对外贸易、FDI与我国工业环境效率的空间异质性——基于GTWR和面板分位回归模型的分析

(华侨大学 经济与金融学院,福建 泉州 362021)

工业环境效率是工业经济可持续发展的关键,也是新时期工业产业转型和环境保护面临的重大挑战。一方面，对外贸易、FDI作为技术来源的重要途径,是提高工业环境效率的关键动力之一;另一方面,根据“向底线赛跑”论断和“污染天堂”假说,对外贸易、FDI会使发达国家或地区的污染性企业迁移到落后国家或地区,进而造成污染、降低环境效率。就目前的发展看,整体上我国仍是发展中国家；局部上,我国地域辽阔,各地区经济发展差异较大。从东至西,内部区域可分为相对发达地区、中等发达地区和相对落后地区,空间分布等级明显,且不同地区的区位优势导致贸易活动在各地区存在明显差异。因此,本文从对外贸易和FDI角度出发探讨对我国工业环境效率影响的空间差异具有重要的理论价值和实际意义。

对外贸易对环境效率影响研究最先是由Grossman、Krueger建立相应的分析框架,并将国际贸易环境影响分解为规模效应、结构效应和技术效应3个方面[1]。此后,国内外许多学者开展了相关研究,但结果不尽相同。其中,国外Dua、Esty的观点认为,对外贸易的全球化竞争会使各国以环境为代价,降低环境效率[2]。另一类研究表明对外贸易有利于环境效率的提高[3,4]。在国内,对外贸易与环境污染、对外贸易与能源效率以及对外贸易与工业环境效率都是学者讨论的热点,相关研究也存在较大的争议。一类研究认为，对外贸易有利于能源环境效率或工业环境效率的提高,有利于环境保护[5-7];另一类研究则截然相反,认为发达国家的贸易转移使我国成为环境污染的“避难所”,对外贸易恶化了我国的环境[8]。对FDI与环境效率的研究以“污染天堂”假说为代表,该观点在国内外研究均存在较大争议。在我国,相关研究可以分为三类：第一类认为FDI对环境效率具有显著的促进作用,否定了“污染天堂”假说[9-11];第二类认为FDI对我国环境效率的作用不显著,原因在于外商投资一方面给本地工业企业带来了先进技术,促进了科技合作,另一方面又引进了发达国家高耗能、高污染的产业,两方面的共同作用给工业环境效率带来正、负两方面影响,两种影响相互抵消[12];第三类认为我国存在着“污染天堂”假说的证据[13]。

从已有的研究来看,对外贸易和FDI均可作为市场开放程度的相关指标,可认为是技术进步的重要来源,但是研究结果大相径庭。笔者认为,其中一个重要的原因是由于技术手段的限制,这些研究未能很好地考虑空间因素,从空间异质性的角度出发对该问题进行考量。目前,随着相关研究和技术手段的不断发展,空间探索性分析、时空地理加权回归模型、面板分位回归等方法为本研究提供了良好的研究基础,因此可从空间异质性出发,继续考察这一问题,其研究结果将更具有说服力。在“一带一路”倡议的发展背景下,我国对外贸易和外商直接投资格局正在发生变化,关于对外贸易和FDI对工业环境效率影响的探究对相关环境政策的制定提供参考与借鉴。

1 研究方法及数据来源

1.1 GTWR模型

传统的回归模型在估计区域数据时往往忽略了数据的空间结构,仅能得到平均影响,Fotheringham提出的地理加权回归(GWR)模型考虑了空间的非平稳性,解释变量的影响随着区域的不同而异,是变量研究空间异质性的重要工具。在实际运用中,GWR模型也存在一定的缺陷。如该模型只能研究截面数据,缺乏时间维度考虑,即使在研究中可研究不同时间节点上的情况来说明问题,但相较于面板数据节点数据具有一定的偶然性,因此仍存在一定的偏差。Huang等[14]提出的时空地理加权(GTWR)模型考虑了时间维度的变化,克服了地理加权回归模型的不足。本文将采用GTWR模型来解决空间异质性问题,模型表达式为:

(1)

式中,(yi;xi1,xi2,…,xid)为被解释变量和解释变量在时空坐标(ui,vi,ti)处的观测值。通常,对i、j的空间距离可采用各个省域的经度和纬度数据来计算。t为时间距离;εi～N(0,σ2)、βk(ui,vi,ti)为系数函数,是函数βk(u,v,t)在i点的值。

利用时空加权回归模型的局部线性估计方法可求得各回归系数在观测点i处的估计值:

=[XTW(ui,vi,ti)]-1XTW(ui,vi,ti)Y

(2)

