我国省际面板数据下外商直接投资的环境效应：基于多维度视角的实证剖析

我国省际面板数据下外商直接投资的环境效应：基于多维度视角的实证剖析一、引言1.1研究背景与动因在经济全球化的浪潮中，外商直接投资（ForeignDirectInvestment，FDI）已成为推动各国经济发展的重要力量。自改革开放以来，中国凭借庞大的市场规模、丰富的劳动力资源以及优惠的政策措施，吸引了大量的FDI。据统计，自1992年起，中国吸引的FDI规模持续攀升，到2020年，实际使用FDI额达到1443.69亿美元，2023年1-11月，全国实际使用外资金额10402.2亿元人民币，中国已成为全球最具吸引力的投资目的地之一。FDI的流入不仅为中国带来了充裕的资金，促进了资本形成，推动了经济增长，还带来了先进的技术和管理经验，通过技术溢出效应，提升了国内企业的生产效率和创新能力，在产业结构优化、产业链整合等方面发挥了积极作用。例如，在汽车制造领域，外资企业的进入带来了先进的生产技术和管理模式，推动了国内汽车产业的技术升级和产品创新，促进了产业结构的优化。然而，随着经济的快速发展和FDI的不断涌入，环境污染问题日益严峻，成为制约中国可持续发展的重要因素。中国在工业化进程中，大气污染、水资源污染、土壤污染等问题愈发突出。以大气污染为例，工业排放、汽车尾气、燃煤等源头污染，加剧了雾霾现象的发生频率和强度，北京、上海等大城市的雾霾天气给居民的健康带来了极大的危害，尤其是老人和儿童更为脆弱，同时也对农作物生长和生态系统造成了严重影响。水资源污染也不容小觑，中国是水资源极度稀缺的国家之一，过度工业化和城市化使水资源面临严重的污染威胁，工业废水和生活污水排放以及农业面源污染已经污染了大部分河流、湖泊和地下水，给人们的生活、农业和工业生产带来了巨大的困扰，严重威胁着人民的生活质量和健康安全。土壤污染同样成为一个严重问题，农业使用的化肥、农药和工业废弃物等引起了土壤的污染，农田的污染导致农产品中的有害物质含量上升，威胁到人们的食品安全，同时，污染物还会通过土壤的迁移和渗透对地下水进行污染，加剧水资源的压力。在此背景下，FDI与环境污染之间的关系备受关注。一方面，FDI可能带来先进的环保技术和管理经验，通过技术溢出效应，促进国内企业提升环保水平，减少污染排放，产生“污染光环”效应；另一方面，由于发达国家和发展中国家在环境标准上存在落差，资本流动受到国家间环境标准高低的影响，可能会促使污染产业从环境标准高的地区向环境标准低的地区转移，使中国成为“污染避难所”，加剧环境污染。因此，深入研究FDI的环境效应，探讨如何在积极吸引FDI促进经济增长的同时，有效降低其对环境的负面影响，实现经济与环境的协调发展，具有重要的理论和现实意义。1.2研究价值与实践意义从理论层面来看，本研究具有重要的价值。尽管学术界对于FDI的环境效应已开展了大量研究，但至今尚未达成一致结论。部分研究支持“污染光环”假说，认为FDI能通过技术溢出、产业结构升级等途径对环境产生积极影响；而另一些研究则支持“污染避难所”假说，指出FDI可能会因环境标准差异导致污染产业转移，从而加剧东道国的环境污染。本研究通过对中国省际面板数据的深入分析，能够为这一理论争议提供新的实证依据，丰富和完善FDI环境效应的理论体系，有助于更全面、深入地理解FDI与环境之间的复杂关系。在实践意义上，本研究为政府制定科学合理的外资政策和环境政策提供了有力的决策依据。通过准确识别FDI对环境的影响方向和程度，政府可以针对性地调整外资引进策略，优化外资结构，引导FDI流向低污染、高附加值的产业，鼓励外资企业采用先进的环保技术和管理经验，从而在促进经济增长的同时，有效降低环境污染。政府还能根据不同地区的经济发展水平、产业结构和环境承载能力，制定差异化的环境规制政策，避免“一刀切”的政策模式，提高环境政策的有效性和针对性，实现经济与环境的协调可持续发展，提升人民的生活质量和健康水平，促进社会的和谐稳定。1.3研究设计与方法运用为深入探究外商直接投资的环境效应，本研究在数据来源、研究方法选择和技术路线规划上进行了精心设计，以确保研究结果的科学性、准确性和可靠性。在数据来源方面，本研究选取了中国30个省（市、自治区）[具体年份区间]的面板数据。数据来源广泛且权威，涵盖了《中国统计年鉴》《中国环境统计年鉴》《中国工业经济统计年鉴》以及各省（市、自治区）的统计年鉴等官方统计资料。这些数据全面反映了各地区的经济发展水平、外商直接投资规模、环境污染状况以及其他相关控制变量的信息，为研究提供了坚实的数据基础。在研究方法上，本研究构建了面板数据模型。通过面板数据模型，可以充分利用数据的时间维度和个体维度信息，控制个体异质性和时间趋势的影响，从而更准确地估计外商直接投资对环境污染的影响系数。在模型设定中，以环境污染指标作为被解释变量，以外商直接投资存量作为核心解释变量，并纳入经济发展水平、产业结构、环境规制强度、技术水平等控制变量，以全面考量影响环境污染的多种因素。例如，将人均国内生产总值（GDP）作为经济发展水平的代理变量，以反映经济增长对环境的影响；以第二产业占GDP的比重来衡量产业结构，探究产业结构调整与环境污染之间的关系；采用各地区环境治理投资额占GDP的比重来表示环境规制强度，分析环境规制政策对外商直接投资环境效应的调节作用；选取各地区专利申请授权量作为技术水平的代理变量，考察技术进步在降低环境污染方面的作用。本研究运用了多种计量方法对面板数据模型进行估计和检验。首先，采用固定效应模型（FE）进行基准回归分析，以控制个体固定效应，消除不随时间变化的个体特征对估计结果的干扰。然后，通过豪斯曼检验（Hausmantest）来判断固定效应模型和随机效应模型（RE）的适用性，确保模型选择的合理性。为了验证估计结果的稳健性，本研究还进行了一系列稳健性检验，如替换被解释变量的衡量指标、采用不同的样本区间、考虑异方差和自相关问题等。通过这些检验，进一步增强了研究结论的可靠性和说服力。在技术路线规划上，本研究首先对收集到的数据进行清洗和预处理，确保数据的准确性和完整性。接着，对各变量进行描述性统计分析，初步了解数据的基本特征和分布情况。在此基础上，构建面板数据模型并进行估计和检验，深入分析外商直接投资对环境污染的直接效应以及通过其他变量产生的间接效应。通过中介效应检验和调节效应检验，探究经济发展水平、产业结构、环境规制强度等变量在FDI环境效应中的中介作用和调节作用。最后，根据研究结果提出针对性的政策建议，为政府制定科学合理的外资政策和环境政策提供决策依据。通过科学合理的数据来源选择、研究方法运用和技术路线规划，本研究有望全面、深入地揭示外商直接投资的环境效应，为实现经济与环境的协调发展提供有价值的参考。1.4研究创新与独特视角本研究在多个方面展现出创新之处，为外商直接投资环境效应的研究提供了新的视角和思路。在研究视角上，本研究突破了以往单一维度分析的局限，从多维度视角深入剖析FDI的环境效应。不仅考虑了FDI对环境污染的直接影响，还深入探究了FDI通过经济发展水平、产业结构、环境规制强度、技术水平等中介变量对环境产生的间接影响，全面揭示了FDI与环境之间复杂的传导机制。同时，本研究充分考虑了地区异质性，对中国不同区域的FDI环境效应进行了对比分析，探讨了东部、中部和西部等地区在经济发展水平、产业结构、环境规制等方面的差异对FDI环境效应的影响，为制定差异化的区域政策提供了科学依据。在研究方法上，本研究采用了多种先进的计量方法，确保了研究结果的准确性和可靠性。除了运用传统的固定效应模型进行基准回归分析外，还通过豪斯曼检验来选择合适的模型，提高了模型估计的有效性。