空气污染与城市经济发展——基于285个地级市的实证分析
JRYJJ
ournal of Finance and Economics
金融与经济2020.02
空气污染与城市经济发展
——基于285个地级市的实证分析
为探究空气污染与城市经济发展之间的关系，本文基于2004~2016年285个地级市的面板数据，运用联立方程模型实证分析了PM2.5浓度与人均实际GDP 的相互关系。实证结果表明：全国层面看，空气污染对经济发展产生了显著的负面影响，平均而言PM2.5浓度每增加1%将导致人均GDP 下降约1.2%~1.5%；全国层面经济发展对空气污染的影响呈“倒N ”型曲线关系，地区之间存在明显差异；政府环境治理显著降低了空气污染水平。异质性检验表明，空气污染对经济发展的影响、经济发展对空气污染的影响均存在显著的城市规模差异和区域差异。中介效应检验表明，人口驱逐效应、固定资产投资挤出效应、产业结构调整效应是空气污染对经济发展产生负面影响的主要途径；第二产业占比和交通运输中汽车尾气排放是经济发展对空气污染产生影响的重要途径。
[关键词]空气污染；城市经济发展；联立方程模型[中图分类号]F790.47
[文献标识码]A
[文章编号]1006-169X （2020）02-0061-10
DOI ：10.19622/jki36-1005/f.2020.02.008
基金项目：国家社科基金重大项目“环境保护与经济高质量发展融合的机制、路径和政策体系研究”（18ZDA050）。
宋德勇（1966-），湖北松滋人，华中科技大学经济学院，博士，教授、博士研究生导师，研究方向为区域经济学、环境经济学；于飞（1994-），山东日照人，华中科技大学经济学院，硕士研究生，研究方向为环境保护与区域经济发展。（湖北武汉
430074）
■宋德勇，于飞
J
一、引言与文献综述
在工业化与城镇化进程中，我国经济凭借资源和劳动力优势实现了连续多年的高速增长，取得了举世瞩目的成就，创造了“中国奇迹”。中国财政税收数据库的数据显示，1979~2010年，我国国民生产总值年均增速为9.97%。然而，随着经济的快速增长，我国资源环境状况不断恶化。2013年，“雾霾”一词广泛传播，PM2.5进入大众视野。当前，我国空气污染不再是某些城市或地区的问题，而是一个国家问题。在2018年世界各国环境绩效指数（EPI ）排名中，我国空气质量在180个国家和地区中排名倒数第4，综合指数排第120位（引自《2018年全球环境绩效指数（EPI ）报告》）。现阶段我国空气污染的主要成分是细颗粒物（即PM2.5），对居民身心健康以及经济发展构成了巨大威胁。很显然，以牺牲环
境为代价的“高投入、高消耗、高排放”的粗放发展已经不能适应现阶段我国经济发展的需要，“生态优先、绿发展”成为新时代的必然选择。为实现环境和经济的双赢，国家出台了众多措施保护生态环境，促进经济高质量发展。但是，我国近年来的经济增速不断下降。2011年以来，我国经济持续下行，增长放缓，由两位数增长变为稳定在6.5%附近，由此引申出对经济发展与环境保护能否实现双赢的进一步讨论。
（一）经济发展对环境的影响
国内外学者围绕经济发展对环境的影响展开了大量研究，这些研究中大多采用空气污染物指标来衡量
环境污染，也有部分研究采用水污染物、固体废弃物等指标来衡量。其中最有名的是Grossman Krueger （1995）和Selden Song （1994）提出
61
的环境库兹涅茨曲线假说。该假说通过对环境污染指标与人均收入指标之间关系的模拟来说明经济发展对环境污染带来的影响，它认为环境污染随着经济不断发展呈现出“倒U”型曲线关系，即在低收入水平时环境污染随着收入增加而增加，在高收入水平时环境污染随着收入增加而减少。
目前围绕环境库兹涅茨曲线的研究大致形成了两种观点：一种是支持论者，赞同EKC曲线呈“倒
