崔鑫生　韓萌　方志

摘要：環(huán)境庫茲涅茨曲線（EKC）是刻畫環(huán)境污染與經(jīng)濟增長關系的重要工具，然而學者們基于樣本的客觀異質性，對于EKC的倒“U”型假說仍存在著很大的分歧。為了在異質性條件下探究不同發(fā)展程度國家EKC的形態(tài)差異，并在深入挖掘異化根源的基礎上，以動態(tài)視角審視EKC的趨同屬性，本文主要從傳統(tǒng)EKC模型入手，研究不同發(fā)展程度經(jīng)濟體的EKC動態(tài)演進的趨勢，以把握我國環(huán)境與經(jīng)濟聯(lián)動的內在關系。文章采用30個經(jīng)濟體1991—2015年間易擴散污染物的數(shù)據(jù)，使用變異系數(shù)法構建了綜合大氣污染指標，并從發(fā)展水平和發(fā)展結構兩個維度構建了經(jīng)濟體的發(fā)展度指數(shù);在明確了低發(fā)展度國家傳統(tǒng)EKC形態(tài)線性遞增的基礎上，將異質性因素引入模型并基于隨機前沿成本模型分階段檢驗了不同發(fā)展度經(jīng)濟體污染物排放與人均收入之間的動態(tài)變化關系以及異質性因素對于不同經(jīng)濟體的作用效果。結果顯示：①盡管不同發(fā)展度國家不同時期EKC的形狀仍有差異，但都呈現(xiàn)出倒“U”形態(tài)，表明倒“U”型EKC的普遍存在性;②樣本期內，雖然不同經(jīng)濟體EKC的拐點差異較大，但都表現(xiàn)出隨時間由右上向左下移動的動態(tài)趨同趨勢;③不同的外部因素對污染減排的作用差異較大，甚至同一因素在不同時期、不同國家的作用程度也存在著顯著差異。這表明低發(fā)展度國家EKC具備改進的潛力，也說明環(huán)境改善是經(jīng)濟發(fā)展帶來的多重客觀異質性因素綜合作用的結果。中國目前應當根據(jù)自身特點，從升級產業(yè)結構、創(chuàng)新綠色技術、轉變能源結構、提升開放質量、建設綠色城鎮(zhèn)等角度促進減排，推動綠色經(jīng)濟的發(fā)展。

關鍵詞 環(huán)境庫茲涅茨曲線;環(huán)境污染;經(jīng)濟增長;異質性

中圖分類號 F062.1文獻標識碼 A文章編號 1002-2104（2019）09-0074-09DOI：10.12062/cpre.20190507

處理好環(huán)境問題是經(jīng)濟可持續(xù)發(fā)展的必要條件。環(huán)境庫茲涅茨曲線（EKC）（Grossman and Krueger）[1]直接反映了環(huán)境污染與經(jīng)濟增長之間的關系，因此自提出之日起，就得到了廣大學者的關注。但是，在不同前提條件下，環(huán)境庫茲涅茨曲線卻呈現(xiàn)出不同的形態(tài)。本文主要研究倒“U”型EKC動態(tài)變化的趨勢，這有利于我國進一步把握環(huán)境與經(jīng)濟聯(lián)動的內在關系，為推進經(jīng)濟與環(huán)境的雙贏發(fā)展提供理論支撐和政策建議。

1 文獻綜述

自EKC曲線提出以來，國內外學者便對其倒“U”型的存在性進行了大量的檢驗。Carson et al[2]、Stern[3]、Galeotti et al[4]、Fodha and Zaghdoud[5]、吳獻金與鄧杰[6]等從各自的分析角度入手，驗證了EKC的倒“U”型特征，而Permanet et al[7]、Azomahou et al[8]、張紅鳳等[9]以及李小勝等[10]并不支持環(huán)境與經(jīng)濟倒“U”型關系的理論假定，而是認為它的形態(tài)是有差異的，這削弱了EKC的現(xiàn)實指導意義。有學者指出，經(jīng)濟體的異質性是EKC形態(tài)差異的主要原因，譬如Martínez Zarzoso and Bengochea Morancho[11]、余東華和張明志[12] 的研究發(fā)現(xiàn)，不同經(jīng)濟體由于其發(fā)展程度不同，導致EKC的形狀確有顯著差異。

污染物不同，EKC的形狀也會不同。朱平輝等[13]研究了不同污染物EKC形態(tài)的差異，發(fā)現(xiàn)污染物的性質顯著影響EKC的形態(tài);蘇為華與張崇輝[14]綜合考慮了區(qū)域和污染物的特性之后發(fā)現(xiàn)，區(qū)域差異、污染物性質的差異都會影響EKC的形態(tài)。

楊林和高宏霞[15]驗證了倒“U”型EKC在我國不同地區(qū)的普遍性。本文將在此基礎上進一步研究EKC的動態(tài)演進規(guī)律，這有助于正確處理經(jīng)濟發(fā)展和環(huán)境治理的關系，優(yōu)化我國環(huán)境治理的路徑。如果僅僅將不同經(jīng)濟體與不同污染物的相關數(shù)據(jù)簡單“拼接”在一起，就無法客觀甄別EKC的真實形態(tài)及其動態(tài)發(fā)展情況，因此本文擬根據(jù)發(fā)展程度對國家分組，從發(fā)展程度、發(fā)展階段以及污染物構成三個方面控制影響EKC的外生因素，以揭示EKC形態(tài)動態(tài)演進的規(guī)律，探討倒“U”型EKC的一般存在性。所謂倒“U”型EKC的一般存在性是指，在控制了經(jīng)濟體的發(fā)展程度以及其它外生因素之后，不同發(fā)展度國家的EKC將呈現(xiàn)出類似的、趨同的倒“U”形態(tài)。

