亚洲城网页版 ca88 cc >>发展规划研究 总第42期 2010年>> 一线建言 打印 | 收藏 | 字体: | 阅读 次数 | 发布日期:2012/7/30
基于区域差异的城市化对环境影响的动态效应分析——基于动态面板数据模型的实证
姜 磊 吴玉鸣

    一、引言
     随着我国经济快速的发展,工业化水平不断地提高,我国已进入了工 业化的高潮时期。城市化是建立在工业化和后工业化基础之上的经济发展的自然结果。改革开放以来,中国城市化进程明显加快,同时也给中国的环境保护带来了挑战。这是因为经济活动主要集中在城市,快速的城市化使得大量的农村人口涌入城市,使得基础设施短缺和环境管理不善的城市自然环境和城市居民生活条件都在趋于恶化。AJ Mcmichael也指出:“城市化将以一种重要的形式危害人类的生存环境和健康。城市的扩张、工业的增长以及人口的增加,给当地生态环境带来许多压力。”城市化进程加快了科学技术的发展,使得人们从环境中获取资源的方式越来越丰富,资源数量也越来越多,排放到环境的气体、液体和固体废弃物也迅猛增加,既造成环境污染,又严重危害了资源的数量和质量及再生能力。城市中大量的工业企业排放的三废和城市居民产生的生活污水及生活垃圾对周围环境造成了极大的破坏,垃圾围城已经成为城市化的毒瘤。固体废物侵占了大量土地,对农田破坏严重,严重污染空气和水体。伴随着中国城市规模的扩大和数量的增多,机动车的使用也大大增加,而排放的尾气又加剧了城市中的大气污染程度。城市发展和城市化造成的环境污染还有海洋环境污染、土壤、噪声、电磁波辐射污染等。
       城市化引发的城市生态环境问题早已引起人们的注意。19世纪末期,英国学者E.Howard著述《田园城市》探讨了用理性的规划方法来研究城市化与城市生态环境之间的协调发展问题。20世纪初继芝加哥学派的人类生态学方法在城市健康、土地及社会分层研究中取得明显的成效,城市化与人类聚居问题一度被列入联合国人与生物圈(MAB)计划的子项目当中,其研究激起了世界性的广泛关注。国外大多数文献以城市化对水污染或者空气污染的研究居多。例如,Colin W.Prowse早在1985年就以英格兰南部地区为例,研究了城市化造成的水库污染离子大量流入的问题。近年来,Yusuf Kurucu以Izmir地区为例利用地理信息系统和遥感技术研究了城市化与工业化对农业土地和环境的影响。Mrinal  K.Ghose等人以Kolkata为例研究了城市化进程中空气污染对人类健康造成的影响。Ravinder Kaur等人以Delhi为例利用空间绘图技术研究了城市化造成的土壤和水体的重金属污染问题。
      国内学者如姚士谋等阐述了中国城市化环境污染问题并提出了大城市可持续发展的模式、问题与前景。杨士弘研究了珠江三角洲的城市化对生态环境影响的问题,并提出了可持续发展的对策。刘耀彬利用协整检验、格兰杰因果检验、脉冲响应函数及方差分解模型,对其城市化与生态环境之间的关系进行了动态计量分析。乔标、方创琳等人以河西走廊为例构造了干旱地区城市化与生态环境的动态耦合模型,分析了城市化与生态环境的交互胁迫和动态演化关系,得出的结论为:城市化在最初阶段需要付出一定的生态环境破坏为代价,随着城市化的发展,生态环境会得到改善。
纵观国内学者的研究,大多数学者研究仅限于城市化与环境之间的可持续发展、协调关系以及城市化与环境污染的评价分析或者建立耦合机制,较少研究我国城市化和环境污染区域分布差异的动态关系。使用面板数据动态计量模型,即将所考察的不同的观测对象(横截面单元)的时间序列数据进行组合而成的面板数据。而使用动态面板数据模型又能反映出不同区域的异质性和城市化进程的动态效应。所以,本文应用动态面板数据模型研究城市化的对环境污染的动态效应和区域差异。


