开放程度和经济增长对中国省级工业污染排放的影响

全文总计 18847 字,阅读时间 48 分钟,快速浏览仅需 10 分钟。

英文标题:The Effects of Openness and Economic Growth on Chinese Provincial Industrial Pollution Emissions

内容摘要:本文使用空间计量模型研究表明,环境库兹涅茨曲线假说在上海、江苏等25个省级区域中得到了验证,而在北京、天津、河北、山东和辽宁等5个省级区域并没有得到支持。省级开放程度的提高对本地环境的总体影响不利,并且上海、广东和江苏等21个省级区域工业污染排放具有显著的正向空间相关性,而北京和河北工业污染排放呈现出显著的负向空间相关性。据此,工业污染排放具有空间相关性的省级区域应采取区域联防联控环保政策来协调经济发展与环境污染的矛盾,通过扩大开放来提升技术进步以改善省级环境质量。

关键词:省级开放程度,经济增长,工业污染排放,地理加权回归模型

GB/T 7714-2015 格式引文:[1].开放程度和经济增长对中国省级工业污染排放的影响.[J]或者报纸[N].世界经济,(20154):99-125

正文内容

  截稿:2014年12月

  一、问题的提出与文献综述

  中国自加入世界贸易组织(WTO)以来,经济快速增长,外贸规模呈不断扩大之势。据《中国统计年鉴(2013)》数据,2001-2012年中国年均实际经济增长率高达10.4%,中国对外货物贸易总额从2001年的5096.5亿美元增加到2012年的38 671.2亿美元,已超过2012年美国对外货物贸易总额(据美国普查局统计为38 220.1亿美元)。①但与中国经济快速增长相伴而来的是环境压力日益凸显。据2013年中国环境保护部发布的《2012年中国环境状况公报》显示,在198个城市4929个地下水监测点位中,处于较差和极差水质的监测点占总数的57.3%,同时在中国325个地级及以上城市中,有59.1%的城市空气质量不达标。严峻的环境形势使得中国在推动对外贸易、吸引外资、发展经济的同时,逐步强化了对环境保护的力度。“十一五”期间,中国政府将主要污染物排放总量显著减少作为经济社会发展的约束性指标,着力解决突出的环境问题。2010年化学需氧量、二氧化硫排放总量比2005年分别下降了12.45%、14.29%,超额完成了减排任务。在《国家环境保护“十二五”规划》中,中国政府进一步明确了化学需氧量、氨氮、二氧化硫和氮氧化物等4种主要污染物的减排目标,要求2015年化学需氧量、氨氮、二氧化硫和氮氧化物等4种主要污染物的排放总量要比2010年分别下降8%、10%、8%和10%。由此,环境约束性指标的制定形成了对各省(市或区,下文简称省)污染减排力度的倒逼,改变了中国省份对外开放、经济增长对环境污染的影响路径。在此背景下,深入探究中国省级开放程度、经济增长与环境污染的关系,对中国增强经济与环境协调发展变得尤为重要。

  就现有文献来看,有关开放程度、经济增长对污染排放影响方面的研究主要聚焦于以下三个方面:

  第一,有关开放程度对污染排放影响研究。这类文献先将单位产出污染排放大或生产者负担污染成本高的商品确定为污染密集型商品,再通过讨论污染密集型商品贸易流向与环境规制的关系,从理论和经验实证研究两个方面,考察开放程度对环境污染的影响。在理论研究方面,Copeland和Taylor(1994)率先证明,收入水平更高的国家会选择更强的环境保护,专业化生产相对清洁的产品;若不考虑国际贸易规模、构成和技术对污染的影响,那么开放的自由贸易会增加世界污染,而生产增长从富裕国单边转移至贫穷国会减少世界污染。在此基础上,Bourgeon和Ollivier(2012)以生物能源贸易为例,发现自由贸易对世界温室气体排放的影响取决于南北区域比较优势,如果北方国家拥有工业生产的比较优势,那么生物能源贸易对环境的影响是有益的,并且相对于自给自足的封闭状态,全球温室气体的排放将减少;而南方国家则相反。在经验研究方面,陆旸(2009)认为,各国政府通过降低环境规制水平以获得污染密集型商品比较优势的做法是不可取的,而适度提高环境规制水平可以获得污染密集型商品的出口竞争优势。Managi等(2009)将贸易和收入视为内生变量,结果表明贸易开放度的增加有利于经济合作组织(OECD)国家环境污染的减少,但会增加非OECD国家二氧化硫和二氧化碳的排放;经过动态调整后,这种影响在长期内比短期内更大。随着中国经济和外贸规模的不断扩大,有关开放程度对中国污染排放影响的研究日益受到关注。Dean和Lovely(2008)认为,中国快速增长的贸易伴随有严重的环境恶化并不意外,中国更多的贸易增长归因于生产的国际分散化。他们的研究表明,1995-2004年中国出口商品的污染密集度出现了急剧下降,这得益于入世后中国吸引的FDI增长和生产的国际分散化。彭水军和刘安平(2010)研究发现,中国的出口品比进口品更清洁,参与国际贸易对中国污染减排是有利的。

  第二,将贸易开放度引入环境库兹涅茨曲线经验方程中,探究贸易开放、经济增长对污染排放的影响。Grossman和Krueger(1991)使用42个国家都市地区三类空气污染物数据,研究发现低收入国家的污染随经济增长而上升,但是高收入国家的污染随经济增长而下降。随后,Grossman和Krueger(1995)研究表明,没有证据显示环境质量会随着经济增长持续地恶化,相反,经济增长在带来初始阶段的环境恶化后,随后阶段将伴有环境改善,即经济增长与污染排放之间呈现出倒U型关系。在此基础上,贸易开放度被引入环境库兹涅茨曲线经验方程中,能够更明确地反映出开放条件下经济增长与环境污染的关系。例如,包群和彭水军(2006)认为,中国存在环境库兹涅茨倒U型曲线,同时贸易开放度的提高有助于减少环境污染物的排放量。李锴和齐绍洲(2011)发现,经济增长与二氧化碳排放强度之间呈倒U型关系,同时贸易开放增加了中国省区的二氧化碳排放量和碳强度。刘华军和闫庆悦(2011)利用不同的二氧化碳排放指标得出的环境库兹涅茨曲线的形态存在着巨大差异,同时贸易开放对中国二氧化碳排放的影响也不确定。Tiwari等(2013)证实,贸易开放度会增大印度二氧化碳的排放,印度经济增长与二氧化碳排放之间存在着双向因果关系。Ozturk和Acaravci(2013)的研究表明,长期内贸易开放度的提高会增加土耳其人均碳排放;土耳其经济增长支持环境库兹涅茨曲线假说。