相較于以往的研究，本文主要有以下幾點貢獻：①在理論上，研究了倒“U”型EKC的普遍存在性問題，客觀呈現(xiàn)了不同發(fā)展度國家EKC動態(tài)演進趨同的過程，明確提出了每個經(jīng)濟體易擴散污染物隨人均收入先增長后下降的一般規(guī)律。②在研究對象和研究方法上，使用隨機前沿成本模型分階段研究了30個經(jīng)濟體歷經(jīng)25年跨度的污染物排放與人均收入之間的動態(tài)變化關系，量化分析了不同發(fā)展度國家在不同發(fā)展階段的最優(yōu)排放前沿及收入拐點，進一步揭示了EKC動態(tài)變化的趨勢規(guī)律。為了回避單個污染物可能導致的估計偏差，提高研究結論的可靠性，降低研究結論的脆弱性和適用的局限性，污染物排放使用了綜合大氣污染指標。③在應用價值上，以IPAT模型和Kaya恒等式為基礎，從發(fā)展水平和發(fā)展結構兩個維度構建了發(fā)展度指數(shù)，衡量了多個外部控制變量對環(huán)境作用的程度及方向，以提高政策建議的準確度和針對性。

2 研究設計、模型設定與數(shù)據(jù)說明

2.1 研究設計

本文首先使用傳統(tǒng)的EKC模型，檢驗不同發(fā)展程度樣本組EKC形狀的差異，然后使用隨機前沿成本模型對不同樣本組在不同發(fā)展階段的EKC進行估計，對比分析EKC的形狀差異，以探明倒“U”型EKC的普遍存在性和EKC動態(tài)演進的趨勢。之所以采用隨機前沿成本模型，是因為如果把特異因素看成影響成本到達最優(yōu)理論值的非效率沖擊，將有助于借助最優(yōu)成本前沿面厘清最優(yōu)成本下污染排放與經(jīng)濟發(fā)展的內在關系。

因此，本文首要的任務就是構造不同發(fā)展程度的樣本組。IPAT 模型（Ehrlich and Holden）[16]把影響環(huán)境的因素分解為人口、財富和技術，而Kaya恒等式（Kaya）[17]認為環(huán)境的壓力主要來源于能源碳強度、能源強度、人均 GDP和總人口四個因素。余東華、張明志[12]把以上影響因素歸納為發(fā)展水平和發(fā)展結構。本文則用收入水平、技術水平以及城市化水平來反映發(fā)展水平，選取產業(yè)結構、能源結構以及對外開放結構代表發(fā)展結構，構建出發(fā)展度指數(shù)，并基于各國發(fā)展度指數(shù)排名，使用中位數(shù)分組法將樣本國分為高發(fā)展度國家與低發(fā)展度國家，以獲得具有異質性的樣本組。

污染物的物理化學性質所產生的外部性差異也是造成EKC形態(tài)差異的重要因素。大氣污染物是一國工業(yè)和生活的主要副產品，具有流動性強、擴散性廣的特點，與廢水、固廢相比，其對環(huán)境的影響更為直接。而廢水、固廢對區(qū)域污染的影響相對集中，使得域內人所承受的污染壓力遠高于域外，因此可能存在由于博弈成本過高而不能有效制約污染行為的情況，此時如果以廢水或固廢作為污染代理變量，則EKC很可能表現(xiàn)出另一種不同的互動關系。又因為廢水、固廢的相關數(shù)據(jù)難以獲得，所以本文主要考察不同經(jīng)濟體大氣污染物與收入之間的關系。

2.2 模型設定

2.2.1 傳統(tǒng)EKC模型

很多文獻都采用以環(huán)境質量作為被解釋變量、以人均收入作為解釋變量的簡單對數(shù)二次方程形式來研究環(huán)境與經(jīng)濟增長的關系，并通過回歸系數(shù)的顯著性判定EKC是否滿足倒“U”型特征。方程具體形式如下：

lnE_it=α₀+α₁lny_it+α₂ln²（y_it）+ε_it （1）

其中，Eit為i國在時期t的人均污染排放量，yit為i國在時期t的人均GDP，α0是常量，α1及α2均為回歸系數(shù)，εit為隨機誤差項。由于EKC曲線具有時間與截面維度的雙重特征，面板數(shù)據(jù)模型可以有效反映出地區(qū)差異以及經(jīng)濟發(fā)展程度對于EKC的綜合影響，并且，與截面和時序模型相比，面板數(shù)據(jù)模型的自由度更大，更有利于提升參數(shù)估計的可靠性，所以本文使用面板數(shù)據(jù)估計（1）式，以判斷不同發(fā)展程度樣本組EKC的差異，并作為隨機前沿成本模型估計的對照項。

