外商直接投资对中国城市雾霾（PM2.5）污染的时空效应检验

严雅雪 齐绍洲

摘要

本文利用了1998—2012年中国241个城市的空间面板数据对中国雾霾污染和FDI的区域分布特征及空间溢出效应进行经验考察，结合系统广义矩估计（SGMM）方法构建了动态空间面板模型，采用了Morans I 和Gearys C 指数对中国FDI与雾霾（PM2.5）污染空间自相关性进行了全域和局域分析。结果发现：①雾霾（PM2.5）污染与FDI存在显著的空间正相关性，证明了雾霾（PM2.5）污染空间的溢出效应以及FDI的辐射效应的存在。同时FDI高值集聚区域一般是雾霾（PM2.5）高值集聚区，FDI低值集聚区域一般是雾霾（PM2.5）低值集聚区，表明一个地区的引资效果和雾霾（PM2.5）污染在地理上的集聚密切相关。雾霾（PM2.5）污染表现出显著的“叠加效应”和“溢出效应”，说明中国雾霾（PM2.5）污染在空间维度、时间维度以及时空维度上分别表现出交叉、累积、持续的演变特征。②全样本下，FDI对雾霾（PM2.5）浓度的影响表现出增促效应。FDI存量每升高1%，雾霾（PM2.5）浓度升高0.011%。③分地区样本下，东部城市FDI存量每升高1%，雾霾（PM2.5）浓度升高0.001 9%；中部城市FDI存量每升高1%，雾霾（PM2.5）浓度升高0.018 3%；而西部城市FDI存量对雾霾（PM2.5）浓度影响不显著。上述实证结果说明中国雾霾污染存在着显著的空间依赖性和区域异质性，FDI对中国大部分城市的雾霾污染存在显著的增促效应。

关键词外商直接投资；雾霾（PM2.5）污染；动态空间面板模型

中图分类号F273；X513

文献标识码A文章编号1002-2104（2017）04-0068-10doi：10.12062/cpre.20170321

改革开放三十多年来，中国在引进外商直接投资方面取得显著进展，1978年到2014年累计实际利用直接外商投资额达到32万亿美元，高居全球第二位。外商直接投资（以下简称FDI）的注入不仅填补了中国经济发展过程中的资金缺口，还推动了本土技术创新，从而加快了中国经济的发展，被认为是中国经济增长的基础驱动因素。但随着经济的高速增长，环境问题日趋严重，特别是近些年来雾霾污染频发、影响广泛、治理难度大和常态化等特点。根据世界卫生组织（WHO）发布的“2016年全球城市污染数据库”，该数据库中WHO将城市雾霾（PM2.5）平均浓度由高到低排列，其中前一百名城市中有30个为中国城市。在WHO公布的“全球疾病负担评估”項目中估算出在2010年，中国室外空气颗粒物污染（主要指PM2.5）导致120万人过早死亡。越来越多的迹象显示，伴随经济发展和生产技术创新，雾霾中人们陌生的污染物和新型有毒污染物所带来的健康危害和环境风险也在不断增加。同时，根据第三次全国工业普查资料显示，早在1995年外商直接投资到污染密集行业有16 998家，工业总产值达4 153亿元。近年来，外资在中国污染密集型行业中所占份额进一步扩大，2014年FDI在污染密集型行业中平均总资产份额仍高达26.12%，其中造纸业和皮革毛皮羽绒占制造业总资产份额分别高达40.19%和39.54%。因此，重新审视资金、技术转移为一体的FDI与中国大气污染的关系，对实现中国可持续发展具有重要意义。据此，本文利用FDI对雾霾（PM2.5）污染的影响来揭示FDI对大气环境的影响，并在全国总样本和区域样本下FDI对雾霾（PM2.5）浓度的动态空间影响分别进行实证检验，为“治霾”和“引资”提供经验支持。

