中國經濟增長與環境污染關系的分省面板協整模型分析——一個基于效用函數擴展的EKC?！沧髡?___________單位:___________郵碼:___________〕

【摘要】本文在效用函數的根底上建立的擴展的EKC模型的面板協整分析的隨機效應模型說明：我國分省的工業廢水、廢氣、固體廢棄物的EKC曲線形式不是“U〞、〞倒U〞以及〞N〞形的任何一種；分省經濟增長和工業三廢的排放具有因果關系，但是經濟興旺和不興旺地區工業三廢的排放標的顯著不同；產業結構尤其是第二產業比重的增加會增加工業三廢的排放量；人口密度對工業三廢排放具有擠出效應；工業三廢排放對國家污染治理投入具有“倒逼機制〞。北京、上海的環境有持續好轉的跡象，河南的環境呈現持續惡化的狀態。徹底解決我國環境污染問題需要合理有效的制度設計，制度的客觀約束大于人類行為的主觀約束方能有效治理環境污染問題。

關鍵詞：經濟增長；環境污染；擴展的EKC模型；面板協整

Abstract:Thispaper,basedonutilityfunction,buildsanextendedEKCmodel.Throughtheanalysisofpanelcointegration,theconclusionisthattheEKCcurvesofindustrialwastewater,wastegasisnotanykindof“U-shape〞,“invertedU-shape〞or“N-shape〞.Thereiscausalitybetweeneconomicgrowthanddischargeofindustrialwastes,butthedischargestandardofdevelopedareasisremarkablydifferentfromthatofunder-developedareas;thedifferencesofindustrialstructurehaveaneffectonthedischargeofwastes,especiallywhentheproportionofsecondaryindustryinthenationaleconomyislarge,thedischargeofindustrialwasteswillbemore;thepopulationdensityhasancrowding-outeffectonindustrialwastes;thedischargeofindustrialwasteshaveamechanismtoforcethegovernmentdevotemoretothepollution.TheenvironmentsofBeijingandShanghaiaretakingafavorableturn,whilethesituationinHe’nanprovinceisstillworsening.Tosolvetheproblemofenvironmentalpollutionthoroughly,arationalandeffectiveinstitutionisneeded.Onlywhentherestraintofinstitutionfromobjectivepointisgreatthantherestraintofhuman’sownbehavior,cantheenvironmentalproblembesolved.

Keywords:economicgrowth;environmentalpollution;extendedEKCmodel;panelco-integration

1971年?羅馬俱樂部報告?出臺之后，關于經濟是否可持續開展一度成為廣泛的爭議話題，隨后的討論從資源枯竭問題轉向了環境污染問題。目前經濟學界一般用環境庫茲涅茨曲線(EnvironmentalKuznetsCurve，EKC)表示經濟增長與環境的關系。該曲線是指當收入超過一定的臨界值時，按照人均值度量的經濟活動的環境效應幅度會隨著收入的增加而下降，就是說人均收入和環境污染呈現的是倒U型曲線關系。在人均收入水平比擬低的情況下，隨著人均收入的提高，環境污染加?。籊rossmanandKrueger〔1991；1994〕研究說明，在人均收入到達一定水平，一般為4000-5000美元(1985年的美元計價)，人均收入的提高將伴隨著環境狀況的改善。繼Grossman和Krueger之后，許多實證研究結果都說明，在大多數環境質量指標與人均收入之間存在著倒U型的關系。Selden和Song(1994；1995)考察了四種重要的空氣污染物(即SO2、CO2、NO2和SPM)排放問題，發現它們與收入之間都存在倒U型的關系。Xepapadeas和Amri(1995)證實對于大氣中SO2的濃度也存在同樣的結論。GrossmanandKrueger(1995)使用比1994年的研究范圍更廣的環境質量指標數據進行了跨國面板模型分析，沒有發現環境質量會隨經濟增長而持續惡化的證據，相反，他們選取的大多數環境指標在經濟增長的初始階段出現惡化，而隨著經濟增長呈現出穩定改善的過程。

隨著人們生活水平的提高，將會追求更高的生活質量，因此對于環境污染的問題也會越來越受到重視，研究該問題的學者也越來越多。本文嘗試建立一個基于效用函數擴展的環境庫茲涅茨曲線，應用面板單位根和面板協整理論，分析我國分省的環境庫茲涅茨曲線——我國分省經濟增長與環境污染關系問題。