  第三,基于开放条件下工业污染排放空间相关性,对有关环境库兹涅茨曲线假说的扩展研究。先前关于环境库兹涅茨曲线假说的研究,都隐含地假定各地污染排放是独立的,不存在空间相关性。事实上,一个地区的产业政策和发展理念不仅影响本地的生态环境,也会对其他地区特别是相邻地区的生态环境产生影响。如果忽视这种空间相关性,那么所得结论的可靠性就存在疑问。随着空间计量分析方法的发展,污染排放的空间相关性已日益受到重视。Rupasingha等(2004)在考察美国经济增长与环境污染关系时,使用空间误差模型发现,在考虑空间相关性之后,环境库兹涅茨曲线的估计结果仍旧是稳健的。Maddison(2006)的研究表明,一国人均二氧化硫及氮氧化物排放量在很大程度上受到邻国人均排放量的影响,一国人均氮氧化物排放量会因为与人均收入高的国家相邻而减少。吴玉鸣和田斌(2012)认为,中国省域环境污染存在着明显的空间依赖性和空间溢出效应,同时环境库兹涅茨假说在中国省域层面上被证实。据此,本文将开放程度引入到包含工业污染排放空间相关性的环境库兹涅茨曲线方程中,来揭示中国省级开放程度、经济增长对工业污染排放的差异性影响。

  与已有文献相比,本文研究贡献在于:第一,研究方法不同。先前文献中采用的是常系数回归模型,无法反映中国省级开放程度、经济增长对工业污染排放影响的个体差异,而本文运用地理加权回归(GWR)模型考察了各省开放程度、经济增长对工业污染排放的差异性影响。第二,对内生性问题处理不同。Maddison(2006)、吴玉鸣和田斌(2012)虽然考虑了空间滞后项的内生性,但忽视了经济增长的内生性,因而其估计结果很可能有偏。本文针对此内生性问题,分别采用海外市场可达性、人力资本和相邻省份能源消费总量作为省域开放程度、经济增长和相邻省份工业污染排放指数的工具变量,使得估计结果更加稳健。第三,有了新的研究结论。一是证实环境库兹涅茨倒U型曲线假说在上海、江苏和广东等25个省级地区成立,这与包群和彭水军(2006)、李锴和齐绍洲(2011)的研究结论相一致。但是,环境库兹涅茨倒U型曲线假说在北京、天津、河北、山东和辽宁等5个省级区域并没有得到支持。二是省域开放程度的提高对本地环境的总体影响是不利的,其中,辽宁、吉林、黑龙江和北京等23个省份开放程度的提高显著增加了本地工业污染排放。并且,上海、广东和江苏等21个省级地区工业污染排放呈现出显著的正向空间相关性,但北京和河北工业污染排放呈现显著的负向空间相关性。据此,应系统评估各省环境质量与经济发展的空间联动性,采取区域联防联控环保政策来协调经济发展与环境污染的矛盾;同时加强环境规制力度,促进技术进步,通过在扩大开放中优化外贸和外资结构来改善省级环境质量。

  本文结构安排如下:第二部分对中国省级地区开放程度、经济增长与工业污染排放的空间分布关系进行统计考量;第三部分选取变量来构建GWR模型;第四部分为经验实证结果分析;第五部分给出主要结论及政策建议。

  二、中国省级地区开放程度、经济增长与工业污染排放的空间分布

  中国于2001年加入WTO后,虽然经济取得了快速增长,外贸和外资规模不断扩大,但各省之间经济发展水平差距明显,东部沿海省份依然是经济发展的重心。受此影响,中国省级工业污染排放水平及其发展变化也呈现出一定的空间分布特征。

  (一)中国省级地区工业污染排放水平的变化

  为了准确反映中国省级地区工业污染排放水平的变化情况,本文根据各省工业二氧化硫排放量、工业烟(粉)尘排放量、工业废水排放量和工业固体废物产生量等4个指标,运用纵横向拉开档次法,计算得到中国省级工业污染排放指数。在这里,本文使用工业污染排放量而非工业污染排放强度来构造工业污染排放指数,究其原因:第一,在工业产值增加过程中,污染排放量的减少必然导致污染排放强度的降低,对污染排放量的控制体现的是减排技术能力的绝对提高,即在经济增长过程中绝对环境成本被降低。而现有工业增加值的统计数据并未考虑工业污染排放引致的长期环境成本,工业生产的短期经济效益被放大。这样,即使是高排放、高产出的粗放型工业生产,只要其工业产出超出其污染排放,也会呈现出污染排放强度下降的表象。因此,相较于污染排放量,用污染排放强度测算得到的污染排放指数存在着对污染排放水平的低估,可能会产生误导。以中国工业废水排放为例,2002-2005年工业废水排放量不断上升,而工业废水排放强度在2002-2011年不断下降。2006-2011年工业废水排放强度年均下降幅度达11.6%,完全掩盖了这一期间工业废水排放量年均仅减少0.9%的事实。②第二,污染排放量控制是中国现行环境保护法规规定的一项重要环境管理制度。2005年12月发布的《国务院关于落实科学发展观加强环境保护的决定》明确要求,“要实施污染物总量控制制度,将总量控制指标逐级分解到地方各级人民政府并落实到排污单位”。这样,用污染排放量来测算工业污染排放指数的政策指导意义更好。此外,利用污染排放量来代表污染排放水平也得到已有文献的支持(Cole,2004;包群和彭水军,2006;杨万平,2010)。

  

  观察表1我们发现:首先,2002-2011年,各区域省份之间工业污染排放水平存在着明显差异:东部省份工业污染排放的平均水平最高,其中,河北、山东和江苏的工业污染排放指数始终处于3以上。西部省份工业污染排放的平均水平最低,除四川、内蒙古和广西外,其他西部省份工业污染排放指数始终处于2以下。中部省份工业污染排放的平均水平位于中间,所有8个中部省份的工业污染排放指数都在1~3之间。因此,相对于中、西部省份,东部省份面临着由工业生产引致的更大的环境压力。其次,2002-2011年,各区域省份之间工业污染排放水平的变化趋势存在着显著的不同:东部省份工业污染排放的平均水平在2005年后呈现下降趋势,除河北、山东、福建外,其他东部省份的工业污染排放水平在2005年后都得到了不同程度的控制。中部省份工业污染排放的平均水平在2002-2011年呈现出先降后升的趋势,主要原因是安徽的工业污染排放水平在这一阶段的拉动以及山西工业污染排放水平在2008年出现了反弹。西部省份工业污染排放的平均水平在2007年以前呈上升趋势,此后基本维持不变,其中,四川在2007年以后有效地控制了工业污染排放水平,而内蒙古的减排效果相形见绌。最后,在局部区域呈现出工业污染高排放省份与低排放省份交错毗邻的特点。例如,工业污染排放水平低的北京就被工业污染排放高的河北所包围。同时,在2002-2011年,北京工业污染排放水平存在着下降趋势,而河北的工业污染排放水平并没有得到有效控制。据此,很可能存在着中国省级工业污染排放的空间转移,我们将在后面的分析中对这一效应进行考察。

