經濟增長、能源結構與工業污染——基于空間面板計量實證研究

王立平 李婷婷 胡義偉（合肥工業大學，合肥 230601）

經濟增長、能源結構與工業污染——基于空間面板計量實證研究

王立平 李婷婷 胡義偉
（合肥工業大學，合肥 230601）

本文基于環境EKC曲線理論，采用2002～2013年中國31個省際的面板數據，運用空間數據分析方法對經濟增長、能源結構與工業污染的空間分布格局相關性進行研究。進一步運用空間計量方法，研究經濟增長、能源結構對工業污染的空間效應。研究結果發現：經濟增長、能源結構與工業污染存在空間相關性，并在空間分布上存在明顯的 “路徑依賴”特征并形成了不同集聚區域。經濟增長、能源結構對工業污染的空間影響效應明顯，經濟增長與工業污染呈現EKC曲線假設的倒 “U”形關系，能源結構與工業污染呈現正向相關關系。最后在實證結果的基礎上提出相關建議。

經濟增長 能源結構 工業污染 空間相關性 環境庫茲涅茨曲線

引 言

隨著我國經濟的高速發展，城市化進程不斷加快 ，人民生活水平質量產生了質的飛躍，然而環境問題卻一直是人們關注和擔憂的焦點。現在學術界基本的觀點是經濟增長同時加大了能源的消耗和環境承載的壓力。據統計，1978年我國能源消費總量約為5.71億噸標準煤，2015年達到了43億噸標準煤，消費量增加了7.53倍。2014年我國的單位GDP的能耗量為0.76，從2013～2015年，我國單位GDP的能耗量分別比上年降低3.7%、4.8%和5.6% ，雖然呈現了逐年下降的趨勢，但仍然遠高于美國、日本、德國和英國等發達國家，是世界平均水平的2.5倍，也超過了大多數新興經濟體，如巴西、印度和墨西哥等。當前，我國的經濟增長方式仍然是 “高消耗、高排放、低產出”的粗放型增長狀態。缺乏效率的能源消費和不夠科學的能源結構帶來了劇烈的污染問題。縱觀世界各國的歷史，尤其是工業發達的國家，面臨的污染問題越發嚴重。怎樣在保證工業發展的同時將污染降到最低，即是我們所謂的帕累托最優。達到帕累托最優首先要清楚經濟增長與工業污染相互關系。同時我們清楚工業污染的源頭是來自能源的消耗，所以經濟增長、能源結構和工業污染三者之間的關系值得我們研究。

1 文獻述評

經濟的高速增長 ，尤其是工業高速的發展必然帶來污染問題，兩者之間的關系究竟如何一直以來都是學術界探討的焦點問題。國外研究對經濟發展與污染問題的研究，主要依據環境庫茲涅茨曲線 （EKC）假說，研究表明二者呈現倒 “U”形特征［1-3］。國內近年來研究的經濟發展與污染問題也從EKC曲線假設出發，且研究結果也基本驗證了曲線的倒 “U”形特性，并在此基礎上提出了合理的政策措施［4-6］。通過進一步研究發現經濟增長與工業污染的關系存在顯著的地區差異性 ，污染情況存在時空依賴性［7-9］。

對于能源消費與污染的研究，一般的結論是能源消費與工業污染成正相關，即能源消費量越多，污染問題越嚴重，同時強調了能源消費與環境保護同步協調發展［10-12］。進一步驗證了工業污染的空間依賴性［13］。并且發現地區經濟發展與污染存在空間聯動性，能源結構與污染水平變動相關性顯著 ，能源結構的調整能夠有效的治理污染情況［14，15］。

綜上文獻，探究污染與經濟增長關系的文獻相對較多。不同的研究角度得到結果各不相同，很難應對當前的污染形勢。主要的差異一般在于污染情況的指標選取以及統計口徑的不同。從研究方法上，大多數是采用傳統的面板數據，沒有考慮污染物的特殊性，即存在一定的空間效應。另外 ，從我國的工業發展情況來看，能源的使用是工業發展的核心，研究這方面的文獻集中在證明隨著能源消費量的增加，工業污染的程度愈發嚴重上，并沒有對發展、能源消費和污染進行系統化的研究。

