我國區域城市化與環境污染關系的空間計量研究

◎ 王家庭 趙 麗 孫 哲 王 璇

我國區域城市化與環境污染關系的空間計量研究

◎ 王家庭 趙 麗 孫 哲 王 璇

結合我國29個省區2000-2010年的面板數據，運用空間計量方法實證研究了區域城市化與環境污染的關系。實證結果表明：（1）工業污染、生活污染與區域城市化的關系依舊呈現倒N型；（2）其他影響因素對環境污染的影響程度和方向各不相同；（3）目前中國的大部分省區均處于隨城市化率增加環境污染加劇的階段。

區域城市化 環境污染 空間面板數據模型

一、引 言

隨著經濟的發展，人民生活水平逐漸提高，城市化進程快速發展。我國城市化水平自1992年起，以每年1.2%的平均速度增長。到2010年底，全國城市化率達到49.95%的水平。然而隨之而來的現實問題就是日益嚴重的環境污染。城市化過程中產生了大量的工業污染物和生活污染物，當這些污染物的排放總量超過了環境的自凈能力時，就會對生態環境造成大范圍的破壞。

從區域的角度來看，各地區經濟發展過程不同，城市化進程也有所不同，在此過程中產生的環境污染問題也就不盡相同。東部地區經濟發展較早，城市化進程較快，也就伴隨著繁雜的環境污染問題，中西部地區相對來說，經濟水平較低，城市化還在不斷建設的過程中，所產生的環境問題相對少而簡單。然而，一個地區的污染并不會只局限在該地區內，而是會向周邊省區滲透，造成周邊省區的環境質量變差。因此，從空間視角研究區域城市化與環境污染之間的關系問題，具有十分重要的現實意義。

目前，國內外大量的學者已對城市化過程中的環境污染問題進行了研究。

國外方面的相關研究主要有：Howard（1898）[1]嘗試使用合理的規劃方法，研究城市化和城市生態環境之間的協調發展。Meadows（1972）[2]提出了世界城市化前景的“有極限增長”的預測，使得世界各國開始恐慌城市化進程中的資源消耗和環境污染問題。Shafik和Bandyopadhyay（1992）[3]研究了不同的污染物和人均國民生產總值兩個變量的對數形式之間的關系。Grossman和Krueger（1995）[4]研究了城市空氣污染、水污染和人均國內生產總值之間的關系。Vernon（2003）[5]則從城市人口的角度，研究了城市人口規模對生態環境的影響。

國內方面的相關研究主要有：姜乃力（1999）[6]和史愛玲等（1999）[7]分析了城市化造成的“熱島效應”、“渾濁島效應”、“雨島效應”和局部環流等氣候影響。盛學良等（2001）[8]分析了城市化引起的城市生態環境資源問題。楊文舉（2002）[9]提出城市化進程和生態環境建設具有明顯的階段性、相互作用性和相互聯系性。劉耀彬等（2008）[10][11]分析了江西省城市化發展過程中的環境污染排放效應。盛光耀（2009）[12]認為城市化的發展模式應該與資源環境相適應，并考慮環境政策的影響。

由此可見，國外相關研究起步較早，視角廣泛，方法比較系統化。相比而言，由于中國城市化特殊性強，國內相關研究發展起步較晚，但發展迅速。整體來看，研究城市化過程中的環境污染分析多為定性分析，且未從空間角度來分析區域之間的相互影響。

基于此，本文以空間面板數據模型為切入點，研究各省區作為單位個體的區域城市化與環境污染之間的關系，考慮相鄰區域間的相互影響。首先利用Moran’s I指數評判環境污染的區域間的相關性，之后建立計量模型，嘗試確定我國區域城市化與環境污染之間的關系的曲線形狀并量化區域間的空間相關性，試圖解答怎樣的環境污染是合適的、環境污染的主要影響因素及其影響方向等問題。

二、理論分析

城市化水平與環境污染物的排放，伴隨著時間的變化呈現出不同的特征，本文將其分為四個階段，所得曲線如圖1所示。其中細線表示城市化水平變化曲線，粗線表示環境污染水平變化曲線。

（一）城市化與環境污染的初始發展階段

圖1 城市化水平與環境污染物排放量的時期變化圖

在0至T1時期，城市化水平較低，處于0至10%之間，屬于城市化進程的初期階段。在此階段，產業結構以農業為主，大部分人口集中于農村地區，城市人口低速增加，甚至出現回流現象。聚集的城市的人口數量相對較少，產生的生活廢物較少。而有限的收入水平，使得居民的消費結構主要以生活必需品為主，對環境造成的污染是相當有限的。同時，工業生產水平低，資源使用較少，投入的有限決定了非期望產出（也就是環境污染物）的有限。總體來看，環境污染物排放處于較低水平。而由于此時的經濟發展也屬于初期階段，不穩定因素較多，也就造成了環境污染的波動性圖形。在某一時刻，達到波動的最低點，對應城市化水平為X1*，環境污染物排放量水平為Y1*。

