基于向量自回归模型的江苏省经济增长与环境污染关系的实证研究

童纪新,朱 园

(河海大学商学院,江苏南京 211100)

基于向量自回归模型的江苏省经济增长与环境污染关系的实证研究

童纪新,朱 园

(河海大学商学院,江苏南京 211100)

基于江苏省1985—2013年经济增长与环境污染的相关数据,建立经济增长与环境污染的向量自回归(VAR)模型。在VAR模型估计的基础上,利用脉冲响应函数和方差分解分析江苏省经济增长与环境污染之间的双向作用机制。研究发现:江苏省经济增长与环境污染之间存在双向作用机制,并且经济增长对环境的影响大于环境对经济增长的反作用;江苏省经济增长对环境污染的主要表现形式为工业固体废弃物,而对江苏省经济增长影响较大的污染物为工业固体废弃物(抑制)和工业废气(促进)。针对分析结果,提出优化产业结构配置,改进生产技术、提升“工业三废”污染治理水平、加大环保投入、完善环保法规等政策建议。

经济增长;环境污染;VAR模型;双向作用机制

中国经济自改革开放以来一直保持高速增长, 2010年已发展成为世界第二大经济体。经济发展的同时,中国也付出了惨重的环境和资源代价,尤其是进入21世纪以来,随着快速工业化,环境污染趋势加剧,环境质量严重恶化。江苏省作为我国的经济大省,综合经济实力在全国一直处于前列。自改革开放以来,地区生产总值已由1978年的249.24亿元上升至2013年的59161.75亿元。伴随着经济发展,江苏省主要污染物排放量也呈显著上升趋势。这种情况的出现,是否说明江苏省经济增长是以污染环境为代价的呢?江苏省经济增长与环境污染之间存在怎样的内在关联?对这些疑问的解答,不仅有利于江苏省在“十三五”期间实现可持续发展,还能对长三角地区乃至全国其他城市的发展起到启示作用。

综观国内外已有的研究成果,多数研究证明经济增长与环境污染之间存在双向作用机制。国外对该问题的研究先于国内,其中Grossman等[1]开创性地研究发现了环境污染与人均收入之间的倒U型曲线关系。Panayotou[2]在进一步证实环境污染与人均收入之间存在倒U型关系的基础上,首次将该倒U型曲线定义为环境库兹涅茨曲线,即EKC曲线。EKC理论提出之后,国外学者通过选择不同的研究方法、指标、数据类型(主要有截面、面板、时间序列数据)验证特定国家或地区的经济增长与环境污染之间是否符合EKC理论,研究结果进一步拓展了EKC曲线可能存在的形态特征,大体分为倒U、正U、正N(倒U+U)或倒N(U+倒U)。国内对两者之间关系的实证研究主要开始于2000年以后。代表性文献有:包群等[3]通过构建联立方程组、刘金全等[4]采用线性和非线性方法、韩旭[5]运用时间序列研究方法对我国经济增长与环境污染之间是否遵循EKC规律进行实证研究,结论不尽相同,EKC理论在中国是否存在还不确定。在以全国所有省市为研究对象的同时,许多学者开始以具体省份或城市作为研究对象。丁继红等[6]以江苏省为例,创新性使用主成分分析法构建污染综合指数,得出该指数与人均GDP呈N型曲线特征的结论。彭立颖等[7]以上海市为研究对象,通过回归分析发现上海市主要4项污染物与人均GDP之间的关系遵循倒U型规律,并进一步探讨了上海市EKC演变的驱动因子。王宜虎等[8]借助EKC理论模型对南京市进行研究发现,南京市经济发展的同时环境污染得到遏制,部分污染指标符合EKC倒U型曲线关系,政府的环境政策与环保投资取得一定成效。

由以上研究成果可以看出,大多数学者研究的重点是中国所有省份的经济增长与环境污染是否遵循EKC规律,由于指标选取及量化、模型设定等方面的差异,各学者得出的结论也不尽相同。同时,在已有的研究中,利用时间序列对具体省份的研究较少,利用VAR模型进行研究的文献更是少见,基于此,笔者将通过VAR模型考察江苏省经济增长与环境污染之间的双向动态作用机制,并运用相关理论进行解释。

1 研究方法与数据说明

1.1 研究方法

参考已有文献,笔者通过构建VAR模型,运用协整理论对进行过平稳性检验的指标变量之间是否具有长期均衡关系进行研究;再选用脉冲响应函数分析当一个误差项发生变动时,整体系统会受到怎样的动态影响;为评价两类变量相互之间冲击的重要程度,进一步运用方差分解来考察。最终结合以上分析给出结论与建议。

