贸易开放程度对雾霾的影响分析——基于中国省级面板数据的空间计量研究

康 雨



贸易开放程度对雾霾的影响分析——基于中国省级面板数据的空间计量研究

康 雨

（南京大学商学院 江苏南京 210023）

运用中国31个省1998-2012年间PM2.5的数据，本文在空间计量分析基础上考虑到模型本身的内生性问题后，试分析贸易开放程度对雾霾的影响。由于同时考虑了可能引起本类文献回归结果偏误的两个最主要因素，本文的结论更为可靠。空间计量方面，全局及局域相关性分析显示，中国雾霾的空间溢出效应显著。本文因此采用空间滞后面板数据模型。解释变量内生性方面，本文将滞后十年的旅游外汇收入作为工具变量，该工具变量具有很好的理论及现实意义。在考虑到这两个因素的双重作用后，本文证实了贸易开放对雾霾有加剧作用的结论。此研究对更准确认识国际贸易对环境的影响具有重要的推动作用，也为中国倡导各省联合治理雾霾的政策提供了坚实理论基础。

贸易开放度 雾霾 空间计量分析

一、引言及文献综述

近几年，越来越多的人将贸易开放所带来环境隐患与雾霾问题相联系。通过对外开放“三步走”战略及一系列税收减免政策，中国出口贸易高速增长，国民生产总值中进出口总额占比由1978年的11.2%增至2012年的45.7%。结构方面，在中国的外向型经济模式指导下，出口产品中资本密集型产品占比迅速增加，由1998年的38.4%增至2012年的59.3%。资本密集型产业中，以冶金工业、石油工业、机械制造业等重工业为代表的资本密集型产业均有高污染、高排放的特征。这使贸易自由化在促进中国工业发展的同时，也带来了更多污染隐患。然而，有学者认为，贸易自由化带来的促进产业结构升级及技术进步等正效应亦对环境污染起到改善作用，这与前文提到的污染隐患作用相反。因此，贸易的引致效应不能从理论上明确预测。

贸易与环境之间关系的研究开始于Grossman和Krueger（1991）。在分析北美自由贸易协议（NAFTA）对环境产生的影响时，他们首次提出环境与收入之间存在倒U形关系，即“环境库兹涅茨曲线”。具体影响可以分解为规模效应、结构效应和技术效应三部分，最终结果取决于这三种效应的合力。规模效应即贸易量增加导致经济活动规模扩大，从而产生更多的污染物；结构效应强调国际产业转移改变本国产业结构，从而对环境产生影响；技术效应指贸易活动中引入或开发的新技术对降低单位产出的污染量具有积极作用。之后又有学者（Panayotou，2000）进一步加入了收入效应和规制效应，使分析更加完备。

实证方面，不同学者因选取的样本、方法不同，得出了不同的结论。有学者认为国际贸易对环境有改善作用。如Antweiler，B. R. Copeland和M. S. Taylor（2001）使用1971-1996年的跨国面板数据考察了上述三种效应的大小，认为贸易总体上对环境改善有积极作用。针对此结论，有学者进一步认为不同发展程度的国家合力方向可能不同。如Baek，Cho和W. W. Koo（2009）采用1960-2000年50国的SO2排放量数据进行分析，得出自由贸易对发达国家的空气质量改善有积极作用，对发展中国家的空气质量有消极作用的结论；而Zhigang Li，Nan Xu和Jia Yuan（2015）以可见度为指标，发现国际贸易对世界134个发达国家和发展中国家的空气质量均有负面影响。

中国作为全球贸易体系中十分重要的一员，其贸易开放程度对环境的影响为许多学者所重视。如邓柏盛，宋德勇（2008）以SO2排放量作为指标，发现FDI有利于中国环境的改善，而商品贸易则恶化了环境。彭水军等人（2013）在综合分析了251个地级市2005-2010年的工业烟尘、SO2和水污染情况之后，却认为贸易总体上有利于国内环境的改善。