（二）城市化與環境污染快速增長階段

在T1至T2時期，城市化發展速度加快，城市化總體水平迅速提高，達到30%至70%之間。在此過程中，伴隨著經濟水平的快速增長。經濟的發展帶來技術進步，農村勞動力生產效率提高，農村出現剩余勞動力；同時，城市中的工業迅速壯大擴張，需要更多的勞動力投入。于是農村人口更多更快地往城市地區聚集，生活污染逐漸增多。居民生活水平也快速提高，開始不僅滿足于必需品消費，傾向于改善衣、住、行的消費，而且更多的是一種數量的提高。這種消費結構促進了相關產品的生產，從而產生較多的工業污染物。而社會總生產也進入高速化階段，投入生產的資源急速增加，在大部分地區采用的是耗能型技術的前提下，環境污染，無論是工業污染，還是生活污染，都進入迅速攀升階段。

（三）城市化緩慢增長，環境污染達到極值階段

在T2至T3時期，城市化進程逐漸進入穩定階段，城市化水平達到75%以上，經濟也相應進入穩速發展階段。城市人口增長速度減緩，城市居民素質提高，開始注重生活質量的提高，傾向于節能環保型產品的消費，生活廢物排放傾向于減少。同時，這種消費結構的改變相應地改變了生產結構，工業環境污染物排放量減少。此時的生產技術也趨于成熟，更多地區的技術傾向于節能環保型，但由于環境污染具有一定的粘性，排放量會繼續增長，直至達到一點，經濟發展帶來的技術效應大于人口、資源在空間上集聚產生的規模效應，污染物排放開始減少，這一點也就是污染物排放最多的臨界點，最高值點。此時對應的城市化水平為X2*，環境污染物排放量水平為Y2*。

（四）城市化均衡，環境污染緩慢減少階段

在T3時期之后，進入城市化進程的均衡階段，城市化水平在此階段達到80%到90%之間，經濟發展也相應地進入均衡狀態。人口和經濟不再向城市聚集，農村和城市的發展不再具有足夠大的差異性，使得資源出現大量的單向轉移。城市人口比率、生產水平、資源投入以及技術水平都相應進入穩態。此時的污染物排放跨過臨界值，進入緩慢減少階段。

將城市化水平與環境污染分別作為X軸和Y軸，建立直角坐標系，以更直接地表示二者關系，所得結果如圖2所示。

三、指標選取及相關說明

（一） 被解釋變量的選取

圖2 城市化與環境污染的關系圖

從現實情況看，工業污染和生活污染是環境污染的主要組成部分，其影響因素會有所不同，于是本文將環境污染分為工業污染與生活污染兩部分進行細化研究。

1. 工業污染的變量選取。選取工業廢水排放量（萬噸）、工業廢氣排放量（萬噸）、工業二氧化硫排放量（萬噸）、工業煙塵排放量（萬噸）、工業固體廢棄物產生量（萬噸）五個工業污染物相關指標。

2. 生活污染的變量選取。選取生活二氧化硫排放量（萬噸）、生活煙塵排放量（萬噸）、生活污水排放量（萬噸）、生活垃圾清運量（萬噸）四個相關指標。

同時，對工業污染物指標體系和生活污染物指標體系通過熵值法計算降維，分別得到工業污染和生活污染綜合指數，定義為Y1和Y2，以保證較為全面地反映環境污染水平。

（二）解釋變量的選取

1.工業污染回歸方程解釋變量的選取

蔡孝箴（1998）[13]認為，城市化過程除了人口城市化為主要代表外，還應包括產業城市化、生活方式城市化和地域城市化三個方面的考慮。我們以控制變量形式將這三種城市化加入模型之中。此外，從區域自身發展條件和外在發展條件考慮，加入區域技術水平指標和貿易開放程度指標。

