導語：淺談經濟增長與環境污染實證一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

［提要］本文以30個省份廢氣排放與經濟發展之間的關系為研究對象，運用2008～2017年共10年間的數據建立面板分位數模型。回歸結果表明：經濟增長在不同的分位水平下均能造成一定的環境污染情況，經濟增長每提高1%，環境污染的提升范圍為0.596%～1.833%；EKC曲線是存在的；在同等的經濟增長水平下，污染較為輕微地區的環境所受到的影響更為強烈。為此，在環境污染較為輕微的地區，政府需格外注意污染防控；而在污染較為嚴重的地區，政府應投入更為充足的資金來大力整治環境污染情況；政府應推進生態環境科技工作，發揮科技創新作用，為打好污染防治攻堅戰提供有力支撐。

關鍵詞：EKC曲線；經濟增長；環境污染；政府治理

一、引言

當一個國家經濟水平較低時，環境污染的程度較輕，但是隨著經濟水平的增長，環境惡化程度也將加劇；當經濟發展達到一定水平后，即到達某個臨界點或“拐點”之后，隨著經濟進一步發展，環境污染的程度又逐漸減緩，這種現象被稱為“環境庫茲涅茨曲線（簡稱EKC）。有關EKC的研究一直為學界熱點問題，綜合關于EKC的研究結果，EKC曲線的形狀并不固定，普遍接受的結論是：環境庫茲涅茨倒U型曲線關系，取決于不同時期、具體地區、污染指標以及估計方法的選取，不存在適合所有地區、所有污染物及估計方法的單一情況。基于當前學者們的研究來看，許多學者都對經濟發展與環境污染的倒U形曲線進行了實證檢驗或對EKC曲線的拐點進行了判斷與分析。但絕大多數學者在計量模型方法上大多基于普通最小二乘法（OLS），而OLS得到的是解釋變量對被解釋變量的平均效果，隱含各地區污染排放同質性的假定，而現實中經濟增長在污染程度不同的地區對環境造成的影響可能不同。因此，同質性假定需要修正。而分位數回歸可對數據集合中不同分位點的數據進行研究，估計自變量對不同分位點的因變量的影響，能夠很好的分析不同分位點上的異質性。基于此，本文以30省份廢氣排放（SO2排放）與經濟發展之間的關系為研究對象，運用2008～2017年共10年間的數據建立面板分位數模型，探討經濟發展與環境污染之間的倒U型曲線，并研究技術發展、政府治理、產業結構、城鎮化效應共四個控制變量在不同分位點對廢氣排放的影響。

二、模型構建及分析方法

（一）模型構建。本文考慮到經濟發展對環境污染的影響以及其他主要的控制變量，選取全國30省份2008～2017年數據，將基本回歸模型設定如下：ln（SO2it）＝αi+β1ln（GDPit）+β2ln2（GDPit）+γXt+εit式中，SO2it代表第i省在第t年的人均SO2排放量（單位：千克/人），SO2是大氣主要污染物之一，我們選用人均SO2排放量用來衡量區域污染情況。GDPit代表第i省在第t年的人均GDP（單位：萬元），此處我們選取人均GDP衡量區域經濟發展情況，同時我們加入ln（GDP）的平方項來檢驗環境污染與經濟發展之間的倒U型曲線。Xt為控制變量，αi為截面效應，εit為隨機誤差項。結合我國實際情況和已有相關文獻，本文主要考慮技術發展、政府治理、產業結構、城鎮化效應等四個控制變量。產業結構與污染排放密切相關，第二產業即工業占比增加時，往往會帶來一定的環境污染。本文選取產業結構變量Eit（第二產業產值占地區生產總值的比重）來分析產業結構變動對區域環境污染的影響，預期系數為正。對于政府治理，本文選取政府治理變量Git（地區治理工業污染投資額占GDP的比重）來分析政府對污染情況的控制力度，預期系數為負，即地區治理工業污染投資額越高，污染情況會逐漸改善。技術水平的提升往往有助于改善并使用更加清潔環保的生產方式，同時，技術進步也能夠提升生產效率。因此，技術進步會減緩一定的環境污染情況。本文選取技術水平變量Tit（萬元GDP能耗，單位為：噸標準煤/萬元）來分析技術水平對區域SO2排放的影響，預期系數為正。城鎮化進程的推進也給一些地區帶來了環境污染問題，本文選取城鎮化變量Cit（非農業人口占總人口的比例）來衡量城鎮化進程對區域污染的影響，預期系數為正。各變量所涉及到的數據均來自于國家統計局及統計年鑒（二）分析方法。分位數回歸最早由柯恩克和巴塞特提出，是一種基于被解釋變量y的條件分布來擬合解釋變量x的線性函數的回歸方法。對分位數回歸而言，被解釋變量y的Г分位數函數Q（Г）可以定義為：Q（Г）＝infy≥：F（Г）≥Г≥（0＜Г＜1）其中，Г表示回歸平面以下的數據占全體數據的百分比。與普通最小二乘法基于均值的估計不同，分位數回歸采用加權殘差絕對值之和的方法進行參數的估計。具體地，對于回歸方程Y＝βX+ε，要分析自變量X對因變量Y在各分位數Г的影響，我們需求解：β（τ）＝argminβ∈Rpni=1Σρτ（yi-xi'β）（1）其中，ρτ（z）=τzI［0，∞）（z）-（1-τ）zI（-∞，0）（z）。式（1）相當于求解如下線性規劃：maxzy'zΣ｜X'z=（1-τ）X'e，z∈［0，1］n≥本文基于stata14.0的“qregpd”進行分位數回歸估計。分位數回歸的估計結果能夠對被解釋變量條件分布的全貌進行更加全面的描述，不是僅僅分析被解釋變量的均值，也可以分析解釋變量如何影響被解釋變量的中位數、分位數等。此外，分位數回歸使用殘差絕對值的加權平均作為最小化的目標函數，與OLS相比更不容易受極端值的影響，估計結果更為穩健。

