人文因素對中國灰水經濟生產率的影響

白天驕,孫才志,,*,趙良仕

1 遼寧師范大學城市與環境學院,大連 116029 2 遼寧師范大學海洋經濟與可持續發展研究中心,大連 116029

2014年我國GDP已超過1013美元,作為世界第二大經濟體,9個省區的人均水資源量低于500m3極端缺水臨界線,根據水利部《21 世紀中國水供求》分析,到2030年我國將缺水400—500億m3,然而2014年我國污廢水排放量已提升至716.2×108m3[1],僅北方17省水質較差和極差的監測井所占比重就已達到84.8%[2]。粗放的經濟增長模式導致水資源短缺和污染問題加劇,使水資源與經濟發展的矛盾更加尖銳。因此,調整我國各地區水環境與其影響因素的關系,促進水資源環境與經濟的可持續發展,成為當前亟待解決的問題。

灰水足跡作為將實體水資源消耗與水污染程度相聯系的理念,能夠以“稀釋水”的形式量化水體污染程度,全面刻畫水污染對水環境的影響[3- 5]。“生產率”表示國民經濟產出與要素投入的比值。因此,本文將GDP與灰水足跡之比(單位灰水足跡所對應的GDP)定義為灰水經濟生產率并作為研究主體,分析協調水資源環境與經濟發展的關系。灰水經濟生產率屬于環境效率的范疇,反映在經濟建設中水資源利用方面的環境技術效率水平。

在對生產率與其影響因素關系的研究中,空間Durbin模型被廣泛應用[6- 14],它不僅能探究影響因素與本地生產率的關系,也能夠反映與鄰域生產率的關聯性,如：LeSage等[6]應用空間Durbin模型衡量了知識資本對歐洲全要素生產率的直接和間接貢獻,并對知識溢出的相對重要性進行了評估;Fischer等[7]利用空間Durbin模型研究了歐洲198個地區人力資本對勞動生產率變化的影響;Azorín等[8]采用不同權重矩陣的空間Durbin模型解釋了人力資本和集聚經濟變量與歐盟地區勞動生產率之間的關系;劉傳江等[9]在分析碳生產率空間相關性的基礎上,應用空間Durbin模型探究了外商直接投資對碳生產率的影響;程琳琳等[10]在對農業碳生產率進行測算的基礎上,利用空間Durbin模型分析了對農村教育水平和農業開放程度等農業碳生產率的主要影響因素及空間效應;張浩然等[11]采用空間Durbin模型檢驗了基礎設施及其空間外溢效應與全要素生產率的關系;胡威等[13]運用空間Durbin模型對環境規制、人口規模和產業結構等因素對碳生產率的影響展開了實證分析;趙良仕等[14]在綜合考慮勞動力、資本等投入和產出(包括期望產出和非期望產出)的基礎上,運用空間Durbin模型對水資源要素參與情況下的全要素生產率的空間溢出效應進行了研究。綜觀上述文獻可知,目前缺乏利用空間Durbin模型對灰水經濟生產率及其影響因素的關系研究。

鑒于此,本文選取2000—2014年我國31個省市(全文尚不含我國香港、澳門特別行政區和臺灣省統計數據)的面板數據作為研究對象,在探究灰水經濟生產率區域特征和空間相關性的基礎上,應用空間Durbin模型能夠反應溢出效應的優勢,對各類人文因素與本地及其鄰域灰水經濟生產率的關系進行了研究。為通過人文因素改善水環境,提高水資源利用率,促進經濟的可持續發展提供合理參考。

1 研究方法

1.1 灰水足跡測算

灰水足跡的概念由Hoekstra和Chapagain于2008年首次提出[15],在《水足跡評價手冊》中將其定義為以自然本底濃度和現有的水質標準為基準,將一定的污染物負荷吸收同化所需的淡水體積[5]。本文采用文獻[16]中的灰水足跡計算方法,對2000—2014年31個省市的灰水足跡進行測算。

1.1.1 農業灰水足跡

本文選取氮元素的值作為評價指標并采用面源污染公式進行計算。其公式如下：

(1)

式中,GWFagr為農業灰水足跡(m3/a),α為氮肥進入單位水體的比例,變量Appl表示氮肥的使用量(kg/a),Cmax為污染物水質標準濃度(kg/m3);Cnat為收納水體的自然本底濃度(kg/m3)。

