中国工业经济增长对工业废水排放量的影响研究

许云娜

摘要：采用空间计量分析方法，选取2012年中国31个省域的工业废水排放量作为被解释变量，工业生产总值作为解释变量，运用经典计量回归模型（OLS）和考虑空间效应的空间计量回归模型（空间滞后模型，SLM和空间误差模型，SEM），对中国工业经济增长与工业废水排放量的关系进行了研究。对比研究结果表明：考虑空间效应的空间误差模型较普通回归模型能更好地解释中国工业经济增长对工业废水排放量的影响关系；中国工业经济的增长是以大量的工业废水排放为代价的，这会对水环境造成极大的污染，不利于工业经济的可持续发展。研究二者之间的关系，为工业废水污染的综合治理提供参考。

关键词：工业生产总值；工业废水排放量；空间计量

1引言

当前，地区环境问题和全球环境问题已经成为世界各国关注的焦点。在中国的主要大城市，伴随着工业化和城镇化的快速发展，一些地方政府为加快本地区的经济增长不得不以牺牲环境质量为代价，工业废水、生活污水和污染物的排放呈现增加的趋势。2011年，中国经济进入新常态，年均经济增长速度放缓，但仍将保持7%-8%的中高速，与世界其他国家或全球经济增长速度相比仍处于领跑状态。在我国经济发展过程中工业始终处于举足轻重的地位，工业增加值对GDP增长的贡献度为40%至50%，同时工业又是污染大户，在污染物排放总量中，大约有47%是来自工业。因此研究工业经济增长对环境污染的影响，是解决工业发展进程中环境污染问题的关键。

关于经济增长与环境污染之间的关系，国内外很多学者进行了大量研究。从整个研究进展来看，研究经济增长对环境污染的影响主要是以人均GDP为经济发展指标，从时间角度上来进行EKC曲线吻合度的实证研究和探索新曲线的特征[1]。很少学者以工业GDP为指标来研究纳入空间因素的区域跨界环境问题。针对目前研究存在的缺陷，本文采用工业GDP增长率作为工业经济增长指标，利用考虑空间效应的空间计量模型来研究中国工业经济增长对工业废水排放量的影响具有一定的现实意义和价值。

2中国工业经济增长与工业废水排放量关系的实证分析

2.1数据准备

本文采用的空间样本是中国的31个省域，主要选取2012年中国的工业生产总值和工业废水排放量两类数据。为消除回归模型中异方差的影响，以更好地说明各变量之间的关系，提高模型的拟合效果，本文对工业废水排放量取对数作为被解释变量，而对工业生产总值取对数作为解释变量，数据均来源于国家统计局的《中国统计年鉴2013》和《中国环境统计年鉴2013》[2]，利用Geoda空间计量软件进行分析。

2.2经典线性回归模型分析

为检验工业生产总值与工业废水排放量之间的关系，基于双对数模型，可以构建如下的普通线性回归模型：

（1）

其中， 为常数项， 为回归系数， 为随机误差项。

根据方程（1），分析结果得到：在利用OLS方法估计的线性回归模型中，拟合优度R2为0.735，拟合结果相对较好。F值为89.833，β的t值为9.478，均大于显著性水平为5%时的F统计量和t统计量的临界值，故认为lnfs与lnGDP之间的线性关系成立（表1）。

2.3空间自相关分析

空间自相关分析是检验具有空间位置的某要素的观测值，是否显著地与其相邻空间点上的观测值相关联，常用的是 指数[3-5]。本文采用Queen一阶邻近法来设定空间权重矩阵，利用方程（1）的31个样本数据的残差计算 指数，并把残差值表示在Moran散点图上（图1）。

结果显示：MoransI值为0.184，其显著性水平小于5%，大部分残差值点都分布在第Ⅰ、Ⅲ象限，少量分布在第Ⅱ、Ⅳ象限，空间聚集性显著，即普通回归模型的残差存在空间正相关，导致模型的估计有偏，需要纳入空间因素对模型进行修正，从而选用适合的空间计量模型来揭示变量之间的深层关系。

