安徽新闻

中国高耗能产业的区域分布及其环境污染——基于省级动态面板数据的分析

龚建健、沈克廷(浙江工商大学经济学院)[摘要]本文以高耗能行业为研究对象,通过分析1998-2008年中国30个省市高耗能行业的区域分布和污染排放情况,运用动态面板数据,对影响中国各省市和东、西、中部三大区域高耗能行业污染排放的因素进行回归分析。

研究结果表明,高耗能产业密集分布在中部和东部地区,发展速度从东向西逐渐加快。东部地区高能耗污染排放仍然是中国当前污染排放的主要因素。能源密集型产业的区域集聚有利于节能减排。环境库兹涅茨曲线存在于中国所有省市和地区以及东、西、中三大区域,但污染排放存在很强的省际异质性。

关键词能源密集型产业环境污染的区域分布产业集聚环境库兹涅茨曲线JEL:Q43,L601简介进入工业时代以来,人类活动对化石能源的巨大需求导致的温室气体排放已成为全球变暖的主要原因。

人类通过自己的生产活动大大提高了生活水平,但同时也给自然环境和人类自身带来了巨大的危害。

根据国际气候变化专门委员会(2007年)的评估,如果全球平均气温上升超过1.5摄氏度~2.5摄氏度(与1980年~ 1999年相比),20% ~ 30%的物种可能面临更大的灭绝风险。

作为一个发展中国家,中国目前正处于快速工业化和城市化进程中。

工业化和城市化的发展需要大量的能源,而化石能源的大量消耗将直接导致严重的环境污染。

因此,日益增长的能源消耗和日益突出的环境问题已经引起了社会各界的广泛关注。

目前,关于能源和环境问题的研究文献可分为两类。一类侧重于影响能源或环境变化的因素,另一类侧重于能源或污染排放对产出和经济增长的影响。

从研究的角度来看,可以分为产业层面和区域层面。

现有文献大多从区域层面分析能源和环境问题,很少从行业层面(尤其是高耗能行业)进行区域分析。

然而,工业部门占中国能源消费污染排放量的80%以上(陈士毅,2009),高能耗行业的污染排放量占工业部门排放量的90%以上。同时,由于各省市经济发展水平和能源技术效率存在显著差异,对工业领域高耗能行业污染排放的分析和研究,对我国的节能减排和产业转型具有重要的参考价值。

本文首次以我国区域部门的能源密集型产业为研究对象,试图在现有文献的基础上做出以下贡献。首先,对1998-2008年中国30个省、自治区能源密集型产业的区域分布和环境污染排放进行分析,描述其区域分布特征和增长趋势以及污染状况。其次,验证了中国各省之间是否存在污染产业转移,并对“污染避难所”假说进行了实证检验。第三,利用动态面板数据模型分解导致不同地区高耗能行业环境污染排放差异的驱动因素,分析不同地区高耗能行业环境污染排放的个体差异。

本文的结构安排如下:第二部分描述了高耗能产业的区域分布特征和环境污染的分布。第三部分是基于动态面板数据模型的回归模型构建及实证检验和结果分析。第四部分是基本结论和政策含义。

2.能源密集型产业的区域分布与环境污染。数据显示,本文使用的数据主要是30个省、自治区、直辖市的行业数据(香港、澳门、台湾不属于调查对象,西藏自治区除外,因为数据统计不完整)。

由于两位数代码产业中的废弃物资源和废弃物回收产业是在2003年后才发布的,本文将其与手工业和其他制造业合并为其他制造业。

此外,2002年标准将木材和竹子的收获和运输行业改为农业、林业、畜牧业和渔业,因此本文取消了2002年及之前的木材和竹子的收获和运输行业。最后,本文实际构建了38个工业二位数代码子行业的面板数据。

所有数据来自《中国统计年鉴》、《中国工业经济年鉴》、《中国能源统计年鉴》、《中国环境统计年鉴》、《中国科学技术统计年鉴》以及各省、市、自治区的统计年鉴。

2.与其他行业相比,能源密集型行业消耗资源的速度最快,对能源的需求更大,容易造成严重的环境污染。

本文以行业实际能耗强度作为划分高能耗行业的标准。

能源消费强度是衡量一个国家或地区能源利用效率和能源应用技术水平的重要指标,也反映了工业消费能力的强弱。

本文估算了1998-2008年中国各行业的实际能耗强度。首先,根据1998年不变价格对各行业每年的工业总产值进行贴现,得到实际工业总产值。然后计算各行业每年的实际能耗强度。最后,计算各行业实际能耗强度的平均值,按照从高到低的顺序分为三个行业组(高能耗行业组、中能耗行业组和低能耗行业组)。结果如表1所示。

