沙之洲

摘 要：环境问题是当今中国的焦点之一，然而环境污染治理投资对经济增长的影响如何各方意见不一。本文通过建立面板门槛模型对此进行定量分析：自变量为就业人口数、资本形成总额、环境污染治理投资额以及市场化指数，因变量为各省GDP。其中市场化指数用以表示各省市场经济发展程度的差异。研究发现，环境污染治理投资与GDP之间存在单一门槛，门槛值为138.31亿元;不同省份环境污染治理投资对经济增长的影响存在异质性，将门槛值与2016年各省环境污染治理投资进行比较发现，共有8省投资额超过了门槛值，主要分布在东部、中部，而西部、东北5个样本省份均没有超过门槛值。

关键词：面板门槛模型;异质性;市场化指数

中图分类号：F224;F205;F124 文献标识码：A 文章编号：1671-2064（2019）15-0011-02

0 前言

习近平总书记在党的十九大上首次将污染防治作为我国当前三大攻坚战之一。进入中國特色社会主义新时代，人民日益增长的美好生活需要体现在方方面面，特别是对环境质量有更高的要求。而导致环境污染的重要原因之一，在于长期“唯GDP”的导向下大量资源、要素的无序投入。

理解环境污染、环境治理与经济增长的关系，是实现保护资源环境与经济增长双重发展的起点。首先，经济发展离不开资源的投入，根据索洛增长模型，GDP的增长取决于劳动、资本和技术，而资源的投入最终会形成资本从而对GDP产生正向的推动作用。但资源投入的不断扩张会使得环境承载能力急剧下降，导致环境和生态的破坏。其次环境污染会拖累经济增长。根据边际递减效应假说，随着环境的破坏和资源的枯竭，利用环境和资源进行生产活动的效率不断降低。同时环境恶化会对健康产生不利的影响，影响劳动力的效率以及转化为人力资本的效率，对GDP的增长产生反向作用。最后，地方政府财政收入有限，如果在环境治理方面投入比重过大，在民生方面的投入相应减少，会产生一种福利的挤出效应，部分抵消环境优化对社会的好处。

本文从环境治理投入对经济增长的异质性入手，在我国东中西和东北部选取有代表性的13个省份①，选取市场化指数这一关键解释变量，将环境治理投入作为门槛变量，分析环境治理投入对经济增长的门槛影响。

1 研究过程

1.1 文献综述

关于环境治理投入与经济增长的关系，已有诸多文献进行论述。邢有为等（2018）认为环境治理投入与经济增长之间存在参数异质性，具有显著的门槛效应，环境治理投入对省际经济增长的影响分为前期影响不显著、后期促进两个阶段。王立新等（2017）认为环境库兹列茨曲线客观存在，但不同城市不同污染物到达临界点时间并不一致。熊艳（2011）认为环境规制与经济增长之间并非线性的关系，而是正U型关系。张林姣（2015）认为在全国范围内环境规制对经济增长的影响为负，在东部地区影响最小，中部地区次之，西部地区最大，即环境规制抑制经济增长，且受区域差异的影响。曹悦等（2018）认为东部地区的环境规制强度对经济增长有显著的正效应，中、西部地区的环境规制强度短期内会抑制经济增长，而中部地区在滞后一期时对经济增长表现为正效应。胡冰等（2018）发现我国经济增速伴随环境投入的增加呈下降趋势，且环境投入与碳排放之间存在倒U型关系。孙英杰（2018）认为环境规制与经济增长质量呈现倒U型关系，目前环境规制强度处于拐点左侧，适当地增加环境规制有助于提升我国经济增长质量。

综上看，学者把焦点集中于环境库兹涅茨曲线，围绕环境库兹涅茨曲线展开讨论环境治理投入、环境规制与经济增长的关系。本文立足于环境治理投入的门槛效应，引入市场化指数这一衡量市场化程度的指标，分析环境治理投入对于经济增长的异质性影响。

1.2 模型的建立与分析

1.2.1 面板门槛模型的建立

（1）模型设定与数据来源。在经济增长理论的经典研究中，资本、劳动力是不容忽视的重要因素。此外经济发育程度不同可能导致环境污染治理投资的效果存在差异，因此本文选取市场化指数作为衡量市场经济发育程度的指标，模型如下：

lnGDPit=β1lnenvironmentitI（lnenvironment≤λ）

+β2lnenvironmentitI（lnenvironment>λ）

+β3lnemploymentit+β4lnmarketit+β5lncapitalit

其中λ为门槛值。lnGDPit、lnenvironmentit、lnemploymentit、lnmarketit、lncaptialit分别表示第t年i省GDP、环境污染治理投资值、就业人数、市场化指数、资本形成总额的对数。环境污染治理投资为各省环境污染投资占GDP的比重与对应GDP的乘积，数据来自《中国环境统计年鉴》与各省统计年鉴。就业人数为各省统计年鉴中一二三产业就业人数之和，市场化指数来源于王小鲁、樊纲《中国分省份市场化指数报告》。市场化指数用来定量分析市场化进程对于生产率提高和经济增长的贡献，由五个方面的指数组成，每个指数分别反映市场化的一个特定方面，五方面分别是政府与市场的关系、非国有经济的发展、产品市场的发育程度、要素市场的发育程度、市场中介组织发育和法律制度环境。资本形成总额数据来源于国家统计局。

