實施長江經濟帶發展戰略能降低污染排放強度嗎？

李標 張航 吳賈

摘要 污染排放強度意指單位GDP的污染物綜合排放量，是反映一個國家或地區經濟環境質量的重要衡量指標。實施長江經濟帶發展戰略內蘊著沿江城市污染排放強度的降低。本研究基于2006—2017年中國285個地級市的面板數據，使用雙重差分（DID）方法和系統廣義矩估計（SYS-GMM）方法開展計量分析，旨在檢驗實施長江經濟帶發展戰略是否能夠降低污染排放強度，識別該國家級發展戰略的污染減排機制及其作用大小。本研究有如下實證發現：①從長江經濟帶發展戰略污染減排的作用評估看，DID的估計結果表明，實施長江經濟帶發展戰略有顯著的污染減排效應，使污染排放強度大約下降了0.045個百分點。②從此國家級發展戰略的污染減排傳導機制角度考察，DID的實證結果顯示，該國家級發展戰略的實施通過新型城鎮化、結構優化、創新投入和循環生產的機制傳導，能夠顯著促進沿江城市的污染排放強度下降。③由不同傳導機制的污染減排作用大小分析，SYS-GMM的回歸結果說明，新型城鎮化的污染減排效果最好、結構優化其次、創新投入和循環生產的負彈性系數較為接近。④此外，SYS-GMM的回歸結果表明，污染排放強度的累積滯后效應顯著，且長江經濟帶的累積滯后效應明顯大于全國與非長江經濟帶地區。因而，為促進長江經濟帶的污染排放強度下降以及生態本底增進，確保環境保護與污染治理政策的制定在省級空間上一致聯動與執行強度在時序上連貫的同時，沿長江的城市有必要加速推進新型城鎮化建設、加快產業結構優化升級、加大創新投入力度和提高循環生產水平。

關鍵詞 長江經濟帶發展戰略;污染排放強度;雙重差分;系統廣義矩估計

2014年，國務院出臺的《關于依托黃金水道推動長江經濟帶發展的指導意見》（簡稱《意見》）將長江經濟帶發展戰略上升為國家級，同時指出“生態文明建設的先行示范帶”是長江經濟帶發展的定位之一;2016年，國務院印發《長江經濟帶發展規劃綱要》（簡稱《綱要》）強調了建設長江經濟帶的“生態優先和綠色發展”理念，并明確了沿江城市在新型城鎮化、產業結構升級與創新驅動轉型等方面的任務;2017年，“以共抓大保護、不搞大開發為導向推動長江經濟帶發展”寫入黨的十九大報告。這反映出國家對長江經濟帶環境保護與污染治理問題的重視，希冀通過頂層制度設計強化長江經濟帶發展的環境約束，推動沿江城市提升高質量發展的生態本底。

污染排放強度意指單位GDP的污染物綜合排放量，是反映一個國家或地區“經濟環境質量的重要衡量指標”[1]。近些年，中國踐行的生態文明與綠色發展戰略便顯示出全力降低污染排放強度的意蘊。立足區域經濟發展視角，長江經濟帶的國土面積、人口規模、經濟總量、產業發展等方面在全國版圖中均占據重要地位[2]。《長江經濟帶生態環境保護規劃》顯示，長江經濟帶污染排放總量大、強度高，廢水排放總量占全國的40%以上，單位面積化學需氧量、氨氮、二氧化硫、氮氧化物、揮發性有機物排放是全國平均水平1.5～2.0倍。可見，長江經濟帶的污染減排有利于增進經濟發展質量。

因而，在國家強化環境管理的制度導向下，考察長江經濟帶的污染排放強度問題有重要價值。與已有研究以長江經濟帶為對象，側重測度污染排放強度、實證其影響因素以及計算環境績效等目標[1，3-6]有所不同，本文則致力于對實施長江經濟帶發展戰略是否具備降低污染排放強度的效果、通過何種機制影響污染排放強度以及每一機制的作用大小如何等進行階段性地評估，旨在為持續推進此國家級發展戰略期間，制定相關政策提供經驗證據。

