第二节
青海省经济增长与环境压力的关系

本节参考相关文献的做法，选取人均GDP作为经济增长指标，环境污染物指标则选取了人均工业二氧化硫排放量、人均一般工业固体废物产生量和人均工业废水排放量。丁生喜等（2017）运用TOPSIS综合评价法和归一化对统计数据进行标准化处理，通过EKC模型和VAR模型研究分析青海省经济增长与环境压力之间的相互关系。

一、经济增长与环境污染关系的研究方法

经济发展和环境保护在一定程度上如同公平与效率的关系。发展经济的代价通常是消耗资源，而消耗资源必然会导致环境污染。如果专注于环境保护就会对经济发展产生限制，极大可能阻碍经济发展甚至产生经济倒退。

目前国内的研究大多研究资源损耗与经济增长或环境污染与经济增长之间的关系。研究结果侧重三个方面：一是验证了EKC理论；二是验证发现我国经济增长与环境污染存在弱EKC关系；三是EKC曲线在我国仍未得到验证。虽然以上研究关注的重点和研究的方向不尽相同，但均具有以下三个特点：其一，对环境治理和生态破坏的研究较少，多数关注于主要环境污染物指标与经济增长的实证研究。其二，大多使用简单的EKC一般方程模型，只考虑部分污染物和单一经济增长等因素，未能建立综合评价体系。其三，研究方法多种多样造成研究结果差异颇大。

现有的国内外研究主要采用的是经济增长对环境污染的影响这种单方面影响模式，因此忽略了经济增长与环境污染之间的相互影响，由此产生了变量的内生性偏差问题。一般的分析方法多是使用联立方程回归模型，这种简单的模型在环境—经济问题上有较大不足，对变量间因果关系的不确定和忽视变量内生性偏差问题导致分析结果不准确。为了解决变量内生性偏差问题，采取格兰杰因果检验对环境—经济的相关性进行检验，然后运用向量自回归模型（VAR）分析是否互为因果并且解决变量内生性偏差。利用这种方法，许多学者均对环境污染与经济发展关系进行了实证分析（贺彩霞等，2009）。

自2000年实施西部大开发战略以来，我国西部地区的经济总量增长迅速，甚至超过了全国平均增速，但随之而来的环境污染问题不得不引起重视。有研究通过对西部化工城市的研究得出区域存在“环境库兹涅茨曲线”，但由于重化工型产业结构和不合理布局，使“转折点”出现的时间比其他地区晚，并且转折点以后的环境污染随时都可能出现反弹（刘国伟，2008）。有研究发现，由于环境改善存在时间价值的问题，如果EKC曲线的上升阶段需要较长时间才能越过，而未来环境改善的现值就会难以弥补现实环境所破坏的成本。环境污染的累积、放大效应可能导致经济发展早期带来的环境恶化发展到后期变成不可逆转的恶化（杜颖等，2020；曹光辉，2000）。

青海省属于资源密集型产业为主导的区域，可能面临着“转折点”未到或环境污染降后“反弹”等情况。对青海省经济发展与环境污染关系的研究，一定程度上能反映出青海的发展情况与未来发展趋势，为青海省制定可持续发展战略提供参考，所以研究青海省经济增长与环境污染关系具有重要意义。

二、青海省经济增长与环境状况分析

青海省位于世界屋脊青藏高原东北部，是长江、黄河和澜沧江的发源地。青海省常年受西伯利亚寒流的影响，空气干燥，气候冷凉，适宜发展高寒农牧业，同时青海省具有丰富的矿产资源、自然资源，拥有中国内陆最大的咸水湖——青海湖，柴达木盆地更是因盐湖资源等具有“聚宝盆”的美称，多民族聚居形成的人文资源也独具魅力。

（一）青海省经济发展状况分析

青海省在实施西部大开发战略以来历年的GDP、人均GDP和三次产业占GDP比重变化情况如表2-1、图2-1、图2-2所示。

从表2-1和图2-1中可以看出，青海省在实施西部大开发战略以来经济总量规模与人均水平都呈现稳定增长态势。从图2-2中可以看出，青海省第一产业占GDP比重逐步下降，在2018年有所回升；第二产业占GDP比重先上升，到2011年后开始下降；第三产业占比在2000—2003年波动不明显，从2004年起开始逐渐回落并在2008—2011年变动幅度较大，随着2011年第二产业占GDP比重开始下降，第三产业占比随之上升，2017年第三产业占GDP比重超过第二产业。可以看出虽然青海省产业结构目前从“二、三、一”正朝着“三、二、一”转变，但产业结构增长不稳定，说明青海省产业结构还需优化。

