投资增长加重了中国工业二氧化硫的排放吗--基于空间面板模型的总量判断与结构比较-徐志伟.pdf

《投资增长加重了中国工业二氧化硫的排放吗--基于空间面板模型的总量判断与结构比较-徐志伟.pdf》由会员分享，可在线阅读，更多相关《投资增长加重了中国工业二氧化硫的排放吗--基于空间面板模型的总量判断与结构比较-徐志伟.pdf（10页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、 绿色发展论坛贵州财经大学学报 年第期总第 期投资增长加重了中国工业二氧化硫的排放吗基于空间面板模型的总量判断与结构比较徐志伟，常旭蕊（天津财经大学商学院，天津 ）摘要：以 年中国境内 个省市区为样本，运用空间面板模型实证分析投资总量增长及结构差异对工业二氧化硫（ ）排放的影响，以研究投资增长是否加重了中国的排污负担。研究发现，工业 排放存在省际空间溢出效应并在部分地区形成了“高高”聚集区域。从总量角度看，工业 排放与固定资产投资之间呈现显著的“倒”型关系。从结构角度看，地方投资对工业 排放具有更加显著的影响；国有投资和非国有投资虽然表面上对工业 排放的影响并无显著差异，但对于特定的高排放行业

2、，非国有投资依然是造成排放增长的主要因素；不同规模的投资项目对工业 排放的影响没有显著差异，并与细分行业分布情况无关；新建项目固定资产投资是影响工业 排放的主因，增加更新改造投资不会对排放产生显著作用。关键词：投资总量；投资结构；工业 排放；空间相关性文章编号： （ ） ；中图分类号： ；文献标识码：一、问题提出在 年中国经济进入新一轮经济增长周期之后，经济发展过程中的投资驱动特征相较以前愈加明显（武鹏， ； ， ）。特别是为应对国际金融危机， 年底国家出台的“四万亿”投资计划进一步强化了国民经济对投资的依赖（吴立军， ；郭菊娥， ）。很多学者研究发现，作为经济增长的驱动因素之一，投资增加在刺

3、激“好”产出的同时，也会带来“坏”产出污染物排放量的增加（涂正革， ；宋马林， ）。如 （ ）研究了美国马里兰州电力行业投资、电力价格与 排放的关系，发现电力行业投资的增加将降低用电价格，进而引致用电量的上升和工业 排放的增加。 （ ）运用非线性规划模型发现智利铜矿投资与污染物排放之间具有正相关关系，并在此基础上提出了铜矿投资的最优决策支持模型。董广霞（ ）通过比较“两高”行业固定资产投资和主要污染物排放量（ 和 ）变化趋势，发现二者呈现紧密对应关系。 （ ）运用 因果关系模型发现了尼日利亚矿产资源投资与环境污染程度之间存在长期单向正相关关系。 （ ）运用时间序列模型估计了 年中国固定资产投资

4、对环境质量的影响，认为投资增长过快和投资结构不合理是导致污染物排放量增加的重要因素。 孙凌（ ）通过回归分析发现中国纺织行业投资与废水排放之间存在正相关关系，但随着投资数额逐渐加大，废水排放呈现渐进趋稳态势。 但也有学者研究发现，投资产生的财富积累会产生两种效应：环保、新能源等清洁产业发展引致的结构效应和落后生产工艺、技术改造升级引致的技术效应（ ， ； ， ；黄菁， ；成艾华， ；原毅军， ）。在两种效应的共同作用下，投资与污染物排放之间并非仅收稿日期： 基金项目：国家社会科学基金项目“基于经济空间结构的河流污染跨区域协同治理研究”（ ）作者简介：徐志伟（ ），男，天津市人，经济学博士，副教

5、授，研究方向为资源环境与产业协调发展；常旭蕊（ ），女，河北唐山人，硕士研究生，研究方向为环境与产业政策。贵州财经大学学报 年第期总第 期绿色发展论坛 仅呈现简单的单调关系。如 （ ）通过对欧盟国家的经验研究，证明了投资与污染物排放之间库兹涅次曲线的存在。 （ ）运用时间序列模型，研究了北京地区固定资产投资对污染物排放的影响，其结论是固定资产投资与工业 排放、工业固体废物排放存在“倒”曲线关系，与化学需氧、工业废气排放、工业废水排放存在“型”曲线关系。 杨旭辉（ ）通过 年山西省固定资产投资总额以及工业“三废”统计数据发现，工业废气排放、工业固体废物排放与固定资产投资之间呈“倒”曲线，且工业废

