中國省級地下經濟與環境污染——空間計量經濟學模型的實證

閆海波 陳敬良 孟 媛

(上海理工大學管理學院，上海200093)

進入21世紀，快速工業化與城鎮化、主要由要素投入推動的經濟增長使得中國環境污染的壓力進一步加大。根據耶魯大學和哥倫比亞大學聯合推出的“2012年度全球環境績效指數”(EPI)排名，中國在參評的149個國家和地區中排名第116位［1］，比2008年下降了11位。另據世界銀行、中科院和國家環保總局的測算，中國每年因環境污染造成的損失約占GDP的10%［2］。因此，要實現社會的可持續發展，必須統籌考慮人口、資源、環境與經濟發展的協調性。國內外的眾多研究表明，經濟增長與環境污染之間存在著密切的關系。Beckerman［3］借鑒庫茨涅茨(Kuznets［4］)關于收入分配與經濟增長關系的著名“倒U”型曲線假說，認為經濟增長與環境質量之間也可能存在倒U 關系。Grossman、Krueger［5－6］等基于經驗數據證實了人均GDP與污染物排放水平之間存在倒U型環境庫茨涅茨曲線(EKC)，SO2大氣懸浮物隨人均GDP增長而升高。Stern［7－8］等研究發現，當選取全球性國家樣本數據時人均硫排放與人均收入之間呈單調關系，當選取高收入國家樣本時為“倒U”型，排放量的削減與時間相關與收入不相關。Maddison［9］利用空間經濟計量方法對環境庫茨涅茨曲線進行的實證研究則表明，一國人均二氧化硫排放量在很大程度上受到鄰國人均排放量的影響，一國人均氮氧化物排放量會因與人均收入高的國家相鄰而減少。Caviglia－Harris［10］等使用生態足跡這一綜合指標衡量環境質量，發現生態足跡同經濟增長之間不存在EKC倒U關系。

賀彩霞、冉茂盛［11］基于中國省級面板數據的研究結果，認為經濟增長與環境污染之間的關系存在顯著地區域差異，而且二者之間存在雙向反饋機制。包群、彭水軍［12］利用6類環境污染指標來實證檢驗EKC假設，研究結果表明，EKC很大程度上取決于污染指標和估計方法的選取。吳玉鳴、田斌［13］則使用空間計量經濟學模型進一步分析了省域環境污染的空間相關性，認為我國省域環境污染存在明顯空間依賴和空間溢出效應，并得出了省域人均收入越高、環境污染越嚴重的結論。綜上所知:第一，現有研究大多以時間序列模型為主，隱含地假設一個區域的環境污染與相鄰區域在地理空間上不存在空間相關性，由此獲得的估計結果可能存在偏誤，推導的結論和環境政策建議也難以令人信服［14－15］;第二，經濟增長通常是環境污染程度上升與地下經濟擴張的原因，但是關于地下經濟的存在及其規模對環境污染影響的相關研究不足，國內外尚缺少這方面的理論研究;第三，學者們多以二氧化硫、二氧化碳及工業三廢等單一污染物排放來衡量環境污染，缺乏整體上的考量。本文試圖克服以上不足，在總結現有空間經濟計量分析技術基礎上，研究我國省級環境污染程度、地下經濟規模、經濟增長之間的關系。

1 環境污染指數與地下經濟規模的測量

1.1 復合環境污染指數

本文使用復合環境污染指數作為對各省份環境污染程度的度量。復合污染是指多種污染物對同一介質(土壤、水、大氣、生物)的同時污染，其典型反映是污染物在城市之間相互輸送，造成各城市污染相互關聯及多種高濃度污染物在時空上的疊加［16］。因此，構建符合污染指數能夠更準確地反映各種污染物相互影響之后的影響程度。借鑒原毅軍［16］等基于熵權法構建環境污染指數的方法測算復合環境污染指數。復合污染指數的計算公式如下:

其中，Pi表示某一省份的復合環境污染指數。

xij表示選取的污染物指標標準化之后的數值。本文選擇廢水排放量、化學需氧量(COD)、工業廢氣排放量、二氧化硫排放量、工業固體廢物產生量作為對水體、大氣、土壤污染的衡量。采取的空間樣本數據是除了臺灣省和香港、澳門特別行政區外的大陸31個省、自治區和直轄市。樣本區間為2002－2010年，數據來源于各年《中國統計年鑒》。

βij為第i個省份第j項指標的系數，即根據熵值法確定的每種污染物的權重，βij則為:

