周南南 林修宇

[摘 要]基于能源消費(fèi)對(duì)環(huán)境污染的重要影響，選取衡量能源消費(fèi)和環(huán)境污染的評(píng)價(jià)指標(biāo)，采用主成分分析分別測(cè)度各地區(qū)能源消費(fèi)水平和環(huán)境污染程度;選取2011—2017年我國(guó)30省份的面板數(shù)據(jù)，構(gòu)建回歸模型研究能源消費(fèi)與區(qū)域環(huán)境污染的關(guān)系。結(jié)果表明：不同變量對(duì)環(huán)境污染的影響不同，能源消費(fèi)、人口因素對(duì)環(huán)境污染的影響為正，科技水平對(duì)環(huán)境污染的影響為負(fù)。據(jù)此，提出應(yīng)優(yōu)化能源消費(fèi)結(jié)構(gòu)、擴(kuò)大環(huán)境治理投資規(guī)模、發(fā)揮政府引領(lǐng)作用的對(duì)策建議。

[關(guān)鍵詞]主成分分析;能源消費(fèi);環(huán)境污染

[中圖分類號(hào)]F206 [文獻(xiàn)標(biāo)識(shí)碼]A [文章編號(hào)]1671-8372（2020）03-0062-08

Abstract：Based on the important influence of energy consumption on environmental pollution， the evaluation indexes of energy consumption and environmental pollution is selected， and the principal component analysis is used to measure the energy consumption level and environment pollution degree. The panel data of 30 provinces from 2011 to 2017 were selected to build a regression model to study the relationship between energy consumption and regional environmental pollution. The results show that different variables have different effects on environmental pollution， the influences of energy consumption and population factors on environmental pollution are positive， and the influences of science and technology level on environmental pollution are negative. Based on this， some countermeasures and suggestions are put forward to optimize the energy consumption structure， expand the investment scale of environmental governance， and give play to the leading role of the government.

Key words：principal component analysis; energy consumption; environmental pollution

一、引言

隨著中國(guó)特色社會(huì)主義進(jìn)入新時(shí)代，中國(guó)經(jīng)濟(jì)已由高速增長(zhǎng)轉(zhuǎn)向高質(zhì)量發(fā)展，經(jīng)濟(jì)總量已位居世界第二，同時(shí)也應(yīng)清晰地認(rèn)識(shí)到經(jīng)濟(jì)實(shí)力不斷提升的背后往往伴隨著的是資源、能源的過度使用。作為世界上最大的發(fā)展中國(guó)家，中國(guó)是能源生產(chǎn)和消費(fèi)大國(guó)。以2018年為例，中國(guó)能源生產(chǎn)總量達(dá)到37.7億噸（以標(biāo)準(zhǔn)煤為單位），其中原煤占比69.3%，原油占比7.2%，天然氣占比5.5%，其他能源占比18.0%;中國(guó)能源消費(fèi)總量達(dá)到46.4億噸（以標(biāo)準(zhǔn)煤為單位），其中原煤占比59.0%，原油占比18.9%，天然氣占比7.8%，其他能源占比14.3%。根據(jù)《BP世界能源統(tǒng)計(jì)年鑒2019》數(shù)據(jù)顯示，2018年，中國(guó)占全球能源消費(fèi)量的24.0%和全球能源消費(fèi)增長(zhǎng)的34.0%，連續(xù)18年穩(wěn)居全球能源增長(zhǎng)榜首。高投入、高消耗的粗放式能源消費(fèi)模式已嚴(yán)重阻礙中國(guó)經(jīng)濟(jì)的可持續(xù)發(fā)展。因此，研究能源消費(fèi)與環(huán)境污染的關(guān)系具有重要的現(xiàn)實(shí)意義。

