政府環境規制對城市土地利用效益的影響研究*

李曉春 張謙雅

引言

黨的十九大報告中明確指出，中國特色社會主義進入新時代，我國社會主要矛盾已經轉化為人民日益增長的美好生活需要和不平衡不充分的發展之間的矛盾；需要始終貫徹創新、協調、綠色、開放、共享的新發展理念，建設現代化經濟體系，為實現中華民族偉大復興的中國夢奠定堅實的基礎。

一方面，“人民日益增長的美好生活需要”與全面小康相輔相成，除了基本的物質文化需要，還囊括了社會民生、生態環境、法治安全等多個領域。“十四五”時期經濟發展主要目標明確要求持續改善生態環境與城鄉人居環境，實現生產生活方式綠色轉型，持續減少主要污染物排放總量，充分說明了生態文明建設的突出地位。在“良好的生態環境應該成為全面建成小康社會的底色”的頂層設計下，“綠水青山就是金山銀山”的理念逐漸成為社會共識，人與自然和諧共生的命運共同體意識亦成為新時代社會主義現代化的重要內涵。此外，傳統的經濟增長范式在過去的中國經濟建設實踐中選擇性忽略生態環境保護與治理，Chan等[1]指出“中國的經濟增長伴生著城市人口的擴張與超級城市的出現，其結果就是能源消費的大幅上漲、空氣污染物的大量排放與相關城市群的低空氣質量”。因此，在當前中國所處時期，政府環境規制有增強傾向，需不斷推進資源節約與環境友好的綠色發展體系建設。

另一方面，“不平衡不充分的發展”制約著經濟潛力的進一步發揮，加之中國自然地形復雜多元、空間資源環境承載力存在較大的東西差異，實際宜居面積僅占國土面積的20%。在有限土地資源的客觀條件約束下，更需高效利用國土空間，提升土地利用效益。國家統計局數據顯示，2019年年末中國常住人口城鎮化率達60.6%，提供工業品與服務產品的城市化地區已成為人力資源、創新資源的高效集群，其土地利用效益提升將帶來更大的邊際價值。

綜上所述，新時代中國特色社會主義社會的主要矛盾要求增強政府環境規制，強化城市地區生態保護與環境治理，轉變粗放的發展方式，優化空間結構布局，實現土地利用效益提升。但二者屬于不同目標集群，其關系存在不確定性與爭議性，且學術界在此領域的相關研究較少。本研究旨在通過理論研究揭示政府環境規制與城市土地利用效益之間的聯動機制，并通過實證分析驗證該機制的存在性與空間差異性；據此提出切實的政策建議，以期在重要戰略機遇期為中國高質量經濟發展建言獻策。

一、 文獻綜述

(一) 政府環境規制的文獻綜述

2012年以來，政府環境規制問題越來越受到國內學術界的重視。中國科學院公布的《2019研究前沿》中顯示，經濟學、心理學及其他社會科學領域Top 10熱點前沿中有2個與資源環境經濟相關，而政府環境規制是資源環境經濟學領域的重要話題。從數量上看，1998—2012年，CSSCI期刊上該話題的年均發文量僅3.91篇；2012年起顯著上升，2013—2020年間年均發文量達27.38篇，2019年CSSCI期刊上共有43篇論文與之直接相關。

從內容上，大量文獻關注到了政府環境規制的影響。李勝蘭等[2]在地方政府競爭的大框架下，探究了政府環境規制對區域生態效率的影響，發現政府績效考核機制的轉變能夠有效促進地方政府由“逐底競爭”向“逐頂競爭”轉變，環境規制對區域生態效率的效應亦由負轉正。趙霄偉[3]在此基礎上細化了政府環境規制的競爭類型，發現其對經濟增長效應的作用方向、顯著程度存在空間差異。此外，王鋒正等[4]利用2001—2012年中國省級面板數據，通過回歸分析發現政府環境規制強度對綠色產品與綠色工藝創新的影響相反，前者顯著為負，后者顯著為正；而張娟等[5]指出，若不區分產品與工藝，綠色技術創新產出與環境規制強度之間呈“U”型關系，且具有一期滯后性。但這部分研究影響的文獻對土地利用效益關注不多，且研究時將區域作為整體進行考量，未將城市與農村進行區分。

此外，部分國內文獻還關注到地方政府之間[6-7]、地方政府與微觀企業之間在環境規制上存在博弈[8-9]。這部分文獻充分考慮到了中國式分權制度下區域之間的交互效應，啟示本文若采用省級面板數據，可能樣本非獨立同分布，需考慮內生性。