U”型。比如Jebli et al.（2016）利用1980~2010年25个OECD国家的数据，通过实证分析发现人均CO2排放量随着GDP增长呈“倒U”型曲线关系，经济发展首先会加剧空气污染，跨越拐点后会减轻空气污染。李娟伟和任保平（2011）通过实证研究发现，我国目前的经济发展水平仍处在环境库兹涅茨“倒U”型曲线拐点的左侧。即经济发展仍会加剧环境污染，跨越拐点后经济发展对环境将起到积极作用。另一种是反对论者，他们认为EKC曲线可能呈其他形状，比如Friedl&Getzner（2003）用奥地利1960~ 1999年的GDP和CO2排放量数据发现环境污染和经济发展之间呈“N型”EKC曲线关系，人均收入较低的国家正在遭受日益严重的污染，而工业化国家在减少排放方面取得了成功，但这并不意味着经济发展将自动地解决环境问题。Holtz&Selde（1995）利用全球面板数据进行这证分析，发现CO2
排放量与经济增长呈单调上升的曲线关系，经济发展会加剧空气污染。李治国和周德田（2013）认为，经济发展与环境污染之间是否呈现“倒U型”曲线关系取决于使用的数据以及度量环境污染的指标。
以上研究表明，环境库兹涅茨曲线会因研究区域、污染物指标、实证方法等的不同而呈现出形态差异，这些研究的稳健性值得怀疑。加之，环境库兹涅茨曲线最早是在高收入国家的样本中观察到的，而不是在全球样本中观察到的（Stern& Common，2001），而且在计量经济学实证中，检验结果往往是不同的（Halkos，2003）。此外，如果估计的转折点远远高于可接受的收入水平，经济增长的环境效益在实体经济中就不存在（List&Gallet，1999）。Sanghoon Lee&Dae-Won Oh（2015）认为可能还需要考虑一个替代模型——N型曲线模型，来解释收入和污染之间的关系。该模型表明，倒U型关系最初是存在的，但超过一定的收入水平后，关系变为正的。对于这种三次关系有一些可能的解释：复苏效应表明，当能源价格较低时，政府对提高能源效率的压力不敏感（Friedl&Getzner，2003）；规模效应意味着，随着经济增长，对资源的需求也会增加，而且最终无法通过技术和监管来抵消，Friedl
&Getzner（2003）通过实证证明了这种N型模式。
（二）环境污染对经济发展的影响
当前关于经济发展与环境质量关系的研究，大部分关注经济发展如何影响环境质量这一单向关系，而
较少关注环境污染对经济发展的反向影响。事实上，环境污染可能对经济发展产生巨大的反作用，尤其是在中国这样的发展中大国。世界银行于2007年发布的《中国污染代价》报告指出，中国每年有35万人至40万人因为城市严重的空气污染而过早死亡，另外每年还有30万人因室内空气污染而过早死亡。国家生态环境部环境规划院发布的《中国经济生态生产总值核算发展报告2018》显示，2015年，我国GEEP是122.78万亿元，其中，GDP是72.3万亿元，生态破坏成本是0.63万亿元，污染损失成本是2万亿元，生态系统破坏成本和污染损失成本总占比约为2.1%。在工业化及城镇化的进程中，如果不能有效地控制环境污染，中国城市经济发展的质量以及可持续性将受到严峻挑战。
研究环境污染对经济发展影响的文献较少，其中研究空气污染对经济发展影响的文献则更少。到目前为止，只有少数研究试图调查空气污染对经济发展的影响。例如，Hung&Shaw（2004）采用同步方法来检验台湾地区人均收入与各种空气污染物排放量之间的双向因果关系。Hao&Liu（2015）使用PM2.5浓度数据，利用空间计量模型研究了中国城市EKC曲线的存在。鉴于中国的雾霾污染已经十分严重，空气污染严重威胁着中国经济高质量发展和和谐社会的建设，本研究旨在探讨空气污染与经济发展的相互关系以及空气污染如何影响中国经济发展。
本文创新之处体现在以下三个方面：第一，不同于现有研究多使用单方程模型，本研究利用联立方程模型对中国空气污染与经济发展的相互关系进行了研究，可以在一定程度上解决内生性问题。第二，首次基于2004~2016年我国285个地级市层面的PM2.5浓度数据验证了空气污染对经济发展的负面影
响，样本覆盖面突破了已有研究仅涉及单一省份或城市的局限。第三，从东中西差异、南北差
金融与经济2020.02 62
JRYJJ
异和城市规模差异等方面考察了空气污染影响经济发展的异质性。
二、模型、方法、变量及数据
（一）经济发展模型