1文献综述

在外商直接投资与东道国的环境关系理论中，学术界一直存在着两种观点的对立。一种是恶化论。恶化论的主要理论是污染天堂假说（Pollution Heaven Hypothesis）和环境竟次理论（Race to Bottom）。这一派如Cole[1]、Mani和Wheeler[2]通过实证分析证实了“污染天堂”（PHH）假说是存在的。在对国外环境质量的研究中，Pao和Tsai[3]采用误差修正模型考察了1980年至2007年俄罗斯经济增长和FDI对环境质量的影响，实证结果发现FDI促进了俄罗斯的环境恶化，提出发展中国家要严格审核FDI的质量，避免对本国环境产生消极影响。Kari和Saddam[4]发现流入到沙特阿拉伯和阿曼卡塔尔的FDI显著增加了碳排放量。Kivyiro和Arminen[5]采用自回归分布滞后模型（ARDL）和世界银行发展指标考察了部分非洲国家在1971—2009年期间FDI对碳排放的影响，证实了FDI增加了碳排放量对环境产生了负面影响。Ong和Sek[6]采用了ARDL模型和非面板的VAR/VECM模型考察了1970—2008年经济增长和环境质量在高、中、低收入国家中的相互关系，研究结果发现FDI对中、低收入国家的环境恶化具有增促效应。在对中国的环境研究中，He[7]在FDI和SO2之间建立五个联立方程，分别代表总排放、规模效应、结构效应、技术效应和生产资本存量，并将五个变量按照不同权重进行效应加总，来考察中国29个省市的FDI对工业SO2排放的影响，结果发现FDI存量会对SO2排放量产生增促效应，其中FDI增加1%，工业SO2排放量增加0.098%。Koo和Chung[8]采用协整分析和误差修正模型考察了经济增长和FDI对环境质量的长期和短期影响，结果发现流入到中国和印度的FDI对环境产生了消极影响，证实了污染天堂假说。Wang和Chen[9]采用双向固定效应模型，对中国2002至2009年的FDI和环境质量进行了考察，认为FDI自身具有负向的环境外部性。国内学者中也有较多证实了PHH假说，杨海生和贾佳[10]发现FDI与中国环境污染物排放之间存在显著的增促效应。于峰和齐建国[11]构建了一个由五个单方程组成的联立方程组，考察了FDI的环境效应，认为FDI的流入给中国的生态环境带来了负面影响。王道漆和任荣明[12]在1980—2008年间中国实际利用TOI、经济规模与二氧化碳排放之间的格兰杰因果关系进行实证检验，证明了FDI与中国碳排放量呈正相关性。牛海霞和胡佳雨[13]在面板模型中加入经济规模、经济结构、贸易开放度、能源技术进步和城市化水平等变量，发现FDI与碳排放之间存在正相关性，FDI每增加1%，人均碳排放量上升0.09%；而区域结果的分析表明，东部区域FDI的碳排放效应系数最大、能耗强度最低。黄梅[14]针对FDI和环境污染之间的关系进行了实证分析，认为经济增长、FDI和环境污染之间存在着长期协整关系，FDI提高了中国的废水处理能力，但是总体来说仍然导致了中国环境进一步恶化。

另一种是有益论。有益论的主要理论是污染晕轮效应（Pollution Halo）和竟优理论（Race to top）。这一派如Grey[15]認为跨国公司拥有更先进的清洁技术以及环境管理体系，FDI在东道国实现了技术扩散和外溢效应，提供了学习示范效应。竟优理论认为FDI会促进当地环境规制的提高。Frankel 和 Rose[16]在构建的模型中除了人均GDP的三次项外还加入了贸易开放度、民主程度以及人口密度等解释变量来控制FDI对四种主要空气污染物（SO2、NO2、PM10和BOD）的影响，结果发现FDI的进入能够降低空气污染物的排放，证实了污染晕轮效应。Hassaballa[17]采用协整和误差修正模型考察了1970至2005年FDI与环境的关系，发现FDI技术溢出效应可以降低环境污染的程度。国内学者许和连和邓玉萍[18]利用空间滞后模型和空间误差模型证实了FDI 在地理上的集群有利于改善我国的大气环境污染，证实了“污染晕轮”假说。许士春和何正霞[19]构建包含污染方程和产出方程的模型来分析中国经济增长与环境污染之间的相互关系，利用中国1990—2005年16年间28个省市的面板数据，证实FDI能改善中国的环境污染状况，出口的增长却会恶化环境质量。熊立、许可和王钰[20]论证了 FDI 的进入与 CO2排放量的关系，证实了FDI的流入并没有造成发达经济体的“肮脏”产业大规模的转移到中国。

除了这两种假说对立的观点之外，部分学者认为FDI对环境影响不大，可以忽略不计；如Acharyya[21]考察了印度FDI对碳排放量的增长，发现污染天堂假说并不能解释印度碳排放量的增长，提出碳排放量的增长主要受到经济增长的影响。Zhang和Song[22]采用Johansen协整检验发现FDI对中国碳排放影响极小。有的研究则提出FDI具有不同的效应，而且对环境的影响不同。Grossman和Kruger[23]提出FDI对环境的影响分为规模效应、结构效应、和技术效应，并建立了FDI环境效应的分析框架。国内大多数研究认为规模效应对环境有负面影响，而结构效应和技术效应则因研究对象和方法的不同表现出不同的影响。如李子豪和代迪尔[24]构建了独立的技术方程，以期实现对FDI、碳排放和其他因素的系统考察。提出FDI的规模和结构效应显著的增加了各省份的碳排放量，而技术效应则能够通过技术外溢有效的减少各省份的碳排放量，环境管制对各地碳排放量的抑制则尚不明显。

上述文献对FDI与大气污染的关系进行了经验考察和研究，为宏观治霾政策提供了丰富的经验成果，但相比之下，FDI对PM2.5浓度的影响缺乏系统性的考察，这种“短板”现象影响了治霾政策的完整性。为了重新审视FDI与中国雾霾的关系，本文在现有文献基础上进行了如下拓展：

