雾霾治理与经济发展的关联性研究.docx

雾霾治理与经济发展的关联性研究 摘要：雾霾治理与经济发展的关联性已经成为一个被广泛关注与重视的环境焦点问题。本文以库茨尼茨曲线理论作为理论基础，围绕全国30个省会城市和北京市的空气质量及人均GDP数据做出关于经济增长的综合关联性研究分析，探讨雾霾防治与经济增长之间的关系。 下载 关键词：雾霾治理 经济发展 关联性 GDP 增长指标 实证模型 雾霾对生态环境污染威胁巨大，它不但会影响农作物的正常生长，也会导致人类呼入2.5m重金属颗粒而引发各种心血管及呼吸道疾病，诱发高死亡率。另外，在我国北京这样的雾霾高发城市，过度的环境污染也会影响旅游景区环境水平，使得城市旅游业发展严重受阻。雾霾对于经济发展的影响是不容忽视的。 一、国内外关于雾霾治理与经济发展关联性的研究现状 （一）国外部分 在新加坡，相关环境学领域学者已经从经济学的角度，分析并建立了围绕雾霾与经济发展二者相互影响关系的函数模型并得出结论。新加坡全年的雾霾大气污染会为本国带来近4.2%左右的GDP损失。而在南美，智利通过从国家1970-2015年的45年间的年度环境报告数据中深度分析了基于国家工农业能源消耗影响下的经济发展规律曲线。结果发现，良好的环境和先进的低碳节能技术帮助他们实现了国家经济的绿色健康增长。 对雾霾这样的大气污染治理问题，美国学者Titanberg在他的排污交易权中指出，“在治理污染方面一定要兼顾效率与社会公平性，从全面的角度出发来看污染与经济之间的关联性问题，并合理设计分析，给出排污交易权与交易成本的最佳答案。”他所表达的就是希望作为国家能够将环境治理与国家经济联动起来，通过市场这一大众手段来解决污染物的排放问题，进一步做到对环境的有效保护。 （二）国内部分 国内对雾霾治理与经济发展之间的关联性研究是从2013年才开始的，当时北京市出现了严重的雾霾污染，引起了社会各界的广泛重视。所以在经过最初的环境治理研究后，大量的经济学家通过对北京经济发展变化的观察，提出了“雾霾经济”这一新名词，逐步开始就这一环境现象研究北京及全国各地在雾霾影响下经济发展的各种本质性变化。针对这一问题，我国学者就提出了两个观点： 第一，如果从雾霾及经济二者之间的关系来看，如果我国能够放慢工业发展，放缓经济增速，倒退回七十年代的水平，雾霾环境污染就能够得到有效控制甚至消失，但这明显不是我国经济所希望看到的局面。 第二，如果从实证角度来分析，为全国经济发展与城市空气质量建立曲线，研究结果也证明在我国的某些大中型城市中，其整体经济的发展也是以环境作为直接代价的。中国已经成为一个以经济主导环境变化的国家，而且二者相互之间的依赖度相当高，甚至超出了一些工业发达国家水平。 另外，也有学者对中国的所有31个省份进行了基于本地与异地之间的雾霾污染经济变化交互影响调查，对能源结构影响问题进行了深度剖析，结果发现随着中国国民人均GDP的持续增长，环境污染水平也在呈现递增趋势，毫无一点下降迹象。即使是实施邻近地区的产业转移也未能换取对环境质量的长期改善。所以综上所述，若想改善我国雾霾污染治理态势，就必须优化能源消费产业结构，只有这样才能达到二者之间关联性的最优化表现。 二、雾霾治理与经济发展的关联性研究 研究雾霾治理与经济发展之间的关联性首先要明确两类指标：第一类为雾霾污染程度指标，该指标能够清晰且直接地反映城市的雾霾治理状况，第二类为城市经济增长指标。本文所主要运用到的是围绕GDP的经济增长衡量指标，它能够做到较全面的衡量国家经济的增长形势。 （一）库茨尼茨曲线模型的建立 库茨尼茨曲线是一种能够实现社会公平程度与人均收入水平之间相互影响关系的函数模型。当城市经济逐渐增长过程中，城市市民收入不均的发展趋势会首先从上升最后转为下降，整体呈现倒U型发展态势。它也证明了当国家经济发展程度偏低时，其各个地区的环境污染也会是相对较轻的，如果国家经济发展程度逐渐走高则反之。