环境代价经济贡献度的影响因素实证研究

陈培友+++魏明浩

中图分类号：F205 文献标识码：A

内容摘要：环境、经济和社会的可持续协调发展是我国发展过程中所面临的重要战略问题。本文基于绿色经济的视角，选取我国五省2004-2012年的数据进行分析，并构建了环境代价经济贡献度、产业结构、能源消费经济贡献度和能源结构四者之间的量化模型。分别对OLS模型、FE模型、RE模型、FGLS模型和变系数模型进行了检验和分析。结果表明：产业结构和能源结构是影响环境代价经济贡献度的重要因素，要想提高环境代价经济贡献度以实现绿色经济的健康发展，合理地优化产业结构和能源结构是主要战略方向。

关键词：绿色经济 环境代价经济贡献度 产业结构 能源结构 灰色关联度

文献概述

近年来，环境污染日益严重，特别是2015年入冬以来的全国性雾霾天气更是揭示了我国环境污染的严重性。我国的环境污染已经从东部和南部的经济发达地区向全国蔓延。目前我国耕种面积的10%已经受到重金属的污染，33%的地下水受到轻度污染，基本清洁的地下水只有3%。我国每年因重金属污染的粮食高达1200万吨，造成直接的经济损失200多亿元。根据亚洲银行和清华大学发布的相关消息，我国500个大型城市中只有1%达到世界卫生组织的质量标准。在环境受到严重污染和可持续发展战略的引导下，绿色经济备受关注。我国“十二五”规划《纲要》明确提出要推动绿色发展，建设资源节约型和环境友好型社会。绿色的经济发展是指人们在资源和环境的承受力、承载力的容许范围之内，保持经济的健康发展，在环境和生态保持健康持续的同时保持经济健康发展，发展绿色经济已经是人类的必由之路。

在环境污染严重的情况下，产业结构、能源结构和单位能源GDP之间的关系受到学者的重视，关于这方面的研究很多。国内外学者对于它们之间关系进行了研究，并取得了一定的成果。例如Soytas and Sari（2009）认为在土耳其存在从二氧化碳排放到能源消费的短期单向因果关系，而长期中经济发展和能源消费没有因果关系；Dong Wang（2014）基于动态优化的方法研究发展中国家经济的能源效率问题，并建立了测量经济的能源效率的定量方法；Shyamal Paul（2004）等运用经济学模型分析能源与环境之间的相互影响，研究了能源、环境关系在能源经济层面的表现要素；Narayan（2010）等学者，支持了EKC假说；Din-da（2002）认为环境污染排放是经济发展的过程中产生的，经济发展是环境污染的原因之一；John（2000）等证明了经济与能源之间的双向因果关系；Lee（2005）认为从能源消费到GDP存在单向因果关系，该关系在长期和短期时间内均存在；Bruckner（2012）研究发现，在非洲地区，经济发展对城镇化具有显著的促进作用；Michael Peneder（2003）对产业结构和经济总量的变化进行的探讨和分析，得出二者存在关联的结论；Brajer等人（2011）通过研究发现，城市产业结构的调整与环境污染之间不一定符合倒“U”型关系；Oosterhaven等人（2007）认为，产业结构升级是改善环境质量的重要因素；Dale等（2012）通过历史数据的系统模拟发现当新能源产业增长时，会带动资本对其他产业投资，从而实现节约能源消耗的同时促进经济增长；Ertugrul Yildirim（2012）研究了南非的工业生产和能源消费之间的关系和美国的工业生产指数；Ugur Soytas等（2003）研究了能源消费和GDP增长的关系，结果发现这些国家GDP和能源消费之间存在着单向因果或双向因果关系；Bert Hofman和Kelly Labar（2006）则运用省级数据具体考察了省级经济体的能源强度变化，得出随着人均 GDP 的升高，能源强度逐渐降低的趋势；Nick，Peter 和 Swales（2006）等通过案例研究了能源效率对经济增长和环境保护的影响；牛叔文等（2010）运用面板数据模型，分析1971-2005年间能耗、GDP和二氧化碳排放的关系。结果表明，三者之间存在长期均衡关系；肖涛等（2012）基于我国能源输入省和输出省1986-2008年的面板数据，运用面板计量经济分析方法对能源输入省和输出省的能源消耗与经济增长关系进行了实证研究；赵爱文等（2014）通过计算得出线性回归系数和二次回归系数均不显著，能源消费总量、人均能源消费与人均GDP之间存在“N”型EKC曲线，且不存在拐点；潘雄锋等（2014）研究表明，我国区域能源效率具有明显的空间溢出作用，并且这种空间溢出作用在逐渐增强，同时，产业结构、能源价格和技术进步对能源效率的提升具有显著的影响；许松涛等（2011）指出在低碳经济的背景下，实现环境和经济的双重目标和协调发展非常重要。环境代价经济贡献度是指以单位环境污染为代价所带来的经济发展，本文用单位废气对GDP的贡献能力代表。通过以上文献的研究可以发现环境、经济、能源、产业结构和能源结构存在着密切的关系。

