经济增长、污染排放与影响因素——来自 2001～.doc

精品论文大集合经济增长、污染排放与影响因素来自 20012006年中国省际面板数据的再检验1徐盈之，韩颜超东南大学经济管理学院，南京（210096）Email: xuyingzhi, hych03摘要：本文运用 2001-2006 年我国省际面板数据，对我国工业废水排放量、工业二氧化硫排放量、工业烟尘排放量等五类污染指标与经济增长之间的关系进行了实证检验。实证结果 发现：工业二氧化硫排放量、工业烟尘排放量、环境污染指数与经济增长之间存在倒 U 型库兹涅茨曲线关系，工业废水排放量、工业固体废弃物排放量和经济增长之间存在倒 N 型曲线关系。同时发现，样本期内，人口密度、经济外向程度、投资活跃程度、能源消耗水平、 区位因素等对污染物排放具有重要影响。关键词：经济增长；污染排放；影响因素；面板数据 中图分类号：F062.2文献标识码：A1引言人类社会发展到今天，在经济增长的过程中出现的环境污染、资源耗竭问题是人类在必 须高度重视和全力解决的。不少有识之士普遍认为，环境恶化和资源紧缺目前已经成为制约 人类社会和谐健康发展的瓶颈。中国在经历了改革开放所带来的经济飞速增长的同时，环境恶化问题也越来越严重。不 断出现的江河湖泊水污染、越来越频繁的酸雨现象、日益严重的植被破坏、形势逼人的草原 荒漠化和水土流失，等等环境问题，已经在不断的给我们敲响了警钟。对于环境问题，我国 政府高度重视，十七大第一次明确提出了建设生态文明的目标，强调建立资源节约和环境友 好型社会，建立人与自然和谐相处的关系，不断增强可持续发展的能力。所以，在当前形势 下，研究我国环境污染和经济增长之间的关系，具有非常重要的现实意义和迫切性。2 文献综述对于环境问题的关注从上世纪 60 年代已经开始，其后发生了两次重要的环境革命。第 一次环境革命发生在 60 年代末 70 年代初，人们辩论环境质量与经济增长的关系并转向对 于环境的关注。其主要标志是在 1972 年以 Meadows 为首的罗马俱乐部一些经济学家发表增长的极限的报告；第二次环境革命发生在 80 年代末和 90 年代初，其重要标志是 1987 年布伦特兰夫人代表世界环境与发展委员会在提交的联合国大会主题报告我们共同的未 来、1992 年世界银行发表的世界发展报告(发展与环境) 以及 1992 年在巴西里约热内卢召 开的联合国环境与发展国家首脑会议上通过的21 世纪议程。这两次环境革命激发众多的 经济学家对经济与环境之间关系的进行深入的研究和探讨。在这个过程中，一个最重要的话 题便是关于环境库兹涅茨曲线假说的研究。Grossman（1991）等研究了 SO2、微尘和悬浮颗粒三种环境质量指标与收入之间的关 系，发现三种污染物都与收入呈倒 U 形关系1。之后 Arrow(1995)等提出了环境压力与经 济增长之间呈倒 U 形关系的假说2。由于著名的库兹涅茨曲线也呈倒 U 形,所以也把它称1 本课题的到江苏省教育厅高校哲学社会科学研究基金重点项目“我国信息产业全要素生产率变动与影响 因素研究”（编号：06SJB790022）和江苏省社科联研究课题“江苏省环境承载力的区域比较与影响因素研 究”（编号：b-07-2）的资助。- 15 -为环境库兹涅茨曲线假说(或 EKC 假说) 。近几年来，关于环境库兹涅茨曲线假说的研究， 越来越深入和细化，国外学者和国内学者都取得不少研究成果。Torras（1998）等通过实证分析，发现在低收入国家中，收入不平等、文化不平等、政治权利及公民自由权的不平等对于环境质量有特别强的影响3。Hettige（2000）等使用国际 数据检验工业水污染的库兹涅茨假设是否成立，通过实证分析发现工业水污染拒绝了库兹涅 茨假设，工业水污染在中等收入情况下快速上升，然后大概保持一个不变的数量4。Zaim（2000）等采用生产前沿分析方法测量了 1980-1990 年间，OECD 各国的环境效率指数，并 建立计量模型证明了库兹涅茨曲线在这些国家确实存在。通过研究发现，从收入水平 1.1 万美元开始，环境状况有所恶化，但是当收入水平达到 1.6 万美元的临界点时，环境绩效开始上升5。Slottje(2001)等采用误差修正模型研究了美国 1947-1996 年间收入不平等和环境质 量之间的关系，发现空气污染水平和收入不平等水平显著负相关，污染上升则收入不平等下 降。