中國區域能源效率對霾污染的空間效應——基于空間杜賓模型的實證分析

張小波,王建州

?

中國區域能源效率對霾污染的空間效應——基于空間杜賓模型的實證分析

張小波,王建州*

(東北財經大學統計學院,遼寧 大連 116025)

以中國29個省市自治區為研究對象,并以2001~2015年PM2.5年度均值作為衡量霾污染的指標,構建了全要素能源效率對中國霾污染影響的空間杜賓模型.研究表明:中國絕大部分省市的霾污染演變趨勢具有倒“U”的特點,這說明中國的霾污染在2001~2015年間經歷了先上升后下降的總體變化趨勢;無論是采用地理相鄰權重還是經濟權重,中國省際間的霾污染均存在顯著空間集聚效應,這揭示霾污染的治理與控制需要地區間建立恰當的合作機制,避免出現“損人利己”現象;在對一系列經濟社會因素控制的基礎上,全要素能源效率對霾污染存在顯著的負向影響并且具有顯著的空間溢出效應,這表明全要素能源效率的提高不僅會顯著降低本地區的霾污染水平,還將對周邊地區的霾污染產生顯著的負向影響;分解方程結果顯示,技術進步和技術效率對霾污染的負向效應顯著,并且技術進步的直接效應大于技術效率,但兩者的間接效應均顯著大于直接效應,這揭示了技術擴散對霾污染具有重要的潛在促降效應.因此,在治理霾污染的過程中,要通過不斷優化能源結構和開發新能源技術以發揮全要素能源效率的減霾效果,以及通過地區間的交流與合作發揮技術擴散效應在霾污染治理中的作用.

霾污染；全要素能源效率；空間溢出效應；空間杜賓模型

長期以來的粗放式經濟發展模式使得中國現階段面臨能源供需矛盾、環境污染等突出問題.盡管近幾年節能減排政策不斷地出臺和實施,環境污染尤其是霾污染仍然是大面積、高強度、持續的爆發,而且呈現出顯著的集聚特征[1-3].新時代背景需要中國做出綠色可持續發展戰略抉擇.根據《聯合國氣候變化框架公約》[4],中國在“國家自主決定貢獻”中承諾:到2030年,非化石能源占一次能源消費比重達到20%左右.這意味著中國在維持經濟快速增長的同時需要不斷地提高能源利用效率,進而減少化石能源消費和改善環境質量.在此背景下,研究能源效率與霾污染之間的關系對于優化經濟結構、建設綠色生態文明社會以及協調經濟與環境發展具有重要的現實意義.

霾污染雖然是一種氣象問題,但究其根源,在于經濟發展過程中的能源利用效率底下、能源結構欠佳、產業結構失衡等諸多問題.從影響霾污染的經濟社會因素著手,學界目前已進行了諸多有益的探索,實證研究多集中于研究環境庫茨涅茨曲線[5]、“污染避難所”假說[6-7]以及霧霾的時空分布特征[8-11];抑或是研究能源結構[1,12]、能源價格[13]、城市化[14]、財政分權[15-16]等因素對霾污染的影響.其中,一些文獻從經濟社會角度較為系統地考察了影響霾污染的因素[17-20].這些研究深刻地揭示了中國經濟發展中所暴露的產業結構失衡、能源效率欠佳等諸多問題.然而針對全要素能源效率與環境污染之間的關系,僅有少量文獻進行研究,如李國璋等[21]對全要素能源效率和環境污染之間的關系進行了研究分析,得出的結論是全要素能源效率與環境污染之間存在長期均衡關系;東童童[22]以長江經濟帶為例研究了全要素工業能源效率與霾污染的交互影響,揭示了能源效率的提高有助于降低霾污染.綜合以上研究可以發現:首先,霾污染的空間溢出效應以及集聚特征已經被學者所公認,相應的空間計量方法在研究中也占據主導位置.空間模型能夠從時空維度刻畫霾污染的空間特性,因此較傳統計量模型更為有效;其次,從霾污染指標的選取來看,多數采用哥倫比亞大學社會經濟數據和應用中心檢測的全球 PM2.5濃度年均值的柵格數據[23];最后,大多數研究只是將能源結構或能源效率作為解釋變量之一來探討,很少有從全局的角度深入發掘全要素能源效率對霾污染的空間作用.基于以上分析以及借鑒已有研究,本文通過構建空間計量模型來研究能源效率對霾污染的影響.第一,在能源效率的指標選取上,我們利用碳約束下Malmquist-Luenberger生產率指數測度的全要素能源效率來度量.第二,分別考慮地理與經濟空間權重矩陣來研究全要素能源效率對霾污染的空間作用.第三,采用哥倫比亞大學社會經濟數據和應用中心公布的2001~2015年PM2.5數據作為霾污染指標.

