貿(mào)易開放程度對霧霾的影響分析——基于中國省級面板數(shù)據(jù)的空間計量研究

康 雨

?

貿(mào)易開放程度對霧霾的影響分析——基于中國省級面板數(shù)據(jù)的空間計量研究

康 雨

（南京大學商學院 江蘇南京 210023）

運用中國31個省1998-2012年間PM2.5的數(shù)據(jù)，本文在空間計量分析基礎上考慮到模型本身的內(nèi)生性問題后，試分析貿(mào)易開放程度對霧霾的影響。由于同時考慮了可能引起本類文獻回歸結果偏誤的兩個最主要因素，本文的結論更為可靠?？臻g計量方面，全局及局域相關性分析顯示，中國霧霾的空間溢出效應顯著。本文因此采用空間滯后面板數(shù)據(jù)模型。解釋變量內(nèi)生性方面，本文將滯后十年的旅游外匯收入作為工具變量，該工具變量具有很好的理論及現(xiàn)實意義。在考慮到這兩個因素的雙重作用后，本文證實了貿(mào)易開放對霧霾有加劇作用的結論。此研究對更準確認識國際貿(mào)易對環(huán)境的影響具有重要的推動作用，也為中國倡導各省聯(lián)合治理霧霾的政策提供了堅實理論基礎。

貿(mào)易開放度 霧霾 空間計量分析

一、引言及文獻綜述

近幾年，越來越多的人將貿(mào)易開放所帶來環(huán)境隱患與霧霾問題相聯(lián)系。通過對外開放“三步走”戰(zhàn)略及一系列稅收減免政策，中國出口貿(mào)易高速增長，國民生產(chǎn)總值中進出口總額占比由1978年的11.2%增至2012年的45.7%。結構方面，在中國的外向型經(jīng)濟模式指導下，出口產(chǎn)品中資本密集型產(chǎn)品占比迅速增加，由1998年的38.4%增至2012年的59.3%。資本密集型產(chǎn)業(yè)中，以冶金工業(yè)、石油工業(yè)、機械制造業(yè)等重工業(yè)為代表的資本密集型產(chǎn)業(yè)均有高污染、高排放的特征。這使貿(mào)易自由化在促進中國工業(yè)發(fā)展的同時，也帶來了更多污染隱患。然而，有學者認為，貿(mào)易自由化帶來的促進產(chǎn)業(yè)結構升級及技術進步等正效應亦對環(huán)境污染起到改善作用，這與前文提到的污染隱患作用相反。因此，貿(mào)易的引致效應不能從理論上明確預測。

貿(mào)易與環(huán)境之間關系的研究開始于Grossman和Krueger（1991）。在分析北美自由貿(mào)易協(xié)議（NAFTA）對環(huán)境產(chǎn)生的影響時，他們首次提出環(huán)境與收入之間存在倒U形關系，即“環(huán)境庫茲涅茨曲線”。具體影響可以分解為規(guī)模效應、結構效應和技術效應三部分，最終結果取決于這三種效應的合力。規(guī)模效應即貿(mào)易量增加導致經(jīng)濟活動規(guī)模擴大，從而產(chǎn)生更多的污染物；結構效應強調(diào)國際產(chǎn)業(yè)轉移改變本國產(chǎn)業(yè)結構，從而對環(huán)境產(chǎn)生影響；技術效應指貿(mào)易活動中引入或開發(fā)的新技術對降低單位產(chǎn)出的污染量具有積極作用。之后又有學者（Panayotou，2000）進一步加入了收入效應和規(guī)制效應，使分析更加完備。

實證方面，不同學者因選取的樣本、方法不同，得出了不同的結論。有學者認為國際貿(mào)易對環(huán)境有改善作用。如Antweiler，B. R. Copeland和M. S. Taylor（2001）使用1971-1996年的跨國面板數(shù)據(jù)考察了上述三種效應的大小，認為貿(mào)易總體上對環(huán)境改善有積極作用。針對此結論，有學者進一步認為不同發(fā)展程度的國家合力方向可能不同。如Baek，Cho和W. W. Koo（2009）采用1960-2000年50國的SO2排放量數(shù)據(jù)進行分析，得出自由貿(mào)易對發(fā)達國家的空氣質量改善有積極作用，對發(fā)展中國家的空氣質量有消極作用的結論；而Zhigang Li，Nan Xu和Jia Yuan（2015）以可見度為指標，發(fā)現(xiàn)國際貿(mào)易對世界134個發(fā)達國家和發(fā)展中國家的空氣質量均有負面影響。

