环境综合污染程度与人均居民可支配收入关系的EKC验证

王元地，王国蒙

(四川大学商学院，四川 成都 610064)

环境综合污染程度与人均居民可支配收入关系的EKC验证

王元地，王国蒙

(四川大学商学院，四川 成都 610064)

本文首先选取中国1991—2012年7类环境污染物数据，建立起环境综合污染程度指标体系，测算环境综合污染得分，然后采用分位数回归方法对环境综合污染程度得分与人均可支配收入中值的关系进行实证检验。研究发现：中国环境综合污染程度与人均可支配收入呈现倒U型的EKC关系，曲线的拐点在1.45万元处；在0.25分位点处为线性关系，在0.5和0.75分位点处为倒U型EKC关系；产业结构、城市化水平、人口密度和外商直接投资对不同分位点下的污染程度有着显著影响；ARMA模型预测中国环境质量在2022年后达到稳定状态。最后根据研究结果，从政府、企业和科研机构三个层面提出相应的建议。

经济发展；环境污染；环境库兹涅兹曲线；分位数回归法

1 引言

近年来，中国环境质量与经济发展之间的矛盾日益恶化。据《2015年中国环境状况公报》统计，全国338个城市中，仅有73个城市空气质量达标。国家每年由环境破坏引起的经济损失占据当年GDP的7%～8%，并呈现上升趋势[1]。如今中国进入了经济新常态，经济发展从高速增长向中高速增长过渡，那么在此背景下，能否有效协调环境污染与经济发展之间的矛盾，实现环境效益与经济效益的“共赢”平衡，就成了整个社会关注的焦点问题。

关于环境污染与经济发展关系的研究,国际上最具影响力的一个假说便是“环境库兹涅茨曲线”(EKC)。它主要揭示了环境污染与经济发展之间存在倒U型关系。EKC假说的提出引起了学术界的高度关注，关于EKC的研究日益增多。从现有的研究成果来看，EKC的验证结果没有取得一致的结论，研究表明环境污染与经济发展之间存在着多种复杂关系。

国内关于EKC的验证形成了丰富的研究成果,但也存在较多不足之处。首先，关于EKC的检验多是基于单一环境污染指标视角，缺乏环境综合污染指标视角上的分析。其次，经济发展指标在中国情景下不具有代表性，在贫富悬殊的背景下,如果选用人均GDP来度量经济水平，结果将失去真实性。最后，现有的文献在验证过程中，普遍采用传统的OLS回归方法，只能得到了经济发展与环境污染的条件均值之间的曲线关系，而对于不同环境污染等级下的EKC曲线变化情况和影响因素缺乏深入探讨。

因此，本文试图从以下三个方面进行拓展研究：首先，从环境综合污染指标视角测算出环境综合污染指数。其次，结合中国基本国情对经济发展指标进行重新选定，用人均可支配收入中值代替人均GDP。最后，本文采用的分位数回归方法对不同分位点下的环境污染与经济发展的关系进行回归估计。此外本文还考虑了产业结构、城市化水平、人口密度和外商直接投资对不同分位点下的环境污染程度的影响，再对污染曲线的未来走势进行预测分析，进而从政府、企业和科研机构三个层面提出相应建议。

