基于協整理論和VAR模型的河南省環境污染驅動因素研究

馬孟華, 宋文博, 丁艷喜, 孟慶香,4, 郭子龍, 尚一珂

(1.鄭州市土地利用規劃院, 河南 鄭州 450006; 2.河南農業大學 資源環境學院, 河南 鄭州 450002;

3.河南今辰信息科技有限公司, 河南 鄭州 450002; 4.河南省高校農業資源與環境工程技術研究中心, 河南 鄭州 450002)

?

基于協整理論和VAR模型的河南省環境污染驅動因素研究

馬孟華1, 宋文博2, 丁艷喜3, 孟慶香2,4, 郭子龍2, 尚一珂2

(1.鄭州市土地利用規劃院, 河南 鄭州 450006; 2.河南農業大學 資源環境學院, 河南 鄭州 450002;

3.河南今辰信息科技有限公司, 河南 鄭州 450002; 4.河南省高校農業資源與環境工程技術研究中心, 河南 鄭州 450002)

摘要：[目的] 分析河南省環境污染的驅動力機制，為經濟發展與環境規劃提供理論支撐。 [方法] 嘗試從動態的視角來解讀河南省環境污染問題,借助協整分析、誤差修正模型、脈沖響應函數和方差分解對河南省環境污染的驅動因素進行分析。 [結果] 人均GPD，第二產業比重，總人口，外商投資強度以及政府管制水平與環境污染指數存在長期協整關系,且系統存在誤差修正機制;脈沖響應函數結果顯示,人均GDP，第二產業比重，總人口長期會加劇環境污染,外商投資強度對環境具有微弱地積極影響,政府管制水平對環境影響不明顯;方差分解結果顯示,總人口是環境污染的主要原因,其次是第二產業比重和人均GDP。 [結論] 調整人口布局和優化產業結構是河南省未來控制環境污染的發展方向。

關鍵詞：環境污染; 驅動因素; 遺傳算法; 協整分析; VAR模型

近年來，河南省社會經濟增長速度日益加快。然而，伴隨社會經濟發展的是越來越多的環境污染問題，它不僅影響到河南省的經濟發展，對人類的健康和生產生活也造成極大的威脅。隨著中原經濟區戰略的不斷深入，未來一定時期河南省城市化、社會經濟以及人們生活水平將不斷提高，能源消費和環境污染物排放也會持續增加，社會經濟發展和環境保護的矛盾將愈演愈烈，控制和減少環境污染顯得極為迫切和必要。

關于環境污染驅動因素的相關研究主要集中在外商投資和經濟發展對環境污染的影響，而對影響環境污染主要驅動因素的量化分析幾乎空白。李國柱[1]采用面板Grangerg關系檢驗分析了外商投資和環境污染的因果關系；陳麗珍[2]等建立了外商投資與環境污染綜合指數的回歸方程模型，認為外商投資是環境污染物增加的重要原因；張學剛[3]等借助聯立方程模型考察了外商直接投資對環境影響的作用方向和大小。經濟發展對環境污染的影響研究主要基于環境庫茲涅茨曲線(Environmental Kuznets Curve, EKC)，EKC曲線描述了經濟增長和環境質量之間存在“倒U型”關系[4-5]。很多學者(Holtz-Eakin T M, Selden，劉榮茂)通過實證研究，發現環境污染和經濟發展的確存在這種“倒U型”的關系[6-8]。

整體來看，國內外學術界對環境污染驅動因素的研究仍存在一些不足，相關研究多是研究單一變量或者雙變量對環境污染的影響，而涉及多因素的研究在影響程度上也缺乏具體量化。筆者在相關研究的基礎上，采用遺傳算法—BP神經網絡模型對環境污染進行綜合評價，在此基礎上，借助協整理論和VAR模型找出河南環境污染的主要驅動因素，旨在定量揭示出環境污染驅動因素邊際貢獻和動態影響，為河南省經濟發展與環境規劃提供理論支撐。

