基于PM2.5指標(biāo)的中國環(huán)境庫茲涅茨曲線估計(jì)

李龔

（上海交通大學(xué) 安泰經(jīng)濟(jì)與管理學(xué)院，上海 200030）

基于PM2.5指標(biāo)的中國環(huán)境庫茲涅茨曲線估計(jì)

李龔

（上海交通大學(xué) 安泰經(jīng)濟(jì)與管理學(xué)院，上海 200030）

文章利用2014年中國138個(gè)城市截面數(shù)據(jù)與空間計(jì)量經(jīng)濟(jì)學(xué)模型，基于擴(kuò)展的傳統(tǒng)環(huán)境庫茲涅茨曲(EKC)，以PM2.5為環(huán)境指標(biāo)，分析我國城市環(huán)境污染的空間相關(guān)性、EKC的形狀及其影響因素。結(jié)果發(fā)現(xiàn)：我國城市環(huán)境污染存在明顯的空間正相關(guān)性，截面數(shù)據(jù)模擬出的EKC曲線呈現(xiàn)“倒U形”，EKC假說在我國城市尺度得到證實(shí)；第二產(chǎn)業(yè)比重、人口密度、汽車保有量等與環(huán)境污染呈現(xiàn)正相關(guān)；城市產(chǎn)業(yè)結(jié)構(gòu)升級，統(tǒng)籌區(qū)域發(fā)展，控制城市汽車保有量以及多城市聯(lián)合治理，有利于環(huán)境質(zhì)量的提高。

環(huán)境庫茲涅茨曲線；PM2.5；空間計(jì)量經(jīng)濟(jì)學(xué)模型；產(chǎn)業(yè)結(jié)構(gòu)

0 引言

20世紀(jì)90年代初期，美國經(jīng)濟(jì)學(xué)家Grossman和Krueger提出環(huán)境庫茲涅茨曲線(Environmental Kuznets Curve,EKC)，表明經(jīng)濟(jì)增長與環(huán)境污染之間呈現(xiàn)“倒U形”關(guān)系，即環(huán)境質(zhì)量會(huì)隨著經(jīng)濟(jì)的增長呈現(xiàn)先惡化后改善的趨勢[1]。我國關(guān)于EKC的研究始于1999年，主要研究則在2002年以后。隨著經(jīng)濟(jì)的不斷發(fā)展，社會(huì)對環(huán)境的關(guān)注日益增加，以及最近幾年“低碳經(jīng)濟(jì)”的概念日益深入人心，環(huán)境問題也隨之成為經(jīng)濟(jì)學(xué)研究的熱點(diǎn)。李慧明等(2003)研究發(fā)現(xiàn)，我國目前的環(huán)境質(zhì)量仍然處在“局部改善，整體惡化”的狀態(tài)，并且還沒有達(dá)到EKC的轉(zhuǎn)折點(diǎn)，更加不可能達(dá)到EKC曲線的右側(cè)[2]。林伯強(qiáng)等（2009）以二氧化碳的排放量作為環(huán)境的代理指標(biāo)，選取了1960年至2007年的中國二氧化碳排放量數(shù)據(jù)，使用了人均收入作為解釋變量的二次方程，估算出了我國EKC呈現(xiàn)“倒U形”關(guān)系，并且從理論上估計(jì)了我國EKC曲線的拐點(diǎn)是人均GDP37170元[3]。楊萬平等（2009）以1982年至2006年我國6大類工業(yè)環(huán)境污染數(shù)據(jù)為基礎(chǔ)，使用改進(jìn)的熵值法估算我國的EKC曲線，其結(jié)果表明：我國經(jīng)濟(jì)增長和環(huán)境污染之間不存在“倒U形”關(guān)系，而是呈現(xiàn)“正U形”關(guān)系[4]。蘇梽芳等(2009)利用中國28個(gè)省域2003年至2005年的面板數(shù)據(jù)，使用空間面板數(shù)據(jù)模型對EKC進(jìn)行了估計(jì)，其結(jié)果表明：區(qū)域污染存在空間相關(guān)性，區(qū)域污染排放不僅受本區(qū)域人均收入影響，且相鄰區(qū)域的污染物排放也對本區(qū)域有重大影響，污染物排放具有空間溢出作用[5]。羅嵐等（2012）利用了2000年至2009年我國各省份的面板數(shù)據(jù)，以廢水、廢氣和固體廢棄物為環(huán)境指標(biāo)，估算了各個(gè)指標(biāo)下的EKC，其結(jié)果表明：以三廢作為環(huán)境指標(biāo)估算出的EKC在大部分省均呈現(xiàn)“倒U形”；廢水污染在未來十年內(nèi)可以實(shí)現(xiàn)與經(jīng)濟(jì)發(fā)展同時(shí)改善，而固體廢棄物和廢氣則要相對較遲[6]。高宏霞等（2012）搜集了2000年至2009年31個(gè)省市自治區(qū)的面板數(shù)據(jù)，對全國31個(gè)省市自治區(qū)進(jìn)行了研究，結(jié)果表明我國各省份的EKC呈現(xiàn)“倒U形”，并且大部分省份的EKC拐點(diǎn)是在2020年以后[7]。吳玉鳴等（2012）擴(kuò)展了傳統(tǒng)的EKC模型，引入了城市化率，引進(jìn)了人口數(shù)、人力資本、產(chǎn)業(yè)結(jié)構(gòu)及對外開放等因素，利用2008年我國31個(gè)省份的截面數(shù)據(jù)，使用空間計(jì)量經(jīng)濟(jì)學(xué)模型，分析了我國EKC的形狀及其影響因素，以及省域環(huán)境污染的空間相關(guān)性，其結(jié)果表明：我國省域環(huán)境污染之間存在明顯的空間自相關(guān)性；同時(shí)，30個(gè)省域的EKC呈現(xiàn)倒U型[8]。

