空间计量和交互项如何使用, 将空间计量进行到底

三位作者利用1999年至2017年中国30个省份的面板数据，通过空间杜宾模型考察中国经济增长、金融发展和能源消费对环境污染的影响。为了保证估计的稳健性，论文采用金融发展深度和金融发展效率两个指标表征金融发展。研究发现金融发展对环境污染有直接和间接影响，其中金融发展深度和金融发展效率对环境污染的直接影响分别为负和正，此外金融发展深度和金融发展效率都负向调节技术进步对环境污染的影响，同时金融发展深度正向调节产业结构对环境污染的影响。研究还发现经济增长与工业二氧化硫和工业固废之间存在“倒N”型环境库兹涅茨曲线关系，但工业废水与经济增长之间没有显著的环境库兹涅茨曲线关系。

1.引子：

自1978年改革开放以来，中国经历了高速的经济增长和快速的金融发展，尤其是新世纪以来金融体制大规模的改革带动了金融业的蓬勃发展。但是与此伴随的是中国排放的污染物（如二氧化硫）总量占据世界前列（世界银行，2007年），中国也成为世界上最大的能源消费国之一（Li et al., 2016）。由于资源禀赋的限制，中国70%的能源消耗来自煤炭（Liu et al., 2018）。煤和石油等化石燃料的燃烧产生了大量污染物，包括二氧化硫（SO2）和固体废物（Bi et al., 2014）。这些污染物排放严重影响居民健康和生态系统，并可能导致肺功能障碍、呼吸系统疾病和酸雨（Venners et al., 2003；Wei et al., 2014；Song et al., 2016）。

鉴于这些污染物造成的巨大破坏，中国政府在20世纪90年代开始加强对环境污染物的管理和控制。通过这些年持续有效地努力，中国的二氧化硫排放量从2006年的2588万吨（世界最大的排放国）峰值持续下降到2017年的875万吨（世界第二大排放国）。中国的工业固体废物产生量也在2012年达到3325.09百万吨的峰值后不断下降。

伴随中国经济与金融的快速发展，进入新世纪后中国的环境污染物排放量在大幅下降。因此考察中国金融发展如何影响环境污染，对改善中国乃至世界的环境绩效具有重要意义。如果金融发展可以抑制污染物排放，那么世界上大量发展中国家就可以借鉴学习中国的发展模式。最近有研究关注中国背景下的这个问题，但是这些研究忽视了金融发展对环境影响的复杂机制（Zhang，2011；Yuxiang and Chen，2011）。

资金在金融体系的驱动下从效率低下的企业流向更高效率的企业，能消除落后的生产能力（Zhang，2011），减少污染产出。此外，金融中介机构还能提高技术创新速度（King和Levine，1993；Ilyina和Samaniego，2011）并刺激技术进步（Frankel和Romer，1999）。Birdsall和Wheeler（1993），Frankel和Rose（2002）以及Jalil和Feridun（2011）发现发展中国家可以通过金融发展获得新的环保技术，这种技术进步能显著减少污染物排放。另一方面，许多学者指出金融发展还会刺激重工业扩大投资、安装新设备和增加生产能力，这可能增加污染物排放（Dasgupta et al., 2001；Tamazian和Rao，2010；Sadorsky，2010；Zhang，2011；Shahbaz et al., 2012，2013）。

现有相关实证研究发现了金融发展对环境产生正面影响、负面影响和没有影响的结果，出现这样有争议结果的可能原因是金融发展影响环境的机制很复杂。上述研究均是将金融发展指标直接作为解释变量，进而估计金融发展对环境绩效的直接影响。然而，金融发展还可能通过技术、产业结构等因素对环境污染产生间接影响（Hao et al., 2016b）。

此外，大多数中国的实证研究将二氧化碳排放作为环境污染的指标，但这一个指标很难衡量环境污染的整体特征。与二氧化碳相比，工业污水、二氧化硫和固体废弃物（以下简称为工业“三废”）对中国的公共健康和环境安全具有更显著的直接与间接影响（Zhang et al., 2014；Xia et al., 2017）。因此，论文选择这三类污染物排放作为环境污染的指标，这样就能涵盖气体、液体和固体污染物。

