多中心空間發展模式與霧霾污染

摘要：隨著中國城市化水平的快速提升，以城市網絡為依托的多中心經濟發展新模式日益凸顯。為此，文章結合城市經濟和環境經濟理論，通過計算城市規模分布的位序指數以及變換的首位度指數來測度各省份的多中心空間結構，并運用工具變量估計探討了區域多中心發展模式對中國城市霧霾污染的動態影響和作用機制。研究發現，多中心空間結構對中國城市霧霾污染的影響呈現顯著的倒U型特征，在區分城市規模和冬季供暖情況之后，此結論依然穩健。同時，測算結果顯示，目前我國僅有少數省份處于霧霾污染隨著多中心水平的提升而下降的階段，多數省份的霧霾污染則隨著區域內多中心水平的提高而加劇。最后，中介效應分析表明，市場一體化和要素流動是多中心空間發展模式影響城市霧霾污染的重要途徑，且前二者與多中心空間結構能夠對降低霧霾污染產生顯著的正向協同作用。文章的研究結論為從霧霾治理視角思考中國未來區域空間發展模式提供了一定的經驗證據和政策啟示。

關鍵詞：多中心結構;霧霾污染;倒U型關系;中介效應;市場一體化;要素流動

中圖分類號：F124;X513;TU984.113文獻標志碼：A文章編號：1008-5831（2021）05-0030-15

引言

作為世界第一能源消費發展中大國，中國過去較長一段時期的粗放式發展模式在取得較高水平的經濟增長和城市規模快速擴張的同時，以霧霾污染為代表的空氣質量問題也愈發嚴重。在中國經濟逐步進入追求高質量發展的“新常態”背景下，如何降低霧霾污染、改善空氣質量已成為中國發展綠色經濟過程中亟需解決的問題。

從經濟學角度出發，空氣質量的惡化與產業結構失衡、環境規制力度不足以及煤炭消費過高等因素不無關系[1]。但與此同時，隨著中國城市化進程的不斷推進以及城市經濟密度的增加，一方面，經濟活動的空間集聚所產生的規模經濟、技術溢出等正向外部效應提高了能源利用效率，進而改善了空氣質量[2];另一方面，過度集聚引致的市場擁擠和能源利用效率下降則加劇了空氣質量的惡化[3]。經濟活動的空間集聚作為中國當前城鎮化發展過程中的必經之路，能否實現與空氣質量治理之間的協同與共贏，是值得我們深入探討的重要現實問題。特別是在中國近年來城鎮化進程、基礎設施水平突飛猛進以及第二、三產業協同并進的發展背景下，中國越來越多的地區已逐漸形成了服務業集聚于中心城市、制造業分布在周邊次級城市的多中心城市網絡[4]。同時，黨中央、國務院《關于建立更加有效的區域協調發展新機制的意見》也強調了“加強區域內部城市間的緊密合作，中心城市引領城市群進而帶動區域發展”這一戰略方針。這為中國從塑造多中心空間結構視角治理霧霾污染、改善空氣質量提供了契機。因此，厘清多中心空間發展模式與霧霾污染之間的關系，對于中國制定適宜的空間發展政策和發展綠色經濟具有重要的現實意義。

一、文獻綜述

隨著中國城市化戰略的快速推進，空氣污染等“城市病”的出現使得人們開始重新審視城市與環境的關系。其中最具代表性的研究主要體現在經濟集聚對環境質量的影響，但研究結論尚未形成一致。一種觀點認為，經濟活動的集中擴大了區域內生產要素的投入規模，環境質量隨著能源消耗和工業排放的增加而惡化。比如，Verhoef和Nijkamp研究結果顯示，產業集聚顯著加劇了當地空氣污染[5]。類似的，王興杰等以中國實施新空氣質量標準的74個城市作為樣本的研究發現，工業產業的不斷集聚和人口密度的持續增加是導致城市空氣質量下降的關鍵誘因[6]。另一種觀點則指出，經濟集聚能夠通過資源配置效率提升、技術溢出等正外部性改善環境污染[7]。正如王家庭等[8]所強調，城市粗放式的無序蔓延吞噬了耕地和濕地等自然資源，造成資源利用效率低下和生態環境壓力的增加。集中的空間結構則有效降低了居民通勤距離和燃油消耗，進而減少了生產和生活中的污染排放。陸銘和馮皓進一步指出，空間集聚有助于降低單位工業產出的污染排放[9]。正因為如此，中國東部地區的環境效率要明顯優于中西部地區[10]。出現完全相左的結論的原因可能在于，由于經濟集聚中所蘊含的正、負外部性，使得區域密度往往存在一個最優水平。為此，部分學者探討了集聚與環境質量之間的非線性關系。楊仁發采用面板門檻回歸的研究結果顯示，產業集聚對空氣污染的影響存在先加劇后緩解的倒U型特征[11]。張可基于空間溢出視角證明了經濟集聚對污染排放的倒U型影響[12]。此外，邵帥等發現，經濟集聚與工業排放之間存在倒N型關系[13]。

