華北平原的環(huán)境污染與經(jīng)濟增長

(中央財經(jīng)大學 北京 100081)

一、研究背景

依據(jù)中國環(huán)境保護部門公布的中國的74個重點城市的空氣質量監(jiān)測數(shù)據(jù)，在2016年10月發(fā)布的空氣質量監(jiān)測中得出的全國十大空氣污染城市當中，河北省占據(jù)了其中7個。并且石家莊成為了空氣污染最為嚴重的城市。

華北平原獨特的地形條件使得霧霾很難通過冷暖空氣的對流而自行消散。此外，華北平原的產業(yè)結構和能源結構對華北平原的空氣污染產生了很大的影響。大量重工業(yè)城市以及對化石燃料的依賴是華北大氣污染物排放的重要來源。因此有必要采取區(qū)域聯(lián)防，以整體布局來改善華北平原的空氣質量。

研究經(jīng)濟發(fā)展與空氣污染的關系，就不得不提Grossman and Krueger(1994,1995)[1]對單位資本收入以及環(huán)境指標之間的簡化模型關系的實證分析，以及世界銀行發(fā)布的發(fā)展報告(World Bank，1992)[2]。二者都指出環(huán)境污染和衡量經(jīng)濟發(fā)展水平的人均收入存在一種“倒U形”曲線的關系，被稱作環(huán)境的庫茲涅茲曲線。

環(huán)境庫茲涅茲曲線認為人們對合意的商品以及其不合意的副產品污染做出取舍，人們同時偏好消費以及環(huán)境質量，經(jīng)濟的發(fā)展提高了人們對于環(huán)境改善的邊際效用，因此有了治理環(huán)境的動機，這一動機通過各種渠道轉化為了政府的政策以及減排技術的進步，從而在達到拐點后污染水平隨經(jīng)濟增長而減少。

實證方面，Grossman and Krueger(1994,1995)[1]基于跨過面板數(shù)據(jù)對污染是人均GDP的三次函數(shù)進行了回歸，結果表明環(huán)境質量不隨人均收入的增加而持續(xù)下降，大多數(shù)污染指標包括空氣污染和水污染與人均收入呈“倒U形”或“N形”曲線。但是Grossman and Krueger(1995)[1]同時也指出經(jīng)濟增長并不會自發(fā)地去改善環(huán)境，而是通過產業(yè)轉型、技術進步以及對污染排放的加強管制來實現(xiàn)“倒U形”的EKC曲線。因此在控制了其他因素后可能并不會出現(xiàn)環(huán)境污染和經(jīng)濟發(fā)展之間的“倒U形”曲線。

國內EKC曲線的研究對產業(yè)結構的影響不夠關注，本文將第二產業(yè)產出的比重加入到空氣污染的函數(shù)當中以體現(xiàn)產業(yè)結構的作用。與許多文獻使用時間來描述技術進步不同，本文試圖使用中國能源統(tǒng)計年鑒中公布的能源加工轉換效率來描述技術進步的程度。此外，很多文獻使用污染物排放作為污染的指標，而本文采用空氣污染指數(shù)的數(shù)據(jù)來衡量空氣污染。

本文第一部分為研究背景；第二部分進行對數(shù)據(jù)的介紹以及處理；第三部分進行計量回歸；第四部分進行回歸結果的分析；第五部分進行結論歸納以及政策建議。

二、數(shù)據(jù)

本文選取2001年到2012年環(huán)保部發(fā)布的API(Air Pollution Index 空氣污染指數(shù))的日均值數(shù)據(jù)，同時由于部分城市對該指標的監(jiān)測開始地較晚，僅有北京、天津、石家莊、濟南、鄭州的數(shù)據(jù)是全年分的，故僅有13個城市的109個樣本。

其他數(shù)據(jù)包括這13個城市的人均GDP、城市綠地面積、第二產業(yè)增加值占地區(qū)生產總值的比重、人口密度。以及能源加工轉換效率。

本文使用了人均GDP和第二產業(yè)產出占地區(qū)總產出的比重來衡量人均收入和產業(yè)結構。另外，由于技術發(fā)展對于污染控制的影響不可忽視，因此本文中使用能源加工轉換效率這一指標來衡量技術發(fā)展。

表一是各變量的統(tǒng)計特征。

表一 各個變量的統(tǒng)計特征

三、計量回歸

根據(jù)基本的環(huán)境庫茲涅茲曲線研究，本文使用了固定效應的方法對人均GDP的對數(shù)三次方程進行回歸。同時考慮到回歸結果可能并不支持對數(shù)三次方程，本文對一次線性、二次、三次分別回歸。

