教室环境布置的意义范文

前言：我们精心挑选了数篇优质教室环境布置的意义文章，供您阅读参考。期待这些文章能为您带来启发，助您在写作的道路上更上一层楼。

第1篇

[关键词] “六步”教学法；网络环境；建构主义理论

随着社会的不断进步，高职教育在我国教育中的地位越来越重要，而高职英语更是顺应时代需求下的产物。但是当前我国的高职英语教育水平仍然停留在教师一味灌输理论知识，教育教学方式不恰当、学生被动接受知识的层面上。教育的最终目的不仅仅是让学生单纯地接受知识，而是着重于培养学生的综合能力，提高自身素质。高职英语研讨式“六步”教学法是对传统捆绑式教育的改革，利用网络环境的优势，构建出全新的符合现代教育形势发展的课题教学模式。

1、高职英语研讨式“六步”教学法的概念

网络环境下的英语研讨式“六步”教学法是建立在建构主义等理论的基础上，在高职英语教学的课程中将网络信息技术与研讨式教学法进行有机结合，充分调动学生的自主学习性，通过协作主动开展创新型学习的行为。

网络技术作为新时代的高科技产物，可以在英语教学的过程中为师生提供大量丰富、真切、生动、活泼的语言场景。基于建构主义理论的网络环境下的“六步”教学法主要由情景——探索——协作——评价——操练——运用等六个步骤组成。

第一步即情景，就是根据设定的教学任务和目的，教师利用互联网技术设立出符合课设的场景，以便学生能够身入其境，真实感受直观且形象的教学任务。在这一过程中，教师需要借助网络信息的共享性建立资料库，方便学生随时阅读。

第二步是探索过程。学生通过对老师提出的问题或任务进行分析后，进行小组分工，在有限的时间内利用网络查询相关资料（可以是报刊杂志、书籍文献、图像资料等），并归纳总结，整理出课题汇报讲稿。在这一步骤进行过程中，讲究的是学生的独立自主性，教师主要对其进行适当的引导和监督。

第三步即协作。解决教学任务或问题单靠一个人的力量获得的答案或许是片面不具体的，此时，小组成员在汇报前需要沟通，利用探索过程中所获得的成果，通过辩论、合作、竞争以及角色扮演等不同的方式进行交流，最终获得属于小组本身的一个学习成果。

第四步则需要教师对学生任务完成的情况进行评价。教师的评价能够帮助学生系统全面地理顺知识资料，深入了解教学的目的，调动学生学习的积极性。

第五步是操练，即在教师安排的课程任务下，学生们根据大量的信息资料与网络上获取的材料进行总结，展开练习，以达到巩固和强化所学知识的目的。这是教学过程中重要的一项环节，学生应在教师的指导下进行合理的练习，达到层层深入，提高训练层次。

最后一步就是运用。一切知识的掌握都是为了更好地运用到实际生活中，帮助学生提升自身素质能力。教师通过布置新的任务，安排学生利用学习到的知识独立完成。

以上六步相互联系，共同实现英语的新式教学法。

2、“六步”教学法的理论基础

建构主义理论是高职英语研讨式“六步”教学法形成的重要理论基础。建构主义教学理论认为学习是能动汲取知识的过程。学生在这一过程中，不是被动地去接触外界信息，而是主动地依靠别人的帮助，通过必需的资料以建构的方式获得知识。这种建构是属于个人的，学习者通过运用自身已有的知识储备或经验教训，能动地对信息进行加工、整理和组建。建构主义理论的教学观念认为情境、主体、协作以及资源是教学工程中的促进剂。在学习过程中，以学生自身为中心，学习环境和现实情景相互结合，加强学生之间的相互讨论相互协作精神，通过提供大量的丰富的资源帮助学习者更好地获取知识。首先，将学生作为学习的中心，其实是要求学生主动对知识进行探索、发现和对知识理论的建构。在教育中，需要注重考虑学生的实际经验和实践能力，把握教学内容的更新和对“六步”教学法的合理运用，通过学生的交流过程，使其展开生动有趣的学习。网络的运用综合了建构主义四大要素——情境、协商、会话和意义建构，改变英语教学中的传统模式，为高职英语教育提供更为先进的教育方式，同时也实现了建构主义的美好设想。

多媒体网络技术是实现建构主义理论的最有效工具。在协作学习过程中，学生通过对话和协商对获取的知识进行讨论和分析，实现跨地域和时空的交流学习需要计算机网络辅助教学系统的语音功能作为支持，这便需要借助网络环境。在这一过程中，网络能够给学习者提供生动具体的学习环境，采用图文并茂的方式加强交流理解，同时还可以通过超文本的形式管理和编辑知识信息，对于学生英语学习具有相当重要的意义。网络环境下英语研讨式“六步”教学法，就是在建构主义理论的基础下，利用高科技网络手段，通过六步教学法实现反传统的教学理念，是现代化教育环境中的实践操作，更是高职英语课程改革的发展方向。

随着经济的迅速发展，知识的不断更新，网络技术的逐步推进，对外交流的日益扩大，社会对于英语技能的要求越来越高，基于建构主义理论的网络环境下的高职英语研讨式“六步”教学法改变了传统模式下的灌输式教育体制，通过利用现代化的网络教育技术手段着重发挥学生学习的自主独立性和积极性，给英语教育注入了新的活力，它以超越局限和时空的特有方式激发了学生学习的积极性和主动性，有益于培养学生的实践能力、独立思考能力、团队协作能力以及创造力等，提高学生学习英语的效率，推进高职英语教育教学的改革。

参考文献：

[1]杨善江.基于建构主义理论的网络环境下高职英语研讨式“六步”教学法探讨[J].疯狂英语（教师版），2007，11：33-37.

