我国区域城市化与环境污染关系的空间计量研究

◎ 王家庭 赵 丽 孙 哲 王 璇

我国区域城市化与环境污染关系的空间计量研究

◎ 王家庭 赵 丽 孙 哲 王 璇

结合我国29个省区2000-2010年的面板数据，运用空间计量方法实证研究了区域城市化与环境污染的关系。实证结果表明：（1）工业污染、生活污染与区域城市化的关系依旧呈现倒N型；（2）其他影响因素对环境污染的影响程度和方向各不相同；（3）目前中国的大部分省区均处于随城市化率增加环境污染加剧的阶段。

区域城市化 环境污染 空间面板数据模型

一、引 言

随着经济的发展，人民生活水平逐渐提高，城市化进程快速发展。我国城市化水平自1992年起，以每年1.2%的平均速度增长。到2010年底，全国城市化率达到49.95%的水平。然而随之而来的现实问题就是日益严重的环境污染。城市化过程中产生了大量的工业污染物和生活污染物，当这些污染物的排放总量超过了环境的自净能力时，就会对生态环境造成大范围的破坏。

从区域的角度来看，各地区经济发展过程不同，城市化进程也有所不同，在此过程中产生的环境污染问题也就不尽相同。东部地区经济发展较早，城市化进程较快，也就伴随着繁杂的环境污染问题，中西部地区相对来说，经济水平较低，城市化还在不断建设的过程中，所产生的环境问题相对少而简单。然而，一个地区的污染并不会只局限在该地区内，而是会向周边省区渗透，造成周边省区的环境质量变差。因此，从空间视角研究区域城市化与环境污染之间的关系问题，具有十分重要的现实意义。

目前，国内外大量的学者已对城市化过程中的环境污染问题进行了研究。

国外方面的相关研究主要有：Howard（1898）[1]尝试使用合理的规划方法，研究城市化和城市生态环境之间的协调发展。Meadows（1972）[2]提出了世界城市化前景的“有极限增长”的预测，使得世界各国开始恐慌城市化进程中的资源消耗和环境污染问题。Shafik和Bandyopadhyay（1992）[3]研究了不同的污染物和人均国民生产总值两个变量的对数形式之间的关系。Grossman和Krueger（1995）[4]研究了城市空气污染、水污染和人均国内生产总值之间的关系。Vernon（2003）[5]则从城市人口的角度，研究了城市人口规模对生态环境的影响。

国内方面的相关研究主要有：姜乃力（1999）[6]和史爱玲等（1999）[7]分析了城市化造成的“热岛效应”、“浑浊岛效应”、“雨岛效应”和局部环流等气候影响。盛学良等（2001）[8]分析了城市化引起的城市生态环境资源问题。杨文举（2002）[9]提出城市化进程和生态环境建设具有明显的阶段性、相互作用性和相互联系性。刘耀彬等（2008）[10][11]分析了江西省城市化发展过程中的环境污染排放效应。盛光耀（2009）[12]认为城市化的发展模式应该与资源环境相适应，并考虑环境政策的影响。

由此可见，国外相关研究起步较早，视角广泛，方法比较系统化。相比而言，由于中国城市化特殊性强，国内相关研究发展起步较晚，但发展迅速。整体来看，研究城市化过程中的环境污染分析多为定性分析，且未从空间角度来分析区域之间的相互影响。

基于此，本文以空间面板数据模型为切入点，研究各省区作为单位个体的区域城市化与环境污染之间的关系，考虑相邻区域间的相互影响。首先利用Moran’s I指数评判环境污染的区域间的相关性，之后建立计量模型，尝试确定我国区域城市化与环境污染之间的关系的曲线形状并量化区域间的空间相关性，试图解答怎样的环境污染是合适的、环境污染的主要影响因素及其影响方向等问题。

二、理论分析

城市化水平与环境污染物的排放，伴随着时间的变化呈现出不同的特征，本文将其分为四个阶段，所得曲线如图1所示。其中细线表示城市化水平变化曲线，粗线表示环境污染水平变化曲线。

