中国城市环境污染排放的新经济地理解释
开篇：润墨网以专业的文秘视角，为您筛选了一篇中国城市环境污染排放的新经济地理解释范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：引入世界银行（2009年）提出的“3D”分析框架，探讨了密度、距离和整合与城市污染排放之间的关系。研究表明，密度与城市污染排放存在倒U型关系，但密度的提升能够显著降低城市污染排放强度。距离对污染排放总量和强度的影响不同，缩短与大城市的距离、与省会城市的距离不利于城市污染排放总量控制，但可以降低污染排放强度，提高城市污染控制效率。
关键词：新经济地理； 密度； 距离； 整合； 污染排放
中图分类号：F205；X321 文献标识码：A 文章编号：1001-8409（2013）11-0089-04
The Explanation of Urban Environmental Pollution Emissions from New Economic Geography in China
HUANG Zhiji1， 2， MA Yan1， HE Canfei1， 2
（1. School of Urban and Environmental Sciences， Peking University， Beijing 100871； 2.Peking UniversityLincoln Institute Center for Urban Development and Land Policy， Beijing 100871）
Abstract：
This paper， introduces “3D “analysis frame which was put forward by World Bank （2009） to analyze the relationship between density， distance and division and urban industrial pollution emissions. The result shows that the density and the urban industrial pollution emissions contain an inverted U relationship， but the increase of density can significantly reduce pollution emission intensity of the city. Influence of distance on pollution emissions and intensity differs. To shorten the distance to the metropolitan city and to the capital city is not conducive to pollution emissions control， but it can reduce the pollution emission intensity， improving the efficiency of city pollution control.
Key words： new economic geography； density； distance； division； pollution emission
一、引言
城市环境污染不断加剧是当今中国面临的重大问题。现有研究指出，经济地理格局演变对中国城市环境污染具有显著影响。范俊韬等在分析我国环境污染与经济发展空间格局时，认为我国环境污染与经济发展具有空间相关性[1]。唐德才等发现产业地理集中度与环境污染有关，即随着地区产业集中度的上升，环境污染的密度在下降[2]。也有研究表明工业产业的空间转移会导致工业污染排放的空间转移[3]。然而，现有研究大都缺乏系统的理论构建。
新经济地理理论由诺贝尔经济学奖得主克鲁格曼（Krugman）提出，认为规模报酬递增以集聚和不完全竞争为主要特征，解释了经济活动地区分布和城市的增长。基于该理论，世界银行《2009年世界发展报告》提出“3D”分析框架[4]，即密度（Density）、距离（Distance）以及整合（Division），认为这三个要素从不同地理尺度刻画世界经济地理格局。“3D”分析框架是刻画区域经济地理格局的有效工具[5]。
本文引入世界银行提出的“3D”分析框架，系统探讨经济地理与城市环境污染之间的关系，为认识我国城市环境污染排放的空间格局提供新的理论解释。
二、模型构建
模型总体设计如式（1）：
Pit=α+β1DENSITYit+β2DISTANCEi+β3DIVISIONit+βxXit+ηi+γt+εit （1）
i和t分别代表地区和时间，Pit代表城市环境污染排放总量或排放强度。DENSITYit、DISTANCEi和
DIVISIONit分别代表密度、距离和整合。Xit为一系列城市控制变量。本文选取中国285个地级及以上城市（由于数据缺失，未包含拉萨市和克拉玛依市）为研究对象，时间跨度为2005～2010年。变量设置如下：
（一）环境污染排放变量
本文选取工业SO2排放总量（TSO2）和工业SO2排放强度（RSO2）两个指标作为因变量，分别从总量和强度两个角度反映城市的污染排放。
（二）新经济地理变量
（1）密度。密度是衡量区域集聚外部性的重要因素。本文选取地均GDP（DENSITY）衡量经济密度。密度和环境污染之间并不是简单的线性关系[6]。随着经济密度的提升，企业和经济活动不断向城市集聚，城市污染排放也将增加。当经济密度增长到一定水平以后，尽管污染企业仍然较多，但通过规模效应、结构效应和技术效应，可以缓解城市污染排放[7]。生活水平的提升也增强了居民的环保意识，有利于控制污染排放[8]。因此，经济密度与环境污染排放可能呈现类似于环境库兹涅兹曲线的倒U型关系。本文引入经济密度的平方项予以验证。