2 理論基礎與研究假設

環境經濟學認為資源和環境應該納入經濟增長的模型的分析之中。我們依據環境——收入理論，通常通過如下表達式 （1）來考察環境與收入間的關系［16］：

其中Y為污染指標，X指經濟增長，Z指影響環境變化的其他控制變量；β0是常量，βk解釋變量的系數。該模型依βk的不同而呈現X與Y的關系曲線的形狀如表1所示，研究表明污染與經濟增長之間的關系存在7種不同形態。

表1 不同β取值對應的曲線形狀

我們由上表可以看出存在7種情況：（1）經濟增長與污染之間沒有關系；（2）X與Y之間呈單調上升關系，污染隨著經濟增長而惡化；（3）X與Y之間存在單調下降關系，污染隨著經濟增長而改善；（4）X與Y之間呈U型關系，經濟水平較差階段，污染隨經濟增長而改善 ，經濟水平較高階段，污染隨經濟增長而惡化 ；（5）X與Y之間呈倒U型關系，即環境庫茲涅茨曲線 （EKC）；（6）X與Y呈N型，經濟水平不斷上升的過程中 ，環境污染先惡化再改善 ，又陷入惡化境地；（7）X與Y之間呈倒N型關系，隨著經濟水平的上升 ，環境污染先改善再惡化 ，而后又改善。

所以我們以上述第 （5）種情況為研究基礎，研究經濟增長與污染情況之間的關系，二者之間是否呈現倒 “U”形關系。同時 ，我們知道依靠工業發展的國家和地區能源資源消耗很多，尤其是煤炭資源的消耗。煤炭資源的消耗導致了環境質量的惡化，污染物排放量明顯提高，以至于工業污染嚴重。所以本文在上述內容的基礎上建立研究模型 （2）：

其中，i和t代表i省第t年的統計數據，Yit為工業污染綜合評價指數 ，GDPit為人均實際GDP，ESit為能源結構中煤炭消費占比。并提出本文的檢驗假設：工業污染與經濟增長、能源結構之間呈現EKC曲線假設的倒 “U”形關系。

3 研究對象與研究方法

3.1 指標體系選取

對于經濟增長的指標選取本文采用人均實際GDP來衡量經濟發展程度以消除人口因素對經濟水平的影響，同時對其作取對數處理，用lnGDP表示。

對于能源結構的指標選取，考慮到我國能源資源的大量使用尤其是煤炭的消費是工業污染最為重要的來源。在研究能源消費結構與工業污染水平兩者之間的關系時 ，有些文獻直接選取能源消耗總量、能源強度等指標來衡量其與工業污染之間的關系，有些文獻選擇產業結構來間接測度二者之間的關系。本文綜合考慮能源的使用以及產業結構的因素，通過建立能源結構指標來考察能源對工業污染的影響 ，其計算公式 （3）如下：

其中，ESit代表能源消耗中煤炭使用所占的比例，GDPit代表i地區t年的國內生產總值，HIitj代表i地區t年第j個高耗煤行業的產值。本文共選取10個高耗煤行業，其產值占GDP的比重在90%以上。

對于工業污染的指標選取，本文考慮了工業污染的特性 ，主要包括能源開采時形成的廢氣和廢物排放、能源消費時形成的廢氣和廢物排放。本文借鑒許和連等 （2012）［9］采用的熵權法計算得出環境污染綜合指數。我們構建工業污染綜合評價指標來測度各地區工業污染程度，選取了各地區工業廢水排放量、工業廢氣排放量、工業二氧化硫排放量、工業煙塵排放量和工業粉塵排放量作為評價指標。采用熵權法計算出工業污染綜合指數。本文以2002～2013年中國 （除存在統計數據缺失的港澳臺之外）31個省、市、自治區作為研究對象構建空間面板數據。實證數據來源于《中國統計年鑒》、《中國環境統計年鑒》、《中國能源統計年鑒》。文中所有的貨幣單位均以2002年為基期進行折算以剔除通貨膨脹的影響。

