周正柱，劉慶波，王云云

(上海應用技術大學 經(jīng)濟與管理學院，上海 201418)

近年來，包括上海、江蘇、浙江、安徽、重慶、云南等11個省市的長江經(jīng)濟帶區(qū)域經(jīng)濟取得快速增長，但環(huán)境污染尤其工業(yè)環(huán)境污染程度也呈擴大趨勢。根據(jù)《中國環(huán)境統(tǒng)計年鑒》計算，2016年長江經(jīng)濟帶區(qū)域工業(yè)固體廢棄物產(chǎn)生量約9.14億噸，較2012年增長5.7%；工業(yè)廢氣排放量約368 971.7億標立方米，較2012年增長63.7%。由此可見，長江經(jīng)濟帶區(qū)域經(jīng)濟增長的同時環(huán)境污染問題不容樂觀。為此，習近平總書記在黨的十九大報告中明確指出要“以共抓大保護、不搞大開發(fā)為導向推動長江經(jīng)濟帶發(fā)展”；2018年4月，習近平總書記在深入推動長江經(jīng)濟帶發(fā)展座談會上再次指出，生態(tài)環(huán)境保護與經(jīng)濟協(xié)調(diào)發(fā)展對于新形勢下推動長江經(jīng)濟帶發(fā)展具有重要意義。因此，有必要研究長江經(jīng)濟帶區(qū)域經(jīng)濟發(fā)展與環(huán)境污染間的關系及其長期演變趨勢，以期促進區(qū)域經(jīng)濟與環(huán)境的健康可持續(xù)發(fā)展。

一、 文獻綜述

長期以來，關于經(jīng)濟發(fā)展與環(huán)境保護間的關系存在著不同觀點。早在20世紀70年代，“羅馬俱樂部”提出了“增長極限”的觀點[1]，他們認為在自然資源約束條件下，經(jīng)濟增長是不可持續(xù)的，為了保護環(huán)境，應該降低經(jīng)濟增長速度。而Dasgupta等見證了經(jīng)濟增長與環(huán)境改善間的良性互動關系[2]。世界發(fā)展報告(1992)也提出了類似的觀點，即經(jīng)濟增長產(chǎn)生的環(huán)境問題可以用增長的經(jīng)濟來治理。這些成果成為20世紀90年代該領域研究轉(zhuǎn)向環(huán)境庫茲涅茨曲線(EKC)檢驗的基礎。

Grossman等提出環(huán)境庫茲涅茨假說來描述經(jīng)濟發(fā)展與環(huán)境質(zhì)量間的關系，認為經(jīng)濟發(fā)展與環(huán)境質(zhì)量間存在倒“U”型關系，這意味著環(huán)境質(zhì)量水平隨著經(jīng)濟的發(fā)展呈現(xiàn)先上升后下降的趨勢[3]。自此以后，學者們對不同國家和地區(qū)進行了實證檢驗[4-5]，并擴大和延伸了假設，形成不同類型的環(huán)境庫茲涅茨曲線(EKC)假設檢驗和研究結論。一方面，部分學者研究表明環(huán)境污染與經(jīng)濟發(fā)展間確實存在倒“U”型關系，如馬駿等選取長江經(jīng)濟帶9省2市2003—2014年的面板數(shù)據(jù)，利用熵值法進行實證分析，發(fā)現(xiàn)從污染綜合水平來看，長江經(jīng)濟帶整體經(jīng)濟增長與環(huán)境質(zhì)量之間呈倒“U”型關系[6]?？挛膷沟壤蒙轿魇?990—2009年數(shù)據(jù)模擬環(huán)境庫茲涅茨曲線，發(fā)現(xiàn)山西EKC曲線基本存在，呈倒“U”型[7]。由此表明在一個國家的早期發(fā)展階段,經(jīng)濟發(fā)展將會增加環(huán)境污染，直到該國的經(jīng)濟發(fā)展達到一定點時(當更多的技術可以提高能源的有效利用率)，經(jīng)濟發(fā)展與環(huán)境污染間的關系才呈現(xiàn)反向關系。另一方面，也有學者研究表明環(huán)境污染物與經(jīng)濟發(fā)展間不存在倒“U”型關系，而呈現(xiàn)多種形態(tài)。一是正“U”型，如李佳佳等檢驗表明，我國中部地區(qū)EKC曲線呈現(xiàn)正“U”型[8]；二是倒“N”型，如高廣闊等以2001—2013年我國30個新型城市面板數(shù)據(jù)為例，對人均碳排放量和人均GDP的關系進行EKC檢驗，結果表明我國新型城市的碳排放與經(jīng)濟增長存在倒“N”的曲線關系[9]；三是線性等多種形態(tài)，如劉華軍等以我國160個地級及以上城市作為研究樣本，以PM 2.5和PM 10作為霧霾污染的衡量指標，構建空間Tobit模型對EKC假說進行檢驗，研究發(fā)現(xiàn)霧霾污染與經(jīng)濟發(fā)展間呈現(xiàn)線性遞減關系[10]。表1總結了國內(nèi)部分學者關于環(huán)境污染物以人均工業(yè)固體廢棄物產(chǎn)生量、人均工業(yè)廢氣排放量和人均工業(yè)廢水排放量為對象的EKC曲線估計結果。

