经济增长和技术创新对中国工业污染物排放影响研究

汪清琳 陈怡 陶斯安

摘 要：社会经济增长，环境质量改善的协调关系一直受人们的关注。文章以IPAT拓展模型和环境库兹涅茨模型为根本，构建出理论模型，通过面板分位数回归方法，对象为我国31省市2002—2016年的面板数据，以此来研究人口规模，经济增长和技术创新对工业SO2，工业废水的影响。实证结果表明，人口规模对工业SO2和工业废水排放都存在着倒U型环境库兹涅茨曲线关系，经济增长对工业SO2和工业废水排放也存在倒U型关系;能源效率和第二产业结构可以减少工业SO2排放，但会促使工业废水排放量增加;创新对工业SO2和工业废水减排都有积极作用。因此针对特定污染物，政府和企业应该采取相对应的管理措施;应该充分重视创新在减少污染物排放中的重要作用;提高能源利用效率。

关键词：人口规模;技术创新;经济增长;工业SO2;工业废水;面板分位数回归

中图分类号：F 290   文献标识码：A   文章编号：1672 - 7312（2020）02 -0134-08

Abstract：The coordination relationship between socioeconomic growth and environmental quality improvement has always been a hot topic of concern.On the basis of the IPAT model and the environmental Kuznets model，this paper proposed a theoretical model，and the panel quantile regression analysis method are applied to analyze the panel data of 31 provinces in China from 2002 to 2016 in order to investigate the impact of population size，economic growth and technological innovation on industrial sulfur dioxide and industrial wastewater.The empirical results showed that the population size has an inverted U-shaped environmental Kuznets curve relationship for industrial sulfur dioxide emissions and industrial wastewater.There is also an inverted U-shaped relationship between economic growth and industrial sulfur dioxide emissions and industrial wastewater;Energy efficiency and secondary industrial structure can reduce industrial sulfur dioxide emissions but increase industrial wastewater emissions;Innovation has a positive effect on emission reduction of industrial sulfur dioxide and industrial wastewater.Therefore，the government and enterprises should adopt different treatment measures for different pollutants.Full attention should be paid to the important role of technological innovation in reducing pollutant emissions.Improving energy efficiency.

Key words：population size;technological innovation;economic growth;industrial Sulfur dioxide;industrial wastewater;panel quantile regression

0 引言

十八屆五中全会提出“创新、协调、绿色、开放、共享”的发展理念，这表明我国已经从重视效益快速增加的经济模式转向经济同环境相互和谐发展的经济模式。环境问题不容忽视。国际能源机构IEA统计数据显示，2007年我国变为世界最大的CO2排放国，寻求相关的政策方针和方案事不宜迟。国务院发布的《中国制造2025》强调：中国要实现绿色经济增长战略，就必须强化工业污染物治理。工业污染治理的直接行动为投入大量资金于相关设备和工艺，用以减少SO2，氮氧化物和烟粉尘等的排放。2002年至2016年，我国工业SO2平均排放量达到2 128 715 t，工业废水平均排放量达到4 190 693万t，并且随着经济的增长呈上升趋势。作为世界上最大的发展中国家，我国目前经济的增长主要依赖于能源消耗，能源大量消耗排出的工业废物却不断地破坏环境。如何实现经济绿色发展，理清经济增长对我国环境质量影响的作用机制对构建低碳可持续发展经济模式至关重要。

经济社会发展对环境质量影响关系研究最主要的论点基于环境库兹涅茨假说和IPAT模型。环境库兹涅茨假说通常将经济增长作为横坐标，纵向坐标为环境质量的变化，其可被解释为，在经济初步发展时期，由于工业水平的落后，较低的能源利用率导致资源的大力开发，使得环境质量不断下降。随着经济的不断发展，以技术进步为主导的产业不断增多，产业结构开始向信息密集型方向转变，人民生活水平也得到了稳定提升，人均收入也显著提高，在达到一定的水平之后，人们开始慢慢意识到保护环境的重要性，同时也具有经济实力来改善环境质量水平，此时，各类污染物排放量将随着排污治理资金的不断投入而慢慢下降，即随着经济的增长，环境质量开始逐步改善。

