城市人口聚集度對空氣污染的影響效應

程開明 洪真奕

摘要 為識別城鎮化進程中城市人口聚集對空氣污染產生的影響效應，利用2004—2018年253個地級以上城市的面板數據、Land? scan 全球人口動態統計數據、DMSP 和Flint夜間燈光數據，構建雙邊隨機前沿模型測算城市人口聚集度影響空氣污染的集聚效應、蔓延效應及凈效應。結果表明：①2005-2018年中國城市人口聚集度變動對空氣污染造成的集聚效應略強于蔓延效應，集聚效應使城市空氣污染水平降低26.67%，蔓延效應使環境污染水平上升24.66%，兩者的綜合作用使城市實際空氣污染水平比“污染邊界”低2.01%。②隨著城市人口聚集度提高，集聚效應不斷增強，蔓延效應則逐漸減弱，兩種效應呈現出明顯的反向聯動性;城市人口聚集度跨越門檻值后，集聚效應超過蔓延效應占據主導地位，對空氣污染的綜合影響由“加重污染”轉變為“減輕污染”，總體上城市人口聚集度提高有利于改善空氣污染。③不同聚集類型城市的人口聚集度對空氣污染的影響效應存在較大差異，松散型和中低聚集型城市的蔓延效應仍占主導地位，高聚集型和聚合型城市的集聚效應發揮主導作用。④城市人口聚集度影響空氣污染的凈效應均值在不同年份變動不大，但地區之間差異明顯，東部城市的凈效應均值為正，而中部和西部城市的凈效應均值為負。上述結論對于開展城市人口與空間管理具有啟示意義，應從推動人口集聚、防止城市蔓延、合理規劃城市功能布局等方面采取針對性措施，提高城市人口聚集度，改善城市空氣質量。

關鍵詞 城市人口聚集度;空氣污染;集聚效應;蔓延效應;雙邊隨機前沿模型

中圖分類號 C921? 文獻標志碼 A?? 文章編號1002-2104（2022）02-0051-12?? DOI：10.12062/cpre.20210402

改革開放以來中國城鎮化快速推進，城市規模擴大的同時城市人口空間分布也不斷演變，一些城市人口呈現出“中心化聚集”特征，而部分城市人口表現為“分散化蔓延”特征。加之過去城市發展主要依賴于高投入、高能耗、高排放的粗放型模式，快速城鎮化帶來的城市空氣污染問題日益突出。城市人口的空間分布特征與空氣污染是否存在關聯性？城市人口的空間聚集度提高會加重空氣污染嗎？為了回答這些問題，需要深入探究城鎮化進程中城市人口聚集度變動對空氣污染的影響效應。

1 文獻綜述

人口空間分布對環境污染的作用機制必然涉及“集聚經濟”這一基本內涵。許多學者解析了經濟要素和人口要素的空間集聚對環境污染的直接影響效應，形成三類代表性的觀點。第一種觀點認為產業與人口集聚有利于減輕城市環境污染。陸銘等[1]測算中國各省地級市間人口規模的差距來衡量行政區域內部人口和經濟活動的聚集程度，發現集聚有利于減少每單位 GDP 的工業污染物排放。城市規模越大，產業集聚的環境改善效應越強，人口集聚同時減輕生產和生活污染，而產業集聚則加重生產污染，對生活污染影響不顯著[2-3]。第二種觀點認為產業與人口集聚對城市環境污染的影響呈現出非線性特征。只有跨越某一門檻值后，產業與人口集聚才能發揮減少污染排放的積極作用，兩者之間表現出倒“U”型曲線關系[4-5]。陶長琪等[6]則發現人口集聚與環境污染的關系滿足正“N”型，這可能與城市綠化建設有關;部分研究指出，人口集聚對污染的影響效應與污染物種類有關，存在一定的異質性[7-8]。第三種觀點對集聚效應持負面態度，認為產業與人口集聚不利于減少污染排放，是造成城市環境惡化的重要原因之一[9-10]。

除直接考察人口集聚與環境污染的關系外，一些研究側重于探討集聚因素對環境污染的間接影響。馬素琳等[11]將產業集聚度作為控制變量，通過動態廣義矩估計（GMM）方法對 Grossman 等[12]提出的“環境庫茲涅茨曲線（EKC）”進行檢驗，發現不同集聚度的城市有著不同形狀的庫茲涅茨曲線。由于人口集聚導致城市規模擴張，部分文獻也關注到城市規模與環境污染的相關性。通常認為城市規模擴大有利于發揮規模效應，提高能源使用效率，進而改善城市環境質量[13]。城市人口規模也可能發揮“門檻效應”，使得其他變量（如經濟發展水平）與環境污染之間呈現出倒“N”型關系[14]。此外，少數文獻關注到集聚因素與環境污染之間的影響路徑，指出人口集聚、經濟集聚與環境污染三者間存在短期的單向環形因果關系和長期的雙向環形因果關系[15]。

