中国省份环境污染与FDI关系研究——基于固定效应面板数据的格兰杰因果分析视角

寇紫峰，许 赢，阳思博

（1.上海立信会计金融学院统计与数学学院，上海201209；2.上海立信会计金融学院金融科技学院，上海201209；3.上海立信会计金融学院国际经贸学院，上海201209）

一、引言

十九大报告明确提出，我国经济已经从高速增长阶段转向高质量发展阶段，高质量发展的重要一环就是绿色发展。2019年3月15日，第十三届全国人民代表大会第二次会议表决通过《中华人民共和国外商投资法》。该法案可以更好地保护外商在我国投资的合法权益，这将大大增强中国市场对外资的吸引力，也可充分彰显我国扩大对外开放、积极引进外商投资的决心及信念。但在外商投资拉动东道国经济的同时，也可能带来污染转移问题，关于环境污染与引入外商直接投资（FDI）矛盾的研究，已经被愈来愈多的学者所重视。目前，主要通过“污染天堂”和“污染光环”两个对立假说进行解释。“污染天堂”假说是指由于被投资国环境规制较宽松且人力成本较低，会吸引来自较严格环境标准国家的投资，导致东道国环境恶化。“污染光环”假说则认为，在不同发展水平的国家或地区，外商直接投资并不一定会导致环境污染更加严重，为了在竞争中战胜东道国的本土企业，外商投资企业会引入高新技术；FDI 不仅直接促进东道国的经济增长，且能通过“溢出效应”提升东道国整体技术水平，进而实现资源投入和要素投入的节约，提高环境质量。环境污染水平随FDI的增加而加重，到达一个临界值之后，环境污染水平会随FDI 增长而下降，因此FDI 最终会减轻环境污染，持这种观点的主要有孙淑琴和何青青（2018）以及杨子晖和田磊（2017）。

二、文献综述

格兰杰因果关系是一种对时间序列数据间相互影响关系的刻画，常被用于分析经济数据间的相互关系和影响机制。针对环境污染与FDI 格兰杰因果关系的研究，目前主要集中在以下几方面：Hoffmann 等（2005）研究了东道国发展水平对FDI与环境污染的影响，认为低收入国家存在CO2到FDI的格兰杰因果关系，中等收入国家则相反；杨永华（2010）研究认为中国的FDI与环境污染构成双向因果的循环关系，若不加以合理引导，会对生态环境造成威胁；黄庆波和赵忠秀（2011）以外商主要投资的制造业为研究对象，得出外商向中国投资制造行业是废气及固体废弃物增加的格兰杰原因。

“污染光环”与“污染天堂”假说，一直以来都是学者们讨论的焦点。自Copeland和Taylor（1994）提出“污染天堂”假说之后，很多学者对此进行了研究。He（2006）构建基于面板数据的模型对中国29个省级地区工业SO2的排放量进行测算，发现FDI 引起经济增长和成分转化所造成的排放增加大于FDI对加强环境监管所带来的减排效果，为“污染天堂”假说提供了令人信服的证据。然而，Liang（2006）在研究中国260个城市数据之后得出了截然相反的结论，并指出外商投资企业有可能会挤出污染程度较高的本土企业。

苏振东和周玮庆（2010）研究认为FDI与我国污染情况明显正相关，就整体而言，FDI 每增加1%，环境污染程度提高0.035%。包群等（2010）考虑了FDI与环境污染的非线性相关情况，证实FDI与环境污染倒U型关系的存在，但由于区域发展失衡，大陆地区FDI 远未达到临界点。李子豪和刘辉煌（2011）利用30个省级地区2000—2008年数据研究中国碳排放，认为FDI对碳排放具有正向影响，并具有一定的滞后效应。秦晓丽和于文超（2016）基于空间面板数据的SLM模型和SEM模型，发现“污染天堂”假说并不成立，相反能够改善地区环境质量；除此之外产出与环境污染呈现倒U型关系，且存在技术溢出。彭红枫和华雨（2018）依据经济发展水平差异将中国划分为中、东、西部地区，并将FDI和GDP 分两个时间段依次与碳排放进行回归分析，实证结果显示，FDI 碳减排及GDP 碳增排效应在三个地区均存在，GDP 碳增排效应在东、中、西部地区显著，但FDI 碳减排效应在中、西部地区不显著。