  (二)中国省级地区开放程度与工业污染排放的空间分布

  开放程度既包括对外开放程度,也包括对内开放程度。参考庞智强(2008)的研究方法,并囿于数据的可得性,本文选取各省外贸依存度、外资依存度、货运密度、市场活跃度和非国有经济比率等5个指标,运用纵横向拉开档次法计算得到中国省级综合开放指数。其中,外贸依存度和外资依存度反映对外开放程度;货运密度、市场活跃度和非国有经济比率反映对内开放程度。

  在图1中,我们分别以各省综合开放指数和工业污染排放指数取对数后的标准化值为横坐标和纵坐标,将坐标系分为四个象限。其中,位于第Ⅰ象限为高开放程度、高工业污染排放水平的省份(高高型),位于第Ⅱ象限为低开放程度、高工业污染排放水平的省份(低高型),位于第Ⅲ象限为低开放程度、低工业污染排放水平的省份(低低型),位于第Ⅳ象限为高开放程度、低工业污染排放水平的省份(高低型)。2002年,福建、广东、河北、江苏、辽宁、山东、上海和浙江等8个省份为高高型;安徽、广西、河南、湖北、湖南、江西、山西和四川等8个省份为低高型;甘肃、贵州、黑龙江、内蒙古、宁夏、青海、陕西、西藏、新疆、云南和重庆11个省份为低低型;北京、海南、吉林和天津等4个省份为高低型。与2002年相比,2011年仅有8个省级区域的类型发生了变化,其中,吉林的开放程度出现了阶段性下降,由高低型转变为低低型;安徽、河南和江西的开放程度出现了阶段性上升,由低高型转变为高高型;重庆的开放程度出现了阶段性上升,由低低型转变为高低型;内蒙古和云南的工业污染排放水平也出现了阶段性上升,由低低型转变为低高型;上海的工业污染排放水平出现了阶段性下降,由高高型转变为高低型。2002与2011年的象限图中,趋势线都贯穿I、Ⅲ象限,说明省级维度上开放程度与工业污染排放水平之间存在着正向相关性。并且,东部11个省份都位于Ⅰ、Ⅳ象限,同时工业污染排放水平最高的3个省份(河北、山东和江苏)也都位于东部,这说明东部省份外贸和外资规模更大,市场经济更为活跃;同时也反映出东部省份间的工业污染排放水平存在着较大的差异。据此,在资本跨国流动过程中,开放程度的提高是否会引致工业污染排放的增加?局部地区是否存在工业污染排放的跨省转移?这需要我们做进一步的计量分析。

  

  图1 2002、2011年中国省级综合开放指数和工业污染排放指数关系

  说明:(1)横、纵坐标分别反映综合开放指数和工业污染排放指数取对数后标准化值的大小,这样处理的原因:一是对变量取自然对数可消减变量间数值差异过大,能够更直观地反映变量间相互关系;二是标准化处理使坐标原点平移到样本中心位置,有助于识别坐标系中各省份的类型划分和动态演变。在图2中我们也进行了类似处理。(2)中国省级综合开放指数和工业污染排放指数的计算过程参见本文第三部分变量指标的测算部分。(3)中国31个省级行政区对应的英文缩写分别为:BJ—北京,SH—上海,TJ—天津,CQ—重庆,HE—河北,SX—山西,NM—内蒙古,LN—辽宁,JL—吉林,HL—黑龙江,JS—江苏,ZJ—浙江,AH—安徽,FJ—福建,JX—江西,SD—山东,HA—河南,HB—湖北,HN—湖南,GD—广东,GX—广西,HI—海南,SC—四川,GZ—贵州,YN—云南,XZ—西藏,SN—陕西,GS—甘肃,QH—青海,NX—宁夏,XJ—新疆。下同。

  (三)中国省级经济增长与工业污染排放的空间分布关系

  如图2所示,横坐标为各省人均实际GDP取对数后的标准化值,纵坐标为工业污染排放指数取对数后的标准化值。2002年,福建、广东、河北、江苏、辽宁、山东、上海和浙江等8个省份为高人均实际GDP、高工业污染排放水平的省份(高高型);安徽、广西、河南、湖北、湖南、江西、山西和四川等8个省份为低人均实际GDP、高工业污染排放水平的省份(低高型);甘肃、贵州、海南、内蒙古、宁夏、青海、陕西、西藏、新疆、云南和重庆等11个省份为低人均实际GDP、低工业污染排放水平的省份(低低型);北京、黑龙江、吉林和天津等4个省份为高人均实际GDP、低工业污染排放水平的省份(高低型)。相较于2002年,2011年有4个省份的类型发生了变化,而其余27个省份的类型保持不变。具体来看,河北由高高型转变为低高型;内蒙古由低低型转变为高高型;上海由高高型转变为高低型,云南由低低型转变为低高型。无论是2002年还是2011年,趋势线都反映出省级区域人均实际GDP与工业污染排放之间存在着倒U型关系。③

  

  图2 2002、2011年中国省级人均实际GDP和工业污染排放指数关系

  说明:横、纵坐标分别反映人均实际GDP和工业污染排放指数。

  资料来源:人均实际GDP来自国研网统计数据库,中国省级工业污染排放指数的计算过程参见本文第三部分变量指标的测算部分说明。

  2002、2011年,除河北和海南外,其他9个东部省份都分布在Ⅰ、Ⅳ象限,而2011年,除吉林、黑龙江和内蒙古等3个省份外,其他17个中、西部省份分布在Ⅱ、Ⅲ象限。这说明:一方面,中、西部省份的经济发展水平与东部省份仍存在较大差距,中国经济增长的核心地区依然在东部;另一方面,区域内部各省经济增长中工业污染排放水平存在较大差异,例如,安徽、广西、河南、湖北、湖南、江西、山西和四川等8个中、西部省份在2002和2011年都属于低高型,相较于高低型的黑龙江和吉林,其经济增长中的环境效益亟待提高。因此,考虑到中国各省经济增长和工业污染排放的显著差异,环境库兹涅茨倒U型曲线在各省经济增长过程中是否依然存在,仍需进一步验证。

  三、中国各省开放程度、经济增长对工业环境污染排放的影响

  包括空间相关性的环境库兹涅茨曲线模型的设定原理主要基于以下假说:

  第一,经济增长与工业污染排放之间存在双向作用关系。一方面,在经济起飞阶段,资源的使用往往超过资源的再生,工业污染物大量产生;而当经济发展到新阶段,随着技术进步和产业结构的转型升级,工业污染排放也随之减少。另一方面,工业污染排放的增加会改变消费偏好和环境政策,进而影响到经济增长。