中國作為全球貿(mào)易體系中十分重要的一員，其貿(mào)易開放程度對環(huán)境的影響為許多學者所重視。如鄧柏盛，宋德勇（2008）以SO2排放量作為指標，發(fā)現(xiàn)FDI有利于中國環(huán)境的改善，而商品貿(mào)易則惡化了環(huán)境。彭水軍等人（2013）在綜合分析了251個地級市2005-2010年的工業(yè)煙塵、SO2和水污染情況之后，卻認為貿(mào)易總體上有利于國內(nèi)環(huán)境的改善。

隨著研究的深入，越來越多的學者注意到貿(mào)易開放度與環(huán)境之間的內(nèi)生性問題，即二者之間可能會有因閥值效應產(chǎn)生的同期偏差（Simultaneity Bias），忽略這一問題可能導致估計結果有偏。針對此問題，F(xiàn)rankel和Rose（2005）首次將重力模型引入分析框架，以各國人口、地理及經(jīng)濟距離等外生性變量為工具變量進行分析，得到了自由貿(mào)易促進環(huán)境質量改善的結論。此后，相關文獻幾乎都沿用了這一方法（M. A. Cole，2006; Zhigang Li，Nan Xu和Jia Yuan，2015）。然而，作為工具變量的人口、距離等地理變量不隨時間的變化而改變，因此，在利用面板數(shù)據(jù)分析時不再有效。本文以10年前的各省旅游外匯收入作為工具變量，這一變量與各省本年的貿(mào)易開放度高度相關，而10年前的旅游外匯收入對10年后本省環(huán)境狀況的解釋度微乎其微，是比較理想的工具變量。

另一個被本領域多數(shù)研究所忽視的問題是污染的空間溢出效應，Maddison（2007）對歐洲國家1951-1990年的相關數(shù)據(jù)進行了分析，發(fā)現(xiàn)二氧化硫和氮氧化物在各國間存在顯著的溢出效應。馬麗梅、張曉（2014）運用空間計量方法，探討中國各省間霧霾污染的交互關系問題及能源結構影響，也表示霧霾的溢出效應在省際間確實存在，且相當明顯。因此若不考慮各地區(qū)環(huán)境的相互關聯(lián)性，研究結果可能會出現(xiàn)較大偏誤。

本文在逐步控制解釋變量內(nèi)生性與空間溢出效應的情況下，通過空間滯后面板數(shù)據(jù)分析模型來探究貿(mào)易開放程度對霧霾的影響。本文可能的貢獻在于：1. 樣本選擇更有效。不同于大多數(shù)本領域文獻采用時間序列或橫截面數(shù)據(jù)進行分析，本文以1998-2012年間31個省市的面板數(shù)據(jù)為樣本，有效控制了省際個體異質性及模型異方差等問題（Zhigang Li，Nan Xu和Jia Yuan，2015）。2. 被解釋變量選取更有意義。在全國合力治理霧霾的大背景下，本文以PM2.5濃度作為污染物的代理變量具有很強的現(xiàn)實意義及參考價值。3. 工具變量的選取更合理。本文選用10年前的旅游外匯收入作為工具變量，在理論及實證檢驗中均十分符合工具變量的選取要求，這使模型估計更加精確。4. 估計結果更可信。雖然內(nèi)生性與空間溢出效應在近幾年曾分別被學者所關注，但到目前為止，還沒有此領域研究將這兩個因素聯(lián)合加以考慮。本文考慮二者的合力方向，使結果更可信。