2.2.2 隨機前沿成本模型

本文借鑒王瑞和諸大建[18]使用隨機前沿成本模型估計中國各省減排潛力的方法，將影響環(huán)境的各類外生因素作為影響成本到達最優(yōu)理論值的非效率沖擊，用隨機前沿成本模型檢驗在非效率項不存在的情況下，不同發(fā)展度國家EKC的形態(tài)變化趨勢以及非效率項改善優(yōu)化EKC的程度。隨機前沿成本函數(shù)的誤差項分為隨機沖擊與成本非效率影響兩部分，因而不再是均值為0的對稱分布。為了估計最優(yōu)成本以及非效率因素的影響即實際成本對最優(yōu)成本的偏離程度，本文運用一步法（Battese and Coelli）[19]將污染排放對非效率因素與前沿面函數(shù)中的人均GDP及其平方變量回歸，從而構建隨機前沿成本模型如下：

lnE_it=β₀+β₁lny_it+β₂ln²（y_it）+v_it+u_it （2）

其中的成本非效率項uit可表示為：

u_it=δ₀+∑_jδ_jlnZ_jt+ε_jt（3）

在方程（2）中，Eit與yit與上文相同，分別代表了i國在時期t的人均污染排放水平以及人均GDP，vit為隨機誤差項，反映了統(tǒng)計中的遺漏變量。方程（3）中的各變量代表不同發(fā)展度國家存在明顯差異且影響各國污染排放的各非效率因素。本文選取了人均GDP以外的五個異質性變量（即技術水平、城市化水平、產業(yè)結構、能源結構和對外開放結構）作為非效率因素。由于成本非效率項通常大于0，因此非效率項會增加污染排放，即增大成本因素將占主導。鑒于此，本文將對高科技出口占制成品出口的比重、可替代能源與核能在能源使用總量的占比這兩個代理變量進行倒數(shù)逆向化處理，以滿足模型的假設需求（具體變量說明參見表1）。綜上所述，公式（2）中的成本非效率項uit可進一步表示為：

u_it=δ₀+δ₁lnIND_it+δ₂lnTEC_it+δ₃lnAE_it+δ₄lnOPEN_it+δ₅lnURB_it+ε_it（4）

2.3 變量說明與數(shù)據(jù)來源

在發(fā)展度指標和非效率因素代理變量的選取上，本文將人均GDP、高科技出口占制成品出口比重、可替代能源與核能在能源使用總量的占比、一國城鎮(zhèn)人口占總人口的比重、工業(yè)增加值占GDP比重的倒數(shù)和商品進出口及利用外資占GDP的比重這六個因素分別作為收入水平、技術水平、能源結構、城市化水平、產業(yè)結構和對外開放結構的代理變量（如表1所示）。其中，隨著國家工業(yè)化的快速發(fā)展，低端生產環(huán)節(jié)的轉移將使第二產業(yè)在國民經(jīng)濟中的比重不斷下降，因此，工業(yè)增加值占GDP的比重與發(fā)展結構的優(yōu)化呈現(xiàn)負相關關系，因而這里對該變量進行了逆向化處理。

本文選取了1991—2015年30個不同發(fā)展程度的國家為樣本，25年的時間范圍有效涵蓋了各國經(jīng)濟發(fā)展的不同階段，可以更好地反映出環(huán)境與經(jīng)濟增長的變化規(guī)律。30個樣本國家包括：奧地利、比利時、加拿大、捷克、丹麥、愛沙尼亞、芬蘭、法國、德國、盧森堡、荷蘭、挪威、西班牙、英國、美國、阿爾巴尼亞、阿塞拜疆、白俄羅斯、克羅地亞、格魯吉亞、匈牙利、哈薩克斯坦、波蘭、摩爾多瓦、羅馬尼亞、俄羅斯、馬其頓、土耳其、烏克蘭以及中國。

本文采用硫氧化物、氮氧化物、二氧化碳、甲烷以及PM10這五種主要大氣污染物的人均排放量，利用變異系數(shù)法構建了綜合大氣污染指標，來度量各國大氣污染程度。這有效降低了單一污染物作為代理指標造成的評價偏差，從而使模型更加全面和客觀地反映出環(huán)境與經(jīng)濟增長真實的內在聯(lián)系。

本文相關污染物數(shù)據(jù)分別來自于OECD數(shù)據(jù)庫、歐洲EMEP排放清單和預測中心數(shù)據(jù)庫、世界銀行WDI數(shù)據(jù)庫、《中國統(tǒng)計年鑒》《中國環(huán)境統(tǒng)計年鑒》以及《中國環(huán)境年鑒》。各國人均GDP、高科技出口占制成品出口比重、一國城鎮(zhèn)人口占總人口的比重、工業(yè)增加值占GDP比重、可替代能源與核能在能源使用總量占比與商品進出口及利用外資占GDP的比重等數(shù)據(jù)均來自于世界銀行WDI數(shù)據(jù)庫。

2.4 樣本國發(fā)展度分組及綜合大氣污染指標

本文采用了變異系數(shù)法設定指標權重，構建發(fā)展度指數(shù)，具體公式如下：

Vj=SjXj（j=1，2，…，6）（5）

其中，Vj為j代理變量的變異系數(shù)，Sj為j代理變量的標準差，即Sj=1n-1∑ni=1（Xij-Xj），Xj為j代理變量的樣本均值，即Xj=1n∑ni=1Xij 。在此基礎上，可以得到各項代理變量的權重為：