权重W(ui,vi,ti)设为观测点i到其他观测点的距离的函数,通常采用高斯距离函数。此外,带宽选择对GTWR模型的精度影响很大,常采用交叉确认法确认模型的空间带宽和时间带宽。在实际运用中,可按照AIC准则,即AIC最小时对应的为最优带宽。分位回归模型的估计结果可反映不同层次中参数的变化状况,因此可用来研究异质性问题[15],且在估计中是根据样本信息按不同分位点分割数据进行估计,有利于归类分析。本文将在GTWR模型的基础上继续使用面板分位回归方法对空间异质性问题进行研究。

1.2 面板分位回归

分位回归模型最早由RogerKoenker、Gilbert Bassett于1987年提出,它克服了最小二乘法的一些局限,能很好地反应各分位点的影响。但一直以来分位回归模型停留在对截面数据的估计,未能发挥面板数据的优点,直到2004年Koenker提出固定效应面板分位回归模型。目前面板分位回归模型仍处于发展阶段,该模型可充分发挥面板数据模型和分位数回归优点,在控制个体差异的基础上，可有效地分析解释变量对不同分位点上被解释变量条件分布的影响程度。相较于时空地理加权回归模型,面板分位回归模型依据某一变量的统计数字特征对研究对象进行了归类,能说明处于不同数字特征类别对象的空间差异,具有鲜明的层次性,可作为空间异质性研究工具。现有的面板分位回归方法主要有三大类:一阶差分分位回归法、固定效应变换分位回归法和引进虚拟变量的惩罚法[16],本文在研究中只考察研究对象的层次差异,以探讨我国工业环境效率的空间异质性问题。以固定效应分位回归模型为分析方法,具体表达式为:

(3)

1.3 数据来源

本文研究数据来源于相关年份的《中国统计年鉴》、《中国对外贸易统计年鉴》、《中国环境统计年鉴》以及各省的统计年鉴。

2 对外贸易、FDI与工业环境效率的空间格局分析

2.1 对外贸易空间分布格局分析

利用各省贸易进出口总额数据对我国对外贸易空间格局进行分析。考虑到一方面进出口贸易总额中包含价格因素的影响，另一方面各省进出口贸易总额在逐年增加,绝对数很难反应出各省的贸易实力,因此在分析中采用相对数当年各省进出口贸易总额占当年全国贸易总额的比值,以解决上述问题。运用ArcGIS软件绘制出2000年、2008年和2015年对外贸易情况的空间分布图(见图1—4)。

图1 2000年对外贸易空间分布情况

分析图1—4可见：首先,我国对外贸易省际差距较大,呈现出显著的空间非均衡发展。我国对外贸易东中西层级分布明显,贸易活动主要集中在东部地区,尤其是广东、江苏、上海、浙江和山东5个省市,西部地区的贸易强度较弱,尤其是甘肃、青海、宁夏和西藏4个省区。其次,从时间演变过程看,整个贸易活动呈现出了“强者愈强,弱者愈弱”的局面,整个贸易活动在逐步向东部沿海地区集聚。图中呈现了各省进出口总额占全国进出口总额比重的空间分布情况,在时间维度上发现西部各省进出口总额所占比重明显减少,中部各省也出现了不同程度的缩减。第三,东西区域内存在差异显著的省份。西部地区整体上贸易活动强度较弱,但四川省是在整个西部地区中经济发展较好的省份,新疆为我国向西开放的“桥头堡”和“枢纽站”,贸易活动显著强于西部其他省区。整体上,东部地区贸易活动较集中,但福建省的贸易强度和贸易演变过程较缓慢,与邻近沿海省市差距较大。

图2 2008年对外贸易空间分布情况

图3 2015年对外贸易空间分布情况

图4 2000年FDI空间分布情况

2.2 FDI空间格局分析

本文运用外商直接投资实际利用额数据对FDI空间分布格局进行分析研究，同时采用相对数对各省当年FDI实际利用额占全国当年FDI实际利用额的比值进行了分析,空间分布结果见图5、图6。从图5、图6可见:①2000年、2008年和2015年我国FDI空间非均衡性显著,整体上东部地区各省市FDI水平显著高于中部地区和西部地区,区域层级差异较大,但也不乏个别“异常”的省市,如2000年、2008年和2015年上海市的实际利用外资额分别为31.6亿美元、100.84亿美元和184.59亿美元,占全国实际利用外商投资额的比重甚微,西部地区的四川省利用外商直接投资额较大,明显强于西部其他省份。②整体上来说，各省、市、自治区实际利用外商投资额在逐渐增加,且呈现出自东向西逐渐扩展的发展趋势,中部地区的FDI水平变动较显著,成为外商直接投资的重点区域,尤其是河南、安徽、江西、湖南4个省。

