政府科技投入对FDI环境效应的影响<br/>——基于257个地级市空间相关性的实证研究

政府科技投入对FDI环境效应的影响
——基于257个地级市空间相关性的实证研究

2016-07-06秦晓丽于文超

中央财经大学学报 2016年10期

秦晓丽于文超

一、引言

改革开放以来，我国利用外资的水平逐步深化。截至2014年我国实际使用外资总金额为1 197亿美元，居全球第一位。而与此同时，伴随着经济的高速增长与利用外资水平的逐年提升，资源与环境的问题却日益凸显，雾霾、酸雨与水污染等环境事件频发，引起了公众的广泛关注。因此，如何更好地提升引进外资的质量，并利用外资为经济与环境协调发展做出贡献，成为一个值得探索的问题。

利用外资对于东道国环境质量的影响渠道有积极和消极两个方面：一方面是消极影响，即 “污染天堂假说” （Copeland 和 Taylor， 1994［1］； Taylor， 2004［2］）。该假说认为，由于发展中国家经济相对滞后，强烈依赖制定优惠政策来吸引外资，而很多时候这些优惠政策就是以牺牲环境标准为代价的、“向底线赛跑”的政策。从比较优势的角度来看，倘若把污染当作一种生产要素，发展中国家由于环境标准较低、污染成本低廉，所以具有污染密集型产业的比较优势。因此，跨国公司会优先在发展中国家生产污染密集型产品。另一方面是积极影响，通过直接环境效应、外资技术溢出效应、收入效应等途径来优化环境质量。其一，直接环境效应。发达国家的跨国公司在母国通常面临着更为严格的环境标准，因此这些外资企业的环保倾向更高，能够推动东道国在新能源的利用、新产品的开发、排污与处理污染技术等方面的进步，直接地改善环境（Eskeland 和 Harrison， 2003［3］）。其二，技术溢出效应。外资企业辐射技术的正外部性，能够促进内资企业提高技术水平、节能生产与减少排污，从而提升总体的环境水平（Frankel和 Rose， 2005［4］）。其三，收入效应。引进外资将提高东道国的产出与人均收入，人均收入的增长有助于增强公众的环保意识，并迫使当地政府实施更为严厉的环境规制，进而改善环境质量。

本文以政府科技投入作为利用外资实现区域环境改善的重要突破口，因为在FDI进入我国市场后，作为一个政策变量的科技投入力度，将会影响国内产业和内资企业的反应路径，从而达到优化外资环境效应的效果。第一，政府科技投入能够强化FDI的直接环境效应。科技投入①公共财政支出中的科学技术支出包括以下九项内容：科学技术管理事务、基础研究、应用研究、技术研究与开发、科技条件与服务、社会科学、科学技术普及、科技交流与合作、科技重大项目和其他科学技术支出。可以直接作用于企业环保技术研发和科研机构绿色创新，进而提升企业的能源利用效率与污染物处理技术。第二，政府科技投入通过技术溢出效应增强FDI对环境的正外部性。政府科技投入能支持内资企业加大力度从事技术研发活动②以山西省某地级市为例，2014年全市的科技投入中，技术研究与开发（R＆D）所占比重最大，占68%，基础研究与应用研究仅占6.5%，其余各项投入也都不足10%。，帮助内资企业吸收外资扩散的技术溢出，加强对外资企业先进技术的模仿、学习、吸收与转化，进而改进技术水平，提升我国企业的能源利用效率，推进节能环保。第三，政府科技投入有利于培育技术密集型产业的比较优势，从而吸引外资进入技术密集型产业，弱化FDI的负向环境效应。

因此，本文在回归中通过采用地级市样本与空间面板计量模型，对FDI和地方科技投入的环境效应进行了考察。在控制影响环境的关键变量如人均收入、环境规制、能源消费量、产业结构、技术水平的前提下，结果发现，FDI会显著增加工业二氧化硫的排放，对工业废水排放并无显著影响，说明FDI对大气质量有一定的消极影响；然而，与此同时，城市政府的科技投入能够显著地弱化FDI的负向环境效应，进而实现地区经济向环境友好型经济转变。