随着研究的深入，越来越多的学者注意到贸易开放度与环境之间的内生性问题，即二者之间可能会有因阀值效应产生的同期偏差（Simultaneity Bias），忽略这一问题可能导致估计结果有偏。针对此问题，Frankel和Rose（2005）首次将重力模型引入分析框架，以各国人口、地理及经济距离等外生性变量为工具变量进行分析，得到了自由贸易促进环境质量改善的结论。此后，相关文献几乎都沿用了这一方法（M. A. Cole，2006; Zhigang Li，Nan Xu和Jia Yuan，2015）。然而，作为工具变量的人口、距离等地理变量不随时间的变化而改变，因此，在利用面板数据分析时不再有效。本文以10年前的各省旅游外汇收入作为工具变量，这一变量与各省本年的贸易开放度高度相关，而10年前的旅游外汇收入对10年后本省环境状况的解释度微乎其微，是比较理想的工具变量。

另一个被本领域多数研究所忽视的问题是污染的空间溢出效应，Maddison（2007）对欧洲国家1951-1990年的相关数据进行了分析，发现二氧化硫和氮氧化物在各国间存在显著的溢出效应。马丽梅、张晓（2014）运用空间计量方法，探讨中国各省间雾霾污染的交互关系问题及能源结构影响，也表示雾霾的溢出效应在省际间确实存在，且相当明显。因此若不考虑各地区环境的相互关联性，研究结果可能会出现较大偏误。

本文在逐步控制解释变量内生性与空间溢出效应的情况下，通过空间滞后面板数据分析模型来探究贸易开放程度对雾霾的影响。本文可能的贡献在于：1. 样本选择更有效。不同于大多数本领域文献采用时间序列或横截面数据进行分析，本文以1998-2012年间31个省市的面板数据为样本，有效控制了省际个体异质性及模型异方差等问题（Zhigang Li，Nan Xu和Jia Yuan，2015）。2. 被解释变量选取更有意义。在全国合力治理雾霾的大背景下，本文以PM2.5浓度作为污染物的代理变量具有很强的现实意义及参考价值。3. 工具变量的选取更合理。本文选用10年前的旅游外汇收入作为工具变量，在理论及实证检验中均十分符合工具变量的选取要求，这使模型估计更加精确。4. 估计结果更可信。虽然内生性与空间溢出效应在近几年曾分别被学者所关注，但到目前为止，还没有此领域研究将这两个因素联合加以考虑。本文考虑二者的合力方向，使结果更可信。

本文结构安排如下：第一部分综述已有文献；第二部分介绍数据来源，并作简单描述性分析；第三部分对雾霾污染的现状及空间相关性进行分析；第四部分设定基本的空间滞后面板数据模型；第五部分通过工具变量及空间滞后面板数据模型的使用逐步得出结论；第六部分为敏感性检验；第七部分总述结论。

二、数据来源与初步分析

（一）数据来源

由于国内数据不足，本文参考了马丽梅和张晓（2014）的研究，采用巴特尔研究所及哥伦比亚大学国际地球科学信息网络中心通过卫星搭载设备对气溶胶光学厚度进行测定得到的1998—2012年全球PM2.5遥感数据（SEDAC，2015）。该数据与环保部与2012年2月对于中国雾霾形势的判断基本吻合，可信度较高。值得注意的是，为了保证数据的平稳性，该测算机构公布的PM2.5的数据为3年的滑动平均值。因此，本文将其他解释变量亦做3年的滑动平均处理。本文的其他数据来自中国统计局网站和《中国统计年鉴》。由于西藏自治区部分资料不全，本文不将其放入考虑范围内。

软件使用方面，本文利用ArcGIS 10.3对遥感数据进行处理得到全国各省（不包括港澳台）每年的数据，空间相关性分析部分的计算使用GeoDA 1.6.7完成。本文的空间计量分析及模型回归使用MATLAB R2015a和Stata12.0软件完成。