本文所選取的環(huán)境指標(biāo)是PM2.5濃度。PM2.5指的是大氣中粒子直徑小于或等于2.5微米的顆粒物，又稱細(xì)顆粒物。PM2.5有直徑小、表面積大、活性強(qiáng)、容易攜帶有毒有害物質(zhì)、在大氣中停留時(shí)間長、輸送距離遠(yuǎn)等特點(diǎn)，對人體健康影響較大。PM2.5的來源分為兩種，分別是自然源與人為源，其中主要來自人為源，包括道路揚(yáng)塵、工業(yè)粉塵、化石燃料的燃燒等[9]。PM2.5的上述特征表明，PM2.5不是單一的污染物，而是一種綜合性環(huán)境污染指標(biāo)。

綜上可知，學(xué)者們在研究EKC曲線的時(shí)候，大多只用人均GDP或人均收入這一個(gè)指標(biāo)作為解釋變量，而忽略了其他指標(biāo)的影響，比如產(chǎn)業(yè)結(jié)構(gòu)、人口密度等，同時(shí)也忽略了區(qū)域環(huán)境污染之間的空間自相關(guān)性。選取的環(huán)境指標(biāo)通常都是“三廢”、粉塵、二氧化硫、二氧化碳等，這些都是單一的環(huán)境指標(biāo)而不是綜合的環(huán)境指標(biāo)。文獻(xiàn)中得到的EKC形狀各異，有“倒U形”[10]、“正U形”[4,12]、“N形”[11]、“N形+倒U形”[13]、“凹形”[14]等。