（1）選取各省區城鎮人口比重（%）作為本文中的主要解釋變量——人口城市化指標，也就是普遍意義的城市化，在回歸模型中定義為X1。

（2）選取各省區工業產值占地區生產總值的比率（%）①作為產業城市化指標，定義為X2。工業產值在生產總值中的比重，也就是工業化率，對環境污染起正向影響作用。

（3）選取各省區非生活必需品消費性支出占城鎮居民家庭平均每人全年消費性支出的比值（%）作為生活方式城市化指標，定義為X3。居民用于非生活必需品的消費，初期對環境污染起加速作用。而伴隨著經濟的發展，居民收入水平進一步提高，開始注重生活環境質量的提高，傾向于購買節能環保型產品，減少了環境污染物的排放。

（4）選取人口密度（人/平方公里）作為地域城市化的指標，定義為X4。人口密度大的地區也就意味著更多的擴大再生產，更多的消費，更多的日常生活活動，也就伴隨著更多的污染物排放。

（5）選取各地區用于科學技術的財政支出在財政總支出中所占比重（%）作為區域內部技術水平指標，定義為X5。技術進步會從各方面降低污染物的排放。

（6）選取各地區進出口總額與地方生產總值之比作為貿易開放程度指標，定義為X6。依據比較優勢理論，國際貿易使得環境污染嚴重的產業由發達國家移入發展中國家，或是由環境管制嚴格的國家轉移到管制寬松的國家，以此規避環境污染約束。國際貿易使得環境污染產生“替代效應”，也就是“污染天堂”假說。我們可以認為，貿易開放度越高，本省區的污染越嚴重。

2. 生活污染方程解釋變量的選取

造成生活污染的影響因素，我們可以從和居民生活息息相關的衣食住行等方面進行考慮。在工業污染方程中，涉及到的四個城市化的指標中，人口城市化、生活方式城市化和地域城市化指標也會對生活造成污染，而產業城市化指標——工業化率通過影響生活垃圾的排放影響生活污染指數的變化。由此我們繼續沿用這四個指標。

除此之外，根據數據的可行性和可得性，考慮另外兩個因素的影響。

（1）選取私人汽車擁有量（萬輛），定義為X7。私人汽車擁有量越多，對大氣環境造成的污染越嚴重。

（2）選取餐飲業企業營業額（億元），定義為X8。餐飲業企業營業額，反映了居民外出就餐的消費程度，而餐飲業是造成生活垃圾和污水排放的主要因素。營業額越多，表明食物垃圾和廢水排放越嚴重。

（三）相關說明

本文選取時間范圍為2000年至2010年，選取截面為全國29個省區（西藏和海南地區除外）②。2000年至2003年的城市化率指標來源于對應年份的《中國全面建設小康社會進程統計監測報告》，2003年與2004年單位地區生產總值能耗來源于《中國能源統計年鑒》相關數據計算得到，其他指標均來源于對應年份的《中國統計年鑒》。

四、實證分析

（一） 基于Moran’s I指數的空間相關性的分析

1. Moran’s I 指數理論簡要介紹

Moran’s I，又稱為空間自相關指數，取值范圍為－1≤I≤1。I＜0表示負向的空間相關性，說明不同的屬性值傾向于集聚；I＞0表示正向的空間相關性，說明相似的屬性值傾向于集聚；I=0表示屬性值的分布與區位數據的分布相互獨立，不存在空間相關性。I的絕對值越大，表示空間的聚集度越高。

如果需要探討局部空間集聚的存在與否，確定每個區域對全局的空間相關性的貢獻大小，空間自相關的全局評估掩蓋了多大程度上的局部不穩定性，就要運用局部空間自相關分析。本文選用Moran’s I散點圖進行分析。Moran’s I散點圖分為四個象限，對應相鄰單元之間的四種局部空間相關性形式：第一象限對應高觀測值的區域單元被同樣的高觀測值的區域單元包圍的形式（簡稱高-高，H-H）；第二象限表示低觀測值的區域單元被高觀測值的區域包圍（簡稱低-高，L-H）；第三象限表示低觀測值的區域單元被低觀測值的區域單元所包圍（簡稱低-低，L-L）；第四象限表示高觀測值的區域單元被低觀測值的區域所包圍（簡稱高-低，H-L）。

2. 基于Moran’s I指數值的環境污染全局空間相關性分析

由于Moran’s I指數值反映截面數據的性質，而本文涉及兩個環境污染綜合指數11年的數據，比較龐雜。嘗試對每個環境污染綜合指數的11年數據進行平均化處理，形成截面數據，然后計算Moran’s I指數，并進行分析，結果如表1所示。

