城镇化进程中我国经济增长、贸易开放、第三产业与雾霾——基于省际面板数据的实证

■刘晓红，江可申

城镇化进程中我国经济增长、贸易开放、第三产业与雾霾
——基于省际面板数据的实证

■刘晓红，江可申

利用我国2003～2015年30省（市、区）面板数据，研究经济增长、城镇化、第三产业、贸易开放与雾霾之间的关系。使用FMOLS和DOLS两种面板估计方法对长期弹性系数进行估计，结果发现，经济增长会带来雾霾问题；我国经济增长与PM10浓度之间存在倒U型关系，即存在EKC曲线；城镇化程度的提高会引起PM10浓度的上升，城镇化与PM10浓度之间也存在着倒U型关系；第三产业比重的提高会降低雾霾污染；贸易开放度的扩大会导致我国PM10浓度的提高。格兰杰因果关系检验显示，人均GDP、第三产业比重、贸易开放是PM10浓度的单向格兰杰原因。方差分解表明贸易开放度对雾霾波动的贡献最大，其次是经济增长和第三产业比重，城镇化的作用最小。最后，提出优化贸易结构，坚持绿色发展，提升经济增长效能，提高第三产业比重、推进新型城镇化进程等建议。

雾霾；环境库兹涅茨曲线；贸易开放度；第三产业比重

刘晓红（1976-），河南南阳人，南京航空航天大学经济与管理学院博士生，南京晓庄学院商学院，副教授，研究方向为低碳经济；江可申（1956-），安徽颍上人，南京航空航天大学经济与管理学院教授，博士生导师，研究方向为产业经济与管理。（江苏南京211106）

近几年我国许多大中城市的雾霾天数增多，严重危害居民的身心健康，人们谈霾色变。政府高度重视雾霾问题，“十三五规划”指出：“扩大污染物总量控制范围，将细颗粒物等环境质量指标列入约束性指标”。我国已成为世界第一货物贸易大国，第三产业增加值占GDP比重超过了第二产业，在当前我国经济处于新常态的情景下，伴随着城镇化的进行，经济增长、贸易开放、第三产业比重与雾霾关系如何？对这一问题进行研究对于我国经济可持续发展乃至推进生态文明建设、实现美丽中国，解决雾霾难题具有重要的现实意义。

一、文献综述

雾霾主要由可吸入颗粒物组成，包括PM2.5和PM10。国外对可吸入颗粒物的研究较早，Elelred（1997）发现美国东部的可吸入颗粒物污染水平高于西部。Massey et al.（2012）研究了印度北部居民室内和室外的PM10、PM2.5浓度等的季节变换趋势，结果发现冬季室内可吸入颗粒物的浓度最高。Nehze（1999）发现可吸入颗粒物污染呈现季节趋势，不同的季节、不同气候条件对污染浓度影响较大。Pilla et al.(2015)通过地理信息系统（GIS）模型计算了都柏林地区污染浓度，结果发现不同的交通工具与PM10浓度的相关性不同，乘坐公交时，地理信息系统（GIS）模型与PM10浓度相关性较强，但在乘坐火车时相关度较低。Ferm et al.(2015)通过对瑞典道路交通中的PM10和PM2.5浓度进行分析，结果发现，道路附近的空气扩散是控制PM浓度的重要因素，冬季和午夜中扩散值最小。Mishra et al.(2015)分析了印度德里的雾霾污染，建立了基于神经-模糊的人工智能方法对印度德里每小时PM2.5浓度和相关湿度进行预测，并与多元线性回归和人工神经网络等方法进行比较。结果显示，基于神经-模糊的人工智能方法在预测德里城镇地区雾霾污染方面比人工神经网络和多元线性回归方法更令人信服。Hao et al.(2015)使用2013年我国PM2.5等数据资料，采用空间计量方法研究了我国城镇PM2.5的社会经济影响因素，结果发现车辆数量和第二产业对城镇PM2.5浓度影响显著。