本文結構安排如下：第一部分綜述已有文獻；第二部分介紹數(shù)據(jù)來源，并作簡單描述性分析；第三部分對霧霾污染的現(xiàn)狀及空間相關性進行分析；第四部分設定基本的空間滯后面板數(shù)據(jù)模型；第五部分通過工具變量及空間滯后面板數(shù)據(jù)模型的使用逐步得出結論；第六部分為敏感性檢驗；第七部分總述結論。

二、數(shù)據(jù)來源與初步分析

（一）數(shù)據(jù)來源

由于國內(nèi)數(shù)據(jù)不足，本文參考了馬麗梅和張曉（2014）的研究，采用巴特爾研究所及哥倫比亞大學國際地球科學信息網(wǎng)絡中心通過衛(wèi)星搭載設備對氣溶膠光學厚度進行測定得到的1998—2012年全球PM2.5遙感數(shù)據(jù)（SEDAC，2015）。該數(shù)據(jù)與環(huán)保部與2012年2月對于中國霧霾形勢的判斷基本吻合，可信度較高。值得注意的是，為了保證數(shù)據(jù)的平穩(wěn)性，該測算機構公布的PM2.5的數(shù)據(jù)為3年的滑動平均值。因此，本文將其他解釋變量亦做3年的滑動平均處理。本文的其他數(shù)據(jù)來自中國統(tǒng)計局網(wǎng)站和《中國統(tǒng)計年鑒》。由于西藏自治區(qū)部分資料不全，本文不將其放入考慮范圍內(nèi)。

軟件使用方面，本文利用ArcGIS 10.3對遙感數(shù)據(jù)進行處理得到全國各?。ú话ǜ郯呐_）每年的數(shù)據(jù)，空間相關性分析部分的計算使用GeoDA 1.6.7完成。本文的空間計量分析及模型回歸使用MATLAB R2015a和Stata12.0軟件完成。

（二）初步分析

圖1為貿(mào)易開放度與PM2.5濃度之間的關系概覽。為更好的體現(xiàn)二者關系，本文將這兩變量變?yōu)閷?shù)形式。其中，每個都點代表某地區(qū)某一年度的數(shù)據(jù)。如圖所示，PM2.5濃度與貿(mào)易開放度有較為明顯的正相關。同時，圖中各數(shù)據(jù)呈現(xiàn)出現(xiàn)較明顯的集群特征，除了有自相關因素外，此圖也顯示出各地區(qū)發(fā)展情況可能存在集聚效應。其他變量的統(tǒng)計性描述見附錄1。

圖1 貿(mào)易開放度和PM2.5濃度關系散點圖

三、空間相關性分析

（一）全局空間相關性

本文采用全局Moran’s I指數(shù)來衡量區(qū)域間整體空間相關程度。其計算公式為：

I即Moran’s I指數(shù)，用于測度區(qū)域間PM2.5的總體相關程度。I值越接近1表示地區(qū)間空間正相關程度越高，越接近-1表示負相關程度越高，指數(shù)為0則表示沒有空間相關性。為第i個地區(qū)的PM2.5濃度值，n為地區(qū)數(shù)，W為空間權重矩陣。

經(jīng)計算，1998-2012年間，中國的全局Moran’s I指數(shù)由0.583逐漸升至0.642，且均通過1%顯著水平的檢驗，說明各省PM2.5的濃度一直存在正向顯著的空間相關性，污染集聚效應明顯。①

圖2分別為1998-2000、2004-2006與2010-2012年間各省的Moran散點圖。其中，橫軸為標準化后的PM2.5濃度值，縱軸是標準化后的PM2.5濃度空間滯后值，散點圖以平均值為原點。位于第一象限的點屬于高—高正相關，第三象限屬于低—低正相關，二、四象限均表示負相關。因此，一、三象限為典型觀測區(qū)域，二、四象限為非典型觀測區(qū)域。如圖所示，中國絕大多數(shù)省份均位于典型觀測區(qū)內(nèi)，僅有一兩個省份落入非典型區(qū)域，這亦體現(xiàn)出PM2.5空間正相關關系的顯著性及穩(wěn)定性。

