產業集聚與環境污染關系的再考察
——來自中國工業行業的經驗證據

(南開大學經濟與社會發展研究院與中國科學技術發展戰略研究院聯合博士后工作站 北京 100038)

1 引言

環境污染近年來已是中國社會最為關注的焦點問題之一。嚴重的環境污染問題，既與中國仍處于城市化和工業化發展中期、經濟發展方式粗放、能源結構以煤為主等因素有關，也與污染防控能力不足等因素有關。值得注意的是，近三十年來與環境不斷惡化并行的一大現象是由地方政府出臺土地、財稅、金融、科技等政策招商引資引致的產業集聚熱潮，在全國各地形成了數千家大大小小的工業園區。然而，我們并不能就此得出環境污染是產業集聚導致的結論。研究產業集聚與環境污染之間的關系的文獻并不多見，且結論不一?？偟恼f來，研究主要集中于以下三個方面：第一，產業集聚在擴大經濟規模的同時往往伴隨著工業三廢排放的不斷增加，這會導致大氣污染、水污染、土壤污染，降低農業、旅游業等環境敏感行業的產出，產生明顯的環境負外部性[1-3]。第二，產業集聚在促進創新擴散和技術進步、提高企業生產率和競爭力的同時也可能會激勵綠色科技的研發應用，通過“創新補償”效應減弱集聚引發的環境負外部性[4]。第三，在環境規制更為寬松的地區工業污染更加嚴重，從而產生污染避難所效應，進一步吸引污染密集型工業集聚，但工業集聚在加重環境污染的同時也可能促進環保產業集群的產生和發展[5]，減輕污染避難所效應[6]。近年來，國內部分學者也開始關注產業集聚對環境污染的影響，但研究結論并不一致，經驗證據也不夠充分。從現實來看，重化工業密集區嚴重的環境污染似乎表明產業集聚是加劇污染的重要原因，但研究顯示，經濟活動的空間集聚度提高有利于降低單位工業增加值污染物質排放強度[7]。已公開發表的文獻中，李偉娜、楊永福和王珍珍利用制造業行業數據對產業集聚與環境污染的關系進行估計后認為中國的制造業集聚目前處于中級集聚階段，大氣污染問題正在得到緩解[8]。而閆逢柱、蘇李和喬娟運用制造業行業數據得出的實證結論則認為產業集聚在短期內有利于降低環境污染，但二者之間在長期并不具有必然的因果關系[9]。李筱樂、原毅軍和謝榮輝、楊仁發等基于省級面板數據的研究表明產業集聚與環境污染呈倒U型曲線關系[10-12]。從以上研究看，產業集聚是否具有環境外部性均得到肯定的答案；但環境外部性究竟為正還是負，結論不一。

近十年來，國民綠色發展意識日漸增強，居民的環保呼聲成為打造產業園時考慮的重要因素。那么，出于環境保護的角度，應謹慎地發展哪些行業？工業集聚是造成各地環境污染的主要原因嗎？我國的工業集聚與環境污染的關系究竟如何？與前述研究多利用靜態面板模型不同，本文利用兩位數的工業行業動態面板數據對產業集聚與環境污染的動態關系進行實證檢驗，以回答前述問題。

2 PVAR模型的設定、估計方法與數據描述

2.1 模型設定

本文考察產業集聚與環境污染之間關系的主要方法是建立制造業產業集聚EG指數與環境污染變量的面板數據向量自回歸模型PVAR(Panel Data Vector Autoregression)。PVAR模型由Holtz-Eakin、Newey和Rosen正式提出。該方法特別適用于樣本數量不夠充分的宏觀數據分析，并且還綜合了面板數據模型和VAR模型的優點，可以同時利用橫截面和時間序列的信息，大大增加了觀測值的數量和自由度，能控制不可觀測的個體異質性，且不需區分內生和外生變量。上述優點使該方法比其他方法更便于考察各變量面對沖擊時的動態響應，分析某一變量對其他變量的影響程度。因此，本文設定PVAR模型如下：

zit=αi+βt+Γzit-m+εit

其中：zit是基于面板數據的內生變量環境污染lnpollution和產業集聚lneg所構成的向量；i表示行業；t表示年份；m為滯后期數；Γ是對應的系數矩陣；αi是個體效應向量，作為行業層面的固定效應，體現行業特有的技術含量、資源依賴性等異質性；βt是時間效應向量，可以體現每一時期各行業可能受到的共同沖擊。

