环境治理投入对经济增长的异质性影响研究—

引用本文

邢有为, 姜旭朝, 黎晓峰. 环境治理投入对经济增长的异质性影响研究——基于城市化的视角[J].自然资源学报, 2018,33(4): 576-587
XING You-wei, JIANG Xu-zhao, LI Xiao-feng. Heterogeneous Impacts of Investments in Environmental Governance on Economic Growth: A Perspective from Urbanization[J]. Journal of Natural Resources, 2018,33(4): 576-587 复制到剪切板

DOI:10.11849/zrzyxb.20170381

Permissions

《自然资源学报》编辑部所有

环境治理投入对经济增长的异质性影响研究——基于城市化的视角

邢有为¹, 姜旭朝^1,^*, 黎晓峰²

1. 中国海洋大学经济学院,山东青岛266100

2. 东北财经大学公共管理学院,辽宁大连116025

^* 通信作者简介：姜旭朝（1960- ）,男,山东乳山人,博士,教授,博士生导师,主要研究方向为产业经济理论与政策、金融理论与政策、海洋经济。E-mail: jiangxuzhao@ouc.edu.cn

第一作者简介：邢有为（1993- ）,男,山东临沂人,硕士研究生,主要研究方向为产业经济学。E-mail: xyw370005387@163.com

收稿日期:2017-04-25 网络出版日期:2018-04-10

基金:国家社会科学基金重点项目（13AJL002）

摘要

在城市化水平不断提高的背景下,探究环境治理投入促进还是阻碍了经济增长,城市化在两者关系中扮演什么角色具有重要的现实意义。论文基于中国大陆2003—2015年31个省份的数据,运用面板门槛模型、系统广义矩估计方法探究环境治理投入与经济增长之间的关系。结果表明：1）环境治理投入与经济增长之间存在参数异质性,具有显著的门槛效应;2）环境治理投入对省际经济增长的影响因环境治理投入量的差异分为前期影响不显著、后期促进两个阶段;3）适度的城市化水平可以提高环境治理投入的效率,从而促进经济增长。基于此,论文认为应在继续增加环境治理投入的同时提高城市化水平,以城市化助力环境治理投入取得环境和经济效益的双赢。

关键词: 环境治理; 经济增长; 城市化; 面板门槛模型

中图分类号:X32;F127 文献标志码:A 文章编号:1000-3037(2018)04-0576-12

Heterogeneous Impacts of Investments in Environmental Governance on Economic Growth: A Perspective from Urbanization

XING You-wei¹, JIANG Xu-zhao¹, LI Xiao-feng²

1. School of Economics, Ocean University of China, Qingdao 266100, China

2. School of Public Administration, Dongbei University of Finance & Economics, Dalian 116025, China;

Fund:Key Project of National Social Science Foundation of China, No. 13AJL002.

Abstract

In recent years, environmental problems have attracted more and more attention in China, and there are more and more people calling for increasing investments in environmental governance with the deterioration of the environment. But whether or not the increasing environmental governance investments to control environmental pollution will be a burden to economic growth in China is one of the concerned issues for economists. Meanwhile, the environmental problems are accompanied by constantly increasing the level of urbanization. So, it’s of great practical significance to explore whether investments in environmental governance promote or hinder economic growth and what is the role that urbanization plays in this process. Based on data of 31 provinces in the mainland of China from 2003 to 2015, this paper uses panel threshold model to study the relationship between investments in environmental governance and economic growth and then uses methods of data envelopment analysis and system-generalized method of moments to explore the mechanism of this relationship. The results show that: 1) There are parameter heterogeneity and significant threshold effect between investments in environmental governance and economic growth, which indicates that the relationship between them is non-linear. 2) Due to the difference of the stock of investments in environmental governance in each province, the impact of investments in environmental governance on economics growth among the provinces in the mainland of China is divided into two stages: in the first stage the impact was not significant, but in the second stage investments in environmental governance promoted the economics growth, and elasticity coefficients in the two stages were -0.014 and 0.046, respectively. 3) Moderate urbanization can economically improve the efficiencies of investments in environmental governance and thus promote economic growth, which eliminates the concerns that an increase of investments in environmental governance on environmental pollution control will be a burden to economic growth in China. Based on these results, this paper suggests that we should continue to increase the investments in environmental governance and improve the level of urbanization at the same time. Achieving environmental and economic benefits with urbanization is a win-win situation.

Keyword: environmental governance; economic growth; urbanization; panel threshold model

文章图片

从2012年中国共产党第十八次全国代表大会做出“ 大力推进生态文明建设” 战略决策到2013年习近平总书记提出“ 宁要绿水青山, 不要金山银山, 而且绿水青山就是金山银山” , 从2014年世界环境日中国主题的“ 向污染宣战” 到2015年国务院总理李克强在两会中强调“ 铁腕治理环境污染, 打好节能减排和环境治理的攻坚战” , 从十八届五中全会将生态文明建设首度写入国家五年规划到2017年各省市陆续出台环境污染治理方案, 社会对环境问题的关注格外高涨。但与社会大众和其他学科学者对环境治理问题的担忧不同, 主流经济学家对环境治理和中国经济的权衡问题依然秉承经济学人一贯的理性特点。有人认为面对年平均增长率20%的环境治理投入^①(① 根据EPS中国环境数据库（CED）数据计算得出。)与2016年6.7%左右的经济增长水平, 继续加大环境治理投入, 会雪上加霜增长率下行中的中国经济^[1]; 也有人认为应借助中国经济转型的这次机会, 加大环境治理投入, 在治理环境污染的同时, 为中国经济高质量发展蓄力^[2]。

与此同时, 城市化的浪潮也在如火如荼地冲击着当今中国社会的各个方面, 城市作为能源消耗的主角, 对环境质量与环境治理的投入水平产生重要影响。有人对城市化不断发展从而产生的环境问题颇为担忧, 认为随着城市化进程的不断加快, 环境问题会逐渐恶化^[3]。据世界卫生组织发布的2014年全球城市空气污染数据库显示, 年平均每m³空气中PM 2.5含量排名前100城市中, 有13个来自中国; 年平均每m³空气中PM 10含量排名前100城市中, 有17个来自中国^②(② 来自http://apps.who.int/gho/data/view.main.AMBIENTCITY2014?lang=en。)。这一系列事实让一部分人认为城市化的发展会加速环境污染, 治理环境污染的成本将远远超过环境治理投入所带来的经济效益, 进而阻碍中国经济的发展^[4]; 但我们认为存在一种可能, 即城市作为产业集聚的中心, 便捷快速的知识信息沟通和频繁的经济活动提高了技术和资本的正外部性, 从而提高了环境治理资本的利用率和环境治理技术的外溢性, 非但不会降低环境治理投入的经济效率, 反而会提高其经济效率。那么, 环境治理投入对中国经济究竟是起促进还是阻碍作用?城市化在其中又发挥着什么角色?环境治理投入与城市化之间存在着怎样的内部机制?这将是本文着力解决的问题。

对于环境治理投入与经济增长之间的关系, 现有研究主要存在3种不同的观点：第一种观点认为环境治理投入的增加促进了经济增长^{[2, 5, 6, 7]}。Bö hringer等^[8]考虑产出、环境治理投入与能源消费, 建立了关于德国制造业部门的面板数据模型, 发现环境治理投入对经济增长存在着正向影响。邓国营等^[9]利用住房市场微观交易数据, 在特征价格均衡框架下采用CIC估计方法得出：环境治理本身带来了巨大的市场经济价值。第二种观点认为环境治理投入对经济增长产生了阻碍作用^{[10, 11]}。黄菁等^[1]通过建立一个人力资本内生增长模型, 将环境污染及环境污染治理投入纳入其中, 通过实证检验发现不断增加的环境污染治理投资份额一定程度上对经济增长造成了负面影响。第三种观点认为环境治理投入与经济增长之间并不是纯粹的线性关系^{[12, 13]}。Chua^[14]建立了包含环境创新的内生增长模型, 通过实证分析发现发达国家的环境治理投入削弱了国家的竞争力, 在短期存在不利影响, 但随着环境治理投入的增加以及环境治理技术的创新, 资本将更多地涌向高环境质量国家, 从而在长期促进本国经济增长。戴桂林等^[15]构建环境治理投入与经济增长关系的模型（EYC）, 分析发现我国已经处于环境治理投资促进经济增长的第二阶段。

