贺 培 刘 叶

一、引言

中国继2014年首次成为世界第一大外商直接投资(下称FDI)吸收国之后，实际使用外资于2015年进一步达到了1 262.7亿美元的新水平，同比增长6.4%。然而，随着引资规模的持续扩大以及生态环境状况的日趋严峻，一个现实的困惑是:FDI究竟对中国的环境污染产生了何种影响效应？为了解答这一问题，中外学者从不同视角、采用多种方法展开阐释，相继得出了一些差异明显、甚至相悖的研究结论。笔者认为，之所以形成这一情况，可能是在相关研究中，FDI与环境污染之间存在的反向因果关系所引起的内生性问题①内生性问题是指实证模型中存在一个或多个解释变量与随机扰动项相关的现象。如果内生性问题无法得到有效解决，会造成实证模型实证结果的有偏性。导致内生性问题的主要原因有反向因果关系和模型设定偏差。，导致研究者无法准确地估计FDI对环境污染产生的影响效应。

在贸易开放与环境问题的早期研究中，FDI只是实证分析中用于稳健性检验的一个控制变量。随着贸易开放与环境相关性研究的拓展，FDI的环境效应逐渐成为热点，尤其是在利用中国数据进行的研究方面。总体来看，现有文献中关于FDI对中国环境污染影响效应的实证分析方法大致有三类:一是采用联立方程模型；二是采用一般线性回归方法；三是采用动态面板数据模型。第一，在运用联立方程模型的论证中，He(2006)[1]的研究具有一定的代表性，他发现FDI对中国二氧化硫排放量有微弱的正向影响，即FDI的流入在一定程度上加剧了中国的环境污染状况。较多的国内学者，例如郭红燕和韩立岩(2008)[2]、陈凌佳(2008)[3]、黄菁(2010)[4]、杨博琼和陈建国(2011)[5]、史青(2013)[6]以及张宇和蒋殿春(2013)[7]等，也采用联立方程模型分析了中国的情况，但关于FDI对中国环境污染产生的影响效应是正向还是负向的这一核心问题，他们的研究结论存在着较大的差异。第二，在运用面板数据的一般线性回归分析方面，杨海生等(2005)[8]、牛海霞和胡佳雨(2011)[9]以及苏梽芳等(2011)[10]，分别采用中国省际面板数据检验了FDI对中国环境污染的影响效应。其中:前两项研究认为FDI对中国环境污染产生了正向的影响效应，也即环境污染随着FDI的增加而加剧，验证了中国存在“污染天堂假说”；而后者认为FDI的流入显著缓解了中国的环境污染状况，即中国并不存在“污染天堂假说”。此外，Cole等(2011)[11]着重考察了中国内地三种不同类型企业(内资企业、港澳台资企业和外商投资企业)的生产经营活动对工业污染物排放量的影响，他们认为在三类企业中，外资企业产生的负面影响较为显著；Wang和Chen(2014)[12]则依据FDI来源地(主要分为OECD国家和港澳台地区)的不同，验证了中国存在“污染天堂假说”。第三，也有部分学者采用构建动态面板数据模型的分析方法，用以解决FDI影响环境污染实证研究中存在的内生性问题。例如，苏振东和周玮庆(2010)[13]的研究发现，FDI对中国的环境污染产生了负向的影响效应，即随着FDI的增加环境污染状况得到了改善。

能否有效解决FDI环境效应实证分析中的内生性问题，是影响相关研究结论客观性的关键所在。笔者认为:采用一般线性回归方法无法有效解决内生性问题，因此其实证结果可能存在有偏性；而采用联立方程模型虽可有效地规避内生性问题，但模型中普遍存在着识别不足或识别过度问题；尽管采用动态面板数据模型亦可解决内生性问题，但其实证结果缺乏稳健性。因此，相较于上述分析方法，采用合理的工具变量能更加有效地克服内生性问题。由于工具变量具有与实证模型中内生解释变量的高度相关以及与随机扰动项严格外生的特征，采用工具变量既能有效地解决内生性问题，也具有较强的稳健性。在贸易与环境污染的实证研究领域，国外学者已经开始运用这一分析方法。例如:Frankel和Rose(2005)[14]采用由只含有基本控制变量的引力模型估计得出的贸易值，作为实际贸易数据的工具变量；Levison和Taylor(2008)[15]则为环境规制变量构建了两个工具变量，分别为加权形式的除本行业以外的其他行业的污染排放量以及加权形式的行业人均收入与工业增加值的比重。

