外商直接投資對中國城市霧霾（PM2.5）污染的時空效應檢驗

嚴雅雪 齊紹洲

摘要

本文利用了1998—2012年中國241個城市的空間面板數據對中國霧霾污染和FDI的區域分布特征及空間溢出效應進行經驗考察，結合系統廣義矩估計（SGMM）方法構建了動態空間面板模型，采用了Morans I 和Gearys C 指數對中國FDI與霧霾（PM2.5）污染空間自相關性進行了全域和局域分析。結果發現：①霧霾（PM2.5）污染與FDI存在顯著的空間正相關性，證明了霧霾（PM2.5）污染空間的溢出效應以及FDI的輻射效應的存在。同時FDI高值集聚區域一般是霧霾（PM2.5）高值集聚區，FDI低值集聚區域一般是霧霾（PM2.5）低值集聚區，表明一個地區的引資效果和霧霾（PM2.5）污染在地理上的集聚密切相關。霧霾（PM2.5）污染表現出顯著的“疊加效應”和“溢出效應”，說明中國霧霾（PM2.5）污染在空間維度、時間維度以及時空維度上分別表現出交叉、累積、持續的演變特征。②全樣本下，FDI對霧霾（PM2.5）濃度的影響表現出增促效應。FDI存量每升高1%，霧霾（PM2.5）濃度升高0.011%。③分地區樣本下，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存量對霧霾（PM2.5）濃度影響不顯著。上述實證結果說明中國霧霾污染存在著顯著的空間依賴性和區域異質性，FDI對中國大部分城市的霧霾污染存在顯著的增促效應。

關鍵詞外商直接投資；霧霾（PM2.5）污染；動態空間面板模型

中圖分類號F273；X513

文獻標識碼A文章編號1002-2104（2017）04-0068-10doi：10.12062/cpre.20170321

改革開放三十多年來，中國在引進外商直接投資方面取得顯著進展，1978年到2014年累計實際利用直接外商投資額達到32萬億美元，高居全球第二位。外商直接投資（以下簡稱FDI）的注入不僅填補了中國經濟發展過程中的資金缺口，還推動了本土技術創新，從而加快了中國經濟的發展，被認為是中國經濟增長的基礎驅動因素。但隨著經濟的高速增長，環境問題日趨嚴重，特別是近些年來霧霾污染頻發、影響廣泛、治理難度大和常態化等特點。根據世界衛生組織（WHO）發布的“2016年全球城市污染數據庫”，該數據庫中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個為中國城市。在WHO公布的“全球疾病負擔評估”項目中估算出在2010年，中國室外空氣顆粒物污染（主要指PM2.5）導致120萬人過早死亡。越來越多的跡象顯示，伴隨經濟發展和生產技術創新，霧霾中人們陌生的污染物和新型有毒污染物所帶來的健康危害和環境風險也在不斷增加。同時，根據第三次全國工業普查資料顯示，早在1995年外商直接投資到污染密集行業有16 998家，工業總產值達4 153億元。近年來，外資在中國污染密集型行業中所占份額進一步擴大，2014年FDI在污染密集型行業中平均總資產份額仍高達26.12%，其中造紙業和皮革毛皮羽絨占制造業總資產份額分別高達40.19%和39.54%。因此，重新審視資金、技術轉移為一體的FDI與中國大氣污染的關系，對實現中國可持續發展具有重要意義。據此，本文利用FDI對霧霾（PM2.5）污染的影響來揭示FDI對大氣環境的影響，并在全國總樣本和區域樣本下FDI對霧霾（PM2.5）濃度的動態空間影響分別進行實證檢驗，為“治霾”和“引資”提供經驗支持。

