中国城市空气污染收敛性研究——以二氧化硫为例的实证分析

郝 宇，张千雪（北京理工大学 a.能源与环境政策研究中心；.管理与经济学院，北京 100081）

●理论·实务

中国城市空气污染收敛性研究
——以二氧化硫为例的实证分析

郝 宇a，b，张千雪b
（北京理工大学 a.能源与环境政策研究中心；b.管理与经济学院，北京 100081）

SO2作为一种常规污染物在1990年代初就受到中国政府的重点管控。文章利用2002-2012年我国113个城市的人均SO2排放量面板数据探讨了我国人均SO2排放量变化的内在规律，使用静态和动态面板数据的回归方法检验了市级人均SO2排放量的收敛性，并分析了人均SO2收敛速度的影响因素。实证结果显示：在全国范围及东、中、西部三大区域内，城市人均SO2排放量存在着绝对与相对收敛；在影响收敛速度的各因素中，人均收入的提高可以加快人均SO2排放的收敛速度，而人口密度的增加则会降低人均SO2排放量的收敛速度。

空气污染；人均SO2排放量；中国城市；收敛性

［DOI］10.3969/j.issn.1007-5097.2015.08.021

一、引 言

近几十年来，伴随着经济的快速发展，我国的环境污染问题也愈发严重，受到了社会各界的广泛关注。以近年来频繁袭击我国东部和北部大部分地区的雾霾天气为标志，空气污染已成为我国最为突出的环境问题之一。由于中国能源消费量激增且消费结构以煤炭为主，自1980年代中期以来，包括SO2、NO2、可吸入颗粒物（PM10）和细颗粒物（PM2.5）等空气污染物的排放量持续上升。作为一种典型的传统污染物，SO2对人体危害很大，可造成肺功能减退、气道炎症、哮喘症和呼吸道疾病。SO2对生态环境也有相当大的负面影响，如高浓度SO2会改变植物中的PH值，从而导致农业减产，林木死亡，由SO2引发的酸雨对各种金属材料和建筑都会造成腐蚀①。鉴于SO2的巨大危害，中国政府早在1990年代初就已开始大力管控SO2的排放，并取得了一定的成效。根据《中国统计年鉴2014》的数据，在2006年，我国SO2排放总量达到峰值2588.8万吨，此后开始了回落。在“十二五”（2011-2015）规划纲要中，政府又明确提出了要将SO2排放总量在“十二五”期间继续削减10%。

收稿日期：2015-03-12

基金项目：国家自然科学基金青年项目（71403015）；教育部留学回国人员科研启动基金项目（20152132001）；北京理工大学优秀青年教师资助计划项目（20142142005）；北京理工大学基础研究基金项目（20132142014）；北京理工大学“大学生创新性实验计划”项目（BJ14167）

作者简介：郝 宇（1983-），男，湖北黄石人，讲师，德国汉堡大学经济学博士，研究方向：能源经济，环境政策，宏观经济；

张千雪（1994-），女，陕西西安人，国际经济与贸易专业学生，研究方向：环境经济，能源经济。

虽然自2006年以来SO2排放总量有所降低，但由于我国经济发展区域不平衡，不同城市之间的SO2排放情况有较大差异。如北京市的人均SO2排放量持续降低，从2002年的16.9千克/人下降到2012年的7.2千克/人；而乌鲁木齐市的人均SO2排放量却出现了明显上升，从2002年的5.7千克/人猛增到2012年的48.3千克/人，增加了7倍多。区域间人均SO2排放的巨大差异意味着SO2的减排政策需要差别化，而且减排政策需要考虑SO2排放的长期趋势特征。为了探究人均SO2排放的内在规律，本文采用城市间面板数据，考查中国113个地级市的人均SO2排放量在2002-2012年间的收敛性。对于中国市级SO2排放趋同性的研究具有重要的学术和现实意义，主要原因有三点。一是人均SO2排放的城市间收敛如果存在，那么排放量较高的城市排放下降速率会更快，因此对这些城市应该施行更加严厉的SO2管控政策。二是在近年来SO2总排放量和人均排放量总体下降的趋势下，由于城市是SO2主要来源地，只有当城市人均SO2排放量表现出收敛性时，全国人均SO2排放的拐点才会存在（Jobert等，2010）［1］，进而SO2排放总量的拐点也才会确立。换言之，人均SO2排放收敛性的存在是SO2排放总量出现拐点的必要条件。三是由于SO2作为一种重要的常规污染物，考察其收敛的存在性将对我国其他常规污染物的收敛性研究产生重要的借鉴意义。特别是近年来出现的雾霾天气，主要是由细颗粒物（PM2.5）造成的，而燃煤也是其重要来源之一（陶俊等，2014）［2］，SO2排放量与PM2.5排放量有较强的相关性。因而，通过对市级SO2排放收敛性的研究，可以一定程度上判断城市间PM2.5水平的收敛性，并辅助预估未来PM2.5污染的变化趋势。近年来，已有一些学者对污染物排放的收敛性进行了相关研究，但基本是以CO2作为主要的研究目标，这主要基于发达国家的CO2排放已表现出稳定的持续下降趋势的事实，同时迎合了近年来备受关注的全球变暖问题。然而，在SO2排放收敛问题上的研究不多，List（1999）［3］以及Lee和List（2004）［4］利用国别数据验证了SO2排放的跨国趋同，而对于中国的SO2和其他传统空气污染物排放量的趋同研究还较少。

