環境規制、產業集聚與環境污染的空間溢出研究

何正霞，曹長帥，王建明

（1.江蘇師范大學 商學院，江蘇 徐州 221116；2.浙江財經大學 工商管理學院，浙江 杭州 310018）

一、引 言

改革開放以來，中國城市化進程促進了經濟繁榮發展，與此同時也產生了一系列環境問題，對環境治理造成了極大的威脅［1-2］。在尋求經濟高質量發展的道路上，環境污染問題日益突出，亟須進一步遏制和改善［3-4］。為此，政府部門出臺一系列完善相關產業布局和緩解環境污染的新政策，由國務院制定并實施的《生態文明體制改革總體方案》指出：“加快建立系統完整的生態文明制度體系，加快推進生態文明建設，增強生態文明體制改革的系統性、整體性、協同性。”“十四五”規劃也指出，面對惡化的環境問題，亟須綠色轉型的布局，積極引導污染密集型產業集聚發展。

以環境規制作為解決環境污染問題的主要工具和有力手段，得到了社會廣泛應用和認可［5］。資源和環境約束是污染密集型產業轉移的重要驅動力，也是減輕區域污染物和廢棄物排放的主要措施［6］。但由于各地區的經濟水平、資源稟賦等方面存在一定的差異，環境污染空間集聚現象更進一步加大了政府規制難度［7］。同時，國家引導的污染密集型產業集聚具有明顯的空間特征。在新經濟地理學中，產業集聚既包括正向的外部效應即規模遞減效應、技術創新效應等，也涵蓋負向的外部效應如資源過度消耗、排放增加的“擁擠”效應（congestion effect）等［8］。在追求經濟綠色發展的大背景下，本文從空間視角出發，探究環境規制、污染密集型產業集聚與環境污染之間究竟具有何種關系？污染密集型產業發展擁有怎樣的區位特征和發展方向？今后從哪些方面去發揮空間關聯和空間溢出效應的積極作用？這些問題的探討與解決，對我國經濟綠色轉型與可持續發展具有重要的現實意義。

現有研究多以制造業或工業為主要研究對象，本文對環境影響更為顯著的污染密集型企業進行研究［9］。從時空視角，選取2003—2018年中國30個省份（不包括西藏和港澳臺地區）數據，建立空間計量模型，考察我國環境污染及污染型產業集聚的重心遷移狀況，探討環境規制和污染型產業集聚對環境污染的影響。在此基礎上，檢驗了產業集聚與環境污染之間的庫茲涅茨曲線關系，并從節能減排視角出發，為污染密集型產業合理布局提供理論依據，提出緩解環境問題和促進經濟綠色轉型的政策建議。

二、文獻綜述與研究假設

（一）環境規制與環境污染的關系研究

環境規制作為緩解環境問題的重要工具和抓手，在各個國家和地區都得到了廣泛研究和應用［10］。但由于選取指標、研究樣本不同，學術界對環境規制與環境污染之間的關系有不同觀點，目前尚未形成統一結論，所以運用綜合指標權重實現對環境規制強度的統一衡量是環境規制研究的重點。從污染排放視角來看，Poter（1996）認為，較強的環境規制可以減少對環境的污染，同時促進企業進行更多的創新活動，由技術創新帶來的生產效益還能夠有效抵消環境保護成本［11］；Dasgupta等（2001）、Thiel等（2016）研究表明，環境規制能夠顯著抑制環境污染，較高的環境壓力促使企業進行研發和技術升級，污染物得到了更高的利用率和處理率，從而減少了環境污染［12-13］；Ambec等（2013）以美國制造業為例，得出環境規制可以提高企業的經營效率，如競爭力、利潤率等［14］；Zhou和Feng（2017）研究表明，環境規制可以顯著抑制重工業的擴張，減少化石能源的使用，其與環境污染排放之間存在顯著的負向關系［9］；Elgin和Mazhar（2012）利用一百多個國家的面板數據實證得出，環境規制對環境污染有顯著的抑制作用［15］。從排放污染企業數量來看，List等（2013）認為，嚴格的環境規制使得排放大量污染的新小企業數量銳減，由于嚴格的制度及措施大大提高了生產廠商的成本，市場準入門檻提升，間接導致了環境污染的減少［16］。此外，本省通常會借鑒和模仿相鄰省份對環境治理的有效措施，這會促使環境規制在全局或全區域內的作用更趨于平衡，因而從全局層面來看，這種措施也將進一步改善環境污染惡化問題［47-48］。