IPAT模型表示，经济发展对环境的影响主要是人口规模（Population）、富裕水平（Affluence）还有技术发展（Technology）。P指的是人口规模[1]，说明国家人口数和环境质量是线性联系，也即在其他条件稳定的情况下，人口数目愈多，对环境质量的伤害愈大[2]。A被定義为富裕程度，一方面可以反应实际消费和生产之间的关系;另一方面可以探究生活质量与环境质量之间的关系[3]。T被定义为技术变量，指的是每单位消耗或生产对环境的影响。因此文中以中国31个省市的工业SO2和工业废水为研究对象，探究问题如下：①经济增长，人口规模，技术水平如何影响工业SO2和工业废水排放？②经济增长和人口规模在中国是否符合EKC假说？

1 相关研究文献综述

目前研究影响工业SO2和工业废水排放因素文献较少，大部分学者以碳排放为主，并且既有文献碳影响指标因素各异，结论也不一致。丁胜和温作民[4]以IPAT拓展模型为根本，研究人口、GDP增长率、能源因素如何影响2006—2011年我国长三角洲碳排放，结果发现国民数目和经济发展对碳排放水平作用愈来愈小，能源结构和相关的技术进步率对碳排放的减少作用愈来愈明显。朱美凤，魏景赋[5]基于STIRPAT模型，研究产业内贸易、FDI对2000—2014年对3个经济圈内（环渤海、长三角、珠三角）的CO2排放的影响，发现人口和人均GDP正向增加三大经济圈 CO2排放，技术水平会减少 CO2排放;CAI等[6]调查了2012年中国286个地级市CO2排放的主要驱动力，发现经济增长，气候条件和城市化可以增加CO2排放。Chontanawat[7]基于IPAT拓展模型，结合方差分析方法，分析了东盟国家1971—2013年期间CO2排放量情况;Lau等[8]通过边界检验方法和格兰杰因果关系方法研究了1970—2008年马来西亚经济增长、FDI、贸易开放度和CO2排放之间的关系，研究发现无论是短期还是长期，经济增长与CO2排放存在倒U形曲线关系;Herranz等[9]使用EKC模型来检验经济增长，技术创新措施和可再生能源消费对17个经合组织国家CO2排放的影响，发现经济增长对每个研究国家的CO2减排有积极影响。

结合国内外文献研究发现，国外的文献一般将进行研究的科学家数量或专利申请数、专利授权数来衡量技术变量T，在国内多用研究开发R&D资金投入比重，R&D科技活动人员数来衡量T[10]。杨志恒等认为[11]技术创新是推动经济社会和谐发展的核心，技术创新可以将科学技术转变成实际的生产力。同时，技术变量T不仅指生产技术[12]，还包括除人口及富裕程度以外的有可能被忽略的所有因素总和，如第二产业比重、社会、文化结构等。不同产业污染排放强度和污染排放量是不同，目前中国仍然处于发展阶段，在工业生产中原料转化率较低，单位产值需要消耗的能源也较多，致使污染物排放强度和排放量都较高，以工业为主的第二产业被认为是造成环境污染最主要的产业，污染主要是生产过程中排出的废气、废水和固体废弃物等[13]。如何在维持经济增长的过程中降低工业废物的排放是亟待解决的重要问题。结合我国实际情况和前人研究的不足，文中使用能源效率（单位能耗GDP），创新水平（专利申请总量）、第二产业结构（第二产业占比）共同作为技术水平的衡量指标，探究人口规模、经济增长和技术水平对我国31省2002—2016年工业SO2和工业废水排放的影响。

2 研究方法和数据来源

2.1 模型构建

2.2 数据来源

文中选取数据的面板描述性分析见表1，选取因经济社会发展而引致的人口数作为人口规模指标，人均GDP值作为富裕程度的衡量指标;能源效率（单位能耗GDP），第二产业结构（第二产业占比），创新水平（专利申请总量）共同作为技术水平的衡量指标。数据分别来源于国家统计局和《中国能源统计年鉴》。

