外商直接投資對(duì)中國(guó)城市霧霾（PM2.5）污染的時(shí)空效應(yīng)檢驗(yàn)

嚴(yán)雅雪 齊紹洲

摘要

本文利用了1998—2012年中國(guó)241個(gè)城市的空間面板數(shù)據(jù)對(duì)中國(guó)霧霾污染和FDI的區(qū)域分布特征及空間溢出效應(yīng)進(jìn)行經(jīng)驗(yàn)考察，結(jié)合系統(tǒng)廣義矩估計(jì)（SGMM）方法構(gòu)建了動(dòng)態(tài)空間面板模型，采用了Morans I 和Gearys C 指數(shù)對(duì)中國(guó)FDI與霧霾（PM2.5）污染空間自相關(guān)性進(jìn)行了全域和局域分析。結(jié)果發(fā)現(xiàn)：①霧霾（PM2.5）污染與FDI存在顯著的空間正相關(guān)性，證明了霧霾（PM2.5）污染空間的溢出效應(yīng)以及FDI的輻射效應(yīng)的存在。同時(shí)FDI高值集聚區(qū)域一般是霧霾（PM2.5）高值集聚區(qū)，F(xiàn)DI低值集聚區(qū)域一般是霧霾（PM2.5）低值集聚區(qū)，表明一個(gè)地區(qū)的引資效果和霧霾（PM2.5）污染在地理上的集聚密切相關(guān)。霧霾（PM2.5）污染表現(xiàn)出顯著的“疊加效應(yīng)”和“溢出效應(yīng)”，說(shuō)明中國(guó)霧霾（PM2.5）污染在空間維度、時(shí)間維度以及時(shí)空維度上分別表現(xiàn)出交叉、累積、持續(xù)的演變特征。②全樣本下，F(xiàn)DI對(duì)霧霾（PM2.5）濃度的影響表現(xiàn)出增促效應(yīng)。FDI存量每升高1%，霧霾（PM2.5）濃度升高0.011%。③分地區(qū)樣本下，東部城市FDI存量每升高1%，霧霾（PM2.5）濃度升高0.001 9%；中部城市FDI存量每升高1%，霧霾（PM2.5）濃度升高0.018 3%；而西部城市FDI存量對(duì)霧霾（PM2.5）濃度影響不顯著。上述實(shí)證結(jié)果說(shuō)明中國(guó)霧霾污染存在著顯著的空間依賴(lài)性和區(qū)域異質(zhì)性，F(xiàn)DI對(duì)中國(guó)大部分城市的霧霾污染存在顯著的增促效應(yīng)。

關(guān)鍵詞外商直接投資；霧霾（PM2.5）污染；動(dòng)態(tài)空間面板模型

中圖分類(lèi)號(hào)F273；X513

文獻(xiàn)標(biāo)識(shí)碼A文章編號(hào)1002-2104（2017）04-0068-10doi：10.12062/cpre.20170321

改革開(kāi)放三十多年來(lái)，中國(guó)在引進(jìn)外商直接投資方面取得顯著進(jìn)展，1978年到2014年累計(jì)實(shí)際利用直接外商投資額達(dá)到32萬(wàn)億美元，高居全球第二位。外商直接投資（以下簡(jiǎn)稱(chēng)FDI）的注入不僅填補(bǔ)了中國(guó)經(jīng)濟(jì)發(fā)展過(guò)程中的資金缺口，還推動(dòng)了本土技術(shù)創(chuàng)新，從而加快了中國(guó)經(jīng)濟(jì)的發(fā)展，被認(rèn)為是中國(guó)經(jīng)濟(jì)增長(zhǎng)的基礎(chǔ)驅(qū)動(dòng)因素。但隨著經(jīng)濟(jì)的高速增長(zhǎng)，環(huán)境問(wèn)題日趨嚴(yán)重，特別是近些年來(lái)霧霾污染頻發(fā)、影響廣泛、治理難度大和常態(tài)化等特點(diǎn)。根據(jù)世界衛(wèi)生組織（WHO）發(fā)布的“2016年全球城市污染數(shù)據(jù)庫(kù)”，該數(shù)據(jù)庫(kù)中WHO將城市霧霾（PM2.5）平均濃度由高到低排列，其中前一百名城市中有30個(gè)為中國(guó)城市。在WHO公布的“全球疾病負(fù)擔(dān)評(píng)估”項(xiàng)目中估算出在2010年，中國(guó)室外空氣顆粒物污染（主要指PM2.5）導(dǎo)致120萬(wàn)人過(guò)早死亡。越來(lái)越多的跡象顯示，伴隨經(jīng)濟(jì)發(fā)展和生產(chǎn)技術(shù)創(chuàng)新，霧霾中人們陌生的污染物和新型有毒污染物所帶來(lái)的健康危害和環(huán)境風(fēng)險(xiǎn)也在不斷增加。同時(shí)，根據(jù)第三次全國(guó)工業(yè)普查資料顯示，早在1995年外商直接投資到污染密集行業(yè)有16 998家，工業(yè)總產(chǎn)值達(dá)4 153億元。近年來(lái)，外資在中國(guó)污染密集型行業(yè)中所占份額進(jìn)一步擴(kuò)大，2014年FDI在污染密集型行業(yè)中平均總資產(chǎn)份額仍高達(dá)26.12%，其中造紙業(yè)和皮革毛皮羽絨占制造業(yè)總資產(chǎn)份額分別高達(dá)40.19%和39.54%。因此，重新審視資金、技術(shù)轉(zhuǎn)移為一體的FDI與中國(guó)大氣污染的關(guān)系，對(duì)實(shí)現(xiàn)中國(guó)可持續(xù)發(fā)展具有重要意義。據(jù)此，本文利用FDI對(duì)霧霾（PM2.5）污染的影響來(lái)揭示FDI對(duì)大氣環(huán)境的影響，并在全國(guó)總樣本和區(qū)域樣本下FDI對(duì)霧霾（PM2.5）濃度的動(dòng)態(tài)空間影響分別進(jìn)行實(shí)證檢驗(yàn)，為“治霾”和“引資”提供經(jīng)驗(yàn)支持。

