环境污染与经济增长间的关系<br/>——以山东省为例

环境污染与经济增长间的关系
——以山东省为例

2016-07-03刘致竹王晓田

山东工商学院学报 2016年2期

关键词：因果关系协整方差

梁星，刘致竹，王晓田

(山东工商学院a.财务处;b.会计学院，山东烟台264005)

环境污染与经济增长间的关系
——以山东省为例

梁星a，刘致竹b，王晓田b

(山东工商学院a.财务处;b.会计学院，山东烟台264005)

基于2001～2012年山东省环境污染与经济增长数据，采用主成分分析法构造环境污染综合指标，运用环境污染综合指标对山东省环境库兹涅茨曲线进行分析后，建立数据模型，通过单位根检验、协整检验、格兰杰因果关系检验、VAR模型，对山东省的环境污染与经济增长之间的关系进行实证分析。实证结果发现环境污染与经济增长存在协整关系，且二者存在双向制约机制，在经济发展初期，环境污染会促进经济增长，但从长远来看，环境污染对经济增长的影响远远小于经济增长对环境污染的影响程度。

经济增长;环境污染;主成分分析;协整检验

作为我国经济大省、工业大省、人口大省，山东省正处于工业化转型、城镇化加速、市场化完善和国际化提升的新阶段，是进行环境污染与经济增长研究的典型区域。改革开放以来，山东省经济快速增长，发展初期，经济增长模式为劳动密集型和资源密集型，这便使得经济发展带来了资源过度使用、污染排放增加和环境质量下降等问题。随着经济的发展和人民生活水平的提高，特别是党的十八大提出了“努力建设美丽中国”“生态文明建设”等重要发展思路以来，经济与环境之间的关系越来越受关注，探究环境可持续发展与经济发展之间的平衡点成为社会的共同需求。

一、文献综述

自从20世纪90年代初期开始，各国学者就开始关注环境污染与经济增长之间的关系研究，并且取得了相当的成就。

(一)国外研究现状

Grossman和Krueger［1］通过分析全球环境检测系统的城市大气质量数据，发现了烟尘和SO2呈倒U型关系，但是大气悬浮物含量却随着经济增长而提高。

Panayoutou通过研究证明了环境污染与经济增长之间的倒U型曲线关系，并且根据经验数据提出了环境库兹涅茨曲线(EKC)，认为环境污染与经济增长之间存在倒U型曲线关系。

Stokey［2］把环境污染的正负效应同时纳入研究范围，分析环境污染对产业产出和居民消费的影响，从而得到环境—收入的库兹涅茨倒U型的曲线关系。

List Gallet［3］运用美国1929～1994年不同周的数据进行了环境库兹涅茨曲线分析，发现各州曲线的转折点并不相同，即美国各州的污染路径是不一致的。

Pautrel研究认为，制定环境政策有利于宏观经济的发展，这这种影响不仅限于技术的溢出效应，环境保护政策可以通过教育、健康和储蓄的改进等方面来使经济体的潜在效益提高。

Leiter［4］选取欧洲数据来进行研究，评估了环境保护支出对经济增长的促进作用，强调关注环境保护措施对提高行业投资水平有积极的作用，同时行业投资水平的提高又反作用于环保事业。

(二)国内研究现状

近几年来我国学者对环境库兹涅茨曲线的研究也逐渐出现，但由于缺乏相关的观测数据，导致研究成果还是相对较少。同时由于环境问题日益严重与紧迫，许多学者在这方面仍做了不少努力，不仅在理论上取得了不少的突破，而且在实证方面也取得了不少的成就。

彭水军和包群［5］运用基于误差修正模型的因果关系检验与Toda and Yamamoto提出的Granger因果检验方法考察了六类污染指标(二氧化硫排放量、废水排放总量、烟尘排放总量、工业粉尘排放量、工业固体废弃物排放量、工业废水排放量)与人均GDP之间的双向因果关系，发现了人均GDP是导致环境污染变化的重要原因，然而环境污染并不是导致人均GDP变化的原因，从而提出要建立产权界定体系与市场交易机制。

