中國家庭消費隱含污染排放的環境恩格爾曲線

李軍 張大永 姬強 范英

摘要 隨著中國居民收入的快速增長，家庭消費行為及其在環境污染中的作用受到了越來越多關注。分析中國家庭消費隱含污染排放的演變趨勢，探討影響家庭消費隱含污染排放的影響因素，特別是收入增長的作用，對于降低消費側隱含污染排放、實現綠色轉型具有重要現實意義。文章基于中國家庭金融調查的微觀數據，計算了六種家庭消費中隱含污染物的排放，分析了中國家庭消費所帶來的環境污染的特征和變化趨勢，進一步使用OLS回歸分析和Oaxaca-Blinder分解法探討了家庭收入變化對家庭隱含污染排放的影響。研究發現，各種污染物的環境恩格爾曲線（EEC）存在，EEC曲線向上傾斜且為凹型;技術進步是降低家庭隱含污染排放的關鍵因素之一。通過Oaxaca-Blinder分解發現，在其他條件不變的情況下，收入增長會因規模效應導致家庭隱含污染排放增加，但同時也會存在替代效應，即通過促進消費結構優化從而減少隱含污染排放;家庭隱含污染物的排放會受到宏觀經濟狀況和環境政策變動的沖擊，也會受到家庭人口特征變化的影響。該研究得到了如下啟示：①綠色發展要著眼于引導和激勵居民的生活方式向清潔消費轉變，特別是要推動高收入家庭消費結構的優化。②政府要加大對綠色產品創新、技術改革以及設備改造的支持力度，從而降低產品生產過程中的能源消耗和污染排放。綜合消費端和供給端的復合政策將有利于降低家庭消費的隱含污染排放，更好地實現綠色發展的目標。

關鍵詞 環境恩格爾曲線（EEC）;中國家庭;隱含污染排放;Oaxaca-Blinder分解法

中圖分類號 X24文獻標識碼 A文章編號 1002-2104（2021）07-0075-16DOI：10.12062/cpre.20210429

隨著經濟社會的高速發展，環境污染問題受到了越來越多的關注，其對人類帶來的危害得到了廣泛的共識。如何有效降低污染排放、減少其帶來的損失則成了學術界探討的熱點問題。根據《2018年中國生態環境狀況公報》披露顯示，中國338個地級以上城市中高達64.2%的城市環境空氣質量超標，在集中式生活飲用水水源檢測斷面中有10.2%的斷面超標。環境污染問題已經對中國經濟發展和人民生活產生了重要影響。相關研究表明，空氣污染會阻礙中國經濟的高質量發展 [1]，加劇地區間經濟發展的不平等程度，同時影響居民的健康狀況 [2]，也會直接降低居民幸福感 [3]。明確污染排放來源，促進污染減排，對于實現經濟社會可持續發展具有重要意義。當前大多對于環境污染問題的研究集中于生產端，而消費所帶來的污染問題研究較少。但隨著居民生活水平的提高，居民消費需求不斷增加，消費所帶來的污染和排放問題逐漸受到了更多的關注 [4-5]。根據IEA（2016）統計結果顯示，在2014年居民部門的能源消費占到了全球能源消費的23%，來自居民部門的碳排放占到了全球碳排放總量的17%。作為居民部門的活動主體，家庭的消費決策至關重要。家庭作為終端消費者，為滿足其生活需求不僅會進行為了滿足其照明、取暖制冷等需求的直接用能行為，也需要消費其他商品，而這些商品的生產過程中會造成能源的消耗和污染物的排放。家庭使用這些商品時便會導致間接的環境污染，即消費隱含污染排放。在考慮家庭消費中的間接污染排放后，居民部門在污染排放中的作用更加顯著。Liu 等 [6] 發現中國家庭消費的直接和間接碳排放占到了中國總碳排放的40%以上。Liu 和 Wu [7]發現中國家庭消費中的隱含二氧化碳、二氧化硫、氮氧化物、化學需氧量以及氨氮排放分別占到了總排放的42.17%、33.67%、33.11%、28.83% 和 30.38%。隨著中國經濟的發展，居民收入水平不斷提高，家庭會消費更多的商品，從而可能會產生更多污染排放。因此，關注家庭隱含污染排放，分析其演變趨勢，探討影響家庭隱含污染排放的因素，處理好居民消費需求和環境污染排放之間的關系具有重要意義，有助于實現污染減排和經濟社會的可持續發展目標。

家庭收入增加會促進家庭消費，從而導致家庭隱含污染排放增加的結論已經得到了廣泛驗證 [8-9]。值得注意的是，居民收入水平的提高在增加家庭消費的同時，也會進行消費結構的調整 [10]。隨著收入水平的上升，居民對生存型商品購買增加會導致對生存型商品的邊際消費傾向下降，轉而增加對享受型商品的消費。而不同商品具有不同的隱含污染強度，家庭消費結構的變化會導致家庭隱含污染排放的變化。因此，收入增長不僅會產生收入增長對消費的規模效應從而增加家庭隱含污染排放，也會改變家庭消費偏好和消費結構從而影響家庭隱含污染排放。除此之外，家庭人口特征變動和宏觀經濟環境以及環境規制水平都會對居民消費行為產生影響，從而影響家庭隱含污染排放 [11-13]。探討這些因素，特別是收入變動對家庭隱含污染排放的影響，對于了解家庭隱含污染排放變化趨勢，促進家庭隱含污染減排具有重要的現實意義。目前，已有文獻對收入變動在隱含污染排放中的貢獻進行了探討 [11， 14]。例如，Levinson 和 OBrien [14]檢驗了美國家庭環境恩格爾曲線的存在性，量化分析了收入變化對家庭隱含污染排放的影響并將這種影響分解為收入增長的規模效應和消費結構的調整效應。該研究在已有文獻基礎上對中國家庭隱含污染排放問題進行了進一步探討，貢獻如下：①對中國六種家庭隱含污染排放的環境恩格爾曲線的存在性進行了檢驗并對其演變趨勢進行了討論;②實證上采用家庭金融調查數據，計算并分析了中國多種家庭隱含污染排放的特征和演變趨勢，通過全面考慮微觀家庭層面的特征，更為準確和細致地對家庭隱含污染排放問題進行研究;③使用Oaxaca-Blinder分解法對影響家庭隱含污染排放變動的因素進行分析，通過量化收入增長對家庭隱含污染排放的規模效應和消費結構調整效應著重探討了家庭收入變動對家庭隱含污染排放變動的影響。