6、气排放仍处上升阶段，工业固体废物排放已接近拐点。 纵观现有研究，尚存以下方面需要完善。首先，根据“地理学第一定律”，空间上距离相近的两个地区之间的经济行为往往是相互关联的，且两地区越是接近，关联性就越强。仅就中国环境污染现实而言，直观观察似乎也能够证实这一规律：中国雾霾污染主要集中在京津冀地区，酸雨主要集中于长江中下游地区，水污染在海河流域表现最为严重。除自然因素影响外，通过行为模仿及经济溢出，相邻地区产生的污染物排放空间相关性也是其中重要原因。国内已有文献运用空间计量方法研究了中国 （马丽梅， ）和 （马丽梅， ）的空间溢出问题。还有部分学者运用该方法研究了经济增长（朱平辉， ；郑长德， ；

7、王火根， ；赵佳佳， ）、 （许和连， ；许和连， ；刘渝琳， ）和产业聚集（沈能， ；张可， ；刘满凤， ）对污染物排放的影响。但鲜有文献将空间计量模型运用于中国投资增长与污染物排放关系研究。其次，既有研究大多关注投资总量与污染物排放之间的关系。实际上，不同来源、主体、规模和性质的投资对污染物排放的影响应当是有所差异的。现有研究恰恰忽视了投资结构性因素的影响，进而导致估计结果可能有偏。工业 主要源于企业生产过程中煤炭、石油等化石燃料的燃烧，其产生与投资变化和经济发展速度紧密相关。作为中国当前最主要的大气污染源之一，工业 排放经常被作为标志性指标反映工业生产对环境产生的影响。本文提出了投资与污

8、染物排放之间可能存在的五种关系假设，在此基础上，以 年中国境内 个省市区为样本，运用空间面板模型实证分析投资总量增长及结构变动对工业 排放的影响，进而更为准确地揭示中国投资与工业 排放变化之间的相关关系，并为投资结构调整和有的放矢地加强投资项目环境监管提供决策依据。二、关系假设、研究方法与变量选择（一）投资与污染物排放的关系假设 投资总量与污染物排放的关系假设投资本身是资源消耗的过程，特别是投资增加势必带来电力、钢铁、水泥、煤炭等“两高”行业产能扩张和产出上升，进而导致排污水平的增加和环境污染的加剧。因此，污染物排放量在初期会随着投资的增长而增加。但投资还是财富创造的过程，特别是只有当投资带来

9、的财富效应积累到一定程度之后，我们才可能更加重视投资过程中的环境效应问题，从而提供足够、稳定的资金投入到环境保护、新能源等清洁治污产业，对落后产能进行大规模改造升级，进而带来经济结构的调整，并在此基础上实现排污的控制和环境的改善。由此，提出关系假设： ：排污负担在初期会随着投资的增长而增加，经过某个拐点之后将随着投资的增长而下降，二者呈现“倒”型曲线关系。 投资结构与污染物排放的关系假设首先，根据“环境竞次”理论，地方政府因担心其他地区采取比本地区更低的环境标准而丧失竞争优势，往往在本地区实施更为宽松的环境政策（ ， ）。 而中央政府由于不存在“环境竞次”和决策带来的外部性影响，也就更加重视投

10、资项目可能带来的环境问题，进而可能对高排污项目进行更多的投资限制和监管。由此，从投资主体上看，提出关系假设： ：相对于中央政府投资，地方政府投资的增长更易于加重排污负担。其次，环境污染产生的根源在于企业生产行为的负外部性。一般来讲，相对于追求自身利益最大化的私营企业和集体企业而言，国有企业在追求营利性的同时，往往还兼具一定的社会责任，其生产过程中的环境负外部性程度应该低于其他类型企业。此外，政府往往是国有企业的直接控股人，对国有企业投 绿色发展论坛贵州财经大学学报 年第期总第 期资和经营活动的信息掌握较为完全，对其投资和生产行为的事先环评和排污监管成本应该较低，执行效果一般也应该较好。由此，从

11、投资来源上看，提出关系假设： ：相对于国有投资，非国有投资的增长更易于加重排污负担。再次，根据“二律背反定律”，环境监管效果与监管成本往往呈现相反关系。现实经济中，经常会通过“抓大放小”方式在监管效果与监管成本之间寻求平衡。因此对于投资金额高的重点工程、重点项目，环境评价和监管往往较为严格，投资产生的单位排污负担应该较轻。反之，由于中小工程或项目的环境监管往往相对宽松，其投资增加可能更易于加重污染物的排放水平。由此，从投资规模上看，提出关系假设： ：相对于大型项目，中小型项目投资更易于加重排污负担。最后，在全部固定资产投资中，改扩建投资有相当部分会采用先进的技术、工艺和装备代替原有落后的技术、