李飞、董锁成和李泽红［6］选用1985～2007年中国30个省(市、区)的面板数据，研究了环境污染与经济增长之间的关系。研究发现人均GDP与3种环境污染变量之间皆存在呈现显著倒U型的长期协整关系，同时EKC转折点也并没有出现在过低的水平上，我国仍面临巨大环境压力。

许广月和宋德勇通过省际面板数据的协整检验发现，中国及其东部、中部地区的人均碳排放量与人均GDP之间存在长期协整关系，且协整关系式均呈现显著的倒U曲线形式。

张菲、赵凯［7］借助Eviews 5.0，利用我国1985～2007年的统计数据，运用协整理论和Granger因果关系检验理论，对环境污染和经济增长的关系进行了协整检验与Granger因果关系检验，得出二者之间存在长期协整关系的结论。运用格兰杰因果关系检验发现，工业增长在短期内对经济的整体增长有重要的作用，但同时经济增长也造成了环境的破坏，这种不利影响在经历一个两年的滞后期就会显现出来。

范忠伟［8］通过对亚太地区5个国家的面板数据进行格兰杰分析发现，人均GDP与人均水力发电消耗量、人均生物质能发电量、可再生资源发电量占比以及人均环境保护财政支出都存在协整关系。建立误差修正模式后检验发现，人均水力发电消耗量、人均生物质能发电量与人均GDP呈负相关关系，而该国可再生资源发电量占比、人均环境保护财政支出与人均GDP呈正相关关系。从而提出政策上，应结合各地资源禀赋，促进能源消耗结构多元化，并增加环境保护财政支出等方式以促进经济发展。

综合上述文献，可以发现近几年来，许多学者利用面板数据对经济发展与环境污染之间的关系的研究已愈见成熟，利用协整检验以及格兰杰因果关系检验已经发现在全国层面上，经济发展与环境污染存在双向因果关系，进而也提出来不少政策建议。但同时也不难发现当前研究在以下方面有所欠缺:(1)由于不同省份的经济发展程度不同，并且经济发展方式也存在差异，而当前多数研究却仅仅关注于跨省的截面数据，这就使得研究结果具有片面性;(2)多数研究只从定量或定性单方面进行，很少将两者结合起来;(3)对于EKC模型的研究只关注了经济增长对于环境的单方向影响，但却忽视了环境对经济的作用;(4)大多数文献仅仅研究分析了单个具体的环境指标与经济增长之间的影响，但却缺少从整体环境污染水平上去研究二者之间的关系。

本文在前述研究基础上，利用山东省数据，通过主成分分析法，设计代表山东省环境污染整体水平的综合指标，进而通过环境库兹涅茨分析，协整检验探索环境污染与经济增长之间的关系，然后通过格兰杰因果关系检验研究环境污染与经济增长之间的双向因果关系。最后又利用VAR脉冲响应进一步探究了二者之间的影响程度。

二、变量选取与模型设定

(一)变量选取及处理

本文选取山东省2001～2012年的工业二氧化硫排放量、工业废水排放量、工业固体废物排放量、工业烟尘排放量等四个环境指标，选用生产总值代表经济增长。数据来源于国家数据统计网、《山东省统计年鉴》等。通过借助SPSS软件采用主成分分析，将不同环境污染指标进行降维，从而获得综合环境污染指标。

主成分分析法和因子分析法都可以在尽可能不损失信息的前提下，将多个变量综合为少数几个因子，而且这几个因子可以高度概括这些信息。近年来，这两种方法在社会经济生活中的应用越来越多，应用范围也越来越广。本文使用主成分分析法并借助SPSS软件来构建环境污染综合指标，虽然SPSS没有提供主成分分析的专用菜单，但是通过因子分析很容易实现。