表1 環(huán)境庫茲涅茨曲線經(jīng)驗研究的EKC曲線估計結果

注：①組的兩個解是基于LSDV的估計與空間相關性檢驗結果；②組的兩個解是基于SEM估計結果；③組只有一個拐點的倒N形，還有一個關鍵點21 807元/人；④實證分析得出人均工業(yè)固體廢棄物產(chǎn)生量、人均工業(yè)廢氣排放量與人均GDP都呈同方向發(fā)展；⑤是運用非參數(shù)估計得到的結論；⑥是運用參數(shù)估計得到的結論。

綜上所述，環(huán)境污染與經(jīng)濟發(fā)展間呈現(xiàn)倒“U”型、正“U”型、倒“N”型等多種關系，即使是同一種污染物指標，EKC曲線形態(tài)也不盡相同。研究結論的不一致表明，一方面，經(jīng)濟發(fā)展與環(huán)境污染間的關系不存在適合所有區(qū)域的單一關系；另一方面，指標數(shù)據(jù)的選擇及研究方法不同，或者現(xiàn)有研究往往僅考慮經(jīng)濟發(fā)展這一因素對環(huán)境污染的影響。EKC估計要求數(shù)據(jù)能覆蓋曲線的上升部分和下降部分，而多數(shù)時間序列數(shù)據(jù)由于樣本較小很難同時滿足這一要求，發(fā)達國家或地區(qū)的數(shù)據(jù)往往只覆蓋曲線下降部分，發(fā)展中國家或地區(qū)的數(shù)據(jù)往往只能覆蓋曲線上升部分。此外，影響環(huán)境污染的因素除了經(jīng)濟發(fā)展外，還有區(qū)域產(chǎn)業(yè)結構變遷、人口遷移等重要因素。

因此，論文將利用長江經(jīng)濟帶2004—2017年11個省市的面板數(shù)據(jù)，運用面板計量方法和參數(shù)估計模型分析長江經(jīng)濟帶區(qū)域EKC曲線的形態(tài)和拐點問題?？紤]到長江經(jīng)濟帶各省市既包括上海、江蘇和浙江東部發(fā)達省市，又包括安徽、江西、重慶、貴州、云南等中西部省市，運用11個省市面板數(shù)據(jù)能較好地克服上述缺陷。同時，考慮到參數(shù)估計可以得到變量間的數(shù)量關系并可以進行預測，這也是目前多數(shù)學者研究這一問題時常采用的方法。此外，論文在考慮經(jīng)濟發(fā)展這一因素時，也將城鎮(zhèn)化、產(chǎn)業(yè)結構等因素作為控制變量納入方程，進一步分析它們對研究結論的影響。

二、 變量選取、數(shù)據(jù)來源與研究方法

1. 變量選取與數(shù)據(jù)來源

為了反映經(jīng)濟發(fā)展與環(huán)境污染間的關系，論文借鑒學者們常采用的工業(yè)“三廢”指標來反映環(huán)境污染[12,14]，同時考慮到人口規(guī)模的差異采用人均指標。經(jīng)濟發(fā)展指標，主要采用人均GDP指標來表示。根據(jù)經(jīng)濟發(fā)展對環(huán)境的影響包括結構效應、技術效應和規(guī)模效應[3]，論文也將考慮這些因素對工業(yè)環(huán)境污染的影響，其中結構效應用第二產(chǎn)業(yè)占GDP比重表示，技術效應用單位生產(chǎn)總值能耗和專利授權數(shù)表示，規(guī)模效應則仍用人均GDP表示。同時，隨著國家城鎮(zhèn)化進程的不斷推進，大量人口由農(nóng)村遷移到城市，必將對環(huán)境產(chǎn)生重要影響，論文用城鎮(zhèn)人口占總?cè)丝诒戎乇硎荆髦笜?、單位與符號說明如表2所示。