與以往EKC的研究相比，本文有如下的三點(diǎn)不同：第一，本文利用了PM2.5濃度作為環(huán)境污染的指標(biāo)。在國內(nèi)的EKC研究中，尚且沒有選擇PM2.5濃度為環(huán)境指標(biāo)；同時(shí)PM2.5本身是一種綜合的環(huán)境指標(biāo)，與之前的EKC研究中使用的單一指標(biāo)不同。第二，本文搜集了2014年我國138個(gè)城市的相關(guān)截面數(shù)據(jù)。目前，在相關(guān)EKC研究中，大多是基于國家或者省市自治區(qū)層面，很少有城市層面的EKC研究。第三，基于PM2.5易擴(kuò)散的物理特征，本文采用了空間計(jì)量經(jīng)濟(jì)學(xué)模型，從而控制相鄰地區(qū)PM2.5的相關(guān)性。

1 研究模型、方法和數(shù)據(jù)

1.1 空間自相關(guān)[15]

空間自相關(guān)指的是某個(gè)變量在同一分布區(qū)域里的觀察值之間存在潛在的相互依賴關(guān)系。全局區(qū)域自相關(guān)是從區(qū)域整體上刻畫空間聚集情況。通常用全局莫蘭指數(shù)(Moran’s I)來度量全局空間自相關(guān)，其計(jì)算公式如下：

在衡量某一特定區(qū)域附近的空間聚集情況的時(shí)候，通常選用局部莫蘭指數(shù)(Local Moran’s I)，其公式如下：

其中yi和yj分別是第i和第j個(gè)地區(qū)的觀察值，n是地區(qū)總數(shù)量，表示所選指標(biāo)的均值，s2是所選指標(biāo)的方差，ωij是空間權(quán)重的值。

全局莫蘭指數(shù)的取值范圍在-1到1之間，大于0則存在正相關(guān)關(guān)系，小于0則存在負(fù)相關(guān)關(guān)系，等于0則不存在空間關(guān)系，絕對值越大則表示相關(guān)關(guān)系越強(qiáng)。正的局部莫蘭指數(shù)表示該區(qū)域的高值被周圍的高值所包圍，或者該地區(qū)的低值被周圍的低值所包圍；反之則表示該區(qū)域的高值被周圍的低值所包圍，或該區(qū)域的低值被周圍的高值所包圍。

1.2 空間計(jì)量經(jīng)濟(jì)學(xué)模型

空間計(jì)量經(jīng)濟(jì)學(xué)模型可以分為空間滯后模型(Spatial Lag Model,SLM)和空間誤差模型(Spatial Error Model, SEM)。

(1)空間滯后模型(SLM)[16]

在模型中考慮因變量的空間滯后項(xiàng)，則可以選擇空間滯后模型：

其中，yi是因變量；ω是n×n階的空間權(quán)重矩陣；∑i≠jωijyi是所有鄰近區(qū)域地區(qū)因變量的加權(quán)和，作為因變量的空間滯后項(xiàng)，ρ是衡量因變量溢出效應(yīng)的參數(shù)，稱為空間自回歸系數(shù)；xi是n×k的自變量矩陣，β是參數(shù)，反映自變量對因變量的影響程度；εi是隨機(jī)誤差項(xiàng)。

(2)空間誤差模型(SEM)[17]

當(dāng)因變量的空間依賴性存在于隨機(jī)擾動(dòng)項(xiàng)的時(shí)候，則可以考慮使用空間誤差模型：

其中，μi是隨機(jī)誤差項(xiàng)；λ是μi的自回歸系數(shù)，用來衡量鄰近地區(qū)因變量yi的誤差項(xiàng)加權(quán)總和∑i≠jωijμi對因變量yi誤差項(xiàng)的影響程度；εi是正太分布的隨機(jī)誤差項(xiàng)。

1.3 選取指標(biāo)

本文所涉及的指標(biāo)如下：

(1)PM2.5濃度：作為實(shí)證分析中環(huán)境質(zhì)量的代理指標(biāo)，它與環(huán)境質(zhì)量呈現(xiàn)負(fù)相關(guān)關(guān)系，即環(huán)境質(zhì)量得到改善則PM2.5濃度下降，反之PM2.5濃度上升。

