经济结构、增长方式与环境污染的内在关联研究——基于时变参数向量自回归模型的实证分析

张同斌,李金凯,程立燕



经济结构、增长方式与环境污染的内在关联研究
——基于时变参数向量自回归模型的实证分析

张同斌1*,李金凯2,程立燕2

(1.东北财经大学经济学院,辽宁 大连 116025；2.东北财经大学国际经济贸易学院,辽宁 大连 116025)

基于对数平均迪氏指数(LMDI)方法分解影响环境污染的经济因素,利用时变参数向量自回归(TVP-VAR)模型研究了各因素在不同时点、不同提前期对污染物排放的动态冲击特征.结果表明,技术进步具有提高企业生产率以及提升企业产品清洁度的双重效果,产生的创新补偿效应降低了污染排放.我国以煤炭为主的能源消费结构和煤炭消耗产生不容易累积的烟煤型污染物,使得能源结构引致的污染效应在当期最为明显,且持续期较短.能源利用效率的大幅提升有效降低了污染物排放,同时也呈现了一定的反弹效应.产业结构对环境污染的影响逐渐增强、经济规模扩大对于环境污染的冲击具有较强的持续性.合理控制结构因素和规模因素对污染物排放的影响,成为了降低污染水平的重要环节.

经济结构；技术进步；环境污染；时变参数向量自回归模型

目前,我国在环境投资快速稳定增长的同时,环境污染严重、生态系统退化,经济发展与资源环境之间的矛盾日益突出.1980~2013年,除了工业废水排放量增速呈现较小幅度的下降之外,工业废气和工业固体污染物排放量均呈现上升态势,年均增速分别为8.49%和6.36%,呈现了“越污染越治理、越治理越污染”的环境治理悖论.

国内外学者一般从技术进步、能源消耗、产业结构、经济增长4个方面解释环境污染变化的原因,将这4个方面原因与我国经济社会发展现实相结合,可以在一定程度上给出环境污染水平变化的解释.技术方面,大多数研究均认为技术进步可以通过降低减排成本来减少污染物排放[1-2],但最近的研究表明清洁技术部门与污染技术部门之间替代弹性的大小会导致技术水平对环境污染产生不确定影响,二者之间替代弹性较大,短暂的环境规制政策就能使得企业以发展清洁技术为主,反之,则需要持续、较强的环境政策才能使得企业发展清洁技术,一旦环境规制变弱,企业便以采用污染技术为主[3].国内已有文献表明我国清洁技术部门与污染技术部门之间替代弹性较小,即大多企业只注重资源消耗型的生产技术水平(污染技术)提升,而忽略节能减排型的技术进步(清洁技术),导致的技术进步方向偏差并未有效减少环境污染物排放.若现阶段技术进步方向不变,难以实现经济发展与环境保护的相容发展[4].

由于能源消费能够产生大量SO2、NO2和CO2等环境污染物,是导致污染物排放、大气污染的主要原因[5].有关能源因素对环境污染影响的研究主要集中于能源强度与能源结构2个方面,大部分学者采用回归分析、灰色系统理论法、指数分析等研究发现,能源强度与污染物排放具有显著正相关关系,降低能源强度则有利于发挥减排效应[6-8].此外,我国以煤炭为主的能源消费结构是导致环境污染的主要原因,能源结构的变化有利于实现环境效益,甚至优化能源结构对实现碳强度目标的贡献度最大,将达到45%左右[9].但是,有的学者基于可计算一般均衡模型研究发现,中国通过改变能源结构实现减排的效果并不明显[10].

产业结构与经济增长对环境污染的影响方面,国内外学者的结论则较为一致. 环境污染会随着经济发展水平、工业化进程的不断加深而越来越严重,即随着第二产业比重的不断上升,环境污染物排放随之增加.当经济向更高水平发展时,产业结构也将得到调整,使高污染、高能耗的工业经济向以高新技术产业及清洁环保产业为主的高效经济体转变,最终降低污染水平[11-12].比如,国内学者考虑到我国区域经济发展之间存在显著差异这一特征,对我国东中西部地区经济发展水平与环境污染物排放之间的关系进行研究发现,东部地区经济增长有效的抑制了环境污染,而中西部地区的增长加剧了污染物排放[13].因此,经济发展与环境污染之间一般符合环境库兹涅茨特征,即经济发展水平通过影响产业结构,导致其与环境污染水平之间呈倒“U”型关系[14-16].