還有研究表明，環境規制并不能有效減少環境污染問題。如Sinn（2008）提出“綠色悖論”，認為環境規制并不利于環境污染物的減排，反而會降低企業的經營效率，不利于環境質量的提高［17］；Saltari和Travaglini（2011）、Leiter等（2011）研究得出相似的結果，即嚴格的環境規制對企業經營有著顯著抑制作用，對污染排放反而存在正向促進關系［18-19］。

還有部分學者研究得出，環境規制對環境污染減排的抑制效果存在不確定性，可能是環境規制強度的差異［10］。這些研究認為，環境規制與環境污染關系存在不確定性，其原因主要是，較高的環境規制雖然有利于抑制環境污染的排放，但會增加企業的經營成本和經濟負擔，從而對環境污染減排并沒有顯著的效果［17，20］。本文將環境規制對環境污染的影響按長短期劃分，短期內，由于政府強有力的環境規制政策措施，使得企業生產經營成本迅速上升，技術更新尚未完成，無法調整其生產方式，在“成本”效應主導的情況下，可能會使部分企業的污染排放得不到有效改善［21］；但長期看，環境規制持續進行，污染企業進行綠色技術創新，“創新”效應遠遠大于“成本”效應，技術創新會提高生產效率和污染處理率，這使得污染排放進一步減少。同時，向相鄰省份的規制政策學習和借鑒等行為，會使得全局層面的污染得到進一步遏制［48］。基于此，本文提出假設1。

H1：環境規制能夠有效緩解環境污染問題，同時降低環境污染的空間溢出效應。

（二）產業集聚與環境污染的關系研究

現有關于產業集聚與環境污染關系的研究主要有以下三種觀點：

一是產業集聚會加劇環境污染。原因是產業集聚規模不斷擴大，所需要的能源和資源消耗遞增，導致環境污染進一步惡化。Van和Verhoef（2008）、Wang和Wang（2019）認為產業集聚會帶來人口數量的擴張和資源浪費，從而導致環境污染進一步惡化［22-23］；王兵和聶欣（2016）通過準自然實驗發現，產業集聚區建立后，污染物排放有急劇增加的趨勢［24］；就某一集聚區來看，產業集聚短期內給眾多企業、人口造成了環境負擔和壓力，從而不可避免地引起環境污染物排放的急劇上升。

二是產業集聚對環境污染有著顯著的節能減排效應［25］。眾多經濟理論從多角度解釋了這種減排效應：集聚經濟理論認為，空間上的產業集聚有利于企業展開分工協作，促進技術及知識的傳播，導致學習效應溢出；區域內的產業集聚必然會帶來企業間的競爭，而競爭會帶來創新；此外，地理上的區位集聚加快了企業間采納創新成果的速度，這種區位因子的組合使得集聚企業的生產成本和運輸成本最小化［25］。規模經濟理論認為，產業集聚能夠帶來規模效應，進一步提高企業的生產和經營效率，并改善區域內的創新環境；規模經濟多是一種指向性集聚，即為了充分利用某種優勢而形成的產業集聚［28］；在聯合發展或合并的前提下，生產成本、結構成本、交易費用進一步降低，從而能夠正向改善企業內部的創新環境，為污染物的綜合處理提供技術支持［29］。產業組織理論認為，產業集聚區作為市場結構中相對優勢的競爭群體，相較于劣勢的企業群體具有一定的壁壘準入條件，避免了低端和下游產業鏈的進入，從而間接促進了節能減排；并且這種產業組織群體能夠很好地維持企業有足夠的競爭活力去改善經營環境、提高技術創新能力以及降低生產和結構成本，從而形成正向的污染治理效果［11］。Krugman（1998）、Ehrenfeld（2003）認為,產業集聚在技術和知識的傳播下，能夠產生顯著的正向環境效益［26-27］；Karkalakos（2010）、Dong（2012）認為，產業集聚之所以能夠產生正外部性，是因為經濟的規模增長和技術的進步［28-29］；Copeland和Taylor（2014）認為，產業集聚能夠帶來污染治理的規模效應，帶來更高的廢物利用率及污染綜合處理率［30］。