1 文獻綜述

近年來，對于污染物排放的影響因素研究已經受到了廣泛關注，各種經濟因素對污染物排放的影響被廣泛探討。現有的大量文獻從國家層面和區域層面對經濟增長、收入水平與污染排放之間的關系進行了分析。許多文章對環境庫茲涅茨曲線（EKC）的存在性進行了探討 [15-17]。崔鑫生等 [18]基于1991—2015年間30個經濟體的數據，發現對于不同發展程度國家，倒U型EKC曲線是普遍存在的。而劉華軍等 [19]以中國160個地級市為研究對象，發現霧霾污染與經濟增長間呈現線性遞減關系，不支持倒U型的EKC假設。

隨著家庭消費的不斷增長，越來越多的研究者開始意識到家庭在污染排放中的作用，計算了家庭消費對污染排放的貢獻并分析家庭隱含污染排放的影響因素 [17，12，20-23]。許多文章對家庭商品和服務消費中的隱含污染排放進行了測算，結果證實了家庭消費行為在污染排放和環境保護中具有重要作用 [7，24-25]。例如，一些研究基于投入產出模型和宏觀層面數據對家庭隱含污染排放進行了計算 [7， 26]。曲建升等 [27]基于中國投入產出表和城鄉居民生活消費數據計算了城鄉居民人均生活碳排放。

另一方面，隨著微觀數據調查的成熟完善，越來越多的家庭層面微觀調查數據被用來分析家庭的污染排放問題 [28]。一些研究通過將投入產出表與家庭微觀調查數據相結合，使用“消費者生活方式方法”對家庭的隱含污染排放進行了測算。Bin 和 Dowlatabadi [29]使用“消費者生活方式法（CLA）”估算了美國家庭的隱含能源消費和二氧化碳排放，他們發現絕大多數的能源消費和碳排放都與家庭消費行為有關。Mach等[30] 將混合環境投入產出模型和捷克家庭調查數據相結合，探討了家庭消費對氣候變化、酸雨以及煙霧形成的影響。他們發現家庭消費產生的排放不是均勻分布的。有些研究將生命周期估計方法和家庭微觀調查數據相結合來估算家庭隱含污染排放 [31-32]。

對于家庭層面隱含污染排放的影響因素研究在近些年也越來越受到關注。許多研究探討了家庭特征和個體特征對家庭隱含污染排放的影響。家庭特征因素包括收入水平 [30，33-36]，家庭規模大小 [21， 35]，家庭人口年齡結構 [37]，家庭所處位置 [13，22，38]，社區和建筑物特征 [39- 40]，汽車購買和出行方式 [41];個體特征包括戶主的婚姻狀況 [14]， 性別 [42]，年齡 [43] 以及受教育水平等 [42，44] 被認為會影響家庭的隱含污染排放。在上述影響因素中，家庭收入水平通常被認為是影響家庭隱含污染排放的最重要因素 [8-9]?？芍涫杖胨降母叩头从沉思彝サ馁徺I力水平，更加富裕的家庭有能力購買更多的商品進而會導致更多隱含污染排放 [8， 45]。隨著收入水平的上升，家庭的消費結構也會不斷優化，從而有利于家庭隱含污染排放的降低 [14]。因此，隨著收入水平的上升也會導致收入對隱含污染排放的邊際排放傾向的下降 [46]。然而，家庭收入水平與家庭隱含污染排放之間的關系并沒有得到一致性的結論?；诳鐕蛦螀^域的家庭微觀調查數據的研究表明，收入與家庭隱含污染排放的倒U型曲線關系的存在性存在爭議。在一些研究中收入與家庭隱含污染排放之間的倒U型曲線關系得到了證明。例如，Yang等 [33]發現家庭收入與家庭財富分布是影響環境不平等的重要因素，中國家庭收入水平與家庭隱含碳排放之間存在倒U型曲線關系。然而也有研究否定了收入與家庭隱含污染排放之間的倒U型曲線關系的存在性。例如，Cox 等 [47]基于蘇格蘭280份調查數據發現收入與家庭交通污染排放之間不存在倒U型曲線關系。