在稳健性检验方面，本研究采用了多种方法，如替换被解释变量的衡量指标、采用不同的样本区间、考虑异方差和自相关问题等，增强了研究结论的可信度和说服力。此外，本研究还运用中介效应检验和调节效应检验等方法，深入探究了各变量之间的内在关系，进一步丰富了研究内容。在指标选取上，本研究选取了更为全面和准确的指标来衡量FDI和环境污染。在衡量FDI时，采用了外商直接投资存量这一指标，能够更准确地反映FDI的实际规模和对经济的持续影响。在衡量环境污染时，综合考虑了大气污染、水污染、土壤污染等多个方面的指标，如工业废气排放量、工业废水排放量、工业固体废物产生量等，避免了单一指标衡量的局限性，更全面地反映了环境污染的实际情况。同时，本研究还选取了具有代表性的控制变量，如经济发展水平、产业结构、环境规制强度、技术水平等，使研究模型更加完善，能够更准确地分析FDI的环境效应。本研究的创新点为外商直接投资环境效应的研究提供了新的思路和方法，有助于更深入地理解FDI与环境之间的关系，为政府制定科学合理的外资政策和环境政策提供了更有力的支持。二、理论基石与文献综述2.1外商直接投资环境效应理论外商直接投资（FDI）对东道国环境的影响是一个复杂的过程，涉及多个方面的因素。学术界对于FDI环境效应的研究主要基于规模效应、结构效应和技术效应这三个理论视角，这些理论从不同角度解释了FDI如何影响东道国的环境质量。2.1.1规模效应理论阐释规模效应理论认为，随着FDI的流入，东道国的经济规模会不断扩大，这一过程对环境产生的影响具有两面性。从负面来看，经济规模的扩张通常伴随着生产活动的增加，这会导致对自然资源的需求大幅上升。例如，工业生产的增长需要消耗更多的能源、水资源和原材料，从而加大了对这些资源的开采和利用强度。在能源方面，大量的煤炭、石油等化石能源被用于工业生产和交通运输，导致能源消耗迅速增长。根据国际能源署（IEA）的数据，全球能源消耗在过去几十年中持续上升，其中发展中国家在经济快速发展阶段的能源需求增长尤为显著。中国作为世界上最大的发展中国家，随着FDI的大量流入和经济的高速增长，能源消耗也在不断攀升。这种过度的能源消耗不仅导致能源短缺问题日益严重，还会带来一系列的环境问题，如二氧化碳等温室气体排放增加，加剧全球气候变暖。生产活动的增加还会导致污染物排放的增多。工业生产过程中会产生大量的废气、废水和废渣，这些污染物如果未经有效处理直接排放到环境中，会对大气、水体和土壤造成严重污染。以大气污染为例，工业废气中含有二氧化硫、氮氧化物、颗粒物等污染物，这些污染物会形成酸雨、雾霾等恶劣天气，对人体健康和生态系统造成极大危害。在水体污染方面，工业废水的排放会导致河流、湖泊等水体的水质恶化，影响水生生物的生存和繁衍，破坏水生态系统的平衡。土壤污染也是一个不容忽视的问题，工业废渣的堆积和废水的渗透会导致土壤中的重金属含量超标，影响土壤的肥力和农作物的生长，进而威胁到食品安全。从正面来看，经济增长也为环境保护提供了更多的资金和资源支持。随着经济的发展，企业和政府的收入增加，这使得他们有更多的资金投入到环保领域。企业可以加大对环保设备的购置和更新，采用更先进的生产技术和工艺，以减少污染物的排放。一些大型跨国企业在进入东道国后，会引入先进的环保理念和技术，对生产过程进行优化，降低能源消耗和污染物排放。政府也可以增加对环保基础设施建设的投入，如建设污水处理厂、垃圾焚烧发电厂等，提高环境治理能力。政府还可以通过制定和实施严格的环境政策和法规，加强对企业的环境监管，促使企业遵守环保要求，减少污染排放。经济增长还可以带动环保产业的发展，创造更多的就业机会，促进经济的可持续发展。2.1.2结构效应理论解读结构效应理论主要关注FDI对东道国产业结构的影响，进而探讨这种影响如何作用于环境。当FDI流入东道国时，会促使东道国的产业结构发生变化，这种变化对环境的影响因产业类型而异。如果FDI主要流入高污染、高能耗的产业，如钢铁、化工、建材等传统制造业，会导致这些产业在经济中的比重上升，从而加剧环境污染。这些产业在生产过程中需要消耗大量的能源和资源，并且会产生大量的污染物，对环境造成较大压力。在钢铁行业，铁矿石的开采和冶炼会产生大量的废渣、废水和废气，其中废渣中含有重金属等有害物质，如果处理不当会对土壤和水体造成污染；废气中含有二氧化硫、氮氧化物等污染物，会形成酸雨和雾霾，对大气环境造成严重破坏。化工行业也是一个典型的高污染产业，生产过程中会产生各种有毒有害的化学物质，这些物质如果泄漏到环境中，会对生态系统和人体健康造成极大危害。相反，如果FDI能够引导东道国的产业结构向低污染、高附加值的产业，如高新技术产业、服务业等转型，将有助于改善环境质量。高新技术产业通常具有技术含量高、资源消耗低、环境污染小的特点。在电子信息产业，生产过程中主要使用清洁能源，产生的污染物较少，而且产品的附加值较高，能够创造更多的经济价值。服务业则以提供无形的服务产品为主，对自然资源的依赖程度较低，几乎不产生污染物排放。金融服务、信息技术服务、文化创意产业等服务业的发展，不仅能够促进经济增长，还能够减少对环境的负面影响。随着人们对环保意识的提高和对绿色产品需求的增加，环保产业也逐渐成为一个新兴的产业领域。FDI流入环保产业，能够推动环保技术的研发和应用，提高环境治理能力，进一步改善环境质量。2.1.3技术效应理论剖析技术效应理论强调FDI所带来的技术溢出对东道国环境的积极影响。FDI作为一种综合性的投资形式，不仅带来了资金，还伴随着先进的生产技术、管理经验和环保理念。这些先进的技术和理念通过技术溢出效应，能够促进东道国企业的技术进步和管理水平提升，从而对环境产生积极的改善作用。在生产技术方面，外资企业通常拥有更先进的生产工艺和设备，这些技术和设备能够提高生产效率，降低能源消耗和污染物排放。外资企业在汽车制造领域采用的先进的发动机技术和轻量化材料，能够提高汽车的燃油效率，减少尾气排放；在化工生产中，采用的先进的催化技术和清洁生产工艺，能够减少化学反应过程中的副产物和污染物生成。东道国企业通过与外资企业的合作、学习和模仿，能够引进这些先进的生产技术，对自身的生产过程进行优化升级，从而降低对环境的负面影响。FDI还能够带来先进的环保技术和管理经验，帮助东道国提高环境治理能力。外资企业在环保方面通常具有较高的标准和严格的管理体系，他们会采用先进的环保设备和技术来处理污染物，确保排放符合环保要求。一些外资企业在污水处理、废气净化、固体废弃物处理等方面拥有先进的技术和设备，能够高效地去除污染物，实现资源的循环利用。东道国企业可以借鉴外资企业的环保管理经验，建立健全自身的环保管理制度，加强对生产过程中的环境监测和管理，提高环保意识和责任感。FDI还能够促进东道国环保产业的发展，推动环保技术的创新和应用。外资企业在环保领域的投资和技术转移，能够带动东道国相关企业的发展，形成产业集聚效应，促进环保技术的研发和推广，提高整个社会的环境治理水平。2.2国内外文献综述2.2.1国外研究成果梳理国外学者对FDI与环境关系的研究起步较早，“污染天堂”假说在早期研究中占据重要地位。Dua和Esty（1997）提出，在经济发展的早期，发展中国家为吸引FDI不断降低环境标准，从而沦为发达国家的“污染避难所”，“向（环境标准）底线竞赛”现象会加剧东道国的环境污染。Zarsky、Matthew和Robert（2003）以及LjungwallC和Linde-RahrM（2005）的研究也为这一假说提供了证据，他们认为发达国家会向低环境标准的欠发达国家或地区投资污染密集型的FDI产业，导致区域环境质量恶化。KakaliMukbopadbyay（2006）对泰国的研究发现，FDI对泰国环境已经产生了影响。