通過梳理文獻，發現已有研究存在三個方面的可改進之處。其一，多數研究選用人口密度指標來衡量人口集聚，密度指標固然能夠一定程度上反映人口聚集度的高低，但無法準確捕捉人口的空間分布狀況。譬如一個面積恒定的單位圓內，若使圓內數量恒定的所有人都向圓心處聚集，人口的空間集聚度必然提高，但人口平均密度不變。因此，需選用更恰當的指標來測量人口的空間聚集程度。其二，多數文獻未對人口集聚影響環境污染的效應進行分解，雖然一些研究指出人口集聚對污染在不同階段存在著差異性影響，但未對這些差異性效應及階段性特征開展具體測算。其三，多數研究考慮了集聚因素對污染排放絕對量的影響，但污染作為一種非期望產出更需要結合效率尺度來詳細考察。合理的排污水平并非恒定不變，通常隨著社會經濟發展不斷變化，所以要找到一個與社會經濟發展進程相匹配的“污染邊界”作為參照面，來具體解析人口集聚對污染的影響效應。如果實際排污水平低于這一“污染邊界”，或者實際排污水平增長不如污染邊界增長得快，即使污染排放絕對量增加，依然有理由認為人口集聚有利于減輕環境污染。

基于此，文章創新性地構造“城市人口聚集指數”來反映人口集聚度，解析城市人口聚集度對空氣污染的影響效應。主要貢獻在于：第一，借助Landscan全球人口動態統計數據、DMSP 和 Flint 夜間燈光數據，將中國地級以上城市的“真實城市化區域”和“真實城市化人口”提取出來，進而測算“城市人口聚集指數”，盡可能保證城市人口聚集度的測量指標不丟失空間屬性;第二，通過構建雙邊隨機前沿分析模型來擬合城市“污染邊界”，將其作為參照基準來考察城市人口聚集度對實際污染水平的影響，并探析集聚效應、蔓延效應及凈效應的異質性及穩健性。26B72F93-9BBD-4852-914D-39F60016E475

2 理論解析

2.1 影響機制分析

城市人口聚集程度是對人類活動空間范疇的一項重要測度，能夠衡量城市人口與土地利用的空間適配性，本質上包含城市人口數量和城市土地面積兩方面的特征。城市人口聚集度直觀地體現為城市人口的空間分布，其變動對空氣污染產生兩種方向相反的影響效應。一方面城市人口在空間上的聚集帶來生產成本的降低、經濟效率的提升，推動節能減排，有利于改善空氣污染狀況;另一方面城市人口數量增加引起土地利用的空間擴張，城市空間不斷向外蔓延，增加通勤距離和能源消耗，引致城市空氣質量惡化。綜合來看，城市人口聚集對空氣污染的影響包括集聚效應和蔓延效應兩個方面。

集聚效應主要源自城市人口空間聚集所產生的“集聚經濟”。其一，城市人口聚集有利于提升產業專業化程度，降低生產性污染物的處理成本，減少空氣污染排放;其二，城市人口聚集使得城市各類活動的通勤距離縮短，提高通勤效率，減少遠距離通勤過程中的能源耗損[5];其三，城市人口聚集降低居民出行對私家車的依賴，促進地鐵、共享單車等綠色公共交通發展，減少尾氣排放;其四，城市人口聚集有利于保留城市周邊綠色開敞空間，提升城市大氣環境的自凈能力。此外，城市人口聚集促進人與人之間更密切地相互接觸及監督，增強環保意識，有利于減少個體的環境負外部性行為。

蔓延效應主要源自城市空間擴張導致人口低密度分布與城市分散布局所帶來的影響[16]。較低的城市人口聚集度不利于產業專業化，難以形成產業協同效應，低生產效率使得單位產出能源消耗增加，空氣污染物排放加劇;人口低密度分布和城市分散化布局使得交通網絡和服務設施相對分散，居民區與其他功能區相分離，人們工作、上學、購物等出行活動的距離增加且更依賴于私人小汽車，汽車尾氣排放加劇;城市邊緣出現大量新建住宅及遷建工廠，建造大量的配套基礎設施，吞噬綠色開敞空間，弱化生態環境對空氣污染物的代謝能力，加重空氣污染。

2.2 雙邊隨機前沿模型

基于理論機制分析可知，城市人口聚集度變動對空氣污染的影響包括集聚效應和蔓延效應兩個方面，為有效測度兩種效應的具體表現，參考Kumbhakar 等[17]、盧洪友等[18]的方法，假定每個城市存在一個由當期經濟社會特征決定的“污染邊界μ（xit）”，構建一個典型的雙邊隨機前沿模型：

其中：μ（xit）為“污染邊界”，β為待估參數向量，xit為城市社會經濟特征變量;wit為蔓延效應，表示第i個城市t 期人口聚集度變動促使空氣污染水平pollit向更高水平變化的作用效應，使得實際污染水平高于污染邊界μ（xit）;uit為集聚效應，表示人口聚集度變動促使城市污染水平向更低水平變化的作用效應，使得實際污染水平低于污染邊界μ（xit）;有wit ≥0，uit ≥0，vit為隨機擾動項。假定σ分別表示蔓延效應、集聚效應服從指數分布條件下的方差，σ表示隨機擾動項服從正態分布條件下的方差， wit、uit與vit相互獨立，均獨立于城市特征變量xit。基于以上假定，采用極大似然估計法（MLE）來估計參數值。

