中国东部地区经济增长与环境污染关系研究

张 慧，韩 俊

（1.南京工业大学环境学院，江苏 南京，211816；2.东北大学计算机科学与工程学院，辽宁 沈阳,110167）

0 引言

中国东部地区（江苏省、浙江省、上海市）是我国经济发展速度最快、质量最高的地区之一，每年贡献国内生产总值（GDP）的20%左右，人均GDP远超全国的平均水平。经济发展的同时也带来了一定的环境污染。许多实证研究表明，经济增长与环境污染的关系并不是此消彼长的。在许多国家与地区，环境污染程度都随着经济的发展而出现先加重后减轻的“倒U型”关系。本文试图分析我国东部地区经济增长与环境污染之间的关系。

1 文献综述

Grossman和Krueger（1991）在研究北美自由贸易协定时首次提出经济增长与环境污染存在着“倒U型”关系，称为环境库兹涅茨曲线（EKC）理论[1]，该理论认为环境污染并不是随着经济增长一味加剧的，而是存在先上升后下降的趋势。EKC理论提出后，很多学者开始对国内外环境污染和经济增长的关系进行探讨。Nicholas Apergis和Ilhan Ozturk（2014）搜集1900—2011年14个亚洲国家的面板数据，以人均GDP、第二产业占比、二氧化碳排放量、人口密度为指标，运用GMM法检验EKC假设，研究发现二氧化碳排放量确实会随着人均GDP的增加出现先增多后减少的趋势，同时提出推进新能源代替传统化石燃料，加大环保投资力度的建议[2]。Aslan Alper和Gozbasi Onur（2016）研究了中国在1977—2013年的碳排放数据，采用修正的OLS法和成对的Ganger因果关系法，研究发现能源消费的增加将会使人均二氧化碳排放量大大增加；无论是液体燃料、固体燃料、气体燃料还是由交通运输所产生的二氧化碳，都满足EKC的假说，而建筑业、电力业、商业等领域的碳排放却未能显示出同样的效果，同时建议中国能够更多地将不可再生的化石燃料替代为可再生能源[3]。Thiri Shwesin Aung（2017）同样以GDP作为经济指标，以温室气体作为环境指标，将贸易、金融、城市化纳入考虑，采用了自回归分布滞后模型对以上影响因素进行综合研究，结果表明CH4和N2O气体排放量与人均GDP的关系与EKC假设相符，而其他的温室气体未能满足此假设[4]。Selin Özokcu和Özlem Özdemir（2017）以全球26个高收入国家和52个新兴国家为研究对象，搜集了1980—2010年的经济与环境面板数据，研究发现经济增长与环境污染之间存在着“N型”与“倒N型”的关系[5]，否认了EKC的假说。作者提出了经济增长虽然可以解决一部分环境问题，但是如果对于环境的破环超越了环境的自净能力，这种情况下经济增长带动环境改善的关系将不复存在。Qinqin Chen和David Taylor（2019）以重金属铬的排放量为环境指标[6]，搜集了新加坡2009—2017年的相关数据，证实了环境EKC假设。该研究证实了对于某些污染大、危害大的物质，确实可以通过经济发展带来的技术进步，减少其产生量与环境存量。

