中国污染物排放强度的动态演进及空间收敛性研究

刘亦文　胡宗义　文晓茜

摘 要 使用中国（不含港澳台地区）31个省级地区2001-2011年数据，利用空间面板模型对工业废水、化学需氧量、氨氮化物、工业二氧化硫、工业烟（粉）尘、工业废气和工业固体废物等七类污染物排放强度的地区差异性和空间收敛性进行了分析.研究结果表明：中国污染物排放强度存在着显著的空间相关性，各区域的污染物排放强度不满足绝对β收敛.人均GDP对污染物排放存在正的影响，第二产业比重存在负的影响，地区效应对收敛存在正相关效应.

关键词 污染物排放强度；收敛性；空间面板模型

中图分类号 F205 文献标识码 A

Abstract Used space panel model to analyse on the regional differences and spatial convergence in pollutants emission intensity in 31 provincial-level regions of the Chinese mainland in 2001-2011. The results showed that： Pollutant emission intensity presence of a significant space correlation， regional pollutant emissions intensity does not meet the absolute β convergence. Per capita GDP has a positive impact on pollutant emissions， Proportion of secondary industry has a negative impact on pollutant emissions， regional effect has a positively correlated impact on convergence regions.

Key words pollutant emission intensity； convergence； spatial panel model

中国经济列车飞速前行，短短近四十载走完了发达国家数百年工业化发展道路，成功缔造了世界第二大经济体的“中国式奇迹”.然而，中国是以牺牲环境为代价来实现经济的快速发展的，中国的污染主要来自于工业生产.中国经济发展与资源环境之间的深层次矛盾日益尖锐，特别是近年来雾霾在全国各大主要城市“风靡”，让我们真真切切地感受到了环境污染的严重性.环境风险以及由此引起的各种经济风险和社会风险不断积聚，生态环境赤字呈现不断扩大趋势，使得中国生态环境问题称为世界上最为复杂和困难的问题（亚洲开发银行，2012）.

对中国各地区污染物排放强度的差异性和收敛性进行定量的研究，既可以科学评价当前我国环境政策作用于全国各地区污染物减排的合理性与有效性，也可以为政府的环境管理工作与环境风险管理策略提供理论和实证依据.

长期以来，经济学家一直致力于探究经济增长源泉问题，资源消耗是一把“双刃剑”，不仅有力地推动经济的发展，也带来资源环境问题，资源节约、环境保护成为了人类可持续发展所面临的全球性难题.以能源效率提升为导向的能源资源优化配置和引导调控一直是学术界和实务部门关注的重点，而对环境质量的关注则是在第三次科技革命之后，全球污染事件频发引发了整个人类关注和深思，在此背景下，各国学者积极投身于污染物排放与治理相关研究，取得了丰硕成果.一是较为全面地探讨了污染物排放强度与经济增长之间的关系.Keeler et al. （1971）认为控制污染物排放强度的最优路径是强化资本积累与经济增长，被学术界公认为最早对污染物排放强度研究的学者[1].基于Keeler et al. （1971）的分析框架，Van der Ploeg 和Withagen （1991）构建了一个全面的处理资本—污染动态的Ramsey-Cass-Koopmans模型[2]，Bovenberg 和 Smulders （1995）[3]、Stockey （1998）[4]将内生增长理论纳入到经济增长与环境污染水平的研究中.Lucas（1988）[5]、Tetsuya Tsurumi 和 Shunsuke Managi（2010）[6]、He 和 Wang（2012）[7]、Cynthia等（2013）[8]等从经济规模、经济结构、技术、收入差异、国际貿易角度探讨了环境质量的发力点.国内方面，李达和王春晓（2007）[9]、邓明和钱争鸣（2010）[10] 、牛海鹏等（2012）[11]、赵红和彭磬（2013）[12] 等学者也对污染物排放与经济增长之间关系进行了相应研究.张小漫等（2017）通过对三大环境污染物排放强度进行分区，探讨了经济增长、能源消费与外商直接投资的双向耦合关系[13].二是关于污染物总量控制制度研究，如乔晓楠和段小刚（2012）[14]，王金南等（2015）[15]，黄冬娅和杨大力（2016）[16]等.王金南等（2010）对国家“十二五”（2011-2015年）时期污染物排放总量控制路线图和支撑体系建设进行谋划[17].蒋洪强等（2017）基于污染物排放许可制度内涵与特征探讨了污染物总量控制制度改革思路和方向[18].段海燕和王宪恩（2017）则关注污染物排放总量控制指标差异性公平配置法律制度[19].王婧和李裕瑞（2017）系统考察了京津冀地区2000—2013年主要污染物排放变化趋势，在此基础上探讨了工业细分行业污染排放的结构特征.三是针对具体污染源及其污染形成机制进行研究[20].如张婷等（2010）[21]、周侃等（2017）[22]等以水污染为研究对象，而从污染物排放强度方面研究的比较少，仅有陈东景（2008） [23]、陈媛媛和李坤望（2010）[24]、胡宗义等（2014）[25]和王强等（2016）[26]等.同时，国内外对于污染物收敛性研究也相对较少.Alvarez， Marrero和Puch（2004） 基于新古典增长模型分析了1990年至2000年间欧洲国家经济增长与不同种类污染物收敛性之间的关系，得出了在欧洲经济增长水平下存在污染水平收敛性，并对这些国家在污染物排放量和增长方面的表现进行了排序[27].胡玉敏和杜纲（2009）运用空间计量模型对1991～2006年期间中国28个省份环境污染趋同进行了研究[28].张崇辉和汪劲松（2012）对中国经济增长与环境污染之间的关系进行了分析，并测算出了环境水平对经济收敛速度的影响[29].程钰等（2013）分析了工业经济增长对山东省大气环境污染的影响及其时空格局[30].张可（2015）对中国地级及以上城市污染排放增长的收敛性进行了研究[31].周申蓓和肖亚朋（2016）则对污染物排放约束下的水资源环境效率空间收敛性进行了研究[32].

