财政分权、产业结构与空气污染

郭义琴

摘要：改革开放以来，中国式财政分权极大的推动了经济增长，但污染与生态环境破坏问题加重。文章以2008年至2017年30个省市的人均SO2负担强度、财政支出衡量的财政分权度、第三产业增加值占比等主要指标，通过建立面板数据模型来研究财政分权与产业结构对空气污染的影响。结果表明财政分权加剧了空气污染，而产业结构的升级有利于空气质量的提高。

Abstract： Since the reform and opening up， fiscal decentralization to a large extent promotes economic development. However， pollution problem and environmental disruption have been intensified. Based on annual data from 2008 to 2017， this article establishes a Fisher-ADF model， and uses RE model to study the relationship between fiscal decentralization and industrial structure. The results show that air quality has a negative correlation with fiscal decentralization and the upgrading of industrial structure benefits air quality on the contrary.

關键词：财政分权;空气污染;随机效应模型

Key words： fiscal decentralization;air pollution;RE model

中图分类号：F812.2;X51                                文献标识码：A                                  文章编号：1006-4311（2020）19-0068-02

0  引言

1994年分税制改革之后，中央收入时常达到全国一般公共财政收的50%左右，地方收支差额不断扩大，甚至部分地区的支出是差额的2倍，这种不平衡严重依赖中央的转移支付。随着产业结构持续调整，各省市第三产业占GDP比重趋于合理，但仍与发达国家有一定差距。据《2018年中国生态环境状况公报》，2018年空气污染超标率达64.2%。在产业结构持续调整的过程中，集约型经济增长方式正在逐步替代粗放型，能耗低的产业不断壮大，这有利于降低污染物排放量，2018年我国工业占GDP比重仍占到31.7%。相较于2008的48.6%，第三产业增加值的占比已经达到59.7%。所以在经济新常态背景下，研究财政分权、产业结构与空气污染的关系契合了生态文明建设的主题，符合绿色经济发展理念。

1  文献综述

在学术界，财政分权与环境污染之间的关系主要分为两种：一种观点认为财政分权对环境质量起着非常明显的积极作用。Sigman（2007）[1]考察了47个国家的水污染情况，认为提高财政分权不会加剧河流污染。国内学者段龙龙和刘秀伟（2016）[2]利用STIRPAT模型发现财政分权形成的地方政府之间的竞争不一定带来空气质量的恶化。另一种观点认为财政分权与环境质量有明显的反向关系。Barrett（1994）[3]的研究发现，政府之间通过放低环境标准形成恶性竞争的现象，在这种环境下，财政分权带来了环境污染。刘琦（2013）[4]表明财政分权加剧污染排污量，经济增长会恶化环境质量。

2  实证分析

2.1 模型建立

为了检验SO2污染与财政分权、产业结构之间的关系，文章以2008-2017年的年度数据为基础使用Stata15软件，所构建的面板模型表达式为：

其中，下标i和t分别表示省份和年份，以SO2污染强度ln_pi为被解释变量，以财政分权ln_fdc、第三产业增加值占比ln_stru为核心解释变量，以人均国民收入ln_pgdp、人口城市化ln_urban为控制变量，μit为随机误差项。这里将变量以对数的形式出现，是出于构建稳定序列的考虑，同时也能反映变量间的长期弹性关系。

2.2 多重共线性检验

在进行面板回归分析之前，我们先利用stata15计算出各变量的方差膨胀因子值（VIF），来判断变量间是否存在多重共线性问题。相较于标准值10，表3中模型的平均VIF值4，最大值7.03，证实不存在严重的多元共线性问题。

2.3 单整检验

ADF检验能有效判断序列是否存在单位根，由于是我们是短面板数据，为避免产生伪回归问题，我们选择了Fisher检验，结果如表4。

变量ln_pi ln_fdc ln_stru ln_urban的水平量在1%的显著水平下p值均接近于1，这说明这几个变量都不具备平稳性的特征。dln_pi dln_fdc dln_stru dln_pgdp dln_urban分别代表相应变量的一阶差分项，从表4可以看出它们的P值均接近于0.0000，故在1%的显著水平下能拒绝原假设，认为变量ln_pi ln_fdc ln_stru ln_pgdp  ln_urban均为一阶单整序列，可以进行协整检验。