與EKC相關的概念是環境恩格爾曲線（EEC），它是由Levinson 和O Brien [14]提出來的。環境恩格爾曲線反映了家庭隱含污染排放，家庭收入水平以及家庭和人口特征之間的關系。該指標優于EKC的地方在于，EKC不能解釋為什么中等收入國家比更富裕國家和更貧困國家的污染排放都更多。另一方面，EEC是結構性的，它代表了保持價格水平不變的情況下，收入增長的影響路徑 [14]。使用環境恩格爾曲線可以將家庭隱含污染排放的變化分解為環境恩格爾曲線上點的移動和環境恩格爾曲線的移動。這兩部分能夠對收入與家庭隱含污染排放之間的倒U型曲線關系進行解釋，并且環境恩格爾曲線上點的移動可以進一步分解為收入變化的規模效應和消費結構變化效應?；谖⒂^調查數據，對EEC的研究目前還較少。Levinson 和 OBrien [14]使用美國1984—2012年間的家庭微觀調查數據對五種家庭隱含污染排放的環境恩格爾曲線的存在性進行了探討。他們驗證了EEC曲線的存在性，發現EEC曲線呈現向上傾斜且呈凹型，這意味著家庭隱含污染排放的增幅小于收入的增幅，消費者消費行為會向清潔產品轉變。基于Oaxaca-Blinder分解方法，他們發現收入水平的變化導致了家庭隱含污染排放的下降。Allan 等 [34] 基于環境投入產出分析和家庭層面的支出數據對溫室氣體的環境恩格爾曲線的存在性進行了驗證。Zhang等 [11]基于中國家庭微觀調查數據，運用Oaxaca-Blinder分解方法對2012—2016年間家庭隱含碳排放變動的原因進行分析。他們發現收入變動和家庭人口特征變動對家庭隱含碳排放變動的貢獻只有25.1%，家庭隱含碳排放的變動主要歸因于跨期生活方式的變化。這篇文章只關注了家庭消費中的隱含碳排放，而沒有對其他隱含污染排放進行探討。另外，這篇文章沒有對技術進步的作用進行探討，不能反映出技術進步在家庭隱含污染排放中的作用。

可以看出，現有基于微觀調查數據的相關文獻大多是關注了家庭收入與家庭隱含污染排放的線性關系或者是EKC曲線的拐點的存在性，很少研究能夠通過量化家庭收入變化對家庭隱含污染排放的影響來解釋EKC曲線的存在性問題。相對于已有文獻， 該研究使用了更具有全國代表性的家庭微觀調查數據來探討家庭收入增長對家庭隱含污染排放的影響。家庭金融調查數據在保證其全國代表性的同時，也具有城市代表性，因此可以提高文章結果的準確性。該文也不只集中關注于單一的家庭隱含污染排放，而是對六種家庭隱含污染排放進行了探討，從而能豐富相關研究，為中國污染治理提供有效的政策建議。因此，作者基于具有全國代表性的家庭微觀調查數據，使用OLS回歸方法和Oaxaca-Blinder分解方法分析了收入增長對六種家庭隱含污染排放的影響。該研究分析了EEC曲線的特征和變化趨勢，量化了收入增長對家庭隱含污染排放的影響，并且將收入變動對家庭隱含污染排放的影響進一步分解為收入增長的規模效應和消費結構變化效應。作者還通過比較不同污染強度下的家庭隱含污染排放分析了技術進步對家庭隱含污染排放的影響。

2 數據與方法

2.1 數據來源

該文基于中國家庭金融調查數據（CHFS）和投入產出數據對中國家庭隱含污染排放問題進行了分析。中國家庭金融調查數據來自西南財經大學中國家庭金融調查中心。為了確保樣本的隨機性和代表性，CHFS調查采用多階段分層抽樣的方式。該調查在2011、2013、2015、2017和2019年進行了五輪調研活動。該數據調查樣本逐年增加，從2011年的8 434戶增加到2015年的37 289戶。2015年的調查樣本覆蓋了除新疆、西藏、香港、澳門和臺灣地區以外的29個省，353個縣和1 373個村莊。它提供有關家庭消費行為、家庭成員的人口特征、家庭屬性（財富、收入等）等信息。這些信息為該研究提供了有力的支持。由于數據的可獲得性，作者使用了前三輪調查，這些問卷反映了2010、2012和2014年家庭的信息。

該文所使用投入產出數據來自世界投入產出數據庫（WIOD） 的中國投入產出表。世界投入產出數據庫涵蓋了28個歐盟國家和15個其他主要國家2000—2014年連續年度的56個行業的投入產出數據。作者基于其中的2010、2012和2014年中國投入產出表來計算中國家庭消費的隱含污染排放。所使用的行業污染排放數據來自2011、2013和2015年《中國環境統計年鑒》，這些年鑒中包括了2010、2012和2014年的兩位數行業的各種污染排放信息。

2.2 家庭隱含污染排放計算方法

該文采用“消費者生活方式法（CLA）”對家庭生活消費中的隱含污染排放進行計算 [29]。“CLA”是由Bin 和 Dowlatabadi提出的，它是用來測算家庭在消費的商品和服務中隱含的污染排放。由于在商品和服務的生產、運輸和使用過程中，都會需要其他行業產品的投入，而這些產品的生產過程本身會產生能源消耗以及對應的污染排放 [7]，因此家庭在消費商品和服務時會導致間接的污染排放。參照現有相關研究 [7， 48]，該文采用《中國環境統計年鑒》中二位數行業的污染排放數據和投入產出模型對家庭隱含污染排放進行測算。這是由于一方面中國未發布更為細致的行業污染排放數據，另一方面《中國環境統計年鑒》中的各行業污染排放不能與各種具體的商品類型進行匹配。雖然誤差在所難免，但是對研究所關心的整體趨勢問題并不會產生根本的影響。

此外，CLA法假設了同類商品具有相同的污染強度。以家電設備為例，家電設備的隱含污染排放是指在生產家電設備的全過程中的污染排放。參考現有文獻中通用的做法，作者假設同類家電設備的污染強度是相同的，并且不受其使用過程中節能水平的影響，節能差異的影響則會體現在家庭電力消費方面。根據中國家庭金融調查數據，家庭隱含污染排放的來源可以劃分為6個大類，共15個小類（表1）。

家庭隱含污染排放的計算方法為各類消費品支出的貨幣量乘以相應的排放強度 [48]。家庭隱含污染排放的計算公式如下：

Pi，j=Tfi×yexp，i，j ?（1）

Pj=∑iPi，j （2）

其中，Tfi 為第i種消費品的污染排放強度， yexp，i，j為第j個家庭對第i種商品的支出（元）。 Pj是第j個家庭的污染總排放。

另外，對于各種消費品在2010、2012和2014年的污染強度的計算是基于世界投入產出表數據和《中國環境統計年鑒》中的行業污染排放數據。由于單區域投入產出表難以對進口產品和本國產品的污染強度進行區分，該文采用非競爭性進口假設，將所有商品看作為本國商品，從而對隱含污染排放進行估計 [49]。計算方法如下：