Wj=Vj∑6j=1Vj（6）

根據(jù)公式（5）及公式（6），我們可以得到，人均GDP、高科技出口占制成品出口比重、一國城鎮(zhèn)人口占總人口的比重、工業(yè)增加值占GDP比重、可替代能源與核能在能源使用總量占比與商品進出口及利用外資占GDP的比重這六個代理變量的指標權重分別為：0.26、0.20、0.06、0.08、0.27以及0.14。為了充分體現(xiàn)各國在不同時期的總體發(fā)展狀況，本文對各國代理變量按時間進行均值處理并賦權排名，同時為了實現(xiàn)不同量級代理變量的客觀可比，本文采用了直線無量綱化方法對數(shù)據(jù)進行了處理，得到了基于發(fā)展度指數(shù)的樣本分組。其中，高發(fā)展度國家包括：奧地利、比利時、加拿大、捷克、丹麥、匈牙利、芬蘭、法國、德國、盧森堡、荷蘭、挪威、西班牙、英國以及美國，低發(fā)展度國家包括：阿爾巴尼亞、阿塞拜疆、白俄羅斯、克羅地亞、格魯吉亞、愛沙尼亞、哈薩克斯坦、波蘭、摩爾多瓦、羅馬尼亞、俄羅斯、馬其頓、土耳其、烏克蘭以及中國。

同樣的，根據(jù)公式（5）及公式（6），我們得到了人均硫氧化物、氮氧化物、二氧化碳、甲烷以及PM10排放量的權重分別為0.20、0.24、0.11、0.22以及0.24。為了滿足量級的客觀可比性，本文同樣采用了直線無量綱化方法對各污染物數(shù)據(jù)進行了處理，并且為了保證相應指標的數(shù)值為正，又對標準化后的數(shù)據(jù)進行了放大再平移，公式如下：

Eij=（Xij-Xj）Sj×10+60（7）

由此，綜合大氣污染指標可表示為：

Eit=0.20ESOxit+0.24ENOxit+0.11ECO2it+0.22ECH4it+0.24EPM10it（8）

在（8）式中，ESOxit、ENOxit、ECO2it、ECH4it以及EPM10it分別代表了時期t中，i國硫氧化物、氮氧化物、二氧化碳、甲烷以及PM10的無量綱化指標，而Eit為i國在時期t的綜合大氣污染水平。

表1列出了隨機前沿成本模型各變量經(jīng)上述處理后的描述性統(tǒng)計量。本文還計算了表1中變量間的皮爾遜 相關系數(shù)。從計算結果看，各變量間相關系數(shù)的絕對值都低于0.5，表現(xiàn)出了較好的獨立性。

2.5 測算中國EKC的變量說明與數(shù)據(jù)來源

本文使用隨機前沿成本模型測算了我國EKC的形態(tài)以及異質性因素的作用力度。囿于數(shù)據(jù)的可得性，我國大氣污染指標僅涵蓋了二氧化硫、氮氧化物、二氧化碳以及PM10四種污染排放物，且時間范圍為2009—2015年。其中，各省污染物排放數(shù)據(jù)來自于《中國統(tǒng)計年鑒》《中國環(huán)境統(tǒng)計年鑒》以及《中國環(huán)境年鑒》，各省人均GDP、高科技出口占制成品出口比重、城鎮(zhèn)人口占總人口的比重、工業(yè)增加值占GDP比重、可替代能源與核能在能源使用總量占比與商品進出口及利用外資占GDP的比重等數(shù)據(jù)來自于各省統(tǒng)計年鑒及統(tǒng)計公報。表2給出了各變量經(jīng)上述處理后的描述性統(tǒng)計量。同樣，經(jīng)過計算各變量之間的相關系數(shù)可以看出，在省域層面下，各變量間相關系數(shù)的絕對值也都低于0.5，表現(xiàn)出了較好的獨立性。

3 實證檢驗與分析

3.1 異質性國家傳統(tǒng)EKC形態(tài)的差異

本文首先利用Hausman檢驗和似然比檢驗的方法，分別對高發(fā)展度國家和低發(fā)展度國家的面板數(shù)據(jù)進行了考察。結果顯示，高發(fā)展度國家建立隨機效應與混合效應的原假設被拒絕，而低發(fā)展度國家的Hausman檢驗卻不能拒絕原假設，因此本文對高發(fā)展度國家采用了固定效應模型對面板數(shù)據(jù)進行回歸，而低發(fā)展度國家則采用隨機效應模型進行估計。

為了保證估計結果的穩(wěn)健性，本文引入了廣義矩估計GMM方法。由于大氣污染具有持續(xù)性，我們在方程（1）的基礎上引入了被解釋變量的一期滯后項，得到了方程（9）：

lnEit=α0+φlnEit-1+α1lnyit+α2ln2（yit）+εit（9）

因為引入了因變量的一期滯后項，這使得解釋變量與誤差項之間具有了相關性，從而造成參數(shù)的最小二乘估計量出現(xiàn)偏誤。為了克服上述內生性問題，本文采用了差分GMM的估計方法，并將各解釋變量的一期滯后項作為工具變量，以消除動態(tài)面板數(shù)據(jù)模型估計的偏倚問題。