圖2 中國各地區(qū)PM2.5濃度的Moran散點圖

1998-2000年 ?????? 2004-2006年 ????? ? 2010-2012年

（二）局域空間相關性

全局Moran’s I指數(shù)從整體上刻畫了PM2.5濃度的聚集情況。然而，基于整體的空間自相關分析可能忽略了局部地區(qū)的非典型特性（Anselin，1995）。局域空間關聯(lián)指標（Local Indicators of Spatial Association，LISA）可以檢驗局部地區(qū)的集聚現(xiàn)象是否顯著。本文采用的是局域Moran's I指數(shù)，計算公式為：

其中，Ii是i地區(qū)的局域相關性指數(shù)，測度i地區(qū)與其周圍地區(qū)PM2.5的相關程度，，，n，W，S2均與上一節(jié)中設定相同。表示正相關，即高—高集聚或低—低集聚；表示負相關，即高—低或低—高相鄰。下圖為根據(jù)局域Moran’s I指數(shù)繪制的1998-2000和2010-2012年度中國各地區(qū)的局域集聚情況圖，集聚區(qū)均通過了顯著性水平為5%的檢驗。結合其他年份的局域集聚相關性地圖可知，①新疆、青海、黑龍江、吉林等地屬于低—低集聚區(qū)；京津冀、長三角及其周圍地區(qū)呈現(xiàn)出明顯而穩(wěn)定的集聚效應。這也顯示出，集聚區(qū)域內(nèi)針對霧霾的聯(lián)合治理比單個省單打獨斗更有效。通過轉移將高污染轉移給臨近省市這種以鄰為壑的做法在長期將不能達到改善本省環(huán)境狀況的目的。

圖3 基于局域Moran’s I的中國各地區(qū)局域集聚地圖

1998-2000年2010-2012年

四、模型設定

（一）基本模型

本文基本模型設定如下：

關于人均收入對霧霾濃度的影響，理論上，環(huán)境庫茲涅茨曲線（EKC）的倒“U”形形狀使收入的一次方項和二次方項應同時被加入模型中。然而結合許多學者認為中國大部分地區(qū)仍處于發(fā)展的初級階段，即未到曲線的拐點（許廣月，宋德勇，2010）。因此，在回歸中加入二次方項的實際意義不大，而且可能造成回歸結果的偏差。因此，本文在此模型中僅加入收入的一次方項。加入二次方項進行回歸，本文亦得出了與前文相似的結果。①

（二）內(nèi)生性問題

由于貿(mào)易開放對環(huán)境污染的影響具有因閥值效應而產(chǎn)生的內(nèi)生性問題，Rose和Frankel（2005）采用國際貿(mào)易重力模型中一系列外生地理變量或基礎社會經(jīng)濟變量來作為工具變量，取得了很好的效果，大多數(shù)此領域文獻也都采用這一方法。然而模型中這些自然地理變量不隨時間變化而變化，且省級層面的進出口貿(mào)易不存在固定的貿(mào)易伙伴，故此方法不適用于本文對省級面板數(shù)據(jù)的分析。

本文選取本省10年前的旅游外匯收入作為工具變量。由于經(jīng)濟開放程度的變化具有連續(xù)性，10年前的旅游外匯收入反映了同期本地的貿(mào)易開放程度，進而可以有效的影響10年后的開放程度。由于貿(mào)易開放程度并不是影響霧霾形成的最主要因素，其他因素，如近幾年的工業(yè)污染物排放量會在很大程度上影響本省霧霾濃度，可以認為10年前的旅游收入情況對當前霧霾狀況的影響微乎其微。一條可能的機制為該省在10年前就制定打造旅游省份的規(guī)劃，因此在近10年的發(fā)展過程中著重發(fā)展第三產(chǎn)業(yè)，使現(xiàn)階段PM2.5的濃度較小。然而，中國此類規(guī)劃多局限于個別旅游資源豐富的城市，上升到省級層面來看，省內(nèi)個別城市的旅游業(yè)發(fā)展對全省帶來的影響很小。并且，幾乎每個省都有主打發(fā)展旅游業(yè)的城市，因此這一機制不是造成省際霧霾狀況差異的主要因素。這符合工具變量應與貿(mào)易開放程度高度相關，卻是模型中外生變量的選取原則。

