空間集聚對(duì)中國(guó)工業(yè)污染排放強(qiáng)度的影響

王曉碩,宇超逸

?

空間集聚對(duì)中國(guó)工業(yè)污染排放強(qiáng)度的影響

王曉碩1,2*,宇超逸3

(1.東北財(cái)經(jīng)大學(xué)數(shù)學(xué)學(xué)院,遼寧大連116025；2.中國(guó)科學(xué)院預(yù)測(cè)科學(xué)研究中心東北分中心,遼寧大連116025；3.東北財(cái)經(jīng)大學(xué)經(jīng)濟(jì)學(xué)院,遼寧大連116025)

本文以2005~2014年中國(guó)省際面板數(shù)據(jù)為樣本,建立決定工業(yè)污染排放強(qiáng)度的理論、計(jì)量模型,構(gòu)建中國(guó)省級(jí)行政區(qū)內(nèi)部地級(jí)市之間的內(nèi)部集聚度指數(shù)以及反映市場(chǎng)規(guī)模效應(yīng)的外部集聚度, 深入研究了空間集聚對(duì)工業(yè)污染排放強(qiáng)度的影響.研究表明:經(jīng)濟(jì)活動(dòng)的空間集聚有利于減少單位GDP工業(yè)COD、工業(yè)SO2、工業(yè)煙塵和粉塵污染排放強(qiáng)度;內(nèi)部集聚度對(duì)工業(yè)COD排放強(qiáng)度差距的貢獻(xiàn)為負(fù),是縮小工業(yè)COD排放強(qiáng)度差距的因素,而外部集聚度的貢獻(xiàn)為正,表明隨著集聚外部性的增強(qiáng),區(qū)位的重要性更大地體現(xiàn)在不同區(qū)域間的相互關(guān)聯(lián)上,即市場(chǎng)規(guī)模效應(yīng);外部集聚度對(duì)地區(qū)工業(yè)污染排放強(qiáng)度的影響存在顯著的門限效應(yīng).

空間集聚；工業(yè)污染排放強(qiáng)度；夏普利值；門限效應(yīng)；節(jié)能減排

伴隨著中國(guó)經(jīng)濟(jì)的高速增長(zhǎng),經(jīng)濟(jì)集聚現(xiàn)象日益明顯,并表現(xiàn)為在沿海地區(qū)不斷增強(qiáng)的趨勢(shì),東部與中西部地區(qū)已經(jīng)形成新經(jīng)濟(jì)地理學(xué)意義的“中心”和“外圍”[1].在日趨深入的城鎮(zhèn)化、工業(yè)化過(guò)程中,一個(gè)不容忽視的事實(shí)是環(huán)境污染的不斷加劇[2].節(jié)能減排是應(yīng)對(duì)全球環(huán)境問(wèn)題的必然選擇,也是中國(guó)實(shí)現(xiàn)經(jīng)濟(jì)發(fā)展方式轉(zhuǎn)變的重要方面.工業(yè)排污對(duì)中國(guó)環(huán)境污染總量的貢獻(xiàn)是非常重要的,2013年全國(guó)主要城市(北京、天津、上海、重慶和各個(gè)省會(huì)城市)中工業(yè)COD排放、工業(yè)SO2排放、工業(yè)NOX排放、工業(yè)煙塵排放分別占各自總排放量的21.61%、87.39%、95.94%和84.03%[3].“十三五”規(guī)劃綱要也進(jìn)一步說(shuō)明工業(yè)減排是中國(guó)實(shí)現(xiàn)減排目標(biāo)的重點(diǎn),也是本文研究的目標(biāo).