我们将实际能耗强度在1吨标准煤/万元以上的行业视为高能耗产业群,将实际能耗强度在1吨标准煤/万元以下的行业视为中低能耗产业群,本文主要对高能耗产业群进行分析。

从表1中可以看出,高耗能产业群所涵盖的产业与一般意义上的高耗能产业基本相同。

H26黑色金属冶炼及轧制加工业实际能耗强度达到2.73,最高能耗为每万元工业总产值。H37燃气生产供应行业、H25非金属矿产行业、H1煤炭采选行业实际能耗强度达到2.2以上;电力、有色金属、非金属、石化、化纤等典型高耗能行业的实际能耗强度也在1以上。

(1)高耗能产业的区域分布为了衡量高耗能产业的区域分布及其产业集中度的大小,我们将各省、地区高耗能产业的实际产业增加值除以当年全国总增加值,得出各省、地区高耗能产业在全国高耗能产业总量中的比重。

本文以温(2004)为模型,以各地区高耗能产业实际工业增加值比重为指标,测算高耗能产业的区域分布。

如果某一地区能源密集型产业的产业增加值占比较大的比重,说明该地区能源密集型产业的企业数量相对较大,或者能源密集型产业的企业生产能力相对较强,那么该地区可以视为能源密集型产业密集分布的地区。

为了详细描述高耗能行业的区域分布,我们对30个省市和地区1998年和2008年高耗能行业实际工业增加值(按1998年各省不变价格折算)的比例进行了分类和汇总,得到了高耗能行业不同的区域分布,并将其映射到30个省市和地区高耗能行业密集分布的区域渐变图中。

从图1中,我们可以清楚地看到1998年至2008年中国高耗能产业的集聚和转移过程。

根据高耗能产业的产业集聚程度,我们将30个省、自治区平均分为五个等级。左右图(1998年为左,2008年为右)的划分标准是一致的。详情见图例。

图片中颜色最深的区域是能源密集型产业最集中的区域。随着颜色的减少,能源密集型产业的集中度趋于下降。

从这一数字可以清楚地看出,高耗能产业密集分布在中部和东部地区,并已在区域一级转移,从而简单直观地验证了我国各省之间污染产业的转移。

为了更详细、更有针对性地研究我国能源密集型产业的区域分布,通过对东、西、中三大区域能源密集型产业数据的整理和计算,发现三大区域能源密集型产业实际工业增加值增长较快,东部能源密集型产业实际工业增加值年均增长率达到19.89%,中部达到19.95%,西部达到24.22%。

由此可见,西部高耗能产业的发展速度远远快于东部,整体情况呈现出从东、中、西逐渐增加的趋势。

因此,从能源密集型产业的产业集聚和三大区域工业增加值年增长率的变化中,我们可以看到相对明显的东西向转移趋势,这也初步验证了国内能源密集型产业存在的“污染天堂避难所”假说。

(2)高耗能行业污染分布为了更清楚地了解高耗能行业在不同地区造成的环境污染及其分布,我们对不同省份高耗能行业的污染排放进行了调查。

本文以SO2作为衡量工业环境污染水平的主要指标,通过各省SO2排放比例来衡量各省能源密集型产业的污染水平,从而确定我国能源密集型产业的污染分布。

同时,将1998年和2008年中国能源密集型产业的污染分布绘制成区域渐变对比图(见图2)。在地图上,各省、自治区能源密集型产业的污染水平分为五个层次,颜色从浅到深,反映了各省、自治区能源密集型产业的污染水平从低到高。

为便于比较,左右图(左图为1998年,右图为2008年)的划分标准相同。详情请参考图例。

通过查看图2,我们发现与1998年相比,2008年能源密集型产业的污染排放分布更加分散,中西部地区的色彩趋于加深,呈现出污染向中西部地区扩散的趋势。

通过比较,我们可以直观地看到1998-2008年11年间中国能源密集型产业污染分布的变化,也简单地证实了中国发生的“污染西进”现象。

这种现象背后的深层原因是什么?这值得政府和学术界思考。

回来。

由于系统GMM估计比差分GMM估计具有更好的有限样本特性,且估计结果更有效,因此我们主要采用系统GMM方法进行估计。

为了验证工具变量的有效性,我们将使用萨根/汉森检验和AR检验(Arellano-BondtestforAR)来判断。在萨甘/汉森测试中,最初的假设是工具变量是有效的。在AR检验中,残差项允许一阶序列相关,但不允许二阶序列相关。

