中国工业细分部门对环境污染的影响分析——基于产业网络分析的实证研究

吕康娟　王梦怡　吴　涛

(上海大学，上海　201800)



中国工业细分部门对环境污染的影响分析——基于产业网络分析的实证研究

吕康娟王梦怡吴涛

(上海大学，上海201800)

摘要〔〕为了探究网络位置如何影响工业发展与空气污染的关系，本文针对我国23个工业细分部门，采用网络分析方法，依据部门网络位置将其分为3组，继而分别采用STIRPAT模型和岭回归法分析工业部门与空气污染之间的关系。结果表明：(1)工业部门人均工业产值越高，造成的空气污染越严重。(2)网络中心的部门，增加研发经费可减少空气污染；而非网络核心的部门，结果相反。(3)与其他产业联系紧密的部门，其单位产值造成的空气污染相对更严重。

关键词〔〕空气污染工业部门复杂网络K-核STIRPAT模型人均工业产值

引言

目前，中国经济进入了“新常态”时期，经济从高速增长转为中高速增长，究其原因，环境危机是制约经济发展的重要原因之一。其中，雾霾等空气污染问题日益严重并得到了人们的高度关注。根据2013年亚洲开发银行和清华大学发布的《中华人民共和国国家环境分析》报告，中国最大的500个城市中，只有不到1%达到了世界卫生组织推荐的空气质量标准。亟需治理的空气污染成为中国经济可持续发展和建设“环境友好型”社会的约束和挑战。在这一背景下研究空气污染问题具有紧迫性与重要意义。

空气污染的来源有很多，主要来自于工业生产，其中传统产业(如水泥、钢铁、石油、机械等)所占比重较大[1]。相比于农业和服务业，工业能源消耗最大，产生的废气也就最多，包括工业废气、煤烟排放、工地扬尘、机动车尾气和垃圾焚烧烟尘治理等[2]。

空气污染与经济增长有着密切的联系。已有大量学者对我国的空气污染与经济增长等经济变量之间的相关性进行分析。这些研究中，空气污染的代理指标常用二氧化碳、二氧化硫等温室气体或碳排放表示，经济变量常用GDP代替[1，3，4]。两者之间的关系可能存在倒U型环境库兹涅茨曲线关系[5]。

20世纪末，复杂网络理论的研究开始从数学领域延伸到节点众多、结构复杂的实际网络中，例如社会网络、生物网络、信息网络、产业网络等，人们开始广泛关注网络结构的复杂性及网络行为间的关系。目前国内在复杂产业网络方面的研究尚显不足，主要集中在复杂产业网络的形成、结构特征、影响因素、建模等问题[6-9]。

产业网络结构是经济活动与生态环境相互作用的重要纽带[10]。随着产业发展的演变，产业在网络中的位置以及产业之间产生的关联、集聚、传递、网络化效应，都会对环境污染产生不一样的影响。因此，研究处于不同网络位置的产业发展是否对空气造成不同程度的污染，有助于识别产业网络的中心污染产业，有助于明确空气污染治理的方向。

因此，本文从工业主体出发，基于2007～2012年中国42个产业部门间的投入产出数据，利用复杂网络的K核方法，分析节点的网络地位并将部门分组，然后以废气排放作为空气污染的代理变量，采用STIRPAT模型探讨各组产业部门的发展对废气排放的贡献率，并结合研究结果提出政策建议。本文旨在通过上述研究为中国空气污染治理、产业转移升级和应对新常态挑战提供建议，具有重要的现实意义。

1研究方法及数据来源

1.1研究方法

本文以工业下的产业部门为研究对象，第一步要构造复杂产业网络。构造网络最关键的是确定节点以及节点之间的关联。节点即产业部门本身，产业部门之间的流量(关联)用投入产出数据来表示。投入产出核算是国民经济核算体系的重要组成部分，也是一个强有力的分析工具，已被广泛应用于生产分析、需求分析、价格分析、能源和环境分析等领域[11]。直接消耗系数的经济意义是单位总产品生产中消耗劳动对象和生产性服务产品的数量，直接消耗系数矩阵反映了部门之间的生产技术经济联系[12，13]。

第二步，需要了解节点在网络中的位置和地位。衡量网络中节点的地位的指标包括接近中心性、特征向量中心性、权力指数、K-核等。本文采用K-核分析方法计算产业核心度。K-核是建立在点度数基础上的凝聚子群概率。若一个子图中全部点均至少与该子图中k个其他节点邻接，则称这个子图为K-核。K-核分析是按层次的分析网络结构，从外层向内层延伸的扩展式网络层次分析。由于这种层次化的呈现，本文根据得到的核数，将产业部门分组处理，分别考核每一组产业发展和空气污染之间的关系。

