《实证判定西部地区生态环境与贫困减缓的关系》由会员分享，可在线阅读，更多相关《实证判定西部地区生态环境与贫困减缓的关系（11页珍藏版）》请在金锄头文库上搜索。
1、实证判定西部地区生态环境与贫困减缓的关系 引言西部地区同时面临着生态保护和贫困减缓的双重目标。2000 2010 年西部地区贫困减缓和以碳排放量为表征的生态环境恶化在时间上同时出现，西部地区城乡贫困减缓的同时，西部地区每万元 GDP 碳排放年均增长率为 8 58%、人均碳排放年均增长率为 13. 2%。这表明西部地区存在着以生态破坏为代价换取短期减贫效果的可能。为了更好地设定政策选择的盯住目标，需要从理论上厘定贫困与生态环境的关联机制。Carr，Kettle 和Hoskins(2009)认为贫困与环境问题的理论关联可以追溯到 18 世纪，即马尔萨斯所说的贫困人口的短视将会导致生态恶化;，并且涉
2、及两者关联的文章在 20 世纪 90 年代之后大量出现，但是现有研究对贫困与生态环境的关系有不同的看法。有研究认为贫困问题将会导致环境恶化，但也有学者通过案例研究认为贫困人口更为关注环境保护，并且贫困人口受环境破坏的影响更大。除此之外，也有观点认为环境和贫困的关系并非因果关联，而是两者彼此影响的循环关系，并且两者的理论关联需要以贫困和生态环境的客观统一界定作为前提。Broad(1994)发现很多贫困者实际上是环境保护者，她认为广义的贫困人口应该进一步分为一般贫困人口和深度贫困人口，深度贫困人口更有可能因为生计的问题破坏环境。Reardon 和 Vosti(1995)的观点与 Broad 相似，
3、都认为不同的贫困类型与不同的生态环境问题会导致贫困与生态环境产生不同的关联。他们将贫困分为投资贫困和福利贫困两种类型，生态环境的变化将会对不同的贫困类型产生影响。Reardon和 Vosti(1995) 认为生态环境和贫困的关联机制受如下几个因素的影响: 贫困程度、贫困类型、生态环境问题的类型、贫困的分布结构。因此他们认为两者并不存在某种普适的关系，政策实践应该充分考虑两者关联的多样性属性，两者关系的检验应该置于特定的环境和特定的贫困水平下进行。Jehan 和 Umana(2003)将贫困和生态环境的关联定义为双向关系，即生态环境能够影响贫困，同时贫困也会对生态环境产生影响，他们总结了贫困与生
4、态环境关联的四种主要理论，分别是:螺旋下降假说、环境库兹涅茨曲线、Beckerman 假说以及 Poter 假说。对于西部地区而言，生态环境和贫困减缓的理论关联也存在现有分析中识别出的两种机制。首先，西部地区的贫困主要是指收入贫困和消费贫困，收入的提升是贫困减缓的主要动力来源，西部地区沿着经济增长 要素参与 初次分配 二次分配 收入提升;这一路径实现内生贫困减缓。由于经济基础、要素禀赋和产业结构的特殊性，西部地区本地要素投入以中低技能劳动力和自然资源为主，且重工业化的产业结构低技能劳动力吸纳能力较差，因此贫困人口收入提升将更多地依赖消耗自然资源所带来的收入溢出，从而导致西部地区贫困减缓的同时伴
5、随着自然资源的消耗和生态环境的恶化。其次，西部地区经济增长如果形成对自然资源投入的路径依赖，将会锁定本地劳动力的供给质量。同时西部地区普遍处于生态脆弱地区，不存在先污染后治理的客观条件，西部地区在发展过程中必然面临着环境破坏的底线硬约束。一旦环境问题触及生态底线，其经济增长方式将会经历休克式的转型，从依赖自然资源消耗谋取经济增长的产业结构转型为谋求生态环境可持续为盯住目标的经济发展方式，从而导致贫困人口被锁定的劳动力供给质量和新型经济发展方式的不匹配问题，造成贫困人口现有的收入增长模式不可持续，并且贫困人口抵御生态风险的能力更差，从而西部地区贫困人口将会在劳动力供需不匹配以及生态环境风险的双重