FDI对碳排放的影响，主要体现在规模效应、结构效应、技术效应（Grossman和Krueger，1991），这三个效应分别指：产业规模扩大会加重环境负担；FDI 流向第二产业还是第三产业对产业结构的影响不同；内资企业对高新技术的模仿学习，通过更新技术从而减少污染。中国的现状究竟如何，目前在学术界并无明确定论。但很显然，我国希望能够引入更多高质量的外商投资，通过溢出效应、挤出效应、技术效应（邓玉萍和许和连，2016；孙淑琴和何青青，2018；杨树旺等，2012），达到刺激经济的目的，同时减轻环境污染，从而实现双赢。

环境污染与FDI的相互作用主要体现在两方面：一方面，环境规制过严，会导致企业成本大幅上升，外商投资积极性下降；另一方面，许多发展中国家在经济增长动机驱使下，忽视环境污染，引入良莠不齐的外商直接投资（Cetin 等，2018）。“污染天堂”和“污染光环”假说都假设外商投资企业对环境规制敏感，环境规制的提高会使外资企业更改投资对象。根据“污染天堂”的设想，环境污染与FDI之间应该存在双向因果关系（Yildirim，2014）。Mutafoglu（2012），以及Pao和Tsai（2011）认为若环境污染是FDI的格兰杰原因，低环境规制会导致外资进一步流入，支持“污染天堂”假说，若外商直接投资是污染的格兰杰原因，则支持“污染光环”假说。

研究中国外商直接投资与CO2因果的传导方向结论中存在矛盾（Hoffmann 等，2005；王丽萍和李淑琴，2018；熊美珍和祝树金，2007），且研究碳排放与外商投资之间的关系仍存在着诸多不足。首先，由于国家统计局未直接公布中国碳排放数据，在测算中国碳排放数据时，大多通过《中国统计年鉴》《中国能源统计年鉴》的煤、石油、天然气使用量乘以IPCC（Intergovernmental Panel on Climate Change）提供的碳排放因子得出（彭红枫和华雨，2018；宋德勇和易艳春，2011），而该因子是西方国家的平均值，在中国使用并不准确（Shan 等，2018；Tong 等，2015）。此外，近些年相关研究仅以中国东、中、西部三大区域为研究对象，缺少对单独省份数据的具体分析，不能体现各省份的具体情况，无法得出更进一步的结论。

本文运用格兰杰因果检验的方法研究面板数据，揭示变量间的因果传导机制，结合分段检验的结果，进行聚类分析。相较于之前学者所做的研究，本文做出的边际贡献在于：利用中国碳排放数据库（CEADs）提供的数据以及在个体固定效应的前提下处理面板数据，得出了截然不同的结论。本文利用Hoffmann 等（2005）提供的检验方法，得到了FDI与环境污染的直接因果关系，不存在中间传导过程。这为以FDI和CO2关系为对象的研究提供有力证据支持。

三、模型设定

（一）面板格兰杰因果检验

格兰杰因果检验方法由格兰杰于1969年提出（Granger，1969），该方法多运用于计量经济学中变量影响传导机制的探究。但大多应用均基于时间序列数据，当数据类型拓展到面板数据时，由于单个面板所含不同截面间的同质或异质关系，面板与面板之间的因果关系将取决于截面与截面间的因果关系。面板数据是一种同时包含截面数据与时间序列数据的数据类型。与时间序列数据相比，面板数据能提供更加有价值的数据信息，且面板数据可增加变量间的变异性，削弱变量间的共线性。

2003年，Granger 又指出，检验面板数据间的因果关系旨在检验全体截面间是否存在一一对应的因果关系，显然这是一个较强的假设。据此，本文采用Dumitrescu和Hurlin（2012）提出的基于截面Wald 统计量的面板格兰杰因果检验方法，综合分析截面间关系与面板间关系的联系，更为准确地解释是否存在面板数据间的因果关系。

在此，定义两组面板数据x=（xi，-K，…，xi，0）′与y=（yi，-K，…，yi，0）′。其中，xi，t与yi，t均为已知观测值。yit表示第i个截面在t 时刻的变量y的取值。可得自回归模型：

