(北京聯(lián)合大學 旅游學院,北京 100101)

北京經(jīng)濟增長與空氣污染關(guān)系的實證研究
——基于脫鉤理論與VAR模型

張麗峰

(北京聯(lián)合大學 旅游學院,北京 100101)

運用脫鉤理論和VAR模型,分析了北京三類空氣污染物與經(jīng)濟增長之間的脫鉤狀態(tài)、相互間動態(tài)影響方向和程度。主要結(jié)論為:①SO2和NO2濃度經(jīng)歷了從強脫鉤到弱脫鉤的循環(huán)過程,SO2濃度強脫鉤年份稍多;PM10濃度經(jīng)歷了從強脫鉤—弱脫鉤—強脫鉤—擴張連接的循環(huán)過程,三類污染物濃度均未出現(xiàn)持續(xù)強脫鉤狀態(tài)。②三類空氣污染物和經(jīng)濟增長間均存在長期協(xié)整關(guān)系且呈負向,SO2濃度彈性系數(shù)最大,其次是PM10濃度,最后是NO2濃度,表明北京空氣污染治理力度取得了部分成效。③脈沖響應(yīng)分析結(jié)果表明,今后一段時期內(nèi),經(jīng)濟增長和三類空氣污染物相互間的脈沖響應(yīng)值總體上是負向的,并呈波動性變化趨勢。方差分解結(jié)果表明,三類空氣污染物對經(jīng)濟增長的方差分解貢獻度逐步上升,SO2濃度貢獻度最大,其次是PM10濃度,NO2濃度最小;經(jīng)濟增長對SO2濃度方差分解的貢獻度最大,其次是PM10濃度和NO2濃度,均持續(xù)上升。

經(jīng)濟增長;空氣污染;脫鉤理論;VAR模型

自1998年以來,北京市在長期監(jiān)測的三項污染物中,二氧化硫(SO2)濃度下降了89%，二氧化氮(NO2)濃度下降了32%，PM10濃度下降了46%。2015年,北京市的SO2年平均濃度為13.5μg/m3,優(yōu)于國家標準(60μg/m3),比2014年下降了38.1%;NO2年均濃度為50μg/m3,接近國家標準,比2014年下降了11.8%;PM10年平均濃度為101.5μg/m3,超過國家標準0.45倍,但比2014年下降了12.3%;PM2.5的年平均濃度為80.6μg/m3,超過國家標準1.3倍,比2014年下降了6.2%。PM10和PM2.5成為北京大氣污染治理的突出問題。嚴重的空氣污染不僅損害了人們的身體健康,還影響了旅游業(yè)發(fā)展，造成投資吸引力下降,進而影響到經(jīng)濟增長。今后如何在保持經(jīng)濟平穩(wěn)快速增長的同時,改善和提高環(huán)境質(zhì)量,促進經(jīng)濟可持續(xù)發(fā)展,必須從理論上厘清經(jīng)濟增長和環(huán)境污染之間的相互關(guān)系。