鉴于此，本文的主要贡献在于首次利用较为严谨的计量经济学研究范式对我国市级人均SO2排放的收敛性进行研究。为了克服此前趋同分析中的种种缺陷，我们选择了合适的实证分析方法，并通过对不同形式回归方程的考察验证了估计结果的稳健性。例如，为了克服传统的横截面数据仅使用样本初始和末尾两个时点的信息而忽略样本期内排放量变化情况的问题，本文使用了2002年到2012年我国113个城市的面板数据。除了标准的静态面板数据固定效应估计之外，为了充分引入动态因素并解决潜在的内生性问题，我们使用了动态面板数据模型（DFE）和广义矩（GMM）的方法对收敛性进行了验证。回归方法的合理选择以及多组回归结果的相互验证使得本文的实证结果具有较高的可信度，也使相应的政策建议更具合理性。

本文其余部分的安排如下：第二部分回顾了相关的文献；第三部分介绍了数据来源和本研究所采用的实证分析方法；第四部分报告了对收敛性实证分析的结果并对其进行了相应讨论和分析；第五部分是文章的结论和相关政策建议。

二、文献综述

收敛理论是新古典增长理论索洛模型（Solow，1956）［5］的重要推论，也是现代经济增长实证研究的热点问题。按照种类来分，趋同种类可以分为β趋同、σ趋同、随机趋同、决定性趋同和俱乐部趋同等［6-7］。收敛理论最初被学者们运用于研究人均收入在不同经济体之间的收敛性（如Baumol，1986；Barro，1991）［8-9］。近年来也有学者开始将其研究领域扩展到污染排放问题，如List（1999）［3］首次使用时间序列的方法，根据美国不同州的二氧化硫和氮氧化物的排放变化情况，验证了空气污染物排放存在着趋同，这为收敛理论模型在环境方面的运用开创了先河。近年来，一些学者开始使用不同的收敛方法和模型，如Lee and List（2004）［4］就用时间序列分析方法鉴于了美国重要空气污染物（SO2和NOx）随机趋同的存在性。如前所述，对污染物排放收敛的性研究主要集中在二氧化碳的排放量收敛性方面，比如Strazicich和John（2003）［10］利用横截面与时间序列两种检验方式，研究了21个国家从1960到1997年的CO2排放量，证明CO2的排放量在工业化国家呈现出收敛趋势。在最近的一篇研究中，Camarero等（2013）［11］不仅验证了OECD国家间人均CO2排放量的收敛性，同时也验证了人均CO2排放量的两个决定性因素——能源强度（能源消费量与GDP比值）和碳化指数（CO2排放量与能源消费量比值）——的收敛性。鉴于长期以来对污染物的收敛研究一直是纯实证研究而缺乏收入收敛性研究的实证基础，Brock和Tailor（2010）［12］以及Ordás Criado等（2011）［13］先后发展了不同的理论模型框架，以从理论上解释污染物收敛性存在的原因。近年来，一些中国学者也开始就省域CO2排放趋同问题进行了研究。许广月（2010）［14］第一次将收敛理论运用于检验我国人均碳排放量，根据省际面板数据证明了我国人均碳排放量不存在β绝对收敛，但是存在β条件收敛和东部、中部和西部地区的三大俱乐部收敛的结论。许广月（2013）［15］进一步对我国碳强度俱乐部收敛进行了研究，在对碳强度进行内生性分组的基础上验证了每一组内碳排放强度俱乐部收敛的存在性。王艺明等 （2014）［16］利用较新的俱乐部收敛分析方法证明了我国碳排放强度存在三个收敛俱乐部（虽然这些“俱乐部”并不严格按地理区位划分）最近，王娟和张克中（2014）［17］，Huang和Meng（2013）［6］以及Wang和Zhang（2014）［18］利用不同的方法验证了人均CO2排放的省域收敛性。

相对CO2而言，关于重要常规污染物SO2的研究受到的关注较少，Kaufmann等（1998）［19］利用环境库兹涅茨曲线对SO2的排放与收入、经济活动的空间强度进行了研究，结果表明SO2浓度与两者分别呈U形和倒U形关系，其中经济活动的空间强度是政策和技术进步的重大推动力量，因而发展中国家的SO2排放量下降速度可能高于之前研究测算出的水平。为了对SO2排放量下降速度进行进一步探究，对于SO2的收敛性研究开始引起学者们的关注。在List（1999）［3］率先进行相关研究并得到美国州级SO2排放量存在着收敛性之后，Bulte等（2007）［20］使用1929-1999年的更长时间段的美国州一级时间序列数据分析了氮氧化物和SO2的随机趋同和β-趋同，发现收敛性在联邦政府监督治理空气质量的时期（1970-1999）比州政府自行治理空气质量时期（1929-1969）要更强。此外，他们还发现收敛性与州级收入有关。