图5 2008年FDI空间分布情况

图6 2015年FDI空间分布情况

2.3 工业环境效率及其空间格局分析

环境效率是提高环境质量的关键所在,工业环境效率又是提高整体环境效率的重中之重。对我国工业环境效率的测度和空间分布格局的分析一方面是对我国工业环境现状的具体认识,另一方面可与对外贸易、FDI空间分布格局进行对比,初步判断三者间存在的相关关系。①建立工业环境效率测算指标体系。在工业环境效率的测算中,相关指标体系已较健全,在投入和产出变量的选择中,成本即为投入变量,收益为产出变量,环境污染物可考虑为成本,因此可作为投入处理。借鉴相关研究[11,17]可建立的指标体系见表1。其中,根据现有相关文献研究,工业能源消费量选取煤炭消费量为具体指标;工业资本投入采用永续盘存法测算,借鉴焦兵等[10]的研究,把规模以上工业企业固定资产净值年均余额之差当作新增固定资产投资,参照张军等[18]的成果,折旧率取9.6%,并且用固定资产投资价格指数进行平减;工业总产值以2000年为基期,运用各年工业出厂价格指数进行平减,以剔除价格因素的影响。②运用上述超效率DEA模型测算我国工业环境效率。超效率模型与传统DEA模型具有相同的表达式,不同的是在计算第n个决策单元效率时,将第n个决策单元的投入和产出用所有单元决策单元投入和产出的线性组合代替。相较于传统的DEA模型,超效率DEA模型的优点在于不但能判断决策单元是否有效,而且还可进行决策单元间的效率比较,根据效率计算结果对决策单元进行排名。结果中若效率值小于1,其意义同传统DEA模型计算结果,表示相对无效;若测算结果为有效,则其效率值大于等于1。当值大于1时,表明在1的基础上再扩大若干,决策单元仍能保持相对最优效率。如若决策单元效率为1.6,则表示决策单元规模再扩大60%仍可保持相对最优效率[19]。

表1 工业环境效率测算指标体系

根据以上测算结果,可以对我国工业环境效率的空间分布及演化过程做进一步的分析,见图7—9。其中,由于香港特别行政区、澳门特别行政区、台湾地区、海南省、西藏自治区部分关键数据缺乏,因此在测算中予以了剔除,但是为了完整性仍然保留了底图。

图7 2000年我国工业环境效率空间分布状况

图8 2008年我国工业环境效率空间分布状况

图9 2015年我国工业环境效率空间分布状况

从图7—9可见:①我国整体工业环境效率东部地区明显高于中西部地区,尤其是北京、上海、浙江、福建等省市。由于经济相对发达、技术条件优越、环境治理投资充裕,工业效率处于明显的领先地位。②从整体演变过程看,东部地区有进一步提高环境效率的趋势,中西部地区与东部地区的环境效率差距并没有随时间的推移而逐渐缩小,而是呈现出继续扩大的发展态势。③黑龙江省属于我国的老工业基地,经济发展相对落后,但工业环境效率一直处于较高水平,该结果与宋马林等[6]的研究结果一致。西部地区中,广西、重庆和新疆工业环境效率相对较高。④存在着环境效率变化显著的省份。西部地区的四川省环境效率有了显著提高,中部地区的河南省工业环境效率提高相对显著,东部地区的天津市、福建省、广东省、山东省的环境效率则出现下降,尤其是天津和福建两地。

综合上述研究发现：整体分布上，我国对外贸易、FDI与工业环境效率有基本一致的状态。在演变路径上,我国工业环境效率空间分布与对外贸易空间分布呈现出相同的变化趋势,而与FDI的变化路径相反。在部分省、市、自治区中,如四川的工业环境效率变化与FDI呈现出了一致的变化趋势。可见，我国对外贸易和FDI与工业环境效率间存在着一定的相关关系。根据已有研究,对对外贸易、FDI和工业环境效率间的关系进行猜想:①对外贸易作为技术来源的关键因素,对我国工业环境效率存在着显著的促进作用,贸易活动愈活跃的地区,对外贸易对工业环境的促进作用愈明显;在贸易活动贫乏的地区,对外贸易对工业环境的促进作用不显著。②在经济发达地区,由于自身发展良好,会对进入的外资企业筛选,阻止具有污染性或污染严重投资,因此FDI对工业环境效率具有一定的促进作用。在投资环境优越的地区,FDI是主要技术来源,可促进地区工业环境效率的提高;在经济相对落后的地区,FDI技术效应和环境成本效应相互抵消,结果正负均可能存在。通过GTWR模型和分位回归模型对该判断进行验证,并对其他相关因素对我国工业环境效率影响的空间异质性做一分析。