（一）城市化与环境污染的初始发展阶段

图1 城市化水平与环境污染物排放量的时期变化图

在0至T1时期，城市化水平较低，处于0至10%之间，属于城市化进程的初期阶段。在此阶段，产业结构以农业为主，大部分人口集中于农村地区，城市人口低速增加，甚至出现回流现象。聚集的城市的人口数量相对较少，产生的生活废物较少。而有限的收入水平，使得居民的消费结构主要以生活必需品为主，对环境造成的污染是相当有限的。同时，工业生产水平低，资源使用较少，投入的有限决定了非期望产出（也就是环境污染物）的有限。总体来看，环境污染物排放处于较低水平。而由于此时的经济发展也属于初期阶段，不稳定因素较多，也就造成了环境污染的波动性图形。在某一时刻，达到波动的最低点，对应城市化水平为X1*，环境污染物排放量水平为Y1*。

（二）城市化与环境污染快速增长阶段

在T1至T2时期，城市化发展速度加快，城市化总体水平迅速提高，达到30%至70%之间。在此过程中，伴随着经济水平的快速增长。经济的发展带来技术进步，农村劳动力生产效率提高，农村出现剩余劳动力；同时，城市中的工业迅速壮大扩张，需要更多的劳动力投入。于是农村人口更多更快地往城市地区聚集，生活污染逐渐增多。居民生活水平也快速提高，开始不仅满足于必需品消费，倾向于改善衣、住、行的消费，而且更多的是一种数量的提高。这种消费结构促进了相关产品的生产，从而产生较多的工业污染物。而社会总生产也进入高速化阶段，投入生产的资源急速增加，在大部分地区采用的是耗能型技术的前提下，环境污染，无论是工业污染，还是生活污染，都进入迅速攀升阶段。

（三）城市化缓慢增长，环境污染达到极值阶段

在T2至T3时期，城市化进程逐渐进入稳定阶段，城市化水平达到75%以上，经济也相应进入稳速发展阶段。城市人口增长速度减缓，城市居民素质提高，开始注重生活质量的提高，倾向于节能环保型产品的消费，生活废物排放倾向于减少。同时，这种消费结构的改变相应地改变了生产结构，工业环境污染物排放量减少。此时的生产技术也趋于成熟，更多地区的技术倾向于节能环保型，但由于环境污染具有一定的粘性，排放量会继续增长，直至达到一点，经济发展带来的技术效应大于人口、资源在空间上集聚产生的规模效应，污染物排放开始减少，这一点也就是污染物排放最多的临界点，最高值点。此时对应的城市化水平为X2*，环境污染物排放量水平为Y2*。

（四）城市化均衡，环境污染缓慢减少阶段

在T3时期之后，进入城市化进程的均衡阶段，城市化水平在此阶段达到80%到90%之间，经济发展也相应地进入均衡状态。人口和经济不再向城市聚集，农村和城市的发展不再具有足够大的差异性，使得资源出现大量的单向转移。城市人口比率、生产水平、资源投入以及技术水平都相应进入稳态。此时的污染物排放跨过临界值，进入缓慢减少阶段。

将城市化水平与环境污染分别作为X轴和Y轴，建立直角坐标系，以更直接地表示二者关系，所得结果如图2所示。

三、指标选取及相关说明

（一） 被解释变量的选取

图2 城市化与环境污染的关系图

从现实情况看，工业污染和生活污染是环境污染的主要组成部分，其影响因素会有所不同，于是本文将环境污染分为工业污染与生活污染两部分进行细化研究。

1. 工业污染的变量选取。选取工业废水排放量（万吨）、工业废气排放量（万吨）、工业二氧化硫排放量（万吨）、工业烟尘排放量（万吨）、工业固体废弃物产生量（万吨）五个工业污染物相关指标。

2. 生活污染的变量选取。选取生活二氧化硫排放量（万吨）、生活烟尘排放量（万吨）、生活污水排放量（万吨）、生活垃圾清运量（万吨）四个相关指标。

同时，对工业污染物指标体系和生活污染物指标体系通过熵值法计算降维，分别得到工业污染和生活污染综合指数，定义为Y1和Y2，以保证较为全面地反映环境污染水平。

（二）解释变量的选取

1.工业污染回归方程解释变量的选取

蔡孝箴（1998）[13]认为，城市化过程除了人口城市化为主要代表外，还应包括产业城市化、生活方式城市化和地域城市化三个方面的考虑。我们以控制变量形式将这三种城市化加入模型之中。此外，从区域自身发展条件和外在发展条件考虑，加入区域技术水平指标和贸易开放程度指标。

