王立平 李婷婷 胡義偉（合肥工業(yè)大學(xué)，合肥 230601）

經(jīng)濟(jì)增長、能源結(jié)構(gòu)與工業(yè)污染——基于空間面板計(jì)量實(shí)證研究

王立平 李婷婷 胡義偉
（合肥工業(yè)大學(xué)，合肥 230601）

本文基于環(huán)境EKC曲線理論，采用2002～2013年中國31個(gè)省際的面板數(shù)據(jù)，運(yùn)用空間數(shù)據(jù)分析方法對經(jīng)濟(jì)增長、能源結(jié)構(gòu)與工業(yè)污染的空間分布格局相關(guān)性進(jìn)行研究。進(jìn)一步運(yùn)用空間計(jì)量方法，研究經(jīng)濟(jì)增長、能源結(jié)構(gòu)對工業(yè)污染的空間效應(yīng)。研究結(jié)果發(fā)現(xiàn)：經(jīng)濟(jì)增長、能源結(jié)構(gòu)與工業(yè)污染存在空間相關(guān)性，并在空間分布上存在明顯的 “路徑依賴”特征并形成了不同集聚區(qū)域。經(jīng)濟(jì)增長、能源結(jié)構(gòu)對工業(yè)污染的空間影響效應(yīng)明顯，經(jīng)濟(jì)增長與工業(yè)污染呈現(xiàn)EKC曲線假設(shè)的倒 “U”形關(guān)系，能源結(jié)構(gòu)與工業(yè)污染呈現(xiàn)正向相關(guān)關(guān)系。最后在實(shí)證結(jié)果的基礎(chǔ)上提出相關(guān)建議。

經(jīng)濟(jì)增長 能源結(jié)構(gòu) 工業(yè)污染 空間相關(guān)性 環(huán)境庫茲涅茨曲線

引 言

隨著我國經(jīng)濟(jì)的高速發(fā)展，城市化進(jìn)程不斷加快 ，人民生活水平質(zhì)量產(chǎn)生了質(zhì)的飛躍，然而環(huán)境問題卻一直是人們關(guān)注和擔(dān)憂的焦點(diǎn)。現(xiàn)在學(xué)術(shù)界基本的觀點(diǎn)是經(jīng)濟(jì)增長同時(shí)加大了能源的消耗和環(huán)境承載的壓力。據(jù)統(tǒng)計(jì)，1978年我國能源消費(fèi)總量約為5.71億噸標(biāo)準(zhǔn)煤，2015年達(dá)到了43億噸標(biāo)準(zhǔn)煤，消費(fèi)量增加了7.53倍。2014年我國的單位GDP的能耗量為0.76，從2013～2015年，我國單位GDP的能耗量分別比上年降低3.7%、4.8%和5.6% ，雖然呈現(xiàn)了逐年下降的趨勢，但仍然遠(yuǎn)高于美國、日本、德國和英國等發(fā)達(dá)國家，是世界平均水平的2.5倍，也超過了大多數(shù)新興經(jīng)濟(jì)體，如巴西、印度和墨西哥等。當(dāng)前，我國的經(jīng)濟(jì)增長方式仍然是 “高消耗、高排放、低產(chǎn)出”的粗放型增長狀態(tài)。缺乏效率的能源消費(fèi)和不夠科學(xué)的能源結(jié)構(gòu)帶來了劇烈的污染問題。縱觀世界各國的歷史，尤其是工業(yè)發(fā)達(dá)的國家，面臨的污染問題越發(fā)嚴(yán)重。怎樣在保證工業(yè)發(fā)展的同時(shí)將污染降到最低，即是我們所謂的帕累托最優(yōu)。達(dá)到帕累托最優(yōu)首先要清楚經(jīng)濟(jì)增長與工業(yè)污染相互關(guān)系。同時(shí)我們清楚工業(yè)污染的源頭是來自能源的消耗，所以經(jīng)濟(jì)增長、能源結(jié)構(gòu)和工業(yè)污染三者之間的關(guān)系值得我們研究。

1 文獻(xiàn)述評

經(jīng)濟(jì)的高速增長 ，尤其是工業(yè)高速的發(fā)展必然帶來污染問題，兩者之間的關(guān)系究竟如何一直以來都是學(xué)術(shù)界探討的焦點(diǎn)問題。國外研究對經(jīng)濟(jì)發(fā)展與污染問題的研究，主要依據(jù)環(huán)境庫茲涅茨曲線 （EKC）假說，研究表明二者呈現(xiàn)倒 “U”形特征［1-3］。國內(nèi)近年來研究的經(jīng)濟(jì)發(fā)展與污染問題也從EKC曲線假設(shè)出發(fā)，且研究結(jié)果也基本驗(yàn)證了曲線的倒 “U”形特性，并在此基礎(chǔ)上提出了合理的政策措施［4-6］。通過進(jìn)一步研究發(fā)現(xiàn)經(jīng)濟(jì)增長與工業(yè)污染的關(guān)系存在顯著的地區(qū)差異性 ，污染情況存在時(shí)空依賴性［7-9］。