  第二,开放程度与工业污染排放之间存在双向作用关系。一方面,开放程度的提高既能促进国内技术进步,提升环境质量管理能力,又能引致工业生产集聚,增加污染排放;另一方面,工业污染排放的增加,环境污染压力的加大,会导致地方民众环境保护意识增强,进而促使政府加强环境规制力度,提高对外商直接投资开放的准入门槛,形成东部省份对外开放引资向环境友好型转变。④

  第三,工业污染排放存在空间相关性。首先,由于区域间经济技术和人力资本的交流,周边省份工业污染排放的减少可以辐射带动本地环境质量的改善;其次,高污染产业区域间转移,在改善移出地环境质量的同时,却增加了移入地的工业污染排放;最后,距离相对较小的区域之间,存在二氧化硫等污染物的跨地区污染问题,导致相邻地区的环境污染存在正向空间相关性。这样,在考察环境污染过程中,由于存在着跨省污染(主要是二氧化硫、烟尘和粉尘)问题,本文将利用空间权重矩阵(相邻省份为1,否则为0),并将废气等跨省污染因素纳入空间计量模型之中。

  (一)变量选取及模型构建

  1.因变量。在考察中国省级区域开放程度、经济增长对工业污染排放影响时,本文选取中国省级工业污染排放指数作为因变量。根据各省工业二氧化硫排放量、工业烟(粉)尘排放量、工业废水排放量和工业固体废物产生量等4个指标,运用纵横向拉开档次法计算得到中国省级工业污染排放指数。

  2.核心解释变量。Jalil和Mahmud(2009)与Ozturk和Acaravci(2013)的研究发现,环境污染与经济增长、开放程度密切相关。同时,参考Grossman和Krueger(1991)提出的环境库兹涅茨曲线假说,本文选取人均实际GDP、人均实际GDP的平方以及综合开放指数作为核心解释变量。

  3.控制变量。第一,相邻省份工业污染排放指数。Rupasingha等(2004)与吴玉鸣和田斌(2012)的研究表明,污染排放存在着空间相关性,即一个地区的污染排放水平不仅取决于自身因素,还会受到相邻地区的影响。据此,本文加入相邻省份工业污染排放指数作为控制变量,以避免忽略空间相关性造成的估计偏误。第二,能源消费总量。Tiwari等(2013)研究发现,能源消费总量对解释环境库兹涅茨曲线十分重要。据此,本文加入各省能源消费总量作为控制变量。第三,能源价格。长期以来,中国能源价格偏低,没有考虑环境外部成本。杨万平(2010)研究表明,能源价格上升会有效抑制各省环境污染排放。本文通过加入燃料动力类购进价格指数,来控制能源价格对省级工业污染排放的影响。第四,产业结构。Shen和Hashimoto(2004)与Castiglione等(2012)的研究认为,产业结构对污染排放的影响显著,因而我们在模型中也加入第二产业比重来控制产业结构对省级工业污染排放的影响。第五,年度哑变量。本文在模型中加入年度哑变量,来控制由政策和外部冲击导致的年度差异性影响。

  4.空间权重矩阵的设置。由于相邻省份之间,自然禀赋相近,信息传递和要素流动较为便利,所以已有文献通常借助二进制地理邻接权重矩阵Wn(相邻省份间权重设为1,否则设为0),来考察各省间的空间相关性。需要说明的是,虽然海南没有在陆地上与其他省份接壤,但是从污染地理相邻性角度出发,我们仍将广东和广西两省视为海南的相邻省份。

  根据以上变量选取,我们基于地理加权回归(GWR)模型,将开放条件下反映工业污染排放空间相关性的环境库兹涅茨曲线模型设定为:

  

  其中,参数是地理坐标()的函数;为第t年i省工业污染排放指数;为第t年i省人均实际GDP;为第t年i省综合开放指数;为第t年与i省相邻省份工业污染排放指数自然对数的平均值;为第t年i省能源价格;为第t年i省能源消费总量;为第t年i省产业结构,用第二产业产值除以GDP表示;为时间哑变量,在第t年时取值1,其他都为0;是随机误差项。在模型中,我们根据变量的数值特征,对相关变量取了自然对数处理,一方面可以减弱因为变量间数值差异较大导致的异方差问题,另一方面可以避免变量间因不同单位带来的影响。此外,(1)式中没有加入收入三次方的原因在于:一方面在本文研究期内,工业污染排放并没有出现剧烈的波动,加入人均收入的二次方可以反映出工业污染排放量与人均收入的非线性关系,另一方面模型里加收入三次方后的回归结果并不稳健。

  根据人均实际GDP及其平方项的回归系数,经济增长对工业污染排放的影响有以下几种形式:如果,那么经济增长和工业污染排放之间呈“倒U型”关系;如果,那么经济增长和工业污染排放之间呈“U型”关系;如果,那么工业污染排放随经济增长线性增加;如果,那么工业污染排放随经济增长线性减少;如果都为0,那么经济增长并不影响工业污染排放。

  (二)中国省级综合开放指数和工业污染排放指数的测算

  关于开放程度问题,本文参考庞智强(2008)的研究,选取各省外贸依存度、外资依存度、货运密度、市场活跃度和非国有经济比率等5个指标,运用纵横向拉开档次法计算得到2002-2011年中国省级综合开放指数。其中,外贸依存度、外资依存度反映对外开放程度;货运密度、市场活跃度和非国有经济比率反映对内开放程度。这样测算的开放程度就既包含对外开放程度,又包含对内开放程度。④关于工业污染排放指数的测算,这里依据各省工业二氧化硫排放量、工业烟(粉)尘排放量、工业废水排放量和工业固体废物产生量等4个指标,运用纵横向拉开档次法,计算得到2002-2011年中国省级工业污染排放指数。⑤

  具体来看,纵横向拉开档次法的计算过程如下:

  1.数据标准化。对原始数据进行标准化处理,以保证数据口径的可比性。

  

  

  当z值显著为正时,说明中国省级工业污染排放存在显著的正向空间相关性;当z值显著为负时,说明中国省级工业污染排放存在显著的负向空间相关性;当z值在统计上不显著时,则认为中国省级工业污染排放不存在显著的空间相关性。

  (四)工具变量选取及参数估计

  由于GWR模型中包括人均实际GDP、综合开放指数和相邻省份工业污染排放指数等3个内生变量,因而需要选取工具变量来做到估计结果的一致性。

  1.人均实际GDP的工具变量。针对人均实际GDP的内生性影响,参照李锴和齐绍洲(2011)研究中工具变量的设定形式,本文采用人力资本(全部6岁及6岁以上人口的平均受教育年限)作为人均实际GDP的工具变量。

  2.综合开放指数的工具变量。根据黄玖立和李坤望(2006)及Feyrer(2009)研究中工具变量的选取方法,本文使用海外市场可达性乘以美元兑人民币名义汇率作为综合开放指数的工具变量。

