我国重点矿业经济区环境库兹涅茨曲线研究——基于面板数据的实证分析

■ 申 俊/成金华/王小林

（1.中国地质大学(武汉) 资源环境经济研究中心， 湖北 武汉 430074；2.中国地质大学(武汉) 经济管理学院，湖北 武汉 430074）

我国重点矿业经济区环境库兹涅茨曲线研究
——基于面板数据的实证分析

■ 申 俊/成金华/王小林

（1.中国地质大学(武汉) 资源环境经济研究中心， 湖北 武汉 430074；2.中国地质大学(武汉) 经济管理学院，湖北 武汉 430074）

以1995-2011年我国30个重点矿业经济区为研究对象，基于面板数据模型构建我国重点矿业经济区环境库兹涅茨（EKC）模型，实证分析了我国重点矿业经济区EKC存在性、转折点、区域与类型差异性以及所处的阶段效应。研究结果表明：工业废水与烟粉尘排放强度随人均GDP呈“倒N型”EKC曲线，SO2排放强度呈“线性”关系，尽管SO2排放强度逐渐降低，但仍将是未来考察环境污染的主要指标；我国东部与西部区域重点矿业经济区在一定阶段会出现经济发展与环境污染的脱钩，且东部区域更早一点，中部区域未知；现阶段我国重点矿业经济区多数处于规模效应阶段，应加快技术进步，调整产业结构，推进经济转型与可持续发展。

重点矿业经济区；EKC曲线；经济增长；环境污染；阶段效应；面板数据

0 引言

随着我国经济社会的快速发展，矿产资源的大规模持续开发利用逐步扩大，环境污染和生态破坏也逐渐加剧。当前，我国约有21.5%的工业废水、34.8%工业二氧化硫以及59.8%的工业烟粉尘是由占城市总数20%的矿业城市排放的。二氧化硫、化学需氧量等主要污染物控制指标水平长期居高不下，矿产资源开发利用过程中产生的尾矿自然粉尘、扬尘、天然气和一些易挥发气体的污染随着矿业活动程度的频繁而加剧。

环境污染一直以来被看作是经济增长过程中产生的“副产品”（陆旸，2012），现有研究经济发展与环境污染关系最通用的方法就是“环境库兹涅茨曲线（EKC）”。Grossman和Kruger（1991，1995）对66个国家的多项环境污染指标数据进行了研究，发现二氧化硫、微尘和悬浮物这三种污染物排放与人均GDP之间并非线性关系，而是存在“倒U型”关系。经济增长与环境污染之间是否存在稳定的“倒U型”曲线，很多学者从不同的分析角度出发对EKC曲线进行了验证。Selden和Song（1994）采取30个国家的面板数据模型，研究发现污染物SO2、CO2、NO2和SPM的排放量与人均收入之间同样存在着“倒U型”关系。但是，同样有研究表明环境污染与经济增长之间同样可能会有呈现“U型”“N型”“倒N型”等曲线关系。Friedl和Cetzner（2002）通过奥地利的数据验证二氧化碳排放与经济增长时间存在“N型”关系而非普通“倒U型”关系。朱平辉等（2010）在对我国七种工业污染排放进行EKC实证分析后，发现人均工业废水排放量、人均工业废气与人均GDP之间存在“倒N型”曲线关系。

现有关于环境库兹涅茨曲线的研究在曲线形状以及转折点上结果的不同主要原因在于研究方法与污染物指标选取上的差异（包群等，2005）。在研究方法上，多数学者（Grossman和Kruger ，1991；刘扬等，2008；卢晓彤等，2012）研究采用截面数据、面板数据或者时间序列数据模型进行EKC估计。EKC形成的原因存在多种解释（Panayotou，1993；Dasgupta 等，2002），最常见的解释是将其分解为规模效应、结构效应和技术效应（陆旸，2012）。纵观国内外关于环境库兹涅茨曲线（EKC）的研究已经较为系统与全面，但大多数的研究对象都较为广泛，一般选取国家或者各省市进行研究（Grossman和Kruger，1991，1995；卢晓彤等，2012），这样选取的对象缺乏针对性。现阶段我国经济发展带来的环境污染重点是由矿业经济区的资源开发所引起的，矿业经济区的经济发展与环境污染有更强的相关关系。