數(shù)值方面，表1為工具變量與開放程度、環(huán)境污染之間的相關系數(shù)矩陣，可以看出，10年前的旅游外匯收入與10年后的貿(mào)易開放程度高度相關，相關系數(shù)為0.75；而工具變量與貿(mào)易開放程度的相關性只有0.14。②

表1 工具變量與開放程度、環(huán)境污染相關系數(shù)矩陣

五、霧霾污染空間效應的實證分析結果

（一）針對空間計量的模型設定

本文（5）式的基礎上，引入空間變量逐步完善模型。由于進行的是面板數(shù)據(jù)分析，因此需要考慮時間效應與個體效應。故擴展后的表達式為：

（二）基于模型的實證回歸結果

表2 不同模型設定下的回歸結果比較

注：1. 括號中顯示的是各變量所對應的標準誤差。 2. 星號表示的是不同顯著性水平?！?**”表示p<0.01，“**”表示p<0.05，“*”表示p<0.1。

如表2所示，回歸（I）為不考慮內(nèi)生性或空間溢出效應，用OLS方法回歸出的參照結果。可以看出，貿(mào)易開放度對霧霾污染有顯著的改善作用?；貧w（II）為只考慮貿(mào)易開放程度與霧霾之間的內(nèi)生性問題后，采用2SLS方法得到的結果，回歸（III）為只考慮空間溢出效應，采用空間滯后面板數(shù)據(jù)回歸模型后的結果?；貧w（IV）為既考慮內(nèi)生性、又考慮空間溢出效應的回歸結果。這三種方法得到的貿(mào)易開放度對霧霾的影響均為正，即貿(mào)易對環(huán)境污染有加劇作用；同時，其加劇程度變小。觀察到收入對霧霾濃度的影響在同時控制了兩種因素后由正轉負，空間溢出效應的系數(shù)卻變大?？赏茰y，這兩個變量所帶來的影響被省份之間的相互影響所分擔。同時，資本密度、供暖及政府治理這三個變量的影響不再顯著。然而這些不是本文的研究重點，故不在這里進一步討論。

（三）對污染天堂假說的檢驗

污染天堂假說認為低收入發(fā)展中國家環(huán)境規(guī)制力度較低，因而在尋求地外部成本的污染密集性產(chǎn)業(yè)上具有比較優(yōu)勢，進而使這些國家成為污染的集中區(qū)。本文遵循Frankel和Rose（2005）的做法，通過設立交叉項對“貿(mào)易天堂”假說進行檢驗，具體檢驗結果詳見附錄2。對這一假說的解釋主要有三種：

一是由于環(huán)境標準更為嚴格和完善，發(fā)達國家會將高污染高耗能產(chǎn)業(yè)向發(fā)展中國家轉移。本文在方程中加入開放度和人均收入的乘積這一交叉項為檢驗此機制。其系數(shù)顯著為負，即在同一開放程度下，高收入省份的污染反而較低，此機制成立。

二是與資源稟賦假說相近，環(huán)境資源豐富的國家會主動出口高污染產(chǎn)品。本文在方程中加入開放度與人均土地面積的交叉項，若此機制成立，其系數(shù)應為正。而本文回歸結果為負，此機制不成立。

三是資本密集型國家利用其比較優(yōu)勢生產(chǎn)較多資本密集型產(chǎn)品，導致污染集中。本文加入開放度與資本勞動比率的交叉項。其回歸系數(shù)顯著為負，即此機制在中國不成立。

綜上，由于在開放過程中接收來自發(fā)達國家的高污染產(chǎn)業(yè)，中國逐漸成為“污染天堂”。

六、敏感性檢驗

（一）數(shù)據(jù)選取的合理性檢驗

本文通過用2001-2010年間中國各省的工業(yè)粉塵排放量來代替PM2.5數(shù)據(jù)做敏感性檢驗。得到的部分回歸結果如表3所示。和表2所呈現(xiàn)出的結論相似，與簡單回歸相比，不論是單獨考慮內(nèi)生性、空間溢出效應，還是將兩種因素都考慮進去，貿(mào)易開放程度對霧霾的影響均為正顯著。這說明將PM2.5的數(shù)據(jù)作為霧霾的代理變量所產(chǎn)生的結果具有一定可靠性。①

