■张宇青 易中懿 周应恒

一、问题提出

改革开放以来，我国经济的快速发展很大程度上依赖于工业特别是重工业的带动作用，这种产业结构的过度偏倚造成了经济体对石油、煤炭等能源的强大需求。根据有关资料显示，从21世纪初到2011年末，我国煤炭消耗量为30多亿吨，占世界总消耗量的一半以上。尽管自20世纪90年代初我国就实行了“环境保护”的基本国策，但随着城镇化、工业化进程的加剧，汽车尾气排放和工业废气大量增加，我国大中型城市的空气质量形势愈来愈严峻。2013年初，我国首次评估城市空气质量管理绩效，评估结果显示:空气质量好的城市个数仅占10.67%，差的城市占75.80%，极差的城市高达13.52%。空气质量问题越来越严重已经被世人所认知。最新的亚洲开发银行 （Asian Development Bank，ADB）报告称:2012年全球空气污染最严重的10大城市中，我国太原、北京、乌鲁木齐、兰州、重庆、济南、石家庄等6个城市名列其中。因此，从科学的数理角度探究城市经济增长与大气污染之间的关系，分析大气污染物排放的城市差异，对于调整我国区域产业结构和实现经济发展与环境保护的协调具有现实意义。

对于包括大气污染在内的环境污染与经济增长关系，国外研究始于20世纪90年代。Grossman G，Krueger A B.对北美自由贸易区分析恩威烟尘与悬浮物等污染均与人均收入呈现出明显的倒U关系[1]。由于这种倒U关系类似于描述经济增长与基尼系数关系的Kuznets曲线，故在后续的研究中被命名为环境Kuznets曲线(EKC)。

目前我国对于大气污染与经济增长之间关系的直接计量研究成果比较少，大多数研究成果是将大气污染当作环境污染的一部分单列指标进行计量，如朱平辉将环境污染指标分解为废水、废水中化学需氧量、废弃排放量、二氧化硫、烟尘、粉尘、固定废物排放量等指标，用空间面板数据模型验证库兹涅茨曲线在我国的有效性[2];彭水军将空气质量作为“污染集中度”指标的一部分，并采用静态面板广义最小二乘法(GLS)估计得出产业结构调整、技术进步、环境保护等外生控制变量能够对库兹涅茨曲线形状产生显著影响[3];黄菁从系统角度考虑，认为能源消费、环境污染与经济增长之间的关系互为因果、相互依赖，故使用联立方程模型进行二阶段最小二乘法估计 (2SLS)验证了三种污染物都存在环境库兹涅茨曲线（EKC）效应，但转折点各不相同[4]。

进行大气污染与经济增长关系直接计量研究有:周曙东使用江苏13个行业、时序为12年的面板数据进行计量，发现EKC假设在两者之间的关系并不明显[5]；周国富选取了1990—2005年烟尘排放量、二氧化硫排放量和工业粉尘排放量为分析指标，采用单位根和协整检验验证了我国煤炭消费与经济增长以及二氧化硫和工业粉尘的排放量之间存在着长期协整关系[6];陈建强采用时间序列模型，验证了新疆环境EKC曲线的存在。[7]目前从大气角度考虑污染与经济增长关系的研究文献并不多，并且主要集中在单个地区或利用全国整体的时间序列数据，基于大中城市层面的大气污染差异很少。对于大气污染而言，燃煤、交通和扬尘是造成空气污染的主要原因，而这些行为现象主要产生于高度工业化的城市而非农村，以往研究中使用省际数据在考虑城乡污染差异上有所欠缺，导致了模型估计有偏。本文使用2008—2011年间全国30个主要城市的静态与动态面板数据对大气污染与经济增长之间的关系，进行实证检验，主要目的有三个:一是检验大气污染EKC曲线在我国主要城市中成立与否;二是体现经济增长与大气污染关系在城市间的差异;三是使用动态面板估计表达大气污染的动态变化特征。

二、估计模型与数据来源

（一）估计模型

根据以往学者的研究结论，本文采取的面板估计模型为:

APit是第i个城市在第t年的大气污染指标;yit是第i个城市第t年国民生产总值对数值;ci是第i个地区的截面效应;Vi是非观测截面个体效应;εit是随机扰动项。在进行(1)线性计量的基础上，根据拟合优度、序列相关情况可变更为模型(2)计量，以体现U型或N型关系。

