江苏省经济增长与环境污染关系实证分析

王雅墨

摘 要 本文以1993—2015年江苏省人均GDP（国内生产总值）数据、环境污染水平衡量数据作为研究资料，并建构VAR模型（向量自回归模型）对两者关系进行分析。在根据VAR模型预估两者关系时，结合广义脉冲响应以及方差分解的应用，实证探讨两方面相关指标之间的动态关系。研究结果显示，经济增长和环境污染库兹涅兹“倒U型”曲线的存在，直接受到区域性数据及环境污染衡量指标差异的影响，江苏省存在的各种环境问题对其经济发展的遏制作用很小。

关键词 环境污染 经济增长 VAR模型 环境库兹涅兹曲线

一、引言

改革开放使江苏省的经济以迅猛之势发展，2015年江苏省GDP冲破70000亿元大关，高居全国第2，人均GDP位居全国第4。随着江苏经济的不断增长，工业化和城镇化水平不断提高，江苏省的环境污染问题也逐渐成为人们关注的焦点。“十二五”期间，江苏省持续推动绿色工业的发展，但许多高耗能的行业依然存在，由此产生的工业“三废”（ 废水、废气和固体废弃物）对环境造成了极大的冲击。《2015年江苏省环境状况公报》对水、空气、固体废物的污染问题进行了详细的描述。尽管近年来，江苏响应中央号召，全力进行污染治理，并取得了一定的成效，但江苏省环境保护的总体局面仍然不容乐观。作为江苏省环境保护现状和近期环保工作重点展开的研究工作的一部分，本研究将以江苏省1993—2015年的經济和环境数据为基础，采用VAR模型、协整检验、广义脉冲响应分析和方差分解法研究江苏省经济增长与工业污染两者间的动态影响。

二、文献综述

1991年美国经济学家Grossman（格罗斯曼）等人通过研究第一次提出了环境污染和人均GDP间的关系问题，提出SO2（二氧化硫）与烟尘排放量指标和人均GDP间的关系呈“倒U型”曲线[1]。1995年Grossman和krueger（克鲁格）在对多个国家的污染区排放量进行调查分析后提出，大部分国家的环境污染和人均GDP关系为“倒U型”曲线[2]，也就是说，在经济发展进程中，首先会出现环境污染加重趋势，随后则会逐渐好转。在人均GDP为4000～5000美元阶段，国家的环境污染将达到最高值。这一关系研究结论类似于Kuznets（库兹涅茨）提出的结论，因此目前将这一结论称为“环境库兹涅茨曲线”（Environmental Kuznets Curve，简称EKC）。

我国当前在环境污染和经济增长关系的研究过程中，分别从方法及区域性深入研究方面入手。在研究方法上，最常选用的是最小二乘法（OLS），其在应用中通常会出现较多的共生性以及多重共线性问题，且对于两者之间的影响机制没有进行深入分析。2006年马树才等针对我国环境数据实施实证探讨，最后对“倒U型”的环境库兹涅茨曲线结论进行了否认[3]。张晓（1999）在研究过程中，对1985—1995年中国的数据建构了时间序列实施分析，结果发现我国人均GDP和环境污染（将SO2排放量作为环境指标）呈现出的关系，是不显著的“倒U型”弱环境库兹涅茨曲线特征[4]。包群等（2005）综合性考查分析我国1996—2002年面板数据，提出研究过程中的评估方法、污染指标的选取均会对研究结论造成影响[5]。

在本次研究中，笔者将江苏省1993—2015年的经济增长及环境污染数据作为样本，通过建构自相关模型，对两项指标的相应影响作用进行分析，探索区域性经济增长和环境污染的相关性。

三、江苏省经济增长与环境污染的一般性分析

（一）江苏省经济发展现状

江苏省位于我国东部沿海地区，是我国的经济大省。江苏省人均GDP与综合竞争力等指标在我国始终处于领先位置，2015年江苏GDP达到70116亿元，“十二五”期间人均GDP年均增长9.6%。江苏省在1993—2015年这23年间，人均GDP从4321元增长到89426元，呈现明显的增长趋势（如图1）。全国经济综合竞争力研究中心发布的蓝皮书显示，江苏经过多年的发展已经成为中国经济发达的省份之一，经济综合竞争力始终处于前列。