在以集聚經濟為代表的“向心力”和以市場擁擠為代表的“離心力”兩種相反力量的博弈下，城市規模往往存在一個最優水平[14]。尤其是近年來中國大量生產要素迅速向區域中心城市匯聚產生的空間擠出效應以及城際交通基礎設施的不斷完善，使得越來越多地區的空間形態由“一城獨大”的單中心結構向多中心城市網絡演變。區域內由眾多城市構成的互聯互通的多中心空間結構在本質上打破了城市之間的行政和市場藩籬，促進不同層級的城市實現產業分工和功能互補。因此，相比于單中心發展模式，多中心空間結構能夠更大程度地發揮空間正外部性[15]。此外，在多中心城市網絡中，（次級）中心城市周邊的中小城市的生產效率既能夠受益于大城市帶來的集聚經濟，同時也能夠避免自身城市規模過大引致的擁擠效應[16]。隨后，Meijers和Burger基于美國的城市數據證明了多中心空間結構對區域生產效率的提升作用[17]。但另一種觀點認為，在中心城市規模尚未達到最優水平的情況下，過早地塑造多中心空間結構反而會阻礙集聚經濟的發揮并損害區域生產效率。比如，Parr研究發現，多中心空間結構的地區在通勤效率方面明顯落后于單中心結構的地區，這無疑會抑制知識、技術的交流和溢出[18]。張浩然和衣保中基于中國十大城市群數據的實證研究同樣發現，多中心空間發展模式阻礙了生產效率的增長[19]。出現此結果的原因可能在于，目前中國多數地區的城市首位度水平不高，整體呈現“大城市發展不足、中小城市過度擴張”的扁平化城市規模體系[20]。

不難發現，目前關于多中心空間結構外部效應的研究主要落腳于生產效率，前者對空氣質量的影響尚未得到直接探討。特別是在區域空間格局與環境污染之間的緊密聯系已得到眾多學者檢驗的背景下，我們有理由相信多中心空間結構可能會對空氣質量產生不可忽視的影響。因此，本文運用城市規模分布的位序指數測度各省份的多中心空間結構水平，并探索多中心空間發展模式對區域內各城市霧霾污染的動態影響及背后的作用機制，進而能夠為我們基于改善空氣質量這一層面思考中國城鎮化的發展模式提供一定的政策啟示。

二、機制分析

一般而言，多中心空間結構是由大城市和周邊中小城市共同在規模擴張和交通基礎設施完善過程中逐步形成以規模最大的城市為核心、其他大中型城市為次級中心的多中心城市網絡。成熟的多中心空間結構能夠借助城市之間的產業合作實現生產要素配置效率的優化，減少污染排放和霧霾污染。具體而言，多中心空間結構主要通過市場一體化和要素流動加快這兩大途徑實現霧霾污染的改善。

其一，在市場一體化方面。目前來看，由地方保護引致的市場分割是阻礙中國進行綠色生產的重要原因，霧霾污染治理無疑由此受阻。一方面，在分割的市場中，城市之間的環境規制力度和體系難以達成一致。如此一來，部分城市可能為了追逐短期經濟績效而降低環境監督力度和放松環境規制，容易引起城市之間的“逐底競爭”，進而加劇環境污染[21]。此外，市場分割和地方保護會阻礙新型節能生產技術的跨地區推廣和應用，抑制了能源利用效率的提高，環境治理難度自然隨之增加[22]。另一方面，市場分割加劇了區域資源配置效率的扭曲和能源浪費，并對環境績效產生了顯著的抑制作用。正如林伯強和杜克銳[23]所強調，中國要素市場的分割明顯加劇了煤炭資源的低效使用，而這是導致中國工業污染過度排放的重要因素。因此，打破市場分割、提升市場一體化水平是區域多中心空間結構治理霧霾污染的重要途徑之一。Meijers也指出，多中心城市網絡能夠比單中心空間結構更加高效利用資源的原因之一便是城市之間的市場整合和協同發展[24]。在多中心空間結構中，合理的城市規模體系會促進不同層級城市順應市場力量開展產業協作和市場共享，城市之間的良性互動顯著促進了區域內的市場一體化，并產生“1+1gt;2”的聚合效應。與之類似，原倩的研究結果顯示，多中心城市網絡能夠發揮正向溢出的關鍵途徑則是促進區域市場一體化進程[25]。

