■宋德勇，于 飛

為探究空氣污染與城市經(jīng)濟發(fā)展之間的關(guān)系，本文基于2004～2016年285個地級市的面板數(shù)據(jù)，運用聯(lián)立方程模型實證分析了PM2.5濃度與人均實際GDP的相互關(guān)系。實證結(jié)果表明：全國層面看，空氣污染對經(jīng)濟發(fā)展產(chǎn)生了顯著的負面影響，平均而言PM2.5濃度每增加1%將導(dǎo)致人均GDP下降約1.2%～1.5%；全國層面經(jīng)濟發(fā)展對空氣污染的影響呈“倒N”型曲線關(guān)系，地區(qū)之間存在明顯差異；政府環(huán)境治理顯著降低了空氣污染水平。異質(zhì)性檢驗表明，空氣污染對經(jīng)濟發(fā)展的影響、經(jīng)濟發(fā)展對空氣污染的影響均存在顯著的城市規(guī)模差異和區(qū)域差異。中介效應(yīng)檢驗表明，人口驅(qū)逐效應(yīng)、固定資產(chǎn)投資擠出效應(yīng)、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整效應(yīng)是空氣污染對經(jīng)濟發(fā)展產(chǎn)生負面影響的主要途徑；第二產(chǎn)業(yè)占比和交通運輸中汽車尾氣排放是經(jīng)濟發(fā)展對空氣污染產(chǎn)生影響的重要途徑。

一、引言與文獻綜述

在工業(yè)化與城鎮(zhèn)化進程中，我國經(jīng)濟憑借資源和勞動力優(yōu)勢實現(xiàn)了連續(xù)多年的高速增長，取得了舉世矚目的成就，創(chuàng)造了“中國奇跡”。中國財政稅收數(shù)據(jù)庫的數(shù)據(jù)顯示，1979～2010年，我國國民生產(chǎn)總值年均增速為9.97%。然而，隨著經(jīng)濟的快速增長，我國資源環(huán)境狀況不斷惡化。2013年，“霧霾”一詞廣泛傳播，PM2.5進入大眾視野。當(dāng)前，我國空氣污染不再是某些城市或地區(qū)的問題，而是一個國家問題。在2018年世界各國環(huán)境績效指數(shù)（EPI）排名中，我國空氣質(zhì)量在180個國家和地區(qū)中排名倒數(shù)第4，綜合指數(shù)排第120位（引自《2018年全球環(huán)境績效指數(shù)（EPI）報告》）。現(xiàn)階段我國空氣污染的主要成分是細顆粒物（即PM2.5），對居民身心健康以及經(jīng)濟發(fā)展構(gòu)成了巨大威脅。很顯然，以犧牲環(huán)境為代價的“高投入、高消耗、高排放”的粗放發(fā)展已經(jīng)不能適應(yīng)現(xiàn)階段我國經(jīng)濟發(fā)展的需要，“生態(tài)優(yōu)先、綠色發(fā)展”成為新時代的必然選擇。為實現(xiàn)環(huán)境和經(jīng)濟的雙贏，國家出臺了眾多措施保護生態(tài)環(huán)境，促進經(jīng)濟高質(zhì)量發(fā)展。但是，我國近年來的經(jīng)濟增速不斷下降。2011年以來，我國經(jīng)濟持續(xù)下行，增長放緩，由兩位數(shù)增長變?yōu)榉€(wěn)定在6.5%附近，由此引申出對經(jīng)濟發(fā)展與環(huán)境保護能否實現(xiàn)雙贏的進一步討論。

（一）經(jīng)濟發(fā)展對環(huán)境的影響

國內(nèi)外學(xué)者圍繞經(jīng)濟發(fā)展對環(huán)境的影響展開了大量研究，這些研究中大多采用空氣污染物指標來衡量環(huán)境污染，也有部分研究采用水污染物、固體廢棄物等指標來衡量。其中最有名的是Grossman Krueger（1995）和 Selden Song（1994）提出的環(huán)境庫茲涅茨曲線假說。該假說通過對環(huán)境污染指標與人均收入指標之間關(guān)系的模擬來說明經(jīng)濟發(fā)展對環(huán)境污染帶來的影響，它認為環(huán)境污染隨著經(jīng)濟不斷發(fā)展呈現(xiàn)出“倒U”型曲線關(guān)系，即在低收入水平時環(huán)境污染隨著收入增加而增加，在高收入水平時環(huán)境污染隨著收入增加而減少。

