多因素驱动下的中国城市环境效应分析.doc

1、1多因素驱动下的中国城市环境效应分析摘要城市化是深刻影响经济社会发展的一项重大社会工程，也是在世界范围内具有一定普遍规律的发展现象，我国多年来快速的城市化取得了积极成效，也积累了严重的环境问题。本研究从经济发展与环境压力的国内外研究出发，以 285 个地级及以上城市为研究对象，利用调整过的 STIRPAT 模型，分析这些城市 20042013 年工业 SO2 排放强度、工业废水排放强度和工业烟（粉）尘排放强度的驱动因素，结果显示：产业结构调整会产生显著的环境效应，第二产业产值占比对工业污染物排放强度有显著的拉动作用，虽然现阶段我国大多数城市的产业结构向合理化趋势发展，但部分城市仍过分倚重第二产

2、业对经济的拉动，资源消耗大、环境污染严重；城市人口密度与空间规模扩张，使不同规模、不同经济发展水平的城市间出现了“污染转移”现象；我国城市成为外资企业“污染避难所”的问题并不突出，外资企业对工业烟（粉）尘排放相关产业部门降低排放强度有显著的正环境效应；在一定的城市规模区间内，城市规模对工业污染物排放强度有显著影响； 285 个城市中，大多数城市的工业污染物排放强度的 EKC 曲线拐点可能已经到来且处于曲线下降阶段，污染反弹的可能性不大，但污染物排放强度拐点的到来并不意味着环境质量改善的拐点也到来。因此，需要正确认识和处理好经济发展与环境保护之间的关系，为城市化发展滞后地区留足发展的生态资本，通

3、过强化环保总体规划、明确生态红线和城市增长边界，合理布局城市产业结构、提高城市土地集约化程度引进绿色资本、实施2差异化评估考核等方式推动城市绿色可持续发展。 关键词城市化；环境效应；排放强度；STIRPAT 模型 中图分类号 X503 文献标识码 A 文章编号 1002-2104（2017）03-0063-11doi：10.3969/j.issn.1002-2104.2017.03.008 城市化是深刻影响社会经济发展的一项重大社会工程，也是在世界范围内具有一定普遍规律的发展现象1，涉及所处的发展阶段、类型、具体特征、地区差异、健康状态、城镇数量、规模结构、空间分布等多方面内容2。我国的城市化

4、经历了不同的发展阶段，尤其是改革开放以来城市化发展速度快、经济成效明显，但城市发展质量低与城市扩张不合理等引发了大气、水、土壤等环境问题，传统粗放式的经济发展方式已难以持续，亟需在坚持生态文明的基本理念下，以绿色发展理念推动城市发展。城市化进程中的环境问题备受学者关注，李佐军3等人探讨了城市化进程中存在的生态环境问题，蒋洪强4等人研究了我国城镇化发展的边际环境污染效应，王金南5等人研究了 CO2 网格排放值与城市规模、城市经济发展水平等之间的关系。识别和解决城市发展中的环境问题需要加强环境管理，而环境管理的任务就是在于寻求经济增长与环境质量和环境资源基础的平衡6。在此背景下，本文着重研究我国

5、285个地级及以上城市 20042013 年间城市发展过程中的环境效应及其影响因素，为当前和未来我国城市资源要素配置、产业结构布局、空间规模调整提供参考依据。 1 文献综述 3经济发展与环境问题关系的研究最早开始于环境库兹涅茨曲线的研究。Kuznets7研究了收入不平等与经济发展之间的关系，发现两者呈倒 U 字型关系。后来这一关系被逐渐引申至经济增长与环境质量关系的研究中。Grossaman & Krueger8首次发表了污染物排放与人均收入呈倒 U 型关系的文章，Shafik & Bandyopadhyay9在世界银行发展报告 1992中提出了这种曲线关系，而 Panayotou10则首次提

6、出了环境库兹涅茨曲线的概念，即经济在发展初期环境质量逐渐开始恶化，但随着经济发展到一定阶段后，环境质量却逐渐得到改善，由此得出经济增长与环境压力之间呈现倒 U 型关系。后来，大量的国外学者对该曲线的形状展开了讨论，Rezek & Rogers11，Jalil & Mahmud12，Pao & Tsai13，Zanin & Marra14，Shahbaz15，LinSea Lau16等认为该曲线是倒 U 型形状。而 Richmond & Kaufmann17，Cialani18，Coondoo & Dinda19，Aslanidis & Iranzo20，Iwata21，Fujii & Mana