实证研究

（一）数据来源

基于数据的可获得性，本研究采用了2004-2012年我国安徽、山东、黑龙江、江苏和浙江五省的环境、经济、能源与产业等方面的数据，一共45个观测点。研究中，所有数据均来自国家统计局网站。

（二）变量选择

环境代价经济贡献度。本文引入了环境代价经济贡献度的概念，它是指以单位环境污染为代价所带来的经济发展，用单位废气对GDP的贡献能力代表，是本文考察的被解释变量，这指标是某年一个地区GDP（亿元）与这个地区当年二氧化硫排放量（吨）的比值，计算公式：单位废气对GDP的贡献能力=GDP/二氧化硫排放量，在下文中用dfqgdp表示。

产业结构。本文的产业结构以某年一个地区第二产业GDP与这个地区当年所有产业GDP的比值，计算公式：产业结构=第二产业GDP/所有产业GDP，在下文中用cyjg表示。

能源结构。能源结构指能源总生产量或总消费量中各类构成及其比例关系，因为煤炭仍然是我国目前最主要的能源，本文用某年一个地区煤炭消耗折合成标准煤的量与这个地区当年所有主要能源消耗折合成标准煤的量的比值来表示能源结构。计算公式：能源结构=煤炭消耗的标准煤/所有主要能源消耗的标准煤，在下文中用nyjg表示。其中，各种主要能源转换成标准煤的比值来源于《综合能耗计算通则》（GB/T 2589—2008）。

能源消耗经济贡献度。能源消耗经济贡献度是指单位能源消耗所带来的经济发展，本文用某年一个地区的GDP（元）与该地区当年所有能源消耗标准煤的比值来代表能源消耗经济贡献度。计算公式：GDP*100000000/所有主要能源消耗的标准煤。注：此时的GDP用元表示，所以计算公式中GDP要乘以100000000，在下文中用dngdp表示。

（三）变量数据的平稳性检验和协整性检验

在建面板数据模型之前，本文要对数据的平稳性进行检验。因为如果数据不平稳，那么估计结果将会出现偏差。面板数据单位根的检验方法主要有Levin，Lin 与 Chu-t 检验、ADF-Fisher卡方检验和PP-Fisher 卡方检验，检验原理和方法参见高铁梅（2009）。其中最为常见的检验方法是Levin，Lin 与 Chu-t 检验、ADF-Fisher 卡方检验和PP-Fisher 卡方检验，本文采用这三种方法对数据进行检验，检验结果如表1所示。

从表1的结果来看，原数据不能拒绝各种检验存在单位根的原假设，即原数据存在单位根。在原数据的一阶差分的检验中，除了△cyjg的ADF-Fisher 卡方检验的P值略微大于0.05外，其他所有数据在5%的显著水平下都拒绝存在单位根的原假设。总体上认定dfqgdp、cyjg、dngdp、nyjg都是一阶单整的I（1）序列，因此可以进行协整分析。

面板数据的协整检验方法主要有Pedroni检验、Kao检验和Johansen协整检验基础上的面板数据协整检验。本文因为数据的原因采取Kao检验，其中t-Statistic的值为-3.069190，P值0.0001，在5%的显著性水平下拒绝了各变量之间不存在协整关系的原假设。说明dfqgdp、cyjg、dngdp、nyjg之间存在着协整关系。

