黎振強， 周秋陽， 彭平鋒

(湖南理工學院 經濟與管理學院， 湖南 岳陽414006)

當前， 中國港口總體規(guī)模位于世界前列， 據(jù)統(tǒng)計， 2018 年末中國港口擁有生產用碼頭泊位23919 個， 其中萬噸級及以上泊位2444 個， 港口貨物吞吐量持續(xù)增長. 在2018 年和2019 年的世界十大港口排名中， 中國的港口上榜率居全球第一. 隨著港口規(guī)模的擴大和港口物流的發(fā)展， 港口環(huán)境保護問題日益突出. 2019 年中國綠色港口發(fā)展大會提出了要加快綠色港口建設步伐， 推進港口經濟綠色發(fā)展的行動方案. 因此， 本文基于環(huán)境庫茲涅茨假說， 以港口廢水排放為例， 實證分析港口物流與環(huán)境質量之間的內在關系， 對于把握兩者所處的階段， 提出相應的環(huán)境治理建議， 實現(xiàn)港口與環(huán)境協(xié)調發(fā)展具有現(xiàn)實意義.

1 文獻回顧

國內學者以庫茲涅茨假說為理論基礎在經濟增長、貿易發(fā)展與城市化進程等方面分析環(huán)境質量問題， 取得了豐富的研究成果. 最早受到學者關注的是經濟增長與環(huán)境污染之間的關系， 楊素昌、馬素琳[1]的研究表明城市經濟增長與環(huán)境的EKC 呈倒N 型曲線； 詹新宇、曾傅雯[2]認為經濟規(guī)模的擴大會加劇環(huán)境污染. 在中國加入世貿組織后， 國內學者對貿易與環(huán)境污染之間的關系展開了研究， 常乃磊、李帥[3]以工業(yè)“三廢”作為環(huán)境污染指標， 利用工業(yè)“三廢”數(shù)據(jù)計算環(huán)境污染綜合指數(shù)， 發(fā)現(xiàn)無論長期還是短期， 出口均加劇了中國環(huán)境污染程度， 而進口在長期內會減輕環(huán)境污染， 短期內則會增加環(huán)境污染. 胡飛[4]以中國東部和中部地區(qū)為例， 認為出口規(guī)模擴大會加劇東部和中部地區(qū)的環(huán)境污染， 但進口規(guī)模的變化不會對環(huán)境污染產生明顯的影響. 隨著城市化發(fā)展， 中國城市化進程對生態(tài)環(huán)境的影響也成為學者關注的熱點， 郭佳、何雄偉等[5]分析了人口城鎮(zhèn)化對地區(qū)環(huán)境污染的影響， 研究發(fā)現(xiàn)EKC 曲線無法擬合人口城鎮(zhèn)化與環(huán)境污染之間的函數(shù)關系. 王華星、石大千[6]則從政策評價的角度， 利用雙重差分方法評估了低碳城市建設對城市霧霾污染的影響， 發(fā)現(xiàn)低碳城市建設能夠顯著降低城市的霧霾污染.

根據(jù)文獻梳理可知， 國內學者主要從經濟、貿易、城市化等方面利用環(huán)境庫茲涅茨假說驗證與環(huán)境質量之間的關系， 但對于港口與環(huán)境質量的內在關系研究相對不足. 鑒于此， 本文基于已有的研究成果， 以環(huán)境庫茲涅茨理論為基礎構建模型， 探討港口物流與工業(yè)廢水排放之間的關系， 并為港口與環(huán)境之間的協(xié)調發(fā)展提出可供參考的建議.