3.2 空間自相關檢驗及模型構建

全局空間自相關檢驗方法我們選擇Moran's I，其計算公式 （4）如下：

由于某一地區的工業污染不僅受到本地區經濟發展與能源結構的影響，而且也受到周邊地區的影響，即工業污染存在空間自相關，經濟增長與能源結構在空間分布上的集聚效應更加劇了工業污染的空間依賴性，因此對經濟增長、能源結構與工業污染三者之間相互關系的研究中需要加入空間效應。根據空間依賴性方式的不同，我們在模型 （2）的基礎上建立不同的計量模型：空間滯后模型和空間誤差模型。

空間滯后模型 （SLM）是在 （1）式的基礎上直接引入空間變量作為被解釋變量，由于面板數據中存在時間效應和個體效應，故需要對隨機誤差項μ進行分解，將 （2）式具體化為空間滯后面板模型 （5），其設定如下：

其中，δit表示時間效應隨機擾動項，uit表示個體效應隨機擾動項，εit表示隨機誤差項，且服從正態分布。∑WYit為空間變量，表示i地區周邊其他地區的工業污染狀況；ρ為空間回歸系數，反映了空間依賴性。

地區間的空間依賴性較為復雜 ，εit可能并不不服從簡單正態分布，其他影響工業污染的空間性因素就會混入到隨機誤差項中，此時隨機誤差項εit之間有較強的相關性關系。將 （2）式具體化為空間誤差模型 （6），其設定如下：

（5）式中，λ為空間誤差系數，用來反映殘差之間的空間相關性強弱。與空間滯后模型不同，空間誤差模型的相關性并不是反映在周邊區域的觀測值中而是反映在誤差項中，即反映了周邊區域工業污染的誤差沖擊對本區域工業污染的影響。

4 實證分析

4.1 全局空間自相關檢驗

本文使用2002～2013年全國31個省域的經濟增長、能源結構和工業污染統計數據，通過GeoDa軟件計算得到的Moran's I及相關的統計檢驗，結果顯示各年份的Moran's I均為正值，基本都通過了5%的顯著性水平的統計檢驗如表2所示，表明我國經濟增長、能源結構和工業污染在地理分布上存在著明顯的空間效應且為正相關關系。即污染在地理上的分布格局并不是呈現隨機狀態，而是顯現出明顯的集聚分布。同樣地，經濟增長和能源結構變量也存在著類似的空間分布狀態。

表2 2002～2013年31個省域經濟增長、能源結構和工業污染的Moran指數

4.2 Moran指數散點圖

為了進一步說明空間相關關系，可以觀察經濟增長、能源結構和工業污染Moran指數散點圖（見圖1～3）。我們將省域劃為4個象限：第一象限 （HH）表示高——高的正相關，第二象限 （LH）表示低——高的負相關，第三象限 （LL）表示低——低的正相關，第四象限 （HL）表示高——低的負相關。由于Moran's I數值全部大于0，經濟增長、能源結構和工業污染地理分布上呈現正相關關系，則第二、四象限為非典型的觀測區域。

圖1 中國31個省域2002年、2013年經濟增長的Moran指數散點圖

從圖1中可以看到，我國2002年、2013年省域經濟增長分布在第一象限 （HH）的有8個省份和10個省份，分別占全部統計單位的25.80%、32.26%。分布在第二象限 （LH）的有5個省份和4個省份，分別占全部統計單位的 16.13%、12.90%。分布在第三象限 （LL）的有15個省份和14個省份，分別占全部統計單位的48.39%、45.16%。分布在第四象限 （HL）的均有3個省份，均占全部統計單位的9.68%。從中能夠發現2002年、2013年的31個統計樣本中有23個省份和24個省份，分別占全部統計量的74.19%、77.42%具有正的空間相關性 ，其余省份分布在第二、第四象限，分別占全部統計量的25.81%、22.58%，顯示了具有不同空間自相關性。由此可見，經濟增長在局部相關性上，雖然存在著少量的空間差異性，但是主要存在著空間依賴性的特征。