在經(jīng)濟增長與環(huán)境污染關(guān)系的研究中,針對環(huán)境庫茲涅茨曲線假說的相關(guān)研究最為普遍。由于所用數(shù)據(jù)大多為面板數(shù)據(jù),加之不同國家或地區(qū)同質(zhì)性的假定,所得結(jié)論難以令人信服,同時也忽視了環(huán)境污染與經(jīng)濟增長間的雙向影響機制。近幾年部分文獻利用向量自回歸模型(VAR)研究了環(huán)境污染與經(jīng)濟增長的關(guān)系,探討了兩者間相互作用的機理,既有從國家層面的[1,2],也有從區(qū)域?qū)用娴腫3-9]。有學者利用脫鉤理論來分析環(huán)境污染與經(jīng)濟增長之間的關(guān)聯(lián)性,主要有關(guān)于脫鉤的定義[10]、脫鉤類型的劃分與應(yīng)用[11-15]。以上文獻一是研究了污染物排放量尤其是工業(yè)“三廢”排放量與經(jīng)濟增長間的關(guān)系,很少有文獻研究污染物濃度與經(jīng)濟增長的關(guān)系,而污染物濃度如PM2.5、PM10、SO2濃度是造成嚴重空氣污染的主要原因。二是很少有文獻把脫鉤理論和VAR模型結(jié)合起來分析環(huán)境污染與經(jīng)濟增長的關(guān)系。三是很少有文獻系統(tǒng)分析北京空氣污染與經(jīng)濟增長的關(guān)系。北京作為首都和特大城市,空氣污染和經(jīng)濟增長有自身的特性,空氣污染與經(jīng)濟增長的關(guān)系也有別于其他省市。尤其是隨著經(jīng)濟的快速發(fā)展,北京的霧霾天氣增多,更有必要研究空氣污染與經(jīng)濟增長的關(guān)系。本文選取北京空氣PM10濃度、SO2濃度和NO2濃度作為研究對象,嘗試建立以脫鉤理論和VAR模型為主的統(tǒng)一分析框架,以更全面的視角分析北京經(jīng)濟增長和空氣污染的內(nèi)在聯(lián)系,考察經(jīng)濟發(fā)展的不同階段與環(huán)境污染的變化路徑,厘清經(jīng)濟增長和空氣污染的雙向影響機制。

1 研究方法與變量選取

1.1 脫鉤理論與模型

脫鉤理論來源于物理學科領(lǐng)域的專業(yè)名詞,目前廣泛應(yīng)用在資源利用、環(huán)境污染、碳排放與經(jīng)濟發(fā)展的關(guān)系方面,主要目的是研究環(huán)境與經(jīng)濟的協(xié)調(diào)發(fā)展問題，主要的脫鉤模型有OECD和Tapio模型。OECD脫鉤模型是基于期初和期末值的脫鉤指數(shù)模型,對基期的選定非常敏感,不同基期的選擇會得到差異很大的結(jié)果。Tapio脫鉤模型是在OECD脫鉤模型的基礎(chǔ)上發(fā)展起來的,克服了OECD脫鉤模型的基期選擇困境,是基于以時期為時間尺度的一種彈性分析方法,提高了脫鉤關(guān)系分析的客觀性和準確性。此外,Tapio脫鉤模型對脫鉤關(guān)系的劃分更精細,是目前研究經(jīng)濟與環(huán)境脫鉤關(guān)系的主要方法。本文借鑒Tapio脫鉤模型中的脫鉤指標,構(gòu)建北京經(jīng)濟增長與空氣污染的脫鉤分析模型,其脫鉤彈性公式為:

(1)

式中,e為脫鉤彈性系數(shù),△AP為空氣污染濃度變化量,AP為空氣污染濃度,△GDP為經(jīng)濟增長變化量,GDP為經(jīng)濟增長量。由于空氣污染濃度和經(jīng)濟增長的變化率不同,脫鉤彈性的種類也不同,具體的脫鉤彈性劃分見表1。

表1 脫鉤彈性值和脫鉤關(guān)系類型

1.2 VAR模型

VAR模型是基于數(shù)據(jù)的統(tǒng)計性質(zhì)而建立的,它是對多變量的動態(tài)關(guān)系進行描述非結(jié)構(gòu)化的多方程模型,一般表達式為:

yt=A1yt-1+…+Apyt-p+BXt+μt

(2)

式中,yt為k維內(nèi)生變量向量,Xt為d維外生變量向量,p為滯后階數(shù),樣本個數(shù)為T。k×k 維矩陣A1,…,Ap和k×d維矩陣B是被估計的系數(shù)矩陣。μ是k維擾動向量,它們相互之間可以同期相關(guān),但不與自己的滯后值相關(guān),也不與等式右邊的變量相關(guān)。

VAR模型建立的前提條件要求所有的時間序列為同階單整序列,其次是滯后階數(shù)的確定，既要有足夠的滯后項,又要有足夠的自由度。一般是根據(jù)AIC(Akaike Information Criterion,AIC)和SC(Schwarz Criterion,SC)信息準則最小化并結(jié)合似然比LR(Likelihood Ratio,LR)檢驗來確定滯后階數(shù)。第三是對模型穩(wěn)定性進行檢驗,即是進行脈沖響應(yīng)分析的前提。如果被估計的模型中所有單位根的倒數(shù)小于1,即位于單位圓內(nèi),表示模型是穩(wěn)定的;如果單位根倒數(shù)大于1,既位于單位圓外,說明模型不穩(wěn)定。

