投資增長加重了中國工業(yè)二氧化硫的排放嗎

徐志偉++常旭蕊

摘要：以2004-2013年中國境內(nèi)31個省市區(qū)為樣本，運用空間面板模型實證分析投資總量增長及結構差異對工業(yè)二氧化硫（SO2）排放的影響，以研究投資增長是否加重了中國的排污負擔。研究發(fā)現(xiàn)，工業(yè)SO2排放存在省際空間溢出效應并在部分地區(qū)形成了“高—高”聚集區(qū)域。從總量角度看，工業(yè)SO2排放與固定資產(chǎn)投資之間呈現(xiàn)顯著的“倒U”型關系。從結構角度看，地方投資對工業(yè)SO2排放具有更加顯著的影響；國有投資和非國有投資雖然表面上對工業(yè)SO2排放的影響并無顯著差異，但對于特定的高排放行業(yè)，非國有投資依然是造成排放增長的主要因素；不同規(guī)模的投資項目對工業(yè)SO2排放的影響沒有顯著差異，并與細分行業(yè)分布情況無關；新建項目固定資產(chǎn)投資是影響工業(yè)SO2排放的主因，增加更新改造投資不會對排放產(chǎn)生顯著作用。

關鍵詞：投資總量；投資結構；工業(yè)SO2排放；空間相關性

文章編號：2095-5960（2016）02-0090-10；中圖分類號：F412；文獻標識碼：A

一、問題提出

在2003年中國經(jīng)濟進入新一輪經(jīng)濟增長周期之后，經(jīng)濟發(fā)展過程中的投資驅(qū)動特征相較以前愈加明顯（武鵬，2013[1]；Carmignani，2013[2]）。特別是為應對國際金融危機，2008年底國家出臺的“四萬億”投資計劃進一步強化了國民經(jīng)濟對投資的依賴（吳立軍，2012[3]；郭菊娥，2009[4]）。很多學者研究發(fā)現(xiàn)，作為經(jīng)濟增長的驅(qū)動因素之一，投資增加在刺激“好”產(chǎn)出的同時，也會帶來“壞”產(chǎn)出——污染物排放量的增加（涂正革，2011[5]；宋馬林，2012[6]）。如Karen（1995）研究了美國馬里蘭州電力行業(yè)投資、電力價格與SO2排放的關系，發(fā)現(xiàn)電力行業(yè)投資的增加將降低用電價格，進而引致用電量的上升和工業(yè)SO2排放的增加。[7]Mondschein（1997）運用非線性規(guī)劃模型發(fā)現(xiàn)智利銅礦投資與污染物排放之間具有正相關關系，并在此基礎上提出了銅礦投資的最優(yōu)決策支持模型。[8]董廣霞（2008）通過比較“兩高”行業(yè)固定資產(chǎn)投資和主要污染物排放量（COD和SO2）變化趨勢，發(fā)現(xiàn)二者呈現(xiàn)緊密對應關系。[9]Kingston（2011）運用Granger因果關系模型發(fā)現(xiàn)了尼日利亞礦產(chǎn)資源投資與環(huán)境污染程度之間存在長期單向正相關關系。[10]Li（2011）運用時間序列模型估計了1990-2009年中國固定資產(chǎn)投資對環(huán)境質(zhì)量的影響，認為投資增長過快和投資結構不合理是導致污染物排放量增加的重要因素。[11]孫凌（2012）通過回歸分析發(fā)現(xiàn)中國紡織行業(yè)投資與廢水排放之間存在正相關關系，但隨著投資數(shù)額逐漸加大，廢水排放呈現(xiàn)漸進趨穩(wěn)態(tài)勢。[12]

但也有學者研究發(fā)現(xiàn)，投資產(chǎn)生的財富積累會產(chǎn)生兩種效應：環(huán)保、新能源等清潔產(chǎn)業(yè)發(fā)展引致的結構效應和落后生產(chǎn)工藝、技術改造升級引致的技術效應（Grossman，1995[13]；Copeland，2001[14]；黃菁，2009[15]； 成艾華，2011[16]；原毅軍，2014[17]）。在兩種效應的共同作用下，投資與污染物排放之間并非僅僅呈現(xiàn)簡單的單調(diào)關系。如Ansuategi（2003）通過對歐盟國家的經(jīng)驗研究，證明了投資與污染物排放之間庫茲涅次曲線的存在。[18]Xie（2013）運用時間序列模型，研究了北京地區(qū)固定資產(chǎn)投資對污染物排放的影響，其結論是固定資產(chǎn)投資與工業(yè)SO2排放、工業(yè)固體廢物排放存在“倒U”曲線關系，與化學需氧、工業(yè)廢氣排放、工業(yè)廢水排放存在“U型”曲線關系。[19]楊旭輝（2013）通過1995-2010年山西省固定資產(chǎn)投資總額以及工業(yè)“三廢”統(tǒng)計數(shù)據(jù)發(fā)現(xiàn)，工業(yè)廢氣排放、工業(yè)固體廢物排放與固定資產(chǎn)投資之間呈“倒U”曲線，且工業(yè)廢氣排放仍處上升階段，工業(yè)固體廢物排放已接近拐點。[20]