1 文獻綜述

經濟發展過程中的環境污染問題一直備受學界關注，自上世紀七十年代以來已取得了許多有價值的研究成果。宏觀層面上開展理論與實證的文獻很多，側重構建環境污染與經濟發展理論模型的代表性文獻有Keerler等[7]、Becker[8]、Stokey[9]、彭水軍和包群[10]等;側重實證環境污染與經濟發展之間關系的代表性文獻有Selden和Song[11]、黃茂興和林壽富[12]、Au和Henderson[13]、Greenstone和Hanna[14]、陳詩一和陳登科[15]等。基于宏觀層面的研究，本文則立足中觀層面，以長江流域城市為觀測對象，側重檢驗實施長江經濟帶發展戰略與污染排放強度之間的因果關系及其污染減排機制和作用大小。

首先，由長江經濟帶的污染排放情況楔入。楊騫和王弘儒[16]發現2004—2014年長江經濟帶各省市水污染排放略微惡化，呈現北多南少，中部多、東西部少的特征。陳冷璇和李強[17]的研究表明2000—2015年長江經濟帶9省2市的工業污染加劇。其次，也有學者考察長江經濟帶的污染排放強度。劉亦文等[1]研究顯示2001—2011年長江沿線省份的污染排放強度呈現遞減趨勢。王宇昕等[3]發現2006—2015年長江經濟帶各省的污染排放強度在2011年均出現了峰值。陳明華等[4]則發現2003—2014年長江經濟帶上游、中游、下游與總體污染排放強度均有所提升。進一步，一些學者關注了長江經濟帶污染排放的影響因素。汪克亮等[5]發現經濟發展水平、工業結構、工業能源消費結構、外資利用、政府環境規制力度對長江經濟帶工業生態效率有積極作用。郝國彩等[18]開展了類似的研究。劉華軍等[19]實證發現城市霧霾與城市人口密度、投資強度、工業污染排放之間存在顯著的空間相關性。王宇昕等[3]分析表明人均GDP、人力資本、能源消耗強度、產業結構、城鎮化對長江經濟帶的污染排放強度有影響。此外，評估長江經濟帶發展相關機制或政策的污染減排效果也是學界的研究焦點。孫博文和程志強[20]構建中介效應模型，使用系統GMM方法發現長江經濟帶市場一體化機制存在影響工業污染物排放的規模、結構與技術傳導路徑。從計量經濟分析方法出發，國內外常用雙重差分（Difference in Difference，簡稱DID）方法檢驗沒有被預期的外生政策或制度變量與因變量之間的邏輯因果關系[21]，如Moser和Voena[22]、傅佳莎等[23]。該方法也被運用于長江經濟帶污染減排效應的評估研究。趙嶺娣和徐樂[24]、尤濟紅和陳喜強[25]運用DID方法檢驗了長三角城市群區域一體化合作行為的環境效應，但兩文的結論相反。

綜上，仍需繼續研究的問題是：①長江經濟帶發展戰略是否存在顯著降低污染排放強度的作用？理論上，實施此國家級發展戰略將倒逼沿長江流域的城市出臺嚴厲的環境規制與污染治理政策、加強環保領域投資以及加大產業結構優化調整力度等，促進污染物排放減少，降低污染排放強度。這需要實證檢驗，但前期文獻尚未開展此工作。由于長江經濟帶發展戰略在實施前并沒有被公眾預期，本研究將依循自然實驗的思想，運用DID方法評估該戰略的實施效果。②長江經濟帶發展戰略的外生沖擊通過何種機制影響污染排放強度？如果實施這一戰略確實通過某種機制作用于污染排放強度，那么在戰略實施后該機制變量應有顯著變化。前述文獻中僅少量研究以長江經濟帶的部分城市為案例，關注一體化的污染減排機制，本研究則以整個長江經濟帶為觀測對象，以《意見》和《綱要》中關于長江經濟帶在生態文明建設和綠色發展方面的主要任務為依據，選擇“新型城鎮化、結構優化、創新投入和循環生產”四個代理污染減排機制的變量，并使用DID方法進行甄別。③不同作用機制的污染減排效應如何？本研究使用2006—2017年285個地級市的數據構造動態面板模型，運用系統廣義矩估計（System General Method of Moments，簡稱SYS-GMM）方法，估計識別不同機制變量的污染減排作用大小。

2 模型構建

2.1 理論模型

借鑒Stokey[9]將污染變量內生于生產函數的研究思路，這里使用新古典生產函數，只考慮資本和勞動兩種投入要素，并引入污染排放變量。生產函數設定為柯布—道格拉斯（C-D）形式：