目前圍繞環(huán)境庫茲涅茨曲線的研究大致形成了兩種觀點：一種是支持論者，贊同EKC曲線呈“倒U”型。比如Jebli et al.（2016）利用1980～2010年25個OECD國家的數(shù)據(jù)，通過實證分析發(fā)現(xiàn)人均CO2排放量隨著GDP增長呈“倒U”型曲線關(guān)系，經(jīng)濟發(fā)展首先會加劇空氣污染，跨越拐點后會減輕空氣污染。李娟偉和任保平（2011）通過實證研究發(fā)現(xiàn)，我國目前的經(jīng)濟發(fā)展水平仍處在環(huán)境庫茲涅茨“倒U”型曲線拐點的左側(cè)。即經(jīng)濟發(fā)展仍會加劇環(huán)境污染，跨越拐點后經(jīng)濟發(fā)展對環(huán)境將起到積極作用。另一種是反對論者，他們認為EKC曲線可能呈其他形狀，比如Friedl&Getzner（2003）用奧地利1960～1999年的GDP和CO2排放量數(shù)據(jù)發(fā)現(xiàn)環(huán)境污染和經(jīng)濟發(fā)展之間呈“N型”EKC曲線關(guān)系，人均收入較低的國家正在遭受日益嚴重的污染，而工業(yè)化國家在減少排放方面取得了成功，但這并不意味著經(jīng)濟發(fā)展將自動地解決環(huán)境問題。Holtz&Selde（1995）利用全球面板數(shù)據(jù)進行這證分析，發(fā)現(xiàn)CO2排放量與經(jīng)濟增長呈單調(diào)上升的曲線關(guān)系，經(jīng)濟發(fā)展會加劇空氣污染。李治國和周德田（2013）認為，經(jīng)濟發(fā)展與環(huán)境污染之間是否呈現(xiàn)“倒U型”曲線關(guān)系取決于使用的數(shù)據(jù)以及度量環(huán)境污染的指標。

以上研究表明，環(huán)境庫茲涅茨曲線會因研究區(qū)域、污染物指標、實證方法等的不同而呈現(xiàn)出形態(tài)差異，這些研究的穩(wěn)健性值得懷疑。加之，環(huán)境庫茲涅茨曲線最早是在高收入國家的樣本中觀察到的，而不是在全球樣本中觀察到的（Stern&Common，2001），而且在計量經(jīng)濟學(xué)實證中，檢驗結(jié)果往往是不同的（Halkos，2003）。此外，如果估計的轉(zhuǎn)折點遠遠高于可接受的收入水平，經(jīng)濟增長的環(huán)境效益在實體經(jīng)濟中就不存在（List&Gallet，1999）。Sanghoon Lee&Dae-Won Oh（2015）認為可能還需要考慮一個替代模型——N型曲線模型，來解釋收入和污染之間的關(guān)系。該模型表明，倒U型關(guān)系最初是存在的，但超過一定的收入水平后，關(guān)系變?yōu)檎摹τ谶@種三次關(guān)系有一些可能的解釋：復(fù)蘇效應(yīng)表明，當(dāng)能源價格較低時，政府對提高能源效率的壓力不敏感（Friedl&Getzner，2003）；規(guī)模效應(yīng)意味著，隨著經(jīng)濟增長，對資源的需求也會增加，而且最終無法通過技術(shù)和監(jiān)管來抵消，F(xiàn)riedl&Getzner（2003）通過實證證明了這種N型模式。

（二）環(huán)境污染對經(jīng)濟發(fā)展的影響

當(dāng)前關(guān)于經(jīng)濟發(fā)展與環(huán)境質(zhì)量關(guān)系的研究，大部分關(guān)注經(jīng)濟發(fā)展如何影響環(huán)境質(zhì)量這一單向關(guān)系，而較少關(guān)注環(huán)境污染對經(jīng)濟發(fā)展的反向影響。事實上，環(huán)境污染可能對經(jīng)濟發(fā)展產(chǎn)生巨大的反作用，尤其是在中國這樣的發(fā)展中大國。世界銀行于2007年發(fā)布的《中國污染代價》報告指出，中國每年有35萬人至40萬人因為城市嚴重的空氣污染而過早死亡，另外每年還有30萬人因室內(nèi)空氣污染而過早死亡。國家生態(tài)環(huán)境部環(huán)境規(guī)劃院發(fā)布的《中國經(jīng)濟生態(tài)生產(chǎn)總值核算發(fā)展報告2018》顯示，2015年，我國GEEP是122.78萬億元，其中，GDP是72.3萬億元，生態(tài)破壞成本是0.63萬億元，污染損失成本是2萬億元，生態(tài)系統(tǒng)破壞成本和污染損失成本總占比約為2.1%。在工業(yè)化及城鎮(zhèn)化的進程中，如果不能有效地控制環(huán)境污染，中國城市經(jīng)濟發(fā)展的質(zhì)量以及可持續(xù)性將受到嚴峻挑戰(zhàn)。

研究環(huán)境污染對經(jīng)濟發(fā)展影響的文獻較少，其中研究空氣污染對經(jīng)濟發(fā)展影響的文獻則更少。到目前為止，只有少數(shù)研究試圖調(diào)查空氣污染對經(jīng)濟發(fā)展的影響。例如，Hung&Shaw（2004）采用同步方法來檢驗臺灣地區(qū)人均收入與各種空氣污染物排放量之間的雙向因果關(guān)系。Hao&Liu（2015）使用PM2.5濃度數(shù)據(jù)，利用空間計量模型研究了中國城市EKC曲線的存在。鑒于中國的霧霾污染已經(jīng)十分嚴重，空氣污染嚴重威脅著中國經(jīng)濟高質(zhì)量發(fā)展和和諧社會的建設(shè)，本研究旨在探討空氣污染與經(jīng)濟發(fā)展的相互關(guān)系以及空氣污染如何影響中國經(jīng)濟發(fā)展。

