经济增长、科技创新与大气污染——以烟粉尘排放为例

孟凡蓉，陈子韬，王 焕

（西安交通大学 公共政策与管理学院，陕西 西安 710049）

经济增长、科技创新与大气污染
——以烟粉尘排放为例

孟凡蓉，陈子韬，王 焕

（西安交通大学 公共政策与管理学院，陕西 西安 710049）

经济发展和环境保护是我国目前发展的两大主题，但两者关系的不协调阻碍了全面小康社会的实现。科技创新在我国发展全局中处于核心位置，也是政府协调两者关系的关键。文章根据已有文献建立环境库茨涅兹曲线方程并对其进行扩展，以2001-2014年31个省市自治区的面板数据为基础，选取与雾霾现象等关系密切的烟粉尘作为研究对象，通过实证分析对经济增长、科技创新与大气污染的关系进行探究，研究结果发现：我国各省市自治区的人均烟粉尘排放量与经济发展水平之间存在倒U型关系；科技创新对烟粉尘排放具有增强和抑制两方面影响，而抑制作用相对更强；科技创新能够改变EKC形态，降低拐点所对应的经济水平要求。

大气污染；经济增长；科技创新；烟粉尘；雾霾

一、研究背景与文献回顾

近年来，我国的经济发展屡遇阻碍，同时经济发展方式尚未完全转变，长久累积的污染接近环境容量极限，大气污染等环境问题成为全社会关注的热点。经济发展与环境保护两者之间的不协调关系，成为阻碍社会和谐发展的重要因素。“十三五”规划中明确提出了五个目标要求和五大发展理念，其中“创新”被定位为引领发展的第一动力。随着创新驱动发展战略的深入推进，科技创新逐渐成为我国经济发展和社会进步的核心因素。除此之外，科技创新也能够提升资源使用效率及开发清洁能源，是减少环境污染、改善环境质量的重要因素。科技创新是协调经济和环境保二者关系重要因素，在促成经济中高速发展与环境质量总体改善的同时实现中发挥了重要作用。

关于经济增长与环境污染，学者们普遍认为两者之间存在倒U型关系，即在经济起步阶段，环境污染随着人均经济水平的升高而升高；当经济发展到一定阶段，环境污染逐渐随人均经济水平的提高而降低［1］。国外学者较早地从定量研究中发现了两者之间的关系，并利用不同的数据库进行了检验［2-4］，同时提出了针对性的数据模型，补充和完善了实证方法［5］。国内学者则研究较晚，通过基于我国省级面板数据的实证研究，证明了在我国EKC关系的成立［6-7］，但是整体上针对烟粉尘的研究较少，少数针对烟粉尘污染的研究局仅限于工业烟粉尘排放，其研究结论具有一定局限性。

科学技术作为推动现代生产生活方式转变的核心力量，一方面，会对环境污染存在一定的影响。有学者认为生态问题的根源主要是制度根源与科技根源，科技无疑是环境污染的重要影响因素［8］，有部分EKC曲线的研究学者将环境库兹涅茨现象的成因归结于企业技术的改善［9-10］。国内学者以国内数据为基础，通过实证研究发现了科技进步对于环境污染排放的抑制作用［10-12］。另一方面，技术进步也是推动经济发展的重要因素［13］。我国自20世纪90年代后，科技进步对于经济增长具有较高的贡献率，客观上对我国经济的快速发展起到了推动作用［14］。经济增长所带来生产生活活动的频繁，也可能带来环境污染排放的增多。对于我国的科技创新是否会通过促进经济发展而增加环境污染，目前在学术界对于该问题尚未给出明确的回答。

科技创新是推动现代社会进步的动力之一，无疑也是处理好经济社会发展与自然环境保护两者关系的重要因素，但国内学术界对科技创新和经济发展如何影响自然环境这一问题尚未作为积极的回应。本文通过建立和扩展EKC模型，选取与雾霾现象密切相关的烟粉尘为例，以2001-2014年的省级面板数据为基础进行实证分析，希望能够在理论研究上所有补充，并且为实际政策的制定调整提供客观依据。