2.2 計量模型

2.2.1 雙重差分模型

本文將《意見》出臺的2014年定義為政策實施年，長江沿岸的35個城市視為處理組（Treatment Group）、其余250個城市則設定為控制組（Control Group），計量模型設定如下：

2.2.2 動態面板模型

本研究使用Blundell 和Bond[35]提出的系統廣義矩估計（SYS-GMM）方法回歸基于公式（4）建立的動態面板模型，以識別污染減排的機制變量降低污染排放強度的作用大小。SYS-GMM方法在消除固定效應的同時，一方面解決了隨機誤差項違背球形擾動和嚴格外生性假定帶來的異方差和內生性問題;另一方面也能解決隨機誤差項違背條件正態分布假定導致的有效性問題[36]。動態面板模型設定如下：

3 變量說明

3.1 代理指標

本研究以中國285個地級市2006—2017年的數據構造樣本集合。數據主要來源于歷年的《中國統計年鑒》和《中國城市統計年鑒》，部分年份的城鎮化率和一般工業固體廢棄物綜合利用率來自各地級市的統計年鑒或國民經濟和社會發展公報。對于個別年份缺失的數據本研究使用線性插值法進行補足。

3.1.1 被解釋變量

污染排放強度（y）。污染排放強度（t/萬元）是污染物綜合排放總量與GDP的比值，即單位GDP污染排放量。對于污染物排放總量（104 t），充分考慮工業“三廢”是地區污染物的主要來源以及城市層面一般工業固體廢棄物、廢水中化學需氧量、廢水中氮氧化物相關數據的缺乏，本研究嘗試使用工業廢水排放量（104 t）、工業SO2排放量（104 t）和工業粉塵煙塵排放量（104 t）平均賦權計算的加權平均值進行測度。此外，本研究使用2006年為基期的物價指數對名義GDP（億元）進行平減計算實際GDP。

3.1.2 關注變量

①新型城鎮化水平（newurb）。新型城鎮化是在人口由農村向城鎮轉移的同時，實現空間結構調整、設施配套優化、生態資源存量提高、環境污染改善的過程[36]。因而，本研究將構建多元評價指標體系計算新型城鎮化指數測度新型城鎮化水平。參考前期研究[36]，綜合考慮數據可得性與易操作原則，本文選擇8個細項指標反映不同地級市的新型城鎮化各個維度的信息：使用城鎮化率（%）代理新型城鎮化的人口維度、使用城市人口密度（人/ km2）代理新型城鎮化的空間維度、使用每萬人擁有公共汽車數量（標臺/萬人）和每萬人在校大學生（人）代理新型城鎮化的物質性與社會性的設施配套維度、使用城市建成區綠化覆蓋率（%）代理新型城鎮化的生態資源維度、使用生活垃圾無害化處理率（%）、一般工業固體廢棄物綜合利用率（%）和能源強度（tce/萬元）代理新型城鎮化的環境維度。進一步，本文使用主成分分析方法，提取3個主成分，以每一主成分對應的特征根占提取特征根之和的比重為其權重，加權計算不同城市的新型城鎮化指數，用以度量其新型城鎮化水平（限于篇幅，未報告具體結果）。②結構優化水平（struc）。伴隨經濟發展水平的不斷提高，產業結構一般會經歷“一產、二產、三產”的結構逐步向“二產、三產、一產”結構轉變，再調整為“三產、二產、一產”結構的三階段優化調整規律。目前，中國各城市的產業結構正處于優化調整的第二階段，并逐步轉向第三階段。由于地級城市分三次產業增加值的數據缺失較為嚴重，本研究從就業層面反映產業結構優化情況，使用三產就業人員規模（萬人）與二產就業人員規模（萬人）的比值度量各城市的結構優化水平。③創新投入水平（innov）。創新驅動經濟轉型升級是長江經濟帶建設的重要任務，創新投入對污染減排有重要影響。國際上，R&D投入強度是被廣泛使用反映創新投入水平的指標，囿于城市層面R&D數據的大量缺失，本研究選擇財政支出中科技支出比重（%）予以替代。④循環生產水平（cypro）。循環生產是指重新利用生產生活過程中產生的廢棄物與各種排放物進行生產的模式，這有利于節約能源資源和原材料投入，降低污染物排放總量。本研究采用一般工業固體廢棄物綜合利用率（%）反映各城市的循環生產水平。