在国内外研究的基础上,首先采用对数平均迪氏指数分解方法(Logarithmic Mean Divisia Index, LMDI)分解技术进步、能源消耗、产业结构、经济增长等因素对环境污染的贡献程度,找出中国环境污染变动的主要影响因素,给出各因素对中国环境污染影响的现实表述.在此基础上,基于时变参数向量自回归模型(Time Varying Parameter Vector Auto Regression, TVP-VAR)分析了在不同提前期冲击下各变量对环境污染的影响路径和时间演化机理,同时考察了在不同时点冲击下各影响因素对环境污染作用机制的共同点和差异性.旨在找出促使污染水平降低的有利因素,认识中国当前环境污染的阶段性特征,探索环境污染水平降低的有效路径.

1 基于LMDI分解方法的环境污染影响因素分解

基于Ang[17]提出的LMDI方法测算环境污染排放系数、能源结构、能源强度、产业结构和经济规模对环境污染物排放量的贡献效应.具体如下:

首先,构造kaya恒等式,如式(1)所示:

式中:pl为环境污染排放量;peM为煤炭消耗量,万t标准煤;pe为能源消耗总量,万t标准煤;gdpI为第二产业产值,亿元;gdp为国内生产总值,亿元;表示环境污染排放系数,即单位煤耗产生的污染排放量;表示能源结构;为能源强度;为产业结构,将式(1)简化表示得到,

LMDI分解理论中存在加法和乘法两种分解方法,二者之间可以相互转化,在测算各变量贡献时采用其中一种即可,为不失一般性,采用加法分解方法.设pl和pl-1为第和1期的环境污染排放量,则环境污染排放量的变动为:.

总效应为各因素效应之和:

且

=1981,1982,……,2013 (9)

至此,分解出影响环境污染排放量变化的5个因素.由于环境污染排放系数变化率较小,参照郭朝先[18]的研究,选取技术的表示变量资本生产率(cpt)作为环境污染排放系数的替代变量,记为技术效应.

2 数据来源、指标选取与变量计算

为了关注中国改革开放以来经济增长方式、产业结构变迁等因素与环境污染的关系,采用数据是1980~2013年共34年的时间序列数据,如无特别说明,数据来源于《新中国65年统计资料汇编》[19],以下是变量选取与数据说明.

2.1 环境污染排放量

环境污染排放物主要指的是工业“三废”,即工业废水、废气和固体废弃物.参照国内外文献中有关污染排放量的核算方法,选取工业废水排放总量(1,t)、工业废气排放量(2,t)、工业固体废物产生量(3,t)3个指标,单位分别为万t、亿m3、万t,然后分别对每个指标进行线性标准化,以解决量纲不同导致的不可相加问题.工业三废的数据来源于《新中国65年统计资料汇编》[19]、《中国环境年鉴》[20]和《中国环境统计年鉴》[21],标准化公式如式(10)所示.

其中,max(X,t)和min(X,t)分别为第指标在所有年份中的最大值和最小值,代表污染变量(=1, 2, 3),代表年份(=1981, 1982…, 2013).

与其他文献类似,采取等权加和平均方法将标准化后的3个污染变量、和加总作为污染排放变量,记为pl.

2.2 技术效应

资本生产率变量是单位资本所带来的产出量,一方面是技术水平的重要代表,与污染排放系数的大小紧密相关;另一方面,也是投资过度、产能过剩与经济失衡的体现,例如资本生产率过低时,资本的高度浪费与能源的过度消耗是导致环境恶化的主要原因之一.通过计算GDP平减指数(1980年=100)与固定资产投资价格指数(1980年=100),分别对名义GDP变量(亿元)、资本变量(亿元)进行平减去除价格因素得到实际产出(RGDP)与实际资本(RK)后,采用两者的比值作为资本生产率变量,记为cp,以刻画技术效应,即:

价格指数数据、GDP数据来源于《中国统计年鉴》[22],资本存量数据借鉴张军和章元[23]对资本存量的估算方法,并将其扩展至2013年.