静态面板是指不考虑被解释指标滞后项影响的面板回归模型，在面板单位根检验方法有5种:LLC检验、IPS检验、Breintung检验、ADF-Fisher检验和PP-Fisher检验，前两种是相同根情况下的单位根检验方法，后三种是不同单位根情况下的检验方法。如果存在变量不存在单位根，需要进行对数或差分方法形成新的平稳序列。在面板数据分析中需要进行固定效应和随机效应检验，以确定分析样本是否具有外推性质，然后采用F值对具体回归形式进行选择。

对于大气污染指标，因为有害气体和物质从被排放进入大气中形成一定的浓度，到通过自然的光合作用及其他吸收机制被完全吸收消除需要一定的时间，所以上一期的空气污染情况可能会对本期空气质量产生影响，而动态面板考虑到了因变量滞后对自身会带来影响，本文设定的形式是:

(3)中引入了大气污染指标的滞后变量作为解释变量，其中p是动态面板滞后期，rk是滞后k期的自变量回归系数，其他变量同(1)。Arellano和Bond(1991)对(3)进行差分处理，主要目的是克服截面个体效应带来的遗漏偏差，为:

（二）指标获取及统计描述

国际标准化组织(ISO)将大气污染定义为人类活动或自然过程引起某些物质进入大气，呈现出足够的浓度，危害了人体的舒适、健康和福利或环境污染的现象。本文基于数据可获得性、指标代表性和样本容量需求等多个角度，选取了“可吸入颗粒物含量 (毫克立方米)”、“二氧化硫含量 (毫克立方米)”、“二氧化氮含量(毫克立方米)”、“空气质量达到及好于二级的天数”作为城市大气污染指标。数据样本为2008—2011年我国30个主要城市，数据来源于国家统计局网站;经济增长指标采用gdp对数序列表示，数据来源于各城市统计年鉴。在很多研究文献中，采用人均GDP作为经济增长指标，本文认为这缺乏合理性，因为经济增长中耗费能源数量和废物排放量是总产出决定的，不同地区中人口数量的差异和“人口-劳动力”的区别使得这样的指标选择并不能够完成问题的无偏估计。大气污染指标为可吸入颗粒物含量(Inhp)、二氧化硫含量(SO2)、二氧化氮含量(NO2)，一年中空气质量高于二级的天数，经济增长指标为 lngdp。

根据计算，2008—2011年我国30个主要城市的三项大气污染指标均呈现下降趋势，每立方米可吸入颗粒物含量从2008年的0.097毫克降低到0.091毫克，每立方米SO2含量从2008年的0.049毫克降低到0.040毫克，每立方米NO2含量从2008年的0.049毫克降低到0.040毫克，说明随着“节能减排”和“空气污染治理”各项措施的扎实推进，我国主要城市的空气污染情况有所好转。空气质量达到及好于二级的天数也从2008年的318.839天增加到2011年的327.903天。东中西城市的大气均值指标，只有NO2指标东部城市高于中西部城市，而可吸入颗粒物含量均是中部城市最高，本文所界定的东部城市为:北京、天津、石家庄、沈阳、长春、哈尔滨、上海、南京、杭州、福州与广州，中部城市包含太原、合肥、南昌、郑州、武汉、长沙，剩余的各省会城市与直辖市为西部城市。

三、静态与动态面板的实证估计

（一）静态面板估计结果

1.模型估计

以大气污染指标所包含的四类指标为因变量，代入模型 (1)。首先，需要进行固定效应随机效应检验，以Inhp为被解释变量的方程为例，使用EVIEWS6.0软件进行随机效应估计后的huasman检验，得到卡方统计值为9.412，显著性P值为0.0243，在5%的显著性水平下拒绝随机效应原假设，故接受Fix effects备选假设。同理计算得到以SO2、NO2、N为被解释变量的海斯曼检验系数分别为:24.165(p=0.0000）、12.358(0.0002)、6.88(p=0.0087)，所有模型均接受固定效应假设。其次，对模型形式进行确定，在计算变系数、变截距和不变系数模型的残差平方和根据(2)进行判定，结果均确定为变系数模型，并且因为需要克服面板数据的异方差和序列相关现象，对于截面个数大于时序的模型需要进行截面加权估计(cross-section weights，CSW)。回归结果表明在模型(1)表达的线性面板回归中各地区的经济增长指标均对大气污染指标有显著正向影响，各城市的lngdp系数在1%水平上的t检验值通过检验，方程的可决系数达到了0.963、0.985、0.977，极大似然比也非常显著。

