中国入世以来的对外贸易与环境效率:基于分省面板数据的统计分析

宋马林，张琳玲，宋 峰

(安徽财经大学管理统计研究中心，安徽蚌埠233030)

一、引言

自2001年12月11日中国正式加入世界贸易组织(World Trade Organization，WTO)并成为其第143个成员以来，对外贸易持续快速发展，取得了令世人称道的成就。十年来，中国与其它国家和地区在经济、贸易、科技、文化等各个领域广泛交流合作，货物贸易额上升到全球第二位，其中出口额已经跃居第1位，进口额累计达7.5万亿美元;累计吸收外商直接投资7595亿美元，稳居发展中国家首位;对外直接投资也年均增长超过40%，2010年以688亿美元居世界第五位①参见胡锦涛“在中国加入世界贸易组织10周年高层论坛上的讲话”，http://news.xinhuanet.com/。但是，伴随着中国对外贸易和经济的快速增长，资源利用效率偏低、环境质量持续下降，以及环境损失不断增加等问题也日益凸显②参见“Cost of Pollution in China:Economic Estimates of Physical Damages”，http://web.worldbank.org/.。据2010年世界环境绩效指数(Environmental Performance Index，EPI)的测算，中国的得分为49.8分，在163个国家和地区中仅列第121位，较2008年下降了16位③参见“Iceland Leads Environmental Index as U.S.Falls”，http://epi.yale.edu/Home。可见，尽管入世以来，中国的环境保护法规对环境违法行为的管理日趋严格，环境保护方面的污染物排放标准也不断提高，但是环境治理工作依然任重而道远。因此，中国在推动对外贸易、发展经济的同时，必须进一步加强环境保护的力度，效率的提升便是其中的核心环节之一。这既是建设资源节约型、环境友好型社会的客观要求，也是实现可持续发展的必经之路。与此同时，入世十年来，中国对外贸易总量的快速增长和结构的巨大变化，也必然会影响环境质量和环境效率的走向。

因此，在中国加入WTO十周年之际，本文拟以环境效率的测度为基础，实证分析影响环境效率的各种因素及作用效果。特别地，本文将注重分析入世前后对外贸易对环境效率的差异性影响，以及贸易结构对不同地区环境效率影响的空间异质性问题。这既有助于中国从宏观层面把握对外贸易的政策方向，也有助于不同地区有的放矢采取措施进行贸易结构的调整。

本文的结构安排如下:第二部分是文献回顾;第三部分为省级环境效率值的测度;第四部分开展环境效率影响因素的分位数回归分析;第五部分运用变系数面板数据模型检验各省的外贸进口、出口对环境效率影响的空间异质性特征;最后一部分是结论与政策建议。

二、文献回顾

一般认为，对外贸易是经济增长的主要动力之一，而一些产品进出口带来的环境污染问题又制约着本国经济的可持续发展。因此，国际上不少学者从理论与经验分析两个角度研究了外贸与环境间关系。Grossman和Krueger(1991)首次建立了贸易的环境效应分析框架，并将国际贸易的环境影响分解为规模效应、结构效应和技术效应3个方面［1］。Dua和 Esty(1997)指出，作为全球贸易自由化的结果，各国必然会以牺牲环境为代价来追求竞争力的提高，出现所谓的“向底线赛跑”，而且，各国会努力将肮脏产业从本国转移到环境管制相对宽松的国家［2］。与Dua和Esty的观点有所差异，Antweiler等(2001)运用回归分析的方法研究了一国贸易开放度与环境质量的关系，认为贸易自由化有利于环境保护［3］。Cole(2004)在Antweiler等提出的ACT模型的基础上，研究发现贸易引致的结构效应比贸易引致的规模效应、技术效应和非贸易引致的直接结构效应小得多，而且采用不同的污染物指标得到的各类效应的强度亦有所差别［4］。Managi等(2009)将贸易开放和收入水平作为内生变量，取SO2、CO2和BOD排放量作为环境变量，从短期和长期效应分析贸易开放对OECD和非OECD成员国环境质量的影响，其结果表明，贸易对环境是否会产生有利影响，取决于污染物的种类和国别［5］。

