環(huán)境污染與經(jīng)濟增長、能源消費、FDI和城鎮(zhèn)化的雙向耦合關(guān)系

傅 強,張小漫，張亞軍

（重慶大學(xué) 經(jīng)濟與工商管理學(xué)院，重慶 400030）

環(huán)境污染與經(jīng)濟增長、能源消費、FDI和城鎮(zhèn)化的雙向耦合關(guān)系

傅 強1,張小漫，張亞軍

（重慶大學(xué) 經(jīng)濟與工商管理學(xué)院，重慶 400030）

文章根據(jù)三大環(huán)境污染物排放分別建立環(huán)境污染物排放—經(jīng)濟增長—能源消費—外商直接投資—城鎮(zhèn)化的PVAR模型，通過脈沖響應(yīng)、方差分析和Granger因果檢驗分析比較五個變量的雙向動態(tài)關(guān)系。結(jié)果表明：五變量的動態(tài)關(guān)系在碳排放中最為顯著，且經(jīng)濟增長、能源消費和城鎮(zhèn)化與污染物排放存在著顯著的雙向耦合關(guān)系；根據(jù)方差分析可知，除自身因素外，外商直接投資對碳排放和固體廢物排放預(yù)測方差貢獻度最大，城鎮(zhèn)化對廢水排放貢獻最大。

環(huán)境污染；PVAR模型；經(jīng)濟增長；能源消費；外商直接投資；城鎮(zhèn)化

一、引 言

自改革開放以來，中國年均GDP增長高達9.8%，伴隨著經(jīng)濟增長，外商直接投資開始大量流入，能源消耗也逐年遞增，根據(jù)國際能源總署（IEA）公布的數(shù)據(jù)可知，我國能源消耗總量已排名世界第二，同時我國城鎮(zhèn)化進程也在經(jīng)濟發(fā)展和外商加大投資的步伐下快速發(fā)展?？晌覈?jīng)濟社會的快速發(fā)展與生態(tài)環(huán)境之間一直存在著客觀矛盾。正如大多數(shù)發(fā)展中國家及新型工業(yè)化國家的發(fā)展實踐所示，粗放型經(jīng)濟增長方式對生態(tài)環(huán)境產(chǎn)生的危害持續(xù)加大，隨著經(jīng)濟社會資源環(huán)境約束不斷增強，發(fā)展所帶來的環(huán)境污染將反過來制約經(jīng)濟社會的可持續(xù)發(fā)展?；诖?，能否有效地控制環(huán)境污染，實現(xiàn)經(jīng)濟增長和生態(tài)環(huán)境的雙贏不僅對于中國自身的可持續(xù)發(fā)展至關(guān)重要，而且對于整個人類社會的延續(xù)也有重要的意義。

本文基于動態(tài)面板數(shù)據(jù)模型，考慮到除經(jīng)濟增長外的能源消費、FDI以及城鎮(zhèn)化變量，實證分析了這些變量與環(huán)境污染的動態(tài)雙向耦合關(guān)系并提出合理化建議，相關(guān)研究將有助于政府出臺有效的環(huán)保政策，而且對于協(xié)調(diào)國民經(jīng)濟重大比例關(guān)系、提倡新能源消費、引進外商投資政策、控制城鎮(zhèn)化水平均有借鑒意義。

本文可能的貢獻與啟示在于：①國內(nèi)外學(xué)者對于環(huán)境與經(jīng)濟社會關(guān)系的探索較少這么全面地涉及能源消費、FDI以及城鎮(zhèn)化變量；②在研究方法上，由于生態(tài)環(huán)境地改變是漸進的，在時間上是相互關(guān)聯(lián)的，所以實證模型要包含因變量的滯后階，那么傳統(tǒng)的面板數(shù)據(jù)的固定效應(yīng)以及隨機效應(yīng)分析不能夠準(zhǔn)確地描述動態(tài)效應(yīng)。本文采取的是GMM動態(tài)面板數(shù)據(jù)模型，能很好地解決由于滯后導(dǎo)致變量之間出現(xiàn)的內(nèi)生性、異方差以及自相關(guān)等問題。另一方面，本文考慮到生態(tài)環(huán)境與經(jīng)濟社會均是一個開放的體系，它們之間是相互影響相互制約的，故本文采取面板向量自回歸模型（PVAR）來分析生態(tài)環(huán)境與經(jīng)濟社會之間的雙向動態(tài)耦合關(guān)系。

二、文獻回顧

目前國內(nèi)外基于環(huán)境視角將環(huán)境污染、經(jīng)濟增長、能源消費、FDI和城鎮(zhèn)化結(jié)合起來并研究其雙向動態(tài)耦合關(guān)系的文獻較少，但是不乏將環(huán)境污染與其中一個或幾個聯(lián)系起來進行研究的。