我国研究人员针对我国整体以及部分地区环境污染与经济发展关系的研究主要集中在两个方面，一种是通过收集多省市自治区的面板数据，运用计量分析方法研究，另一种则是针对某一省市、地区收集时间序列数据，重点分析单个地区的环境与经济发展的关系。蔡宇纯（2010）在对我国省面板数据分析的过程中，引入了社会福利最大化的模型，对我国各个省经济与环境数据进行了回归，研究发现，大部分中西部地区的主要污染物均不符合EKC假设或者说处于拐点的左端上升期，而东部与南部沿海地区的主要污染物已经达到了EKC的拐点且处于下降阶段，说明中西部地区要借鉴东部地区的发展方式，在发展的同时注重环保投资与技术开发[7]。戴嵘（2010）以全国31个省市自治区为研究对象，搜集了2000—2008年的面板数据，先利用面板协整检验和面板单位根检验对数据进行计量检验，再运用广义OLS进行回归分析，发现人均烟尘排放量和人均收入之间存在着EKC关系，但二氧化硫排放量却与人均收入出现了正比例关系，分析其原因可能是对于二氧化硫的处理难度较大且成本较高，处理技术不够成熟的原因[8]。Xiaohong Zhang等（2013）综合了大气污染物排放情况、大气环境治理投资情况、经济发展情况与能源消耗情况，基于2000—2007年的面板数据，分析了我国以上四项指标的关系，发现在这期间由于经济发展带动的能源结构的改善以及技术上的进步，使得我国大气环境质量并未一直随经济增长而下降，并且单位GDP所耗费的大气环境污染成本也得到了显著的控制[9]。王敏和黄滢（2013）搜集了全国112个城市的面板数据，时间跨度为2003—2010年，以大气污染物浓度为环境指标，人均GDP为经济指标，发现我国主要大气污染物（二氧化硫、氮氧化物、PM10）与人均GDP存在着正“U型”关系[10]，与EKC假设结果相反。

以上现有研究发现，经济越发达，政治金融体制相对健全的地区更容易验证EKC假说，中国东部地区作为中国经济发达地区之一也成为研究的重点。赵秀勇（2015）以东部的十个省市为研究对象，以国内生产总值（GDP）为经济指标，工业三废（废气、废水、固体废弃物）的排放量为环境指标，以用水量、煤炭消费量和电力使用量为资源指标，研究在发展过程中三者的关系，运用熵值赋权法将三个环境指标整合为一个综合环境指标[11]，研究发现东部的环境与经济之间确实存在着EKC的关系，而资源消耗与经济发展成正比例的关系。张毅（2015）以工业二氧化碳和废水排放量为环境污染指标，分析东部十一省级行政区2001—2013年的面板数据，研究发现所选两个环境指标均随着经济发展出现“倒U型”关系[12]。

虽然对于东部地区经济增长与环境污染的关系研究已经有很多了，但是过往的研究基本是以某一项环境污染物排放量作为环境指标，环境污染程度作为一个复杂的综合概念，应当综合考虑包括水、大气、固体废弃物等各类污染物的排放情况。因此，本文在已有研究的基础上，选择运用主成分分析法，将人均工业废水排放量、人均二氧化硫排放量、人均工业固体废弃物排放量整合成为一个综合环境指标[13]，综合分析环境污染和经济发展之间的关系。

2 指标和模型选择

2.1 指标选择

研究选取人均地区生产总值（人均GDP）作为反映地区经济发展的指标，该指标能够反映地区居民收入与消费水平，在某种意义上，人均GDP与居民环保意识与诉求存在着正向相关的关系。选取人均工业废水排放量、人均二氧化硫排放量、人均工业固体废弃物产生量作为环境污染程度指标，并采用主成分分析法将以上三个环境污染指标整合为综合环境污染程度指标。各个地区2000—2017年经济指标和环境指标的数据来源于《中国统计年鉴》《中国环境统计年鉴》《江苏统计年鉴》《浙江统计年鉴》《上海统计年鉴》。

2.2 主成分分析法分析综合环境污染程度

环境污染程度作为一个复杂的综合概念，综合考虑包括水、大气、固体废弃物等各类污染物的排放情况。本研究将不同污染种类和量纲的单项环境指标进行整合，来研究环境整体污染程度与经济增长的关系。在已有的研究中，有学者采用熵值赋权法和主成分分析法将单一环境指标整合为一个综合环境指标探讨环境污染和经济发展之间的关系[11,13]。本研究采用主成分分析法将3个环境指标降维，成为一个综合环境污染程度指标，并极大程度地保留原始数据的信息。