三是產業集聚與環境污染之間呈“倒U”型曲線關系，即庫茲涅茨曲線。Jalil和Feridun（2011）通過引入集聚指標平方項的方法，發現產業集聚能夠促進污染物的排放，隨著集聚水平的提高，污染物排放顯著減少［31］；李筱樂（2014）基于中國各省份的閾值模型，得到了相同的結果［32］；Feng等（2020）利用空間計量的方法研究得出，工業集聚與污染具有先促進后抑制的關系［33］。事實上，中國引導的產業集聚在節能減排上起到了重要作用。長期以來，為了促進集聚效應、進一步節約成本，大量企業在一些區位優勢的地區布局，如東部沿海地區。Pei等（2021）、沈能（2021）發現，長江經濟帶的工業集聚明顯改善了環境狀況［34-35］。沈悅和任一鑫（2021）研究發現，當產業集聚帶來的負外部性大于正外部性時，產生的擁擠效應會大于集聚或規模效應，從而加劇了環境污染狀況［36］。當負外部性小于正外部性時，集聚或規模效應遠大于擁擠效應，集聚地在向心力的作用下，各種要素會不斷涌入集聚地，致使集聚區的技術、知識效應不斷被放大，從而達到改善環境污染的效果。由此可見，產業集聚與環境污染之間可能存在一種非線性關系，如圖1所示。

圖1 產業集聚與環境污染的非線性機制

基于此，本文提出假設2。

H2：污染密集型產業集聚會加劇環境污染狀況，并存在正向的空間溢出效應；同時，污染密集型產業集聚與環境污染之間存在“倒U”型非線性關系。

以往文獻多研究產業集聚與環境污染之間的空間溢出關系，但并未深入探究兩者在空間溢出作用下的時空重心轉移狀況，而聚焦污染密集型產業可以更好地識別污染型產業與環境污染之間的關系。相關研究也未指出環境規制的統一衡量標準，使得研究存在不一致的結論，故以綜合指標統一衡量環境規制強度有其必要性。

三、模型構建與數據說明

（一）計量模型構建

由于環境污染排放是一個持續變化的動態過程，考慮時間上的滯后性，故引入環境污染排放的一階滯后項。為研究本省及空間關聯省份的環境規制、污染型產業集聚水平與環境污染的空間關系，本文采用動態空間杜賓模型進行實證分析：

其中：i代表省份；t代表時間；ρ為空間自相關系數；W ij為空間權重矩陣；β、δ分別為解釋變量和控制變量的系數；Z it為控制變量，包括各省份的年末人口總量（P）、人均工資水平（Wage）、科學技術投入（T）和各省的外商直接投資（Open）；μi為空間固定效應；ωt為時間固定效應；εit為隨機擾動項。當θ=φ=0時，模型可化簡為SAR模型；當ρ=0且θ=φ=0時，模型可化簡為SEM模型。

（二）主要變量說明

1.環境污染排放

二氧化硫是大氣污染的主要成分，我國也是二氧化硫排放較多的國家之一，因此，目前計劃減排的兩個主要污染指標包括二氧化硫［4］。由于不同污染物單位不同導致的不可加性，本文根據污染物成分比重與危害程度，采用單一污染物二氧化硫排放指標來衡量環境污染排放，并鑒于數據的可獲得性和完整性，使用各省份工業二氧化硫排放總量的自然對數作為環境污染排放的衡量指標。