Tf=f×（I-A） -1 （3）

其中， f 為各行業直接污染排放強度的向量，A 為直接消耗系數矩陣， （I-A） -1為里昂惕夫逆矩陣。

2.3 變量說明

現有研究表明家庭特征屬性和個體特征屬性是影響家庭隱含污染排放的重要因素。家庭特征包括家庭收入水平，家庭人口規模，家庭就業狀況，住房面積，家庭年齡結構，汽車購買以及家庭位置等因素。家庭收入通常被認為是影響家庭隱含污染排放的重要因素 [35]，家庭收入對家庭隱含污染排放具有正向作用，但這種作用通常是非線性的 [14， 37 ]。該文通過在模型中加入收入的平方項來探討家庭收入與家庭隱含污染排放之間的非線性關系。家庭規模，城鄉，家庭年齡結構，住房面積，家庭就業狀況，戶主的婚姻狀況、性別、年齡以及受教育水平的影響也在模型中有所體現（表2）。

2.4 分析框架

基于上述分析，該文為探討家庭收入與隱含污染排放之間的非線性關系構建了以下回歸模型：

Ln（Pollution）=α+β1 income+β2 income 2+PX+ε （4）

其中， Ln（Pollution） 是指家庭隱含污染排放的對數值，income是指家庭可支配收入，income 2是指家庭可支配收入的平方項。X是包含控制變量的向量，包括家庭規模，家庭年齡結構，家庭汽車數量，家庭就業人數，是否位于城鄉，家庭建筑面積，戶主的婚姻狀況、性別、受教育水平、年齡以及地區虛擬變量。為消除價格因素的影響，該文根據各省份的城鄉消費價格指數（CPI）將收入變量調整到2001年價格水平。所有連續變量均在1%和99%水平上進行了異常值處理。

3 演變趨勢和回歸結果

3.1 家庭隱含污染排放的演變趨勢：2010—2014

作者根據家庭可支配收入水平將家庭劃分為50個收入組來呈現家庭隱含污染排放的變化趨勢，具體結果見圖1。此圖呈現了在考慮技術進步的情況下，各收入組家庭平均收入與平均隱含污染排放之間的關系及其變化趨勢。圖1顯示對于各種污染物，曲線是向上傾斜的，這說明隨著收入的增加，家庭隱含污染排放也隨之增加。除粉（煙）塵排放外，在同一收入水平， 2010—2014年各種家庭隱含污染排放呈現下降趨勢，即EEC曲線下移。對于家庭隱含粉（煙）塵排放，EEC曲線則是先下降后上升。從污染物排放的來源來看，家庭隱含廢氣、二氧化硫和粉（煙）塵排放的主要來源都是家庭水電燃氣等消費，在2010—2014年間家庭水電燃氣等消費對這三種家庭隱含污染排放的貢獻占比范圍分別為48.75%～46.53%， 51.58%～43.49%， 43.19%～41.51%。家庭食品消費是家庭隱含廢水、化學需氧量和氨氮排放的最主要來源，在2010—2014年間家庭食品消費對這三種家庭隱含污染排放的貢獻占比范圍分別達到了48.30%～45.99%， 61.77%～59.51%， 54.48%～51.80%。這個結果與Liu等 [7] 是相似的。Liu等 [7]使用投入產出模型估算了2011-2015年間的中國家庭隱含污染排放，發現農業和食品煙草制造業對家庭隱含化學需氧量和氨氮排放的貢獻占比最大且占比超過50%。

進一步的，為了展現技術進步在減少家庭隱含污染排放中的作用，作者對比了圖1和 圖2 。圖 2 是將生產技術保持在2010年水平（即2010年排放強度） 的EEC結果。研究發現在技術固定的情況下，EEC曲線是上移的。這說明技術進步降低了家庭的隱含污染排放，技術進步對于家庭隱含污染排放的減少具有非常重要的作用。另一方面，EEC的向上移動也說明了相對于2010年，同一收入水平下，家庭消費結構的變化增長了隱含污染排放。但這種簡單的圖形方法并不能剝離出其他家庭人口特征變化在其中的作用。

3.2 EEC曲線參數估計

為了更加準確分析家庭收入與家庭隱含污染排放之間的關系，該部分采用OLS回歸方法，從而在控制其他家庭特征變量的情況下來檢驗EEC曲線的存在性，即探討家庭可支配收入與隱含污染物排放之間的倒U型關系的存在性?；貧w結果展現于表3和表4。研究發現，收入對家庭隱含污染物排放具有顯著的正向影響，且其平方項對家庭隱含污染排放有顯著的負面影響。該結果表明，除了2012年的家庭隱含粉（煙）塵排放外，家庭收入與各種家庭隱含污染排放之間的EEC曲線都存在。家庭規模，人口結構，從業人數也會影響家庭隱含污染排放。農村家庭的各種隱含污染排放都要少于城市家庭。私家車數量和住宅面積的增多會導致更多的家庭隱含污染排放。在所有模型中，當家庭隱含污染處于中位數點時，收入彈性均小于1，并且逐年下降，這意味著EEC缺乏彈性。為檢驗結果的穩健性，作者進一步在回歸中控制了城市虛擬變量（表5和表6），結果發現收入與家庭隱含污染排放之間的關系與表3和表4的結果保持一致。由于家庭收入對家庭消費隱含污染排放的影響可能存在一定的內生性問題，比如個人生活觀念等因素，既會通過影響家庭消費而影響隱含污染排放，又會影響收入水平。為了處理該文中可能存在的內生性問題，作者使用同一城市其他家庭的平均可支配收入水平作為家庭收入水平的工具變量。使用更高層級的變量作為低層次變量的工具變量能夠滿足工具變量的外生性和相關性要求 [50]。同一城市家庭的可支配收入水平是高度相關的，整體收入水平高的地區個體收入水平也可能更高，但其他家庭的收入水平相對于家庭是外生的，并不會直接影響家庭的消費行為和相應的污染排放。通過工具變量回歸，作者發現家庭收入對家庭隱含污染排放的影響與表3 和表4的結果基本一致。（篇幅原因，此部分回歸結果未放入正文。）

