空氣污染排放與經(jīng)濟(jì)增長(zhǎng)的關(guān)系研究
——基于中國(guó)省際面板數(shù)據(jù)的空間計(jì)量模型

艾小青，陳連磊，朱麗南

（北京工業(yè)大學(xué)a.經(jīng)濟(jì)與管理學(xué)院；b.首都社會(huì)建設(shè)與社會(huì)管理協(xié)同創(chuàng)新中心，北京100124）

●區(qū)域發(fā)展

空氣污染排放與經(jīng)濟(jì)增長(zhǎng)的關(guān)系研究
——基于中國(guó)省際面板數(shù)據(jù)的空間計(jì)量模型

艾小青a，b，陳連磊a，b，朱麗南a

（北京工業(yè)大學(xué)a.經(jīng)濟(jì)與管理學(xué)院；b.首都社會(huì)建設(shè)與社會(huì)管理協(xié)同創(chuàng)新中心，北京100124）

文章基于中國(guó)31個(gè)省市的2004-2014年的面板數(shù)據(jù)，并使用擴(kuò)展的庫(kù)茲涅茨曲線模型，對(duì)于經(jīng)濟(jì)增長(zhǎng)、城鎮(zhèn)化率，產(chǎn)業(yè)結(jié)構(gòu)與三種空氣污染物排放之間的關(guān)系進(jìn)行研究，并介紹了空間計(jì)量模型的R語(yǔ)言操作。研究發(fā)現(xiàn)：各省市之間的工業(yè)廢氣、SO2排放和煙塵排放具有空間相關(guān)性和空間依賴性；經(jīng)濟(jì)增長(zhǎng)和三種空氣污染排放之間都存在著倒U型關(guān)系，煙塵排放的拐點(diǎn)最高；地區(qū)間的空氣污染排放的空間影響是復(fù)雜的，不是簡(jiǎn)單的單向關(guān)系；第二產(chǎn)業(yè)產(chǎn)業(yè)結(jié)構(gòu)增大則會(huì)加重了三種空氣污染排放；高城鎮(zhèn)化率加重了工業(yè)廢氣排放，而減少了SO2排放和煙塵排放。

庫(kù)茲涅茨曲線；空氣污染排放；經(jīng)濟(jì)增長(zhǎng)；R語(yǔ)言；SARAR模型

一、引言

近幾十年來(lái)，中國(guó)經(jīng)濟(jì)飛速發(fā)展，人民的物質(zhì)生活水平得到了巨大的提高，與此同時(shí)，霧霾天氣、空氣污染、環(huán)境惡化等問(wèn)題也日益加劇。空氣污染對(duì)于居民生活和社會(huì)生產(chǎn)建設(shè)具有嚴(yán)重的負(fù)面影響，所以，我們?cè)诩訌?qiáng)經(jīng)濟(jì)建設(shè)的同時(shí)應(yīng)該更加注重環(huán)境的保護(hù)。

環(huán)境庫(kù)茲涅茨曲線（Environmental Kuznets Curve，EKC）是西方學(xué)者研究經(jīng)濟(jì)增長(zhǎng)與環(huán)境污染關(guān)系比較熱門的一個(gè)方向，主要提出了經(jīng)濟(jì)增長(zhǎng)和環(huán)境污染的關(guān)系呈“倒U型”。我國(guó)很多學(xué)者對(duì)于中國(guó)是否存在EKC曲線進(jìn)行了驗(yàn)證。張成、朱乾龍、于同申（2011）通過(guò)對(duì)各省數(shù)據(jù)進(jìn)行整體和分組檢驗(yàn)，發(fā)現(xiàn)環(huán)境污染和經(jīng)濟(jì)增長(zhǎng)之間存在復(fù)雜的關(guān)系，包括單調(diào)遞減、倒U型、倒N型等［1］；虞依娜、陳麗麗（2012）發(fā)現(xiàn)計(jì)量模型的不同對(duì)EKC研究的結(jié)論也有所不同，EKC會(huì)呈現(xiàn)倒U型、倒N型等多種形態(tài)［2］；高宏霞、楊林、付海東（2012）通過(guò)研究發(fā)現(xiàn)各省廢氣和二氧化硫排放量的數(shù)據(jù)均符合EKC曲線假設(shè)，并對(duì)廢氣和二氧化硫的排放拐點(diǎn)進(jìn)行預(yù)測(cè)［3］。

空氣污染空間溢出效應(yīng)也成了目前學(xué)者關(guān)注的熱點(diǎn)。Yu Hao和Yi-Ming Liu（2016）通過(guò)采用空間計(jì)量方法研究2013年中國(guó)73個(gè)城市的數(shù)據(jù)，發(fā)現(xiàn)PM2.5和人均GDP存在著倒U型關(guān)系［4］。馬麗梅、張曉（2014）運(yùn)用空間計(jì)量方法，發(fā)現(xiàn)霧霾污染和PM10存在著空間相關(guān)性［5-6］。吳玉鳴、田斌（2012）通過(guò)研究2008年31個(gè)省的截面數(shù)據(jù)發(fā)現(xiàn)各省之間存在空間依賴性和相關(guān)性，省域環(huán)境污染與經(jīng)濟(jì)增長(zhǎng)存在著倒U型關(guān)系［7］。劉華軍、楊騫（2014）采用省際面板數(shù)據(jù)，認(rèn)為環(huán)境污染存在空間依賴和時(shí)空依賴等［8］。許和連、鄧玉萍（2012）和聶飛、劉海云（2015）都發(fā)現(xiàn)了FDI對(duì)于環(huán)境污染產(chǎn)生影響，且環(huán)境污染存在空間影響［9-10］。

