【文章內(nèi)容簡(jiǎn)介】 ymbol of Environmental Quality Indicators　環(huán)境質(zhì)量指標(biāo)單位本文采用記號(hào)1工業(yè)廢水排放量噸/萬人INDWATER2工業(yè)二氧化硫排放量噸/萬人INDSO23工業(yè)煙塵排放量噸/萬人INDSMOKE4工業(yè)粉塵排放量噸/萬人INDDUST5工業(yè)固體廢物排放量噸/萬人INDSOLID數(shù)據(jù)來源：《中國(guó)統(tǒng)計(jì)年鑒》與《中國(guó)環(huán)境年鑒》，1991年—2008年各期。影響環(huán)境質(zhì)量的其他控制變量：GDP是環(huán)境質(zhì)量的最主要影響因素，除了GDP外，還有很多因素對(duì)環(huán)境質(zhì)量起著很大的影響作用。根據(jù)國(guó)內(nèi)外專家學(xué)者的相關(guān)文獻(xiàn)，把人口規(guī)模、貿(mào)易開放及產(chǎn)業(yè)結(jié)構(gòu)調(diào)整當(dāng)作控制變量納入模型中，這些因素可能會(huì)對(duì)環(huán)境質(zhì)量產(chǎn)生影響，通過深入分析這些因素對(duì)環(huán)境質(zhì)量的影響作用，從而為政策制定者提供有用的參考意見。人口規(guī)模。Grossman 和 Krueger首先指出人口規(guī)模對(duì)環(huán)境質(zhì)量的影響，從總量上來看，顯然某一地區(qū)人口規(guī)模越大，意味著該地區(qū)與環(huán)境污染相關(guān)的生產(chǎn)、消費(fèi)活動(dòng)也相應(yīng)越多，即人口規(guī)模對(duì)污染排放總量存在正的規(guī)模效應(yīng)。相關(guān)文獻(xiàn)采用的環(huán)境質(zhì)量指標(biāo)大多是總量性指標(biāo)，因而大多都得到了正的規(guī)模效應(yīng)的結(jié)論，而本文環(huán)境質(zhì)量指標(biāo)都經(jīng)過人均化處理，從人均化角度進(jìn)行分析二者的相互關(guān)系可能得到不同的結(jié)論。從人均角度來看，某一地區(qū)人口規(guī)模越大，人口密度越大，可能會(huì)有利于人均污染排放的降低，從而說明城市化有利于改善環(huán)境質(zhì)量。本文用人口密度來度量人口規(guī)模效應(yīng)，即某地區(qū)的人口密度等于人口總數(shù)與該地區(qū)面積之比，單位為萬人每平方公里，記為DENOFPOP，數(shù)據(jù)根據(jù)相應(yīng)各期《中國(guó)統(tǒng)計(jì)年鑒》計(jì)算而得。貿(mào)易開放。根據(jù)比較優(yōu)勢(shì)原理，國(guó)際貿(mào)易對(duì)環(huán)境質(zhì)量的影響是污染密集型產(chǎn)業(yè)，這些產(chǎn)業(yè)將由發(fā)達(dá)國(guó)家轉(zhuǎn)移到發(fā)展中國(guó)家，或是由環(huán)境管制較強(qiáng)的國(guó)家轉(zhuǎn)移到管制較弱的國(guó)家（Copeland and Taylor，1995）。因此，環(huán)境與收入曲線實(shí)際上反映的是專業(yè)化分工模式的不同，發(fā)達(dá)國(guó)家專業(yè)化生產(chǎn)污染較低的產(chǎn)品，而發(fā)展中國(guó)家則專業(yè)化生產(chǎn)資源、能源密集型產(chǎn)品。因此，存在國(guó)際貿(mào)易對(duì)環(huán)境污染活動(dòng)的“替代效應(yīng)”，不同的地區(qū)的貿(mào)易開放程度對(duì)環(huán)境質(zhì)量可能會(huì)產(chǎn)生影響作用，因而有必要深入分析貿(mào)易開放程度對(duì)環(huán)境質(zhì)量的影響方式。