产业集聚与城市环境的典型相关研究——以长三角中心城市为例

王素凤，王洪波，李方一

（1．安徽建筑大学管理学院，安徽 合肥230601；2．合肥工业大学管理学院，安徽 合肥230009）

产业空间集聚是指相同或不同类型的相关产业在一定地域范围内的集中与聚合，是工业化时期的典型现象。伴随着产业集聚转型，城市环境也在不断变迁，2者不仅分别受到多重因素的复杂影响，且存在交互作用关系，并共同影响城镇化的进程和品质。

长江三角洲城市群是世界六大城市群之一，也是中国经济增长最迅速、城市化进程最快的地区之一。2014年，长三角以占全国3．69%的陆地面积创造了全国22．41%的国内生产总值，供养了16．64%的人口，发挥着显著的资源集聚和经济辐射功能。本文运用典型相关分析手段，以长三角4个中心城市（上海、南京、杭州、合肥）2000～2013年产业集聚和城市环境数据为样本，分析两组变量间的相关性，以期为区域产业和环境政策制订提供理论依据。

1 研究方法与数据来源

1．1 典型相关分析模型

典型相关分析系从2组变量中选取若干有代表性的变量组成典型变量，通过研究典型变量对之间的相关关系，来代替两组变量间的相关性。该方法的数学描述如下：

1．2 指标选择与数据说明

目前，国内尚无公开的可涵盖全国范围的产业集群统计数据，且各省域也未制订产业集聚统计的统一标准，为综合度量产业集聚水平，考虑数据可得性，本文从集聚结构、规模和效益3个层面选择指标。产业集聚变量 X＝（x1，x2，…，x7）依次 为城市人均GDP、第二产业从业人数、第三产业从业人数、第三产业产值占地区GDP的比重、第二产业产值、全市规模以上工业企业单位数、全市规模以上工业企业利润总额。其中，前4项指标主要反映产业集聚结构，第5、6两项指标反映集聚规模，最后1项反映集聚效益。

城市环境主要从环境污染和环境保护2方面加以度量。城市环境变量Y＝（y1，y2，…，y5）依次为固体废物排放量、废水中COD排放量、废气中SO2排放量、城市绿化覆盖率、绿化覆盖面积。其中，前3项指标主要反映城市污染水平，后2项反映城市保护情况。

2000～2013年产业集聚和城市环境数据来源于2001～2014年长三角4市的统计年鉴，部分环境数据由地方环境年鉴、环境统计公报整理得到。其中，城市人均GDP、第二产业产值和规模以上工业企业利润总额折算为1990年不变价。指标描述性统计见表1所示。

2 实证分析

2．1 典型相关系数及其显著性

典型相关系数有多个维度，对典型相关系数的检验主要是维度递减检验（见表2）。

可见，前4对典型变量的典型相关系数都是显著的。由于前2对典型变量的累积特征根已占了总量的90．99%，其典型相关系数也都在89%以上，因此只取前2对典型变量进行相关性研究。变量组的标准化典型相关系数如表3所示。

观察表3中产业组变量的典型变量系数，得到产业集聚典型变量对的表达式：

U1＝-0．022x1＋0．531x2＋1．561x3＋0．263x4-1．302x5-0．121x6＋0．096x7

U2＝0．552x1-0．620x2-1．117x3-0．271x4＋1．794x5-0．363x6＋0．451x7

可见，U1相应于第1个特征值主要代表第三产业从业人数（x3）和部分其它变量，U2相应于第2个特征值主要代表第二产业产值（x5）和部分其它变量。

表2 特征值和典型相关系数检验

表3 标准化典型相关系数

类似地，可以得到环境变量组相应于前2个特征值的2个典型变量的表达式：

易知V1相应于第1个特征值主要代表废水中COD排放（y2）和部分其他变量，V2相应于第2个特征值主要代表废气中SO2排放（y3）和部分其它变量，但y3在这里起负作用。

不过，典型权重值并不能充分说明变量的相对重要性，因为变量间没有关联或者组内变量间具有共线性都可能导致权重较小。为此，需要进一步实施典型结构分析。

2．2 典型结构分析

典型结构分析通过计算典型相关系数（即载荷系数）来衡量典型变量的代表性。其中，典型载荷反映典型变量对原始变量的解释能力，交叉载荷则体现典型变量对另一组原始变量的解释能力。载荷系数绝对值越大，意味着典型变量的代表性越好。