大多數(shù)學(xué)者認(rèn)為環(huán)境污染和經(jīng)濟(jì)增長(zhǎng)之間存在著因果關(guān)系，經(jīng)濟(jì)增長(zhǎng)對(duì)于環(huán)境污染有著復(fù)雜的影響。各地之間的經(jīng)濟(jì)發(fā)展水平和環(huán)境污染都存在一定的空間相關(guān)性。在研究環(huán)境污染和經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系的時(shí)候不能忽視空間效應(yīng)的影響。本文主要研究空氣污染排放與經(jīng)濟(jì)增長(zhǎng)、產(chǎn)業(yè)結(jié)構(gòu)等方面的關(guān)系，主要以三個(gè)空氣污染排放物為研究對(duì)象：工業(yè)廢氣排放總量、SO2排放總量、煙塵排放總量，基于擴(kuò)展的環(huán)境庫(kù)茲涅茨曲線建立空間計(jì)量模型，分析經(jīng)濟(jì)增長(zhǎng)、城鎮(zhèn)化率和產(chǎn)業(yè)結(jié)構(gòu)對(duì)于空氣污染排放的影響，同時(shí)分析各省之間的空氣污染排放的空間相關(guān)性和空間依賴性。目前，空間計(jì)量經(jīng)濟(jì)學(xué)研究較多的就是SAR模型和SEM模型，這兩個(gè)模型只是針對(duì)因變量或隨機(jī)擾動(dòng)項(xiàng)中空間滯后中的一種，不能全面分析一些復(fù)雜的空間關(guān)系。故本文模型設(shè)置采用帶空間自回歸誤差項(xiàng)的空間自回歸模型（Spatial AutoregressiveModelwithSpatialAutoregressive Disturbance，簡(jiǎn)記SARAR），可以較全面地分析數(shù)據(jù)的空間關(guān)系。

對(duì)于空間計(jì)量的回歸分析中，多數(shù)人選擇使用MATLAB、Stata等軟件，使用R語(yǔ)言的較少。R語(yǔ)言具有免費(fèi)、開源、簡(jiǎn)單易學(xué)，功能強(qiáng)大，是專業(yè)的統(tǒng)計(jì)和數(shù)據(jù)分析的軟件，非常有利于大家學(xué)習(xí)和推廣。本文關(guān)于空間計(jì)量的計(jì)算和操作基本上使用R語(yǔ)言。用R語(yǔ)言實(shí)現(xiàn)空間計(jì)量分析，需要使用splm軟件包，這個(gè)可以去R語(yǔ)言網(wǎng)站上免費(fèi)下載（https:// cran.r-project.org/web/packages/splm/index.html）。關(guān)于splm軟件包的更多細(xì)節(jié)可以參見Millo G、Piras G（2012）[11]and Gianfranco Piras（2014）[12]。

二、研究方法

庫(kù)茲涅茨曲線主要是研究的經(jīng)濟(jì)增長(zhǎng)水平和環(huán)境污染之間的關(guān)系，需要對(duì)其進(jìn)行擴(kuò)展，則可以加入城鎮(zhèn)化率、產(chǎn)業(yè)結(jié)構(gòu)等影響空氣污染的因素。本文采用面板數(shù)據(jù)并加入空間權(quán)重，建立擴(kuò)展的空間庫(kù)茲涅茨曲線模型，對(duì)空氣污染排放的影響因素進(jìn)行研究。

（一）空間相關(guān)性指數(shù)

在確定是否運(yùn)用空間計(jì)量方法時(shí)，首先考察數(shù)據(jù)之間是否存在著空間依賴性。常用的方法有兩種，一種是以Moran's I指數(shù)去分析一個(gè)總的空間范圍內(nèi)的空間依賴程度；另一種則是以Moran散點(diǎn)圖和LISA來(lái)描述描述一個(gè)空間單元與其領(lǐng)域的相似程度，能夠表示每個(gè)局部單元服從全局總趨勢(shì)的程度。因此，運(yùn)用Moran′s I指數(shù)描述的是全局空間自相關(guān)，Moran散點(diǎn)圖反映的局部空間自相關(guān)。

在計(jì)算Moran′s I值時(shí)，首先要設(shè)置空間權(quán)重，本文的空間權(quán)重的設(shè)置基于“車”相鄰（Rook Contiguity）原則，即若地區(qū)i與地區(qū)j有共同的邊界，則Wij=1，反之，Wij=0。Moran′s I計(jì)算公式如下：

其中，n代表地區(qū)總數(shù)，xi和xj分別為地區(qū)i和地區(qū)j的觀測(cè)值，xˉ為觀測(cè)值的平均值。Moran's I取值在[-1,1]之間，當(dāng)Moran′s I大于0，說(shuō)明數(shù)據(jù)之間存在空間正相關(guān)性；小于0則是數(shù)據(jù)之間有空間負(fù)相關(guān)性；當(dāng)Moran′s I值接近0，則證明沒(méi)有空間相關(guān)性。

（二）空間計(jì)量模型

空間面板數(shù)據(jù)模型具有時(shí)空雙重性。本文采用一個(gè)Anselin L（1988）提出較為通用的模型[13]，一個(gè)帶空間自回歸誤差項(xiàng)的空間自回歸模型，也就是SARAR模型的表達(dá)式為：

