基于產業鏈的區域環境污染物排放的產業貢獻*

王茂軍 許 潔 楊雪春

(首都師范大學資源環境與旅游學院，北京100048)

基于產業鏈的區域環境污染物排放的產業貢獻*

王茂軍 許 潔 楊雪春

(首都師范大學資源環境與旅游學院，北京100048)

區域經濟增長與環境質量之間的關系研究是目前學者們探討的重要學術議題之一。其中較多的是對EKC曲線的驗證，近幾年部分學者從國民經濟各部門中的產業自身特征、產業結構、技術進步、FDI效應等方面考察產業發展對污染物排放的影響。然而以上研究議題中學者均沒有討論污染物的發生主體——各產業部門與排污的直接關系。故本文將從宏觀尺度下的綜合水平測度區域經濟發展與環境質量關系、中觀尺度下的產業屬性特征與排污關系的研究視角轉移至分析具體產業部門的污染物排放效應，同時將產業置于產業鏈的結構形式中，研究產業鏈上產業發展與污染物排放的關系。發現:第一，通過借助復雜網絡思想的社區劃分方法，將山東省39個產業部門分為3個社團。其中社團I主要由制造業部門組成，共有18個產業部門，社團II包括了15個部門，主要是第三產業，社團III由6個產業部門組成且內部異質性高。第二，選擇其中以制造業為主的社團I，并在社團I內識別出一條彼此間聯系最為緊密的產業鏈，包括農林牧漁業、食品制造及煙草加工業、化學工業、紡織工業、服裝皮革羽絨及其制品業、通用/專用設備制造業和交通運輸設備制造業。以一種定量的方法獲取了通過價值流傳遞而串在一起的產業鏈條。該產業鏈的經濟規模、污染物規模在山東省均有重要地位。第三，采用嶺回歸分析方法，構建了6個制造業與產業鏈工業廢水、固體廢棄物排放的關系模型，6個制造業中對工業廢水、固體廢棄物排放相對貢獻度最大的部門分別為服裝皮革羽絨及其制品業、食品制造及煙草加工業。這是由于上游產業排污的鏈式傳遞效應與產業自身污染物排放效應的共同疊加作用。

復雜網絡;產業鏈;嶺回歸;山東省

區域經濟增長不僅僅是GDP數量的多寡，還包括區域環境質量的優劣。中國快速工業化帶來的經濟快速增長和環境脅迫的壓力不斷增強的事實已經引起了國內學者的熱切關注。本文將從以往的宏觀尺度綜合測度區域經濟發展與環境質量關系、中觀尺度下的產業屬性特征與排污關系的研究視角轉移至分析具體產業部門的污染物排放效應。這是已有視角的重要轉變。此外，區域內各產業部門間存在著上下游的關聯關系，即一個產業部門的發展會牽動其上下游產業部門的聯動反應，進而會影響到環境污染物的排放。為解析這種聯動效應需要將產業部門置于產業鏈的形式中討論。

1 概述

1.1 區域環境質量與經濟增長之間的關系

自從Grossman［1］發現SO2、微塵和懸浮顆粒三種環境質量指標與收入之間呈現倒U型關系以后，Arrow［2］提出了環境壓力與經濟增長之間呈倒U形關系的假說。此后，區域經濟增長與環境質量之間的關系就成為學者們探討的重要學術議題。中國快速工業化帶來的經濟快速增長和環境脅迫的壓力不斷增強的事實已經引起了國內學者的熱切關注。從目前國內學者對區域經濟增長與環境質量關系研究看，重點是利用時間序列的簡化計量模型或者基于面板數據的結構模型，驗證不同空間尺度下環境庫茲涅茨曲線的存在與否［3－6］。其次，除人均GDP外，部分研究還關注污染物排放的產業規模、產業結構、技術進步、環保投資、能源結構、人口規模、貿易開放/FDI、地理因素等若干組合對污染物排放的影響［7－8，9－11］。

