不同城市水环境污染与经济增长关系的差异性*——基于苏州、无锡、常州三市的实证研究

王惠敏，傅 涛

(1．清华大学 环境学院，北京 100084；2.商务部 国际贸易经济合作研究院，北京 100710)

不同城市水环境污染与经济增长关系的差异性*
——基于苏州、无锡、常州三市的实证研究

王惠敏1，2，傅 涛1

(1．清华大学 环境学院，北京 100084；2.商务部 国际贸易经济合作研究院，北京 100710)

选用1992-2010年工业废水排放量和工业COD排放量的时间序列数据，对环太湖河网地区苏州、无锡、常州三市水环境污染与经济增长的关系进行差异性分析。首先，选取两种回归模型验证人均GDP与水污染排放的关系并对其进行F检验和t检验，然后选取完全分解模型分析了经济规模、产业结构以及技术进步对水环境污染的影响效应。

水环境；经济增长；环境库兹涅茨曲线；分解分析；对数平均迪氏分解法

作为我国经济增长很快、城市密度很高的区域之一，太湖流域城市群在加速推进工业化和城市化的同时，污染排放量大量增加，造成污染源分布与高污染负荷区的相对集中，水环境污染日益严重。由于水环境污染一般采用末端处理的方式，而且地区发展不平衡、水污染状况地区差异较大以及地区水污染并不独立，所以尽管单个城市努力控制其行政管理范围内的局部污染，但是区域的整体水环境质量却依然呈现恶化趋势。社会经济发展是水环境污染变化的主因，环太湖区域水环境的巨大压力以及城市群水环境污染问题的全局性和复杂性迫切要求分析区域经济—水环境的演化机制，为更为有效地治理水环境提供指导。

总体而言，经济增长与环境污染关系的研究主要有两种方法：其一是环境库兹涅茨曲线(Environmental Kuznets Curve，EKC)现象，其认为经济增长与环境污染呈现倒“U ”型的关系，即随着经济的增长，环境污染先恶化而后逐步改善[1]；其二是VAR(Vector Auto Regressive) 模型，主要用于研究环境污染与经济增长的动态关系[2-3]。EKC描述了人均GDP与各种污染指标间的倒“U”型关系。许多研究表明，地区间存在很大的不同，一些国家或地区存在EKC曲线，但也有一些地区并不存在EKC曲线[4-7]。由于使用的数据或模型不同，甚至有时得出的结论恰好相反[8]。EKC 的优点在于能直接评估经济增长与环境污染之间的关系，但也具有一定的局限性，在时间序列数据非平稳的条件下易出现“伪回归”现象，而且难以进一步探究其背后的影响机制[9]。环境污染与经济增长的关系受多种因素的影响[10]，Grossman 和 Krueger从经济发展的规模效应(scale effect)、结构效应(composition effect)和技术效应(technique effect)三个方面来阐述EKC的形成，通过将环境退化指标分解为不同因素指标，然后估算每种因素对环境退化的影响程度[11]。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了分析[12]。梁流涛等利用VAR模型分析了江苏省处在不同发展阶段的三大区域的工业经济增长和环境污染之间双向作用关系[13]。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[14]。

本文对水网密布、城镇密布、经济发达同时水环境污染严重的环太湖河网地区苏州、无锡、常州的水环境污染与经济增长关系的差异性进行分析，除了验证不同城市EKC关系的存在及其差异外，也进一步探究不同地区各种影响因素对环境污染的贡献程度及其差异，为地区间进行减少排污、改善水环境的有效合作提供帮助。

一、研究方法和数据来源

(一)研究方法

1．EKC模型。许多研究者从不同的假设条件出发，考虑不同的主导因子，设计出经济增长与环境污染的多种方程式，最常见的是二次方程和三次方程。二次方程表现为U型或倒U型曲线，三次方程则为N型或反N型曲线。为了验证苏、锡、常EKC曲线的形状，我们对苏、锡、常评估和指定了如下回归模型：

(1)

(2)

