大气污染浓度成因的计量模型分析.doc

高级计量经济学课程论文 . 大气污染浓度成因分析sdu经济学院 应用统计一 研究设计1.样本选择与数据来源 本研究选取我国31个省、直辖市和自治区2004到2013年之间的各项数据作为研究样本。所使用的数据来源于中国统计年鉴以及各地供暖处网站，采用了Excel 、stata12.0等数据分析软件对数据进行处理。在数据处理过程中，为了排除离群值的干扰，本文采用winsorize（缩尾）处理，对SO2和ash采用0.02的缩尾处理得到变量SO2_x和ash_x，对envinvs和elecons采用0.01的缩尾处理得到变量envinvs _x和elecons_x。2.变量选取二氧化硫- GDP比例(SO2_x) 衡量被解释变量每万元产值SO2排放量,用二氧化硫与GDP之间的相对数作为表示衡量污染浓度指标之一的变量,是为了消除全国各省级地区发展水平的差异对SO2排放量的影响。与之对应的解释变量的选取，也同样需要使用GDP作为除数实现标准化。综合前人的研究成果发现，污染浓度的衡量指标多采用SO2排放量指标、烟粉尘排放量指标以及氮氧化物排放量指标，由于我国氮氧化物数据的严重缺失，并且氮氧化物与SO2多为相伴生的污染物具有极为类似的增量性质，故本文不加描述。用烟粉尘- GDP比例(ash_x) 衡量被解释变量每万元产值烟粉尘排放量；indvad表示工业增加值的占比以体现工业生产对污染物生成的贡献程度；envinvs_x表示各地为治理污染耗费占比解释环境资金投入效率；elecons_x表示用电量与GDP的比值，作为能源的代理变量衡量能耗的污染强度；交通运输也是污染来源的主要部分，由于交运行业单位产值与污染衡量指标的联系较为疏离，遂采用交运行业的就业人数占比代替交运业的影响程度；warm表示是否为取暖地区，供暖对于污染的贡献也相对显著，主要体现了居民生活的影响程度。充分包含对大气可能存在的影响的三大因素作为本研究模型的控制变量，逐个分析其对大气污染贡献率。3.回归模型参看诸多文献，以上因素对于污染均有影响，而本次研究重在解释在目前中国经济转型的大环境下，国家环保投入、市场能源清洁生产和交运业发展三个因素的影响程度，以期找到量化治理污染的具体方案。因此，模型中引入了这些变量作为控制变量。此外，各省市间及各年度间的差异也有可能会影响回归结果的显著性水平，以下的研究结果部分会有较为充分的展现。样本数据的结构看出，这是一个截面为31个省级地区时间跨度为10年的短面板。思路如下：（1）. 进行各变量间的描述性统计分析；（2）.展示各变量系数的相关矩阵；（3）. 进行面板数据的Hausman检验以确定面板分析方法；（4） OLS、FE、FE+LSDV、LSDV+FE+year四种方法下的分析结果。模型1： SO2_xi t=0+1indvadi t+2envinvs_xi t+3elecons_xi t+4transportit+5warmi t+Zi+i+i t模型2： ash_xi t=0+1indvadi t+2envinvs_xi t+3elecons_xi t+4transportit+5warmi t+Zi+i+i t二 实证结果1.描述性统计首先，分别列示各指标对GDP占比的各项基本统计特性。对于SO2和烟粉尘排放量分别占GDP比重为100.77、74.29吨每亿元产值。二者的均值均大于中位数表明：小部分年份的（小部分省份）的污染排放量过大，极大拉伸了总体指标的均值量，这一部分年份（省市）是治污的重点所在。环保投资主要关注方差以及最大最小值，不难发现各地（各年份）的差异悬殊。用电量均值为1253.74千瓦时每亿元，根据其标准差782.8，分布相对集中。2.系数矩阵从表2可以看出，SO2和烟粉尘占比与环保投资、耗电量、交运就业均存在显著的相关性，这也预示接下来的回归中这些变量将会有良好的显著性。而工业增加值的相关性很弱，这是比较反常的现象。但是从我国的经济发展实际分析来看，我国工业正处于工业化向信息化、工业向服务业转变的阶段，大量的产值增加得益于清洁能源。并且，工业生产技术进步以及国家对环保治理的日益重视均削弱工业增加值对于污染浓度的影响作用。解释变量环保投入与用电量之间有0.5202的相关性程度，在310个子样的大样本面板处理中我们任然可以得到无偏一致的估计值。varmeanp50sdminmaxNSO2_x100.7771.1897.255.54476.78310ash_x74.2946.2976.814.68340.33310indvad3980.884196.39978.37696.635358.29310envinvs_x10.036.949.790.2850.50304elecons_x1253.741025.80782.80401.004784.80308transport19.7416.6911.284.6066.39310warm0.4800.5001310表1 有关污染浓度及其影响因素的描述统计VarSO2_xash_xindvadenvinvs_xelecons_xtransportSO2_x1ash_x0.8631*1 indvad0.03650.02421envinvs_x0.5105*0.4026*0.1400*1 elecons_x0.7102*0.6572*0.09920.5202*1transport0.5848*0.7210*-0.2559*0.2300 0.4337*1warm0.11720.19660.06120.27420.28330.1694表2 各变量相关系数矩阵3.Hansman 检验对于以上获得的面板数据，采用hausman检验方法，以确定此面板存在固定效应还是随机效应。