主成分分析法可以通过如下步骤完成：①各个环境指标量纲是不同的，首先需要对变量进行去量纲的标准化处理，在SPSS中点击分析→描述统计→描述，即可完成原始数据的标准化过程，SPSS会自动生成各变量标准化后的无量纲数据，每个变量的标准化公式如式（1）所示。②点击分析→降维→因子，SPSS即可对原始数据进行主成分分析，SPSS自动生成主成分个数及其贡献率、因子个数与特征方差λ的值。③计算环境指标的综合模型，即综合指标F与主成分F1、F2、……、Fn的关系，其中F1、F2、……、Fn代表第1个到第n个主成分，具体如式（2）所示。④计算各个主成分与标准化后数据的关系模型，即F1、F2、……、Fn分别与标准化后的变量的关系，具体如式（3）所示。

式中：k—该变量的第k个样本（k=1，2，3……，n），其中i代表第i个变量（i=1，2，3，……，m），Xik—该样本的真实值，X'ik—该样本标准化后的值，该变量的平均值，σi—该变量的标准差。

式中：Fk—k个样本综合环境指标值，j—第j个主成分（j=1，2，3，……，z），Fjk—该主成分在该样本下的值，λj—该主成分的特征方差，λ总—总特征方差之和。

式中：βji—在成分矩阵中对应第j个主成分第i个变量的值，其他变量含义与式（1）、（2）保持一致。

采用SPSS软件分别计算出上海、江苏和浙江省2000—2017年环境污染程度综合指标如图1所示，三个地区综合环境污染程度随时间呈现出先加重后减轻的趋势。

图1 三地区环境污染程度随时间变化曲线

2.3 模型选择

根据环境库兹涅茨曲线的特性，选取一次函数模型［式（4）］、二次函数模型［式（5）］、三次函数模型［式（6）］[14]。

如果经济指标与环境污染程度指标的关系满足式（4），代表二者存在线性关系，其中代表环境污染程度指标，代表地区人均GDP，α为截距项，β代表斜率，而ε代表随机误差项。当β＞0时，代表环境污染程度随着人均GDP的增长而加重，当β＜0时，代表环境污染程度随着人均GDP的增长而减轻[15]。

如果经济指标与环境污染程度指标的关系满足式（5），代表二者存在EKC的“倒U型”或“正U型”关系，β1，β2分别代表一次项与二次项的系数，其他字母含义与式（4）相同。如果β2＜0，β1＞0，则说明二者满足EKC假说的“倒U型”曲线关系，如果β2＞0，β1＜0，说明二者满足“正U型”曲线的关系[16]。

如果经济指标与环境污染程度指标的关系满足式（6），代表二者关系可能呈“正N型”或“倒N型”，β1、β2、β3分别为一次、二次、三次项系数，其余的字母含义与式（4）相同。当β1＜0，β2＞0，β3＜0时，环境污染程度与经济增长的关系呈“正N型”，而当β1＞0，β2＜0，β3＞0时，二者的关系为“倒N型”[17]。假如人均GDP未能超过三次模型第二个极点，仍有可能呈“U型”或“倒U型”。

3 实证分析

3.1 江苏省环境污染与经济增长回归分析

在SPSS中对江苏省人均GDP（单位为万元）与综合环境污染程度进行回归分析，各模型的分析结果见表1。可以看到各个模型F统计量的P值均在置信度为1%水平下显著，说明江苏省在2000—2017年的人均GDP与综合环境污染程度具有显著的相关关系。

表1 江苏省经济增长与环境污染关系各模型回归分析结果列表

首先分别进行了一次模型、二次模型、三次模型的回归分析，发现三者中三次模型的拟合优度R2虽然最好，但是各系数的显著性水平并不高。一次模型虽然各系数显著性水平均通过了置信度为1%的检验，但拟合优度R2仅为0.873并不高。二次模型的R2为0.932，说明此模型的拟合程度较好，常数项与二次项系数通过了置信度为1%水平下的检验，一次项系数通过了置信度为5%水平下的检验。以上分析表明二次模型基本可以解释2000—2017年江苏省经济增长与环境污染之间的关系。