近年来，青海省经济发展情况良好，实现了较高速度的持续增长，但是由于总量因素和产业结构单一等因素，青海省与其他省份的差距越拉越大。2018—2019年，青海省地区生产总值增幅由全国排名第12位降为第15位；人均生产总值增幅由6.3%下降到5.4%。城镇居民人均可支配收入和农村居民人均可支配收入与其他各省份相比分别排在第27位和第29位。2019年城镇居民人均可支配收入比全国人均可支配收入低20.13%；农村居民人均可支配收入比全国人均可支配收入低28.22%。

虽然纵向比较青海省的经济发展有了一定的进步，但横向比较可以发现，青海省仍然落后于其他地区，对全国的经济贡献不明显。基础设施建设不完善、公共服务能力水平低，青海省迫切需要实现公共服务均等化，改善民生，化解利益冲突和社会矛盾。同时，青海省区域之间发展不平衡，城乡差距较大，农牧业基础薄弱，综合生产能力不高和抵御自然灾害的能力差，使得青海省区域发展的整体协调性和可持续性也较为脆弱。因此，在青海省区域经济发展的未来，必须转变经济发展方式，更加注重资源配置的合理性，更加注重公平和效益的把握，更加注重社会整体发展与和谐进步（孙发平，2009）。

（二）青海省环境质量状况分析

实施西部大开发战略以来，青海省坚持科学发展观和围绕经济社会全面发展的目标，推进蓝天工程，落实“预防为主、保护优先、综合治理”。从结果来看，全省综合污染防治取得了令人瞩目的成就，环境保护程度不断加强。

1.环境质量

2019年青海省整体环境质量不断改善。从水环境质量来看，长江干流、黄河干流、澜沧江干流、黑河干流、青海湖流域、湟水流域及柴达木内陆河流域共设61个水质监测断面，其中60个监测断面水质达到水环境功能目标，达标率为98.4%。Ⅰ～Ⅲ类水质断面59个，占比96.7%，同比上升9.8个百分点；Ⅳ类水质断面2个，占比3.3%，同比下降8.2个百分点。地表水整体水质稳中向好。从空气质量来看，全省环境空气质量达标天数占比96.1%，同比上升0.6个百分点，环境空气质量综合指数为3.16，同比下降0.9%，环境空气中二氧化硫、二氧化氮和一氧化碳平均浓度达到一级标准，可吸入颗粒物（PM10）、细颗粒物（PM2.5）和臭氧平均浓度达到二级标准。全省有2个市6个州的政府所在地城市（镇）可吸入颗粒物年均浓度达到国家二级标准。其中，海南州、海北州、玉树州和果洛州的可吸入颗粒物年均浓度达到国家一级标准，全省生态环境状况总体保持稳定。通过生物丰度、植被覆盖、水网密度、土地胁迫、污染负荷指数综合评价，全省县域生态环境以“良”为主；与2018年相比，各县生态环境状况指数变化幅度在-1.72～0.69。41个重点生态功能区县域生态环境状况保持稳定。

2.环境治理效果

2019年末全省有自然保护区11个，面积21.78万平方千米，其中国家级自然保护区7个，面积20.74万平方千米。森林面积520.89万公顷，森林覆盖率7.26%。湿地面积814.36万公顷，其中自然湿地面积800.1万公顷。国家重点公益林管护面积397.71万公顷，天然林保护面积367.8万公顷。全年全民义务植树1500万株，当年治理水土流失面积1746.05平方千米，造林面积28.9万公顷。全年市（州）政府所在地城市（镇）空气质量优良天数占比96.1%。

2019年全省规模以上工业企业综合能源消费量比上年下降2.6%。主要耗能工业企业吨钢综合能耗下降10.1%，吨水泥熟料综合能耗下降6.9%，单位电解铝综合能耗下降2.8%，电厂火力发电标准煤耗下降1.8%。强化信息监管提升固废管理水平，推进全省固体废物信息化监管，实现省际危险废物电子转移联单。统筹布局社会源危险废物集中收集和危险废物综合利用、安全处置设施建设，全省危险废物集中利用处置能力达到169.43万吨/年。完成持久性有机污染物调查及数据核定上报，启动聚氯乙烯生产汞削减及最小化示范项目。启动实施西宁市全国首批“无废城市”建设试点。