此外, 在环境治理过程中城市化对环境状况存在着不可忽视的影响。在有关环境状况与城市化发展问题上同样存在几种不同观点：李姝^[3]通过分析城市化对环境污染的影响发现：随着城市化进程的加快, 中国面临的环境压力越来越大。秉持上述观点的还有宋建波等^[16]、张晓青等^[4]。而宋言奇等^[17]则认为城市在污染集中处理问题上的优势是极为明显的, 城市化本身不是环境恶化的原因, 城市化如何进行才是关键。江笑云等^[18]基于2000— 2009年省级面板数据, 在联立方程体系下证实人口城镇化是实现可持续发展的核心举措。此外, 有学者认为城市化与环境二者之间并不是简单的线性关系：Martí nez-Zarzoso等^[19]研究发现城市化与环境污染之间存在倒“ U” 型关系, 随着城市化水平的提高, 环境问题将得到改善。许士春等^[20]利用中国1995— 2011年省级面板数据研究发现城市化与二氧化碳排放之间同样存在着倒“ U” 型关系。杜雯翠等^[21]则证明新兴经济体国家城市化与空气污染间存在“ U” 型曲线关系。对于城市化与环境污染之间的关系, 不论秉持上述3种观点中的哪一种, 不可否认的是城市化确实对环境污染产生了一定影响。但在城市化可以改善环境污染, 城市化并非导致环境恶化原因这一类文献中, 并没有从经济角度对城市化如何影响环境治理进行探讨, 即没有对城市化影响环境治理的经济机制进行研究。

综上, 环境治理投入的确对经济增长进程产生了不可忽视的影响, 城市化在这一进程中充当重要角色并发挥着关键作用。但学者对于三者的定位及其相互关系却存在较大争议, 不能在城市化背景下, 对环境治理问题提供明确的指导。鉴于此, 本文放松参数同质性假设, 运用面板门槛模型、系统广义矩估计等方法, 结合中国大陆31个省份2003— 2015年数据, 探究城市化背景下, 环境治理投入与经济增长之间的关系, 以期为环境污染治理问题建言献策。

1 模型与数据

1.1 模型设定

依据经济增长理论与经典文献研究, 资本积累与人口增长作为长期经济增长的主要推动力无可置疑。同时, 城市化水平的提高对中国经济增长贡献在理论与实证方面被多方证实^{[22, 23, 24]}。鉴于此, 本文在验证环境治理投入对经济增长的影响时将以上三者纳入计量回归模型中, 线性模型如下：

$\begin{matrix} \ln Y_{it} = β_{0} \ln K_{it} + β_{1} \ln L_{it} + β_{2} \ln E_{it} + β_{4} lncs h_{it} \end{matrix}$ （1）

式中： $\begin{matrix} \ln Y_{it} \end{matrix}$ 为 $\begin{matrix} i \end{matrix}$ 地区第 $\begin{matrix} t \end{matrix}$ 年的地区生产总值对数值; $\begin{matrix} \ln K_{it} \end{matrix}$ 为 $\begin{matrix} i \end{matrix}$ 地区第 $\begin{matrix} t \end{matrix}$ 年的物质资本存量对数值; $\begin{matrix} \ln L_{it} \end{matrix}$ 为 $\begin{matrix} i \end{matrix}$ 地区第 $\begin{matrix} t \end{matrix}$ 年的劳动人数对数值; $\begin{matrix} \ln E_{it} \end{matrix}$ 为 $\begin{matrix} i \end{matrix}$ 地区第 $\begin{matrix} t \end{matrix}$ 年的环境治理投入存量对数值; $\begin{matrix} ln c s h_{it} \end{matrix}$ 为 $\begin{matrix} i \end{matrix}$ 地区第 $\begin{matrix} t \end{matrix}$ 年的城市化水平对数值。

方程（1）属于传统线性经济增长模型, 虽然可以在一定程度上刻画环境治理投入对经济增长的影响, 但忽略了两者之间极有可能存在的非线性关系。而门槛模型正是解决此类问题的简洁方法, 因此, 本文此处引进Hansen^[25]提出的PTR（Panel Threshold Regression）模型, 其一般函数形式如下：

$\begin{matrix} y_{it} = δ'_{1} x_{it} I (q_{it} \leq λ) + δ'_{2} x_{it} I (q_{it} > λ) + ε_{it} \end{matrix}$ （2）

式中： $\begin{matrix} q_{it} \end{matrix}$ 表示门槛变量; $\begin{matrix} λ \end{matrix}$ 为门槛值; 本文中参数 $\begin{matrix} δ_{it} = (β_{0 j} β_{1 j} β_{2 j} β_{3 j})' (j = 1, 2) \end{matrix}$ ; 自变量 $\begin{matrix} x_{it} = (K_{it} L_{it} E_{it} cs h_{it})' \end{matrix}$ 。

Hansen提供了含有N个阶段的函数形式, 本文只给出含有两个门槛值或3个门槛值时, 它们的函数形式：

$\begin{matrix} y_{it} = δ'_{1} x_{it} II (q_{it} \leq λ_{1}) + δ'_{2} x_{it} II (λ_{1} < q_{it} \leq λ_{2}) + δ'_{3} x_{it} II (q_{it} > λ_{2}) + ε_{it} \end{matrix}$ （3）

$\begin{matrix} y_{it} = δ'_{1} x_{it} III (q_{it} \leq λ_{1}) + δ'_{2} x_{it} III (λ_{1} < q_{it} \leq λ_{2}) + δ'_{3} x_{it} III (λ_{2} < q_{it} \leq λ_{3}) + δ'_{4} x_{it} III (q_{it} > λ_{3}) + ε_{it} \end{matrix}$ （4）

根据PTR模型, 方程（1）被设定为如下非线性模型形式, 即为本文所要估计的计量模型：

$\begin{matrix} \ln Y_{it} = β_{0} \ln K_{it} + β_{1} \ln L_{it} + β_{2} \ln E_{it} (E_{it} \leq λ) + β_{3} \ln E_{it} (E_{it} > λ) + β_{4} lnc s h_{it} \end{matrix}$ （5）

Hansen为了简化估计过程, 选择了固定效应面板分析模型, 并通过“ 去均值法” 除去个体固定效应得到回归模型, 其一般形式为：

$\begin{matrix} y_{it} = δ' x_{it} (λ) + ε_{it} \end{matrix}$ （6）

对 $\begin{matrix} δ' (λ) \end{matrix}$ 的估计, 可给定 $\begin{matrix} λ \end{matrix}$ 值, 通过普通最小二乘法（OLS）得到估计量 $\begin{matrix} \overset{⌢}{δ^{'}} (λ) \end{matrix} \begin{matrix} \{\overset{⌢}{δ'} (λ) = [x_{it} (λ)' x_{it} {(λ)]}^{- 1} x_{it} (λ) y_{it} \} \end{matrix}$ 。对应的回归残差项 $\begin{matrix} {\overset{⌢}{ε'}}_{it} (λ) = y_{it} - \overset{⌢}{δ'} {(λ)}_{} \cdot x_{it} (λ) \end{matrix}$ , 残差平方和 $\begin{matrix} S_{1} (λ) = \overset{N}{\sum_{i = 1}} \overset{T}{\sum_{t = 1}} {\hat{ε}}_{it}^{2} (λ) \end{matrix}$ , 残差方差 $\begin{matrix} {\hat{σ}}^{2} = \frac{S_{1} (λ)}{n (T - 1)} \end{matrix}$ 。由此可知, 若能确定阈值 $\begin{matrix} λ \end{matrix}$ , 即可得 $\begin{matrix} δ' (λ) \end{matrix}$ 。

Hansen提出, 确定阈值 $\begin{matrix} λ \end{matrix}$ , 可先给出 $\begin{matrix} λ \end{matrix}$ 的一个可行区间 $\begin{matrix} R \end{matrix}$ , 将该区间所有可能的阈值代入式（6）进行估计, 最优的阈值估计值 $\begin{matrix} \hat{λ} \end{matrix}$ 即为在所有 $\begin{matrix} λ \end{matrix}$ 下, 使 $\begin{matrix} S_{1} (λ) \end{matrix}$ 的值最小, 即 $\begin{matrix} \hat{λ} = Argmin S_{1} (λ) \end{matrix}$ 。操作步骤为：首先从小到大排列阈值变量的值, 从而形成阈值区间; 其次, 为确保所有阈值均有足量的观测值用于估计, 去除阈值区间中前后5%的值, 剩余区间为阈值的可行区间 $\begin{matrix} R \end{matrix}$ ; 最后把 $\begin{matrix} R \end{matrix}$ 中所有可能的阈值代入式（6）中进行估计。

1.2 模型检验方法

在使用面板门槛模型进行回归前需要对模型的门槛效果存在性以及模型的具体形式进行检验。模型的检验包括两个方面：一是门槛效应显著性检验; 二是门槛估计值 $\begin{matrix} \hat{λ} \end{matrix}$ 显著性检验。

