黃元斌

（四川輕化工大學 經(jīng)濟學院，四川 宜賓 644000）

一、引言

改革開放以來，中國經(jīng)濟保持持續(xù)高速增長的態(tài)勢。在長期的經(jīng)濟增長過程中，以高能耗、高污染、高排放等為特征的粗放型增長方式造成了嚴重環(huán)境污染。隨著經(jīng)濟的增長，各個地方也在努力改變這種粗放型的經(jīng)濟增長方式，重視科技投入，環(huán)境污染得到改善。不少學者對中國經(jīng)濟增長與環(huán)境污染之間的關系進行了探討，其中包括對我國環(huán)境庫茲涅茨曲線的研究。

環(huán)境庫茲涅茨曲線是指一個地區(qū)先是隨著人均收入的增加，環(huán)境污染由低趨高，環(huán)境惡化程度隨經(jīng)濟的增長而加劇。但當經(jīng)濟發(fā)展達到一定水平后，也就是說，到達某個臨界點或稱“拐點”以后，環(huán)境污染又由高趨低，其環(huán)境污染的程度逐漸減緩，環(huán)境質(zhì)量逐漸得到改善。當前運用空間面板數(shù)據(jù)模型對中國省市環(huán)境與經(jīng)濟增長的環(huán)境庫茲涅茨曲線的研究，取得了一定的成果。這些研究成果，都是基于傳統(tǒng)非線性參數(shù)模型的研究，通過建立二次曲線和三次曲線檢驗環(huán)境庫茲涅茨曲線EKC。蘇梽芳和胡日東（2006）[1]應用1993—2005 年的省級面板數(shù)據(jù)，建立空間滯后模型和空間誤差模型，確定人均二氧化硫的環(huán)境庫茲涅茨曲線拐點在人均收入4.8萬元處，認為與國外的研究結果比較接近。黃瑩等（2009）[2]運用1990—2006 年省級面板數(shù)據(jù)建立空間誤差固定效應模型，測算出工業(yè)固體廢物的庫茲涅茨曲線拐點在人均GDP 為123 427 元處。施平（2010）[3]運用1997—2007 年省級面板數(shù)據(jù)針對不同污染源建立不同的空間面板數(shù)據(jù)模型，結果表明主要環(huán)境指標呈“倒N 型”特征，在一定程度上符合EKC 規(guī)律。朱平輝等（2010）[4]基于1989—2007 年省際面板數(shù)據(jù)，使用空間固定效應模型，對七種工業(yè)污染排放進行環(huán)境庫茲涅茨曲線實證分析。結果表明我國地區(qū)工業(yè)污染排放具有較強的空間依賴關系，空間面板模型在穩(wěn)健性、擬合優(yōu)度和回歸系數(shù)顯著性方面比傳統(tǒng)面板模型均有所改進；且大部分工業(yè)污染排放與人均GDP 之間為“倒U 型”關系。陳德湖和張津（2012）[5]運用30 個?。ㄗ灾螀^(qū)、直轄市）2000—2009 年省級面板數(shù)據(jù)，發(fā)現(xiàn)經(jīng)濟發(fā)展與碳排放之間存在顯著的空間效應，利用空間面板自回歸和誤差模型發(fā)現(xiàn)，中國碳排放與經(jīng)濟增長存“倒U 型”關系，轉(zhuǎn)折點在人均GDP 是8.167 萬元～11.025萬元之間。同時檢驗了FDI 對碳排放的影響，結果是不存在“污染天堂假說”。郝宇等（2014）[6]選取中國省級人均能源消費量和人均電力消費量作為影響環(huán)境的指標，建立空間Durbin 模型，實證表明人均能源消費量和人均電力消費量與人均GDP 之間存在“倒N 型”的EKC 關系，拐點是人均GDP 分別為20 000 元～23 000 元左右。安虎森等（2014）[7]根據(jù)2000—2012 年31 個省（自治區(qū)、直轄市）的面板數(shù)據(jù)，通過檢驗建立面板空間誤差模型。結果表明“倒N 型”環(huán)境庫茲涅茨曲線在中國存在。孫攀等（2019）[8]運用2003—2016 年世界遙感地圖年均PM2.5 柵格數(shù)據(jù)值，轉(zhuǎn)換為中國281 個地級及以上城市的數(shù)值，運用探索性空間數(shù)據(jù)分析方法與動態(tài)空間杜賓面板數(shù)據(jù)模型，對中國經(jīng)濟增長與污染之間的EKC 曲線以及污染空間溢出性進行了檢驗。結果表明中國全國、東部地區(qū)及中西部地區(qū)均存在霧霾污染EKC 曲線。中西部地區(qū)FDI 對中國污染治理起著積極作用，而東部地區(qū)則相反。張軒瑜等（2020）[9]運用2013—2017 年省際PM2.5 污染數(shù)據(jù)，使用動態(tài)空間面板數(shù)據(jù)模型表明中國整體的PM2.5污染具有顯著的空間溢出性，環(huán)境庫茲涅茨曲線在省際基礎上表現(xiàn)為“倒U 型”。

