农村居民生活消费的环境压力及影响因素分析

农村居民生活消费的环境压力及影响因素分析

杨振

【摘 要】采用生态足迹法测度我国各省区农村居民生活消费的环境压力,利用STIRPAT( Stochastic Impacts by Regression on Population, Affluence and

Technology)模型分析农村人口和富裕对环境压力的具体作用,并在此基础上探讨农村技术环境效益.研究发现:我国各省区农村居民生活消费的生态足迹构成不尽相同,且具有显著的地域分异特征;人口数量是农村生态足迹变化的主要驱动因子,二者近同比例变化,富裕程度增加也将加剧农村环境压力;在现有观测数据范围内,分析结果不支持存在环境Kuznets曲线的观点;省际农村技术环境效益差异很大,多个省市存在较大的通过技术改善环境效益的空间.

【期刊名称】《农业科学研究》

【年(卷),期】2010(031)003

【总页数】5页(P78-82)

【关键词】居民消费;环境压力;生态足迹;STIRPAT模型

【作 者】杨振

【作者单位】华中师范大学,城市与环境科学学院,湖北,武汉,430079

【正文语种】中 文

【中图分类】F328

任何人生存于世都必然要消耗自然资产提供的产品和服务,均对地球自然生态系统构成影响[1].就农村区域而言,居民生活消费不仅给资源环境带来直接的负面影响,而且作为社会再生产的主要环节和根本动力成为环境压力的终极原因[2].一直以来,我国各级政府都把提高农村居民的生活富裕水平作为重要发展目标,但富裕水平提高可能意味着对环境压力的加大.受益于国家计划生育政策和城市化战略的实施,农村人口的自然增长率明显下降,但人口基数和人口增长的绝对量依然很大[3].在全国人地关系矛盾日趋尖锐的背景下,探讨农村居民生活消费的环境压力及人口和富裕对环境压力的影响问题引起了社会的广泛关注.众多学者从各个角度对这一问题进行了卓有成效的基础研究,但由于环境压力指标难以量化,故多以定性分析为主[4-5].本文拟采用生态足迹法定量测度我国各省区农村居民生活消费的环境压力,利用STIRPAT(Stochastic Impacts by Regression on Population,Affluence and

Technology)模型分析2008年农村人口和富裕对环境压力的具体作用,并在此基础上探讨农村技术环境效益,为国家制订合理的环境经济政策、协调人地关系提供参考依据.

1 农村居民生活消费的环境压力

生态足迹(Ecological Footprint,EF)是20世纪90年代由加拿大生态经济学家Wackernagel等人提出的一个测度环境可持续性的指标.任何已知人口(某个人、一个城市或一个国家)的生态足迹是指生产这些人口所消费的所有资源和吸纳这些人口所产生的所有废弃物所需要的生物生产性土地面积(包括陆地和水域)[6].近年来,生态足迹以较为科学的理论基础、精简统一的指标体系和概念本身的普适性而得到研究人员的普遍接受[7].本文在计算农村居民生活消费的生态足迹时,各种消费项目均被折算为6类生物生产性土地面积:可耕地、草地、林地、水域、建筑用地和化石燃料地.在汇总生态足迹时,根据生产力大小对各类生物生产性土地面积乘以一个均衡因子进行统一化处理.根据文献[8],可耕地、草地、林地、水域、建筑用地和化石燃料地的均衡因子分别取2.76,0.43,1.39,0.16,2.76和1.39.某区域农村居民生活消费的生态足迹EF可用公式(1)计算 ,为

其中:ci为该区域农村居民第i种产品消费总量;pi为第i种产品的全球平均生产力;rij为第i种物品对其相应的土地类型j的均衡因子.

根据我国农村居民生活消费实际情况,选取生物资源产品为代表计算环境压力指标.我国各省区农村居民生活消费的主要生物产品项目和对应的生物生产性土地类型及全球平均产量,见表1.

