甘肃省能源消耗及产业结构与水环境质量动态关系研究

牛成英，王海东

（兰州财经大学 统计学院，甘肃 兰州 730020）

甘肃省能源消耗及产业结构与水环境质量动态关系研究

牛成英，王海东

（兰州财经大学 统计学院，甘肃 兰州 730020）

文章运用时间序列向量自回归模型、协整分析、向量误差修正模型动态经济计量分析方法，对甘肃省能源消耗及产业结构与水环境质量之间的动态关系进行了实证研究。结果表明，甘肃省能源消耗及第二、三产业结构与水环境质量之间存在长期稳定的均衡协同关系。

产业结构；水环境质量；V A R模型；方差分解；脉冲响应函数

水是人类生存发展中不可缺少的基础性资源，也是一切生命物质赖以生存的关键所在。保护水环境、减少水污染、提高水质量，对人类的生存发展至关重要。甘肃省地处西北内陆，自然植被稀少，生态环境脆弱，水资源匮乏，水环境系统自净能力较低[1]，保护水资源显得尤为迫切和重要。从经济社会发展规律来看，能源消耗和产业结构对水资源及水环境质量的影响较为突出。20世纪70年代以来，甘肃省主要形成了高度倾斜于能源、原材料的工业格局。改革开放以来，甘肃省三大产业产值比重出现了巨大变化，特别是西部大开发战略实施以来，产业结构得到进一步优化。甘肃省统计年鉴数据大致反应了自1978年以来甘肃省三大产业发展的基本情况。

本文通过对1991—2015年间甘肃省能源消耗、产业结构以及水环境污染的相关数据进行定量分析，运用时间序列向量自回归模型、协整分析、向量误差修正模型、动态经济计量分析方法[2]，研究甘肃省能源消耗、产业结构与水环境质量之间的关系，关注甘肃省能源消耗和产业结构与水环境质量的长期动态关系，为经济发展与防止和治理污染提供参考依据。

一、水环境质量影响因素协整分析

（一）水环境质量影响因素分析及指标选取

从甘肃省统计年鉴数据来看，自1978年以来，甘肃省第一产业比重先上升后下降，第二产业先下降后上升，总体上处于下降状态，但仍然占据甘肃经济总量的首要地位；第三产业的比重总体上处于上升趋势。但工业发展将导致“三废”排放增加，对环境的污染也将趋于严重[3-4]。未来一段时期，甘肃省经济社会仍将较快发展，污染物产生与排放压力还将继续加大；以第二产业为主的经济增长模式，决定了经济发展对能源消耗的严重依赖。煤炭在我国的能源消耗结构中占据重要地位，甘肃省以煤为主的能源消费结构将直接导致污染物排放居高不下[5]。

根据对水环境质量的影响因素分析，选取以下三个影响因素变量：

单位GDP能耗（X1）。由于能源消耗产生对环境污染的废水及废气，且不同结构能源消耗产生的环境污染物的比例结构也不同。本文选取单位GDP能耗（吨标准煤/万元）为历年能源消费总量（万吨标准煤）/1991年不变价格甘肃省生产总值（亿元）。

第二产业生产总值占GDP比重（X2）（%）。在水环境质量影响因素中，第二产业比重越大，对水环境的污染越强，预计该指标会对水环境污染产生正影响。

第三产业生产总值占GDP比重（X3）（%）。第三产业比重对水环境的影响比较复杂，一般认为，第三产业比重越大对水环境质量的影响因素越小。

由于水环境污染的部分指标没有较长时间的样本数据，鉴于工业废水是城市水污染最重要的原因之一，选取甘肃省1991—2015年期间工业废水排放量（PW）（单位：万吨）和占工业化学需氧排放量（PO）（单位：万吨）为水环境指标来度量甘肃省水环境质量。其中化学需氧量（COD），是指在一定的条件下，采用一定的强氧化剂处理水样时所消耗的氧化剂量，是表示水中还原性物质多少的一个指标。水中还原性物质主要的是有机物，因此化学需氧量（COD）又常作为衡量水中有机物质含量多少的指标。化学需氧量越大，说明水体受有机物的污染越严重。三个指标均以1991—2015年期间甘肃省年度数据为基础数据进行分析，数据来源于1991—2015年历年《甘肃省统计年鉴》和历年《甘肃省环境质量公报》。为有效消除时间序列的异方差现象，将所选取指标数据进行取对数处理，相应各变量的对数形式为 LNX1，LNX2，LNX3，LNPW，LNPO。