國外文獻對政府環境規制問題關注相對早于國內。以政府環境規制作為自變量，大量文獻圍繞波特假說進行了研究，但實證與理論研究結果均存在爭議性[10]。如Lanoie等[11]以魁北克地區的制造部門數據為基礎，認為政府環境規制降低了全要素生產率，而Rubashkina等[12]通過工具變量法發現該結論在歐洲制造業中相反，Jaffe等[13]則認為政府環境規制使企業創新投入顯著增加，但對創新產出效應不明顯。因創新、生產力與土地利用效益存在聯動，上述文獻佐證了政府環境規制與城市土地利用效益之間的不確定性，而這正是本文的研究價值所在。此外，部分文獻關注到了政府環境規制對經濟增長[14]、外商直接投資[15]、能源利用效率[16]等因素的影響，與國內文獻所涉及研究領域差異不大，但也較少涉及城市土地利用效益問題。

(二) 城市土地利用效益的文獻綜述

土地利用效益指一定的時間與區域內, 單位土地面積在土地利用過程中直接產生的社會、經濟、生態與環境效益, 其實質是單位面積土地投入與消耗在區域發展的社會、經濟、生態與環境等方面的物質產出或有效成果[17]，一直以來是被廣泛研究的熱點問題[18]。對土地利用的綜合效益評價將指出目標區域的土地利用效益現狀, 是土地利用總體規劃的基礎和出發點, 是編制土地利用總體規劃的重要依據, 是區域經濟發展規劃的參考依據[19]，因而受到地理學、經濟學等多個不同領域的學者重視。

目前的文獻多集中于具體行政區域內的土地利用效益評價。如彭建等利用層次分析法構建了社會、經濟、生態與環境的協調度評價模型，發現南京市江寧區總體土地利用效益適中，并分析了七大土地利用效益類型區的空間差異特征[17]；葉敏婷等[20]認為深圳市總體土地利用效益中等，但各行政區的土地利用效益均呈上升趨勢；楊麗霞等[21]則以浙江省11個城市為例，認為浙江省土地利用經濟效益處于高水平，并呈顯著的空間集聚形態。這部分文獻普遍采用搭建綜合評價指標體系的方法，聚焦其在微觀行政區域內的空間差異，從土地利用效益本身出發提供相關政策建議；但綜合評價指標體系法存在一定的主觀性，也會制約變量相關性分析，所提建議的有效性與實踐性有限。

部分文獻意識到了這些不足，一是將研究對象在微觀行政區劃的基礎上進行了擴延，如朱珠等[18]使用變異系數法確定權重，基于Topsis方法定量評價我國土地利用效益，確定了其整體利用水平較低、東中西部地域差異顯著的主要特征，但這類文獻總量相對有限。二是深入挖掘了影響土地利用效益的因素，如陳偉等[22]利用DEA模型與GIS空間分析，趙偉等[23]使用DEA模型與Tobit回歸模型，認為經濟發展水平、政府影響力、資本勞動比率、產業結構、自然保護區面積、地理位置等均會對中國建設用地利用效益造成影響；楊勇等[24]將研究對象限定為開放條件下的內陸地區，以重慶市為例，并明確將城市化作為自變量。上述文獻調整了土地利用效益的測度方法，更側重經濟效益維度，為本文提供了借鑒；他們亦說明土地利用效益是多元因素的復合影響結果，啟發了本文計量實證部分控制變量的選擇，但它們較少關注政府環境規制問題。三是部分文獻將土地利用效益的測度范圍限定在城市，為本文提供了思路啟發。如Zitti等[25]測度了長期城市擴張背景下，南歐地區城市土地利用效益的空間變化，張明斗等[26]聚焦東北三省，探究了城市土地利用效益與城市化的耦合協調性。

(三) 政府環境規制與城市土地利用效益

綜上所述，目前國內國外學術界在政府環境規制、城市土地利用效益兩方面均有較充實的研究成果，但鮮有文獻將二者進行關聯，直接成果有限，屬于較新的研究領域。間接成果如鐘成林等[27]使用超效率SBM模型與門限面板回歸模型，將環境規制劃分為激勵性環境規制與非激勵性環境規制,發現二者對城市建設用地生態效率存在顯著的制度協同效應，且呈總體抑制傾向；王鏑等[28]搭建的動態最優化模型顯示，在土地城市化率較高時，政府趨向出臺環境規制政策控制環境污染程度，使地均土地生態環境質量有所提高；Yang等[29]則在土地利用碳排放框架的限制下，使用Bootstrapping方法和門檻面板回歸，證明了政府環境規制對生態效率的非線性影響。上述文獻所選擇的因變量與城市土地利用效益有一定相關性，研究思路與研究方法也為本文提供了借鑒；但它們均未明確涉及政府環境規制與城市土地利用效益的關系，本文將重點在此領域內進行研究。

