河南省煤炭消费、产业结构与雾霾污染互动关系研究

张晓雷，马 丁

(太原理工大学 经济管理学院，山西 晋中 030600)

近年来，随着我国工业化进程的持续向前推进，经济发展水平不断提升，然而受生产技术和能源技术限制，规模化扩张是当前工业发展的主要方式，而以盲目规模化扩张所形成的粗放式工业经济增长模式却导致环境污染愈演愈烈，尤其是雾霾污染，它大幅度地降低了人们的健康生活水平，严重的雾霾污染也与以传统煤炭能源主导的能源结构和以第二产业主要推动经济增长的产业结构密切相关。河南省是中部地区发展大省，受粗放式的工业经济增长模式以及传统的能源结构和产业结构的影响，雾霾污染严重。监测数据显示，河南省在2017年的PM2.5浓度达到59.3μg/m3，相较于2006年的60.3μg/m3有所下降，但远超出世界卫生组织公布的PM2.5建议浓度10μg/m3。“十二五”期末，河南省煤炭消费占能源消耗比重高达76.5%，到2020年，省“十三五”节能低碳发展规划目标要求煤炭消费占比下降至70%，然而在能源结构中煤炭消费依然保持主导。从产业结构对经济增长的贡献比看，河南省在2017年三次产业贡献比依次为0.4、3.5和3.9个百分点，而2006年依次为1.3、9.3和3.9个百分点，2016年第三产业贡献比超过第二产业，但第二产业仍是河南省经济发展的重要推手。面对当前能源结构和产业结构现状以及环境约束，分析和协调好煤炭消费、产业结构与雾霾污染三者之间的关系对实现河南省绿色发展具有重要指导意义。

1 文献综述

纵览现有文献，围绕能源消耗、产业结构与环境污染之间关系的研究已经取得较丰硕成果。从能源消耗与环境污染关系看，东童童[1]认为雾霾污染程度的降低与不断提高的工业能源效率紧密相关，相反，雾霾污染加剧也抑制了工业能源效率的提升，在空间效应下两者相互抑制能力下降。唐登莉等[2]认为我国能源消费明显增加了雾霾污染排放，从地域看，能源消费显著提高了东部和中部地区的雾霾污染程度而未显著促增西部地区的雾霾污染排放。从产业结构与环境污染关系看，冯雪艳等[3]基于我国省域面板数据研究发现财政分权可以通过影响产业结构合理化、产业结构高级化的进程而显著改善本地和相邻地区的环境状况，并且收入分权的改善作用更大。程中华等[4]基于我国285个城市数据研究发现产业结构高级化雾霾减排效应优于产业结构合理化，大城市及工业化中后期城市雾霾减排主要受益于产业结构高级化和合理化。从能源消耗与产业结构关系看，宋宝琳等[5]研究发现我国能源消耗总量对经济增长呈倒U型影响，经济增长与产业结构升级有效降低能源消耗量。唐晓华和刘相锋[6]发现我国制造业产业结构高级化与能源消费之间具有由产业构造合理化、技术与结构效应结合而形成的短期反馈循环以及由产业结构高级化与技术效应结合形成的长期反馈循环，通过长短期循环的互相影响和推进，构成“∞”型循环平衡。从能源消耗、产业结构与环境污染关系看，马丽梅和张晓[7]研究认为我国产业及能源结构与雾霾污染息息相关，周边相邻区域的产业转移能短暂的提升环境质量。降低使用劣质煤、改善能源结构和产业结构是治理雾霾污染关键。田孟和王毅凌[8]研究发现北京市能源结构改善和能源强度下降是雾霾减排的主因，产业结构优化的减排潜力有待挖掘，煤炭是影响雾霾增减排的主要能源。刘晨跃和尚远红[9]基于我国30个主要城市认为加剧我国雾霾污染水平的关键影响因素是能源消费结构，而调整产业结构却不是缓解当前我国雾霾污染现状的有效手段。

综上所述，首先，现有文献少数分析能源消费、产业结构与雾霾污染三者之间的互动关系；其次，多数从地区层面或省域层面，少数基于城市视角分析，针对性较弱。因此，本文借助PVAR模型，研究河南省18个地级市的煤炭消费、产业结构与雾霾污染之间的关联，为河南省提供针对性的能源结构和产业结构调整以及雾霾污染治理新途径。

2 模型构建与数据说明

2.1 模型构建

由于煤炭消费、产业结构与雾霾污染之间存在复杂的内生依存关系，本文选取PVAR模型构建三者之间关联模型。该模型集成面板数据估计方法和VAR模型优点，放松传统VAR模型需要大样本观测值限制，并能捕获差别化的样本单元对模型参数的影响[10]。