通过图2曲线的趋势与二次模型中一次项系数β1＞0，β2＜0，人均GDP与综合环境污染程度在2000—2017年关系符合环境库兹涅茨的“倒U型”曲线。

图2 江苏省经济增长与环境污染关系拟合曲线

3.2 浙江省环境污染与经济增长情况回归分析

在SPSS中对浙江省人均GDP（单位为万元）与综合环境污染程度进行回归分析，各模型的分析结果见表2。可以看到各个模型F统计量的P值均在置信度为1%水平下显著，说明浙江省在2000—2017年的人均GDP与综合环境污染程度具有显著的相关关系。

表2 浙江省经济增长与环境污染关系各模型回归分析结果列表

三个模型拟合结果对比可知，三次模型的R2为0.977，拟合优度最好，F统计量的值也更大，常数项、一次项、二次项、三次项系数均在置信度为1%的情况下显著。说明浙江省的人均GDP与综合环境污染程度的关系更符合三次模型。

如图3所示，虽然综合环境污染程度与人均GDP的关系符合三次模型，但是仅就2000—2017年的数据来看环境污染程度仍随人均GDP的增长先加重后减弱，从图中所反映的情况来看，并不成“正N型”，而更满足“倒U型”，说明2000—2017年，浙江省的环境污染程度随着经济的增长而先增加后减少。

图3 浙江省经济增长与环境污染关系拟合曲线

3.3 上海市环境污染与经济增长情况回归分析

在SPSS中对上海市人均GDP（单位为万元）与综合环境污染程度进行回归分析，各模型的分析结果见表3。可以看到各个模型F统计量的P值均在置信度为1%水平下显著，说明上海市在2000—2017年的人均GDP与综合环境污染程度具有显著的相关关系。

表3 上海市经济增长与环境污染关系各模型回归分析结果列表

对比三个模型的拟合情况，三次模型的R2为0.958，拟合优度更好，F统计量的值也更大，常数项、一次项、二次项、三次项系数均在置信度为1%的情况下显著。说明上海市的人均GDP与综合环境污染程度的关系更符合三次模型。

数据的散点图与拟合的曲线如图4所示，虽然综合环境污染程度与人均GDP的关系符合三次模型，但是仅就2000—2017年的数据来看环境污染程度仍随人均GDP的增长先加重后减弱。从图中所反映的情况来看，并不成“正N型”，而更满足“倒U型”，说明2000—2017年，以人均GDP为经济指标，以人均二氧化硫排放量、人均工业废水排放量与人均固体废弃物产生量为基础经过主成分分析法处理而成的综合环境污染程度为环境指标的情况下，上海市经济增长与环境污染之间关系符合环境EKC假设。

图4 上海市经济增长与环境污染关系拟合曲线

4 结论

江苏省环境污染与经济增长关系更符合二次模型，一次项、二次项系数满足环境库兹涅茨曲线的特性，呈现出先上升后下降的“倒U型”。浙江省与上海市虽然拟合结果与“正N型”的三次模型更加契合，但是从拟合图像来看，环境污染程度仍仅表现出随经济增长而先上升后下降的“倒U型”变化，未见再次上升趋势，说明就2000—2017年数据而言，浙江省与上海市也符合环境EKC假设。

东部地区的产业结构总体从高污染高消耗的第二产业朝着环境相对友好的第三产业结构调整，在2017年第三产业已经在东部三省市经济构成中占据主体地位。东部地区对环保投资力度总体呈现上升趋势。研究与实验发展（R&D）经费逐年增加，占GDP的比例逐年上涨，说明东部地区依托经济增长大力发展技术，提升资源利用效率与污染处理效率。东部地区能够在经济不断增长的过程中逐步控制发展经济所带来的环境成本，平衡经济发展和环境保护间的关系，得益于产业结构的优化，环保投资力度的增加以及科学技术的进步。