表2 各指標、單位與符號說明

論文實證分析采用的數(shù)據(jù)主要來源于2005—2018年《中國統(tǒng)計年鑒》及各省市統(tǒng)計年鑒，收集的主要是2004—2017年相關指標數(shù)據(jù)，其中單位生產(chǎn)總值能耗為能源消耗量除以GDP。

2. 研究方法

EKC曲線假說檢驗時常用的簡化模型[3]為

(1)

其中，yit為環(huán)境變量，xit為人均收入變量，zit為影響環(huán)境的其他因素變量構成的一個向量，εit是隨機誤差項，β1、β2、β3和β4是估計系數(shù)。

論文主要研究經(jīng)濟發(fā)展與工業(yè)環(huán)境污染間的關系，同時也考慮經(jīng)濟發(fā)展對環(huán)境的規(guī)模效應、技術效應和結構效應，以及城鎮(zhèn)化進程的影響。參考上述模型，同時假設各省市經(jīng)濟發(fā)展與工業(yè)環(huán)境污染間的曲線形態(tài)相同，但省市間存在差異。因此，采用變截距面板計量模型，模型(2)僅考慮人均GDP變量對工業(yè)環(huán)境污染的影響；模型(3)是在模型(2)的基礎上增加了城鎮(zhèn)人口占總?cè)丝诒戎?、第二產(chǎn)業(yè)占GDP比重、專利授權數(shù)和單位生產(chǎn)總值能耗等控制變量。

yit=α+β1pgdpit+β2(pgdpit)2+β3(pgdpit)3+λ1D1+λ2D2+…+λ11D11+εit

(2)

yit=α+β1pgdpit+β2(pgdpit)2+β3(pgdpit)3+β4urpit+β5sesit+β6patit+β7penit+λ1D1+λ2D2+…+λ11D11+εit

(3)

其中，yit為環(huán)境變量，分別表示pisit、pigit和piwit，即第i省市第t年的人均工業(yè)固體廢棄物產(chǎn)生量、人均工業(yè)廢氣排放量和人均工業(yè)廢水排放量，pgdpit、urpit、sesit、patit和penit分別表示第i省市第t年的人均GDP、城鎮(zhèn)人口占總?cè)丝诒戎?、第二產(chǎn)業(yè)占GDP比重、專利授權數(shù)和單位生產(chǎn)總值能耗；β1，β2，…，β7，λ1，λ2，…，λ11都是估計系數(shù)；εit是隨機誤差項；i=1,2,3,…,11,代表長江經(jīng)濟帶區(qū)域11個省市；t=1,2,3,…,14，代表長江經(jīng)濟帶區(qū)域2004—2017年的時間段；若屬于i個個體，則Di=1，否則Di=0。

三、 研究結果與分析

1. 面板數(shù)據(jù)單位根檢驗與回歸結果

面板數(shù)據(jù)回歸分析前，往往需要對數(shù)據(jù)平穩(wěn)性進行檢驗，主要包括同質(zhì)面板單位根檢驗(使用Levin, Lin & Chu檢驗)和異質(zhì)面板單位根檢驗(使用IPS、ADF-Fisher和PP-Fisher檢驗)，檢驗結果如表3所示。由此可知，各變量均在5%水平下顯著，表明各變量水平值都是平穩(wěn)的，可以直接進行回歸分析，回歸結果如表4所示。

由表4中各污染物回歸系數(shù)檢驗結果可知，城鎮(zhèn)化、規(guī)模效應控制變量在5%水平下顯著，技術創(chuàng)新效應在10%水平下顯著，而結構效應并不顯著。由此表明，長江經(jīng)濟帶各省市經(jīng)濟增長主要通過城鎮(zhèn)化、規(guī)模效應和技術創(chuàng)新效應等控制變量顯著影響著工業(yè)“三廢”排放量，而結構效應影響并不明顯。此外，對于不同的工業(yè)污染物指標，估計得到的EKC曲線形態(tài)和轉(zhuǎn)折點也有所不同；增加控制變量并不影響曲線形態(tài)，而只是提高或降低人均GDP轉(zhuǎn)折點。