（1）选取各省区城镇人口比重（%）作为本文中的主要解释变量——人口城市化指标，也就是普遍意义的城市化，在回归模型中定义为X1。

（2）选取各省区工业产值占地区生产总值的比率（%）①作为产业城市化指标，定义为X2。工业产值在生产总值中的比重，也就是工业化率，对环境污染起正向影响作用。

（3）选取各省区非生活必需品消费性支出占城镇居民家庭平均每人全年消费性支出的比值（%）作为生活方式城市化指标，定义为X3。居民用于非生活必需品的消费，初期对环境污染起加速作用。而伴随着经济的发展，居民收入水平进一步提高，开始注重生活环境质量的提高，倾向于购买节能环保型产品，减少了环境污染物的排放。

（4）选取人口密度（人/平方公里）作为地域城市化的指标，定义为X4。人口密度大的地区也就意味着更多的扩大再生产，更多的消费，更多的日常生活活动，也就伴随着更多的污染物排放。

（5）选取各地区用于科学技术的财政支出在财政总支出中所占比重（%）作为区域内部技术水平指标，定义为X5。技术进步会从各方面降低污染物的排放。

（6）选取各地区进出口总额与地方生产总值之比作为贸易开放程度指标，定义为X6。依据比较优势理论，国际贸易使得环境污染严重的产业由发达国家移入发展中国家，或是由环境管制严格的国家转移到管制宽松的国家，以此规避环境污染约束。国际贸易使得环境污染产生“替代效应”，也就是“污染天堂”假说。我们可以认为，贸易开放度越高，本省区的污染越严重。

2. 生活污染方程解释变量的选取

造成生活污染的影响因素，我们可以从和居民生活息息相关的衣食住行等方面进行考虑。在工业污染方程中，涉及到的四个城市化的指标中，人口城市化、生活方式城市化和地域城市化指标也会对生活造成污染，而产业城市化指标——工业化率通过影响生活垃圾的排放影响生活污染指数的变化。由此我们继续沿用这四个指标。

除此之外，根据数据的可行性和可得性，考虑另外两个因素的影响。

（1）选取私人汽车拥有量（万辆），定义为X7。私人汽车拥有量越多，对大气环境造成的污染越严重。

（2）选取餐饮业企业营业额（亿元），定义为X8。餐饮业企业营业额，反映了居民外出就餐的消费程度，而餐饮业是造成生活垃圾和污水排放的主要因素。营业额越多，表明食物垃圾和废水排放越严重。

（三）相关说明

本文选取时间范围为2000年至2010年，选取截面为全国29个省区（西藏和海南地区除外）②。2000年至2003年的城市化率指标来源于对应年份的《中国全面建设小康社会进程统计监测报告》，2003年与2004年单位地区生产总值能耗来源于《中国能源统计年鉴》相关数据计算得到，其他指标均来源于对应年份的《中国统计年鉴》。

四、实证分析

（一） 基于Moran’s I指数的空间相关性的分析

1. Moran’s I 指数理论简要介绍

Moran’s I，又称为空间自相关指数，取值范围为－1≤I≤1。I＜0表示负向的空间相关性，说明不同的属性值倾向于集聚；I＞0表示正向的空间相关性，说明相似的属性值倾向于集聚；I=0表示属性值的分布与区位数据的分布相互独立，不存在空间相关性。I的绝对值越大，表示空间的聚集度越高。

如果需要探讨局部空间集聚的存在与否，确定每个区域对全局的空间相关性的贡献大小，空间自相关的全局评估掩盖了多大程度上的局部不稳定性，就要运用局部空间自相关分析。本文选用Moran’s I散点图进行分析。Moran’s I散点图分为四个象限，对应相邻单元之间的四种局部空间相关性形式：第一象限对应高观测值的区域单元被同样的高观测值的区域单元包围的形式（简称高-高，H-H）；第二象限表示低观测值的区域单元被高观测值的区域包围（简称低-高，L-H）；第三象限表示低观测值的区域单元被低观测值的区域单元所包围（简称低-低，L-L）；第四象限表示高观测值的区域单元被低观测值的区域所包围（简称高-低，H-L）。