有學(xué)者對(duì)能源消費(fèi)與環(huán)境污染二者之間的關(guān)系進(jìn)行了分析。張紅通過研究山東省能源消耗和環(huán)境污染的現(xiàn)狀，發(fā)現(xiàn)山東省的經(jīng)濟(jì)增長(zhǎng)是以巨大的能源消耗為基礎(chǔ)，而能源的過度消耗進(jìn)一步導(dǎo)致嚴(yán)重的環(huán)境污染[1];Apergis等通過研究考察25個(gè)經(jīng)合組織國(guó)家的煤炭消費(fèi)與經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系，發(fā)現(xiàn)煤炭消費(fèi)與經(jīng)濟(jì)增長(zhǎng)存在短期和長(zhǎng)期的雙向因果關(guān)系，且短期的雙向因果關(guān)系為負(fù)[2];高源等對(duì)中國(guó)煤炭、石油天然氣消費(fèi)量與工業(yè)三廢排放量進(jìn)行灰色關(guān)聯(lián)分析，發(fā)現(xiàn)中國(guó)能源消費(fèi)和環(huán)境污染之間的關(guān)聯(lián)度是顯著的[3];Bilgili等通過研究可再生能源消費(fèi)對(duì)環(huán)境質(zhì)量潛在影響的環(huán)境庫(kù)茲涅茨曲線（EKC）假說，發(fā)現(xiàn)人均國(guó)內(nèi)生產(chǎn)總值和人均國(guó)內(nèi)生產(chǎn)總值平方分別對(duì)二氧化碳排放量產(chǎn)生正面和負(fù)面影響，可再生能源消費(fèi)與二氧化碳排放量存在負(fù)因果關(guān)系[4];冷艷麗等考察能源價(jià)格扭曲對(duì)霧霾污染的影響，發(fā)現(xiàn)能源價(jià)格扭曲對(duì)霧霾污染具有正向影響[5]。

還有學(xué)者在能源消費(fèi)與環(huán)境污染二者中加入其他因素進(jìn)行了研究。楊旭等基于VECM模型研究經(jīng)濟(jì)增長(zhǎng)與環(huán)境污染和能源消耗的關(guān)系，發(fā)現(xiàn)中國(guó)的經(jīng)濟(jì)增長(zhǎng)與環(huán)境污染和能源消耗存在長(zhǎng)期穩(wěn)定的協(xié)整關(guān)系，能源消耗波動(dòng)始終是環(huán)境污染的主要原因，證明我國(guó)經(jīng)濟(jì)的高速增長(zhǎng)是以能源消耗為代價(jià)，并在能源消耗的過程中又造成了環(huán)境污染[6]。Bastola等通過探討尼泊爾能源消耗、污染排放和經(jīng)濟(jì)增長(zhǎng)之間的因果關(guān)系，得出能源消費(fèi)與碳排放存在長(zhǎng)期的雙向因果關(guān)系，經(jīng)濟(jì)增長(zhǎng)與碳排放和能源消費(fèi)存在單向因果關(guān)系[7]。袁程煒等基于四川省1991—2010年樣本數(shù)據(jù)，發(fā)現(xiàn)污染綜合指數(shù)、能源消費(fèi)與污染的交叉乘積項(xiàng)對(duì)經(jīng)濟(jì)增長(zhǎng)存在長(zhǎng)期穩(wěn)定關(guān)系，而且能源消費(fèi)對(duì)經(jīng)濟(jì)增長(zhǎng)的正向效應(yīng)大于環(huán)境污染對(duì)經(jīng)濟(jì)增長(zhǎng)的負(fù)向效應(yīng)，但環(huán)境污染本身對(duì)經(jīng)濟(jì)增長(zhǎng)負(fù)向效應(yīng)顯著[8]。Zhang Lei等利用1995—2011年的區(qū)域面板數(shù)據(jù)，在多變量框架下通過探討國(guó)際旅游業(yè)對(duì)中國(guó)經(jīng)濟(jì)增長(zhǎng)、能源消費(fèi)和環(huán)境污染的影響，得出旅游業(yè)對(duì)我國(guó)東中西部地區(qū)的經(jīng)濟(jì)增長(zhǎng)和二氧化碳排放均有因果關(guān)系、經(jīng)濟(jì)增長(zhǎng)與二氧化碳排放之間存在反饋效應(yīng)的結(jié)論，驗(yàn)證了旅游誘發(fā)EKC假說在我國(guó)并不存在的事實(shí)[9]。蔣照華等從綠色創(chuàng)新的環(huán)境效益出發(fā)，通過VAR模型證明綠色創(chuàng)新對(duì)能源消耗和環(huán)境污染問題能起到一定的改善作用[10]。馬青等利用PVAR模型和GLS方法檢驗(yàn)城鄉(xiāng)收入差距對(duì)能源消費(fèi)與溫室氣體和污染物排放的影響，得出碳排放和固體廢物排放受城鄉(xiāng)收入差距影響均為正效應(yīng)，受廢水排放呈負(fù)效應(yīng);通過GLS回歸得出，固體廢物排放量不同、城鄉(xiāng)收入不同對(duì)工業(yè)固體廢物排放倶表現(xiàn)出顯著的異質(zhì)性[11]。

