基于STIRPAT模型的山東省空氣污染驅動因素研究

張博文

（湖北大學，湖北 武漢 430062）

基于STIRPAT模型的山東省空氣污染驅動因素研究

張博文

（湖北大學，湖北 武漢 430062）

本文利用STIRPAT模型結合空間面板計量模型對山東省的三類空氣污染指標進行實證分析，結果表明不同污染指標隨人均GDP增長的變化趨勢不同而不同。其中，煙粉塵排放隨人均GDP的增長呈倒“U”形趨勢，而SO2排放、工業廢氣排放隨人均GDP的增長呈“U”形趨勢。此外，SO2排放、工業廢氣排放和煙粉塵排放均存在顯著的空間相關性。最后，本文從政府監管、技術進步、產業結構轉型以及經濟調節等方面提出了相關政策建議。

STIRPAT模型；空氣污染；空間計量模型；空間效應

一、引言

隨著中國經濟的迅速發展，各種環境問題也日益成為人們關注的焦點。《中國環境經濟核算報告》顯示，僅2004—2010年，我國因空氣污染導致的過早死亡人數就達到35—50萬人，造成的健康經濟損失占國內生產總值的0.8%～1%。因此，對環境污染問題的研究對經濟社會發展具有重大的現實意義。此外，近年來污染增長的放緩是短期現象還是經濟發展到一定水平時的必然趨勢仍然需要進一步討論。

環境污染與經濟發展的關系一直是國內外學者研究的焦點之一，大多數文獻是以環境庫茲涅茨曲線、向量自回歸模型或IPAT的擴展模型為基礎進行實證分析的。

對于環境庫茲涅茨曲線的研究可追溯到20世紀90年代。Bulte、Soest（2001）分析了發展中國家家庭收入與環境退化的問題，驗證了環境庫茲涅茨假說的倒“U”形曲線的存在。然而，Kaufmann、Davidsdottir等（1998）在對各國人均GDP與SO2排放進行實證分析時發現結果與環境庫茲涅茨假說完全違背。Chimeli、Braden（2005）也得到了相同的結論。Friedl、Getzner（2003），Eunho hoi、Heshmati等（2010）則發現了CO2排放隨著人均GDP的增長呈現出“N”形曲線。Roca、Padilla等（2001）在分析西班牙經濟增長對大氣污染的影響時則發現，人均GDP與大氣污染之間呈正相關關系。Stern、Auld（1998），Ansuategi和Escapa（2002），Kwon（2005）等人也持類似觀點。李斌、李拓（2014）發現污染與經濟發展的關系呈現出庫茲涅茨倒“U”形曲線。李斌、曹萬林（2014）也發現了類似的現象。

此外，也有部分學者通過建立經濟增長與環境污染的向量自回歸模型（VAR模型），對二者的長期均衡關系做出分析。采用VAR模型的文獻得出的結論更多的是支持環境庫茲涅茨假說。然而，VAR模型也存在一定的缺陷：一是該模型并不是理論模型，因此直接利用VAR模型進行分析缺乏理論依據。二是該模型在滯后期的選取上存在主觀性。

以IPAT的擴展模型為基礎的研究成果大多出現在2000年后。York、Rosa（2003）對STIRPAT模型進行了修正，得出的結論是CO2排放隨人均GDP的增長呈現出先增后減趨勢。Sztukowski（2010）的研究發現CO2排放量隨人均收入的增長都呈先增后減趨勢。王立猛、何康林（2008）在對全國30個省（直轄市）的富裕度對環境壓力的影響采用嶺回歸分析時，發現其中26個地區的環境污染與人均GDP呈正相關，其余4個地區是呈先增后減趨勢。姜磊、季民河（2011）使用STIRPAT模型在對全國各省進行分析時采用了空間計量經濟學的方法，發現環境壓力隨人均GDP的增加而上升，各省之間的污染存在著顯著的空間相關性。

綜上所述，現有的國內外文獻在研究經濟對環境的影響時采用的方法多樣，即使是采用相同方法的文獻由于研究范圍、變量選取等因素的差異得出的結論也存在很大不同，這使得經濟發展與環境質量之間的關系至今仍未定論。鑒于環境庫茲涅茨曲線和向量自回歸模型存在的缺陷，本文選用IPAT的擴展模型STIRPAT模型對山東省各空氣污染驅動因素對空氣污染的影響進行分析。