其中，m為指標個數，m=5;Ee是各項ej的和。ej表示第j項指標的熵值，則ej為:

其中，n為省份數，n=31;k=ln(n);fij為第j項指標下第i個省份占該指標的比重:

1.2 地下經濟規模

根據目前比較一致的認識，地下經濟是指根據現行的國民經濟經濟核算體系應該被核算而未被核算和現行國民經濟核算體系未涉及但又確實存在的經濟生產活動［17］。貨幣需求法是測量地下經濟規模的較為優良的方法，但卻無法估測各個省份地區的地下經濟規模，故本文使用要素分配法［18］測算各省份地區地下經濟的規模。根據經濟學原理，收入=消費支出+儲蓄，又因為消費支出、儲蓄支出的官方統計相對準確，而人們則有隱瞞收入的傾向，所以地下經濟部門的勞動報酬收入可以用消費、儲蓄與收入的差來計算，見下式:

地下經濟部門的勞動者報酬=居民消費支出總額+居民儲蓄年增量－(城鎮居民人均生活費收入×城鎮總人口+農村居民人均純收入×農村總人口);

繼而根據勞動者報酬在地下經濟中所占的份額即正規經濟部門勞動者報酬占GDP的比重，可估測中國各省份地區的地下經濟規模。

2 地下經濟與環境污染的空間分布特征

2.1 地下經濟的空間分布

過度危險比率［19］(Excess Risk)度量了地下經濟規模的相對嚴重程度。是觀測值與所有數據平均值的比值。過度危險比率小于1，表明該省份的環境污染地下經濟規模小于國內的平均值。過度危險比率大于1，則表明該省份地下經濟規模大于國內平均值，危險程度較高。

從發展態勢上看，我國的地下經濟規模呈現明顯的由點到面的擴散趨勢。如表1所示，2002年，地下經濟規模過度危險比率大于等于1的省份有7個，至2010年，地下經濟規模過度危險比率大于等于1的省份已經達到15個，占全部31個省份的48.38%。因此，本文認為，第一，我國的地下經濟規模趨于嚴重;第二，從地域分布與演化趨勢上看，北京、上海、天津、遼寧、廣東、海南始終是地下經濟的重災區;第三，地下經濟呈現出從京滬以及沿海經濟發達地區向內蒙古、西北地區遷移的趨勢;第四，逐步呈現出地理空間上的非均質性特征，存在中心和外圍地區、發達和落后地區的空間差異性。

2.2 環境污染程度的空間分布

如表2所示，2002年，復合環境污染指數小于0.3的省份是14個，2010年，復合環境污染指數小于0.3的省份仍然是14個。由此判斷，近十年來，我國的環境狀況并未有得到改善。其中，山東、江蘇、河南、河北、四川、廣東的環境污染指數始終在高位運行，廣西則由中度污染程度地區落入了重度污染地區，新疆由無污染地區落入了輕度污染地區。只有山西的環境狀況有所改善，跳出了重度污染地區。若將我國的環境污染程度分為無污染程度、輕度污染程度、中度污染程度、中度污染程度四個級別，則環境污染狀況有以下特點:第一，與區域經濟發展的不均衡狀況類似，我國各省份環境狀況呈現明顯的層次性分布:西部地區復合環境污染指數最小，中部地區復合環境污染指數次之，沿海地區復合環境污染指數最高。其中，環渤海地區的河北、遼寧、沿海的山東、江蘇、廣東、廣西以及內陸省份河南、四川環境污染程度最高，屬于重度污染程度;第二，環境污染分布呈現地區聚集特征，且與污染程度在上一級次的地區臨近:都是中度污染程度的湖北、湖南、浙江、安徽、福建在地理位置上臨近，且靠近重度污染程度的環渤海地區和兩廣地區;重度污染程度的四川處于環境污染程度的“孤島”，被輕度污染程度的云南、貴重、重慶、山西以及無污染程度的西藏、甘肅、青海所包圍。

表1 地下經濟規模過度危險比率

表2 復合環境污染指數

2.3地下經濟與環境污染的空間自相關檢驗

通過上文對于地下經濟與環境污染的空間分布分析，可以初步判斷其在地理空間上存在集聚現象，即空間自相關。這意味著空間上的觀測值之間缺乏獨立性各變量之間存在相互影響，空間相關的強度及模式由空間的絕對位置(格局)和相對位置(距離)共同決定［20］。本文采用全域空間相關性檢驗和局域空間相關性［21－22］檢驗來分析測度省域地下經濟與環境污染在地理上的集聚程度。使用由Moran(1950)提出的空間自相關系數全局Moran’s I［23］檢驗區域變量的空間相關性存在與否，計算公式為:

Yi表示第i個地區的觀測值，n為地區總數，Wij為二進制的鄰近空間權值矩陣，表示其中的任一元素，采用鄰近標準或距離標準，其目的是定義空間對象的相互鄰近關系。全局的Moran’s I值介于－1－1之間，大于0說明空間存在正相關，越大說明空間分布的正相關性越強;否則為負相關;近似為0表示空間服從隨機分布。通過上述公式計算的地下經濟的Moran指數為負值，且通過5%的顯著性水平檢驗，這表明我國31個省域地下經濟在空間分布上具有顯著的負相關性;而復合環境污染指數Moran值為0.258，我國省域環境污染存在較為顯著的空間正相關性。

通過Moran指數可以將各省域的地下經濟集群分為4種空間相關模式(見表3):第1象限(HH)表示地下經濟規模高的省份被同是地下經濟規模高的省份所包圍;第2象限(LH)表示地下經濟規模低的省份被高的省份包圍;第3象限(LL)地下經濟規模低的省份被同是規模低的省份所包圍;第4象限(HL)表示地下經濟規模高的省份被低的省份所包圍。第1、3象限體現出正的空間自相關性，第2、4象限體現出負的空間自相關性。復合環境污染指數的空間關聯模式同上。

總體看來，我國省域地下經濟存在著地理空間上的依賴性與異質性，核心與邊緣地區模式是其典型的分布模式:地下經濟規模最高的上海、北京、廣東等位于第4象限，被其他地下經濟規模較低的省份包圍;沿邊地下經濟規模較低的省份則連成一片，位于第3象限;位于第2象限省份的地理位置不相鄰，地下經濟規模也相距甚大;我國省域環境污染聚集出現HH和LL兩種模式的分化，空間正相關性較為明顯。

分析表明，我國省域地下經濟規模擴張與環境污染程度確實存在空間聚集現象，地區差異比較顯著，表明有必要從空間維度的相關性和異質性出發，其進行空間計量分析。

表3 地下經濟規模與環境污染程度省級區域的空間相關模式

3 地下經濟對環境污染影響的空間計量檢驗

3.1 模型設定

Florax［24］等發現對于真實的數據生成過程，從一般線性回歸模型出發，通過模型設定的檢驗擴展到具有空間滯后變量的計量模型，比從一般到具體的方法更好。因此本文首先借鑒已有的EKC研究范式，結合本文的研究目的，首先構建如下對數線性回歸模型:

其中E表示環境污染程度，Y代表經濟發展水平，U代表地下經濟規模，α、ε分別為常數項和隨機誤差項，ε～N(0，σ2)。參數β1、β2的估計結果用以判斷環境－收入之間的集中可能曲線關系。β3的符號和大小反映了地下經濟規模對環境質量的影響。在此基礎上，引入空間計量模型對(6)式進行修正。根據空間計量經濟學，空間效應可以表現為空間滯后模型(Spatial Lag Model，SLM)和空間誤差模型(Spatial Error Model，SEM)兩種基本形式［25］。在空間自回歸模型中，變量的空間相關關系由因變量的空間滯后項來反映，與(6)式對應的SLM模型為:

WlnE為空間滯后因變量。ρ為空間自回歸系數，其估計值反映了空間相關性的方向和大小，即鄰近省域的環境污染對本省份觀察值的影響程度和方向。式中W為n×n的空間權值矩陣，其中的元素wij定義了空間鄰接關系。如果地理單元i和j鄰接，wij取1，反之則取0。由于相鄰省份間有共同的邊界，本文選取一階鄰接方法求取空間權值矩陣［19］。

假設空間相關通過誤差過程產生［26］，與式(6)對應的的SEM模型為:

式中λ為空間誤差自相關系數，表示了回歸殘差之間空間相關的強度，Wμ為空間滯后誤差項。

由于空間效應的存在，對上述兩種模型如果仍然采取普通最小二乘法(OLS)進行估計，會導致系數估計值有偏或無效，根據 Anselin［19］的建議，本文采用極大似然法對SLM和SEM模型進行估計。