本文以我國(guó)30省份作為研究樣本，以2011—2017年為研究區(qū)間，在測(cè)量能源消費(fèi)水平和環(huán)境污染程度的基礎(chǔ)上，構(gòu)建回歸模型，研究能源消費(fèi)與環(huán)境污染之間的關(guān)系，并提出促進(jìn)能源環(huán)境可持續(xù)發(fā)展的相關(guān)建議。

二、研究設(shè)計(jì)

（一）方法介紹

1.典型相關(guān)分析

本文采用典型相關(guān)分析，分析能源消費(fèi)和環(huán)境污染是否存在較強(qiáng)的相關(guān)關(guān)系，這也是進(jìn)行后續(xù)實(shí)證分析的前提。典型相關(guān)分析是研究?jī)山M變量之間線性相關(guān)關(guān)系的一種多元統(tǒng)計(jì)方法，其基本思想是在兩組變量中分別提取有代表性的兩組綜合變量U和V，分別是兩組變量通過線性變換得到的線性組合。U和V也被稱為典型相關(guān)變量，利用典型相關(guān)變量之間的相關(guān)關(guān)系能夠反映兩組變量的整體相關(guān)性。

2.主成分分析

在對(duì)某一事物進(jìn)行實(shí)證研究時(shí)，為了全面、準(zhǔn)確地反映事物特征及其發(fā)展規(guī)律，需要構(gòu)建相關(guān)指標(biāo)評(píng)價(jià)體系。但隨著相關(guān)指標(biāo)的增多不可避免地造成信息重疊，從而增加研究的復(fù)雜性。故需要采用主成分分析法、因子分析法、層次分析法進(jìn)行相關(guān)分析，以確保得出的結(jié)果更加全面準(zhǔn)確。主成分分析法是利用降維的思想[12]篩選相關(guān)指標(biāo)，將重復(fù)的指標(biāo)刪去，建立盡可能少的綜合變量。這些綜合變量即為主成分，包含了原始數(shù)據(jù)中大部分的信息。該方法能避免信息的大量重疊和主觀賦權(quán)評(píng)價(jià)的影響，保證結(jié)果的客觀性。計(jì)算步驟具體如下：

（1）設(shè)對(duì)某一事物的研究涉及p個(gè)指標(biāo)，分別用表示。p個(gè)指標(biāo)構(gòu)成的p維隨機(jī)向量組X可表示為，對(duì)向量組進(jìn)行線性變換，可以形成新的綜合變量，用Y表示，可表示為：

（2）采用Z-Score法對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。通過處理將不同大小、不同單位的數(shù)據(jù)轉(zhuǎn)化為統(tǒng)一度量、無(wú)單位的Z-Score分值，使得數(shù)據(jù)標(biāo)準(zhǔn)統(tǒng)一化，提高數(shù)據(jù)的可比性。計(jì)算公式為：

其中，Xij表示第i個(gè)指標(biāo)第j個(gè)樣本的原始數(shù)據(jù)，μi表示第i個(gè)指標(biāo)的樣本均值，σi表示第i個(gè)指標(biāo)的樣本標(biāo)準(zhǔn)差。

（3）計(jì)算相關(guān)系數(shù)矩陣。

（4）計(jì)算特征根和相應(yīng)的標(biāo)準(zhǔn)特征向量。

（5）根據(jù)主成分得分矩陣以及方差貢獻(xiàn)率，計(jì)算相關(guān)指標(biāo)的綜合得分。

3.聚類分析

聚類分析將研究個(gè)體進(jìn)行分類，使得同一類的對(duì)象之間的相似性比其他類的對(duì)象相似性更強(qiáng)。其目的在于使同類間對(duì)象的同質(zhì)性最大化和不同類間對(duì)象的異質(zhì)性最大化。對(duì)樣品的分類常稱為Q型聚類分析，對(duì)變量的分類常稱為R型聚類分析。聚類分析中包含許多方法，如系統(tǒng)聚類法、模糊聚類法、K-均值法、有序樣品的聚類和分解法等。本文采用系統(tǒng)聚類法，對(duì)主成分分析得到的能源消費(fèi)和環(huán)境污染的兩類綜合得分進(jìn)行聚類分析。