（四）计量模型与方法

根据面板数据的一般模型形式，构建环境代价经济贡献度的影响因素的线性混合估计模型如下：

dfqgdpit=cit+αicyjgit+βidngdit+γinyjgit+εit

式中dfqgdpit、cyjgit、dngdi和nyjgit表示变量的一系列数据，αi、βi、γi表示变量的系数，cit为截距项，εit是随机误差项。

限于数据的可获得性，不能将环境代价经济贡献度的所有影响因素都纳入方程中，为了保证估计结果的稳健性，本文分别采用混合回归模型（OLS）、随机效应模型（RE）、固定效应模型（FE）进行估计，估计结果如表2所示。

在模型的选择方面，本文分别采用固定效应冗余变量似然比检验来选择混合效应和固定效应，用Hausman检验来判断是随机效应模型还是固定效应模型。检验结果如表3所示。

由表3的结果可知，采用固定效应模型比较合适，同时这也与表2中的R2、Durbin-Watson stat和F-statistic中比较的结果一致。但是面板数据很可能会存在截面相关、组内自相关和组间异方差问题，这些问题会导致回归结果不可靠，并且从表3中的Durbin-Watson stat的结果可以得出混合回归模型（OLS）、随机效应模型（RE）和固定效应模型（FE）都存在自相关的问题，所以要对固定效应模型的截面相关、组内自相关和组间异方差的问题进行检验。本文通过Stata10软件，利用Wooldridge方法来检验固定效应的自相关问题，利用Wald统计量来检验固定效应模型的组间异方差问题，利用Breusch-Pagan LM来检验截面相关的问题。检验得出Wald、Breusch-Pagan LM和Wooldridge分别对应的统计值为21.37、22.819和7.014，分别对应的P值为0.0007、0.0114和0.0571。说明面板数据存在组间异方差、截面相关和组内自相关的问题，修正固定效应面板模型存在的截面异方差、截面相关和组内自相关问题，本文采用可行的广义最小二乘法（FGLS）方法来修正，使得结果更加可靠。估计结果如表4所示。

显然，从表4中的R2、Durbin-Watson stat和F-statistic的结果可以看出，加了权重的FGLS模型相对于FE模型得到了很大的改善，消除了截面相关、组内自相关和组间异方差问题。

研究结论

从FGLS模型可以推出，优化产业结构和能源结构是经济发展约束下改善环境的重要途径。产业结构方面要通过提升第三产业的比重来降低第二产业产值在总产值中所占比重，从表4中看出产业结构的系数是-0.022312，即第二产业占总产业的比重的增加会带来环境代价经济贡献度的降低。能源结构方面，从表4中看出能源结构的系数是-0.030512，能源消费中煤炭占比的增加会降低环境代价经济贡献度。总的来说能源消耗经济贡献度和环境代价经济贡献度是相互促进的，一个方面的提升会伴随和带动另外一个方面的提升。

策略建议

（一）优化产业结构

由上文的研究结果得出，若想提高环境代价经济贡献度必须进行产业结构优化，在保证第一产业和第二产业供给正常社会需要的前提下，大力发展第三产业。第一产业方面，要提高第一产业的产出效率，大力使用高新技术，确保粮食安全和粮食供给；第二产业方面，要调整原材料工业结构，加强信息基础设施建设，促使第二产业由大变强，由粗放变高效。第三产业方面，要坚持社会化、产业化和市场化，发到地区要逐步形成以第三产业为主要产业的经济发展产业结构，积极发展保险、金融、旅游、知识产权和技术等现代服务业。

（二）优化能源结构

由上文可知，优化能源结构也是提高环境代价经济贡献度的一个重要途径。优化能源结构要从两个方面入手，一方面是大力利用先进技术以提高传统能源的利用率，另一方面是开发新型能源和淘汰落后产能并优化能源产业组织结构。具体来说，减少能源利用对环境的污染，主要是减少煤炭能源的使用比重，目前世界上一半的煤炭燃烧发生在中国，在迫切需要对雾霾进行治理的时期，依靠煤炭为主要能源的现状必须调整，更多地使用电力和天然气等较为清洁的能源。同时，要解决石化能源的替代问题，必须在大力发展清洁能源的同时推进新能源种类的开发。首先，利用先进技术对深海资源进行开发，对核能技术进行改进，另外，大力发展燃料电池、天然气、氢能、水合物和碳的储存与捕获，积极利用先进技术用清洁能源有效替代煤炭和其他化石能源。