二、 理論推導與假設

本文選擇邏輯演繹與數理模型相結合的方法進行理論推導，并基于此提出本文的假設。

(一) 邏輯演繹

首先進行邏輯演繹。一方面，政府環境規制程度增強，如對高污染工業(如造紙業、化學化工產業等)征收污染稅，或限制此類工業過度擴張生產規模，或提升資質審批準入門檻等，進而引致生產成本的提升與利潤的下降，導致經濟生產規模被抑制，單位土地的經濟產值下降，即土地利用效益下降。此外，政府環境規制程度的增強還會導致環保指標直接或間接地進入地方政府的績效考核系統，如引入綠色GDP指標、規定城市綠化覆蓋率紅線、要求擴張城市公園綠地面積等，導致實際綠化面積在城市建成區面積中的占比上升；但公園、綠地等不屬于生產型用地，除提供公共產品外無法直接產生經濟價值，進而導致城市整體的土地利用效益下降。

但另一方面，政府環境規制程度的增強能夠在一定程度上激勵企業創新行為，這一結論已被眾多學者認可。如曹霞等[30]發現，創新效率與環境規制強度呈“U”型關系，前期由于成本上升會抑制創新行為，后期由于環境優化，會促進創新效率的提升；他們[31]還通過構建政府、企業與消費者之間的演化博弈模型，使用Matlab仿生工具進行推導賦值求解，發現高強度的污染稅收、低強度的公眾環保宣傳與適度的創新激勵補償對企業綠色技術創新的促進效果最明顯；許士春等[32]認為“排污稅率和排污許可價格與企業綠色技術創新的激勵程度都成正相關”。技術創新與技術擴散導致規模報酬遞增與長期生產成本遞減，生產效率的提升引致城市土地利用效益上升。

綜上所述，城市土地利用效益與政府環境規制的關系存在不確定性，其最終效應方向取決于上述正效應與負效應的相對大小與綜合結果。由于技術創新存在研發周期，具有明顯的時滯效應，結合曹霞等[30]的研究結果，推測政府環境規制前期負效應強于正效應，導致其對城市土地利用效益的綜合效應方向為負；政府環境規制后期，創新的技術成果落地并作用于經濟生產，正效應強于負效應，綜合效應方向為正；若政府持續增加環境規制程度，導致環境規制過度，無法構成創新激勵甚至直接抑制生產，綜合效應方向為負。換言之，二者關系呈現從負相關到正相關再到負相關的過程。

(二) 數理模型

假定經濟體生產的產品均同質，將總產量記為Y，將總污染量記為P。經濟體可用土地面積為L，劃分為兩種不同類型：一類為生產建設類用地，這類土地有直接經濟產出，但同時有污染的副產品；另一類為居住綠地類用地，這類土地能夠吸收或無害化污染，但沒有直接經濟產出。記后者占比為ε，則前者占比為1-ε，滿足0<ε<1。生產建設類用地的產出效率為λ，伴生的污染效率為m；居住綠地類用地的污染處理效率為n。科技水平越發達，污染處理效率越高，n的值越大。

“執政為民”是中國政府重要的執政理念，其經濟意義為：政府決策的原則是社會群體效用最大化。設社會群體的效用函數為

U=ln(1+Y)-μln(1+P)①

(1)

由上述條件可知：

Y=L·(1-ε)·λ

(2)

P=L·(1-ε)·m-L·ε·n

(3)

故有

U=ln(1+L·(1-ε)·λ)-μln(1+L·(1-ε)·m-L·ε·n)

(4)

(5)

解得

(6)

城市土地利用效益用單位城市面積的經濟產出②作為代理變量，故有

(7)

解得

(8)

當L·n<1時，g(ε)單調遞增，landef(ε)單調遞減；當L·n=1時，landef(ε)為常數③；當L·n>1時，g(ε)單調遞減，landef(ε)單調遞增。

其經濟意義為：當技術發展程度較低時，城市土地利用效益與政府環境規制程度負相關；當技術發展程度較高時，城市土地利用效益與政府環境規制程度正相關。漸進性技術發展導致城市土地效益與政府環境規制程度呈U型曲線。同時需注意到此時前提條件中包含0<ε<1；當ε→1時，意味著政府過度環境規制，有Y→0，故landef→0。故在過度環境規制階段，城市土地利用效益與之負相關。