與考慮人均GDP與污染物排放關系的研究相比，具體到產業部門與污染物排放關系的研究較少。凌亢等［12］測定了工業部門的污染排放總量和排污強度，將工業行業劃分為污染密集型行業、低污染行業和中等污染行業;臧志彭等［13］利用因子分析和聚類分析方法構建了制造行業環境友好狀況的評價體系，完成了30個制造行業的環境友好狀況等級的評定。唐德才［14］基于工業行業的面板分析模型，討論了產業集中度、勞動力、資本、技術因素對制造業行業污染密度的影響，發現行業的環境污染密度隨著產業集中度、R＆D比重的上升而下降，隨著制造業產業勞動力比重的下降而下降，隨著行業資本規模增大而增大。傅京燕［15］討論了廣東省19個制造業的產業特征、環境規制與污染物排放之間的關系，發現污染排放強度與能源使用、物質資本密度、人力資本密度、企業效率、企業規模、R＆D支出為正相關關系。上述研究雖然較少，但考慮到了國民經濟各部門的產業特征對環境污染物排放的影響，比單純驗證是否存在EKC曲線的研究前進了一大步。

從目前的研究來看，無論是驗證EKC的曲線是否存在，還是討論污染物排放的產業規模效應、產業結構效應、技術進步效應、FDI效應或者產業特征的影響，均沒有直接面對污染物的發生主體—各產業部門，沒有考慮各產業部門間存在的投入產出關聯，忽略了各產業部門間污染物產生有關聯。因而，有必要在產業相關情形下討論區域污染物排放變動的各產業貢獻的差異性。產業集群的識別是實現這一目標的前提。

1.2 產業集群的定量識別

大部分產業集群的定量識別基于區域投入產出表進行，利用圖譜分析法、多因素聚類分析法、主成分分析法、Czamanski法、共識集群法(Consensus Clustering)來辨識區域產業集群。其中，圖譜方法分析區域產業之間的關聯并將聯系程度超過一定門檻的每對產業用箭頭連接，在此基礎上辨別區域產業集群。多因素聚類分析法在產業集群辯識研究中運用不多［16－17］，原因有二，一是，這種方法強調區域內所有的產業都要納入到各產業集群中，且各產業集群間具有排他性。這與事實不符，因為有些產業比如支柱產業可能隸屬于多個產業集群。比較而言，主成分分析法運用的較多［18－21］，但從原理來看，基于相關系數矩陣的主成分分析得到的結果實際上是具有相似投入產出結構的產業組群，而不是具有密切聯系的集群。另一方面，主成分的主次之分取決于各產業組群在區域產業中的貢獻率，第一主成分往往包含了最多的產業部門，后面的主成分包含的門類數依次減少。Czamanski法［22－24］邏輯嚴密，重點突出了集群內部各產業間的相互關聯，但對支撐性部門雷同的集群處理不理想;共識集群法(Consensus Clustering)則是主成分分析法和多元統計聚類法兩類集群辨識方法的糅合［22］。

除了上述統計方法以外，網絡分析方法也得到了應用，其優點是形象、直觀。方愛麗［25］利用復雜網絡方法定量識別了全國的產業社團。

1.3 研究目的

本文試圖討論產業鏈中各產業發展對污染物排放的影響。簡單來說，可以通過多元回歸分析來實現，設定方程中自變量各制造業部門的產值、因變量為環境污染物的排放量。但實際上并非如此，這是因為:

第一，區域內部各制造業部門間存在有投入產出關系，各自變量并不獨立，可能存在共線性問題。共線性問題是傳統多元線性回歸分析方法力求避免的棘手問題。

第二，雖然各產業均有相對應的污染物排放總量，二者間的關系似乎是清晰的。但由于產業間存在投入產出關聯，下游環節產業的產值中包含了上游產業的貢獻，下游產業的污染物中也包含了上游產業的貢獻。由此，具體產業產值與污染物排放之間的關系就變得相對復雜了。

第三，區域內各產業通過投入產出關系形成了復雜產業網絡。產業部門間復雜的關聯中，關系緊密程度有明顯不同，同時也有方向上的差異。確定區域產業內產業間上下游關系并不簡單，需要確定聯系緊密的產業集群及產業集群內部產業間的主導聯系方向兩個問題。

綜上，論文利用復雜網絡分析方法定量識別產業社團，在社團內部確定產業間的聯系方向，提煉產業鏈;利用嶺回歸的分析技術，討論產業鏈中各產業對污染物排放變動的貢獻率。

2 數據獲取、變量選擇與研究方法

2.1 相關數據說明

采用山東省2002年投入產出數據，它包含42個產業部門間基本流量。剔除廢品廢料等3個部門，共計39個部門。該投入產出表是時點數據，由此辨識的產業鏈是2002年情形。理論上，產業鏈上下游產業間關系在某一個時間段內不會出現劇烈變動，自變量選定為產業鏈上的各產業部門。自變量的取值為產業鏈各產業增加值(1990－2008山東統計年鑒)。