近两年，严峻的雾霾问题使国内学者对雾霾的研究日益增多，马丽梅等（2014）探讨了31个省份本地与异地之间雾霾污染的交互影响问题，结果发现：长期内改变能源消费结构以及优化产业结构是关键，短期要减少劣质煤的使用。齐园等(2015)实证结果显示，PM2.5数据不存在稳定季节性和移动季节性特征，第二、三产业经济增长是PM2.5排放的格兰杰原因。冷艳丽等（2015）基于2001～2010年中国省际面板数据，考察了产业结构与城市化对雾霾污染的影响。结果表明:产业结构与雾霾污染呈正相关，城市化进程的推进对雾霾污染有正向影响;地区生产总值与雾霾污染显著负相关，金融危机虚拟变量和贸易开放度与雾霾污染显著正相关。东童童等（2015）推导出雾霾污染与工业集聚关系的理论模型，采用中国31省份2001～2010年的数据对理论模型进行验证。结果表明，工业产出集聚,会降低雾霾污染程度；工业效率可以降低工业劳动和资本集聚造成的雾霾污染程度。康雨（2016）运用中国31个省1998～2012年间PM2.5的数据，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。证实了贸易开放对雾霾有加剧作用的结论。

综合以上的研究成果可以看出，虽然我国已存在产业结构、能源消费结构、城市化对雾霾的影响分析，但尚未发现使用2003～2015年省际面板数据对我国雾霾环境库兹涅茨曲线即EKC的研究。经济增长、贸易开放对雾霾污染产生的机理作用在于，经济增长通过能源消费量的扩大，建筑施工面积的增加等加重雾霾污染程度。居民在经济增长过程中，由于收入增加，对民用汽车消费量也会随之上升，这会通过尾气的排放影响大气质量。同时，贸易开放程度的扩大，尤其其中的低附加值以及重工业等产品的进口会使得一国成为雾霾排放的隐患。但到目前为止，尚缺乏把经济增长、城镇化、第三产业比重、贸易开放度和PM10五个变量结合起来的研究，故本文使用面板数据对我国雾霾的环境EKC曲线进行有益的探索，以抛砖引玉，期待更多的研究成果出现。本文的创新点表现在以下三个方面：第一，采用FMOLS和DOLS两种回归方法进行分析，以解决OLS方法存在的有偏性问题；第二，以PM10浓度作为因变量，对我国雾霾的EKC进行分析；第三，把经济增长、城镇化、第三产业比重、贸易开放度和PM10五个变量结合起来进行分析，探寻我国雾霾的影响因素。

二、模型设定和数据来源

（一）模型设定

为了研究我国经济增长、城镇化、产业结构、贸易开放度与雾霾之间的关系，借鉴Hossain（2011）,建立如下模型：

i=1,…,N,代表面板中的30省（市，区），由于数据缺失，故西藏除外。t=1,…,T代表时间序列，PM10浓度表示雾霾污染程度，GDP表示人均实际国内生产总值，U表示城镇化程度，S表示第三产业比重，T表示贸易开放度。a1、a2、a3、a4、a5、a6分别代表各变量的弹性系数。e表示随机误差项。

（二）数据说明

《中国统计年鉴》自2004年开始发布一些大、中城市PM10的数据，基于数据的可得性，本文借鉴马丽梅（2014）的方法，即以省会城市的PM10浓度代替各省的PM10浓度，单位是毫克/立方米，研究起止时间是2003～2015年。各省（市，区）人均GDP、人均GDP指数、城镇化程度、第三产业比重、进出口货物总额、汇率等数据来自于2004～2016年《中国统计年鉴》。其中，人均GDP使用各省（市，区）人均GDP指数进行平减，以1997年为基期，单位是元/人；城镇化程度和第三产业比重的单位是%。贸易开放度由各省（市、区）进出口货物总额除以GDP计算得出，单位是%。