（二）江苏省工业环境污染现状

《2015年江苏省环境状况公报》显示，江苏地表水污染程度属于轻度污染，工业过程中产生的废水量为18.64亿吨，占该省废水总量的30%。通过图2（b）可知，其工业废水的浮动较大，从2005年开始呈现出好转趋势，连续多年平稳下降。“十二五”期间对废水的治理已经初见成效，废水量呈现出明显的下降态势。工业废气排放量57882亿m?，空气质量较2014年有所改善，PM2.5年均浓度下降12.1%。

图2（a）江苏省的工业废气在1993—2015年期间整体呈现增长趋势。江苏虽然早已开始对工业污染进行治理，但工业污染情况仍然十分严重。在上述的综述文献中，有相当多的研究指出传统上采用的EKC分析存在不足。笔者也观察到，动态分析方法在发展与环境关系研究领域已得到了越来越多的应用，尤其是在环境影响动态评估与政策评估及跟踪方面具有独特的价值。

接下来，以江苏省1993—2015年的经济和环境数据为基础，首先建立VAR模型，借助协整分析研究经济变量与各污染变量的时间平稳性。然后通过广义脉冲响应分析研究江苏工业“三废”排放序列与人均GDP序列之间可能存在的关系、影响的强弱及时效的长短。最后，应用方差分解进一步分析工业废水、工业废气、工业废气中的SO2等排放指标对江苏省经济发展贡献度的大小。

四、江苏省经济增长与环境污染的VAR模型的建立

（一）指标与数据的选取

本文选取江苏省的工业固体废物排放量、工业废水排放量、工业废气排放量和SO2排放量作为环境污染的指标。选取于江苏省的人均GDP作为经济增长的指标。经济增长指标与环境污染指标的时间序列选取的是1993—2015年的数据。为了尽可能消除存在的异方差获得平稳的时间序列，本文所有数据都进行了取对数的处理（变量符号见表1）。本文所有的数据均取自《江苏省统计年鉴》，并对个别异常数据进行了取均值处理，以抹平误差。

（二）VAR模型的构建

VAR模型是Sims（西姆斯）于1980年提出的向量自回归模型（vector autoregressive model，简称VAR模型）。本文用 VAR 模型对江苏省环境污染各指标与经济增长进行实证分析，VAR 模型可以表述如下：

五、模型估计及结果分析

（一）单位根检验

VAR模型估计的可靠性主要依赖于变量的平稳性，如果变量为平稳的时间序列，就可以直接构建无约束的VAR模型;如果变量不平稳，则需要检验模型所涉及的变量之间是否存在协整关系。如果既不平稳也不存在协整关系，就必须对变量进行差分将其变为平稳变量。所以，首先对时间序列进行单位根检验以检查其平稳性。以lnpergdp、dlnpergdp、lnwwater、dlnwwater、lnwgas、dlnwgas和lnSO2、dlnSO2为检验变量进行平稳性检验，以此判定各时间序列变量是否是平稳变量。

利用平稳性检验可以避免模型建立过程中发生虚假回归，从表2的检验结果中可以看到。原序列（lnpergdp、lnwwater、lnwgas、lnSO2）的ADF检测值均大于5%显著水平下的临界值，意味着接受原假设，序列有单位根，判定为不显著，一阶差分后序列（dlnpergdp、dlnwwater、dlnwgas、dlnSO2）的ADF检测值均小于5%显著性水平下的临界值，拒绝原假设，序列没有单位根，判定为显著即平稳。这说明原序列是一阶单整过程，所以lnpergdp、lnwwater、lnwgas、lnSO2两两之间可能是协整的，可以对它们进行协整检验，看它们之间是否真正存在长期均衡关系。

然后进行Johansen协整检验，检验结果表明lnpergdp、lnwwater、lnwgas和lnSO2为非平稳序列且不存在协整关系，故将上述4个变量进行一阶差分，检验结果显示差分后的dlnpergdp、dlnwwater、dlnwgas、dlnSO2为平稳的时间序列，可以运用无约束的VAR模型进行实证研究。

（二）基于VAR模型的广义脉冲响应分析

1.VAR 模型的稳定性检验。在上述分析的基础之上，对人均GDP与环境污染各指标进行VAR模型估计，并采用AR根估计的方法对VAR模型估计的结果进行平稳性检验。AR根估计基于这样一种原理：如果VAR模型所有根模的倒数都小于1，即都在单位圆内，则该模型是稳定的;如果VAR模型所有根模的倒数都大于1，即都在单位圆外，则该模型是不稳定的。

