分析中国环境足迹及其决定因素：EKC与污染避难假说的综合评估

摘要

这项研究证实，能源消耗和开放贸易会加剧环境污染，支持污染避难假说。研究建议政策制定者应推动可持续旅游，实现能源来源多样化，并吸引外国投资进入服务行业，以实现更佳的生态效益。

摘要

本研究对1990年至2023年中国环境足迹的决定因素进行了全面的实证分析，特别聚焦于检验旅游背景下污染避难假说（PHH）和环境库兹涅茨曲线（EKC）。采用EKC框架，我们分析了生态旅游、经济增长、能源消耗、贸易开放度和外商直接投资对生态退化的动态影响。研究方法包括使用高级统计检验，以确定变量之间是否存在长期均衡关系。研究结果证实，旅游发展与环境足迹之间存在倒U型的EKC关系，表明该行业在初期会加剧环境退化，但在经济发展达到某一阈值后，则有助于改善环境。进一步结果表明，能源利用和贸易开放显著加剧了环境足迹。关键的是，外商直接投资被发现会加剧环境退化，从而为中国情境下的污染避难假说提供了强有力的实证支持。因此，本研究建议政策制定者应优先推动向可持续旅游模式的转型，加快能源结构向更清洁来源的多元化发展，并战略性地引导外商直接投资进入污染较少的服务业领域。

引言

由人类活动引起全球气候变化，使得低碳经济成为全球边缘地区地方当局不可避免的必然选择¹。异常天气事件可能扰乱河流径流、生态系统内生物的动态变化、农业生产的不稳定性²，以及造成基础设施损毁或发病率与死亡率上升，表明社会经济、生物和地理过程已引发变异，并促使学者深入探究这一变化的驱动机制³。由于生态旅游者数量增加及其相关污染物排放，生态旅游伴随着生态成本⁴。旅游业因其能够创造利润、建设基础设施、提供就业机会并赚取宝贵的外汇，已成为规模达万亿美元的产业⁵，目前占全球经济总量的7.6%⁶_， 据联合国世界旅游组织（UNWTO）报告，旅游业在全球范围内每十个就业岗位中就贡献一个，占全球贸易的7%，并占世界GDP的10%⁷。游客数量的增加是导致与污染相关的排放和材料废弃物产生的驱动因素之一⁸。

以往的研究已经确立了旅游与环境之间的关联，但通常依赖于缺乏行业特定操作指导的宏观计量经济模型⁹。本文展示了一种结构化的分析方法，结合能源投入-产出分析与碳足迹评估，以系统描绘旅游各子行业中的直接和间接能源流动及排放情况。与现有技术不同，该方法为政策制定者提供了细致且可操作的分解结果，实现了从问题识别到针对性减排措施的推进¹⁰。气候变化的影响要求旅游业——这一全球重要的经济部门——向低碳模式转型¹¹。然而，针对具有独特发展路径的主要污染经济体，当前研究仍缺乏细致的实证分析^12,13。中国是一个关键的研究案例：作为全球最大的碳排放国，其旅游业正处于快速扩张阶段，且能源结构以化石燃料为主，导致经济增长与可持续性之间存在显著矛盾。本研究通过探讨中国旅游业发展与环境足迹之间的非线性环境库兹涅茨曲线关系，并结合通过外商投资流动检验污染避难所假说，填补了这一重要研究空白。本研究的贡献体现在三个方面：（1）提供针对中国、具有政策参考价值的旅游业环境演变证据；（2）将能源结构与投资政策分析整合进旅游-环境关联框架中；（3）提出一个方法论框架，区分短期压力与长期可持续路径，从而推动实证研究超越泛化的跨国结论。

这一愿景被称为“真正的北极星”和“星球倡议”，旨在保障繁荣并拯救环境¹⁴，并通过联合国可持续发展目标（SDGs）或称“2030年议程”等框架加以实施，该议程包含17项目标和169项具体目标¹⁵。在此框架下，可持续旅游得到推动，联合国将2017年定为“国际可持续旅游发展年”即为体现¹⁶，其发展遵循联合国世界旅游组织（UNWTO）提出的原则，强调可持续的经济增长、包容性以及环境保护¹⁷。生态旅游以社会、经济和环境可持续性的三大支柱为基础¹⁸，通过协调社区、气候与旅游业的关系，提升资源的可靠性，从而带来商业、文化和环境方面的多重效益¹⁹。一些国家已开始利用旅游收入用于自然保护，建议所有国家制定策略，吸引具有环保意识的游客，并实施行业法规以保护气候与自然资源²⁰。

