基于空間計量經(jīng)濟學與EKC模型的中國省域環(huán)境污染分析

王冠人+言鵬韋

摘 要：當前環(huán)境污染日趨嚴重，怎樣在保持經(jīng)濟增長的同時盡可能減少環(huán)境污染成本成為熱門的話題。環(huán)境污染往往與地理空間息息相關，從而可用空間計量經(jīng)濟學對其進行分析。文章依據(jù)擴展的EKC模型，截取了2014年我國31個省域有關變量的數(shù)據(jù)，將其歸納成環(huán)境污染、人均GDP等8個變量。值得注意的是，這里將環(huán)境污染損失進行了貨幣化。進而對8個變量進行了全局空間自相關檢驗與局域空間自相關檢驗，確定了其皆存在空間相關性，且得到了高—高和低—低集聚區(qū)居主導地位的結論?；贕eoda空間統(tǒng)計分析軟件，估計了空間滯后模型和空間誤差模型，并通過檢驗確定了我國2014年31個省域環(huán)境污染的最優(yōu)分析模型為空間誤差模型（SEM），證實了EKC模型“倒U”型假說。據(jù)結果發(fā)現(xiàn)我國現(xiàn)階段各省域人均GDP位于“倒U”型曲線左側，處于環(huán)境污染隨著經(jīng)濟增長增加的初級階段。其中，上海、北京等已臨近轉折點。同時，文章還分析了各省域人均GDP對環(huán)境污染損失的彈性，發(fā)現(xiàn)增長1%的人均GDP時，江蘇的環(huán)境污染損失最小，陜西最大，并分析了造成這種現(xiàn)象的原因?；谏鲜鼋Y論與分析，對環(huán)境與經(jīng)濟發(fā)展協(xié)調給出了綜合性的建議。

關鍵詞：空間計量經(jīng)濟學 環(huán)境污染 Geoda 庫茲涅茨曲線

中圖分類號：F205 文獻標識碼：A

文章編號：1004-4914（2017）06-014-03

一、空間計量經(jīng)濟學環(huán)境庫茲涅茨曲線模型

1.傳統(tǒng)庫茲涅茨曲線模型。研究環(huán)境污染的傳統(tǒng)模型大多基于Grossman{1}提出的庫茲涅茨曲線（EKC）模型，模型形式為：

ln（EP）=β0+β1ln（AGDP）+β2（ln（AGDP）2+β3（ln（AGDP）3+ε （1）

模型（1）中，ln（EP）為環(huán)境污染的自然對數(shù)，ln（AGDP）為人均GDP的自然對數(shù)。在吳玉鳴等{3}研究中，基于截面數(shù)據(jù)，此模型被擴展為：

ln（EP）=β0+β1ln（AGDP）+β2（ln（AGDP）2+β3（ln（AGDP）3+β4ln（POP）+β5ln（URB）+β6ln（HHC）+β7ln（MHC）+β8ln（TTI）+β9ln（FTR）+ε（2）

其中：AGDP表示人均GDP，POP表示年末人口總數(shù)，URB表示城市化，用城鎮(zhèn)人口占總人口比重衡量，HHC為普通高等教育在校學生數(shù)占總人口的比重，近似代表高等級人力資本存量，MHC是中等職業(yè)學校在校生數(shù)占總人口的比例，近似代表中等級人力資本存量，TTI代表產業(yè)結構升級，用第三產業(yè)GDP占總GDP比重計算得出；FTR為進出口貿易總額占GDP比重。

2.區(qū)域環(huán)境污染全局空間自相關檢驗。對于區(qū)域環(huán)境污染的空間相關性檢驗，通常可用空間自相關指數(shù)MoransI模型。這里首先對ROOK距離進行說明，它指：如果兩者有公共的邊界存在，則空間權值W_ij取值為1，否則取值為0。MoransI取值范圍為-1到1，如果區(qū)域的環(huán)境污染存在空間正相關則大于0，區(qū)域環(huán)境污染存在空間負相關則小于0，區(qū)域環(huán)境污染空間不相關則等于0。

3.區(qū)域環(huán)境污染局域空間自相關檢驗。為了進一步檢測區(qū)域的環(huán)境污染是否存在觀測值的局域空間聚集現(xiàn)象以及對于全域空間自相關貢獻更大的區(qū)域單元、局域非平穩(wěn)性是否被空間自相關的全域評估掩蓋，可通過空間聯(lián)系的局域指標（LISA）和MoransI散點圖{2}進行局域空間自相關分析。