矿业经济区环境污染的改善将是我国环境污染治理的重要组成部分。本文选取1995-2011年30个重点矿业经济区面板数据作为样本，运用面板数据模型效应研究人均GDP与环境污染之间库兹涅茨曲线的存在性问题，探讨我国矿业经济区的环境治理模式。表1列出了我国30个重点矿业经济区及其类型。

1 模型、变量与数据

1.1 模型设定

在讨论经济增长与环境污染之间的关系时，现有文献多采用环境库兹涅茨曲线（EKC）模型。在借鉴Victor等、SONG等关于EKC模型研究基础上，本文设定我国重点矿业经济区的EKC模型为：

其中：Eit表示第i个重点矿业经济区第t年的污染物排放水平，Yit是第i个矿业经济区第t年的人均GDP，Iit表示第i个重点矿业经济区第t年产业结构，Uit表示第i个重点矿业经济区第t年的城市化率，αi为截面效应，反映了各个重点矿业经济区的个体差异，β1、β2、β3、β4、β5为待估计参数，μit为随机误差项。矿业经济区的环境污染同时也受到产业结构等因素的影响，为了模型的稳健性，本文加入了控制变量产业结构（I）和城市化率（U）两个变量。产业结构用第二产业产值占GDP的比重表示，城市化率用城镇人口比率表示。

1.2 指标与数据选择

本文在基础数据上核算各重点矿业经济区的万元GDP工业废水排放强度、万元GDP工业二氧化硫排放强度、万元GDP工业烟粉尘排放强度三个相对指标来研究重点矿业经济区经济发展与环境之间的关系，这也是本文同以往研究一个重要的不同点。

2 实证结果与分析

2.1 30个重点矿业经济区的估计结果

在EKC模型估计之前，本文对所构建的模型分别进行了基本模型与加入控制变量的模型比较。基本模型（B）、加入控制变量产业结构（B+I）、加入控制变量城市化率（B+U）、加入两个控制变量（B+I+U）的估计结果如图1所示。从图1可以看出，工业废水排放强度和工业烟粉尘排放强度与人均GDP之间呈“倒N型”EKC曲线，工业二氧化硫排放强度与人均GDP之间呈“线性”关系。工业废水排放强度加入控制变量城市化率后曲线向上平移，相同人均GDP水平下污染物排放强度升高。工业废水排放强度加入控制变量产业结构后权限曲线向右平移，加入两个控制变量后曲线变得平缓，这表明基本模型高估了重点矿业经济区的污染物排放强度下降速度，加入控制变量之后模型估计更加接近真实值。

表1 我国30个重点矿业经济区类型

图1 工业废水、工业二氧化硫和烟粉尘排放强度的EKC曲线

本文之后的模型均加入了两个控制变量，通过估计可以得到如表2所示的估计结果。模型估计的污染物排放强度的EKC方程均在1%或5%的水平下显著。其中，废水排放强度的EKC曲线呈现“倒N型”，曲线转折点在人均GDP为4885元和257511元，根据数据的描述性统计结果，所有样本的重点矿业经济区经济发展水平都集中在两个转折点之间，这表明现阶段经济发展与废水排放强度之间仍然存在很强的正相关关系，经济发展在人均GDP为257511元时可以实现与废水污染排放的脱钩，但目前没有矿业经济区达到脱钩所要求的发展水平；二氧化硫排放强度的EKC曲线估计结构呈“线性”，同SONG、蔡昉、李惠娟等学者研究得出的“倒U型”有所差异，主要原因在于本文所研究对象为我国重点矿业经济区，这些地区的经济发展主要依靠矿产开发，很长一段时间里经济发展无法与二氧化硫排放脱钩，但由于环境保护的压力、矿业开发与环境治理技术水平提高等原因，二氧化硫排放强度呈现不断下降趋势。

表2 30个重点矿业经济区的EKC估计结果

在宋涛等(2006)关于EKC曲线的研究中，多数曲线呈现“倒U型”，且可以分辨出在不同发展阶段污染物呈现的不同效应，本文模型多数呈现“倒N型”，曲线的右半边形状同“倒U型”相近。因此，也可以分辨不同污染物所处发展阶段的效应（表3）。从整体来看，我国重点矿业经济区污染物排放多数处于规模效应阶段，废水排放强度中黑龙江大庆石油化工矿业经济区、内蒙古包头稀土黑金属矿业经济区、鄂尔多斯盆地能源矿业经济区属于结构效应阶段，而烟粉尘排放强度中这三个矿业经济区属于消除效应阶段，而辽宁鞍山铁矿业经济区、山东烟台贵金属矿业经济区、宁夏银川煤炭矿业经济区属于结构效应阶段。而SO2排放强度阶段效应未知，这也说明短期内我国重点矿业经济区的发展与SO2排放无法脱钩。

