经济增长、能源结构与工业污染——基于空间面板计量实证研究

王立平 李婷婷 胡义伟（合肥工业大学，合肥 230601）

经济增长、能源结构与工业污染——基于空间面板计量实证研究

王立平 李婷婷 胡义伟
（合肥工业大学，合肥 230601）

本文基于环境EKC曲线理论，采用2002～2013年中国31个省际的面板数据，运用空间数据分析方法对经济增长、能源结构与工业污染的空间分布格局相关性进行研究。进一步运用空间计量方法，研究经济增长、能源结构对工业污染的空间效应。研究结果发现：经济增长、能源结构与工业污染存在空间相关性，并在空间分布上存在明显的 “路径依赖”特征并形成了不同集聚区域。经济增长、能源结构对工业污染的空间影响效应明显，经济增长与工业污染呈现EKC曲线假设的倒 “U”形关系，能源结构与工业污染呈现正向相关关系。最后在实证结果的基础上提出相关建议。

经济增长 能源结构 工业污染 空间相关性 环境库兹涅茨曲线

引 言

随着我国经济的高速发展，城市化进程不断加快 ，人民生活水平质量产生了质的飞跃，然而环境问题却一直是人们关注和担忧的焦点。现在学术界基本的观点是经济增长同时加大了能源的消耗和环境承载的压力。据统计，1978年我国能源消费总量约为5.71亿吨标准煤，2015年达到了43亿吨标准煤，消费量增加了7.53倍。2014年我国的单位GDP的能耗量为0.76，从2013～2015年，我国单位GDP的能耗量分别比上年降低3.7%、4.8%和5.6% ，虽然呈现了逐年下降的趋势，但仍然远高于美国、日本、德国和英国等发达国家，是世界平均水平的2.5倍，也超过了大多数新兴经济体，如巴西、印度和墨西哥等。当前，我国的经济增长方式仍然是 “高消耗、高排放、低产出”的粗放型增长状态。缺乏效率的能源消费和不够科学的能源结构带来了剧烈的污染问题。纵观世界各国的历史，尤其是工业发达的国家，面临的污染问题越发严重。怎样在保证工业发展的同时将污染降到最低，即是我们所谓的帕累托最优。达到帕累托最优首先要清楚经济增长与工业污染相互关系。同时我们清楚工业污染的源头是来自能源的消耗，所以经济增长、能源结构和工业污染三者之间的关系值得我们研究。

1 文献述评

经济的高速增长 ，尤其是工业高速的发展必然带来污染问题，两者之间的关系究竟如何一直以来都是学术界探讨的焦点问题。国外研究对经济发展与污染问题的研究，主要依据环境库兹涅茨曲线 （EKC）假说，研究表明二者呈现倒 “U”形特征［1-3］。国内近年来研究的经济发展与污染问题也从EKC曲线假设出发，且研究结果也基本验证了曲线的倒 “U”形特性，并在此基础上提出了合理的政策措施［4-6］。通过进一步研究发现经济增长与工业污染的关系存在显著的地区差异性 ，污染情况存在时空依赖性［7-9］。

对于能源消费与污染的研究，一般的结论是能源消费与工业污染成正相关，即能源消费量越多，污染问题越严重，同时强调了能源消费与环境保护同步协调发展［10-12］。进一步验证了工业污染的空间依赖性［13］。并且发现地区经济发展与污染存在空间联动性，能源结构与污染水平变动相关性显著 ，能源结构的调整能够有效的治理污染情况［14，15］。

综上文献，探究污染与经济增长关系的文献相对较多。不同的研究角度得到结果各不相同，很难应对当前的污染形势。主要的差异一般在于污染情况的指标选取以及统计口径的不同。从研究方法上，大多数是采用传统的面板数据，没有考虑污染物的特殊性，即存在一定的空间效应。另外 ，从我国的工业发展情况来看，能源的使用是工业发展的核心，研究这方面的文献集中在证明随着能源消费量的增加，工业污染的程度愈发严重上，并没有对发展、能源消费和污染进行系统化的研究。