目前,對(duì)影響環(huán)境污染決定因素的研究,主要關(guān)注兩類,其一是經(jīng)濟(jì)發(fā)展水平,這一類文獻(xiàn)的主要關(guān)注點(diǎn)均與“環(huán)境Kuznets曲線”有關(guān);其二是政策因素,這一類文獻(xiàn)的主要關(guān)注點(diǎn)在于分析政府在環(huán)境保護(hù)中所采取的規(guī)制強(qiáng)度,這類因素可以通過(guò)排污費(fèi)征收率等與政府環(huán)保努力程度相關(guān)的指標(biāo)測(cè)度[4].關(guān)于空間集聚與環(huán)境污染關(guān)系的研究仍然處于探索階段,主要表現(xiàn)為理論研究不足,缺乏系統(tǒng)性的解釋.一種觀點(diǎn)認(rèn)為,集聚會(huì)促進(jìn)地區(qū)經(jīng)濟(jì)增長(zhǎng)和產(chǎn)能擴(kuò)張,產(chǎn)生更多的污染[5].工業(yè)集聚區(qū)是導(dǎo)致空氣和水污染的直接原因[6-8],北京、天津、上海等發(fā)達(dá)地區(qū)環(huán)境健康綜合風(fēng)險(xiǎn)指數(shù)較高,不發(fā)達(dá)地區(qū)環(huán)境健康綜合風(fēng)險(xiǎn)相對(duì)較低[9].經(jīng)濟(jì)集聚加重環(huán)境污染,環(huán)境污染對(duì)經(jīng)濟(jì)集聚存在反向抑制作用,中國(guó)省域范圍均存在局部經(jīng)濟(jì)強(qiáng)集聚性和污染強(qiáng)集聚性[10-12].另一種觀點(diǎn)認(rèn)為,集聚提高勞動(dòng)生產(chǎn)率,提高人均收入和財(cái)政收入,致使政府采取更加嚴(yán)格的環(huán)境規(guī)制;集聚的規(guī)模經(jīng)濟(jì)效應(yīng)降低企業(yè)的單位污染處理成本;集聚區(qū)內(nèi)知識(shí)溢出效應(yīng)使得企業(yè)采用更為環(huán)保的生產(chǎn)流程[13-14].因此,污染不一定與經(jīng)濟(jì)規(guī)模正相關(guān),空間集聚可能是控制污染物質(zhì)排放總量或排放強(qiáng)度的重要機(jī)制[4,14-15].經(jīng)驗(yàn)研究未達(dá)成一致原因:集聚對(duì)環(huán)境污染的影響存在多種機(jī)制,兩者之間存在眾多的“中間變量”,忽略某些中間變量,必然對(duì)實(shí)證結(jié)果造成影響;指標(biāo)選取存在較大差異,污染物選取不同會(huì)導(dǎo)致不同的研究結(jié)論;不同發(fā)展階段的集聚所對(duì)應(yīng)的環(huán)境污染可能存在差異[14].

本文以2005~2014年中國(guó)省際面板數(shù)據(jù)為樣本,研究了空間集聚對(duì)地區(qū)工業(yè)污染排放強(qiáng)度的影響.本文試圖在已有研究下進(jìn)行如下擴(kuò)展:(1)構(gòu)建包含地區(qū)內(nèi)部集聚度和外部集聚度的環(huán)境污染強(qiáng)度的理論模型;(2)綜合利用中國(guó)省級(jí)和地級(jí)層面的數(shù)據(jù),構(gòu)建中國(guó)省級(jí)行政區(qū)內(nèi)部地級(jí)市之間反映由于密集經(jīng)濟(jì)活動(dòng)帶來(lái)的技術(shù)外部性的內(nèi)部集聚度指數(shù)以及反映市場(chǎng)規(guī)模效應(yīng)的外部集聚度;(3)選取工業(yè)COD、工業(yè)SO2和工業(yè)煙塵和粉塵排放強(qiáng)度,保證模型估計(jì)穩(wěn)健性;(4)應(yīng)用基于回歸的夏普利值框架,計(jì)算不同類型的空間集聚對(duì)地區(qū)工業(yè)污染排放強(qiáng)度差距的貢獻(xiàn);(5)使用門限回歸模型,探究空間集聚對(duì)地區(qū)工業(yè)單位GDP減排的非線性、差異化作用機(jī)制;(6)使用面板數(shù)據(jù)的工具變量法,解決內(nèi)生性問(wèn)題,保證估計(jì)結(jié)果的穩(wěn)健性.

1 空間集聚與污染排放強(qiáng)度的理論模型

借鑒生產(chǎn)密度模型[16],將經(jīng)濟(jì)集聚的負(fù)外部性即“擁擠效應(yīng)”擴(kuò)展到“環(huán)境污染效應(yīng)”,并將環(huán)境污染納入理論模型.生產(chǎn)密度模型如下:

式中:y為第個(gè)地區(qū)的單位面積產(chǎn)出,A為全要素生產(chǎn)率,n為就業(yè)密度,k為單位面積物質(zhì)資本投入,為單位面積物質(zhì)資本和勞動(dòng)的回報(bào)率,為勞動(dòng)投入對(duì)單位面積產(chǎn)出貢獻(xiàn)率,Y,S表示非農(nóng)產(chǎn)出和地區(qū)總面積,為產(chǎn)出密度系數(shù).

污染看作生產(chǎn)的附屬產(chǎn)品,得到,

式中:0是正常產(chǎn)出,Y是污染型產(chǎn)出.

