中国经济增长与环境污染关系的研究
中图分类号：X196 文献标志码：A 文章编号：1673-291X（2014）26-0013-04
引言
1955年，美国经济学家Kuznets[1]提出了一个著名的理论：收入不均现象与经济增长之间存在倒U型的曲线关系。20世纪90年代初，Grossman，Krueger[2]和其他经济学家在实证研究中发现经济增长与环境污染之间也存在倒U型的曲线关系，即随着经济增长与收入水平的提高，环境开始变得恶劣，当经济发展到一定水平时，环境恶化的趋势达到顶峰，之后环境质量开始改善，这种关系类似于Kuznets提出的收入不均现象与经济增长之间的关系，因而被命名为环境库兹涅茨曲线（EKC）。
国外关于经济增长与环境污染关系的研究起步较早。Panayoutou[3]运用了30个发达国家和发展中国家1982―1994年间的数据进行分析，验证了EKC的存在性。List，J.A.and Gallet，C.A.[4]运用了1929―1994年间美国各州的二氧化硫和一氧化氮排放量的面板数据进行分析，结果表明，在州际水平上，人均污染物排放和人均收入之间存在显著的倒U关系。然而参数估计表明，由于先前的学术研究假定随着时间推移个体情况不发生改变，很可能呈现统计上有偏差的结果。Dasgupta[5]发现，严格的环境规制能使经济增长的每个时期污染排放水平都低于没有规制时的排放水平，使EKC变得比较平坦。MarzioGaleotti and Alessandro Lanza[6]使用全世界超过100多个国家近25年的数据，检验了CO2排放与经济增长的关系，证明了碳排放库兹涅茨曲线的存在性。
国内对经济增长与环境污染之间关系的研究起步较晚。包群等人[7]采用中国30个省市1996―2002年的环境指标数据，建立面板数据模型，研究经济增长与环境污染的关系，实证结果发现，这两者之间的关系很大程度上取决于污染指标以及估计方法的选取。随后，包群等人[8]在之前估计的基础上进一步加入影响污染排放的控制变量，如人口规模、技术进步、环保政策等，对环境―收入曲线进行重新估计，加入这些控制变量后，有些环境―收入曲线发生形状的改变，这说明这些控制变量对模型能够产生影响。邓柏盛等人[9]使用了SO2这一种污染物，得到一个有趣的结论：他们使用时间序列数据时，得出正U型曲线的关系，而使用面板数据时，得出倒U型曲线的关系。沈锋[10]以上海为例使用CO2作为污染指标进行实证研究，发现在上海污染与收入存在倒U型的关系。韩玉军等人[11]将165个国家分为四类。他们发现，“高收入、高工业”国家出现了环境库兹涅茨曲线的倒U型趋势，“低收入、低工业”国家只是呈现轻微的倒U型趋势，“高收入、低工业”国家存在“～”型趋势，而“低收入、低工业”国家是环境污染与收入增长同步。丁焕峰等人[12]在加入了控制变量的基础上，采用变量的对数形式，使用30个省市1998―2007年的环境指标数据，构造了带三次项的环境收入简约模型，重点研究控制变量对环境状况的影响，他们指出提高经济发展质量、加大环保科研投入、转变贸易增长方式、加强对FDI的环保规制、优化产业结构、提高能源利用率是促进我国经济环境协调发展的保障。之后，丁焕峰等人[13]考虑了区域污染与区域经济增长的双向作用机制，构建了联立方程模型，继续进行EKC的实证研究。研究结果表明，各种控制变量产生的影响有所改变。
从国内外的学术研究来看，库兹涅茨曲线较广泛地应用在了环境与经济增长关系的领域，学者们构建的模型也越来越合理，越来越完善。可以说，环境库兹涅茨曲线的发展已经相当成熟。然而，随着中国经济的飞速发展，前人的实证研究成果难以表现经济发展现状，经济增长与环境污染的关系需要用最新数据进行进一步的检验。在本文中，我们用人均SO2排放量作为污染指标，检验了在过去的8年（2004―2011）中，中国的经济发展水平与环境污染之间的关系。此外，计量模型中控制变量的系数反映了这些变量对污染程度的影响，我们据此向政府提出了加强污染物排放管制以及增加国际贸易来降低环境污染，改善环境质量的政策建议。