其二，在要素流動加快方面。在單中心空間結構中，中心城市與周邊城市之間過大的發展差距容易引發“虹吸效應”，區域中心城市往往成為優質生產要素的洼地[26]。為了避免優質生產要素的流失，多數城市實施的地方保護嚴重阻礙了生產要素的自由流動，導致區域內出現重復投資、能源利用效率下降等現象[27]，綠色經濟進展緩慢。為此，在集聚經濟已成為普遍趨勢的情況下，當前更重要的是消除不同發展水平的城市之間資源要素的流動障礙和提升資源配置效率。在多中心空間結構中，在中心城市的引領作用下，若干次級節點城市的經濟輻射和帶動作用能夠覆蓋更多的中小城市，要素的跨區域流動水平顯著提升。在商品層面，各城市能夠根據自身要素稟賦和比較優勢進行生產分工和產品交換，資源利用效率和顆粒污染排放得到明顯改善[28]。在勞動力層面，不同技能的勞動者能夠更加自由地選擇從業地區和行業，促進了知識、技術的學習和溢出。特別是在服務業日趨發達和成熟的大城市，勞動力的自由流動借助學習和模仿效應帶動地區整體服務行業的發展，污染排放自然隨之得到改善[29]。此外，要素自由流動帶來的另一種作用則是加劇市場競爭、倒逼企業進行技術創新，這將有助于工業污染減排[30]。因此，多中心空間結構改善中國霧霾污染的另一重要途徑是要素流動加快。

值得注意的是，在多中心空間結構形成初期，一方面，受“限制大城市、實現區域均衡發展”這一思想的影響，各次級中心城市以及中小城市加快新城區的土地供給和建設，以期實現對中心大城市的接近和趕超。這種情況下，城市之間的競爭大于合作，市場一體化與要素流動受到抑制，能源利用效率由此難以改進。不僅如此，多中心空間發展過程中必然伴隨著城市規模的擴張，由于新建城區往往與城市中心距離較遠，這便導致了明顯的城市蔓延，蔓延的城市結構通過稀釋集聚經濟和降低資源利用效率加劇了環境污染。比如，秦蒙等研究指出，城市蔓延會顯著提高當地的霧霾濃度[31]。另一方面，在區域多中心結構的形成初期，城市之間的發展差距較大，周邊節點城市的次級中心地位尚未成熟，區域內城市彼此之間合作和分工的合理層級關系尚未充分形成，中小城市難以有效承接來自大城市的產業轉移，生產要素在城市之間的充分整合和自由流動因此難以提升[19]。加之區域內原有中心城市的技術溢出由于集聚水平的下降而有所減少，最終導致區域內經濟活動的污染排放可能并未受到多中心空間溢出效應的積極影響。

基于以上分析，本文提出以下兩個研究假說。

假說1：多中心空間結構對城市霧霾污染的影響可能存在倒U型特征，即在多中心模式發展初期，多中心水平的提升會加劇霧霾污染;直至多中心結構達到一定程度之后，霧霾污染隨著多中心水平的提高而改善。

假說2：多中心空間結構能夠通過市場一體化和要素流動這兩大途徑影響城市的霧霾污染水平。

三、模型設定與指標構建

（一）模型設定

結合前文分析，本文計量模型設定如下：

其中，被解釋變量PM2.5表示城市地表PM2.5全年平均濃度，作為霧霾污染的衡量指標。polycentric表示城市所在省份的多中心空間結構水平。同時，為了考察多中心空間結構對霧霾污染的非線性影響，本文在模型中加入了多中心空間結構的平方項polycentric2。

根據前文理論分析，本文構建了市場一體化與要素流動這兩個中介變量。integ表示城市所在省份的市場一體化水平，本文參照盛斌和毛其淋[32]的方法，計算出各省份的市場分割水平并對其取倒數和開根號獲得;goods表示各省份的要素流動水平，本文用貨運量來衡量。此外，本文設定了若干可能會影響霧霾污染的控制變量。pgdp和pgdp2表示人均GDP及其平方項;density代表人口密度;tech表示城市的技術創新水平，本文以科學技術從業人員占總人口比重來體現;structure表示產業結構，本文以第三產業與第二產業的產值之比來衡量;invest為城市固定資產投資占GDP比重;FDI表示實際利用外資額占GDP比重;μyear，city表示時間固定效應和城市固定效應。考慮到各解釋變量對霧霾濃度產生影響存在一定的時滯，本文將解釋變量的滯后一期帶入回歸模型中。同時，為了減少變量之間可能存在的異方差，本文將市場一體化、要素流動、人均GDP、人口密度變量取自然對數帶入回歸模型。值得說明的是，盡管解釋變量是省級層面的多中心指數，但同一省份內不同城市的經濟發展水平、霧霾濃度均存在較大差異，為了更加準確地控制城市層面的影響因素，本文采用了各地級市的PM2.5濃度數據。