3 模型分析

3.1 控制变量

本文利用超效率DEA模型对工业环境效率进行了测度，在此将探讨对外贸易与FDI对工业环境效率的影响和表现出的区域差异。将工业环境效率作为被解释变量,对外贸易和FDI作为主要解释变量。其中,对外贸易用各地区进出口贸易总额与地区生产总值的比值为具体指标,FDI用实际利用外商直接投资额为具体指标。根据相关研究,模型中加入以下控制变量:①市场化程度(MS)。市场化程度既会降低交易成本,也会刺激企业创新,有利于工业环境效率的提高[20]。具体采用工业私营企业销售产值占规模以上工业销售总产值的比重度量。②技术投入(R&D)。已有研究表明,技术进步会降低能源消耗,提高能源利用率,有利于工业环境效率的提高[21],而R&D是技术进步的主要推动力。技术投入的具体指标选择规模以上工业企业R&D内部经费支出,部分年份只统计了大中型工业企业R&D数据,因此部分指标用大中型工业企业数据进行替代。③工业化水平(IZ)。在环境效率较低的地区,工业化水平拉动经济增长的正面效应大于负面效应,因此可能会出现工业化水平对环境效率的正向影响,环境效率较高的地区,工业化水平可能会对环境效率产生负面影响[6],具体的工业化水平指标用地区工业增加值占GDP的比重表示,各变量的描述性统计见表2。

表2 模型变量描述性统计

注:数据中不包括香港与澳门特别行政区、台湾地区、海南省和西藏自治区。

3.2 GTWR模型分析

根据上述模型理论和变量,估计具体模型,在估计中核函数选取高斯核函数,带宽依据AIC最小原则进行了选取,估计参数的描述性统计见表3。

表3 GTWR模型参数描述性统计

从表3可见,各变量对工业环境影响的区域差异不可忽视。首先主要解释变量对外贸易、FDI。整体对外贸易和FDI对我国工业环境效率的影响都呈现出一定的梯度分布,其中FDI的梯度分布更明显。对外贸易对工业环境的负向影响主要分布在北京、吉林、辽宁、黑龙江、陕西、甘肃、青海7个省市,这些地区除北京市外均为经济欠发达地区。北京为发达地区,本身技术水平较高,对外贸易在很大程度上为技术输出,存在一定的负向影响。其他6个地区除经济欠发达外,属于我国传统的老工业基地,主要发展重工业,技术水平较低,进出口贸易主要以重工业产品为主,这种进出口的技术效应低于其增加产出而引起的环境成本,因此对工业环境效率的影响呈现出了负向作用。相反,对外贸易对环境效率影响为正的地区主要分布在东部沿海和中部地区,其中福建、湖北、山西3省尤为明显。FDI对工业环境效率影响为负的地区主要分布在西部地区和中部地区各省,其显著性有待采用面板分位回归模型进一步检验。

分析其他控制变量可见,市场结构对工业环境效率影响为负的地区主要有北京、天津、吉林、山东和宁夏,对其他地区影响为正向;R&D产生负向影响的主要有山西和新疆等省区;工业化水平对环境效率产生负向影响的主要有北京、天津、河北、山西、甘肃、宁夏、青海和新疆8个省、市、自治区,在工业化水平较低的地区,工业化对环境效率的影响为负。而在工业化水平较高的地区,工业化对环境效率的影响为正,较符合工业发展的实际情况,可认为工业化水平有利于工业技术的提高。