首先，許多學(xué)者關(guān)注經(jīng)濟增長和環(huán)境污染的關(guān)系并普遍認為經(jīng)濟增長一方面帶來資源的消耗，工業(yè)重污染等問題將加劇環(huán)境污染，另一方面經(jīng)濟增長又能通過技術(shù)進步和結(jié)構(gòu)優(yōu)化改善環(huán)境污染問題。具有代表性的是Grossman and Krueger（1992）利用42個國家的城市數(shù)據(jù)構(gòu)建簡化型回歸模型,發(fā)現(xiàn)三大空氣污染在較低的國民收入下隨人均GDP的增加而增加，當(dāng)國民收入達到一個較高的水平（4 000-5 000美元）時，經(jīng)濟增長趨向于減輕環(huán)境污染［1］。之后Grossman and Krueger（1995）使用比1992年研究范圍更廣的環(huán)境指標(biāo)（包括空氣污染和水污染），發(fā)現(xiàn)經(jīng)濟增長與環(huán)境污染指標(biāo)呈現(xiàn)倒U型的關(guān)系［2］。段顯明等（2012）以單位GDP工業(yè)廢氣排放量、廢水排放量和固體廢物產(chǎn)生量與經(jīng)濟增長的動態(tài)關(guān)系為研究點，建立PVAR模型進行實證分析，結(jié)果發(fā)現(xiàn)經(jīng)濟增長是三大環(huán)境污染的重要原因，但環(huán)境污染對經(jīng)濟增長也有不顯著的反向作用，且三大環(huán)境污染對經(jīng)濟增長的影響不同［3］。

其次，有研究表明除了經(jīng)濟增長對于環(huán)境污染有影響外，能源消費、對外貿(mào)易、外商投資以及城鎮(zhèn)化等因素對于環(huán)境的影響也不可忽視。能源消費會直接導(dǎo)致環(huán)境污染，這點是顯而易見的。Ang（2009）通過理論分析去探索中國碳排放的影響因素，研究結(jié)果表明更多的能源消費以及更高的收入將導(dǎo)致更多的二氧化碳排放［4］。Wang etal（2011）基于中國28個省市的面板數(shù)據(jù)運用面板協(xié)整和面板修正誤差模型實證分析了碳排放、能源消費和經(jīng)濟增長三者之間的關(guān)系［5］。崔和瑞和王娣（2010）以我國1995-2006年的能源消耗量、GDP和二氧化硫排放量的時間序列數(shù)據(jù)為研究點，構(gòu)建3E（能源-經(jīng)濟-環(huán)境）的VAR模型，實證分析出能源消費總量和GDP對于二氧化硫排放量的影響顯著為正，而且能源消費總量的波動對二氧化硫排放量的沖擊大于GDP［6］。

再次，對外貿(mào)易以及外商直接投資也是環(huán)境污染的一大影響因素。正如Grossman and Krueger （1992）所論證的，對外貿(mào)易通過規(guī)模經(jīng)濟、污染避難所假說以及技術(shù)溢出效應(yīng)途徑作用于環(huán)境污染，對于發(fā)展中國家，規(guī)模經(jīng)濟以及污染避難所將加劇環(huán)境的污染，技術(shù)溢出效應(yīng)會改善環(huán)境［1］。也有研究表明對外貿(mào)易有利于改善環(huán)境污染，如林伯強（2015）通過非徑向方向距離函數(shù)測算了中國工業(yè)的能源環(huán)境效率并統(tǒng)計整理了各行業(yè)的進出口數(shù)據(jù)，實證分析出對外貿(mào)易與能源環(huán)境效率之間存在正向的反饋作用［7］。也有研究得出完全相反的結(jié)論［4,8-9］。FDI環(huán)境效應(yīng)的研究同對外貿(mào)易一樣對于環(huán)境污染的影響沒有確定的結(jié)論，主要分為兩個假說——污染避難所和污染光環(huán)，張瑜等（2010）結(jié)合理論模型和動態(tài)面板模型分析外商直接投資對中國經(jīng)濟增長的貢獻，結(jié)果發(fā)現(xiàn)由于地區(qū)經(jīng)濟發(fā)展?fàn)顩r不同，外商直接投資的溢出效應(yīng)并不明顯［10］。

同樣的，城鎮(zhèn)化對于環(huán)境污染影響的關(guān)系并不明確。Cole and Neumayer（2004）采用86個國家24年的數(shù)據(jù)，以二氧化碳和二氧化硫為環(huán)境污染指標(biāo)構(gòu)建STIRPAT模型實證檢驗得到碳排放與城鎮(zhèn)化之間正相關(guān)，二氧化硫排放與城鎮(zhèn)化無明顯關(guān)系［11］。張騰飛（2016）通過構(gòu)建動態(tài)面板數(shù)據(jù)模型也得出了碳排放與城鎮(zhèn)化正相關(guān)的結(jié)論［12］。與此相反的是Pan?ayotou（1997）論證了更高的城鎮(zhèn)化會聚集大量工業(yè)產(chǎn)業(yè)以及出現(xiàn)一些擁堵情況，這些均會加劇環(huán)境污染從而影響經(jīng)濟增長［13］。兩者關(guān)系除了線性關(guān)系還存在著非線性關(guān)系，如劉婕（2014）以全國30個省市1995-2010年期間的碳排放為樣本，構(gòu)建Tobit面板模型證明了城鎮(zhèn)化與碳排放之間呈現(xiàn)U型關(guān)系［14］。與此同時，Qu and Zhang（2011）運用36個國家20年的面板數(shù)據(jù)證實了城鎮(zhèn)化與環(huán)境污染之間無明顯關(guān)系［15］。

上述文獻均很好解釋了環(huán)境—經(jīng)濟—能源—FDI—城鎮(zhèn)化五者之間的局部關(guān)系，但缺乏在一個整體上全面對比分析。當(dāng)前中國經(jīng)濟正處于低碳轉(zhuǎn)型和結(jié)構(gòu)調(diào)整的階段，環(huán)境保護與經(jīng)濟增長和能源消費等因素深度交織，本文基于前人的研究，將經(jīng)濟增長、能源消費、FDI和城鎮(zhèn)化作為影響環(huán)境污染的幾大因素納入模型中進行全面分析，并且在環(huán)境污染物方面同時關(guān)注了碳排放、工業(yè)廢水排放以及工業(yè)固體廢物排放，在實證方法上本文采取GMM動態(tài)面板模型和PVAR模型研究五個變量之間的雙向動態(tài)關(guān)系。