2 理论基础与研究假设

环境经济学认为资源和环境应该纳入经济增长的模型的分析之中。我们依据环境——收入理论，通常通过如下表达式 （1）来考察环境与收入间的关系［16］：

其中Y为污染指标，X指经济增长，Z指影响环境变化的其他控制变量；β0是常量，βk解释变量的系数。该模型依βk的不同而呈现X与Y的关系曲线的形状如表1所示，研究表明污染与经济增长之间的关系存在7种不同形态。

表1 不同β取值对应的曲线形状

我们由上表可以看出存在7种情况：（1）经济增长与污染之间没有关系；（2）X与Y之间呈单调上升关系，污染随着经济增长而恶化；（3）X与Y之间存在单调下降关系，污染随着经济增长而改善；（4）X与Y之间呈U型关系，经济水平较差阶段，污染随经济增长而改善 ，经济水平较高阶段，污染随经济增长而恶化 ；（5）X与Y之间呈倒U型关系，即环境库兹涅茨曲线 （EKC）；（6）X与Y呈N型，经济水平不断上升的过程中 ，环境污染先恶化再改善 ，又陷入恶化境地；（7）X与Y之间呈倒N型关系，随着经济水平的上升 ，环境污染先改善再恶化 ，而后又改善。

所以我们以上述第 （5）种情况为研究基础，研究经济增长与污染情况之间的关系，二者之间是否呈现倒 “U”形关系。同时 ，我们知道依靠工业发展的国家和地区能源资源消耗很多，尤其是煤炭资源的消耗。煤炭资源的消耗导致了环境质量的恶化，污染物排放量明显提高，以至于工业污染严重。所以本文在上述内容的基础上建立研究模型 （2）：

其中，i和t代表i省第t年的统计数据，Yit为工业污染综合评价指数 ，GDPit为人均实际GDP，ESit为能源结构中煤炭消费占比。并提出本文的检验假设：工业污染与经济增长、能源结构之间呈现EKC曲线假设的倒 “U”形关系。

3 研究对象与研究方法

3.1 指标体系选取

对于经济增长的指标选取本文采用人均实际GDP来衡量经济发展程度以消除人口因素对经济水平的影响，同时对其作取对数处理，用lnGDP表示。

对于能源结构的指标选取，考虑到我国能源资源的大量使用尤其是煤炭的消费是工业污染最为重要的来源。在研究能源消费结构与工业污染水平两者之间的关系时 ，有些文献直接选取能源消耗总量、能源强度等指标来衡量其与工业污染之间的关系，有些文献选择产业结构来间接测度二者之间的关系。本文综合考虑能源的使用以及产业结构的因素，通过建立能源结构指标来考察能源对工业污染的影响 ，其计算公式 （3）如下：

其中，ESit代表能源消耗中煤炭使用所占的比例，GDPit代表i地区t年的国内生产总值，HIitj代表i地区t年第j个高耗煤行业的产值。本文共选取10个高耗煤行业，其产值占GDP的比重在90%以上。

对于工业污染的指标选取，本文考虑了工业污染的特性 ，主要包括能源开采时形成的废气和废物排放、能源消费时形成的废气和废物排放。本文借鉴许和连等 （2012）［9］采用的熵权法计算得出环境污染综合指数。我们构建工业污染综合评价指标来测度各地区工业污染程度，选取了各地区工业废水排放量、工业废气排放量、工业二氧化硫排放量、工业烟尘排放量和工业粉尘排放量作为评价指标。采用熵权法计算出工业污染综合指数。本文以2002～2013年中国 （除存在统计数据缺失的港澳台之外）31个省、市、自治区作为研究对象构建空间面板数据。实证数据来源于《中国统计年鉴》、《中国环境统计年鉴》、《中国能源统计年鉴》。文中所有的货币单位均以2002年为基期进行折算以剔除通货膨胀的影响。