2.2 估計方法

本文采用的PVAR模型綜合了面板分析和VAR模型的優勢。因為數據的時間序列較短，所以每個行業的動態特征難以估計。既有的文獻分析經常將各橫截面結構相同作為一個標準假設，但如果各行業的動態特征差異太大，這一假設會導致外生沖擊的短期影響被低估或外生沖擊的長期影響被高估。20世紀90年代以來，我國興起產業集群研究，不少地方政府制定了產業集群規劃，有的地方以粗放的方式打造產業集聚區，使得整個制造業行業集聚特征以及環境影響趨同性明顯，同時本文采用的模型中加入了控制個體異質性的變量，因此這一假定對本文來說相對合理。值得注意的是，PVAR的模型結構使得固定效應與解釋變量相關，因而通常用來消除固定效應的均值差分方法在這個模型中會導致偏誤。為避免此類偏誤產生，我們使用前向均值差分方法，也即“Helmert變換過程”[13]。這一方法通過消除每個個體每一時期所有未來觀測值的均值來保證滯后變量與轉換后變量間的正交性。因此，采用PVAR模型時可以使用滯后變量作為工具變量，采用系統廣義矩估計(SGMM)方法進行估計。本文采用SGMM方法估計前述PVAR模型參數，并在此基礎上利用脈沖響應函數及方差分解方法較好地刻畫各種沖擊的傳導機制，觀測各變量面臨沖擊時的響應情況，分析模型受到沖擊時系統所受到的動態影響。

2.3 數據描述與變量說明

樣本數據中，環境污染數據均來自歷年《中國環境統計年鑒》和《中國環境年鑒》；工業行業數據除2004年選取自國家統計局公布的第一次經濟普查數據《中國經濟普查年鑒》(2004)以外，其余各年數據均來自歷年《中國工業統計年鑒》，所有數據均進行對數變換。為保證統計口徑的一致性，工業行業樣本首先選取了制造業的20個行業。此外，由于電力、熱力的生產和供應業與環境污染和制造業密切相關，數據齊全，故也納入考察范圍。由于相關統計數據的可獲得性，本文選取我國除西藏、香港、澳門和臺灣外的30個省份1999—2014年21個工業行業的面板數據作為研究對象。

文中采用Ellision和Glaeser提出的EG指數來測定產業集聚程度[14]。因為各行業企業的所有制構成[15]、非正規部門就業人員數的統計誤差[16]以及行業間或行業內勞動生產率差異的干擾等原因，若以就業人數作為基礎變量會使結果出現較大偏差；所以，為了使不同年份的行業集聚程度可比，以工業總產值變量作為基礎變量是較好的選擇。但由于國家統計局2011年后不再公布分地區分行業的工業總產值，只公布分地區分行業的工業銷售產值，而從歷年統計數據看，工業總產值與工業銷售產值相近；因此本文用以1990年為不變價格進行換算的工業銷售產值作為基礎變量。我們以《中國價格統計年鑒》(2015)提供的工業分行業的工業品出廠價格指數(上年=100)為基礎構建1999—2011年工業產出的價格平減指數(1990年=100)。其中，由于2002年前的農副食品加工業和普通設備制造業的相關數據缺失，因此分別用食品制造業和專用設備制造業的同期指數替代，最終生成可比的產業集聚指標。Ellision和Glaeser在計算EG指數H時，依據的是詳細的企業水平數據，由于中國尚未公開各行業的企業水平數據，我們無法沿用該計算方法。為此，本文假設每個區域的每個行業內的所有企業具有相同規模，即具有相同的工業銷售產值，這樣就可以通過《中國工業統計年鑒》中的企業單位數和工業銷售產值指標對EG指數進行估算。在此假設下的EG指數計算公式為：

式中：k表示產業；i表示區域；nki為區域i擁有產業k的企業數量；Yki為產業k在區域i中的工業銷售產值；Yk為產業k的全國工業銷售產值；ski=Yki/Yk。由于2011年以后不再公布按地區分組的各行業企業數，只公布各行業的企業數，因此本文以各行業中各地區工業銷售產值所占比重與各行業企業數相乘，得出2012年至2014年各地區分行業企業單位數。由此式估算的EG指數雖不可能像Ellision和Glaeser估算的那樣精確，但并不妨礙對產業集聚程度的評估與比較[17]。根據調整后的EG指數計算公式，我們計算出中國21個工業行業1999—2014年共16年的產業集聚程度(表1)。從2014年的行業排名來看，前三位行業分別是化學纖維制造業、煙草加工業和黑色金屬冶煉及壓延加工業。這三個行業均為嚴重依賴化石能源的行業，因而可以假設在一定時期內這三個行業產業集聚程度的上升可能會導致更高的污染排放。

表1 21個工業行業的EG指數(1999、2014)