一、文獻綜述

對于中國經濟增長和環境污染關系問題的研究，主要表達在兩個方面：一種是對某一個省市的研究，主要適用OLS方法進行模型估計，但是很少見到對時間序列進行單位根和協整檢驗問題，然后根據回歸結果分析EKC模型是否存在，進而提出相關的政策建議；第二種是利用分省面板模型回歸分析，主要是使用Hausman檢驗判斷使用固定效應模型還是隨機效用模型，未曾見到對于面板數據進行單位根和面板協整檢驗問題。第一種情況的研究成果眾多；第二種情況的研究成果很少，主要有：包群、彭水軍、陽小曉〔2005〕；劉燕、潘楊、陳剛〔2006〕；于峰、齊建國、田曉林〔2006〕；李達、王春曉〔2007〕。

包群、彭水軍、陽小曉〔2005〕利用1996-2002年期間我國30個省份的面板數據，對我國經濟增長與包括水污染、大氣污染與固體污染排放在內的6類環境污染指標之間的關系進行了檢驗，實證結果發現倒U型EKC關系很大程度上取決于污染指標以及估計方法的選取，存在以相對低的人均收入水平越過環境倒U型曲線轉折點的可能。

劉燕、潘楊、陳剛〔2006〕使用1990-2003年中國的省級面板數據對中國的經濟增長與環境污染關系進行了計量分析，同時考察了中國的對外開放政策對環境質量的影響。結果說明中國的經濟增長同環境污染之間并不存在簡單的倒U型曲線關系，中國的經濟增長與工業廢水之間表現為一種倒N型曲線關系，與工業廢氣之間表現為N型曲線關系，與工業固體廢物之間表現一種倒U型曲線關系。同時，分析說明出口同中國的環境污染之間存在顯著的正相關關系；而外商直接投資與中國的環境污染之間卻存在顯著的負相關關系。

于峰、齊建國、田曉林〔2006〕在Stern〔2002〕模型的根底上，以SO2排放量表征環境污染水平，對1999—2004年間除西藏、山西和貴州以外的我國28個省、自治區及直轄市的面板數據進行回歸分析，結果顯示經濟規模擴大、產業結構和能源結構變動加劇了我國環境污染，生產率提高、環保技術創新與推廣降低了我國環境污染。并估算了這五要素對環境質量影響的各自實際奉獻率。

李達、王春曉〔2007〕利用1998-2004年間我國30個省份的面板數據，研究了3種大氣污染物和經濟增長之間的關系。實證結果說明3種大氣污染物與經濟增長之間不存在倒U型環境庫茲涅茨曲線。二氧化硫排放與經濟增長之間呈倒N型曲線，與多數研究結果不相符；同時，第二產業比重、經濟增長速度、單位GDP能耗和環境政策強度四個解釋變量總體上對3個大氣污染物的排放具有顯著影響。

從上述文獻可以看出，隨著經濟開展水平的提高，研究經濟增長與環境污染關系的文章也似乎越來越多。上述豐富的研究成果對于我國或者某些省份和城市制定合理的環境措施，減少環境污染總量，降低環境污染程度都具有十分重要的指導意義。但是上述研究成果共同的遺憾是：一是模型簡單，沒有考慮到影響環境污染的其他因素，僅限于經濟增長對于環境污染影響的研究和回歸分析；二是實證分析手段和方法受到計量經濟學理論和開展水平的制約?；诖?，本文從上述兩個方面進行補充和擴展分析，基于效用函數理論模型，建立中國的EKC模型，使用面板單位根和面板協整分析技術進行研究，希望結論能符合中國國情和實際，對于中國經濟增長、環境污染和治理提出有針對性和有益的建議。

二、模型的建立與微觀根底

考察經濟增長與環境污染的關系問題，首先要分析兩個變量的傳導路徑，因此要從微觀傳遞機制入手，進而分析宏觀層次上變量的依賴關系。

〔一〕模型的微觀根底

我們首先建立一個代表性家庭個體的函數模型，然后將它一般化推廣，形成一個包含更廣泛個體的函數模型。

1.代表性個體的效用函數與污染函數。

假設一個代表性家庭消費C會導致污染H，因此家庭的效用函數為：

家庭消費越多，效用越高，因此；而污染越高，效用越低，因此。由于污染是由于消費引致的，因此家庭如果減少污染，或者是減少消費，或者是對污染進行投入治理。令E為家庭治理環境污染的資源投入量，考慮到污染是消費的副產品，因此可以設定家庭污染函數為：

