中国省级地下经济与环境污染——空间计量经济学模型的实证

闫海波 陈敬良 孟 媛

(上海理工大学管理学院，上海200093)

进入21世纪，快速工业化与城镇化、主要由要素投入推动的经济增长使得中国环境污染的压力进一步加大。根据耶鲁大学和哥伦比亚大学联合推出的“2012年度全球环境绩效指数”(EPI)排名，中国在参评的149个国家和地区中排名第116位［1］，比2008年下降了11位。另据世界银行、中科院和国家环保总局的测算，中国每年因环境污染造成的损失约占GDP的10%［2］。因此，要实现社会的可持续发展，必须统筹考虑人口、资源、环境与经济发展的协调性。国内外的众多研究表明，经济增长与环境污染之间存在着密切的关系。Beckerman［3］借鉴库茨涅茨(Kuznets［4］)关于收入分配与经济增长关系的著名“倒U”型曲线假说，认为经济增长与环境质量之间也可能存在倒U 关系。Grossman、Krueger［5－6］等基于经验数据证实了人均GDP与污染物排放水平之间存在倒U型环境库茨涅茨曲线(EKC)，SO2大气悬浮物随人均GDP增长而升高。Stern［7－8］等研究发现，当选取全球性国家样本数据时人均硫排放与人均收入之间呈单调关系，当选取高收入国家样本时为“倒U”型，排放量的削减与时间相关与收入不相关。Maddison［9］利用空间经济计量方法对环境库茨涅茨曲线进行的实证研究则表明，一国人均二氧化硫排放量在很大程度上受到邻国人均排放量的影响，一国人均氮氧化物排放量会因与人均收入高的国家相邻而减少。Caviglia－Harris［10］等使用生态足迹这一综合指标衡量环境质量，发现生态足迹同经济增长之间不存在EKC倒U关系。

贺彩霞、冉茂盛［11］基于中国省级面板数据的研究结果，认为经济增长与环境污染之间的关系存在显著地区域差异，而且二者之间存在双向反馈机制。包群、彭水军［12］利用6类环境污染指标来实证检验EKC假设，研究结果表明，EKC很大程度上取决于污染指标和估计方法的选取。吴玉鸣、田斌［13］则使用空间计量经济学模型进一步分析了省域环境污染的空间相关性，认为我国省域环境污染存在明显空间依赖和空间溢出效应，并得出了省域人均收入越高、环境污染越严重的结论。综上所知:第一，现有研究大多以时间序列模型为主，隐含地假设一个区域的环境污染与相邻区域在地理空间上不存在空间相关性，由此获得的估计结果可能存在偏误，推导的结论和环境政策建议也难以令人信服［14－15］;第二，经济增长通常是环境污染程度上升与地下经济扩张的原因，但是关于地下经济的存在及其规模对环境污染影响的相关研究不足，国内外尚缺少这方面的理论研究;第三，学者们多以二氧化硫、二氧化碳及工业三废等单一污染物排放来衡量环境污染，缺乏整体上的考量。本文试图克服以上不足，在总结现有空间经济计量分析技术基础上，研究我国省级环境污染程度、地下经济规模、经济增长之间的关系。

1 环境污染指数与地下经济规模的测量

1.1 复合环境污染指数

本文使用复合环境污染指数作为对各省份环境污染程度的度量。复合污染是指多种污染物对同一介质(土壤、水、大气、生物)的同时污染，其典型反映是污染物在城市之间相互输送，造成各城市污染相互关联及多种高浓度污染物在时空上的叠加［16］。因此，构建符合污染指数能够更准确地反映各种污染物相互影响之后的影响程度。借鉴原毅军［16］等基于熵权法构建环境污染指数的方法测算复合环境污染指数。复合污染指数的计算公式如下:

其中，Pi表示某一省份的复合环境污染指数。

xij表示选取的污染物指标标准化之后的数值。本文选择废水排放量、化学需氧量(COD)、工业废气排放量、二氧化硫排放量、工业固体废物产生量作为对水体、大气、土壤污染的衡量。采取的空间样本数据是除了台湾省和香港、澳门特别行政区外的大陆31个省、自治区和直辖市。样本区间为2002－2010年，数据来源于各年《中国统计年鉴》。

βij为第i个省份第j项指标的系数，即根据熵值法确定的每种污染物的权重，βij则为:

其中，m为指标个数，m=5;Ee是各项ej的和。ej表示第j项指标的熵值，则ej为:

其中，n为省份数，n=31;k=ln(n);fij为第j项指标下第i个省份占该指标的比重:

1.2 地下经济规模

根据目前比较一致的认识，地下经济是指根据现行的国民经济经济核算体系应该被核算而未被核算和现行国民经济核算体系未涉及但又确实存在的经济生产活动［17］。货币需求法是测量地下经济规模的较为优良的方法，但却无法估测各个省份地区的地下经济规模，故本文使用要素分配法［18］测算各省份地区地下经济的规模。根据经济学原理，收入=消费支出+储蓄，又因为消费支出、储蓄支出的官方统计相对准确，而人们则有隐瞒收入的倾向，所以地下经济部门的劳动报酬收入可以用消费、储蓄与收入的差来计算，见下式:

地下经济部门的劳动者报酬=居民消费支出总额+居民储蓄年增量－(城镇居民人均生活费收入×城镇总人口+农村居民人均纯收入×农村总人口);

继而根据劳动者报酬在地下经济中所占的份额即正规经济部门劳动者报酬占GDP的比重，可估测中国各省份地区的地下经济规模。

2 地下经济与环境污染的空间分布特征

2.1 地下经济的空间分布

过度危险比率［19］(Excess Risk)度量了地下经济规模的相对严重程度。是观测值与所有数据平均值的比值。过度危险比率小于1，表明该省份的环境污染地下经济规模小于国内的平均值。过度危险比率大于1，则表明该省份地下经济规模大于国内平均值，危险程度较高。

从发展态势上看，我国的地下经济规模呈现明显的由点到面的扩散趋势。如表1所示，2002年，地下经济规模过度危险比率大于等于1的省份有7个，至2010年，地下经济规模过度危险比率大于等于1的省份已经达到15个，占全部31个省份的48.38%。因此，本文认为，第一，我国的地下经济规模趋于严重;第二，从地域分布与演化趋势上看，北京、上海、天津、辽宁、广东、海南始终是地下经济的重灾区;第三，地下经济呈现出从京沪以及沿海经济发达地区向内蒙古、西北地区迁移的趋势;第四，逐步呈现出地理空间上的非均质性特征，存在中心和外围地区、发达和落后地区的空间差异性。

2.2 环境污染程度的空间分布

如表2所示，2002年，复合环境污染指数小于0.3的省份是14个，2010年，复合环境污染指数小于0.3的省份仍然是14个。由此判断，近十年来，我国的环境状况并未有得到改善。其中，山东、江苏、河南、河北、四川、广东的环境污染指数始终在高位运行，广西则由中度污染程度地区落入了重度污染地区，新疆由无污染地区落入了轻度污染地区。只有山西的环境状况有所改善，跳出了重度污染地区。若将我国的环境污染程度分为无污染程度、轻度污染程度、中度污染程度、中度污染程度四个级别，则环境污染状况有以下特点:第一，与区域经济发展的不均衡状况类似，我国各省份环境状况呈现明显的层次性分布:西部地区复合环境污染指数最小，中部地区复合环境污染指数次之，沿海地区复合环境污染指数最高。其中，环渤海地区的河北、辽宁、沿海的山东、江苏、广东、广西以及内陆省份河南、四川环境污染程度最高，属于重度污染程度;第二，环境污染分布呈现地区聚集特征，且与污染程度在上一级次的地区临近:都是中度污染程度的湖北、湖南、浙江、安徽、福建在地理位置上临近，且靠近重度污染程度的环渤海地区和两广地区;重度污染程度的四川处于环境污染程度的“孤岛”，被轻度污染程度的云南、贵重、重庆、山西以及无污染程度的西藏、甘肃、青海所包围。

表1 地下经济规模过度危险比率

表2 复合环境污染指数

2.3地下经济与环境污染的空间自相关检验

通过上文对于地下经济与环境污染的空间分布分析，可以初步判断其在地理空间上存在集聚现象，即空间自相关。这意味着空间上的观测值之间缺乏独立性各变量之间存在相互影响，空间相关的强度及模式由空间的绝对位置(格局)和相对位置(距离)共同决定［20］。本文采用全域空间相关性检验和局域空间相关性［21－22］检验来分析测度省域地下经济与环境污染在地理上的集聚程度。使用由Moran(1950)提出的空间自相关系数全局Moran’s I［23］检验区域变量的空间相关性存在与否，计算公式为:

Yi表示第i个地区的观测值，n为地区总数，Wij为二进制的邻近空间权值矩阵，表示其中的任一元素，采用邻近标准或距离标准，其目的是定义空间对象的相互邻近关系。全局的Moran’s I值介于－1－1之间，大于0说明空间存在正相关，越大说明空间分布的正相关性越强;否则为负相关;近似为0表示空间服从随机分布。通过上述公式计算的地下经济的Moran指数为负值，且通过5%的显著性水平检验，这表明我国31个省域地下经济在空间分布上具有显著的负相关性;而复合环境污染指数Moran值为0.258，我国省域环境污染存在较为显著的空间正相关性。

通过Moran指数可以将各省域的地下经济集群分为4种空间相关模式(见表3):第1象限(HH)表示地下经济规模高的省份被同是地下经济规模高的省份所包围;第2象限(LH)表示地下经济规模低的省份被高的省份包围;第3象限(LL)地下经济规模低的省份被同是规模低的省份所包围;第4象限(HL)表示地下经济规模高的省份被低的省份所包围。第1、3象限体现出正的空间自相关性，第2、4象限体现出负的空间自相关性。复合环境污染指数的空间关联模式同上。

总体看来，我国省域地下经济存在着地理空间上的依赖性与异质性，核心与边缘地区模式是其典型的分布模式:地下经济规模最高的上海、北京、广东等位于第4象限，被其他地下经济规模较低的省份包围;沿边地下经济规模较低的省份则连成一片，位于第3象限;位于第2象限省份的地理位置不相邻，地下经济规模也相距甚大;我国省域环境污染聚集出现HH和LL两种模式的分化，空间正相关性较为明显。

分析表明，我国省域地下经济规模扩张与环境污染程度确实存在空间聚集现象，地区差异比较显著，表明有必要从空间维度的相关性和异质性出发，其进行空间计量分析。

表3 地下经济规模与环境污染程度省级区域的空间相关模式

3 地下经济对环境污染影响的空间计量检验

3.1 模型设定

Florax［24］等发现对于真实的数据生成过程，从一般线性回归模型出发，通过模型设定的检验扩展到具有空间滞后变量的计量模型，比从一般到具体的方法更好。因此本文首先借鉴已有的EKC研究范式，结合本文的研究目的，首先构建如下对数线性回归模型:

其中E表示环境污染程度，Y代表经济发展水平，U代表地下经济规模，α、ε分别为常数项和随机误差项，ε～N(0，σ2)。参数β1、β2的估计结果用以判断环境－收入之间的集中可能曲线关系。β3的符号和大小反映了地下经济规模对环境质量的影响。在此基础上，引入空间计量模型对(6)式进行修正。根据空间计量经济学，空间效应可以表现为空间滞后模型(Spatial Lag Model，SLM)和空间误差模型(Spatial Error Model，SEM)两种基本形式［25］。在空间自回归模型中，变量的空间相关关系由因变量的空间滞后项来反映，与(6)式对应的SLM模型为:

WlnE为空间滞后因变量。ρ为空间自回归系数，其估计值反映了空间相关性的方向和大小，即邻近省域的环境污染对本省份观察值的影响程度和方向。式中W为n×n的空间权值矩阵，其中的元素wij定义了空间邻接关系。如果地理单元i和j邻接，wij取1，反之则取0。由于相邻省份间有共同的边界，本文选取一阶邻接方法求取空间权值矩阵［19］。

假设空间相关通过误差过程产生［26］，与式(6)对应的的SEM模型为:

式中λ为空间误差自相关系数，表示了回归残差之间空间相关的强度，Wμ为空间滞后误差项。

由于空间效应的存在，对上述两种模型如果仍然采取普通最小二乘法(OLS)进行估计，会导致系数估计值有偏或无效，根据 Anselin［19］的建议，本文采用极大似然法对SLM和SEM模型进行估计。

3.2 指数选取与数据来源

环境污染程度使用上文测算的复合环境污染指数，这样可以消除不同省份在经济、人口等规模上的差异。经济发展水平Y使用人均GDP(单位:万元)来度量。地下经济规模U使用人均地下经济水平来度量(单位:万元)。实证分析所用的原始数据均来源于《中国统计年鉴2010》。