2.3 方法介绍

2.3.1 面板单位根检验

在面板分位数回归分析之前，首先对各个变量进行面板单位根检验。为保证实证估计参数的有效性，在经济学的实证研究中一般都必须对序列数据检测平稳性，经常使用的数据平稳性检验方法就是单位根检验。为最大限度保证检验结果的准确性，弥补单一的面板单位根检验方法带来的不足，文中利用STATA 14软件，选取具有相同单位根的 Breitung检验[16]和IPS（Im-Pesaran-Shin）检验方法[17]对数据进行单位根检验。单位根检验的原假设为：数据存在单位根，即数据是不平稳的;如果检验结果拒绝原假设，那就可以证明数据具有稳定性，可以进行后续的回归分析;如果检验结果接受原假设，那需要对该序列再进行一阶差分检验，直到序列拒绝原假设，具有平稳性才可以进行下一步的面板分位数回归分析。

2.3.2 面板分位数回归分析

3 实证分析

3.1 面板单位根检验结果

面板单位根的Breitung检验和IPS（Im-Pesaran-Shin）检验得到的结果见表2，在Breitung检验水平上，人口，人口平方，人均GDP，人均GDP平方，第二产业结构这些变量都存在着单位根，需要对这些序列进行一阶差分检验，一阶差分结果显示，所有变量都拒绝了单位根存在的原假设，即所用变量都通过平稳性检验，可以下一步的面板分位数回归分析;同样，在IPS（Im-Pesaran-Shin）检验中，水平上未通过单位根检验的变量人口，人口平方，第二产业结构都通过了一阶差分检验。

3.2 面板分位数回归结果

为了全面的反应出数据的变化，文中选取了15th，25th，35th，45th，55th，65th，75th，85th，95th分位来逐一反应样本回归变化。

工业SO2面板分位数的回归结果见表3.在所有检测的分位上，人口数量对工业SO2排放通过正向显著性检验，表明随着人口的增加，工业SO2排放增多;通过人口平方对工业SO2排放的影响来检验是否存在环境库兹涅茨倒U型曲线，人口平方系数通过负向显著性检验，结合一元二次方程可知，人口规模对工业SO2排放存在倒U型曲线，符合环境库兹涅茨曲线模型，即随着人口的增加，环境质量开始恶化，达到一定转折点后，随着人口的增加，环境质量开始慢慢变好。

与人口规模情况相似，除了在25th分位外，人均GDP在剩余分位上都通过了显著性检验，其系数均为正，同时，除了25th分位外，人均GDP平方在所有分位上都通过负向显著性检验，说明经济增长（人均GDP）对工业SO2的排放也存在着倒U型曲线，符合环境库茨曲线模型。

在技术进步方面，第二产业结构在25th，35th，45th，95th分位上系数为负且都通过了显著性检验，这表明目前的第二产业结构对工业SO2减排有积极作用;能源效率在所有分位上都通过了显著性检验，系数都为负，表示目前的能源效率会减少工业SO2的排放;创新水平（专利申请总量）在25th，35th，45th，65th，95th分位上通过负向显著性检验，表明目前的专利申请有助于SO2减排。

通过STATA 14软件将表3工业SO2面板分位数结果转化成直观的图1.从图1中看出各个独立变量对工业SO2排放的影响，横轴表示15th，25th，35th，45th，55th，65th，75th，85th，95th分位数，纵轴表示各个独立变量在各分位上对工业SO2的影响系数，曲线表示各特定变量对工业SO2的影响趋势。图中人口（lnpop）图在45th到95th的高分位上呈下降趋势，人口平方（lnpop 2）在45th到95th高分位上呈现上升趋势，证明了EKC模型的存在;人均GDP（lnpgdp）和人均GDP平方（lnpgdp 2）对工业SO2排放的影响不断呈现波浪式变化，人均GDP系数为正，人均GDP系数持续为负;第二产业结构（is）通过25th分位对工业SO2减排作用不断加强，但在65th分位后第二产业结构都SO2减排影响程度开始减弱;创新水平（lninnov）对SO2减排有积极影响，但在85th分位系数突变，由负向变为正向，在95th分位上系数又重新变为负数。能源效率（ei）在25th至75th分位，对SO2排放有着稳定的负向影响，但在85th后负向影响系数逐渐减小，系数趋于正数。

