我国经济增长与环境污染、碳税关系的空间计量分析，本文主要内容关键词为：经济增长论文,环境污染论文,关系论文,我国论文,空间论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
1978年改革开放以后，我国的经济发展取得了突飞猛进的增长，到2010年，GDP增长了93.2倍，人均GDP也由379元上升到25733元，但是环境污染情况不容小觑，特别是大量温室气体的排放。根据国家统计局公布的数据，1990～2006年世界平均二氧化碳排放年均增长率为1.7％，中等收入国家为2％，中国为5.1％，并且在2005年世界二氧化碳排放量人均为4.1吨，中国人均则为5.0吨。而且，由于我国在入世之前一直都是粗放式的经济增长方式，环境污染日益严重，特别在进入21世纪后，这种经济增长方式受到了经济全球化、国际产业转移的强烈冲击，经济与环境的协调发展已经成为我国面临的主要问题。
1 研究背景与文献回顾
经济增长与环境之间的关系一直是经济学家争论的焦点。经济增长究竟是导致环境质量下降，还是会改善环境质量，资源的约束到底是限制还是促进了经济增长，对于这些问题的争论促使经济学家进行了大量的实证研究。
Kuznets(1955)[1]提出“倒U型”的库茨涅茨曲线，当经济发展水平较低时，环境污染的程度也较轻，但是随着人均收入的增加将会导致环境的恶化，环境恶化程度随经济的增长而加剧，不过当经济发展超越某一临界点后，人均收入的进一步增加反而会有助于降低环境污染。Meadows(1972)[2]提出增长的极限，认为地球可利用资源是有限的，经济增长在有限的资源下不可能长期持续，因此为了保护环境实现可持续发展，必须人为地降低经济发展速度。Panayotou(1995)[3]提出污染与收入的驼峰型EKC曲线。1987年世界环境与发展委员会(WCED)[4]正式提出了“可持续发展”的概念，是“既满足当代人的需求又不危及后代人满足其需求的发展”。Neha(2007)[5]从全要素的角度研究了环境库茨涅茨曲线，发现单靠经济增长与技术进步是不能保证环境污染会下降的，利用人们对环境质量的需求，在经济增长时刺激消费者对环境保护费用的支出，从消费者的偏好结构来获取持久的、较高的环境质量。
张晓(1999)[6]通过对我国时间序列数据进行检验，结果发现经济发展与环境污染水平的关系已呈现出较弱的倒U型关系。陆虹(2000)[7]通过分析大气污染的特征，发现全国人均二氧化碳排放量随收入而上升。陈祖海(2004)[8]应用系统动力学方法分析经济与环境二者之间的生态系统负反馈机制、经济系统正反馈机制，以及二者之间动态反馈机制，指出人类历史发展中经济与环境之间的演化过程可分为3个阶段：封闭生态环境的原始演化阶段；资源枯竭、环境污染、生态破坏近代演化阶段；人口、经济、社会、环境协调发展的现代演化阶段。陈华文(2004)[9]针对EKC假说进行了系统的分析。指出对于多数指标而言，经济增长初期会造成环境质量恶化，但到达一个转折点后，经济增长又会引致环境污染状况的改善，不同的环境质量指标对应于不同的转折点，不过最终经济增长将会改善环境质量，对环境破坏问题的解决还需依靠经济增长本身，但这一过程不会自动发生，而要通过政策响应来实现。包群等(2005)[10]对1996～2002年我国面板数据进行考察，结果认为倒U型曲线很大程度上取决于污染指标以及估计方法的选取。刘燕等(2006)[11]研究结果表明中国的经济增长同环境污染之间并不存在简单的倒U型曲线关系，中国的经济增长与工业废水之间表现为一种倒N型曲线关系，与工业废气之间表现为N型曲线关系，而只有与工业固体废物之间表现一种倒U型曲线关系。王立平等(2010)[12]在 EKC假设的基础上引入空间相关因素，认为我国基本满足EKC假设，并且环境污染存在显著空间自相关。吕健(2011)[13]通过空间计量分析方法研究经济增长与环境污染之间的关系。