本文使用的计量软件是eviews8.0。

三、实证分析

（一）单位根检验

在进行协整检验之前，要对面板数据进行平稳性检验。采用Fisher-ADF、Fisher-PP、LLC三种检验方法，结果如表1所示。除了lnPM10检验形式含有常数项但无时间趋势项外，其他变量的检验形式是既有常数项，又有时间趋势项。三种检验方法都显示各变量的原序列拒绝原假设，是平稳序列，故可以对原序列进行协整检验。

表1 单位根检验

（二）协整检验

为了确定变量之间是否存在长期协整关系，要对面板数据进行协整检验。本文使用Pedroni和Kao两种检验方法，结果分别如表2、表3所示。Pedroni检验中组内的四个统计值，有两个统计值Panel PP-stat、Panel ADF-stat在1%显著水平上显著，拒绝变量都不协整的零假设。组间的三个统计值中有两个统计值Group PP-Stat、Group ADF-Stat在1%显著水平上显著。Pedroni协整检验表明变量之间存在长期协整关系。

表2 Pedroni′s残差协整检验结果

表3中的Kao协整检验通过了5%显著水平上的显著性检验，拒绝了变量之间都不协整的零假设，进一步说明变量之间存在着长期协整关系，可以进行回归分析。

表3 Kao′s残差协整检验结果

（三）长期估计

由于OLS（普通最小二乘法）在进行面板估计时，会存在渐近偏差，且OLS分布取决于冗余参数。为了避免这种偏差，本文采用Pedroni提出的FMOLS（完全修正的最小二乘法）和DOLS（动态最小二乘法）对方程（3）进行估计。在纠正内生性和序列相关性方面，FMOLS使用非参数方法，而DOLS使用参数方法，估计结果如表4所示。FMOLS和DOLS方法的R2分别为0.9088、0.9125，拟合优度较好。且两种方法估计结果相似，每个弹性系数的符号一致，都通过了显著性检验，说明建立的方程（3）是合理的。

人均GDP的系数为正值，说明我国经济增长会带来雾霾问题。两种方法中，人均GDP弹性系数都最大，FMOLS方法中人均GDP系数为16.0320，说明人均GDP每增长一个百分点，将使我国PM10浓度上升16.0320个百分点，经济增长对雾霾的影响程度较大。人均GDP2的系数为负值，说明我国经济增长与雾霾之间存在倒U型关系，即存在EKC曲线。表明我国在经济增长初期，PM10浓度随之提高。而后，我国重视技术创新，转变经济发展方式，坚持可持续发展，经济向循环发展方向转移。与此同时，城乡居民精神文化素质的提升会减少雾霾污染。城镇化程度的系数为正值，说明城镇化进程中，房屋的建造、工地的施工以及汽车拥有量的提高会带来雾霾污染问题。城镇化平方的系数为负，揭示了城镇化与雾霾之间也存在着倒U型关系，即验证了EKC假说。说明在我国城镇化的初始阶段会带来雾霾污染问题，但当城镇化水平达到一定程度，国家通过新型城镇化建设，即健全排污设施等措施降低雾霾污染。第三产业比重的弹性系数为负值，说明我国第三产业比重的提高会降低雾霾污染。这是由于第三产业中主要是服务业、金融等洁净产业，故发展第三产业可以有效缓解我国雾霾问题。贸易开放度的系数为正值，贸易开放度的扩大会导致我国PM10浓度的提高。

表4 面板FMOLS-DOLS长期估计（lnPM10是因变量）

（四）格兰杰因果关系检验

通过格兰杰因果关系检验说明变量之间因果关系的方向，结果如表5所示。人均GDP、第三产业比重、贸易开放度是PM10浓度的单向格兰杰原因，说明我国经济增长、第三产业比重和贸易开放度会影响我国雾霾污染程度，但雾霾污染不会对我国经济增长、第三产业比重和贸易开放度产生影响。经济增长是城镇化和贸易开放度的单向格兰杰原因，说明经济增长对城镇化和贸易开放的影响机制是单向的。城镇化是第三产业比重的单向格兰杰原因，说明城镇化程度的高低会影响第三产业比重，但第三产业比重不会对城镇化程度产生影响。贸易开放度是城镇化的单向格兰杰原因，说明贸易开放程度会对城镇化产生影响。经济增长是第三产业比重的双向格兰杰原因，说明经济增长与第三产业比重的影响机制是双向的，经济增长会影响第三产业比重，与此同时，第三产业比重也会影响经济增长。第三产业比重与贸易开放度之间也存在双向格兰杰因果关系，说明第三产业比重与贸易开放度之间互为因果，相互作用，第三产业比重会影响贸易开放度，贸易开放度也会影响第三产业比重。

