我國區域工業經濟與環境污染的實證分析

秦炳濤，葛力銘

（1.上海理工大學 管理學院,上海 200093；2.復旦大學 區域與城市發展研究中心，上海 200433）

0 引言

我國自改革開放以來，工業經濟經歷了粗放式高速增長的過程，工業企業數量也在不斷擴大，成為我國經濟發展的重要支撐。但在我國工業經濟發展的同時也產生了大量的工業污染物，幾乎占據了總污染負荷的70%，這嚴重阻礙了我國工業經濟的可持續發展。因此研究我國區域工業經濟與環境污染的關系具有重要意義。

關于經濟發展和環境污染的關系，起初Grossman和Krueger（1995）[1]吸收了庫茲尼茨的倒“U”型理論的觀點，得出經濟發展與環境污染之間呈現倒“U”型，稱為環境庫茲尼茨曲線。Panayotou（1997）[2]研究結果表明二氧化硫、氮氧化物和固體懸浮物與人均GDP呈現倒“U”型關系。施錦芳和吳學艷（2017）[3]認為經濟發展和環境污染之間呈一種“N”型關系，即環境污染與經濟發展的關系并不是只有一個拐點，而是存在兩個拐點，呈現出了三次關系。馬樹才和李國柱（2006）[4]研究發現經濟增長不能自發降低環境污染,需要政策干預。呂健（2010）[5]基于VAR模型研究了上海經濟發展與環境污染之間的關系。孫偉增等[6]利用EKC驗證了能源與環境在某些方面的激勵作用。樊良樹（2015）[7]研究了環境維權“中國式困境”的解決路徑。張金鎖等（2009）[8]探究了工業經濟發展與環境污染之間的環境庫茲涅茨曲線分析思路。李小勝等（2013）[9]研究得出僅工業廢水排放與人均收入之間滿足環境庫茲涅茲假說。譚秀杰等（2016）[10]通過研究碳交易機制對我國經濟環境的影響，進一步分析了工業經濟發展與環境污染的問題所在。本文運用主成分分析法和聚類分析法，將2015年全國31個省份根據工業經濟發展和環境污染狀況劃為4個區位，通過散點圖呈現不同區位的特征，并結合我國現實情況提出科學合理的政策建議，從而促進我國工業經濟與環境的可持續發展。

1 研究設計

1.1 研究方法

首先，當選取的指標較多時，為更好地反映工業經濟發展與環境污染的關系，這時應采用降維的方法，將多個指標轉化為可用主成分代替的較少指標，因此采用主成分分析法。其次，通過工業經濟發展和工業環境污染的主成分分析，根據二者綜合得分情況對我國31個省份進行排名，按照綜合得分情況進行分類，能夠更好地分析各省份的發展情況以及有針對性地提出建議，因此采用聚類分析法。

1.1.1 主成分分析法

主成分分析也稱作主分量分析，是Hotelling在1933年首先提出的，主成分分析利用降維的思想，以損失較少信息量為前提，將多個指標轉化為較少的綜合指標，通過轉化生成的綜合指標稱為主成分，原始變量的線性組合均由求得的主成分構成，各主成分間為不相關關系。Stata對主成分的分析主要是主成分估計，然后通過KMO檢驗和SMC檢驗分析其合理性，通過碎石圖顯著反映其主成分，直觀看出其各個特征值的大小，通過得分圖分析其宏觀現象，通過載荷圖直觀得出各個變量對主成分影響的大小。設原始變量為x1，x2，…，xn，主成分分析后得到新變量為y1，y2，…，ym，它們是x1，x2，…，xn的線性組合（m＜n）。

步驟2：計算相關系數矩陣R=(rij)n×n。

步驟3：計算特征值與特征向量。

由|R-λI|=0計算求得每一個特征值λi，從而計算求得每一個特征向量u1，u2，...，un。

1.1.2 聚類分析法

聚類分析法是理想的多變量統計技術，其中包括兩個體系，分別是系統聚類和非系統聚類。系統聚類法包含有中間距離法、最長距離法和最短距離法，非系統聚類法包含有K均值聚類法和K中位數聚類法。聚類分析也稱群分析、點群分析。本文研究的是工業經濟發展與環境污染，采用K均值聚類法，在用Stata進行K均值聚類法之前，應該進行聚類停止法，即通過F值與T-squared值來判斷最優的分類數。

1.2 指標選取與數據來源

科學合理的指標體系能夠全面綜合地反映我國工業經濟發展與環境污染的關系。為了更好地反映各地區的工業經濟發展狀況，本文從工業經濟總量、工業經濟效益、工業經濟結構三個角度出發，選取了8個工業經濟指標。為了更好地反映各地區的環境污染狀況，本文從工業廢氣和有害氣體、工業廢水、工業固體廢物三個方面綜合分析，選取了6個工業污染指標。現將此指標體系按照層級遞進的關系，將其分為目標層、準則層和指標層，如表1所示。