2 文献综述

国外关于EKC的研究主要从两个方面研究环境污染与经济发展的关系。一方面是对EKC关系的影响因素进行分析[2-5]。例如：John[2]在对代际交叠模型的分析中，发现居民的消费行为是环境污染与经济增长之间存在EKC的重要原；Stokey[3]的研究结果表明技术与政策这两个因素是EKC关系形成的主要因素；Copel[4]从国际贸易角度来分析环境污染对EKC的影响，研究结果表明发达国家通过国际贸易或投资实现污染转移，保证本国环境质量的好转，因此处于倒U曲线的右边，而发展中国家则成为国际贸易中的“污染天堂”，环境质量逐渐恶化，处于倒U型曲线的左侧爬坡阶段；Carson[5]的研究结果表明，欠发达国家只有在政府干预、环境规制及技术扩散等因素影响下才有可能出现倒U型的曲线关系。另一个方面是集中于EKC的实证研究[6-9]。例如：Harris[6]选用生态足迹来表示环境压力，对全球146个国家1961—2000年的面板数据进行分析，结果发现环境污染与人均GDP不存在EKC关系；Menendez[7]通过对欧盟27个国家1996—2010年CO2排放量进行分析，结果验证了EKC假说的存在性；Monserrate[8]选取巴西1971—2011年的时间序列数据，分析结果发现长期来看二氧化碳排放与经济增长存在倒U型的EKC关系，但是短期内这种关系不明显；Wang[9]采用OLG模型对中国的环境污染数据和人均GDP之间的关系进行分析，研究结果支持EKC曲线的存在。

国内的EKC研究基本沿用了国外学者的研究思路与方法，多是对中国不同省市进行分析。学者们选取不同的污染物排放量来度量环境污染程度，以人均GDP来度量经济发展水平，普遍运用OLS方法进行曲线拟合，得到的结论各有不同[10-14]。例如：王谦[10]和徐盈之[11]采用中国30个省市的“工业三废”的排放量分别对东部和中西部地区进行EKC检验，研究结果发现中国东部发达地区存在倒U型的EKC关系，而中西部欠发达地区不存在EKC；赵爱文[12]选用人均碳排放来表示环境质量，发现其与人均GDP存在N型的曲线关系；安虎森[13]选用SO2、烟尘和粉尘等污染物排放量代表环境污染程度，发现其与人均GDP呈倒N型的曲线关系。

综上，学术界对EKC假说进行了多种创新性的研究，但也存在一些问题。其一，环境指标的选取具有随意性。多数文献仅仅针对单一污染物指标进行EKC检验，导致不同污染物得到的不一致的结论。例如：彭水军[14]对六类环境污染指标分别与人均GDP进行实证检验，结果表明不同的污染指标得到不同的曲线关系，有N型、倒N型和倒U型等。其二，人均GDP这些指标在中国现在的实情下不具有代表性。众所周知，城乡收入差距大、财富分配不均等现象在中国较为严重。基尼系数是测量收入分配差异程度的重要指标，其值在0～1之间，值越小说明分配越平等。据国家统计局发布数据显示，2015年中国居民收入基尼系数达到0.462，高于国际上默认的收入分配差距“警戒线”0.4，这就说明中国收入分配仍然存在较大的差异性。Stern[15]认为在这种分配不均的情境下，居民收入水平的中值比平均收入水平更具有代表性。此外，中国还是一个外贸主导型国家，随着对外开放的不断推进，外资直接投入在中国GDP的占比将随着GDP的增长而增长，但是GDP规模的不断扩大并不意味着有含金量的GDP增长，因此不能完全体现本国真正的收入水平[16]。其三，回归方法存在局限性。虽然OLS方法现在广泛应用于计量经济学研究中，但它只能反映自变量与因变量的条件均值间的关系，不能进一步分析因变量在不同分位点下的曲线变化轨迹。虽然少数学者如尹向飞[17]和赵成柏[18]应用了这种方法，但是还是停留在单一污染指标层面，缺乏综合视角分析。

基于此，本文接下来的研究旨在补充这一领域的研究短板，通过建立环境综合污染程度评价指标，测算各个年份的综合污染得分，用人均居民可支配收入中值来替代人均GDP，选用分位数回归方法对环境污染与经济发展之间的关系进行全新的EKC检验。

3 模型建立、变量选择与研究方法

3.1 模型建立

为了确定环境污染与经济发展之间是否存在EKC关系，这里采用现有文献普遍使用的二次多项式模型进行拟合，具体模型如下所示：

(1)