進行區(qū)域環(huán)境污染的LISA分析需滿足兩個條件：一是每個區(qū)域單元的LISA是描述其周圍顯著的相似值單元的空間聚集程度的指標：二是所有LISA總和與全局空間聯(lián)系指標成正比，局域Morans I模型為：

MoransI散點圖一般用來探究區(qū)域的空間不穩(wěn)定性。其散點圖的4個象限分別對應于區(qū)域單元與其相鄰單元之間4種類型的區(qū)域空間聯(lián)系形式：第1象限代表區(qū)域環(huán)境污染觀測值高的區(qū)域單元包圍同是高值的一個區(qū)域（簡稱高—高）；第2象限代表區(qū)域環(huán)境污染觀測值高的區(qū)域單元包圍一個低值的區(qū)域 （簡稱低—高）；第3象限代表區(qū)域環(huán)境污染觀測值低的區(qū)域單元包圍一個同是低值的區(qū)域（簡稱低—低）；第4象限代表區(qū)域環(huán)境污染觀測值低的區(qū)域單元包圍一個高值的區(qū)域（簡稱高—低）。

4.區(qū)域環(huán)境污染的空間滯后模型（SLM）?？紤]到區(qū)域環(huán)境污染與相鄰區(qū)域不存在空間相關的假設存在缺陷，本文模型包含了鄰近區(qū)域環(huán)境污染對本區(qū)域環(huán)境污染的影響，改進常規(guī)EKC模型（2）得到空間滯后模型（SLM）為：

ln（EPi）=β0+ρWln（EPj）+β1ln（AGDPi）+β2（ln（AGDPi）2+β3（ln（AGDPi）3+β4ln（POPi）+β5ln（URBi）+β6ln（HHCi）+β7ln（MHCi）+β8ln（TTIi）+β9ln（FTRi）+εi

式中，ln（EPi）是區(qū)域環(huán)境污染因子，Wln（EPj）為區(qū)域環(huán)境污染空間的滯后因子，即在地理上相鄰的各區(qū)域環(huán)境污染變量的加權求和值；ρ為空間自回歸參數(shù)，即相鄰區(qū)域環(huán)境污染對本區(qū)域造成的空間影響；β為解釋變量回歸系數(shù)；ε是獨立的誤差項。

5.區(qū)域環(huán)境污染的空間誤差模型（SEM）。若擾動誤差項引起區(qū)域環(huán)境污染的空間依賴作用，度量鄰近區(qū)域關于被解釋變量ln（EPi）的誤差對本區(qū)域環(huán)境污染的沖擊程度的空間誤差模型（SEM）為：

式中，φ為n×1的截面被解釋變量的空間誤差系數(shù)，衡量了相鄰區(qū)域的環(huán)境污染因誤差項對本區(qū)域環(huán)境污染的影響方向和程度，β為解釋變量回歸系數(shù)，ε是隨機誤差項，μ為正態(tài)分布的隨機誤差項。

6.空間自回歸模型參數(shù)估計。空間依存性的估計比時間序列要復雜得多。空間自回歸模型由于自變量的內生性，OLS估計是有偏的和不一致的。因此，如何進行估計一直是計量經(jīng)濟學研究的焦點。上世紀80年代以后，最大似然估計（ML）{3}成為文獻中主流方法，最近幾年出現(xiàn)的工具變量法（IV）、廣義矩估計（GMM）引起了理論界的重視。

二、基于截面數(shù)據(jù)的中國省域環(huán)境EKC模型實證分析

本文按照3.1的模型（2）進行實證分析，但指標的選取與吳玉鳴等{4}的研究中略有不同。其中，EP代表環(huán)境污染指數(shù)。鑒于固體污染物數(shù)據(jù)不易獲得，此處只考慮水體污染（化學需氧量COD）、氣體污染物（二氧化硫，煙塵）和噪聲污染，并將其一并貨幣化來作為環(huán)境污染成本。由于碳排放對環(huán)境與經(jīng)濟的影響日益明顯，所以本文將二氧化碳排放也納入環(huán)境污染指標中。