1.1.2 工業灰水足跡

(2)

(3)

式中,GWFind(i)表示以第i類污染物為標準的工業灰水足跡(m3/a),Lind(i)表示工業第i種污染物的排放負荷(kg/a),GWFind表示工業灰水足跡總量(m3/a),Wed表示工業廢水排放量(m3/a)。

1.1.3 生活灰水足跡

生活污水和工業污水同屬點源污染,其關鍵污染物與工業污水相同,因此生活灰水足跡GWFdom(i)(m3/a)的計算公式為:

(4)

(5)

1.1.4 地區總灰水足跡

將農業、工業和生活灰水足跡求和,可得總灰水足跡,其計算公式為：

TGWF=GWFagr+GWFind+GWFdom

(6)

式中,TGWF為總灰水足跡(m3/a)。

1.2 空間權重矩陣

由于本文以灰水經濟生產率為研究主體,涉及經濟和資源兩個方面,需要將空間單元的距離和潛在的影響因素結合設定權重。因此,采用非對稱的經濟距離函數的空間權重矩陣,測試空間中一地對另一地的權重,公式如下：

(7)

1.3 空間Durbin模型

空間Durbin模型(Spatial Durbin Model)與空間滯后模型(Spatial Lag Model)和空間誤差模型(Spatial Error Model)相比,同時考慮了因變量和自變量的空間滯后項,可以更全面的考察不同維度因素對因變量的影響。本文參考趙良仕等[14]的研究,應用以下公式：

y=ρWy+Xβ+WXθ+ε

(8)

式中,y為灰水經濟生產率(元/m3);W為空間權重矩陣;X為影響因素,WX為其滯后項;ε為隨機擾動項。當模型引入空間權重矩陣后,應考慮其空間效應,LeSage等[17]提出直接效應和間接效應分別表示影響因素對本地和鄰域被解釋變量的平均影響,總效應為直接效應和間接效應之和,表示影響因素對所有地區的平均影響。

因此將式(8)表達為：

(In-ρW)y=Xβ+WXθ+ε

(9)

式(9)兩邊乘以(In-ρW)-1,展開記為：

(10)

式中，Sr(W)=V(W)(Inβr+Wθr),V(W)=(In-ρW)-1,展開后得：

(11)

由式(11),因變量y對自變量X求偏導可認為自變量X對因變量造成的影響,得到：

M(r)總效應=n-1In-1Sr(W)In

(12)

M(r)直接效應=n-1tr(Sr(W))

(13)

M(r)間接效應=M(r)總效應-M(r)直接效應

(14)

2 變量和數據

本文應用課題組關于灰水足跡的計算方法[16],對2000—2014年中國省際灰水足跡進行測算,并以各省區不變價GDP與同期灰水足跡之比表示灰水經濟生產率(EPGW),在模型中取自然對數值(lnEPGW)。將灰水經濟生產率作為被解釋變量的同時,設定了如下解釋變量：(1)人口發展水平(PD),選取人口密度即各地區每平方公里人口數表示[18- 20];(2)受教育程度(EDU),由各地區大專及以上人口在總人口中所占比重表示[21];(3)產業結構優化度(OIS),選用第三產業固定資產投資額占GDP的比重來衡量[22];(4)城鎮化水平(URB),以各省區城鎮建成區面積占總面積的比重表示[23];(5)城鄉差距(URG),由城鄉居民人均可支配收入的差值表示[24];(6)社會福利(SW),以每萬人社區服務機構數表示,由于地區數值差距較大,在模型中取自然對數值(lnSW)。以上變量的描述性統計如表1所示。所需數據主要來自《中國統計年鑒》[1]和國家統計局網站。

表1 變量的描述性統計

農業部門的氮肥淋失率采用全國平均氮肥淋失率7%[25],氮肥施用量選自《新中國五十年農業統計資料》和《中國環境統計年鑒》,畜禽飼養數量來源于《中國統計年鑒》和《中國農村統計年鑒》,飼養周期、日排泄量、單位排泄物中COD和總氮的含量、單位排泄物中污染物進入水體的流失率取自《全國規模化畜禽養殖業污染情況調查技術報告》;工業和生活污水和污染物排放量來源于《中國環境統計年鑒》。本文假設受納水體的自然本底濃度Cnat為0[5],污染物濃度達標排放標準采用《污染物綜合排放標準》(GB8978—1996)中的一級排放標準,其中COD和氮的達標排放濃度分別為60mg/L和15mg/L。