(3)

式中:N是地區(qū)的非農(nóng)就業(yè)數(shù),化簡(jiǎn)得式(5):

(5)

大量文獻(xiàn)考察經(jīng)濟(jì)活動(dòng)密度和市場(chǎng)潛能效應(yīng)對(duì)地區(qū)勞動(dòng)生產(chǎn)率的影響,表明:就業(yè)密度帶來(lái)的技術(shù)外部性和市場(chǎng)潛能帶來(lái)的金融外部性對(duì)地區(qū)勞動(dòng)生產(chǎn)率有顯著為正的影響[5,17-18].

(8)

式(8)表明,地區(qū)的污染排放強(qiáng)度與非農(nóng)就業(yè)密度和市場(chǎng)規(guī)模密切相關(guān):當(dāng)時(shí),地區(qū)非農(nóng)就業(yè)密度提高會(huì)降低污染排放強(qiáng)度;當(dāng)時(shí),地區(qū)市場(chǎng)規(guī)模效應(yīng)的提高會(huì)降低污染排放強(qiáng)度.此時(shí)空間集聚表現(xiàn)出正的技術(shù)外部性和金融外部性.

2 變量選擇與數(shù)據(jù)樣本

根據(jù)理論模型推導(dǎo),以及對(duì)文獻(xiàn)[13-14,16, 19]的梳理,本文從空間集聚、經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、政府環(huán)保努力程度、人口意義的城市化水平幾個(gè)方面構(gòu)建工業(yè)污染排放強(qiáng)度的決定方程.

2.1 空間集聚度

借鑒Gardiner等[19]的研究,選用兩個(gè)指標(biāo)衡量集聚,分別是內(nèi)部集聚度(調(diào)整的地理集中指數(shù))和外部集聚度(市場(chǎng)潛能).

2.1.1 內(nèi)部集聚度 空間基尼系數(shù)、赫芬達(dá)爾指數(shù)和泰爾指數(shù)沒(méi)有考慮較小地理單位面積的差異所產(chǎn)生的空間偏誤,而EG指數(shù)也存在對(duì)加總數(shù)據(jù)敏感的弊端.反映經(jīng)濟(jì)密度的“非農(nóng)就業(yè)密度”指標(biāo)也過(guò)于粗略.基于EG指數(shù)構(gòu)造的調(diào)整地理集中指數(shù)(agc)以較小的地理單元來(lái)構(gòu)造較高水平地理單元的空間集聚程度[19].劉修巖[20]采用此指標(biāo)測(cè)算了2001~2010年中國(guó)25個(gè)省的內(nèi)部集聚度.

式中:y是第個(gè)子區(qū)域產(chǎn)出(或就業(yè))的比重;s是第個(gè)子區(qū)域面積的比重;min是最小子區(qū)域的面積.因此,agc指數(shù)消除不同區(qū)域內(nèi)子區(qū)域大小存在差異帶來(lái)的gc指數(shù)可比性較差的缺陷.

本文以省級(jí)區(qū)域內(nèi)地級(jí)區(qū)域作為子區(qū)域,產(chǎn)出指標(biāo)以非農(nóng)產(chǎn)業(yè)GDP來(lái)進(jìn)行測(cè)度,計(jì)算2005~ 2014年中國(guó)25個(gè)省份agc指數(shù),數(shù)據(jù)來(lái)源于2006~2015年的《中國(guó)區(qū)域統(tǒng)計(jì)年鑒》.

考慮到可能存在的地域分化現(xiàn)象,將中國(guó)的經(jīng)濟(jì)區(qū)域劃分為東部、中部、西部和東北,對(duì)2005~2014年各省的agc指數(shù)求均值(圖1).可以看到,中國(guó)4大區(qū)域的agc指數(shù)總體呈現(xiàn)出西部和東北部較高、中部和東部較低的特征,并且4大區(qū)域內(nèi)也存在較大差異.agc指數(shù)測(cè)度的經(jīng)濟(jì)活動(dòng)主要為第二、三產(chǎn)業(yè).樣本中未包含北京、上海等第三產(chǎn)業(yè)發(fā)達(dá)的中心城市,由于市場(chǎng)競(jìng)爭(zhēng)作用,降低了周邊城市第三產(chǎn)業(yè)的集聚程度;此外,北京、上海等中心城市對(duì)污染型產(chǎn)業(yè)審批制度更加嚴(yán)格,不允許重工業(yè)的建設(shè),又延緩了第二產(chǎn)業(yè)的集聚.

2.1.2 外部集聚度 區(qū)位的重要性不僅體現(xiàn)在區(qū)域自身特征上,還體現(xiàn)在不同區(qū)域間的相互關(guān)聯(lián)上.市場(chǎng)潛能體現(xiàn)一種依靠市場(chǎng)為媒介的金融外部性.式(10)是Harris意義上的市場(chǎng)潛能,

mp(10)

Y是省經(jīng)過(guò)平減指數(shù)處理過(guò)的國(guó)內(nèi)生產(chǎn)總值,億元;d是兩個(gè)省市區(qū)的距離,km;d是省市區(qū)內(nèi)部距離;,km;S是省的面積,km2.

