張 慧，韓 俊

（1.南京工業(yè)大學環(huán)境學院，江蘇 南京，211816；2.東北大學計算機科學與工程學院，遼寧 沈陽,110167）

0 引言

中國東部地區(qū)（江蘇省、浙江省、上海市）是我國經濟發(fā)展速度最快、質量最高的地區(qū)之一，每年貢獻國內生產總值（GDP）的20%左右，人均GDP遠超全國的平均水平。經濟發(fā)展的同時也帶來了一定的環(huán)境污染。許多實證研究表明，經濟增長與環(huán)境污染的關系并不是此消彼長的。在許多國家與地區(qū)，環(huán)境污染程度都隨著經濟的發(fā)展而出現先加重后減輕的“倒U型”關系。本文試圖分析我國東部地區(qū)經濟增長與環(huán)境污染之間的關系。

1 文獻綜述

Grossman和Krueger（1991）在研究北美自由貿易協定時首次提出經濟增長與環(huán)境污染存在著“倒U型”關系，稱為環(huán)境庫茲涅茨曲線（EKC）理論[1]，該理論認為環(huán)境污染并不是隨著經濟增長一味加劇的，而是存在先上升后下降的趨勢。EKC理論提出后，很多學者開始對國內外環(huán)境污染和經濟增長的關系進行探討。Nicholas Apergis和Ilhan Ozturk（2014）搜集1900—2011年14個亞洲國家的面板數據，以人均GDP、第二產業(yè)占比、二氧化碳排放量、人口密度為指標，運用GMM法檢驗EKC假設，研究發(fā)現二氧化碳排放量確實會隨著人均GDP的增加出現先增多后減少的趨勢，同時提出推進新能源代替?zhèn)鹘y(tǒng)化石燃料，加大環(huán)保投資力度的建議[2]。Aslan Alper和Gozbasi Onur（2016）研究了中國在1977—2013年的碳排放數據，采用修正的OLS法和成對的Ganger因果關系法，研究發(fā)現能源消費的增加將會使人均二氧化碳排放量大大增加；無論是液體燃料、固體燃料、氣體燃料還是由交通運輸所產生的二氧化碳，都滿足EKC的假說，而建筑業(yè)、電力業(yè)、商業(yè)等領域的碳排放卻未能顯示出同樣的效果，同時建議中國能夠更多地將不可再生的化石燃料替代為可再生能源[3]。Thiri Shwesin Aung（2017）同樣以GDP作為經濟指標，以溫室氣體作為環(huán)境指標，將貿易、金融、城市化納入考慮，采用了自回歸分布滯后模型對以上影響因素進行綜合研究，結果表明CH4和N2O氣體排放量與人均GDP的關系與EKC假設相符，而其他的溫室氣體未能滿足此假設[4]。Selin ?zokcu和?zlem ?zdemir（2017）以全球26個高收入國家和52個新興國家為研究對象，搜集了1980—2010年的經濟與環(huán)境面板數據，研究發(fā)現經濟增長與環(huán)境污染之間存在著“N型”與“倒N型”的關系[5]，否認了EKC的假說。作者提出了經濟增長雖然可以解決一部分環(huán)境問題，但是如果對于環(huán)境的破環(huán)超越了環(huán)境的自凈能力，這種情況下經濟增長帶動環(huán)境改善的關系將不復存在。Qinqin Chen和David Taylor（2019）以重金屬鉻的排放量為環(huán)境指標[6]，搜集了新加坡2009—2017年的相關數據，證實了環(huán)境EKC假設。該研究證實了對于某些污染大、危害大的物質，確實可以通過經濟發(fā)展帶來的技術進步，減少其產生量與環(huán)境存量。