二、方程构建与数据说明

（一）模型构建

参考Bradford等人（2000）的方法［5］，本文以实际人均GDP和实际人均GDP增长率作为经济水平的测量方式，建立人均烟粉尘排放量与经济水平关系的EKC曲线。根据人均烟粉尘排量与实际人均GDP之间存在倒U型关系的假设，建立如下方程：

其中，ρt为第t年的人均烟粉尘排放量，yt为第t年的实际人均GDP，y*为曲线拐点所对应的人均GDP，gt为基于前一年的实际人均GDP增长率。若α＜0成立，则该假设成立。

创新绩效能够所反映出来生产和生活的科技技术改进，在相同投入的情况下提高资源的使用效率，可以减少污染物的产生；同时技术革新也提高了污染物的收集效率和再利用效率，降低排放量。因此，本文对方程的扩展如下所示：

其中，AIPt为为第t年的创新绩效。若γ＜0成立，则说明创新绩效与人均烟粉尘排放之间存在负的线性关系。

经济水平与创新绩效之间存在一定的相互影响，经济水平发达地区能够在科技创新方面投入更多资源、提供更好的环境，因而拥有较高的创新绩效；而创新绩效高的地区也可能因为技术创新而更高的资源使用效率，在生产生活方面拥有优势。因此，本文考虑到两者之间的相互影响，将其交互项AIPtyt引入方程中，具体的方程形式如下所示：

由于本文中所使用的数据形式为面板数据，在具体的回归分析中需要考虑到个体效应μi、相关的控制变量以及随机误差项εit对因变量的影响，在对各变量的回归系数进行简化后，得到本文所使用的实证模式，如下所示：

方程（4）、（5）以及（6）分别为本文中所指的模型1、模型2以及模型3。根据方程的建立过程，若β2=α＜0，则说明EKC曲线成立，β3与 β2比值的负数即为曲线拐点对应的实际人均GDP值；若β4=γ＜0，则说明创新绩效能够减少人均烟粉尘的排放；β5的符号能够反映出经济水平与创新绩效交互项对人均烟粉尘排放的影响，若其大于0，则说明创新绩效促进了经济发展进一步增大了烟粉尘的排放。

（二）衡量指标

本文使用人均烟粉尘排放量作为因变量，烟尘和粉尘分别表示大气中粒径小于0.1μm和大于0.1μm小于75 μm的固体悬浮物，是雾霾的成因之一。本文使用的烟粉尘数据包含工业和生活两个部分，能够较好地反映出在生产过程和生活过程中的污染排放情况，在整体上较为全面地能够反映出人类社会对于自然环境的影响。

关于创新绩效的测量，本文从创新效果角度定义创新绩效并结合科技创新的实际过程，使用一套综合性的测度指标，以保证数据测量的有效性。在参考已有文献的基础上［15-16］，考虑到数据的可获取性，本文从专利申请量、技术合同交易数、前一年论文收录数、商标申请数四个指标对创新绩效进行综合测度。

考虑环境污染问题受到多种因素的影响，本文选取以下变量作为控制变量：科技进步贡献率（CRST）、工业GDP占比（IND）、财政规模（GOV）、外商直接投资占比（FDI）的经济指标，以及人均土地面积（FA）、人均受教育年限（EDU）、城镇人口占比（URB）的人口指标。

（三）数据说明

本文使用2001-2014年的我国31个省市自治区的相关数据，数据来源为《中国统计年鉴》、《中国环境年鉴》、《中国环境统计年鉴》、《中国科技统计年鉴》、《中国知识产权年鉴》以及部分省市的统计年鉴与政府公报。在对原始数据进行一定程度的处理后，数据的描述性统计见表1所列。

由于创新绩效是通过四个指标综合计算得到的，而因子分析方法与主成分方法在处理面板数据时存在显著的不足［17］，因而本文通过熵值法对其进行综合，保留多元指标的信息并得到单一指标［18］。通过计算得到专利申请量、技术合同交易数、前一年论文收录数、商标申请数的权重分别为31.62%、21.78%、23.72%、22.88%，按照权重对标准差标准化后的数据进行加总得到本文所用创新绩效指标。

