广西环境污染与经济发展的空间面板分析

曹石云 黄海军 吴丽秀

摘    要： 基于广西14个市2006—2016年的面板数据，采用空间面板模型，对广西的主要污染物（SO2和COD）排放量和经济发展水平、产业结构和城镇化水平等经济指标之间的关系进行研究.研究结果表明，广西各地区的环境污染指标之间存在显著的空间依赖性.另外，在研究期内经济发展水平与主要污染物的排放量之间存在显著的负相关关系，随着经济的发展，主要污染物的排放量有了显著的下降;产业结构对环境污染存在显著的影响，主要体现在工业对大气污染的影响;城镇化水平对水体污染的影响显著.

关键词：环境污染;经济发展;空间滞后模型;空间误差模型

中图分类号：O212.1∶F205    DOI：10.16375/j.cnki.cn45-1395/t.2019.03.015

引言

随着经济的发展和人民生活质量的提高，环境污染问题已越来越受到人们的广泛关注.如何正确处理好经济发展和环境保护之间的关系，实现两者“双赢”，已成为全社会共同面临的重要问题.在《广西节能减排降碳和能源消费总量控制“十三五”规划》中明确提出，广西要将新发展理念贯穿于节能减排降碳和能源消费总量控制工作的各方面及全过程，坚定走生产发展、生活富裕、生态良好的文明发展道路，加快建设资源节约型、环境友好型社会.广西“十三五”规划节能减排的具体目标是：到2020年，SO2排放总量5年累计下降13%，COD排放总量5年累计下降1%.

在学术领域，环境污染和经济发展之间的关系也一直是环境资源和经济学领域关注的热点研究问题.20世纪90年代，Grossman等[1]通过对42个国家的SO2等地区性污染物的排放总量与人均收入的横截面数据进行分析，发现污染物排放量与经济增长之间呈现倒U型的曲线关系，称之为“环境库兹涅茨曲线（EKC）”.Copeland等[2-4]利用不同的经济指标与环境指标，对不同区域的经济与环境之间的关系进行了研究.

对于我国的环境污染和经济增长的关系，国内学者分别从全国、区域和企业的视角展开研究.黄莹等[5]利用空间面板方法对我国 “工业三废”排放量与人均GDP之间的关系进行了研究;金春雨等[6]基于1999—2014年我国30个省份的面板数据，以SO2排放量作为环境污染指标，对我国各区域的工业经济结构、经济增长和环境污染的关系进行了研究;刘叶等[7]从微观层面研究了环境治理对企业发展的影响;惠静等[8]则从理论上研究了水体污染对海洋生态系统的影响.对于广西的环境污染和经济增长之间的关系研究，罗静等[9]基于广西1987—2009年的环境与经济数据时间序列数据，对“工业三废”排放量与经济增长的关系进行了研究;覃巍等[10]利用1985—2009年的时间序列数据，对广西环境污染指标与经济增长之间的关系进行研究，发现二者之间呈现出N型曲线关系;许登峰等[11]基于主要年份的时间序列数据，研究了广西环境污染与经济增长之间的关系.

目前对于广西环境污染和经济发展之间的研究成果，仅局限在基于时间序列数据的研究.由于广西各市的发展很不平衡，地区差异明显，同时，一个地区的环境状况和经济发展往往会影响到邻近的地区，因此，传统的基于时间序列数据的分析方法忽视了这种空间效应，在理论上是存在缺陷的.本文选取了广西14个地市2006—2016年的反映环境污染和经济发展的面板数据进行实证分析，基于空间计量方法，考虑区域之间的空间相关性，通过建立空间面板模型，分析广西环境污染与经济发展之间的关系以及地区间存在的空间效应问题，为广西制定经济与环境和谐发展的政策提供科学依据.

1    研究数据与理论模型

1.1   研究数据

本文的实证研究数据采用2006—2016年广西14个地级市的面板数据，一共154个观测值.数据主要来源于2007—2017年《广西统计年鉴》和《广西环境年鉴》.其中环境污染指标有个别地市在某些年份没有披露，缺失数据利用邻近前后一年的均值插补处理.所有结果均由Matlab R2015b软件及其空间计量模块计算所得.

1.1.1  环境污染指标

本文根据国家节能减排的主要控制污染物名单，选取了二氧化硫 （SO2）和化学需氧量（COD）两种主要污染物的排放量作为环境污染指标.其中，[SO2]是废气中的主要污染物，是反映空气污染的一项重要指标.模型中用S表示二氧化硫排放量，单位为万t.COD是废水中的主要污染物，是反映水体有机污染的主要指标.用COD表示化学需氧量排放量，单位为万t.