假設消費越多，污染越嚴重，因此消費和污染正相關，即；同時假定隨著污染治理投入的增加，環境污染隨之減輕，兩者負相關，即。假定家庭治理污染和消費的資源稟賦總量為Y〔收入〕，那么約束條件為C+E=Y。

假定效用函數為線性的，可以表示成如下形式：

表示單位消費產生單位效用，污染帶來的邊際效用損失為，且。假定單位消費產生單位污染，并且污染治理函數設定為柯布——道格拉斯形式，具體表示為：

該形式說明，當不進行污染治理投入的時候，污染量H等于消費量C，污染量隨著消費的增加而增加；隨著污染治理投入的提高，當時，污染量為零，即消除了污染。

2.函數的一般形式。

我們將效用函數擴展到多個個體，假定不存在外部性影響，那么效用函數和污染函數可以表示為：

i=1,2,……n

其中，，，。

求解得到最優消費為：

〔二〕環境污染模型的建立

從國內外已有文獻來看，一般的EKC模型形式為：

y為環境指標,x為人均GDP,u為隨機擾動項,、、和為待估參數。

當，時，y和x為線性關系；，，時，y和x呈現“倒U〞型二次曲線關系；，，時，y和x呈“U〞型二次曲線關系；，，時，y和x為三次曲線關系，圖形為“N〞型；，，時，y和x為三次曲線關系，圖形為“反N〞型；當，，時，表示環境污染不受經濟水平的影響，兩者之間沒有關系。

根據GrossmanandKrueger〔1991；1994〕對NAFTA環境效應得出的結論，經濟增長對環境的影響表現為三個方面：規模效應〔ScaleEffects〕、結構效應〔StructuralEffects〕、技術效應〔TechnologyEffects〕。我們在此根底上對一般的EKC模型進行擴展，由于經濟系統中產出的增長必然導致對環境資源需求的增加，同時向環境中排放各種廢棄物的存量也在增加，經濟開展會導致資源損耗和環境破壞，因此用人均GDP和人口密度來表示規模效應對環境的影響；用產業結構的變化表示結構效應對環境的影響；用單位GDP能耗表示技術效應對環境的影響；同時增加政策效應變量，用污染治理投入代表政策強度和政府政策導向。那么本文擴展的EKC模型可以表示為：

其中，ln表示對變量取對數；H為環境污染量；i為個體單位，這里指省市自治區；t為時間序列；表示截面效應；是待估參數；y是人均GDP；G表示產業結構變化，這里為第二產業產值占全部產值的比重；M為非農業人口的人口密度；A為單位GDP能耗，表示技術進步；E為污染治理投入，表示政策強度；u為隨機擾動項。

三、基于面板單位根和面板協整檢驗的實證分析

〔一〕數據的來源和說明

本文所用數據樣本區間為1997-2005年，這是由于考慮到重慶從1997年才有數據，同時也是為了考察中國經濟增長最為強勁這一時段對于環境的影響問題，從邏輯上來說這段時間變量的關聯度應該最強。由于西藏缺少環境指標有關數據，因此我們考察的個體是除了西藏以外的大陸30個省市自治區。我們用工業廢水排放量〔FS，單位：萬噸〕、工業廢氣排放量〔FQ，單位：億標準立方米〕和工業固體廢棄物排放量〔FW，單位：萬噸〕表示環境污染量，因此原模型變成了三個方程。其他字母所表示的變量如前文擴展的EKC模型所示：y是人均GDP〔單位：億元／萬人〕；A為單位GDP能耗〔單位：萬噸標準煤／億元〕；G表示產業結構變化，這里為第二產業產值占全部產值的比重〔%〕；M為非農業人口的人口密度〔單位：萬人／公頃〕；E為污染治理投入〔單位：萬元〕，實際應用中對變量取了對數。所有數據均來自于有關年度?中國統計年鑒?、?中國環境統計年鑒?、?中國國土資源年鑒?等權威數據資料庫。本文所用軟件是Eviews5.1和Stata9.0。

