经济学（季干刊）中国的环境污染与经济增长王敏黄滢1恶化。本文利用112座城市在2003?2010年间的大气污染浓度数据，考察我国经济增长和环境污染之间的关系。与以往研究不同的是，基于传统的环境库兹涅茨曲线模型，我们发现所有的大气污染浓度指标都呈现出U形“曲线关系。但是在考虑了每个城市特定的时间趋势变量后，高增长并不定会导致高污染。*后，通过对同污染物的排放数据和大气浓度数据进行对比分析，发现两者的回归结果截然相反。

　　在1978?2012改革开放三十多年间，中国GDP年均增长10%，人们物质生活水平大大提高。但是，在高增长的背后，中国的环境污染严重，高污染的压力与日俱增。世界银行的一份研究报告显示：全球污染*严重的20个城市中，中国占了16个；中国是目前世界上*大的二氧化硫（S2）和二氧化碳（C2）排放国；中国58%的城市大气年均PM10（直径10微米以下的可吸入颗粒物）浓度超过100微克/立方米，只有1%的中国城市人口生活在年均PM10浓度低于40微克/立方米的地区（相比之下，美国全国年均PM10含量为50微克/立方米）；中国7大水系中54%的水不适合人类使用（WorldBankandSEPA，2007）。在2013年1月，中国各地更是多次出现持续、大范围的含有大量污染物的雾霾天气，雾霾面积*高达130万平方公里，为历史所罕见期间，北京等城市的空气污染指数曾一度突破仪器监测的*高值。

　　日益加剧的环境污染对我国居民产生了严重的健康危害。中国每年因室外空气污染导致的早死人数，*保守估计在35万一50万人（Chen 2013）。由于中国淮河以北长期在冬季使用煤供暖，由煤燃烧所产生的空气污染导致北方人口的人均预期寿命下降5.年，因空气污染导致的健康成本已占到当年GDP的1.16%?3.面对这样一个经济高速增长但环境曰趋恶化的局面，一个重要的研究问题是，在中国，环境污染和经济增长之间究竟有什么样的关系，经济的持续增长会导致环境污染曰益恶化，还是*终有可能带来环境的改善，为回答上述问题，基于环境污染决定因素的一个分析框架，本文利用2003?2010年112座城市的空气污染浓度监测数据，对我国经济增长和环境污染之间的关系进行实证分析。

　　本文结构如下：第二部分是综述；第三部分介绍数据；第四部分讨二、综述有关经济增长和环境污染问题的研究*早可追溯到20世纪90年代行1992年发展报告（WorldBank，1992）。基于跨国的面板数据，这两项研究表明，环境污染和人均收入之间存在“倒U形”曲线的关系：在经济发展初期，环境污染会随着人均收入的增长而增加；但是到了一定发展阶段，环境污染会随着人均收入的增长而下降。因为库兹涅茨曾提出经济增长和收入差距之间存在“倒U形”曲线关系（Kuznets，1955），环境污染和经济增长之间的这种“倒U形”曲线在中也被称为环境库兹涅茨曲线。在随后的20年间，分别有大量的研究从理论和实证的角度对经济增长与环境污染之间的关系进行探讨。

　　染和经济增长之间存在“倒U形”曲线的可能。尽管这些研究的理论建模方法各不相同，有静态模型、动态跨际叠代模型（OverlappingGenerationsModel）、动态无限生命代理模型（InfinitelyLivedAgentModel）等，但是模型背后环境库兹涅茨曲线形成的思想是一致的。在所有这些模型中，人们同时对消费品和环境质量有偏好，即个人效用是消费品和环境质量的函数。在经济发展的不同阶段，给定社会的总产出，人们要在改善环境和增加消费之间做出权衡和取舍。在经济发展早期，由于经济水平低，人们可消费的产品少，但同时污染排放也比较少，环境质量比较高。因此，在这个阶段，环境质量的边际效用较低，而消费品的边际效用则较高。此时，人们就愿意牺牲环境来增加消费，以获得更高的社会效用或福利水平。这就导致随着收入的增长，环境质量下降。但是，随着收入的增长、消费品的增多和环境质量的持续下降，消费品带给人们的边际效用会逐渐下降，而人们对环境质量的边际效用则逐渐上升这*终导致人们愿意减少消费以增加对环境的投资。这就表现为，在经济发展的后期，随着收入的增长，环境污染会出现下降趋势。