为了深入揭示长三角4市产业集聚与城市环境的相关性规律，分别从时间维和城市维展开分析。首先，考虑到2006年是废水COD排放和废气SO2排放由升转降的转折点，将样本期间分为2000～2006和2007～2013两个时段，得到典型变量对UⅠi，VⅠi和UⅡi，VⅡi（i＝1，2）（上标Ⅰ、Ⅱ分别代表时段Ⅰ和时段Ⅱ），相应的典型结构分析如表4所示。由于变量组主要和第1对典型变量相关，故只列出第1对典型变量的载荷系数。

表4 分时段典型载荷与交叉载荷

可见，时段Ⅰ两变量组的载荷系数绝对值普遍略高于时段Ⅱ，且在系数分布上也有差异。具体地，在产业变量组，时段Ⅰ的第一个典型变量与第二产业从业人数（x2）、第三产业从业人数（x3）、第二产业产值（x5）和规模以上工业企业利润总额（x7）（而不是时段Ⅱ的规模以上工业企业数）具有较强的相关性，相关系数分别为0．947、0．961、0．910、0．932，表明UⅠ1从结构、规模和效益的角度综合反映产业集聚。相应地，产业变量组中这4个原始变量对典型变量VⅠ1也具有较强的相关性，其交叉载荷分别为0．945、0．959、0．908、0．930，这表明长三角4市产业结构调整、规模扩张和集聚效益与城市环境之间存在显著的关联关系。由于在时段Ⅱ第一个典型变量与规模以上工业企业利润总额的载荷系数相较时段Ⅰ明显下降，意味着从时段Ⅰ到时段Ⅱ变量组间的相关性表现为整体相关向部分相关发展的趋势。此外，还须提及的是，在环境变量组，与时段Ⅰ相比，时段Ⅱ的典型变量对尽管仍然与“三废”排放密切相关，但绿化覆盖面积的载荷系数明显增大，显示环境保护这一“主动”行为不仅在城市环境属性中的地位日益凸显，同时也对城市群产业集聚发挥着越来越重要的促进作用。

再以“城市”为控制变量，分别对长三角4市展开相似的典型相关分析，得到分地区典型载荷与交叉载荷（表5）。类似地，只列出变量组的第1对典型变量的载荷系数。

表5显示，2变量组的载荷系数可归纳为2个梯度：第Ⅰ梯度为上海，其载荷系数的绝对值最小，表明产业集聚与城市环境的相关性最低。第Ⅱ梯度为南京、杭州和合肥，载荷系数绝对值远高于上海，产业集聚与城市环境的相关性较大。若将上海和合肥分别视为产业集聚阶段的高、低两端，南京和杭州居中，则可认为随着产业集聚日益成熟，产业发展与城市环境的相关性呈下降趋势。

表5 分地区典型载荷与交叉载荷

3 结论

本文以长三角中心城市为样本，借助多元典型相关分析研究产业集聚与城市环境之间的关系，发现2者间相关性存在显著的时空差异。具体地，从时间维来看，随着产业的集聚发展，城市产业与环境2变量组由整体相关演变为部分相关；同时，前一时段多数变量的载荷系数绝对值高于后一时段，表明变量组间相关性呈现“由强相关到弱相关”的变化趋势。从空间维来看，产业集聚较成熟的上海市仅少数变量存在相关性，且相关性较小；而其余3市两变量组间几乎都存在高度相关性，即“由整体相关到部分相关”；此外，随着产业集聚由低端向高端演进，产业与环境间亦呈现“由强相关到弱相关”的变化规律。

本文实证研究还表明，在低碳城镇化和产业集聚发展的过程中，由于影响城市产业与环境的相关因素错综复杂，要打造2者和谐共生的良好局面，既不能被动等待环境的自我恢复，也要避免陷入先污染后治理的怪圈；不仅要注重优化提升产业的结构、规模和效益，同时也要把握契机有效促进污染减排与环境保护，努力缩短产业与环境相互抑制的过程、力度和范围，以促进城市产业与环境的协调可持续发展。

［1］Liu H．Comprehensive Carrying Capacity of the Urban Agglomeration in the Yangtze RiverDelta，China［J］．Habitat International，2012（36）：462-470．

［2］刘习平，宋德勇．城市产业集聚对城市环境的影响［J］．城市问题，2013（3）：9-15．

［3］潘兴侠，何宜庆．中部六省生态效率评价及其与产业结构的时空关联分析［J］．统计与决策，2015（3）：127-130．

［4］Wang Z，Yang L．Delinking Indicators on Regional Industry Development and Carbon Emissions：Beijing-Tianjin-Hebei Economic Band Case［J］．Ecological Indicators，2015（48）：41-48．

［5］Liu Y J，Liu Y，Chen J N．The Impact of the Chinese Automotive Industry：Scenarios Based on the National Environmental Goals［J］．Journal of Cleaner Production，2015（96）：102-109．