改革开放以来，中国的经济发展取得了举世瞩目的成就，然而在经济快速增长的同时，以高投资、高能耗、高排放等为特征的粗放型经济增长方式加大了对资源利用和环境保护的压力，环境污染问题也日益成为政府和社会公众关注的焦点.2014年，全国两会政府工作报告突出了当前大气污染的紧迫性，指出我们要像对贫困宣战一样，坚决向污染宣战，要求出重拳强化污染防治.以SO₂为例，2012年全国废气中SO₂排放总量高达2117.6万t，同比减少4.5%，其中，工业废气中SO₂排放量1811.7万t，同比减少5.2%；生活SO₂排放量205.7万t，同比增加2.6%.从图 1可以看出，进入21世纪以来，SO₂排放呈现增长、调整、再增长的趋势，于2005年达到高峰，其中，SO₂主要来源于工业废气，生活SO₂所占比重相对较小，近几年SO₂排放量有所减少，但其对环境的威胁仍不容忽视.

图 1(Fig. 1)

图 1 中国二氧化硫排放趋势图(2000—2012年) Fig. 1 Long-term trends of sulfur dioxide discharge in China(2000—2012)

自Grossman等(1995)通过对42个国家空气质量(SO₂、烟雾、总悬浮颗粒)数据的分析，发现环境污染与经济增长的长期关系呈倒“U”型，提出环境库兹涅茨曲线(Environmental Kuznets Curve，即EKC曲线)以来，众多学者从多维视角对环境污染与经济增长之间的关系进行了深入研究.通过对国外关于环境污染影响因素研究脉络的梳理，我们发现其研究主要从经济变量、政治变量和人口统计学变量3个维度展开.①经济变量：经济发展(Grossman et al., 1995)、国际贸易(Cole，2004)、国际投资(Antweiler et al., 2001)、产业结构和行业结构(Neumayer，2003)等；②政治变量：经济自由和政治自由、政府执政时间、政府专制、资本化和社会化、议会制和总统制、政府腐败等(Neff et al., 2002; Klick，2002; Welsch，2004).③人口统计学变量：人口密度、人口增长速度(Borghesi，2000)、收入不公平、教育水平(Lamla，2009)等.

国内学者在国外研究的基础上，充分考虑中国经济社会及环境污染现状，对环境污染影响因素研究向更多领域进行探索：①EKC再检验(宋涛等，2007；蔡昉等，2008；丁焕峰等，2010；刘楠楠等，2014)；②影响因素分析，如环保科技水平(赵海霞等，2006)、能源效率和产业结构(李国璋等，2009)、城市化(何禹霆等，2013)、外商直接投资(邓峥宇等，2013)、经济增长(王立平等，2010)、出口贸易(刘楠楠等，2014)、人口因素(王芳等，2013)等；③环境污染程度测算及评价(李名升等，2011；曹执令等，2013)；④单个领域环境污染的影响因素分析，如水污染(王惠敏等，2014)、大气污染(邓峥宇等，2013)、工业污染(应瑞瑶等，2006)；⑤“污染天堂”假说(赵忠秀等，2013).

近年来，由于SO₂的排放增加，导致酸雨面积扩大及人们呼吸系统疾病增加，越来越多的学者开始专注于SO₂污染的研究.大多数学者探讨了SO₂污染的EKC曲线形状，如蔡昉等(2008)以人均SO₂排放为分析对象，估计我国SO₂的环境库兹涅茨曲线，认为东部省份出现了倒 “U” 型曲线，但大部分省份还没越过拐点，而中西部省份则处于曲线的上升阶段.还有部分学者着眼于对SO₂污染的影响因素进行分析：如邓峥宇等(2013)利用2004—2011年29个省份的面板数据，研究FDI与中国SO₂排放的关系，证实了外商直接投资(FDI)对我国环境具有负面影响，且这种影响在东部地区小于中部和西部地区.此外，也有研究某一特定行业SO₂的排放特征，如刘睿劼等(2012)利用2001—2009年中国工业的经济与环境数据，分析工业SO₂的排放趋势，采用对数平均迪氏指数法(LMDI)将影响工业SO₂排放的因素分解为规模效应、结构效应、技术效应和治理效应4个子效应，并对各子效应间的影响程度和变化情况进行对比.