在表3中，模型1為用固定效應模型估計的高發(fā)展度國家回歸結果，模型2為用隨機效應模型估計的低發(fā)展度國家回歸結果，模型3與模型4分別為用差分GMM估計的高、低發(fā)展度國家回歸結果。

由表3可見，高發(fā)展度國家的人均GDP系數(shù)無論在一次項還是二次項上，均表現(xiàn)出了良好的統(tǒng)計顯著性，因此可以判斷，其大氣污染與人均GDP確實存在著倒U型關系，符合傳統(tǒng)的EKC曲線特征。通過對比模型1與模型3發(fā)現(xiàn)，在不同的估計方法下，人均GDP的回歸系數(shù)符號與顯著性依然保持一致，表明了高發(fā)展度國家EKC倒U形態(tài)的穩(wěn)定性。此外，根據(jù)模型1的結果以及拐點公式Y*=exp（-0.5α1α2）可以得出，當高發(fā)展度國家人均GDP超過3 302.20美元時，其自身綜合大氣污染程度將隨經(jīng)濟的增長逐步改善，進入可持續(xù)的“綠色發(fā)展”階段。相比之下，低發(fā)展度國家無論是隨機效應模型，還是GMM模型，其人均GDP平方項的系數(shù)均不顯著，只能將二次項剔除后進行重新估計。模型2和模型4顯示，在僅考慮人均收入對污染影響的條件下，低發(fā)展度國家綜合大氣污染程度隨人均GDP顯著遞增，且這一單調關系十分穩(wěn)健。由此可見，低發(fā)展度國家的污染與人均GDP的互動關系與高發(fā)展度國家的特征明顯不同。

表3與Carson et al[2]、張紅鳳等[9]等的研究結論是一致的。不同發(fā)展度國家EKC形態(tài)的差異使我們認識到，單純依靠經(jīng)濟驅動并不會使低發(fā)展度國家自動實現(xiàn)污染減排。隨著收入的增加，人們對環(huán)境的要求隨之提高，對人均污染物的容忍程度將有所降低。然而，主觀意識的渴望只能成為環(huán)境改善的內在動機，使環(huán)境質量能夠得到真正改善的應是那些經(jīng)濟發(fā)展帶來的多重客觀異質性因素共同作用的結果。

3.2 倒“U”型EKC的動態(tài)演進及異質性因素的作用效果

為了考察不同發(fā)展度國家EKC形態(tài)的變動趨勢，本文以2008年作為時間節(jié)點，分別對1991—2015年、1991—2008年以及2009—2015年三個時期數(shù)據(jù)進行估計。之所以選擇2008年是基于這樣的思考：隨著2008年國際金融危機爆發(fā)，全球產業(yè)發(fā)展出現(xiàn)了新的特點，新興產業(yè)的快速興起與傳統(tǒng)產業(yè)的改造升級使世界競爭焦點發(fā)生了轉移，數(shù)字化、智能化以及綠色化技術的突破也對原有的世界經(jīng)濟格局產生了巨大沖擊，以2008年作為節(jié)點有利于凸顯全球經(jīng)濟“換擋”對于EKC軌跡的影響。

根據(jù)發(fā)展度以及時間節(jié)點，本文設定模型5、6、7對高發(fā)展度國家在1991—2015年、1991—2008年以及2009—2015年三個時期的情況進行回歸分析，模型8、9、10為低發(fā)展度國家在相應時期的回歸分析。同時，為了精準對接我國的發(fā)展現(xiàn)狀，模型11給出了我國31個省際數(shù)據(jù)的回歸結果。囿于數(shù)據(jù)的可得性，模型11中所采用的大氣污染指標僅涵蓋了二氧化硫、氮氧化物、二氧化碳以及PM10四種污染排放物，且時間范圍為2009—2015年，因此與上文中國別層面的排放峰值、收入拐點等數(shù)值并不可比，但回歸結果仍然可以直觀地體現(xiàn)出我國EKC的形態(tài)以及異質性因素的作用力度。通過運用Frontier4.1軟件對各模型進行一步法最大似然估計得到的結果顯示，模型5～11的LR單邊似然比檢驗統(tǒng)計量遠大于卡方分布顯著性概率為1%時的臨界值，不存在成本非效率的原假設被拒絕的情況，說明隨機前沿分析方法可行。此外，各模型的γ估計系數(shù)均超過了0.8，且顯著不為零，進一步說明了7個模型中，前沿成本與實際成本的差距均主要來自非效率項uit，且隨機誤差項vit對于成本的影響遠低于成本非效率項uit，驗證了模型設置的合理性。具體回歸結果見表4。

根據(jù)表3及表4的估計結果可以看到，低發(fā)展度國家的EKC從線性增加演變成控制外生變量后的倒“U”型，如圖1（a）所示。這說明通過改善異質性因素，低發(fā)展度國家能夠有效改善大氣污染物排放。同時，圖1（b）、圖1（c）以及圖1（d）直觀呈現(xiàn)了不同發(fā)展度國家EKC形態(tài)的