近年来，我国学者就SO2排放的EKC曲线存在性及其影响因素等问题在环境经济学方面也进行了较为丰富的研究。例如，陈晓峰（2011）［21］使用了长三角地区从1985到2009年间的样本数据，文章运用了OLS模型和Granger因果检验法，得出了外商直接投资的增长和环境污染变化之间有着协整和因果关系，但“倒U型”的SO2排放EKC在长三角地区不一定存在的结论。谢申祥等（2012）［22］借助2003-2009年我国省际面板数据，分析了我国经济增长、FDI投资方式与二氧化硫排放之间的关系。这项研究证实了我国SO2排放的EKC曲线确实存在，而且外商直接投资的增加将降低我国的二氧化硫的排放量。李惠娟和龙如银 （2013）［23］将47个地级资源型城市作为了研究对象，利用2003—2009年的面板数据验证了“倒U型”SO2排放EKC曲线在各种资源型城市中的存在性。最近，He和Wang （2013）［24］利用中国市级数据检验了包括SO2在内的几种常见空气污染物的EKC曲线的存在性。然而，迄今为止尚未有学者对我国SO2排放量进行收敛性研究。鉴于这一研究的重要性，本文利用市级面板数据，并且分别应用静态和动态面板数据的计量方法，系统全面地对我国人均SO2排放量的敛散性问题做出研究。

三、数据来源与实证方法

（一）实证方法

早期的收敛分析通常采用截面数据进行研究（如Barro，1991）［9］。但正如Jobert et al.（2010）［1］所指出的，横截面数据存在两个方面的主要缺陷：一是只有样本期的初始和终了时期的信息得到了利用，二是不同经济体之间的差异性没有很好地得到考虑。鉴于此，本文基于面板数据模型进行分析，因为面板数据相较截面数据样本量更大，并且可以控制不同地区之间异方差性以及修正忽略变量引起的偏误等问题。

本文采用如下的对数方程作为回归方程的基准形式：

其中，si，t表示城市i在第t年的人均SO2排放量，因此ln（si，t/si，t-1）表示从第t-1年到第t年i市的人均SO2排放量的增长率。zit为控制变量构成的列向量。β和η分别为解释变量lnsi，t-1和控制变量的系数，α为回归方程的截距项。μi为个体效应，表示各城市不随时间变化但影响人均SO2排放量增长率的特有性质；ξt表示时间效应，用来控制对各城市相同但随时间变化的影响人均SO2排放量增长率的各种因素。εit是iid随机误差项。

在回归方程（1）中，我们最关心的是回归系数β的值。如果β是显著为负的，说明市级人均SO2排放量的β趋同是存在的。在回归方程不包含其他控制变量z时，表明存在绝对趋同；当方程中包含其他控制变量z时，验证的是条件趋同。

由于在估计方程（1）式时不需要考虑动态性，因此（1）为静态方程。在用传统计量经济学方法（包括截面OLS，固定效应面板数据方法等）估计（1）式时通常存在两方面的缺陷：一是由于不可避免的忽略变量问题（总有一些解释变量因缺乏数据或无法统计而未引入回归方程）或因变量与解释变量具有双向因果关系，回归方程（1）式具有潜在的内生性问题。但传统计量经济学方法并没有有效地控制内生性，这可能使一些变量系数的估计量有偏。二是回归方程（1）式本质上是一个动态方程，因其因变量（人均工业SO2排放量的增长率）也是由第t年和第t-1年的人均SO2排放量构造出来的。而且由于污染物的排放具有较大惯性，相邻年份的人均SO2排放量不会相差太大，因此有必要将此动态因素考虑在内，但方程（1）式实质上并未考察这一动态效应，这同样可能造成回归偏误。

为了将动态因素显性地引入回归方程，我们在（1）式两侧同时加上lnsi，t-1得到：

其中γ=β+1。由于方程（2）右端有因变量lnsi，t的一阶滞后项，因而回归方程（2）是标准的动态方程。

由于（2）式使用了因变量的一阶滞后作为一个解释变量，残差项ε可能具有序列相关性，并且残差项与因变量一阶滞后项可能相关。因此，对于动态面板数据，传统的OLS估计方法（如FE）会产生有偏估计，因而不再适用（Woodridge，2010）［25］。对于非静态面板数据，可以采用Pesaran和Smith （1995）［26］以及Pesaran等（1997，2004）［27-28］发展的动态固定效应模型（DFE）进行测算。在动态固定效应模型中，每个城市的截距项（固定效应）μi是不同的，但各解释变量的长期系数（γ和η）是相同的。