2.3 能源因素

能源消耗是导致污染物排放的主要途径.能源结构方面,煤炭等非清洁能源占能源消费总量的比重过高,一直是中国环境污染问题加剧的重要原因,能源结构是影响环境污染的重要因素.采用煤炭占能源消费总量的比重作为能源结构的代表变量,记为ccr,能源数据来源于中国经济信息网统计数据库、《中国能源统计年鉴》[24].

能源强度方面,收集了能源消费总量数据(EN),计算了各年份的国内生产总值(1980年不变价)(RGDP),两者相比得到单位GDP能耗(t标准煤/万元)作为能源强度的代表,记为ei,计算公式为:

2.4 结构效应

在工业化初期和中期,第二产业在经济中的地位十分重要,但是第二产业消耗的能源较多,污染排放量很大,因此,第二产业比重越高,环境污染可能越严重.随着经济增长方式转变和产业结构优化,污染排放问题会在一定程度上得到缓解.采用第二产业增加值占GDP的比重,简称第二产业占比,表示产业结构变量,记为indr.数据来源于中国经济信息网统计数据库.

2.5 规模效应

随着经济的不断发展,经济规模持续扩大,更多的经济活动带来了更多的污染排放.因此,在研究污染问题时,一般将实际GDP变量作为规模效应的重要变量.此外,研究实际GDP变量对于污染排放的影响,还能够表示在不同的经济发展阶段污染排放的变化特征.如前所述,计算了各年份实际GDP(1980年不变价)(RGDP)后取对数,作为经济发展阶段和规模效应的代表变量,记为lngdp.

3 环境污染物变动特征与影响因素

3.1 不同时期环境污染物变动特征

由图1可得,环境污染物排放量在1988年出现峰值,1997年排放量达到谷底,此外,受国际金融危机的影响,环境污染物排放量在2008年左右出现了短暂的下降,因此,选取1988年、1997年和2008年作为转折点将1980~2013年划分为4个阶段,即1980~1988年(时期Ⅰ)、1989~1997年(时期Ⅱ)、1998~2008年(时期Ⅲ)和2009~2013年(时期Ⅳ).基于LMDI方法分别计算4个时期各因素对环境污染的累积影响及其贡献率,如表1和图2所示.

表1 1981~2013年4个时期各因素对环境污染物排放的累积效应 Table 1 The cumulative effects of the factors on environmental pollutants in the four periods of 1981~2013

3.2 技术水平提升,尤其是环保技术进步可以减少环境污染物排放

由于在经济快速发展初期(时期Ⅰ和时期Ⅱ)只注重生产技术,忽略环保技术,导致技术对环境污染物排放量影响不显著,没有起到减少污染物排放的作用.随着我国加强环境规制、制定清洁生产标准等,鼓励和促使企业采用环保技术、加大环保投入,使得环保技术水平快速提升,并带动了生产技术的快速增长,使得1998~2008年(时期Ⅲ)和2009~2013年(时期Ⅳ)技术效应得以发挥,有效减少了环境污染物排放.就整个时期而言, 1980~2013年,如表1所示,技术水平的提升并没有使得环境污染物排放量下降,但是,图2显示,时期Ⅲ和时期Ⅳ中技术水平对环境污染物排放的抑制效应已经充分显现出来,且贡献十分显著.

3.3 优化能源结构能够降低污染排放

中国是煤炭产量和消耗量大国,长期以来以煤炭为主的能源结构较为单一,随着石油、天然气和电能时代的来临,煤炭占能源的比重将会越来越小,能源结构趋于合理化.据测算,表1中时期Ⅰ煤炭占能源消费比重的年均增速为0.6%,时期Ⅱ、时期Ⅲ和时期Ⅳ的年均增速分别为-0.8%,-0.1%和-0.1%,能源结构中煤炭比重逐渐降低,能源结构优化对降低污染物排放具有积极作用.但是,1998~2008年(时期Ⅲ)我国处于工业化加快推进时期,能源结构波动较大,其对环境污染影响不稳定.据测算,时期Ⅲ中1998~2002年能源结构增速每年下降1%,而2003~2008年能源结构增速每年上升0.6%.总体而言,表1中能源结构对环境污染的影响方向与能源结构的变化方向一致,即在时期Ⅰ和时期Ⅲ中能源结构在不同程度上加重了环境污染,时期Ⅱ和时期Ⅳ则有利于污染物减排.因此,优化能源结构有助于缓解环境压力.