記復合擾動項（ wit - uit + vit）為ξit，概率密度函數為

其中，φ（?）和Φ（?）分別為標準正態分布的概率密度函數和累積分布函數，記ait =σ （2σ）+ξit σ u，bit =σ （2σ）-ξitσw;另外，記 hit =ξitσv -σvσw，cit =-ξitσv -σv σ u。

對于包含n 個觀測值的樣本而言，對數似然函數為：

ln [exp （ait ）Φ（cit ）+ exp （bit ）Φ（hit ）]（3）

其中，θ=（β，σw，σu，σv ）′，根據對數似然函數可得到參數的極大似然估計值[19]。

由于重點關注城市人口聚集度對空氣污染所造成的蔓延效應與集聚效應，根據wit和uit的條件密度函數及條件期望估計得到蔓延效應和集聚效應使城市實際污染水平偏離“污染邊界”的程度[17]，估計表達式為：

其中，記λ=1σ u +1σw 。式（4a）表示蔓延效應強度，式（4b）表示集聚效應強度，城市人口聚集度對空氣污染所產生的凈效應表示為：

NE代表蔓延效應與集聚效應的差值。若NE >0，表明蔓延效應強于集聚效應，蔓延效應發揮主導作用;若NE <0，則表明蔓延效應弱于集聚效應，集聚效應發揮主導作用。

3 指標測算與實證模型

3.1 城市人口聚集度測算

鑒于城市人口聚集程度包含城市人口數量和土地面積兩方面的屬性，在此構造“城市人口聚集指數”來衡量城市人口聚集度，指標計算需利用夜間燈光和人口分布兩方面的數據。為與城市社會經濟面板數據2004—2018年的觀測區間保持一致，結合使用兩種夜間燈光數據——美國國家海洋和大氣管理局（NOAA）發布的1992—2013年 DMSP 年度夜間穩定燈光影像數據和中科院中國遙感衛星地面站基于美國 NOAA 的 Suomi-NPP 衛星觀測數據進行處理后的2012—2018年 Flint 年度夜間燈光影像數據。參考Elvidge等[20]、范子英等[21]和劉修巖等[22]的方法對原始燈光數據進行校正，人口統計數據采用Land? scan 全球人口動態統計分析數據庫提供的2004—2018年全球人口分布數據。

城市人口聚集指數（aggreg）的計算要求提取出城市中人口與土地緊密結合的區域，這類區域需滿足兩個條件——“燈光亮度大于某一閾值”的燈光亮度條件以及“人口密度高于某一水平”的人口密度條件，只有同時滿足兩個條件的柵格區域才能被認定為“真實城市化區域”。在提取2004—2013年真實城市化區域時，參照秦蒙等[23]的做法，將提取條件設定為“DMSP 夜間燈光亮度高于10且人口密度大于1000人/km2”;2013年后的DMSP 燈光數據未發布，故采用Flint 燈光數據來提取后續年份的真實城市化區域，并將提取條件調整為“Flint 夜間燈光亮度高于60且人口密度大于1000人/km2”。提取真實城市化區域后，將包含的柵格進行面積加總，得到城市實際土地利用面積（area1000），將柵格區域內的人口數加總得到城市實際聚集的人口規模（pop1000）;類似地，將城市行政區劃內所有柵格面積加總，得到城市土地總面積（area）;將整個行政區域內包含的人口數加總，得到城市總人口（pop），進而利用以下公式計算出城市人口聚集指數：26B72F93-9BBD-4852-914D-39F60016E475

aggregit = =（area1000it areait）×100%

城市人口聚集指數的直觀含義為：對于第i個城市而言，占行政區劃面積a%的“真實城市化區域”承載著數量占總人口p%的“真實城市化人口”。因此，城市人口聚集指數越大，表明該城市的人口聚集度越高。對于部分行政區劃面積過大的城市，該測算方法可能高估真實人口聚集度，為避免這一情況，將酒泉、呼倫貝爾、鄂爾多斯等城市從樣本城市中剔除，最終剩下253個樣本城市。

進一步將城市人口聚集指數（aggreg）按年份計算平均值，得到反映各個城市2004—2018年平均人口聚集程度的“年均人口聚集指數”（aggregm），再利用分位數分級法將253個城市按年均人口聚集指數由低到高劃分為“松散型”“低度聚集型”“中度聚集型”“高度聚集型”和“聚合型”五種類型。松散型城市的年均人口聚集指數小于等于7.3129，低度聚集型城市的年均人口聚集指數介于7.3129～12.2300之間，中度聚集型城市的年均人口聚集指數介于12.2300～19.8648之間，高度聚集型城市的年均人口聚集指數介于19.8648～31.9226之間，聚合型城市的年均人口聚集指數大于等于31.9226。

3.2 計量模型設定與指標選擇

依據理論分析，設定實證分析的基本計量模型為：

（7）

其中，被解釋變量為城市空氣污染水平，部分文獻在衡量空氣污染時區分了生產性污染與生活性污染[8]，但目前城市層面生活性空氣污染物（主要包括生活二氧化硫與生活煙塵）的數據很少公布，而有文獻利用廣義 DID 方法識別疫情中產業結構對空氣質量的影響發現，空氣質量主要受第二產業生產與通勤的影響，受生活方面因素的影響不大[24]。基于此，主要選擇生產性空氣污染物的排放作為被解釋變量。具體而言，參照周芳麗[13]的做法，選取“城市每平方公里工業二氧化硫排放量”的對數（lnSO2）來衡量城市空氣污染，后續用“城市每平方公里工業煙塵排放量”的對數（ln dust）作為替代指標，進行穩健性檢驗。