其中，K表示滞后阶的个数，αi表示各截面的固定效应截距项。假设滞后阶数K对面板所有截面都相同，且面板平衡。此外，自回归系数γi（k）和βi（k）与时间t无关，且在不同截面上允许存在差异。在固定效应模型基础上，同时做如下假设条件：

假设一：各个截面的扰动项εi，t对不同的时间t是相互独立的，且均服从均值为0的正态分布。此外，还假定同一截面不同时间t存在有限异方差，即

假设二：不同截面的扰动项εi=（εi，1，…，εi，T）′是相互独立的，即E（εi，t，εj，s）=0，其中，i≠j。

假设三：对各截面的变量xi=（xi，1），…，xi，T）′与yi=（yi，1），…，yi，T）′都存在有限的方差，即E（x2i，t）<∞与E（y2i，t）<∞；且E（xi，txj，z）、E（yi，tyj，z）与E（yi，txj，z）仅是关于t-z的函数，即E（yi，t）和E（yi，t）均与t 相互独立。

由两个变量所组成的面板混合自回归模型构成格兰杰因果检验的基本框架。如果是基于时间序列数据的因果关系检验，问题的重心主要落在对回归系数βi的检验；如果是基于面板数据的检验，则需要重点考虑各截面之间的异质性。

显然，若变量x与y之间存在同质性，则此面板混合自回归模型将不能用于因果关系的检验。因此，本文将主要通过对自回归异质性进行检验，进而对因果关系进行检验。

结合以上论述，得出格兰杰因果检验的原假设和备择假设：

其中，βi=（βi（1），…，βγi（k））′表示混合回归系数。在此，原假设中βi均为0表示x 不是造成y的格兰杰因果，即在x对y的方向上不存在因果关系的传导机制；在备择假设中，βi部分不为0 则表明x对y方向上存在因果关系。其中，N1是一个介于0和N的未知数，当N1=N的时候，所有截面所对应的回归系数均为0，表明面板中不存在截面使得x与y之间存在因果传导机制；当N1=0 时，即表示所有截面均存在因果关系。在此，允许有N1个截面上不存在因果关系，即在N～N1个截面上存在因果关系，此时0≤N1/N<1。这样的检验方法与Pasaran 等（1995）所描述的单位根检验中的一些步骤相类似。若结果接受原假设，则表示x与y之间在所有的截面上均不存在因果关系；且当N1>0 时，因果关系的检验结果显然是异质性的。基于此假设检验，可以得出一个齐次的结果，即确定面板数据整体上的因果关系机制。

基于此，本文选择不同截面的Wald检验统计量的平均水平来表征假设检验结果。定义表征平均水平的Wald 统计量WNH，Tnc为：

其中，Wi，T表示的是第i个截面数据的Wald检验统计量，且单个Wald 统计量Wi，T也与单个截面的回归系数βi相关联。据此，可对原假设βi=0 进行检验。根据Hurlin（2005）的研究成果可知，在T 趋于无穷的时候，Wi，T渐进服从于自由度为K的卡方分布，即：

因此，当N也趋于无穷大时，由Lindberg-Levy中心极限定理可推导出WNH，Tnc的渐进分布：

其中，T，N→∞表示先T→∞，后N→∞。对于大样本T和长面板N，若WNH，Tnc大于显著性水平α所对应的拒绝域临界值，则拒绝原假设Hnc，即认为在给定的变量x与y之间存在因果关系。这样的大样本前提下的渐进分布在小样本情况下仍有较好的功效，这在Hurlin（2005）的研究成果中运用蒙特卡洛模拟方法时已得到验证。

（二）多元时间序列的聚类分析

当影响时间序列｛Xt：t∈T｝的因素大于1 时，这类时间序列被称为多变量时间序列，也称为多元时间序列（Multivariable Time Series，简称为MTS）。MTS数据具有样本容量大、维度高、数据更新快等特点，若直接运用传统方法进行聚类往往效率较低。因此，本文先对MTS数据运用主成分分析进行降维，之后采用K中值算法（Kmedoids）进行聚类。相比于K 均值算法，K中值算法受到簇的噪声和边缘值的影响更小，因此更加能提升聚类分析的精度（程静等，2016）。