该方案适用于国家或区域层面的应用，且假定可获得可靠的旅游支出数据以及综合能源经济表。其主要局限性在于对输入数据分辨率的依赖性。在此条件下，该方案能够帮助主管部门识别影响较大的活动，评估可再生能源整合潜力，并制定基于证据的法规，以推动向低碳旅游经济转型，从而支持生态和经济的可持续发展^21,22。

旅游业对环境的影响是多方面的，表现为由于车辆和基础设施需求增加而导致的碳排放升高、废弃物增多以及资源枯竭，这些因素共同消耗了气候和矿产资源²³。游客数量增长推动了能源消耗和由此产生的CO₂排放上升，这一全球性现象促使各国政府转向建立低碳商业模式²⁴。实证研究表明，某些人群（如中年男性和生态旅游者）愿意为住宿中使用可再生能源支付更高费用，以认可其环境效益²⁵。此外，旅游业加剧了对关键资源的压力，提高了对水资源和卫生设施的需求，对其合理管理构成了挑战²⁶。学术研究证实了这种关联，发现除部分欧洲国家外，全球前四十八个生态旅游国家均面临因旅游业导致的CO₂排放增加²⁷，这一相关性也在经合组织（OECD）国家和中国部分省份中得到证实²⁸。对16个地中海国家的研究发现农业与旅游业对绿色资源具有联合影响，并揭示了可再生能源、GDP与旅游业之间的双向因果关系，其中一项研究确认该地区CO₂每上升1%，旅游收入即增长0.14%²⁹。相反，在法国这一全球主要旅游目的地，旅游业和人口增长却与污染减少相关联，而其他研究则指出在主要生态旅游地区，金融发展、电力使用与旅游业之间存在复杂的双向关系³⁰。问题的规模十分显著，全球旅游业的碳足迹在160个国家范围内从2009年的3.9 GtCO₂e上升至2013年的4.5 GtCO₂e，但其影响因地区而异，在突尼斯、埃及和摩洛哥分别表现出对气候的正向、负向和无显著影响³¹。

关于旅游与环境关系的研究揭示了复杂且具有区域特异性的动态。研究发现，旅游业对气候的影响在突尼斯为正面，在埃及为负面，而在摩洛哥则呈中性；后两个国家的收入与CO₂之间的关系验证了环境库兹涅茨曲线（EKC）假说³²。该假说在经合组织（OECD）经济体中也得到了进一步支持，其中CO₂排放被游客数量和EKC关系共同格兰杰因果驱动³³。特定目的地的案例研究凸显了这种双重性：在泰国芭堤雅，旅游业既带来了积极的生态规划，也造成了废物和污染的负面影响；而在土耳其，研究证实实际收入每增长1%，CO₂排放增加0.345%，且旅游业和能源使用被确认为因果因素³⁴。在更广泛的范围内，对金砖国家（BRICS）的分析显示，旅游收入每增加1%，CO₂排放上升0.5313%；但反馈因果关系也表明，旅游融资每增长1%，CO₂排放可能下降0.5771%。相反，在中美洲和南美洲的研究指出，可再生能源对CO₂减排具有单向因果关系，并发现由于旅游业、外商直接投资（FDI）和可再生能源的发展，环境退化有所缓解³⁵；这一发现得到了南亚地区经济全球化与碳影响之间存在倒U型EKC关系的进一步佐证。最后，就影响量化而言，巴塞罗那旅游业的年碳排放量估计为9.6 MtCO2 eq.，相当于每位游客每日产生96.9 kg CO₂ eq.的排放量³⁶。