二、山東省經濟發展與空氣污染現狀

在進行模型構建之前，首先需要分析山東省經濟與空氣污染各指標的發展趨勢。各指標均來源于歷年的《山東省統計年鑒》。在STIRPAT模型的理論框架下，本文選取的主要驅動因素指標為人口、人均GDP以及第二產業比重。鑒于空氣污染指標數據的可得性，本文選取的環境指標為SO2排放量、工業廢氣排放量以及煙（粉）塵排放量三大環境指標。

圖1　山東省SO2（噸）、工業廢氣（百萬立方米）、煙（粉）塵排放（噸）的變化趨勢

1、人口、人均GDP及產業結構的變化趨勢

數據顯示，1989—2013年間，山東省人口從8298.6萬增長到9612萬，總體上呈較快的增長趨勢。人均GDP從1518.6元/人急劇增加到57758.8元/人。第二產業比重在此期間內經歷了先上升后下降的趨勢，從1989年的45%逐漸上升到2006年58%，此后，隨著第三產業的不斷發展，第二產業比重經歷了持續的下降階段，至2013年比重降為51%。

2、三類空氣污染指標的變化趨勢

圖1顯示了山東省SO2排放、工業廢氣排放和煙（粉）塵排放的變化趨勢。由圖1可以看出，山東省工業廢氣排放量呈加快上升趨勢，相對于1993年，2010年的工業廢氣排放已經增長了9倍。SO2排放量總體上呈平緩下降趨勢。雖然2003—2013年間SO2排放量出現了兩次起伏，但是相比工業廢氣而言，其排放量在該時間段內仍表現出明顯的下降趨勢。煙（粉）塵排放量較為平穩。

三、空氣污染驅動因素的STIRPAT模型

1、STIRPAT模型

美國生態學家Ehrlich和Comnoner于20世紀70年代初提出了IPAT模型，用以表示影響環境壓力的因素。該模型認為，環境壓力I與人口規模P、人均財富A和技術水平T之間存在以下關系：

STIRPAT模型由Dietz和Rosa于1994年提出，該模型是IPAT模型的隨機模型，在人口規模、人均財富、技術水平三個影響因素的基礎上，將隨機擾動項e引入模型中。在實證研究中，學者常常將STIRPAT模型代替IPAT模型進行研究。STIRPAT模型表達式為：

其中，c為常數項，e為隨機擾動項，a、b、d分別為各指標的系數項。

在實際應用中，常常將式（2）等式的兩邊取對數，目的是使模型線性化。對數化后的模型表達式為：

2、STIRPAT模型的擴展

本文在構建STIRPAT模型時借鑒了Sztukowski（2010）、王立猛（2008）等人的研究模型，在原模型中加入了LnA的平方項，目的是為了更好地觀察EKC倒“U”型曲線是否適用于山東省的環境狀況。此外，本文選用的T借鑒了姜磊（2011）選用的指標，將T表示為第二產業比重。加入人均GDP平方項后的STIRPAT模型如式（4）所示：

其中：Y為環境污染指標，本文選取的分別是SO2排放、工業廢氣（industrial gas）、煙（粉）塵（dust）三個指標；P為人口，本文選取的指標是年末總人口；A為人均財富，本文選取的指標是人均GDP；T為技術，本文選取的指標是第二產業比重；ε為隨機擾動項。

四、空氣污染驅動因素STIRPAT模型的計量分析

1、計量方法的選取

為解決空間相關性問題，本文選取的方法是空間計量經濟學模型。通過空間計量模型，可以清晰地分辨出空間擴散效應與地區的自身發展各自對污染狀況的影響。在進行空間效應分析時，一般使用空間權重矩陣表達空間相關性。鄰接形式本文選用車鄰接，目的是更好地觀察近距離地區之間的空間效應。

為了驗證數據在空間上的相關性是否顯著，通常是用Moran指數進行檢驗。Moran指數（Moran’s I）反映的是空間鄰接或空間臨近的區域單元屬性值的相似程度。Moran指數為0時，觀測值相互獨立。Moran指數越大，空間自相關越強，Moran指數越小，空間自相關越弱。

空間計量經濟學模型有很多種表現形式。在實證研究中根據空間依賴性的不同形式，通常采用的模型分為兩種：空間滯后模型（SLM）和空間誤差模型（SEM），模型的表達式分別為：