（二）指標(biāo)選取和數(shù)據(jù)來(lái)源

評(píng)價(jià)指標(biāo)的選取是研究能源消費(fèi)和環(huán)境污染的關(guān)鍵步驟，所選指標(biāo)需要能很好地測(cè)算能源消費(fèi)水平和環(huán)境污染程度?；跀?shù)據(jù)可得性原則，本文選擇各地區(qū)煤炭消費(fèi)量（X1）、石油消費(fèi)量（X2）、天然氣消費(fèi)量（X3）、電力消費(fèi)量（X4）、城市燃?xì)馄占奥剩╔5）、縣城燃?xì)馄占奥剩╔6）和村鎮(zhèn)燃?xì)馄占奥剩╔7）作為反映能源消費(fèi)水平的綜合評(píng)價(jià)指標(biāo);選擇各地區(qū)二氧化硫排放量（Y1）、氮氧化合物排放量（Y2）、煙塵排放量（Y3）、廢水排放總量（Y4）、環(huán)境污染治理投資（Y5）和工業(yè)污染治理投資（Y6）作為反映環(huán)境污染程度的綜合評(píng)價(jià)指標(biāo)。由于Y5和Y6與環(huán)境污染呈負(fù)相關(guān)，取負(fù)值作正向處理。構(gòu)建的指標(biāo)體系見表1和表2。

三、能源消費(fèi)水平和環(huán)境污染程度評(píng)價(jià)

（一）能源消費(fèi)和環(huán)境污染的典型相關(guān)分析

根據(jù)收集的能源消費(fèi)和環(huán)境污染數(shù)據(jù)，通過SPSS19.0軟件的典型相關(guān)分析，得到典型相關(guān)系數(shù)表（見表3）。

由表3可知，共有三對(duì)典型相關(guān)變量通過5%顯著性水平檢驗(yàn)，得到的典型相關(guān)系數(shù)分別為λ1=0.986，λ2=0.854，λ3=0.754，三個(gè)典型相關(guān)系數(shù)均較高，表明典型相關(guān)變量之間高度相關(guān)。

根據(jù)提取的典型相關(guān)變量計(jì)算得到典型相關(guān)變量與原始變量的相關(guān)系數(shù)表，也稱為典型載荷矩陣（見表4）。該表由四個(gè)部分組成：第一部分（U與X）和第四部分（V與Y）是本組變量與本組典型變量的相關(guān)系數(shù)，第二部分（V與X）和第三部分（U與Y）是本組變量與另一組典型變量的相關(guān)系數(shù)。由表4可知，能源消費(fèi)的第一對(duì)典型變量與X1-X4高度相關(guān)，第二對(duì)典型變量與X7高度相關(guān)，第三對(duì)典型變量與X5-X6高度相關(guān)，說明選取的綜合指標(biāo)很好地反映能源消費(fèi)情況;X1-X4與環(huán)境污染的第一對(duì)典型變量高度相關(guān)，表明能源消費(fèi)不僅受內(nèi)部指標(biāo)的影響，也受外部環(huán)境污染指標(biāo)的影響。環(huán)境污染的第一對(duì)典型變量與Y1-Y6高度相關(guān)，表明選取的綜合指標(biāo)很好地反映環(huán)境污染情況;Y1-Y6與能源消費(fèi)的第一對(duì)典型變量高度相關(guān)，表明環(huán)境污染不僅受內(nèi)部指標(biāo)的影響，也受外部能源消費(fèi)指標(biāo)的影響。

由表5可知，兩組變量的第一典型冗余之和分別為0.611和0.802，第二典型冗余之和分別為0.523和0.719，表明三對(duì)典型變量不僅能很好地解釋本組原始變量，還能很好地解釋另一組原始變量;三個(gè)典型相關(guān)系數(shù)的平方分別0.972、0.724、0.569，同樣表明能源消費(fèi)和環(huán)境污染之間具有很強(qiáng)的相關(guān)性。

（二）能源消費(fèi)和環(huán)境污染的主成分分析

1.能源消費(fèi)水平評(píng)價(jià)

根據(jù)收集的我國(guó)30省份能源消費(fèi)指標(biāo)的相關(guān)數(shù)據(jù)，對(duì)我國(guó)地區(qū)能源消費(fèi)水平進(jìn)行主成分分析，具體分析過程及結(jié)果如下：

