環境規制對城市空間伸延的影響研究
——基于中國30個城市的實證分析

劉 勇 李紅艷 田 瀟 高 德

1（四川大學經濟學院，成都 610065） 2（普華永道中天會計師事務所，北京 100020）

引 言

隨著工業化和城市化的不斷推進，城市不斷向周邊地區伸延，方便快捷的交通路網體系，使得這一進程有加速的趨勢。城市空間的伸延在促進經濟發展、推動城鄉一體化方面有著積極作用，但是也會帶來資源、環境等一系列問題，如城市霧霾污染[1]。城市空間伸延帶來的環境負效應使得大量的文獻對此進行了研究，并認為環境規制會在一定程度上抑制城市空間伸延，弱化環境負效應，使得城市空間伸延的弊端得以減少，但是也有研究認為環境規制的作用有限。有鑒于此，本文基于中國30個省會城市和直轄市（考慮數據的可獲得性，西藏和港、澳、臺地區未包含在內）的衛星遙感數據和統計年鑒數據（1996～2020），將環境規制細分為行政命令型、市場調節型和非正式型，定量分析城市空間伸延與環境規制的關系。研究結論將有利于城市空間的有效治理，為城市經濟增長以及可持續發展奠定基礎，同時，還有利于環境規制的設計，提升規制效率。

1 文獻綜述

1.1 城市空間結構的衡量

城市空間結構是多維度概念，既有研究從不同層面對此進行了研究，提出了多種衡量指標，包括面積加權平均斑塊形狀指數、集中度、開放空間率等[2]。 同時，Huang 等 （2007）[3]采用了緊湊度、中心性、復雜性和密度指標對城市空間結構進行測量。Liu等 （2020）[4]基于緊湊率和伸延度對城市空間結構進行了計算。 Tang和 Wang （2007）[5]則運用了建筑空間、道路空間、綠地指標計算城市的空間結構，還有Zhang（2004）[6]基于重力模型測量城市空間的可達性，以及McMillan（2007）[7]從交通安全方面設計了城市空間的衡量指標。

1.2 城市空間結構的影響因素

城市空間結構受到多種因素的綜合影響，包括城市化、國內生產總值、交通路網、政策導向、土地制度等。有研究認為交通路網有著非常重要的空間引導作用[8]，特別是高速鐵路已成為誘發中國城市蔓延的重要因素[9]，更為詳細的研究表明人均工礦倉儲用地水平、人均小汽車數量和人均道路面積的提高也促進了城市空間蔓延[10]。并且，城市增長邊界的設定不會抑制反而會導致城市空間蔓延[11]，特別是隨著第二產業就業比重的增加，城市蔓延度會提高[12]。政府規制等制度因素對城市空間結構的影響日益成為研究熱點之一，特別是地方政府對發展資源的競爭，也會導致城市空間的蔓延[13]，同時，政府官員的晉升激勵不斷推動了城市空間的擴張[14]。

1.3 既有的研究方法

城市空間結構方面的研究涉及多個學科的內容，因此，既有研究采用了多種研究方法，包括DEA-Malmquist 模型[2]和雙重差分法[9]。 另外，結合地理信息系統的數據進行分析的研究頗多，包括設計城市蔓延指數法和空間自相關分析法[13]，其中采用夜間燈光數據[15]進行分析也是既有研究方法的突出特色。

既有研究對城市空間結構的衡量指標沒有統一的標準，呈現出多樣性，根據特定研究需要設計了多種衡量指標，在分析影響城市空間結構的因素方面，涉及經濟、產業、交通和制度等多種因素，并且采用多種研究方法，得出了頗有價值的結論。在公開發表的文獻中，還沒有研究將環境規制細分為行政命令型、市場調節型和非正式型三大類，并綜合衛星遙感數據，分析環境規制對城市空間結構伸延度的影響的三究。因此，本文將針對這個問題，基于中國30個城市的實證數據進行分析。

2 城市空間伸延率計算

城市空間伸延的衡量沒有統一標準，正如前文的分析，既有研究提出了多種指標進行衡量。由此可見，具體衡量指標的選擇是根據不同的研究目標以及數據的可獲得性確定的。另外，由于城市空間結構的變化不是一蹴而就完成的，其中的時間跨度較長，因此，沒有必要選擇每一年的數據進行分析，另外，空間結構的數據涉及衛星遙感影像的解譯方面，有些年份的遙感影像由于云層和天氣等原因導致分辨率很低，無法完成有效的解譯。綜合考慮，本文選擇了1996年、2000年、2007年、2010年、2016年、2020年的數據進行分析，采用如下公式進行計算[16]：