表4是工业废水面板分位数回归结果，在所有分位上，人口数和平方人口数都通过了显著性检验，人口系数显示为正，人口平方系数显示为负，表明人口规模对工业废水排放也符合环境库茲涅茨假说的倒U型曲线模型。同样，在所有分位上，人均GDP都通过了正向显著性检验，人均GDP平方都通过了负向显著性检验，即以人均GDP为指标的经济增长对工业废水排放的影响符合环境库兹涅茨假说。

在技术进步方面，第二产业结构在25th，35th，45th，55th，65th，75th，85th，95th分位上正向显著影响废水的排放;能源效率在15th，25th，75th，95th分位上也正向影响工业废水的排放;相反，创新在35th， 45th，75th，85th，95th分位上通过负向显著性检验，即专利申请可以减少工业废水排放。原因可能是，一些学者发现[19]，近年来中国的技术创新具有环境友好型特征，但是有门槛存在，即技术水平低于一定门槛值，将无法达到减少环境污染的作用。在文中即目前的技术水平还未能百分百提高能源使用效率，从而造成大量废水的排出而非二次循环利用。不仅如此，作为技术创新主体，企业基于成本考虑选择的技术创新可能是“清洁”的，也可选择“污染”的[20]。当企业技术创新偏向于传统（污染）生产技术创新时，将会给环境带来污染[21-22]，也可以很好地解释为何第二产业结构会增加废水的排放。

通过STATA14软件将表4工业废水面板分位数结果转化成直观的图2.从图2中可以直观看出各个独立变量对工业废水排放的影响，横轴表示15th，25th，35th，45th，55th，65th，75th，85th，95th分位数，纵轴表示各个独立变量在各分位上对工业废水影响系数，曲线表示各特定变量对工业废水的影响趋势。人口（lnpop）和人口平方（lnpop 2）在15th到65th分位上，人口规模对工业废水排放影响几乎保持不变，在65th到95th分位高分位上对废水减排影响逐渐扩大;人均GDP（lnpgdp）和人均GDP平方（lnpgdp 2）对工业废水排放的影响不断呈现波浪式变化，人均GDP系数为正，人均GDP系数为负;第二产业结构（is）对废水排放呈倒U型曲线变化，系数都为正;创新水平（lninnov）对废水排放影响呈现U型曲线。能源效率（ei）在45th，55th分位对废水的影响急剧变化，系数由正变为负又由负变正，其他分位都保持稳定正向影响。

4 结语

文中运用面板分位数回归分析方法，以IPAT拓展模型和环境库兹涅茨模型为基础，探讨了中国2002—2016年31省市人口规模、经济增长和技术水平对环境质量的影响，并对环境质量的测量指标——工业SO2和工业废水做了对比分析。实证分析结果显示，人口规模对工业SO2和工业废水的排放影响都存在倒U型的环境库兹涅茨曲线，即随着人口数不断增加，工业污染物不断上升，达到一定水平后，工业污染物开始减少;同时，经济增长对工业SO2和工业废水排放也呈现倒U型关系，在经济发展初期，经济不断增长将恶化环境质量，但达到一定转折点后，当人们开始逐渐意识到保护环境的重要性并开始投入污染治理资金来改善环境时，随着经济的不断增长，环境质量逐步变好。值得注意的是，在技术水平方面，创新对2种工业污染物减排有积极影响，但第二产业结构和能源效率减少工业SO2排放，却增加工业废水的排放，表明目前政府和企业对2种污染物的重视程度还存在偏差。

本实证研究结果对人口增长，经济增长，技术创新和环境质量问题的解决治理有一定的借鉴意义。第一，针对不同的污染物，当地政府和企业都应给予相同的重视程度，投入相当的环境治理费用，并针对不同的污染物采取不同的治理措施;第二，绿色技术进步对于促进经济增长至关重要，应该充分重视技术创新在减少污染物排放中的作用，根据新古典理论和内生增长理论，绿色技术创新是经济增长和保护环境和谐发展中的关键因素，尽管目前提倡绿色发展，但更多的企业因为成本和能力原因还是更多的将资金投入了资源利用率较低的传统技术创新。因此，应该从财政等方面对企业的绿色技术的研究和发展提供支持，鼓励企业遵守并履行自身的环境社会责任;第三，因为经济增长对环境质量的变化有着重要影响，因此，应当根据各地区发展阶段的不同设置不同的污染指标，同时不断加强居民的环保意识，各社区应当定期宣传环境保护，并组织相关的环保活动来帮助环境质量的改善;第四，为了提高能源利用效率，应该加强自主创新资金投入，培养自身的技术人才，积极推进清洁能源，如风能、太阳能等的开发利用，同时倡导社区动员居民养成节能减排的习惯。