为评估空气污染对经济发展的影响构建经济发展模型。本文参考陈诗一等（2018）、Yu Hao et al.（2018）等人的做法，用人均GDP衡量经济发展水平。因为我国各地级及以上城市的人口规模、资源禀赋等存在较大差异，相较于国内生产总值，人均
GDP更能体现收入水平变动对大气环境的影响。由于《中国统计年鉴》中的人均GDP以名义价格计量，为避免通货膨胀对实证结果产生干扰，本文对人均GDP数据做了价格指数调整，以2003年为基期（2003年=100），通过名义人均GDP计算出实际人均GDP。同时，为控制其他因素的干扰，在模型中加入外商直接投资、固定资产投资、对外开放、技术创新四个控制变量，以此反映中国经济发展的引擎。最终，评估空气污染对中国城市经济发展反作用的模型如下：
ln pgdp it=β0+β1PM25it+β2lnFDI it+β3lnFA it
+β4Open it+β5Innovation it+u（1）在方程（1）中，pgdp it为被解释变量，表征城市i 在t年的实际人均GDP（以2003年为不变价），用来衡量经济发展水平；PM25it为城市i在t年的平均PM2.5浓度，用来衡量空气污染程度。控制变量外商直接投资、固定资产投资、对外开放、技术创新分别表示为FDI，FA，Open，Innovation。外商直接投资数据来源于中国城市统计年鉴，采用当年汇率由美元换算成人民币；技术创新参考寇宗来和刘学悦（2017）的做法，利用国家知识产权局微观发明授权专利数量衡量。除百分数外，其他数据均采用各变量的对数值。影响人均GDP的其他潜在因素，诸如文化、生活习惯和习俗等包含在残差项u中。
（二）空气污染模型
为评估经济发展对空气污染的影响构建空气污染模型。本文借鉴陈诗一等（2018）、邵帅等（2019）、Auffhammer&Carson（2008）以及Hao&Liu （2015）等前人的研究，以PM2.5表征空气污染水平，在模型中引入人口密度、交通运输、能源消费结构、产业结构、环境治理、对外开放等可能影响PM2.5浓度的控制变量，确定的空气污染回归模型如下所示：
PM25it=γ0ln pgdp it+γ1（ln pgdp it）2+γ2（ln pgdp it）3
+γ3ln Pop it+γ4InStruc it+γ5Open it+γ6EnR it
+γ7Trans it+γ8Energy it+u（2）与方程（1）相似，PM25代表PM2.5浓度，pgdp代表实际人均GDP，Pop代表人口密度，以单位面积人口数表征，InStruc代表产业结构，采用第二产业增加值占GDP的比重表示，Open代表对外开放程度，用外商直接投资占GDP比重衡量，EnR代表政府环境治理力度，具体计算方法参见宋德勇和杨秋月（2019），Trans代表交通运输，用单位公路里程私人汽车拥有量度量，Energy代表能源消费结构，用煤炭消费量占能源消费总量的比重衡量。γ0、γ1和γ2取不同的值代表EKC曲线呈现不同形态，具体分以下六种情况：（1）γ0＞0且γ1=γ2=0时，空气污染随经济发展单调递增；（2）γ0＜0且γ1=γ2=0时，空气污染随经济发展单调递减；（3）γ0＞0，γ1＜0且γ2=0时，空气污染随经济发展呈“倒U”型曲线关系；（4）γ0＜0，γ1＞0且γ2=0时，空气污染随经济发展呈“U”型曲线关系；（5）γ0＞0，γ1＜0且γ2＞0时，空气污染随经济发展呈“N”型曲线关系；（6）γ0＜0，γ1＞0且γ2＜0，空气污染随经济发展呈“倒N”型曲线关系。
（三）估算方法：联立方程模型
根据方程（1）和（2），空气污染和经济发展之间的双向因果关系可能导致潜在的内生性问题，为了处理由此引起的内生性，可以使用联立方程模型（SEM）。具体而言，本文的联立方程模型由方程（1）和（2）组成。并且选用三阶段最小二乘（3SLS）估计方法。此外，为了控制可能影响空气质量的其他因素，例如气候、地貌和居民的能源消耗习惯等，在方程中添加时间和区域虚拟变量。
（四）变量选取和数据来源