本文用進(jìn)出口額（經(jīng)過人均化處理）（記為IMPANDEXP），即對(duì)各地區(qū)進(jìn)出口總額除以總?cè)藛T，來度量貿(mào)易開放的環(huán)境效應(yīng)，數(shù)據(jù)根據(jù)相應(yīng)各期《中國(guó)統(tǒng)計(jì)年鑒》計(jì)算而得。產(chǎn)業(yè)結(jié)構(gòu)變化。環(huán)境與收入曲線的產(chǎn)生與變化各和產(chǎn)業(yè)結(jié)構(gòu)調(diào)整存在密切的關(guān)系，產(chǎn)業(yè)結(jié)構(gòu)的變化會(huì)對(duì)環(huán)境質(zhì)量產(chǎn)生影響作用。經(jīng)濟(jì)發(fā)展初期階段的經(jīng)濟(jì)起飛往往意味著工業(yè)在國(guó)民經(jīng)濟(jì)中的比重迅速上升，而工業(yè)化往往意味著對(duì)自然資源的過度采伐以及廢棄排放物的迅速增加。隨著經(jīng)濟(jì)增長(zhǎng)方式的轉(zhuǎn)變、產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整與優(yōu)化，工業(yè)在產(chǎn)業(yè)結(jié)構(gòu)中的比重將不再上升甚至下降，而服務(wù)業(yè)比重將上升。這一階段的經(jīng)濟(jì)發(fā)展將不再過于依賴資源的開采、能源品的消耗，而是技術(shù)革新、生產(chǎn)率提高以及管理、組織形式的創(chuàng)新，可以大大緩解工業(yè)生產(chǎn)的環(huán)保壓力，從而有利于環(huán)境質(zhì)量的改善。本文同時(shí)用農(nóng)業(yè)占GDP的比重、工業(yè)占GDP的比重來度量產(chǎn)業(yè)結(jié)構(gòu)變化的環(huán)境效應(yīng)（分別記為SHAREONE、SHARETWO），數(shù)據(jù)來源于《中國(guó)統(tǒng)計(jì)年鑒》相應(yīng)各期。 單位根與協(xié)整檢驗(yàn)面板數(shù)據(jù)模型在進(jìn)行回歸前需檢驗(yàn)數(shù)據(jù)的平穩(wěn)性。李子奈曾指出，一些非平穩(wěn)的經(jīng)濟(jì)時(shí)間序列往往表現(xiàn)出共同的變化趨勢(shì)，而這些序列間本身不一定有直接的關(guān)聯(lián)。李子奈認(rèn)為一個(gè)序列在剔除了不變的均值（可視為截距）和時(shí)間趨勢(shì)以后，剩余的序列要為零均值，同方差，即白噪聲，才是平穩(wěn)的。因此為了避免偽回歸，確保估計(jì)結(jié)果的有效性，我們必須對(duì)各序列進(jìn)行平穩(wěn)性檢驗(yàn)。而檢驗(yàn)數(shù)據(jù)平穩(wěn)性最常用的辦法就是單位根檢驗(yàn)。在非平穩(wěn)的面板數(shù)據(jù)漸進(jìn)過程中，Levin 和 Lin(1993)發(fā)現(xiàn)這些估計(jì)量的極限分布是高斯分布，并建立了對(duì)面板數(shù)據(jù)進(jìn)行單位根檢驗(yàn)的早期版本。后來經(jīng)過Levin et al. (2002)的改進(jìn)，提出了檢驗(yàn)面板單位根的LLC 法，該方法允許不同截距、時(shí)間趨勢(shì)、異方差以及高階序列相關(guān)，適合于中等維度(時(shí)間序列介于25～250 之間，截面數(shù)介于10～250 之間) 的面板單位根檢驗(yàn)。