我國研究人員針對我國整體以及部分地區(qū)環(huán)境污染與經濟發(fā)展關系的研究主要集中在兩個方面，一種是通過收集多省市自治區(qū)的面板數據，運用計量分析方法研究，另一種則是針對某一省市、地區(qū)收集時間序列數據，重點分析單個地區(qū)的環(huán)境與經濟發(fā)展的關系。蔡宇純（2010）在對我國省面板數據分析的過程中，引入了社會福利最大化的模型，對我國各個省經濟與環(huán)境數據進行了回歸，研究發(fā)現，大部分中西部地區(qū)的主要污染物均不符合EKC假設或者說處于拐點的左端上升期，而東部與南部沿海地區(qū)的主要污染物已經達到了EKC的拐點且處于下降階段，說明中西部地區(qū)要借鑒東部地區(qū)的發(fā)展方式，在發(fā)展的同時注重環(huán)保投資與技術開發(fā)[7]。戴嶸（2010）以全國31個省市自治區(qū)為研究對象，搜集了2000—2008年的面板數據，先利用面板協整檢驗和面板單位根檢驗對數據進行計量檢驗，再運用廣義OLS進行回歸分析，發(fā)現人均煙塵排放量和人均收入之間存在著EKC關系，但二氧化硫排放量卻與人均收入出現了正比例關系，分析其原因可能是對于二氧化硫的處理難度較大且成本較高，處理技術不夠成熟的原因[8]。Xiaohong Zhang等（2013）綜合了大氣污染物排放情況、大氣環(huán)境治理投資情況、經濟發(fā)展情況與能源消耗情況，基于2000—2007年的面板數據，分析了我國以上四項指標的關系，發(fā)現在這期間由于經濟發(fā)展帶動的能源結構的改善以及技術上的進步，使得我國大氣環(huán)境質量并未一直隨經濟增長而下降，并且單位GDP所耗費的大氣環(huán)境污染成本也得到了顯著的控制[9]。王敏和黃瀅（2013）搜集了全國112個城市的面板數據，時間跨度為2003—2010年，以大氣污染物濃度為環(huán)境指標，人均GDP為經濟指標，發(fā)現我國主要大氣污染物（二氧化硫、氮氧化物、PM10）與人均GDP存在著正“U型”關系[10]，與EKC假設結果相反。

以上現有研究發(fā)現，經濟越發(fā)達，政治金融體制相對健全的地區(qū)更容易驗證EKC假說，中國東部地區(qū)作為中國經濟發(fā)達地區(qū)之一也成為研究的重點。趙秀勇（2015）以東部的十個省市為研究對象，以國內生產總值（GDP）為經濟指標，工業(yè)三廢（廢氣、廢水、固體廢棄物）的排放量為環(huán)境指標，以用水量、煤炭消費量和電力使用量為資源指標，研究在發(fā)展過程中三者的關系，運用熵值賦權法將三個環(huán)境指標整合為一個綜合環(huán)境指標[11]，研究發(fā)現東部的環(huán)境與經濟之間確實存在著EKC的關系，而資源消耗與經濟發(fā)展成正比例的關系。張毅（2015）以工業(yè)二氧化碳和廢水排放量為環(huán)境污染指標，分析東部十一省級行政區(qū)2001—2013年的面板數據，研究發(fā)現所選兩個環(huán)境指標均隨著經濟發(fā)展出現“倒U型”關系[12]。

雖然對于東部地區(qū)經濟增長與環(huán)境污染的關系研究已經有很多了，但是過往的研究基本是以某一項環(huán)境污染物排放量作為環(huán)境指標，環(huán)境污染程度作為一個復雜的綜合概念，應當綜合考慮包括水、大氣、固體廢棄物等各類污染物的排放情況。因此，本文在已有研究的基礎上，選擇運用主成分分析法，將人均工業(yè)廢水排放量、人均二氧化硫排放量、人均工業(yè)固體廢棄物排放量整合成為一個綜合環(huán)境指標[13]，綜合分析環(huán)境污染和經濟發(fā)展之間的關系。

2 指標和模型選擇

2.1 指標選擇

研究選取人均地區(qū)生產總值（人均GDP）作為反映地區(qū)經濟發(fā)展的指標，該指標能夠反映地區(qū)居民收入與消費水平，在某種意義上，人均GDP與居民環(huán)保意識與訴求存在著正向相關的關系。選取人均工業(yè)廢水排放量、人均二氧化硫排放量、人均工業(yè)固體廢棄物產生量作為環(huán)境污染程度指標，并采用主成分分析法將以上三個環(huán)境污染指標整合為綜合環(huán)境污染程度指標。各個地區(qū)2000—2017年經濟指標和環(huán)境指標的數據來源于《中國統(tǒng)計年鑒》《中國環(huán)境統(tǒng)計年鑒》《江蘇統(tǒng)計年鑒》《浙江統(tǒng)計年鑒》《上海統(tǒng)計年鑒》。

2.2 主成分分析法分析綜合環(huán)境污染程度

環(huán)境污染程度作為一個復雜的綜合概念，綜合考慮包括水、大氣、固體廢棄物等各類污染物的排放情況。本研究將不同污染種類和量綱的單項環(huán)境指標進行整合，來研究環(huán)境整體污染程度與經濟增長的關系。在已有的研究中，有學者采用熵值賦權法和主成分分析法將單一環(huán)境指標整合為一個綜合環(huán)境指標探討環(huán)境污染和經濟發(fā)展之間的關系[11,13]。本研究采用主成分分析法將3個環(huán)境指標降維，成為一個綜合環(huán)境污染程度指標，并極大程度地保留原始數據的信息。