其中Yi表示第i年的环境综合污染程度；Xi表示第i年居民人均可支配收入中值，Otheri表示其他影响环境污染程度的控制变量。结合相关文献研究和中国的实际情况，这里主要考察产业结构、城市化程度、人口密度和外商直接投资这四类控制变量对环境污染的影响程度。βi表示回归系数，εi表示随机误差项。

3.2 变量选择

文中主要涉及环境变量、经济变量和其他影响环境污染的四类控制变量。基于数据的可得性和实证研究的需要，这里选取中国1991—2012年的相关数据作为样本。其中环境污染数据和控制变量数据来源于中国经济与社会发展统计数据库、《中国环境统计年鉴》和世界银行数据库，经济发展数据来源于国家统计局。

环境污染指标。生态环境的恶化是多方面的因素交互影响的结果。如果用单维度的污染物指标来测算整体污染水平，难免使得分析结果失去说服力。因此，在测算整体程度时，就需要一个系统的环境综合污染指标。基于此，本文选择主成分分析方法将人均CO2、工业废水等七类污染物的排放量综合起来，建立一个环境综合污染程度指标，见式(2)。其中Yi表示第i年的环境综合污染程度得分，i=1,2,3,…，22，表示1991—2012年。Xj表示第j类污染物排放量，j=1,2,3,…，7。

Yi=10.17X1-54.52X2+62.05X3-14.02X4+21.52X5-28.97X6+44.01X7

(2)

经济发展指标。在经济发展指标方面，考虑到人均GDP在中国收入差距悬殊的社会背景下不能有效反映经济发展的真实水平，本文选取人均居民可支配收入中值来度量经济发展状况。

其他控制变量。①产业结构(Industry)，第二产业是中国污染物排放量最大的产业，其比重的上升对环境产生较大的影响，因此本文选用第二产业产值与GDP的比值来表示产业结构；②城市化水平(Urbanization),用城市人口在全国总人口所占的比重来表示；③人口密度(Population)，用每平方公里的人口数来表示；④外商直接投资(FDI)，用实际利用外商直接投资金额表示；以上所有变量的描述性信息见表1。

表1 各类污染物变量信息描述性统计

3.3 研究方法

本文选用分位数回归模型研究环境污染与经济增长问题，主要目的在于分析环境污染程度在不同经济增长水平下与经济增长的关系。分位数回归主要是将解释变量分别与在0～1之间不同分位点的被解释变量进行估计，估计系数表示为解释变量对被解释变量在不同分位点上的边际影响。与OLS方法相比，分位数回归方法对数据的分布假设没有严格的要求，当扰动项是非正态分布时，分位数回归法得到的系数估计量比OLS得到的系数估计量显得更为有效。此外分位数回归法可以有效地排除异常值的干扰，使得回归系数估计量具有很强的稳健性。在对样本数据较为宽松的条件下来获得更多的回归信息，从而细致地刻画了解释变量与被解释变量之间的关系特征。

对于分位数回归方法其求解思想如下：假设给定解释变量X的条件下，被解释变量的分位数表示为：

F(Y≤yτ)=τ，τ∈(0,1)

(3)

如果分位数yτ(xi)与被解释变量xi是线性关系，那么被解释变量yτ(xi)与解释变量xi之间的函数关系可以表示为：

(4)

那么表达式(4)就被称为分位数回归函数，其中βτ就是τ分位数回归系数。如果任意给定一个分位数τ，那么τ分位数回归的目标函数便是：

(5)

(6)

从定义可以看出，对于任意一个τ分位点，我们就可以拟合不同的回归曲线。当τ从0～1变化时，我们就可以得到被解释变量y在不同分位点下的所有曲线轨迹。

4 EKC关系实证检验过程

4.1 分位数回归结果分析

本文借用stata13.0软件对环境综合污染程度得分与人均居民可支配收入中值进行分位数回归。为了更好地观察分位数回归系数所呈现的差异信息和变化规律，我们选定τ在0.25、0.50和0.75三个分位点处进行回归估计，并与OLS回归结果进行对比，具体结果见表2。