利用公式(1)计算得到2008年我国各省区农村主要生物产品消费项目的生态足迹,并合计得到区域总足迹.表2是我国农村主要生物资源产品消费的生态足迹统计指标.可以发现,2008年我国农村生态足迹总量为28289.98万hm2,各消费项目的贡献率不尽相同.其中,粮食消费足迹比例最大,占49.01%,其他消费足迹比重从大到小依次为猪肉、家禽、蛋类及制品、水产品、牛羊肉、蔬菜及制品、食用植物油、酒、食糖.各类消费项目的生态足迹在不同省份之间也存在较大差异,如粮食足迹最高的河南省为1486.46万hm2,最低的北京市为25.90万hm2,两者相差57.4倍.其他消费项目也具有类似特点,反映了我国农村居民消费对环境影响的差异性特征.

表1 农村主要生物资源产品消费项目及对应的土地类型和全球平均产量注:消费项目数据来源于《中国农村统计年鉴 2009》[9].消费项目 土地类型 全球平均产量/(kg·hm-2)粮食 耕地 2744牛肉 草地 33羊肉 草地 33猪肉 草地 74家禽 耕地

376食糖 耕地 5060酒类 耕地 7164食用植物油 耕地 1312水产品 水域 29蔬菜及制品 耕地 18000蛋类及制品 耕地 534

表2 2008年农村主要生物资源产品消费的生态足迹统计指标 万hm2消费类型 最小值 最大值 平均值 标准差 和粮食 25.90(北京) 1486.46(河南) 449.22 331.64

13925.95食用植物油 1.38(青海) 80.98(山东) 24.73 19.59 766.48蔬菜及制品

0.70(西藏) 112.56(河南) 35.33 28.47 1095.28猪肉 3.23(西藏) 731.13(四川) 167.47 160.93 5191.49牛、羊肉 1.85(重庆) 170.92(新疆) 27.80 31.97 861.76家禽 0.16(西藏) 305.38(广东) 73.30 74.39 2272.29蛋类及制品 0.92(西藏)

324.24(河南) 65.72 75.47 2037.38水产品 0.00(西藏) 241.10(广东) 59.36 64.43

1840.16食糖 0.09(天津) 3.62(河南) 1.35 0.99 41.92酒0.26(西藏) 23.58(山东)

8.30 6.46 257.31总计 93.58(北京) 2355.42(河南) 912.58 640.99 28289.98

表3 2008年各省份农村居民消费的生态足迹总量、比重与排名

表3是我国各省份农村居民消费的生态足迹总量、比重与排名.可以发现,2008年各省份对全国农村总足迹的贡献率差别较大,其中北京农村的生态足迹最小为93.58万hm2,占全国农村总足迹的0.33%;河南农村足迹最高为2355.42万hm2,占8.33%.生态足迹排名靠前的省份多为人口大省或经济大省,说明人口规模和经济水平对环境压力的影响作用不容忽视.

2 农村居民生活消费的环境压力影响因素分析

2.1 影响因素辨识

影响农村消费环境压力的因素很多,如人口数量、家庭规模、教育水平、消费习惯、区域特征、居民收入、政策体制等,其中人口规模和富裕水平是两大基本因素[10].这里选择人口规模和富裕水平为主进行重点分析,前者用年底农村人口数量表示,后者用农村居民纯收入来表示(图1).图1中可以看出,河北、河南、山东、四川等省份的农村人口数量较多,而北京、天津、上海及青海、宁夏等省市的农村人口较少.农村人口最多的河南省(6032万)是最少的上海市(215万)的28倍.同样,各省市农村居民纯收入差距也比较大,如上海农村居民纯收入最高为11440.3元,甘肃最低为2723.8元,前者是后者的4.2倍.