因變量為產業鏈上工業廢水、固體廢棄物排放，取值為2001－2007年各產業部門的污染物排放量，1989－2000年各產業部門對應的污染物排放量按2001－2007年污染物排放比重推算獲得。

2.2 研究方法

2.2.1 產業社團定量提取

復雜網絡分析在產業網絡中也得到了部分學者的注意［25－27］等。社團結構與無標度性、小世界性、魯棒性和脆弱性并列為復雜網絡的重要結構屬性。其中，社團結構是對網絡節點連接關系的模塊化顯示，其中的小模塊稱為異構網絡中的社團，同一社團包含的節點關系緊密，不同社團節點間關系相對松散。

構建一個以產業為節點，以投入產出關系為邊的產業網絡。首先，使用基本流量表，分別對其橫、縱向極大值標準化，分別求皮爾遜相關系數，選定單尾檢驗值在閾值0.05水平以上關聯為有效產業關聯，不考慮產業自身發生的關系，將兩方向有效關聯矩陣做并運算后二值化處理，得到無方向性的產業關聯對稱二值矩陣。采用基于模擬退火算法的GA算法，劃分39個制造業部門的產業網絡社團結構。社團結構劃分的好壞由模塊化指數測度。

產業社團把產業間復雜的聯系形式以社團結構清晰地展現出來，奠定了確定產業鏈上下游關聯方向的基礎。首先，比較每個產業對間的投入(產出)方向價值量A，取其大者流向為主導方向。由此，社團網絡的各邊均同時具備了方向和流量值，無向無權網絡轉變為有向有權網絡，權重Wi為主導方向上的流量值。其次，由于各邊的權重值數據相差懸殊，以所有邊權重的均值為閾值，剔除小于均值的相對松散聯系的邊，新生成一個產業聯系相對緊密的新社團，最后，按照主導方向串聯新社團內的產業節點，形成上下游關系清晰的產業鏈。

2.2.3 嶺回歸分析法

當變量間存在明顯的共線性現象時，基于最小二乘法估計參數的多元線性回歸方法出現較大偏差，甚至結果與實際情形背離。為準確估計回歸參數，建立模型時需要消除變量間的共線性。常利用的途徑有三種，增加樣本容量、減少變量個數、利用有偏估計方法代替最小二乘法的無偏估計。前兩者不具備有可操作性。第三種方法有主成分回歸、偏最小二乘回歸、嶺回歸三種選擇。主成分回歸通過降維把多數自變量指標化為少數自變量，且盡量不改變指標體系對因變量的解釋程度。雖然一定程度上可解決共線性問題，但各主成分的實際含義不夠明確，與因變量的關系不夠直接，喪失了先前各自變量包含的重要信息。偏最小二乘回歸原理集合了主成分回歸提取主成分的思想，在實際意義解釋方面與主成分一樣存在同樣的問題。

嶺回歸是Hoerl和Kennard提出的一種有效的有偏估計方法。當自變量系統中存在嚴重的多重相關性時，它可以提供一個比最小二乘法更為穩定的估計。在多元回歸模型y=Xβ+δ中，參數 β的最小二乘估計 β^為 β^=(X'X)－1X'y。當自變量多重共線時β^很不準確。嶺估計是加入正常數矩陣kI(k﹥0)，降低β^的奇異程度，β的嶺估計為 β^(k)=(X'X+kI)－1X'y。k=0 時的嶺回歸估計 β^(0)為普通最小二乘估計。其中，嶺參數k不是唯一的，β^(k)是的一個估計族，k值不同時β^(k)亦不同。β^(k)作為β的估計比最小二乘估計β^穩定。假設x、y均經過標準化，β^(k)是標準化嶺回歸估計。嶺回歸中關鍵是確定k值，本文采用嶺跡圖法和控制殘差平方和法相結合的方式來解決。

圖1 39個部門產業社團分類效果圖Fig.1 The classification result of industry associations based on 39 departments

圖2 以制造業為主的產業社團Fig.2 A manufacturing-based industry association

3 研究結果

3.1 產業社團劃分與產業鏈的辨識

社團分類的模塊化指數為0.32，介于0.3－0.7的取值范圍之間，分類效果還算理想。由圖1可知39個產業部門分成三個主要社團。社團I包含18個產業部門，80%以上部門屬于制造業門類(見圖2);社團II包含15個產業部門，除建筑業、水的生產和供應業以外全部屬于第三產業;社團III包含的部門數最少且6個部門異質性較社團 I、II大(詳見表1)。

