中国经济增长与环境质量的关系研究——基于240个城市的双门槛效应检验

(海南大学 经济与管理学院,海南 海口 570228)

1 引言

经济发展的最终目标在于改善人民生活水平,提升居民的整体福利水平。然而,在资源环境的约束下,我国现有经济发展模式带来的经济增长必然会伴随着污染排放,导致的环境恶化会降低甚至可能抵消经济增长带来的居民福利改善[1]。《中国生态环境状况公报》显示,2017年在全国338个地级及以上城市中,239个城市环境空气质量超标,超标比例高达70.7%,酸雨城市的比例高达36.1%。如何准确地理清经济增长与环境污染之间的关系，是当前我国经济社会发展急需解决的问题之一。

20世纪70年代以前,学术界普遍认为经济增长与环境质量之间呈正相关关系[2]。直到1991年Grossman、Krueger提出了著名的EKC假说,认为经济增长与环境污染之间并不总是线性关系,而是存在倒“U”型关系。即在经济发展初期环境污染会随着经济增长而加重,而当经济水平达到一定程度后,经济增长将有利于缓解环境污染。随着学者们对EKC研究的细化与深入,部分学者发现经济增长与环境污染之间并不总是倒“U”型关系。Holtz-Eakin、Selden[3]发现在地区经济水平、工业化进程、环境指标等因素存在差异的情况下,人均收入与环境指标之间可能呈现出“L”型、“N”型、“S”型等多种形态,即经济增长与环境污染之间存在其他形状[4-6]。也有学者认为经济增长与环境质量之间并不存在特定的关系,即有些地区并不符合经济增长与环境质量的EKC假说[7,8]。许多学者认为,环境质量的变化并不仅仅是经济增长因素导致的,也有可能会受到其他非经济因素的影响,如文化程度[9]、城市化水平[10]、生产结构[11]等社会性因素。其中,Grossman、Krueger[12]通过加入人口密度、水温变量等特定变量后,研究发现生态地理因素是导致经济增长与环境质量两者结论出现误差的重要原因。

已有研究所引起的争议使EKC检验的理论基础和方法备受关注。然而,目前大多数研究简单地将不同发展程度的经济体数据进行“拼接”,假定各国(地区)在经济结构、资源禀赋、政治体制、基础设施等方面具有一致性,即简单认定所有经济体具有同质性。现实中这一假定很难被满足,由此产生了EKC检验过程中的“异质性”问题。为解决这一难题,夏勇、钟茂初[13]等在这方面做了颇具启发性的探索,他们从经济发展水平与环境污染脱钩关系的角度出发,将我国271个城市细分为“高收入未脱钩、低收入未脱钩、低收入相对脱钩、高收入相对脱钩、低收入绝对脱钩、高收入绝对脱钩”6种形态,研究发现不同城市经济发展与环境质量的关系存在着组别差异。因此,在考察经济增长与环境质量之间的关系时,需要对不同经济体所处的阶段进行具体的分组研究。在对经济体划分阶段时,就需要寻找一个合理的分组指标和分界点。以往人为分组的方法不可避免地会引起主观偏误,使研究结论出现偏差甚至错误。因此,是否可寻找一个合理的“门槛值”来对不同经济体进行分组？这是本文需要解决的关键问题。Hansen[14]首次利用门槛效应法对连续型变量进行分组,随后这一方法逐渐引起学者们的关注,并将其应用于创新[15]、FDI技术溢出[16]、金融开放[17]和环境规制[18]等多个领域的研究。事实上,门槛效应确实能有效化解环境库兹涅茨曲线检验中的“异质性”难题,同时避免了人为分组引起的主观偏误[19]。

基于以上分析,本文将运用门限回归的方法对我国240个城市进行分组,以期在有效化解传统EKC检验中“异质性”问题的基础上,准确地考察我国经济增长与环境质量的关系。本文的贡献主要体现在:①针对以往EKC检验中“异质性”问题的成因和可能产生的影响,利用门限回归方法进行分组研究,有效化解了传统EKC检验中的“异质性”难题,避免了人为分组引起的主观偏误。②利用我国240个城市的数据来验证经济增长与环境质量的关系,利用地级市层面的经验证据对EKC假说予以补充。EKC“异质性”问题的化解对准确了解我国各城市的经济发展与环境质量的现状,提高环境规制政策的有效性和针对性具有重要的现实意义。