另一类估计动态方程（2）的方法是工具变量法（IV）及广义矩法（GMM）。由于工具变量法需要找到合适的工具变量以消除内生性，但实际上寻找合适的工具变量非常困难，因而我们采用Arella⁃no和Bond（1998）［29］创建的GMM方法估计方程（2）。GMM方法本质上也是一种工具变量方法，但其使用前定变量和一些外生变量的滞后项作为工具变量，并利用一些检验方法来判断所选取的工具变量的合理性。

在研究中经常使用的GMM方法一般为一阶差分GMM（first-difference GMM）和系统GMM（system GMM），两者主要区别在于前者先使用时间一阶差分处理原始数据［30-32］。但由于一阶差分GMM通过差分过程消除了同一城市内不随时间变化的影响SO2排放的因素（如气候、地理位置、居民用能习惯等），而这些因素会导致回归结果产生明显偏误，因此我们采用一阶差分GMM方法进行回归分析。

（二）数据说明及来源

本文的实证研究基于市级数据。采用市级数据的原因有以下两点：一是市级数据样本数较大，相比于使用省级数据的研究可以得到更加精确的结果；二是由于SO2的污染源主要集中在城市地区，城市数据比省级数据（实际上是城市与农村数据的平均）更好地反映了SO2这种常规污染物的排放情况。除了市级人均SO2排放量这一关键变量之外，本文的实证分析还包括如下几个控制变量［33-35］：

（1）实际人均GDP。大量研究指出，污染物的排放量和人均收入有关，其基本思想在于，公众对于环境质量的要求与公众的收入水平有关。在收入较低时公众对较差环境质量容忍度较高。随着收入水平的提升，公众对环境质量的要求也相应提升，更倾向于要求减少污染和提升环境品质。具体地，我们计算了全国重点城市2000年不变价实际人均GDP，并将其作为一个控制变量。

（2）第二产业增加值占GDP比重。由于我国SO2排放量中60%～70%来自于第二产业，因此第二产业的相对规模对地区人均SO2排放量有着直接的显著的效果。而且，在我们的样本分析期内很多城市重工业上升较为明显，从而拉动了第二产业占GDP的比重。因此，本文将引入第二产业增加值占GDP的比重作为一个解释变量。

（3）人口密度。人口密度也是研究污染物排放时的一个常用指标。但人口密度与环境污染之间的相关性并不确定。一方面，人口密度较高的地区的城镇化程度越高，工业化程度也较为发达，因而人均SO2排放量也可能越高；另一方面，高人口密度使得更集约化更高效地利用能源成为可能，且人口密集聚集的地区的民众对环境质量的要求一般会更高（特别是经济发达地区的大城市），因为环境污染影响更多人的健康状况。

（4）城市人均绿地面积。城市中的绿地往往被称为城市的“肺”，而研究已证实某些绿色植被可以吸收SO2等常规污染物（Smith等，1998）［30］，从而减少污染物的排放和浓度。另一方面，城市的绿地面积在某种程度上可以体现政府对城市环境保护方面投入。因此，在其他条件相同的情况下，一个城市的人均绿地面积越大，污染物排放量增长率就应该越低。

各城市的GDP总额、二次产业增加值、人口数、人口密度、建成区绿化覆盖率从历年的中国城市统计年鉴获得，SO2排放总量数据来源于各年中国环境年鉴。本文实证分析中的时间区间为2002年到2012年，包括中国113个地级市⑤。各指标的人均值均通过总量除以人口数得到。表1中报告了各变量的描述性统计结果。

表1 各变量描述性统计

为了更直观地了解各城市人均SO2排放量在样本期内的变化情况，图1中以年度增长率为纵坐标，2002年的排放量为横坐标，展示了各城市在样本期内，人均SO2排放量的初值及其增长率的关系。从年度平均增长率来看，期初SO2排放量越高的城市SO2排放量的增长速度更慢，或者下降速度更快，总的趋势线是向下倾斜的，因此可以明确地看出2002-2012年间人均SO2排放量趋同是存在的。

四、回归结果及分析

表2列出了几种不同计量模型的面板回归结果。为了检验回归结果的稳健性，我们尝试了不同回归方程的形式，并对全国及东、中、西三大地区进行了估计。每个面板的估计都分为两部分，第一个方程的解释变量仅为对数SO2的排放量的滞后一阶项，因此验证的是绝对β趋同。第二个回归方程中除了对数SO2外还增加了其他的控制变量，因此检验的是条件β趋同。所有模型均采用时间固定效应。

图1 各市2002年的人均SO2排放量（千克/人）及2002-2012年平均年度增长率（%）

表2 静态方程（1）式面板数据估计结果

表2中的各区域第一个回归方程仅包括对数人均SO2排放量（ln（SO2）的一阶滞后值，因此估计的是绝对β趋同。在这些回归方程中，解释变量ln（SO2）的系数显著为负，说明绝对收敛是存在的。