3.2 指數選取與數據來源

環境污染程度使用上文測算的復合環境污染指數，這樣可以消除不同省份在經濟、人口等規模上的差異。經濟發展水平Y使用人均GDP(單位:萬元)來度量。地下經濟規模U使用人均地下經濟水平來度量(單位:萬元)。實證分析所用的原始數據均來源于《中國統計年鑒2010》。

3.3 實證結果和分析

表4報告了以復合環境污染指數為被解釋變量的回歸結果，相對于經典回歸OLS模型，SLM和SEM的擬合優度檢驗值R2和對數似然函數值log－likelihood都有所提高，AIC和SC的值都相對變小，這說明考慮空間效應后的模型有效的消除了環境污染的空間自相關和空間誤差。而SEM模型中的log－likelihood和R2優于其他模型相應的統計值，這意味著一個地區的環境污染不僅受到周邊鄰近省域環境污染的相互沖擊，而且還受到區域間結構性差異的誤差沖擊，這種結構性差異體現在各個省域自身經濟發展水平、地下經濟規模以及其他未納入基本模型中的其他空間影響因素之間存在的差異［27］。進一步比較分析可以發現，LMERR較之LMLAG在統計上更加顯著而且RLMERR也顯著，根據Anselin和Florax［24］提供的空間模型形式判別方法，可認為SEM相對SLM模型能更好的擬合空間效應。

OLS回歸結果顯示，人均GDP的回歸系數β1為正數，其平方項的回歸系數β2為負數，與EKC假說一致，說明環境質量隨經濟增長倒U型關系［26］，SLM與SEM檢驗結果也證實了這一關系，預示隨著人均GDP的增長，復合污染程度指數呈現會呈現出先增長后減弱的趨勢。據此計算出環境污染－收入倒U型曲線轉折點為人均GDP達2.78萬元，對于人均GDP低于這一臨界點的省份而言，復合環境污染指數與人均GDP呈現出正相關關系，復合環境污染指數會隨著人均GDP的增加而上升，經濟增長將惡化環境。在跨越上述臨界值后，復合環境污染指數才會隨人均GDP的進一步增加而出現下降的趨勢。2010年有18個省份人均GDP低于2.78萬元，即有58.06%的省份位于EKC曲線的左半段，其中又以中西部省份居多。

盡管人們普遍擔心地下經濟這種隱性和無法掌控的經濟形式的存在會對地區環境造成負面影響，然而本文的實證結果并沒有找到地下經濟的存在會惡化地區環境的證據。三種模型中地下經濟的估計系數為 －0.0288、－0.0284、－0.0298，且在統計上顯著，這意味著地下經濟的存在有利于減少主要污染物的排放，至少對環境質量的改善有正向的作用。地下經濟之所以與環境污染物之間負相關可能由以下原因造成:一是高耗能、高污染項目投資巨大，風險高，地下經濟所形成的資金(地下資金)由于天然的風險厭惡而不愿進入上述領域;二是雖然我國的高耗能、高污染的粗放增長方式沒有得到根本改變，但是對此類項目及其企業的監管卻日益嚴格，地下資金難以進入;三是我國的地下經濟多隱藏于第三產業服務業，客觀上對環境污染的影響程度較小。

表4 地下經濟與環境污染的空間計量檢驗結果

4 主要結論和政策啟示

運用探索性空間數據分析方法對我國各省域當前地下經濟與環境污染的分布格局及演變趨勢進行了分析，并進一步采用空間誤差模型(SEM和空間滯后模型(SLM)實證分析了經濟發展水平、地下經濟規模擴張對環境污染的影響，得到以下結論及啟示:①我國省域環境污染程度存在顯著的空間依賴性，呈現出東高西低的階梯狀分布特征;②地下經濟呈現出地理空間上的非均質性特征，存在中心和外圍地區、發達和落后地區的空間差異性。③多數省份處在EKC曲線的左半段;地下經濟規模與環境污染程度空間負相關。

根據以上結論，本文提出:為將經濟增長所引致的環境污染最小化，各級政府應充分考慮經濟與環境的空間相關性，打破各自為陣的行政壟斷，推進以排污權交易為核心的跨區域環保合作，建立合理的補償機制，積極應對跨省域的環境污染。此外，地下經濟在客觀上具有緩解環境污染的作用，但這并非地下經濟的存在的“本意”。因此，在調整產業結構、發展現代服務業的同時，應加強對地下經濟統計與監察，使之可查、可控;制定合理有效的政策，使其逐步地上化、顯性化，最終并入可觀測的現代服務業范疇，發揮對環境質量提升的積極作用。

(編輯:張 英)

［1］全球環境績效指數出爐，中國名列116位［EB/OL］.http://money.163.com/12/012/15/07.