国外学者对贸易和环境因素的研究，尽管在思路和方法上有所不同，但都认同对外贸易对一国环境质量的重要影响。在中国，日趋严重的环境问题也受到学者们越来越多的关注。如张连众等(2003)利用我国2000年31个省份的SO2排放量的截面数据研究发现，贸易自由化对我国的环境保护有利［6］;宋马林等(2010)利用变系数面板数据模型拟合影响因素，得到了资金对环境的影响系数，指出各省份政府应因地制宜的制定引进外资的策略［7］。近年来，为了描述治理环境所耗费的投入，不少学者开始引入“环保效率”或“环境效率”的概念，并基于此探讨对外贸易的影响。所谓环境效率，是指在相同的投入预算下，产出尽可能少的污染物和尽可能多的期望产出。这方面的研究尚处于起步阶段，成果较少。在已有的文献中，王兵等(2008)运用基于松弛变量(SBM)的方向性距离函数测度了30个省份的环境效率，并在此基础上研究了环境效率的影响因素，结果表明，FDI提高了环境效率，而工业化水平则对环境效率有显著的负作用［8］。杨俊等(2010)研究发现人均GDP与环境效率正相关，而工业比重的上升以及贸易自由化则不利于环境效率的提高［9］。曹秀芬等(2011)则利用面板平滑转换模型深入分析产业结构、能源消费结构、技术进步、对外开放程度及电力价格五大因素对电力能源效率以及环境的影响程度及影响机制［10］。上述不少结论在李茜和毕如田(2012)的研究中得到了验证［11］

国内外学者对外贸与环境间关系的研究取得了一定成果，但多数研究只是从总量角度来探讨一国整体的对外贸易与某些环境变量之间的关系，忽视了贸易结构的影响作用，且也较少有学者考虑对外贸易在一国内对环境效率影响的空间异质性问题。本文期望能弥补上述不足，并提供有针对性的政策建议。

三、环境效率的测度

(一)Super－SBM模型简介

根据前文的定义，环境效率的基本思想是以较少的投入获得更多的期望产出，并尽可能地削减非期望产出的存在。Tone(2004)在此思路下构建了非角度和非径向的非参数Super－SBM模型，即基于松弛变量测度的DEA效率分析方法，可有效解决相关效率的测度问题［12］。非角度和非径向的Super－SBM模型比以往的DEA模型具有如下几个方面的优点:一是充分考虑并较好解决了非期望产出问题;二是有效解决了投入产出的松弛性问题;三是解决了效率值同为1的决策单元的排序问题。

假设生产系统有n个决策单元，每个单元均有3个投入产出向量:投入、期望产出和非期望产出(如生产过程中的环境污染等)，对应的元素表示为 Xj=(x1j，x2j，…，xmj)T，Uj=(u1j，u2j，…，upj)T，将SBM模型写成规划的形式:

(二)各省环境效率值的测算

鉴于数据的可得性，同时考虑入世前后进出口对环境效率的影响可能不同，本文选取入世前一年2001年到入世后最新可查询到的2010年的中国大陆30个省份(不包括西藏)的数据。借鉴已有的研究成果，取各省份2001年至2010年能源消费总量、固定资产总额和年末从业人员为投入指标，将各省份GDP、各省“三废”排放量作为产出，其中，前者为期望产出，后者为非期望产出。数据来源为历年《中国统计年鉴》。

表1 主要年份数据的描述性统计分析结果

在计算各省市的环境效率值之前，先对选取的各个指标进行描述性统计，分别选取了2002、2004、2007、2010年份的数据进行分析，具体分析结果如表1。

从表1可以看出，各要素的平均值大都呈递增趋势，其中劳动力增长的趋势最慢;GDP则以10%左右的年均速度保持稳步增长;固定资产投资在这9年中翻了近6.5番，平均每年以71.7%的速度高速增加;能源消费量的增长速度则是“先快后慢”;而工业三废中，除了废水近些年排放量有所下降，废气和固废排放依然在逐年增长。