1987年由多瑞保，色熱等達斡爾族老前輩的倡導組織下，梅里斯城區的部分達斡爾族同胞，自發地舉辦了第一屆庫木勒節活動。從此年年舉辦慶祝活動，由已往的民間活動，發展成為民辦公助的民族節日活動。

表1 山東省產業社團劃分類別Tab.1 Classification of industrial societies in Shandong Province

表2 四個制造業門類所包含的行業大類Tab.2 Departments included in the four manufacturing industry categories

表3 2000－2007年六種制造業的工業增加值 單位:億元Tab.3 Industrial value-added of six manufacturing industries from 2000 to 2007 year Unit:million yuan

以社團I為對象提取產業鏈。原因有二，第一，社團包含的部門數最多，第二，該社團以制造業部門為主，能更直接地將產業發展與污染物排放聯系起來。產業鏈的提取結果如圖3所示。這條鏈條包括農林牧漁業、食品制造及煙草加工業、化學工業、紡織工業、服裝皮革羽絨及其制品業、通用/專用設備制造業和交通運輸設備制造業。除農林牧漁業外共有6個制造業大門類，其中4個制造業門類包括了13個行業大類(見表2)。流量傳遞從最前端的農林牧漁業向下游產業傳遞的過程中不斷遞減，但在通用/專用設備制造業、交通運輸設備制造業間的流量值陡然增大。這表明產業間的聯系程度由密變疏，由疏轉密(見圖3)。

3.2 產業鏈經濟規模、污染物規模的基本情況

選擇除農林牧漁業外的6個制造業部門，討論污染物排放的各產業貢獻。2000－2007年這6個制造業的工業增加值在全省地位逐年上升，2007年占到全省工業增加值50.96%，占全省 GDP 25.93%(見表3)。該產業鏈的污染物排放量也占有較高的比重，2001年工業廢水、固體廢棄物占全省規模以上工業的比重分別為33.85%、15.12%，2007年工業廢水排放量比重上升至46.86%，固體廢棄物下降至13.10%(見表4)。

選用產業鏈的工業增加值與其所排放的污染物數據進行分析。需要指出的是2000年之前沒有按照行業門類分別統計污染物排放數據，故按照公式1估算1989－2000年各年的兩種污染物排放量數據。

式中，t為1989－2000各年份，j代表污染物類型，Sjt表示1989－2000年每年產業鏈的某污染物排放量，ajt表示1989－2000年每年全省工業某污染物的排放量，k表示2001－2007各年份，Pjk表示2001－2007年各年份6個制造業的某污染物排放總量占全省工業排放量的比重。圖4為1989－2007年污染物排放量隨著產業鏈工業增加值的變動情況。可以看出，工業廢水和固體廢棄物的排放基本上呈現上升態勢。

圖3 基于社團I定量識別的產業鏈Fig.3 The identified industrial chain in a quantitative method based on community I

圖4 工業廢水、固體廢棄物隨著產業鏈工業增加值的變動情況Fig.4 The amounts of industrial waste water and solid waste as the change of industrial value-added in the industrial chain

表4 產業鏈上的制造業污染物排放量及其占全省規模以上工業排放的比重Tab.4 The pollutant amounts of 6 manufacturing industries and the share accounted for the whole province’emissions from all the scale above industries

3.3 污染物排放的各產業貢獻

3.3.1 模型構建

建模前首先采用容許度(Tolerance)和方差膨脹因子(Variance Inflation Factor，簡稱VIF)診斷自變量之間是否存在共線性問題。方差膨脹因子的測度公式如2所示:

式中，VIFjj為方差膨脹因子，Rj為Xj對其余p－1個自變量的復相關系數。

一般認為，VIFjj≥10表明自變量間存在明顯的共線性現象。共線性診斷結果如表5所示。顯然，自變量間共線性現象明顯，不適宜直接用多元線性回歸方程。論文選用嶺回歸分析方法討論污染物排放變動的產業鏈中各產業的貢獻。其中模型的解釋變量為產業鏈上6個制造業部門產業增加值，被解釋變量為產業鏈上所產生的工業廢水量與固體廢棄物量。