表 1 为模型(2)的（lngdp）2回归系数 β2，根据 β1、β2的系数正负值，有以下几种关系:(1)如果β1＜0且β2=0，则大气污染随着经济增长递减，(2)如果β1＞0且β2=0，则大气污染随着经济增长递增，(3)如果β1＞0，β2＜0，环境污染和经济增长之间存在倒“U”型关系;如果β1＜0，β2＞0，环境污染和经济增长之间存在“U”型关系。

在可吸入颗粒物含量上，北京、石家庄、太原、沈阳、哈尔滨、上海、杭州、合肥、武汉、长沙、广州、重庆、成都、拉萨、乌鲁木齐等15个城市的β2系数显著为负，说明这些城市的Inhp与lngdp指标间的EKC曲线关系显著存在，经济增长在初期会导致可吸入颗粒物含量的增加，一旦经济增长水平到达一个临界点，Inhp会下降。而南宁的β2在5%水平上显著为0.02，故该城市为U型EKC曲线，剩余的14个城市不存在环境库兹涅茨效应。

在二氧化硫含量上，天津、太原、上海、南京、福州、武汉、长沙、广州、南宁、重庆、成都、贵阳、昆明、西安、兰州、银川、乌鲁木齐等17个城市的β2系数显著为负，它们的SO2与lngdp之间存在EKC曲线，而沈阳和拉萨的β2显著为正，为U型EKC曲线关系，剩余的11个城市仅存在线性关系。

在二氧化氮含量上，呼和浩特、沈阳、哈尔滨、上海、南京、福州、郑州、广州、海口、重庆、成都、西安、兰州、乌鲁木齐等14个城市存在显著的倒U型EKC曲线，而北京、石家庄、杭州、贵阳等4个城市为正U型EKC曲线，其他12个城市间的NO2与lngdp间仅存在显著的线性关系。

根据上文分析，我国主要城市的大气污染与经济增长之间的关系不仅在不同污染指标间也在不同地区间存在很大差异，经济增长对大气污染的三个指标有显著正向促进作用，但在EKC曲线形式上表现各异，既有倒U型，也有正U型，虽然后者数量较少，但如在可吸入颗粒物含量上的南宁、二氧化硫含量上的沈阳、二氧化氮上的北京、石家庄、杭州，它们的EKC表现为正U型，且目前经济增长已经超过U型拐点，意味着经济发展过程中会面临越来越严重的大气污染问题。所以对待存在正U型Kuznets曲线的城市而言，未来经济增长过程中的城市大气质量问题会面临更加严峻的挑战，这是值得各级政府密切关注的。

2.存在Kuznets效应的城市状态判定

表1得出了在模型(2)中的3个方程中有50%左右的城市存在Kuznets效应，那么根据lngdp＊=-β1/2β2可以得到ECK曲线的转折点，在使用2011年lngdp数值对不同城市在模型中的发展状态进行判定。

表1 Kuznets 效应是否存在判定结果

表2 各城市大气污染与经济增长关系EKC 曲线状态判定

表2中1-3列是可吸入颗粒物与经济增长的U型关系，除北京外，其他15个城市2011年的lngdp对数值均超过了Kuznets拐点，所以未来这些城市(除南宁）随着经济水平的提高将会有更多的资源投放于节能减排，使大气中的Inhp含量下降。而南宁的Inhp指标与lngdp是正U型曲线，所以lngdp超过转折点意味着Inhp随着经济增长而增加，故其应密切监测未来几年中的Inhp指标，防止空气质量恶化;4-6列是二氧化硫与经济增长的EKC曲线转折点与状态，19个城市均处于SO2与lngdp的EKC曲线的右端，所以除沈阳外这些城市的经济增长将会使大气SO2含量下降，而沈阳和拉萨为正U型曲线，其应当密切关注经济增长中的SO2含量变动情况;7-9列显示北京、石家庄、杭州、贵阳的NO2与lngdp的关系为正U型曲线，且目前均处于ECK曲线右端(上涨状态)，郑州和乌鲁木齐的NO2与lngdp关系为倒U型，且处于U型左端，预计在未来几年时间内通过EKC曲线顶点，呼和浩特、沈阳等11个城市已经处于倒U曲线的右端，即经济增长带来二氧化氮含量的下降。

