动态演进的倒“U”型环境库兹涅茨曲线

崔鑫生　韩萌　方志

摘要：环境库兹涅茨曲线（EKC）是刻画环境污染与经济增长关系的重要工具，然而学者们基于样本的客观异质性，对于EKC的倒“U”型假说仍存在着很大的分歧。为了在异质性条件下探究不同发展程度国家EKC的形态差异，并在深入挖掘异化根源的基础上，以动态视角审视EKC的趋同属性，本文主要从传统EKC模型入手，研究不同发展程度经济体的EKC动态演进的趋势，以把握我国环境与经济联动的内在关系。文章采用30个经济体1991—2015年间易扩散污染物的数据，使用变异系数法构建了综合大气污染指标，并从发展水平和发展结构两个维度构建了经济体的发展度指数;在明确了低发展度国家传统EKC形态线性递增的基础上，将异质性因素引入模型并基于随机前沿成本模型分阶段检验了不同发展度经济体污染物排放与人均收入之间的动态变化关系以及异质性因素对于不同经济体的作用效果。结果显示：①尽管不同发展度国家不同时期EKC的形状仍有差异，但都呈现出倒“U”形态，表明倒“U”型EKC的普遍存在性;②样本期内，虽然不同经济体EKC的拐点差异较大，但都表现出随时间由右上向左下移动的动态趋同趋势;③不同的外部因素对污染减排的作用差异较大，甚至同一因素在不同时期、不同国家的作用程度也存在着显著差异。这表明低发展度国家EKC具备改进的潜力，也说明环境改善是经济发展带来的多重客观异质性因素综合作用的结果。中国目前应当根据自身特点，从升级产业结构、创新绿色技术、转变能源结构、提升开放质量、建设绿色城镇等角度促进减排，推动绿色经济的发展。

关键词 环境库兹涅茨曲线;环境污染;经济增长;异质性

中图分类号 F062.1文献标识码 A文章编号 1002-2104（2019）09-0074-09DOI：10.12062/cpre.20190507

处理好环境问题是经济可持续发展的必要条件。环境库兹涅茨曲线（EKC）（Grossman and Krueger）[1]直接反映了环境污染与经济增长之间的关系，因此自提出之日起，就得到了广大学者的关注。但是，在不同前提条件下，环境库兹涅茨曲线却呈现出不同的形态。本文主要研究倒“U”型EKC动态变化的趋势，这有利于我国进一步把握环境与经济联动的内在关系，为推进经济与环境的双赢发展提供理论支撑和政策建议。

1 文献综述

自EKC曲线提出以来，国内外学者便对其倒“U”型的存在性进行了大量的检验。Carson et al[2]、Stern[3]、Galeotti et al[4]、Fodha and Zaghdoud[5]、吴献金与邓杰[6]等从各自的分析角度入手，验证了EKC的倒“U”型特征，而Permanet et al[7]、Azomahou et al[8]、张红凤等[9]以及李小胜等[10]并不支持环境与经济倒“U”型关系的理论假定，而是认为它的形态是有差异的，这削弱了EKC的现实指导意义。有学者指出，经济体的异质性是EKC形态差异的主要原因，譬如Martínez Zarzoso and Bengochea Morancho[11]、余东华和张明志[12] 的研究发现，不同经济体由于其发展程度不同，导致EKC的形状确有显著差异。

污染物不同，EKC的形状也会不同。朱平辉等[13]研究了不同污染物EKC形态的差异，发现污染物的性质显著影响EKC的形态;苏为华与张崇辉[14]综合考虑了区域和污染物的特性之后发现，区域差异、污染物性质的差异都会影响EKC的形态。

杨林和高宏霞[15]验证了倒“U”型EKC在我国不同地区的普遍性。本文将在此基础上进一步研究EKC的动态演进规律，这有助于正确处理经济发展和环境治理的关系，优化我国环境治理的路径。如果仅仅将不同经济体与不同污染物的相关数据简单“拼接”在一起，就无法客观甄别EKC的真实形态及其动态发展情况，因此本文拟根据发展程度对国家分组，从发展程度、发展阶段以及污染物构成三个方面控制影响EKC的外生因素，以揭示EKC形态动态演进的规律，探讨倒“U”型EKC的一般存在性。所谓倒“U”型EKC的一般存在性是指，在控制了经济体的发展程度以及其它外生因素之后，不同发展度国家的EKC将呈现出类似的、趋同的倒“U”形态。