1 研究方法和計量模型設定

1.1 基于Malmqulist-Luenberger指數的全要素能源效率測度方法

針對全要素能源效率的測度,本研究采用由Chung等[24]提出的基于方向距離函數D的Malmquist-Luenberger(ML)生產率指數法.給定期的投入產出向量(x,y),則+1期的ML生產率指數可表示為:

式中:

基于ML生產率指數法,本文考慮碳排放約束下全要素能源效率的度量.投入指標包括能源消耗量、資本存量以及人力資本;產出指標包括合意產出GDP和非合意產出二氧化碳.

1.2 計量模型設定

影響霾污染的因素涵蓋了經濟社會的諸多方面,霾本身也呈現出時間維度的非線性和空間維度上的相關性,因此,空間面板模型在現有的文獻中占據主導地位.現有的空間面板模型主要包括空間滯后模型(SLM)、空間誤差模型(SEM) 和空間杜賓模型(SDM),其中SDM實質上是SEM 和 SLM的綜合[25].基于以上分析,本文采用更具一般化的SDM模型研究全要素能源效率與霾污染之間的空間相關關系.

2 變量說明及數據來源

本文的研究對象涉及中國 29個省、自治區和直轄市(其中將重慶與四川數據合并;西藏由于數據缺失過多沒有納入研究范圍之內;2個特別行政區以及臺灣地區也不在研究范圍之列).由于中國對PM2.5相關數據的基礎統計工作開展較晚且不完善,自2012年起大部分城市才開始對PM2.5相關數據進行采集,并且所得數據都是以點代面來反映各地區的霾污染水平,可靠性較差.因此,本文采用的是由哥倫比亞大學國際地球科學信息網絡中心(CIESIN)與巴特爾研究所利用衛星搭載設備測定得到的全球2001~ 2015年PM2.5年度均值,國內相關研究數據大多采用于此,具有較高的可信度.

根據所設定的空間模型,對本文研究所包含的影響霾的因素作如下說明.

(1) MLE:在經濟高速發展階段,社會各個方面都表現出能源需求的急速增加,提高能源利用效率即是減少污染排放進而改善環境污染的根本途徑,也是實現經濟可持續發展的重要手段.本文與大多數現有研究(采用實際GDP與能源使用量的比值)不同,利用ML生產率指數來度量碳約束下的全要素能源效率,該指標能夠綜合評價能源利用效率,其值越高,能源利用效率越高,因此預期其系數為負.(2)經濟增長(pgdp):研究表明,不同的國家經濟發展都要經歷產業結構不斷優化升級的過程,經濟發展與環境之間都會呈現出一定的發展規律,經典的EKC假說在研究人均GDP與環境污染之間的關系時,刻畫了這種發展規律的倒“U”特征.本文參照已有的研究,用人均GDP衡量經濟增長,并采用其一次項和二次項形式.(3)產業結構(industry):以高能耗、高污染、高排放的工業為主導第二產業是PM2.5的重要來源.近些年,中國工業化進程加速,工業能源消耗巨大,經濟發展表現出對自然資源的依賴性過強,個體經濟利益與自然資源之間的矛盾、環境保護與公共健康之間的沖突逐漸凸顯.本文選取產業結構加入到霾污染的影響因素中,取值為第二產業增加值占GDP的比重.(4)政府財政支出(gov):由于霾污染屬于環境領域問題,具有公共性特征,因此政府在霾污染的治理和控制方面扮演著重要角色,本文用地方財政支出占地區GDP的比重來衡量財政支出力度.(5)人口密度(pdensity):人口密度是衡量人類經濟社會活動頻繁程度的指標之一,該指標可能對環境污染存在正的影響.本文采用單位平方公里上的人口數衡量人口密度.(6)交通運輸(road):公路交通的機動車是產生城市霾污染的一個重要來源.公路交通網絡的發達程度在一定程度上能夠反映一個地區的城市化程度,公路建設加強從一定程度上也會導致機動車擁有量的增加,進而加重霾污染.本文用單位土地面積公路里程來研究交通運輸對霾污染的影響.

