中国CO2排放环境库兹涅茨假说再验证及政策启示

吉丹俊

（1.江苏联合职业技术学院扬州分院，江苏扬州 225003；2.南京航空航天大学经济与管理学院，江苏南京 210016）

中国CO2排放环境库兹涅茨假说再验证及政策启示

吉丹俊1，2

（1.江苏联合职业技术学院扬州分院，江苏扬州 225003；2.南京航空航天大学经济与管理学院，江苏南京 210016）

环境库兹涅茨假说认为环境污染和经济发展水平呈倒“U”型关系，即环境污染随着一国人均收入的增长先恶化达到某一临界点后再改善。在该领域，大量学者使用不同计量模型对不同国家、地区不同时间的数据进行了检验，尚未达成一致结果。近年来，动态空间面板的方法使得我们在研究具有空间地理属性数据时能避免传统计量模型无法避免的一些问题，有鉴于此，文章使用动态空间面板模型对中国CO2排放和经济发展的关系进行再次检验。研究结果发现：动态空间面板模型估计结果中CO2排放和人均GDP呈正“U”型曲线关系，而不是传统面板模型估计的倒“U”型关系。这对于各省制定能源和经济发展政策具有一定借鉴意义。

环境库兹涅茨假说；CO2排放；经济增长

0　引 言

长久以来，经济学家、生态学家、企业决策者以及政策制定者都非常关注能源消耗、经济发展及环境之间的关系［1］。研究这三者之间的互动关系可以帮助政府更好地制定经济、能源及环保政策。人类大规模经济活动所释放的大量二氧化碳（CO2）会带来温室气体效应，这将使得全球变暖并对环境产生不利影响，为了避免这种危害，目前，世界各主要国家都在采取一系列措施减少CO2排放并通过多边谈判的方式约定共同减排义务，共同应对全球变暖问题。

中国自改革开放后经济迅速增长，CO2排放量也逐年增加，2011年中国的CO2排放量占世界总放量的比重达到25.4%，成为世界头号CO2排放经济体［2］。在过去的十年中，中国政府一直通过各种措施来提高能源效率及减少CO2的排放，采取的措施包括立法、行政规定、碳市场交易及国际合作等形式。2002年全国人大通过并颁布了《中华人民共和国清洁生产促进法》，目的是推广清洁生产，促进经济和社会的可持续发展，并且随后在十个主要城市建立了污染管制示范项目［3］；在我国政府的“十一五”规划和“十二五”规划中也将能源利用效率和CO2减排目标纳入进去，在“十一五规划”中要求到2010年能源强度（单位GDP能源消耗量）比2005年水平下降20%，主要污染物排放下降10%，在“十二五规划”中要求能源强度进一步下降16%，CO2排放强度（单位GDP的CO2排放量）下降17%［4-5］。除了行政手段以外，国家也越来越重视使用市场的手段减少CO2排放，从2013年开始我国已在深圳、上海、北京、广东、天津、重庆、广东建立了七个碳排放交易试点［6］，预计全国性的碳交易市场将于2017年形成。

为了达到全国性的节能减排目标，中国各省都需要根据自己的经济发展实际制定合理的节能减排政策，然而由于中国各地区经济发展水平、产业结构和能源水平的差异导致不同地区的CO2排放强度也存在较大差异［7］。因此，研究中国各地区经济发展和CO2排放之间的关系对于各地及中央政府制定合理的经济和环保政策有重要作用。

研究经济增长和环境污染之间关系的一个重要理论是环境库兹涅茨曲线（Environmental Kuznets Curve，简称EKC）理论，Grossman等［8］首次使用计量的方法发现一些污染物排放量和人均GDP之间的关系呈倒“U”型关系，即当经济水平较低时，污染物的排放随着人均收入的增加而增加，然后随着经济的进一步发展，达到某一拐点后，即经济水平处于发达阶段，污染物的排放量随着人均收入的增加而降低（具体关系见图1），后来学术界将污染物排放量和收入水平的这种关系称为环境库兹涅茨曲线，因为美国经济学家库兹涅茨首次于1950年代发现收入不均衡和人均收入水平之间的关系也呈倒“U”型曲线形状，因此环境经济领域的这种曲线就被称为环境库兹涅茨曲线。