運行SPSS，寫入嶺回歸模型語句，得到圖5的嶺跡圖。嶺跡圖是每個自變量Xi隨K值變動的嶺回歸估計值的變化曲線。其中，k取值范圍為［0，1］，k值確定是嶺回歸分析方法的關鍵，確定的標準是k值保證各自變量的嶺跡趨于穩定。論文采用嶺跡圖法和控制殘差平方和法相結合的方式進行確定。其中，控制殘差平方和法的原理是使嶺回歸估計的殘差平方和與最小二乘估計的殘差平方和比值不要增大的太大。分別計算k在［0，1］上的所有殘差平方和，與最小二乘估計的殘差平方和進行比值計算。

從圖6看出，當k=0.3時模型I、模型II相應變量的嶺回歸系數變化趨于穩定，且嶺估計的殘差平方和與最小二乘估計的殘差平方和的比值變化亦趨于穩定，經歷了轉折點后比值變化量趨于緩和。k=0.3時最適宜。此時，模型I、模型II的嶺回歸方程分別為:

表5 各產業增加值的共線性診斷Tab.5 The collinearity diagnose of six industrial value-added variables

圖5 模型I(a)、模型II(b)中6個變量的嶺跡圖Fig.5 The ridge traces of six variables in Model I(a)，Model II(b)

圖6 模型I(a)、模型II(b)嶺估計與最小二乘估計的殘差平方和比值及比值變化量圖Fig.6 Both the ratio of ridge estimation and least squares estimation’residual sum of squares and its variation in Model I(a)，Model II(b)

其中，YⅠ、YⅡ分別為產業鏈的工業廢水排放量、固體廢棄物排放量，x1，x2，…，x6分別表示圖3產業鏈中6個制造業的工業增加值。自變量和因變量均經過了標準化處理，模型中系數均為標準偏回歸系數。

3.3.2 結果分析

模型I的F檢驗統計量為8.850，在0.001水平上顯著，模型是可信的。模型決定系數表示自變量能夠解釋的因變量比例，校正樣本決定系數R2為0.724，說明6個自變量可以解釋產業鏈廢水排放量的72.4%。表6中自變量的系數為嶺回歸方程中的標準偏回歸系數，其絕對值的大小可以用來表示各個自變量導致因變量變動的相對貢獻大小。由此，工業廢水排放量的變動中的各產業的貢獻份額可以通過標準偏回歸系數的絕對值獲得。當然，各產業增加值對工業廢水排放量的影響程度可以通過偏回歸系數獲得，偏回歸系數和標準偏回歸系數的大小序列并不相同。

食品制造及煙草加工業、化學工業、紡織工業、服裝皮革羽絨及其制品業、通用/專用設備制造業以及交通運輸設備制造業增加值變動對工業廢水排放量變動的貢獻率分別為 15.3%、16.5%、13.9%、21.5%、19.4%、14.3%(以6個變量能解釋產業鏈廢水排放量的72.4%為100%進行測度)。其中，服裝/皮革/羽絨及其制品業的貢獻率最大，其次為通用、專用設備制造業和化學工業。這是因為產業鏈下游產業的污染物排放是上游產業產污的傳遞效應和產業自身污染物排放效應共同疊加的結果。不同產業的自身污染物排放能力和污染物傳遞效應各不相同。

由表7可知，產業鏈中食品制造及煙草加工業、化學工業、紡織工業、服裝皮革羽絨及其制品業、通用/專用設備制造業以及交通運輸設備制造業增加值變動對工業廢水排放量變動的貢獻率分別為15.3%、16.5%、13.9%、21.5%、19.4%、14.3%(以 6 個變量能解釋產業鏈廢水排放量的72.4%為100%進行測度)。其中，服裝/皮革/羽絨及其制品業的貢獻率最大，其次為通用、專用設備制造業和化學工業。之所以如此，是因為產業鏈下游產業的污染物排放是上游產業產污的傳遞效應和產業自身污染物排放效應共同疊加的結果。其中，不同產業的自身污染物排放能力和污染物傳遞效應各不相同。

模型II的F檢驗統計量為38.217，在0.000水平上顯著，亦證明模型可信。模型的校正決定系數為0.925，自變量可以用來說明因變量變動的92.5%，與模型I相比自變量的解釋程度明顯提高。產業鏈中食品制造及煙草加工業、化學工業、紡織工業、服裝皮革羽絨及其制品業、通用、專用設備制造業以及交通運輸設備制造業增加值變動對固體廢棄物排放量變動的相對貢獻率分別為20.0%、15.8%、16.6%、17.9%、14.7%、15.5%(以 6 個變量能解釋產業鏈固體廢棄物排放量的92.5%為100%)。其中，食品制造及煙草加工業對產業鏈固體廢棄物排放的貢獻度最高，其次為服裝皮革羽絨及其制品業和紡織工業。