为了更加准确地估计FDI对中国环境污染的影响效应，笔者用地级以上城市距其最近港口的地理距离作为实际利用外资额的工具变量，在实证分析中有效地解决了内生性问题，并在研究方法上做出了一定的贡献。首先，地级以上城市与其最近港口之间的地理距离具有严格外生的特性；其次，中国FDI的分布呈现自东向西递减的趋势，与上述地理距离存在高度的相关性，这就意味着，采用城市距其最近港口的地理距离作为FDI与环境污染因果关系分析的工具变量是有效且可靠的；最后，基于地理距离工具变量的研究分析方法，笔者发现，FDI对中国环境污染产生了显著的减排效应，即“污染天堂假说”在中国并不成立。本文其余部分的内容安排如下:第二部分对计量模型构建、数据来源、地理距离工具变量以及其他相关变量进行说明；第三部分通过运用地理距离工具变量以及两阶段最小二乘法，分别从整体和三大经济地带层面分析FDI对中国环境污染的影响效应；第四部分从控制变量的选择和样本类型的角度对第三部分的实证结果进行稳健性检验；第五部分是研究结论以及基于研究结论提出的政策建议。

二、计量模型的设定和说明

(一)计量模型的构建

在构建FDI与环境污染关系的计量模型时，笔者主要参照Antweiler等(2001)[16]在“环境库兹涅茨曲线”理论的基础上直接加入了贸易开放度变量的研究方法，将FDI变量直接列入回归方程中用以作为解释变量，环境污染变量则作为被解释变量。具体回归方程如式(1)所示:

其中:i代表中国各地级以上城市，t为时间；c0为常数项，γ1、δ1分别为年份、省份及区域的固定效应；lnso2i，t为工业二氧化硫排放量的对数形式；lnfci，t为实际利用外资额的对数形式；lnpgdpi，t为人均地区生产总值的对数形式；pgrp2i，t为取对数后人均地区生产总值的平方项。

式(1)中，主要解释变量lnfci，t的系数β1为弹性系数，其具体含义为:当FDI变化1%时，环境污染排放量将变化β1%。然而，由于存在某些不可观测、但同时影响FDI与环境污染的因素，FDI与环境污染之间存在着反向因果关系，这会导致一般OLS方法的估计结果产生有偏或不一致的现象，也就无法准确地反映FDI与环境污染状况之间的因果关系。此外，利用固定效应模型虽然能够剔除不可观测因素中那些不随时间变化的特质，却无法消除反向因果关系，故该方法的估计结果也存在有偏性。为了解决由于反向因果关系引起的内生性问题，以准确地估计FDI对中国环境污染产生的影响效应，笔者利用地级以上城市距其最近港口的地理距离作为FDI的工具变量，并运用两阶段最小二乘法进行了实证分析。

在两阶段最小二乘法的第一阶段回归中，对地理距离工具变量如何影响环境污染进行估计，具体回归方程如式(2)所示:

式(2)中，系数α1的估计值预期为负。在一般意义上，与港口的距离越远则意味着贸易的运输成本越高，而贸易与FDI又存在着紧密联系，那么FDI也会受到地级以上城市与港口距离的影响。此外，中国FDI的区位分布呈现出东部沿海聚集且内陆区域自东向西有所递减的特点，实际利用FDI数额随着离港口距离的增加而递减。

在两阶段最小二乘法的第二阶段回归中，笔者采用式(2)实际利用外资额对数值的拟合值替代式(1)中的变量lnfci，t，具体回归方程如式(3)所示:

如果地级以上城市距其最近港口的地理距离是实际利用FDI额的有效工具变量，那么系数β1在第二阶段回归中的估计值即为FDI对环境污染产生的因果影响。

(二)数据来源与说明

笔者选用的各项指标的数据主要来自于《中国城市统计年鉴》，该年鉴囊括了中国自1985年以来各地级以上城市社会经济发展方面的主要统计数据。笔者总共选取了281个地级以上城市2003年至2013年的面板数据①由于数据存在缺失问题，全部地级以上城市中的281个地级以上城市数据在2003—2013年时间内相对完整，可构成平衡面板数据。需要指出的是，上述数据中不包含香港、澳门特别行政区及台湾地区的数据。，主要包括实际利用外资额、人均国内生产总值、固定资产投资完成额、年末从业人员数量、工业二氧化硫排放量、人口密度等。需要说明的是，1999年至2003年间中国共增添了24个地级城市，此后城市新增幅度所有减小，故笔者选取了地级以上城市数量变化相对较小的2003年至2013年的时间段，以避免发生缺失值过多的情况。此外，虽然《中国环境年鉴》提供的环境污染统计数据更加全面，可在一定程度上弥补《中国城市统计年鉴》污染数据单一的缺陷，但前者的统计对象只包含了113个全国环境重点保护城市的数据，覆盖的城市范围与地级以上城市总数相差较多。为了保证实证检验中具有充足的样本数量与足够的自由度，笔者主要采用了《中国城市统计年鉴》中的数据。

(三)相关变量的含义与统计性质

1.地理距离工具变量的构建。

笔者利用中国地级以上城市距其最近港口的地理距离，作为实际利用外资额的工具变量，研究实际利用外资额对中国环境污染物排放量的影响效应。上述地理距离可以作为工具变量的原因主要有以下几点。首先，城市所处地理位置是固定不变的，其距最近港口的距离是既成事实，不受任何外界因素的影响。因此，地理距离属于严格外生的变量，充分满足了工具变量为严格外生的基本条件。其次，城市与其最近港口间的地理距离通过多种机制与FDI存在相关性。该地理距离在贸易活动中一般被视为“冰山成本”，会对各城市的进出口贸易产生显著的影响，而贸易与FDI之间又存在着密切的相关性。此外，中国FDI在沿海地区产生了明显的聚集效应，地级以上城市距港口的地理距离在一定程度上影响了中国FDI的区位分布。在现有文献中，黄玖立和李坤望(2006)[17]采用各省份与海岸线的地理距离衡量国外市场接近度指标，并将其作为贸易开放度的工具变量。各省份与海岸线的地理距离虽然在一定程度上能够反映贸易的运输成本，但该地理距离与实际的运输距离存在着一定的偏差，而利用与最近港口之间的地理距离能够更贴切地表示运输成本。因此，在中国FDI环境效应的研究中，采用城市层级的数据不仅能够更加细致地刻画不同城市的地理区位，并且增加了实证检验中的自由度，从而提高了实证结果的准确性。

虽然地级以上城市与最近港口之间的地理距离与FDI存在着高度的相关性，但对环境污染并不产生任何直接影响。例如:接近海岸的北京、天津以及位于河北省内的部分城市，环境污染状况较严重；而处于内陆的青海、内蒙古内的大多数城市，常年空气质量优良。此外，空气中的主要污染物具有飘散的特质，在地理上不存在明显的区域分布，就更不会受到距最近港口地理距离的影响。

2.因变量的含义与说明。

本文实证研究中的因变量为环境污染状况指标，该指标多采用大气、废水中主要污染物的排放量或排放强度等数据进行衡量。根据历年《中国城市统计年鉴》提供的环境数据情况，笔者选取了各地级以上城市工业二氧化硫排放量的数据。工业二氧化硫作为工业废气排放中的主要污染物，是考察环境状况的重要指标。鉴于本文的回归模型中已经控制了国内生产总值变量，故不选用以排放量与GDP比值形式衡量的污染物排放强度作为主要的因变量，以避免可能产生的反向因果关系。此外，由于地级以上城市工业增加值的数据缺失，故也无法利用污染物排放量与工业增加值表示的排放强度。但在稳健性检验中，笔者考虑到了采用GDP比值形式衡量的污染物排放强度的情况。

3.自变量的含义与说明。

外商直接投资的代理变量，是本文重点考察的自变量。相关实证研究主要采用以下三类数据作为代理变量:各地级以上城市实际利用外资额、外商投资企业工业总产值或增加值以及外商投资企业当期数量。在行业层面的研究中(例如，盛斌和吕越，2012[18]等)，由于行业实际利用外资额数据缺失，故基本选用外商投资企业工业增加值或总产值、企业数量作为衡量指标；省际和城市面板则更多选取实际利用外资额用以衡量外商直接投资的情况。笔者也同样选取各地级以上城市的实际利用外资额，作为衡量外商直接投资的代理变量。