相较于以往的研究，本文主要有以下几点贡献：①在理论上，研究了倒“U”型EKC的普遍存在性问题，客观呈现了不同发展度国家EKC动态演进趋同的过程，明确提出了每个经济体易扩散污染物随人均收入先增长后下降的一般规律。②在研究对象和研究方法上，使用随机前沿成本模型分阶段研究了30个经济体历经25年跨度的污染物排放与人均收入之间的动态变化关系，量化分析了不同发展度国家在不同发展阶段的最优排放前沿及收入拐点，进一步揭示了EKC动态变化的趋势规律。为了回避单个污染物可能导致的估计偏差，提高研究结论的可靠性，降低研究结论的脆弱性和适用的局限性，污染物排放使用了综合大气污染指标。③在应用价值上，以IPAT模型和Kaya恒等式为基础，从发展水平和发展结构两个维度构建了发展度指数，衡量了多个外部控制变量对环境作用的程度及方向，以提高政策建议的准确度和针对性。

2 研究设计、模型设定与数据说明

2.1 研究设计

本文首先使用传统的EKC模型，检验不同发展程度样本组EKC形状的差异，然后使用随机前沿成本模型对不同样本组在不同发展阶段的EKC进行估计，对比分析EKC的形状差异，以探明倒“U”型EKC的普遍存在性和EKC动态演进的趋势。之所以采用随机前沿成本模型，是因为如果把特异因素看成影响成本到达最优理论值的非效率冲击，将有助于借助最优成本前沿面厘清最优成本下污染排放与经济发展的内在关系。

因此，本文首要的任务就是构造不同发展程度的样本组。IPAT 模型（Ehrlich and Holden）[16]把影响环境的因素分解为人口、財富和技术，而Kaya恒等式（Kaya）[17]认为环境的压力主要来源于能源碳强度、能源强度、人均 GDP和总人口四个因素。余东华、张明志[12]把以上影响因素归纳为发展水平和发展结构。本文则用收入水平、技术水平以及城市化水平来反映发展水平，选取产业结构、能源结构以及对外开放结构代表发展结构，构建出发展度指数，并基于各国发展度指数排名，使用中位数分组法将样本国分为高发展度国家与低发展度国家，以获得具有异质性的样本组。

污染物的物理化学性质所产生的外部性差异也是造成EKC形态差异的重要因素。大气污染物是一国工业和生活的主要副产品，具有流动性强、扩散性广的特点，与废水、固废相比，其对环境的影响更为直接。而废水、固废对区域污染的影响相对集中，使得域内人所承受的污染压力远高于域外，因此可能存在由于博弈成本过高而不能有效制约污染行为的情况，此时如果以废水或固废作为污染代理变量，则EKC很可能表现出另一种不同的互动关系。又因为废水、固废的相关数据难以获得，所以本文主要考察不同经济体大气污染物与收入之间的关系。

2.2 模型设定

2.2.1 传统EKC模型

很多文献都采用以环境质量作为被解释变量、以人均收入作为解释变量的简单对数二次方程形式来研究环境与经济增长的关系，并通过回归系数的显著性判定EKC是否满足倒“U”型特征。方程具体形式如下：

lnE_it=α₀+α₁lny_it+α₂ln²（y_it）+ε_it （1）

其中，Eit为i国在时期t的人均污染排放量，yit为i国在时期t的人均GDP，α0是常量，α1及α2均为回归系数，εit为随机误差项。由于EKC曲线具有时间与截面维度的双重特征，面板数据模型可以有效反映出地区差异以及经济发展程度对于EKC的综合影响，并且，与截面和时序模型相比，面板数据模型的自由度更大，更有利于提升参数估计的可靠性，所以本文使用面板数据估计（1）式，以判断不同发展程度样本组EKC的差异，并作为随机前沿成本模型估计的对照项。

