中国雾霾污染的环境库兹涅茨曲线研究

何枫 马栋栋 祝丽云

摘要：以2001～2012年中国30个省市面板数据为研究样本，探讨雾霾与经济发展之间是否符合环境库兹涅茨曲线。结果表明：第一，雾霾与经济发展之间呈现N型，未出现传统的倒U型；第二，区域发展不平衡，雾霾污染的环境库兹涅茨曲线差异显著，东部、中部和西部地区分别呈现倒N型、N型和U型，拐点也各有不同；第三，经济规模可减轻雾霾污染，产业结构、人口密度、能源强度和技术进步则会加重雾霾污染，贸易依存度及城市化并未能显著改变雾霾污染现状。

关键词：雾霾；PM25；环境库兹涅茨曲线；拐点

DOI：10.13956/j.ss.1001-8409.2016.04.08

中图分类号：F124；F205 文献标识码：A 文章编号：1001-8409（2016）04-0037-04

2.Ocean College of Agricultural University of Hebei， Qinhuangdao 066003）

Abstract：Based on the sample of Chinese 30 provinces panel data during 2001～2012， the paper aims to analyze EKC between haze and economic development. The significant findings are as follows. Firstly， there is not an inverted Ushaped type but an Ntype between haze and economic growth. In addition， there is unbalanced development and significant different EKC of haze between regions， east， central and western regions present inverted Ntype， N and U respectively， the inflection point is also different. Last but not least， economic scale can reduce haze pollution， industrial structure， population density， energy intensity and technological progress will aggravate haze pollution， there is no evidence that the degree of trade dependence and urbanization can change haze pollution significantly.

Key words：haze； PM2.5； EKC； inflection point

改革开放以来，中国GDP以年均10%的速度在飞速增长，但伴随着大量资源消耗以及空气的严重污染。2000年11～12月，2009年11月，尤其是2011年初以來，以可吸入颗粒物（PM10）、细颗粒物（PM25）为特征污染物的区域性雾霾事件多有发生，波及中国将近30个省份地区。《2013中国环境状况公报》显示：2013年全国平均雾霾日数为359天，比上年增加183天，为1961年以来最多。有研究称，中国雾霾现象在人口稠密、高度工业化以及经济发展程度较高的东部地区尤为显著[1]。这让本文不得不继续深入思考经济发展与雾霾之间究竟存在着怎样的关联。以中国2001～2012年的30个省市面板数据为样本，在充分考虑其他影响因素的基础上，探讨雾霾与经济发展之间的相关关系，精确估计雾霾污染的环境库兹涅茨曲线，正确判断其形态和拐点，对于中国区域雾霾的治理以及促进环境与经济协调发展具有重要意义。

1文献回顾

20世纪90年代以来，许多学者运用大量的环境和经济数据来验证EKC曲线[2]。根据选取的环境污染代表性指标的不同，对EKC曲线的研究主要可以分为以下几类：第一，将二氧化碳（CO2）作为环境污染代表性指标方面的研究。在这一方面的研究成果居多，当然结论也有所不同。Shahbaz等学者均认为存在CO2的EKC曲线[3]；而Friedl和Getzer等人检验得出CO2的EKC曲线并不存在，而呈现出N型，所对应拐点差距也很大[4]；王良举等利用CO2排放量分析了206个国家的EKC拐点[5]。第二，将二氧化硫（SO2）作为环境污染代表性指标方面的研究。彭水军和包群、高宏霞等证实了废气和SO2的排放量数据均与EKC模式吻合[6，7]；Fodha和Zaghdoud发现CO2和SO2之间存在长期协整关系，SO2与GDP之间呈现EKC曲线形式，CO2与GDP之间则呈现递增关系[8]。第三，将其他污染物作为环境污染代表性指标方面的研究。Tao等证实废气、废水和固体废弃物都存在EKC曲线形式[9]；宋马林和王舒鸿利用废气验证了中国各省市环境库兹涅茨曲线的拐点[10]；张成等验证了SO2和工业三废与经济增长呈现多种形状，包括单调递减、U型、倒U型、N型和倒N型等[11]；程莉应用改进的人类发展指数验证了环境污染与经济增长之间并没有呈现倒U型[12]。