（一）空間自相關的檢驗

1.全局空間自相關檢驗。使用Geoda軟件對所有變量進行空間自相關MoransI檢驗，首先建立ROOK距離權重矩陣，結果顯示：

其中與一個省相鄰的有1個?。êＤ希瑳]有周圍只有一個省的省份，周圍有兩個省的省份有4個，周圍有三個省的省份有5個，周圍有四個省的省份有8個，周圍有五個省的省份有3個，周圍有六個省的省份有6個，周圍有七個省的省份有2個，周圍有八個省的省份有2個。

隨后對各個變量進行了MoranⅠ檢驗，這些變量包括ln（EP）、ln（AGDP）、ln（POP）、ln（HHC）、ln（MHC）、ln（URB）、ln（FTR）。假設各鄰近省域之間的環(huán)境污染及其決定因素不存在空間自相關性，利用重復隨機排列法排列999次，構建標準正態(tài)統(tǒng)計量，根據(jù)ROOK空間權值矩陣計算的MoransI指數(shù)均大于0，p-value均大于0.016，這表明所有的EKC模型中的變量在空間分布中均存在明顯的正自相關關系，可見在研究省域環(huán)境污染時空間效應不可忽略。

2.局域空間自相關檢驗。使用Geoda進行局域LISA自相關檢驗，結果顯示：新疆自治區(qū)的顯著性小于0.001，四川、山東和安徽等省的顯著性小于0.01，青海、江蘇、福建和江西等省顯著性小于0.05。其他省份顯著性均大于0.05。

此外，由MoranⅠ的散點圖發(fā)現(xiàn)我國各省域環(huán)境污染表現(xiàn)出明顯的空間依賴性，大多數(shù)省域集群在第一象限和第三象限：即較高環(huán)境污染的省區(qū)相對趨于和較高環(huán)境污染的省區(qū)靠近（第一象限）。這些省域是：上海、安徽、福建、山東、江蘇、北京、河南、河北、浙江、湖南、湖北、遼寧、廣東。較低環(huán)境污染的省區(qū)相對趨于和較低環(huán)境污染的省區(qū)靠近（第三象限），這些省域是：新疆、青海、甘肅、西藏、寧夏、云南。不難發(fā)現(xiàn)，這些高污染集群區(qū)域，皆為我國東、中部經(jīng)濟發(fā)達和人口稠密區(qū)域。輕度污染集群區(qū)域皆為我國西部內陸經(jīng)濟發(fā)展相對落后區(qū)域。

（二）空間計量模型的估計與分析

本文對SEM和SLM模型采用極大似然法進行參數(shù)估計并進行了模型的LM檢驗，此外還進行了回歸診斷。檢驗結果如下：比較對數(shù)似然函數(shù)logL、赤池信息準則AIC和施瓦茨信息準則SC值發(fā)現(xiàn)，SEM的logL值大于SLM，且SEM的AIC和SC值也小于SLM，故依據(jù)logL、AIC和SC值做出推斷：SEM模型較之SLM模型更好。此外，依據(jù)表中較之LM （error）顯著，且Robust LM（error）顯著而LM（lag）不顯著，最后斷定SEM模型要優(yōu)于SLM模型，最終回歸模型為：

人口規(guī)模（lnPOP）的回歸系數(shù)為0.9789，說明固定其他因素，人口規(guī)模每增長1%，環(huán)境污染損失將增長0.9789%。人口數(shù)量的增長通常導致經(jīng)濟活動規(guī)模擴大，對環(huán)境保護施加外部壓力。對于東部地區(qū)環(huán)境較差，人口密度過高難脫干系；同樣西部地區(qū)環(huán)境污染較輕，得益于其人口稀少。

城市化（lnURB）的回歸系數(shù)為0.2795，說明環(huán)境污染問題較大程度上歸咎于城市化推進。城市發(fā)達的交通系統(tǒng)方便了居民出行，但也造成了二氧化碳等污染氣體的過量排放；此外城市內還存在工業(yè)噪聲、建筑噪聲等，嚴重污染了城市環(huán)境。

產業(yè)結構（lnTTI）的回歸系數(shù)為-0.0779，說明第三產業(yè)發(fā)展拉動產業(yè)結構優(yōu)化，減輕了環(huán)境污染。