本研究在大量关于旅游业对CO₂排放影响的文献中独树一帜，通过构建一个独特的全球旅游业指标，将（i）国内旅游与旅游消费、（ii）政府个人旅行支出、（iii）公共投资、（iv）国际旅游收入以及（v）外国游客支出纳入考量，并以总体环境影响的形式加以表达。本研究并未采用单一的国家归类方式，而是按收入水平对国家进行分类，以探讨旅游业、经济增长和可再生资源的影响，以及这些变量之间的相互关系。这一方法有助于更深入地理解相关问题，尤其是在现有研究结论存在矛盾的背景下。例如，尽管生态旅游品牌化被视为保护环境的关键政策工具³⁷，且主要客源国的碳足迹持续扩大，但关于环境库兹涅茨曲线（Environmental Kuznets Curve, EKC）的研究结果却莫衷一是。一些研究证实旅游业可引发EKC效应，表明其可能在高收入经济体中促进环境可持续性，尽管游客到访人数和旅游收入总体上对排放具有负面影响³⁸。相反，其他研究则在高收入国家中否定了库兹涅茨假说，或发现旅游收入与环境成本之间存在单调递增的关系³⁹。

方案

理论框架与变量选择
本研究的实证模型与变量选择明确源于若干基础理论的综合，这些理论用于解释经济发展与环境可持续性之间的动态关系。研究主要基于环境库兹涅茨曲线（Environmental Kuznets Curve, EKC）假说⁴⁰，该假说认为环境退化与经济增长之间存在倒U型关系：在经济发展的初期阶段，环境退化随经济增长而加剧；但当人均收入达到某一阈值后，环境质量将逐步改善。为检验这一核心命题，模型中引入国内生产总值（Gross Domestic Product, GDP）作为衡量经济规模与发展水平的主要指标。同时，研究结合旅游驱动增长假说，将旅游业与旅行（Tourism and Travel, T&T）占GDP的比重纳入分析，以评估该行业在推动经济增长的同时，是否也可能成为资源消耗和污染增加的潜在来源。鉴于理论预期存在非线性关系，模型中进一步引入T&T的平方项，以实证捕捉旅游业特有的EKC拐点。此外，污染避难所假说为本研究提供了另一理论支撑，该假说认为发达国家严格的环境规制可能导致污染密集型产业向环境标准较宽松的国家转移。为检验这一机制在中国的适用性，模型引入合资企业（Joint Venture, JV）流入量作为外商直接投资的代理变量，检验此类资本流入是否加剧了国内的环境压力。模型还基于IPAT（Impact = Population × Affluence × Technology）框架，强调能源系统的关键作用，该框架指出能源消费是生态影响的根本近因。因此，能源使用（Energy Use, EU）被纳入作为关键的独立变量，反映一国能源结构所固有的污染强度。最后，模型考虑了开放贸易（Open Trade, OT）的影响，依据贸易理论，国际贸易通过规模效应（产出增加）、结构效应（产业结构变化）和技术效应（技术转移）影响环境。本研究选择综合性的生态足迹（Environmental Footprint, EF）作为因变量，这一选择本身具有理论依据，符合生态经济学的视角：EF能够全面衡量人类对生物生产性生态系统的资源需求，有效反映经济活动带来的多维度环境成本^41,42。这一系统的理论三角验证直接指导了样本数据集的构建，确保每个变量均代表中国社会经济演变影响其生态基础的特定理论路径。

数据与模型设定
本研究使用了1990年至2023年中国年度时间序列数据。研究中的因变量用于表征环境污染，即生态足迹（Environmental Footprint, EF）。换言之，生态足迹衡量的是维持特定区域资源消耗所需的陆地公顷数和河流面积。根据相关理论，生态足迹数值越高，表明环境代价越大，对环境的破坏也越严重。整个生态系统被用于评估环境损害程度。在现有文献中，旅游业发展水平通常以旅游收入、旅游支出以及游客占比等指标来衡量⁴³。本报告的因变量为碳排放影响。本研究首次采用旅游业与旅行相关活动占GDP比重的数据，探讨其对中国生态足迹的影响。借鉴Mrabet和Alsamara的研究方法⁴⁴，本研究还将能源消耗纳入分析。本研究所用数据来源于世界发展指标数据库（World Development Indicators）。中国统计年鉴及中国国家统计局提供了有关中国旅游业发展的信息。此外，生态足迹数据来自全球足迹网络（Global Footprint Network, 2018）⁴⁵，而旅游业占GDP比重的数据则来自世界数据地图（World Data Atlas）。