3.3 实证结果和分析

表4报告了以复合环境污染指数为被解释变量的回归结果，相对于经典回归OLS模型，SLM和SEM的拟合优度检验值R2和对数似然函数值log－likelihood都有所提高，AIC和SC的值都相对变小，这说明考虑空间效应后的模型有效的消除了环境污染的空间自相关和空间误差。而SEM模型中的log－likelihood和R2优于其他模型相应的统计值，这意味着一个地区的环境污染不仅受到周边邻近省域环境污染的相互冲击，而且还受到区域间结构性差异的误差冲击，这种结构性差异体现在各个省域自身经济发展水平、地下经济规模以及其他未纳入基本模型中的其他空间影响因素之间存在的差异［27］。进一步比较分析可以发现，LMERR较之LMLAG在统计上更加显著而且RLMERR也显著，根据Anselin和Florax［24］提供的空间模型形式判别方法，可认为SEM相对SLM模型能更好的拟合空间效应。

OLS回归结果显示，人均GDP的回归系数β1为正数，其平方项的回归系数β2为负数，与EKC假说一致，说明环境质量随经济增长倒U型关系［26］，SLM与SEM检验结果也证实了这一关系，预示随着人均GDP的增长，复合污染程度指数呈现会呈现出先增长后减弱的趋势。据此计算出环境污染－收入倒U型曲线转折点为人均GDP达2.78万元，对于人均GDP低于这一临界点的省份而言，复合环境污染指数与人均GDP呈现出正相关关系，复合环境污染指数会随着人均GDP的增加而上升，经济增长将恶化环境。在跨越上述临界值后，复合环境污染指数才会随人均GDP的进一步增加而出现下降的趋势。2010年有18个省份人均GDP低于2.78万元，即有58.06%的省份位于EKC曲线的左半段，其中又以中西部省份居多。

尽管人们普遍担心地下经济这种隐性和无法掌控的经济形式的存在会对地区环境造成负面影响，然而本文的实证结果并没有找到地下经济的存在会恶化地区环境的证据。三种模型中地下经济的估计系数为 －0.0288、－0.0284、－0.0298，且在统计上显著，这意味着地下经济的存在有利于减少主要污染物的排放，至少对环境质量的改善有正向的作用。地下经济之所以与环境污染物之间负相关可能由以下原因造成:一是高耗能、高污染项目投资巨大，风险高，地下经济所形成的资金(地下资金)由于天然的风险厌恶而不愿进入上述领域;二是虽然我国的高耗能、高污染的粗放增长方式没有得到根本改变，但是对此类项目及其企业的监管却日益严格，地下资金难以进入;三是我国的地下经济多隐藏于第三产业服务业，客观上对环境污染的影响程度较小。

表4 地下经济与环境污染的空间计量检验结果

4 主要结论和政策启示

运用探索性空间数据分析方法对我国各省域当前地下经济与环境污染的分布格局及演变趋势进行了分析，并进一步采用空间误差模型(SEM和空间滞后模型(SLM)实证分析了经济发展水平、地下经济规模扩张对环境污染的影响，得到以下结论及启示:①我国省域环境污染程度存在显著的空间依赖性，呈现出东高西低的阶梯状分布特征;②地下经济呈现出地理空间上的非均质性特征，存在中心和外围地区、发达和落后地区的空间差异性。③多数省份处在EKC曲线的左半段;地下经济规模与环境污染程度空间负相关。

根据以上结论，本文提出:为将经济增长所引致的环境污染最小化，各级政府应充分考虑经济与环境的空间相关性，打破各自为阵的行政垄断，推进以排污权交易为核心的跨区域环保合作，建立合理的补偿机制，积极应对跨省域的环境污染。此外，地下经济在客观上具有缓解环境污染的作用，但这并非地下经济的存在的“本意”。因此，在调整产业结构、发展现代服务业的同时，应加强对地下经济统计与监察，使之可查、可控;制定合理有效的政策，使其逐步地上化、显性化，最终并入可观测的现代服务业范畴，发挥对环境质量提升的积极作用。

(编辑:张 英)

［1］全球环境绩效指数出炉，中国名列116位［EB/OL］.http://money.163.com/12/012/15/07.

