貴州省縣域廢水排放與社會經濟發展的相關分析*

楊 莉 趙翠薇

(貴州師范大學 地理與環境科學學院， 貴陽 550001)

貴州省縣域廢水排放與社會經濟發展的相關分析*

楊 莉 趙翠薇

(貴州師范大學 地理與環境科學學院， 貴陽 550001)

隨著社會經濟的加速發展，廢水排放量也在不斷的增加，使得環境質量大大降低，從而反作用于社會經濟發展，影響社會經濟的可持續發展。對于一個欠發達地區而言，協調社會經濟與環境保護之間的關系至關重要。以貴州省2005、2010年88個縣級面板數據為依據，利用空間計量方法，探究影響廢水排放量的主要因子，建立貴州省廢水排放量變化的經典線性回歸模型和空間滯后模型，結果顯示，第三產業的發展是導致貴州廢水排放量增加的主要原因。

廢水排放量；空間自相關；空間計量分析

經濟的加速發展和城鎮人口的快速增加，使得環境與發展之間的矛盾問題日漸突出。其中，工業化、城鎮化的推進，產生的生活廢水和工業廢水也在急劇增加,大量的廢水排入江河,不但引起水體水質下降，同時也成為了制約社會經濟可持續發展的“瓶頸”。因此，環境與發展的協調問題成為了各學者研究的重點。1992年Grossman等人通過人均收入與污染指標之間的演變模擬，提出了在經濟發展的過程中，環境狀況先是惡化而后得到逐步改善，表現為倒“U”型曲線[1-2]。后來的學者們通過不同的環境污染指標、數學模型和影響環境變化的各社會經濟因子對這一假說進行推廣實證分析[3-5]。按影響環境變化的社會經濟因素分類，大致分為兩大類：一類是以廢氣污染物排放量與經濟發展之間的關聯為研究方向，定性或定量的分析環境污染與經濟發展之間的關系，如王立平等[6]在EKC假設的基礎上引入空間相關因素，認為我國基本滿足EKC假設，并且環境污染存在顯著空間自相關；李巖巖[7]、劉燕等[8]通過對我國各省市自治地區經濟增長與環境污染的計量分析，表明了我國部分省市自治區經濟增長與廢水的排放具有正相關關系；王臘春等[9]通過對某區域GDP的增長與廢水排放量的協調關系分析，表明在大部分發達地區，GDP與污水排放量呈波動狀；另一類是以廢水污染物排放量與社會發展之間的關聯為研究方向，定性或定量的運用各種檢驗方法和模型,研究環境污染與社會發展之間的關系，如范定祥等[10]通過省級面板數據的考察認為，我國城鎮生活廢水排放不僅與城鎮人口線性相關，而且還受到城鎮居民可支配收入、用水習慣、產業結構和政策規劃的影響；田禹等[11]利用數學模型，分析了山東省城鎮化發展與廢水排放量之間的關系，表明廢水排放量不僅與經濟增長中的GDP、產業結構等有關，還與社會發展中的常住人口密度、城鎮人口密度等因子有關。

貴州省作為西部大開發的省份之一，研究社會經濟發展活動對廢水排放量的影響有著重要的作用，對于制定區域發展和環境保護政策具有重要的意義。

1 研究區概況

貴州省位于東經103°6′～109°35′，北緯24°37′～29°13′ ，共有88個縣(市、區、特區)，面積176 128 km2，約占全國總面積1.83%。從社會發展方面看：2013年，全省年末常住人口為3502.22萬人。其中，城鎮人口1 324.89萬人，占常住人口比重的37.83%。從經濟發展方面看：2013年全省生產總值8006.79億元，比上年增長12.5%。其中，第一產業增加值增長5.8%;第二產業增加值增長14.1%;第三產業增加值增長12.6%。2005年到2010年工業廢水量先增加后減小，但基本保持平穩，而生活廢水量不斷增加，基本顯上升趨勢(見表1)。總的來講，貴州省廢水排放總量2010年相比2005年有所上升。

