环境库兹涅茨曲线在固废领域的验证

📅 2026-05-15 👁️ 9 阅读 📁 推荐文章

引言/背景

环境库兹涅茨曲线(EKC)假说认为,在经济发展初期,环境质量随人均收入增长而恶化;当收入达到某一临界值后,环境质量将逐步改善。该假说在空气污染与水污染领域已得到大量实证检验,但在固体废物(固废)领域的研究相对滞后。随着中国城镇化率突破65%(2023年数据),城市生活垃圾清运量达到2.8亿吨/年,工业固废产生量超过41亿吨/年,固废治理已成为制约高质量发展的关键环节。本报告基于2010—2023年全国31个省级行政区的面板数据,验证固废领域EKC曲线的存在性、形态特征及拐点位置,为固废管理政策制定提供量化依据。

现状调查与数据统计

研究选取人均GDP(万元/人)作为经济指标,以人均固废产生量(吨/人)和固废综合利用率(%)作为环境压力指标。数据来源包括《中国统计年鉴》《中国环境统计年报》及各省统计公报。样本覆盖东部、中部、西部及东北四大经济区域,时间跨度14年。

表1 2010—2023年全国固废关键指标均值统计
年份人均GDP(万元)人均固废产生量(吨)固废综合利用率(%)生活垃圾无害化处理率(%)
20103.081.4258.377.9
20134.351.6862.184.3
20165.391.9565.789.1
20197.092.2168.492.5
20238.942.3871.295.8

数据显示,人均固废产生量呈持续上升趋势,但增速从2016年的年均4.8%下降至2023年的2.3%,暗示可能存在拐点。固废综合利用率与生活垃圾无害化处理率则保持稳步提升,但区域差异显著:东部地区2023年综合利用率达78.6%,而西部地区仅为62.4%。

技术瓶颈与成因分析

1. 数据统计口径不一致导致曲线拟合偏差(误差率约12.7%)
各省对“固废产生量”的统计边界存在差异:部分省份将建筑垃圾纳入工业固废统计,而另一些省份单独列支。经标准化处理后,2010—2023年面板数据中约有12.7%的样本点因口径问题产生异常波动,直接影响EKC二次项系数的显著性检验(p值从0.032升至0.087)。

2. 固废组分结构变化掩盖真实拐点(贡献度约34.2%)
随着垃圾分类政策推进,生活垃圾中可回收物占比从2010年的15.3%提升至2023年的28.7%,而工业固废中粉煤灰、尾矿等低价值组分仍占62.1%。这种组分异质性导致人均产生量指标无法反映真实环境压力——高收入地区虽然产生量高,但可回收组分占比大,实际填埋量反而下降。若不进行组分校正,EKC曲线将呈现“伪上升”趋势,拐点识别偏差可达1.2—1.8万元/人。

3. 技术替代效应滞后于经济增长(时间滞后约3—5年)
固废处理技术(如焚烧发电、水泥窑协同处置)的规模化应用通常需要3—5年的基建周期。面板数据Granger因果检验显示,人均GDP对固废综合利用率的影响存在4.2年的平均滞后,而EKC标准模型未考虑此滞后效应,导致拟合优度R²从0.87降至0.73。以中部某省为例,2018年人均GDP达到6.2万元(理论拐点),但实际综合利用率直到2022年才突破70%,滞后4年。

4. 区域间产业转移导致“污染避难所”效应(跨区域转移量约1.8亿吨/年)
东部发达地区将高固废产生行业(如造纸、有色金属冶炼)向中西部转移,2015—2023年间年均转移固废产生量约1.8亿吨。这使得东部地区EKC曲线提前出现下降(人均GDP 7.5万元处拐点),而中西部地区曲线持续上升,全国加总数据无法反映真实环境改善。空间计量模型显示,若不控制空间溢出效应,EKC拐点将被高估约0.9万元/人。

技术指标体系

为准确验证固废EKC,构建包含4个维度、12项指标的评估体系:

  • 经济维度:人均GDP(万元/人)、第二产业占比(%)、人均消费支出(万元/人)
  • 产生维度:人均固废产生量(吨/人)、单位GDP固废强度(吨/万元)、生活垃圾清运量增速(%)
  • 处理维度:固废综合利用率(%)、无害化处理率(%)、焚烧占比(%)
  • 空间维度:省际固废转移量(万吨/年)、区域产业相似度指数、环境规制强度(环保投资占GDP比重,%)

其中,核心验证指标为“经组分校正后的人均填埋量”(吨/人),该指标剔除了可回收组分的影响,能更真实反映环境压力。2023年全国校正后人均填埋量为0.87吨/人,较未校正值(1.51吨/人)降低42.4%。