三、變量描述和數(shù)據(jù)處理

在本文的實證分析中，采取了2005-2014年10年期間中國30個省市（西藏地區(qū)數(shù)據(jù)缺失）的面板數(shù)據(jù)，數(shù)據(jù)均來源于wind資訊。本文的主要變量描述和數(shù)據(jù)處理如下：

三大環(huán)境污染指標(biāo)——二氧化碳、工業(yè)廢水以及工業(yè)固體廢物。工業(yè)廢水及工業(yè)固體廢物各省市的年度排放量可直接在wind資訊上查閱到，但是各統(tǒng)計年鑒及相應(yīng)網(wǎng)站沒有直接公布各省市的碳排放量，相關(guān)文獻的計算方法大同小異，本文采取Ren et al.（2014）和T.Lietal（2016）的基于八種化石燃料消費的碳排放量計算方法［16］，公式如下：

其中，coe_CO2j表示二氧化碳系數(shù)；Qnetj表示平均低位發(fā)熱量；C_perj表示單位熱值含碳量；ratio_Cj表示碳氧化率。

其中，CO2i,t表示某年某省的二氧化碳排放量；Qi,j,t表示某年某省的能源消耗量。

CARBON表示人均二氧化碳排放量（碳排放總量/real GDP），WATER表示人均工業(yè)廢水排放量（工業(yè)廢水排放總量/real GDP），SOLID表示人均工業(yè)固體廢物排放量（工業(yè)固體廢物排放總量/real GDP）。變量Y表示人均GDP指數(shù)（1978=100），用來描述經(jīng)濟發(fā)展情況。變量ENERGY表示人均能源消耗量（能源消費總量/real GDP），能源消耗是污染排放的直接影響因素之一，本文預(yù)測能源消耗對于三大污染排放的影響均為正。變量FDI表示人均外商直接投資（外商直接投資額/real GDP），用來描述對外貿(mào)易對于國內(nèi)環(huán)境的影響，雖然對外貿(mào)易對中國的經(jīng)濟發(fā)展產(chǎn)生了巨大的拉動力，但是隨著資源消耗，環(huán)境污染等方面因素也制約了經(jīng)濟的發(fā)展，而且環(huán)境污染會造成生產(chǎn)成本的變化，所以FDI與污染排放物的關(guān)系有待本文的探究。變量URBAN表示城鎮(zhèn)化率（城鎮(zhèn)人口比重），隨著城鎮(zhèn)化進程的加速，大量工程將會加劇污染物的排放，也不乏采取更高效的新型城鎮(zhèn)化方式，采取新技術(shù)和新設(shè)備等也會達到抑制污染排放的效果，污染排放與城鎮(zhèn)化的關(guān)系也有待考證。

綜上所述，本文以2005-2014年為研究區(qū)間，以三大污染排放量（CARBON/SOLID/WATER）、人均GDP取對數(shù)后的一次項Y1，人均能源消耗量ENER?GY，人均FDI，城鎮(zhèn)化率URBAN為內(nèi)生變量建立回歸方程。本文對于各變量的描述性統(tǒng)計見表1所列。

表1 變量的描述統(tǒng)計

四、模型設(shè)定及估計方法

正如李鍇（2011）指出，各環(huán)境經(jīng)濟變量不僅存在著滯后效應(yīng)會導(dǎo)致內(nèi)生性問題，而且回歸模型中可能遺漏一些不隨時間變化的變量和個體非觀測效應(yīng)，所以在實證分析中需要引入變量的滯后階去構(gòu)造動態(tài)模型［17］。本文中環(huán)境質(zhì)量在不斷變化，將導(dǎo)致污染度量指標(biāo)呈現(xiàn)動態(tài)化而且不僅經(jīng)濟變量能影響環(huán)境質(zhì)量，反過來環(huán)境質(zhì)量也會影響經(jīng)濟社會的發(fā)展。本文采用面板向量自回歸分析方法，借鑒Love and Zicchino（2006）、連玉君（2009）、駱永民（2011）和蘇梽芳（2011）研究和運用的PVAR模型［18-21］，將環(huán)境污染指標(biāo)、國民收入、能源消費、FDI和城鎮(zhèn)化均作為系統(tǒng)內(nèi)生變量，構(gòu)建以下包括固定效應(yīng)和時期效應(yīng)的動態(tài)面板VAR模型：

其中，Zi,t是包含五個變量的向量：Pollutant、Y1、ENERGY、FDI、URBAN{Pollutant代表人均污染指標(biāo)，其中有carbon（碳排放強度），water（人均工業(yè)廢水排放），solid（人均工業(yè)固體廢物排放）}；δi表示時間非觀察效應(yīng)，反映除經(jīng)濟增長外，隨著時間變化的因素所產(chǎn)生的影響，例如國家政策、科學(xué)技術(shù)的變化以及能源價格變化等；ηi表示地區(qū)非觀察效應(yīng)，反映省際間存在的差異，例如產(chǎn)業(yè)結(jié)構(gòu)、文化以及氣候等；εi,t是與時間和地區(qū)都無關(guān)的隨機誤差項；i表示省區(qū)截面單位，i=1,2，…，30；t表示時間。