2. 基于Moran’s I指数值的环境污染全局空间相关性分析

由于Moran’s I指数值反映截面数据的性质，而本文涉及两个环境污染综合指数11年的数据，比较庞杂。尝试对每个环境污染综合指数的11年数据进行平均化处理，形成截面数据，然后计算Moran’s I指数，并进行分析，结果如表1所示。

表1 我国各省区的区域环境污染水平的全局Moran’s I指数

表1结果显示，工业和生活环境污染综合指数的Moran’s I指数的数值都大于0，说明我国的区域环境污染从整体上来看，并不是每个省区随机分布并独立存在的，而是存在着明确的正向空间依赖关系。环境污染严重的区域倾向于集聚在一起，一个区域的环境污染水平受到相邻区域的同向影响。工业污染综合指数的Moran’s I的数值较大，而生活综合污染指数的Moran’s I的数值较小，说明工业污染的空间相关性强于生活污染的空间相关性。

3. 基于Moran’s I散点图的环境污染局部空间相关性分析

为了更进一步判定我国各省区环境污染的高低属性，进行局部空间相关性分析。

（1）工业污染局部空间相关性分析

由图3的散点图（左图）可以看到，大多数省区集中于第一象限和第三象限，也就是工业环境污染集聚的高-高和低-低类型占主导。具体省区的分布情况如表2所示。位于第一象限（高-高类型）的省区主要有黑龙江、辽宁（东北老工业基地省区）；山西、河南、湖南、湖北、安徽、江西（中部工业省区）；河北、山东、上海、江苏、浙江、福建、广东（东部沿海省区）。东北老工业基地省区长久以来的产业基础都是工业；而中部工业省区有的凭借资源优势、有的依靠东部地区的产业转移，近些年来工业经济崛起；而涉及到的东部沿海省区都是轻纺工业发达的地区。以工业为主的产业结构决定了这些省区高污染的地位。处于第三象限（低-低类型）的省区为新疆、甘肃、宁夏、青海、云南、广西，这些都是经济不发达的西部省区。位于第二象限（低-高类型）的省区多为东部省区的腹地，本身经济发展水平不高，污染程度较低，但是有受东部地区重污染影响的可能性。

图3 工业污染综合指数的Moran’s I散点图及显著性水平图

从图3的显著性水平图（右图）来看，在工业污染集聚的低-低类型中，新疆和青海通过了显著性水平检验，也就是这种特征最为明显的省区。这和其经济发展水平密切相关，与其他省区相比，这两个城市的工业化水平更低，工业污染排放较少，而周边省区也大多为工业发展水平不高的省区，也就形成了以这两个省区为核心的低工业污染圈。而在高-高类型中，通过了显著性水平的省区为河北、山西、山东、河南、江苏、安徽、上海。这七个省区中，有重工业省区，也有轻工业省区，这就决定了其高污染区域核心的地位，与周边省区形成高污染圈，也就不足为奇了。而四川成为工业污染高-低特性的核心，也就是说四川相对于周边省区来说，工业化程度较高，吸引着周边省区资源向四川的集聚，同时也产生了污染排放的集聚，形成了“高-低”特性。

（2）生活污染局部空间相关性分析

由图4的散点图（左图）可以看出，多数省区依然位于第一象限和第三象限，也就是生活环境污染集聚的高-高和低-低类型占主导。具体来看，如表3的区域象限分布，位于第一象限（高-高类型）的省区中东部省区有6个，中部省区5个，西部省区1个，东北部省区2个。地区的生活污染程度，一方面决定于该区域的经济发展水平。经济水平越高，人民的可支配收入越高，用于消费的部分也就越多，相应的就会造成更多的环境污染，比如上海、江苏、广东等。另一方面决定于当地的文化氛围，虽然经济水平不一定发达，但是当地人民倾向于更多的生活消费，也会造成较多的生活污染，比如湖南、河南等。处于第三象限（低-低类型）的省区为新疆、甘肃、青海，都是经济不发达的西部省区，当地居民局限于满足温饱的程度，不会产生很多的生活污染。位于第二象限（低-高类型）的省区可分为两类。一种是北京、天津的经济发达地区，这些地域由于经济发展水平较高，当地政府以及居民已经开始重视污染问题，产生了环保意识，人为地减少生活污染的排放。另一种是经济发展水平一般，且当地居民不注重生活质量的地区，但这些地区都有受到周边高生活污染省区影响的可能性。

