越界水污染“稳健性”影响因素研究——基于空间面板数据EBA模型

王立平，　黄黎利，　胡义伟

(合肥工业大学 经济学院，合肥　230601)



越界水污染“稳健性”影响因素研究
——基于空间面板数据EBA模型

王立平，黄黎利，胡义伟

(合肥工业大学 经济学院，合肥230601)

采用2004-2013年中国30个省际面板数据，在GIS技术支持下构建纳入空间因素的面板数据EBA模型，实证检验中国工业水污染空间溢出效应及其与经济增长的环境库兹涅茨曲线关系，进而研究工业水污染的“稳健性”影响因素。结果表明，各省工业水污染具有空间溢出效应；各省工业水污染与经济增长之间不存在EKC曲线倒“U”型关系；工业化水平、出口贸易、财政分权与工业水污染呈正向“稳健性”关系；自主研发知识存量、有效征收率、环境污染治理投资与工业水污染呈负向“稳健性”关系；文章据此提出相应对策建议。

水污染；EKC曲线；溢出效应；EBA模型；“稳健性”检验

当前中国水资源的稀缺问题日益凸显。2013年，中国人均水资源为2 059.69立方米，仅为世界平均水平的28%，而工业经济发展带来的集中取水和集中排污情况则导致了严重的水污染。2013年，全国废水排放总量达775亿吨，其中工业废水排放总量105.24亿吨。近年由于工业废水排放而造成的重大水污染事件频发，诸如2012年的三友化工污染门事件，2014年的兰州自来水苯含量超标事件等。工业废水是经济发展的“后遗症”，研究废水治理问题意义重大。

20世纪90年代初，Grossman、Krueger和其他经济学家在实证研究中发现“U”型环境库兹涅茨曲线关系后，各国学者陆续开展了研究。水污染作为一大环境污染问题为各国所重视。面临日趋严重的水污染状况，国内外学者就影响因素进行了多维度研究，如经济因素[1-3]、人口因素[4-5]、政策因素[6-10]等。国内外学者在水污染影响因素上各抒己见，研究方法多采用时间序列或省际面板数据进行实证分析。EBA模型在传统回归模型的基础上，利用不同条件信息集下多次遍历式回归的统计分布，依据概率原则构造检验统计量，随着条件信息集的逐步改变，EBA模型对回归系数进行灵敏性分析，检验目标变量回归系数的“稳健性”，探索抗干扰的“稳健性”的显著关系。回归结果具有超越传统回归结果的显著性、统计性和渐进一致性。同时，梳理水污染研究文献后，我们发现引入地理区位变量进行研究的文献寥寥无几[11-12]。因此我们在传统EBA模型中引入空间计量模型，探讨中国工业水污染是否具有“稳健性”空间溢出效应；同时判断工业水污染与经济增长之间是否存在EKC曲线倒“U”型关系；进而运用纳入空间因素的EBA模型进行工业水污染“稳健性”影响因素分析，为政府制定相关政策提供经验证据和决策参考。

一、基于空间面板数据的EBA模型建模思路

1.极值边界分析模型(EBA)

Leamer(1985)[13]、Levine和Renelt (1992)[14]最先提出了变量间“强显著性”的多元线形回归模型，即极值边界分析模型：

(1)

式中， ΔY一般为经济增长指标；I为一个与ΔY直接相关的核心变量信息集；M是将要研究的目标变量；Z是一组由与ΔY潜在相关的重要解释变量组成的条件变量集，引入Z的目的在于在回归中最大限度确定βm的范围；μ是误差项。

2.面板数据空间滞后自回归模型

地理学第一定律认为，个体间普遍存在相关性，且相邻个体的空间相关性更强。因此以高斯-马尔科夫假设为前提的传统回归模型会使线性回归估计结果有偏。而空间计量模型中的空间滞后模型(SAR)的目的是映射由于各种空间溢出产生的空间自相关，如技术扩散、要素转移等产生的扩散和极化效应，符合本文水污染研究宗旨。基于空间面板数据的空间滞后自回归模型如下:

(2)

简化为向量矩阵形式：

(3)

式中，y为NT×1个体观测值变量向量；ρ为空间自回归系数；x为NT×K阶外生解释变量矩阵；Wy为空间滞后被解释变量；W是由IT⊗WN计算得到的分块矩阵。空间权重矩阵WN有0-1空间权重矩阵、距离空间权重矩阵及空间经济权重矩阵等，本文采用0-1矩阵，按照行政划分，如果区市有共同边界，记Wij=1，否则Wij=0。φ和ψ 分别表示空间固定效应和时间固定效应，φ和ψ 的取值决定回归模型中时间固定效应、空间固定效应及混合效应的选择[15]。

研究空间面板数据模型前需进行空间相关性检验。常见的检验方法有Moran's I检验、LM-Error检验及LM-Lag检验。本文采用空间经济计量模型中最常见的Moran's I检验，如下：

(4)

式中e为空间面板数据模型(3)的OLS估计残差。

3.基于空间面板数据的EBA模型

本文结合空间计量模型进行EBA建模，在检验工业水污染空间溢出效应的同时，检验工业水污染的“稳健性”影响因素。检验模型设置如下：

(1) 溢出效应检验根据空间滞后自回归模型及EBA模型原理，模型如下：

(5)

式中，PGDP为核心变量；Z是每次从“显著性”影响因素中选取的三个变量组成的条件变量集。EBA模型主要有3种主流检验方法：“严格”的EBA检验、大R2准则、Sala-I-Martin准则。本文采用准确率较高且可操作性强的Sala-I-Martin准则进行“稳健性”检验。

(2) EKC曲线检验主要对PGDP和PGDP2回归系数进行检验，模型如下：

(6)

式中，ρWT项存在与否取决于溢出效应检验结果。若在Sala-I-Martin准则下β1﹥0，β2﹤0，则工业水污染与经济增长间满足EKC曲线倒“U”型关系。

(3) 影响因素“稳健性”检验在第一步线性回归中找出影响工业水污染的“显著性”影响因素，然后进行EBA模型“稳健性”检验。模型如下：

(7)

当溢出效应通过“稳健性”检验时，核心变量X中包含空间滞后项ρ(IT⊗WN)Y；同理当EKC曲线存在时，核心变量X中应同时包含PGDP2项；M为所要检验的目标变量；Z是除M变量外每次从影响因素中选取的三个因素组成的条件变量集。在Sala-I-Martin准则下对每个显著性变量进行“稳健性”检验。

二、变量选取与数据来源

为方便实证数据获取兼顾模型特征，用工业废水排放强度IWD(单位GDP未达标废水排放量)来表示排污量，即模型中的被解释变量。经济增长始终与废水排放密切相关，本文以人均GDP(PGDP)衡量经济增长，以此作为模型的核心变量。除核心变量外，本文将工业水污染影响因素分成四类，各类变量定义如下：

(1)经济发展主要包括规模效应(经济增长、工业化水平、贸易水平)、结构效应(产业结构升级)和技术效应(自主研发知识存量、工业技术进步)。规模效应主要表现为，经济增长与环境污染通常呈现经典的环境库兹涅佐曲线假说；工业化一方面通过加速工业规模扩大促使废水排放增长，另一方面工业技术进步及规模经济使废水排放减少；贸易水平的提高一方面增加生产要素的投入，使工业废水排放增加，另一方面贸易自由化所带来的科技进步会使资源得到优化配置。结构效应主要表现为，促进污染型产业向环境友好型产业升级，能有效改善水污染状况。技术效应主要表现为，自主研发知识存量所代表的知识生产能有效地带动技术创新，从而提高自然资源利用效率，相应的废水排放也减少；工业技术进步下的节水防污技术能降低排污系数，提高废水的处理率和回用率。