對于能源消費(fèi)與污染的研究，一般的結(jié)論是能源消費(fèi)與工業(yè)污染成正相關(guān)，即能源消費(fèi)量越多，污染問題越嚴(yán)重，同時(shí)強(qiáng)調(diào)了能源消費(fèi)與環(huán)境保護(hù)同步協(xié)調(diào)發(fā)展［10-12］。進(jìn)一步驗(yàn)證了工業(yè)污染的空間依賴性［13］。并且發(fā)現(xiàn)地區(qū)經(jīng)濟(jì)發(fā)展與污染存在空間聯(lián)動性，能源結(jié)構(gòu)與污染水平變動相關(guān)性顯著 ，能源結(jié)構(gòu)的調(diào)整能夠有效的治理污染情況［14，15］。

綜上文獻(xiàn)，探究污染與經(jīng)濟(jì)增長關(guān)系的文獻(xiàn)相對較多。不同的研究角度得到結(jié)果各不相同，很難應(yīng)對當(dāng)前的污染形勢。主要的差異一般在于污染情況的指標(biāo)選取以及統(tǒng)計(jì)口徑的不同。從研究方法上，大多數(shù)是采用傳統(tǒng)的面板數(shù)據(jù)，沒有考慮污染物的特殊性，即存在一定的空間效應(yīng)。另外 ，從我國的工業(yè)發(fā)展情況來看，能源的使用是工業(yè)發(fā)展的核心，研究這方面的文獻(xiàn)集中在證明隨著能源消費(fèi)量的增加，工業(yè)污染的程度愈發(fā)嚴(yán)重上，并沒有對發(fā)展、能源消費(fèi)和污染進(jìn)行系統(tǒng)化的研究。

2 理論基礎(chǔ)與研究假設(shè)

環(huán)境經(jīng)濟(jì)學(xué)認(rèn)為資源和環(huán)境應(yīng)該納入經(jīng)濟(jì)增長的模型的分析之中。我們依據(jù)環(huán)境——收入理論，通常通過如下表達(dá)式 （1）來考察環(huán)境與收入間的關(guān)系［16］：

其中Y為污染指標(biāo)，X指經(jīng)濟(jì)增長，Z指影響環(huán)境變化的其他控制變量；β0是常量，βk解釋變量的系數(shù)。該模型依βk的不同而呈現(xiàn)X與Y的關(guān)系曲線的形狀如表1所示，研究表明污染與經(jīng)濟(jì)增長之間的關(guān)系存在7種不同形態(tài)。

表1 不同β取值對應(yīng)的曲線形狀

我們由上表可以看出存在7種情況：（1）經(jīng)濟(jì)增長與污染之間沒有關(guān)系；（2）X與Y之間呈單調(diào)上升關(guān)系，污染隨著經(jīng)濟(jì)增長而惡化；（3）X與Y之間存在單調(diào)下降關(guān)系，污染隨著經(jīng)濟(jì)增長而改善；（4）X與Y之間呈U型關(guān)系，經(jīng)濟(jì)水平較差階段，污染隨經(jīng)濟(jì)增長而改善 ，經(jīng)濟(jì)水平較高階段，污染隨經(jīng)濟(jì)增長而惡化 ；（5）X與Y之間呈倒U型關(guān)系，即環(huán)境庫茲涅茨曲線 （EKC）；（6）X與Y呈N型，經(jīng)濟(jì)水平不斷上升的過程中 ，環(huán)境污染先惡化再改善 ，又陷入惡化境地；（7）X與Y之間呈倒N型關(guān)系，隨著經(jīng)濟(jì)水平的上升 ，環(huán)境污染先改善再惡化 ，而后又改善。

所以我們以上述第 （5）種情況為研究基礎(chǔ)，研究經(jīng)濟(jì)增長與污染情況之間的關(guān)系，二者之間是否呈現(xiàn)倒 “U”形關(guān)系。同時(shí) ，我們知道依靠工業(yè)發(fā)展的國家和地區(qū)能源資源消耗很多，尤其是煤炭資源的消耗。煤炭資源的消耗導(dǎo)致了環(huán)境質(zhì)量的惡化，污染物排放量明顯提高，以至于工業(yè)污染嚴(yán)重。所以本文在上述內(nèi)容的基礎(chǔ)上建立研究模型 （2）：

其中，i和t代表i省第t年的統(tǒng)計(jì)數(shù)據(jù)，Yit為工業(yè)污染綜合評價(jià)指數(shù) ，GDPit為人均實(shí)際GDP，ESit為能源結(jié)構(gòu)中煤炭消費(fèi)占比。并提出本文的檢驗(yàn)假設(shè)：工業(yè)污染與經(jīng)濟(jì)增長、能源結(jié)構(gòu)之間呈現(xiàn)EKC曲線假設(shè)的倒 “U”形關(guān)系。

3 研究對象與研究方法

3.1 指標(biāo)體系選取

對于經(jīng)濟(jì)增長的指標(biāo)選取本文采用人均實(shí)際GDP來衡量經(jīng)濟(jì)發(fā)展程度以消除人口因素對經(jīng)濟(jì)水平的影響，同時(shí)對其作取對數(shù)處理，用lnGDP表示。

對于能源結(jié)構(gòu)的指標(biāo)選取，考慮到我國能源資源的大量使用尤其是煤炭的消費(fèi)是工業(yè)污染最為重要的來源。在研究能源消費(fèi)結(jié)構(gòu)與工業(yè)污染水平兩者之間的關(guān)系時(shí) ，有些文獻(xiàn)直接選取能源消耗總量、能源強(qiáng)度等指標(biāo)來衡量其與工業(yè)污染之間的關(guān)系，有些文獻(xiàn)選擇產(chǎn)業(yè)結(jié)構(gòu)來間接測度二者之間的關(guān)系。本文綜合考慮能源的使用以及產(chǎn)業(yè)結(jié)構(gòu)的因素，通過建立能源結(jié)構(gòu)指標(biāo)來考察能源對工業(yè)污染的影響 ，其計(jì)算公式 （3）如下：