分析框架
根据最新研究，旅游业的发展显著增加了对环境的影响。因此，我们定义了如下可估算的计量经济方程，该方程基于^46,47：

       (1)

GDP 代表经济发展，其中 EF 代表环境足迹，EU 代表能源利用。为考察其对中国环境成本的影响，本研究将旅游及旅游业占 GDP 的比重（T&T）纳入分析。此外，引入游客数量与旅游的平方项，以检验碳排放影响与旅游业之间是否存在库兹涅茨曲线类型的关联。该模型还纳入外商直接投资（FDI），以检验其流入是否在碳排放“避难所假说”或“污染光环假说”框架下对环境质量产生显著影响⁴⁸。此外，根据文献⁴⁹的研究，贸易自由化作为环境保护的一个关键潜在因素，也在本报告的环境分析中予以强调。以下是计量经济模型。

      (2)

最新研究利用报告因素的自然图来获取系数的即时弹性，并简化估计过程。因此，以下是对方程的修改；

      (3)

估计方法
本研究首先检验数据的平稳性，以确定其是否为平稳序列。在此情况下可采用合适的协整分析方法，即自回归分布滞后模型（ARDL）。研究表明，相较于其他方法，ARDL边界检验法具有若干优势：无论变量序列的单整阶数如何（无论是I(0)、I(1)还是二者的混合），该方法均可适用；能够同时评估短期和长期效应；通过合理选择滞后阶数，可纳入外生变量及残差关联问题；与Johansen方法相比，其在小样本下具有较好的检验功效⁵⁰。在从一般形式转化为特定结构时，数据生成方法在转换过程中包含足够的滞后项，以确保估计的准确性⁵¹。此外，通过简单的线性变换，我们可引入短期调整机制，构建误差修正模型，而不会破坏长期均衡关系。本研究在短期估计中聚焦于ARDL框架下的误差修正机制，而在长期分析中则采用普通最小二乘法（OLS）为基础的估计方法。本研究采用双对数模型框架，该框架适用于马来西亚的研究情境⁵²，并将所有变量取对数形式，以避免自相关和多重共线性问题。本研究使用ARDL方法识别以下长期存在的关系：

      (4)

标准误由 β 表示₀ 是常数项。接下来的计算部分用λ表示，代表长期关系，而求和符号表示短期动态。为了确定变量是否包含在长期关系中，研究采用了边界检验。据称，估计的F统计量值超过了上限，此时可预测协整关系存在。本研究进一步评估了协整检验。许多研究者在计量经济学文献中提出了多种协整技术，其结果和特征各不相同。为提升基于若干先前协整方法的相关性分析能力，已构建一种综合检验方法。对于更全面的估计方法，该技术提供联合统计量以检验无协整的零假设。若拒绝零假设，则接受协整关系的存在。根据费雪公式，各协整检验所测得的显著性水平（p值）之和如下：

      (5)

      (6)

其中，EG 代表 Engle 和 Granger 统计量，JOH 代表 Johansen 检验统计量⁵³。BDM 和 BO 表示 Boswijk 检验统计量⁵⁴。与这些检验所对应的缩写一样，若表中数值低于估计的 Fisher 统计量，则表明协整的 p 值具有显著性，我们将拒绝无协整关系的原假设。此外，还将通过误差修正机制进行以下短期动态检验：

    (7)

结果

初步分析
对数据进行全面的初步分析是建立可靠计量经济学模型的基本前提，因为它能够确立基础变量的基本特征和行为模式。该阶段需要通过描述性统计量来了解数据的集中趋势、离散程度和正态性，同时借助箱线图和增长率趋势等图形化方法，直观地洞察序列的分布特征、变异性及其随时间的演变过程。这一基础性步骤对于识别潜在的异常值、理解变量的量级以及初步形成关于变量间关系的假设至关重要，从而为后续选择适当的计量经济学方法提供依据，并避免因误解数据特性而得出虚假的结论。

表1 本研究进行了描述性分析与相关性检验。根据Jarque-Bera统计结果，对环境影响、旅游业增长、电力使用、经济扩张、贸易开放度和外商直接投资等因素进行了均衡划分。研究结果表明，碳排放影响的均值为11.82，取值范围在11.34至12.21之间，无显著波动。GDP和JV是变异程度最大的变量，其平均值分别为4.13和1.21，最小值分别为1.01和0.37，最大值分别为7.54和3.67。然而，在研究期间，旅游业增长、商业活动或能源利用方面未出现更显著的变化。最后...