表2 环境综合污染程度分位数回归结果

注：***、**、*分别代表1%、5%、10%的显著性水平，括号中的数字代表T检验值。

从表2中可知：

(1)分位数回归得到的估计系数正负号与OLS回归得到结果具有一致性，在不同分位点下，EKC曲线特征各有不同。在0.25的分位点下，环境污染与经济发展之间为线性关系。在0.50和0.75这两个分位数下，X的一次项系数为正，二次项系数为负，说明环境污染与经济发展之间是倒U型的曲线关系。OLS方法回归时，环境污染与经济发展的关系符合倒U型特征。用MATLAB分别画出各个分位点的回归曲线，从图1中可以看出，在0.25分位点处，经济的快速发展会加快环境的污染，两者呈线性关系。在0.5和0.7分位点处，环境污染都会随着经济的快速发展而慢慢减弱，最终形成EKC曲线，拐点分别为1.4万元和1.50万元处。但是EKC在0.5分位点下的U型特征比0.75分位点更为明显，右端下降更快。

图1 不同分位数所对应的EKC曲线比较

(2)其他四种控制变量对不同分位点下的环境污染影响程度有所不同。从表2可以看出，产业结构在0.75分位点下通过了10%的显著性检验，且与环境污染正相关。从图2可以得知，当环境污染处于0.6～0.8分位点时，产业结构变动对环境污染有着显著性的影响作用。但是当环境进一步恶化时，结构优化对环境质量的提升作用就不显著。这就告诉我们产业结构的优化调整在环境污染一定限度内时，对环境质量起到明显的改善作用，如果污染超过最大限度，将会失去改善作用。城市化水平在0.25分位点下通过了5%的显著性检验，且随着分位点的增加，对环境污染的影响程度越来越小。这就说明国家在推荐城镇化过程中，提升人民生活条件和环保素质，城市化水平的提升有利于改善环境。人口密度在各个分位点下均通过了10%的显著性检验，随着分位数的上升，人口密度对环境质量的这种负向作用不断加强。当人口数量不断逼近环境最大承载力时，对环境的破坏能力也进一步加强。外商直接投资在各个分位点下均通过了1%的显著性检验，系数为负，这就说明对外开放有利于降低中国污染物的排放量。这是因为随着国外在中国的投资加大，会给中国带来更多先进的技术，提高效率，降低对环境的破坏。这与部分学者得出的FDI会加剧环境污染，导致中国形成“污染天堂”“污染避难所”的结论相反[19]。但是从图2可以看出，随着分位数的增加，外商直接投资对中国环境治理的影响越来越小，为了避免陷入“污染天堂”的困境，国家应该合理控制外商直接投资在中国的比重。

4.2 环境污染曲线走势预测分析

通过环境综合污染指标体系，我们已经测算出1991—2012年中国环境综合污染指数，整体验证了环境污染与经济发展之间存在着倒U型曲线趋势。为了确定中国的环境污染程度何时达到一个稳定的水平，接下来本文利用EVIEWS软件建立预测模型进行曲线走势预测。

通过观察自相关图和偏自相关图，确定AR阶数为3，MA阶数为1，初步建立了ARMA(3,1)模型。预测模型的回归结果如表3所示，从回归结果可以看出，模型的拟合效果良好。直接写出预测模型见式(7)，其中μt-1为残差序列的滞后一期。模型预测结果如图3所示，预测曲线见图3。

图2 不同分位数下的影响因素分析

变量名系数值标准差T-统计量概率P变量名系数值标准差T-统计量概率PC0.6627***0.17453.79730.0020MA(1)-0.9999***0.2062-4.84860.0003AR(1)1.9401***0.27826.9753.0.0000R-squared0.9875AdjustedR-squared0.9839AR(2)-1.0523*0.4923-2.13760.0507F-statistic276.7583Prob(F-statistic)0.0000AR(3)0.07570.23560.32150.7526