解釋變量作為“污染邊界”的決定變量，均是反映城市特征的變量，主要包括經濟發展水平、能源消耗、產業結構、城市化水平、勞動者受教育程度、基礎設施、政府干預程度和經濟開放度等。經濟發展水平以人均地區生產總值的對數（lnpgrp）代表，轉換為以2003年為基期的可比價數據，同時考慮到經濟發展水平與空氣污染之間可能存在的倒 U 型關系，將二次項（lnpgrp2）引入;能源消耗以人均能源消費量的對數（lnpenergy）代表，其中城市能源消費量的測算借鑒李衛兵等[25]的做法;產業結構以第二產業增加值占地區生產總值比重（industry）代表;城市化水平以市轄區非農業人口占年末市轄區總人口比重（urban）代表;勞動者受教育程度以每萬人普通本專科學校在校學生數的對數（ln edu）代表;基礎設施以人均城市道路面積（proad）代表;政府干預程度以剔除了科學技術、教育支出后的一般公共財政支出占地區生產總值比重（gover）代表;經濟開放度用人民幣計價的外商直接投資額占地區生產總值比重（fdi）代表。為一定程度上緩解變量內生性問題，所有的解釋變量均滯后一期。同樣，wit代表蔓延效應，uit代表集聚效應，vit為隨機擾動項。

實證分析的指標數據為2004—2018年中國253個地級以上城市的面板數據，來自中國研究數據服務平臺（CNRDS）、《中國統計年鑒》《中國城市統計年鑒》、各城市統計年鑒及環境公報，主要指標的描述性統計量見表1。

4 實證結果分析

4.1 模型估計結果

城市人口聚集度變動對空氣污染產生方向相反的集聚效應和蔓延效應，根據雙邊隨機前沿模型的識別與測算，模型（1）在式（7）的基礎上同時控制省份固定效應和年份固定效應。為保證參數值σw，σ u 和σv均為正，估計過程中對待估參數均進行對數處理，估計完成后再還原為原始估計值。理論分析中假定各城市樣本服從獨立同分布，意味著不同規模城市的集聚效應和蔓延效應均滿足同方差性，但這一假定較為嚴苛，現實中可能難以成立。因此，從模型（2）開始逐步放松同方差假定，模型（2）考慮集聚效應異方差性，估計得到條件方差方程為ln σ? u，it =2.8421+0.8585 ln areait -0.7775 lnpopit，lnpop和ln area 分別代表城市總人口和行政區劃面積的對數，兩者在1%水平下對集聚效應方差存在顯著影響。模型（3）考慮蔓延效應的異方差性，估計得到條件方差方程為 ln σ? w，it =5.8001-0.9493ln areait +0.1266lnpopit，土地面積和人口變量均在1%水平上對蔓延效應方差存在顯著影響。模型（4）同時考慮集聚效應和蔓延效應的異方差性，模型擬合效果最佳。后續分析均基于模型（4）的結果展開。

模型估計結果顯示，經濟發展水平與空氣污染之間存在一定的倒 U 型曲線特征，經濟發展水平較高且越過倒 U 曲線拐點的城市，污染治理投入越高、強度越大，越有利于減輕空氣污染程度。能源消費、產業結構和城市化水平等因素對城市空氣污染具有顯著的正向影響，與預期符號基本一致。能源消耗是造成空氣污染的主要因素之一，城市能源消費量越大，空氣污染程度越嚴重;造成空氣污染的主要行業多屬于第二產業[24]，以第二產業占比表征的產業結構對空氣污染產生正向影響;城市居民人均能源消費量高于農村居民，城市化水平提高意味著更多人口從農村轉移到城市，增加能源消費并加重空氣污染。勞動者受教育程度、基礎設施、政府干預程度和經濟開放度等因素則對空氣污染產生顯著的負向影響。勞動者受教育程度越高，越有利于新型綠色生產技術的推廣應用，進而減輕空氣污染;城市基礎設施越完善，交通通達性越好，越有利于提高經濟效率和能源效率，降低空氣污染程度;政府一般公共支出增加有利于完善城市設施和公共服務，加大環保投入，減輕空氣污染;城市經濟開放度提升，國外較高產品質量標準和先進技術的引入有利于降低城市空氣污染程度。26B72F93-9BBD-4852-914D-39F60016E475

4.2 影響效應與偏離程度測算

依據模型（4），進一步估計得到蔓延效應、集聚效應和隨機擾動項（見表3）。蔓延效應方差均值為 σ?? =0.1385，集聚效應方差均值為6= 0.1645。E（6。- .）=-0.0334，意味著中國城市人口聚集度對空氣污染產生的集聚效應略強于蔓延效應。同時，城市污染邊界所無法解釋的總方差為0.4885，其中城市人口聚集度能夠解釋的部分占62.01%，另有37.99%無法被解釋。在城市人口聚集度對空氣污染所產生的總效應中，蔓延效應占到45.71%，集聚效應占54.29%。