1文獻綜述

在外商直接投資與東道國的環境關系理論中，學術界一直存在著兩種觀點的對立。一種是惡化論。惡化論的主要理論是污染天堂假說（Pollution Heaven Hypothesis）和環境竟次理論（Race to Bottom）。這一派如Cole[1]、Mani和Wheeler[2]通過實證分析證實了“污染天堂”（PHH）假說是存在的。在對國外環境質量的研究中，Pao和Tsai[3]采用誤差修正模型考察了1980年至2007年俄羅斯經濟增長和FDI對環境質量的影響，實證結果發現FDI促進了俄羅斯的環境惡化，提出發展中國家要嚴格審核FDI的質量，避免對本國環境產生消極影響。Kari和Saddam[4]發現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）和世界銀行發展指標考察了部分非洲國家在1971—2009年期間FDI對碳排放的影響，證實了FDI增加了碳排放量對環境產生了負面影響。Ong和Sek[6]采用了ARDL模型和非面板的VAR/VECM模型考察了1970—2008年經濟增長和環境質量在高、中、低收入國家中的相互關系，研究結果發現FDI對中、低收入國家的環境惡化具有增促效應。在對中國的環境研究中，He[7]在FDI和SO2之間建立五個聯立方程，分別代表總排放、規模效應、結構效應、技術效應和生產資本存量，并將五個變量按照不同權重進行效應加總，來考察中國29個省市的FDI對工業SO2排放的影響，結果發現FDI存量會對SO2排放量產生增促效應，其中FDI增加1%，工業SO2排放量增加0.098%。Koo和Chung[8]采用協整分析和誤差修正模型考察了經濟增長和FDI對環境質量的長期和短期影響，結果發現流入到中國和印度的FDI對環境產生了消極影響，證實了污染天堂假說。Wang和Chen[9]采用雙向固定效應模型，對中國2002至2009年的FDI和環境質量進行了考察，認為FDI自身具有負向的環境外部性。國內學者中也有較多證實了PHH假說，楊海生和賈佳[10]發現FDI與中國環境污染物排放之間存在顯著的增促效應。于峰和齊建國[11]構建了一個由五個單方程組成的聯立方程組，考察了FDI的環境效應，認為FDI的流入給中國的生態環境帶來了負面影響。王道漆和任榮明[12]在1980—2008年間中國實際利用TOI、經濟規模與二氧化碳排放之間的格蘭杰因果關系進行實證檢驗，證明了FDI與中國碳排放量呈正相關性。牛海霞和胡佳雨[13]在面板模型中加入經濟規模、經濟結構、貿易開放度、能源技術進步和城市化水平等變量，發現FDI與碳排放之間存在正相關性，FDI每增加1%，人均碳排放量上升0.09%；而區域結果的分析表明，東部區域FDI的碳排放效應系數最大、能耗強度最低。黃梅[14]針對FDI和環境污染之間的關系進行了實證分析，認為經濟增長、FDI和環境污染之間存在著長期協整關系，FDI提高了中國的廢水處理能力，但是總體來說仍然導致了中國環境進一步惡化。

另一種是有益論。有益論的主要理論是污染暈輪效應（Pollution Halo）和竟優理論（Race to top）。這一派如Grey[15]認為跨國公司擁有更先進的清潔技術以及環境管理體系，FDI在東道國實現了技術擴散和外溢效應，提供了學習示范效應。竟優理論認為FDI會促進當地環境規制的提高。Frankel 和 Rose[16]在構建的模型中除了人均GDP的三次項外還加入了貿易開放度、民主程度以及人口密度等解釋變量來控制FDI對四種主要空氣污染物（SO2、NO2、PM10和BOD）的影響，結果發現FDI的進入能夠降低空氣污染物的排放，證實了污染暈輪效應。Hassaballa[17]采用協整和誤差修正模型考察了1970至2005年FDI與環境的關系，發現FDI技術溢出效應可以降低環境污染的程度。國內學者許和連和鄧玉萍[18]利用空間滯后模型和空間誤差模型證實了FDI 在地理上的集群有利于改善我國的大氣環境污染，證實了“污染暈輪”假說。許士春和何正霞[19]構建包含污染方程和產出方程的模型來分析中國經濟增長與環境污染之間的相互關系，利用中國1990—2005年16年間28個省市的面板數據，證實FDI能改善中國的環境污染狀況，出口的增長卻會惡化環境質量。熊立、許可和王鈺[20]論證了 FDI 的進入與 CO2排放量的關系，證實了FDI的流入并沒有造成發達經濟體的“骯臟”產業大規模的轉移到中國。