其中L指城市的最長軸，L′指城市的最短軸。選取相應年份的衛星遙感影像圖（Lansat TM和Lansat OLI）作為數據來源[17]。通過遙感數字圖像處理軟件（ENVI5.3）和地理信息系統軟件（ARCGIS10.2），對遙感數據影像進行城市建設用地的信息解譯。遙感信息提取方法主要分為目視解譯和自動分類。在城市建設用地信息提取過程中，綜合考慮研究對象的特征和圖像處理的工作量，主要采用非監督分類方法中的ISODATA算法。同時在遙感影像解譯過程中，水體與道路、裸地與部分建筑地物的光譜特征相似，會對分類產生影響，為了提高精度，輔以目視判讀完成圖像的分類后處理。首先，通過監督分類解譯出建設用地及非建設用地信息，之后，采用目視判讀的方式進行城市建設用地信息的提取，最后是后期處理，主要通過過濾處理（Sieve）和聚類處理（Clump）進行小圖斑的剔除或重新分類。借助于Google Earth、城市專題地圖及目視判別結果，通過混淆矩陣對總體分類精度和Kappa系數進行計算，分類結果精度均在70%以上。

計算結果如圖1所示。1996年，30個城市的空間伸延率最小值為0.99（昆明），最大值為2.02（杭州），平均值為1.25。2000～2010年間變化幅度不大，2016年有個別城市的伸延率顯著增長，2020年30個城市的空間伸延率都有不同程度的增長，并且各個城市之間的差距日益明顯，其中最小值為1.69（南寧），最大值為6.51（?？冢骄禐?.53。

圖1 城市空間結構伸延率

3 環境規制的分類與計算

環境規制是一個多維度概念，包括三大類的環境規制：行政命令型、市場調節型和非正式規制。為尋找環境規制與城市空間伸延的關系，本文按照衛星遙感數據的相應年份選取1996年、2000年、2007年、2010年、2016年和2020年6個年份內的各直轄市、省會城市進行分析，數據來自 《中國統計年鑒》、《中國環境統計年鑒》、各個省市區統計年鑒和環境統計公報。

3.1 行政命令型規制

這種規制是指以政府的強制性為典型特征，以行政命令的方式進行執行。為了有效量化行政命令型規制，Brunneimer和 Cohen （2003）[18]采用了政府的污染治理投資數量進行衡量，Hamamoto（2005）[19]的研究進一步驗證了這種方法，Xie等（2017）[20]則采用新建設項目的環境投資數量對這種規制進行衡量。因此，以環境污染治理投資數量作為行政命令型規制的衡量不失為一種有效的指標，本文從 《中國環境統計年鑒》和國家統計局獲取的數據中選取了樣本年份中各省市區的環境污染治理投資額，其中1996年的數據缺失，用相近年份1997年的數據推算得出。除了直轄市以外，僅能獲取省域數據，先按照省會城市的廢水、廢氣、廢渣排放量占全省三廢排放量比重的平均值，再乘以該省域的環境污染治理投資額，進而估算出省會城市的環境污染治理投資額，得到5年各樣本城市的數據，結果見表1。

表1 5年各樣本城市環境污染治理投資額 單位：億元

從1996～2020年，樣本城市的環境污染治理投資額隨年份呈上升趨勢，并且各個城市之間的差距顯著擴大。其中2020年、2016年、2010年、1996年的環境污染治理投資額最大值城市都是北京，分別為685.17億元、674.2億元、231.4億元和10.2億元；2007年和2000年的最大值城市是上海，兩年的環境污染治理投資額分別是366.12億元和50.52億元。?？谑?020年、2016年、2010年和2000年的環境污染治理投資額居所有樣本城市的最低位，分別為1.07億元、1.2億元、0.93億元和0.03億元；2007年和1996年的最小值樣本城市是西安，兩年的環境污染治理投資額分別是1.23億元和0.02億元。

3.2 市場調節型規制

這種規制突出市場調節特征，以市場運作手段對污染進行治理，包括污染收費和排污交易權等，通常采用排污費收入總額進行衡量[20]。從 《中國環境年鑒》中提取到當年部分樣本城市的排污費數據，對于未提取到的樣本城市的排污費，按照該市的廢水、廢氣、廢渣排放量占全省三廢排放量比重的平均值，再乘以該省排污費，估計該市的排污費金額。2018年起環境保護稅替代了環保部門征收的排污費，故2020年排污費數據為環保稅額。得到6年各樣本城市的排污費數據見表2（重慶1996年的數據以1997年替代）。