對動態(tài)面板模型，無論是最初的Anderson和Hsiao（1981）提出的IV估計［22］，還是Arellano和Bond （1991）提出的difference GMMestimator［23］以及Arella?no和Bover（1995）、Blundell和Bond（1998）提出的sys?tem GMM estimator［24-25］，都通過差分、正交分解等方法把個體效果除去了。而且本文所采取的PVAR模型最初是建立在時間序列基礎(chǔ)上的，而且主要用于系統(tǒng)的預(yù)測以及擾動項對變量的沖擊，其在進行GMM估計之前，首先通過組內(nèi)均值差分法將時間效應(yīng)消除，然后用向前均值差分法去除了個體效應(yīng)。這一點能很好地避免本文非觀察效應(yīng)與解釋變量的相關(guān)性導(dǎo)致的異質(zhì)性。

Holtz-Eakin等（1988）最早將VAR模型應(yīng)用到面板數(shù)據(jù)中［26］，隨后PVAR模型在經(jīng)濟問題的實證分析中得到廣泛應(yīng)用。Love and Zicchino（2006）運用PVAR分析了36個國家公司層面的現(xiàn)金流與動態(tài)投資行為的關(guān)系［18］，段顯明等（2012）通過構(gòu)建PVAR模型分析三種環(huán)境污染與經(jīng)濟增長的動態(tài)關(guān)系［3］，陶長琪等（2015）建立了經(jīng)濟增長、產(chǎn)業(yè)結(jié)構(gòu)和碳排放間的PVAR模型［27］。本文采用2005-2014年的中國30個省市的相關(guān)數(shù)據(jù)構(gòu)建PVAR模型，先用GMM估計出三大環(huán)境污染與經(jīng)濟增長、能源消費、FDI以及城鎮(zhèn)化變量的回歸結(jié)果，然后利用脈沖響應(yīng)函數(shù)研究擾動項是如何影響各變量的，最后利用方差分析衡量各變量的貢獻值。

五、實證分析

（一）多重共線性檢驗

由于本文所涉及的解釋變量較多，為防止出現(xiàn)多重共線性，特進行多重共線性檢驗。首先通過計算解釋變量之間兩兩的相關(guān)系數(shù)，初步判斷模型中是否存在多重共線性，計算結(jié)果見表2所列。表中CARBON與ENERGY之間的相關(guān)系數(shù)大于0.5但小于0.9，其他解釋變量之間的相關(guān)系數(shù)均小于0.5，這說明本文各解釋變量間的多重共線性現(xiàn)象較輕。

表2 相關(guān)系數(shù)檢驗

下面，通過建立每個解釋變量與其他幾個解釋變量的輔助回歸方程得到的擬合系數(shù)計算方差膨脹因子，根據(jù)方差膨脹因子的大小判斷是否存在多重共線性，計算結(jié)果見表3所列。表中的方差膨脹因子均遠遠小于10，再次說明本文各解釋變量間的多重共線性現(xiàn)象不會影響到最終的結(jié)論，可以忽略。

表3 方差膨脹因子檢驗

（二）單位根檢驗

構(gòu)建PVAR模型前，需對各變量進行平穩(wěn)性檢驗，本文對各變量進行LLC、Fisher ADF和Fisher PP單位根檢驗。這些檢驗方法的原假設(shè)均為變量存在單位根。表4統(tǒng)計了本文涉及的7個變量的三種單位根檢驗結(jié)果，結(jié)果表明7個變量均屬于平穩(wěn)時間序列。

表4 面板單位根檢驗結(jié)果

（三）滯后階數(shù)選擇

面板模型中包含多個截面?zhèn)€體，其截面異質(zhì)性將導(dǎo)致序列的不平穩(wěn)。本文采用Arellano and Bover （1990）提出的向前均值差分法去除面板模型中的個體固定效應(yīng)和時期效應(yīng)［24］。建立變量間的PVAR模型需要選擇合適的滯后期，過長會丟失部分樣本數(shù)據(jù)，過短會使檢驗結(jié)果不可靠。本文將（3）式滯后四期，根據(jù)AIC、BIC、HQIC準(zhǔn)則判斷最佳滯后階數(shù)，一般是依據(jù)信息量取值最小的準(zhǔn)則確定。結(jié)果見表5所列，三組模型均為滯后一階。

表5 滯后階數(shù)檢驗結(jié)果

（四）在面板數(shù)據(jù)上估計VAR

本文使用stata 11.0統(tǒng)計分析軟件對上述PVAR模型進行系統(tǒng)GMM分析，經(jīng)過500次Monte-Carlo模擬，得到了三組模型的GMM估計系數(shù)見表6所列（L.表示滯后一期）。

表6 PVAR模型GMM估計系數(shù)