除了這兩種假說對立的觀點之外，部分學者認為FDI對環境影響不大，可以忽略不計；如Acharyya[21]考察了印度FDI對碳排放量的增長，發現污染天堂假說并不能解釋印度碳排放量的增長，提出碳排放量的增長主要受到經濟增長的影響。Zhang和Song[22]采用Johansen協整檢驗發現FDI對中國碳排放影響極小。有的研究則提出FDI具有不同的效應，而且對環境的影響不同。Grossman和Kruger[23]提出FDI對環境的影響分為規模效應、結構效應、和技術效應，并建立了FDI環境效應的分析框架。國內大多數研究認為規模效應對環境有負面影響，而結構效應和技術效應則因研究對象和方法的不同表現出不同的影響。如李子豪和代迪爾[24]構建了獨立的技術方程，以期實現對FDI、碳排放和其他因素的系統考察。提出FDI的規模和結構效應顯著的增加了各省份的碳排放量，而技術效應則能夠通過技術外溢有效的減少各省份的碳排放量，環境管制對各地碳排放量的抑制則尚不明顯。

上述文獻對FDI與大氣污染的關系進行了經驗考察和研究，為宏觀治霾政策提供了豐富的經驗成果，但相比之下，FDI對PM2.5濃度的影響缺乏系統性的考察，這種“短板”現象影響了治霾政策的完整性。為了重新審視FDI與中國霧霾的關系，本文在現有文獻基礎上進行了如下拓展：

第一，現有研究以TSP、SO2、NOX等常規大氣污染物作為研究對象已經開展了較為豐富的經驗考察，但均有一定的局限性。曹子陽[25]認為PM2.5是諸多有害物質的載體和集合體，具有重量輕、體積小、能直接進入呼吸道深部和肺泡，嚴重影響人體健康的特點，其濃度值能最大限度的代表整體大氣環境污染水平。所以，本文將PM2.5濃度表征霧霾濃度。

第二，向堃和宋德勇[26]認為空間計量與傳統計量模型相比，拋棄了地理空間均質性的假設、充分考慮了地區之間空間交互影響，使模型能夠對研究對象的真實情況進行擬合。同時，Elhorst[27]認為當期的空間依賴特征或誤差特征還會受到先前本地區的社會經濟選擇的“路徑依賴”的影響，即動態空間面板模型可以對霧霾（PM2.5）污染濃度的時間滯后性和空間滯后性予以揭示。為準確地反映當期FDI對霧霾（PM2.5）濃度的影響，我們將動態空間面板模型中的空間滯后項和時期滯后項進行共同考察，來控制相鄰地區霧霾污染的“溢出效應”和本地區社會經濟選擇的“疊加效應”的影響。所以，本文利用動態空間計量模型來研究FDI對霧霾（PM2.5）濃度的影響。

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

2模型構建及數據來源

Grossman提出了環境庫茲涅茲曲線（EKC）的概念，認為環境質量會伴隨最初的經濟增長而惡化，但達到某個臨界值時，環境污染的程度開始有所緩解，即呈現出倒“U”型發展軌跡，為經濟增長和環境污染之間的關系研究奠定了堅實的理論基礎。我們參照Antweiler等文獻的做法，將經濟增長分解為一次項、二次項，用來考察在經濟快速增長下中國FDI對PM2.5濃度的影響，故本文建立如下計量模型：初始模型可以寫為：

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

β5govit+β6techit+β7isit+β8lnglit+μit

（1）

式中，lnpmit表示第i個地區第t個時期的PM2.5濃度，fdiit為第個地區的外商直接投資水平，regit為第i個地區的環境規制水平、govit為第i個地區的政府財政投入（科技投入除外）、為第i個地區的第二產業增加值比例、techit為第i個地區的技術研發強度、isit為第i個地區的園林綠地面積，μit為正態分布的隨機誤差項。

