我国产业生态经济系统生态—经济相互作用关系的空间特征及演化规律研究
2015-03-15王文平周甜甜
王文平,周甜甜
(东南大学经济管理学院,江苏南京210096)
一、引 言
改革开放以来,我国经济保持三十年迅猛增长,但是粗放型的发展方式也造成了严重的资源枯竭和环境污染问题。《中国环境经济核算报告(2004-2010)》指出,我国每年因经济发展所带来的环境污染代价呈现逐年升高的趋势。在保持经济快速增长的同时,如何协调好经济发展与产业生态化之间的关系,成为我国经济发展面临的主要问题之一。
Grossman和Krueger首次系统地研究了人均收入水平与环境状况之间的关系,Panayotou在此基础上最早提出经济发展与环境质量之间存在倒“U”型曲线,并从规模效应、技术效应和结构效应解释该曲线存在的可能性[1]。Magnus对瑞典1870-1997年分时段检验二氧化碳排放与GDP增长的关系,并指出技术创新对不同时间段的环境库兹涅茨(EKC)曲线具有不同程度的影响[2]。很多国外学者在此基础上选取不同地区和不同的经济环境指标进行实证研究,探索经济增长与环境质量直接的关系[3-5]。Jalil等利用时间序列模型研究发现中国能源消耗与经济增长存在倒“U”型关系[6]。Holtz-Eakin和Selden选取130个国家进行研究,结果发现经济增长与环境污染存在直线型关系[7]。Onafowora和Owoye指出巴西、中国、埃及、墨西哥、尼日利亚和南非六国的经济增长与二氧化碳排放呈现N型曲线轨迹,并且N型曲线转折点高于六国人均GDP[8]。Jill L等研究发现,经济增长与生态足迹之间不存在倒“U”型曲线[9]。Kijima等研究发现污染物是随时间变化的倒“U”型曲线,却与经济增长无关[10]。但有一些学者对EKC的存在性提出质疑,Stern和Cleveland指出,EKC理论的假设前提是农业和服务业是和工业相比是低能耗产业,而服务业在长期的运行过程中均需要大量的的能源消耗、资源投入和综合材料,其未必是低能耗的[11]。Bimonte从多方面质疑环境库兹涅茨曲线理论,认为环境质量是公共物品,环境指标的提高并不意味着环境质量的改善[12]。
国内对环境库兹涅茨曲线研究起步较晚,主要集中在选取不同的指标对不同地区、不同行业的生态—经济关系是否符合EKC假说、拐点存在性等进行实证研究。现有研究中的经济增长指标主要为GDP或人均GDP,环境质量指标主要包括总量指标和强度指标,如SO2排放量、COD排放总量和碳排放强度等[13-16]。苏为华和张崇辉指出,人均GDP不能代表经济发展水平,故提出采用城乡混合基尼系数来调整人均GDP,从而探讨经济发展与环境之间的关系[17]。韩玉军根据工业化水平和收入水平两个维度将165个国家分成4组,研究发现“高工业—高收入”组二氧化碳库兹涅茨曲线呈现出倒“U”关系,而“高工业—低收入”组则呈现线性关系[18];张红凤指出严格系统的环境规制政策可以改变EKC的形状和拐点,在一个相对较低的环境污染水平越过“倒U”型曲线的拐点并取得环境规制绩效[19]。林伯强和蒋竺均对中国二氧化碳排放和拐点进行预测,并借助MLDI和STIRPA模型分析人均二氧化碳排放的主要影响因素为能源强度,产业结构和能源消费结构[13]。
综上所述,国内外学者大多数在探对不同类型污染指标如:SO2排放量、COD排放量等与GDP或人均GDP间的关系,对在不同经济发展阶段,区域综合生态化水平与经济发展水平间的关系如何?随着经济水平的提高有什么演化规律?在不同经济发展阶段,影响生态化水平与经济发展水平间相互关系的关键因素是什么等问题,尚缺乏深入研究。而对这些问题的探索,有利于针对处于经济发展不同阶段的东中西部地区实际,制定有效的产业生态协调发展政策。基于上述分析,本文试图通过构建综合评价指标体系对产业生态经济系统中产业经济发展与产业生态化水平进行绩效评价研究,然后对生态—经济相互作用关系进行研究,提取典型关系模式,即对应不同类型的扩展EKC曲线,最后借助多元Logit模型对不同类型扩展EKC曲线形成的关键影响因素进行识别,从而为改善经济发展与生态的关系提供更有效的决策支持。