以上研究成果，都是基于傳統(tǒng)的非線性參數(shù)模型的研究。傳統(tǒng)非線性參數(shù)模型是根據(jù)經(jīng)濟理論和樣本數(shù)據(jù)來設定模型的函數(shù)關系，在實證應用中，當模型及參數(shù)的假定與實際背離時，就容易造成模型設定誤差問題。而半?yún)?shù)模型中既有參數(shù)部分也有非參數(shù)部分，因此，該模型有較大的適應性，能更好地解決傳統(tǒng)非線性參數(shù)模型設定誤差問題，而且能夠作出更直觀的非線性圖形。

二、中國環(huán)境與經(jīng)濟增長的環(huán)境庫茲涅茨曲線的模型

（一）變量選擇與數(shù)據(jù)來源

本文以PM2.5 的值作為被解釋變量，以人均GDP 表示經(jīng)濟增長水平，作為關鍵解釋變量構建模型。在控制變量的選取上，選取能夠全面衡量影響PM2.5 水平的指標，最終引入人均收入、第二產(chǎn)業(yè)比重、FDI 為控制變量。為克服異方差的影響，首先將所有變量取自然對數(shù)。

其中，i 表示各省（自治區(qū)、直轄市），t 表示時期，α 表示常數(shù)，ρ 表示空間相關系數(shù)，β1、β2和β3表示自變量的系數(shù)，μ 表示誤差值。PM2.5 為PM2.5 的值。GPC 為GDP per capita，即人均國內(nèi)生產(chǎn)總值。PSI為Proportion of secondary industr，即第二產(chǎn)業(yè)比重。FDI 為國際直接投資的值。數(shù)據(jù)來源于《中國統(tǒng)計年鑒》《中國環(huán)境年鑒》及各?。ㄗ灾螀^(qū)、直轄市）官方網(wǎng)站和草莓科研服務網(wǎng)。

（二）空間相關性檢驗

在進行空間面板數(shù)據(jù)建模之前，首先對PM2.5的空間分布特征進行全局空間自相關檢驗和局部空間自相關分析，以驗證各?。ㄗ灾螀^(qū)、直轄市）PM2.5 之間是否具有空間相關性。

1.全局空間自相關檢驗。運用Stata 13 軟件進行PM2.5 全局空間自相關檢驗分析，結果如表1 所示。

從表1 可以看出，檢驗結果顯著拒絕無空間自相關的假設，存在空間自相關。而莫蘭指數(shù)為正，說明全國各省市的PM2.5 存在顯著的空間正相關性。

2.局部空間自相關分析。Stata 13 軟件分別列出31 個省市1990—2020 年共961 條分析結果。限于篇幅，僅僅列出最后31 條局部莫蘭指數(shù)空間自相關檢驗結果，結果如表2 所示。

表2 局部莫蘭指數(shù)空間自相關檢驗結果

從表2 可以看出，大多數(shù)省市P 值小于0.1，正態(tài)統(tǒng)計值Z 大于0.1 顯著水平下的臨界值1.645，顯著拒絕無空間自相關的假設，這與全局空間自相關檢驗結果是一致的。

3.局部莫蘭指數(shù)散點圖。為更加形象地表示空間自相關的檢驗，以下通過繪制全國各?。ㄗ灾螀^(qū)、直轄市）PM2.5 局部莫蘭指數(shù)散點圖進行描述，如圖1 所示。

圖1 全國各?。ㄗ灾螀^(qū)、直轄市）PM2.5 莫蘭指數(shù)散點圖

從圖1 可以看出，大部分地區(qū)位于一、三象限。位于一象限的屬于“高—高”模式，即PM2.5 的值較高的地區(qū)被PM2.5 的值較高的地區(qū)包圍。位于三象限的屬于“低—低”模式，即PM2.5 較低的地區(qū)被PM2.5 較低的地區(qū)包圍，從空間上表現(xiàn)出較明顯的空間依賴性和聚集性。

（三）經(jīng)濟發(fā)展對PM2.5 空間影響分析的空間滯后模型和誤差模型的檢驗與選擇

先進行Hausman 檢驗，確定固定效應和隨機效應空間面板模型進行分析選擇效果更好的模型。再選擇空間面板杜賓模型中的滯后模型和誤差模型進行檢驗，結果如表3 所示。