圖2 中國31個省域2002年、2013年能源結構的Moran指數散點圖

從圖2中可以看到，我國2002年、2013年省域能源結構分布在第一象限 （HH）的有9個省份和12個省份，分別占全部統計單位的29.03%、38.71%。分布在第二象限 （LH）的有7個省份和6個省份，分別占全部統計單位的 22.58%、19.35%。分布在第三象限 （LL）的有10個省份和8個省份，分別占全部統計單位的32.26%、25.81%。分布在第四象限 （HL）的均有5個省份，均占全部統計單位的16.13%。從中能夠發現2002年、2013年的31個統計樣本中有19個省份和20個省份，分別占全部統計量的61.29%、64.52%具有正的空間相關性，其余省份分布在第二、第四象限，分別占全部統計量的38.71%、35.48%，顯示了具有不同空間自相關性。由此可見，能源結構在局部相關性上 ，雖然存在著少量的空間差異性，但是主要存在著空間依賴性的特征。

從圖3中可以看到，我國2002年、2013年省域工業污染分布在第一象限 （HH）的有10個省份和8個省份，分別占全部統計單位的32.26%、25.81%。分布在第二象限 （LH）的有11個省份和10個省份，分別占全部統計單位的35.48%、32.26%。分布在第三象限 （LL）的有8個省份和9個省份，分別占全部統計單位的 25.81%、29.03%。分布在第四象限 （HL）的有2個省份和4個省份，分別占全部統計單位的 6.45%、12.90%。從中能夠發現2002年、2013年的31個統計樣本中有18個省份和17個省份，分別占全部統計量的58.06%、54.84%具有正的空間相關性，其余省份分布在第二、第四象限，分別占全部統計量的41.94%、45.16%，顯示了具有不同空間自相關性。由此可見，工業污染在局部相關性上，雖然存在著少量的空間差異性，但是主要存在著空間依賴性的特征。

根據表2和表3數據，采用理論計算與有限元仿真模擬的方法，得出了四邊簡支條件下雙壁厚類方形蜂窩夾層結構固有頻率的理論計算結果與有限元仿真模擬結果的誤差，如表4所示。表4表明，通過2種不同方法得到的數據吻合度較好，這說明采用上述蜂窩夾層板理論模型，并代入精確的類方形蜂窩夾芯結構等效彈性參數，可得到較為精確的類方形蜂窩夾層結構固有頻率。

圖3 中國31個省域2002年、2013年工業污染的Moran指數散點圖

4.3 動態躍遷

我們通過觀察Moran指數散點圖發現經濟增長、能源結構和工業污染的空間動態躍遷過程。采用Rey（2001）［18］使用的時空躍遷法，時空躍遷主要有以下4種類型：（1）該地區自身發生變化而周邊地區未發生變化，即HHt→LHt+1、HLt→LLt+1、LHt→HHt+1、LLt→HLt+1；（2）該地區未發生變化而周邊地區發生變化 ，即HHt→HLt+1、HLt→HHt+1、LHt→LLt+1、LLt→LHt+1；（3）該地區與周邊地區都發生變化，即HHt→LLt+1、HLt→LHt+1、LHt→HLt+1、LLt→HHt+1；（4）該地區自身與周邊地區都未發生變化，即 HHt→HHt+1、HLt→HLt+1、LHt→LHt+1、LLt→HHt+1。具體如表3所示。

表3 經濟增長、能源結構和工業污染Moran散點的空間躍遷 （2002～2013）

我們通過表3可以發現經濟增長、能源結構和工業污染3個變量在考察期內屬于第 （4）種類型的省份占到絕大多數。說明我國省域中經濟增長、能源結構和工業污染存在高度的空間穩定性，并且在空間上顯現出較為強烈的 “路徑依賴特征”。

4.3 空間關聯局部指標LISA分析

Moran's I和Moran散點圖只是簡單描述了經濟增長、能源結構和工業污染的集聚狀況，無法深入研究局部空間相關模式，而LISA指標能夠用來驗證局部地區研究變量的高值或低值在地理分布上是否呈現區域集聚。利用Geoda，可以將全國31個省份劃分成5種類型。（1）Not Significant類型 ，表示集聚效應不顯著的地區；（2）（H-H）類型；（3） （L-L）類型；（4） （L-H）類型；（5）High-Low（H-L）類型。