為深入分析變量對灰水經濟生產率的影響的地區差異,本文參照我國根據各地區經濟、科技的發展水平和土地、水資源等自然條件劃分的三大經濟帶對數據分組：東部地區(北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南),中部地區(山西、內蒙古、吉林、黑龍江、安徽、江西、河南、湖北、湖南)和西部地區(廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆)。

3 灰水經濟生產率區域特征

由表2可知,各省區灰水經濟生產率均呈現逐年上升趨勢,全國灰水經濟生產率由2000年的19.85元/m3增至2014年的107.93元/m3,15a均值為52.19元/m3。其中,上海的灰水經濟生產率最高且漲幅最大,其次為北京,15a均值都高于250元/m3,兩地在經濟技術、社會管理等多方面與其他地區相比都存在顯著優勢,且側重發展第二、三產業,使其具有較高的GDP和較少的灰水足跡,兩市灰水經濟生產率在15a間也一直遠高于其他地區。西藏作為社會經濟處在初級發展階段的地區,GDP最低而灰水足跡較高,其灰水經濟生產率一直為全國最低值,均值僅為3.91元/m3。

表2 2000—2014年我國31個省市(自治區)灰水經濟生產率/(元/m3)

表中數據為我國31個省市的統計數據(香港、澳門特別行政區和臺灣省數據尚未統計)

圖1 2000—2014年灰水經濟生產率省際均值變化Fig.1 The change trend of the grey water economic productivity mean of the China′s overall, eastern, central and western regions from 2000 to 2014圖中數據為我國31個省市的統計數據(香港、澳門特別行政區和臺灣省數據尚未統計)

由圖1可知,東部地區灰水經濟生產率顯著高于中、西部地區,西部最低,中、西部15a平均灰水經濟生產率與東部的差距已大于50元/m3。這表明東部地區在經濟發展的同時,兼顧對水資源的保護和可持續利用。2000—2006年全國及各分區灰水經濟生產率變動趨勢平穩,提升較少,2007年后開始較快增長。2007年國務院節能減排工作領導小組的成立和排污單位需持證排污的政策促進了社會各界加大節能減排工作力度,推動了水污染治理的開展。與東部相比中、西部地區增幅較緩,區域間差距逐年增大。由原始數據可知,3個分區15a的GDP增幅都約為4.20%,東部地區的灰水足跡降幅達到31.33%,中部僅為9.51%,西部卻增加了0.81%。因此,減小區域差距,推動中、西部灰水經濟生產率提升的重點在于提高水資源利用率,減少水污染,降低灰水足跡。

4 實證結果

4.1 空間自相關檢驗結果

如表3所示,2000—2014年中國省際灰水經濟生產率的全局Moran′s I指數均為正,最高值出現于2002年,為0.1373,最低值在2012年為0.0382,所有時間范圍的結果都在1%水平下顯著,表明中國灰水經濟生產率在空間分布上存在顯著的正自相關性且空間集聚程度較高,即灰水經濟生產率具有相似屬性和特征的區域相鄰或集聚,并非隨機分布。因此,有理由認為空間分布因素可以通過空間溢出效應對灰水經濟生產率產生影響。但全局Moran′s I指數并不能確切指出區域內部的空間集聚狀況,因此下文對局部自相關性進行了分析。

如圖2所示,2000年,灰水經濟生產率高高集聚區集中于東部沿海,自北向南依次為天津、江蘇、上海和浙江;高低集聚區都存在于東部省區分別為遼寧、北京、福建和廣州;中部的山西和安徽屬于低高集聚區;其他省市皆為低低集聚區。與2000年相比,2014年遼寧由高低集聚區轉變為低高集聚區,北京由高低集聚區轉變為高高集聚區,中部的內蒙古成為低高集聚區。由此可知,區域內灰水經濟生產率差距正在逐漸縮小,區域間的分化現象加劇,低低集聚區比重大,社會經濟發達的東部集聚類型較為多樣化,中部地區灰水經濟生產率水平有所提高,而西部地區經濟技術發展緩慢,所有省區皆為低低集聚區。以上分析表明我國各省區灰水經濟生產率具有空間關聯性,并需要考慮空間溢出效應,所以采用空間Durbin模型。