三、實證結果分析

由于面板數據的特性，在開始回歸分析前，先進行F值檢驗以及Hausman檢驗，根據檢驗結果，模型均選擇個體固定效應模型進行估計。利用2008～2017年共計10年間全國30省份相應數據，建立面板分位數回歸模型，為更好地觀察以上各變量分位數回歸系數所呈現的差異信息和變化規律，依次在0.1、0.3、0.5、0.7、0.9五個分位點進行估計，為進行比較，也同時報告面板固定效應的估計結果，詳見表1。（表1）這里首先關注經濟發展對環境污染的影響系數，無論是固定效應模型還是各分位水平上ln（GDP）的系數均為正數，而且通過了1%的顯著性水平檢驗。這意味著在2008～2017年10年間我國30省份的經濟發展情況是造成了一定污染的。隨著分位點的升高，經濟增長所造成的環境污染情況逐漸減緩，因此同等的經濟增長水平下，污染較為輕微地區的環境所受到的影響是更為強烈的。本文認為原因有二：其一，污染程度和經濟發展情況往往是成正比的，污染較為輕微的地區自身的發展水平往往也較為落后，如青海、新疆等地區，這些地區控制污染水平的能力往往不高，因此在這些地區，提升同等的經濟水平可能會帶來更嚴重的環境污染；其二，對于污染較為嚴重的地區，其污染情況可能已經趨于“飽和”，此時經濟發展可能并不會在污染“飽和”的基礎上帶來進一步更為嚴重的環境污染。此外，ln2（GDP）的系數在固定效應模型和各分位水平上均為負值，且通過了1%的顯著性水平檢驗，說明EKC曲線是存在的。此外，我們關注四個控制變量。對于產業結構變量ln（E），其系數在固定效應模型和各分位水平上均為正值，且通過了1%的顯著性水平檢驗，這說明第二產業比重的上升將造成一定的環境污染問題。此外，在環境污染較為輕微的地區，二產比重的上升所造成的環境問題更為嚴重，本文認為原因同上。政府治理變量ln（G）的系數均為負，且通過了1%的顯著性水平檢驗，說明政府治理工業污染投資能夠緩解一定的環境污染。且在同等強度的政府治理水平下，污染較為嚴重的地區能夠緩解的程度是小于污染較為輕微的地區的。因此，政府應投入更為充足的資金來整治污染嚴重地區的環境情況。技術水平變量Tit的系數均為正且均通過了1%的顯著性水平檢驗，這說明無論污染水平如何，技術水平的提高都能減緩地區環境污染情況，同時，相較于中位點，低分為點和高分為點也即環境污染水平較低和較高的地區，技術水平對環境改善的作用更為顯著。城鎮化變量ln（C）的系數均為正且均通過了1%的顯著性水平檢驗，說明城鎮化往往會帶來一定程度的環境污染，與通常的認知情況相吻合。值得一提的是，在固定效應模型中，ln（C）的回歸系數與ln2（GDP）的回歸系數均大于或小于該變量任何一個分位點的回歸系數，可見如果不考慮參數異質性問題，采用傳統的固定效應模型得出的回歸結果可能是不準確的。

四、結論及建議

結果表明，若不考慮參數異質性問題，使用傳統文獻中的面板固定效應模型可能會得出不準確的結論。在不同的分位數水平下，經濟增長均能造成一定的環境污染情況，經濟增長每提高1%，環境污染的提升范圍為0.596%～1.833%。此外，ln2（GDP）的系數在固定效應模型和各分位水平上均為負值，且通過了1%的顯著性水平檢驗，說明EKC曲線是存在的。對于不同環境污染情況的城市而言，經濟增長的環境污染作用強度又是不同的：同等的經濟增長水平下，污染較為輕微地區的環境所受到的影響是更為強烈的。對此，本文根據回歸結果提出如下建議：在環境污染較為輕微的地區，政府需格外注意污染防控，堅持綠色發展，重點提升第三產業，走生態建設產業化之路。要盡力實現產業結構轉型升級，把高投入、高消耗、高污染、低產出、低質量、低效益的產業轉為低投入、低消耗、低污染、高產出、高質量、高效益的產業。在污染較為嚴重的地區，政府應投入更為充足的資金大力整治環境污染情況。同時，污染較為嚴重和污染輕微的地區都應推進生態環境科技工作，發揮科技創新作用，為打好污染防治攻堅戰提供有力支撐。

參考文獻：

［1］GROSSMANM，KRUEGERA.EnvironmentalImpactofaNorthAmericanFreeTradeAgreement［EB/OL］.

［2］張學剛.長三角地區經濟增長與環境污染再研究———基于分位數回歸方法［J］.嘉興學院學報，2015（1）.

［3］李育安.分位數回歸及應用簡介［J］.統計與信息論壇，2006（3）.

［4］劉玉萍，郭郡郡.人口因素對CO2排放的影響———基于面板分位數回歸的實證研究［J］.人口與經濟，2012（3）.

作者:譚夢薇 單位:中國地質大學