本文的數據樣本由中國29個省、自治區和直轄市的面板數據構成.除PM2.5數據外,其余數據整理于《中國統計年鑒》(2002~2016)[26]《中國科技統計年鑒》(2002~2016)[27],《中國環境統計年鑒》(2002~2016)[28],《中國能源統計年鑒》(2002~2016)[29],《中國經濟普查年鑒》(2002~2016)[30]及各地區各年統計年鑒.

3 實證檢驗與結果分析

3.1 空間相關性分析與模型選擇

為了進一步驗證中國霾污染的空間集聚特征和空間相關性,本文采用常用的空間Moran’s指數來刻畫中國霾污染的全局空間相關程度和局部分布特點.并基于所建立的空間模型以及Elhorst[31]的建議,本文采用極大似然估計法并運用MATLAB軟件對模型進行估計.

表1給出了在地理空間權重下全局空間相關檢驗結果,從中可以看出,Moran’s指數大于零且均在1%的水平上顯著;在經濟空間權重下,Moran’s指數大于零且在10%的水平上顯著,表明中國的霾污染呈現出明顯的正向相關性空間特征.為了分析霾污染的局域空間相關性,基于局部Moran’s指數本文繪制了Moran散點圖來刻畫霾污染的局域空間集聚特征和相關性.以地理權重為例,圖1給出了代表性年份的Moran散點圖,圖中顯示絕大部分省份落入第一、三象限,進一步說明正向空間溢出效應的存在.

表1 全局空間相關性Moran’s I檢驗結果

注:E()表示的期望值;sd()表示值的方差;z為的z檢驗值;值為伴隨概率值.

圖1 2001, 2007及2013年各地區PM2.5的Moran’s I散點圖

圖2 2001~2015年各省份PM2.5以及ML指數的變化趨勢

圖2中的(A)和(B)分別為本文利用提取的各省市PM2.5和基于Malmqulist-Luenberger指數所計算的全要素能源效率所繪制的趨勢變化圖,為了更為明顯地反應兩者的趨勢變化,通過二次方程對散點進行曲線擬合,其中虛線為實際值,實線為擬合值.從中可以看出,無論是PM2.5還是全要素能源效率,大部分省份都呈現出集中的變化趨勢.以2010年為分界點,中國各省市的PM2.5濃度大體呈現出先上升后下降的趨勢,具有倒“U”型的變化特點,只有極個別省份表現一度上升態勢;反觀ML指數,絕大部分省份在2010年以后呈現上升態勢,具有“U”型變化特點,同時也有部分省份的趨勢變化在2010以后表現出收斂且下降態勢.由此可以粗略判斷,雖然近幾年來中國霾事件頻發突發,但總體霾污染水平是呈現緩慢下降趨勢的,這一方面要歸功于中國近5年來霾污染控制與治理政策的頒布與實施,另一方也得益于中國產業結構的優化調整,進而從根本上限制了霾污染的大面積惡化;同時,根據霾污染與全要素能源效率的變化趨勢,可基本預判全要素能源效率的提高有助于降低霾污染水平,因此預期估計系數為負.

3.2 全要素能源效率對中國霾污染的影響

基于模型(6)的非空間面板形式,并根據 Elhorst[25,31]關于空間模型選擇的做法,對空間面板模型的形式進行擇優選擇,采用極大似然估計法進行估計,具體而言,按照非空間面板模型的做法,通過構造Hausman 檢驗統計量來確定固定效應和隨機效應哪個更為合適,通過LR test 確定固定效應的顯著性,并通過Wald Test 檢驗來判斷空間杜賓模型能否轉換為空間滯后和空間誤差模型,最終確定時間空間固定效應杜賓模型.結果如表2(總體效應方程)所示.