  3.相邻省份工业污染排放指数的工具变量。由于相邻省份能源消费总量对本地工业污染排放的影响是通过相邻省份工业污染排放间接产生的。因此,我们选取相邻省份能源消费总量作为相邻省份工业污染排放指数的工具变量。

  在Hastie和Tibshirani(1993)提出的局部回归估计的基础上,借助选取的工具变量,本文获得相应的参数估计值(参见附录):

  

  (五)变量说明及数据来源

  1.因变量:中国省级工业污染排放指数。本文选取各省工业二氧化硫排放量、工业烟(粉)尘排放量、工业废水排放量和工业固体废物产生量,作为衡量工业污染排放水平的代理变量,通过纵横向拉开档次法,得到中国省级工业污染排放指数,数据来自于2003-2012年《中国环境年鉴》。

  2.核心解释变量:第一,中国省级人均实际GDP及其平方项。为了剔除价格因素的影响,先由各省2003-2011年GDP指数得到各省份每年GDP总额的实际增长速度,再根据各省2002年的名义GDP总额和2002-2011年的人口总数,计算得到以2002年为基期的人均实际GDP,数据来自国研网统计数据库。第二,综合开放指数,由各省外贸依存度、外资依存度、货运密度、市场活跃度和非国有经济比率等5个指标,通过纵横向拉开档次法,得到中国省级综合开放指数。其中:(1)外贸依存度由各省进出口总额除以GDP总额得到,这里各省进出口总额经汇率调整为以人民币计价,以便和GDP总额相比较。(2)外资依存度由各省实际利用外商直接投资除以GDP总额得到,这里各省实际利用外商直接投资经汇率调整为以人民币计价。(3)货运密度由各省铁路和公路货运总量除以铁路和公路总长度。(4)市场活跃度由各省社会消费品零售总额除以GDP总额得到。(5)非国有经济比率由非国有经济固定资产投资额除以全社会固定资产投资额得到。指标(1)、(3)、(4)及(5)数据来自国研网统计数据库,指标(2)数据来自《新中国60年统计资料汇编》和各省2012年统计年鉴。

  3.控制变量:第一,相邻省份工业污染排放指数。第二,各省能源消费总量,数据来自2003-2012年《中国能源统计年鉴》。第三,能源价格,由各省燃料动力类购进价格指数表示,数据来自国家统计局数据库,由于原始的燃料动力类购进价格指数以前一年为基期,因而本文进一步将其整理为以2002年为基期,以便与人均实际GDP形成对应。这里需要说明的是,由于西藏能源消费总量和能源价格指数数据不可获得,因而回归中将其剔除。第四,产业结构,由各省第二产业产值除以GDP总额得到,数据来自国泰安数据库。

  4.工具变量:第一,相邻省份能源消费总量。第二,参照黄玖立和李坤望(2006)的研究,海外市场的可达性由各省省会城市到海岸线距离的倒数再乘以100后得到,其中沿海省份到海岸线距离为其内部距离,内陆省份到海岸线的距离为其到最近的沿海省份的距离加上该沿海省份的内部距离。各省内部距离为该省地理半径的2/3。由于地理距离不随时间变化,因而本文用美元兑人民币名义汇率乘以海外市场可达性作为开放程度的工具变量。美元兑人民币名义汇率来自国研网统计数据库。第三,人力资本,由全部6岁及6岁以上人口的平均受教育年限来体现。参照包群和彭水军(2006)的研究,本文把小学、初中、高中和大专及以上的受教育年限分别记为6年、9年、12年和16年,则各省人力资本的计算公式为:H=6PRI+9MID+12HIG+16JUN。其中,H为人力资本,PRI为受小学教育程度的人口占比,MID为受初中教育程度的人口占比,HIG为受高中教育程度的人口占比,JUN为受大专及以上教育程度的人口占比,数据来源于国泰安数据库。

  四、经验分析结果

  考虑到工业污染排放存在空间相关性,本文借助空间计量分析方法,探究中国省级开放程度、经济增长对工业污染排放的差异性影响。

  (一)空间相关性检验

  在考察各省开放程度、经济增长对工业污染排放差异性影响之前,我们运用Moran指数来检验中国省级工业污染排放是否存在空间相关性。

  

  从表2可知,中国省级工业污染排放Moran指数都为正值,且在5%或10%统计水平下显著。这表明中国省级工业污染排放总体呈现出显著的正向空间相关性,即工业污染排放较高的省份相对聚集在一起,工业污染排放较低的省份也相对聚集在一起。在验证环境库兹涅茨曲线假说时,中国省级工业污染排放的空间相关性就不容忽视。

  (二)未考虑与考虑内生性的GWR模型估计结果

  鉴于GWR模型中存在内生性解释变量,因而我们首先对未考虑内生性的GWR模型估计结果作简要说明,然后再深入分析考虑内生性的GWR模型估计结果,最后比较二者的差异,并以此说明克服变量内生性问题的必要性。由于西藏缺失能源消费总量和燃料动力类购进价格指数的数据,因而在GWR模型估计中将其剔除。

  1.未考虑内生性的GWR模型估计结果分析。未考虑内生性的GWR模型估计结果(囿于版面所限,这里没有列出)表明,相关变量对工业污染排放的影响存在着明显的个体差异。具体来看:

  第一,福建、广东、河北等27个省份人均实际GDP的参数估计值统计上显著为正,其平方项的参数估计值显著为负,而安徽、山东和天津等3个省份人均实际GDP的参数估计值在统计上不显著。因此,环境库兹涅茨倒U型曲线假说在福建、广东、河北等27个省份得到了验证,而在安徽、山东和天津等3个省份没有得到支持。

  第二,从开放程度对工业污染排放的影响来看,甘肃、广东、广西、贵州、海南、黑龙江、湖南、湖北、吉林、江西、辽宁、青海、陕西、上海、四川、新疆、云南、浙江和重庆等19个省份开放程度的提高对本地环境产生了显著的不利影响;安徽、北京、福建、河南、江苏、宁夏和天津等7个省份开放程度的提高对本地环境也产生不利的影响,但统计上不显著。4个省份开放程度的提高对本地工业污染排放存在负向影响,如内蒙古和山西开放程度的提高会显著减少本地工业污染排放,河北和山东开放程度的提高对本地工业污染排放存在负向影响,但统计上不显著。

  第三,就工业污染排放的空间相关性而言,甘肃、宁夏、青海、陕西和新疆等5个省份工业污染排放具有显著的正向空间相关性;福建、广东、广西、贵州和海南等5个省份工业污染排放存在显著的负向空间相关性;河北、河南、黑龙江、吉林、辽宁、内蒙古、山西、四川、安徽、北京、湖北、湖南、江苏、江西、山东、上海、天津、云南、浙江和重庆等20个省份工业污染排放并不存在显著的空间相关性。