為了更直觀地呈現蔓延效應和集聚效應對城市空氣污染造成的影響，考察兩者導致實際污染水平偏離“污染邊界”的程度，采用式（4a）和式（4b）分別計算蔓延效應和集聚效應使城市實際污染水平偏離“污染邊界”的百分比，并通過式（5）確定凈效應導致城市實際污染水平的偏離程度，結果見表4。

蔓延效應和集聚效應導致城市實際空氣污染偏離“污染邊界”的方向相反，蔓延效應使得實際污染水平高于污染邊界，集聚效應使得實際污染水平低于污染邊界，總體上集聚效應引致的偏離幅度稍大于蔓延效應;兩種效應的效果在不同分位點上有所差異，使得城市人口聚集度對空氣污染所產生的凈效應在不同分位點的差異較大，由下四分位點 Q1的-20.57%逐步增加到上四分位點 Q3的+15.81%。總體來看，城市人口聚集度對空氣污染產生的凈效應為-2.01%，表明2005—2018年我國所有樣本城市人口聚集度變動對空氣污染產生的集聚效應略強于蔓延效應，城市人口聚集起到了減輕空氣污染的作用，使得城市的實際污染水平比“污染邊界”低2.01%。

4.3 效應的頻率分布與聯動性

為進一步考察三種效應的具體變動態勢，給出蔓延效應、集聚效應及凈效應的頻率分布分別如圖1、圖2和圖3所示，圖1和圖2中效應的頻率均符合指數分布，蔓延效應和集聚效應的最高頻率都出現在15%左右，超過15%后快速衰減，具有明顯的右側拖尾特征，表明大部分城市蔓延效應與集聚效應的強度相當，凈效應呈現出以0為中心的對稱分布，少數城市具有很強的蔓延效應或集聚效應。進一步計算城市之間人口聚集度的差異發現：當凈效應超過15%時，蔓延效應逐步占據主導，實際污染水平高于污染邊界15%以上的城市人口聚集指數均值為10.6819，顯著低于城市人口聚集度的總體均值22.1157;當凈效應小于-15%時，集聚效應占主導地位，實際污染水平低于污染邊界15%以上的城市人口聚集指數均值為38.9869，顯著高于城市人口聚集度的總體均值。可見，那些人口聚集度較高城市的集聚效應普遍更強，人口聚集度較低城市的蔓延效應相對突出，城市人口聚集度提高有利于發揮集聚效應，抑制蔓延效應，使得城市實際污染水平逐漸低于污染邊界，改善大氣環境質量，這與理論分析相吻合。

為考察蔓延效應與集聚效應的聯動性，將第i個城市的蔓延效應值?（1—e”5a）按年份取簡單算術平均，得到“年均蔓延效應”，即E（1—e5）=Σ（1—1=2005e5a）/14，用以衡量該城市2005—2018年蔓延效應的平均強度。對集聚效應也做類似處理，得到“年均集聚效應”，即E（1—e"|5）=ΣE（1—e5）/14。此時，每1=2005個城市都有蔓延效應和集聚效應的“效應對”，繪制253個城市“效應對”的散點圖，如圖4所示。

圖4顯示，城市人口聚集度影響空氣污染的蔓延效應與集聚效應沿著反比例函數形式呈帶狀分布，表明兩者之間存在明顯的反向聯動性，存在著“此消彼長”的關系。圖4中蔓延效應與集聚效應的組合關系存在三種模式，即“高-低”模式、“低-低”模式和“低-高”模式。靠近坐標軸原點區域的“效應對”代表“低-低”模式，散點分布較為密集，說明大部分城市的人口聚集度適中，蔓延效應和集聚效應都不是很高且旗鼓相當，實際污染水平處于污染邊界附近;遠離坐標軸原點區域的“效應對”分布較為稀疏，表明部分城市具有較低或較高的人口聚集度，蔓延效應或集聚效應占主導地位，使得城市實際污染水平偏離“污染邊界”較多。位于右下側的“效應對”代表著“高-低”模式，位于左上方的“效應對”則代表“低-高”模式。

4.4 城市人口聚集度與效應的關聯特征

根據城市年均人口聚集指數（aggregm）與年均蔓延效應、年均集聚效應、年均凈效應的散點圖（分別見圖5、圖6和圖7）及趨勢線發現，隨著城市人口聚集度的提高，對空氣污染所產生的蔓延效應不斷減弱，而集聚效應有所增強，在兩者共同作用下，凈效應由正轉負，再次印證城市人口聚集度提高總體上有利于減輕空氣污染的結論。

進一步考察蔓延效應、集聚效應、凈效應與城市人口聚集指數（aggreg）、城市總人口（pop）之間的相關系數，發現城市人口聚集指數與集聚效應在1%水平上顯著正相關，相關系數為0.6502，與蔓延效應、凈效應在1%水平上顯著負相關，相關系數分別為-0.3759、-0.5908。城市總人口與蔓延效應、集聚效應、凈效應之間的相關性不明顯，原因在于：城市總人口僅代表城市規模，而城市規模對空氣污染所產生的影響主要表現為“規模效應”，本質上包含“集聚效應”和“蔓延效應”兩種效應。特別是部分城市通過撤縣（市）設區的方式擴大城市規模，伴隨著城市人口總量增加的同時城市土地面積也大范圍擴張，城市總人口并不能準確地刻畫人口的空間分布，無法有效識別人口要素變動對城市環境的影響。把城市土地面積和城市人口數量相結合的“城市人口聚集指數”則能較好地反映城市人口在空間上的聚集程度，有效識別出人口聚集度變動對空氣污染的雙邊效應。