表2 我国各省区工业污染综合指数的空间相关模式

图4 生活污染综合指数的Moran’s I散点图及显著性水平图

由图4的显著性水平图（右图），可以看出，在生活污染集聚的低-低类型中，新疆和青海通过了显著性水平检验，成为特征核心省区。一方面与这些省区的经济发展水平相关，另一方面也与当地的饮食习惯相关，倾向于产生较少的生活污染。而周边省区也大多为生活污染排放较少的省区，也就形成了以这两个省区为核心的低生活污染圈。而在高-高类型中，通过显著性水平检验的省区为山东、江苏、安徽、上海、江西、福建。也就是说，以这六个省区为核心，形成了高污染区域。而四川成为生活污染高-低特性的核心，也就是说四川相对于周边省区来说，有较多的生活污染的排放，这与当地的饮食习惯是密切相关的，形成了“高-低”特性。

（二）传统固定效应模型的估计与分析

利用传统固定效应模型——LSDV（Least Square Dummy Variables），也就是普通面板数据模型，进行回归分析并检验空间相关性的存在与否。

设定本文基本模型为：

回归结果如表4所示。

分析表4的数据，可以看出：

工业污染的方程中，人口城市化指标的一次方、二次方和三次方的系数通过了1%的显著性水平检验，且与工业环境污染物的关系，呈现倒N型。而其他五个控制变量，四个通过了不同程度的显著性检验。

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数均未通过显著性检验，控制变量中三个通过了不同程度的显著性检验，我们依然能够观察到生活污染伴随区域城市化发展的变化曲线呈现倒N型趋势。

表3 我国各省区生活污染综合指数的空间相关模式

表4 基于LSDV的估计结果和空间相关性检验

LMerr统计量用于检验空间误差模型中的空间自相关系数的显著性，LMlag统计量用于检验空间滞后模型中的空间自回归系数的显著性。LMerr和LMlag统计量都是通过截面数据的最小二乘估计（OLS估计）得到的。Anselin et al（2008）[14]指出，将空间权重矩阵做相应的变化后，这两个统计量能够继续应用于面板数据模型中两个模型使用的判断。空间误差模型或空间滞后模型的选择方法为：如果LMerr统计量的显著性优于LMlag统计量，则选取模型SEM；如果LMlag优于LMerr，则选取SLM。

由表4可以看到，在两个方程中，LMlag、Robust LMlag、LMerr和Robust LMerr统计量均显著不为0，且LMlag统计值通过了显著性检验，也就说明工业环境污染和生活环境污染均存在着明显的空间自相关性，也就是工业环境污染和生活环境污染都会有临近区域间的相互影响。再根据空间滞后模型与空间误差模型的选择标准进行判断，两个方程中，LMerr和Robust LMerr统计量均未通过显著性检验，而LMlag和Robust LMlag统计量全通过了显著性检验，而且，LMlag和Robust LMlag统计量大于对应的LMerr和Robust LMerr统计量，因此工业污染方程和生活污染方程均选择空间滞后模型进行回归，测度相邻区域间的相互影响程度。

（三）空间面板数据模型的估计与分析

1. 模型介绍

Anselin（1998）[15]和Elhorst（2003）[16]在传统的面板数据模型的基础上，明确引入考虑空间相关性的空间滞后误差项和空间滞后因变量。Anselin（1998）提出了随机效应的空间误差模型。Elhorst（2003）把空间面板数据模型分成了四个小类：空间固定效应模型、空间固定系数模型、空间随机效应模型、空间随机系数模型，给出了四个模型的对数似然函数，还分析了极大似然估计量的渐进性质。