3.1.3 控制變量

①經濟發展水平（pergdp）。Selden和Song[11]、Sadorsky[37]和汪克亮等[5]發現經濟發展水平對能源消費和環境污染有重要影響。因而，本研究將控制經濟發展水平變量，并使用剔除價格因素和人口因素影響的實際人均GDP（元）度量各城市的經濟發展水平。②資均污染排放（pk）。本研究使用污染物排放總量（104 t）與全社會固定資產投資總額（億元）的比值，即單位資本的污染排放量（t/萬元），代理資均污染排放變量。鑒于資本存量的折算方法尚未統一，且不同地區資本折舊率也有所差異，此處使用以2006年為基期的固定資產投資價格指數調整后的實際全社會固定資產投資總額予以粗略測算。③勞均污染排放（pl）。與資均污染排放變量類似，這個變量的代理指標是單位勞動的污染排放水平（t/人），即污染物排放總量（104 t）與就業人員總量（萬人）的比值。

3.2 統計描述

為避免不同指標的量綱差異和數據過大引起回歸系數較小或數據過小導致回歸系數偏大的現象，本研究對實證所需變量的代理指標進行了對數化處理。除污染排放強度和經濟發展的指標數據直接進行對數化處理之外，其它變量代理指標的數據存在較小、甚至趨于0以及個別數據為負數（如新型城鎮化指數）的情況，本文將這類指標的數據向右平移10個單位后再取自然對數。

表1報告了變量對數化處理后的相關統計特征信息。時間窗口范圍內，長江經濟帶沿線城市的污染排放強度平均值約為1.04，比所有城市和非長江經濟帶沿線城市的平均值略大0.01。長江經濟帶沿線城市新型城鎮化水平、創新投入水平和循環生產水平的均值都比所有城市和非長江經濟帶沿線城市的均值水平高。長江經濟帶沿線城市的結構優化水平的均值略低于所有城市和非長江經濟帶沿線城市，這是由結構優化水平存在省際差異，而大部分長江經濟帶沿線城市處于低梯度區間導致，同時這也暗示了長江經濟帶沿線城市應該加大經濟結構優化的力度。

4 實證分析

4.1 長江經濟帶發展戰略污染減排作用的檢驗

表2報告了基于公式（5），且控制個體差異影響的DID方法估計結果。第（1）列包含了資均污染排放、常數項、城市固定效應和實驗變量處理組（treati）、長江經濟帶發展戰略實施年份（Tt）及處理組與實施年份的交互項（Tt × treati），第（2）、（3）列在第（1）列的基礎上逐次增添了控制變量“勞均污染排放和經濟發展水平”。由表2可知，第（1）～（3）列交互項系數均在1%水平上顯著為負，且絕對值相差并不大，說明長江經濟帶發展戰略的實施有顯著的污染減排作用。第（3）列交互項系數的絕對值是0.045，意味著該戰略的實施使污染排放強度大約降低了0.045個百分點。另外，長江經濟帶發展戰略實施年份（Tt）的系數在第（1）～（3）列中為負，表明所有城市的污染排放強度有下降趨勢。

第（4）～（6）列將因變量分別替為“廢水排放強度（單位GDP廢水排放量）、二氧化硫排放強度（單位GDP二氧化硫排放量）、粉煙塵排放強度（單位GDP粉塵煙塵排放量）”。整體上，不同類型污染物排放強度對應的變量回歸系數與第（3）列較為一致。其中，交互項系數在1%水平上顯著為負，說明實施長江經濟帶發展戰略能有效降低不同類型污染物的排放強度。從具體效果看，此戰略對降低廢水與二氧化硫排放強度的作用較大，在促進粉煙塵排放強度下降方面的作用相對較小。需要指出，由于本文側重分析綜合污染排放強度受該戰略實施的影響與篇幅限制，下文不再進行污染排放強度的分類討論。

由控制變量分析，人均GDP的回歸系數為負，且在1%水平上通過了顯著性檢驗，表明經濟發展水平提升能夠促進污染排放強度降低，這與王宇昕等[3]研究的結果一致。可能的原因是，較高的經濟發展水平形成了工業綠色發展的基礎條件，對長江經濟帶城市工業綠色發展有促進作用[38]，有利于降低污染排放強度。在第（3）～（6）列中，資均污染排放顯示其能改善污染排放強度，勞均污染排放卻與之相反。這表明，單位勞動投入創造產出的能力與資源消耗、污染排放不對稱，同時也似乎暗示了單位勞動創造的效益小于資本，使用資本替代勞動力更有利于降低污染排放強度。