基于此，本文采用省际空间面板数据，首先检验中国SO₂污染是否具有空间相关性及“稳健”的空间溢出效应，判断SO₂污染的EKC曲线形状；若各省域SO₂排放存在“稳健”的溢出效应，则运用纳入空间因素的EBA模型，实证检验中国省域SO₂污染影响因素的“稳健性”，得出SO₂污染“稳健性”影响因素，从而揭示中国环境污染与工业化关系的一般规律，为政府制定相关政策提供经验证据和决策支持.

本文参考Gassebner(2006)的研究，将SO₂污染影响因素分成3类：经济变量、人口统计学变量、政策变量.

EKC曲线主要研究经济发展与环境污染的关系，本文采用人均GDP(PGDP)作为核心变量，表示经济发展水平.

一方面，贸易开放水平的提高会使经济规模扩大，增加生产要素和能源的投入进而导致SO₂排放增加；另一方面，贸易自由化能够促进环保技术的提高及资源的优化配置，因此，在一定程度上能减少SO₂排放.本文采用FDI占GDP比重(FDI)、进口占GDP比重(IMP)和出口占GDP的比重(EXP)衡量贸易开放水平.

在经济规模相同的情况下，劳动密集型和资源密集型产业需要消耗大量的资源和能源，从而产生大量的SO₂；而资本密集型和技术密集型产业份额的增大会在一定程度上减少SO₂排放.本文用第二产业占地区生产总值的比重(IS)、第三产业与第二产业产值的比例(IU)、第二产业就业人数比重(EPSI)衡量产业结构.

单位GDP产出的能耗越高，说明能源效率越低，SO₂排放越多；能源价格越高，能源消耗量越少，则SO₂排放也随之减少；化石能源(煤炭、石油和天然气)消耗越多，SO₂的排放也越多.本文用单位GDP产出的能耗(EE)表示能源利用效率，使用工业生产者出产价格指数(EP)代表能源价格，使用化石能源比重(FE)代表化石能源的利用.

人口规模扩大使得生产扩张，资源耗费增加，SO₂排放增多.本文用常住人口密度(PD)衡量人口规模，使用常住人口自然增长率(NAR)衡量人口规模的变化.

一方面，城镇化水平的提高促进了经济发展，增加了资源消耗，导致SO₂排放增加；另一方面，城镇化水平的提高使产业结构得到调整，资源配置得到优化，能源效率得到提高，在一定程度上减少了SO₂排放.本文用城镇人口占总人口比重(UL)表示城镇化水平.

人力资本的提高会增强人们的环保意识，增加人们对清洁环境的偏好，减少SO₂的排放，促使环境改善.本文用人均受教育水平(HC)衡量人力资本.

高收入阶层往往拥有较大的社会和政治影响力，收入分配的不平等将导致权力分配的不平等，而环境污染的成本往往更多由低收入阶层来承担，因此，收入不平等一定程度上会增加SO₂排放.本文用城镇居民人均可支配收入与农村居民人均纯收入的比例(II)作为收入不平等的代理变量.

货物交通运输仍以石油燃料为主，因此，货运会增加SO₂排放；居民因工作、旅游等原因出行也会引起SO₂排放的增加.本文用货运量(FT)、客运量(PC)表示交通运输.

一方面，用于基础设施建设的财政支出会导致大量能源消耗，增加SO₂排放；另一方面，用于污染防治，环境保护的财政支出会在一定程度上缓解SO₂污染.本文用地方财政支出占GDP比例(LFE)、科技支出占财政支出比重(STE)表示财政支出.

无论是主动投资还是被动投资，污染治理将有利于减少SO₂排放.本文用污染治理投资额(IPCI)衡量污染治理投资水平.

清洁技术的使用有利于提高生产效率，从而减少SO₂排放.本文用工业废气治理设施数量(IWGF)表示清洁技术水平.