不难发现自从Kuznets提出EKC曲线后，国内外关于环境与经济增长关系的研究，尤其是实证研究，大多是围绕EKC假设展开的，主要是讨论经济增长和环境衰退之间是否存在倒U型关系。特别是国内，众多学者利用不同省份的数据进行各种实证检验。但是对经济增长和环境污染的空间计量分析则比较少，特别是把经济增长、环境污染与碳税结合在一起，则相关文献就更少。本文就主要从这个角度出发，以空间计量为主要方法，研究经济增长与环境污染、经济增长与碳税、环境污染与碳税三者之间的关系。
2 研究方法、模型与数据来源
近年来，空间计量分析技术[14]已经被广泛地应用于分析研究对象的空间位置和相互作用，认为不同区域之间的数据与时间序列存在相对应的空间相关。本文将采用空间自相关和空间常系数回归模型这两种最为常用的空间分析方法。
2.1 空间自相关
Moran(1950)[15]提出的空间自相关指数Moran' s I，该指数是检验区域变量是否存在空间自相关性的常用方法。
其中，Y为因变量；ρ为空间回归系数；W为n×n阶的空间权重矩阵(n为地区数)；X为k个外生变量观测值的n×k阶的外生解释变量矩阵；β为k×1阶回归系数向量；ε为随机误差项向量。
2.3 空间误差模型(SEM)
空间误差模型的数学表达式为：
其中，ε为随机误差向量，λ为n×1阶的截面因变量向量的空间误差系数，μ为正态分布的随机误差向量。参数λ反映了相邻地区的观察值 Y对本地区观察值Y的影响方向和程度；参数β反映了自变量X对因变量Y的影响。
2.4 数据来源与模型设定
2.4.1 经济增长
能源消费与经济增长受到诸多因素影响，因此指标选取时主要考虑到影响经济增长因素。由于各省、市、自治区经济发展的不均衡，用人均地区生产总值(RJGDP)反映区域经济增长水平，单位：元/人。
2.4.2 碳税
这是一个虚构变量，碳税在我国尚未征收，目前已经开征碳税的国家主要是设定税率，再根据排放量征收碳税，因此，我们用历年二氧化碳的排放量作为衡量碳税的指标，用以测定假如征收碳税的话会对经济增长产生什么影响，碳税的计算公式为：
碳税(TAX)=二氧化碳排放量(P)×税率(t)
二氧化碳的产生主要来源于化石燃料的燃烧，而统计数据中的标准煤是一个能量单位，没有含碳量数据，也不能计算标准煤的二氧化碳排放因子，因此我们选择含碳量较高的无烟煤作为估算基础，以纯度较高的90％的含碳量进行计算，结合能源转换效率，对各省、市、自治区的二氧化碳排放量进行估算，计算公式为：
二氧化碳排放量(P)=能源消耗量(EC)×90％×能源加工转换效率(EEC)×44/12
2.4.3 环境污染指标
根据国家统计年鉴公布的数据，在能源消费总量中，工业占据了很大部分，从2002年至今一直保持在70％左右，特别是对煤炭、原油、天然气和电力这4种能源消耗量非常大。2002年以来，煤炭消耗总量中工业占据了90.9％以上，原油消耗总量中工业占据了99.2％以上，天然气消耗总量中工业占据了73.3％以上，电力消耗总量中工业占据了72.2％以上。因此环境污染主要选取工业“三废”进行衡量，废水(WW)，单位：万吨；废气(WG)，单位：亿标准立方米；废渣(WS)，单位：万吨。
2.4.4 数据来源
我国对于低碳经济的发展起步较晚，而且目前统计数据只能获取到2009年，因此在指标选取时主要采用了2001年和2009年间的数据，为了进行比较，原始数据均来自于《中国统计年鉴》和《能源统计年鉴》。
2.4.5 模型设定
基于双对数模型，可建立经济增长的SLM模型：
其中，c为常数项，ρ为空间回归系数，λ为空间误差系数，W为空间权重矩阵，β为回归系数，ε为随机误差项，μ为正态分布的随机误差项。
3 空间自相关检验
3.1 经济增长的空间自相关检验
通过表1计算结果，我们可以明显看出，Moran' s I的在5％的水平上显著性非常强，而且，Z值也都大于1.96，说明我国各省份的经济增长存在着较强的空间自相关，呈现着空间集聚的态势。
从图1的经济增长的全局Moran' s I图我们可以看出，大部分省市的分布在H-H区域和L-L区域，具有正相关关系。具体来说，在H-H区域主要在东部区域，包括了北京、天津、上海、江苏、河北、山东、吉林、辽宁、内蒙古。除内蒙古外，余下省市基本上都属于我国经济较发达地区，因我们采用人均GDP作为衡量经济发展的指标，不太高的内蒙古GDP与较少的人数，使得其人均GDP比较高，呈现出较高的显著性。同时也说明，我国东部和沿海地区经济发展速度较快，区域的经济辐射性较强，对周边经济正向推动作用较大。