本文参照科技部所使用的计算方法，基于索洛的经济增长模型，对科技进步贡献率进行估算。参考已有文献，使用资本形成量和全社会就业人数分别作为资金与劳动的投入，并且使用灰色关联度分析法，在弹性系数和为1的假设前提下，对于每一个省市自治区的资金产出弹性系数与劳动力产出弹性系数进行估计，并最终得到各省市自治区2001年至2014年每年的科技贡献率［19-20］。

考虑到经济指标在统计时采用名义值，本文采用消费者价格指数（CPI）剔除通货膨胀得到实际值，计算的基期为2001年。在计算人均数据时，所使用的人口数据为地区年底总人口数。为防止部分变量回归系数过小，对单位进行了调整。

表1 描述性统计结果

三、实证检验与结果分析

（一）回归模型检验

由于本文所用模型包含了较多的变量，考虑到解释变量之间可能存在多重共线性而对数据结果产生影响，本文通过因子膨胀系数VIF的计算对其进行检验，结果见表2所列。模型中所包含解释变量的VIF值均小于10，可以认为解释变量不存在多重共线性，模型回归满足变量之间相互独立的假设前提。

表2 解释变量VIF值

针对不同特点的面板数据，模型存在不同的设定形式，本文通过F检验和Hausman检验对其进行选择，结果见表3所列。根据数据检验结果，本文三个模型均使用固定效应模型作为模型设定形式。固定效应模型能够控制个体效应，有效排除各地之间自然地理、政策法规等差异造成的影响，使得本文的分析和结论更具一般意义。

表3 模型设定形式检验

（二）回归结果分析

将数据按照固定效应模型进行回归，结果见表4所列。三个模型的F检验均显著，说明回归模型在整体上成立。随着变量的逐步引入，三个模型的R2依次增大，说明变量的引入有助于提高模型的解释力，引入新的变量是有意义的。

表4 回归结果

在三个模型中，yitgit的回归系数均显著为负，并且git的回归系数均显著为正，根据模型的设定，说明烟粉尘排放的EKC曲线成立，人均烟粉尘排放量与实际人均GDP之间存在倒U型关系。在经济发展的初期，居民生活水平普遍偏低，对于大气环境的需求并不显著。同时，由于生产和生活方式较为粗放而单一，人们在自然与经济两者之间，更倾向于为了经济发展而排放较多污染物。随着经济的逐步发展，居民的生活水平相应提高，人们开始逐渐认识到环境污染的弊端，环保意识逐步增强。同时，技术进步为人们提供了多种生产和生活的方式，人们有能力并有意愿选择高效率、低污染的生产生活方式。我国自进入21世纪后经济快速发展，近年来雾霾等大气污染问题频发，污染排放逐渐发达高水平，同时信息技术的发展使得公众的环保意识得到强化，目前正是处理大气污染问题、协调经济环境关系的关键时期。

模型2在模型1的基础上引入了创新绩效这一变量，回归结果中该变量的系数显著为负，说明科技创新能够显著的抑制烟粉尘的排放。人类社会对自然所排放的污染物主要来自于生产过程和生活过程之中，随着科技创新和技术变革，人们的生产方式和生活方式发生了改变。首先，人们能够使用的能源种类逐渐丰富，各类清洁能源得到推广，同时能源使用效率也逐渐提高，能源的使用更加清洁有效。其次，人们对于自然资源的使用更有效率，生产生活过程中所产生的污染物更少，同时对于生产废物的收集、回收也更为有效。最后，技术进步也使得污染物再利用变得可行，随着新技术的出现，原本被排放的污染物拥有新的价值，得到收集并被再次使用。我国目前正在大力推进创新驱动发展战略，大众创业、万众创新的社会氛围逐步形成，科技创新能够成为我国改善大气环境，实现经济发展与环境保护二元目标的突破口。

