本站小編為你精心準備了工業化對環境效應影響參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《資源開發與市場雜志》2015年第八期

1模型設定、指標選擇與數據來源

1．1VAR模型設定及脈沖響應函數向量自回歸模型(VAR模型)的優勢在于不用判斷是否為內外生變量，通過將系統中每一個內生變量作為系統中所有內生變量滯后值的函數來構造模型，從而將單變量自回歸推廣到由多元時間序列變量組成的向量自回歸模型。當變量是非平穩時間序列時，基于VAR模型進行的協整檢驗是可靠的。本文對處在同一工業化階段的環境質量進行研究，通常將含有n個變量、滯后p期的VAR模型定義。脈沖響應函數用于衡量某個內生變量隨機擾動項的一個標準差沖擊對VAR模型所有內生變量的當前值和未來值所造成的影響，對第i除了影響自身，還會通過動態滯后結構對其他的內生變量進行傳導。在計算時給一個變量的擾動項一個沖擊，那么也影響了其他擾動項，得到的結果再沖擊引起下一期值的變化。隨著時間的推移，擾動的最初影響在VAR模型中擴散引起模型中所有內生變量的變化。

1．2指標選擇與數據來源參照已有的工業化指標體系，選擇相關工業發展指標且與環境質量有關的變量:人均GDP、三產業結構比、工業環境污染的廢水中化學需氧量排放量(COD)、廢氣中二氧化硫(SO2)、工業環境治理的投資(EINVEST)、規模以上工業企業單位數(NIE)。對上述的經濟的時間序列數據取自然對數，這樣變換后可減少異方差，不會改變各經濟的時間序列數據特征。因此，在所有變量前加上LN表示相應的數據經過對數轉換為新變量，分析結果具有合理的經濟意義。人均GDP取對數即為LNAGDP，三次產業比對數變換為LNIND1、LNIND2、LNIND3，避免模型信息的重疊性，選取第二產業比重進入模型，廢水中化學需氧量排放量(COD)取對數變換為LNCOD，廢氣中二氧化硫(SO2)取對數變換為LNSO2，工業環境治理投資(EI)取對數變換為LNEI，規模以上工業企業單位數(NIE)取對數變換為LNNIE。考慮數據的可得性和統一性，在處理工業化發展的環境效應方面，選用的數據主要來源于歷年《中國統計年鑒》、《中國環境統計年鑒》、國研網數據庫、國家統計局網站和2004—2012年各省的統計年鑒等。

2模型檢驗、估計與結果分析

2．1單位根檢驗由于經濟時間序列變量會表現出非平穩的特征，為了避免“偽回歸”問題的產生，減少模型估計的系統性偏誤，需要在建立模型之前檢驗變量的平穩性，使研究結論具有廣泛性。通常情況下是用增廣的Dickey－Fuller(ADF)單位根檢驗方法來檢驗數據的平穩性。先設定一個原假設，原假設的假設序列存在一個單位根，再進行檢驗。如果ADF統計量很顯著，則拒絕原假設，認為數據是平穩的;否則，接受原假設，認為數據存在一個單位根，數據是不平穩的。運用Eviews6．0軟件對上面六個變量進行單位根檢驗，ADF單位根平穩性檢驗見表1。從表1平穩性檢驗結果可見，LNAGDP、LNIND2、LNCOD、LNSO2、LNEI、LNNIE在各顯著水平上均是非平穩的。當進行一階差分后，在95%的置信區間內可拒絕存在單位根的原假設，即它們的差分序列都是平穩的，都是一階單整數列，滿足協整檢驗條件。

2．2Johansen協整檢驗協整檢驗一般是用來檢驗變量間是否存在長期均衡關系，如果非平穩變量的某種線性組合是平穩的，則稱這些變量序列間有協整關系存在，即變量間存在長期均衡關系［13］。上述ADF平穩性檢驗得到的差分序列均為平穩序列;進一步做協整檢驗，采用Johansen特征根跡檢驗，結果表明在5%的顯著性水平下，拒絕原假設，意味著變量DLNAGDP、DLNIND2、DLNCOD、DLNSO2、DLNEI、DLNNIE之間存在協整關系，即存在一種長期均衡。協整檢驗結果見表2。