利用式(1)的Super－SBM测度模型，表2给出了中国大陆各省份的环境效率值。总体上看，我国各省环境效率值总体偏低，并呈现略微下降的趋势。其中内蒙古、山西、广西、河南、宁夏、辽宁、黑龙江等中西部省市下降幅度比较大，而东部区域的环境效率值相对变化较小。特别地，黑龙江、辽宁等属于老工业基地，对资源的消耗比较大，污染程度也比较严重;山西是资源大省，经济增长很大程度是建立在资源消耗基础之上，对环境的破坏也较严重。效率值较高的省份为北京、上海、广东、海南、黑龙江和天津，这些省市的经济比较发达，用于污染治理的投入比较充裕。环境效率值较低的省份为宁夏、青海、陕西和重庆，这些省市处于中国西部和中部地区，经济相对东部比较落后，污染治理投入较为有限。特别地，北京、广东与上海三省市一直处于环境前沿面(表现为效率值始终大于或等于1)，其在经济快速发展的同时，对于污染处理的投入也比较高，环境效率值处于较高水平，是评价其他各省环境效率的标准，在环境友好型社会的创建中起到领军作用。其中北京自2002年起的环境效率值就超越了上海，处于全国最高水平，这可能与北京在举办奥运前后，大力发展生态城市、改善环境质量有关。从表2看出，这与传统上认为落后地区工业不发达，对环境污染程度较小，环境质量状况可能要优于发达地区并不一致，即我国东部地区不仅经济上处于领先地位，且在减少污染排放，提高环境质量方面也明显高于中西部地区。

表2 2001－2010年我国各省环境效率值

需要说明的是，本文所测算的环境效率是相对值，环境效率值较高的省份只是离生产性前沿面较近，并不是没有改善的空间。

为了更清晰明了地说明我国入世前后环境效率影响因素的变化情况，下面本文利用分位数回归并结合OLS估计结果进行相关对比分析。

四、分位数回归分析

分位数常常被用作代理变量(潘慧峰，2011)［13］，而分位数回归方法是 Koenker和 Bassett(1978)最早提出来的［14］。从理论上看，分位数回归是对均值回归的延伸，可在各分位点上估计整体模型，如中位数回归、四分位回归等。在满足高斯－马尔可夫假设前提下，一般均值回归模型可表示如下:

其中 α0，α1，α2，…，αk为变量的估计系数。类似于均值回归模型，定义分位数回归模型如下:

对于分位数回归模型，可采取线性规划法(LP)估计其最小加权绝对偏差，从而得到解释变量的回归系数，可表示如下:

求解得:

其中，ρx(t)=t(τ－ I(t＜0))，τ∈(0，1)。在不同的τ分位数下，分位数回归方法可得到不同的估计系数。随着τ取值由0至1，可得所有y在x上的条件分布轨迹，即一簇曲线，而不像OLS等方法只得到一条曲线。因此，当希望对一个数据集合中分布在不同位置的数据点进行研究时，采用分位数回归是一种良好的选择。

(一)计量模型设定

上文分析得到各省市的环境效率在入世后出现了普遍的下降，而加入WTO以后，主要是通过进出口来影响环境效率的，因此有必要讨论入世前后我国各省份的进出口对环境效率的影响是否一致。我们还考虑了可能的环境效率影响因素，包括经济增长，工业化程度及地方政府的财政分权能力等3个影响变量。进而，本文首先设定基于OLS回归计量模型如式(6)，并分别以入世前的2001年和入世后的2010年作为代表年份，以考察入世前后不同变量的影响作用。其中，TE表示包含污染变量的效率值，即环境效率，通过上文Super－SBM模型计算得到。β0表示截距项;RGDP表示各省以1978年不变价衡量的人均GDP，EX和IM分别表示各省按境内目的地和货源地分货物出口和进口总额;GY表示工业化水平，使用各省份工业总产值除以对应省市的地区生产总值表示。CZ表示财政分权，参考杨俊等(2010)对财政分权的定义，以各省份本级财政支出占总财政支出的比重为代表。2001年和2010年对应的数据分别通过《中国统计年鉴2002》与《中国统计年鉴2011》计算整理得到。

(二)回归结果分析

由于选取数据年份较多，列出全部信息会显得文章比较冗杂，但又必须能反映我国入世前后环境效率影响因素的差异，因此为了便于说明问题，本文特别选取了2001年和最近一年即2010年的数据进行了比较。