三、青海省经济增长与环境压力关系实证分析

根据经济与环境协调发展的内涵和青海省经济、环境实际情况，选取能代表区域经济和环境污染的指标，建立青海省EKC曲线模型，找出环境指标与经济指标之间的相关关系，结合评价方法，从整体上对青海省环境污染与区域经济增长关系进行评价。

（一）青海省经济增长与环境污染指标体系

1.指标体系构建原则

（1）科学性原则：经济与环境评价指标体系必须遵循经济发展规律和生态演变状态。

（2）可操作性原则：一是反映出的信息量大；二是具有代表性。

（3）系统性原则：把经济和环境问题视为一个系统问题，并给予多因素来进行综合评估。

（4）动态性原则：环境系统在不同区域间的表现大有不同，自然资源环境由于地域的不同会具有不同的表现，例如时间及周围条件的变化也可能引起这种非线性的演变规律。要能因时因地制宜地反映这种非线性的变化的指标体系所必备的特征。

（5）可比性原则：指标既能对同一计量单位进行纵向比较，也便于不同计量单位进行横向比较。

2.评价指标选取

环境污染与区域经济发展关系评价指标体系是对某一地区环境污染与区域经济发展程度进行客观评价的手段和工具。考虑到在2000—2019年青海省经济发展产生污染基本以第二产业为主，结合数据的易获取性，采用人均工业废水排放总量、人均工业二氧化硫排放总量和人均一般工业固体废物产生量分别作为反映环境污染的指标（被解释变量），选择人均GDP作为经济增长指标（解释变量），简单地描述青海省环境污染与经济发展关系。

3.采用TOPSIS综合评价法计算环境污染综合指标

（1）TOPSIS评价方法概念

TOPSIS（Technique for Order Preference by Similarity to Ideal Solution）是一种在近似理想的条件下对解决方案按照这种理想化标准进行排序，常见于系统工程中用于多目标决策分析的综合评价法。基本思路是：在选出理想条件下的最劣方案和最优方案之前需要对原始数据矩阵进行归一化处理。得出该方案与理想方案的接近度 其中， S ⁺ 是各方案与最佳方案的距离； S ^- 是各方案与最劣方案的距离。

（2）对距离的测度

设决策问题有 m 个指标 f _j （ j =1，2，…， m ）， n 个可行解 Z _i =（ Z _i1 ， Z _i2 ，…， Z _im ）（ i =1，2，…， n ）；

设该问题的规范化加权目标的理想解为负理想解为 ，其中：

第一步：对数据进行归一化处理。

第二步：用欧几里得范数作为距离的测度，求出任意可行解 Z _i 到 Z ⁺ 和到 Z ^- 的距离 与 。

其中 i =1，2，…， n

第三步：求出某一可行解对于理想解的相对接近度：

于是，若 Z _i 是理想解，则相应地 C _i =1；若 Z _i 是负理想解，则相应地 C _i =0。 Z _i 越接近理想解，则 C _i 越接近于1；反之， Z _i 越接近负理想解， C _i 越接近于0。

（3）环境污染程度综合指标计算

在本文中，针对不同年份的各个不同指标的环境污染程度综合指标计算中，为了充分利用原始数据，采用TOPSIS法，得出的结果能够精确反映不同年份间的环境污染水平。

针对经济增长，只选取人均GDP（按可比价格计算且令1952年人均GDP指数为100）。进行归一化处理和TOPSIS综合评价法加权综合后的经济增长与环境污染指标值如表2-2和图2-3所示。

（二）EKC模型计算

采用EKC经验方程进行回归分析：

其中， x _t 代表无量纲处理后的实际人均GDP； y _t 代表综合环境污染水平。

EKC参数如表2-3所示。

将上文进行归一化处理和综合加权得到的经济增长指标值和环境污染指标值，依据一般EKC曲线方程对 β ₁ 、 β ₂ 、 β ₃ 进行三次多项式拟合，拟合结果见图2-4。