2.2.2 随机前沿成本模型

本文借鉴王瑞和诸大建[18]使用随机前沿成本模型估计中国各省减排潜力的方法，将影响环境的各类外生因素作为影响成本到达最优理论值的非效率冲击，用随机前沿成本模型检验在非效率项不存在的情况下，不同发展度国家EKC的形态变化趋势以及非效率项改善优化EKC的程度。随机前沿成本函数的误差项分为随机冲击与成本非效率影响两部分，因而不再是均值为0的对称分布。为了估计最优成本以及非效率因素的影响即实际成本对最优成本的偏离程度，本文运用一步法（Battese and Coelli）[19]将污染排放对非效率因素与前沿面函数中的人均GDP及其平方变量回归，从而构建随机前沿成本模型如下：

lnE_it=β₀+β₁lny_it+β₂ln²（y_it）+v_it+u_it （2）

其中的成本非效率项uit可表示为：

u_it=δ₀+∑_jδ_jlnZ_jt+ε_jt（3）

在方程（2）中，Eit与yit与上文相同，分别代表了i国在时期t的人均污染排放水平以及人均GDP，vit为随机误差项，反映了统计中的遗漏变量。方程（3）中的各变量代表不同发展度国家存在明显差异且影响各国污染排放的各非效率因素。本文选取了人均GDP以外的五个异质性变量（即技术水平、城市化水平、产业结构、能源结构和对外开放结构）作为非效率因素。由于成本非效率项通常大于0，因此非效率项会增加污染排放，即增大成本因素将占主导。鉴于此，本文将对高科技出口占制成品出口的比重、可替代能源与核能在能源使用总量的占比这两个代理变量进行倒数逆向化处理，以满足模型的假设需求（具体变量说明参见表1）。综上所述，公式（2）中的成本非效率项uit可进一步表示为：

u_it=δ₀+δ₁lnIND_it+δ₂lnTEC_it+δ₃lnAE_it+δ₄lnOPEN_it+δ₅lnURB_it+ε_it（4）

2.3 变量说明与数据来源

在发展度指标和非效率因素代理变量的选取上，本文将人均GDP、高科技出口占制成品出口比重、可替代能源与核能在能源使用总量的占比、一国城镇人口占总人口的比重、工业增加值占GDP比重的倒数和商品进出口及利用外资占GDP的比重这六个因素分别作为收入水平、技术水平、能源结构、城市化水平、产业结构和对外开放结构的代理变量（如表1所示）。其中，随着国家工业化的快速发展，低端生产环节的转移将使第二产业在国民经济中的比重不断下降，因此，工业增加值占GDP的比重与发展结构的优化呈现负相关关系，因而这里对该变量进行了逆向化处理。

本文选取了1991—2015年30个不同发展程度的国家为样本，25年的时间范围有效涵盖了各国经济发展的不同阶段，可以更好地反映出环境与经济增长的变化规律。30个样本国家包括：奥地利、比利时、加拿大、捷克、丹麦、爱沙尼亚、芬兰、法国、德国、卢森堡、荷兰、挪威、西班牙、英国、美国、阿尔巴尼亚、阿塞拜疆、白俄羅斯、克罗地亚、格鲁吉亚、匈牙利、哈萨克斯坦、波兰、摩尔多瓦、罗马尼亚、俄罗斯、马其顿、土耳其、乌克兰以及中国。

本文采用硫氧化物、氮氧化物、二氧化碳、甲烷以及PM10这五种主要大气污染物的人均排放量，利用变异系数法构建了综合大气污染指标，来度量各国大气污染程度。这有效降低了单一污染物作为代理指标造成的评价偏差，从而使模型更加全面和客观地反映出环境与经济增长真实的内在联系。

本文相关污染物数据分别来自于OECD数据库、欧洲EMEP排放清单和预测中心数据库、世界银行WDI数据库、《中国统计年鉴》《中国环境统计年鉴》以及《中国环境年鉴》。各国人均GDP、高科技出口占制成品出口比重、一国城镇人口占总人口的比重、工业增加值占GDP比重、可替代能源与核能在能源使用总量占比与商品进出口及利用外资占GDP的比重等数据均来自于世界银行WDI数据库。

2.4 样本国发展度分组及综合大气污染指标

本文采用了变异系数法设定指标权重，构建发展度指数，具体公式如下：

Vj=SjXj（j=1，2，…，6）（5）

其中，Vj为j代理变量的变异系数，Sj为j代理变量的标准差，即Sj=1n-1∑ni=1（Xij-Xj），Xj为j代理变量的样本均值，即Xj=1n∑ni=1Xij 。在此基础上，可以得到各项代理变量的权重为：

