-
随着我国工业经济的迅速发展,生态环境保护与经济增长之间的关系权衡成为可持续发展面临的重要问题[1-2]。重工业的发展,使得大量工业污染物排入水环境中,造成生态环境的破坏[3-4]。在研究经济发展与水环境污染关系时,学者通过EKC来反映二者的关系,研究发现二者之间呈现“倒U型”关系[5-6]。在研究中国经济增长与环境污染脱钩关系时,学者们研究发现我国大部分省份表现为强脱钩状态,少数省份则为弱脱钩状态[7]。在研究环境污染的影响因素问题中,国内外学者采用不同的模型实证分析了各影响因素及其影响程度,IPAT及其拓展模型如STIRPAT模型的研究越来越广泛[8-13],其主要应用于碳排放、能源消耗等导致的环境问题方面,在水环境污染驱动力的研究中,有学者利用STIRPAT模型分析了水污染的影响因素及其影响程度[14-15]。但关于我国整体水环境污染影响因素的系统研究较少。
本文根据文献[16-17]研究水污染的指标选取,在STIRPAT模型的基础上加入相关变量,利用我国省市面板数据系统,分析影响水环境污染的各因素影响程度。
基于STIRPAT模型的我国水环境污染影响因素分析
Analysis of influencing factors of water environmental pollution in China based on STIRPAT model
-
摘要: 文章以COD排放量作为我国水环境污染指标,基于STIRPAT模型,选取我国31个省(自治区、直辖市)2008~2017年省际面板数据,通过OLS回归分析方法,对研究区的水环境污染情况及其影响因素进行了研究。结果表明,人口规模、人均GDP、排放强度、产业结构等与COD值之间的关系均为正相关关系,其中,工业产值占GDP的比例越高,对环境造成的压力越大;在影响COD的各项因素中,人口规模的影响程度最大;城市化水平和用水结构与COD值之间为负相关关系。Abstract: In this paper, COD emission is taken as the water environmental pollution index in China. Based on the STIRPAT model, the water environmental pollution and its influencing factors in the study area are analyzed by the OLS regression analysis method with the provincial panel data of 31 provinces (autonomous regions and municipalities directly under the Central Government) from 2008 to 2017. The results show that the relationships among the COD and the population, the per capita GDP, the emission intensity and the industrial structure are positively correlated. The pressure on the environment is greater with the higher proportion of the industrial production to GDP. Among all the factors, the COD is affected mostly by the population. There is a negative correlation between the COD and the urbanization level as well as the water use structure.
-
Key words:
- water environment pollution /
- STIRPAT model /
- influencing factor /
- panel data
-
表 1 水环境污染评价指标体系
准则层 指标层 指标释义 人口的增长 人口规模(P) 年末人口数量 社会经济发展 富裕程度(A) 人均GDP 技术水平(T) 废污水排放强度 城镇化率(ur) 城镇人口占总人口比重 产业结构(cs) 工业产值占GDP比重 居民用水习惯 用水结构(st) 生活用水量占用水总量比重 表 2 LLC检验
变量 水平值 P 结论 lnI(废水) −7.592 58 0.000 0 平稳 lnI(COD) −8.764 50 0.000 0 平稳 lnI(氨氮) −3.286 73 0.016 3 平稳 lnP −4.965 62 0.000 0 平稳 lnA −20.408 7 0.000 0 平稳 lnT −7.353 45 0.000 0 平稳 lnur −10.738 0 0.000 0 平稳 lnst −0.699 5 0.242 1 不平稳 d(lnst) −6.224 83 0.000 0 平稳 lncs 1.640 14 0.949 5 不平稳 d(lncs) −4.869 69 0.000 0 平稳 表 3 废水排放量为因变量的回归结果
lnI(废水) 系数 t P>|t| VIF c 0.020 728 9 −445.23 0.000 − lnP 0.000 454 8 2 203.44 0.000 2.01 lnA 0.001 643 0 609.33 0.000 9.66 lnT 0.001 312 8 761.04 0.000 2.94 lnur 0.002 799 7 −2.12 0.035 7.38 lnst 0.000 548 4 −1.82 0.070 1.56 lncs 0.001 012 5 0.80 0.424 2.13 注:F(6,303)>99 999.00,Prob>F=0.000 0,Adj-R2=1.000 0。 表 4 COD排放量为因变量的回归结果
lnI(COD) 系数 t P>|t| VIF c −11.746 55 22.57 0.000 − lnP 0.862 960 1 4.55 0.000 2.01 lnA 0.626 942 5 4.83 0.000 9.66 lnT 0.532 908 5 −2.24 0.000 2.94 lnur −0.526 334 8 −6.95 0.026 7.38 lnst −0.320 451 8 5.66 0.000 1.56 lncs 0.481 676 3 −6.74 0.000 2.13 注:F(6,303)=236.74,Prob>F=0.000 0,Adj-R2=0.820 7。 表 5 氨氮排放量为因变量的回归结果