第一步，将原始数据标准化处理。为了消除变量之间在数量和量纲上的不同，在进行主成分之前需要对原始数据进行标准化处理，这个过程在SPPSS进行分析时，软件会自动完成。

第二步，求标准化数据的相关矩阵。主成分分析的主要任务是找出具有代表性的成分，并将具有相同类的变量归入一个成分中，从而用这些代表性的变量代表整体信息。它要求变量之间具有很强的相关性，如果相关性不强就不适合做主成分分析。因此在做主成分分析之前要检测候选变量是否适合做主成分分析，本文使用常用的相关系数矩阵法来检验待分析的原始变量是否适合作因子分析，检验结果如图1所示。

图1 相关系数矩阵

从图1可以看出各个变量之间有一定的相关性，它们所包含的信息具有一定的重叠，因此可以进行主成分分析。

第三步，求特征值和特征向量并计算主成分的方差贡献率和累积方差贡献率。

第四步，确定主成分，构造主成分变量。用少数几个主成分代表原有变量是主成分分析的核心，求解因子载荷矩阵是关键，当某些成分的累积贡献率大于85%时，就可以用这些成分做主成分，检验结果如表1所示。

表1 解释的总方差

表1中按照这个原则选取了2个主成分，其累积方差贡献率为87.574%，其中第一个主成分的初始特征值为2.249，解释了原有4个变量总方差的56.236%;而第二个主成分解释了总方差的31.338%，前两个主成分的累积方差贡献率为87.574%，说明前两个主成分基本上包含了全部变量的主要信息，因此选择前两个主成分即可。

第五步，旋转因子，使得变量的解释性更好。采用方差最大化旋转方法，用因子载荷系数表示主成分与原有变量之间的关联程度，系数越大，表明该主成分包含越多的信息量。旋转后的因子载荷矩阵如图2所示。

图2 旋转成份矩阵

从图2可以看出，第一主成份中，工业废水排放量、工业固体废物排放量这两个变量在第一因子中有较高的载荷，而二氧化硫排放量和烟尘排放量在第二个主成份中有较大的载荷系数，说明该因子包含的关于这两个变量的信息量最多。因此，本文利用旋转方法之后使得因子变量更具有可解释性。

第六步，计算主成分得分。根据主成分得分系数矩阵可以写出以标准化的原始变量表示的主成分的表达式。主成分得分系数如图3所示。

图3 成份得分系数矩阵

若记标准化的原始变量为x1、x2、x3、x4、，三主成分即为f1、f2，根据表中内容可以写出主成分得分函数如下:

第七步，计算综合得分。我们根据上述主成分得分函数计算出这两个主成分在不同年份的主成分得分值之后，以旋转后各主成分的方差贡献率的比重为权重，由各主成分的线性组合得出环境污染综合评价指标函数，进而计算出环境污染综合得分(参见表2)，其中FAC1－1和FAC2－1分别为主成分F1、f2的得分，计算公式如下:

表2 主成分得分

从SPSS主成分分析结果中看到存在负的环境污染综合指标数据，但实际中环境污染排放不可能为负，所以为了使得所有数据为正，需要将结果中数据整体向上平移固定的单位。平移后得到的山东省历年的环境污染综合指标数据的变化趋势如图4所示。

图4 山东省历年的环境污染综合指标时间序列变化趋势

通过主成分分析法得出了各年环境污染的综合指标，并且运用综合指标绘制了山东省历年环境污染综合指标时间序列变化趋势，依此可进行经济意义和关系分析。

从旋转后的因子载荷矩阵可以看出，因子载荷系数向0或1两极分化，两个主成分已经有了明显的实际意义:

从表中可以看出，第一主成分F1在“工业废水排放量和工业固体废物排放量”两个指标上具有较大的载荷系数，说明这个主成分能够综合反映这两方面的变动情况，可以将它命为第一基本工业污染物排放因子。它对整个环境污染综合指标的影响最大，有56.236%的方差贡献率。