[2]陈辉.网络环境下英语“六步”教学法在高职旅游英语教学中的运用[J].管理观察，2009，10：181-182.

第2篇

论文关键词：外商直接投资，环境库兹涅茨假说，污染天堂假说

一、引言

随着经济发展，全球环境的承载压力越来越大。经济学家也密切关注环境质量变化。Grossman和Krueger（1991）提出Envieonment Kuznets Curve（EKC）假说，即环境质量随着经济的增长呈现出先增大后缩小的关系，即呈倒U型曲线关系，[1]。

环境竟次理论是指不同国家或地区间对待环境政策强度和实施环境标准的行为类似于“公共地悲剧”的发生过程，每个国家都担心他国采取比本国更低的环境标准而使本国的工业失去竞争优势。因而，国家之间会竟相采取比他国更低的环境标准和次优的环境政策项目管理论文，结果是每个国家都会采取比没有国际经济竞争时更低的环境标准，从而加剧全球环境恶化。

“污染天堂假说”认为在一国单方提高环境标准的情况下，国内企业和环境标准低的外国企业相比失去其竞争优势，从而使高环境标准国家的企业将生产转向低环境标准国家。若在实行不同环境政策强度和环境标准的国家间存在自由贸易，实行低环境政策强度和低环境标准的国家，因外部性内部化的差异而使该国企业所承受的环境成本相对要低。在该国进行生产时，其产品价格就会比在母国生产出同样产品的价格相应要低。因此，该国在投资和生产方面具有更大的优势。这种由成本差异所产生的“拉力”会吸引国外的企业到该国安家落户。

Eskeland 和 Harrison (2003)认为污染密集型的外资企业运用的生产和污染消除技术通常比东道国本地的企业更先进和更有利于改善环境。如果这些企业能够替代部分东道国同行业低效生产的企业， 则东道国的整个污染状况将有可能好转[2]。郭红燕和韩立岩实证研究发现中国的FDI存量与环境管制变量呈正相关，表明中国宽松的环境管制是吸引外商直接投资的一个重要因素，显现出 “污染避难所”效应 [3]。

二、变量选取及模型构建

（一）东部和中部的FDI区域分布

改革开放以来，中国吸收外商直接投资数量增长迅速。1979-1984年总计41.04亿美元，而后从1985年的19.56亿美元快速增长到2008年923.95亿美元，1979-2008年累计达8526.13亿美元。2007年东部和中部地区利用FDI所占比重分别为78.27%、15.30%。[4] 2008年中国引进的外商直接投资为923.95亿美元， FDI主要集中于东部地区，主要集中于东部地区项目管理论文，东部地区主要集中于江苏、广东、山东、浙江、上海、福建和辽宁，2008年广东、江苏、浙江、上海的FDI的总额为543.7104亿美元。东部地区引进的外商直接投资中，江苏为251.2亿美元、广东为191.27亿美元、辽宁为120.2亿美元，上海、浙江、福建分别为100.84亿美元、100.729亿美元、100.256亿美元（见图1-图3），江苏和广东占2008年中国外商直接投资的47.93%。中部地区主要集中于湖南、江西和湖北。但2007年以来，安徽和河南的外商直接投资增长迅速。2008年中部引进的外商直接投资中，河南为40.327亿美元、湖南为40.052亿美元、江西为36.037亿美元、安徽为34.9亿美元、湖北为32.45亿美元，中部五省占中国2008年外商直接投资的19.89%。

图1中国东部和中部2003～2008年FDI区域分布（亿美元）

图2中国东部十一省（市）2003～2008年FDI区域分布（亿美元）

图3中国中部八省2003～2008年FDI区域分布（亿美元）

（二）变量选取

考虑统计口径一致和数据的连续性，选取工业废气排放总量（亿标立方米）、工业废水排放总量（万吨）、工业固体废物产生量（万吨）、工业固体废物排放量（万吨）、工业烟尘排放量（万吨）、工业粉尘排放量（万吨）和工业二氧化硫排放量（万吨）为环境污染指标；人均地区生产总值（元）作为经济增长指标，此外，考虑国际贸易因素中污染的可输出性，用FDI作为污染的输出指标（万美元）。SO2、FS、FQ、GYYC、GYFC、GTCS、GTPF分别表示工业二氧化硫排放量、工业废水排放量、工业废气排放量、工业烟尘排放量、工业粉尘排放量、工业固体废物产生量、工业固体废物排放量，Y表示人均地区生产总值（元），FDI表示外商直接投资（万美元）。环境污染指标数据根据1986至2009年中国统计年鉴相关数据整理项目管理论文，地区人均生产总值和外商直接投资数据根据1986至2009年省（市）统计年鉴相关数据整理。LNSO2、LNFS、LNFQ、LNGYYC、LNGYFC、LNGTCS、LNGTPF分别表示污染指标的自然对数，LNY、LNFDI分别表示人均地区生产总值和外商直接投资的自然对数。本文中东部十一个省（市）为广东、上海、浙江、江苏、北京、辽宁、海南、山东、福建、河北、天津；中部八省为湖南、湖北、安徽、山西、江西、黑龙江、吉林、河南。通过东部和中部的数据研究中国东部和中部省（市）FDI的对环境影响的差异。

（三）模型设定形式

由于面板数据模型同时具有截面、时序的两维特性，模型中参数在不同截面、时序样本点上是否相同，直接决定模型参数估计的有效性。根据截距向量和系数向量中各分量限制要求的不同，面板数据模型可分为无个体影响的不变系数模型、变截距模型和变系数模型三种形式。在面板数据模型估计之前，需要检验样本数据适合上述哪种形式，避免模型设定的偏差，提高参数估计的有效性。设有因变量与1×k维解释变量向量，满足线性关系：