本文計(jì)算了2005~2014年中國(guó)25個(gè)省份的市場(chǎng)潛能(mp),數(shù)據(jù)來(lái)源于2006~2015年《中國(guó)統(tǒng)計(jì)年鑒》.總體來(lái)看,各地區(qū)的市場(chǎng)潛能得到了很大的增長(zhǎng),2005年各地區(qū)的mp均值為260.99, 2014年增加到699.89.為了比較可能存在的地域分化現(xiàn)象,我們將2005~2014年各省的mp求均值(圖2).與內(nèi)部集聚度恰好相反,mp總體呈現(xiàn)出東部和中部較高,西部和東北部較低的特征.

2.2 工業(yè)污染排放強(qiáng)度

為了保證檢驗(yàn)結(jié)果的穩(wěn)健性,本文選擇3個(gè)度量指標(biāo):工業(yè)COD排放強(qiáng)度、工業(yè)煙塵和粉塵排放強(qiáng)度以及工業(yè)SO2排放強(qiáng)度.

2.3 其他控制變量

根據(jù)文獻(xiàn)[4,13,19]采用的模型對(duì)其他控制變量進(jìn)行選擇.一是經(jīng)濟(jì)發(fā)展水平,本文用人均GDP (pgdp)作為地區(qū)經(jīng)濟(jì)發(fā)展的衡量指標(biāo);二是產(chǎn)業(yè)結(jié)構(gòu),本文用工業(yè)GDP占比(ind)刻畫;三是城市化水平,本文用各省非農(nóng)人口比重(non)表示人口意義上的城市化水平;四是政府的環(huán)保努力程度,本文用節(jié)能環(huán)保支出占財(cái)政支出比例(gov).

2.4 數(shù)據(jù)來(lái)源與描述性統(tǒng)計(jì)

表1 各變量的描述性統(tǒng)計(jì)

考慮到北京、天津、上海和重慶4個(gè)直轄市以及西藏和海南數(shù)據(jù)的特殊性及部分年份數(shù)據(jù)的缺失,本文實(shí)證檢驗(yàn)的是2005~2014年中國(guó)25個(gè)省份,除了前面測(cè)算得到的空間集聚變量,其他數(shù)據(jù)來(lái)源于2006~2015年《中國(guó)統(tǒng)計(jì)年鑒》和《中國(guó)環(huán)境年鑒》.表1為主要變量的描述性統(tǒng)計(jì)結(jié)果.

3 模型設(shè)定與檢驗(yàn)結(jié)果分析

3.1 模型建構(gòu)

借鑒理論模型(8)式和已有的研究結(jié)果[4,13,19],建構(gòu)的計(jì)量模型為:

式中:表示省份,表示年份,it是隨機(jī)擾動(dòng)項(xiàng);是環(huán)境污染排放強(qiáng)度,在模型中取自然對(duì)數(shù),實(shí)際估計(jì)模型中用、和來(lái)度量.式(11)采用半對(duì)數(shù)模型,此模型在夏普利值分解法中優(yōu)于線性和雙對(duì)數(shù)模型,或者與其他模型沒(méi)有顯著差異[24].

3.2 回歸結(jié)果分析與內(nèi)生性檢驗(yàn)

本文使用普通最小二乘法(ols)對(duì)面板數(shù)據(jù)模型進(jìn)行估計(jì),根據(jù)Hausman檢驗(yàn)(p值小于0.003),拒絕隨機(jī)效應(yīng) (RE)模型原假設(shè),最終選擇固定效應(yīng)(FE)模型.表2為式(11)估計(jì)結(jié)果.9個(gè)回歸中,內(nèi)部集聚度(agc)和外部集聚度(mp)的系數(shù)顯著為負(fù)值,表明:空間集聚對(duì)工業(yè)污染排放強(qiáng)度具有顯著為負(fù)的影響. 第(1)、(4)和(7)列解釋變量的符號(hào)和顯著性幾乎一致,表明:空間集聚對(duì)于不同工業(yè)污染排放強(qiáng)度的影響具有穩(wěn)健性.