图1 2001～2009年我国各省、市、自治区经济增长的全局Moran's I图
在L-L区域主要在中西部区域，包括了青海、甘肃、四川、重庆、云南、贵州、广西、陕西，而且几年来基本上变化不大，可能会给周边省市经济增长带来负作用。并且通过二次趋势面诊断也显示出，回归系数绝大多数为正数，表明从地理空间的角度，经济增长上是从西向东上升，从南向北上升。这一点我们通过经济增长的LISA图(见图2)可以很直观地看到。
3.2 环境污染、碳税的空间自相关检验
以经济增长与环境污染指标为变量，计算双变量的Moran's I值(见表2)并绘制双变量的LISA图(此处仅提供2009年的显著水平图)。通过计算我们可以明显发现所有的Moran's I值均为正数，说明经济增长与废水、废气、废渣、碳税在空间上存在着正相关关系，且Moran's I值均有所缓慢上升，相关性在逐渐增强。观察历年的双变量LISA图，我们可以发现，经济增长与废水、废气、废渣、碳税的4种图中，处于H-H象限的包括辽宁、河北、上海、山东、河南、安徽、江苏，处于L-L象限的主要包括青海、甘肃、云南、贵州。这些省域恰恰是我国工业高速发展与缓慢发展的区域，显示出省域之间的确存在着空间的相关性。
4 普通OLS回归模型检验
对2001～2009年的样本数据进行普通OLS回归分析，从表3可知，历年的拟合优度都不高，回归结果不太理想，但是，F统计值2001年通过了5％显著水平检验，其余各年模型的线性关系均在99％的置信度下是显著成立的。从回归系数来看，经济增长与碳税、废气存在着正相关关系，与废渣存在负相关关系，且基本都通过显著性检验，但与废水的关系却未通过检验。具体来看，随着我国的入世，经济发展日益加快，从2001～2009年，我国GDP增长了1.11倍，能源消费增长了1.04倍，高能耗行业已经成为推动我国经济的主要动力。从短期来看，实施改进技术、更新设备等节能减排措施还需要一段时间，能源消耗必会与经济增长同方向变化，而且废气的二氧化碳、二氧化硫主要是化石能源燃烧所产生，所以说，碳税、废气与经济增长间存在正相关关系，与实际情况基本相符。废水与废渣同经济增长存在负相关关系，这与我国近年来的不断治理水污染、垃圾污染有着必然联系，说明废渣与废水的过度排放未必还能带来较高的经济收益。进一步观察空间相关性检验结果，我们可以看出，LM-lag与Robust LM lag的统计值基本上都通过了1％的显著性水平检验，而LM-Error仅有3年通过了10％的显著性水平检验，所以我们可以得出结论，普通OLS回归法遗漏了空间自相关的因素，从而使得普通OLS回归模型不够恰当，也可以看出各省市之间的经济增长肯定是有关系的。
5 空间模型实证检验与分析
对数据进行空间滞后模型检验与空间误差模型的检验，根据表4检验结果，从拟合优度来看，历年的SLM模型和SEM模型都优于普通OLS模型，但是由于空间计量模型采用的是极大似然估计法(ML)，基于残差平方和的分解拟合优度检验的意义不大，因此，下面对空间面板数据进行滞后检验与误差检验，根据两个Lagrange乘数滞后和误差及Robust的检验结果来判定选择SLM或 SEM模型进行空间计量分析。
SEM模型与SLM模型中，每年的Log likelihood较普通OLS回归都是上升的，同时AIC和SC值都出现了下降，说明在SLM模型中新增的空间误差变量后拟合度在下降，而新增空间滞后变量改进了拟合度。而且从Moran' s I值进一步观测模型残差与预测残差，也发现SLM模型比SEM模型结果更为显著，因此下面我们主要从SLM模型的角度进行分析。
从表5的比较分析我们可以发现，变量的回归系数与实际预期基本一致，只有在废水这个变量的结果一直不显著，具体观察可以发现，这个变量在普通OLS回归下，统计结果也不是非常显著。进一步分析发现，当剔除碳税和废气变量后，废水变量和废渣变量都是高度显著，这说明当加入碳税与废气变量后，二者对经济增长的影响较废水和废渣更加明显，是影响经济增长的重要内容，因此更加体现出了在未来经济发展过程中节能减排的重要性。