本文創(chuàng)新之處體現(xiàn)在以下三個方面：第一，不同于現(xiàn)有研究多使用單方程模型，本研究利用聯(lián)立方程模型對中國空氣污染與經(jīng)濟發(fā)展的相互關(guān)系進行了研究，可以在一定程度上解決內(nèi)生性問題。第二，首次基于2004～2016年我國285個地級市層面的PM2.5濃度數(shù)據(jù)驗證了空氣污染對經(jīng)濟發(fā)展的負面影響，樣本覆蓋面突破了已有研究僅涉及單一省份或城市的局限。第三，從東中西差異、南北差異和城市規(guī)模差異等方面考察了空氣污染影響經(jīng)濟發(fā)展的異質(zhì)性。

二、模型、方法、變量及數(shù)據(jù)

（一）經(jīng)濟發(fā)展模型

為評估空氣污染對經(jīng)濟發(fā)展的影響構(gòu)建經(jīng)濟發(fā)展模型。本文參考陳詩一等（2018）、Yu Hao et al.（2018）等人的做法，用人均GDP衡量經(jīng)濟發(fā)展水平。因為我國各地級及以上城市的人口規(guī)模、資源稟賦等存在較大差異，相較于國內(nèi)生產(chǎn)總值，人均GDP更能體現(xiàn)收入水平變動對大氣環(huán)境的影響。由于《中國統(tǒng)計年鑒》中的人均GDP以名義價格計量，為避免通貨膨脹對實證結(jié)果產(chǎn)生干擾，本文對人均GDP數(shù)據(jù)做了價格指數(shù)調(diào)整，以2003年為基期（2003年=100），通過名義人均GDP計算出實際人均GDP。同時，為控制其他因素的干擾，在模型中加入外商直接投資、固定資產(chǎn)投資、對外開放、技術(shù)創(chuàng)新四個控制變量，以此反映中國經(jīng)濟發(fā)展的引擎。最終，評估空氣污染對中國城市經(jīng)濟發(fā)展反作用的模型如下：

在方程（1）中，pgdpit為被解釋變量，表征城市i在t年的實際人均GDP（以2003年為不變價），用來衡量經(jīng)濟發(fā)展水平；PM25it為城市i在t年的平均PM2.5濃度，用來衡量空氣污染程度?？刂谱兞客馍讨苯油顿Y、固定資產(chǎn)投資、對外開放、技術(shù)創(chuàng)新分別表示為FDI，F(xiàn)A，Open，Innovation。外商直接投資數(shù)據(jù)來源于中國城市統(tǒng)計年鑒，采用當(dāng)年匯率由美元換算成人民幣；技術(shù)創(chuàng)新參考寇宗來和劉學(xué)悅（2017）的做法，利用國家知識產(chǎn)權(quán)局微觀發(fā)明授權(quán)專利數(shù)量衡量。除百分數(shù)外，其他數(shù)據(jù)均采用各變量的對數(shù)值。影響人均GDP的其他潛在因素，諸如文化、生活習(xí)慣和習(xí)俗等包含在殘差項u中。

（二）空氣污染模型

為評估經(jīng)濟發(fā)展對空氣污染的影響構(gòu)建空氣污染模型。本文借鑒陳詩一等（2018）、邵帥等（2019）、Auffhammer&Carson（2008）以及Hao&Liu（2015）等前人的研究，以PM2.5表征空氣污染水平，在模型中引入人口密度、交通運輸、能源消費結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)、環(huán)境治理、對外開放等可能影響PM2.5濃度的控制變量，確定的空氣污染回歸模型如下所示：

與方程（1）相似，PM25代表PM2.5濃度，pgdp代表實際人均GDP，Pop代表人口密度，以單位面積人口數(shù)表征，InStruc代表產(chǎn)業(yè)結(jié)構(gòu)，采用第二產(chǎn)業(yè)增加值占GDP的比重表示，Open代表對外開放程度，用外商直接投資占GDP比重衡量，EnR代表政府環(huán)境治理力度，具體計算方法參見宋德勇和楊秋月（2019），Trans代表交通運輸，用單位公路里程私人汽車擁有量度量，Energy代表能源消費結(jié)構(gòu)，用煤炭消費量占能源消費總量的比重衡量。γ0、γ1和γ2取不同的值代表EKC曲線呈現(xiàn)不同形態(tài)，具體分以下六種情況：（1）γ0＞0且γ1=γ2=0時，空氣污染隨經(jīng)濟發(fā)展單調(diào)遞增；（2）γ0＜0且γ1=γ2=0時，空氣污染隨經(jīng)濟發(fā)展單調(diào)遞減；（3）γ0＞0，γ1＜0且γ2=0時，空氣污染隨經(jīng)濟發(fā)展呈“倒U”型曲線關(guān)系；（4）γ0＜0，γ 1＞0且γ2=0時，空氣污染隨經(jīng)濟發(fā)展呈“U”型曲線關(guān)系；（5）γ0＞0，γ1＜0且γ2＞ 0時，空氣污染隨經(jīng)濟發(fā)展呈“N”型曲線關(guān)系；（6）γ0＜0，γ1＞0且γ2＜ 0，空氣污染隨經(jīng)濟發(fā)展呈“倒N”型曲線關(guān)系。