1文獻(xiàn)綜述

在外商直接投資與東道國(guó)的環(huán)境關(guān)系理論中，學(xué)術(shù)界一直存在著兩種觀(guān)點(diǎn)的對(duì)立。一種是惡化論。惡化論的主要理論是污染天堂假說(shuō)（Pollution Heaven Hypothesis）和環(huán)境竟次理論（Race to Bottom）。這一派如Cole[1]、Mani和Wheeler[2]通過(guò)實(shí)證分析證實(shí)了“污染天堂”（PHH）假說(shuō)是存在的。在對(duì)國(guó)外環(huán)境質(zhì)量的研究中，Pao和Tsai[3]采用誤差修正模型考察了1980年至2007年俄羅斯經(jīng)濟(jì)增長(zhǎng)和FDI對(duì)環(huán)境質(zhì)量的影響，實(shí)證結(jié)果發(fā)現(xiàn)FDI促進(jìn)了俄羅斯的環(huán)境惡化，提出發(fā)展中國(guó)家要嚴(yán)格審核FDI的質(zhì)量，避免對(duì)本國(guó)環(huán)境產(chǎn)生消極影響。Kari和Saddam[4]發(fā)現(xiàn)流入到沙特阿拉伯和阿曼卡塔爾的FDI顯著增加了碳排放量。Kivyiro和Arminen[5]采用自回歸分布滯后模型（ARDL）和世界銀行發(fā)展指標(biāo)考察了部分非洲國(guó)家在1971—2009年期間FDI對(duì)碳排放的影響，證實(shí)了FDI增加了碳排放量對(duì)環(huán)境產(chǎn)生了負(fù)面影響。Ong和Sek[6]采用了ARDL模型和非面板的VAR/VECM模型考察了1970—2008年經(jīng)濟(jì)增長(zhǎng)和環(huán)境質(zhì)量在高、中、低收入國(guó)家中的相互關(guān)系，研究結(jié)果發(fā)現(xiàn)FDI對(duì)中、低收入國(guó)家的環(huán)境惡化具有增促效應(yīng)。在對(duì)中國(guó)的環(huán)境研究中，He[7]在FDI和SO2之間建立五個(gè)聯(lián)立方程，分別代表總排放、規(guī)模效應(yīng)、結(jié)構(gòu)效應(yīng)、技術(shù)效應(yīng)和生產(chǎn)資本存量，并將五個(gè)變量按照不同權(quán)重進(jìn)行效應(yīng)加總，來(lái)考察中國(guó)29個(gè)省市的FDI對(duì)工業(yè)SO2排放的影響，結(jié)果發(fā)現(xiàn)FDI存量會(huì)對(duì)SO2排放量產(chǎn)生增促效應(yīng)，其中FDI增加1%，工業(yè)SO2排放量增加0.098%。Koo和Chung[8]采用協(xié)整分析和誤差修正模型考察了經(jīng)濟(jì)增長(zhǎng)和FDI對(duì)環(huán)境質(zhì)量的長(zhǎng)期和短期影響，結(jié)果發(fā)現(xiàn)流入到中國(guó)和印度的FDI對(duì)環(huán)境產(chǎn)生了消極影響，證實(shí)了污染天堂假說(shuō)。Wang和Chen[9]采用雙向固定效應(yīng)模型，對(duì)中國(guó)2002至2009年的FDI和環(huán)境質(zhì)量進(jìn)行了考察，認(rèn)為FDI自身具有負(fù)向的環(huán)境外部性。國(guó)內(nèi)學(xué)者中也有較多證實(shí)了PHH假說(shuō)，楊海生和賈佳[10]發(fā)現(xiàn)FDI與中國(guó)環(huán)境污染物排放之間存在顯著的增促效應(yīng)。于峰和齊建國(guó)[11]構(gòu)建了一個(gè)由五個(gè)單方程組成的聯(lián)立方程組，考察了FDI的環(huán)境效應(yīng)，認(rèn)為FDI的流入給中國(guó)的生態(tài)環(huán)境帶來(lái)了負(fù)面影響。王道漆和任榮明[12]在1980—2008年間中國(guó)實(shí)際利用TOI、經(jīng)濟(jì)規(guī)模與二氧化碳排放之間的格蘭杰因果關(guān)系進(jìn)行實(shí)證檢驗(yàn)，證明了FDI與中國(guó)碳排放量呈正相關(guān)性。牛海霞和胡佳雨[13]在面板模型中加入經(jīng)濟(jì)規(guī)模、經(jīng)濟(jì)結(jié)構(gòu)、貿(mào)易開(kāi)放度、能源技術(shù)進(jìn)步和城市化水平等變量，發(fā)現(xiàn)FDI與碳排放之間存在正相關(guān)性，F(xiàn)DI每增加1%，人均碳排放量上升0.09%；而區(qū)域結(jié)果的分析表明，東部區(qū)域FDI的碳排放效應(yīng)系數(shù)最大、能耗強(qiáng)度最低。黃梅[14]針對(duì)FDI和環(huán)境污染之間的關(guān)系進(jìn)行了實(shí)證分析，認(rèn)為經(jīng)濟(jì)增長(zhǎng)、FDI和環(huán)境污染之間存在著長(zhǎng)期協(xié)整關(guān)系，F(xiàn)DI提高了中國(guó)的廢水處理能力，但是總體來(lái)說(shuō)仍然導(dǎo)致了中國(guó)環(huán)境進(jìn)一步惡化。

另一種是有益論。有益論的主要理論是污染暈輪效應(yīng)（Pollution Halo）和竟優(yōu)理論（Race to top）。這一派如Grey[15]認(rèn)為跨國(guó)公司擁有更先進(jìn)的清潔技術(shù)以及環(huán)境管理體系，F(xiàn)DI在東道國(guó)實(shí)現(xiàn)了技術(shù)擴(kuò)散和外溢效應(yīng)，提供了學(xué)習(xí)示范效應(yīng)。竟優(yōu)理論認(rèn)為FDI會(huì)促進(jìn)當(dāng)?shù)丨h(huán)境規(guī)制的提高。Frankel 和 Rose[16]在構(gòu)建的模型中除了人均GDP的三次項(xiàng)外還加入了貿(mào)易開(kāi)放度、民主程度以及人口密度等解釋變量來(lái)控制FDI對(duì)四種主要空氣污染物（SO2、NO2、PM10和BOD）的影響，結(jié)果發(fā)現(xiàn)FDI的進(jìn)入能夠降低空氣污染物的排放，證實(shí)了污染暈輪效應(yīng)。Hassaballa[17]采用協(xié)整和誤差修正模型考察了1970至2005年FDI與環(huán)境的關(guān)系，發(fā)現(xiàn)FDI技術(shù)溢出效應(yīng)可以降低環(huán)境污染的程度。國(guó)內(nèi)學(xué)者許和連和鄧玉萍[18]利用空間滯后模型和空間誤差模型證實(shí)了FDI 在地理上的集群有利于改善我國(guó)的大氣環(huán)境污染，證實(shí)了“污染暈輪”假說(shuō)。許士春和何正霞[19]構(gòu)建包含污染方程和產(chǎn)出方程的模型來(lái)分析中國(guó)經(jīng)濟(jì)增長(zhǎng)與環(huán)境污染之間的相互關(guān)系，利用中國(guó)1990—2005年16年間28個(gè)省市的面板數(shù)據(jù)，證實(shí)FDI能改善中國(guó)的環(huán)境污染狀況，出口的增長(zhǎng)卻會(huì)惡化環(huán)境質(zhì)量。熊立、許可和王鈺[20]論證了 FDI 的進(jìn)入與 CO2排放量的關(guān)系，證實(shí)了FDI的流入并沒(méi)有造成發(fā)達(dá)經(jīng)濟(jì)體的“骯臟”產(chǎn)業(yè)大規(guī)模的轉(zhuǎn)移到中國(guó)。