面板CARBON的估計結(jié)果顯示，碳排放、經(jīng)濟增長、能源消費、外商直接投資以及城鎮(zhèn)化這五個變量之間存在著顯著的動態(tài)影響關(guān)系。在“碳排放”方程中，滯后一期的碳排放在1%水平下顯著為正，說明碳排放具有自身累積效應(yīng)和傳導(dǎo)慣性。滯后一期的經(jīng)濟增長和城鎮(zhèn)化均在10%水平下顯著，表明經(jīng)濟增長將會加大碳排放，反之隨著城鎮(zhèn)化水平的提高，碳排放將會呈現(xiàn)遞減的趨勢。在“經(jīng)濟增長”方程中，所有因素均顯著，其中碳排放、能源消費和外商直接投資顯著為負，表明繼續(xù)走粗放式消耗、盲目招商引資的經(jīng)濟發(fā)展道路是行不通的；滯后一期的經(jīng)濟增長和城鎮(zhèn)化顯著為正，說明經(jīng)濟增長本身具有累積效應(yīng)，而且加大城鎮(zhèn)化有利于經(jīng)濟增長。在“能源消耗”的方程中，經(jīng)濟增長和外商直接投資在10%水平下顯著為正，說明這兩者的發(fā)展需要在能源消耗加大的代價下完成。在“外商直接投資”的方程中，只有自身滯后一期是顯著為正的。在“城鎮(zhèn)化”方程中，除碳排放因素外，其他因素均在1%水平下顯著，而且經(jīng)濟增長、能源消耗和外商直接投資均會減緩城鎮(zhèn)化進程。

面板SOLID的“固體廢物排放”方程中，經(jīng)濟增長和外商直接投資均顯著為負，說明兩者均加劇了工業(yè)固體廢物的排放量。在“經(jīng)濟增長”方程中，固體廢物排放將減緩經(jīng)濟增長，城鎮(zhèn)化將有利于經(jīng)濟增長。在“能源消費”和“外商直接投資”方程中，只有自身滯后一期是顯著為正的。在“城鎮(zhèn)化”方程中，固體廢物排放不利于城鎮(zhèn)化進程，城鎮(zhèn)化自身具有累積效應(yīng)。相比之下，面板SOLID五個變量的動態(tài)關(guān)系較面板CARBON和面板WATER最弱。

面板WATER的“廢水排放”方程中，只有自身滯后一期顯著為正。在“經(jīng)濟增長”方程中，同碳排放一樣，廢水排放、能源消耗和外商直接投資均在1%水平下顯著為負。在“能源消費”和“外商直接投資”方程中，只有自身滯后一期是顯著為正的。在“城鎮(zhèn)化”方程中，所有變量均在1%水平下顯著，且廢水排放、經(jīng)濟增長、能源消耗和外商直接投資均會減緩城鎮(zhèn)化進程。

綜上，不同污染物排放受到五個變量滯后一期的反饋是不一樣的，碳排放受到經(jīng)濟增長和城鎮(zhèn)化的影響較顯著，固體廢物排放受到經(jīng)濟增長和外商直接投資影響較顯著，而且三大污染物均受到自身滯后一期的影響，說明三大污染均具有累積性和傳導(dǎo)性。

（五）脈沖響應(yīng)函數(shù)

為進一步檢驗各變量間的動態(tài)關(guān)系，本文使用脈沖響應(yīng)函數(shù)研究擾動項對反應(yīng)變量的當(dāng)前期和未來的影響。由于篇幅有限，本文只展示面板CAR?BON的脈沖響應(yīng)圖，如有需要，可向作者索取其他兩面板的響應(yīng)圖。如圖1所示，置信區(qū)間為95%（中間為IRF點估計值，兩外側(cè)分別為95%置信區(qū)間的上下邊界），橫軸代表滯后期數(shù)。

圖1 面板CARBON的脈沖響應(yīng)

基于以上PVAR的估計結(jié)果，采用Monte-Carlo模擬500次得到相應(yīng)的脈沖響應(yīng)圖。根據(jù)三大污染在面對各個變量的沖擊時的動態(tài)反應(yīng)可知：①三大污染排放在短期內(nèi)自身對自身的促進效應(yīng)最大，碳排放在第1期面對一單位標(biāo)準(zhǔn)差的沖擊迅速提高了0.1個單位，同樣地，固體廢物排放提高了1個單位，廢水排放提高了2.5個單位，但隨后的2-6期，影響程度逐漸下降并趨向于零；②三大污染面對另外四個變量的沖擊時，各動態(tài)反應(yīng)有差別。面對經(jīng)濟增長的一個單位標(biāo)準(zhǔn)差的沖擊，碳排放在第1期迅速減低0.01個單位，之后保持下降的幅度，固體廢物排放和廢水排放在1-6期的增長都較小。碳排放和廢水排放面對能源消費和外商直接投資的一個單位標(biāo)準(zhǔn)差的沖擊產(chǎn)生較小的正向波動，面對城鎮(zhèn)化的沖擊產(chǎn)生負向波動，但固體廢物排放面對能源消費和外商直接投資產(chǎn)生負向波動，面對城鎮(zhèn)化的沖擊產(chǎn)生正向波動。

根據(jù)各變量面對三大污染沖擊時的動態(tài)反應(yīng)，可知：①經(jīng)濟增長對三大污染物排放的沖擊均表現(xiàn)出下降的趨勢；②能源消費在碳排放和固體廢物排放的沖擊下表現(xiàn)出下降的趨勢，但面對廢水排放的沖擊呈現(xiàn)增長的趨勢；③外商直接投資在碳排放和廢水排放的沖擊下呈現(xiàn)增長趨勢，在固體廢物排放的沖擊下表現(xiàn)為下降的趨勢；④是城鎮(zhèn)化在碳排放和廢水排放的沖擊下呈現(xiàn)下降趨勢，在固體廢物排放的沖擊下表現(xiàn)為增長的趨勢。