1研究方法和數據來源

1.1　研究方法

在遵循科學性、可操作性、動態性、代表性和全面性的基礎上，參考現有的研究成果[9-14]，從水、大氣和固體污染三個方面構建河南省環境污染的指標體系，見表1。采用遺傳算法—BP神經網絡模型計算河南省環境污染綜合指數。BP神經網絡(Back Propagation)是由一種利用誤差反向傳播訓練算法的神經網絡，有著很強的輸入輸出非線性映射能力以及優越的學習和訓練優點，但是受初始權重和閾值影響較大，容易陷入局部最優集，且收斂速度不理想。遺傳算法是模擬生物的遺傳以及進化變異過程中一種全局尋優的算法，遺傳算法在全局尋優上有較強的魯棒性和效率。筆者構建遺傳算法—BP神經網絡模型，采用遺傳算法對BP神經網絡的初始權重和閾值進行全局優化，實現了兩種方法的優勢互補，進而能更好地訓練樣本，使環境污染綜合指數測算結果更加客觀準確，計算流程見圖1。在此基礎上，借助協整理論，對河南省環境污染與其驅動因素之間的協整關系進行檢驗，對存在協整關系的影響因素，建立VAR模型研究各驅動因素對環境污染的效應方向和沖擊強度。

表1　河南省環境污染水平評價指標體系

圖1　環境污染綜合指數測算網絡模型計算流程

1.2　變量選取與數據說明

環境污染(E)的驅動因素很多，結合河南省社會經濟發展特征和已有的文獻[15-18]，最終篩選確定如下變量：(1)經濟水平(J),以河南省各年人均GDP(千元)表示，采用平減指數換算成1985年不變價計算的可比值；(2)產業結構(I),以河南省各年第二產業產值比重占GDP比重表示；(3)能源結構(N)，以河南省各年煤炭消費(標準煤)占能源總消費的比重表示；(4)人口規模(P),以河南省各年總人口數(億人)表示；(5)外商投資強度(F),以河南省各年外商直接投資額占GDP比重表示；(6)科技水平(S)，以河南省各年從事科技人員數占第二產業從業人員總數的比重表示；(7)政府管制強度(G),以河南省各年政府對于環境污染治理投資總額占GDP比重表示。

以上數據取自《河南經濟統計年鑒》(1992—1993)、《河南省統計年鑒》(1986—2013)以及《河南省六十年：1949—2009》，時間跨度為1985—2012年，個別年份缺失的數據采用相鄰年份插值法補全。為了克服數據中的異方差，對變量取對數并分別記為LE，LJ，LI，LN，LP，LF，LS，LG。

2實證研究

2.1　河南省環境污染指數測算

由于環境污染的BP神經網絡研究仍處于探索階段，尚沒有統一的判斷標準。而BP神經網絡的訓練數據需要由研究對象的評價標準構成，筆者參照文獻[19]，選用線性內插法，通過構建全部指標的最大值和最小值區間，線性設定影響等級。定義環境污染綜合指數為0—10分，梯度為0.1，由0至10分表示環境污染指數逐漸升高。

將梯度為0.1的101個得分值作為神經網絡的輸出數據，將線性內插處理得到的數據作為神經網絡的輸入數據。結合前述網絡模型計算流程，設置神經網絡的拓撲結構為8×17×1，最大循環次數為2 000，均方誤差為10-8。運用遺傳算法工具箱和編程語言對BP神經網絡權值和閾值進行優化，設置種群規模為80，遺傳代數為500代，交叉概率為0.1，變異概率為0.05。經過638次訓練后，BP神經網絡均方誤差達到設定的精度，將原始標準化數據導入訓練好的網絡，即可得到1985—2012年河南省環境污染綜合指數(表2)。

表2　河南省環境污染綜合指數

2.2　河南省環境污染驅動因素計量經濟分析

2.2.1協整檢驗和誤差修正模型利用EViews計量經濟軟件，對1985—2010年LE，LJ，LI，LN，LP，LF，LS，LG序列進行單位根的穩定性檢驗(最優滯后期根據AIC準則確定)，結果如表3所示。