被解釋變量：霧霾PM2.5濃度（Pm）。本文所采用的源數據來自于哥倫比亞大學國際地球科學信息網絡中心（CIESIN）所屬的社會經濟數據和應用中心（SEDAC）公布的相關數據，該數據以衛星搭載的中分辨率成像光譜儀（MODIS）和多角度成像光譜儀（MISR）測算得到的氣溶膠光學厚度（AOD）為基礎，被轉化為柵格數據形式的全球PM2.5濃度的監測數據。我們進一步采用ArcGIS軟件將此柵格數據解析為中國241個城市的年均PM2.5濃度數據。由于該機構公布的 1998—2012年的PM2.5的數據是3年的滑動平均值，所以，本文將其他解釋變量亦做了3年的滑動平均處理。

核心解釋變量：外商直接投資（FDI）。利用永續盤存法來考察FDI存量，具有全面客觀的特點。故本文采用FDI存量指標來全面考察FDI對霧霾（PM2.5）污染的影響，利用永續盤存法來計算FDI存量，其計算公式是：FDIit=FDIi，t-1（1-ρ）+Ii，t，FDIi，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數據來自于中經網。

控制變量：①人均收入（agdp）。人均地區生產總值代表了各城市的經濟增長水平。本文采用的人均國內地區生產總值數據是以1998年為基年經過測算GDP平減指數調整后得到實際人均GDP，來表征不同經濟規模下經濟增長對霧霾濃度的影響。②技術投入（tech）。本文利用城市的科學事業費支出來表征研發強度對霧霾濃度的影響，并基于1998年不變價，經過測算GDP平減指數調整后得到。③地方政府支出（gov）。本文采用地方政府財政支出（不包括科技支出）來表示政府行政干預程度，并基于1998年不變價，經過測算GDP平減指數調整后得到。④產業結構（is）。本文選擇第二產業增加值占GDP比重來反映產業結構的變化對霧霾濃度的影響。⑤綠地面積（gl）。本文選用城市綠地面積覆蓋率來反映其對霧霾濃度的影響。以上控制變量數據覆蓋時間為1998—2012，為與霧霾濃度數據相匹配，故將1998年數據至2012年數據進行3年平滑處理，最終選定241個城市的平均數據。以上數據均來源于《中國城市統計年鑒》和《中國統計年鑒》。表1報告了處理后的各變量的描述統計情況。

3.1.2局域空間自相關檢驗

圖1和圖2報告了地理距離權重矩陣下部分年份中國霧霾污染的空間分布散點圖，圖中橫軸表示標準化的PM2.5濃度值，縱軸為PM2.5濃度值的空間滯后值，該圖分為四個象限，每個象限對應不同的空間自相關類型：第一

象限表示存在高-高型正相關、第三象限分別表示存在低-低型正相關，第二、四象限則表示負相關的非典型觀測區域。我們發現在局域空間自相關檢驗中，中國大部分城市霧霾（PM2.5）污染都具有顯著高-高集聚和低-低集聚的空間正相關特征，存在顯著的空間依賴性。在地理距離權重設置下，在圖1中，1998—2000年分別有209個城市和21個城市霧霾（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個城市和31個城市霧霾（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個城市和56個城市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個城市和76個城市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，第三象限重疊城市有9個。在2010—2012年，霧霾（PM2.5）和FDI第一象限重疊城市有129個，第三象限重疊城市有12個。結果表明，第一，中國大部分城市霧霾（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性。第二，中國霧霾（PM2.5）

污染高值區域和FDI高值區域有較高的重疊性，中國霧霾（PM2.5）污染低值區域和FDI低值區域有較高的重疊性，表明FDI高值集聚區一般是中國霧霾（PM2.5）濃度高值集聚區，FDI低值集聚區一般是中國霧霾（PM2.5）濃度低值集聚區。表明一個地區的引資效果