第三步，采用STIRPAT模型，整体和分组分析产业发展和空气污染之间关系。Ehrlich和Holdren[14]提出了环境影响决定因素的IPAT分析框架，将人类活动的环境压力分解为三部分，即I=P×A×T，其中I(Impact)表示环境压力，以环境指标表示，可以特指资源、能源消耗、废物排放等；P(Population)代表人口因素，以人数表示；A(Affluence)代表富裕度，以人均年GDP表示；T(Technology)代表技术水平。以IPAT分析框架为蓝本，Dietz和Rosa[15]提出了环境影响随机模型(Stochastic Impacts by Regression on Population，Affluence，and Technology，STIRPAT模型)。目前，该模型已经广泛地应用于定量分析人口、经济、技术对二氧化碳排放量的影响。原式和取对数后的式子如公式(1)、(2)所示：

(1)

lnIit=a+b(lnPit)+c(lnAit)+d(lnTit)+eit

(2)

这里，i和t分别表示个体和时间，基于研究目的，本文将P用城镇单位就业人员表示，A为人均工业总产值(工业总产值除以城镇单位就业人员)，T为研发经费，I用各产业部门的废气排放来表示。

方程(2)反映了二氧化碳排放量和人口、财富、技术之间的线性关系，考虑环境变化和财富之间可能存在倒U型关系，为了检验“空气库兹涅茨曲线关系”是否存在，用方程(3)来分析问题。

lnIt=a+b(lnPt)+c2ln(At)+c1(lnAt)2+d(lnTt)+et

(3)

1.2数据来源及数据处理

投入产出数据来自国家统计局、国家发展和改革委员会、财政部联合编制的2007年《中国投入产出表》中的42部门投入产出表(产品部门×产品部门)，选取其中工业类别下的23个部门，具体包括煤炭开采和洗选业，石油和天然气开采业，金属矿采选业，非金属矿采选业及其他采矿业，食品制造及烟草加工业，纺织业，纺织服装鞋帽皮革羽绒及其制品业，木材加工及家具制造业，造纸印刷及文教体育用品制造业，石油加工和炼焦及核燃料加工业，化学工业，非金属矿物制品业，金属冶炼及压延加工业，金属制品业，通用、专用设备制造业，交通运输设备制造业，电气机械及器材制造业，通信设备、计算机及其他电子设备制造业，仪器仪表及文化办公用机械制造业，工艺品及其他制造业，电力、热力的生产和供应业，燃气生产和供应业，水的生产和供应业(因为数据不完整，剔除“废品废料”部门)。

本文从投入产出表中获取23个部门的直接消耗系数，作为部门与部门之间的联系，构建23×23矩阵A，计算矩阵A中非零关联值的平均数，设定均值以上的关联部门为有效关联部门，由此得出关联矩阵M。为进一步计算产业网络结构，将矩阵进行对称化，即将M转置，得到矩阵D，再次运用加总求均值的方法得到对称化产业关联矩阵E。将矩阵E进行二值化处理，将其转化为0-1矩阵，得到有权有向的产业关联矩阵W。

另外，废气排放数据来自《中国环境统计年鉴》，城镇单位就业人员数据来自《中国人口和就业统计年鉴》，工业总产值和研发经费数据来自《中国统计年鉴》。分别从这些年鉴中收集23个产业部门对应的数据，由于《中国人口和就业统计年鉴》只出版了2007～2012年6份，限制了城镇单位就业人员数据的可获性，最终本文确定以2007～2012年23个产业部门的数据做面板分析。工业总产值和研发经费都以上一年GDP指数进行了平减处理。

2模型结果分析

2.1K核分析

进行复杂网络分析的前提是网络具备小世界网络的特点。小世界网络模型是基于人类社会网络的网络模型，该网络具备较小的平均路径距离和较大的聚集系数[16]。基于上文的矩阵W，利用Ucinet软件测出网络的平均路径距离为1.8，集聚系数为0.613(overall)和0.436(weighted)，符合小世界网络特性。

本文采用K-核分析(K-core)进行网络社团划分。利用Ucinet软件对所构建的网络进行K-核分析。结果显示最高核心度为5，涵盖了14个产业部门，说明这些节点与其他节点的连接较多，关系更密切。为了进一步区分产业部门的不同网络地位，本文将核心度为5的部门作为第一组，核心度为4和3的部门作为第二组，核心度为2和1的部门作为第三组。

表1　K-核分析结果

2.2回归分析

为了分析产业部门发展与空气污染之间的关系，基于STIRPAT模型，本文采用SPSS软件进行回归分析，首先进行所有23个部门的整体分析，然后依据核心度进行分组分析，分析结果如表2所示。

在确定模型之前，首先对自变量之间是否存在共线性问题进行诊断分析，诊断指标选择方差膨胀因子(Variance Inflation Factor，VIF)。VIF越大，则显示共线性越严重。经验判断方法表明，当VIF∈(0，10)时，不存在多重共线性；当VIF∈[10，100)时，存在较强的多重共线性；当VIF∈[100，+∞)时，则存在严重多重共线性[17]。