Yt=0.6627+1.9402Yt-1-1.0522Yt-2-0.9999μ(t-1)

(7)

图3 环境污染程度预测曲线走势

从图3中可以看出，中国环境综合污染水平经历一个先快速上升随后缓慢下降的过程。大约在2005年时，污染程度达到最高点，随后环境质量逐渐好转，2022年达到最低点。从2022年起，环境污染水平保持在一个比较稳定的状态。为了验证模型的合理性，进行残差检验，发现随机误差项是一个白噪声序列，说明该预测模型的建立是恰当的。

5 启示与建议

本文对中国环境综合污染程度与人均居民可支配收入进行EKC实证分析，由此得到如下结论。

其一，中国环境综合污染程度与经济发展之间存在着长期的倒U型EKC关系，曲线拐点位于人均可支配收入中值1.45万元处。污染处于低水平时期，环境污染与经济发展之间呈线性关系，环境污染会随着经济的增长而加重。在污染处于中等及以上水平时，环境污染与经济发展呈现倒U型的EKC曲线关系，拐点分别位于人均居民可支配收入中位数1.4万元和1.5万元处。中国现在已经跨过这一拐点，随着经济水平的不断提升，环境质量有不断改善的趋势。通过ARMA(3,1)模型进行走势预测，结果表明中国环境污染程度在5年内会不断转好，从2022年起进入相对稳定的阶段。最终能实现经济增长与环境之间的协调发展，这与其他学者的研究结果是一致的[20]。

其二，环境污染在一定限度内，产业结构的优化调整对环境质量有着明显的改善作用。当环境污染程度较低时，城市化水平的提升有利于减少污染物的排放量。无论环境污染处于哪种程度，人口密度对环境质量保持负向作用。在不同分位点下，外商直接投资均表现为减轻环境污染，降低污染物排放量。但是这种效果随着环境的恶化而慢慢减弱。所以国家应该将外商直接投资额控制到合理的范围内，才有助于发挥FDI在节能减排中的积极性。

根据以上结论，本文针对中国环境综合污染程度与经济发展之间的EKC关系提出三点建议。首先，政府要保持环保政策实施的连续性和稳定性。现阶段环境污染已经跨过拐点，这说明国家过去的环保举措发挥显著性的作用。政府应继续推动以《环境保护法》为代表的环保政策的实施。在不断完善的政策法规的基础上，提升环保力度，进一步改善环境质量。其次，在新常态背景下，企业发展模式要由“以污染换增长”向“可持续发展”转变。为了避免EKC的倒U型走势向N型变化和“以牺牲环境效益来获取经济利益”这一现象的再次发生，企业要积极适应新常态特征，积极承担起环保责任，注重发展质量，才能实现长远发展。研究表明环境效益在提升企业投资效率和竞争优势方面都产生了显著的正向影响[21]。最后，科研机构应大力培养环保科技型人才，推动产学研一体化的建设，加强环保技术的创新，促进节能减排技术的普及与应用。

[1]罗良清,胡晓琳.中国省域环境保护与经济发展双赢平衡研究——基于环境效率视角[J].科技进步与对策,2016(2):40-47.

[2]JOHN A A，PECCHENINO R A.An overlappinggeneration’s model of growth and the environment[J].Economic journal，1994，104(427)：1393-1410.

[3]STOKEY N L.Are there limits to growth?[J].International economic review，1998，39(1)：1-31.

[4]COPEL B R，TAYLOR M S.Trade，growth，and the environment[J].Journal of economic literature，2003，42(1)：7-71.

[5]CARSON R T.The environmental Kuznets curve:Seeking empirical regularity and theoretical structure[J].Review of environmental economics & policy，2010，4(1)：3-23.

[6]CAVIGLIA-HARRIS J L，CHAMBERS D，KAHN J R.Taking the“U” out of Kuznets ：A comprehensive analysis of the EKC and environmental degradation[J].Ecological economics，2009，68(4)：1149-1159.