和霧霾（PM2.5）污染在地理上的集聚密切相關。為了進一步驗證FDI與霧霾（PM2.5）的空間相關性，本文將利用空間計量模型進行實證研究。

3.2總樣本估計結果分析

在進行空間面板模型估計之前，我們需要在空間滯后模型（SLM）和空間誤差模型（SEM）這兩個模型之間進行比選。一般采用LM（Lagrange Multiplier）來進行篩選，表3報告了空間面板模型的LM檢驗。在地理距離權重的條件設定下，對空間滯后模型（SLM）和空間誤差模型（SEM）的進行LM檢驗后，空間滯后模型和空間誤差模型均在5%水平上顯著。表明在地理權重矩陣設定下，空間自相關模型優于空間誤差模型，故后文將均采用空間滯后模型進行分析。

由于霧霾污染屬于較為復雜的局部環境問題，在很大程度上通過大氣環流、大氣化學作用等自然因素擴散或轉移到鄰近地區，需要通過系統廣義矩估計（SGMM）來減少由于大氣環流或大氣化學作用等自然因素所導致的內生性問題。同時，SGMM方法適用于截面單位多而時間跨度小（大N小T）型的面板數據。本文選取的241個城市15年的面板數據樣本可以很好地滿足這一要求。表4報告了FDI存量的動態空間滯后模型（SLM）結合廣義矩估計（SGMM）方法的參數估計結果，結論如下：

第一，在動態空間面板模型中，全樣本估計回歸結果的Sargan統計量均小于0.1，表明所設定的模型符合SGMM的要求，SGMM估計不存在工具變量過度識別的問題，采用的工具變量是合理有效的。同時，時間滯后系數θ均在1%的水平上顯著為正，且時滯項系數（θ）在0.87水平上，再次證實了霧霾（PM2.5）污染存在明顯的時間滯后性，表明了霧霾（PM2.5）污染在時間維度上具有“疊加效應”，即如果上一期的霧霾（PM2.5）濃度較高，那么下一期霧霾（PM2.5）濃度則有繼續走高的可能性。同時，空間滯后系數ρ均在1%的水平上顯著為正，且空間滯后項系數（ρ）在4.45水平上，再次證實了霧霾（PM2.5）污染存在明顯的空間溢出效應。動態空間面板證實了霧霾（PM2.5）濃度受到空間滯后項影響較大而并非時間滯后項，即“溢出效應”大于“疊加效應”，表明中國霧霾（PM2.5）污染在空間維度、時間維度及其時空維度上表現出交叉、累積、持續的演變特征。

第二，通過動態空間計量模型，我們證實了FDI存量對霧霾（PM2.5）濃度產生了促增效應這一結論。其原因是霧霾（PM2.5）污染受到FDI的規模效應、結構效應和技術效應的綜合作用的結果。規模效應是指一國為了達到彌補該國（地區）資金短缺的目的，通過吸引外資從而使生產規模得到進一步擴大。1978—2014年中國累計引進FDI 32萬億美元，每年以14.73%速度遞增①，它的流入帶動了更多的勞動力和資源的投入，而更多的自然資源消耗使中國自然資源過度開發和能源消耗規模擴大，帶來了更多的污染和環境壓力，因此FDI規模效應給中國環境帶來了負效應；結構效應是指由于FDI的引進，導致東道國產業結構發生變化的過程。在工業化和城市化進程中，FDI的流入引起污染密集型產業的擴張，提高了能耗和污染排放水平，進而對環境質量產生負效應；技術效應是指FDI帶來的環境技術的擴散和推廣，表現在生產單位產品對環境造成的污染程度不斷降低或不斷增加。FDI集合了先進的技術和管理經驗，在促進中國經濟增長的過程中，將先進技術和管理通過示范效應、競爭效應、知識溢出效應，減少了當地單位生產的資源消耗和污染排放，改善了環境質量。而FDI的技術效應在中國主要表現在提高生產率的技術上，而較少傾向于污染減少型技術，所以FDI技術效應對霧霾污染存在兩面性。總之，FDI總環境效應是三個效應的中和作用結果。實證結果表明在地理權重設置下，FDI存量每升高1%，霧霾（PM2.5）濃度升高0.011%，FDI對中國霧霾（PM2.5）污染的總效應為增促效應。

