信息化能否降低城市环境污染？

杜雯翠

(首都经济贸易大学　经济学院，北京　100070)



信息化能否降低城市环境污染？

杜雯翠

(首都经济贸易大学经济学院，北京100070)

摘要：以2003—2012年281个城市的面板数据为研究样本，通过随机效应模型与分位数回归等方法检验信息化与工业废水、工业二氧化硫(SO2)、工业烟尘等三种污染物排放强度的关系。研究发现，信息化能够有效降低工业SO2与工业烟尘的排放强度，对工业废水排放强度的作用效果并不明显。分位数回归结果表明，当污染排放强度较低时，信息化对降低污染排放强度的作用十分明显；当污染排放强度较高时，信息化的作用不再显著。

关键词：信息化；环境污染；城市；分位数回归

一、问题提出

党的十六大报告明确提出：“坚持以信息化带动工业化，以工业化促进信息化，走出一条科技含量高、经济效益好、资源消耗低、环境污染少、人力资源优势得到充分发挥的新型工业化路子。”这句话包含着三层意思：第一，工业化为信息化提供物质基础、扩大市场容量、积聚建设资金、输送专业人才，是信息化发展的前提保障[1]；第二，信息化有利于改造传统工艺技术，提高生产效率，是工业化发展的动力[2]；第三，信息化还有助于降低能源消耗、减少污染排放，是保障工业化绿色发展的重要途径，也是解决工业化背景下复杂环境问题的有效方式。

信息化与环境污染有着密不可分的关系。首先，信息化改变了人们的生活方式。例如，智慧电力赋予消费者管理其电力使用，并选择污染最小的能源权力，减少电网内部的浪费，提高家庭能源使用效率并保护环境。其次，信息化改变了企业的生产方式。通过办公自动化减少见面沟通，节约纸张；通过企业资源计划把产、供、销、人、财、物进行有机组合，降低生产的中间损耗。再次，信息化实现了污染源监测的立体化、实时化、连续化，有利于治污减排政策的实施。最后，信息化改变了城市发展方式。例如，智慧城市的兴起从交通、医疗、公共安全、公共事业、教育、市民服务等方面，通过新一代信息技术的应用，令城市生活更加智能，优化有限资源的使用，减少污染、保护环境。另外，信息化本身就是资源节约、环境友好的。从原材料角度看，信息化建设的投入大部分为人力资源，生产材料和能源投入相对较少；从产出角度看，信息化产品能够被重复利用，是可再生的；从污染角度看，信息化产品的生产过程不排放污染，生产过程是清洁的。因此，在工业化与城市化快速发展的中国，资源投入少、污染产出少的信息化可能成为破解工业化与城市化进程中环境污染难题的突破口。

然而，现有研究对信息化与环境质量的讨论是不足的。国外相关文献主要集中于环境法领域，这些研究讨论了环境政策制定与实施中的信息成本问题[3-5]，以及环境领域的信息规制(information regulation)问题[6-7]，这与中国信息化的概念是有差别的。国内文献多属概念讨论与描述分析，缺乏逻辑演绎与实证分析。唐小坤和王哲(2007)分析了信息化在环保领域的作用，认为信息化有利于环境监管部门及时获取数据，提高环保执法水平[8]。陈滢和王爱兰(2010)认为信息化与工业化融合将对实现能源品种多元化、节能减排、降低污染、发展低碳工业具有重要的技术辅助作用，是发展低碳经济的一条有效途径[9]。相比之下，唐小坤和王哲对信息化与环境保护的关系界定是狭义的，信息化对环保领域的作用只是信息化与环境污染关系的一部分，信息化对环境保护的意义还在于其对工业生产方式的改变。陈滢和王爱兰的界定较为合理，但仅限于描述性分析，缺乏理论依据与经验证据。可见，现有研究对信息化与环境污染的关注是不足的。

论文以2003—2012年281个城市的面板数据为研究样本，检验信息化与环境污染的关系，以此揭示信息化对环境污染的影响。论文结构安排如下：第二部分为研究设计，设定实证模型，说明数据来源；第三部分为实证结果，利用面板数据回归检验信息化与环境污染的关系；第四部分总结全文。

二、研究设计

(一)模型与变量

为检验信息化对环境污染的动态影响，设定如下模型：

(1)

