工业发展对环境污染的影响——基于省级面板的实证研究

刘子秋 LIU Zi-qiu；刘萍 LIU Ping

（安徽财经大学，蚌埠 233030）

0 引言

工业是实体经济中至关重要的一部分，工业高质量发展是实体经济高质量发展的前提。改革开放以来，我国持续不断推进工业现代化进程，粗放式的经济增长方式在带来经济繁荣的同时也造成了资源浪费、资源过度消耗与环境污染等一系列问题[1]。随着“五大发展理念”的深入，资源与环境之间的协调发展越来越受到重视。例如在煤炭行业，国家制定了一系列相关文件以加强煤炭开发的环境影响评价管理从而降低煤炭工业对生态环境的影响[2]。2021 年，工业和信息化部发布“十四五”工业绿色发展规划，确保工业领域节能降碳、减耗高效，以科技创新驱动绿色发展[3]。

整理国外文献发现，Ahmet 等（2017）[4]指出工业部门从污染制造业向清洁部门的转变导致环境库兹涅茨曲线呈现倒“U”型。Patrik Oskarsson 等（2018）[5]对印度的煤炭开采与加工进行研究，发现经济增长过度依赖电力生产会对环境产生不利影响，因此需要通过技术手段实现产业结构优化升级，从而缓解煤污染。

整理国内文献发现，刘华军（2012）[6]等的研究证明我国绝大多数的省市经济和环境之间的关系呈现倒U 形曲线。卢福财和詹先志（2019）[7]的研究探析了环境污染与制造业之间的非线性关系，同时发现二氧化硫污染对制造业的集聚的抑制作用并不明显。

综上所述，国内外学者大多是结合经济增长、能源消耗、产业结构等方面对经济发展和环境进行较为宏观的研究，而较少有文章从工业发展的视域开展研究。本文通过研究工业发展造成的环境污染，分析工业污染的影响因素，进而得到一系列的工业污染改善措施。

1 理论假设

1.1 工业增加值与环境污染之间的关系

大气污染、水污染、固体废物污染是工业发展在环境方面所带来的主要污染问题[8，9]。大气污染会对工业发展产生不利影响，一方面如二氧化硫等浓度的增加会对社会公众的身体健康造成危害，另一方面污染气体会腐蚀生产建筑材料以及厂房设备。作为一个人口大国，我国水资源匮乏，与此同时工业废水会对生产设备的稳定性造成不利影响且大大降低污水治理的效率，因此水污染是工业发展的绊脚石。目前我国工业固体废物的综合利用率与发达国家相比尚处于低效水平[10]，对大量固体废物采取填埋这一措施不仅占用了大量土地资源而且废物渗滤液会对环境造成二次破坏。

综上所述提出假设1：工业增加值的升高会加重环境污染。

1.2 工业发展结构与环境污染之间的关系

不同行业对环境的影响程度与强度不同。以环境污染中的水污染为例，造纸业与化学品制造业的氮氨化合物的排放量高于其他行业；农副产品加工业的有机物污染较为严重，同时排污强度高于工业平均水平。

综上所述提出研究假设2：工业结构的改善有利于缓解环境污染问题。

2 变量定义、数据来源与统计特征

2.1 数据来源与变量定义

本文选取2011-2020 年中国省际面板数据，数据来源于《中国统计年鉴》、国家统计局，变量设置通过阅读各类文献得以确定。

①被解释变量：环境污染水平（Y）。本文采用工业二氧化硫排放量作为环境污染的衡量指标。

②核心解释变量：工业发展水平。考虑到工业发展的质和量两个方面的因素，本文分别采用工业增加值（X1）衡量工业产出“量”。同时，用工业产值占GDP 的比重衡量工业发展结构（X2）并以此来表示工业发展“质”的方面。

③控制变量：1）工业污染治理（X3）：采用工业污染治理投资完成额来表示工业污染治理，预期该变量与环境污染呈现负相关关系。2）人口（X4）：本文采用各省份常住人口来衡量地区人口因素，人口的增长对地区环境会产生一定影响。3）绿化水平（X5）：本文采用建成区绿化覆盖率来衡量各地区绿化水平。城市绿化可以吸收二氧化硫，在一定程度上降低环境污染。