2．3VAR模型建立與估計根據AIC、SC準則，滯后階數的選取上以二階滯后為最優，因此確定建立的VAR模型滯后階數為二階滯后。對VAR模型進行參數估計，得到環境質量與經濟增長的相互效應影響的VAR模型的估計結果。VAR模型的擬合優度為0．95386，擬合效果較好。根據估計出VAR模型根的模可知，所有根的模都小于1，即AR的特征根的倒數都在單位圓內，體現了VAR(2)的穩定性，因此用脈沖響應函數來分析模型中內生變量對其他內生變量的擾動所做出的反應。

2．4脈沖響應函數分析圖1分別表示各工業環境污染指標對工業環境治理變化的響應函數圖。其中，縱軸為彈性大小，橫軸為滯后期間數。結果表明，當在本期給工業環境污染一個正的沖擊，在第一期對工業環境治理有一負影響;在第二期變為正值，在第三期達到正的影響最大，而后開始下降，到第五期以后逐漸趨向于零，并沒有明顯的上升或下降趨勢，整個呈現“N”型波動。說明給工業環境污染一個正的沖擊，工業環境治理呈現出上升狀態，工業環境污染對環境治理具有促進和持續效應。在本期給工業環境污染一個正的沖擊，在第一期對工業結構有一個負的影響，在第二期達到負影響的高峰，到第四期之后影響變為正值，而后逐漸減弱，呈現“一負一正”的波動趨勢。從中可得出:隨著時間的推移，這種沖擊造成的影響逐漸減少，最終環境污染指標穩定在零增長率這一均衡水平。

3結論和啟示

從VAR模型中可見，在工業規模、工業環境治理、工業結構、工業環境污染和經濟增長這些指標的相互作用下，工業規模DLNNIE對環境污染指標DLNCOD的影響率為－0．7439，對環境污染指標DLNSO2的影響率為－0．8436，表明工業企業規模的增多對環境污染有著促進作用，導致環境污染更加嚴重。工業結構的影響與工業規模大致相同，工業結構與工業環境治理呈正向關系，說明工業的任何一方面的擴大都會導致工業環境治理的成本增加。因此，調整工業結構、加快工業新型化建設，才能為經濟發展提供保障。

基于以上分析，針對我國各省份所處的工業化階段，要遵循“削減總量、改善質量、防范風險”的原則和相關要求，控制工業化進程中主要污染物排放總量，做好工業污染源治理的工作，增加環境治理投資，加快工業結構調整，使環保能力得到提升。主要重視以下幾個方面:①調整優化產業結構，發展新型化產業。在遵循產業結構變動規律的前提下，發展第二產業，促進第一產業、第三產業的大力發展，實現產業結構的平衡。近幾年，我國第三產業比重的增加，大大降低了對環境的依存度。隨著第二產業的增加，工業污染水平增加，雖然這些產業能促進經濟的迅速發展，但仍需要合理保持第二產業在生產總值中的比重，避免東中部地區高污染、高能耗的產業向西部地區轉移。因為這些大型重工業給經濟發展帶來機遇，但超出了環境凈化能力，給環境造成越來越大的壓力。因此，一方面需要減少高污染型產業，另一方面需要優化產業結構，從污染密集型產業向技術密集型產業轉變，發展新型化產業，減少對環境的依賴程度。②提高工業環境治理投資水平。工業環境治理投資水平是衡量環境治理力度的重要指標之一。雖然國家在工業治理投資上的投入每年有增長，但不同區域環境承載能力不同，環境污染排放量不同，導致工業環境治理水平也不同，尤其是西部地區生態環境脆弱，自我修復能力差，仍然使用落后高耗能的治理技術，利用工業環境治理投資的效率都非常低，所以要重視工業環境治理投資的效率，發揮投資能力在環境治理方面的作用。③轉變經濟發展方式，以低能耗、低污染、低排放為基礎，把節能減排作為經濟轉變發展方式的突破口，在發展工業時應注重經濟增長效率、經濟增長質量和環境效益，同時大力發展循環經濟。對工業化發展較緩慢的地區可借鑒工業程度較高地區的經驗，改變粗放型增長方式，轉變為低排放、低消耗、高效率的循環經濟模式。④加強科技投入，提高生產效率。在工業化的進程中，科技水平的提高會使生產力得到發展，社會進步，但會帶來環境污染。科技創新會使環境污染物減少，在工業結構、環境污染、科技進步三者相互影響和相互作用中，增加科技投入會提高企業的生產效率，所以加強高科技投入力度，提高資源利用率，以達到減排的效果。

作者：張瑞萍 單位：甘肅省循環經濟與可持續發展法制研究中心