其中，ESit代表能源消耗中煤炭使用所占的比例，GDPit代表i地區(qū)t年的國內(nèi)生產(chǎn)總值，HIitj代表i地區(qū)t年第j個(gè)高耗煤行業(yè)的產(chǎn)值。本文共選取10個(gè)高耗煤行業(yè)，其產(chǎn)值占GDP的比重在90%以上。

對于工業(yè)污染的指標(biāo)選取，本文考慮了工業(yè)污染的特性 ，主要包括能源開采時(shí)形成的廢氣和廢物排放、能源消費(fèi)時(shí)形成的廢氣和廢物排放。本文借鑒許和連等 （2012）［9］采用的熵權(quán)法計(jì)算得出環(huán)境污染綜合指數(shù)。我們構(gòu)建工業(yè)污染綜合評價(jià)指標(biāo)來測度各地區(qū)工業(yè)污染程度，選取了各地區(qū)工業(yè)廢水排放量、工業(yè)廢氣排放量、工業(yè)二氧化硫排放量、工業(yè)煙塵排放量和工業(yè)粉塵排放量作為評價(jià)指標(biāo)。采用熵權(quán)法計(jì)算出工業(yè)污染綜合指數(shù)。本文以2002～2013年中國 （除存在統(tǒng)計(jì)數(shù)據(jù)缺失的港澳臺之外）31個(gè)省、市、自治區(qū)作為研究對象構(gòu)建空間面板數(shù)據(jù)。實(shí)證數(shù)據(jù)來源于《中國統(tǒng)計(jì)年鑒》、《中國環(huán)境統(tǒng)計(jì)年鑒》、《中國能源統(tǒng)計(jì)年鑒》。文中所有的貨幣單位均以2002年為基期進(jìn)行折算以剔除通貨膨脹的影響。

3.2 空間自相關(guān)檢驗(yàn)及模型構(gòu)建

全局空間自相關(guān)檢驗(yàn)方法我們選擇Moran's I，其計(jì)算公式 （4）如下：

由于某一地區(qū)的工業(yè)污染不僅受到本地區(qū)經(jīng)濟(jì)發(fā)展與能源結(jié)構(gòu)的影響，而且也受到周邊地區(qū)的影響，即工業(yè)污染存在空間自相關(guān)，經(jīng)濟(jì)增長與能源結(jié)構(gòu)在空間分布上的集聚效應(yīng)更加劇了工業(yè)污染的空間依賴性，因此對經(jīng)濟(jì)增長、能源結(jié)構(gòu)與工業(yè)污染三者之間相互關(guān)系的研究中需要加入空間效應(yīng)。根據(jù)空間依賴性方式的不同，我們在模型 （2）的基礎(chǔ)上建立不同的計(jì)量模型：空間滯后模型和空間誤差模型。

空間滯后模型 （SLM）是在 （1）式的基礎(chǔ)上直接引入空間變量作為被解釋變量，由于面板數(shù)據(jù)中存在時(shí)間效應(yīng)和個(gè)體效應(yīng)，故需要對隨機(jī)誤差項(xiàng)μ進(jìn)行分解，將 （2）式具體化為空間滯后面板模型 （5），其設(shè)定如下：

其中，δit表示時(shí)間效應(yīng)隨機(jī)擾動項(xiàng)，uit表示個(gè)體效應(yīng)隨機(jī)擾動項(xiàng)，εit表示隨機(jī)誤差項(xiàng)，且服從正態(tài)分布。∑WYit為空間變量，表示i地區(qū)周邊其他地區(qū)的工業(yè)污染狀況；ρ為空間回歸系數(shù)，反映了空間依賴性。

地區(qū)間的空間依賴性較為復(fù)雜 ，εit可能并不不服從簡單正態(tài)分布，其他影響工業(yè)污染的空間性因素就會混入到隨機(jī)誤差項(xiàng)中，此時(shí)隨機(jī)誤差項(xiàng)εit之間有較強(qiáng)的相關(guān)性關(guān)系。將 （2）式具體化為空間誤差模型 （6），其設(shè)定如下：

（5）式中，λ為空間誤差系數(shù)，用來反映殘差之間的空間相關(guān)性強(qiáng)弱。與空間滯后模型不同，空間誤差模型的相關(guān)性并不是反映在周邊區(qū)域的觀測值中而是反映在誤差項(xiàng)中，即反映了周邊區(qū)域工業(yè)污染的誤差沖擊對本區(qū)域工業(yè)污染的影響。

4 實(shí)證分析

4.1 全局空間自相關(guān)檢驗(yàn)

本文使用2002～2013年全國31個(gè)省域的經(jīng)濟(jì)增長、能源結(jié)構(gòu)和工業(yè)污染統(tǒng)計(jì)數(shù)據(jù)，通過GeoDa軟件計(jì)算得到的Moran's I及相關(guān)的統(tǒng)計(jì)檢驗(yàn)，結(jié)果顯示各年份的Moran's I均為正值，基本都通過了5%的顯著性水平的統(tǒng)計(jì)檢驗(yàn)如表2所示，表明我國經(jīng)濟(jì)增長、能源結(jié)構(gòu)和工業(yè)污染在地理分布上存在著明顯的空間效應(yīng)且為正相關(guān)關(guān)系。即污染在地理上的分布格局并不是呈現(xiàn)隨機(jī)狀態(tài)，而是顯現(xiàn)出明顯的集聚分布。同樣地，經(jīng)濟(jì)增長和能源結(jié)構(gòu)變量也存在著類似的空間分布狀態(tài)。

