中国经济增长与工业污染互动关系研究
时间：2021-01-27 04:00:16 来源：雅意学习网 本文已影响 人 
摘 要：可持续发展系统由环境、经济与社会构成，且三者间长期存在复杂的相互作用与互动关系。本文基于EKC理论研究框架分析中国工业污染与经济增长间的均衡关系，为了提高传统灰色预测模型的精度，借助粒子群优化算法和布谷鸟搜索算法对未来几年内中国工业污染水平进行预测。研究结果表明，近期中国工业污染水平虽整体呈下降趋势，但污染总量和污染水平处于相对高位，这种传统的以环境代价换取经济增长的发展模式将在未来对中国的环境质量产生负面影响。研究成果将为政府完善宏观经济发展政策和实现可持续发展目标提供科学依据。
关键词：工业污染；经济增长；EKC理论；参数优化算法
中图分类号：F124.1 文献标识码：A 文章编号：1000-176X（2015）06-0019-07
一、引 言
十八大以来，为了增强经济与社会长期发展后劲，中国政府以科学发展为主题，通过鼓励引导社会与企业节约资源和积极参与循环经济发展的方式，有效地推动了经济结构转型。由于中国以高能耗为依托的经济高速增长和生态文明建设与环境治理工作间存在着不和谐甚至是矛盾关系，导致经济繁荣发展的同时，给自然环境带来了严重的污染并造成了巨大的资源浪费[1]。作为世界第二大经济体的中国，在为世界经济发展做出巨大贡献的同时，更应承担相应的环境保护与治理责任。中国应在可持续发展观的指导下，高度重视改善经济增长本身的质量和从本质上杜绝经济增长背后隐藏的环境污染的隐患[2]，力求实现在经济有序增长的同时，有效地培养经济发展与生态环境保护间协调关系的宏伟目标。因此，中国经济发展在从传统粗放型向绿色可持续发展方式转变过程中，应高度注重调整和改善经济发展与环境污染间长期存在的互动关系[3]。政府通过改革和创新，能否将两者关系转变为和谐与正向影响关系是实现经济与社会可持续发展宏伟目标的重要前提。
近几年来，关于经济发展与环境质量的协调关系研究已经成为学术界关注的焦点，围绕经验模型众多学者展开了大量研究，试图验证环境质量与经济发展间存在脱钩关系。胡宗义等[4]采用半参数模型结合中国二氧化碳排放情况对KUC进行了再检验，研究表明现阶段中国经济增长和环境质量间不存在脱钩现象，FDI成为了中国环境质量恶化的显著影响因素。苏为华和张崇辉[5]采用面板数据对中国经济增长与环境质量间的互动关系进行分析，在利用聚类分析克服KUC同质假说的基础上，验证了环境质量与经济发展间存在互动关系，不同聚类分组模式下经济与环境间互动关系也呈现多样性，不同区域环境质量与经济发展间的脱钩程度及方向存在着不一致。Hsiap和Chung[6]利用协整模型对EKC理论的适用性进行了再检验，结果表明巴西二氧化碳排放量和能源消耗量都分别与经济增长存在脱钩现象，充分验证了EKC理论在巴西的适用性，并在此基础上利用灰色预测和ARIMA模型对未来几年巴西的能源消耗量和二氧化碳排放量进行了预测研究。在后续研究中，Hsiap和Chung[7]利用面板数据模型对“金砖四国”的KCU进行了再检验和比较，研究表明经济增长与FDI和二氧化碳排放量间互为因果关系，“金砖国家”环境污染与经济增长间的脱钩现象并不明显。
综上所述，大多数学者对EKC理论的适用性进行了再检验，借此分析经济发展对环境质量的影响程度。对现有实证性研究成果对比发现，虽然由于选取的研究对象、环境指标和曲线拟合方法各不相同，直接导致研究结果验证的环境质量与经济发展脱钩程度也呈现出不同的状态，甚至出现了背离EKC理论的情况，但大多学者基本上肯定了经济发展过程中EKC理论存在的事实。也就是说即使现阶段没有出现环境质量与经济发展的脱钩现象，但在未来发展过程中经济与环境间也将会出现脱钩趋势。综上所述，前期研究方式主要归为两类：一是围绕着EKC理论的适应性进行再检验，并试图解释EKC理论的形成原因；二是在曲线拟合的基础上，通过相关预测方法对未来几年内环境质量水平进行推算，为宏观经济政策的调整提供科学合理依据。对比以上两种研究方式，前者比较注重对EKC理论的解释，而后者则更加注重为宏观政策调整提供现实性的实证依据和相关数据基础。
2013年，中国废水排放量695亿吨，工业废水排放量210亿吨，占废水排放总量的30%；二氧化硫排放量2 044万吨，工业二氧化硫排放量1 835万吨，占二氧化硫排放总量的90%；烟（粉）尘排放量1 278万吨，工业烟（粉）尘排放量1 095万吨，占烟（粉）尘排放总量的86%。由此可见，工业污染已经成为导致中国环境质量下降的重要因素。因此，研究分析中国经济发展与工业污染间的长期均衡关系对社会的可持续发展具有较强的现实意义。本文高度重视科研成果的转化率和实用性，为了提高未来对中国工业污染水平的预测精度和为政府调整与完善宏观经济发展政策提供准确的科学数据，本文将借助参数优化算法改进传统预测模型并进行精确度较高的检验。
二、模型设定和数据说明
（一）模型设定
本文的研究思路是在借助EKC理论研究中国经济增长与工业污染间的互动关系的基础上，对未来中国工业污染的水平进行预测。本文将通过协整模型对经济增长与工业污染间的长期均衡关系进行检验，并通过误差修正模型对协整检验结果中偏离长期均衡关系的短期波动进行修正；在验证中国经济增长与工业污染协整关系基础上，借助不同的参数优化算法优化灰色预测模型以提高预测精度，通过比较分析对未来几年中国工业污染水平进行预测。本文分别采用了粒子群参数优化算法和布谷鸟参数优化算法。
1.粒子群优化算法
粒子群优化算法（Particle Swarm Optimization，PSO）是一种基于鸟群捕食行为研究的现代启发式优化技术，PSO的不断修正和迭代计算方式使之成为研究非线性回归优化问题最有效的方法之一。PSO从生物种群行为特征中获得启发并用来解决优化问题。在PSO中，待优化问题的潜在解被想象成n维搜索空间中的某个粒子，每个粒子的搜索方向和距离都由相应的目标函数来决定。