動態(tài)演進趨同的進程。其中，圖1（b）反映了在控制了異質因素后，不同發(fā)展度國家EKC在1991—2015年期間均呈現(xiàn)為倒“U”形態(tài)，而高發(fā)展度國家憑借著更低的拐點收入及排放峰值，整體表現(xiàn)優(yōu)于低發(fā)展度國家。圖1（c）與圖1（d）對比了低發(fā)展度國家及高發(fā)展度國家各自在不同發(fā)展階段的EKC動態(tài)變化趨勢，結果顯示，無論對于哪一類發(fā)展度國家，最優(yōu)的EKC前沿軌跡均會隨著時間的推移而不斷向左下移動，以更低的排放峰值和收入拐點位置推動EKC形態(tài)的持續(xù)優(yōu)化。值得注意的是，在1991—2008年期間，低發(fā)展度國家拐點的人均GDP為6 397.42美元，高發(fā)展度國家為3 260.67美元，兩者相差3 136.75美元;而在2009—2015年的情況下，低發(fā)展度國家的這一數(shù)值左移至4 850.95美元，而發(fā)達國家僅左移至2 695.96美元，兩者差距縮小至2 154.99美元。同時，峰值排放方面，在控制了異質因素的影響后，1991—2008年低發(fā)展度國家最大綜合大氣排放指數(shù)為88.26，明顯高于發(fā)達國家的74.76;而到了2009—2015年，這一指數(shù)驟降至60.81，低于同期高發(fā)展度國家61.56的指數(shù)值。這不僅反映出 異質性國家的EKC存在著趨同屬性，也體現(xiàn)出了低發(fā)展度國家存在更大的減排潛力。

第二，比較不同模型中異質性因素的控制效果可以看出，不同因素在不同時期以及對于不同發(fā)展度國家的作用程度存在著顯著差異。在產業(yè)結構方面，降低第二產業(yè)比重就會使各發(fā)展度國家的污染狀況有所減輕，對低發(fā)展度國家尤為明顯。在1991—2015年、1991—2008年以及2009—2015年三個時期中，第二產業(yè)比重每下降1%，低發(fā)展度國家大氣綜合污染指數(shù)就分別下降0.17%、0.11%以及0.19%，且均在1%及5%水平下統(tǒng)計顯著，在各異質因素中效用居首。同樣的，技術水平的提升有助于不同發(fā)展度國家環(huán)境的改善，但對于低發(fā)展度國家來說作用更加顯著。在模型10中，該變量系數(shù)值達到了0.15，僅低于第

二產業(yè)比重的系數(shù)值，因此，加快技術升級將成為低發(fā)展度國家降低污染水平的重要著力點。能源結構的改善對于高發(fā)展度國家影響偏弱，而對于低發(fā)展度國家來說存在一定影響，在2009—2015年時段其系數(shù)達到了0.12。值得注意的是，對外開放與城鎮(zhèn)化水平對于不同發(fā)展度國家的作用方向出現(xiàn)了分歧。對外開放在1991—2015年與2009—2015年期間對于低發(fā)展度國家EKC作用不顯著，但在1991—2008年期間卻是顯著的正向影響，這在一定程度上說明了開放并沒有為低發(fā)展度國家的環(huán)境帶來明顯改善。“污染轉移”是掩蓋低發(fā)展度國家開放“綠色效應”的關鍵因素之一。城鎮(zhèn)化對于高發(fā)展度國家環(huán)境具有負向影響，這源于城鎮(zhèn)化推動了高能耗產業(yè)的集中以及高能耗產品需求的增長，從而提高了高發(fā)展度國家污染的排放。而對于低發(fā)展度國家來說，城鎮(zhèn)化所帶來的清潔技術創(chuàng)新與推廣將發(fā)揮更大的作用，在抵消了不利影響的同時，釋放出更多的生態(tài)紅利，進而降低它們的環(huán)境污染水平。

第三，模型11呈現(xiàn)了我國主要大氣污染情況與經(jīng)濟增長的聯(lián)動趨勢及非效率變量的作用方向。估計結果顯示，作為低發(fā)展度國家的中國，EKC形態(tài)在控制了非效率因素的影響后同樣表現(xiàn)出了顯著的倒“U”特征，且非效率變量對于環(huán)境的作用方向與低發(fā)展度國家的總體趨勢是一致的。但是，我們注意到，同一個非效率因素對我國EKC的優(yōu)化力度與整體低發(fā)展度國家相比不盡相同。例如2009—2015年，低發(fā)展度國家的對外開放水平這一因素與其自身污染排放雖然呈現(xiàn)負相關關系，但并不顯著，而在我國卻表現(xiàn)出了顯著負相關。這說明加快開放進程、提升開放質量已成為我國在推進污染減排方面有別于其它低發(fā)展度國家的有效著力點。同時，這也說明在現(xiàn)實中，由于各國的特點，并不存在適合所有國家所有階段的最佳政策方案，只有正確把握異質特征、明確效度影響方向，才能真正提供更為準確、可信的政策建議。