（三）估算方法：聯(lián)立方程模型

根據(jù)方程（1）和（2），空氣污染和經(jīng)濟發(fā)展之間的雙向因果關(guān)系可能導(dǎo)致潛在的內(nèi)生性問題，為了處理由此引起的內(nèi)生性，可以使用聯(lián)立方程模型（SEM）。具體而言，本文的聯(lián)立方程模型由方程（1）和（2）組成。并且選用三階段最小二乘（3SLS）估計方法。此外，為了控制可能影響空氣質(zhì)量的其他因素，例如氣候、地貌和居民的能源消耗習(xí)慣等，在方程中添加時間和區(qū)域虛擬變量。

（四）變量選取和數(shù)據(jù)來源

本文考察的關(guān)鍵變量是空氣污染和經(jīng)濟發(fā)展。關(guān)于空氣污染變量，區(qū)別于絕大多數(shù)文獻所采用的SO2、CO2、CO、TSP、API以及PM10等常規(guī)污染物，本文選取了社會最為關(guān)注的空氣污染元兇PM2.5進行實證研究。尤其是本文使用的PM2.5濃度數(shù)據(jù)基本包含了中國所有地級及以上城市，且時間上從2004～2016年跨度長達13年之久，如此大樣本容量的PM2.5濃度數(shù)據(jù)可以為準確甄別空氣污染對中國經(jīng)濟發(fā)展的影響提供堅實的數(shù)據(jù)支撐。具體而言，PM2.5濃度數(shù)據(jù)根據(jù)哥倫比亞大學(xué)公布的衛(wèi)星監(jiān)測數(shù)據(jù)，利用arcgis進行解析，得到2004～2016年我國285個地級及以上城市的數(shù)據(jù)。至于經(jīng)濟發(fā)展，借鑒陳詩一等（2018）、邵帥等（2019）等人的研究，采用實際人均GDP表示。國內(nèi)生產(chǎn)總值數(shù)據(jù)來自“中國統(tǒng)計年鑒”和“中國城市統(tǒng)計年鑒”，以2003年為基期進行換算。其他數(shù)據(jù)來自“中國統(tǒng)計年鑒”，“中國城市統(tǒng)計年鑒”，“中國能源數(shù)據(jù)庫”和各個城市的統(tǒng)計公報。本研究中使用的所有變量的說明和描述性統(tǒng)計見表1。

表1 變量說明和描述性統(tǒng)計

三、實證分析

（一）單方程模型估計結(jié)果

盡管單方程模型估計存在內(nèi)生性問題，但其估計結(jié)果可以作為聯(lián)立方程模型估計結(jié)果的比較。面板數(shù)據(jù)的回歸分析一般考慮固定效應(yīng)模型和隨機效應(yīng)模型。Hausman檢驗拒絕了隨機效應(yīng)模型的原假設(shè)，因此本研究采用面板固定效應(yīng)估計。

經(jīng)濟發(fā)展方程（即方程1）的面板數(shù)據(jù)估計結(jié)果顯示，PM2.5濃度對人均GDP的影響顯著為負，表明空氣污染對中國經(jīng)濟發(fā)展有顯著的負面影響。

在對空氣污染方程（即方程2）進行估計之前，先對加入了人均GDP二次項、同時加入了人均GDP的二次項和三次項的方程進行估計，據(jù)此判斷EKC曲線的形狀，檢驗結(jié)果如表2所示：加入人均GDP二次項后系數(shù)不顯著，表明空氣污染和經(jīng)濟發(fā)展之間不是“倒U”型EKC曲線關(guān)系；同時加入人均GDP二次項和三次項后，人均GDP一次項系數(shù)＞0且顯著，二次項系數(shù)＜0且顯著，三次項系數(shù)＞0且顯著，表明從全國來看，空氣污染與經(jīng)濟發(fā)展之間呈“N型”庫茲涅茨曲線關(guān)系。

但由于受內(nèi)生性影響，估計結(jié)果可能并不準確，因此有必要在聯(lián)立方程模型的基礎(chǔ)上進行更準確的估計。

表2 空氣污染方程EKC曲線形狀檢驗

（二）聯(lián)立方程模型估計結(jié)果

表3是使用3SLS方法進行估計的聯(lián)立方程模型的結(jié)果。與預(yù)期相符，聯(lián)立方程模型的估計結(jié)果在統(tǒng)計的顯著性和估計系數(shù)的合理性方面比單方程模型的估計結(jié)果要精準。為了確保估計結(jié)果的穩(wěn)健性，參照Auffhammer&Carson（2008）以及Hao&Liu（2015）等研究，使用了六種不同的規(guī)范，相應(yīng)的結(jié)果標記為模型（1）～（6）。（6）是模型的基準估計，包括兩個方程中的所有控制變量。在（1）～（5）中，包括模型中的部分控制變量。

