产业结构变迁对环渤海经济圈大气污染物排放的影响

吴振信　闫洪举

摘要：基于环境库兹涅茨曲线分析框架，本文采用动态空间杜宾面板模型，分析环渤海经济圈产业结构高级化、合理化对烟（粉）尘和SO2两种大气污染物排放的影响。研究发现：各省份两种大气污染物排放存在显著空间相关性，产业结构高级化可以实现烟（粉）尘和SO2减排，但会增加其邻近省份的排放；产业结构合理化只能促进烟（粉）尘减排，并未产生显著空间溢出； 烟（粉）尘排放与经济增长符合EKC假说，而SO2排放与经济增长呈U型曲线关系；大气污染治理投资能促进本省及其邻近省份的烟（粉）尘减排，而对SO2排放没有显著影响。因此，推进产业结构高级化和合理化是解决大气污染的有效途径，而如何实现区域内联防联控、如何避免“搭便车”、如何避免“污染转移”的产业结构调整是解决大气污染的关键。

关键词：产业结构变迁；烟（粉）尘和SO2排放；空间效应；动态空间杜宾面板模型

中图分类号：F205文献标识码：A

产业结构调整是实现经济增长与环境质量协调发展的重要突破口，本文采用纳入时间滞后以及考虑内生变量和外生变量空间相关性的动态空间杜宾面板模型，构造大气污染权重矩阵，试图从产业结构高级化和合理化维度来衡量产业结构变迁，以及两种大气污染物与经济增长、大气污染治理投资的关系。

一、变量选取与数据来源

（一）变量选取

针对环渤海经济圈的大气污染以及能源消费特点，本文选取烟（粉）尘和SO2两种大气污染物排放量为被解释变量，其排放量为人均排放量（吨/人）；选取的解释变量包括产业结构高级化（TS）和合理化（TL）、经济增长（gdp）、大气污染治理投资（inv），具体如下：

1.产业结构高级化（TS）和合理化（TL）。借鉴干春晖等构建的衡量方法，TS通过第三产业产值和第二产业产值的比值来计算，以反映产业结构变迁是否朝着低污染的 “服务化”方向发展。TL是要素投入结构和产出结构耦合程度的一种衡量，若TL=0，表明经济处于均衡状态；若其值不为0，表明产业结构偏离了均衡状态，产业结构不合理，其具体形式为：

TL=∑3i=1（yiy）ln（yili/yl）（1）

其中y表示产值，l表示就业，yi为第i产业产值（i=1，2，3），li为第i产业就业人数。

2.经济增长（gdp）。本文利用人均gdp来代表经济增长，在模型中纳入人均gdp的一次项、二次项，研究烟（粉）尘和SO2排放与经济增长的关系，用人均gdp（元/人）来衡量；为消除价格波动的影响，以2000年为基期计算人均gdp的实际数。

3.大气污染治理投资（inv）。本文利用人均大气污染治理投资分析其是否对烟（粉）尘和SO2减排取得了良好效果，取值为以2000年为基期的实际人均大气污染治理投资（元/人）。

此外，为消除变量可能存在的异方差，还将所有变量进行对数化处理。

（二）数据来源

样本数据的选取区间是2000-2012年，烟（粉）尘和SO2排放数据由生活排放和工业排放两部分构成。其中，2000-2010年，烟（粉）尘数据是烟尘排放总量与粉尘排放总量加总而来。2004-2012年烟（粉）尘、SO2数据来源于2005-2013年《中国环境统计年鉴》，2000-2003年数据来源于中经网统计数据库。各省份gdp、三次产业产值、三次产业就业、总人口数量来自2001-2013年各省份统计年鉴，大气污染治理投资来源于中经网统计数据库。

二、研究方法

（一）空间自相关性分析

空间自相关是指区域邻近省份的样本观测值之间存在的相互影响，判断烟（粉）尘或SO2排放空间自相关性存在与否，一般可通过刻画全局空间自相关性的指标——全局莫兰指数（global Morans I）进行检验，其表达式为：