空间计量模型包括空间误差模型（SEM，又称为空间自相关模型）和空间滞后模型（SLM，又称空间自回归模型）。何江和张馨之（2006）[17]提出，回归目标集中于研究某些特定个体时，选择固定效应模型更好；何江和张馨之（2006），王火根和沈利生（2007）[18]，吴拥政和颜日初（2009）[19]，这三组学者的研究都表明，空间面板研究文献一般均选择固定效应模型。基于前人的研究成果，本文选择空间固定效应模型进行回归分析。

空间误差固定效应模型（Fixed Effects Spatial Error Model）的设定如下：

空间滞后固定效应模型（Fixed Effects Spatial Lag Model）的设定如下：

上述两个模型的矩阵汇总表示形式如下：

2. 回归结果分析

对两个方程的空间滞后固定效应模型进行回归，结果如表5所示。

由表5可以看出，加入空间相关性的考虑之后，两个模型的可决系数都有一定程度的提高，这说明考虑空间相关性在一定程度上提高了模型的拟合优度。Y1方程中，除了城市化率指标的系数依旧通过显著性检验之外，其他控制变量的系数也通过了一定水平的显著性检验。Y2方程中，城市化指标的一次方项和三次方项的系数通过10%的显著性水平检验，控制变量中通过显著性检验的指标也增多。变量系数显著性提高，也从一定程度上说明采用空间滞后固定模型的正确性。总体来看，两个方程中污染物与城市化指标的关系，依旧全部呈现倒N型，这与LSDV估计结果相同。从理论来上讲，倒N型曲线是符合环境发展特征的，只是与倒U型曲线比较来说，在城市化初期有较大的波动。

表5 工业污染和生活污染的空间固定效应模型估计结果

两种污染物的模型中，自回归系数 的估计值均为正，并且都通过1%或5%水平下的显著性检验，说明各省区间的工业污染物排放和生活污染物排放确实具有较强的正向相互影响作用。为了更好的解释环境污染的影响因素，我们更详细地分析每一个模型方程：

（1）工业污染方程

第一个方程中，工业污染综合指数作为被解释变量，与区域城市化指标的呈现的倒N型曲线中，两个转折点处对应的区域城市化率为X1*=20.63%和X2*=80.70%。

具体来说，区域城市化率低于20.63%的省市，还处于城市发展的初期阶段；而区域城市化率介于20.63%和80.70%之间，表明各省区的工业环境污染随着区域城市化加剧而恶化；区域城市化率超过80.70%的省区，则进入工业环境污染随区域城市化深入而缓和的阶段。

根据中国2010年各省区的城市化率指标，各省市在工业污染与城市化率呈现的倒N型关系中的所处阶段的分布如图5所示。粗实线表示区域城市化率为20.63%的基准线，对应的为极小值处的X1*的区域城市化水平；细虚线表示区域城市化率为80.70%的基准线，对应的是极大值处的X2*的区域城市化水平。除了北京在2010年的人口城市化率达到85.93%，上海达到88.86%，超过了第二个转折点，进入工业污染随着人口城市化率的增加而减少的阶段，其他省区依然处于工业废水排放量随人口城市化率增加而增加的阶段。

由此可以看出，北京和上海两个直辖市已经跨过以污染换增长的阶段，经济发展进入平稳发展阶段，更具有长期持续发展的特性，成为“经济发展与环保两手抓”的代表。

对于其他控制变量：伴随着工业产值比率增加，各省区的工业污染加剧，这是与事实相符合的；伴随着非生活必需品消费性支出比率增加，工业污染加剧，这说明目前居民生活水平的提高很大程度上表现于家用电器等生活用品的量的增加，从而促进生产的增多，资源的消耗；伴随着人口密度的增加，工业污染在减少；伴随着区域内部技术的进步，工业污染也在减少；伴随着贸易开放度的增加，工业污染在减少。

表示工业污染的空间相关性的自回归系数 的估计值为正，并且通过1%水平下的显著性检验，说明各省区间的工业污染物排放具有较强的正向空间相关性。也就是说，本省区的工业污染物排放受相邻地区工业污染排放的影响，且影响方向为同向。自回归系数的估计值为0.3941，表明相邻省区的工业污染综合指数变化1%，则会导致本省区工业污染综合指数同向变动0.3941%。