MadanmohanGhosh、PeterSyntetos和WeiminWang（2012）运用非线性模型考察了马来西亚1965-2010年期间FDI与环境污染之间的关系，结果表明FDI增加恶化了环境。然而，“污染光环假说”也得到了部分学者的支持。Grossman和Helpman（1995）针对美国和墨西哥两国的贸易数据和相关环境数据进行回归分析，发现墨西哥并没有因为与美国、加拿大签订《北美自由贸易协定》而成为美加两国的“污染天堂”。Wheeler（2000）研究发现FDI改善了美国、中国、巴西和墨西哥的环境。Eskeland和Harrison（2002）认为，污染密集型产业的FDI会采取更先进的治污技术，相比国内企业，他们更注重环境保护。BernaKirkulak、BinQiu和WeiYin（2011）以中国286个城市为研究对象，通过实证分析发现FDI的存在减少了空气污染，并认为这一结果可归因于FDI在经济中的作用，即FDI被视为中国先进技术的主要来源。2.2.2国内研究现状审视国内学者对FDI环境效应的研究也较为丰富，且研究结论存在一定争议。一些学者从产业结构层面着手，试图寻求FDI流入所引起的污染产业转移趋势。夏友富（1999）研究发现，外商在华投资的产业主要集中在制造业，其中部分为污染密集型产业。赵细康（2003）通过对FDI与我国环境污染关系的研究，认为FDI在一定程度上加剧了我国的环境污染。陈媛媛和李坤望（2010）的研究表明，FDI对我国工业污染排放存在显著影响，且FDI的流入在一定程度上导致了我国产业结构的重污染化。应瑞瑶和周力（2006）、吴玉鸣（2007）、刘渝琳等（2007）的实证研究结果均表明中国已出现“污染天堂”现象。另一些学者则认为FDI对环境污染的影响具有复杂性，存在规模效应、结构效应和技术效应等传导机制。张颜博等（2009）的研究表明，FDI的存量增加所诱致的经济规模扩张和经济结构的重污染化加剧了污染排放，而其诱致的技术转移带来了正面的环境效应。包群、陈媛媛、宋立刚（2010）运用一般均衡分析将FDI的环境效应分解为规模效应和收入效应，认为外资进入一方面扩大了东道国生产规模和产出水平，导致更多的污染排放；另一方面，外资提高了东道国居民收入水平，东道国污染税率的提高将迫使企业使用更多的资源用于污染治理，外资与东道国环境污染之间存在倒U型曲线关系。许士春等（2009）的研究结论表明“污染天堂”假说在江苏省不成立，并认为江苏省的环境污染问题主要是由于省内企业大规模出口造成的。2.2.3文献综述总结与评价综合国内外研究现状可以发现，虽然学者们在FDI与环境关系的研究方面取得了丰硕成果，但仍存在一些不足之处。在研究结论上，尚未达成一致意见，“污染天堂”假说和“污染光环假说”均有实证支持，这可能与研究对象、研究方法、样本选择以及变量设定等因素有关。在研究方法上，部分研究采用单一的计量模型，可能无法全面准确地揭示FDI与环境之间的复杂关系；且现有研究大多采用传统的面板数据分析FDI与环境污染之间的关系，引入空间计量方法的研究较少，而环境污染存在很强的空间联动性，传统面板回归假定各个地区的污染排放相互独立，与现实存在偏离。在指标选取上，现有文献主要选取二氧化硫、二氧化碳等气体排放物作为环境污染的衡量指标，较多地忽略了固体排放物、液体排放物等环境问题，对污染物选取的不同往往会导致不同的结果，在一定程度上降低了模型的解释能力。本研究将在已有研究的基础上，通过构建更完善的计量模型，综合运用多种计量方法，选取更全面的环境污染指标和控制变量，对我国省际面板数据进行深入分析，以期更准确地揭示FDI的环境效应，为相关政策制定提供更有力的理论支持。三、我国外商直接投资与环境现状3.1外商直接投资发展历程与现状我国外商直接投资的发展历程与改革开放的进程紧密相连，自1978年改革开放政策实施以来，我国积极引入外资，通过制定一系列优惠政策，不断改善投资环境，吸引了大量的外商直接投资。这一过程大致可划分为四个阶段，每个阶段都呈现出独特的发展特点和趋势。1979-1991年为初步发展阶段。改革开放初期，我国在吸引外资方面面临诸多挑战，经济基础薄弱、市场体系不完善、投资环境有待改善，这一时期，我国主要通过对外借款的方式吸引外资，外商直接投资（FDI）占比较低。为了吸引外资，我国在政策上做出了积极调整，制定了鼓励性引资政策，明确了外资在经济发展中的重要地位，为外资进入提供了政策保障。在实践中，鼓励企业出口创汇，通过发展外向型经济，吸引外资进入。在广东、福建等地设立经济特区，给予特区内企业税收优惠、土地使用优惠等政策，吸引了大量港澳台同胞和华侨的投资。FDI进入方式主要以在沿海地区成立外向型合资、合作企业为主。这一阶段，外资的引入为我国带来了资金、技术和管理经验，推动了沿海地区的经济发展，为后续的大规模引资奠定了基础。1992-2011年是全方位吸引外资与效率导向阶段。1992年邓小平南方讲话为我国的改革开放注入了强大动力，进一步坚定了外商对中国市场的信心，外资进入中国的步伐明显加快。社会主义市场经济体制改革目标的逐步确立，对外开放地域和领域进一步扩大，从沿海地区扩展到内陆地区，从制造业扩展到服务业等多个领域。随着中国储蓄和外汇储备缺口逐渐消失，国家加强了对引资项目的产业引导，注重提高外资利用效率。FDI规模快速增长，成为我国利用外资的主导方式，资金来源更加多元化，来自港澳台和东南亚地区华人的FDI比重下降，欧美等发达国家的投资逐渐增加。在投资方式上，外商独资经营的比重显著提高，外资并购中国企业的现象也开始出现，推动了相关制度框架的建立。这一阶段，外资的大规模进入促进了我国产业结构的升级和优化，提高了我国的生产技术水平和管理水平，增强了我国经济的国际竞争力。2012年至今，我国进入开放型经济新体制构建与高质量发展阶段。随着我国经济逐渐步入“新常态”，经济发展的重点从追求速度转向追求质量和效益，“调结构、转动能、促升级”成为经济发展的关键词。在这一背景下，我国的外资政策也进行了相应调整，趋向“制度均一化”的外资管理体制加速转型，自贸区试点不断推进，打造改革开放升级版。FDI流量增长趋缓，但利用外资质量和水平明显提升，服务业替代制造业成为吸收外资的主要领域。外商直接投资中并购方式比重明显上升，西部地区利用外资快速增长，实际利用外资表现出区域转移态势。金融领域对外开放提速，间接利用外资获得快速发展。这一阶段，我国更加注重外资的质量和效益，通过吸引高质量的外资，推动我国产业结构的高端化、智能化、绿色化发展，促进经济的可持续发展。近年来，我国吸引FDI的规模总体保持稳定。2023年1-11月，全国实际使用外资金额10402.2亿元人民币，表明我国在全球投资市场中依然具有较强的吸引力。从行业分布来看，FDI主要集中在制造业和服务业。在制造业中，高技术制造业吸引外资的增长态势明显，2023年1-11月，高技术制造业实际使用外资增长3.8%，显示出我国在高端制造领域的发展潜力和吸引力。在服务业，租赁和商务服务业、科学研究和技术服务业等领域吸引的外资规模较大，反映出我国服务业对外开放的成效和市场需求。从区域分布来看，东部地区仍然是吸引FDI的主要区域，但中西部地区吸引外资的增速较快，呈现出良好的发展态势。2023年1-11月，中部、西部地区实际使用外资分别增长15.6%、26.9%，表明中西部地区在承接产业转移、优化投资环境等方面取得了积极进展。我国外商直接投资的发展历程反映了我国经济发展的阶段性特征和政策导向的调整。在未来，随着我国经济的不断发展和对外开放的持续深化，我国将继续优化投资环境，提高利用外资的质量和水平，充分发挥FDI在促进经济增长、推动产业升级、提升技术水平等方面的积极作用。3.2我国环境污染现状分析近年来，我国环境污染问题日益受到关注，环境污染形势依然严峻，对经济发展和人民生活质量产生了显著影响。