［2］呂健.中國經濟增長與環境污染關系的空間計量分析［J］.財貿研究，2011，(4):1－7.

［3］Beckerman W.Environmental policy and the challenge to economic theory［J］.

［4］Kuznets S.Economic Growth and Income Inequality［J］.The American Economic Review，1955，45(1):1 －28.

［5］Grossman，GMK.Economic.Growth and the Environment［J］.The Quarterly Journal of Economics，1995，110(2):353 －377.

［6］Grossman R M，krueger J，Yourish D.Interleukin 6 is expressed in high levels in psoriatic skin and stimulates proliferation of cultured human keratinocytes［J］.Proceedings of the National Academy of Sciences of the United States of America，1989，86(16):6367 －6371.

［7］Stern DI，Common.Is There an Environmental Kuznets Curve for Sulfur?［J］.Journal of Environmental Economics and Management，2001，41(2):162 －178.

［8］Stern DI，Common，Barbier EB.Economic growth and environmental degradation:The environmental Kuznets curve and sustainable development［J］.World Development，1996，24(7):1151 － 1160.

［9］Maddison D.Environmental Kuznets curves:A spatial econometric approach［J］.Journal of Environmental Economics and Management，2006，51(2):218 －230.

［10］Caviglia－Harris J L，Chambers D，Kahn J R.Taking the“U”out of Kuznets［J］.Ecological Economics，2009，68(4):1149 － 1159.

［11］賀彩霞，冉茂盛.環境污染與經濟增長——基于省際面板數據的區域差異研究［J］.中國人口·資源與環境，2009，(2):56－62.

［12］包群，彭水軍.經濟增長與環境污染:基于面板數據的聯立方程估計［J］.世界經濟，2006，(11):48 －58.

［13］吳玉鳴，田斌.省域環境庫茲涅茨曲線的擴展及其決定因素——空間計量經濟學模型實證［J］.地理研究，2012，(4):627－640.

［14］蘇梽芳，胡日東，林三強.環境質量與經濟增長庫茲尼茨關系空間計量分析［J］.地理研究，2009，(2):303 －310.

［15］龍志和，陳青青.中國省級CO2排放影響因素的空間計量分析［J］.中國人口資源與環境，2011，21(11):15 －20.

［16］原毅軍，郭麗麗，任煥煥.基于復合污染指數的省級環境技術效率測算［J］.中國人口資源與環境，2011，21(10):167 －172.

［17］李金昌，徐藹婷.未被觀測經濟估算方法新探［J］.統計研究，2005，(11):21 － 26.［Li Jinchang，Xu Aiting.A New Research of Estimation Method of Unobserved Economy［J］.2005，(11):21 －26.］

［18］劉洪，夏帆.要素分配法估測我國非正規經濟的規模［J］.財政研究，2004，(1):16 －19.

［19］Anselin L，Syabri I，Kho Y.GeoDa:An Introduction to Spatial Data Analysis［M］.http://sal.agecon.uiuc.edu/csiss/pdf/geoda093.pdf，2010.

［20］Baltagi，BH.A companion to theoretical econometrics［M］.Malden，MA:Blackwell Pub，2003.

［21］Anselin L.Model Validation in Spatial Econometrics:A Review and Evaluation of Alternative Approaches［J］.International Regional Science Review，1988，11(3):279 －316.

［22］Anselin L R?Perspectives on spatial data analysis［M］.Berlin，Heidelberg:Springer-Verlag Berlin Heidelberg，2010.

［23］Anselin L.Specification tests on the structure of interaction in spatial econometric models［J］.Papers of the Regional Science Association，1984(1).

［24］Florax R J，Flomer H，Rey S J.Specification searches in spatial econometrics:the relevance of Hendry’s methodology［J］.Regional Science and Urban Economics，2003，33(5):557 －579.

［25］Anselin L.Spatial Externalities，Spatial Multipliers，And Spatial E-conometrics［J］.International Regional Science Review，2003，26(2):153－166.

［26］蔣偉，劉牧鑫.外商直接投資與環境庫茲涅茨曲線——基于中國城市數據的空間計量分析［J］.數理統計與管理，2011，(4):752－760.

［27］鄧玉萍，許和連.外商直接投資導致了中國的環境污染嗎?:基于中國省際面板數據的空間計量研究［J］.管理世界，2012，(2):30－43.