苏、锡、常经济增长与水环境污染的关系

王惠敏　傅涛

摘要：运用协整分析和误差修正模型研究了苏、锡、常城市1992～2010年经济增长与水环境污染的长期均衡与短期动态调整关系。首先运用自回归分布滞后模型中的边界检验法和Johansen协整检验法验证EKC关系的存在；然后分别运用ARDL模型和ECM模型验证经济增长与水环境污染的短期动态调整关系。研究结果表明：苏、锡、常城市部分水环境污染指标与人均GDP之间存在长期的均衡关系，模型的形式和参数有所差异，并不总是呈现EKC的倒“U”型关系；短期内人均GDP的增长对不同城市水污染指标的影响效果不同；苏、锡、常城市经济发展活动的差异对水环境质量的退化造成了不同的影响。

关键词：误差修正模型；自回归分布滞后模型；经济增长；水环境；协整检验

中图分类号：F127；F120.3文献标识码：A文章编号：1001-8409（2014）01-0091-04

1引言

伴随着经济快速地增长、工业化与城市化进程，许多河网地区的经济发达城市面临的水环境污染问题日益严重。由于地区的经济收入水平和经济发展活动的差异对水环境污染具有显著的影响，近年来，不同地区的经济发展与环境污染的差异性分析不断得到关注。吴丹等利用VAR模型对广州、佛山及肇庆的经济增长与环境污染关系的差异性进行分析[1]。梁流涛等运用VAR模型对江苏省三大区域的工业经济增长和环境污染之间的双向作用关系进行分析[2]。邹秀萍等实证分析了京津冀地区的经济增长与水环境污染的EKC曲线（environmental Kuznets curve，EKC）[3]。传统的EKC假设表明人均收入与各种污染指标间呈现倒“U”型关系[4]。国外部分研究证实在某些地区BOD、COD及其他水环境污染指标与经济增长之间存在EKC关系[5～7]。Yang的研究表明在中国不同地区工业水污染排放与经济增长的EKC曲线有所差异 [8]。

EKC 的优点在于能直接评估经济增长对环境退化造成的影响。然而，由于经济与环境变量的时间序列大多数为非稳定时间序列，因此直接对变量进行EKC分析易于产生虚假的回归关系。协整检验常被用于验证变量间的长期均衡关系，常见的方法有Engle-Granger两步法和Johansen检验法 [9～10]。但是，这两种方法要求所有变量为同阶整合，难以对阶次不一的变量进行分析。近年来许多研究将经济增长与环境污染的长期均衡与短期的动态调整过程相结合，Engle-Granger的误差修正模型（Error Correction Model，ECM）是常用的方法之一，其不足之处在于该模型要求变量序列均为一阶整合且各变量间需存在协整关系。自回归分布滞后模型（Autoregressive Distributed Lag，ARDL）是Pesaran等推荐的动态模型，其中的边界检测法（Bound Testing，BT）在检验变量之间的长期关系时不受变量稳定性的整合阶次不一致的限制 [11]。

苏、锡、常代表了水网密布与经济发达地区，具有典型的经济发展模式。将时序和截面信息相结合的面板数据能够反映出苏、锡、常城市收入水平变化和地区发展差异对环境污染与经济增长关系的综合影响。本文运用协整检验与ECM模型来实证剖析苏、锡、常水环境污染与经济增长的长期均衡与短期动态关系，为经济快速发展的城市制定水污染控制策略提供指导。

2研究方法和数据

2.1研究方法

（1）EKC假设

EKC假设描述了人均GDP与各种污染指标间的长期关系，本文将水环境污染与经济增长之间的长期关系描述为：

yi，t=αi，0+αi，1xi，t+αi，2x2i，t+αi，3x3i，t+εi，t （1）

其中，y为水环境污染负荷指标，i和t分别代表不同城市和时间周期，α0，α1，α2，α3为系数向量，x为人均GDP，ε是随机误差项。由于对分析的时间序列数据进行自然对数变换可以消除时间序列中存在的异方差现象且并不改变分析数据的性质和关系，因此该式也可描述为：

Ei，t=βi，0+βi，1Xi，t+βi，2X2i，t+βi，3X3i，t+εi，t（2）

其中Ei，t=lnyi，t，Xi，t=lnxi，t。如果β1>0，β2<0且β3=0，表明经济增长与环境污染呈倒U型曲线，即在经济增长的早期阶段，环境污染不可避免，然而当达到一个新的水平后，环境将逐步改善，转折点处的人均GDP为x*=exp（-β1/（2β2））。如果β1>0，β2<0，β3>0，经济增长与环境污染呈现倒“N”型曲线。如果β1<0，β2>0，β3<0，经济增长与环境污染呈现“N”型曲线。