（1）KMO和Bartlett球形檢驗(yàn)

KMO和Bartlett球形檢驗(yàn)是用于辨別變量之間是否存在相關(guān)性，判斷主成分分析是否適用的一種方法。一般來(lái)說KMO值越接近1，表明變量越適合進(jìn)行主成分分析。Bartlett檢驗(yàn)結(jié)果的顯著性水平小于0.1，表明各變量間存在相關(guān)性，適合進(jìn)行主成分分析。經(jīng)檢驗(yàn)，KMO值為0.661，Bartlett檢驗(yàn)值為132.473且P值為0.000，表明適合進(jìn)行主成分分析。

（2）計(jì)算相關(guān)系數(shù)矩陣

在KMO和Bartlett球形檢驗(yàn)的基礎(chǔ)上，計(jì)算原始變量的相關(guān)系數(shù)矩陣，得到的結(jié)果如表6所示。

2.環(huán)境污染程度評(píng)價(jià)

對(duì)我國(guó)30省份的環(huán)境污染指標(biāo)進(jìn)行KMO 和 Bartlett 球形檢驗(yàn)，經(jīng)檢驗(yàn)KMO值為0.650，Bartlett檢驗(yàn)值為151.573且P值為0.000，表明所選指標(biāo)適合進(jìn)行主成分分析。在此基礎(chǔ)上計(jì)算原始變量的相關(guān)系數(shù)矩陣，得到的結(jié)果如表9所示。

由表10可知，第一個(gè)主成分特征值為3.913，方差貢獻(xiàn)率為65.214%;第二個(gè)主成分特征值為1.118，方差貢獻(xiàn)率為18.639%;第三個(gè)主成分特征值為0.454，方差貢獻(xiàn)率為7.569%。前三個(gè)主成分累計(jì)貢獻(xiàn)率達(dá)到91.896%，能較好地保留原始變量的信息，故選取3個(gè)主成分替代6個(gè)原始變量。根據(jù)因子載荷矩陣，可得主成分得分系數(shù)矩陣，如表11所示。

3.能源消費(fèi)和環(huán)境污染的綜合得分

將標(biāo)準(zhǔn)化處理的數(shù)據(jù)代入式（3）、式（4）、式（5）分別求出F1、F2、F3的值，再代入式（6）求出W1，得到2017年我國(guó)30省份的能源消費(fèi)水平綜合得分及排名情況。將標(biāo)準(zhǔn)化處理后的數(shù)據(jù)代入式（7）、式（8）、式（9）分別求出F4、F5、F6的值，再代入式（10）求出W2，得到2017年我國(guó)30省份的在環(huán)境污染程度綜合得分及排名情況（見表12）。

表12中，正值代表地區(qū)的能源消費(fèi)或環(huán)境污染高于全國(guó)平均水平，負(fù)值代表能源消費(fèi)或環(huán)境污染低于全國(guó)平均水平。綜合得分越高，則能源消費(fèi)水平或環(huán)境污染程度越高，從而也可以直觀地看出各省市之間存在著較大的差異。

總體來(lái)看，能源消費(fèi)水平高于全國(guó)平均水平的有13省份，環(huán)境污染高于全國(guó)平均水平的有13省份，表明能源消費(fèi)與環(huán)境污染存在正相關(guān)關(guān)系，能源消費(fèi)水平越高，其環(huán)境污染程度越嚴(yán)重。其中，以山東、江蘇、廣東、浙江、河北為代表的經(jīng)濟(jì)實(shí)力較強(qiáng)和人口較多的地區(qū)，其兩類綜合得分均排在前列，表明這些地區(qū)能源消耗量較大，環(huán)境污染較為嚴(yán)重。從東中西空間分布來(lái)看，能源消費(fèi)水平和環(huán)境污染程度較高的地區(qū)多數(shù)在東部地區(qū)，山西屬于中部地區(qū)，內(nèi)蒙古、新疆屬于西部地區(qū);而排名較為落后的北京、天津、上海、海南屬于東部地區(qū)。這表明不僅區(qū)域間的能源消費(fèi)和環(huán)境污染存在差異，區(qū)域內(nèi)部也存在不均衡的現(xiàn)象。但總體上東部地區(qū)能源消費(fèi)水平和環(huán)境污染程度較高，中西部地區(qū)能源消費(fèi)水平和環(huán)境污染程度較低。