图5 基于工业污染的2010年区域城市化率分布情况

（2）生活污染方程

在第二个方程中，区域生活污染综合指数作为被解释变量，与区域城市化率呈现的倒N型曲线中，转折点依次为19.10%和74.32%。

参照中国2010年各省区的人口城市化率，各省区在生活污染和城市化率呈现的倒N型关系中的所处阶段的具体分布如图6所示。粗实线表示区域城市化率为19.10%的基准线，细虚线表示区域城市化率为74.32%的基准线。

具体来看，北京（城市化率为85.90%）、天津（城市化率为79.20%）和上海（城市化率为88.86%）三个直辖市，已越过第二个转折点，进入区域生活污染排放随着区域城市化率增加而减少的阶段，大多数省区仍处在两者正相关的部分。直辖市在生活污染治理中的标杆作用在这里可以看到，在注重经济建设的同时，关注精神文明的建设，居民环保观念较强。

在其他控制变量中，产业结构的系数未通过显著性检验，说明从现实来讲，生活污染与工业化的关系较小；随着非生活必需品消费性支出比率的增加，生活污染增加；随着人口密度的增加，生活污染减少，说明除了少数省区人口密度过度集中之外，人口密度还未对居民生活造成负面影响，而是规模效应依然占着主导地位；随着私人汽车拥有量的增多，生活污染在增加，这是与现实相符合的；随着餐饮业营业额的增加，生活污染也在加剧。

表示生活污染的空间相关性的自回归系数 的估计值也为正，并且通过5%水平下的显著性检验，说明各省区间的生活污染物排放具有较强的正向空间相关性。也就是说，本省区的生活污染物排放受相邻地区生活污染排放的影响，且影响方向为同向。自回归系数的估计值为0.2124，表明相邻省区的生活污染综合指数变化1%，则会导致本省区生活污染综合指数同向变动0.2124%。

图6 基于生活污染的2010年区域城市化率分布情况

五、结论及政策建议

通过实证分析，我们得到以下结论：（1）全国29个省区的环境污染大多为同属性聚集。工业污染和生活污染的空间相关性多为“高-高”、“低-低”聚集类型；无论是工业污染还是生活污染，其“高-高”空间集聚类型的核心区域多为东部沿海省区，“低-低”空间集聚类型的核心区域为西部省区；四川则是“高-低”污染类型的核心区域。（2）环境污染与区域城市化的关系呈现倒N型曲线。工业污染和生活污染都随着区域城市化率增加，呈现出倒N型发展趋势，且工业污染的倒N型曲线更明显；并且大多数省份都处在随着城市化率的增加，污染物增多的阶段。这与我国目前现状基本相符。（3）各省区的环境污染与其他控制变量间存在明显的相互关系。工业污染与工业化率、消费结构、贸易开放度呈现正相关性，与人口密度、技术进步呈负相关；生活污染与消费结构、私人汽车拥有量、餐饮业企业营业收入呈现正相关关系，与人口密度呈现负相关关系。（4）各省区的环境污染在空间维度相互影响。各省区间的工业污染物排放和生活污染物排放都具有正向空间相关性，且工业污染的空间维度相关性更强一些。

为了实现城市化与环境污染的同步、协调、均衡发展，提出以下建议：

1. 聚焦城镇人口发展，合理调整人口政策。中国的大部分省区目前还处于随着区域城市化率提高，环境污染加剧的阶段，并且在很长的一段时间都将处于这种状态。地方政府不能为了尽快实现环境污染随城市人口比重增加而减少的情况，盲目地采取促进城市人口增加的政策。人口的增长应该和经济社会的发展相协调。过度的城市人口，会给环境造成更大的压力，乃至最后造成整个环境系统承载能力的崩溃。因此，必须聚焦城镇人口变化，在人口发展偏离自然增长时，要运用一定的政策手段给予合理控制，使人口恢复自然增长，保证稳定地越过转折点。