1.2.1 门槛效应检验。

存在零假设 $\begin{matrix} H_{0} ： δ_{1} = δ_{2} \end{matrix}$ （不存在门槛效应）, 备择假设 $\begin{matrix} H_{1} ： δ_{1} \neq δ_{2} \end{matrix}$ （存在门槛临界值）。Hansen提出利用F检验来检验此零假设, 并提出检验统计量构造方法： $\begin{matrix} F_{1} (λ) = \frac{[S_{0} - S_{1} (\hat{λ})] / 1}{S_{1} (\hat{λ} \frac{)}{[} n (T - 1)]} = \frac{S_{0} - S_{1} (\hat{λ})}{{\hat{σ}}^{2}} \end{matrix}$ 。其中 $\begin{matrix} S_{0} \end{matrix}$ 为不存在门槛效应时模型残差平方和。不存在门槛效用时, 方程（2）表示为：

$\begin{matrix} y_{it} = δ'_{1} x_{it} (λ) + ε_{it} \end{matrix}$ （7）

对上式直接进行LS估计, 可得回归系数 $\begin{matrix} δ'_{1} \end{matrix}$ 、残差 $\begin{matrix} \hat{ε} \end{matrix}$ 以及残差平方和 $\begin{matrix} S_{0} = SS E_{0} = \hat{ε} ∙ \hat{ε}' \end{matrix}$ 。由于在 $\begin{matrix} H_{0} \end{matrix}$ 条件下门槛变量无法识别将导致 $\begin{matrix} F_{1} (λ) \end{matrix}$ 不满足标准分布。为此Hansen^[26]提出用Bootstrap法来获取 $\begin{matrix} F_{1} (λ) \end{matrix}$ 的近似分布, 进而得到 $\begin{matrix} F_{1} (λ) \end{matrix}$ 的 $\begin{matrix} p \end{matrix}$ 值 $\begin{matrix} p' \end{matrix}$ 。其步骤为：首先将原始数据按个体汇总计算回归残差, 得到 $\begin{matrix} {\hat{ε}}_{i} = ({\hat{ε}}_{i 1}, {\hat{ε}}_{i 2}, \dots, {\hat{ε}}_{iT})' \end{matrix}$ ; 其次以样本 $\begin{matrix} \{{\hat{ε}}_{1}, {\hat{ε}}_{2}, \dots, {\hat{ε}}_{n}\} \end{matrix}$ 作为Bootstrap的经验分布, 从中抽出样本, 利用这些残差来构建 $\begin{matrix} H_{0} \end{matrix}$ 下的Bootstrap样本。再根据Bootstrap样本估计方程, 得到 $\begin{matrix} F_{1} (λ) \end{matrix}$ ; 然后不断重复这一过程, 计算模拟 $\begin{matrix} F_{1} (λ) \end{matrix}$ 统计量超过实际 $\begin{matrix} F_{1} (λ) \end{matrix}$ 统计量的次数所占百分比 $\begin{matrix} p' \end{matrix}$ 。当样本容量以及重复次数足够大, $\begin{matrix} p' \end{matrix}$ 将无限接近于真实 $\begin{matrix} p \end{matrix}$ 值。若 $\begin{matrix} p' \end{matrix}$ 小于事先确定的显著性水平, 则拒绝 $\begin{matrix} H_{0} \end{matrix}$ , 从而接受存在门槛效应的备择假设。

1.2.2 门槛值显著性检验。

其零假设为 $\begin{matrix} H_{0} ： \hat{λ} = λ_{0} \end{matrix}$ , 备择假设 $\begin{matrix} H_{1} ： \hat{λ} \neq λ_{0} \end{matrix}$ , 利用似然比（LR）方法构建检验统计量 $\begin{matrix} L R_{1} (λ) = \frac{S_{1} (λ) - S_{1} (\hat{λ})}{{\hat{σ}}^{2}} \end{matrix}$ 。Hansen证明了在满足 $\begin{matrix} H_{0} \end{matrix}$ 的情况下, 随着 $\begin{matrix} n \to \infty \end{matrix}$ , 则 $\begin{matrix} L R_{1} (λ) \to ξ \end{matrix}$ 。此处 $\begin{matrix} ξ \end{matrix}$ 的密度函数： $\begin{matrix} P (ξ \leq x) = (1 - e^{- \frac{x}{2}})^{2} (x \geq 0) \end{matrix}$ 。其反函数形式为： $\begin{matrix} C (α) = - 2 \log (1 - \sqrt{1 - α}) \end{matrix}$ , 可由该式计算临界值 $\begin{matrix} C (α) \end{matrix}$ 。在事先确定的显著性水平下, 若 $\begin{matrix} L R_{1} (λ_{0}) \end{matrix}$ 大于临界值 $\begin{matrix} C (α) \end{matrix}$ , 则拒绝 $\begin{matrix} H_{0} \end{matrix}$ , 认为所估计门槛值不显著。

1.3 数据来源与统计特征

本文采用中国大陆31个省份、时间跨度13 a（2003— 2015年）的面板数据。原始数据来源于历年的《中国统计年鉴》和EPS数据平台。对数据的处理说明如下：地区生产总值（Y）用各地区历年GDP指数进行平减, 换算成以2003年为基年的不变价GDP; 就业人数（L）为各地区历年年末就业人员数; 物质资本存量（K）依据张军等^[27]的方法首先计算出各地区2003年的物质资本存量, 再将各地区的当年固定资本形成额换算成以2003年为基年的不变价固定资本形成额, 最后根据永续盘存法并取折旧率为9.6%计算得出; 环境治理投入（E）为各地区历年环境污染治理完成投资额, 根据资本存量的计算方法得到的环境治理投入的存量数据; 城市化水平（csh）用各地区年末城镇常住人口数/年末常住人口数表示。各变量统计见表1。

表1 变量描述性统计 Table 1 Descriptive statistics of variables

2 实证结果分析

2.1 面板门槛模型实证结果分析

考虑到本文采用静态面板模型, 为避免伪回归, 需对各变量的平稳性进行检验, 本文选择LLC、IPS、ADF-Fisher和PP-Fisher平稳性检验方法。当包含截距项不包含趋势项时, PP-Fisher检验结果水平平稳, 其他3种方法检验结果非平稳; 当既包含截距项又包含趋势项时, 结果如表2所示, 所有变量在5%的显著性水平下表现出水平平稳^③(“ 如果数据围绕其时间趋势是平稳的, 称之为趋势– 平稳过程（trend-stationary process）, 这样的过程可以用于回归分析” , 参见Jeffrey M. Wooldridge:《计量经济学导论》（第四版）, 费剑平译, 中国人民大学出版社2010年版, 第363页。)。因此, 可对本文选用的变量进行回归分析。

表2 平稳性检验 Table 2 Stationary test

依次选取环境治理投入和城市化作为门槛变量进行门槛效果检验, 所得F统计量和P值如表3所示。从表3中可以得到重复300次Bootstrap方法的两个门槛变量单一门槛检验的P值分别为0.017和0.033, 因此在5%的显著性水平下拒绝不存在单一门槛效果的原假设。接着进行双重门槛检验, 环境治理投入和城市化两个门槛变量的双重门槛检验的P值分别为0.240和0.373。因此拒绝无门槛效应和存在双重门槛效应的假设, 认为以上两个门槛变量都存在单一门槛效应。

表3 门槛效应检验 Table 3 Threshold effect test

第二步对门槛值进行估计, 在确定及估计出真实的门槛值之后, 根据式（8）对门槛值进行假设检验, 此处选择95%置信区间。门槛值的估计结果和95%的置信区间值如表4所示。环境治理投入作为门槛变量的阈值为5.173, 经过指数运算还原为176.4亿元; 城市化水平作为门槛变量的阈值为-0.622, 经过指数运算还原为53.7%。

表4 门槛值的估计值与置信区间 Table 4 The estimates and confidence intervals of threshold values

环境治理投入对经济增长究竟有何影响?本文的实证结果与戴桂林等^[15]得出的结论基本一致：环境治理投入对经济增长的影响分为前期影响不显著、后期促进两个阶段, 而且我国总体已经处于环境治理投资促进经济增长的第二阶段。同时, 面板门槛模型的参数估计结果显示：环境治理投入的效率也因城市化水平的不同而存在差异。