　　上述诸多理论模型的差异主要是在于通过不同的机制来实现环境污染的形“转变。譬如，ohnandPecchenino（1994）和SeldenandSong（1995）的模型强调，只要资本在环境治理和消费之间做出*优分配，便有可能实现环境污染的”倒U形“转变。Stocky（1998）的模型则通过经济体在不同发展阶段选择*优的生产技术实现环境库兹涅茨曲线。LopezandMitra（2 000）通过政府和私人部门之间的讨价还价模型来证明环境库兹涅茨曲线的存在。AndreoniandLevinson（2001）证明污染减排技术在满足一定条件下，环境污染便会发生”倒U形“转变。onesandManuel（2001）则基于政治经济学模型，强调环境税收或管制的政治决定如何导致环境库兹涅茨曲线的形成。BrockandTaylor（2010）则强调技术进步在实现环境污染”倒U形“转变中的作用。

　　在经济增长和环境污染的实证研究领域，GrossmanandKrueger（1994，1995）进行了开创性的工作。在这两项研究中，作者假设污染是人均GDP的三次项函数，并用跨国面板数据对该函数形式进行回归。回归结果表明，环境质量并不会随着收入的增长而持续下降，大多数空气污染物（S2、烟尘和空气颗粒物）和水污染物（生物需氧量BOD、化学需氧量COD、总氮量和重金属，等等）跟人均收入呈现出“倒U形”曲线或者N形“曲线。在这之后，中出现大量的实证研究，并基本上在同一个思路和框架中探讨经济增长与环境污染之间的关系。其中，SeldenandSong（1994）、Shafik（1994）、ColeeiaZ.（1997）、HiltonandLevinson（1998）等的研究进步证实环境污染和经济增长之间确实存在”倒U形“曲线关系。但是，也有学者对环境库兹涅茨曲线提出质疑。譬如，SternandCommon（2001）和Har-baugheaZ.（2002）的实证结果表明，样本选择、增加其他控制变量和计量方法的不同都有可能导致环境库兹涅茨曲线的消失。

　　其实上述实证领域两方面的结论并非表面上看起来那么截然对立。理论上，从生产的角度来看，环境污染由三个因素同时决定：经济总量、产业结构和技术水平（BrockandTaylor，2005）。根据BrockandTaylor（2005），设Y、和分别代表一个经济体的GDP产出、该经济体内产业z的GDP占比和产业z的单位GDP污染排放量，那么一个经济体的污染总排放E就等于其中，瓦是产业z所产生的污染，%二1.如果在上述公式两边分别对时间r进行求导，那么环境污染的变化就可以分解为它一（fit其中，尤=E，Y，（是各个变量在相邻时间上的变化，江，=是产业z所生产的污染占总污染的比重。显然，环境污染的变化由f，f和Y所决定，而这三个变量分别代表了影响环境污染变化的三种效应：技术进步效应、产业结构效应和经济增长效应。分别给定其他两个因素不变，经济增长会增加污染，低污染产业比例增加会减少污染，技术进步所带来的单位GDP污染的下降也同样会促进污染水平下降。这里需要指出的是，因为环境的外部性问题，导致单位GDP污染下降的技术进步并不会自动实现。在一定程度上，这种降低污染排放的技术进步是政府环境政策诱导的结果。因此，根据上述环境污染决定因素的讨论，如果像GrossmanandKrueger（1994，1995）?样，只用人均收入对环境污染指标进行回归，那么就有可能存在遗漏变量（1995）在发现环境库兹淫茨环境污染的倒U形曲线的出现是因为经济增长所带来的产业结构转型、技术进步或者环境管制。因此，如果在模型中控制其他因素，纯粹看经济增长本身对环境污染的影响，“倒U形”曲线就有可能不存在。反之，则有可能存在。更多有关经济增长和环境污染实证研究的可见Dinda随着我国环境污染形势的曰益严峻，有关中国环境库兹涅茨曲线的研究也越来越多。国际中的研究大都是基于国家或者城市的面板数据对经济增长和环境污染之间的关系进行分析研究。但是，国内大量的研究，例如沈满洪和许云华（2000）2，吴玉萍等（2002）3，陈华文和刘康兵（2004）4，Liu raZ.（2007），刘笑萍等（2009）5，张红凤等（2009）6，宋马林和王舒鸿（2011）7等，则是根据一个省份或一个城市的时间序列数据对污染物和人均GDP进行回归分析，而且这些研究大都支持环境库兹涅茨曲线的存在。一般而言，因为观测期比较短，基于时间序列数据的研究无法考察在不同经济发展阶段，环境污染和经济增长之间的关系，所得出的结论难以具有一般性。8相比之下，基于面板数据的研究则因为各个样本处于不同的发展阶段，能较好地克服这个问题。