本文考察的关键变量是空气污染和经济发展。关于空气污染变量，区别于绝大多数文献所采用的SO2、CO2、CO、TSP、API以及PM10等常规污染物，本文选取了社会最为关注的空气污染元凶PM2.5进行实证研究。尤其是本文使用的PM2.5浓度数据基本包含了中国所有地级及以上城市，且时间上从2004~2016年跨度长达13年之久，如此大样本容量的PM2.5浓度数据可以为准确甄别空气污染对中国经济发展的影响提供坚实的数据支撑。具体而言，PM2.5浓度数据根据哥伦比亚大学公布的卫星监测数据，利用arcgis进行解析，得到2004~
空气污染与城市经济发展——基于285个地级市的实证分析
63
JRYJJ
2016年我国285个地级及以上城市的数据。至于经济发展，借鉴陈诗一等（2018）、邵帅等（2019）等人的研究，采用实际人均GDP表示。国内生产总值数据来自“中国统计年鉴”和“中国城市统计年鉴”，以2003年为基期进行换算。其他数据来自“中国统计年鉴”，“中国城市统计年鉴”，“中国能源数据库”和各个城市的统计公报。本研究中使用的所有变量的说明和描述性统计见表1。
表1变量说明和描述性统计
三、实证分析
（一）单方程模型估计结果
尽管单方程模型估计存在内生性问题，但其估计结果可以作为联立方程模型估计结果的比较。面板数据的回归分析一般考虑固定效应模型和随机效应模型。Hausman检验拒绝了随机效应模型的原假设，因此本研究采用面板固定效应估计。
经济发展方程（即方程1）的面板数据估计结果显示，PM2.5浓度对人均GDP的影响显著为负，表明空气污染对中国经济发展有显著的负面影响。
在对空气污染方程（即方程2）进行估计之前，先对加入了人均GDP二次项、同时加入了人均GDP的二次项和三次项的方程进行估计，据此判断EKC曲线的形状，检验结果如表2所示：加入人均GDP二次项后系数不显著，表明空气污染和经济发展之间不
是“倒U”型EKC曲线关系；同时加入人均GDP二次项和三次项后，人均GDP一次项系数＞0且显著，二次项系数＜0且显著，三次项系数＞0且显著，表明从全国来看，空气污染与经济发展之间呈“N型”库兹涅茨曲线关系。
但由于受内生性影响，估计结果可能并不准确，因此有必要在联立方程模型的基础上进行更准确的估
计。
表2空气污染方程EKC曲线形状检验
注：括号内t统计量，***、**和*分别代表在1%、5%和10%的显著性水平上显著。下同。
（二）联立方程模型估计结果
表3是使用3SLS方法进行估计的联立方程模型的结果。与预期相符，联立方程模型的估计结果在统计的显著性和估计系数的合理性方面比单方程模型的估计结果要精准。为了确保估计结果的稳健性，参照Auffhammer&Carson（2008）以及Hao &Liu（2015）等研究，使用了六种不同的规范，相应的结果标记为模型（1）~（6）。（6）是模型的基准估计，包括两个方程中的所有控制变量。在（1）~（5）中，包括模型中的部分控制变量。
对于联立方程模型中的方程（1），在模型（1）-（6）中，PM2.5浓度的系数始终为负且在1%的水平上显著。这表明，在充分考虑到空气污染与经济发展之间双向因果关系的内生性之后，PM2.5浓度确实对人均GDP产生了非常显著的负面影响。在其他条件相同的情况下，PM2.5浓度每增加1%将导致人均GDP下降约1.2%~1.5%。对比表3中联立方程的系数估计结果（1.2%~1.5%）和单方程的系数估计结果（0.1%~0.3%）可以发现，与单方程模型的估计结果相比，联立方程模型中PM2.5浓度的3SLS估计值更高且更显著，表明空气污染确实对经济发展造成明显的负面影响且实际危害远大于传统的面板
变量PM25 lnpgdp lnpgdp2 lnpgdp3 lnPop InStruc Open lnFDI lnFA EnR Innova Trans Energy
指标说明竞选班长的发言稿
年均PM2.5
浓度
人均实际GDP
的对数值
人均实际GDP
对数值的平方
人均实际GDP
对数值的立方
人口密度的对
数值
第二产业占
GDP比重
对外开放
外商直接投资
的对数值
固定资产投资
的对数值
政府环境治理
创新指数
交通运输
能源消费结构
样本
3692
3705
3705
3705
3705
3705
3705
3568
3705
3601