其中，因变量为环境污染(Pollu)，为保证回归结果的稳健性，这里采用三种污染物的排放强度衡量污染排放，分别为工业废水排放强度(Water)、工业二氧化硫排放强度(SO2)、工业烟尘排放强度(Dust)，用这三种污染物排放量与GDP的比值表示，单位均为吨/万元。这里之所以采用污染排放强度衡量环境污染，而不是污染排放总量，是因为污染排放总量在很大程度上取决于经济总量，排放强度更能够反映出环境质量。自变量为信息化(Information)，用当地互联网用户数占总人口的比重表示，单位为户/万人。需要说明的是，由于互联网用户指的是在邮电部门办理登记手续且已入网的用户数，包括个人用户与单位用户，因此每万人的互联网用户数未必低于1万。

根据以往文献的研究经验，模型中还对其他影响环境污染的因素加以控制。中国正处于工业化与城市化加速发展的快车道，工业化发展积累的环境污染存量尚未充分解决，城市化带来的人口集聚同样也可能成为环境污染的重要来源[10]。因此，模型还控制了城市化率(Urban)对环境污染的影响，城市化率用城市非农人口的比例表示。经济增长速度越快，资源消耗耗竭程度越大，环境污染越严重[10]。因此，模型用城市GDP年增长率表示增长速度(Growth)，控制经济增长速度对环境污染的影响。污染排放还受到经济结构的影响[11-12]，第二产业比重越高，污染排放越严重。因此，用第二产业占GDP比重表示经济结构(Structure)，控制产业结构对污染排放的影响。技术进步可能降低单位产出的资源消耗，减少污染排放，也可能提高产出总量，增加污染排放[13-14]。用从业人员的单位产出表示技术进步(Tech)，以控制技术进步对环境污染的影响，单位为万元/人。化石能源燃烧是污染的主要来源，能源使用效率也是影响污染排放的重要因素[15-17]，用单位GDP的工业用电量表示能源强度(Energy)，以控制能源因素对环境污染的影响，单位为千瓦时/万元。环保投资在促进经济增长的同时，还提高了生产技术水平，使得厂商在既定的环境规制下，减少能源投入，从而降低污染排放[18]。因此，模型还用三废综合利用产品产值占GDP的比重表征环保投资(Invest)，以控制环保投资对环境污染的影响。控制变量年份(YEAR)为哑变量。

(二)数据说明

本研究的所有数据均来自《中国城市统计年鉴(2004—2013)》，研究对象为中国30个省、市、自治区281个地级及以上城市。这281个城市的分布见表1，由表1可以看出，样本分布最多的省份为四川(6.41%)，除直辖市外，样本分布最少的省份为青海(0.36%)，样本分布相对均匀。

表1　样本分布

注：由于数据缺失，样本不包括西藏自治区的城市。

三、实证结果

(一)描述性统计

表2为主要变量的描述性统计。由表2可知，不同城市的信息化水平存在较大差异，信息化的最大值为2012年的上海，平均每1万人有36 634户国际互联网用户，最小值仅为12户(2003年的宜宾)。另外，工业二氧化硫与工业烟尘的数值分布较为相似，这是因为这两种污染物的来源几乎是一致的。

表2　主要变量的描述性统计

(二)回归结果

以2003—2012年281个城市为研究样本，分别用工业废水、工业SO2、工业烟尘三种污染物数据，根据豪斯曼(Hausman)检验，对实证模型进行面板数据的随机效应回归，结果见表3。由表3可知，信息化(Information)在工业废水的回归中并不显著，在工业SO2与工业烟尘的回归中均显著为负，这表明信息化能够显著降低工业SO2与工业烟尘的排放强度，对工业废水排放强度的影响不大。除此之外，城市化率(Urban)在不同污染物的回归中均显著为负，说明城市化水平越高，污染排放强度越低，这与杜雯翠和冯科(2013)[10]的回归结果是一致的。增长速度(Growth)在工业SO2与工业烟尘的回归中显著为正，表明经济增长速度越快，越不利于工业SO2与工业烟尘排放强度的降低。经济结构(Structure)在工业SO2与工业烟尘的回归中显著为正，说明第二产业比重越高，越不利于工业SO2与工业烟尘排放强度的降低。技术进步(Tech)在工业SO2与工业烟尘的回归中显著为负，说明技术进步有利于降低工业SO2与工业烟尘的排放强度。能源强度(Energy)的估计系数在三个回归中均显著为正，表明能源使用效率越低，污染排放强度越高，这与汉密尔顿和特顿(Hamilton & Turton，2002)[15]、张平淡等(2013)[17]的结论是一致的。环保投资(Invest)在三个回归中均不显著，原因可能在于环保投资使用的是三废综合利用产品产值占GDP的比重表征，这可能无法充分体现环保投资的含义，不过，囿于数据的可获得性，暂时还没有找到合适的替代变量。