3.2 空间自相关检验及模型构建

全局空间自相关检验方法我们选择Moran's I，其计算公式 （4）如下：

由于某一地区的工业污染不仅受到本地区经济发展与能源结构的影响，而且也受到周边地区的影响，即工业污染存在空间自相关，经济增长与能源结构在空间分布上的集聚效应更加剧了工业污染的空间依赖性，因此对经济增长、能源结构与工业污染三者之间相互关系的研究中需要加入空间效应。根据空间依赖性方式的不同，我们在模型 （2）的基础上建立不同的计量模型：空间滞后模型和空间误差模型。

空间滞后模型 （SLM）是在 （1）式的基础上直接引入空间变量作为被解释变量，由于面板数据中存在时间效应和个体效应，故需要对随机误差项μ进行分解，将 （2）式具体化为空间滞后面板模型 （5），其设定如下：

其中，δit表示时间效应随机扰动项，uit表示个体效应随机扰动项，εit表示随机误差项，且服从正态分布。∑WYit为空间变量，表示i地区周边其他地区的工业污染状况；ρ为空间回归系数，反映了空间依赖性。

地区间的空间依赖性较为复杂 ，εit可能并不不服从简单正态分布，其他影响工业污染的空间性因素就会混入到随机误差项中，此时随机误差项εit之间有较强的相关性关系。将 （2）式具体化为空间误差模型 （6），其设定如下：

（5）式中，λ为空间误差系数，用来反映残差之间的空间相关性强弱。与空间滞后模型不同，空间误差模型的相关性并不是反映在周边区域的观测值中而是反映在误差项中，即反映了周边区域工业污染的误差冲击对本区域工业污染的影响。

4 实证分析

4.1 全局空间自相关检验

本文使用2002～2013年全国31个省域的经济增长、能源结构和工业污染统计数据，通过GeoDa软件计算得到的Moran's I及相关的统计检验，结果显示各年份的Moran's I均为正值，基本都通过了5%的显著性水平的统计检验如表2所示，表明我国经济增长、能源结构和工业污染在地理分布上存在着明显的空间效应且为正相关关系。即污染在地理上的分布格局并不是呈现随机状态，而是显现出明显的集聚分布。同样地，经济增长和能源结构变量也存在着类似的空间分布状态。

表2 2002～2013年31个省域经济增长、能源结构和工业污染的Moran指数

4.2 Moran指数散点图

为了进一步说明空间相关关系，可以观察经济增长、能源结构和工业污染Moran指数散点图（见图1～3）。我们将省域划为4个象限：第一象限 （HH）表示高——高的正相关，第二象限 （LH）表示低——高的负相关，第三象限 （LL）表示低——低的正相关，第四象限 （HL）表示高——低的负相关。由于Moran's I数值全部大于0，经济增长、能源结构和工业污染地理分布上呈现正相关关系，则第二、四象限为非典型的观测区域。

图1 中国31个省域2002年、2013年经济增长的Moran指数散点图

从图1中可以看到，我国2002年、2013年省域经济增长分布在第一象限 （HH）的有8个省份和10个省份，分别占全部统计单位的25.80%、32.26%。分布在第二象限 （LH）的有5个省份和4个省份，分别占全部统计单位的 16.13%、12.90%。分布在第三象限 （LL）的有15个省份和14个省份，分别占全部统计单位的48.39%、45.16%。分布在第四象限 （HL）的均有3个省份，均占全部统计单位的9.68%。从中能够发现2002年、2013年的31个统计样本中有23个省份和24个省份，分别占全部统计量的74.19%、77.42%具有正的空间相关性 ，其余省份分布在第二、第四象限，分别占全部统计量的25.81%、22.58%，显示了具有不同空间自相关性。由此可见，经济增长在局部相关性上，虽然存在着少量的空间差异性，但是主要存在着空间依赖性的特征。