而且环境质量对不同收入阶层人们收入的影响不同，高污染增加了收入最低 2/5 人口的 收入总量，但是减少了收入最高 2/5 人口的收入总量6。Perman(2003)等使用 74 个国家历 时 31 年的人均 GDP 和二氧化硫排放量的数据，进行了协整分析，结果显示环境库兹涅茨曲 线至少在二氧化硫排放量上是一个有问题的概念，并不存在该形式的曲线7。Paudel（2005） 等使用参数模型研究了美国路易斯安那州的水污染问题，发现氮、磷和溶解氧的转折点分别 发生在收入水平 10241-12993 美元、6636-13877 美元及 6467-12758 美元的水平。然而只有 氮含量的库兹涅茨曲线被发现是显著成立的8。He（2006）的研究发现，在中国 FDI 对工 业二氧化硫排放量的影响非常小，FDI 资本存量每上升 0.01，相应的工业二氧化硫排放量上 升大约 0.00098。认为污染避难所假说在中国成立9。Hanna（2008）通过实证分析，认为 制造业污染活动通过两个效应对经济增长产生作用。第一，工业投资通过创造就业机会和其 他正面的溢出效应刺激经济增长。第二，相关污染导致区域内高收入居民向外迁移，这些居 民对于污染的容忍能力较低10。国内对经济发展与环境之间关系的实证研究从 21 世纪才开始，基本上处于跟踪国外研 究的阶段。陈华文（2004）等利用 1990-2001 年上海市历史数据对 SO2 等污染物与经济增长 的关系进行了研究，发现总悬浮颗粒和氮氧化物与经济增长之间呈倒 U 型曲线关系11。张 鹏（2005）等利用 1985-2001 全国历史数据对工业废水等与经济增长的关系进行研究，发现 只有废气排放与经济增长之间呈倒 U 型曲线关系12。刘燕（2006）等采用 19902003 年 中国的省级面板数据对中国的经济增长与环境污染之间进行了计量分析，同时考察了中国的 对外开放政策对环境质量的影响。研究结果表明中国的经济增长同环境污染之间并不存在简 单的倒 U 型曲线关系，中国的经济增长与工业废水之间表现为一种倒 N 型曲线关系，与工 业废气之间表现为 N 型曲线关系，而只有与工业固体废物之间表现一种倒 U 型曲线关系13。苏伟（2007）等对吉林省工业废水等污染物与经济增长的关系进行研究，发现它们同 经济增长之间都不存在倒 U 型曲线关系14。综上所述，目前国内对于环境污染与经济增长之间关系的研究，主要是检验我国整体或 地方经济发展同环境的关系是否具备环境库兹涅茨曲线假说所描述的特征，较少考虑影响污 染排放的因素；只使用单类污染排放物作为因变量，没有使用过反映综合污染程度的变量进 行分析；没有考虑区域差异的影响；样本数据以时间序列为主，较少使用面板数据；在分析 过程中，较少对数据的平稳性进行检验。本文拟在上述这些方面作出改进，以深入分析了解 我国污染排放与经济增长间关系及其影响因素。3 变量及数据3.1 变量设计根据相关理论，并借鉴其他国内外学者的研究成果，本文选取以下变量进行实证分析。 因变量方面，Rothman(1998)认为基于生活消费活动所产生的污染物，环境库兹涅茨曲2线是失效的15，因此本文选取了工业废水排放量（INDWATER）、工业 SO排放量（INDSO2）、工业烟尘排放量（INDGAS）、工业固体废弃物排放量（INDSOLID）和环境污染指数（EPI）五个指标用来衡量环境污染程度。自变量方面，选取人均 GDP（PGDP）来衡量经济发展水平，选取外商直接投资（FDI） 和进出口总额（TRADE）来衡量经济外向程度，选取每平方公里人口数（POP）来衡量人口 密度，选取全社会固定资产投资（FCI）来间接衡量一地投资活跃程度，选取邮电业务总量（IT）衡量信息化发展水平，选取电力消耗总量（ELECT）间接衡量能源消耗水平，选取工 业增加值占 GDP 的比重（INDUS）衡量工业发展水平，选取第三产业增加值占 GDP 的比重（SERV）衡量第三产业发展水平，使用区域虚拟变量2（DUME、DUMM）来衡量区位因素 的影响，使用时间虚拟变量（TIME）来衡量时间趋势的影响。3.2数据来源及说明本文数据主要来自于中国统计年鉴、中国环境年鉴及国研网。样本期间为 20012006 年。由于我国环境方面的统计数据尚不完善，考虑数据的可得性和统计口径的一致性， 本文使用除西藏外其它 30 个省市的数据来检验工业废水排放量、工业 SO2 排放量、工业烟 尘排放量、工业固体废弃物排放量及环境污染指数与经济增长的关系，并分析其影响因素。