2 實證研究及分析

2.1 數(shù)據(jù)說明及變量選擇

選取上海、天津、大連、廣州、深圳、廈門、福州、連云港、南京、南通、蘇州、寧波、溫州、青島、煙臺和日照16 個沿海城市及各自所擁有的港口為研究對象， 搜集整理各城市在2000～2015 年的工業(yè)廢水排放總量及港口吞吐量的數(shù)據(jù)(有關工業(yè)三廢的排放數(shù)據(jù)公布周期為五年， 所以觀測的時間點截至2015 年). 為了減小異方差， 先對數(shù)據(jù)進行對數(shù)化處理， 檢驗其平穩(wěn)性， 然后建立靜態(tài)模型和動態(tài)模型， 探討廢水排放與港口吞吐量之間的內在聯(lián)系. 借鑒已有研究成果， 本文選取了以下變量建立模型：

(1) 因變量為工業(yè)廢水排放量， 記為water. 一方面， 港口經濟活動會直接產生廢水， 另一方面， 港口處于水陸的交界區(qū)域， 是人類各種生產活動的重要承載區(qū)， 其優(yōu)越的地理位置及強大的運輸功能將促進各種重工業(yè)的產生及發(fā)展， 從而間接增加工業(yè)廢水的排放， 因此選擇工業(yè)廢水排放量作為衡量水污染的指標. 圖1 中的左圖反映了各城市在2000～2015 年工業(yè)廢水排放量的時間趨勢， 從絕對值來看， 大部分城市的工業(yè)廢水排放量基本呈平穩(wěn)上升趨勢， 且上升幅度不明顯， 原因可能是各城市都比較重視環(huán)境問題， 實施的環(huán)境保護措施減緩和遏制了工業(yè)廢水的排放.

(2) 解釋變量為各城市的港口物流發(fā)展水平， 以港口吞吐量表示， 記為tt， 其平方項和立方項分別記為tt2和tt3. 圖1 中的右圖反映了各沿海港口在2000～2015 年吞吐量的變化趨勢， 可以看出， 各港口的吞吐量呈現(xiàn)絕對的增長趨勢， 而且增長速度明顯， 說明港口物流發(fā)展態(tài)勢良好.

圖1 2000～2015 年工業(yè)廢水排放量及港口吞吐量時間趨勢

(3) 控制變量

影響環(huán)境質量的因素眾多， 為了減少或避免遺漏變量、共線性及自由度損失等問題， 本文選擇了已有文獻中出現(xiàn)頻率較高的變量為控制變量：

① 對外貿易水平(trade). 貿易水平對環(huán)境污染的影響主要體現(xiàn)在國與國之間的“污染轉嫁”、進出口產品在運輸過程中所造成的污染等， 貿易所造成的環(huán)境污染主要包括水污染及大氣污染.

② 國內生產總值(gdp). 衡量城市經濟發(fā)展水平的指標很多， 考慮到國內生產總值對大部分經濟變量都會產生影響， 為了減弱內生性， 選擇該變量來衡量城市經濟發(fā)展.

③ 城鎮(zhèn)化率(rcity). 人口城鎮(zhèn)化與環(huán)境污染之間存在一定的關系， 城市人口的增加會造成廢水排放量的增加， 從而對環(huán)境產生一定影響， 因此將該變量作為控制變量， 以城鎮(zhèn)人口與總人口的比值衡量.

除上述因素之外， 產業(yè)結構、固定資產投資等也會對環(huán)境污染產生一定程度的影響， 鑒于面板協(xié)整檢驗要求的變量個數(shù)有限， 而且相關變量數(shù)據(jù)存在缺失， 因此將其余變量納入隨機擾動項. 有關變量的數(shù)據(jù)來源于wind 數(shù)據(jù)庫、各城市國民經濟和社會發(fā)展統(tǒng)計公報和統(tǒng)計年鑒.

2.2 變量的統(tǒng)計特征及平穩(wěn)性檢驗

對數(shù)據(jù)進行對數(shù)化處理之后， 變量之間的相關性及統(tǒng)計特征見表1. 從數(shù)據(jù)本身來看， 港口物流水平的發(fā)展會加劇水環(huán)境的污染， 二者呈正相關， 其它變量也是如此， 經濟發(fā)展、對外貿易和城鎮(zhèn)化水平的提高均會加重水污染. 從統(tǒng)計特征來看， 每個變量的整體標準差介于0.9～1.5 之間， 組內標準差和組間標準差大部分小于1， 說明數(shù)據(jù)選取有意義.