污染控制作为生态文明建设的具体内容之一，加强污染物排放强度和总量双控有助于更好地实现主要污染物减排目标，增强政府在环境污染中的治理能力，提高政府生态文明建设的公众满意度[33].着力探寻地区之间于污染物排放强度变化趋势及规律，深入了解其发展现状，助推中国经济绿色转型发展，提升公众对美好生活的感知，富有较强的理论价值与现实意义.

1 中国31个省市（因研究需要，没有纳入港澳台地区数据，下同）污染物排放强度测算

当前学术界关于污染物排放强度测度方法存在差异，且无统一标准.沿袭胡宗义等（2014）[25] 测算方法对中国31个省市污染物排放强度进行测度，具体结果如表2所示.

从2001～2011年11年来的中国各地区污染物排放强度变动趋势来看，中国污染物排放强度无论是全国层面，还是地区层面，抑或各省市，均呈现出逐年递减趋势，各省市的强度下降率的范围在[59.03%，78.21%]之间波动.其中，内蒙古的指数下降率最大，为78.21%，紧接着是天津和重庆，下降率分别为76.45%和74.58%.这说明了不论是发达地区还是欠发达地区，我国各地区降低污染物排放强度的潜力大.

分省市看，对于各地区污染物排放强度，大部分省市的各地区污染物排放强度在0.1～0.2之间.广东、江苏、山东、浙江和上海的污染物排放强度在全国位居前五，这5个省（市）均位于东部地区，他们的污染物排放强度平均值分别为0.019、0.022、0.024、0.030和0.037.排名最末的两个省（自治区）均为西部地区中的西藏和宁夏，分值分别为1.156和0.590.

分地区看，对于污染物排放强度，西部、东部、中部和东北地区的污染物排放强度依次递减，平均水平分别为0.2768、0.0678、0.676和0.613，平均国内生产总值分别为2.78万元、5.608万元、2.8万元和3.856万元，说明我国各地区污染物排放强度并非与经济发展水平趋于一致.东部地区中，各省（市）的污染物排放强度差异较大，广东的污染物排放强度为0.019，遥遥领先于其他省（市），海南的最差，为0.312，仅达到西部地区的发展水平，排名倒数第4.在中部地区中，山西、安徽、江西、河南、湖北和湖南6个省的污染物排放强度相差不大，在0.040和0.119之间波动.西部地区中，四川的污染物排放强度的排名最高，其他省（自治区）的均值得分差别不大.东北地区中，辽宁省的污染物排放强度平均值为0.042，吉林省和黑龙江省的污染物排放强度平均值分别为0.089和0.054.

