基于協(xié)整理論和VAR模型的河南省環(huán)境污染驅(qū)動(dòng)因素研究

馬孟華, 宋文博, 丁艷喜, 孟慶香,4, 郭子龍, 尚一珂

(1.鄭州市土地利用規(guī)劃院, 河南 鄭州 450006; 2.河南農(nóng)業(yè)大學(xué) 資源環(huán)境學(xué)院, 河南 鄭州 450002;

3.河南今辰信息科技有限公司, 河南 鄭州 450002; 4.河南省高校農(nóng)業(yè)資源與環(huán)境工程技術(shù)研究中心, 河南 鄭州 450002)

?

基于協(xié)整理論和VAR模型的河南省環(huán)境污染驅(qū)動(dòng)因素研究

馬孟華1, 宋文博2, 丁艷喜3, 孟慶香2,4, 郭子龍2, 尚一珂2

(1.鄭州市土地利用規(guī)劃院, 河南 鄭州 450006; 2.河南農(nóng)業(yè)大學(xué) 資源環(huán)境學(xué)院, 河南 鄭州 450002;

3.河南今辰信息科技有限公司, 河南 鄭州 450002; 4.河南省高校農(nóng)業(yè)資源與環(huán)境工程技術(shù)研究中心, 河南 鄭州 450002)

摘要：[目的] 分析河南省環(huán)境污染的驅(qū)動(dòng)力機(jī)制，為經(jīng)濟(jì)發(fā)展與環(huán)境規(guī)劃提供理論支撐。 [方法] 嘗試從動(dòng)態(tài)的視角來解讀河南省環(huán)境污染問題,借助協(xié)整分析、誤差修正模型、脈沖響應(yīng)函數(shù)和方差分解對(duì)河南省環(huán)境污染的驅(qū)動(dòng)因素進(jìn)行分析。 [結(jié)果] 人均GPD，第二產(chǎn)業(yè)比重，總?cè)丝冢馍掏顿Y強(qiáng)度以及政府管制水平與環(huán)境污染指數(shù)存在長(zhǎng)期協(xié)整關(guān)系,且系統(tǒng)存在誤差修正機(jī)制;脈沖響應(yīng)函數(shù)結(jié)果顯示,人均GDP，第二產(chǎn)業(yè)比重，總?cè)丝陂L(zhǎng)期會(huì)加劇環(huán)境污染,外商投資強(qiáng)度對(duì)環(huán)境具有微弱地積極影響,政府管制水平對(duì)環(huán)境影響不明顯;方差分解結(jié)果顯示,總?cè)丝谑黔h(huán)境污染的主要原因,其次是第二產(chǎn)業(yè)比重和人均GDP。 [結(jié)論] 調(diào)整人口布局和優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)是河南省未來控制環(huán)境污染的發(fā)展方向。

關(guān)鍵詞：環(huán)境污染; 驅(qū)動(dòng)因素; 遺傳算法; 協(xié)整分析; VAR模型

近年來，河南省社會(huì)經(jīng)濟(jì)增長(zhǎng)速度日益加快。然而，伴隨社會(huì)經(jīng)濟(jì)發(fā)展的是越來越多的環(huán)境污染問題，它不僅影響到河南省的經(jīng)濟(jì)發(fā)展，對(duì)人類的健康和生產(chǎn)生活也造成極大的威脅。隨著中原經(jīng)濟(jì)區(qū)戰(zhàn)略的不斷深入，未來一定時(shí)期河南省城市化、社會(huì)經(jīng)濟(jì)以及人們生活水平將不斷提高，能源消費(fèi)和環(huán)境污染物排放也會(huì)持續(xù)增加，社會(huì)經(jīng)濟(jì)發(fā)展和環(huán)境保護(hù)的矛盾將愈演愈烈，控制和減少環(huán)境污染顯得極為迫切和必要。

關(guān)于環(huán)境污染驅(qū)動(dòng)因素的相關(guān)研究主要集中在外商投資和經(jīng)濟(jì)發(fā)展對(duì)環(huán)境污染的影響，而對(duì)影響環(huán)境污染主要驅(qū)動(dòng)因素的量化分析幾乎空白。李國(guó)柱[1]采用面板Grangerg關(guān)系檢驗(yàn)分析了外商投資和環(huán)境污染的因果關(guān)系；陳麗珍[2]等建立了外商投資與環(huán)境污染綜合指數(shù)的回歸方程模型，認(rèn)為外商投資是環(huán)境污染物增加的重要原因；張學(xué)剛[3]等借助聯(lián)立方程模型考察了外商直接投資對(duì)環(huán)境影響的作用方向和大小。經(jīng)濟(jì)發(fā)展對(duì)環(huán)境污染的影響研究主要基于環(huán)境庫(kù)茲涅茨曲線(Environmental Kuznets Curve, EKC)，EKC曲線描述了經(jīng)濟(jì)增長(zhǎng)和環(huán)境質(zhì)量之間存在“倒U型”關(guān)系[4-5]。很多學(xué)者(Holtz-Eakin T M, Selden，劉榮茂)通過實(shí)證研究，發(fā)現(xiàn)環(huán)境污染和經(jīng)濟(jì)發(fā)展的確存在這種“倒U型”的關(guān)系[6-8]。