     二、样本的选取与数据来源
    (一)变量的含义
      城市化水平指标(URB)用非农业人口占总人口的比重%来表示,该指标是目前国际上比较通用的指标,被国内外大多数学者所采用。数据显示,我国自改革开放以来,随着经济的发展,城镇居民生活水平逐渐改善,各个省自治区直辖市的城市化水平也都在不断地提高。
      环境污染指标采用的是污染治理投资完成额(万元)POL作为被说明变量,在一定程度上反映了一个地区的环境状况,污染治理投资越大表示环境污染越严重。从数据资料上来看,我国各个省自治区直辖市的环境污染近年来呈现加速态势,同时该变量每年增加幅度较大也表明了各个地区加大了对环境污染的治理力度。虽然各个地区在某些年份有些起伏波动,但是从总的趋势来看,还是在逐年增加。
    (二)样本与数据
      由于我国幅员辽阔,经济发展不平衡,我国各个省直辖市自治区的城市化水平发展也不平衡,各地区环境污染程度之间的差距也较大。因此,为了揭示这种区域差异,本文考察我国不同地区的城市化进程对环境污染造成的动态效应。本文以我国各省、直辖市和自治区为单位,并将其归并入东部、中部和西部三个横截面即三个地区,利用各横截面单元1998到2005年的样本组成面板数据,进而建立动态面板数据模型,以考察我国城市化进程对环境污染的动态效应,其中东部地区包括北京、天津、河北、辽宁、山东、江苏、上海、浙江、福建、广东和海南11个省市。中部地区包括黑龙江、吉林、山西、河南、湖北、湖南、江西和安徽8个省。西部地区包括四川、重庆、云南、广西、贵州、西藏、青海、宁夏、陕西、甘肃、内蒙古和新疆12个省、市和自治区。但由于缺乏西藏,故本文在分析研究中未包含该地区。
      本文引入中国30个省域(由于缺乏数据不包括西藏)从1998年到2006年的面板数据,均来源于《中国统计年鉴》和《新中国五十五年统计资料汇编》或者根据指标计算得来。


      三、模型设定与计量方法
     (一)计量模型的设定
      如果从经典的时间序列角度来考察城市化对环境污染的影响,可以设定回归函数为:
        (1)
     或者从静态面板数据来考察,模型可以设定为:
    (2)
     模型(1)是标准的时间序列模型,但是如果用模型(1)来研究城市化对环境污染的效应,就无法衡量由于城市化发展水平和环境污染程度不同所产生的动态效应和区域差异;模型(2)是静态面板数据模型,面板数据模型可以从时间和区域两个角度来分析城市化对环境造成污染的程度,虽然可以利用各个变量在时间序列上的信息,而且包含变量在截面上的差异所提供的信息量,但是静态面板数据没有考虑到城市化的动态效应。模型(1)和模型(2)都假设以前各期的城市化进程对环境的影响是相同的,这一假设显然与现实情况不一致。
      由于我国各个地区的城市化水平和环境污染程度呈现出显著区域差异性,并且城市化进程对环境的影响本来就是一个动态而又非常复杂的过程,城市化对环境的影响不仅仅对环境当年造成了破坏,并且城市化对环境也有时间上滞后的影响。为了准确地考察我国各个地区城市化对环境影响的动态效应。因此可以将上述的模型扩展为动态面板数据模型,进一步将城市化变量和环境污染变量的若干滞后期引入模型作为说明变量而形成动态面板数据模型,基于以上的想法,模型可以设定为:



 (3)
      在模型(3)中,  1,2,3,…N分别代表不同的省、自治区、直辖市,  1,2,3,…   代表考察的各个年度, 为所度量的各个横截面单元的个体差异,即不同区域的差异,  为随机扰动项。       表示的是各地区在各个年度污染投资治理完成额的对数,        的系数  度量的是各个地区前一期污染治理投资对下一期环境所产生的影响。       为各个地区的城市化水平的对数;         表示的各个地区滞后一期的城市化水平,以后城市化滞后期表述类似。  度量了本期城市化进程对环境造成的影响,  和     分别度量了若干期城市化进程对环境造成的影响。如果   、  ……      均为正数,则表明了城市化发展进程对环境造成影响,系数越大,影响越大,系数越小,则影响越小。
        模型(3)优于模型(1)和模型(2)的几点主要在于:模型(3)反映了前若干期城市化进程对环境的影响并不完全相同,同时也能反映出城市化对环境影响的深远深度;模型(3)为动态面板数据模型,不仅利用了更多的时间和截面的信息,而且也揭示了各个地区城市化进程对环境影响的动态差异。本模型在实际计算中发现,当滞后期选为5时,t统计量就已经变得不显著,所以模型最终选取四阶滞后期。
     (二)模型方法说明
       在上述动态面板数据模型中,由于因变量的滞后期作为说明变量,从而导致了说明变量与随机扰动项相关(即说明变量具有内生性),且模型具有横截面相关性,因此如果应用标准的随机效应模型或固定效应模型进行估计,必将导致参数估计的非一致性。为了解决这一问题,Arellano和Bond、Arellano和Bover、Blundell和Bond建议采用广义矩估计(GMM)的方法。
       广义矩估计方法是基于模型实际参数满足的一些矩条件而形成的一种参数估计方法,是矩估计方法的一般化。Hansen对GMM问题作了系统表述。GMM的重要优点是:它仅需知道一些矩条件,而不需要知道随机变量的分布密度(如极大似然估计)。广义矩估计方法通过修正回归方程误差项的协方差矩阵来有效地克服说明变量内生性问题以及异方差和序列相关,从而降低估计结果产生偏误的可能性,该方法纳入了所有的矩条件,因此广义GMM估计的结果将在统计上更加有效,也更适用于动态面板数据的估计。广义矩估计基本原理如下:
     首先对模型(3)进行一阶差分处理得到模型(4),即
       (4)
      对模型(3)进行一阶差分的主要目的是选取合适的工具变量和产生相应的矩条件方程。由于模型样本时间序列较短,滞后期的影响较长,地区截面数不相同,因此工具变量的选择在东部、中部和西部模型中也略有不同,判定GMM方法当中工具变量是否有效,可以构筑Sargan过度识别约束检验来判断工具变量和残差项之间的相关性。若工具变量有效,那么工具变量与残差项无相关性。Sargan检验的原假设是工具变量和残差项之间是无相关性。因此,不拒绝原假设为大家提供了使用的是有效的工具变量这样的证据。本文在计算结果中则加入了Sargan检验来判定其是否有效。由于模型(4)中,说明变量           和随机扰动项      相关,为了解决这种相关性,在估计中选取
      作为        的工具变量。这是因为      
      与     高度相关,而与      不相关,那么可以设定矩条件为:
                         (5)
     其中,  是截面的阶工具     变量矩阵,而
  (6)
     大家就可以利用广义矩估计方法进行迭代使之产生最小化正交矩阵:
  (7)
    在应用GMM估计时,除了选取合适的工具变量之外,为了使得估计的假设检验具有稳健性,还应选取适当的加权矩阵,本文选用的是怀特逐期协方差矩阵(White period covariance),即           。将怀特逐期协方差矩阵代入最小化正交矩阵中并对其实施最小化,所得到的GMM估计量及其对应的方差估计具有一致性和稳健性。