除了這兩種假說(shuō)對(duì)立的觀(guān)點(diǎn)之外，部分學(xué)者認(rèn)為FDI對(duì)環(huán)境影響不大，可以忽略不計(jì)；如Acharyya[21]考察了印度FDI對(duì)碳排放量的增長(zhǎng)，發(fā)現(xiàn)污染天堂假說(shuō)并不能解釋印度碳排放量的增長(zhǎng)，提出碳排放量的增長(zhǎng)主要受到經(jīng)濟(jì)增長(zhǎng)的影響。Zhang和Song[22]采用Johansen協(xié)整檢驗(yàn)發(fā)現(xiàn)FDI對(duì)中國(guó)碳排放影響極小。有的研究則提出FDI具有不同的效應(yīng)，而且對(duì)環(huán)境的影響不同。Grossman和Kruger[23]提出FDI對(duì)環(huán)境的影響分為規(guī)模效應(yīng)、結(jié)構(gòu)效應(yīng)、和技術(shù)效應(yīng)，并建立了FDI環(huán)境效應(yīng)的分析框架。國(guó)內(nèi)大多數(shù)研究認(rèn)為規(guī)模效應(yīng)對(duì)環(huán)境有負(fù)面影響，而結(jié)構(gòu)效應(yīng)和技術(shù)效應(yīng)則因研究對(duì)象和方法的不同表現(xiàn)出不同的影響。如李子豪和代迪爾[24]構(gòu)建了獨(dú)立的技術(shù)方程，以期實(shí)現(xiàn)對(duì)FDI、碳排放和其他因素的系統(tǒng)考察。提出FDI的規(guī)模和結(jié)構(gòu)效應(yīng)顯著的增加了各省份的碳排放量，而技術(shù)效應(yīng)則能夠通過(guò)技術(shù)外溢有效的減少各省份的碳排放量，環(huán)境管制對(duì)各地碳排放量的抑制則尚不明顯。

上述文獻(xiàn)對(duì)FDI與大氣污染的關(guān)系進(jìn)行了經(jīng)驗(yàn)考察和研究，為宏觀(guān)治霾政策提供了豐富的經(jīng)驗(yàn)成果，但相比之下，F(xiàn)DI對(duì)PM2.5濃度的影響缺乏系統(tǒng)性的考察，這種“短板”現(xiàn)象影響了治霾政策的完整性。為了重新審視FDI與中國(guó)霧霾的關(guān)系，本文在現(xiàn)有文獻(xiàn)基礎(chǔ)上進(jìn)行了如下拓展：

第一，現(xiàn)有研究以TSP、SO2、NOX等常規(guī)大氣污染物作為研究對(duì)象已經(jīng)開(kāi)展了較為豐富的經(jīng)驗(yàn)考察，但均有一定的局限性。曹子陽(yáng)[25]認(rèn)為PM2.5是諸多有害物質(zhì)的載體和集合體，具有重量輕、體積小、能直接進(jìn)入呼吸道深部和肺泡，嚴(yán)重影響人體健康的特點(diǎn)，其濃度值能最大限度的代表整體大氣環(huán)境污染水平。所以，本文將PM2.5濃度表征霧霾濃度。

第二，向堃和宋德勇[26]認(rèn)為空間計(jì)量與傳統(tǒng)計(jì)量模型相比，拋棄了地理空間均質(zhì)性的假設(shè)、充分考慮了地區(qū)之間空間交互影響，使模型能夠?qū)ρ芯繉?duì)象的真實(shí)情況進(jìn)行擬合。同時(shí)，Elhorst[27]認(rèn)為當(dāng)期的空間依賴(lài)特征或誤差特征還會(huì)受到先前本地區(qū)的社會(huì)經(jīng)濟(jì)選擇的“路徑依賴(lài)”的影響，即動(dòng)態(tài)空間面板模型可以對(duì)霧霾（PM2.5）污染濃度的時(shí)間滯后性和空間滯后性予以揭示。為準(zhǔn)確地反映當(dāng)期FDI對(duì)霧霾（PM2.5）濃度的影響，我們將動(dòng)態(tài)空間面板模型中的空間滯后項(xiàng)和時(shí)期滯后項(xiàng)進(jìn)行共同考察，來(lái)控制相鄰地區(qū)霧霾污染的“溢出效應(yīng)”和本地區(qū)社會(huì)經(jīng)濟(jì)選擇的“疊加效應(yīng)”的影響。所以，本文利用動(dòng)態(tài)空間計(jì)量模型來(lái)研究FDI對(duì)霧霾（PM2.5）濃度的影響。

第三，利用動(dòng)態(tài)空間面板模型結(jié)合系統(tǒng)廣義矩估計(jì)（SGMM）方法不僅可以減少由于控制變量設(shè)置的不全面所導(dǎo)致的被解釋變量未被完全控制和測(cè)量誤差的問(wèn)題，還可以控制被解釋變量和解釋變量相互影響等問(wèn)題。系統(tǒng)廣義矩估計(jì)（SGMM）通常被視為解決內(nèi)生性問(wèn)題的一種有效方法，可以減少模型估計(jì)中霧霾污染由于大氣環(huán)流或大氣化學(xué)作用等自然因素所導(dǎo)致的內(nèi)生性問(wèn)題，從而提高模型的估計(jì)精度。

2模型構(gòu)建及數(shù)據(jù)來(lái)源

Grossman提出了環(huán)境庫(kù)茲涅茲曲線(xiàn)（EKC）的概念，認(rèn)為環(huán)境質(zhì)量會(huì)伴隨最初的經(jīng)濟(jì)增長(zhǎng)而惡化，但達(dá)到某個(gè)臨界值時(shí)，環(huán)境污染的程度開(kāi)始有所緩解，即呈現(xiàn)出倒“U”型發(fā)展軌跡，為經(jīng)濟(jì)增長(zhǎng)和環(huán)境污染之間的關(guān)系研究奠定了堅(jiān)實(shí)的理論基礎(chǔ)。我們參照Antweiler等文獻(xiàn)的做法，將經(jīng)濟(jì)增長(zhǎng)分解為一次項(xiàng)、二次項(xiàng)，用來(lái)考察在經(jīng)濟(jì)快速增長(zhǎng)下中國(guó)FDI對(duì)PM2.5濃度的影響，故本文建立如下計(jì)量模型：初始模型可以寫(xiě)為：

lnPMit=β0+β1lnagdpit+β2（lnagdpit）2+β3lnfdiit+β4regit+

β5govit+β6techit+β7isit+β8lnglit+μit

（1）

式中，lnpmit表示第i個(gè)地區(qū)第t個(gè)時(shí)期的PM2.5濃度，fdiit為第個(gè)地區(qū)的外商直接投資水平，regit為第i個(gè)地區(qū)的環(huán)境規(guī)制水平、govit為第i個(gè)地區(qū)的政府財(cái)政投入（科技投入除外）、為第i個(gè)地區(qū)的第二產(chǎn)業(yè)增加值比例、techit為第i個(gè)地區(qū)的技術(shù)研發(fā)強(qiáng)度、isit為第i個(gè)地區(qū)的園林綠地面積，μit為正態(tài)分布的隨機(jī)誤差項(xiàng)。

被解釋變量：霧霾PM2.5濃度（Pm）。本文所采用的源數(shù)據(jù)來(lái)自于哥倫比亞大學(xué)國(guó)際地球科學(xué)信息網(wǎng)絡(luò)中心（CIESIN）所屬的社會(huì)經(jīng)濟(jì)數(shù)據(jù)和應(yīng)用中心（SEDAC）公布的相關(guān)數(shù)據(jù)，該數(shù)據(jù)以衛(wèi)星搭載的中分辨率成像光譜儀（MODIS）和多角度成像光譜儀（MISR）測(cè)算得到的氣溶膠光學(xué)厚度（AOD）為基礎(chǔ)，被轉(zhuǎn)化為柵格數(shù)據(jù)形式的全球PM2.5濃度的監(jiān)測(cè)數(shù)據(jù)。我們進(jìn)一步采用ArcGIS軟件將此柵格數(shù)據(jù)解析為中國(guó)241個(gè)城市的年均PM2.5濃度數(shù)據(jù)。由于該機(jī)構(gòu)公布的 1998—2012年的PM2.5的數(shù)據(jù)是3年的滑動(dòng)平均值，所以，本文將其他解釋變量亦做了3年的滑動(dòng)平均處理。