从表5参数回归结果可以看出, 资本存量、就业人员和城市化的参数估计值在1%显著性水平下通过统计检验, 表明无论处于环境治理投入和城市化水平哪一阶段, 资本、劳动与城市化都对经济增长有着正向作用。但环境治理投入的参数估计值却有正负之分, 表明环境治理投入与经济增长之间存在非线性关系。当环境治理投入存量小于176.4亿元时, 环境治理投入对经济增长的弹性为-0.014, 但并没有通过显著性检验, 表明环境治理投入对于经济增长作用在这一阶段表现得并不明朗。当环境治理投入存量超过176.4亿元, 环境治理投资对于经济增长的弹性为0.046, 且通过5%显著性水平检验, 表明环境治理投入进入促进经济增长的第二阶段。

表5 面板门槛模型回归结果 Table 5 Regression results of panel threshold model

同时本文发现, 把城市化水平作为门槛变量时, 当城市化水平小于53.7%, 环境治理投资对于经济增长的弹性系数为-0.016, 但此时参数估计值并不显著, 说明当城市化水平低于53.7%时, 环境治理投入对经济增长的作用不明显。当城市化水平超过53.7%, 环境治理投资对于经济增长的弹性系数增加为0.071, 通过1%显著性水平, 这表明随着高质量城市化水平的不断提高, 环境治理投入显著地促进了经济增长, 这可能因为便捷快速的知识信息沟通和频繁的经济活动提高了技术和资本的正外部性, 从而提高了环境治理的效率和资本利用率及环境治理技术的外溢性。这样就使得一个企业的环境治理技术更容易被其他企业学习与接收, 促进了先进环境治理技术在地区内和地区之间的传播与提高, 城市就成为知识外溢和技术创新的“ 天然实验室” ^[28]。

由表6可知, 在环境治理投入作为门槛变量时, 除海南省外, 东部和中部各省市已全部进入环境治理投入对经济增长弹性系数为0.046的第二阶段, 环境治理投入增加对于促进经济增长效果显著, 其中山东、江苏、广东三省环境治理投入位居前列（图1）。西部各省份相比东部和中部地区各省来说, 进入第二阶段的时间相对较晚（云南2005年, 宁夏2007年, 甘肃2008年, 贵州2011年）^④。但截至2015年西藏和青海仍处于环境治理投入对经济增长影响效果不显著的第一阶段, 说明上述各省份仍需加大环境治理投入, 尽快跨越门槛值进入环境治理投入促进经济增长的第二阶段。

表6 2015年各省份依据门槛值的区间划分 Table 6 The provincial groups divided by threshold values in 2015

	Figure Option View Download New Window
	图1 2015年各省份环境治理投入存量类型注：审图号为GS(2016)1570号。文中未包括港澳台数据, 图中白色部分（除港澳台外）表示未跨越门槛值（处于第一阶段）的省份。下同。Fig. 1 Provincial patterns of environmental management investment stock in 2015

通过图2可以看出, 截至2015年, 除河北外, 东部各省份都已进入城市化发展第二阶段, 环境治理投入对经济增长效果显著; 城市化水平较高的省份分别为上海、北京、天津、广东、辽宁、浙江、江苏、福建。此外, 除安徽、江西、河南、湖南外, 中部各省都已进入第二阶段（黑龙江2007年, 吉林2012年, 湖北2013年, 山西2014年）^④(分年份数据详情可与作者联系, 因篇幅原因, 此处未予详细列出。)。西部省份中, 除内蒙古和重庆外, 其他省份还处于第一阶段, 因此, 上述省份在治理环境污染、发展经济的同时, 应加速其城市化进程, 尽快进入城市化第二阶段, 从而充分发挥环境治理投资对于经济增长的促进作用。

	Figure Option View Download New Window
	图2 2015年各省份城市化水平类型Fig. 2 Provincial level patterns of urbanization in 2015

2.2 城市化影响环境治理的机制分析

由上述结果可知, 随着城市化进程的不断加快, 环境治理投入与经济增长的关系进入到第二阶段, 环境治理投入不仅没有阻碍经济增长, 反而促进了经济增长。那么城市化在这一过程中起到了什么作用? Lucas^[28]提到城市化成为知识外溢和技术创新的“ 天然实验室” , 那么城市化水平提高带来的便捷快速的知识信息沟通和频繁的经济活动是否提高了技术和资本的正外部性, 从而提高了环境治理的效率?本文将从动态视角对这一机制进行深入探讨, 构建动态面板模型, 设定如下：

$\begin{matrix} \ln (1 + Eef f_{i, t}) = β_{0} \ln (1 + Eef f_{i, t - 1}) + β_{1} \ln (1 + c s h_{i, t}) + β_{2} lnla b_{i, t} + \\ β_{3} ln in v_{i, t} + β_{4} ln fi s_{i, t} + β_{5} ln ope n_{i, t} + μ_{i, t} \end{matrix}$ （8）

式中： $\begin{matrix} Eef f_{i, t} \end{matrix}$ 为环境治理投入的经济效率, 关于环境治理投入经济效率的测算, 本文采用DEA-Malmquist方法测度中国31省份2004— 2015年技术效率代表环境治理投入的经济效率, 为避免回归时出现负值, 在对数回归模型中采用 $\begin{matrix} \ln (1 + Eef f_{i, t}) \end{matrix}$ ; 同样城市化率也采用 $\begin{matrix} \ln (1 + c s h_{i, t}) \end{matrix}$ 形式。在本模型中环境治理投入是一个存量概念, 本期投入是在上期存量的基础上增加, 表现为上一期环境治理投入的经济效率可能影响本期效率, 因此引入环境治理投入经济效率的滞后项 $\begin{matrix} \ln (1 + Eef f_{i, t - 1}) \end{matrix}$ ; 劳动 $\begin{matrix} la b_{i, t} \end{matrix}$ 和资产投资 $\begin{matrix} in v_{i, t} \end{matrix}$ 作为经济活动的主要影响因素经过长期检验, 应纳入模型中; 目前环境治理投入多为地方政府行为, 地方政府作为中国经济活动的主要参与者对环境治理投入的经济效率有重要影响, 用财政支出fis_i_,_t衡量地方政府影响; 改革开放以来, 对外开放程度对投资效率的影响不仅体现在异质性投资主体投资效率的差别, 还体现在对外贸易倒逼国内环境保护行为和环境治理投入经济效率的提高, 用进出口总额衡量对外开放程度open_{i, t}。

接下来对上述模型中的变量间是否存在多重共线性问题进行检验, 方差膨胀因子（VIF）是检验多重共线性的一种方法。对上述模型进行混合回归, 主要解释变量 $\begin{matrix} \ln (1 + c s h_{i, t}) \end{matrix}$ 的方差膨胀因子为2.81。通常, 如果VIF_i≥ 10, 说明解释变量x_i与方程中其余解释变量之间有严重多重共线性^[29], 本文模型中主要解释变量 $\begin{matrix} \ln (1 + c s h_{i, t}) \end{matrix}$ 方差膨胀因子小于5, 共线性较弱。而且面板数据能缓解多重共线性影响^{[30, 31]}, 模型所用数据来自中国大陆31个省份面板数据, 具备大样本性质, 多重共线性问题在一定程度上不影响参数估计结果。此外, 模型可能存在内生性问题, Hausman是检验模型内生性常用的方法。Hausman检验的原假设为模型存在内生性, 对上述模型进行内生性检验, P值为0.487, 不拒绝存在内生性的原假设, 模型存在内生性。其内生性可能源自两方面：其一, 动态模型的因变量滞后项往往与随机误差项存在序列相关性; 其二, 经济发达地区的环境治理经济效率往往也比较高。存在内生性时的OLS参数估计可能有偏甚至不一致。广义矩估计（GMM）能有效克服动态面板中的内生性问题, 而GMM方法中sys-GMM更适合年份少、截面多的数据, 故本文采用sys-GMM来估计。此方法先对模型去除固定效应, 再运用工具变量找到矩条件方程, 通过求样本矩的最小化二次型而获得估计系数。GMM估计结果如表7所示。

表7 城市化对环境治理投入经济效率稳健型检验 Table 7 The robust test of the response of urbanization to economical efficiencies of environmental investments

