北京經濟增長與空氣污染關系的實證研究
——基于脫鉤理論與VAR模型

(北京聯合大學 旅游學院,北京 100101)

北京經濟增長與空氣污染關系的實證研究
——基于脫鉤理論與VAR模型

張麗峰

(北京聯合大學 旅游學院,北京 100101)

運用脫鉤理論和VAR模型,分析了北京三類空氣污染物與經濟增長之間的脫鉤狀態、相互間動態影響方向和程度。主要結論為:①SO2和NO2濃度經歷了從強脫鉤到弱脫鉤的循環過程,SO2濃度強脫鉤年份稍多;PM10濃度經歷了從強脫鉤—弱脫鉤—強脫鉤—擴張連接的循環過程,三類污染物濃度均未出現持續強脫鉤狀態。②三類空氣污染物和經濟增長間均存在長期協整關系且呈負向,SO2濃度彈性系數最大,其次是PM10濃度,最后是NO2濃度,表明北京空氣污染治理力度取得了部分成效。③脈沖響應分析結果表明,今后一段時期內,經濟增長和三類空氣污染物相互間的脈沖響應值總體上是負向的,并呈波動性變化趨勢。方差分解結果表明,三類空氣污染物對經濟增長的方差分解貢獻度逐步上升,SO2濃度貢獻度最大,其次是PM10濃度,NO2濃度最小;經濟增長對SO2濃度方差分解的貢獻度最大,其次是PM10濃度和NO2濃度,均持續上升。

經濟增長;空氣污染;脫鉤理論;VAR模型

自1998年以來,北京市在長期監測的三項污染物中,二氧化硫(SO2)濃度下降了89%，二氧化氮(NO2)濃度下降了32%，PM10濃度下降了46%。2015年,北京市的SO2年平均濃度為13.5μg/m3,優于國家標準(60μg/m3),比2014年下降了38.1%;NO2年均濃度為50μg/m3,接近國家標準,比2014年下降了11.8%;PM10年平均濃度為101.5μg/m3,超過國家標準0.45倍,但比2014年下降了12.3%;PM2.5的年平均濃度為80.6μg/m3,超過國家標準1.3倍,比2014年下降了6.2%。PM10和PM2.5成為北京大氣污染治理的突出問題。嚴重的空氣污染不僅損害了人們的身體健康,還影響了旅游業發展，造成投資吸引力下降,進而影響到經濟增長。今后如何在保持經濟平穩快速增長的同時,改善和提高環境質量,促進經濟可持續發展,必須從理論上厘清經濟增長和環境污染之間的相互關系。

在經濟增長與環境污染關系的研究中,針對環境庫茲涅茨曲線假說的相關研究最為普遍。由于所用數據大多為面板數據,加之不同國家或地區同質性的假定,所得結論難以令人信服,同時也忽視了環境污染與經濟增長間的雙向影響機制。近幾年部分文獻利用向量自回歸模型(VAR)研究了環境污染與經濟增長的關系,探討了兩者間相互作用的機理,既有從國家層面的[1,2],也有從區域層面的[3-9]。有學者利用脫鉤理論來分析環境污染與經濟增長之間的關聯性,主要有關于脫鉤的定義[10]、脫鉤類型的劃分與應用[11-15]。以上文獻一是研究了污染物排放量尤其是工業“三廢”排放量與經濟增長間的關系,很少有文獻研究污染物濃度與經濟增長的關系,而污染物濃度如PM2.5、PM10、SO2濃度是造成嚴重空氣污染的主要原因。二是很少有文獻把脫鉤理論和VAR模型結合起來分析環境污染與經濟增長的關系。三是很少有文獻系統分析北京空氣污染與經濟增長的關系。北京作為首都和特大城市,空氣污染和經濟增長有自身的特性,空氣污染與經濟增長的關系也有別于其他省市。尤其是隨著經濟的快速發展,北京的霧霾天氣增多,更有必要研究空氣污染與經濟增長的關系。本文選取北京空氣PM10濃度、SO2濃度和NO2濃度作為研究對象,嘗試建立以脫鉤理論和VAR模型為主的統一分析框架,以更全面的視角分析北京經濟增長和空氣污染的內在聯系,考察經濟發展的不同階段與環境污染的變化路徑,厘清經濟增長和空氣污染的雙向影響機制。