6、作用下，加剧贫困深度，从而表现为生态质量下降导致贫困加剧。以上两种机制均为潜在机制和可能关联，可以近似用两阶段环境 贫困 U 型曲线表示，如果西部地区通过自然资源的消耗使得贫困人口收入提升，那么两者的关系处于 U 型曲线的左边; 如果西部地区面临着第二种关联机制的作用，那么生态环境质量的下降将加剧贫困状况，从而处于 U 型曲线的右边。西部地区生态环境与贫困减缓的关系取决于西部地区现行的经济增长方式、劳动力的供给情况以及生态环境质量的变动情况。接下来，本文将通过实证分析判定西部地区生态环境与贫困减缓的关系，分析西部地区是否通过自然资源的消耗获得了更广范围的贫困减缓，还是现有的经济增长方式使得西部
7、地区贫困人口已经经过了最初的正向促进阶段。这两种不同阶段的判定将产生截然不同的市场选择和政策导向。一、计量模型设定与变量说明(一) 计量模型设定为了对上述两种关联机制进行识别，本文构建计量模型的思路有二: 第一，对生态环境和贫困减缓的关联机制进行线性判定; 第二，对于生态环境与贫困减缓可能存在的 U 型曲线特征进行实证检验。根据生态环境与贫困的关联机制，两者的线性关系可以表示为:lnpovrt= θ0+ θ1lnco2rt+ υixrit+ urt(1)urt= ηr+ μt+ εrt(2)其中，下标 r 和 t 分别代表省
8、份(自治区) 和年份; pov 为被解释变量，即贫困者收入，用来衡量各地区贫困者的贫困减缓状态，城市贫困者和农村贫困可以分别用 pov_urb 和 pov_rur 表示; co2 是本文的主要解释变量，反映了各省(自治区) 的生态环境状况; xri表示其他控制变量，包括各地区的经济发展水平(gdp_per) 、受教育年限(h) 和基础设施(infra) ; urt综合误差项，包括了地区固定效应(ηr) 、时间效应(μt) 和随机扰动项(εrt) 。根据现有该线性设定在实证检验过程中面临两个方面的问题: 第一，生态环境状况与经济发展水平存在着环境库兹涅茨曲线的内在关
9、联，生态环境和经济发展水平存在内生可能; 第二，现有研究也表明，贫困存在不流动性以及收敛性，即贫困存在跨期相关性。为了防止计量模型出现设定偏误，通过引入被解释变量的滞后项，从而将方程(1) 扩展动态模型。一方面考虑贫困的不流动性和收敛性，另一方面也可以限制模型中经济发展水平和生态环境的内生性问题，从而获得主要解释变量的一致性估计值。基于上述讨论，并借鉴Arellano 和 Bond(1991) 的方法，设立一阶动态自回归模型，将模型(1) 扩展为:lnpovrt= θ0+ θ1lnpovr，t 1+ θ2lnco2rt+ υixrit+ ur
10、t(3)从长期看，由于生态环境和贫困减缓存在 U型变动的可能，为了对现有产业结构和禀赋特征的情况下两者的可能演化趋势进行分析，本文引入生态环境的二次项，从而将模型(3) 进一步扩展为:lnpovrt= θ0+ θ1lnpovr，t 1+ θ2lnco2rt+ θ3lnco22rtυixrit+ urt(4)其中，lnpovr，t 1是被解释变量的一阶滞后项。在后续实证检验部分，我们将重点基于模型(3) 和模型(4) 进行分析。(二) 数据来源与变量说明1 贫困指标。本文用贫困人口收入作为西部地区贫困状况的代理变量，农村贫困来源于采