（二）初步分析

图1为贸易开放度与PM2.5浓度之间的关系概览。为更好的体现二者关系，本文将这两变量变为对数形式。其中，每个都点代表某地区某一年度的数据。如图所示，PM2.5浓度与贸易开放度有较为明显的正相关。同时，图中各数据呈现出现较明显的集群特征，除了有自相关因素外，此图也显示出各地区发展情况可能存在集聚效应。其他变量的统计性描述见附录1。

图1 贸易开放度和PM2.5浓度关系散点图

三、空间相关性分析

（一）全局空间相关性

本文采用全局Moran’s I指数来衡量区域间整体空间相关程度。其计算公式为：

I即Moran’s I指数，用于测度区域间PM2.5的总体相关程度。I值越接近1表示地区间空间正相关程度越高，越接近-1表示负相关程度越高，指数为0则表示没有空间相关性。为第i个地区的PM2.5浓度值，n为地区数，W为空间权重矩阵。

经计算，1998-2012年间，中国的全局Moran’s I指数由0.583逐渐升至0.642，且均通过1%显著水平的检验，说明各省PM2.5的浓度一直存在正向显著的空间相关性，污染集聚效应明显。①

图2分别为1998-2000、2004-2006与2010-2012年间各省的Moran散点图。其中，横轴为标准化后的PM2.5浓度值，纵轴是标准化后的PM2.5浓度空间滞后值，散点图以平均值为原点。位于第一象限的点属于高—高正相关，第三象限属于低—低正相关，二、四象限均表示负相关。因此，一、三象限为典型观测区域，二、四象限为非典型观测区域。如图所示，中国绝大多数省份均位于典型观测区内，仅有一两个省份落入非典型区域，这亦体现出PM2.5空间正相关关系的显著性及稳定性。

图2 中国各地区PM2.5浓度的Moran散点图

1998-2000年        2004-2006年         2010-2012年

（二）局域空间相关性

全局Moran’s I指数从整体上刻画了PM2.5浓度的聚集情况。然而，基于整体的空间自相关分析可能忽略了局部地区的非典型特性（Anselin，1995）。局域空间关联指标（Local Indicators of Spatial Association，LISA）可以检验局部地区的集聚现象是否显著。本文采用的是局域Moran's I指数，计算公式为：

其中，Ii是i地区的局域相关性指数，测度i地区与其周围地区PM2.5的相关程度，，，n，W，S2均与上一节中设定相同。表示正相关，即高—高集聚或低—低集聚；表示负相关，即高—低或低—高相邻。下图为根据局域Moran’s I指数绘制的1998-2000和2010-2012年度中国各地区的局域集聚情况图，集聚区均通过了显著性水平为5%的检验。结合其他年份的局域集聚相关性地图可知，①新疆、青海、黑龙江、吉林等地属于低—低集聚区；京津冀、长三角及其周围地区呈现出明显而稳定的集聚效应。这也显示出，集聚区域内针对雾霾的联合治理比单个省单打独斗更有效。通过转移将高污染转移给临近省市这种以邻为壑的做法在长期将不能达到改善本省环境状况的目的。

图3 基于局域Moran’s I的中国各地区局域集聚地图

1998-2000年2010-2012年

四、模型设定

（一）基本模型

本文基本模型设定如下：

关于人均收入对雾霾浓度的影响，理论上，环境库兹涅茨曲线（EKC）的倒“U”形形状使收入的一次方项和二次方项应同时被加入模型中。然而结合许多学者认为中国大部分地区仍处于发展的初级阶段，即未到曲线的拐点（许广月，宋德勇，2010）。因此，在回归中加入二次方项的实际意义不大，而且可能造成回归结果的偏差。因此，本文在此模型中仅加入收入的一次方项。加入二次方项进行回归，本文亦得出了与前文相似的结果。①