根据Grossman和Krueger(1995)[19]创建的“环境库兹涅茨曲线”理论，经济增长是影响环境状况的重要因素，且二者之间存在着倒“U”型的曲线关系。故笔者在实证模型中对经济增长与其平方项的影响进行了控制，分别运用人均GDP的对数形式及其平方项进行衡量。表1列出了实证研究中主要变量的含义与统计性质。

表1 主要变量的统计与描述

三、实证结果分析

(一)基准实证结果分析

根据回归方程(2)和(3)，笔者运用中国地级以上城市距最近港口的地理距离(变量lndist)作为实际利用外资额的工具变量，以及通过采用两阶段最小二乘法得到的实证结果如表2所示。表2中的实证结果是否可靠，主要取决于采用地级以上城市距其最近港口的地理距离作为实际利用外资额的工具变量是否有效。而工具变量是否有效，必须要满足两个基本条件:其一是工具变量与内生变量间须存在高度的相关性；其二是工具变量须满足严格的外生性。在两阶段最小二乘法的第一阶段回归中，计量软件会分别执行识别不足(under identification test)和弱工具变量(weak identification test)的检验，上述两种检验都可用来证明工具变量与内生变量的相关性。根据表2中第一阶段回归的实证结果，识别问题检验的p统计值(根据Kleibergen和Paap，2006[20])为0.000 1，该统计值显著地拒绝了识别不足检验的原假设，说明利用地级以上城市距其最近港口地理距离衡量的工具变量与实际利用外资额存在较强的相关性。此外，根据Stock和Yogo(2005)[21]的研究，在两阶段最小二乘法的第一阶段回归中，弱工具变量检验的F统计值在不同概率水平上具有不同的临界值。表2的实证结果显示，弱工具变量检验的F统计值约为17，大于其在10%统计水平上的临界值16.38。并且，该F统计值的数值大小满足Stock和Staiger(1997)[22]提出的大于10的工具变量条件。基于以上检验结果，可以证明模型(2)中不存在弱工具变量问题。

由于模型(2)中不存在弱工具变量问题，且地理距离工具变量具有严格的外生性，模型(3)中β1的估计值即为本文研究的FDI对中国环境污染的因果影响。根据表2中的实证结果，变量lnfc系数的估计值在1%的统计水平上显著为负，且数值大小约为－1.6。即在其他条件保持不变的情况下，实际利用外资额1%的增长将导致环境污染排放量大约削减了1.6%。换言之，FDI的流入对中国环境污染状况产生了显著的抑制作用，FDI的直接环境效应是积极的。这主要是由于，首先，中国一直是发达国家对外直接投资的主要目的地，承接发达国家的FDI对中国产生了显著的东道国效应，尤其体现在清洁生产技术的应用、先进企业管理理念的传播等方面。FDI通过清洁生产技术的推广以及企业对国际化环境标准认知的提高都有可能减少生产中环境污染物的排放量，从而缓解中国不断恶化的环境状况。其次，FDI的流入对中国加工贸易的发展起到了显著的推动作用，而加工贸易产业多属于劳动密集类型，较多地使用属于清洁要素的劳动力。换言之，FDI通过促进清洁生产要素的密集使用，对中国的环境污染产生了显著的减排效应。

表2 两阶段最小二乘法实证结果

此外，表2中变量lnpgrp和变量pgrp2的系数分别显著为正值和负值，这说明中国存在“环境库兹涅茨曲线”效应，中国经济发展水平与环境污染状况之间存在着倒“U”型的曲线关系；变量lnpgrp的回归系数约为7.18，表示随着中国人均GDP增长1个百分点，环境污染排放量增加7.18%。通过与变量lnfc系数的绝对值进行比较，不难发现经济增长的环境效应显著地大于FDI对环境产生的影响效应。该结果在一定程度上可以说明，FDI对中国环境污染状况存在改善作用，而这种作用未能得到充分发挥，其主要原因是经济增长引起的负面环境效应抵消了利用FDI的正面环境效应。