  第四,安徽、北京、甘肃、河北、河南、黑龙江、湖北、吉林、江苏、辽宁、青海、山东、上海、天津、新疆和浙江等16个省份能源价格上升会显著地降低本地工业污染排放。福建、湖南、江西、内蒙古、宁夏、山西、陕西、四川、重庆和云南10个省份能源价格上升对本地工业污染排放存在负向影响,但统计上不显著。广东、广西、贵州和海南等4个省份能源价格上升反而增加了本地工业污染排放,尽管统计上不显著。

  第五,各省能源消费总量和第二产业比重对本地工业污染排放都存在统计上显著的正向影响。

  2.考虑内生性的GWR模型估计结果分析。考虑到人均实际GDP、开放程度以及相邻省份工业污染排放指数都具有内生性影响,本文借助人力资本、海外市场可达性和相邻省份能源消费总量作为工具变量,进一步对GWR模型进行估计。表3为克服解释变量内生性影响后,相关变量对中国省级工业污染排放的具体影响的检验结果。

  

  第一,上海、广东、江苏等25个省份人均实际GDP的参数估计值都显著为正,其平方项的参数估计值都显著为负,因而这25个省份经济增长对工业污染排放的影响呈现出显著的倒U型特征,从而支持了环境库兹涅茨倒U型曲线假说。北京和河北人均实际GDP及其平方项的参数估计值在统计上不显著,辽宁、山东和天津等3个省份人均实际GDP的参数估计值在统计上也不显著,因而北京、河北、天津、山东和辽宁等5个省份经济增长对工业污染排放影响的倒U型特征并不显著。事实上,经济增长对工业污染排放的影响主要是规模效应、结构效应和技术效应相互作用的结果。其中,规模效应体现的是要素投入增加引发的环境成本,结构效应和技术效应反映的是产业结构升级和技术进步带来的环境效益。经济增长中环境成本和环境效益并存,使得工业污染排放的增速随着经济增速的增加而下降,最终实现经济增长与环境改善的双赢。而北京、天津、河北、山东、辽宁等5个位于环渤海地区的省份不支持环境库兹涅茨倒U型曲线假说的原因在于:一方面,北京奥运环境治理规划使得污染企业由北京向河北转移,造成环境成本和环境效益在空间上发生分离——移出地享受结构转型带来的环境效益,移入地承担要素投入增加导致的环境成本;另一方面,天津、河北、山东、辽宁等省份产业结构趋同现象明显,重化工业的富集和环保投入的不足打破了相应省份经济增长中环境成本和环境效益的动态联系。因此,上述5个省份经济增长对工业污染排放影响的倒U型特征并不显著。

  第二,所有30个省份开放程度的提高对本地工业污染排放都具有正向影响,这与之前考量分析中省级维度上开放程度与工业污染排放水平之间存在正向相关性的结论是相一致的。具体来看,安徽、北京、广东、广西、贵州、海南、河南、黑龙江、湖北、湖南、吉林、江苏、江西、辽宁、青海、山东、陕西、上海、四川、天津、新疆、云南和重庆等23个省份,开放程度的提高会显著地增加本地工业污染排放;福建、河北、甘肃、内蒙古、宁夏、山西和浙江等7个省份,开放程度的提高虽然增加本地工业污染排放,但统计上不显著。因此,开放程度的提高对中国省级环境产生了不利影响,由开放引致技术进步带来的环境效益亟待加强。

  第三,就工业污染排放的空间相关性而言,安徽、福建、甘肃、广东、贵州、海南、河南、黑龙江、湖北、湖南、江苏、江西、宁夏、青海、陕西、上海、四川、新疆、云南、浙江和重庆等21个省份具有显著的正向空间相关性;河北和北京具有显著的负向空间相关性;吉林、广西、内蒙古、辽宁、天津、山东和山西等7个省份不存在显著的空间相关性。因此,中国省级工业污染排放以正向空间相关性占据主导地位,而首都钢铁、北京焦化厂等高污染企业由北京向河北转移,导致了北京和河北工业污染排放呈显著的负向空间相关性。这一估计结果也符合前述考量分析中的统计事实,即2002-2011年北京工业污染排放水平存在下降趋势,而河北工业污染排放水平并没有得到有效控制。

  第四,安徽、福建、甘肃、广东、广西、贵州、海南、黑龙江、湖北、湖南、吉林、江苏、江西、青海、上海、四川、新疆、云南、浙江和重庆等20个省份能源价格上升会显著地降低本地工业污染排放;北京、河南、辽宁、陕西、宁夏、山东和天津等7个省份能源价格上升也会降低本地工业污染排放,但统计上不显著;山西和河北能源价格上升反而伴随有本地工业污染排放的放大;内蒙古能源价格上升也放大了本地工业污染排放,只是统计上不显著。究其原因,能源价格的上升提高了山西、河北和内蒙古煤炭等能源企业的收益,刺激其扩大生产,增加了污染排放。

  第五,各省能源消费总量在1%统计水平下都是显著的,这表明各省能源消费总量的增加都会显著地扩大本地工业污染排放。因此,节能是减排的基础,只有提高资源的利用效率,才能实现对工业污染排放的有效控制。

  第六,安徽、福建、甘肃、广东、海南、河南等22个省份第二产业比重的增加会显著地增加本地工业污染排放;北京、广西、贵州、河北、辽宁、云南、四川和重庆等8个省份第二产业比重的增加也放大了本地工业污染排放,但统计上不显著。因此,大力推进结构调整,加快淘汰落后产能对减少工业污染排放意义重大。

  3.GWR模型估计结果比较。这里对未考虑内生性与考虑内生性的GW模型估计结果进行对比发现:人均实际GDP、开放程度和相邻省份工业污染排放指数等内生变量对本地工业污染排放的影响,在上述两个模型的估计结果中存在着显著的差异。具体来看:

  第一,就环境库兹涅茨曲线假说的验证而言,前者估计中环境库兹涅茨倒U型曲线假说只是在安徽、山东和天津等3个省份没有得到验证,而后者估计里北京、天津、河北、山东、辽宁等5个省份经济增长对工业污染排放影响的倒U型特征并不显著。

  第二,就开放程度对工业污染排放的影响而言,前者估计中山西和内蒙古开放程度的提高对本地工业污染排放具有显著的负向影响,但后者估计中所有30个省份开放程度的提高对本地工业污染排放都具有正向影响。这样,无论解释变量是否存在内生性,考虑内生性的GWR模型的估计结果始终具有一致性,而未考虑解释变量内生性的GWR模型的估计结果只有在解释变量不存在内生性时才具有一致性。因此,当二者估计结果出现统计上的显著性差异时,说明解释变量具有内生性,选取工具变量克服解释变量内生性影响有助于保证估计结果的可靠性。