主成分分析法可以通過如下步驟完成：①各個環(huán)境指標量綱是不同的，首先需要對變量進行去量綱的標準化處理，在SPSS中點擊分析→描述統(tǒng)計→描述，即可完成原始數據的標準化過程，SPSS會自動生成各變量標準化后的無量綱數據，每個變量的標準化公式如式（1）所示。②點擊分析→降維→因子，SPSS即可對原始數據進行主成分分析，SPSS自動生成主成分個數及其貢獻率、因子個數與特征方差λ的值。③計算環(huán)境指標的綜合模型，即綜合指標F與主成分F1、F2、……、Fn的關系，其中F1、F2、……、Fn代表第1個到第n個主成分，具體如式（2）所示。④計算各個主成分與標準化后數據的關系模型，即F1、F2、……、Fn分別與標準化后的變量的關系，具體如式（3）所示。

式中：k—該變量的第k個樣本（k=1，2，3……，n），其中i代表第i個變量（i=1，2，3，……，m），Xik—該樣本的真實值，X'ik—該樣本標準化后的值，該變量的平均值，σi—該變量的標準差。

式中：Fk—k個樣本綜合環(huán)境指標值，j—第j個主成分（j=1，2，3，……，z），Fjk—該主成分在該樣本下的值，λj—該主成分的特征方差，λ總—總特征方差之和。

式中：βji—在成分矩陣中對應第j個主成分第i個變量的值，其他變量含義與式（1）、（2）保持一致。

采用SPSS軟件分別計算出上海、江蘇和浙江省2000—2017年環(huán)境污染程度綜合指標如圖1所示，三個地區(qū)綜合環(huán)境污染程度隨時間呈現出先加重后減輕的趨勢。

圖1 三地區(qū)環(huán)境污染程度隨時間變化曲線

2.3 模型選擇

根據環(huán)境庫茲涅茨曲線的特性，選取一次函數模型［式（4）］、二次函數模型［式（5）］、三次函數模型［式（6）］[14]。

如果經濟指標與環(huán)境污染程度指標的關系滿足式（4），代表二者存在線性關系，其中代表環(huán)境污染程度指標，代表地區(qū)人均GDP，α為截距項，β代表斜率，而ε代表隨機誤差項。當β＞0時，代表環(huán)境污染程度隨著人均GDP的增長而加重，當β＜0時，代表環(huán)境污染程度隨著人均GDP的增長而減輕[15]。

如果經濟指標與環(huán)境污染程度指標的關系滿足式（5），代表二者存在EKC的“倒U型”或“正U型”關系，β1，β2分別代表一次項與二次項的系數，其他字母含義與式（4）相同。如果β2＜0，β1＞0，則說明二者滿足EKC假說的“倒U型”曲線關系，如果β2＞0，β1＜0，說明二者滿足“正U型”曲線的關系[16]。

如果經濟指標與環(huán)境污染程度指標的關系滿足式（6），代表二者關系可能呈“正N型”或“倒N型”，β1、β2、β3分別為一次、二次、三次項系數，其余的字母含義與式（4）相同。當β1＜0，β2＞0，β3＜0時，環(huán)境污染程度與經濟增長的關系呈“正N型”，而當β1＞0，β2＜0，β3＞0時，二者的關系為“倒N型”[17]。假如人均GDP未能超過三次模型第二個極點，仍有可能呈“U型”或“倒U型”。

3 實證分析

3.1 江蘇省環(huán)境污染與經濟增長回歸分析

在SPSS中對江蘇省人均GDP（單位為萬元）與綜合環(huán)境污染程度進行回歸分析，各模型的分析結果見表1?？梢钥吹礁鱾€模型F統(tǒng)計量的P值均在置信度為1%水平下顯著，說明江蘇省在2000—2017年的人均GDP與綜合環(huán)境污染程度具有顯著的相關關系。

表1 江蘇省經濟增長與環(huán)境污染關系各模型回歸分析結果列表

首先分別進行了一次模型、二次模型、三次模型的回歸分析，發(fā)現三者中三次模型的擬合優(yōu)度R2雖然最好，但是各系數的顯著性水平并不高。一次模型雖然各系數顯著性水平均通過了置信度為1%的檢驗，但擬合優(yōu)度R2僅為0.873并不高。二次模型的R2為0.932，說明此模型的擬合程度較好，常數項與二次項系數通過了置信度為1%水平下的檢驗，一次項系數通過了置信度為5%水平下的檢驗。以上分析表明二次模型基本可以解釋2000—2017年江蘇省經濟增長與環(huán)境污染之間的關系。

