中國城市化對環境質量影響的空間計量分析

王連芬，張靜蕊

（湖南大學 經濟與貿易學院，長沙 410079）

0 引言

近些年來，我國環境問題越來越突出，社會對環境的關注度也越來越高。我國政府也在采取各種措施，希望減少經濟發展帶來的環境影響，提高環境質量。在《國家新型城鎮化規劃》（2014—2022年）中指出，我國要大力推進城市的環保、綠色發展，減少在城市發展過程中產生的環境污染，使我國的城市和自然環境協調發展，在城市發展的同時保證環境質量。在這種背景下，探尋現階段我國城市化的特征，研究城市發展對環境質量的影響，對于我國優化城市發展方式，改善環境質量，具有非常重要的意義。

國內外多數學者已關于城市化對環境的影響進行了大量的研究[1-8]，然而在多數研究中假定地區之間的環境污染排放是相互獨立的，忽略了空間相關性的影響，這樣會對研究結果產生一定的影響。地區之間會產生經濟合作和產業轉移，特別是在我國現在產業轉型升級的影響下，產業轉移現象會越來越多，這個過程可能會產生跨區域污染，使地區之間環境質量的空間相關性加強。在進行研究時如果忽略空間相關性，可能會影響結果的準確性。本文選取了我國31個省市的數據，對我國31個省市的環境質量空間分布格局進行了分析，利用空間計量模型，分析了我國城市化水平對環境質量的影響。

1 環境質量的空間相關性分析

1.1 環境質量評價指標

為了能更客觀地從整體上研究城市化對環境質量的影響，本文將多種環境污染物整合為一個指標，從絕對量的角度對各地區環境質量進行綜合評價。只研究一種污染物的排放不能綜合地反映環境污染整體狀況，因此需要選取多種污染物排放的綜合指標，來全面反映整體環境質量狀況，因此本文從工業污染和生活污染兩個方面選取了相應的指標，來衡量環境污染水平。污染包括氣體污染、水污染和固體廢棄物污染，因此本文的工業污染和生活污染均是從這三個角度衡量的。本文用工業廢氣排放量、工業SO2排放量、工業廢水排放量、工業固體廢棄物產生量來表示工業污染；用生活SO2排放量、生活廢水排放量、生活垃圾清運量來表示生活污染。為了能從整體上研究城市化與環境質量之間的關系，本文采用熵值法來測算我國大陸31個省（自治區、直轄市）2004—2016年環境污染指數。環境污染指數越高，表示工業污染和生活污染排放量越多，環境質量越差。

將得到的環境污染數值用geoda軟件分析，根據環境污染水平的不同，將這些省份分為了三個等級，位于第三級的省域有10個，依次為內蒙古、河南、遼寧、江蘇、四川、貴州、廣東、河北、山西、山東，是環境污染物排放最多的地區；位于第二級的11個省域為黑龍江、新疆、陜西、湖北、湖南、安徽、江西、浙江、云南、重慶、廣西，這些地區環境污染程度較輕，環境質量較好；位于第一級的10個省域為吉林、北京、天津、寧夏、甘肅、青海、西藏、海南、上海、福建，是環境污染最輕的地區。整體來看，我國31個省市的環境污染排放并非隨機分布的，具有一定程度的空間集聚性。

1.2 環境質量空間相關性分析

（1）環境質量的全局空間自相關分析

在空間相關性分析中，全局空間自相關可以分析不同地區之間整體上是否存在空間關聯。本文先采用Moran指數來衡量空間相關性是否存在，若存在空間相關性，則說明我國31個省市之間的環境質量在空間上會相互影響。

本文通過geoda生成空間權重矩陣，然后計算2004—2016年間環境污染綜合指數的Moran指數，結果如表1所示。2004年Moran指數值為0.1907，之后Moran指數值逐漸增長，直到2007年Moran指數值為0.2095，是Moran指數值最高的年份；2016年Moran指數值為0.2076。這表明我國31個省市的環境污染現象在空間上的分布并不是隨機的，臨近地區的環境污染現象會相互影響，具有顯著的正向空間相關性，地區環境質量在空間分布上存在一定的集群現象。