MTS数据的变量众多，且每个变量都会提供一定的样本信息，从而在所提供的信息中有一定程度的重合，因此，对原始数据进行降维处理，一方面可以简化原始数据，另一方面也可以增加分析效率。主成分分析降维的原理在于通过向量的正交变换，将一组本来相关的变量转化为线性无关的变量，从而达到降维的目的。其几何意义表示为坐标轴的旋转与平移。

鉴于时间序列数据的特性，其相似度的计算问题往往较为复杂。因此，在时间序列间的距离度量问题中，本文选择结合其自身相关性而改进的CORT算法。Montero和Vilar（2014）在CORT算法中，两个时间序列的相似性由滞后一阶的时间相关系数度量，其表达式为：

CORT（XT，YT）的值越大，表示两个时间序列每时刻的变化率方向与大小越相似。因此，两个时间序列的CORT 距离可以写作：

其中，φk（u）是一个指数调整函数，其表达式为：

d（XT，YT）是传统的距离，如欧氏距离等，在距离的选择中，本文选用Berndt和Clifford（1994）提出的DWT 距离方法，其目的在于寻找两个序列间的映射R=[（Xa1，Yb1），…，（Xam，Ybm）]，其中，ai，bj∈｛1，…，T｝，并且度量每对映射中两个时刻属性的距离，并使其达到最小，即：

在得出任意两个时间序列的CORT 距离后，便可采用K中值聚类的方法进行聚类，并分析所得结果。

四、样本选取与实证分析

（一）样本选取

本文参考Hoffmann 等（2005）选用碳排放量作为环境污染指标，使用的CO2排放量数据来自中国碳排放数据库（CEADs），该数据综合考虑了中国的煤炭含碳量较低的特点，以及“使用开采量代替使用量”更能避免统计不全面和“调整”的问题，重新测量了中国的碳排放数据。该数据与之前文献所使用的数据相比，更具代表性。少量缺失值运用指数平滑法进行处理，西藏自治区由于数据大量缺失，不纳入所选样本。FDI数据来自中经网统计数据库，外商直接投资以美元记，参考杨万平和袁晓玲（2008）、彭红枫和华雨（2018）文章的处理方法，用人民币兑美元平均汇率折算为人民币，并利用CPI 进行处理。

考虑到FDI数据不平稳的特性，对FDI和CO2数据做了对数差分处理。

（二）实证分析

1.变量描述统计

结合1997—2015年全国（除西藏和港澳台地区，下同）CO2与FDI数据，分别计算各省份两个指标的时间序列的描述性统计量，如表1所示。从表1可以看出，各省份在同一指标间存在不同差距。

表1 描述性统计

表1（续）

2.格兰杰因果检验

若使用不平稳的面板数据进行分析，容易产生“伪回归”现象，因此在分析数据前对FDI与CO2数据进行LLC检验用以检验其数据是否平稳。从表2可以看出，CO2原数据面板平稳，FDI 原数据面板不平稳，一阶差分后平稳，这表明FDI与CO2一阶单整。由于FDI与CO2之间存在单位根，因此需进一步做协整检验以判断数据间是否存在长期协整关系。

表2 单位根检验

用Pedroni检验来检验FDI与CO2之间是否存在协整关系，检验结果如表3所示。可以看出，三个统计量均拒绝原假设，因此可认为在5%显著性水平下，FDI与CO2之间存在协整关系。

表3 协整检验

在因果检验中，依据面板自回归模型的不同滞后阶，进行三组因果检验。其中，K=1表示短期效应，K=2表示中期效应，K=3表示长期效应。所得到的分析结果如表4所示。

表4 全国格兰杰因果检验结果分类

由表4可以得出全国及各省份因果检验的结果：

（1）全国总体上在长、短期CO2与FDI存在双向因果，在中期仅存在FDI→CO2因果关系。且多数省份的传导机制为FDI 导致CO2变化，但是仍有近三分之二的省份在中、短期双向无因果。

（2）在长、短、中期都存在FDI→CO2因果关系的省份有天津、内蒙古、江西和浙江。

（3）在中、短期存在CO2→FDI因果关系的省份有甘肃。

（4）在中、长期存在FDI→CO2因果关系的省份有湖南，存在CO2→FDI因果关系的省份有陕西。

（5）在滞后阶不同时，因果关系方向发生反转的省份有吉林（先CO2→FDI，后FDI→CO2）、山东（先FDI→CO2，后CO2→FDI）。这两个省份的FDI与CO2可能存在螺旋促进关系，因果关系的起点不同，但结果可能具有相似性。