其中，因變量y是nt×1的列向量，X為n×k數(shù)據(jù)矩陣，包括k列解釋變量，βk×1為相應(yīng)的系數(shù)，矩陣W為n×n的空間權(quán)重矩陣。λ為相應(yīng)的空間參數(shù)數(shù)，用來(lái)刻畫空間依賴性，度量因變量的空間溢出效應(yīng)，也就是相鄰區(qū)域的觀測(cè)值對(duì)本區(qū)域的影響。u為隨機(jī)擾動(dòng)向量，由兩部分構(gòu)成：

其中,νT是t×1的時(shí)間維度的向量，IN是n×n的單位矩陣，μ是與時(shí)間無(wú)關(guān)的個(gè)體特異效應(yīng)（不是空間自相關(guān)），ε是關(guān)于空間自相關(guān)的向量，且遵循式（4）空間自回歸過(guò)程。

ρ(|ρ|＜1)是空間自回歸參數(shù)。在面板數(shù)據(jù)中，個(gè)體效應(yīng)一般被分為固定效應(yīng)和隨機(jī)效應(yīng)。而在隨機(jī)效應(yīng)中蘊(yùn)含著一個(gè)假設(shè)：未觀察到的個(gè)體效應(yīng)與其他解釋變量不相關(guān)。在這種情況下μi～I(xiàn)ID(0,)，誤差項(xiàng)可以改寫成：

式（3）的誤差項(xiàng)公式，可以改寫成：

且ε的方差協(xié)方差矩陣改寫成如下形式：

在上面的模型中，λ表示空間滯后Wy對(duì)y的影響；ρ表示擾動(dòng)項(xiàng)u存在空間依賴性，意味著不包含在X中但對(duì)y有影響的遺漏變量存在空間相關(guān)性，或者是不可觀測(cè)的隨機(jī)沖擊存在空間相關(guān)性。當(dāng)ρ=0(λ≠0)時(shí)就是空間滯后模型（SLM或SAR），λ=0(ρ≠0)就是空間誤差模型（SEM），顯然SAR模型和SEM模型只是SARAR模型的特例。如果ρ或λ系數(shù)不顯著或檢驗(yàn)未通過(guò)，則直接可以變?yōu)镾AR模型或SEM模型。使用SARAR模型可以更全面的分析數(shù)據(jù)之間存在的復(fù)雜空間關(guān)系。

三、實(shí)證分析

（一）數(shù)據(jù)來(lái)源

本文主要研究經(jīng)濟(jì)增長(zhǎng)與空氣污染排放之間的關(guān)系，工業(yè)廢氣、SO2和煙塵的排放對(duì)于空氣質(zhì)量的影響非常大，是主要的污染物排放物，所以主要污染物指標(biāo)是工業(yè)廢氣排放總量(億標(biāo)立方米)、SO2排放總量（萬(wàn)噸）、煙塵排放總量（萬(wàn)噸）。同時(shí)考慮經(jīng)濟(jì)增長(zhǎng)水平，選取2004-2014年的各省市的地區(qū)生產(chǎn)總值作為經(jīng)濟(jì)因素指標(biāo)，為了剔除物價(jià)水平的影響，取2004年為基期，采用GDP平減指數(shù)進(jìn)行平減。同時(shí)城市相對(duì)于鄉(xiāng)村的廢氣等的排放也更多，所以選取城鎮(zhèn)化率（%）作為人口地理指標(biāo)。第二產(chǎn)業(yè)的發(fā)展對(duì)于工業(yè)廢氣、SO2和煙塵的排放有著直接關(guān)系，選取第二產(chǎn)業(yè)比重（%）作為產(chǎn)業(yè)結(jié)構(gòu)指標(biāo)。以上數(shù)據(jù)來(lái)源于2005-2015年歷年《中國(guó)環(huán)境統(tǒng)計(jì)年鑒》和各省市統(tǒng)計(jì)年鑒。

圖1和圖2分別2004年和2014年工業(yè)廢氣、SO2排放、煙塵排放的空間分布特征四分位圖，顏色越深代表污染排放越重。可以看到2004年和2014年三種指標(biāo)在北方大部分區(qū)域排放量遠(yuǎn)超其他地方，特別是河北、內(nèi)蒙古、山東、遼寧等地。特別是在2014年河北工業(yè)廢氣和煙塵排放量在全國(guó)最多，雖然北京天津兩地排放量很少，但是霧霾天氣出現(xiàn)也會(huì)受河北、內(nèi)蒙古等北方地區(qū)的影響。可以看到與2004年相比，北方空氣污染物排放量相對(duì)有所增多。相對(duì)于北方地區(qū)，西北和南方的空氣污染排放較少。相對(duì)于2004年，南方SO2排放、煙塵排放有所減輕，特別是四川和廣西兩省。新疆三種污染排放較2004年相比都有所增加。