，=1，2，…，N，=1项目管理论文，2，…，T

其中N表示个体截面成员的个数，T表示每个截面成员的观察时期总数，参数表示模型的常数项，表示对应于解释变量的k×1维系数向量，k表示解释变量个数。随机误差项相互独立，且满足零均值、同方差假设。采用F-test检验如下两个假设：

H1:个体变量系数相等；H2:截距项和个体变量系数都相等。

如果H2被接受，则属于个体影响的不变系数混合估计；如果H2被拒绝，则检验假设H1，如果H1被接受，则属于变截距，否则属于变系数。变系数、变截距和混合估计的残差平方和分别为S1、S2、S3，面板个体数量为N，面板时间跨度为T，根据Wald定理在H2假设条件下构建统计量F2项目管理论文，在H1假设条件下构建统计量F1，其中：

～F[(N-1)(K+1)，N(T-K-1)]

～ F[(N-1)K，N(T-K-1)]

若计算得到的统计量F2的值不小于给定置信度下的相应临界值，则拒绝假设H2，继续检验假设H1。反之，则认为样本数据符合无个体影响的不变系数模型。若计算得到的统计量F1的值不小于给定置信度下的相应临界值，则拒绝假设H1，用变系数模型拟合，反之，则用变截距模型拟合。

三、东部和中部模型回归结果分析

利用东部十一省（市）和中部八省的相关数据，借助Eviews6.0，采用固定效应模型对七个环境污染指标分别进行回归。采用Pooled EGLS(Cross-section weights) 消除异方差，采用广义差分法消除自相关，回归后的残差是平稳序列。回归结果见表1-表8

（一）东部和中部地区FDI对工业废水、工业废气影响差异分析

表1 东部地区 LNFS、LNFQ模型参数估计结果

LnFS

LnFQ

变量

参数

固定效应

参数

固定效应

α

24.7998(1.8722***)

49.3840(4.0923*)

-3.6806(-1.4613***)

-13.1905(-3.2263*)

0.4188(1.4567***)

1.3574 (2.9634*)

-0.0158(-1.4541***)

-0.0440 (-2.5825*)

AR(1)

0.9958(42.3684*)

0.8089 (24.7612*)

海南--LNFDI

0.1027(1.2365)

-8.0449

0.1302 (0.9513)

-3.7321

河北--LNFDI

-0.0088(-0.1280)

3.8736

0.0835 (1.1098)

0.0014

上海--LNFDI

0.0259(1.0531)

-15.5458

-0.1318(-0.9580)

1.1533

浙江--LNFDI

-0.0384(-0.5847)

10.5687

0.0745 (1.3692)

-0.4913

辽宁--LNFDI

-0.0835(-1.6476***)

-5.4319

0.0426(0.3272)

0.1718

广东--LNFDI

-0.0392(-0.3555)

6.3472

-0.0459 (-0.3756)

0.9825

北京--LNFDI

0.0135(0.3381)

-21.1233

-0.0295(-0.4951)

-0.8745

天津--LNFDI

-0.0078(-0.1072)

-5.6961

-0.0204(-0.1636)

-1.0105

江苏--LNFDI

-0.0415(-0.7790)

7.6127

-0.1504(-2.2292**)

2.7120

福建--LNFDI

-0.0955(-0.7093)

12.4942

-0.0186 (-0.2712)

-0.2444

山东--LNFDI

-0.0727(-2.1787*)

11.0165

0.0366 (0.7316)

0.3737

R2

0.9996

0.9985

F

21721.19

5607.094

D-W

2.2587

1.8888

注:括号内为t值，*表示1%的显著水平项目管理论文，**表示5%的显著水平，***表示10%显著水平，表7-表8同。

东部工业废水与人均地区生产总值呈倒N型关系。海南、上海、北京的FDI对工业废水排放量产生正影响，但t统计量不显著。河北、浙江、辽宁、广东、天津、江苏、福建、山东的FDI对工业废水排放量产生负影响，辽宁在10%的水平下显著，其他省（市）的t统计量不显著。辽宁的FDI每增加1个百分点，工业废水排放量将减少0.0835个百分点。

东部工业废气与人均地区生产总值呈倒N型关系。海南、河北、浙江、辽宁、山东的FDI对工业废气排放量产生正影响，但t统计量不显著。上海、广东、北京、天津、江苏、福建、山东的FDI对工业废气排放量产生负影响，江苏在5%的水平下显著。其他省（市）的t统计量不显著。江苏的FDI每增加1个百分点，工业废气排放量将减少0.1504个百分点。

表2 中部地区LNFS、LNFQ模型参数估计结果

LNFS

LNFQ

变量

参数

固定效应

参数

固定效应

α

16.6018(7.9671*)

11.6524(3.9031*)

-1.1320(-2.3466*)

-1.2244(-1.8624**)

0.0587(2.1385**)

0.0967(2.6877*)

AR(1)

0.7772(15.2270*)

0.8699(24.1079*)

湖南--LNFDI

-0.0333(-1.0065)

0.8689

0.0030(0.0929)

0.0309

山西--LNFDI

5.29E-05(0.0022)

-0.5998

-0.0116(-0.5248)

0.9869

吉林--LNFDI

0.0224(1.3361)

-0.8116

-0.0138(-0.8731)

-0.1019

安徽--LNFDI

0.0068(0.3212)

-0.1071

0.0848(2.0050**)

-0.5360

黑龙江--LNFDI

-0.0691(-1.3522)

0.4276

0.0047(0.1391)

-0.1447

河南--LNFDI

0.0396(1.6098***)