Wj=Vj∑6j=1Vj（6）

根据公式（5）及公式（6），我们可以得到，人均GDP、高科技出口占制成品出口比重、一国城镇人口占总人口的比重、工业增加值占GDP比重、可替代能源与核能在能源使用总量占比与商品进出口及利用外资占GDP的比重这六个代理变量的指标权重分别为：0.26、0.20、0.06、0.08、0.27以及0.14。为了充分体现各国在不同时期的总体发展状况，本文对各国代理变量按时间进行均值处理并赋权排名，同时为了实现不同量级代理变量的客观可比，本文采用了直线无量纲化方法对数据进行了处理，得到了基于发展度指数的样本分组。其中，高发展度国家包括：奥地利、比利时、加拿大、捷克、丹麦、匈牙利、芬兰、法国、德国、卢森堡、荷兰、挪威、西班牙、英国以及美国，低发展度国家包括：阿尔巴尼亚、阿塞拜疆、白俄罗斯、克罗地亚、格鲁吉亚、爱沙尼亚、哈萨克斯坦、波兰、摩尔多瓦、罗马尼亚、俄罗斯、马其顿、土耳其、乌克兰以及中国。

同样的，根据公式（5）及公式（6），我们得到了人均硫氧化物、氮氧化物、二氧化碳、甲烷以及PM10排放量的权重分别为0.20、0.24、0.11、0.22以及0.24。为了满足量级的客观可比性，本文同样采用了直线无量纲化方法对各污染物数据进行了处理，并且为了保证相应指标的数值为正，又对标准化后的数据进行了放大再平移，公式如下：

Eij=（Xij-Xj）Sj×10+60（7）

由此，综合大气污染指标可表示为：

Eit=0.20ESOxit+0.24ENOxit+0.11ECO2it+0.22ECH4it+0.24EPM10it（8）

在（8）式中，ESOxit、ENOxit、ECO2it、ECH4it以及EPM10it分别代表了时期t中，i国硫氧化物、氮氧化物、二氧化碳、甲烷以及PM10的无量纲化指标，而Eit为i国在时期t的综合大气污染水平。

表1列出了随机前沿成本模型各变量经上述处理后的描述性统计量。本文还计算了表1中变量间的皮尔逊 相关系数。从计算结果看，各变量间相关系数的绝对值都低于0.5，表现出了较好的独立性。

2.5 测算中国EKC的变量说明与数据来源

本文使用随机前沿成本模型测算了我国EKC的形态以及异质性因素的作用力度。囿于数据的可得性，我国大气污染指标仅涵盖了二氧化硫、氮氧化物、二氧化碳以及PM10四种污染排放物，且时间范围为2009—2015年。其中，各省污染物排放数据来自于《中国统计年鉴》《中国环境统计年鉴》以及《中国环境年鉴》，各省人均GDP、高科技出口占制成品出口比重、城镇人口占总人口的比重、工业增加值占GDP比重、可替代能源与核能在能源使用总量占比与商品进出口及利用外资占GDP的比重等数据来自于各省统计年鉴及统计公报。表2给出了各变量经上述处理后的描述性统计量。同样，经过计算各变量之间的相关系数可以看出，在省域层面下，各变量间相关系数的绝对值也都低于0.5，表现出了较好的独立性。

3 实证检验与分析

3.1 异质性国家传统EKC形态的差异

本文首先利用Hausman检验和似然比检验的方法，分别对高发展度国家和低发展度国家的面板数据进行了考察。结果显示，高发展度国家建立随机效应与混合效应的原假设被拒绝，而低发展度国家的Hausman检验却不能拒绝原假设，因此本文对高发展度国家采用了固定效应模型对面板数据进行回归，而低发展度国家则采用随机效应模型进行估计。

为了保证估计结果的稳健性，本文引入了广义矩估计GMM方法。由于大气污染具有持续性，我们在方程（1）的基礎上引入了被解释变量的一期滞后项，得到了方程（9）：

lnEit=α0+φlnEit-1+α1lnyit+α2ln2（yit）+εit（9）

因为引入了因变量的一期滞后项，这使得解释变量与误差项之间具有了相关性，从而造成参数的最小二乘估计量出现偏误。为了克服上述内生性问题，本文采用了差分GMM的估计方法，并将各解释变量的一期滞后项作为工具变量，以消除动态面板数据模型估计的偏倚问题。