4.2 長江經濟帶發展戰略污染減排的機制識別

表3報告了新型城鎮化、結構優化、創新投入和循環生產四個機制變量作為因變量的DID模型估計結果。第（1）列交互項（Tt × treati）的回歸系數是0.012，且在1%置信水平上顯著，說明了長江經濟帶發展戰略的實施可有效提升沿江城市的新型城鎮化水平。在第（2）列中，交互項的回歸系數為0.014，并在1%置信水平上顯著拒絕了原假設，表明實施長江經濟帶發展戰略有利于沿江城市產業結構的加快優化。第（3）列和第（4）列的交互項系數分別在1%置信水平上和10%水平上顯著大于0，意指伴隨著長江經濟帶發展戰略的推進，沿江城市的創新投入水平和循環生產水平均有明顯改善。

由交互項系數的絕對值分析，第（1）列交互項系數的絕對值較小的主要原因是新型城鎮化不僅是人口的城鎮化，還涉及“空間調整、設施配套優化、生態稟賦存量提高、能源消費結構與環境質量改善”[36]等方面，這使得長江經濟帶發展戰略的實施短期內推動新型城鎮化水平快速提升的難度較大。第（2）和第（4）列交互項系數的絕對值也較小，這可能是由于我國經過多年的經濟轉型發展，結構優化與循環生產已達到了一定的水平，該國家級發展戰略x在產業結構優化和循環生產方面提出了更高的要求，實施此戰略難以使二者在短期內出現大幅度的改善。第（3）列的交互項系數絕對值最大。可能的原因是，在創新投入強度不高的大背景下，《意見》與《綱要》明確要求長江經濟帶要加強創新驅動經濟轉型升級，這一國家級發展戰略的實施促進了沿線城市加速集聚創新資源，大幅增加創新投入。

4.3 不同傳導機制的污染減排作用大小的估計

表4報告了使用SYS-GMM方法估計公式（6）的結果。表4中，第（1）～（4）列是以長江經濟帶沿線城市為樣本的結果;第（5）列和第（6）列分別是以非長江經濟帶沿線城市為樣本和所有城市為樣本的結果，作為第（4）列的對比參照。整體來看，第（4）列的結果比第（5）和第（6）列優。盡管新型城鎮化、結構優化和創新投入水平在第（4）～（6）列中在1%水平上顯著小于0，但第（4）列的絕對數明顯大于第（5）和第（6）列，彌補了第（4）列中循環生產水平的系數絕對值略小于第（6）列的不足。可知，實施長江經濟帶發展戰略的進程中，四個機制能顯著降低污染排放強度。這也能夠說明，四個機制雖然具備一般意義上的污染減排作用，但實施長江經濟發展戰略確實強化了它們的污染減排效應。

基于長江經濟帶子樣本的回歸結果可知，四個機制變量在第（1）～（4）列中的系數為負且在1%水平上通過了顯著性檢驗，即它們顯著降低了污染排放強度。其中，新型城鎮化和結構優化機制降低污染排放強度的作用較大。這得益于：一方面，沿長江城市“借助人才流動、資源互補、交通設施互聯強化了經濟聯系，通過產業分工布局與梯度轉移實現結構優化”[39]，蘊生了顯著的經濟增長效應;另一方面，長江流域的環境約束趨強，沿江城市在新型城鎮化進程中對生態資源存量、環境污染治理有更高的要求與更大的努力，同時“長江經濟帶城市之間發生的產業轉移，有效地發揮了各地的比較優勢，從而產生了污染減排效應”[40] 。相對地，創新投入機制與循環生產機制的污染減排效應較小。可能之因是，雖然該戰略的實施促進了沿江城市創新投入水平提升，但增加創新投入促進技術進步、改善生產率有明顯的時滯，這不僅制約了增長效應與結構效應的釋放，同時也在技術層面上制約著循環生產水平的提升。

