FDI 与环境污染研究

□文/ 张 宇

（西北工业大学 陕西·西安）

［提要］ 本文利用2004～2017年我国省际面板数据，在多元回归模型基础上，考虑到环境污染自身所具有的空间扩散效应的特点，构建空间计量模型进行更精准的拟合。实证结果显示：FDI 在一定程度上改善了我国的环境质量，TO（贸易开放度）佐证了这一点。经济和工业的发展、人口的增多都加重环境污染的排放。支持以往文献中“污染光环”的观点。基于此，提出加大招商引资力度，更好地发挥外资技术溢出效应等建议。

一、引言

经济的发展时刻影响着环境，两者不可分割，习近平说：“绿水青山就是金山银山。”改革开放以来，我国经济迅猛发展，FDI 作为经济发展的重要驱动力，深刻影响着我国的环境变化。

FDI 随着改革开放的浪潮涌入中国，随着我国加入WTO 迅猛发展。到2019年，我国引进外资总额已高达13，813，500 万美元，较1983年91，600 万美元增长了150 倍。伴随着FDI 不断增长的却是环境质量的持续下降。近年来，多地区频发的雾霾、水体污染等无不显示出环境污染的严重性。《2019年环境绩效指数报告》指出，中国环境质量堪忧，作为环境重要评价指标的空气质量全球倒数，其中室内空气质量为：72，全球第 116 位；NO2的均值为：15.29，全球第 176 位。

当前，严峻的环境污染现状和民众环保意识的提升，让政府和群众开始反思牺牲环境换来的经济增长是否值得？作为经济发展重要引擎的FDI 如何影响经济引起了学界的广泛关注，成了学者们热议的话题。

二、文献综述

现有的FDI 与环境污染的研究中，主要是针对FDI 对环境造成影响的好坏进行研究，依照研究结果大致可分为三种：负面效应、正面效应、综合复杂论。

图1 2004年lnEP Moran 散点图

负面论的代表是“污染天堂”假说，即FDI 会加重环境污染，因当今各国发展程度不一，招商引资政策不同，会造成部分欠发达国家环境准入门槛过低，会吸引大量排污量大的企业入住，长此以往，污染企业就会集聚，该地区就会变成环境的避难所，污染的天堂。提出一般均衡模型的Copeland 和Taylor（1995）首先发现并证明污染天堂的存在，Ang（2009）、沙文兵等（2008）的研究结果也都支持了这个观点。“污染光环”假说指出先进外资的进驻会带来母国的先进生产和管理技术，FDI 存在技术外溢效应，先进的技术会优化生产流程、减轻环境污染，是正面论。Abdul 和 Syed（2009）、郑强等（2017）通过实证证实了 FDI 技术效应的存在。综合复杂论是指FDI 存在两面性，即会通过规模效应、结构效应等加重环境污染，也会通过技术效应减轻它，需要通过具体地区具体判断。Iwata 等（2010）、于峰和齐建国（2007）的研究支持这个观点。

尽管有学者回答了FDI 质量和环境的关系，并通过实证证明了FDI 对环境的各种影响，但结果往往不同。可能原因有：首先是国情不一样，各国学者可能会从本国立场出发，提出不同看法；其次是研究者们运用的分析方法、采用的计量模型不同，选取的数据也大相径庭，可能也是结果不同的原因；最后是研究对象也有区别，有从国家层面的，也有地区层面的，还有分行业进行研究的。本文拟采用我国2004～2007年全国31 个省、自治区和直辖市的数据，并注意到环境污染本身存在着自扩散效应，用空间计量模型加以分析。

图2 2017年lnEP Moran 散点图

三、模型、变量与回归

（一）计量模型。借鉴参考经典EKC 回归方程，本文构建基本的实证模型如下：

在模型（1） 中，lnEP 表示环境污染水平，α1是常数项，lnFDI 表示FDI 数量，lnGDP 表示地区经济发展水平，lnTO 表示贸易开放程度，lnEI 表示环境治理情况，lnIS 表示产业结构，lnP 表示人口数量，μ 是随机误差项，符合正态分布。

（二）模型变量解释和数据来源

1、模型变量解释。EP：代表环境污染水平，环境污染水平主要由污染物的排放量来衡量。由于二氧化硫在污染排放中的重要地位，本文选择SO2排放量来表示环境污染水平。FDI：核心解释变量，实际利用外资额，单位：万美元。其他控制变量：GDP：为地区经济发展水平，本文采用人均GDP 来衡量经济发展水平。TO：本文使用地区贸易进出口总额占GDP 比重来衡量某一地区的贸易开放度。贸易进出口总额根据各年度汇率中间价调整为人民币计价。EI：环境污染治理投资完成额占GDP 的比重。一般情况下，环境规制与环境污染呈反比，环境规制水平越高，环境污染将会得到有效的管理与控制。IS：产业结构，用第二产业增加值占GDP 总值的比重表示。相比农业和第三产业，第二产业、尤其是制造业外商直接投资的占比最高，对能源、矿产等资源的消耗更多，产生的污染也更大。P：人口，用各地区年末常住人口数表示。一般而言，人口的增多会导致资源消耗量增加和排放废弃物的增多，会加剧环境污染。