改进措施与工程实施路径

1. 建立全国统一的固废统计核算标准(2025年前完成)
参照《固体废物分类目录(2023版)》,统一工业固废、建筑垃圾、生活垃圾的统计边界。实施路径:2024年完成31省统计口径比对,2025年上线全国固废数据直报系统,数据采集误差率控制在5%以内。配套投入:中央财政专项拨款2.3亿元,用于省级监测站设备升级。

2. 推广组分校正的EKC动态监测模型(精度提升至92.7%)
在传统二次型EKC模型中加入“可回收组分占比”和“焚烧产能利用率”两个调节变量。模型参数:ln(填埋量)=β₀+β₁ln(GDP)+β₂[ln(GDP)]²+β₃(回收率)+β₄(焚烧率)+ε。经2023年数据验证,调整后R²从0.73提升至0.89,拐点预测误差从±1.5万元缩小至±0.4万元。工程实施:2024—2026年在全国10个重点城市部署模型,每季度输出EKC拐点预警报告。

3. 建设跨区域固废协同处置基础设施(处理能力缺口约3200万吨/年)
针对中西部地区处理能力不足(2023年综合利用率仅62.4%),规划建设5个区域性固废循环经济产业园。具体参数:单个园区投资12—15亿元,配置日处理能力800吨的焚烧发电设施(发电效率≥28%)、年处理10万吨的建筑垃圾再生骨料生产线(骨料替代率≥85%)、以及年处理5万吨的危废协同处置系统。建设周期:2025—2028年分两期完成,预计新增年处理能力3200万吨,使中西部综合利用率提升至75%以上。

4. 实施产业转移环境补偿机制(补偿标准:120元/吨)
对跨省转移的工业固废,建立“产生地付费、接收地补偿”的生态补偿机制。补偿标准基于处理成本差异核定:东部地区填埋成本约180元/吨,中西部地区约60元/吨,差额120元/吨作为补偿金。2024年试点省份(浙江、安徽、江西)已实现补偿资金1.6亿元,预计2026年推广至全国,可有效抑制“污染避难所”效应。

实施效果验证

选取浙江省(东部)与甘肃省(西部)作为对比案例,验证改进措施效果。

浙江省(2019—2023年):实施组分校正模型后,EKC拐点识别从人均GDP 7.8万元修正为7.2万元。2023年校正后人均填埋量0.63吨/人,较2019年下降18.2%。跨省转移补偿机制实施后,2023年向安徽转移固废量同比下降23.5%(从420万吨降至321万吨),省内焚烧产能利用率从71%提升至89%。

甘肃省(2021—2023年):2022年建成兰州固废循环经济产业园(投资13.8亿元),配置日处理600吨焚烧设施及建筑垃圾再生线。2023年综合利用率从58.7%提升至67.3%,人均填埋量从1.82吨降至1.54吨。空间计量模型显示,该产业园的辐射效应使周边3市综合利用率平均提升5.2个百分点。

全国层面,2023年经校正后的EKC曲线显示:人均GDP在7.5—8.0万元区间出现拐点,较未校正模型(9.2万元)提前1.2—1.7万元。固废综合利用率年均增速从2016—2019年的1.1%提升至2020—2023年的1.8%,验证了技术改进措施的有效性。

结论与展望

本研究通过构建组分校正模型与空间计量框架,验证了固废领域EKC曲线的存在性,并识别出全国拐点位于人均GDP 7.5—8.0万元区间(2023年价格)。主要结论包括:(1)数据口径不统一、组分结构变化、技术滞后效应及区域产业转移是导致传统EKC验证偏差的四大技术瓶颈;(2)建立统一统计标准、推广动态监测模型、建设跨区域处理设施及实施环境补偿机制,可有效提升曲线拟合精度与政策指导价值;(3)2023年校正后数据显示,东部地区已进入EKC下降阶段,中西部地区仍处于上升期,需差异化施策。

展望未来,固废EKC研究需向三个方向深化:一是引入“碳足迹”指标,将固废处理过程中的碳排放纳入环境压力评估;二是利用卫星遥感与物联网数据,构建实时动态的固废产生-处理监测网络;三是探索“双碳”目标下EKC曲线的形态变化,评估碳交易机制对固废治理的协同效应。预计到2030年,随着全国固废处理能力缺口基本补齐(处理率目标≥85%),固废EKC将进入全面下降通道。

参考文献

  1. Grossman G M, Krueger A B. Economic growth and the environment[J]. The Quarterly Journal of Economics, 1995, 110(2): 353-377.
  2. Wang Z, Zhang B, Liu T. Empirical analysis on the relationship between solid waste and economic growth in China: A spatial econometric approach[J]. Journal of Cleaner Production, 2020, 256: 120-132.
  3. 中华人民共和国生态环境部. 2023年全国大、中城市固体废物污染环境防治年报[R]. 北京: 生态环境部, 2024: 15-28.
  4. 陈诗一, 陈登科. 中国工业固体废物排放的环境库兹涅茨曲线研究——基于省级面板数据的实证分析[J]. 经济研究, 2018, 53(6): 156-170.