高等級人力資本（lnHHC）與中等級人力資本（lnMHC）的回歸系數(shù)分別為-0.0324和0.0402，通過了6%和5%的顯著性檢驗。這說明增加高等級人力資本有助于緩解環(huán)境污染。其他因素不變，高等級人力資本每增加1%，環(huán)境污染損失減少0.0324%。而中等級人力資本積累卻加速了環(huán)境污染，其增加1%會導致環(huán)境污染損失增加0.0402%。高等級人力資本能高效地吸納和應用新技術，激發(fā)技術創(chuàng)新與進步，從而擺脫粗放型經(jīng)濟增長方式，減輕環(huán)境污染。中等級人力資本普遍在第二產業(yè)或技術含量低的生產領域從事經(jīng)濟活動，因此中等級人力資本同環(huán)境污染之間呈正相關。

對外開放ln（FTR）的回歸系數(shù)為-0.029，且P<0.001，說明對外開放程度的提高可減輕環(huán)境污染。貿易開放的技術外溢效應提高了發(fā)展中國家的要素生產率，從而間接地通過促進技術進步和產業(yè)結構調整而減少污染排放。

三、結果分析

利用MATLAB擬合lnEP與lnAGDP得到2014年中國31個省域的截面數(shù)據(jù)擬合圖。圖形顯示，我國省域EKC曲線擬合圖形呈現(xiàn)“U+倒U型”，偏離“倒U型”曲線不是很明顯，證明EKC曲線“倒U型”假說在我國省域間有較強適用性。將（4）式對lnAGDP求導得：

令=0，得第一個轉折點lnAGDP1=-14.0992， lnAGDP2=14.0881，根據(jù)計算出的2014年我國各省的lnAGDP可知，最大為上海lnAGDP=11.5863，最小為貴州lnAGDP=10.1824，全部31個省域的lnAGDP都分布在第一個轉折點與第二個轉折點之間，在此階段，曲線呈向右上升階段，表明人均GDP越高的省域環(huán)境污染損失越嚴重。其中上海，北京，天津等較接近第二轉折點，正朝著隨著人均GDP增加，環(huán)境污染損失減少的階段邁進。

此外，筆者還計算了2014年中國31個省域lnAGDP對lnEP的點彈性和2014年中國31個省域第一三產業(yè)占比，其中點彈性最小的是江蘇為1.3172，表示人均GDP每增加1%會導致環(huán)境污染損失增加1.3172%；點彈性最大的是陜西為2.8885，表示人均GDP每增加1%會導致環(huán)境污染損失增加2.8885%。由于在第一，二，三產業(yè)中，帶來環(huán)境污染的主要是第二產業(yè)，所以第一，三產業(yè)占比越低，第二產業(yè)占比越高，環(huán)境污染損失對GDP增長彈性越大，而陜西正好是第二產業(yè)占比最高的省域。

四、結語

本文基于空間計量經(jīng)濟學環(huán)境庫茲涅茨曲線模型、區(qū)域環(huán)境污染的空間滯后模型（SLM）以及區(qū)域環(huán)境污染的空間誤差模型（SEM），對我國各個省域的環(huán)境污染狀況進行了分析。模型的結果顯示：人口規(guī)模增加和城市化這兩個因素對環(huán)境污染的影響最大。同時本文證明了EKC曲線的“倒U型”假說在我國省域間有較強適用性，全部31個省域的lnAGDP都分布在第一個轉折點與第二個轉折點之間，即人均GDP越高的省域環(huán)境污染損失越嚴重，最接近第二個轉折點的省份有上海、北京和天津。此外，我們還計算出了人均GDP每增加1%會導致環(huán)境污染損失增加的最多和最少的省份分別為陜西和江蘇。

注釋：

{1}Jams LeSage，R. Kelley Pace.Introduction to Spatial Econometrics[M].北京大學出版社，2014

{2}公云龍，張紹良，章蘭蘭.城市地價空間自相關分析——以宿州市為例[J].經(jīng)濟地理，2011（11）

{3}劉毅.具有空間相依誤差的面板數(shù)據(jù)自回歸模型及參數(shù)估計的統(tǒng)計計算實現(xiàn)[D].四川大學，2007

{4}吳玉鳴，田斌.區(qū)域環(huán)境庫茲涅茨曲線的擴展及其決定因素[J].地理研究，2012（4）

（作者單位：中南大學數(shù)學與統(tǒng)計學院 湖南長沙 410083）

（責編：呂尚）