表1 我國各省區的區域環境污染水平的全局Moran’s I指數

表1結果顯示，工業和生活環境污染綜合指數的Moran’s I指數的數值都大于0，說明我國的區域環境污染從整體上來看，并不是每個省區隨機分布并獨立存在的，而是存在著明確的正向空間依賴關系。環境污染嚴重的區域傾向于集聚在一起，一個區域的環境污染水平受到相鄰區域的同向影響。工業污染綜合指數的Moran’s I的數值較大，而生活綜合污染指數的Moran’s I的數值較小，說明工業污染的空間相關性強于生活污染的空間相關性。

3. 基于Moran’s I散點圖的環境污染局部空間相關性分析

為了更進一步判定我國各省區環境污染的高低屬性，進行局部空間相關性分析。

（1）工業污染局部空間相關性分析

由圖3的散點圖（左圖）可以看到，大多數省區集中于第一象限和第三象限，也就是工業環境污染集聚的高-高和低-低類型占主導。具體省區的分布情況如表2所示。位于第一象限（高-高類型）的省區主要有黑龍江、遼寧（東北老工業基地省區）；山西、河南、湖南、湖北、安徽、江西（中部工業省區）；河北、山東、上海、江蘇、浙江、福建、廣東（東部沿海省區）。東北老工業基地省區長久以來的產業基礎都是工業；而中部工業省區有的憑借資源優勢、有的依靠東部地區的產業轉移，近些年來工業經濟崛起；而涉及到的東部沿海省區都是輕紡工業發達的地區。以工業為主的產業結構決定了這些省區高污染的地位。處于第三象限（低-低類型）的省區為新疆、甘肅、寧夏、青海、云南、廣西，這些都是經濟不發達的西部省區。位于第二象限（低-高類型）的省區多為東部省區的腹地，本身經濟發展水平不高，污染程度較低，但是有受東部地區重污染影響的可能性。

圖3 工業污染綜合指數的Moran’s I散點圖及顯著性水平圖

從圖3的顯著性水平圖（右圖）來看，在工業污染集聚的低-低類型中，新疆和青海通過了顯著性水平檢驗，也就是這種特征最為明顯的省區。這和其經濟發展水平密切相關，與其他省區相比，這兩個城市的工業化水平更低，工業污染排放較少，而周邊省區也大多為工業發展水平不高的省區，也就形成了以這兩個省區為核心的低工業污染圈。而在高-高類型中，通過了顯著性水平的省區為河北、山西、山東、河南、江蘇、安徽、上海。這七個省區中，有重工業省區，也有輕工業省區，這就決定了其高污染區域核心的地位，與周邊省區形成高污染圈，也就不足為奇了。而四川成為工業污染高-低特性的核心，也就是說四川相對于周邊省區來說，工業化程度較高，吸引著周邊省區資源向四川的集聚，同時也產生了污染排放的集聚，形成了“高-低”特性。

（2）生活污染局部空間相關性分析

由圖4的散點圖（左圖）可以看出，多數省區依然位于第一象限和第三象限，也就是生活環境污染集聚的高-高和低-低類型占主導。具體來看，如表3的區域象限分布，位于第一象限（高-高類型）的省區中東部省區有6個，中部省區5個，西部省區1個，東北部省區2個。地區的生活污染程度，一方面決定于該區域的經濟發展水平。經濟水平越高，人民的可支配收入越高，用于消費的部分也就越多，相應的就會造成更多的環境污染，比如上海、江蘇、廣東等。另一方面決定于當地的文化氛圍，雖然經濟水平不一定發達，但是當地人民傾向于更多的生活消費，也會造成較多的生活污染，比如湖南、河南等。處于第三象限（低-低類型）的省區為新疆、甘肅、青海，都是經濟不發達的西部省區，當地居民局限于滿足溫飽的程度，不會產生很多的生活污染。位于第二象限（低-高類型）的省區可分為兩類。一種是北京、天津的經濟發達地區，這些地域由于經濟發展水平較高，當地政府以及居民已經開始重視污染問題，產生了環保意識，人為地減少生活污染的排放。另一種是經濟發展水平一般，且當地居民不注重生活質量的地區，但這些地區都有受到周邊高生活污染省區影響的可能性。

表2 我國各省區工業污染綜合指數的空間相關模式

圖4 生活污染綜合指數的Moran’s I散點圖及顯著性水平圖

由圖4的顯著性水平圖（右圖），可以看出，在生活污染集聚的低-低類型中，新疆和青海通過了顯著性水平檢驗，成為特征核心省區。一方面與這些省區的經濟發展水平相關，另一方面也與當地的飲食習慣相關，傾向于產生較少的生活污染。而周邊省區也大多為生活污染排放較少的省區，也就形成了以這兩個省區為核心的低生活污染圈。而在高-高類型中，通過顯著性水平檢驗的省區為山東、江蘇、安徽、上海、江西、福建。也就是說，以這六個省區為核心，形成了高污染區域。而四川成為生活污染高-低特性的核心，也就是說四川相對于周邊省區來說，有較多的生活污染的排放，這與當地的飲食習慣是密切相關的，形成了“高-低”特性。