（二）指標構建

本文借鑒Meijers和Burger[17]的方法，通過計算城市規模分布的位序指數來測度各地區的多中心空間結構指數，如式（2）所示。

其中，R表示城市m的燈光亮度在全省范圍內的排名，Lightm，t表示t年第m位的城市的夜間燈光亮度，C是常數。在對每個省份各城市的夜間燈光亮度由高到低排序之后，運用式（2）進行回歸并得到Lightm，t的估計系數p。當p值較低時，表明省份內中心城市經濟發展領先其他城市的幅度較大，全省呈現較為明顯的“一城獨大”的單中心模式;當p值較高時，表明省份內城市之間的人口和經濟活動分布較為均勻，呈現較為明顯的多中心空間結構。同時，為了使不同省份的多中心指數具有可比性，本文將中國各省份中排名前兩位至前四位的城市分別進行回歸估計，然后將所得系數p取平均值作為該省份的多中心指數。

本文運用夜間燈光數據來測算空間結構主要有以下兩方面原因：一是對于正經歷高速城鎮化的中國而言，統計年鑒中的戶籍人口數據往往難以精確反映出常住人口規模，進而會降低利用人口數據測算區域空間結構的準確性。二是中國在城鎮化過程中時常出現撤縣劃區等行政區劃變更的現象，這便導致同一城市的數據在前后年份不具有直接可比性。而作為衡量一個地區經濟發展的有效替代指標，夜間燈光數據能夠彌補上述缺陷[33]。表1展示了中國近年來多中心指數排名前十位的省份。

本研究的PM2.5數據來源于美國哥倫比亞大學社會經濟數據與應用中心提供的全球PM2.5地表年均濃度數據，該數據是由氣象衛星監測而來的柵格數據，本文運用ArcGIS軟件將其提取為中國地級城市PM2.5的具體數值為避免占用過多篇幅，PM2.5濃度的描述性統計未在文中展示，若感興趣，可向作者索取。。其他數據來源于《DSMP/OLS全球夜間燈光數據庫》《中國城市統計年鑒》以及《中國統計年鑒》，年份跨度為1998至2013。在數據處理過程中，由于北京、上海、天津、重慶是直轄市，西藏、新疆、青海以及海南這些地區的地級城市數量太少，無法進行多中心空間結構的測算，本文在研究過程中剔除了這8個省市（自治區）。

四、實證檢驗與分析

（一）全樣本檢驗

本文首先對多中心空間結構對城市霧霾污染的影響進行全樣本估計，結果如表2所示。其中，列（1）至列（4）展示了OLS估計結果。可以看出，在控制時間和城市固定效應前后，多中心空間結構一次項的估計系數均為正數，且在1%的水平上通過了顯著性檢驗，相應的平方項估計系數則顯著為負。這意味著多中心空間發展模式對區域內各城市霧霾濃度的影響呈現顯著的先加劇后緩解的倒U型變化趨勢。同時，考慮到霧霾污染與區域空間形態之間可能存在一定程度的內生關系，本文使用工具變量估計再次進行檢驗，結果如列（5）、列（6）所示。可以發現，多中心指標估計系數的方向和顯著性未發生變化，基準回歸結果體現出較好的穩健性，假說1得到了驗證。

關于工具變量的選取，Burchfield等指出，地表粗糙度能夠顯著影響區域內的經濟集聚[34]。Bosker和Buringh則發現是否鄰近水源同樣是影響一個區域內人口分布的重要自然因素[35]。為此，地表粗糙度和河流密度作為多中心空間結構的工具變量具有一定的理論基礎。值得注意的是，本文研究樣本是面板數據，而地理變量在較長時間內是固定值，這就需要我們同時選擇一個宏觀層面的時變變量。為此，本文選擇了匯率。因為對外開放能夠顯著促進區域內經濟活動的集聚[36]。本文最終使用河流密度與匯率倒數的乘積、地表粗造度與匯率倒數的乘積作為多中心空間結構的工具變量。同時，Hausman檢驗結果顯示，本文工具變量估計結果是合理的。