在表3中，模型1为用固定效应模型估计的高发展度国家回归结果，模型2为用随机效应模型估计的低发展度国家回归结果，模型3与模型4分别为用差分GMM估计的高、低发展度国家回归结果。

由表3可见，高发展度国家的人均GDP系数无论在一次项还是二次项上，均表现出了良好的统计显著性，因此可以判断，其大气污染与人均GDP确实存在着倒U型关系，符合传统的EKC曲线特征。通过对比模型1与模型3发现，在不同的估计方法下，人均GDP的回归系数符号与显著性依然保持一致，表明了高发展度国家EKC倒U形态的稳定性。此外，根据模型1的结果以及拐点公式Y*=exp（-0.5α1α2）可以得出，当高发展度国家人均GDP超过3 302.20美元时，其自身综合大气污染程度将随经济的增长逐步改善，进入可持续的“绿色发展”阶段。相比之下，低发展度国家无论是随机效应模型，还是GMM模型，其人均GDP平方项的系数均不显著，只能将二次项剔除后进行重新估计。模型2和模型4显示，在仅考虑人均收入对污染影响的条件下，低发展度国家综合大气污染程度随人均GDP显著递增，且这一单调关系十分稳健。由此可见，低发展度国家的污染与人均GDP的互动关系与高发展度国家的特征明显不同。

表3与Carson et al[2]、张红凤等[9]等的研究结论是一致的。不同发展度国家EKC形态的差异使我们认识到，单纯依靠经济驱动并不会使低发展度国家自动实现污染减排。随着收入的增加，人们对环境的要求随之提高，对人均污染物的容忍程度将有所降低。然而，主观意识的渴望只能成为环境改善的内在动机，使环境质量能够得到真正改善的应是那些经济发展带来的多重客观异质性因素共同作用的结果。

3.2 倒“U”型EKC的动态演进及异质性因素的作用效果

为了考察不同发展度国家EKC形态的变动趋势，本文以2008年作为时间节点，分别对1991—2015年、1991—2008年以及2009—2015年三个时期数据进行估计。之所以选择2008年是基于这样的思考：随着2008年国际金融危机爆发，全球产业发展出现了新的特点，新兴产业的快速兴起与传统产业的改造升级使世界竞争焦点发生了转移，数字化、智能化以及绿色化技术的突破也对原有的世界经济格局产生了巨大冲击，以2008年作为节点有利于凸显全球经济“换挡”对于EKC轨迹的影响。

根據发展度以及时间节点，本文设定模型5、6、7对高发展度国家在1991—2015年、1991—2008年以及2009—2015年三个时期的情况进行回归分析，模型8、9、10为低发展度国家在相应时期的回归分析。同时，为了精准对接我国的发展现状，模型11给出了我国31个省际数据的回归结果。囿于数据的可得性，模型11中所采用的大气污染指标仅涵盖了二氧化硫、氮氧化物、二氧化碳以及PM10四种污染排放物，且时间范围为2009—2015年，因此与上文中国别层面的排放峰值、收入拐点等数值并不可比，但回归结果仍然可以直观地体现出我国EKC的形态以及异质性因素的作用力度。通过运用Frontier4.1软件对各模型进行一步法最大似然估计得到的结果显示，模型5～11的LR单边似然比检验统计量远大于卡方分布显著性概率为1%时的临界值，不存在成本非效率的原假设被拒绝的情况，说明随机前沿分析方法可行。此外，各模型的γ估计系数均超过了0.8，且显著不为零，进一步说明了7个模型中，前沿成本与实际成本的差距均主要来自非效率项uit，且随机误差项vit对于成本的影响远低于成本非效率项uit，验证了模型设置的合理性。具体回归结果见表4。

根据表3及表4的估计结果可以看到，低发展度国家的EKC从线性增加演变成控制外生变量后的倒“U”型，如图1（a）所示。这说明通过改善异质性因素，低发展度国家能够有效改善大气污染物排放。同时，图1（b）、图1（c）以及图1（d）直观呈现了不同发展度国家EKC形态的