對于聯(lián)立方程模型中的方程（1），在模型（1）-（6）中，PM2.5濃度的系數(shù)始終為負且在1%的水平上顯著。這表明，在充分考慮到空氣污染與經(jīng)濟發(fā)展之間雙向因果關(guān)系的內(nèi)生性之后，PM2.5濃度確實對人均GDP產(chǎn)生了非常顯著的負面影響。在其他條件相同的情況下，PM2.5濃度每增加1%將導(dǎo)致人均GDP下降約1.2%～1.5%。對比表3中聯(lián)立方程的系數(shù)估計結(jié)果（1.2%～1.5%）和單方程的系數(shù)估計結(jié)果（0.1%～0.3%）可以發(fā)現(xiàn)，與單方程模型的估計結(jié)果相比，聯(lián)立方程模型中PM2.5濃度的3SLS估計值更高且更顯著，表明空氣污染確實對經(jīng)濟發(fā)展造成明顯的負面影響且實際危害遠大于傳統(tǒng)的面板數(shù)據(jù)估計結(jié)果，因為單方程模型忽略了內(nèi)生性造成的空氣污染與經(jīng)濟發(fā)展之間的雙向因果關(guān)系。至于聯(lián)立方程模型（1）中的控制變量，系數(shù)的估計結(jié)果也基本符合理論預(yù)期，外商直接投資、固定資產(chǎn)投資、技術(shù)創(chuàng)新和對外開放確實在我國經(jīng)濟發(fā)展過程中起著不可替代的作用。

表3 聯(lián)立方程組的估計結(jié)果

對于聯(lián)立方程模型中的方程（2），系數(shù)估計結(jié)果與單方程模型的估計結(jié)果間存在有差異。人均GDP一次項系數(shù)＜0，二次項系數(shù)＞0，三次項系數(shù)＜0，且均在1%的顯著性水平上顯著，表明經(jīng)濟發(fā)展對空氣污染的影響呈“倒N”型EKC曲線關(guān)系。這意味著空氣污染首先隨著人均收入的增加而減少，然后隨著人均收入的增加而增加，最后在超過第二個轉(zhuǎn)折點后，隨著人均收入的增加而再次減少。第二產(chǎn)業(yè)占GDP比重與PM2.5濃度之間的正相關(guān)關(guān)系表明第二產(chǎn)業(yè)的發(fā)展是加劇中國空氣污染的重要原因（Hao&Liu，2015）。至于人口密度，系數(shù)的估計結(jié)果為正且在1%的水平上顯著，表明人口集聚給環(huán)境造成的負面影響大于正面影響，這可能是因為人口密集的城市有大量勞動力來支撐高耗能產(chǎn)業(yè)以及低端制造業(yè)的發(fā)展。能源結(jié)構(gòu)系數(shù)為正且非常顯著，表明煤炭能源的大量消耗是造成空氣污染的重要原因之一。交通運輸系數(shù)顯著為正，表明汽車尾氣排放是造成空氣污染的重要原因之一。環(huán)境治理系數(shù)為負且在1%的水平上顯著，表明政府的一系列環(huán)境規(guī)制措施顯著降低了空氣污染水平，在一定程度上達到了環(huán)境保護的目的。

為了檢驗估計結(jié)果的穩(wěn)健性，引入年份虛擬變量，以控制時間固定效應(yīng)（例如，隨著時間的推移可能產(chǎn)生影響PM2.5濃度的新技術(shù)），相應(yīng)的估計結(jié)果見表4。因為樣本期間從2004～2016年共有13年，所以以2004年為基準年?？刂茣r間固定效應(yīng)的系數(shù)估計結(jié)果與表3中的估計結(jié)果類似，都＜0且在1%的水平上顯著，但系數(shù)的絕對值變大（由1.2%～1.5%變?yōu)?.4%～1.8%），表明若不考慮時間固定效應(yīng)，則低估了空氣污染對經(jīng)濟發(fā)展的負面影響。對于方程（1），除模型（1）外，自2009年起，年份虛擬變量在1%的水平上顯著為負，表明中國地級及以上城市的空氣污染嚴重程度隨著時間推移在逐漸降低。對于方程（2），人均GDP一次項系數(shù)＜0，二次項系數(shù)＞0，三次項系數(shù)＜0，且都在1%的水平上顯著，表明從全國來看，經(jīng)濟發(fā)展對空氣污染的影響呈“倒N”型EKC曲線關(guān)系。另外，環(huán)境治理系數(shù)在1%的水平上顯著為負，表明政府出臺的一系列環(huán)境規(guī)制措施顯著改善了空氣質(zhì)量，抑制了污染進一步加劇。

（三）異質(zhì)性檢驗

為考察空氣污染與經(jīng)濟發(fā)展的相互關(guān)系是否存在異質(zhì)性，也為了控制影響空氣污染的地域因素（比如氣候、居民的能源消費習(xí)慣等），本文將全樣本按城市規(guī)模以及區(qū)域差異進行劃分，運用聯(lián)立方程模型分別加以檢驗。

