基于PVAR 模型产业结构与大气污染的研究

刘海龙

一、前言

改革开放以来，凭借着优越的地理位置和国家经济政策的战略扶持，华东地区部分城市的经济水平得到了持续高速的发展。但随着经济发展水平的不断提升，这些城市的大气污染问题也在日益凸显。据《2019 年江苏省生态环境状况公报》统计，环境、空气质量均未达二级标准的区市有13 个。如何保持经济发展健康增长同时减少大气环境污染成为了一个迫在眉睫的问题。在经济水平变化影响环境生态系统的发展过程中，产业结构优化调整在其中发挥了不可忽视的作用。

由于经济水平、产业结构和大气环境之间存在紧密的联系，本文需要在各个指标之间进行综合权衡，力求达到最优的解决对策。首先，通过查阅各地方统计年鉴，收集了南京、苏州、徐州、青岛和济南5 个城市在2000至2018 年间的经济水平、产业结构以及工业废气排放的数据。其次，通过对数据的分析，主要探讨了华东地区部分城市产业结构、经济水平和大气污染之间的长期动态变化关系，预测了产业结构调整对城市大气污染的动态影响。最后，结合分析预测结果，提出了切实可行的政策建议。

二、文献回顾

有关产业结构调整与大气污染之间的关系已有很多国内外学者发表过论述。赵建华（2020）指出，未来我国大气污染方面受到产业结构调整的影响会持续上升，产业结构调整对大气污染的影响应在未来给与重点关注[1]。彭慧娴（2020）通过协整检验分析了生态环境和产业结构之间的协整关系，并指出第三产业和大气污染呈正相关[2]。章敏（2017）指出，江苏省的大气污染、产业结构和城市化之间有着格兰杰因果关系[3]。林翊，刘倩（2014）通过典型相关分析和协整检验分析出福建省产业结构与生态环境质量之间有着长期稳定的协整关系[4]。李鹏（2015）通过实证检验指出，产业结构的调整会加剧城市的环境污染状况[5]。曹慧丰、毕巍强、曾诗鸿（2015）基于VAR 模型的研究结果指出，短期内的产业结构调整会加重大气污染，而长期内的产业结构调整则对大气污染问题的解决有利[6]。占李玲、陈洪昭（2012）基于VAR 模型的研究结果表明，产业结构的调整会导致环境污染的恶化[7]。马丽梅、张晓（2014）基于空间计量模型，具体分析了大气污染与工业结构的关系，并指出通过产业转移的方式是不能降低大气污染的[8]。吴玥弢、仲伟周（2015）通过相关分析建立了互动关系模型，由此指出产业结构、城市化和大气污染三者之间的关系密切[9]。

回顾相关文献，可以发现这些学者在产业结构与大气污染关系的问题上使用了多种多样的分析方法。结合文献经验，本文选择了基于面板向量自回归模型（PVAR）对华东部分城市产业结构、经济水平和大气污染进行回归因果建模，并在模型的基础上具体分析各个变量之间的因果关系。

三、模型设定与变量的选取

（一）模型设定

Holtz Eakin 于1988 年提出了面板向量自回归模型（PVAR），此模型是在向量自回归模型（VAR）的基础上衍生出来的。PVAR 模型在建模前无需考虑变量之间的因果关系，视所有的变量为内生变量。由此，探究各个内生变量以及滞后内生变量对模型其他内生变量的影响。由于各地统计年鉴数据统计方式存在差异，很难获取全面完整的数据，使用VAR 模型的效果往往不尽如人意。而PVAR 模型相对于VAR 模型能够更好地处理短时序问题，更适合于本文采集的数据。由此，本文采用PVAR模型进行模型的建立与计算，通过Stata 软件进行实现，具体如下：

（二）数据来源和变量的选取

本文使用的数据均来自各地的《统计年鉴》，大气污染物包括氮氧化物、二氧化硫以及烟（粉）尘等。但有些地区2000 至2018 年的《统计年鉴》中，一些指标并未明确记录。为了保证数据的完整性和连续性，本文将工业废气排放量作为大气污染指标，记为FQ（亿立方米）。

在产业结构的指标选取方面，干春晖、郑若谷、余典范（2011）将第三产业产值与第二产业产值之比记为产业高级化指标（SUR）[10]，以此衡量产业结构的升级程度。王青、赵景兰和包艳龙（2012）将产业结构优化率（SOR）和SUR 作为产业结构调整的指标[11]。结合这些经验，本文选取了产业高级化指标作为主要的产业结构指标，同时将人均生产总值（RJGDP，元）作为当地经济发展水平的指标。本文对各变量进行取对数处理，以防异方差性影响后续的检验结果，各变量描述性分析结果如表1。

表1 变量的描述性分析

（三）实证结果与分析

1.面板数据的平稳性检验。为有效避免伪回归现象的产生，本文在构建PVAR 模型前首先对数据进行了单位根检验，以保证数据的平稳性。利用的平稳性检验方法为IPS 检验和LLC 检验，这两种检验方法的原假设是面板数据变量包含单位根，若没有足够理由拒绝原假设，那么可以认为面板数据变量是非平稳的。本文利用stata16.0 软件分别计算了原变量以及变量经过一阶差分后的单位根检验指标，结果如表2、3。