2.污染型產業集聚

不同產業集聚水平測度有所不同，區位熵在計量某產業集聚水平時，更加具有的專業化優勢。也有一些學者采用空間基尼系數、空間自相關系數或赫芬達爾指數等進行測度［9，15］。但要測量各省份污染密集型產業集聚水平，不僅要消除各省份之間的規模差異，還要反映省份間的專業化優勢和空間分布格局，因而使用區位熵更加合理［37-38］。本文將排放廢氣污染行業、排放廢水污染行業及排放固體廢料行業中排放最高的5個行業，如電力、煤炭等作為污染密集型產業［39-40］，除去重復項共選取10個行業。借鑒劉宇寧等（2019）的方法［41］，將10個污染密集型行業的從業人數作為產出指標，計算污染密集產業區位熵。具體計算公式為：

3.環境規制強度

本文利用熵權法，選取工業環境去除率（x1）、工業煙粉塵去除率（x2）、工業固體廢物綜合利用率（x3）、工業廢水處理率（x4）以及生活垃圾無害化處理率（x5）等指標，綜合衡量各省份的環境規制強度。具體計算步驟如下：

（1）將原始數據標準化，公式如下：

其中：x ij為第i個省份j項指標的原始數值；x′ij為標準化后的指標值；xˉ、s j分別為第j項指標的平均值、標準差。

（2）將各指標同度量化，計算第j項指標下第i個省份占該指標的比重（p ij），公式如下：

（3）計算第j項指標熵值（e j），公式如下：

其中：k=1/ln(n)；e j≥0。

（4）計算第j項指標的差異系數（g j），公式如下：

（5）差異系數歸一化，計算第j項指標的權重（w j），公式如下：

（6）計算第i個省份的污染密集型產業集聚水平（ERi），公式如下：

4.控制變量

本文選取各省份年末人口總量（P）、人均工資水平（Wage）、科學技術投入（T）和實際利用外資（Open）作為控制變量。年末人口總量（P）體現本省的人口基數，一般認為人口基數越大，產生環境污染越多，人口向周圍省份遷移越多［36］；人均工資水平（Wage）體現各省份居民的人均購買力，人均購買力越強，對資源的消耗和產生的污染越大［38］；科技投入（T）反映了各省份的技術創新水平，對環境污染防治與處理有著關鍵性作用［41］；實際利用外資（Open）體現本省份外資企業的密集程度，引進外資可能會引起污染產業的結構升級，資源消耗性企業的引進在經濟發展的同時也會帶來環境污染［32］。

（三）數據來源與變量描述性統計

各變量的描述性統計見表1所列。

表1 描述性統計

四、實證檢驗

（一）空間自相關檢驗

1.全局莫蘭指數在進行空間計量分析之前，對環境污染進行空間自相關檢驗。空間自相關是一種分析屬性值在空間鄰接或空間相鄰區域內相似性的方法［42，45］。目前認可的全局Moran'sI指數如下［43-44］：

由表2可見，2003—2018年我國總體環境污染水平的全局Moran'sI指數均顯著且為正，取值范圍在0.280～0.450之間。結果表明，我國整體的環境污染水平存在顯著正向空間自相關，呈現比較強的空間集聚模式。

表2 環境污染全局莫蘭指數

2.局部莫蘭指數

局部的空間自相關性，可由局部Moran'sI指數來檢驗［46］，公式如下：

其中：I i為局部自相關指數；y i和yˉ為不同省份之間的屬性值；n為省份數量；W ij為空間權重系數矩陣。

2003年和2018年環境污染局部空間關聯性檢驗結果如圖2所示，這兩年的環境污染局部莫蘭指數分別為0.168、0.213，表明各省份環境污染具有很強的空間自相關性。通過局部莫蘭散點圖可以發現，位于第一象限的即環境污染為“高—高”集聚模式的省份，呈現由東部沿海地區向中西部地區不斷轉移的趨勢。2018年，集中在內蒙古、遼寧、河南、河北等省份，這些都是傳統的工業和資源儲備大省，環境狀況較為嚴峻，同時污染水平向周邊地區轉移溢出。位于莫蘭散點圖第三象限的即環境污染為“低—低”集聚模式的省份，主要是中西部地區的甘肅、貴州、新疆等，還有北京、天津等環境規制較強的直轄市等。