（二）内生性问题

由于贸易开放对环境污染的影响具有因阀值效应而产生的内生性问题，Rose和Frankel（2005）采用国际贸易重力模型中一系列外生地理变量或基础社会经济变量来作为工具变量，取得了很好的效果，大多数此领域文献也都采用这一方法。然而模型中这些自然地理变量不随时间变化而变化，且省级层面的进出口贸易不存在固定的贸易伙伴，故此方法不适用于本文对省级面板数据的分析。

本文选取本省10年前的旅游外汇收入作为工具变量。由于经济开放程度的变化具有连续性，10年前的旅游外汇收入反映了同期本地的贸易开放程度，进而可以有效的影响10年后的开放程度。由于贸易开放程度并不是影响雾霾形成的最主要因素，其他因素，如近几年的工业污染物排放量会在很大程度上影响本省雾霾浓度，可以认为10年前的旅游收入情况对当前雾霾状况的影响微乎其微。一条可能的机制为该省在10年前就制定打造旅游省份的规划，因此在近10年的发展过程中着重发展第三产业，使现阶段PM2.5的浓度较小。然而，中国此类规划多局限于个别旅游资源丰富的城市，上升到省级层面来看，省内个别城市的旅游业发展对全省带来的影响很小。并且，几乎每个省都有主打发展旅游业的城市，因此这一机制不是造成省际雾霾状况差异的主要因素。这符合工具变量应与贸易开放程度高度相关，却是模型中外生变量的选取原则。

数值方面，表1为工具变量与开放程度、环境污染之间的相关系数矩阵，可以看出，10年前的旅游外汇收入与10年后的贸易开放程度高度相关，相关系数为0.75；而工具变量与贸易开放程度的相关性只有0.14。②

表1 工具变量与开放程度、环境污染相关系数矩阵

五、雾霾污染空间效应的实证分析结果

（一）针对空间计量的模型设定

本文（5）式的基础上，引入空间变量逐步完善模型。由于进行的是面板数据分析，因此需要考虑时间效应与个体效应。故扩展后的表达式为：

（二）基于模型的实证回归结果

表2 不同模型设定下的回归结果比较

注：1. 括号中显示的是各变量所对应的标准误差。 2. 星号表示的是不同显著性水平。“***”表示p<0.01，“**”表示p<0.05，“*”表示p<0.1。

如表2所示，回归（I）为不考虑内生性或空间溢出效应，用OLS方法回归出的参照结果。可以看出，贸易开放度对雾霾污染有显著的改善作用。回归（II）为只考虑贸易开放程度与雾霾之间的内生性问题后，采用2SLS方法得到的结果，回归（III）为只考虑空间溢出效应，采用空间滞后面板数据回归模型后的结果。回归（IV）为既考虑内生性、又考虑空间溢出效应的回归结果。这三种方法得到的贸易开放度对雾霾的影响均为正，即贸易对环境污染有加剧作用；同时，其加剧程度变小。观察到收入对雾霾浓度的影响在同时控制了两种因素后由正转负，空间溢出效应的系数却变大。可推测，这两个变量所带来的影响被省份之间的相互影响所分担。同时，资本密度、供暖及政府治理这三个变量的影响不再显著。然而这些不是本文的研究重点，故不在这里进一步讨论。

（三）对污染天堂假说的检验

污染天堂假说认为低收入发展中国家环境规制力度较低，因而在寻求地外部成本的污染密集性产业上具有比较优势，进而使这些国家成为污染的集中区。本文遵循Frankel和Rose（2005）的做法，通过设立交叉项对“贸易天堂”假说进行检验，具体检验结果详见附录2。对这一假说的解释主要有三种：

一是由于环境标准更为严格和完善，发达国家会将高污染高耗能产业向发展中国家转移。本文在方程中加入开放度和人均收入的乘积这一交叉项为检验此机制。其系数显著为负，即在同一开放程度下，高收入省份的污染反而较低，此机制成立。