Morans I=∑i∑j（Yi-Y）（Yj-Y）S2∑i∑jwij，

S2=1n∑i（Yi-Y）2，Y=1n∑iYi（2）

其中Yi和Yj为观测值，wij为空间权重矩阵中的元素。Morans I的取值范围为[-1，1]，Morans I>0，说明存在正的相关性，越大相关性越强；Morans I<0，存在负的相关性，Morans I=0时，不存在空间相关性。

虽然全局莫兰指数可以检验大气污染空间相关性的总体特征和趋势，但仍存在一定缺陷。如果一些省份间的大气污染存在正相关，而另一些省份间的大气污染存在负相关，则正负效应会抵消，只有各省份的莫兰指数一致时，全局空间相关性检验的结论才有效。因此，需进一步通过莫兰散点图（Morans scatter plot）来检验是否存在局域的空间集聚。莫兰散点图可划分为4个象限，其中1、3象限为正的空间相关性，2、4象限为负的空间相关性。具体来说，第1象限表示高-高集聚（HH），即大气污染排放水平高的省份被同是大气污染排放水平高的省份包围；第2象限表示高-低集聚（LH），即大气污染排放水平低的省份被高的省份包围；第3象限表示低-低集聚（LL），即大气污染排放水平低的省份被同是大气污染排放水平低的省份包围；第4象限表示低-高集聚（HL），即大气污染排放水平高的省份被低的省份包围。

（二）模型设定

借鉴EKC的分析方法，本文参考Elhorst（2012）关于动态空间杜宾面板模型（SDM）的设定，建立以下模型：

lnYt=τlnYt-1+ρWlnYt+lnXtβ+WlnXtθ+μ+ξtιN+ut

lnXt=（lngdpt，（lngdpt）2，lnTLt，lnTSt，lninvt）

u=（u1，u2，…，uN）T（3）

lnYt是N×1被解释变量， 即烟（粉）尘或SO2排放量，包含每个空间单元（i=1，2，…，N）在时间t（t=1，2，…，T）的观测值； lnXt是N×K的外生解释变量；W为反映空间相关性结构的空间权重矩阵；τ刻画了上期大气污染物排放量大小对本期排放量的影响；ρ为空间自回归系数，表示邻近区域大气污染对本区域的空间影响；β为外生解释变量的系数；θ为空间滞后解释变量的系数，表示本区域解释变量对邻近区域大气污染的影响；μi（i=1，2，…，N）为空间固定效应，控制了所有空间固定且不随时间变化的量；ξt为时间固定效应，控制了所有时间固定且不随空间变化的量；ιN为N×1向量；ut随机扰动项，且ut ～ iid（0， σ2）。

（三） 空间权重矩阵

为探讨不同空间权重矩阵对空间相关性结构的影响，本文选取和构造了地理、经济、大气污染等三种不同空间权重矩阵。

1.地理空间权重矩阵。地理权重矩阵采用一阶Rook邻近矩阵，即两地区i和j相邻，则Wij=1，不相邻则为0，主对角元素Wii=0。其形式为Wg=（Wij）N×N，其中N为区域内省份个数。

2.经济和污染空间权重矩阵。本文利用经济或污染空间权重矩阵来反映由区域单元经济发展或污染程度不同，而导致的区域之间空间关系的差异性，并借鉴王立平等构建的表达式：

Wx=Wg*diag（X1X，X2X，…，XNX）

其中 Xi=1T∑Tt=1Xit，X=1N×T∑Ni=1∑Tt=1Xit（4）

T为考察时间期数， 当Xi=gdpi时代表经济权重矩阵We； 当Xi=Ei时为大气污染权重矩阵Wp， Ei为各省份烟（粉）尘或SO2排放量。此外，需要对空间权重矩阵Wg、We、Wp进行标准化处理，使其行和为1。

三、实证分析

（一）空间自相关检验

本文采用三种不同的空间权重矩阵，对两种大气污染指标进行全局空间自相关性检验，其结果如图1和图2所示。由图1和图2可知两种大气污染物都表现出较为显著的空间相关性，其空间相关性先是随着时间的推移而增加，然后趋于稳定，这与环渤海经济圈各省份间的经济联系不断加深相吻合。此外，对于三种不同的空间权重矩阵，其空间相关性变化趋势基本保持一致，但由Rook邻近矩阵所得出的空间相关性值大于经济和大气污染空间权重矩阵，这反映了不同空间权重矩阵所产生的空间效应不同。