圖2 環境污染局部空間關聯性檢驗

3.環境污染及污染密集型產業集聚時空格局演變特征

運用ARCGIS自然斷裂點，對30個省份的環境污染排放強度及污染密集型產業集聚水平進行分級處理，一共分為5級，包括環境污染高強度地區、中高強度地區、中強度地區、中低強度地區、低強度地區，如圖3a、圖3b分級圖所示。研究發現，2003—2018年，山西、內蒙古、河北、山東、遼寧等省份一直為環境污染排放高強度地區及中高強度地區，可能是由于資源型城市的發展需要依賴資源的開發，因此污染排放一直居高不下。此外，可以看出緊鄰東部沿海地區的中部和西北部省份，環境污染強度級別由中低強度上升為中高強度，如新疆、重慶、江西、安徽等。

圖3 環境污染及污染密集型產業集聚時空格局演變

圖3c、圖3d分級圖中，對污染密集型產業集聚做分級處理發現，污染密集型產業集聚高強度地區有內蒙古、山東、遼寧、江蘇等省份，這與環境污染水平的分布一致。原因可能是內蒙古、山西、河北、遼寧等省份多依賴資源的開發與加工，導致污染密集型產業集聚水平一直居高不下。低強度地區有青海、甘肅等。2003—2018年，中部各省份污染密集型產業集聚均上升了一個檔次，污染密集型產業集聚整體趨勢有向中西部轉移的傾向。省域集聚水平演變是一個動態過程，因此根據省域實際環境污染狀況的不同，實行差異化減排政策極具現實意義。

（二）環境污染及污染型產業集聚重心轉移概況

本文采取標準差橢圓來探究環境污染及污染型產業集聚重心轉移狀況。其中：x i、y i為研究區域i的坐標；為研究對象到加權平均中心的坐標偏差；n為省份數量；σx、σy分別為x軸和y軸的標準差。

從圖4可以看出，中國總體環境污染重心由2003年的（113.64°E，35.29°N）轉移至2018年的（112.28°E，34.37°N），空間旋轉角由21.81°增加到98.73°，從以河南為中心逐漸向河南、山西邊界靠攏，說明15年來，環境污染重心出現由東南部沿海向中西部遷移的趨勢。面積由2003年的328.79萬km2擴大到2013年的330.96萬km2，再到2018年的328.57萬km2，環境污染呈現先擴大后縮小的趨勢，說明近些年中國政府推行環境治理、經濟綠色發展的舉措取得了顯著成效。

圖4 環境污染平均集中率重心遷移

從圖5可以看出，2003年污染密集型產業集聚分布明顯小于2018年，長半軸由2003年的1 043.97 km增加到2018年的1 143.68 km，短半軸由2003年的792.52 km，增加到2018年的1 035.5 km，說明2018年污染密集型產業分布相較于2013年呈現明顯擴大的趨勢。同時，面積由2003年的259.91萬km2擴大到2018年的372.03萬km2，污染密集型產業集聚圈不斷增大，這與近些年中國政府倡導的集群發展策略相一致。從整體布局來看，污染密集型產業重心經緯度由2003年的（113.17°E，33.55°N）變動為2018年的（112°E，34.31°N），由河南、河北的邊界向河南、山西邊界線性遷移。空間旋轉角由22.81°增加為52.33°，逐步呈現由東部沿海向中西部遷移的趨勢，這與環境污染重心遷移的方向幾乎一致。