核心解釋變量：外商直接投資（FDI）。利用永續(xù)盤(pán)存法來(lái)考察FDI存量，具有全面客觀(guān)的特點(diǎn)。故本文采用FDI存量指標(biāo)來(lái)全面考察FDI對(duì)霧霾（PM2.5）污染的影響，利用永續(xù)盤(pán)存法來(lái)計(jì)算FDI存量，其計(jì)算公式是：FDIit=FDIi，t-1（1-ρ）+Ii，t，F(xiàn)DIi，t是i省t年FDI流量，我們借鑒張軍[18]折舊率ρ取值為9.6%。各省年度FDI數(shù)據(jù)來(lái)自于中經(jīng)網(wǎng)。

控制變量：①人均收入（agdp）。人均地區(qū)生產(chǎn)總值代表了各城市的經(jīng)濟(jì)增長(zhǎng)水平。本文采用的人均國(guó)內(nèi)地區(qū)生產(chǎn)總值數(shù)據(jù)是以1998年為基年經(jīng)過(guò)測(cè)算GDP平減指數(shù)調(diào)整后得到實(shí)際人均GDP，來(lái)表征不同經(jīng)濟(jì)規(guī)模下經(jīng)濟(jì)增長(zhǎng)對(duì)霧霾濃度的影響。②技術(shù)投入（tech）。本文利用城市的科學(xué)事業(yè)費(fèi)支出來(lái)表征研發(fā)強(qiáng)度對(duì)霧霾濃度的影響，并基于1998年不變價(jià)，經(jīng)過(guò)測(cè)算GDP平減指數(shù)調(diào)整后得到。③地方政府支出（gov）。本文采用地方政府財(cái)政支出（不包括科技支出）來(lái)表示政府行政干預(yù)程度，并基于1998年不變價(jià)，經(jīng)過(guò)測(cè)算GDP平減指數(shù)調(diào)整后得到。④產(chǎn)業(yè)結(jié)構(gòu)（is）。本文選擇第二產(chǎn)業(yè)增加值占GDP比重來(lái)反映產(chǎn)業(yè)結(jié)構(gòu)的變化對(duì)霧霾濃度的影響。⑤綠地面積（gl）。本文選用城市綠地面積覆蓋率來(lái)反映其對(duì)霧霾濃度的影響。以上控制變量數(shù)據(jù)覆蓋時(shí)間為1998—2012，為與霧霾濃度數(shù)據(jù)相匹配，故將1998年數(shù)據(jù)至2012年數(shù)據(jù)進(jìn)行3年平滑處理，最終選定241個(gè)城市的平均數(shù)據(jù)。以上數(shù)據(jù)均來(lái)源于《中國(guó)城市統(tǒng)計(jì)年鑒》和《中國(guó)統(tǒng)計(jì)年鑒》。表1報(bào)告了處理后的各變量的描述統(tǒng)計(jì)情況。

3.1.2局域空間自相關(guān)檢驗(yàn)

圖1和圖2報(bào)告了地理距離權(quán)重矩陣下部分年份中國(guó)霧霾污染的空間分布散點(diǎn)圖，圖中橫軸表示標(biāo)準(zhǔn)化的PM2.5濃度值，縱軸為PM2.5濃度值的空間滯后值，該圖分為四個(gè)象限，每個(gè)象限對(duì)應(yīng)不同的空間自相關(guān)類(lèi)型：第一

象限表示存在高-高型正相關(guān)、第三象限分別表示存在低-低型正相關(guān)，第二、四象限則表示負(fù)相關(guān)的非典型觀(guān)測(cè)區(qū)域。我們發(fā)現(xiàn)在局域空間自相關(guān)檢驗(yàn)中，中國(guó)大部分城市霧霾（PM2.5）污染都具有顯著高-高集聚和低-低集聚的空間正相關(guān)特征，存在顯著的空間依賴(lài)性。在地理距離權(quán)重設(shè)置下，在圖1中，1998—2000年分別有209個(gè)城市和21個(gè)城市霧霾（PM2.5）濃度的Morans I分別位于第一象限和第三象限，占總樣本的90.08%和9.05%。2010—2010年中分別有196個(gè)城市和31個(gè)城市霧霾（PM2.5）濃度的Morans I分別位于第一象限和第三象限，占總樣本的84.48%和13.36%。圖2中，1998—2000年分別有170個(gè)城市和56個(gè)城市FDI Morans I分別位于第一象限和第三象限，占總樣本的73.27%和24.13%。2010—2010年中分別有151個(gè)城市和76個(gè)城市FDI的Morans I分別位于第一象限和第三象限，占總樣本的65.08%和32.76%。在1998—2000年，霧霾（PM2.5）和FDI第一象限重疊城市有156個(gè)，第三象限重疊城市有9個(gè)。在2010—2012年，霧霾（PM2.5）和FDI第一象限重疊城市有129個(gè)，第三象限重疊城市有12個(gè)。結(jié)果表明，第一，中國(guó)大部分城市霧霾（PM2.5）污染和FDI都具有顯著高-高集聚和低-低集聚特征，存在顯著的空間依賴(lài)性。第二，中國(guó)霧霾（PM2.5）

污染高值區(qū)域和FDI高值區(qū)域有較高的重疊性，中國(guó)霧霾（PM2.5）污染低值區(qū)域和FDI低值區(qū)域有較高的重疊性，表明FDI高值集聚區(qū)一般是中國(guó)霧霾（PM2.5）濃度高值集聚區(qū)，F(xiàn)DI低值集聚區(qū)一般是中國(guó)霧霾（PM2.5）濃度低值集聚區(qū)。表明一個(gè)地區(qū)的引資效果

和霧霾（PM2.5）污染在地理上的集聚密切相關(guān)。為了進(jìn)一步驗(yàn)證FDI與霧霾（PM2.5）的空間相關(guān)性，本文將利用空間計(jì)量模型進(jìn)行實(shí)證研究。

3.2總樣本估計(jì)結(jié)果分析

在進(jìn)行空間面板模型估計(jì)之前，我們需要在空間滯后模型（SLM）和空間誤差模型（SEM）這兩個(gè)模型之間進(jìn)行比選。一般采用LM（Lagrange Multiplier）來(lái)進(jìn)行篩選，表3報(bào)告了空間面板模型的LM檢驗(yàn)。在地理距離權(quán)重的條件設(shè)定下，對(duì)空間滯后模型（SLM）和空間誤差模型（SEM）的進(jìn)行LM檢驗(yàn)后，空間滯后模型和空間誤差模型均在5%水平上顯著。表明在地理權(quán)重矩陣設(shè)定下，空間自相關(guān)模型優(yōu)于空間誤差模型，故后文將均采用空間滯后模型進(jìn)行分析。