4 Oaxaca-Blinder分解結果

為進一步明晰各變量變動對家庭隱含污染排放的貢獻大小，參照Levinson和 OBrien[14]，該文采用Oaxaca-Blinder分解方法來在保持其他因素不變的情況下區分每個變量的影響。

注：圖中線段分別為2010、2012和2014年各種家庭隱含污染排放與家庭可支配收入的一次項和二次項的擬合曲線。為保證收入數據可比，歷年收入均調整為2001年價格。將樣本按照當年家庭可支配收入劃分為50個等分，因此每條直線上具有50個點。其中橫軸標尺家庭可支配收入（萬元）指的是平均家庭可支配收入（萬元），縱坐標為平均家庭隱含污染物排放。

Pt=αt Yt+βt Y 2 t+δt Xt （5）

其中，Pt是指家庭平均隱含污染排放， Yt 和 Y 2t分別是指家庭平均可支配收入及其平方項， Xt ?是包含控制變量平均值的向量。由于在普通最小二乘（OLS）回歸的基本假設中，誤差的平均值E （εt） 為零，因此不存在誤差項。

進一步的，2014年與2010年家庭平均隱含污染排放的均值可以用以下公式來表示：

P2014 -P2010 =（α2014Y2014 +β2014 Y 22014+X2014 δ2014）-

（α2010Y2010 +β2010 Y 22010+X2010δ2010） （6）

通過加減 α2010 Y2014+β2010 Y 22014+X2014δ2010項，上述公式可以進一步轉化為：

P2014-P2010=α2010 （Y2014-Y2010）+β2010 （Y 22014 -Y 22010）+（α2014-α2010） Y2014+（β2014-β2010）Y 22014+X2014（δ2014-δ2010 ）+（X2014-X2010）δ2010（7）

其中，前兩項是在保持使用2010年OLS回歸系數的情況下，收入變化對家庭隱含污染排放的影響，這部分等價于2010年EEC曲線上點的移動。第三項和第四項是收入和收入平方項影響系數變化對家庭隱含污染排放的影響，這一部分等價于EEC曲線的移動（或形狀改變）。第五項和第六項為其他控制變量及其影響系數變動所引起的家庭隱含污染排放變動。

其中，在收入和其他家庭人口特征不變的情況下，收入和收入的平方項（第三項和第四項）以及其他控制變量（第五項）的影響系數變化所產生的影響通常被稱為不可解釋部分效應。該效應可能是由消費規模或結構變化引起的，與收入和家庭人口特征無關，它是由宏觀經濟環境或環境政策變化引起的。

EEC曲線上點的移動反映了其他條件不變的情況下貧富家庭潛在偏好的差異，它不受環境政策的影響。這意味著EEC曲線上點的移動可以被用來預測在現有環境政策和其他條件不變的情況下收入增長所帶來的家庭隱含污染排放的變化 [14]。另一方面，EEC曲線的移動反映了社會總偏好和環境政策變化對家庭隱含污染排放的影響。這種變化會影響污染密集型產品的供求關系。

表7的（1）、（2）列分別為各變量在2010年和2014年的平均值。為排除技術進步對家庭隱含污染排放的影響，對六種家庭隱含污染排放的計算采用不變的污染強度，即2010年時的污染強度。第（3）列為各變量在2010—2014年間的變化。結果顯示，在不考慮技術進步的情況下，這六種家庭隱含污染排放都是增加的。家庭可支配收入、家庭規模、汽車數量、戶主年齡、平均受教育水平以及樣本中東部地區家庭占比均增加，其他變量值則減少。

Oaxaca-Blinder分解結果呈現于表8。以下以第（1）列的家庭隱含廢氣排放為例進行分析。該列中的每個數字是由表7中第（3）列的變量均值變化乘以表1中第（1）列的2010年樣本下OLS回歸的對應變量回歸系數得到的。這些值代表了其他條件不變的情況下，某個變量值變化導致的家庭隱含污染排放變化。進一步的，作者將隱含污染排放變化劃分為了三種效應，分別為收入變化引起的家庭隱含污染排放變化、其他變量變化引起的家庭隱含污染排放變化和不能解釋部分。該結果展示在表8的底部。家庭隱含廢氣排放在2010—2014年間增長了1.412萬m 3（見表7第（3）列），其中收入和收入平方項的變化導致了家庭隱含廢氣排放增長0.396萬m 3 （其中0.571萬m 3家庭隱含廢氣排放來自收入變化，-0.175萬m 3米家庭隱含廢氣排放來自收入平方項的變化）。家庭人口特征變量的變動導致了0.730萬m 3家庭隱含廢氣排放增長。其余的0.285萬m 3家庭隱含廢氣排放歸因于EEC曲線移動，也就是宏觀經濟和環境政策等因素變化對家庭消費選擇的影響。