表3 不同模型設計下貿(mào)易開放度對工業(yè)粉塵排放量的影響

注：1. 括號中顯示的是各變量所對應的標準誤差。 2. 星號表示的是不同顯著性水平。“***”表示 p<0.01，“**”表示p<0.05，“*”表示 p<0.1。

（二）工具變量選取的合理性檢驗

本文從兩個角度來檢驗合理性，一是工具變量與等式的外生關系（過度識別檢驗），二是工具變量與內(nèi)生變量的關系及強弱程度（不可識別檢驗及弱勢別檢驗）。其中，運用階條件來判斷方程是否可識別，運用秩條件來判斷方程識別的狀態(tài)。具體介紹如下所示：

1）Underidentification tests（不可識別檢驗）：通過秩條件來判斷工具變量與等式中的內(nèi)生變量是否有關系的檢驗。本文采取Anderson秩檢驗中的拉格朗日乘數(shù)法（Lagrange multiplier，LM）來檢驗（Anderson，1951）。兩種檢驗的原假設均為：方程不可識別。本文中結果顯示拒絕原假設，即方程可識別（identified）。

2）Weak identification test（弱識別檢驗）：工具變量與內(nèi)生變量關系強弱的檢驗。本文采取Cragg-Donald Wald秩檢驗的F檢驗方法（Cragg and Donald，1933）。原假設為：工具變量與內(nèi)生變量之間關系較弱。根據(jù)經(jīng)驗法則，F(xiàn)值大于10即可拒絕原假設。因此本文中工具變量與內(nèi)生變量有較強的相關性。

3）Weak-instrument-robust inference（弱工具變量檢驗）：工具變量本身顯著性程度的檢驗。本文采取Anderson-Rubin Wald檢驗（Anderson and Rubin，1950）與Stock-Wright拉格朗日乘數(shù)法檢驗（Stock and Wright，2000）。其原假設為：工具變量在回歸中的系數(shù)為0，即解釋力度不大。本文中拒絕原假設，即工具變量有較強解釋力。

如表5所示，本文的回歸結果通過了關于工具變量合理性的檢驗，因此采用此工具變量進行的回歸結果準確度較高。關于2SLS回歸中工具變量的第一階段回歸結果，詳見附錄3。

表5 工具變量的合理性檢驗結果

注：1. 括號中顯示的是各變量所對應的標準誤。 2. 星號表示的是不同顯著性水平。“***”表示 p<0.01，“**”表示p<0.05，“*”表示p<0.1。

七、結 論

本文利用1998-2012年間中國31個省市的PM2.5及相關數(shù)據(jù)，在同時考慮到了解釋變量內(nèi)生性及空間溢出效應這兩種可能使結果有偏的因素后，探尋貿(mào)易開放程度對霧霾的影響。結果證實了在中國貿(mào)易自由化對環(huán)境污染具有加劇作用的觀點。具體來說：

1. 中國各省霧霾情況的空間集聚效應明顯。

2. 在考慮到解釋變量的內(nèi)生性及空間溢出效應后，貿(mào)易開放度對霧霾的影響由負變正，由此得出貿(mào)易開放度對霧霾有加劇作用的結論，即中國有成為全球化背景下的“污染天堂”的趨勢。

本文的研究可能與特定的地域與時期有關，也與中國各省自身發(fā)展狀況的不同有關。如在全球價值鏈中處于不同地位的不同省市中貿(mào)易對環(huán)境的影響可能不同。因此，將全國性的數(shù)據(jù)分解至不同經(jīng)濟聚類區(qū)、進行更加深入的結構分析是本文下一步的研究方向。同時，貿(mào)易開放的影響機制除了EKC假說、污染天堂假說外，還有向底線賽跑（Race to the Bottom）假說，即在國際貿(mào)易競爭中各地紛紛降低其環(huán)境質量標準，以保持競爭力。進一步檢驗向底線賽跑假說也是本文下一步的完善方向。