(2)资源禀赋资源禀赋主要包括水资源禀赋和人文资源禀赋。水资源禀赋的差异影响着水资源的利用效率，从而造成不同程度的水污染；人文资源禀赋体现在人文素养上，即水需求强度和人均污染物排放量等直接相关，而水需求强度在一定程度上取决于人们的用水习惯及环保意识。随着国民教育程度的提高，环保意识随之提高，从而使环保规制政策的执行得到更好的理解和支持，同时能降低环保政策的执行成本。

(3)人口因素人口因素包括人口规模和城市化水平。人口规模扩张加速生产进程，加大工业废水排放。城市化水平对水环境的影响体现在，一方面城市化促进人口增长、地域扩展及经济扩张，使产业高度集中于城市，从而增加资源和能源的消耗强度，环境问题接踵而至；另一方面，城市化进程带动经济增长、技术进步，同时增强居民环境偏好，最终改善水环境污染状况。

(4)政府规制政府规制包括经济体制、行政体制及法律体制。经济体制体现在中央政府不断增强环保投资力度以减少废水排放。行政体制体现为我国地方政府掌握的水资源配置权，但凡规制不到位，地方政府便会以自身效用最大化为条件配置水资源，从而造成不同程度的水污染。理论上认为政府实行的对直接向水体排放污染物企业行为征收排污费的政策对减少工业废水排放具有积极作用，即法律体制正向作用于水污染。各变量选取及定义见表1。

表1　各变量定义表

为进行实证分析，本文通过《中国统计年鉴》、《中国环境统计年鉴》、《中国工业经济年鉴》、《中国人口统计年鉴》和各省直辖市统计年鉴构建30个省域面板数据，西藏自治区由于部分数据缺失，文中予以剔除。本文所考察的具体年份为2004-2013年。文中所有的货币单位都以2004年为基期进行折算以剔除通货膨胀的影响。以美元作为计价单位的贸易类数据如FDI等均用国家外汇管理局公布的历年人民币兑美元汇率中间价转换为人民币计价单位。

三、实证结果与分析

(1) 全局空间自相关考察水污染是否具有空间溢出效应，首先要分析其是否具有空间相关性，本文以Moran's I指数检验我国水污染是否具有空间相关性。利用GeoDa0.9.9.8软件包计算30个省域的单位GDP未达标废水排放量的全局空间自相关值(Moran's I值)如图1所示。

图1　2004-2013年单位GDP未达标废水全局Moran's I

计算可知，考察期内我国内地30个省单位GDP未达标废水的全局Moran's I数值均为正，Z统计量均大于1.96，通过了5%显著性检验，说明我国水污染存在空间自相关性。且由图1可见，2004-2008年相关性水平逐年下降，但2008-2013年相关性呈稳定上升态势。不断增强的空间自相关性说明水污染实证过程可采用纳入空间因素的面板数据模型。而由水污染的这种空间自相关性，即空间依赖性而导致水污染存在的空间溢出效应，在解释水污染强度及水污染影响因素时起多大作用，本文通过纳入空间因素的面板数据EBA模型进行严格的“稳健性”检验。

(2) 基本模型估计依据EBA模型的设置，首先对定性筛选出的经济发展、资源禀赋、人口因素、政府规制共18个变量进行基本模型估计。

(7)

式中，IWD为单位GDP未达标废水排放量；M为从18个目标变量中任选的一个变量。通过Eviews7.0对目标变量M进行回归，如果M系数的t统计量显著，则M通过了EBA的第一步检验；若M没通过，无需进行第二步检验。检验结果见表2。

表2　显著性检验结果

由表2可知，除产业结构升级(IU)、外商直接投资(FDI)、研发投入(R&D)、工业部门供水量(PIW)、城镇人口比重(UL)、人均城市建设用地面积(LAND)外,其余11个变量均通过EBA的第一步检验。

(3) 溢出效应“稳健性”检验以第一步中通过“显著性”检验的11个变量为条件变量，构建水污染溢出效益“稳健性”检验模型：

(8)