式中：yt为t时期污染负荷的排放量，βi为系数向量，xt为人均GDP，εt是随机误差项。在模型(1)中，如果β1>0，β2<0时，表明经济增长与环境污染呈现倒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。在模型(2)中，如果β1>0，β2<0，β3>0，经济增长与环境污染呈现倒“N”型曲线。

2．分解分析模型。分解分析法能够分析各种可能因素对污染变化的贡献，以定量研究各种影响因素的相对重要性。根据Grossman的污染排放分解公式，工业水污染排放的分解公式为：

(3)

式中：Yt表示时期t的GDP，由Yt的变化而导致的Et的变化称为经济规模效应；Ejt代表工业行业j在时期t的水污染排放；Yjt代表工业行业j在时期t的GDP；Sjt=Yjt/Yt，代表工业行业j在时期t的GDP份额，由Sjt的变化而导致的Et的变化称为结构效应；Ijt=Ejt/Yjt，代表工业行业j在时期t的排放强度，由Ijt的变化而导致的Et的变化称为技术进步效应。Ang等提出的对数平均迪氏分解法(LogarithmicMeanDivisiaIndex，LMDI) 有效解决了分解中的剩余问题[15]。根据LMDI方法，得出：

(4)

(5)

(6)

(二)指标选取和数据处理

考虑到数据的可获得性，鉴于工业废水是城市水污染最重要的原因，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、常三市1992-2010年的时间序列数据，具体数据来源于江苏省统计年鉴和江苏省环境统计资料。由于将分析数据取对数可以消除异方差问题且并不改变分析数据的性质和关系，文中的分析数据是选取数据的自然对数。数据分析采用了MATLAB和Eviews分析软件。

二、苏、锡、常地区水环境与经济发展数据分析

(一)苏、锡、常地区水环境与经济发展状况

自2000年以来，苏、锡、常三市的工业废水排放呈现快速的波动上升趋势，近期苏州和无锡具有总体下降趋势，见图1。

图1 水污染物排放的变化趋势

工业COD排放呈现一段时期的快速波动上升后，近期呈现下降趋势。尽管苏、锡、常三市的水环境得到改善，但整体来看，水环境恶化状况并未得到根本遏制，形势依然严峻。现有污染负荷已使部分水域的环境功能退化，总体水质很差。污染物排放总量大，特别是总氮、总磷远远超出了水环境容量。

如图2所示，自2000年以来，苏、锡、常三市的经济发展处于一个高速阶段，各市的GDP增长率大致分布在11%～18%之间，高速的经济增长造成污染负荷日益严重，水环境压力持续增大。

图2 苏、锡、常地区的经济发展趋势

(二)水环境污染的EKC曲线验证及其差异性分析

1．EKC曲线验证。根据建立的环境经济回

归模型，用实验数据进行模拟，表1表明了苏、锡、常地区人均GDP与水环境污染排放的回归结果。结果表明苏、锡、常三个地区的经济增长与水环境污染并不是呈现倒“U”型曲线，而是呈现三次曲线。F检验在5%显著水平下拒绝初始假设，接受水环境污染与经济增长存在倒“N”型曲线(β1>0，β2<0，β3>0)。由于这三个模型只是模型系数不同， 因此t检验用于决定模型的整体水平。在三个城市的模型中，二次系数和三次系数在5%统计检验水平显著，模型中的参数系数是可靠的。因此模型(2)比模型(1)更适合于苏、锡、常三个城市，在相对较小的转折点之后，水环境趋向恶化，但经过一段时间的经济发展，在相对较大的转折点后，水环境又趋于改善。倒“N”型曲线的这个结果表明城市的经济增长对水环境污染具有重要的影响，苏、锡、常三市近期已跨过水污染严重恶化的拐点，随着经济增长，工业水污染趋向于改善。