通過圖2曲線的趨勢與二次模型中一次項系數β1＞0，β2＜0，人均GDP與綜合環(huán)境污染程度在2000—2017年關系符合環(huán)境庫茲涅茨的“倒U型”曲線。

圖2 江蘇省經濟增長與環(huán)境污染關系擬合曲線

3.2 浙江省環(huán)境污染與經濟增長情況回歸分析

在SPSS中對浙江省人均GDP（單位為萬元）與綜合環(huán)境污染程度進行回歸分析，各模型的分析結果見表2。可以看到各個模型F統(tǒng)計量的P值均在置信度為1%水平下顯著，說明浙江省在2000—2017年的人均GDP與綜合環(huán)境污染程度具有顯著的相關關系。

表2 浙江省經濟增長與環(huán)境污染關系各模型回歸分析結果列表

三個模型擬合結果對比可知，三次模型的R2為0.977，擬合優(yōu)度最好，F統(tǒng)計量的值也更大，常數項、一次項、二次項、三次項系數均在置信度為1%的情況下顯著。說明浙江省的人均GDP與綜合環(huán)境污染程度的關系更符合三次模型。

如圖3所示，雖然綜合環(huán)境污染程度與人均GDP的關系符合三次模型，但是僅就2000—2017年的數據來看環(huán)境污染程度仍隨人均GDP的增長先加重后減弱，從圖中所反映的情況來看，并不成“正N型”，而更滿足“倒U型”，說明2000—2017年，浙江省的環(huán)境污染程度隨著經濟的增長而先增加后減少。

圖3 浙江省經濟增長與環(huán)境污染關系擬合曲線

3.3 上海市環(huán)境污染與經濟增長情況回歸分析

在SPSS中對上海市人均GDP（單位為萬元）與綜合環(huán)境污染程度進行回歸分析，各模型的分析結果見表3?？梢钥吹礁鱾€模型F統(tǒng)計量的P值均在置信度為1%水平下顯著，說明上海市在2000—2017年的人均GDP與綜合環(huán)境污染程度具有顯著的相關關系。

表3 上海市經濟增長與環(huán)境污染關系各模型回歸分析結果列表

對比三個模型的擬合情況，三次模型的R2為0.958，擬合優(yōu)度更好，F統(tǒng)計量的值也更大，常數項、一次項、二次項、三次項系數均在置信度為1%的情況下顯著。說明上海市的人均GDP與綜合環(huán)境污染程度的關系更符合三次模型。

數據的散點圖與擬合的曲線如圖4所示，雖然綜合環(huán)境污染程度與人均GDP的關系符合三次模型，但是僅就2000—2017年的數據來看環(huán)境污染程度仍隨人均GDP的增長先加重后減弱。從圖中所反映的情況來看，并不成“正N型”，而更滿足“倒U型”，說明2000—2017年，以人均GDP為經濟指標，以人均二氧化硫排放量、人均工業(yè)廢水排放量與人均固體廢棄物產生量為基礎經過主成分分析法處理而成的綜合環(huán)境污染程度為環(huán)境指標的情況下，上海市經濟增長與環(huán)境污染之間關系符合環(huán)境EKC假設。

圖4 上海市經濟增長與環(huán)境污染關系擬合曲線

4 結論

江蘇省環(huán)境污染與經濟增長關系更符合二次模型，一次項、二次項系數滿足環(huán)境庫茲涅茨曲線的特性，呈現出先上升后下降的“倒U型”。浙江省與上海市雖然擬合結果與“正N型”的三次模型更加契合，但是從擬合圖像來看，環(huán)境污染程度仍僅表現出隨經濟增長而先上升后下降的“倒U型”變化，未見再次上升趨勢，說明就2000—2017年數據而言，浙江省與上海市也符合環(huán)境EKC假設。

東部地區(qū)的產業(yè)結構總體從高污染高消耗的第二產業(yè)朝著環(huán)境相對友好的第三產業(yè)結構調整，在2017年第三產業(yè)已經在東部三省市經濟構成中占據主體地位。東部地區(qū)對環(huán)保投資力度總體呈現上升趨勢。研究與實驗發(fā)展（R&D）經費逐年增加，占GDP的比例逐年上漲，說明東部地區(qū)依托經濟增長大力發(fā)展技術，提升資源利用效率與污染處理效率。東部地區(qū)能夠在經濟不斷增長的過程中逐步控制發(fā)展經濟所帶來的環(huán)境成本，平衡經濟發(fā)展和環(huán)境保護間的關系，得益于產業(yè)結構的優(yōu)化，環(huán)保投資力度的增加以及科學技術的進步。