(1)人均工業(yè)固體廢棄物產(chǎn)生量、人均工業(yè)廢水排放量在城鎮(zhèn)化、規(guī)模效應和技術創(chuàng)新效應等控制變量影響下，安徽、江西、湖北、湖南、四川、貴州、云南等中西部省市2017年人均GDP已位于第一轉(zhuǎn)折點和第二轉(zhuǎn)折點間(其中人均工業(yè)固體廢棄物產(chǎn)生量由低于第一轉(zhuǎn)折點轉(zhuǎn)變?yōu)槲挥诘谝晦D(zhuǎn)折點和第二轉(zhuǎn)折點間)，呈現(xiàn)經(jīng)濟增長與工業(yè)固體廢棄物產(chǎn)生量良性發(fā)展階段；而上海、江蘇和浙江等東部省市人均GDP已超過第二轉(zhuǎn)折點(其中浙江2018年人均GDP已超過第二轉(zhuǎn)折點)，呈現(xiàn)經(jīng)濟增長與工業(yè)固體廢棄物產(chǎn)生量惡性發(fā)展階段。

(2)人均工業(yè)廢氣排放量盡管也受到城鎮(zhèn)化、規(guī)模效應和技術創(chuàng)新效應等控制變量顯著影響，但安徽、江西、湖北、湖南、四川、貴州、云南、重慶等中西部省市2017年人均GDP仍位于倒“U”型曲線轉(zhuǎn)折點的左邊，呈現(xiàn)經(jīng)濟增長與工業(yè)廢氣排放量惡性發(fā)展階段；而上海、江蘇和浙江等東部省市人均GDP已超過倒“U”型曲線轉(zhuǎn)折點，呈現(xiàn)經(jīng)濟增長與工業(yè)廢氣排放量良性發(fā)展階段。

表3 面板數(shù)據(jù)水平方程單位根檢驗結果

注：估計方程含截距項；括號外的數(shù)字為檢驗值，括號內(nèi)的數(shù)字為P值。

表4 三種污染物與各變量回歸結果

續(xù)表

注：筆者采用Hausman檢驗法，運用個體固定效應模型，檢驗結果顯著。

2. 人均工業(yè)固體廢棄物產(chǎn)生量與人均GDP的EKC檢驗

圖1是人均工業(yè)固體廢棄物產(chǎn)生量與人均GDP間的曲線關系。由此可知，人均工業(yè)固體廢棄物產(chǎn)生量與人均GDP間呈“N”型曲線關系，不含控制變量的個體固定效應模型的回歸結果為

pisit=0.093 305+(7.49E-05)pgdpit-(1.07E-09)(pgdpit)2+(4.75E-15)(pgdpit)3+εit

(4)

由(4)式的估計結果可進一步計算出人均工業(yè)固體廢棄物產(chǎn)生量與人均GDP呈“N”型曲線的轉(zhuǎn)折點位于人均GDP 5.554萬元和9.463萬元的臨界值處。這一估計結果的經(jīng)濟意義是：當人均GDP低于5.554萬元時，該省市人均工業(yè)固體廢棄物產(chǎn)生量將隨著人均GDP的上升而增加；當人均GDP超過了5.554萬元的轉(zhuǎn)折點時，人均GDP繼續(xù)增長將有利于降低人均工業(yè)固體廢棄物產(chǎn)生量排放；當人均GDP突破了9.463萬元后，人均工業(yè)固體廢棄物產(chǎn)生量又將隨著人均GDP的增加而上升。

當模型中增加城鎮(zhèn)人口占總?cè)丝诒戎亍⒌诙a(chǎn)業(yè)占GDP比重、專利授權數(shù)、單位生產(chǎn)總值能耗控制變量時，回歸曲線仍呈“N”型，只不過人均GDP兩個轉(zhuǎn)折點分別變?yōu)?.893萬元與9.560萬元。

從2017年各省市人均GDP與人均工業(yè)固體廢棄物產(chǎn)生量的轉(zhuǎn)折點來看，首先，無論模型中有控制變量還是沒有控制變量，上海和江蘇的人均GDP都超過了第二轉(zhuǎn)折點，表明人均工業(yè)固體廢棄物產(chǎn)生量隨著人均GDP的增長呈現(xiàn)增大趨勢；浙江與重慶的人均GDP都處于第一、第二轉(zhuǎn)折點間，表明人均工業(yè)固體廢棄物產(chǎn)生量將隨著人均GDP的發(fā)展而呈現(xiàn)降低趨勢，但浙江的人均GDP已接近第二轉(zhuǎn)折點。其次，當模型中有控制變量時，其他省市呈現(xiàn)出明顯的差異。其中，模型中沒有控制變量時，安徽、江西、湖北、湖南、四川、貴州以及云南的人均GDP沒有達到第一轉(zhuǎn)折點，表明人均工業(yè)固體廢棄物產(chǎn)生量將隨著人均GDP的發(fā)展呈現(xiàn)增大趨勢；模型中有控制變量時，這些省份的人均GDP處于第一、第二轉(zhuǎn)折點間，表明人均工業(yè)固體廢棄物產(chǎn)生量將隨著人均GDP的發(fā)展而呈現(xiàn)降低趨勢。