图1　环境库兹涅茨曲线

20世纪90年代后，针对EKC假说，大量研究使用不同国家和地区不同时间段的数据进行了计量检验，既有横截面数据也有面板数据，使用的污染物种类也不同，尚未达成一致结果。而近年来，动态空间面板的方法使得我们在研究具有处理地理属性数据时能避免传统计量模型无法避免的一些问题，Baltagi等［9］认为在区域经济或城市经济计量模型中空间相关性问题是很常见的，地区或城市作为横截面单元很容易收到邻近地区或城市的溢出效应，而如果面板模型中不考虑空间相关性会导致OLS估计结果是有偏的。因此，使用动态空间面板模型对我国CO2排放的EKC假说进行验证得到的结果将更具有说服力，更能为政策服务。

1　文献回顾

1990年代，学术界开始大量关注EKC假说的理论讨论和计量验证。对于EKC曲线下降部分也就是为什么经济增长会带来环境的改善，Alstine等［10］认为学术界对此解释主要有四种观点：（1）环境质量一般被认为是正常商品（Normal Good），其收入需求弹性大于0并且有可能大于1，因此，当收入增加时，人们对环保的需求增加，此外，经济发达的国家由于制度环境相对先进，可能会更有能力满足人们的环保需求；（2）经济的增长可能会使得更多先进且环保的技术出现，进而使得每单位产量的污染量下降；（3）随着经济的发展及收入的增加，第二产业的比重将逐渐减少而第三产业的占比将逐渐增长，因此产业变化将导致污染量下降；（4）收入增加使得人口增长率下降，因此人口增长对于环境的压力将下降。Brock等［11］通过数学公式的形式展示了经济增长对于环境影响的三个渠道：规模效应、复合效应和技术效应，用E表示整个经济体中n个行业的污染物排放总量，ai表示行业i每1美元产出排放的污染物重量（单位为磅/美元），si表示行业i产出价值占整个经济体总产值的比重，Y表示总产出，则总排放量E可以表示为：

对（1）式两边针对时间t求导并经适当变形可以得到：

在EKC计量检验领域最具有代表性的研究当属Grossman等［12］发表于《The Quarterly Journal of Economics》上的一文，该文最早出现于1994年的NBER工作论文中，在该文中建立了一个简约的计量模型研究环境问题和人均收入的关系，针对美国的数据检验的污染物有四种形式，部分检验结果支持EKC假说，后续很多实证研究都遵循该研究的研究框架。1997年，一种新的研究EKC假说的方法出现了，该方法由Panayotou（1997）首次提出，试图在EKC假说中加入制度变量进行研究，该研究使用30个发达国家和发展中国家1982-1994年间的面板数据检验二氧化硫排放和经济发展之间的关系，在其研究模型中引入五个衡量制度质量的变量来研究对EKC假说的影响，其主要发现有：一个国家的政策和制度水平在低收入阶段可以显著降低污染程度并且在高收入阶段可以加速环境改善的过程［13］。为了能更深入了解经济增长和环境污染之间的关系，Selden等［14］使用美国1970年至1990年六种污染物数据，研究经济增长对环境污染影响的三个分解效应（规模效应、复合效应和技术效应），其发现在这一时间段使得美国处于倒“U”曲线下降阶段的主要原因是由复合效应和技术效应抵消规模效应的影响所造成的。此外，还有一些研究试图从贸易视角研究倒“U”曲线的下降阶段，一些学者认为发达国家经济发达后倾向于将污染密集的行业通过贸易或直接投资的方式向发展中国家转移，这就解释了发达国家倒“U”曲线的下降阶段，这种观点也被称为污染避难所假说（Pollution Haven Hypothesis），围绕该观点的实证检验相关文献详见Panayotou［15］及Alstine等［10］。