表1 工業經濟發展與環境污染的指標選取

本文是以我國31個省市作為研究對象，相關數據來源于《中國統計年鑒》（2016）、《中國環境統計年鑒》（2016）、《中國工業經濟》（2016）、《中國工業統計年鑒》（2016）、各省市《統計年鑒》（2016）、CNKI數據庫。具體數據統計工具為Stata14.0，分析方法為主成分分析法和聚類分析法。

2 實證分析

2.1 工業經濟發展與環境污染的主成分分析及檢驗

2.1.1 工業經濟發展的主成分分析

本文通過計算工業經濟發展原始數據的相關矩陣，得到如表2所示的主成分分析結果。

表2 工業經濟發展的主成分分析結果

由表2可以看出，第一個特征值為4.1903，第二個特征值為1.7387，第三個特征值為0.9302，前三個主成分的累計貢獻率達到85.74%，可以很好地反映原始數據的大量信息。從三個主成分的特征向量來看，主成分1在X1（規模以上工業企業資產總額）、X2（大中型工業企業資產總額）前的系數較大，可以認為主成分1是反映各地區工業經濟總量的經濟指標。主成分2在X7（第二產業占地區GDP的比重）、X8（工業占地區GDP的比重）前的系數較大，而且主成分2與其他的特征向量幾乎都呈現負相關的趨勢，這時可以認為主成分2可以較為準確地反映工業經濟結構對工業經濟發展的影響。主成分3在X4（工業生產者出廠價格指數）和X5（人均地區生產總值）前的系數較大，呈現正相關關系，而且主成分3與其他特征向量全部呈現負相關關系，可以認為主成分3可以準確地反映工業經濟效益，它是反映工業經濟效益對各地區工業經濟影響的經濟指標。

2.1.2 工業經濟發展主成分分析的KMO檢驗及SMC檢驗

首先為了使得分析可靠，測度變量之間相互關系，在這里做KMO檢驗和SMC檢驗，KMO是測度變量之間相互關系的指標，KMO介于0～1之間，一般來說KMO值越高，表明變量之間的共性越強，一般KMO檢驗值小于0.5為不可用，大于0.5為可用，大于0.6達到接受層面，這時說明主成分分析合適。SMC為一個變量與其他變量的復相關系數的平方，也就是復回歸方程的可決系數，SMC值越高表明變量之間的關系性越強，主成分分析越合適。通過KMO檢驗，overall值為0.6848，達到接受層面，同時根據SMC結果判定變量之間的相互關系較強，說明主成分分析能起到很好的數據約束化效果。KMO及SMC檢驗結果如下頁表3所示。

表3 KMO及SMC檢驗

將各個主成分的貢獻率作為加權平均的系數，可以得到工業經濟發展程度的綜合得分（記為U1），用C1表示主成分1，C2表示主成分2，C3表示主成分3。

2.1.3 工業環境污染的主成分分析

本文通過計算工業環境污染原始數據的相關矩陣，得到如表4所示的主成分分析結果。

表4 工業環境污染的主成分分析結果

根據表4可以得出，第一個特征值為4.7195，第二個特征值為0.8358，前兩個主成分的累計貢獻率達到92.59%，可以較為準確地反映原始數據的信息。根據兩個主成分的特征向量，主成分1與工業環境污染指標均為正相關，可以反映各個地區的綜合狀況，進一步，主成分1在X1(工業二氧化硫排放總量)、X2（工業氮氧化物排放總量）、X3（工業煙（粉）塵排放總量）、X4（工業廢氣排放量）前的系數較大，表明K1是反映工業廢氣和有害氣體對環境污染影響的重要指標；主成分2在X5（工業廢水排放量）、X6（工業固體廢物產生量）前的系數較大，并且與X5呈現出正相關，與X6呈現出負相關，說明主成分2是反映工業廢水和工業固體廢物對環境污染影響的重要指標。

2.1.4 工業環境污染主成分分析的KMO檢驗及SMC檢驗

同樣，為了使得分析可靠，測度變量之間相互關系，在這里用Stata做KMO檢驗和SMC檢驗。根據上述對KMO檢驗和SMC檢驗的相關內容的敘述，通過KMO檢驗，overall值為0.7999，檢驗表明變量之間的相互關系較強，說明主成分分析能起到很好的數據約束化效果。通過SMC檢驗，可以得出變量之間線性關系強，表明主成分分析合適。KMO及SMC檢驗結果如表5所示。

表5 工業環境污染的KMO檢驗和SMC檢驗

將各個主成分的貢獻率作為加權平均的系數，可以得到工業經濟發展程度的綜合得分（記為U2），用K1表示主成分1，K2表示主成分2。

2.2 工業經濟發展與環境污染的綜合得分結果及聚類分析

2.2.1 工業經濟發展與環境污染的綜合得分結果

根據工業經濟發展的綜合得分U1與工業環境污染的綜合得分U2，通過計算得出31個省在工業經濟發展及環境污染中的排名情況，結果如表6所示。

表6 工業經濟發展與環境污染的綜合得分及排名情況

2.2.2 工業經濟發展與工業經濟污染的聚類分析

根據以上得出的各個地區的工業經濟發展狀況U1與工業環境污染程度U2的綜合得分表。采用Stata14.0中的聚類分析法，利用K均值聚類法，對各個地區的兩項綜合指標進行聚類。