1 研究方法與變量選取

1.1 脫鉤理論與模型

脫鉤理論來源于物理學科領域的專業名詞,目前廣泛應用在資源利用、環境污染、碳排放與經濟發展的關系方面,主要目的是研究環境與經濟的協調發展問題，主要的脫鉤模型有OECD和Tapio模型。OECD脫鉤模型是基于期初和期末值的脫鉤指數模型,對基期的選定非常敏感,不同基期的選擇會得到差異很大的結果。Tapio脫鉤模型是在OECD脫鉤模型的基礎上發展起來的,克服了OECD脫鉤模型的基期選擇困境,是基于以時期為時間尺度的一種彈性分析方法,提高了脫鉤關系分析的客觀性和準確性。此外,Tapio脫鉤模型對脫鉤關系的劃分更精細,是目前研究經濟與環境脫鉤關系的主要方法。本文借鑒Tapio脫鉤模型中的脫鉤指標,構建北京經濟增長與空氣污染的脫鉤分析模型,其脫鉤彈性公式為:

(1)

式中,e為脫鉤彈性系數,△AP為空氣污染濃度變化量,AP為空氣污染濃度,△GDP為經濟增長變化量,GDP為經濟增長量。由于空氣污染濃度和經濟增長的變化率不同,脫鉤彈性的種類也不同,具體的脫鉤彈性劃分見表1。

表1 脫鉤彈性值和脫鉤關系類型

1.2 VAR模型

VAR模型是基于數據的統計性質而建立的,它是對多變量的動態關系進行描述非結構化的多方程模型,一般表達式為:

yt=A1yt-1+…+Apyt-p+BXt+μt

(2)

式中,yt為k維內生變量向量,Xt為d維外生變量向量,p為滯后階數,樣本個數為T。k×k 維矩陣A1,…,Ap和k×d維矩陣B是被估計的系數矩陣。μ是k維擾動向量,它們相互之間可以同期相關,但不與自己的滯后值相關,也不與等式右邊的變量相關。

VAR模型建立的前提條件要求所有的時間序列為同階單整序列,其次是滯后階數的確定，既要有足夠的滯后項,又要有足夠的自由度。一般是根據AIC(Akaike Information Criterion,AIC)和SC(Schwarz Criterion,SC)信息準則最小化并結合似然比LR(Likelihood Ratio,LR)檢驗來確定滯后階數。第三是對模型穩定性進行檢驗,即是進行脈沖響應分析的前提。如果被估計的模型中所有單位根的倒數小于1,即位于單位圓內,表示模型是穩定的;如果單位根倒數大于1,既位于單位圓外,說明模型不穩定。

在實際應用中,往往不是對得到的參數估計進行解釋,而是在建立模型的基礎上進行脈沖相應分析和方差分解。脈沖相應分析就是系統中一個變量受到某種沖擊后對系統中其他變量未來情況的影響方向，為了避免變量排序對估計結果的影響,一般采用廣義脈沖響應技術法來進行分析。方差分解是分析系統中某個內生變量受到沖擊后對其他內生變量變化的貢獻度(通常用方差度量),進而評價不同內生變量沖擊的重要性。

1.3 指標和數據的選取

空氣污染指標:選取空氣PM10濃度、SO2濃度和NO2濃度三個指標表征空氣污染程度。我國環境污染的數據有兩個來源:一是污染物濃度監測數據,是由各個地方環保監測站直接測量的數據,相對客觀；二是污染物排放量數據,工業企業污染物排放是企業自報的數據。因此,以污染物濃度監測為指標的研究結論更有說服力。北京環境污染各項指標數據來源于歷年的《北京市統計年鑒》。

經濟增長(PGDP):經濟增長一般采用GDP或人均GDP來衡量。由于人均GDP剔除了人口因素影響,更能反映經濟增長的真實情況。本文采用人均實際GDP 來衡量經濟增長,并以1999年為基期進行調整得到,數據來源于歷年的《北京市統計年鑒》。為了避免數據的劇烈波動,消除可能存在的異方差,對以上變量數據取對數值進行處理。

2 實證分析

2.1 北京經濟增長和空氣污染的脫鉤分析

根據式(1),得到北京市2000—2014年經濟增長與PM10濃度、SO2濃度和NO2濃度的脫鉤彈性系數值與脫鉤狀態,具體計算結果見表2。

表2 2000—2014年北京各空氣污染物的脫鉤彈性和脫鉤狀態

由表2可知,SO2濃度和NO2濃度脫鉤狀態經歷了從強脫鉤—弱脫鉤的循環過程,只是循環的規律不同,NO2濃度每兩年弱脫鉤之后都會出現強脫鉤。SO2濃度每一年弱脫鉤之后都會出現強脫鉤,后一個循環的強脫鉤狀態持續時間更長。而且,NO2濃度弱脫鉤的彈性值大于SO2濃度,表明NO2濃度的增長速度大于SO2濃度的增長速度。PM10濃度的脫鉤狀態則經歷了從強脫鉤—弱脫鉤—強脫鉤—擴張連接的循環過程。2003—2006年是一個循環,2007—2014年開始又一個循環,只是循環的時間拉長了,強脫鉤狀態的年份有所增加。

