山东省产业结构演化与水环境质量的关联分析——基于VAR模型

(山东农业大学 经济管理学院,山东 泰安 271018)

山东省产业结构演化与水环境质量的关联分析
——基于VAR模型

曹 娣,周 霞

(山东农业大学 经济管理学院,山东 泰安 271018)

区域产业结构与水环境质量间具有双向约束关系。基于2001—2015年山东省产业结构与水环境质量的相关数据,利用VAR模型,采用脉冲响应和方差分解揭示了山东省产业结构演化和水环境质量的关联关系。结果表明:产业结构演化与水环境质量之间存在协整关系,表现为长期均衡稳定的关系;产业结构变化会减少氨氮排放量、化学需氧量排放量,能较好地改善水环境质量;产业结构变化会增加废水排放量,但是随着产业结构不断变化废水排放量呈递减趋势;水环境质量对产业结构演化的制约和促进作用较微弱。

产业结构;水环境质量;VAR模型

1 引言

随着经济的快速发展,我国生态环境态势日益恶化,水环境质量状况不容乐观,污水排放量和污染程度都呈现出不同程度的恶化,水污染问题已成为我国当前最主要的环境安全问题[1]。有研究表明，未来水资源问题是影响我国经济可持续发展的主要瓶颈之一[2]。2015年我国发布了《水污染防治行动计划》(简称“水十条”),为水环境质量状况改善设定了总体战略路径和措施。

经济增长与生态环境之间具有双向互动关系[3,4]。产业发展是经济增长的助动力,同时也与水

环境质量有着密不可分的关联。回顾国内研究产业结构与水环境质量关系的研究成果,不同程度的产业结构变化调整对环境污染控制产生不同效果,随着经济发展要及时调整产业结构与污染控制之间的关系[5]。

从投入—产出因素分析,粗放式经济发展模式是造成我国水污染问题的主要原因,实现产业集约化、提高水污染处理率是解决水污染的根本途径[6]。从工业结构分析,污染密集型产业的比重上升和下降都会对水污染排放产生较大影响,即工业结构调整对改善水污染的作用不容小觑[7]。从用水效率分析,技术进步促进了用水强度下降,加快了产业结构调整,成为提高用水效率的重要途径之一[8]。从政府和社会的角度分析,我国工业用水污染问题的本质是由政府、企业和公众的博弈引起的结果[9]。综合来看,产业结构调整对解决水资源污染和节约利用水资源发挥了一定的积极作用[10]。

鉴于VAR模型在产业结构、经济增长与环境污染方面的应用效果良好,本文采用VAR模型分析方法,利用2001—2015年山东省三类水环境质量指标和产业结构演化指标,具体解析了山东省产业结构与水环境质量的双向动态作用特征。通过脉冲响应函数和预测方差分解,检验山东省水环境质量与产业结构演化间的动态冲击反应,以刻画两者之间长期的相互动态作用。通过这种动态分析，进一步促进山东省的产业结构优化升级,提高水环境质量和用水效率，缓解水资源短缺问题。

2 研究方法与数据来源

2.1 数据来源和指标选取

山东省兼具农业与工业大省的双重属性。随着经济发展和城市化进程,山东省产业结构不断变化,三次产业比例由2001年的14.79∶49.55∶35.67调整为2015年的7.9∶46.8∶45.3。自2001年以来,山东省第一产业占比呈逐渐下降的趋势,第二产业占比在2006年达到峰值后以稳定的降速呈递减态势,第三产业占比在2004年达到最小值后呈上升趋势,自2008年以来一直呈现稳步递增且增幅较大的状态。

近年来，山东省产业结构尽管有一定的演化升级,但是这种产业结构与“三二一”型结构还有一定的差距。因此,山东省产业结构还有进一步优化改善的空间。山东省水资源短缺严重,人均水资源量属于绝对贫水区[11]。自2001年起山东省废水排放量呈逐年递增趋势,化学需氧量排放量和氨氮排放量自2001年起均呈递减状态,2011年化学需氧量和氨氮排放量出现突增,增幅分别为2001年的1.15倍和1.05倍,2012—2015年呈缓慢下降趋势，但是相较于2001年其增幅仍在0.8倍左右。可以看出，山东省水环境质量的现状不容乐观,水环境质量下降会对经济发展产生不利的影响。为了便于分析，产业结构变化程度采用第三产业产值与第二产业产值的比值度量[12],记为OIS。若OIS值处于增加状态,表明产业结构在演化升级,向着服务化方向演变。