環境污染包括大氣污染、水污染、土壤污染等多方面。考慮到數據的可獲得性，本文衡量環境污染的指標同時囊括了工業廢氣排放量(二氧化硫排放量、工業煙塵排放量、工業粉塵排放量)、工業廢水排放量、工業固體廢物產生量等。由于各省區城市化水平和工業化水平處于不同的發展階段，各種類型環境污染的構成不同，為消除地區間的污染類型差異，集中體現產業集聚水平對環境污染變量變異的解釋，本文以各工業行業的單位工業銷售產值污染排放量作為環境污染的代理變量。指標值越大，表示環境質量越差，環境污染越嚴重。其計算方法如下：

lnpollutionit= ln[(indu_SO2it+ soot_dustit+wasterwaterit+solidit)/gvalueit]

式中：pollutionit為t年i產業單位工業銷售產值污染排放量；gvalueit為以1990年價格水平計算的t年i產業的工業銷售產值；indu_SO2it、soot_dustit、wasterwaterit、solidit分別為工業二氧化硫排放量、工業煙(粉)塵排放量、工業廢水排放量、工業固體廢物產生量，其中工業煙(粉)塵排放量為工業煙塵排放量和工業粉塵排放量合計數。

表2 21個工業行業的污染排放強度排名(2014)

3 基于PVAR模型的實證分析

3.1 面板數據的平穩性

為有效避免面板數據模型估計中出現的“偽回歸”問題，確保估計結果的有效性，必須對估計所使用的面板數據的平穩性進行檢驗，最常用的方法是面板單位根檢驗。為得到穩健的面板單位根檢驗結論，本文分別采用Breitung檢驗、IPS檢驗、HT檢驗、Fisher-PP、Hadri檢驗等五種方法進行單位根檢驗，結果如表3所示。從表中可以看出，前四種檢驗結果均不能拒絕產業集聚變量lneg和環境污染變量lnpollution的各截面序列在水平值的情形下存在單位根的零假設，Hadri檢驗拒絕面板數據的不同截面服從平穩過程的零假設，故估計所使用的面板數據為非平穩的。我們對變量的各截面序列進行一階差分后再進行面板單位根檢驗，發現相應統計量均在1%顯著性水平下顯著，整個面板數據服從平穩過程，因此產業集聚變量lneg和環境污染變量lnpollution是同階單整。若二者之間具有協整關系，則可以建立PVAR模型。

表3 面板數據單位根檢驗結果

注：1.Hadri檢驗的零假設是面板數據中的各截面序列均不含有單位根，其余檢驗的原假設為各截面序列均具有一個單位根。2.檢驗形式均含常數項和趨勢項，HT檢驗過程中校正了由于樣本時期較短導致的水平扭曲，Choi檢驗運用了Z統計量，即Fisher-PP檢驗，Hadri檢驗實施了針對可能存在的異方差的穩健性檢驗。

3.2 面板協整檢驗

對于發展中國家或者經濟轉型中的國家，其宏觀經濟變量可得的觀測值序列往往較短，這會降低傳統協整檢驗的功效，而面板協整檢驗則可避免這一問題。Westerlund提出兩類基于結構而非殘差的動態變化的面板協整檢驗：一類為組均值檢驗(group-mean test)，統計量為Gt、Ga，備擇假設為“至少存在一個協整關系”；另一類為面板檢驗(panel test)，統計量為Pt、Pa，備擇假設為“面板作為一個整體是協整的”。我們利用STATA11.0軟件對面板數據集進行協整檢驗(檢驗結果見表4)。結果顯示產業集聚(lneg)和環境污染(lnpollution)之間存在面板協整關系，即二者之間具有長期穩定的均衡關系。

表4 面板數據協整檢驗結果

3.3 產業集聚與總環境污染

本文對面板數據進行組間的截面相關檢驗①、異方差相關檢驗和面板數據組內相關性檢驗。結果表明二者不存在截面相關問題，但存在異方差和組內自相關。為穩健起見，我們進一步考慮一階差分變量dlneg和dlnpollution所構成的二元PVAR系統。如前所述，面板VAR的模型結構可能使得固定效應與解釋變量相關，為避免產生偏誤，我們首先使用前向均值差分方法進行Helmert變換，然后利用系統廣義矩估計法對模型進行估計。表5中列示了滯后3期的PVAR模型估計結果，其中t-1、t-2、t-3分別表示變量滯后一、 二、 三期。②