(2)人均GDP：根據(jù)環(huán)境庫茨涅茲曲線的理論，經(jīng)濟(jì)的發(fā)展與環(huán)境污染之間呈現(xiàn)“倒U形”關(guān)系，即在經(jīng)濟(jì)發(fā)展初期，社會(huì)以犧牲環(huán)境質(zhì)量為代價(jià)來換取人均GDP的提高，環(huán)境質(zhì)量開始逐步惡化，然而，當(dāng)人均GDP到達(dá)一定程度之后，社會(huì)開始逐步關(guān)注環(huán)境質(zhì)量，于是伴隨著人均GDP的逐步提高，環(huán)境質(zhì)量也在不斷提高。

(3)汽車保有量：汽車尾氣是PM2.5的主要來源之一。本文為了研究PM2.5濃度與人均GDP的關(guān)系，需要控制住其他影響PM2.5濃度的變量，而城市的汽車保有量是一個(gè)影響PM2.5濃度的重要因素。本文假設(shè)城市的汽車保有量與城市的PM2.5呈現(xiàn)正相關(guān)關(guān)系，即城市的汽車保有量增加會(huì)導(dǎo)致PM2.5的濃度也相應(yīng)地增加。

(4)總降水量：雨水會(huì)溶解大氣中的有害顆粒物，從而達(dá)到清潔大氣的作用。本文假設(shè)PM2.5濃度與降水量呈現(xiàn)負(fù)相關(guān)關(guān)系，即降水量越大則對應(yīng)的PM2.5濃度就會(huì)越低，反之，PM2.5濃度將會(huì)越高。

(5)第二產(chǎn)業(yè)比重：在第一、第二和第三產(chǎn)業(yè)中，第一和第三兩個(gè)產(chǎn)業(yè)是相對比較清潔的，不會(huì)對環(huán)境造成過多的影響，而第二產(chǎn)業(yè)則是影響環(huán)境質(zhì)量的重要來源。本文假設(shè)第二產(chǎn)業(yè)的比重與PM2.5濃度呈現(xiàn)正相關(guān)關(guān)系，即第二產(chǎn)業(yè)的比重越大，則PM2.5濃度就會(huì)越高，反之PM2.5濃度就會(huì)越低。

(6)人口密度：人口密度越高則對環(huán)境的壓力就會(huì)越大，造成的環(huán)境污染就可能更加嚴(yán)重。本文假設(shè)人口密度與PM2.5之間呈現(xiàn)正相關(guān)關(guān)系，即人口密度越高，對應(yīng)的PM2.5濃度就會(huì)越高，反之PM2.5濃度就會(huì)越低。

(7)是否在秦嶺淮河以北：這個(gè)指標(biāo)作了啞變量處理，處于秦嶺淮河以北的城市取1，否則取0。秦嶺淮河線從地理上將我國分成了南北雙方，同時(shí)也是人文上的分割線，是我國所特有的。我國800毫米等降水線于秦嶺淮河一線重合，越向北降水量越少；我國在秋冬兩季實(shí)行集體供暖，而供暖城市絕大多數(shù)都是位于秦嶺淮河以北，供暖會(huì)消耗大量能源，同時(shí)會(huì)產(chǎn)生大量的環(huán)境污染。本文假設(shè)該啞變量與PM2.5濃度呈現(xiàn)正相關(guān)關(guān)系，即在同等情況下，秦嶺淮河以北的PM2.5濃度會(huì)高于秦嶺淮河以南。

1.4 數(shù)據(jù)說明與實(shí)證模型構(gòu)建

本文所涉及到的數(shù)據(jù)源于我國2014年138個(gè)城市，包括：PM2.5濃度(PM25，單位：微克/立方米)、降水量(RAIN-FALL，單位：毫米)、汽車保有量(CARNUM，單位：萬輛)、人均GDP(單位：元)、第二產(chǎn)業(yè)比重(INDUSTRY)、人口密度(POPDENSITY，單位：萬人/平方公里)以及是否秦嶺淮河以北(ISNORTH)。其中，2014年138個(gè)城市的PM2.5濃度數(shù)據(jù)和降水量數(shù)據(jù)來自于新浪網(wǎng)；汽車保有量、人均GDP和第二產(chǎn)業(yè)比重來自于2014年各城市國民經(jīng)濟(jì)與社會(huì)發(fā)展統(tǒng)計(jì)公告；人口密度是根據(jù)各個(gè)城市人口數(shù)量和面積計(jì)算得到。

