各省经济增长与环境污染关系的研究与预测———基于环境库兹涅茨曲线的实证分析

　　内容提要：本文利用面板数据分析及其他数学分析方法，结合各省的实际数据对环境库兹涅茨曲线在我国是否存在做了实证分析，发现废气和二氧化硫的排放量数据均与ＥＫＣ模式吻合，即曲线为“倒Ｕ”型，同时对废气和二氧化硫的排放拐点进行预测。从预测的结果看：我国的区域拐点到来时间是存在很大差异的，这本质上反映了我国区域发展的不平衡性。烟尘的曲线是呈线性增加的，说明我国的某些污染物无法随着经济的发展自动进入ＥＫＣ的下降区间，需要政府在经济发展模式和经济刺激政策上做出“指挥棒”式的调整，促进科技进步对经济的贡献，淘汰高污染的企业，真正实现环境状况随着经济发展不断改善的良好态势。

　　关键词：环境污染；库兹涅茨曲线；政府政策；产业发展模式；经济增长

　　一、引言

　　１９５５年，Ｋｕｚｎｅｔｓ在研究收入分配和经济增长的关系时，认为收入分配的不公平程度和经济增长两者之间存在“倒Ｕ”型的关系，即收入分配的不公平程度随着经济的增长呈先加大后减小的趋势。

　　１９９３年Ｇｒｏｓｓｍａｎ＆Ｋｒｕｅｇｅｒ在研究中建立了环境污染程度和经济增长之间的经验性关系，如果纵轴表示环境污染程度（用人均污染物排放量表示），横轴表示经济增长（用ＧＤＰ或者人均ＧＤＰ表示），则人均污染物排放量和收入水平之间存在“倒Ｕ”型的关系。即随着收入水平的增加人均污染物排放量呈一个先增加后减少的变化趋势：随着经济的发展和收入的增加，污染情况在初始阶段呈一个逐步恶化的趋势，当经济发展到一定程度时，这种环境污染的恶化达到顶点，之后环境污染的情况逐步改善。

　　韩贵锋发现在高程的环境库兹涅茨曲线是存在的，用ＧＬＳ的空间分析技术，研究在高程带为取样样本单元以重庆市为例时，三种大气污染物的环境库兹涅茨曲线是显著的。Ｐａｎａｙｏｔｏｕ发现并不是所有的地区的发展都符合环境库兹涅茨曲线，因为库兹涅茨曲线存在的前提是该地区不存在一个环境污染承受能力极限———“环境承载阀值”，即环境系统可以无限地负担人类的污染，直到那个环境恶化的极值点到来。但是这是不符合客观规律的，因为事实上环境系统可能在这个“污染极值点”到来之前全面崩溃，从而使该地区的人类的经济活动受到毁灭性的打击，不能使经济发展到曲线的右半部分。这样库兹涅茨曲线就只剩下左半部分的逐步恶化部分了。Ａｚｏｍａｈｏｕ发现库兹涅茨曲线在很多地区是不适用的，因为环境污染和经济增长之间存在互相影响的关系，即环境污染会抑制经济增长，一个落后的经济结构会造成环境污染的加剧。Ｄａｖｉｄ发现环境库兹涅茨曲线的出现主要是政府政策干预的结果，而经济的增长主要通过市政府财政收入的增加进而加大环境治理力度而发挥作用，也就是如果不能有一个正确的政府行政政策，环境库兹涅茨曲线将不会出现。Ｚａｉｍ发现环境库兹涅茨曲线的评价指标有问题，认为环境污染的程度不能仅仅以少数几种固体气体污染物的排放量来度量，随着技术的进步越来越多的排放物能够得到治理，但是广义的环境污染还包括土地沙漠化、林场草场退化、生物多样性被破坏、全球性的气候异常等不可度量和难以治理的部分，所以传统的环境库兹涅茨曲线的结论是不准确的。

　　但是大多数的研究还是只停留在收入水平和环境污染程度的表面数量关系，这两者的内在机理仍然处于“黑箱”状态，打开黑箱弄清里面的内在作用机制是继续需要研究的工作。很多研究是以发达国家的情况为基础的，还有人估计出了大气中ＳＯ２和悬浮颗粒物的转折极值点是人均ＧＤＰ达到３６７０美元和３２８０美元，但是国外的情况与我国政府积极推动经济发展和各个地区收入差距较大的实际情况背景不同。我们国内的研究也多是针对全国进行研究，但是我们知道国内各个省经济发展极不均衡，各个省的产业结构也不同，有的省份高污染的产业较多，有的省份高污染的产业较少，各省的人均ＧＤＰ和政府财力也差距很大。针对上述情况，本文从各个省的具体情况出发利用２０００～２００９年的数据讨论具体各个省的“倒Ｕ”型曲线是否存在，并在此基础上研究各个省的拐点出现的年份，明确找出“经济—环境”这种库兹涅茨曲线关系的内在作用机理，并为进一步改善经济发展模式、建设环境友好型社会提供一些建议。