本文的创新之处在于，重点研究城市政府科技投入对外资环境效应的影响，把公共财政支出的重要组成部分——科技事业投入纳入考量，充实了文献对于FDI环境效应的研究。在实践层面，研究主要立足于城市政府，弥补绝大多数文献仅关注省级而忽视市级政府的缺憾，有助于完善文献对地方政府行为影响环境污染的研究。在方法层面，通过采用空间面板的计量模型，解决空间关联的遗漏以及由此产生的内生性和偏误的问题。值得一提的是，鉴于常见的0—1邻接矩阵无法识别不相邻却相近的地区之间的空间关联，本文采用两两城市之间的地理距离构造精确的空间权重矩阵，确保估计结果的准确性。

二、文献回顾

（一）外商直接投资与环境污染

学者对外资的环境效应进行了一系列的实证检验。其中存在着不少积极的结论，如Cole和Elliott（2005）［5］对美国对外投资数据进行了研究，发现许多排污量较大的行业恰恰正是资本密集型行业，因此会选择资本密集的国家来进行投资。中国学者的研究大多发现FDI对于环境的积极影响：一方面，利用外资金额的增加有助于提升能源有效利用率（张贤和周勇，2007［6］）；另一方面，利用外资能够起到抑制污染物排放的作用（许和连和邓玉萍，2012［7］；张伟等， 2013［8］）。

然而，文献也挖掘出了一定数量的混合与消极的结论。如FDI对我国环境有显著的负向效应（He，2006［9］）。此外，包群等（2010）［10］的研究结论表明，FDI与环境污染之间的关系为倒U型，即随着利用外资规模的扩大，污染先增加后减少。更进一步的研究区分了外资的来源地，如Dean等（2004）［11］的实证研究发现， “污染天堂假说”对于那些特殊来源（港澳台地区及亚洲发展中国家）的外资成立，而对发达国家来源的外资则不成立。

（二）外商直接投资、地方财政与环境污染

文献中对地方财政影响环境方面的研究主要集中从三个角度来进行探讨。其一是财政分权。财政分权会使各地方之间出现环境政策的 “逐底竞争”（Fredriksson 和 Millimet， 2002［12］），并能降低地方政府管控环境的努力程度（张克中等，2011［13］），而这种 “逐底竞争”的状况因地区而异（俞雅乖，2013［14］）。其二是财政支出总量与结构。冯海波和方元子（2014）［15］考察了财政支出总量对SO2排放量的影响，发现财政支出在东部地区有消极的环境效应，在西部地区则为积极。关海玲和张鹏（2013）［16］发现财政支出能够显著地降低环境污染。在不同财政支出结构对消费型环境污染的影响中，以抑制环境污染的效果为主（卢洪友等，2015［17］）。其三是环境规制，主要包括环保投入、污染治理支出和环境税等。可以预期的结论是，环保投入对环境污染有单向的因果关系（王亚菲，2011［18］）。进一步地，肖欣荣和廖朴（2014）［19］建模分析并计算污染治理支出在财政收入中的最优比例。

关于地方财政影响FDI环境效应方面的研究在文献中的数量非常之少，有限的研究主要集中在从环境规制的视角来进行分析。张宇和蒋殿春（2014）［20］采用联立方程模型对水污染的研究表明，FDI的引入虽会强化本地的环境规制力度，却会弱化其他地区的环境监管，因此在总体上呈现负向的环境效应。史青（2013）［21］发现FDI对政府环境管制的作用与地方政府廉洁程度有关，而对于我国的廉洁度现状而言，FDI会降低当地环境规制强度。

已有文献存在着可供深入挖掘的一些地方：首先，已有少量文献对政府行为影响FDI环境效应有所关注，但是对地方财政的分析仅停留在环境规制的直接效应上，并未考察其他财政支出所产生的间接环境效应，尤其是科技投入的作用。其次，已有文献多应用省际面板数据对省级政府财政支出进行研究，对比重最大的市级政府财政支出关注极少，故而无法全面刻画地方政府的公共财政对环境的影响。最后，大多数文献对变量的空间关联并未加以处理；为数不多采用空间计量的文献，在度量空间相关性时多用0—1邻接矩阵，遗漏不相邻但相近的地区间的空间关联。当控制了影响环境污染的各种因素，精确测度变量的空间自相关性，解决忽略空间关联而产生的估计偏误问题，究竟政府科技投入对我国利用外资的环境效应有无优化的作用？本文的研究动机也正出于此。