整體上,三類污染物濃度的脫鉤狀態處于從強脫鉤到弱脫鉤不斷反復變化的過程中,持續強脫鉤狀態沒有出現。這是從1998年以來,北京連續采取的階段性大氣污染治理措施的一個反映。2000—2014年,SO2濃度有12年處于強脫鉤狀態,3年處于弱脫鉤狀態;PM10濃度有9年強脫鉤狀態,4年弱脫鉤狀態,2年擴張連接狀態;NO2濃度有7年強脫鉤狀態,8年弱脫鉤狀態,SO2濃度的治理程度好于NO2濃度和PM10濃度。PM10濃度是今后北京治理空氣污染的重中之重。

2.2 脈沖相應分析和方差分解

由于本文所用數據為時間序列數據,運用Eviews軟件對方程(2)進行估計之前,應對各個變量進行平穩性檢驗,以避免“偽回歸”現象出現。本文運用ADF檢驗法對變量的平穩性進行檢驗,檢驗結果見表3。

表3 變量的單位根檢驗結果

注:D()表示變量的一階差分序列。

由表3可知,人均GDP、PM10濃度、SO2濃度和NO2濃度的原序列均為非平穩序列,而一階差分序列均為平穩序列,屬于一階單整,符合協整檢驗的前提條件。由于只涉及到兩個變量,本文采用E-G兩部法進行協整檢驗,檢驗公式為:

lnSO2=6.9661-1.2035×lnPGDP

(3)

t值 (8.4404) (-12.1623)

方程(3)的變量t值都很高,變量通過顯著性檢驗。殘差單位根檢驗的ADF值為-3.5169,小于1%的臨界值-2.7406,殘差序列是平穩序列,表明經濟增長與SO2濃度間存在協整關系。由方程(3)可知,人均GDP和SO2濃度負相關,人均GDP每增加1%,SO2濃度就減少1.2035%,彈性系數大于1,SO2濃度減少的速度比人均GDP增長的速度快。

LnPM10=8.8716-0.4709×lnPGDP

(4)

t值 (27.5311) (-11.8933)

方程(4)的變量的t值都很高,變量通過顯著性檢驗。殘差單位根檢驗的ADF值為-2.7637,小于1%的臨界值-2.7282,殘差序列是平穩序列,表明經濟增長與PM10濃度間存在協整關系。由方程(4)可知,人均GDP和PM10濃度呈負相關,人均GDP每增加1%,PM10濃度就減少0.4709%,彈性系數小于1,表明PM10濃度減少的速度小于人均GDP增長的速度。

lnNO2=7.423-0.3914×lnPGDP

(5)

t值 (18.0763) (-7.9293)

方程(5)變量的t值都很高,變量通過顯著性檢驗。殘差單位根檢驗的ADF值為-2.973,小于1%的臨界值-2.7282,殘差序列是平穩序列,表明經濟增長與NO2濃度間存在協整關系。由方程(5)可知,人均GDP和NO2濃度負相關,人均GDP每增加1%,NO2濃度就減少0.3914%,彈性系數小于1,表明NO2濃度減少的速度小于人均GDP的增長速度。

總體來看,北京市三類空氣污染與經濟增長間均存在協整關系,且呈負相關,SO2濃度的彈性系數絕對值最大,其次是PM10濃度,NO2濃度最小,表明北京的空氣質量隨著經濟增長在逐漸提高,對空氣污染的治理取得了成效,表明自1998年以來北京連續采取大氣污染治理措施的力度加大。

由于經濟增長與PM10濃度、SO2濃度和NO2濃度存在著協整關系,因此可建立VAR模型。根據AIC、SC和LR原則,確定PM10濃度和經濟增長的VAR模型的最優滯后期為4階,SO2濃度與經濟增長的VAR模型的最優滯后期為3階,NO2濃度與經濟增長的VAR模型的最優滯后期為2階。經過檢驗,這三個VAR模型所有單位根的倒數小于1,即位于單位圓內,模型是穩定的。在此基礎上,脈沖的相應分析結果見圖1—3(根據相關指標的比較,文中將函數的追蹤期設定為10期)。