表1 变量符号表

综合以上分析,本文建立由3个水环境质量指标(废水排放量、化学需氧量排放量、氨氮排放量) 与产业结构变化率指标组成VAR模型,采用协整分析和脉冲响应分析对山东省产业结构演化与水环境质量之间的关系进行实证研究,具体变量指标见表1。本文所采用的各污染物排放量、产业产值等数据来源于2002—2016年的《山东省统计年鉴》,并运用Eviews7.2软件进行实证分析。

2.2 研究方法

VAR模型是一种动态联立方程模型,模型中的解释变量是系统中全部内生变量的滞后值,模型中每个方程都有相同的解释变量,被解释变量是系统中的每一个内生变量。VAR模型拓展了传统单变量自回归模型,包含多元时间序列变量,克服了传统方程模型产生的问题和不足,还可以运用广义脉冲响应和方差分解来揭示变量间的动态关系。VAR模型一般数学表达式为:

(1)

式中,Yt为(n×1)向量构成的同方差平稳线性随机过程;βi为(n×n)的系数矩阵;Yt-i为Yt的i阶滞后变量;εt为随机误差项,在模型中可视为随机扰动项。本模型满足:E(εt)=0,E(εtYt-i)=0,i=1,2,…,p。即εt的期望为0,εt与Yt和各滞后期不相关。

3 实证结果分析

3.1 模型建立与检验

单位根检验:为防止模型在建立过程中出现伪回归问题,本文采用ADF检验法对ANE、COD、WWD和OIS以及它们的一阶差分序列DANE、DCOD、DWWD、DOIS进行平稳性检验,检验结果见表2。在5%显著水平下ANE、COD、WWD和OIS的ADF检验值均大于临界值,为非平稳数据;DANE、DCOD、DWWD和DOIS的ADF检验值均小于5%显著水平下的临界值,为平稳数据,所以DANE、DCOD、DWWD和DOIS都为一阶单整序列。

表2 ADF单位根检验结果

协整检验:协整理论是由恩格尔和格兰杰[13]在1987年首先提出来的。所谓协整是指非平稳序列线性组合后的序列间存在一个长期稳定的比例关系；反之,则不存在一个长期稳定的协整关系[14]。本文采用EG两步法来检验产业结构变化率OIS和废水排放量WWD、产业结构变化率OIS与化学需氧量排放量COD、产业结构变化率OIS和氨氮排放量ANE间的协整关系。

用OLS分别对OIS和ANE、COD和WWD进行静态回归,回归方程为:

OIS=0.447125916+0.02364ANE+μ1t

(2)

OIS=0.484211+0.001892COD+μ2t

(3)

OIS=0.376148+8.66E-07WWD+μ3t

(4)

本文分别对三个残差序列的单整阶数进行检验,检验方法与验证序列平稳性的方法相同,结果见表3。由检验结果可知,回归方程的残差序列ADF检验值都小于显著水平5%下的临界值,即残差序列μ1t、μ2t、μ3t是平稳序列,说明OIS与ANE、OIS与COD、OIS与WWD之间存在协整关系。即产业结构演化与水环境质量间存在协整关系,即具有长期均衡关系。

表3 协整方程ADF检验结果

确定滞后阶数与稳定性检验:本文在以上ADF检验的基础上,建立以产业结构变化率、废水排放量、化学需氧量排放量、氨氮排放量为因变量,这些变量的滞后值为自变量的VAR模型。建立VAR模型前要确定最优滞后阶数,根据LogL、LR、FPE、AIC、SC和HQ等标准进行模型最优滞后阶数的确定,选择标准见表4。参照AIC和SC的评价标准,在表4中得出滞后阶数为2阶时AIC和SC的值最小,所以将VAR模型的滞后阶数确定为2阶,即建立VAR(2)模型。

表4 VAR模型最优滞后阶数选择标准

图1 VAR(2) 的AR特征多项式逆根

计算VAR(2)模型的AR的特征多项式,结果见图1。特征多项式根的倒数全部小于1且位于单位圆内,表明建立的VAR(2)模型稳定有效,结果可行。由于建立的VAR(2)模型稳定有效,可利用VAR模型的广义脉冲响应函数解析产业结构变化与水环境质量的动态冲击响应,揭示两者间的关联关系。