VAR模型是西姆斯1980年提出的一种可以很方便地进行指标变量之间动态性分析的动态联立方程模型,各方程由相同的解释变量组成,通过把系统中每一个内生变量作为系统中所有内生变量滞后值的函数来建立模型。与传统联立方程模型相比, VAR模型很好地克服了在内、外生变量之间划分、估计与推断等方面的不足[9]。

VAR(p)模型的数学表达式为

式中:yt为k维内生变量列向量;xt为d维外生变量列向量;p为滞后阶数;T为样本个数;Φ1,…,Φp为k×k维矩阵;H为k×d维矩阵;εt为k维扰动列向量,并满足cov(εt,εs)=0(t≠s)。

VAR模型的数学表达式也可以展开表示为

即k个方程组成了含有k个时间序列变量的VAR(p)模型。

1.2 数据说明

考虑到人均GDP相对于总量GDP更能准确地衡量真实的经济发展水平,笔者选取人均GDP(元)指标来度量经济增长,具体根据人均GDP平减指数与1985年不变价格进行平减[10]。污染物排放量与污染集中度是以往研究中较多采用的环境污染度量标准,根据江苏省环境污染的主要污染源及数据的可获得性,笔者采用污染物排放量指标,具体选取1985—2013年以来的3类指标:工业废水排放量(亿t)、工业废气排放量(亿标m3)、工业固体废弃物产生量(万t)。为了获得平稳性的时间序列,对所有指标数据进行对数化处理,目的是为了消除变量在量纲上的差异以及在时间序列中可能存在的异方差(表1)。数据由历年《江苏统计年鉴》和《江苏省环境状况公报》整理及计算而得。

2 VAR实证研究

2.1 变量的单位根检验

变量的平稳性对VAR模型估计的可靠性以及避免伪回归具有很大影响,因而首先必须检验变量的平稳性。数据平稳性检验的方法很多,笔者选用最为常用的ADF检验。检验前先观察时间序列的特征,看是否存在截距项和时间趋势项。根据表2的结果,在各显著性水平下,P1、W1、G1、S1这4个时间序列均不能拒绝存在单位根的原假设,属于非平稳序列。经过一阶差分后ADF值均小于10%显著性水平下的临界值,满足进行协整检验的前提条件。

2.2 VAR模型的建立

根据ADF检验得出的结论,笔者将以江苏省人均GDP、工业废水排放量、工业废气排放量、工业固体废弃物产生量为因变量,上述变量的滞后值为自变量来构建VAR模型。依据AIC(赤池信息量准则)和SC(施瓦兹准则)最小准则(表3),进一步确定VAR的滞后阶数为4阶,建立VAR(4)。最后通过AR特征根图判定VAR模型的平稳性,若所有特征根倒数的模均小于1,即所有特征根倒数的模都在单位圆内,则VAR模型平稳;反之,不平稳。从表4可见所有特征根倒数的模均小于1,且在单位圆内,因此该VAR模型是稳定的。

表1 变量定义

表2 单位根检验结果

表3 VAR模型最优滞后期

表4 AR根

2.3 Johansen协整检验

协整检验的目的是为了判定各变量之间是否有长期稳定的关系。常用的方法有EG两步法和Johansen协整检验法,前者最多只能用于判别多个变量存在的一个协整关系,后者常用于多变量协整分析,因此笔者将采用Johansen协整检验法。在上文模型的条件下,选取滞后阶数为4、且无常数项和时间趋势项的检验方式。表5的检验结果表明:按迹统计量标准,VAR模型的变量在1%显著性水平下存在2个协整关系,在5%和10%显著性水平下均存在3个协整关系;按最大特征根标准,VAR模型的变量在1%、5%、10%显著性水平下分别存在1个、2个、3个协整关系。以上结果说明3类环境变量与人均GDP之间具有长期稳定的关系,且人均GDP与工业废水、工业废气呈负相关,与工业固体废弃物呈正相关。

2.4 基于VAR模型的脉冲响应分析

在上述分析的基础上,笔者将使用脉冲响应函数分析人均GDP与3类污染物指标之间的动态影响关系。脉冲响应函数是用以测量随机扰动项的标准差冲击影响其他变量当前及未来的取值,可直接反映变量之间的动态影响机制。笔者选取滞后期间数为10的脉冲响应模型[11]。