圖1 2004年工業(yè)廢氣排放、SO2排放、煙塵排放的空間分布特征

圖2 2014年工業(yè)廢氣排放、SO2排放、煙塵排放的空間分布特征

（二）空間相關(guān)分析

通過(guò)上面的各污染物的空間分布四分位圖只能宏觀的顯示出各種污染物的省域空間分布狀況，從圖中可以看出部分省域間空氣污染物排放具有空間的集聚性，但沒(méi)有運(yùn)用數(shù)據(jù)明確表示出環(huán)境污染存在空間相關(guān)性。所以選擇運(yùn)用2004-2014年的數(shù)據(jù)計(jì)算出Moran′s I指數(shù)來(lái)清楚的證明污染物的分布具有顯著的空間相關(guān)性。通過(guò)R語(yǔ)言計(jì)算出歷年全局空間相關(guān)性指數(shù)。下面以2004年工業(yè)廢氣排放的Moran′s I值計(jì)算為例，R語(yǔ)言操作如下：

把數(shù)據(jù)導(dǎo)入gas-pollution.txt中，并且由GeoDa軟件獲得關(guān)于空間權(quán)重的China.gal文件。

R＜library(splm)#加載splm軟件包

R＜chngal＜-read.gal（“G：/DATA/China.gal”= override.id=TRUE）#讀取空間權(quán)重文件

R＜chnrook＜-nb2listw(chngal)#轉(zhuǎn)換為R語(yǔ)言可識(shí)別的權(quán)重

R＜da＜-read.table（“G：/DATA/gas-pollution. txt”，header=TRUE）#讀取廢氣排放數(shù)據(jù)

R＜moran.test（gas-pollution$GAS04，chnrook，randomisation=FALSE，alternative=“two.sided”）#計(jì)算雙側(cè)檢驗(yàn)的Moran′sI值

通過(guò)R語(yǔ)言逐年計(jì)算工業(yè)廢氣、SO2排放和煙塵排放的Moran′s I值，得到表1。

表1 空氣污染的全局莫蘭指數(shù)

由表1可知，在5%的顯著性水平下，可以看到工業(yè)廢氣排放和煙塵排放的Moran′s I值基本上都在0.2以上，工業(yè)廢氣和煙塵排放具有很強(qiáng)的空間相關(guān)性，并且煙塵排放量的空間相關(guān)性逐漸增強(qiáng)。而SO2排放的Moran′s I值大部分在5%的顯著性水平下顯著，而在10%的顯著性水平下都顯著，SO2排放的Moran′s I值隨著時(shí)間有起伏，但總體還是增加的。可以認(rèn)為SO2排放存在空間相關(guān)性，并且逐年增加。

R語(yǔ)言中的默認(rèn)Moran散點(diǎn)圖是非標(biāo)準(zhǔn)化的（命令：moran.plot），為了容易數(shù)據(jù)的比較，參考Anselin L（2007）的做法，對(duì)Moran散點(diǎn)圖進(jìn)行標(biāo)準(zhǔn)化處理［14］。

R＜source（“moran.plot2.R”）#加載標(biāo)準(zhǔn)化的Moran散點(diǎn)圖程序

R＜moran.plot2（gas-pollution$GAS04，chnrook）#繪制Moran散點(diǎn)圖

局部空間自相關(guān)性主要看Moran散點(diǎn)圖，為了簡(jiǎn)便，只列出2004年和2014年工業(yè)廢氣排放、SO2排放、煙塵排放的Moran散點(diǎn)圖，見圖3、4。點(diǎn)落在第一三象限表明有正的空間相關(guān)性，落在第二四象限表明有負(fù)的空間相關(guān)性。由圖3、4可以看到，2004年的三種污染物排放散點(diǎn)圖分布不集中，空間相關(guān)性相對(duì)較弱。2014年工業(yè)廢氣排放Moran散點(diǎn)集中度相比于2004年有所減弱，但是工業(yè)廢氣排放主要集中一三象限，空間相關(guān)性還是比較強(qiáng)的。相對(duì)于2004年，2014年SO2排放、煙塵排放散點(diǎn)重要集中在一三象限，說(shuō)明SO2排放、煙塵排放空間相關(guān)性在變強(qiáng)。

圖3 2004年工業(yè)廢氣排放總量、SO2排放總量、煙塵排放Moran散點(diǎn)圖

圖4 2014年工業(yè)廢氣排放總量、SO2排放總量、煙塵排放Moran散點(diǎn)圖

其中，lnPollution是工業(yè)廢氣排放、SO2排放、煙塵排放的對(duì)數(shù)值，分別用lnGAS、lnSO2、lnDUST表示；lnGDP為各省地區(qū)生產(chǎn)總值的自然對(duì)數(shù)，lnUbran為城鎮(zhèn)化率的對(duì)數(shù)值，lnIndustry是第二產(chǎn)業(yè)產(chǎn)業(yè)結(jié)構(gòu)的對(duì)數(shù)值，u是隨機(jī)誤差項(xiàng)。在實(shí)證估計(jì)時(shí)，需要將空間權(quán)重矩陣W進(jìn)行“行標(biāo)準(zhǔn)化”處理，即將矩陣中的每個(gè)元素除以所在行元素之和，保證每行元素之和為1。

Baltagi等（2003；2007）提出了幾個(gè)邊際、聯(lián)合和條件拉格朗日乘數(shù)檢驗(yàn)，用來(lái)檢驗(yàn)隨機(jī)效應(yīng)和空間計(jì)量模型的選擇［15-16］。本文選擇R語(yǔ)言三個(gè)關(guān)于本文檢驗(yàn)LMH、SLM1和LMλ進(jìn)行說(shuō)明。這三個(gè)檢驗(yàn)的假設(shè)是：

