1 引言

皖江城市带是实现安徽省经济起飞的关键地区，是引领安徽省经济发展的前沿地带。皖江城市带包含合肥、芜湖、马鞍山、铜陵、安庆、池州、滁州、宣城等8个城市，以及六安市的金安区和舒城县，占地面积是全省的一半以上；2015年末人口数3104.89万人，是本省人口的44.68%，2015年国内生产总值14948亿元，占本省的67.93%。在2005年至2015年间GDP的平均发展速度达到21.59%。在经济加速进步的同时，如何促成地区可持续发展意义重大。因此本文主要研究经济的发展与进步能否带来环境污染程度的改善。

2 研究状况

在上个世纪末美国学者就开始了对这个问题的研究。在1991年，美国科学家Grossman和Krueger经过研究发现环境恶化程度先随着收入水平的提高而提高，当经济进步到一定阶段时，污染程度随着总收入的上升而降低[1]。五年后，帕纳约托在前人成果的基础上，总结出环境库兹涅茨曲线（Environmental Kuznets Curve，以下简称为EKC）。EKC显示了环境污染首先随着收入增长而恶化，收入增加到一定阶段后随经济增长而改进，即污染水平与收入为倒U型曲线。国内的学者积极利用EKC理论对中国经济增长与进步过程中的环境质量开展了具体研究，大都是关于EKC理论在我国或国内一些地区的验证与检验。汪慧玲等利用EKC理论研究了我国工业污染与城镇化的关系，研究发现我国大部分地区已经过了工业污染与城镇化N型曲线的第二个拐点，也就是说城镇化水平的提高给环境带来负作用[2]；孙明宇等利用哈尔滨市空气综合污染指数和人均GDP来研究哈尔滨市空气质量与经济发展之间的关系，发现哈尔滨空气质量与GDP出现倒“N”型曲线形状[3]。王惠等使用EKC模型估计淮河流域GDP与工业污染排放的关系，得到的结论是主要工业污染物的排放与GDP呈现正U型关系[4]。从国内研究状况来看，在实际分析中，EKC既有传统的倒“U”型形状，还有正“U”、正N型、倒N型等形状。已有的研究里缺少对皖江城市带区域EKC方面的研究。

他的事业不断扩展，大部分时间，他在北京、南京、西宁、鄂尔多斯。但每年都会拿出一段时间外出进修。他还记得她的眼睛是怎样黯淡下去，似乎这些年他进修、参加音乐会，都与这黯淡下去的目光有关。

3 模型设定与研究数据的说明

3.1 EKC模型

目前利用EKC理论对环境污染和经济增长的关系进行研究可以使用的计量模型主要有两种：时间序列模型和面板数据模型。

总而言之，乡镇财政开展内部控制，不只是为了降低财政管理的相关风险，更是为了促进财政工作效率的有效提升。所以，乡镇需全面发掘财政内部控制中涉及到的问题，并通过行之有效的措施来对其予以解决，例如健全财政内部控制制度、科学配置职能岗位、加强财政管理人员的管理水平以及完善内部监督机制等，以此来促进乡镇财政内部控制质量与效果的提升，确保乡镇经济健康稳定的发展。

3.1.1 时间序列模型

（2）工业SO2排放量与人均GDP也呈现正“N”型曲线形状，工业SO2的排放在第二个拐点以后出现上升。这说明随着经济发展水平的提高，工业SO2排放量不断增加，因为同样存在技术上的难题导致工业SO2的治理效率下降。

南水北调工程供水息税前利润（EBIT 调）＝工程供水价-水资源费-工程成本-管理维护费。这里，水资源费应充分考虑给南水北调工程水价带来的成本压力，应免征或延后低征。

在模型中：Yt为某国家或地区在第t期的环境污染状况指标，Xt表示一个国家或地区在第t期的产出，通常用GDP或人均GDP来表示。

（4）工业固体废物排放量和人均GDP出现倒“U”型形状，这符合传统的EKC理论，而且已经经过了倒“U”型曲线的最高点，说明皖江城市带工业固体废物的治理效率已经出现，工业固体废物排放随着人均GDP的提高不断降低。