整體來看，國(guó)內(nèi)外學(xué)術(shù)界對(duì)環(huán)境污染驅(qū)動(dòng)因素的研究仍存在一些不足，相關(guān)研究多是研究單一變量或者雙變量對(duì)環(huán)境污染的影響，而涉及多因素的研究在影響程度上也缺乏具體量化。筆者在相關(guān)研究的基礎(chǔ)上，采用遺傳算法—BP神經(jīng)網(wǎng)絡(luò)模型對(duì)環(huán)境污染進(jìn)行綜合評(píng)價(jià)，在此基礎(chǔ)上，借助協(xié)整理論和VAR模型找出河南環(huán)境污染的主要驅(qū)動(dòng)因素，旨在定量揭示出環(huán)境污染驅(qū)動(dòng)因素邊際貢獻(xiàn)和動(dòng)態(tài)影響，為河南省經(jīng)濟(jì)發(fā)展與環(huán)境規(guī)劃提供理論支撐。

1研究方法和數(shù)據(jù)來源

1.1　研究方法

在遵循科學(xué)性、可操作性、動(dòng)態(tài)性、代表性和全面性的基礎(chǔ)上，參考現(xiàn)有的研究成果[9-14]，從水、大氣和固體污染三個(gè)方面構(gòu)建河南省環(huán)境污染的指標(biāo)體系，見表1。采用遺傳算法—BP神經(jīng)網(wǎng)絡(luò)模型計(jì)算河南省環(huán)境污染綜合指數(shù)。BP神經(jīng)網(wǎng)絡(luò)(Back Propagation)是由一種利用誤差反向傳播訓(xùn)練算法的神經(jīng)網(wǎng)絡(luò)，有著很強(qiáng)的輸入輸出非線性映射能力以及優(yōu)越的學(xué)習(xí)和訓(xùn)練優(yōu)點(diǎn)，但是受初始權(quán)重和閾值影響較大，容易陷入局部最優(yōu)集，且收斂速度不理想。遺傳算法是模擬生物的遺傳以及進(jìn)化變異過程中一種全局尋優(yōu)的算法，遺傳算法在全局尋優(yōu)上有較強(qiáng)的魯棒性和效率。筆者構(gòu)建遺傳算法—BP神經(jīng)網(wǎng)絡(luò)模型，采用遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)重和閾值進(jìn)行全局優(yōu)化，實(shí)現(xiàn)了兩種方法的優(yōu)勢(shì)互補(bǔ)，進(jìn)而能更好地訓(xùn)練樣本，使環(huán)境污染綜合指數(shù)測(cè)算結(jié)果更加客觀準(zhǔn)確，計(jì)算流程見圖1。在此基礎(chǔ)上，借助協(xié)整理論，對(duì)河南省環(huán)境污染與其驅(qū)動(dòng)因素之間的協(xié)整關(guān)系進(jìn)行檢驗(yàn)，對(duì)存在協(xié)整關(guān)系的影響因素，建立VAR模型研究各驅(qū)動(dòng)因素對(duì)環(huán)境污染的效應(yīng)方向和沖擊強(qiáng)度。