表1 2004—2016年環境污染指數Moran’s I統計值

（2）環境質量的局部空間自相關分析

利用空間相關性分析中的局部空間自相關分析，可以進一步判定我國31個省市之間環境污染現象的高低屬性，圖1為2016年我國31個省市的環境污染指數Moran散點圖。Moran散點圖的不同象限表明地區之間環境污染的影響是不同的。處于Moran散點圖第一個象限的地區，表明省份自身以及相鄰省份的環境污染現象都比較嚴重，環境質量都比較差；處于Moran散點圖第二個象限的地區，表明省份自身環境污染現象較輕，環境質量較好，而相鄰省份的環境污染水平較高，環境質量較差；處于Moran散點圖第三個象限的地區，表明省份自身以及相鄰省份的環境污染水平都比較低，環境質量都比較好；處于Moran散點圖第四個象限的地區，省份自身的環境污染水平較高，環境質量較差，而相鄰省份的環境污染水平較低，環境質量較好。

圖1 2016年環境污染指數Moran散點圖

從圖1可以看出，2016年環境質量位于第一象限的省區有11個，位于第三象限的省區有5個。

因為Moran散點圖不能判斷地區之間的局部相關類型，以及集聚區是否具有顯著性，所以本文采用LISA聚類分布圖來分析每個省份的環境污染與周邊省份的空間自相關程度。

根據LISA聚類分布圖分析結果，2016年我國環境污染形成了不同的集聚區：第一個是以山西、山東、河北、河南為核心的高污染集聚區。這些地區與周邊省區形成了高污染圈。第二個是以新疆為中心的低污染集聚區。新疆及其周邊省區經濟發展水平落后，產生的工業污染和生活污染較少，因此形成了以新疆為核心的低污染圈。安徽是環境污染低-高區的核心。其自身環境質量較好，環境污染水平較低，但是被環境污染高的省區包圍，有可能會受到周邊高污染省區的影響。

經過上文的分析可知，我國相鄰省份之間的環境污染行為會相互影響，呈現出一定的集聚現象。因此本文在分析中納入了空間計量分析，判斷空間相關性的影響。

2 實證分析

2

.1 理論模型、變量選擇與數據說明

國內外學者關于環境污染的影響因素以及城市化與環境污染的關系進行了大量的研究。Ehrlich和Holdren(1971,1972)[9,10]提出了IPAT模型：I=P×A×T。I表示人類活動對自然環境產生的影響，P、A、T分別表示人口數量、居民富裕水平以及技術水平。IPAT模型表示的是人口、居民富裕水平以及技術水平對環境產生的影響。但是由于IPAT模型不能進行假設檢驗，只能研究在保持其他因素不變的情況下，分析另一種因素改變對環境產生的影響，存在其局限性。Dietz和Rosa(1994)[11]提出了STIRPAT模型，在STIRPAT模型中可以分析各個因素的變化對環境產生的影響，隨后STIRPAT模型被廣泛應用到環境污染的影響因素研究分析中。本文主要研究的是城市化對環境質量的影響，根據SITRPAT模型，本文的具體模型如下：

將以上模型取對數，可以得到：

利用STIRPAT模型，在人口和居民富裕水平的基礎上，可以加入其他變量，研究其他因素對環境的影響。York(2003)[12]、Makoto(2015)[13]利用 STIRPAT 模型研究了城市化率對環境的影響；Wang P等(2013)[14]、Wang Y等(2015)[15]發現產業結構會對環境產生一定的影響；“污染天堂”假說認為發展中國家環境管制標準較低，會吸引外資建立污染密集型企業，使發展中國家成為發達國家的“污染天堂”，List和Co(2000)[16]通過研究發現外資的進入會使發展中國家污染加重，驗證了污染天堂假說。因此，本文在研究城市化對環境的影響時，選取了人口、富裕水平、產業結構、外商直接投資作為控制變量。

本文的解釋變量為城市化率，關于城市化率，不同的學者有不同的解釋。Clark(1945)[17]認為城市化的發展是人口從第一產業向第二三產業轉移的過程；辜勝阻(1991)[18]將城市化定義為人口從農村流出，向城市流入的過程，城市人口會不斷集聚。因此，本文在測定城市化水平時，用非農業人口在總人口中所占的比重表示。具體模型如下：

城市化水平為非農業人口占總人口的比重；人口指標用年末地區常住人口表示；居民富裕水平為人均GDP；產業結構用第二產業占GDP的比重表示；FDI為外商直接投資額。

本文采用的是我國大陸地區的31個省市2004—2016年間的相關數據，各年人均GDP均使用2000年價格為基期進行修正。本文的數據來源為《中國統計年鑒》、《中國環境年鑒》、《中國人口和就業年鑒》。