首先，在聚類的過程中，需要用Stata中聚類停止法的F值與T-squared值來判斷最優的分類數，F值越大，其分類效果越好；而T-squared值越小，其分類效果越好。得到的情況如表7所示。

表7 聚類分析的F值與T-squared值

由分四類的F值最大，而T-squared值最小，可以得知分為四類為較優選擇。

第一類：北京、上海、陜西、安徽、浙江、天津、湖北、湖南、重慶、四川、江西、福建、吉林

第二類：新疆、西藏、黑龍江、海南、寧夏、青海、貴州、云南、甘肅、廣西

第三類：河北、河南、山西、遼寧、內蒙古

第四類：山東、江蘇、廣東

根據聚類分析的結果可以看出，第一類中有13個地區屬于工業發展狀況較好且環境污染程度較輕的，這與第四類的3個地區形成鮮明的對比，山東、廣東和江蘇素來是我國的工業大省，工業產值占據國家較大比例，但是所帶來的工業污染也是相當嚴重，由此可以說明，工業發達的地區，大都有著嚴重的工業污染問題，經濟的增長是以犧牲環境作為代價的。一方面是由于工業大省過多地重視經濟指標，而忽視了環保問題以及資源節約問題，這使得中小企業過度開采和浪費資源，從而造成了大量的環境污染；另一方面，各地區的政策有待完善，所有的工業發展都應該建立在不破壞環境的基礎上來完成，如果造成大量工業污染，勢必對我國未來發展帶來不利局面。第二類主要是我國西部地區，它們的工業環境污染較輕但同時工業經濟發展狀況較差，主要原因還是我國西部地區長期以來的地理因素問題，由于遠離東部發達地區，使得運輸成本增加，從而使得工業基地很少在西部地區建立，如此循環過程導致西部地區的工業發展一直處于劣勢。第三類主要是一些工業經濟發展狀況相對較好，但環境污染程度很重的地區。典型的像河北、山西和遼寧，其中河北和遼寧的重工業比較發達，而由此造成的工業環境污染也非常嚴重，山西主要是煤礦業，這三個地區是全國污染最嚴重的地區，因此當下各省應該充分重視環境保護，積極研發綠色排污技術，加強地區環境規制水平。

3 結論與對策建議

本文通過選取代表工業經濟發展的8個指標和代表工業經濟污染的6個指標，利用主成分分析法和聚類分析法，綜合分析我國31個省份的工業經濟發展和環境污染狀況，并將其劃分為4類地區，分別為強可持續發展地區、弱可持續發展地區、弱不可持續發展地區和強不可持續發展地區，針對每類地區提出相關的政策建議。

第一類地區是我們提倡的工業發展模式，工業發展過程中，要避免“先污染后治理”的模式。像北京、天津和上海，雖然工業規模相對山東和廣東等工業大省較小，但是第二產業人均GDP高，產業結構良好，在工業經濟得到有力發展的同時重視了環境治理，這是很多工業污染程度較深的地區需要反思的地方。安徽、湖南、湖北、陜西和福建等地工業污染程度相對重一些，尤其是對于安徽，即將跨入第三類地區，這些地區需要在保持現有工業發展模式下，改善環境保護政策，通過優化產業結構和產業政策，在保證良好工業環境的基礎上提升工業經濟增長。

第二類地區主要是我國西部地區，這些地區的工業污染程度較低，現階段主要目標應該放在如何大力提高工業經濟的問題上。西部地區戰略地位非常重要，但是在國內國際分工中長期處于不利地位，各地區應利用自己的特色產業，促進產業優化升級。例如新疆的金屬，鋼鐵相對比較集中在烏魯木齊，可以烏魯木齊為中心建立多個工業園區，聯動發展工業。西藏地區近年來建立了機械、紡織和皮革等小型工業企業，其中西藏毛紡織工業發展很快，主要產品呢絨、毛絨和毛毯遠銷其他省份和國外，極大地帶動了西藏地區的工業經濟發展。西部這些中國工業較為落后的地區，應該逐漸建立地區的優勢工業園，利用自己現有的資源，提高工業經濟發展水平。

第三類地區和第四類地區大都是我國工業大省，有以遼寧、河北為主的大型重工業基地，也有以廣東為主的大型輕工業基地，工業廢水廢氣和固體廢物排放十分嚴重。其中，江蘇、山東、廣東工業廢水排放總量之和為55.43萬噸，占據全國工業廢水排放總量的27.78%。雖然這三個省份的工業經濟位居全國前三，但是地區的發展應該始終以可持續為前提，各地區政府應相應加強環境規制水平，優先發展以質量效益和資源節約為主導的新型工業；各地區政府應該對污染程度較深的企業進行限期治理，同時應該選取符合我國實際情況的技術，合理有效地解決地區工業環境污染現狀；各地區大中型工業企業應該使用節能少廢的新型設備，大力推廣無害化生產技術。