縱觀現(xiàn)有研究，尚存以下方面需要完善。首先，根據(jù)“地理學第一定律”，空間上距離相近的兩個地區(qū)之間的經(jīng)濟行為往往是相互關聯(lián)的，且兩地區(qū)越是接近，關聯(lián)性就越強。僅就中國環(huán)境污染現(xiàn)實而言，直觀觀察似乎也能夠證實這一規(guī)律：中國霧霾污染主要集中在京津冀地區(qū)，酸雨主要集中于長江中下游地區(qū)，水污染在海河流域表現(xiàn)最為嚴重。除自然因素影響外，通過行為模仿及經(jīng)濟溢出，相鄰地區(qū)產(chǎn)生的污染物排放空間相關性也是其中重要原因。國內(nèi)已有文獻運用空間計量方法研究了中國PM2.5（馬麗梅，2014a[21]）和PM10（馬麗梅，2014b[22]）的空間溢出問題。還有部分學者運用該方法研究了經(jīng)濟增長（朱平輝，2010[23]；鄭長德，2011[24]；王火根，2013[25]；趙佳佳，2013[26]）、FDI（許和連a，2012[27]；許和連b，2012[28]；劉渝琳，2012[29]）和產(chǎn)業(yè)聚集（沈能，2014[30]；張可，2014[31]；劉滿鳳，2014[32]）對污染物排放的影響。但鮮有文獻將空間計量模型運用于中國投資增長與污染物排放關系研究。其次，既有研究大多關注投資總量與污染物排放之間的關系。實際上，不同來源、主體、規(guī)模和性質(zhì)的投資對污染物排放的影響應當是有所差異的?，F(xiàn)有研究恰恰忽視了投資結構性因素的影響，進而導致估計結果可能有偏。

工業(yè)SO2主要源于企業(yè)生產(chǎn)過程中煤炭、石油等化石燃料的燃燒，其產(chǎn)生與投資變化和經(jīng)濟發(fā)展速度緊密相關。作為中國當前最主要的大氣污染源之一，工業(yè)SO2排放經(jīng)常被作為標志性指標反映工業(yè)生產(chǎn)對環(huán)境產(chǎn)生的影響。本文提出了投資與污染物排放之間可能存在的五種關系假設，在此基礎上，以2004-2013年中國境內(nèi)31個省市區(qū)為樣本，運用空間面板模型實證分析投資總量增長及結構變動對工業(yè)SO2排放的影響，進而更為準確地揭示中國投資與工業(yè)SO2排放變化之間的相關關系，并為投資結構調(diào)整和有的放矢地加強投資項目環(huán)境監(jiān)管提供決策依據(jù)。

二、關系假設、研究方法與變量選擇

（一）投資與污染物排放的關系假設

1.投資總量與污染物排放的關系假設

投資本身是資源消耗的過程，特別是投資增加勢必帶來電力、鋼鐵、水泥、煤炭等“兩高”行業(yè)產(chǎn)能擴張和產(chǎn)出上升，進而導致排污水平的增加和環(huán)境污染的加劇。因此，污染物排放量在初期會隨著投資的增長而增加。但投資還是財富創(chuàng)造的過程，特別是只有當投資帶來的財富效應積累到一定程度之后，我們才可能更加重視投資過程中的環(huán)境效應問題，從而提供足夠、穩(wěn)定的資金投入到環(huán)境保護、新能源等清潔治污產(chǎn)業(yè)，對落后產(chǎn)能進行大規(guī)模改造升級，進而帶來經(jīng)濟結構的調(diào)整，并在此基礎上實現(xiàn)排污的控制和環(huán)境的改善。由此，提出關系假設1：

H1：排污負擔在初期會隨著投資的增長而增加，經(jīng)過某個拐點之后將隨著投資的增長而下降，二者呈現(xiàn)“倒U”型曲線關系。

2.投資結構與污染物排放的關系假設

首先，根據(jù)“環(huán)境競次”理論，地方政府因擔心其他地區(qū)采取比本地區(qū)更低的環(huán)境標準而喪失競爭優(yōu)勢，往往在本地區(qū)實施更為寬松的環(huán)境政策（Sheldon，2006）。[33]而中央政府由于不存在“環(huán)境競次”和決策帶來的外部性影響，也就更加重視投資項目可能帶來的環(huán)境問題，進而可能對高排污項目進行更多的投資限制和監(jiān)管。由此，從投資主體上看，提出關系假設2：

H2：相對于中央政府投資，地方政府投資的增長更易于加重排污負擔。

其次，環(huán)境污染產(chǎn)生的根源在于企業(yè)生產(chǎn)行為的負外部性。一般來講，相對于追求自身利益最大化的私營企業(yè)和集體企業(yè)而言，國有企業(yè)在追求營利性的同時，往往還兼具一定的社會責任，其生產(chǎn)過程中的環(huán)境負外部性程度應該低于其他類型企業(yè)。此外，政府往往是國有企業(yè)的直接控股人，對國有企業(yè)投資和經(jīng)營活動的信息掌握較為完全，對其投資和生產(chǎn)行為的事先環(huán)評和排污監(jiān)管成本應該較低，執(zhí)行效果一般也應該較好。由此，從投資來源上看，提出關系假設3：

H3：相對于國有投資，非國有投資的增長更易于加重排污負擔。

再次，根據(jù)“二律背反定律”，環(huán)境監(jiān)管效果與監(jiān)管成本往往呈現(xiàn)相反關系?，F(xiàn)實經(jīng)濟中，經(jīng)常會通過“抓大放小”方式在監(jiān)管效果與監(jiān)管成本之間尋求平衡。因此對于投資金額高的重點工程、重點項目，環(huán)境評價和監(jiān)管往往較為嚴格，投資產(chǎn)生的單位排污負擔應該較輕。反之，由于中小工程或項目的環(huán)境監(jiān)管往往相對寬松，其投資增加可能更易于加重污染物的排放水平。由此，從投資規(guī)模上看，提出關系假設4：