Im et al. (1997) 還提出了檢驗(yàn)面板單位根的IPS 法，但Breitung(2000) 發(fā)現(xiàn)IPS 法對(duì)限定性趨勢(shì)的設(shè)定極為敏感，并提出了面板單位根檢驗(yàn)的Breitung 法。Maddala and Wu(1999)又提出了ADFFisher和PPFisher面板單位根檢驗(yàn)方法。由上述可知，可以使用LLC、IPS、Breintung、ADFFisher 和PPFisher 5種方法進(jìn)行面板單位根檢驗(yàn)。此外，單位根檢驗(yàn)一般是先從水平（level）序列開始檢驗(yàn)起，如果存在單位根，則對(duì)該序列進(jìn)行一階差分后繼續(xù)檢驗(yàn)，若仍存在單位根，則進(jìn)行二階甚至高階差分后檢驗(yàn)，直至序列平穩(wěn)為止。如果基于單位根檢驗(yàn)的結(jié)果發(fā)現(xiàn)變量之間是同階單整的，那么我們可以進(jìn)行協(xié)整檢驗(yàn)。協(xié)整檢驗(yàn)是考察變量間長(zhǎng)期均衡關(guān)系的方法。所謂的協(xié)整是指若兩個(gè)或多個(gè)非平穩(wěn)的變量序列，其某個(gè)線性組合后的序列呈平穩(wěn)性，此時(shí)我們稱這些變量序列間有協(xié)整關(guān)系存在。 單位根檢驗(yàn)原理面板單位根檢驗(yàn)都是采用顯著性檢驗(yàn)法。顯著性檢驗(yàn)法是利用樣本結(jié)果，來證實(shí)原假設(shè)真?zhèn)蔚囊环N檢驗(yàn)程序。顯著性檢驗(yàn)的基本思想在于構(gòu)造一個(gè)檢驗(yàn)統(tǒng)計(jì)量，研究在原假設(shè)下這個(gè)統(tǒng)計(jì)量的抽樣分布，最后根據(jù)數(shù)據(jù)算出的統(tǒng)計(jì)量決定是否接受原假設(shè)。面板數(shù)據(jù)的單位根檢驗(yàn)方法劃分為兩大類，一類為相同根情形下的單位根檢驗(yàn)，這類檢驗(yàn)方法假設(shè)面板數(shù)據(jù)中各截面序列具有相同的單位根過程，包括LLC檢驗(yàn)（即Levin Lin – Chu檢驗(yàn)）、Breitung檢驗(yàn)與Hadri檢驗(yàn)；另一類為不同根情形下的單位根檢驗(yàn)，這類檢驗(yàn)方法允許面板數(shù)據(jù)中各截面序列具有不同的單位根過程，包括IPS檢驗(yàn)（即ImPesaranSkin檢驗(yàn)）、FisherADF檢驗(yàn)與FisherPP檢驗(yàn)。下面簡(jiǎn)要地介紹下單位根檢驗(yàn)各種方法的相關(guān)原理。 LLC（LevinLinChu）檢驗(yàn) LLC檢驗(yàn)是在Quah檢驗(yàn)及LL檢驗(yàn)基礎(chǔ)上發(fā)展越來的，適用于相同根的情形。LLC檢驗(yàn)采用ADF 檢驗(yàn)式形式，先從和中剔出自相關(guān)和確定項(xiàng)的影響，并使其標(biāo)準(zhǔn)化，成為代理變量；接著用代理變量做ADF 回歸， LLC修正的統(tǒng)計(jì)量漸近地服從標(biāo)準(zhǔn)正態(tài)分布。具體分析步驟如下：H0：p = 0（存在單位根） H1：p 0 LLC 檢驗(yàn)以如下 ADF 檢驗(yàn)式為基礎(chǔ)： （）其中 Zit 表示外生變量（確定性變量）列向量，f 表示回歸系數(shù)列向量。先估計(jì)代理變量。首先確定附加項(xiàng)個(gè)數(shù) kI，然后作如下兩個(gè)回歸式， （）移項(xiàng)得：， （）把標(biāo)準(zhǔn)化， （） 其中 si, i = 1, 2, …, N ，從而得到和 的代理變量。用代理變量作如下回歸， （）LLC證明，上式中估計(jì)量的如下修正的統(tǒng)計(jì)量漸近地服從標(biāo)準(zhǔn)正態(tài)分布。 （）其中表示標(biāo)準(zhǔn)的統(tǒng)計(jì)量；N是截面成員數(shù)；；T為年份數(shù)；SN是每個(gè)個(gè)體長(zhǎng)期標(biāo)準(zhǔn)差與新息標(biāo)準(zhǔn)差之比的平均值；是誤差項(xiàng)的方差；是標(biāo)準(zhǔn)差；分別是均值和標(biāo)準(zhǔn)差的調(diào)整項(xiàng)。 Hadri檢驗(yàn)Hadri檢驗(yàn)的原假設(shè)是面板中的序列都不含有單位根，計(jì)算步驟是用原面板數(shù)據(jù)的退勢(shì)序列（殘差）建立LM統(tǒng)計(jì)量。退勢(shì)回歸是 （）利用上式中的殘差計(jì)算如下LM統(tǒng)計(jì)量， （）其中是殘差累積函數(shù)，是頻率為零時(shí)的殘差譜密度。Hadri給出，在一般假定條件下 （）其中a=1/6，b=1/45。 IPS（ImPesaranShin）檢驗(yàn)IPS檢驗(yàn)克服了LL檢驗(yàn)的缺陷，允許面板中不同個(gè)體的不同，適用于不同根的檢驗(yàn)。IPS原假設(shè)與備擇假設(shè)如下： IPS檢驗(yàn)式是 （）。計(jì)算平均值。構(gòu)造IPS檢驗(yàn)的統(tǒng)計(jì)量。 （）漸近服從N（0,1）分布，臨界值與N、T以及檢驗(yàn)式中是否含有確定項(xiàng)有關(guān)系，IPS檢驗(yàn)為左單端檢驗(yàn)。 FisherADF檢驗(yàn)IPS檢驗(yàn)和LL檢驗(yàn)的缺陷只適合平衡面板數(shù)據(jù)，為解決此問題，MaddalaWu（1997）提出了組合值檢驗(yàn)。崔仁（2001）提出了兩種組合值檢驗(yàn)統(tǒng)計(jì)量，這兩種方法都是從Fisher原理出發(fā)，首先對(duì)每個(gè)個(gè)體進(jìn)行ADF檢驗(yàn)，用ADF檢驗(yàn)統(tǒng)計(jì)量所對(duì)應(yīng)的概率的和構(gòu)造ADFFisher各ADFChoi Z統(tǒng)計(jì)量。原假設(shè)是H0存在單位根，在原假設(shè)條件下， （） （）其中表示標(biāo)準(zhǔn)正態(tài)分布累計(jì)函數(shù)的反函數(shù)。 協(xié)整檢驗(yàn)原理 協(xié)整檢驗(yàn)的分類面板數(shù)據(jù)模型的協(xié)整檢驗(yàn)按方法可分為兩類，一是由EG（EngleGranger）兩步法推廣而成的面板數(shù)據(jù)協(xié)整檢驗(yàn)方法，如Pedroni 協(xié)整檢驗(yàn)法、Kao 協(xié)整檢驗(yàn)法；二是由Johansen 跡統(tǒng)計(jì)量推廣而成的面板數(shù)據(jù)協(xié)整檢驗(yàn)方法。如Fisher 協(xié)整檢驗(yàn)法。面板數(shù)據(jù)模型的協(xié)整檢驗(yàn)按原假設(shè)不同分為兩類，一是原假設(shè)為“不存在協(xié)整關(guān)系”。如Pedroni 協(xié)整檢驗(yàn)法、Kao 協(xié)整檢驗(yàn)法；二是原假設(shè)為“存在協(xié)整關(guān)系”，如Choi 協(xié)整檢驗(yàn)法。用于協(xié)整檢驗(yàn)的方法有許多，而且隨著計(jì)量經(jīng)濟(jì)學(xué)的不斷發(fā)展，不斷涌現(xiàn)新的協(xié)整檢驗(yàn)方法。本文限于篇幅，只介紹最為常用的，也是本文用于協(xié)整檢驗(yàn)的Pedroni 協(xié)整檢驗(yàn)。 