12、工艺和装备，从而达到提高产品质量、促进产品更新换代、节约能源、降低消耗、扩大生产规模、全面提高社会经济效益的目的。由此，从投资性质上看，提出关系假设： ：相对于新建投资，改扩建投资对排污负担的影响较弱。（二）研究方法 空间相关性检验已有大量研究证明，相邻地区之间的经济活动和行为会产生空间上的溢出。而传统的面板模型将各个地区视作相互不产生关联和影响的独立个体，因此无法对空间相邻地区间的交互行为予以控制，分析结果势必存在一定的偏误（杨莉莉， ）。 空间面板模型可以有效弥补原有模型的缺陷，但其前提是需要验证地区空间相关性的存在。全局 指数是当前被广泛采用的空间相关性检验方法，具体表示为： （珔）（珔

13、） （）其中， （珔）， 。为地区的工业 排放量，为地区数， 为空间权重。如果地区与地区空间相邻，则 ；如果地区与地区空间不相邻，则 。全局 指数介于 和之间。越接近，空间正相关性越强；越接近 ，空间负相关性越强；越接近，空间相关性越弱。全局 指数反映的是空间整体的关联程度，但不能排除区域内部可能出现的“非典型”情况（ ， ）。 为此，可构建局域 指数反映地区与相邻地区的空间相关性，具体表示为：（珔） （ ） （）如果 ，则地区的工业 排放与周边地区“高高”相邻或“低低”相邻；如果 ，则地区的工业 排放与周边地区“高低”相邻或“低高”相邻。 空间面板模型构建如果 指数能够证明中国地区间的工业

14、排放具有空间相关性，那么就需要构建空间面板模型对投资与污染物排放之间的关系进行经验研究。考虑到投资对污染物排放影响具有一定的滞后期，因此本文尝试建立滞后一期的空间滞后面板模型和空间误差模型。同时，为了降低可能出现的异方差性，模型均采用对数形式。其中，空间滞后面板模型为： （ ） （ ） （）其中，对于第期的地区而言，被解释变量代表工业 排放水平。解释变量 代表投资金额，用固定资产投资数值表示，并用历年固定资产投资价格指数进行平减。此外，为控制变量，代表空间变量系数。代表时间效应产生的随机扰动，用以反映随时间变化且冲击所有地区工业 排放和固定资产投资的扰动事件，如经济周期，宏观经济政策等；代表个

15、体效应产生的随机扰动，用以反映不随时间变化且存在地区差异的扰动事件，如地方的环境治理政策等；代表随机误差项并服从正态分布。为贵州财经大学学报 年第期总第 期绿色发展论坛 防止出现严重的共线性问题，控制变量的选择尽量规避可能与投资产生高度相关性的经济指标，如 、 等。因此，对于控制变量，选择第三产业就业人数（ ）反映经济转型情况，城镇人均可支配收入（ ）反映经济发展程度，进出口总额（ ）反映经济外向型程度，电力消费量（ ）反映能源消费情况，工业废气治理设施运行费用（ ）反映环境规制强度。同时，设定空间误差面板模型为： （ ） （ ） （） ， （， ）除（）式已定义变量外，代表残差空间相关系数。

16、对于空间滞后面板模型和空间误差面板模型的选择，参考 （ ） 提出的方法，通过计算和比较极大似然 检验、极大似然 检验和稳健 、稳健 进行判断。（三）数据来源本文将 年中国境内 个省份作为样本。工业 排放数据和工业废气治理设施运行费用数据源于中国环境统计年鉴（ ），其他数据源于中国统计年鉴（ ）。其中，自 年起除房地产投资和农村个人投资外，固定资产投资的统计起点由 万元提高至 万元。为保持统计口径一致性，通过计算 年固定资产投资原口径数据和新口径数据比值，同比调增 年数据，并在此基础上通过历年省际固定资产投资价格指数将各期实际值平减为以 年为基期的数值。此外，城镇居民人均可支配收入数据利用居民消

17、费价格指数平减修正，地区进出口总额数据按照当年人民币汇率平均价折算，再利用商品零售价格指数进行平减。三、实证结果及讨论（一）空间相关性检验的实证结果通过 软件，实证得到的 年中国境内 个省份工业 排放全局 指数如表所示。结果显示，中国省际工业 排放的空间相关性检验结果全部通过了 的显著性水平，绝大部分通过了 的显著性水平，且在 年之后空间相关性程度还有所增强。表 年中国 个省份工业 排放全局 指数年份 年 年 年 年 年 年 年 年 年 年 指数 值 继续检验相邻省份之间工业 排放的空间相关性。通过对局域 指数分析，可将结果划分为四种情况，具体如图所示。其中， 年呈现类型，河北、山西、山东、河