表2 2002～2013年31個(gè)省域經(jīng)濟(jì)增長、能源結(jié)構(gòu)和工業(yè)污染的Moran指數(shù)

4.2 Moran指數(shù)散點(diǎn)圖

為了進(jìn)一步說明空間相關(guān)關(guān)系，可以觀察經(jīng)濟(jì)增長、能源結(jié)構(gòu)和工業(yè)污染Moran指數(shù)散點(diǎn)圖（見圖1～3）。我們將省域劃為4個(gè)象限：第一象限 （HH）表示高——高的正相關(guān)，第二象限 （LH）表示低——高的負(fù)相關(guān)，第三象限 （LL）表示低——低的正相關(guān)，第四象限 （HL）表示高——低的負(fù)相關(guān)。由于Moran's I數(shù)值全部大于0，經(jīng)濟(jì)增長、能源結(jié)構(gòu)和工業(yè)污染地理分布上呈現(xiàn)正相關(guān)關(guān)系，則第二、四象限為非典型的觀測區(qū)域。

圖1 中國31個(gè)省域2002年、2013年經(jīng)濟(jì)增長的Moran指數(shù)散點(diǎn)圖

從圖1中可以看到，我國2002年、2013年省域經(jīng)濟(jì)增長分布在第一象限 （HH）的有8個(gè)省份和10個(gè)省份，分別占全部統(tǒng)計(jì)單位的25.80%、32.26%。分布在第二象限 （LH）的有5個(gè)省份和4個(gè)省份，分別占全部統(tǒng)計(jì)單位的 16.13%、12.90%。分布在第三象限 （LL）的有15個(gè)省份和14個(gè)省份，分別占全部統(tǒng)計(jì)單位的48.39%、45.16%。分布在第四象限 （HL）的均有3個(gè)省份，均占全部統(tǒng)計(jì)單位的9.68%。從中能夠發(fā)現(xiàn)2002年、2013年的31個(gè)統(tǒng)計(jì)樣本中有23個(gè)省份和24個(gè)省份，分別占全部統(tǒng)計(jì)量的74.19%、77.42%具有正的空間相關(guān)性 ，其余省份分布在第二、第四象限，分別占全部統(tǒng)計(jì)量的25.81%、22.58%，顯示了具有不同空間自相關(guān)性。由此可見，經(jīng)濟(jì)增長在局部相關(guān)性上，雖然存在著少量的空間差異性，但是主要存在著空間依賴性的特征。

圖2 中國31個(gè)省域2002年、2013年能源結(jié)構(gòu)的Moran指數(shù)散點(diǎn)圖

從圖2中可以看到，我國2002年、2013年省域能源結(jié)構(gòu)分布在第一象限 （HH）的有9個(gè)省份和12個(gè)省份，分別占全部統(tǒng)計(jì)單位的29.03%、38.71%。分布在第二象限 （LH）的有7個(gè)省份和6個(gè)省份，分別占全部統(tǒng)計(jì)單位的 22.58%、19.35%。分布在第三象限 （LL）的有10個(gè)省份和8個(gè)省份，分別占全部統(tǒng)計(jì)單位的32.26%、25.81%。分布在第四象限 （HL）的均有5個(gè)省份，均占全部統(tǒng)計(jì)單位的16.13%。從中能夠發(fā)現(xiàn)2002年、2013年的31個(gè)統(tǒng)計(jì)樣本中有19個(gè)省份和20個(gè)省份，分別占全部統(tǒng)計(jì)量的61.29%、64.52%具有正的空間相關(guān)性，其余省份分布在第二、第四象限，分別占全部統(tǒng)計(jì)量的38.71%、35.48%，顯示了具有不同空間自相關(guān)性。由此可見，能源結(jié)構(gòu)在局部相關(guān)性上 ，雖然存在著少量的空間差異性，但是主要存在著空間依賴性的特征。

從圖3中可以看到，我國2002年、2013年省域工業(yè)污染分布在第一象限 （HH）的有10個(gè)省份和8個(gè)省份，分別占全部統(tǒng)計(jì)單位的32.26%、25.81%。分布在第二象限 （LH）的有11個(gè)省份和10個(gè)省份，分別占全部統(tǒng)計(jì)單位的35.48%、32.26%。分布在第三象限 （LL）的有8個(gè)省份和9個(gè)省份，分別占全部統(tǒng)計(jì)單位的 25.81%、29.03%。分布在第四象限 （HL）的有2個(gè)省份和4個(gè)省份，分別占全部統(tǒng)計(jì)單位的 6.45%、12.90%。從中能夠發(fā)現(xiàn)2002年、2013年的31個(gè)統(tǒng)計(jì)樣本中有18個(gè)省份和17個(gè)省份，分別占全部統(tǒng)計(jì)量的58.06%、54.84%具有正的空間相關(guān)性，其余省份分布在第二、第四象限，分別占全部統(tǒng)計(jì)量的41.94%、45.16%，顯示了具有不同空間自相關(guān)性。由此可見，工業(yè)污染在局部相關(guān)性上，雖然存在著少量的空間差異性，但是主要存在著空間依賴性的特征。