表1　河南省環(huán)境污染水平評(píng)價(jià)指標(biāo)體系

圖1　環(huán)境污染綜合指數(shù)測(cè)算網(wǎng)絡(luò)模型計(jì)算流程

1.2　變量選取與數(shù)據(jù)說明

環(huán)境污染(E)的驅(qū)動(dòng)因素很多，結(jié)合河南省社會(huì)經(jīng)濟(jì)發(fā)展特征和已有的文獻(xiàn)[15-18]，最終篩選確定如下變量：(1)經(jīng)濟(jì)水平(J),以河南省各年人均GDP(千元)表示，采用平減指數(shù)換算成1985年不變價(jià)計(jì)算的可比值；(2)產(chǎn)業(yè)結(jié)構(gòu)(I),以河南省各年第二產(chǎn)業(yè)產(chǎn)值比重占GDP比重表示；(3)能源結(jié)構(gòu)(N)，以河南省各年煤炭消費(fèi)(標(biāo)準(zhǔn)煤)占能源總消費(fèi)的比重表示；(4)人口規(guī)模(P),以河南省各年總?cè)丝跀?shù)(億人)表示；(5)外商投資強(qiáng)度(F),以河南省各年外商直接投資額占GDP比重表示；(6)科技水平(S)，以河南省各年從事科技人員數(shù)占第二產(chǎn)業(yè)從業(yè)人員總數(shù)的比重表示；(7)政府管制強(qiáng)度(G),以河南省各年政府對(duì)于環(huán)境污染治理投資總額占GDP比重表示。

以上數(shù)據(jù)取自《河南經(jīng)濟(jì)統(tǒng)計(jì)年鑒》(1992—1993)、《河南省統(tǒng)計(jì)年鑒》(1986—2013)以及《河南省六十年：1949—2009》，時(shí)間跨度為1985—2012年，個(gè)別年份缺失的數(shù)據(jù)采用相鄰年份插值法補(bǔ)全。為了克服數(shù)據(jù)中的異方差，對(duì)變量取對(duì)數(shù)并分別記為L(zhǎng)E，LJ，LI，LN，LP，LF，LS，LG。

2實(shí)證研究

2.1　河南省環(huán)境污染指數(shù)測(cè)算

由于環(huán)境污染的BP神經(jīng)網(wǎng)絡(luò)研究仍處于探索階段，尚沒有統(tǒng)一的判斷標(biāo)準(zhǔn)。而BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)需要由研究對(duì)象的評(píng)價(jià)標(biāo)準(zhǔn)構(gòu)成，筆者參照文獻(xiàn)[19]，選用線性內(nèi)插法，通過構(gòu)建全部指標(biāo)的最大值和最小值區(qū)間，線性設(shè)定影響等級(jí)。定義環(huán)境污染綜合指數(shù)為0—10分，梯度為0.1，由0至10分表示環(huán)境污染指數(shù)逐漸升高。

將梯度為0.1的101個(gè)得分值作為神經(jīng)網(wǎng)絡(luò)的輸出數(shù)據(jù)，將線性內(nèi)插處理得到的數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)。結(jié)合前述網(wǎng)絡(luò)模型計(jì)算流程，設(shè)置神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)為8×17×1，最大循環(huán)次數(shù)為2 000，均方誤差為10-8。運(yùn)用遺傳算法工具箱和編程語言對(duì)BP神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值進(jìn)行優(yōu)化，設(shè)置種群規(guī)模為80，遺傳代數(shù)為500代，交叉概率為0.1，變異概率為0.05。經(jīng)過638次訓(xùn)練后，BP神經(jīng)網(wǎng)絡(luò)均方誤差達(dá)到設(shè)定的精度，將原始標(biāo)準(zhǔn)化數(shù)據(jù)導(dǎo)入訓(xùn)練好的網(wǎng)絡(luò)，即可得到1985—2012年河南省環(huán)境污染綜合指數(shù)(表2)。

表2　河南省環(huán)境污染綜合指數(shù)

2.2　河南省環(huán)境污染驅(qū)動(dòng)因素計(jì)量經(jīng)濟(jì)分析

2.2.1協(xié)整檢驗(yàn)和誤差修正模型利用EViews計(jì)量經(jīng)濟(jì)軟件，對(duì)1985—2010年LE，LJ，LI，LN，LP，LF，LS，LG序列進(jìn)行單位根的穩(wěn)定性檢驗(yàn)(最優(yōu)滯后期根據(jù)AIC準(zhǔn)則確定)，結(jié)果如表3所示。

通過檢驗(yàn)結(jié)果看出，在5%的顯著水平下，接受LE，LJ，LI，LN，LP，LF，LG有單位根的假設(shè)，但是拒絕LE，LJ，LI，LP，LF，LG一階差分具有單位根的假設(shè)。可知，LS，LN與LE的單整階數(shù)不同，即LE與LS，LN不存在協(xié)整關(guān)系，而可能與LJ，LI，LP，LF，LG存在協(xié)整關(guān)系。建立LE，LJ，LI，LP，LF，LG回歸模型，得到如下方程(括號(hào)內(nèi)為t統(tǒng)計(jì)值)：LE=-0.311+0.651×LJ-0.902×LI+1.648×LP-0.014×LF+0.089×LG

(1)