2.2 不同区域重点矿业经济区的比较分析

我国重点矿业经济区根据矿产开发区域进行划分，经济发展与环境污染存在显著的区域性差异，本文将所选30个样本分为东部、中部、西部进行区域分析研究，其中东部重点矿业经济区8个、中部9个、西部13个。不同区域重点矿业经济区的EKC估计结果见表4。

表3 环境指标的阶段效应

表4 不同区域重点矿业经济区的EKC估计结果

通过表4可以看出，重点矿业经济区的环境污染物EKC曲线多数呈现“倒N型”，且经济发展与环境污染脱钩发生的转折点均在人均GDP较高时出现，主要原因在于我国重点矿业经济区特有的产业结构特征，矿产开发、经济发展与环境污染紧密相联，资源禀赋与矿产开发能够带动经济的快速发展，但也使得经济发展与环境污染脱钩更加困难，即转折点的人均GDP要求更高。

图2为不同区域不同污染物EKC曲线之间呈现不同特征，东部与西部区域重点矿业经济区经济发展与环境污染会在一定阶段出现脱钩，且东部区域更早一点，中部区域很长一段时间里经济发展引起的环境污染排放强度仍然很高。中部区域的“倒N型”EKC曲线不明显，污染物排放强度较高。东部与中部区域二氧化硫排放强度的EKC曲线呈“线性”，西部区域呈现“倒N型”，主要原因在于西部区域矿产资源石油天然气类较多，且西部区域环境承受与容纳能力较强，转折点在人均GDP为191477元，东部与西部区域在较长一段时间里二氧化硫排放强度仍与经济发展有很强的关系，这也表明未来二氧化硫排放仍将是衡量环境污染的一个重要指标。中部区域烟粉尘排放强度的EKC曲线呈现“线性”，主要原因在于一方面中部区域煤炭类矿业经济区居多，另一方面中部区域的矿业经济区经济发展转型困难，环境承载力较差。

图2 不同区域工业废水和烟粉尘排放强度

3 基本结论与建议

本文在基本EKC模型的假设下，采用面板数据模型对1995-2011年我国30个重点矿业经济区的三类环境指标与人均收入之间的关系进行了实证分析。通过模型估计检验，获得以下几点认识。

首先，我国重点矿业经济区各类环境污染指标随经济发展呈现不同的变化过程。其中，我国重点矿业经济区废水与烟粉尘排放未来可以实现与经济发展的脱钩，且烟粉尘排放同经济发展的脱钩时间更早。SO2排放与经济发展仍有很大的相关性，短期内矿业经济区的发展仍将排放更多的SO2，同样，SO2排放仍将是未来衡量矿业经济区环境污染的一个重要指标。

其次，各类环境指标随经济发展变化存在区域差异，东部与西部区域重点矿业经济区经济发展与环境污染多数会在一定阶段出现脱钩，且东部区域更早一点。主要原因在于东部区域经济发展快，环保投入高，环境治理成果显著，同时东部区域产业结构主要以高科技产业以及第三产业为主。西部区域属于新开发区域，且以油气类资源为主，废水与烟粉尘治理也相对较好。中部区域产业转型困难，短期内经济发展仍将以矿产开发为主，环境污染难以有效改善。

最后，我国绝大多数重点矿业经济区经济发展与环境污染处在规模效应阶段，只有个别矿业经济区处于结构效应或者消除效应阶段。这一方面受限于经济发展的大环境，我国现阶段正处于经济发展转型阶段，经济发展难免造成大量环境污染。其次，我国以煤炭为主的能源消费结构也是现阶段环境污染日趋严重的一个重要原因，同时现有的科技水平不高、环保制度不完善、环保意识欠缺等也是原因之一。

[1] GROSSMAN G M,KRUGER A B.Environmental Impacts of a North American Free Trade Agreement［M].NBER Working Paper No.3914,1991:1-57.