（三）能源消費(fèi)和環(huán)境污染的聚類分析

根據(jù)我國(guó)30省份的能源消費(fèi)水平和環(huán)境污染的綜合得分及排名情況，采用系統(tǒng)聚類方法對(duì)兩項(xiàng)綜合指標(biāo)得分進(jìn)行聚類。具體結(jié)果如圖1所示。

四、能源消費(fèi)對(duì)區(qū)域環(huán)境污染的影響

（一）變量選取及模型設(shè)定

環(huán)境污染程度除受能源消費(fèi)因素影響外，還受產(chǎn)業(yè)結(jié)構(gòu)、人口、科技等其他因素的影響。通過對(duì)已有文獻(xiàn)的梳理和實(shí)際污染現(xiàn)狀的分析，本文選擇能源消費(fèi)水平（EC）作為核心解釋變量，區(qū)域環(huán)境污染程度（EP）作為被解釋變量，產(chǎn)業(yè)結(jié)構(gòu)、人口壓力、科技水平作為控制變量。其中，選擇此前主成分分析的綜合得分作為衡量能源消費(fèi)水平和環(huán)境污染程度的指標(biāo)，產(chǎn)業(yè)結(jié)構(gòu)（IS）用第二產(chǎn)業(yè)占地區(qū)生產(chǎn)總值的比重表示，人口壓力（HUM）用年末常住人口表示，科技水平（TD）用R&D投入占GDP比重表示。設(shè)定的回歸模型如下：

（11）

式（11）中，i代表不同省份樣本，t代表不同時(shí)期，βi代表待估參數(shù)，α代表截距項(xiàng)，μ代表隨機(jī)擾動(dòng)項(xiàng)?；跀?shù)據(jù)可得性原則，對(duì)于部分缺失數(shù)據(jù)采用移動(dòng)平滑法進(jìn)行補(bǔ)齊，然后使用Stata15.0進(jìn)行分析。

（二）實(shí)證結(jié)果分析

1.單位根檢驗(yàn)

在進(jìn)行實(shí)證分析前，為保證數(shù)據(jù)的平穩(wěn)性和結(jié)果的準(zhǔn)確性，消除變量可能存在的偽回歸，需要對(duì)面板數(shù)據(jù)的相關(guān)指標(biāo)進(jìn)行單位根檢驗(yàn)。為避免單一方法檢驗(yàn)的局限性，本文采用LLC、ADF-Fisher進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果如表13所示。

由表13可知，環(huán)境污染、能源消費(fèi)、產(chǎn)業(yè)結(jié)構(gòu)、人口壓力、科技水平的兩種檢驗(yàn)均通過5%顯著性水平檢驗(yàn)，表明這四個(gè)變量在水平情況下是平穩(wěn)的，在回歸分析時(shí)不會(huì)產(chǎn)生偽回歸。

2.Hausman檢驗(yàn)

對(duì)于面板數(shù)據(jù)而言，選擇固定效應(yīng)模型和隨機(jī)效應(yīng)模型非常關(guān)鍵，需要進(jìn)行Hausman檢驗(yàn)進(jìn)行判斷。Hausman檢驗(yàn)的原假設(shè)為，備擇假設(shè)為。若原假設(shè)成立，則選擇隨機(jī)效應(yīng)模型更為有效，反之選擇固定效應(yīng)模型更為有效。經(jīng)過Hausman檢驗(yàn)，檢驗(yàn)統(tǒng)計(jì)量值為67.51，P值為0.0000，故應(yīng)拒絕原假設(shè)，選擇備擇假設(shè)，使用固定效應(yīng)模型進(jìn)行回歸分析。

3.回歸結(jié)果分析

使用Stata15.0進(jìn)行分析，得到能源消費(fèi)對(duì)環(huán)境污染的回歸結(jié)果（見表14）。

由表14可知，模型的R2=0.8093，修正后的R2=0.8056，這表明各變量之間擬合程度較高;各變量除產(chǎn)業(yè)結(jié)構(gòu)外在1%顯著性水平下均通過檢驗(yàn)，表明環(huán)境污染程度與能源消費(fèi)水平、產(chǎn)業(yè)結(jié)構(gòu)、科技水平之間均有顯著相關(guān)性，而人口壓力對(duì)環(huán)境污染的影響不顯著。能源消費(fèi)、產(chǎn)業(yè)結(jié)構(gòu)、人口壓力、科技水平的回歸系數(shù)分別為0.7673、0.2607、0.0001、-18.0152，表明在其他條件不變的情況下，能源消費(fèi)每增加1，環(huán)境污染隨之平均增長(zhǎng)0.7673;第二產(chǎn)業(yè)占比每增加1，環(huán)境污染隨之平均增長(zhǎng)0.2607;人口總量每增加1，環(huán)境污染平均增長(zhǎng)0.0001;R&D經(jīng)費(fèi)支出占比每提高1，環(huán)境污染平均降低18.0152。