（二）变量的单位根检验

为避免使用非平稳变量可能产生虚假回归，首先采用ADF方法对所有变量的平稳性进行单位根检验。运用EVIEWS软件对各序列进行ADF检验，结果如表1所示。

表 1 单位根检验显示 LNX1，LNX2，LNX3，LNPW，LNPO都是非平稳的，而它们的一阶差分在显著性水平上都是平稳的，因此原序列LNX1，LNX2，LNX3，LNPW，LNPO 是一阶单整的。

表1 变量的单位根检验结果

（三）变量的协整检验

为确定变 量 LNX1，LNX2，LNX3，LNPW 之 间是否存在协整关系，采用JJ迹统计量法进行协整检验，结果如表2所示。

表2 Johansen-Jusdius协整检验结果

结果说明，LNX1，LNX2，LNX3，LNPW 之间存在5%的显著性水平下存在一个协整关系，说明它们之间存在稳定的长期均衡关系，协整方程如下：

从长期来看，1991年以来甘肃省单位GDP能耗、第二产业生产总值比重和第三产业生产总值比重之间存在长期均衡关系，并且单位GDP能耗、第二产业生产总值比重对工业废水排放量具有正向影响，第三产业生产总值比重对工业废水排放量有反向影响。从方程（1）可以看出，第二产业生产总值比重对工业废水排放量影响强度最大，第二产业生产总值比重每增加1%，工业废水排放量将增加38.188 6万吨。第三产业生产总值比重对工业废水排放量有反向影响较大，第三产业生产总值比重每增加1%，工业废水排放量将减少33.786 7万吨。

同样采用JJ迹统计量法进行协整检验，确定变量 LNX1，LNX2，LNX3，LNPO 之间是否存在协整关系，结果如表3所示。

表3 Johansen-Jusdius协整检验结果

结果说明，LNX1，LNX2，LNX3，LNPW 之间存在5%的显著性水平下存在一个协整关系，说明它们之间存在稳定的长期均衡关系，协整方程如下：

从长期来看，1991年以来甘肃省单位GDP能耗、第二产业生产总值比重和第三产业生产总值比重之间存在长期均衡关系，并且单位GDP能耗、第二产业生产总值比重对工业化学需氧量排放量具有正向影响，第三产业生产总值比重对工业废水排放量有反向影响。从方程（2）可以看出，第二产业生产总值比重对工业废水排放量影响强度最大，第二产业生产总值比重每增加1%，工业化学需氧量排放量将增加4.322 4万吨。第三产业生产总值比重对工业废水排放量有反向影响较大，第三产业生产总值比重每增加1%，工业化学需氧量排放量将减少3.807 7万吨。

（四）误差修正模型

在协整关系成立的基础上，下面进一步建立误差修正模型，以考察在短期内出现对长期均衡的偏离时变量之间的动态修正机制。

1.PW、X1、X2和 X3之间的动态修正机制。EViews软件提供的5种滞后阶数选取准则（包括AIC、SC、HQ、LR和 FPE）一致确定滞后1阶较为合适。误差修正模型为：

注：方括号[]内的数值为对应的t统计量。

R2=0.3982，S.E=0.0874，F=1.8529，方程中误差修正系数为负值，与预期相符，由模型可见当出现对长期均衡水平偏离时，下一期变量X1和X2会产生同向调节作用，变量X3会出现反向调节作用。

2.PO、X1、X2和 X3之间的动态修正机制。EViews软件提供的5种滞后阶数选取准则（包括AIC、SC、HQ、LR和FPE）一致确定滞后1阶较为合适。误差修正模型为：