一、数据来源及变量选取
本文使用了2004―2011年一共8年来自30个省、自治区、直辖市的数据（不包括香港，澳门，台湾和西藏），数据来源由国家统计局数据库（http：//www.stats.gov.cn/）整理计算而得。选取的各个变量如表1所示：
二、理论模型
为了探究中国经济增长与环境污染之间是否存在倒U型关系，我们检验中国人均GDP与人均SO2排放量之间的关系。国际上根据环境库兹涅茨理论产生的计量模型有两大类：一类是基于时间序列数据分析的模型，这类模型不含有对数形式；另一类是基于面板数据分析的模型，这类模型含有对数形式，而且加入了GDP以外的影响因素。由于我们的实证研究是基于2004―2011年共8年30个省、自治区、直辖市的面板数据，我们选择面板数据分析模型作为理论模型基础。除此之外，我们在模型中加入5种控制变量，包括人口密度、环保政策、贸易开放度、技术进步和产业结构。我们实证研究的理论模型如下：
其中SO2 it代表第i个省在第t年的二氧化硫人均排放量； gdpcapitait代表第i个省在第t年的人均GDP；
popdensityit代表第i个省在第t年的人口密度；
invit为第i个省在第t年的环保政策，用治理废气投资占GDP比重表示；
tradeit为第i个省在第t年的贸易开放度，用进出口贸易总额占GDP比重表示；
rdit为第i个省在第t年的技术进步，由技术市场成交额占GDP比重表示；
firstit代表第i个省在第t年的第一产业增加值占GDP比重；
secondit代表第i个省在第t年的第二产业增加值占GDP比重。
对系数符号的预测如（1）式中所示。如果β1>0 且β2<0，那么可证明中国存在倒U型的EKC曲线。但是韩玉军、陆?（2009）指出，“高工业、低收入”阶段的国家环境污染和收入增长同步。而中国则是这类国家的典型代表，因而我们预测β1>0并且β2 和 β3均不显著。我们同样预测了其他控制变量的系数的符号：
popdensityit的系数为正：人口密度越大，与污染物排放相关的生产和消费活动也就越多，因而污染排放越多。
invit的系数为负：我们用治理废气投资总额在GDP中所占比重来衡量环保政策的力度，如果政府对环保关注越多，治理污染上的投入越多，那么废气排放应该越少。
tradeit的系数为正：根据比较优势原理，国际贸易中发达国家倾向于将污染较重的劳动密集型产业转移到发展中国家，因而贸易开放度衡量了其他发达国家在贸易中对中国的影响程度，贸易越开放，就会有越多劳动密集型产业进驻，从而污染越严重。
rdit的系数为负：技术进步对环境质量改善有间接效应。技术进步可以推动经济增长转型，优化产业结构，从而污染少的高科技产业增加污染严重的劳动密集型产业减少，污染排放会相应减少。
firstit和secondit的系数都为正：在经济发展初期，发展中国家往往依靠工业发展经济，导致污染严重，环境质量下降。随着经济增长转型和产业结构优化，服务业的比重逐渐增加，此时不再依赖于能源消耗与开采，而是技术进步与生产力提高，因而工业带来的环保压力大大减少。第一、二产业的比重则衡量了这种产业结构的调整与变化。
我们用α
三、估计结果与分析
我们用计量经济学软件STATA对模型进行估计。为了准确估计模型，我们首先检验了解释变量之间的相关性，发现不存在完全线性相关性。随后我们估计了包含29个截面虚拟变量（以北京为基点）和7个时间虚拟变量（以2004年为基点）的模型。通过检验联合显著性，我们发现截面虚拟变量在0.5%的置信水平上联合显著（F（29，210） = 2.619），而时间虚拟变量在10%的置信水平上联合不显著（F（7，232） = 0.2408）。但是由于dt2 和 dt3各自分别在0.5%的置信水平上显著，我们仍然决定在模型中考虑时间效应。
对于计量模型的选择，首先我们倾向于固定效应模型而不是随机效应模型。由于每个省的个体因素如地理位置、文化习俗都不尽相同，且与当地经济发展息息相关，因而不可观察的个体效应必然与解释变量有关而不可能是随机效应。Hausman检验的结果支持了我们的选择。