近年来，空间计量经济方法正逐渐被用来分析具有空间地理属性的数据，一些学者开始使用空间计量方法来重新验证EKC假说，Maddison［16］指出以往EKC研究假定每个地区的污染排放量不受邻近地区的影响，其认为这是不对的，而使用空间计量方法可以避免这一问题，其在传统的EKC计量模型中引入空间相关性关系建立空间面板计量模型，检验结果发现污染排放存在溢出效应。Burnett等［1］使用空间杜宾（Spatial Durbin Model）研究了美国各州CO2排放和经济增长之间的关系，使用长面板数据进行空间计量回归发现：经济距离对于本州和邻近州的CO2排放都会产生正向促进作用，经济发展对于邻近州的CO2排放会产生正溢出效应。Zheng等［7］使用动态空间面板方法研究了中国CO2排放强度和经济增长之间的关系，使用中国30个省域1998至2010年间面板数据研究发现：邻近地区CO2排放强度对本地区CO2排放强度有正向促进作用，CO2排放强度和人均GDP有非线性关系，CO2排放强度和第二产业、外商直接投资正相关和人口规模负相关。Kang等［17］则使用过空间杜宾模型研究了中国CO2排放的EKC假说，其研究结果发现CO2排放和经济增长之间的关系呈倒“N”型关系，这和以往发现的倒“U”或“N”型曲线不同。

当前，学术界已开始意识到空间面板计量方法在研究EKC假说中的重要性，传统计量方法忽视了地区间经济发展和污染排放的溢出效应，这将导致估计结果有偏误，因此，基于区域经济发展的溢出效应理论，构建准确的空间计量模型对于EKC假说的验证将更加准确。

2　计量模型构建及分析

2.1动态空间面板模型构建

在本节，我们将建立一个动态空间面板模型进行计量分析，依据Elhorst［18］的研究，和传统的计量模型相比，动态空间面板模型具有四大优势：（1）动态空间面板模型可以解决观察值在时间和空间上的序列相关性；（2）可以解决观察值在每个时点上的空间相关性；（3）可以探索无法观测到的空间和时间效应；（4）可以解决由空间滞后或时间滞后因变量及自变量所引起的内生性问题。借鉴Grossman等［12］、Zheng等［7］、Lau等［19］、Elhorst［20］及Baltagi等［9］的建模思想，考虑我国影响各省CO2排放的各种因素，建立如下形式的验证EKC假说的动态空间面板模型：

在（3）式中，yit表示因变量，为各省每年CO2排放量；α为常数项；yit-1为滞后一期的因变量，γ为对应的系数衡量CO2排放的动态效应，根据Auffhammer等［21］的观点：在工业和电力领域，CO2排放量的变化很大程度上依赖于资本耐用品被取代的速度和质量，因此使用滞后一期的CO2排放量可以衡量各地不同的资本耐用品调整速度。wij表示空间权重矩阵WN中第（i，j）个元素，WN为一个对角线元素为0的N×N阶方阵，其中的每个元素wij表示地区i和地区j的空间相邻关系，在进行计量分析时一般将WN进行标准化，也就是使得每行元素的总和等于1；ρ一般被称为空间自相关系数或空间滞后系数，该系数主要衡量同期的某个地区和邻近地区的空间相关性；xit为1×K向量，表示K个自变量；β为K×1向量为相应的系数。在本模型中包含5个影响各省CO2排放的自变量分别表示每年各省人均GDP的一次方和二次方形式，在这里加入人均GDP的二次方形式，我们希望验证CO2排放和人均GDP的倒“U”型关系；ECit表示地区能源消耗强度，地区能源消耗强度越大，CO2排放量越大；Tertiaryit表示每年各地第三产业（服务业）产值占GDP的比重，占比越大，CO2排放量越低；FDIit表示每年各地外商直接投资占GDP的比重，根据“污染避难所”假说，如果地区FDI占比越高，CO2排放量越大，而学术界还存在另一种观点认为FDI会给东道国带来更先进更清洁的生产技术，因此FDI占比对地区CO2排放的影响方向不确定。μi为时间地区固定效应，ηt为时间固定效应，εit假定为独立同分布期望值为0且同方差的扰动项。

2.2数据、变量说明与估计方法

因变量：CO2，选取各省份CO2排放量（单位：万吨），根据各地各种能源消耗量测算获得。

自变量：人均GDP，以1995年为基期计算出各年的实际人均GDP水平；地区能源消耗强度EC，将地区消耗的能源转换成标准煤来衡量；第三产业占比Tertiary，用第三产业产值占GDP总量衡量；外商投资占比FDI，用实际利用外资额占GDP总量衡量。