      四、计量模型检验与实证分析
     (一)模型计算结果
      本文选取面板数据建立动态回归方程,并采用广义矩估计的方法对参数进行回归分析。由于GMM一般不具有经典的拟合优度和F统计量,一般采用J统计量来实行假设检验,所以笔者在回归的结果里没有报告拟合优度值和F统计量。系数下方的括号报告是系数的t统计量,这里不标注标准差是因为有一些文献报道表明,标准差在GMM方法中有时并不可靠。计算结果中的Wald检验是判断系数联合显著性检验,Sargan检验是用来判断选用的工具变量是否有效。具体结果如表1所示。
     从表1总体来看,全国、东部地区和中部地区的系数绝大部分都通过t检验,西部地区一半系数通过了t检验。系数联合显著性检验Wald检验P值表明了模型在整体上是有效的。由于大家使用的是系统内部的弱外生变量的滞后期作为他们自己的工具变量,因此报告sargan检验对判断工具变量是否有效十分必要。四个模型的sargan检验P值均在0.3以上,证明了选用的工具变量均有效。
      度量的是上一期污染投资治理对当年的环境污染的影响,从表1可以发现,全国、东部地区、中部地区和西部地区的  均为负值,并且在-0.1448和-0.5758之间,说明上一期的污染投资治理对当年的环境污染虽然起到了部分改善的作用,但是效果并不是很理想。同时也说明了,污染投资治理的动态效应并不明显。由此也可以看出来,虽然我国每年各个地区都在加大环境污染的治理力度,但是投入治理的力度相对于污染程度来说仍然不够,仍然需要加强。环境污染的影响有时并不是马上就能凸显出来,这需要大家长抓不懈。
      在全国的样本模型中,系数均非常显著地通过了t检验。  度量是城市化进程当年对环境造成的影响,  度量的是上一期城市化进程当年对环境造成的影响,依次类推。大家发现  到  系数从总体上来说是依次递减的,说明了在全国范围内,城市化进程对环境造成的影响是逐年递减的,在滞后的第四年内减少到最小。
     在东部地区的样本模型中,系数也均非常显著地通过了t检验。  到  之间是逐年递增的,而从   开始又递减。说明了在东部地区城市化进程对环境造成的影响从当期开始在滞后两年内达到最大,但是又从第三年开始影响减少,第四年为负值,说明了城市化进程在滞后的第四期内对环境起到了改善的作用。东部地区的城市化发展对环境的影响与乔标、方创琳的结论类似。即东部地区在城市化进程中,虽然在短期内对环境造成了影响,但是从长远来看,这种影响会逐渐减小甚至会得到改善。同时东部地区经济较为发达,也允许有更多的资金投入到环境污染治理上去。
      在中部地区的样本模型中,系数也较显著地通过了t检验。但是从系数来看,无明显的规律可循,说明了中部地区情况比较复杂。从中部地区的原始数据来看,中部地区每年的环境污染治理投资浮动较大,城市化水平也不尽相同,差异较大,而污染的差异也较大。比如污染最严重的山西城市化水平却不高,因为当地煤炭资源丰富,过多的煤炭开采,以及大量的煤炭开采和炼焦等高污染企业造成的环境污染要比城市化进程带来的污染要大的多。
      在西部地区的模型中,从系数上来看,是逐渐增大的。说明西部地区的城市化进程对环境污染造成的影响是每年都在加深。在滞后的第三年,即  为负值,在滞后的第四年,即  又为正值,说明西部地区城市化进程对环境的影响在滞后的第三年后在本模型中没有很好的体现出来。但是从城市化的当年,滞后一年和滞后两年,即  到  的系数都在增大。同时比较全国、东部地区和中部地区,大家可以发现,西部地区的城市化进程对环境造成的影响更大,也更为深远。这是由于西部大多数是生态环境比较脆弱的地区,环境污染的自我降解能力较低,同时西部地广人稀,又加之经济较为落后,污染治理区域较大,资金投入又比较有限,所以西部地区的城市化进程对环境的影响是十分的深远。
     (二)面板残差单位根检验
      为了评价回归的结果和检验滞后阶的稳健性,需要对模型回归的残差进行面板的单位根检验,如果残差不是面板单位根过程而是平稳过程,那么可以认为参数估计量不是伪回归的结果,滞后阶的选择也是合适的。为此本文利用Levin,Lin和Chu的t*统计量、Breitung的t统计量、Im,Pesaran and Shin的w统计量、ADF-Fisher Chi-square和PP-Fisher Chi-square检验来进行面板残差的平稳性检验。具体检验结果如表2所示。
      从残差的面板单位根检验结果来看,所有单位根检验结果在1%的显著水平上都拒绝残差存在单位根的原假设,即残差是平稳的,这一结果表明,滞后阶的选取是稳健的,动态面板数据模型的设定合适。综合估计结果和残差检验结果来看,本文基于动态面板数据模型所产生的结论,不仅揭示了城市化具有的动态效应,而且还反映出东部、中部和西部地区之间的差异。