根據(jù)表2和表3數(shù)據(jù)，采用理論計(jì)算與有限元仿真模擬的方法，得出了四邊簡支條件下雙壁厚類方形蜂窩夾層結(jié)構(gòu)固有頻率的理論計(jì)算結(jié)果與有限元仿真模擬結(jié)果的誤差，如表4所示。表4表明，通過2種不同方法得到的數(shù)據(jù)吻合度較好，這說明采用上述蜂窩夾層板理論模型，并代入精確的類方形蜂窩夾芯結(jié)構(gòu)等效彈性參數(shù)，可得到較為精確的類方形蜂窩夾層結(jié)構(gòu)固有頻率。

圖3 中國31個(gè)省域2002年、2013年工業(yè)污染的Moran指數(shù)散點(diǎn)圖

4.3 動態(tài)躍遷

我們通過觀察Moran指數(shù)散點(diǎn)圖發(fā)現(xiàn)經(jīng)濟(jì)增長、能源結(jié)構(gòu)和工業(yè)污染的空間動態(tài)躍遷過程。采用Rey（2001）［18］使用的時(shí)空躍遷法，時(shí)空躍遷主要有以下4種類型：（1）該地區(qū)自身發(fā)生變化而周邊地區(qū)未發(fā)生變化，即HHt→LHt+1、HLt→LLt+1、LHt→HHt+1、LLt→HLt+1；（2）該地區(qū)未發(fā)生變化而周邊地區(qū)發(fā)生變化 ，即HHt→HLt+1、HLt→HHt+1、LHt→LLt+1、LLt→LHt+1；（3）該地區(qū)與周邊地區(qū)都發(fā)生變化，即HHt→LLt+1、HLt→LHt+1、LHt→HLt+1、LLt→HHt+1；（4）該地區(qū)自身與周邊地區(qū)都未發(fā)生變化，即 HHt→HHt+1、HLt→HLt+1、LHt→LHt+1、LLt→HHt+1。具體如表3所示。

表3 經(jīng)濟(jì)增長、能源結(jié)構(gòu)和工業(yè)污染Moran散點(diǎn)的空間躍遷 （2002～2013）

我們通過表3可以發(fā)現(xiàn)經(jīng)濟(jì)增長、能源結(jié)構(gòu)和工業(yè)污染3個(gè)變量在考察期內(nèi)屬于第 （4）種類型的省份占到絕大多數(shù)。說明我國省域中經(jīng)濟(jì)增長、能源結(jié)構(gòu)和工業(yè)污染存在高度的空間穩(wěn)定性，并且在空間上顯現(xiàn)出較為強(qiáng)烈的 “路徑依賴特征”。

4.3 空間關(guān)聯(lián)局部指標(biāo)LISA分析

Moran's I和Moran散點(diǎn)圖只是簡單描述了經(jīng)濟(jì)增長、能源結(jié)構(gòu)和工業(yè)污染的集聚狀況，無法深入研究局部空間相關(guān)模式，而LISA指標(biāo)能夠用來驗(yàn)證局部地區(qū)研究變量的高值或低值在地理分布上是否呈現(xiàn)區(qū)域集聚。利用Geoda，可以將全國31個(gè)省份劃分成5種類型。（1）Not Significant類型 ，表示集聚效應(yīng)不顯著的地區(qū)；（2）（H-H）類型；（3） （L-L）類型；（4） （L-H）類型；（5）High-Low（H-L）類型。

統(tǒng)計(jì)結(jié)果顯示我國經(jīng)濟(jì)增長在地理分布上形成了兩種相異的集聚區(qū)域：（1）以北京為中心，包括天津、河北等在內(nèi)的京津冀經(jīng)濟(jì)增長高值地區(qū)和以上海為中心，包括江蘇、浙江等在內(nèi)的長三角經(jīng)濟(jì)增長高值地區(qū) ；（2）廣大西部地區(qū)等地形成的經(jīng)濟(jì)增長低值聚集區(qū)，這與我國當(dāng)前的經(jīng)濟(jì)形勢契合。

統(tǒng)計(jì)結(jié)果顯示我國能源結(jié)構(gòu)在地理分布上形成了兩種相異的集聚區(qū)域：（1）以山西、河南為中心等傳統(tǒng)產(chǎn)煤大省高值地區(qū)；（2）以新疆、青海為中心的西北等低值聚集區(qū)。同時(shí)從LISA集群圖 （由于篇幅限制，圖形從略）變遷中也可以發(fā)現(xiàn)，當(dāng)前省域經(jīng)濟(jì)發(fā)展中能源結(jié)構(gòu)以煤炭為主的省份非但沒有減少，反而逐漸擴(kuò)散。山東、湖北等地區(qū)也加入到高值聚集區(qū)，新疆等省份能源結(jié)構(gòu)煤炭占比也越來越高。

統(tǒng)計(jì)結(jié)果顯示我國工業(yè)污染在地理分布上主要形成了兩種相異的集聚區(qū)域：（1）以河北為中心包括山西、河南、山東等在內(nèi)的華北地區(qū)形成的工業(yè)污染嚴(yán)重聚集區(qū)域，圖中可見安徽周邊地區(qū)工業(yè)污染狀況嚴(yán)重；（2）以新疆為中心的工業(yè)污染低值聚集區(qū)域，四川相對周邊地區(qū)污染更嚴(yán)重。但是隨著西部地區(qū)經(jīng)濟(jì)水平的不斷提高，西部地區(qū)的工業(yè)污染程度明顯加強(qiáng)，尤為凸顯的是新疆地區(qū)。就全國范圍而言工業(yè)污染已不僅局限在京津冀等傳統(tǒng)地區(qū)，已開始向中西部省份蔓延。