3.1.2 面板数据模型

为了防止面板数据的异方差性，所以在时间序列模型的基础上，进行对数处理，即：

式中Dit表示影响第i个国家环境污染程度的其他变量形成的向量，主要包括结构效应和技术进步效应等变量。

3.1.3 研究模型的选择

在具体研究过程中使用的数据是2005年至2015年皖江城市带的对应指标的数据，因此选择时间序列模型。在具体研究过程里，可以使用SPSS软件进行非线性估计，根据拟合优度和显著性等结果，选择合适的次方模型。

从广义角度来说，目前智能视频分析技术主要包括视频分析、视频识别以及视频改善3类。其中视频分析类实现目标移动方向检测、周界入侵检测、目标运动、车流量统计、人流量等功能；视频识别类包括人脸识别、步态识别和车牌识别，其主要的技术是在大量视频流图像找出局部中的一些画面的共同特性；视频改善类可以针对或者是对振动的图像进行一部分的优化处理，以达到增强视频可监控性能，包括：车辆牌照识别影像消模糊处理、红外夜视图像的增强处理、图像光变与阴影抑制处理等[3]。

3.2 研究数据的说明

本文的研究目的是分析皖江城市带区域环境污染程度与经济增长之间的关系，在研究过程中选择的环境污染指标是皖江城市带的工业废水COD（化学需氧量）排放量、工业SO2（二氧化硫）排放量、工业固体废物排放量、工业烟粉尘排放量，经济产出指标选择的是皖江城市带人均GDP[6]。由于在实际研究中六安市金安区和舒城县的统计数据不容易获得，在下文的研究中使用的是六安市的数据进行相应的研究。

4 皖江城市带各污染指标与经济发展的EKC曲线分析

在对皖江城市带进行EKC分析时，以工业污染物为因变量Y，人均GDP为自变量X进行非线性回归分析[7]。

图3中第一个峰为气体产物CO2，其相对含量最高(64.97%)，CO2主要是由于羧酸类物质中羧基的断裂以及醛酸等物质的一次裂解产生。其后出现的色谱峰峰形较为复杂，主要为各种异构体。

4.1 皖江城市带环境污染分析

在2005年至2015年间皖江城市带工业污染物排放量变动情况如图1和图2所示，

图1 工业废水COD、工业SO2、工业烟粉尘等的排放量线形图

图2 固体废物排放量的线形图

从图1和图2来看，皖江城市带工业废水中COD排放在2011年以后没有明显下降的趋势，工业SO2在2011年以后下降趋势也不明显，在2005年到2015年间皖江城市带工业固体废物排放先上升后降低，而工业烟粉尘排放波动比较频繁。

4.2 皖江城市带工业污染与经济增长的非线性回归

下面将以EKC理论为基础，借助SPSS19.0软件，对皖江城市带各污染物与经济发展的关系开展实证分析。

4.2.1 工业废水COD排放与经济增长的EKC分析

以工业废水COD排放量为因变量，人均GDP为自变量开展非线性估计，结果列于表1：

表1 工业废水COD与人均GDP的非线性关系汇总

注：此表格中的数据根据SPSS19.0操作结果整理得到

参数估计值R方 F df1 df2 Sig. 常数 b1 b2 b3线性 0.627 15.122 1 9 0.004 93180.882 -0.825二次 0.738 11.281 2 8 0.005 68860.024 1.281 -3.636E-5三次 0.944 39.608 3 7 0.000 -12459.749 12.118 0.000 4.736E-9模型汇总方程

根据参数估计的情况，三次方多项式的决定系数最高，因此选择三次方多项式模型。回归方程为

图3 工业废水COD与人均GDP关系的图形

根据曲线方程和拟合图形，可以得出工业废水COD排放和人均GDP是正“N”型曲线形状，而且工业废水COD排放随着GDP的提高已经经过了第二个拐点，体现出上涨的趋向。