圖5 污染密集型產業重心遷移

（三）空間計量回歸

首先運用Hausman檢驗公式（1），結果拒絕了原假設即拒絕了隨機效應回歸，則采用固定效應回歸；其次進行LR檢驗和Wald檢驗，原假設均不通過，故選擇空間杜賓模型；最后根據R2判斷出時空固定的空間杜賓模型擬合最好，所以選擇時空固定的杜賓模型。結合解釋變量回歸系數的估計結果及分解后的直接效應和空間效應，分析環境規制、污染密集型產業集聚對環境污染的具體影響，各變量對環境污染水平的效應分解結果見表3所列。

由表3可知，被解釋變量的空間系數顯著為正，表明各省份環境污染具有顯著的空間溢出效應；各省份環境規制強度的回歸系數顯著為負，由此H1得到驗證。污染型密集產業集聚水平的回歸系數顯著為正，其平方項系數顯著為負，表明污染密集型產業集聚與環境污染水平之間存在顯著的“倒U”型曲線關系，H2得到驗證。人口總量（P）、人均收入水平（Wage）、外商直接投資（Open）在直接效應和空間溢出效應檢驗中，回歸系數均顯著為正；科學技術投入（T）的直接效應和空間效應回歸系數均顯著為負。

表3 空間面板杜賓模型計量回歸結果

（四）效應分解測度

當空間滯后系數不為0時，解釋變量的回歸系數并不能準確地反映對被解釋變量的影響［56］。為準確估計環境規制和污染型產業集聚對環境污染的影響，本文在SDM模型基礎上進行了效應分解，分別為直接效應和空間效應。直接效應代表本省環境規制強度和污染型產業集聚對本省環境污染的影響；空間效應代表本省環境規制強度和污染型產業集聚對相鄰省份環境污染的影響。

由表4效應分解測度結果可知，短期內，環境規制直接效應和空間效應均顯著且為負，表明本省環境規制強度越大，環境污染狀況越能夠得到顯著改善，但不僅僅是省份內部的現象，隨著地理空間距離的擴大，負的空間溢出效應亦顯著；污染型產業集聚的直接效應和空間效應均顯著為正，表明本省污染型產業集聚水平越高，環境污染水平也隨之增高，同時對相鄰省份具有正的空間溢出效應。污染型產業集聚水平的平方項系數均顯著為負，表明污染型產業集聚與環境污染呈“倒U”型曲線關系，即隨著集聚水平的提高，環境污染水平會隨之增加，而隨著集聚水平的持續上升，環境污染水平會逐漸降低。

表4 效應分解測度

（五）穩健性檢驗

在空間計量中，以往多采用轉換空間矩陣的方式進行穩健性檢驗。因此，本文將空間矩陣轉換為經濟空間矩陣，再進行SDM模型檢驗。檢驗結果及效應測度見表5、表6所列，根據回歸結果可以得出與前述相同的結論，說明本文研究結果是穩健的。

表5 經濟空間矩陣空間面板杜賓模型回歸結果

表6 經濟空間矩陣下效應分解測度

續表5

五、回歸結果討論

（一）環境規制對環境污染具有顯著抑制作用，且存在負向的空間溢出效應

環境規制強度提升時，能夠對本省環境污染水平起到總體上的抑制效果。空間溢出效應顯著為負，說明本省的環境規制強度對相鄰省份環境污染具有改善作用。這種溢出效應在空間上是雙向的，本省通常會借鑒和模仿相鄰省份對環境治理的有效措施，這會促使環境規制在全局或全區域內的作用更加趨于平衡。從全局層面看，這種措施也將進一步改善環境污染惡化問題，這與Blackman和Bannister（1998）、Peng等（2018）的研究結論一致［47-48］。我國各級政府在污染治理中采取協同治理辦法，相鄰省份污染防治相關部門相互學習并借鑒環境規制治理的經驗，會不斷提高環境規制在全局范圍內的強度，進而使得環境污染得到控制［48］。