[7]MENENDEZ A J L，PREZR R，MORENO B.Environmental costs and renewable energy：Re-visiting the environmental Kuznets curve[J].Journal of environmental management，2014，145(1)：368-373.

[8]MONSERRATE M A Z，VALVERDE B I，AGUILAR B J，et al.Relationship between economic growth and environmental degradation：Is there evidence of an environmental Kuznets curve for Brazil[J].International journal of energy economics and policy，2016，6(2)：208-216.

[9]WANGS X，FU Y B，ZHANG Z G.Population growth and the environmental Kuznets curve[J].China economic review，2015(36):146-165.

[10]王谦,高军.我国不同地区“环境库兹涅茨曲线”假说的检验[J].科研管理,2011,32(7):157-164.

[11]徐盈之,王进.我国能源消费与经济增长动态关系研究——基于非参数逐点回归分析[J].软科学,2013,27(8):1-5.

[12]赵爱文,李东.中国碳排放的EKC检验及影响因素分析[J].科学学与科学技术管理,2012,33(10):107-115.

[13]安虎森,王雷雷,吴浩波.中国环境库兹涅茨曲线的验证——基于省域数据的空间面板计量分析[J].南京社会科学,2014(9):1-8.

[14]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.

[15]STERN D I，COMMON M S，BARBIER E B.Economic growth and environmental degradation：The environmental Kuznets curve and sustainable development[J].World development，1996，24(7)：1151-1160.

[16]周光伟,牛旻昱,钟无涯.中国GDP含金量水平基本面初探[J].统计与决策,2014(9):121-124.

[17]尹向飞.东中西部地区城市EKC曲线的分位数回归分析——兼论东中西部环境污染差异及其分解[J].暨南学报:哲学社会科学版,2013(12):9-16.

[18]赵成柏,毛春梅.二氧化碳排放与经济增长——基于分位回归验证Kuznets假说[J].统计与决策,2011(16):98-100.

[19]邹庆,陈迅,吕俊娜.WTO前后国际贸易对中国CO2排放影响的对比分析[J].科研管理,2013,34(11):137-146.

[20]邹庆,陈迅,吕俊娜.我国经济增长与环境协调发展研究——基于内生增长模型和EKC假说的分析[J].中央财经大学学报,2014,1(9):89-97.

[21]程聪,谢洪明.企业外部环境、绿色经营策略与竞争优势关系研究:以环境效益为调节变量[J].科研管理,2012,33(11):129-136.

(责任编辑 刘传忠)

Re-test of the Environmental Kuznets Curve Between Comprehensive Environmental Pollution Degree and the Per Capita Disposable Income

Wang Yuandi，Wang Guomeng

(Business School of Sichuan University，Chengdu 610064，China)

This paper firstly selects seven environment emissions from 1994 to 2012，to set up an index system of comprehensive environmental pollution，and gets the score of comprehensive environmental pollution.Then it tests the Environmental Kuznets Curve between the comprehensive environmental pollution and median of per capita disposable income with the help of the quantile regression method.The conclusions can be drawn as follows：there is an inverted u-shaped curve between the environmental pollution and the economic development，and the inflection point of curve is located in 14500 Yuan.When at 0.25 site，there is a linear relationship between environmental pollution and economic development，when in 0.5 site and 0.75 site，there exists an inverted u-shaped EKC relationship between environmental pollution and economic development.ARMA model predicts that China’s environmental quality would reach a steady state after 2022.Finally this paper puts forward some suggestions from government，enterprises and research institutions according to the conclusions.

Economic development；Environment pollution；EKC；Quantile regression

四川大学中央高校基本科研业务费项目“深化开放式创新在中国情境下的研究”(skqx201502)。

2016-09-14

王元地(1979-)，男，四川人，四川大学商学院教授;研究方向:技术创新与创新管理。

F124.5

A