表2 各个变量的单位根检验

从表2 中发现，原变量的单位根检验不通过，说明lFQ、lSUR 和lRJGDP 是非平稳序列。在表3 中，各变量的一阶差分DlFQ、DlSUR 和DlRJGDP 是平稳序列。由此，本文选取各变量的一阶差分代替原变量进行PVAR 模型建立分析。

表3 变量一阶差分的单位根检验

2.PVAR 滞后阶数的确定。为了确定PVAR 模型的滞后阶数，本文采用AIC、BIC 和HQIC 三个不同准则来确定当前模型的最优滞后阶数。根据表4 中三个准则的信息量可以确定，PVAR 模型的滞后阶数在取2 时最合适。因此，本文建立PVAR（2）模型。

表4 确定模型最优滞后阶数

3.脉冲响应分析。脉冲响应表示为其他指标当前期和之前各期值保持不变的情况下，PVAR 模型系统中某一个方程的扰动项发生了一个标准差变化后对未来变量的冲击响应情况，利用这种方法能够准确可靠地把握未来的变化趋势。

由于产业结构的调整，第一产业的资金、劳动力逐渐向第二、三产业转移，促进了资源的不断投入，进而对大气造成污染。因此，本文进行脉冲分析时，对变量进行排序，依次为产业结构调整、人均GDP 和工业废气排放量。使用了蒙特卡洛算法对各个变量的一个标准差冲击模拟200 次，获得了每个误差项冲击对三个变量0至10 期的影响。

通过PVAR（2）模型得到了产业结构调整、人均GDP 以及工业废气排放量的脉冲响应图（图1）。其中，产业结构调整的冲击绝大多数影响来自本身，并且随着一段时期的发展不断趋于平缓。人均GDP 对产业结构调整的冲击在一开始逐步增大，随后趋于平缓。工业废气排放对产业结构调整的冲击在预测期内一直都比较平缓。工业废气排放对本身的冲击在预测期内也是比较大的，但是随着时间的推移，这种冲击逐渐减小。产业结构调整受到一个单位的冲击后工业废气排放先是提高再趋于平缓，这说明随着华东地区投资项目的增加和开发，一定程度下会加大工业废气的排放量，但随着产业调整步入后期，第三产业的比重相较第二产业会越来越高，这将减少工业废气的排放。人均GDP 对工业废气排放的冲击在前两期影响较为明显，之后趋于平缓。

图1 脉冲响应图

4.方差分解。方差分解是将一个内生变量预测的均方误差分解为其它各变量的冲击时带来的方差。可以通过每个变量对另外一个变量冲击所做贡献的比例的大小来判断一个变量在其他变量上的影响程度。本文通过方差分解，得到了PVAR 模型中每个方程的冲击反应对每个变量的波动贡献度。

从表5 中可以看出，人均GDP、产业结构调整以及工业废气排放的冲击主要来自于本身。在各个变量的方差分解中，人均GDP 自身的冲击从第1 期的90.3%下降到第十期的52.9%。产业结构的调整对人均GDP 的贡献由第1 期的9.7%增长到第10 期的44.5%，这表明了产业结构的优化是人均GDP 的重要影响因素。从工业废气排放的方差分解来看，其对本身的冲击从第1 期的90.4%下降到第10 期的35.7%，目前看来是趋于下降趋势的。人均GDP 对工业废气排放的冲击从第1 期的3.5%上升到20.4%，产业结构的调整对工业废气的排放冲击由第1期的6.1%上升到第10 期的43.9%。综上，产业结构的调整对人均GDP 和工业废气排放在未来均会产生重要影响，这个结果与前面脉冲响应分析的结论是吻合的。

表5 各个变量预测误差的方差分解

四、结语

本文以南京、苏州、徐州、青岛和济南为研究的主要对象，数据来自2000 至2018 年的各地方统计年鉴，选取了人均GDP（RJGDP）来衡量经济水平，第三产业和第二产业的比值（SUR）衡量产业结构调整指标，工业废气排放量衡量大气污染指标。利用面板向量自回归模型（PVAR），对这三个主要变量间的动态关系进行检验研究。分析发现，各变量自身的冲击解释了很大一部分；工业废气排放受到产业结构调整的冲击在未来会逐渐增强，这表示在未来通过产业结构调整可以对大气污染进行改善；人均GDP 的增长和产业结构的调整在前期会造成大气污染，而随着产业结构不断的合理化和高级化，未来将会改善大气污染。因此，在保证经济健康稳定增长的前提下不断减少大气污染，就需要不断升级产业结构，通过调整产业结构来改善大气污染。由此，本文提出了以下的可行性政策建议：

首先，在调整和优化产业结构的过程中要向着产业结构合理化和高级化的方向发展。近年来，华东部分地区第三产业的发展有着不断上升的趋势，第三产业增加值会越来越高，进而产业结构会越来越高级化，会对当地经济水平有较强的拉动作用；其次，在环保方面，加大资金、人力和技术的投入，依靠科学技术提高环境治理水平和治理效率；最后，通过提高资源的利用率以及降低能源的消耗来减轻大气污染。