各区域第二个回归方程中除最关键的解释变量ln（SO2）一阶滞后值外还加入了其他解释变量，因此考察的是相对β趋同。方程加入了实际人均GDP的对数（ln（GDP））的一阶滞后值，各市人口密度对数（ln（POP）），第二产业增加值占GDP比重（secind）以及对数人均绿地面积ln（GREEN）的一阶滞后值。所有方程均采用了时间固定效应。结果表明在所有相对β趋同回归方程中关键解释变量ln（SO2）一阶滞后值的系数全部显著为负，说明条件趋同存在。全国面板数据中，ln（GDP）的一阶滞后值的系数显著为负，说明人均GDP较高的城市人均SO2排放量倾向于下降得更快。由于SO2排放量与经济发展水平高度相关，这一结果在一定程度上反映了SO2这种典型污染物的排放量与人均GDP市级趋同的相关性。二产结构secind的系数为正，反映了工业部门是中国SO2主要排放源的客观事实：第二产业越发达的城市，人均SO2排放量相对越高，因而人均SO2排放量收敛速度相对越慢。人口密度的系数为负，反映了人口的积聚使得能源得到集约化利用，对环境质量产生了正面影响，从而提高了SO2排放较高城市降低排放的速度。人均绿地面积的对数值系数显著为负，说明了人均绿地面积较高的城市人均SO2排放量倾向于更快速地下降。

对于全国113个城市的面板来说，在我们的样本期内（2002-2012年），其他条件不变的情况下，初始人均SO2排放量高1%的城市的人均SO2排放量下降速度平均要加快0.35%；初始人均GDP和人均绿地面积每提高1%可以使人均SO2排放量下降速度分别加快0.08%和0.03%，这与我们的预期是相符的。第二产业占比对人均SO2增长率的影响虽然是显著的，但是数值很小，第二产业占GDP比重一个百分点的提高仅会减缓人均SO2排放量降低速度0.003%。人口密度的增加会降低人均SO2排放增长率的贡献，虽然这一影响并不显著。

考虑到中国经济社会发展的不平衡，不同地区人均收入、人口密度、气候环境等方面都存在着较为明显的差异，我们将全国分为东部、西部、中部三个部分，分别对其进行子面板数据估计。从表2可以看出，在将原样本以地域为界分为三个子样本后，对于三个子样本地区，市级绝对趋同和相对趋同都存在，即ln（SO2）一阶滞后项的系数显著为负。三个区域的对数人均GDP系数都为负但并不显著，其中中部子面板的ln（GDP）系数绝对值明显小于其他两个区域。东西部对数人口密度系数均为负但不显著，中部则与之相反，系数呈现正值。对于二产比重一项，东部的系数显著为正且高于全国的系数，西部子面板中此项系数显著，中部的结果则是显著为负。对数人均绿地面积的一阶滞后项系数也呈现出较大差异。其中东部西部子面板系数不显著且为正值，但是中部显著为负。

在人均收入的收敛方面已经有学者按照东、中、西部的划分分别进行回归，如一些学者所做的按照地理范围划分的“俱乐部收敛”，即经济发展水平和初始条件相似的经济体内部存在着条件收敛，但不同经济体之间却不收敛的一种收敛状态。如沈坤荣和马俊（2002）［37］表明，中国三大区域内的人均GDP在1978-1999年间存在着俱乐部收敛；彭国华（2005）［38］利用一阶差分GMM验证了中国省区全要素生产率（TFP）在全国范围内存在条件收敛但仅在东部地区存在俱乐部收敛；刘生龙等（2009）［39］利用更新的数据发现在西部大开发之后，我国区域经济发展差距从2004年开始有所下降，俱乐部收敛趋于消失；潘文卿（2010）［40］的研究也证明了，从1990年后，中国东部、中部和西部三大收敛“俱乐部”的特征非常明显且持续加强。相对于人均收入而言，人均SO2排放量的收敛特征要更强。中国人均SO2排放量除了在东、中、西三大区域内部均存在“俱乐部收敛”，在全国范围内的绝对收敛和相对收敛也都是存在的。

就市级人均SO2的绝对收敛速度而言，中部与西部的收敛速度相近且高于东部地区。然而，西部地区的相对收敛速度最高，达到47.6%，而中部地区相对收敛速度最低，只有36.0%。

由于污染物的收敛本质上是一个动态过程，接下来我们采用动态方程（2）作为回归分析的基准方程。我们采用动态面板模型（DFE）和广义距（GMM）方法对方程（2）进行测算，并将其结果与方程（1）的静态面板固定效应（FE）测算结果进行比较，以检验收敛结果的稳健性。首先，表3显示了全国以及三大地区的动态面板模型（DFE）的测算结果。为了清晰表现静态与动态固定效应模型估计的区别，我们也将FE估计的结果列在表中作为比较。