二是与资源禀赋假说相近，环境资源丰富的国家会主动出口高污染产品。本文在方程中加入开放度与人均土地面积的交叉项，若此机制成立，其系数应为正。而本文回归结果为负，此机制不成立。

三是资本密集型国家利用其比较优势生产较多资本密集型产品，导致污染集中。本文加入开放度与资本劳动比率的交叉项。其回归系数显著为负，即此机制在中国不成立。

综上，由于在开放过程中接收来自发达国家的高污染产业，中国逐渐成为“污染天堂”。

六、敏感性检验

（一）数据选取的合理性检验

本文通过用2001-2010年间中国各省的工业粉尘排放量来代替PM2.5数据做敏感性检验。得到的部分回归结果如表3所示。和表2所呈现出的结论相似，与简单回归相比，不论是单独考虑内生性、空间溢出效应，还是将两种因素都考虑进去，贸易开放程度对雾霾的影响均为正显著。这说明将PM2.5的数据作为雾霾的代理变量所产生的结果具有一定可靠性。①

表3 不同模型设计下贸易开放度对工业粉尘排放量的影响

注：1. 括号中显示的是各变量所对应的标准误差。 2. 星号表示的是不同显著性水平。“***”表示 p<0.01，“**”表示p<0.05，“*”表示 p<0.1。

（二）工具变量选取的合理性检验

本文从两个角度来检验合理性，一是工具变量与等式的外生关系（过度识别检验），二是工具变量与内生变量的关系及强弱程度（不可识别检验及弱势别检验）。其中，运用阶条件来判断方程是否可识别，运用秩条件来判断方程识别的状态。具体介绍如下所示：

1）Underidentification tests（不可识别检验）：通过秩条件来判断工具变量与等式中的内生变量是否有关系的检验。本文采取Anderson秩检验中的拉格朗日乘数法（Lagrange multiplier，LM）来检验（Anderson，1951）。两种检验的原假设均为：方程不可识别。本文中结果显示拒绝原假设，即方程可识别（identified）。

2）Weak identification test（弱识别检验）：工具变量与内生变量关系强弱的检验。本文采取Cragg-Donald Wald秩检验的F检验方法（Cragg and Donald，1933）。原假设为：工具变量与内生变量之间关系较弱。根据经验法则，F值大于10即可拒绝原假设。因此本文中工具变量与内生变量有较强的相关性。

3）Weak-instrument-robust inference（弱工具变量检验）：工具变量本身显著性程度的检验。本文采取Anderson-Rubin Wald检验（Anderson and Rubin，1950）与Stock-Wright拉格朗日乘数法检验（Stock and Wright，2000）。其原假设为：工具变量在回归中的系数为0，即解释力度不大。本文中拒绝原假设，即工具变量有较强解释力。

如表5所示，本文的回归结果通过了关于工具变量合理性的检验，因此采用此工具变量进行的回归结果准确度较高。关于2SLS回归中工具变量的第一阶段回归结果，详见附录3。

表5 工具变量的合理性检验结果

注：1. 括号中显示的是各变量所对应的标准误。 2. 星号表示的是不同显著性水平。“***”表示 p<0.01，“**”表示p<0.05，“*”表示p<0.1。

七、结 论

本文利用1998-2012年间中国31个省市的PM2.5及相关数据，在同时考虑到了解释变量内生性及空间溢出效应这两种可能使结果有偏的因素后，探寻贸易开放程度对雾霾的影响。结果证实了在中国贸易自由化对环境污染具有加剧作用的观点。具体来说：

1. 中国各省雾霾情况的空间集聚效应明显。

2. 在考虑到解释变量的内生性及空间溢出效应后，贸易开放度对雾霾的影响由负变正，由此得出贸易开放度对雾霾有加剧作用的结论，即中国有成为全球化背景下的“污染天堂”的趋势。