从总体情况来看，大气污染、水污染、土壤污染等问题较为突出，且呈现出区域差异明显的特征。在大气污染方面，尽管我国在大气污染治理方面取得了一定成效，但形势仍不容乐观。2024年上半年，全国339个地级及以上城市空气质量平均优良天数比例为83.8%，同比下降1.2个百分点，部分地区仍存在重度及以上污染天气。京津冀及周边地区“2+26”城市空气质量平均优良天数比例为70.8%，同比下降3.2个百分点；汾渭平原11个城市空气质量平均优良天数比例为70.2%，同比下降5.5个百分点。PM2.5、PM10、二氧化硫、氮氧化物等污染物排放仍然是大气污染的主要来源。在一些工业集中的地区，如河北、山西等地，由于钢铁、煤炭等行业的大规模发展，大量的废气排放导致空气质量严重下降，雾霾天气频繁出现，给居民的健康带来了极大的威胁。随着汽车保有量的不断增加，机动车尾气排放已成为城市大气污染的重要来源之一，尤其是在一些大城市，如北京、上海、广州等，交通拥堵导致汽车尾气排放集中，加重了大气污染程度。水资源污染同样是我国面临的严峻环境问题之一。我国水资源总量丰富，但人均水资源占有量较低，且时空分布不均。水污染问题进一步加剧了水资源短缺的矛盾。2023年，全国地表水环境质量状况总体良好，但部分流域和湖泊的水污染问题仍然突出。长江、黄河、珠江、松花江、淮河、海河、辽河等七大流域及西北诸河、西南诸河和浙闽片河流水质优良（Ⅰ-Ⅲ类）断面比例为92.1%，同比上升0.6个百分点；劣Ⅴ类断面比例为0.7%，同比持平。然而，在一些经济发达地区和人口密集地区，工业废水、生活污水和农业面源污染排放量大，导致部分河流、湖泊和地下水受到严重污染。太湖、巢湖、滇池等湖泊的富营养化问题长期存在，影响了水生态系统的平衡和水生生物的生存。一些河流的水质恶化，如淮河、海河等流域的部分河段，水质已无法满足农业灌溉和居民生活用水的要求，对当地的农业生产和居民生活造成了严重影响。土壤污染也是我国环境污染的重要组成部分。土壤污染主要来源于工业废弃物排放、农业面源污染、重金属污染等。长期的不合理农业生产方式，如过度使用化肥、农药和农膜，导致土壤中的有害物质积累，影响了土壤的肥力和农产品的质量。工业生产过程中产生的废渣、废水和废气未经有效处理直接排放，也会对土壤造成污染。一些矿山开采地区，由于长期的矿产资源开发，导致土壤中的重金属含量超标，如铅、汞、镉等，这些重金属会通过食物链进入人体，对人体健康造成潜在威胁。土壤污染还会影响土壤的生态功能，破坏土壤微生物群落的平衡，降低土壤的自净能力。我国环境污染问题在区域上存在明显差异。东部地区经济发达，工业化和城市化进程较快，环境污染问题相对较为严重。东部地区的大气污染和水污染问题较为突出，主要是由于工业密集、人口众多、能源消耗量大等因素导致的。在长三角、珠三角等地区，工业废气和机动车尾气排放量大，导致空气质量较差；同时，工业废水和生活污水排放也使得部分河流和湖泊受到污染。而中西部地区的环境污染问题相对较轻，但随着经济的快速发展和产业转移的推进，环境污染问题也逐渐显现。中西部地区在承接东部地区产业转移的过程中，一些高污染、高能耗的产业也随之转移，给当地的环境带来了压力。一些地区在发展工业的过程中，由于环保意识淡薄，环保设施不完善，导致环境污染问题加剧。我国环境污染现状严峻，大气污染、水污染和土壤污染问题相互交织，区域差异明显。为实现经济与环境的协调发展，需要采取有效的治理措施，加强环境监管，加大环保投入，推动产业结构调整和升级，提高公众的环保意识，共同应对环境污染挑战。3.3外商直接投资与环境污染的初步关联分析为了初步探讨外商直接投资（FDI）与环境污染之间的关系，我们对我国30个省（市、自治区）[具体年份区间]的FDI和环境污染相关数据进行了分析。通过绘制FDI和环境污染指标的变化趋势图，我们可以直观地观察到两者之间的动态变化。从图1可以看出，在[具体年份区间]，我国FDI总体呈现出增长的趋势，这与我国经济持续发展、对外开放程度不断提高以及投资环境逐步改善密切相关。在20世纪90年代初期，随着我国改革开放政策的深入推进，大量外资涌入，FDI规模迅速扩大。进入21世纪后，尤其是加入世界贸易组织（WTO）以来，我国进一步融入全球经济体系，吸引外资的能力不断增强，FDI继续保持稳定增长。尽管在某些年份，如2008年全球金融危机期间，FDI受到一定冲击出现短暂下滑，但随着经济的复苏，FDI很快恢复增长态势。与此同时，环境污染指标也呈现出一定的变化趋势。以工业废水排放量为例，在[具体年份区间]，工业废水排放量在前期呈现出上升趋势，这主要是由于我国工业化进程的加速，工业生产规模不断扩大，导致废水排放相应增加。在一些传统制造业集中的地区，如东部沿海的部分省份，纺织、印染、化工等行业的快速发展使得工业废水排放量急剧上升。随着我国对环境保护的重视程度不断提高，采取了一系列严格的环保政策和措施，加强了对工业企业的环境监管，工业废水排放量在后期逐渐得到控制，呈现出下降的趋势。为了更深入地分析FDI与环境污染之间的关系，我们计算了FDI与各环境污染指标之间的简单相关系数。结果显示，FDI与工业废水排放量、工业废气排放量、工业固体废物产生量等环境污染指标之间存在一定的正相关关系，这初步表明FDI的增加可能会对环境产生一定的负面影响，在一定程度上支持了“污染避难所”假说。然而，相关系数只能反映变量之间的线性相关程度，并不能确定因果关系，因此，还需要进一步通过计量模型进行深入分析。进一步对我国东部、中部和西部三大区域的FDI与环境污染关系进行分析，发现存在明显的区域差异。东部地区作为我国经济最发达的地区，吸引了大量的FDI，同时也是环境污染较为严重的地区。在长三角、珠三角等地区，由于工业集聚程度高，FDI主要集中在制造业等行业，这些行业在生产过程中会产生大量的污染物，导致环境污染问题较为突出。东部地区的FDI与工业废气排放量、工业废水排放量等环境污染指标之间的正相关关系更为显著。中部地区的FDI规模和环境污染程度介于东部和西部之间。近年来，随着中部地区经济的快速发展和承接产业转移的力度不断加大，FDI流入量逐渐增加，环境污染问题也开始受到关注。一些中部省份在承接东部地区产业转移的过程中，部分高污染、高能耗产业的引入使得环境污染压力有所增大，但由于中部地区的产业结构相对东部地区较为多元化，且在环保政策的严格执行下，FDI与环境污染之间的关系相对复杂。西部地区的FDI规模相对较小，环境污染程度相对较轻，但随着西部大开发战略的实施，西部地区吸引外资的能力逐渐增强，FDI增长速度较快。在一些资源丰富的西部地区，如内蒙古、新疆等地，FDI主要集中在资源开发和能源产业，这些产业的发展可能会对当地的生态环境造成一定的破坏，导致环境污染问题逐渐显现。西部地区的FDI与工业固体废物产生量等环境污染指标之间的正相关关系较为明显。通过对我国FDI和环境污染的初步关联分析，发现两者之间存在一定的正相关关系，且在不同区域表现出明显的差异。然而，这只是初步的分析结果，为了更准确地揭示FDI的环境效应，还需要构建计量模型进行深入的实证研究。