本文是以PM2.5濃度作為環(huán)境指標(biāo)，控制影響PM2.5濃度的其他的變量，即汽車保有量、總降水量、第二產(chǎn)業(yè)比重、人口密度、是否秦嶺淮河以北，來估計(jì)人均GDP與環(huán)境質(zhì)量的關(guān)系，從而得出環(huán)境庫茨涅茨曲線的形狀。本文選用的是基于截面數(shù)據(jù)建立的靜態(tài)空間計(jì)量模型，將PM25、AVGGDP、CARNUM、RAINFALL和POPDENSITY這幾個(gè)變量進(jìn)行對數(shù)化處理，根據(jù)模型(3)和模型(4)分別建立如下的兩個(gè)空間計(jì)量模型，即空間滯后模型(SLM)和空間誤差模型(SEM)：

空間滯后模型(SLM)：

空間誤差模型(SEM)：

2 實(shí)證結(jié)果分析

2.1 空間相關(guān)性的檢驗(yàn)

首先，基于城市空間實(shí)際距離生成空間權(quán)重矩陣，然后對138個(gè)城市的對應(yīng)變量數(shù)據(jù)進(jìn)行全局空間自相關(guān)檢驗(yàn)，其結(jié)果表1所示，其中I表示全局莫蘭指數(shù)，E(I)表示其理論期望，SD(I)表示其理論標(biāo)準(zhǔn)差，Z表示其標(biāo)準(zhǔn)化值。

表1 EKC變量的全局空間自相關(guān)檢驗(yàn)

根據(jù)距離空間權(quán)重計(jì)算PM2.5，降水量、人口密度、人均GDP以及是否是秦嶺淮河以北的全局莫蘭指數(shù)分別是0.478，0.336，0.206，0.349，0.791，都通過了1%的顯著性檢驗(yàn)水平，說明這些變量在空間分布上都存在明顯的正自相關(guān)。而第二產(chǎn)業(yè)比重與汽車保有量相對而言就不存在明顯的空間自相關(guān)性。綜合以上結(jié)果，在研究城市EKC問題的時(shí)候不能忽視城市之間的空間效應(yīng)。

2.2 空間計(jì)量估計(jì)與分析

為了與城市截面的EKC空間計(jì)量結(jié)果進(jìn)行比較，本文首先用常規(guī)的普通最小二乘法(OLS)進(jìn)行回歸估計(jì)，然后使用Stata進(jìn)行SLM和SEM兩個(gè)模型的估計(jì)，并得到結(jié)果，見表2。

表2 OLS、SLM和SEM估計(jì)結(jié)果

OLS的估計(jì)結(jié)果表明：OLS的擬合優(yōu)度是0.3569，F(xiàn)值是10.29，模型整體上通過了1%顯著性檢驗(yàn)。人均GDP、人均GDP的平方、是否秦嶺淮河以北，通過了5%的顯著性檢驗(yàn)；人口密度和第二產(chǎn)業(yè)比重通過了1%的顯著性檢驗(yàn)；而汽車保有量和降水量則沒有通過12%的顯著性檢驗(yàn)，即不顯著。前面的全局莫蘭指數(shù)檢驗(yàn)表明城市之間的因變量存在明顯的空間相關(guān)性，OLS的結(jié)果與之不符，表明OLS模型的設(shè)定存在問題，即OLS可能忽略了城市之間的空間相關(guān)性。