（2）ARDL模型

Johansen检验法容许变量间同时存在多个协整关系以及面板数据存在相关性，提供两种不同的检定方式，即迹检验和最大特征根检验[12]。ARDL能够将变量的长期关系与短期动态调整过程相结合。单个城市的ARDL模型可表示为：

ΔEt=b0+p11j=1b1jΔEt-j+p21j=0b2jΔXt-j+p31j=0b3jΔX2t-j+p41j=0b4jΔX3t-j+δ1Et-1+δ2Xt+δ3X2t+δ4X3t+εt+μ （3）

其中δ1，δ2，δ3，δ4为长期均衡系数，滞后差分项系数b1j，b2j，b3j，b4j为短期动态系数。当虚假假设H0：δ1=δ2=δ3=δ4=0成立的情况下，方程的各变量间不存在长期均衡关系。滞后期变量的联合F检验用于检验长期均衡关系的存在，如果F统计值超过临界值上限，可以推断变量间存在长期均衡关系。如果F统计值低于临界值下限，变量间不存在长期均衡关系。如果F统计值在上下限之间，则需要检验变量的整合阶次，否则推断是不确定的。

如果变量间存在长期的均衡关系，将ARDL模型转换成滞后一期的误差修正模型，即ARDL-ECM模型，模型表示如下：endprint

ΔEt=b0+p11j=1b1jΔEt-j+p21j=0b2jΔXt-j+p31j=0b3jX2t-j+p41j=0b4jΔX3t-j+λECt-1+εt （4）

其中，λ是调整系数，表示短期失衡向长期均衡调整的速度。ECt-1表示滞后一期的误差修正项，为短期失衡向长期均衡调整的误差修正。根据AIC和SBC准则确定ARDL模型中各变量的滞后期。如果变量序列协整，ECt-1是一个平稳变量的线性组合。

2.2指标选取和数据处理

由于水环境污染的部分指标没有较长时间的样本数据，鉴于工业废水是城市水污染最重要的原因之一，选取的水环境与经济指标为工业废水排放量、工业COD排放量和人均GDP，选取数据为苏、锡、常地区1992～2010年的时间序列数据，来源于江苏省统计年鉴和江苏省环境统计资料。对分析的时间序列数据进行自然对数变换以消除时间序列中存在的异方差现象。数据分析采用MATLAB、Eviews和Microfit软件。

3结果分析

3.1时间序列的ADF平稳性检验结果

3.2经济增长与水污染长期均衡关系的检验结果

鉴于部分变量不是同阶整合，首先运用BT检验法验证变量之间的长期均衡关系。对于BT检验不能确定协整关系的经济与环境变量，若其均为I（1），采用Johansen检验法验证变量间的协整关系。

（1）ARDL模型的协整检验结果

将ARDL模型用于方程（2）建立变量间的长期均衡关系，最优滞后期（p1，p2，p3，p4）基于AIC和SBC方法进行选择。参照Pesaran等给出的边限检验值，通过显著性检验的长期均衡关系检验结果如表2所示。结果表明常州的工业废水排放与人均GDP存在线性和三次曲线的关系；常州的COD排放与人均GDP存在二次曲线关系，且二次项系数为负；苏州的COD排放与人均GDP呈现倒“U”型的二次曲线；无锡的水污染与人均GDP的关系采用ADRL方法无法确定。

（2）Johansen模型的协整检验结果

ARDL模型未能确定协整关系的经济与环境变量若是I（1），则采用Johansen检验法来检验长期均衡关系，结果如表3所示。结果表明苏州LEWW、LGDPC与LGDPPC2之间存在长期稳定的均衡关系；无锡LEWW、LGDPC2与LGDPC3之间存在长期稳定的均衡关系；苏州LCOD、LGDPC与LGDPC2之间存在长期稳定的均衡关系；常州LCOD、LGDPC与LGDPC2之间存在长期稳定的均衡关系。

综合BT检验和Johansen检验的结果，苏、锡、常经济增长与水环境变量间的长期均衡关系如表4所示。苏州的工业废水排放和COD排放均与人均GDP之间存在倒“U”型的EKC曲线，转折点处的人均GDP分别为99626元和81838元。无锡工业废水排放与人均GDP存在三次曲线的关系。常州的工业废水排放与人均GDP存在线性和三次曲线的关系；工业COD排放与人均GDP存在倒“U”型的EKC曲线，Johansen检验获取的转折点处人均GDP为86530元。