H4：相對于大型項目，中小型項目投資更易于加重排污負擔。

最后，在全部固定資產(chǎn)投資中，改擴建投資有相當部分會采用先進的技術、工藝和裝備代替原有落后的技術、工藝和裝備，從而達到提高產(chǎn)品質(zhì)量、促進產(chǎn)品更新?lián)Q代、節(jié)約能源、降低消耗、擴大生產(chǎn)規(guī)模、全面提高社會經(jīng)濟效益的目的。由此，從投資性質(zhì)上看，提出關系假設5：

H5：相對于新建投資，改擴建投資對排污負擔的影響較弱。

（二）研究方法

1.空間相關性檢驗

已有大量研究證明，相鄰地區(qū)之間的經(jīng)濟活動和行為會產(chǎn)生空間上的溢出。而傳統(tǒng)的面板模型將各個地區(qū)視作相互不產(chǎn)生關聯(lián)和影響的獨立個體，因此無法對空間相鄰地區(qū)間的交互行為予以控制，分析結果勢必存在一定的偏誤（楊莉莉，2014）。[34]空間面板模型可以有效彌補原有模型的缺陷，但其前提是需要驗證地區(qū)空間相關性的存在。全局

如果Ii>0，則i地區(qū)的工業(yè)SO2排放與周邊地區(qū)“高-高”相鄰或“低-低”相鄰；如果Ii<0，則i地區(qū)的工業(yè)SO2排放與周邊地區(qū)“高-低”相鄰或“低-高”相鄰。

2. 空間面板模型構建

如果Morans I指數(shù)能夠證明中國地區(qū)間的工業(yè)SO2排放具有空間相關性，那么就需要構建空間面板模型對投資與污染物排放之間的關系進行經(jīng)驗研究?？紤]到投資對污染物排放影響具有一定的滯后期，因此本文嘗試建立滯后一期的空間滯后面板模型和空間誤差模型。同時，為了降低可能出現(xiàn)的異方差性，模型均采用對數(shù)形式。其中，空間滯后面板模型為：

lny it = β0 + β1 lninvesti（t-1） + β2 ln2investi（t-1） + β3 lnXit + ρ∑Wlnyit + δit + uit + εit （3）

其中，對于第t期的i地區(qū)而言，被解釋變量y代表工業(yè)SO2排放水平。解釋變量invest代表投資金額，用固定資產(chǎn)投資數(shù)值表示，并用歷年固定資產(chǎn)投資價格指數(shù)進行平減。此外，X為控制變量，ρ代表空間變量系數(shù)。δ代表時間效應產(chǎn)生的隨機擾動，用以反映隨時間變化且沖擊所有地區(qū)工業(yè)SO2排放和固定資產(chǎn)投資的擾動事件，如經(jīng)濟周期，宏觀經(jīng)濟政策等；u代表個體效應產(chǎn)生的隨機擾動，用以反映不隨時間變化且存在地區(qū)差異的擾動事件，如地方的環(huán)境治理政策等；ε代表隨機誤差項并服從正態(tài)分布。為防止出現(xiàn)嚴重的共線性問題，控制變量的選擇盡量規(guī)避可能與投資產(chǎn)生高度相關性的經(jīng)濟指標，如FDI、GDP等。因此，對于控制變量，選擇第三產(chǎn)業(yè)就業(yè)人數(shù)（employ）反映經(jīng)濟轉(zhuǎn)型情況，城鎮(zhèn)人均可支配收入（income）反映經(jīng)濟發(fā)展程度，進出口總額（i&e）反映經(jīng)濟外向型程度，電力消費量（power）反映能源消費情況，工業(yè)廢氣治理設施運行費用（treatment）反映環(huán)境規(guī)制強度。

同時，設定空間誤差面板模型為：

除（3）式已定義變量外，λ代表殘差空間相關系數(shù)。對于空間滯后面板模型和空間誤差面板模型的選擇，參考Anselin（2005）[36]提出的方法，通過計算和比較極大似然LM-lag檢驗、極大似然LM-error檢驗和穩(wěn)健LM-lag、穩(wěn)健LM-error進行判斷。

（三） 數(shù)據(jù)來源

本文將2004—2013年中國境內(nèi)31個省份作為樣本。工業(yè)SO2排放數(shù)據(jù)和工業(yè)廢氣治理設施運行費用數(shù)據(jù)源于《中國環(huán)境統(tǒng)計年鑒》（2005—2014），其他數(shù)據(jù)源于《中國統(tǒng)計年鑒》（2004—2014）。其中，自2011年起除房地產(chǎn)投資和農(nóng)村個人投資外，固定資產(chǎn)投資的統(tǒng)計起點由50萬元提高至500萬元。為保持統(tǒng)計口徑一致性，通過計算2010年固定資產(chǎn)投資原口徑數(shù)據(jù)和新口徑數(shù)據(jù)比值，同比調(diào)增2011—2013年數(shù)據(jù)，并在此基礎上通過歷年省際固定資產(chǎn)投資價格指數(shù)將各期實際值平減為以2004年為基期的數(shù)值。此外，城鎮(zhèn)居民人均可支配收入數(shù)據(jù)利用居民消費價格指數(shù)平減修正，地區(qū)進出口總額數(shù)據(jù)按照當年人民幣匯率平均價折算，再利用商品零售價格指數(shù)進行平減。