3.2 脉冲响应分析

脉冲响应函数是受一扰动项变量的冲击,被冲击变量的当前值和未来值会产生响应,根据这一动态冲击反应来解释变量之间的相互影响和动态联系。同时根据以上建立的VAR(2)模型,可得到相应的各个脉冲响应函数图，见图2(图中纵轴是被冲击变量做出的响应轨迹,横轴是冲击作用的滞后期,实线为脉冲响应函数线,虚线表示正负两倍标准差偏离线)和脉冲响应分析结果表(表5)。

图2 ANE对OIS的脉冲响应

时期ResponseofANEtoOISResponseofOIStoANEResponseofCODtoOISResponseofOIStoCODRResponseofWWDtoOISResponseofOIStoWWD1-1.2487520 -15.642810 10788.2700 21.7363110.00096423.29552-0.0097652806.769-0.00015130.684115-0.0014818.59425-0.0064317691.7150.00152340.754694-0.0032938.951856-0.0021032002.3430.0027495-0.775199-0.005700-9.677021-0.0055235703.5330.0029626-0.054577-0.0085980.286987-0.0050453823.1620.00213770.402003-0.0095255.528433-0.0002275710.8560.00202381.315272-0.00752416.447190.0004012690.8350.00266190.662340-0.0063348.021994-0.0036682459.6820.00353310-0.050695-0.007825-0.601337-0.0048501183.4070.003555

ANE与OIS的动态关系:由图2和表5可知,当给OIS一个单位的冲击,ANE的当期反应值是负的(-1.25)且是整个反应期的最低值,然后呈上升趋势,第2期变为正值(1.74),达到整个反应期的最高值;随后又呈下降趋势在第3期和第4期之间有较小的波动,到第5期时降为负值(-0.775);接着又呈上升趋势,在第8期达到一个正的最值后又呈下降状态,在第10期变为负值。在整个分析期内,ANE对OIS脉冲响应呈5期为一个波动周期变化。从图3和表5可见,给ANE一个单位的冲击,OIS第1期没有反应,随后在较小范围内上升达到反应期的最高值(0.000964),然后呈下降趋势在第7期达到最小值(-0.009525),第8—10期在负值间来回波动。总体来看,ANE对OIS呈负向影响,且影响值较小,氨氮排放量对产业结构变化有一定约束力。

图3 OIS对ANE的脉冲响应

COD与OIS的动态关系:由图4和表5可见,给OIS一个单位的冲击时,COD的当期反应值呈现负的(-15.64),随后呈现上升趋势在第二期变为正值(23.296),且达到整个反应期的最高值;接着呈下降趋势,在第三期和第四期之间有较小的波动,到第五期时降为负值(-9.677);后又呈上升趋势,在第八期达到一个正值后呈下降状态,在第十期变为负值。在整个分析期内COD对OIS脉冲响应变化也呈五期为一个波动周期,整个COD的反应走势与ANE的走势基本相同。由图5和表5可见,给COD一个单位的冲击,OIS第1期没有反应,随后在较小范围内的负值与零之间来回波动,仅在第8期时出现一个正值(0.000401)。总体来看,COD对OIS呈负向影响,化学需氧量排放量对产业结构变化有一定的约束力。

图4 COD对OIS的脉冲响应

图5 OIS对COD的脉冲响应

WWD与OIS的动态关系:由图6和表5可知,就WWD对OIS一个单位冲击的响应来看,WWD当期反应值为正值(10788.27)是整个反应期的最大值,第二期下降,第三期上升,第四期又下降,WWD的整个反应期内以一个“V”字形的周期来回波动;而且第一、三、五、七、九期的最值呈递减规律变动。由图7和表5可知,给WWD一个单位的冲击,OIS的第一期没有反应,第二期达到反应期的最小值(-0.000151),随后在较小范围内的正值和零之间波动,整个反应期内WWD对OIS呈正向影响,且影响值较小,说明废水排放量是引起产业结构变化的部分原因。