本文結論也具有一定的政策意義，即：

1. 地方政府在治理霧霾時應考慮到霧霾的空間溢出效應，集聚區(qū)內(nèi)的省市聯(lián)合治理的結果會顯著優(yōu)于某個省的單打獨斗。同時，通過將高污染產(chǎn)業(yè)遷至鄰省從而達到減少本省污染目標的這種以鄰為壑的做法是不可取的，并不能從根本上改善本省環(huán)境。

2. 政府在制定貿(mào)易開放政策時應考慮到貿(mào)易開放對環(huán)境的負影響。在進行進出口貿(mào)易時應注意貿(mào)易產(chǎn)品的結構優(yōu)化，避免重蹈歐美國家在上世紀初遇到的種種環(huán)境危機。

附錄1 各變量名稱及基本信息

變量名稱單位樣本數(shù)均值標準差最小值最大值 PM2.5PM2.5濃度39039.03419.0378.69485.650 Openness貿(mào)易開放程度—3900.3240.4110.0341.690 Income人均實際收入萬元39018.69612.2604.62664.192 Policy政府環(huán)境治理投資萬元3900.0020.0020.0010.007 Landarea per capita土地密度—390401.930380.28830.6972239.017 Heat供暖情況—3900.6650.4640.0001.000 Trip income旅游外匯收入萬元367295.579620.2730.2334562.240

附錄2 “污染天堂”假說的檢驗結果

假設1假設2假設3 ln Openness0.807***（0.000）0.793***（0.000）0.796***（0.000） 1.847***（0.000）1.773***（0.000）1.814***（0.000） ln Policy-0.043（0.231）-0.019（0.603）-0.029（0.428） ln landareaper capita0.223*（0.058）0.195*（0.098）0.217*（0.072） Heat-0.080（0.401）-0.102（0.290）-0.090（0.350）

續(xù)附錄2

假設1假設2假設3 Openness * Income-0.012***（0.000）__ Openness * Land_-0.0003***（0.002）_ Openness * Capital-labor Ratio__-0.032***（0.002） Observations370370370 Adjusted 0.7870.7800.779

注：1. 括號中顯示的是各變量所對應的標準誤差。 2. 星號表示的是不同顯著性水平?！?**”表示 p<0.01，“**”表示p<0.05，“*”表示p<0.

附錄3 2SLS方法的第一階段回歸結果

模型（6）模型（8）敏感性檢驗 ln Income-0.220** （0.026）0.362 （0.425）-0.220** （0.026） ln2Income_-0.108（0.189）_ ln Policy0.049*** （0.000）0.032 （0.378）0.049 （0.160） ln Landarea per capita-0.194 * （0.075）-0.172 （0.120）-0.194* （0.075） Heat0.159*** （0.000）0.174* （0.063）0.159* （0.087） ln Trip_income0.203*** （0.000）0.201*** （0.000）0.203*** （0.000） Observations330 330 330 Adjusted R20.370 0.374 0.370 F value96.65***（0.000）26.96***（0.000）96.65***（0.000） Underidentification tests合格合格合格 Weak identification test合格合格合格 Weak-instrument-robust inference合格合格合格

注：1. 括號中顯示的是各變量所對應的標準誤差。 2. 星號表示的是不同顯著性水平?！?**”表示 p<0.01，“**”表示p<0.05，“*”表示 p<0.1。

1. 鄧柏盛、宋德勇：《中國對外貿(mào)易，F(xiàn)DI與環(huán)境污染之間關系的研究: 1995-2005》[J]，《國際貿(mào)易問題》2008年第4期。

2. 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年第4期。

3. 彭水軍、張文城、曹毅：《貿(mào)易開放的結構效應是否加劇了中國的環(huán)境污染——基于地級城市動態(tài)面板數(shù)據(jù)的經(jīng)驗證據(jù)》[J]，《國際貿(mào)易問題》2013年第8期。