表3　回归结果

注：*、**、***分别表示在0.1、0.05、0.01的水平下显著，括号中为t值，常数项的回归系数未报告。

上述结果是以面板数据的随机效应模型估计得到的，其结果反映的只是各种解释变量对于污染物排放强度的条件分布均值的影响，无法说明在污染物排放强度的不同分位点上，这种影响有何差异。因此，采用分位数回归(quantile regression)检验不同分位点信息化对工业烟尘排放强度的作用，结果见表4。由表4可知，信息化(Information)在不同分位数下的回归结果是有差异的。信息化(Information)在0.1、0.25和0.5分位数的回归系数显著为负，而在0.75和0.9分位数的回归系数并不显著。这说明，信息化在降低污染排放强度方面的作用主要体现在污染排放强度较低时。当排放强度较高时，信息化对降低环境污染的作用并不明显。同样地，城市化率(Urban)在0.1、0.25和0.5分位数的回归系数显著为负，而在0.75和0.9分位数的回归系数并不显著，证明尽管城市化有利于降低污染排放强度，但若污染排放强度到达较高水平时，城市化在改善环境质量方面的作用也有所削弱。技术进步(Tech)与能源强度(Energy)在不同分位数的回归系数表现一致。

表4　分位数回归结果

注：*、**、***分别表示在0.1、0.05、0.01的水平下显著，括号中为t值，常数项的回归系数未报告。

《中国中小城市发展报告》[19]提出了中国城市划分标准：市区常住人口50万以下的为小城市，50万~100万的为中等城市，100万~300万的为大城市，300万~1 000万的为特大城市，1 000万以上的为巨大型城市。根据这个标准，将2 810个样本划分为小城市(39个)、中等城市(89个)、大城市(940个)、特大城市(1 660个)、巨大型城市(82个)。由于10年内城市人口在不断变动，因此城市类型是变化的。另外，由于小城市、中等城市、巨大型城市的个数偏少，将前两类城市合并，统称为中小城市(128个)，将巨大型城市与特大城市合并，统称为特大城市(1 742个)。表5为不同规模城市的回归结果。由表5可知，在工业废水的回归中，信息化(Information)的估计系数或者为正，或者不显著，这说明对任何规模城市的废水排放而言，信息化均未发挥降低污染的作用。在工业SO2的回归中，信息化(Information)的估计系数在特大城市的回归中显著为负，表明在特大城市，信息化水平的提高有利于降低工业SO2排放强度。在工业烟尘的回归中，信息化(Information)的估计系数在大城市的回归中显著为负，表明在大城市，信息化水平的提高有利于降低工业烟尘排放强度。

表5　不同规模城市的回归结果

表5(续)

注：*、**、***分别表示在0.1、0.05、0.01的水平下显著，括号中为t值，常数项的回归系数未报告。

四、结论与启示

信息化对环境质量的积极作用不仅在于其自身生产过程的清洁，更在于其对生活方式与生产方式的改变与优化。从生活角度看，信息化改变了人们的生活方式，缩短了人与人、人与消费场所之间的距离，从而降低生活污染排放。从生产角度看，信息化改变了企业的生产方式，使生产更加集约化，资源更加节约化，从而降低生产污染排放。本文以2003—2012年281个城市的面板数据为研究样本，通过随机效应模型与分位数回归等方法检验信息化与三种污染物排放强度的关系。研究发现，信息化能够有效降低工业SO2与工业烟尘的排放强度，对工业废水排放强度的作用效果并不明显。分位数回归结果表明，当污染排放强度较低时，信息化对降低污染排放强度的作用十分明显；当污染排放强度较高时，信息化的作用不再显著。另外，在大城市，信息化水平的提高有利于工业烟尘排放强度的降低，而在特大城市，信息化水平的提高更有利于工业SO2排放强度的降低。因此，应当充分认识信息化与环境保护的关系，有效利用信息化的环保效应，充分发挥信息化在降低污染排放强度方面的积极作用，通过环保信息化与信息环保化实现城市可持续发展。

参考文献：

[1]乌家培.正确处理信息化与工业化的关系[J].经济研究，1993(12)：70-71.