作者简介：贺春梅，女，汉族，重庆云阳人，重庆云阳教师进修学院，副高级，本科学历，研究方向：教学管理（物理专业）。

4.2.2 工业SO2排放与经济增长的EKC分析

对工业SO2与人均GDP开展非线性回归，非线性回归结果列于表2。

表2 工业SO2与人均GDP的非线性关系汇总

注：此表格中的数据根据SPSS19.0操作结果整理得到

参数估计值R方 F df1 df2 Sig. 常数 b1 b2 b3线性 0.421 6.544 1 9 0.031 202524.605 1.478二次 0.872 27.280 2 8 0.000 95469.502 10.747 0.000三次 0.935 33.402 3 7 0.000 -2512.469 23.804 -0.001 5.706E-9模型汇总方程

根据回归方程和回归线来看，工业SO2排放和人均GDP之间体现出正“N”型形状，工业SO2刚过第二次拐点转向上升。

图4 工业SO2与人均GDP的回归曲线

根据回归分析情况，三次方项的拟合程度最优，因此选取三次方多项式模型。回归方程为

4.2.3 工业烟粉尘排放与经济发展的EKC分析

对皖江城市带工业烟粉尘排放与人均GDP开展非线性回归，具体结果见表3。

表3 工业烟粉尘与人均GDP的非线性关系汇总

注：此表格中的数据根据SPSS19.0操作结果整理得到

参数估计值R方 F df1 df2 Sig. 常数 b1 b2 b3线性 0.102 1.018 1 9 0.339 247089.017 1.984二次 0.369 2.341 2 8 0.158 472452.160 -17.531 0.000三次 0.370 1.371 3 7 0.328 505537.757 -21.940 0.001 -1.927E-9模型汇总方程

皖江城市带工业废水COD排放和工业SO2排放处在随人均GDP上升而上升的阶段，要加强控制工业废水COD排放和工业SO2排放，推动企业进行技术创新，及早到达转向下降的转折点。

高校突发事件的发生，往往是因为多方面因素影响的结果，因此在预防高校突发事件发生上面应当建立完善的预防机制，从而降低突发事件发生概率。同时在发生突发事件后也能够及时进行处理，将突发事件带来的影响降到最低。

4.2.4 工业固体废物排放与经济增长的EKC分析

对皖江城市带工业固体废物排放与人均GDP进行非线性回归，结果列于表4。

通过方程回归的结果，工业烟粉尘的排放没有呈现出EKC的规律。

图5 工业烟粉尘与人均GDP关系的图形

表4 工业固体废物与人均GDP的非线性关系汇总

参数估计值R方 F df1 df2 Sig. 常数 b1 b2 b3线性 0.466 7.854 1 9 0.021 251.029 0.021二次 0.891 32.641 2 8 0.000 -1151.010 0.142 -2.096E-6三次 0.891 19.046 3 7 0.001 -1178.154 0.146 -2.234E-6 1.581E-12模型汇总方程

图6 工业固体废物排放与人均GDP关系的图形

根据上面的回归结果，工业固体废物排放和人均GDP这两个变量的二次方多项式和三次方多项式的决定系数都是0.891，但是二次方多项式的F检验最显著，所以二次项关系成立，回归方程为

根据回归情况和回归线判断工业固体废物和人均GDP这两个变量出现倒“U”型关系，在拐点以后，工业固体废物排放随着人均GDP的提高持续降低。

5 结论与建议

5.1 结论

根据2005至2015年皖江城市带的主要污染物和人均GDP的数据对EKC曲线进行检验，得到如下结论。

（1）工业废水COD排放量与人均GDP呈现出正“N”型形状，工业废水COD的排放在第二个拐点以后有不断提高的态势。由于经济的发展，工业废水COD排放量不断增加，由于存在治污处理技术上的瓶颈，工业废水COD的治理效率达到一定水平后进入下降阶段，目前需要在污染治理技术上进行改进和突破。