3.4 提升能源利用效率有助于缓解环境压力

作为评价能源利用效率的重要指标,能源强度表示单位GDP消耗的能源量,可以较为准确地反映出不同时期经济发展所付出的环境代价.随着经济的不断发展以及技术水平的不断提高,我国的能源消耗强度不断降低,1980~2013年能源强度年均降低3.78%.由表1可得,4个时期能源强度均减少了三废污染物的排放量,即我国能源利用率的不断提升减缓了环境压力.

3.5 降低第二产业比重有利于实现环境减排效应

表1显示,除了时期Ⅲ之外,产业结构显著地降低了污染排放,不难发现,时期Ⅲ为我国工业快速发展阶段,处于第二产业占比较高阶段,因而加剧了环境污染.经计算可得,我国在1980~2013年4个不同时期的第二产业占比平均值分别为44.5%、44.93%、46.38%和45.69%,显然,时期Ⅲ中第二产业比重最高.因此,产业结构是影响环境污染物排放的关键因素,产业结构优化对于污染排放降低可以发挥积极影响.

3.6 唯GDP论使得规模效应加剧了环境污染

根据环境库兹涅茨曲线理论可知,经济发展对环境污染具有双面效应,一方面,经济规模的扩大需要消耗更多的资源能源,导致污染物排放增加;另一方面,随着经济不断发展和人均收入水平的持续提高,消费者会对环境提出更高的要求,对环保节能、无污染、绿色产品的需求增加,促使政府增大环境规制强度以及提高产品环境标准等,对减少环境污染发挥积极影响,经济发展对环境污染的影响最终取决于上述两种效应的相对大小.由表1中的结果可得,4个时期规模效应对环境污染物的排放影响均为正,这表明我国经济规模的扩大是以牺牲环境为代价的.如图2所示,1998~2008年和2009~2013年2个阶段,规模效应对于污染物排放的贡献为负.结合中国经济发展的现实可得,将GDP作为考核地方政府绩效的重要标准,使得地方政府产生唯GDP论的倾向,没有考虑到环境的承载能力和可持续发展能力.

4 基于TVP-VAR模型的各因素对环境污染的时变影响特征

4.1 TVP-VAR模型估计结果

在应用TVP-VAR模型估计参数之前,需要确定模型滞后阶数.利用AIC和SC两种信息准则进行判断,最终选择滞后1阶的TVP-VAR模型,采用MCMC方法进行10000次抽样得到参数估计结果,抽样结果如表2所示.

表2 TVP-VAR模型参数抽样和估计结果 Table 2 The parameter sampling and estimation results of TVP-VAR model

注:sb1,sb2,sa1,sa2,sh1,sh2分别表示后验分布前两个对角线元素估计结果,剩余对角线元素结果类似;Geweke收敛诊断值(CD)能够检验马尔科夫集中度,是验证抽样样本是否收敛的指标;非有效因子是反映得到不相关样本所进行抽样次数的指标.

表2显示,Geweke收敛诊断值(CD)均小于1,未达到显著性水平5%的临界值1.96,因此,收敛于后验分布的零假设不能被拒绝,抽样样本最终收敛.非有效因子均较低,其中最大值为116.15,基于MCMC的10000次抽样,意味着至少可以得到10000/116.15=86个不相关样本,因此,上述各指标均表明在模型参数估计中产生了有效样本.

4.2 经济结构、发展方式对环境污染的时变冲击效应

图3~图8分别描述了TVP-VAR模型中不同时点冲击的脉冲响应函数和不同提前期冲击的脉冲响应函数.在不同时点冲击的脉冲响应函数图中,根据1988年、1997年和2008年3个转折时点作为代表,分析了3个不同时点上各解释变量对环境污染物排放量的影响.在不同提前期的脉冲响应函数中,反映的分别是提前1期(短期)、2期(中期)和3期(长期)的冲击效应.