〔二〕面板模型與估計、檢驗方法

計量經濟理論說明，眾多經濟變量尤其是面板數據大都是非平穩變量，用非平穩變量進行回歸分析結果很大程度上表現為偽回歸。為防止偽回歸現象，需要對面板數據進行單位根和協整檢驗。

1.面板單位根檢驗。

面板模型進行回歸分析之前進行單位根檢驗，這是防止出現偽回歸的前提條件。面板單位根檢驗方法有別于時間序列數據單位根檢驗，主要為：LLC檢驗(Levin、LinandChu，2002)、Breitung檢驗(Breitung，2000)、Hadri檢驗(Hadri，1999)是相同根的檢驗方法，IPS檢驗(Im、PesaranandShin，2003)、Fisher-ADF(MaddalaandWu，1999；Choi，2001)檢驗是不同根的檢驗方法；LLC檢驗、Breitung檢驗、IPS檢驗、Fisher-ADF檢驗原假設是含有單位根；Hadri檢驗原假設為不含有單位根。本文所用數據和變量的面板單位根檢驗結果如表1所示，表中斜體數字表示該檢驗的結果和其他檢驗結果相反。

表1面板數據的單位根檢驗

檢驗方法lnFSlnFQlnFWlnY

水

平

值LLC檢驗0.19(0.57)-1.08(0.14)2.84(0.99)6.2(0.99)

Breitung檢驗4.19(0.99〕-0.02(0.49)1.04(0.85)10.7(0.99)

IPS檢驗-0.24(0.41〕-0.39(0.35)5.58(0.99)5.64(0.99)

Fisher-ADF檢驗59.1(0.58)70.14(0.22)25.3(0.99)8.36(0.99)

Hadri檢驗13.4(0.00)*46.6(0.00)*16.8(0.00)*12.87(0.00)*

一

階

差

分

值LLC檢驗-23.7(0.00)*-13.1(0.00)*-26.2(0.00)*-8.63(0.00)*

Breitung檢驗4.84〔0.99〕-0.02(0.49)-1.94(0.02)**1.85(0.97)

IPS檢驗-4.09(0.00)*-4.2(0.00)*-3.92(0.00)*-6.53(0.00)*

Fisher-ADF檢驗170.9(0.00)*116.8(0.00)*144.8(0.00)*80.8(0.05)**

Hadri檢驗0.12〔0.45〕-1.1(0.86)0.58(0.28)0.26(0.34)

檢驗方法lnGlnMlnAlnE

水

平

值LLC檢驗-0.48(0.31)8.13(0.99)-6.63(0.00)11.5(0.99)

Breitung檢驗3.77(0.99〕7.02(0.99)4.2(0.99)-0.52(0.3)

IPS檢驗0.69(0.75〕15.2(0.99)-0.27(0.4)-0.48(0.31)

Fisher-ADF檢驗62.5(0.46)46(0.94)50.7(0.8)13.1(0.99)

Hadri檢驗15.47(0.00)*17.7(0.00)*13(0.00)*22.5(0.00)*

一

階

差

分

值LLC檢驗-10.55(0.00)*-5.87(0.00)*-22.8(0.00)*

Breitung檢驗4.97(0.99)-3.11(0.00)*-5.6(0.00)*-4.5(0.00)*

IPS檢驗-4.88(0.00)*-7.24(0.00)*-3.85(0.00)*-6.3(0.00)*

Fisher-ADF檢驗109(0.00)*110.6(0.00)*95(0.00)*160.4(0.00)*

Hadri檢驗0.03(0.49〕-0.18(0.57)0.53(0.29)-1.05(0.85)

*、**分別表示在1%、5%的顯著性水平上拒絕原假設；括號中數據是該統計量的伴隨概率。

上述檢驗結果除了lnFS、lnFQ、lnY、lnG一階差分值的Breitung檢驗，lnA水平值的LLC檢驗顯著與眾不同外，其他四種或以上檢驗方法檢驗結論一致，均說明上述變量是I(1)的，也就是說本文模型所用變量是非平穩變量。

