何海

摘 要：本文通過VAR模型的脈沖響應(yīng)和方差分解對經(jīng)濟(jì)增長與環(huán)境污染的動態(tài)關(guān)系進(jìn)行了實證分析。認(rèn)為福建省經(jīng)濟(jì)增長與工業(yè)三廢排放量呈現(xiàn)出一定程度的環(huán)境庫茲涅茨“倒u型”曲線，并且工業(yè)固體排放量是福建工業(yè)污染的主要因素。

關(guān)鍵詞：福建省；經(jīng)濟(jì)增長；環(huán)境污染；VAR模型

一、引言

隨著福建經(jīng)濟(jì)的快速增長，工業(yè)廢棄物也在不斷增加，對資源環(huán)境的壓力也越來越大。故而，有必要對福建省經(jīng)濟(jì)增長和環(huán)境污染的關(guān)系進(jìn)行研究。深入了解二者的內(nèi)在聯(lián)系，對福建省轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式具有重要的理論意義和現(xiàn)實意義。

二、文獻(xiàn)回顧

張曉（1999）通過對1985到1995年中國的污染物排放量的數(shù)據(jù)進(jìn)行統(tǒng)計分析，得出我國經(jīng)濟(jì)發(fā)展水平與環(huán)境污染水平之間呈現(xiàn)比較不明顯的倒U型弱環(huán)境庫茲涅茨曲線的特征，即隨著人均GDP的增加，環(huán)境污染程度將呈現(xiàn)上升趨勢，隨經(jīng)濟(jì)進(jìn)一步提高，環(huán)境污染程度會有逐年下降的趨勢[1]。彭水軍、包群（2006）通過VAR模型和廣義脈沖響應(yīng)函數(shù)對中國的經(jīng)濟(jì)增長和環(huán)境污染加以分析，指出二者之間的相互作用機(jī)理；李鵬和蘭宜生（2009）通過脈沖響應(yīng)函數(shù)分析了山西省人均GDP與其環(huán)境污染之間的相互作用關(guān)系，得出了山西省存在與庫茲涅茨環(huán)境倒U型的相符的特征。

可見，利用時間序列進(jìn)行VAR計量工具或其他相關(guān)計量工具進(jìn)行研究已經(jīng)成為熱點。因此本文擬采用VAR模型，探討福建省經(jīng)濟(jì)增長和環(huán)境污染的雙向作用關(guān)系。

三、研究方法與數(shù)據(jù)說明

（一）研究方法。VAR模型具有相同的解釋變量，并以被解釋變量的滯后變量作為解釋變量，克服了傳統(tǒng)聯(lián)立方程模型受制于經(jīng)濟(jì)理論未完善引起的諸如內(nèi)生變量和外生變量的區(qū)分、估計和推斷等復(fù)雜問題，還能克服可能出現(xiàn)的“偽回歸”問題[2]。VAR模型還可以進(jìn)行經(jīng)濟(jì)變量之間的脈沖響應(yīng)以及方差分解分析，研究模型中一個經(jīng)濟(jì)變量的沖擊對另一個經(jīng)濟(jì)變量的影響[3]。

（二）指標(biāo)選擇與數(shù)據(jù)來源。本文用實際人均GDP來綜合反映福建省經(jīng)濟(jì)增長情況。用工業(yè)固體廢棄物、廢水、廢氣排放量來反映環(huán)境污染程度。為了消除可能存在的異方差，對時間序列數(shù)據(jù)進(jìn)行對數(shù)化、得到平穩(wěn)時間序列。指標(biāo)選取的原始數(shù)據(jù)來自1998至2015年的中國統(tǒng)計年鑒和福建統(tǒng)計年鑒。

四、實證分析

（一）單位根檢驗。以時間序列數(shù)據(jù)建立起的VAR模型，其估計結(jié)果的可靠性依賴于時間序列的平穩(wěn)性，因此首先要保證變量的平穩(wěn)性，以避免偽回歸現(xiàn)象。ADF檢驗法對各個變量進(jìn)行單位根的平穩(wěn)性檢驗，結(jié)果表明四個變量沒有通過ADF檢驗。一階差分后4個變量的P值都小于0.05，為一階平穩(wěn)時間序列，滿足一階單整。因此可以用這四個變量建立VAR模型。

（二）VAR模型的建立。用LR、FPE、AIC、SC、HQ等檢驗準(zhǔn)則確定模型的最優(yōu)的自回歸階數(shù)，確定最優(yōu)滯后階數(shù)為 2并能夠滿足穩(wěn)定條件。再采用AR根估計的方法對VAR模型估計的結(jié)果進(jìn)行平穩(wěn)性檢。由圖二左，所有單位根都落于單位圓內(nèi)，因而模型滿足穩(wěn)定條件。然后重點參考SC和AIC的評價標(biāo)準(zhǔn)，將模型的滯后階數(shù)確定為2階，從而建立VAR（2）模型。