  第三,就工业污染排放的空间相关性而言,前者估计中甘肃、宁夏、青海、陕西和新疆等5个省份具有显著的正向空间相关性,而后者估计中广东、江苏和上海等21个省份具有显著的正向空间相关性。并且,由于表2中Moran指数显著为正,即中国省级工业污染排放总体呈现出显著的正向空间相关性。因此,后者考虑内生性的GWR模型的相关参数估计值更加符合空间相关性检验结果。

  (三)常系数回归模型与考虑内生性的GWR模型估计结果

  这里再将考虑内生性的GWR模型估计结果与常系数回归模型估计结果做比较分析。第一,从环境库兹涅茨曲线假说来看,常系数回归表明,中国省级人均实际GDP对本地工业污染排放的影响统计上显著为正,并且其平方项对本地工业污染排放的影响统计上显著为负,因而支持了环境库兹涅茨倒U型曲线假说。而考虑内生性的GWR模型表明,环境库兹涅茨倒U型曲线假说在上海等25个省份得到了验证,在北京等5个省份没有获得支持。第二,从开放程度对污染排放的影响来看,常系数回归表明,开放程度的提高对本地工业污染排放具有统计上显著的正向影响。而考虑内生性的GWR模型表明,安徽等23个省份具有显著的正向影响,福建等7个省份存在正向影响,但统计上不显著。第三,考虑开放条件下工业污染排放省级空间相关性之后,常系数回归显示,中国省级工业污染排放呈显著的正向空间相关性。而考虑内生性的GWR模型显示,安徽、福建、广东等21个省份存在显著的正向空间相关性,河北和北京之间存在显著的负向空间相关性。第四,常系数回归表明,能源价格上升对本地工业污染排放具有统计上显著的负向影响;第二产业比重对本地工业污染排放存在统计上显著的正向影响。考虑内生性的GWR模型表明,安徽等27个省份能源价格上升对本地工业污染排放存在负向影响,而山西、河北和内蒙古等3个省份能源价格上升反而放大了工业污染排放。安徽等22个省份第二产业比重的增加会显著增加工业污染排放,北京等8个省份第二产业比重的增加也放大了工业污染排放,但统计上不显著。并且,两模型回归都表明,能源消费总量对本地工业污染排放具有统计上显著的正向影响。因此,相较于考虑内生性的GWR模型,常系数回归模型中解释变量对工业污染排放的影响只是一种总体反映,它忽视了相关变量对工业污染排放影响的省级个体差异。

  进一步对比考虑内生性的GWR模型和常系数回归模型的拟合效果(见表4),考虑内生性的GWR模型估计得到的残差平方和、AIC值都比常系数回归模型估计得到的数值更小。根据Fotheringham等(2002)评价标准,只要常系数回归模型的AIC值比地理加权回归模型的AIC值大于3以上,那么即使把复杂性考虑在内,也会得出地理加权回归模型比常系数回归模型的估计结果更好。据此,本文使用考虑内生性的GW模型进行参数估计是更加可靠的。

  

  (四)考虑内生性的GWR模型残差平稳性和空间相关性检验

  由于GWR模型假定随机扰动项是独立同方差的,据此,如果考虑内生性的GWR模型残差不平稳或者存在显著的空间相关性,那么其估计结果依然是不可靠的。因此,有必要对考虑内生性的GWR模型残差的平稳性及空间相关性进行检验。

  1.残差平稳性检验。为了避免因检验方法本身的局限对检验结果带来的片面性,本文同时采用LLC、Fisher-ADF和Fisher-PP等3种方法对考虑内生性的GWR模型的残差进行单位根检验,各检验的原假设均为残差存在单位根。从表5可以看出3种方法检验的统计量都在1%的统计水平下拒绝原假设,因而该模型残差不存在单位根,表明考虑内生性的GWR模型残差是平稳的。

  

  2.残差空间相关性检验。相关性检验结果见表6。残差Moran指数在10%o统计水平下不显著,这表明考虑内生性的GWR模型残差不存在显著的空间相关性。

  

  五、主要结论及政策建议

  本文使用空间计量分析方法,考察了中国省级开放程度、经济增长对工业污染排放的影响,研究表明:

  第一,环境库兹涅茨倒U型曲线假说在上海、江苏、浙江和广东等25个省份中得到了验证,但在北京、天津、河北、山东和辽宁等5个省份并没有得到支持。可能的原因是,北京奥运环境治理规划导致高污染企业由北京向河北转移,天津、山东和辽宁重化工业的聚集和环保投入的不足,打破了相应省份经济增长中环境成本和环境效益的动态联系,导致经济增长对工业污染排放的影响在上述5个省份并未呈现出统计上显著的倒U型特征。

  第二,所有30个省份综合开放程度的提高对本地环境都产生了不利的影响。其中,辽宁、吉林、黑龙江和北京等23个省份开放程度提高会显著地增加本地工业污染排放;福建、浙江和宁夏等7个省份开放程度的提高也会增加本地工业污染排放,但在统计上不显著。因此,省级开放程度的提高对本地环境的总体影响是不利的,由开放引致技术进步带来的环境效益亟待加强。

  第三,中国省级工业污染排放在上海、广东和江苏等21个省份呈显著的正向空间相关性,在吉林、广西、内蒙古、辽宁、天津、山东和山西等7个省份不存在显著的空间相关性,但在北京和河北工业污染排放上呈显著的负向空间相关性。因为北京奥运环境治理规划使得北京的高污染企业向河北转移,导致北京和河北工业污染排放呈现出显著的负向空间相关性。

  第四,能源消费总量和第二产业比重的增加会加大中国省级工业污染排放,但能源价格对中国省级工业污染排放的影响存在着省级个体差异。一方面能源价格提高会降低安徽、福建和广东等27个省份工业污染排放,另一方面能源价格提高没有减少山西、河北和内蒙古等3个省份工业污染排放,这是因为能源价格的上升提高了山西、河北和内蒙古等能源生产企业的收益,刺激其扩大生产,增加了工业污染排放。

  基于上述研究结论,结合中国省级工业污染排放的实际情况,主要政策建议有:

  1.鉴于环境库兹涅茨倒U型曲线假说在环渤海地区没有得到支持,条块分割下相应省份经济增长中环境成本和环境效益的联系被打破,中国环境保护部应着手系统评估各省环境质量和经济发展的空间相关性,这对促进各省跨区域环境保护合作具有十分重要的理论和现实意义。随着跨境污染等区域环境问题的日趋严重,采取区域联防联控的环境保护政策将成为地方政府解决经济发展与环境污染之间矛盾的必然选择。

  2.鉴于开放程度提高对中国省级环境的不利影响,政府应进一步加强重点行业节能减排分类指导和准入管理,优化外贸和外资结构,推动高能耗行业的技术进步和企业节能减排技术改造,提高企业对工业污染物的综合利用能力,促进社会资源向效率更高的绿色环保行业集中。