表5 Johansen协整检验结果

a.3类污染物指标对经济增长的脉冲响应分析。由图1可看出工业废水一直呈现负值,前2期较为平稳,从第3期开始下降,至第5期达到最小(响应值为-0.019 6),随后逐渐递增,并在第10期达到最大(响应值为-0.004 6);工业废气除在第2期有正增长外,其余各期均为负增长,从第3期持续下降,到第8期后转为上升;工业固体废弃物在前6期均为正增长,并在第3期达到最大(响应值为0.04267),在第4～10期内呈持续下降趋势。进一步将3类污染物对经济增长的各期冲击响应值进行累加,其中工业废水为-0.126 5、工业废气为-0.132 2、工业固体废弃物为0.098 3。以上分析结果表明江苏省经济增长将导致工业固体废弃物产生量增加,工业废水与工业废气的排放量减少。这一结果与上文协整分析结果一致,同时也与江苏省的环境现状比较吻合。江苏省工业布局一直处于优化过程中,目前对工业废气、工业废水的治理水平有较大幅度提升,而对工业固体废弃物的治理水平不甚理想。近几年来,江苏省工业废水、工业废气的排放量基本得到控制,并趋于好转,而工业固体废弃物的排放量一直呈递增趋势。

图1 3类污染物指标对经济增长的脉冲响应

b.经济增长对3类污染物指标的脉冲响应分析。由图2可看出经济增长对3类污染物一个单位的冲击,在当期的响应值均为0,在剩余的期间内,对工业废水、工业固体废弃物的冲击响应值均为负,对工业废气的冲击响应值均为正。与前文分析方法类似,将经济增长对3类污染物的各期冲击响应值进行累加,目的是为了方便比较经济增长与环境污染之间相互作用关系的大小,其中工业废水为-0.0881、工业废气为 0.68、工业固体废弃物为-0.6171。由以上分析可以看出,3类污染物指标中对经济增长影响较大的为工业废气和工业固体废弃物,其中工业固体废弃物对经济增长起抑制作用,而工业废气则带动了经济的增长。从整体而言,污染物排放对江苏省经济增长仍起抑制作用,一定程度上证实了环境污染与经济增长之间存在的反作用机制。进一步将经济增长与3类环境指标相互之间的累积冲击响应值进行比较发现,江苏省经济增长对环境的影响比环境对经济增长的反作用大。

2.5 基于VAR模型的方差分解分析

方差分解以VAR模型为基础,通过分析每一个结构冲击对内生变量变化的贡献度来评价结构冲击的重要性[12]。根据方差分解结果(表6),在经济增长的方差分解中,按照平均贡献度的评判标准,工业废气、工业固体废弃物对人均GDP的预测方差的解释贡献度相对较大,工业废水则很小。这说明目前对江苏省经济增长起主要作用(促进或抑制)的是工业废气与工业固体废弃物,工业废水对经济增长的影响相对较小。在3类污染指标的方差分解中,经济增长对工业固体废弃物预测方差的解释贡献度最大,工业废水次之,工业废气最小,说明工业固体废弃物为江苏省经济增长对环境污染的主要表现形式。该部分分析结论与脉冲响应分析得出的结论大体一致,从而在一定程度上证明本文所进行的VAR实证研究是可靠、稳定的。

3 结论和建议

图2 经济增长对3类污染物指标的脉冲响应

本文在VAR模型估计的基础上,利用脉冲响应函数和方差分解对1985—2013年江苏省经济增长与环境污染之间的双向作用机制进行分析。研究发现:①江苏省经济增长对环境的影响比环境对经济增长的反作用大,两者之间存在双向作用机制。②江苏省经济增长对环境污染的主要表现形式为工业固体废弃物,而对江苏省经济增长影响较大的污染物为工业固体废弃物(抑制)和工业废气(促进)。