從經(jīng)濟(jì)增長、能源結(jié)構(gòu)和工業(yè)污染的地理分布格局與集聚效應(yīng)統(tǒng)計(jì)結(jié)果能夠發(fā)現(xiàn)，在地理分布上存在較為顯著的 “路徑依賴”，即集聚性，但三者在聚集的區(qū)域上表現(xiàn)的略有差異，但是能源結(jié)構(gòu)分布高值聚集的地區(qū)一般也是工業(yè)污染高值聚集的地區(qū)，能源結(jié)構(gòu)分布聚集低值的地區(qū)一般來說也是工業(yè)污染低值的地區(qū)。能源結(jié)構(gòu)與工業(yè)污染兩者的關(guān)系也類似于經(jīng)濟(jì)增長與工業(yè)污染的關(guān)系。為進(jìn)一步考察三者在空間上的關(guān)系，我們將采用空間計(jì)量模型對其進(jìn)行檢驗(yàn)。

4.4 空間計(jì)量實(shí)證分析

我們首先對不考慮空間效應(yīng)，對 （2）式進(jìn)行了OLS估計(jì)，回歸結(jié)果沒有通過檢驗(yàn)，說明是模型的設(shè)計(jì)的問題。所以我們在此基礎(chǔ)上加上了空間效應(yīng)。在對空間滯后模型和空間誤差模型進(jìn)行了Hausman檢驗(yàn)后發(fā)現(xiàn)，結(jié)果顯示都應(yīng)當(dāng)選擇固定效應(yīng)的估計(jì)值。我們對模型回歸結(jié)果如表4所示。

表4 空間滯后模型和空間誤差模型估計(jì)結(jié)果

對于空間滯后模型ρ值為0.1859，通過了1%顯著水平檢驗(yàn)，表明模型存在空間依賴性。考慮空間效應(yīng)時(shí)模型的人均GDP一次項(xiàng)系數(shù)為正，二次項(xiàng)系數(shù)為負(fù)，滿足經(jīng)濟(jì)增長與工業(yè)污染兩者之間的EKC曲線倒 “U”形關(guān)系，且二者均通過了1%顯著性水平檢驗(yàn)。能源結(jié)構(gòu)系數(shù)為正，值為0.0133，且也通過了1%顯著性水平檢驗(yàn)。

對于空間誤差模型 λ值為0.2489，通過了1%顯著性水平檢驗(yàn)，表明模型存在空間依賴性?？紤]空間效應(yīng)時(shí)模型的人均GDP一次項(xiàng)系數(shù)為正，二次項(xiàng)系數(shù)為負(fù)，滿足經(jīng)濟(jì)增長與工業(yè)污染兩者之間的EKC曲線倒 “U”形關(guān)系，且二者均通過了1%顯著性水平檢驗(yàn)。能源結(jié)構(gòu)系數(shù)為正，值為0.0139，且也通過了1%顯著性水平檢驗(yàn)。

我們觀察兩模型的估計(jì)結(jié)果，雖均通過了顯著性水平檢驗(yàn)，何種結(jié)果更優(yōu)仍需要進(jìn)行空間相關(guān)性檢驗(yàn)，結(jié)果如表5所示。

表5 空間相關(guān)性檢驗(yàn)

Moran's I通過了1%水平下的顯著性檢驗(yàn)，證明模型存在空間效應(yīng)，普通面板數(shù)據(jù)模型已經(jīng)不再適用，需要引入空間變量。接著觀察LM-lag 和LM-error，兩者都通過了1%水平下的顯著性檢驗(yàn)，此時(shí)無法做出選擇，還需要進(jìn)一步考慮Robust LM-lag和Robust LM-error，結(jié)果發(fā)現(xiàn)僅有Robust LM-lag通過了1%水平下的顯著性檢驗(yàn)，Robust LM-error未通過檢驗(yàn)，所以應(yīng)該選擇空間面板滯后模型。Hausman檢驗(yàn)結(jié)果顯示，固定效應(yīng)要優(yōu)于隨機(jī)效應(yīng)。因此本文選擇含有固定效應(yīng)的空間滯后模型。

我們通過觀察實(shí)證結(jié)果，模型中ρ的參數(shù)估計(jì)值為0.1859，說明工業(yè)污染存在著明顯的空間溢出效應(yīng)，意味著周邊地區(qū)工業(yè)污染綜合評價(jià)指數(shù)每升高1%，本地區(qū)工業(yè)污染指數(shù)就會增加0.1859% ，即周邊地區(qū)的工業(yè)污染嚴(yán)重，環(huán)境質(zhì)量差 ，本地區(qū)的環(huán)境質(zhì)量也較差；周邊地區(qū)的工業(yè)污染相對較輕，本地區(qū)的環(huán)境質(zhì)量也較好。經(jīng)濟(jì)增長二次項(xiàng)的系數(shù)估計(jì)值為-0.0019，一次項(xiàng)的系數(shù)估計(jì)值為0.0391，證明本文所選取的工業(yè)污染指標(biāo)與人均實(shí)際GDP兩者之間呈現(xiàn)出EKC曲線假設(shè)的倒 “U”形關(guān)系，即隨著人均實(shí)際GDP的不斷增加，工業(yè)污染綜合評價(jià)指數(shù)先上升，達(dá)到某一臨界值后，開始下降。能源結(jié)構(gòu)參數(shù)估計(jì)值為0.0133，意味著煤炭消費(fèi)占比每上升1%，工業(yè)污染綜合評價(jià)指數(shù)上升0.0133%。能源結(jié)構(gòu)指標(biāo)一方面直接反映了產(chǎn)業(yè)能耗結(jié)構(gòu)；另一方面間接反映了能源消費(fèi)結(jié)構(gòu)，是二者的綜合。實(shí)證結(jié)果表明產(chǎn)業(yè)能耗結(jié)構(gòu)和能源消費(fèi)結(jié)構(gòu)與工業(yè)污染呈正相關(guān)關(guān)系，且相關(guān)程度很高。