第三，在動態空間面板模型估計的其他影響因素中，我們發現人均GDP的一次項系數為負和二次項系數均為正，而且其一次項、二次項均在1%水平上顯著，結果證實了中國省域霧霾（PM2.5）污染與經濟增長的“倒U”型關系是顯著存在的。從表征技術創新投入水平的研發強度系數估計結果來看，研發投入強度對霧霾（PM2.5）濃度的降低具有降減效應，結果說明中國的研發投入強度可能更多被用于綠色技術進步，從而對霧霾濃度產生降減效應。第二產業比重均在1%的水平上對霧霾污染表現出顯著的增促效應，該結論與Poumanyvongh和Kaneko[30]研究一致。綠化面積覆蓋率均在1%的水平上對霧霾污染表現出顯著的降減效應。

3.3分地區樣本估計回歸結果分析

國家層面的FDI的環境效應反映全國整體平均水平和總體狀況，但整體的評價可能忽略了區域間的非典型性特征，故有必要針對東、中、西部地區的FDI對霧霾（PM2.5）濃度影響進行獨立檢驗來掌握中國不同地區的FDI對霧霾（PM2.5）影響程度。故下文將分地區樣本進行回歸分析。

表5結果表明，分地區樣本估計回歸結果的Sargan統計量均小于0.1，表明東、中、西部地區符合SGMM的要求，分地區樣本執行的SGMM估計不存在工具變量過度識別的問題，采用的工具變量是合理有效的。另外，從Wald檢驗和對數似然值（Log L）以及擬合優度（R2）的結果來看，各個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ρ在在1%的水平上顯著為正，再次表明中國城市的霧霾污染在東、中、西部地區均存在明顯的

空間溢出效應。西部城市的FDI的影響系數不顯著，表明FDI對西部城市霧霾（PM2.5）濃度影響并不顯著。表5的實證結果表明東部城市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對東中部城市霧霾（PM2.5）濃度均具有增促效應，說明對于霧霾污染而言，“污染天堂”假說在我國東、中部城市是成立的。東部地區的FDI規模遠遠大于中部、西部地區，東、中、西部地區在1998—2014年間FDI平均投資規模分別為110 838.88億元、12 766.78億元、9 524.48億元。東、中部地區的霧霾濃度平均水平較西部地區高，東、中、西部地區在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。以上結論表明FDI的傾向往配套基礎設施完善、產業鏈完整和高端技術性人力資本豐富的地區流入。上述結果進一步說明了東、中、西部FDI對霧霾PM2.5濃度影響存在異質性，主要表現在東部FDI結構相對中部地區更優質化、清潔化，對霧霾濃度的貢獻度較少；中部地區FDI對中部霧霾濃度的貢獻度較高；西部FDI對霧霾濃度貢獻則不顯著。說明中部城市要更加注重優化外商投資結構，重視吸引環保技術密集型外資企業到中部城市，提高“清潔化”外資比重。

4結論與啟示

本文利用1998—2012年中國241個城市的空間面板數據，利用Morans I 和Gearys C方法對中國霧霾污染進行了全域空間自相關性和局域空間自相關性分析，基于EKC假說構建了空間面板數據模型，并將地理距離權重矩陣納入空間面板模型進行考察，得到了如下結論：

第一，本研究利用探索性空間數據分析（ESDA）方法，結果發現中國大部分城市霧霾（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性和顯著的空間正相關性，證實了霧霾（PM2.5）污染空間的溢出效應以及FDI的輻射效應的存在。在地理距離權重設置下，FDI高值區域一般是PM2.5高值集聚區，FDI低值區域一般是PM2.5低值集聚區。表明一個地區的引資效果和PM2.5污染在地理上的集聚密切相關。

第二，全樣本下動態空間面板模型的結果表明了霧霾（PM2.5）濃度受到空間滯后項影響較大，即“溢出效應”大于“疊加效應”，表明中國霧霾（PM2.5）污染在空間維度、時間維度、及其時空維度上分別表現出交叉、累積、持續的演變特征。在地理距離權重設置下，FDI存量每升高1%，霧霾（PM2.5）濃度升高0.011%；分地區樣本下，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存量對霧霾（PM2.5）濃度影響不顯著。以上結果表明FDI是導致中國霧霾（PM2.5）濃度升高的影響因素之一，說明了中國目前在吸引和利用FDI時，離最優水平還有一定距離。