統計結果顯示我國經濟增長在地理分布上形成了兩種相異的集聚區域：（1）以北京為中心，包括天津、河北等在內的京津冀經濟增長高值地區和以上海為中心，包括江蘇、浙江等在內的長三角經濟增長高值地區 ；（2）廣大西部地區等地形成的經濟增長低值聚集區，這與我國當前的經濟形勢契合。

統計結果顯示我國能源結構在地理分布上形成了兩種相異的集聚區域：（1）以山西、河南為中心等傳統產煤大省高值地區；（2）以新疆、青海為中心的西北等低值聚集區。同時從LISA集群圖 （由于篇幅限制，圖形從略）變遷中也可以發現，當前省域經濟發展中能源結構以煤炭為主的省份非但沒有減少，反而逐漸擴散。山東、湖北等地區也加入到高值聚集區，新疆等省份能源結構煤炭占比也越來越高。

統計結果顯示我國工業污染在地理分布上主要形成了兩種相異的集聚區域：（1）以河北為中心包括山西、河南、山東等在內的華北地區形成的工業污染嚴重聚集區域，圖中可見安徽周邊地區工業污染狀況嚴重；（2）以新疆為中心的工業污染低值聚集區域，四川相對周邊地區污染更嚴重。但是隨著西部地區經濟水平的不斷提高，西部地區的工業污染程度明顯加強，尤為凸顯的是新疆地區。就全國范圍而言工業污染已不僅局限在京津冀等傳統地區，已開始向中西部省份蔓延。

從經濟增長、能源結構和工業污染的地理分布格局與集聚效應統計結果能夠發現，在地理分布上存在較為顯著的 “路徑依賴”，即集聚性，但三者在聚集的區域上表現的略有差異，但是能源結構分布高值聚集的地區一般也是工業污染高值聚集的地區，能源結構分布聚集低值的地區一般來說也是工業污染低值的地區。能源結構與工業污染兩者的關系也類似于經濟增長與工業污染的關系。為進一步考察三者在空間上的關系，我們將采用空間計量模型對其進行檢驗。

4.4 空間計量實證分析

我們首先對不考慮空間效應，對 （2）式進行了OLS估計，回歸結果沒有通過檢驗，說明是模型的設計的問題。所以我們在此基礎上加上了空間效應。在對空間滯后模型和空間誤差模型進行了Hausman檢驗后發現，結果顯示都應當選擇固定效應的估計值。我們對模型回歸結果如表4所示。

表4 空間滯后模型和空間誤差模型估計結果

對于空間滯后模型ρ值為0.1859，通過了1%顯著水平檢驗，表明模型存在空間依賴性。考慮空間效應時模型的人均GDP一次項系數為正，二次項系數為負，滿足經濟增長與工業污染兩者之間的EKC曲線倒 “U”形關系，且二者均通過了1%顯著性水平檢驗。能源結構系數為正，值為0.0133，且也通過了1%顯著性水平檢驗。

對于空間誤差模型 λ值為0.2489，通過了1%顯著性水平檢驗，表明模型存在空間依賴性。考慮空間效應時模型的人均GDP一次項系數為正，二次項系數為負，滿足經濟增長與工業污染兩者之間的EKC曲線倒 “U”形關系，且二者均通過了1%顯著性水平檢驗。能源結構系數為正，值為0.0139，且也通過了1%顯著性水平檢驗。

我們觀察兩模型的估計結果，雖均通過了顯著性水平檢驗，何種結果更優仍需要進行空間相關性檢驗，結果如表5所示。

表5 空間相關性檢驗

Moran's I通過了1%水平下的顯著性檢驗，證明模型存在空間效應，普通面板數據模型已經不再適用，需要引入空間變量。接著觀察LM-lag 和LM-error，兩者都通過了1%水平下的顯著性檢驗，此時無法做出選擇，還需要進一步考慮Robust LM-lag和Robust LM-error，結果發現僅有Robust LM-lag通過了1%水平下的顯著性檢驗，Robust LM-error未通過檢驗，所以應該選擇空間面板滯后模型。Hausman檢驗結果顯示，固定效應要優于隨機效應。因此本文選擇含有固定效應的空間滯后模型。