第一，现有研究以TSP、SO2、NOX等常规大气污染物作为研究对象已经开展了较为丰富的经验考察，但均有一定的局限性。曹子阳[25]认为PM2.5是诸多有害物质的载体和集合体，具有重量轻、体积小、能直接进入呼吸道深部和肺泡，严重影响人体健康的特点，其浓度值能最大限度的代表整体大气环境污染水平。所以，本文将PM2.5浓度表征雾霾浓度。

第二，向堃和宋德勇[26]认为空间计量与传统计量模型相比，抛弃了地理空间均质性的假设、充分考虑了地区之间空间交互影响，使模型能够对研究对象的真实情况进行拟合。同时，Elhorst[27]认为当期的空间依赖特征或误差特征还会受到先前本地区的社会经济选择的“路径依赖”的影响，即动态空间面板模型可以对雾霾（PM2.5）污染浓度的时间滞后性和空间滞后性予以揭示。为准确地反映当期FDI对雾霾（PM2.5）浓度的影响，我们将动态空间面板模型中的空间滞后项和时期滞后项进行共同考察，来控制相邻地区雾霾污染的“溢出效应”和本地区社会经济选择的“叠加效应”的影响。所以，本文利用动态空间计量模型来研究FDI对雾霾（PM2.5）浓度的影响。

第三，利用动态空间面板模型结合系统广义矩估计（SGMM）方法不仅可以减少由于控制变量设置的不全面所导致的被解释变量未被完全控制和测量误差的问题，还可以控制被解释变量和解释变量相互影响等问题。系统广义矩估计（SGMM）通常被视为解决内生性问题的一种有效方法，可以减少模型估计中雾霾污染由于大气环流或大气化学作用等自然因素所导致的内生性问题，从而提高模型的估计精度。

2模型构建及数据来源

Grossman提出了环境库兹涅兹曲线（EKC）的概念，认为环境质量会伴随最初的经济增长而恶化，但达到某个临界值时，环境污染的程度开始有所缓解，即呈现出倒“U”型发展轨迹，为经济增长和环境污染之间的关系研究奠定了坚实的理论基础。我们参照Antweiler等文献的做法，将经济增长分解为一次项、二次项，用来考察在经济快速增长下中国FDI对PM2.5浓度的影响，故本文建立如下计量模型：初始模型可以写为：

lnPMit=β0+β1lnagdpit+β2（lnagdpit）2+β3lnfdiit+β4regit+

β5govit+β6techit+β7isit+β8lnglit+μit

（1）

式中，lnpmit表示第i个地区第t个时期的PM2.5浓度，fdiit为第个地区的外商直接投资水平，regit为第i个地区的环境规制水平、govit为第i个地区的政府财政投入（科技投入除外）、为第i个地区的第二产业增加值比例、techit为第i个地区的技术研发强度、isit为第i个地区的园林绿地面积，μit为正态分布的随机误差项。

被解释变量：雾霾PM2.5浓度（Pm）。本文所采用的源数据来自于哥伦比亚大学国际地球科学信息网络中心（CIESIN）所属的社会经济数据和应用中心（SEDAC）公布的相关数据，该数据以卫星搭载的中分辨率成像光谱仪（MODIS）和多角度成像光谱仪（MISR）测算得到的气溶胶光学厚度（AOD）为基础，被转化为栅格数据形式的全球PM2.5浓度的监测数据。我们进一步采用ArcGIS软件将此栅格数据解析为中国241个城市的年均PM2.5浓度数据。由于该机构公布的 1998—2012年的PM2.5的数据是3年的滑动平均值，所以，本文将其他解释变量亦做了3年的滑动平均处理。

核心解释变量：外商直接投资（FDI）。利用永续盘存法来考察FDI存量，具有全面客观的特点。故本文采用FDI存量指标来全面考察FDI对霧霾（PM2.5）污染的影响，利用永续盘存法来计算FDI存量，其计算公式是：FDIit=FDIi，t-1（1-ρ）+Ii，t，FDIi，t是i省t年FDI流量，我们借鉴张军[18]折旧率ρ取值为9.6%。各省年度FDI数据来自于中经网。

控制变量：①人均收入（agdp）。人均地区生产总值代表了各城市的经济增长水平。本文采用的人均国内地区生产总值数据是以1998年为基年经过测算GDP平减指数调整后得到实际人均GDP，来表征不同经济规模下经济增长对雾霾浓度的影响。②技术投入（tech）。本文利用城市的科学事业费支出来表征研发强度对雾霾浓度的影响，并基于1998年不变价，经过测算GDP平减指数调整后得到。③地方政府支出（gov）。本文采用地方政府财政支出（不包括科技支出）来表示政府行政干预程度，并基于1998年不变价，经过测算GDP平减指数调整后得到。④产业结构（is）。本文选择第二产业增加值占GDP比重来反映产业结构的变化对雾霾浓度的影响。⑤绿地面积（gl）。本文选用城市绿地面积覆盖率来反映其对雾霾浓度的影响。以上控制变量数据覆盖时间为1998—2012，为与雾霾浓度数据相匹配，故将1998年数据至2012年数据进行3年平滑处理，最终选定241个城市的平均数据。以上数据均来源于《中国城市统计年鉴》和《中国统计年鉴》。表1报告了处理后的各变量的描述统计情况。