第(1)列中agc系數(shù)在1%的水平上顯著為負(fù),內(nèi)部集聚度增加一個(gè)標(biāo)準(zhǔn)差(0.11),工業(yè)COD排放強(qiáng)度下降32.26%,表明:區(qū)域內(nèi)部集聚對(duì)工業(yè)單位GDP減排有積極推動(dòng)作用.mp的系數(shù)在1%的水平上顯著為負(fù),外部集聚度增加1個(gè)標(biāo)準(zhǔn)差(230.73),工業(yè)COD排放強(qiáng)度下降16.15%,表明:距離高經(jīng)濟(jì)密度區(qū)和先進(jìn)地區(qū)越近,分享知識(shí)溢出的利益越容易.人均GDP的影響顯著為負(fù):地區(qū)經(jīng)濟(jì)發(fā)展水平較高,致使政府采取更加嚴(yán)格的環(huán)境規(guī)制.產(chǎn)業(yè)結(jié)構(gòu)變量(ind)的系數(shù)顯著為負(fù):工業(yè)占GDP的比重增加1個(gè)百分點(diǎn),工業(yè)COD排放強(qiáng)度下降約5.46%,表明:工業(yè)排放本身具有規(guī)模經(jīng)濟(jì).城市化水平(non)系數(shù)為負(fù):非農(nóng)人口比重增加1個(gè)百分點(diǎn),工業(yè)COD排放強(qiáng)度下降約2.70%.gov的系數(shù)為負(fù),但是并不顯著.第(2)、(5)和(8)列為剔除不顯著變量gov后的估計(jì)結(jié)果,對(duì)比第(1)、(4)和(7)列,所有解釋變量符號(hào)一致,這充分肯定模型設(shè)定的合理性.

表2 2005~2014年空間集聚對(duì)工業(yè)污染排放強(qiáng)度的估計(jì)結(jié)果

注 :括號(hào)中為值,***、**、*分別表示變量在1%、5%、10%的顯著水平下顯著.下表同.

為了驗(yàn)證估計(jì)結(jié)果的穩(wěn)健性,本文選取滯后一期的agc和mp作為工具變量進(jìn)行兩階段最小二乘估計(jì)(2sls).首先,在回歸的第一階段檢驗(yàn)工具變量的有效性.控制住其他解釋變量不變,在考察工具變量對(duì)agc和mp的影響時(shí),工具變量的系數(shù)十分顯著(P值均為0.000),不存在弱工具變量的問(wèn)題.第(3)、(6)和(9)列是工具變量的估計(jì)結(jié)果:agc和mp的系數(shù)都顯著為負(fù)值,gov的影響依然不顯著,其他變量的符號(hào)和顯著性也基本沒(méi)有變化.

4 空間集聚對(duì)工業(yè)污染排放強(qiáng)度的貢獻(xiàn)

4.1 工業(yè)污染排放強(qiáng)度的夏普利值分解結(jié)果

借鑒文獻(xiàn)[21-23]做法,選用表2第(2)列的空間集聚對(duì)工業(yè)COD排放強(qiáng)度影響的回歸方程,兩邊取以e為底的指數(shù)函數(shù),得到最終分解方程.此分解方法適用于多種差異度量指標(biāo),本文選用泰爾第一指數(shù)(GE1)和泰爾第二指數(shù)(GE0):

(13)

式中:E(COD)為COD的均值.

基于夏普利值原理和方法,對(duì)中國(guó)各地區(qū)工業(yè)COD排放強(qiáng)度差異加以分解(如表3).

產(chǎn)業(yè)結(jié)構(gòu)對(duì)地區(qū)工業(yè)COD排放強(qiáng)度差距的貢獻(xiàn)最大,解釋20%以上的差異.經(jīng)濟(jì)發(fā)展水平的平均貢獻(xiàn)為16%.城市化水平的平均貢獻(xiàn)為9.5%.地區(qū)固有因素在2010年以后的貢獻(xiàn)均為負(fù)值,是縮小工業(yè)COD排放強(qiáng)度差距的因素.

表3 夏普利值分解結(jié)果

注 :*表示變量貢獻(xiàn)為負(fù),是縮小工業(yè)COD排放強(qiáng)度差距的因素.

本文的重點(diǎn)變量,外部集聚度對(duì)工業(yè)COD排放強(qiáng)度差距的貢獻(xiàn)在11%~19%之間,在各種因素中基本處于第3位.內(nèi)部集聚度對(duì)工業(yè)COD排放強(qiáng)度的貢獻(xiàn)為負(fù)值,是縮小工業(yè)COD排放強(qiáng)度差距的因素.結(jié)果表示:區(qū)位的重要性更多體現(xiàn)在臨近區(qū)域經(jīng)濟(jì)增長(zhǎng)的金融外部性.需要說(shuō)明的是,表3中外部集聚度貢獻(xiàn)的測(cè)算是基于總體樣本的回歸結(jié)果,而更為實(shí)際的情況是,經(jīng)濟(jì)發(fā)展階段的不同,外部集聚度對(duì)工業(yè)COD單位GDP減排的影響存在一定差別.為了更加明晰外部集聚度的作用,對(duì)集聚促進(jìn)地區(qū)工業(yè)單位GDP減排的差異性作進(jìn)一步討論.