（二）傳統固定效應模型的估計與分析

利用傳統固定效應模型——LSDV（Least Square Dummy Variables），也就是普通面板數據模型，進行回歸分析并檢驗空間相關性的存在與否。

設定本文基本模型為：

回歸結果如表4所示。

分析表4的數據，可以看出：

工業污染的方程中，人口城市化指標的一次方、二次方和三次方的系數通過了1%的顯著性水平檢驗，且與工業環境污染物的關系，呈現倒N型。而其他五個控制變量，四個通過了不同程度的顯著性檢驗。

生活污染的方程中，人口城市化一次方、二次方和三次方的系數均未通過顯著性檢驗，控制變量中三個通過了不同程度的顯著性檢驗，我們依然能夠觀察到生活污染伴隨區域城市化發展的變化曲線呈現倒N型趨勢。

表3 我國各省區生活污染綜合指數的空間相關模式

表4 基于LSDV的估計結果和空間相關性檢驗

LMerr統計量用于檢驗空間誤差模型中的空間自相關系數的顯著性，LMlag統計量用于檢驗空間滯后模型中的空間自回歸系數的顯著性。LMerr和LMlag統計量都是通過截面數據的最小二乘估計（OLS估計）得到的。Anselin et al（2008）[14]指出，將空間權重矩陣做相應的變化后，這兩個統計量能夠繼續應用于面板數據模型中兩個模型使用的判斷。空間誤差模型或空間滯后模型的選擇方法為：如果LMerr統計量的顯著性優于LMlag統計量，則選取模型SEM；如果LMlag優于LMerr，則選取SLM。

由表4可以看到，在兩個方程中，LMlag、Robust LMlag、LMerr和Robust LMerr統計量均顯著不為0，且LMlag統計值通過了顯著性檢驗，也就說明工業環境污染和生活環境污染均存在著明顯的空間自相關性，也就是工業環境污染和生活環境污染都會有臨近區域間的相互影響。再根據空間滯后模型與空間誤差模型的選擇標準進行判斷，兩個方程中，LMerr和Robust LMerr統計量均未通過顯著性檢驗，而LMlag和Robust LMlag統計量全通過了顯著性檢驗，而且，LMlag和Robust LMlag統計量大于對應的LMerr和Robust LMerr統計量，因此工業污染方程和生活污染方程均選擇空間滯后模型進行回歸，測度相鄰區域間的相互影響程度。

（三）空間面板數據模型的估計與分析

1. 模型介紹

Anselin（1998）[15]和Elhorst（2003）[16]在傳統的面板數據模型的基礎上，明確引入考慮空間相關性的空間滯后誤差項和空間滯后因變量。Anselin（1998）提出了隨機效應的空間誤差模型。Elhorst（2003）把空間面板數據模型分成了四個小類：空間固定效應模型、空間固定系數模型、空間隨機效應模型、空間隨機系數模型，給出了四個模型的對數似然函數，還分析了極大似然估計量的漸進性質。

空間計量模型包括空間誤差模型（SEM，又稱為空間自相關模型）和空間滯后模型（SLM，又稱空間自回歸模型）。何江和張馨之（2006）[17]提出，回歸目標集中于研究某些特定個體時，選擇固定效應模型更好；何江和張馨之（2006），王火根和沈利生（2007）[18]，吳擁政和顏日初（2009）[19]，這三組學者的研究都表明，空間面板研究文獻一般均選擇固定效應模型。基于前人的研究成果，本文選擇空間固定效應模型進行回歸分析。

空間誤差固定效應模型（Fixed Effects Spatial Error Model）的設定如下：

空間滯后固定效應模型（Fixed Effects Spatial Lag Model）的設定如下：

上述兩個模型的矩陣匯總表示形式如下：

2. 回歸結果分析

對兩個方程的空間滯后固定效應模型進行回歸，結果如表5所示。

由表5可以看出，加入空間相關性的考慮之后，兩個模型的可決系數都有一定程度的提高，這說明考慮空間相關性在一定程度上提高了模型的擬合優度。Y1方程中，除了城市化率指標的系數依舊通過顯著性檢驗之外，其他控制變量的系數也通過了一定水平的顯著性檢驗。Y2方程中，城市化指標的一次方項和三次方項的系數通過10%的顯著性水平檢驗，控制變量中通過顯著性檢驗的指標也增多。變量系數顯著性提高，也從一定程度上說明采用空間滯后固定模型的正確性。總體來看，兩個方程中污染物與城市化指標的關系，依舊全部呈現倒N型，這與LSDV估計結果相同。從理論來上講，倒N型曲線是符合環境發展特征的，只是與倒U型曲線比較來說，在城市化初期有較大的波動。