通過檢驗結果看出，在5%的顯著水平下，接受LE，LJ，LI，LN，LP，LF，LG有單位根的假設，但是拒絕LE，LJ，LI，LP，LF，LG一階差分具有單位根的假設?？芍?，LS，LN與LE的單整階數不同，即LE與LS，LN不存在協整關系，而可能與LJ，LI，LP，LF，LG存在協整關系。建立LE，LJ，LI，LP，LF，LG回歸模型，得到如下方程(括號內為t統計值)：LE=-0.311+0.651×LJ-0.902×LI+1.648×LP-0.014×LF+0.089×LG

(1)

(-0.467 2) (4.700 2) (-1.483 9)(0.917 0)(-0.207 3)(1.247 5)式(1)中：LI的系數符號與其經濟意義不相符，且LP和LF的t統計值不顯著，懷疑存在共線性。對其進行VIF共線性診斷，發現LJ，LI和LP的VIF值大于10，表明式(1)存在嚴重的多重共線性。采用嶺回歸對式(1)進行參數修正，調用SPSS19軟件Ridge regression命令，得到5個驅動因素的嶺跡圖(圖2)。嶺跡圖顯示嶺參數k為0.8時，各條嶺跡趨于穩定，選用k=0.8進行結果輸出，得到修正OLS回歸方程：LE=2.070+0.177×LJ+1.032×LI+2.730×LP-0.116×LF+0.168×LG

(2)

(16.602)(13.017)(7.612) (11.519)(-2.115) (3.910)

R2=0.915，F=47.329， sigF=0.000式(2)中：R2=0.915，方程的擬合優度較高；p=0.000，回歸方程在1%的顯著水平上通過了顯著性檢驗；從t檢驗來看，各驅動因素對LE的影響均是顯著的，對殘差進行自相關性檢驗，其自相關系數對應的相伴概率為0.267，說明自相關不顯著，殘差單位根檢驗結果顯示在5%置信水平下拒絕了存在單位根的原假設，表明LE和LJ，LI，LP，LF，LG存在協整關系。

可以看出，河南省環境污染指數與人均GDP，第二產業所占比重，總人口和政府管制水平呈現正相關關系，其每增長1%，會引起環境污染指數上升0.177%，1.032%，2.730%，0.168%；環境污染指數與外商投資強度呈現負相關關系，其每增加1%，會引起環境污染指數下降0.116%。

從檢驗結果看出，環境污染指數與各驅動因素之間存在協整關系，但是短期內由于受到外界干擾會導致偏離均衡狀態，因此有必要對短期波動進行修正。誤差修正模型(ECM)可以將短期波動和長期均衡進行直接的描述，把均衡誤差引入一階差分滯后模型，建立誤差修正模型，得到公式(3)。D(LE)=0.813-0.549×D(LJ)-0.535×D(LI)-2.768×D(LP)-

0.046×D(LF)-0.021×D(LG)-0.229×ECM

(3)

式中：ECM=LEt-1-0.235×LJt-1-1.672×LIt-1+3.340×LPt-1+0.486×LFt-1+0.538×LGt-1

表3　單位根檢驗結果

說明：滯后期根據AIC準則；“*”表示只存在截距；“**”表示存在截距和趨勢項；L表示對變量取對數；D表示一階差分；E表示環境污染；J表示經濟水平；I表示產業結構；N表示能源結構；P表示人口規模；F表示外商投資強度；S表示經濟水平；G表示政府管制強度。下同。

圖2　環境污染驅動因素嶺跡

從式(3)可知，短期內人均GPD、第二產業所占比重、總人口、外商投資強度以及政府管制水平對環境污染指數均有負向影響，其每增加1%，會引起環境污染指數下降0.549%，0.535%，2.768%，0.046%，0.021%，短期內總人口、人均GDP和第二產業比重仍是環境污染指數變化的重要驅動因素。另外，環境污染指數的變化不僅取決于驅動因素的變化，還受到上一期環境污染指數增長對均衡水平偏離的影響，誤差修正項ECM的系數為-0.229，說明河南省環境污染指數的短期波動較大，平均每年對上一期的偏離長期均衡水平的短期調整幅度達到22.9%，系統存在誤差修正機制。