二、省域产业生态经济系统生态—经济相互作用关系的空间特征研究
我国各省资源禀赋存在地域差异,生态环境退化成本、资源环境承载力、经济发展水平在东部、中部和西部存在不平衡。现有研究中选取单一的经济或者生态指标不能全面反映经济发展水平或者生态化水平,因此,在合理评价产业生态发展水平和产业经济发展水平的基础上,探讨省域产业生态经济系统生态—经济相互作用关系的空间分布特征是十分必要的。
1.我国省域生态—经济发展水平评价
根据产业生态经济思想,本文将产业生态经济系统定义为以产业为主体,产业活动在资源消耗、污染物排放最小化的原则下实现经济效益最大化,使物质流、能量流、价值流在产业活动中实现闭路循环。因此,产业生态经济系统综合发展水平包括产业经济发展和产业生态化两个维度。
产业经济发展不仅包括经济总量、经济增长情况,还包括经济发展质量和内在经济结构,故从经济增长、经济发展质量、产业结构三个方面构建产业经济发展综合评价指标体系。其中,经济发展质量主要用产业经济活动带来的劳动就业数量来衡量。
表1 产业生态经济系统发展水平绩效评价指标体系
利用OECD和UNEP于1994年提出用来评价环境质量的PSR理论框架,提出产业生态化水平评价指标体系,包括产业发展过程中的“压力—状态—响应”三个方面。其中,压力P包括资源消耗造成的资源压力、污染物排放导致的环境压力,状态S主要用工业生态化水平来表示,响应R是为了改善现有的压力和状态而采取的产业环境政策。具体省域产业生态经济系统评价指标体系如表1所示。
利用时序全局主成分分析方法分别提取产业生态经济系统经济发展水平和产业生态化水平的主成分,然后利用主成分的贡献率作为权重,主成分加权和作为发展水平。时序全局主成分分析方法和主成分分析法的相比,优势在于可以同时兼顾面板数据的截面特征和时序特征,从而使不同省域不同年份的计算结果均具有可比性。
设定主成分选取标准为累计贡献率达到95%,产业经济发展需选取四个主成分,分别为劳动力投入主成分、经济结构主成分、经济产出主成分和经济增长主成分。从图1中可以看出,2007年经济发展水平出现下滑,2011年开始回升,但2007-2010年间保持平稳发展,说明金融危机对产业经济发展水平有一定程度的影响。借助方差来研究相同年份的30省产业经济发展水平的波动状况,研究发现,2006年30省产业经济发展水平波动最小,2010年波动最大,方差分别为0.0013和0.0286。
图1 省域产业经济发展水平变动趋势图
图2 省域产业生态化水平变动趋势图
同理,利用时序全局主成分分析方法对省域产业生态化水平进行绩效评价,得到产业生态化水平变动趋势图,如图2所示。2005—2011年各省产业生态化水平和变动趋势相似,说明产业生态化水平和产业经济相比,前者受金融危机的影响较小。东部和中部的产业生态化水平普遍高于西部地区,但东部地区中海南省的产业生态化水平也较低,原因在于海南省三次产业的单位产值能耗均高于全国平均水平,仍然为高能耗、高污染的粗放型发展方式。西部地区中的内蒙古、甘肃、青海、宁夏、新疆五省沿袭传统的农业耕种方式和高污染、高排放的工业发展模式,导致自然生态遭到破坏,其生态化水平较低。
2.省域生态—经济相互作用关系的空间分布
利用EKC理论对省域生态—经济相互作用关系进行研究,从而探索其空间分布特征。利用上文综合评价结果,选取自变量为产业经济发展水平,因变量为产业生态化水平,生态—经济相互作用关系称为扩展EKC。因此,扩展EKC模型可以表示为:Eco=β0+β1IE+β2IE2+β3IE3+β5Z+ε,其中IE为产业经济发展水平,Eco为产业生态化水平,ε为误差项,Z其它影响因素。以往研究中最高次数为3,在本文中最高次数设为4,同时,其他影响因素在计算中通常忽略不计,故可以得到简化的扩展EKC模型为:Eco=β0+β1IE+β2IE2+β3IE3+β4IE4+ε。