3.1.2局域空间自相关检验

图1和图2报告了地理距离权重矩阵下部分年份中国雾霾污染的空间分布散点图，图中横轴表示标准化的PM2.5浓度值，纵轴为PM2.5浓度值的空间滞后值，该图分为四个象限，每个象限对应不同的空间自相关类型：第一

象限表示存在高-高型正相关、第三象限分别表示存在低-低型正相关，第二、四象限则表示负相关的非典型观测区域。我们发现在局域空间自相关检验中，中国大部分城市雾霾（PM2.5）污染都具有显著高-高集聚和低-低集聚的空间正相关特征，存在显著的空间依赖性。在地理距离权重设置下，在图1中，1998—2000年分别有209个城市和21个城市雾霾（PM2.5）浓度的Morans I分别位于第一象限和第三象限，占总样本的90.08%和9.05%。2010—2010年中分别有196个城市和31个城市雾霾（PM2.5）浓度的Morans I分别位于第一象限和第三象限，占总样本的84.48%和13.36%。图2中，1998—2000年分别有170个城市和56个城市FDI Morans I分别位于第一象限和第三象限，占总样本的73.27%和24.13%。2010—2010年中分别有151个城市和76个城市FDI的Morans I分别位于第一象限和第三象限，占总样本的65.08%和32.76%。在1998—2000年，雾霾（PM2.5）和FDI第一象限重叠城市有156个，第三象限重叠城市有9个。在2010—2012年，雾霾（PM2.5）和FDI第一象限重叠城市有129个，第三象限重叠城市有12个。结果表明，第一，中国大部分城市雾霾（PM2.5）污染和FDI都具有显著高-高集聚和低-低集聚特征，存在显著的空间依赖性。第二，中国雾霾（PM2.5）

污染高值区域和FDI高值区域有较高的重叠性，中国雾霾（PM2.5）污染低值区域和FDI低值区域有较高的重叠性，表明FDI高值集聚区一般是中国雾霾（PM2.5）浓度高值集聚区，FDI低值集聚区一般是中国雾霾（PM2.5）浓度低值集聚区。表明一个地区的引资效果

和雾霾（PM2.5）污染在地理上的集聚密切相关。为了进一步验证FDI与雾霾（PM2.5）的空间相关性，本文将利用空间计量模型进行实证研究。

3.2总样本估计结果分析

在进行空间面板模型估计之前，我们需要在空间滞后模型（SLM）和空间误差模型（SEM）这两个模型之间进行比选。一般采用LM（Lagrange Multiplier）来进行筛选，表3报告了空间面板模型的LM检验。在地理距离权重的条件设定下，对空间滞后模型（SLM）和空间误差模型（SEM）的进行LM检验后，空间滞后模型和空间误差模型均在5%水平上显著。表明在地理权重矩阵设定下，空间自相关模型优于空间误差模型，故后文将均采用空间滞后模型进行分析。

由于雾霾污染属于较为复杂的局部环境问题，在很大程度上通过大气环流、大气化学作用等自然因素扩散或转移到邻近地区，需要通过系统广义矩估计（SGMM）来减少由于大气环流或大气化学作用等自然因素所导致的内生性问题。同时，SGMM方法适用于截面单位多而时间跨度小（大N小T）型的面板数据。本文选取的241个城市15年的面板数据样本可以很好地满足这一要求。表4报告了FDI存量的动态空间滞后模型（SLM）结合广义矩估计（SGMM）方法的参数估计结果，结论如下：

第一，在动态空间面板模型中，全样本估计回归结果的Sargan统计量均小于0.1，表明所设定的模型符合SGMM的要求，SGMM估计不存在工具变量过度识别的问题，采用的工具变量是合理有效的。同时，时间滞后系数θ均在1%的水平上显著为正，且时滞项系数（θ）在0.87水平上，再次证实了雾霾（PM2.5）污染存在明显的时间滞后性，表明了雾霾（PM2.5）污染在时间维度上具有“叠加效应”，即如果上一期的雾霾（PM2.5）浓度较高，那么下一期雾霾（PM2.5）浓度则有继续走高的可能性。同时，空间滞后系数ρ均在1%的水平上显著为正，且空间滞后项系数（ρ）在4.45水平上，再次证实了雾霾（PM2.5）污染存在明显的空间溢出效应。动态空间面板证实了雾霾（PM2.5）浓度受到空间滞后项影响较大而并非时间滞后项，即“溢出效应”大于“叠加效应”，表明中国雾霾（PM2.5）污染在空间维度、时间维度及其时空维度上表现出交叉、累积、持续的演变特征。