Leamer等(1892)提出了评价不同解释变量和经济增长关系“强显著”性的多元线形回归模型，即极值边界分析模型：

式中，ΔY一般是一个国家或地区人均GDP的增长率；I是一个核心变量信息集，是与ΔY直接相关的解释变量；M是将要研究的目标变量，如经济政策变量或制度变量；Z是条件变量集，一组与ΔY有关的、潜在的重要解释变量；引入变量信息集Z的目的在于在回归中最大限度地确定目标变量M的系数β_M的范围.β_M、β_Z分别是M和Z的回归系数；μ是误差项.Levine等(1892)研究表明，I和Z的改变不直接影响模型分析的结论，因此，I和Z中变量的选择主要根据前人的文献资料和实证研究结果.

传统回归分析由于使用受“污染”的统计数据，不可避免地受到多重共线性、极端值和变量选择等因素的影响，随着其他解释变量的引入，原先变量回归的“显著”关系往往会发生改变，这种研究结果难以让人置信.而EBA模型主要是对回归系数进行灵敏性分析，以检验目标变量回归系数的“稳健性”，探索抗干扰的“稳健性”影响因素.回归所给出的结果不是一个统计量，而是一个统计分布，为了获得系数分布具有某些特征的依据，利用EBA模型对条件变量集进行类似Bootstrap方式的回归，获得系数估计的分布，如果90%的置信区间不包含0且显著，则认为该目标变量是“稳健性”的影响因素.它不仅能够处理多重共线性，而且能够检验影响因素的“稳健性”，因此，得出的结论更有说服力.现有文献中EBA模型有3种主流检验方法：“严格”的EBA检验、大R²准则、Sala-I-Martin准则.由于Sala-I-Martin准则效率高且易于操作，并参照王立平等(2014)关于碳排放影响因素的研究，本文采用此准则进行“稳健性”检验.

普通的线性回归没有考虑其他相邻地区对本地区的影响，为解决和分析二氧化硫污染的空间相互作用和空间依赖作用，综合考虑地区间的相互关系，通过引入空间权重矩阵W对普通线性回归模型进行修正.

根据模型设定时对“空间”的体现方法不同，本文采用空间滞后模型(Spatial Auto Regressive Model，SAR)，其主要用于研究相邻区域的行为对整个系统内其他区域的行为是否存在溢出效应，模型表达式为：

空间权重矩阵的选取主要有两种方法，一是地理权重W_N，主对角线上的元素为0，如果i地区与j地区相邻，则W_ij为1，否则为0;二是经济权重，具体内容可参考文献(王立平等，2010).本文采用空间地理权重.

本文旨在检验二氧化硫污染的空间溢出效应的“稳健性”，以及影响二氧化硫污染的抗干扰的“稳健性”影响因素.在处理EBA模型时，本文始终把人均GDP作为核心变量，首先检验二氧化硫污染溢出效应的“稳健性”，其次检验二氧化硫污染是否呈EKC倒“U”型曲线，最后检验二氧化硫污染“稳健性”影响因素.基于空间面板数据的EBA模型，不仅能处理普通EBA模型所能解决的影响因素“稳健性”检验，还能进行二氧化硫污染溢出效应的“稳健性”检验及EKC曲线形状的判断.

为检验二氧化硫污染在相邻地区间是否存在“稳健性”溢出效应，根据EBA模型的原理，模型设置如下：

式中，PGDP是核心变量，Z是每次从二氧化硫污染“显著性”影响因素中选取的3个组成的条件变量集，根据Sala-I-Martin准则进行“稳健性”检验.

为检验EKC曲线的存在，本文对PGDP和PGDP²进行检验，重点讨论SO₂污染与经济增长的倒“U”型关系，模型如下：

式中，X是PGDP和PGDP²的组合.只有当PGDP和PGDP²满足EKC曲线的条件(即回归结果中PGDP系数的符号为正，且PGDP²系数的符号为负)，且通过Sala-I-Martin准则时，我们认为SO₂污染与经济增长之间存在EKC曲线假设的倒“U”型关系.