其中，ρ為空間效應系數，λ為空間誤差系數。當被解釋變量之間的空間依賴性使得模型存在空間自相關時，應當用SLM模型；當模型的誤差項導致了空間相關性時，應當用SEM模型。將空間效應考慮進模型后，本文建立的式（3）、式（4）模型可轉換為式（7）和式（8）兩種空間計量模型：

在進行空間計量回歸時，若直接使用普通最小二乘法（OLS）進行估計，則估計量的無偏性和一致性很難得到滿足。Anselin（1988）認為，在對SLM和SEM進行回歸時，最好的估計方法是極大似然估計法（MLE），MLE可以對高斯—馬爾科夫經典假設進行放松。此外，MLE還可以有效解決內生性問題。國內關于空間計量經濟學的眾多文獻也采用了MLE法進行回歸。所以，本文在對空間模型回歸時采用MLE方法進行估計。

表1　Moran檢驗結果

表2　Hausman檢驗結果

表3　SO2模型的SLM和SEM回歸結果

表4　空間依賴性檢驗結果

2、數據來源

本文選取的人口、SO2排放、工業廢氣、煙（粉）塵、第二產業比重、人均GDP等指標均來自《山東省統計年鑒》中的17個城市的數據。空間權重矩陣在GeoDa軟件中生成，生成空間權重矩陣所需的城市經緯度信息來源于國家基礎地理信息系統。

3、模型及回歸結果分析

（1）空間自相關性的檢驗。在建立空間計量模型時，首先要用Moran檢驗及Moran散點圖對模型進行空間相關性檢驗。在研究空間面板數據時通常采用克羅內克積分塊，利用C=I×W代替Moran指數中所需的W。通過Matlab軟件中的空間計量工具箱計算出的Moran檢驗結果如表1所示。

從表1的檢驗結果可以看出，SO2排放、工業廢氣排放和煙（粉）塵排放的Moran指數均顯著。表明在對三類污染物進行實證分析時均需要考慮空間效應。

（2）Hausman檢驗。在進行空間面板回歸之前，還需要對面板數據進行Hausman檢驗，從而判斷該空間面板模型是屬于隨機效應模型還是固定效應模型。由Hausman檢驗結果（見表2）得知，在分析SO2排放、工業廢氣排放以及煙（粉）塵排放時都應當使用固定效應模型。

（3）回歸結果分析。首先，SO2排放的STIRPAT模型分析。對SO2排放的STIRPAT模型可使用固定效應的空間計量模型。本文利用Matlab軟件對SLM和SEM模型分別進行回歸?；貧w結果如表3所示。從擬合優度看，SLM的效果略優于SEM。

對于SLM和SEM模型的選擇，一般采用的是Anselin和Florax（1996）提出的空間依賴性檢驗。空間依賴性檢驗結果如表4所示。

表5 工業廢氣模型的SLM和SEM回歸結果

表6 空間依賴性檢驗結果

由表4可以看出，LM（lag）、LM（error）、R-LM（lag）、R-LM（error）在α=0.01下均顯著。但是LM（error）比LM（lag）更加顯著。因此應當選用SEM模型。

從SEM模型的結果看，LnA和LnA的平方項對Ln（SO2）的結果均通過α=0.01的顯著性檢驗，且系數為正。這說明SO2排放隨人均財富的增長呈“U”型曲線。

此外，LnP和LnT也通過了α=0.01的顯著性檢驗，其中，LnP的系數為正，即SO2排放量與人口增長呈正相關；而LnT的系數為負，這說明隨著第二產業比重的增加，SO2排放量越來越大，但是其影響程度相對較小。因此可以看出，人口、第二產業比重、相鄰地區的空間誤差效應都對SO2排放起到了促進作用。其中，人口對SO2排放的促進作用體現在兩個方面：一是人口增加意味著居民對能源的需求量增加，因此在能源消費中將產生更多的SO2排放；二是隨著人口的增加，人們對產品的需求量也相應增加，因此，廠商會相應提高產量從而加大SO2的排放量。人均GDP在一段時期內抑制了SO2排放，但是最終對SO2排放依然起到了促進作用。從第二產業比重對SO2排放的影響來看傳統的EKC理論存在的問題。從山東省第二產業比重的走勢來看，第二產業比重在山東省經濟發展中呈現出了先增后減趨勢。因此，從本文的結果可以看出，EKC呈倒“U”形曲線很可能并不是由于人均GDP的增長，而可能是由于第二產業比重的變化所導致的。