变量	$\begin{matrix} \ln (1 + Eef f_{i, t}) \end{matrix}$
变量	模型一	模型二	模型三	模型四	模型五
$\begin{matrix} \ln (1 + Eef f_{i, t - 1}) \end{matrix}$	-0.128^{* * *}(-6.77)	-0.087^{* * *}(-9.48)	-0.120^{* * *}(-10.25)	-0.116^{* * *}(-9.94)	-0.126^{* *}(-6.18)
$\begin{matrix} \ln (1 + c s h_{i, t}) \end{matrix}$	0.548^{* *}(1.88)	2.950^{* * *}(5.20)	1.391^{* * *}(2.18)	2.819^{* * *}(3.72)	5.037^{* * *}(4.28)
$\begin{matrix} lnope n_{i, t} \end{matrix}$		-0.094^{* * *}(-3.09)	0.191^{* * *}(2.58)	0.406^{* * *}(5.32)	0.479^{* * *}(5.01)
$\begin{matrix} lnfi s_{i, t} \end{matrix}$			-0.235^{* * *}(-4.49)	-0.534^{* * *}(-7.38)	-0.561^{* * *}(-6.62)
$\begin{matrix} lnin v_{i, t} \end{matrix}$				0.192^{* * *}(9.21)	0.309^{* * *}(5.74)
$\begin{matrix} lnla b_{i, t} \end{matrix}$					-0.205^{* * *}(-4.19)
系数联合Wald检验	143.34^{* * *}	222.75^{* * *}	217.32^{* * *}	318.00^{* * *}	325.75^{* * *}
Sagan检验	0.44	0.41	0.46	0.60	0.71
AR(1)	0.00	0.44	0.00	0.01	0.60
AR(2)	0.45	0.19	0.35	0.36	0.95
OBS	310	310	310	310	310

表7 城市化对环境治理投入经济效率稳健型检验 Table 7 The robust test of the response of urbanization to economical efficiencies of environmental investments

在Sargan过度识别约束检验中, J统计量显著, 工具变量不稳健但弱有效。而AR(1)、AR(2)检验为残差项的一阶差分在一阶、二阶自回归模式下的自相关检验, AR(1)显著、AR(2)不显著说明水平残差只存在一阶序列相关, 不存在二阶相关, 符合GMM估计的要求。

表7回归结果显示, 采用逐步回归, 在控制了就业人口、固定资产投资、财政支出和进出口总额后, 城市化对环境治理投入的经济效率的回归系数依然为正且在1%的显著性水平下显著。同时我们发现一个有趣的现象：滞后1期的环境治理投入经济效率与被解释变量体现出显著的负相关。对此本文认为, 这可能与地方政府短视的环境治理行为有关, 当上一期环境治理投入较大、环境治理投入的经济效率提升较高时, 地方政府看到短期内取得较大成果后, 可能会抽离环境治理投入资金, 转而投资其他高收益项目, 这将是未来本文继续探究的方向。至此本文从城市化这一角度阐述了环境治理投入与经济增长非线性关系原因的其中一个内在机制, 在城市化发展过程中, 随着城市化水平的不断提高, 环境治理投入的经济效率不断增加, 从而促进经济增长。

3 结论与建议

通过建立包含城市化、环境治理投入与经济增长的面板门槛模型, 并利用2003— 2015年中国大陆31个省份相关数据进行实证检验, 本文验证了环境治理投入与经济增长两者之间存在着非线性关系。环境治理投入对于经济增长分为两个阶段：第一, 当环境治理投入存量小于176.4亿元时, 环境治理投入对于经济增长的促进作用并不显著; 当环境治理投入存量超过176.4亿元时, 环境治理投入对于经济增长的弹性系数变为0.046, 即环境治理投入在第二阶段促进经济增长。第二, 将城市化因素作为门槛变量时, 城市化水平的发展显著提高了环境治理投入对经济增长的影响力度, 当城市化水平小于53.7%时, 环境治理投入对于经济增长的弹性系数为-0.016; 当城市化水平超过53.7%时, 环境治理投入对于经济增长的弹性系数增加到0.071, 环境治理投入对于经济增长的促进作用明显。在这一基础上, 本文采用DEA-Malmquist方法对2015年中国大陆31个省份环境治理投入的经济效率进行测算, 并以环境治理投入的经济效率作为因变量, 以城市化水平作为主要自变量, 对城市化与环境治理投入之间的内部机制进行探究, 检测到城市化在环境治理投入与经济增长间存在的一个机制：当城市化水平跨越门槛值后, 城市化水平的提高可以提升环境治理投入的经济效率, 从而在环境治理投入第二阶段对经济增长显示出正向的促进作用。

在此结论的基础上本文认为：各省份应因地制宜, 继续增加环保治理投入, 发挥环境治理投入的投入-产出效应, 在治理环境污染、改善环境水平的同时促进经济增长; 利用城市化带来的知识和技术的外溢作用, 产生人力资本的聚集和提升作用, 引导环境污染治理经济效率提高。在发展城市化的过程中, 也要权衡城市化带来的环境治理效率的提高与城市化自身发展过程中伴随的相关环境问题, 以新型城镇化助力环境治理投入取得经济与社会环境效益的双赢。

The authors have declared that no competing interests exist.