为检验二氧化硫污染“稳健性”影响因素，对通过EBA模型第一步的影响因素做如下“稳健性”检验：

式中，X为核心变量，这取决于溢出效应、EKC曲线“稳健性”检验结果，如果前两者检验均通过，则X变量中包含人均GDP、人均GDP²、SO₂污染空间滞后项.M为所要检验的目标变量，Z是除M变量外每次从SO₂污染影响因素中选取的3个因素组成的条件变量集.根据Sala-I-Martin准则对每个显著性变量进行“稳健性”检验.

本文以2000—2012年中国30个省际区域的面板数据为研究样本，西藏自治区由于部分数据不可得，没有估算在内.有关数据主要来自于《中国统计年鉴》，部分数据来自于各省的统计年鉴；FDI、进口、出口等数据均采用美元作为计价单位，故用国家外汇管理局公布的历年人民币兑美元汇率中间价转换为人民币.文中涉及价值形态的人均国内生产总值等数据，均折算为2000年为基期的不变价格，以剔除价格因素的影响.

考察SO₂污染是否具有空间溢出效应，首先要分析其是否具有空间相关性，空间计量经济学一般采用空间自相关指数Moran′s I模型来检验空间相关性.利用GeoDa0.9.9.8软件包计算中国30个省际区域SO₂排放量的全局空间自相关值(Moran′s I值)并检验其显著性.表 1给出了2000—2012年间中国SO₂排放量的Moran′s I值及p值.

表 1(Table 1)

表 1 2000—2012年SO2排放量的Moran′s I值 Table 1 Moran′s I of sulfur dioxide emissions in 2001—2012

表 1 2000—2012年SO2排放量的Moran′s I值 Table 1 Moran′s I of sulfur dioxide emissions in 2001—2012 年份 Moran′s I p 2000 0.1351 0.085 2001 0.1352 0.078 2002 0.1534 0.076 2003 0.1480 0.051 2004 0.1262 0.081 2005 0.1343 0.077 2006 0.1495 0.051 2007 0.1566 0.044 2008 0.1608 0.035 2009 0.1732 0.049 2010 0.2105 0.021 2011 0.2960 0.008 2012 0.3426 0.006

由表 1可知，在10%的显著性水平下，我国各地区SO₂排放量均表现为正的空间自相关性，这显示其分布呈现空间上的聚集，即较高SO₂排放量的周边地区SO₂排放量也较高，而较低SO₂排放量地区的周边地区SO₂排放量也较低.进一步比较发现，虽然2000—2005年Moran’s I值的显著性不是很强，即SO₂排放量的空间聚集现象不太明显，但2006 年以后，中国SO₂排放量的Moran’s I值逐年增大，p值不断减小，这说明我国SO₂排放量的空间自相关性不断增强，可以用空间面板数据研究SO₂污染问题.

根据EBA模型的原理，检验的第一步首先是对经济变量、人口统计学变量、政策变量共22个目标变量分别进行线性回归，判断其显著性.模型如下.

式中，lnPSO₂是人均SO₂排放量的对数；lnPGDP是人均GDP的对数；M是从20个目标变量中任选一个变量，通过Eviews7.0对目标变量M进行显著性检验，如果M系数的t统计值显著，则M通过了EBA的第一步检验；否则M没通过，不需要进行EBA的第二步检验.显著性检验结果见表 2.

表 2(Table 2)

表 2 显著性检验结果 Table 2 Significant test results

表 2 显著性检验结果 Table 2 Significant test results 目标变量 βm t值 p 是否通过检验 注：显著性水平为0.1. IS -0.2227 -9.2066 0.0000 是 IU 0.0407 11.1616 0.0000 是 EPSI -0.8068 -11.5603 0.0000 是 EP 0.0148 4.0856 0.0001 是 IMP -0.0171 1.0353 0.7501 否 EXP 1.2136 9.2517 0.0000 是 FDI 0.0018 0.0176 0.9860 否 EE 3.7028 3.7321 0.0002 是 HC 0.0020 1.4058 0.1607 否 UL 0.0421 1.3265 0.1855 否 NAR -0.0007 -0.2612 0.7941 否 PD -0.0814 -7.5344 0.0000 是 II -1.8797 -7.2577 0.0000 是 FT 0.1380 2.2836 0.0230 是 FE 0.0050 6.2885 0.0000 是 PC 0.0627 1.1627 0.2457 否 LFE -0.1840 -5.2639 0.0000 是 STE 0.0538 0.1384 0.8900 否 IPCI -14.8900 -8.4449 0.0000 是 IWGF 0.1364 1.9580 0.0510 是