1.1.2  经济发展指标

1）人均GDP，反映了各地区经济发展的总体水平.与GDP相比，人均GDP更能反映出经济水平变化對环境影响的影响.为了历年数据的可比性，消除通货膨胀的影响，利用平减指数对原始数据进行了处理，得到了各市以2006年为基期价格计算的实际人均GDP，单位：万元/人，用X1表示.

2）工业产值占GDP的比重，用来衡量各地区的经济结构和工业化水平，用X2表示.

3）城镇人口数量，用来衡量各地区的城镇化水平和城市规模，单位为百万人，用X3表示.

1.1.3   空间权重矩阵W的设定

在空间计量模型研究中，空间权重矩阵体现了空间区域的邻近关系.最为常用的是基于Rook邻近规则的空间邻接权重矩阵W，设定方式如下：当地区i和地区j相邻，则[wij]=1，否则为0;主对角线上的元素设定为0.空间计量模型由于其直观性和计算方便，得到了广泛的使用.在本文中，按照以上设定方式，根据地图上各市的地理位置关系，定义了空间权重矩阵W，具体的相邻信息见表1.在实际计算中，先把W行标准化处理，使得行元素之和为1.

1.2   理论模型

空间计量的两种基本模型是空间滞后模型和空间误差模型.其中，空间滞后模型描述的是空间实质相关，空间误差模型描述的是空间扰动相关和空间总体相关.选择二次函数形式的空间滞后模型或者空间误差模型作为反映经济发展对环境污染影响的模型：

其中，[ yit]是被解释变量（[SO2]、COD排放量），[ αi]表示特定地区的个体效应，[β1， …，  β4]为待估计系数，[ ηt]表示特定的时间效应，SLM模型中空间权重矩阵元素[wij]描述了第[j]个地区与第[i]个地区被解释变量之间的相关性，SEM模型中的[wij]描述了第[j]个地区与第[i]个地区误差项之间的相关性，[ρ]和[λ]分别为空间滞后效应系数和空间误差相关系数，[ εit]是随机误差项.

2    实证分析与研究结果

2.1   空间相关性检验

利用Moran’s I 统计量，对广西14个市的[SO2]和COD排放量的空间自相关性分别进行检验.首先假设模型不存在空间自相关性，利用OLS方法估计模型，得到的估计结果分别见模型估计结果表格的OLS列输出.OLS回归结果表明，在不考虑空间效应时，两种污染物的模型拟合优度（[R2]）值都较小，模型的拟合效果差.另外，D-W值也说明存在空间自相关性.下面对残差进行空间相关性的Moran检验，检验结果列于表2.

从Moran检验的结果可以得到结论：[SO2]排放量存在显著的空间相关性，Moran’s I的值等于0.318  （P=0.000）;COD排放量也存在显著的空间相关性，Moran’s I的值等于0.248（P=0.000），说明[SO2]排放量和COD排放量均具有正的空间相关性，即相邻的区域具有相似的属性.空间相关性检验结果说明，在研究广西经济发展和环境污染关系的模型中，应该考虑空间相关性.

2.2   模型选择

根据LM检验结果发现，对于[SO2]，LM（lag）较之LM（error）更为显著，因此判定SLM模型作为[SO2]的拟合模型;而对于COD来说，LM（error）较之LM（lag）更为显著，可以判定SEM模型是更合适的模型.

在固定效应和随机效应的选择问题上，一方面根据表2中的Hausman检验结果（P<0.01），[SO2]和COD排放量都在1%的显著性水平下拒绝了个体和时间随机效应的假设，可以认为固定效应是合适的选择;另一方面，由于本文所研究的截面个体为总体的所有单位（广西的全部14个市），根据Elhorst等[12]关于固定效应和随机效应的选择标准，固定效应也应为较优选择.

2.3   模型估计结果

根据以上的检验结果，对[SO2]采用具有固定效应的SLM模型对数据进行建模，对COD采用具有固定效应的SEM模型进行建模.但由于在事先检验中发现，人均GDP的二次项对于COD排放量不显著，故在下面对COD排放量建模时，不再考虑人均GDP的二次项.基于对个体效应和时间效应的考察，建立以下4种模型：混合效应模型（Non-FE即不考虑个体和时间特异效应）、个体固定效应模型（Ind-FE）、时间固定效应模型（Time-FE）、个体和时间双固定效应模型（Double-FE），另外把普通最小二乘（OLS）结果列出作为对照.模型的估计结果分别见表3和表4.