不难发现，对于EKC曲线在经济增长和污染排放之间的关联研究方面有一定的改进空间。在大多数文献中，所选取污染物不同，污染物和经济增长之间的实证结论亦会有所不同。同样，所选取的地区等样本不同，所得到的结论也会有变化。从这个角度来看，把雾霾作为新环境污染物指标来研究与经济发展之间有怎么样的相关关系时，相关结论又如何变化，这的确需要具体实证分析作为支持。这正是本文所关注的重点。

2研究方法及变量选取

本文采用参数估计模型来检验雾霾污染的库兹涅茨曲线，见式（1）。

lnPM25it=ai+β1lnPGDPit+β2（lnPGDPit）2+β3（lnPGDPit）3+β4lnGDPit+β5SGDPit+β6Tradeit+β7lnpopit+β8Iit+β9lnTechit+β10Cityit+εit（1）

式（1）中，ai是常数项、β为待估参数、ε为随机误差项。①因变量为雾霾污染，具体为第i个省市在第t年的PM25浓度，PM25浓度越高，雾霾越严重；②自变量为各省市人均GDP，为第i个省市在第t年人均GDP，i代表中国30个省份；t代表不同时期。并选用控制变量保持结果的稳定性：经济规模、产业结构、贸易依存度、人口密度、能源强度、技术进步、城市化率，各变量解释汇总见表1。根据式（1）回归结果，可判定经济增长和雾霾污染之间的主要曲线关系，见表2。

3数据来源及描述性统计

PM25为人们判断雾霾的关键显示性指标，是雾霾的重要组成部分，本文选择雾霾污染指标为PM25浓度年均值[13]。中国于2012年底才初步监测PM25浓度，鉴于数据可得性及数据统计口径原因，PM25数据来源于哥伦比亚大学国际地球科学信息网络中心[14]，根据Donkelaar等人思路，利用卫星设备监测得到全球2001～2012年PM25浓度分布图[15]。借助于此图，利用Arcgis93软件进行处理，得到中国30个省份（不包括港、澳、台和西藏）2001～2012年的PM25浓度值。图1为2001～2012年中国及三大区域PM25浓度图。

其他数据来自于各省市2002～2013年《各省市统计年鉴》《新中国60年统计资料汇编》等。利用国家统计局GDP平减指数以2000年为基期进行GDP平减，以各地区工业价格指数对工业增加值进行平减处理。进出口贸易数据以人民币汇率的当年均价进行换算。为考虑区域发展不平衡问题，采取国家统计局对东中西部地区的划分标准。图2为全国及三大地区2001～2012年人均GDP变化趋势图。各变量描述性统计见表3。

（1）中国雾霾污染库兹涅茨曲线的存在性。全国组中，各系数均通过了显著性检验，根据表2可以判定雾霾污染与经济发展之间呈现N型形态。但是该方程并没有实数解，此模型没有拐点，无法判定曲线在何时出现拐点。可以发现，雾霾的库兹涅茨曲线并没有呈现传统的倒U型，与现有研究有所不同。安琥森等人认为废水排放量和固体废物产生量均呈现倒N型[16]；高红霞等认为废气和SO2等污染物呈现倒U型[7]。这可能与污染物不同有关，同时凸显出不同环境污染物下的库兹涅茨曲线的差异性。

（2）雾霾库兹涅茨曲线的区域差异性。从计量结果知：中国区域发展不平衡，差异显著。东部地区人均GDP各系数显著，可判定雾霾与经济发展之间呈现N型，并且有两个拐点15680元和35400元。当人均GDP低于15680元时，雾霾随经济增长而加重，处于两个拐点之间时，雾霾随经济增长而减轻，而高于35400元时，雾霾随着经济增长而再次加重。中部地区人均GDP各系数均通过了显著性检验，雾霾与经济增长之间呈现倒N型，并有两个拐点9480元和19100元，拐点9480元左边，雾霾随经济增长而减轻，两个拐点之间，雾霾加重，拐点19100元右边，雾霾随经济增长而减轻。西部地区人均GDP一次项和二次项系数通过了一致性检验，三次项系数未通过检验，可知，雾霾库兹涅茨曲线仅有一个拐点，拐点值为24000元，呈现U型，24000元左边，雾霾随经济增长而减轻，越过24000元后，雾霾会更加严重。