(-0.467 2) (4.700 2) (-1.483 9)(0.917 0)(-0.207 3)(1.247 5)式(1)中：LI的系數(shù)符號(hào)與其經(jīng)濟(jì)意義不相符，且LP和LF的t統(tǒng)計(jì)值不顯著，懷疑存在共線性。對(duì)其進(jìn)行VIF共線性診斷，發(fā)現(xiàn)LJ，LI和LP的VIF值大于10，表明式(1)存在嚴(yán)重的多重共線性。采用嶺回歸對(duì)式(1)進(jìn)行參數(shù)修正，調(diào)用SPSS19軟件Ridge regression命令，得到5個(gè)驅(qū)動(dòng)因素的嶺跡圖(圖2)。嶺跡圖顯示嶺參數(shù)k為0.8時(shí)，各條嶺跡趨于穩(wěn)定，選用k=0.8進(jìn)行結(jié)果輸出，得到修正OLS回歸方程：LE=2.070+0.177×LJ+1.032×LI+2.730×LP-0.116×LF+0.168×LG

(2)

(16.602)(13.017)(7.612) (11.519)(-2.115) (3.910)

R2=0.915，F(xiàn)=47.329， sigF=0.000式(2)中：R2=0.915，方程的擬合優(yōu)度較高；p=0.000，回歸方程在1%的顯著水平上通過了顯著性檢驗(yàn)；從t檢驗(yàn)來看，各驅(qū)動(dòng)因素對(duì)LE的影響均是顯著的，對(duì)殘差進(jìn)行自相關(guān)性檢驗(yàn)，其自相關(guān)系數(shù)對(duì)應(yīng)的相伴概率為0.267，說明自相關(guān)不顯著，殘差單位根檢驗(yàn)結(jié)果顯示在5%置信水平下拒絕了存在單位根的原假設(shè)，表明LE和LJ，LI，LP，LF，LG存在協(xié)整關(guān)系。

可以看出，河南省環(huán)境污染指數(shù)與人均GDP，第二產(chǎn)業(yè)所占比重，總?cè)丝诤驼苤扑匠尸F(xiàn)正相關(guān)關(guān)系，其每增長(zhǎng)1%，會(huì)引起環(huán)境污染指數(shù)上升0.177%，1.032%，2.730%，0.168%；環(huán)境污染指數(shù)與外商投資強(qiáng)度呈現(xiàn)負(fù)相關(guān)關(guān)系，其每增加1%，會(huì)引起環(huán)境污染指數(shù)下降0.116%。

從檢驗(yàn)結(jié)果看出，環(huán)境污染指數(shù)與各驅(qū)動(dòng)因素之間存在協(xié)整關(guān)系，但是短期內(nèi)由于受到外界干擾會(huì)導(dǎo)致偏離均衡狀態(tài)，因此有必要對(duì)短期波動(dòng)進(jìn)行修正。誤差修正模型(ECM)可以將短期波動(dòng)和長(zhǎng)期均衡進(jìn)行直接的描述，把均衡誤差引入一階差分滯后模型，建立誤差修正模型，得到公式(3)。D(LE)=0.813-0.549×D(LJ)-0.535×D(LI)-2.768×D(LP)-

0.046×D(LF)-0.021×D(LG)-0.229×ECM

(3)

式中：ECM=LEt-1-0.235×LJt-1-1.672×LIt-1+3.340×LPt-1+0.486×LFt-1+0.538×LGt-1

表3　單位根檢驗(yàn)結(jié)果

說明：滯后期根據(jù)AIC準(zhǔn)則；“*”表示只存在截距；“**”表示存在截距和趨勢(shì)項(xiàng)；L表示對(duì)變量取對(duì)數(shù)；D表示一階差分；E表示環(huán)境污染；J表示經(jīng)濟(jì)水平；I表示產(chǎn)業(yè)結(jié)構(gòu)；N表示能源結(jié)構(gòu)；P表示人口規(guī)模；F表示外商投資強(qiáng)度；S表示經(jīng)濟(jì)水平；G表示政府管制強(qiáng)度。下同。