综上所述，本文认为在保持经济发展速度的约束下，治理雾霾改善环境就是要提高环境代价经济贡献度，从优化产业结构和能源结构这两方面入手，在提升环境代价经济贡献度以改善环境的同时还可以提升能源消耗经济贡献度即降低单位GDP能耗，走一条经济、环境与能源协调发展的可持续发展道路。

参考文献：

1.Soytas U，Sari R.Energy consumption，economic growth and carbon emissions：Challenges faced by an EU candidate member[J].Ecological Economics，2009，68（6）

2.Dong Wang.A dynamic optimization on economic energy efficiency in development：A numerical case of China[J].Energy，2014，66（1）

3.Paul S，N.Bhattacharya R.Causality between energy consumption and economic growth in India：a note on conflicting results[J].Energy Economics，2004，26（6）

4.Narayan Kumar P， Narayan S.Carbon dioxide emissions and economic growth panel da-ta evidence from developing countries[J].Energy Policy，2010，38（1）

5.Dinda S.Environmental Kuznets Curve Hypothesis：A Survey[J].Ecological Economics，2004，49（4）

6.John Asafu-Adjaye.The relationship between energy consumption，energy prices and economic growth：time series evidence from Asian developing countries[J].Energy Economics，2000，22（6）

7.Lee C-C.Energy consumption and GDP in developing countries：A cointegrated panel analysis [J].Energy Economic，2005，27（3）

8.Brückner M.Economic growth， size of the agricultural sector and urbanization in Africa [J].Journal of urban economics，2012，71（1）

9.Michael Peneder.Industrial structure and aggregate growth[J].Structural Change and Economic Dynamics，2003，14（4）

10.Victor Brajer，Robert W.Mead，Feng Xiao.Searching for an Environmental Kuznets Curve in Chinas air pollution[J].China Economic Review，2011，22 （3）

11.Oosterhaven J，Broersma L.Sector structure and cluster economies：a decomposition of regional labour productivity[J].Regional Studies，2007，41（5）

12.Dale M，Krumdieck S，Bodger P.Global energy modeling-A biophysical approach （GEMBA） [J].Ecological Economics，2012，73

13.Yildirim E，Aslan A，Ozturk I.Coal consumption and industrial production nexus in USA：Cointegration with two unknown structural breaks and causality approaches[J].Renewable and Sustainable Energy Reviews，2012，16（8）

14.Soytas U，Sari R.Energy consumption and GDP：causality relationship in G-7 countries and emerging markets，2003，25（1）

15.Bert H，Kelly L.Structural change and energe use：evidence from China provinces[J].China Working Paper Series，2006（2）

16.Nick D.Hanley，Peter G McGregor，J.Kim Swales，Karen Turner.The impact of a stimulus to energy efficiency on the economy and the environment：A regional computable general equilibrium analysis[J].Renewable Energy，2006，31（2）

17.牛叔文，丁永霞，李怡欣，罗光华，牛云翥.能源消耗、经济增长和碳排放之间的关联分析—基于亚太八国面板数据的实证研究[J].中国软科学，2010（5）

18.肖涛，张宗益，汪锋.我国区域能源消耗与经济增长关系—基于能源输入省与输出省面板数据的实证分析[J].管理工程学报，2012，26（3）

19.赵爱文，何颖，王双英，李东.中国能源消费的ECK检验及影响因素[J].系统管理学报，2014，23（3）

20.潘雄锋，杨越，张维维.我国区域能源效率的空间溢出效应研究[J].管理工程学报，2014，28（4）

21.许松涛，肖序.环境规制降低了重污染行业的投资效率吗？[J].公共管理学报，2011，8（3）

22.高铁梅.计量经济分析方法与建模——EViews应用及实例（第二版）[M].清华大学出版社，2009

作者简介：

陈培友（1967-），男，黑龙江省鸡西市人，黑龙江科技大学管理学院副院长、教授、博士（已获得），研究方向：系统工程。

魏明浩（1988-），男，江苏省沛县人，黑龙江科技大学硕士研究生、硕士（在读），研究方向：系统工程。