经济增长与水环境污染的实证研究.docx
- 文档编号:23085243
- 上传时间:2023-04-30
- 格式:DOCX
- 页数:19
- 大小:97.45KB
经济增长与水环境污染的实证研究.docx
《经济增长与水环境污染的实证研究.docx》由会员分享,可在线阅读,更多相关《经济增长与水环境污染的实证研究.docx(19页珍藏版)》请在冰豆网上搜索。
经济增长与水环境污染的实证研究
经济增长与水环境污染的实证研究
——基于广东数据的联立面板估计
摘要:
本文在广东水系2002年至2011年的江河断面水质数据基础上,采用广义可行最小二乘和二阶段最小二乘法对含水环境、能源和经济增长的联立方程组进行面板估计,以研究经济增长和水环境污染之间的双向关系。
研究结果表明:
随着收入增长,现阶段水环境在经历了一个渐缓恶化阶段之后,还有可能加速恶化;受竞争优势和技术外溢的影响,外国直接投资对水环境呈现出正效应,同贸易的负效应相抵,导致对外开放所带来的污染者天堂效应大大减弱;技术效应和规制效应联合起来成为抑制水环境污染的重要力量,领先规制对扭转拐点之前的经济—水环境关系具有很强的作用;水环境质量对总产出呈现出流量要素特征,较高的地区水环境质量没有明显的经济增长优势。
关键词:
水环境污染经济增长环境库兹涅茨曲线能源广东省
中图分类号:
F062.2
EmpiricalStudyonEconomicGrowthandWaterPollution
——SimultaneousEstimationonGuangdongPanelData
Abstract:
BasedontherivercrosssectionwaterqualitydatainGuangdongwatersystemfrom2002-2011,wemakeasimultaneousestimationofpaneldatamodelofwaterpollution,energyandeconomicgrowthbythemethodof2SLS+FGLSandresearchontherelationshipbetweenwaterpollutionandeconomicgrowth.Theconclusionsrevealthatwaterpollutionmaystepintoaccelerateddeteriorationafterslowdown.Foreigndirectinvestmenthaspositiveeffectsonenvironmentalimprovement,whichcancounteractthenegativepartsofinternationaltrade.SoPollutionHeavencausedbyopennessislessimpactive.Combinedtechnologyeffectandregulationeffectplaystheimportantroleincontrolwaterpollution.Antecedentregulationcontrolisessentialtoreshapetherelationshipbetweeneconomicgrowthandwaterpollution.Asaflowfactortooutput,environmentqualitybringslittleadvantagetoregionaleconomicgrowth.
Keywords:
waterpollution,economicgrowth,environmentalKuznetscurve,energy,Guangdongprovince
JEL分类号:
O13,Q53,Q56
一、引言
广东省是水资源大省,然而随着经济增长,水资源环境状况日趋严峻。
2011年广东省水资源公报显示:
在监测评价的7234公里的河流中,全年I—III类河长占总评价河长的比例为74.2%,较上年下降1.8%,而IV-劣V类占总评价河长的比例上升到25.8%。
评价河断面水质的下降,一方面来源于废水排放量的增加,2011年全省废污水排放总量125.3亿吨,比上年增加1.1亿吨;另一方面,跨省入境河流水质普遍较差,北江支流武江湘粤省界、粤西九洲江桂粤省界为Ⅳ类;韩江支流石窟河、松源河闽粤省界则均为劣Ⅴ类。
除了传统的珠三角地区水质情况堪忧之外,粤东、粤西和粤北的水源地区由于江河本身水量小,纳污能力弱,而地区经济发展近年来较快,导致工业废水和生活污水增加,加之偏僻地区生活污水处理覆盖不足,因此在这些原本水质较好的地区,污染问题也趋于严重,甚至从开发利用区扩散到保留区和保护区。