在實際應(yīng)用中,往往不是對得到的參數(shù)估計進行解釋,而是在建立模型的基礎(chǔ)上進行脈沖相應(yīng)分析和方差分解。脈沖相應(yīng)分析就是系統(tǒng)中一個變量受到某種沖擊后對系統(tǒng)中其他變量未來情況的影響方向，為了避免變量排序?qū)烙嫿Y(jié)果的影響,一般采用廣義脈沖響應(yīng)技術(shù)法來進行分析。方差分解是分析系統(tǒng)中某個內(nèi)生變量受到?jīng)_擊后對其他內(nèi)生變量變化的貢獻度(通常用方差度量),進而評價不同內(nèi)生變量沖擊的重要性。

1.3 指標和數(shù)據(jù)的選取

空氣污染指標:選取空氣PM10濃度、SO2濃度和NO2濃度三個指標表征空氣污染程度。我國環(huán)境污染的數(shù)據(jù)有兩個來源:一是污染物濃度監(jiān)測數(shù)據(jù),是由各個地方環(huán)保監(jiān)測站直接測量的數(shù)據(jù),相對客觀；二是污染物排放量數(shù)據(jù),工業(yè)企業(yè)污染物排放是企業(yè)自報的數(shù)據(jù)。因此,以污染物濃度監(jiān)測為指標的研究結(jié)論更有說服力。北京環(huán)境污染各項指標數(shù)據(jù)來源于歷年的《北京市統(tǒng)計年鑒》。

經(jīng)濟增長(PGDP):經(jīng)濟增長一般采用GDP或人均GDP來衡量。由于人均GDP剔除了人口因素影響,更能反映經(jīng)濟增長的真實情況。本文采用人均實際GDP 來衡量經(jīng)濟增長,并以1999年為基期進行調(diào)整得到,數(shù)據(jù)來源于歷年的《北京市統(tǒng)計年鑒》。為了避免數(shù)據(jù)的劇烈波動,消除可能存在的異方差,對以上變量數(shù)據(jù)取對數(shù)值進行處理。

2 實證分析

2.1 北京經(jīng)濟增長和空氣污染的脫鉤分析

根據(jù)式(1),得到北京市2000—2014年經(jīng)濟增長與PM10濃度、SO2濃度和NO2濃度的脫鉤彈性系數(shù)值與脫鉤狀態(tài),具體計算結(jié)果見表2。

表2 2000—2014年北京各空氣污染物的脫鉤彈性和脫鉤狀態(tài)

由表2可知,SO2濃度和NO2濃度脫鉤狀態(tài)經(jīng)歷了從強脫鉤—弱脫鉤的循環(huán)過程,只是循環(huán)的規(guī)律不同,NO2濃度每兩年弱脫鉤之后都會出現(xiàn)強脫鉤。SO2濃度每一年弱脫鉤之后都會出現(xiàn)強脫鉤,后一個循環(huán)的強脫鉤狀態(tài)持續(xù)時間更長。而且,NO2濃度弱脫鉤的彈性值大于SO2濃度,表明NO2濃度的增長速度大于SO2濃度的增長速度。PM10濃度的脫鉤狀態(tài)則經(jīng)歷了從強脫鉤—弱脫鉤—強脫鉤—擴張連接的循環(huán)過程。2003—2006年是一個循環(huán),2007—2014年開始又一個循環(huán),只是循環(huán)的時間拉長了,強脫鉤狀態(tài)的年份有所增加。