4 結論及啟示

本文基于隨機前沿成本模型檢驗了不同發(fā)展度國家EKC動態(tài)演進的過程，對比傳統(tǒng)EKC模型的回歸結果發(fā)現(xiàn)：盡管不同發(fā)展度國家EKC具體的形狀有所差異，但都呈現(xiàn)倒“U”形，表現(xiàn)出了明顯的動態(tài)趨同趨勢。這說明低發(fā)展度國家不但具有減排的意愿，也有實現(xiàn)減排的潛力，同時也說明環(huán)境的改善是經(jīng)濟發(fā)展中各方因素共同作用的結果。而且，不同的外部因素對污染減排的作用不同，因此應當根據(jù)經(jīng)濟體具體的特點，有針對性地提出優(yōu)化環(huán)境、實現(xiàn)環(huán)境與經(jīng)濟良性互動的政策建議。具體我國而言，應當：

（1）著力加快產業(yè)結構的優(yōu)化升級。實證結果表明，第二產業(yè)比重與大氣污染物排放水平顯著正相關。發(fā)展中國家（發(fā)展度相對較低）常常通過承接發(fā)達國家（發(fā)展度相對較高）的低端生產環(huán)節(jié)實現(xiàn)工業(yè)化，促進經(jīng)濟發(fā)展，但這不可避免地帶來了較大的污染排放。目前我國總體上已處于工業(yè)化發(fā)展后期，一定程度的產業(yè)外移以及提高第三產業(yè)的比重都有助于優(yōu)化我國的產業(yè)結構，促進我國經(jīng)濟的綠色發(fā)展。區(qū)域方面，欠發(fā)達地區(qū)應積極探索轉變工業(yè)發(fā)展模式的方式方法，摒棄傳統(tǒng)粗放式的工業(yè)化發(fā)展道路，從源頭上降低污染排放，控制工業(yè)化進程中的污染增量;而相對發(fā)達地區(qū)則應進一步淘汰落后產能，強化工業(yè)綠色生產標準，實現(xiàn)產業(yè)的轉型升級;大力發(fā)展現(xiàn)代服務業(yè)，樹立清潔行業(yè)在社會經(jīng)濟發(fā)展中的主導地位。

（2）加大綠色技術的創(chuàng)新力度。實證結果表明，技術水平對大氣污染減排影響顯著，對低發(fā)展度國家的污染治理更是發(fā)揮著十分重要的作用。技術的進步，尤其是以降低環(huán)境污染為目的的綠色技術進步可以有效提升單位能源效率。因此，我國應努力縮短與發(fā)達國家在綠色技術方面的差距，在加大科研投入、完善激勵制度的同時，利用后發(fā)優(yōu)勢，加快引進發(fā)達國家的先進技術。

（3）促進能源結構的綠色轉型。實證結果表明，可替代能源及核能占能源消費的比重對于我國及低發(fā)展度國家污染物排放具有顯著的負向影響。發(fā)達國家普遍注重清潔能源的研發(fā)與推廣。我國應學習發(fā)達國家經(jīng)驗，加大清潔能源的研發(fā)投入，扶植清潔能源行業(yè)發(fā)展，努力改變以化石能源為主的能源結構，全面提升清潔能源的消費比重，從根本上擺脫傳統(tǒng)能源造成的污染排放。

（4）全面提升對外開放質量。由實證結果可以看出，早期低發(fā)展度國家因承接“污染轉移”致使開放所帶來的“綠色”效應無法發(fā)揮作用，甚至成為了“污染避難所”。隨著低發(fā)展度國家環(huán)保意識的逐漸增強，開放模式已發(fā)生轉變。對我國來說，污染水平與對外開放程度已經(jīng)表現(xiàn)出明顯的負向關系。鑒于此，我國應著力提升開放質量，在開展國際合作過程中始終將環(huán)境保護置于首位，通過完善法規(guī)及政策，優(yōu)化出口和外資結構，以環(huán)境友好的開放氛圍，帶動國內經(jīng)濟發(fā)展方式的轉變，形成既注重經(jīng)濟增長又注重環(huán)境效益的發(fā)展機制和開放體系。

（5）大力推進綠色城鎮(zhèn)化建設。實證結果顯示，隨著城鎮(zhèn)化水平的提升，低發(fā)展度國家的污染排放將顯著下降。對我國來說，提升城鎮(zhèn)化水平有利于發(fā)展集約化的生產生活方式，提高發(fā)展效率，從而改善生活環(huán)境。我國應將綠色發(fā)展理念融入到城鎮(zhèn)化建設之中，探尋發(fā)展速度與環(huán)境保護的平衡點，在穩(wěn)步提升城鎮(zhèn)經(jīng)濟效益的同時，不斷完善環(huán)境服務的基礎性保障措施，形成城鎮(zhèn)綠色發(fā)展的新格局。

（編輯：劉照勝）

參考文獻

[1]GROSSMAN G M， KRUEGER A B. Economic growth and the environment[J]. Quarterly journal of economics， 1995， 110（2）：353-377.

[2]CARSON R T， JEON Y， DONALD R. The relationship between air pollution emissions and income[J]. Environment & development economics， 2009， 2（4）：433-450.

[3]STERN D I. Between estimates of the Environmental Kuznets Curve[R].Canberra： EERH，2009.

[4]GALEOTTI M， LANZA A， PAULI F. Reassessing the Environmental Kuznets Curve for CO2 emissions： a robustness exercise [J]. Ecological economics， 2006， 57（1）：152-163.