式中，i、t分别为地区和年份；yi，t包含煤炭消费、产业结构与雾霾污染，yi，t-j为yi，t滞后j期；ηi、φt、εi，t分别为地区效应、时间效应、误差项。

2.2 数据说明

本文研究河南省18个地级市煤炭消费、产业结构与雾霾污染的互动关系，鉴于数据可获得性、可靠性和准确性，2006—2017年煤炭消费和产业结构数据源自《河南省统计年鉴》和河南统计局，其中产业结构以各地级市的第二产业产值占总产值的比重表示，并消除价格影响换算成以2006年为基期的可比值。雾霾污染以PM2.5平均浓度表示，2006—2016年数据源自哥伦比亚大学社会经济数据和应用中心发布的全球卫星监测PM2.5浓度栅格数据[11]，2017年数据源自河南省生态环境厅和空气质量在线监测平台。为了缓解异方差，将煤炭消费、产业结构与PM2.5平均浓度对数化处理，并分别用MT、IS与PM表示[12-14]。

3 实证检验

3.1 单位根检验

变量回归的前提是必须保证变量序列的平稳性，以免出现伪回归状况。本文通过Eviews10软件对煤炭消费、产业结构与雾霾污染进行LLC、Breitung和PP-Fisher单位根检验，结果见表1。从表1中知MT、IS与PM除了LLC原序列平稳，其余均不平稳，而一阶差分后三种检验方法均平稳。

表1 单位根检验结果

注：t、chi-square为检验系数；*、**、***分别表示在10%、5%、1%水平下显著。

3.2 确定最佳滞后阶数

估计PVAR模型，需要通过AIC、BIC和HQIC三个检验准则以确定最佳滞后阶数，检验结果见表2。根据表2得知最优滞后阶数为滞后3阶。

表2 PVAR最优滞后阶数选择

注：*为相应检验准则下的最优滞后阶数。

3.3 PVAR模型稳定性检验

变量的面板矩估计、脉冲分析和方差分解必须建立在PVAR模型自身稳定的基础上，而稳定的PVAR模型需要确保特征根均落在单位圆内，特征根分布如图1所示。通过图1可知，PVAR模型是稳定的。

4 实证分析

PVAR模型实证分析包括面板矩估计、脉冲响应分析和方差分解。面板矩估计是采用动态GMM估计变量之间的相关性。脉冲响应分析是揭示变量受其他变量单位冲击时，其在当期和将来所呈现的响应度，以此判断变量之间的长期关系。方差分解是将均方差误差分解为各冲击变量的贡献度，以判断冲击变量的相对权重。

图1 特征根分布

4.1 面板矩估计

本文运用Stata/SE 15.1软件的对变量进行PVAR估计，为了消除均值差分导致的偏差，对各变量进行Helmert转换。PVAR模型回归结果见表3。

表3 PVAR模型回归结果

注：b为系数；L(1/2/3)表示滞后阶数；h为Helmert转换符号；*、**、***分别表示在10%、5%、1%水平下显著。

从表3的参数回归结果看，在煤炭消费的对数方程中，滞后1期的产业结构和雾霾污染分别负向和正向影响煤炭消费但不显著，而滞后2和3期的产业结构却正向影响煤炭消费，且第3期在10%水平下显著，主要因为伴随着河南省不断加快的工业化进程，城市工业对能源消耗需求力度逐渐增大，煤炭消费量持续增长。雾霾污染在滞后2和3期后显著抑制了煤炭消费，在1%水平下显著，由于前期省内城市雾霾污染程度低且未受到重视，而后期城市环境压力迫使能源结构进行调整，降低了煤炭消费。在产业结构的对数方程中，煤炭消费由滞后1和2期的正向影响产业结构转变为滞后3期的负向影响，滞后1和3期分别在1%和10%水平下显著，主要是因为城市工业发展不再依靠单一煤炭消费总量的增加，而是依靠技术提升改善能源效率和采用清洁能源进行工业生产。雾霾污染同样抑制了第二产业比重的增加，对产业结构优化产生积极影响。环境污染会使地方政府采取环境规制措施，强制要求工业企业增加环境治理投资，增加企业环境成本。同时，通过宏观调整产业结构，拉低第二产业比重。在雾霾污染的结构方程中，煤炭消费的滞后1期促增了雾霾污染，且在1%水平下显著，滞后2和3期影响为负而不显著。短期内煤炭消费增加了雾霾排放，随着能源结构优化，煤炭比重下降和绿色能源使用一定程度减少了雾霾污染排放。产业结构显著促增了雾霾污染排放，在滞后1期系数达4.02，且影响力度随着滞后阶数的增大而减小，主要是随着城市深入发展，单一工业结构已经无法驱动经济快速增长以及加剧环境负效应，致使依靠服务业增长的“双轮驱动”协同发展模式日益重要，再者是由于能源技术和环保技术的开发和应用，单位能耗比和单位产排比下降。

4.2 脉冲响应分析

通过脉冲分析，使煤炭消费、产业结构与雾霾污染之间关联更加直观。设定脉冲周期长度为10期，并通过Monte Carlo模拟2000次得到各变量的冲击响应。dMT、dIS与dPM三者之间的脉冲响应图如图2所示，滞后阶数为3，其中(a)至(f)分别是每两个变量之间的冲击反应图。图中实线为脉冲响应线，虚线为95%置信区间。