图2 中国31个省域2002年、2013年能源结构的Moran指数散点图

从图2中可以看到，我国2002年、2013年省域能源结构分布在第一象限 （HH）的有9个省份和12个省份，分别占全部统计单位的29.03%、38.71%。分布在第二象限 （LH）的有7个省份和6个省份，分别占全部统计单位的 22.58%、19.35%。分布在第三象限 （LL）的有10个省份和8个省份，分别占全部统计单位的32.26%、25.81%。分布在第四象限 （HL）的均有5个省份，均占全部统计单位的16.13%。从中能够发现2002年、2013年的31个统计样本中有19个省份和20个省份，分别占全部统计量的61.29%、64.52%具有正的空间相关性，其余省份分布在第二、第四象限，分别占全部统计量的38.71%、35.48%，显示了具有不同空间自相关性。由此可见，能源结构在局部相关性上 ，虽然存在着少量的空间差异性，但是主要存在着空间依赖性的特征。

从图3中可以看到，我国2002年、2013年省域工业污染分布在第一象限 （HH）的有10个省份和8个省份，分别占全部统计单位的32.26%、25.81%。分布在第二象限 （LH）的有11个省份和10个省份，分别占全部统计单位的35.48%、32.26%。分布在第三象限 （LL）的有8个省份和9个省份，分别占全部统计单位的 25.81%、29.03%。分布在第四象限 （HL）的有2个省份和4个省份，分别占全部统计单位的 6.45%、12.90%。从中能够发现2002年、2013年的31个统计样本中有18个省份和17个省份，分别占全部统计量的58.06%、54.84%具有正的空间相关性，其余省份分布在第二、第四象限，分别占全部统计量的41.94%、45.16%，显示了具有不同空间自相关性。由此可见，工业污染在局部相关性上，虽然存在着少量的空间差异性，但是主要存在着空间依赖性的特征。

根据表2和表3数据，采用理论计算与有限元仿真模拟的方法，得出了四边简支条件下双壁厚类方形蜂窝夹层结构固有频率的理论计算结果与有限元仿真模拟结果的误差，如表4所示。表4表明，通过2种不同方法得到的数据吻合度较好，这说明采用上述蜂窝夹层板理论模型，并代入精确的类方形蜂窝夹芯结构等效弹性参数，可得到较为精确的类方形蜂窝夹层结构固有频率。

图3 中国31个省域2002年、2013年工业污染的Moran指数散点图

4.3 动态跃迁

我们通过观察Moran指数散点图发现经济增长、能源结构和工业污染的空间动态跃迁过程。采用Rey（2001）［18］使用的时空跃迁法，时空跃迁主要有以下4种类型：（1）该地区自身发生变化而周边地区未发生变化，即HHt→LHt+1、HLt→LLt+1、LHt→HHt+1、LLt→HLt+1；（2）该地区未发生变化而周边地区发生变化 ，即HHt→HLt+1、HLt→HHt+1、LHt→LLt+1、LLt→LHt+1；（3）该地区与周边地区都发生变化，即HHt→LLt+1、HLt→LHt+1、LHt→HLt+1、LLt→HHt+1；（4）该地区自身与周边地区都未发生变化，即 HHt→HHt+1、HLt→HLt+1、LHt→LHt+1、LLt→HHt+1。具体如表3所示。

表3 经济增长、能源结构和工业污染Moran散点的空间跃迁 （2002～2013）

我们通过表3可以发现经济增长、能源结构和工业污染3个变量在考察期内属于第 （4）种类型的省份占到绝大多数。说明我国省域中经济增长、能源结构和工业污染存在高度的空间稳定性，并且在空间上显现出较为强烈的 “路径依赖特征”。

4.3 空间关联局部指标LISA分析

Moran's I和Moran散点图只是简单描述了经济增长、能源结构和工业污染的集聚状况，无法深入研究局部空间相关模式，而LISA指标能够用来验证局部地区研究变量的高值或低值在地理分布上是否呈现区域集聚。利用Geoda，可以将全国31个省份划分成5种类型。（1）Not Significant类型 ，表示集聚效应不显著的地区；（2）（H-H）类型；（3） （L-L）类型；（4） （L-H）类型；（5）High-Low（H-L）类型。