圖1 經濟增長對PM10濃度、SO2濃度的脈沖響應

圖2 經濟增長對NO2濃度的脈沖響應

圖3 各類空氣污染對經濟增長的脈沖響應

由圖1可知,在未來一段時期內,如果給SO2濃度一個正向標準差信息沖擊后,人均GDP的響應總體是負向的,從圖形上看大體呈“U”型,即SO2濃度和人均GDP間今后仍會保持這種負向關系。從響應值的絕對值來看,前七期是逐漸上升的,從第七期開始逐漸下降,第九期之后趨于平穩。如果給PM10濃度一個正向的標準差信息沖擊后,人均GDP的響應總體是負向的,且大體呈“U”型,但位置比SO2濃度靠上,表明PM10濃度和人均GDP間仍會保持著這種負向關系。從響應值的絕對值來看,前五期是上升的,第六期之后逐漸下降并趨于平穩。由圖2可知,如果給NO2濃度一個正向的標準差信息沖擊后,除第一期和第二期外,從第三期開始人均GDP的響應是負向的,第五期之后趨于平穩,表明今后一段時期內NO2濃度和人均GDP間仍會保持這種負向關系。由圖3可知,在未來一段時期內,如果給人均GDP一個正向標準差信息沖擊后,SO2濃度的響應值除第三期、第四期為正值外,其余時期均為負值。總體上來說,人均GDP和SO2濃度呈負向,影響趨勢不規則,有波動。PM10濃度的響應值除第一期、第三期、第九期為正值外,其余均為負值,表明人均GDP和PM10濃度也呈負向,影響趨勢不規則。NO2濃度的響應值除了第一期、第二期之外,均為負值,第五期之后逐漸趨于平穩。總體講,不論是經濟增長對空氣污染的脈沖響應還是空氣污染對經濟增長的脈沖響應,響應值整體上均為負向,表明將來隨著北京經濟的不斷增長,空氣污染的濃度逐漸下降,空氣質量會得到逐步改善,且隨著空氣質量的改善而促進經濟增長。

由表4可知,從人均GDP的方差分解看,SO2濃度、PM10濃度和NO2濃度對人均GDP的貢獻度呈逐漸上升趨勢。SO2濃度的貢獻度最大,由第二期的0.9644%上升到第十期的21.9025%;其次是PM10濃度的貢獻度,由第二期的1.7951%增加到第十期的19.2814%;NO2濃度貢獻度最小,第十期未超過1%。

表4 北京經濟增長的方差分解

注:本文主要是分析空氣污染對經濟增長方差的貢獻度,因此沒有把經濟增長自身的貢獻度列出,不會影響分析結果。

由表5可知,從SO2濃度的方差分解來看,其自身的貢獻度最大,但呈逐漸下降趨勢;人均GDP的貢獻度在逐漸增加,由第一期的0.9394%增加到第十期的38.7692%。從PM10濃度的方差分解來看,自身的貢獻度呈逐漸下降趨勢,人均GDP的貢獻度在逐漸增加,由第二期的3.1515%增加到第十期的19.7142%。從NO2濃度的方差分解來看,自身的貢獻度最大,雖然呈下降趨勢,但下降緩慢;而人均GDP的貢獻度雖然在逐漸增加,但比例較少,第十期才達到1.4695%。整體來看,經濟增長對SO2濃度的方差分解貢獻度最大,其次是PM10濃度,最后是NO2濃度。綜合脈沖響應分析和方差分解的結果可知,經濟增長和空氣污染是相互影響的,未來隨著經濟增長,空氣污染濃度將逐漸下降,空氣質量逐步改善;空氣質量的改善對經濟增長將起了一定的促進作用。