2 中国污染物排放强度的收敛性研究

由上文统计测度分析可知，我国污染物排放强度在地域空间上已经显示出较大差异性，为了进一步剖析各地区污染物排放强度的内在差异形成机制，因此完全有必要对我国污染物排放强度的收敛性特征进行研究，重点考察不同地区污染物排放強度速度与期初污染物排放强度水平的内在联系.本文借鉴经济发展过程中存在的收敛机制，分别研究污染物排放强度的β收敛和俱乐部收敛，其中β收敛又分为两类，即β绝对收敛和β条件收敛.

2.1 空间相关性检验

目前研究收敛性的文献大都集中在地区经济增长方面，且经济增长的收敛性往往表现出较强的空间相关性.从上文分析可以看出，我国污染物排放强度也存在实质意义上的收敛现象，可以运用收敛性研究思路和方法对中国污染物排放强度的收敛现象进行更深入的研究.基于31个省2001～2011年的面板数据建立反映中国污染物排放强度收敛性的空间计量模型.在构建空间收敛计量模型之前，必须进行空间相关性检验，通过公式（1）计算全局莫兰指数和局部莫兰指数并以此来检验各地区污染物排放强度之间是否存在空间相关性：

Moran'sI=∑ni=1∑nj=1wij（xi-）（xj-）∑ni=1（xi-）2 （1）

其中W采用地理空间权重矩阵，理论上，莫兰指数取值为[-1，1]，若值为正则为空间正自相关，值为负则为负自相关.在将地理空间权重矩阵行标准化之后，运用软件Stata14.0对各年份污染物排放强度做全局空间相关性检验，检验结果发现莫兰（Morans I）指数取值范围在[0.141，0.283]之间，且在α为5%时通过了显著性检验，这表明我国省域污染物排放强度有明显的空间正相关现象，在计算局部莫兰指数过程中，发现同样在在α为5%时有相当一部分省份通过了显著性检验，即可强烈拒绝无空间自相关的原假设.

为进一步考察中国各地区污染物排放强度在空间上的集聚模式， 图2和图3分别为2001年、2011年各地区污染物排放强度的莫兰散点图、横轴代表污染物排放强度的离差，纵轴代表污染物排放强度的空间滞后值，由莫兰散点图可以看出，2001年，中国大部分地区的位于第一象限HH型），即污染物排放强度低的省（区）大都聚集在一起，也即存在高点区域，而LL型低值集聚区主要是东部地区省份（具体包括福建、浙江、江苏和上海等）和中部地区的安徽省.表明我国污染物排放强度相近的地区具有明显的空间集聚效应.且20（广东）、14（福建）等地区由第二象限转移到第三象限，表现出轻微的传染效应.随着中国经济社会的发展，到2011年，HH高值集聚区仍全部为西部地区省份，而LL型低值集聚区则全部为东部地区省市（具体包括山东、江苏和上海等）.

同时，计算了2011年全国地区污染物排放强度的吉尔里指数C和Getis-Ord指数G，且均通过了显著性检验，其中用非标准化的对称空间权重矩阵计算的Getis-Ord指数G，其值为 0.577，进一步证明了污染物排放强度不仅存在空间正自相关，而且存在高点区域（HH），这与莫兰指数的检验是完全一致的.表明中国污染物排放强度具有明显的空间相关特征，故基于空间计量模型研究污染物排放强度的收敛是合理的.

2.2 中国污染物排放强度的收敛性分析

中國污染物排放强度收敛性分析包括：污染物排放强度的分布分散程度的α收敛分析，污染物排放指数的最后稳态状态的β收敛分析.由于中国污染物排放强度的β收敛取决于各经济体污染物排放强度速度与其期初污染物排放强度水平，按是否考虑自身条件差异的情况下，可分为β绝对收敛和β条件收敛.

3 实证分析

3.1 α收敛

从图4全国、东中西部污染物排放强度的标准差可以看出，不同层面的污染物排放强度的标准差均呈现出下降趋势，污染物排放指数都是满足α收敛的.由图5可知，各区域污染物排放强度的变差系数仅在2005年出现了小幅度的波动，其他年份整体较为平稳.因此可以判定中国各地区污染物排放指数不满足α收敛.

