周 峰

（安徽财经大学金融学院，安徽 蚌埠 233030）

1 引言

我国过去数十年的经济增长创造了“中国奇迹”，同时也付出了巨大的环境代价。2014年底中央经济工作会议明确指出当前我国环境承载能力已经达到或接近上限。安徽省作为我国中东部的重要省份，在1990—2013年间，人均GDP由1182元增长到31684元。然而伴随经济快速增长的是环境条件的逐年恶化。同期，工业固体废物产生量由2552万吨/年增长到11936.74万吨/年，工业废气排放量由2328.1亿立方米/年增长到28335.43亿立方米/年。此外，近二十年来安徽省平均霾天气日数逐年攀升。据中国气象局统计，2014年平均霾天数达到76天，部分城市更是达到200天以上。环境污染与经济发展形影不离，并且在经济增速较快的时期，污染也较为严重。在经济新常态的背景下，安徽省作为全国推进新型城镇化建设的首个试点省份，其经济发展模式对其他地区起着示范性的作用。因此研究安徽省经济增长率与环境污染之间的关系，不但可以为安徽省自身适应新常态、谋求“绿色发展”提供建议，而且对其他地区的发展也有一定的积极作用。

2 文献综述

环境污染早已成为掣肘全球经济增长的重要问题，为此，国内外学者对经济增长与环境污染之间关系进行了大量研究。

Grossman et al.（1991） 提出了库兹涅茨曲线（EKC）假说。其认为环境污染与经济增长之间存在一个“倒U”型的关系，即在经济增长的初始阶段随着经济增长，环境污染会逐渐加剧，经济发展到一定程度以后，环境污染会随经济的增长而减少[1]。学者们对该假说进行了大量的扩展性研究 ， 如 Grossman et al.（1994）[2]、Selden et al.（1994）[3]、Stern（1998）[4]、Cole（2004）[5]等 。 其 中Akbostanc（2009）对土耳其的经济增长与环境污染之间关系进行研究的结果并不支持EKC假说[6]。此外EKC假说还存在两方面不足：一是忽略了宏观时间序列数据多是非平稳的，而非平稳的数据可能会导致“伪回归”问题的出现[7]；二是EKC模型只能检验经济增长引起环境污染的单向关系，而不能检验环境污染对经济增长的反作用[8]。

国内有关地区经济增长与环境污染关系的研究也取得了较好的成果。较早的研究诸如彭水军，包群等（2006）基于我国六类环境污染指标的时间序列数据研究了环境污染与经济增长之间的长期均衡关系和短期作用机制，结果显示中国的环境污染与经济发展之间并不符合EKC的一般规律；同时还发现，在我国人均GDP是导致环境污染的重要原因，而环境污染不是导致人均GDP变化的原因[9]。张成等（2011）对EKC曲线的“同质”假设提出了质疑，并基于我国省际面板数据检验了经济增长与环境污染之间关系的地区差异，得出地区不同以及环境污染指标选取的差异均会导致经济增长与环境污染之间关系的表现形态发生变化的结论[10]。较新的研究诸如张学刚（2015）运用分位数回归方法较好的研究了长三角地区经济增长与废水排放之间的关系，长三角地区的废水排放与经济增长之间存在正的相关性，并且EKC曲线不成立，产业结构、城市化进程以及技术等因素对废水排放的作用受到分位点选择的影响[11]。宋马林等（2013）通过面板平滑转换回归模型研究发现，不同的环境污染指标与经济增长之间的关系表现出不同的形态，并且对于不同收入水平的地区，其经济增长与环境污染之间的弹性特征存在差异[12]。段显明等（2012）应用VAR模型实证分析了浙江省经济增长与环境污染之间的关系，得出经济增长是引起环境污染的重要原因，环境污染对经济增长也存在反作用力[13]。

由上述有关文献可知，虽然EKC假说得到了广泛应用和研究，但它并不具有普遍适用性，受地区差异和指标选取的影响较大。鉴于我国各地区之间收入等差异较大，因此本文对特定的安徽省作为研究对象。另考虑到VAR模型可以规避“伪回归”问题，并且相对于上述文献使用的结构性研究方法，可以更好的反映环境污染与经济增长的相互作用机制。因此本文在前人的研究基础上，首次基于安徽省的数据建立了VAR模型，对安徽省经济增长与环境污染之间的动态作用机制进行研究，并给出相应的政策建议。

3 方法描述以及数据说明

3.1 VAR 模型简述

鉴于传统的结构性方程模型以经济理论为基础来描述变量之间的关系，但是无法很好的解释宏观经济变量之间的动态联系。Sims（1980）提出了一种非结构性模型——向量自回归模型（VAR）[14]。VAR模型认为经济变量之间的相互关系反映在历史数据中，它采取数据驱动的方式来建立模型，把系统中每一内生变量作为系统中所有内生变量的滞后值的函数。并通过脉冲响应函数和预测误差方差分解来分析变量间的动态作用机制。VAR（p）模型的一般形式可以表示为：