此外，市場一體化和要素流動加快能夠有效改善霧霾污染，原因在于，隨著城市之間的互聯互通，城市之間在環境規制、技術水平等方面的差異借助先進城市的正向溢出逐步縮小，進而實現霧霾污染的緩解。人均GDP及其平方項估計系數表明，霧霾濃度隨著經濟增長表現出先升后降的趨勢，從霧霾污染視角驗證了環境庫滋涅茨曲線。人口密度的增加加劇了霧霾污染，原因在于人口密度增加意味著房地產建設、工業生產規模以及汽車尾氣排放的增加，這些均會加劇霧霾污染。技術水平和產業結構的估計結果表明，城市技術創新能力的提升和第三產業的發展能夠顯著緩解霧霾污染。固定資產投資的增加顯著加劇了霧霾污染，其原因可能在于各類建筑在施工過程中會帶來大量塵土。最后，外商直接投資的估計系數盡管為負數，但并不顯著。這意味著中國引進的外資企業的生產活動或多或少會加劇霧霾污染。

既然多中心空間發展模式對城市PM2.5濃度的影響存在倒U型趨勢，那么目前中國是否存在超越拐點的地區？為此，本文根據基準估計結果計算出拐點并找出在樣本期內城市霧霾污染隨著多中心水平的提升而得到改善的地區，如表3所示。可以看出，近年來中國超過拐點的地區逐漸增多，這意味著越來越多城市的PM2.5濃度開始隨著所在省份多中心水平的提升而下降，多中心空間發展模式對城市空氣質量的改善作用逐步顯現。同時，不可否認的是，中國大部分省份尚處于倒U型曲線拐點的左側，在多中心城市網絡塑造方面，中國尚存在巨大的發展空間。

（二）基于城市規模的穩健性檢驗

不同規模的城市由于自身集聚經濟效應不同，城市經濟活動受到多中心空間結構的影響是否存在差異尚不明確。為此，本文基于城市規模將樣本劃分為大城市、中等城市和小城市這三種類型，分樣本估計結果如表4所示本文將人口大于等于400萬的城市定義為大城市，介于400萬和200萬之間的為中等城市，小于等于200萬人口的為小城市。。以工具變量估計結果為例，多中心指標及其平方項的估計系數在大、中、小城市樣本中均分別為正數和負數，且在1%的水平上顯著，OLS估計結果亦是如此。這表明多中心空間發展模式對中國霧霾污染的倒U型影響并不會由于城市規模的不同而存在明顯差異。假說1從城市規模異質性層面得到了驗證。本文對此現象理解為，對于大城市而言，多中心空間結構在較低水平時，大城市通過虹吸效應匯聚了來自周邊城市的大量生產要素，過于集中的生產活動反而引致市場擁擠造成資源配置效率的降低，加劇了霧霾污染。同時對于中小城市而言，優質生產要素流失降低了本地生產技術水平并加劇了生產排放，導致霧霾污染隨之加劇。隨著多中心水平的逐步提高，次級中心城市與中心大城市之間的差距逐步縮小，能夠有效承接大城市的產業轉移，大城市的霧霾污染能夠借助產業轉移得到緩解，中小城市的產業結構以及綠色經濟在與大城市的一體化發展過程中得到優化，實現空氣質量的改善。

在控制變量方面，人均GDP與霧霾濃度的倒U型關系主要體現在大中型城市中，而在小城市樣本中，人均GDP與霧霾濃度之間存在顯著的正U型關系。這種現象可能是由不同規模城市所處發展階段的差異所致。技術創新和產業結構對霧霾污染的改善作用主要體現在大中型城市，小城市可能由于技術從業人員和服務行業規模相對較小，導致霧霾污染并未受到技術創新和產業結構的明顯影響。此外，外商直接投資對大城市的霧霾濃度產生了顯著的抑制作用，但中小城市霧霾污染隨著外商直接投資的增加而加劇。出現這種現象的原因可能在于，中小城市環境規制力度相對不足，容易成為外資企業的污染避難所。其他控制變量估計結果與基準回歸基本一致，這里便不贅述。

（三）基于冬季供暖的穩健性檢驗

龐軍等指出，冬季集中供暖也是影響中國城市空氣質量的因素之一[37]。為此，本文將樣本劃分為冬季供暖地區和非供暖地區再次進行檢驗，這樣能夠在一定程度上排除北方城市冬季氣候等不易觀測的因素的影響。根據表5，以工具變量估計為例，多中心指數的估計系數在供暖地區和非供暖地區中均在1%的水平上顯著為正，平方項的估計系數則均顯著為負。這意味著多中心空間發展模式對城市霧霾濃度的倒U型影響并不會因為冬季集中供暖而存在明顯差異。原因可能在于，多中心空間結構主要通過市場一體化以及加快要素流動等市場化因素影響中國綠色經濟以及環境質量，背后的影響機理在南北方市場經濟環境之間具有明顯的共性。