表5 北京各類空氣污染物的方差分解

3 討論

通過本文的脫鉤分析結果表明,北京市三類污染物濃度大部分年份處于強脫鉤狀態,SO2濃度的強脫鉤狀態年份最多,但三類污染物濃度均未出現持續的強脫鉤狀態。協整分析的結果表明,SO2濃度的彈性系數超過了1,PM10濃度和NO2濃度的彈性系數小于0.5。脈沖響應分析和方差分解的結果表明,未來一段時期內經濟增長和三類污染物之間仍將會相互作用和相互影響。這些都表明目前北京對三類污染物的治理所采取的措施有了一些成效,SO2治理效果可能好于PM10和NO2。未來仍要繼續采取更加有力的措施治理空氣污染,提高空氣質量。但我們要注意到，目前北京市政府及有關部門采取的一些措施,如逐步取締燃煤鍋爐、汽車搖號政策、制定汽車尾氣排放標準等,這些措施可能短期內有效,但缺乏長遠的根本治理措施。今后應注重:①提高第三產業尤其是交通運輸倉儲業的能源利用效率。PM10濃度、NO2濃度和SO2濃度主要是由于煤炭和石油及其制品的使用，而產業和能源品種的利用效率會直接影響到煤炭和石油及其制品的使用與空氣污染物的排放。北京市第三產業能源消費量比重1980年為15.6%,2015年上升到48.3%,2015年第三產業能耗是第二產業的1.7倍。其中,2015年交通運輸倉儲和郵政業的能源消耗量占總能耗的18.2%,占第三產業能耗的37.2%。北京第三產業萬元產值能耗下降率2001—2015年(2004年和2005年能耗下降率為負)在1.5%—4%之間,遠低于第二產業萬元產值能耗下降率(在6%—11%之間)。交通運輸倉儲業和郵政業2001—2015年的萬元產值能耗高于第一產業和第三產業,從2004年開始高于第二產業和工業,萬元地區生產總值能耗2001—2011年一直呈上升趨勢,從2012年開始萬元產值能耗呈現下降趨勢。北京機動車擁有量一直呈上升趨勢,由1999年的124.17萬輛增加到2014年的532.4萬輛,增加了3.3倍。隨著經濟增長、人口的增加和人們收入水平的提高,汽車擁有量仍會逐漸增加。北京今后應大力發展綠色交通運輸,加強高效環保、氣候友好的交通運輸技術研究和推廣;鼓勵發展技術先進、經濟安全、環保節能的運輸裝備,加快淘汰技術落后、污染嚴重、效能低下的運輸裝備,促進智能交通發展;在環衛、出租、客運、郵政、物流配送等行業,加快更新使用新能源車和第六階段標準車輛,增加汽車充電設施;改變交通方式,增加公共交通和軌道交通,減少私人汽車的擁有量;采取機動車總量控制措施,遏制機動車保有量過快增長勢頭。②優化第三產業能源消費結構,逐步提高可再生能源比重,減少對化石能源的依賴。2015年北京煤油的消費量幾乎是交通運輸和郵電業消費的總和,第三產業柴油消耗量占總量的76%,交通運輸郵電和倉儲業的比重為65%,第三產業燃料油的比重為39.1%,交通運輸郵電和倉儲業的比重為36.4%,第三產業液化石油氣、天然氣、熱力和電力占總量的比重分別為46.5%、21%、52%和47%。短期內應提高原油及其制成品的質量與使用效率,長期應充分發揮北京地熱和太陽能的資源優勢,加大地熱和太陽能的開發使用力度,提高可再生能源的比重,促進節能減排。

4 結論

本文得出以下主要結論:①SO2濃度和NO2濃度脫鉤狀態經歷了從強脫鉤到弱脫鉤的循環過程,只是SO2濃度的強脫鉤年份稍多。PM10濃度的脫鉤狀態則經歷了從強脫鉤—弱脫鉤—強脫鉤—擴張連接的循環過程。三類污染物濃度均未出現持續的強脫鉤狀態,可以說是自1998年以來北京空氣污染治理階段性措施的一個寫照。②協整檢驗結果表明,PM10濃度、NO2濃度、SO2濃度三類空氣污染和經濟增長間存在著長期協整關系,且呈負向,SO2濃度的彈性系數最大,其次是PM10濃度,最后是NO2濃度,表明北京空氣污染治理力度在加強,成效逐漸顯現出來。③脈沖響應分析結果表明,今后一段時期內,經濟增長和三類空氣污染物相互間的脈沖響應值總體上是負向,并呈現出波動性變化趨勢。方差分解結果表明:三類空氣污染物對經濟增長的方差分解的貢獻度逐步上升,SO2濃度的貢獻度最大,其次是PM10濃度,NO2濃度最小;經濟增長對三類空氣污染物的方差分解的貢獻度是逐漸上升的,由大到小依次是SO2濃度、PM10濃度和NO2濃度,表明經濟增長和三類污染物間是相互作用、相互影響的,隨著經濟增長,三類污染物濃度在下降,而三類污染物濃度的下降反過來會促進經濟增長。

∶

[1]Chebbi H E,Boujelbene Y.CO2Emissions,Energy Consumption and Economic Growth in Tunisia[A].//Burrell A,Heckelei T,Sckokai P.European Review of Agricultural Economics[C].UK：Oxford University Press,2008∶1-5.