綜上所述，本文提出假設如下：

城市土地利用效益與政府環境規制程度呈“由負到正再到負”的相關性，如圖1所示。

圖1 城市土地利用效益與政府環境規制關系假設示意圖

三、 變量選取與數據來源

(一) 變量選取

為驗證第二部分所提出的假設在實際經濟運行中的存在性，本文使用計量實證方法進行檢驗。面板數據兼具截面數據與時間序列數據的優點，近年來被廣泛應用于經濟學實證研究，尤其是國家政策評估領域，故本文亦采用此類數據結構。基于數據的可得性、準確性與時效性原則，本文最終選擇2008—2017年中國29個省級行政單位的面板數據作為計量實證分析的數據池。香港、澳門屬于特別行政區，基本制度、經濟形態與其他省級行政區存在較大的差異，需單獨進行考察；北京市、上海市城市建成區面積缺失嚴重，因變量時間序列不完整；臺灣省數據截面缺失嚴重。因此在樣本中舍去以上5個省級行政單位，剩余樣本包括東部地區10個，中部地區9個，西部地區10個，基本覆蓋中國全區域，具備一定的代表性。

根據第二部分的假設，自變量為政府環境規制程度，因變量為城市土地利用效益。為避免遺漏變量偏誤等一系列誤差。本文加入控制變量如下：

產業結構：預期正相關。第二產業包括制造業、建筑業等感應力、影響力較強的行業，對城市整體經濟發展起“龍頭”作用；此外，第二產業具有重資本特征，土地縱向復合利用使其對土地橫向延展依賴度較低，使得第二產業的土地利用效益較高。故產業結構越依賴第二產業，城市土地利用效益越高。在對自變量的影響上，第二產業的生產活動是城市的重要污染源，其占比越高，城市污染加劇的可能性越大，政府環境規制傾向越明顯。綜上，遺漏變量偏誤預期為正，加入該變量后自變量系數降低。

科學技術水平：預期正相關。根據科布-道格拉斯生產函數Y=A·Kα·Lβ，A為科學技術水平，科學技術的進步能夠在生產要素不變的情況下大大提升生產效率，進而引致城市土地利用效益上升。在對自變量的影響上，科學技術的進步能夠增強政府環境規制的信心，降低環境規制的生產損失或成本，引致政府增強環境規制水平。綜上，遺漏變量偏誤預期為正，加入該變量后自變量系數降低。

人口密度：預期正相關。人口密度的實質是單位土地投入所能調度的勞動力存量水平，后者是重要的生產要素。人口密度上升，生產要素存量上升，有利于擴大生產規模；此外人口數量的上升伴生高質量人口的增長，有利于提高生產效率，二者均使得城市經濟產出增加，促進城市土地利用效益的提升。在對自變量的影響上，更高的人口密度意味著“良好環境”這一公共產品具有更大的社會效益，促進政府提升環境規制水平。綜上，遺漏變量偏誤預期為正，加入該變量后自變量系數降低。

教育水平：預期正相關。地區的教育水平越高，城市人口質量綜合水平越高，技術勞動力占比越高，越能提高經濟生產效率，促進技術進步，從而提升城市土地利用效益。在對自變量的影響上，更高的教育水平意味著地區居民環保素養與環保意識更強，且在人才地區競爭的背景下對居住環境有更高的需求，引致政府環境規制水平的提升。綜上，遺漏變量偏誤預期為正，加入該變量后自變量系數降低。

(二) 數據來源

本文所選擇的數據來源共兩類：一是國家權威公開數據，二是自取數據。具體變量及其詳細數據來源如下：

1. 自變量

政府環境規制(envi)：沈艷等[33]指出，文本大數據具有來源多樣化、數據量增長快和高頻等特征，為經濟學研究提供了全新的分析視角。大數據文本挖掘的本質是將非結構化的中文原始文本，通過映射輸出為結構化的數據矩陣，并從中提取出目標信息序列。其中詞典法是一種經典的文本大數據挖掘方法，在Garcia[34]、Tetlock[35]等人的研究中均有采用。本文借鑒Da等[36]自建詞典的方法，通過隨機抽樣閱讀與詞頻分析預檢，自主構建政府環境規制相關詞典(見表1)，并以此為基礎進行文本挖掘。

在文本庫選擇方面，大量研究地方政府財政經濟問題的文獻選擇了政府工作報告[37-39]。首先，政府工作報告是中國根本政治制度中的重要環節，每年各級政府均需在當地人民代表大會會議和政治協商會議上向大會主席團、與會人大代表和政協委員發布這一報告，具備較強的權威性；其次，政府工作報告內容豐富全面，涵蓋一年內工作回顧、當年工作任務和政府自身建設的方方面面，報告中各部分篇幅占比能夠相對客觀地反映當年政府的工作重點與重視程度；最后，政府工作報告向全社會公開，能夠通過爬蟲等手段以較低成本獲得完整性好、損耗小的原始文本。結合研究的時間區間，本文選擇了報告年為2008—2017年的省級政府工作報告。