从表中我们看到，第二主成分在“二氧化硫排放量、烟尘排放量”指标上有较大载荷系数，说明这一主成分综合反映历年来二氧化硫排放量、烟尘排放量变动情况，可以将其命名为第二基本工业污染物排放因子，它对整个环境污染综合指标的影响其次，有31.338%的方差贡献率。

分析图4可以看出，2001～2012年山东省的环境污染状况大体经历三个阶段，第一个阶段是2001年到2004年，这一阶段山东省的经济发展水平不是特别高，污染物排放仍处在较低水平，在这一水平上持续徘徊，回顾实际，我们发现在2001第一阶段期间，省委、省政府坚持可持续发展战略，把促进和环境与经济协同发展放在重要位置，山东省环境相对较好。第二阶段是2004～2010年，这一阶段山东省环境污染与经济的关系基本符合环境库兹涅茨曲线呈倒“U”型。随着经济的发展，环境污染逐渐加剧，到2005、2006年左右达到拐点，之后随着经济的发展，环境污染越来越轻。这表明在经济发展到一定水平，环境污染也越来越严重之后，人们逐渐加深对于环境的认识，并且能够采取一定措施改善环境。第三阶段是2010年之后，表明山东省环境在去的改善之后又出现了恶化的现象，环境污染又呈现增长态势，这是由于山东省人口众多，资源相对稀缺，在经济快速发展，人口急剧增加的同时，环境与生态也遭到严重坏，尤其是SO2和烟尘排放量，大量工厂的建造，汽车的增加，使空气不断恶化。总之，山东省目前的环境状况仍然十分严峻，未来在经济发展的同时，我们要更好的坚持可持续发展道路，走循环经济、生态经济之路，建设生态文明大省［9］。

(二)模型设定

1.数据的平稳性检验

在时间序列数据的回归分析中，一个重要的假设是所考虑的时间序列是平稳的。而实际研究中获得的大多数经济时间序列数据都是非平稳的，为了避免伪回归现象。因此就要进行数据平稳性检验，常用方法便是ADF检验。这一检验通过增加因变量的滞后值来进行。本文对时间序列Xi建立如下模型:.其中 εt为随机误差项;m为滞后因变量的最大长度，B1为常数，t为趋势项［10］。

2.协整检验

本文采用的时基于模型回归残差的协整检验，其主要思想是对模型中回归方程的单位根进行检验，如果残差系列平稳，则表明方程的因变量和自变量之间存在协整关系，否则协整关系不成立。本文是以LNzh为因变量，LNrGDP为自变量建立回归方程模型，首先对方程进行回归，然后对其残差序列进行平稳性检验，从而研究LNGDP和LNzh之间是否存在协整关系，模型为:

运用普通最小二乘法对模型进行回归分析，并对该协整回归方程的残差序列的平稳性进行检验，检验形式为:μt= ρμt－1+μt。

3.误差修正模型

协整检验可以帮助我们看到变量之间的长期关系如何，但是要研究短期中，变量是否会出现偏离均衡位置的现象，就要建立误差修正模型。利用方程(4)中的残差项作为均衡误差项，建立误差修正模型［11］。

4.Granger因果关系检验

利用协整检验我们可以看到，环境污染与经济增长之间是否存在长期稳定或者均衡的关系，但是二者之间是否存在因果关系还需要进一步检验。运用格兰杰因果关系检验可以检验变量之间是否存在因果关系，其主要思想是，如果变量X是变量Y的变化原因，那么变量X的变化应该发生在变量Y的变化之前［12］。

5.VAR模型

向量自回归(VAR)是一种非结构化的动态联立方程模型，把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型，其形式为:

其中Yt是k维内生变量向量，Yt－i(i=1，2，…p)是滞后内生变量向量;Xt－i是滞后外生变量向量;p，r为滞后阶数;n为样本数;et为扰动变量。除了脉冲响应函数之外，方差分解也可以研究VAR模型的动态变化。方差分解是将VAR模型中每一个外生变量预测误差的方差按照其成因分解为与各个内生变量相关联的组成部分，从而分析影响内生变量的结构冲击的贡献度［13］。