4.2.1 技术效应具有降低环境污染排放的作用 由图3a可得,在1988年、1997年和2008年3个不同时点施加的3次冲击中,技术进步对环境污染排放量的冲击效应均为负值,即我国技术水平的提高对环境污染排放量减少具有积极作用.通过分析发现,可以从2个视角对技术进步与环境污染物排放的关系进行阐述,一是从技术水平本身角度,技术水平可以通过提高环境效率来减少污染物的排放[25];二是从消费者对环境产品的需求角度,随我国经济的快速发展,人们对环境质量的要求越来越高,同时,对清洁环保产品的需求也逐渐增大.

例如,我国人均煤炭消费量由2005年的77kg下降到2012年的67.8kg,年均下降0.18%,与之相对,2005~2012年作为清洁能源代表的人均电力生活消费量和人均天然气生活消费量年均增速分别为11.14%和20.11%.此外,清洁专利申请授权量由2003年的180项上升为2013年的4030项,年均增长率达38.48%,固体废料的处理专利申请授权量年均增长率也达到了28.04%.清洁能源对高污染能源的替代以及清洁技术的发展正是消费需求拉动的结果.另外,绿色环保型技术进步具有提高企业生产率以及提升企业产品清洁度的双重效果,对未来市场需求的预期促进企业加大技术创新、减少污染排放,降低产品价格、提升环保技术水平,不仅能够减少排污税负担,而且可以降低政府规制减排的压力,进而产生了创新补偿效应[26].并且已有研究发现,技术水平的提升还可以显著提升工业行业的环境全要素生产率[27].因此,提升技术水平,尤其是环保技术,有利于减少污染物排放.

图3a显示,3个不同时点冲击的变化趋势基本一致,都是在滞后1期产生的影响最大,随后逐渐减小,到滞后第4期时脉冲响应函数值衰减为0.但是,3个时点冲击的响应函数值大小存在一定差异,1997年最大,2008年次之,1988年最小,这表明1997年左右技术效应对环境污染排放量的抑制程度最高.主要原因是,1980~1997年在我国环境保护技术进步中具有技术后发优势,环保企业通过模仿学习、消化吸收国外先进技术使得技术水平显著提升.1997年我国首次明确提出可持续发展战略,强调提高资源利用效率,确定环境保护为长期坚持的基本国策,落实环境污染与保护的责任制,迫使企业提高环保技术水平,加大环保设施投入,减少污染排放.随后,1997~2013年我国与领先国家的技术差距不断收窄,技术模仿空间不断缩小,创新成本持续上升,创新趋于可能性边界.同时,随着外资的不断引进以及资本积累加速,创新难度加大,技术进步速度减缓,其对污染物排放减少的促进作用有所下降.

程度较高且趋于稳定,这与技术进步所处的阶段有关.在技术进步的初始阶段,技术进步速度较慢,随着环保投资的增大,资本生产率稳步提高,环保投资进入边际收益递增阶段,技术因素对于污染水平下降的贡献程度提高.随着资本的进一步累积,环境保护投资的边际收益稳定甚至出现一定的递减情形,加之环境污染的存量逐渐累积,环境治理的边际成本上升,技术进步对环境污染的影响也趋于稳定.

4.2.2 能源结构对环境污染排放量具有正向冲击效应 图4a显示,1988年、1997年和2008年3个不同时点能源结构冲击下,环境污染的3个脉冲响应函数基本重合,即3个时点的冲击效应大小、趋势几乎一致,这说明能源结构对环境污染排放量的影响均是在当期达到最大值,至第2期冲击效应减小为0,该影响没有显著的时变特征.由于能源结构对环境污染的冲击效应都为正值,因此,在3个时点上,煤炭占能源消费总量的比重越小,污染排放量越低,且冲击持续期很短.