因政府工作報告屬于政府公文，用詞規范精準，段落大意集中，相較于已有文獻所使用的詞典法的詞頻權重分析，以段落為考察單位能夠更準確地反映篇幅占比。同時，政府工作報告的公開性和權威性保證了原始文本中標點符號使用的規范性，因此，本文以自建的政府環境規制詞典(見表1)為基礎，將上述政府工作報告分解為語料庫，編寫Python程序④識別提取環境規制相關的語料，使用大數據文本分析方法計算這部分語料在全文中的篇幅占比，將其作為政府環境規制程度的代理變量。

表1 政府環境規制詞典

2. 因變量

3. 控制變量

四、 計量實證分析

(一) 描述性統計

在進行計量回歸之前，首先對因變量、自變量與控制變量進行描述性統計(見表2)。

表2 基本描述性統計

數據來源：政府工作報告大數據文本挖掘結果、國家統計局統計數據庫、《中國環境統計年鑒》《中國統計年鑒》《中國2010年人口普查資料》

由表2可知，2008—2017年時間區間內各省級行政單位的平均土地利用效益為867.7億元/km2，最小值為330.1億元/km2，最大值為1738億元/km2，標準差較大。政府環境規制水平平均值為13.11%，最小值為5%，最大值為23.21%。

表2的基本描述性統計模糊了面板數據的時間維度和空間維度，故使用圖2和圖3分別對因變量土地利用效益和自變量政府環境規制程度進行時空維度的可視化。其中，由于樣本省級行政單位達29個，不進行數據重編碼不具備經濟學意義，故在空間維度上使用中經網-中國地區經濟發展報告公布的東中西部劃分標準，將天津、河北、遼寧、江蘇、浙江、福建、山東、廣東、廣西與海南劃分為東部地區，山西、內蒙古、吉林、黑龍江、安徽、江西、河南、湖北與海南為中部地區，重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏與新疆為西部地區。

圖2 土地利用效益隨時空變化折線圖(單位：億元/km2)

圖3 政府環境規制程度隨時空變化折線圖(單位：%)

如圖2，2008—2017年的時間區間內，全國平均土地利用效益呈平緩上升趨勢，從698.50億元/km2上升到991.33億元/km2，各地區趨勢與總體趨勢基本同步。在空間地域分異方面，東部地區高于中部地區，中部地區高于西部地區，但西部地區與東中部地區的土地利用效益差距有擴大化傾向。

圖3顯示政府環境規制程度總體上呈現明顯的波動上升，從2008年的10.50%上升至2017年的15.77%。東中西部地區的指標變化差異較大，雖都呈波動上升趨勢，但與整體不同步；此外，中部地區政府環境規制程度整體上略低于西部與東部。

結合圖2與圖3，可知土地利用效益與政府環境規制程度在中國呈現地域分異，啟示本文在計量實證部分將總體與分區域計量分析結合使用。

(二) 一元線性回歸

首先進行一元線性回歸，建模如下：

landefit=β0+β1enviit+uit

(9)

其中，landefit代表第i省在第t期的土地利用效益，enviit代表第i省在第t期的政府環境規制水平，β0為截距項，β1為自變量系數，uit為誤差，且滿足E(uit)=0。因本文選擇的面板數據在2008—2017年的時間區間內，各省級行政單位的個體經濟特征突出且組間差距無異動，因此選擇固定效應模型(該結論亦被Hausman檢驗驗證)。此時不考慮其他控制變量的影響，回歸結果見表3(1)。

在不加入其他控制變量的情況下，截距項為671.2，自變量系數為14.99，二者的雙側檢驗p值均達0.000，說明效應顯著。其經濟學意義是，政府環境規制程度每提高1個單位，土地利用效益增加14.99億元/km2，二者呈正相關。但此時調整R2=0.073，說明一元線性回歸的擬合較差，存在較大的遺漏變量偏誤，故進行多元線性回歸。

(三) 多元線性回歸

多元線性回歸仍采用最小二乘法，在一元線性回歸模型的基礎上加入控制變量，基礎模型為：

(10)

其中βn為控制變量系數，Cnit表示第i省在第t期的第n-1個控制變量，共m個；其余變量及假設不變。

根據第三部分，依次分步加入選定的控制變量。具體模型如下所示⑦：

landefit=β0+β1enviit+β2indstrit+uit

(11)

landefit=β0+β1enviit+β2indstrit+β3techit+uit

(12)

landefit=β0+β1enviit+β2indstrit+β3techit+β4popuit+uit

(13)

landefit=β0+β1enviit+β2indstrit+β3techit+β4eduit+uit

(14)

landefit=β0+β1enviit+β2indstrit+β3techit+β4popuit+β5eduit+uit

(15)