表6 k=0.3時嶺回歸模型方程的統計參數Tab.6 Statistical parameters in the two ridge regression models when k=0.3

表7 各產業對產業鏈工業廢水、固體廢棄物排放的相對貢獻率(%)Tab.7 The relative contribution of six industries on industrial wastewater，solid waste emissions from the industrial chain

4 結論

論文基于山東省39個部門間的投入產出數據，利用復雜網絡分析的社團劃分方法，定量識別了產業社團，提取了產業鏈，運用嶺回歸方法討論了產業鏈中污染物排放變動中的各產業的貢獻，有以下結論:

第一，山東省39部門產業關聯網絡由三大產業社團組成。社團I主要由制造業部門組成，共有18個產業部門;社團II主要是第三產業，由15個部門組成;社團III由6個產業部門組成，內部異質性強。

第二，基于社團I識別出一條產業鏈，這條產業鏈包括農林牧漁業、食品制造及煙草加工業、化學工業、紡織工業、服裝皮革羽絨及其制品業、通用/專用設備制造業和交通運輸設備制造業。流量傳遞從最前端的農林牧漁業向下游產業傳遞的過程中不斷遞減，但在通用/專用設備制造業、交通運輸設備制造業間的流量值陡然增大。這條產業鏈無論是工業增加值還是污染物排放在山東省均有重要地位。

第三，建立了產業鏈中6個產業增加值分別與工業廢水、固體廢棄物的嶺回歸分析模型。發現，產業鏈中對工業廢水、固體廢棄物排放變動相對貢獻度最大的部門分別是服裝皮革羽絨及其制品業、食品制造及煙草加工業。

區域產業社團的劃分是本文區別于其他相關研究提取產業鏈的一大特點，把產業間聯系的復雜形式以清晰的社團結構展現出來，社團內部產業聯系密切，社團間產業聯系相對松散。社團結構的劃分為本文中產業鏈的辨識提供重要依據，對今后產業鏈研究工作提供了重要的借鑒。

較以往研究不同的是本文選擇污染物的發生主體，并非間接反映經濟發展水平的人均GDP、者產業結構、產業發展外在要素等指標，使研究對象間關系更直接化、具體化。6個制造業部門通過產業鏈的關系串聯在一起，是一個相互影響相互制約的整體。理論上以一種定量化的方法測度產業鏈中一個產業部門變化引起的區域污染物排放量變動。現實意義是有助于區域產業結構的調整，將整治高污染型企業與集中處理污染物集中、循環經濟等工作有機結合起來，需要產業鏈中上下游產業部門間的通力合作。

References)

［1］Grossman G M，Krueger A B.Environmental Impacts of a North American Free Trade Agreement［C］.Garber P，ed.The U S Mexico Free Trade Agreement［M］.Cambridge MA:MIT Press，1993:13－56.

［2］Arrow K，Bolin B，Costanza R，et al.Economic Growth，Carrying Capacity and the Environment［J］.Science，1995，(268):520 －521.

［3］王西琴，李芬.天津市經濟增長與環境污染水平關系［J］.地理研究，2005，24(6):834 － 842.［Wang Xiqin，Li Fen.Econometric Analysis of the Relationship Between Economic Growth and EnvironmentalDegradation ofTianjin［J］. Geographical Research，2005，24(6):834 －842.］

［4］劉榮茂，張莉俠，孟令杰.經濟增長與環境質量:來自中國省際面板數據的證據［J］.經濟地理，2006，26(3):374－377.［Liu Rongmao，Zhang Lixia， Meng Lingjie. Economic Growth and Environmental Quality:Evidence from Provincial Panel Data in China［J］.Economic Geography，2006，26(3):374 －377.］

［5］宋濤，鄭挺國，佟連軍.基于Weibull函數和Gamma函數的環境污染與經濟增長的關系［J］.地理研究，2007，26(3):569－576.［Song Tao， Zheng Tingguo， Tong Lianjun. Study on the Relationship between Economic Growth and Environmental Pollution Based on the Weibull and Gamma Specification［J］.Geographical Research.2007，26(3):569 －576.］