表2中的估計結果顯示,空間模型無論是采用地理權重矩陣還是經濟權重矩陣,霾污染空間滯后項(×PM)的系數估計在1%顯著性水平上都顯著為正;MLE以及×MLE在5%顯著性水平上均顯著.表明:在本文所選樣本區間內,中國的霾污染存在著顯著的正向空間溢出效應,即霾污染表現出明顯的空間集聚特征,地理相鄰地區的霾污染加劇也會加重本地區的霾污染,具體而言:以地理權重為例,相鄰地區的霾污染水平每上升1%,會導致本地區的霾污染水平增加0.228%;全要素能源效率對霾污染的影響顯著為負,由此可以粗略判斷, 全要素能源效率的提高有助于改善本地區的霾污染狀況,同時,全要素能源效率的空間滯后項系數在地理權重矩陣和經濟權重矩陣下均顯著為負,這說明全要素能源效率對霾污染的影響存在顯著的負向空間相關,這暗示著能源效率的提高不僅會改善本地區的霾污染,同時也會對周邊地區產生顯著的正外部性.為了進一步解釋全要素能源效率對霾污染的作用效果,我們對所得到的結果進行了進一步的分解和分析.

基于Elhorst[25]的做法,對表2中的總效應方程結果進行各影響因素的直接效應、間接效應以及總體效應的估計,結果如表3所示.從直接效應看,無論空間權重為地理相鄰權重W1還是經濟權重W2,在1%的顯著水平上為負,這表明本地區全要素能源效率的提高將直接降低本地區的霾污染水平;進一步對比表3中的直接效應值(-1.269和-1.006)和表2中的系數估計值(-1.182和-0.579)可以發現,若不采用空間面板模型,全要素能源效率對霾污染的負直接效應將被低估.從間接效應看,2種空間權重下的系數也均顯著,即全要素能源效率在省際間呈現出明顯的空間溢出效應,這與東童童[22]等人的結果相似.從全國范圍內來看,全要素能源效率雖然存在區域性的差異,但這種差異在各地區間逐漸縮小且有著共同的發展趨勢[32];近些年,中國經濟發展方式不斷轉變,產業結構不斷優化,產業集聚特征明顯,區域間在能源利用技術上的交流與合作不斷增進,進而加速了能源利用技術的擴散,因此,對霾污染的影響也就可能存在總體顯著的空間溢出行為.

近些年,中國經濟發展方式不斷轉變,產業結構不斷優化,產業集聚特征明顯,區域間在能源利用技術上的交流與合作不斷增進,進而加速了能源利用技術的擴散,因此,對霾污染的影響也就可能存在總體顯著的空間溢出行為.總體來看,2種空間權重矩陣下的總效應均在1%的顯著水平上顯著,由此可以得出全要素能源效率的提高會顯著改善霾污染,這與李國璋等[21]的研究結論有相似之處,能源的生產和利用是環境問題的核心內容,能源效率的提高意味著等量的產出需要的能源投入就更少,進而降低了顆粒物的排放,緩解霾污染所造成的影響.綜合全要素能源效率對霾污染的直接和間接效應可以得出,提高全要素能源效率不僅會降低本地區的霾污染水平,而且還會顯著改善周邊地區的霾污染;空間權重矩陣的存在可以更為有效地度量能源效率的直接效應,從而確定了納入空間權重的必要性.

表2 TFEE對霾污染影響的空間模型估計結果

注:*、**、***分別代表10%、5%、1%的顯著性水平,下同.

表3 TFEE對霾污染的影響效應分解:直接效應、間接效應和總效應

3.3 全要素能源效率對中國霾污染影響的分解

為了進一步考察全要素能源效率對霾污染的影響,根據式(2)將全要素能源效率指數分解為技術進步和技術效率指數,并進行空間方程估計,結果如表4所示.與此同時,為了進一步分析兩者對霾污染的影響,依據總效應方程的做法,將技術進步和技術效率方程結果進行直接效應、間接效應以及總體效應的估計,結果如表4所示.

表4 技術效率和技術進步對霾污染的影響效應分解:直接效應、間接效應和總效應

表4中的估計結果顯示,技術進步和技術效率以及相應的空間滯后項(除了經濟權重下的技術效率的估計系數)的回歸系數均在1%顯著性水平上顯著為負,這表明,技術進步和技術效率的提高有助于降低霾污染水平.進一步考察表4中的結果發現:技術進步和技術效率對霾污染的直接效應都顯著,但技術進步的直接效應明顯大于技術效率,這一方面反映了中國在能源利用技術的進步及其有效性在環境保護和治理中的潛在作用,同時也暗示,隨著技術進步的收斂,技術效率在霾污染的長期治理中的角色應該受到重視.無論是技術進步還是技術效率,其間接效應的估計都在1%水平上顯著為負并且明顯大于直接效應,這表明,能源利用技術的革新不僅會影響到本地的霾污染,還將改善周邊地區的霾污染,即能源效率對霾污染的影響具有顯著地空間溢出效應.從實際來看,能源利用技術的革新會顯著提高煤炭等化石能源的利用率,從而通過能源利用技術的擴散作用,會進一步強化能源效率在改善霾污染過程的潛在作用.