表 1 變量的描述性統(tǒng)計

在本文面板數(shù)據(jù)中， 大多數(shù)城市的工業(yè)廢水排放量具有一定的時間趨勢， 但整體上升趨勢不明顯； 港口吞吐量的變化則呈明顯的上升趨勢. 因此， 采用IPS 檢驗方法對原數(shù)據(jù)進行面板單位根檢驗， 檢驗結果見表2. 所有變量一階差分的P 值均為0.0000， t-bar 統(tǒng)計量均小于1%水平的臨界值， 所以拒絕原假設， 即所有變量均是一階單整變量.

表 2 變量的單位根 IPS 檢驗結果

D.(ln tt)3 D.ln trade D.ln gdp D.ln rcity t-tilde-bar -2.4806 Z-t-tilde-bar -6.0217 0.0000 t-bar -3.4320 -2.020 -1.870 -1.790 t-tilde-bar -2.4539 Z-t-tilde-bar -5.8799 0.0000 t-bar -4.0333 -2.020 -1.870 -1.790 t-tilde-bar -2.5469 Z-t-tilde-bar -6.3744 0.0000 t-bar -2.4529 -2.020 -1.870 -1.790 t-tilde-bar -2.0142 Z-t-tilde-bar -3.5397 0.0002 t-bar -3.1921 -2.020 -1.870 -1.790 t-tilde-bar -2.0163 Z-t-tilde-bar -3.5509 0.0002

2.3 模型構建

2.3.1 協(xié)整檢驗

根據(jù)上文， 所有變量均為一階單整變量， 因此可進行協(xié)整檢驗， 以便確定變量之間是否存在長期關系. 考慮到數(shù)據(jù)的時間維度比較大， 故采用Pedroni 檢驗法， 檢驗結果見表3. 三種統(tǒng)計量的P 值均為0.0000， 因此拒絕原假設， 即所有變量之間都存在協(xié)整關系.

2.3.2 靜態(tài)模型設定

為了確定是建立固定效應模型還是隨機效應模型， 首先采用豪斯曼檢驗法進行檢驗， 檢驗結果表明兩種回歸估計的標準誤差即聚類穩(wěn)健標準誤差與普通標準誤差相差約0.5 倍， 相差不是太大. 為使檢驗更加準確， 再進行過度識別(xtoverid)檢驗， 判斷究竟是使用固定效應模型還是隨機效應模型， 檢驗結果見表4. 其中P值為0.0000， 故拒絕原假設， 應建立固定效應模型.

本文借鑒常用的EKC 模型構建方法， 研究港口物流的發(fā)展對水資源污染的影響及二者的EKC 曲線形狀. 不考慮時間和個體差異[7]， 設定靜態(tài)面板模型為

表3 協(xié)整檢驗結果

表4 靜態(tài)模型設定檢驗檢驗結果

其中l(wèi)n water表示水污染情況， ln tt表示港口物流發(fā)展水平， Z 表示控制變量， Z ={ln trade， ln gdp， ln rcity}， θ 表示截距項， β 和δ 分別表示變量的邊際效應， ui表示個體異質性， εit表示隨機誤差項， 下標i 表示第i 個省份( i= 1，2， …， 16)， 下標t 表示第t 期( t= 1，2， …， 16)， 下標j 表示影響水污染的第j 個控制變量. βi(i =1，2，3)的取值決定了EKC 曲線的形狀， 根據(jù)回歸系數(shù)的符號及顯著性可將EKC 曲線分為6 種情況， 見表5.

2.3.3 靜態(tài)模型估計結果

首先采用LSDV 法進行固定效應模型的估計. 除此之外， 由于本文所使用的面板數(shù)據(jù)的時間跨度為16 年， 因此對擾動項可能存在的組內自相關、組間異方差及組間同期相關進行了檢驗， 結果表明數(shù)據(jù)確實存在組間異方差、組內自相關和組間同期相關. 為了便于比較， 還進行了PCSE 和全面FGLS 估計， 三種方法的估計結果見表6. 不難看出， ln tt、(ln tt)2及(ln tt)3的系數(shù)非常顯著， 所以三次項模型的設立合理， 檢驗結果表明EKC 曲線形狀呈倒N 型. 從影響系數(shù)及對應的P 值可以看出， 港口物流的發(fā)展對水污染具有顯著影響； 從擬合效果來看， 模型的可決系數(shù)較高， 說明曲線擬合較好.

