经济增长与环境污染动态关系研究.docVIP

经济增长与环境污染动态关系研究 　　【摘 要】以我国江苏省2000～2012年的相关数据为基础，运用主成分因子分析法对数据进行改进处理，通过平稳性检验、变量协整检验、格兰杰因果关系检验和广义脉冲响应函数与方差分解，结合VAR模型对环境污染与经济增长之间的关系进行系统和动态的研究，以期对我国江苏省的经济发展和环境保护提出有价值的建议。 　　【关键词】经济增长；环境污染；VAR模型 　　一、问题的提出 　　长期以来，经济发展造成的环境污染持续增长，环境污染治理代价和生态破坏压力日益增大。江苏省作为经济大省，经济增长的速度位居全国各大省市前列，但与此同时产生的环境污染问题也不容小觑。在江苏省国内生产总值的不断上升，人均GDP快速提高的过程中，用于治理环境污染带来的成本与代价也在逐年攀升。江苏在以全国1%的国土面积创造全国15%的工业总量和10%GDP总量的同时，也制造了全国6%的工业污染。近5年来，虽然江苏GDP总量翻了一番多，排污总量下降了40%，但由于工业化迅速推进，江苏环境承载能力越来越弱，使江苏面临的环境压力越来越突出，环境问题已经成为江苏省经济发展的瓶颈。因此，协调好江苏省经济发展与环境污染之间的关系是实现可持续发展的核心问题。本文利用江苏省2000～2012年的相关数据，改进对数据的处理，结合运用VAR模型，辅以主成分分析和格兰杰因果检验、脉冲响应和预测方差分解等方法，对环境污染与经济增长之间的关系进行系统和动态的研究，探讨了环境污染与经济增长之间的影响和相互作用，对江苏省的经济发展和环境保护提出有价值的建议。 　　二、指标选取及数据来源 　　本文样本观察期为2000～2012年，数据来源于《中国统计年鉴》、《中国环境统计年鉴》和《江苏统计年鉴》。经济发展水平由江苏省人均国内生产总值（Y）来测度，数据消除了价格因素的影响，并作对数处理。环境污染程度由工业“三废”的总和排放量来测度，采用工业废水排放量（亿吨）、工业废气排放量（亿立方米）、二氧化硫排放总量（万吨）、烟尘排放总量（万吨）、工业粉尘排放量（万吨）和工业固体废弃物排放量（万吨）等六个指标。 　　以上六个指标分别反映了污染排放程度，可以分别用于检验各个指标与经济增长是否存在EKC假说，但为了整体反映经济增长与环境污染之间的关系，可以通过因子分析法将六个指标整合成环境污染综合指数。首先通过SPSS软件对六个指标的原始数据进行标准化，并计算出因子得分、特征值、贡献率和累积贡献率，结果见表1。 　　由表可知，第二个主因子的特征值已经是1.723，并且前两个因子的累积方差贡献率达到84.506%，因此，选取前两个主要的因子就可以较准确地反映原有变量指标的基本信息。计算出前两个主因子的相应得分，分别记为F1和F2。再以前两个主因子对应的特征值占三个主因子特征值总和的比重为权数，构造江苏省环境污染综合指数方程：Pollution=0.66F1+0.34F2，（1）。离差标准化是将某变量中的观察值减去该变量的最小值，然后除以该变量的极差。由于本文采用因子分析法得到的环境污染综合指数的数据中存在负数，而实际污染排放量不可能为负，并且负值无法进行对数化处理，因此本文采用离差标准化法进行处理，得到江苏省的环境综合污染对数化指数记为Zpollution。即x′ik=[xik-Min（xk）]/Rk，（2）经过离差标准化后，各种变量的观察值的数值范围都将在[0，1]之间，并且经标准化的数据都是没有单位的纯数量。Pollution和Zpollution两指数2000年到 　　2012年的变化趋势见图1。从图1可知，江苏省环境污染综合指数从2000到2002年呈下降趋势，2002到2007年快速上升， 　　2007到2012年快速下降，2002到2012年呈现倒U型曲线。 　　三、模型建立与探究 　　单一方程时间序列模型探讨的是单个变量的动态规律性，但在现实经济分析中，经常会面对由多个变量构成的系统，而这些变量之间通常具有关联性。因此，在一个经济系统中，一个变量的变化不仅会与其自身滞后值有关，还会与其它变量滞后值有关。这就需要把单变量自回归模型推广到多变量自回归模型，即VAR模型。每个被解释变量都对自身以及其它被解释变量的若干期滞后值回归，若令滞后阶数为k，可用下式表示。但在向量自回归模型之前，必须先进行单位根检验，看变量序列是否为平稳序列，若平稳，可构造回归模型；如果不平稳，还要进行差分。所有的检验序列都要服从同阶单整，才能构造VAR模型，然后再做协整检验，判断模型内部变量间是否存在协整关系，即是否存在长期均衡关系。如果存在协整关系，再进行Granger因果检验，检验变量之间是否存在因果关系。这些检验虽然能够显示被解释变量对被解释变量是否存在显著的影响，但是不能显示