表1 貴州省2005—2010年廢水排放量

注：數據來源于2010年貴州省環境狀態公報

2 研究方法與數據來源

2.1 研究方法

2.1.1 空間自相關分析

地理學認為：任何事物之間在空間上都具有相關性，且距離越相近的事物的聯系性越大。空間自相關就是一種統計檢驗某種地理現象或某一屬性在相鄰空間點之間的關聯性的方法。其中最常用的是Moran’s I全局關聯指數，其值在-1～+1之間，當大于零時，表示正相關，即屬性值高的地方和屬性值高的地方集聚，反之為負，等于零則表示不存在空間相關性[12]。本文通過GeoDa軟件來計算貴州省各縣域之間的廢水排放量的Moran’s I指數，并對貴州省各縣域之間的廢水排放量的空間集聚性進行分析，計算公式如下所示：

公式(1)中，n是參與分析的研究單元個數；xi、xj分別表示某現象(或某屬性)在空間單元i和j的觀測值；Wij為空間權重矩陣[12]。

全局空間關聯指數雖能反映整體上的自相關性，但很難表現出不同單元之間在空間上存在的關聯程度。而局部空間關聯指數就彌補了這一現象，可以揭示相鄰空間單元屬性特征值或地理現象之間存在的相關性，辨別空間上各研究單元之間的集聚和孤立區域。局部指數有LocalMoran’sI，其對應計算公式為

(2)

式(2)中各指數所示意義與式(1)一致[12]。

LISA散點圖將空間關聯模式分為四個象限。第一象限(即“高—高”關聯區)表明空間單元與鄰近空間單元屬性值均較高，且二者空間差異較小，存在較強的空間正相關；第二象限(即“低—高”關聯區)表明空間單元屬性值較低，鄰近空間單元屬性值較高，二者空間差異較大，存在較強的空間負相關；第三象限(即“低—低”關聯區) 表明空間單元與鄰近空間單元屬性值均較低，且二者空間差異較小，存在較強的空間正相關；第四象限(即“高—低”關聯區)表明空間單元屬性值較高，鄰近空間單元屬性值較低，二者空間差異較大，存在較強的空間負相關。此外，Moran’sI的顯著性檢驗通常采用z值來衡量，將其轉化為標準化z值，在95%的置信度下，如果計算得到的z值大于1．96或小于-1．96，表示統計性顯著[13]。

2.1.2 空間回歸模型的建立

1988年AnselinL[14]提出空間計量經濟學分析適用于橫截面數據的空間線性模型通用形式如下：

y=ρw1y+xβ+μ

μ=λw2μ+ε

ε～N(0,σ2,In)

(3)

式中：β是外生(解釋)變量x(n×k)相關的參數向量(k×1)，ρ是空間滯后w1y的系數，λ是干擾項ε的空間自回歸結構w1ε的系數，w1(n×n)、w2(n×n)分別與因變量的空間自回歸過程和干擾項ε的空間自回歸過程相關，可以是行標準化的矩陣，也可以是二元矩陣或其他非標準化矩陣。

當將上式(3)中參數的不同子向量設為0時，可以產生4個常見的空間模型結構，分別與下列情形相對應[15]：

(1) 當ρ=λ=0時，為傳統的回歸模型，說明模型中不存在空間特性的影響；

(2) 當ρ≠0，β=λ=0時，為一階空間自回歸模型。該模型類似時間序列分析中的一階自回歸模型，反映了變量在空間上的相關特征，即所研究區域的被解釋變量如何受到相鄰區域被解釋變量的影響；

(3) 當ρ≠0，β≠0，λ=0時，是混合回歸——空間自回歸模型，即可見滯后模型。該模型中，所研究區域的被解釋變量不僅與本區域的解釋變量有關，還與相鄰區域的解釋變量有關；