分析結果表明，總體上各樣本城市排污費呈現增長趨勢。2020年排污費最高的城市是北京（9.61億元）；2016年排污費最高的城市是天津（6.81億元）；2010年排污費最高的城市是重慶（3.77億元）；2007年排污費最高的城市是太原（6.81億元）；2000年排污費最高的城市是杭州（1.36億元）；1996排污費最高的城市是上海。?？谠?020年、2016年、2010年、2007年和2000年的排污費都位于所有樣本城市中的最低位，1996年排污費最少的樣本城市是西寧。

3.3 非正式環境規制

這種規制的實質是一種 “壓力”，包括來自公眾、社區、非政府組織等要求減少環境污染的壓力[21]。直接獲取這種壓力的量化指標非常困難，因此，既有研究采用一些與此有關聯度的間接指標進行衡量，包括人均收入、公眾投訴量和教育水平[22-24]。鑒于數據的可獲得性，本文采用教育水平衡量這種非正式規制。衡量一個城市的教育水平可用該城市的人口平均受教育年限作為衡量指標。人口平均受教育年限（PJ）一般指6歲及以上人口的平均接受學歷教育年數，可代表一個地區的教育水平[25]，計算方式如下[26]：

由于無法獲得市級數據，因此用省級數據推算市級數據。收集2020年、2016年、2010年、2007年、2000年、1996年6年的各省區直轄市人口平均受教育年限數據，包括各城市的在校生數。然后，利用省會城市在校生數與省區總在校生數及其之間的比例，推算出省會城市的人口平均受教育年限，公式推導：

將省、市的6歲以上人口總數比例約換算成在校生人數比例：

其中 “高中文化人數”含 “中專”，“大學文化人數”含 “大?！?，對于僅有 “中學在校生數”的數據，其在校時長取10.5年。得出樣本城市的人口平均受教育年限見表3。

表3 樣本城市人口平均受教育年限 單位：年

計算結果表明，各樣本城市人口平均受教育年限呈現穩步上升趨勢。2020年和2016年南京的人口平均受教育年限在所有樣本城市中最大，分別為13.01年和12.76年，而2010年、2007年、2000年和1996年樣本城市中人口平均受教育年限最大的城市是北京，分別為11.01年、11.09年、9.59年和9.58年。6個樣本年份內，西寧的人口平均受教育年限一直是所有樣本城市中最少的，從2020～1996年依次為9.33年、8.40年、7.03年、7.18年、5.59年和5.04年。在2000年以前，所有城市的人口平均受教育年限都低于10年，而在2016年之后，人口平均受教育年限超過10年的城市已經超過20個。

4 伸延率與環境規制的相關性

基于對城市空間結構的伸延率和環境規制的定量評價指標，建立面板分析模型以分析伸延率和環境規制的定量關系。所有變量都進行了對數運算。面板分析模型有多種形式，為了篩選出最佳的模型，本文計算了F統計量以及Hausman統計量的值，結果表明應該選擇固定效應模型。面板回歸分析結果表明3種類型的環境規制和城市空間伸延率都有著顯著的相關性（見表4）。

表4 城市空間伸延率與環境規制回歸分析結果

為了檢驗模型結果的穩健性，引入新的變量到模型之中（樣本城市的GDP），從圖2可見，從1996～2020年，樣本城市的GDP呈現出明顯的增長趨勢。

圖2 樣本城市的GDP變化趨勢圖

將各個城市的GDP進行對數運算后，運用固定效應面板模型進行分析，結果如表5所示，加入GDP變量之后，仍然沒有改變伸延率和環境規制的顯著相關性。因此，有理由相信，不同類型的環境規制對城市空間結構的伸延率有著顯著的影響。

表5 城市空間伸延率與環境規制的穩健性分析

（1）行政命令型環境規制與城市空間伸延率顯著正相關。城市空間的伸延伴隨著城市用地向周邊擴張，推動這一擴張過程的重要因素之一就是行政命令[13]。與城市周邊的郊區相比較，中心城區的行政命令型環境規制的執行更為嚴格，可能的原因是中心城區集聚著大量的人口，同時也是政治、文化和經濟的中心，一旦發生環境污染導致的公共危機事件，后果非常嚴重[27]。城市周邊的郊區，行政命令型環境規制的執行力度相對較低，事實上中國鄉鎮環境保護機構僅占環保機構總數的4%～15%，而人員僅占1%～4%[28]，再加之在追求GDP和官員晉升的激勵下[14]，政策導向傾向于城市空間伸延，將污染類產業布局在郊區，各類經濟主體也在一定程度上規避了行政命令型環境規制的強制處罰。因此，行政命令型環境規制在城區和郊區的執行差異在一定程度上推動了城市空間向周邊地區伸延。