(二)区域异质性实证结果分析

依据中国三大经济地带的划分标准，笔者将样本划分为东部、中部和西部地区，用以考察FDI在这三个地区可能对环境污染产生的异质性影响。东部地区包括北京、天津、河北等12个省份，中部地区包括山西、内蒙古等9个省份，西部地区包括重庆、四川、贵州等10个省份。其中:东部地区经济发展水平较高、自然环境优越，FDI可能产生更显著的环境影响效应；而中部地区气候条件、地理位置均不利于污染物扩散，且煤炭生产基地集中于该区域，可能不利于FDI减排效应的发挥。

表3 根据中国三大经济地带划分的区域异质性的实证结果

表3中的(1)～(3)列分别为东部、中部和西部地区样本的两阶段最小二乘法实证结果。上述结果显示，变量lnfc系数估计值的绝对值在东部地区样本中最大，而在中部地区样本中最小。导致上述情况的原因可能如下:其一，中国东部沿海地区拥有优越的地理区位条件，是FDI高度集聚的区域，其较强的吸收外资能力有益于FDI技术溢出效应的充分发挥，从而推动清洁生产技术中的应用，进而使环境污染物排放量显著地削减。其二，西部地区虽然地理位置偏远，但随着该地区开放进程的增速，FDI逐年增长，并发挥了越来越重要的作用；同时该地区部分省份地广人稀且工业污染少(例如青海、新疆、宁夏、西藏等)，FDI对环境污染物排放量的削减作用能够得到发挥。其三，中部地区即无自然环境的先天条件，也缺乏地理区位的吸引力，并且为了拉动经济增长而大力发展重工业(例如山西及河南的二氧化硫排放量均在全国处于较高水平)，从而导致FDI环境效应的影响效力被严重削弱。

四、稳健性检验

为了验证第三部分的实证结果具有稳健性，笔者从控制变量和样本两个层面对该实证结果进行了稳健性检验。首先，针对潜在影响环境污染状况的其他因素，笔者分别控制了变量lnkl、lnhc、lnpd，用以进行稳健性检验。上述三个控制变量分别表示资本劳动比、人力资本水平和人口密度(人/平方公里)。选择上述三个控制变量进行稳健性检验的原因如下:第一，Copeland和Taylor(2003)[23]指出，在“污染天堂假说”中要素禀赋因素影响投资的作用不可忽视，故笔者在此利用固定资产投资与从业人员数量之比表示资本劳动比，作为要素禀赋控制变量；第二，Lan等(2012)[24]、李子豪和刘辉煌(2012)[25]以及杨杰和卢进勇(2014)[26]等的研究证明，人力资本发展水平会对环境污染产生显著的影响，因而笔者以高等教育在校生人数来衡量人力资本；第三，Antweiler等(2001)[27]发现，人口密度对环境污染产生了显著的直接效应，因此笔者认为可将人口密度作为控制变量以进行稳健性检验。

表4 加入不同控制变量的两阶段最小二乘法实证结果

表4中的实证结果显示，变量lnfc系数的估计值在统计上保持显著性，系数值根据加入控制变量的不同有小幅变化。模型识别问题检验的具体结果如下:表4中第(1)～(3)列中第一阶段回归的F统计值均大于10，且显著大于弱工具变量检验在10%统计水平上的临界值，检验结果拒绝弱工具变量的原假设，即不存在弱工具变量问题；识别不足检验的p值均为0，显著地拒绝模型识别不足的原假设，表明工具变量与内生解释变量间存在较强的相关性。综上所述，通过加入其他控制变量的实证结果显示，利用地级以上城市距其最近港口的地理距离作为工具变量的实证结果具有稳健性。