2、数据来源：《中国统计年鉴》、《中国环境年鉴》及各省、自治区和直辖市统计年鉴。

（三）空间计量模型。本文构建空间面板模型来研究我国环境污染的影响因素。一般而言，空间面板模型主要包括空间滞后模型（SLM）、空间误差模型（SEM）、空间杜宾模型（SDM）三种。本文采用拟合效果更好的空间杜宾模型进行研究。

上式中：X 为自变量；Y 为因变量；W 表示 n×n 空间权重系数矩阵；β 为自变量参数；ln 为单位向量；α 为常数项；WY 是被解释变量之间存在的内生交互项；WX 是解释变量之间存在的外生交互项。

通过将基准模型带入，则可将前述式（1）中的模型进行改进。W 表示空间邻接权重系数矩阵，即当某区域i 和某区域j 相邻时，w 取值为1；当某区域i 和某区域j 不相邻时，w 取值为0。

（四）相关检测。本文为保证数据质量，消除不平稳和异方差，对所有数据进行对数处理。经检验，数据平稳可用。

全局空间自相关是从区域空间的整体上刻画区域活动空间分布的集群情况。

在实际的空间相关分析应用研究中，Moran’s I 指数和Geary’s C的作用基本相同。

如果是区域的观测值，则该变量的全局Moran 指数I 可用如下公式计算：

Geary 系数C 的计算公式如下：

Moran 指数 I 的取值在［-1，1］之间，小于 0 表示存在负相关，等于0 表示不相关，大于 0 表示正相关。Geary 系数 C 的取值一般在［0，2］之间，大于1 表示负相关，等于1 表示不相关，小于1 表示正相关。（表1）

由表 1 可知，14年间，lnEP 的 Moran 指数均大于 0，Geary 系数 C均小于1，说明存在正向的全局空间自相关性。

接下来进行局部空间自相关测算。与单纯局部Moran 指数相比，Moran 散点图的优点在于：能够具体区分区域单元和其临近单元之间属于高值和高值、低值和低值、高值和低值、低值和高值之中的哪种空间联系方式。

限于篇幅，本文绘制2004年和2017年环境污染指标（lnEP）的Moran 散点图，如图 1、图 2。（图 1、图 2）

进而，利用Moran’s I 散点图可将省域环境污染集群的空间关联模式划分为4 个象限，在第一、第三象限的Moran’s I 散点意味着正的空间自相关性，在第二、第四象限的Moran’s I 散点意味着负的空间自相关性。第一象限（HH）表示高污染省域被同是高污染的其他省域所包围，这些省份有：山西、辽宁、河北、山东等；第二象限（LH）表示低污染省域被其他高污染省域所包围，如安徽；第三象限（LL）表示低污染省域被同是低污染的其他省域所包围，如青海等；第四象限（HL）表示高污染省域被低污染的其他省域所包围，如四川。

表1 环境污染（EP）的全局自相关性检验一览表

表2 环境污染影响因素的空间计量检验结果一览表

（五）空间计量回归。进行固定效应或者随机效应判断。Hausman检测P 值小于0.05，拒绝原假设，选择固定效应模型。

针对SDM 模型，分别进行地区、时间及双固定效应回归，发现滞后一阶的时间固定效应拟合最好，结果如表2 所示。（表2）

FDI 的估计系数主要为负，实证说明FDI 减少污染物的排放、提升我国的环境质量，支持“污染光环”假说。TO（贸易开放度）从回归分析上看改善了环境，说明对外开放确实对我国环境有益，佐证了FDI 的正向效应。

GDP、IS（产业结构）和P（人口规模）的估计系数主要为正，说明经济、工业发展和人口增多都增加污染物排放，加重了环境负担，影响了环境质量。

EI（环境规制）从回归分析上看恶化了环境污染，这与现实情况不符，可能是环境污染的改善需要时间才能见效，并且污染的空间扩散使得治理更加困难，见效更慢。

四、结果与讨论

关于FDI 与环境污染的关系，本文收集了我国31 个省、自治区和直辖市2004～2017年的数据，运用空间杜宾模型对我国FDI 对环境的影响实证分析。

实证研究表明：FDI 在一定程度上改善了我国的环境质量，TO（贸易开放度）佐证了这一点。经济和工业的发展、人口的增多都加重了环境污染的排放。

基于结论提出建议如下：（1）FDI 不但是经济发展的重要推动力，还能一定程度的改善环境，应继续加大外资引进力度，更好地做好招商引资工作；（2）资本引入后要发挥外资的技术溢出作用，推广其带来的先进管理经验和技术，在加强本土企业对先进技术经验的吸收消化能力的同时，增强自主学习能力、注重自我创新，以健全技术交流平台，促进新型高环保技术的传播、发展。