2. 发展“绿色工业”，优化产业结构。目前，环境污染随着工业产值比率的提升而恶化。这是因为在我国目前的工业结构中，依然是高污染的重工业占主要地位。为了控制环境污染，就要逐步淘汰工业结构中的高污染的产业，积极引进高新技术，改造传统产业，建立起低消耗、低污染、高效益的工业结构。大力倡导生态经济、循环经济和低碳经济。另一方面，要大力发展具有高产出、高就业、低消耗和低污染等特点的第三产业，如金融、商贸、科教等，使其逐步替代工业在生产总值中的头等地位，促进整个经济向更合理的结构转变。

3. 加强产业转移质量评估，促进贸易开放的技术效应。“污染天堂”假说在本文的实证中不成立，但这并不意味着我们可以肆无忌惮地接受国际贸易带来的产业转移。在整体趋势上，中国以其发展中国家的地位，无法趋避资源消耗型、污染密集型产业的转移进入，但可以从中选优。地方政府应尽量发挥产业转移中外来的先进环境管理理念和污染防治技术；更多地接受高端制造业、高新技术产业、新能源和节能环保等产业的转移，实现区域经济发展与减少污染排放的双赢目标；在合理扩大贸易开放度的同时，加强对产业转移的质量评估，尽量减少以污染换增长的发展模式。

4. 关注地区间相互影响，促进地区间和谐发展。我国地区间的环境污染具有较强的正向空间相关性。也就是说，在实现本地的经济发展的同时有可能牺牲周边地区的环境质量。为了全国整体环境水平的提高，地区政府要避免“短视”行为，不能只关注当地的经济发展，深刻牢记“一荣俱荣、一损俱损”的思想，高度重视相邻地区间的相互影响性，做到相邻省区间相互关照、和谐发展。在制定经济规划、环境规划和社会规划时，可采取跨地区合作的方式，减缓地区间经济发展与环境污染的矛盾，促进地区间的共同和谐发展。

注释：

①从中国目前的发展来看，工业化多集中于城市发展，农村地区工业化发展较低，相对所占份额较少；同时由于统计数据中缺少单独的城市工业化指标，因此用各省区全省的工业化指标代替城市地区的工业化指标。

②西藏部分数据缺失，海南由于其地理位置与其他地区不相邻，无法考虑空间相关性，因此将二者剔除。

[1]Howard ． E 著,金经元译．明日的田园生活[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．城市化对大气环境负面影响及其对策[J] 辽宁城乡环境科技,1999(02): 63-66．

[7]史爱玲,闫庆松．城市化对环境的影响和对策[J]．山东环境,1999(01): 35-36．

[8]盛学良,董雅文,John Toon．城市化对生态环境的影响和对策[J]．环境导报,2001 (06): 8-9．

[9]杨文举,孙海宁．浅析城市化进程中的生态环境问题[J]．生态经济,2002 (03): 31-34．

[10]刘耀彬．城市化与生态环境耦合机制及调控研究[M]．北京:经济科学出版社,2007: 134-147．

[11]刘耀彬．城市化与资源环境相互关系的理论与实证研究[M]．北京:中国财政经济出版社,2007: 30-36．

[12]盛光耀．城市化模式与资源环境的关系[J] 城市问题,2009 (01): 11-17．

[13]蔡孝箴．城市经济学[M]．天津:南开大学出版社,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,张馨之．中国区域经济增长及其收敛性:空间面板数据分析[J]．南方经济,2006(5): 44-52．

[18]王火根,沈利生．中国经济增长与能源消费空间面板分析[J]．数量经济技术经济研究,2007(12): 98-149．

[19]吴拥政,颜日初．中部六省地级市区金融发展与经济增长的空间面板分析[J]．统计与信息论坛, 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，南开大学中国城市与区域经济研究中心副教授，经济学博士，硕士生导师，研究方向为城市与区域经济、土地与房地产经济；赵丽，南开大学中国城市与区域经济研究中心硕士生，研究方向为城市与区域经济；孙哲，南开大学中国城市与区域经济研究中心硕士生，研究方向为城市与区域经济；王璇，南开大学经济学硕士，天津国际邮轮母港有限公司经济师，研究方向为城市与区域经济。

（责任编辑：卢小文）

国家社会科学基金项目《快速城市化进程中我国城市蔓延的成本-收益评估与治理模式构建研究》（12BJY048）成果。