（三）模型設(shè)置

本文主要研究經(jīng)濟(jì)增長(zhǎng)等因素對(duì)空氣污染排放指標(biāo)的影響，參考擴(kuò)展的環(huán)境庫(kù)茲涅茨曲線的形式，建立如下空間面板數(shù)據(jù)模型：

在R語(yǔ)言里splm軟件包里的bsktest可以實(shí)現(xiàn)上述三個(gè)檢驗(yàn)。下面是R語(yǔ)言中的操作，以廢氣排放量的回歸和檢驗(yàn)為例。splm軟件包中的空間權(quán)重矩陣和計(jì)算Moran’I值的矩陣的輸入形式是不一樣的。

R＜da＜-read.table（“G：/DATA/data.txt”，header=T）#讀取原始數(shù)據(jù)

R＜fm＜-LnGAS～LnGDP+LnGDP2+LnUrban+LnIndustry#輸入估計(jì)方程

R＜chw＜-mat2listw（w）#轉(zhuǎn)換空間權(quán)重矩陣，w為輸入的原始空間權(quán)重矩陣

R＜test1＜-bsktest（x=fm，data=da，listw= chw，test=“LMH”）

R＜test1#LM檢驗(yàn)-LMH隨機(jī)效應(yīng)或空間自回歸

R＜test2＜-bsktest（x=fm，data=da，listw= chw，test=“LM1”）

R＜test2#LM檢驗(yàn)-SLM1隨機(jī)效應(yīng)

R＜test3＜-bsktest（x=fm，data=da，listw= chw，test=“CLMlambda”）

R＜test3#LM檢驗(yàn)-LMλ空間自回歸效應(yīng)

對(duì)三個(gè)污染指標(biāo)的模型進(jìn)行檢驗(yàn)，得到LM檢驗(yàn)結(jié)果，見表2所列。可以由LMH檢驗(yàn)結(jié)果知道，在5%的顯著性水平下，三個(gè)模型都拒絕原假設(shè)，模型至少具有因變量的空間自回歸過(guò)程和隨機(jī)效應(yīng)的一個(gè)效應(yīng)。SLM1檢驗(yàn)，則是不能拒絕原假設(shè)，三個(gè)模型都不存在隨機(jī)效應(yīng)。LMλ檢驗(yàn)則拒絕被解釋變量沒(méi)有空間自回歸過(guò)程的原假設(shè)，三個(gè)模型都存在空間自回歸過(guò)程。

表2 模型Baltagi，SongandKohLM檢驗(yàn)

四、估計(jì)結(jié)果

通過(guò)檢驗(yàn)得知，三個(gè)模型是存在空間自回歸過(guò)程并具有固定效應(yīng)的，可以用R語(yǔ)言進(jìn)行估計(jì)，下面是對(duì)lnGAS的SARAR時(shí)空雙固定效應(yīng)模型的估計(jì)。R語(yǔ)言提供了極大似然估計(jì)方法（命令：spml）和廣義距估計(jì)（命令：spgm）兩種方法。本文選擇極大似然估計(jì)法來(lái)估計(jì)SARAR模型。圖5為R語(yǔ)言SARAR模型時(shí)空固定效應(yīng)的估計(jì)結(jié)果。

R＜Sararfemod＜-spml（formula=fm，data= da，index=NULL，

+listw=chw，model=“within”，lag=TRUE，spatial.error=“b”，

+effect=“twoways”，method=“eigen”，na. action=na.fail，

+quiet=TRUE，zero.policy=NULL）

R＜summary（Sararfemod）#SARAR模型時(shí)空固定效應(yīng)的估計(jì)結(jié)果

圖5 R語(yǔ)言SARAR模型時(shí)空固定效應(yīng)的估計(jì)結(jié)果

類似的對(duì)其他模型做相應(yīng)處理得到估計(jì)結(jié)果。空間面板數(shù)據(jù)模型的固定效應(yīng)有三種，時(shí)間固定效應(yīng)、空間固定效應(yīng)和時(shí)空雙固定效應(yīng)。本文分別對(duì)三個(gè)空氣污染指標(biāo)的模型都進(jìn)行三種固定效應(yīng)估計(jì)，根據(jù)AIC和SC等準(zhǔn)則，從中挑出結(jié)果顯著和最適合的模型。最后，發(fā)現(xiàn)廢氣排放和SO2排放時(shí)空固定效應(yīng)模型效果最好，煙塵排放則是時(shí)間固定效應(yīng)最好。表3是考慮lnGAS時(shí)空固定效應(yīng)、lnSO2時(shí)空固定效應(yīng)、lnDUST時(shí)間固定效應(yīng)的SARAR模型的估計(jì)結(jié)果。

表3 空氣污染的SARAR模型估計(jì)結(jié)果

由以上的估計(jì)結(jié)果可以得出：

（1）經(jīng)濟(jì)增長(zhǎng)對(duì)空氣污染的影響十分顯著。在1%的顯著性水平下，在三種模型的固定效應(yīng)估計(jì)結(jié)果中，lnGDP的系數(shù)為正，(lnGDP)2的系數(shù)都為負(fù)，說(shuō)明中國(guó)各省廢氣排放量與經(jīng)濟(jì)增長(zhǎng)之間存在著倒U型關(guān)系，也就是說(shuō)廢氣排放和經(jīng)濟(jì)增長(zhǎng)之間存在著庫(kù)茲涅茨曲線關(guān)系。根據(jù)估計(jì)出來(lái)的方程，計(jì)算的庫(kù)茲涅茨曲線的拐點(diǎn)分別為：7.796、7.568、8.723。而2004-2014年，中國(guó)各省GDP對(duì)數(shù)值，最小為2004年西藏4.927，最大為2014年廣東9.592，平均數(shù)為7.975。大部分省市已經(jīng)十分接近或者到達(dá)了庫(kù)茲涅茨曲線的拐點(diǎn)，廢氣排放量開始下降，這與中國(guó)經(jīng)濟(jì)增長(zhǎng)飛速發(fā)展是分不開的，同時(shí)也與國(guó)家大力推行的促進(jìn)經(jīng)濟(jì)的可持續(xù)發(fā)展政策密切相關(guān)。