[2] WILLIAM A Brock.Chapter 28 economic growth and the environment: a review of theory and empirics[J].Handbook of Economic Growth,2005(1):1749-1821.

[3] THOMAS MATHIASEN SELDEN,SONG DAQING.Environmental quality and development: is there a kuznets curve for air pollution emissions?[J].J Environ Econ Manage,1994.

[4] MAXIMILIAN AUFFHAMMER,RICHARD T Carson.Forecasting the path of china's co 2 emissions using province-level information[J].J Environ Econ Manage,2008,55(3):229-247.

[5] SONG Tao, ZHENG TING GUO, TONG LIAN JUN.An empirical test of the environmental Kuznets curve in China: A panel co-integration approach[J]. China Economic Review, 2008, 19(3): 381-392.

[6] 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．

[7] 杨多贵,周志田,陈劭锋,等.各态遍历假说及其在可持续发展研究中的应用[J].科学管理研究,2003,21 (5):1-4,24.

[8] 许广月,宋德勇.中国碳排放环境库兹涅茨曲线的实证研究——基于省域面板数据[J].中国工业经济,2010(5):37-47.

[9] 朱平辉,袁加军,曾五一.中国工业环境库兹涅茨曲线分析—基于空间面板模型的经验研究[J].中国工业经济,2010(6):65-74.

[10] 李惠娟,龙如银.资源型城市环境库兹涅茨曲线研究—基于面板数据的实证分析[J].自然资源学报,2013(1):19-27.

[11] 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.

[12] 宋涛,郑挺国,佟连军,等.基于面板数据模型的中国省区环境分析[J].中国软科学, 2006(10):121-127.

[13] 刘扬,陈劭锋,张云芳,等.能源Kuznets曲线:发达国家的实证分析[J].中国管理科学,2008(S1):648-653.

[14] 陆旸.从开放宏观的视角看环境污染问题:一个综述[J].经济研究,2012,47(2):146-158.

[15] 李海鹏,叶慧,张俊飚.中国收入差距与环境质量关系的实证检验——基于对环境库兹涅茨曲线的扩展[J].中国人口・资源与环境,2006(2):46-50.

[16] 卢晓彤,卢忠宝,宋德勇.基于阈值面板模型的我国环境库兹涅茨曲线假说再检验[J].管理学报,2012,9(11):1689-1696.

[17] 牛海鹏,朱松,尹训国,等.经济结构、经济发展与污染物排放之间关系的实证研究[J].中国软科学,2012(4):160-166.

[18] 王亚菲,余玥.中国经济系统物质减量化与经济增长的关联分析[J].中国人口・资源与环境,2010,20(7):112-119.

Research on Environmental Kuznets Curve of China’s Key Mining Economic Zone—Empirical Analysis Based on Panel Data

SHEN Jun , CHENG Jinhua , WANG Xiaolin
(1.Center for Natural Resource & Environmental Economics, China University of Geosciences, Wuhan Hubei 430074; 2. School of Economics and Management of China University of Geosciences, Wuhan Hubei 430074)

This paper focuses on the research of China’s 30 key mining economic zones from 1995 to 2011. The measures it has taken include building Environmental Kuznets Curve (EKC) model for these key mining economic zones based on panel data; analyzing the existence, turning point, the differences of regions and types, and the time period effect with regard to EKC. The results show that industrial wastewater and smoke powder emissions intensity has shaped as an inverted-N curve of EKC with per capita GDP; SO2 emission intensity has a linear relation. This paper points out that although the SO2 emission intensity has gradually reduced, it will still be the main index for the future investigation of environmental pollution. The key mining economic zones in the east and west of China will be faced with the de coupling of economic development and environmental pollution in a certain stage, which will be occurred earlier in the eastern region, and unknown in the central area. Now that most of the key mining economic zones are in the stage of scale effect, so we must speed up technological progress, readjust the industrial structure, and promote economic transition and sustainable development.

key mining economic zones; the environmental kuznets curve; economic growth; environmental pollution; time period effect; panel data

F407.1；F062.2；F062.1

C

1672-6995（2015）08-0022-05

2014-12-25；

2015-02-20

中国地质调查局地质调查项目（1212011220302）

申俊（1990-）,男，湖北省武汉市人，中国地质大学（武汉）经济管理学院在读研究生，研究方向：资源能源环境经济。