为了控制内生性并控制固定效应，我们利用差分GMM方法对方程（2）式进行回归，同样分别对总样本及以地域为界的三个子样本进行回归，得到的结果显示在表4中。

从表3和4可以看出，无论是对于全国还是东、中、西三大区域，在样本期内人均SO2排放量的趋同都是存在的。这些结论是与我们利用传统固定效应面板数据估计结果基本一致的。但值得注意的是，使用DFE和GMM对方程（2）进行的估计结果得到的收敛速度要比根据传统固定效应面板数据计算出的收敛速度更高，对于全国和东、中、西三大区域都是如此。这一结果部分反映了使用恰当方法利用动态方程（2）估计城市间人均SO2排放量收敛性的合理性：未考虑动态因素和内生性时人均SO2排放量的系数估计量可能上偏，因而低估了收敛速度。还需要注意的一点是，控制了内生性后，GMM回归结果显示，中部地区相对收敛速度最快而西部地区速度最慢，这一结果与静态面板数据结果正好相反。可见内生性问题可能导致区域内趋同速度估计结果的严重偏误。

表3 动态方程（2）式DFE及FE估计结果

表4 动态方程（2）式一阶差分GMM估计结果

对影响人均SO2排放量的因素，我们也得到了不同的结论。首先，实际人均GDP的增长对于人均SO2的排放量的增长速度有着较为明显的减缓作用，其中西部较东部和中部的减缓程度更大。导致这一结果的可能原因在于，虽然西部地区人均GDP基数较低，但环境承载力较弱，因此在收入获得一定程度提升之后人们更愿意保护环境、提升环境质量。因此，西部地区的经济发展对环境保护可以起到积极正面的影响。进一步发展西部经济，不仅有助于减小我国地区间发展水平的差距，也有利于提升全国的整体环境品质。对于人口密度来说，全国与分地区得到的结论一致，即人口密度的上升会加快人均SO2排放量的增长率，可能的原因在于人口密度较高的地区的城镇化程度越高，工业也较为发达，所以人均SO2排放量也越高。特别是东部地区ln （POP）系数比西部与中部高很多，也正验证了这一点。另一方面，工业对人均SO2排放收敛的影响并不大，特别是与CO2相比更是如此（郝宇等，2014）［34］。即第二产业占GDP的增长值的比重的增加虽然会使得人均SO2排放量增长率上升，但是程度却很小。考虑到我们的样本时间段为2002-2012年，这可能由于进入新千年后，特别是加入世贸组织以后，我国的产业转型取得了一定成果，同时第二产业更加注重环保，对于SO2等常规污染物的控制进一步加强。最后，人均绿地面积的影响的程度较低（系数绝对值较小）。人均绿地面积的回归系数在东部和中部为负，在西部和全国却为正值，且均不显著。这一结果可能表明城市绿地对SO2排放的影响可能并没有预期的那样大，这与城市绿地植被种类构成有一定关系，因为并非所有绿色植物对SO2都有很强的吸附能力。

五．结论与政策建议

由于政府对于SO2等常规污染物的高度重视和严格监控，从1990年代初开始，中国SO2管控就取得了显著成效。然而，进入21世纪后，由于经济发展等因素的影响，SO2的排放量有了新的变化。为了进一步探讨中国在重点城市人均SO2排放的趋势和特点，本文将2002-2012年作为样本期，采用了我国113个重点城市的人均SO2排放量数据，使用静态固定效应面板数据，动态面板数据和系统GMM方法分析并验证了中国市级人均SO2排放量的β-收敛性，同时将全国113个重点城市按照所在区域划分为东部、西部、中部三个部分，分别对其子样本进行了收敛性研究，并分析了影响中国人均SO2排放收敛性的因素。我们得出的主要结论包括：

（1）总体上，在样本期内，人均SO2排放量的绝对收敛和相对收敛都存在于113个重点城市中。无论使用传统的面板数据方法，动态面板数据方法还是系统GMM方法，结论都支持收敛的存在性，而且根据动态面板数据以及系统GMM方法估计值得到的收敛速度均高于使用传统面板数据得到的收敛速度。

（2）在将全国重点城市按照地域划分为东部、西部、中部之后，笔者分别对三个子样本进行了面板数据分析，结论表明三个子样本的人均SO2排放量均存在绝对与相对收敛。在控制内生性并引入动态关系后的GMM回归结果显示，中部地区的收敛速度最高，而西部速度最低。

（3）人均实际收入、人口密度、第二产业增长值占GDP增长值和人均绿地面积的比重等因素都会影响市级人均SO2排放量的收敛速度。高人均收入会加速人均SO2排放的收敛，而较高的人口密度和二产比重会使得收敛速度降低，但效果不显著。人均绿地面积对人均SO2排放量收敛速度的影响不大。