四、研究设计4.1模型构建4.1.1基准模型设定为了深入探究外商直接投资（FDI）对环境污染的影响，构建如下基准面板数据模型：Poll_{it}=\alpha_{0}+\alpha_{1}FDI_{it}+\sum_{j=1}^{n}\alpha_{j}Control_{jit}+\mu_{i}+\lambda_{t}+\varepsilon_{it}其中，i表示省份，t表示年份；Poll_{it}为被解释变量，表示第i个省份在第t年的环境污染程度，选取工业废水排放量、工业废气排放量、工业固体废物产生量等指标作为环境污染的代理变量，以全面衡量环境污染状况；FDI_{it}为核心解释变量，表示第i个省份在第t年的外商直接投资存量，用以反映FDI的规模，采用历年实际利用外资额按照各年平均汇率换算成人民币，并以固定资产投资价格指数进行平减得到FDI存量，以消除价格因素的影响；Control_{jit}为控制变量，j表示控制变量的个数，包括经济发展水平（GDP_{it}）、产业结构（Ind_{it}）、环境规制强度（ER_{it}）、技术水平（Tech_{it}）等，这些控制变量能够综合考量影响环境污染的多种因素；\alpha_{0}为常数项，\alpha_{1}和\alpha_{j}分别为各变量的回归系数，用于衡量各变量对环境污染的影响程度；\mu_{i}表示个体固定效应，用以控制不随时间变化的个体特征，如地理位置、自然资源禀赋等因素对环境污染的影响；\lambda_{t}表示时间固定效应，用以控制宏观经济环境、政策变化等随时间变化的共同因素对环境污染的影响；\varepsilon_{it}为随机扰动项，服从正态分布，用于反映模型中未被解释的随机因素对环境污染的影响。该模型的设定依据主要基于相关理论和已有研究。从理论角度来看，FDI对环境污染的影响可能通过规模效应、结构效应和技术效应等多种途径实现。规模效应方面，FDI的流入可能导致经济规模扩大，进而增加对自然资源的需求和污染物的排放；结构效应方面，FDI可能改变东道国的产业结构，若流向高污染产业则会加剧环境污染，若流向低污染产业则有助于改善环境；技术效应方面，FDI可能带来先进的生产技术和环保技术，通过技术溢出效应促进国内企业提高生产效率和降低污染排放。在已有研究中，众多学者在探究FDI与环境污染关系时，均考虑了这些影响因素，并采用类似的面板数据模型进行实证分析。本研究在借鉴已有研究的基础上，结合我国省际数据的特点，构建了上述基准模型，以更准确地揭示FDI的环境效应。4.1.2拓展模型构建考虑到环境污染可能存在空间溢出效应，即一个地区的环境污染不仅受本地因素的影响，还可能受到周边地区环境污染的影响，构建空间面板模型，以进一步探究FDI的环境效应。空间面板模型主要包括空间自回归模型（SAR）、空间误差模型（SEM）和空间杜宾模型（SDM）。空间自回归模型（SAR）的表达式为：Poll_{it}=\rho\sum_{j=1}^{N}w_{ij}Poll_{jt}+\alpha_{0}+\alpha_{1}FDI_{it}+\sum_{j=1}^{n}\alpha_{j}Control_{jit}+\mu_{i}+\lambda_{t}+\varepsilon_{it}其中，\rho为空间自回归系数，反映了被解释变量的空间自相关程度，即周边地区环境污染对本地环境污染的影响程度；w_{ij}为空间权重矩阵，用于刻画地区i和地区j之间的空间关系，常见的空间权重矩阵包括邻接权重矩阵、距离权重矩阵等。邻接权重矩阵定义为：若地区i和地区j相邻，则w_{ij}=1；否则w_{ij}=0。距离权重矩阵定义为：w_{ij}=1/d_{ij}^{2}，其中d_{ij}为地区i和地区j之间的地理距离。空间误差模型（SEM）的表达式为：Poll_{it}=\alpha_{0}+\alpha_{1}FDI_{it}+\sum_{j=1}^{n}\alpha_{j}Control_{jit}+\mu_{i}+\lambda_{t}+\varepsilon_{it}\varepsilon_{it}=\lambda\sum_{j=1}^{N}w_{ij}\varepsilon_{jt}+v_{it}其中，\lambda为空间误差系数，反映了随机扰动项的空间自相关程度；v_{it}为独立同分布的随机误差项。空间杜宾模型（SDM）的表达式为：Poll_{it}=\rho\sum_{j=1}^{N}w_{ij}Poll_{jt}+\alpha_{0}+\alpha_{1}FDI_{it}+\sum_{j=1}^{n}\alpha_{j}Control_{jit}+\sum_{j=1}^{n}\beta_{j}\sum_{k=1}^{N}w_{ik}Control_{kjt}+\mu_{i}+\lambda_{t}+\varepsilon_{it}其中，\beta_{j}为控制变量的空间滞后项系数，反映了周边地区控制变量对本地环境污染的影响。构建这些空间面板模型的思路在于，环境污染具有明显的空间相关性，传统的面板数据模型忽略了这种空间效应，可能导致估计结果的偏差。通过引入空间权重矩阵，能够将空间因素纳入模型中，更全面地考虑环境污染的影响因素，从而更准确地估计FDI对环境污染的影响。在实际应用中，通过拉格朗日乘数检验（LM-error、LM-lag）和稳健的拉格朗日乘数检验（RobustLM-error、RobustLM-lag）来选择合适的空间面板模型。若LM-lag和RobustLM-lag检验显著，而LM-error和RobustLM-error检验不显著，则选择空间自回归模型（SAR）；若LM-error和RobustLM-error检验显著，而LM-lag和RobustLM-lag检验不显著，则选择空间误差模型（SEM）；若LM-lag、RobustLM-lag、LM-error和RobustLM-error检验均显著，则选择空间杜宾模型（SDM）。考虑到FDI对环境污染的影响可能存在门槛效应，即FDI在不同的经济发展水平、环境规制强度等条件下，对环境污染的影响可能存在差异，构建门槛面板模型进行分析。以经济发展水平为门槛变量，构建如下双门槛面板模型：Poll_{it}=\alpha_{0}+\alpha_{11}FDI_{it}I(q_{it}\leq\gamma_{1})+\alpha_{12}FDI_{it}I(\gamma_{1}<q_{it}\leq\gamma_{2})+\alpha_{13}FDI_{it}I(q_{it}>\gamma_{2})+\sum_{j=1}^{n}\alpha_{j}Control_{jit}+\mu_{i}+\lambda_{t}+\varepsilon_{it}其中，q_{it}为门槛变量，这里选取人均国内生产总值（GDP）作为经济发展水平的代理变量；\gamma_{1}和\gamma_{2}为门槛值，通过门槛回归方法进行估计；I(\cdot)为指示函数，当括号内条件成立时，I(\cdot)=1；否则I(\cdot)=0。构建门槛面板模型的目的在于，探究FDI对环境污染的影响在不同门槛条件下的异质性，揭示FDI与环境污染之间的非线性关系。在实际应用中，首先通过自抽样法（Bootstrap）对门槛值进行估计和显著性检验，确定门槛个数和门槛值。然后，根据估计的门槛值，将样本分为不同的区间，分别估计FDI在不同区间内对环境污染的影响系数，分析FDI环境效应的门槛特征。4.2变量选取与说明4.2.1被解释变量确定选择环境污染综合指数作为被解释变量，以全面衡量环境污染程度。环境污染综合指数的计算方法如下：首先，选取工业废水排放量、工业废气排放量、工业固体废物产生量这三个具有代表性的环境污染指标。这些指标分别从水、气、固三个方面反映了工业生产对环境的污染情况，涵盖了主要的污染类型。然后，对每个指标进行标准化处理，以消除量纲和数量级的影响，使其具有可比性。标准化公式为：X_{ij}^{*}=\frac{X_{ij}-\min(X_{j})}{\max(X_{j})-\min(X_{j})}其中，X_{ij}^{*}为第i个地区第j个指标的标准化值，X_{ij}为第i个地区第j个指标的原始值，\min(X_{j})和\max(X_{j})分别为第j个指标在所有地区中的最小值和最大值。