2.2 空間面板數據模型

空間計量與普通模型不同的是模型中引入了空間作用，能夠分析空間變量對環境污染的影響。空間計量模型分為兩種，兩種模型的空間變量不同。

根據本文的研究變量，本文的空間滯后模型反映的是相鄰地區的環境污染水平對本地區環境污染水平的影響程度，模型表達式為：

Y代表的是環境污染水平，是因變量；X代表的是城市化水平、人口數量等變量；W為空間權重矩陣；ρ為空間變量的回歸系數。

在空間誤差模型中，空間作用存在于誤差項之中。模型的表達式為：

在這個模型中，ε代表的是隨機誤差向量；λ代表的是空間誤差項的系數，表示相鄰省份的因變量的誤差對本省市的環境污染的影響。

對于空間滯后模型(SAR)還是空間誤差模型(SEM)的選擇，應根據Moran’s I檢驗結果來進行。首先需要進行Moran’s I檢驗，如果未通過顯著性檢驗，則選擇古典回歸模型；如果通過了Moran’s I檢驗，說明我國各省份的環境污染之間存在空間相關性，需要采用空間計量模型。

其次，如果我國各省份的環境污染行為會受相鄰地區的影響，則需要進一步采用LM檢驗，在空間滯后模型還是空間誤差模型中，確定更適合本文的模型。

2.3 空間面板模型估計

空間自相關性檢驗結果見表2。Moran’s I統計值在1%顯著性水平下顯著，說明經典回歸誤差的空間依賴性明顯，因此，本文需要采用空間計量模型。

表2 空間自相關性檢驗

根據LM檢驗結果，模型的LM-lag統計值的P值為0.2764，結果不顯著。而LM-Error和Robust LM-error統計值的P值均小于1%，結果是顯著的。所以本文采用空間誤差模型，測度相鄰省份間環境污染的相互影響程度。

本文用Matlab軟件進行了空間回歸分析，空間回歸模型分為四種情況，但是本文的時間固定效應模型的空間系數最為顯著，模型的擬合優度最好，Log Likelihood值最大，因此，本文僅給出了時間固定模型的回歸結果，如表3所示。

表3 空間計量模型結果

空間回歸系數λ為正，且在1%顯著性水平下顯著，說明我國的環境質量存在顯著的空間相關性，即一個地區的環境質量不僅與自身的因素有關，還受到相鄰地區其他因素的影響。

城市化水平的一次項和二次項系數均為顯著的，且一次項系數為正，二次項系數為負，說明在城市化水平較低時，隨著城市化水平的提高，環境污染水平增加，環境質量下降；在城市化水平越過拐點之后，隨著城市化水平的提高，環境污染水平呈下降趨勢。

人口數量的系數為0.9846，說明人口數量的增加會導致環境污染加劇，環境質量下降。人口的增加一方面會導致生活污染的增加。另一方面人口增多會導致產品消費的增加，從而導致工業污染增加。

人均GDP的系數為負，并通過了1%水平下的顯著性檢驗，說明隨著人們富裕度的提高，環境污染水平會降低。

產業結構的系數為正，說明第二產業會對環境污染有較大影響。隨著第二產業的比重增加，環境質量將逐漸下降。我國正處于經濟轉型期，“高能耗、高污染”的企業在逐漸減少，更多的企業開始向高新技術型企業轉型。

FDI的系數為負，但是未通過顯著性檢驗，說明污染天堂假說在我國并不成立。

3 結論

本文利用2004—2016年我國大陸31個省市的數據，計算了我國各地區的環境污染指數，分析了環境質量的空間相關性。基于空間動態面板數據，構建了空間計量模型，分析了城市化的不同階段，對環境質量產生的不同影響。本文的主要得出以下四點結論：

第一，我國地區間環境質量存在顯著的空間相關性和空間集聚性，形成了以河北等省份為核心的高污染集聚區、以新疆為中心的低污染集聚區和以安徽為中心的“低-高”污染集聚區。

第二，各地區的環境質量在空間維度上相互影響。一個地區的環境質量不僅取決于自身的城市化水平和人口、富裕度等因素，還會受到相鄰地區環境污染行為的影響。本文最終得出在城市化對環境質量的影響中，空間回歸系數為正，說明各省區的環境質量存在顯著的正向空間相關性，有著顯著的集聚效應和相似性。

第三，在城市發展進程的不同階段，會對環境產生不同的影響。在城市化水平較低時，隨著城市的發展，環境污染現象會加重，環境質量逐漸下降。在城市化水平達到一定程度之后，隨著城市化水平的提高，環境污染物的排放量會減少。

第四，人口、富裕水平、產業結構等也會對各省區的環境質量產生影響。人口和產業結構均會導致污染物排放量增加，環境質量下降，而富裕水平對環境污染排放的影響是負向的。污染天堂假說目前在我國不成立，FDI的流入不會帶來更為嚴重的環境污染。