基于空間計量經濟學與EKC模型的中國省域環境污染分析

王冠人+言鵬韋

摘 要：當前環境污染日趨嚴重，怎樣在保持經濟增長的同時盡可能減少環境污染成本成為熱門的話題。環境污染往往與地理空間息息相關，從而可用空間計量經濟學對其進行分析。文章依據擴展的EKC模型，截取了2014年我國31個省域有關變量的數據，將其歸納成環境污染、人均GDP等8個變量。值得注意的是，這里將環境污染損失進行了貨幣化。進而對8個變量進行了全局空間自相關檢驗與局域空間自相關檢驗，確定了其皆存在空間相關性，且得到了高—高和低—低集聚區居主導地位的結論?；贕eoda空間統計分析軟件，估計了空間滯后模型和空間誤差模型，并通過檢驗確定了我國2014年31個省域環境污染的最優分析模型為空間誤差模型（SEM），證實了EKC模型“倒U”型假說。據結果發現我國現階段各省域人均GDP位于“倒U”型曲線左側，處于環境污染隨著經濟增長增加的初級階段。其中，上海、北京等已臨近轉折點。同時，文章還分析了各省域人均GDP對環境污染損失的彈性，發現增長1%的人均GDP時，江蘇的環境污染損失最小，陜西最大，并分析了造成這種現象的原因?；谏鲜鼋Y論與分析，對環境與經濟發展協調給出了綜合性的建議。

關鍵詞：空間計量經濟學 環境污染 Geoda 庫茲涅茨曲線

中圖分類號：F205 文獻標識碼：A

文章編號：1004-4914（2017）06-014-03

一、空間計量經濟學環境庫茲涅茨曲線模型

1.傳統庫茲涅茨曲線模型。研究環境污染的傳統模型大多基于Grossman{1}提出的庫茲涅茨曲線（EKC）模型，模型形式為：

ln（EP）=β0+β1ln（AGDP）+β2（ln（AGDP）2+β3（ln（AGDP）3+ε （1）

模型（1）中，ln（EP）為環境污染的自然對數，ln（AGDP）為人均GDP的自然對數。在吳玉鳴等{3}研究中，基于截面數據，此模型被擴展為：

ln（EP）=β0+β1ln（AGDP）+β2（ln（AGDP）2+β3（ln（AGDP）3+β4ln（POP）+β5ln（URB）+β6ln（HHC）+β7ln（MHC）+β8ln（TTI）+β9ln（FTR）+ε（2）

其中：AGDP表示人均GDP，POP表示年末人口總數，URB表示城市化，用城鎮人口占總人口比重衡量，HHC為普通高等教育在校學生數占總人口的比重，近似代表高等級人力資本存量，MHC是中等職業學校在校生數占總人口的比例，近似代表中等級人力資本存量，TTI代表產業結構升級，用第三產業GDP占總GDP比重計算得出；FTR為進出口貿易總額占GDP比重。

2.區域環境污染全局空間自相關檢驗。對于區域環境污染的空間相關性檢驗，通?？捎每臻g自相關指數MoransI模型。這里首先對ROOK距離進行說明，它指：如果兩者有公共的邊界存在，則空間權值W_ij取值為1，否則取值為0。MoransI取值范圍為-1到1，如果區域的環境污染存在空間正相關則大于0，區域環境污染存在空間負相關則小于0，區域環境污染空間不相關則等于0。

3.區域環境污染局域空間自相關檢驗。為了進一步檢測區域的環境污染是否存在觀測值的局域空間聚集現象以及對于全域空間自相關貢獻更大的區域單元、局域非平穩性是否被空間自相關的全域評估掩蓋，可通過空間聯系的局域指標（LISA）和MoransI散點圖{2}進行局域空間自相關分析。

進行區域環境污染的LISA分析需滿足兩個條件：一是每個區域單元的LISA是描述其周圍顯著的相似值單元的空間聚集程度的指標：二是所有LISA總和與全局空間聯系指標成正比，局域Morans I模型為：

MoransI散點圖一般用來探究區域的空間不穩定性。其散點圖的4個象限分別對應于區域單元與其相鄰單元之間4種類型的區域空間聯系形式：第1象限代表區域環境污染觀測值高的區域單元包圍同是高值的一個區域（簡稱高—高）；第2象限代表區域環境污染觀測值高的區域單元包圍一個低值的區域 （簡稱低—高）；第3象限代表區域環境污染觀測值低的區域單元包圍一個同是低值的區域（簡稱低—低）；第4象限代表區域環境污染觀測值低的區域單元包圍一個高值的區域（簡稱高—低）。