在三大大气污染指标上，根据计算出的临界值，存在EKC曲线的城市绝大多数都已经处于U型拐点的右端，个别仍处于拐点左边的城市也即将翻越转折点，所以对这些城市而言，经济增长带来大气污染会逐渐降低，这是因为城市经济社会发展使人们的环保意识和生活品质追求动机提高，也会将更多物质、技术、人力资源用于环保事业。

（二）动态面板GMM估计

动态面板一般采取GMM矩估计方法，引入被解释变量的滞后1期作为解释变量，矩估计又可以分为系统估计(sys-gmm）和差分估计(dif-gmm），在stata11.0软件中分别采用xtabond和xtdpdys命令进行回归，并且需要为新增的滞后因变量为解释变量进行过度识别的sargan检验。

1.以可吸入颗粒物含量Inhpt为被解释变量。根据系统和差分两种方法的一步、二步估计，发现系统GMM的二步估计得出的结果最优秀，sargan值P系数为0.1382，说明新增内生变量有效，Wald统计量也很显著，在1%概率水平下拒绝不显著的原假设。说明我国主要城市的当期Inhpt受到上期数值的影响，上期的可吸入颗粒物含量每增加一个百分点，本期的Inhpt指标增速将提高0.39个百分点，差分方程体现了一种弹性概念。

表3 GMM估计结果

2.以二氧化硫含量SO2为被解释变量。从估计结果看，差分GMM的一步估计效果最好，且过度识别检验值为2.825，概率水平大于0.1，故不存在过度识别特征。我国主要城市的lngdp序列每增加1个百分点，将会使SO2的增加量降低0.006个百分点，而SO2的滞后1期也对本期的SO2有显著影响，上期SO2，t-1每增加1个百分点，将会带来本期SO20.665个百分点的增加。

3.以二氧化氮含量NO2为被解释变量。与上述结论类似，对于NO2与lngdp之间的动态面板关系仍然是差分GMM估计最佳，所有估计系数均在5%显著性水平下通过假设检验，上期二氧化硫含量每增加1个百分点，使本期NO2含量增加.6065个百分点，而lngdp每增加1个百分点会带来-.00519百分点的NO2增量下降。Sargan统计量的概率P值大于0.1，且Wald统计量在5%显著性水平下通过有方程稳定性的假设。

四、全文总结与建议

根据我国31个主要城市的大气污染指标与国民生产总值的面板数据，本文考察了可吸入颗粒物含量、二氧化硫含量、二氧化氮含量与经济增长之间的静态和动态关系，为了验证EKC曲线在不同城市间的存在与否、形状差异，采取了线性关系模型和固定效应变系数模型来描述不同城市大气污染与经济增长的关系，主要得出了以下结论与建议:

（一）高度关注经济增长过程中的大气污染问题

根据计量结论，所有大中城市的经济增长都导致了大气污染的快速上升，这一点是毋庸置疑的。所以各级地方政府需要在“经济增长—环境保护”间寻求一个合理的平衡点，摒弃传统粗放型的不惜牺牲环境代价单纯追求经济发展的非科学发展模式，在新建工厂、招商引资、承接转移项目初期要做好相应评价工作，将环境影响纳入整体评价范畴并赋予较高的权重与临界值，对于偏离环保要求的一切项目予以取缔。同时应当将各重点企业减排和大气治理的落实工作与企业订单、业绩落实、政策支持严密挂钩，对于节能型企业予以较大额度的补贴和税收减免。在法律层面需要强化政府责任，完善有关总量控制、排污许可、机动车管理、公众参与等重要法律制度和措施，明确法律责任。