2 数据来源、门槛变量选取与模型构建

2.1 数据来源与说明

本文数据主要来源于CSMAR和Wind数据库,部分数据来源于各城市相关年份的统计年鉴。初始样本包含338个城市,并按以下原则进行筛选和处理:剔除数据存在缺失的样本;删除数据值缺失2年以上的城市样本,以确保后续实证检验的准确性;对缺失2年以内的样本采用线性插值法进行补充。最后本文得到我国2003—2015年240个城市的平衡面板数据集合。

本文的解释变量为环境质量,选取二氧化硫排放量(t)作为其代理指标。解释变量为经济发展水平,选取人均GDP(元)作为其代理指标。控制变量选取第二产业占GDP的比值(ind)衡量工业的比重,外商直接投资占GDP比重(fdi)衡量贸易开放程度,比重的计量单位均为%。采用人口密度(rkmd)衡量人口强度,其数值越高,代表该城市的人口密度就越大。为了保证数据的平稳性,以及削减甚至消除异方差问题,本文在实证过程中对以上变量均进行了对数化处理。

2.2 门槛变量选择

对导致我国城市间“异质性”的主要因素可从经济水平和经济结构两个方面进行概括:①在经济水平维度上,我国各城市由于地理环境、自然资源和政策制度等的差异,使各自在经济发展轨迹上存在显著性差别,从而使经济发展水平相差较大。一方面,自改革开放以来,我国逐步加大对外开放程度,天津、大连、上海、广州等14个沿海城市成为首批对外开发城市,在自身资源优势和国家政策的扶持下,这些沿海城市迅速崛起,经济发展速度显著快于中西部城市。另一方面,为推动我国经济的全面均衡发展,我国于1992年决定对5个长江沿岸城市实行沿海开放城市的类似政策,这一系列政策的实施加快了内陆城市的开放进程。这种不同的对外开放顺序使沿海和内陆城市在同等经济水平下所面临的人均收入、市场化水平、技术水平和政策环境等EKC影响因素截然不同,这些是导致在EKC检验中出现的“异质性”问题。②在经济结构维度上,城市在经济发展过程中会利用自身优势选择更具竞争力的产业,并大力发展,以推动本市经济的高效快速增长,而城市发展过程中产业结构的差异会对EKC检验结果产生影响。一方面,在同一经济发展阶段,不同城市间的经济结构差异使EKC检验结论受到来自各产业的影响显著不同;另一方面,在不同发展阶段,同一城市不同的工业结构、产品结构和能源结构等也会对EKC检验结果产生影响。总体而言,经济水平维度和经济结构维度基本涵盖了我国城市间“异质性”的主要因素,对EKC检验具有重要意义。两类维度的影响因素见表1。

表1 EKC异质性影响因素分析

注:作者自制。

2.3 模型构建

门限回归模型:参考Hansen[14]、万建香等[20]的做法,本文构建门槛模型来验证我国经济增长与环境质量之间的关系,在避免人为划分区间带来的主观性偏误的同时解决了以往绝大多数研究中存在的“异质性”问题。本文将以双重门限模型进行说明,多重门限模型可在此基础上进行扩展。

双重门限模型设定为:

Yit=μi+β1xit×I(qit≤γ1)+β2xit×I(γ1γ2)+εit

(1)

式中,qit为门限变量;γ为门限值;随机扰动项εit为白噪声。

检验模型:本文主要借鉴了Shafik、Bandyopadhyay[21]、Westerlund[22]等的研究方法,并将检验模型首先设定为EKC的三次方形式,在三次方模型检验不显著的情形下,剔除三次方模型而选择二次方模型;如果二次方模型检验仍然不显著,则采用线性关系模型。