　　目前，我国环境污染指标数据的来源主要有两个：是城市污染物浓度监测数据，例如环保部公布的113个重点城市的大气污染物浓度监测数据（早期的监测对象包括S2、总空气悬浮物和氮氧化物，2003年以后则改为S2、PM10和N2）；二是工业污染物排放量数据，例如各省和各市工业废水、废气和固体废弃物（“三废”的排放量统计。由于数据的可得性，在基于面板数据的研究中，大部分是使用工业“三废”排放的省或城市面板数据进行分析，仅有个别研究用到大气污染物浓度的城市面板数据。

　　据进行回归分析发现，人均废水、废气和固体废弃物排放量跟人均GDP之间分别呈现出单调递减、单调递增和不变的关系。SongezZ.（2008）运用动态*小二乘法和1985?2005年的“三废”省面板数据则得出相反的结论：废水、废气和固体废弃物跟人均GDP之间均存在“倒U形”关系。这两份研究结论的差异说明，估计方法和样本时间不同对结论会有较大的影响。Shen（2006）用1993?2002年省面板数据发现，工业S2排放量和工业粉尘分别与人均GDP之间存在U形“和不变的关系，三个水污染物指标（化学需氧量，含砷量和含镉量）则都跟人均GDP存在”倒U形“关系。彭水军和包群（2006）910运用1996?2002年省际面板数据发现，工业废水、化学需氧量和工业烟尘排放都存在环境库兹涅茨”倒U形“曲线，工业粉尘和S2排放则存在N形曲线，工业固体废弃物则存在U形”曲线。

　　在基于污染物浓度城市面板数据的研究中，BraereaZ.据发现，S2、总空气悬浮物和氮氧化物的大气浓度都存在环境库兹涅茨曲线。1DHeandWang（2012）用1991一2001年74个城市的面板数据则发现，虽然空气悬浮物大气浓度存在环境库兹涅茨曲线，但是S2大气浓度数据则跟人均收入之间存在U形“关系，氮氧化物浓度则随着收入的增长而增加。

　　基于上述回顾，我们发现，现有研究主要在以下几方面存在不足。

　　**，在现有的研究中，研究者主要关注用人均GDP所代表的经济增长对环境污染的影响，很少对经济增长、产业结构和技术三个环境决定因素进行统一的考虑，尤其是产业结构这个因素往往被忽略掉（BrockandTaylor，2005）11.但是在中国，产业结构却是一个非常重要的因素，尤其是东部沿海发达地区目前正处于产业结构转型升级的时期这势必对未来的环境状况产生重大影响。另外，在现有中，大多数的研究用一个共同的时间趋势来控制技术进步对环境污染的影响。但是事实上，每个国家或地区的技术进步水平是不一样的，在中国技术水平的地区差异表现得尤为明显。本文在应用计量建模时则充分考虑了这个因素。