表4 控制時間固定效應(yīng)的聯(lián)立方程模型3SLS估計結(jié)果

1.按城市規(guī)模劃分

由于不同規(guī)模的城市在經(jīng)濟發(fā)展及環(huán)境保護方面存在較大差異，因此按照2014年國務(wù)院發(fā)布的《關(guān)于調(diào)整城市規(guī)模劃分標準的通知》，以城市常住人口數(shù)量為標準，將285個地級市劃分為特超大城市、大城市、中等城市和小城市四類，分別對其進行聯(lián)立方程估計。表5中，方程（1）的估計結(jié)果顯示，不同城市規(guī)模PM2.5估計系數(shù)的正負號及絕對值大小不同，表明空氣污染對經(jīng)濟發(fā)展的影響存在顯著的城市規(guī)模差異。其中，特超大城市的系數(shù)＞0且顯著，表明空氣污染未對這些城市的經(jīng)濟發(fā)展產(chǎn)生負面影響；大城市、中等城市和小城市系數(shù)為負，且都在1%的水平上顯著，表明空氣污染對這些城市的經(jīng)濟發(fā)展產(chǎn)生了非常顯著的負面影響，其中對大城市的負面影響顯著高于中小城市。方程（2）的估計結(jié)果顯示，不同城市規(guī)模人均GDP估計系數(shù)的正負號及顯著性存在明顯差別，表明經(jīng)濟發(fā)展對空氣污染的影響同樣存在顯著的城市規(guī)模差異。對特超大城市和小城市而言，人均GDP估計系數(shù)不顯著，表明經(jīng)濟發(fā)展未對空氣污染產(chǎn)生顯著影響；對大城市而言，人均GDP一次項系數(shù)＞0且顯著，二次項系數(shù)＜0且顯著，三次項系數(shù)＞0且顯著，表明經(jīng)濟發(fā)展對空氣污染的影響呈“N型”庫茲涅茨曲線關(guān)系；對中等城市而言，人均GDP一次項系數(shù)＜0且顯著，二次項系數(shù)＞0且顯著，三次項系數(shù)＜0且顯著，表明在這些城市經(jīng)濟發(fā)展對空氣污染的EKC曲線呈“倒N”型。

表5 城市規(guī)模異質(zhì)性檢驗

續(xù)表5

2.按區(qū)域差異劃分

本文按照國家統(tǒng)計局的區(qū)域劃分標準，將整體樣本分為東、中、西三大區(qū)域，分別進行聯(lián)立方程模型估計，具體結(jié)果見表6?？傮w而言，控制區(qū)域固定效應(yīng)的聯(lián)立方程模型3SLS估計結(jié)果與不控制區(qū)域固定效應(yīng)的估計結(jié)果大致相同，表明面板數(shù)據(jù)的估計結(jié)果具有穩(wěn)健性。具體來看，由方程（1）的檢驗結(jié)果可知，在東、中、西部地區(qū)，PM2.5濃度對人均GDP的影響系數(shù)皆＜0且在1%的水平上顯著，表明空氣污染對這些地區(qū)的經(jīng)濟發(fā)展均產(chǎn)生不利影響，其中對西部的負面影響最大，對中部的負面影響最小。由方程（2）的檢驗結(jié)果可知，東部和西部地區(qū)人均GDP一次項系數(shù)顯著為負，二次項系數(shù)顯著為正，三次項系數(shù)顯著為負，表明在東部和西部地區(qū)經(jīng)濟發(fā)展對空氣污染的環(huán)境庫茲涅茨曲線呈“倒N”型；中部地區(qū)人均GDP一次項系數(shù)顯著為正，二次項系數(shù)顯著為負，三次項系數(shù)顯著為正，表明在中部地區(qū)經(jīng)濟發(fā)展對空氣污染的環(huán)境庫茲涅茨曲線呈“N”型。這可能是由于不同區(qū)域的城市整體所處的發(fā)展階段不同造成的，東部城市發(fā)展較早，隨著城市發(fā)展的不斷推進，空氣質(zhì)量會先提高再降低再提高，這和經(jīng)濟發(fā)展階段及與各個階段對應(yīng)的發(fā)展方式有關(guān)。

另外，隨著西部大開發(fā)戰(zhàn)略和中部崛起戰(zhàn)略的實施，我國經(jīng)濟的東中西差異在縮小而南北差異不斷拉大，考慮到南北氣候、大氣環(huán)境等方面存在明顯區(qū)別，本文按冬季是否集中供暖的劃分方法，將整體樣本分為南、北兩大地區(qū)，分別對其進行聯(lián)立方程模型估計，具體結(jié)果列示在表6中。由方程（1）的檢驗結(jié)果可知，北方和南方地區(qū)PM2.5濃度對人均GDP的影響系數(shù)均為負且在1%的水平上顯著，表明空氣污染阻礙了南北方經(jīng)濟的發(fā)展。其中南方地區(qū)PM2.5濃度對人均GDP的系數(shù)絕對值大于北方地區(qū)，表明空氣污染對南方地區(qū)經(jīng)濟發(fā)展產(chǎn)生的負面影響大于北方地區(qū)。由方程（2）的檢驗結(jié)果可知，在北方，人均GDP一次項系數(shù)顯著為正，二次項系數(shù)顯著為負，三次項系數(shù)顯著為正，表明經(jīng)濟發(fā)展對空氣污染的環(huán)境庫茲涅茨曲線呈“N”型；在南方，人均GDP一次項系數(shù)顯著為負，二次項系數(shù)顯著為正，三次項系數(shù)顯著為負，表明經(jīng)濟發(fā)展對空氣污染的環(huán)境庫茲涅茨曲線呈“倒N”型。