其次，随着中国环境污染的不断加剧，环境问题引起了政府及其相关部门的高度重视。“十五”和“十一五”发展规划均为主要污染物排放量的减排任务制定了明确的标准，并颁布了环境保护重点城市(以下简称环保重点城市)政策，旨在对部分城市的环境状况进行重点监控。为了剔除上述环境规制可能对实证结果产生的影响，笔者对仅含有非环保重点城市的样本进行了两阶段最小二乘法回归。根据表5中第(1)列的实证结果，变量lnfc系数显著性保持一致性，系数的估计值变化微小。具体而言，对于非环保重点城市，FDI与经济增长的积极环境效应均有所减小，这些城市由于处于比环保重点城市相对宽松的监管环境，因此污染物减排任务的执行力减弱，减排效应也就有所减小。此外，中国实际利用FDI总额在2012年产生了明显下降，为了检验该下降冲击是否会影响实证结果的稳健性，笔者对2012年之前的样本进行了单独的回归分析，具体结果见表5中的第(2)列。实证结果显示，变量lnfc的系数在5%的统计水平上显著，系数估计值仅产生微小变化。剔除了环境保护重点城市的样本和时间维度早于2012年的样本的实证结果均表明，用地级以上城市距其最近港口的地理距离作为工具变量，并运用两阶段最小二乘法所得的实证结果具有稳健性。

表5 采用不同样本的两阶段最小二乘法实证结果

续前表

五、结论与政策建议

笔者以中国地级以上城市距其最近港口的地理距离作为实际利用外资额的工具变量，并采用地级以上城市2003—2013年的面板数据，解答了FDI是否以及如何影响中国的环境污染这一重要问题并得出如下研究结论。

首先，本文研究证明，利用地级以上城市距其最近港口的地理距离作为实际利用外资额的工具变量，能够解决由于FDI与环境污染之间的反向因果关系引起的内生性问题，有助于更加准确地估计FDI对中国环境污染的影响效应。其次，笔者发现，中国实际利用外资水平的提高对环境污染物产生了明显的减排效应，即FDI对中国环境污染产生了负向的影响效应，“污染天堂假说”在中国并不成立。并且，在中国东部地区，FDI对环境状况的影响效应显著地大于中西部地区。再次，笔者还发现，中国经济增长与环境污染的关系与“环境库兹涅茨”曲线的预期相符，即呈倒“U”型的曲线特征。经济增长导致的环境效应显著地大于FDI对环境污染产生的影响效应，该结果在一定程度上可以解释，虽然FDI产生了积极的环境效应，而中国整体环境污染状况依然在加剧的现象。

基于以上研究结论，笔者提出如下政策建议。

第一，继续鼓励有效利用FDI，尤应提倡清洁生产技术的应用以及符合国际化环境保护标准的管理体系的推广。这是由于:首先，FDI主要通过技术溢出效应推动清洁生产技术的提高以及应用范围的扩大，从而降低工业污染物的排放水平；其次，随FDI引入的国际化环境保护标准能够促使企业管理者环境管理能力的提升以及员工环保意识的提高，从而有助于削减企业生产活动中产生的污染物排放。

第二，重点关注非FDI集聚的中西部地区的环境治理问题，促进中西部地区加工贸易的发展和清洁要素的使用。本文的研究结果显示，中西部地区FDI的环境效应显著地弱于东部沿海地区。中西部地区由于区位的劣势而缺乏外资吸引力，并且其自然环境基础的脆弱性也不利于污染物的消散，该地区更加需要政策关注与支持。由于加工贸易较密集地使用属于清洁要素的劳动力，推动加工贸易的科学发展是缓解中西部环境污染状况的有效途径。

第三，外商投资企业在“本土化”的进程中，虽然需要与东道国的市场环境相互融合，但是其清洁生产技术不应因此而“缩水”。外商投资企业进入中国市场后，外方通常并不直接参与企业的环境保护管理，这在一定程度上会导致实际生产过程中清洁技术标准被人为地降低，从而阻碍FDI对环境污染减排效应的发挥。因此，外商投资企业的中外双方不仅要保持商业上的合作关系，也应加强环境保护方面的合作。

第四，在充分发挥FDI的正面环境效应之时，应控制由于经济增长引起的负面环境效应，保持FDI的有效利用与社会经济的协调发展，推动中国生态环境总体状况的逐步改善。

第五，中国的环境污染成因复杂，要素禀赋、人力资本水平以及人口密集度等均是影响环境污染的重要因素。因此，车辆限行、紧急关停厂商等举措仅能暂时缓解环境污染，经济发展中的节能减排与可持续性才是解决环境问题的根本之道。

[1]He J.Pollution Haven Hypothesis and Environmental Impacts of Foreign Direct Investment:The Case of Industrial Emission of Sulfur Dioxide(SO2)in Chinese Provinces[J].Ecological Economics，2006，60:228－245.