三、實證結果及討論

（一）空間相關性檢驗的實證結果

通過Geoda軟件，實證得到的2004—2013年中國境內(nèi)31個省份工業(yè)SO2排放全局Morans I指數(shù)如表1所示。結果顯示，中國省際工業(yè)SO2排放的空間相關性檢驗結果全部通過了10%的顯著性水平，絕大部分通過了5%的顯著性水平，且在2010年之后空間相關性程度還有所增強。

表12004—2013年中國31個省份工業(yè)SO2排放全局Morans I指數(shù)

年份2004年2005年2006年2007年2008年2009年2010年2011年2012年2013年Morans指數(shù)0.1740.2080.2030.2170.1980.1780.1850.2580.2370.231p值0.0550.0260.0290.0210.0330.0520.0440.0070.0120.014繼續(xù)檢驗相鄰省份之間工業(yè)SO2排放的空間相關性。通過對局域Morans I指數(shù)分析，可將結果劃分為四種情況，具體如圖1所示。其中，2004—2009年呈現(xiàn)類型I，河北、山西、山東、河南4省的工業(yè)SO2排放與周邊地區(qū)存在“高-高”相鄰，安徽與周邊地區(qū)存在“高-低”相鄰，新疆與周邊地區(qū)存在“低—低”相鄰；2010年呈現(xiàn)類型II，與類型I相比較，新增陜西的工業(yè)SO2排放與周邊地區(qū)“高-高”相鄰；2011年呈現(xiàn)類型III，遼寧代替陜西進入工業(yè)SO2排放的“高-高”相鄰省份，同時新疆與周邊地區(qū)呈現(xiàn)“高-低”相鄰特征；2012年和2013年屬于類型IV，與類型III相比較，遼寧的工業(yè)SO2排放退出“高-高”相鄰省份。綜合而言，河北、山西、山東、河南4省始終處于工業(yè)SO2排放的“高-高”相鄰省份，其結論與華北地區(qū)是中國大氣污染最為嚴重區(qū)域的基本事實相互吻合。此外，新疆在2011年之后由“低—低”相鄰轉(zhuǎn)變?yōu)椤案?低”相鄰省份，從側(cè)面說明新疆工業(yè)SO2排放水平與其相鄰的西藏、青海、甘肅等省份比較呈現(xiàn)出顯著增加態(tài)勢。

圖12004—2013年中國31個省份工業(yè)SO2排放局域Morans I指數(shù)分布（二）投資總量對工業(yè)SO2排放影響的實證結果

為避免出現(xiàn)“偽回歸”現(xiàn)象，首先對模型的主要變量工業(yè)SO2排放和固定資產(chǎn)投資平穩(wěn)性進行檢驗。滯后階數(shù)采用Schwarz準則，檢驗類型選擇Fisher-ADF test、Levin Lin and Chu test和Phillips-Perron test，具體檢驗結果如表2所示。結果顯示，所有變量都在10%的水平上拒絕了單位根的存在?？紤]到面板模型對數(shù)據(jù)平穩(wěn)性的要求本來就弱于時間序列模型，由此判斷模型估計不會產(chǎn)生“偽回歸”問題。

表2模型主要變量的平穩(wěn)性檢驗結果

變量ADF檢驗結果LLC檢驗結果PP檢驗結果lny -1.61（0.0535）-3.02（0.0013）-2.39（0.0084）lninvest-1.43（0.0770）-2.33（0.0100）-1.43（0.0770）ln2invest-1.37（0.0859）-1.98（0.0240）-1.37（0.0854）注：括號內(nèi)數(shù)值為P值。

運用Stata軟件估計2004—2013年中國省際投資總量對工業(yè)SO2排放的影響。首先，對于空間滯后面板模型和空間誤差面板模型的選擇，極大似然LM-lag檢驗和極大似然LM-error檢驗結果分別為2359和2051，二者均通過了顯著性檢驗。進一步比較穩(wěn)健LM-lag和穩(wěn)健LM-error，結果顯示僅穩(wěn)健LM-lag通過顯著性檢驗，說明是解釋變量間的空間依賴性導致了空間相關性的產(chǎn)生，應該選擇空間滯后面板模型。其次，由于著重分析省際間投資與工業(yè)SO2排放關系，并非由此推知一個更大母體的一般規(guī)律，因此選擇固定效應模型應更為合理。Hausman檢驗結果為1879，也顯示應采取固定效應模型。同時，由于OLS的估計結果是有偏或不一致的，空間面板模型一般更適宜采用極大似然估計（ML）方法。為了便于比較，表3列出了傳統(tǒng)面板、空間滯后面板和空間誤差面板三種模型各自的估計結果。傳統(tǒng)面板模型的R-squared未能通過檢驗，而空間滯后個體效應模型和空間誤差個體效應模型均獲得了較好的擬合效果，但前者的似然值和R-squared略優(yōu)于后者，因此本文著重針對空間滯后個體效應模型進行討論。