具體來(lái)看，能源消費(fèi)對(duì)環(huán)境污染的影響為正，這是由于我國(guó)能源消費(fèi)結(jié)構(gòu)不合理、煤炭使用量仍占比過大、能源利用率偏低，導(dǎo)致環(huán)境污染嚴(yán)重;產(chǎn)業(yè)結(jié)構(gòu)對(duì)環(huán)境污染的影響為正，這是因?yàn)楣I(yè)污染是環(huán)境污染的主要來(lái)源之一，隨著第二產(chǎn)業(yè)產(chǎn)值比重的增加，工業(yè)廢氣、廢水、固體廢物排放量也會(huì)增加，其處理凈化較為困難，導(dǎo)致環(huán)境污染加劇，環(huán)境治理效率低下;人口對(duì)環(huán)境污染呈顯著正相關(guān)，表明隨著人口數(shù)量的增多，生活需要和工業(yè)發(fā)展產(chǎn)生的垃圾也隨之變多，進(jìn)而導(dǎo)致環(huán)境污染程度加深;科技水平對(duì)環(huán)境污染的影響為負(fù)，并且影響系數(shù)非常大，表明科技水平的提高能顯著改善環(huán)境污染程度，這是由于科技能引入清潔能源技術(shù)和能源利用技術(shù)，減少了環(huán)境污染物的排放，從而提高環(huán)境治理效率和能源利用率。因此，在未來(lái)的環(huán)境污染防治中，可根據(jù)影響變量有針對(duì)性地提出建議，降低環(huán)境污染、增強(qiáng)能源可持續(xù)發(fā)展。

五、結(jié)論與建議

本文研究能源消費(fèi)對(duì)環(huán)境污染的影響，首先選取反映能源消費(fèi)水平和環(huán)境污染程度的相關(guān)指標(biāo)，通過主成分分析測(cè)度我國(guó)30省份的能源消費(fèi)水平和環(huán)境污染程度。其次，選取2011—2017年各地區(qū)的面板數(shù)據(jù)，在相關(guān)指標(biāo)測(cè)度的基礎(chǔ)上，通過構(gòu)建回歸模型，對(duì)能源消費(fèi)與區(qū)域環(huán)境污染的關(guān)系進(jìn)行實(shí)證分析。研究結(jié)果表明：能源消費(fèi)、產(chǎn)業(yè)結(jié)構(gòu)、人口壓力對(duì)環(huán)境污染的影響為正，而科技水平對(duì)環(huán)境污染的影響為負(fù)。為此提出促進(jìn)能源消費(fèi)可持續(xù)發(fā)展和環(huán)境污染治理的相關(guān)建議如下：

一是優(yōu)化能源消費(fèi)結(jié)構(gòu)，提高能源使用效率。我國(guó)能源消費(fèi)結(jié)構(gòu)仍然是以化石能源為主，而化石能源的特點(diǎn)是碳含量較高，燃燒產(chǎn)生大量的有害氣體，多是不可再生能源。因此，減少煤炭、原油、石油等高污染能源的使用，尋找清潔能源等可再生能源，可以有效解決碳排放過大和化石能源依賴過度的問題;將提高能源利用效率作為實(shí)施環(huán)境保護(hù)和可持續(xù)發(fā)展的重要戰(zhàn)略，可以達(dá)到節(jié)約成本、有效控制環(huán)境污染程度加重的目標(biāo)，從而利用低成本獲取高回報(bào)，大力發(fā)展低碳經(jīng)濟(jì)。