根据这些主要结论，我们有以下政策建议：

（1）由于市级收敛性确实存在，不同城市的SO2管控政策应该有所不同，以更好地促进全国SO2排放量的降低。当前人均SO2排放量较高的城市倾向于具备更快的下降速度，因此应该采取更加严格的管控手段，这样可以更快地降低全国排放量。

（2）而根据区域划分之后可以看出，尽管三个子面板都具备收敛性，但是还是略有差异。因此对于不同地域，也应该采用不同的政策。如目前西部人均SO2排放量较高，根据趋同规律会有较快的下降速度，而且西部的环境承载力也相对较低，因此应采取相对更强的环境保护策略，促使人均SO2排放量尽快降低。东部地区的收敛速度较快，说明东部沿海地区经济达到繁荣之后对于环境保护有了更强的意识，对于污染物的排放有了更好的控制，但是从第二产业比重一项可以看出，由于东部沿海地区的工业发展程度高，工业产值的增加对SO2的排放有着更重要的影响。东部沿海地区应当注重产业转型，大力推广节能减排的先进生产技术。

（3）实际人均GDP的提高对于加快人均SO2排放量的收敛有比较明显的作用，因此进一步促进经济发展以提高人均收入也是保护环境的重要方式。更高人口密度会降低收敛速度，说明了我国仍然需要控制重点城市人口增长速度，这与目前对于特大城市人口进一步限制的政策是一致的。

注 释：

① 酸雨是SO2造成的重要环境危害之一。根据中国环境监测总站的报告，2011年我国酸雨城市比例达到31.8%，高达48.5%的城市出现过酸雨。参见http://www.cnemc.cn/ publish/106/news/news_27407.html。

②由于数据的可获得性问题，本文以2002年为起始年份。2002年以前《中国环境年鉴》虽然也统计市级SO2人均排放量，但只包括40个左右的城市，即全部省会城市加上一些重要的计划单列市。由于与2002年之后统计SO2排放量城市数目差异较大，我们只考虑2002年以后的数据。

［1］Jobert T，Karanfil F，Tykhonenko A.Convergence of per cap⁃ita carbon dioxide emissions in the EU：Legend or reality? ［J］.Energy Economics，2010，32（6）：1364-1373.

［2］陶俊，张仁健，段菁春，等.北京城区PM2.5中致癌重金属季节变化特征及其来源分析［J］.环境科学，2014，35（2）：411-417.

［3］List J A.Have air pollutant emissions converged amongst U. S.regions?Evidence from unit-root tests［J］.Southern Eco⁃nomic Journal，1999，66：144-155.

［4］Lee J，List J A.Examining trends of criteria air pollutants：are the effects of governmental intervention transitory?［J］. Environmental and Resource Economics，2004，29：21-37.

［5］Solow R M.A contribution to the theory of economic growth ［J］.The Quarterly Journal of Economics，1956，70（1）：65-94.

［6］Huang B，Meng L.Convergence of per capita carbon dioxideemissions in urban China：A spatio-temporal perspective ［J］.Applied Geography，2013，40：21-29.

［7］Li Q，Papell D.Convergence of international output time se⁃ries evidence for 16 OECD countries［J］.International Re⁃view of Economics&Finance，1999，8（3）：267-280.

［8］Baumol W J.Productivity growth，convergence，and welfare：what the long-run data show［J］.The American Economic Review，1986，76（5）：1072-1085.

［9］Barro R J.Economic growth in a cross section of countries ［J］.The Quarterly Journal of Economics，1991，106（2）：407-443.

［10］Strazicich M C，List J A.Are CO2emission levels converg⁃ing among industrial countries?［J］.Environmental and Re⁃source Economics，2003，24（3）：263-271.

［11］Camarero Olivas M A，Picazo Tadeo A J，Tamarit C R.Are thedeterminantsofCO2emissionsconvergingamong OECD countries?［J］.Economic Letters，2013，18：159-162.

［12］Brock W A，Taylor M S.The green Solow model［J］.Jour⁃nal of Economic Growth，2010，15（2）：127-153.

［13］Ordás Criado C，Valente S，Stengos T.Growth and pollu⁃tion convergence：Theory and evidence［J］.Journal of Envi⁃ronmental Economics and Management，2011，62（2）：199-214.

［14］许广月.碳排放收敛性:理论假说和中国的经验研究［J］.数量经济技术经济研究，2010（9）：31-42.

［15］许广月.碳强度俱乐部收敛性：理论与证据——兼论中国碳强度降低目标的合理性和可行性［J］.管理评论，2013 （4）：48-58.

［16］王艺明，张佩，蔡昌达.低碳经济下中国碳排放强度收敛性的实证检验［J］.厦门大学学报：哲学社会科学版，2014 （2）：014.

［17］王娟，张克中.中国省域碳排放趋同与经济增长［J］.经济管理，2014，36（6）：34-43.

［18］Wang J，Zhang K.Convergence of carbon dioxide emis⁃sions in different sectors in China［J］.Energy，2014，65：605-611.