3. 人均工業(yè)廢氣排放量與人均GDP的EKC檢驗

圖2是人均工業(yè)廢氣排放量與人均GDP間的曲線關系。由此可知，人均工業(yè)廢氣排放量與人均GDP之間存在顯著的庫茲涅茨倒“U”型曲線關系，個體固定效應模型回歸結果為

pigit=0.044 004+0.000 138pgdpit-(7.81E-10)(pgdpit)2+εit

(5)

由(5)式可計算出，人均工業(yè)廢氣排放量與人均GDP呈倒“U”型曲線的轉(zhuǎn)折點，位于人均GDP 8.835萬元的臨界值處。其經(jīng)濟意義是：隨著人均GDP上升，人均工業(yè)廢氣排放量增加。一旦人均GDP突破了8.835萬元的臨界水平，該省市人均工業(yè)廢氣排放量才會有所減少。當模型中增加控制變量時，此時回歸曲線仍呈倒“U”型，只不過轉(zhuǎn)折點變?yōu)槿司鵊DP 6.913萬元。

通過對2017年各省市人均GDP值與倒“U”型曲線拐點的比較，可以看出，無論模型中有無控制變量，安徽、江西、湖北、湖南、重慶、四川、貴州、云南的人均GDP都沒有達到轉(zhuǎn)折點，表明人均工業(yè)廢氣排放量將隨著人均GDP的發(fā)展而呈現(xiàn)增大趨勢；而上海、江蘇和浙江的人均GDP已超過轉(zhuǎn)折點，表明人均工業(yè)廢氣排放量將隨著人均GDP的發(fā)展而呈現(xiàn)降低趨勢。

4. 人均工業(yè)廢水排放量與人均GDP的EKC檢驗

圖3是人均工業(yè)廢水排放量與人均GDP間的曲線關系。由此可知，人均工業(yè)廢水排放量與人均GDP間呈“N”型曲線關系，個體固定效應模型回歸結果為

piwit=20.652 46+(7.06E-05)pgdpit-(3.43E-09)(pgdpit)2+(2.23E-14)(pgdpit)3+εit

(6)

由(6)式的估計結果可進一步計算出人均工業(yè)廢水排放量與人均GDP呈“N”型曲線的轉(zhuǎn)折點位于人均GDP 1.161萬元和9.094萬元的臨界值處。這一估計結果的經(jīng)濟意義是：當人均GDP低于1.161萬元時，該省市人均工業(yè)廢水排放量將隨著人均GDP的上升而增加；當人均GDP超過了1.161萬元的轉(zhuǎn)折點時，人均GDP繼續(xù)增長將有利于降低人均工業(yè)廢水排放量；當人均GDP突破9.094萬元后，人均工業(yè)廢水排放量又將隨著人均GDP的增加而上升。當模型中增加控制變量時，此時回歸曲線仍呈現(xiàn)“N”型，只不過兩個轉(zhuǎn)折點變?yōu)槿司鵊DP 2.900萬元與7.839萬元。

通過2017年各省市人均GDP值與“N”型曲線拐點的比較，可以看出，模型中無論有無控制變量，安徽、江西、湖北、湖南、重慶、四川、貴州、云南人均GDP均處于第一、第二轉(zhuǎn)折點間，表明人均工業(yè)廢水排放量將隨著人均GDP的發(fā)展而呈現(xiàn)降低趨勢；上海、江蘇和浙江人均GDP都超過了第二轉(zhuǎn)折點，表明人均工業(yè)廢水排放量將隨著人均GDP的發(fā)展而呈現(xiàn)增大趨勢。