整體上,三類污染物濃度的脫鉤狀態(tài)處于從強脫鉤到弱脫鉤不斷反復(fù)變化的過程中,持續(xù)強脫鉤狀態(tài)沒有出現(xiàn)。這是從1998年以來,北京連續(xù)采取的階段性大氣污染治理措施的一個反映。2000—2014年,SO2濃度有12年處于強脫鉤狀態(tài),3年處于弱脫鉤狀態(tài);PM10濃度有9年強脫鉤狀態(tài),4年弱脫鉤狀態(tài),2年擴張連接狀態(tài);NO2濃度有7年強脫鉤狀態(tài),8年弱脫鉤狀態(tài),SO2濃度的治理程度好于NO2濃度和PM10濃度。PM10濃度是今后北京治理空氣污染的重中之重。

2.2 脈沖相應(yīng)分析和方差分解

由于本文所用數(shù)據(jù)為時間序列數(shù)據(jù),運用Eviews軟件對方程(2)進行估計之前,應(yīng)對各個變量進行平穩(wěn)性檢驗,以避免“偽回歸”現(xiàn)象出現(xiàn)。本文運用ADF檢驗法對變量的平穩(wěn)性進行檢驗,檢驗結(jié)果見表3。

表3 變量的單位根檢驗結(jié)果

注:D()表示變量的一階差分序列。

由表3可知,人均GDP、PM10濃度、SO2濃度和NO2濃度的原序列均為非平穩(wěn)序列,而一階差分序列均為平穩(wěn)序列,屬于一階單整,符合協(xié)整檢驗的前提條件。由于只涉及到兩個變量,本文采用E-G兩部法進行協(xié)整檢驗,檢驗公式為:

lnSO2=6.9661-1.2035×lnPGDP

(3)

t值 (8.4404) (-12.1623)

方程(3)的變量t值都很高,變量通過顯著性檢驗。殘差單位根檢驗的ADF值為-3.5169,小于1%的臨界值-2.7406,殘差序列是平穩(wěn)序列,表明經(jīng)濟增長與SO2濃度間存在協(xié)整關(guān)系。由方程(3)可知,人均GDP和SO2濃度負相關(guān),人均GDP每增加1%,SO2濃度就減少1.2035%,彈性系數(shù)大于1,SO2濃度減少的速度比人均GDP增長的速度快。

LnPM10=8.8716-0.4709×lnPGDP

(4)

t值 (27.5311) (-11.8933)

方程(4)的變量的t值都很高,變量通過顯著性檢驗。殘差單位根檢驗的ADF值為-2.7637,小于1%的臨界值-2.7282,殘差序列是平穩(wěn)序列,表明經(jīng)濟增長與PM10濃度間存在協(xié)整關(guān)系。由方程(4)可知,人均GDP和PM10濃度呈負相關(guān),人均GDP每增加1%,PM10濃度就減少0.4709%,彈性系數(shù)小于1,表明PM10濃度減少的速度小于人均GDP增長的速度。

lnNO2=7.423-0.3914×lnPGDP

(5)

t值 (18.0763) (-7.9293)

方程(5)變量的t值都很高,變量通過顯著性檢驗。殘差單位根檢驗的ADF值為-2.973,小于1%的臨界值-2.7282,殘差序列是平穩(wěn)序列,表明經(jīng)濟增長與NO2濃度間存在協(xié)整關(guān)系。由方程(5)可知,人均GDP和NO2濃度負相關(guān),人均GDP每增加1%,NO2濃度就減少0.3914%,彈性系數(shù)小于1,表明NO2濃度減少的速度小于人均GDP的增長速度。

總體來看,北京市三類空氣污染與經(jīng)濟增長間均存在協(xié)整關(guān)系,且呈負相關(guān),SO2濃度的彈性系數(shù)絕對值最大,其次是PM10濃度,NO2濃度最小,表明北京的空氣質(zhì)量隨著經(jīng)濟增長在逐漸提高,對空氣污染的治理取得了成效,表明自1998年以來北京連續(xù)采取大氣污染治理措施的力度加大。