借助Matlab对30省(市)2005—2011年产业经济发展水平和产业生态化水平的面板数据进行面板多项式拟合,拟合采用多项式次数依次递增的方法,选择通过显著性检验并且拟合优度最好的拟合方式。其中,面板多项式拟合优度最好的为山西省,R2达到0.9441并且通过1%显著性检验;除贵州、陕西、青海、宁夏和新疆五省外,其余25省均通过显著性检验。根据β0~β4的取值不同,可以将生态—经济相互作用关系模式分为六种,分别为U型、倒U型、N型、倒N、M型和W型,具体见表2。河北、山西、江苏、河南、湖北、广东处于扩展EKC曲线的下降阶段,说明随着经济综合发展水平的提高,产业生态化水平并未好转,反而有恶化趋势。六种典型扩展EKC模式下分别选取山东、上海、黑龙江、安徽、内蒙古和海南绘制相应的扩展EKC曲线,具体如图3所示。
表2 产业生态经济系统生态—经济相互作用关系(扩展EKC)
图3 典型省份的扩展EKC曲线示意图
三、省域产业生态经济系统生态—经济相互作用关系的演化规律
不同省域之间经济发展水平存在差异,试图找到省域在不同经济发展阶段,生态化水平与经济发展水平相互作用关系的演化规律,从而为制定合理的产业政策提供重要的决策支持。根据产业经济发展水平对30省进行聚类分析,根据聚类结果,可以将30省分为四大类,对应经济发展水平的四个阶段,即高水平、中高水平、中低水平和低水平四个阶段,其中,北京和上海处于高水平发展阶段,天津、广东、山东、江苏和浙江五省处于中高水平发展阶段,河南、云南、甘肃和青海四省处于低水平发展阶段,其余省份处于中低水平发展阶段。处于高水平发展阶段的北京和上海扩展EKC曲线为倒U型,中高水平发展阶段的五省扩展EKC为U型,中低水平发展阶段省份的扩展EKC为N型和倒N型,低水平发展阶段的扩展EKC主要为M型。因此,产业经济发展水平从低到高发展时,扩展EKC从M型向N型和倒N型,然后向U型,最后向倒U型动态演化。
四、省域生态—经济相互作用关系的关键影响因素分析
现有关于EKC曲线形成的影响因素研究中,并没有将不同类型的EKC进行区别分析,而是简单的将经济增长或者单一污染物排放作为因变量进行回归分析或者分解分析,但是多元离散选择模型可以识别不同类型扩展EKC曲线形成的关键影响因素。借鉴现有研究成果的基础上,试图从产业结构、能源消费结构、自主研发能力、环保政策、经济发展、国际贸易、外商投资等方面来分析在经济不同发展阶段扩展EKC曲线的关键影响因素。其中,产业结构不单纯用三次产业占比来表示,而是采用低能耗产业产值占GDP的比重和重工业企业产值占工业总产值之比来表示,分别记为IS和HI,两者可以更全面的表征低能耗产业结构和工业产业结构现状;能源消费结构用煤炭消费占总能源消费的比重来表示,记为ECS;用研发投入占企业投入资本的比重(RD)和工业企业发明专利数量(UP)来表示企业自主研发能力;经济发展用人均GDP(p)来表示;环保政策用工业污染治理投资额(PCI)来表示;用外贸依存度(出口额/GDP,记为DFT)和FDI来表示对外开放水平。
发明专利数量与外贸依存度、FDI的相关系数分别为0.8046和0.7370,而外贸依存度与FDI的相关系数为0.6434,故删除发明专利数量消除线性共线性。剩余八个影响因素两两之间的Pearson相关系数均没有超过0.7的高度相关门槛。本文采用多元Logit模型考察不同类型扩展EKC曲线的关键影响因素,多元离散选项回归模型如下:
令logitPi/Pi0=gi(x),i=1,2,…6,x=(IS,HI,ECS,RD,PCI,p,FDI,DFT)。当给定x的取值时,可以计算属于类i的概率Pi,当i≠i0,可以得到各地区根据各变量的取值可以计算其形成不同类型扩展EKC曲线的概率,从而为地区经济与生态化关系的变化趋势提供参考。利用stata7软件对多元离散选择模型的参数进行估计,具体结果见表3。