lnI(氨氮) 系数 t P>|t| VIF c 7.582 483 1 762.89 0.000 − lnP 0.000 440 2 4.66 0.000 2.01 lnA 0.001 995 7 5.86 0.000 9.66 lnT −0.001 114 2 −4.09 0.000 2.94 lnur −0.001 888 3 −3.25 0.001 7.38 lnst −0.000 345 1 −3.03 0.003 1.56 lncs −0.000 754 4 −3.59 0.000 2.13 注:F(6,303)=56.47,Prob>F=0.000 0,Adj-R2=0.518 6。 -
[1] 马晓明, 张灿, 熊思琴, 等. 中国区域工业环境效率及其影响因素: 基于Super-SBM的实证分析[J]. 生态经济, 2018, 34(11): 96 − 102. [2] 冯颖, 李晓宁, 屈国俊, 等. 中国水环境污染与经济增长关系研究[J]. 西北农林科技大学学报(社会科学版), 2017, 17(6): 66 − 74. [3] 何苏, 王卓, 杨光. 水环境质量影响因素及水生态环境保护措施研究[J]. 科技创新导报, 2020, 17(12): 108 − 109. [4] 刘艳冰, 许文娟. 水环境质量影响因素及水生态环境保护措施[J]. 环境与发展, 2020, 32(5): 195+197. [5] 黄菁. 环境污染与城市经济增长: 基于联立方程的实证分析[J]. 财贸研究, 2010, 21(5): 8 − 16. doi: 10.3969/j.issn.1001-6260.2010.05.002 [6] 罗寅, 刘锡标. 基于联立方程的中国经济增长与环境污染的实证分析[J]. 生产力研究, 2011(7): 90 − 92. [7] 任玉芬, 方文颖, 欧阳志云, 等. 基于面板数据的我国城市水资源水环境随机前沿面分析[J]. 环境科学学报, 2020, 40(7): 2638 − 2643. [8] EHRLICH P R, HOLDREN J P. Impact of population growth[J]. Science, 1971, 171(3977): 1212 − 1217. doi: 10.1126/science.171.3977.1212 [9] 姚懿真, 杨贵羽, 汪林, 等. 基于IPAT模型的河北省灰水足迹分析及预测[J]. 水利水电技术, 2017, 48(11): 36 − 42. [10] 王永刚, 王旭, 孙长虹, 等. IPAT及其扩展模型的应用研究进展[J]. 应用生态学报, 2015, 26(3): 949 − 957. [11] 钟兴菊, 龙少波. 环境影响的IPAT模型再认识[J]. 中国人口·资源与环境, 2016, 26(3): 61 − 68. doi: 10.3969/j.issn.1002-2104.2016.03.008 [12] 王旭, 王永刚, 孙长虹, 等. 社会经济因素对北京市水环境压力的影响: 基于STIRPAT模型[J]. 环境科学与技术, 2015, 38(增2): 48 − 52. [13] 马远. 干旱区城镇化进程对水资源利用效率影响的实证研究——基于DEA模型与IPAT模型[J]. 技术经济, 2016, 35(4): 85 − 90. doi: 10.3969/j.issn.1002-980X.2016.04.013 [14] 史芳, 包景岭, 李燃. 基于STIRPAT模型的天津市水环境污染影响因素分析[J]. 环境监测管理与技术, 2019, 31(6): 64 − 67. [15] 胡家僖, 管宏友. 基于STIRPAT模型和Tapio脱钩模型的废水排放驱动因素研究——以重庆市为例[J]. 环境污染与防治, 2018, 40(3): 355 − 359. [16] 罗昌锋, 王春霞. 可持续发展理念下人口规模、工业经济发展与水污染的关系研究[J]. 湖北农业科学, 2018, 57(7): 131 − 135. [17] 李从欣, 张再生, 李国柱. 中国经济增长和环境污染脱钩关系的实证检验[J]. 统计与决策, 2012(19): 133 − 136. [18] SHAHBAZ M, LOGANATHAN N, SBIA R, R, et al. The effect of urbani-zation, affluence and trade openness on energy consumption: A time series analysis in Malaysia[J]. Renewable and Sustain-able Energy Reviews, 2015, 47(11): 683 − 693. [19] HOLDREN J P, EHRLICH P R. Human population and the global environment: Population growth, rising per capita material consumption, and disruptive technologies have made civilization a global ecological force[J]. American Scientist, 1974, 62(3): 282 − 292. [20] YORK R, ROSA E A, DIETZ T. STIRPAT, IPAT and impact: analytic tools for unpacking the driving forces of environmental impacts[J]. Ecological Economics, 2003, 46(3): 351 − 365. doi: 10.1016/S0921-8009(03)00188-5 [21] 徐志青, 刘雪瑜, 邓齐玉, 等. 南京市水环境承载力情景预测研究[J]. 环境工程技术学报, 2020, 10(3): 494 − 503. doi: 10.12153/j.issn.1674-991X.20190168 [22] 叶兆木, 彭瑶, 赵芳, 顾苇苇. 水环境现状调查及评估方法分析[J]. 环境影响评价, 2020, 42(3): 92 − 96.