表1 苏、锡、常地区水环境污染排放与经济增长的回归结果

2．差异性分析。苏、锡、常三市的EKC曲线见图3。

图3 苏、锡、常经济增长与水污染排放的EKC关系

苏、锡、常三市的经济增长与水环境污染关系的共同点在于都是倒“N”型曲线。然而，不同城市其转折点处人均GDP不等且差异较大。苏州在相对较小的转折点处人均GDP是9414元，在相对较大的转折点处人均GDP是84 965元；无锡在相对较小的转折点处人均GDP是15 678元，在相对较大的转折点处人均GDP是73 130元；常州在相对较小的转折点处人均GDP是8 604元，在相对较大的转折点处人均GDP是54 176元。这说明苏、锡、常的经济增长并不是唯一改善环境质量的方式，不同城市的经济发展模式、产业发展阶段、城市化水平以及环境政策等对水环境有不同的影响。模拟结果也表明，在达到一定的经济水平后，水环境的恶化能够通过采取一定的方式使其最小化。苏、锡、常三市目前的污染排放随着经济增长正在趋向减少，这说明它们均有能力减少污染排放。然而，地区间减少污染排放的能力不同，因此区域间应加强合作从而促进整个区域的污染排放降低，以减轻水环境的恶化。

此外，本文对苏、锡、常的COD排放数据也进行了同样的模拟实验，但结果表明，在人均GDP与COD排放之间，F检验和t检验都难以通过，因此难以确定一个合适的模型。

3．水污染排放影响因素的比较分析。运用因素分解模型对苏、锡、常三市水污染排放进行分析的结果见图4。经济规模效应使得工业废水排放呈现快速增加趋势，对水环境产生负面影响，苏州的经济规模效应最大，常州的经济规模效应最小。技术进步效应对水环境产生正面影响，使水污染排放呈现下降趋势，有助于改善水环境质量，苏州和无锡的技术进步效应使得工业水污染排放快速下降，效应明显好于常州，较大程度地减缓了经济规模带来的水环境压力。各市的产业结构效应具有波动性，且近期主要作用于改善水环境质量，这意味着产业结构调整与要素投入变化对水环境产生了正面影响。苏州的产业结构效应波动最大，近期呈现“倒U”型，目前正作用于水环境的改善。由此可见，苏、锡、常三市中经济规模是推动工业废水排放增加的关键因素，技术进步是促使排放减少的重要因素。由于各城市经济发展存在的不平衡以及废水排放模式的不同，各市的水污染排放存在着显著差异，在优化产业内部结构和加强技术进步的共同作用下，苏、锡、常的水环境会不断得到改善。

图4 工业废水排放的影响因素效应

三、研究结论

本文选用1992-2010年苏、锡、常地区的水污染排放与经济数据，运用回归模型和完全分解模型实证研究了苏、锡、常地区水环境污染与经济增长的关系。本研究的主要结论如下：

其一，苏、锡、常三市的工业废水排放与经济增长之间并不是呈现倒“U”型的曲线，而是呈现倒“N”型曲线，目前工业水污染随着经济的增长正趋向于改善。苏、锡、常三市的工业COD排放与经济增长之间并不存在EKC曲线。这表明苏、锡、常地区的经济增长对水环境污染具有重要的影响，但经济增长并不是改善水环境质量的唯一方式。

其二，影响因素分解分析表明，经济规模和技术进步是影响水污染排放变化的主要原因，经济规模效应是促进废水排放增加的主要因素，技术进步效应是促使废水排放减少的主要因素，产业结构效应具有波动性且影响并不显著。

其三，在水环境污染与经济增长之间的倒“N”型关系的转折点处人均GDP差异较大，表明不同城市的经济增长模式、产业发展阶段、城市化及环境政策等对其产生了不同的影响。在关键影响因素方面，苏州的经济规模效应最大，常州的经济规模效应最小；苏州和无锡的技术进步效应明显好于常州。

其四，苏、锡、常地区目前污染排放随经济增长正在趋向减少，因经济水平已达到较高的程度使其均有能力减少污染排放。然而，地区间减少污染排放的能力各不相同。因此，区域整体水环境质量的改善还需苏、锡、常地区加强合作来提高区域污染控制的能力与效率。

这项研究结果有助于增强对苏、锡、常地区水环境问题的理解，同时为具有类似特征地区城市群的水环境污染与经济增长关系的差异性分析提供借鉴。除了有显著的发现之外，本研究也具有一些局限性，其中最重要的是可得到的数据受到限制使其样本类型及规模偏小。

[1]Arrow K,Bolin B,Costanza R,et al.Economic growth,carrying capacity,and the environment[J].Ecological Economics,1995:15(2):91-95.