表2　整体和分组共线性分析结果

2.2.1整体分析

基于公式(3)，首先进行整体的共线性检验。为了结果呈现更清楚，用x1代替lnP，x2代替lnA，x3代替(lnAt)2，x4代替lnT。

表2显示，x2和x3存在较强的共线性，并且x3的显着性水平大于0.05，因此考虑剔除x3，再次进行共线性检测，结果如表2“整体(剔除x3)”所示。

VIF和显着性结果显示，剔除x3之后，自变量之间不存在多重共线性，根据SPSS软件的结果输出，得到回归方程如下，方程总体R方为0.6。

y=-25.78+2.17x1+2.48x2-0.67x4

(4)

即

lnI=-25.78+2.17lnP+2.48lnA-0.67lnT

(5)

2.2.2分组分析

同样地对分组进行共线性检验，结果见表2“分组(组1)、分组(组2)和分组(组3)”。除了第一组之外，其他两组均存在多重共线性，并且都只有x4通过显着性检验。

因此，本文采用岭回归分析。岭回归分析是解决多重共线性的一种统计方法，在一定程度上弥补了最小二乘法的缺陷，其基本思想是在最小二乘法的基础上，对系数进行K惩罚，将系数进行压缩趋于0，大大提高了模型的准确度，并得到更为简练的模型[18]。

基于剔除x3之后的模型，本文使用最新版SPSS22.0进行分组的岭回归分析，得到图1、图2、图3岭迹路径图。岭迹路径图是关于每个自变量xi随K值变动的岭回归估计值的变动图。其中，K值的取值范围为[0，1]。K值的选定是岭回归分析方法的关键点，确定K值的标准是K值的选择可以保证岭迹分析中各自变量的变换趋向于稳定。

图1　第一组岭迹图

图2　第二组岭迹图

图3　第三组岭迹图

KR2FvalueSigF第一组0.75000.306011.75790.0000第二组0.60000.760014.77860.0001第三组0.50000.45358.85260.0002

续　　表

根据岭迹图走势，选择适当的K值，由表3可见，结果通过显着性检验。由此得出3个对应的方程：

lnI1=-3.55+0.63(lnP1)+0.75ln(A1)-0.03(lnT1)

(6)

lnI2=-9.60+0.59(lnP2)+0.63ln(A2)+0.34(lnT2)

(7)

lnI3=0.17+0.17(lnP3)+0.62ln(A3)+0.19(lnT3)

(8)

2.2.3结果分析

(1)从方程(5)、(6)、(7)、(8)中可以看到，人口、财富都与废弃排放正相关，说明工业类型的企事业单位，就业人数越多、人均工业产值越高，则产生的废气也越多。这在一定程度上说明大型工业企业在创造高价值的同时，造成的空气污染相对较重，需要加大力度进行整治。

(2)方程(5)和(6)的技术与废弃排放呈负相关，而方程(7)、(8)却呈现正相关。可以推断，核心度高的部门，在网络中处于中心地位，发展较快较成熟，有一定的研发经费投入在减排方面，研发经费的增加会减少废气排放。然而，对于核心度较低的部门，其发展较慢较不成熟，产值相对较低，研发经费集中在技术引进、研发合作伙伴关系的创建及维护、产能技术提升等方面，并非减排技术。因此，研发经费的增加，反而有可能增加废弃排放。

此外，方程(6)、(7)、(8)中，人均财富的系数呈现ln(A1)>ln(A2)>ln(A3)的关系，这就意味着第一组部门的工业产值对废气排放的影响程度大于第二组，第三组最小。由此可以做出推断，核心度越高、与其他部门联系越紧密的工业部门，它的单位产值会造成更多的空气污染。

3结论与政策建议

本文以我国工业23个产业部门为研究对象，基于2007年全国投入产出数据，构建复杂网络，并进行K核分析，依据不同核心度将23个产业部门分组；然后，基于2007～2012年的面板数据，构建包括人口、财富、技术因素在内的STIRPAT模型，采用岭回归法探究不同核心度的产业部门的发展对空气污染的影响情况。最终结果显示：(1)工业部门的就业人口越多，人均工业产值越高，造成的空气污染越严重。(2)处于网络中心地位、发展成熟的工业部门，研发经费更有可能涉及减排技术，因此增加研发经费，会减少空气污染；而非网络核心的工业部门，其研发投入多集中于产能提高技术，因而间接加重空气污染。(3)处于网络重要位置、与其他产业联系紧密的工业部门，它的单位产值造成的空气污染相对更严重。