此外，污染排放強度的累積滯后效應顯著，且長江經濟帶的累積滯后效應明顯大于全國與非長江經濟帶地區，表現為第（1）～（6）列因變量滯后一期值（L.y）的回歸系數均在1%水平上顯著大于0，且第（1）～（4）列的絕對值大于第（5）、（6）列。這主要與沿長江城市的污染排量占全國比重較大、產業密度與人口密度較高等因素有關。

4.4 平行趨勢假設檢驗與穩健性檢驗

4.4.1 平行趨勢假設檢驗

雙重差分方法需要建立在平行趨勢假設的基礎上[21]。圖1報告了污染排放強度的平行趨勢假設檢驗結果。圖1的左圖給出了以污染排放強度為因變量的估計系數在國家實施長江經濟帶發展戰略前的走勢（以2006年為省略組），藍線代表實驗組，紅線代表控制組，虛線為95%的置信區間。結果顯示，長江經濟帶的沿線城市和非沿線城市的污染排放強度在此國家級戰略實施前有較為接近的走勢，表明上文以DID模型估計的因變量沒有違背平行趨勢假設。圖1的右圖繪制了長江經濟帶發展戰略政策實施前后實驗組和對照組污染排放強度的平均值。可知，在長江經濟帶發展戰略實施的2014年，長江經濟帶沿線城市的污染排放強度有明顯的下降，說明此戰略確實有明顯的污染減排作用。同理，本文發現四個機制變量也通過了平行趨勢假設檢驗（限于篇幅，未描述平行趨勢假設檢驗的模型，未報告機制變量的檢驗結果）。

4.4.2 穩健性檢驗

這里維持實驗組（treatment group）個體不變，重新設定控制組（control group），使用DID方法再次對公式（6）進行回歸。實驗組依然是長江經濟帶沿線的35個城市，并使用ArcGIS軟件選擇了與35個沿長江城市相鄰的37個城市作為控制組（限于篇幅，此處未報告具體與沿江城市相鄰城市的選擇過程與結果），表5報告了重新設計自然實驗下的DID估計結果。表5中第（1）列交互項（Tt × treati）的估計系數在1%置信水平上顯著為負，說明在假設受長江經濟帶發展戰略實施影響的城市數量不變，縮小控制組的城市數量后，實施該戰略依然保持了降低污染排放強度的積極作用，與前文的計量結果一致。整體上，第（2）～（5）列對長江經濟帶發展戰略減排機制的檢驗基本上支持了前文的結果。第（2）～（4）列交互項的回歸系數顯著為正;第（5）列交互項的估計系數雖然統計上不顯著（可能是由新設計的自然實驗樣本量顯著減少導致），但與表3中第（4）列交互項系數的方向一致，保持了經濟意義上的顯著性。

5 研究結論與政策建議

本研究基于2006—2017年我國285個地級市（含直轄市）的數據構造面板模型，運用DID和SYS-GMM方法首次識別了實施長江經濟帶發展戰略的污染減排效應、機制及其作用大小。文章有如下發現：①長江經濟帶發展戰略有明顯的污染減排效應，即實施長江經濟帶發展戰略能夠促進沿長江城市污染排放強度下降，污染排放強度大約降低0.045個百分點。②實施長江經濟帶發展戰略能夠通過新型城鎮化機制、結構優化機制、創新投入機制和循環生產機制的傳導對污染排放強度產生影響。③四個污染減排的機制均可有效改善污染排放強度，不同機制的作用存在顯著分化。新型城鎮化與結構優化降低污染排放強度的作用較大，二者增加1個單位，分別拉低污染排放強度0.196和0.159個百分點。如果創新投入水平和循環生產水平分別變動1%，污染排放強度則反向變動0.041%和0.039%。④污染排放強度隨時間推移而有所衰減的累積滯后效應顯著。