三、空间计量模型设定

（一）空间自相关检验

由于相邻或相近地区间的经济与环境政策相似，以及产业链关联与产业集聚等原因，环境污染很可能会存在空间关联。而外资会考虑该地区的经济发展状况、要素禀赋与政策优势进行选址，这些因素多在邻近地区趋同；且外资会向周边区域的相同行业或上下游行业辐射空间溢出，故FDI也很可能具有空间相关性。而在存在空间自相关的前提下，若使用传统计量模型，会因空间关联的遗漏而导致内生性与估计偏误。因此，本文先检验空间自相关是否存在，再对模型进行设定。

使用Moran's I指数来检验可能存在的空间自相关性。在计算指数之前，需要先引入空间权重矩阵来衡量变量在空间上的相关性。现有文献关于空间权重矩阵的构造方法主要有两种：其一是邻接矩阵，令相邻地区的权重为1，否则为0。其二是通过两地区的地理距离之倒数构建空间权重（Madariaga和Poncet，2007［22］），即越小的地理距离对应着的权重就越大，代表空间相关性越强。鉴于第一种邻接矩阵无法全面刻画那些不相邻、却距离相近地区间的空间自相关（符淼，2009［23］），因此本文采用地理距离构造空间权重矩阵。

具体地，对于面板数据而言，空间权重矩阵W为NT×NT阶，N为数据的城市截面维度257个，T为数据的时间维度10年。W矩阵的构成为

即所有的非对角线元素均为零。进一步地，由于空间距离是外生的，不随时间或其他经济指标的改变而改变，故而对角线元素均相等：W2003＝…＝W2012。

又因为当空间距离超过某阈值（Madariaga和Poncet， 2007［22］），空间效应可能会由正变负，所以本文设置距离的阈值为1 624，如果两地市间实际距离超越这个阈值，则令空间权重等于0。再将权重矩阵标准化，使各行元素相加均等于1。经标准化后，外生矩阵WT的代表性元素wij的取值为

其中，dij为i、j两个城市的地理距离。

进而，根据文献的计算方法，对面板数据区分时间维度（许和连和邓玉萍，2012［7］），分别计算几个关键变量在不同时间维度上的Moran's I指数，具体公式如下：

其中为外生矩阵WT的代表性元素，Yi为某关键变量在城市i的取值，Y－为Yi的均值。由计算公式可知，Moran's I指数取值的区间范围是［－1，1］。

结果列于表1中。鉴于我们考察的是地级市层面变量，故Moran's I指数的数值较小。但在10年的跨度内，几个关键变量的Moran's I指数都显著为正，说明FDI、政府科技投入与污染排放量存在显著的、正向的空间自相关。对于政府科技投入与污染排放量而言，Moran's I指数的数值呈现逐步增大的趋势。这充分说明，除了环境污染的空间关联日益紧密以外，城市政府在科技投入方面的公共政策也逐渐呈现出区域性趋同的特征。仅有FDI的指数呈现不同的规律，随时间推移而递减，这是因为在初期外资多考虑东部沿海地区，而随着政府政策以及要素成本等条件的变动，外资逐步向中西部地区推进。多个关键变量表现出显著的空间自相关，故下文将采用空间计量方法进行回归。

表1 FDI、科技投入与环境污染的Moran's I指数

（二）模型设定

1.基准模型。

其中，地级市截面维度为i，时间维度为t。被解释变量为工业污染物排放量pollutionit。解释变量为FDIit、政府科技投入paytechit，以及二者的交互项。控制变量Zit为影响污染的其他城市异质性因素，如环境规制、人均收入、人均收入的二次项、全要素生产率、能源消费量以及产业结构等。城市不随时间变化的固定效应为αi。

两侧对lnFDIit求导，得到FDI的偏效应：

从式（2）可见，若β3＞0，政府科技投入对FDI环境效应的调节效果为正向。也就是说，政府科技投入力度越大，则利用外资对环境的积极效果越大（若β1＞0），或消极效果越小（若β1＜0）。