由于霧霾污染屬于較為復(fù)雜的局部環(huán)境問(wèn)題，在很大程度上通過(guò)大氣環(huán)流、大氣化學(xué)作用等自然因素?cái)U(kuò)散或轉(zhuǎn)移到鄰近地區(qū)，需要通過(guò)系統(tǒng)廣義矩估計(jì)（SGMM）來(lái)減少由于大氣環(huán)流或大氣化學(xué)作用等自然因素所導(dǎo)致的內(nèi)生性問(wèn)題。同時(shí)，SGMM方法適用于截面單位多而時(shí)間跨度小（大N小T）型的面板數(shù)據(jù)。本文選取的241個(gè)城市15年的面板數(shù)據(jù)樣本可以很好地滿(mǎn)足這一要求。表4報(bào)告了FDI存量的動(dòng)態(tài)空間滯后模型（SLM）結(jié)合廣義矩估計(jì)（SGMM）方法的參數(shù)估計(jì)結(jié)果，結(jié)論如下：

第一，在動(dòng)態(tài)空間面板模型中，全樣本估計(jì)回歸結(jié)果的Sargan統(tǒng)計(jì)量均小于0.1，表明所設(shè)定的模型符合SGMM的要求，SGMM估計(jì)不存在工具變量過(guò)度識(shí)別的問(wèn)題，采用的工具變量是合理有效的。同時(shí)，時(shí)間滯后系數(shù)θ均在1%的水平上顯著為正，且時(shí)滯項(xiàng)系數(shù)（θ）在0.87水平上，再次證實(shí)了霧霾（PM2.5）污染存在明顯的時(shí)間滯后性，表明了霧霾（PM2.5）污染在時(shí)間維度上具有“疊加效應(yīng)”，即如果上一期的霧霾（PM2.5）濃度較高，那么下一期霧霾（PM2.5）濃度則有繼續(xù)走高的可能性。同時(shí)，空間滯后系數(shù)ρ均在1%的水平上顯著為正，且空間滯后項(xiàng)系數(shù)（ρ）在4.45水平上，再次證實(shí)了霧霾（PM2.5）污染存在明顯的空間溢出效應(yīng)。動(dòng)態(tài)空間面板證實(shí)了霧霾（PM2.5）濃度受到空間滯后項(xiàng)影響較大而并非時(shí)間滯后項(xiàng)，即“溢出效應(yīng)”大于“疊加效應(yīng)”，表明中國(guó)霧霾（PM2.5）污染在空間維度、時(shí)間維度及其時(shí)空維度上表現(xiàn)出交叉、累積、持續(xù)的演變特征。

第二，通過(guò)動(dòng)態(tài)空間計(jì)量模型，我們證實(shí)了FDI存量對(duì)霧霾（PM2.5）濃度產(chǎn)生了促增效應(yīng)這一結(jié)論。其原因是霧霾（PM2.5）污染受到FDI的規(guī)模效應(yīng)、結(jié)構(gòu)效應(yīng)和技術(shù)效應(yīng)的綜合作用的結(jié)果。規(guī)模效應(yīng)是指一國(guó)為了達(dá)到彌補(bǔ)該國(guó)（地區(qū)）資金短缺的目的，通過(guò)吸引外資從而使生產(chǎn)規(guī)模得到進(jìn)一步擴(kuò)大。1978—2014年中國(guó)累計(jì)引進(jìn)FDI 32萬(wàn)億美元，每年以14.73%速度遞增①，它的流入帶動(dòng)了更多的勞動(dòng)力和資源的投入，而更多的自然資源消耗使中國(guó)自然資源過(guò)度開(kāi)發(fā)和能源消耗規(guī)模擴(kuò)大，帶來(lái)了更多的污染和環(huán)境壓力，因此FDI規(guī)模效應(yīng)給中國(guó)環(huán)境帶來(lái)了負(fù)效應(yīng)；結(jié)構(gòu)效應(yīng)是指由于FDI的引進(jìn)，導(dǎo)致東道國(guó)產(chǎn)業(yè)結(jié)構(gòu)發(fā)生變化的過(guò)程。在工業(yè)化和城市化進(jìn)程中，F(xiàn)DI的流入引起污染密集型產(chǎn)業(yè)的擴(kuò)張，提高了能耗和污染排放水平，進(jìn)而對(duì)環(huán)境質(zhì)量產(chǎn)生負(fù)效應(yīng)；技術(shù)效應(yīng)是指FDI帶來(lái)的環(huán)境技術(shù)的擴(kuò)散和推廣，表現(xiàn)在生產(chǎn)單位產(chǎn)品對(duì)環(huán)境造成的污染程度不斷降低或不斷增加。FDI集合了先進(jìn)的技術(shù)和管理經(jīng)驗(yàn)，在促進(jìn)中國(guó)經(jīng)濟(jì)增長(zhǎng)的過(guò)程中，將先進(jìn)技術(shù)和管理通過(guò)示范效應(yīng)、競(jìng)爭(zhēng)效應(yīng)、知識(shí)溢出效應(yīng)，減少了當(dāng)?shù)貑挝簧a(chǎn)的資源消耗和污染排放，改善了環(huán)境質(zhì)量。而FDI的技術(shù)效應(yīng)在中國(guó)主要表現(xiàn)在提高生產(chǎn)率的技術(shù)上，而較少傾向于污染減少型技術(shù)，所以FDI技術(shù)效應(yīng)對(duì)霧霾污染存在兩面性。總之，F(xiàn)DI總環(huán)境效應(yīng)是三個(gè)效應(yīng)的中和作用結(jié)果。實(shí)證結(jié)果表明在地理權(quán)重設(shè)置下，F(xiàn)DI存量每升高1%，霧霾（PM2.5）濃度升高0.011%，F(xiàn)DI對(duì)中國(guó)霧霾（PM2.5）污染的總效應(yīng)為增促效應(yīng)。

第三，在動(dòng)態(tài)空間面板模型估計(jì)的其他影響因素中，我們發(fā)現(xiàn)人均GDP的一次項(xiàng)系數(shù)為負(fù)和二次項(xiàng)系數(shù)均為正，而且其一次項(xiàng)、二次項(xiàng)均在1%水平上顯著，結(jié)果證實(shí)了中國(guó)省域霧霾（PM2.5）污染與經(jīng)濟(jì)增長(zhǎng)的“倒U”型關(guān)系是顯著存在的。從表征技術(shù)創(chuàng)新投入水平的研發(fā)強(qiáng)度系數(shù)估計(jì)結(jié)果來(lái)看，研發(fā)投入強(qiáng)度對(duì)霧霾（PM2.5）濃度的降低具有降減效應(yīng)，結(jié)果說(shuō)明中國(guó)的研發(fā)投入強(qiáng)度可能更多被用于綠色技術(shù)進(jìn)步，從而對(duì)霧霾濃度產(chǎn)生降減效應(yīng)。第二產(chǎn)業(yè)比重均在1%的水平上對(duì)霧霾污染表現(xiàn)出顯著的增促效應(yīng)，該結(jié)論與Poumanyvongh和Kaneko[30]研究一致。綠化面積覆蓋率均在1%的水平上對(duì)霧霾污染表現(xiàn)出顯著的降減效應(yīng)。