从表3的结果可以看出，2001年OLS估计系数表明人均GDP、进口与工业化水平都与环境效率正相关，而财政分权、出口与环境效率负相关，但是各因素对环境效率的影响均不显著，其中只有人均GDP和出口对环境效率的作用方向与2010年相同，其余影响因素的作用机制在入世之后均发生了改变。比较入世前后的分位数回归系数可以看出，出口在2010年对环境效率有显著的负向作用，而在入世前的2001年出口值则仅仅显著地对0.1分位数的环境效率有负面效应，其余分位数上则不显著，这在一定程度上说明了入世以后我国各省份出口的增加对环境的破坏有所加重。在环境效率较低分位上，工业化水平的提高有利于环境效率值的提高，这可能是由于工业化水平拉动经济增长的正面效应大于环境污染的负面效应;而在环境效率较高地区，工业化水平的提高则不利于环境效率的改善。2001年的估计系数表明财政分权不利于环境效率的提高，其原因可能由于地方政府过度注重经济增长，忽视了民众对良好环境的诉求。而2010年财政分权对环境效率则有正向作用，这说明地方政府在近些年更加注重提供合意的公共品和服务，以吸引自由流动的居民和资源，体现了尊重民意的倾向和意愿。

表3 2001年和2010年环境效率影响因素的分位数回归与OLS回归结果

为进一步说明不同分位数下各系数估计的波动情况，图1给出了相应的示意。可以直观的看到，人均GDP、0.5分位以下的工业化水平及进口都显著的提高了环境效率。但出口的回归系数仅在0.1分位下显著为负，其余分位估计系数则不显著，而2010年出口对环境效率的影响都显著为负，这说明了我国近些年出口的增加造成了环境的恶化，出口结构亟待优化。2001年的财政分权不利于改善环境效率，而2010年则显著的改善了环境效率，说明地方政府逐渐尊重民意，注重保护环境，从而吸引优秀的人才和资源。

图2中人均GDP、财政分权和进口的估计系数基本在0以上波动，表明三个因素对环境效率正向作用是稳定且显著的，而工业化水平和出口的系数则因一直在0之下而对环境效率有显著的负面效应。

基于2001年和2010年截面数据的分位数回归的比较分析表明，人均GDP、财政分权对环境效率有显著的正向影响，而工业化水平对环境效率具有显著的负面效应。但是出口和进口对环境效率影响的显著性、作用方向和力度是不确定的，这可能是忽略了各省份的空间异质性造成的，所以，我们将使用变系数的省级面板数据模型进一步检验各省份进口和出口对环境效率影响表现出的空间异质性。

图1 2001年环境效率各影响因素估计系数分位图

图2 2010年环境效率各影响因素估计系数分位示意

五、空间异质性检验

中国区域广泛，各省份在区位、经济发展、产业结构、资源禀赋、对外贸易等各个方面都存在较大的差异性，前文的分析也得出了环境效率存在显著不同的结论。为揭示不同省份对外贸易结构对环境效率影响的效果差异，本文从空间异质性的角度做进一步的分析，以利于各省份有的放矢的采取相应贸易策略。鉴于数据的可得性及一致性，又由于中国加入WTO是在2001年年底，我们以2002年为起点，选用了2002－2010年间我国30个省份(西藏除外)的面板数据进行分析。由于对外贸易包括出口和进口，两者对环境效率的作用方向和影响力度很有可能存在差异，所以分开考察。选取各省出口增长率、进口增长率和环境效率3个指标进行分析。其中，出口和进口增长率根据历年《中国统计年鉴》计算获得、环境效率即源于表2。

(一)面板单位根检验

为避免环境效率与出口和进口之间可能存在伪回归的现象，首先需要进行单位根检验。面板单位根检验方法与时间序列数据单位根检验的方法有所区别，相同根的检验方法主要包括Breitung检验［15］、LLC 检验［16］和 Hadri检验［17］;不同根的检验方法有 Fisher－ADF、IPS检验［18］以及 PPFisher检验［19］。Breitung检验、LLC 检验、IPS 检验和Fisher－ADF检验的原假设是含有单位根，备择假设是不含有单位根;Hadri检验的原假设和备择假设与之相反。本文采用 LLC检验、Fisher－ADF检验、PP－Fisher chi－square检验三种检验方法，表4给出了所用数据和变量的面板单位根检验结果。