式中，Z是通过“显著性”检验的11个变量中任意3个变量随机组合而成的条件变量集。在Sala-I-Martin准则下对每个目标变量lnIWDit回归。如果系数ρ有90%以上同方向，且t检验是显著的，则认为该省水污染存在着“稳健性”溢出效应。

本文运用Matlab软件编程进行回归，各种检验(R2、LM等)显示空间混合模型( φ=0,ψ=0)结果最佳，990次回归统计结果见表3。

由表3可知，空间自回归系数ρ显著为正，说明水污染存在显著的空间溢出效应，即地理上相邻的地区会呈现出类似的水污染现象，一个地区的水污染容易受到相邻地区水污染的影响。

(4) EKC曲线倒“U”型检验水污染存在空间溢出效应条件下构建的EKC检验模型如下：

(9)

式中，Z是从通过EBA第一步检验的11个变量中随机选择3个变量组成的条件变量集。通过Matlab软件键入程序命令，在混合模型回归( φ=0,ψ=0)下统计990次回归结果，得出回归系数β1， β2的值及显著水平见表4。

表4　EKC曲线倒“U”型“稳健性”检验结果

可见不存在β1显著为正、β2显著为负的情况。说明水污染与经济增长之间不存在EKC倒“U”型曲线关系。二者间可能呈现倒“N”型或“～”型波动等关系，本文在此不作证明。

(5) 影响因素“稳健性”检验根据溢出效应、EKC倒“U”型检验结果，构建水污染影响因素“稳健性”检验模型：

(10)

在Sala-I-Martin准则下对通过第一步检验的11个目标变量分别进行遍历式估计。如果某目标变量M有90%以上的系数βm同方向且t检验是显著的，则认为该目标变量对水污染具有抗干扰的“稳健性”显著影响。

在混合模型(φ=0,ψ=0)下经过720次回归检验后，得出遍历式回归系数βm、p值及各变量的显著性累积概率，见表5。

表5　“稳健性”检验结果

从表5可以看出，工业化水平(IND)、出口贸易(EXP)、国内发明专利(WO)、有效征收率(PLW)、工业废水治理完成投资(IEP)、财政分权(FD)这6个变量的回归系数βm有90%同方向且在10%的显著性水平下通过了EBA“稳健性”检验，即这6个变量对水污染具有抗干扰的“稳健性”影响。其余5个变量均未通过EBA模型设定条件下的“稳健性”检验。

实证结果表明，我国水污染存在空间溢出效应，说明由于地理区位、经济增长趋同性等原因，一个地区水污染状况容易受到邻近地区污染状况的影响。因此本文在研究水污染与经济增长之间EKC倒“U”型曲线关系、影响因素“稳健性”检验模型中纳入空间滞后因子；面板数据空间滞后自回归模型下，我国水污染与经济增长之间不存在“稳健性”EKC倒“U”型曲线关系。原因是，不同经济体中诸多因素同时影响着环境与经济的关系，我们难以判断什么因素决定着这一过程的EKC曲线形状。

通过纳入空间因素的面板数据EBA模型，检验影响因素的“稳健性”，得出结论：一是工业化水平对水污染具有抗干扰的“稳健性”正向影响。表明我国现阶段的工业化进程仍是环境污染为依托，工业发展带来的水污染问题值得我们深入思考。二是出口贸易对水污染具有抗干扰的“稳健性”正向影响。我国出口品多为资源密集型产品，出口带来的工业生产规模扩大在一定程度上造成了大量的水污染，因此我国在对外贸易上应注重取舍得当。三是自主研发知识存量与水污染具有抗干扰的“稳健性”负相关关系。实证结果与理论假设相一致，表明技术进步所带来的资源高效与循环利用对水环境保护具有重要意义。四是有效征收率与水污染具有抗干扰的“稳健性”负相关关系。说明政府对直接向水体排放污染物的企事业单位和个体工商户征收排污费的政策对改善水污染状况具有积极作用。五是废水治理完成投资与水污染具有抗干扰的“稳健性”负相关关系。国家通过投资所带来的治理技术、创新补偿等可促进工业企业提高资源生产率、减少废水排放，说明治理政策值得推崇。六是财政分权对水污染具有抗干扰的“稳健性”正向影响。财政分权促使地方政府在现有经济考核制度下为吸引外企入驻、本地企业发展等而采取一些追求经济增长的方式，会造成严重的水污染问题。说明地方政府这种对企业的“庇护”做法急需规制。