模型3将经济水平与创新绩效的交互项引入方程，回归结果中交互项的系数显著为正，说明创新绩效会通过提高经济水平而增加烟粉尘的排放量。科技创新能够有效地推动经济发展，而经济发展也意味着人类社会的生产活动和生活活动更为频繁，在这一过程之中所产生的污染物总量也相应增加。创新绩效的回归系数在模型3中相对于模型2中的数值更大，交互项的引入强化了创新绩效对于污染物排放的抑制作用。综合交互项系数及创新绩效系数的变化，科技创新对于烟粉尘排放的影响具有提高和抑制两个方面，但综合表现为抑制作用，即虽然在一定程度上通过推动经济发展而增加烟粉尘排放，但其带来的生产生活方式转变所减少的烟粉尘排放更多，在整体上科技创新能够有效减少对烟粉尘的排放。

随着变量的引入，EKC的形态也产生变化，这主要体现在其拐点的变化。根据方程设定，计算得到模型1、模型2以及模型3拐点所对应的实际人均GDP数值为2.40万元、2.24万元以及1.87万元。随着创新绩效及交互项的引入，拐点逐步向左偏移，对应的人均GDP逐渐降低，说明科技创新有助于降低达到EKC拐点的要求，经济发展目标与环境保护目标的共同实现。目前，我国除了少数发达地区，大部分地区的人均GDP已经接近EKC拐点要求，同时也是污染排放的高水平阶段，环境问题突出。而我国的经济发展速度逐渐放缓，人均GDP的提升日渐困难，经济目标和环境目标之间的矛盾凸显。科技创新为缓和现阶段发展矛盾提供了一个可行且有效的思路，有助于我国平稳度过高污染排放的阶段，实现经济社会和自然环境和谐发展的目标。

在解释变量中，人均受教育年限均的回归系数均为显著负相关，并且随着变量的引入，人均受教育年限回归系数的显著性逐渐减弱。人均受教育年限较高的地区，代表其人口的知识水平较高，有能力开发新的技术并将其运用在生产和生活之中，一定程度上也能够反映出区域创新水平。随着创新绩效及交互项的引入，其对于烟粉尘的影响逐渐被替代，进一步验证了科技创新和技术改善对烟粉尘排放的抑制作用。

（三）内生性检验与稳健性检验

对于已有的模型及数据结果，通常需要进行内生性与稳健性的检验，以此保证模型的有效性及结果的可靠性。考虑到模型设定中创新绩效、经济水平以及创新绩效与经济水平的交互项之间存在内生性的问题，参考已有文献的做法［7］，本文采用滞后一期的变量，使用Hausman检验与MacKinnon检验进行分析。内生性的Hausman检验将IV模型与OLS模型进行比对，本文得到检验值为4.66，对应P值为0.9466，无法拒绝使用OLS模型的原假设，说明工具变量都为外生的，模型不存在内生性。为了保证检验的有效性，本文再进行了MacKinnon检验，结果检验值为0.70，对应P值为0.550 2，无法拒绝“模型不存在内生性”的原假设。综上，本文所用模型不存在内生性问题，数据分析的结果与分析真实有效。

为了验证分析结果的有效性，保证区域创新对烟粉尘排放的影响的客观性，本文采用不同的科技创新衡量方式对模型进行验证。在稳健性检验中，本文从效率角度对创新绩效进行衡量。参考已有文献［21-22］，本文通过随机前沿分析（SFA），将进行创新效果作为产出指标，科研人员全时当量、科研活动内部支出作为投入指标，政府基金占比、实际人均GDP、城镇人口占比作为环境变量，使用Frontier4.1进行数据处理。将所得变量带入方程后重新进行回归分析，其数据结果具有形式一致性，本文的模型实证结果不随变量测量方式的改变而变化，说明分析与结论具有真实性和有效性。

四、研究结论与政策建议

本文通过对已有文献的回顾，建立烟粉尘排放的环境库茨涅兹曲线并将科技创新引入模型中，通过对于2001-2014年我国31个省市自治区面板数据的实证分析，剖析了经济增长和科技创新对于烟粉尘污染排放的影响，得出了以下三点结论：