表4 面板数据的单位根检验

检验结果表明，环境效率、出口增长率和进口增长率这三个变量均为平稳变量，因此可以直接建模分析，不存在伪回归现象。

(二)变系数模型检验

变系数模型是对经典线性模型的延伸［20］。对出口和进口对环境效率影响的显著性进行检验，设定变系数面板数据模型如下:

从表5的回归结果可以看出，各省份的出口和进口对环境效率影响的显著性、方向和力度存在较为明显的差异。福建、海南、江西、辽宁、四川、浙江、山西等7个省份的出口对环境效率的影响显著。在作用方向上，山西的出口对环境效率的作用方向是正向的，其他6个省份的出口对环境效率作用方向为负向的。安徽、福建、广西、江苏、江西、辽宁、四川、新疆、浙江、宁夏等10个省份的进口对环境效率的影响是显著的，前九个省份进口对环境效率的作用方向是正向的，而宁夏的进口对环境效率作用方向为负向的。由于国外倾向于引进污染程度大的商品，相对国内而言，出口对本国环境就会产生破坏，因而大部分省份出口对环境效率的影响系数是负的。相反，进口对其的影响系数就是正的。同时，从数值大小也可看出，各省份的进口和出口对环境效率的影响力度存在明显的差异。

表5 出口和进口对环境效率影响程度检验

表6 各省份分类

(三)各类型省份的空间分布

为了了解各省份外贸对环境效率影响情况的地理分布情况，现将出口和进口对环境效率影响都显著或有一方面影响显著的省份定义为外贸对环境效率高作用的省份。从空间分布来看，高作用地区大都处于中东部。

将Super－SBM模型测度的各省环境效率值的均值按照降序排列，定义前十名为环境效率值高，其余的定义为环境效率值低，结合变系数模型的回归结果，可以将研究的30个省份分为4种类型:高环境效率与高外贸对环境效率影响(高－高)类型，低环境效率与高外贸对环境效率影响(低－高)类型，高环境效率与低外贸对环境效率影响(高－低)类型和低环境效率与低外贸对环境效率影响(低－低)类型，并将这四种类型进行了归类，见表6。

本文用图3直观的描绘了各类型省份的分布状况。并将高－高类型与低－低类型定义为正相关，将低－高类型与高－低类型定义为负相关。从图3中可以看出，负相关的省份大部分在东部，正相关的省份大部分在中北部。

从表6可以看出，江苏、浙江、海南属于环境效率较高，但是外贸对其环境效率影响也较大的省份，这3个省份的经济发展较快，但是对资源和环境的依赖性大，导致外贸总额增加的同时环境效率受影响大。宁夏、福建等9个省份环境效率较低，受对外贸易的影响较大，这些省份经济发展相对较慢，亟需发展对外贸易来拉动本地区的经济发展，高污染、高能耗产品的进出口对环境效率影响很大。上海、北京、天津等这7个省份环保投入充裕，环境效率很高，同时受对外贸易影响也不显著。青海至甘肃这11个省份环境效率低，同时受外贸影响降低的也不显著，这主要是由于这些省份环境效率已经很低，对外贸易对其影响不明显。从这四个类型省市的经济发展情况来看，就相当于处于一条S曲线的不同位置，其中高－低类型和低－低类型分别处于成熟阶段和起步阶段，这两个阶段斜率都比较小;低－高类型和高－低类型均处于发展阶段，斜率都比较大，两者的区别是前者的斜率仍有增大的趋势，而后者则逐步趋于平缓。对于不同的类型，政府要根据所处的阶段特征，结合各省市自身的特点制定相应的发展策略。