空间权重矩阵W：0-1型权重矩阵，如果两个省在空间相邻，则权重设为1，如果不相邻则权重为0，在进行计量分析时，将权重矩阵进行行标准化。

研究所用原始数据均来自于历年《中国统计年鉴》《中国能源统计年鉴》《新中国60年统计资料汇编》及国泰安数据库，由于部分地区和年份数据无法获得，剔除这些地区和年份，最后形成的数据集合包括从1996-2013年期间28个中国省份的经济变量。各变量的统计特征见表1。

表1　变量描述性统计表

对于本文建立的动态空间面板模型，也就是（3）式，我们将使用SYS-GMM（系统GMM）方法进行估计，该方法和极大似然估计法相比，不需要对模型做过多的限制和假设同时还可以解决内生变量问题。此外，为了和传统的计量模型进行对比，我们还对γ=0和ρ=0也就是（3）式退化为传统的面板模型时进行了估计，估计方法有固定效应和随机效应方法，通过Hausman检验确定是选用固定效应模型还是随机效应模型。

2.3估计结果

首先使用STATA面板程序对数据进行固定效应和随机效应面板模型的Hausman检验，结果显示在1%水平显著，因此应选择固定效应模型，然后应用STATA spregdpd程序包对（3）式进行SYS -GMM估计，估计结果如表2所示。

表2　面板模型回归结果

在固定效应模型中，人均GDP的估计系数为正且显著，人均GDP平方的估计系数为负且显著，能源消耗强度估计系数为正且显著，第三产业占比和外商直接投资占比的估计系数都不显著。而在动态空间面板模型中，衡量动态效应的γ系数为正且高度显著，这说明地区CO2排放量具有时间依赖性，这是由于资本耐用品调整速度慢引起的；空间自相关系数ρ为正且在1%水平显著，这说明各地的CO2排放对邻近省份的CO2排放产生正溢出效应，这和Burnett等［1］提出的经济距离设想是一致的，经济距离是指两个省份地理距离越邻近，经济发展受影响的可能越大，因此产生CO2排放的正溢出效应；而地区CO2排放量和人均GDP之间的关系变为正“U”型关系，因为人均GDP估计系数为负且显著，人均GDP平方的估计系数为正且显著，这说明地区CO2排放随着人均GDP的增长先下降达到最低点后再上升①对于二氧化碳排放和人均GDP之间的这种正“U”型曲线关系，在曲线右侧也就是二氧化碳排放随着人均GDP的增加而增长，一个合理的解释就是各地在追求经济发展的同时过度依赖高能耗、高排放行业，而对于曲线左侧的解释已超出本文讨论范围，后续研究可以深入探讨形成的机理和原因。；能源消耗强度估计系数同样为正且显著，这说明各地对传统化石能源的过度依赖；第三产业占比估计系数为负且在5%水平显著，这说明地区第三产业占比越高，CO2排放量越低，和假设一致；FDI占比估计系数变为负且在1%水平显著，这可能是FDI的进入迫使各地加快产业升级，提高能源利用效率及减少排放所引起的。

3　结论及政策启示

3.1结 论

传统的面板计量模型验证EKC假说忽略了区域CO2排放的溢出效应，使得估计结果不太可靠，而使用动态空间面板模型则可以同时考虑CO2排放的动态效应和空间自相关效应，同时使用系统GMM方法进行估计还可以解决自变量的内生性问题，运用1996-2013年期间28个中国省份的面板数据进行动态空间面板计量分析，结果发现CO2排放具有正的时间动态效应和空间自相关效应，同时和固定效应面板模型估计结果比较发现：动态空间面板模型估计结果中CO2排放和人均GDP呈正“U”型曲线关系，而不是传统面板模型估计的倒“U”型关系；能源消耗强度估计系数同样为正且在1%水平显著；第三产业占比、FDI占比估计系数在固定效应面板模型中均为负但均不显著，而在动态空间面板模型中这两个变量的估计系数同样为负但均显著。在考虑了时间动态效应和空间自相关效应后，动态空间面板模型估计的这两种效应及各系数均显著，因此，动态空间面板模型的估计结果更可靠。