而当经济增长发展到一定程度时，环境污染影响却会随着经济增长逐渐降低，这也说明了国家已经形成了较为成熟且良好的良性发展循环，已经能够通过高效率发展节奏带动地区环保建设，如图1所示。 （一）实证模型的构建与数据分析 上述所构建的模型中Y1就代表了城市雾霾污染中二氧化硫的排放量，Y2代表二氧化氮在空气中的实际浓度，而Y3则代表了PM10在空气中的实际浓度，X则是指年人均的GDP值，代表曲线函数值，研究雾霾与经济增长之间的关系式，就要围绕这3个模型进行基于库茨尼茨曲线的回归分析，进而求得整体的空气污染浓度Y。 在数据分析部分，应该首先将数据导入到软件EViews中，进而得出二氧化硫与GDP的年平均量关系。假如就以全国30个省会城市的年平均二氧化硫排放量为例，并设计它为纵轴，而省会城市的年人均GDP为横轴。当城市的年人均GDP增加时，其二氧化硫的排放量应该处于先增后减的发展趋势，而且横纵轴之间呈现出了二次项系数为负的相互关系。同理，二氧化氮也表现出了同样的发展态势。 （二）模型的构建与分析 按照上文所模拟的二次方程模型，解释空气质量与GDP之间的相关关系，所以借助EViews软件首先得出关于二氧化硫的相关样本数据OLS估计结果，如表1。 根据表1数据得出二氧化硫Y1的估计线性回归模型为： Y1=82.49-0.19X-5.1310-9X2 根据回归模型，以20132014年的全国面板数据来看，Y1就代表了30个省份的二氧化硫年排放总量（万吨），X代表了省份年人均GDP（元）。所以在解释变量时由于通过了t检验，所以根据上式得出可决系数R2=0.96，拟合度相对较高。 同理解释二氧化氮Y2，按照它的样本数据OLS估计结果得出二氧化氮的估计线性回归模型为： Y2=36.06+2.56X-0.21X2 其中Y2就表示了30个省会城市空气中的二氧化氮平均浓度（g/m3），X代表了省会城市的年人均GDP（万元）。同样其解释变量通过了t检验，求出可决系数R2=0.80，相对而言比二氧化硫拟合度差。 再看Y3，PM10的估计线性回归模型为： Y3=113.34-3.75X+0.29X2 Y3代表了省会城市的空气PM10浓度，（g/ m3），X同样表示省会城市的年人均GDP（万元）。所以解释变量虽然通过了t检验，但是可决系数R2=0.65，拟合度在三者中最差，这也说明我国省会城市中的PM10指数大多是不符合标准的，这也是雾霾引发的数据性证明。 反观将PM10数据和30个省会城市的年人均GDP数据导入到软件中却发现，多数城市的PM10曲线呈现出先减后增的趋势，且其方程的二次项系数表示为正。所以结合图1来看，城市空气质量是与GDP之间存在明显作用关系的。 （三）库茨尼茨曲线模型的实例分析 仅以近年来雾霾比较严重的北京市为例，2015年北京市的年人均GDP达到了104838元，所以针对模型Y1和图1来看，北京市的年人均GDP拐点应该在-19000元范围左右，这一数值远远小于北京市2015年人均GDP标准，所以随着北京市经济的不断发展，在未来二氧化硫的排放量会呈现一个逐渐走低的发展趋势。 再看模型Y2，它的年人均GDP拐点应该在50000元范围内，其数值依然小于标准值，同理北京市在未来的二氧化氮排放量也会逐渐走低。 最后看模型Y3，它的人均GDP拐点约为65500元，但与前两者不同的是它的二次项系数表示为正，这就看出北京市的PM10排放量已经呈现了先递减、后递增的趋势。也就是说北京经济发展越好，PM10的排放量就会越多，其雾霾的影响范围也会越大。所以说对北京市而言在PM10的治理方面还要进一步下足功夫，尽量减少工业及汽车废气的排放，降低空气中PM10的可吸入颗粒物排放量，真正实现低碳出行、低碳生产。 由文中的科学证实可以总结出雾霾的防治与经济增长并非完全相悖，所以城市要经济发展，也要下大力气治理雾霾、降低雾霾对经济发展的不必要影响，使经济能够以平稳的态势不断增长。因此城市应该协调好环境治理与经济发