参考文献

文献顺序

[1]	黄菁, 陈霜华. 环境污染治理与经济增长: 模型与中国的经验研究[J]. 南开经济研究, 2011(1): 142-152. [HUANG J, CHEN S H. Environmental pollution abatement and economic growth: Model and evidence from China. Nankai Economic Studies, 2011(1): 142-152. ] [本文引用:2]
[2]	封福育. 环境规制与经济增长的多重均衡: 理论与中国检验[J]. 当代财经, 2014(11): 14-24. [FENG F Y. Environmental regulation and multiple equilibrium of economic growth: Theory and evidence from China. Contemporary Finance & Economics, 2014(11): 14-24. ] [本文引用:2]
[3]	李姝. 城市化、产业结构调整与环境污染[J]. 财经问题研究, 2011(6): 38-43. [LI S. Environmental pollution and industrial restructuring. Research on Financial and Economic Issues, 2011(6): 38-43. ] [本文引用:2]
[4]	张晓青, 毛克贞. 我国城市化对环境影响的关联度分析[J]. 江西社会科学, 2014(9): 51-54. [ZHANG X Q, MAO K Z. Analysis of the correlational level of urbanization on environmental effects in China. Jiangxi Social Sciences, 2014(9): 51-54. ] [本文引用:2]
[5]	MAZZANTI M, ZOBOLI R. Environmental efficiency and labor productivity: Trade-off or joint dynamics? A theoretical investigation and empirical evidence from Italy using NAMEA[J]. Ecological Economics, 2009, 68(3): 1182-1194. [本文引用:1]
[6]	朱承亮, 安立仁, 师萍, 等. 节能减排约束下我国经济增长效率及其影响因素——基于西部地区和非期望产出模型的分析[J]. 中国软科学, 2012 (4): 106-116. [ZHU C L, AN L R, SHI P, et al. Empirical study on China’s economic growth efficiency and its influencing factors under energy-saving and emission-abating constraints. China Soft Science, 2012(4): 106-116. ] [本文引用:1]
[7]	徐成龙, 程钰. 新常态下山东省环境规制对工业结构调整及其大气环境效应研究[J]. 自然资源学报, 2016, 31(10): 1662-1674. [XU C L, CHENG Y. The action of environmental regulation on industrial structure adjustment and atmospheric environment effect under the New Normal in Shand ong Province. Journal of Nature Resources, 2016, 31(10): 1662-1674. ] [本文引用:1]
[8]	BÖHRINGER C, MOSLENER U, OBERNDORFER U, et al. Clean and productive? Empirical evidence from the German manufacturing industry[J]. Research Policy, 2012, 41(2): 442-451. [本文引用:1]
[9]	邓国营, 徐舒, 赵绍阳. 环境治理的经济价值: 基于CIC方法的测度[J]. 世界经济, 2012(9): 143-160. [DENG G Y, XU S, ZHAO S Y. The economic values of environmental management: A measure based on the method of CIC. The Journal of World Economy, 2012(9): 143-160. ] [本文引用:1]
[10]	JORGENSON D W, WILCOXEN P J. Environmental regulation and U. S. economic growth[J]. Rand Journal of Economics, 1990, 21(2): 314-390. [本文引用:1]
[11]	EDERINGTON J, MINIER J. Is environmental policy a secondary trade barrier? An empirical analysis[J]. Canadian Journal of Economics, 2003, 36(1): 137-154. [本文引用:1]
[12]	熊艳. 基于省级数据的环境规制与经济增长关系[J]. 中国人口∙资源与环境, 2011, 21(5): 126-131. [XIONG Y. Research on the relationship between environmental regulation and economic growth based on the provincial data in China. China Population, Resources and Environment, 2011, 21(5): 126-131. ] [本文引用:1]
[13]	原毅军, 刘柳. 环境规制与经济增长: 基于经济型规制分类的研究[J]. 经济评论, 2013(1): 27-33. [YUAN Y J, LIU L. Environmental regulation and economic growth: A research based on different kinds of economic regulation. Economic Review, 2013(1): 27-33. ] [本文引用:1]
[14]	CHUA S. Economic growth, liberalization, and the environment: A review of the economic evidence[J]. Annual Review of Energy & the Environment, 1999, 24(1): 391-430. [本文引用:1]
[15]	戴桂林, 安平, 高金田. 环境承载力视角下环境治理投入与经济增长关系的实证研究——基于省级面板数据[J]. 中国海洋大学学报, 2010, 40(10): 137-144. [DAI G L, AN P, GAO J T. Positive research on environmental governance investment and economic growth from environmental carrying capacity perspective: Based on provincial panel data. Periodical of Ocean University of China, 2010, 40(10): 137-144. ] [本文引用:2]
[16]	宋建波, 武春友. 城市化与生态环境协调发展评价研究——以长江三角洲城市群为例[J]. 中国软科学, 2010(2): 78-87. [SONG J B, WU C Y. The study on evaluation of coordinated development between urbanization and ecological environment among city cluster in the Yangtze River Delta. China Soft Science, 2010(2): 78-87. ] [本文引用:1]
[17]	宋言奇, 傅崇兰. 城市化的生态环境效应[J]. 社会科学战线, 2005(3): 186-188. [SONG Y Q, FU C L. Ecological environmentally effects of urbanization. Social Science Front, 2005(3): 186-188. ] [本文引用:1]
[18]	江笑云, 汪冲. 经济增长、城市化与环境污染排放的联立非线性关系[J]. 经济经纬, 2013(5): 42-47. [JIANG X Y, WANG C. The simultaneous nonlinear relationship between economic developments, urbanization and environmental pollution. Economic Survey, 2013(5): 42-47. ] [本文引用:1]
[19]	MARTÍNEZ-ZARZOSO I, MARUOTTI A. The impact of urbanization on CO₂ emissions: Evidence from developing countries[J]. Ecological Economics, 2011, 70(7): 1344-1353. [本文引用:1]
[20]	许士春, 龙如银. 经济增长、城市化与二氧化碳排放[J]. 广东财经大学学报, 2014(6): 23-42. [XU S C, LONG R Y. Economic growth, urbanization and CO₂ emissions. Journal of Guangdong University of Finance & Economics, 2014(6): 23-42. ] [本文引用:1]
[21]	杜雯翠, 冯科. 城市化会恶化空气质量吗?——来自新兴经济体国家的经验证据[J]. 经济社会体制比较, 2013(9): 91-99. [DU W C, FENG K. Does urbanization cause air pollution? Empirical evidence from emerging economies. Comparative Economic & Social Systems, 2013(9): 91-99. ] [本文引用:1]
[22]	周一星. 城市化与国民生产总值关系的规律性探讨[J]. 人口与经济, 1982(3): 28-33. [ZHONG Y X. A study of the relationship between urbanization and gross domestic product. Population & Economics, 1982(3): 28-33. ] [本文引用:1]
[23]	王小鲁, 夏小林. 优化城市规模, 推动经济增长[J]. 经济研究, 1999(9): 22-29. [WANG X L, XIA X L. Optimizing city size to promote economic growth. Economic Research Journal, 1999(9): 22-29. ] [本文引用:1]
[24]	陆铭, 高虹, 佐藤宏. 城市规模与包容性就业[J]. 中国社会科学, 2012(10): 47-66. [LU M, GAO H, ZUO T H. On urban size and inclusive employment. Social Science in China, 2012(10): 47-66. ] [本文引用:1]
[25]	HANSEN B E. Threshold effects in non-dynamic panels: Estimation, testing and inference[J]. Journal of Economics, 1999, 22(2): 345-368. [本文引用:1]
[26]	HANSEN B E. Inference when a nuisance parameter is not identified under the null hypothesis[J]. Econometrica, 1996, 64(2): 413-430. [本文引用:1]
[27]	张军, 吴桂英, 张吉鹏. 中国省际物质资本存量估算: 1952—2000[J]. 经济研究, 2004(10): 35-44. [ZHANG J, WU G Y, ZHANG J P. The estimation of China’s provincial capital stock: 1952-2000. Economic Research Journal, 2004(10): 35-44. ] [本文引用:1]
[28]	LUCAS R E. On the mechanics of economic development[J]. Journal of Monetary Economics, 1998, 22: 3-42. [本文引用:2]
[29]	薛薇. SPSS统计分析方法及应用 [M]. 北京: 电子工业出版社, 2013. [XU W. SPSS Statistical Analysis Methods and Applications. Beijing: Electronics Industry Press, 2013. ] [本文引用:1]
[30]	PINDYCK R S, RUBINFELD D L. 计量经济模型与经济预测 [M]. 钱小军, 等译. 北京: 机械工业出版社, 1999. [PINDYCK R S, RUBINFELD D L. Econometric Models and Economic Forecasts. Translated by QIAN X J, et al. Beijing: China Machine Press, 1999. [本文引用:1]
[31]	孙文凯. 多重共线性问题评述[J]. 经济与管理评论, 2010(4): 118-126. [SUN W K. A review of multicollinearity problem. Review of Economy and Management, 2010(4): 118-126. ] [本文引用:1]

2011

0.0

黄菁, 陈霜华. 环境污染治理与经济增长: 模型与中国的经验研究[J]. 南开经济研究, 2011(1): 142-152.

[HUANG

, CHEN S

. Environmental pollution abatement and economic growth: Model and evidence from China. Nankai Economic Studies, 2011(1): 142-152. ]

通过建立一个人力资本内生增长模型,将环境及环境污染治理引入内生增长框架下进行分析,其中重点探讨了在达到均衡增长路径过程中经济增长、环境污染与环境污染治理的关系,同时考察了维持可持续发展需要具备的条件.在此基础上,运用中国的数据对理论模型的一些结果进行了计量检验.结果表明,清洁要素以及技术的使用是可持续发展的关键,中国对环境污染一直以来缺乏足够的重视,目前仍然需要加大环境污染治理力度,提高环境污染治理的效率,地方政府的行为在其中会起到重要作用.

... 7%左右的经济增长水平,继续加大环境治理投入,会雪上加霜增长率下行中的中国经济^[1] ...

... 黄菁等^[1]通过建立一个人力资本内生增长模型,将环境污染及环境污染治理投入纳入其中,通过实证检验发现不断增加的环境污染治理投资份额一定程度上对经济增长造成了负面影响 ...

2014

0.0

封福育. 环境规制与经济增长的多重均衡: 理论与中国检验[J]. 当代财经, 2014(11): 14-24.

[FENG F

. Environmental regulation and multiple equilibrium of economic growth: Theory and evidence from China. Contemporary Finance & Economics, 2014(11): 14-24. ]

... 也有人认为应借助中国经济转型的这次机会,加大环境治理投入,在治理环境污染的同时,为中国经济高质量发展蓄力^[2] ...

... 对于环境治理投入与经济增长之间的关系,现有研究主要存在3种不同的观点：第一种观点认为环境治理投入的增加促进了经济增长^[2,5,6,7] ...

2011

0.0

李姝. 城市化、产业结构调整与环境污染[J]. 财经问题研究, 2011(6): 38-43.

[LI

. Environmental pollution and industrial restructuring. Research on Financial and Economic Issues, 2011(6): 38-43. ]

近年来,城市化和产业结构调整两大国家战略正在如火如荼地推进,本文从实证研究的角度出发,基于2004-2008年的省级面板数据,采用GMM方法分析两大战略对环境污染的影响.研究结果显示,城市化、产业结构调整与当前的环境污染之间存在显著的相关性,是影响生态环境的重要因素.其中,城市化与废气污染和污水污染之间都呈现正相关,表明随着城市化进程的加快,中国环境所面临的压力正变得越来越大;产业结构调整与废气污染之间呈现负相关,与污水污染之间呈现正相关,表明产业结构调整在解决环境污染问题方面发挥了一定作用.最后,根据实证研究结果,提出了相应的政策建议.

... 有人对城市化不断发展从而产生的环境问题颇为担忧,认为随着城市化进程的不断加快,环境问题会逐渐恶化^[3] ...

... 在有关环境状况与城市化发展问题上同样存在几种不同观点：李姝^[3]通过分析城市化对环境污染的影响发现：随着城市化进程的加快,中国面临的环境压力越来越大 ...

2014

0.0

张晓青, 毛克贞. 我国城市化对环境影响的关联度分析[J]. 江西社会科学, 2014(9): 51-54.

[ZHANG X

, MAO K

. Analysis of the correlational level of urbanization on environmental effects in China. Jiangxi Social Sciences, 2014(9): 51-54. ]

... 这一系列事实让一部分人认为城市化的发展会加速环境污染,治理环境污染的成本将远远超过环境治理投入所带来的经济效益,进而阻碍中国经济的发展^[4] ...

... 秉持上述观点的还有宋建波等^[16]、张晓青等^[4] ...