（1）我国各省市自治区的人均烟粉尘排放量与经济发展水平之间存在倒U型关系；

（2）科技创新对烟粉尘排放具有增强和抑制两方面影响，而抑制作用相对更强；

（3）科技创新能够改变EKC形态，降低拐点所对应的经济水平要求。

根据研究发现并结合现实政策，本文提出如下政策建议：

（1）抓住治理时机，平稳越过EKC曲线门槛值。我国经历了多年的经济快速发展，取得了丰硕的经济成果，但经济发展方式粗犷，“先发展后治理”的发展思路导致了污染排放随着经济增长而增多。近年来，我国人均收入逐渐接近曲线的拐点要求，意味着污染排放也达到了高水平，经济发展和环境保护之间的矛盾也越发激烈。但是，在经济水平越过门槛值后，污染排放随着经济增长而下降，二者的关系得到缓和。随着信息技术的发展，大规模雾霾现象频发使得公众充分意识到环境保护的重要性，因此目前正是进行环境污染治理的合适时机。政府应该在加强企业监管、部门问责的同时，增加对于公众环保意识和行为的引导，逐步形成全民环保的社会氛围。

（2）平衡政府工作目标，发挥科技创新的协调作用。经济和环境是我国目前政府工作的两个重要方面，全面建成小康社会既需要经济保持中高速发展，又要求环境质量总体改善。由于目前我国工业产业结构和居民生活方式在短期内发生改变较为困难，政府部门需要同时满足两者要求，就必须依托科技创新的力量，发挥科技创新对于社会发展的推动作用。科技创新能够带来技术的改进和革新，一方面能够促进提高生产效率进而促进经济增长，另一方面有能够减少污染产生和排放，有效地缓和经济发展与环境保护之间的矛盾关系。

（3）推进大众创新政策，强化科技创新的社会基础。科技创新从产生、转化到发挥实际作用，都需要拥有一定的社会公众基础。科学研究和技术开发除了需要有专业研发人员和研究经费的投入，兼职研究人员甚至一般公众对于科技创新也具有重要的推动作用。一方面，在概念萌芽阶段科技创新的知识技术要求较低；另一方面，创新成果的转化往往对现实观察的要求更高。当科技创新转化为实际的产品或技术时，其对社会发展的推动仍然体现在生产生活中的接受和应用，而公众在这一过程中起到了至关重要的作用。政府部门应该培养社会的创新氛围，鼓励公众积极投入科技创新过程之中，将科技创新切实落于社会运作的各个方面，有效地发挥其对于社会发展促进作用和协调作用。

科技创新在我国的发展之中居于核心位置，是协调经济增长和环境保护的关键，本文以烟粉尘排放为例，对这一关系进行了实证检验，为科技创新与经济发展对环境污染的关系提供了量化证据，具有理论和实践双重价值，但研究中仍然存在一定的缺陷。首先，研究受到数据限制，对于变量的测度较为笼统，未进行详细分化；其次，缺少讨论环境污染对于经济发展、科技创新的双向影响。在未来的研究中对以上两点不足进行补充，使得相关理论更为完善。

［1］钟茂初，张学刚.环境库兹涅茨曲线理论及研究的批评综论［J］.中国人口·资源与环境，2010，20（2）：62-67.

［2］Grossman G M，Krueger A B.Environmental impacts of a North American free trade agreement［R］.National Bureau of Economic Research，1991.

［3］Shafik N，Bandyopadhyay S.Economic growth and environ⁃mental quality：time-series and cross-country evidence［M］.Washington DC：World Bank Publications，1992.

［4］Panayotou T.Empirical tests and policy analysis of environ⁃mental degradation at different stages of economic develop⁃ment［R］.International Labour Organization，1993.

［5］Bradford D F，Fender R A，Shore S H，et al.The environ⁃mental Kuznets curve：exploring a fresh specification［J］.Contributions in Economic Analysis&Policy，2005，4（1）：1-37.

［6］李子豪，刘辉煌.腐败加剧了中国的环境污染吗——基于省级数据的检验［J］.山西财经大学学报，2013，35（7）：1-11.

［7］晋盛武，吴娟.腐败、经济增长与环境污染的库兹涅茨效应：以二氧化硫排放数据为例［J］.经济理论与经济管理，2014（6）：28-40.

［8］沈满洪.论生态环境问题的科技根源［J］.生态经济，2001（10）：22-23+27.