通过莫兰散点图来进一步分析大气污染的局域空间特征，具体结果如图3和图4所示①。通过图3和图4可以发现冀、晋、内蒙古、辽、鲁大气污染水平高的省份，被同是大气污染水平高的省份所包围，即HH集聚；而大气污染水平低的京、津两市被高的省份所包围，即LH集聚。因此，大部分省份表现出一致的空间自相关特征，即大气污染排放水平高的省份存在明显集聚现象，这也支持了全局莫兰指数的检验结果。

（二）模型估计

首先，基于三种不同矩阵进行模型估计，其拟合优度和对数似然值如表1所示。基于不同权重矩阵的模型估计取得较好效果，但基于大气污染权重矩阵的拟合优度和对数似然值略大于另两种情况。此外，原假设为空间固定效应显著的LR检验结果（69.65，自由度为7，p=000），表明时间、空间双固定效应优于空间固定效应，原假设为时间固定效应显著的LR检验结果（10059，自由度为12，p=000），表明双固定效应优于时间固定效应。因此，本文选择基于大气污染权重矩阵的时间和空间双固定效应动态SDM模型进行分析，具体结果如表2所示。

（三）结果分析

1.模型的时间滞后项与空间自相关项系数通过了1%的显著水平检验，说明两种大气污染物都存在显著的时间滞后效应和空间溢出效应。时间滞后项的系数为正且小于1，即上一期的排放量对本期排放量具有正向影响，这与经济增长的稳定性、产业结构、能源消费结构、技术进步等调整的缓慢性，以及环境政策效果的滞后性等众多宏观经济因素密不可分。对于空间溢出效应，邻近省份烟（粉）尘和SO2排放每增加1%分别导致本省份增加05657%和04953%，说明本省份大气污染不仅取决于自身产业结构、经济增长等内因，还受其邻近省份大气污染的影响。之所以表现出这种显著的空间溢出效应，一方面与风向、大气污染易于扩散等自然因素密不可分，另一方面与区域各省份之间的产业转移、经济往来等经济因素紧密相关。这也说明如果没有协调一致的大气污染治理措施，各省份的大气污染治理并不能取得良好的效果。

2.模型1中的产业结构高级化和合理化系数通过了10%的显著水平检验，表明产业结构高级化和合理化对烟（粉）尘排放具有显著影响；其弹性系数分别为-00076和00261，这说明产业结构高级化能够降低烟（粉）尘的排放，而产业结构合理化可以促进烟（粉）尘减排。模型2中的产业结构高级化弹性系数为-01070，且通过了1%的显著水平检验， 说明产业结构高级化可以促进SO2减排，而产业结构合理化系数并不显著。

总体而言，产业结构高级化可以促进烟（粉）尘和SO2排放，但其弹性系数较小，尤其是对于烟（粉）尘而言，其弹性系数接近0，故其减排效果仍较小；产业结构合理化对SO2排放影响并不显著，对于烟（粉）尘减排效果也较小，这与环渤海经济圈产业结构变化特征相符。2000-2012年间，北京市产业结构高级化指标由153增加至337，而其他省份不仅处于较低水平（06-1之间）且十余年间未有明显提高，甚至出现某些年份下降的现象，这反映了环渤海经济圈各省份（北京市除外）产业高级化进程缓慢，即高污染、高能耗的第二产业仍处于主导地位，而第三产业发展步伐明显落后，产业结构高级化并未有效促进两种大气污染物减排。此外，2012年晋、内蒙古两地产业结构合理化指标在03以上，冀、辽、鲁三省份在02左右，只有京、津两市较为接近0，说明京、津两市产业结构较为合理，其他地区产业结构仍不合理，即尚未实现人口、资源、环境的协调发展，因而产业结构合理化并未有效促进大气污染减排。