在EKC模型里常用的是二次方多项式模型和三次方多项式模型[5]，即：

（3）工业烟粉尘排放量和人均GDP没有表现出EKC的规律，工业烟粉尘的排放还没有随着人均GDP表现出规律性的趋势。这说明工业烟粉尘的污染治理效率还不稳定，没有体现出一定的规律性。

学生在不同类型课程上使用手机情况 统计结果见表3。总体上，学生在不同类型课程上使用手机的趋势是重视专业课，专业课上使用手机的比例低；其次是公共课；最不重视的是公共选修课，公共选修课上使用手机的比例达到五成。因此呈现出“重视专业课，忽视公共课、公共选修课”的趋势。

5.2 建议

5.2.1 推动企业进行技术创新

根据模型估计结果，工业烟粉尘和人均GDP之间线性关系、二次项关系、三次项关系的拟合优度都很低，都不成立。

胸痛的病因有很多，很多疾病的临床表现都为胸痛，病情的轻重缓急不同。对于急性胸痛的患者来说，如何快速查找病因显得十分重要。检查方法选择不当，不仅增加患者经济负担、延误患者病情，错过治疗的最佳时机，造成严重的后果。在临床上，除了心电图，超声和生化标志物、冠状动脉造影外，320排动态容积CT冠状动脉成像发挥了重要诊断作用。为了更加明确320排动态容积CT冠状动脉成像的诊断价值，我们为其选取了35例胸痛患者来对比研究，现将相关内容报道如下。

5.2.2 加强对工业烟粉尘排放的监管

从上文的分析来看工业烟粉尘的排放没有出现EKC的规律，治理效率有时高有时低，一方面是需要解决技术方面的难题，另外一方面也是比较重要的一方面就是要加强对工业烟粉尘排放的监管，提高违规违法排污的成本。

5.2.3 总结工业固体废物处理的经验

根据前面实证分析的结论，工业固体废物排放随着人均GDP的增长不断减少，应该持续总结对固体废物处理的经验，采取相关措施继续维持这种降低的趋向，推动经济的可持续发展。

参考文献:

加拿大从1990年开始在医生执照考试中运用OSCE；1994年美国外校毕业生教育协会开始运用OSCE对外籍医学毕业生进行评鉴 [2]；日本医学生在临床实习前必须通过OSCE（2003年）。目前，美国在医师执照考试第二阶段的临床技能考试中运用OSCE，该考试设有12个考站，考生在每个考站有15分钟的时间接触一位标准化病人（7分钟问诊，8分钟查体），而后在门口的计算机上（或用纸笔）记录病史和体格检查结果，10分钟后交卷，进入下一考站。

[1]GROSSMAN G M，KRUEGER A B.Economic growth and environment[J].The Quarterly Journal of Economic，1995，（2）：353-377.

[2]汪慧玲，刘莉.城镇化发展是否给环境带来负外部性?——基于省际面板数据的实证研究[J].石家庄经济学院学报，2016，（6）：53-61.

[3]孙明宇，程佳新.哈尔滨市环境空气质量评价与经济增长关系研究[J].环境科学与管理，2017，（7）：42-45.

2015年4月18日凌晨，金正恩与飞行员们一起登上白头山，并表示只有登上白头山领略其凛冽的寒风，方能体会白头山的真正厉害，也能进一步坚定把朝鲜革命进行到底的决心。

[4]王惠，王树乔，李小聪.淮河流域的工业环境库兹涅茨曲线再检验——来自2005—2014年安徽省地级市面板数据[J].水利经济，2017，（2）：22-25+68+76.

[5]彭越，柏松，严平，等.成都市环境库兹涅茨曲线分析[J].四川建筑，2016，（6）：61-62+66.

[6]朴锦泉，马民涛，刘张强.江苏省经济增长与工业“三废”排放的EKC实证分析与环境策略[J].四川环境，2015，（5）：106-110.

[7]董冬吟.泉州市经济增长与环境质量关系研究[J].环境科学与管理，2015，（2）：29-33.