（四）基于變換的首位度指數的穩健性檢驗

在前文已采用不同估計方法和不同樣本驗證了假說1的穩健性之后，本文進一步用變換的首位度作為多中心指數的替代變量進行穩健性檢驗。借鑒劉修巖等[38]的方法，本文使用1減去區域內亮度最高的城市夜間燈光占全省燈光亮度總和的比例來計算變換的首位度指數monopro。該指數越大，意味著區域內多中心程度越高，回歸結果展示于表6。不論是在全樣本中還是分樣本中，變換的首位度指數回歸系數的方向和顯著性與前文保持一致，一次項和平方項的估計系數分別顯著為正和為負。假說1的穩健性再次得到驗證。

五、作用機制檢驗

在證明了多中心空間結構對城市霧霾濃度的倒U型影響之后，我們需要進一步了解二者之間的聯系機制。為此，接下來的思路是：首先檢驗核心解釋變量是否能夠顯著地影響中介變量，其次運用中介效應模型分析多中心空間結構對霧霾污染的影響路徑，最后再引入核心解釋變量與中間變量的交互項，來檢驗二者之間的交互效應。

根據前文理論分析，本文以市場一體化和要素流動這兩個中介變量作為被解釋變量，考察多中心空間結構對二者的影響。計量模型如式（3）、式（4）所示。

考慮到交通基礎設施往往是影響區域一體化和要素流動的重要因素，本文將能夠體現各省份交通基礎設施水平的指標加入計量模型，計算公式為：（鐵路運營里程+公路運營里程）/面積。回歸結果展示于表7。在（1）、（3）兩列中，多中心指數一次項估計系數均顯著為負，相應的平方項的系數則顯著為正。這表明多中心空間結構對市場一體化和要素流動的影響呈現明顯的正U型特征，結合基準回歸中市場一體化、要素流動與霧霾濃度之間顯著的負相關關系，可以在一定程度上解釋多中心空間結構對霧霾濃度能夠產生倒U型影響的原因。同時，我們由此初步確定，市場一體化和要素流動可能是多中心空間結構影響中國霧霾污染的重要中介變量。類似的，在（2）、（4）兩列中，變換的首位度指數估計系數的顯著性和方向與多中心指數完全一致，體現出強烈的穩健性。

接下來，本文使用中介效應模型進一步來檢驗多中心空間結構在影響霧霾污染的過程中，市場一體化和要素流動這兩個變量是否發揮了中介作用，模型設定如下。

其中，N_integ和N_goods分別表示市場一體化和要素流動的擬合值，CV表示前文涉及的控制變量。如果多中心空間結構先影響市場一體化和要素流動，進而影響霧霾污染，那么我們預計η1和λ1顯著。同時，為了考察市場一體化和要素流動在多中心空間結構影響霧霾污染過程中是否為完全的中介效應，本文進一步設定如下回歸模型：

如果多中心空間結構對霧霾污染的影響完全是通過市場一體化和要素流動這兩種途徑實現，那么我們預計κ3、κ4的估計值將顯著而κ1、κ2的估計值不會顯著。

表8展示了式（5）至式（7）的估計結果。在（1）、（2）兩列中，市場一體化和要素流動的擬合值的估計系數顯著為負。這說明市場一體化和要素流動是多中心空間結構影響城市霧霾污染的有效中介變量，假說2得到了驗證。根據（3）、（4）兩列發現，在加入多中心指數和變換的首位度指數之后，市場一體化擬合值和要素流動擬合值在顯著為負的同時，多中心指數和變換的首位度指數的估計系數的方向和顯著性與基準回歸結果仍保持一致。這表明，市場一體化和要素流動發揮的是部分中介效應，尚存在其他中間因素未被本文捕捉到。

最后，本文進一步從協同效應視角檢驗多中心空間結構對霧霾污染的影響機制。為此，本文將多中心指數與市場一體化、要素流動的交互項加入基準回歸模型中，結果見表9。以多中心指數為例，在（1）、（2）兩列中，多中心指數與市場一體化、要素流動的交互項的估計系數分別為-1.784和-0.329，且在1%的顯著性水平上顯著。這意味著多中心空間結構與市場一體化、要素流動能夠對PM2.5濃度產生顯著的負向協同效應，換言之，區域內市場一體化水平的提升以及要素流動的加快有助于促進多中心空間發展模式發揮對霧霾污染的改善作用。在（3）、（4）兩列中，以變換的首位度作為多中心指數的替代變量得到了類似的結果。假說2從協同效應層面再次得到了驗證。