3.2 β收敛

用Stata14.0对上文测度得到的各省（区）的中国污染物排放强度水平进行空间效应诊断，由表3 可知，在绝对β收敛中LMlag、LMerr和Robust LMlag在5%显著性水平下均通过了显著性检验，而在条件β收敛中，LMlag的统计量值高于LMerr，Robust LMlag的统计量值也高于Robust LMerr，这表明空间滞后模型（SLM）更适合用来构建收敛模型，但为确保结果的稳健性，本文在研究β收敛时将同时给出这两种模型的结果.根据胡宗义等（2014）研究发现，中国污染物排放强度具有显著空间相关性的结论，故基于空间滞后模型（SLM）、空间误差模型（SEM）分别建立相应的空间收敛计量模型.

由表4可知，在中国各地区污染物排放强度的β绝对收敛空间模型中，无论是SEM还是SLM，两种模型的β系数的估计结果均呈现出一致性，但未表现出明显的绝对收敛现象，需进一步分析污染物排放强度是否存在条件β收敛.

在控制了经济发展水平、第二产业占GDP比重等变量后，由表4可知，各地区的β系数均显著为负，且SEM与SLM模型的结果表现出一致性，表明中国污染物排放强度呈现出明显的β条件收敛，收敛速度为6.78%，这说明了经济发展水平和第二产业占GDP比重是影响各地区污染物排放强度的主要因素，并且在控制了这些因素后，中国污染物排放强度表现为绝对收敛，即各省份之间污染物排放强度的差距随着时间的变化而越来越小.

4 结 论

采用2001-2011年的空间面板数据对中国及各地区污染物排放强度进行了测度，并在此基础上考虑了污染物排放强度的空间相关性，比较空间误差模型（SEM）和空间滞后模型（SLM）研究污染物排放强度的收敛性，得出以下结论：

（1）我国污染物排放强度整体较低，还有待进一步提高，且不同地区的污染物排放强度及趋势存在差异，东部、中部和东北地区整体发展水平相对接近，但西部地区远远高于上述地区.

（2）中国污染物排放强度存在明显的空间相关性，对地区污染物排放强度的研究不可忽视其空间相关性.采用并比较空间误差（SEM）和空间滞后模型（SLM），发现SEM和 SLM的检验结果在β系数上表现出一致性，但根据空间诊断效应结果，发现空间滞后效应更明显，故本文以SLM分析结果为主.

（3）在污染物排放强度的收敛性研究中，发现在α收敛中，由于采用不同的考察方法，得到的结论是截然相反的，即采用标准差考察α收敛时，无论是全国层面，还是东中西部三个地区都是α收敛的，而采用变差系数考察α收敛是，无论是全国层面，还是东中西部三个地区均不满足α收敛.中国污染物排放强度不存在绝对β收敛，在引入济发展水平等变量后，中国污染物排放强度表现出明显的β条件收敛.因此，加快地区经济增长、促进产业结构优化是降低污染物排放强度最为有效的抓手.

综上，各地区污染物排放强度存在较大差异，且经济发展水平、第二产业占GDP比重是影响各地区污染物排放强度的主要因素，同时地区间应该加大环境规制力度，努力降低自身污染物排放强度的基础上实现区域间的协调发展.

参考文献

[1] Keeler， Emmett， Michael Spence， & Richard Zeckhauser.The optimal control of pollution[J]. Journal of Economic Theory， 1971， 4（1）：19-34.

[2] Van der Ploeg， F. and C. Withagen.Pollution control and the Ramsey problem[J]. Environmental and Resource Economics， 1991， 1（2）：215-236.

[3] Lans Bovenberg， A. & Smulders， Sjak. Environmental quality and pollution-augmenting technological change in a two-sector endogenous growth model[J].Journal of Public Economics， 1995，57（3）：369-391.

[4] Stockey， N. Are there limits to growth[J]. International Economic Review， 1998，39（1）：1-31.

[5] Lucas Jr R E.On The Mechanics Of Economic Development[J].Journal Of Monetary Economics， 1988， 22（1）： 3-42.

[6] Tetsuya Tsurumi，Shunsuke Managi， 2010. Decomposition of the environmental Kuznets curve： scale， technique， and composition effects[J].Society for Environmental Economics and Policy Studies，2010，11（1）：19-36.

[7] He， Jie & Wang， Hua. Economic structure， development policy and environmental quality： An empirical analysis of environmental Kuznets curves with Chinese municipal data[J].Ecological Economics， ， 2012，76（C）：49-59.

