苏、锡、常经济增长与水环境污染关系.docVIP

苏、锡、常经济增长与水环境污染关系 　　摘要：运用协整分析和误差修正模型研究了苏、锡、常城市1992～2010年经济增长与水环境污染的长期均衡与短期动态调整关系。首先运用自回归分布滞后模型中的边界检验法和Johansen协整检验法验证EKC关系的存在；然后分别运用ARDL模型和ECM模型验证经济增长与水环境污染的短期动态调整关系。研究结果表明：苏、锡、常城市部分水环境污染指标与人均GDP之间存在长期的均衡关系，模型的形式和参数有所差异，并不总是呈现EKC的倒“U”型关系；短期内人均GDP的增长对不同城市水污染指标的影响效果不同；苏、锡、常城市经济发展活动的差异对水环境质量的退化造成了不同的影响。 　　关键词：误差修正模型；自回归分布滞后模型；经济增长；水环境；协整检验 　　中图分类号：F127；F120.3文献标识码：A文章编号：1001-8409（2014）01-0091-04 　　1引言 　　伴随着经济快速地增长、工业化与城市化进程，许多河网地区的经济发达城市面临的水环境污染问题日益严重。由于地区的经济收入水平和经济发展活动的差异对水环境污染具有显著的影响，近年来，不同地区的经济发展与环境污染的差异性分析不断得到关注。吴丹等利用VAR模型对广州、佛山及肇庆的经济增长与环境污染关系的差异性进行分析[1]。梁流涛等运用VAR模型对江苏省三大区域的工业经济增长和环境污染之间的双向作用关系进行分析[2]。邹秀萍等实证分析了京津冀地区的经济增长与水环境污染的EKC曲线（environmental Kuznets curve，EKC）[3]。传统的EKC假设表明人均收入与各种污染指标间呈现倒“U”型关系[4]。国外部分研究证实在某些地区BOD、COD及其他水环境污染指标与经济增长之间存在EKC关系[5～7]。Yang的研究表明在中国不同地区工业水污染排放与经济增长的EKC曲线有所差异 [8]。 　　EKC 的优点在于能直接评估经济增长对环境退化造成的影响。然而，由于经济与环境变量的时间序列大多数为非稳定时间序列，因此直接对变量进行EKC分析易于产生虚假的回归关系。协整检验常被用于验证变量间的长期均衡关系，常见的方法有Engle-Granger两步法和Johansen检验法 [9～10]。但是，这两种方法要求所有变量为同阶整合，难以对阶次不一的变量进行分析。近年来许多研究将经济增长与环境污染的长期均衡与短期的动态调整过程相结合，Engle-Granger的误差修正模型（Error Correction Model，ECM）是常用的方法之一，其不足之处在于该模型要求变量序列均为一阶整合且各变量间需存在协整关系。自回归分布滞后模型（Autoregressive Distributed Lag，ARDL）是Pesaran等推荐的动态模型，其中的边界检测法（Bound Testing，BT）在检验变量之间的长期关系时不受变量稳定性的整合阶次不一致的限制 [11]。 　　苏、锡、常代表了水网密布与经济发达地区，具有典型的经济发展模式。将时序和截面信息相结合的面板数据能够反映出苏、锡、常城市收入水平变化和地区发展差异对环境污染与经济增长关系的综合影响。本文运用协整检验与ECM模型来实证剖析苏、锡、常水环境污染与经济增长的长期均衡与短期动态关系，为经济快速发展的城市制定水污染控制策略提供指导。 　　2研究方法和数据 　　2.1研究方法 　　（1）EKC假设 　　EKC假设描述了人均GDP与各种污染指标间的长期关系，本文将水环境污染与经济增长之间的长期关系描述为： 　　yi，t=αi，0+αi，1xi，t+αi，2x2i，t+αi，3x3i，t+εi，t （1） 　　其中，y为水环境污染负荷指标，i和t分别代表不同城市和时间周期，α0，α1，α2，α3为系数向量，x为人均GDP，ε是随机误差项。由于对分析的时间序列数据进行自然对数变换可以消除时间序列中存在的异方差现象且并不改变分析数据的性质和关系，因此该式也可描述为： 　　Ei，t=βi，0+βi，1Xi，t+βi，2X2i，t+βi，3X3i，t+εi，t（2） 　　其中Ei，t=lnyi，t，Xi，t=lnxi，t。如果β10，β20，β20，经济增长与环境污染呈现倒“N”型曲线。如果β10，β3 　　ΔEt=b0+p11j=1b1jΔEt-j+p21j=0b2jΔXt-j+p31j=0b3jX2t-j+p41j=0b4jΔX3t-j+λECt-1+εt （4） 　　其中，λ是调整系数，表示短期失衡向长期均衡调整的速度。ECt-1表示滞后一期的误差修正项，为短期失衡向长期均衡调整的误差修正。根据AIC和SBC准则确定ARDL模型中各变量的滞后期。如果变量序列协整