广东省经济增长与环境质量的实证分析

杨思琪 彭强 李微

[摘 要]文章运用SPSS软件进行因子分析和回归分析方法，检验并论证了广东省经济发展与环境质量之间的关系，2019年，广东省实现地区生产总值107671.07亿元，其中第三产业是占比最大的产业。然而广东省经济在快速发展的同时，也面临着环境污染的问题。实证结论得出：全省GDP、城镇化率每增加一个单位，环境质量指数分别上升42.274、下降41.310个单位。说明经济增长可促进地区环境质量提升，而城镇化率和全社会固定资产的投资会对环境质量产生负面作用。最后为广东省经济发展与环境保护提供合理的政策建议。

[关键詞]经济增长;环境质量;因子分析;回归分析

[DOI]10.13939/j.cnki.zgsc.2021.17.025

1 引言

随着社会经济的不断发展，环境对经济发展的制约愈加突出，这在近年广东省的经济增长速度和质量上体现得较为明显。优势产业对环境的影响仍比较大。广东省在经济增长的同时，对自然环境质量的影响程度有多大，也成为学者们研究的课题和政策制定者关注的对象。

2 指标选取与计量模型

2.1 指标体系构建与数据

笔者选取广东省GDP（亿元）、人均GDP（元）、城镇化率这3项作为经济指标，分别为X1、X2、X3，以及二氧化硫排放量（万吨）、氮氧化物排放量（万吨）、空气质量优良天数比例、废水排放量（亿吨）4项作为环境指标，分别为Y1、Y2、Y3、Y4，构建指标体系。数据选取2014—2019年相应指标数据，来源于国家统计局、广东省统计年鉴。

2.2 模型设定

采用多元回归分析的方法探究广东省经济增长对环境质量的影响，解释变量是经济指标（包含全省GDP、人均GDP、城镇化率），被解释变量是环境指标（包含二氧化硫排放量、氮氧化物排放量、空气质量优良天数比例、废水排放量）。

其中环境指标包含4个二级指标，因此运用因子分析法对环境指标的4个二级指标进行降维，并计算公因子得分，最后以每个公因子所解释的总方差作为权数构造总得分公式，即环境质量总得分Y。此外，为了使解释变量更具有线性和消除回归模型的异方差性，对解释变量进行自然对数处理，以环境质量总得分作为新的被解释变量，自然对数处理后的经济指标作为新的解释变量，构建多元回归模型如下：

Y=β1LNX1+β2LNX2+β3LNX3+α+ε

2.3 单位根检验

因选取的四个变量数据量纲差异较大，为了减弱量纲对研究带来的影响，对数据进行自然对数处理，得到LNX1、LNX2、LNX3、LNX4。运用单位根检验方法检验，结果显示LNX1、LNX2、LNX3、LNX4均为平稳时间序列，因此可以对经济指标变量进行经典回归分析，不会出现伪回归。

3 因子分析

对Y1、Y2、Y3、Y4这4项环境指标进行降维，分析计算2014—2019年这6年广东省的环境指标指数。

在进行因子分析之前，首先对变量数据进行标准化，其中Y3是正指标，Y1、Y2、Y4是负指标。正负指标的标准化公式如下：

正：Yi=Yi-Y-iσi

负：Yi=Y-i-Yiσi

3.1 考察原始变量是否适合进行因子分析

KMO值为0.684，大于0.6，接近0.7，原始变量属于适合做因子分析的范围。p=0.000<0.05，拒绝原假设，说明变量之间有明显相关性，因此可以进行因子分析。

3.2 提取因子

采用主成分分析法提取因子，分析结果如表1所示。

只有前2个因子的初始特征值大于1，但这两个因子只解释所有变量的71.812%，没有超过85%，信息丢失较大。而第三个因子的初始特征值为0.868，接近1，且前3个因子累积解释了所有变量的92.144%，解释了原始数据绝大部分信息，即提取3个因子较为合适。

由公因子方差可知所有变量共同度均超过0.7，认为变量的绝大部分信息能被因子解释，信息丢失较少。

3.3 因子旋转

采用最大方差法对因子载荷矩阵进行正交旋转，结果表明第一个因子对二氧化硫排放量、氮氧化物排放量、废水排放量（小颗粒因子）的因子载荷较大，第二个因子对空气质量优良天数比例（空气质量因子）的因子载荷较大。见表2。