11、用各相应年份中国贫困监测报告各省区贫困县农民人均纯收入数据，城市贫困采用各省份统计年鉴中按收入等级分最低 20%城镇人口的人均可支配收入。本文所有货币单位数据均以 2000 年为基期进行了价格调整。2 生态环境。生态环境质量可以从三废排放、土地沙漠化、森林覆盖率等多个角度来衡量，但这些不同测度指标之间存在较强的内在相关性。基于数据可得性和指标科学性的思考，我们选择 CO2 排放量作为西部地区生态环境测度的指标，规避各地生态环境的固有差异，仅分析经济活动的能源消耗所产生的 CO2 排放变动。目前中国没有公布省级的 CO2 排放量数据，本文在估算西部地区 CO2 排放量时不但考虑了煤炭、原油和天然
12、气这三种消耗量较大的一次能源的燃烧所产生的 CO2，还同时考虑了水泥生产过程中的 CO2 排放。估算中各能源消费数据来自历年中国能源统计年鉴，水泥生产数据来自历年中国工业经济统计年鉴以及国泰君安金融数据库。2000 2010 年西部地区 CO2 排放量详见表 1 所示。3 受教育年限。受教育年限是本文重点关注解释变量之一。参照单德朋(2012)的做法，使用劳动力平均受教育年限来衡量教育数量。2001 2010 年教育数量数据来自于历年劳动力调查资料和人口普查数据，其中 2000 年数据根据各地区每十万人拥有的各种受教育程度人口;推算而得。平均受教育年限的计算公式为: 不识字人口比重* 0 +
13、小学劳动力比重* 6 + 初中劳动力比重* 9 + 高中劳动力比重* 12 + 中专劳动力人口比重* 12 + 大专劳动力人口比重* 15 + 本科劳动力人口比重* 16 + 研究生劳动力人口比重* 19。4 各省区的经济发展水平能够对贫困者的收入变动产生影响，使用各省区真实人均地区生产总值作为衡量经济发展水平的指标。虽然人均地区生产总值是一个平均概念，受收入分配结构的影响，但现有实证研究已经表明人均地区生产总值能够对贫困减缓产生正向影响，虽然经济增长的减贫弹性存在下降的趋势。5 用每平方公里的公路里程数作为基础设施的衡量指标。基础设施不仅是影响地区经济发展的重要变量，而且能够对贫困人口参与经
14、济活动产生影响。基础设施投资于贫困减缓之间并非简单关联，两者关系还取决于基础设施的类型、新增基础设施的部门。除此之外，基础设施对贫困减缓的作用在短期和中长期有所不同，并受政府管理以及制度的质量影响。该参数估计值符号同样需要通过实证来检验。二、实证检验与结果分析(一) 计量方法与实证分析本文实证检验的基本模型为动态面板模型，为了规避变量跨期相关以及内生性带来的估计偏误，我们使用系统广义距方法(SYS GMM) 对模型(3) 和模型(4) 进行计量检验，并对计量结果进行稳健性检验。首先，我们利用模型(3) 估计西部地区 CO2排放与贫困人口收入的线性关系，并分城镇贫困和乡村贫困进行了比较研究，结果
15、见表 2 和表 3第一列所示。结果表明农村贫困人口收入和西部地区 CO2 排放之间存在正向相关关系，但 CO2 排放与城镇贫困人口收入提升负向相关，城乡贫困模型中 CO2 排放的统计意义和经济意义均不显著。并且贫困滞后项的参数估计值显著为正，表明引入被解释变量滞后项构建动态面板模型是必要的。其次，我们利用模型(4) 对西部地区 CO2 排放与城乡贫困人口收入的 U 型变动可能进行了计量检验，结果见表 2 和表 3 第二列所示，并通过拟合优度和参数估计效率比较模型(3) 和模型(4)的合意性。结果表明引入 CO2 排放二次项之后，主要解释变量的参数估计效率更高。并且贫困的一阶滞后项继续保持统计显著，且体现出贫困人口收入跨期正相关的显著经济意义。再次，为了检验动态面板系统广义距方法的合意性，我们使用 sargan 检验对新增工具变量的有效性进行了检验，结果见表 2 和表 3 最后一行，sargan 检验的原假设 H0 为过度识别约束有效，即新增工具变量有效。结果表明在所有动态面板模型中使用系统广义距方法均无法在常用显著性水平上拒绝新增工具变量有效的原假设。