根據(jù)各省市人均GDP的截面數(shù)據(jù)，運用移動平均法可以預測各省市人均GDP達到轉(zhuǎn)折點對應的年份，結果如表5所示。

表5 各省市轉(zhuǎn)折點對應年份預測

注：① 呈N型的，特指沒有控制變量情況下達到第二轉(zhuǎn)折點時對應的年份；② 上海、江蘇的這三項指標目前已經(jīng)超過第二轉(zhuǎn)折點。

四、 結論與討論

本文運用面板數(shù)據(jù)模型，檢驗長江經(jīng)濟帶2004—2017年的工業(yè)“三廢”與人均GDP的環(huán)境庫茨涅茲曲線，結果表明：長江經(jīng)濟帶區(qū)域人均工業(yè)廢氣排放量與人均GDP呈倒“U”型曲線關系；人均工業(yè)固體廢棄物產(chǎn)生量、人均工業(yè)廢水排放量與人均GDP呈“N”型曲線關系；增加控制變量并不影響曲線形態(tài)，只是提高或降低人均GDP轉(zhuǎn)折點；經(jīng)濟增長與工業(yè)環(huán)境污染的關系在長江經(jīng)濟帶不同區(qū)域省市存在顯著差異。與其他文獻的比較可知，對不同區(qū)域而言，EKC假說實質(zhì)上具有不確定性。

基于上述結論，筆者認為，針對不同工業(yè)污染物，長江經(jīng)濟帶東部和中西部省市要制定差異化政策，以期實現(xiàn)經(jīng)濟增長與工業(yè)污染物排放降低的雙重目標。目前中西部省市更應關注城鎮(zhèn)化發(fā)展和技術創(chuàng)新能力提升對經(jīng)濟發(fā)展的推動作用，從而有利于工業(yè)固體廢棄物產(chǎn)生量和工業(yè)廢水排放量的降低。但是，隨著經(jīng)濟的快速發(fā)展，人均工業(yè)廢氣排放量會越來越高，更要加強與工業(yè)廢氣排放相關的技術改造，從而改善經(jīng)濟增長與其發(fā)展的不良局面。上海等東部省市目前由于城鎮(zhèn)化率已較高，城鎮(zhèn)化發(fā)展更應注重城鎮(zhèn)化質(zhì)量提升，同時注重與工業(yè)固體廢棄物、工業(yè)廢水排放相關的環(huán)保排污技術改造和技術能力提升，從而緩解經(jīng)濟增長與其發(fā)展的矛盾。

此外，經(jīng)濟增長與工業(yè)環(huán)境污染物排放的關系在長江經(jīng)濟帶不同省市存在一定程度的差異性。長江經(jīng)濟帶東部省市的EKC曲線轉(zhuǎn)折點到來的時間總體上比中西部省市早。這種時間上的差距，本質(zhì)上反映了長江經(jīng)濟帶不同區(qū)域間的發(fā)展不平衡。其中以上海、江蘇和浙江為代表的東部區(qū)域發(fā)展較快，從發(fā)展初期的高能耗高污染的產(chǎn)業(yè)結構逐漸轉(zhuǎn)變?yōu)榈湍芎牡臀廴镜漠a(chǎn)業(yè)結構，第三產(chǎn)業(yè)占GDP比重較高；而長江經(jīng)濟帶中西部區(qū)域則仍然以資源開采、高污染的重化工業(yè)為主的第二產(chǎn)業(yè)占GDP比重較高，這種產(chǎn)業(yè)結構分布就會造成長江經(jīng)濟帶東部區(qū)域總體上比中西部區(qū)域的EKC轉(zhuǎn)折點更早到來。因此，中西部區(qū)域需要在經(jīng)濟發(fā)展模式和經(jīng)濟激勵政策上做出相應的調(diào)整，注重推進技術進步降低萬元GDP能耗，同時逐步加強環(huán)境保護的立法和執(zhí)法，執(zhí)行更為嚴格的排放標準。一方面，各級政府要明確在環(huán)境保護方面的責任，充分發(fā)揮政府環(huán)境責任對企業(yè)的約束、監(jiān)管作用，構建嚴格的企業(yè)發(fā)展環(huán)境考核標準以及經(jīng)濟發(fā)展的綜合評價體系。另一方面，企業(yè)要樹立可持續(xù)發(fā)展理念，堅持綠色發(fā)展，不斷提高自主創(chuàng)新能力，尤其是環(huán)境保護方面的技術創(chuàng)新，利用先進技術解決環(huán)境污染問題。同時，深入貫徹落實新時代生態(tài)文明建設指導思想，積極推動長江經(jīng)濟帶區(qū)域綠色和高質(zhì)量發(fā)展。