城市环境与经济发展的EKC检验

韩雪源 徐颖

摘 要：垃圾分类作为推动绿色发展的重要举措，可提高城市环境质量，促进资源回收利用。选取2000—2018年首批垃圾分类8个试点城市的人均生活垃圾清运量与人均GDP数据进行拟合，构建城市环境与经济发展的环境库兹涅茨（Environment Kuznets Curve，EKC）模型，实证检验垃圾分类下城市环境与经济发展的动态关系。研究表明，8座城市生活垃圾产生量均处于上升期，垃圾分类效果不佳;不同城市EKC曲线存在显著差异，杭州市EKC曲线呈倒“U”型;北京、上海、南京、桂林、广州、深圳、厦门呈“N”型。八座城市的生活垃圾排放量未来看不到总量下降趋势。

关键词：垃圾分类 环境库兹涅茨曲线 经济发展

一、引言

随着我国经济发展与城镇化进程的加快，都市生活垃圾产生量日益增多。尤其人口激增的一线城市，资源环境的承载能力面临着不小的挑战，居住人群对生活环境的高质量追求与急剧增长的生活垃圾体量对其治理水准提出了更高要求。而垃圾分类正是都市环境治理的重要构成部分。基于垃圾分类视角，实证分析生活垃圾清运量与经济增长的EKC模型，探究城市环境与经济发展的动态变化规律，对于加快“资源节约型社会、环境友好型社会”建设，提高新型城镇化质量[1]，具有重要的现实意义。

当前文献对EKC模型进行了广泛而深入的研究。从被解释变量的研究方向来看，刘远书等（2020）选取了工业废水排放量、工业COD排放量、工业氨氮排放量为研究变量[2]，许华等（2021）聚焦于碳排放量的EKC曲线分析[3]。从被解释变量的研究范围来看，崔铁宁等（2018）建立了全国除西藏外的30个省份的EKC模型[4]，陈晓清等（2020）以宁夏为例定量分析其EKC曲线形成机制[5]。研究方向多集中于水污染、空气污染的相关实证分析，涉及城市生活垃圾的较少;研究范围以全国和单个城市为主，城市功能群分析较少。

本文以2000年首批生活垃圾分类收集试点的八个城市为研究对象，构建人均生活垃圾排放量与人均GDP环境库兹涅茨曲线模型，分析模型EKC曲线形态，检验垃圾分类视角下城市环境与经济发展的关系。

二、模型与方法

环境库兹涅茨曲线（Environment Kuznets Curve，EKC）主要研究环境质量与人均收入之间的关系，揭示环境质量与经济发展之间的动态演变规律。

（一）模型构建

EKC曲线模型自提出以来，国内外学者根据一般模型衍生出了多种简化模型，一般实证分析多使用可行性较强的简化模型[2]。

EKC曲线一般模型形式为：Y=α+β1X+β2X2+β3X3+β4Z+ε（1）

而在实际模型的构建中，大多使用如下三种简化模型：

Y=α+β1X+β2X2+ε（2）

Y=α+β1X+β2X2+β3X3+ε（3）

Y=αeβX （4）

模型（1）中X为经济发展指标，Y为环境相关指标，α为常数，β1、β2、β3、β4为模型的估计系数，Z为除解释变量外影响被解释变量的其他因素，ε为误差项。简化的三种模型依次为二次曲线、三次曲线、指数曲线，其中模型（2）（3）中各系數与模型（1）的释义相同，模型（4）中的α、β均为估计系数。

（二）指标选取与数据来源

环境库兹涅茨曲线模型中涉及两个指标，环境质量指标和经济发展指标。

本文环境质量指标选取人均生活垃圾清运量，经济发展指标多选用人均GDP或人均可支配收入。我国城市生活垃圾早已实现规模化集合处理，清运量可代表城市生活垃圾产生量，用于衡量其环境质量。一般经济欠发达地区贫富差距大，人均GDP并不能准确反映收入的真实情况，多选取人均可支配收入为经济增长指标，而经济发达地区则使用人均GDP。本文研究对象为2000年首批生活垃圾分类试点的八个城市，即北京、上海、南京、杭州、桂林、广州、深圳、厦门，这些城市均为经济较发达城市，因此可使用人均GDP作为经济发展指标。

上述城市生活垃圾清运量、常住人口、人均GDP数据均来源于各市历年统计年鉴或环境统计年鉴。

（三）数据处理

在模型拟合前，为定量描述两个变量间相关的方向和密切程度，需对各个城市的人均生活垃圾清运量与人均GDP进行Person相关检验。本文数据在001置信水平下，变量之间均存在显著相关性，说明二者拟合较好。

再使用SPSS统计分析软件分别对8个首批垃圾分类试点城市做模型数据拟合，比较每个城市在三个模型下的拟合度及参数检验显著性，选择通过参数显著性检验后拟合度最高的模型作为此城市的EKC曲线。其中拟合度主要通过指标R2判断，越接近1表示回归模型对观测值的拟合程度越高，解释变量对被解释变量的解释越充分，一般结果在70%以上都可接受。参数检验显著性分为T检验和F检验，T检验主要检验模型各系数的显著性，F检验主要检验模型整体显著性。

根据模型中估计系数的不同，EKC曲线呈现出单调递增、单调递减、倒“U”型、“U”型、“N”型、倒“N”型等不同类型，如表1所示。

三、EKC模型实证分析

对八个城市的人均生活垃圾清运量与人均GDP进行曲线估计，从二次曲线、三次曲线、指数曲线中选取最贴切的拟合估计结果，最终得到八个城市的回归结果如表2所示。

从表2中可看出，北京市、上海市未通过R2的拟合度要求与F检验，得到的模型系数结果与曲线形状的可信度较低。这是由于两个城市的人口规模过大，过度城市化危害了其健康发展，使EKC曲线的简化模型适用性降低，所得到的城市人均生活垃圾清运量与人均GDP模型估计结果可信度过低，由此，需要借助其他方法判断两市情况。