［6］蘇梽芳，胡日東，林三強.環境質量與經濟增長庫茲尼茨關系空間計量分析［J］.地理研究，2009，28(2):303－310.［Su Zhifang，Hu Ridong，Lin Sanqiang.Spatial Econometric Analysis of Kuznets’Relationship between Environmental Quality and Economic Growth［J］.Geographical Research，2009，28(2):303 －310.］

［7］肖前蘭.珠三角地區經濟增長與環境污染之間的關系［J］.生態經濟，2009，(8):64 －66.［Xiao Qianlan.The Relationship of Economic Growth and Environmental Pollution in the Pearl River Delta Region［J］.Ecological Economy，2009，(8):64 －66.］

［8］Lin S，Zhao D，Marinova D.Analysis of the Environmental Impact of China Based on STIRPAT Model［J］.Environmental Impact Assessment Review，2009，29(6):341 －347.

［9］黨玉婷，萬能.貿易對環境影響的實證分析——以中國制造業為例［J］.世界經濟研究，2007，(4):52－57.［Dang Yuting，Wan Neng.The Effect of Trade on Environment:An Empirical Analysis on China’s Manufacturing Sector［J］.World Economy Study，2007，(4):52 －57.］

［10］賀彩霞，冉茂盛.環境污染與經濟增長——基于省際面板數據的區域差異研究［J］.中國人口·資源與環境，2009，19(2):56－62.［He Caxia，Ran Maosheng.Environmental Pollution and Economic Growth:Research Based on China’s Provincial Data for Difference Area ［J］. China Population， Resources and Environment，2009，19(2):56 －62.］

［11］盧東斌，孟文強.城市化、工業化、地理脆弱性與環境質量的實證研究［J］.財經問題研究，2009，(2):22 －28.［Lu Dongbin，Meng Wenqiang. An Empirical Study on Urbanization，Industrialization，Geographic vulnerability and Environmental Quality［J］.Research on Financial and Economic Issues，2009，(2):22 －28.］

［12］凌亢，王浣塵，劉濤.城市經濟發展與環境污染關系的統計研究—以南京市為例［J］.統計研究，2001，(10):46－51.［Ling Kang，Wang Huanchen，Liu Tao.The Statistical Research on the Relationship between Urban Economic Development and Environmental Pollution:the Case of Nanjing City［J］.Statistical Research，2001，(10):46 －51.］

［13］臧志彭，崔維軍.中國30個制造行業環境友好狀況的實證研究［J］.科學學與科學技術管理，2008，(1):140－148.［Zang Zhipeng，Dai Weijun.Empirical Research on Environmental Friendly Condition of China’s 30 Manufacturing Industries［J］.Science of Science and Management of S.＆ T，2008，(1):140 －148.］

［14］唐德才.工業化進程、產業結構與環境污染—基于制造業行業和區域的面板數據模型［J］.軟科學，2009，23(10):6－11.［Tang Decai.Industrialization，Industry Structure and Environment Pollution—Based on Manufacturing Industry and Regional Panel Model［J］.Soft Science，2009，23(10):6 － 11.］

［15］傅京燕.產業特征、環境規制與大氣污染排放的實證研究—以廣東省制造業為例［J］.中國人口·資源與環境，2009，19(2):73－77.［Fu Jingyan.An Empirical Analysis on Industrial Characteristics，EnvironmentalRegulation and AirPollution:Guangdong’s Manufacturing Industry［J］.China Population，Resources and Environment，2009，19(2):73 －77.］

［16］Hoen A R.Identifying Linkages with a Cluster－based Methodology［J］.Economic Systems Research，2002，14.

［17］Peneder M.Cluster Techniques as a Method to Analyze Industrial Competitiveness［J］.Austrian Institute of Economic Research，2001.

［18］Czamanski S，Ablas L.Identification of Industrial Clusters and Complexes:A Comparison of Methods and Findings［J］.Urban Studies，1979，16:61 －80.

［19］Feser E，Bergman E.National Industry Cluster Templates:A Framework for Applied Regional Cluster Analysis［J］.Regional Studies，1999，34:1 －19.

［20］楚波，金鳳君.產業集群辨識方法綜述［J］.經濟地理，2007，27(5):708 － 713.［Chu Bo，Jin Fengjun.Review On theMethodology of Identifying Industrial Clusters［J］. Economic Geography，2007，27(5):708 －713.］

［21］李廣志，李同升，等.產業集群的識別與選擇分析—基于陜西省產業集群的研究［J］.人文地理，2007，22(6):57－60.［Li Guangzhi，Li Tongsheng，et al.An Analysis On the Identification and Selection of Industrial Clusters—Based on Shaanxi Province［J］.Human Geography，2007，22(6):57 －60.］

［22］Czamanski S.Some Empirical Evidence of the Strengths of Linkages between Groups of Related Industries in Urban Regional Complexes［J］.Papers of Regional Science Association，1971，27:137 －150.