（二）优化布局、调整结构，实现环保资源的最优分配

环保作为一项公共行为，和其他经济商品一样需要一定的资源付出。本文结论显示三项大气污染指标上，经济增长对其产生的作用存在很大差异。所以本文有以下建议:一是根据EKC曲线的存在与否和所处状态制定具体的环保战略，如可吸入颗粒物含量与经济增长为倒U关系且处于EKC曲线右端的城市（表2第1列中除北京、南宁外），政府可以适当降低对可吸入颗粒物治理的投入，因为随着经济增长，个人与企业已经在认知水平和环保能力上得到提高，这样就可以将节省下来的各项资源运用于其他方面的大气治理上，如沈阳虽然未来单位产出带来的颗粒物浓度和二氧化硫浓度下降，但却处在正U型二氧化硫与lngdp的EKC曲线的右端，这意味着未来二氧化硫浓度随着经济发展将进一步提高，所以沈阳等城市需要加大对火电、煤化工、燃煤行业脱硫技术的升级，并积极探索新能源技术，实现替代绿色能源占总能源结构的逐步提高;二是北京、石家庄、杭州、贵阳处于正U型经济增长与二氧化氮EKC曲线的右端，乌鲁木齐与郑州处于倒U曲线的左端，还未翻过临界点，所以这些城市最关键的问题是解决主要由机动车尾气排放、电力供应量、能源消费增加带来的NO2浓度上升问题，加大推行电厂脱硝、机动车氮氧化物减排工作。[8][9]

总而言之，各城市需要根据自身在三种EKC曲线上所处的位置，适当降低随着经济增长和环保意识增强带来浓度降低的相应大气污染种类上的投入，而将主要环保力量集中于处于正U型EKC曲线右端和倒U型EKC曲线左端的大气污染种类上，有的放矢，抓住本地区大气污染治理的重点任务。

（三）滞后影响的显著性迫切要求构建大气治理的长效机制

根据动态面板的差分系统GMM估计，发现我国主要城市的三大污染指标的滞后一期数值均对本期量存在显著的正向影响，所以解决城市大气污染问题是一个长期的过程，不能时断时续，应建立制度化、日常化的环保体系，通过大气污染的“自消耗机制”和降低新增污染，才能够快速、持续地降低大气污染程度，提高大气质量，切忌在某些时刻“三天打鱼两天晒网”，导致在后续时段花费更多投入弥补不科学的经济发展行为带来的损失。具体措施包括:一是要对大气污染控制政策进行完善，有计划分阶段实施环保规划，可以借鉴国外如东京的政策实施，努力由事后治理变为提前预防，先从防公害和“经济与环境”兼顾出发，逐渐形成“环境保护”、“可持续发展优先”的社会发展模式;二是需要加强城市绿化水平建设，努力提升植物对大气污染的“自消耗”水平，通过立法形式明确城市内任意一点周围辐射距离250米内必须存在绿化植物，违者重处;三是建立“政府-企业-公民”三维环保体系，在每周或半个月时间内定期召开大气质量审议会，将社会各界组织与个人聚集到一起就城市绿化状况进行讨论并制定具体实施措施，实现环保的高频化和动态化。

[1]Grossman G，Krueger A B.Environmental impact of a North American free trade agreement，NBER Working Paper，1991.

[2]朱平辉，袁加军，曾五一.中国工业环境库兹涅茨曲线分析——基于空间面板模型的经验研究[J].中国工业经济，2010，（6）.

[3]彭水军，包群.经济增长与环境污染——环境库兹涅茨曲线假说的中国检验[J].财经问题研究，2006，（8）.

[4]黄菁.环境污染与城市经济增长——基于联立方程的实证分析[J].财贸研究，2010，（5）.

[5]周曙东，张家峰，葛继红，王传星.经济增长与大气污染排放关系研究——基于江苏省行业面板数据[J].江苏社会科学，2010，（4）.

[6]周国富，杨加宁.煤炭消费、经济增长与废气排放：基于中国的实证研究[J].统计教育，2008，（11）.

[7]陈建强，帕塔木·巴拉提摘.新疆经济增长与大气质量的计量关系研究[J].新疆社科论坛，2009，（4）.

[8]刘颖.我国环境污染责任保险发展问题研究[J].经济纵横，2012，（2）.

[9]苗泽华，等.工业企业环境污染与实施生态工程的激励机制构建[J].企业经济，2012，（12）.