从表3计算结果可以看出,经济发展处于高水平发展阶段与中高水平发展阶段相比,倒U型扩展EKC形成的关键影响因素为能源消费结构、人均GDP、外商投资和外贸依赖度;经济发展处于中低水平发展阶段与中高水平发展阶段相比,N型扩展EKC曲线形成的关键影响因素为能源消费结构、环保政策和人均GDP,倒N型扩展EKC曲线形成的关键影响因素为重工业占比、能源消费结构和外商投资;经济发展处于低水平发展阶段与中高水平发展阶段相比,M型扩展EKC形成的关键影响因素为产业结构、能源消费结构和环保投入。
表3 扩展EKC的多元logit模型参数估计结果
考虑经济发展水平从低水平发展阶段向中低水平发展阶段、中低水平发展阶段向中高水平发展阶段、中国水平发展阶段向高水平发展阶段转变时,生态—经济相互作用关系演化的关键影响因素。利用公式)即可求出表示i类与j类相比的logit。若满足logitPi j>0,即对应Pi>Pj,表示i类概率大于j类,若优势比对数越大,表明相等变化量对概率的影响越大。利用该理论即可得经济发展水平从低到高提升时,不同类型扩展EKC之间演化的关键影响因素。经济发展水平从低水平发发展阶段向中低水平发展阶段转变时,生态—经济相互作用关系演化的关键影响因素为产业结构、能源消费结构和人均GDP;经济发展水平从中低水平发展阶段向中高水平发展阶段转变时,生态—经济相互作用关系演化的关键影响因素为产业结构、研发投入和人均GDP;经济发展水平从中高水平发展阶段向高水平发展阶段转变时,生态—经济相互作用关系演化的关键影响因素为产业结构、人均GDP和外贸依赖度。
五、结论及政策建议
本文基于PSR模型和时序主成分分析方法对30省份2005-2011年产业经济发展水平和产业生态化水平进行综合评价,然后对经济发展与产业生态化发展水平进行面板数据回归,得到经济发展不同阶段下的生态—经济相互作用关系的空间特征及演化规律,最后对经济发展不同阶段生态—经济相互作用的关键影响因素进行分析,研究结果表明:
首先,经济发展水平与生态化水平的空间特征存在差异,其中,东部和中部省份产业生态化水平明显优于西部。2005—2011年间产业经济发展水平的波动大于产业生态化水平,主要原因在于国内生产总值增长率持续走低和失业人口的增加导致经济下滑。
其次,我国省域产业生态经济系统生态—经济相互作用关系呈现U型、倒U型、N型、倒N型、M型和W型等不同的空间特征。河北、山西、江苏、河南、湖北和广东六省处于扩展EKC曲线的下降阶段,急需进行产业转型。经济发展阶段可以分为高水平、中高水平、中低水平和低水平四个阶段。高水平和中高水平发展阶段的省份主要位于东部,中低水平和低水平发展阶段的省份主要位于中部和西部地区。随着经济发展水平的提高,扩展EKC有从M型向N型和倒N型,然后向U型,最后向倒U型转变的动态演化规律。
最后,在经济不同发展阶段,决定生态—经济相互作用关系的关键影响因素不同。高水平发展阶段,决定生态—经济相互作用关系的关键影响因素为能源消费结构、人均GDP、外商投资和外贸依赖度,中低水平发展阶段关键影响因素为能源消费结构、环保政策和人均GDP,而低水平发展阶段的关键因素为产业结构、能源消费结构和环保投入。在经济的不同发展阶段,能源消费结构对生态—经相互作用关系均有显著性影响。而我国现在依然是以煤炭为主的能源消费结构,因此,转变能源发展方式迫在眉睫。在这个过程中,不仅要开发新能源,也要提高清洁能源在终端消费的比重,积极实现能源的节约、高效、清洁消费,支撑经济社会实现可持续发展。
[1]Panayotou T.Empirical tests and policy analysis of environmental degradation at different stages of economic development[C].Geneva:Working paper WP 238,Technology and Employment Programme,Internationl Labor Office,1993.