表3 空間面板滯后模型和空間面板誤差模型的檢驗結果

從表3 可知，豪斯曼統(tǒng)計量為0，故應選擇隨機效應?？臻g滯后模型擬合優(yōu)度R2和對數(shù)似然值logL均大于空間誤差模型擬合優(yōu)度R2和對數(shù)似然值logL。因此，應該選擇隨機效應空間滯后模型。研究結果表明：PM2.5 存在正的空間溢出性，即某個地區(qū)PM2.5的值受到相鄰地區(qū)的影響。人均收入、第二產(chǎn)業(yè)比重與PM2.5 的值是正相關的。但FDI 與PM2.5 的值是負相關的，這說明我國不存在“污染天堂假說”。模型設定形式如下[10]：

其中，i 表示各?。ㄗ灾螀^(qū)、直轄市），t 表示時期，μ 表示誤差值。

（四）人均GDP 對PM2.5 影響的半?yún)?shù)空間面板數(shù)據(jù)滯后模型

以上建立的空間面板隨機效應滯后模型表明，人均收入對PM2.5 的影響顯著，但相關系數(shù)太小，僅為0.020。因此，人均收入對PM2.5 的影響有可能存在一定程度的非線性關系。因此，需要建立半?yún)?shù)空間面板數(shù)據(jù)滯后模型進一步研究[11]。

其中，i 表示各?。ㄗ灾螀^(qū)、直轄市），t 表示時期，α 表示常數(shù)，ρ 表示空間相關系數(shù)，w 表示一階臨近矩陣，β 表示自變量的系數(shù)，μ 表示誤差值。

1.半?yún)?shù)空間面板滯后模型的結果。應用Stata 15軟件，可以得到半?yún)?shù)空間面板滯后模型的分析結果，并與前面空間滯后隨機效應模型結果比較，如表4 所示。

表4 應用半?yún)?shù)空間面板滯后模型分析結果

由表4 可知，半?yún)?shù)空間面板滯后模型和空間滯后隨機效應模型結論較一致，都表現(xiàn)出正的空間溢出性，半?yún)?shù)空間面板滯后模型lnPSI 和lnFDI 與空間滯后隨機效應模型中對PM2.5 的影響系數(shù)正負性一致，只是p 值稍大。

2.半?yún)?shù)空間面板滯后模型人均GDP 對PM2.5的非線性影響。運用Stata 15 軟件，可以得到人均GDP 對PM2.5 影響的半?yún)?shù)空間面板數(shù)據(jù)滯后模型的非線性影響結果，如圖2、圖3 所示。

圖3 半?yún)?shù)空間面板滯后模型導數(shù)圖

由圖2 的半?yún)?shù)空間面板滯后模型線性預測圖和圖3 的半?yún)?shù)空間面板滯后模型導數(shù)圖，可以得到一致的結論，從總體上來說，在人均GDP 較低的時候，PM2.5 隨著人均GDP 的上升而上升，而在人均GDP 達到一定程度時，PM2.5 隨著人均GDP的上升而下降。即環(huán)境污染水平和經(jīng)濟發(fā)展水平存在著庫茲涅茨曲線，從導數(shù)圖可以看到拐點發(fā)生在lnGPC 大約為9.8 元的時候，即GPC 為人均GDP是18 033.74 元的時候。

三、結論與政策建議

（一）結論

通過檢驗建立空間滯后隨機效應模型，實證分析表明PM2.5 具有正的空間溢出效應。第二產(chǎn)業(yè)比重與PM2.5 是正相關關系。FDI 與PM2.5 負相關。通過建立半?yún)?shù)空間面板數(shù)據(jù)滯后模型，實證分析表明環(huán)境污染水平和經(jīng)濟發(fā)展水平存在著庫茲涅茨曲線，拐點發(fā)生在人均GDP 大約是18 033.74 元的時候。

（二）政策建議

根據(jù)研究的結論，需要重視以下幾個方面：一是因為PM2.5 具有正的空間溢出效應，因此在環(huán)境治理方面，需要各個?。ㄗ灾螀^(qū)、直轄市）在中央的領導協(xié)調(diào)下加強合作，共同治理環(huán)境污染；二是因為第二產(chǎn)業(yè)比重與PM2.5 是正相關關系，因此不能盲目追求第二產(chǎn)業(yè)的發(fā)展，在發(fā)展第二產(chǎn)業(yè)的時候，要通過技術和制度創(chuàng)新，抑制環(huán)境污染；三是因為FDI 與PM2.5 負相關，因此應積極通過引進FDI 促進經(jīng)濟發(fā)展。