對于面板模型，如果變量是非平穩的，進行回歸分析之前需要進行協整檢驗，以判斷是否可能屬于偽回歸。

2.面板協整檢驗。

Pedroni(1999，2004)以回歸殘差為根底構造出7個統計量進行面板協整檢驗，其中除了Panelν-stat為右尾檢驗之外，其余統計檢驗量均為左尾檢驗。4個是用聯合組內尺度描述即Panelv-Statistic、Panelρ-Statistic、PanelADF-Statistic、PanelPP-Statistic；另外3個是用組間尺度來描述即Groupρ-Statistic、GroupADF-Statistic、GroupPP-Statistic。如果各統計量均在1%(或5%)的顯著性水平下拒絕“不存在協整關系〞的原假設，說明非平穩的時間序列之間存在著協整關系。

Pedroni(1999，2004)基于殘差的協整檢驗量最關鍵的是計算所假設協整方程的殘差。

對于如下的協整方程：

，

其中，，為獨立變量的個數。

為了得到相關的面板協整統計量，首先要估計協整方程。為了得到兩個組內統計量〔panelrho-stat、panelt-stat〕值，對原序列進行差分運算并估計如下差分方程：

其中，

由差分方程的殘差值以及Newey-West〔1987〕的估計量可以計算出的長期值，用表示。

通過協整方程的殘差以及回歸式可以得到panelrho-stat和grouprho-stat統計量。的長期方差以及同期方差分別為：

并且令：

另一方面對于panelt-stat和groupt-stat統計量再次利用協整方程的的殘差估計計算的方差。記：

，。

Pedroni對于相關的面板協整檢驗量作了如下的表示：

panelrho-stat：

panelt-stat：

grouprho-stat：

groupt-stat：

對于每個面板模型利用近似的均值和方差既可以進行標準化。

對于面板協整檢驗而言其原假設：對，即不存在協整關系；而對于組間統計量而言其備那么假設為：：對：而對于組內統計量而言其備那么假設為：：對。

本文所用變量的面板協整檢驗結果如表2所示。

表2本文所用變量的面板協整檢驗

變量面板協整檢驗結果

解

釋

變

量

lny、

lnG、

lnM、

lnA、

lnE

被解釋

變量

lnFS組內

統計量Panelν-stat

-10.44*Panelρ-stat12.33*PanelPP-stat10218*PanelADF-stat-10.48*

組間

統計量Groupρ-stat

14.86*GroupPP-stat無GroupADF-stat無

被解釋

變量lnFQ組內

統計量Panelv-Stat

-10.44*Panelρ-stat12.33*PanelPP-stat16.1*PanelADF-stat-13.7*

組間

統計量Groupρ-stat

14.86*GroupPP-stat無GroupADF-stat無

被解釋

變量lnFW組內

統計量Panelv-Stat

-10.44*Panelρ-stat12.33*PanelPP-stat1.3E+25*PanelADF-stat-29.4*

組間

統計量Groupρ-stat

14.86*GroupPP-stat無GroupADF-stat無

1.除了Panelν-stat為右尾檢定之外，其余統計檢驗量均為左尾檢定。

2.*表示在1%的顯著性水平上拒絕不存在協整關系的原假設。

3.由于缺少西藏個別變量的統計數據，因此組間統計量兩個指標無法計算。

三個方程變量的協整檢驗的組內和組間統計量在1%的顯著水平上均說明拒絕不存在協整關系的原假設，因此上述三個方程存在協整關系，可以直接進行回歸分析，不存在偽回歸。

3.實證結果。

按照協整檢驗的結果，我們對三個模型進行了總體回歸，回歸結果制成表3。表中斜體數據說明t統計量接受系數為零的原假設。

表3三個總體回歸模型的樣本回歸結果

被解釋變量lnFS被解釋變量lnFQ被解釋變量lnFW

lnY-0.79(-5.07)*-0.15(-1.22)-1.09(7.09)*

lnY20.32(2.86)*0.22(2.44)*0.23(2.02)**

lnY30.30(2.36)*0.2(2.04)**0.37(2.94)*

lnG-1.02(-5.04)*-0.21(-1.32)0.87(4.37)*

lnA-0.68(-6.16)*0.19(2.21)**-0.02(-0.14)