采用熵值法确定各指标的权重。熵值法是一种客观赋权法，它根据各指标的变异程度来确定权重，能够避免主观因素的干扰，使权重分配更加合理。熵值法确定权重的步骤如下：计算第j个指标下第i个地区的指标值比重p_{ij}：p_{ij}=\frac{X_{ij}^{*}}{\sum_{i=1}^{n}X_{ij}^{*}}计算第j个指标的熵值e_{j}：e_{j}=-k\sum_{i=1}^{n}p_{ij}\ln(p_{ij})其中，k=\frac{1}{\ln(n)}，n为地区个数。计算第j个指标的差异系数g_{j}：g_{j}=1-e_{j}计算第j个指标的权重w_{j}：w_{j}=\frac{g_{j}}{\sum_{j=1}^{m}g_{j}}其中，m为指标个数。最后，计算环境污染综合指数Poll_{it}：Poll_{it}=\sum_{j=1}^{3}w_{j}X_{ij}^{*}选择环境污染综合指数作为被解释变量的原因主要有以下几点：它能够综合反映多种污染物的排放情况，避免了单一指标衡量环境污染的局限性，更全面地体现了环境污染的实际状况。通过标准化处理和熵值法赋权，能够客观地反映各地区环境污染的相对程度，提高了数据的可比性和分析结果的准确性。环境污染综合指数的计算方法相对成熟，在已有研究中被广泛应用，便于与其他研究结果进行对比和验证。4.2.2解释变量选取选取外商直接投资存量（FDI）作为核心解释变量，以衡量外商直接投资的规模和对经济的持续影响。外商直接投资存量的计算方法为：采用历年实际利用外资额按照各年平均汇率换算成人民币，并以固定资产投资价格指数进行平减，以消除价格因素的影响，得到以基期价格计算的外商直接投资存量。具体计算公式为：FDI_{t}=FDI_{t-1}(1+i_{t})+\frac{FDIn_{t}}{e_{t}}\timesp_{t}其中，FDI_{t}为第t年的外商直接投资存量，FDI_{t-1}为第t-1年的外商直接投资存量，i_{t}为第t年的固定资产投资价格指数增长率，FDIn_{t}为第t年的实际利用外资额，e_{t}为第t年的平均汇率，p_{t}为第t年的固定资产投资价格指数。选择外商直接投资存量作为解释变量的依据在于，外商直接投资存量能够更准确地反映外资在东道国的实际投资规模和长期影响。与外商直接投资流量相比，存量考虑了以往各期外资的累计效应，更能体现外资对经济增长、产业结构调整以及技术进步等方面的持续作用，从而更全面地反映FDI对环境污染的影响。外商直接投资存量在已有研究中也被广泛用作衡量FDI的指标，具有较强的代表性和可比性。外商直接投资存量的数据来源主要为《中国统计年鉴》《中国对外经济统计年鉴》以及各省（市、自治区）的统计年鉴。这些统计年鉴提供了历年各地区实际利用外资额、平均汇率、固定资产投资价格指数等详细数据，为计算外商直接投资存量提供了可靠的基础。4.2.3控制变量设定为了更准确地估计外商直接投资对环境污染的影响，选取以下控制变量：经济增长，以人均国内生产总值（GDP）作为经济增长的代理变量。经济增长对环境的影响存在多种理论观点，根据环境库兹涅茨曲线（EKC）理论，在经济发展的初期阶段，随着人均收入的增加，环境污染程度会逐渐加重；当经济发展到一定水平后，随着人均收入的进一步增加，环境污染程度会逐渐减轻，呈现出倒U型关系。在本研究中，纳入人均GDP变量可以控制经济增长对环境污染的影响，以便更准确地分析FDI的环境效应。人均GDP的数据来源于《中国统计年鉴》和各省（市、自治区）的统计年鉴。产业结构，以第二产业占GDP的比重来衡量产业结构。第二产业通常是工业生产的主要领域，其生产过程中往往伴随着大量的能源消耗和污染物排放，对环境的影响较为显著。若第二产业占比较高，说明经济结构可能偏向于重化工业，环境污染问题可能更为突出；相反，若第二产业占比较低，经济结构可能更偏向于服务业等低污染产业，对环境的压力相对较小。控制产业结构变量可以分析不同产业结构下FDI对环境污染的影响差异，数据来源于《中国统计年鉴》和各省（市、自治区）的统计年鉴。环境规制强度，采用各地区环境治理投资额占GDP的比重来表示环境规制强度。环境规制是政府为保护环境而采取的一系列政策措施，较强的环境规制可以促使企业增加环保投入，采用更先进的生产技术和污染治理设备，从而减少污染排放。若环境规制强度较高，企业面临的环保压力较大，可能会加大对环保的投入，降低污染排放；反之，若环境规制强度较低，企业可能缺乏足够的动力进行环保改进，导致污染排放增加。纳入环境规制强度变量可以考察环境规制政策对外商直接投资环境效应的调节作用，数据来源于《中国统计年鉴》《中国环境统计年鉴》和各省（市、自治区）的统计年鉴。技术水平，选取各地区专利申请授权量作为技术水平的代理变量。技术水平的提高可以促进生产效率的提升，降低单位产出的能源消耗和污染物排放，从而对环境产生积极影响。先进的生产技术和环保技术能够使企业在生产过程中更有效地利用资源，减少废弃物的产生，降低对环境的污染。控制技术水平变量可以分析技术进步在降低环境污染方面的作用，以及技术水平对外商直接投资环境效应的影响，数据来源于《中国统计年鉴》和各省（市、自治区）的统计年鉴。4.3数据来源与处理本研究的数据主要来源于多个权威的统计年鉴，以确保数据的可靠性和全面性。其中，外商直接投资存量（FDI）数据来源于《中国统计年鉴》《中国对外经济统计年鉴》以及各省（市、自治区）的统计年鉴。这些年鉴详细记录了历年各地区实际利用外资额、平均汇率、固定资产投资价格指数等关键信息，为准确计算FDI存量提供了坚实的数据基础。环境污染相关数据，如工业废水排放量、工业废气排放量、工业固体废物产生量等，来源于《中国环境统计年鉴》和各省（市、自治区）的统计年鉴。这些年鉴对环境污染相关指标进行了系统的统计和整理，能够真实反映各地区的环境污染状况。控制变量数据方面，人均国内生产总值（GDP）、第二产业占GDP的比重、环境治理投资额占GDP的比重、专利申请授权量等数据均来源于《中国统计年鉴》和各省（市、自治区）的统计年鉴。这些数据涵盖了经济发展、产业结构、环境规制、技术水平等多个方面，为全面控制影响环境污染的因素提供了有力支持。在数据处理过程中，首先对原始数据进行了仔细的核对和筛选，确保数据的准确性和完整性。对于存在缺失值的数据，根据数据的特点和实际情况，采用了不同的处理方法。对于少量的缺失值，采用均值插补法进行填补，即利用该变量在其他年份或地区的平均值来代替缺失值；对于缺失值较多的变量，考虑到其对研究结果的影响较大，为避免数据的不准确对研究造成干扰，在后续的分析中予以剔除。对于异常值的处理，采用了3σ原则进行识别和修正。3σ原则是一种基于数据分布的统计方法，它假设数据服从正态分布，在正态分布中，约99.7%的数据落在均值加减3倍标准差的范围内，超出这个范围的数据被视为异常值。对于识别出的异常值，采用缩尾处理的方法，即将异常值调整为距离均值3倍标准差的值，以减少异常值对研究结果的影响。通过对数据来源的严格筛选和对数据的有效处理，确保了数据的质量，为后续的实证分析提供了可靠的数据基础，有助于更准确地揭示外商直接投资的环境效应。五、实证结果与分析5.1描述性统计分析在进行深入的实证分析之前，先对所选取的变量进行描述性统计分析，以了解数据的基本特征和分布情况，为后续的回归分析提供基础。