图3 各类型省份的空间分布

六、结论与政策建议

本文以能源消费总量、固定资本形成总额和年末从业人员为投入，将GDP作为期望产出，“三废”排放量作为非期望产出，运用Super－SBM模型测度了2001－2010年中国30个省份的环境效率，然后运用分位数回归比较分析了中国入世前后的2001年和2010年人均GDP、工业化水平、财政分权、进口以及出口对环境效率的影响，采用变系数面板数据模型进一步检验了进口和出口对环境效率影响在显著性、方向和力度方面存在的空间差异，最后按环境效率的高低和进出口对环境效率影响是否显著将其分为高－高、低－高、高－低和低－低类型。实证结果表明，入世以来，我国大部分省份的环境效率呈现略微下降的趋势，而西部地区环境效率值下降速度快于东部地区，我国东部地区不仅经济上处于领先地位，而且在减少污染排放，提高环境质量方面也明显优于中西部地区，其中，北京、上海、广东在创建环境友好型城市起到领军作用，是其他省份环境效率的标杆。

分位数回归得到了更为丰富的结论:我国近些年出口的增加是环境效率下降的原因之一，出口结构亟待优化。同时，入世之前，工业化水平并非一直抑制着环境效率的提高，部分地区工业化水平拉动经济增长的正面效应高于环境污染的负面效应;2001年的财政分权不利于环境效率的改进，而2010年则显著的改善了环境效率，这说明地方政府开始注重保护环境。使用2001年和2010年的省级截面数据考察环境效率的影响因素时，OLS回归与分位数回归均表明人均GDP增加有利于环境效率的改进，这也验证了环境库兹涅茨曲线Environmental Kuznets Curve(EKC)的假说。

各省份的出口和进口对环境效率影响的显著性、作用方向和力度呈现明显的空间异质性。福建、海南、江西、辽宁、四川、浙江等6个省份的出口对环境效率具有显著的负面效应，而山西的出口对环境效率有显著的正向影响。安徽、福建、广西、江苏、江西、辽宁、四川、新疆、浙江等9个省份的进口对环境效率具有显著的正向影响，而宁夏的进口对环境效率具有显著的负面效应。各省份的进口和出口对环境效率的作用力度同样存在明显差异。因此，各省份制定提高环境效率的策略时应因地制宜，区别对待，分类实施。在对外贸易与环境保护，经济效益与社会效益之间寻求最佳平衡点，实现经济增长与环境保护的相互协调，经济与社会效益相互促进，尽量减少外贸对环境造成的破坏。要优化贸易结构，积极鼓励技术先进、污染少的产品出口，对于环境破坏程度大的产业要适当控制，坚决不能以牺牲环境来换取经济的快速发展。同时，在完善环境保护法律法规的同时，加强公众环保意识。

实证结果还表明，高外贸对环境效率的影响在不同省份是不尽相同的，可以分为两类。这两类省份的经济发展水平不同，浙江、江苏和海南这3个省的经济发展相对较快，并且处于上升阶段，政府要抓住大好形势积极引导一些低污染出口产业的发展，同时进口一些高污染产业的产品，使得经济高速发展的同时提高环境效率水平。而对于第二类像宁夏、安徽这样的省份大部分位于中部和西部，经济发展相对缓慢，对一些高能耗、高污染的产业依赖性较大，政府要在保证经济发展的同时，大力推进绿色产业的发展，同时规范环保制度，坚决抵制以牺牲环境来换取经济发展的行为。对于低外贸对环境效率降低作用的两类省份，其经济发展程度则分别居于两个极端，一端是由于经济发达，环保经费充裕，环境效率受外贸影响小;另一端则是由于经济发展太慢，环保投入太少，过低的环境效率使得其受外贸影响变化的幅度也不明显。对于前者，政府要积极保持，并作为其他省份的参照标准;对于后者，环境效率低的省份通常减排的潜力大，环境效率提升的空间大，因此在发展经济的同时要注意环境的保护，避免走“先污染，后治理”的道路。