动态面板GMM估计可分为一步和两步GMM估计。

由于两步估计的标准偏差的向下偏差,这种偏差在被温德梅杰(2005)调整后会减小,但它将导致两步GMM估计器的不可靠近似渐近分布。因此,一步GMM估计(邦德,2002)通常用于经验应用。因此,将采用一步系统广义矩估计器(一步系统GMM),并用小样本进行调整。

同时,为了确定影响我国三大区域能源密集型产业环境污染排放的不同驱动因素及其驱动力的大小,本文将对我国东、西、中部三大区域的面板数据进行静态面板估计(小样本下GMM估计无效,因为次区域后氮≤T)。

2.回归结果分析表3和表4给出了模型的回归结果。

模型1是用系统GMM方法估计全国面板数据的结果。

在系统的GMM估计中,我们将EC和lnik的差分项以及IRD、lny、lny2和IER的一阶至二阶滞后项作为一阶差分方程的工具变量,将EC和lnik的水平项以及IRD、lny、lny2和IER的差分项作为水平方程的工具变量。

同时,GMM估计的一致性要求二阶差分残差序列的相关性为零。经过测试,我们发现AR(1)拒绝原始假设,而AR(2)接受原始假设,即随机干扰项的二阶序列不相关的原始假设成立。

同时,汉森检验接受了原来的假设,其统计数据并不显著,这也表明我们对工具变量的选择是可靠的。

通过观测,我们发现系统GMM估计得到的因变量一阶滞后项系数介于OLS和固定效应模型估计之间。因此,根据邦德(2002)提出的判断偏差的方法,我们知道我们的估计结果没有很大偏差。

模型2至10分别是全国及其三个主要地区的静态面板估计结果。

对于静态面板估计,考虑到各省的禀赋差异和产业结构差异,样本中个体之间可能存在异方差性和自相关性。因此,我们使用横截面加权广义最小二乘(GLS)来估计模型2到模型10的固定效应,以消除异方差引起的效应,并使用AR项来消除自相关。

从模型1的估计结果中,我们可以看到大部分的解释变量都是相当重要的,并且方向与我们的预期一致。

从回归结果来看,前期SO2排放与本期SO2排放正相关,表明高耗能行业造成的环境污染排放具有连续性,是全国范围内的累积调整过程。

人均产出的一级和二级系数分别为99.34和-5.347,在1%的水平上显著,这表明人均产出和SO2排放呈显著的倒U型,从而在全国范围内验证了该样本中的环境库兹涅茨假说(EKC)。

能量强度回归结果不显著,表明它不是影响SO2排放的主要因素。这可能是由于我国各省、区高耗能行业的技术和认识水平不同,对提高能源利用效率重视不够。

能源结构与SO2排放呈显著正相关,回归系数达到27.88,这使我们认识到能源结构的恶化和煤耗比例的增加会带来更多的环境污染排放。因此,当务之急是优化全国能源结构,增加替代能源和清洁能源的比重。

企业规模变量的回归结果不显著,表明企业规模变量对环境污染排放的影响不显著,但在静态面板回归中与SO2排放呈正相关,在1%的水平上显著,这也表明全国高耗能行业中单个企业的平均规模越大,造成的环境污染就越高。

研发强度与SO2排放负相关,显著水平为10%。可见,高耗能行业企业的研发和科技活动为中国节能减排提供了较强的驱动力。

虽然环境管制的强度并不显著,但其回归系数的方向与我们的预期一致,这表明严格的环境管制会减少环境污染排放,而资本强度极不重要,在系统GMM回归中剔除后各种统计数据的回归结果更好,所以我们在回归中剔除了它。

模型2和模型3分别报告固定效应估计和随机效应估计的结果。这两种方法的估计结果与GMM估计结果基本相同,但GMM估计结果对于动态面板数据相对较为理想。

表4显示了三大区域高耗能行业污染排放驱动模型的回归结果。

在表4的模型中,我们使用lnSO2it作为因变量,一是为了考察其不同的经济意义,二是为了更准确地比较三个地区环境污染排放的驱动力差异。

模型5描述了东部地区高耗能行业环境污染排放驱动因素的估算结果。

我们发现在东部地区,前期SO2排放对这一时期SO2排放也有累积效应,这表明东部地区SO2排放仍是一个持续的调整过程。

然而,人均产出的一级和二级项目仍然显著地处于1%的水平,这表明EKC假说在东部省份仍然有效,即随着经济的快速增长,东部地区高耗能行业的环境污染排放呈现先增加后减少的显著趋势。