[2]李 飞,董锁成,李泽红.中国经济增长与环境污染关系的再检验：基于全国省级数据的面板协整分析[J].自然资源学报,2009,24(11):1912-1920.

[3]周德田，郭景刚.基于VAR 模型的青岛市经济增长与环境污染的实证研究[J]. 中国石油大学学报：社会科学版，2012,28(3):28-31.

[4]Ni X,Lu J,Lan L,et al. Interactions between environmental quality and economic development in Shanghai,China[J].International Journal of Engineering,Science and Technology, 2010,2(7): 56-64.

[5]Stern D I.The rise and fall of the environmental Kuznets curve[J].World Development, 2004, 32(8):1419-1439.

[6]Christopher O O,Douglason G O.Environmental quality and economic growth:Searching for environmental Kuznets curves for air and water pollutants in Africa[J].Energy Policy, 2011,39(7):4178-4188.

[7]Catalina G,Luis G P.The Environmental Kuznets curve for water quality:an analysis of its appropriateness using unit root and cointegration tests[J].Lecturas de Economía,2008,69(1):221-244.

[8]Harbaugh W,Levinson,A,Wilson,D.Re-examining the empirical evidence for an environmental Kuznets curve[J].Review of Economics and Statistics,2002:84 (3):541-551.

[9]Perman R，Stern D I.Evidence from panel unit root and cointegration tests that the Environmental Kuznets Curve does not exist[J]. Australian Journal of Agricultural and Resource Economics,2003,47(3):325-347.

[10]Copeland B R,Taylor M S.Trade,growth and the environment[J].Journal of Economic Literature,2004,42(1):7-71.

[11]Grossman G M,Krueger A B.Economic growth and the environment[J].The Quarterly Journal of Economics,1995,110(2):353-78.

[12]吴 丹,吴仁海.不同地区经济增长与环境污染关系的模型分析：基于广州、佛山、肇庆经济圈的实证研究[J]. 环境科学学报,2011,31(4):880-888.

[13]邹秀萍，陈邵锋，苏利阳，等，京津冀经济增长与水环境污染的实证分析[J].生态经济,2009,214(8):40-43.

[14]梁流涛,郭子萍,王海荣. 工业发展与环境污染关系的区域差异分析：基于江苏省的实证研究[J]. 生态环境学报, 2010, 19(2): 415-418.

[15]Ang B W.The LMDI approach to decomposition analysis:A practical guide[J].Energy Policy,2005,33(7):867-871.

(责任编辑 王婷婷)

Regional Difference of the Relationship between Water Environmental Pollution and Economic Growth:An Empirical Study of Suzhou,Wuxi and Changzhou

WANG Hui-min1,2,FU Tao1

(1.SchoolofEnvironment,TsinghuaUniversity,Beijing100084，China;2.ChineseAcademyofInternationalTradeandEconomicCooperation,MinistryofCommerceofPRC,Beijing100710，China)

The relationship between economic growth and industrial emission of water pollution was investigated by using time series data (1992-2010) of industrial waste water emission and industrial COD emission from Suzhou, Wuxi and Changzhou. Two regression models were adopted to analyze the relationship between GDP per capita and industrial emission of water pollution that was estimated by F test and t test. A complete decomposition model was applied to analyze the effects of economic scale, industrial structure and technological advance on water pollutant emission.

water environment;economic growth;environmental Kuznets curve;decomposition analysis;logarithmic mean divisia index

2014-09-18

王惠敏(1971-)，女，湖北省襄阳市人，商务部国际贸易经济合作研究院副教授，清华大学环境学院博士后，主要从事区域经济发展、电子商务研究；

傅 涛(1968-)，男，湖南省祁阳市人，清华大学环境学院副教授，主要从事环境管理与政策研究。

国家水体污染控制与治理科技重大专项(2008ZX07313-008)

F127；F120.3

A

10.3963/j.issn.1671-6477.2015.02.015