由于从统计年鉴上取到的人均 GDP 数据均为按当年价计算，为了消除通货膨胀的影响， 本文使用居民消费价格指数（CPI）对人均 GDP 进行平减，得到真实人均 GDP。区域虚拟变量的取值：1DUME = 0东部各省 其它省份1，DUMM = 0中部各省 。其它省份时间虚拟变量的取值：20012006 各年依次分别赋值 16。3.3环境污染指数（EPI）计算方法本文引入环境污染指数是为了反映一地环境污染的总体情况，并使用 SPSS 软件的因子 分析法进行计算。以 2001 年为例，步骤如下：第一，选取 2001 年工业废水排放量（INDWATER）、工业 SO2 排放量（INDSO2）、工 业烟尘排放量（INDGAS）、工业固体废弃物排放量（INDSOLID）作为参与因子分析的原有变 量，选取除西藏之外的 30 个省市组成的整体作为条件变量，经过尝试比较，选择提取公因 子个数为 2 个，进行因子分析。第二，计算 27 个省市的因子总得分。公式如下：F 2001 = f *cv1+f *cv2j = 1L 27（1）12j1 cv +cv2cv1 +cv22 根据国发200033 号文件，东部地区是指北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、 广东和海南；中部地区是指山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南；西部地区是指重庆、 四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆、广西和内蒙古。j（1）式中， F 2001 表示第 j 个省市的因子总得分，f1 , f2 分别表示第一、第二个公因子的因子得分，cv1 , cv2 分别表示第一、第二个公因子的方差贡献率， j 分别表示 27 个省市 自治区。第三，对计算得到的因子总得分进行数据标准化处理。计算公式如下：F 2001 min(F 2001 )jSF 2001 =jjjjmax(F 2001 ) min(F 2001 )j = 1L 27（2）j（2）式中， SF 2001 表示经过标准化处理后的第 j 个省市的因子总得分，即为环境污染指数（EPI）所对应的数值， min(F 2001 ) 为在第二步计算结果中取最小值， max(F 2001 ) 为jj在第二步计算结果中取最大值。第四，按上述步骤，依次计算 20022006 年各省市自治区的环境污染指数。 经过计算整理，具体的变量设计和数据选择如表 1 所示。表 1 变量设计和数据选择变量符号数据单位均值标准差最小值最大值因变量INDWATER INDSO2INDGAS INDSOLIDEPI工业废水排放量工业 SO2 排放量 工业烟尘排放量 工业固体废弃物排放量 环境污染指数千万吨万吨 万吨 万吨73.6661.6628.9062.400.3762.2440.5521.94119.100.253.451.930.900.000.00296.32171.5091.00632.591.00自变量PGDP FDI TRADE POP FCIIT ELECT INDUS SERV TIME DUMEDUMM人均 GDP外商投资 进出口总额 人口密度全社会固定资产投资 邮电业务总量 电力消耗总量 工业增加值 GDP 占比第三产业增加值 GDP 占比时间虚拟变量 区域虚拟变量 区域虚拟变量元/人亿美元 亿美元 人/平方公里 亿元亿元 亿千瓦小时%13169.46406.56350.95392.282201.52300.28693.390.380.383.500.370.2710053.18642.22748.64501.021957.17328.14536.370.090.051.710.480.442895.006.481.977.00191.0013.2042.960.130.271.000.000.0054902.003243.005271.992927.0011111.002657.143004.030.590.716.001.001.00注：数据来源于中国统计年鉴、中国环境年鉴及国研网。