表8的第（2）—（6）列分別為二氧化硫、粉（煙）塵、化學需氧量、氨氮和廢水的隱含污染排放在2010—2014年變化的Oaxaca-Blinder分解結果。結果顯示由于平均家庭收入增長所帶來的規模效應和消費結構變化效應導致了二氧化硫、粉（煙）塵、化學需氧量、氨氮和廢水的隱含污染排放增長，增長量分別為3.659 磅、1.501 磅、1.234 磅、0.051 磅 和 2.746 t。對于所有污染物，收入增長對家庭隱含污染排放的作用都小于家庭人口特征變量變化所引起的隱含污染排放。每種家庭隱含污染排放的未能解釋部分都較大，未能解釋部分分別導致了家庭隱含廢氣、二氧化硫、粉（煙）塵、化學需氧量、氨氮和廢水的隱含污染排放0.285萬m 3、3.917 磅、1.090 磅、2.665 磅、0.129 磅 和4.746 t增長。對于家庭隱含廢氣、二氧化硫和粉（煙）塵排放，家庭人口特征變量變化的作用是最大的，而對于化學需氧量、氨氮和廢水排放變化，EEC曲線移動的作用是最大的。

收入變化帶來的家庭隱含污染排放可以進一步分解為規模效應和消費結構效應。相對于貧困家庭，富裕家庭會產生更多商品消費從而產生更多隱含污染排放，但同時他們消費組合的污染強度可能會更低。這兩者的平衡取決于EEC曲線的形狀。在某種程度上，EEC曲線是缺乏彈性的，消費結構變動效應更強，收入較高的家庭會減少隱含污染排放。隨著EEC曲線越來越凹，這種效果變得更加明顯。

表9將家庭收入增長導致的家庭隱含污染排放增加分解為收入增長的規模效應和收入增長導致的消費結構變化效應。表9中的第（1）列與表3中的第（3）列相同，為不考慮技術進步情況下2010—2014年間6種家庭隱含污染排放的變化。第（2）列為收入增長的規模效應，在2010—2014年間，平均家庭可支配收入增長43%。在不考慮消費結構變動的情況下，家庭隱含污染排放也應該同比例增長。收入增長導致的消費結構變化的效應等于收入總效應與收入規模效應的差值。

以家庭隱含廢氣排放為例，收入增長的規模效應為1.691萬m 3。表9的第四列為第（2）列與第（1）列的差值，代表由其他因素共同解釋的污染減少，這些因素包括2010年EEC曲線點的移動即消費結構變化的效應，家庭人口特征變化的影響以及宏觀經濟環境和EEC曲線隨時間的移動即環境政策等變化的影響。以家庭隱含廢氣排放為例，表9中第（5）列的-1.295萬m 3廢氣等于表9中第（2）列收入規模效應1.691萬m 3廢氣與表8中第（1）列的收入變動對家庭隱含污染排放的影響0.396萬m 3的差值，這反映了收入增長導致的家庭消費結構變化對家庭隱含污染排放的影響。家庭隱含廢氣污染排放的變化總量（1.412萬m 3）等于消費結構變化效應，也就是收入增長導致的消費結構變化效應（-1.295萬m 3）與宏觀經濟因素變動（EEC曲線移動）導致的消費結構變化效應（0.285萬m 3）之和，再加上家庭人口特征變化效應 （0.730萬m 3） 和收入增長的規模效應 （1.691萬m 3）。家庭隱含廢氣、二氧化硫和粉（煙）塵的收入規模效應都要大于家庭隱含污染排放總變化，而家庭隱含廢水、化學需氧量和氨氮的收入規模效應都要小于家庭隱含污染排放總變化，這說明其他變量變化對不同的隱含污染排放具有不同的影響。表9結果也顯示收入增長導致的消費結構變化有利于家庭隱含污染排放減少，但宏觀經濟因素變化導致的消費結構變化會促進家庭隱含污染排放增加。

5 結論與政策意義

家庭消費對于污染排放具有重要的作用，如何促進家庭優化消費結構，減少家庭消費對環境的影響是學術界和決策層一直關注的話題。隨著中國家庭收入水平的提升，中國家庭在消費偏好和消費選擇上出現變化，量化并分解收入增長對家庭隱含污染排放的影響具有重要的現實意義和政策意義。該文以中國家庭金融調查三期數據為樣本，使用OLS回歸方法和Oaxaca-Blinder分解方法，探討了家庭收入水平變動對六種家庭隱含污染排放的影響。主要結論如下：

（1）樣本期內，技術進步是促進家庭隱含污染減排的關鍵因素。在技術不變的情況下EEC曲線會向上移動，這意味著在同等收入水平下，家庭隱含污染排放會增加，而在考慮技術進步的情況下，EEC曲線會向下移動。兩者比較可以說明技術進步在家庭污染減排中的重要作用。

（2）各污染物的EEC曲線存在，并且向上傾斜且為凹型，收入彈性較低。在其他條件不變的情況下，收入增長會由于規模效應導致家庭隱含污染排放增加，但同時收入增長也會促進消費結構優化，更富裕的家庭更可能消費污染強度更低的商品。

（3）宏觀經濟因素變動導致了更多的家庭隱含污染排放，并且家庭人口特征變化也會對家庭隱含污染排放產生影響。

文章的政策意義包括： ①為實現家庭層面的污染減排，需要政府引導居民改變生活方式，優化消費結構，而消費結構的改變主要來自富裕家庭，因此應該特別關注富裕家庭的消費行為;②由于家庭隱含污染排放的下降主要來自技術進步，因此政府需要加大對綠色產品創新和技術改革的扶持力度，促進商品生產過程中的污染強度下降。

值得說明的是，由于所使用的數據限制，文章仍存在一定的缺陷和不足。中國家庭金融調查數據雖然提供了詳細的家庭消費數據，但未能對家庭能源消費類型進行詳細說明。從而，作者不能將家庭電力消費和其他能源消費區分開來，同時也不能計算家庭的直接污染排放。另外，在家庭電力消費中，作者也不能區分出各類家電的節能水平，從而不能探討不同電器對家庭電力消費和隱含污染排放的影響。隨著未來更多更詳細的微觀調查數據的出現，如中國家庭能源消費調查數據（CRECS）等，后續的研究可以進一步對相關問題進行驗證。

參考文獻

[1]陳詩一， 陳登科. 霧霾污染、政府治理與經濟高質量發展[J]. 經濟研究， 2018， 53（2）： 20-34.