由于經(jīng)濟增長與PM10濃度、SO2濃度和NO2濃度存在著協(xié)整關(guān)系,因此可建立VAR模型。根據(jù)AIC、SC和LR原則,確定PM10濃度和經(jīng)濟增長的VAR模型的最優(yōu)滯后期為4階,SO2濃度與經(jīng)濟增長的VAR模型的最優(yōu)滯后期為3階,NO2濃度與經(jīng)濟增長的VAR模型的最優(yōu)滯后期為2階。經(jīng)過檢驗,這三個VAR模型所有單位根的倒數(shù)小于1,即位于單位圓內(nèi),模型是穩(wěn)定的。在此基礎(chǔ)上,脈沖的相應(yīng)分析結(jié)果見圖1—3(根據(jù)相關(guān)指標的比較,文中將函數(shù)的追蹤期設(shè)定為10期)。

圖1 經(jīng)濟增長對PM10濃度、SO2濃度的脈沖響應(yīng)

圖2 經(jīng)濟增長對NO2濃度的脈沖響應(yīng)

圖3 各類空氣污染對經(jīng)濟增長的脈沖響應(yīng)

由圖1可知,在未來一段時期內(nèi),如果給SO2濃度一個正向標準差信息沖擊后,人均GDP的響應(yīng)總體是負向的,從圖形上看大體呈“U”型,即SO2濃度和人均GDP間今后仍會保持這種負向關(guān)系。從響應(yīng)值的絕對值來看,前七期是逐漸上升的,從第七期開始逐漸下降,第九期之后趨于平穩(wěn)。如果給PM10濃度一個正向的標準差信息沖擊后,人均GDP的響應(yīng)總體是負向的,且大體呈“U”型,但位置比SO2濃度靠上,表明PM10濃度和人均GDP間仍會保持著這種負向關(guān)系。從響應(yīng)值的絕對值來看,前五期是上升的,第六期之后逐漸下降并趨于平穩(wěn)。由圖2可知,如果給NO2濃度一個正向的標準差信息沖擊后,除第一期和第二期外,從第三期開始人均GDP的響應(yīng)是負向的,第五期之后趨于平穩(wěn),表明今后一段時期內(nèi)NO2濃度和人均GDP間仍會保持這種負向關(guān)系。由圖3可知,在未來一段時期內(nèi),如果給人均GDP一個正向標準差信息沖擊后,SO2濃度的響應(yīng)值除第三期、第四期為正值外,其余時期均為負值?？傮w上來說,人均GDP和SO2濃度呈負向,影響趨勢不規(guī)則,有波動。PM10濃度的響應(yīng)值除第一期、第三期、第九期為正值外,其余均為負值,表明人均GDP和PM10濃度也呈負向,影響趨勢不規(guī)則。NO2濃度的響應(yīng)值除了第一期、第二期之外,均為負值,第五期之后逐漸趨于平穩(wěn)?？傮w講,不論是經(jīng)濟增長對空氣污染的脈沖響應(yīng)還是空氣污染對經(jīng)濟增長的脈沖響應(yīng),響應(yīng)值整體上均為負向,表明將來隨著北京經(jīng)濟的不斷增長,空氣污染的濃度逐漸下降,空氣質(zhì)量會得到逐步改善,且隨著空氣質(zhì)量的改善而促進經(jīng)濟增長。

由表4可知,從人均GDP的方差分解看,SO2濃度、PM10濃度和NO2濃度對人均GDP的貢獻度呈逐漸上升趨勢。SO2濃度的貢獻度最大,由第二期的0.9644%上升到第十期的21.9025%;其次是PM10濃度的貢獻度,由第二期的1.7951%增加到第十期的19.2814%;NO2濃度貢獻度最小,第十期未超過1%。