由表 2可知，产业结构(IS)、产业升级(IU)、第二产业就业人口比重(EPSI)、能源价格(EP)、出口占GDP的比重(EXP)、能源效率(EE)、化石能源比重(FE)、常住人口密度(NAR)、货运量(FT)、财政支出占GDP比重(LFE)、科技支出占财政支出的比重(STE)、工业污染治理完成投资(IPCI)、工业废气治理设施(IWGF)这13个变量通过了显著性检验.其他7个变量外商直接投资(FDI)、进口占GDP比重(IMP)、人力资本(HC)、城镇化水平(UL)、人口密度(PD)、收入不平等(II)、客运量(FT)没有通过显著性检验.

检验步骤如下：

式中，M是一个变量组合，每次从产业结构(IS)、产业升级(IU)、第二产业就业人口比重(EPSI)、能源价格(EP)、出口占GDP的比重(EXP)、能源效率(EE)、化石能源比重(FE)、常住人口密度(NAR)、货运量(FT)、财政支出占GDP比重(LFE)、科技支出占财政支出的比重(STE)、工业污染治理完成投资(IPCI)、工业废气治理设施(IWGF)这13个通过显著性检验的变量中选3个.通过Sala-I-Martin准则对目标变量lnSO_2it进行“稳健性”检验.对每个目标变量lnSO_2it而言，如果有90%以上的系数ρ同方向，且ρ的t检验是显著的，则认为该各省域SO₂排放量存在着“稳健”的溢出效应.

本文利用空间滞后回归模型，经过1144次回归后发现，各种检验(R²、LM等)显示空间固定效应模型最好，其检验结果如表 3.

表 3(Table 3)

表 3 溢出效应“稳健性”检验结果 Table 3 Spillover effect of robust test results

表 3 溢出效应“稳健性”检验结果 Table 3 Spillover effect of robust test results 检验系数 最大值 最小值 平均值 显著性分布概率 是否通过检验 ρ 0.6099 0.4418 0.5213 100% 是

在观察期内，各省域SO₂污染存在溢出效应，并且是稳健的，而且空间固定模型中回归系数ρ比较大.这表明在考察期内(2000—2012年)，中国省际区域的SO₂污染具有显著的空间相关特征，即一个地区的SO₂污染显著地受到邻近区域SO₂污染的影响.

检验回归方程为：

式中，M是一个变量组合，每次从13个通过显著性检验的变量中选3个.逐次回归记录β₁、β₂的系数及显著性水平，通过Sala-I-Martin准则对EKC曲线进行“稳健性”检验，当且仅当β₁>0、β₂<0，且其显著性水平满足条件，回归满足Sala-I-Martin准则.

本文利用空间滞后回归模型，由于固定效应有4个模型：时间固定、空间固定、时空固定、无固定模型)，经过1144次回归后发现，各种检验统计量(R²、LM等)显示空间固定效应模型最好，检验结果如表 4所示.

表 4(Table 4)

表 4 EKC曲线倒“U”型“稳健性”检验结果 Table 4 Inverted ‘U’ robust test results of EKC curve

表 4 EKC曲线倒“U”型“稳健性”检验结果 Table 4 Inverted ‘U’ robust test results of EKC curve 检验系数 最大值 最小值 平均值 显著性分布概率 β1 3.3327 0.9376 2.2226 100% β2 -0.0531 -0.1682 -0.1154 100%

研究结论支持前述假设，中国省域SO₂排放量与经济增长满足EKC曲线假设的倒“U”型关系.这表明中国SO₂污染与经济增长确实存在倒“U”型关系，即当经济增长到一定程度，经济发展会逐步降低环境代价.

