经济增长与环境污染关系研究

杨世娟

摘要：通过构建向量自回归模型、方差分解及IRF脉冲响应函数分析了合肥市经济增长与环境污染之间长期均衡关系和动态影响机制。研究结果：合肥市经济增长依赖工业废气排放量的增加，不依赖固体废物排放量与废水排放量增加。

关键词：合肥市；向量自回归模型；IRF脉冲响应分析；方差分解

中图分类号：F2文献标识码：Adoi：10.19311/j.cnki.16723198.2017.33.008

0引言

合肥市是安徽省省会，合肥都市圈中心城市，皖江城市带核心城市之一，也是长三角城市群副中心城市，国家重要的科研教育基地、现代制造业基地和综合交通枢纽。合肥地处中国华东地区、江淮之间，环抱巢湖，位于安徽省中部，东连滁州市、马鞍山市，南接芜湖市、安庆市，西依六安市，北靠淮南市，由此合肥市经济建设的成效对安徽社会可持续发展的影响具有重大意义。

可持续发展主要包括自然资源、生态环境、经济与社会三个方面的协调发展。关于经济与环境之间的相互作用机制研究大多数学者都是对中国的所有省市进行研究，如吴开亚，陈晓剑通过建立一种新型的环境库兹涅兹曲线模型对安徽省1987-2000年的人均 GDP与工业三废排放量之间的关系进行分析，发现安徽省的环境库兹尼兹曲线特征为“U型+倒U型”，与传统的环境库兹涅兹曲线不同，具有新的特征。吕健对上海市经济增长与环境污染实证分析，得出上海市环境污染与经济增长之间的关系，并给出了合理的建议。马忻通过构建测度环境压力的指标体系，选取近30年的我国水环境、大气环境以及土壤环境方面的统计数据，应用因子分析法分析我国的经济增长与环境压力变化趋势，研究发现我国环境压力总体上随经济增长呈先上升后稳定的趋势，并就未来一个时期的环境保护工作重心提出相关建议。然而，对具体城市环境污染与经济增长关系的研究甚少，特别是利用向量自回归方法研究环境污染与经济增长之间相互影响机制的文献就更少。

1理论基础

1.1研究方法

向量自回归模型（VAR）一般用于研究具有相互关联的时间序列系统的预测及用于随机扰动对系统的动态影响分析。该模型在处理多个相关经济指标的分析与预测越来越受到经济工作者的重视。含有k个变量的VAR（p）模型的数学表达式是：

yt=Φ1yt-1+…+Φpyt-p+εt，t=1，2，…，T

其中，yt是 k 维内生变量列向量，滞后阶数为p，样本个数为T，Φ1，…，Φp是k2为待估系数矩阵，εt是k维随机干扰项，随机干扰项εi（i=1，2，…，k）满足Cov（εi，εj）=0，i≠j。上式可以展开为k 个方程：

y1t…ykt=Φ1y1t-1…ykt-1+…+Φpy1t-p…ykt-p+ε1t…εkt，t=1，2，…，T

由于VAR模型系统中涉及的待估参数比较多，无法通过分析参数的估计值来分析VAR模型，需要借助于Granger因果关系检验、方差分解及IRF脉冲响应函数等工具对建立的VAR模型进行分析，判断模型中内生变量之间的动态影响关系。

1.2指标与数据的选取

选取合肥市、芜湖市和蚌埠市的工业废水排放量、工业固体废物产生量、工业废气排放量作为环境污染的指标、人均 GDP作为经济增长指标。样本数据1998年到2015年相应数据（变量符号见表1）。

2基于VAR模型的合肥市经济增长与环境污染关系分析

2.1平稳性检验

时间序列的平稳性是时序分析的基础，这里采用常用的ADF检验进行平稳性分析。ADF检验结果发现合芜蚌三个城市的四个指标均是非平稳的，而对其一阶差分处理后的数据序列均显示为平稳。表2仅仅是合肥市的平稳性检验结果，因此，序列Lfq、Lfs、Lgf和Lmgdp都是一阶单整过程，满足协整分析的前提条件。

2.2迹统计量检验

为了能够建立向量自回归模型，下面对三个城市的指标数据进行协整检验，结果如表3所示。

在上面的VaR模型建立之后，仅仅是得到了一个变量的变化对另一个变量的影响，要分析一个变量扰动项的一个标准差的冲击对另一个变量产生的动态影响，对此对上述指标进行脉冲响应结果如图3所示。

从图3中发现，GDP受到工业废气排放的正向冲击到第七期时达到最大值，从第七期开始逐渐开始下降、从开始到第二期GDP受到工业废水排放的负向冲击，第三期开始受到正向冲击，第四期及以后趋于稳定、从开始到第五期GDP受到工业固体废物排放的负向冲击，第六期开始逐渐上升受到正向冲击，同时，GDP受到自身的正向冲击，到第四期达到最大值，并趋于稳定，到第七期开始逐渐下降。以上响应图也能够说明工业固体废弃物排放量的正的冲击可以持续地提高人均GDP，工业废气与工业废水排放量正的冲击可以持续降低人均GDP。

最后，根据方差分解原理，将单位冲击引起的人均GDP的均方误差分解成各个污染变量冲击所作的贡献，结果如图4。

图4显示，在人均GDP贡献率缓慢下降并趋于稳定的状态，工业固体废物的贡献率是缓慢下降且呈趋于稳定状态。工业废水的贡献率是呈先增加达到最大值后在缓慢下降，直到最后趋于稳定。工业废气的贡献率是逐步上升的。从该图4中也得出了合肥固体废物排放量的冲击对人均GDP的影响最大。

4结论与对策

通过构建向量自回归模型、方差分解及IRF脉冲响应函数分析了合肥市经济增长与环境污染之间冲击的传导过程。研究发现：合肥市经济增长依赖工业废气排放量的增加，同时在不以牺牲环境为代价背景下，合肥市经济增长没有对固体废物排放量与废水排放量产生影响。由此，在目前国家加大力度政治污染问题，合肥市更应该加强对环境的保护与治理，如加速经济结构的调整、改变经济发展模式，开发创新技术等。在地区经济增长的同时不能忽略保护环境对人类生存的重要性。

参考文献

[1]余劲松，王兆良.合芜蚌试验区建设对安徽社会可持续发展的重大意义[J].财经界，2010，（11）：6869.

[2]吴开亚，陈晓剑.安徽省经济增长与环境污染水平的关系研究[J].重庆环境科学，2003，（6）：911.

[3]呂健. 上海市经济增长与环境污染——基于VAR模型的实证分析[J].华东经济管理，2010，24（8）：16.

[4]马忻. 经济增长背景下的环境压力变化趋势研究[J].经济问题，2017，（3）：2529.

[5]李琳，朱金山，高润霞.基于VaR模型的重庆市经济增长与环境污染的关系研究.西南大学学报（自然科学版），2009，（11）：2933.

[6]陈昭，刘巍，茹纯子.中国经济增长与环境污染的关系——基于分省的面板协整模型分析[J].当代财经，2008，（11）：6572.

[7]管河山，周丹.平稳性检验方法的有效性研究[J].南华大学学报（社会科学版），2016，（1）：6368.endprint