（2）市場調節型環境規制與伸延率顯著負相關。市場調節型環境規制是以市場機制的調節為基礎，通過市場信號引導資源的布局和分配，包括排污權收費和排污權交易等，這種規制從激勵污染主體自發改善環境行為著手，增加環境友好型生產技術的投資，從排污的根源上治理環境污染，這種經濟主體的環境行為較好，完全可以達到行政命令型環境規制的基本要求[21]，甚至做得更好。因此，不會盲目跟從城市空間的伸延浪潮，而會根據市場和自身發展的需要合理選擇布局，進而在一定程度上抑制了城市空間的伸延。

（3）非正式環境規制與伸延率顯著正相關。非正式環境規制是一種來自社區和民眾的壓力，要求污染主體減少污染，改善環境行為。相比城市周邊的郊區和農村而言，主城區的居民具有較高教育程度，通常環境意識也較高，對污染的敏感度和維權意識等使得污染嚴重的企業在主城區難以立足，社區居民會給企業和政府施加壓力，要求其改善環境行為。作為企業而言，通常愿意遷移到城市周邊地區，享受政策主導的城市擴張所帶來的優惠，而不愿意增加投入改善環境，因此，隨著主城區非正式環境規制的力度增加，在城市化政策的共同催化下，大量的污染企業會向郊區搬遷，改變土地利用類型，實現城市空間的伸延。

5 結論與政策建議

本文基于中國30個城市（省會和直轄市）1996年、2000年、2007年、2010年、2016年和2020年的衛星遙感數據以及各類統計年鑒數據，設計了城市空間結構伸延和環境規制（行政命令型規制、市場調節型規制和非正式規制）的定量評價指標，采用面板分析模型定量分析了3類環境規制和城市空間結構伸延的關系。

計算結果表明，樣本城市的空間伸延率，具有明顯的增長趨勢并且各個城市之間的差距日益明顯。同時，衡量三大類環境規制的定量指標也呈現出增長的趨勢。面板模型的分析結果表明，行政命令型環境規制與城市空間伸延率顯著正相關，該種環境規制在城區和郊區的執行差異，在一定程度上推動了城市空間向周邊地區伸延。市場調節型環境規制與城市空間伸延率顯著負相關，這種規制從激勵污染主體自發改善環境行為著手，不會盲目跟從城市空間的伸延浪潮，在一定程度上抑制了城市空間的伸延。非正式環境規制與城市空間伸延率顯著正相關。隨著主城區非正式環境規制的力度增加，在城市化政策的共同催化之下，實現城市空間的伸延。

以上結論為合理設計環境規制，促進城市空間有效治理提供了頗有價值的信息。（1）統籌城鄉行政命令型環境規制的執行效力。行政命令型環境規制在我國仍然具有重要的作用，特別是針對那些環境行為惡劣的污染主體，采取強制的環境規制，對其進行嚴格規范，仍然有效。為了避免污染主體向城郊轉移，逃避環境監管，需要進一步統籌協調城郊的環境管理，避免新一輪的遷移性環境污染，同時也能抑制伴隨著污染轉移的城市空間無序擴張；（2）健全和充分發揮市場型環境規制。市場型環境規制以市場機制的運行為基礎，進一步完善相關規制可以從激發環境主體自身的主觀能動性方面改善環境行為，不但減少了環境污染，還能避免為了逃避環境監管而遷移到城郊，助推城市空間的盲目伸延；（3）合理引導非正式環境規制。這種類型的環境規制以社區和公眾的監督為主導，合理引導城鄉居民的環境意識，特別是城市郊區群眾，發揮群眾的監督作用，能夠有效的抑制污染類主體在城郊的排污行為，進而抑制城市空間的過度伸延。

城市空間結構是多維度的復合概念，環境規制的衡量指標也包括多種類別，本文的研究根據數據的可獲得性，設計了相關指標進行實證分析，進一步的研究將致力于對評價指標的細化和擴充，以期挖掘出環境規制和城市空間結構的更多關聯機制。