（三）脈沖響應(yīng)函數(shù)分析。通過脈沖響應(yīng)函數(shù)可以反映每個內(nèi)生變量的變動或沖擊對它本身及所有其他內(nèi)生變量產(chǎn)生的影響，進(jìn)而反映變量之間的長期動態(tài)響應(yīng)關(guān)系[4]。分別給模型中各個變量一個單位大小的沖擊，從而得出各變量間的動態(tài)關(guān)系，本文選擇的滯后期數(shù)為10期。

圖二是福建各污染指標(biāo)對GDP的脈沖響應(yīng)路徑。給GDP一個正沖擊時，工業(yè)固體、廢氣排放量在第四期達(dá)到最高點，之后緩慢下降并趨于一個負(fù)常數(shù)。工業(yè)廢氣排放量在第二期達(dá)到最高點之后下降在第七期達(dá)到最低點，最后收斂于0。先上升后下降并收斂于負(fù)表明福建省經(jīng)濟(jì)增長與工業(yè)三廢排放量呈現(xiàn)出倒U型曲線，說明在短期內(nèi)經(jīng)濟(jì)發(fā)展會造成環(huán)境污染逐步加重，但從長期來看在經(jīng)濟(jì)進(jìn)一步發(fā)展后環(huán)境污染狀況將得到改善。

同理得出福建經(jīng)濟(jì)增長對各環(huán)境污染指標(biāo)的響應(yīng)路徑，在本期給工業(yè)固體廢棄物一個正的沖擊后會給經(jīng)濟(jì)增長一個正面的沖擊，但是幅度不是很大。在本期給其他污染的指標(biāo)一個正沖擊后，GDP在經(jīng)過前幾期的波動后，在反應(yīng)期內(nèi)將達(dá)到負(fù)值并達(dá)到負(fù)最大值。表明除了固體廢棄物，其他污染物的排放對經(jīng)濟(jì)的增長起抑制作用。但從另一方面說明，福建省經(jīng)濟(jì)增長過程中對工業(yè)固體廢棄物的監(jiān)管控制不是很到位。

（四）方差分解分析。方差分解分析可以進(jìn)一步分析福建環(huán)境污染與經(jīng)濟(jì)增長之間的相互影響程度，方差分解法是將系統(tǒng)的預(yù)測均方誤差分解成系統(tǒng)中各變量沖擊所做的貢獻(xiàn)，從而可以考察任意一個內(nèi)生變量的預(yù)測均方誤差的分解[5]。由圖一右，在GDP的誤差分解中，工業(yè)廢水排放量的貢獻(xiàn)率是最大的，工業(yè)廢固排放量次之，工業(yè)廢氣排放量最小。這表示當(dāng)前對福建經(jīng)濟(jì)增長起主要抑制作用的是工業(yè)廢水的排放量和工業(yè)廢固的排放量，工業(yè)廢氣的排放對經(jīng)濟(jì)增長的影響則相對較小。

五、結(jié)論及政策啟示

通過以上實證分析，可以得出如下政策啟示：

第一，福建省環(huán)境污染與經(jīng)濟(jì)發(fā)展水平的關(guān)系在一定程度上符合環(huán)境庫茲涅茨曲線的倒“u”特征。即在經(jīng)濟(jì)發(fā)展在短期內(nèi)會提高環(huán)境污染程度，而在長期內(nèi)有利于環(huán)境質(zhì)量改善。

第二，工業(yè)固體廢棄物會使經(jīng)濟(jì)增長有一定的正影響，這表明目前福建的經(jīng)濟(jì)發(fā)展方式還沒有根本上的改變，對工業(yè)固體廢棄物排放的監(jiān)管力度還不夠。其他環(huán)境污染從長期來看對經(jīng)濟(jì)發(fā)展有抑制的作用。因此，一要加強(qiáng)對工業(yè)固體廢棄物排放的環(huán)境監(jiān)管，加速新興環(huán)保技術(shù)的研發(fā)和應(yīng)用。二也不能放松對其他環(huán)境污染排放物的監(jiān)管和控制。

第三，目前福建首要污染物為工業(yè)固體廢棄物、廢水，其中固體廢棄物污染更為突出，而工業(yè)廢氣對經(jīng)濟(jì)增長的影響相對較小。所以，要把固體廢棄物污染置于治理首位，加強(qiáng)固體廢棄物再利用及其技術(shù)開發(fā)，避免二次污染。

參考文獻(xiàn)：

[1] 張曉.中國環(huán)境政策的總體評價[J].中國社會科學(xué)，1991，（3）.

[2] 段顯明，郭家東.浙江省經(jīng)濟(jì)增長與環(huán)境污染的關(guān)系——基于VAR模型的實證分析[J].重慶交通大學(xué)學(xué)報，2012，2

[3] 彭水軍，包群.中國經(jīng)濟(jì)增長與環(huán)境污染基于廣義脈沖響應(yīng)函數(shù)法的實證研究[J].中國工業(yè)經(jīng)濟(jì)，2006，（5）.

[4] 高鐵梅.計量經(jīng)濟(jì)學(xué)分析方法與建模EVIEWS應(yīng)用及實例[M].清華大學(xué)出版社，2006.1.1

[5] 呂健.上海市經(jīng)濟(jì)增長與環(huán)境污染——基于VAR模型的實證分析[J].華東經(jīng)濟(jì)管理，2010，24（8）