表3 我國省域灰水經濟生產率全局Moran′s I檢驗結果

圖2 我國31個省市灰水經濟生產率空間分布Fig.2 LISA map of the economic productivity of grey water in China

4.2 實證分析

經LM檢驗發現各地區除空間固定效應模型外,時空均不固定、時間固定和時空固定效應模型均未通過檢驗,因此只在表4中列出各地區空間固定效應模型檢驗結果。由表可知,各地區空間固定形式下的空間滯后效應結果均比空間誤差效應結果更顯著。通過LR檢驗結果得知空間固定和時間固定效應都存在較強的顯著性,表明可以選取空間固定效應的空間Durbin模型進行回歸。隨后對空間固定形式下的空間Durbin模型進行模擬,在此基礎上的Wald檢驗和LR檢驗結果均在1%水平下顯著,表明模型不能簡化為空間滯后模型或空間誤差模型。所以本文選取空間固定效應的空間Durbin模型進行回歸,由回歸結果可知,全國和各分區的R2值均大于0.99,似然比均大于150,4個模型都具有良好的解釋能力和回歸效果。但由于這些回歸系數不能很好地解釋灰水經濟生產率在地區間的流動效應,因此,需要對直接效應、間接效應和總效應結果進行分析(表5)。

表4 空間固定效應檢驗結果

*、**和***分別表示10%、5%和1% 的顯著水平

以下內容都如表5所示。

在人口密度的總效應和間接效應結果中,全國范圍和東部地區都顯著為負,中、西部各類效應結果都不顯著。這表明隨著人口增長和社會經濟發展,制造業吸引大量人口向東部及其他較發達地區遷移,人口密度增大對經濟發展具有正向帶動作用,然而超額利用水資源承載過量人口,也增加了水環境負擔和水污染治理難度,不利于水環境和經濟的可持續發展,對東部鄰近地區灰水經濟生產率造成顯著負向影響。

受教育程度的提升對東部本地灰水經濟生產率存在顯著積極影響,而在西部則具有顯著的負向相關性。這說明東部地區民眾教育水平的提高能夠有效推動本地治污技術的革新和環境規制的執行。雖然西部地區高等教育人口比重逐年增加,但受人口流動影響,大量在籍高學歷人口跨省流出,流入人口學歷較低[26],使原有的人才資源并未對本地降低灰水足跡和改善水環境起到良好的效用。在總效應和間接效應結果中,全國及東部地區都顯著為正,表明綜合素質的提升不僅有利于本地減少灰水足跡和開展經濟建設,還可以帶動其他地區對水資源水環境的保護。中部地區的各類效應結果都為正值但不顯著。

全國范圍和東部地區的產業結構優化度對本地灰水經濟生產率具有顯著正向影響,對其鄰近地區的影響不顯著。可見東部第三產業比重增長能夠對本地經濟效益提升和水環境良性發展起到顯著推動作用。中、西部第三產業比重相對東部較低,且波動不定漲幅較緩,兩地發展仍以第二產業為主,且近年來承接大量東部污染密集型產業的形勢正在加劇[27];作為灰水足跡最主要組成部分的農業灰水足跡,近年也呈波動上升趨勢。這說明中、西部地區缺乏科學合理的產業規劃和有遠見的水環境標準,未能采取有效的水資源保護機制,導致中、西部產業結構優化度對本地灰水經濟生產率產生顯著負向影響。區域間的經濟輻射和產業競爭合作,加劇了中、西部經濟和環境問題向外界擴散,使其對鄰近地區灰水經濟生產率產生消極影響,中、西部間接效應結果顯著為負。

城鎮化水平變量的直接效應和總效應結果在全國和東、西部地區都顯著為正,且西部地區總效應系數值高達4.8446。在3個分區中,西部城市化發展最快,東部次之,15年間各省區平均城鎮化增幅分別達到173%和118%,城鎮在發揮聚集效應匯聚人口和擴張建設的同時,可以帶動經濟資源整合,其建設水平的提升和排水設施的逐步完善有益于污水集中整治,因此東、西部城市建設面積的擴大對提高本地灰水經濟生產率具有積極的促進作用。中部城鎮建設面積增幅雖為87%,但眾多企業分散在小城鎮,不利于產業集聚發展和統一整治,且小城鎮建設量多質低,基礎設施無法滿足環境需要[28- 29],對鄰近地區水環境造成了不利影響,使中部地區間接效應和總效應結果都顯著為負。全國和東、西部的間接效應結果都為正值。可見東、西部快速的城市化變革也輻射帶動了鄰近地區工業、生活污水處理率的提高和相關產業的發展。