4.區域環境污染的空間滯后模型（SLM）。考慮到區域環境污染與相鄰區域不存在空間相關的假設存在缺陷，本文模型包含了鄰近區域環境污染對本區域環境污染的影響，改進常規EKC模型（2）得到空間滯后模型（SLM）為：

ln（EPi）=β0+ρWln（EPj）+β1ln（AGDPi）+β2（ln（AGDPi）2+β3（ln（AGDPi）3+β4ln（POPi）+β5ln（URBi）+β6ln（HHCi）+β7ln（MHCi）+β8ln（TTIi）+β9ln（FTRi）+εi

式中，ln（EPi）是區域環境污染因子，Wln（EPj）為區域環境污染空間的滯后因子，即在地理上相鄰的各區域環境污染變量的加權求和值；ρ為空間自回歸參數，即相鄰區域環境污染對本區域造成的空間影響；β為解釋變量回歸系數；ε是獨立的誤差項。

5.區域環境污染的空間誤差模型（SEM）。若擾動誤差項引起區域環境污染的空間依賴作用，度量鄰近區域關于被解釋變量ln（EPi）的誤差對本區域環境污染的沖擊程度的空間誤差模型（SEM）為：

式中，φ為n×1的截面被解釋變量的空間誤差系數，衡量了相鄰區域的環境污染因誤差項對本區域環境污染的影響方向和程度，β為解釋變量回歸系數，ε是隨機誤差項，μ為正態分布的隨機誤差項。

6.空間自回歸模型參數估計?？臻g依存性的估計比時間序列要復雜得多。空間自回歸模型由于自變量的內生性，OLS估計是有偏的和不一致的。因此，如何進行估計一直是計量經濟學研究的焦點。上世紀80年代以后，最大似然估計（ML）{3}成為文獻中主流方法，最近幾年出現的工具變量法（IV）、廣義矩估計（GMM）引起了理論界的重視。

二、基于截面數據的中國省域環境EKC模型實證分析

本文按照3.1的模型（2）進行實證分析，但指標的選取與吳玉鳴等{4}的研究中略有不同。其中，EP代表環境污染指數。鑒于固體污染物數據不易獲得，此處只考慮水體污染（化學需氧量COD）、氣體污染物（二氧化硫，煙塵）和噪聲污染，并將其一并貨幣化來作為環境污染成本。由于碳排放對環境與經濟的影響日益明顯，所以本文將二氧化碳排放也納入環境污染指標中。

（一）空間自相關的檢驗

1.全局空間自相關檢驗。使用Geoda軟件對所有變量進行空間自相關MoransI檢驗，首先建立ROOK距離權重矩陣，結果顯示：

其中與一個省相鄰的有1個?。êＤ希?，沒有周圍只有一個省的省份，周圍有兩個省的省份有4個，周圍有三個省的省份有5個，周圍有四個省的省份有8個，周圍有五個省的省份有3個，周圍有六個省的省份有6個，周圍有七個省的省份有2個，周圍有八個省的省份有2個。

隨后對各個變量進行了MoranⅠ檢驗，這些變量包括ln（EP）、ln（AGDP）、ln（POP）、ln（HHC）、ln（MHC）、ln（URB）、ln（FTR）。假設各鄰近省域之間的環境污染及其決定因素不存在空間自相關性，利用重復隨機排列法排列999次，構建標準正態統計量，根據ROOK空間權值矩陣計算的MoransI指數均大于0，p-value均大于0.016，這表明所有的EKC模型中的變量在空間分布中均存在明顯的正自相關關系，可見在研究省域環境污染時空間效應不可忽略。

2.局域空間自相關檢驗。使用Geoda進行局域LISA自相關檢驗，結果顯示：新疆自治區的顯著性小于0.001，四川、山東和安徽等省的顯著性小于0.01，青海、江蘇、福建和江西等省顯著性小于0.05。其他省份顯著性均大于0.05。

此外，由MoranⅠ的散點圖發現我國各省域環境污染表現出明顯的空間依賴性，大多數省域集群在第一象限和第三象限：即較高環境污染的省區相對趨于和較高環境污染的省區靠近（第一象限）。這些省域是：上海、安徽、福建、山東、江蘇、北京、河南、河北、浙江、湖南、湖北、遼寧、廣東。較低環境污染的省區相對趨于和較低環境污染的省區靠近（第三象限），這些省域是：新疆、青海、甘肅、西藏、寧夏、云南。不難發現，這些高污染集群區域，皆為我國東、中部經濟發達和人口稠密區域。輕度污染集群區域皆為我國西部內陸經濟發展相對落后區域。

（二）空間計量模型的估計與分析

本文對SEM和SLM模型采用極大似然法進行參數估計并進行了模型的LM檢驗，此外還進行了回歸診斷。檢驗結果如下：比較對數似然函數logL、赤池信息準則AIC和施瓦茨信息準則SC值發現，SEM的logL值大于SLM，且SEM的AIC和SC值也小于SLM，故依據logL、AIC和SC值做出推斷：SEM模型較之SLM模型更好。此外，依據表中較之LM （error）顯著，且Robust LM（error）顯著而LM（lag）不顯著，最后斷定SEM模型要優于SLM模型，最終回歸模型為：