表6 经济增长与3类污染指标的方差分解结果

结合上文的分析和得出的主要结论,笔者尝试提出以下促进江苏省经济与环境可持续发展的建议和措施。

a.优化产业结构配置。根据西方发达国家经验,一个国家或地区环境质量的好坏与该国或地区的三次产业结构比例具有直接关系,并且三次产业结构中工农业、重化工业污染较为严重,而服务业、高技术产业污染相对较轻。江苏省第二产业自1978年改革开放以来占地区生产总值的比例基本维持在50%以上,其中工业所占比例基本维持在45%以上,可以看出江苏省经济的增长主要依靠工业,现代服务业、高技术产业等行业的发展速度和传统支柱行业相比还较为滞后。这样的产业结构布局不可避免地造成环境质量的恶化。因此在新一轮的产业结构调整过程中,江苏省应当以调优、调高、调轻为发展方向,加大对第一、第三产业的支持力度,尤其要加大战略性新兴产业和高端制造业的发展力度,适当放缓发展第二产业中工业固体废弃物污染较为严重的产业,逐步形成第一产业稳固发展、第二产业内部结构优化、第三产业各行业竞相发展的良性发展局面。

b.改进生产技术,提升“工业三废”污染治理水平。目前,工业固体废弃物与工业废水都在不同程度上抑制着江苏省经济的增长,而工业废气则带动了江苏省经济的增长。因此,对于工业固体废弃物以及工业废水污染较为密集的产业,江苏省应当充分利用本地教育科研资源,加大科研投入,重点扶持这些产业开发先进生产技术,并将其应用到从源头的生产至结尾的污染治理过程中。对于工业废气污染较为密集的产业,也应当进一步优化生产技术,以达到污染最小化,经济效益最大化的效果。

c.加大环保投入,完善环保法规。江苏省早在“十一五”期间就已设定将环保投入占地区生产总值的比重提高到3%左右的目标,近几年该比例已经提升到3%以上,据国际经验,当该比例达到2.5%～3.0%时,环境质量会得到明显改善。但可以看到江苏省目前的环境污染问题依旧十分突出,环境质量的改善并没有达到预期结果。分析原因,江苏省在即将到来的“十三五”期间,对于“工业三废”的治理以及在保证环保投入的基础上应当进一步提高环保建设资金的使用效率,政府各部门、各企业都应当建立完善的跟踪监管、效益评价体系。政府与市场作用在某些情况下会失灵,而法律作为具有强制性、规范性、稳定性的保障性手段,可以在一定程度上弥补这一不足。江苏省应当注重解决环境政策的滞后性问题,灵活调整环境政策的同时还要兼顾有效性和低成本性,保证政策执行的透明度。与此同时,通过宣传与教育提高民众绿色消费的观念以及参与环境污染治理的积极性,从而起到间接约束企业生产行为的作用,促使企业加快以节能减排为中心的技术改造,由重污染向轻污染、无污染产业转移。

[1]GROSSMAN GM,KRUEGER A B.Environmental impacts of a north american free trade agreement[R].Cambridge: NBERWorking Paper,1991.

[2]PANAYOTOU T.Empirical tests and policy analysis of environmental degradation at different stages of economic development[R].Geneva:ILO Technology and Employment Programme Working Paper,1993.

[3]包群,彭水军.经济增长与环境污染:基于面板数据的联立方程估计[J].世界经济,2006(11):48-57.

[4]刘金全,郑挺国,宋涛.中国环境污染与经济增长之间的相关性研究:基于线性和非线性计量模型的实证分析[J].中国软科学,2009(2):98-106.

[5]韩旭.中国环境污染与经济增长的实证研究[J].中国人口·资源与环境,2010,20(4):85-89.

[6]丁继红,年艳.经济增长与环境污染关系剖析:以江苏省为例[J].南开经济研究,2010(2):64-79.

[7]彭立颖,童行伟,沈永林.上海市经济增长与环境污染的关系研究[J].中国人口·资源与环境,2008,18 (3):186-194.

[8]王宜虎,崔旭,陈雯.南京市经济发展与环境污染关系的实证研究[J].长江流域资源与环境,2013,15(2): 142-146.

[9]高铁梅.计量经济分析方法与建模[M].北京:清华大学出版社,2009.

[10]张红凤,周峰,杨慧.环境保护与经济发展双赢的规制绩效实证分析[J].经济研究,2009(3):14-26.

[11]闫新华,赵国浩.经济增长与环境污染的VAR模型分析:基于山西的实证研究[J].经济问题,2009(6): 59-62.

[12]彭水军,包群.中国经济增长与环境污染:基于广义脉冲响应函数的实证研究[J].中国工业经济,2006(5): 15-23.

F062.2

A

1003 -9511(2015)04 -0024 -05

2015-04 -23 编辑:方宇彤)

10.3880/j.issn.1003 -9511.2015.04.007

童纪新(1964—),男,浙江金华人,教授,博士,主要从事技术经济与统计分析研究。E-mail:jxtong@hhu.edu.cn