表5 工業污染和生活污染的空間固定效應模型估計結果

兩種污染物的模型中，自回歸系數 的估計值均為正，并且都通過1%或5%水平下的顯著性檢驗，說明各省區間的工業污染物排放和生活污染物排放確實具有較強的正向相互影響作用。為了更好的解釋環境污染的影響因素，我們更詳細地分析每一個模型方程：

（1）工業污染方程

第一個方程中，工業污染綜合指數作為被解釋變量，與區域城市化指標的呈現的倒N型曲線中，兩個轉折點處對應的區域城市化率為X1*=20.63%和X2*=80.70%。

具體來說，區域城市化率低于20.63%的省市，還處于城市發展的初期階段；而區域城市化率介于20.63%和80.70%之間，表明各省區的工業環境污染隨著區域城市化加劇而惡化；區域城市化率超過80.70%的省區，則進入工業環境污染隨區域城市化深入而緩和的階段。

根據中國2010年各省區的城市化率指標，各省市在工業污染與城市化率呈現的倒N型關系中的所處階段的分布如圖5所示。粗實線表示區域城市化率為20.63%的基準線，對應的為極小值處的X1*的區域城市化水平；細虛線表示區域城市化率為80.70%的基準線，對應的是極大值處的X2*的區域城市化水平。除了北京在2010年的人口城市化率達到85.93%，上海達到88.86%，超過了第二個轉折點，進入工業污染隨著人口城市化率的增加而減少的階段，其他省區依然處于工業廢水排放量隨人口城市化率增加而增加的階段。

由此可以看出，北京和上海兩個直轄市已經跨過以污染換增長的階段，經濟發展進入平穩發展階段，更具有長期持續發展的特性，成為“經濟發展與環保兩手抓”的代表。

對于其他控制變量：伴隨著工業產值比率增加，各省區的工業污染加劇，這是與事實相符合的；伴隨著非生活必需品消費性支出比率增加，工業污染加劇，這說明目前居民生活水平的提高很大程度上表現于家用電器等生活用品的量的增加，從而促進生產的增多，資源的消耗；伴隨著人口密度的增加，工業污染在減少；伴隨著區域內部技術的進步，工業污染也在減少；伴隨著貿易開放度的增加，工業污染在減少。

表示工業污染的空間相關性的自回歸系數 的估計值為正，并且通過1%水平下的顯著性檢驗，說明各省區間的工業污染物排放具有較強的正向空間相關性。也就是說，本省區的工業污染物排放受相鄰地區工業污染排放的影響，且影響方向為同向。自回歸系數的估計值為0.3941，表明相鄰省區的工業污染綜合指數變化1%，則會導致本省區工業污染綜合指數同向變動0.3941%。

圖5 基于工業污染的2010年區域城市化率分布情況

（2）生活污染方程

在第二個方程中，區域生活污染綜合指數作為被解釋變量，與區域城市化率呈現的倒N型曲線中，轉折點依次為19.10%和74.32%。

參照中國2010年各省區的人口城市化率，各省區在生活污染和城市化率呈現的倒N型關系中的所處階段的具體分布如圖6所示。粗實線表示區域城市化率為19.10%的基準線，細虛線表示區域城市化率為74.32%的基準線。

具體來看，北京（城市化率為85.90%）、天津（城市化率為79.20%）和上海（城市化率為88.86%）三個直轄市，已越過第二個轉折點，進入區域生活污染排放隨著區域城市化率增加而減少的階段，大多數省區仍處在兩者正相關的部分。直轄市在生活污染治理中的標桿作用在這里可以看到，在注重經濟建設的同時，關注精神文明的建設，居民環保觀念較強。

在其他控制變量中，產業結構的系數未通過顯著性檢驗，說明從現實來講，生活污染與工業化的關系較小；隨著非生活必需品消費性支出比率的增加，生活污染增加；隨著人口密度的增加，生活污染減少，說明除了少數省區人口密度過度集中之外，人口密度還未對居民生活造成負面影響，而是規模效應依然占著主導地位；隨著私人汽車擁有量的增多，生活污染在增加，這是與現實相符合的；隨著餐飲業營業額的增加，生活污染也在加劇。