参考文献：

[1] Commoner B.A bulletin dialogue on‘the closing circleresponse[J].Bulletin of the Atomic Scientists，1972，28（05）：17，42-56.

[2]DietZ T，Rosa E A.Rethinking the environmental impacts of population，affluence and technology[J].Human Ecology Review，1994（01）：277-300.

[3]钟兴菊，龙少波.环境影响的IPAT模型再认识[J].中国人口·资源与环境，2016，26（03）：61-68.

[4]丁 胜，温作民.长三角地区碳排放影响因素分析——基于IPAT改进模型[J].技术经济与管理研究，2014（09）：106-109.

[5]朱美凤，魏景赋.产业内贸易、FDI对我国三大经济圈CO2 排放影响研究[J].技术与创新管理，2018，39（05）：607-610+628.

[6]Cai B F，Gu H X，Cao L B，et al.Local strategies for Chinas carbon mitigation：An investigation of Chinese city-level CO2 emissions[J].Journal of Cleaner Production，2018，178：890-902.

[7]Chontanawat J.Decomposition analysis of CO2emission in ASEAN：an extended IPAT model[J].Energy Procedia，2018（10）：186-190.

[8]Lau L S，Choong C K，Eng Y K.Investigation of the environmental Kuznets curve for carbon emissions in Malaysia：Do foreign direct investment and trade matter[J].Energy Policy，2014，68：490-497.

[9]Herranz A A，Lorente B D，Shahbaz M，et al.Energy innovation and renewable energy consumption in the correction of air pollution levels[J].Energy Policy，2017，105：386-397.

[10]Ehrlich P R，Holdren J P，Ehrlich P R，et al.A bulletin dialogue on‘the closing circlecritique：one dimensional ecology[J].Bulletin of the Atomic Scientists，1972，28（05）：16-27.

[11]杨志恒，刘 猛，邹嘉琦，等.我国技术创新成果转化现状与难题破解[J].技术与创新管理，2016，37（01）：40-42.

[12]Commoner B.The closing circle：nature，man，and technology[C]//New York：Bantam Books，Inc. ，1971：199-213.

[13]王 青，赵景兰，包艳龙.产业结构与环境污染关系的实证分析——基于1995—2009年的数据[J].南京社会科学，2012（03）：14-19.

[14]Dietz T，Rose E A.Effects of population， affluence on CO2 emission[J].Proceedings of the National Academy of Science of the USA，1997，94（2）：175-179.

[15]王 丽，欧阳慧，马永欢.经济社会发展对环境影响的再认识——基于IPAT模型的城市碳排放分析[J].宏观经济研究，2017（10）：162-168.

[16]Breitung J.The local power of some unit root tests for panel data[C]//Berlin：Discussion Papers Humboldt University，1999，15（15）：161-177.

[17]Im K S，Pesaran M H，Shin Y.Testing for unit roots in heterogeneous panels[J].Journal of Econometrics，2003，115（01）：53-74.

[18]Koenker R，Bassett G S.Regression quantile[J].Econometrica，1978，46：33-50.

[19]陳 阳，逯 进，于 平.技术创新减少环境污染了吗？—来自中国 285个城市的经验证据[J].西安交通大学学报（社会科学版），2019（01）：73-84.

[20]Ley M C，Stucki T，Woerter M.The impact of energy prices on green innovation[R].Kof Working Papers，2016，37（01）：45-52.

[21]王 俊.碳排放权交易制度与清洁技术偏向效应[J].经济评论，2016（02）：29-47.

[22]Acemoglu D，Aghion P，Bursztyn L，et al.The environment and directed technical change[J].American Economic Review，2012（01）：131-166.

（责任编辑：严 焱）