3.4 平稳性检验在进行计量建模分析之前，要对整理后数据的平稳性进行检验，以确保各变量数据为平 稳序列。进行平稳性检验之前，对数据进行预处理。首先，为了消除数据的异方差，对 INDWATER、INDSO2、INDGAS、INDSOLID、PGDP、 FDI、TRADE、POP、FCI、IT、ELECT 等总量类数据进行对数变换，得到对数形式的数据 序列 lnINDWATER、lnINDSO2、lnINDGAS、lnINDSOLID、lnPGDP、lnFDI、lnTRADE、lnPOP、 lnFCI、lnIT、lnELECT。其次，本文增加了 lnPGDP2 和 lnPGDP3 分别代表 lnPGDP 的二次方项和三次方项。经 过整理，使用 Eviews5.1 软件对变量数据进行 ADF 检验，可得各变量数据序列的平稳性情况如表 2 所示。表 2 变量数据平稳性检验结果变量名ADF 统计量相伴概率结论变量名ADF 统计量相伴概率结论lnINDWATER dlnINDWATER lnINDSO2 dlnINDSO2 lnINDGAS dlnINDGAS SOLIDdSOLID EPI dEPI lnPGDPdlnPGDP lnPGDP2 dlnPGDP2 lnPGDP3 dlnPGDP330.6212100.95727.3600174.96953.3399119.636123.853133.53239.229376.89656.8850792.15674.9720190.02463.5834088.60370.99940.00070.99990.00000.71590.00000.00000.00000.95670.03341.00000.00481.00000.00731.00000.0096不平稳平稳 不平稳 平稳 不平稳 平稳 平稳 平稳 不平稳 平稳 不平稳 平稳 不平稳 平稳 不平稳 平稳lnFDI dlnFDI lnTRADE dlnTRADE lnPOP dlnPOP lnFCI dlnFCIlnIT dlnIT lnELECT dlnELECT INDUS DINDUS SERV dSERV34.254583.993216.9027100.95749.7383111.57015.6174113.45217.7983110.8517.71571113.25917.713599.029834.390887.65040.99700.02221.00000.00070.63940.00001.00000.00001.00000.00011.00000.00001.00000.00110.99680.0115不平稳平稳 不平稳 平稳 不平稳 平稳 不平稳 平稳 不平稳 平稳 不平稳 平稳 不平稳 平稳 不平稳 平稳上表中，dlnINDWATER、dlnINDSO2 等分别表示水平数据序列的一阶差分项。可以看出，在 5%的显著性水平下，本文所选取变量的水平数据序列，除 lnINDSOLID 以外，都是 非平稳序列。但是经过一阶差分后，都是平稳序列，即是说它们都是一阶单整序列。由于单 整阶数相同，说明各变量之间可能存在长期均衡关系，即协整关系。倘若存在协整关系，便 可以进行计量分析。接下来对变量之间的关系进行协整检验。3.5协整检验首先，分别以 lnINDWATRE、lnINDSO2、lnINDGAS 、lnINDSOLID 和 EPI 以因变量， 用 OLS 方法进行协整回归，并计算回归残差。其次，将不同省市不同时点上的回归残差汇总在一起，并构造统计量对残差进行平稳性 检验。如果是平稳的，则拒绝各变量之间没有协整关系的原假设，接受各变量之间协整的备 择假设；否则，就不能拒绝没有协整关系的原假设。分别以各回归残差为检验对象进行协整检验的结果如表 3 所示。