從SLM和SEM的估計(jì)結(jié)果可以看出：SLM中人均GDP、人均GDP的平方、汽車保有量、人口密度、第二產(chǎn)業(yè)比重以及是否秦嶺淮河以北，這幾個(gè)變量都通過了5%的顯著性檢驗(yàn)；而降水量通過了10%的顯著性檢驗(yàn)；空間自相關(guān)系數(shù)通過Wald Test、LRTest以及LM Test，顯著性都在1%。SEM中人均GDP、人均GDP的平方、汽車保有量、人口密度、第二產(chǎn)業(yè)比重以及是否秦嶺淮河以北，這幾個(gè)變量也都通過了5%的顯著性水平檢驗(yàn)；而降水量通過了10%的顯著性檢驗(yàn)；空間自相關(guān)系數(shù)通過LRTest和LM Test的檢驗(yàn)，顯著性在1%，而在Wald Test中，沒有通過10%的顯著性檢驗(yàn)；SLM和SEM的擬合優(yōu)度R2分別是0.5580603和0.4920067，明顯大于OLS的0.3569。

根據(jù)模型的估計(jì)結(jié)果，得出SLM的方程，即EKC模型是：

圖12014 年中國138個(gè)城市截面

對于人均GDP而言，OLS和SLM模型的走勢如圖1?？梢钥闯觯琌LC和SLM估算出的EKC都呈現(xiàn)“倒U形”，且兩條曲線的拐點(diǎn)相近。同時(shí)在SLM估算出的ELC中，當(dāng)lnAVGGDP達(dá)到10.4198219的時(shí)候達(dá)到拐點(diǎn)，即人均GDP達(dá)到33517.5元時(shí)，EKC達(dá)到拐點(diǎn)。根據(jù)數(shù)據(jù)可以知道，我國138個(gè)城市中絕大部分城市的人均GDP都超過了上述拐點(diǎn)，只有29個(gè)城市沒有超過拐點(diǎn)。即這些城市目前仍是以犧牲環(huán)境質(zhì)量為代價(jià)來發(fā)展經(jīng)濟(jì)。從圖上看，SLM的曲線比數(shù)據(jù)EKC圖OLS的曲線平緩，因?yàn)镺LS沒有考慮到空間的自相關(guān)效應(yīng)，把周邊地區(qū)溢出的污染也算進(jìn)本地區(qū)的污染中，使得PM2.5濃度對人均GDP的變化更加敏感，說明了在忽略空間自相關(guān)效應(yīng)的OLS中，夸大了人均GDP對PM2.5濃度的影響，從而可能會(huì)導(dǎo)致在環(huán)境治理上過度關(guān)注人均GDP的變化而忽略其他因素。

2.3 SLM的結(jié)果分析

汽車保有量（lnCARNUM）對環(huán)境污染的回歸系數(shù)是0.0720433，通過5%的顯著性水平檢驗(yàn)，表明在不考慮其他因素的情況下，汽車保有量每增加1%，環(huán)境損失將增加0.0720433%。較大規(guī)模的汽車保有量對環(huán)境保護(hù)造成了較大的壓力。一線大中型城市目前已經(jīng)對城市的汽車數(shù)量進(jìn)行一定的限制，這些措施也進(jìn)一步表明了較大的汽車保有量對環(huán)境質(zhì)量確實(shí)造成了不小的壓力。

人口密度（lnPOPDENSITY）對環(huán)境污染的回歸系數(shù)是1.050023，通過了5%的顯著性水平檢驗(yàn)，表明人口密度每增加1%，環(huán)境損失將增加1.050023%。京津冀的環(huán)境污染相對比較嚴(yán)重，這與當(dāng)?shù)剌^高的人口密度也不無關(guān)系。這就表明了要改善大中型城市的環(huán)境就有必要合理化分配城市配套資源，減小區(qū)域發(fā)展之間的不平衡。