3个不同时点脉冲响应值没有显著的时变特征,主要原因在于我国以煤炭为主的能源消费结构仍未出现根本改变,煤炭消耗结构单一、比重较大,煤炭消费比重上升不利于能源效率的提高,二者之间具有显著负向影响关系,且煤炭在能源消费中的比重较高,会加重环境污染物的排放[28].据测算,1988年、1997年和2008年中国能源消费总量中煤炭所占比重分别为76.24%、71.41%和70.30%,虽然略有下降,但基本维持在70%~76%之间,变化幅度很小.另外,我国动力用煤以及煤炭一次燃烧比重较大,煤炭作为一种能够产生较高污染物的能源,使得我国排放污染物中较大部分为烟煤型污染,且该污染物不容易实现累积,因此,能源结构引致的污染效应在当期显现地最为明显,持续期较短.

为分析这一特征出现的原因,绘制了1980~ 2013年中国能源结构(煤炭占能源消费总量的比重)变动趋势,如图5所示.对比图4b和图5可得,不同提前期能源结构冲击效应与能源结构变化趋势基本一致,不仅上升期和下降期呈现高度的相关性,能源结构序列在1988年和2008年左右也出现了峰值,这表明能源结构对环境污染的影响取决于其自身的大小,能源结构中煤炭占比越高,其对环境污染的冲击就越大.此外,在图4b中,能源结构对环境污染的短期冲击效应大于中期、长期效应,这也与煤炭产生的污染物不容易累积的特征有关.

4.2.3 能源强度对环境污染排放量具有负向冲击效应 由图6a可得,1988年、1997年和2008年3个时点,能源强度对环境污染的冲击效应基本为负,且具有明显的时变性,即1988年时点冲击当期为负影响,且影响最大,随后逐渐减弱,至第4期脉冲响应值基本衰减为0.能源强度冲击对环境污染的影响效应为负且持续期较短,这与我国能源利用效率的提升有较大关系.具体而言, 1991~2013年,我国能源加工转换效率由65.9%提升至72.96%,单位GDP能耗由4.74t标准煤/万元下降至0.67t标准煤/万元,实现了能源的相对高效利用,减弱了能源消耗对环境污染的压力.

不同提前期能源强度冲击对环境污染的影响方面,如图6b所示,能源强度对环境污染物排放的影响基本为负,但在2003年之后,提前1期能源强度冲击对环境污染的影响减弱,能源强度对污染物排放呈现了一定的反弹效应,这在部分上反映出能源效率的减排效应实现的内在约束不足,即能源效率提高在一定程度上降低能源消费的同时,还会通过降低能源产品价格等促进能源消费,因而加重环境污染.

4.2.4 产业结构对环境污染排放量具有差异化的影响 图7a显示,1988年、1997年和2008年3个不同时点产业结构对环境污染排放量的影响均为负.并且,3个时点冲击效应的趋势一致,均是在当期的负向影响程度最大,第1期开始迅速减弱,第4期左右就减弱为0.但3个时点冲击的大小存在明显差异,1988年产业结构对环境污染的冲击效应最弱,2008年冲击效应最强.再结合图7b中不同提前期的冲击效应结果可得,随着时间推移和环境污染存量的增加,产业结构对环境污染的影响逐渐增强.

1988年第二产业占GDP的比重较低,且工业中重工业的比重较低,使得产业结构对污染物排放的影响并不十分显著,1988年第二产业占比为43.79%,产业结构中重工业与轻工业比重为1.12.随着我国工业化进程的加快推进,工业所占比重呈现上升趋势,特别是工业化初期和中期,重工业占比快速上升,1997年我国第二产业占比达47.54%,重工业与轻工业之比为1.34.2008年国际金融危机之后,为实现稳增长的目标,我国实施了一系列大规模经济刺激政策,产业结构失衡问题更为凸显,2009~2010年,如图7b所示,产业结构冲击对环境污染的影响也达到最大值.

需要指出的是,2011~2014年,随着我国加快促进经济结构调整和产业结构升级,第二产业增加值占GDP的比重由46.14%下降至42.72%,并且GDP中第三产业占比开始超过第二产业,由图7b可得,2011年之后产业结构不断优化使得其对环境污染的冲击效应开始小幅下降,产业结构调整已成为我国现阶段保增长、促减排的重要路径[29].