（六）方差分解

接下來本文采用方差分解來分析不同擾動項對系統(tǒng)內(nèi)生變量波動的貢獻度，從而來評判不同擾動項對于變量的相對重要性。由于篇幅限制，本文僅展示出面板CARBON的個內(nèi)生變量在第10、20和30個預(yù)測期的方差分解值，見表7所列。

分析發(fā)現(xiàn)，第20和30個預(yù)測期的方差分解值基本一致，說明在第20個預(yù)測期之后，各變量之間的動態(tài)關(guān)系基本穩(wěn)定。根據(jù)第30個預(yù)測期可知，在面板CARBON中，五個變量（CARBON/Y1/ENERGY/FDI/ URBAN）貢獻比例為0.932 4∶0.012 5∶0.018 8∶0.027 6∶0.008 6；在面板SOLID中，五個變量貢獻比例為0.77∶0.00 5∶0.072 6∶0.156 2∶0.000 04；在面板WATER在，五個變量貢獻比例為：0.99∶0.001 5∶0.001 2∶0.002 7∶0.004 4。這說明三大污染排放的方差貢獻值主要受自身影響，而且不同污染受相同變量的方差貢獻值比例也不同，如經(jīng)濟增長對三大污染排放的方差貢獻值存在差別，碳排放中貢獻值為1.25%，固體廢物排放中為0.05%，廢水排放中為0.15%，這也驗證了前文所述的三大污染受系統(tǒng)內(nèi)生變量的影響各不一樣，所以政府在制定相應(yīng)的污染減排政策時要考慮不同污染指標(biāo)的影響因素不同，有針對性地采取相應(yīng)方案。

表7 內(nèi)生變量預(yù)測誤差的方差分解

（七）Granger因果檢驗

將五個變量滯后一期進行Granger因果檢驗，表8展示了在面板CARBON中的檢驗結(jié)果。

結(jié)果顯示：①經(jīng)濟增長是碳排放的Granger原因，同時碳排放是經(jīng)濟增長的Granger原因，兩者存在雙向因果關(guān)系。能源消費是碳排放的Granger原因，但碳排放不是能源消費的Granger原因，而且經(jīng)濟增長與能源消費也存在著雙向因果關(guān)系，這表明隨著經(jīng)濟的增長，能源消費強度會加大，碳排放也就相應(yīng)地增加，碳排放的增加反過來會抑制經(jīng)濟的增長，間接地影響能源消費強度。②外商直接投資不是碳排放的Granger原因，而且碳排放也不是外商直接投資的Granger原因，但外商直接投資是經(jīng)濟增長和能源消費的Granger原因，這說明外商直接投資是通過能源消費和經(jīng)濟增長間接影響碳排放的。③城鎮(zhèn)化不是其他四個變量的Granger原因，但經(jīng)濟增長、能源消費和外商直接投資是城鎮(zhèn)化的Granger原因，這說明經(jīng)濟增長、能源消費和外商直接投資可以帶動城鎮(zhèn)化進程。

表8 Granger因果檢驗

六、研究結(jié)論與啟示

中國各地區(qū)三大污染與經(jīng)濟社會的關(guān)系差異較大，本文采用中國30個省市2005-2014年碳排放、工業(yè)固體廢物排放、工業(yè)廢水排放、經(jīng)濟增長、能源消費、外商直接投資和城鎮(zhèn)化的省級面板數(shù)據(jù)，應(yīng)用PVAR模型的GMM估計方法，對這幾個變量間的動態(tài)影響關(guān)系進行了實證分析，得出以下結(jié)論：

第一，碳排放相對于固體廢物排放和廢水排放與其他四個變量的雙向動態(tài)關(guān)系更顯著，而且除城鎮(zhèn)化能減緩碳排放外，經(jīng)濟增長、能源消費、外商直接投資均加劇碳排放強度。相比之下，固體廢物排放和廢水排放很大程度上受過去排放物的影響，一定程度上與污染物的形態(tài)有關(guān)系，碳排放這類廢氣污染物由于空氣循環(huán)和自我凈化，累積效應(yīng)稍弱。但固體廢物排放和廢水排放不易轉(zhuǎn)移，故負效應(yīng)得以延續(xù)。

第二，不同污染物中，環(huán)境與經(jīng)濟的雙向耦合關(guān)系處在不同的發(fā)展階段：經(jīng)濟增長將加劇固體廢物排放和廢水排放，卻能減緩碳排放，同時三大污染物排放的增加均會抑制經(jīng)濟增長。這說明我國經(jīng)濟增長和固體廢物排放、廢水排放之間存在不良的反饋機制，部分工業(yè)發(fā)展以高能耗、浪費水資源的方式進行粗放式增長，但同時國家相關(guān)節(jié)能減排的政策能有效地控制住碳排放。

第三，能源消費對三大污染物的影響在當(dāng)前期并不顯著，但從脈沖響應(yīng)圖中可以看出，隨著能源消費的增加，碳排放會穩(wěn)步增加，固體廢物排放會減少，廢水排放仍然不顯著，而且碳排放和固體廢物排放的增加會抑制能源消費的增加，這說明能源消費主要影響碳和固體廢物兩大污染物的排放。

第四，在外商直接投資方面，碳排放和廢水排放會隨著外商直接投資的增加而增加，相反，固體廢物排放會顯著減少。同時，三大污染物排放對外商直接投資的影響均不顯著。

第五，城鎮(zhèn)化進程的加快會減少碳排放和廢水排放，但是會加劇固體廢物的排放，同時，碳排放、固體廢物排放和廢水排放會減緩城鎮(zhèn)化速度。這說明在城鎮(zhèn)化進程中，大量基礎(chǔ)設(shè)施建設(shè)的開工，水泥、放，同時隨著建設(shè)技術(shù)的提升，相應(yīng)的節(jié)水節(jié)能材料功能工具的使用又會減少碳排放和廢水排放。