3.4 因子得分

根据表2可得因子得分函数如下：

F1=0.401Y1+0.417Y2-0.112Y3+0.277Y4

F2=-0.077Y1-0.176Y2+0.989Y3+0.144Y4

F3=-0.097Y1-0.086Y2+0.020Y3+0.133Y4

3.5 环境质量总得分

以三个因子的方差贡献率为权数，构造因子总得分公式：

F=（0.50991F1+0.20821F2+0.20332F3）÷0.92144

计算广东省2014—2019年的环境质量总得分，如表3所示。

进行线性回归分析，根据拟合优度检验和序列自相关检验的结果，线性回归模型R2为0.822，接近于1，但调整后R2为0.287，拟合优度较低，说明模型可能存在一定的问题。方程的DW检验值为1.594，根据查表（n=5，k=3）dU=2.287，可知dU

从表5可知，F检验统计量的观测值为1.535，对应概率p值为0.521。依据该表可进行回归方程的显著性检验。

如果显著性水平α为0.05，线性回归模型中所有解释变量的回归系数显著性T检验的概率p值都大于显著性水平α，因此应接受零假设，说明经济指标变量对环境质量影响不大。从容差和方差膨胀因子看，LNX1的容差接近0.05，近似地认为解释变量间无显著的多重共线性。详见表6。

随着标准化预测值的变化，残差点在0线周围随机分布，并且粗略地认为，残差满足等方差性。计算残差与预测值的Pearson相关系数近似为0，且检验不显著，因此认为异方差现象并不明显。

利用K-S方法检验标准化残差的总体与标准正态分布是否有显著差异。标准化残差的概率p值为0.121。如果显著性水平α为0.05，由于标准化残差的概率p值均大于显著性水平，接受零假设，可以认为标准化残差的总体与标准正态分布无显著差异。因此，可认为残差满足了线性模型的前提要求。最终建立的线性回归模型为：

Y=42.274×LNX1-41.130×LNX3-374.672

由模型可知，全省GDP（LNX1）、城镇化率（LNX3）每增加一个单位，环境质量指数分别上升42.274、下降41.310个单位。广东省GDP，即经济的增长可以促进地区的环境质量提升，而城镇化率会对环境质量产生负面作用。由线性回归模型的F检验和解释变量T检验可知，解释变量前的系数显著为0，说明全省GDP、城镇化率虽然对环境质量产生了一定的影响，但影响程度较弱。

5 对策建议

第一，广东省应加大农业结构调整力度，促进绿色农业的发展，尽量提倡坚持绿色发展现代农业。进一步加强流域农业面源土壤污染综合防治和示范区的建设，探索建立流域重点地区农业面源土壤污染防治的有效手段和机制。优化流域农业科技创新资源配置，推动流域高科技企业自主创新、科技成果，使现代农业向绿色可持续性的战略方向发展。

第二，优化第二产业结构，加大工业产业的科技研发投入。积极协调污染重的工业产业升级，對淘汰落后的产能勒令整改或关闭。重视经济投入带动环保工业科技进步，充分利用经济发展的价值推动环境质量发展。

第三，开展环境治理，大力发展广东省旅游业等第三产业。广东省拥有丰富的旅游资源，属于对环境污染小的行业，对环境的保护具有积极意义。当然发展旅游业的前提是以不损失环境质量为前提。要统筹兼顾，在两者相互协调的基础上合理发展旅游业。

参考文献：

[1]李强，王琰.环境规制与经济增长质量的U型关系：理论机理与实证检验[J].江海学刊，2019（4）：102-108.

[2]徐娟，祁毓.经济增长、环境管制和雾霾污染关系的实证[J].统计与决策，2019，35（19）：140-144.

[3]朴莹.广东省经济增长与环境污染实证研究[J].中国集体经济，2019（22）：18-19.

[4]申韬，黄媚.金融生态环境、经济增长与FDI效应研究——基于东盟国别数据的实证分析[J].武汉金融，2019（11）：22，71-77.

[5]PADHAN H，HAOUAS I，SAHOO B， et al. What matters for environmental quality in the Next-11 countries：Economic growth or income inequality？[J]. Environmental Science and Pollution Research，2018，26（22）.

[作者简介]杨思琪，女，汉族，江西吉安人，就读于江西财经大学经济学院，研究方向：资源环境、企业经济;彭强，男，汉族，江西萍乡人，就读于江西财经大学国际经贸学院生，研究方向：国际贸易、企业经济;李微，女，汉族，江西新余人，就读于江西财经大学财税与公共管理学院，研究方向：社会保障。