　　第二，在的讨论中，我们可以看到，污染物排放和浓度这两套数据分别被不同的研究者所使用。但是，需要特别指出的是，在我国的统计体系中，两套数据的统计方法是完全不同的：工业企业污染物排放是企业自报的数据，而大气或水污染物浓度的监测数据则是由各个地方环保监测站直接测量的数据，相对比较客观。12另外，相比于污染物的排放数据，污染物的浓度指标是*直接影响人体健康的变量，也是人们*为关心的环境指标。因此，我们认为，基于监测数据的大气污染浓度指标分析更能真实地反映出经济增长和环境污染之间的关系。在有关中国的研究中，只有Bmer以aZ.（2011）和HeandWang（2012）三篇论文采用了中国大气污染物浓度的城市面板数据。相比于他们所使用的数据，我们构建的城市面板数据，城市样本数更为齐全（虽然BmeraZ.的样本城市数有128个，但是有近一半城市的数据是缺失的）、数据更新。尤其是考虑到2002年以后中国经济再次经历一轮高速增长，环境污染形势也已发生很大变化，我们认为很有必要利用*新的城市数据就中国环境污染和经济增长之间的关系进行分析。

　　第三，更为重要的是，在现有的中，不同的研究得到的结论各不相同，难以让人们对中国目前的环境污染形势做出正确的判断。其中，有研究方法不同导致的结果差异，也有数据选择不同所导致的差异。尤其是在现有的研究中，既有采用污染物排放数据的分析，也有采用污染物浓度数据的分析。从理论上来讲，如果两套数据都是真实客观的数据，那么基于任何一套数据进行分析，结论都应该是致的。但是如前所述，这两套数据的统计方法是完全不同的。因此，我们认为，要真实地研究和了解中国的环境污染问题，很有必要对这两套污染数据进行对比检验。目前，在城市层面，对于S2这个指标，既有排放量统计数据，又有大气浓度监测数据。在文中，我们尝试在使用相同的样本（城市和年份都一样）和回归方法的基础上，分别基于S 02的排放数据和浓度数据进行对比分析。从中我们可以清楚地看出采用两套环境污染指标对中国环境问题进行研究所可能产生的差异，从而对未来的研究如何采取合适的环境数据进行分析提供重要的借鉴。

　　（2008）等大量的医学研究表明，空气中的二氧化氮（N2）、S2和PM10污染都会对人体健康产生严重的影响，并会增加人们的死亡率和得病率。尤其是长期居住在PM10浓度比较高的地区，会增加人们患心血管疾病、肺部疾病、呼吸道疾病等疾病的概率。但是，在上述有关中国环境污染和经济增长的研究中，PM10的分析是缺失的。其主要原因是，我国早期只对总空气悬浮物进行监测，对PM10的监测数据公开则是从2003年才开始。利用*新的城市空气监测质量数据，我们则可以对PM10浓度和经济增长之间的关系进行分析与探讨，从而弥补三、数据在环保部公布大气污染物浓度监测数据的113个重点城市中，因为拉萨的经济数据指标缺失较多，我们主要用到2003?2010年除拉萨之外其他112个城市的年均空气污染监测数据，即PM10、S2和N2在大气中的浓度数据。这部分的数据来自各年的中国环境年鉴。其中缺失的数据主要通过城市环境统计公报等其他途径进行补充。2003?2010年112个城市的人均工业S2排放数据主要来自各年的中国城市统计年鉴。*终，我们总共有896个样本数据。13我们使用从2003年开始的数据主要有两方面的考虑：一是PM10和N02的浓度数据公开分别始于2003年和2001年（早期对应的公开数据是总悬浮物颗粒物和氮氧化物）；二是在2003年以前公布的城市大气污染监测数据中，不同年份的城市样本是不一样的，而且城市数量有限。譬如，据和98个城市的S2和N2大气浓度数据。14一分别描绘了上述4种污染物和人均实际GDP之间的关系。从图上的趋势来看，N2大气浓度随着人均GDP的增长而增长，PM10和S2大气浓度则随着人均GDP增长而下降，人均工业S2排放量跟人均GDP之间的关系并不是那么清晰。但是，这些污染物跟经济增长之间的关系需要我们进一步通过回归分析进行证实。