对于[SO2]排放量，从模型的拟合效果来看，考虑空间效应的几种模型的拟合优度（[R2]）和对数似然（lnL）都明显比不考虑空间效应的OLS估计要大，说明在考虑了空间效应之后，模型具有更好的解释能力.另外，在空间效应模型中，空间滞后参数[ρ]的值为正数，且具有显著的统计意义（P<0.01），说明广西各区域的[SO2]排放量在空间分布上具有明显的正相关关系，进一步说明了在研究广西的环境污染与经济发展的关系时，应该考虑地域间的空间相关结构.

比较4种SLM模型的估计结果，发现既有个体和时间双固定效应的模型（Double-FE）拟合效果比其他3种模型更好（对数似然lnL和拟合优度[R2]较大），模型的解释变量也均具有显著的统计意义，说明广西各地区的[SO2]和COD排放量不仅具有个体效应，还具有时间效应.其中，个体效应体现了地区间的环境质量的异质性，各地区的经济发展不平衡、环保的重视程度和技术水平等造成了这种各地区的结构性差异;时间效应反映了环境污染物的排放量随着时间的变化而具有显著的差异性.具体地，[SO2]排放量的模型为个体和时间固定效应SLM模型（即表3中的Double-FE模型）：

对于COD排放量，类似于[SO2]排放量的结果，在考虑了空间效应之后，模型具有更好的解释能力（[R2]和对数似然lnL更大）.空间误差相关系数[λ]的值为正数，且具有显著的统计意义（P<0.01），说明广西的各区域的COD排放量在空间分布上具有明顯的正相关关系.基于同样的考虑，根据模型的拟合效果以及参数的显著性，选择个体和时间固定效应SEM模型（即表4中的Double-FE模型）：

3    讨论部分

根据模型的系数，可以得到环境污染指标与经济发展指标之间可能存在的关系.研究结果表明，在研究期内，[SO2]排放量与人均GDP的关系曲线在一定程度上呈U型结构（模型中人均GDP的二次项显著）.人均GDP与[SO2]和COD排放量均呈负相关关系.图1给出了研究期内广西GDP、[SO2]和COD排放总量的走势图，从中可以明显地看出，广西GDP在逐年增长，但[SO2]和COD排放量基本上是在逐年下降的，与得到的模型结果完全一致.

产业结构对[SO2]和COD排放量的回归系数均为正，其中对于[SO2]是非常显著的因素（P<0.01），对于COD排放量也具有一定的显著性（P<0.1），反映了在现阶段工业仍是一个地区大气污染的主要因素，同时对水体环境也造成了一定的影响.

城镇化水平对于[SO2]排放量的回归系数为负值，这主要是因为在研究期内，各个城市的人口数量都在不断增加，城市规模不断扩大，而由于环境治理力度的加大，[SO2]排放量逐年减少，所以在模型中呈现出负相关关系.在COD模型中，城镇化水平对COD排放量具有非常显著的正向影响，表明城市规模及城市人口数量是影响水体污染的主要因素.在数据搜集过程中发现，工业废气中[SO2]排放量占SO2总排放量的80%左右，而废水中COD排放量有大约60%来源于生活污水;其次是农业畜牧养殖业，最后才是工业.上述的研究结果进一步验证了这个事实.

空间滞后参数P和空间误差相关系数[λ]的显著性说明了广西各区域间的环境污染在空间分布上具有明显的空间相关性，一个地区的环境状况会影响到邻接地区的环境状况.同时在对考虑了空间效应的模型残差进行Moran检验，Moran’s I统计量都变得不再显著，说明在使用空间效应模型后，已经消除了空间相关性问题.

另外，污染物排放量具有空间异质性和时间异质性.从表5可以看到，不同地區污染物排放量的个体固定效应具有较大的差异性，经济发展水平较高和工业占GDP比重大的地区， SO2排放量较大;而城市人口数量大的地区，COD排放量较大.表6中污染物的时间固定效应反映了在不同的年份，污染物排放量具有明显的差异，具体表现为在2006—2016年期间， SO2和COD排放量随着时间的推移不断减少.

4    结论

本文基于广西14个市2006—2016年的主要污染物（SO2和COD）排放量和经济发展水平、产业结构和城镇化水平等经济指标，利用空间计量的研究方法，建立了空间面板模型，对广西的环境污染和经济发展之间的关系进行了研究，研究结果表明：

1）广西各市之间的环境污染与经济发展的作用关系存在十分显著的空间相关性.据此可以推断，某一地区的环境质量，在一定程度上受到空间和时间上其他因素的影响.从计量经济模型来看，对于SO2排放量，空间效应主要存在于邻近地区之间相互影响，这种影响主要来源于地区之间的产业转移、公共政策外溢等因素.而COD排放量的空间效应主要体现在误差项的相关性，表明一些其他因素如技术水平、环境污染扩散和环境保护力度等因素对周边地区具有较强的扩散效应.