动态演进趋同的进程。其中，图1（b）反映了在控制了异质因素后，不同发展度国家EKC在1991—2015年期间均呈现为倒“U”形态，而高发展度国家凭借着更低的拐点收入及排放峰值，整体表现优于低发展度国家。图1（c）与图1（d）对比了低发展度国家及高发展度国家各自在不同发展阶段的EKC动态变化趋势，结果显示，无论对于哪一类发展度国家，最优的EKC前沿轨迹均会随着时间的推移而不断向左下移动，以更低的排放峰值和收入拐点位置推动EKC形态的持续优化。值得注意的是，在1991—2008年期间，低发展度国家拐点的人均GDP为6 397.42美元，高发展度国家为3 260.67美元，两者相差3 136.75美元;而在2009—2015年的情况下，低发展度国家的这一数值左移至4 850.95美元，而发达国家仅左移至2 695.96美元，两者差距缩小至2 154.99美元。同时，峰值排放方面，在控制了异质因素的影响后，1991—2008年低发展度国家最大综合大气排放指数为88.26，明显高于发达国家的74.76;而到了2009—2015年，这一指数骤降至60.81，低于同期高发展度国家61.56的指数值。这不仅反映出 异质性国家的EKC存在着趋同属性，也体现出了低发展度国家存在更大的减排潜力。

第二，比较不同模型中异质性因素的控制效果可以看出，不同因素在不同时期以及对于不同发展度国家的作用程度存在着显著差异。在产业结构方面，降低第二产业比重就会使各发展度国家的污染状况有所减轻，对低发展度国家尤为明显。在1991—2015年、1991—2008年以及2009—2015年三个时期中，第二产业比重每下降1%，低发展度国家大气综合污染指数就分别下降0.17%、0.11%以及0.19%，且均在1%及5%水平下统计显著，在各异质因素中效用居首。同样的，技术水平的提升有助于不同发展度国家环境的改善，但对于低发展度国家来说作用更加显著。在模型10中，该变量系数值达到了0.15，仅低于第

二产业比重的系数值，因此，加快技术升级将成为低发展度国家降低污染水平的重要着力点。能源结构的改善对于高发展度国家影响偏弱，而对于低发展度国家来说存在一定影响，在2009—2015年时段其系数达到了0.12。值得注意的是，对外开放与城镇化水平对于不同发展度国家的作用方向出现了分歧。对外开放在1991—2015年与2009—2015年期间对于低发展度国家EKC作用不显著，但在1991—2008年期间却是显著的正向影响，这在一定程度上说明了开放并没有为低发展度国家的环境带来明显改善。“污染转移”是掩盖低发展度国家开放“绿色效应”的关键因素之一。城镇化对于高发展度国家环境具有负向影响，这源于城镇化推动了高能耗产业的集中以及高能耗产品需求的增长，从而提高了高发展度国家污染的排放。而对于低发展度国家来说，城镇化所带来的清洁技术创新与推广将发挥更大的作用，在抵消了不利影响的同时，释放出更多的生态红利，进而降低它们的环境污染水平。

第三，模型11呈现了我国主要大气污染情况与经济增长的联动趋势及非效率变量的作用方向。估计结果显示，作为低发展度国家的中国，EKC形态在控制了非效率因素的影响后同样表现出了显著的倒“U”特征，且非效率变量对于环境的作用方向与低发展度国家的总体趋势是一致的。但是，我们注意到，同一个非效率因素对我国EKC的优化力度与整体低发展度国家相比不尽相同。例如2009—2015年，低发展度国家的对外开放水平这一因素与其自身污染排放虽然呈现负相关关系，但并不显著，而在我国却表现出了显著负相关。这说明加快开放进程、提升开放质量已成为我国在推进污染减排方面有别于其它低发展度国家的有效着力点。同时，这也说明在现实中，由于各国的特点，并不存在适合所有国家所有阶段的最佳政策方案，只有正确把握异质特征、明确效度影响方向，才能真正提供更为准确、可信的政策建议。

4 结论及启示

本文基于随机前沿成本模型检验了不同发展度国家EKC动态演进的过程，对比传统EKC模型的回归结果发现：尽管不同发展度国家EKC具体的形状有所差异，但都呈现倒“U”形，表现出了明显的动态趋同趋势。这说明低发展度国家不但具有减排的意愿，也有实现减排的潜力，同时也说明环境的改善是经济发展中各方因素共同作用的结果。而且，不同的外部因素对污染减排的作用不同，因此应当根据经济体具体的特点，有针对性地提出优化环境、实现环境与经济良性互动的政策建议。具体我国而言，应当：