图1 2008年各省区农村人口数量与农村居民纯收入

2.2 计量模型

ST IRPAT模型是 York等学者为克服IPAT等式的局限性而提出的一种用来测度人口、富裕和技术条件变化对环境影响的计量模型[11],其公式为

其中:I,P,A和T分别代表环境压力、人口、富裕和技术;常数项a标度该模型;b,c,d为P,A和T的指数项;e为误差项.由于当前缺乏统一的技术测量指标,实际应用中均将其归于残差项而非单独估计.

为测度人口和富裕对环境压力的影响,公式(2)需转换成对数形式(3).公式(3)中,回归系数b或c表示在其他自变量不变时,人口或富裕变化1%所引起的环境压力变化百分比.如果回归系数等于1,说明环境影响与驱动因素(P或A)存在同比例的单调变化;如果系数大于1,说明增加该驱动因素引起环境变化加剧的速度要超过驱动因素本身的变化速度;如果小于1(且大于0),说明增加该驱动因素引起的环境变化加剧的速度要小于驱动力本身的变化速度;如果小于0,则说明增加该驱动因素具有减缓环境影响的作用.

由于STIRPAT模型是随机形式,可以在公式(3)中增加富裕对数形式的二次方项来验证环境Kuznets曲线等有关假说.另外,由于残差项包含了除P和A以外的其他影响因素(主要是技术),因此残差项的逆对数可解释为技术的环境影响乘子,也可以解释成技术的环境效益[11].需要注意的是,技术的环境影响乘子大,表明技术的环境效益差,反之亦然.

2.3 结果分析

利用STIRPAT模型考察我国农村人口和富裕对环境压力的影响作用,其中的参数估计采用最小二乘法.一般来说,采用最小二乘法进行估计可能会面临数据的异方差性和多重共线性问题.这里应用省际截面数据并对原始数据进行了对数变换,误差项反映的是一种相对误差,而相对误差往往具有同方差性.因此,采用STIRPAT模型本身能较好地解决模型的异方差性.为避免因验证环境Kuznets曲线假说引入的农村居民纯收入的二次方项与农村居民纯收入之间产生共线性问题,这里对前者进行标准化处理[11].

内蒙古、海南、广东、西藏等农村技术环境效益较差的省份,在不改变人口规模和富裕程度这两个主要驱动因素的情况下,还存在较大的通过技术改 善环境效益的空间.

表4 人口和富裕对农村生态足迹的影响估计结果注:*表示在0.05的水平上显著;**表示在0.01的水平上显著;***表示在0.001的水平上显著.

表4是采用不同的自变量进行回归建模的估计结果,模型Ⅰ仅包含人口和富裕两个解释变量,方程拟合优度为97.77%,说明所选择的人口和富裕指标能解释农村生态足迹变化的97.77%,而且各回归系数在0.05的水平上显著不为0,说明两个指标的影响作用都比较显著.结合公式(2)进行分析,发现人口规模对数的回归系数(即人口规模的弹性系数)为0.9802,说明在其他条件不变的情况下,人口规模增加1个百分点会促使生态足迹增加0.9802%.从模型Ⅰ,Ⅱ来看,人口因素的环境影响弹性都略小于1,说明人口规模和环境压力之间存在近同比例的变化关系.同理,农村富裕对数的回归系数为0.0796,说明农村居民纯收入每变动1个百分点,将推动生态足迹同向变动0.0796%.与人口因素相比,农村富裕对环境压力的作用要小得多.模型Ⅱ是在模型Ⅰ的基础上增加了富裕对数的二次方项,估计结果显示,人口规模和富裕水平仍然是农村生态足迹的显著影响因素、影响强度和方向与模型Ⅰ类似;在现有观测数据范围内,尽管富裕对数二次方项的回归系数为负(-0.0004),但不能通过t检验,所以不能证明我国农村存在环境Kuznets曲线的假说.

通过对模型计算结果的残差项取逆,可进一步分析各省区农村技术因素对环境的影响,即技术的环境效益.由于STIRPAT模型的平均残差为0,其逆对数是 1,说明模型 I的平均技术环境效益为1[10-11],见表5.

表5 模型1中各省份残差项的逆对数