2009

0.0

... 对于环境治理投入与经济增长之间的关系,现有研究主要存在3种不同的观点：第一种观点认为环境治理投入的增加促进了经济增长^[2,5,6,7] ...

2012

0.0

... 对于环境治理投入与经济增长之间的关系,现有研究主要存在3种不同的观点：第一种观点认为环境治理投入的增加促进了经济增长^[2,5,6,7] ...

2016

0.0

徐成龙, 程钰. 新常态下山东省环境规制对工业结构调整及其大气环境效应研究[J]. 自然资源学报, 2016, 31(10): 1662-1674.

[XU C

, CHENG

. The action of environmental regulation on industrial structure adjustment and atmospheric environment effect under the New Normal in Shand ong Province. Journal of Nature Resources, 2016, 31(10): 1662-1674. ]

论文利用动态面板的系统GMM估计方法、LMDI分解模型、历史值外推模拟及线性规划约束模型等探究了新常态下山东省环境规制对工业结构调整的影响及其大气环境效应,得到以下结论:1)2001—2013年,山东省工业比重呈现先上升后下降的趋势,污染密集型行业比重整体呈现先下降后上升的趋势,二者的环境规制强度基本呈上升趋势;2)环境规制对山东省工业比重、污染密集型行业比重和高新技术产业比重的影响系数分别为-0.043、-0.451和0.523,说明山东省环境规制的实施对工业结构的优化调整具有正向作用;3)随着山东省环境规制强度的增加,工业结构效应和技术效率效应抑制了大气污染物排放量的增加,而污染密集型行业结构效应虽然是工业结构减排的主要原因,但其减排绝对量较小;4)对比宽松、适度、严格3种环境规制情景下的预测结果,新常态下山东省工业结构的调整力度和大气污染物减排潜力依次增大。值得指出的是,适度环境规制下山东省工业结构调整更有利于经济社会的可持续发展。

... 对于环境治理投入与经济增长之间的关系,现有研究主要存在3种不同的观点：第一种观点认为环境治理投入的增加促进了经济增长^[2,5,6,7] ...

2012

0.0

... hringer等^[8]考虑产出、环境治理投入与能源消费,建立了关于德国制造业部门的面板数据模型,发现环境治理投入对经济增长存在着正向影响 ...

2012

0.0

邓国营, 徐舒, 赵绍阳. 环境治理的经济价值: 基于CIC方法的测度[J]. 世界经济, 2012(9): 143-160.

[DENG G

, XU

, ZHAO S

. The economic values of environmental management: A measure based on the method of CIC. The Journal of World Economy, 2012(9): 143-160. ]

本文利用住房市场微观交易数据,采用倍差法(DID)与基于分布函数转化的Change-in-Change(CIC)估计方法,考察了成都市成华区电厂搬迁带来的环境改善对该区域住房市场的影响。文章在特征价格均衡框架下建立了一个一般均衡模型,并通过比较静态分析推导出三个可检验命题。检验结果证明模型与实际数据高度一致。研究结果显示:电厂搬迁后,成华区住房交易量的上升幅度相对其他城区高出54.6%,成交均价显著上升6.8%～10.3%。CIC估计结果得出,房价在价格分布的不同分位数上都显著上升,而且均价越高的住房在电厂搬迁之后涨幅越高。总体测算,环境的改善带来了此区域高达4.6亿元的住房资产溢价,说明环境治理本身会带来巨大的市场经济价值。

... 邓国营等^[9]利用住房市场微观交易数据,在特征价格均衡框架下采用CIC估计方法得出：环境治理本身带来了巨大的市场经济价值 ...

1990

0.0

... 第二种观点认为环境治理投入对经济增长产生了阻碍作用^[10,11] ...

2003

0.0

... 第二种观点认为环境治理投入对经济增长产生了阻碍作用^[10,11] ...

2011

0.0

熊艳. 基于省级数据的环境规制与经济增长关系[J]. 中国人口∙资源与环境, 2011, 21(5): 126-131.

[XIONG

. Research on the relationship between environmental regulation and economic growth based on the provincial data in China. China Population, Resources and Environment, 2011, 21(5): 126-131. ]

经济增长是衡量经济发展水平的重要标准,研究环境规制与经济增长之间关系,将有助于寻求不同经济发展阶段下的最适环境规制强度,从而为经济的可持续发展提供环境保障。本文采用"纵横向"拉开档次法,综合考虑衡量环境规制的投入与产出的各项指标及其数据的可得性因素后,构建并计算出环境规制强度指数,同时运用2004-2008年中国省际面板数据,采用面板数据模型进一步分析环境规制与经济增长之间的关系。实证结果表明:环境规制与经济增长之间并非线性的关系,而是正U型的关系。为此,我们认为,本文结论能够对环境规制与经济增长之间的"遵循成本说"还是"创新补偿说"提供合理的解释。最后,我们根据现阶段中国经济处于迅速发展时期的状况,认为合理的环境规制政策应该是加强环境规制强度。同时认为技术创新对环境规制和经济增长具有巨大的推动作用,企业应该充分利用技术创新的优势,进行创新投资,用以弥补"遵循成本说"的劣势,提升企业的竞争力,进而促进中国经济的持续增长。

... 第三种观点认为环境治理投入与经济增长之间并不是纯粹的线性关系^[12,13] ...

2013

0.0

原毅军, 刘柳. 环境规制与经济增长: 基于经济型规制分类的研究[J]. 经济评论, 2013(1): 27-33.

[YUAN Y

, LIU

. Environmental regulation and economic growth: A research based on different kinds of economic regulation. Economic Review, 2013(1): 27-33. ]

摘　要：从“遵循成本说”到“创新补偿说”，环境规制对经济增长的影响引发了大量的研究，但鲜有文献提及不同类型的环境规制对经济增长的影响，而这一问题又是环境政策制定的关键。为此，本文将环境规制分为费用型和投资型两类，并对2004—2010年中国大陆30个省（市、自治区）的面板数据进行实证检验，研究结果表明：费用型环境规制对经济增长无显著影响，而投资型环境规制显著促进经济增长。因此，本文认为环境政策的设计应充分体现对“绿色投资”（投资型）的鼓励，而非以增加企业成本（费用型）的形式存在，从而实现经济的“绿色增长”。

... 第三种观点认为环境治理投入与经济增长之间并不是纯粹的线性关系^[12,13] ...

1999

0.0

... Chua^[14]建立了包含环境创新的内生增长模型,通过实证分析发现发达国家的环境治理投入削弱了国家的竞争力,在短期存在不利影响,但随着环境治理投入的增加以及环境治理技术的创新,资本将更多地涌向高环境质量国家,从而在长期促进本国经济增长 ...

2010

0.0

... 戴桂林等^[15]构建环境治理投入与经济增长关系的模型（EYC）,分析发现我国已经处于环境治理投资促进经济增长的第二阶段 ...

... 环境治理投入对经济增长究竟有何影响?本文的实证结果与戴桂林等^[15]得出的结论基本一致：环境治理投入对经济增长的影响分为前期影响不显著、后期促进两个阶段,而且我国总体已经处于环境治理投资促进经济增长的第二阶段 ...

2010

0.0

宋建波, 武春友. 城市化与生态环境协调发展评价研究——以长江三角洲城市群为例[J]. 中国软科学, 2010(2): 78-87.

[SONG J

, WU C

. The study on evaluation of coordinated development between urbanization and ecological environment among city cluster in the Yangtze River Delta. China Soft Science, 2010(2): 78-87. ]

城市群是城市区域化发展的一种重要形式,也是一个地区经济力量在空间上的集中表现,城市群内各城市的城市化水平高低是衡量城市发展的重要标准.但盲目的提高城市化的水平而忽视生态环境的保护会使城市群的发展具有不可持续性,从而降低城市群在区域发展中的带动作用.为了使城市群能够健康持续的发展,本文以长江三角洲城市群为例,针对城市群的城市化与生态环境协调发展问题进行了深入研究.首先构建了城市化与生态环境发展水平的评价指标体系,然后运用主客观相结合的方法确定了城市化与生态环境各指标的权重,并对长江三角洲城市群16个城市的城市化与生态环境发展水平进行了计算,根据协调发展度模型对16个城市城市化与生态环境的协调发展程度进行了测算,依据测度结果将16个城市划分为4种发展类型,并对每一种发展类型的城市进行了分析,最后对评价结果进行了总结. Abstract： Urban agglomeration is an important form of urban regional development, but also a regional economic power concentrated in space, the level of urbanization within the urban agglomeration is an important measurement of the urban development standards. Only pay attention to increasing the level of urbanization, but neglect the ecological environmental protection will make the development of urban agglomerations unsustainable, therefore, reducing the leading role of the urban agglomeration in regional development. In order to make urban agglomerations develop healthy and continuously, we analyze the coordinated development of urbanization and ecological environment in urban agglomeration in depth.Firstly, we build the evaluation index system for the development level of urbanization and ecological environment, and then we determine the weight of each index of the urbanization and ecological environment using a combination of subjective and objective method. On the basis of this, we calculated the development level of urbanization and ecological environment of the Yangtze River Delta urban agglomeration; the degree of coordinated development of urbanization and ecological environment in 16 cities is calculated according to coordinated development degree model. All the 16 cities are divided into four categories based on the above results, in the end analysis and evaluation for each category of cities is presented.