　　PM10年均浓度（微克/立方米）在回归模型中，我们主要关注人均GDP和产业结构对环境污染的影响。除这两个回归变量外，在模型中我们也考虑了其他可能对大气污染产生影响的变量，如人口密度和建成区绿化面积。这些数据来自中国城市统计年鉴。在对样本城市名义人均GDP进行消胀处理的过程中，我们首先设（2006）所计算的2000年各省的城市消费者价格指数作为样本城市在基期的价格指数。15在此基础上，我们再用统计局公布的2001?2010年间各省的城市消费者价格指数对各城市的人均名义GDP进行消胀调整。这样，各个样本城市的人均GDP在时间上和空间上污02年均浓度（微克，立方米）都具有可比性。在上述所讨论的各项数据中，部分城市在部分年份的数据若存在缺失，我们主要通过相应省份或城市的统计年鉴进行补充。

　　需要指出的是，在我国，工业“三废”排放和大气污染物浓度监测数据的统计口径是不同的。前者是对包括市辖区和下辖县级市在内的全（地级）市的“三废”排放进行统计。后者主要是对城区（即市辖区）的大气污染物浓度进行监测。因此，本文在对工业S2排放量和其他大气污染浓度指标进行分析的时候，相应的城市特征数据将分别采用全市和市辖区的统计口径。

　　例如，一的横坐标是市辖区的人均实际GDP，的横坐标则是全市的人均实际GDP.*后，我们在表1中对各个变量的统计特征进行了汇总。

　　表1备个变量的统计特征变量样本数均值标准差*小值*大值PM10（微克/立方米）N2（微克/立方米）S2（微克/立方米）市辖区人均实际GDP（元）市辖区第二产业比重市辖区人口密度（人/平方公里）建成区绿化覆盖率全市人均工业S2排放（吨）全市人均实际GDP（元）全市第二产业比重全市人口密度（人/平方公里）四、计量建模首先，基于传统的环境库兹涅茨曲线的研究，我们只考虑经济增长和环境污染之间的关系，并考虑两者之间的对数二次项函数关系。16其中，Pollution是城市z在年的环境污染指标；a是城市z在样本观测期内不变的特性；Y是一组年份哑变量，用来控制所有样本城市共同的随时间变化的遗漏变量；GDPt是城市z在t年以2000年价格衡量的实际人均GDP；Industryt是城市i在t年的第二产业的比重；Density.和Greent分别是城市i在t年的人口密度和建成区绿化覆盖率。我们用固定效应方法来估计模型（2），并称之为环境库兹涅茨曲线模型。17在固定效应方法下，a代表的是城市固定效应，而Y代表的是时间固定效应，在每年内对各个城市的影响是相同的，但各年的影响则可能不同。基于前面的理论模型，我们可以将Y理解为城市间同质的技术进步效应或者政府政策效应。

　　环境库兹涅茨曲线模型更多的是在探讨经济增长和环境污染之间的相关性。如果经济增长对环境污染存在“倒U型”的影响，那么该影响的背后可能反映的是技术进步、人们对环境质量需求的增加、政府环境管制等其他因素。如前所述，环境污染由经济总量、产业结构和技术进步三个因素决定。

　　其中，由于技术进步没有很好的衡量指标，以往的研究一般用年份的哑变量或者共同的时间趋势变量来代表，例如Grossman andKrueger（1995）。但是，这样的处理忽略了一个很重要的现实，即在现实经济中，不同城市或国家的技术进步程度是不一样的。尤其是在中国，技术进步存在巨大的地区差异，因此，为了进步考察经济增长对环境污染的直接影响，我们在模型（2）的基础上，通过加入每个城市的随机趋势，在一定程度上考虑技术进步的异质性问题：其中，At是城市特有的时间趋势变量，代表了城市i在经济发展过程中所出现的包括技术进步在内的各种随时间趋势变化的变量，因此在定程度上代表了城市z特定的平均技术进步率。Wooldridge（2002）把模型（3）称为相关随机趋势模型（CorrelatedRandomTrendModel）。但是，我们无法对模型（3）中的A，进行直接估计。根据Wooldridge（2002），为了估计（3），我们首先对数据进行一阶差分得到：17其中，A代表某变量的i期值减去该变量的i一1期值。在估计的方法。在下文的分析中，我们会比较不同模型估计出来的结果，并展开分析和讨论。