2.2 描述性统计

本文选取了2011-2020 年全国除港澳台地区外31 个省份的面板数据，变量的基本统计信息如表1。

表1 描述性统计

3 实证分析

3.1 模型选择

对面板数据进行回归分析之前，本文对样本数据进行豪斯曼检验，得到表2。

表2 豪斯曼检验

由豪斯曼检验结果可知，P 值小于0.01，检验的统计值在1%置信水平下拒绝原假设，说明固定效应模型优于随机效应模型。

据此本文构建双固定效应模型考察工业发展对环境污染的影响。根据上文选取变量构建模型为：

其中，i 表示第i 省份，t 表示第i 年。被解释变量Yit表示第t 年第i 省份的环境污染，X1it核心解释变量表示第t年第i 省份的工业产值的对数值，X2it表示第t 年第i 省份的工业结构，controlit表示一系列的控制变量，id 表示个体的固定效应，year 表示时间效应，εit表示随机误差项。

3.2 相关性分析

由表3 可知，各变量的相关系数均小于0.8，同样表明各变量不存在多重共线性。

表3 相关性分析

3.3 异方差检验

本文采用怀特检验方法检验数据是否存在异方差，原假设为不存在异方差。由表4 可知，P 值小于0.05，则拒绝原假设，认为存在异方差。

表4 异方差检验

3.4 基准回归

为了解决组间异方差相关问题，本文采用面板矫正标准误模型回归，结果如表5 所示。

表5 基准回归结果

由逐步回归结果R 方可以看出模型拟合优度良好，该模型可以有效解释工业发展对环境污染的影响程度。

从实证结果可以看出：核心解释变量工业总产值（X1）对工业二氧化硫排放量（Y）的影响系数为正，回归系数为53.307，且在1%的显著性水平下显著，即工业总产值的增加显著促进工业二氧化硫排放量，加重了环境污染程度。同理，工业结构（X2）对工业二氧化硫排放量（Y）的影响系数为负，回归系数为-0.586，且在1%的显著性水平下显著，即工业结构的改善显著抑制工业二氧化硫排放量，降低了环境污染程度。

从人口数量（X4）的回归系数可以看出，人口数量与工业二氧化硫排放量为显著负相关关系，影响系数为-0.044，且在1%的显著性水平上显著，即人口的增加减少了工业二氧化硫的排放。而绿化水平（X5）的回归系数虽然表现出与工业二氧化硫排放量的负相关关系，但不显著，表明各省份建成区绿化水平仍有待提高，对工业排放二氧化硫和环境污染的抑制作用有待提高。

3.5 稳健性检验

由于经济发展水平、产业发展水平等因素都会存在一定地域差异，本文采用调整样本的方式检验工业发展水平对环境污染的影响是否存在地区差异。本文将样本中的31 个省份依据国家统计局的标准划分成东、中、西三个区域。

由表6 可知，东部、中部、西部地区的工业产出对二氧化硫的排放均呈现出显著正相关关系，且均在1%的显著性水平上显著，即工业产出值对二氧化硫的排放量存在正向促进作用，对环境污染有很大影响，其中中部地区的相关系数最大。

表6 稳健性检验结果

从工业结构来看，东部、中部、西部地区的工业结构水平对二氧化硫的排放均呈现出显著负相关关系，且分别在10%、5%、1%的显著性水平上显著，即东部、中部、西部地区的工业结构对二氧化硫的排放量存在抑制作用，工业结构水平能够在一定程度上抑制环境污染，其中西部地区的工业结构影响系数最大。

由检验结果可以认为，工业结构发展显著抑制了环境污染，验证了基准回归结果，表明基准回归结果具有稳健性。

4 研究结论与政策建议

4.1 研究结论

工业总产值的增加显著促进工业二氧化硫排放量，加重了环境污染程度；工业结构的改善能够显著地抑制工业二氧化硫排放量，降低环境污染程度；人口的增加减少了工业二氧化硫的排放；建成区绿化水平对工业排放二氧化硫和环境污染虽然有抑制作用，但抑制作用效果有待提高。

东部、中部、西部地区的工业结构的改善对二氧化硫的排放量均存在抑制作用，工业结构水平的提高能够在一定程度上抑制环境污染。其中，西部地区的工业结构发展水平对环境污染的抑制性影响最为突出。

工业产出值对二氧化硫的排放量存在正向促进作用，对环境污染有很大影响。其中，中部地区的工业发展产生了更多的二氧化硫。

4.2 政策建议

第一，将可持续发展的要求纳入政绩考核评价体系。这有助于抑制各级地方政府在区域竞争中过度膨胀的GDP 增长冲动，降低了为追求经济发展而牺牲环境的风险。

第二，加强地区环保能力建设。增加对企业的排污限制，充分考虑不同行业、不同地区的污染现状，因地制宜制定差异化的行业环境规制强度，并进行动态优化限制污染产业的地区转移倒逼企业进行技术创新，促使污染减排机制长效化。

第三，优化工业结构。推进传统产业的技术革新与装备升级，促进传统产业向低消耗、高效益的方向转型升级。同时政府应给予新兴产业政策支持以优化工业结构。