表5 EKC 曲線形狀分類

表6 靜態(tài)模型估計結果

2.3.4 動態(tài)模型的設定及估計結果

根據(jù)廢水排放的時序來看， 水污染具有滯后性， 即當年的污染程度會對之后的年份造成影響， 因此將水污染的滯后項作為解釋變量引入模型中， 運用GMM 方法進行估計. 經過多次檢驗發(fā)現(xiàn)， 被解釋變量滯后一階最為合適， 且動態(tài)模型的形式與靜態(tài)模型的形式相同， 為三次項形式. 對于動態(tài)面板模型， 由于將因變量的滯后項作為解釋變量引入到方程中， 造成解釋變量與隨機擾動項相關， 從而產生內生性. 作為一致估計， 差分GMM 成立的前提是擾動項不存在自相關， 因此可以通過檢驗擾動項的差分是否存在一階與二階自相關來判斷擾動項是否存在自相關， 結果見表7. 根據(jù)檢驗結果， 當階數(shù)為一階時， P 值為0.0999，可在10%的顯著性水平下拒絕原假設， 認為擾動項的差分存在一階自相關； 當階數(shù)為二階時， P 值為0.7994， 所以可接受原假設， 認為擾動項的差分不存在二階自相關. 綜上， 接受“擾動項無自相關”的原假設， 所以采用差分GMM 進行動態(tài)模型估計是合適的， 其基準模型設定為

逐個引入控制變量對擴展模型

進行估計， 估計結果見表8.

表7 擾動項自相關檢驗結果

表8 動態(tài)模型估計結果

注： (1) *， **， ***分別表示在10%， 5%和1%下是顯著的； (2) 括號內的數(shù)字為系數(shù)估計的P 值.

根據(jù)動態(tài)模型估計結果， 不管是基準模型還是擴展模型， 主要變量的估計系數(shù)都顯著， 且模型都通過了Sargan 檢驗， 說明本文所采用的工具變量均有效， 因此三次項模型的建立是合理的. 從估計系數(shù)來看， ln waterit-1的系數(shù)無論是在基準模型還是擴展模型中均顯著為正， 說明我國水污染存在明顯的慣性， 且其系數(shù)值穩(wěn)定在0.26～0.60 之間， 這意味著若保持其它條件不變， 前期遺留的水污染對當前環(huán)境的影響最高將達到60%， 也就是說， 如果忽視當期所產生的污染問題， 那么在之后的時期無論采取多少措施來治理污染問題， 其所產生的積極作用都將被之前所滯留的污染所覆蓋， 因此必須要及時治理當期的污染. 解釋變量lnittt 不論是在靜態(tài)模型還是在動態(tài)模型中， 其系數(shù)均顯著為負， 說明港口物流水平的提高可以抑制水污染問題， 但不可否認的是， 港口物流水平的提高也會產生水污染， 最終的影響效果要取決于兩種作用各自的大小. 對于其它控制變量而言， 當期經濟發(fā)展水平(lnitgdp )的提高將加重水污染， 而前期經濟發(fā)展水平( ln gdpit-1)的提高將有效緩解水污染， 說明經濟發(fā)展對水污染的影響存在滯后效應.