4. 沈坤榮、李劍：《中國貿(mào)易發(fā)展與經(jīng)濟增長的經(jīng)驗研究》[J]，《經(jīng)濟研究》2003年第5期。

5. 魏鋒、沈坤榮：《中國出口商品結構與貿(mào)易發(fā)展方式的轉變——基于1978-2007 年的經(jīng)驗研究》[J]，《國際貿(mào)易問題》2009年第10期。

6. 許廣月、宋德勇：《中國碳排放環(huán)境庫茲涅茨曲線的實證研究》[J]，《中國工業(yè)經(jīng)濟》2010年第5期。

7. 楊海生、賈佳、周永章：《貿(mào)易, 外商直接投資，經(jīng)濟增長與環(huán)境污染》[J]，《中國人口資源與環(huán)境》2005年第2期。

8. Anderson, T. W., 1951, "Estimating Linear Restrictions on Regression Coefficients for Multivariate Normal Distributions" [J],, PP327-351.

9. Anderson, T. W., and Rubin, H., 1950, "The Asymptotic Properties of Estimates of the Parameters of a Single Equation in a Complete System of Stochastic Equations"[J],, PP 570-582.

10. Anselin, L., 1995, "Local Indicators of Spatial Association—LISA"[J],, Vol.27(2), PP 93-115.

11. Antweiler, W., Copeland, B. R., and Taylor, M. S., 1998, "Is Free Trade Good for the Environment?" [J],No. w6707.

12. Baek, J., Cho, Y., and Koo, W. W., 2009, "The Environmental Consequences of Globalization: A Country-specific Time-series Analysis"[J],, Vol.68(8), PP2255-2264.

13. Cole, Matthew A., 2006, "Does Trade Liberalization Increase National Energy Use?" [J],, Vol.92(1), PP108-112.

14. Cole, Matthew A., and Elliott. R. J., 2003, "Determining the Trade–environment Composition Effect: The Role of Capital, Labor and Environmental Regulations." [J],, Vol.46(3), PP363-383.

15. Copeland, B. R., and Taylor, M. S., 1995, "Trade and Transboundary Pollution"[J],, PP716-737.

16. Copeland, B. R., and Taylor, M. S., 2003, "Trade, Growth and the Environment"[J] ,. No. w9823.

17. Cragg, John G., and Donald, S. G., 1993, "Testing Identifiability and Specification in Instrumental Variable Models." [J],, Vol.9, PP222-240.

18. Frankel, J. A., and Rose, A. K., 2005, "Is Trade Good or Bad for the Environment? Sorting Out the Causality." [J],Vol.87(1), PP85-91.

19. Frankel, J. A., & Romer, D., 1999, "Does Trade Cause Growth? "[J],, PP379-399.

20. Grossman, G. M., and Krueger, A. B., 1991, "Environmental Impacts of a North American Free Trade Agreement"[J],. No. w3914.

21. Li, Z., Xu, N., and Yuan, J., 2015, "New Evidence on Trade-environment Linkage Via Air Visibility" [J],.

22. Maddison, David., 2007, "Modelling Sulphur Emissions in Europe: a Spatial Econometric Approach." [J],, Vol.59(4), PP726-743.

23. Panayotou, Theodore., 2000, "Economic Growth and the Environment"[D], Center for International Development at Harvard University. No. 56.

24. Stock, J. H., and Wright, J. H., 2000, "GMM with Weak Identification." [J],, Vol.68(5), PP1055-1096.

25. Yan Yunfeng, and Yang Laike, 2010, "China's Foreign Trade and Climate Change: A Case Study of CO 2 Emissions"[J],, Vol.38(1): PP350-356.

（HT）

①因篇幅所限，各年間指數(shù)的具體數(shù)值從略。若需要可與作者聯(lián)系索要。

①因篇幅所限，其他年份的集聚地圖未呈現(xiàn)。需要可與作者索要。

①因篇幅所限，二次方項的回歸結果未呈現(xiàn)。需要可與作者索要。

②由于篇幅原因，工具變量在兩階段回歸中第一階段的回歸結果未在此展示，若需要可與作者索要。

①以工業(yè)粉塵排放量為指標的工具變量及模型設定的合理性檢驗結果由于篇幅原因未能展示，若需要可與作者聯(lián)系索要。