六、研究結論與政策啟示

本文以地級城市的PM2.5濃度作為研究對象，運用工具變量估計和中介效應模型考察了區域多中心空間發展模式對霧霾污染的動態影響以及作用機制，研究結果表明：（1）多中心空間結構對中國霧霾濃度的影響呈現顯著的先加劇后抑制的倒U型特征，在區分城市規模、冬季是否供暖以及運用變換的首位度作為多中心指數的替代變量之后，此結論依然穩健。（2）根據本文測算結果發現，目前中國的江蘇、內蒙古、廣東和山東這四個地區空間結構的多中心水平已超越拐點，區域內城市霧霾污染隨著多中心水平的提高而改善，但多數地區的城市霧霾污染尚處于隨著多中心結構的發展而加劇的階段。（3）在作用機制方面，中介效應檢驗結果表明，多中心空間結構能夠通過促進市場一體化和加快要素流動這兩大途徑改善霧霾污染;協同效應檢驗表明，較高水平的市場一體化和要素流動能夠更加有效地釋放多中心空間結構的正外部性。

本文從治理霧霾污染視角為中國新型城鎮化發展模式提供了一定的經驗證據和政策啟示。本文的核心觀點認為，中國各地區應當逐步加強多中心空間結構建設，避免城市之間過大的發展差距而阻礙市場整合和資源利用效率，造成霧霾污染的加劇。具體而言，各地區可將以下三方面作為著力點：第一，通過建立城市之間的合作機制破除行政邊界和貿易壁壘，推動市場一體化水平的提升。多中心發展模式治理霧霾污染離不開要素充分流動和市場整合，這便需要弱化地方保護和市場分割，推動創新型人才、技術等綠色要素的跨地區流動，最大程度地發揮多中心空間溢出對工業減排和能源效率的積極影響。第二，制定區域范圍內的整體規劃和政策，為各城市的協調統一發展提供明確的制度支撐。在多中心空間發展過程中，在城市“錦標賽”仍普遍存在的背景下，城市之間的互動難免存在博弈。這便需要根據區域內不同層級城市的發展階段和比較優勢明確產業分工，并基于不同城市的訴求制定統一的環境規制標準和產業發展規劃，推動城市污染排放逐步減緩[39]。第三，加強城際基礎設施建設，推動城市之間的功能聯系。多中心空間結構能夠發揮節能減排作用的原因不僅僅是緩解大城市的集聚不經濟，還包括中小城市對大城市的“規模借用”，實現更大地理范圍內的空間溢出。這便需要加強城市之間的交通和通訊設施建設[40]，降低城市之間的交流溝通成本。

參考文獻：

[1]邵帥，李欣，曹建華，等.中國霧霾污染治理的經濟政策選擇：基于空間溢出效應的視角[J].經濟研究，2016（9）：73-88.

[2]GLAESEREL，KAHNME.Thegreennessofcities：Carbondioxideemissionsandurbandevelopment[J].JournalofUrbanEconomics，2010，67（3）：404-418.

[3]張可，汪東芳.經濟集聚與環境污染的交互影響及空間溢出[J].中國工業經濟，2014（6）：70-82.

[4]QIYG，LIUYJ.Industrialspatialstructureandevolutionofproducerservicesandmanufacturing[J].MetallurgicalandMiningIndustry，2015，7（3）：127-135.

[5]VERHOEFET，NIJKAMPP.Externalitiesinurbansustainability：Environmentalversuslocalization-typeagglomerationexternalitiesinageneralspatialequilibriummodelofasingle-sectormonocentricindustrialcity[J].EcologicalEconomics，2002，40（2）：157-179.

[6]王興杰，謝高地，岳書平.經濟增長和人口集聚對城市環境空氣質量的影響及區域分異：以第一階段實施新空氣質量標準的74個城市為例[J].經濟地理，2015（2）：71-76，91.

[7]鐘娟，魏彥杰.產業集聚與開放經濟影響污染減排的空間效應分析[J].中國人口·資源與環境，2019（5）：98-107.

[8]王家庭，趙麗，馮樹，等.城市蔓延的表現及其對生態環境的影響[J].城市問題，2014（5）：22-27.

[9]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（7）：86-114.

[10]張可，豆建民.集聚對環境污染的作用機制研究[J].中國人口科學，2013（5）：105-116，128.

[11]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（2）：23-29.

[12]張可.經濟集聚的減排效應：基于空間經濟學視角的解釋[J].產業經濟研究，2018（3）：64-76.

[13]邵帥，張可，豆建民.經濟集聚的節能減排效應：理論與中國經驗[J].管理世界，2019（1）：36-60，226.