（2）距离。距离刻画一个城市与经济中心或高经济密度地区的距离。本文从两个方面来考察距离对城市环境污染排放的影响。首先，到全国大城市的最近距离（DISTANCE_METRO）反映的是城市靠近国内市场中心的程度。根据数据可得性，以2000～2010年市辖区年末人口大于300万作为大城市的标准进行衡量，包括北京、天津、沈阳、哈尔滨、上海、南京、杭州、济南、武汉、广州、重庆、成都、西安等13个城市。本文在区域层面考虑了到省会城市的距离（DISTANCE_PROV），该距离反映了区域行政中心对其他省内城市的辐射作用。在测算过程中，将北京、天津、上海和重庆4个直辖市也作为省会城市纳入计算范畴中（图1）。
（3）整合。整合反映的是城市与世界经济的一体化程度。现有研究提出“污染天堂假说”来解释自由贸易对环境污染的影响，认为发展中国家的环境状况会随着贸易的增长而不断恶化，成为发达国家转移污染产业的目的地[9]。也有研究认为，与世界经济的整合可以帮助发展中国家的城市通过技术效应和结构效应缓解环境污染[10]。中国城市参与世界经济的方式主要有利用外资和国际贸易两种。本文分别使用外资企业产出比重（FOREIGN）和进出口总额占GDP比重（OPENNESS）两个指标来加以验证。
（三）城市控制变量
基于Lan J等的研究思路[11]，本文采用“污染需求-供给”框架来探讨影响城市污染排放的其他因素。“污染需求-供给”框架将污染看成是对环境服务的使用。“污染需求”意味着对环境服务的需求，而环境服务可以看作是生产的附加投入；而“污染供给”意味着一个社区或区域所被允许排放的污染量。
（1）“污染需求”变量。
在工业化加速发展的背景下，我国城市污染密集型企业主要以工业企业为主，因此，城市污染排放与城市产业结构有密切关系。一般来说城市产业结构中第二产业所占比重越大，意味着污染需求越强。本文引入第二产业比重（SECOND）加以控制。政府或企业对环境保护的投资可以缓解污染排放，环境污染治理投资强度越高，则污染需求越少。因此本文引入环境污染治理投资强度（INVEST）加以衡量。
（2）“污染供给”变量。“污染供给”是由环境规制决定的。环境规制能确保使用更多的环境服务，需要付出的环境成本越高[11]。一类变量是提高“污染供给”，即国有和国有控股企业占工业总产值的比重（RSOE）。在中国，国有和国有控股企业与地方政府之间存在着密切联系，这些企业往往既是污染排放的主要来源[6]，也是城市经济发展的主要贡献者，因此在与地方政府博弈时，往往具有强大的讨价还价能力[12]。另一类变量是降低“污染供给”，包含两方面，其一是环保机构内部，通过增加人员和经费的投入，从而实现对污染排放的有效管理，降低“污染供给”，使用每万人县级环保机构人员数量（RBUREAU）来衡量；其二是来自社会对污染的抵制。社会团体和个人对污染排放的强烈抵制，也可以强化环境规制，从而降低“污染供给”。本文引入每万人封数（RLETTER）加以衡量。
综合以上分析，模型设计可以进一步具体为式（2）。本文对所有变量均进行了对数转换，同时引入时间虚拟变量，控制时间效应，增强模型估计的稳健性。
LnPit=α+β1LnDENSITYit+β2（LnDENSITYit）2+β3LnDISTANCE_METROi+β4LnDISTANCE_PROVi+β5LnFOREIGNit+β6LnOPENNESSit+β7LnSEONDit+β8LnINVESTi，t-1+β9LnRSOEit+β10LnRBUREAUit+β11LnRLETTERi，t-1+ψTDummyt+ηi+εit（2）
三、数据来源与处理
本文所使用的基础数据来源于历年《中国城市统计年鉴》和《中国区域经济统计年鉴》以及国家统计局维护的《中国工业企业数据库》。数据处理主要包括：一是将历年GDP数据，工业总产值数据等经济数据通过年均历年CPI换算至1998年可比价；二是外资经济数据使用历年年均汇率换算为人民币，换算数据来源于历年《中国统计年鉴》。
四、研究结果
（一）中国城市工业污染排放强度空间格局
我国工业SO2污染排放总量和工业SO2污染排放强度均呈现显著的空间差异性（图2）。工业SO2污染排放总量较大的地区主要分布在我国北方和东北部。我国北方分布着大量高能耗的重工业企业，其工业污染排放总量相对较高。在工业化和全球化驱动下，长三角和珠三角地区吸引了大量的外资企业，同时私营企业也发展迅速，使这些地区也集中了大量的工业SO2排放。工业SO2污染排放强度较大的地市主要分布在东北北部、黄河流域、长江流域中游等中西部地区；相对来说，东部和东南沿海地区的工业SO2污染排放强度较低，呈现出“东部低中西部高”的总体空间格局。
（二）中国城市环境污染排放的影响因素分析
通过构建2006～2010年地级市面板数据，本文实证检验了世界银行基于新经济地理理论提出的“3D”分析框架对城市环境污染排放的解释程度。鉴于距离不随时间发生改变，采用随机效应模型进行面板数据回归，并对异方差进行修正，以提高模型估计的稳健性（表1和表2）。总体上看，两项估计均通过Wald χ2检验，并且R2数据表明排放强度的模型拟合效果要优于排放总量。本文所关注的密度、距离和分割指标均存在显著性，而且城市控制变量也大多显著，这些对于增强模型的解释力非常重要。
结果显示，密度对工业污染排放总量和强度均有显著影响。表1和表2均显示lnDENSITY二次项的系数显著为负，表明密度与工业SO2排放总量和排放强度均具有显著的对数非线性关系。如图3所示，本文将工业SO2排放总量、排放强度分别与密度进行曲线拟合，可以看出密度对工业SO2排放总量和排放强度具有不同的影响。随着密度的提升，工业SO2排放总量不断增加，但增长到一定水平后，随即出现下降的趋势。与之不同的是，工业SO2排放强度与密度虽也存在对数非线性关系，但在研究区间范围内（lndensity大于0），随着密度的提升，排放强度趋于下降。这一结论符合Grossman和Krueger（1995）提出的城市可以通过规模效应、结构效应和技术效应缓解环境污染的理论假设[7]。