-0.0902

0.0587(1.1488)

-0.1023

江西--LNFDI

0.0148(0.4637)

-0.3718

0.0410(0.9293)

-0.7326

湖北--LNFDI

-0.0348(-0.7651)

0.8336

-0.0194(-0.4111)

0.6340

R2

0.9992

0.9985

F

11085.59

6243.136

D-W

1.6877

1.6591

中部地区工业废水与人均地区生产总值呈正U型关系。山西、吉林、安徽、河南、江西的FDI对工业废水排放量产生正影响，山西、安徽在5%的水平下显著，河南和江西在1%的水平下显著，吉林的t统计量不显著，影响最大的河南为0.1444项目管理论文，其次是江西。湖南、黑龙江、湖北的FDI对工业废水排放量产生负影响，黑龙江在1%的水平下显著，湖南和湖北的t统计量不显著。黑龙江的FDI每增加1%，工业废水排放量将减少0.1025%。

中部地区工业废气与人均地区生产总值呈正U型关系。湖南、山西、安徽、河南、江西、湖北的FDI对工业废气排放量产生正影响，湖南的t统计量不显著，湖北在5%的水平下显著，其他省都在1%的水平下显著。影响最大的河南为0.0819，其次是安徽。吉林、黑龙江的FDI对工业废气排放量产生负影响，且都在1%的水平下显著。影响最大的黑龙江为-0.1521，即FDI每增加1个百分点，工业废气排放量将减少0.1521个百分点，其次是吉林。

（二）东部和中部地区FDI对工业烟尘、工业粉尘影响差异分析

表3 东部地区LNGYYC、LNGYFC模型参数估计结果

LNGYYC

LNGYFC

变量

参数

固定效应

参数

固定效应

α

32.7262(2.8164*)

52.9893(3.8847*)

-10.5024(-2.6944*)

-18.5026(-4.0342*)

1.2657(2.9653*)

2.2848(4.5435*)

-0.0505(-3.2386*)

-0.0927(-5.0305*)

AR(1)

0.4000(6.1657*)

0.3097(4.5813*)

海南--LNFDI

0.0477(0.3532)

-4.19200

-0.2814(-1.2742)

-0.4495

河北--LNFDI

-0.0335(-0.3842)

0.5242

0.0267(0.2515)

-0.0456

上海--LNFDI

-0.1521(-2.7826*)

0.5767

-0.2069(-2.4847*)

0.3125

浙江--LNFDI

-0.0627(-0.8102)

-0.0833

-0.0941(-0.9720)

0.6786

辽宁--LNFDI

-0.0934(-1.0676)

1.3496

-0.0855(-0.9936)

0.9432

广东--LNFDI

0.0402(0.4283)

-1.1402

-0.0525(-0.4761)

0.6557

北京--LNFDI

-0.2631(-2.2266**)

1.3044

0.1188(0.2863)

-2.7899

天津--LNFDI

0.0139(0.1345)

-1.7711

-0.2062(-3.3778*)

-0.2964

江苏--LNFDI

-0.1082(-2.3398**)

1.4371

-0.0810(-1.0884)

0.7549

福建--LNFDI

-0.0546(-0.6975)

-0.9522

-0.0017(-0.0179)

-0.8758

山东--LNFDI

-0.1649(-2.4789*)

2.2796

-0.0876(-1.2915)

1.1267

R2

0.9829

0.9773

F

487.359

326.259

D-W

2.0287

2.1269

东部地区工业烟尘与人均地区生产总值呈倒N型关系。海南、广东、天津的FDI对工业烟尘排放量产生正影响，但t统计量不显著。河北、上海、浙江、辽宁、北京、江苏、福建、山东的FDI对工业烟尘排放量产生负影响，上海、山东在1%的水平下显著项目管理论文，北京和江苏在5%的水平下显著，其他省（市）的t统计量不显著。影响最大的北京为-0.2631，即FDI每增加1个百分点，工业烟尘排放量将减少0.2631个百分点。

东部地区工业粉尘与人均地区生产总值呈倒N型关系。河北、北京的FDI对工业粉尘排放量产生正影响，但不显著。海南、上海、浙江、辽宁、广东、天津、江苏、福建、山东的FDI对工业废气排放量产生负影响，上海、天津在1%的水平下显著，其他省（市）t统计量不显著。影响最大的上海为-0.2069，即FDI每增加1%，工业粉尘排放量将减少0.2069%。

表4 中部地区LNGYYC、LNGYFC模型参数估计结果

LNGYYC

LNGYFC

变量

参数

固定效应

参数

固定效应

α

42.0185(1.8447**)

89.1652(3.1244*)

-13.5462(-1.6467***)

-32.1750(-3.1544*)

1.6143(1.6440***)

3.9980(3.3162*)

-0.0636(-1.6339***)

-0.1632(-3.4480*)

AR(1)

0.3172(4.1467*)

0.4488(6.0984*)

湖南--LNFDI

-0.0019(-0.0419)

-0.8825

0.0495(0.6818)

-0.8836

山西--LNFDI

-0.0189(-0.3482)

-0.0711

0.0357(0.7816)

-0.8062

吉林--LNFDI

-0.1284(-3.0416*)

0.3904

-0.1267(-3.4817*)

-0.4546

安徽--LNFDI

-0.0772(-1.4121)

-0.3836

-0.0923(-1.5097)

0.1776

黑龙江--LNFDI

-0.2387(-3.8292*)

2.0898

-0.2454(-3.2349*)

1.0407

河南--LNFDI

0.0198(0.3755)

-0.5630

-0.0493(-0.7333)

0.2108

江西--LNFDI

-0.0365(-0.7702)

-1.0183

-0.0689(-1.2353)