3.3 面板分位回归分析

对变量继续进行面板分位回归分析,估计结果见表4。

表4 面板分位回归估计结果

注:***、**、*分别表示在1%、5%、10%显著水平下显著；括号内为估计系数的标准误。

分析分为回归估计结果可见,对外贸易对工业环境效率存在着显著的正向影响,且随着分位点的提高,这种影响在逐渐增强,表明在工业环境效率加高的地区,对外贸易对工业环境效率的影响越大,对外贸易是工业技术进步的重要来源;FDI对工业环境效率的影响梯度显著,在中位数及以下。即环境效率较低的省、市、自治区,FDI对工业环境效率的影响为负;在环境效率较高的地区,FDI对工业环境效率的影响为正。结合本文的工业环境效率的空间分布规律发现,影响为负的地区主要为中西部地区,影响为正的地区主要为东部沿海地区,与上述GTWR模型的估计结果一致,但估计结果的统计显著水平上不显著。佟连军等[11]的观点认为,外商投资一方面给本地工业企业带来了先进技术,促进了科技合作;另一方面又引进了发达国家高耗能、高污染的产业。两方面的共同作用给工业环境效率带来正、负两方面的影响,两种影响相互抵消,总体上外商直接投资对工业环境效率的影响并不显著在一定意义上成立。值得注意的是,尽管外商直接投资对工业环境效率的影响不显著,但在工业环境效率较低的中西部地区,其影响为负,在工业环境效率较高的东部地区,其影响为正。即在西部地区外商直接投资的环境成本效应加大,高污染、高耗能产业引进较多;在东部地区外商直接投资的技术效应较大,外商投资引进以技术为主,因此不能否认“污染天堂”假说在我国存在。其他变量如市场结构、技术投入、工业化水平对工业环境效率的影响均为正向,存在着一定的分布梯度,与GTWR模型的估计结果基本一致。因此,各地在改善环境、提高工业环境效率时需注重上述各因素的影响。在我国工业环境效率的分析中,空间异质性问题不可忽视。

综上所述,对外贸易、FDI与我国工业环境效率间的关系为:从我国整体和工业效率分布类别看,对外贸易对我国工业环境效率的影响为正，经济越发达的地区,对外贸易对工业环境效率的影响越大；从各省看,在技术落后的重工业发展地区和技术输出型地区,对外贸易对工业环境效率的影响为负。FDI对工业环境效率的影响存在梯度分布，整体看,技术效应和环境成本效应的相互作用,在各省的影响不显著。

4 结论及启示

本文运用空间描述统计、超效率DEA模型对我国对外贸易、FDI及工业环境效率的空间分布进行了分析。结果表明:①从整体分布看,我国对外贸易活动与工业外商直接投资活动主要集中在东部地区,目前仍表现为“东强西弱”;从时间演变看,对外贸易活动表现为继续向东集聚,呈现出“强者愈强,弱者愈弱”的发展态势,外商直接投资活动逐渐在向中西部转移扩散。此外,在对外贸易活动和外商直接投资活动中,个别省份异于周边地区。②我国工业环境效率表现为明显的梯度分布,东部地区明显高于中西部地区,但整体环境效率由东向西在逐渐改善。在此演变过程中，东、中、西部存在工业环境效率变化较显著的省份。③对外贸易、FDI对我国工业环境效率的影响存在一定分布梯度,FDI的影响更显著。从我国整体和工业效率分布类别看,对外贸易对我国工业环境效率的影响为正,且经济越发达的地区,对外贸易对工业环境效率的影响越大。但从各省份看,在技术落后的重工业发展地区和技术输出型地区,对外贸易对工业环境效率的影响为负。④在经济发达、工业环境效率较高的地区,FDI对工业环境效率具有一定的促进作用,可提高地区工业环境效率；在经济相对落后、工业环境效率较低的地区,FDI会导致环境进一步恶化,抑制工业环境效率的提高。尽管FDI的技术效应和环境成本效应在相互作用中的正负作用不显著,但不能否认“污染天堂”假说在我国的存在。此外,市场结构、技术投入、工业化水平对我国工业环境效率均存在影响,且影响的分布梯度明显。优化市场结构、合理化技术投资和提高工业化水平是工业环境效率须考虑的问题。在我国整体工业环境效率的研究中,工业环境效率的空间异质性不容忽视。

基于上述结论,首先在“一带一路”倡议的发展背景下,我国坚持“走出去”和“引进来”并重的发展策略,我国整体贸易格局、外商直接投资格局正在发生着变化,各地区在加大对外开放程度时需注意对环境的潜在影响,合理引进发展成熟的高清洁技术,提高区域的整体工业技术水平,保护环境。注重发挥市场的作用,建立完善的市场机制,确保低效、污染的国有企业退出市场,高效、清洁的民营企业得到平等的发展机会。其次,在“中国制造2025”的发展背景下,我国制造业产业格局正发生显著的变化,东部制造业产业正在逐步向中西部转移,转移的产业往往以劳动密集型和资源密集型为主。一方面,相对于中西部地区,这些转移产业具有较高的技术效率,在一定程度上能提高工业环境效率;另一方面,长期来看资源密集型产业的发展会大量开发当地自然资源,造成环境破坏,降低工业环境效率,因此承接的产业需根据地区发展状况及时转型或进行技术引进,同时当地政府应建立完善的环境产权市场与法律体系。