接下来我们比较了固定效应模型和一阶差分模型。通过直接对模型做混合OLS回归，可以得到uit的估计值。为了检验自相关，以uit估计值作为因变量，以模型中所有变量以及uit-1估计值作为自变量做回归。回归结果中uit-1估计值的系数为30.92，p值为0.000，因而模型中存在自相关。接着我们用Δuit估计值对 uit-1估计值和所有解释变量做回归来检验单位根。uit-1估计值的系数在20%的置信水平上不显著，所以我们拒绝原假设并认为模型中不存在单位根。因此，我们选择修正自相关的固定效应模型而不是一阶差分模型作为理论模型。
最后，我们检验到了回归中存在异方差，因此我们选择修正了自相关和异方差的固定效应模型作为最终模型。由于我们在模型中加入了足够多的控制变量，不太可能出现因为遗漏变量而导致的估计误差，所以，我们认为E（uit|Xit，ai）=0在模型中成立。因此，回归估计出的系数至少满足一致性。
以下是回归模型的估计结果：
如（2）式中所示，lngdpcapitait，（ lngdpcapitait）2和 （lngdpcapitait）3的系数都十分显著，而且由估计结果得出lnSO2和lngdpcapitai的关系类似于倒N型，这与我们之前的预测的线性关系大相径庭。该如何解释估计出的曲线形状呢？近年来中国经济飞速发展，中国有从低收入国家向高收入国家转变的趋势。正如韩玉军等人[13]指出的，“高工业、高收入”的国家EKC曲线的形状呈现出倒U型，而这恰好就是倒N型曲线的后半段的形状。因此，我们认为是模型使用的最新数据所显示出的中国经济的变化导致了估计结果和预期的差异。
popdensityit的系数为负且统计上显著，说明保持其他变量不变，人口密度的增加会带来人均SO2排放的减少。这表明，对特定的污染物，我们预期的人口密度对于污染排放的促进作用并不存在。然而系数只有-0.000 5，在实证上并不显著，说明人口密度对SO2排放量的减轻作用很小。
和我们的预期不同，invit的系数为正并且在统计上和实证上都非常显著。可能的解释有以下三点：首先，治理废气的投资对于环境质量的改善是一个长期过程，很难在短期内探测到；其次，政府只保证了对治理废气的投资而缺乏对污染排放量的限制，导致许多企业为了保持收益不变弥补环保投资带来的成本增加选择扩大生产，污染排放不降反升；再次，我们应对数据的真实性保持怀疑，所谓治理废气的投资也许并非真正应用于治理废气。 tradeit的系数为负而且显著，说明贸易的开放可以减轻SO2的排放，这和我们的预期矛盾。我们在前文论证贸易开放会导致劳动密集型企业进驻发展中国家，引起污染物排放增加，然而我们忽略了贸易增加的正面效应，一方面，与环保有关的贸易协议间接促进了发展中国家环境友好型技术的开发与使用，另一方面，贸易产生的技术外溢效应可以提高发展中国家的技术水平和生产效率，从而引起污染物排放的减少。
与我们的预期一致，rdit的系数为负，但它并不显著。一个可能的解释是技术进步对于环境质量的影响是间接的，所以短期内无法显现出来。所以比如说，技术进步是通过首先改变产业结构和生产率来降低污染物的排放。因此在衡量技术进步对环境质量的影响时，我们必须考虑到这种间接效应。
firstit的系数为正而secondit的系数为负，但是它们均不显著，说明产业结构对SO2的排放量没有显著影响。
四、结论
基于面板数据分析模型，并用人口密度、环保政策、贸易开放度、技术进步、产业结构作为控制变量，我们选取了连续8年（2004―2011年）的来自全国30个省、自治区、直辖市的最新数据来检验中国是否存在倒U型EKC曲线，发现人均SO2排放量和人均GDP存在倒N型关系，并根据最新数据显示的中国经济的变化分析了导致估计结果和预期的差异的原因。
通过对回归结果中控制变量的分析，我们针对降低SO2排放量、改善环境质量提出两项政策建议：第一，仅仅处理废气是不够的，政府应加强对污染物排放量的管理和限制以真正降低污染物排放量。第二，政府应加强和其他国家的贸易往来，尤其是多进口一些环境友好型的技术和产品。