［2］吕健.中国经济增长与环境污染关系的空间计量分析［J］.财贸研究，2011，(4):1－7.

［3］Beckerman W.Environmental policy and the challenge to economic theory［J］.

［4］Kuznets S.Economic Growth and Income Inequality［J］.The American Economic Review，1955，45(1):1 －28.

［5］Grossman，GMK.Economic.Growth and the Environment［J］.The Quarterly Journal of Economics，1995，110(2):353 －377.

［6］Grossman R M，krueger J，Yourish D.Interleukin 6 is expressed in high levels in psoriatic skin and stimulates proliferation of cultured human keratinocytes［J］.Proceedings of the National Academy of Sciences of the United States of America，1989，86(16):6367 －6371.

［7］Stern DI，Common.Is There an Environmental Kuznets Curve for Sulfur?［J］.Journal of Environmental Economics and Management，2001，41(2):162 －178.

［8］Stern DI，Common，Barbier EB.Economic growth and environmental degradation:The environmental Kuznets curve and sustainable development［J］.World Development，1996，24(7):1151 － 1160.

［9］Maddison D.Environmental Kuznets curves:A spatial econometric approach［J］.Journal of Environmental Economics and Management，2006，51(2):218 －230.

［10］Caviglia－Harris J L，Chambers D，Kahn J R.Taking the“U”out of Kuznets［J］.Ecological Economics，2009，68(4):1149 － 1159.

［11］贺彩霞，冉茂盛.环境污染与经济增长——基于省际面板数据的区域差异研究［J］.中国人口·资源与环境，2009，(2):56－62.

［12］包群，彭水军.经济增长与环境污染:基于面板数据的联立方程估计［J］.世界经济，2006，(11):48 －58.

［13］吴玉鸣，田斌.省域环境库兹涅茨曲线的扩展及其决定因素——空间计量经济学模型实证［J］.地理研究，2012，(4):627－640.

［14］苏梽芳，胡日东，林三强.环境质量与经济增长库兹尼茨关系空间计量分析［J］.地理研究，2009，(2):303 －310.

［15］龙志和，陈青青.中国省级CO2排放影响因素的空间计量分析［J］.中国人口资源与环境，2011，21(11):15 －20.

［16］原毅军，郭丽丽，任焕焕.基于复合污染指数的省级环境技术效率测算［J］.中国人口资源与环境，2011，21(10):167 －172.

［17］李金昌，徐蔼婷.未被观测经济估算方法新探［J］.统计研究，2005，(11):21 － 26.［Li Jinchang，Xu Aiting.A New Research of Estimation Method of Unobserved Economy［J］.2005，(11):21 －26.］

［18］刘洪，夏帆.要素分配法估测我国非正规经济的规模［J］.财政研究，2004，(1):16 －19.

［19］Anselin L，Syabri I，Kho Y.GeoDa:An Introduction to Spatial Data Analysis［M］.http://sal.agecon.uiuc.edu/csiss/pdf/geoda093.pdf，2010.

［20］Baltagi，BH.A companion to theoretical econometrics［M］.Malden，MA:Blackwell Pub，2003.

［21］Anselin L.Model Validation in Spatial Econometrics:A Review and Evaluation of Alternative Approaches［J］.International Regional Science Review，1988，11(3):279 －316.

［22］Anselin L R?Perspectives on spatial data analysis［M］.Berlin，Heidelberg:Springer-Verlag Berlin Heidelberg，2010.

［23］Anselin L.Specification tests on the structure of interaction in spatial econometric models［J］.Papers of the Regional Science Association，1984(1).

［24］Florax R J，Flomer H，Rey S J.Specification searches in spatial econometrics:the relevance of Hendry’s methodology［J］.Regional Science and Urban Economics，2003，33(5):557 －579.

［25］Anselin L.Spatial Externalities，Spatial Multipliers，And Spatial E-conometrics［J］.International Regional Science Review，2003，26(2):153－166.

［26］蒋伟，刘牧鑫.外商直接投资与环境库兹涅茨曲线——基于中国城市数据的空间计量分析［J］.数理统计与管理，2011，(4):752－760.

［27］邓玉萍，许和连.外商直接投资导致了中国的环境污染吗?:基于中国省际面板数据的空间计量研究［J］.管理世界，2012，(2):30－43.