      五、结论和建议
      本文通过建立动态面板数据模型及使用广义矩估计方法,揭示了我国城市化进程对环境影响的区域差异和动态效应。从全国、东部、中部和西部地区来看,我国上一年的污染投资治理对当年的城市化造成的环境污染略有改善,但是作用不大,中部地区的改善效果最小,西部改善的效用略大。说明了我国在环境投资治理方面远远没有达到理想的境地,也就是说没有使得污染投资治理产生改善环境污染的动态效应。我国环境治理的基础设施不够完备,尽管每年都在增加污染投资,但是相对于污染来说,仍然不足。虽然上一年的污染投资治理发挥的作用较小,但是大家对待环境污染绝对不能松懈。目前,我国的环境污染已经相当严重,在经济的高速发展的时代,大家更应该加大环境治理力度,不断地改善发展环境。城市化进程对环境的影响,从计算的结果已经很好揭示出来。我国城市化进程对环境的影响可谓是深远,从全国范围来看,直到滞后的第四期,城市化对环境的破坏也接近当年的一半,东部地区情况稍好一点;中部地区情况较为复杂,但从滞后的三期之内来看,累加的影响效应也超过了东部地区;西部地区的城市化对环境的影响最为严重,也最为深远。
      快速的城市化发展引起环境污染,也暴露出了许多问题。例如,城市的重工业发展过多,粗放型的经济增长和落后的生产技术,不仅大量地消耗了资源,同时也排放了大量的污染物。城市的能源结构不合理,过多的使用煤炭作为能源,排放大量的二氧化硫污染大气,大量的机动车的尾气又加剧了大气环境的进一步恶化。城市的环境治理基础设备的薄弱,使得大量的生活垃圾和生活污水没有得到处理就直接排放。另外环境保护监管不利,环境治理欠账较多,人们的环保意识淡薄以及法制不健全也都是造成环境污染的原因。
      因此,应改善产业结构,大力发展消耗少、污染轻的第三产业,合理配置自然资源;积极推进能源结构的调整,大力发展天然气等清洁能源的使用;不断的完善城市环境基础设施建设,利用市场手段改革环境保护措施;加大环境保护的执法力度;政府大力扶植科技环保产业的发展等都可以有效的改善环境污染状况。另外,加大对环境保护的投入,也是实现环境改善的重要保证,从发达国家对环境保护的投入来看,一般占到国民生产总值的2%,而大家国家对环境保护的投入非常不足。当然,提高城市居民素质,强化城市居民的环境保护的意识也是减轻环境污染、改善城市环境的重要途径。

(编辑单位:广西师范大学,西南城市与区域发展研究中心)

 _
  上一篇:经济转型与现代服务业的发展

关闭窗口
XML 地图 | Sitemap 地图