3.3分地區(qū)樣本估計(jì)回歸結(jié)果分析

國(guó)家層面的FDI的環(huán)境效應(yīng)反映全國(guó)整體平均水平和總體狀況，但整體的評(píng)價(jià)可能忽略了區(qū)域間的非典型性特征，故有必要針對(duì)東、中、西部地區(qū)的FDI對(duì)霧霾（PM2.5）濃度影響進(jìn)行獨(dú)立檢驗(yàn)來(lái)掌握中國(guó)不同地區(qū)的FDI對(duì)霧霾（PM2.5）影響程度。故下文將分地區(qū)樣本進(jìn)行回歸分析。

表5結(jié)果表明，分地區(qū)樣本估計(jì)回歸結(jié)果的Sargan統(tǒng)計(jì)量均小于0.1，表明東、中、西部地區(qū)符合SGMM的要求，分地區(qū)樣本執(zhí)行的SGMM估計(jì)不存在工具變量過(guò)度識(shí)別的問(wèn)題，采用的工具變量是合理有效的。另外，從Wald檢驗(yàn)和對(duì)數(shù)似然值（Log L）以及擬合優(yōu)度（R2）的結(jié)果來(lái)看，各個(gè)分樣本模型的擬合效果均較為理想。從空間維度上看，空間滯后系數(shù)ρ在在1%的水平上顯著為正，再次表明中國(guó)城市的霧霾污染在東、中、西部地區(qū)均存在明顯的

空間溢出效應(yīng)。西部城市的FDI的影響系數(shù)不顯著，表明FDI對(duì)西部城市霧霾（PM2.5）濃度影響并不顯著。表5的實(shí)證結(jié)果表明東部城市FDI存量每升高1%，PM2.5濃度升高0.001 9%；中部城市FDI存量每升高1%，PM2.5濃度升高0.018 3%；而西部城市FDI存量對(duì)霧霾（PM2.5）濃度影響不顯著，表明東部和中部城市的FDI的顯著水平在1%水平下均顯著，表明FDI對(duì)東中部城市霧霾（PM2.5）濃度均具有增促效應(yīng)，說(shuō)明對(duì)于霧霾污染而言，“污染天堂”假說(shuō)在我國(guó)東、中部城市是成立的。東部地區(qū)的FDI規(guī)模遠(yuǎn)遠(yuǎn)大于中部、西部地區(qū)，東、中、西部地區(qū)在1998—2014年間FDI平均投資規(guī)模分別為110 838.88億元、12 766.78億元、9 524.48億元。東、中部地區(qū)的霧霾濃度平均水平較西部地區(qū)高，東、中、西部地區(qū)在1998—2012年間PM2.5平均霧霾濃度分別為56.27 μg/m3、57.06 μg/m3、35.36 μg/m3。以上結(jié)論表明FDI的傾向往配套基礎(chǔ)設(shè)施完善、產(chǎn)業(yè)鏈完整和高端技術(shù)性人力資本豐富的地區(qū)流入。上述結(jié)果進(jìn)一步說(shuō)明了東、中、西部FDI對(duì)霧霾PM2.5濃度影響存在異質(zhì)性，主要表現(xiàn)在東部FDI結(jié)構(gòu)相對(duì)中部地區(qū)更優(yōu)質(zhì)化、清潔化，對(duì)霧霾濃度的貢獻(xiàn)度較少；中部地區(qū)FDI對(duì)中部霧霾濃度的貢獻(xiàn)度較高；西部FDI對(duì)霧霾濃度貢獻(xiàn)則不顯著。說(shuō)明中部城市要更加注重優(yōu)化外商投資結(jié)構(gòu)，重視吸引環(huán)保技術(shù)密集型外資企業(yè)到中部城市，提高“清潔化”外資比重。

4結(jié)論與啟示

本文利用1998—2012年中國(guó)241個(gè)城市的空間面板數(shù)據(jù)，利用Morans I 和Gearys C方法對(duì)中國(guó)霧霾污染進(jìn)行了全域空間自相關(guān)性和局域空間自相關(guān)性分析，基于EKC假說(shuō)構(gòu)建了空間面板數(shù)據(jù)模型，并將地理距離權(quán)重矩陣納入空間面板模型進(jìn)行考察，得到了如下結(jié)論：

第一，本研究利用探索性空間數(shù)據(jù)分析（ESDA）方法，結(jié)果發(fā)現(xiàn)中國(guó)大部分城市霧霾（PM2.5）污染和FDI都具有顯著高-高集聚和低-低集聚特征，存在顯著的空間依賴(lài)性和顯著的空間正相關(guān)性，證實(shí)了霧霾（PM2.5）污染空間的溢出效應(yīng)以及FDI的輻射效應(yīng)的存在。在地理距離權(quán)重設(shè)置下，F(xiàn)DI高值區(qū)域一般是PM2.5高值集聚區(qū)，F(xiàn)DI低值區(qū)域一般是PM2.5低值集聚區(qū)。表明一個(gè)地區(qū)的引資效果和PM2.5污染在地理上的集聚密切相關(guān)。

第二，全樣本下動(dòng)態(tài)空間面板模型的結(jié)果表明了霧霾（PM2.5）濃度受到空間滯后項(xiàng)影響較大，即“溢出效應(yīng)”大于“疊加效應(yīng)”，表明中國(guó)霧霾（PM2.5）污染在空間維度、時(shí)間維度、及其時(shí)空維度上分別表現(xiàn)出交叉、累積、持續(xù)的演變特征。在地理距離權(quán)重設(shè)置下，F(xiàn)DI存量每升高1%，霧霾（PM2.5）濃度升高0.011%；分地區(qū)樣本下，東部城市FDI存量每升高1%，霧霾（PM2.5）濃度升高0.001 9%；中部城市FDI存量每升高1%，霧霾（PM2.5）濃度升高0.018 3%；而西部城市FDI存量對(duì)霧霾（PM2.5）濃度影響不顯著。以上結(jié)果表明FDI是導(dǎo)致中國(guó)霧霾（PM2.5）濃度升高的影響因素之一，說(shuō)明了中國(guó)目前在吸引和利用FDI時(shí)，離最優(yōu)水平還有一定距離。

第三，在全樣本下的其他影響因素中，人均GDP的一次項(xiàng)系數(shù)為負(fù)值和二次項(xiàng)系數(shù)為正值，結(jié)果較為統(tǒng)一的證實(shí)了中國(guó)城市的霧霾（PM2.5）污染與經(jīng)濟(jì)增長(zhǎng)的“倒U”型關(guān)系的顯著存在，表明隨著人均GDP的增加，霧霾（PM2.5）濃度會(huì)呈現(xiàn)先上升，后下降的狀態(tài)。同時(shí)，研發(fā)投入強(qiáng)度對(duì)霧霾（PM2.5）濃度的降低均具有降減效應(yīng)，第二產(chǎn)業(yè)比重的增加對(duì)霧霾污染表現(xiàn)出顯著的增促效應(yīng)。綠化面積覆蓋率對(duì)霧霾污染表現(xiàn)出顯著為負(fù)的降減效應(yīng)。在區(qū)域樣本下的其他影響因素中，我們發(fā)現(xiàn)中國(guó)東、中部城市的霧霾（PM2.5）污染與經(jīng)濟(jì)增長(zhǎng)的“倒U”型關(guān)系也顯著存在。同時(shí)，研發(fā)投入強(qiáng)度對(duì)東、中部城市的霧霾（PM2.5）濃度具有降減效應(yīng)，第二產(chǎn)業(yè)比重增加對(duì)東、中部城市的霧霾污染有增促效應(yīng)。政府投入對(duì)中部城市霧霾濃度表現(xiàn)出顯著的降減效應(yīng)，而對(duì)西部城市霧霾濃度表現(xiàn)出顯著的增促效應(yīng)。