城鄉差距變量在全國和各分區的各類效應結果中,都與灰水經濟生產率顯著正相關。2014年,工業和服務業對GDP的總貢獻率已增至91.48%,所占比重遠高于農業,而城市經濟以現代化大工業生產為主,農村經濟正處在從傳統農業向現代農業的過渡期,發展較為緩慢,2000—2014年農業GDP增幅僅為156.75%,工業和服務業GDP增幅則分別達到371.13%和482.42%,造成城鄉經濟發展差距和收入差距增大,城鎮經濟的發展成為GDP提升的主導因素,且近年來灰水足跡出現小幅下降,導致城鄉收入差距與灰水經濟生產率表現出顯著正相關關系。然而,城鄉差距的增大不利于社會穩定,仍然需要減小城鄉差距,逐步改變二元結構,促進城鄉協調發展,為水環境的改善提供穩定的社會環境。

社會福利的增加能夠對全國范圍和東、西部本地灰水經濟生產率產生顯著積極影響。作為社會經濟實力增強的表現和促進環境規制實行的民眾基礎,全國范圍和東、西部政府對于公共環境福利的改善和民眾生活質量的提高,有利于減輕社會階層矛盾,確保經濟發展擁有穩定的社會條件,對提升本地灰水經濟生產率具有積極地促進作用。中部地區大力推進“攤大餅式”發展,而由于地方財力有限和政策落實不到位等原因,提供的公共服務與產品不能及時滿足人口集聚的需求,導致每萬人社區服務機構數近年逐漸減少,出現社會福利滯后,使社會福利變量與中部本地灰水經濟生產率顯著負相關;而鄰近的地區間,公共福利資源配置存在相互競爭的關系[30],同時受到來自經濟和人口遷徙集聚效應的影響,對經濟社會產生帶動效用,使該變量對中部鄰近地區灰水經濟生產率產生顯著正向影響。然而,社會福利水平的降低不利于社會公平和安定,因此中部還需構建完善的本地社區服務機制。全國和西部間接效應結果都顯著為正,東部結果不顯著,表明全國總體和中、西部公民社會福利惠及范圍的擴大,對鄰近地區灰水經濟生產率同樣存在正向帶動作用。

表5 直接效應、間接效應和總效應下的空間Durbin模型回歸結果

*、**和***分別表示10%、5%和1% 的顯著水平

5 結論

(1)我國灰水經濟生產率整體呈現上升趨勢。東部地區灰水經濟生產率顯著高于中、西部,西部地區最低,2007年后東部灰水經濟生產率大幅增長,而中、西部增幅較緩,區域間差距逐年增大。上海和北京的灰水經濟生產率及其增幅高于其他省區,西藏的灰水經濟生產率一直最低。

(2)2000—2014年我國灰水經濟生產率在空間分布上存在顯著的正自相關性且空間集聚程度較高,并非隨機分布。區域間的分化加劇,低低集聚區比重大,高高集聚區集中于東部沿海,西部皆為低低集聚區。

(3)在直接效應結果中：從全國范圍來看,提高產業結構優化度、城鎮化水平以及社會福利都有利于本地區灰水經濟生產率的增長;提升民眾受教育程度、第三產業比重、城鎮化水平和社會福利都可以對東部本地灰水經濟生產率產生顯著積極影響;社會福利的下降和產業結構優化度對中部本地灰水經濟生產率具有顯著負向影響;城鎮化建設和社會福利水平的提高有利于西部本地灰水經濟生產率增長,高等受教育人口的流失和產業結構優化度則對其具有負向影響。

(4)在間接效應結果中：我國31個省市自治區受教育程度和社會福利的提高有助于鄰近地區灰水經濟生產率增長,人口密度的增加具有顯著負向影響;東部提高民眾受教育程度能促進鄰近地區灰水經濟生產率的提升,而增加人口密度則對鄰近地區不利;中部社會福利的降低對鄰近地區灰水經濟生產率產生了顯著正向效應,第三產業和城鎮化的發展并未對其產生正向帶動作用;西部社會福利的改善對鄰近地區灰水經濟生產率具有明顯的帶動作用,而第三產業的發展未對其具有正向影響。此外,各地需縮小城鄉差距,提高農村地區GDP,促進經濟與環境健康發展。