[2]简新华.论以信息化带动工业化[J].首都经济贸易大学学报，2002(1)：25-29.

[3]KRIER J E，MONTGOMERY W D.Resource allocation，information cost and the form of government intervention[J].Natural Resources Journal，1973(1)，13：89.

[4]KRIER J E，STEWART R B.Environmental Law and Policy：Readings，Materials and Notes on Air Pollution and Related Problems[M].Indianapolis：Bobbs-Merrill，1971.

[5]KRIER J E，URSIN E.Pollution and policy：a case essay on California and federal experience with motor vehicle air pollution，1940—1975[M].Oakland：University of California Press，1977.

[6]SALZMAN J.Beyond the smokestack：environmental protection in the service economy[J].SSRN Electronic Journal，1999，47(2)：411-489.

[7]CASE P W.The law and economics of environmental information regulation[J].Environmental Law Reporter，2001，31：10773-10789.

[8]唐小坤，王哲.信息化与环境保护[A]//中国环境科学学会学术年会优秀论文集(2007)[C].北京：中国环境科学出版社，2007.

[9]陈滢，王爱兰.信息化与工业化融合是发展低碳经济的有效途径[J].资源开发与市场，2010(8)：714-716.

[10]杜雯翠，冯科.城市化会恶化空气质量吗？——来自新兴经济体国家的经验证据[J].经济社会体制比较，2013(5)：91-99.

[11]DE BRUYN S M.Explaining the environmental Kuznets Curve：structural change and international agreements in reducing sulphur emissions[J].Environment and Development Economics，1997，2(4)：485-503.

[12]黄菁.环境污染与工业结构：基于 Divisia 指数分解法的研究[J].统计研究，2009(12)：68-73.

[13]JAFFE A B，NEWELL R G，Stavins R N.Environmental policy and technological change[J].Environmental and Resource Economics，2002，22(1-2)：41-70.

[14]刘建翠.产业结构变动、技术进步与碳排放[J].首都经济贸易大学学报，2013(5)：14-20.

[15]HAMILTON C，TURTON H.Determinants of emissions growth in OECD countries[J].Energy Policy，2002，30(1)：63-71.

[16]李荔，毕军，杨金田，等.我国二氧化硫排放强度地区差异分解分析[J].中国人口·资源与环境，2010(S1)：34-38.

[17]张平淡，韩晶，杜雯翠.工业 COD 排放强度的技术效应分析[J].中国人口·资源与环境，2013(4)：117-123.

[18]LIN Q，CHEN G，DU W，et al.Spillover effect of environmental investment：evidence from panel data at provincial level in China[J].Frontiers of Environmental Science & Engineering，2012，6(3)：412-420.

[19]中国城市经济学会中小城市经济发展委员会.中国中小城市发展报告(2010)：中国中小城市绿色发展之路[M].北京：社会科学文献出版社，2010.

(责任编辑：姜莱)

Can Informatization Reduce Environmental Pollution?

DU Wencui

(Capital University of Economics and Business，Beijing 100070，China)

Abstract：Using panel data from 281 Chinese cites from 2003 to 2012，the relationship between informatization and environmental pollution intensity，which is represented by industrial waste water，industrial SO2，and industrial dust is studied based on the method of random effect model and quantile regression.It is found that，the relationship between informatization and industrial waste gas，which is represented by industrial SO2and industrial dust，is negative.However the relationship informatization and industrial waste water is not obvious.Moreover，the impact of informatization on pollution intensity is more significant when the pollution intensity is low，and not significant when the pollution intensity is high.

Keywords：informatization；environmental pollution；cities；quantile regression

作者简介：杜雯翠(1983—)，女，首都经济贸易大学经济学院讲师，经济学博士，研究方向为环境经济学、西方经济学。

基金项目：国家社会科学基金青年项目“新常态下经济增长对环境污染的‘增速红利效应’与‘增长压力效应’研究”(15CJL012)；北京市优秀人才资助项目“北京市人口老龄化与环境污染：机理、影响与对策”；首都经济贸易大学2015年度科研基金项目“新常态下的经济增长与环境污染：作用机理与国别比较”

收稿日期：2015-06-14

中图分类号：F205

文献标识码：A

文章编号：1008-2700(2016)02-0116-07

DOI：10.13504/j.cnki.issn1008-2700.2016.02.015