-0.1311

湖北--LNFDI

-0.1321(-2.4864*)

0.3379

-0.1383(-2.3095*)

0.7561

R2

0.9486

0.8592

F

155.442

46.2631

D-W

1.9311

2.1184

中部地区工业烟尘与人均地区生产总值呈倒N型关系。中部8省FDI对工业烟尘排放量产生负影响，湖南、山西和河南的t统计量不显著，吉林、安徽、黑龙江、江西、湖北都在1%的水平下显著。影响最大的黑龙江为-0.2609，即FDI每增加1个百分点，工业烟尘排放量将减少0.2609个百分点，其次是吉林项目管理论文，再其次是湖北。

中部工业粉尘与人均地区生产总值呈倒N型关系。中部8省的FDI对工业粉尘排放量都产生负影响，湖南、山西、河南、江西的t统计量不显著，吉林、安徽、黑龙江、湖北的t统计量在1%的水平下显著。影响最大的黑龙江为-0.3797，即FDI每增加1个百分点，工业粉尘排放量将减少0.3797个百分点，其次是吉林，再其次是湖北。

（三）东部和中部地区FDI对工业固体废物产生量、工业固体废物排放量影响差异分析

表5 东部地区LNGTCS、LNGTPF模型参数估计结果

LNGTCS

LNGTPF

变量

参数

固定效应

参数

固定效应

α

63.4898(5.0320*)

8.7117(5.0309*)

-17.5778(-4.2654*)

-0.8248(-3.5953*)

1.7727(3.9784*)

-0.0581(-3.6181*)

AR(1)

0.8177(27.0287*)

0.5104(8.6360)

海南--LNFDI

0.2352(1.4884)

-4.4831

4.9656(3.7795*)

-49.2073

河北--LNFDI

0.2510(2.1371**)

-0.2996

0.2615(1.1668)

-0.3946

上海--LNFDI

-0.0111(-0.2948)

0.5235

2.3659(2.0572**)

-26.9802

浙江--LNFDI

0.1614(2.5550**)

-1.0426

-0.0413(-0.2534)

0.9621

辽宁--LNFDI

0.0401(0.6324)

1.9015

-0.6868(-1.5997***)

11.0885

广东--LNFDI

-0.0459(-0.3341)

1.7425

0.2184(0.6742)

-0.9511

北京--LNFDI

0.05877(1.4172***)

-0.7293

-0.7027(-2.0111**)

10.3680

天津--LNFDI

0.1134(1.4843***)

-1.7596

0.2503(0.4228)

-2.4523

江苏--LNFDI

0.0285(0.5063)

1.2896

0.3357(0.4981)

-2.2678

福建--LNFDI

0.0139(0.1094)

0.9179

-0.1359(-0.5610)

2.9014

山东--LNFDI

0.0754(0.5823)

1.2289

-0.7350(-3.1354*)

8.6788

R2

0.9988

0.8743

F

7269.704

53.5716

D-W

2.0843

1.8612

东部地区工业固体废物产生量与人均地区生产总值呈倒N型关系。海南、河北、浙江、辽宁、北京、天津、江苏、福建、山东的FDI对工业固体废物产生量产生正影响，河北和浙江在5%的水平下显著，北京和天津在10%的水平下显著，其他省（市）的t统计量不显著。影响最大的河北为0.2510，其次是浙江，再其次天津。上海、广东的FDI对工业固体废物产生量产生负影响，但都不显著。

东部地区工业固体废物排放量与人均地区生产总值呈递减型关系。海南、上海、广东、天津、江苏的FDI对工业固体废物排放量产生正影响，海南在1%的水平下显著项目管理论文，上海在5%的水平下显著，与其他省（市）相比回归结果反差很大，其他省（市）t统计量不显著。浙江、辽宁、北京、福建、山东的FDI对工业固体废物排放量产生负影响。辽宁在10%的水平下显著，北京在5%的水平下显著，山东都在1%的水平下显著，其他省（市）t统计量不显著。影响最大的山东为-0.7350，即FDI每增加1%，工业固体废物排放量将减少-0.7650%。

表6 中部地区LNGTCS、LNGTPF模型参数估计结果

LNGTCS

LNGTPF

变量

参数

固定效应

参数

固定效应

α

41.3077(3.8757*)

1991.625(1.8463*)

-11.3227(-2.9668*)

-941.7224(-1.8373**)

1.2302(2.7211*)

166.8861(1.8333**)

-0.0421(-2.3692*)

-13.0867(-1.8269**)

0.3829(1.8173**)

AR(1)

0.4372(6.4688*)

0.5462(7.7679*)

湖南--LNFDI

-0.0192(-0.6301)

-0.1254

0.1453(0.7240)

-3.5711

山西--LNFDI

0.0619(3.2135*)

-0.0267

0.1310(0.7933)

-1.5068

吉林--LNFDI

-0.0386(-2.2811**)

-0.3432

-0.1869(-1.3899)

-2.2181

安徽--LNFDI

0.0208(1.1657)

-0.2012

-1.0940(-3.7083*)

5.2815

黑龙江--LNFDI

-0.1889(-6.3619*)

1.8097

-0.9583(-1.7057***)

4.9852

河南--LNFDI

0.0880(4.0322*)

-0.9111

-0.3186(-1.6994***)

-0.2906

江西--LNFDI

0.0263(1.0920)

0.0630

-0.1247(-0.6319)

-1.8346

湖北--LNFDI

-0.0037(-0.2067)

-0.2943

-0.2196(-0.9938)