lnM-0.04(-1.2)-0.03(-0.88)0.01(0.17)

lnE0.94(54)*0.75(54.9)*0.76(44.4)*

R20.560.640.6

樣本容量240

1.解釋變量系數后面括號里的數字是t統計量，下同。

2.*、**、***分別表示t統計量在1%、5%、10%的顯著性水平上拒絕系數為零的原假設，下同。

上述回歸結果說明，工業廢水排放量和人口密度無關，主要受到人均GDP、產業結構、單位GDP能耗和污染治理四個變量的影響，并且污染治理投入與工業廢水排放量正相關；產業結構、單位GDP能耗和工業廢水排放量負相關，也就是說工業產值的比重越大、單位GDP的能耗越大，廢水排放量就越少；反之那么反是。工業廢水排放量的曲線形式不同于前文所分析的“U〞、〞倒U〞以及〞N〞形的任何一種。工業廢氣排放量與產業結構、人口密度無關，與單位GDP能耗、污染治理投入正相關；工業廢氣排放量的曲線形式也與已有成果不同。工業固體廢棄物的排放量與人口密度、單位GDP能耗無關，與產業結構、污染治理投入正相關；曲線形式與工業廢水排放量曲線一致。

目前面板模型的應用研究主要是基于Hausman檢驗的固定效應和隨機效應模型，本文嘗試在此方面進行分析，同表3結果進行比擬分析。Hausman檢驗結果說明三個方程均適合使用隨機效應模型，結果制成表4。

表4基于Hausman檢驗的隨機效應模型的回歸結果

被解釋變量lnFS被解釋變量lnFQ被解釋變量lnFW

C10.57(28.7)*8.2(18.5)*7.7(19.5)*

lnY0.15(1.69)***0.996(9.36)*0.57(5.73)*

lnY20.075(1.63)***0.1(1.76)***0.03(0.6)

lnY3-0.27(-5.74)*-0.09(-1.5)0.03(0.65)

lnG0.898(3.36)*0.92(3.08)*0.8(2.78)*

lnA-0.01(-0.108)0.16(1.37)0.18(1.59)

lnM-0.11(-1.7)***-0.11(-1.99)**-0.06(-0.77)

lnE0.074(3.29)*0.08(2.9)*0.05(2.27)**

R20.250.550.45

上述結果說明，lnFS、lnFQ、lnFW均與單位GDP能耗無關，并且常數項均為正。其中，lnFS、lnFQ、lnFW與第二產業的比重、污染治理投入正相關，lnFS、lnFQ與人口密度負相關，lnFW與人口密度無關。lnFS、lnFQ、lnFW的曲線形式不是“U〞、〞倒U〞以及〞N〞形的任何一種。這個結論和包群、彭水軍、陽小曉〔2005〕、劉燕、潘楊、陳剛〔2006〕、于峰、齊建國、田曉林〔2006〕、李達、王春曉〔2007〕所用面板數據分析的結果不同。

表3和表4比擬，我們發現，表4的結果從理論邏輯上更合理一些，因此后文分析以表4的結果為根底。

lnFS、lnFQ、lnFW三個指標均與第二產業的比重正相關，這根本符合經濟邏輯和人們的正常思路，工業產值的比重越大，工業排放量就越大，對環境的污染也就越大。lnFS、lnFQ、lnFW三個指標與人口密度呈現〔或者不存在〕微弱的負相關，說明產業升級帶動的就業方向更加理性以及人們對于環境條件的要求提高；人口越是密集，對于政府控制環境質量的力度壓力就越大，重污染企業的規劃就越是可能遠離人口密集區，lnFS、lnFQ、lnFW三個指標的排放量就越小，因此兩者負相關。lnFS、lnFQ、lnFW三個指標均與污染治理投入正相關，似乎不符合經濟邏輯的正常思路。因為一般來說，污染治理投入越多，各種工業排放量似乎應該越少，環境就越為改善。實際上，本文認為，工業廢水、廢氣、固體廢棄物的排放與污染治理投入有一種循環的“倒逼機制〞，當工業排放量增加→污染嚴重→政府污染治理投入就增加→環境隨之改善→政府就自然減少了污染治理投入〔往往表現為監督管理力度弱化，這種弱化卻表現為有關部門的內部理性。試想，如果環境質量一直很好，這個部門是否有繼續存在的必要？同時國家也因為環境質量一直較好必然減少污染治理投入，勢必減少某些部門的收入和福利〕→工業排放量增加〔這一輪次的邏輯是一種博弈，因為企業廢水等的排放會減少企業內部本錢，所以一有時機增加三排對企業來說是提高收益〕的惡性循環。正是因為政府、有關管理部門、企業站在各自立場獨立行事，沒有較好地協調運作和缺少對整個環境質量的使命感，也因為上述三個方面權利義務不對等，沒有較好的獎懲機制等有效的制度安排，這種“倒逼機制〞就會一直存在，這就導致。lnFS、lnFQ、lnFW三個指標均與污染治理投入正相關。