创新点：

1.对金融发展影响中国各省环境污染的机制进行了定量分析。在此过程中，我们强调了金融发展在环境污染和两个变量（即产业结构和技术进步）之间的重要调节作用。

2.采用适当的空间计量方法对空间相关性进行控制。忽略空间相关性可能导致错误的推断和模型性能差（Maddison, 2006; Wang et al., 2013; Hao et al., 2016a; Wang and He, 2019）。

2.模型选择：

参考Tamazian等（2009）和Jalil和Feridunr（2011）的思路，我们将经济增长、金融发展和环境污染放在一个多变量环境库兹涅茨曲线框架。

下面是模型设计：

使用交互项开展机制分析：

在模型选择上我们采用了最常用的空间计量模型：空间滞后模型（Spatial Lag Model，SLM）、空间误差模型（Spatial Error Model，SEM）和空间杜宾模型（Spatial Durbin Model，SDM）。

空间计量模型设计：

3. 数据与变量

论文使用1999年至2017年中国大陆30个省份的省级区域面板数据。由于缺乏能源消耗和环境污染方面的数据，西藏自治区未纳入研究样本。此外，基于数据的可用性和完整性，不包括香港、澳门特别行政区和台湾。

使用的变量及定义：

4.实证结果及结论

论文利用中国30个省份1999-2017年的面板数据，采用空间Durbin模型（SDM）控制空间依赖关系，消除估计偏差，研究了经济增长、金融发展和能源消费对中国环境污染的影响。论文还做了一些稳健性检验（用不同方法和替代指标），发现主要结果是稳健的。

莫兰指数：

主要结论如下:

(1) 我国30个省域三类污染物的排放均存在显著的空间集聚效应，各省域环境污染的空间关联性在逐渐增强。

(2)我国SO2排放与人均GDP、固体废物排放与人均GDP之间存在“倒N”型EKC关系。此外，中国各省尚未达到“倒N”型EKC的第二个转折点，充分考虑空间依赖性后，这一转折点就发生了。同时，没有证据表明废水排放与人均GDP之间存在EKC关系。

(3) 能源消费导致环境污染加剧，而金融发展的两个指标对环境污染的影响不同。金融深度的发展，总体上减少了SO2和固体废物的排放，而金融效率的提高，总体上导致了SO2和固体废物排放的增加。此外，金融深度和金融效率的发展对技术进步对SO2和固体废物排放的影响具有负面的调节作用。同时，金融深度的发展对二次产业发展对SO2和固体废物排放的影响具有积极的调节作用。此外，金融发展影响了中国的废水排放。

针对SO2的回归结果，而固体废物和废水排放类似：

关于经济增长、能源消费和金融发展三者对环境污染的直接和间接效应：

长按以上二维码可以查看并下载全文

第一作者简介：赵璟，湖北省荆州市人，博士，西安理工大学经济与管理学院副教授，硕士研究生导师。主持国家自然科学基金1项、国家社会科学基金1项、省部级项目9项。获得陕西省科学技术奖2项、陕西省哲学社会科学优秀成果奖3项。赵璟在2013年度被评为“陕西省青年科技新星”，2018年度入选陕西高校“青年杰出人才支持计划”。

拓展性阅读：

1.双重差分DID的种类细分, 不得不看的20篇文章

2.内生性问题操作指南, 广为流传的22篇文章

3.匹配方法(matching)操作指南, 值得收藏的16篇文章

4.空间计量百科全书式的使用指南, 只此一份掌握此独门秘籍

5.面板数据模型操作指南, 不得不看的16篇文章

6.社会网络分析最新文献和软件学习手册

7.中国工业企业数据库的使用问题说明

8.JEEM环境与资源经济学最新研究趋势和热点话题

9.经济学领域英文期刊的审稿情况统计, 审稿周期次数

10.中文C刊的审稿信息全统计, 审稿周期次数, 赶快下载

11.高效使用Stata的115页Tips, PDF版本可打印使用