回歸結果如表3(2)至(6)所示。

在逐步加入控制變量以降低遺漏變量偏誤的過程中，調整R2由(1)中的0.073上升至(5)中的0.476與(6)中的0.474，說明多元線性回歸模型擬合更佳。自變量envi的系數由(1)中的14.99逐步下降到(5)中的3.923與(6)中的3.863，p值保持在0.026與0.029，均大于95%的置信水平，說明地區的城市土地利用效益與政府環境規制程度顯著正相關。系數絕對值的逐步下降說明遺漏變量偏誤在一元線性回歸模型中造成正向誤差，與第四部分中的預期一致；回歸(5)與回歸(6)顯示，當政府環境規制水平上升1個單位，城市土地利用效益上升3.923或3.863億元/km2。

表3 一元與多元線性回歸結果

除人口密度popu外，控制變量在回歸(2)至(6)中全部顯著，且自變量系數如預期判斷持續降低，說明產業結構indstr、科學技術水平tech和教育水平edu是有效的控制變量。

以回歸(6)為例⑧，首先城市土地利用效益與第二產業占比顯著正相關。當第二產業占比上升1個百分點，城市土地利用效益上升4.732億元/km2。其次，城市土地利用效益與科學技術水平、教育水平顯著正相關。當科學技術水平上升1個百分點，城市土地利用效益上升63.94億元/km2；當教育水平上升1個百分點，城市土地利用效益上升28.09億元/km2。對比可知，科學技術水平與教育水平對單位變動對城市土地利用效益的影響更大。

最后，城市土地利用效益與人口密度并不顯著相關，p值為0.604，無法拒絕原假設；0.00622的系數說明其綜合影響基本為正，與預期方向無差異。該結果說明在人口維度，數量因素的影響弱于質量因素。原因可能是人口密度的增加具有雙重效應：一方面，人口密度上升使得單位面積承載的勞動力存量上升，擴大技術勞動力與非技術勞動力基數，從而提高土地利用效益；但另一方面，更大的人口密度導致更高的污染排放與能量消耗，后者導致土地利用效益的下降。二者的不確定性與此消彼長使得人口密度變量popu不顯著，作為控制變量的效用有限，在進行下一步的計量實證時可酌情考慮刪去。

(四) 多元非線性回歸及其區域分異結果

上述線性回歸結果預先假定城市土地利用效益與政府環境規制程度呈線性關系，但該假定過于嚴格，實際經濟運行過程中二者關系可能是非線性的。因此引入二次項、交叉項進行多元非線性回歸，計量實證結果見表4。由于多元線性回歸結果中popu不顯著，且加入popu前后模型差異不大，故在非線性回歸中刪去該變量。此外，描述性統計顯示不同地區分異明顯，故進行分區域面板回歸。

引入二次項的非線性回歸模型為：

landefit=β0+β1enviit+β2enviit2+β3indstrit+β4techit+β5eduit+uit

(16)

引入交叉項的非線性回歸模型為：

landefit=β0+β1enviit+β2enviit×eduit+β3indstrit+β4techit+β5eduit+uit

(17)

變量解釋與假設同前。表4中，envi2為自變量envi的二次項envi2，enedu為自變量envi與控制變量edu的交叉項envi×edu。(1)至(4)為引入二次項的回歸，(5)至(8)為引入交叉項的回歸。

表4 多元非線性回歸結果及其地域分異

首先引入二次項。全樣本回歸中一次項、二次項系數均顯著，調整R2上升至0.48，說明非線性模型擬合更好。二次項系數為-0.543，說明城市土地利用效益與政府環境規制程度呈倒U型；一次項系數18.82，說明拐點所在位置為17.33。當政府環境規制水平<17.33時，城市土地利用效益與政府環境規制水平呈正相關；當政府環境規制水平>17.33時，呈負相關。2017年全國各省平均政府環境規制水平為15.77，在拐點以左，此區間與前述多元線性回歸的結論一致。

為呈現東中西部地區的分異，將因變量估計量與自變量可視化如圖4。

圖4 倒U型曲線的地域分異

圖4說明城市土地利用效益與政府環境規制程度基本均呈倒U型。但拐點位置存在較大的差異，西部地區的拐點為12.96，東部地區拐點為19.90，中部地區拐點為28.36，呈現西部<全國<東部<中部的規律。從變量顯著性的角度來看，西部地區的一次項系數與二次項系數均顯著，說明倒U型曲線關系顯著；此外，2015—2017年西部地區平均環境規制程度為15.47，已越過12.96的臨界值，進入負相關區間。但這并不意味著西部地區需降低內生的政府環境規制水平，因為西部地區是三大地區中唯一一個拐點臨界值低于全國平均水平的地區，圖4亦能直觀說明其函數形狀與其他地區存在較大差異；換言之，西部地區的政策方向應為改變函數形狀，利用外生的教育因素等推動拐點右移。東部地區、中部地區的一次項系數與二次項系數不顯著，倒U型關系可能不明顯；但其2015—2017年的平均政府環境規制水平均在各自拐點左側且有一定距離，仍處于正相關區間內，若繼續提高政府環境規制水平，能夠提升該省的城市土地利用效益。