2.空间面板模型。

现有关于空间面板模型的设定主要有三种：空间滞后模型（SLM）、空间误差模型（SEM）和空间杜宾模型（SDM）。SLM模型重点关注因变量滞后项的空间关联，SEM模型侧重于刻画误差项的空间自相关，而SDM模型则是二者的结合（LeSage和Pace，2009［24］）。具体地，三种模型的回归方程如下：

（1）空间滞后模型。

（2）空间误差模型。

其中，

（3）空间杜宾模型。

其中，Xit为所有的解释变量与控制变量构成的向量。

在后文的实证结果中，将具体采用拉格朗日乘数探明空间自相关的存在形式，进而选择适用的模型。

3.估计方法。

考虑到内生性问题在很大程度上源于不可观测的城市异质性因素，如城市的地理位置与自然条件对环境自净能力、能源储备结构、污染物扩散速度的影响，城市的资源禀赋与政策偏好对产业分工、工业排污状况的影响等，故而本文使用面板固定效应（fixed effect）模型来控制不随时间变化的个体异质性，如上述的地理和自然条件、资源禀赋等，从而在一定程度上弱化内生性的问题。

根据 Elhorst（2011）［25］的研究，对于空间面板计量模型，传统OLS的估计结果有偏，极大似然（MLE）或广义距估计（GMM）更为适用。相较而言，若误差项满足正态分布假设，MLE估计更为有效，并且GMM估计在工具变量的选取上恐有争议。因此本文将运用MLE方法，使用Stata SE 12.1软件进行估计。

四、数据与变量

（一）数据选取

本文所使用的数据来自中国城市统计年鉴、中国统计年鉴和中经网统计数据库（2004—2013年），数据库涵盖了我国31个省份（不含港澳台地区）的289个地级市的数据，统计口径为市辖区。利用国家基础地理信息系统来计算城市间的地理距离。各个名义变量均折合为2003年（样本初始年份）不变价。

对样本中的变量缺失进行处理，首先剔除数据整体缺失的32个城市①包括毕节、铜仁、巢湖、安康、安顺、巴彦淖尔、巴中、达州、定西、防城港、固原、河池、黑河、呼伦贝尔、嘉峪关、金昌、酒泉、克拉玛依、拉萨、陇南、平凉、商洛、乌兰察布、武威、吴中、西宁、忻州、银川、玉林、运城、张掖、中卫32个地级市。；由于面板空间计量方法无法对非平衡面板数据进行回归，其次使用移动平均插入法对个别地市的某个数据缺失年份进行补齐。处理过后，样本中的省份数量从原有的31个变为29个，缺失青海与西藏两省份，地级市数量相应从原有的289个减至257个。

（二）变量构造

1.被解释变量。

环境污染（pollution）：依据文献，为将生态环境中的水污染与大气污染都纳入考虑，故而分别选用两个环境污染的指标：工业废水排放量（effluent）和工业二氧化硫排放量（SO2）。

2.解释变量。

外商直接投资（lnFDI）：实际利用外资额的自然对数。

政府科技投入（paytech）：指市级政府的公共财政支出中科学技术投入所占的比重，用来衡量市政府对科学技术的财政支持力度。选择市级而非省级指标，原因有两点：第一，1994年分税制改革后，市级财政享有较大的自主权，也承担了更大的责任（肖洁等，2015［26］），图1描述了地方（包括省级和市级）公共财政支出与市级公共财政支出①市级财政支出的数据来自《中国城市统计年鉴》，根据全市的一般预算内财政支出加总而成。占全国公共财政支出的比重。显而易见，地方政府承担全国财政支出的份额逐年增大，而在地方财政中，市级财政承担了绝大多数的支出任务，2013年市级公共财政支出占全国总支出的67.4%。第二，我国各城市的科技投入占财政支出的比重较小，以2013年为例，全国平均为2.25%，北京市为5.42%，说明公共财政对科技的支持有限，存在极大的政策优化空间。