-0.5911

R2

0.9988

0.9100

F

7004.577

75.3401

D-W

1.8913

2.1274

中部地区工业固体废物产生量与人均地区生产总值呈倒N型关系。山西、安徽、河南、江西的FDI对工业固体废物产生量产生正影响，安徽和江西的t统计量不显著，山西和河南在1%的水平下显著，影响最大的山西为0.0698，其次是河南。 湖南、吉林、黑龙江、湖北的FDI对工业固体废物产生量产生负影响，湖北的t统计量不显著，湖南、吉林、黑龙江在1%的水平下显著。影响最大的黑龙江为-0.2256项目管理论文，即FDI每增加1个百分点，工业固体废物产生量将减少0.2256个百分点，其次是吉林。

中部工业固体废物排放量与人均地区生产总值呈四次曲线关系。湖南、山西的FDI对工业固体废物排放量产生正影响，湖南的t统计量不显著，山西在10%的水平下显著。吉林、安徽、黑龙江、河南、江西、湖北的FDI对工业固体废物排放量产生负影响，河南、江西在5%的水平下显著，湖北在10%的水平下显著，吉林、安徽、黑龙江在1%的水平下显著。影响最大的黑龙江为-1.4849，即FDI每增加1%，工业固体废物排放量将减少1.4849%，其次是安徽，就FDI对工业固体排放量的影响来说，两省与其他省形成很大反差。

（四）东部和中部地区FDI对工业二氧化硫排放量影响差异分析

表7 东部地区LNSO2模型参数估计结果

LnSO2

变量

参数

固定效应

α

1.7784(10.4264*)

0.2475(7.8184*)

AR(1)

0.3621(5.9372*)

海南--LNFDI

0.3036(4.0824*)

-6.565940

河北--LNFDI

-0.0529(-2.2161**)

1.448053

上海--LNFDI

-0.1001(-3.0210*)

0.746609

浙江--LNFDI

-0.0234(-0.8374)

0.436150

辽宁--LNFDI

-0.0544(-0.9538)

1.100451

广东--LNFDI

0.1235(2.4580*)

-1.469815

北京--LNFDI

-0.2192(-3.0616*)

1.380896

天津--LNFDI

-0.0549(-0.8785)

-0.400097

江苏--LNFDI

-0.0603(-2.5470*)

1.401587

福建--LNFDI

0.0628(1.1849)

-1.772079

山东--LNFDI

-0.1212(-3.8939*)

2.635766

R2

0.9960

F

2306.281

D-W

2.1367

东部地区工业二氧化硫排放量与人均地区生产总值呈递增型关系。海南、广东、福建的FDI对工业二氧化硫的排放量产生正影响，海南和广东在1%的水平下显著项目管理论文，福建的t统计量不显著。影响最大的海南为0.3036，其次是广东。河北、上海、浙江、辽宁、北京、天津、江苏、山东的FDI对工业二氧化硫排放量产生负影响，河北在5%的水平下显著，上海、北京、江苏和山东在1%的水平下显著，浙江、辽宁、天津和福建的t统计量不显著。影响最大的北京为-0.2192，即FDI每增加1个百分点，工业二氧化硫排放量将减少0.2192个百分点，其次是山东，再其次是上海。

表8 中部地区LNSO2模型参数估计结果

LNSO2

变量

参数

固定效应

α

49.7283(2.7411*)

-16.4410(-2.5267*)

1.9236(2.4931*)

-0.0729(-2.3995*)

AR(1)

0.4471(6.3202*)

湖南--LNFDI

-0.0502(-1.6367***)

0.5336

山西--LNFDI

-0.0027(-0.0862)

0.3643

吉林--LNFDI

-0.0347(-1.1924)

-0.6959

安徽--LNFDI

-0.0331(-1.0058)

-0.1321

黑龙江--LNFDI

-0.0817(-1.8392**)

-0.0178

河南--LNFDI

0.0577(1.3970)

-0.4663

江西--LNFDI

-0.0021(-0.0525)

-0.5978

湖北--LNFDI

-0.1256(-3.4697*)

1.1308

R2

0.9859

F

591.498

D-W

2.0540

中部地区工业二氧化硫排放量与人均地区生产总值呈倒N型关系。山西、河南的FDI对工业二氧化硫的排放量产生正影响，但t统计量不显著。湖南、吉林、安徽、黑龙江、江西、湖北的FDI对工业二氧化硫排放量产生负影响，湖南、安徽、江西在5%的水平下显著，吉林、黑龙江、湖北在1%的水平下显著。影响最大的湖北为-0.1255，即FDI每增加1个百分点，工业二氧化硫排放量将减少0.1255个百分点项目管理论文，其次是黑龙江，再其次是吉林。

从以上回归结果分析显示，东部十一省（市）的污染指标与人均地区生产总值大多呈现倒N型关系。相对来说，上海、北京、山东、江苏、天津和辽宁的FDI是“清洁”的。东部多数省（市）的FDI对工业废水、工业废气、工业粉尘、工业烟尘、工业二氧化硫产生负向影响，而多数省（市）的FDI对工业固体废物的排放量和工业固体废物产生量产生正向影响。中部八省的污染指标与人均地区生产总值呈现正U型和倒N型关系，工业固体废物排放量出现四次曲线关系。中部地区FDI相对较“清洁”的是黑龙江、吉林和湖北。中部八省只有部分省的FDI对工业废水、工业废气、工业固体废物、工业二氧化硫排放量和工业固体废物产生量产生负向影响，即有利于环境改善，大部分省的FDI对工业废水、工业废气产生正影响。