三、计量结果及分析

(一)数据的平稳性检验结果

Lnzh和lngdp的ADF检验结果如表3所示，从表3中可以看出lnzh和lngdp是非平稳序列，但其一阶差分D(lnzh)和D(lngdp)分别在1%和10%的显著性水平下，拒绝原假设，说明lnzh和lngdp是一阶单整的，可以进行协整检验。

(二)协整检验

表3 单位根检验结果

采用基于模型回归残差的协整检验，先用最小二乘法对模型(4)进行回归，得出如下结果:

对该协整回归方程的残差序列的平稳性进行检验，根据检验结果可以看到，t统计量 =－2.781 776，其相应的概率值P=0.010 2，在5%的显著性水平下，拒绝原假设，可以认为残差序列esid01是平稳的。也就是说lnzh和lngdp之间存在长期协整关系，即环境污染与经济增长之间存在长期均衡关系。

(三)误差修正模型检验结果

令et=μt，建立LNX和LNrGDP的误差修正模型，得到回归结果如下:

在回归结果中，AdjustedR2=0.362，D-W= 1.842，F=3.834。从结果分析可以看出，环境污染的变动可以大致分为两个部分:一是由经济增长的短期波动造成的，影响系数为3.603，但t统计值不显著，说明经济增长在短期中对环境的影响不明显;另一方面是偏离长期均衡关系造成的，系数为－0.891，且t统计量较为显著，说明在长期中经济增长对环境污染的影响较为显著。

(四)格兰杰因果检验结果

利用eviews6.0对数据进行格兰杰因果关系检验，检验结果如表4所示。

本文运用格兰杰因果关系检验方法，对两变量的格兰杰因果关系检验的结果可以看出，只有当滞后期为一年时环境污染才是经济增长的格兰杰原因。所以，环境污染只在初期是经济增长的原因，在一定程度上说明在经济发展早期环境污染是不可避免的。

(五)VAR模型

表4 Granger因果关系检验结果

如图5所示，其中纵轴表示脉冲响应函数大小，横轴表示时期数，虚线表示正负两倍的标准差偏离带(2S.E)，从图中看出环境污染对经济发展的一个标准差信息立即做出了响应。第一期出现了正向响应，该正向响应在第五期之后逐渐呈现稳定状态，这说明随着经济发展，也相应的加大了环境污染。从图6可以看出经济发展对环境污染的一个标准差扰动在第二期才出现正向响应，并从第三期开始随着时间的推移，影响越来越小，这表明，环境污染在初期对经济发展有着一定的推动作用，但是一定时期之后，环境污染对经济发展的影响越来越弱［14］。

图5 脉冲响应图a

图6 脉冲响应图b

基于方差分解模型，对lnzh和lngdp进行方差分解，分析结果如图7、图8所示。从图中可以看出，在第一期时，环境污染受自身波动影响最大，高达100%，随之下降，在第二期达到90.99%，之后保持在90%左右的平稳水平上;环境污染在第二期才受到经济发展对其的冲击，为9.01%，随后经济发展对环境污染的影响程度几乎保持在9%左右。从图8可知，经济发展水平从第一期开始就受自身波动的影响较强，之后也一直维持在较高水平;环境污染水平对经济发展的影响一直较低，在第2期影响为1.8%，之后以微弱的趋势下降。总之，经济发展和环境污染均是自身预测误差的主要来源，从长远来看，经济发展对环境污染的影响远远大于环境污染对经济的影响。

四、结论

通过对山东省环境污染与经济增长的现状进行分析和实证检验，可以得出如下结论:

图7 方差分解图a

图8 方差分解图b

虽然环境库兹涅茨曲线认为，环境污染与经济增长之间会呈倒“U”型的曲线关系，但通过折线图分析，可以看出环境污染与经济增长之间的关系具有不确定性，EKC的研究的结果往往因环境污染度量指标或者样本数据的选取的不同而有所差异。)正如前面折线图分析所示，在不同阶段，环境污染与经济增长呈现不同的形态。