空間滯后個體效應模型得到的空間相關系數(shù)為0452，且在1%的水平上通過了顯著性檢驗，說明鄰近省份工業(yè)SO2排放增長1%，將使得本省份工業(yè)SO2排放增長0452%，進一步印證了空間相關性的存在。對于固定資產(chǎn)投資而言，其對工業(yè)SO2排放的影響一次項為正，二次項為負，且均通過顯著性檢驗，證明固定資產(chǎn)投資與工業(yè)SO2排放之間確實如H1假設，存在“倒U”型曲線關系。也就是說，隨著中國投資水平的增加，工業(yè)SO2排放總量一開始是逐漸增加的，但經(jīng)過一段時間之后，因投資結構優(yōu)化升級等因素影響，工業(yè)SO2排放可能出現(xiàn)隨投資增加而下降的趨勢。模型結果還顯示，電力消費量、城鎮(zhèn)人均可支配收入、第三產(chǎn)業(yè)就業(yè)人數(shù)也顯著影響工業(yè)SO2排放。其中，電力消費量每增加1%，工業(yè)SO2排放大約增加0374%；城鎮(zhèn)人均可支配收入每增加1%，工業(yè)SO2排放大約下降0638%；第三產(chǎn)業(yè)就業(yè)人數(shù)每增加1%工，業(yè)SO2排放大約下降00752%。結果說明控制能源消耗，提高經(jīng)濟發(fā)展水平，加快經(jīng)濟結構轉(zhuǎn)型是緩解中國排污負擔的有效途徑。此外，地區(qū)進出口總額和工業(yè)廢氣治理設施運行費用對工業(yè)SO2排放不具有顯著影響，說明外向型經(jīng)濟的發(fā)展和環(huán)境規(guī)制力度的增加并未有效緩解中國面臨的減排壓力。

（三）投資結構對工業(yè)SO2排放影響的實證結果

本文繼續(xù)從投資來源、投資主體、投資規(guī)模和投資性質(zhì)四個方面，研究投資結構對工業(yè)SO2排放的影響。為了保證模型的可比性，仍然采用空間滯后個體效應模型進行回歸分析，具體結果如表4所示。

9首先，根據(jù)投資來源，可將固定資產(chǎn)投資劃分為中央投資和地方投資。其中，中央投資主要涵蓋國家各部委、直屬機構、中央直屬企事業(yè)單位下達的固定資產(chǎn)投資，地方投資主要涵蓋省級及其以下政府直接投資項目和不隸屬于各級政府的企事業(yè)單位投資項目。研究結果顯示，中央投資對工業(yè)SO2排放量影響的一次項和二次項均僅能通過10%的顯著性檢驗，說明二者之間的相關程度較弱。地方投資對工業(yè)SO2排放量影響的一次項和二次項不僅能通過1%的顯著性檢驗，且一次項估計值還較中央投資高出0564，“倒U”型曲線的拐點高出約28591億元。因此，相對于中央投資，地方投資與工業(yè)SO2排放之間具有更緊密的因果關系，“環(huán)境競次”假說在中國是存在的。由此，假設H2得證。

其次，根據(jù)投資主體，可將固定資產(chǎn)投資劃分為國有投資和非國有投資。其中國有投資是指資產(chǎn)全部歸屬國家所有的國有企業(yè)固定資產(chǎn)投資，非國有投資主要包括來源于有限責任投資、股份有限公司、集體企業(yè)、私營企業(yè)、個人獨資企業(yè)的投資和來源于港澳臺商及其他外商的投資。研究結果顯示，國有投資和非國有投資回歸結果的一、二次項均能夠通過1%的顯著性檢驗，并且國有投資的一次項參數(shù)值還略高于非國有投資，但非國有投資“倒U”型曲線的拐點相較國有投資高出約29377億元。初步設想，其中原因可能與國有投資在SO2高排放行業(yè)占比較高有關。因為相關數(shù)據(jù)顯示，電力、熱力生產(chǎn)和供應，黑色金屬冶煉和壓延加工、非金屬礦物制品“三大高排行業(yè)”工業(yè)SO2排放量約占到全部工業(yè)SO2排放量的75%左右。同時，如圖2所示，雖然2004—2013年“三大高排行業(yè)”國有投資占全部（城鎮(zhèn)）固定資產(chǎn)投資比重總體呈現(xiàn)下降趨勢，但電力、熱力生產(chǎn)和供應業(yè)的國有投資比重始終保持在70%以上，黑色金屬冶煉和壓延加業(yè)的國有投資比重也長期維持在50%以上。

圖2“三大高排行業(yè)”國有投資占比圖那么，僅就高排放行業(yè)自身而言，不同來源的投資對工業(yè)SO2排放的影響是否依然是無差異的？由于火電行業(yè)脫硫工作的全面開展，電力、熱力生產(chǎn)和供應業(yè)SO2排放量自2007年之后出現(xiàn)了下降趨勢。為保障數(shù)據(jù)的平穩(wěn)性，本文將電力、熱力生產(chǎn)和供應業(yè)剔除，僅對剩余兩大高排行業(yè)源于不同主體的投資與SO2排放量之間的關系進行回歸分析。其中，國有投資與行業(yè)SO2排放量的回歸結果如式（5）所示：