圖2　環(huán)境污染驅(qū)動(dòng)因素嶺跡

從式(3)可知，短期內(nèi)人均GPD、第二產(chǎn)業(yè)所占比重、總?cè)丝凇⑼馍掏顿Y強(qiáng)度以及政府管制水平對(duì)環(huán)境污染指數(shù)均有負(fù)向影響，其每增加1%，會(huì)引起環(huán)境污染指數(shù)下降0.549%，0.535%，2.768%，0.046%，0.021%，短期內(nèi)總?cè)丝凇⑷司鵊DP和第二產(chǎn)業(yè)比重仍是環(huán)境污染指數(shù)變化的重要驅(qū)動(dòng)因素。另外，環(huán)境污染指數(shù)的變化不僅取決于驅(qū)動(dòng)因素的變化，還受到上一期環(huán)境污染指數(shù)增長(zhǎng)對(duì)均衡水平偏離的影響，誤差修正項(xiàng)ECM的系數(shù)為-0.229，說明河南省環(huán)境污染指數(shù)的短期波動(dòng)較大，平均每年對(duì)上一期的偏離長(zhǎng)期均衡水平的短期調(diào)整幅度達(dá)到22.9%，系統(tǒng)存在誤差修正機(jī)制。

對(duì)比長(zhǎng)期均衡回歸方程和短期誤差模型可以發(fā)現(xiàn)，短期內(nèi)除外商投資強(qiáng)度之外，其余4個(gè)驅(qū)動(dòng)因素對(duì)環(huán)境污染的影響方向與長(zhǎng)期的影響方向相反，說明這些驅(qū)動(dòng)因素對(duì)環(huán)境污染的影響需要經(jīng)過一段時(shí)期才能完全釋放出來；值得一提的是，總?cè)丝诤偷诙a(chǎn)業(yè)比重對(duì)環(huán)境污染的短期系數(shù)和長(zhǎng)期系數(shù)存在較大反差，說明它們對(duì)環(huán)境污染的作用機(jī)制可能存在短期行為。協(xié)整分析表明驅(qū)動(dòng)因素對(duì)環(huán)境污染存在長(zhǎng)期和短期作用關(guān)系，至于這種作用關(guān)系的強(qiáng)度和方向如何，仍需進(jìn)行脈沖響應(yīng)函數(shù)分析和方差分解。

2.2.2脈沖響應(yīng)函數(shù)和方差分解在前文驗(yàn)證環(huán)境污染和各驅(qū)動(dòng)因素的長(zhǎng)期、短期作用關(guān)系的基礎(chǔ)上，建立VAR模型，借助脈沖響應(yīng)函數(shù)考察環(huán)境污染對(duì)各驅(qū)動(dòng)因素的沖擊響應(yīng)及其差異性。檢驗(yàn)結(jié)果如圖3所示，其中最優(yōu)滯后期根據(jù)AIC和SC準(zhǔn)則確定為3階，作用時(shí)間為15 a。

(1) 環(huán)境污染指數(shù)對(duì)人均GDP和第二產(chǎn)業(yè)比重新息的一個(gè)標(biāo)準(zhǔn)差擾動(dòng)沖擊響應(yīng)走勢(shì)比較相似，兩者對(duì)環(huán)境污染的影響短期內(nèi)不穩(wěn)定，第7期之后出現(xiàn)持續(xù)的正向推動(dòng)作用。可見，經(jīng)濟(jì)的發(fā)展、第二產(chǎn)業(yè)步伐的加快，長(zhǎng)期會(huì)帶來大量的污染排放物，最終導(dǎo)致環(huán)境質(zhì)量的惡化。

(2) 環(huán)境污染指數(shù)對(duì)總?cè)丝诘臎_擊響應(yīng)在初期表現(xiàn)為微弱的負(fù)向沖擊，第3期達(dá)到波谷，之后曲線走勢(shì)呈現(xiàn)出“M”型，但是總體上正向響應(yīng)高于負(fù)向響應(yīng)。河南省作為人口大省，人口的乘數(shù)作用放大了人類的經(jīng)濟(jì)活動(dòng)，加快了資源過度開發(fā)和生活污水的排放，長(zhǎng)期內(nèi)必然會(huì)加劇環(huán)境污染。

(3) 環(huán)境污染指數(shù)對(duì)外商投資的沖擊響應(yīng)在初期表現(xiàn)出較強(qiáng)的負(fù)向響應(yīng)，之后雖有起伏但基本上均在水平線以下。外商投資雖然可能會(huì)使河南省成為國(guó)外高污染產(chǎn)業(yè)的“污染避難所”，但是其發(fā)生的技術(shù)轉(zhuǎn)移和溢出，促使行業(yè)結(jié)構(gòu)的優(yōu)化，而這種變化總體上對(duì)環(huán)境具有積極影響。