6 建議

(1)在人口發展方面,將東部人口數量控制在水環境可承載范圍內,逐步疏解密集區人口,就近承接轉移,走遷入遷出平衡的內源式發展道路,促進水資源合理利用;此外,需提高中、西部發展引力,適度促進人才回流,緩解人口向東部集聚的趨勢,以緩解水資源壓力、增強水環境自我修復能力。

(2)在受教育程度方面,東部需擴寬農民工子女受教育途徑,提高其接受高等教育機率;普及高校非環境類專業環保教育,增加高校水污染治理技術創新型人才的培養,形成國內水污染和水資源節約技術研發的示范區。西部應繼續加大對貧困地區政策傾斜,增強民眾教育意識以降低輟學率;擴大高等教育惠及范圍,制定具有激勵性的人才政策以減少人才流失;完善環境教育法制和層次體系建設,從基礎教育階段開始培養公民水環境保護意識。

(3)在產業結構方面,東部需繼續完善現代服務業政策體制,帶動民間資本融入,發揮固定資產投資導向作用,推動服務業結構轉換升級。中部應在強化區位優勢的同時,促進產業集聚轉型發展;激勵金融政策創新以提升服務業投資份額,引導資本進入科研技術等現代服務業,提升水環境保護產業智能化水平。西部應促進投資向服務業集聚,整合創新資源,推動各產業技術改造和深度融合。

(4)在城鎮化水平方面,東部在推進城市外擴和鼓勵非農業人口向重點城鎮集聚的同時,需發揮中心城市在水環境規劃與管理中對城市群的輻射帶動作用,并對城市功能區進行水環境的差別化管治。中部需嚴控小城鎮數量和建設面積,妥善布局高端高效產業,籌建小城鎮水環境基礎設施,促進鄉鎮污水無害化處理。西部應創立綠色城鎮化機制,依據水環境脆弱性和水資源承載力制定城鎮化政策、調整建設范圍;新城區建設單獨的道路排水系統,干旱區城市注重涵養水源。

(5)在改善城鄉差距方面,各地區都應促進農村基礎設施建設和農業科創資金的多元投入,推動農村金融資本要素流轉;推廣農民生產經營技術實訓,引導農民多種經營,積極發展現代農業以提高農產品經濟效益,吸收剩余勞動力,帶動農民持續增收;同時還需推動農村水污染治理設施建設以減少對水環境破壞。

(6)在社會福利方面,東部需在平抑過高房價、減輕民眾生活負擔的同時,依據各地財力統籌規劃城鄉社區機構建設,提高運營效益,逐步完善進城務工人員社會保障體系和留守兒童福利機制。中部應維持人口發展和土地城鎮化的協調推進,減少不必要的財政支出;落實社會福利資金和政策,增強競爭優勢,協調經濟增長和生態福利績效的關系。西部應根據民眾需求開展生態福利工作,并在擴大社會保障覆蓋范圍、健全社會保險制度的同時,繼續規范公眾服務管理,開拓社區服務市場,為經濟發展和水資源環境保護提供有利條件。

參考文獻(References):

[1] 中華人民共和國國家統計局. 中國統計年鑒2001—2015. 北京: 中國統計出版社, 2001- 2015.

[2] 中華人民共和國水利部. 中國水資源公報2014. 北京: 中國水利水電出版社, 2015.

[3] 曾昭, 劉俊國. 北京市灰水足跡評價. 自然資源學報, 2013, 28(7): 1169- 1178.

[4] Ene S A, Teodosiu C. Grey water footprint assessment and challenges for its implementation. Environmental Engineering & Management Journal, 2011, 10(3): 333- 340.

[5] Hoekstra A Y, Chapagain A K, Aldaya M M, Mekonnen M M. 水足跡評價手冊. 劉俊國, 曾昭, 韓乾斌, 馬坤, 臧傳富, 譯. 北京: 科學出版社, 2012.