（3）经济规模。从估计结果可知：全国及三大地区中，GDP系数均通过了显著性检验且符号为负，说明经济发展的规模效应能够降低PM25浓度，减轻雾霾，改善环境质量。

（4）产业结构。各地区第二产业增加值占GDP比值系数均为正，且通过了显著性检验。可见，产业结构的变动会引起雾霾污染的相应变动。长期工业、机动车排放污染过高，以能源消耗为主的第二产业在我国的发展中仍然处于主要地位。2001年，全国三次产业结构比例为15∶51∶34，2012年为101∶453∶446，在此期间第二产业所占比重仅下降了6个百分点，可见产业结构亟待调整。

（5）贸易依存度。各地区进出口贸易总额与GDP比值系数均为负，但没有通过显著性检验，可见，没有證据能够证明外资依存度是否对我国的雾霾有显著影响，这与晋盛武和吴娟认为贸易开放加重了我国的环境污染的结果不相符，原因可能在于所选择的环境污染的指标不同[17]。与外国企业进行贸易往来的时候，在吸入外国污染企业转移的同时，也有可能带来了先进的污染治理技术，因此，并不能证明贸易依存度对雾霾有影响。

（6）人口密度。各地区人口密度系数均通过了显著性检验，且系数为正。人口密度越大，雾霾越严重，这是因为人口聚集的地方，劳动力比较充裕，产品需求市场也比较大，更多企业就会抓住这个契机去投资办厂，将会消耗更多的资源，加重环境的污染。根据这一结果可以判定，人口比较集中的东部沿海地区面临的环保压力大于中、西部地区。

（7）能源强度。各地区能源强度系数均为正，且通过了显著性检验。可知，能源强度越高，雾霾污染就越严重。我国在2011年一跃成为世界煤炭生产、消费与净进口第一大国，虽然近两年煤炭的消费生产比例有所下降，但以煤为主的能源消费模式在相当长一段时期内将难以改变，可见，这一消费方式在未来一段时间内会继续加大雾霾的污染。

（8）技术进步。各地区技术效应系数全部通过显著性检验，且各系数均为正。这与本文预期的符号相反。这反映出技术进步并不能有效地改善我国雾霾污染。一方面各地区专利申请授权数并不能很好地衡量技术进步水平；另一方面我国自主创新能力较弱，与发达国家相比，差距还很大，技术进步主要靠引进国外的先进技术，因此，技术创新需要从照抄照搬转化为在模仿基础上进行改进和研究。

（9）城市化率。从结果来看，各个地区系数均为正，但均未通过显著性检验，并未有证据能够证明城市化会对雾霾造成显著影响。

5结论与建议

本文利用2001～2012年中国省际面板数据，探讨了雾霾的环境库兹涅茨曲线。主要结论如下：①雾霾与经济发展之间呈现倒N型曲线，并没有出现传统的倒U型；②区域发展不平衡，差异显著。不同地区经济发展和雾霾污染不同，曲线形态也各不相同。东部、中部和西部地区雾霾与经济发展之间分别呈现倒N型、N型和U型状态，雾霾和经济发展的关系并不唯一，呈现出多样化状态；③曲线拐点也各有不同，东部地区两个拐点分别是15680元和35400元，中部地区两个拐点分别是9480元及19100元，西部地区的拐点是24000元；④经济规模扩大会减轻雾霾；⑤产业结构、人口密度、能源强度和技术进步在一定程度上会加重雾霾污染；⑥没有证据能够证明贸易依存度和城市化率会对雾霾造成影响。根据以上研究结论，提出如下建议：

（1）在发展经济的同时，要注意环境污染治理。环境治理与经济发展不是对立体，尤其是现阶段的雾霾治理，不同区域的经济发展阶段不同，雾霾污染状况不同，雾霾污染的特征和影响因素不同，雾霾污染和经济增长之间所呈现的关系也不同。因此，建立跨行政区域的联动机制，综合考虑高耗能、高污染企业的规划布局，在《大气污染防治行动计划》的基础上，出台《区域雾霾防治条例》等相关政策，实现区域联合治理顺利进行。