表5 格兰杰因果关系检验

（五）方差分解

方差分解通过分析每一个结构冲击对内生变量变化（通常用方差来度量）的贡献度，评价不同结构冲击的重要性。方差分解能够给出方程（3）中的变量产生影响的每个随机扰动的相对重要信息，即各个变量对PM10浓度变动的贡献程度。从表6可以看出，我国PM10浓度的波动第一期只是因为自身波动的影响，从第2期开始，自身的影响程度逐步下降，但一直起主要作用。lnGDP对雾霾的影响呈U型，即在第6期前，经济增长对雾霾的影响呈下降趋势，第6期后，经济增长对雾霾的影响呈上升趋势。lnU对雾霾的影响稳定在0.05%左右。lnS和lnT对雾霾的影响呈上升趋势，如图1所示。由于lnU的影响较小，故图省略。除了雾霾自身的影响外，在第4期以前，lnGDP对雾霾的影响超过lnT,但在第5期以后，lnT对雾霾的影响作用超过了lnGDP，即除了雾霾自身的影响，雾霾影响程度从小到大依次为lnU、lnS、lnGDP、lnT。第20期雾霾扰动有47.322%来自于自身以外的因素，7.5275%、0.0751%、4.7706%、34.9488%分别来自于经济增长、城镇化程度、第三产业比重、贸易开放度。即贸易开放度的贡献最大，其次是经济增长和第三产业比重，城镇化的作用最小。

表6 方差分解

图1 方差分解图

四、结论与建议

（一）结论

使用2003～2015年30省（市、区）面板数据，研究经济增长、城镇化、第三产业、贸易开放与雾霾之间的关系。各变量原序列是平稳序列，Pedroni和Kao检验表明变量之间存在长期协整关系。使用FMOLS和DOLS两种面板估计方法对长期弹性系数进行估计，结果发现，人均GDP的系数为正值，经济增长会带来雾霾问题。我国经济增长与雾霾之间存在倒U型关系，即存在EKC曲线。城镇化程度的提高会引起PM10浓度的上升。城镇化与雾霾之间也存在着倒U型关系。第三产业比重的提高会降低雾霾污染。贸易开放度的扩大会导致我国PM10浓度的提高。格兰杰因果关系检验显示，人均GDP、第三产业比重、贸易开放度是PM10浓度的单向格兰杰原因。方差分解表明贸易开放度对雾霾波动的贡献最大，其次是经济增长和第三产业比重，城镇化最小。

（二）建议

第一，优化贸易结构。贸易开放度对雾霾产生正的影响，即贸易开放度的扩大会引起雾霾问题。贸易开放度是雾霾的单向格兰杰原因，且贸易开放对雾霾波动的贡献最大。在我国大门永向世界开放，正从外贸大国迈向贸易强国的情景下，为了最大限度消除贸易开放对我国大气环境产生的负面影响，我国要优化贸易结构，实施优进优出。在进口方面，减少低附加值产品比例，增加技术含量高的产品比例，既有利于实现资源优化配置，又可避免我国成为其他国家污染排放地。出口方面，加强技术研发，进行品牌建设，增加出口产品的附加值，提高出口产品在国际上的竞争力，承担保护国际环境的社会责任。总之，我国要优化贸易结构，改变片面追求贸易数量的做法，提高贸易开放层次。