由于在固定效应模型中，实际上是把ui作为解释变量处理，因此并不要求Cov(ui,Xit)=0。而在随机效应模型中，必须保证Cov(ui,Xit)=0。表3 probchi2=0.0000显示，豪斯曼检验结果显著拒绝原假设，认为残差和解释变量存在显著的相关关系。因此，选用固定效应模型对此问题进行进一步的探究。表3 Hausman test结果展示4.回归结果表4显示：通过F检验以及p值比较，我们可以看出此模型存在显著的统计学特点，模型设定有效。我们重点关注（2）、（5）列单纯固定效应模型的各变量的系数，最具有模型稳定性。SO2排放量和烟粉尘排放量与耗电量和交运业就业人数在1%水平下呈显著的相关关系。由于多重共线性以及面板固定效应的存在，普通OLS回归的结果对此影响效果并无解释力。就关注的环保投入与SO2以及烟粉尘的负相关关系（系数为负）来看，国家的环保投入对于污染的减少起到一定程度的抑制作用。由于其值并不显著，从政策层面上分析可得环保投入的成本效益仍有待提升。就工业增加值来讲，通过以上已有分析，用电量的相关系数为正，表明用电量加大了污染的浓度；交运业就业人数为交运业的活跃程度替代变量，也表明了显著的正向影响关系。供暖在冬季是北方城市大气污染的主要来源之一，但是仅在冬天短期造成了大气污染浓度的上升，在重点模型中表现并不显著。 就SO2排放量来说，修正的R2值为0.6963，对大部分的数据进行了有效解释，从未来的治理任务来讲，主要应该有效落实环保投资项目的成本效益分析，提高环保支出对降低大气污染的能力。而在目前的发电模式下，火力发电还占有相当大的比重，这也是二者关系显著的根本来源，未来的发展方向是研究清洁发电，或是提升煤炭洗选效率，在发电源头控制大气污染。就烟粉尘排放量而言，修正的R2值为0.7798，绝大部分数据有良好的统计学解释力。在各因素的影响效果上类似于SO2，解决方法同上即可。关键的差异体现在各因素的定量影响上，耗电量对于SO2的影响程度为0.17是对于烟粉尘排放影响的两倍之多，而交运业的活跃程度对烟粉尘的影响显著高于对SO2排放的影响。由此我们可以得出，我国在控制大气污染方面，对于SO2排放量的要求更高时，以适度加大限制用电量的额度；对于烟粉尘排放量的要求更高时，以适度加大交运业的环保支出改进技术最大程度降低烟粉尘的污染水平。 从添加个体效应效应的模型不难看出，各省市个体因素对于模型R2值的提升效果十分明显。表明此面板数据中截面数据组间差异很大，但并不表示这一差异起主导作用，因为R2值在添加个体效应前数值已相当显著了。然后加入了时间效应，这对于值的提升作用微弱，表明时间的延续对应主要解释变量用电量和交运业活跃程度对于污染作用机制并无显著影响。表4 模型1 模型2的面板回归结果var(1)(2)(3)(4)(5)(6)(7)(8)SO2SO2_xSO2_xSO2_xashash_xash_xash_xindvad0.006-0.01-0.018*-0.023*0.012*-0.04*-0.037*-0.039*(1.46)(-1.24)(-3.01)(-3.70)(3.76)(-6.11)(-7.28)(-7.49)envinvs_x2.049*-0.42-0.059-0.0880.521*-0.29-0.318-0.197(4.97)(-1.30)(-0.23)(-0.29)(1.71)(-1.25)(-1.48)(-0.78)elecons_x0.059*0.17*0.144*0.133*0.036*0.08*0.090*0.086*(10.65)(11.58)(11.44)(10.28)(8.73)(7.74)(8.62)(7.97)transport3.204*2.02*1.956*1.317*4.068*3.25*2.945*2.636*(8.86)(4.64)(5.57)(2.40)(15.18)(10.21)(10.13)(5.74)warm-26.735*0-68.769*-55.818*-6.2070-150.905*-138.168*(-3.67)(. )(-3.29)(-2.48)(-1.15)( .)(-8.71)(-7.33)obs 304304304304304304304304F105.46182.1687.6872.71128.82276.8379.464.46Prob F 0.00000.0000 0.00000.00000.00000.00000.00000.0000R-squared 0.63890.73040.91720.92320.68370.80460.90940.9142A-Rsquared 0.63290.69630.90680.91050.67840.77980.89790.9001regressionOLS FE FE+pro FE+pro+yearOLS FE FE+pro FE+pro+year注：*，*，*分别表示该表变量的参数在1%，5%，10%水平上显著相关；括号内为单个系数的t值检验；FE固定效应模型，FE+pro加入个体虚拟变量的固定效应，FE+pro+year同时加入个体和时间效应的固定效益模型。三 研究结论本研究运用2004年到2013年我国环境污染和经济社会发展数据，研究了我国各省市环保投入、能源利用以及交运业的活跃程度对污染浓度的影响机制。研究发现，我国现阶