4.2 空間集聚影響地區(qū)工業(yè)單位GDP減排的機(jī)制

本文采用Hansen的門限回歸模型,利用門限變量來(lái)決定臨界點(diǎn),較主觀判定分界點(diǎn)的方法更加的客觀[24-26].根據(jù)夏普利值分解,外部集聚度的貢獻(xiàn)為正,內(nèi)部集聚度的貢獻(xiàn)為負(fù).因此,對(duì)外部集聚度(mp),選擇其自身作為門限變量,對(duì)內(nèi)部集聚度(agc),選擇地區(qū)人均GDP作為門限變量,檢驗(yàn)結(jié)果見(jiàn)表4.可以看到:被解釋變量為工業(yè)SO2排放強(qiáng)度,人均GDP存在單一門限,其余情況存在雙重門限.

下面就工業(yè)COD污染排放強(qiáng)度作為被解釋變量情況,對(duì)表5、表6和表7的檢驗(yàn)結(jié)果進(jìn)行分析.地區(qū)外部集聚度(mp)兩個(gè)門限分別為567.19和971.52,地區(qū)人均GDP兩個(gè)門限分別為4.70和6.72(如表6、表7).確定門限值和門限個(gè)數(shù)之后,根據(jù)mp值劃分3個(gè)區(qū)間:[78.70,567.19]、[567.19,971.52]和[971.52,1221.66],每個(gè)區(qū)間mp表示為mp1、mp2和mp3.根據(jù)pgdp值劃分3個(gè)區(qū)間: [0.53,4.70]、[4.70,6.72]和[6.72,8.17],每個(gè)區(qū)間討論內(nèi)部集聚度(agc)對(duì)工業(yè)COD排放強(qiáng)度的影響,將agc表示為agc1、agc2和agc3(如表5):外部集聚度(mp)和地區(qū)人均GDP(pgdp)影響工業(yè)COD減排的門限效應(yīng)十分明顯,隨著門限變量取值增大,mp和agc對(duì)工業(yè)COD減排的影響逐漸減少,表明:空間集聚對(duì)工業(yè)COD減排的影響,并沒(méi)有出現(xiàn)強(qiáng)者愈強(qiáng)、弱者愈弱的“馬太效應(yīng)”.

表4 門限效應(yīng)檢驗(yàn)

表5 門限回歸結(jié)果

表6 基于外部集聚度門限的地區(qū)分組

按照2005~2014年外部集聚度(mp)的值,將25個(gè)省份劃分為高水平、中等水平和低水平3個(gè)區(qū)間(表6):2005年,所有省份處于低水平區(qū)間,2010年,河北、山西、江蘇、浙江、安徽、江西、山東、河南、湖北在內(nèi)的9個(gè)省份進(jìn)入中等水平區(qū)間,2014年,江蘇、浙江、安徽、山東進(jìn)入高水平區(qū)間,而西部和東北部的絕大部分省份仍然處于低水平區(qū)間.

按照2005~2014年地區(qū)人均GDP,將25個(gè)省份劃分為高水平、中等水平和低水平3個(gè)區(qū)間(表7):2005年,所有省份均處于低水平區(qū)間,2010年,包括內(nèi)蒙古、江蘇、浙江在內(nèi)的3個(gè)省份進(jìn)入到中等水平區(qū)間,2014年,內(nèi)蒙古、江蘇、浙江進(jìn)入到高水平區(qū)間,遼寧、吉林、福建、山東、廣東進(jìn)入到中等水平區(qū)間,而西部和東北部的絕大部分省份仍然處于低水平區(qū)間.

表7 基于經(jīng)濟(jì)發(fā)展水平門限的地區(qū)分組

5 結(jié)論

5.1 空間集聚有利于減少工業(yè)污染排放強(qiáng)度.內(nèi)部集聚度增加1個(gè)標(biāo)準(zhǔn)差(0.11),工業(yè)COD、工業(yè)SO2、工業(yè)煙塵和粉塵排放強(qiáng)度分別下降32.26%、23.27%和30.00%.外部集聚度增加1個(gè)標(biāo)準(zhǔn)差(230.73),工業(yè)COD、工業(yè)SO2和工業(yè)煙塵和粉塵排放強(qiáng)度分別下降16.15%、6.92%和20.76%.這意味著在城市化進(jìn)程中放松對(duì)于經(jīng)濟(jì)和人口集聚的政策阻礙才是保證經(jīng)濟(jì)集聚與區(qū)域環(huán)境協(xié)調(diào)發(fā)展的重要途徑.