3.4 其他因素對霾污染的影響

以總效應方程為例,分析其他變量對霾污染的影響.

考慮地理相鄰空間權重,人均pgdp的一次項顯著為負,二次項系數為正不顯著;當空間權重為經濟權重時,一次項系數為顯著正,二次項回歸系數為正且不顯著,說明在本文研究的樣本期間內,霾污染與經濟發展水平之間不存在顯著倒“U”型特征,這一結論與黃壽峰[15]、李小勝等[33]及朱平輝等[34]的研究基本一致;產業結構(instructure)在2種空間權重矩陣下的回歸系數均在1%水平上顯著為正,這說明第二產業占比增加會顯著性地加劇霾污染;另一方面,在地理權重下產業結構的空間滯后項系數以及間接效應顯著為負,說明本地區的產業結構越不合理一方面會加劇本地區的霾污染,另一方面可能會對周邊地區的霾污染有一定的改善作用,當產業結構轉移負效應大于霾污染的空間溢出效應時,本地區霾污染就可能會得到改善,這暗示著產業結構的優化調整可能存在著“損人利己”效應[1,35];政府財政支出及其空間滯后項系數分別顯著為負和正,這說明政府在霾的控制和治理中扮演著重要的角色,一方面政府可以通過加大財政支出力度來防霾治霾,另一方面政府對本地區的經濟結構調整的干預可能會對周邊地區的霾污染產生正向作用;人口密度(pdensity)的系數在地理權重意義上顯著為正,說明人口集聚的區域社會活動越頻繁,進而對霾污染產生正向及溢出作用,但這種效應在經濟意義上并不顯著,近些年,中國大部分地區人口都呈現出收斂態勢,霾污染的健康效應也使得近幾年中國對人口密集區的環境規制強度加強,人口對霾污染的效應會逐漸減弱;交通運輸(road)的各種效應(除了地理權重下的間接效應)均在1%水平上顯著為正,這表明公路交通里程增加從一定程度上促進機動車的擁有量,會直接加劇本地區的霾污染.

4 結論

4.1 中國的霾污染水平呈現出不斷收斂且有緩慢下降趨勢,各省市的霾污染演變趨勢具有倒“U”的特點.

4.2 中國的霾污染存在顯著的空間溢出效應.在控制了經濟增長、產業結構等變量之后,發現全要素能源效率的提高不僅會顯著降低本地區的霾污染水平,還將對周邊地區的霾污染產生顯著的影響.

4.3 通過對全要素能源效率的分解發現,技術進步和技術效率對霾污染的影響都顯著,并且間接效應的影響明顯大于直接效應,暗示了技術的空間溢出效應在治理霾污染過程中有著重要的促降效應.

5 建議

5.1 推進綠色產業發展.要不斷優化產業布局、調整產業結構,對于高污染高排放產業要通過績效考核和制度來倒逼其經濟發展方式,削弱其對自然資源的過度依賴.倡導綠色發展理念,積極引導企業生產方式的轉型升級;通過完善綠色產業的幫扶激勵政策,鼓勵企業加大對煤炭等化石能源利用技術的研發投入和推廣利用,進一步提高對能源的利用效率,從根本上減少顆粒物的排放.另外,通過促進區域間的經濟發展合作交流,能源效率低的地區可以通過技術引進改善本地區的產業能源利用效率.

5.2 發展綠色清潔能源,優化能源消費結構.大力發展光伏、風能等為代表的可再生能源產業,提高清潔能源的消費比重,減少污染氣體的排放,穩步推進可持續和綠色發展.加大清潔可再生能源在城市機動車輛中的利用,進一步通過交通運輸結構的調整,提高綠色可持續發展的正外部性和質量.

5.3 建立區域利益協調和區域聯防聯控機制.要統籌規劃各利益主體,達成利益共享與責任擔當相掛鉤的共識,既要加快經濟增長方式的轉變,又要防止產業布局優化調整中出現“損人利己”效應,從根本上實現經濟的高質量轉型.同時,霾污染具有空間溢出效應,霾污染的治理也應該打破地理界限,區域間應該制定共同霾污染監督和執法體制,構建統一的霾污染治理體系平臺,從而實現經濟利益共享的同時也能共享治理的成果.