统计结果显示我国经济增长在地理分布上形成了两种相异的集聚区域：（1）以北京为中心，包括天津、河北等在内的京津冀经济增长高值地区和以上海为中心，包括江苏、浙江等在内的长三角经济增长高值地区 ；（2）广大西部地区等地形成的经济增长低值聚集区，这与我国当前的经济形势契合。

统计结果显示我国能源结构在地理分布上形成了两种相异的集聚区域：（1）以山西、河南为中心等传统产煤大省高值地区；（2）以新疆、青海为中心的西北等低值聚集区。同时从LISA集群图 （由于篇幅限制，图形从略）变迁中也可以发现，当前省域经济发展中能源结构以煤炭为主的省份非但没有减少，反而逐渐扩散。山东、湖北等地区也加入到高值聚集区，新疆等省份能源结构煤炭占比也越来越高。

统计结果显示我国工业污染在地理分布上主要形成了两种相异的集聚区域：（1）以河北为中心包括山西、河南、山东等在内的华北地区形成的工业污染严重聚集区域，图中可见安徽周边地区工业污染状况严重；（2）以新疆为中心的工业污染低值聚集区域，四川相对周边地区污染更严重。但是随着西部地区经济水平的不断提高，西部地区的工业污染程度明显加强，尤为凸显的是新疆地区。就全国范围而言工业污染已不仅局限在京津冀等传统地区，已开始向中西部省份蔓延。

从经济增长、能源结构和工业污染的地理分布格局与集聚效应统计结果能够发现，在地理分布上存在较为显著的 “路径依赖”，即集聚性，但三者在聚集的区域上表现的略有差异，但是能源结构分布高值聚集的地区一般也是工业污染高值聚集的地区，能源结构分布聚集低值的地区一般来说也是工业污染低值的地区。能源结构与工业污染两者的关系也类似于经济增长与工业污染的关系。为进一步考察三者在空间上的关系，我们将采用空间计量模型对其进行检验。

4.4 空间计量实证分析

我们首先对不考虑空间效应，对 （2）式进行了OLS估计，回归结果没有通过检验，说明是模型的设计的问题。所以我们在此基础上加上了空间效应。在对空间滞后模型和空间误差模型进行了Hausman检验后发现，结果显示都应当选择固定效应的估计值。我们对模型回归结果如表4所示。

表4 空间滞后模型和空间误差模型估计结果

对于空间滞后模型ρ值为0.1859，通过了1%显著水平检验，表明模型存在空间依赖性。考虑空间效应时模型的人均GDP一次项系数为正，二次项系数为负，满足经济增长与工业污染两者之间的EKC曲线倒 “U”形关系，且二者均通过了1%显著性水平检验。能源结构系数为正，值为0.0133，且也通过了1%显著性水平检验。

对于空间误差模型 λ值为0.2489，通过了1%显著性水平检验，表明模型存在空间依赖性。考虑空间效应时模型的人均GDP一次项系数为正，二次项系数为负，满足经济增长与工业污染两者之间的EKC曲线倒 “U”形关系，且二者均通过了1%显著性水平检验。能源结构系数为正，值为0.0139，且也通过了1%显著性水平检验。

我们观察两模型的估计结果，虽均通过了显著性水平检验，何种结果更优仍需要进行空间相关性检验，结果如表5所示。

表5 空间相关性检验

Moran's I通过了1%水平下的显著性检验，证明模型存在空间效应，普通面板数据模型已经不再适用，需要引入空间变量。接着观察LM-lag 和LM-error，两者都通过了1%水平下的显著性检验，此时无法做出选择，还需要进一步考虑Robust LM-lag和Robust LM-error，结果发现仅有Robust LM-lag通过了1%水平下的显著性检验，Robust LM-error未通过检验，所以应该选择空间面板滞后模型。Hausman检验结果显示，固定效应要优于随机效应。因此本文选择含有固定效应的空间滞后模型。