對比長期均衡回歸方程和短期誤差模型可以發現，短期內除外商投資強度之外，其余4個驅動因素對環境污染的影響方向與長期的影響方向相反，說明這些驅動因素對環境污染的影響需要經過一段時期才能完全釋放出來；值得一提的是，總人口和第二產業比重對環境污染的短期系數和長期系數存在較大反差，說明它們對環境污染的作用機制可能存在短期行為。協整分析表明驅動因素對環境污染存在長期和短期作用關系，至于這種作用關系的強度和方向如何，仍需進行脈沖響應函數分析和方差分解。

2.2.2脈沖響應函數和方差分解在前文驗證環境污染和各驅動因素的長期、短期作用關系的基礎上，建立VAR模型，借助脈沖響應函數考察環境污染對各驅動因素的沖擊響應及其差異性。檢驗結果如圖3所示，其中最優滯后期根據AIC和SC準則確定為3階，作用時間為15 a。

(1) 環境污染指數對人均GDP和第二產業比重新息的一個標準差擾動沖擊響應走勢比較相似，兩者對環境污染的影響短期內不穩定，第7期之后出現持續的正向推動作用?？梢?，經濟的發展、第二產業步伐的加快，長期會帶來大量的污染排放物，最終導致環境質量的惡化。

(2) 環境污染指數對總人口的沖擊響應在初期表現為微弱的負向沖擊，第3期達到波谷，之后曲線走勢呈現出“M”型，但是總體上正向響應高于負向響應。河南省作為人口大省，人口的乘數作用放大了人類的經濟活動，加快了資源過度開發和生活污水的排放，長期內必然會加劇環境污染。

(3) 環境污染指數對外商投資的沖擊響應在初期表現出較強的負向響應，之后雖有起伏但基本上均在水平線以下。外商投資雖然可能會使河南省成為國外高污染產業的“污染避難所”，但是其發生的技術轉移和溢出，促使行業結構的優化，而這種變化總體上對環境具有積極影響。

(4) 環境污染指數對政府管制水平的沖擊響應保持著沿著水平線正負起伏的趨勢，長期內對環境污染的影響效應不明顯。這顯露出現有的政府管制水平僅能維持環境污染水平的穩定，并沒有實現對環境污染的有效控制。

圖3　各驅動因素脈沖響應函數曲線

環境污染指數對自身新息的一個標準差擾動沖擊響應，在第1期表現較高的正向沖擊，之后呈現階梯型下降趨勢，在第5期之后保持負向沖擊，說明環境污染對自身存在明顯負向影響，且長期作用更為顯著。方差分解主要分析系統中各個驅動因素的隨機沖擊對環境污染變化的貢獻性。根據方差分解理論模型，對環境污染指數(LEPI)預測均方誤差進行分解，結果見表4。

表4　環境污染指數方差分解結果

從表4可以看出，環境污染指數受自身波動影響較小，在整個觀察期內影響程度不足2%，且保持著不斷下降的趨勢；人均GDP對環境污染指數的影響在第1期為10.77%，第2至10期均保持著小幅起伏，穩定在8%左右，第10期之后穩定上升，第15期影響程度到達19.45%；第二產業比重對環境污染指數的影響在第1期高達63.00%，但是不容忽視的是隨著時間的推移，影響程度也在迅速下降，第4至15期均在18%上下小幅波動；總人口對環境污染的影響程度第1期為16.72%，第2，3期增幅較大，第3期已經達到62.17%，并在第6期達到峰值67.68%，之后影響程度雖有所下降，但保持在50%以上；外商投資對環境污染的影響程度第1期僅為0.28%，之后緩慢上升，第15期達到5.27%，年均增長0.33%；政府管制對環境污染的影響程度第1期為7.64%，在此之后保持平穩下降，在第15期達到2.84%，年均下降0.32%。以上說明，環境污染受到人均GDP，第二產業比重和總人口的影響較大，三者對環境污染預測方差的貢獻度均在15%以上，其中總人口的貢獻度更是達到50%以上；相比而言，外商投資和政府管制對環境污染預測方差的貢獻較小。這樣的結果表明，1985—2012年期間，河南省人口規模是環境污染的最主要原因，其次是第二產業比重和人均GDP。