5 結(jié) 論

本文通過選取我國31個(gè)省際2002～2013年經(jīng)濟(jì)增長、能源結(jié)構(gòu)和工業(yè)污染數(shù)據(jù)。分別計(jì)算得出的Moran指數(shù)均為正值，且均通過了顯著性水平檢驗(yàn)。即是經(jīng)濟(jì)增長、能源結(jié)構(gòu)和工業(yè)污染在空間上都具有空間相關(guān)性。我們通過觀察Moran指數(shù)散點(diǎn)圖和LISA集群圖，發(fā)現(xiàn)經(jīng)濟(jì)增長、能源結(jié)構(gòu)和工業(yè)污染具有嚴(yán)重的 “路徑依賴特征”，以及在地理空間上是呈現(xiàn)區(qū)域集聚特征。工業(yè)污染狀況最為惡劣的地區(qū)主要分布于我國華北地區(qū)連接部分中部地區(qū)，空間效應(yīng)聚集明顯。進(jìn)一步通過空間計(jì)量方法，建立包含固定效應(yīng)的空間滯后模型，回歸的結(jié)果為人均實(shí)際GDP一次項(xiàng)的估計(jì)值為正，值為0.0391，人均實(shí)際GDP二次項(xiàng)的估計(jì)值為負(fù)，值為0.0019，且二者都通過了1%的顯著性水平檢驗(yàn)。這即表示工業(yè)污染情況與經(jīng)濟(jì)增長程度之間呈現(xiàn)EKC曲線倒 “U”形特征。我們可以認(rèn)為人均實(shí)際GDP的不斷提高，污染狀況不斷嚴(yán)重接著開始改善。能源結(jié)構(gòu)的系數(shù)為0.0133，且通過了1%顯著性水平檢驗(yàn)，煤炭消費(fèi)占比每上升1%，工業(yè)污染綜合評價(jià)指數(shù)上升0.0133%。

基于以上研究，提出下述建議：從短期角度出發(fā)，工業(yè)污染減少排放量和污染的有效治理是較為有效的途徑，而長期來看改變工業(yè)發(fā)展中能源消費(fèi)結(jié)構(gòu)是治理污染的關(guān)鍵。環(huán)境污染治理時(shí)，不同區(qū)域間要積極尋求合作，注重政策措施的空間聯(lián)動性。積極發(fā)展第三產(chǎn)業(yè)，轉(zhuǎn)變經(jīng)濟(jì)增長方式，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，實(shí)現(xiàn)省域經(jīng)濟(jì)快速可持續(xù)發(fā)展。引進(jìn)外資時(shí)須注重投資質(zhì)量，對于資源消耗、環(huán)境污染型、和技術(shù)落后的項(xiàng)目不要引進(jìn)來，同時(shí)要充分利用外商投資所產(chǎn)生的技術(shù)溢出效應(yīng)。在推進(jìn)城市化過程中，不斷優(yōu)化城市布局，提升城市中第三產(chǎn)業(yè)的共享和綜合服務(wù)功能，不斷促進(jìn)智慧城市建設(shè)。另外，政府需要增加投入，尤其是新能源技術(shù)的研發(fā)投入，通過市場激勵(lì)機(jī)制鼓勵(lì)和扶持新能源技術(shù)的發(fā)展。在發(fā)展中不斷轉(zhuǎn)變能源消費(fèi)結(jié)構(gòu)，提高能源效率，充分利用和開發(fā)水能資源和核能資源以及風(fēng)能、太陽能等清潔、可再生的資源，確保我國不要走先污染后治理的錯(cuò)路。

［1］Rupasingha A，Goetz S J，Debertin D L，et al.The Environmental Kuznets Curve for US Counties：A Spatial Econometric Analysis with Extensions［J］.Papers in Regional Science，2004，83（2）：407 ～424

［2］Mirshojaeian Hosseini H，Rahbar F.Spatial Environmental Kuznets Curve for Asian Countries：Study of CO2and PM10［J］.Journal of Environmental Studies，2011，37（58）：1

［3］Hosseini H M，Kaneko S.Can Environmental Quality Spread Through Institutions？［J］.Energy Policy，2013，56：312～321

［4］高宏霞，楊林，付海東.中國各省經(jīng)濟(jì)增長與環(huán)境污染關(guān)系的研究與預(yù)測——基于環(huán)境庫茲涅茨曲線的實(shí)證分析 ［J］.經(jīng)濟(jì)學(xué)動態(tài) ，2012，（1）：52～57