图2 dMT、dIS与dPM三者之间的脉冲响应图

由图2(a)可知，产业结构一个标准差冲击整体上对煤炭消费产生“M”型影响，煤炭消费在第1期达到最大值0.001，之后一直呈现负响应，在第4期达到最小值-0.015。这是因为前期省内产业结构中工业占比大增加了煤炭消耗，后期随着产业结构调整、能源技术提高和新能源使用，使煤炭消费量逐渐减小，而产业结构调整后，一定生产技术水平下工业生产总值的提高又需要大量能源支持，使对煤炭需求抑制力度下降。由图2(b)可知，雾霾污染一个标准差冲击对煤炭消费产生“正-负-正”影响，在第2期时为-0.03，其为最小值。前期雾霾污染没有受到重视，煤炭消费并没有减少，第1.5期之后雾霾污染抑制了煤炭消费，环境污染使得人们开始通过使用清洁能源来替代传统一次能源，煤炭消费量下降，第4期之后随着雾霾污染治理使环境不断改善，致使对煤炭消费限制放松，煤炭需求回升。由图2(c)和(e)可知，煤炭消费一个标准差冲击分别对产业结构和雾霾污染产生先正后负、先降后升的波浪式影响，从产业结构和雾霾污染响应值看，第1期分别降至最小值-0.01和-0.05，第2期又回升至0.001和0.01，第10期收敛至0。期初煤炭消费增加了地区第二产业产值，而大量煤炭消费直接和间接的加剧了雾霾污染，然后人们意识到环境污染问题的严重性，政府通过环境规制和新能源补贴手段督促地区产业调整能源结构和产业结构，利用新能源以及新技术提高煤炭效率，这使得煤炭消费量的提升对工业产值和雾霾污染的促增力度下降。由图2(d)可知，雾霾污染一个标准差冲击对产业结构产生负向效应，第1期降至最小值-0.03。雾霾污染的加剧使地区政府通过制定更严格的环境标准来迫使地区高污染和低效率工业企业退出而发展新型服务业，新的环境标准务必增加工业企业生产成本，抑制了工业经济增长，之后随着雾霾污染的改善和工业企业整体生产和环保技术水平的提升，雾霾污染对工业经济发展的抑制力度下降。图2(f)显示产业结构一个标准差冲击对雾霾污染产生正向影响，且呈下降趋势。期初产业结构增加大量的雾霾污染，归因于工业企业占比较高，且生产方式粗放和结构单一，雾霾污染排放严重。之后在新能源技术和生产技术革新的推进下，单位产值带来的雾霾污染不断下降。

4.3 方差分解分析

为了进一步度量煤炭消费、产业结构和雾霾污染之间的相互影响比例构成，采用方差分解考察它们之间的关联，分解结果如图3所示。

图3 dMT、dIS和dPM方差分解图

由图3可知，除自身影响外，dMT的方差分解中第4期产业结构和雾霾污染分别对其贡献度为2%和10.2%，在第10期，它们的贡献度均分别上升至8.9%和11.4%，即使产业结构的贡献度增长幅度大于雾霾污染，但雾霾污染仍是影响煤炭消费的关键因素。从dIS的方差分解预测看，第2期时煤炭消费和雾霾污染对其贡献度已经趋于稳定，且从第7期至第10期之间的贡献度一致，分别为7%和40.6%，可见雾霾污染主要影响产业结构。从dPM的方差分解中知，煤炭消费和产业结构对其贡献度在第3期趋于稳定，分别在7.5%和34.2%左右变化，与煤炭消费相比，产业结构是影响雾霾污染的主导因素，地区以工业企业为主的产业结构使煤炭消费总量高居不下，间接影响着雾霾污染。

5 结论与建议

本文基于2006—2017年河南省18个地级市的面板数据，采用PVAR模型实证分析了煤炭消费、产业结构与雾霾污染之间的互动关联。结果表明：①从回归模型可知，煤炭消费和产业结构整体上促增雾霾污染，即使煤炭消费在第1期之后对雾霾污染产生负向效应，但促降力度小且不显著。与之相反，雾霾污染不仅降低了煤炭消费增长速度，而且还减少了第二产业占地区三次产业结构的比重；②脉冲响应图显示产业结构对雾霾污染的冲击影响长期为正，但整体呈下降趋势，而雾霾污染对煤炭消费的冲击影响表现为“正—负—正”的趋势；③从方差分解可知，加剧雾霾污染的主导因素是产业结构。

河南省为了实现2020年低碳发展目标，务必做好以下工作：首先，通过制定和落实高而严的污染排放标准以遏制雾霾污染源头排放；其次，给予积极从事生产及环保技术研发的工业企业补贴，使企业科研成本和风险降低，实现整体行业绿色生产技术效率的提升；再者，以税收和土地红利吸引新兴产业入驻，以环境规制促使传统工业退出，实现区域产业结构调整；最后，以定价机制来调整传统能源与新能源价格，推动绿色能源发展，以风能、水能、太阳能和核能来替代传统化石能源。