表4 北京經(jīng)濟增長的方差分解

注:本文主要是分析空氣污染對經(jīng)濟增長方差的貢獻度,因此沒有把經(jīng)濟增長自身的貢獻度列出,不會影響分析結(jié)果。

由表5可知,從SO2濃度的方差分解來看,其自身的貢獻度最大,但呈逐漸下降趨勢;人均GDP的貢獻度在逐漸增加,由第一期的0.9394%增加到第十期的38.7692%。從PM10濃度的方差分解來看,自身的貢獻度呈逐漸下降趨勢,人均GDP的貢獻度在逐漸增加,由第二期的3.1515%增加到第十期的19.7142%。從NO2濃度的方差分解來看,自身的貢獻度最大,雖然呈下降趨勢,但下降緩慢;而人均GDP的貢獻度雖然在逐漸增加,但比例較少,第十期才達到1.4695%。整體來看,經(jīng)濟增長對SO2濃度的方差分解貢獻度最大,其次是PM10濃度,最后是NO2濃度。綜合脈沖響應(yīng)分析和方差分解的結(jié)果可知,經(jīng)濟增長和空氣污染是相互影響的,未來隨著經(jīng)濟增長,空氣污染濃度將逐漸下降,空氣質(zhì)量逐步改善;空氣質(zhì)量的改善對經(jīng)濟增長將起了一定的促進作用。

表5 北京各類空氣污染物的方差分解

3 討論

通過本文的脫鉤分析結(jié)果表明,北京市三類污染物濃度大部分年份處于強脫鉤狀態(tài),SO2濃度的強脫鉤狀態(tài)年份最多,但三類污染物濃度均未出現(xiàn)持續(xù)的強脫鉤狀態(tài)。協(xié)整分析的結(jié)果表明,SO2濃度的彈性系數(shù)超過了1,PM10濃度和NO2濃度的彈性系數(shù)小于0.5。脈沖響應(yīng)分析和方差分解的結(jié)果表明,未來一段時期內(nèi)經(jīng)濟增長和三類污染物之間仍將會相互作用和相互影響。這些都表明目前北京對三類污染物的治理所采取的措施有了一些成效,SO2治理效果可能好于PM10和NO2。未來仍要繼續(xù)采取更加有力的措施治理空氣污染,提高空氣質(zhì)量。但我們要注意到，目前北京市政府及有關(guān)部門采取的一些措施,如逐步取締燃煤鍋爐、汽車搖號政策、制定汽車尾氣排放標準等,這些措施可能短期內(nèi)有效,但缺乏長遠的根本治理措施。今后應(yīng)注重:①提高第三產(chǎn)業(yè)尤其是交通運輸倉儲業(yè)的能源利用效率。PM10濃度、NO2濃度和SO2濃度主要是由于煤炭和石油及其制品的使用，而產(chǎn)業(yè)和能源品種的利用效率會直接影響到煤炭和石油及其制品的使用與空氣污染物的排放。北京市第三產(chǎn)業(yè)能源消費量比重1980年為15.6%,2015年上升到48.3%,2015年第三產(chǎn)業(yè)能耗是第二產(chǎn)業(yè)的1.7倍。其中,2015年交通運輸倉儲和郵政業(yè)的能源消耗量占總能耗的18.2%,占第三產(chǎn)業(yè)能耗的37.2%。北京第三產(chǎn)業(yè)萬元產(chǎn)值能耗下降率2001—2015年(2004年和2005年能耗下降率為負)在1.5%—4%之間,遠低于第二產(chǎn)業(yè)萬元產(chǎn)值能耗下降率(在6%—11%之間)。交通運輸倉儲業(yè)和郵政業(yè)2001—2015年的萬元產(chǎn)值能耗高于第一產(chǎn)業(yè)和第三產(chǎn)業(yè),從2004年開始高于第二產(chǎn)業(yè)和工業(yè),萬元地區(qū)生產(chǎn)總值能耗2001—2011年一直呈上升趨勢,從2012年開始萬元產(chǎn)值能耗呈現(xiàn)下降趨勢。北京機動車擁有量一直呈上升趨勢,由1999年的124.17萬輛增加到2014年的532.4萬輛,增加了3.3倍。隨著經(jīng)濟增長、人口的增加和人們收入水平的提高,汽車擁有量仍會逐漸增加。北京今后應(yīng)大力發(fā)展綠色交通運輸,加強高效環(huán)保、氣候友好的交通運輸技術(shù)研究和推廣;鼓勵發(fā)展技術(shù)先進、經(jīng)濟安全、環(huán)保節(jié)能的運輸裝備,加快淘汰技術(shù)落后、污染嚴重、效能低下的運輸裝備,促進智能交通發(fā)展;在環(huán)衛(wèi)、出租、客運、郵政、物流配送等行業(yè),加快更新使用新能源車和第六階段標準車輛,增加汽車充電設(shè)施;改變交通方式,增加公共交通和軌道交通,減少私人汽車的擁有量;采取機動車總量控制措施,遏制機動車保有量過快增長勢頭。②優(yōu)化第三產(chǎn)業(yè)能源消費結(jié)構(gòu),逐步提高可再生能源比重,減少對化石能源的依賴。2015年北京煤油的消費量幾乎是交通運輸和郵電業(yè)消費的總和,第三產(chǎn)業(yè)柴油消耗量占總量的76%,交通運輸郵電和倉儲業(yè)的比重為65%,第三產(chǎn)業(yè)燃料油的比重為39.1%,交通運輸郵電和倉儲業(yè)的比重為36.4%,第三產(chǎn)業(yè)液化石油氣、天然氣、熱力和電力占總量的比重分別為46.5%、21%、52%和47%。短期內(nèi)應(yīng)提高原油及其制成品的質(zhì)量與使用效率,長期應(yīng)充分發(fā)揮北京地熱和太陽能的資源優(yōu)勢,加大地熱和太陽能的開發(fā)使用力度,提高可再生能源的比重,促進節(jié)能減排。