[6] LeSage J P, Fischer M M. Estimates and Inferences of Knowledge Capital Impacts on Regional Total Factor Productivity. Vienna: WU Vienna University of Economics and Business, 2010[2017-07- 17]. http://epub.wu.ac.at/3961/.

[7] Fischer M, Bartkowska M, Riedl A, Sardadvar S, Kunnert A. The impact of human capital on regional labor productivity in Europe. Letters in Spatial and Resource Sciences, 2009, 2: 97- 108.

[8] Azorín J D B, del Mar Sánchez de la Vega M. Human capital effects on labour productivity in EU regions. Applied Economics, 2015, 47(45): 4814- 4828.

[9] 劉傳江, 胡威. 外商直接投資提升了中國的碳生產率嗎?——基于空間面板Durbin模型的經驗分析. 世界經濟研究, 2016, (1): 99- 109.

[10] 程琳琳, 張俊飚, 田云, 周曉時. 中國省域農業碳生產率的空間分異特征及依賴效應. 資源科學, 2016, 38(2): 276- 289.

[11] 張浩然, 衣保中. 基礎設施、空間溢出與區域全要素生產率——基于中國266個城市空間面板杜賓模型的經驗研究. 經濟學家, 2012, (2): 61- 67.

[12] 汪輝平, 王美霞, 王增濤. FDI、空間溢出與中國工業全要素生產率——基于空間杜賓模型的研究. 統計與信息論壇, 2016, 31(6): 44- 50.

[13] 胡威. 環境規制與碳生產率變動[D]. 武漢: 武漢大學, 2016.

[14] 趙良仕, 孫才志, 鄭德鳳. 中國省際水資源利用效率與空間溢出效應測度. 地理學報, 2014, 69(1): 121- 133.

[15] Hoekstra A Y, Chapagain A K. Globalization of Water: Sharing the Planet′s Freshwater Resources. Oxford: Blackwell Publishing, 2008.

[16] 孫才志, 韓琴, 鄭德鳳. 中國省際灰水足跡測度及荷載系數的空間關聯分析. 生態學報, 2016, 36(1): 86- 97.

[17] LeSage J, Pace R K. Introduction to Spatial Econometrics. Boca Raton, Fla.: CRC Press, 2009: 513- 514.

[18] Selden T M, Song D Q. Environmental quality and development: is there a Kuznets curve for air pollution emissions?. Journal of Environmental Economics and Management, 1994, 27(2): 147- 162.

[19] Vincent J R. Testing for environmental Kuznets curves within a developing country. Environment and Development Economics, 1997, 2(4): 417- 431.

[20] Panayotou T. Empirical Tests and Policy Analysis of Environmental Degradation At Different Stages of Economic Development. Working Paper WP238. Geneva: ILO, 1993: 4.

[21] 李榮杰, 張磊, 趙領娣. 能源開發、人力資本與全要素能源效率. 北京理工大學學報: 社會科學版, 2016, 18(1): 30- 37.

[22] 劉承良, 顏琪, 羅靜. 武漢城市圈經濟資源環境耦合的系統動力學模擬. 地理研究, 2013, 32(5): 857- 869.

[23] 高寶棣, 王成新, 崔學剛. 人口—經濟—空間視角下山東省城鎮化時空演變. 經濟地理, 2016, 36(5): 79- 84.

[24] 劉傳江, 胡威, 吳晗晗. 環境規制、經濟增長與地區碳生產率——基于中國省級數據的實證考察. 財經問題研究, 2015, (10): 31- 37.

[25] 朱兆良. 農田中氮肥的損失與對策. 土壤與環境, 2000, 9(1): 1- 6.

[26] 李怡涵. 1985—2010年中國省際人口遷移的空間區域分布特征及影響因素研究[D]. 蘭州: 蘭州大學, 2015.

[27] 豆建民, 沈艷兵. 產業轉移對中國中部地區的環境影響研究. 中國人口·資源與環境, 2014, 24(11): 96- 102.

[28] 馮曉平. 雙二元夾縫中的生存——論中部小城鎮養老保障的結構性困境. 鄉鎮經濟, 2007, (6): 19- 22.

[29] 李光輝. 我國產城融合發展路徑研究[D]. 合肥: 安徽大學, 2014.

[30] Brueckner J K. Strategic interaction among governments: an overview of empirical studies. International Regional Science Review, 2003, 26(2): 175- 188.