總之，F(xiàn)DI的輻射效應(yīng)對(duì)中國(guó)的經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型、能效降低、低碳技術(shù)創(chuàng)新和吸收能力的積極影響雖然功不可沒(méi)，但是來(lái)自FDI的負(fù)向環(huán)境效應(yīng)的影響仍不容忽視。在國(guó)家層面制定FDI政策時(shí)，應(yīng)該一如既往的吸引優(yōu)質(zhì)外資，促進(jìn)優(yōu)質(zhì)的FDI對(duì)中國(guó)技術(shù)進(jìn)步所產(chǎn)生的直接和間接的輻射效應(yīng)和示范效應(yīng)，并將霧霾（PM2.5）作為新的污染指標(biāo)納入到甄別優(yōu)質(zhì)FDI的評(píng)價(jià)分析中。在區(qū)域?qū)用妫鶕?jù)霧霾（PM2.5）污染程度和FDI的區(qū)域差異進(jìn)行全域規(guī)劃，中西部地區(qū)要規(guī)避“向底線(xiàn)賽跑”效應(yīng)。地方政府是環(huán)保政策的主導(dǎo)者和設(shè)計(jì)者，完善和加強(qiáng)對(duì)地方政府的規(guī)制是規(guī)避“向底線(xiàn)賽跑”的有效措施。同時(shí)，積極完善中西部地區(qū)配套基礎(chǔ)設(shè)施、產(chǎn)業(yè)鏈和積累高端技術(shù)性人力資本，來(lái)吸引更多環(huán)保技術(shù)密集型外資企業(yè)。東部地區(qū)則應(yīng)該積極發(fā)揮示范效應(yīng)，鼓勵(lì)環(huán)保技術(shù)創(chuàng)新項(xiàng)目、加大新能源的開(kāi)發(fā)和應(yīng)用，提高自身對(duì)外資技術(shù)的吸收消化能力和自主研發(fā)能力。總之，政府需要重視優(yōu)化FDI結(jié)構(gòu)，提高對(duì)FDI質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)，實(shí)現(xiàn)“治霾”和“引資”的雙贏(yíng)目標(biāo)。

（編輯：劉呈慶）

參考文獻(xiàn)（References）

[1]COLE M A. Trade， the pollution haven hypothesis and the environmental Kuznets Curve： examining the linkages[J]. Ecological economics， 2004， 48（1）： 71-81.

[2]MANI M， WHEELER D. In search of pollution havens dirty industry in the world economy， 1960 to 1995[J]. The Journal of environment & development， 1998， 7（3）： 215-247.

[3]PAO H T， TSAI C M. Multivariate Granger causality between CO2 emissions， energy consumption， FDI and GDP： evidence from a panel of BRIC countries[J]. Energy， 2011， 36（1）： 685-693.

[4]KARI F， SADDAM A. Growth， FDI， imports， and their impact on carbon dioxide emissions in GCC countries： an empirical study[J]. Mediterranean journal of social science， 2012， 3： 25-31.

[5]KIVYIRO P， ARMINEN H. Carbon dioxide emissions， energy consumption， economic growth， and foreign direct investment： causality analysis for SubSaharan Africa[J]. Energy， 2014， 74： 595-606.

[6]ONG S M， SEK S K. Interactions between economic growth and environmental quality： panel and nonpanel analyses [J]. Applied mathematical sciences， 2013， 7（14）： 687-700.

[7]HE J. Pollution haven hypothesis and environmental impacts of foreign direct investment： the case of industrial emission of sulfur dioxide in Chinese provinces [J]. Ecological economics， 2006， 60（1）： 228-245.

[8]KOO B S， CHUNG J， BAEK N H. The effect of extracapsular cataract extraction in patients with chronic angleclosure glaucoma combined with cataract[J]. Journal of the Korean Ophthalmological Society， 1996， 37（6）： 1045-1053.

[9]WANG D T， CHEN W Y. Foreign direct investment， institutional development， and environmental externalities： evidence from China [J]. Journal of environmental management， 2014， 135： 81-90.

[10]

楊海生， 賈佳， 周永章，等. 貿(mào)易、外商直接投資、經(jīng)濟(jì)增長(zhǎng)與環(huán)境污染[J]. 中國(guó)人口·資源與環(huán)境， 2005， 15（3）：99-103.[YANG Haisheng， JIA Jia， ZHOU Yongzhang， et al. Impact on EKC by trade and FDI in China[J]. China population， resources and environment， 2005， 15（3）：99-103.]

[11]于峰， 齊建國(guó)， 田曉林. 經(jīng)濟(jì)發(fā)展對(duì)環(huán)境質(zhì)量影響的實(shí)證分析——基于1999—2004 年間各省市的面板數(shù)據(jù)[J]. 中國(guó)工業(yè)經(jīng)濟(jì)， 2006 （8）： 36-44.[YU Feng， QI Jianguo， TIAN Xiaolin. Empirical analysis on impact of economic development on environmental quality： based on the panel data of Chinese provinces and municipal cities from1999 to 2004[J]. China industrial economy， 2006 （8）： 36-44.]

[12]王道臻， 任榮明. 外國(guó)直接投資、經(jīng)濟(jì)規(guī)模與二氧化碳排放關(guān)系研究[J]. 經(jīng)濟(jì)問(wèn)題， 2011（10）：50-53. [WANG Daozhen， REN Ronming. Research on the relationship between FDI， economic scale and CO2 emission [J]. On economic problems， 2011（10）：50-53.]

[13]牛海霞， 胡佳雨. FDI 與我國(guó)二氧化碳排放相關(guān)性實(shí)證研究[J]. 國(guó)際貿(mào)易問(wèn)題， 2011 （5）： 100-109.[NIU Haixia， Hu Jiayu. Empirical research on relationship between FDI and CO2 emissions in China [J]. Journal of international trade， 2011（5）：100-109.]

[14]黃梅. 經(jīng)濟(jì)增長(zhǎng)， 外商直接投資與環(huán)境污染關(guān)系研究[J]. 資源與產(chǎn)業(yè)， 2015， 17（1）： 92-97. [HUANG Mei. Relation among economic growth， foreign direct investment and environmental pollution based on provincial panel 2003-2012[J]. Resources and industries， 2015，17（1）： 92-97.]

[15]GREY K， BRANK D. Environmental issues in policybased competition for investment： a literature review [J]. Ecological economics， 2002， （11）： 71-81.

[16]FRANEL J， ROSE A. An estimate of the effect of common currencies on trade and income[J]. Quarterly journal of economics， 2002： 437-466.

[17]HASSABALLA H. Testing for granger causality between energy use and foreign direct investment inflows in developing countries[J]. Renewable and sustainable energy reviews， 2014， 31： 417-426.