注：方括号[]内的数值为对应的t统计量。

R2=0.6185，S.E=0.1980，F=4.5397，方程中误差修正系数为负值，与预期相符，由模型可见当出现对长期均衡水平偏离时，下一期变量X1和X2会产生同向调节作用，变量X3会出现反向调节作用。说明能源消耗和第二产业与水环境质量具有长期同向发展关系，第三产业发展对水环境质量具有反向作用。

二、水环境质量影响动态分析

由于影响因素复杂，变量较多，通过对模型进行方差分解，以观察各变量的贡献程度，评价不同影响因素对水环境质量结构冲击的重要性。

（一）方差分解

方差分解提供了一种描述系统动态变化的方法，即把每个变量预测误差的方差按其成因分解为与各个内生变量相关联的组成部分，这样就可以比较各个变量冲击的相对重要性随时间的变化，因此方差分解揭示了一个变量的运动轨迹在多大程度上是源于自身的冲击，多大程度上是源于系统中其他变量的冲击。

1.PW、X1、X2和X3系统中变量相互冲击情况

从单位根图1可以看出，所有单位根都落在单位圆内，因此表明所设定的VAR（1）模型是平稳的。因此可以进行方差分解和脉冲响应分析。图2分别给出了LNPW、LNX1、LNX2和LNX3的方差分解图。

图1 VAR模型平稳性检验结果

图2 LNPW 、LNX1、LNX2和LNX3的方差分解图

从图2可以看出，LNPW的预测方差主要是由LNX2和自身扰动引起的，LNX2的贡献率逐渐上升到50%左右，来自自身的贡献率占大约30%左右，LNX1逐渐上升到10%左右，来自LNX3的贡献率不足10%；从图1还可以看出，LNPW的预测方差初期主要由自身扰动引起，但是随着时间的推移自身贡献率下降，在4期以后降至35%左右，14期之后降至30%左右；与此相对应的LNX1的贡献率在4期后上升，上升10%左右趋于平稳，LNX2的贡献率从开始就逐步上升，7期以后趋于平稳。由此可见，单位GDP的能耗，第二产业生产总值所占比重对工业废水的排放量影响所占比重较大，第三产业生产总值所占比重对工业废水的排放量影响相对较小。

2.PO、X1、X2和X3系统中变量相互冲击情况

从单位根图3可以看出，所有单位根都落在单位圆内，因此表明所设定的VAR（1）模型是稳定的。因此可以进行方差分解和脉冲响应分析。图4分别给出了LNPO、LNX1、LNX2和LNX3的方差分解图。

图3 VAR模型平稳性检验结果

图4 DLNP0、DLNX1、DLNX2和DLNX3的方差分解图

从图4可以看出，LNP0的预测方差主要是由LNX2和自身扰动引起的，LNX2的贡献率逐渐上升到50%左右，来自自身的贡献率占大约33%左右，LNX1逐渐上升到5%左右，来自LNX3的贡献率先上升，后下降，最终趋于15%左右；从图4还可以看出，LNPO的预测方差初期主要由自身扰动引起，但是随着时间的推移自身贡献率下降，在5期以后降至35%左右，12期之后降至33%左右；与此相对应的LNX1的贡献率从开始上升至5%左右趋于平稳，LNX2的贡献率从开始就逐步上升，7期以后趋于平稳至50%，LNX3的贡献率从开始就逐步上升至20%左右，2期以后下降，5期后趋于平稳至50%。由此可见，单位GDP的能耗，第二产业生产总值所占比重对工业化学需氧量的排放量影响所占比重较大，第三产业生产总值所占比重对工业废水的排放量影响相对较小。

（二）脉冲响应函数

分别给变量LNX1、LNX2和LNX3一个正的冲击，采用广义脉冲方法得到关于LNPW和LNPO的脉冲响应函数图，如图5、图6所示。在各图中，横轴表示冲击作用的滞后期间数，纵轴表示LNPW和LNPO变化量的响应，实线表示脉冲响应函数，代表了LNPW和LNPO变化量受到其他变化量的冲击后的反应，虚线表示正负两倍标准差偏离带。