[2]郭红燕，韩立岩.外商直接投资、环境管制与环境污染[J].国际贸易问题，2008(8):111－118.

[3]陈凌佳.FDI环境效应的新检验——基于中国112座重点城市的面板数据研究[J].世界经济研究，2008(9):54－59.

[4]黄菁.外商直接投资与环境污染——基于联立方程的实证检验[J].世界经济研究，2010(2):80－86.

[5]杨博琼，陈建国.FDI对东道国环境污染影响的实证研究——基于我国省际面板数据的分析[J].国际贸易问题，2011(3):110－123.

[6]史青.外商直接投资、环境规制与环境污染——基于政府廉洁度的视角[J].财贸经济，2013(1):93－103.

[7]张宇，蒋殿春.FDI、环境监管与能源消耗:基于能耗强度分解的经验检验[J].世界经济，2013(3):103－123.

[8]杨海生，贾佳，周永章，王树功.贸易、外商直接投资、经济增长与环境污染[J].中国人口·资源与环境，2005(3):99－103.

[9]牛海霞，胡佳雨.FDI与我国二氧化碳排放相关性实证研究[J].国际贸易问题，2011(5):100－109.

[10]苏梽芳，廖迎，李颖.是什么导致了“污染天堂”:贸易还是FDI？来自中国省级面板数据的证据[J].经济评论，2011(3):97－104.

[11]Cole M A，Elliott R J R，Zhang J.Growth，Foreign Direct Investment，and the Environment:Evidence from Chinese Cities[J].Journal of Regional Science，2011，51(1):121－138.

[12]Wang T，Chen Y.Foreign Direct Investment，Institutional Development，and Environmental Externalities:Evidence from China[J].Journal of En⁃vironmental Management，2014，135:81－90.

[13]苏振东，周玮庆.外商直接投资对中国环境的影响与区域差异——基于省际面板数据和动态面板数据模型的异质性分析[J].世界经济研究，2010(6):63－67.

[14]Frankel J A，Rose A K.Is Trade Good or Bad for the Environment？Sorting out the Causality[J].The Review of Economics and Statistics，2005，87(1):85－91.

[15]Levinson A，Taylor M S.Unmasking the Pollution Haven Effect[J].International Economic Review，2008，48(1):223－254.

[16]Antweiler W，Copeland B R，Taylor M S.Is Free Trade Good for the Environment[J].The American Economic Review，2001，91(4):877－908.

[17]黄玖立，李坤望.出口开放、地区市场规模和经济增长[J].经济研究，2006(6):27－38

[18]盛斌，吕越.外国直接投资对中国环境的影响——来自工业行业面板数据的实证研究[J].中国社会科学，2012(5):54－75.

[19]Grossman G M，Krueger A B.Economic Growth and the Environment[J].The Quarterly Journal of Economics，1995，110(2):353－377.

[20]Kleibergen F，Paap R.Generalized Reduced Rank Tests Using the Singular Value Decomposition[J].Journal of Econometrics，2006，133:97－126.

[21]Stock J H，Yogo M.Testing for Weak Instruments in Linear IV Regression[R].NBER Technical Working Paper，2005，NO.284.

[22]Stock J H，Staiger D.Instrumental Variable Regression with Weak Instruments[J].Econometrica，1997，65(3):557－586.

[23]Copeland B R，Taylor M S.Trade and the Environment:Theory and Evidence[M].USA，New Jersey:Princeton University Press，2003.

[24]Lan J，Kakinaka M，Huang X G.Foreign Direct Investment，Human Capital and Environmental Pollution in China[J].Environ Resource Econom⁃ics，2012，51:255－275.

[25]李子豪，刘辉煌.FDI对环境的影响存在门槛效应吗——基于中国220个城市的检验[J].财贸经济，2012(9):101－108.

[26]杨杰，卢进勇.外商直接投资对环境影响的门槛效应分析——基于中国247个城市的面板数据研究[J].世界经济研究，2014(8):81－87.

[27]Antweiler W，Copeland B R，Taylor M S.Is Free Trade Good for the Environment[J].The American Economic Review，2001，91(4):877－908.