第二，通过动态空间计量模型，我们证实了FDI存量对雾霾（PM2.5）浓度产生了促增效应这一结论。其原因是雾霾（PM2.5）污染受到FDI的规模效应、结构效应和技术效应的综合作用的结果。规模效应是指一国为了达到弥补该国（地区）资金短缺的目的，通过吸引外资从而使生产规模得到进一步扩大。1978—2014年中国累计引进FDI 32万亿美元，每年以14.73%速度递增①，它的流入带动了更多的劳动力和资源的投入，而更多的自然资源消耗使中国自然资源过度开发和能源消耗规模扩大，带来了更多的污染和环境压力，因此FDI规模效应给中国环境带来了负效应；结构效应是指由于FDI的引进，导致东道国产业结构发生变化的过程。在工业化和城市化进程中，FDI的流入引起污染密集型产业的扩张，提高了能耗和污染排放水平，进而对环境质量产生负效应；技术效应是指FDI带来的环境技术的扩散和推广，表现在生产单位产品对环境造成的污染程度不断降低或不断增加。FDI集合了先进的技术和管理经验，在促进中国经济增长的过程中，将先进技术和管理通过示范效应、竞争效应、知识溢出效应，减少了当地单位生产的资源消耗和污染排放，改善了环境质量。而FDI的技术效应在中国主要表现在提高生產率的技术上，而较少倾向于污染减少型技术，所以FDI技术效应对雾霾污染存在两面性。总之，FDI总环境效应是三个效应的中和作用结果。实证结果表明在地理权重设置下，FDI存量每升高1%，雾霾（PM2.5）浓度升高0.011%，FDI对中国雾霾（PM2.5）污染的总效应为增促效应。

第三，在动态空间面板模型估计的其他影响因素中，我们发现人均GDP的一次项系数为负和二次项系数均为正，而且其一次项、二次项均在1%水平上显著，结果证实了中国省域雾霾（PM2.5）污染与经济增长的“倒U”型关系是显著存在的。从表征技术创新投入水平的研发强度系数估计结果来看，研发投入强度对雾霾（PM2.5）浓度的降低具有降减效应，结果说明中国的研发投入强度可能更多被用于绿色技术进步，从而对雾霾浓度产生降减效应。第二产业比重均在1%的水平上对雾霾污染表现出显著的增促效应，该结论与Poumanyvongh和Kaneko[30]研究一致。绿化面积覆盖率均在1%的水平上对雾霾污染表现出显著的降减效应。

3.3分地区样本估计回归结果分析

国家层面的FDI的环境效应反映全国整体平均水平和总体状况，但整体的评价可能忽略了区域间的非典型性特征，故有必要针对东、中、西部地区的FDI对雾霾（PM2.5）浓度影响进行独立检验来掌握中国不同地区的FDI对雾霾（PM2.5）影响程度。故下文将分地区样本进行回归分析。

表5结果表明，分地区样本估计回归结果的Sargan统计量均小于0.1，表明东、中、西部地区符合SGMM的要求，分地区样本执行的SGMM估计不存在工具变量过度识别的问题，采用的工具变量是合理有效的。另外，从Wald检验和对数似然值（Log L）以及拟合优度（R2）的结果来看，各个分样本模型的拟合效果均较为理想。从空间维度上看，空间滞后系数ρ在在1%的水平上显著为正，再次表明中国城市的雾霾污染在东、中、西部地区均存在明显的

空间溢出效应。西部城市的FDI的影响系数不显著，表明FDI对西部城市雾霾（PM2.5）浓度影响并不显著。表5的实证结果表明东部城市FDI存量每升高1%，PM2.5浓度升高0.001 9%；中部城市FDI存量每升高1%，PM2.5浓度升高0.018 3%；而西部城市FDI存量对雾霾（PM2.5）浓度影响不显著，表明东部和中部城市的FDI的显著水平在1%水平下均显著，表明FDI对东中部城市雾霾（PM2.5）浓度均具有增促效应，说明对于雾霾污染而言，“污染天堂”假说在我国东、中部城市是成立的。东部地区的FDI规模远远大于中部、西部地区，东、中、西部地区在1998—2014年间FDI平均投资规模分别为110 838.88亿元、12 766.78亿元、9 524.48亿元。东、中部地区的雾霾浓度平均水平较西部地区高，东、中、西部地区在1998—2012年间PM2.5平均雾霾浓度分别为56.27 μg/m3、57.06 μg/m3、35.36 μg/m3。以上结论表明FDI的倾向往配套基础设施完善、产业链完整和高端技术性人力资本丰富的地区流入。上述结果进一步说明了东、中、西部FDI对雾霾PM2.5浓度影响存在异质性，主要表现在东部FDI结构相对中部地区更优质化、清洁化，对雾霾浓度的贡献度较少；中部地区FDI对中部雾霾浓度的贡献度较高；西部FDI对雾霾浓度贡献则不显著。说明中部城市要更加注重优化外商投资结构，重视吸引环保技术密集型外资企业到中部城市，提高“清洁化”外资比重。