　　根据计量建模所考虑的二次函数，经济增长和环境污染之间存在以下各种可能的关系：如果译>0和/2<0，那么经济增长和环境污染之间存在表示U形“曲线关系；/：>0和卢2>0是环境污染随着经济增长单调递增；（4）/：<0和/2<0则意味着环境污染随着经济增长单调递减。

　　五、估计结果和分析在进行实证研究时，我们主要运用公相关随机趋势模型估计结果为了进步考察在考虑了技术进步的异质性时，经济增长对环境污染的直接影响，我们基于相关随机趋势模型进行回归分析。表3汇报了该模型对城市PM10、N2和S2大气浓度影响因素的估计结果。

　　根据表3的估计结果，我们首先观察到的个有意思的结论是，在考虑了每个城市包括技术进步在内的特定时间趋势变量后，经济增长对我国城市PM10、N2和S2大气浓度没有任何显著的影响。这跟表2中环境库兹涅茨曲线模型的估计结果完全不同。但这两个估计结果的差异跟SternandCommon（2001）所得到的结论一致：是否控制每个样本的时间趋势变量对环境库兹涅茨曲线的估计结果有很大影响。

　　表3的回归结果仍然表明，在现阶段，我国的城市大气污染不存在环境库兹涅茨曲线的证据。但是，该结果也同时表明，在考虑了样本城市的特定时间趋势变量后，经济增长本身并不一定会导致高污染。20因此，依靠产业结构调整和技术进步，改变当前环境污染和经济增长之间的U形“曲线关系，并实现”倒U形“转变的”绿色“经济增长是完全有可能的。在过去30年，我国的经济发展基本是以粗放型的高投入、高能耗为主的增长方式，其后果是环境遭到严重破坏。自2008年的金融危机以来，我国经济发展的内外部环境都发生了显著的变化，大量传统的制造业都面临产业转型和升级的需求。因此，在这样一个大背景下，在未来10?20年，如果我国经济能成功地实现产业转型和升级，并实现依靠技术，而不是依靠物质投入来驱动经济增长，高增长、低污染的发展模式是可预期的。但需要再次强调经济学（季刊）的是，由于环境污染的外部性问题，在这个过程中，促进单位GDP污染下降的技术进步并不会自动实现。积极的环境政策应是实现环境技术进步的前提条件。只有通过行政管制（commandandcontrol）或以污染税和排污权交易为主的市场手段，将环境污染的外部成本内部化，各种技术创新活动才会对环境污染做出反应。

　　表3相关随机鹱势模型估计结果被解释变量大气浓度常数项样本数只平方值城市数注：年份哑变量没有列出来；括号内是对省进行聚群的稳健标准差；和分别表示在1%、5%和10%水平上显著。

　　为了对比采用污染物的浓度监测数据和排放数据对研究结果的影响，我们在这一节对人均工业S02排放的影响因素进行分析。表3汇报了城市人均工业S02排放的影响因素的估计结果。在这里，我们用的数据是地级市的数据。建成区绿化覆盖率没有全市范围的统计，因此在对人均工业S02排放进行回归时，我们没有考虑该变量。21 02大气浓度除了受302排放量的影响外，还受到气候、地形等自然因素的影响。但是，自然因素相对比较稳定，从长期来看，S2大气浓度的变化主要是受S02排放量的影响，两者的变化趋势应该是一致的。另外，考虑到我国91%的S02排放来自工业排放，如果数据真实的话，那么无论是用工业S2排放数据还是用S2大气浓度数据进行分析，结论应该基本一致。但是，对比表4和表2、表3的估计结果，我们却可以清楚地看到，对S2这一污染物，采用浓度指标和排放量指标进行分析时，结论会截然不同。

　　首先，根据表4第1列的估计结果，基于传统的环境库兹涅茨曲线模型估计，我国城市的经济增长和人均工业S2排放之间没有任何显著的关系。而相比之下，经济增长和我国城市S2大气浓度之间则存在显著的U形“关系。

　　表4经济增长、产业结构和技术进步对人均工业sa排放的影响环境库兹涅茨曲线模型相关随机趋势模型常数项样本数只平方值城市数注：年份哑变量没有列出来；括号内是对省进行聚群的稳健标准差；和分别表示在1%、5%和10%水平上显著。