5.2 夏普利值分解結(jié)果顯示:從市場(chǎng)需求角度解釋的外部集聚度,即臨近區(qū)域經(jīng)濟(jì)增長(zhǎng)的金融外部性是造成工業(yè)COD排放強(qiáng)度差距的重要因素;.從知識(shí)溢出角度解釋的內(nèi)部集聚度,即密集經(jīng)濟(jì)活動(dòng)的技術(shù)外部性是縮小工業(yè)COD排放強(qiáng)度差距的因素.區(qū)位的重要性更大地體現(xiàn)在區(qū)域間的相互關(guān)聯(lián),市場(chǎng)潛能較大的地區(qū)使本地企業(yè)充分實(shí)現(xiàn)內(nèi)部規(guī)模經(jīng)濟(jì),降低污染物的排放強(qiáng)度,

5.3 外部集聚度和地區(qū)經(jīng)濟(jì)水平對(duì)工業(yè)污染排放強(qiáng)度的影響存在顯著的門檻效應(yīng),此結(jié)論揭示了空間集聚對(duì)地區(qū)工業(yè)單位GDP減排的非線性、差異化作用機(jī)制.外部集聚度與經(jīng)濟(jì)水平均較高的地區(qū),外部集聚度對(duì)工業(yè)COD減排的影響相對(duì)較小;反之,外部集聚度對(duì)工業(yè)COD減排的影響相對(duì)較大.并未出現(xiàn)強(qiáng)者愈強(qiáng)、弱者愈弱的“馬太效應(yīng)”.

[1] 范劍勇.產(chǎn)業(yè)集聚與中國(guó)地區(qū)差距[M]. 格致出版社, 2008: 1-34.

[2] 豆建民,張 可.空間依賴性、經(jīng)濟(jì)集聚與城市環(huán)境污染[J]. 經(jīng)濟(jì)管理, 2015,(10):12-21.

[3] 中華人民共和國(guó)國(guó)家統(tǒng)計(jì)局.中國(guó)統(tǒng)計(jì)年鑒(2014). [EB/OL]. http://www.stats. gov.cn/tjsj/ndsj/2014/ indexch.htm.

[4] 陸 銘,馮 皓.集聚與減排:城市規(guī)模差距影響工業(yè)污染強(qiáng)度的經(jīng)驗(yàn)研究[J]. 世界經(jīng)濟(jì), 2014,(7):86-114.

[5] Ciccone A, Hall R E. Productivity and the Density of Economic Activity [J]. American Economic Review, 1996,86(1):54-70.

[6] Van Marrewijk C. Geographical Economics and the role of pollution on location [J]. ICFAI Journal of Environmental Economics, 2005,(3):28-48.

[7] 張樂(lè)才.污染紅利與污染集聚的機(jī)理與實(shí)證[J]. 中國(guó)人口資源×環(huán)境, 2011,(2):6-10.

[8] Frank A. Urban Air Quality in Larger Conrbations in the European Union [J]. Environmental Modeling and software, 2011, 16(4):399-414.

[9] 韋正崢,張淑杰,邢晶晶,等.區(qū)域環(huán)境健康綜合風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系的構(gòu)建及應(yīng)用研究[J]. 中國(guó)環(huán)境科學(xué), 2015,35(11):3489- 3495.

[10] 張 可,汪東芳.經(jīng)濟(jì)集聚與環(huán)境污染的交互影響及空間溢出 [J]. 中國(guó)工業(yè)經(jīng)濟(jì), 2014,(6):70-82.

[11] 劉滿鳳,謝晗進(jìn).中國(guó)省域經(jīng)濟(jì)集聚性與污染集聚性趨同研究[J]. 經(jīng)濟(jì)地理, 2014,34(4):25-32.

[12] 蘇 靜,胡宗義,唐李偉.我國(guó)能源—經(jīng)濟(jì)—環(huán)境(3E)系統(tǒng)協(xié)調(diào)度的地理空間分布與動(dòng)態(tài)演進(jìn) [J]. 經(jīng)濟(jì)地理, 2013,33(9):19- 24,30.

[13] Wang H, Wheeler D. Pricing Industrial Pollution in China: An Economic Analysis of the Levy System [J]. Environmental Management, 1999,24(3):353-358.

[14] 豆建民,張 可.集聚與污染:研究評(píng)述及展望 [J]. 經(jīng)濟(jì)與管理, 2014,(2):109-118.

[15] 李勇剛,張 鵬.產(chǎn)業(yè)集聚加劇了中國(guó)的環(huán)境污染嗎？——來(lái)自中國(guó)省級(jí)層面的經(jīng)驗(yàn)證據(jù) [J]. 華中科技大學(xué)學(xué)報(bào):社會(huì)科學(xué)版, 2013,(5):97-106.