（2）城鎮(zhèn)化率對(duì)空氣污染有影響。在以廢氣排放總量為因變量的SARAR模型中，城鎮(zhèn)化率的系數(shù)為0.861，也就是說(shuō)城鎮(zhèn)化率越高，廢氣排放總量也就越高。工業(yè)廢氣主要是有CO2、SO2、煙塵、氟化物、氮氧化物等構(gòu)成。城鎮(zhèn)化水平越高，居民的生活消費(fèi)水平也得到提高，生活廢氣的直接排放和物質(zhì)產(chǎn)品消費(fèi)過(guò)程廢氣的間接排放都大大增加了，特別是CO2等氣體的排放大大增加。但是城市化率也代表著一個(gè)國(guó)家的經(jīng)濟(jì)發(fā)展水平，城鎮(zhèn)化水平越高，總體人群的素質(zhì)就會(huì)越高，相應(yīng)的運(yùn)用科學(xué)技術(shù)的水平也會(huì)提高，因此可以利用科技力量和開發(fā)環(huán)保能源使得廢氣中的SO2等有害物質(zhì)含量降低，降低對(duì)環(huán)境造成的污染。正如近幾年，中國(guó)推行的節(jié)能減排，SO2排放和煙塵排放都經(jīng)過(guò)處理后達(dá)標(biāo)才允許排放，所以在SO2排放和煙塵排放模型中，城鎮(zhèn)化水平的系數(shù)為負(fù)，城鎮(zhèn)化水平越高，SO2排放和煙塵排放就越少。

（3）產(chǎn)業(yè)結(jié)構(gòu)對(duì)空氣污染有正向影響。在三個(gè)模型中，第二產(chǎn)業(yè)產(chǎn)業(yè)結(jié)構(gòu)的系數(shù)都為正，說(shuō)明第二產(chǎn)業(yè)比重越高，空氣污染越嚴(yán)重，特別是在北方的河北、內(nèi)蒙古等地，重工業(yè)發(fā)達(dá)，第二產(chǎn)業(yè)占比重較大的產(chǎn)業(yè)結(jié)構(gòu)會(huì)加重廢氣、SO2和煙塵排放。

（4）空間效應(yīng)對(duì)空氣污染也有著影響。因變量的空間滯后項(xiàng)的系數(shù)λ表示一個(gè)地區(qū)空氣污染排放會(huì)受到周圍地區(qū)排放的影響，存在空間溢出效應(yīng)。在廢氣排放和煙塵排放模型中，因變量的空間滯后項(xiàng)的系數(shù)為負(fù)，意味著本地區(qū)廢氣排放和煙塵排放會(huì)受到來(lái)自周圍地區(qū)廢氣、煙塵的排放的反向作用。也就是說(shuō)一個(gè)地區(qū)空氣污染排放通過(guò)地區(qū)生產(chǎn)總值、城鎮(zhèn)化水平和產(chǎn)業(yè)結(jié)構(gòu)等變量的影響，傳導(dǎo)至其他地區(qū)并影響這些地區(qū)的空氣污染排放。而考慮隨機(jī)擾動(dòng)項(xiàng)的空間滯后，發(fā)現(xiàn)廢氣排放和煙塵排放的系數(shù)為正，一些不在解釋變量的因素如頻繁的省域之間的經(jīng)濟(jì)社會(huì)的交流，能源消耗等，通過(guò)擾動(dòng)項(xiàng)對(duì)空氣污染產(chǎn)生影響。而SO2排放的影響方式與廢氣。煙塵排放則恰恰相反。所以空氣污染的三個(gè)指標(biāo)在空間的相互影響不是簡(jiǎn)單的單向關(guān)系，存在復(fù)雜的多重影響。

五、結(jié)論與建議

本文首先探究了2004-2014年空氣污染物排放，并計(jì)算出了歷年的工業(yè)廢氣排放、SO2排放、煙塵排放的Moran’s I指數(shù)、畫出Moran散點(diǎn)圖，發(fā)現(xiàn)三個(gè)空氣污染排放指標(biāo)，有著空間相關(guān)性；故以此基于擴(kuò)展的環(huán)境庫(kù)茲涅茨曲線建立經(jīng)濟(jì)增長(zhǎng)和空氣污染的空間計(jì)量模型，并基于R語(yǔ)言計(jì)算出結(jié)果。結(jié)果表明，三個(gè)空氣污染指標(biāo)存在著復(fù)雜的空間相關(guān)性，與經(jīng)濟(jì)增長(zhǎng)等變量并不是簡(jiǎn)單的線性單向關(guān)系。本文只介紹了R語(yǔ)言中部分關(guān)于空間計(jì)量模型的使用，空間計(jì)量還包括截面分析和脈沖效應(yīng)分析等，這可以參考splm和spdep的軟件說(shuō)明。