［19］Kaufmann R K，Davidsdottir B，Garnham S，et al.The de⁃terminants of atmospheric SO2concentrations：reconsider⁃ing the environmental Kuznets curve［J］.Ecological Eco⁃nomics，1998，25（2）：209-220.

［20］Bulte E，List J A，Strazicich M C.Regulatory Federalism and the Distribution of Air Pollutant Emissions［J］.Journal of Regional Science，2007，47（1）：155-178.

［21］陈晓峰.FDI，经济增长与环境污染关系的实证研究——来自长三角地区1985-2009年的数据［J］.华东经济管理，2011（3）：45-50.

［22］谢申祥，王孝松，黄保亮.经济增长，外商直接投资方式与我国的二氧化硫排放——基于2003～2009年省际面板数据的分析［J］.世界经济研究，2012（4）：64-70.

［23］李惠娟，龙如银.资源型城市环境库兹涅茨曲线研究——基于面板数据的实证分析［J］.自然资源学报，2013，28 （1）：19-27.

［24］He J，Wang H.Economic structure，development policy and environmental quality：An empirical analysis of envi⁃ronmental Kuznets curves with Chinese municipal data［J］. Ecological Economics，2013，76：49-59.

［25］Woodridge J M.Econometric Analysis of Cross Section and Panel Data［M］.Cambridge，Massachusetts：the MIT Press，2010.

［26］Pesaran M H，Smith R.Estimating long-run relationships from dynamic heterogeneous panels［J］.Journal of Econo⁃metrics，1995，68（1）：621–634.

［27］Pesaran M H，Shin Y，Smith R.Pooled estimation of longrun relationships in dynamic heterogeneous panels［Z］. Cambridge Working Papers in Economics no.9721，1997.

［28］Pesaran M H，Shin Y，Smith R.Pooled mean group estima⁃tion of dynamic heterogeneous panels［Z］.ESE Discussion Papers 16.University of Edinburgh，Edinburgh，2004.

［29］Arellano M，Bond S.Dynamic Panel Data Estimation Using DPD98 for GAUSS，Mimeo［Z］.London：Institute for Fiscal Studies，1998.

［30］Smith M，Whitelegg J，Williams N.Greening the Built Envi⁃ronment［Z］.Taylor&Francis Group，1998.

［31］Bond S，Hoeffler A，Temple J.GMM Estimation of Empiri⁃cal Growth Models［Z］.CEPR Discussion Paper No.3048，2001.

［32］Arellano M，Bover O.Another look at the instrumentalvariable estimation of error-components models［J］.Jour⁃nal of Econometrics，1995，68：29-52.

［33］Blundell R，Bond S.Initial conditions and moment restric⁃tions in dynamic panel data models［J］.Journal of Econo⁃metrics，1998，87（1）：115-143.

［34］郝宇，廖华，魏一鸣.中国能源消费和电力消费的环境库兹涅茨曲线:基于面板数据空间计量模型的分析［J］.中国软科学，2014（1）：134-147.

［35］Auffhammer M，Carson R T.Forecasting the path of Chi⁃na's CO2 emissions using province-level information［J］. Journal of Environmental Economics and Management，2008，55（3）：229-247.

［36］杜立民.我国二氧化碳排放的影响因素:基于省级面板数据的研究［J］.南方经济，2010（11）:20-33.

［37］沈坤荣，马俊.中国经济增长的“俱乐部收敛”特征及其成因研究［J］.经济研究，2002（1）：33-39.

［38］彭国华.中国地区收入差距、全要素生产率及其收敛分析［J］.经济研究，2005（9）：19-29.

［39］刘生龙，王亚华，胡鞍钢.西部大开发成效与中国区域经济收敛［J］.经济研究，2009（9）：94-105.

［40］潘文卿.中国区域经济差异与收敛［J］.中国社会科学，2010（1）：72-84.

［责任编辑：张 青］

A Study on Convergence of Urban Air Pollution in China —An Empirical Analysis on Sulfur Dioxide(SO2)

HAO Yua，b，ZHANG Qian-xueb(a.Energy and Environmental Policy Research Center；b.School of Management and Economics，Beijing Institute of Technology，Beijing 100081，China)

As a representative of traditional pollutants，SO2has been under active control of Chinese government since the early 1990s.In order to investigate the innate principles of the evolvement of per capita emissions of SO2in China，we use the panel data of per capita emissions of SO2collecting from 113 cities in China.We examine the convergence of per capita emis⁃sions of SO2at municipal level by employing the regression method of static and dynamic panel data，and analyze the influ⁃encing factors of SO2convergence speed.The empirical results show that there is absolute and relative convergence of urban per capita emissions of SO2within the whole nation as well as in the eastern，central and western regions.Among the factors that would influence SO2emissions，higher per capita income would increase the convergence speed，while population densi⁃ty is negatively related with the convergence speed.

air pollution；per capita emissions of SO2；Chinese cities；convergence

F205

A

1007-5097（2015）08-0144-09