值得注意的是,东部地区的环境控制强度与SO2排放呈显著正相关,也就是说,随着东部地区政府环境控制强度的加大,SO2排放仍在增加而不是减少。

我们认为,这可能与东部地区的历史条件和地理位置有关,东部地区位于沿海地区,在检查期间接管了大部分外国污染行业,从而导致东部地区SO2排放增加而不是减少。

在固定效应模型中,通过观察东部各省不同的个体影响,即污染排放与平均排放的偏差,反映出个体环境污染排放的差异。

我们发现山东(1.10)和河北(0.91)的正偏差最大,东部地区高耗能行业SO2排放量最高。然而,海南(-1.72)和北京(-1.12)的负偏差最大,环境污染排放量最小,环境友好程度较高。

模型7给出了中部地区高耗能产业环境污染排放驱动模型的估算结果。

F检验拒绝原假设,Hausman检验支持固定效应模型,因此用固定效应模型的估计结果来解释。f检验否定了原来的假设,豪斯曼检验支持固定效应模型,所以用固定效应模型的估计结果来解释。

同时,模型在中心区域的回归系数显著,拟合优度达到97%。

可以看出,中部地区SO2排放的前期累积效应明显强于东部地区(回归系数0.374 >;0.354),这可能与两个区域的R&D强度(即SO2回收和再利用的技术水平)有关。东部地区的R&D强度IRD与SO2排放负相关,而中部地区的正相关也能反映这一现象。

人均产出的一级项y和二级项y2表现出1%的显著水平,二级项y2的符号为负值,证明EKC曲线仍存在于中部地区。

其次,中部地区能源结构效率在10%水平上显著,与SO2排放呈正相关,对SO2排放的影响在三大区域中也最大,这与其独特的资源禀赋有很大关系,特别是山西、河南等产煤大省。煤炭的生产和消费居全国前列。煤炭消费比重较大,环境污染排放较高,中部地区能源结构成为高耗能行业SO2排放的最大驱动力。

规模变量规模在1%的水平上显著,与SO2排放呈正相关,表明随着企业规模的扩大,中部地区高耗能行业对环境的污染会越来越大。

与其他两个地区相比,我们还可以看到中部地区的规模变量对SO2排放的影响最大,这表明中部地区的企业不能利用规模经济在节能减排方面的优势,反而会造成更高的环境污染排放。

最后,我们发现河南(0.42)、湖南(0.33)、山西(0.21)和江西(0.32)的正偏差最大,黑龙江(-0.75)和吉林(-0.67)的负偏差最大。

模型9描述了西部地区的模型估计结果。

同样,根据f检验和豪斯曼检验,两者都否定了最初的假设,从而支持了固定效应模型。模型拟合优度高(95%),回归系数也最显著。

值得注意的是,西部地区SO2排放前期累积效应较强,在全国三大区域中最高(0.601),在1%的水平上具有显著性,表明西部地区减排技术相对于中部和东部地区还不太成熟。

人均产出的第一项和第二项也证明了环境库兹涅茨假说在西部地区仍然有效。

规模经济仍未对西部地区环境污染的减少做出贡献。西部地区高耗能行业企业规模越大,SO2排放量就越高,达到5%的显著水平。

值得注意的是,中西部地区环境控制强度为负,西部地区环境控制强度对SO2排放的负面影响大于中部地区。

这使我们认识到,随着污染产业从中部和东部地区向西部地区转移,西部地区承担了更多的环境污染。

在同等环境控制程度下,由于污染基础不同,西部地区每增加一个环境控制强度单位,SO2排放量将比中部地区多减少5.59%。

因此,从全国范围来看,它将在西部地区减少能源密集型产业污染排放的环境控制中发挥重要作用。

在固定效应的个体影响差异上,西部地区个体差异不是很大,四川(0.52)、广西(0.41)、内蒙古(0.28)与平均排放量有很大的正偏差。重庆(-0.74)、新疆(-0.35)和云南(-0.33)的负偏差值较大。

模型6、模型8和模型10是回归结果,侧重于工业集聚对环境污染排放的影响,同时分别控制东部、中部和西部地区的其他影响变量。

通过观察发现,在东部地区,高耗能产业的产业集聚对污染排放没有显著影响,但在中西部地区有显著的负面影响,西部地区的产业集聚对污染排放的减排效果远高于中部和东部地区。

这表明中西部地区的产业集聚给该地区的能源密集型产业带来了规模经济。同时,由于知识和技术的溢出,能源密集型企业在节能减排的技术交流与合作中具有更大的正外部性。

此外,由于十一五期间国家节能减排政策的实施,中西部地区没有走东部“先污染后治理”的老路。正是由于产业集聚的出现,中西部地区高耗能产业的环境控制和政策规划更具针对性。