因此,如何协调水环境保护和经济增长之间的关系,已经成为当前广东省亟待解决的一个问题。
二、文献综述
根据环境经济的相关理论,环境污染可能随着经济增长而呈现出上升后下降的倒“U”曲线形态,又称环境库兹涅茨曲线(EnvironmentalKuznetsCurve,简称EKC),这种变化是规模效应、技术效应和结构效应梯次发展的结果(GrossmanandKrueger,1995)。
在经济发展的初期,规模效应表现得最为显著,随后结构效应和技术效应逐渐替代规模效应占据主导地位,最终使“环境—经济”关系向良性方向发展。
然而,环境恶化是否会改善,或者何时改善,并没有让人信服的结论。
第一,从生产者来看,环境成本内部化和国民健康意识提升,迫使企业面临的环境责任和环保压力相应增大,成为三种效应替代的动力(Lanoieaetal,1998)。
然而面对内外部的双重压力,企业是通过提高环境标准来解决问题,还是通过转移生产来规避问题,并不能下定论。
第二,从消费者来看,如果消费者偏好随着经济增长向环境倾斜(Lopezetal,2007),或消费者随着收入提高而厌恶污染,就会带来结构效应和技术效应的变动(SeldenandSong,1995)。
然而在发展中国家的经济实践中,消费者是否会调整其预算约束还要取决于其他因素,例如对未来的预期。
另外,消费者有可能从环境较差的地区转移到较好的地区,这样就不会刺激环境较差的地区产生显著的结构效应和技术效应。
第三,从制度因素来看,政府在多大程度上愿意并且有能力实施环境保护决定了环境质量的变化。
国家性质、权力制度、组织形式等因素可能是影响环境—经济关系的重要因素(Grainger,1995)。
然而,环境政策制定者意图并不一定能在政策执行中充分体现出来,当制定者和遵行者利益发生冲突时,很难保证政策不会被曲解或利用。
因此,严格的环境规制可能代表了环境保护意愿,但未必代表结果。
最后,从国际因素来看,结构效应和技术效应实际上是不同收入阶段国家国际分工和产业转移的结果。
污染会通过国际贸易和国际直接投资从高收入国家转移到低收入国家,因此当发达国家环境质量好转时意味着发展中国家环境质量恶化(CopelandandTaylor,2004)。
大量实证研究对这些机理存在的真实性进行了考察,这些研究选取了不同国家、地区不同时间的数据,既包括截面的,也包括面板的,但研究结论并不非常统一。
首先,就污染转折形态而言,部分研究成果认为:
不是所有国家在所有情况下都能出现转折,转折的出现不仅依赖于所选择的国家和时期,还取决于对污染的选择和衡量方法。
这种结果说明,环境随着经济增长先恶化而后改善并不具备很强的理论必然性,有可能是特定的国家或地区在特定的时间段,因多种原因而表现出来的个体特征(HeandWang,2012)。
其次,就转折点位置而言,迄今为止也没有获得有力的统一结论。
不同类型国家之间拐点不统一,而且同一类型的国家之间拐点也不统一,甚至同一个国家使用不同指标或者不同计量手段也能发现不同的拐点(桂小丹和李慧明,2010)。
控制排放并不代表自然环境就能越过拐点而好转,部分国家或地区因长期污染带来了自然承载力脆弱和不可逆环境变化,减少排放强度或者提高达标要求也只能暂时控制或者减缓污染进程。
不仅经济增长会影响环境质量,环境质量也会影响长期经济增长。
近年来的研究成果表明:
一方面,可以把能源和环境也看作是产出的要素,从而让环境取得类同于物质资本、劳动力的地位,体现出环境变化对经济产生的规模效应、技术效应和结构效应。
另一方面,环境作为最终消费品,其消费者的偏好不但受影响于经济增长,而且可以影响经济增长的方式(包群和彭水军,2006;丁焕峰和李佩仪,2012)。
本文借助这种环境与经济双向影响的思路,研究广东水系环境变化与经济增长的关系。
与以往研究成果不同的是,本文考虑到能源、环境和经济增长之间的密切关系,构建同时包括产出方程、能源消耗方程和污染方程在内的方程组进行估计。
这不但可以更准确地分析环境变化与经济增长之间的相互关联机制,而且还有助于了解能源因素在环境—经济关系中的作用。
文章第二部分构建模型以及对数据来源、度量指标选取进行说明,第三部分对模型进行估计并分析结果,第四部分提出结论及政策涵义。
三、模型构建和指标选取
我们根据能源、环境和经济的相互关系,在包群和彭水军(2006)、丁焕峰和李佩仪(2012)两内生变量模型的基础上,引入能源变量,构建了三内生变量模型。
模型结构关系如图1所示。
图1模型结构关系图