讨论

本研究的结果证实了中国经济活动与环境退化之间存在复杂的关联，这对政策制定具有重要意义。我们应用了Toda-Yamamoto因果检验和ARDL协整方法，为厘清这些动态关系提供了坚实的分析框架。该分析流程的成功依赖于两个关键步骤：首先，确立变量之间稳定的长期协整关系，从而验证了旅游业、能源使用、外商投资与环境足迹之间存在基本的均衡联系^56,57；其次，采用ARDL边界检验方法对于在包含I(0)和I(1)混合变量的情况下生成可靠的短期和长期估计至关重要，这在宏观经济时间序列数据中是常见特征⁵⁸。这一方法学流程直接促成了一个关键发现，即旅游业呈现出倒U型（环境库兹涅茨曲线，EKC）关系。模型通过引入平方项有效捕捉了非线性效应，揭示出该行业在发展初期对环境的负面影响，可随着进一步发展和投资逐步转向可持续状态。相较于可能忽略动态均衡与因果关系的简单相关性分析或标准回归方法，这种综合方法能够更严谨、更及时地揭示环境驱动因素的作用机制

材料

本文使用的材料清单

姓名	公司	目录编号	评论
<强>数据来源
环境足迹（EF）数据	全球足迹网络（2018）		作为因变量，用于捕捉经济活动带来的生态压力；取代传统的污染指标。
旅游 &和旅行（T&占GDP的百分比	世界数据地图集；中国统计年鉴；中国国家统计局		衡量旅游行业’对经济活动的贡献及其环境影响；通过纳入旅游（T）来检验旅游驱动的环境库兹涅茨曲线（EKC）&和2.
GDP（经济发展指标）	世界发展指标（WDI）		检验环境库兹涅茨曲线（EKC）假设及模拟经济增长规模效应的核心变量。
能量利用（EU）	世界发展指标（WDI）		反映能源消耗的污染强度，与IPAT框架保持一致。
合资企业（JV）/ 外商直接投资（FDI）代理指标	中国商务部，中国投资 &和 JV Records		作为中国国内FDI的替代指标，用于检验污染避难所假说与污染光环假说。
开放贸易（OT）	世界发展指标（WDI）		代表贸易开放度，用于评估规模、构成和技术效应对生态足迹（EF）的影响。
<强>构建变量
旅游非线性项（T&与²)	T 的平方项&占GDP的百分比		可在旅游业中检验非线性环境库兹涅茨曲线（EKC）类型的特征。
对数转换变量	自然对数应用于EF、T&安培与T，GDP，欧盟，OT		确保基于弹性的解释，减少异方差性，并提高模型拟合度。
<强>软件 &与工具
计量经济学软件	EViews / Stata / R（未明确说明但必需）		用于时间序列变换、计量经济学估计（ARDL、协整检验）、诊断分析及因果关系检验。
<强>计量经济学方法 &和测试
单位根检验	ADF，PP（隐含），时间序列的平稳性诊断		在进行ARDL估计之前，确定变量是I(0)还是I(1)。
ARDL 边界检验	Pesaran 等（2001）ARDL 方法论		评估环境库兹涅茨曲线（EF）与其决定因素之间的长期协整关系；处理不同阶数的单整问题。
费希尔-约翰森联合协整检验	Engle–格兰杰，约翰森，博斯维克，班纳吉-多拉多-梅斯特（BDM）		使用多种协整统计量验证协整关系。
长期与短期 ARDL 估计	基于ARDL的误差修正模型框架		估算影响生态足迹（EF）的短期弹性与长期均衡关系。
误差修正项（ECT）	源自 ARDL 长期方程		测量短期冲击后，误差修正项（EF）恢复到均衡状态的速度。
结构 &和稳定性诊断	CUSUM 和 CUSUMSQ 检验		检验结构稳定性及参数在时间上的恒定性。
因果性分析	ARDL 框架内的格兰杰因果关系		确定环境足迹（EF）、旅游、GDP、能源使用（EU）、对外开放度（OT）和司法独立（JV）之间的方向性因果关系。