从图2-4中可以看出，采用EKC经验模型进行一般回归分析时，效果不佳。这是由于EKC经验模型只关注了经济增长对环境污染的影响，忽略了环境污染对经济增长的反向影响，从而导致内生变量偏差问题。这一问题将在下文进行分析。

（三）Granger检验和VAR模型

在前文对环境库兹涅茨曲线研究的基础上，为了能判断变量间是否存在因果关系并解决变量内生性偏差问题，采用向量自回归模型。1980年，西姆斯提出了一种动态的联立方程模型，即VAR模型。虽然与一般的联立方程回归模型在形式上基本相同，即每个方程都具有相同的解释变量，但是相比一般联立方程回归模型，VAR模型多出了一个解释变量——被解释变量的滞后变量。这种方法兼顾了一般回归模型的优点和传统联立方程回归模型所忽视的变量内生性偏差问题。

1.Granger因果检验

在Granger检验之前先对序列的平稳性进行检验，这是为了避免伪回归的出现。进行协整检验的前提是各个序列是同阶单整的。使用统计软件Eviews10.0中ADF检验对各变量的水平值和一阶差分值进行检验，结果见表2-4。

结果显示，环境污染和经济增长指标值均通过单位根检验，可以进行Granger检验，检验结果如表2-5所示。

Granger检验结果表明，经济增长的Granger原因是环境污染，环境污染的变动能够解释经济增长变化。反过来，经济增长也是环境污染的Granger原因。

2.脉冲响应分析

在前文的单位根检验和Granger检验分析的基础上，运用VAR模型中脉冲响应分析进一步研究经济增长与环境污染的响应冲击。VAR模型如下：

其中，

图2-5和图2-6分别表示dX对dY和dY对dX的脉冲响应图。

由图2-5可以看出，人均GDP对环境污染的脉冲响应在初期为正且呈边际递增趋势，到达第3期环境污染对经济增长影响逐渐减小，直到第5期后逐渐平稳，并在其后的一段时间内保持稳定。这表明随着经济增长水平提高，环境污染先增加，但一定时期过后经济发展达到一定水平，环境污染会逐步减小，并且这种趋势在很长一段时间内都是稳定的。由图2-6可以看出，随着经济的增长，环境污染的脉冲响应为正，并最终保持经济增长对环境污染影响的正趋势。从长远来看，单纯追求经济增长最终将导致环境质量下降、环境污染加剧，这与上文的Granger检验的结果是一致的。

3.方差分解

VAR模型中的方差分解是分析影响内生变量的结构冲击的贡献度。它是将各个因素影响内生变量的波动程度用各因素的贡献度描述。若贡献度大，则说明该因素能较大地影响内生变量，若贡献度小则表示该变量对内生变量不重要。我们对表2-6和表2-7 VAR模型进行方差分解。在此之前为了消除残差的序列相关和同期相关，陈晓峰（2011）对数据进行Cholesky正交化处理。

由表2-6和表2-7可观察到，在经济增长指数X的15年预测期内，环境污染水平指数Y对经济增长X预测方差的解释程度持续增加，表明在经济发展过程中，环境的污染能够较大影响经济发展。同样地，在环境污染指数Y的15年预测期内，经济增长指数X对环境污染指数Y的影响程度呈上升态势，即经济增长对环境污染的影响逐步加深。

4.协整分析

对经济增长与环境污染间相互影响关系进行Johansen协整检验。根据AIC信息准则，选取2阶作为滞后阶数，检验结果见表2-8。

由表2-8可知，环境污染指数Y和经济增长指数X之间存在协整关系。经济增长与环境污染有稳定的相互影响关系。然后，依据表2-8中的估计结果建立协整方程：

方程表明，Y与X呈正相关关系。可以看到Y对X的弹性是1.9220。经济增长指数X每增加1个百分点，将使得环境污染指数Y以1.922个百分点的速度增加。因此环境污染对经济增长的弹性较大。这也验证了前文经济增长对环境污染影响重大的论断。

结果表明，随着经济增长，青海省环境污染状况也会相应增加，但是随着时间的推移，环境污染增加的幅度有逐渐减小的趋势。因此，青海省必须加快产业结构升级、改变经济发展方式，建立完善环境保护制度，取得经济增长的同时控制环境污染，才有助于青海省可持续发展目标的实现。 YKtOPy0ShmPQYF/WQ1f+euNtweJNr6yxlhYER5s2R1lftF43dFpzL2SQl6Whrc64