[2]祁毓， 盧洪友. 污染、健康與不平等：跨越“環境健康貧困”陷阱[J]. 管理世界， 2015 （9）： 32-51.

[3]ZHENG S， WANG J， SUN C， et al. Air pollution lowers Chinese urbanites expressed happiness on social media[J]. Nature human behaviour， 2019， 3（3）： 237-243.

[4]馮玲， 吝濤， 趙千鈞. 城鎮居民生活能耗與碳排放動態特征分析[J]. 中國人口·資源與環境， 2011， 21（5）： 93-100.

[5]劉晶茹， 王如松， 楊建新. 可持續發展研究新方向：家庭可持續消費研究[J]. 中國人口·資源與環境， 2003， 13（1）： 6-8.

[6]LIU L C， WU G， WANG J N， et al. Chinas carbon emissions from urban and rural households during 1992-2007[J]. Journal of cleaner production， 2011， 19（15）： 1754-1762.

[7]LIU L C， WU G. Relating five bounded environmental problems to Chinas household consumption in 2011-2015[J]. Energy， 2013， 57： 427-433.

[8]GOLLEY J， MENG X. Income inequality and carbon dioxide emissions： the case of Chinese urban households[J]. Energy economics， 2012， 34（6）： 1864-1872.

[9]GILL B， MOELLER S. GHG emissions and the rural-urban divide：a carbon footprint analysis based on the German official income and expenditure survey[J]. Ecological economics， 2018， 145： 160-169.

[10]譚濤， 張燕媛， 唐若迪， 等. 中國農村居民家庭消費結構分析：基于QUAIDS模型的兩階段一致估計[J]. 中國農村經濟， 2014（9）： 17-31， 56.

[11]ZHANG H W， SHI X P， Wang K Y， et al. Intertemporal lifestyle changes and carbon emissions： evidence from a China household survey[J]. Energy economics， 2020， 86： 104655.

[12]杜運偉， 黃濤珍， 康國定. 基于微觀視角的城市家庭碳排放特征及影響因素研究：來自江蘇城市家庭活動的調查數據[J]. 人口與經濟， 2015（2）： 30-39.

[13]米紅， 張田田， 任正委， 等. 城鎮化進程中家庭CO2排放的驅動因素分析[J]. 中國環境科學， 2016， 36（10）： 3183-3192.

[14]LEVINSON A， OBRIEN J. Environmental engel curves： indirect emissions of common air pollutants[J]. The review of economics and statistics， 2019， 101（1）： 121-133.

[15]XU B J， ZHONG R Y， LIU Y F. Comparison of CO2 emissions reduction efficiency of household fuel consumption in China[J]. Sustainability， 2019， 11（4）：979.

[16]王奇， 劉巧玲， 劉勇. 國際貿易對污染—收入關系的影響研究：基于跨國家SO2排放的面板數據分析[J]. 中國人口·資源與環境， 2013， 23（4）： 73-80.

[17]夏勇， 鐘茂初. 經濟發展與環境污染脫鉤理論及EKC假說的關系：兼論中國地級城市的脫鉤劃分[J].中國人口·資源與環境， 2016， 26（10）： 8-16.

[18]崔鑫生， 韓萌， 方志. 動態演進的倒“U”型環境庫茲涅茨曲線[J]. 中國人口·資源與環境， 2019， 29（9）： 74-82.

[19]劉華軍， 裴延峰. 我國霧霾污染的環境庫茲涅茨曲線檢驗[J]. 統計研究， 2017， 34（3）： 45-54.

[20]胡振， 龔薛， 劉華. 家庭消費碳排放影響因素及其變化趨勢分析：以陜西省為例[J]. 生態經濟， 2020，36（5）： 24-30.

[21]胡振， 何晶晶， 李迎峰. 城市家庭居住碳排放的人口邊際效應[J]. 人口與經濟， 2018（6）： 112-124.

[22]胡振， 王玥， 何晶晶， 等. 西部城鎮家庭能源消費及其碳排放的區域特征研究：基于中國家庭追蹤調查的調研數據[J]. 干旱區資源與環境， 2019， 33（4）： 1-8.

[23]李靜， 劉麗雯. 中國家庭消費的能源環境代價[J]. 中國人口·資源與環境， 2017， 27（12）： 31-39.

[24]李治， 李國平， 胡振. 西安市家庭碳排放特征及影響因素實證分析[J]. 資源科學， 2017， 39（7）： 1394-1405.

[25]李治， 李培， 郭菊娥， 等. 城市家庭碳排放影響因素與跨城市差異分析[J]. 中國人口·資源與環境， 2013， 23（10）： 87-94.

[26]NANSAI K， INABA R， KAGAWA S， et al. Identifying common features among household consumption patterns optimized to minimize specific environmental burdens[J]. Journal of cleaner production， 2008， 16（4）： 538-548.

[27]曲建升， 劉莉娜， 曾靜靜， 等. 中國城鄉居民生活碳排放驅動因素分析[J]. 中國人口·資源與環境， 2014， 24（8）： 33-41.

[28]楊選梅， 葛幼松， 曾紅鷹. 基于個體消費行為的家庭碳排放研究[J]. 中國人口·資源與環境， 2010， 20（5）： 35-40.

[29]BIN S， DOWLATABADI H. Consumer lifestyle approach to US energy use and the related CO2 emissions[J]. Energy policy， 2005， 33（2）： 197-208.

[30]MACH R， WEINZETTEL J， ASN M. Environmental impact of consumption by Czech households： hybrid input-output analysis linked to household consumption data[J]. Ecological economics， 2018， 149： 62-73.