Pedroni 協(xié)整檢驗(yàn)Pedroni(2003)協(xié)整檢驗(yàn)法是由EG（EngleGranger）兩步法推廣而成的面板數(shù)據(jù)協(xié)整檢驗(yàn)方法，原假設(shè)為“不存在協(xié)整關(guān)系”，允許截距及時(shí)間趨勢(shì)，并適用于非平衡面板數(shù)據(jù)，該方法有很強(qiáng)的適用性。具體來說，協(xié)整方程的殘差： （）其中在原假設(shè)下，定義這里過程滿足： （） 是向量布朗運(yùn)動(dòng)，其漸近方差為，其中0。對(duì)于所有i，都定義為相同的概率空間，并且，對(duì)所有s ,t 當(dāng)時(shí)。因而過程加上截面獨(dú)立，但允許數(shù)據(jù)存在一定范圍的時(shí)間依賴。在這些假設(shè)下，Pedroni 檢驗(yàn)討論了Panel Data的7個(gè)協(xié)整統(tǒng)計(jì)，其中4個(gè)是用聯(lián)合組內(nèi)尺度描述，另外3個(gè)是用組間尺度來描述，作為組平均Panel Data協(xié)整統(tǒng)計(jì)量，在第一類四個(gè)檢驗(yàn)中三個(gè)涉及到使用為人所知的Phillips和Perron (1988)工作中的非參修正，第四個(gè)是基于ADF的參數(shù)檢驗(yàn)，在第二類三個(gè)中的第二個(gè)使用非參修正，而第三個(gè)再一次用了ADF 檢驗(yàn)。如果我們用表示在第i單位橫截面的殘差自回歸系數(shù)，則第一類檢驗(yàn)使用下面特定的原假設(shè)和備擇假設(shè)：對(duì)所有的i，H0：=1；H1：=1 第二類檢驗(yàn)使用下面特定的原假設(shè)和備擇假設(shè)：對(duì)所有的i，H0：=1；H1：1 下面我們以第二個(gè)組內(nèi)尺度的檢驗(yàn)，被稱為Panelρ統(tǒng)計(jì)量為例，來說明Pedroni的協(xié)整檢驗(yàn)方法，其它檢驗(yàn)可以參見Pedroni(1999)文章，這個(gè)非參統(tǒng)計(jì)檢驗(yàn)要求估計(jì)和長(zhǎng)期，這里： （），這個(gè)參數(shù)檢驗(yàn)要估計(jì)： （）使用殘差去估計(jì)他們的方差， 為白噪聲，這接下面一步是完成構(gòu)造Panel ρ－統(tǒng)計(jì)量，并得到殘差，然后，： （）殘差被用來計(jì)算估計(jì)，記為，利用諸如NeweyWest估計(jì)從 中得到： （），是簡(jiǎn)單方差（忽略截面相關(guān)），Panelρ－統(tǒng)計(jì)量為： （）為了定義適合于推斷的統(tǒng)計(jì)量，一個(gè)基于布朗函數(shù)的向量矩又一次要求用V和W作為互相獨(dú)立標(biāo)準(zhǔn)布朗運(yùn)動(dòng)過程，其維度分別為l和M ，定義： （） （）布朗函數(shù)的向量為： （）用 表示這些函數(shù)平均數(shù)的向量，即： （）的方差一協(xié)方差矩陣， ，表示中的上子矩陣且定義： （）Pedroni證明：在H0下： （）這個(gè)統(tǒng)計(jì)量在備擇假設(shè)下趨于負(fù)無窮大，因而提供了一個(gè)一致檢驗(yàn)，即用大的負(fù)值來拒絕原假設(shè)——無協(xié)整，Pedroni指出每一個(gè)標(biāo)準(zhǔn)化統(tǒng)計(jì)量均趨于一個(gè)正態(tài)分布： （）、自變量的個(gè)數(shù)M以及是否包括個(gè)體特定的常數(shù)和（或）趨勢(shì)。Pedroni（1995）給出了各種情況下蒙特卡洛模擬結(jié)果，并在1999年給出利用這些模擬結(jié)果構(gòu)造的近似判別值。 檢驗(yàn)結(jié)果說明 單位根檢驗(yàn)結(jié)果根據(jù)前面介紹的單位根檢驗(yàn)