我们通过观察实证结果，模型中ρ的参数估计值为0.1859，说明工业污染存在着明显的空间溢出效应，意味着周边地区工业污染综合评价指数每升高1%，本地区工业污染指数就会增加0.1859% ，即周边地区的工业污染严重，环境质量差 ，本地区的环境质量也较差；周边地区的工业污染相对较轻，本地区的环境质量也较好。经济增长二次项的系数估计值为-0.0019，一次项的系数估计值为0.0391，证明本文所选取的工业污染指标与人均实际GDP两者之间呈现出EKC曲线假设的倒 “U”形关系，即随着人均实际GDP的不断增加，工业污染综合评价指数先上升，达到某一临界值后，开始下降。能源结构参数估计值为0.0133，意味着煤炭消费占比每上升1%，工业污染综合评价指数上升0.0133%。能源结构指标一方面直接反映了产业能耗结构；另一方面间接反映了能源消费结构，是二者的综合。实证结果表明产业能耗结构和能源消费结构与工业污染呈正相关关系，且相关程度很高。

5 结 论

本文通过选取我国31个省际2002～2013年经济增长、能源结构和工业污染数据。分别计算得出的Moran指数均为正值，且均通过了显著性水平检验。即是经济增长、能源结构和工业污染在空间上都具有空间相关性。我们通过观察Moran指数散点图和LISA集群图，发现经济增长、能源结构和工业污染具有严重的 “路径依赖特征”，以及在地理空间上是呈现区域集聚特征。工业污染状况最为恶劣的地区主要分布于我国华北地区连接部分中部地区，空间效应聚集明显。进一步通过空间计量方法，建立包含固定效应的空间滞后模型，回归的结果为人均实际GDP一次项的估计值为正，值为0.0391，人均实际GDP二次项的估计值为负，值为0.0019，且二者都通过了1%的显著性水平检验。这即表示工业污染情况与经济增长程度之间呈现EKC曲线倒 “U”形特征。我们可以认为人均实际GDP的不断提高，污染状况不断严重接着开始改善。能源结构的系数为0.0133，且通过了1%显著性水平检验，煤炭消费占比每上升1%，工业污染综合评价指数上升0.0133%。

基于以上研究，提出下述建议：从短期角度出发，工业污染减少排放量和污染的有效治理是较为有效的途径，而长期来看改变工业发展中能源消费结构是治理污染的关键。环境污染治理时，不同区域间要积极寻求合作，注重政策措施的空间联动性。积极发展第三产业，转变经济增长方式，优化产业结构，实现省域经济快速可持续发展。引进外资时须注重投资质量，对于资源消耗、环境污染型、和技术落后的项目不要引进来，同时要充分利用外商投资所产生的技术溢出效应。在推进城市化过程中，不断优化城市布局，提升城市中第三产业的共享和综合服务功能，不断促进智慧城市建设。另外，政府需要增加投入，尤其是新能源技术的研发投入，通过市场激励机制鼓励和扶持新能源技术的发展。在发展中不断转变能源消费结构，提高能源效率，充分利用和开发水能资源和核能资源以及风能、太阳能等清洁、可再生的资源，确保我国不要走先污染后治理的错路。

［1］Rupasingha A，Goetz S J，Debertin D L，et al.The Environmental Kuznets Curve for US Counties：A Spatial Econometric Analysis with Extensions［J］.Papers in Regional Science，2004，83（2）：407 ～424

［2］Mirshojaeian Hosseini H，Rahbar F.Spatial Environmental Kuznets Curve for Asian Countries：Study of CO2and PM10［J］.Journal of Environmental Studies，2011，37（58）：1

［3］Hosseini H M，Kaneko S.Can Environmental Quality Spread Through Institutions？［J］.Energy Policy，2013，56：312～321

［4］高宏霞，杨林，付海东.中国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 ［J］.经济学动态 ，2012，（1）：52～57