基于以上结论，本文提出以下几点建议：(1)切实转变经济增长方式，加速产业结构优化升级。工业的增长建立在相对粗放的经营模式上，因而一味追求工业产值的增加，势必会带来空气污染等环境污染的加剧。只有加快产业结构调整，才能从根源上减少污染。(2)依靠科技进步，加大减排研发投入。尤其对于非核心的工业部门，要加快其技术进步，加强科学管理、节能降耗、综合利用，提高资源利用效率，减少或避免废气等污染物的产生和排放。(3)对于产业网络的核心部门，不能只看漂亮的产值数据，需要重点检测其污染物的排放，加强监督力度。

参考文献

[1]李斌,李拓.中国空气污染库兹涅兹曲线的实证研究——基于动态面板系统GMM与门限模型检验[J].经济问题，2014，(4):17～22

[2]卢宁.城市空气污染来源、环境管制强度与治理模式研究——基于我国部分城市的实证分析[J].学习与实践,2014，(2):29～40

[3]方行明,刘天伦.中国经济增长与环境污染关系新探[J].经济学家,2011，(11):76～82

[4]胡宗义,刘亦文,唐李伟.低碳经济背景下碳排放的库兹涅茨曲线研究[J].统计研究,2013,30(2):73～79

[5]宋涛,郑挺国,佟连军.环境污染与经济增长之间关联性的理论分析和计量检验[J].地理科学,2007,27(2):156～162

[6]赵炳新,尹种,张江华.产业复杂网络及其建模研究——基于山东省实例的分析[J].经济管理,2011,33(7):139～148

[7]尹罛.产业复杂网络:建模及应用[D].山东:山东大学，2012

[8]李勇.复杂网络视角下的生态产业共生网络成长机制研究[D].天津:天津理工大学，2012

[9]姚灿中.产业复杂网络的建模、仿真与分析[D].广州:华南理工大学，2010

[10]刘文新,张平宇,马延吉.资源型城市产业结构演变的环境效应研究——以鞍山市为例[J].干旱区资源与环境,2007,21(2):17～21

[11]Ikeda Y.,H.Aoyama,H.Iyetomi,Y.Fujiwara,and W.Souma.Correlated Performance of Firms in a Transaction Network[J].Journal of Economic Interaction and Coordination,2008,3(1):73～80

[12]王瑞鹏，王朋岗．城市化、产业结构调整与环境污染的动态关系——基于VAR模型的实证分析[J]．工业技术经济，2013，(1)：26～31

[13]徐大举,尹金生,李爱芹,等.直接消耗系数矩阵特征值的经济意义研究[J].中国管理科学,2010,18(1):33～37

[14]Ehrlich P.R.,and J.P.Holdren.Impact of Population Growth[J].Science,1971,171:1212～1217

[15]Dietz T.,and E.A.Rosa.Rethinking the Environmental Impacts of Population,Affluence and Technology[J].Human Ecology Review,1994,(1):277～300

[16]Watts D.J.,and S.H.Strogatz.Collective Dynamics of Small-World Networks[J].Nature,1998,393(6684)：440～442

[17]Obrien R.M..A Caution Regarding Rules of Thumb for Variance Inflation Factors[J].Quality and Quantity,2007,41(5):673～690

[18]杨楠.岭回归分析在解决多重共线性问题中的独特作用[J].统计与决策,2004,(3):14～15

Research on Influence of Chinese Industrial Segment

Sectors on Environmental Pollution

——Based on Industrial Network Analysis

Lv KangjuanWang MengyiWu Tao

(Shanghai University，Shanghai 201800，China)

〔Abstract〕To explore how network location affects the impacts of industrial development on air pollution,this paper applies network analysis method to divide 23 industrial sectors in China into 3 groups.Then,STIRPAT model and ridge regression method are applied to calculate the relationship between industrial development and air pollution.It is proved that:(1)the higher per capita industrial output,the more serious air pollution it will cause;(2)the developed industrial sectors at centre location may decrease the air pollution if adding R&D expenditures,while the off-centre-position industrial sectors may aggravate pollution indirectly;(3)the unit output of industrial sectors which closely link with others will trigger more serious air pollution.

〔Key words〕air pollution;industrial sector;complex network;K-core;STIRPAT model;industrial output per capita

(责任编辑：王平)

作者简介：吕康娟，上海大学悉尼工商学院常务副院长，教授，博士。研究方向：城市经济管理、空间经济、企业管理。王梦怡，上海大学悉尼工商学院研究生。研究方向：产业经济。吴涛，上海大学悉尼工商学院研究生。研究方向：产业经济。

基金项目：上海市哲学社会科学规划基金“上海细分产业部门环境污染的结构效应研究”(项目编号：2013BCK002)。

收稿日期：2015—09—03

中图分类号〔〕F124.3〔

文献标识码〕A

DOI：10．3969/j．issn．1004-910X．2016．02．016