其中yt是 M×1被内生变量，xt是 K×1外生解释变量

Al是系数 M×M 矩阵（其中 l=1，2，…，p），Q是M×K的系数矩阵。et表示独立同分布的高斯白噪声过程，即

3.2 指标选择与数据处理

鉴于数据的可得性，文章选取安徽省1990-2013年的居民人均GDP作为经济增长指标，并将其转化为以1978年不变价格计量以剔除通货膨胀影响。环境污染方面，考虑到我国作为世界的制造业工厂，工业是推动我国经济发展的主要动力之一，因此选取工业固体废物产生量（FG）、工业废气排放量（FQ）以及工业废水排放量（FS）作为环境污染指标比较合适。为了消除数据的异方差性，将以上四个变量进行对数化处理，处理后的时间序列分别用LGDP、LFG、LFQ以及LFS表示。以上数据均来自《中国经济与社会发展统计数据库》。

4 实证分析

4.1 单位根检验

由于非平稳的时间序列数据无法直接用来建立无约束VAR模型，同时为避免变量时间序列存在单位根引发“伪回归”问题，我们对上述四个变量的时间序列进行平稳性检验。文章采用ADF单位根检验方法，检验之前我们根据各变量的时间序列图来确定选择何种检验形式。检验结果如表1所示：

表1 单位根检验结果

由表1可知，人均GDP、工业固体废物产生量、工业废气排放量以及工业废水排放量均为非平稳时间序列，各变量的一阶差分序列均平稳，对数差分表示各变量的增长率。

4.2 VAR模型的建立以及稳定性检验

为研究经济增长与各污染指标之间的动态作用机制，文章拟建立三组双变量VAR模型。根据上节平稳性检验结果可知，各变量均为I（1）过程，符合协整检验的条件。通过协整检验发现，各组变量之间不存在协整关系。因此本文根据上述四变量的一阶差分值建立无约束VAR模型，分别是 VAR1（DLGDP 与 DLFQ）、VAR2（DLGDP 与LFG）、VAR3（DLGDP 与 DLFS）。 其中将各变量的当期值作为被解释变量，变量的各阶滞后值作为解释变量。然后根据LR、AIC和SC信息准则，兼顾自由度和扰动项的自相关性，选择合适的滞后阶数。根据检验，VAR1模型我们选择2阶滞后，VAR2模型我们选择1阶滞后，VAR3模型我们选择1阶滞后。在模型建立以后，为了验证所建立的模型的稳健性，我们采用AR根图方法。三个模型的检验结果如下组图所示：

图1 模型单位根检验图

由图1可知，所有根模的倒数均小于1，表明所建立的模型是稳健的，在此基础上可以进行脉冲响应分析和方差分解分析。

4.3 脉冲响应分析

脉冲响应分析了当系统某一变量受到一个标准差新息的随机冲击，对其本身以及其余变量的当期值和未来值的影响，进而分析系统中变量之间的动态作用过程。我们分别对DGDP、DLQ、DLSOL、DLW施加一个标准差的冲击，分析其对其他变量的影响，结果如下图所示：

图2 脉冲响应分析图

由图2可知，给工业废气排放量增长率施加一个标准差新息的正向冲击，人均GDP增长率逐渐增加，并在第三期达到最大 （响应值为0.007），随后逐渐下降，并在第五期收敛于0；给工业固体废物产生量的增长率施加正向冲击，人均GDP增长率几乎不作出响应；给工业废水排放量增长率施加正向冲击，人均GDP增长率开始逐渐增加，并且在第二期达到最大值（响应值为0.006），随后逐渐收敛，到第四期响应值为0。此外，无论是工业废气排放量还是废水排放量增长率受到随机冲击，人均GDP增长率都作出正向响应。由以上响应图可知，工业废气排放量和工业废水排放量的增加在中短期内推动人均GDP的增长，而从长期来看这种推动作用有限。工业固体废物产生量的冲击对人均GDP的增长不产生影响。说明安徽省在样本期间内，工业废水和工业废气污染物排放的产业对安徽省经济增长的推动作用较大。而排放固体废物的产业对安徽省经济增长的推动作用较弱。这与安徽省的产业结构有很大的关系，安徽省带动经济发展的主要有煤矿、钢铁、有色金属以及发电等产业，这些产业产生的主要污染物便是工业废水和废气。

给人均GDP增长率施加一个标准差的正向冲击，工业废气排放量的增长率逐渐增加并在第二期达到最大值 （响应值为0.03），随后逐渐下降，在第四期收敛于0；工业固体废弃物产生量的增长率在第一期就达到最大值（响应值为0.02），第二至第四期平滑的收敛于0；工业废水排放量作出了负响应，在第二期达到负向最大（响应值为-0.0076），随后逐渐收敛于0。说明经济增长的加快在中短期内加速了工业废气的排放和工业固体废物的产生，同时减慢了工业废水的排放。通过牺牲环境获得了经济增长率，这种经济增长又会继续加大对环境的破坏，形成了一种恶性循环。工业废水排放量作出负向响应主要是经济系统中内外因素综合作用的结果，系统内部因素主要是安徽省横跨长江、淮河以及巢湖等水域，水资源对于安徽的经济、生活影响极大，因此随着安徽省的经济增长，对水资源的污染受到人们的高度重视，企业会有意识的提高技术以减少污水的排放。此外，经济结构的转型也有助于减慢工业废水的排放速度。外部因素主要得益于安徽省的政策治理，从上世纪90年代开始，安徽省就针对淮河、巢湖等水域采取了一系列的措施来整顿工业废水排放。由此可见一方面对工业污染实施整治，不但可以减少环境污染，还可以促进经济增长；另一方面加大对环境污染破坏性以及保护环境重要性的宣传，提高企业和民众的环保意识对于减少污染也是不可或缺的。