图1 地级市财政支出占全国财政支出比重的变动情况

3.控制变量。

为最大程度上避免遗漏变量和内生性的问题，确保估计结果的可靠性，本文参照已有文献，并根据研究问题和数据的特殊性，控制了一系列的影响工业污染排放的主要因素如下：

环境规制（ER）：考虑到环境规制力度是影响污染排放的重要政策变量，控制环境规制变量。文献中采用的代理变量主要有：政府在治理污染上的投资②因为地级市层面的污染治理投资额的数据缺失非常严重，故无法采用。、人均GDP、二氧化硫去除率等。由于二氧化硫去除率与被解释变量二氧化硫排放量存在相关关系，所以用生态环境部门从业人员占全部从业人员比例来衡量环境规制，包括三个行业：水利管理业、公共设施管理业以及生态保护和环境治理业③国民经济行业分类代码中编号76～78的三个行业：水利管理业（76）包括防洪除涝设施管理、水资源管理、天然水收集与分配、水文服务以及其他水利管理业等。生态保护和环境治理业（77）包括自然保护区管理、野生动物保护、其他自然保护，以及水污染治理、大气污染治理、固体废物治理、危险废物治理、放射性废物治理、其他污染治理等。公共设施管理业（78）包括市政设施管理、环境卫生管理、城乡市容管理、绿化管理、公园和游览景区管理等。。

全要素生产率（lnTFP）：由于能源利用技术、污染排放技术与污染处理技术都会影响到环境污染，因此控制技术变量即全要素生产率。为将技术无效率因素纳入考虑，使用随机前沿方法对Cobb-Douglas生产函数进行估计，再以估计结果为基础计算TFP。

人均收入（lnGDP）：根据环境库兹涅茨曲线EKC （Grossman 和 Kruger， 1995［27］）预测，人均收入与环境污染的关系呈倒U型，为控制这种非线性关系，并检验EKC的存在性，加入人均GDP的对数与人均GDP对数的平方。

能源消费量（lne）：能源消费与环境污染尤其是空气污染有明显关联，亦有文献把能源消费作为衡量污染程度的代理变量（郝宇等，2014［28］）。因为能源有很多种类，倘若将各种进行加权，恐因权重选取的不同导致结果误差，而克强指数的重要指标之一是电力消费量，来源可靠且计算标准。再考虑到被解释变量是工业污染物排放，故选用工业用电量（而非居民用电量）指标。

产业结构（struc）：由于产业结构会影响环境质量，第二产业比重提高会增加污染物排放，反之，第三产业比重提高会减少污染（许和连和邓玉萍，2012［7］），所以本文控制产业结构，即第二产业占该城市总产值的比重。

五、实证结果

（一）模型选择检验

为探明空间关联存在的形式，做出三种模型的适用性选择，本文计算拉格朗日乘数（LM）统计量①检验依据Shehata教授的Stata程序包。。结果列于表2，第1、2列分别是将工业废水、工业二氧化硫排放量作被解释变量得出的检验结果。表2中可见，两列的LM test spatial lag与LM test spatial error稳健统计量的P值均小于0.05，可以得出结论，被解释变量既存在空间滞后，又存在空间误差，因此，SDM的模型设定更适合本文研究。后文将对不同模型的回归结果进行比较。

表2 空间面板模型选择：LM检验

（二）估计结果

估计结果报告在表3中，为便于对照，汇报了SEM和SDM两种模型的估计结果②结果根据Belotti、Hughes和Mortari教授的Stata程序包。限于篇幅，此处未给出SLM模型的估计结果，其主要解释变量系数的方向与SEM均一致。由于SEM模型的间接效应为0，因此可把直接效应看作总效应。。由表3可见，FDI的系数在10%的水平下有显著为正，而FDI对工业废水排放的影响却并不显著。说明外资会加剧工业二氧化硫的排放，进而恶化区域空气质量。这一结论与He（2006）［9］的发现一致。这是因为，倘若把污染当作一种生产要素，发展中国家由于环境标准较低、污染成本低廉，所以在污染密集型行业具有比较优势。因此，跨国公司会选择在发展中国家进行外商直接投资，以生产污染密集型产品。