DW=185結果顯示，對于黑色金屬冶煉和壓延加工和非金屬礦物制品兩大高排放行業(yè)而言，國有投資對其SO2排放量沒有顯著影響，而非國有投資是造成兩個行業(yè)SO2排放量增長的主要因素。非國有投資每增長1%，兩個行業(yè)SO2排放量將增長014%。因此，由于國有投資在高排放行業(yè)占比過高等原因，不同投資主體投資對于工業(yè)SO2排放的影響表面上沒有顯著差異。但進一步細分行業(yè)分析可以發(fā)現(xiàn)，非國有投資可能依然是導致工業(yè)SO2排放增長的主要來源。由此，假設H3間接可證。再次，根據(jù)投資規(guī)模，將當年固定資產(chǎn)投資金額超過10億元劃歸為大項目，10億元（含）以下的劃歸為中小項目。研究結果顯示，大項目投資和中小項目投資的一次項和二次項參數(shù)估計結果也均通過了1%的顯著性檢驗，二者估計值本身也十分接近，“倒U”型曲線的拐點僅相差400余億元。因此，本文繼續(xù)考慮細分行業(yè)投資規(guī)模的差異性是不是導致估計結果差異不明顯的主要原因。由于缺乏細分行業(yè)的分規(guī)模投資數(shù)據(jù)，只能用當年“分行業(yè)固定資產(chǎn)投資額/施工項目個數(shù)”大致度量各細分行業(yè)單個項目投資規(guī)模的差異性。如表5所示，在納入統(tǒng)計范圍的42個行業(yè)中，2013年工業(yè)SO2排放分行業(yè)排名前十的既有單個項目投資規(guī)模較大的石油加工、煉焦及核燃料加工，有色金屬冶煉和壓延加工，電力、熱力生產(chǎn)和供應等行業(yè)，也有排名30位左右的食品制造、非金屬礦物制品、紡織、農(nóng)副食品加工等行業(yè)。而單個投資項目規(guī)模最大的石油和天然氣開采業(yè)，其行業(yè)SO2排放量僅排名24位，位居所有行業(yè)的中下游位置。因此，綜合上述分析，即使將細分行業(yè)差異性考慮在內(nèi)，不同規(guī)模的投資對于工業(yè)SO2排放的影響依然無明顯區(qū)別。由此，假設H4未被證明。最后，按照投資性質(zhì)，可將固定資產(chǎn)投資劃分為新建投資和改擴建投資。其中，新建投資是指從無到有“平地起家”開始建設的項目，改擴建投資是指現(xiàn)有企事業(yè)單位擴大原有產(chǎn)品生產(chǎn)能力或?qū)υ性O施進行技術改造更新建設的項目。研究結果顯示，工業(yè)SO2排放主要受到新建投資的顯著影響并與之呈現(xiàn)“倒U”型曲線關系，而改擴建投資與工業(yè)SO2排放是不相關的。也就是說，近年來改擴建投資的增長并沒有加重中國的排污負擔，而新建項目投資是引起工業(yè)SO2排放變化的主要原因。由此，假設H5得證?！糎T5”K〗表5〖HTH〗〖JZ（〗工業(yè)SO2排放量排名前10行業(yè)的單個項目平均投資規(guī)模排名〖JZ）〗〖JY〗〖HT6SS〗〖BG（！〗〖BHDFG2，WK20，K20，KW〗行業(yè)〖〗工業(yè)SO2排放排名〖〗項目平均投資規(guī)模排名〖BHD〗電力、熱力生產(chǎn)和供應業(yè)〖〗1〖〗4〖BH〗黑色金屬冶煉和壓延加工業(yè)〖〗2〖〗8〖BH〗非金屬礦物制品業(yè)〖〗3〖〗30〖BH〗化學原料及化學制品制造業(yè)〖〗4〖〗11〖BH〗有色金屬冶煉和壓延加工業(yè)〖〗5〖〗3〖BH〗石油加工、煉焦及核燃料加工業(yè)〖〗6〖〗2〖BH〗造紙及紙制品業(yè)〖〗7〖〗21〖BH〗紡織業(yè)〖〗8〖〗33〖BH〗農(nóng)副食品加工業(yè)〖〗9〖〗31〖BH〗食品制造業(yè)〖〗10〖〗29〖BG）F〗〖HT〗〖BT1〗四、研究結論與政策建議〖BT2〗（一）研究結論本文運用Morans I指數(shù)對2004—2013年中國省際工業(yè)SO2排放的空間相關性進行了檢驗，并在此基礎上通過空間滯后個體效應模型實證研究了固定資產(chǎn)投資總量增長和結構差異對工業(yè)SO2排放的影響，進而檢驗投資增長是否加重了中國的排污負擔。研究得到如下結論：第一，中國工業(yè)SO2排放不僅存在較為顯著的省際空間溢出效應，并在2010年之后還呈現(xiàn)出一定的加強態(tài)勢。其中，河北、山西、山東、河南等省份的工業(yè)SO2排放長期穩(wěn)定在“高-高”相鄰區(qū)域，不僅屬于工業(yè)SO2高排省份，且省際的溢出效應也最為明顯。第二，從總量角度而言，中國固定資產(chǎn)投資對工業(yè)SO2排放具有顯著影響，并呈現(xiàn)出“倒U”型曲線關系。也就是說，過去一段時期內(nèi)中國投資的快速增長確實導致了工業(yè)SO2排放的增加，但隨著經(jīng)濟轉(zhuǎn)型各項舉措的落實和相關項目環(huán)境評價制度的開展，工業(yè)SO2排放隨投資增長而逐年增加的態(tài)勢逐步得到改變。同時，能源消費量的增加加重了中國工業(yè)SO2排放負擔，經(jīng)濟發(fā)展水平的提升和第三產(chǎn)業(yè)占比的增加則抑制工業(yè)SO2排放的增長。但外向型經(jīng)濟的發(fā)展和環(huán)境規(guī)制力度的增加并未有效緩解中國面臨的減排壓力。第三，從結構角度而言，由于“環(huán)境競次”等因素的作用，地方投資對工業(yè)SO2排放的作用更加顯著。同時，國有投資和非國有投資雖然表面上對工業(yè)SO2排放的影響并無顯著差異，但對特定的高排放行業(yè)而言，非國有投資依然是造成行業(yè)SO2排放增長的主要因素。此外，不同規(guī)模的投資項目對工業(yè)SO2排放的影響沒有顯著差異，并與細分行業(yè)分布情況無關。最后，源于新建項目的固定資產(chǎn)投資是影響工業(yè)SO2排放的主因，更新改造投資的增加不會對工業(yè)SO2排放產(chǎn)生顯著影響。〖BT2〗（二）對策建議〖BT3〗1加強省際減排工作的合作與聯(lián)動中國省際存在的工業(yè)SO2排放空間相關性意味著某地區(qū)污染物減排效果將受到鄰近地區(qū)減排效果的影響，僅憑借某個單一省份自身的減排舉措往往不能取得良好的治污效果。