18、南省的工业 排放与周边地区存在“高高”相邻，安徽与周边地区存在“高低”相邻，新疆与周边地区存在“低低”相邻； 年呈现类型 ，与类型相比较，新增陕西的工业 排放与周边地区“高高”相邻； 年呈现类型 ，辽宁代替陕西进入工业 排放的“高高”相邻省份，同时新疆与周边地区呈现“高低”相邻特征； 年和 年属于类型 ，与类型 相比较，辽宁的工业 排放退出“高高”相邻省份。综合而言，河北、山西、山东、河南省始终处于工业 排放的“高高”相邻省份，其结论与华北地区是中国大气污染最为严重区域的基本事实相互吻合。此外，新疆在 年之后由“低低”相邻转变为“高低”相邻省份，从侧面说明新疆工业 排放水平与其相邻的西藏、青海

19、、甘肃等省份比较呈现出显著增加态势。图 年中国 个省份工业 排放局域 指数分布 绿色发展论坛贵州财经大学学报 年第期总第 期（二）投资总量对工业 排放影响的实证结果为避免出现“伪回归”现象，首先对模型的主要变量工业 排放和固定资产投资平稳性进行检验。滞后阶数采用 准则，检验类型选择 、 和 ，具体检验结果如表所示。结果显示，所有变量都在 的水平上拒绝了单位根的存在。考虑到面板模型对数据平稳性的要求本来就弱于时间序列模型，由此判断模型估计不会产生“伪回归”问题。表模型主要变量的平稳性检验结果变量 检验结果 检验结果 检验结果 （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ）

20、注：括号内数值为值。运用 软件估计 年中国省际投资总量对工业 排放的影响。首先，对于空间滞后面板模型和空间误差面板模型的选择，极大似然 检验和极大似然 检验结果分别为 和 ，二者均通过了显著性检验。进一步比较稳健 和稳健 ，结果显示仅稳健 通过显著性检验，说明是解释变量间的空间依赖性导致了空间相关性的产生，应该选择空间滞后面板模型。其次，由于着重分析省际间投资与工业 排放关系，并非由此推知一个更大母体的一般规律，因此选择固定效应模型应更为合理。 检验结果为 ，也显示应采取固定效应模型。同时，由于 的估计结果是有偏或不一致的，空间面板模型一般更适宜采用极大似然估计（ ）方法。为了便于比较，表列出

21、了传统面板、空间滞后面板和空间误差面板三种模型各自的估计结果。传统面板模型的 未能通过检验，而空间滞后个体效应模型和空间误差个体效应模型均获得了较好的拟合效果，但前者的似然值和 略优于后者，因此本文着重针对空间滞后个体效应模型进行讨论。表投资总量对工业 排放影响的实证结果解释变量传统面板模型空间滞后模型空间误差模型时间固定模型个体固定模型双固定模型时间固定模型个体固定模型双固定模型 （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ）

22、 （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ）截距项 （ ）似然值 注：、分别代表在 、 和 水平上显著，以下均同。贵州财经大学学报 年第期总第 期绿色发展论坛 空间滞后个体效应模型得到的空间相关系数为 ，且在 的水平上通过了显著性检验，说明邻近省份工业 排放增长 ，将使得本省份工业 排放增长 ，进一步印证了空间相关性的存在。对于固定资产投资而言，其对工业 排放的影响一次项为正，二次项为负，且均通过显著性检验，证明固定

23、资产投资与工业 排放之间确实如 假设，存在“倒”型曲线关系。也就是说，随着中国投资水平的增加，工业 排放总量一开始是逐渐增加的，但经过一段时间之后，因投资结构优化升级等因素影响，工业 排放可能出现随投资增加而下降的趋势。模型结果还显示，电力消费量、城镇人均可支配收入、第三产业就业人数也显著影响工业 排放。其中，电力消费量每增加 ，工业 排放大约增加 ；城镇人均可支配收入每增加 ，工业 排放大约下降 ；第三产业就业人数每增加 工，业 排放大约下降 。结果说明控制能源消耗，提高经济发展水平，加快经济结构转型是缓解中国排污负担的有效途径。此外，地区进出口总额和工业废气治理设施运行费用对工业 排放不具

24、有显著影响，说明外向型经济的发展和环境规制力度的增加并未有效缓解中国面临的减排压力。（三）投资结构对工业 排放影响的实证结果本文继续从投资来源、投资主体、投资规模和投资性质四个方面，研究投资结构对工业 排放的影响。为了保证模型的可比性，仍然采用空间滞后个体效应模型进行回归分析，具体结果如表所示。表投资结构对工业 排放影响的实证结果解释变量投资来源投资主体投资规模投资性质中央地方国有非国有大项目中小项目新建改扩建 （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ）