表6 區(qū)域異質(zhì)性檢驗

（四）機制分析

空氣污染可能通過人口驅(qū)逐效應(yīng)、擠出固定資產(chǎn)投資、降低第二產(chǎn)業(yè)比重等方式影響到經(jīng)濟發(fā)展。為探究空氣污染對經(jīng)濟發(fā)展產(chǎn)生負面影響的作用機制，使用中介效應(yīng)模型分別對人口密度、固定資產(chǎn)投資、產(chǎn)業(yè)結(jié)構(gòu)進行識別檢驗。為此，構(gòu)建由如下三個方程組成的中介效應(yīng)模型：

其中，Y為控制變量集；D為可能的中介變量，包括人口密度（lnPop）、固定資產(chǎn)投資（lnFA）和產(chǎn)業(yè)結(jié)構(gòu)（InStruc）。根據(jù)中介效應(yīng)模型的原理，若系數(shù)β1、χ1、δ1均顯著，并且系數(shù)δ1較β1變小或顯著程度下降，則表明存在中介效應(yīng)。表7展示了基于3SLS估計的檢驗結(jié)果。由結(jié)果可知，對于人口密度、固定資產(chǎn)投資、產(chǎn)業(yè)結(jié)構(gòu)這三個潛在中介變量，（4）式中PM2.5濃度的系數(shù)均顯著為正，且（5）式中PM2.5濃度的系數(shù)與（3）式相比或有所下降或顯著性有所降低，符合中介變量的判定標準。因此，可以得出如下結(jié)論：人口驅(qū)逐效應(yīng)、固定資產(chǎn)投資擠出效應(yīng)、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整效應(yīng)是空氣污染對經(jīng)濟發(fā)展產(chǎn)生負面影響的主要途徑。即空氣污染會導(dǎo)致市區(qū)人口密度降低，固定資產(chǎn)投資減少，第二產(chǎn)業(yè)占GDP比重下降，進而對經(jīng)濟發(fā)展產(chǎn)生負面影響。

表7 空氣污染對經(jīng)濟發(fā)展的中介效應(yīng)檢驗

經(jīng)濟發(fā)展可能通過產(chǎn)業(yè)結(jié)構(gòu)、人口密度、交通運輸?shù)韧緩接绊懣諝馕廴?。為探究?jīng)濟發(fā)展對空氣污染產(chǎn)生影響的作用機制，使用中介效應(yīng)模型分別對人口密度、交通運輸、產(chǎn)業(yè)結(jié)構(gòu)進行識別檢驗。為此，構(gòu)建由如下三個方程組成的中介效應(yīng)模型：

其中，Z為控制變量集；U為可能的中介變量，包括人口密度（lnPop）、交通運輸（Trans）和產(chǎn)業(yè)結(jié)構(gòu)（InStruc）。由表8結(jié)果可知，對于交通運輸、產(chǎn)業(yè)結(jié)構(gòu)這兩個潛在中介變量，（7）式中人均GDP的系數(shù)均顯著，且（8）式中人均GDP的系數(shù)與（6）式相比有所下降且顯著性有所降低，符合中介變量的判定標準。對于人口密度變量，系數(shù)的估計結(jié)果不顯著，說明人口密度不符合中介變量的判定標準。因此，可以得出如下結(jié)論：產(chǎn)業(yè)結(jié)構(gòu)中第二產(chǎn)業(yè)比重增減和交通運輸中汽車尾氣排放是經(jīng)濟發(fā)展對空氣污染產(chǎn)生影響的主要途徑。經(jīng)濟發(fā)展初期會導(dǎo)致第二產(chǎn)業(yè)占GDP比重上升，私家車擁有量上升，從而增加工業(yè)污染物以及汽車尾氣排放，加劇空氣污染；當(dāng)跨越一定拐點后，隨著產(chǎn)業(yè)結(jié)構(gòu)調(diào)整升級以及清潔能源等的使用，二者對空氣污染的影響會減小。

四、結(jié)論及政策啟示

本文基于2004～2016年全國285個地級城市的PM2.5濃度與人均GDP面板數(shù)據(jù)，采用聯(lián)立方程模型和3SLS估計方法，研究了空氣污染與經(jīng)濟發(fā)展的相互影響。根據(jù)實證結(jié)果可以得出以下結(jié)論：