因此，有必要建立省際聯(lián)動機制用以加強中國污染物減排的區(qū)域間合作，通過“示范”和“學習”變“高—高”溢出為“低—低”溢出，最終借助省際的協(xié)同治理實現(xiàn)污染物減排目標。而合作與聯(lián)動機制的建立在河北、山西、山東、河南等工業(yè)SO2排放具有“高—高”相關特征的省份顯得尤為重要。〖BT3〗2通過加快經(jīng)濟發(fā)展方式轉(zhuǎn)變實現(xiàn)減排目標投資總量與工業(yè)SO2排放量之間存在的“倒U”型曲線關系說明，單純通過控制固定資產(chǎn)投資總量來抑制污染物排放過快增長的方式并不可取。城鎮(zhèn)人均可支配收入與工業(yè)SO2排放之間的負相關關系進一步印證，中國的污染物減排工作可以也必須在“發(fā)展中進行解決”。因此，有必要在堅持經(jīng)濟結構優(yōu)化的基礎上通過加大第三產(chǎn)業(yè)投資，提高第三產(chǎn)業(yè)在國民經(jīng)濟中所占比重來實現(xiàn)發(fā)展與減排的“雙贏”。此外，考慮到過去一段時間相關環(huán)保設施、設備投入的增加并未顯著減緩中國面臨的減排壓力，因此如何提升環(huán)境規(guī)制效率、加強環(huán)境規(guī)制效果也是未來一段時間內(nèi)必須考慮的關鍵問題?！糂T3〗3加強地方投資的環(huán)境監(jiān)管力度受到“環(huán)境競次”等因素影響，地方投資對中國工業(yè)SO2排放具有更加顯著的影響。因此，相對于中央投資，更應強化對地方投資項目的建前環(huán)評、建中監(jiān)管和建后檢查力度，堅決落實環(huán)境污染的屬地責任，嚴查地方“未批先建，邊批邊建”投資項目，并清理環(huán)保設施、措施落實不到位就擅自投產(chǎn)或運行的項目。同時，中央政府應加大對地方投資項目環(huán)境影響的抽樣檢查力度，強化地方領導責任，〖JP2〗全面清理、廢除違反環(huán)保要求進行“招商引資”的“土政策”，并加大對地方違規(guī)建設項目負有領導責任人員的查處力度?！糐P〗〖BT3〗4突出對重點行業(yè)非國有投資的環(huán)境監(jiān)督檢查雖然不同來源主體的固定資產(chǎn)投資對工業(yè)SO2排放的影響并無顯著差異，但對于黑色金屬冶煉和壓延加工、非金屬礦物制品等重點行業(yè)，非國有投資對行業(yè)污染物排放的影響更加顯著。因此，有必要嚴格控制火電、鋼鐵、水泥等高排污行業(yè)的投資規(guī)模，特別重點加強這些行業(yè)非國有投資環(huán)境影響的監(jiān)督和檢查，嚴格清理違反建設項目環(huán)境影響評價制度的項目。對違規(guī)投資且拒不改正的，可考慮依法采取強制措施，堅決取消重點行業(yè)的高污染項目。〖BT3〗5.重視對落后生產(chǎn)設施、設備和工藝更新改造投資工業(yè)SO2排放主要來源于新建項目投資，而更新改造落后生產(chǎn)設施、設備和工藝的改擴建投資則對污染物排放幾乎沒有影響。因此，有必要改變過去經(jīng)濟發(fā)展過程中過度重視“增量”，忽視“存量”的投資習慣，進一步加大落后產(chǎn)能、落后設施、落后工藝的更新改造力度和投資比重，走注重“存量優(yōu)化”的可持續(xù)發(fā)展之路?！糃D50mm〗〖HT5”H〗參考文獻：〖HT5”SS〗[1]武鵬.改革以來中國經(jīng)濟增長的動力轉(zhuǎn)換[J].中國工業(yè)經(jīng)濟，2013 （2）：5-17.[2]Carmignani F.， S. Laurenceson. Provincial Business Cycles and Fiscal Policy in China[J]. Economics of Transition， 2013，21（2）： 323-340.[3]吳立軍，曾繁華.后危機時代中國經(jīng)濟增長的穩(wěn)態(tài)路徑研究[J].當代財經(jīng)，2012（1）：15-24.[4]郭菊娥，郭廣濤，孟磊，等.4萬億投資對中國經(jīng)濟的拉動效應測算分析[J].管理評論，2009 （2）：98-104.[5]涂正革，劉磊珂.考慮能源、環(huán)境因素的中國工業(yè)效率評價——基于SBM模型的省級數(shù)據(jù)分析[J].經(jīng)濟評論，2011 （2）：55-65.[6]宋馬林，吳杰，楊力，等.非期望產(chǎn)出、影子價格與無效決策單元的改進[J].管理科學學報，2012（10）：1-10.[7]Karen P， K. Alan.. Social Costing in Electricity in Maryland： Effects of Pollution [J]. Investment and Prices. Energy Journal，1995，16（1）： 1-26.[8]Mondschein V.， A. Schilkrut. Optimal Investment Policies for Pollution Control in the Copper Industry[J]. Interfaces， 1997， 27（6）： 69-87.[9]董廣霞，傅德黔，努麗亞.“兩高行業(yè)”固定資產(chǎn)投資與污染減排分析[J].環(huán)境經(jīng)濟，2008 （12）：47-49.[10]Kingston K.. The Dilemma of Minerals Dependent Economy： The Case of Foreign Direct Investment and Pollution in Nigeria[J]. African Journal of Social Sciences， 2011， 1（1）： 1-14.