[2]Magnus Lindmark.An EKC-pattern in historical perspective:carbon dioxide emissions,technology,fuel prices and growth in Sweden 1870-1997[J].Ecological Economics,2002 ,42:333-347.
[3]Md.Danesh Miah,Md.Farhad Hossain Masuma,Masao Koike.Global observation of EKC hypothesis for CO2,SOx and NOx emission:A policy understanding for climate change mitigation in Bangladesh[J].Energy Policy,2010,38 :4643-4651.
[4]Soonae Park,Youngmi Lee.Regional model of EKC for air pollution:Evidence from the Republic of Korea[J].Energy Policy,2011 ,39 :5840-5849.
[5]Dimitra Kaika,Efthimios Zervas.The Environmental Kuznets Curve(EKC)theory—PartA:Concept,causes and the CO2emissions case[J].Energy Policy,2013,62:1392-1402.
[6]Jalil A,Mahmud S.F.Environment Kuznets curve for CO2 emissions:a Cointegration analysis for China[J].Energy Policy,2009,37:5167-5172.
[7]Holtz-Eakin,D,Selden T.M.Stokingthe fires? CO2 emissions andeconomic growth[J].Journal of Public Economics,1995,57.
[8]Olugbenga A.Onafowora,Oluwole Owoye.Bounds testing approach to analysis of the environment Kuznets curve hypothesis[J].Energy Economics,2014 ,44:47-62.
[9]Jill L.Caviglia-Harrisa,Dustin Chambersa,James R.KahnbTaking the”U ”out of Kuznets—A comprehensive analysis of the EKC and environmental degradation[J].Ecological Economics,2009,68:1149-1159.
[10]Kijima M,Nishide K,Ohyama A.EKC-type transitions and environmental policy under pollutant uncertainty and cost irreversibility[J].Journal of Economic Dynamics and Control,2011,35(5):746-763.
[11]Stern D I,Cleveland C J,2004.Energy and Economic Growth.Rensselaer Working Papers in Economics,March 2004 ed Rensselaer Polytechnic Institute,Depart-ment of Economics.
[12]Bimonte S.Public goods,environmental quality and the EKC-the‘unsaid’of the intensity of use indices[J].International Journal of Sustainable Economy,2012,4(2):167-180.
[13]林伯强,蒋竺均.中国二氧化碳的环境库兹涅茨曲线预测及影响因素分析[J].管理世界,2009(4):27-36.
[14]袁鹏,程施.中国工业环境效率的库兹涅茨曲线检验[J].中国工业经济,2011(2):79-88.
[15]马丽梅,张晓.中国雾霾污染的空间效应及经济、能源结构影响[J].中国工业经济,2014(4):19-31.
[16]郝宇,廖华,魏一鸣.中国能源消费和电力消费的环境库兹涅茨曲线:基于面板数据空间计量模型的分析[J].中国软科学,2014(1):134-147.
[17]苏为华,张崇辉.关于异质性假说的中国EKC再检验[J].统计研究,2011(12):66-71.
[18]韩玉军,陆旸.门槛效应、经济增长与环境质量[J].统计研究,2008(9):24-31.
[19]张红凤,周峰,杨慧,等.环境保护与经济发展双赢的规制绩效实证分析[J].经济研究,2009(3):14-26+67.