由于引入二次項后，東部與中部地區系數不顯著，因此引入交叉項，回歸結果見表4的(5)至(8)。引入交叉項后的全樣本回歸自變量p值僅0.002，交叉項p值0.016，控制變量置信水平均在99%以上，結合上升至0.485的調整R2，說明效應顯著。自變量系數12.19，交叉項系數-0.781，說明政府環境規制程度上升1個單位，城市土地利用效益上升(12.19-0.781×edu)億元/km2，二者正相關。

從區域分異角度，東部和中部地區的自變量系數與交叉項系數均顯著。據表4，東部地區政府環境規制程度上升1個單位，城市土地利用效益上升(15.43-0.866×edu)億元/km2；中部地區政府環境規制程度上升1個單位，城市土地利用效益上升(34.62-2.177×edu)億元/km2。參考各區域近3年教育水平現狀，上述系數始終為正，說明正相關關系在較長的時間區間內始終成立；交叉項系數為負，說明其正相關程度隨地區教育水平的上升而下降，換言之，政府環境規制程度的邊際效用遞減。二者關系始終正相關，加之東部地區對教育水平的敏感程度低，中部地區教育水平絕對量偏低使其落在高系數區間，故均可通過提升政府環境規制水平以提高城市土地利用效益。此外，西部地區的自變量系數與交叉項系數均不顯著，說明西部地區交叉效應不顯著。

對比引入二次項和交叉項的非線性回歸模型及其區域分異結果，結合系數顯著性與調整R2，本文發現了一個非常有意思的結論：在西部地區，城市土地利用效益與政府環境規制程度呈倒U型關系，教育水平對二者關系沒有顯著的直接影響；而在東部地區和中部地區，倒U型關系不顯著，但教育水平的交叉效應顯著。結合2015—2017年西部地區<中部地區<東部地區的平均教育水平現狀，本文提出一個可能的機制解釋：城市土地利用效益與政府環境規制程度的倒U型曲線的拐點后區間，會因為教育水平絕對量的上升而發生扭轉或拐點后移。西部地區教育水平絕對量低，人口質量因素無法使倒U型曲線形變，因此在現有的政府環境規制水平下，落在負相關區間內；東中部地區教育水平絕對量高，倒U型曲線的正相關區間擴延并受人口質量因素的直接影響，在正相關區間內滿足邊際效用遞減。具體參見圖5。囿于篇幅限制，本文在此不做展開，期待學術界進行進一步的驗證與探討。

圖5 教育水平導致倒U型曲線的拐點右移或扭轉

倒U型曲線的實際與第三部分中所提出的假設略有差異：假設中所提出的環境規制初期的負相關部分在中國的實際經濟運行中可能并不存在，故被截斷為倒U型。本文在此提出兩種解釋：一是2008—2017年的時間區間內，中國的科技水平已有了一定的存量積累，超越了基礎閾值⑨；二是中國通過改革開放實現了經濟的“起飛”，外向型經濟的特征明顯。通過吸引外資等資源置換手段促進技術的引進與復制，從而實現技術研發周期的跳躍與時滯性的縮減，導致環境規制初期階段被壓縮。

(五) 工具變量回歸

上述回歸能夠證明城市土地利用效益與政府環境規制程度具有線性或非線性的相關性，結合變量說明與機制解釋能夠為政策建議提供有力支撐。但使用工具變量法，能直接證明因變量與自變量之間存在因果關系，避免遺漏變量偏誤與反向因果等，因此本文繼續進行工具變量回歸。

因變量同前，仍為城市土地利用效益；工具變量回歸的內生變量同前，為政府環境規制程度；控制變量同前；工具變量(在回歸結果表中記為BI)為2013年1月北京霧霾“beyond index”事件：2013年1月為北京59年來霧霾天氣最多的一個月，美國駐華領事館發布空氣質量數據報告，PM2.5指數在常規測量方法下“beyond index”，易感人群呼吸道疾病發病率上升明顯，引發國際輿論震動。