[2]彭水軍,包群.中國經濟增長與環境污染——基于廣義脈沖響應函數法的實證研究[J].中國工業經濟,2006,(5)∶15-23.

[3]李琳,朱金山,高潤霞.基于VAR模型的重慶市經濟增長與環境污染的關系研究[J].西南大學學報(自然科學版),2009,31(11)∶92-96.

[4]呂健.上海市經濟增長與環境污染——基于VAR模型的實證分析[J].華東經濟管理,2010,24(8)∶1-6.

[5]閆新華,趙國浩.經濟增長與環境污染的VAR模型分析——基于山西的實證研究[J].經濟問題,2009,(6)∶59-62.

[6]吳丹,吳仁海.不同地區經濟增長與環境污染關系的VAR模型分析——基于廣州、佛山、肇慶經濟圈的實證研究[J].環境科學學報,2011,31(4)∶880-888.

[7]李磊,張貴祥.京津冀都市圈經濟增長與生態環境關系研究[J].生態經濟,2014,30(9)∶167-170.

[8]黃冬毅,呂可文.河南省經濟增長與環境污染關系的實證研究[J].河南科學,2016,34(7)∶1155-1159.

[9]OECD.Environmental Indicators-development,Measurement and Use[R].Paris：OECD,2003∶13.

[10]Tapio P.Towards a Theory of Decoupling：Degrees of Decoupling in the EU and the Case of Road Traffic in Finland Between 1970 and 2001[J].Transport Policy,2005,12(2)∶137-151.

[11]Guziana B,Song H,Thorin E,etal.Policy Based Scenarios for Waste-to-energy Use：Swedish Perspective[J].Waste and Biomass Valorization,2014,5(4)∶679-688.

[12]王鶴鳴,岳強,陸鐘武.中國1998—2008年資源消耗與經濟增長的脫鉤分析[J].資源科學,2011,33(9)∶1757-1767.

[13]孫耀華,李忠民.中國各省區經濟發展與碳排放脫鉤關系研究[J].中國人口·資源與環境,2011,21(5)∶87-92.

[14]李從欣,張再生,李國柱.中國經濟增長和環境污染脫鉤關系的實證檢驗[J].統計與決策,2012,(19)∶133-136.

[15]張蕾,陳雯,陳曉,等.長江三角洲地區環境污染與經濟增長的脫鉤時空分析[J].中國人口·資源與環境,2011,21(3)∶275-279.

EmpiricalAnalysisofRelationshipBetweenEconomicGrowthandAirPollutionofBeijing——BasedonDecouplingTheoryandVARModel

ZHANG Li-feng
(Tourism Institute,Beijing Union University,Beijing 100101,China)

Using the decoupling theory and VAR model,this paper analyzed the decoupling state and dynamic interaction direction and degree between three kind air pollution and economic growth in Beijing,the main conclusions inluded:①The decoupling state of NO2concentration and SO2concentration experienced the cycle process from strong decoupling to weak decoupling,just the SO2concentration had more strong decoupling.The decoupling state of PM10 concentration experienced the cycle process from strong decoupling to weak decoupling to strong decoupling to expansion connection,three air pollutions did not have the continuous strong decoupling state.②There was a long term co-integration relationship between three kind air pollution and economic growth with a negative relationship,the elastic coefficient of SO2concentration was the largest,followed by the concentration of PM10,and finally NO2concentration,showing the success in air pollution control in Beijing.③The impulse response analysis results showed that the next period of time,the impulse response value was generally negative between the economic growth and three kinds of air pollutants with the wave trend.Variance decomposition indicated that the three kinds of air pollutants on the decomposition of variance of economic growth contribution was gradually increased,the concentration of SO2in the largest contribution,the second was the concentration of PM10,the minimum concentration of NO2,the contribution of economic growth to three kinds of air pollutants variance decomposition was also gradually increased,from large to small in turn was SO2concentration,PM10 concentration and NO2concentration.

economic growth;air pollution;decoupling theory;VAR model

10.3969/j.issn.1005-8141.2017.03.011

X820.3

A

1005-8141(2017)03-0316-06

2017-01-28；

2017-02-21

國家自然科學基金項目(編號:71273275)。

及通訊作者簡介：張麗峰(1969-),女,河北省秦皇島人,經濟學博士,教授,主要研究方向為低碳經濟、區域經濟、能源經濟與政策研究。