图1 普通回归模型的残差 散点图

2.4空间计量模型分析

空間计量模型是针对普通回归模型残差存在自相关情况，使用一个空间权重矩阵W对普通回归模型进行修正，纳入空间效应的回归模型主要包括空间滞后模型（Spatial Lag Model，简称SLM）和空间误差模型（Spatial Error Model，SEM）[5]。其建立的模型结果如表1所示：通过对空间计量模型参数的判别指标对数似然函数值（LogL）、赤池信息准则（AIC）、施瓦茨准则（SC）和似然比率（LR）进行比较，我们可以知道空间误差模型的参数检验比空间滞后模型更加显著，其对中国工业生产总值和工业废水排放量关系的解释能力更强。由此可见，由于普通线性回归模型的残差存在空间正相关，导致模型估计有偏，引入误差项的空间误差模型更适合解释中国工业GDP与工业废水排放量之间的关系。

表2 三种不同模型的估计结果比较

变量 普通回模归型 空间滞后模型 空间误差模型

常数 3.118*** 3.196*** 2.898***

Ln GDP 0.911*** 0.926*** 0.935***

ρ -0.020*

LAMBDA 0.298*

F值 89.833***

Adj-R2 0.735 0.745 0.757

LogL -32.740 -32.635 -32.208

AIC 69.480 71.269 68.417

SC 72.472 75.759 71.410

LR 0.209* 1.062*

注：* 表示在10%水平下显著；* * 表示在5%水平下显著；* * * 表示在1%水平下显著。

4 结论与建议

为了揭示中国工业经济增长对工业废水排放量的影响作用，本文采用OLS方法建立建立经典线性回归模型，通过对模型的残差进行空间自相关检验，发现模型中的残差存在空间正相关，由于忽略了空间效应，导致普通回归模型的估计有偏，带有误差项的空间误差模型更适合解释二者之间的关系。分析结果表明：2010年中国工业GDP的增长与工业废水排放量之间具有显著的线性关系，其线性影响程度为2.5，即工业生产总值每增加1%，工业废水排放量就相应地增加2.5%，这说明工业GDP的增长导致工业废水排放量增加，加剧了水环境的污染程度。

根据对中国工业生产总值与工业废水排放量关系的分析研究，可以知道中国工业经济的迅速发展是以巨大的水环境污染为代价的。尽管当前中国的工业发展取得一定的成效，但现有的经济发展模式，简单地说，还是忽视环境保护的污染性发展。目前，最主要的是进一步加速经济发展模式的转型，加快从规模速度型粗放增长向质量效益型集约增长转变，立足中国的资源禀赋和生态环境的客观实际，以科学发展观为指导，制定适宜的发展战略，提高资源利用效率，通过建设节约型社会，通过倡导循环经济实现全社会资源配置效率的进一步提高，以缓解中国经济快速增长与资源利用有限的尖锐矛盾。同时，要进一步加大对环境保护及环境监管的投资力度，更有效地促进经济与环境的可持续发展。

参考文献：

[1]Grossman G，Krueger A. Economic Growth and the Environment[J]. Quarterly Journal of Economics，1995，110（2）：353-377.

[2]中华人民共和国国家统计局编.中国统计年鉴（2010）[M].北京：中国统计出版社，2010.

[3]Anselin L， Varga A.and Acs Z. Geographic Spillovers and University Research：A Spatial Econometric Perspective[J]. Growth and Change， 2000，501-516.

[4]Moran P. A Test for Serial Correlation of Residuals[J]. Biometrical，1950，（37）：128.

[5]Anselin L.Spatial Econometrics： Methods and Models[M].Dordrecht：Kluwer Academic Publishers，1988，1-10.

[6]朱琳，張晓萌.西部地区经济增长与环境污染水平的计量模型[J].统计观察，2005，（2）：58-59.

[7]马树才，李国柱.中国经济增长与环境污染关系的Kuznets曲线[J].统计研究，2006，（8）：37-40.

[8]李勇.基于环境库兹涅茨曲线的我国经济增长与环境污染相互关系的初步评价[D].青岛：青岛大学，2007.

[9]国涓，项吉宁，郭崇慧.空间影响与环境库兹涅茨曲线：基于空间经济计量方法的实证分析[J].数理统计与管理，2009，28（4）：678-684.

[10]吕健.中国经济增长与环境污染关系的空间计量分析[J].财贸研究，2011，（04）：1-7.

[11]马训舟，姚建，付中元等.四川省工业经济增长与环境污染关系研究[J].特区经济，2007，193-195.

[12]聂春霞，刘晏良，刘海薇.中国31个省（区、市）经济增长与环境污染的关系[J].资源与产业，2013，15（4）：69-74.