4结论与启示

本文利用1998—2012年中国241个城市的空间面板数据，利用Morans I 和Gearys C方法对中国雾霾污染进行了全域空间自相关性和局域空间自相关性分析，基于EKC假说构建了空间面板数据模型，并将地理距离权重矩阵纳入空间面板模型进行考察，得到了如下结论：

第一，本研究利用探索性空间数据分析（ESDA）方法，结果发现中国大部分城市雾霾（PM2.5）污染和FDI都具有显著高-高集聚和低-低集聚特征，存在显著的空间依赖性和显著的空间正相关性，证实了雾霾（PM2.5）污染空间的溢出效应以及FDI的辐射效应的存在。在地理距离权重设置下，FDI高值区域一般是PM2.5高值集聚区，FDI低值区域一般是PM2.5低值集聚区。表明一个地区的引资效果和PM2.5污染在地理上的集聚密切相关。

第二，全样本下动态空间面板模型的结果表明了雾霾（PM2.5）浓度受到空间滞后项影响较大，即“溢出效应”大于“叠加效应”，表明中国雾霾（PM2.5）污染在空间维度、时间维度、及其时空维度上分别表现出交叉、累积、持续的演变特征。在地理距离权重设置下，FDI存量每升高1%，雾霾（PM2.5）浓度升高0.011%；分地区样本下，东部城市FDI存量每升高1%，雾霾（PM2.5）浓度升高0.001 9%；中部城市FDI存量每升高1%，雾霾（PM2.5）浓度升高0.018 3%；而西部城市FDI存量对雾霾（PM2.5）浓度影响不显著。以上结果表明FDI是导致中国雾霾（PM2.5）浓度升高的影响因素之一，说明了中国目前在吸引和利用FDI时，离最优水平还有一定距离。

第三，在全樣本下的其他影响因素中，人均GDP的一次项系数为负值和二次项系数为正值，结果较为统一的证实了中国城市的雾霾（PM2.5）污染与经济增长的“倒U”型关系的显著存在，表明随着人均GDP的增加，雾霾（PM2.5）浓度会呈现先上升，后下降的状态。同时，研发投入强度对雾霾（PM2.5）浓度的降低均具有降减效应，第二产业比重的增加对雾霾污染表现出显著的增促效应。绿化面积覆盖率对雾霾污染表现出显著为负的降减效应。在区域样本下的其他影响因素中，我们发现中国东、中部城市的雾霾（PM2.5）污染与经济增长的“倒U”型关系也显著存在。同时，研发投入强度对东、中部城市的雾霾（PM2.5）浓度具有降减效应，第二产业比重增加对东、中部城市的雾霾污染有增促效应。政府投入对中部城市雾霾浓度表现出显著的降减效应，而对西部城市雾霾浓度表现出显著的增促效应。

总之，FDI的辐射效应对中国的经济结构转型、能效降低、低碳技术创新和吸收能力的积极影响虽然功不可没，但是来自FDI的负向环境效应的影响仍不容忽视。在国家层面制定FDI政策时，应该一如既往的吸引优质外资，促进优质的FDI对中国技术进步所产生的直接和间接的辐射效应和示范效应，并将雾霾（PM2.5）作为新的污染指标纳入到甄别优质FDI的评价分析中。在区域层面，根据雾霾（PM2.5）污染程度和FDI的区域差异进行全域规划，中西部地区要规避“向底线赛跑”效应。地方政府是环保政策的主导者和设计者，完善和加强对地方政府的规制是规避“向底线赛跑”的有效措施。同时，积极完善中西部地区配套基础设施、产业链和积累高端技术性人力资本，来吸引更多环保技术密集型外资企业。东部地区则应该积极发挥示范效应，鼓励环保技术创新项目、加大新能源的开发和应用，提高自身对外资技术的吸收消化能力和自主研发能力。总之，政府需要重视优化FDI结构，提高对FDI质量评价标准，实现“治霾”和“引资”的双赢目标。

（编辑：刘呈庆）

参考文献（References）

[1]COLE M A. Trade， the pollution haven hypothesis and the environmental Kuznets Curve： examining the linkages[J]. Ecological economics， 2004， 48（1）： 71-81.

[2]MANI M， WHEELER D. In search of pollution havens dirty industry in the world economy， 1960 to 1995[J]. The Journal of environment & development， 1998， 7（3）： 215-247.

[3]PAO H T， TSAI C M. Multivariate Granger causality between CO2 emissions， energy consumption， FDI and GDP： evidence from a panel of BRIC countries[J]. Energy， 2011， 36（1）： 685-693.

[4]KARI F， SADDAM A. Growth， FDI， imports， and their impact on carbon dioxide emissions in GCC countries： an empirical study[J]. Mediterranean journal of social science， 2012， 3： 25-31.