（二）污染型產業集聚與環境污染存在“倒U”型關系，且存在正向空間溢出效應

本文的實證分析證實，污染型產業集聚與環境污染存在“倒U”型關系，這表明在產業集聚形成的早期，產業集聚的直接效應和空間溢出效應均顯著為正，即當本地的污染密集型產業集聚水平提高時，當地的環境污染態勢加劇，同時會對鄰近省份有一定的正溢出效應。隨著集聚水平的提高，高污染型產業的環境污染排放也隨之增加，導致環境污染進一步加劇，此時，產業集聚產生的“擁擠效應”對環境污染占據主導地位。但隨著產業集聚水平進一步提高，即在產業集聚發展到一定閾值時，產業集聚將通過規模效應提高生產效率，在擴大生產規模的同時，實現投入原料及成本的減少，進而降低了環境污染或為環境污染防治提供資金支持。產業集聚水平的提高還有助于開發和提高環保創新技術、降低資源能耗、提高污染物的綜合利用率和集中處理率，進一步對環境污染起到改善作用，此時，產業集聚產生的“規模效應”和“技術創新效應”對環境污染將占據主導地位。一些學者分析產業集聚與環境污染存在“倒U”型關系的深層次原因，認為環境污染是一種氣體污染，大氣層的流動帶動著環境污染向相鄰省份擴散，導致污染向相鄰省份溢出。當污染密集型產業集聚達到一定規模時，環境污染會主要集中在集聚區，而由集聚帶來的“規模效應”和“技術創新效應”將超過集聚帶來的“擁擠效應”，從而減少污染物的排放，那么隨大氣流動帶來的溢出擴散效應也將不斷降低［4，48］。

（三）控制變量對環境污染的影響分析

首先，人口總量（P）在直接效應和空間溢出效應中，系數均顯著為正，表明本省人口總量的增加會使得本省的污染排放增加，同時會對相鄰省份產生一定的空間正溢出效應。人口基數的增長帶來資源消耗品的增加，從而進一步擴大本省污染密集型產業市場，導致環境污染狀況進一步加劇［49］。同時，本省人口總量的增長會增加相鄰省份的人口遷移量，提高資源消耗率，導致環境污染溢出。其次，人均收入水平（Wage）在直接效應和空間溢出效應中，系數均顯著為正。本省居民人均收入的提高使得居民購買力增強，市場潛力擴大，導致對生活及工業消費品購買的增加。一方面，消費者對生活及工業消費品的消耗，增加了環境污染排放；廠商在進一步擴大生產以滿足市場需求時，工業生產的環境污染排放強度也在不斷增加。另一方面，購買力的提升會刺激相鄰省份工業品及生活用品需求增加，考慮運輸距離等因素，會使得相鄰省份污染產業進一步擴大生產，從而導致環境污染產生正的空間溢出效應。再次，科學技術投入（T）的直接效應和空間效應系數均為負數。科學技術投入的增長表明本省技術創新水平的提高，會對污染排放有正向的外部性和創新補償效應［50］。這既能提高污染型產業的生產效率和污染綜合處理率，同時能夠對相鄰省份產生一定的技術溢出效應，很好地緩解了環境污染的狀況。最后，外商直接投資（Open）的直接效應和空間效應系數均顯著為正，表明外商直接投資在促進階段發展的同時，也在一定程度上加劇了本省的環境污染狀況，并對相鄰省份有一定的空間正溢出效應。基于“污染天堂”假說，污染密集型產業往往建立在環境標準比較低的地區［51］。在本省大量引進外資的情況下，往往會忽視對引進外資的環保性及產業的環境管制等問題［52］，據國家統計局統計，我國引進的實際利用外資中，制造業占比達到30%，可見，我國引進的外商直接投資過去過于集中在污染密集型產業，從而進一步加劇了對環境的污染［53-55］。