4 結(jié)論

本文得出以下主要結(jié)論:①SO2濃度和NO2濃度脫鉤狀態(tài)經(jīng)歷了從強脫鉤到弱脫鉤的循環(huán)過程,只是SO2濃度的強脫鉤年份稍多。PM10濃度的脫鉤狀態(tài)則經(jīng)歷了從強脫鉤—弱脫鉤—強脫鉤—擴張連接的循環(huán)過程。三類污染物濃度均未出現(xiàn)持續(xù)的強脫鉤狀態(tài),可以說是自1998年以來北京空氣污染治理階段性措施的一個寫照。②協(xié)整檢驗結(jié)果表明,PM10濃度、NO2濃度、SO2濃度三類空氣污染和經(jīng)濟增長間存在著長期協(xié)整關(guān)系,且呈負向,SO2濃度的彈性系數(shù)最大,其次是PM10濃度,最后是NO2濃度,表明北京空氣污染治理力度在加強,成效逐漸顯現(xiàn)出來。③脈沖響應(yīng)分析結(jié)果表明,今后一段時期內(nèi),經(jīng)濟增長和三類空氣污染物相互間的脈沖響應(yīng)值總體上是負向,并呈現(xiàn)出波動性變化趨勢。方差分解結(jié)果表明:三類空氣污染物對經(jīng)濟增長的方差分解的貢獻度逐步上升,SO2濃度的貢獻度最大,其次是PM10濃度,NO2濃度最小;經(jīng)濟增長對三類空氣污染物的方差分解的貢獻度是逐漸上升的,由大到小依次是SO2濃度、PM10濃度和NO2濃度,表明經(jīng)濟增長和三類污染物間是相互作用、相互影響的,隨著經(jīng)濟增長,三類污染物濃度在下降,而三類污染物濃度的下降反過來會促進經(jīng)濟增長。

∶

[1]Chebbi H E,Boujelbene Y.CO2Emissions,Energy Consumption and Economic Growth in Tunisia[A].//Burrell A,Heckelei T,Sckokai P.European Review of Agricultural Economics[C].UK：Oxford University Press,2008∶1-5.

[2]彭水軍,包群.中國經(jīng)濟增長與環(huán)境污染——基于廣義脈沖響應(yīng)函數(shù)法的實證研究[J].中國工業(yè)經(jīng)濟,2006,(5)∶15-23.

[3]李琳,朱金山,高潤霞.基于VAR模型的重慶市經(jīng)濟增長與環(huán)境污染的關(guān)系研究[J].西南大學學報(自然科學版),2009,31(11)∶92-96.

[4]呂健.上海市經(jīng)濟增長與環(huán)境污染——基于VAR模型的實證分析[J].華東經(jīng)濟管理,2010,24(8)∶1-6.

[5]閆新華,趙國浩.經(jīng)濟增長與環(huán)境污染的VAR模型分析——基于山西的實證研究[J].經(jīng)濟問題,2009,(6)∶59-62.