3.2政策建议

3.2.1统筹经济发展和环境保护

经济发展固然重要，但是人类赖以生存的环境是最重要的，动态空间面板模型估计结果显示人均GDP达到一定值后，CO2排放会随着人均GDP的增长而增加。因此，经济欠发达地区在进行经济追赶时不能一味发展高能耗污染严重的行业对当地生态环境破坏严重，后期治理成本也相当高昂。此外，由于CO2排放的溢出效应，如果某省CO2排放量增加将使得邻近省份CO2排放量增加，这样整个区域环境都将恶化，因此各省在发展经济的同时都应注重节能减排，将CO2排放量控制在一定范围内。

3.2.2合理引进外资、学习节能减排

动态空间面板模型回归结果显示省份FDI占比越高CO2排放量越低，这和Jiang等［22］的观点一致，其认为：由于超过80%的FDI都来源于拥有更为先进技术的美国、日本、欧盟等发达国家，因此相比于本土企业，这些企业在减排和降低能耗方面具有一定的优势。各地应合理引进外商直接投资，在选择外商投资时应避免高能耗、高污染的企业，优先考虑引进发达国家节能减排技术先进的行业，如引进美国的火电和风电技术，德国的光伏系统和国家电网升级技术，日本的煤矿和金属碳排放控制生产技术，欧洲的机械和交通技术［22］，鼓励本土企业加强对这些行业技能减排技术的学习。

3.2.3推进产业升级、发展第三产业

CO2排放和地区能源消耗强度正相关，这是由于各地对于传统化石能源的过度依赖，因此，各地应积极推进产业升级，逐步淘汰能耗高的行业，积极推进新能源技术的开发和利用，同时，动态空间面板回归发现地区第三产业占比越高CO2排放量越低，各地应积极推进第三产业的发展，逐步提升第三产业占GDP的比重。

3.2.4加强区域合作、共同减排

动态空间面板模型的估计结果显示CO2排放具有正的空间自相关性，即一个省份CO2排放量的增加会导致邻近身份CO2排放量的增，这是由于地区间产业及经济关联所导致的。因此，各省份应加强区域合作，制定共同的经济发展、产业转型和CO2减排方案，这样既可以协调区域的产业、经济发展，又能完成减排目标。

3.2.5加快碳交易市场建设

碳交易市场形式是以市场的方式解决CO2排放经济外部性的重要手段，经济学的福利分析显示通过碳排放权交易可以使得交易双方福利都会增加。通过市场的方式解决污染排放权问题可以使政府将重心放在经济建设上，对于CO2排放，政府只要设定一个总量目标，一切交由市场解决，这将节约大量成本并且能释放经济活力，实现经济增长的同时CO2排放量下降。因此，各地应改变过度依赖行政手段解决CO2排放问题，应结合本地实际，加快碳排放交易市场的建设。

［1］BURNETT J W，BERGSTROM J C，DORFMAN J H.A Spatial Panel Data Approach to Estimating U.S.State-level Energy Emissions［J］.Energy Economics，2013，40（2）：396-404.

［2］YIN J，ZHENG M，CHEN J.The Effects of Environmental Regulation and Technical Progress on CO2Kuznets Curve：An Evidencefrom China［J］.Energy Policy，2015，77：97-108.

［3］CHOW G C.China's Energy and Environmental Problems and Policies［J］.Asia-pacific Journal of Accounting&Economics，2008，15（1）：57-70.

［4］FAN C C.China's Eleventh Five-year Plan（2006-2010）：from“Getting Rich First”to“Common Prosperity”［J］.Eurasian Geography and Economics，2006，47（6）：708-723.

［5］国务院.“十二五”控制温室气体排放工作方案［J］.中华人民共和国国务院公报，2012（3）：4-10.

［6］ZHOU X，FAN L W，ZHOU P.Marginal CO2Abatement Costs：Findings from Alternative Shadow Price Estimates for Shanghai in Dustrial Sectors［J］.Energy Policy，2015，77：109-117.

［7］ZHENG X，YU Y，WANG J，ET AL.Identifying the Determinants and Spatial Nexus of Provincial Carbon Intensity in China：A Dynamic Spatial Panel Approach［J］.Regional Environmental Change，2014，14（4）：1651-1661.