从图3可以看出，AR根估计所有的根模都在单位圆内，所以被估计的VAR模型是稳定的，得到的结果确实是有效的。

2.经济增长对各污染指标的脉冲响应分析。从图4可以看出，当本期给各环境污染指标（dlnwwater、dlnwgas、dlnSO2）一个正的冲击后，经济增长在经历了前几期的波动后，在其反应期内响应值将达到负值并达到负值最大值，而后趋于平稳，在0附近小幅波动。这说明从整体而言，污染物的排放对江苏省的经济增长起到了抑制作用，但抑制作用并不十分显著。

3.各污染指标对经济增长的脉冲响应分析。从图5（a）中可以看出，人均GDP受到冲击后，江苏省工业废水呈现出一个小幅度上升趋势，到第2期废水排放量达到峰值，之后在正向影响下迅速降低，在第3期末降至最低，随后开始反弹，在第5期又达到一个峰值，之后小幅度上升并保持平稳下降趋势。其累计冲击反应为负值，从长期看，工业废水的排放对经济增长有抑制的作用，这说明经济增长与工业废水排放量之间存在着一定的关系。

如图5（b）显示，人均GDP产生正向作用后，工业废气从0点迅速上升至最高点0.2，随之急剧下降，在第2期降至最低点，然后回转上升，波动起伏后趋于0，并未一直处于负值。这种走势表明工业废气对于经济增长无规律影响。

如图5（c）说明，人均GDP受到冲击后，工业SO2出现小幅增势，第2期出现较大幅度下降后又小上幅度上升，第4期趋于平稳后下降，第5期达到最低点，5～10期处于大于0波动期，10期后趋于0且处于负值。这说明长期来看，SO2的排放量随着经济的增长呈现下降趋势。

上述分析表明，经济增长与环境污染的动态关系间不存在明显的环境库兹涅兹“倒U型”曲线，也无明显的“正U型”关系，但经济增长对环境的改善有一定的积极作用。

（三）基于VAR模型的方差分解分析

由STATA軟件（一套提供使用者数据分析、数据管理以及绘制专业图表的完整及整合性统计软件）计算得到15期各控制变量方差对观察变量方差的贡献度，计算其平均贡献度，进而判断经济发展与环境污染之间相互影响的程度，各指标贡献率见表3。从表3方差分解结果来看，江苏省废水、废气、废气中的SO2，这3项污染指标对经济增长的贡献度分别为4.21%、34.26%和3.71%。另外，江苏省经济增长指标对工业废水、工业废气、工业废气中的SO2这3项工业环境污染指标的贡献度分别为19.25%、13.72%和19.55%，表明江苏省的经济增长变化较多地影响着工业废水、工业废气、工业废气中SO2的排放量，经济增长对于环境改善有正向反馈作用，且反馈作用较强。

六、结语

本文选取江苏省1991—2015年工业“三废”作为反映工业污染的指标、选择人均GDP作为反映经济增长的指标，建立VAR模型对两者之间的动态关系进行研究。根据协整分析的结果得到结论，江苏省的人均GDP标准与工业废物之间存在一种长期且平稳的关系。广义脉冲响应的分析表明，江苏省工业环境污染对于人均GDP增长在短期内的响应是正向关系，而从长期来看响应则为负向关系。江苏省经济发展对工业废水、工业废气和工业SO2排放的长期响应为波动型，并无长正长负情况，但短期内的环境污染会在一定程度上促进经济增长。方差分解结果表明，影响当前江苏经济增长的主要因素是工业废气的排放，其平均贡献率超过30%，远远高于工业废水对经济增长的影响。江苏省经济增长的变化更多地影响着工业废水和废气中的SO2排放量的变化，对工业废气排放量的变化影响相对较小，这表明江苏省在治理环境污染的时候，应该重点关注空气污染物的治理。

（作者单位为四川大学经济学院）

参考文献

[1] Grossman G M，Krueger A B.Environmental impacts of North American free trade agreement，the US Mexico free trade agreement [M]. P Garber. Cambridge，MA：MITPress，1993.

[2] Grossman， Gene M，Alan Krueger，Economic Growth and the Environment[J]. Quarterly Journal of Economics，1995，110（2）： 353-373.

[3] 马树才，李国柱.中国经济增长与环境污染关系的Kuznets曲线[J].统计研究，2006（8）.

[4] 张晓.中国环境政策的总体评价[J].中国社会科学，1999（3）.

[5] 包群，彭水军.经济增长与环境污染：基于面板数据的联立方程估计[J].世界经济，2006（11）.