人口規模（lnPOP）的回歸系數為0.9789，說明固定其他因素，人口規模每增長1%，環境污染損失將增長0.9789%。人口數量的增長通常導致經濟活動規模擴大，對環境保護施加外部壓力。對于東部地區環境較差，人口密度過高難脫干系；同樣西部地區環境污染較輕，得益于其人口稀少。

城市化（lnURB）的回歸系數為0.2795，說明環境污染問題較大程度上歸咎于城市化推進。城市發達的交通系統方便了居民出行，但也造成了二氧化碳等污染氣體的過量排放；此外城市內還存在工業噪聲、建筑噪聲等，嚴重污染了城市環境。

產業結構（lnTTI）的回歸系數為-0.0779，說明第三產業發展拉動產業結構優化，減輕了環境污染。

高等級人力資本（lnHHC）與中等級人力資本（lnMHC）的回歸系數分別為-0.0324和0.0402，通過了6%和5%的顯著性檢驗。這說明增加高等級人力資本有助于緩解環境污染。其他因素不變，高等級人力資本每增加1%，環境污染損失減少0.0324%。而中等級人力資本積累卻加速了環境污染，其增加1%會導致環境污染損失增加0.0402%。高等級人力資本能高效地吸納和應用新技術，激發技術創新與進步，從而擺脫粗放型經濟增長方式，減輕環境污染。中等級人力資本普遍在第二產業或技術含量低的生產領域從事經濟活動，因此中等級人力資本同環境污染之間呈正相關。

對外開放ln（FTR）的回歸系數為-0.029，且P<0.001，說明對外開放程度的提高可減輕環境污染。貿易開放的技術外溢效應提高了發展中國家的要素生產率，從而間接地通過促進技術進步和產業結構調整而減少污染排放。

三、結果分析

利用MATLAB擬合lnEP與lnAGDP得到2014年中國31個省域的截面數據擬合圖。圖形顯示，我國省域EKC曲線擬合圖形呈現“U+倒U型”，偏離“倒U型”曲線不是很明顯，證明EKC曲線“倒U型”假說在我國省域間有較強適用性。將（4）式對lnAGDP求導得：

令=0，得第一個轉折點lnAGDP1=-14.0992， lnAGDP2=14.0881，根據計算出的2014年我國各省的lnAGDP可知，最大為上海lnAGDP=11.5863，最小為貴州lnAGDP=10.1824，全部31個省域的lnAGDP都分布在第一個轉折點與第二個轉折點之間，在此階段，曲線呈向右上升階段，表明人均GDP越高的省域環境污染損失越嚴重。其中上海，北京，天津等較接近第二轉折點，正朝著隨著人均GDP增加，環境污染損失減少的階段邁進。

此外，筆者還計算了2014年中國31個省域lnAGDP對lnEP的點彈性和2014年中國31個省域第一三產業占比，其中點彈性最小的是江蘇為1.3172，表示人均GDP每增加1%會導致環境污染損失增加1.3172%；點彈性最大的是陜西為2.8885，表示人均GDP每增加1%會導致環境污染損失增加2.8885%。由于在第一，二，三產業中，帶來環境污染的主要是第二產業，所以第一，三產業占比越低，第二產業占比越高，環境污染損失對GDP增長彈性越大，而陜西正好是第二產業占比最高的省域。

四、結語

本文基于空間計量經濟學環境庫茲涅茨曲線模型、區域環境污染的空間滯后模型（SLM）以及區域環境污染的空間誤差模型（SEM），對我國各個省域的環境污染狀況進行了分析。模型的結果顯示：人口規模增加和城市化這兩個因素對環境污染的影響最大。同時本文證明了EKC曲線的“倒U型”假說在我國省域間有較強適用性，全部31個省域的lnAGDP都分布在第一個轉折點與第二個轉折點之間，即人均GDP越高的省域環境污染損失越嚴重，最接近第二個轉折點的省份有上海、北京和天津。此外，我們還計算出了人均GDP每增加1%會導致環境污染損失增加的最多和最少的省份分別為陜西和江蘇。

注釋：

{1}Jams LeSage，R. Kelley Pace.Introduction to Spatial Econometrics[M].北京大學出版社，2014

{2}公云龍，張紹良，章蘭蘭.城市地價空間自相關分析——以宿州市為例[J].經濟地理，2011（11）

{3}劉毅.具有空間相依誤差的面板數據自回歸模型及參數估計的統計計算實現[D].四川大學，2007

{4}吳玉鳴，田斌.區域環境庫茲涅茨曲線的擴展及其決定因素[J].地理研究，2012（4）

（作者單位：中南大學數學與統計學院 湖南長沙 410083）

（責編：呂尚）