7、gi22等研究认为该曲线可能是 N 字型、线性等其他形状。国内学者，如刘华军23研究 CO2 排放总量等与人均 GDP 之间的关系，发现两者呈单调递增关系。周璇24基于不同地区 19972010 年数据，发现部分地区的 EKC 曲线形状为倒 U 型，部分地区为 N 型，部分地区为 U 型或单调递增型。任海军25基于 30 个省区 3 组不同城市化水平的数据（19972011 年） ，发现人均地区生产总值与 CO2 排放量在城镇化的各阶段都存在倒 U 型关系。 翁智雄等：多因素驱动下的中国城市环境效应分析中国人口?资源与环境 2017 年第 3 期 随着研究的不断深入，国内外学者开始越来越关注4

8、哪些经济和社会因素会驱动污染物的排放。有一部分学者提出国际贸易的影响。如 Suri & Chapman26，Kearsley & Riddel27等认为随着一国经济发展水平的不断提高，对国内产品的环境管制要求会越来越严格，污染产品由经济发达地区转移至环境管制要求低的经济欠发达地区。另有一部分学者认为是结构变化和技术进步的结果。Shafik & Bandyopadhyay9，Hettige28等人认为结构变化引起从污染密集型产业部门转向服务业等污染小的部门，技术进步导致生产技术提高和资源消耗下降。还有部分学者?J 为政府管制也会产生重要的影响。Panayotou29，Bhattarai30，Du

9、tt31等认为更好的政府管制、更强的政治机构、更大的教育投资都会对污染物排放产生重要影响。当然，还有一部分学者认为其他因素也会产生影响，如 Roca32，Martini & Tiezzi33等认为居民的消费倾向会改变环境质量的需求弹性。国内的研究与国外有一定的承接，众多学者从产业结构调整、技术进步、外商投资等因素出发研究污染物的驱动因素。如林伯强34从能源消费结构角度研究出发，认为不同的能源消费使二氧化碳排放量出现明显的差异。石广明35利用 Shephard 输出距离函数，对工业 SO2 排放变化指标进行分解，研究认为 20002006 年 SO2 排放增加的主要影响因素是资本投入与产出结构变

10、化、工业能源消耗，技术变化也有一定的作用。刘玉萍36，张兵兵37等从技术进步的角度出发，研究技术进步对 CO2 排放强度的影响。但综合来看，国内的研究主要以国家和省（自治区、直辖市）作为研究对象，基于大量城市面板数据的研究较少。同时，文献中的污染物排放驱动因素更多侧重于技术水平、产业结构、国际贸易等，以城市5人口为表征的城市规模等因素并没有得到充分考虑。 2 模型建立与变量选择 2.1 模型建立及其原理 1999 年，Ehrlich 首次提出了“I=PAT”模型。其中，I 代表环境压力，P 代表人口规模，A 代表经济水平，T 代表技术水平，该模型主要用于研究人口对环境压力产生的影响。由于模型本

11、身未考虑自变量对因变量非等比例的影响关系，实际应用中该模型的问题逐渐暴露出来。 I=PAT 模型被不断拓展，国内外应用较多的为 STIRPAT 模型。在面板上数据处理中，通常会对模型进行对数处理，即在等式的两边分别取对数，来减少数据的波动和异方差性。取对数后，方程变为： 其中，i 代表不同国家、不同省份或不同城市，t 代表时间，ai 为常数项，eit 为扰动干扰项，bi，ci，di 分别表示污染物排放对人口规模、经济发展水平、技术发展水平的弹性。实际应用中，由于影响污染物排放的因素不仅仅局限于上述几个自变量，还包括城镇化率、环境管理等其他变量，所以需要根据研究问题的实际情况适当增加变量。 2.