  3.鉴于中国省级工业污染排放在绝大多数省份呈正向空间相关性,周边省份环境质量的改善会带动本地工业污染排放的减少。据此,在调整经济结构、转变经济增长方式中,应积极加强相邻省份在环境保护问题上区域协调,建立区域联防联控的环境保护协调机制,推进清洁生产,以强化经济增长中环境效益的区域外部性,避免中、西部省份在承接东部产业转移过程中形成污染叠加。

  感谢两位匿名审稿人的建设性修改意见,但文责自负。

  假定包含内生解释变量的地理加权模型为:

  

  ①本文涉及的中国数据是指祖国大陆地区数据统计,未包括香港、澳门和台湾地区的数据统计。

  ②工业增加值和工业生产者出厂价格指数来自国家统计局数据库,工业废水排放量来自《中国环境年鉴》。

  ③趋势线由人均实际GDP的二次多项式对工业污染排放指数的拟合结果得到。

  ④例如,2014年2月19日,浙江省工商局发布的《关于立足工商职能服务扩大有效投资助推经济发展的若干意见》提出,严把高污染行业的市场准入关,对可能严重污染环环境的小造纸、小制革、小染料等“十五小企业”一律不予登记。

  ⑤使用纵横向拉开档次法进行动态综合评价时,既能充分体现评价对象间的差异,又可使各个时刻的评价值具有直接的可比性。因此,在已有文献中运用广泛(杨万平,2010;屈小娥,2012)。

  ⑥这里将工业废气细分为工业二氧化硫、工业烟尘和工业粉尘。中国环境保护部在《2012年中国环境年鉴》中调整了统计口径,将工业烟尘排放量和工业粉尘排放量合并为工业烟(粉)尘排放量。因此,本文将2002-2010年各省工业烟尘排放量和工业粉尘排放量加总合并为工业烟(粉)尘排放量,使其与2011年的统计口径相一致。

参考文献

[1]包群、彭水军(2006):《经济增长与环境污染基于面板数据的联立方程估计》,《世界经济》第11期。

[2]黄玖立、李坤望(2006):《出口开放、地区市场规模和经济增长》,《经济研究》第6期。

[3]李锴、齐绍洲(2011):《贸易开放、经济增长与中国二氧化碳排放》,《经济研究》第11期。

[4]刘华军、闫庆悦(2011):《贸易开放、FDI与中国CO[,2]排放》,《数量经济技术经济研究》第3期。

[5]陆旸(2009):《环境规制影响了污染密集型商品的贸易比较优势吗?》,《经济研究》第4期。

[6]庞智强(2008):《各地区省域经济综合开放程度的测定》,《统计研究》第1期。

[7]彭水军、刘安平(2010):《中国对外贸易的环境影响效应:基于环境投入—产出模型的经验研究》,《世界经济》第5期。

[8]屈小娥(2012):《1990-2009年中国省际环境污染综合评价》,《中国人口·资源与环境》第5期。

[9]吴玉鸣(2006):《空间计量经济模型在省域研发与创新中的应用研究》,《数量经济技术经济研究》第5期。

[10]吴玉鸣、田斌(2012):《省域环境库兹涅茨曲线的扩展及其决定因素——空间计量经济学模型实证》,《地理研究》第4期。

[11]许和连、邓玉萍(2012):《外商直接投资导致了中国的环境污染吗?——基于中国省际面板数据的空间计量研究》,《管理世界》第2期。

[12]杨万平(2010):《中国省际环境污染的动态综合评价及影响因素》,《经济管理》第8期。

[13]Anseli,L.Spatial Econometrics:Methods and Model.Dordrecht:Kluwer Academic Publishers,1988,pp.101-102.

[14]Bourgeon,J.and Ollivier,H."Is Bioenergy Trade Good for the Environment?" European Economic Review,2012,56(3),pp.411-421.

[15]Bowman,A."An Alternative Method of Cross-Validation for the Smoothing of Density Estimates." Biometrika,1984,71(2),pp.353-360.

[16]Castiglione,C.; Infante,D.and Smimova,J."Rule of Law and the Environmental Kuznets Curve:Evidence for Carbon Emissions." International Journal of Sustainable Economy,2012,4(3),pp.254-269.

[17]Cleveland,W."Robust Locally Weighted Regression and Smoothing Scatterplots."Journal of the American Statistical Association,1979,74(368),pp.829-836.

[18]Cole,M."Trade,the Pollution Haven Hypothesis and the Environmental Kuznets Curve:Examining the Linkage." Ecological Economics,2004,48(1),pp.71-81.

[19]Copeland,B.and Taylor,M."North-South Trade and the Environment." Quarterly Journal of Economics,1994,109(3),pp.755~787.

[20]Dean,J.and Lovely,M."Trade Growth,Production Fragmentation,and China′s Environment." NBER Working Paper,No.13860,2008,pp.1-47.

[21]Feyrer,J."Distance,Trade,and Income:The 1967 to 1975 Closing of the Suez Canal as a Natural Experiment." NBER Working Paper,No.15557,2009,pp.1-31.

[22]Fotheringham,A.; Brunsdon,C.and Charlton,M.Geographically Weighted Regression:The Analysis of Spatially Varying Relationships.New Jersey:John Wiley & Sons Ltd,2002,p.215.

[23]Grossman,G.and Krueger,A."Economic Growth and the Environment." Quarterly Journal of Economics,1995,110(2),pp.353-377.

[24]Grossman,G.and Krueger,A."Environmental Impacts of a North American Free Trade Agreement." NBER Working Paper,No.3914,1991,pp.1-39.

[25]Hastie,T.and Tibshirani,R."Varying-Coefficient Models." Journal of the Royal Statistical Society,1993,55(4),pp.757-796.

[26]Jalil,A.and Mahmud,S."Environment Kuznets Curve for CO[,2] Emissions:A Cointegration Analysis for China." Energy Policy,2009,37(12),pp.5167-5172.

[27]Maddison,D."Environmental Kuznets Curves:A Spatial Econometric Approach." Journal of Environmental Economics and Management,2006,51(2),pp.218-230.

[28]Managi,S.; Hibiki,A.and Tsurumi,T."Does Trade Openness Improve Environmental Quality?" Journal of Environmental Economics and Management,2009,58(3),pp.346-363.

[29]Ozturk,I.and Acaravci,A."The Long-run and Causal Analysis of Energy,Growth,Openness and Financial Development on Carbon Emission in Turkey." Energy Economics,2013,36,pp.262-267.

[30]Rupasingha,A.Goetz,S.Debertin,D.and Pagoulatos,A."The Environmental Kuznets Curve for US Counties:A Spatial Econometric Analysis with Extensions." Papers in Regional Science,2004,83(2),pp.407-424.

[31]Shen,J.and Hashimoto,Y."Environmental Kuznets Curve on Country Level:Evidence from China." OSIPP Discussion Papers in Economics and Business,No.04-09,2004,pp.1-11.

推荐10篇