3.模型1和模型2中的经济增长及其二次项通过了显著性检验，即烟（粉）尘和SO2排放受到经济增长的显著影响，但二者与经济增长的关系却存在一定差异，烟（粉）尘排放与经济增长存在倒U型曲线关系：随着经济的增长，烟（粉）尘的排放逐渐增加，当跨过拐点后，其排放逐渐降低，从而实现了烟（粉）尘减排与经济增长协调发展。SO2排放与经济增长存在U型曲线关系，随着经济的增长，SO2排放经历短暂下降，然后呈上升状态，这与环渤海经济圈长期以来依赖煤炭为主的能源消费结构有着密切联系。由经济增长导致的能源消费需求越来越大， 若不改变现有的能源消费结构，将会导致SO2排放随着经济增长而不断增加。另外，由于研究年限较短，SO2排放与经济增长的关系仍是倒U型曲线的一部分，实现SO2减排与经济增长协调发展的拐点还较远。

4.大气污染治理投资能促进烟粉尘减排，但其弹性系数较小，其减排效果也较小，这与各省份大气污染治理投入较少，或治污效率较低有关。对于SO2排放，其系数并未通过统计检验，这可能与SO2污染较为严重的山东、辽宁等地大气污染治理投资，在整体区域处于较低水平有关。

5.对于烟（粉）尘而言，经济增长、产业结构高级化、大气污染治理投资等影响因素，对其邻近省份的排放水平具有显著影响，而产业结构合理化对其邻近省份没有产生显著影响。具体而言，本省经济增长会导致邻近省份烟（粉）尘排放的增加，而大气污染治理投资的增加有利于降低其邻近省份的排放水平。对于SO2，只有产业结构高级化表现出显著的空间溢出效应，即本省产业结构高级化会导致其邻近省份SO2排放增加，而其他因素并未通过统计上的显著检验。因此，对于两种大气污染物而言，产业结构高级化存在显著的溢出效应，即本省经济向低污染的“服务化”方向发展时，会导致邻近省份的大气污染排放水平增加，这与环渤海经济圈各省份的产业结构升级更多的是区域内省份之间的产业转移有关。例如北京市将一些高污染、高能耗的产业转移到河北省，以实现自身产业结构升级，这种产业转移在带动河北省经济发展的同时，也为其带来了严重的环境问题。

四、结论

本文采用动态空间杜宾面板模型，分析了产业结构变迁对环渤海经济圈烟（粉）尘和SO2排放空间效应的影响，并得到以下结论：

1.烟（粉）尘、SO2两种大气污染物存在显著的时间滞后效应和空间相关性。从全局空间相关性看，大气污染的空间相关经历了先上升后趋稳定的过程。从局域空间相关性看，冀、晋、内蒙古、辽、鲁五省份表现出高集聚。

2.产业结构高级化能够促进烟（粉）尘和SO2减排，但其减排效果仍处于较低水平；而产业结构合理化只会促进烟粉尘减排，其减排效果也较小。

3.烟（粉）尘排放与经济增长的关系符合EKC假说，即随着经济的发展，其排放情况会得到改善；而SO2排放与经济增长的EKC假说并不成立，或者尚未出现，呈U型关系，即随着经济的增长，SO2排放会持续增加。

4.大气污染治理投资能够促进烟（粉）尘减排，而对SO2减排效果不显著。

5.本省份经济增长、产业结构高级化对其邻近省份的烟（粉）尘排放存在显著正向溢出效应，邻近省份大气污染治理投资的增加会降低本省份烟（粉）尘排放；对于SO2，只有产业结构高级化存在正向空间溢出效应。

针对上述结论，本文认为产业结构高级化发展缓慢、产业结构不合理是环渤海经济圈面临的较为严峻的问题，这也是产业结构变迁未能有效促进烟（粉）尘和SO2减排的主要原因。由于大气污染及其影响因素存在空间效应，单个省份的治理措施很难取得良好效果。如何实现区域内大气污染的联防联控，如何避免大气污染治理的“搭便车”现象，如何解决以“污染转移”为代价的产业结构调整等一系列问题是解决区域大气污染问题的关键。目前，各省份大气污染治理投资仍处于较低水平，增加大气污染治理投资，提高资金利用效率是解决大气污染的有效途径。总之，实现大气污染减排需要各省份的共同努力。

注释：

①基于三种不同矩阵2000-2012年两种大气污染物的莫兰散点图结果基本相似，限于篇幅，本文只分析了2012年基于大气污染权重矩阵的莫兰散点图。

参考文献：

[1]干春晖，郑若谷，余典范.中国产业结构变迁对经济增长和波动的影响[J].经济研究，2011（5）.