3705
3705
3705
均值
36.6905
9.2555
86.0497
803.6043
1.1164
48.9008
1.9847
11.5629
15.4844
1.1407
7.4427
19.4036
0.9963
标准差
16.4581
0.6211
11.5747
163.2864
0.9119
10.9771
2.1146
1.8894
1.1472
1.6333
40.1585
19.3487
0.3378
最小值
4.5171
3.7830
14.3112
54.1395
-3.0577
14.9500
0.0000
2.8066
12.2666
0.0000
0.0000
1.3410
0.1217
最大值
90.8564
11.9760
143.4245
1717.6510
3.2765
90.9700
18.1890
dnf 阿修罗加点
16.8347
18.9657
36.9639
1061.3720
205.2302
2.0292
lnpgdp
lnpgdp2
lnpgdp3
_cons
N
R2
（1）PM2.5
-1.834***
（-3.97）
48.029***
（11.48）
3692
0.298
（2）PM2.5
1.775
（0.74）
-0.213
（-1.53）
32.914***
（3.07）
3692
元宵节祝福语简短8字
0.298
（3）PM2.5
26.793***
（2.58）
-3.518***
（-2.62）
0.138**
（2.48）
-25.258
（-0.98）
3692
0.300
金融与经济2020.02 64
JRYJJ
数据估计结果，因为单方程模型忽略了内生性造成的空气污染与经济发展之间的双向因果关系。至于联立方程模型（1）中的控制变量，系数的估计结果也基本符合理论预期，外商直接投资、固定资产投资、技术创新和对外开放确实在我国经济发展过程中起着不可替代的作用。
对于联立方程模型中的方程（2），系数估计结果与单方程模型的估计结果间存在有差异。人均
GDP一次项系数＜0，二次项系数＞0，三次项系数＜0，且均在1%的显著性水平上显著，表明经济发
展对空气污染的影响呈“倒N”型EKC曲线关系。这意味着空气污染首先随着人均收入的增加而减少，然后随着人均收入的增加而增加，最后在超过第二个转折点后，随着人均收入的增加而再次减少。第二
产业占GDP比重与PM2.5浓度之间的正
相关关系表明第二产业的发展是加剧中
国空气污染的重要原因（Hao&Liu，
2015）。至于人口密度，系数的估计结果
为正且在1%的水平上显著，表明人口集
聚给环境造成的负面影响大于正面影
响，这可能是因为人口密集的城市有大
量劳动力来支撑高耗能产业以及低端制
造业的发展。能源结构系数为正且非常
显著，表明煤炭能源的大量消耗是造成
空气污染的重要原因之一。交通运输系
数显著为正，表明汽车尾气排放是造成
空气污染的重要原因之一。环境治理系
数为负且在1%的水平上显著，表明政府
的一系列环境规制措施显著降低了空气
污染水平，在一定程度上达到了环境保
护的目的。
为了检验估计结果的稳健性，引入年份虚拟变量，以控制时间固定效应（例
如，随着时间的推移可能产生影响
PM2.5浓度的新技术），相应的估计结果
见表4。因为样本期间从2004~2016年
共有13年，所以以2004年为基准年。控
制时间固定效应的系数估计结果与表3
中的估计结果类似，都＜0且在1%的水
平上显著，但系数的绝对值变大（由
1.2%~1.5%变为1.4%~1.8%），表明若不
考虑时间固定效应，则低估了空气污染对经济发展的负面影响。对于方程（1），除模型（1）外，自2009年起，年份虚拟变量在1%的水平上显著为负，表明中国地级及以上城市的空气污染严重程度随着时间推移在逐渐降低。对于方程（2），人均GDP一次项系数＜0，二次项系数＞0，三次项系数＜0，且都在1%的水平上显著，表明从全国来看，经济发展对空气污染的影响呈“倒N”型EKC曲线关系。另外，环境治理系数在1%的水平上显著为负，表明政府出台的一系列环境规制措施显著改善了空气质量，抑制了污染进一步加剧。