运用2001～2012年GDP和环境污染的综合指标数据进行实证分析，发现环境污染与经济增长之间存在长期稳定或均衡关系，并且当其短期波动偏离长期均衡时存在误差修正机制。

借助Eviews6.0，运用协整检验理论和格兰杰因果关系检验，采用2001～2012年的统计数据对环境污染和经济增长的关系进行协整与格兰杰因果关系检验，发现环境污染只有在初期才是经济增长的原因，这可以从两个方面来解释:一是居民环境需求偏好;二是对污染产生的负外部效应的有效界定，特别是对污染产生的负外部效应的有效界定是发挥环境资源对经济增长影响作用的前提条件。因此，要想促进资源约束和环境保护就必须建立清晰的产权界定体系与市场交易机制。

基于VAR模型结果分析可以得出，在山东省经济增长过程中，环境污染起到了一定的推动作用，同时可以看出随着经济的增长，环境污染也在加剧，前者对后者有着很强的正向影响关系。通过方差分解可以看出环境污染和经济发展水平均是自身预测误差方差的主要来源，从长远来看，环境污染对经济增长的影响远远小于经济增长对环境污染的影响程度。

因此，在未来的发展道路中，山东省应继续坚持可持续发展战略，提高经济发展效率，摒弃传统的“先污染后治理”，走新型工业化发展道路;加快转变产业结构，注重节能减排，提高企业整体发展水平;大力发展生态经济、绿色经济、循环经济，推进绿色技术和清洁生产，提高企业生产效率;加大环保投资，加大对环境治理的强度;鼓励技术创新，通过创新技术来减少环境成本，从而降低环境污染程度，通过科技投入，技术创新，提高生产过程的清洁程度，减少废水废气废物的排放量。政策实施过程中，政府一方面要帮助企业提高环保理念，另一方面也要加大监管力度，监控企业是否合理合法排污，从整体上把握经济发展和环境污染的关系，实现经济效益与环境效益的双赢。

［1］Grossman G M，Krueger A B.Environmental Impact s of A North American Free Trade Agreement［M］.Princeton:Woodrow Wilson School，1992.

［2］Shafik N，Bandyopadhyay S.Economic Growth and Environmental Quality:Time Series and Cross country Evidence［R］.Washington D C:World Bank，1992.

［3］贺彩霞，冉茂盛.环境污染与经济增长［J］.中国人口资源与环境，2009，(2):57－61.

［4］李国柱.经济增长与环境污染:基于面板数据单位根的研究［J］.石家庄经济学院学报，2007，(3):63－66.

［5］彭水军，包群.中国经济增长与环境污染:基于时序数据的经验分析(1985－2003)［J］.当代财经，2006，(7):5－12.

［6］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，(11):1913－1918.

［7］张菲，赵凯.我国环境污染与经济增长关系的协整检验［J］.沈阳农业大学学报(社会科学版)，2010，12(6):669－672.

［8］范忠伟.环境保护与经济增长:基于亚太地区五国面板数据的协整检验［J］.湖南商学院学报，2013，(8):27－31.

［9］陈昭，刘巍，茹纯子.中国经济增长与环境污染的关系:基于分省的面板协整模型分析［J］.当代财经，2008，(11):18－23.

［10］田志华，王忠.广东省环境污染与经济增长的动态关系:基于向量误差修正模型的实证研究［J］.粤商与广东经济，2013，(6):4－10.

［11］许广月，宋德勇.中国碳排放环境库兹涅茨曲线的实证研究:基于省域面板数据［J］.中国工业经济，2010，(5):37－47.

［12］康凯，宋文博，郭子龙，等.河南省环境污染和经济增长关系实证研究:基于遗传—BP神经网络、协整分析和VAR模型［J］.资源与产业，2014，(10):2－7.