Pollutionit=αi+β1ln(GDPit)+β2[ln(GDPit)]2+β3[ln(GDPit)]3+β4ln(Industryit)+β5ln(Greenit)+β6ln(Densityit)+β7Techt+εit(1)

i=1,…,7;t=1,…,12

其中，Pollutionit是年度平均API；GDPit是年度人均GDP；Industryit是第二產業(yè)占地區(qū)總產出的比重，而ln(Industryit)由第二產業(yè)增加值占地區(qū)生產總值的比重表示；Greenit是城市綠地面積；Densityit是城人口密度；Techt是能源加工轉換效率。根據(jù)對EKC研究的一般方法，并且考慮到城市之間的差別，本文采取固定效應的方法來回歸(1)中的方程。

為了研究環(huán)境污染與經(jīng)濟增長的對數(shù)關系究竟是一次、二次還是三次函數(shù)的形式，本文對可能出現(xiàn)的三種情況分別進行回歸并根據(jù)回歸結果來排除不顯著的結果。

四、回歸結果與分析

在進行計量分析時，我們對(1)式中環(huán)境庫茲涅茲曲線的人均GDP的對數(shù)的一次、二次以及三次(對應β2=β3=0;β3=0；均不等于0)的三種函數(shù)形式分別進行回歸。

表二 環(huán)境庫茲涅茲曲線的估計結果

注：其中****，***，**，*分別代表了在1%，5%，10%，15%水平上顯著

目前絕大多數(shù)對大氣污染與經(jīng)濟發(fā)展的研究都支持EKC曲線的存在，至少對于個別污染物而言存在。而本文對華北平原13個城市的研究中，利用API作為環(huán)境污染的指標的情況下，并不支持環(huán)境污染是經(jīng)濟增長的對數(shù)二次或者三次函數(shù)關系的猜想。

在三種函數(shù)形式的回歸中，技術進步和城市綠化面積的系數(shù)都至少在5%的水平上顯著，而第二產業(yè)增加值占總產出的比重的系數(shù)則只有在對數(shù)人均GDP的一次和二次的函數(shù)形式下在15%的水平下顯著。

由于對數(shù)人均GDP的二次項和三次項均不顯著，故本文接受了環(huán)境污染是經(jīng)濟增長的線性函數(shù)，且是隨經(jīng)濟增長單調減少的關系。具體而言就是人均GDP增加1%會導致0.08的API的減少。即這些城市處于一個人均GDP越高，空氣污染越低的趨勢之中。

人口密度1%的增加則會帶來0.018的API的減少。城市綠地面積1%的變化會導致0.017的API的減少。同樣對于更高的第二產業(yè)的比重有更嚴重的空氣污染。技術進步會導致空氣污染的減輕，常數(shù)項表示城市之間的差別造成的空氣污染的差別，這里表示城市間的差別很大，包括城市的不同的地形條件、氣象條件等，并且這個差別在1%的水平上顯著。

五、結論歸納以及政策建議

基于以上分析，本文認為隨著著經(jīng)濟發(fā)展，華北平原的城市群的大氣污染問題會迎來好轉。接下來本文會結合一些數(shù)據(jù)分析經(jīng)濟增長可能的影響空氣污染途徑。

首先，經(jīng)濟增長帶來人們對消費的邊際效用降低，對空氣質量要求逐漸變高。這使得政府為了提高社會福利，有動機制定更嚴格的環(huán)境保護政策以及對環(huán)境治理進行更多的投資，由此推動了環(huán)保行業(yè)的發(fā)展。

此外，我國產業(yè)結構升級中，重工業(yè)向非一線的發(fā)展較慢的城市的轉移以刺激當?shù)亟?jīng)濟發(fā)展。盡管這確實減少了本地的空氣污染，但對于華北平原的城市而言，特殊的地形使得大氣污染物的堆積以及異地傳輸。因此大量接收了污染企業(yè)的城市提高了自身的地區(qū)生產總值，但對附近的城市造成了外部性。因此，對整個地區(qū)進行結構調整而不是單純地轉移污染企業(yè)才是未來污染治理的一個更有效的模式。

2015年《北京統(tǒng)計年鑒》顯示，截止至2012年，軌道交通可用率上英國倫敦為192公里/每百萬人，日本東京-橫濱為69公里/百萬人，中國城市中表現(xiàn)最好的北京僅有25.9公里每百萬人。可見中國城市公共交通長期滯后于城市化發(fā)展。公共交通的供應不足推動了私家車的數(shù)量快速上升，其尾氣排放造成了很大一部分的空氣污染。

因此,本文提出三點政策建議：一是是加強區(qū)域聯(lián)合治理,并且根據(jù)區(qū)域空氣污染的指標來評價區(qū)域內環(huán)保局的績效。二是政府加大對清潔能源的投資和扶持，比如對清潔能源的消費占一定比例可以免除一部分的稅收，或者對不達標的污染企業(yè)加收污染稅，積極引導企業(yè)對更清潔的能源的使用。此外，鼓勵更加綠色的出行方式，積極發(fā)展公共交通，使公共交通更加能滿足人們日常出行的需求，從而減少對私人機動車的使用以及排放。