碳税对经济增长的影响程度较普通OLS结果都有所下降，这说明忽略空间相关性的考虑，会夸大碳税对经济增长的影响。我们还需要注意的是，碳税对经济增长的影响显著性是在逐渐增强的。具体来看，发展低碳经济已经是必然趋势，特别是2011年的德班气候大会，同意《京都议定书》第二承诺期在2013年生效，我国也向国际社会发出了积极信号，碳税对经济增长的影响必然日益增强。
废气对经济增长的影响程度较普通OLS结果都有所下降，而且在剔除碳税变量后，SLM中的系数有所上升，说明征收碳税对废气的排放产生了重要影响。同时，我们还可以发现，SLM模型中的废气回归系数在2003年后呈现的是微弱的下降趋势，而且显著性还非常高，这与我国粗放式、高能耗的经济增长方式有关，在未来的经济发展中，一定要不断加强碳税的征收，抑制废气的排放。
6 结论与启示
6.1 省域经济增长之间存在空间相关性
基于我国31个省、市、自治区的面板数据，利用空间数据分析技术对经济增长与环境污染、碳税之间的关系进行了分析，发现经济增长与碳税、废气、废渣间存在着显著的全局自相关和局部自相关。在显著水平图中多数省市位于H-H和L-L区域，其中H-H区域主要是我国的东部和沿海地区，低值区域主要是我国的中西部地区，这一结果与我国实际情况一致。高值区域省市对周边区域经济正向辐射作用较大，而低值区域则作用较小，所以这种空间的集聚必然要引起我们的重视，推动省市之间的经济往来，扩大正向的带动作用。因此，有必要考虑产业结构的空间布局均衡化问题，把一些合适的工业企业转移至西部地区，带动西部地区的经济发展，同时，要加强节能与使用低耗能能源工作，减少因工业企业转移所带来的污染加重问题。
6.2 征收碳税对治理环境污染作用重大
从前面的分析我们可以看出经济增长与碳税存在着显著的相关性，而且征收碳税后废气的相关系数呈现了下降趋势，说明碳税对减排与经济增长作用重大。具体来看碳税对经济增长的影响程度有缓慢上升趋势，表明碳税的贡献度上升缓慢，同时废气对经济增长的影响程度在逐渐下降，说明减少能源消耗、减少废气排放对经济增长有较大的贡献空间。特别是对H-H区域的省市，在制定发展规划与产业结构调整政策时，必须要考虑高能耗行业的贡献度问题，不能只看短期利益，而且不仅要关注产业结构升级与减少能源消耗，更要关注各省份之间的协调发展。
6.3 经济增长已经摆脱对废水、废渣行业的依赖
我国尚未征收碳税，这里的碳税是个虚拟变量，而且废水在3种模型里的结果都不够显著，说明征收碳税后，废水对经济增长的贡献度还不能够准确测定，因此对于废水排放较多的工业企业暂时还不能扼制其发展，要以减少排放、治理污水为当前主要任务。同时，我们还可以注意到无论是普通的OLS模型，还是SLM模型，都显示出经济增长与废水、废渣是反向变化关系，而且系数的绝对值呈现的是上升趋势，排放废水、废渣越多只会导致经济增长下降得更快。因此，在未来经济发展中，必须要减少废水、废渣的工业项目，加大废水、废渣的治理力度，推进绿色工业进程。
6.4 废气污染不容忽视
从普通的OLS模型、SLM模型和SEM模型，不难发现废气变量的回归系数均为正数，而且如若剔除碳税变量后，这个系数值会更大。也就是说，废气排放企业对经济增长的贡献度在逐渐加大，经济增长对废气排放企业的依赖性日益增长。这个现象我们不容忽视。但是，当加入碳税变量后，废气变量的回归系数均有所下降，说明征收碳税对废气排放是有抑制作用的，同时，碳税的回归系数均为正数，也表明碳税虽然抑制了废气排放，但是并未对经济增长带来不利影响，反而促进经济增长。我国在入世后各个省市的工业化进程日益加快，这就要求我们在大量发展废气污染型企业的同时，必须促进经济增长的转型，摆脱对工业企业的依赖，同时征收碳税，抑制废气排放，走可持续发展的绿色工业道路。
标签：回归系数论文; 自相关论文; 经济模型论文; 经济增长论文; 环境经济论文; 经济论文; 空间分析论文; 工业废气论文; 经济学论文; 环境保护论文;