[16] Ushifusa U, Tomohara A. Productivity and Labor Density: Agglomeration Effects over Time [J]. Atlantic Economic Journal, 2013,(3):123-132.

[17] Ottaviano, G I P, Pinelli, D. Market Potential and Productivity: Evidence from Finnish Regions [J]. Regional Science and Urban Economics, 2006,36(5):636-657.

[18] 劉修巖,邵 軍,薛玉立.集聚與地區(qū)經(jīng)濟(jì)增長(zhǎng):基于中國(guó)地級(jí)城市數(shù)據(jù)的再檢驗(yàn) [J]. 南開(kāi)經(jīng)濟(jì)研究, 2012,(3):52-64.

[19] Gardiner B, Martin R, Taylor P. Does Spatial Agglomeration Increase National Growth? Some Evidence from Europe [J]. Joural of Economic Geography, 2011,11(6):979-1006.

[20] 劉修巖.空間效率與區(qū)域平衡:對(duì)中國(guó)省級(jí)層面集聚效應(yīng)的檢驗(yàn) [J]. 世界經(jīng)濟(jì), 2014,(1):55-78.

[21] 孫曉華,李明珊,王 昀.市場(chǎng)化進(jìn)程與地區(qū)經(jīng)濟(jì)發(fā)展差距 [J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究, 2015,(6):39-55.

[22] 萬(wàn)廣華.解釋中國(guó)農(nóng)村區(qū)域間的收入不平等:一種基于回歸方程的分解方法 [J]. 經(jīng)濟(jì)研究, 2004,(8):117-127.

[23] 田士超,陸 銘.教育對(duì)地區(qū)內(nèi)收入差距的貢獻(xiàn):來(lái)自上海微觀數(shù)據(jù)的考察 [J]. 南方經(jīng)濟(jì), 2007,(5):12-21.

[24] Hansen B E. Threshold effects in non-dynamic panels: Estimation, Testing, and Inference [J]. Journal of Econometrics, 1999,93(2):345-368.

[25] 連玉君,程 建.不同成長(zhǎng)機(jī)會(huì)下資本結(jié)構(gòu)與經(jīng)營(yíng)績(jī)效之間關(guān)系研究 [J]. 當(dāng)代經(jīng)濟(jì)科學(xué), 2006,(3):97-103.

[26] 李 平、許家云.國(guó)際智力回流的技術(shù)擴(kuò)散效應(yīng)研究——基于中國(guó)地區(qū)差異及門檻回歸的實(shí)證研究[J]. 經(jīng)濟(jì)學(xué), 2011,(3):935-961.

Impact of spatial agglomeration on industrial pollution emissions intensity in China.

WANG Xiao-shuo1,2*, YU Chao-yi3

(1.Institute of Mathematics, Dongbei University of Finance and Economics, Dalian 116025, China；2.Center for Econometric Analysis and Forecasting, Northeastern Branch, Dalian 116025, China；3.Institute of Economics, Dongbei University of Finance and Economics, Dalian 116025, China).

In this paper, based on provincial panel data from 2005 to 2014 in China, a theoretical and econometric model was built, the provincial region internal agglomeration index and external agglomeration degree on market scale effect were constructed, and an in-depth empirical research on the spatial agglomeration of the impact of industrial pollution emissions intensity was studied. The main conclusions were as follows. Per unit of GDP industrial COD, industrial SO2and industrial soot and dust pollution emissions intensity were reduced by spatial agglomeration; Internal agglomeration had a negative impact on the gap of industrial COD discharge, and the gap was reduced by it; External agglomeration had a positive impact, it was showed that the importance of location was more reflected in the correlation between different regions along with the enhancement of agglomeration externalities, namely market scale effect was strong; External agglomeration degree of region played a significant role in the effects of industrial pollution emissions intensity threshold effect.

spatial agglomeration；industrial pollution emissions intensity；shapley value；threshold effect；energy conservation and emissions reduction

X196,F061.5

A

1000-6923(2017)04-1562-09

2016-08-10

國(guó)家自然科學(xué)基金資助項(xiàng)目(71302054);遼寧省教育廳人文社會(huì)科學(xué)研究項(xiàng)目(LN2016YB024);東北財(cái)經(jīng)大學(xué)研究生教學(xué)改革研究項(xiàng)目(YJZX-201603)

王曉碩(1977-),遼寧沈陽(yáng)人,講師,博士,研究方向?yàn)楫a(chǎn)業(yè)經(jīng)濟(jì)學(xué)、環(huán)境經(jīng)濟(jì)學(xué).發(fā)表論文10余篇.

* 責(zé)任作者, 講師, xiaoshuo77319@126.com

, 2017,37(4)：1562~1570