四、结论

东部地区的辽宁、山东的FDI对工业废水排放量产生显著的负影响；中部地区只有河南的FDI对工业废水排放量产生显著的正影响。东部地区江苏的FDI对工业废气排放量产生显著的负影响；中部地区安徽的FDI对工业废气排放量产生显著的正影响。东部地区的上海、北京、江苏、山东的FDI对工业烟尘的排放量产生显著的负影响；中部地区的吉林、黑龙江、湖北的FDI对工业烟尘的排放量产生显著的负影响。上海、天津的FDI对工业粉尘的排放量产生显著的负影响；中部地区的吉林、黑龙江、湖北的FDI对工业粉尘的排放量产生显著的负影响。东部地区的河北、浙江、北京天津的FDI对工业固体产生量产生显著的正影响；中部的地区的吉林、黑龙江的FDI对工业固体产生量产生显著的负影响，山西的FDI对工业固体产生量产生显著的正影响。东部地区的辽宁、北京、山东的FDI对工业固体排放量产生显著的负影响，海南和上海的FDI对工业固体排放量产生显著的正影响；中部地区的安徽、黑龙江、河南的FDI对工业固体排放量产生显著的负影响。东部地区的河北、上海、北京、江苏、山东的FDI对工业二氧化硫排放量产生显著的负影响，海南、广东的FDI对工业二氧化硫排放量产生显著的正影响；中部地区的湖南、黑龙江、湖北的FDI对工业二氧化硫排放量产生显著的负影响。东部地区FDI最“清洁”的是北京，其次是上海；中部地区FDI最“清洁”是黑龙江，其次是吉林。需进一步研究北京的FDI产业分布，借鉴经验调整中国FDI的区位和产业分布。东部和中部省（市）的FDI对污染指标的影响存在较大差异，总的来说，东部地区的FDI比中部地区的更清洁，这可能是因为中国的FDI主要集中于东部地区，因而存在有结构效应和规模效应。宽松的环境管制是吸引外商直接投资进入的一个重要因素，具有一定的“污染避难所”效应特征，但中国并未成为一个世界的“污染避难所”。

参考文献

[1]Grossman G，Krueger A.Environment Impactsof The North American Free Trade Agreement.NBER， [R] Working Paper，No3914，1991

[2]Eskeland，G.S.and Harrison，A.E.“Moving to Greener Pasture? Multinationalsand the Pollution Haven Hypothesis，”Journalof Development Economics. 2003，70 (1)：1- 23.

第3篇

论文关键词：外商直接投资，环境库兹涅茨假说，污染天堂假说

 

一、引言

随着经济发展，全球环境的承载压力越来越大。经济学家也密切关注环境质量变化。Grossman和Krueger（1991）提出Envieonment Kuznets Curve（EKC）假说，即环境质量随着经济的增长呈现出先增大后缩小的关系，即呈倒U型曲线关系，[1]。

环境竟次理论是指不同国家或地区间对待环境政策强度和实施环境标准的行为类似于“公共地悲剧”的发生过程，每个国家都担心他国采取比本国更低的环境标准而使本国的工业失去竞争优势。因而，国家之间会竟相采取比他国更低的环境标准和次优的环境政策项目管理论文，结果是每个国家都会采取比没有国际经济竞争时更低的环境标准，从而加剧全球环境恶化。

“污染天堂假说”认为在一国单方提高环境标准的情况下，国内企业和环境标准低的外国企业相比失去其竞争优势，从而使高环境标准国家的企业将生产转向低环境标准国家。若在实行不同环境政策强度和环境标准的国家间存在自由贸易，实行低环境政策强度和低环境标准的国家，因外部性内部化的差异而使该国企业所承受的环境成本相对要低。在该国进行生产时，其产品价格就会比在母国生产出同样产品的价格相应要低。因此，该国在投资和生产方面具有更大的优势。这种由成本差异所产生的“拉力”会吸引国外的企业到该国安家落户。

Eskeland 和 Harrison (2003)认为污染密集型的外资企业运用的生产和污染消除技术通常比东道国本地的企业更先进和更有利于改善环境。如果这些企业能够替代部分东道国同行业低效生产的企业, 则东道国的整个污染状况将有可能好转[2]。郭红燕和韩立岩实证研究发现中国的FDI存量与环境管制变量呈正相关，表明中国宽松的环境管制是吸引外商直接投资的一个重要因素，显现出 “污染避难所”效应 [3]。

二、变量选取及模型构建

（一）东部和中部的FDI区域分布

改革开放以来，中国吸收外商直接投资数量增长迅速。1979-1984年总计41.04亿美元，而后从1985年的19.56亿美元快速增长到2008年923.95亿美元，1979-2008年累计达8526.13亿美元。2007年东部和中部地区利用FDI所占比重分别为78.27%、15.30%。[4] 2008年中国引进的外商直接投资为923.95亿美元， FDI主要集中于东部地区,主要集中于东部地区项目管理论文，东部地区主要集中于江苏、广东、山东、浙江、上海、福建和辽宁，2008年广东、江苏、浙江、上海的FDI的总额为543.7104亿美元。东部地区引进的外商直接投资中，江苏为251.2亿美元、广东为191.27亿美元、辽宁为120.2亿美元，上海、浙江、福建分别为100.84亿美元、100.729亿美元、100.256亿美元（见图1-图3），江苏和广东占2008年中国外商直接投资的47.93%。中部地区主要集中于湖南、江西和湖北。但2007年以来，安徽和河南的外商直接投资增长迅速。2008年中部引进的外商直接投资中，河南为40.327亿美元、湖南为40.052亿美元、江西为36.037亿美元、安徽为34.9亿美元、湖北为32.45亿美元，中部五省占中国2008年外商直接投资的19.89%。