由于表4的結果具有邏輯根底，因此我們嘗試在表4的根底上，分析和探討分省的lnFS、lnFQ、lnFW的自主排放量，期望找到規律性的結論。我們按照表4的回歸結果，將自主排放量編制成表5。由于對排放量取了對數，因此結果存在負數，負數越小，說明自主排放量越小；數值越大，說明自主排放量越大。

表5基于隨機效應模型的各地區lnFS、lnFQ、lnFW的自主排放量

地區lnFSlnFQlnFW地區lnFSlnFQlnFW

北京-0.561-0.919-0.943河南0.7140.9150.713

天津-0.782-1.205-1.783湖北0.7950.3850.236

河北0.5130.6911.133湖南1.0340.3590.436

山西-0.4260.5971.081廣東0.970.314-0.321

內蒙古-0.7190.4030.378廣西0.7750.8410.594

遼寧0.8320.5351.036海南-0.842-0.945-2.199

吉林-0.195-0.122-0.172重慶0.340-0.39-0.269

黑龍江-0.197-0.4060.004四川0.9120.7401.066

上海0.666-0.712-1.097貴州-0.8650.7210.950

江蘇1.1240.1640.001云南-0.347-0.0080.616

浙江0.604-0.102-0.837陜西-0.3240.1460.564

安徽0.380.4960.698甘肅-0.7690.1070.064

福建0.197-0.756-0.140青海-2.057-1.066-1.472

江西0.1690.0521.295寧夏-1.665-0.946-1.465

山東0.3650.4010.609新疆-0.642-0.289-0.775

工業廢水自主排放量較大的幾個地區〔從大到小排序〕有：江蘇、湖南、廣東、四川、遼寧、湖北、廣西、河南、上海、浙江；工業廢水自主排放量較小的地區〔按照從小到大排序〕有：青海、寧夏、貴州、海南、天津、甘肅、內蒙古、新疆。工業廢氣自主排放量較大的幾個地區〔從大到小排序〕有：河南、廣西、四川、貴州、河北、山西、遼寧、安徽；工業廢氣自主排放量較小的地區〔按照從小到大排序〕有：天津、青海、寧夏、海南、北京、福建、上海。工業固體廢棄物自主排放量較大的地區〔按照從大到小排序〕有：河北、江西、山西、四川、遼寧、貴州、河南、安徽；工業固體廢棄物自主排放量較小的地區〔按照從小到大排序〕有：海南、天津、青海、寧夏、上海、北京、浙江、新疆。一個很有意思的情況是：工業廢水自主排放量最大的幾個地區除了廣西，其余地區或者是經濟增長較好的地區，或者是經濟總量大??；而工業廢水自主排放量較小的地區幾乎無一例外的都是經濟增長較為緩慢或者不興旺地區。工業廢氣和工業固體廢棄物自主排放量較大的地區根本完全重復，而且和工業廢水自主排放量較大的地區差異明顯，說明經濟興旺地區的三廢排放和經濟落后地區的三廢排放標的不同，我們認為這是由于產業結構和產品結構不同造成的。三廢排放較小的地區重復較大，根本上是西部或者經濟落后地區。上述狀況給我們提供的一個根本規律說明經濟增長和工業三廢排放具有因果關系

三排自主排放量都較大的地區有：四川、遼寧、河南；三排自主排放量都較小的地區有：青海、寧夏、海南、天津。前者的環境問題需要引起政府的極大關注，尤其河南，經濟較為落后，環境污染較為嚴重，如此惡性循環，情景堪憂。對于后者，如何保障環境不會遭受進一步破壞的前提下，有效促進經濟開展和增長，成為國家和當地政府的一項重要任務。