二是加大環(huán)境治理投資力度，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，促進(jìn)經(jīng)濟(jì)綠色發(fā)展。國(guó)家應(yīng)給予更多支持，擴(kuò)大環(huán)境污染治理資金的投入規(guī)模，拓寬資金流動(dòng)渠道，建立長(zhǎng)期的資金保障體制，為實(shí)現(xiàn)環(huán)境治理提供資金支撐;加大關(guān)鍵技術(shù)的研發(fā)和引進(jìn)，培養(yǎng)相關(guān)技術(shù)人才，推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí)，減少重工業(yè)等高污染產(chǎn)業(yè)的比重，發(fā)展清潔產(chǎn)業(yè)，建立資源節(jié)約型和環(huán)境友好型社會(huì)。

三是充分發(fā)揮政府的指導(dǎo)作用，積極引導(dǎo)個(gè)人、企業(yè)為環(huán)境治理作出重要貢獻(xiàn)。各地區(qū)政府應(yīng)加強(qiáng)環(huán)境治理水平，建立多元化的監(jiān)管體系，嚴(yán)格落實(shí)各項(xiàng)污染指標(biāo)減排措施，提倡綠色、低碳、環(huán)保的生活方式;加強(qiáng)區(qū)域間的交流合作，發(fā)揮區(qū)域聯(lián)動(dòng)作用，共同推進(jìn)環(huán)境污染治理工作。居民應(yīng)提高環(huán)保意識(shí)和資源節(jié)約意識(shí)，學(xué)會(huì)垃圾分類，減少生活垃圾的產(chǎn)生。企業(yè)應(yīng)不斷創(chuàng)新，嚴(yán)控污染治理各環(huán)節(jié)，加強(qiáng)利用不同污染物處理的新技術(shù)，從而減少污染氣體的排放量。由此，政府、個(gè)人和企業(yè)多方聯(lián)動(dòng)，共同提高生態(tài)環(huán)境質(zhì)量，從而達(dá)成人與自然和諧發(fā)展的新格局。

張紅.山東省能源消耗與環(huán)境污染現(xiàn)狀及對(duì)策分析[J].山東社會(huì)科學(xué)， 2008（6）：113-116.

Apergis N，Payne J E.Coal consumption and economic growth：evidence from a panel of OECD countries[J].Energy Policy，2010（3）：1353-1359.

高源，牛飛亮.能源消費(fèi)與環(huán)境污染的灰色關(guān)聯(lián)分析[J].中州學(xué)刊，2010（2）：79-81.

Bilgili F，Kocak E，Bulut U.The dynamic impact of renewable energy consumption on CO2 emissions：a revisited environmental Kuznets curve approach[J].Renewable and Sustainable Energy Reviews， 2016（54）： 838-845.

冷艷麗，杜思正.能源價(jià)格扭曲與霧霾污染—中國(guó)的經(jīng)驗(yàn)證據(jù)[J].產(chǎn)業(yè)經(jīng)濟(jì)研究， 2016（1）：71-79.

楊旭，徐洋，王寶健，等.基于VECM模型的經(jīng)濟(jì)增長(zhǎng)與環(huán)境污染和能源消耗關(guān)系研究[J].地理與地理信息科學(xué)，2012（5）：75-79.

Bastola U，Sapkota P.Relationships among energy consumption， pollution emission， and economic growth in Nepal[J].Energy，2015（80）：254-262.

袁程煒，張得.能源消費(fèi)、環(huán)境污染與經(jīng)濟(jì)增長(zhǎng)效應(yīng)—基于四川省1991—2010年樣本數(shù)據(jù)[J].財(cái)經(jīng)科學(xué)，2015（7）：132-140.

Zhang L，Gao J.Exploring the effects of international tourism on China's economic growth，energy consumption and environmental pollution：evidence from a regional panel analysis[J].Renewable and Sustainable Energy Reviews，2016（53）：225-234.

姜照華，馬嬌.綠色創(chuàng)新與環(huán)境污染、能源消耗的相互關(guān)系研究[J].生態(tài)經(jīng)濟(jì)，2019（4）：160-166.

馬青，傅強(qiáng).城鄉(xiāng)收入差距、能源消耗與環(huán)境污染的雙向耦合關(guān)系—基于經(jīng)濟(jì)起因的互動(dòng)關(guān)系[J].技術(shù)經(jīng)濟(jì)，2019（3）：67-77.

秦炳濤，葛力銘.我國(guó)區(qū)域工業(yè)經(jīng)濟(jì)與環(huán)境污染的實(shí)證分析[J].統(tǒng)計(jì)與決策，2019（4）：133-136.

[責(zé)任編輯 祁麗華]