　　二、研究模型、方法及数据

　　（一）模型的选择

　　ＥＫＣ所采用模型是：ｙｔ＝β１＋β２ｘｔ＋β３ｘ２ｔ＋β４ｘ３ｔ＋ｕｔ（１）其中ｙｔ表示大气污染物的人均排放量，βｉ表示系数向量，ｘｔ表示人均ＧＤＰ。若β２＞０，β３＜０，β４＝０，曲线为“倒Ｕ”型，拐点为满足ｘｔ＝－β２／２β３条件时的ｔ值；若β２＜０，β３＞０，β４＝０曲线为“正Ｕ”型；若β２＜０，β３＝０，β４＝０，随ｘｔ的增加而线性减少，即环境污染程度呈线性下降；若β２＜０，β３＞０，β４＜０，曲线呈“倒Ｎ”型；若β２＞０，β３＜０，β４＞０，曲线呈“正Ｎ”型；若β３＞０，β３＝０，β４＝０，ｙｔ随ｘｔ的增加而线性增加，即环境污染程度呈线性上升；若β２＝β３＝β４＝０，ｙｔ和ｘｔ之间没有关系。

　　可用于ＥＫＣ实证分析的模型包括面板数据模型、截面数据模型和时间序列模型。对于截面数据模型有以下两个问题：（１）该模型暗含了一个前提，就是同一国家的不同地区以及世界上的所有国家都在环境污染和经济增长这个问题上具有相同的发展路径，这就抹杀了同一国家不同地区之间和不同国家之间的发展模式差异。因为各个地区和不同国家之间的地理、文化、资源等客观条件不同，各自的发展模式不尽相同，这种差异势必会带来产业政策和所形成的产业结构的不同。各种不同的产业发展模式对经济增长的贡献程度和环境造成的污染程度是不一样的，比如以金融业和服务业为代表的第三产业就会在对经济的增长起较大贡献的情况下造成相对较轻的环境污染，相反传统的重化工业在对经济增长产生贡献时往往造成较大的环境污染。各个国家和地区发展战略不同也会对曲线结果造成影响，比如香港、新加坡的发展战略以金融业和服务业以及新兴科技为主导，就会有较高的人均ＧＤＰ同时伴随较轻的环境污染；我国大部分地区产业都是以传统工业和低端制造业为主，这样在经济增长的同时就会造成巨大的资源消耗和较严重的环境污染。（２）使用截面模型的数据年度不易掌握，选择不同的年份数据可能对结果造成较大影响。

　　对于时间序列模型，一般需要获得较长时间的数据，而各种污染物排放的数据是从２０世纪９０年代才开始能够找到的，这样就不足以提供足够长期的数据使用时间序列模型进行实证分析。国内很多学者使用时间序列模型对数据进行分析，如李国柱（２００６）、彭水军（２００５）、李国璋（２００６），但结果均表明ＥＫＣ并不存在，这可能是因为时间数据的长度不够长以及我国不同地区之间的经济发展模式差异显著的原因造成的，这表明对ＥＫＣ的研究不太适合使用全国综合性的时间序列数据模型。

　　为了避免时间序列模型和截面数据模型的缺点，使用同时包含截面数据和时间序列数据的面板数据模型成为了一个合适的选择。选择面板数据模型（ｐａｎｅｌｄａｔａ）的优点在于：首先，面板数据模型能够同时反映变量在截面和时间二维空间上的变化规律和特征，扩大样本容量，控制个体差异性，控制内生性问题，可以包含较多数据点同时增加自由度从而提高参数估计的有效性，这样也有利于减少变量缺省造成的问题；其次，就ＥＫＣ曲线自身而言同时具备截面特征和时间维度特征，在单个地区的环境污染和经济增长的关系会随时间变化而变化的同时，不同地区的环境污染和经济增长的关系也会有所不同。这样面板数据模型能够同时体现出人均ＧＤＰ变化和地区发展差异对ＥＫＣ中环境污染变量和经济增长变量关系的综合影响。这样在进行ＥＫＣ估计时我们选择了面板数据模型。

　　（二）数据指标说明

　　我们选取了２０００年到２００９年全国全部３１个省市自治区的资料，使用工业粉尘排放量（ＤＵＳＴ）、工业废气排放量（ＧＡＳ）、ＳＯ２以及工业烟尘排放量（ＳＯＯＴ）四种指标表示环境污染程度，使用人均ＧＤＰ表示经济增长。污染物排放数据数据来源于《环境统计年鉴》，人均ＧＤＰ数据来源于《统计年鉴》。人均污染物排放量由环境统计年鉴上的总排放量除以当期该地区人口得到，与经济总量指标ＧＤＰ相比，人均ＧＤＰ能够更好和人均污染物排放量相比较从而更真实地体现经济增长和环境污染的关系。

　　（三）估计方法说明