基于研究結論，本文的政策建議如下：①應努力提升長江經濟帶的新型城鎮化水平，以快速釋放新型城鎮化的污染減排效應。推進人口城鎮化的同時，應在統籌優化城市空間布局、增加生態資源存量、完善公共交通配套、保護環境與治理污染等方面下足“功夫”，著力增加城鎮化的“綠色含量”，解決多年累積的生態欠賬問題，提高長江經濟帶的生態環境承載力。②應加快長江流域城市的產業結構升級優化，充分發揮結構調整的污染減排作用。以淘汰傳統“三高”工業為抓手，為高附加、低消耗、低排放的“雙高端產業”騰挪空間;有條件的地區應適時加快“去工業化”進程，使用稅收綜合優惠、低息信貸支持、財政資金引導發展以生產性服務業等為代表的現代服務業，著力提高現代服務業比重;抓住區域一體化契機，不斷加強長江經濟帶的城市經濟聯系，努力構建內外暢聯的立體交通網，加快形成完備的產業鏈、價值鏈與供應鏈。③應加大沿江城市的創新投入強度與創新成果轉化力度，夯實技術進步改善污染排放強度的創新基石。政府應加大對創新研究的補貼，并向科技成果轉化環節適度傾斜，特別是清潔生產技術的研發運用需要重點支持;還需注重生態環境領域的人力資本積累，保障創新所需的智力資源;有必要打造長江經濟帶一體化的技術交易市場、平臺與科創孵化中心，加速創新成果市場化、商品化、價值化，加快釋放污染減排效應。④應堅持循環經濟理念，深入推進工業循環生產模式，以更高的循環生產水平推動長江經濟帶的污染排放強度下降。政府應建立兼備“大棒與蘿卜”特征的激勵約束機制，“兩手齊抓”（一手以定期督查與懲罰制度倒逼、一手以稅收優惠與獎勵補貼激勵）促進工業企業再利用固體廢棄物的主觀能動性與效率的提升，推動生產要素使用模式由粗放轉向集約，緩解污染排放強度上升的壓力。⑤重視污染排放強度的累積滯后效應，沿長江城市的節能減排政策的執行強度應保持時序上的連貫性。⑥鑒于污染性產業存在由沿江城市就近轉移至相鄰城市的可能以及水與大氣的自由流動，立足省級空間層面統籌制定強度一致、協調聯動的污染減排等環境保護與治理政策是極有必要的。

參考文獻

[1]劉亦文， 文曉茜， 胡宗義. 中國污染物排放的地區差異及收斂性研究[J]. 數量經濟技術經濟研究， 2016， 33（4）：79-95.

[2]吳傳清， 董旭. 環境約束下長江經濟帶全要素能源效率研究[J].中國軟科學， 2016（3）：73-83.

[3]王宇昕， 余興厚， 熊興. 長江經濟帶污染物排放強度的空間差異及影響因素研究[J]. 西部論壇， 2019， 29（3）：104-114.

[4]陳明華， 仲崇陽， 張曉萌， 等. 長江經濟帶城市污染排放分布動態及趨勢[J]. 城市問題， 2018（11）：37-48.

[5]汪克亮， 孟祥瑞， 楊寶臣， 等. 基于環境壓力的長江經濟帶工業生態效率研究[J]. 資源科學， 2015， 37（7）：1491-1501.

[6]黃磊， 吳傳清. 長江經濟帶生態環境績效評估及其提升方略[J]. 改革， 2018（7）：116-126.

[7]KEELER E， SPENCE M， ZECKHAUSER R. The optimal control of pollution[J]. Journal of economic theory， 1972， 4（1）： 19-34.

[8]BECKER R A. Intergenerational equity： the capital-environment trade-off[J]. Journal of environment economics and management， 1982， 9（2）： 165-185.

[9]STOKEY N L. Are there limits to growth？[J]. International economic review， 1998， 39（1）：1-31.

[10]彭水軍， 包群. 環境污染、內生增長與經濟可持續發展[J]. 數量經濟技術經濟研究， 2006， 23（9）：114-126.

[11]SELDEN T M， SONG D. Neoclassical growth， the J curve for abatement， and the inverted U curve for pollution[J]. Journal of environmental economics & management， 1995， 29（2）：162-168.

[12]黃茂興， 林壽富. 污染損害、環境管理與經濟可持續增長：基于五部門內生經濟增長模型的分析[J]. 經濟研究， 2013（12）：30-41.

[13]AU C C， HENDERSON J V. Are Chinese cities too small？[J]. Review of economic studies， 2006， 73（3）：549-576.

[14]GREENSTONE M， HANNA R. Environmental regulations， air and water pollution， and infant mortality in India[J]. American economic review， 2014， 104（10）：3038-3072.

[15]陳詩一， 陳登科. 霧霾污染、政府治理與經濟高質量發展[J]. 經濟研究， 2018（2）：20-34.