本文的研究可能与特定的地域与时期有关，也与中国各省自身发展状况的不同有关。如在全球价值链中处于不同地位的不同省市中贸易对环境的影响可能不同。因此，将全国性的数据分解至不同经济聚类区、进行更加深入的结构分析是本文下一步的研究方向。同时，贸易开放的影响机制除了EKC假说、污染天堂假说外，还有向底线赛跑（Race to the Bottom）假说，即在国际贸易竞争中各地纷纷降低其环境质量标准，以保持竞争力。进一步检验向底线赛跑假说也是本文下一步的完善方向。

本文结论也具有一定的政策意义，即：

1. 地方政府在治理雾霾时应考虑到雾霾的空间溢出效应，集聚区内的省市联合治理的结果会显著优于某个省的单打独斗。同时，通过将高污染产业迁至邻省从而达到减少本省污染目标的这种以邻为壑的做法是不可取的，并不能从根本上改善本省环境。

2. 政府在制定贸易开放政策时应考虑到贸易开放对环境的负影响。在进行进出口贸易时应注意贸易产品的结构优化，避免重蹈欧美国家在上世纪初遇到的种种环境危机。

附录1 各变量名称及基本信息

变量名称单位样本数均值标准差最小值最大值 PM2.5PM2.5浓度39039.03419.0378.69485.650 Openness贸易开放程度—3900.3240.4110.0341.690 Income人均实际收入万元39018.69612.2604.62664.192 Policy政府环境治理投资万元3900.0020.0020.0010.007 Landarea per capita土地密度—390401.930380.28830.6972239.017 Heat供暖情况—3900.6650.4640.0001.000 Trip income旅游外汇收入万元367295.579620.2730.2334562.240

附录2 “污染天堂”假说的检验结果

假设1假设2假设3 ln Openness0.807***（0.000）0.793***（0.000）0.796***（0.000） 1.847***（0.000）1.773***（0.000）1.814***（0.000） ln Policy-0.043（0.231）-0.019（0.603）-0.029（0.428） ln landareaper capita0.223*（0.058）0.195*（0.098）0.217*（0.072） Heat-0.080（0.401）-0.102（0.290）-0.090（0.350）

续附录2

假设1假设2假设3 Openness * Income-0.012***（0.000）__ Openness * Land_-0.0003***（0.002）_ Openness * Capital-labor Ratio__-0.032***（0.002） Observations370370370 Adjusted 0.7870.7800.779

注：1. 括号中显示的是各变量所对应的标准误差。 2. 星号表示的是不同显著性水平。“***”表示 p<0.01，“**”表示p<0.05，“*”表示p<0.

附录3 2SLS方法的第一阶段回归结果

模型（6）模型（8）敏感性检验 ln Income-0.220** （0.026）0.362 （0.425）-0.220** （0.026） ln2Income_-0.108（0.189）_ ln Policy0.049*** （0.000）0.032 （0.378）0.049 （0.160） ln Landarea per capita-0.194 * （0.075）-0.172 （0.120）-0.194* （0.075） Heat0.159*** （0.000）0.174* （0.063）0.159* （0.087） ln Trip_income0.203*** （0.000）0.201*** （0.000）0.203*** （0.000） Observations330 330 330 Adjusted R20.370 0.374 0.370 F value96.65***（0.000）26.96***（0.000）96.65***（0.000） Underidentification tests合格合格合格 Weak identification test合格合格合格 Weak-instrument-robust inference合格合格合格

注：1. 括号中显示的是各变量所对应的标准误差。 2. 星号表示的是不同显著性水平。“***”表示 p<0.01，“**”表示p<0.05，“*”表示 p<0.1。