第三，在全樣本下的其他影響因素中，人均GDP的一次項系數為負值和二次項系數為正值，結果較為統一的證實了中國城市的霧霾（PM2.5）污染與經濟增長的“倒U”型關系的顯著存在，表明隨著人均GDP的增加，霧霾（PM2.5）濃度會呈現先上升，后下降的狀態。同時，研發投入強度對霧霾（PM2.5）濃度的降低均具有降減效應，第二產業比重的增加對霧霾污染表現出顯著的增促效應。綠化面積覆蓋率對霧霾污染表現出顯著為負的降減效應。在區域樣本下的其他影響因素中，我們發現中國東、中部城市的霧霾（PM2.5）污染與經濟增長的“倒U”型關系也顯著存在。同時，研發投入強度對東、中部城市的霧霾（PM2.5）濃度具有降減效應，第二產業比重增加對東、中部城市的霧霾污染有增促效應。政府投入對中部城市霧霾濃度表現出顯著的降減效應，而對西部城市霧霾濃度表現出顯著的增促效應。

總之，FDI的輻射效應對中國的經濟結構轉型、能效降低、低碳技術創新和吸收能力的積極影響雖然功不可沒，但是來自FDI的負向環境效應的影響仍不容忽視。在國家層面制定FDI政策時，應該一如既往的吸引優質外資，促進優質的FDI對中國技術進步所產生的直接和間接的輻射效應和示范效應，并將霧霾（PM2.5）作為新的污染指標納入到甄別優質FDI的評價分析中。在區域層面，根據霧霾（PM2.5）污染程度和FDI的區域差異進行全域規劃，中西部地區要規避“向底線賽跑”效應。地方政府是環保政策的主導者和設計者，完善和加強對地方政府的規制是規避“向底線賽跑”的有效措施。同時，積極完善中西部地區配套基礎設施、產業鏈和積累高端技術性人力資本，來吸引更多環保技術密集型外資企業。東部地區則應該積極發揮示范效應，鼓勵環保技術創新項目、加大新能源的開發和應用，提高自身對外資技術的吸收消化能力和自主研發能力。總之，政府需要重視優化FDI結構，提高對FDI質量評價標準，實現“治霾”和“引資”的雙贏目標。

（編輯：劉呈慶）

參考文獻（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. 貿易、外商直接投資、經濟增長與環境污染[J]. 中國人口·資源與環境， 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， 田曉林. 經濟發展對環境質量影響的實證分析——基于1999—2004 年間各省市的面板數據[J]. 中國工業經濟， 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. 外國直接投資、經濟規模與二氧化碳排放關系研究[J]. 經濟問題， 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 與我國二氧化碳排放相關性實證研究[J]. 國際貿易問題， 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. 經濟增長， 外商直接投資與環境污染關系研究[J]. 資源與產業， 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. 外商直接投資導致了中國的環境污染嗎？[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. 中國經濟增長與環境污染關系的實證分析——來自1990—2005年省級面板數據[J]. 經濟體制改革， 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 為中國帶來低碳了嗎——基于中國1985—2007年時間序列數據的實證分析[J]. 宏觀經濟研究， 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二氧化碳排放——基于省際經驗的實證研究[J]. 經濟問題探索， 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. 基于夜間燈光影像的GDP空間分布模擬研究及其與PM2.5濃度的相關分析[D]. 北京：中國科學院研究生院， 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. 中國省域PM2.5污染的空間實證研究[J]. 中國人口·資源與環境， 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. 中國省際物質資本存量估算：1952—2000[J]. 經濟研究， 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與中國環境污染關系的經濟分析[J]. 環境保護， 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.應對氣候變化貿易措施與WTO規制的沖突及協調[J].經濟與管理評論，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. 運用財稅政策和制度建設治理霧霾[J]. 環境保護， 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