其次，工業廢氣排放的STIRPAT模型分析。對于工業廢氣排放的模型，同樣可使用固定效應的空間計量模型。表5列出了工業廢氣排放模型的SLM和SEM結果。其中，SLM和SEM的擬合優度較為理想，SLM的效果略優于SEM。

表7　煙（粉）塵模型的SLM和SEM回歸結果

表8 空間依賴性檢驗

模型的空間依賴性檢驗結果如表6所示。由表6可以看出，LM（lag）、R-LM（lag）、LM（error）在α=0.05下均顯著。而R-LM（error）不顯著。根據判斷準則應當選用SLM模型。

從SLM模型結果可以看出，空間效應系數ρ對Ln（industrial gas）的影響顯著，這說明相鄰地區工業廢氣排放的空間相關性是通過污染擴散效應造成的。LnA和LnA的平方項對Ln（industrial gas）的結果均通過α=0.01的顯著性檢驗，且系數為正，表明工業廢氣排放隨人均財富的增長同樣呈“U”形曲線的趨勢。LnP和LnT也通過了α=0.01的顯著性檢驗，從系數來看，人口增長與第二產業比重增大都會使得工業廢氣排放量增加。其中，人口增長對工業廢氣排放的影響體現在產品需求量的增加導致了廠商生產中工業廢氣排放量的增加。因此可以看出，人口、第二產業比重、相鄰地區的空間滯后效應促進了工業廢氣排放。人均GDP對工業廢氣的影響表現為先抑制而后促進。

再次，煙（粉）塵排放的STIRPAT模型分析。表7列出了煙（粉）塵排放模型的SLM和SEM的回歸結果。從擬合優度看，SLM明顯要好于SEM模型。為確定SLM模型和SEM模型的選取，對煙（粉）塵模型進行空間依賴性檢驗，檢驗結果如表8所示。

由表8可以看出，LM（lag）、LM（error）在α=0.05下均顯著，R-LM（error）在α=0.01下顯著，而R-LM（lag）則不顯著。根據判斷準則應當選用SEM模型。

由SEM回歸結果可以看出，LnA和LnA的平方項對Ln（dust）的影響均顯著。其中，LnA的平方項系數為負，這說明煙粉塵排放隨人均財富的增長同樣呈“U”形曲線的趨勢?？臻g效應系數ρ的影響顯著且系數為正，這說明相鄰地區煙（粉）塵排放的空間相關性是通過誤差項造成的。LnP和LnT也通過了α=0.01的顯著性檢驗。其中，LnP的系數為正，LnT的系數也為正。這表示人口增長與第二產業比重增加對煙（粉）塵的排放都起促進作用。從山東省煙（粉）塵排放的來源來看，煙塵與人口增長的關系體現在居民對能源的需求量增加以及社會需求量的增加所造成的煙塵排放量增加。而粉塵與人口增長的關系體現在需求量的增加而造成的粉塵排放量的增加。

最后，三類空氣污染指標與人均GDP的關系及駐點確定。從上述結果可以看出，EKC倒“U”形曲線的存在取決于環境污染指標的選取。在對三類環境污染指標的模型分別進行估計后，得知三類污染指標隨人口和第二產業比重的增長均呈單方向變化。而三類污染指標隨人均GDP的增長均呈雙方向變動。因此，本文在得到模型的參數估計值后，令其他變量不變，求得變量人均GDP關于三類污染指標的偏導數，計算在偏導數為0時的人均GDP大小，從而確定駐點。

根據計算結果得知，SO2排放隨人均GDP的增長呈“U”形趨勢，駐點是9848.27元。說明當人均GDP高于9848.27元時，SO2排放在人均GDP增長時將出現上升趨勢。2013年全省各城市的人均GDP關于SO2的曲線已經跨越駐點。工業廢氣排放隨人均GDP的增長呈現出“U”形趨勢，駐點是1619.01元。說明當人均GDP高于1619.01元時，工業廢氣在人均GDP增長時將出現上升趨勢。因此，各城市的人均GDP關于工業廢氣的曲線已經跨越駐點。煙（塵）排放隨人均GDP的增長呈現出倒“U”形趨勢，其駐點位于18672.35處。這說明在其它條件不變的情況下，當人均GDP高于18672.35元時，煙（粉）塵排放量將隨著人均GDP的增長呈下降趨勢。截止到2013年底，山東省各城市的人均GDP均未達到駐點處的水平，這說明煙（粉）塵排放量仍然會在一定時期內隨著人均GDP的增加而上升。