[11]Lili Li ， Peng Qi. The Impact of Chinas Investment Increase in Fixed Assets on Ecological Environment： An Empirical Analysis[J]. Energy Procedia， 2011（5）： 501-507.[12]孫凌，楊雪，陳漢軍.固定資產(chǎn)投資與廢水減排關系的回歸分析[J].紡織學報，2012（3）：135-138.[13]Grossman M.， B. Krueger. Economic Growth and the Environment [J]. The Quarterly Journal of Economics，1995， 110（2）：353-377.[14]Copeland R.， S. Taylor. International Trade and the Environment： A Framework for Analysis [J]. National Bureau of Economics Journal， 2001， NBER Working Paper No. 8540.[15]黃菁.環(huán)境污染與工業(yè)結構：基于Divisia指數(shù)分解法的研究[J].統(tǒng)計研究，2009（12）：68-73.[16]成艾華.技術進步、結構調(diào)整與中國工業(yè)減排——基于環(huán)境效應分解模型的分析[J].中國人口.資源與環(huán)境，2011（3）：41-47.[17]原毅軍，賈媛媛.技術進步、產(chǎn)業(yè)結構變動與污染減排——基于環(huán)境投入產(chǎn)出模型的研究[J].工業(yè)技術經(jīng)濟，2014（2）：41-49.[18]Ansuategi A.. Economic Growth and Transboundary Pollution in Europe： An Empirical Analysis[J]. Environmental and Resource Economics， 2003， 26（2）： 305-328.[19]Xie X， Lili Yan. Relationship Between Fixed-Asset Investment and Environmental Quality Based on EKC[J]. International Journal of Applied Environmental Sciences ， 2013， 17（8）： 445-450.[20]〖JP2〗楊旭輝， 關忠良，謝祥.固定資產(chǎn)投資與工業(yè)污染關系實證研究——以山西省為例[J].城市問題，2013（8）：58-60.〖JP〗[21]馬麗梅，張曉.中國霧霾污染的空間效應及經(jīng)濟、能源結構影響[J].中國工業(yè)經(jīng)濟，2014（4）：19-31.[22]馬麗梅，張曉.區(qū)域大氣污染空間效應及產(chǎn)業(yè)結構影響[J].中國人口.資源與環(huán)境，2014（7）：157-164.[23]朱平輝，袁加軍，曾五一.中國工業(yè)環(huán)境庫茲涅茨曲線分析——基于空間面板模型的經(jīng)驗研究[J].中國工業(yè)經(jīng)濟，2010（6）：65-74.[24]鄭長德，劉帥.基于空間計量經(jīng)濟學的碳排放與經(jīng)濟增長分析[J].中國人口.資源與環(huán)境，2011（5）：80-86.[25]王火根，滕玉華.經(jīng)濟發(fā)展與環(huán)境污染空間面板數(shù)據(jù)分析[J].技術經(jīng)濟與管理研究，2013（2）：85-89.[26]趙佳佳，王建林.中國環(huán)境治理的拐點研究——基于1998—2010年中國空間面板數(shù)據(jù)[J].宏觀經(jīng)濟管理，2013（12）：11-19.[27]許和連，鄧玉萍.外商直接投資導致了中國的環(huán)境污染嗎？——基于中國省際面板數(shù)據(jù)的空間計量研究[J].管理世界，2012（2）：30-43.[28]許和連，鄧玉萍.經(jīng)濟增長、FDI 與環(huán)境污染——基于空間異質(zhì)性模型研究[J].財經(jīng)科學，2012（9）：57-64.[29]劉渝琳，鄭效晨.FDI 與工業(yè)污染排放物的空間經(jīng)濟效應[J].商業(yè)經(jīng)濟與管理，2012（9）：79-87.[30]〖JP3〗沈能.工業(yè)集聚能改善環(huán)境效率嗎？——基于中國城市數(shù)據(jù)的空間非線性檢驗[J].管理工程學報，2014（3）：57-63.〖JP〗[31]張可，汪東芳.經(jīng)濟集聚與環(huán)境污染的交互影響及空間溢出[J].中國工業(yè)經(jīng)濟，2014（6）：70-82.[32]劉滿鳳，謝晗進.中國省域經(jīng)濟集聚性與污染集聚性趨同研究[J].經(jīng)濟地理，2014（4）：25-32.[33]Sheldon I. Trade and Environmental Policy： A Race to the Bottom？ [J].Journal of Agricultural Economics，2006， 57（3）：365–392.[34]楊莉莉，邵帥，曹建華.資源產(chǎn)業(yè)依賴對中國省域經(jīng)濟增長的影響及其傳導機制研究——基于空間面板模型的實證考察[J].財經(jīng)研究，2014（3）：4-16.[35]Anselin L.. Local Indicators of Spatial Association - LISA[J].Geographical Analysis，1995，27（2）：93-115.[36]Anselin L.. Exploring Spatial Data with Geoda： A Workbook [EB/OL]. http：//geodacenter.asu.edu.，2005.

責任編輯：張士斌