4.4 方差分解分析

作为对脉冲响应分析的补充，方差分解分析方法可以测度系统中各个结构冲击对某个内生变量变化的贡献度，从而可以更加深入的判断不同结构冲击的重要程度。方差分解的结果如下表所示：由表2可知，整体上来看，除工业废水外，经济增长对解释各污染物排放量增长率方差的作用较大，而各污染物解释经济增长方差的作用相对较小。并且经济增长对工业废气与和工业固体废物排放量的作用较大，而工业废气与工业废水对经济增长的作用也较大。这与上节分析结果相吻合。说明目前安徽省的经济增长仍然依赖于高耗能高污染的产业，同时对污染物排放的管控还有待加强。

表2 人均GDP与污染物排放量之间方差分解的平均贡献度 单位：%

5 结论与政策建议

文章以安徽省1990—2013年人均GDP为经济增长指标，以工业“三废”为环境污染指标，建立了VAR模型。应用脉冲响应函数和预测误差方差分解分析了安徽省经济增长与环境污染之间的动态作用机制。主要得出如下几点结论，同时给出政策建议：

首先，安徽省经济增长主要得益于发电、煤矿、钢铁以及有色金属等这类产生大量工业废气以及废水的产业。为了减少环境污染，应重点针对这些企业制定环保政策，督促相关企业改善生产工艺，加强污染物源头处理。

其次，通过牺牲环境确实可以促进经济增长，但是这种促进作用是短期的，是不可持续的。此外，采取这种经济增长的发展模式会形成一种破坏环境的恶性循环。政府应该更加注重长期可持续发展战略的制定，不能只看重眼前利益。而应该加大技术改进，转变经济的发展方式，推进“绿色发展”。

再次，经济增长对污染物的排放作用较大，而污染物排放对经济增长的作用较小，针对这种情况，政府应该制定切实可行的措施管控污染物的排放，调整产业结构，鼓励服务业等低污染的产业发展。

最后，工业废水的例子给了我们一些启示，一方面，企业和民众的环保意识对减少污染起着重要作用。政府应加大环保宣传力度，让企业和民众清楚的了解环境污染对自身的危害以及保护环境的重要性。另一方面政府加大对工业废水的治理，不但没有对经济增长造成破坏，反而可以促进经济增长。因此，加大环境保护、取缔污染与经济增长是可以获得双赢的。政策制定者应该转变观念，面对新常态，应该树立新思想以谋求新发展。

[1]Grossman G M,Krueger A B.Environmental impacts of a North American free trade agreement[R].National Bureau of Economic Research,1991.

[2]Grossman G M,Krueger A B.Economic growth and the environment[R].National Bureau of Economic Research,1994.

[3]Selden T M,Song D.Environmental quality and development：is there a Kuznets curve for air pollution emissions[J].Journal of Environmental Economics and management,1994，（2）：147-162.

[4]Stern D I.Progress on the environmental Kuznets curve[J].Environment and Development Economics,1998，（2）：173-196.

[5]Cole M A.Trade,the pollution haven hypothesis and the environmental Kuznets curve：examining the linkages[J].Ecological economics,2004，（1）：71-81.

[6]Akbostancι E,Türüt-A k S,Tun G.The relationship between income and environment in Turkey：Is there an environmental Kuznets curve?[J].Energy Policy,2009，（3）：861-867.

[7]Coondoo D,Dinda S.Causality between income and emission：a country group-specific econometric analysis[J].Ecological Economics,2002，（3）：351-367.

[8]Dinda S.Environmental Kuznets curve hypothesis：a survey[J].Ecological economics,2004，（4）：431-455.

[9]彭水军，包群.中国经济增长与环境污染——基于时序数据的经验分析（1985～2003）[J].当代财经，2006，（7）：5-12.

[10]张成，朱乾龙，同申.环境污染和经济增长的关系[J].统计研究,2011，（1）：59-67.

[11]张学刚.长三角地区经济增长与环境污染再研究——基于分位数回归方法[J].嘉兴学院学报，2015，（1）：1.

[12]李小胜，宋马林，安庆贤.中国经济增长对环境污染影响的异质性研究[J].南开经济研究，2013，（5）：96-114.

[13]段显明，郭家东.浙江省经济增长与环境污染的关系——基于VAR模型的实证分析[J].重庆交通大学学报（社会科学版），2012，（1）：52-55.

[14]高铁梅.计量经济分析方法与建模：Eviews应用及实例[M].北京：清华大学出版社，2005，267.