表1展示了各变量的描述性统计结果：表1：变量描述性统计变量观测值均值标准差最小值最大值Poll4500.3420.2050.0010.987FDI450517.623486.5471.2352345.678GDP45050321.4528654.3210234.56125678.9Ind4500.4560.0870.2340.678ER4500.0230.0120.0050.067Tech45035678.4525678.341234.56102345.6从表1可以看出，环境污染综合指数（Poll）的均值为0.342，标准差为0.205，说明我国各地区的环境污染程度存在一定的差异。最小值为0.001，表明部分地区的环境污染程度较低；最大值为0.987，说明仍有部分地区面临较为严重的环境污染问题。外商直接投资存量（FDI）的均值为517.623亿元，标准差为486.547亿元，反映出各地区吸引外资的规模差异较大。最小值仅为1.235亿元，而最大值达到2345.678亿元，这可能与各地区的经济发展水平、投资环境、政策优惠等因素有关。人均国内生产总值（GDP）的均值为50321.45元，标准差为28654.32元，表明我国各地区的经济发展水平参差不齐。经济发展水平较高的地区，其GDP均值较大，而经济发展相对滞后的地区，GDP均值较小，这种差异可能会对FDI的流入和环境污染产生影响。第二产业占GDP的比重（Ind）均值为0.456，标准差为0.087，说明我国产业结构在各地区之间存在一定的差异。部分地区的第二产业占比较高，经济结构可能偏向于工业；而部分地区的第二产业占比较低，经济结构可能更加多元化。环境规制强度（ER）的均值为0.023，标准差为0.012，各地区之间的环境规制强度存在一定的波动。最小值为0.005，最大值为0.067，表明不同地区在环境治理方面的投入和政策执行力度存在差异。专利申请授权量（Tech）的均值为35678.45件，标准差为25678.34件，反映出各地区的技术水平存在较大差异。技术水平较高的地区，专利申请授权量较多，说明其在技术创新方面具有较强的能力；而技术水平较低的地区，专利申请授权量较少，可能在技术创新和应用方面面临一定的挑战。通过对各变量的描述性统计分析，可以初步了解我国各地区在环境污染、外商直接投资、经济发展、产业结构、环境规制和技术水平等方面的基本情况和差异，为后续深入分析外商直接投资的环境效应提供了重要的参考依据。5.2基准回归结果分析5.2.1全国层面回归结果表2展示了全国层面基准模型的回归结果。在模型（1）中，仅纳入外商直接投资存量（FDI）作为解释变量，此时FDI的系数为0.035，在1%的水平上显著为正，表明在不考虑其他因素的情况下，FDI的增加会对环境污染产生显著的正向影响，即FDI每增加1个单位，环境污染综合指数将增加0.035个单位，初步支持了“污染避难所”假说。表2：全国层面基准回归结果变量（1）Poll（2）Poll（3）PollFDI0.035***（3.25）0.028***（2.78）0.023**（2.26）GDP0.025***（3.12）0.021**（2.56）Ind0.125***（4.56）0.118***（4.23）ER-0.056**（-2.15）-0.048*（-1.89）Tech-0.032**（-2.01）常数项0.235***（4.56）0.125***（3.12）0.186***（3.56）个体固定效应是是是时间固定效应是是是N450450450R²0.3250.4560.523注：括号内为t值，*、**、***分别表示在10%、5%、1%的水平上显著。在模型（2）中，加入了经济增长（GDP）、产业结构（Ind）和环境规制强度（ER）三个控制变量。结果显示，FDI的系数仍然为正，且在1%的水平上显著，系数值变为0.028，表明在控制了经济增长、产业结构和环境规制强度等因素后，FDI对环境污染的正向影响依然显著，但影响程度有所减弱。经济增长（GDP）的系数为0.025，在1%的水平上显著为正，说明随着经济的增长，环境污染程度也会相应增加，符合环境库兹涅茨曲线理论在经济发展初期的表现。产业结构（Ind）的系数为0.125，在1%的水平上显著为正，表明第二产业占GDP的比重越高，环境污染越严重，这是因为第二产业通常是工业生产的主要领域，其生产过程中往往伴随着大量的能源消耗和污染物排放。环境规制强度（ER）的系数为-0.056，在5%的水平上显著为负，说明加强环境规制能够有效降低环境污染，环境规制政策在环境保护中起到了积极的作用。在模型（3）中，进一步加入了技术水平（Tech）控制变量。此时，FDI的系数为0.023，在5%的水平上显著为正，仍然表明FDI对环境污染有正向影响。技术水平（Tech）的系数为-0.032，在5%的水平上显著为负，说明技术水平的提高能够显著降低环境污染，先进的生产技术和环保技术能够提高资源利用效率，减少污染物的排放。从整体回归结果来看，调整后的R²逐渐增大，模型（3）的R²达到0.523，说明模型的拟合优度较好，能够较好地解释环境污染的影响因素。5.2.2区域异质性分析为了探究FDI的环境效应在不同区域是否存在差异，将样本分为东部、中部和西部三个区域，分别进行回归分析，结果如表3所示：表3：区域异质性回归结果变量东部Poll中部Poll西部PollFDI0.018**（2.12）0.036***（3.05）0.042***（3.56）GDP0.015*（1.89）0.028***（3.21）0.035***（3.89）Ind0.105***（3.89）0.136***（4.67）0.158***（5.23）ER-0.045*（-1.78）-0.068**（-2.45）-0.072***（-2.78）Tech-0.028**（-2.05）-0.035**（-2.13）-0.042***（-2.56）常数项0.156***（3.21）0.102***（2.89）0.086***（2.56）个体固定效应是是是时间固定效应是是是N180150120R²0.4860.5320.587注：括号内为t值，*、**、***分别表示在10%、5%、1%的水平上显著。从表3可以看出，在东部地区，FDI的系数为0.018，在5%的水平上显著为正，表明FDI对环境污染有一定的正向影响，但影响程度相对较小。这可能是因为东部地区经济发展水平较高，产业结构相对优化，技术水平先进，在吸引FDI的也能够更好地利用外资带来的技术和管理经验，通过技术溢出效应促进本地企业提高环保水平，从而在一定程度上减轻了FDI对环境的负面影响。在中部地区，FDI的系数为0.036，在1%的水平上显著为正，说明FDI对环境污染的正向影响较为显著。中部地区在承接东部地区产业转移的过程中，吸引了一些高污染、高能耗的产业，这些产业的FDI流入可能会导致环境污染加剧。中部地区的经济发展水平和技术水平相对东部地区较低，在应对FDI带来的环境挑战时，可能存在一定的困难，环保能力相对较弱。在西部地区，FDI的系数为0.042，在1%的水平上显著为正，是三个区域中FDI对环境污染正向影响最为显著的。西部地区经济发展相对滞后，产业结构以资源开发和能源产业为主，这些产业的FDI流入可能会进一步加大对自然资源的开发和利用强度，导致环境污染问题更加突出。西部地区的环境承载能力相对较弱，在面临FDI带来的环境压力时，可能难以承受，环保基础设施建设和环境监管能力也有待提高。对比不同区域的控制变量系数，也可以发现一些差异。在经济增长方面，三个区域的GDP系数均为正且显著，表明经济增长都会导致环境污染的增加，但西部地区的GDP系数最大，说明西部地区经济增长对环境的压力相对较大。在产业结构方面，三个区域的Ind系数均为正且显著，且西部地区的Ind系数最大，说明西部地区第二产业占比高对环境污染的影响更为明显。在环境规制方面，三个区域的ER系数均为负且显著，说明加强环境规制对降低环境污染在各个区域都有效，但西部地区的ER系数绝对值最大，表明西部地区加强环境规制对改善环境的效果更为显著。