[8] C.Y. Cynthia Lin ，Zachary D. Liscow. Endogeneity in the Environmental Kuznets Curve： An Instrumental Variables Approach[J]. American Journal of Agricultural Economics，2013，95（2）： 268-274.

[9] 李达，王春晓. 中国经济增长与大气污染物排放的关系——基于分省面板数据的经验研究[J]. 财经科学.2007 （2）：43-47.

[10]鄧明，钱争鸣. 能源消费，污染物排放与中国经济增长——基于有向无环图的动态关系研究[J].山西财经大学学报.2010（11）：42-28.

[11]牛海鹏，朱松，尹训国，张平淡.经济结构，经济发展与污染物排放之间关系的实证研究[J]. 中国软科学，2012（4）：160-164.

[12]赵红，彭磬. 对外贸易，相对收入与污染物排放——基于中国省级单位面板数据的研究[J].南京农业大学学报（社会科学版），2013（1）：103-105.

[13]张小漫，傅强，张亚军.经济增长、能源消费与外商直接投资的双向耦合关系——基于污染物排放强度分组[J].国际商务（对外经济贸易大学学报），2017（4）：87-99.

[14]乔晓楠，段小刚.总量控制、区际排污指标分配与经济绩效[J].经济研究，2012（10）：121-133.

[15]王金南，蒋春来，张文静.关于“十三五”污染物排放总量控制制度改革的思考[J].环境保护，2015（21）：21-24.

[16]黄冬娅，杨大力.考核式监管的运行与困境：基于主要污染物总量减排考核的分析[J].政治学研究，2016（4）：101-112.

[17]王金南，田仁生，吴舜泽，董战峰.“十二五”时期污染物排放总量控制路线图分析[J].中国人口.资源与环境，2010（8）： 70-74.

[18]蒋洪强，周佳，张静.基于污染物排放许可的总量控制制度改革研究[J]. 中国环境管理，2017（4）： 9-12.

[19]段海燕，王宪恩.我国污染物排放总量控制指标差异性公平配置理论及法律制度研究[J].法学杂志，2017（7）： 22-31.

[20]王婧，李裕瑞.京津冀地区主要污染物排放变化趋势及启示[J].地域研究与开发，2017（4）： 136-140.

[21]张婷，刘静玲，王雪梅.白洋淀水质时空变化及影响因子评价与分析[J].环境科学学报，2010，30（ 2） ： 261-267.

[22]周侃，樊杰，刘汉初.环渤海地区水污染物排放的时空格局及其驱动因素[J].地理科学进展，2017（2）： 171-181.

[23]陈东景.中国主要污染物排放强度的区域差异分析[J].生态环境，2008（1）： 133-137.

[24]陈媛媛，李坤望. 开放条件下工业污染物排放强度影响因素分析[J]. 上海财经大学学报2010（4）：90-95.

[25]胡宗义，文晓茜，刘亦文.中国污染物排放强度及其收敛性的区域差异研究[J].经济数学，2014（4）：59-64.

[26]王强，刘雅玲，吴悦颖，文宇立.我国主要污染物排放强度区域特征分析研究[J].环境保护科学，2015，41（3）：57-61.

[27]Francisco Alvarez， Gustavo A. Marrero and Luis A. Puch.Air Pollution Convergence and Economic Growth across European Countries European Countries [J/OL]. http：//eprints.ucm.es/7720/

[28]胡玉敏，杜纲.中国各省区环境污染趋同研究——基于4种污染物的空间计量分析[J].科学对社会的影响，2009（2）：32-35.

[29]张崇辉，汪劲松.环境污染与经济收敛关系的实证检验[J].统计与决策，2012（11）： 123-126.

[30]程钰，徐成龙，刘雷，任建兰.1991-2011 年山东省工业经济增长的大气污染效应及其时空格局——以SO2和粉尘为例[J]. 地理科学进展，2013，32（11）： 1703-1711.

[31]张可.污染排放增长存在内生收敛吗[J].统计研究，2015，32（6）：59-66.

[32]周申蓓，肖亚朋.污染物排放约束下的水资源环境效率空间收敛分析[J].水电能源科学，2016（6）：27-31.

[33]胡宗义，李毅.环境规制与中国工业绿色技术效率——基于省际面板数据的实证研究[J].湖南大学学报（社会科学版），2017，31（5）：42-48.