... 秉持上述观点的还有宋建波等^[16]、张晓青等^[4] ...

2005

0.0

宋言奇, 傅崇兰. 城市化的生态环境效应[J]. 社会科学战线, 2005(3): 186-188.

[SONG Y

, FU C

. Ecological environmentally effects of urbanization. Social Science Front, 2005(3): 186-188. ]

摘　要：在城市化与人类生态环境关系上，传统的观点基本上是否定倾向的，认为城市化造成生态环境问题。笔者认为，就二者关系而言，城市化本身并不是生态环境恶化的主要原因，城市化如何进行才是关键问题。不仅如此，城市化对人类生态环境起着良好的促进作用，这种促进作用体现在资源集约效应、人口集散效应、环境教育效应以及污染集中治理效应等方面。

... 而宋言奇等^[17]则认为城市在污染集中处理问题上的优势是极为明显的,城市化本身不是环境恶化的原因,城市化如何进行才是关键 ...

2013

0.0

江笑云, 汪冲. 经济增长、城市化与环境污染排放的联立非线性关系[J]. 经济经纬, 2013(5): 42-47.

[JIANG X

, WANG

. The simultaneous nonlinear relationship between economic developments, urbanization and environmental pollution. Economic Survey, 2013(5): 42-47. ]

Urbanization is one of the formation mechanisms of EKC, highlighted for the spatial agglomeration of capital element through the process of industrialization and urban expansion, which produces a nonlinear acceleration effect of growth and environmental pollution, and makes nonlinear trends of Logistic-type growth curve between economic growth and environmental pollution. The relative changes between economic growth and environmental pollution has the characteristics of inverted U-EKC, but the urbanization does not make such a nonlinear trend between the consumption and pollution emissions. Using the system of simultaneous equations based on the provincial data from 2000 to 2009, this paper examines the positive feedback relationship among the environment, urbanization and economic development, and demonstrates that the implementation of environmental-friendly urbanization strategy is the core of achieving sustainable development initiatives.

城市化是EKC的形成机制之一，突出体现为资本要素在工业化和城市扩张过程中通过城市这一载体所形成的空间集聚对于经济增长和环境污染排放产生了非线性的增速效应，最终使得经济增长与环境污染之间表现出曲线式的非线性趋势，二者的相对变化具有倒U型环境库兹列茨曲线特征，而人口城镇化则没有使得消费与污染排放之间形成这种非线性趋势。笔者基于2000年～2009年省区面板数据，在联立方程体系下考察了环境、城市化与经济发展三者之间的正反馈关系。研究表明，实施环境友好型的城市化战略，特别是人口城镇化是实现可持续发展的核心举措。

... 江笑云等^[18]基于2000#cod#x02014 ...

2011

0.0

... nez-Zarzoso等^[19]研究发现城市化与环境污染之间存在倒#cod#x0201c ...

2014

0.0

许士春, 龙如银. 经济增长、城市化与二氧化碳排放[J]. 广东财经大学学报, 2014(6): 23-42.

[XU S

, LONG R

. Economic growth, urbanization and CO₂ emissions. Journal of Guangdong University of Finance & Economics, 2014(6): 23-42. ]

... 许士春等^[20]利用中国1995#cod#x02014 ...

2013

0.0

... 杜雯翠等^[21]则证明新兴经济体国家城市化与空气污染间存在#cod#x0201c ...

1982

0.0

周一星. 城市化与国民生产总值关系的规律性探讨[J]. 人口与经济, 1982(3): 28-33.

[ZHONG Y

. A study of the relationship between urbanization and gross domestic product. Population & Economics, 1982(3): 28-33. ]

正人类社会城市发展的历史已经有大约一万年了,但是作为人口向城市稳定的、持续不断的和加速集中的一个世界性过程,即世界的城市化,还是近二百多年以来才出现的一种现象。据估计1800年世界城镇人口占总人口的比重才2％,1900年是4％,1925年超过了20％,目前已超过40％。世界各国各地区城市化过程的开始时间、发展速度和已达到的水平存在着很大的差异。尼泊尔、卢旺达等极少数国家1979年的城镇人口比重才3％或4％,城市化刚刚起步,而英国早在本世纪初城镇人口比重就超过了70％,进入城市化的后期阶段。虽然,人类未来的聚落形式和城市

... 同时,城市化水平的提高对中国经济增长贡献在理论与实证方面被多方证实^[22,23,24] ...

1999

0.0

王小鲁, 夏小林. 优化城市规模, 推动经济增长[J]. 经济研究, 1999(9): 22-29.

[WANG X

, XIA X

. Optimizing city size to promote economic growth. Economic Research Journal, 1999(9): 22-29. ]

... 同时,城市化水平的提高对中国经济增长贡献在理论与实证方面被多方证实^[22,23,24] ...

2012

0.0

陆铭, 高虹, 佐藤宏. 城市规模与包容性就业[J]. 中国社会科学, 2012(10): 47-66.

[LU

, GAO

, ZUO T

. On urban size and inclusive employment. Social Science in China, 2012(10): 47-66. ]

城市发展的规模经济效应有利于提高劳动力个人的就业概率,而不像通常人们所认为的那样,外来移民会挤占原有居民的就业机会。使用工具变量,对个人层面的就业决定模型进行估计发现,城市规模每扩大1%,个人的就业概率平均提高0.039—0.041个百分点。此外,城市规模扩大的就业增加效应对于不同受教育水平的劳动者并不相同。总的来说,较高技能和较低技能组别的劳动力均从城市规模的扩大中得到了好处,其中较低技能组别劳动力的受益程度最高。城市规模的扩大并没有影响中等技能水平劳动力的就业概率。因此,采取城市人口规模的限制措施,并且特别针对低技能劳动力进行限制,将导致效率与公平兼失的局面,不利于实现包容性增长。

... 同时,城市化水平的提高对中国经济增长贡献在理论与实证方面被多方证实^[22,23,24] ...

1999

0.0

... 而门槛模型正是解决此类问题的简洁方法,因此,本文此处引进Hansen^[25]提出的PTR（Panel Threshold Regression）模型,其一般函数形式如下： ...

1996

0.0

... 为此Hansen^[26]提出用Bootstrap法来获取 F1(λ)的近似分布,进而得到 F1(λ)的 p值 p' ...

2004

0.0

... 物质资本存量（K）依据张军等^[27]的方法首先计算出各地区2003年的物质资本存量,再将各地区的当年固定资本形成额换算成以2003年为基年的不变价固定资本形成额,最后根据永续盘存法并取折旧率为9 ...

1998

0.0

... ^[28] ...

... 那么城市化在这一过程中起到了什么作用? Lucas^[28]提到城市化成为知识外溢和技术创新的#cod#x0201c ...

2013

0.0

... 10,说明解释变量x_i与方程中其余解释变量之间有严重多重共线性^[29],本文模型中主要解释变量 ln1+c shi,t方差膨胀因子小于5,共线性较弱 ...

1999

0.0

... 而且面板数据能缓解多重共线性影响^[30,31],模型所用数据来自中国大陆31个省份面板数据,具备大样本性质,多重共线性问题在一定程度上不影响参数估计结果 ...

2010

0.0

孙文凯. 多重共线性问题评述[J]. 经济与管理评论, 2010(4): 118-126.

[SUN W

. A review of multicollinearity problem. Review of Economy and Management, 2010(4): 118-126. ]

本文首先总结了现有对多重共线性的研究,进而通过模拟的方法比较不同成因时增大样本和替代变量的统计性质改善情况.本文有几个简明而重要的发现:首先,增大样本无论在哪种情况下都是一个改善参数统计性质的做法;第二,由样本导致的强共线时,增大样本量带来的改善效果更明显;第三,总体回归模型中的随机误差项分布影响增大样本带来的参数统计性质改善程度;第四,替代变量与直接回归两种方法的好坏对比取决于共线性强弱和模型拟合效果好坏的对比,如果共线性相对较强,那么替代变量会是一个相对好的选择.