[14]ARNOTTR.Congestiontollingwithagglomerationexternalities[J].JournalofUrbanEconomics，2007，62（2）：187-203.

[15]MEIJERSEJ，BURGERMJ，HOOGERBRUGGEMM.Borrowingsizeinnetworksofcities：Citysize，networkconnectivityandmetropolitanfunctionsinEurope[J].PapersinRegionalScience，2016，95（1）：181-198.

[16]PHELPSNA，OZAWAT.Contrastsinagglomeration：Proto-industrial，industrialandpost-industrialformscompared[J].ProgressinHumanGeography，2003，27（5）：583-604.

[17]MEIJERSEJ，BURGERMJ.SpatialstructureandproductivityinUSmetropolitanareas[J].EnvironmentandPlanningA：EconomyandSpace，2010，42（6）：1383-1402.

[18]PARRJB.Agglomerationeconomies：Ambiguitiesandconfusions[J].EnvironmentandPlanningA：EconomyandSpace，2002，34（4）：717-731.

[19]張浩然，衣保中.城市群空間結構特征與經濟績效：來自中國的經驗證據[J].經濟評論，2012（1）：42-47，115.

[20]潘士遠，朱丹丹，徐愷.中國城市過大抑或過小：基于勞動力配置效率的視角[J].經濟研究，2018（9）：68-82.

[21]林伯強，杜克銳.要素市場扭曲對能源效率的影響[J].經濟研究，2013（9）：125-136.

[22]BAIJH，LUJY，LISJ.Fiscalpressure，taxcompetitionandenvironmentalpollution[J].EnvironmentalandResourceEconomics，2019，73（2）：431-447.

[23]DUANMUJL，BUML，PITTMANR.Doesmarketcompetitiondampenenvironmentalperformance？EvidencefromChina[J].StrategicManagementJournal，2018，39（11）：3006-3030.

[24]MEIJERSE.Summingsmallcitiesdoesnotmakealargecity：Polycentricurbanregionsandtheprovisionofcultural，leisureandsportsamenities[J].UrbanStudies，2008，45（11）：2323-2342.

[25]原倩.城市群是否能夠促進城市發展[J].世界經濟，2016（9）：99-123.

[26]吳福象，劉志彪.城市化群落驅動經濟增長的機制研究：來自長三角16個城市的經驗證據[J].經濟研究，2008（11）：126-136.

[27]CHENXD，HUANGBH.Clubmembershipandtransboundarypollution：EvidencefromtheEuropeanUnionenlargement[J].EnergyEconomics，2016，53：230-237.

[28]張翠菊，張宗益.能源稟賦與技術進步對中國碳排放強度的空間效應[J].中國人口·資源與環境，2015（9）：37-43.

[29]劉安國，張克森，聶蓓，等.江蘇省第二產業演進與工業三廢排放關系研究[J].中國環境科學，2017（4）：1579-1588.

[30]鄧玉萍，許和連.外商直接投資、地方政府競爭與環境污染：基于財政分權視角的經驗研究[J].中國人口·資源與環境，2013（7）：155-163.

[31]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.

[32]盛斌，毛其淋.貿易開放、國內市場一體化與中國省際經濟增長：1985—2008年[J].世界經濟，2011（11）：44-66.

[33]CLARKH，PINKOVSKIYM，SALA-I-MARTINX.China’sGDPgrowthmaybeunderstated[R].NationalBureauofEconomicResearch，2017，No.23323.

[34]BURCHFIELDM，OVERMANHG，PUGAD，etal.Causesofsprawl：Aportraitfromspace[J].TheQuarterlyJournalofEconomics，2006，121（2）：587-633.

[35]BOSKERM，BURINGHE.Cityseeds：GeographyandtheoriginsoftheEuropeancitysystem[J].JournalofUrbanEconomics，2017，98：139-157.

[36]DAVISDR，WEINSTEINDE.Bones，bombs，andbreakpoints：Thegeographyofeconomicactivity[J].AmericanEconomicReview，2002，92（5）：1269-1289.

[37]龐軍，吳健，馬中，等.我國城市天然氣替代燃煤集中供暖的大氣污染減排效果[J].中國環境科學，2015（1）：55-61.

[38]劉修巖，李松林，陳子揚.多中心空間發展模式與地區收入差距[J].中國工業經濟，2017（10）：25-43.

[39]周付軍，胡春艷.大氣污染治理的政策工具變遷研究：基于長三角地區2001—2018年政策文本的分析[J].江淮論壇，2019（6）：134-141.

[40]龐雨蒙，劉震，潘雨晨.財政科教支出與霧霾污染治理的空間關聯效應[J].經濟經緯，2020（6）：128-138.