3.3经济增长与水环境污染短期动态关系的检验结果

苏、锡、常部分经济增长与水环境污染变量之间具有长期的稳定关系。如果协整关系由ARDL模型得出，本文运用ARDL-ECM模型分析变量间长期均衡与短期动态调整关系，结果如表5所示。在长期均衡调整部分，误差修正项的参数均为负值，并且在1%水平上统计重要，表明模型具有由短期波动向长期均衡的稳定修正能力。以常州为例，长期均衡误差项的参数估计值为-0.61556，其值为负，表明体系收敛会朝向均衡调整。在短期动态调整部分，当期人均GDP的参数估计值为0.45103，在1%水平显著，表明常州当期人均GDP对水环境具有显著的正向影响。以苏州为例，人均GDP的当期对水环境具有负向影响，但不显著；人均GDP的滞后一期对水环境具有显著的正向影响；人均GDP平方项的当期和滞后一期对水环境具有负向影响，但当期影响并不显著。endprint

ΔEt=b0+p11j=1b1jΔEt-j+p21j=0b2jΔXt-j+p31j=0b3jX2t-j+p41j=0b4jΔX3t-j+λECt-1+εt （4）

其中，λ是调整系数，表示短期失衡向长期均衡调整的速度。ECt-1表示滞后一期的误差修正项，为短期失衡向长期均衡调整的误差修正。根据AIC和SBC准则确定ARDL模型中各变量的滞后期。如果变量序列协整，ECt-1是一个平稳变量的线性组合。

2.2指标选取和数据处理

由于水环境污染的部分指标没有较长时间的样本数据，鉴于工业废水是城市水污染最重要的原因之一，选取的水环境与经济指标为工业废水排放量、工业COD排放量和人均GDP，选取数据为苏、锡、常地区1992～2010年的时间序列数据，来源于江苏省统计年鉴和江苏省环境统计资料。对分析的时间序列数据进行自然对数变换以消除时间序列中存在的异方差现象。数据分析采用MATLAB、Eviews和Microfit软件。

3结果分析

3.1时间序列的ADF平稳性检验结果

3.2经济增长与水污染长期均衡关系的检验结果

鉴于部分变量不是同阶整合，首先运用BT检验法验证变量之间的长期均衡关系。对于BT检验不能确定协整关系的经济与环境变量，若其均为I（1），采用Johansen检验法验证变量间的协整关系。

（1）ARDL模型的协整检验结果

将ARDL模型用于方程（2）建立变量间的长期均衡关系，最优滞后期（p1，p2，p3，p4）基于AIC和SBC方法进行选择。参照Pesaran等给出的边限检验值，通过显著性检验的长期均衡关系检验结果如表2所示。结果表明常州的工业废水排放与人均GDP存在线性和三次曲线的关系；常州的COD排放与人均GDP存在二次曲线关系，且二次项系数为负；苏州的COD排放与人均GDP呈现倒“U”型的二次曲线；无锡的水污染与人均GDP的关系采用ADRL方法无法确定。

（2）Johansen模型的协整检验结果

ARDL模型未能确定协整关系的经济与环境变量若是I（1），则采用Johansen检验法来检验长期均衡关系，结果如表3所示。结果表明苏州LEWW、LGDPC与LGDPPC2之间存在长期稳定的均衡关系；无锡LEWW、LGDPC2与LGDPC3之间存在长期稳定的均衡关系；苏州LCOD、LGDPC与LGDPC2之间存在长期稳定的均衡关系；常州LCOD、LGDPC与LGDPC2之间存在长期稳定的均衡关系。

综合BT检验和Johansen检验的结果，苏、锡、常经济增长与水环境变量间的长期均衡关系如表4所示。苏州的工业废水排放和COD排放均与人均GDP之间存在倒“U”型的EKC曲线，转折点处的人均GDP分别为99626元和81838元。无锡工业废水排放与人均GDP存在三次曲线的关系。常州的工业废水排放与人均GDP存在线性和三次曲线的关系；工业COD排放与人均GDP存在倒“U”型的EKC曲线，Johansen检验获取的转折点处人均GDP为86530元。

3.3经济增长与水环境污染短期动态关系的检验结果

苏、锡、常部分经济增长与水环境污染变量之间具有长期的稳定关系。如果协整关系由ARDL模型得出，本文运用ARDL-ECM模型分析变量间长期均衡与短期动态调整关系，结果如表5所示。在长期均衡调整部分，误差修正项的参数均为负值，并且在1%水平上统计重要，表明模型具有由短期波动向长期均衡的稳定修正能力。以常州为例，长期均衡误差项的参数估计值为-0.61556，其值为负，表明体系收敛会朝向均衡调整。在短期动态调整部分，当期人均GDP的参数估计值为0.45103，在1%水平显著，表明常州当期人均GDP对水环境具有显著的正向影响。以苏州为例，人均GDP的当期对水环境具有负向影响，但不显著；人均GDP的滞后一期对水环境具有显著的正向影响；人均GDP平方项的当期和滞后一期对水环境具有负向影响，但当期影响并不显著。endprint