对通过第一步检验的13个目标变量分别进行遍历式估计.利用Sala-I-Martin准则对目标变量M进行“稳健性”检验.对每个目标变量M而言，如果有90%以上的系数β_M同方向，且β_M的t检验是显著的，则认为该目标变量对人均SO₂排放量具有抗干扰的“稳健性”的显著影响.否则“稳健性”检验没有通过，也就意味着该目标变量M对人均SO₂排放量不具有抗干扰的“稳健性”的显著影响.经过880次回归检验后，得出遍历式回归系数β_M、t检验值、p值及各变量显著性分布的概率，具体结果见表 5.

表 5(Table 5)

表 5 影响因素“稳健性”检验结果 Table 5 Robust test result of the factors

表 5 影响因素“稳健性”检验结果 Table 5 Robust test result of the factors 目标变量 最大值 p值 最小值 p值 均值 显著性水平 IS 0.0227 0.000 -0.0033 0.6084 0.0141 75% IU -0.2940 0.0001 -0.4997 0.0000 -0.4247 100% EPSI 0.0115 0.0000 0.0047 0.0947 0.0082 100% EP 0.0017 0.0131 0.0000 0.9150 0.0007 17% FE 0.2842 0.0000 0.1268 0.0481 0.2091 100% EXP 0.3915 0.0000 0.0131 0.0317 0.2715 100% EE 0.2712 0.0000 0.1601 0.0001 0.2148 100% PD -0.1578 0.5427 -0.9185 0.0002 -0.6014 78% FT -0.0152 0.3035 -0.0318 0.0304 -0.0249 65% LFE 0.0170 0.1433 -0.0060 0.7752 0.0070 0 STE 0.4275 0.1810 -0.5400 0.0927 -0.1403 5% IPCI 0.0693 0.0001 0.0369 0.0326 0.0536 100% IWWF 0.0207 0.3687 -0.0032 0.7638 0.0236 5%

从表 5可以看出，产业升级(IU)、第二产业就业人口比重(EPSI)、出口占GDP的比重(EXP)、能源效率(EE)、化石能源比重(FE)、工业污染治理完成投资(IPCI)这6个变量的回归系数β_M的最大值β_M-max与最小值β_M-min的符号相同，且均以100%显著性分布概率通过了EBA的“稳健性”检验，表明这6个变量对SO₂排放量具有抗干扰的“稳健性”显著影响；产业结构(IS)、能源价格(EP)、常住人口密度(PD)、货运量(FT)、财政支出占GDP比重(LFE)、科技支出占财政支出的比重(STE)、工业废气治理设施(IWGF)显著性分布概率分别为75%、17%、78%、65%、0、5%、5%，没有通过“稳健性”检验，表明这7个变量对SO₂排放量没有抗干扰的“稳健性”影响.