基于以上研究結(jié)論，本文對于中國環(huán)境與經(jīng)濟社會發(fā)展有了一個更為全面的認識。一方面，在三大污染物排放的研究基礎(chǔ)上，發(fā)現(xiàn)中國已經(jīng)遠離“先污染后治理”的惡性循環(huán)發(fā)展策略，中國正在經(jīng)歷的經(jīng)濟轉(zhuǎn)型也為減排研究提供了良好的樣本，而且中國的自動減排行動也為各發(fā)展中國家樹立了典范。另一方面，影響污染物排放的其他幾大因素——能源消費的增加，外商直接投資的加大，城鎮(zhèn)化進程的加快將是減排目標(biāo)的潛在威脅。

中國正處于一個工業(yè)化和城市化的快速進程中，資源使用與生態(tài)保護、減排與發(fā)展都是亟需解決的矛盾。在中國共產(chǎn)黨第十八屆中央委員會第三次全體會議上，政府針對資源使用與生態(tài)保護提出了實行資源有償使用制度和生態(tài)補償制度，這項政策有助于促進企業(yè)在制定技術(shù)創(chuàng)新、能源利用和貿(mào)易策略時將環(huán)境成本納入考慮中?？蓪嵺`中卻存在節(jié)能減排的私人激勵不足以及節(jié)能減排技術(shù)推廣的緩慢性問題。同時隨著城鎮(zhèn)化成為中國未來發(fā)展?jié)撛诘闹饕獎恿?，國?wù)院在2014年印發(fā)了《國家新型城鎮(zhèn)化規(guī)劃（2014—2020年）》，目的在于將常住人口城鎮(zhèn)化率提高到60%，戶籍人口城鎮(zhèn)化率達到45%?？赡壳霸诔擎?zhèn)化進程中存在土地城市化的傾向，這將導(dǎo)致固定資產(chǎn)和基礎(chǔ)設(shè)施的盲目擴張，從而制約了能源效率的提升。

所以本文的研究旨在從更為細致的角度指出環(huán)境與經(jīng)濟社會的關(guān)系，從而相關(guān)結(jié)論可有助于政府制定出更為有效的環(huán)保政策：政府部門在制定相應(yīng)的環(huán)境污染治理政策時，應(yīng)充分考慮不同污染物的特殊性。經(jīng)濟增長、能源消費、外商直接投資以及城鎮(zhèn)化對于三大污染物排放影響有正有負，有顯著也有不顯著，在實現(xiàn)環(huán)保、集約式發(fā)展時有針對性地制定政策，提高環(huán)境規(guī)則強度，優(yōu)化環(huán)境規(guī)則形式。經(jīng)濟轉(zhuǎn)型是我國未來能夠保持可持續(xù)發(fā)展的必經(jīng)之路，能源消費結(jié)構(gòu)的調(diào)整、改善投資環(huán)境、優(yōu)化利用外資結(jié)構(gòu)、城鎮(zhèn)化進程中加大環(huán)境基礎(chǔ)設(shè)施建設(shè)投入都是在經(jīng)濟增長過程中確保減污的有效手段，而且要素投入推動轉(zhuǎn)變?yōu)樾蕿橹鞯慕?jīng)濟增長將在一定程度上減緩經(jīng)濟社會發(fā)展帶來的環(huán)境壓力。另外盡管本文已經(jīng)經(jīng)過嚴(yán)格的計量統(tǒng)計檢驗，而且所得結(jié)論符合預(yù)期，也具有一定的實際經(jīng)濟價值，但仍有更為深入的問題待下一步研究，例如三大污染物排放強度影響因素的地區(qū)差異以及行業(yè)差異等。

［1］Grossman G M,Krueger A B.Environmental Impacts of a North American Free Trade Agreement［J］.Social Science Electronic Publishing,1992,8（2）:223-250.

［2］Grossman G M,Krueger A B.Economic growth and the en?vironment［J］.Quarterly Journal of Economics,1995,110 （2）:353-377.

［3］段顯明,許敏.基于PVAR模型的我國經(jīng)濟增長與環(huán)境污染關(guān)系實證分析［J］.中國人口·資源與環(huán)境,2012（S2）: 136-139.

［4］Ang J B.CO2,emissions,research and technology transfer in China［J］.Ecological Economics,2009,68（10）:2658-2665.

［5］Wang S S,Zhou D Q,Zhou P,et al.CO2,emissions,energy consumption and economic growth in China:A panel data analysis［J］.Energy Policy,2011,39（9）:4870-4875.

［6］崔和瑞,王娣.基于VAR模型的我國能源-經(jīng)濟-環(huán)境（3E）系統(tǒng)研究［J］.北京理工大學(xué)學(xué)報:社會科學(xué)版,2010, 12（1）:23-28.

［7］林伯強,劉泓汛.對外貿(mào)易是否有利于提高能源環(huán)境效率——以中國工業(yè)行業(yè)為例［J］.經(jīng)濟研究,2015（9）：127-141.

［8］Nasir M,Rehman F U.Environmental Kuznets Curve for carbon emissions in Pakistan:An empirical investigation ［J］.Energy Policy,2011,39（3）:1857-1864.