［23］Gerold Z，Oliver F，Wolfgang P.An Input-output Analysis of Regional Clusters［M］.The Annual Meeting of the Austrian Economic Association 2001(NOEG 2001)，Graz，2001.

［24］梁進社，賀燦飛，張華.近10年北京經濟職能的發展變化［J］.地理學報，2005，60(4):577 － 586.［Liang Jinshe，He Canfei，Zhang Hua.Changes in the Economic Functions of Beijing，1992 －2002:Based on the Inter－industrial Linkage and Economic Base Theory［J］.Acta Geographica Sinica，2005，60(4):577 －586.］

［25］方愛麗.基于復雜網絡理論的投入產出關聯分析［D］.青島大學，2008.［Fang Aili.An Analysis of Input－ output Correlation Based on Complex Network Theory［D］.Qingdao:Qingdao University，2008.］

［26］劉剛，郭敏.中國宏觀經濟多部門網絡及其性質的實證研究［J］.經濟問題，2009，(2):31 －34.［Liu Gang，Guo Min.An Empirical Research on Chinese Macroeconomic Multi－sector Networks［J］.On Economic Problems，2009，(2):31 －34.］

［27］張許杰，劉剛.基于復雜網絡的英國產業結構網絡分析［J］.商場現代化.2008，(9):151－152.［Zhang Xujie，Liu Gang.An Analysis of Network Structure of England Industries Based on Complex Network［J］.Market Modernization，2008，(9):151 －152.］

AbstractThe research on the relationship of regional economic growth and environmental quality is one of the important academic topics that scholars are exploring nowadays，many of which were verified against EKC curve.In recent years some scholars have studied the impact of the industry’s own characteristics，industrial structure，technological progress and industrial foreign direct investment on pollutant emission from various departments in the national economy.However，scholars did not have any more discussion of the relationship between pollutant emissions and industry sectors which have produced pollutants in the most direct way.Therefore，in this article we transferred research perspective from the study of macro-scale measure of the relationship between regional economic development and environmental quality，and meso-scale analysis of that between industrial features and pollutants to the research on the effect of pollutant emission of specific sectors.In the same time we placed them in the structure of industrial chain and studied the relationship between pollutants emission and industrial development.There are three main conclusions:① 39 industry sectors in Shandong province were divided into three societies by the method of community division from a complex network thought.Society I had a total of 18 industrial sectors which mainly included the manufacturing ones.Association II was consisted of 15 departments，mainly the tertiary industry.Association III was formed by 6 industrial sectors and had a high internal heterogeneity.② We selected a manufacturing-based society I，in which an industrial chain linked with each other most closely was identified，including agricultureforestry-animal husbandry-fisheries industry sectors，food manufacturing and tobacco processing industry，chemical industry，textile industry，garment leather and clothing product industry，general/special equipment manufacturing industry and transportation equipment manufacturing industry.A quantitative method was applied for getting the industrial chain that stringed together each industry through the value stream.The scale of economy and pollutant of this industrial chain had an important position in Shandong province.③ We selected ridge regression method to respectively construct models of industrial waste water，solid waste emissions and 6 manufacturing industries.The relative largest contribution to industrial waste water and solid waste emissions in the industrial chain come from respectively garment leather and clothing product industry，food manufacturing and tobacco processing industry.This is due to the common effect from both industrial chain transfer from upstream industries’pollutant and its own pollutant emission.

Key wordscomplex network;industrial chain;ridge regression model;Shandong province

A Research on Industrial Contribution to Regional Environmental Pollutant Emission:Based on the Discussion of the Industrial Chain

WANG Mao-jun XU Jie YANG Xue-chun
(Institute of Resource Environment＆ Tourism，Capital Normal University，Beijing 100048，China)

F08;G40－054

A

1002－2104(2011)03－0005－09

10.3969/j.issn.1002－2104.2011.03.002

2010－08－26

王茂軍，博士，副教授，主要研究方向為城市地理。

*教育部人文社會科學研究規劃基金項目(編號:09YJAZH057);國家“十一五”科技支撐計劃項目(編號:2006BAJ11B06)。

(編輯:于 杰)