25、（ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ）似然值 首先，根据投资来源，可将固定资产投资划分为中央投资和地方投资。其中，中央投资主要涵盖国家各部委、直属机构、中央直属企事业单位下达的固定资产投资，地方投资主要涵盖省级及其以下政府直接投资项目和不隶属于各级政府的企事业单位投资项目。研究结果显示，中央投资对工业 排放量影

26、响的一次项和二次项均仅能通过 的显著性检验，说明二者之间的相关程度较弱。地方投资对工业 排放量影响的一次项和二次项不仅能通过 的显著性检验，且一次项估计值还较中央投资高出 ，“倒”型曲线的拐点高出约 亿元。因此，相对于中央投资，地方投资与工业 排放之间具有更紧密的因果关系，“环境竞次”假说在中国是存在的。由此，假设 得证。其次，根据投资主体，可将固定资产投资划分为国有投资和非国有投资。其中国有投资是指资产全部归属国家所有的国有企业固定资产投资，非国有投资主要包括来源于有限责任投资、股份有限公司、集体企业、私营企业、个人独资企业的投资和来源于港澳台商及其他外商的投资。研究结果显示，国有投资和非国

27、有投资回归结果的一、二次项均能够通过 的显著性检验，并且国有投资的一次项参数值还略高 绿色发展论坛贵州财经大学学报 年第期总第 期于非国有投资，但非国有投资“倒”型曲线的拐点相较国有投资高出约 亿元。初步设想，其中原因可能与国有投资在 高排放行业占比较高有关。因为相关数据显示，电力、热力生产和供应，黑色金属冶炼和压延加工、非金属矿物制品“三大高排行业”工业 排放量约占到全部工业 排放量的 左右。同时，如图所示，虽然 年“三大高排行业”国有投资占全部（城镇）固定资产投资比重总体呈现下降趋势，但电力、热力生产和供应业的国有投资比重始终保持在 以上，黑色金属冶炼和压延加业的国有投资比重也长期维持在

28、以上。图 “三大高排行业”国有投资占比图那么，仅就高排放行业自身而言，不同来源的投资对工业 排放的影响是否依然是无差异的？由于火电行业脱硫工作的全面开展，电力、热力生产和供应业 排放量自 年之后出现了下降趋势。为保障数据的平稳性，本文将电力、热力生产和供应业剔除，仅对剩余两大高排行业源于不同主体的投资与 排放量之间的关系进行回归分析。其中，国有投资与行业 排放量的回归结果如式（）所示： （ ）（）（ ）（ ） 黑色金属冶炼和压延加工、非金属矿物制品两个行业非国有投资与行业 排放量的回归结果如式（）所示： （ ）（）（ ）（ ） 结果显示，对于黑色金属冶炼和压延加工和非金属矿物制品两大高排放行业

29、而言，国有投资对其 排放量没有显著影响，而非国有投资是造成两个行业 排放量增长的主要因素。非国有投资每增长 ，两个行业 排放量将增长 。因此，由于国有投资在高排放行业占比过高等原因，不同投资主体投资对于工业 排放的影响表面上没有显著差异。但进一步细分行业分析可以发现，非国有投资可能依然是导致工业 排放增长的主要来源。由此，假设 间接可证。再次，根据投资规模，将当年固定资产投资金额超过 亿元划归为大项目， 亿元（含）以下的划归为中小项目。研究结果显示，大项目投资和中小项目投资的一次项和二次项参数估计结果也均通过了 的显著性检验，二者估计值本身也十分接近，“倒”型曲线的拐点仅相差 余亿元。因此，本

30、文继续考虑细分行业投资规模的差异性是不是导致估计结果差异不明显的主要原因。由于缺乏细分行业的分规模投资数据，只能用当年“分行业固定资产投资额施工项目个数”大致度量各细分行业单个项目投资规模的差异性。如表所示，在纳入统计范围的 个行业中， 年工业 排放分行业排名前十的既有单个项目投资规模较大的石油加工、炼焦及核燃料加工，有色金属冶炼和压延加工，电力、热力生产和供应等行业，也有排名 位左右的食品制造、非金属矿物制品、纺织、农副食品加工等行业。而单个投资项目规模最大的石油和天然气开采业，其行业 排放量仅排名 位，位居所有行业的中下游位置。因此，综合上述分析，即使将细分行业差异性考虑在内，不同规模的投资对于工业 排放的影响依