我們通過觀察實證結果，模型中ρ的參數估計值為0.1859，說明工業污染存在著明顯的空間溢出效應，意味著周邊地區工業污染綜合評價指數每升高1%，本地區工業污染指數就會增加0.1859% ，即周邊地區的工業污染嚴重，環境質量差 ，本地區的環境質量也較差；周邊地區的工業污染相對較輕，本地區的環境質量也較好。經濟增長二次項的系數估計值為-0.0019，一次項的系數估計值為0.0391，證明本文所選取的工業污染指標與人均實際GDP兩者之間呈現出EKC曲線假設的倒 “U”形關系，即隨著人均實際GDP的不斷增加，工業污染綜合評價指數先上升，達到某一臨界值后，開始下降。能源結構參數估計值為0.0133，意味著煤炭消費占比每上升1%，工業污染綜合評價指數上升0.0133%。能源結構指標一方面直接反映了產業能耗結構；另一方面間接反映了能源消費結構，是二者的綜合。實證結果表明產業能耗結構和能源消費結構與工業污染呈正相關關系，且相關程度很高。

5 結 論

本文通過選取我國31個省際2002～2013年經濟增長、能源結構和工業污染數據。分別計算得出的Moran指數均為正值，且均通過了顯著性水平檢驗。即是經濟增長、能源結構和工業污染在空間上都具有空間相關性。我們通過觀察Moran指數散點圖和LISA集群圖，發現經濟增長、能源結構和工業污染具有嚴重的 “路徑依賴特征”，以及在地理空間上是呈現區域集聚特征。工業污染狀況最為惡劣的地區主要分布于我國華北地區連接部分中部地區，空間效應聚集明顯。進一步通過空間計量方法，建立包含固定效應的空間滯后模型，回歸的結果為人均實際GDP一次項的估計值為正，值為0.0391，人均實際GDP二次項的估計值為負，值為0.0019，且二者都通過了1%的顯著性水平檢驗。這即表示工業污染情況與經濟增長程度之間呈現EKC曲線倒 “U”形特征。我們可以認為人均實際GDP的不斷提高，污染狀況不斷嚴重接著開始改善。能源結構的系數為0.0133，且通過了1%顯著性水平檢驗，煤炭消費占比每上升1%，工業污染綜合評價指數上升0.0133%。

基于以上研究，提出下述建議：從短期角度出發，工業污染減少排放量和污染的有效治理是較為有效的途徑，而長期來看改變工業發展中能源消費結構是治理污染的關鍵。環境污染治理時，不同區域間要積極尋求合作，注重政策措施的空間聯動性。積極發展第三產業，轉變經濟增長方式，優化產業結構，實現省域經濟快速可持續發展。引進外資時須注重投資質量，對于資源消耗、環境污染型、和技術落后的項目不要引進來，同時要充分利用外商投資所產生的技術溢出效應。在推進城市化過程中，不斷優化城市布局，提升城市中第三產業的共享和綜合服務功能，不斷促進智慧城市建設。另外，政府需要增加投入，尤其是新能源技術的研發投入，通過市場激勵機制鼓勵和扶持新能源技術的發展。在發展中不斷轉變能源消費結構，提高能源效率，充分利用和開發水能資源和核能資源以及風能、太陽能等清潔、可再生的資源，確保我國不要走先污染后治理的錯路。

［1］Rupasingha A，Goetz S J，Debertin D L，et al.The Environmental Kuznets Curve for US Counties：A Spatial Econometric Analysis with Extensions［J］.Papers in Regional Science，2004，83（2）：407 ～424

［2］Mirshojaeian Hosseini H，Rahbar F.Spatial Environmental Kuznets Curve for Asian Countries：Study of CO2and PM10［J］.Journal of Environmental Studies，2011，37（58）：1

［3］Hosseini H M，Kaneko S.Can Environmental Quality Spread Through Institutions？［J］.Energy Policy，2013，56：312～321