表 3 协整检验结果模型因变量检验对象检验方法统计量相伴概率平稳性结论lnINDWATER回归残差Levin, Lin & Chu t*-16.18380.0000平稳协整ADF - Fisher Chi-square99.34330.0011平稳lnINDSO2回归残差Levin, Lin & Chu t*-37.46860.0000平稳协整ADF - Fisher Chi-square161.0750.0000平稳lnINDGAS回归残差Levin, Lin & Chu t*-20.53490.0000平稳协整ADF - Fisher Chi-square124.7090.0000平稳INDSOLID回归残差Levin, Lin & Chu t*-7.236380.0000平稳协整ADF - Fisher Chi-square163.2200.0000平稳EPI回归残差Levin, Lin & Chu t*-42.67240.0000平稳协整ADF - Fisher Chi-square118.0790.0000平稳从上表检验结果可知，在 10%的显著性水平下，各因变量和自变量之间都存在着协整关系，适合建立计量模型进行估计分析。本文接下来的部分使用本部分处理后的平稳数据序 列进行计量分析。4实证分析4.1理论模型目前关于环境与经济增长之间关系的理论研究，较为主流的是 Copeland（1994）提出 的理论模型。他们通过定义整个经济系统的动态优化过程，建立模型证明了库兹涅茨曲线的 结论16。该模型假定经济系统内有两个部门：生产部门和污染治理部门，一种产出，无国 际贸易。生产部门投入有效劳动和有效资本，总产出中有一部分用于治理污染。污染存量的 增加量为本期经济系统内产生的总污染量减去自然界降解的污染物。生产部门排放的污染物 与总产出有关。考虑整个经济系统的动态优化过程。)Y = F ( K , BL)(1 ) = K ( BL 1 (1 ) ，其中 0，1K& = sY ( +n+g ) KL& = nLB& = gBE = F e( )X& = E X（3）模型式子中，F 表示总产出，K 为物资资本，BL 为有效劳动，s 为储蓄率外生给定，为折旧率， n 为人口增长率， g 为生产过程中的技术进步率，B 为技术存量，E 为污染排放 量， K& 为物资资本增量， L& 为劳动资本增量， B& 为技术存量增量， 为治理污染的投入比 重， e( ) 为单位产出污染排放量，X 为污染存量， 为自然界的污染降解速度。上述动态化的过程分别反映最终产品产量、资本存量、劳动力、生产过程中的技术进步，以及污染存量的持续变化。其中核心的是污染排放量的函数，它反映污染存量的变化，不同 的模型对应不同的设定。Copeland(1994) 等假定产品生产和污染治理过程中不存在技术进 步，但是随着经济的增长，污染治理的投入比重将会变动。该模型关键之处在于对人们偏好 的假设上：人们对环境质量的收入需求弹性大，于是人们在收入增加的情况下，会要求政府 采取更为严厉的环境政策，即增加治理环境污染的投入。采用 Copeland(1994)模型中的污染排放量函数形式：E = F e( ) = F (1 ) ，其中 1（4）通过计算得到， G( E / Y )0 ，即单位产品的污染量增长率小于 0，这意味着 t+1 时点的 单位产品的污染量要小于 t 时点的单位产品的污染量，即说明倒 U 型环境库兹涅茨曲线存在。4.2计量模型为了检验环境库兹涅茨曲线假说在中国的存在性，本文借鉴 Grossman 等（1994）的经 验模型形式，设定经济增长对环境影响的污染模型为：itln POLit= 0 +1ln PGDPit + 2(ln PGDP )2 +(ln PGDP )3 +ln FDIitit34+5 ln TRADEit + 6 ln POPit +7 ln FCIit +8 ln ITit +9 ln ELECTit+10 INDUSit +11SERVit +12TIMEit +13 DUMEit +14 DUMM it + it（5）其中 ln 表示取该变量的自然对数，下标 i 和 t 分别表示第 i 个省市第 t 年的数据。 it 为随机扰动项。POL 为工业废水、工业 SO2、工业烟尘等污染物排放量3。4.3hausman 检验在使用面板数据模型时，需要对模型进行 Hausman 检验以判断是建立固定效应模型还 是随机效应模型更有效。分别以 lnINDWATRE、lnINDSO2、lnINDGAS 和 lnINDSOLID 以因 变量，利用（3）式进行估计，并进行 Hausman 检验，检验结果如表 4 所示。