需要进一步说明的是，一般认为，对外贸易与环境的恶化和自然资源的衰竭是成正比的。据此，对外贸易规模最大的省份应该是环境质量最差的省份。而实证分析结果恰好与此相反，北京、上海、天津等贸易总额比较大的省份，在环境保护方面却处于领先地位。然而，贵州、新疆等省份贸易总额相对其他省份比较落后，环境质量却无明显改观。可见，发展对外贸易并非必然导致环境恶化，相反，从本文得到的结果来看，贸易中的进口部分对环境有改善作用。对外贸易是经济增长的引擎之一，外贸与环境的关系同经济与外贸的关系是一致的。而由于青海、甘肃等省份目前还处于经济起飞阶段，能源消耗大，且这个阶段随着经济的发展人均收入水平提高，而这种提高往往用于消费，没有多余的资源用于改善环境，所以随着经济的增长，污染也不断增加。北京、上海、天津等省市经济相对比较发达，随着经济的发展当人均收入达到一定的界限后，人们会把额外的资源用于改善环境，且这些省市的科学技术也比较先进，使得生产生活过程中造成的环境破坏有所减弱。

［1］Grossman G M，Krueger，A.B.Environmental Impacts of a North American Free Trade Agreement，National Bureau of Economic Research［J］.Working Paper，1991，3914.

［2］Dua A，Esty D C.Sustaining the Asia Pacific Miracle:Environmental Protection and Economic Integration［M］.Washington DC:Institute for International Economic，1997.

［3］Antweiler W，Copeland B R，Tayor M S.Is Free Trade Good for the Environment?［J］.American Economic Review，2001，91(4):877 －908.

［4］Cole M A.Trade，the Pollution Haven Hypothesis and the Environmental Kuznets Curve:Examining the Linkages［J］.Ecological Economics，2004，48(1):71 －81.

［5］Managi S，Hibikic A，Tsurumi T.Does Trade Openness Improve Environmental Quality?［J］.Journal of Environment Economics and Management，2009，58(3):346 －363.

［6］张连众，朱 坦，李慕菡，等.贸易自由化对我国环境污染的影响分析［J］.南开经济研究，2003(3):3－6.

［7］宋马林，王舒鸿，汝慧萍，等.基于省际面板数据的FDI绿色创新能力统计分析［J］.中国软科学，2010(5):143－151.

［8］王 兵，吴延瑞，颜鹏飞.环境管制与全要素生产率增长:APEC的实证研究［J］.经济研究，2008(5):19－32.

［9］杨 俊，邵汉华，胡 军.中国环境效率评价及其影响因素实证研究［J］.中国人口.资源与环境，2010(2):49－55.

［10］曹秀芬，杨桂元，宋马林.中国电力能源效率影响因素研究［J］. 科学决策，2011(11):76－93.

［11］李茜，毕如田.基于“两型”社会背景下资源型经济转型的资源环境经济协调发展［J］.科学决策，2014(4):56－68.

［12］Tone.Dealing with Undesirable Outputs in DEA:a Slacks－Based Measure(SBM)Approach.Presentation at NAPW III，Toronto，2004.

［13］潘慧峰.全球主要石油市场间的信息溢出效应分析［J］.科学决策，2011(2):9－37.

［14］Koenker R，Bassett G.Regression Quantiles［J］.Econometrica，1978，46(1):33 －50.

［15］Breitung J.The Local Power of Some Unit Root Tests for Panel Data，Advances in Econometrics//B. Baltagi.Nonstationary Panels，Panel cointegration，and Dynamic Panels，Advances in Econometrics，JAI:Amsterdam，2000(15):161－178.

［16］Levin A，Lin C F，Chu C S J.Unit Root Tests in Panel Data:Asymptotic and Finite － sample Properties［J］.Journal of Econometrics，2002，108(1):1 －24.

［17］Hadri K，Larsson R.Testing for Stationarity in Heterogeneous Panel Data Where the Time Dimension is Finite［J］.E-conometrics Journal，2005，8(1):55 －69.

［18］Im K S. ，Pesaran M H，Shin Y.Testing for Unit Roots in Heterogeneous Panels［J］.Journal of Econometrics，2003，115(1):53－74.

［19］Maddala G S，Wu S W.A Comparative Study of Unit Root Tests with Panel Data and A New Simple Test［J］.Oxford bulletin of Economics ＆ Statistics，1999，69(0):631－652.

［20］Lu Y Q，LI Y －P.The Latest Progress in Varying－Coefficient Models［J］.Chinese Quarterly Journal of Mathematics，2009，24(4):475 －484.