[1] 馬麗梅,張 曉.中國霧霾污染的空間效應及經濟、能源結構影響 [J]. 中國工業經濟, 2014,(4):19-31. Ma L, Zhang X. The Spatial effect of China’s haze pollution and the impact from economic change and energy structure [J]. China Industrial Economics, 2014,(4):19-31.

[2] 潘慧峰,王 鑫,張書宇.霧霾污染的持續性及空間溢出效應分析——來自京津冀地區的證據[J]. 中國軟科學, 2015,(12):134-143. Pan H, Wang X, Zhang S. Duration and spatial spillover effects of haze pollution—evidence from Beijing–Tianjin–Hebei region [J]. China Soft Science, 2015,(12):134-143.

[3] 向 堃,宋德勇.中國省域PM2.5污染的空間實證研究 [J]. 中國人口×資源與環境, 2015,25(9):153-159. Xiang K, Song D. Spatial analysis of China’s PM2.5pollution at the provincial level [J]. China Population, Resources and Environment, 2015,25(9):153-159.

[4] 《聯合國氣候變化框架公約》巴黎協定.聯合國,巴黎, 2015.《United Nations Framework Convention on Climate Change》The Paris Agreement. United Nations, Paris, 2015.

[5] 劉華軍,裴延峰.中國霧霾污染的環境庫茲涅茨曲線檢驗 [J]. 統計研究, 2017,34(3):45-54. Liu H, Pei Y. An Empirical test of the environmental kuznets curve of China’s haze pollution [J]. Statistical Research, 2017,34(3):45-54.

[6] 冷艷麗,冼國明,杜思正.外商直接投資與霧霾污染——基于中國省際面板數據的實證分析 [J]. 國際貿易問題, 2015,(12):74-84. Leng Y, Xian G, Du S. Foreign direct investment and haze pollution: An empirical analysis based on provincial panel data [J]. Journal of International Trade, 2015,(12):74-84.

[7] 李 力,唐登莉,孔 英,等. FDI對城市霧霾污染影響的空間計量研究——以珠三角地區為例 [J]. 管理評論, 2016,28(6):11-24. Li L, Tang D, Kong Y, et al. Spatial economic analysis of impact of FDI on urban haze pollution—Case of the Pearl River Delta region [J]. Management Review, 2016,28(6):11-24.

[8] 李名升,任曉霞,于 洋,等.中國大陸城市PM2.5污染時空分布規律 [J]. 中國環境科學, 2016,36(3):641-650. Li M, Ren X, Yu Y, et al. Spatiotemporal pattern of ground-level fine particular matter PM2.5pollution in mainland China [J]. China Environmental Science, 2016,36(3):641-650.

[9] 郭 婷,朱 彬,康志明,等.1960~2012年長江三角洲地區霧日與霾日的氣候特征及其影響因素 [J]. 中國環境科學, 2016,36(4):961- 969. Guo T, Zhu B, Kang Z, et al. Spatial and temporal distribution Characteristic of fog days and haze days from 1960~2012and impact factors over the Yangtze River Delta Region [J]. China Environmental Science, 2016,36(4):961-969.

[10] 張云偉,王晴茹,陳 嘉,等.城市街谷內PM2.5濃度時空變化及影響因素分析 [J]. 中國環境科學, 2016,36(10):2944-2949. Zhang Y, Wang Q, Chen J, et al. Temporal and spatial characteristic of pm2.5concentration in urban street canyons and analysis on the affecting factors [J]. China Environmental Science, 2016,36(10):2944- 2949.

[11] 王 琴,張大偉,劉保獻,等.基于PMF模型的北京市PM2.5來源的時空分布特征 [J]. 中國環境科學, 2015,35(10):2917-2924. Wang Q, Zhang D, Liu B, et al. Spatial and temporal variations of ambient PM2.5source contributions using positive matrix factorization [J]. China Environmental Science, 2015,35(10):2917-2924.

[12] 馬麗梅,劉生龍,張 曉.能源結構、交通模式與霧霾污染——基于空間計量模型的研究 [J]. 財貿經濟, 2016,37(1):147-160. Ma L, Liu S, Zhang X. Study on haze pollution induced by energy structure and transportation: Based on spatial econometric model analysis [J]. Finance & Trade Economics, 2016,37(1):147-160.