4.2.5 规模效应与环境污染排放量呈正相关关系 观察图8a可得,规模效应在1988年、1997年和2008年3个时点上均加大了污染物排放,其基本的变动趋势为:3个时点冲击在当期和滞后第1期影响程度较大,随后缓慢减弱,至第10期左右衰减为0,这表明规模效应对于环境污染的冲击具有较强的持续性.

进一步对图8b进行分析可得,3次不同提前冲击中,规模效应对于环境污染物排放的影响系数均为正,这与现有文献中得出的结论是一致的[30].虽然脉冲响应函数呈现高度波动特征,但同时表现出逐步上升趋势.这表明1980~2013年我国仍处于环境库兹涅茨曲线的上升阶段,尚未达到转折点.对不同提前期冲击的分析发现, 1980~2008年,提前1期经济规模冲击的短期效应主要围绕0.01上下波动,提前2期的中期冲击效应、提前3期的长期冲击效应均持续上升,中长期影响程度越来越高,时滞越来越长.因此,合理控制规模因素对污染物排放的影响,成为了缓解环境污染问题的重要环节.

5 结论

5.1 技术进步对环境污染排放量的冲击效应均为负值,绿色环保型技术进步具有提高企业生产率以及提升企业产品清洁度的双重效果,进而产生了创新补偿效应.我国以煤炭为主的能源消费结构仍未出现根本改变,不同时点能源结构对环境污染的冲击效应均为正值,没有显著的时变特征,且煤炭消耗排放污染物中较大部分为不容易实现累积的烟煤型污染物,因此,能源结构引致的污染效应在当期最为明显、持续期较短.

5.2 我国能源利用效率的大幅提升有效降低了污染排放,但能源强度对污染物排放也呈现了一定的反弹效应,实现能源效率减排效应的内在约束不足.产业结构对环境污染的影响逐渐增强,规模效应对于环境污染的冲击具有较强的持续性.

逯承鹏,陈兴鹏,王红娟,等.西北少数民族地区人地关系演变动态仿真研究—以甘南州为例 [J]. 自然资源学报, 2013,28(7): 1255-1263.

Levinson A. Technology, international trade, and pollution from US manufacturing [J]. Social Science Electronic Publishing, 2009,99(5):2177-2192.

Acemoglu D, Aghion P, Bursztyn L, et al. The environment and directed technical change [J]. American Economic Review, 2011, 102(1):131-166.

董直庆,蔡 啸,王林辉.技术进步方向、城市用地规模和环境质量 [J]. 经济研究, 2014,(10):111-124.

Sinton J E, Fridley D G, Logan J, et al. China energy, environment, and climate study: background issues paper [R]. Office of Scientific & Technical Information Technical Reports, 2000.

Soytas U, Sari R, Ewing B T. Energy consumption, income, and carbon emissions in the United States [J]. Ecological Economics, 2007,62(3):482-489.

Bilgen S. Structure and environmental impact of global energy consumption [J]. Renewable & Sustainable Energy Reviews, 2014,38(5):890-902.

Nnaji C E, Unachukwu G O, Nnaji M. Demographic variables, energy intensity, environmental degradation and economic growth nexus in the nigerian economy [J]. Journal of Environmental Science Computer Science & Engineering & Technology, 2014, 333(9):1742-1751.

Shi X, Zhang Y. Empirical study on energy consumption structure change and its environmental benefits [J]. Henan Science, 2010, 28(8):1024-1029.

林伯强,姚 昕,刘希颖.节能和碳排放约束下的中国能源结构战略调整 [J]. 中国社会科学, 2010,(1):58-72.

Wan Y, Dong S. Study on interactive coupling mechanism of industrial structure and environmental quality: a case study of Gansu province [J]. Areal Research & Development, 2012,31(5): 116-122.

Krueger A B. Economic growth and the environment [J]. Social Science Electronic Publishing, 1994,110(2):353-377.

赵新华,李 斌,李玉双.环境管制下FDI、经济增长与环境污染关系的实证研究 [J]. 中国科技论坛, 2011,(3):101-105.