12、2 变量选择 本文主要采用 STIRPAT 模型来研究问题，分别选择单位 GDP 工业二氧化硫排放量（即工业二氧化硫排放强度） 、单位 GDP 工业废水排放量（即为工业废水排放强度）和单位 GDP 工业烟（粉）尘排放量（即工业烟（粉）尘排放强度）作为因变量，通过这三个因变量来表征气、水污染物排放情况。污染物排放强度能近似地表示环境技术水平，同行业排放水平越高表示环境技术水平越低。用城市人均 GDP 表征城市经济发展6水平，人口规模用人口密度变量来表征。由于污染物排放驱动因素分析是一个复杂的过程，本文为了更全面地分析影响因素，进行了以下几方面的考虑： （1）模型变量选择中，新增产业结构（第二产业

13、产值占地区生产总值比重）变量，贸易开放程度变量（外商直接投资实际利用额） ，各变量单位及符号表示如表 1 所示。 （2）2014 年 11 月 20 日，国务院印发关于调整规模划定标准的通知 （简称通知 ） ，根据城市城区常住人口将城市划分成了五类七档，分别为小城市、中等城市、大城市、特大城市和超大城市。鉴于城市城区常住人口的统计较为困难，本文主要采用城市常住人口作为划分城市规模的标准，参考通知的划分标准，并综合所研究样本的城市常住人口特征，划分出四组虚拟变量，即城市常住人口规模1 000 万人，城市常住人口规模 5001 000 万人（含 1 000 万） ，城市常住人口规模100500 万

14、人（含 500 万人） ，城市常住人口规模 100 万人以下（含 100万人） 。其中，选择城市常住人口规模 5001 000 万人作为参照组，分析其他各组变量对其是否存在显著的关系，如表 1 所示。 （3）为检验污染物排放强度?c 经济发展水平之间是否存在环境库兹涅茨曲线（EKC） ，本文进一步考察污染物排放强度与各城市人均 GDP 之间的关系，分别取人均 GDP 的一次方、二次方和三次方，拓展的 STIRPAT模型如下： 其中，Iit 表示污染物排放强度，a1，a2，a3 分别表示城市人均 GDP的一次方、二次方和三次方前的系数，it 表示扰动干扰项。通过分析7系数正负性可判断环境库茨涅茨

15、曲线的形状，系数与 EKC 曲线关系如下： 若 a10，a20，a20，则污染物与经济增长之间呈 N 型关系； 若 a10，a30，则污染物与经济增长之间呈倒 N 型关系。 3 数据来源与平稳性检验 3.1 数据来源 本文主要选择北京市、天津市、石家庄市等设区市，其中，包括北京、天津、上海、重庆 4 个直辖市和 281 个地级市，共 285 个城市。由于统计数据缺失或不齐全，本文未将西藏、台湾、香港和澳门考虑在内。鉴于我国县（市、区）级市较长周期内关于污染物排放、经济因素、环境管制等变量的统计数据缺乏，部分统计指标也不规范，本文也未将县级市考虑在内。 本文以城市为研究对象，选择 285 个地级

16、市及以上城市 20042013年的数据开展研究。数据的主要来源包括：一是来自于城市有关的统计年鉴，主要有19972012 年中国城市统计年鉴和2013 年中国省市经济发展年鉴 ；二是省级层面或国家层面的数据主要参考省级和国家统计年鉴，主要有我国历年的中国统计年鉴 、各省历年的统计年鉴；三是环境相关的数据参考国家环境统计年鉴，主要参考我国历年的中国环境统计年鉴等。 83.2 平稳性检验 为防止非平稳变量引起伪回归以及 t 检验失效等问题，便于对模型进行准确预测，需要检验回归变量的平稳性。一般情况下，检验面板数据平稳性的方法主要有：LLC 检验，HarrisTzavalis 检验法，Breitun

17、g检验法，ImPesaranShin，Fishertype 检验法。由于本文所选的数据为非平衡面板数据，因此采用 FisherADF 检验，该检验方法对面板数据的平衡性没有很强的要求，原假设为面板数据有单位根（非平稳） ，通过观察Inverse chisquared 的 P 值大小，判断变量是否稳定。当 P0.05 时，拒绝序列式存在单位根假设，认为变量是平稳的；反之，变量是非平稳的。FisherADF 检验的结果如表 2 所示。 由表 2 可知，7 个变量的一阶差分值的伴随概率均为 0.000 0，通过了 1%的显著性检验，因此拒绝原假设（序列非平稳，存在单位根） ，变量一阶差分序列均为平稳