[13] 冷艷麗,杜思正.能源價格扭曲與霧霾污染——中國的經驗證據 [J]. 產業經濟研究, 2016,(1):71-79. Leng Y, Du S. Energy price distortion and haze pollution: The evidence from China [J]. Industrial Economics Research, 2016,(1):71- 79.

[14] 秦 蒙,劉修巖,仝怡婷.蔓延的城市空間是否加重了霧霾污染——來自中國PM2.5數據的經驗分析 [J]. 財貿經濟, 2016,37(11):146- 160. Qin M, Liu X, Tong Y. Does urban sprawl exacerbate haze pollution— An empirical study of fine particles PM2.5in Chinese city [J]. Finance & Trade Economics, 2016,37(11):146-160.

[15] 黃壽峰.財政分權對中國霧霾影響的研究 [J]. 世界經濟, 2017, 40(2):127-152. Huang S. A study of empirical of fiscal decentralization on smog pollution [J]. The Journal of World Economy, 2017,40(2):127-152.

[16] 李根生,韓民春.財政分權、空間外溢與中國城市霧霾污染:機理與證據 [J]. 當代財經, 2015,(6):26-34. Li G, Han M. Fiscal decentralization, spatial spillover and China’s urban haze pollution: mechanism and evidences [J]. Contemporary Finance & Economics, 2015,(6):26-34.

[17] Guan D, Su X, Zhang Q, et al. The socioeconomic drivers of China’s primary PM2.5emissions [J]. Environmental Research Letters, 2014, 9(2):024010.

[18] 王立平,陳 俊.中國霧霾污染的社會經濟影響因素——基于空間面板數據EBA模型實證研究 [J]. 環境科學學報, 2016,36(10): 3833-3839. Wang L, Chen J. Socio-economic influential factors of haze pollution in China: Empirical Study by EBA model using spatial panel data [J]. Acta Scientiate Circumstantiae, 2016,36(10):3833-3839.

[19] 邵 帥,李 欣,曹建華,等.中國霧霾污染治理的經濟政策選擇—基于空間溢出效應的視角 [J]. 經濟研究, 2016,(9):73-88. Shao S, Li X, Cao J, et al. China’s economic policy choices for governing smog pollution based on spatial spillover effects [J]. Economic Research Journal, 2016,(9):73-88.

[20] 李云燕,殷晨曦.京津冀地區PM2.5減排實效與影響因素的門限效應 [J]. 中國環境科學, 2017,37(4):25-32. Li Y, Yin C. Threshold effect of socio-economic factors influencing PM2.5in Beijing-Tianjin-Hebei [J]. China Environmental Science, 2017,37(4):25-32.

[21] 李國璋,江金榮,周彩云.全要素能源效率與環境污染關系研究 [J]. 中國人口×資源與環境, 2010,20(4):50-56. Li G, Jiang J, Zhou C. Relations between total factor energy efficiency and environmental pollution [J]. China Population, Resources and Environment, 2010,20(4):50-56.

[22] 東童童.全要素工業能源效率與霧霾污染的交互影響——以長江經濟帶為例 [J]. 城市問題, 2017,(11):85-93. Dong T. Interactive effect between industrial energy efficiency and haze pollution—Case of the Yangtze River Economic Belt [J]. Urban Problems, 2017,(11):85-93.

[23] Van D A, Martin R V, Brauer M, et al. Use of satellite observations for long-term exposure assessment of global concentrations of fine particulate matter [J]. Environmental Health Perspectives, 2015,123(2): 135.

[24] Chung Y H, F?re R, Grosskopf S. Productivity and undesirable outputs: A directional distance function approach [J]. Microeconomics, 1995,51(3):229-240.

[25] Elhorst J.“Spatial Panel Data Models,”Handbook of Applied Spatial Analysis, Springer: Berlin Heidelberg New York, 2010a:377－407.

[26] 國家統計局.中國統計年鑒 [M]. 北京:中國統計出版社, 2002-2016. National Bureau of Statistics. China Statistical Yearbook [M]. Beijing: China Statistics Press, 2002-2016.