經(jīng)濟(jì)增長(zhǎng)與三個(gè)空氣污染物排放之間都存在庫(kù)茲涅茨曲線關(guān)系。三個(gè)污染物排放與經(jīng)濟(jì)增長(zhǎng)之間的倒U型曲線的拐點(diǎn)略有不同。從估算的各空氣指標(biāo)的庫(kù)茲涅茨曲線的拐點(diǎn)來(lái)看，SO2排放的拐點(diǎn)最低，說(shuō)明SO2排放對(duì)于經(jīng)濟(jì)增水平的變化反應(yīng)較明顯。煙塵排放的拐點(diǎn)最高，煙塵排放與霧霾的形成有著很大的關(guān)系，霧霾的治理還需要一定時(shí)間和經(jīng)濟(jì)水平的支持。宋馬林、王舒鴻（2011）認(rèn)為必要的政策措施可以改變庫(kù)茲涅茨曲線拐點(diǎn)的到來(lái)的時(shí)間。推進(jìn)環(huán)保政策的實(shí)行對(duì)于，空氣污染的治理有著積極作用［17］。包群、邵敏、楊大利（2013）認(rèn)為單純的環(huán)保立法對(duì)于污染排放的抑制作用有限，對(duì)環(huán)保立法的監(jiān)管效果需要執(zhí)法力度的配合［18］。

廢氣排放和煙塵排放具有空間滯后性，周圍地區(qū)的排放會(huì)加重本地區(qū)空氣污染排放；而SO2排放因變量的空間滯后會(huì)減輕本地區(qū)污染排放。而隨機(jī)擾動(dòng)項(xiàng)的空間滯后的影響方向與因變量的空間滯后影響方向正好相反。空氣污染物的排放除了與經(jīng)濟(jì)增長(zhǎng)、城鎮(zhèn)化率、工業(yè)產(chǎn)業(yè)結(jié)構(gòu)因素相關(guān)外，還與其他一些變量相關(guān)，例如國(guó)家政策、交通狀況等有關(guān)聯(lián)，而這些遺漏變量或者不可觀測(cè)的隨機(jī)沖擊也存在空間相關(guān)性。在治理空氣污染排放時(shí)，廢氣排放、SO2排放和煙塵排放應(yīng)該制定不同治理方案，針對(duì)性治理。

城鎮(zhèn)化率和第二產(chǎn)業(yè)產(chǎn)業(yè)結(jié)構(gòu)對(duì)于空氣污染物的排放都有顯著影響。城鎮(zhèn)化率增加會(huì)增加廢氣總量排放，而會(huì)減少SO2排放和煙塵排放。城鎮(zhèn)化率與社會(huì)和經(jīng)濟(jì)的發(fā)展水平密切相關(guān)。近些年來(lái)，經(jīng)濟(jì)增速有所放緩，相對(duì)于收入水平來(lái)說(shuō)，城鎮(zhèn)居民對(duì)于空氣質(zhì)量等環(huán)境指標(biāo)的要求也有所提高，所以城鎮(zhèn)化率也對(duì)SO2排放和煙塵排放有著抑制作用。第二產(chǎn)業(yè)產(chǎn)業(yè)結(jié)構(gòu)會(huì)加重三種空氣污染物排放，工業(yè)發(fā)達(dá)的地區(qū)空氣污染物排放量相對(duì)較多。

綜上所述，本文認(rèn)為，庫(kù)茲涅茨曲線的拐點(diǎn)雖然與經(jīng)濟(jì)發(fā)展水平相關(guān)，但是其他因素也會(huì)影響拐點(diǎn)的位置，所以在發(fā)展經(jīng)濟(jì)的同時(shí)應(yīng)該加強(qiáng)各方面因素的影響。對(duì)產(chǎn)業(yè)結(jié)構(gòu)來(lái)說(shuō)，應(yīng)發(fā)展第三產(chǎn)業(yè)，促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)，同時(shí)大力發(fā)展清潔能源，加強(qiáng)國(guó)家節(jié)能減排的政策的實(shí)施，轉(zhuǎn)變經(jīng)濟(jì)增長(zhǎng)方式，實(shí)現(xiàn)地區(qū)間經(jīng)濟(jì)和環(huán)境更好更快的可持續(xù)發(fā)展。在推進(jìn)城鎮(zhèn)化水平的同時(shí)，應(yīng)當(dāng)注重高層設(shè)計(jì)，建設(shè)環(huán)境友好型城市，推進(jìn)城市的更好發(fā)展。不同區(qū)域治理空氣污染的時(shí)候，需要各區(qū)域之間的積極合作和聯(lián)動(dòng)，注意區(qū)域之間的相互影響；治理空氣污染要因地制宜，應(yīng)該充分考慮各方面因素。

［1］張成，朱乾龍，于同申.環(huán)境污染和經(jīng)濟(jì)增長(zhǎng)的關(guān)系［J］.統(tǒng)計(jì)研究，2011（1）：59-67.

［2］虞依娜，陳麗麗.中國(guó)環(huán)境庫(kù)茲涅茨曲線研究進(jìn)展［J］.生態(tài)環(huán)境學(xué)報(bào)，2012，21（12）：2018-2023.