首先,经济增长需要环境要素,污染水平越高,能提供给经济增长的环境空间就越狭窄,最终阻碍经济增长;同时,经济增长也形成负的环境产出,会加重污染水平。
其次,经济增长不仅仅只通过负环境产出影响环境质量,还通过经济结构、技术水平、开放程度和制度建设的变化等因素来影响环境。
第三,经济增长也是能源发展的基础,同时经济增长也需要能源作为必要的要素投入,因此能源发展影响经济增长的速度和可持续性。
第四,对能源产品的使用形成能源消耗,而能源消耗的排放会造成环境污染。
根据该关系结构图,定义方程组如下:
(1)
(2)
(3)
其中,P,E和Y分别代表环境污染,能源消耗和产出水平。
YY’是EKC曲线中Y的多项式向量,XXi(i=1,2,3)代表外生变量向量,a是待估系数变量及向量,为了简洁,省去个体和时间下标。
指标选取简要说明如下:
(1)收入水平。
收入水平Y使用人均GDP来衡量,按照2000年可比价格计算,单位为万元/人。
YY是收入水平Y的多项式向量,可以描述含不超过2个拐点的EKC形态(包括直线、倒“U”、“N”和倒“N”型)。
(2)环境污染和能源消耗。
环境污染P使用水污染集聚和排放的综合指标来衡量。
数据来自广东省环保厅数据中心GIS平台江河水质年报,该数据集中提供了广东省108个水质监测点的断面水质数据。
本文根据水质监测点监测河段所属行政市进行分类并平均评价,得到21市水质情况数据,然后将水质按照标准六级分类,从I类到劣V类分别评分1至6。
综合环境污染指标定义为水质评价分与人均排放量的乘积,混合量纲为分值·t/人。
人均能源消耗E的单位为t标准煤/人。
(3)影响环境污染和能源消耗的其他外生变量。
本文所考虑的外生变量包括如下4类:
1、对外开放程度。
为了考察“污染者天堂”效应,本文采用外贸依存度(进出口贸易总额占GDP的比重)和外资依存度(外国直接投资总额占GDP的比重)来衡量地区开放程度,分别记为xmr和fdir。
2、技术进步。
由于数据的可获得性,本文使用各市规模工业企业经费科技经费内部支出的人均值来衡量一般的技术进步水平,用tech来表示,单位为万元/人,按照2000年可比价格计算。
3、产业结构。
随着广东经济增长,工业的比重呈现出先上升后下降的趋势,而服务业的比重则逐渐上升,同时工业内部各行业结构也在不断变化,这是否会对环境产生显著的结构效应有待研究。
本文用农业和工业分别占地区GDP的比重来衡量结构效应,分别记作:
agri和indu。
4、环境规制。
环境规制不但直接影响消费者偏好和企业成本,而且有可能影响地区技术进步,改变FDI的溢出效应(张中元和赵国庆,2012),这些都会对地区环境产生作用。
本文用1990年起广东省环境标准累计数目来衡量地区环保政策的力度,记作regu,单位为件。
(4)生产要素投入。
包括:
1、人均物质资本存量。
本文在张军等(2004)的研究基础上估计广东省各市资本存量。
基准年份选为2000年,基准年份的全广东省物质资本存量为16084亿元,折旧率定为9.6%。
各市资本存量按照2000年固定资本形成数目来进行比例调整。
根据基期资本存量,折旧率,固定资产投资价格指数和固定资本形成额,使用永续盘存法计算每年的固定资本存量,然后计算人均值k。
2、人力资本存量。
对于人力资本的计算,本文采用常见的人均受教育年限指标,即全部人员受教育年限总和与总人口的比值,指标记作h。
3、技术水平、环境和能源分别为上文所提到的tech,P和E。
以上未单独说明来源的所有其他数据均来自2003-2012年广东省统计年鉴。
四、方程估计与结果分析
(一)估计策略和结果
本文的估计策略分为4步。
第一步,确定模型种类。
首先,考虑到本文数据属于短面板,因此不考虑时间效应,只考虑个体效应。
其次,确定是否应该使用面板模型。
本文对每个方程分别进行个体固定效应和个体随机效应的F检验和LM检验,结果表明拒绝混合回归,需采用面板模型。
第三,确定使用何种面板模型。
比较个体固体效应和个体随机效应的Hausman检验结果表明:
污染方程应该选择固定效应模型,而能源和产出方程应该选择随机效应模型。
第二步,确定扰动项特征,判断模型中单方程扰动项是否存在异方差和自相关,以及方程之间扰动项是否存在相关性。
为了考察单方程内部扰动项特征,首先,本文对模型进行了修正的Wald检验,发现所有方程显著存在组间异方差。
其次,使用Frees的方法进行相关性检验,发现所有方程显著存在组间截面相关。