18、性序列，满足一阶单整。根据协整理论，当变量为同阶单整时，变量之间可能存在协整关系。由此可知，工业 SO2 排放强度、工业废水排放强度、工业烟（粉）尘排放强度、人均 GDP（平减后）、人口密度、第二产业比重和外商直接投资实际利用额之间可能存在协整关系。协整检验的结果见 4.1 节。 4 污染物排放强度驱动因素分析 4.1STIRPAT 模型结果 本文基于 285 个设区市 20042013 年的面板数据，运用 STATA12.0软件，得到各变量之间的相关关系和显著性水平（见表 3） 。 本文针对工业 SO2 排放强度、工业废水排放强度、工业烟（粉）尘9排放强度等 3 类不同的污染物排放强度分别计

19、算了随机效应模型（random effects model）和固定效应模型（fixed effects model） 。从研究的角度来看，随机效应模型和固定效应模型都是面板数据分析中常用的两种模型，固定效应模型认为包含个体影响效果的变量是内生的，而随机效应则认为是外生的，通常利用 Hausman 模型做出模型的选择。根据 STATA12.0Hausman 检验结果（见表 3） ，三类污染物排放强度的Hausman 模型检验结果都显著，说明运用固定效应模型能更好地解释计量回归结果。 上节中对面板数据的平稳性做了检验，结果显示各变量为一阶单整，由此说明工业 SO2 排放强度、工业废水排放强度、工业

20、烟尘（粉）排放强度、人均 GDP（平减后） 、人 口密度、第二产业比重和外商直接投资实际利用额之间可能存在协整关系。本节对各变量间的协整关系做了进一步检验（见表 3） 。由表 3可知，三类污染物排放强度下的各变量间的协整检验结果都显著，说明各变量之间均存在稳定的协整关系，即存在长期稳定的均衡关系。 4.2 四大社会经济因素的环境效应 4.2.1 产业结构产生的环境效应 回归结果表明，第二产业占比对三类污染物排放强度均有显著的正的影响。由表 3 可知，第二产业占地区生产总值的比重对工业 SO2 排放强度、对工业废水排放强度和对工业烟（粉）尘排放强度都通过了 1%的显著性检验，且显著正相关。由此说

21、明，第二产业比重越大，工业 SO2排放强度、工业废水排放强度和工业烟（粉）尘排放强度也越大，产业10结构的环境效应较明显，不合理的产业结构将会加剧环境污染。 大量学者对产业结构的环境效应做过研究，如丁焕峰38等学者基于我国的面板数据或省级数据开展过研究，本文根据 285 个城市的面板数据，得到了相似的研究结果。图 1 为本文选择的 285 个城市 2013 年第二产业和第三产业占比分布图，由图可看出大部分城市的产业占比较为集中，第二产业占比主要集中在 35%至 65%之间，第三产业占比集中在20%50%。值得注意的是，也有部分第三产业比重或第二产业比重较高的城市，如重工业城市克拉玛依、大庆、攀

22、枝花等，第三产业比重较高城市如北京、三亚、张家界、呼和浩特等。图 1 显示，现阶段我国大多数城市的产业结构虽向合理化的趋势发展，但也有部分城市过分倚重第二产业的经济拉动，资源能源消耗大、环境污染严重的问题仍然客观存在。调整和优化产业结构仍然是当前城市发展的重要问题，特别是降低第二产业比重，推进经济发展提质增效，是改善我国环境质量的重要途径。 4.2.2 人口密度产生的环境效应 城市化的重要表?F 是人口城市化，即城市的人口密度不断扩大。本研究表明，人口密度对工业 SO2 排放强度和工业烟（粉）尘排放强度有负的显著影响。其中，对工业 SO2 排放强度通过了 10%的显著性检验，对工业烟（粉）尘排放强度通过了 1%的显著性检验，即在其他条件不变的情况下，人口密度越大，工业 SO2 排放强度与工业烟（粉）尘排放强度越小。研究还发现，人口密度对工业废水排放强度也有负的影响，但影响不显著。如图 2 分别显示了工业 SO2 排放强度、工业烟（粉）尘排放