［M］.Urbana：University of Illinois，2007.

［15］Baltagi B H，Song S H，Koh W.Testing panel data regression models with spatial error correlation［J］.Journal of Econometrics，2003，117（1）：123-150.

［16］Baltagi B H，Song S H，Jung B，et al.Testing panel data regression models with spatial and serial error correlation［J］.Journal of Econometrics，2007，140：5-51.

［17］宋馬林，王舒鴻.環(huán)境庫茲涅茨曲線的中國“拐點”：基于分省數(shù)據(jù)的實證分析［J］.管理世界，2011（10）：168-169.

［18］包群，邵敏，楊大利.環(huán)境管制抑制了污染排放嗎？［J］.經(jīng)濟研究，2013（12）：42-54.

Research on the Relationship between Air Pollution and Economic Growth—Based on the Spatial Econometric Model of China’s Provincial Panel Data

AI Xiao-qinga,b,CHEN Lian-leia,b,ZHU Li-nana
(a.College of Economics and Management;b.Collaborative Innovation Center of Beijing Society-Building&Social-Governance, Beijing University of Technology,Beijing 100124,China)

This paper selects the panel data of 31 provincial-level administrative areas in China from 2004 to 2014 and employs the ex?tended Kuznets curve model,to study the relationship between economic growth,industrial structure,urbanization rate and three types of air pollutant missions.And the paper introduces the R language operating spatial econometric model.The research finds that:Industrial emissions,emissions of SO2 and soot emissions have spatial correlation and spatial dependence among all provincial-level administrative areas;There is an inverted U-shaped relationship between economic growth and three types of air pollution emissions,and soot emissions of inflection point is the highest;The spatial effect of regional air pollution emissions is complex,not a simple one-way relationship;The increase of the second industrial structure will intensify the three types of air pollution emissions;High urbanization rate increases industri?al emissions,while reducing SO2 emissions and soot emissions.

Kuznets curve;air pollution emissions;economic growth;R language;SARAR model

F127；F062.2

A

1007-5097（2017）03-0069-08

［責任編輯：張 兵］

10.3969/j.issn.1007-5097.2017.03.009

2016-09-14

北京市社會科學基金基地項目（14JDJGC040）；北京市社會科學基金重點項目(15JDZHA006)；首都社會建設與管理協(xié)同創(chuàng)新中心資助項目

艾小青（1982-），男，湖南邵陽人，副教授，研究員，博士，研究方向：經(jīng)濟統(tǒng)計，數(shù)量經(jīng)濟學；

陳連磊（1993-），男，河南商丘人，碩士研究生，研究方向：數(shù)量經(jīng)濟學；

朱麗南（1991-），女，山東德州人，碩士研究生，研究方向：產(chǎn)業(yè)經(jīng)濟學。