［9］Thampapillai D J，HanI C H，Thangavelu S M，et a1.The en⁃vironmental Kuznets curve effect and the scarcity of natural resources：a simple case study of Australia［R］.Leave from Macquafie University NSW，2003.

［10］赵海霞，曲福田，郭忠兴.环境污染影响因素的经济计量分析——以江苏省为例［J］.环境保护，2006（4）：43-49.

［11］丁焕峰，李佩仪.中国区域污染影响因素：基于EKC曲线的面板数据分析［J］.中国人口·资源与环境，2010（10）：117-122.

［12］丁焕峰，李佩仪.中国区域污染与经济增长实证：基于面板数据联立方程［J］.中国人口·资源与环境，2012（1）：49-56.

［13］郭庆旺.罗伯特·索洛的长期经济增长模型述评［J］.世界经济研究，1988（3）：74-78.

［14］吴建宁，王选华.中国科技进步贡献率测度：一种新的视角［J］.科学学与科学技术管理，2013（8）：10-17.

［15］Bettencourt L M A，Lobo J，Strumsky D.Invention in the city：Increasing returns to patenting as a scaling function of metropolitan size［J］.Research Policy，2007，36（1）：107-120.

［16］Pellegrino G，Piva M，Vivarelli M.Young firms and innova⁃tion：a microeconometric analysis［J］.Structural Change and Economic Dynamics，2012，23（4）：329-340.

［17］郑兵云.多指标面板数据的聚类分析及其应用［J］.数理统计与管理，2008（2）：265-270.

［18］王富喜，毛爱华，李赫龙，等.基于熵值法的山东省城镇化质量测度及空间差异分析［J］.地理科学，2013（11）：1323-1329.

［19］徐士元，何宽，樊在虎.对科技进步贡献率测算索罗模型的重新审视［J］.统计与决策，2014（4）：10-14.

［20］李博，岳晶晶.四川省经济增长的灰色关联度分析［J］.四川理工学院学报：社会科学版，2009（4）：40-44.

［21］史修松，赵曙东，吴福象.中国区域创新效率及其空间差异研究［J］.数量经济技术经济研究，2009（3）：45-55.

［22］苏屹，李柏洲.基于随机前沿的区域创新系统创新绩效分析［J］.系统工程学报，2013（1）：125-133.

Abstract：Economic development and environmental protection are the two main themes of China's current development,but the uncoordi⁃nated relationship between them hinders the realization of a moderately prosperous society.S&T innovation is at the core of China's overall development,as well as the key for the government to coordinate the dual objectives.In this paper,the environmental Kuznets Curve equa⁃tion is established and extended according to the existing literatures.Based on the panel data of the 31 provincial-level administrative ar⁃eas from 2001 to 2014,soot and dust,which are closely related to the haze phenomena,are selected as the research object to analyze the relationship among economic growth,S&T innovation and air pollution.The results show that:There is an inverted U-shaped relationship between soot and dust emissions and economic level at the provincial-level in China;The effects of S&T innovation on soot and dust emis⁃sions are both positive and negative,while the inhibition is relatively stronger;S&T innovation can change the shape of EKC,and reduce the economic requirements of the inflection point.

Keywords:air pollution;economic growth;S&T innovation;soot and dust;haze

［责任编辑：张 青］

Economic Growth,S&T Innovation and Air Pollution—Evidence from Soot and Dust Emissions

MENG Fan-rong,CHEN Zi-tao，WANG Huan

（School of Public Policy and Administration,Xi’an Jiaotong University,Xi’an 710049,China）

F205

A

1007-5097（2017）09-0112-06

10.3969/j.issn.1007-5097.2017.09.015

2017-05-12

国家社会科学基金项目（15BGL176）；西安市软科学计划研究项目（2016041SF/RK04）

孟凡蓉（1973-），女，安徽寿县人，副教授，管理学博士，研究方向：政府绩效管理，环境政策分析；陈子韬（1994-），男，江苏苏州人，硕士研究生，研究方向：政府绩效管理，环境政策分析；王 焕（1992-），女，河南郑州人，硕士研究生，研究方向：政府绩效管理，环境政策分析。