降水量（lnRAINFALL）和是否秦嶺淮河以北（ISNORTH）這兩個(gè)因素對環(huán)境污染的回歸系數(shù)分別是-0.1028827和0.1309262，分別通過了10%和5%的顯著性檢驗(yàn)。降水量反映了各個(gè)城市之間的氣候差異。降水較多的南方會(huì)沖洗掉環(huán)境中的一些雜質(zhì)，這樣有利于環(huán)境的自我凈化和修復(fù)，即在其他因素不變的情況下，降水量越多，環(huán)境質(zhì)量越好。這與模型回歸的結(jié)果是相同的。是否處與秦嶺淮河以北從地理的角度講我國分成了南方和北方。北方城市在冬季會(huì)采取集中供暖，而南方城市則沒有。北方城市冬季采取集中供暖必然會(huì)給環(huán)境造成損失，這與模型的回歸結(jié)果也是一致的。

第二產(chǎn)業(yè)比重（INDUSTRY）對環(huán)境的回歸系數(shù)是0.8276416，通過了1%的顯著性水平檢驗(yàn)，表明了第二產(chǎn)業(yè)比重每增加1%，環(huán)境損失就會(huì)增加0.8276416%。第二產(chǎn)業(yè)主要以制造業(yè)為主，需要消耗大量的自然資源，同時(shí)也會(huì)對環(huán)境造成不可避免的傷害。模型的系數(shù)中第二產(chǎn)業(yè)比重的回歸系數(shù)是最大的，說明了在模型列舉的因素中，第二產(chǎn)業(yè)比重是對環(huán)境影響最大的。這進(jìn)一步表明了產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對環(huán)境保護(hù)的重要性。

與SLM估計(jì)結(jié)果比較，OLS中人口密度、是否秦嶺淮河以北這兩個(gè)變量的系數(shù)偏大，原因是OLS模型中把其他周邊區(qū)域的影響也算成本地區(qū)的影響，故而OLS的結(jié)果會(huì)偏大；第二產(chǎn)業(yè)比重、降水量的系數(shù)與OLS模型的結(jié)果相比，幾乎沒有變化；OLS模型中汽車保有量的系數(shù)比SLM中的系數(shù)偏小，說明汽車保有量的影響在OLS中被低估了，同時(shí)在OLS中該變量沒有通過顯著性檢驗(yàn)，即OLS不能有效說明汽車保有量的影響。

3 結(jié)論

本文擴(kuò)展了傳統(tǒng)的環(huán)境庫茨涅茨曲線模型，添加了汽車保有量、人口密度、降水量、第二產(chǎn)業(yè)比重、是否秦嶺淮河以北這5個(gè)變量，利用空間計(jì)量經(jīng)濟(jì)學(xué)模型，研究了我國138個(gè)城市的EKC的形狀及其影響因素。結(jié)果發(fā)現(xiàn)：我國PM2.5濃度在空間分布上存在明顯的正自相關(guān)關(guān)系，說明我國各個(gè)城市環(huán)境污染不是相互獨(dú)立的，而是存在空間正向自相關(guān)的；利用2014年度我國138個(gè)城市的相關(guān)截面數(shù)據(jù)模擬得出的EKC圖形是呈現(xiàn)“倒U形”，表明EKC假說在我國可以得到歷史數(shù)據(jù)的支持；同時(shí)估計(jì)出擴(kuò)展后的EKC對人均GDP的拐點(diǎn)是33517.5元，即在其他因素不變的情況下，人均GDP達(dá)到或超過33517.5元的城市的環(huán)境質(zhì)量會(huì)隨著經(jīng)濟(jì)的發(fā)展而逐步改善。

基于上述的結(jié)果獲得的政策建議如下：由于環(huán)境污染是存在空間相關(guān)性的，所以城市在治理環(huán)境的時(shí)候，要注重城市區(qū)域之間的合作；城市的產(chǎn)業(yè)結(jié)構(gòu)要不斷調(diào)整，要逐步改善第一、第二和第三產(chǎn)業(yè)的比重，積極發(fā)展第三產(chǎn)業(yè)，使產(chǎn)業(yè)逐步升級；大中型城市要合理控制汽車保有量，提升城市交通和環(huán)境質(zhì)量；在推進(jìn)城市化的過程中，要逐步實(shí)現(xiàn)城市之間基礎(chǔ)設(shè)施及相關(guān)服務(wù)的均衡，避免人口過度集中。

[1]Grossman G M,Krueger A B.Economic Growth and The Environment [J].Quarterly Journal of Economics,1995,110(2).