接下來按城市人口聚集類型對影響效應進行分組測算，具體結果見表5。隨著城市人口聚集度提高，蔓延效應的強度逐漸減弱，均值從松散型城市的33.22%下降為聚合型城市的12.97%;相應地，集聚效應的強度則逐步增大，均值從松散型城市的12.86%逐漸提高到聚合型城市的47.48%。兩者的綜合作用使凈效應均值由正變負，從松散型城市的20.36%到聚合型城市的-34.51%。這意味著城市人口聚集度需要跨越一個門檻值，才能使得集聚效應超過蔓延效應，城市實際污染水平從高于“污染邊界”轉變為低于“污染邊界”，同樣印證了城市人口聚集度提高有利于減輕空氣污染的結論。26B72F93-9BBD-4852-914D-39F60016E475

目前，中國60.47%的地級以上城市屬于松散型城市、低度聚集型城市或中度聚集型城市，年均人口聚集指數小于等于19.8648，這些城市的人口聚集度未達到門檻值，蔓延效應發揮著主導作用，實際污染水平高于“污染邊界”;其余39.53%的城市則屬于高度聚集型或聚合型城市，已進入集聚效應發揮主導作用的階段，凈效應均值為負，且城市人口聚集程度越高凈效應越強，使得實際污染水平低于“污染邊界”越多。

更直觀地，用城市實際污染水平減去擬合得到的“污染邊界”計算出兩者差額，進而繪制城市人口聚集指數（aggreg）與差額（gap）的散點圖如圖8所示。城市人口聚集指數與污染水平差額的相關系數為-0.4561，通過1%水平的顯著性檢驗。隨著城市人口聚集度提高，實際污染水平與污染邊界的差額由正變負，意味著城市實際污染水平由高于“污染邊界”轉變為低于“污染邊界”;差額變負后的絕對值不斷增大，說明城市人口聚集度越高，實際污染水平低于“污染邊界”越多。

4.5 效應的異質性分析

城市人口聚集度影響空氣污染的凈效應在不同年份的分布特征見表6，從2005～2018年整個樣本期來看，樣本城市的總集聚效應在各年份均略強于總蔓延效應，凈效應均值在不同年份的數值相差不大，在-2.76%～-1.05%之間波動。同時，計算各年份城市人口聚集指數的均值，發現不同年份城市人口聚集指數的變動也不大，均值圍繞22上下波動，可見人口聚集度在城市之間的差異大于年份之間的差異。

進一步考察城市人口聚集度影響環境污染的凈效應在不同省份及區域的分布特征（見表7），東部城市的凈效應均值為正值，中部和西部城市的凈效應均值為負值。其中，西部城市的平均凈效應為-13.51%，絕對值為三個地區中最大，主要是因為西部地區一些城市地域相對廣袤且人口多沿河谷或綠洲集中分布，人口聚集程度高于東部中部城市，充分發揮了集聚效應對空氣污染的抑制作用。有研究指出西部城市的產業相對專業化水平明顯高于東部中部城市[26]，西部城市可能通過“高人口聚集度促進產業專業化生產進而降低排污成本”這一渠道來減少空氣污染;西部城市集聚效應的平均強度為35.67%，明顯高于中部的27.08%和東部的20.27%。東部地區雖然經濟發達，城市規模更大，但東部城市人口聚集指數的均值僅為13.1765，低于中部城市的22.8617和西部城市的34.4405，表明東部城市的真實人口聚集度不及中部西部，導致蔓延效應占據主導地位，東部城市蔓延效應的平均強度為27.36%，高于中部城市的23.61%和西部城市的22.16%。總體來看，不同城市人口聚集度的差異導致空氣污染的空間格局呈現出“東部城市實際污染水平高于污染邊界，中部西部城市的實際污染水平低于污染邊界”的特征。

4.6 穩健性檢驗

為檢驗結論的穩健性，以“城市每平方公里工業煙塵排放量”的對數（ln dust）替換原被解釋變量，重新估計模型（4）并對效應估計值按城市類型進行分組測算，結果見表8。

表8顯示，替換成新的被解釋變量后，樣本城市的總集聚效應仍略強于總蔓延效應，凈效應為-1.09%，與原先測算的-2.01%較為接近。穩健性檢驗同樣表明：隨著城市人口聚集度提高，蔓延效應的強度逐漸減弱，由松散型城市的31.74%下降到聚合型城市的11.49%;而集聚效應不斷增強，由松散型城市的11.65%提高到聚合型城市的43.28%;凈效應由正變負，即城市人口聚集度越高，減輕空氣污染的效果越明顯。總體來看，城市人口聚集度提高有利于減輕空氣污染的結論具有穩健性。