因此,对于中西部地区来说,能源密集型产业的产业集聚有利于地方节能减排。

第四,结论与政策含义本文以区域部门高耗能产业为研究对象,通过描述我国各省市区高耗能产业的区域分布特征及其环境污染排放的增长,对其发展趋势有一个简单清晰的认识。同时,利用1998-2008年省级面板数据,实证检验和分析了影响中国及三大地区高耗能行业环境污染排放的决定性因素。

本文的主要结论和政策启示如下:第一,高耗能产业密集分布在山东、江苏、广东、辽宁等中部和东部地区以及河南、山西、河北等中部地区。西部能源密集型产业的发展速度比东部快得多,总体形势由东向西逐渐好转。

通过对高耗能行业的区域和污染分布的分析,发现东部地区高耗能行业的污染排放仍然是我国当前高耗能行业污染排放的主导因素。

只有有效促进东部地区能源密集型产业的生产技术进步和内部升级,才能大幅降低其污染排放,从而提高我国整体能源密集型产业的减排效率。

第二,中西部地区确实已经从东部地区承接了能源密集型产业的转移。

特别是在西部地区,能源密集型产业二氧化硫排放量的急剧增加远远超过了本应增加的二氧化硫排放量。这在一定程度上说明西部地区污染排放的增加是由于中东部地区能源密集型产业的转移,并验证了“污染避难所”假说。

第三,通过实证分析发现,环境库兹涅茨曲线存在于中国和中国东、西部三大区域,从而支持了EKC假说。

虽然EKC曲线没有充分反映经济发展与排放之间关系的内在要求,但证明人均收入水平与污染物排放之间存在库兹涅茨曲线仍然有意义。

因为它表明,政府可以对经济发展阶段的变化引起的改变经济增长模式和改善环境质量的要求作出积极的政策反应(蔡芳,2008年)。

第四,能源密集型产业的环境污染排放是一个累积和持续的调整过程。能源强度、能源结构与环境污染排放呈正相关,而R&D强度、环境调控强度及其排放呈负相关。

这表明,提高能源利用效率、优化能源消费结构、提高研发技术水平和环境控制可以减少高耗能行业的环境污染排放。

第五,从实证分析可以看出,高耗能产业的产业集聚有利于中西部地区的节能减排。

特别是,西部的工业集聚对减少污染排放的影响比中部和东部地区大得多。

这也表明中西部地区没有走东部“先污染后治理”的老路。正是由于产业集聚的出现,中西部地区高耗能产业的环境控制和政策规划更具针对性。

由于我国能源密集型产业环境污染排放模式的省际差异很大,政策制定应具有更大的区域针对性。

“十二五”期间,我国政府首先要进行新的机制设计,以确保各级政府能够改变当前的经济增长方式和思维方式,从被动完成指标转变为主动节能减排需求。其次,优化产业结构,加大科研投入,提高技术水平,发展替代能源和清洁能源。最后,鼓励本地区高耗能产业的经济集聚,改善地区之间以及中央与地方政府之间的转移支付,使各级政府能够通过激励相容更有效地实施节能减排,从而使中国高耗能产业更加健康有序地走上可持续发展的道路。

参考[1]邦德,2002年,动态规划方法与实践,工作文件09/02,伦敦金融研究所。[2]大卫·罗德曼。2009,how TodoXtaBond 2:an InductionDodifferenceAndsystemmminstata,[期刊,9(1),86-136。[3]戈德史密斯·曼多。,1951年,美国国家财富杂志,美国东南西北大学,[大学]国家经济研究,纽约,14,5-74,[4]IPPC,2007年,气候变化2007年,[大学出版社,剑桥和纽约。[5]梅文,2004,中国工业的重新定位和整合,[期刊《发展经济学》,73: 329-347。[6]风梅杰,2005年,英特样本校正为三个线性变量的有效两步估计器。《经济计量学杂志》126:25–51。[7]蔡芳、杜扬、王梅艳:《经济发展方式转变与节能减排的内在动力》[,经济研究,2008年第6期。

[8]陈士毅:《能源消费、二氧化碳排放与中国工业的可持续发展》,[,经济研究,2009年第4期。

[9]潘申彪、俞妙芝:《江浙沪三省市外商直接投资与环境污染因果关系检验》[期刊,《国际贸易问题》,2005年第12期。

[10]陈贾玲:《外国直接投资环境效应的新检验》,[,世界经济研究,2008年第9期。

[11]张军、吴桂英、张继鹏:《中国省级物质资本存量估算:1952-2000》(J),《经济研究》第10期,2004年。

You may also like...

发表评论