加入政府科技投入与FDI的交互项（paytech×lnFDI）的回归结果汇报于第3列与第6列中。显而易见，交互项的系数在5%的水平下显著为负，说明科技投入有利于弱化FDI对环境的不利影响。将第3列的回归结果和科技投入的平均值代入式（2），计算FDI的偏效应：－0.014 9＋1.093 5×0.011 3＝－0.002 5。说明原来的FDI每增加1%，二氧化硫排放将增加0.014 9%的结论。在考虑到各城市政府的科技投入对FDI环境效应的调节效果之后，消极的环境效应被大大削弱了：在科技投入比重的平均值上，FDI每增加1%，二氧化硫排放仅增加0.002 5%；而在政府科技投入比重较高的地区，政府科技投入甚至可将FDI对环境的消极影响逆转为积极影响。究其原因，一方面，政府对科技活动的支持能够激励企业跨越研发门槛，通过自主研发提高生产技术与环保技术水平，促进能源利用率与污染处理率的上升，以及排污率的下降。另一方面，尽管FDI本身具有消极的环境效应，但是政府科技投入能促进企业吸收FDI的技术溢出与直接环境溢出，吸收与转化外资带来的环境友好型技术和设备。

城市政府科技投入（paytech）的系数在各列中均显著为负，表明科技投入占公共财政支出的比重每增加1%，该城市的工业废水排放量会相应地减少4.48%，工业废水排放量会相应地降低3.23%。这一结论为政府科技投入所产生的环境外部性提供证据，在利用外资与执行环境管制条件下，政府从公共财政中拨付给科技事业的资金能够显著改善该城市的环境质量。

对人均收入（lnGDP）而言，一次项系数显著为正，二次项系数显著为负，说明环境库兹涅茨曲线（EKC）确实存在，人均收入与环境污染呈现倒U型关系，即随着人均GDP增加，污染排放先增加后减少，存在环境污染的峰值或拐点。以第1列结果为例，工业二氧化硫排放的向下拐点出现在人均GDP为9 911元（2003年不变价，下同）的时候。而2012年中国的人均GDP已达到29 957元，说明我国已进入EKC的下降区域，人均收入增加有利于环境质量的改善。

控制变量中，环境规制（ER）对工业废水排放的系数显著为负，但对二氧化硫排放的系数基本不显著，可见在生态环境部门从业的人员比重增加，对工业废水排放有显著的抑制作用。全要素生产率（lnTFP）对水污染的影响为正，对二氧化硫排放不甚显著，这可能与我国的工业产值增长仍主要依赖能源消费有关。工业用电量（lne）的系数显著为正，反映了在现阶段，无论是对主要排放污水的产业而言①现阶段我国对水污染较为严重的行业为：化工、造纸、印刷、纺织、冶炼与矿产等。，还是对主要排放大气污染物的产业而言，密集消耗能源仍是主要的生产增长方式。第二产业比重（struc）会显著地增加工业二氧化硫的排放，说明调整产业结构是控制大气污染的主要途径之一。

此外，论及空间的相关系数，SDM模型的ρ与SEM模型的λ均为显著，说明正如Moran's I检验所示，本文研究的因变量与自变量绝大多数具有很强的空间自相关性，倘若忽略这种关联，不采用空间计量估计方法，得到的结果必然有所偏误。

表3 FDI、科技投入与环境污染：空间固定效应模型

续前表

六、结论与建议

本文研究了城市财政的科技投入对利用外资的环境效应的影响。实证结果证实政府的科技投入能够优化外资环境效应，实现地区经济向环境友好型经济转变。除此之外，在空间面板回归中还发现，随着人均GDP增加，开始污染排放会上升，但在越过拐点之后，污染会呈现递减趋势。本文的研究结论具有很强的现实意义，有鉴于此，提出以下几点思考与政策建议：

第一，通过空间自相关性检验，本文发现环境污染的两个指标均存在正向且逐年增强的空间溢出效应。充分说明环境污染已不再是一个城市或一个地区的问题，而是在相邻或相近地区存在相似的环境特征。而自1994年分税制改革以来，地方政府间政策的协同性逐步下降，独立性日渐增强，甚至为了地方政府政绩，邻近地区在引资政策和环境政策上存在一定程度的相互竞争，导致高污染企业迁移至环境标准相对滞后的邻近城市。这些环境污染与地方政策的现状，对地方政府的环境治理提出了新的要求，只有将思路从割裂竞争转变为区域协同治理，才有可能发挥环境政策的功能，最大程度地提升环境质量。