根据上述实证结果可以得出，中国省域SO₂排放量与经济增长存在EKC曲线假设的倒“U”型关系.①产业结构升级(即第三产业产值占第二产业产值比例)与SO₂污染呈高度负向“稳健性”关系，这表明产业结构升级对于SO₂减排具有有利影响，也表明最近几年中国加快以工业为主的产业结构调 整与优化升级的步伐对实现节能减排做出了有益探索.②出口占GDP的比重与SO₂污染呈正向“稳健性”关系，出口产品在国内生产，同时消耗包括煤炭在内的能源.由于各部门出口产品在生产过程中的能源消耗量各不一样，在保持出口总价值量不变的前提下，如果降低出口产品中高耗能产品的比例，增加低耗能产品的比例，自然就可降低国内生产过程中包括煤炭在内的能源消耗.③第二产业就业人口比重与SO₂污染呈正向“稳健性”关系，第二产业就业人口中重工业就业人口占有很大比重，在过去十多年间，重工业持续稳高速发展，不可避免地导致二氧化硫排放增加.近年来，中国第二产业就业人口比重不断上升，从2000年的22.5%到2012年的30.3%，虽然第二产业在吸纳就业、提高GDP方面效果显著，但由于其具有高耗能特性，加剧了SO₂污染.④能源效率与SO₂污染高度正相关，与理论情况“能源效率的提高有利于促进环境污染的改善”不符，这可能是由于过去十几年间我国经济发展过度依赖于能源消耗的粗放型增长模式，已成为影响经济可持续发展、造成生态环境恶化的重要原因，而且在可以预见的未来时期内经济增长对能源需求仍将严重依赖，在此情形下，提高能源效率对SO₂减排效应不明显，导致在考察期的10年间二者关系与理论预期相悖.⑤化石能源比重与SO₂污染高度正向“稳健性”关系，这表明化石能源的使用不利于环境保护，要积极开发并注重风电、太阳能、生物质能等可再生非化石能源的转化利用.⑥工业污染治理完成投资与SO₂污染呈正向“稳健性”关系，主要有两个方面的原因：一方面，SO₂污染治理具有目标性，导致污染越严重的地区，污染治理完成投资额投入越大，二者具有内生性；另一方面，SO₂污染的治理存在滞后性，目前中国在环境保护道路上仍走的是“先污染后治理”的道路，而从发现污染问题到制定相应对策再到政策实施，是一个相对漫长的过程，导致污染治理效果不能立竿见影，如大气污染治理措施中新型能源的开发.

本文基于环境经济学等相关理论，采用2000—2012年中国30个省际的面板数据，通过引入空间因素，构建基于空间面板数据的EBA模型，重点研究了SO₂污染与经济增长的关系及SO₂污染的溢出效应、SO₂污染的“稳健性”影响因素.结果表明：我国各省域SO₂排放量与经济增长存在EKC曲线假设的倒“U”型关系，并且SO₂污染具有空间溢出效应.产业结构、出口占GDP的比重、能源效率、化石能源比重、工业污染治理完成投资与SO₂排放量呈正向“稳健性”关系，产业结构升级与SO₂排放量呈负向“稳健性”关系.

基于实证研究结论，提出以下4方面的政策建议：

1)调整产业结构，加快产业结构升级.由于第二产业结构特别是重工业对二氧化硫的排放具有显著影响，因而加快产业结构升级，提高技术水平，逐渐淘汰一些高耗能、高排放的产业极为紧迫.同时，政府部门应鼓励企业投资绿色环保产业，通过这些途径降低能源消耗，从而减少我国的二氧化硫排放.

2)改善贸易进出口结构，提高环境规制强度.在进出口方面，降低出口产品中高耗能产品的比重，增加出口产品中高耗能产品的比重，减少贸易中隐含污染物的排放，自然就可降低国内生产过程中包括煤炭在内的能源消耗，进而减少污染排放.在引入外资方面，要考虑到经济与环境相协调，提高FDI 准入环境门槛，更多地引入清洁外资，不能以牺牲环境为代价、降低环境规制来吸引外资.此外，国家在制定引入外资的相关政策时，也应充分考虑到外资对环境的负面效应.当地政府应该进行严格的筛选和制定严格的环境规制，避免引入高污染、高能耗的外资企业，并且要完善外资投资领域，利用外资带动第三产业的发展.

3)提高能源效率，积极开发新能源.中国目前的能源结构仍以煤炭为主，要基于当前化石燃料和未来多元化的能源供应体系，建立经济高效、能源节约、低碳排放的生产方式和消费方式，有助于进一步提升我国的国际竞争力，促进社会和经济又好又快地发展.

4)加强污染治理投资，完善污染治理体系.治理环境污染坚决不能走“先污染后治理，边污染边治理”的老路.要加大环保投入力度，建立健全环保产业政策体系，对基础设施建设和企业的准入制度实行严格和差别的产业政策，淘汰和整顿高环境污染、高资源耗费的基础设施和企业.各级政府应制定环境保护的战略目标和发展规划，将政府宏观调控与市场调节相结合，把环境管理落到实处.