（1）着力加快产业结构的优化升级。实证结果表明，第二产业比重与大气污染物排放水平显著正相关。发展中国家（发展度相对较低）常常通过承接发达国家（发展度相对较高）的低端生产环节实现工业化，促进经济发展，但这不可避免地带来了较大的污染排放。目前我国总体上已处于工业化发展后期，一定程度的产业外移以及提高第三产业的比重都有助于优化我国的产业结构，促进我国经济的绿色发展。区域方面，欠发达地区應积极探索转变工业发展模式的方式方法，摒弃传统粗放式的工业化发展道路，从源头上降低污染排放，控制工业化进程中的污染增量;而相对发达地区则应进一步淘汰落后产能，强化工业绿色生产标准，实现产业的转型升级;大力发展现代服务业，树立清洁行业在社会经济发展中的主导地位。

（2）加大绿色技术的创新力度。实证结果表明，技术水平对大气污染减排影响显著，对低发展度国家的污染治理更是发挥着十分重要的作用。技术的进步，尤其是以降低环境污染为目的的绿色技术进步可以有效提升单位能源效率。因此，我国应努力缩短与发达国家在绿色技术方面的差距，在加大科研投入、完善激励制度的同时，利用后发优势，加快引进发达国家的先进技术。

（3）促进能源结构的绿色转型。实证结果表明，可替代能源及核能占能源消费的比重对于我国及低发展度国家污染物排放具有显著的负向影响。发达国家普遍注重清洁能源的研发与推广。我国应学习发达国家经验，加大清洁能源的研发投入，扶植清洁能源行业发展，努力改变以化石能源为主的能源结构，全面提升清洁能源的消费比重，从根本上摆脱传统能源造成的污染排放。

（4）全面提升对外开放质量。由实证结果可以看出，早期低发展度国家因承接“污染转移”致使开放所带来的“绿色”效应无法发挥作用，甚至成为了“污染避难所”。随着低发展度国家环保意识的逐渐增强，开放模式已发生转变。对我国来说，污染水平与对外开放程度已经表现出明显的负向关系。鉴于此，我国应着力提升开放质量，在开展国际合作过程中始终将环境保护置于首位，通过完善法规及政策，优化出口和外资结构，以环境友好的开放氛围，带动国内经济发展方式的转变，形成既注重经济增长又注重环境效益的发展机制和开放体系。

（5）大力推进绿色城镇化建设。实证结果显示，随着城镇化水平的提升，低发展度国家的污染排放将显著下降。对我国来说，提升城镇化水平有利于发展集约化的生产生活方式，提高发展效率，从而改善生活环境。我国应将绿色发展理念融入到城镇化建设之中，探寻发展速度与环境保护的平衡点，在稳步提升城镇经济效益的同时，不断完善环境服务的基础性保障措施，形成城镇绿色发展的新格局。

（编辑：刘照胜）

参考文献

[1]GROSSMAN G M， KRUEGER A B. Economic growth and the environment[J]. Quarterly journal of economics， 1995， 110（2）：353-377.

[2]CARSON R T， JEON Y， DONALD R. The relationship between air pollution emissions and income[J]. Environment & development economics， 2009， 2（4）：433-450.

[3]STERN D I. Between estimates of the Environmental Kuznets Curve[R].Canberra： EERH，2009.

[4]GALEOTTI M， LANZA A， PAULI F. Reassessing the Environmental Kuznets Curve for CO2 emissions： a robustness exercise [J]. Ecological economics， 2006， 57（1）：152-163.

[5]FODHA M， ZAGHDOUD O. Economic growth and pollutant emissions in Tunisia： an empirical analysis of the Environmental Kuznets Curve[J]. Energy policy， 2010， 38（2）：1150-1156.

[6]吴献金，邓杰.贸易自由化、经济增长对碳排放的影响[J].中国人口·资源与环境，2011， 21（1）：43-48.

[7]PERMAN R， STERN D I. Evidence from panel unit root and cointegration tests that the Environmental Kuznets Curve does not exist[J]. Australian journal of agricultural & resource economics， 2003， 47（3）：325-347.

[8]AZOMAHOU T， LAISNEY F， VAN P N. Economic development and CO2 emissions： a nonparametric panel approach[J]. Journal of public economics， 2005， 90（6）：1347-1363.