模型构建为:

lnghgit=αit+β1lnyit+β2(lnyit)2+β3(lnyit)3+β4lnindit+β5lnfdiit+β6lnrkmdit+εit

(2)

式中,lnghg为城市环境质量;lny为城市经济发展水平;lnind为城市工业比重;lnfdi为贸易开放程度;lnrkmd为人口密度;εit为随机误差项。

3 实证结果分析

3.1 门限回归结果

本文首先对经济水平(人均GDP)和经济结构是否存在门限值进行检验,如存在门限值,则计算出对应的门限值,结果见表2。人均GDP门限值检验结果表明,单一门限假设、双重门限假设、三重门限假设结果均较显著。其中,在三重门限假设检验情况下,对数化人均GDP门限值分别为8.629、9.224、11.559,对应的实际人均GDP分别为5591.484元、10137.533元、104715.250元。工业比重的门限值检验结果表明,第二产业比重的所有门限假设均显著。在三重门限检验下,对数化的第二产业比重门限值分别为3.604、3.787、3.995,对应的第二产业实际比重数值分别为36.745%、44.124%、54.326%。

表2 人均GDP与第二产业占比门限回归分组结果

3.2 门限分组结果

在上述门限回归结果的基础上,本文按照均值法和最大比例状态法来最大程度地让城市与所属组别实现最佳匹配,对我国240个城市进行分组,以解决分组过程中可能存在的“组别跳跃”问题。如2003—2005年上海处于“低经济水平”状态,2006—2008年进入“较低经济水平”状态,2009年后又进入“较高经济水平”城市行列。同时,2003—2015年上海人均GDP为12万元,从指标均值来看上海属于“较高经济水平”组别。从状态年份数看,上海“较高经济水平”年份数共计7个(2009—2015年),占时间序列总数的54%,为最大比例状态,因此根据期间人均GDP和最大比例状态可认定上海为“较高经济水平”城市。当两种方法的结论不一致时,以最大比例状态方法得出的结论为主。同时,对落入两个门限值之间的城市,以更加靠近的区间上限或下限的所属组别作为考察城市的组别分类。据以上分组标准和方法,理论上可将240个城市分成16个组别。结合分组后实际情况发现,240个城市实际仅分成9个组别,包括“高经济水平和高工业比重、高经济水平和较低工业比重”等9个组别。其中,有7个组没有涵盖任何城市,组9仅包含阜阳一个城市。

表3 门限回归分组下的分组结果

表4 EKC的三次型分组检验结果

注:随机效应的检验不为F值,为Wald Chi2(4)检验(下同)。

3.3 EKC三次项形式的分组检验结果

本文首先进行三次项形式的EKC检验。为进一步滤去残存“异质性”,通过豪斯曼检验来判断各组的具体检验模型(组1、组2和组8采用随机效应回归模型,组3、组4、组5、组6和组7利用固定效应回归模型,由于组9仅包括阜阳一个城市,所以这组直接采用OLS进行回归。)由表4可知,三次型检验结果仅组2和组8是显著的,其余各组均不显著。