[2]马丽梅，张晓.中国雾霾的空间效应及经济、能源结构的影响[J].中国工业经济，2014（4）.

[3]彭水军，包群.经济增长与环境污染——环境库兹涅茨曲线假说的中国检验[J].财经问题研究，2006（8）.

[4]孙洋.空间计量模型中空间矩阵的误用及其影响[J].统计研究，2009（6）.

[5]谭丹，黄贤金，胡初枝. 我国工业行业的产业升级与碳排放关系分析[J].四川环境，2008（2）.

[6]王立平，管杰，张纪东.中国环境污染与经济增长：基于空间动态面板数据模型的实证分析[J].地理科学，2010（6）.

[7]吴玉鸣.中国区域农业生产要素的投入产出弹性测算——基于空间计量经济模型的实证[J].中国农村经济，2010（6）.

[8]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）.

[9]闫海波，陈敬良，孟媛.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[J].中国人口·资源与环境，2012（2）.

[10]Anselin L. Spatial Econometrics： Methods and Models. Dordrecht： Kluwer Academic Publishers， 1988.

[11]Anselin L， Getis A， Spatial statistical analysis and geographic information systems[J].Annals of Regional Science，1992，26：19-33.

[12]Ansuategi A， Perrings C， Transboundary externalities in the environmental transition hypothesis[J].Environmental and Resource Economics，2000，17：353-373.

[13]Auci S， Becchetti L. The instability of the adjusted and unadjusted Environmental Kuznets curves[J].Ecological Economics，2006，60：282-298.

[14]Auffhammer M， Carson R T， Forecasting the path of Chinas CO2 emissions using province-level information[J].Journal of Environmental Economics and Management， 2008，55：229-247.

[15]Cole M， Air Pollution and ‘Dirty Industries How and Why Does the Composition of Manufacturing Output Change with Economic Development？[J].Environmental and Resource Economics， 2000，17：109-123.

[16]Elhorst J， Dynamic spatial panels： models， methods， and inferences[J].Journal of Geographical Systems，2012，14（1）：5-28.

[17]Friedl B， Getzner M， Determinants of CO2 emissions in a small open economy[J].Ecological Economics，2003，45：133-148.

[18]Grossman and Krueger， Environmental Impact of North American Free Trade Agreement. NBER Working Paper， No.3914， 1991.

[19]Liu C M， Du M S， et al， Empirical Research on the Contributions of Industrial Restructuring to Low-Carbon Development[J].Energy Procedia，2011，5：834-838.

[20]Maddison D. Environmental Kuznets Curves： A spatial econometric approach[J].Journal of Environmental Economics and Management，2006，51：218-230.

[21]Markusen J R，Morey E R， Olewiler N， Competition in regional environmental policies when plant locations are endogenous[J].Journal of Public Economics， 1995，56（1）：55-77.

[22]Vukina T， Beghin J C， Solakoglu E G， Transition to Markets and the Environment Effects of the Change in the Composition of Manufacturing Output[J].Environment and Development Economics，1999，4：582-598.

Abstract：Based on the environmental Kuznets curve， adopting dynamic spatial Durbin panel model， this paper analyzes the effects of rationalization and advancement of industrial structure on Bohai Rim Region′s Soot （dust） and SO2 emissions. The results show that： there exits significant spatial dependence among each province′s air pollution， and advancement of industrial structure can promote the reduction of Soot （dust） and SO2 emissions in own province， while increasing emissions of neighboring provinces； rationalization of industrial structure can promote the Soot （dust） emissions， but it doesn′t produce significant spatial spillover effects； the relationship between Soot （dust） and economic growth is consistent with the hypothesis of EKC， while it presents U-shape curve on SO2； antipollution investment in air will reduce the emissions of Soot （dust） in own province and neighboring provinces， while there′s no significant influence on SO2 emissions. So advancing the rationalization and advancement of industrial structure are effective ways to reducing air pollution，while how to realize regional linkage mechanism， how to avoid free rider， how to avoid the adjustment of industrial structure at the cost of pollution diversion are key problems to solve air pollution.

Key words：industrial structure change； Soot （dust） and SO2 emissions； spatial effects； dynamic spatial Durbin panel model

（责任编辑：关立新）