[5]KIVYIRO P， ARMINEN H. Carbon dioxide emissions， energy consumption， economic growth， and foreign direct investment： causality analysis for SubSaharan Africa[J]. Energy， 2014， 74： 595-606.

[6]ONG S M， SEK S K. Interactions between economic growth and environmental quality： panel and nonpanel analyses [J]. Applied mathematical sciences， 2013， 7（14）： 687-700.

[7]HE J. Pollution haven hypothesis and environmental impacts of foreign direct investment： the case of industrial emission of sulfur dioxide in Chinese provinces [J]. Ecological economics， 2006， 60（1）： 228-245.

[8]KOO B S， CHUNG J， BAEK N H. The effect of extracapsular cataract extraction in patients with chronic angleclosure glaucoma combined with cataract[J]. Journal of the Korean Ophthalmological Society， 1996， 37（6）： 1045-1053.

[9]WANG D T， CHEN W Y. Foreign direct investment， institutional development， and environmental externalities： evidence from China [J]. Journal of environmental management， 2014， 135： 81-90.

[10]

杨海生， 贾佳， 周永章，等. 贸易、外商直接投资、经济增长与环境污染[J]. 中国人口·资源与环境， 2005， 15（3）：99-103.[YANG Haisheng， JIA Jia， ZHOU Yongzhang， et al. Impact on EKC by trade and FDI in China[J]. China population， resources and environment， 2005， 15（3）：99-103.]

[11]于峰， 齐建国， 田晓林. 经济发展对环境质量影响的实证分析——基于1999—2004 年间各省市的面板数据[J]. 中国工业经济， 2006 （8）： 36-44.[YU Feng， QI Jianguo， TIAN Xiaolin. Empirical analysis on impact of economic development on environmental quality： based on the panel data of Chinese provinces and municipal cities from1999 to 2004[J]. China industrial economy， 2006 （8）： 36-44.]

[12]王道臻， 任荣明. 外国直接投资、经济规模与二氧化碳排放关系研究[J]. 经济问题， 2011（10）：50-53. [WANG Daozhen， REN Ronming. Research on the relationship between FDI， economic scale and CO2 emission [J]. On economic problems， 2011（10）：50-53.]

[13]牛海霞， 胡佳雨. FDI 与我国二氧化碳排放相关性实证研究[J]. 国际贸易问题， 2011 （5）： 100-109.[NIU Haixia， Hu Jiayu. Empirical research on relationship between FDI and CO2 emissions in China [J]. Journal of international trade， 2011（5）：100-109.]

[14]黄梅. 经济增长， 外商直接投资与环境污染关系研究[J]. 资源与产业， 2015， 17（1）： 92-97. [HUANG Mei. Relation among economic growth， foreign direct investment and environmental pollution based on provincial panel 2003-2012[J]. Resources and industries， 2015，17（1）： 92-97.]

[15]GREY K， BRANK D. Environmental issues in policybased competition for investment： a literature review [J]. Ecological economics， 2002， （11）： 71-81.

[16]FRANEL J， ROSE A. An estimate of the effect of common currencies on trade and income[J]. Quarterly journal of economics， 2002： 437-466.

[17]HASSABALLA H. Testing for granger causality between energy use and foreign direct investment inflows in developing countries[J]. Renewable and sustainable energy reviews， 2014， 31： 417-426.

[18]许和连， 邓玉萍. 外商直接投资导致了中国的环境污染吗？[J]. 管理世界， 2012（2）： 36-49.[XU Helian， Deng Yuping. Does foreign direct investment led to environmental pollution in China？[J]. Management world， 2012（2）：30-43.]

[19]许士春， 何正霞. 中国经济增长与环境污染关系的实证分析——来自1990—2005年省级面板数据[J]. 经济体制改革， 2007 （4）： 22-26.[XU Shichun， HE Zhengxia. An empirical analysis of the relationship between Chinas economic growth and environmental pollution： the provincial panel data from 1990 to 2005[J]. Reform of economic system， 2007（4）：22-26.]

[20]熊立， 許可， 王珏. FDI 为中国带来低碳了吗——基于中国1985—2007年时间序列数据的实证分析[J]. 宏观经济研究， 2012 （5）： 68-75.[XIONGLi， XU Ke， WANG Yu. Does FDI bring low carbon for China？ based on Chinas 1985-2007 time series data of the empirical analysis [J]. Macroeconomics， 2012（5）：68-75.]

[21]ACHARYAA J. FDI， Growth and the environment： evidence from India on CO2 emission during the last two decades [J]. Journal of economic development， 2009， 34（1）： 43.

[22]ZHANG K H， SONG S. Promoting exports： the role of inward FDI in China[J]. China economic review， 2002， 11（4）： 385-396.

[23]GROSSMAN G， KRUGGER A. Economic environment and the economic growth[J]. Quarterly journal of economics， 1995， 110（2）： 353-377.