最后,采用Wooldrigde的方法对是否存在组内自相关进行了检验,对于污染方程而言,F统计不能拒绝“不存在一阶组内自相关的”的原假设,可以被认为无一阶组内自相关,但能源和产出方程的F统计值均拒绝原假设,故认为它们应显著存在一阶组内自相关。
为了考察方程之间扰动项是否存在相关性,本文检验了3个方程使用LSDV法进行面板数据回归后残差的相关性,结果表明扰动项在方程间相关度较低,且方程间残差LSDV回归R值很低(AdjustedR=0.0295),且方程系数联合不显著(F=1.23,未通过10%显著性水平检验),因此可以认为方程间扰动项不存在显著的相关性。
第一、二步的检验结果如表1所示。
表1模型和扰动项性质检验与判断
检验类别
Testcategory
污染方程
Pollutionequation
能源方程
Energyequation
产出方程
Outputequation
模型
种类
F
11.10***
93.59***
53.99***
BreuschLM
124.74***
477.38***
364.47***
Hausman
15.65*
0.54
8.08
判断
个体固定效应面板
个体随机效应面板
个体随机效应面板
扰动项
特征
ModifiedWald
7341.12***
2450.34***
79443.45***
Frees
2.222***
4.081***
3.915***
WooldrigdeF
1.382
23.439***
92.079***
判断
异方差,组间相关,组内不相关
异方差,组间组内相关
异方差,组间组内相关
残差
相关性
污染方程
1.0000
--
--
能源方程
0.1439
1.0000
--
产出方程
-0.3866
-0.3718
1.0000
判断
面板残差间LSDV回归联合不显著,方程间扰动项无相关性
说明:
***、**和*分别代表1%,5%和10%的显著性水平。
第三步,根据上述检验结果,我们确定要估计的环境污染方程扰动项无组内自相关,但存在组间相关和异方差,含个体固定效应;能源和产出方程扰动项既有组内自相关,又有组间相关和异方差,含个体随机效应;但方程之间扰动项没有显著相关性。
因此,我们采取单方程估计法,以避免系统估计所带来的效率损失和偏差。
为了解决内生变量的问题,我们对单方程使用两阶段最小二乘法(2SLS);为了解决异方差和自相关问题,我们使用可行最小广义二乘法(FGLS),并和不考虑异方差和自相关的面板回归(记作Non-FGLS)进行对比,对比结果表明单方程FGLS+2SLS所估计的系数整体上比Non-FGLS具有更好的显著性,而且由于设定了扰动项的具体形式,FGLS+2SLS的估计效率会更高。
方程组估计结果如表2所示。
表2方程组估计结果
解释
变量
Regressor
方程组(Origin)
Simultaneousequations(Origin)
P
Log(E)
Log(Y)
FGLS+2SLS
Non-FGLS
FGLS+2SLS
Non-FGLS
FGLS+2SLS
Non-FGLS
Y
426.382(14.51)***
406.8563
(7.61)***
0.2156766
(16.46)***
0.2652056
(12.63)***
--
--
Y2
-61.25896(-9.2)***
-55.95946
(-6.17)***
--
--
--
--
Y3
3.191599(7.57)***
2.77727
(5.16)***
--
--
--
--
regu
-2.30706(-9.02)***
-2.038888
(-2.20)**
--
--
--
--
indu
5.00195(8.42)***
5.435728
(3.55)***
0.0099587
(7.61)***
0.0205243
(9.37)***
--
--
fdir
-29.29134(-5.03)***
-34.38322
(-1.45)
--
--
--
--
xmr
6.15226
(8.00)***
5.637937
(2.54)**
--
--
--
--
tech
0.067147
(2.54)**
0.0825018
(2.30)**
-9.70e-06
(-0.44)
-0.0002986
(-4.41)***
--
--
Log(k)
--
--
--
--
0.3426203
(13.18)***
0.1140482
(2.80)***
Log(h)
--
--
--
--
2.021346
(12.57)***
2.400726
(7.95)***
Log(P)
--
--
--
--
0.2070919
(6.77)***