［9］Liu X.Explaining the relationship between CO2,emissions and national income-The role of energy consumption［J］. Economics Letters,2005,87（3）:325-328.

［10］張瑜,王岳龍.外商直接投資、溢出效應(yīng)與內(nèi)生經(jīng)濟增長——基于動態(tài)面板與中國省際面板數(shù)據(jù)的經(jīng)驗分析［J］.經(jīng)濟與管理研究,2010（3）:112-117.

［11］Cole M A,Neumayer E.Examining the Impact of Demo?graphic Factors on Air Pollution［J］.Population&Environ?ment,2004,26（1）:5-21.

［12］張騰飛,楊俊,盛鵬飛.城鎮(zhèn)化對中國碳排放的影響及作用渠道［J］.中國人口·資源與環(huán)境,2016,26（2）:47-57.

［13］Panayotou T.Demystifying the environmental Kuznets curve:turning a black box into a policy tool［J］.Environ?ment&Development Economics,1997,2（4）:465-484.

［14］劉婕,魏瑋.城鎮(zhèn)化率、要素稟賦對全要素碳減排效率的影響［J］.中國人口·資源與環(huán)境,2014,24（8）:42-48.

［15］Qu B,Zhang Y.Effect of Income Distribution on the Envi?ronmental Kuznets Curve［J］.Pacific Economic Review, 2011,16（3）:349-370.

［16］Ren S,Yuan B,Ma X,et al.International Trade,FDI（for?eign Direct Investment)and Embodied CO2，Emissions:A Case Study Of China,s Industrial Sectors［J］.China Eco?nomic Review,2014,28（1）:123-134.

［17］李鍇，齊紹周.貿(mào)易開放、經(jīng)濟增長與中國二氧化碳排放［J］.經(jīng)濟研究，2011（11）：60-72.

［18］Love I,Zicchino L.Financial development and dynamic investment behavior:Evidence from panel VAR［J］.Quar?terly Review of Economics&Finance,2006,46（2）:190-210.

［19］連玉君.中國上市公司投資效率研究［M］.北京：經(jīng)濟管理出版社,2009.

［20］駱永民,劉艷華.金融集聚、人力資本與房價——基于PanelVAR模型［J］.財貿(mào)研究,2011,22（4）:93-101.

［21］蘇梽芳,廖迎,李穎.是什么導(dǎo)致了“污染天堂”:貿(mào)易還是FDI?——來自中國省級面板數(shù)據(jù)的證據(jù)［J］.經(jīng)濟評論, 2011（3）:97-104.

［22］Anderson T W,cheng Hsiao.Estimation of Dynamic Mod?els with Error Components［J］.Journal of the American Sta?tistical Association,1980,76：598-606.

［23］Arellano M,Bond S.Some Tests of Specification for Panel Data:Monte Carlo Evidence and an Application to Employ?ment Equations［J］.Review of Economic Studies,1991,58 （2）:277-297.

［24］Arellano M,Bover O.Another Look at Instrumental Vari?able Estimation of Error Component Models［J］.Journal of Econometrics,1990,68（1）:29-51.

［25］Blundell R,Bond S.Initial conditions and moment restric?tions in dynamic panel data models［J］.Journal of Econo?metrics,1998,87（1）：115-143.

［26］Holtz-Eakin D，Rosen H S.Estimating Vector Autoregres?sions with Panel Data［J］.Econometrica，1988，56（6）：1371-1395.

［27］陶長琪,彭永樟,琚澤霞.經(jīng)濟增長、產(chǎn)業(yè)結(jié)構(gòu)與碳排放關(guān)系的實證分析——基于PVAR模型［J］.經(jīng)濟經(jīng)緯, 2015（4）:126-131.

The Two-way Coupling Relationship between EnvironmentalPollution and Economic Growth, Energy Consumption,Foreign Direct Investment and Urbanization

FU Qiang,ZHANG Xiao-man，ZHANG Ya-jun
(School of Economics and Business Administration,Chongqin University,Chongqing 400030,China)

The paper builds the PVAR modelwhich comprises environmentalpollutants emissions,economic growth,energy consumption, foreign direct investment,urbanization according to three major environmentalpollutants emissions respectively.And we analyze and com?pare the two-way dynamic relationship among five variables by the impulse response,variance analysis and Granger causality test.The re?sults show that:The dynamic relationship among five variables is mostsignificantin the carbon emissions,and the two-way coupling rela?tionship between environmental pollutants emissions and economic growth,energy consumption and urbanization is significant;In addi?tion to their own factors,the variance contribution offoreign directinvestmenton carbon emissions and solid waste emissions is the largest, and the urbanization contributes mostto waste water discharge according to variance analysis.

environmentpollution;PVAR model;economic growth;energy consumption;FDI;urbanization

F124

A

1007-5097（2017）01-0083-09

［責(zé)任編輯：余志虎］

10.3969/j.issn.1007-5097.2017.01.011

2016-08-14

國家自然科學(xué)基金重點項目（71133007）；國家自然科學(xué)基金面上項目（71373297）;國家社會科學(xué)基金重點項目（15AZD014）

傅 強（1963-），男，重慶人，教授，研究方向：全球經(jīng)濟一體化，金融管制，公共政策分析；

張小漫（1992-），女，湖北荊州人，碩士研究生，研究方向：企業(yè)戰(zhàn)略管理；

張亞軍（1992-），男，重慶人，碩士研究生，研究方向：天然氣市場交易與定價機制設(shè)計。