图6 WWD对OIS的脉冲响应

图7 OIS对WWD的脉冲响应

3.3 方差分解

从表6和图8的水环境质量与产业结构变化的预测方差分解结果中可见,总体而言OIS做出的贡献最大。首先，OIS解释了水环境质量的氨氮排放量、化学需氧量这两个变量在34%以上的方差,对废水排放量的平均贡献度为61.65%,对三个水环境质量指标最终贡献的收敛都大于30%。其次,OIS受到自身波动的影响较大,水环境质量中化学需氧量排放量对产业结构变化预测的贡献度最高。第三，氨氮排放量、废水排放量的预测变量仅为1.89%。结合脉冲响应分析结果说明，山东省水环境质量的状况对产业结构变化负向抑制作用较大,促使产业结构变化的作用较小。根据分析，整个方差分解分析结果与脉冲响应函数分析结果基本吻合。

表6 水环境质量与产业结构变化的预测方差分解平均值

4 讨论

本文对山东省水环境质量指标与产业结构演化指标的动态关联关系进行了分析。尽管三个水环境质量指标与产业结构变化率是复杂多变的,但是它们构成的VAR模型系统是稳定的。基于广义脉冲响应函数的分析表明,产业结构变化对氨氮排放量和化学需氧量排放量均产生负向影响,说明产业结构优化会减少氨氮排放量和化学需氧量,有利于改善水环境质量状况。同时,产业结构变化对氨氮排放量和化学需氧量的影响周期为五期,可以利用这个周期性的变化规律,结合其他能改善水环境质量的影响因素来进一步控制和改善水环境质量。

产业结构变化对废水排放量具有正向影响,说明在产业结构向着服务化发展的过程中使废水排放量增加,但从脉冲响应的分析来看这种引起废水排放量增加的影响呈递减变化。目前,在山东省第三产业中传统产业如餐饮业、旅游业、批发零售业所占比例较大,网络服务、金融等新兴的第三产业所占比重较低,这样导致在产业结构变化发展中确实会增加废水排放量,尤其是生活污水排放量的增加。但是随着产业结构的进一步升级,第三产业内部结构的合理化,废水排放量会逐渐减少,逐步改善水环境质量。

水环境质量会对产业结构变化升级产生一定的促进或制约作用,但作用幅度较小,说明产业结构演化升级会受到水环境质量因素的作用,但水环境质量不是引起和制约产业结构变化升级的主要原因，这与现实状况吻合。随着水污染防治措施的加强与深入,就会倒逼产业进行升级,一方面会加快企业转型,另一方面也会促进企业加大对污水处理的投入。

基于方差分解分析,本文刻画了山东省产业结构演化与水环境质量间的变化关系。结果表明,产业结构演化对水环境质量的最终预测收敛都大于30%。从当前山东省产业结构演化来看,产业结构变化对水环境质量改善做出的贡献较大。一方面伴随着经济增长、工业化和城市化进程的加快,水污染和水资源浪费日益加重,产业结构升级会促进水环境质量情况好转。另一方面,水环境质量对产业结构变化的贡献率不大,说明引起产业结构变化的原因是多方面的,而水环境质量对产业结构演化升级的影响作用较小,这与山东省产业结构演化现状基本吻合,说明水环境管制对区域产业结构转型的约束作用尚未显现出来。

5 结论与建议

本文基于VAR模型,运用广义脉冲响应和方差分解函数对山东省产业结构演化和水环境质量的关联分析进行了实证分析,研究结论为:①从长期来看,产业结构演化升级与水环境质量之间存在协整关系,表现出长期均衡稳定的关系,可通过误差纠正机制保持它们之间的长期协整关系。②水环境质量改变对产业结构变化仅起部分作用,并不是主要原因。③产业结构演化对水环境质量改善具有正向影响。产业结构变化对水环境质量改善的总体贡献较大,对减少氨氮排放量和化学需氧量排放量的作用较为明显。从长期来看,产业结构变化对废水排放量的抑制作用较明显。

建议:①运用财政、信贷、税收等政策,支持绿色高附加值产业的发展,推动山东省的产业结构向高端化、服务化转变。加快山东省工业产业供给侧结构性改革,优化工业产业内部结构,逐步淘汰高消耗、高污染落后产能,推动服务型、智能型制造业发展,引导生产性服务业向专业化和价值链高端化延伸。②发挥科技创新的支撑和引领作用,促进经济增长与水环境安全的协调发展。加大低能耗低排放、防污治污等清洁生产技术的研发投入,推动科研院所、高等学校与企业共建清洁生产技术创新战略联盟和重点研发中心,提高科技成果的转化率和应用率。③加强政府水环境管理的规制作用。政府采用行政管制手段,确立区域水环境质量标准,建立水环境定额管理制度,提高污染型企业的进入壁垒,形成水环境质量目标的逆向约束机制；加强水环境质量执法监督检查,把水环境质量纳入地方政府部门业绩考核范畴,建立水环境质量检查结果信息公开制度,抑制污染型企业的败德行为。④充分利用市场机制的调节功能。完善排污税费、财政奖补政策,激励企业节能减排行为,建立排污配额企业间、行业间和区域间的交易制度和补偿机制,实现水环境污染的外部效应内部化。