［5］王敏 ，黃瀅.中國的環(huán)境污染與經(jīng)濟(jì)增長 ［J］.經(jīng)濟(jì)學(xué) （季刊），2015，（2）：557～578

［6］李慧明 ，卜欣欣.環(huán)境與經(jīng)濟(jì)如何雙贏——環(huán)境庫茲涅茨曲線引發(fā)的思考 ［J］.南開學(xué)報(bào)，2003，（1）：58～64

［7］毛暉 ，汪莉.工業(yè)污染的環(huán)境庫茲涅茨曲線檢驗(yàn)——基于中國1998～2010年省際面板數(shù)據(jù)的實(shí)證研究 ［J］.宏觀經(jīng)濟(jì)研究 ，2013，（3）：89～97

［8］劉華軍，楊騫.環(huán)境污染、時(shí)空依賴與經(jīng)濟(jì)增長 ［J］.產(chǎn)業(yè)經(jīng)濟(jì)研究，2014，（1）：81～91

［9］包群，彭水軍，陽小曉.是否存在環(huán)境庫茲涅茨倒U型曲線？——基于六類污染指標(biāo)的經(jīng)驗(yàn)研究 ［J］.上海經(jīng)濟(jì)研究，2005，（12）：3～13

［10］許瑞林 ，王體健.江蘇省煤炭消費(fèi)與環(huán)境保護(hù)相關(guān)研究［J］.能源研究與利用，2004，（2）：3～13

［11］鄭博福，鄧紅兵，嚴(yán)巖，等.我國未來能源消費(fèi)及其對環(huán)境的影響分析 ［J］.環(huán)境科學(xué)，2005，26（3）：1～6

［12］紀(jì)建悅 ，于曉黎 ，方景清.能源消耗對環(huán)境污染的沖擊響應(yīng)模式分析——基于青島市的實(shí)證研究 ［J］.科技管理研究，2009，（10）：162～164

［13］許和連 ，鄧玉萍.外商直接投資導(dǎo)致了中國的環(huán)境污染嗎？——基于中國省際面板數(shù)據(jù)的空間計(jì)量研究 ［J］.管理世界，2012，（2）：30～43

［14］馬麗梅 ，張曉.中國霧霾污染的空間效應(yīng)及經(jīng)濟(jì) ，能源結(jié)構(gòu)影響 ［J］.中國工業(yè)經(jīng)濟(jì) ，2014，（4）：19～31

［15］魏巍賢，馬喜立.能源結(jié)構(gòu)調(diào)整與霧霾治理的最優(yōu)政策選擇 ［J］.中國人口?資源與環(huán)境 ，2015，25（7）：6～14

［16］付艷.能源消費(fèi)、能源結(jié)構(gòu)與經(jīng)濟(jì)增長的灰色關(guān)聯(lián)分析［J］.工業(yè)技術(shù)經(jīng)濟(jì) ，2014，（5）：153～160［17］彭水軍 ，包群.經(jīng)濟(jì)增長與環(huán)境污染——環(huán)境庫茲涅茨曲線假說的中國檢驗(yàn) ［J］.財(cái)經(jīng)問題研究，2006，（8）：3～17

［18］Anselin L.Local Indicators of Spatial Association—LISA［J］.Geographical Analysis，1995，27（2）：93～115

［19］Rey S J.Spatial Empirics for Economic Growth and Convergence

［J］.Geographical Analysis，2001，33（3）：195～214

Economic Growth，Energy Structure and Industrial Pollution——Empirical Analysis Based on Spatial Panel Metering

Wang Liping Li Tingting Hu Yiwei
（Hefei University of Technology，Hefei 230601，China）

According to the theory of environmental EKC curve，this article adopts 31 provincial panel data in China from 2002 to 2013，using spatial data analysis methods to study economic growth，energy structure and industrial pollution's spatial distribution pattern correlation.It uses space measurement methods to study economic growth，energy structure and industrial pollution's spatial effects.The results show that economic growth，energy structure and industrial pollution have spatial correlation，and there is a clear“path dependence”feature on the spatial distribution and the formation of a different cluster area.Economic growth，the energy mix of industrial pollution space effects，economic growth and industrial pollution rendering of EKC hypothesis of inverted “U”shaped relationship，and the energy structure and industrial pollution have a positive correlation.Finally，we put some suggestions on the basis of empirical results.

economic growth；energy structure；industrial pollution；spatial correlation；Environmental Kuznets Curve

（責(zé)任編輯：王 平）

10.3969/j.issn.1004-910X.2016.08.001

F124

A

2016—04—05

國家自然科學(xué)基金項(xiàng)目 （項(xiàng)目編號 ：71073045，71473068）、教育部人文社科規(guī)劃項(xiàng)目 （項(xiàng)目編號：12YJA790135），安徽省自然科學(xué)基金 （項(xiàng)目編號：11040606M18）。

王立平 ，合肥工業(yè)大學(xué)經(jīng)濟(jì)學(xué)院教授 ，管理學(xué)博士。研究方向：區(qū)域經(jīng)濟(jì)增長與計(jì)量經(jīng)濟(jì)研究。李婷婷 ，合肥工業(yè)大學(xué)經(jīng)濟(jì)學(xué)院碩士研究生。研究方向 ：經(jīng)濟(jì)系統(tǒng)預(yù)測與評價(jià)。胡義偉，合肥工業(yè)大學(xué)經(jīng)濟(jì)學(xué)院碩士研究生。研究方向：經(jīng)濟(jì)統(tǒng)計(jì)理論與方法研究。