(4) 環(huán)境污染指數(shù)對(duì)政府管制水平的沖擊響應(yīng)保持著沿著水平線正負(fù)起伏的趨勢(shì)，長(zhǎng)期內(nèi)對(duì)環(huán)境污染的影響效應(yīng)不明顯。這顯露出現(xiàn)有的政府管制水平僅能維持環(huán)境污染水平的穩(wěn)定，并沒有實(shí)現(xiàn)對(duì)環(huán)境污染的有效控制。

圖3　各驅(qū)動(dòng)因素脈沖響應(yīng)函數(shù)曲線

環(huán)境污染指數(shù)對(duì)自身新息的一個(gè)標(biāo)準(zhǔn)差擾動(dòng)沖擊響應(yīng)，在第1期表現(xiàn)較高的正向沖擊，之后呈現(xiàn)階梯型下降趨勢(shì)，在第5期之后保持負(fù)向沖擊，說明環(huán)境污染對(duì)自身存在明顯負(fù)向影響，且長(zhǎng)期作用更為顯著。方差分解主要分析系統(tǒng)中各個(gè)驅(qū)動(dòng)因素的隨機(jī)沖擊對(duì)環(huán)境污染變化的貢獻(xiàn)性。根據(jù)方差分解理論模型，對(duì)環(huán)境污染指數(shù)(LEPI)預(yù)測(cè)均方誤差進(jìn)行分解，結(jié)果見表4。

表4　環(huán)境污染指數(shù)方差分解結(jié)果

從表4可以看出，環(huán)境污染指數(shù)受自身波動(dòng)影響較小，在整個(gè)觀察期內(nèi)影響程度不足2%，且保持著不斷下降的趨勢(shì)；人均GDP對(duì)環(huán)境污染指數(shù)的影響在第1期為10.77%，第2至10期均保持著小幅起伏，穩(wěn)定在8%左右，第10期之后穩(wěn)定上升，第15期影響程度到達(dá)19.45%；第二產(chǎn)業(yè)比重對(duì)環(huán)境污染指數(shù)的影響在第1期高達(dá)63.00%，但是不容忽視的是隨著時(shí)間的推移，影響程度也在迅速下降，第4至15期均在18%上下小幅波動(dòng)；總?cè)丝趯?duì)環(huán)境污染的影響程度第1期為16.72%，第2，3期增幅較大，第3期已經(jīng)達(dá)到62.17%，并在第6期達(dá)到峰值67.68%，之后影響程度雖有所下降，但保持在50%以上；外商投資對(duì)環(huán)境污染的影響程度第1期僅為0.28%，之后緩慢上升，第15期達(dá)到5.27%，年均增長(zhǎng)0.33%；政府管制對(duì)環(huán)境污染的影響程度第1期為7.64%，在此之后保持平穩(wěn)下降，在第15期達(dá)到2.84%，年均下降0.32%。以上說明，環(huán)境污染受到人均GDP，第二產(chǎn)業(yè)比重和總?cè)丝诘挠绊戄^大，三者對(duì)環(huán)境污染預(yù)測(cè)方差的貢獻(xiàn)度均在15%以上，其中總?cè)丝诘呢暙I(xiàn)度更是達(dá)到50%以上；相比而言，外商投資和政府管制對(duì)環(huán)境污染預(yù)測(cè)方差的貢獻(xiàn)較小。這樣的結(jié)果表明，1985—2012年期間，河南省人口規(guī)模是環(huán)境污染的最主要原因，其次是第二產(chǎn)業(yè)比重和人均GDP。

3結(jié)論與建議

3.1　結(jié) 論

(1) 長(zhǎng)期內(nèi)，河南省人均GDP，第二產(chǎn)業(yè)比重，總?cè)丝冢馍掏顿Y強(qiáng)度和政府管制水平與環(huán)境污染存在著協(xié)整關(guān)系，人均GDP，第二產(chǎn)業(yè)所占比重，總?cè)丝诤驼苤扑矫吭鲩L(zhǎng)1%，會(huì)引起環(huán)境污染指數(shù)上升0.177%，1.032%，2.730%，0.168%，外商投資強(qiáng)度每增加1%，會(huì)引起環(huán)境污染指數(shù)下降0.116%。

(2) 短期內(nèi)，人均GPD，第二產(chǎn)業(yè)所占比重，總?cè)丝冢馍掏顿Y強(qiáng)度以及政府管制水平對(duì)環(huán)境污染指數(shù)均有負(fù)向影響，且系統(tǒng)存在誤差修正機(jī)制，平均每年對(duì)上一期的偏離長(zhǎng)期均衡水平的短期調(diào)整幅度為22.9%。