5 結論

利用DMSP 和Flint 夜間燈光數據、Landscan全球人口動態統計數據，構造用以衡量城市人口聚集度的“城市人口聚集指數”，以年均人口聚集指數作為分組變量，將253個地級以上城市劃分為五種類型;根據2004—2018年253個地級以上城市的面板數據，構建雙邊隨機前沿模型測算城市人口聚集度變動對空氣污染產生的蔓延效應、集聚效應及凈效應，進而開展效應的異質性分析和估計結果的穩健性檢驗。

分析結果表明：①城市人口聚集度提高總體上對空氣污染產生積極影響。2005-2018年樣本城市人口聚集度變動對空氣污染造成的總集聚效應略強于總蔓延效應，集聚效應有利于減輕城市空氣污染水平，蔓延效應加重城市空氣污染水平，兩者的綜合作用使城市實際空氣污染水平比“污染邊界”低2.01%。②蔓延效應和集聚效應呈現出明顯的反向聯動性。隨著城市人口聚集度提高，蔓延效應不斷減弱，集聚效應逐步增強;當城市人口聚集度跨越門檻值后，集聚效應超過蔓延效應而逐步占據主導地位，使得城市實際污染水平由高于“污染邊界”轉變為低于“污染邊界”。③不同聚集類型和不同地區城市的人口聚集度對空氣污染的影響效應存在較大差異。松散型和中低度聚集型城市的人口聚集度尚未達到門檻值，蔓延效應仍占據主導地位，城市實際污染水平高于“污染邊界”;高度聚集型和聚合型城市的人口聚集度已超過門檻值，集聚效應發揮主體作用，城市實際污染水平低于“污染邊界”。中部西部城市的人口聚集度高于東部城市，東部城市的凈效應均值為正值，中部和西部城市的凈效應均值為負值，使得空氣污染的空間格局呈現出“東部城市污染水平高于污染邊界，中西部城市低于污染邊界”特征。

基于以上結論，政府部門謀劃城市發展時應更為審慎地考慮所轄區域的人地關系，采取適當措施提高城市人口聚集度，增強集聚效應和減弱蔓延效應，不斷改善城市環境質量。具體的政策啟示包括：

（1）科學引導城鎮化進程中的人口流動，推動人口適度向城市聚集。當前中國城鎮化仍處于快速發展階段，面對大規模的鄉城轉移人口，應進一步深化戶籍制度改革，做好城市落戶人口在社保、住房等方面的保障工作，完善中心城區公共服務功能配套，使“農轉非”的本地農民和外來務工者不僅“進城”“就業”，而且能夠“落戶”“安居”，增強城市的集聚效應。政府應結合城市的人口聚集現狀，從要素和產業入手，采取有針對性的調控措施和干預政策，確保適度的城市人口聚集水平，特別是對人口集聚度較低的城市，通過產業引導等措施強化各類要素、人口向中心城區聚集。26B72F93-9BBD-4852-914D-39F60016E475

（2）走緊湊型城市發展道路，增強土地集約化利用。人口空間分布過于分散不利于集聚效應發揮，城市中心區與邊緣區之間高頻地遠距離通勤降低生產效率、生活質量且加重空氣污染;中國城市發展已呈一定的蔓延化趨勢，土地集約化利用程度不高，導致綜合經濟效率和能源利用效率不高。因此，未來城市發展應倡導緊湊型發展模式，注重土地利用開發的效率，在不造成擁擠的前提下適度提高經濟活動、企業布局的空間密度;進行產業園區、大學城等新功能區的規劃建設時，應盡力避免出現“城外飛地”的情形，合理控制城市增長邊界。

（3）加強空間規劃引導，強化城市功能混合利用。滿足廣大人民群眾對優質住宅條件和更高生活質量的需求，在增加城市住宅用地面積和住房供應量的同時，也要注重教育醫療資源、就業中心、消費中心與居住區的空間配套，積極打造結構緊湊、功能混合的空間格局。對于多中心城市，合理規劃構筑衛星城和次中心并完善其服務功能，減少居民的通勤距離。積極優化城市內部交通網絡，提升公共交通基礎設施質量，促進公共交通優先的出行模式，減少機動車使用和交通擁堵，減輕空氣污染，改善生態質量。

參考文獻

[1]陸銘，馮皓.集聚與減排：城市規模差距影響工業污染強度的經驗研究[J].世界經濟，2014，37（7）：86-114.

[2]劉習平，宋德勇.城市產業集聚對城市環境的影響[J].城市問題，2013（3）：9-15.

[3]肖周燕，沈左次.人口集聚、產業集聚與環境污染的時空演化及關聯性分析[J].干旱區資源與環境，2019，33（2）：1-8.

[4]李筱樂.市場化、工業集聚和環境污染的實證分析[J].統計研究，2014，31（8）：39-45.

[5]楊仁發.產業集聚能否改善中國環境污染[J].中國人口·資源與環境，2015，25（2）：23-29.

[6]陶長琪，彭永樟.人口集聚、綠化水平與環境污染：基于城市數據的空間異質性分析[J].江西財經大學學報，2017（6）：21-31.

[7]徐輝，楊燁.人口和產業集聚對環境污染的影響：以中國的100個城市為例[J].城市問題，2017（1）：53-60.

[8]何雄浪.人口集聚、工業集聚與環境污染：基于兩類環境污染的研究[J].西南民族大學學報（人文社科版），2019，40（2）：87-97.