（6）云南省仅在长期表现为双向因果，此前无因果。

3.分段格兰杰因果检验

2006年颁布的“十一五”纲要，明确指出了中国的能耗要求。根据《BP能源统计年鉴》，中国在2007年成为世界第一大碳排放国，且2005—2007年，中国对环境保护的政策力度大大提升（张国兴等，2014）。因此，以2006年为界进行分段格兰杰因果检验。结果表明，在2006年前后，部分省份在FDI和CO2因果关系方向上存在改变，详见表5。

表5 分段格兰杰因果检验

图1 时间序列曲线

基于各省份FDI与碳排放数据构成的MTS数据，选取2006年前后因果关系发生改变（如之前存在因果关系，之后不存在）的18个省份，进行多元时间序列聚类分析。得出结果分为两类：一是江西、海南、广西、云南、甘肃、宁夏，聚类中心为云南。这些省份多为中西部较不发达省份，FDI和CO2总量明显较少，且变化小。江西省在断点前存在因果关系，之后消失。其余各省均在断点后突变出现格兰杰因果关系。这可能与江西在FDI 总量上明显高于其他省份，在该类中排名第一相关。二是天津、浙江、辽宁、福建、山东、陕西、河南、河北、上海、湖南、广东、四川，聚类中心为山东，这些省份多为沿海省市，除辽宁、河南外经济较为发达。其中，位于聚类中心的时间序列表示其序列走势能够较好地拟合该类别中时间序列的共性走势情况，较具有代表性。时间序列曲线见图1。

五、结论

本文结合固定效应面板格兰杰因果检验模型和多元时间序列聚类分析研究中国内地30个省级行政单位FDI和碳排放的动态跃迁过程及其直接因果关系。研究发现中国在2006年前后因果关系发生改变的省份可以被分成两类：一类多数为中西部较不发达省份，这些省份在2006 前大多没有出现CO2与FDI的因果关系，在2006年后才出现；另一类则多为东部发达省份，这些省份的突变没有表现出特殊规律。

环境污染与外国直接投资之间必然存在着因果联系，但两者在不同动态迁跃过程中，是否存在直接因果关系并无具体论证。因此，本文从面板数据角度出发，通过固定效应面板格兰杰因果检验模型和多元时间序列聚类分析，深度探讨了FDI与环境污染动态迁跃及其直接因果关系传导机制。参考之前学者的研究，本文对因果关系传导机制的解读为：FDI 流入会直接导致CO2上升或下降，此为“污染光环”或“污染天堂”假说。当FDI 流入超过临界点之后，政府会提高环境规制标准，限制重污染FDI的流入，CO2排放量下降。政府提高环境规制水平，则可以解释CO2对FDI的影响。而外资为了在与本土企业的竞争中占据优势，或多或少都会使用更先进的技术，造成更少的污染，这些技术通过溢出效应流出，是FDI对CO2的作用机制。但要验证东道国究竟是“污染天堂”还是“污染光环”则需要利用回归模型进一步检验。

本文将长期影响解读为：FDI与CO2存在积累，针对存在长期影响的省份，不能只关注短期FDI与CO2的变化，需要考虑政府政策的实施存在滞后性。若仅存在短期因果：一是考虑政策更新频率较快，不能长久执行；二是考虑政策执行效率不佳，对碳排放或者FDI 反应有限，需要因地制宜，提升政策效率。

中国地方政府出于政绩要求，招商引资促进地方经济的激励往往要大于为保护环境而限制外资流入的激励，这可能导致了污染型外商直接投资流入，出现FDI与碳排放同时上升的情况。但如果污染一旦超过环境所能承受的临界点，环境治理成本很有可能远超外商投资对地方经济的正面影响。这警示引入外商投资要审慎，不能只在乎短期利益，更要放眼未来。

综上，我国应积极完善立法，积极与国际社会开展关于FDI与环境问题的讨论和谈判，坚定、明确地展现我国保护环境的立场，为包括我国在内的中等收入国家争取合理、合法的权益。同时，鼓励地方工业，特别是外商投资企业，用绿色技术取代可能导致污染的技术，适度给予税收减免等激励措施，激励各行业积极实现产业升级。