[6]吳丹,吳仁海.不同地區(qū)經(jīng)濟增長與環(huán)境污染關(guān)系的VAR模型分析——基于廣州、佛山、肇慶經(jīng)濟圈的實證研究[J].環(huán)境科學學報,2011,31(4)∶880-888.

[7]李磊,張貴祥.京津冀都市圈經(jīng)濟增長與生態(tài)環(huán)境關(guān)系研究[J].生態(tài)經(jīng)濟,2014,30(9)∶167-170.

[8]黃冬毅,呂可文.河南省經(jīng)濟增長與環(huán)境污染關(guān)系的實證研究[J].河南科學,2016,34(7)∶1155-1159.

[9]OECD.Environmental Indicators-development,Measurement and Use[R].Paris：OECD,2003∶13.

[10]Tapio P.Towards a Theory of Decoupling：Degrees of Decoupling in the EU and the Case of Road Traffic in Finland Between 1970 and 2001[J].Transport Policy,2005,12(2)∶137-151.

[11]Guziana B,Song H,Thorin E,etal.Policy Based Scenarios for Waste-to-energy Use：Swedish Perspective[J].Waste and Biomass Valorization,2014,5(4)∶679-688.

[12]王鶴鳴,岳強,陸鐘武.中國1998—2008年資源消耗與經(jīng)濟增長的脫鉤分析[J].資源科學,2011,33(9)∶1757-1767.

[13]孫耀華,李忠民.中國各省區(qū)經(jīng)濟發(fā)展與碳排放脫鉤關(guān)系研究[J].中國人口·資源與環(huán)境,2011,21(5)∶87-92.

[14]李從欣,張再生,李國柱.中國經(jīng)濟增長和環(huán)境污染脫鉤關(guān)系的實證檢驗[J].統(tǒng)計與決策,2012,(19)∶133-136.

[15]張蕾,陳雯,陳曉,等.長江三角洲地區(qū)環(huán)境污染與經(jīng)濟增長的脫鉤時空分析[J].中國人口·資源與環(huán)境,2011,21(3)∶275-279.

EmpiricalAnalysisofRelationshipBetweenEconomicGrowthandAirPollutionofBeijing——BasedonDecouplingTheoryandVARModel

ZHANG Li-feng
(Tourism Institute,Beijing Union University,Beijing 100101,China)

Using the decoupling theory and VAR model,this paper analyzed the decoupling state and dynamic interaction direction and degree between three kind air pollution and economic growth in Beijing,the main conclusions inluded:①The decoupling state of NO2concentration and SO2concentration experienced the cycle process from strong decoupling to weak decoupling,just the SO2concentration had more strong decoupling.The decoupling state of PM10 concentration experienced the cycle process from strong decoupling to weak decoupling to strong decoupling to expansion connection,three air pollutions did not have the continuous strong decoupling state.②There was a long term co-integration relationship between three kind air pollution and economic growth with a negative relationship,the elastic coefficient of SO2concentration was the largest,followed by the concentration of PM10,and finally NO2concentration,showing the success in air pollution control in Beijing.③The impulse response analysis results showed that the next period of time,the impulse response value was generally negative between the economic growth and three kinds of air pollutants with the wave trend.Variance decomposition indicated that the three kinds of air pollutants on the decomposition of variance of economic growth contribution was gradually increased,the concentration of SO2in the largest contribution,the second was the concentration of PM10,the minimum concentration of NO2,the contribution of economic growth to three kinds of air pollutants variance decomposition was also gradually increased,from large to small in turn was SO2concentration,PM10 concentration and NO2concentration.

economic growth;air pollution;decoupling theory;VAR model

10.3969/j.issn.1005-8141.2017.03.011

X820.3

A

1005-8141(2017)03-0316-06

2017-01-28；

2017-02-21

國家自然科學基金項目(編號:71273275)。

及通訊作者簡介：張麗峰(1969-),女,河北省秦皇島人,經(jīng)濟學博士,教授,主要研究方向為低碳經(jīng)濟、區(qū)域經(jīng)濟、能源經(jīng)濟與政策研究。