[24]李子豪， 代迪尔. 外商直接投资与中国二氧化碳排放——基于省际经验的实证研究[J]. 经济问题探索， 2011（9）：131-137.[LI Zihao， DAI Dier. Foreign direct investment and Chinas carbon dioxide emissions based on the experience of the provincial empirical studies[J]. Inquiry into economic issues， 2011（9）：131-137.]

[25]曹子阳. 基于夜间灯光影像的GDP空间分布模拟研究及其与PM2.5浓度的相关分析[D]. 北京：中国科学院研究生院， 2016.[CAO Ziyang. Estimating the spatial distribution of GDP based on nighttime light image and analysis of correlation between it and PM2.5 concentration[D]. Beijing： University of Chinese Academy of Sciences，2016.]

[26]向堃， 宋德勇. 中国省域PM2.5污染的空间实证研究[J]. 中国人口·资源与环境， 2015， 25（9）：153-159.[XIANG Kun， SONG Deyong. Spatial analysis of Chinas PM2.5 pollution at the provincial level[J].China population， resources and environment， 2015， 25（9）：153-159.]

[27]ELHORST J P. Specification and estimation of spatial panel data models[J]. International regional science review， 2003， 26（3）：244-268.

[28]ANTEWEILER W. The pollution terms of trade[J]. Economic systems research， 1996， 8（4）： 361-366.

[29]張军，吴桂英，张吉鹏. 中国省际物质资本存量估算：1952—2000[J]. 经济研究， 2004（10）：35-44.[ZHANG Jun， WU Guiying， ZHANG Jipeng. The estimation of Chinas provincial capital stock： 1952-2000 [J]. Economic research journal， 2004（10）：35-44.]

[30]POUMANYVONG P， KANEKO S. Does urbanization lead to less energy use and lower CO2， emissions a crosscountry analysis[J]. Ecological economics， 2010， 70（2）：434-444.

[31]FU Jingyan， ZHANG Chunjun. International trade， carbon leakage， and CO2 emissions of manufacturing industry[J]. Chinese journal of population， resources and environment， 2015， 13（2）： 139-145. DOI：10.1080/10042857.2015.1009256.

[32]杨红， 付淳宇， 杨春亮. FDI与中国环境污染关系的经济分析[J]. 环境保护， 2014（19）： 54-56.[YANG Hong， FU Chunyu， YANG Chunliang. Economic analysis of the relationship between FDI and environmental pollution in China[J]. Environmental protection， 2014（19）： 54-56.]

[33]袁其刚，李璐璐，商辉.应对气候变化贸易措施与WTO规制的冲突及协调[J].经济与管理评论，2014（2）：39-44.[YUAN Qigang， LI Lulu， SHANG Hui. The analysis on trade measures addressing climate change and their conflict and coordination with WTO[J]. Review of economy and management， 2014（2）： 39-44.]

[34]賈康. 运用财税政策和制度建设治理雾霾[J]. 环境保护， 2013（20）： 32-34. [JIA Kang. To tackle fogandhaze with fiscal and tax policy and construction of institution[J]. Environmental protection， 2013（20）： 32-34.]

Timespace effect test on foreign direct investment and PM2.5 pollution at city level

YAN Yaxue1QI Shaozhou1，2

（1.School of Economic and Management， Wuhan University， Wuhan Hubei 430072， China；

2. Center of Hubei Cooperative Innovation For Emissions Trading System， Wuhan Hubei 430072， China）

Abstract

The paper inspects the regional distribution characteristics and spatial spillover effect by using the panel data of Chinas haze pollution in 241 Chinese cities during 1998-2012， establishes the dynamic spatial panel model with system of generalized moment estimator （SGMM） method， and analyzes the global and local spatial autocorrelation of FDI and haze pollution by using Morans I and Gearys C index. The results shows： ① The FDI and haze （PM2.5） pollution shows significant spatial correlation， and proves spatial spillover effect and the radiation effect of the haze （PM2.5） pollution and FDI. At the same time， high value FDI is also the high value of PM2.5 concentration， and low value FDI is also the low value of PM2.5 concentration. The results indicates that investment effect and PM2.5 pollution in geographic agglomeration and economic geographical agglomeration are closely related within a region. ‘Super imposed effect and ‘spillover effect play a significant role in PM2.5 pollution， which suggests that PM2.5 pollution is still in a state of intersect， cumulative and continuous spreading in China. ②The FDI rises the haze （PM2.5） concentration in the full samples. An 1% increase in FDI stock， PM2.5 concentration will increase 0.011%. ③An 1% increase in FDI stock， PM2.5 concentration will increase 0.001 9% in cities of eastern region. An 1% increase in FDI stock， haze （PM2.5） concentration will increase 0.018 3% in cities of middle region. FDI stock in cities of western region does not exert a significant impact on haze （PM2.5） concentration.The empirical research shows that the Chinas haze pollution has a significant feature of spatial dependence and regional heterogeneity， and FDI plays a significant role in increasing the haze concentration in most of Chinese cities.

Key wordsforeign direct investment； PM2.5 pollution； dynamic spatial panel data