[18]許和連， 鄧玉萍. 外商直接投資導(dǎo)致了中國(guó)的環(huán)境污染嗎？[J]. 管理世界， 2012（2）： 36-49.[XU Helian， Deng Yuping. Does foreign direct investment led to environmental pollution in China？[J]. Management world， 2012（2）：30-43.]

[19]許士春， 何正霞. 中國(guó)經(jīng)濟(jì)增長(zhǎng)與環(huán)境污染關(guān)系的實(shí)證分析——來(lái)自1990—2005年省級(jí)面板數(shù)據(jù)[J]. 經(jīng)濟(jì)體制改革， 2007 （4）： 22-26.[XU Shichun， HE Zhengxia. An empirical analysis of the relationship between Chinas economic growth and environmental pollution： the provincial panel data from 1990 to 2005[J]. Reform of economic system， 2007（4）：22-26.]

[20]熊立， 許可， 王玨. FDI 為中國(guó)帶來(lái)低碳了嗎——基于中國(guó)1985—2007年時(shí)間序列數(shù)據(jù)的實(shí)證分析[J]. 宏觀(guān)經(jīng)濟(jì)研究， 2012 （5）： 68-75.[XIONGLi， XU Ke， WANG Yu. Does FDI bring low carbon for China？ based on Chinas 1985-2007 time series data of the empirical analysis [J]. Macroeconomics， 2012（5）：68-75.]

[21]ACHARYAA J. FDI， Growth and the environment： evidence from India on CO2 emission during the last two decades [J]. Journal of economic development， 2009， 34（1）： 43.

[22]ZHANG K H， SONG S. Promoting exports： the role of inward FDI in China[J]. China economic review， 2002， 11（4）： 385-396.

[23]GROSSMAN G， KRUGGER A. Economic environment and the economic growth[J]. Quarterly journal of economics， 1995， 110（2）： 353-377.

[24]李子豪， 代迪爾. 外商直接投資與中國(guó)二氧化碳排放——基于省際經(jīng)驗(yàn)的實(shí)證研究[J]. 經(jīng)濟(jì)問(wèn)題探索， 2011（9）：131-137.[LI Zihao， DAI Dier. Foreign direct investment and Chinas carbon dioxide emissions based on the experience of the provincial empirical studies[J]. Inquiry into economic issues， 2011（9）：131-137.]

[25]曹子陽(yáng). 基于夜間燈光影像的GDP空間分布模擬研究及其與PM2.5濃度的相關(guān)分析[D]. 北京：中國(guó)科學(xué)院研究生院， 2016.[CAO Ziyang. Estimating the spatial distribution of GDP based on nighttime light image and analysis of correlation between it and PM2.5 concentration[D]. Beijing： University of Chinese Academy of Sciences，2016.]

[26]向堃， 宋德勇. 中國(guó)省域PM2.5污染的空間實(shí)證研究[J]. 中國(guó)人口·資源與環(huán)境， 2015， 25（9）：153-159.[XIANG Kun， SONG Deyong. Spatial analysis of Chinas PM2.5 pollution at the provincial level[J].China population， resources and environment， 2015， 25（9）：153-159.]

[27]ELHORST J P. Specification and estimation of spatial panel data models[J]. International regional science review， 2003， 26（3）：244-268.

[28]ANTEWEILER W. The pollution terms of trade[J]. Economic systems research， 1996， 8（4）： 361-366.

[29]張軍，吳桂英，張吉鵬. 中國(guó)省際物質(zhì)資本存量估算：1952—2000[J]. 經(jīng)濟(jì)研究， 2004（10）：35-44.[ZHANG Jun， WU Guiying， ZHANG Jipeng. The estimation of Chinas provincial capital stock： 1952-2000 [J]. Economic research journal， 2004（10）：35-44.]

[30]POUMANYVONG P， KANEKO S. Does urbanization lead to less energy use and lower CO2， emissions a crosscountry analysis[J]. Ecological economics， 2010， 70（2）：434-444.

[31]FU Jingyan， ZHANG Chunjun. International trade， carbon leakage， and CO2 emissions of manufacturing industry[J]. Chinese journal of population， resources and environment， 2015， 13（2）： 139-145. DOI：10.1080/10042857.2015.1009256.

[32]楊紅， 付淳宇， 楊春亮. FDI與中國(guó)環(huán)境污染關(guān)系的經(jīng)濟(jì)分析[J]. 環(huán)境保護(hù)， 2014（19）： 54-56.[YANG Hong， FU Chunyu， YANG Chunliang. Economic analysis of the relationship between FDI and environmental pollution in China[J]. Environmental protection， 2014（19）： 54-56.]

[33]袁其剛，李璐璐，商輝.應(yīng)對(duì)氣候變化貿(mào)易措施與WTO規(guī)制的沖突及協(xié)調(diào)[J].經(jīng)濟(jì)與管理評(píng)論，2014（2）：39-44.[YUAN Qigang， LI Lulu， SHANG Hui. The analysis on trade measures addressing climate change and their conflict and coordination with WTO[J]. Review of economy and management， 2014（2）： 39-44.]

[34]賈康. 運(yùn)用財(cái)稅政策和制度建設(shè)治理霧霾[J]. 環(huán)境保護(hù)， 2013（20）： 32-34. [JIA Kang. To tackle fogandhaze with fiscal and tax policy and construction of institution[J]. Environmental protection， 2013（20）： 32-34.]

Timespace effect test on foreign direct investment and PM2.5 pollution at city level

YAN Yaxue1QI Shaozhou1，2

（1.School of Economic and Management， Wuhan University， Wuhan Hubei 430072， China；

2. Center of Hubei Cooperative Innovation For Emissions Trading System， Wuhan Hubei 430072， China）

Abstract

The paper inspects the regional distribution characteristics and spatial spillover effect by using the panel data of Chinas haze pollution in 241 Chinese cities during 1998-2012， establishes the dynamic spatial panel model with system of generalized moment estimator （SGMM） method， and analyzes the global and local spatial autocorrelation of FDI and haze pollution by using Morans I and Gearys C index. The results shows： ① The FDI and haze （PM2.5） pollution shows significant spatial correlation， and proves spatial spillover effect and the radiation effect of the haze （PM2.5） pollution and FDI. At the same time， high value FDI is also the high value of PM2.5 concentration， and low value FDI is also the low value of PM2.5 concentration. The results indicates that investment effect and PM2.5 pollution in geographic agglomeration and economic geographical agglomeration are closely related within a region. ‘Super imposed effect and ‘spillover effect play a significant role in PM2.5 pollution， which suggests that PM2.5 pollution is still in a state of intersect， cumulative and continuous spreading in China. ②The FDI rises the haze （PM2.5） concentration in the full samples. An 1% increase in FDI stock， PM2.5 concentration will increase 0.011%. ③An 1% increase in FDI stock， PM2.5 concentration will increase 0.001 9% in cities of eastern region. An 1% increase in FDI stock， haze （PM2.5） concentration will increase 0.018 3% in cities of middle region. FDI stock in cities of western region does not exert a significant impact on haze （PM2.5） concentration.The empirical research shows that the Chinas haze pollution has a significant feature of spatial dependence and regional heterogeneity， and FDI plays a significant role in increasing the haze concentration in most of Chinese cities.

Key wordsforeign direct investment； PM2.5 pollution； dynamic spatial panel data