2.3.5 模型結果對比

靜態(tài)面板模型和動態(tài)面板模型的估計結果均表明， 港口物流與環(huán)境污染之間存在EKC 效應， 二者呈倒N型的曲線關系， 廢水排放量隨港口物流的發(fā)展呈先下降后上升再下降的趨勢. 圖2 為靜態(tài)模型和動態(tài)模型對應的EKC 曲線， 兩種模型所對應的EKC 曲線形狀大體相仿， 主要區(qū)別在于曲線的極大值不同， 動態(tài)模型EKC 曲線的極大值明顯小于靜態(tài)模型EKC 曲線的極大值. 當港口吞吐量小于T1(或者D1)時， 廢水排放量隨港口吞吐量的上升而下降， 主要原因包括： ①各港口城市經濟的快速發(fā)展， 資源和環(huán)境面臨壓力， 為了節(jié)約資源、保護環(huán)境， 各港口城市加強了環(huán)境保護治理力度， 采取一系列環(huán)保措施有效遏制了破壞環(huán)境的行為， 廢水、廢氣、廢棄物的排放減少， 港口環(huán)境得到了一定的保護； ②各城市大力發(fā)展港口經濟， 加強了交通運輸條件建設， 提升了污染處理技術， 改進了港口作業(yè)方式， 使得港口發(fā)展對環(huán)境的積極作用大于消極影響. 根據(jù)廢水排放和吞吐量的時間趨勢， 大部分城市T1(D1)出現(xiàn)的時間點集中在2005、2006 和2007 年前后， 可能的主要原因有： 2004① 年1 月1 日起《中華人民共和國港口法》開始實施， 同時各大港口也相應出臺了港口條例和港口管理辦法， 法律法規(guī)的頒布實施在一定程度上促進了港口與環(huán)境之間的協(xié)調發(fā)展； 2008② 年中國舉辦奧運會， 加大了環(huán)保方面的監(jiān)督管理力度， 因此在這幾個年份， 廢水排放量達到極小值. 當港口吞吐量處于T1～T2(或D1～D2)時， 廢水排放量將隨港口的發(fā)展而增加， 主要原因一是存在時滯性， 如當期的污染對后期的影響， 二是2008 年受金融危機沖擊， 經濟的穩(wěn)定和恢復成為了重中之重， 暫時忽視環(huán)境問題， 廢水排放量隨港口的發(fā)展而增加. 當前， 我國大部分港口城市處于EKC 曲線的上升階段， 少數(shù)城市已經接近極大值點， 因此， 要加強港口的環(huán)境建設， 實現(xiàn)港口與環(huán)境之間的協(xié)調發(fā)展.

圖2 EKC 曲線

3 結論與啟示

本文以上海、天津、大連、廣州等16 個沿海城市2000～2015 年的工業(yè)廢水排放總量及港口吞吐量的數(shù)據(jù)為基礎， 分別構建靜態(tài)模型和動態(tài)模型， 實證分析了港口物流與工業(yè)廢水排放量之間的關系， 得到如下幾點結論：

(1) 港口物流與工業(yè)廢水排放量之間存在EKC 效應， 二者呈倒N 型曲線關系， 廢水排放量隨港口物流的發(fā)展呈先下降后上升再下降的趨勢.

(2) 大部分港口城市處于EKC 曲線的上升階段， 少數(shù)城市已經接近極大值點， 但整體上16 個港口城市的港口物流與環(huán)境質量之間還未到達協(xié)調發(fā)展階段.

(3) 港口工業(yè)廢水污染處理存在時滯， 如果對當前已經出現(xiàn)的水污染問題不進行有效治理， 前期滯留的水污染問題將大大影響下期以及未來的水環(huán)境治理成效， 造成資源的浪費， 影響后期的治理效率.

目前我國港口廢水等污染物的排放對生態(tài)環(huán)境的影響仍然比較嚴重， 所以各港口城市政府要貫徹綠色發(fā)展理念， 完善綠色港口的評價體系， 正確處理港口經濟與環(huán)境保護之間的關系； 各港口要建立健全港口污染物監(jiān)測體系， 實時監(jiān)測記錄港口企業(yè)各個作業(yè)環(huán)節(jié)各種污染物的排放量， 跟蹤分析排污數(shù)據(jù)變化趨勢， 及時處理違法違規(guī)排放事故. 此外， 企業(yè)要積極研發(fā)， 引進新技術、新材料和新設備， 有效控制廢水等污染物的排放.