(3) 人均GDP，第二產(chǎn)業(yè)比重，總?cè)丝陂L(zhǎng)期會(huì)促使環(huán)境污染加劇，外商投資強(qiáng)度對(duì)環(huán)境具有積極影響，政府管制水平對(duì)環(huán)境污染的影響一直處于波動(dòng)狀態(tài)。

(4) 總?cè)丝谑黔h(huán)境污染的最主要原因，其次是產(chǎn)業(yè)結(jié)構(gòu)和經(jīng)濟(jì)因素，它們帶來的沖擊分別能夠解釋環(huán)境污染變化的51.88%，20.36%，19.45%。

3.2　建 議

(1) 科學(xué)合理引導(dǎo)人口在產(chǎn)業(yè)間的分布。人是各種經(jīng)濟(jì)活動(dòng)的主體，人口規(guī)模的劇增必然會(huì)放大各種經(jīng)濟(jì)活動(dòng)對(duì)環(huán)境的污染。自1985至2012年，河南省總?cè)丝谟? 847萬增長(zhǎng)到10 543萬，年均192.6萬人，河南省人口將會(huì)繼續(xù)保持穩(wěn)定增加，人口規(guī)模無法得到有效控制，但是可以通過合理調(diào)節(jié)人口在產(chǎn)業(yè)間的分布來改善環(huán)境，使人口向第三產(chǎn)業(yè)集中，推動(dòng)第三產(chǎn)業(yè)發(fā)展，在經(jīng)濟(jì)增長(zhǎng)的基礎(chǔ)上減少對(duì)環(huán)境的污染。

(2) 實(shí)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)的逐步升級(jí)。河南省第二產(chǎn)業(yè)的重工業(yè)特征異常突出，主要集中在礦產(chǎn)、有色金屬、裝備制造業(yè)等工業(yè)重污染行業(yè)。因此，今后要加強(qiáng)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化，淘汰“高消耗，低產(chǎn)出”的粗放型生產(chǎn)企業(yè)，深化節(jié)能評(píng)估和審查制度，從源頭控制高耗能產(chǎn)業(yè)增長(zhǎng)。建立節(jié)約型產(chǎn)業(yè)獎(jiǎng)勵(lì)機(jī)制，鼓勵(lì)發(fā)展新型產(chǎn)業(yè)，降低單位能耗；大力發(fā)展第三產(chǎn)業(yè)，逐步提升服務(wù)業(yè)在GDP的比重。

[參考文獻(xiàn)]

[1]李國(guó)柱.外商直接投資與環(huán)境污染的因果關(guān)系檢驗(yàn)[J].國(guó)際貿(mào)易問題,2007(6):105-109.

[2]陳麗珍,魯唯.江蘇省利用FDI對(duì)環(huán)境污染影響的實(shí)證分析[J].中國(guó)商貿(mào),2012(21):210-215

[3]張學(xué)剛,鐘茂初.外商直接投資與環(huán)境污染:基于聯(lián)立方程的實(shí)證研究[J].財(cái)經(jīng)科學(xué),2010(10):110-117.

[4]陸碭,郭路.環(huán)境庫(kù)茲涅茨倒U型曲線和環(huán)境支出的S型曲線[J].世界經(jīng)濟(jì),2008(12):82-92.

[5]張宇青,易中懿,周應(yīng)恒.我國(guó)主要城市大氣污染與經(jīng)濟(jì)增長(zhǎng)關(guān)聯(lián)分析:基于靜態(tài)與動(dòng)態(tài)面板數(shù)據(jù)的實(shí)證[J].江西社會(huì)科學(xué),2013(6):56-61.

[6]Holtz-Eakin D, Selden T M. Stoking the fires? CO2emissions and economic growth[J]. Journal of Public Economics, 1995,57(1):85-101.

[7]Selden T M, Song Daqing. Environmental quality and development: Is there a Kuznets curve for air pollution emissions?[J]. Journal of Environmental Economics and Management, 1994,27(2):147-162.

[8]劉榮茂,張莉俠,孟令杰.經(jīng)濟(jì)增長(zhǎng)與環(huán)境質(zhì)量:來自中國(guó)省級(jí)面板數(shù)據(jù)的證據(jù)[J].經(jīng)濟(jì)地理,2006,26(3):374-377.

[9]楊永華,諸大建,王辰,等.經(jīng)濟(jì)學(xué)視角的能源使用與環(huán)境質(zhì)量關(guān)系研究[J].資源環(huán)境與工程,2007,21(1):71-74.

[10]李國(guó)璋,江金榮,周彩云.轉(zhuǎn)型時(shí)期的中國(guó)環(huán)境污染影響因素分析:基于全要素能源效率視角[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào),2009(12):32-39.