[5]FODHA M， ZAGHDOUD O. Economic growth and pollutant emissions in Tunisia： an empirical analysis of the Environmental Kuznets Curve[J]. Energy policy， 2010， 38（2）：1150-1156.

[6]吳獻金，鄧杰.貿易自由化、經(jīng)濟增長對碳排放的影響[J].中國人口·資源與環(huán)境，2011， 21（1）：43-48.

[7]PERMAN R， STERN D I. Evidence from panel unit root and cointegration tests that the Environmental Kuznets Curve does not exist[J]. Australian journal of agricultural & resource economics， 2003， 47（3）：325-347.

[8]AZOMAHOU T， LAISNEY F， VAN P N. Economic development and CO2 emissions： a nonparametric panel approach[J]. Journal of public economics， 2005， 90（6）：1347-1363.

[9]張紅鳳，周峰，楊慧，等.環(huán)境保護與經(jīng)濟發(fā)展雙贏的規(guī)制績效實證分析[J].經(jīng)濟研究， 2009（3）：14-26.

[10]李小勝，宋馬林，安慶賢.中國經(jīng)濟增長對環(huán)境污染影響的異質性研究[J].南開經(jīng)濟研究，2013（5）：96-114.

[11]MARTINEZ-ZARZOSO I， BENGOCHEA-MORANCHO A. Pooled mean group estimation of an Environmental Kuznets Curve for CO2[J]. Economics letters， 2004， 82（1）：121-126.

[12]余東華，張明志.“異質性難題”化解與碳排放EKC再檢驗——基于門限回歸的國別分組研究[J].中國工業(yè)經(jīng)濟，2016（7）：57-73.

[13]朱平輝， 袁加軍， 曾五一. 中國工業(yè)環(huán)境庫茲涅茨曲線分析——基于空間面板模型的經(jīng)驗研究[J]. 中國工業(yè)經(jīng)濟， 2010（6）：65-74.

[14]蘇為華， 張崇輝. 關于異質性假說的中國EKC再檢驗[J].統(tǒng)計研究，2016，28（12）：66-71.

[15]楊林， 高宏霞. 經(jīng)濟增長是否能自動解決環(huán)境問題——倒U型環(huán)境庫茲涅茨曲線是內生機制結果還是外部控制結果[J]. 中國人口·資源與環(huán)境， 2012， 22（8）：160-165.

[16]EHRLICH P R， HOLDREN J P. Impact of population growth[J]. Science， 1971， 171（3977）：1212-1217.

[17]KAYA Y. Impact of carbon dioxide emission control on GNP growth：interpretation of proposed scenarios [R]. Paris： IPCC Energy and Industry Subgroup， Response Strategies Working Group，1990.

[18]王瑞，諸大建.中國環(huán)境效率及污染物減排潛力研究[J].中國人口·資源與環(huán)境，2018，28（6）：149-159.

[19]BATTESE G E， COELLI T J. A model for technical inefficiency effects in a stochastic frontier production function for panel data[J]. Empirical economics， 1995， 20（2）：325-332.

Inverted ‘U-shape of EKC with dynamic evolution trend

CUI Xin-sheng1 HAN Meng2 FANG Zhi3

（1.School of Public Administration， University of International Business and Economics， Beijing 100029， China;

2.Institute of International Economy， University of International Business and Economics， Beijing 100029， China;

3.School of Labor Economics， Capital University of Economics and Business， Beijing 100070， China）

Abstract The Environmental Kuznets Curve （EKC） is an important tool to illustrate the relationship between economic growth and pollution. However， scholars still have great divergence towards the hypothesis of the inverted ‘U-shape of EKC， based on the objective heterogeneity of the samples. In order to explore the morphological differences in EKCs among countries with different levels of development under heterogeneous conditions， clarify the convergence of EKCs from a dynamic perspective on the basis of in-depth exploration of the root causes of heterogeneity， and grasp the inherent interaction between environment and economic development in China， in this paper， we mainly study the dynamic evolution trend of EKCs in economies with different levels of development， based on the traditional EKC model. The paper uses the data of easily diffused pollutants of 30 economies from 1991 to 2015 to construct a comprehensive air pollution index by implementing the coefficient of variation method. It constructs development index of economy from the level and structure of development. Understanding the linear increase of traditional morphology of EKC in countries with low level of development， we introduce heterogeneity factors into the model and， according to the stochastic frontier cost model， test the dynamic relationship between pollutant emissions and per capita income in the economies with different levels of development and the effects of heterogeneity factors on different economies during different periods. The evidence shows that： ① Although the shapes of EKC are still different from each other during different periods in different countries with different economic development levels， they all exhibit the same inverted ‘U-shape， implying the ubiquity of the inverted ‘U-shape of EKC; ② During the sample period， the turning points of EKCs in different economies are far away from each other， but they all converge from the upper-right to the lower-left; ③ Different external factors have different effects on pollution reduction， even the same factor has varying effect with respect to different economies and different periods. It means that the EKC in under-developed countries has the potential to improve， and also that environmental improvement is the result of combined effects of multiple objective heterogeneous factors brought by economic development. Based on its own characteristics， China should promote pollution reduction and green economy by upgrading the industrial structure， innovating green technology， transforming energy structure， improving trade openness， and developing green urbanization.

Key words Environmental Kuznets Curve; environmental pollution; economic growth; heterogeneity