(4) 當ρ=0，β≠0，λ≠0時，為殘差空間自回歸模型，即空間誤差模型，此時該模型可以改寫成：

(In-λw)y=(In-λw)xβ+ε

即所研究區域的被解釋變量(y)不僅與本區域解釋變量(x)有關，還與相鄰區域的被解釋變量(表現為wy)以及解釋變量(表現為wx)有關。

2.1.3 廢水排放量影響因子

貴州省工業化、城鎮化的進程，以及經濟社會的發展狀況，不僅影響著各縣域的經濟發展速度，同時對貴州省各縣的環境狀況(即廢水的排放量)也有很大程度的影響。同時開發建設強度也在一定程度上影響著社會經濟的發展，從而也是貴州省各縣的廢水排放量影響因素之一。因此，本文選取人口密度，城鎮人口密度、單位國土面積的GDP、第一產業密度、第二產業密度等8個因素作為影響貴州省各縣廢水排放量的驅動因子(見表2)。

表2 廢水排放量影響因子

表2(續)

2.2 數據來源

(1) 貴州省各縣常住人口、城鎮人口、GDP、第一、二、三產業增加值數據來源于2005—2010年的《貴州統計年鑒》；

(2) 建設用地面積數據是通過對貴州省2005、2010年三期Landsat5TM遙感影像數據(分辨率30m)遙感解譯獲得；

(3) 廢水排放量數據主要來源于《貴州統計數據》；

(4) 各縣公路里程數據來源于貴州省交通廳提供的2005年、2010年《貴州省地方交通統計資料》。

3 結果與分析

3.1 廢水排放量的空間自相關檢驗

首先通過GeoDa軟件和公式(1),計算得到 2005年、2010年貴州廢水排放量的Moran’sI指數分別為0.495 408和0.506 446，并生成貴州省2005年、2010年Moran’sI的散點圖(見圖1)，說明貴州省縣域廢水排放量的分布并非隨機分布，空間集聚特征明顯。

其次，對2005年、2010年貴州省廢水排放量的Moran’sI檢驗是否明顯，p值為0.001，說明在99.9%置信度下的空間自相關是顯著的 (見圖2)。

為了更直觀的表現貴州縣域廢水排放量的空間分布情況，利用GeoDa軟件和公式(2)得到貴州省2005年、2010年的局部空間自相關LISA集聚圖。其中，用不同的顏色深淺度來表示空間的集聚形式，相對于2005年來講，2010年貴州省廢水排放量H-H集聚區在不斷的擴大，而L-L區在不斷的減小。具體來說，2010年貴州省廢水排放量H-H區域主要

(a) 2005年

(b) 2010年圖1 貴州省廢水排放量Moran’s I散點圖

分布在黔中經濟核心地區，包括：貴陽南明、云巖、烏當、觀山湖、白云、花溪、清鎮7個區；L-L區域主要分布在東部地區，包括：道真、務川、德江、鳳岡、思南、印江、施秉、天柱、黎平、榕江、荔波12個縣；而西部地區基本不變(見圖3、4)。

(a) 2005年

(b) 2010年圖2 全局空間自相關系數檢驗

3.2 社會活動指標的空間自相關檢驗

以貴州省廢水排放量和社會活動指標為變量，計算雙變量的Moran’s I值(見表3)并繪制雙變量的LIAS圖，通過表3可以發現，所有Moran’s I均為正數，說明貴州省廢水排放量與各社會活動變量在空間上存在著正相關關系，并通過雙變量LISA圖看出經濟增長與社會活動的8個圖中，處于H-H象限的有貴陽市云巖區、南明區、白云區、觀山湖區,這些區域恰恰是黔中經濟發達區，人口較為密集，生活污水排放較多，而L-L象限的有望謨縣、羅甸縣、平塘縣、三都縣、獨山縣等，大部分集中黔南經濟較為落后地區，顯示出縣域之間的確存在著空間的相關性(見圖5)。

圖3 2005年LISA集聚圖

圖4 2010年LISA集聚圖

表3 污水排放量與各驅動因子的雙變量Moran’s I

圖5 2010年污水排放量與各社會經濟因子之間的雙變量LISA

3.3 空間計量分析

對貴州省2010年廢水排放量建立經典線性回歸模型和空間自回歸模型，并通過兩模型的回歸系數、標準誤差、t值、p值以及類決定系數R2和LIK進行分析比較，確定貴州省2010年廢水排放量的較優模型。