1. 邓柏盛、宋德勇：《中国对外贸易，FDI与环境污染之间关系的研究: 1995-2005》[J]，《国际贸易问题》2008年第4期。

2. 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年第4期。

3. 彭水军、张文城、曹毅：《贸易开放的结构效应是否加剧了中国的环境污染——基于地级城市动态面板数据的经验证据》[J]，《国际贸易问题》2013年第8期。

4. 沈坤荣、李剑：《中国贸易发展与经济增长的经验研究》[J]，《经济研究》2003年第5期。

5. 魏锋、沈坤荣：《中国出口商品结构与贸易发展方式的转变——基于1978-2007 年的经验研究》[J]，《国际贸易问题》2009年第10期。

6. 许广月、宋德勇：《中国碳排放环境库兹涅茨曲线的实证研究》[J]，《中国工业经济》2010年第5期。

7. 杨海生、贾佳、周永章：《贸易, 外商直接投资，经济增长与环境污染》[J]，《中国人口资源与环境》2005年第2期。

8. Anderson, T. W., 1951, "Estimating Linear Restrictions on Regression Coefficients for Multivariate Normal Distributions" [J],, PP327-351.

9. Anderson, T. W., and Rubin, H., 1950, "The Asymptotic Properties of Estimates of the Parameters of a Single Equation in a Complete System of Stochastic Equations"[J],, PP 570-582.

10. Anselin, L., 1995, "Local Indicators of Spatial Association—LISA"[J],, Vol.27(2), PP 93-115.

11. Antweiler, W., Copeland, B. R., and Taylor, M. S., 1998, "Is Free Trade Good for the Environment?" [J],No. w6707.

12. Baek, J., Cho, Y., and Koo, W. W., 2009, "The Environmental Consequences of Globalization: A Country-specific Time-series Analysis"[J],, Vol.68(8), PP2255-2264.

13. Cole, Matthew A., 2006, "Does Trade Liberalization Increase National Energy Use?" [J],, Vol.92(1), PP108-112.

14. Cole, Matthew A., and Elliott. R. J., 2003, "Determining the Trade–environment Composition Effect: The Role of Capital, Labor and Environmental Regulations." [J],, Vol.46(3), PP363-383.

15. Copeland, B. R., and Taylor, M. S., 1995, "Trade and Transboundary Pollution"[J],, PP716-737.

16. Copeland, B. R., and Taylor, M. S., 2003, "Trade, Growth and the Environment"[J] ,. No. w9823.

17. Cragg, John G., and Donald, S. G., 1993, "Testing Identifiability and Specification in Instrumental Variable Models." [J],, Vol.9, PP222-240.

18. Frankel, J. A., and Rose, A. K., 2005, "Is Trade Good or Bad for the Environment? Sorting Out the Causality." [J],Vol.87(1), PP85-91.

19. Frankel, J. A., & Romer, D., 1999, "Does Trade Cause Growth? "[J],, PP379-399.

20. Grossman, G. M., and Krueger, A. B., 1991, "Environmental Impacts of a North American Free Trade Agreement"[J],. No. w3914.

21. Li, Z., Xu, N., and Yuan, J., 2015, "New Evidence on Trade-environment Linkage Via Air Visibility" [J],.

22. Maddison, David., 2007, "Modelling Sulphur Emissions in Europe: a Spatial Econometric Approach." [J],, Vol.59(4), PP726-743.

23. Panayotou, Theodore., 2000, "Economic Growth and the Environment"[D], Center for International Development at Harvard University. No. 56.

24. Stock, J. H., and Wright, J. H., 2000, "GMM with Weak Identification." [J],, Vol.68(5), PP1055-1096.

25. Yan Yunfeng, and Yang Laike, 2010, "China's Foreign Trade and Climate Change: A Case Study of CO 2 Emissions"[J],, Vol.38(1): PP350-356.

（HT）

①因篇幅所限，各年间指数的具体数值从略。若需要可与作者联系索要。

①因篇幅所限，其他年份的集聚地图未呈现。需要可与作者索要。

①因篇幅所限，二次方项的回归结果未呈现。需要可与作者索要。

②由于篇幅原因，工具变量在两阶段回归中第一阶段的回归结果未在此展示，若需要可与作者索要。

①以工业粉尘排放量为指标的工具变量及模型设定的合理性检验结果由于篇幅原因未能展示，若需要可与作者联系索要。