［8］GROSSMAN G M，KRUEGER A B.Environmental Impacts of A North American Free Trade Agreement［R］.National Bureau of Economic Research，1991.

［9］BALTAGI B H，FINGLETON B，PIROTTE A.Estimating and Forecasting with a Dynamic Spatial Panel Data Model［J］.Oxford Bulletin of Economics and Statistics，2014，76（1）：112-138.

［10］VAN ALSTINE J，NEUMAYER E.Handbook on Trade and the Environment［M］.Cheltenham：Edward Elgar Publishing Limited，2010：49.

［11］BROCK W A，TAYLOR M S.Economic Growth and the Environment：A Review of Theory and Empirics［J］.Handbook of Economic Growth，2005，1：1749-1821.

［12］GROSSMAN G M，KRUEGER A B.Economic Growth and the Environment［J］.The Quarterly Journal of Economics，1995，110（2）：353-377.

［13］STERN D I.The Environmental Kuznets Curve：A primer［R］.Centre for Climate Economics&Policy，Crawford School of Public Policy，The Australian National University，2014.

［14］SELDEN T M，FORREST A S，LOCKHART J E.Analyzing the Reductions in US Air Pollution Emissions：1970 to 1990［J］.Land Economics，1999，75（1）：1-21.

［15］PANAYOTOU T.Economic Growth and the Environment［R］.Center for International Development at Harvard University，2000.

［16］MADDISON D.Environmental Kuznets Curves：A Spatial Econometric Approach［J］.Journal of Environmental Economics and Management，2006，51（2）：218-230.

［17］KANG Y，ZHAO T，YANG Y.Environmental Kuznets Curve for CO2Emissions in China：A Spatial Panel Data Approach［J］. Ecological Indicators，2016，63：231-239.

［18］ELHORST J P.Dynamic Spatial Panels：Models，Methods，and Inferences［J］.Journal of Geographical Systems，2012，14（1）：5-28.

［19］LAU L，CHOONG C，ENG Y.Investigation of the Environmental Kuznets Curve for Carbon Emissions in Malaysia：Do Foreign Direct Investment and Trade Matter？［J］.Energy Policy，2014，68：490-497.

［20］ELHORST P，ZANDBERG E，DE HAAN J.The Impact of Interaction Effects Among Neighbouring Countries on Financial Liberalization and Reform：A Dynamic Spatial Panel Data Approach［J］.Spatial Economic Analysis，2013，8（3）：293-313.

［21］AUFFHAMMER M，CARSON R T.Forecasting the Path of China's CO2Emissions Using Province-level Information［J］.Journal of Environmental Economics and Management，2008，55（3）：229-247.

［22］JIANG X，ZHU K，WANG S.The Potential for Reducing China's Carbon Dioxide Emissions：Role of Foreign-invested Enterprises［J］.Global Environmental Change，2015，35：22-30.

Re-verification of China CO2Emission EKC Hypothesis and Policy Enlightenment

JI Danjun1，2
（1.Jiangsu Union Technical Institute，Yangzhou Branch，Yangzhou 225003，China；2.School of Economics and Management，Nanjing University of Aeronautics and Astronautics，Nanjing 210016，China）

EKC hypothesis states that environmental protection and economic development level present an inverted U relationship，i.e.，environmental pollution will not improve until it deteriorates to a critical point as the GDP per capita increases.Although many scholars have tested the data from different countries and regions by various measurement models，no consistent results have been reached.In recent years，dynamic spatial panel models make it possible to avoid some traditional problems in dealing with spatial geographical data，and therefore this paper re-verifies the relationship between China CO2emission and economic development by adopting the dynamic spatial panel model.The results show that the relationship between CO2emission and GDP per capita in the dynamic spatial panel model presents a positive U shape rather than a traditonal inverted U shape，and such a research finding has certain reference significance for all the provinces to make energy and economic development policies.

EKC；CO2emission；economic growh

F124.9

A

2095-929X（2016）05-0075-08

（责任编辑 时明芝）

2016-05-27

吉丹俊，男，江苏扬州人，江苏联合职业技术学院扬州分院讲师，南京航空航天大学经济与管理学院博士生，研究方向：能源经济、区域经济，Email：jidanjun@yeah.net。