表5 產業集聚和總環境污染的PVAR估計結果

注：數據部分左側為GMM估計所得參數，右側為標準差；***、**、*分別表示1% 、5%、10%的顯著性水平。

基于PVAR模型的估計結果，我們利用500次蒙特卡羅模擬得出脈沖響應函數，主要有兩大結論。第一，PVAR估計結果表明滯后三期產業集聚對環境污染具有負面影響，但不顯著；滯后二期和一期的產業集聚對環境污染具有顯著的負面影響，且系數的絕對值越來越大，這意味著隨著時間推移，產業集聚會減輕環境污染排放。但脈沖響應函數顯示產業集聚程度的升高對環境污染排放的影響并非始終為負。最開始產業集聚在短期內會增加環境污染，但產業集聚程度升高到一定程度后反而會改善環境質量，當產業集聚程度繼續升高到某一閾值后又會產生擁擠效應，導致環境又開始惡化。也就是說，產業集聚對環境的影響存在閾值，具有門檻效應。第二，PVAR估計結果表明環境污染隨著時間累積對工業集聚存在正向影響，雖然這一結果并不顯著，但從脈沖響應圖中可以清晰地看到，一單位標準差的環境污染排放沖擊在第一期就帶來工業集聚的正向波動，在第二期后對工業集聚的影響逐漸減小，最終趨于平穩。因此，估計結果在一定程度上顯示中國的工業集聚可能存在“污染避難所”效應。

表6 產業集聚和總環境污染PVAR模型的方差分解

通過方差分解方法可以分析每一個結構沖擊對內生變量的方差的貢獻度及相對重要性，這樣可以粗略地把握變量間的影響，通過脈沖響應函數則可以進一步細致地觀察到模型中各變量在受到一次沖擊之后的響應過程。由于Choleski正交分解對變量的排序敏感，排列順序意味著后面變量的同期和滯后期都受前面變量影響，而前面變量只會受后面變量的滯后期的影響。根據經濟運行中存在的現實關聯關系，變量的排序為產業集聚變量dlneg、環境污染變量dlnpollution。也就是說，由于產業集聚是一個較為緩慢的動態過程，我們假定產業集聚對當期和往期的環境污染產生影響，而產業集聚僅受到往期環境污染變化的影響。從表6中的方差分解結果可以看出：變量的波動在第10期已趨于穩定；產業集聚對環境污染排放變化的貢獻率達到2.5%；而環境污染的沖擊對產業集聚程度變化的長期解釋力大于產業集聚對于環境污染波動的解釋力，達4.3%。

圖1 產業集聚和總環境污染的脈沖響應圖

3.4 產業集聚和三類環境污染

為細致考察產業集聚與環境污染的關系，同時考慮到工業生產過程中可能帶來的廢氣、廢水、廢渣排放，我們選取工業廢氣排放量(包括二氧化硫排放量、工業煙塵排放量、工業粉塵排放量)、工業廢水排放量、工業固體廢物產生量等三類污染排放作為環境污染的代理變量，并分別取對數后進行一階差分。面板單位根檢驗表明一階差分的序列dlnsolid、dlnwater、dlngas均平穩，可以構建包括dlneg在內的四變量PVAR模型。本文進行滯后3期的PVAR模型估計，并用蒙特卡羅500次模擬得出脈沖響應函數(圖2)和方差分解結果(表7)。如前文，由于Choleski 正交分解對變量的排序敏感，根據經濟運行中存在的現實關聯關系，變量的排序為產業集聚變量dlneg、工業固體廢物變量dlnsolid、工業廢水變量dlnwater、工業廢氣變量dlngas。即假定工業產業集聚對當期和往期的工業固體廢物產生量、工業廢水排放量和工業廢氣排放量均產生影響，而工業產業集聚自身僅受到往期的三種類型環境污染變化的影響。研究結果如下：

圖2 產業集聚和三種環境污染變量的脈沖響應圖

第一，在三種工業污染排放中，工業固廢對工業集聚程度變化的長期解釋力最大，約為5.2%;工業廢氣排放次之，約為2.9%;工業廢水排放的解釋力為0.8%。其中，工業固廢污染與工業集聚程度的變動方向相反，而工業廢氣和廢水排放與工業集聚的變化方向相同。可能的原因是與工業廢氣和廢水排放相比，工業固廢的產生和排放更易觀測到，且需占用土地，更易受到環境監管;而廢水和廢氣由于排放更為隱蔽，更易成為“污染避難所”效應的動因。表2顯示，工業廢水排放前五位的行業包括造紙及紙制品業，石油加工及煉焦業，電力、熱力的生產和供應業，紡織業，化學原料及化學制品制造業等行業；工業廢氣排放前五位的行業包括電力、熱力的生產和供應業，石油加工及煉焦業，非金屬礦物制品業，黑色金屬冶煉及壓延加工業，有色金屬冶煉及壓延加工業等行業。鑒于此，地方政府在招商引資、打造產業集聚區時應考慮造紙及紙制品業等廢水、廢氣排放較高行業的集聚是否是因為本地環境監管過松而來，要對這些行業的企業在行業準入、企業的綠色技術采納程度等方面加以規制。