3.3.1 普通OLS回歸模型檢驗

以貴州省各縣廢水排放量為因變量，上述社會活動中的8個因子為自變量，對2010年數據，建立經典線性回歸模型，結果顯示擬合度為0.5812(見表4)。 從t值可以看出，對貴州省單位國土面積廢水排放量影響較顯著的因子為第三產業增長密度、GDP密度、第二產業增長密度以及城鎮人口密度。而影響較不顯著的有第一產業密度、建設用地密度以及交通路網密度。

表4 經典線性回歸模型

(注：R2=0.581 2；最大似然對數值LIK=-2 522.185)

3.3.2 空間滯后模型

選取與表4相同的自變量，對貴州省廢水排放量的變化建立空間滯后模型a(見表5)。對于比較不同空間模型的擬合度，一般選用LIK(或AIC或SC)指標來確定[12]。比較表4和表5中的R2和最大似然對數LIK，相比經典線性回歸模型中的R2(0.581 2)和最大似然對數LIK值(-2 522.185)，空間滯后模型a中R2(0.615 35)和最大似然對數LIK值(-627.302)都較大，這表明建立空間滯后模型a要比經典線性回歸模型更優。但空間滯后模型a中的城鎮人口密度、第一產業密度和交通路網密度3個變量不顯著(p>0.05)，故剔除這3個不顯著變量再建立空間滯后模型b(見表6)。對表5和表6進行分析，剔除不顯著變量后的類決定系數R2和最大似然對數LIK值變化不大，類決定系數R2分別為0.615 35和0.614 98，最大似然對數LIK值分別為-627.302 和-627.109，但剔除不顯著變量后的模型的所有變量均顯著(p<0.05),故剔除不顯著變量的模型較優。

表5 空間滯后模型a

(注：類決定系數R2=0.615 35；最大似然對數值 LIK=-627.302)

表6 空間滯后模型b

(注：類決定系數R2=0.614 98；最大似然對數值LIK=-627.109)

表6顯示，影響貴州省廢水排放量最大的是第三產業密度，其中，第三產業中的商業飲食、旅游業是導致貴州省各縣廢水排放量增加的主要因素。未來要減少貴州省廢水排放量，首先從第三產業中的商業飲食和旅游業發展管理抓起，加強污染物排放的管理，落實各產業治污的達標措施；其次是人口密度，隨著城市化的快速發展，相關部門也要加大城市生活污水排放的管理；第二產業密度對貴州省廢水的排放影響相對較小，但在大力推進工業化發展的同時也要抓好工業企業污染治理。

4 結果與討論

(1) 對貴州省縣域廢水排放量的空間自相關分析，表明我省廢水排放的空間集聚特征較為明顯，主要表現為排放量較高的地區與排放量較高的地區集聚(H-H)，集中在第三產業較發達，人口較密集的黔中地區；排放量較低的地區與排放量較低的地區集聚(L-L),集中在經濟欠發達，人口較稀少的黔東地區。

(2) 對貴州省廢水排放量和社會活動指標雙變量空間自相關分析，表明貴州省廢水排放量與各社會活動變量在空間上存在著正相關關系，處于H-H象限也恰恰是黔中經濟發達區，人口較為密集，生活污水排放較多，而處于L-L象限的大部分集中在黔南經濟較為落后地區，顯示出縣域之間的確存在著空間的相關性。

(3) 通過對經典線性回歸模型和空間自回歸模型的分析，可以看出，影響貴州省廢水排放量的社會活動因子中，第三產業的發展影響最大，其次是人口密度和第二產業。

雖然本研究尚未全面考慮到影響貴州省廢水排放量的各因素，但總體來講，本文提出的貴州省廢水排放量自相關與回歸模型都具有較高的解釋水平，能夠較好的擬合貴州省廢水排放量與各社會經濟發展之間的相互關系。另外，影響廢水排放量的因素復雜，單一的模型不可能全面的解釋廢水排放量的空間分布和變化。尤其是第三產業結構復雜，本文還不能通過對貴州省廢水排放量的自相關和回歸模型分析出影響第三產業的具體因素。 因此，建議后續工作中需要進一步確定影響貴州省廢水排放量的因子和具體分析第三產業中主要影響廢水排放量的因素等。

[1] Grossman G M,Krueger A B.Environmental Impacts of a North American Free Trade Agreement[D].Princeton：Wood-row Wilson School, 1992.