（2）模型检验。模型检验主要考察两个方面，一是门槛效应是否存在，二是若门槛效应存在，参数是否显著。首先检验门槛效应是否存在。原假设是回归后所的参数β1和β2相等，不存在门槛效应，备择假设是存在门槛效应。本文使用Booststrap来获得近似值，次数为500次。

其次检验门槛估计值是否显著。在检验门槛估计值是否等于真实值的过程中，Hansen在其1999年的论文中介绍了通过似然比检验进行判断的方法。构建似然比检验统计量LR1=，其中s1（），δ1（）分别为在原假设下参数估计所得的残差平方和，残差方差。Hansen证明如果原假设成立，样本量趋近于无穷时，LR1会无限趋近于ξ。进而由ξ密度函数的反函数可以得到临界值C（α）和拒绝域，其中α为显著性水平。当LR1>C（α）时，则接受门槛值不显著的备择假设。

1.2.2 面板門槛模型回归结果

为避免伪回归，首先采用LLC、ADF-Fisher方法进行平稳性检验。检验结果显示各变量均平稳。其中lngdp、lncapital通过平稳性检验的置信水平较低，采用ADF-Fisher方法进一步验证。结果显示Lngdp、lncapital序列均通过了平稳性检验。

判断模型属于固定效应模型还是随机效应模型是准确建立模型的前提。固定效应模型和随机效应模型的差异主要体现在对个体效应的处理方式不同，个体效应是指不随时间改变的因素，如国家社会的制度、个人的习惯等，本例中的异质性也属于个体效应的范畴。个体效应反映在固定效应模型中，表现为不同个体的截距项不同，而随机效应模型假设所有个体截距项相同，但不同个体随机干扰项存在差异。为准确判断到底是固定效应模型还是随机效应模型，本文采取Hausman检验的方式。其思路是，如果假定βi与其它解释变量不相关，那么通过OLS估计固定效应和GLS估计随机效应所得到的结果都是无偏、一致的，差别仅在于前者不具有有效性，而后者具有有效性。但是如果原假设不成立，那么固定效应模型的参数估计仍然一致，但随机效应的参数估计就会出现明显差别。

Hausman检验的p值为0.0006，因此拒绝原假设，采用固定效应模型。

最后对环境污染治理投资进行门槛检验，结果如表1、图1所示。单一门槛的P值为0.02，而双门槛检验、三门槛检验的P值分别为0.706、0.742，因此在5%的显著性水平下拒绝不存在单一门槛的原假设，接受不存在双门槛、三门槛的原假设，即只存在单一门槛。

其次对分析门槛参数显著性。选择95%的置信区间，结果显示门槛值为4.9295，对应区间下限为4.8565，上限为4.9451。由于在预处理时对所有数据进行了取对数处理，还原得到环境污染治理投资的门槛值为138.31亿元。

将门槛值与2016年各省环境污染治理投资数据发现，在13个样本省份中，东部、中部省份基本已经迈过门槛进入了第二阶段，但东北三省以及西部省份仍然在门槛一下，还有很大的发展空间。

2 结语

本文通过使用面板数据建立定量模型对经济增长、环境污染、污染治理之间的关系进行定量描述。通过使用13个省份的数据研究发现，环境污染治理投资对于经济增长的作用存在单一门槛，门槛值为138.31亿元，将门槛值与2016年各省环境污染治理投资相比较，13个省份中共有8省超过了门槛值，主要是东部、中部省份，但分布在西部、东北的5省仍在门槛线以下，有很大的发展空间。

注释

①13个省份分别是北京、天津、河北、河南、吉林、辽宁、浙江、福建、广东、湖北、甘肃、青海、四川。

参考文献

[1] 邢有为，姜旭朝，黎晓峰.环境治理投入对经济增长的异质性影响研究——基于城市化的视角[J].自然资源学报，2018（4）：576-587.

[2] 王立新，刘松柏.经济增长、城镇化与环境污染——基于空间联立方程的经验分析[J].南方经济，2017，36（10）：126-140.

[3] 熊艳.基于省际数据的环境规制与经济增长关系[J].中国人口·资源与环境，2011，21（5）：126-131.

[4] 张林姣.新常态下环境规制对经济增长的影响——基于2009—2013年省际面板数据[J].科技与管理， 2015，17（5）：100-104.

[5] 曹悦，鲍月.环境规制的经济增长效应分析——基于省级面板模型的实证[J].现代商贸工业，2018，39（04）：11-13.

[6] 胡冰，王晓芳.我国环境投入、经济增长与碳排放的关系探究——基于省际门槛面板模型[J].财经论丛，2018（05）：3-11.

[7] 孙英杰，林春.试论环境规制与中国经济增长质量提升——基于环境库兹涅茨倒U型曲线[J].上海经济研究，2018（03）：84-94.

[8] HANSEN B E.Threshold effects in non-dynamic panels： Estimation，testing and inference[J]. Journal of Economics，1999，22（2）：345-368.