第二，工業集聚對工業固廢物、廢水和廢氣等三種污染排放變動的貢獻率分別達到2.5%、2.3%、0.6%；工業產業集聚的一次正向沖擊引起三種污染排放在同期即有較大波動。工業固廢和工業廢水排放的波動分別于第三期和第二期減弱并趨于穩定，而工業廢氣排放的波動要到第四期以后才變弱且持續為正，這表明工業集聚的一次正向沖擊對工業固廢和廢水排放具有短期影響，而對工業廢氣排放具有持久影響。原因可能在于，與廢氣排放相比，工業固廢和廢水的排放短期內對人類生產、生活及身體健康的侵害更明顯，引發居民異議的可能性更大，受到的環境監管也更為嚴格；而且與工業固廢和廢水相比，工業廢氣排放更為隱蔽，監管難度更大。鑒于此，產業集聚區應特別加強對電力、熱力的生產和供應業，石油加工及煉焦業，非金屬礦物制品業，黑色金屬冶煉及壓延加工業，有色金屬冶煉及壓延加工業等廢氣排放較高的行業的規制，在產品研發、中試、產業化等全過程加強監管，減弱此類行業對本地環境可能造成的持久影響。

表7 產業集聚和三種環境污染變量PVAR模型的方差分解

4 結論及政策含義

產業集聚會在一定程度上推動地區經濟增長，但一個地區經濟增長的同時卻往往伴隨著環境污染的加重，這一點已被大家廣泛認同。不過，學者們對二者之間的時空作用機制尚有爭議。本文利用工業行業面板數據對產業集聚與環境污染的動態關系進行實證考察，得出如下研究結論：

第一，產業集聚與環境污染之間并非線性關系。產業集聚對環境的影響存在閾值，具有門檻效應，產業集聚對環境污染排放變化的貢獻率僅為2.5%。產業集聚在短期內會增加環境污染；從長期看，集聚經濟促使效率提高，加之企業出于競爭壓力以及環境規制等原因不斷進行技術革新，環境污染會逐漸減弱；但當產業集聚程度繼續升高達到某一閾值后又會因為擁擠效應而使環境惡化。值得注意的是，本文得出的結論——工業集聚并非環境污染的主因，與很多人的認知不一致。

第二，估計結果顯示中國的工業集聚可能存在“污染避難所”效應，且環境污染的沖擊對產業集聚程度變化的長期解釋力達4.3%，大于產業集聚對于環境污染波動的解釋力。出于提高經濟總量和財政收入的考慮，有的地方政府有可能在招商引資期間放松環境評價，在產業集聚區的形成期未嚴格進行環境監管，這樣，“污染避難所”效應與產業集聚自我強化的累積循環效應疊加在一起，就可能導致環境規制強度越低的地區工業集聚程度越高。嚴格的環境規制能夠激勵企業轉型升級，從而極大地促進地區的產業結構調整。既然工業集聚在相當大的程度上得力于地方政府政策的刺激與推動，工業集聚區實際上就成為地方政府決策主導下的一個涉及公共利益的重要產品，那么建設生態工業園區并對其進行評估應該成為地方政府政績考核體系的重要組成部分。

第三，在影響的持續時間上，工業集聚對工業固體廢物的產生和工業廢水排放的影響持續時期較短，而對工業廢氣排放則具有持久影響；在變動方向上，工業集聚程度變動的方向與工業固廢污染相反，與工業廢氣排放相同。與工業廢水和工業固體廢物相比，工業廢氣的排放更具隱蔽性，更易成為“污染避難所”效應的動因。鑒于此，地方政府在打造產業集聚區時首先應考慮廢氣排放較高行業的集聚是否是因本地環境監管過松而來，其次要加強對電力、熱力的生產和供應業，石油加工及煉焦業，非金屬礦物制品業，黑色金屬冶煉及壓延加工業，有色金屬冶煉及壓延加工業等廢氣排放較高行業的環境規制，要對其產品研發、中試、產業化等全過程實施監管，以減弱此類行業對本地環境可能造成的持久影響。

注釋：

① 由于本文數據為“大N小T”型，故采用Peasaran 參數檢驗和Friedman半參數檢驗，而非Breusch-Pagan檢驗。

② 作者感謝世界銀行Inessa Love博士對本文Stata程序所提供的幫助。