（三）异质性检验
为考察空气污染与经济发展的相互关系是否存在异质性，也为了控制影响空气污染的地域因素（比如气候、居民的能源消费习惯等），本文将全样
lnpgdp PM25 lnFDI lnFA Innova Open _cons PM25 lnpgdp lnpgdp2 lnpgdp3 lnPop InStruc energy trans Open EnR EKC曲线_cons N R2
（1）
-0.015***
（-16.39）
0.252***
（48.88）
6.894***
（139.05）
-4.772e+09***
（-6.01）
5.561e+08***
（6.00）
-2.137e+07***
（-6.00）
604295.190
（0.68）
倒N
1.348e+10***
（6.04）
3555
0.372
（2）
-
0.014***
（-17.01）
0.199***
（31.52）
0.125***
（13.09）
5.570***
（49.25）
-159750.988***
（-9.24）
18729.268***
（9.23）
-722.915***
（-9.23）
71.494**
（2.38）
32.088***
（8.37）
倒N
449352.590***
（9.28）
3555
0.399
（3）
-0.013***
（-15.90）
0.184***
（30.29）
0.114***
（12.45）
0.001***
（3.71）
5.860***
（52.10）
-3455.479***
（-11.87）
404.594***
（11.82）
-15.630***
（-11.82）
13.764***
（19.53）
0.684***
（9.03）
倒N
9781.766***
（12.02）
3555
0.416
（4）
-0.013***墨西哥城市
（-15.51）
0.181***
（30.19）
0.114***
（12.53）
0.001***
（3.82）
5.862***
（52.45）
-3235.116***
（-11.86）
378.733***
（11.81）
-14.629***
（-11.80）
14.742***
（21.18）
0.697***
（9.57）
7.490***
（4.45）
倒N
9154.998***
（12.00）
3555
0.423
（5）
-0.012***
（-14.69）
0.162***
（19.22）
0.115***
（11.98）
0.001***
（3.39）
0.018***
（3.43）
6.007***
（55.21）
-3012.879***
（-11.24）
351.888***
（11.16）
-13.612***
（-11.17）
12.875***
（17.70）
0.584***
（7.95）
8.937***
（5.62）
高情商发朋友圈的句子0.169***
（5.28）
2.758***
（8.98）
倒N
8576.874***
（11.46）
3555
0.426
（6）
-0.013***
（-15.93）
0.168***
（19.36）
0.112***
（11.52）
0.001***
（2.92）
0.016***
（2.89）
6.064***
（54.92）
-3099.366***
（-11.31）
362.803***
（11.22）
情人节送男朋友什么礼物
-14.062***
（-11.23）
12.284***
（15.77）
0.581***
（7.65）
10.624***
（6.09）
0.180***
（5.41）
2.740***
（8.53）
-1.934***
（-5.06）
倒N
8800.534***
（11.53）
3474
0.412
表3联立方程组的估计结果
空气污染与城市经济发展——基于285个地级市的实证分析
65
JRYJJ

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。