0.1255495
(2.07)**
Log(E)
-420.2439
(-7.98)***
-440.4143
(-5.26)***
--
--
0.2054211
(3.16)***
0.6268693
(5.55)***
联合
显著
111690.43
***
175.11
***
368.48
***
571.50
***
4104.19
***
4193.52
***
说明:
对于FGLS+2SLS,括号内为估计系数的z统计值,对于Non-FGLS,括号内为估计系数的t统计值。
方程系数联合显著性检验使用Wald卡方统计量。
***、**和*分别代表1%,5%和10%的显著性水平。
第四步,控制部分外生变量,检查污染方程的稳健性,结果如表3所示。
表3水环境污染方程稳健性检验
解释
变量
Regressor
P
EQ1
EQ2
EQ3
EQ4
EQ5
EQ6
Y
518.36181
(22.31)***
423.14522
(13.57)***
485.89061
(18.16)***
456.23601
(20.18)***
517.67134
(12.96)***
438.41987
(19.36)***
Y2
-71.843548
(-20.90)***
-56.062155
(-9.53)***
-67.324866
(-17.44)***
-63.295771
(-20.31)***
-73.593336
(-17.45)***
-60.794672
(-19.30)***
Y3
3.7826506
(17.50)***
2.9059119
(7.99)***
3.5657217
(14.63)***
3.3307915
(17.75)***
3.8560018
(17.67)***
3.2101996
(16.04)***
regu
-5.075895
(-12.11)***
-3.5184977
(-12.67)***
-5.1311474
(-12.98)***
-3.9663365
(-9.65)***
-4.892266
(-9.24)***
-3.9327152
(-9.57)***
Log(E)
-294.20775
(-10.93)***
-334.31491
(-12.31)***
-247.19123
(-8.44)***
-287.3076
(-11.83)***
-280.47646
(-4.72)***
-265.38699
(-9.77)***
indu
--
3.8697058
(7.98)***
--
--
--
--
fdir
--
--
16.571337
(1.86)*
--
--
8.755364
(1.28)
xmr
--
--
--
7.7534558
(4.29)***
--
7.5765639
(4.09)***
tech
--
--
--
0.03310894
(2.16)**
--
联合显著
10806.52
***
77541.03
***
16407.09
***
27374.56
***
23900.86
***
29136.06
***
说明:
本表控制部分变量后对污染方程进行估计,分别记作EQ1—EQ6。
统一采用FGLS+2SLS方法,括号内为估计系数的z统计值,方程系数联合显著性检验使用Wald卡方统计量。
***、**和*分别代表1%,5%和10%的显著性水平。
(二)结果讨论
根据本文研究目的,我们把注意力放在对如下3个问题的讨论上:
(1)经济增长对水环境污染的影响;
(2)其他变量对水环境污染的影响;(3)水环境对经济增长的反作用。
1经济增长对水环境污染的影响
第一,本文的估计结果表明:
就广东水系环境污染而言,并没有显示和经济增长之间的倒“U”型曲线关系,而表现为污染随着经济增长不断增加,而且这种单调关系不随控制变量的选择变化而变化,具有很高的稳健性(如表3所示)。
这说明:
随着经济增长,广东水系环境还将持续恶化。
按照广东省2011年人均GDP计算,在不考虑其它变量作用的情况下,人均收入每增加1万元,水体若要保持水质不变,则人均废水排放约要减少5%(或者提高达标废水的排放率),否则水质将持续恶化。
这种恶化也可以出现在废水排放量得到控制甚至减少的情况下。
其原因在于,对水环境的伤害不仅仅来源于可以统计的工业和生活废水排放,还来源于:
(1)因大气污染和固体废弃物间
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 经济 增长 水环境 污染 实证 研究