［3］高宏霞，楊林，付海東.中國(guó)各省經(jīng)濟(jì)增長(zhǎng)與環(huán)境污染關(guān)系的研究與預(yù)測(cè)——基于環(huán)境庫(kù)茲涅茨曲線的實(shí)證分析［J］.經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2012（1）：52-57.

［4］Yu Hao，Yi-Ming Liu.The influential factors of urban PM2.5 concentrations in China：a spatial econometric analysis［J］. Journal of Cleaner Production，2015，112：1443-1453.

［5］馬麗梅，張曉.中國(guó)霧霾污染的空間效應(yīng)及經(jīng)濟(jì)、能源結(jié)構(gòu)影響［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2014（4）：19-31.

［6］馬麗梅，張曉.區(qū)域大氣污染空間效應(yīng)及產(chǎn)業(yè)結(jié)構(gòu)影響［J］.中國(guó)人口·資源與環(huán)境，2014（7）：157-164.

［7］吳玉鳴，田斌.省域環(huán)境庫(kù)茲涅茨曲線的擴(kuò)展及其決定因素——空間計(jì)量經(jīng)濟(jì)學(xué)模型實(shí)證［J］.地理研究，2012（04）：627-640.

［8］劉華軍，楊騫.環(huán)境污染、時(shí)空依賴與經(jīng)濟(jì)增長(zhǎng)［J］.產(chǎn)業(yè)經(jīng)濟(jì)研究，2014（1）：81-91.

［9］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？——基于中國(guó)省際面板數(shù)據(jù)的空間計(jì)量研究［J］.管理世界，2012（2）：30-43.

［10］聶飛，劉海云.FDI、環(huán)境污染與經(jīng)濟(jì)增長(zhǎng)的相關(guān)性研究——基于動(dòng)態(tài)聯(lián)立方程模型的實(shí)證檢驗(yàn)［J］.國(guó)際貿(mào)易問(wèn)題，2015（2）：72-83.

［11］Millo G，Piras G.splm：Spatial Panel Data Models in R［J］.Journal of Statistical Software，2012，47（1）：1-38.

［12］Gianfranco Piras.Impact estimates for static spatial panel data models in R［J］.Letters in Spatial and Resource Sciences，2014，7（3）：213-223.

［13］Anselin L.Spatial Econometrics：Methods and Models［M］. Boston：Kluwer Academic Publisher，1988.

［14］Anselin L.Spatial Regression Analysis in R：A Workbook［M］.Urbana：University of Illinois，2007.

［15］Baltagi B H，Song S H，Koh W.Testing panel data regression models with spatial error correlation［J］.Journal of Econometrics，2003，117（1）：123-150.

［16］Baltagi B H，Song S H，Jung B，et al.Testing panel data regression models with spatial and serial error correlation［J］.Journal of Econometrics，2007，140：5-51.

［17］宋馬林，王舒鴻.環(huán)境庫(kù)茲涅茨曲線的中國(guó)“拐點(diǎn)”：基于分省數(shù)據(jù)的實(shí)證分析［J］.管理世界，2011（10）：168-169.

［18］包群，邵敏，楊大利.環(huán)境管制抑制了污染排放嗎？［J］.經(jīng)濟(jì)研究，2013（12）：42-54.

Research on the Relationship between Air Pollution and Economic Growth—Based on the Spatial Econometric Model of China’s Provincial Panel Data

AI Xiao-qinga,b,CHEN Lian-leia,b,ZHU Li-nana
(a.College of Economics and Management;b.Collaborative Innovation Center of Beijing Society-Building&Social-Governance, Beijing University of Technology,Beijing 100124,China)

This paper selects the panel data of 31 provincial-level administrative areas in China from 2004 to 2014 and employs the ex?tended Kuznets curve model,to study the relationship between economic growth,industrial structure,urbanization rate and three types of air pollutant missions.And the paper introduces the R language operating spatial econometric model.The research finds that:Industrial emissions,emissions of SO2 and soot emissions have spatial correlation and spatial dependence among all provincial-level administrative areas;There is an inverted U-shaped relationship between economic growth and three types of air pollution emissions,and soot emissions of inflection point is the highest;The spatial effect of regional air pollution emissions is complex,not a simple one-way relationship;The increase of the second industrial structure will intensify the three types of air pollution emissions;High urbanization rate increases industri?al emissions,while reducing SO2 emissions and soot emissions.

Kuznets curve;air pollution emissions;economic growth;R language;SARAR model

F127；F062.2

A

1007-5097（2017）03-0069-08

［責(zé)任編輯：張 兵］

10.3969/j.issn.1007-5097.2017.03.009

2016-09-14

北京市社會(huì)科學(xué)基金基地項(xiàng)目（14JDJGC040）；北京市社會(huì)科學(xué)基金重點(diǎn)項(xiàng)目(15JDZHA006)；首都社會(huì)建設(shè)與管理協(xié)同創(chuàng)新中心資助項(xiàng)目

艾小青（1982-），男，湖南邵陽(yáng)人，副教授，研究員，博士，研究方向：經(jīng)濟(jì)統(tǒng)計(jì)，數(shù)量經(jīng)濟(jì)學(xué)；

陳連磊（1993-），男，河南商丘人，碩士研究生，研究方向：數(shù)量經(jīng)濟(jì)學(xué)；

朱麗南（1991-），女，山東德州人，碩士研究生，研究方向：產(chǎn)業(yè)經(jīng)濟(jì)學(xué)。