表示生活污染的空間相關性的自回歸系數 的估計值也為正，并且通過5%水平下的顯著性檢驗，說明各省區間的生活污染物排放具有較強的正向空間相關性。也就是說，本省區的生活污染物排放受相鄰地區生活污染排放的影響，且影響方向為同向。自回歸系數的估計值為0.2124，表明相鄰省區的生活污染綜合指數變化1%，則會導致本省區生活污染綜合指數同向變動0.2124%。

圖6 基于生活污染的2010年區域城市化率分布情況

五、結論及政策建議

通過實證分析，我們得到以下結論：（1）全國29個省區的環境污染大多為同屬性聚集。工業污染和生活污染的空間相關性多為“高-高”、“低-低”聚集類型；無論是工業污染還是生活污染，其“高-高”空間集聚類型的核心區域多為東部沿海省區，“低-低”空間集聚類型的核心區域為西部省區；四川則是“高-低”污染類型的核心區域。（2）環境污染與區域城市化的關系呈現倒N型曲線。工業污染和生活污染都隨著區域城市化率增加，呈現出倒N型發展趨勢，且工業污染的倒N型曲線更明顯；并且大多數省份都處在隨著城市化率的增加，污染物增多的階段。這與我國目前現狀基本相符。（3）各省區的環境污染與其他控制變量間存在明顯的相互關系。工業污染與工業化率、消費結構、貿易開放度呈現正相關性，與人口密度、技術進步呈負相關；生活污染與消費結構、私人汽車擁有量、餐飲業企業營業收入呈現正相關關系，與人口密度呈現負相關關系。（4）各省區的環境污染在空間維度相互影響。各省區間的工業污染物排放和生活污染物排放都具有正向空間相關性，且工業污染的空間維度相關性更強一些。

為了實現城市化與環境污染的同步、協調、均衡發展，提出以下建議：

1. 聚焦城鎮人口發展，合理調整人口政策。中國的大部分省區目前還處于隨著區域城市化率提高，環境污染加劇的階段，并且在很長的一段時間都將處于這種狀態。地方政府不能為了盡快實現環境污染隨城市人口比重增加而減少的情況，盲目地采取促進城市人口增加的政策。人口的增長應該和經濟社會的發展相協調。過度的城市人口，會給環境造成更大的壓力，乃至最后造成整個環境系統承載能力的崩潰。因此，必須聚焦城鎮人口變化，在人口發展偏離自然增長時，要運用一定的政策手段給予合理控制，使人口恢復自然增長，保證穩定地越過轉折點。

2. 發展“綠色工業”，優化產業結構。目前，環境污染隨著工業產值比率的提升而惡化。這是因為在我國目前的工業結構中，依然是高污染的重工業占主要地位。為了控制環境污染，就要逐步淘汰工業結構中的高污染的產業，積極引進高新技術，改造傳統產業，建立起低消耗、低污染、高效益的工業結構。大力倡導生態經濟、循環經濟和低碳經濟。另一方面，要大力發展具有高產出、高就業、低消耗和低污染等特點的第三產業，如金融、商貿、科教等，使其逐步替代工業在生產總值中的頭等地位，促進整個經濟向更合理的結構轉變。

3. 加強產業轉移質量評估，促進貿易開放的技術效應。“污染天堂”假說在本文的實證中不成立，但這并不意味著我們可以肆無忌憚地接受國際貿易帶來的產業轉移。在整體趨勢上，中國以其發展中國家的地位，無法趨避資源消耗型、污染密集型產業的轉移進入，但可以從中選優。地方政府應盡量發揮產業轉移中外來的先進環境管理理念和污染防治技術；更多地接受高端制造業、高新技術產業、新能源和節能環保等產業的轉移，實現區域經濟發展與減少污染排放的雙贏目標；在合理擴大貿易開放度的同時，加強對產業轉移的質量評估，盡量減少以污染換增長的發展模式。

4. 關注地區間相互影響，促進地區間和諧發展。我國地區間的環境污染具有較強的正向空間相關性。也就是說，在實現本地的經濟發展的同時有可能犧牲周邊地區的環境質量。為了全國整體環境水平的提高，地區政府要避免“短視”行為，不能只關注當地的經濟發展，深刻牢記“一榮俱榮、一損俱損”的思想，高度重視相鄰地區間的相互影響性，做到相鄰省區間相互關照、和諧發展。在制定經濟規劃、環境規劃和社會規劃時，可采取跨地區合作的方式，減緩地區間經濟發展與環境污染的矛盾，促進地區間的共同和諧發展。