[11]邵咪咪.中國(guó)城市化和工業(yè)化階段的環(huán)境污染影響因素及應(yīng)對(duì)策略[D].南京：南京大學(xué),2011.

[12]宋香榮,蘇斌,陳前鵬.新疆環(huán)境污染影響因素分析[J].新疆財(cái)經(jīng)大學(xué)學(xué)報(bào),2010(3):7-11.

[13]周輝仁,鄭丕諤.基于遞階遺傳算法和BP網(wǎng)絡(luò)的時(shí)間序列預(yù)測(cè)[J].系統(tǒng)仿真學(xué)報(bào),2007,19(21):5055-5058.

[14]李明,李雪銘.基于遺傳算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)在我國(guó)主要城市人居環(huán)境質(zhì)量評(píng)價(jià)中的應(yīng)用[J].經(jīng)濟(jì)地理,2007,27(1):99-102.

[15]謝地.政府規(guī)制經(jīng)濟(jì)學(xué)[M].北京:高等教育出版社,2003.

[16]劉志遜,劉珍奇,黃文輝.中國(guó)化石燃料環(huán)境污染治理重點(diǎn)及措施[J].資源·產(chǎn)業(yè),2005,7(5):49-52.

[17]李棟,何康林,紀(jì)振.江蘇省人口產(chǎn)業(yè)結(jié)構(gòu)與環(huán)境污染的關(guān)系研究[J].資源開發(fā)與市場(chǎng),2007,23(5):458-459.

[18]尚紅云.遼寧經(jīng)濟(jì)發(fā)展與環(huán)境污染的三次函數(shù)特征分析[J].城市發(fā)展研究,2009(1):75-79.

[19]許月卿,李雙成.中國(guó)經(jīng)濟(jì)發(fā)展水平區(qū)域差異的人工神經(jīng)網(wǎng)絡(luò)判定[J].資源科學(xué),2005,27(1):69-73.

Research on Driving Factors of Environment Pollution Based on Co-integration Analysis and Vector Autoregressive Model

MA Menghua1, SONG Wenbo2, DING Yanxi3, MENG Qingxiang2,4, GUO Zilong2, SHANG Yike2

(1.ZhengzhouLandandResourcesBureau,Zhengzhou,He’nan450006,China; 2.CollegeofRecourseandEnvironment,HenanAgricultureUniversity,Zhengzhou,He’nan450002,China; 3.HenanJinchenInformationTechnologyCo.Ltd,Zhengzhou,He’nan450002,China; 4.CollegesanduniversitiesinHe’nanProvinceofAgriculturalResourcesandEnvironmentalEngineeringTechnologyResearchCenter,Zhengzhou,He’nan450002,China)

Abstract：[Objective] To analyze the driving mechanism of environmental pollution, and privide support for economic derelopment and enviromental planning in Henan Province. [Methods] To interpret the dynamic changes in the environmental pollution of He’nan Province and its relationships with some driving forces based on co-integration analysis, error-correct model, impulse response function, and variance decomposition. [Results] Over all, environmental pollution had long-term co-integration relationship with GDP per capita, proportion of secondary industry, total population, foreign direct investment and government regulation, and the error correction mechanism existed. The impulse response analysis showed that GDP per capita, proportion of secondary industry and total population aggravated environmental pollution, while foreign direct investment had slightly positive impacts and government regulation has insignificant effects. According to the results of variance decomposition, total population was the most important factor for environmental pollution, followed by proportion of secondary industry and GDP per capita. [Conclusion] Rationalizing the population distribution and optimizing industrial structure is the future development orientation for environment pollution control.

Keywords:environmental pollution; driving factors; genetic algorithm; co-integration analysis; VAR model

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1000-288X(2015)03-0162-06

中圖分類號(hào)：F205

通信作者：孟慶香(1977—),女(漢族),河南省新鄉(xiāng)市人,副教授,博士,主要從事土地資源調(diào)查評(píng)價(jià)工作。E-mail:qxmeng@126.com。

收稿日期：2014-04-18修回日期：2014-04-28

資助項(xiàng)目：中國(guó)地質(zhì)調(diào)查局項(xiàng)目“中原經(jīng)濟(jì)區(qū)資源環(huán)境承載力綜合評(píng)價(jià)與區(qū)劃”(12120113007300)

第一作者：馬孟華(1964—),女(漢族),河南省鄭州市人,高級(jí)工程師,本科,主要從事國(guó)土規(guī)劃與土地綜合整治研究。E-mail:zzgtgh@sina.com。