[9]LIANG L W，WANG Z B，LI J X.The effect of urbanization on envi?ronmental pollution in rapidly developing urban agglomerations[J]. Journal of cleaner production，2019，237：117649.

[10]YAHAYANS Y ，HUSSAINIM ，BASHIRAB. Population growth and environmental degradation in Nigeria[J]. Academic journal of economic studies，2020，6（1）：31-35.

[11]馬素琳，韓君，楊肅昌.城市規模、集聚與空氣質量[J].中國人口·資源與環境，2016，26（5）：12-21.

[12]GROSSMAN G M，KRUEGER A B.Economic growth and the envi?ronment[J]. The quarterly journal of economics，1995，110（2）：353-377.

[13]周芳麗.城市規模與環境污染：規模效應還是擁擠效應：基于地級城市面板數據的實證分析[J].大連理工大學學報（社會科學版），2020，41（2）：34-41.

[14]王慶娟.城市人口規模對環境污染的門檻效應研究[D].北京：首都經濟貿易大學，2015：27-30.

[15]劉永旺，馬曉鈺，楊瑞瑞.人口集聚、經濟集聚與環境污染交互影響關系：基于面板協整和 PECM 模型的分析[J].人口研究，2019，43（3）：90-101.

[16]秦蒙，劉修巖，仝怡婷.蔓延的城市空間是否加重了霧霾污染：來自中國 PM2.5數據的經驗分析[J].財貿經濟，2016（11）：146-160.

[17]KUMBHAKAR S C，PARMETER C F.The effects of match uncer?tainty and bargaining on labor market outcomes：evidence from firm and worker specific estimates[J].Journal of productivity analy? sis，2009，31（1）：1-14.

[18]盧洪友，連玉君，盧盛峰.中國醫療服務市場中的信息不對稱程度測算[J].經濟研究，2011，46（4）：94-106.

[19]范建雙，高騫，周琳.城鄉人口老齡化對城鎮化的雙邊效應[J].中國人口科學，2020（2）：69-80，127.

[20]ELVIDGE C D，SUTTON P C，GHOSH T，et al. A global poverty? map derived from satellite data[J]. Computers & geosciences，2009，35（8）：1652-1660.

[21]范子英，彭飛，劉沖.政治關聯與經濟增長：基于衛星燈光數據的研究[J].經濟研究，2016，51（1）：114-126.26B72F93-9BBD-4852-914D-39F60016E475

[22]劉修巖，李松林，秦蒙.城市空間結構與地區經濟效率：兼論中國城鎮化發展道路的模式選擇[J].管理世界，2017（1）：51-64.

[23]秦蒙，劉修巖，李松林.城市蔓延如何影響地區經濟增長：基于夜間燈光數據的研究[J].經濟學（季刊），2019，18（2）：527-550.

[24]余典范，李斯林，周騰軍.中國城市空氣質量改善的產業結構效應：基于新冠疫情沖擊的自然實驗[J].財經研究，2021，47（3）：19-34.

[25]李衛兵，涂蕾.中國城市綠色全要素生產率的空間差異與收斂性分析[J].城市問題，2017（9）：55-63.

[26]劉修巖.集聚經濟與勞動生產率：基于中國城市面板數據的實證研究[J].數量經濟技術經濟研究，2009，26（7）：109-119.

Effect of urban population aggregation index on air pollution： based on the bilateral stochastic frontier model

CHENG Kaiming，HONG Zhenyi

（School of Statistics and Mathematics， Zhejiang Gongshang University， Hangzhou Zhejiang 310018， China）

Abstract? In order to identify the impact of urban population agglomeration on air pollution in the process of urbanization， this paper measured the agglomeration effect， sprawling effect and net effect of urban population aggregation index on air pollution with the bilater? al stochastic frontier analysis model according to the panel data of 253 cities from 2004 to 2018， Landscan global demographics， DMSP and Flint night light data.The results showed that：① The agglomeration effect of population aggregation index change on air pollution was slightly stronger than the sprawling effect in all sample cities from 2005 to 2018， and the combined influence of the both effects made the actual air pollution level of cities 2.01% lower than the ‘pollution boundary .② With the increase of urban population ag? glomeration index， the agglomeration effect was enhanced， while the sprawling effect was gradually weakened. After the urban popula?tion agglomeration index exceeded the threshold value， the agglomeration effect was more dominant than the sprawling effect. On the whole， the improvement of urban population agglomeration index was conducive to the improvement of air pollution .③ The effects of population agglomeration index on air pollution was quite different in different types of cities. The sprawling effect of low and medium population agglomeration index cities was still dominant， while the agglomeration effect of high population agglomeration index cities played a major role.④ The average net effect of urban population agglomeration index on air pollution had little change in different years， but the difference was obvious in different regions. The average net effect of eastern cities was positive， while the average net ef?fect of central and western cities was negative. The conclusions are significant for the scientific management of urban population and space. It means that the government should make efforts in some aspects including the reform of household registration system， the pre?vention urban sprawl， and the rational planning of urban functional areas， so as to promote urban population aggregation and improve the quality of urban environment.

Key words? air pollution; agglomeration effect; sprawling effect; bilateral stochastic frontier model

（責任編輯：劉呈慶）26B72F93-9BBD-4852-914D-39F60016E475