　　其次，当我们在表4第二列中进一步考虑了包含技术进步在内的时间趋势变量后，In（GDP）和2前面的系数不但变得显著，而且这两个系数的估计值表明，样本城市的经济增长和人均工业S2排放之间呈现出684元。也就是说，在控制了包含技术进步在内的时间趋势变量后，我国城市的人均工业S2排放会随着经济增长而上升，但是到一定阶段后，人均工业S2排放会随着经济增长而下降。在我们的896个样本数据中，实际全市人均GDP的区间是，其平均值和中值则分别是23 739元和19377元。“倒U形”曲线的实际人均GDP拐点值显著低于样本的平均值和中值这说明我国城市人均工业S2排放“倒U形”曲线中的向下趋势是非常明显的。而相比之下，在控制了包含技术进步在内的时间趋势变量后，经济增长和我国城市S2大气浓度之间则不存在任何显著的关系。

　　通过以上的比较分析，我们可以很清楚地看到，当我们就同一个污染物，采用浓度数据和排放数据对环境污染与经济增长之间的关系进行分析时，很有可能会出现研究结论截然相反的情形。尤其是在采用S2排放数据进行分析时，容易对中国目前的环境形势做出比较乐观的判断。就这两类污染指标而言，我们认为浓度数据更有可能反映真实情况。一方面，浓度数据是仪器监测的数据，客观性要高于企业自报的污染物排放数据。另一方面，基于大气浓度数据所得出的环境U形“曲线，跟*近几年我国城市大气污染越来越严重的现实状况（例如雾霾天气的出现）是吻合的。因此，我们的对比研究表明，要研究中国的环境污染问题，选择合适、合理的环境数据至关重要。

　　否则，结论就会出现偏差。

　　六、结中国经济在过去三十多年高速增长的同时，也因为粗放式的发展模式产生了严重的环境污染问题。本文利用城市数据对我国城市主要的大气污染物（PM10，N0nS02）的影响因素进行回归分析。本文的研究表明，在现阶段我国城市的人均收入和城市大气污染之间存在U形“曲线关系。该结论跟中有关中国环境库兹涅茨曲线研究结论大相径庭，也让我们对我国当前的环境形势有个重新的认识和判断。另外，在考虑了包含技术进步在内的时间趋势后，我们虽然还是没有发现存在环境库兹涅茨曲线的证据，但是至少表明，经济增长本身不一定必然导致城市的高污染。这样的一个结果表明，从长期来看，依靠产业结构转型和升级以及技术进步，中国经济实现高增长、低污染的绿色增长模式是完全有可能的。

　　但是因为环境的外部性问题，导致单位GDP污染下降的技术进步并不会自动实现。这从snN2回归结果上可以得到充分体现：虽然两者主要排放源都是工业排放，但是产业结构变化对S02污染竟然没有显著性影响。S02与其他两种污染物*大区别是地方政府有S02强制减排的约束性目标，且S02减排与政绩挂钩。从中我们可以看出，强有力的环境政策是实现降低污染排放的有效诱导手段。在“十一五”规划的基础上，“十二五”规划新增了氨氮和氮氧化物减排的约束性指标。但是，PM10、PM2.5、重金属污染等对人体有直接危害且危害较大的污染物尚没有纳入政府的减排工作范围。尤其是考虑到城市PM2. 5的主要来源是机动车尾气排放、机动车消费将保持长期持续增长以及城市空气环境（雾霾天气）不断恶化，将机动车污染排放减排纳入政府的污染物减排工作中迫在眉睫。而在减排政策的选择上，我们建议更多考虑市场化的经济手段，比如总量控制指标交易或征收污染税的形式，而不是类似“十一五”后期，各地方政府用“拉闸限电”等粗暴的行政命令方式完成减排指标任务。

　　*后，我们基于同一数据样本，对城市S02大气浓度和城市人均工业S2排放量进行了对比分析。从回归的结果来看，就同一污染物，如果我们采用不同的指标进行分析，结果会截然不同。这一发现也在一定程度上有助于我们理解为什么中不同研究之间会出现互相矛盾的结论。因此，研究我国的环境污染问题，环境数据的选择非常重要。而且，当我们在谈是哪类指标。