[2] Shafik N,Bandyopadhyay S.Economic Growth and Environmental Quality: Time-Series and Cross-Country Evidence.Background Paper for the World Development Report[R]. the World Bank,Washington DC,1992.

[3] Selden T M,Song D S. Environmental quality and development:Is there a Kuznets Curve for air pollution emissions [J].Journal of Environmental Economics and Management,1994,27(2):147-162.

[4] Panayotou T.Demystifying the Environmental Kuznets Curve:Turning a black box into a policy tool[J].Environment and Development Economics,1997(2):465-484.

[5] 周靜,楊桂山.江蘇省工業廢水排放與經濟增長的動態關系[J].地理研究,2007,26(5):931-939.

[6] 王立平,管杰,張紀東.中國環境污染與經濟增長:基于空間動態面板數據模型的實證分析[J].地理科學，2010,30(4):1-7.

[7] 李巖巖,趙湘蓮,陸敏.我國經濟增長與環境污染、碳稅關系的空間計量分析[J].工業技術經濟,2012,229(11):1-9.

[8] 劉燕,潘楊,陳剛.經濟開放條件下的經濟增長與環境質量-基于中國省級面板數據的經驗分析[J].上海財經大學學報,2006,8(6)：48-55.

[9] 王臘春,霍雨,朱繼業,等.區域經濟發展與污水排放協調分析[J].環境科學，2008,29(3)：593-598.

[10] 范定祥,廖進中.城鎮生活污水排放與區域經濟發展的實證研究[J].湖南工業大學學報, 2010,24(6):72-76.

[11] 田禹,高宗軍,崔浩浩,等.山東省城鎮化發展與污水排放量及地下水資源問題[J].水資源保護,2013,29(1):73-76.

[12] 謝花林,劉黎明,李波,等.土地利用變化的多尺度空間自相關分析—以內蒙古翁牛特旗為例[J].地理學報,2006,61(4):389-400.

[13] 封磊,洪偉,吳承禎,等.福州市人口分布的空間自相關分析[J].江西農業大學學報,2008,30(3):569-574.

[14] Anselin L. Spatial Econometrics: Methods and Models[M]. Dordrecht: Kluwer Academic Publishers, 1988.

[15] 歐變玲,龍志和,林光平.空間滯后模型中Moran′s I統計量的Bootstrap檢驗[J].系統工程理論與實踐,2010,30(9):1537-1544.

Correlation analysis between wastewater discharge of counties and socioeconomic development in Guizhou

Yang Li， Zhao Cuiwei

(School of Geography and Environment Sciences, Guizhou Normal University, Guiyang, 550001, China)

With the accelerating development of social economy, the wastewater emission was also constantly increasing, making the environmental quality greatly worsen. Then it caused the retroaction on socioeconomic development and limited the sustainable development of socioeconomic finally. For a less-developed region, it was very important to make clear the relationship between social economy and environmental protection. This paper explored the influencing factors of wastewater emission, by the spatial econometric methods based on 88 counties’ panel data in Guizhou in 2005 and 2010. A classical linear regression and spatial lag model of wastewater emissions variation in Guizhou were established, and the results show that third industry development was the main reason for the increase of the wastewater emission.

wastewater discharge；spatial autocorrelation；spatial econometric analysis

* 貴州社發攻關項目(黔科合SY字〔2013〕3168號)

2014-08-24;2014-10-21修回

楊莉，女，1987年生，碩士研究生，研究方向：土地規劃與生態環境。E-mail: 947887962@qq.com

趙翠薇，教授，博士后，研究方向：土地規劃與生態環境。E-mail:zhaocuiwei@sohu.com

X22

A