表 4 Hausman 检验结果模型因变量卡方统计量自由度相伴概率lnINDWATERlnINDSO2 lnINDGAS INDSOLID EPI43.140135.221520.75044.760120.510512121212120.00000.00040.05420.96550.0580从上表可以看出，以 lnINDWATER 、lnINDSO2 、lnINDGAS 和 EPI 为因变量，使用（3）式进行随机效应估计时，Hausman 检验结果的相伴概率都小于 0.10，可以拒绝模型为随机效 应的原假设，使用固定效应模型进行估计分析；以 INDSOLID 为因变量进行随机效应估计， Hausman 检验结果的相伴概率分别为 0.9655，大于 0.10，不能拒绝模型为随机效应的原假设， 须使用随机效应模型进行估计分析。4.4结果分析由于本文涉及的解释变量数目较多，不可避免的会产生多重共线性问题，因此本文采用 逐步回归法，首先建立包含所有解释变量的回归模型，然后逐步剔除那些最不显著的变量。对于以 lnINDWATER 、lnINDSO2 、lnINDGAS 和 EPI 为因变量建立的计量模型，经过试 算，发现模型存在着序列自相关，因此分别引入因变量的一阶滞后项 ar（1）以消除序列自 相关。同时，为消除异方差影响，采用了 CSW 加权方法。由于模型涉及变量较多，采用逐步回归法步骤较多，为了节省篇幅，对于每种污染物排 放量与经济增长之间进行计量分析，本文只给出最后六步的结果，对于那些较早剔出的变量 不予列示。使用 Eviews5 软件，经过逐步回归计量分析，可得结果如下。1工业废水排放分析结果 把以工业废水排放量的自然对数（lnINDWATER）为因变量建立模型，进行逐步回归所使用到的模型依次命名为模型 1模型 5。结果如表 5 所示。3 以环境污染指数（EPI）为因变量进行计量分析时，不对环境污染指数取自然对数，直接以 EPI 作为因变 量进行计量分析。由于样本期内，天津和海南部分年份实现了工业固体废弃物零排放，不能对该变量取对 数，所以直接以工业固体废弃物排放量为因变量进行计量分析。表 5工业废水排放分析结果（因变量：lnINDWATER）变量模型 1模型 2模型 3模型 4模型 5ClnPGDP lnPGDP2 lnPGDP3 lnTRADElnPOP lnFDI SERV lnELECTDUMMAR(1)63.9128*(1.6921)(-20.6944)*(-1.732151)2.2106*(1.7474)(-0.0768)*(-1.722891) (-0.1647)* (-3.515529)0.6910*(3.8800)-0.0519(-1.501849)0.341243 (1.3686)0.222666 (1.4181)-0.600506(-0.930121)1.0216*(112.2239)70.4983*(1.8957)(-22.9168)*(-1.9500)2.4618*(1.9850)(-0.0862)*(-1.9804)(-0.1578)*(-3.3604)0.6494*(3.7715)-0.0480(-1.4099)0.3458 (1.3750)0.1584 (1.1191)1.0208*(114.3500)79.8505*(2.2404)(-25.8849)*(-2.2930)2.7741*(2.3289)(-0.0970)*(-2.3189)(-0.1529)*(-3.3134)0.6805*(3.7440)-0.0468(-1.4104)0.3038 (1.2181)1.0180*(140.0136)75.8148*(2.4277)(-24.6153)*(-2.5156)2.65*(2.5893)(-0.0928)*(-2.6095)(-0.1763)*(-3.9859)0.6628*(3.8251)-0.0514(-1.5391)1.0199*(141.8530)75.8318*(2.3935)（-24.6592）*(-2.47381)2.6591*(2.5419)(-0.0934)*(-2.5578)(-0.1741)*(-4.0462)0.6597*(3.5704)1.0164*(145.8709)R2调整后 R2D-W0.99520.99482.21040.99510.99482.19660.99540.99512.16820.99500.99482.21140.99530.99512.1815注：括号中的数值为 t 值，*、*、*分别表示在 1%、5%和 10%水平下显著。从上表可以看出，至少在本文所用的样本期内，工业废水排放量和经济增长之间的倒 U型关系并不成立。