［4］高宏霞，楊林，付海東.中國各省經濟增長與環境污染關系的研究與預測——基于環境庫茲涅茨曲線的實證分析 ［J］.經濟學動態 ，2012，（1）：52～57

［5］王敏 ，黃瀅.中國的環境污染與經濟增長 ［J］.經濟學 （季刊），2015，（2）：557～578

［6］李慧明 ，卜欣欣.環境與經濟如何雙贏——環境庫茲涅茨曲線引發的思考 ［J］.南開學報，2003，（1）：58～64

［7］毛暉 ，汪莉.工業污染的環境庫茲涅茨曲線檢驗——基于中國1998～2010年省際面板數據的實證研究 ［J］.宏觀經濟研究 ，2013，（3）：89～97

［8］劉華軍，楊騫.環境污染、時空依賴與經濟增長 ［J］.產業經濟研究，2014，（1）：81～91

［9］包群，彭水軍，陽小曉.是否存在環境庫茲涅茨倒U型曲線？——基于六類污染指標的經驗研究 ［J］.上海經濟研究，2005，（12）：3～13

［10］許瑞林 ，王體健.江蘇省煤炭消費與環境保護相關研究［J］.能源研究與利用，2004，（2）：3～13

［11］鄭博福，鄧紅兵，嚴巖，等.我國未來能源消費及其對環境的影響分析 ［J］.環境科學，2005，26（3）：1～6

［12］紀建悅 ，于曉黎 ，方景清.能源消耗對環境污染的沖擊響應模式分析——基于青島市的實證研究 ［J］.科技管理研究，2009，（10）：162～164

［13］許和連 ，鄧玉萍.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

［14］馬麗梅 ，張曉.中國霧霾污染的空間效應及經濟 ，能源結構影響 ［J］.中國工業經濟 ，2014，（4）：19～31

［15］魏巍賢，馬喜立.能源結構調整與霧霾治理的最優政策選擇 ［J］.中國人口?資源與環境 ，2015，25（7）：6～14

［16］付艷.能源消費、能源結構與經濟增長的灰色關聯分析［J］.工業技術經濟 ，2014，（5）：153～160［17］彭水軍 ，包群.經濟增長與環境污染——環境庫茲涅茨曲線假說的中國檢驗 ［J］.財經問題研究，2006，（8）：3～17

［18］Anselin L.Local Indicators of Spatial Association—LISA［J］.Geographical Analysis，1995，27（2）：93～115

［19］Rey S J.Spatial Empirics for Economic Growth and Convergence

［J］.Geographical Analysis，2001，33（3）：195～214

Economic Growth，Energy Structure and Industrial Pollution——Empirical Analysis Based on Spatial Panel Metering

Wang Liping Li Tingting Hu Yiwei
（Hefei University of Technology，Hefei 230601，China）

According to the theory of environmental EKC curve，this article adopts 31 provincial panel data in China from 2002 to 2013，using spatial data analysis methods to study economic growth，energy structure and industrial pollution's spatial distribution pattern correlation.It uses space measurement methods to study economic growth，energy structure and industrial pollution's spatial effects.The results show that economic growth，energy structure and industrial pollution have spatial correlation，and there is a clear“path dependence”feature on the spatial distribution and the formation of a different cluster area.Economic growth，the energy mix of industrial pollution space effects，economic growth and industrial pollution rendering of EKC hypothesis of inverted “U”shaped relationship，and the energy structure and industrial pollution have a positive correlation.Finally，we put some suggestions on the basis of empirical results.

economic growth；energy structure；industrial pollution；spatial correlation；Environmental Kuznets Curve

（責任編輯：王 平）

10.3969/j.issn.1004-910X.2016.08.001

F124

A

2016—04—05

國家自然科學基金項目 （項目編號 ：71073045，71473068）、教育部人文社科規劃項目 （項目編號：12YJA790135），安徽省自然科學基金 （項目編號：11040606M18）。

王立平 ，合肥工業大學經濟學院教授 ，管理學博士。研究方向：區域經濟增長與計量經濟研究。李婷婷 ，合肥工業大學經濟學院碩士研究生。研究方向 ：經濟系統預測與評價。胡義偉，合肥工業大學經濟學院碩士研究生。研究方向：經濟統計理論與方法研究。