［5］王敏 ，黄滢.中国的环境污染与经济增长 ［J］.经济学 （季刊），2015，（2）：557～578

［6］李慧明 ，卜欣欣.环境与经济如何双赢——环境库兹涅茨曲线引发的思考 ［J］.南开学报，2003，（1）：58～64

［7］毛晖 ，汪莉.工业污染的环境库兹涅茨曲线检验——基于中国1998～2010年省际面板数据的实证研究 ［J］.宏观经济研究 ，2013，（3）：89～97

［8］刘华军，杨骞.环境污染、时空依赖与经济增长 ［J］.产业经济研究，2014，（1）：81～91

［9］包群，彭水军，阳小晓.是否存在环境库兹涅茨倒U型曲线？——基于六类污染指标的经验研究 ［J］.上海经济研究，2005，（12）：3～13

［10］许瑞林 ，王体健.江苏省煤炭消费与环境保护相关研究［J］.能源研究与利用，2004，（2）：3～13

［11］郑博福，邓红兵，严岩，等.我国未来能源消费及其对环境的影响分析 ［J］.环境科学，2005，26（3）：1～6

［12］纪建悦 ，于晓黎 ，方景清.能源消耗对环境污染的冲击响应模式分析——基于青岛市的实证研究 ［J］.科技管理研究，2009，（10）：162～164

［13］许和连 ，邓玉萍.外商直接投资导致了中国的环境污染吗？——基于中国省际面板数据的空间计量研究 ［J］.管理世界，2012，（2）：30～43

［14］马丽梅 ，张晓.中国雾霾污染的空间效应及经济 ，能源结构影响 ［J］.中国工业经济 ，2014，（4）：19～31

［15］魏巍贤，马喜立.能源结构调整与雾霾治理的最优政策选择 ［J］.中国人口・资源与环境 ，2015，25（7）：6～14

［16］付艳.能源消费、能源结构与经济增长的灰色关联分析［J］.工业技术经济 ，2014，（5）：153～160［17］彭水军 ，包群.经济增长与环境污染——环境库兹涅茨曲线假说的中国检验 ［J］.财经问题研究，2006，（8）：3～17

［18］Anselin L.Local Indicators of Spatial Association—LISA［J］.Geographical Analysis，1995，27（2）：93～115

［19］Rey S J.Spatial Empirics for Economic Growth and Convergence

［J］.Geographical Analysis，2001，33（3）：195～214

Economic Growth，Energy Structure and Industrial Pollution——Empirical Analysis Based on Spatial Panel Metering

Wang Liping Li Tingting Hu Yiwei
（Hefei University of Technology，Hefei 230601，China）

According to the theory of environmental EKC curve，this article adopts 31 provincial panel data in China from 2002 to 2013，using spatial data analysis methods to study economic growth，energy structure and industrial pollution's spatial distribution pattern correlation.It uses space measurement methods to study economic growth，energy structure and industrial pollution's spatial effects.The results show that economic growth，energy structure and industrial pollution have spatial correlation，and there is a clear“path dependence”feature on the spatial distribution and the formation of a different cluster area.Economic growth，the energy mix of industrial pollution space effects，economic growth and industrial pollution rendering of EKC hypothesis of inverted “U”shaped relationship，and the energy structure and industrial pollution have a positive correlation.Finally，we put some suggestions on the basis of empirical results.

economic growth；energy structure；industrial pollution；spatial correlation；Environmental Kuznets Curve

（责任编辑：王 平）

10.3969/j.issn.1004-910X.2016.08.001

F124

A

2016—04—05

国家自然科学基金项目 （项目编号 ：71073045，71473068）、教育部人文社科规划项目 （项目编号：12YJA790135），安徽省自然科学基金 （项目编号：11040606M18）。

王立平 ，合肥工业大学经济学院教授 ，管理学博士。研究方向：区域经济增长与计量经济研究。李婷婷 ，合肥工业大学经济学院硕士研究生。研究方向 ：经济系统预测与评价。胡义伟，合肥工业大学经济学院硕士研究生。研究方向：经济统计理论与方法研究。