ΔEt=b0+p11j=1b1jΔEt-j+p21j=0b2jΔXt-j+p31j=0b3jX2t-j+p41j=0b4jΔX3t-j+λECt-1+εt （4）

其中，λ是调整系数，表示短期失衡向长期均衡调整的速度。ECt-1表示滞后一期的误差修正项，为短期失衡向长期均衡调整的误差修正。根据AIC和SBC准则确定ARDL模型中各变量的滞后期。如果变量序列协整，ECt-1是一个平稳变量的线性组合。

2.2指标选取和数据处理

由于水环境污染的部分指标没有较长时间的样本数据，鉴于工业废水是城市水污染最重要的原因之一，选取的水环境与经济指标为工业废水排放量、工业COD排放量和人均GDP，选取数据为苏、锡、常地区1992～2010年的时间序列数据，来源于江苏省统计年鉴和江苏省环境统计资料。对分析的时间序列数据进行自然对数变换以消除时间序列中存在的异方差现象。数据分析采用MATLAB、Eviews和Microfit软件。

3结果分析

3.1时间序列的ADF平稳性检验结果

3.2经济增长与水污染长期均衡关系的检验结果

鉴于部分变量不是同阶整合，首先运用BT检验法验证变量之间的长期均衡关系。对于BT检验不能确定协整关系的经济与环境变量，若其均为I（1），采用Johansen检验法验证变量间的协整关系。

（1）ARDL模型的协整检验结果

将ARDL模型用于方程（2）建立变量间的长期均衡关系，最优滞后期（p1，p2，p3，p4）基于AIC和SBC方法进行选择。参照Pesaran等给出的边限检验值，通过显著性检验的长期均衡关系检验结果如表2所示。结果表明常州的工业废水排放与人均GDP存在线性和三次曲线的关系；常州的COD排放与人均GDP存在二次曲线关系，且二次项系数为负；苏州的COD排放与人均GDP呈现倒“U”型的二次曲线；无锡的水污染与人均GDP的关系采用ADRL方法无法确定。

（2）Johansen模型的协整检验结果

ARDL模型未能确定协整关系的经济与环境变量若是I（1），则采用Johansen检验法来检验长期均衡关系，结果如表3所示。结果表明苏州LEWW、LGDPC与LGDPPC2之间存在长期稳定的均衡关系；无锡LEWW、LGDPC2与LGDPC3之间存在长期稳定的均衡关系；苏州LCOD、LGDPC与LGDPC2之间存在长期稳定的均衡关系；常州LCOD、LGDPC与LGDPC2之间存在长期稳定的均衡关系。

综合BT检验和Johansen检验的结果，苏、锡、常经济增长与水环境变量间的长期均衡关系如表4所示。苏州的工业废水排放和COD排放均与人均GDP之间存在倒“U”型的EKC曲线，转折点处的人均GDP分别为99626元和81838元。无锡工业废水排放与人均GDP存在三次曲线的关系。常州的工业废水排放与人均GDP存在线性和三次曲线的关系；工业COD排放与人均GDP存在倒“U”型的EKC曲线，Johansen检验获取的转折点处人均GDP为86530元。

3.3经济增长与水环境污染短期动态关系的检验结果

苏、锡、常部分经济增长与水环境污染变量之间具有长期的稳定关系。如果协整关系由ARDL模型得出，本文运用ARDL-ECM模型分析变量间长期均衡与短期动态调整关系，结果如表5所示。在长期均衡调整部分，误差修正项的参数均为负值，并且在1%水平上统计重要，表明模型具有由短期波动向长期均衡的稳定修正能力。以常州为例，长期均衡误差项的参数估计值为-0.61556，其值为负，表明体系收敛会朝向均衡调整。在短期动态调整部分，当期人均GDP的参数估计值为0.45103，在1%水平显著，表明常州当期人均GDP对水环境具有显著的正向影响。以苏州为例，人均GDP的当期对水环境具有负向影响，但不显著；人均GDP的滞后一期对水环境具有显著的正向影响；人均GDP平方项的当期和滞后一期对水环境具有负向影响，但当期影响并不显著。endprint