基于PVAR 模型產業結構與大氣污染的研究

劉海龍

一、前言

改革開放以來，憑借著優越的地理位置和國家經濟政策的戰略扶持，華東地區部分城市的經濟水平得到了持續高速的發展。但隨著經濟發展水平的不斷提升，這些城市的大氣污染問題也在日益凸顯。據《2019 年江蘇省生態環境狀況公報》統計，環境、空氣質量均未達二級標準的區市有13 個。如何保持經濟發展健康增長同時減少大氣環境污染成為了一個迫在眉睫的問題。在經濟水平變化影響環境生態系統的發展過程中，產業結構優化調整在其中發揮了不可忽視的作用。

由于經濟水平、產業結構和大氣環境之間存在緊密的聯系，本文需要在各個指標之間進行綜合權衡，力求達到最優的解決對策。首先，通過查閱各地方統計年鑒，收集了南京、蘇州、徐州、青島和濟南5 個城市在2000至2018 年間的經濟水平、產業結構以及工業廢氣排放的數據。其次，通過對數據的分析，主要探討了華東地區部分城市產業結構、經濟水平和大氣污染之間的長期動態變化關系，預測了產業結構調整對城市大氣污染的動態影響。最后，結合分析預測結果，提出了切實可行的政策建議。

二、文獻回顧

有關產業結構調整與大氣污染之間的關系已有很多國內外學者發表過論述。趙建華（2020）指出，未來我國大氣污染方面受到產業結構調整的影響會持續上升，產業結構調整對大氣污染的影響應在未來給與重點關注[1]。彭慧嫻（2020）通過協整檢驗分析了生態環境和產業結構之間的協整關系，并指出第三產業和大氣污染呈正相關[2]。章敏（2017）指出，江蘇省的大氣污染、產業結構和城市化之間有著格蘭杰因果關系[3]。林翊，劉倩（2014）通過典型相關分析和協整檢驗分析出福建省產業結構與生態環境質量之間有著長期穩定的協整關系[4]。李鵬（2015）通過實證檢驗指出，產業結構的調整會加劇城市的環境污染狀況[5]。曹慧豐、畢巍強、曾詩鴻（2015）基于VAR 模型的研究結果指出，短期內的產業結構調整會加重大氣污染，而長期內的產業結構調整則對大氣污染問題的解決有利[6]。占李玲、陳洪昭（2012）基于VAR 模型的研究結果表明，產業結構的調整會導致環境污染的惡化[7]。馬麗梅、張曉（2014）基于空間計量模型，具體分析了大氣污染與工業結構的關系，并指出通過產業轉移的方式是不能降低大氣污染的[8]。吳玥弢、仲偉周（2015）通過相關分析建立了互動關系模型，由此指出產業結構、城市化和大氣污染三者之間的關系密切[9]。

回顧相關文獻，可以發現這些學者在產業結構與大氣污染關系的問題上使用了多種多樣的分析方法。結合文獻經驗，本文選擇了基于面板向量自回歸模型（PVAR）對華東部分城市產業結構、經濟水平和大氣污染進行回歸因果建模，并在模型的基礎上具體分析各個變量之間的因果關系。

三、模型設定與變量的選取

（一）模型設定

Holtz Eakin 于1988 年提出了面板向量自回歸模型（PVAR），此模型是在向量自回歸模型（VAR）的基礎上衍生出來的。PVAR 模型在建模前無需考慮變量之間的因果關系，視所有的變量為內生變量。由此，探究各個內生變量以及滯后內生變量對模型其他內生變量的影響。由于各地統計年鑒數據統計方式存在差異，很難獲取全面完整的數據，使用VAR 模型的效果往往不盡如人意。而PVAR 模型相對于VAR 模型能夠更好地處理短時序問題，更適合于本文采集的數據。由此，本文采用PVAR模型進行模型的建立與計算，通過Stata 軟件進行實現，具體如下：

（二）數據來源和變量的選取

本文使用的數據均來自各地的《統計年鑒》，大氣污染物包括氮氧化物、二氧化硫以及煙（粉）塵等。但有些地區2000 至2018 年的《統計年鑒》中，一些指標并未明確記錄。為了保證數據的完整性和連續性，本文將工業廢氣排放量作為大氣污染指標，記為FQ（億立方米）。

在產業結構的指標選取方面，干春暉、鄭若谷、余典范（2011）將第三產業產值與第二產業產值之比記為產業高級化指標（SUR）[10]，以此衡量產業結構的升級程度。王青、趙景蘭和包艷龍（2012）將產業結構優化率（SOR）和SUR 作為產業結構調整的指標[11]。結合這些經驗，本文選取了產業高級化指標作為主要的產業結構指標，同時將人均生產總值（RJGDP，元）作為當地經濟發展水平的指標。本文對各變量進行取對數處理，以防異方差性影響后續的檢驗結果，各變量描述性分析結果如表1。

表1 變量的描述性分析

（三）實證結果與分析

1.面板數據的平穩性檢驗。為有效避免偽回歸現象的產生，本文在構建PVAR 模型前首先對數據進行了單位根檢驗，以保證數據的平穩性。利用的平穩性檢驗方法為IPS 檢驗和LLC 檢驗，這兩種檢驗方法的原假設是面板數據變量包含單位根，若沒有足夠理由拒絕原假設，那么可以認為面板數據變量是非平穩的。本文利用stata16.0 軟件分別計算了原變量以及變量經過一階差分后的單位根檢驗指標，結果如表2、3。