四、結論和政策建議

基于效用函數擴展的EKC模型的面板協整分析說明如下結論：

1.我國分省的lnFS、lnFQ、lnFW的曲線形式不是“U〞、〞倒U〞以及〞N〞形的任何一種。

2.分省經濟增長和工業廢水、廢氣、固體廢棄物的排放具有因果關系。

3.經濟興旺和不興旺地區工業三廢的排放標的顯著不同。

4.工業三廢排放對國家污染治理投入具有“倒逼機制〞。

5.產業結構尤其是第二產業比重的增加會增加工業三廢的排放量。

6.人口密度對工業三廢排放具有擠出效應。

7.河南省的環境狀況需要引起警惕，北京、上海的環境有明顯改善的跡象。

根據上述結論，我們提出如下的政策建議：

1.我們沒有看到分省環境和經濟增長關系的轉折點，我們的經濟增長目前仍然是以環境惡化為代價。但并不是說經濟的持續增長無法改變環境惡化的狀況，北京和上海已經說明了EKC曲線在我國某些地區一定程度上成立。從目前的環境惡化狀況出發，一味提高經濟增長速度、無視經濟增長質量和犧牲人們賴以生存的環境為代價是不可取的，興旺國家的先污染后治理的思路不一定在中國適用，因為國情和制度、以及人口壓力不同。因此首先要從國家層面上制定有效的環境保護政策和措施，并且要能夠做到有法可依，有法必依，執法必嚴，違法必究，否那么只是落在紙面上的所謂環境保護法律必然形如廢紙。同時利用各種渠道宣傳和提高國人環境保護的覺悟，喚醒人們的環境保護意識，如果從人的心靈教育認識到人類開展和環境的辯證關系并不是用金錢所能買回來或者治理好的，人類行為導致的污染排放必然減少?？偨Y來說，法律的健全和有效實行——明確的權責利關系——良好的道德品質教育，將有利于環境保護。

2.堅決杜絕工業三廢排放對于國家污染治理投入的“倒逼機制〞，不應該再出現“污染嚴重——投入治理——環境改善——治理投入減少——污染嚴重〞的惡性循環，而應該是從源頭抓起，真正做到誰污染誰治理，建立環境污染的誠信機制，制定有效的獎懲機制，杜絕環境保護領域的腐敗，當制度機制代替了行為機制，當制度的客觀約束高于人的主觀約束，這時候的環境保護必將呈現良性循環開展態勢。

3.一個地區的產業開展模式不應該是領導一言堂，而應該建立一整套的評估體系對工程的實行進行綜合的可行性評估，包括對環境污染的程度與長期影響的評價，并且要備案，要建立負責機制，出現嚴重后果要有人負責，正確處理好責權利的辯證關系。同時要杜絕GDP唯上的地方政府績效評價指標體系，建立一整套切實可行的包括環境狀況的指標評價體系。

4.對個別整體環境污染嚴重的地區，要因勢利導，盡快扭轉環境持續惡化的惡性循環狀態，具體問題具體對待的同時更要總攬全局，制定切實可行的綜合治理措施。

參考文獻：

[1]包群、彭水軍、陽小曉.是否存在環境庫茲涅茨倒U型曲線?——基于六類污染指標的經驗研究［J］，上海經濟研究，2005〔12〕：3-13。

[2]劉燕、潘楊、陳剛.經濟開放條件下的經濟增長與環境質量——基于中國省級面板數據的經驗分析［J］，上海財經大學學報，2006〔6〕：48-55。

[3]于峰、齊建國、田曉林.經濟開展對環境質量影響的實證分析——基于1999—2004年間各省市的面板數據［J］，中國工業經濟，2006〔8〕：36-44。

[4]李達、王春曉.我國經濟增長與大氣污染物排放的關系——基于分省面板數據的經驗研究［J］，財經科學，2007〔2〕：43-50。

[5]Grossman,GeneM.,AlanB.Kruger,EnvironmentalImpactofNorthAmericanFreeTradeAgreement[D],NBERWorkingPaperNo.3914,1991.

[6]GrossmanG.M.andKruegerA.B.,Eco