3結論與建議

3.1　結 論

(1) 長期內，河南省人均GDP，第二產業比重，總人口，外商投資強度和政府管制水平與環境污染存在著協整關系，人均GDP，第二產業所占比重，總人口和政府管制水平每增長1%，會引起環境污染指數上升0.177%，1.032%，2.730%，0.168%，外商投資強度每增加1%，會引起環境污染指數下降0.116%。

(2) 短期內，人均GPD，第二產業所占比重，總人口，外商投資強度以及政府管制水平對環境污染指數均有負向影響，且系統存在誤差修正機制，平均每年對上一期的偏離長期均衡水平的短期調整幅度為22.9%。

(3) 人均GDP，第二產業比重，總人口長期會促使環境污染加劇，外商投資強度對環境具有積極影響，政府管制水平對環境污染的影響一直處于波動狀態。

(4) 總人口是環境污染的最主要原因，其次是產業結構和經濟因素，它們帶來的沖擊分別能夠解釋環境污染變化的51.88%，20.36%，19.45%。

3.2　建 議

(1) 科學合理引導人口在產業間的分布。人是各種經濟活動的主體，人口規模的劇增必然會放大各種經濟活動對環境的污染。自1985至2012年，河南省總人口由7 847萬增長到10 543萬，年均192.6萬人，河南省人口將會繼續保持穩定增加，人口規模無法得到有效控制，但是可以通過合理調節人口在產業間的分布來改善環境，使人口向第三產業集中，推動第三產業發展，在經濟增長的基礎上減少對環境的污染。

(2) 實現產業結構的逐步升級。河南省第二產業的重工業特征異常突出，主要集中在礦產、有色金屬、裝備制造業等工業重污染行業。因此，今后要加強產業結構優化，淘汰“高消耗，低產出”的粗放型生產企業，深化節能評估和審查制度，從源頭控制高耗能產業增長。建立節約型產業獎勵機制，鼓勵發展新型產業，降低單位能耗；大力發展第三產業，逐步提升服務業在GDP的比重。

[參考文獻]

[1]李國柱.外商直接投資與環境污染的因果關系檢驗[J].國際貿易問題,2007(6):105-109.

[2]陳麗珍,魯唯.江蘇省利用FDI對環境污染影響的實證分析[J].中國商貿,2012(21):210-215

[3]張學剛,鐘茂初.外商直接投資與環境污染:基于聯立方程的實證研究[J].財經科學,2010(10):110-117.

[4]陸碭,郭路.環境庫茲涅茨倒U型曲線和環境支出的S型曲線[J].世界經濟,2008(12):82-92.

[5]張宇青,易中懿,周應恒.我國主要城市大氣污染與經濟增長關聯分析:基于靜態與動態面板數據的實證[J].江西社會科學,2013(6):56-61.

[6]Holtz-Eakin D, Selden T M. Stoking the fires? CO2emissions and economic growth[J]. Journal of Public Economics, 1995,57(1):85-101.

[7]Selden T M, Song Daqing. Environmental quality and development: Is there a Kuznets curve for air pollution emissions?[J]. Journal of Environmental Economics and Management, 1994,27(2):147-162.

[8]劉榮茂,張莉俠,孟令杰.經濟增長與環境質量:來自中國省級面板數據的證據[J].經濟地理,2006,26(3):374-377.