[27] 國家統計局.中國科技統計年鑒 [M]. 北京:中國統計出版社, 2002-2016. National Bureau of Statistics. China Statistical Yearbook on Science and Technology [M]. Beijing: China Statistics Press, 2002-2016.

[28] 國家統計局.中國環境統計年鑒 [M]. 北京:中國統計出版社, 2002-2016. National Bureau of Statistics. China Statistical Yearbook on Environment [M]. Beijing: China Statistics Press, 2002-2016.

[29] 國家統計局.中國能源統計年鑒 [M]. 北京:中國統計出版社, 2002-2016. National Bureau of Statistics. China Energy Statistical Yearbook [M]. Beijing: China Statistics Press, 2002-2016.

[30] 國家統計局.中國經濟普查年鑒 [M]. 北京:中國統計出版社, 2002-2016. National Bureau of Statistics. China Economic Census Yearbook [M]. Beijing: China Statistics Press, 2002-2016.

[31] Elhorst J. “Matlab Software for Spatial Panels.” Presented at the IVth World Conference of the Spatial Econometrics Association (SEA), Chicago, 2010b.

[32] 王維國,范 丹.中國區域全要素能源效率收斂性及影響因素分析——基于Malmqulist-Luenberger指數法 [J]. 資源科學, 2012, 34(10):1816-1824. Wang W, Fan D. Influential factors and convergence of total factor energy efficiency in China based on the Malmqulist?Luenberger index [J]. Resources Science, 2012,34(10):1816-1824.

[33] 李小勝,宋馬林,安慶賢.中國經濟增長對環境污染影響的異質性研究 [J]. 南開經濟研究, 2013,(5):96-114. Li X, Song M, An Q. The heterogeneity research of the impact of China’s economic growth on environmental pollution [J]. Nankai Economic Studies, 2013,(5):96-114.

[34] 朱平輝,袁加軍,曾五一.中國工業環境庫茲涅茨曲線分析——基于空間面板模型的經驗研究 [J]. 中國工業經濟, 2010,(6):65-74. Zhu P, Yuan J, Zeng W. Analysis of Chinese industry environmental kuznets curve—Empirical study based on spatial panel model [J]. China Industrial Economics, 2010,(6):65-74.

[35] 黃亮雄,王 鶴,宋凌云.我國的產業結構調整是綠色的嗎? [J]. 南開經濟研究, 2012,(3):110-127. Huang L, Wang H, Song L. Is China’s industrial change green? [J]. Nankai Economic Studies, 2012,(3):110-127.

The spatial effect of region energy efficiency on haze pollution—Empirical analysis based on the Spatial Durbin Model.

ZHANG Xiao-bo, WANG Jian-zhou*

(School of Statistics, Dongbei University of Finance and Economics, Dalian 116025, China)., 2019,39(4)：1371~1379

A new spatial Durbin model was built to study the impact of total factor energy efficiency (TFEE) on haze pollution in China. The built model was utilized to analyze the PM2.5data of 29 provinces in China during 2001~2015. The results showed that the haze pollution in most of provinces presented a reverse “U” shape and the development trend of the haze pollution was decreasing. No matter the geographical neighboring weights or the economic weights were considered, there existed a significant spatial agglomeration effect in the haze pollution between the provinces of China. In addition, when controlling other factors, the TFEE was found to have a significant negative and spatial spillover effect on the haze pollution. It showed that improving the TFEE would not only reduce the haze pollution of local regions but also had a significantly negative impact on the haze pollution of their neighbors. From the results of decomposition of the TFEE, it was found that the technical progress and the technical efficiency both have significantly negative impacts on the haze pollution. It was also observed that the technological progress had greater direct effect than the technological efficiency, but the indirect effects of both were significantly greater than the direct effects of both. This revealed that technology diffusion played an important potential role for the haze pollution. In conclusion, to promote the potential effect of the TFEE in tackling the haze pollution, it would be very important to optimize industrial structure, explore new energy technology and strengthen the exchanges and cooperation in technology among regions.

haze pollution；total factor energy efficiency；spatial spillover Effect；Spatial Durbin Model

X24

A

1000-6923(2019)04-1371-09

2018-09-30

國家社科基金重大項目(17ZDA093)

*責任作者, 教授, wangjz@dufe.edu.cn

張小波(1988-),男,河南周口人,東北財經大學統計學院博士研究生,研究方向為資源與環境綜合評價、能源市場建模與預測.發表論文3篇.