由于10， 20，30 ，可知工业废水排放量和经济增长之间呈现倒 N 型关系。这个结果与刘燕等（2006）使用我国 1990-2003 年间 28 个省市的面板数据进行分析的结论一样。 从工业废水排放量的影响因素看：工业废水排放量（lnINDWATER）与反映经济外向程度的变量进出口总额（lnTRADE）与显著负相关，外商直接投资总额（lnFDI）与因变量 之间也为负相关，虽然不显著。这说明至少在样本期内，“污染避难所”假说在中国并不成立。间接说明 2001 年以来，我国对外商直接投资的态度悄然发生了变化，对外商直接投资的认识趋于理性，减少了盲目性。工业废水排放量（lnINDWATER）与反映人口密度的变量（lnPOP）显著正相关，这直接印证了“人类的活动是影响环境的主要原因”的直觉。说明人 口的过度增长是造成环境破坏的重要因素。在样本期内，因变量与其它变量如反映能源消 耗情况的电力消耗总量（lnELECT）、反映信息化水平的邮电业务总量（lnIT）等之间的关系 不显著。2工业二氧化硫排放分析结果把以工业二氧化硫排放量的自然对数（lnINDSO2）为因变量建立模型，进行逐步回归所使用到的模型依次命名为模型 6模型 10。结果如表 6 所示。表 6工业二氧化硫排放分析结果（因变量：lnINDSO2）变量模型 6模型 7模型 8模型 9模型 10ClnPGDP lnPGDP2 lnPOP lnFCIlnIT lnELECT DUME TIMElnPGDP3lnFDI INDUS DUMMAR(1)-105.3383 (-1.4069)30.5502 (1.3380)-2.9836(-1.2789)-0.1381(-1.2336)0.4855*(5.3872)-0.12031 (-1.5153)0.6693*(5.3883)(-0.5896)*(-2.1704)(-0.1312)*(-2.5426)0.0968 (1.2214)-0.0520(-0.9588)0.3249 (0.9353)-0.1408(-0.9242)0.8783*(35.3959)-104.2346 (-1.4250)30.5005 (1.3723)-2.9947(-1.3202)(-0.1876)*(-1.7611)0.4815*(5.2214)-0.1238(-1.5220)0.6417*(5.1014)(-0.4582)*(-1.8601)(-0.1307)*(-2.2865)0.0978 (1.2709)-0.0545(-0.9876)0.2861 (0.8205)0.8902*(40.1573)-98.4277 (-1.3433)28.6317 (1.2893)-2.7945(-1.2357)(-0.1919)*(-1.7682)0.4765*(5.3850)-0.1320(-1.6022)0.6483*(5.0819)(-0.4795)*(-1.9027)(-0.1288)*(-2.2284)0.0909 (1.1870)-0.0613(-1.1322)0.8924*(41.6776)-115.0380 (-1.6414)33.4432 (1.5740)-3.2494(-1.4998)(-0.2100)*(-1.9354)0.4446*(5.3611)(-0.1408)*(-1.7524)*0.6114 (4.7725)-0.3947(-1.5835)(-0.1184)*(-2.0457)0.1051 (1.4303)0.8964*(43.8536)(-16.4664)*(-1.7209)3.3648*(1.8616)(-0.1653)*(-1.7560)(-0.2126)*(-1.7033)0.4148*(5.0454)(-0.1418)*(-1.6994)0.5767*(4.3143)(-0.5589)*(-2.1543)(-0.1465)*(-2.2672)0.9087*(46.8329)R2调整后 R2D-W0.98840.98732.44160.98810.98712.44930.98840.98742.44530.98840.98762.45650.98830.98762.4721注：同表 5 下注。从上表 6 可以看出，在本文所选取的样本期内，10， 20 ，工业二氧化硫排放量 和经济增长之