第一，從全樣本來看，在充分考慮到空氣污染與經(jīng)濟發(fā)展之間雙向因果關(guān)系的內(nèi)生性之后，空氣污染對城市經(jīng)濟發(fā)展具有顯著負面影響，在一定程度上阻礙了我國經(jīng)濟的持續(xù)、健康發(fā)展。在其他條件相同的情況下，PM2.5濃度每增加1%將導(dǎo)致人均GDP下降約1.2%～1.5%。與單方程模型估計結(jié)果相比，聯(lián)立方程模型中PM2.5濃度的系數(shù)估計值更高且更顯著，表明傳統(tǒng)的單方程面板數(shù)據(jù)估計低估了空氣污染對經(jīng)濟發(fā)展造成的負面影響。

第二，全國整體來看經(jīng)濟發(fā)展對空氣污染的影響呈“倒N”型曲線關(guān)系，空氣污染首先隨著人均收入的增加而減少，然后隨著人均收入的增加而增加，最后在超過第二個轉(zhuǎn)折點后，隨著人均收入的增加而再次減少。

表8 經(jīng)濟發(fā)展對空氣污染的中介效應(yīng)檢驗

第三，異質(zhì)性檢驗表明空氣污染與經(jīng)濟發(fā)展的相互關(guān)系存在顯著的城市規(guī)模差異和區(qū)域差異：城市規(guī)模方面：空氣污染未對特超大城市的經(jīng)濟發(fā)展產(chǎn)生負面影響，對大城市、中等城市和小城市均產(chǎn)生了顯著的負效應(yīng)；經(jīng)濟發(fā)展對空氣污染的影響方面，對特超大城市和小城市而言影響不顯著，對大城市而言，經(jīng)濟發(fā)展對空氣污染的影響呈“N型”曲線關(guān)系；對中等城市而言則呈“倒N”型。區(qū)域差異：就東中西差異而言，空氣污染對西部城市的負面影響最大，對中部城市的負面影響最?。辉跂|部和西部地區(qū)，經(jīng)濟發(fā)展對空氣污染的環(huán)境庫茲涅茨曲線呈“倒N”型，在中部地區(qū)則呈“N”型。就南北差異而言，空氣污染對南方城市經(jīng)濟發(fā)展造成的負面影響大于北方城市；在北方經(jīng)濟發(fā)展對空氣污染的環(huán)境庫茲涅茨曲線呈“N”型，在南方則呈“倒N”型。不同規(guī)模及不同區(qū)域的城市經(jīng)濟發(fā)展對空氣污染影響的EKC曲線呈現(xiàn)不同形態(tài)，可能是由于城市所處的發(fā)展階段不同造成的，經(jīng)濟發(fā)達的城市發(fā)展較早，隨著城市發(fā)展的不斷推進，空氣質(zhì)量會先提高再降低再提高，這和經(jīng)濟發(fā)展階段及與各個階段對應(yīng)的發(fā)展方式有關(guān)。

第四，中介效應(yīng)檢驗結(jié)果表明人口驅(qū)逐效應(yīng)、固定資產(chǎn)投資擠出效應(yīng)、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整效應(yīng)是空氣污染對經(jīng)濟發(fā)展產(chǎn)生負面影響的主要途徑；第二產(chǎn)業(yè)占比變化和交通運輸中汽車尾氣排放是經(jīng)濟發(fā)展對空氣污染產(chǎn)生影響的重要途徑。

基于上述結(jié)論，得出以下政策啟示：第一，鑒于空氣污染對中國大部分地區(qū)（除特超大城市）的經(jīng)濟發(fā)展造成了顯著的負面影響，中央和地方政府在治理空氣污染方面需要給予更多的政策支持和資金投入，這在經(jīng)濟上是有益的，因為長期來看，降低污染水平和改善環(huán)境質(zhì)量可能帶來的巨大經(jīng)濟收益。這些潛在的經(jīng)濟效益可能來自于更好的公共健康和環(huán)境友好型產(chǎn)業(yè)的蓬勃發(fā)展（Chen et al.，2017）。此外，環(huán)境治理有利于經(jīng)濟增長，更嚴格的環(huán)境規(guī)制和有針對性的財政支持可以促進環(huán)保企業(yè)的蓬勃發(fā)展和行業(yè)的創(chuàng)新，可以加速中國的產(chǎn)業(yè)升級和經(jīng)濟綠色轉(zhuǎn)型。第二，應(yīng)根據(jù)城市所處的區(qū)域以及經(jīng)濟發(fā)展階段，設(shè)計差異化的環(huán)境保護政策和經(jīng)濟發(fā)展策略，并根據(jù)城市的地理特征和產(chǎn)業(yè)結(jié)構(gòu)的具體特點調(diào)整環(huán)境政策，以實現(xiàn)空氣污染治理和經(jīng)濟高質(zhì)量發(fā)展的雙贏。例如，在重工業(yè)占主導(dǎo)地位的河北、山東等省份，煤炭的燃燒對空氣污染影響最大。對于此類城市，應(yīng)大力推動技術(shù)創(chuàng)新，提高能源利用率；倡導(dǎo)使用清潔能源，減少煤炭燃燒造成的空氣污染。