工具變量的選擇有兩個標準：一是相關性，二是外生性。在相關性方面⑩，該事件對外給中國的國際聲譽造成了較大的惡性影響，對內激發環保意識造成社會輿論壓力，大大提高政府對環境問題的關注度，進而引致政府提升環境規制程度。事實上，2013年起頂層設計中多次提及“美麗中國”，并首次將生態文明建設納入“五位一體”總布局。在外生性方面，連續性高強度霧霾天氣屬于偶發的氣象事件，與因變量城市土地利用效益不存在直接關聯。綜上，該工具變量符合有效標準。

工具變量回歸采用兩階段回歸，結果如表5所示。

表5 工具變量回歸結果

表5中，(1)為工具變量回歸結果，內生變量envi系數為92.10，方向同前顯著為正；(2)為簡化式回歸結果，其中BI系數顯著為正，結合BI的外生性，說明工具變量通過內生變量政府環境規制水平，與因變量城市環境規制水平產生顯著相關。此外，在第一階段回歸中有F= 11.22>10，符合拇指法則，因此工具變量有效。綜上所述，城市土地利用效益與政府環境規制水平之間存在穩健的因果關系。

五、 結論與政策建議

本文在文獻回顧的基礎上，通過邏輯演繹與數理模型推導相結合提出假設，基于由大數據文本挖掘結果與國家權威公開數據構成的2008—2017年中國省級面板數據，通過線性、非線性的一元、多元回歸計量實證方法對假說進行驗證和修正，并使用工具變量法證實城市土地利用效益與政府環境規制水平之間存在因果關系。主要結論如下：

1. 理論上城市土地利用效益與政府環境規制水平之間呈現“初期負相關、適中期正相關、過度期負相關”的關系，但實際上在中國主要表現為由適中期與過度期構成的倒U型曲線。

2. 教育水平(即人口質量)具有能夠改變城市土地利用效益-政府環境規制曲線的形狀，使之發生拐點后移或后端扭轉。這說明當教育水平較低時，城市土地利用效益與政府環境規制水平呈現顯著倒U關系；當教育水平較高時，倒U曲線形變為顯著的交叉效應，兩者在區間內正相關且教育對正相關系數的邊際效用遞減。

3. 該效應在中國存在區域空間分異。在西部地區倒U關系顯著，拐點為12.69，目前環境規制水平處于負相關區間；在東中部地區交叉效應顯著，城市土地利用效益與政府環境規制水平正相關。

基于上述結論，本文提出如下政策建議：一是繼續提升整體政府環境規制水平，把生態文明建設擺在更加突出的位置，尤其是東中部地區。堅定“綠水青山就是金山銀山”的基本意識，貫徹創新、協調、綠色、開放、共享的新發展理念，推進資源節約型與環境友好型社會的建設。提升環境規制水平的同時，也需注意適度原則，尤其是西部地區。二是優先發展教育事業，加快教育現代化進程，尤其是西部地區。教育水平能夠改變城市土地利用效益與政府環境規制傾向的關系，西部地區尤需通過提升教育水平，優化人口質量，通過使倒U型曲線發生形變，走出目前所處的負相關區間。需加強政策扶持傾斜，完善教育資源配置，提升教育普及程度，加快推進義務教育均衡發展，努力建設教育強國。

注釋：

② 該方法在學術界多用于計量實證，本文在此基礎上將其拓延于數理推導，亦與后文相匹配。

③ 實際經濟運行中滿足L·n=1的條件過于苛刻，因此忽略，不做經濟解釋。

④ 詳細Python代碼如有需要，可向作者索取。

⑤ 受省份名稱干擾，吉林省詞典使用“森林”替代“林”。

⑥ 聯動詞匯指：除導向政府環境規制相關語料外，還導向大量無關語料的詞匯。若直接引入該詞匯會稀釋政府環境規制高相關性的語料，導致自變量數值偏高。以“環境”為例，“改善營商環境”與政府環境規制無關。需進行精細化靶向處理以降低誤差，詳見明細序列。

⑦ 由于人口密度popu與教育水平edu是同一指標人口的數量維度與質量維度，分步回歸時增加一組平行模型，方便進行人口維度內的效應比較。

⑧ 由表3，無論是從各變量顯著性水平，還是從調整R2數值，回歸(5)與回歸(6)結果差異不大，均具備一定的經濟解釋力。出于第四部分的先驗變量選擇考慮，此處以回歸(6)為例進行經濟解釋。

⑨ 理論上，如該解釋為真，可通過放寬時間區間進行驗證，如將時間區間起點放在1978年。當然，囿于數據可得性限制，實際操作可能存在一定的難度。

⑩ 該結論亦被工具變量回歸結果直接證實：在第一階段回歸中，工具變量BI系數顯著為正，p值僅0.000。