六、結論與建議

（一）結論

本文基于環境規制理論、產業集聚理論和空間經濟理論，從空間溢出視角出發，探討產業集聚與環境污染重心的轉移情況，采用動態空間計量方法，發現環境規制對環境污染有著顯著的抑制作用且存在負向的空間溢出效應；進一步聚焦污染密集型產業，識別污染型產業集聚與環境污染之間存在非線性機制。本文還從空間溢出視角探討了環境規制、產業集聚與環境污染三者的關系，試圖更加立體動態地描繪環境規制和產業集聚對環境污染的作用機制，在一定程度上豐富了環境規制和產業集聚理論。主要研究結論如下：

（1）中國各省份環境污染和污染密集型產業均具有顯著的空間自相關和顯著的空間聯動效果。其中，環境污染呈現“高—高”集聚模式的省份有內蒙古、遼寧、河南、河北等資源儲備型工業大省；呈現“低—低”集聚模式的省份主要集中在甘肅、貴州、新疆等工業基礎薄弱的中西部省份以及北京、天津等環境規制強度較大的直轄市；通過標準差橢圓模型可以得出，環境污染和污染密集型產業重心具有由東南部沿海省份向資源儲備豐富的中西部省份遷移的趨勢。

（2）本文利用熵權法綜合衡量環境規制強度，通過動態空間計量實證分析得出，環境規制對本省的環境污染具有顯著的抑制效應，并存在負向空間溢出效應，即本省的環境規制也會使相鄰省份環境污染狀況得到進一步緩解。此外，驗證了中國污染密集型產業集聚水平與環境污染之間存在顯著的“倒U”型非線性關系，意味著集聚水平的提高會導致環境污染的銳增，但隨著集聚水平提高到一定程度時，產業集聚給環境污染帶來的正外部性會大于其負外部性，即通過技術和知識溢出效應來改善環境污染狀況。

（3）人口密度、人均收入及外商直接投資的提高均會加劇環境污染，并對相鄰省份有一定的空間溢出效應；科學技術投入的增加則能顯著抑制環境污染，對環境污染有整體改善。

（二）建議

基于上述分析，為改善環境污染狀況，本文從以下幾個方面提出建議：

（1）在環境污染和污染密集型產業向中西部轉移的同時，建議各省份應該提前加大環境規制強度，建立完善的環境污染治理機制［57］。國家應鼓勵中西部各省份學習環境治理經驗，貫徹落實到本省環境污染治理中，同時轉移沿海地區環保技術，避免先污染后治理的局面發生。

（2）本省環境污染狀況不僅受到本地區環境規制強度的影響，同時相鄰省份環境規制強度對本省的環境污染也具有一定的改善作用。因此，在制定針對本省的環境規制政策時，應該注重多省份的協同治理減排，建立跨區域溝通、學習和交流的規制聯防體系，深化各個區域的通力合作，共同構建和完善高效、共享、共贏的環境污染治理規劃體系。

（3）客觀看待產業集聚給環境污染帶來的節能減排效應，針對不同污染型產業集聚水平的省份，實行差別化分層治理措施。集聚水平較低的東部沿海省份，應該進一步集聚國內科技創新公司，加快綠色技術創新步伐，努力打造綠色、智慧、共享的產業發展集群，進一步實現污染型產業結構升級［27］；寧夏、內蒙古等集聚水平較高的省份，可以繼續招商引資，進一步擴大集聚經濟圈的規模。在進一步擴大集聚規模的同時，不能忽視污染密集型產業集聚帶來的污染溢出，鑒于多元化集聚對環境污染的排放效應，提前建立健全污染物集中治理機制，改進環保技術，減少環境污染排放。

（4）國家應提高引進外資的環境標準，減少引進高污染的外資企業，不斷提高環境友好型或高端技術產業的引進比例以及環境準入標準［52］。進一步提高可再生能源和新能源的結構份額，減排目標可以通過能源系統向清潔能源轉型來實現。同時，加大各省份科技創新投入，通過“技術創新補償效應”帶來的正外部性不斷改善環境狀況。