四、结论及对策建议

结果显示，纳入空间因素的面板数据EBA模型下我国水污染与经济增长之间不存在EKC倒“U”型曲线关系；工业化水平、出口贸易、自主研发知识存量、有效征收率、废水治理投资、财政分权6个变量对我国水污染具有抗干扰的“稳健性”影响。据此本文提出以下对策建议:

1.工业发展不能走“先污染后治理”的老路

研究结果认为水污染与经济发展间的EKC曲线关系并非必然。通过梳理已有文献发现，EKC曲线的研究结果会由于估计方法、度量指标选取等原因而有所差异。同时由于包括水污染在内的环境污染存在生态不可逆阀值，一旦污染水平超过不可逆阀值，破坏后的环境则难以恢复。中国的基本国情是环境承载能力差，人均水资源占有量低，并且中国凸显的水污染问题可追踪于粗放的增长方式。因此“先污染后治理”的模式在中国并不适用。面对严重的水污染状况，最好的办法是继续采取积极有效的污染治理措施，避免发生环境无法恢复的窘境。

2.提高科研投入，发展新兴产业

从工业化水平和技术进步的角度分析。一方面，工业化进程没有改善水污染程度。原因是，现今的工业化模式仍然沿用传统模式，工业产出并不反映理应承担的水环境成本。另一方面，工业技术进步对水污染治理影响显著。因此我们在发展工业经济的同时应积极鼓励工业企业进行研发投入、提高科研投入效率。同时我们要大力发展环保节能产业，以新兴产业带动工业化进程。

3.优化产业结构，调整贸易模式

理论上出口贸易对环境的影响体现为负向的规模效应、正向的技术效应及复杂的结构效应。实证结果中出口贸易给环境造成了巨大的负面影响，说明我国目前的出口产品仍以资源密集型产品居多。工业产品的大量出口加快了出口企业生产进程，加大了水污染程度。因此我国在外贸政策上应注重调整贸易与环境的关系，不能一味追求货币价值上的贸易顺差。在衡量贸易水平时纳入污染成本考核指标，很好地权衡出口的环境效益，实现经济与环境的双赢。

4.加大规制强度，完善保护措施

从有效征收率、环保投资角度分析看，中央政府在水污染治理中采取的排污费制度对控制水污染作用显著，排污费制度值得推崇。但从现行的制度来看，废水收费标准偏低，采用的并不是经济学意义上的庇古税，而是单一污染物超标收费。因此，中央政府可在污染定价体系中加以调整，使得排污削减更加有效。同时，从“高投资，低污染”看，我国应加大环保投资力度，将环保投资用于实处，即设备改造、技术革新等。

5.建立政绩考核体系，实行环境保护问责制

从财政分权角度分析，地方分权程度越高，水污染状况越差。因此，规范各级政府行为对突破我国现有水污染困局作用显著。一方面，剔除单一“国内生产总值”考核制，建立包括“绿色国内生产总值”在内的地方政府政绩考核机制。另一方面，为转变地方政府短视的政绩导向，实行对污染治理不力的地方政府或官员给予“一票否决”的环境保护问责制度。

[1]MOHANMED I A W. The Impacts of Water Pollution on Economic Development in Sudan[J]. Environmental Economics Journal, 2011, (107):387-391.

[2]张宇, 蒋殿春. FDI、政府监管与中国水污染——基于产业结构与技术进步分解指标的实证检验[J]. 经济学：季刊, 2014, (2):491-514.