[31]HOU J， ZHANG W F， WANG P， et al. Greenhouse gas mitigation of rural household biogas systems in China： a life cycle assessment[J]. Energies， 2017， 10（2）： 239.

[32]SANER D， BERETTA C， JGGI B， et al. Foodprints of households[J]. The international journal of life cycle assessment， 2016， 21（5）： 654-663.

[33]YANG Z， WU S P， CHEUNG H Y. From income and housing wealth inequalities to emissions inequality： carbon emissions of households in China[J]. Journal of housing and the built environment， 2017， 32（2）：231-252.

[34]ALLAN C， SUZI K， CAMPBELL W. Are we turning a brighter shade of green：the relationship between household characteristics and greenhouse gas emissions from consumption in New Zealand[R]. Motu Economic and Public Policy Research.Trust，2015.

[35]QU J S， ZENG J J， LI Y， et al. Household carbon dioxide emissions from peasants and herdsmen in northwestern arid-alpine regions， China[J]. Energy policy， 2013， 57： 133-140.

[36]曲建升， 王琴， 曾靜靜， 等. 中國西北寒旱區農牧民生活碳排放評估[J]. 中國人口·資源與環境， 2012， 22（4）： 90-95.

[37]YANG T R， LIU W L. Inequality of household carbon emissions and its influencing factors： case study of urban China[J]. Habitat international， 2017， 70：61-71.

[38]王莉， 曲建升， 劉莉娜， 等. 1995—2011年我國城鄉居民家庭碳排放的分析與比較[J]. 干旱區資源與環境， 2015， 29（5）： 6-11.

[39]陳莎， 李燚佩， 程利平， 等. 基于LCA的北京市社區碳排放研究[J]. 中國人口·資源與環境， 2013， 23（S2）： 5-9.

[40]朱雪梅， 江海燕， 肖榮波， 等. 廣州居住區碳排放特征及對低碳社區的啟示[J]. 中國人口·資源與環境， 2014， 24（S1）： 19-23.

[41]楊上廣， 王春蘭， 劉淋. 上海家庭出行碳排放基本特征、空間模式及影響因素研究[J]. 中國人口·資源與環境， 2014， 24（6）： 148-153.

[42]XU X K， HAN L Y. Diverse effects of consumer credit on household carbon emissions at quantiles： evidence from urban China[J]. Sustainability， 2017， 9 （9）： 1563.

[43]CHANCEL L. Are younger generations higher carbon emitters than their elders： inequalities， generations and CO2 emissions in France and in the USA[J]. Ecological economics， 2014， 100： 195-207.

[44]XU X K， HAN L Y， LV X. Household carbon inequality in urban China， its sources and determinants[J]. Ecological economics，2016， 128： 77-86.

[45]HAN L Y， XU X K， HAN L. Applying quantile regression and Shapley decomposition to analyzing the determinants of household embedded carbon emissions： evidence from urban China[J]. Journal of cleaner production， 2015， 103： 219-230.

[46]PADILLA E， DURO J A. Explanatory factors of CO2 per capita emission inequality in the European Union[J]. Energy policy， 2013， 62： 1320-1328.

[47]COX A， COLLINS A， WOODS L， et al. A household level environmental Kuznets curve：some recent evidence on transport emissions and income[J]. Economics letters， 2012， 115（2）： 187-189.

[48]WEI Y M， LIU L C， FAN Y， et al. The impact of lifestyle on energy use and CO2 emission： an empirical analysis of Chinas residents[J]. Energy policy， 2007， 35（1）： 247-257.

[49]SU B， ANG B W. Multiplicative decomposition of aggregate carbon intensity change using input-output analysis[J]. Applied energy， 2015， 154：13-20.

[50]張號棟， 尹志超. 金融知識和中國家庭的金融排斥：基于CHFS數據的實證研究[J]. 金融研究， 2016（7）： 80-95.

Environmental Engel Curve of embedded pollution in Chinese household consumption

LI Jun 1 ZHANG Dayong 1 JI Qiang 2 FAN Ying 3

（ 1. Research Institute of Economics and Management， Southwestern University of Finance and Economics， Chengdu Sichuan 611130， China; 2. Institutes of Science and Development， Chinese Academy of Sciences， Beijing 100190， China; 3. School of Economics and Management， Beihang University， Beijing 100191， China）

Abstract Following the rapid growth of household income in China， the role of consumption behavior in environmental impact has received increasing attention in the recent years. Analyzing the trend and evolution of embedded pollution in household consumption and discussing the factors that drive changes in embedded pollution， especially the role of income growth， are of great practical significance for the reduction of demand side pollution and the achievement of green transition in China. Based on the micro data from the China Household Finance Survey， this paper calculated six pollutants embedded in household consumption and analyzed their detailed characteristics and dynamic patterns. We used OLS regressions and the Oaxaca-Blinder decomposition approach to investigate the impact of income on embedded pollutions. The results proved that the Environmental Engel Curve（EEC） existed for all pollutants in China， and all of them had an upward concaved shape. Furthermore， technological progress was shown to be one of the main contributors to the reduction of embedded pollution. With other things being equal， higher income induced more embedded pollution through a scale effect， but at the same time led to a substitution effect， which pushed for structural changes in consumption to reduce pollution. Macroeconomic conditions and environmental policies were shown to be important， and demographic characteristics were also found to have significant impact on household embedded pollution. This research reaches the following policy implications： ① It is necessary to guide and encourage residents to adopt a clean consumption lifestyle. High income families are especially relevant in this regard. ② Government should give further support to green product innovation， technological reforms， and equipment transformation to reduce energy consumption and pollution during production process. Policies combining the demand side and the supply side can enhance effectiveness of reducing household embedded pollution， and thus facilitating green development goals.

Key words Environmental Engel Curve （EEC）; household; embedded pollution; Oaxaca-Blinder decomposition

（責任編輯：劉呈慶）