表2 各個變量的單位根檢驗

從表2 中發現，原變量的單位根檢驗不通過，說明lFQ、lSUR 和lRJGDP 是非平穩序列。在表3 中，各變量的一階差分DlFQ、DlSUR 和DlRJGDP 是平穩序列。由此，本文選取各變量的一階差分代替原變量進行PVAR 模型建立分析。

表3 變量一階差分的單位根檢驗

2.PVAR 滯后階數的確定。為了確定PVAR 模型的滯后階數，本文采用AIC、BIC 和HQIC 三個不同準則來確定當前模型的最優滯后階數。根據表4 中三個準則的信息量可以確定，PVAR 模型的滯后階數在取2 時最合適。因此，本文建立PVAR（2）模型。

表4 確定模型最優滯后階數

3.脈沖響應分析。脈沖響應表示為其他指標當前期和之前各期值保持不變的情況下，PVAR 模型系統中某一個方程的擾動項發生了一個標準差變化后對未來變量的沖擊響應情況，利用這種方法能夠準確可靠地把握未來的變化趨勢。

由于產業結構的調整，第一產業的資金、勞動力逐漸向第二、三產業轉移，促進了資源的不斷投入，進而對大氣造成污染。因此，本文進行脈沖分析時，對變量進行排序，依次為產業結構調整、人均GDP 和工業廢氣排放量。使用了蒙特卡洛算法對各個變量的一個標準差沖擊模擬200 次，獲得了每個誤差項沖擊對三個變量0至10 期的影響。

通過PVAR（2）模型得到了產業結構調整、人均GDP 以及工業廢氣排放量的脈沖響應圖（圖1）。其中，產業結構調整的沖擊絕大多數影響來自本身，并且隨著一段時期的發展不斷趨于平緩。人均GDP 對產業結構調整的沖擊在一開始逐步增大，隨后趨于平緩。工業廢氣排放對產業結構調整的沖擊在預測期內一直都比較平緩。工業廢氣排放對本身的沖擊在預測期內也是比較大的，但是隨著時間的推移，這種沖擊逐漸減小。產業結構調整受到一個單位的沖擊后工業廢氣排放先是提高再趨于平緩，這說明隨著華東地區投資項目的增加和開發，一定程度下會加大工業廢氣的排放量，但隨著產業調整步入后期，第三產業的比重相較第二產業會越來越高，這將減少工業廢氣的排放。人均GDP 對工業廢氣排放的沖擊在前兩期影響較為明顯，之后趨于平緩。

圖1 脈沖響應圖

4.方差分解。方差分解是將一個內生變量預測的均方誤差分解為其它各變量的沖擊時帶來的方差。可以通過每個變量對另外一個變量沖擊所做貢獻的比例的大小來判斷一個變量在其他變量上的影響程度。本文通過方差分解，得到了PVAR 模型中每個方程的沖擊反應對每個變量的波動貢獻度。

從表5 中可以看出，人均GDP、產業結構調整以及工業廢氣排放的沖擊主要來自于本身。在各個變量的方差分解中，人均GDP 自身的沖擊從第1 期的90.3%下降到第十期的52.9%。產業結構的調整對人均GDP 的貢獻由第1 期的9.7%增長到第10 期的44.5%，這表明了產業結構的優化是人均GDP 的重要影響因素。從工業廢氣排放的方差分解來看，其對本身的沖擊從第1 期的90.4%下降到第10 期的35.7%，目前看來是趨于下降趨勢的。人均GDP 對工業廢氣排放的沖擊從第1 期的3.5%上升到20.4%，產業結構的調整對工業廢氣的排放沖擊由第1期的6.1%上升到第10 期的43.9%。綜上，產業結構的調整對人均GDP 和工業廢氣排放在未來均會產生重要影響，這個結果與前面脈沖響應分析的結論是吻合的。

表5 各個變量預測誤差的方差分解

四、結語

本文以南京、蘇州、徐州、青島和濟南為研究的主要對象，數據來自2000 至2018 年的各地方統計年鑒，選取了人均GDP（RJGDP）來衡量經濟水平，第三產業和第二產業的比值（SUR）衡量產業結構調整指標，工業廢氣排放量衡量大氣污染指標。利用面板向量自回歸模型（PVAR），對這三個主要變量間的動態關系進行檢驗研究。分析發現，各變量自身的沖擊解釋了很大一部分；工業廢氣排放受到產業結構調整的沖擊在未來會逐漸增強，這表示在未來通過產業結構調整可以對大氣污染進行改善；人均GDP 的增長和產業結構的調整在前期會造成大氣污染，而隨著產業結構不斷的合理化和高級化，未來將會改善大氣污染。因此，在保證經濟健康穩定增長的前提下不斷減少大氣污染，就需要不斷升級產業結構，通過調整產業結構來改善大氣污染。由此，本文提出了以下的可行性政策建議：

首先，在調整和優化產業結構的過程中要向著產業結構合理化和高級化的方向發展。近年來，華東部分地區第三產業的發展有著不斷上升的趨勢，第三產業增加值會越來越高，進而產業結構會越來越高級化，會對當地經濟水平有較強的拉動作用；其次，在環保方面，加大資金、人力和技術的投入，依靠科學技術提高環境治理水平和治理效率；最后，通過提高資源的利用率以及降低能源的消耗來減輕大氣污染。