[3]计志英,毛杰, 赖小锋. FDI 规模对我国环境污染的影响效应研究——基于30个省级面板数据模型的实证检验[J]. 世界经济研究, 2015, (3): 52-64.

[4]E D SCHOOLMAN, Ma C. Towards a General Theory of Environmental Inequality: Social Characteristics of Townships and the Distribution of Pollution in China's Jiangsu Province[J/OL].(2015-01-06) [2011-11-07].http://ageconsearch.umn.edu/bitstream/117809/2/WP110023.pdf.

[5]宋国君, 韩冬梅. 中国城市生活污水管理绩效评估研究[J]. 中国软科学, 2012, (8): 75-83.

[6]杨骞, 刘华军. 污染排放约東下中国农业水资源效率的区城差异与影响因素[J]. 数量经济技术经济研究, 2015,(1): 114-158.

[7]曾文慧. 流域越界污染规制：对中国跨省水污染的实证研究[J]. 经济学:季刊, 2008, (2): 447-464.

[8]G SELVARETNAM, K THAMPANISHVONG. Using Effluent Charges in Promoting Investment in Water Pollution Control Technology: A Model of Coordination Failure among Firms[J]. International Journal of Grid & High Performance Computing, 2010,(4):71-86.

[9]GANI A, SCRIMGEOUR F. Modeling governance and water pollution using the institutional ecological economic framework[J]. Economic Modelling, 2014,(10):363-372.

[10]曹诗图, 杨丽斌. 清江流域旅游环境的水污染综合治理研究[J]. 生态经济,2015, (4): 141-144.

[11]王立平, 管杰, 张纪东. 中国环境污染与经济增长: 基于空间动态面板数据模型的实证分析[J]. 地理科学, 2010, (6): 818-825.

[12]张可, 汪东芳. 经济集聚与环境污染的交互影响及空间溢出[J]. 中国工业经济, 2014, (6): 70-82.

[13]LEAMER E E. Sensitivity analyses would help[J].American Economic Review, 1985,(7):308-313.

[14]LEVINE R, RENELT D. A sensitive analysis of cross-country growth regression[J]. America Economic Review, 1992,(82):952-963.

[15]丁一兵,钟阳, 赵宣凯. 日元国际化的直接影响因素及空间溢出效应——基于OTC交易量的空间面板模型研究[J]. 世界经济研究, 2013, (2):22-27.

[16]SALE-I-MARTIN X X. I just ran two million regressions[J]. The American Economic Review, 1997, (2):178-183.

(责任编辑谢媛媛)

Factors Affecting the “Robustness” of Cross-border Water Pollution:An Empirical Analysis Based on Spatial Panel Data of EBA Model

WANG Liping,HUANG Lili,HU Yiwei

(School of Economics, Hefei University of Technology, Hefei 230601, China)

In this paper, the extreme bounds analysis(EBA) model including the spatial factors is built with the support of GIS technology, and then the empirical study on the environmental Kuznets curve(EKC) relationship between the industrial wastewater pollution and economic growth in China is carried out by adopting the panel data of China's 30 provinces from 2004 to 2013. Based on the spatial spillover effects and the EKC curve inverted “U” type test, the factors affecting the “robustness” of the industrial water pollution are researched. The results show that the industrial water pollution in Chinese provinces has spatial spillover effects. There is no EKC curve inverted “U” type relationship between the industrial water pollution and economic growth. There is a positive “robust” relationship between the industrialization level, export trade, fiscal decentralization and the industrial water pollution, while there is a negative “robust” relationship between the independent R&D knowledge stock, effective tax rate, investment of environmental pollution treatment and the industrial water pollution. Some corresponding suggestions are also put forward.

water pollution; environmental Kuznets curve(EKC); spillover effect; extreme bounds analysis(EBA) model; “robustness” test

2015-08-06

国家自然科学基金项目(71073045)；教育部人文社科规划项目(12YJA790135)；安徽省自然科学基金(11040606M18)

王立平(1968-)，男，安徽肥西人，教授。

X196

A

1008-3634(2016)04-0001-08