距离对工业SO2排放总量和排放强度影响不同。在工业SO2排放总量估计模型中，距离回归系数为负，表明缩短与经济中心和缩短与省会城市的距离，将增加城市污染排放总量；尤其是lnDISTANCE_METRO系数显著为负，说明越靠近区域经济中心，污染排放总量越大。工业SO2排放强度估计模型所得到的结果恰好相反，距离回归系数显著为正，表明缩短距离有利于城市污染排放强度下降。
整合对工业SO2排放总量和排放强度的影响也不相同。整合对工业SO2排放总量产生正向影响，对工业SO2排放强度产生负向影响，表明整合提高了城市环境污染物排放总量，但显著降低了污染物排放强度，这与Zeng和Eastin研究成果相似[13]。外资企业主要集聚在大城市，显著增加了污染排放总量，本文验证了这一推断，这在一定程度上支持了“污染天堂假说”。而进出口贸易显著降低了城市污染排放强度，也说明整合有利于提高城市环境污染效率。
将3个维度变量一并引入模型进行估计，可以看出经济密度变量仍然保持显著性，而距离和整合变量大多变得不再显著，相比之下表明，密度对城市污染排放的影响更加稳健，具有更强的解释力。时间虚拟变量回归结果表明，随着时间的推移，其回归系数总体趋于显著下降，说明我国城市环境污染排放总体处于缓解状态。时间效应的控制，有利于增强模型估计的稳健性。
五、结论
基于新经济地理理论提出的“3D”分析框架能够很好地解释中国城市污染排放的空间格局，经济地理与污染排放存在显著的相关关系。其政策含义在于，首先，促进人口和经济活动的集聚，尽管在一定时期内可能增大污染排放总量，但总体来说有利于提升环境控制效率。其次，完善区域交通和通信基础设施，促进区域经济一体化发展，有利于缩短经济距离，从而提高环境控制效率。再次，积极参与经济全球化，促进自由贸易有利于缓解城市环境。
参考文献：
[1]范俊韬，李俊生，罗建武等. 我国环境污染与经济发展空间格局分析[J]. 环境科学研究，2009，22（6）：742-746.
[2]唐德才. 工业化进程、产业结构与环境污染[J]. 软科学，2009，23（10）：6-11.
[3]刘星，聂春光. 中国工业经济发展与工业污染排放的变化[J]. 统计与决策，2007，2：65-67.
[4]World Bank. World Development Report 2009： Reshaping Economic Geography[R]. Washington DC： World Bank， 2008.
[5]Hector V C， Gabriel D. Density， Distance and Division in Latin America and the Caribbean： Analysis with a Unified Local-Level Economic Welfare Map[Z]. Preliminary Draft， 2009.9.
[6]Panayotou T. Demystifying the Environmental Kuznets Curve： Turning a Black Box into a Policy Tool[J]. Environmental and Development Economics，1997， 2： 465–484.
[7]Grossman G， Krueger A. Economic Growth and Environment[J]. The Quarterly Journal of Economics，1995，110（2）：353-377.
[8]He CF Zhang T， Wang R. Air Quality in Urban China[J]. Eurasian Geography and Economics. 2012，53（6）：750-771.
[9]Dean J M， Lovely M E， Wang H. Are Foreign Investors Attracted to Weak Environmental Regulations？ Evaluating the Evidence from China[J]. Journal of Development Economics，2009， 90（1）：1-13.
[10]Christmann P， Taylor G. Globalization and the Environment： Determinants of Firm Self-regulation in China[J]. Journal of International Business Studies， 2001，32：439-458.
[11]Lan J， Kalinaka M， Huang X G. Foreign Direct Investment， Human Capital and Environmental Pollution in China[J]. Environ Resource Rcon，2012，51：255- 275.
[12]Wang H， Jin Y. Industrial Ownership and Environmental Performance： Evidence from China[Z].Washington DC：Policy Research Working Paper，2002：2936.
[13]Zeng K， Eastin J. International Economic Integration and Environmental Protection： The Case of China[J]. International Studies Quarterly， 2007，51： 971-995.
收稿日期：2013-01-27
基金项目：国家自然科学基金项目（41271130）
作者简介：黄志基（1981- ），男，福建龙岩人，北京大学城市与环境学院博士研究生，研究方向为经济地理；马 妍（1989-），女，山西太原人，硕士研究生，研究方向为经济地理；贺灿飞（1972- ），男，江西永新人，教授、博士生导师，研究方向为经济地理与区域经济。