注釋：

①從中國目前的發展來看，工業化多集中于城市發展，農村地區工業化發展較低，相對所占份額較少；同時由于統計數據中缺少單獨的城市工業化指標，因此用各省區全省的工業化指標代替城市地區的工業化指標。

②西藏部分數據缺失，海南由于其地理位置與其他地區不相鄰，無法考慮空間相關性，因此將二者剔除。

[1]Howard ． E 著,金經元譯．明日的田園生活[M]．北京:北京城市出版社, 1998．

[2]Meadows D H, Meadows D L, Randers J, et al． The Limits to Growth[M]．New York: Universe Books, 1972．

[3]Shafik N, Bandyopadhyay S． Economic growth and environmental quality: time-series and cross-country evidence[R]． World Bank Policy Research Working Paper, 1992, No．904．

[4]Grossman G, Krueger A． Environmental Impacts of A North American Free Trade Agreement[R]． NBER Working Paper, 1991, No．3914．

[5]Vernon Henderson． The Urbanization Process and Economic Growth: the So-what Question[J]． Journal of Economic Growth, 2003(8): 47-71．

[6]姜乃力．城市化對大氣環境負面影響及其對策[J] 遼寧城鄉環境科技,1999(02): 63-66．

[7]史愛玲,閆慶松．城市化對環境的影響和對策[J]．山東環境,1999(01): 35-36．

[8]盛學良,董雅文,John Toon．城市化對生態環境的影響和對策[J]．環境導報,2001 (06): 8-9．

[9]楊文舉,孫海寧．淺析城市化進程中的生態環境問題[J]．生態經濟,2002 (03): 31-34．

[10]劉耀彬．城市化與生態環境耦合機制及調控研究[M]．北京:經濟科學出版社,2007: 134-147．

[11]劉耀彬．城市化與資源環境相互關系的理論與實證研究[M]．北京:中國財政經濟出版社,2007: 30-36．

[12]盛光耀．城市化模式與資源環境的關系[J] 城市問題,2009 (01): 11-17．

[13]蔡孝箴．城市經濟學[M]．天津:南開大學出版社,1998． 50-53．

[14]Anselin L, Gallo J． L, Jayet H． Spatial Panel Econometrics[A]． Mátyás L．,Sevestre P． The Econometrics of Panel Data[C]． Berlin Heidelberg:Springer, 2008．

[15] Anselin L． Spatial econometrics: methods and models[M]． Dordrecht: Kluwer Academic Publishers,1988．

[16]Elhorst J P． Specification and Estimation of Spatial Panel Data Models[J] International Regional Science Review． 2003,26(3): 244-268．

[17]何江,張馨之．中國區域經濟增長及其收斂性:空間面板數據分析[J]．南方經濟,2006(5): 44-52．

[18]王火根,沈利生．中國經濟增長與能源消費空間面板分析[J]．數量經濟技術經濟研究,2007(12): 98-149．

[19]吳擁政,顏日初．中部六省地級市區金融發展與經濟增長的空間面板分析[J]．統計與信息論壇, 2009(3): 63-71．

A Spatial Econometric Study of the Relationship between China’s Regional Urbanization and Environmental Pollution

Wang Jiating, Zhao Li, Sun Zhe, Wang Xuan

This paper has analyzed the relationship between regional urbanization and environmental pollution by using spatial econometric method, based on panel data of China’s 29 provinces and autonomous regions from 2000 to 2010. The result shows that: (1) The relationship between regional urbanization and industrial pollution, living pollution is still an inverted N type; (2) Influence degree and direction on environmental pollution varies from other different influencing factors; (3) At present, most of China’s provinces and autonomous regions are in the stage that environmental pollution grows with the increasing urbanization rate.

regional urbanization; environmental pollution; spatial panel data model

TU984.115

10.3969/j.issn.1674-7178.2013.03.001

王家庭，南開大學中國城市與區域經濟研究中心副教授，經濟學博士，碩士生導師，研究方向為城市與區域經濟、土地與房地產經濟；趙麗，南開大學中國城市與區域經濟研究中心碩士生，研究方向為城市與區域經濟；孫哲，南開大學中國城市與區域經濟研究中心碩士生，研究方向為城市與區域經濟；王璇，南開大學經濟學碩士，天津國際郵輪母港有限公司經濟師，研究方向為城市與區域經濟。

（責任編輯：盧小文）

國家社會科學基金項目《快速城市化進程中我國城市蔓延的成本-收益評估與治理模式構建研究》（12BJY048）成果。