[2]李慧明,卜欣欣.環(huán)境與經(jīng)濟(jì)如何雙贏——環(huán)境庫茲涅茨曲線引發(fā)的思考[J].南開學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版）,2003，(1).

[3]林伯強(qiáng),蔣竺均.中國二氧化碳的環(huán)境庫茲涅茨曲線預(yù)測及影響因素分析[J].管理世界,2009，(4).

[4]楊萬平,袁曉玲.環(huán)境庫茲涅茨曲線假說在中國的經(jīng)驗(yàn)研究[J].長江流域資源與環(huán)境,2009,18(8).

[5]蘇梽芳,胡日東,林三強(qiáng).環(huán)境質(zhì)量與經(jīng)濟(jì)增長庫茲尼茨關(guān)系空間計(jì)量分析[J].地理研究,2009，(2).

[6]羅嵐,鄧玲.我國各省環(huán)境庫茲涅茨曲線地區(qū)分布研究[J].統(tǒng)計(jì)與決策,2012，(10).

[7]高宏霞,楊林,付海東.中國各省經(jīng)濟(jì)增長與環(huán)境污染關(guān)系的研究與預(yù)測——基于環(huán)境庫茲涅茨曲線的實(shí)證分析[J].經(jīng)濟(jì)學(xué)動(dòng)態(tài), 2012，(1).

[8]吳玉鳴,田斌.省域環(huán)境庫茲涅茨曲線的擴(kuò)展及其決定因素[J].地理研究,2012,31(4).

[9]王瑋,湯大鋼,劉紅杰.中國PM2.5污染狀況和污染特征的研究[J].環(huán)境科學(xué)研究,2000,13(1).

[10]高靜.中國SO2與CO2排放路徑與環(huán)境治理研究:基于30個(gè)省市環(huán)境庫茲涅茨曲線面板數(shù)據(jù)分析[J].現(xiàn)代財(cái)經(jīng),2012，(8).

[11]丁繼紅,年艷.經(jīng)濟(jì)增長與環(huán)境污染關(guān)系剖析:以江蘇省為例[J].南開經(jīng)濟(jì)研究,2010,(2).

[12]李憶雯,王君,周麗蓉.四川經(jīng)濟(jì)增長與環(huán)境污染關(guān)系的實(shí)證研究[J].統(tǒng)計(jì)與決策,2012，(13).

[13]蘇營營,余建林,蒲鳳蓮等.嘉興市環(huán)境庫茲涅茨曲線特征分析[J].環(huán)境科學(xué)與管理,2012,37(2).

[14]班春峰,徐夢潔,趙紫玉等.河南省環(huán)境庫茲涅茨曲線的實(shí)證研究[J].環(huán)境科學(xué)與管理,2008,33(9).

[15]Anselin L.Local Indicators of Spatial Autocorelation—LISA[J].Geo?graphical Analysis,1995,27(2).

[16]Ord K.Estimation Methods For Models of Spatial Interaction[J].Jour?nal of the American Statistical Association,1975,70(349).

[17]Anselin L.Spatial Econometrics:Methods and Models[J].Journal of the American Statistical Association,1990,85(411).

（責(zé)任編輯易永生）

X820

A

1002-6487（2016）23-0021-04

李 龔（1992—），男，江蘇鹽城人，碩士研究生，研究方向：產(chǎn)生經(jīng)濟(jì)學(xué)。