3.4 EKC二次项形式的分组检验结果

表5的检验结果显示,除组7和组9不显著外,其余各组的二次型检验均显著。因此,本文以二次型的检验结果为主对不同组别进行讨论。

表5 EKC的二次型分组检验结果

由于不同组别的拐点值和显著性强度存在明显差异,所以本文将分别对其EKC特征和趋势进行讨论:①组1——高经济水平,较高的工业比重城市。该组仅包括深圳和东莞两个城市,EKC的形状为倒“U”型。从2015年的人均GDP数据来看,深圳市和东菀市的人均GDP分别是55万元和20万元,均已超过拐点的水平值。因此,组1城市的环境质量将随着经济发展而改善,应该推行放松环境管制的政策。②组2——较高的经济水平,高工业比重城市。该组共包括唐山、阳泉、长治等70个城市,EKC检验结果为倒“U”型。从该组2015年的数据来看,人均GDP最高的是珠海市17.1万元,最低的是榆林市1.9万元。其中,长治、朔州等14个城市未超过拐点,主要集中在山西、河南、四川等省份;无锡、宁波等56个城市已超过拐点,主要集中在浙江、江苏、江西等省份。说明组2的绝大部分城市已越过拐点,未来的环境趋势将随经济发展而得到改善。③组3——较高的经济水平,较高的工业比重城市。该组包括天津、石家庄、邯郸等87个城市,EKC形状为倒“U”型。从该组2015年人均GDP的数据来看,最高的是厦门市17.3万元,最低的是运城市1.8万元。这说明组2所有城市均已超过拐点,未来环境质量将随经济发展而逐渐改善。④组4——较高的经济水平,较低的工业比重城市。该组包括秦皇岛、张家口、呼和浩特等36个城市,EKC检验结果为倒“U”型。该组2015年人均GDP最低的是来宾市1.7万元。其中,仅来宾市还未超过拐点,其他35个城市均已超过拐点。⑤组5——较高的经济水平,低工业比重城市。该组包括北京、邢台、齐齐哈尔等10个城市,EKC检验为倒“U”型。2015年人均GDP最低的是张家界市的1.8万元,说明所有城市都处于环境质量随经济发展而下降阶段。⑥组6——较低的经济水平,较高的工业比重城市。该组包括忻州、朝阳、吉安等13个城市,EKC检验结果为倒“U”型。从2015年的人均GDP的数据来看,最低的是1.08万元,表明该组所有城市已超过拐点,未来环境质量趋势将随经济发展而改善。

综上所述,首先比较组1、组3、组6结果发现EKC检验结果均为倒“U”型,且组1的拐点水平值显著大于组3和组6,即拐点水平值存在显著差异。但若对组1、组3、组6样本进行合并检验则会使这三组城市拥有相同的拐点水平值,说明“异质性”存在使EKC检验时的拐点值失准。其次,比较组1、组4、组5的结果可知,组1的经济水平和经济结构均高于组4和组5,组1的拐点水平值也显著大于这两组。这一结果说明经济水平和经济结构越高的城市,拐点水平值也越大。同时,比较组2、组3、组4、组5的结果可知,组2的拐点水平值显著大于其余三组,表明城市的工业比重越高,拐点的水平值越大。第三,从组1和组6的回归结果来看,组1和组6均为同一“经济结构”,但由于组1经济水平高于组6,因此组1的拐点值显著大于组6。这表明“经济水平”比“经济结构”对拐点水平值起更大的决定作用。上述结论也可通过对其余组别的检验结果进行比较得出。

4 结论与政策建议

本文对我国240个城市的分组检验结果可知,以往研究中存在的“异质性”问题使EKC检验的结论有失偏颇。同时,我国EKC检验的拐点值会因城市间的组别差异而显著不同,表明EKC检验中的“异质性”问题得到了有效化解。研究发现,在本文的240个城市样本中,除长治、朔州等15个城市以外,其余城市均已超过EKC的拐点,说明我国一直推行的环境治理系列政策已取得初步成效。从以上9组城市的检验结果发现,有7组的工业化比重指标通过了显著性检验,其中5组是显著的正向影响,表明工业化比重会显著增加排污量。经济水平和经济结构都会影响EKC的拐点值,但经济水平对拐点值的影响更大。因此,要想实现全国范围内环境质量改善的总体目标,各城市需要在发展经济中准确把握当前所处的发展形态,如长治等15个城市仍处于EKC“拐点”水平值之前,通过保持一定的经济增长速度来实现环境改善目标是一条重要途径,即在夯实经济基础的同时适当降低污染排放量。而对处于EKC“拐点”之后的城市,节能减排是其首要任务。总之,城市发展既不能单纯追求经济增长而过度增加环境负荷,也不能对环境质量与发展水平并不匹配的局面视而不见。政府应根据自身环境质量与经济发展特点,合理把握本城市的环境规制政策的大小和方向,配合地区产业结构调整优化,逐步实现经济绿色发展目标。