[9]張红凤，周峰，杨慧，等.环境保护与经济发展双赢的规制绩效实证分析[J].经济研究， 2009（3）：14-26.

[10]李小胜，宋马林，安庆贤.中国经济增长对环境污染影响的异质性研究[J].南开经济研究，2013（5）：96-114.

[11]MARTINEZ-ZARZOSO I， BENGOCHEA-MORANCHO A. Pooled mean group estimation of an Environmental Kuznets Curve for CO2[J]. Economics letters， 2004， 82（1）：121-126.

[12]余东华，张明志.“异质性难题”化解与碳排放EKC再检验——基于门限回归的国别分组研究[J].中国工业经济，2016（7）：57-73.

[13]朱平辉， 袁加军， 曾五一. 中国工业环境库兹涅茨曲线分析——基于空间面板模型的经验研究[J]. 中国工业经济， 2010（6）：65-74.

[14]苏为华， 张崇辉. 关于异质性假说的中国EKC再检验[J].统计研究，2016，28（12）：66-71.

[15]杨林， 高宏霞. 经济增长是否能自动解决环境问题——倒U型环境库兹涅茨曲线是内生机制结果还是外部控制结果[J]. 中国人口·资源与环境， 2012， 22（8）：160-165.

[16]EHRLICH P R， HOLDREN J P. Impact of population growth[J]. Science， 1971， 171（3977）：1212-1217.

[17]KAYA Y. Impact of carbon dioxide emission control on GNP growth：interpretation of proposed scenarios [R]. Paris： IPCC Energy and Industry Subgroup， Response Strategies Working Group，1990.

[18]王瑞，诸大建.中国环境效率及污染物减排潜力研究[J].中国人口·资源与环境，2018，28（6）：149-159.

[19]BATTESE G E， COELLI T J. A model for technical inefficiency effects in a stochastic frontier production function for panel data[J]. Empirical economics， 1995， 20（2）：325-332.

Inverted ‘U-shape of EKC with dynamic evolution trend

CUI Xin-sheng1 HAN Meng2 FANG Zhi3

（1.School of Public Administration， University of International Business and Economics， Beijing 100029， China;

2.Institute of International Economy， University of International Business and Economics， Beijing 100029， China;

3.School of Labor Economics， Capital University of Economics and Business， Beijing 100070， China）

Abstract The Environmental Kuznets Curve （EKC） is an important tool to illustrate the relationship between economic growth and pollution. However， scholars still have great divergence towards the hypothesis of the inverted ‘U-shape of EKC， based on the objective heterogeneity of the samples. In order to explore the morphological differences in EKCs among countries with different levels of development under heterogeneous conditions， clarify the convergence of EKCs from a dynamic perspective on the basis of in-depth exploration of the root causes of heterogeneity， and grasp the inherent interaction between environment and economic development in China， in this paper， we mainly study the dynamic evolution trend of EKCs in economies with different levels of development， based on the traditional EKC model. The paper uses the data of easily diffused pollutants of 30 economies from 1991 to 2015 to construct a comprehensive air pollution index by implementing the coefficient of variation method. It constructs development index of economy from the level and structure of development. Understanding the linear increase of traditional morphology of EKC in countries with low level of development， we introduce heterogeneity factors into the model and， according to the stochastic frontier cost model， test the dynamic relationship between pollutant emissions and per capita income in the economies with different levels of development and the effects of heterogeneity factors on different economies during different periods. The evidence shows that： ① Although the shapes of EKC are still different from each other during different periods in different countries with different economic development levels， they all exhibit the same inverted ‘U-shape， implying the ubiquity of the inverted ‘U-shape of EKC; ② During the sample period， the turning points of EKCs in different economies are far away from each other， but they all converge from the upper-right to the lower-left; ③ Different external factors have different effects on pollution reduction， even the same factor has varying effect with respect to different economies and different periods. It means that the EKC in under-developed countries has the potential to improve， and also that environmental improvement is the result of combined effects of multiple objective heterogeneous factors brought by economic development. Based on its own characteristics， China should promote pollution reduction and green economy by upgrading the industrial structure， innovating green technology， transforming energy structure， improving trade openness， and developing green urbanization.

Key words Environmental Kuznets Curve; environmental pollution; economic growth; heterogeneity