在技术水平方面，三个区域的Tech系数均为负且显著，说明技术水平的提高对降低环境污染在各个区域都有积极作用，西部地区的Tech系数绝对值最大，表明西部地区技术进步对改善环境的作用更为突出。通过区域异质性分析可以看出，FDI的环境效应在我国不同区域存在显著差异，在制定外资政策和环境政策时，应充分考虑各区域的特点和差异，采取差异化的政策措施，以实现经济与环境的协调发展。5.3稳健性检验5.3.1替换变量法检验为了验证基准回归结果的稳健性，采用替换变量法进行检验。首先，替换被解释变量，使用工业废水排放量、工业废气排放量和工业固体废物产生量的自然对数分别作为环境污染的衡量指标，重新进行回归分析。这是因为自然对数变换可以使数据更加平稳，减少异方差问题的影响，同时也能更好地反映变量的相对变化情况。其次，替换核心解释变量，采用外商直接投资流量代替外商直接投资存量，以考察不同衡量方式下FDI对环境污染的影响。外商直接投资流量反映了当年实际流入的外资规模，与存量相比，更能体现外资的动态变化情况。替换变量后的回归结果如表4所示：表4：替换变量法稳健性检验结果变量（1）ln(废水)（2）ln(废气)（3）ln(固废)（4）ln(废水)（5）ln(废气)（6）ln(固废)FDI流量0.025**（2.01）0.032***（2.56）0.028**（2.15）FDI存量0.022**（2.05）0.027***（2.45）0.024**（2.08）GDP0.020**（2.12）0.023***（2.78）0.018*（1.89）0.019**（2.08）0.022***（2.67）0.017*（1.86）Ind0.112***（4.05）0.135***（4.89）0.128***（4.56）0.110***（3.98）0.132***（4.78）0.125***（4.45）ER-0.048*（-1.89）-0.056**（-2.15）-0.045*（-1.78）-0.046*（-1.85）-0.054**（-2.10）-0.043*（-1.75）Tech-0.030**（-1.98）-0.035**（-2.21）-0.028**（-1.95）-0.029**（-1.96）-0.034**（-2.18）-0.027**（-1.93）常数项0.156***（3.12）0.187***（3.56）0.165***（3.25）0.148***（3.05）0.179***（3.48）0.157***（3.18）个体固定效应是是是是是是时间固定效应是是是是是是N450450450450450450R²0.4860.5320.5010.4780.5250.493注：括号内为t值，*、**、***分别表示在10%、5%、1%的水平上显著。从表4可以看出，无论是替换被解释变量还是核心解释变量，FDI的系数均在10%或5%的水平上显著为正，与基准回归结果一致，说明FDI对环境污染存在正向影响的结论具有稳健性。在替换被解释变量后，以工业废水排放量的自然对数为被解释变量时，FDI流量的系数为0.025，在5%的水平上显著为正；以工业废气排放量的自然对数为被解释变量时，FDI流量的系数为0.032，在1%的水平上显著为正；以工业固体废物产生量的自然对数为被解释变量时，FDI流量的系数为0.028，在5%的水平上显著为正。在替换核心解释变量后，以工业废水排放量的自然对数为被解释变量时，FDI存量的系数为0.022，在5%的水平上显著为正；以工业废气排放量的自然对数为被解释变量时，FDI存量的系数为0.027，在1%的水平上显著为正；以工业固体废物产生量的自然对数为被解释变量时，FDI存量的系数为0.024，在5%的水平上显著为正。这表明，即使采用不同的变量衡量方式，FDI对环境污染的正向影响依然存在，进一步支持了“污染避难所”假说。5.3.2改变样本范围检验为了进一步验证结果的稳健性，采用改变样本范围的方法进行检验。考虑到西藏地区的数据存在较多缺失值，且经济发展水平、产业结构等方面与其他地区存在较大差异，可能会对回归结果产生影响，因此在稳健性检验中剔除西藏地区的数据，重新进行回归分析。此外，考虑到数据的时效性和稳定性，选取[具体年份区间]的数据进行回归，以检验不同时间段样本对结果的影响。改变样本范围后的回归结果如表5所示：表5：改变样本范围稳健性检验结果变量（1）Poll（2）PollFDI0.024**（2.18）0.022**（2.05）GDP0.020**（2.15）0.019**（2.08）Ind0.115***（4.12）0.113***（4.05）ER-0.046*（-1.86）-0.044*（-1.82）Tech-0.031**（-2.02）-0.029**（-1.98）常数项0.168***（3.25）0.160***（3.12）个体固定效应是是时间固定效应是是N420360R²0.5010.486注：括号内为t值，*、**、***分别表示在10%、5%、1%的水平上显著。从表5可以看出，在剔除西藏地区数据后，FDI的系数为0.024，在5%的水平上显著为正；在选取[具体年份区间]的数据进行回归后，FDI的系数为0.022，在5%的水平上显著为正。这表明，即使改变样本范围，FDI对环境污染的正向影响依然显著，与基准回归结果基本一致，说明研究结果具有较好的稳健性。5.3.3其他稳健性检验方法除了上述两种稳健性检验方法外，还采用了其他方法进行检验，以进一步验证研究结果的可靠性。采用分位数回归方法对基准模型进行估计。分位数回归可以考察解释变量在被解释变量不同分位点上的影响，能够更全面地反映变量之间的关系。在环境污染程度较高的地区，FDI对环境污染的影响可能更为显著；而在环境污染程度较低的地区，FDI的影响可能相对较小。通过分位数回归，可以分析FDI在不同环境污染水平下的影响差异。分位数回归结果如表6所示：表6：分位数回归结果变量10分位数25分位数50分位数75分位数90分位数FDI0.015*（1.85）0.018**（2.01）0.022**（2.15）0.025***（2.56）0.028***（2.78）GDP0.012*（1.78）0.015**（2.05）0.018**（2.12）0.020***（2.45）0.022***（2.67）Ind0.085***（3.56）0.098***（3.89）0.115***（4.12）0.132***（4.56）0.145***（4.89）ER-0.035*（-1.75）-0.038*（-1.82）-0.042*（-1.89）-0.046**（-2.01）-0.050**（-2.15）Tech-0.020*（-1.78）-0.023*（-1.89）-0.026**（-2.01）-0.029**（-2.15）-0.032**（-2.21）常数项0.086***（2.56）0.102***（2.89）0.125***（3.12）0.156***（3.56）0.187***（3.89）N450450450450450注：括号内为t值，*、**、***分别表示在10%、5%、1%的水平上显著。从表6可以看出，在不同分位点上，FDI的系数均为正且显著，说明FDI对环境污染的正向影响在不同环境污染水平下均存在。随着分位数的增加，FDI的系数逐渐增大，表明在环境污染程度较高的地区，FDI对环境污染的影响更为明显。在90分位数上，FDI的系数为0.028，在1%的水平上显著为正；而在10分位数上，FDI的系数为0.015，在10%的水平上显著为正。这进一步验证了研究结论的稳健性。采用系统GMM估计方法对基准模型进行估计，以解决可能存在的内