Stern D I, Common M S, Barbier E. B. Economic growth and environmental degradation: The environmental Kuznets curve and sustainable development [J]. World Development, 1996,24(7): 1151–1160.

Azomahoua T, Vanc L P N. Economic development and CO2emissions: a nonparametric panel approach [J]. Zew Discussion Papers, 2006,90(6):1347–1363.

杨 洁,毕 军,张海燕,等.中国环境污染事故发生与经济发展的动态关系 [J]. 中国环境科学, 2010,30(4):571-576.

Ang B W. Decomposition analysis for policymaking in energy: which is the preferred method? [J]. Energy Policy, 2004,32(9): 1131-1139.

郭朝先.中国碳排放因素分解—基于LMDI分解技术 [J]. 中国人口·资源与环境, 2010,20(12):4-9.

国家统计局.新中国六十五年 [M]. 北京:中国统计出版社, 2014.

中国环境年鉴编辑委员会.中国环境年鉴 [M]. 北京:中国环境科学出版社, 2014.

国家统计局.中国环境统计年鉴 [M]. 北京:中国统计出版社, 2014.

国家统计局.中国统计年鉴 [M]. 北京:中国统计出版社, 2014.

张 军,章 元.对中国资本存量K的再估计 [J]. 经济研究, 2003,(7):35-43.

国家统计局工业交通统计司.中国能源统计年鉴 [J]. 北京:中国统计出版社, 2014.

王俊能,许振成,胡习邦,等.基于DEA理论的中国区域环境效率分析 [J]. 中国环境科学, 2010,30(4):565-570.

Porter M E, Linde C V D. Toward a new conception of the environment competitiveness relationship [J]. Journal of Economic Perspectives, 1995,9(4):97-118.

范 丹.经济转型视角下中国工业行业环境全要素生产率及增长动力分析 [J]. 中国环境科学, 2015,35(10):3177-3186.

刘丹丹,赵颂扬旸,郭 耀.全要素视角下中国西部地区能源效率及影响因素 [J]. 中国环境科学, 2015,35(6):1911-1920.

原毅军,谢荣辉.环境规制的产业结构调整效应研究—基于中国省际面板数据的实证检验 [J]. 中国工业经济, 2014,(8):57-69.

陈桂月,李海涛,梁 涛.内蒙古经济发展与环境污染之间关系的检验 [J]. 自然资源学报, 2012,32(11):1845-1859.

* 责任作者, 副教授, tongbinzhang@126.com

Intrinsic correlation among economic structure, growth mode and environmental pollution—Empirical analysis based on the TVP-VAR model

ZHANG Tong-bin1*, LI Jin-kai2, CHENG Li-yan2

(1. School of Economics, Dongbei University of Finance and Economics, Dalian 116025, China；2.School of International Economics and Trade, Dongbei University of Finance and Economics, Dalian 116025, China)., 2016,36(7)：2230~2240

This paper analyzed the economic factors that contribute to the pollution of the environment using Logarithmic Mean Divisia Index (LMDI) approach. Based on the Time-Varying Parameter Vector Auto-Regression (TVP-VAR) model, we investigated the impulse responses of those factors at different time points and different lead time. The results showed that technical progresses not only improved the productivity of enterprises but also promoted less-polluted production. The innovative compensation effect reduced pollution emissions. In China, coal combustion is a major component of energy production which makes coals smoke pollution currently the most significant source of environmental pollution caused by the energy structure. The rapidly increase of energy efficiency considerably reduced pollution emissions, but also showed a certain rebound effect. There were two important reasons hindering the radical improvement of environmental pollution-the unbalanced industrial structure and the expanding economic scale. Therefore, it is high time to reasonably control the structural factors and scale factors which are crucial ways of reducing pollution emissions.

economic structure；technological progress；environmental pollution；Time-Varying Parameter Vector Auto-Regressive (TVP-VAR) model

X24;F062.2

A

1000-6923(2016)07-2230-11

张同斌(1985-),男,山东潍坊人,副教授,博士,主要从事资源与环境经济学研究.发表论文30余篇.

2015-12-20

国家自然科学基金青年项目(71303035);辽宁省高等学校优秀人才支持计划(WJQ2013025)