[16]楊騫， 王弘儒. 長江經濟帶水污染排放的地區差異及影響因素研究：2004—2014[J]. 經濟與管理評論， 2016（5）：141-147.

[17]陳冷璇， 李強. 長江經濟帶工業污染時序變化及空間分異研究[J]. 山西師范大學學報（自然科學版）， 2018， 32（3）： 81-86.

[18]郝國彩， 徐銀良， 張曉萌， 等. 長江經濟帶城市綠色經濟績效的溢出效應及其分解[J]. 中國人口·資源與環境， 2018， 28 （5）：78-86.

[19]劉華軍， 孫亞男， 陳明華. 霧霾污染的城市間動態關聯及其成因研究[J]. 中國人口·資源與環境， 2017， 27（3）：74-81.

[20]孫博文， 程志強. 市場一體化的工業污染排放機制：長江經濟帶例證[J]. 中國環境科學， 2019， 39（2）： 868-878.

[21]BERTRAND M， MULLAINATHAN D S. How much should we trust differences-in-differences estimates？[J]. Quarterly journal of economics， 2004， 119（1）：249-275.

[22]MOSER P， VOENA M. Compulsory licensing： evidence from the trading with the enemy act[J]. American economic review， 2012， 102（1）： 396-427.

[23]傅佳莎， 浦正寧， 蔡軒. 資源型城市轉型政策實施效果評價：基于PSM-DID方法[J]. 環境經濟研究， 2019， 4（1）： 114-128.

[24]趙領娣， 徐樂. 基于長三角擴容準自然實驗的區域一體化水污染效應研究[J]. 中國人口·資源與環境， 2019， 29（3） ： 50-61.

[25]尤濟紅， 陳喜強. 區域一體化合作是否導致污染轉移[J]. 中國人口·資源與環境， 2019， 29（6） ： 118-129.

[26]林春. 財政分權與中國經濟增長質量關系：基于全要素生產率視角[J]. 財政研究， 2017（2）： 73-83，97.

[27]干春暉， 鄭若谷， 余典范. 中國產業結構變遷對經濟增長和波動的影響[J]. 經濟研究， 2011（5）：4-16.

[28]DORASZELSKI U， JAUMANDREU J. R&D and productivity： estimating endogenous productivity[J]. Review of economic studies， 2013， 80（4）：1338-1383.

[29]毛其淋， 盛斌. 對外經濟開放、區域市場整合與全要素生產率[J]. 經濟學（季刊）， 2011， 11（1）： 185-214.

[30]李標， 吳賈， 陳姝興. 城鎮化、工業化、信息化與中國的能源強度[J]. 中國人口·資源與環境， 2015， 25（8）：69-76.

[31]CAO K H， BIRCHENALL J A. Agricultural productivity， structural change， and economic growth in post-reform China[J]. Journal of development economics， 2013， 104（9）： 165-180.

[32]PENEDER M. Industrial structural and aggregate growth[J]. Structural change and economic dynamics， 2003， 14（4）：427-448.

[33]李標， 宋長旭， 吳賈. 創新驅動下金融集聚與區域經濟增長[J]. 財經科學， 2016（1）：88-99.

[34]伍國勇， 段豫川. 論循環經濟：兼論生態經濟、循環經濟、低碳經濟、綠色經濟的異同[J]. 農業現代化研究， 2014， 35（1）： 5-10.

[35]BLUNDELL R， BOND S. Initial conditions and moment restrictions in dynamic panel data models[J]. Journal of econometrics， 1998， 87（1）：115-143.

[36]李標， 宋長旭， 吳賈， 等. 中國新四化對能源強度的影響[J]. 資源科學， 2017， 39（8）：1444-1456.

[37]SADORSKY P. The effect of urbanization and industrialization on energy use in emerging economies： implications for sustainable development[J]. American journal of economics and sociology， 2014， 73（2）： 392～409.

[38]黃磊， 吳傳清. 長江經濟帶城市工業綠色發展效率及其空間驅動機制研究[J]. 中國人口·資源與環境， 2019， 29（8）： 40-49.

[39]劉乃全， 吳友. 長三角擴容能促進區域經濟共同增長嗎[J]. 中國工業經濟， 2017（6）： 79-97.

[40]張友國. 長江經濟帶產業轉移的環境效應測算[J]. 環境經濟研究， 2019（2）：76-91.