[1]张晓.中国水污染趋势与治理制度[J].中国软科学,2014,(10)∶11-24.

[2]高齐圣,路兰.中国水资源长期需求预测及地区差异性分析[J].干旱区资源与环境,2016,30(1)∶90-94.

[3]汪慧玲,朱震.我国生态安全影响因素的实证研究[J].干旱区资源与环境,2016,30(6)∶1-5.

[4]塔娜,宁小莉.乌海市生态环境与经济协调发展评价[J].干旱区资源与环境,2017,31(5)∶94-99.

[5]赵海霞,董雅文,段学军.产业结构调整与水环境污染控制的协调研究——以广西钦州市为例[J].南京农业大学学报(社会科学版),2010,(3)∶21-27.

[6]罗集广.基于DPG法的我国产业结构与水污染排放的关联分析[J].湘潭大学学报(哲学社会科学版),2014,(4)∶59-63.

[7]徐成龙,程钰,任建兰.山东省工业结构演变的水环境效应研究[J].华东经济管理,2014,(4)∶18-22.

[8]张陈俊,章恒全,龚雅云.中国结构升级、技术进步与水资源消耗——基于改进的LMDI方法[J].资源科学,2014,36(10)∶1993-2002.

[9]郭志仪,姚慧玲.中国工业水污染的理论研究与实证检验[J].审计与经济研究,2011,(5)∶97-103.

[10]李姝.城市化、产业结构调整与环境污染[J].财经问题研究,2011,(6)∶38-43.

[11]周玉玺,周霞,宋欣.影响农户农业节水技术采用水平差异的因素分析——基于山东省17市333个农户的问卷调查[J].干旱区资源与环境,2014,28(3)∶37-43.

[12]干春晖,郑若谷,余典范.中国产业结构变迁对经济增长和波动的影响[J].经济研究,2011,(5)∶4-16.

[13]Enger R,Granger C.Co-integration and Error Correction：Representation,Estimation and Testing[J].Econometrics,1987,(35)∶391-407.

[14]邓朝晖,刘洋,薛惠锋.基于VAR模型的水资源利用与经济增长动态关系研究[J].中国人口·资源与环境,2012,22(6)∶128-135.

AnalysisofRelationshipBetweenIndustrialStructureEvolutionandWaterEnvironmentQualityinShandongProvince——BasedonVARModel

CAO Di,ZHOU Xia

(College of Economics and Management,Shandong Agricultural University,Tai′an 271018,China)

There was a bidirectional constraint relationship between the evolution of industrial structure and the quality of water environment.The VAR model was established based on the data of industrial structure and water environment quality of Shandong Province in 2001-2015.The relationship between industrial structure evolution and water environmental quality was analyzed by impulse response function and variance decomposition function.The main conclusions were as follow:In the long term,there was a co-integration relationship between the evolution of industrial structure and water quality.Changes in the industrial structure would reduce the ammonia emissions,COD emissions could better improve the quality of water environment.The change of industrial structure would increase the discharge of waste water,but with the change of industrial structure,the discharge of waste water would be reduced.The effect of water environment on the evolution of industrial structure was weak.

industrial structure;water environmental quality;VAR model

10.3969 /j.issn.1005-8141.2017.09.008

X196

A

1005-8141(2017)09-1063-05

2017-07-09；

2017-08-23

国家社科基金项目(编号:16BJY053);教育部人文社科基金项目(编号:16YJA790071);山东农业大学现代农业发展研究院项目(编号:14xsk2-02)。

曹娣(1993-),女,山东省淄博人,硕士研究生,研究方向为资源与环境经济。

周霞(1971-),女,新疆维吾尔自治区焉耆人,教授,硕士生导师,研究领域为资源与环境经济、公司战略与风险控制。