（2）优化产业结构，提升第三产业所占比例，大力发展节能环保产业，推动节能环保产品和相关基础设施的建设，减少重工业及第二产业所占比例；积极开发利用清洁能源，提高能源利用率，减缓经济发展的能源消耗对环境的压力，加快清洁能源和新能源的开发和利用，尤其是水电和核电资源的充分利用。

（3）鼓励自主研发和技术创新。技术创新并未有效地减轻雾霾污染，但目前的技术创新并没有考虑是否与当地的环境政策和市场兼容，不能盲目否认技术所带来的正向效应。因此，创新出实时适地的环保技术，从源头、过程和污染全面着手，不能仅仅开发污染治理技术，要从根源上入手，例如让汽车零排放，针对燃煤、扬尘等排放源进行控制，除尘、脱硫等关键技术实现广泛应用。

参考文献：

[1]何枫，马栋栋.雾霾与工业化发展的关联研究——74个城市的实证研究[J].软科学，201529（6）：110-114.

[2]Grossman G M， Krueger A B. Environmental impacts of a North American Free Trade Agreement[R]. National Bureau of Economic Research， 1991.

[3]Shahbaz M， Mutascu M， Azim P. Environmental Kuznets Curve in Romania and the Role of Energy Consumption[J]. Renewable and Sustainable Energy Reviews， 2013（18）： 165-173.

[4]Friedl B， Getzner M. Determinants of CO2 Emissions in a Small Open Economy[J]. Ecological Economics， 2003， 45（1）： 133-148.

[5]王良举，王永培，李逢春.环境库兹涅茨曲线存在吗？——来自CO2排放量的国际数据验证[J].软科学，2011，25（8）：35-39.

[6]彭水军，包群.经济增长与环境污染[J].财经问题研究，2006（8）：3-17.

[7]高宏霞，杨林，付海东.中国各省经济增长与环境污染关系的研究与预测——基于环境库兹涅茨曲线的实证分析[J].经济学动态，2012（1）：52-57.

[8]Fodha M， Zaghdoud O. Economic Growth and Pollutant Emissions in Tunisia： An Empirical Analysis of the Environmental Kuznets curve[J]. Energy Policy， 2010， 38（2）： 1150-1156.

[9]Tao S， Zheng T， Lianjun T. An Empirical Test of the Environmental Kuznets Curve in China： A Panel Cointegration Approach[J]. China Economic Review， 2008， 19（3）： 381-392.

[10]宋馬林，王舒鸿.环境库兹涅茨曲线的中国“拐点”——基于分省数据的实证分析[J].管理世界，2011（10）：168-169.

[11]张成，朱乾龙，于同中.环境污染和经济增长的关系[J].统计研究，2011，28（1）：59-67.

[12]程莉.经济增长，人类发展与地区环境质量差异[J].软科学，2014，28（2）：6-10.

[13]马丽梅，张晓.中国雾霾污染的空间效应及经济，能源结构影响[J].中国工业经济，2014（4）：19-31.

[14]Battelle Memorial Institute and CIESIN. Global Annual PM25 Grids from MODIS， MISR and SeaWiFS Aerosol Optical Depth （AOD）， 1998-2012[EB/OL]. Available online： http：//sedac.ciesin.columbia.edu/data/set/sdei-global-annual-avg-pm2-5-modis-misr-seawifs-aod-1998-2012 （accessed on 11 June 2015）.

[15]van Donkelaar A， Martin R V， Brauer M et al. Global Estimates of Ambient Fine Particulate Matter Concentrations From Satellite-based Aerosol Optical Depth： Development and Application[J]. Environmental Health Perspectives， 2010， 118（6）： 847-855.

[16]安虎森，王雷雷，吴浩波.中国环境库兹涅茨曲线的验证——基于省域数据的空间面板计量分析[J].南京社会科学，2014（9）：1-8.

[17]晋盛武，吴娟.腐败，经济增长与环境污染的库兹涅茨效应：以二氧化硫排放数据为例[J].经济理论与经济管理， 2014（6）：28-40.

（责任编辑：冉春红）