第二，坚持绿色发展，提高经济增长效能。经济增长会带来雾霾污染问题，是产生雾霾的重要原因，这是因为我国在经济增长中存在的老问题，即追求速度、数量、政绩而牺牲环境，即经济发展方式尚未完全转变，增长中的高排放、高污染带来了雾霾问题。为了在经济增长过程中对环境污染的负面影响降到最低，要按照“十三五规划”的要求，坚持创新发展，实现发展的动力转换，高效利用资源，追求经济增长的质量和效益。要坚持绿色发展，重视由于经济增长而带来的环境退化和资源消耗，实施环保节能政策，以可持续发展为目标，提高经济增长效能。同时，要加强环境治理力度，改善城乡居民的生态环境，使城乡居民在享受经济发展成果的同时，身心得到健康发展。

第三，提高第三产业比重。第三产业比重的提高会降低PM10浓度，因此，为了缓解困扰我国的雾霾问题，提高第三产业比重显得尤为重要。第三产业比重的提高一方面可以促进我国经济增长，另一方面又可降低我国雾霾污染，起到一箭双雕的效果。当前，虽然我国第三产业增加值比重超过第二产业，但第三产业中的现代服务业还不够成熟，高端服务业市场化程度仍然较低。故今后在提升第三产业比重的同时，一方面要加快发展现代服务业，针对社会的新需求，发展电子商务、物流等现代服务业，促进服务业向“精细和高品质”方向转变；另一方面，推进信息、咨询、科技、金融等高端服务业的市场化程度，提升高端服务业比重。

第四，推进新型城镇化进程。实证回归结果显示，城镇程度的提高会带来雾霾污染问题，这是由于汽车拥有量的增长引致的尾气排放，以及大规模施工等原因而引起的PM10浓度的提高。同时，城镇化程度符合EKC假说，故我国要严格实施以人为核心的新型城镇化。首先，加强城镇规划。考虑环境容量和人口承载量，避免只追求城镇人口的增长，要进行科学、合理的城镇建设规划，城镇用地同人口数量挂钩，建设绿色城镇；其次，在城镇中加强对雾霾的管理，如在施工方面，利用土堆进行苫盖，控制扬尘；再次，进行排污基础设施建设，做好垃圾处理及废物利用，重视绿化，建设优美的人居环境；最后，鼓励城镇居民环保出行，减少私家车的使用，增加对公共交通的使用，减少汽车排放的尾气。

[1]Massey D,Kulshrestha,A.Masih J et al. Seasonal trends of PM10，PM5.0，PM2.5&PM1.0in indoor and outdoor environments of residential homes located in North-Central India[J].Building and Environment, 2012,(47):223～231.

[2]Pilla F,Broderick B.A GIS model for personal exposure to PM10 for Dublin commuter［J］.Sustainable Cities and Society,2015，(15):1～10.

[3]FermM，SjobergK.Concentrationsand emission factors for PM2.5and PM10from road traffic in Sweden[J].Atmospheric Environment,2015，(119): 211～219.

[4]Mishra D，Goyal P，Upadhyay A.Artificial intelligence based approach to forecast PM2.5during haze episodes:A case study of Delhi,India[J]. Atmospheric Environment,2015，(102):239～248.

[5]Hao Yu,Liu Yi-ming.The influential factors of urban PM2.5 concentrations in China[J].Journal of Cleaner Production,2015（5）:1～11.

[6]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．

[7]齐园,张永安.北京三次产业演变与PM2.5排放的动态关系研究[J].中国人口·资源与环境，2015，(7):15～23.

[8]冷艳丽，杜思正.产业结构、城市化与雾霾污染[J].中国科技论坛，2015，(9):49～55.

[9]东童童，李欣，刘乃全.空间视角下工业集聚对雾霾污染的影响——理论与经验研究[J].经济管理，2015，（9）：2～41.

[10]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[J].经济科学，2016，（1）：114～125.

[11]郑之杰.关于提升GDP“质量、结构、效能”的思考[J].经济研究，2015，（1）：20～23.

F015

A

1006-169X（2017）03-0020-06

国家社会科学基金项目（15BGL144）；江苏省教育厅哲学社会科学研究指导项目（2016SJD790011）；江苏省高校“青蓝工程”资助。