图5 DLNX1、DLNX2和DLNX3对DLNPW影响的脉冲响应函数

图6 DLNX1、DLNX2和DLNX3对DLNPO影响的脉冲响应函数

从图5可以看出，给变量DLNX1一个正冲击后，DLNPW变化量在5期以前变化相对剧烈，在3期达到最高点0.03，在6期后趋于平稳。给变量DLNX2一个正冲击后，DLNPW变化量在2期以前变化相对剧烈，在2期达到最高点0.02，4期后趋于平稳。给变量DLNX3一个正冲击后，LNPW变化量在2期以前变化相对剧烈，在2期达到最低点-0.02，5期后趋于平稳。从脉冲响应函数可见，依然是第二产业比重变化对甘肃省水环境中工业废气排放量变化影响最大。

从图6可以看出，给变量DLNX1一个正冲击后，DLNPO变化量在5期以前变化相对剧烈，在2期达到最低点-0.05，6期以后趋于平稳。给变量5LNX2一个正冲击后，5LNPO变化量在2期以前变化相对剧烈，在2期达到最高点0.03，7期以后趋于平稳。给变量DLNX3一个正冲击后，DLNPO变化量在2期以前变化相对剧烈，在2期达到最低点-0.02，7期后趋于平稳。从脉冲响应函数可见，依然是第二产业比重变化对甘肃省水环境中工业化学需氧量变化影响最大。

从脉冲响应函数可见，第二产业比重的变化对甘肃省水环境影响因素中，GDP单位能耗的变化影响具有较长期的影响，这是因为，随着技术进步，GDP单位能耗相对降低，由此带来的对甘肃省水环境的影响将呈现逐渐降低的趋势，并将具有长期均衡的变化趋势。GDP中第二产业所占比重变化对甘肃省水环境中工业废气的排放量影响最大，从图6来看，GDP中第二产业所占比重变化对甘肃省水环境的影响在短期内没有大的变化，这说明GDP中第二产业所占比重的增长对甘肃省水环境的影响仍然是主要因素。GDP中第三产业所占比重变化呈反向影响，GDP中第三产业所占比重增加对甘肃省水环境污染将起到减缓的作用。

三、结论

从以上分析可以看出，甘肃省单位GDP、与第二、三产业结构与甘肃省水环境质量之间存在着长期均衡关系。其中，单位能耗和第二产业比重对水环境质量有正向效应，而第三产业比重对水环境质量有负向效应。基于这一结论，甘肃省应该从源头抓起，狠抓工业污染治理，加快淘汰落后生产工艺、设备；发展第三产业，加快产业结构调整；改善能源结构，大力发展低硫燃料和清洁能源的利用，加快节能减排技术的研发和应用，改革生产工艺，提高甘肃省工业三废的处理能力和水平。

[1]马和梅.黄河兰州段水污染现状调查与防治[J].甘肃环境研究与监测，2002，12（4）：303-304.

[2]高铁梅.计量经济分析方法与建模——EViews应用及实例[M].北京：清华大学出版社，2009．

[3]杨鸽，李生彬，袁栖，等.甘肃省经济增长与环境变迁的库兹涅茨曲线研究[J].甘肃科学学报，2012，24（2）：85-88.

[4]李威，张静.甘肃省环境污染与经济增长的实证分析[J].甘肃科技，2012，4（8）：39-41.

[5]李新文，杨双喜，陈强强.甘肃省工业能源消费对环境质量的影响分析[J].兰州交通大学学报，2012，4（2）：79-83.

（责任编辑：D 校对：L）

F205；F127.42

A

1004-2768（2017）07-0076-05

2017-04-17

甘肃省社科规划项目（YB062）；甘肃省科技厅软科学自助项目（1504ZKCAO13-4）；甘肃省高等学校科研项目（2015B-063）；兰州财经大学教改项目（LJZ201608）

牛成英（1972-），女，甘肃永登人，兰州财经大学统计学院副教授，研究方向：统计信息处理及应用，王海东（1973-），男，辽宁台安人，兰州财经大学统计学院副教授，研究方向：计量经济。