[9]楊永華,諸大建,王辰,等.經濟學視角的能源使用與環境質量關系研究[J].資源環境與工程,2007,21(1):71-74.

[10]李國璋,江金榮,周彩云.轉型時期的中國環境污染影響因素分析:基于全要素能源效率視角[J].山西財經大學學報,2009(12):32-39.

[11]邵咪咪.中國城市化和工業化階段的環境污染影響因素及應對策略[D].南京：南京大學,2011.

[12]宋香榮,蘇斌,陳前鵬.新疆環境污染影響因素分析[J].新疆財經大學學報,2010(3):7-11.

[13]周輝仁,鄭丕諤.基于遞階遺傳算法和BP網絡的時間序列預測[J].系統仿真學報,2007,19(21):5055-5058.

[14]李明,李雪銘.基于遺傳算法改進的BP神經網絡在我國主要城市人居環境質量評價中的應用[J].經濟地理,2007,27(1):99-102.

[15]謝地.政府規制經濟學[M].北京:高等教育出版社,2003.

[16]劉志遜,劉珍奇,黃文輝.中國化石燃料環境污染治理重點及措施[J].資源·產業,2005,7(5):49-52.

[17]李棟,何康林,紀振.江蘇省人口產業結構與環境污染的關系研究[J].資源開發與市場,2007,23(5):458-459.

[18]尚紅云.遼寧經濟發展與環境污染的三次函數特征分析[J].城市發展研究,2009(1):75-79.

[19]許月卿,李雙成.中國經濟發展水平區域差異的人工神經網絡判定[J].資源科學,2005,27(1):69-73.

Research on Driving Factors of Environment Pollution Based on Co-integration Analysis and Vector Autoregressive Model

MA Menghua1, SONG Wenbo2, DING Yanxi3, MENG Qingxiang2,4, GUO Zilong2, SHANG Yike2

(1.ZhengzhouLandandResourcesBureau,Zhengzhou,He’nan450006,China; 2.CollegeofRecourseandEnvironment,HenanAgricultureUniversity,Zhengzhou,He’nan450002,China; 3.HenanJinchenInformationTechnologyCo.Ltd,Zhengzhou,He’nan450002,China; 4.CollegesanduniversitiesinHe’nanProvinceofAgriculturalResourcesandEnvironmentalEngineeringTechnologyResearchCenter,Zhengzhou,He’nan450002,China)

Abstract：[Objective] To analyze the driving mechanism of environmental pollution, and privide support for economic derelopment and enviromental planning in Henan Province. [Methods] To interpret the dynamic changes in the environmental pollution of He’nan Province and its relationships with some driving forces based on co-integration analysis, error-correct model, impulse response function, and variance decomposition. [Results] Over all, environmental pollution had long-term co-integration relationship with GDP per capita, proportion of secondary industry, total population, foreign direct investment and government regulation, and the error correction mechanism existed. The impulse response analysis showed that GDP per capita, proportion of secondary industry and total population aggravated environmental pollution, while foreign direct investment had slightly positive impacts and government regulation has insignificant effects. According to the results of variance decomposition, total population was the most important factor for environmental pollution, followed by proportion of secondary industry and GDP per capita. [Conclusion] Rationalizing the population distribution and optimizing industrial structure is the future development orientation for environment pollution control.

Keywords:environmental pollution; driving factors; genetic algorithm; co-integration analysis; VAR model

文獻標識碼：A

文章編號：1000-288X(2015)03-0162-06

中圖分類號：F205

通信作者：孟慶香(1977—),女(漢族),河南省新鄉市人,副教授,博士,主要從事土地資源調查評價工作。E-mail:qxmeng@126.com。

收稿日期：2014-04-18修回日期：2014-04-28

資助項目：中國地質調查局項目“中原經濟區資源環境承載力綜合評價與區劃”(12120113007300)

第一作者：馬孟華(1964—),女(漢族),河南省鄭州市人,高級工程師,本科,主要從事國土規劃與土地綜合整治研究。E-mail:zzgtgh@sina.com。