五、結論及政策建議

從前面的分析結果，本文得到如下結論：一是各類空氣污染指標隨人均GDP的增長呈現出不同變化趨勢，山東省SO2排放、工業廢氣排放隨人均GDP的增長呈現出先減后增的趨勢，而煙（粉）塵排放隨人均GDP的增長呈現出先增后減的趨勢；二是各地區的空氣污染存在空間相關性，SO2排放、工業廢氣排放以及煙（粉）塵指標在山東各地區間存在著明顯的空間依賴性特征；三是第二產業的發展加劇了山東空氣污染程度，從STIRPAT模型結果來看，山東省第二產業比重對SO2排放、工業廢氣排放以及煙（粉）塵排放都起到促進作用。

根據以上結論，本文提出以下政策建議：一是加強政府監管，完善環境保護相關制度；二是大力發展清潔環保技術，加速能源消費結構轉換；三是推動產業結構調整；四是推動經濟調節制度的發展。

[1]ErwinH.Bulte，and Daan P.van Soest：Environmental DegradationinDevelopingCountries：householdsandthereverse Environmental Kuznets Curve[J].Journal of Development Economics，2001，65（1）.

[2]Waggoner K.Kaufmann，Brynhildur Davidsdott ir，Sophie Garnham，Peter Pauly：The Determinants of Atmospheric SO2Concent rat ions：reconsidering the environment al Kuznets curve [J].Ecological Economics，1998，25（2）.

[3]Ariaster B.Chimeli，John B.Braden：Total Factor Productivity and the Environment al Kuznets curve[J].Journal of Environmental Economics and Management，2005，49（2）.

[4]Birgit Friedl，Michael Get zner：Det erminant s of CO2emissions in a small open economy[J].Ecological Economics，2003，45（1）.

[5]Eunho Choi，Almas Heshmati，Yongsung Cho：An Empirical Study of the Relationships Between CO2Emissions，Economic Growth and Openness[Z].IZA：2010（11）.

[6]Jordi Roca，Emilio Padilla：Mariona Farre?Vittorio Galletto. Economic Growth andAtmosphericPollut ionin Spain：discussing the environmental Kuznets curve hypothesis[J].Ecological Economics，2001，39（1）.

[7]David I.Stern，Tony Auld：Is There an Environmental Kuznets Curve for Sulfur?[J].Journal of Environmental Economics and Management，2001，41（1）.

[8]Alberto Ansuategi and Marta Escapa：Economic growth and greenhouse gas emissions[J].Ecological Economics，2002，40（1）.

[9]Tae-Hyeong Kwon：Decomposition of Fact ors Det ermining the Trend of CO2Emissions From Car Travel in Great Britain（1970—2000）[J].Ecological Economics，2005，53（2）.

[10]李斌、李拓：中國空氣污染庫茲涅茨曲線的實證研究——基于動態面板系統GMM與門限模型檢驗[J].經濟問題，2014（4）.

[11]李斌、曹萬林：經濟社會發展與環境污染關系的庫茲涅茨曲線分析[J].財經問題研究，2014（8）.

[12]Richard York，Eugene A.Rosa，Thomas Dietz：STIRPAT，IPAT and ImPACT：analytic tools for unpacking the driving forces of environmental impacts[J].Ecological Economics，2003，46（3）.

[13]John Sztukowski：A STIRPAT Model of Sectoral CO2E-missions at the County Scale[D].Colorado State University，2010.

[14]王立猛、何康林：基于STIRPAT模型的環境壓力空間差異分析——以能源消費為例[J].環境科學學報，2008，28（5）.

[15]姜磊、季民河：基于STIRPAT模型的中國能源壓力分析——基于空間計量經濟學模型的視角[J].地理科學，2011（9）.

[16]Anselin L.：Spatial econometrics：Methods and models[M]. Dordrecht：Kluwer Academic，1988.

[17]Anselin L，Bera A，Florax R，et al：Simple diagnostic tests for spatial dependent[J].Regional Science and Urban Economics，1996（26）.

（責任編輯：張瓊芳）