图1中国东部和中部2003～2008年FDI区域分布（亿美元）

图2中国东部十一省（市）2003～2008年FDI区域分布（亿美元）

图3中国中部八省2003～2008年FDI区域分布（亿美元）

（二）变量选取

考虑统计口径一致和数据的连续性，选取工业废气排放总量（亿标立方米）、工业废水排放总量（万吨）、工业固体废物产生量（万吨）、工业固体废物排放量（万吨）、工业烟尘排放量（万吨）、工业粉尘排放量（万吨）和工业二氧化硫排放量（万吨）为环境污染指标；人均地区生产总值（元）作为经济增长指标，此外，考虑国际贸易因素中污染的可输出性，用FDI作为污染的输出指标（万美元）。SO2、FS、FQ、GYYC、GYFC、GTCS、GTPF分别表示工业二氧化硫排放量、工业废水排放量、工业废气排放量、工业烟尘排放量、工业粉尘排放量、工业固体废物产生量、工业固体废物排放量，Y表示人均地区生产总值（元），FDI表示外商直接投资（万美元）。环境污染指标数据根据1986至2009年中国统计年鉴相关数据整理项目管理论文，地区人均生产总值和外商直接投资数据根据1986至2009年省（市）统计年鉴相关数据整理。LNSO2、LNFS、LNFQ、LNGYYC、LNGYFC、LNGTCS、LNGTPF分别表示污染指标的自然对数，LNY、LNFDI分别表示人均地区生产总值和外商直接投资的自然对数。本文中东部十一个省（市）为广东、上海、浙江、江苏、北京、辽宁、海南、山东、福建、河北、天津；中部八省为湖南、湖北、安徽、山西、江西、黑龙江、吉林、河南。通过东部和中部的数据研究中国东部和中部省（市）FDI的对环境影响的差异。

（三）模型设定形式

由于面板数据模型同时具有截面、时序的两维特性，模型中参数在不同截面、时序样本点上是否相同，直接决定模型参数估计的有效性。根据截距向量和系数向量中各分量限制要求的不同，面板数据模型可分为无个体影响的不变系数模型、变截距模型和变系数模型三种形式。在面板数据模型估计之前，需要检验样本数据适合上述哪种形式，避免模型设定的偏差，提高参数估计的有效性。设有因变量与1×k维解释变量向量，满足线性关系：

，=1，2，…，N，=1项目管理论文，2，…，T

其中N表示个体截面成员的个数，T表示每个截面成员的观察时期总数，参数表示模型的常数项，表示对应于解释变量的k×1维系数向量，k表示解释变量个数。随机误差项相互独立，且满足零均值、同方差假设。采用F-test检验如下两个假设：

H1:个体变量系数相等；H2:截距项和个体变量系数都相等。

如果H2被接受，则属于个体影响的不变系数混合估计；如果H2被拒绝,则检验假设H1，如果H1被接受，则属于变截距，否则属于变系数。变系数、变截距和混合估计的残差平方和分别为S1、S2、S3,面板个体数量为N，面板时间跨度为T，根据Wald定理在H2假设条件下构建统计量F2项目管理论文，在H1假设条件下构建统计量F1，其中：

～F[(N-1)(K+1),N(T-K-1)]

～ F[(N-1)K,N(T-K-1)]

若计算得到的统计量F2的值不小于给定置信度下的相应临界值，则拒绝假设H2，继续检验假设H1。反之，则认为样本数据符合无个体影响的不变系数模型。若计算得到的统计量F1的值不小于给定置信度下的相应临界值，则拒绝假设H1，用变系数模型拟合，反之，则用变截距模型拟合。

三、东部和中部模型回归结果分析

利用东部十一省（市）和中部八省的相关数据，借助Eviews6.0，采用固定效应模型对七个环境污染指标分别进行回归。采用Pooled EGLS(Cross-section weights) 消除异方差，采用广义差分法消除自相关，回归后的残差是平稳序列。回归结果见表1-表8

（一）东部和中部地区FDI对工业废水、工业废气影响差异分析

表1 东部地区 LNFS、LNFQ模型参数估计结果

 

 

  LnFS

LnFQ

变量

参数

固定效应

参数

固定效应

α

24.7998(1.8722***)

  49.3840(4.0923*)

 

-3.6806(-1.4613***)

  -13.1905(-3.2263*)

 

0.4188(1.4567***)

  1.3574 (2.9634*)

 

-0.0158(-1.4541***)

  -0.0440 (-2.5825*)

  AR(1)

0.9958(42.3684*)

  0.8089 (24.7612*)

  海南--LNFDI

0.1027(1.2365)

-8.0449

0.1302 (0.9513)

-3.7321

河北--LNFDI

-0.0088(-0.1280)

3.8736

0.0835 (1.1098)

0.0014

上海--LNFDI

0.0259(1.0531)

-15.5458

-0.1318(-0.9580)

1.1533

浙江--LNFDI

-0.0384(-0.5847)

10.5687

0.0745 (1.3692)

-0.4913

辽宁--LNFDI

-0.0835(-1.6476***)

-5.4319

0.0426(0.3272)

0.1718

广东--LNFDI

-0.0392(-0.3555)

6.3472

-0.0459 (-0.3756)

0.9825

北京--LNFDI

0.0135(0.3381)

-21.1233

-0.0295(-0.4951)

-0.8745

天津--LNFDI

-0.0078(-0.1072)

-5.6961

-0.0204(-0.1636)

-1.0105

江苏--LNFDI

-0.0415(-0.7790)

7.6127

-0.1504(-2.2292**)

2.7120

福建--LNFDI

-0.0955(-0.7093)

12.4942

-0.0186 (-0.2712)

-0.2444

山东--LNFDI

-0.0727(-2.1787*)

11.0165

0.0366 (0.7316)

0.3737

R2

0.9996

0.9985

F

21721.19

5607.094

D-W