2）经济增长并不必然导致环境污染的加重，SO2排放量模型验证了广西大气污染的环境库兹涅茨曲线的存在性.研究结果表明，在2006—2016年期间，广西的环境污染状况随着经济发展水平的提高，有了较大的改善，这主要是由于随着近年来对环境问题的重视，地方政府加大了对环境保护的力度，在“十二五”期间，广西各市着力推动传统产业改造升级，加快培育壮大战略性新兴产业和先进制造业，推进90个超亿元工业项目、50个重大产业升级项目建设.加大投入提升企业环保水平，制糖、电解铝、火电等资源型行业全面推行循环经济模式，减少工业废水废气的排放;同时关停了大量高能耗高污染的厂矿企业，经济发展观念由以前的唯GDP论转为可持续发展观.

3）工业是造成大气污染的主要原因.经济发展水平较高、工业比重大的地区，SO2排放量较大，比如南宁、柳州和玉林等市的工业比较发达，SO2排放量相对较高.政府应该对企业继续加强政策引导、做好环境管制与监督的作用，一方面继续加大提升企业环保水平的投入，通过排污权、环境保护税等管理手段，引导企业加大节能减排技术的研发投入.进一步降低工业能耗水平，利用先进技术改造和提升传统产业，提高能源利用效率，减少污染排放.另一方面，调整产业结构，加快经济转型，充分利用中国—东盟自由贸易区的发展机遇，加大贸易、金融和服务等服务型产业的发展，逐步从资源依赖型的传统工业发展模式转变为创新驱动型的科学发展模式.

4）城镇化水平和工业是水体污染的重要因素，其中城镇化水平是首要因素.从表6可以看到，城市人口密度大的地区（如南宁、玉林），COD排放量较大.同我国其他地区一样，广西现在也正处在城市化高度发展的阶段，随着城市规模的扩大，城镇人口不断增加，由此所带来的环境问题也日益严重，特别是生活废水的大量排放，加重了水体污染.因此，在城市规模不断的扩大的同时，政府应该加大对污水处理的财政拨款，引进先进的污水处理技术和设备，同时推行环境污染第三方治理，增加污水处理企业的自筹强度，制定合理的污水处理收费标准.

参考文献

[1] GROSSMAN G，KREUGER A. Economic growth and the environment[J]. The Quarterly Journal of Economics，1995，110（2）：353-377.

[2] COPELAND B R，TAYLOR M S. Trade，growth and the environment[J].Journal of Economic Literature，2004，42（1）： 7-71

[3] TANG C F，TAN B W. The impact of energy consumption，income and foreign direct investment on carbon dioxide emissions in Vietnam[J]. Energy，2015，79（1）：447-454.

[4] 杨恺钧，唐玲玲，陆云磊. 经济增长、国际贸易与环境污染的关系研究[J].统计与决策，2017，475（7）：134-138.

[5] 黄莹，王良健，李桂峰，等. 基于空间面板模型的我国环境库兹涅茨曲线的实证分析[J]. 南方经济，2009（10）：59-68.

[6] 金春雨，吴安兵. 工业经济结构、经济增长对环境污染的非线性影响[J].中国人口·资源与环境，2017（10）：64-73.

[7] 刘叶，杨毅，唐彩霞. 绿色金融、公司治理对中小企业融资约束的影响研究[J].广西科技大学学报，2018，29（1）：113-119.

[8] 惠静，林东榕，庞建华.营养物与污染对海洋生态系统的影响研究[J].广西工学院学报，2011，22（4）：5-8.

[9] 罗静，魏传华. 广西经济增长与环境污染关系的计量分析[J].中央民族大学学报（自然科学版），2011，20（4）：86-89.

[10]覃巍，丁慧. 基于環境库兹涅茨理论的广西经济增长与环境质量协调性研究[J].学术论坛，2011，34（10）：142-148.

[11]许登峰，刘志雄. 广西环境库兹涅茨曲线的实证研究[J]. 生态经济，2014，30（2）：52-56.

[12]ELHORST J P. Dynamic spatial panels：models，methods，and inferences[J]. Journal of Geographical Systems，2012，14（1）：5-28.

Abstract： A spatial panel model is applied to study the relationship between economic development and environmental pollution in Guangxi. The result indicates that there is statistical significant spatial effect for sulfur dioxide and chemical oxygen demand during the research period. In addition， there exists negative correlation between economic development and environmental pollution; the emissions of major pollutants have decreased significantly with the development of economy; and industrial structure has a substantial impact on environmental pollution.

Key words： environmental pollution; economic development; spatial lag model; spatial error model

（责任编编：张玉凤）