第二，通过空间面板回归，本文发现市级政府科技投入能够优化外资环境效应，实现地区经济向环境友好型经济转变。而前文已经提到，目前地方政府的科技支持力度明显不足，科技投入在公共财政中所占比重平均不足3%，再加上近年来地方财政面临收入不足、支出负担大的局面，地方财政屡屡出现困境。针对于此，一方面，中央应重点增强对地方政府的转移支付，着力推进地方科技建设。另一方面，地方政府的财政支出预算应以节能环保为导向，定向加大力度引导企业在节能环保方面的技术研究和设备开发；同时鼓励科研院所对环保技术开发与应用展开深入研究，进而提高对绿色生产与污染减排、高效率污染物处理与回收等相关技术的应用能力。

第三，本文发现环境库兹涅茨曲线（EKC）确实存在，并初步测算了环境污染的拐点，说明我国已进入EKC的下降区域，人均收入增加有利于环境质量的改善。有鉴于此，为了充分发挥人均产出对于环境治理的积极作用，除了要着眼于企业的绿色技术提升外，还应重视每个居民的潜在作用。因为当人均收入提高时，损害居民健康的机会成本也会提高，因此现阶段应当通过公众对政府环境行为的监督，倒逼政府采取严厉有效的、行政手段与经济手段双管齐下的环境管制政策，加快环境质量改善的进程。

相对于已有文献主要研究环境规制的技术效应，我们把市级政府的科技投入力度也纳入考察，并在中国257个城市的样本基础上进行空间关联研究是一个突破。本文主要考察了工业部门的环境污染，然而近年来，对工业污染的治理已初步见效，而农业水污染和生活污染却由于种种原因，一直得不到有效的控制。因此对农业水污染、消费污染等其他方面进行研究，有助于我们对环境污染进行更完整的认识与更全面的治理，可作为将来的研究方向。

［1］Copeland B R， Taylor M S.North-South Trade and the Environment［J］.The Quarterly Journal of Economics，1994，109 （1）：755－787.

［2］Taylor M S.Unbundling the Pollution Haven Hypothesis［J］.Advances in Economic Analysis and Policy，2004，3 （2）：153－177.

［3］Eskeland G S， Harrison A E.Moving to Greener Pastures？ Multinationals and the Pollution Haven Hypothesis ［J］.Journal of Development Economics，2003，70 （1）：1－23.

［4］Frankel J A， Rose A.Is Trade Good or Bad for the Environment？ Sorting out the Causality ［J］.The Review of Economics and Statistics， 2005，87 （1）：221－253.

［5］Cole M A， Elliott R J R.FDI and the Capital Intensity of“Dirty” Sectors： A Missing Piece of the Pollution Haven Puzzle ［J］.Review of Development Economics，2005，9 （4）：530－548.

［6］张贤，周勇.外商直接投资对我国能源强度的空间效应分析［J］.数量经济技术经济研究，2007（1）：101－108.

［7］许和连，邓玉萍.外商直接投资导致了中国的环境污染吗？［J］.管理世界，2012（2）：30－43.

［8］张伟，张晓青，吴学花.FDI集群经济效应及环境效应的空间面板计量分析［J］.经济学动态，2013（10）：96－101.

［9］He J.Pollution Haven Hypothesis and Environmental Impacts of Foreign Direct Investment： The Case of Industrial Emission of Sulfur Dioxide （SO2）in Chinese Provinces［J］.Ecological Economics， 2006， 60 （1）： 228 －245.

［10］包群，陈媛媛，宋立刚.外商投资与东道国环境污染：存在倒U型曲线关系吗？［J］.世界经济，2010（1）：3－17.

［11］Dean J M，Lovely M E， Wang H.Foreign Direct Investment and Pollution Havens：Evaluating the Evidence from China［M］.Office of Economics，US International Trade Commission，2004.

［12］Fredriksson P G， Millimet D L.Strategic Interaction and the Determination of Environmental Policy across US States［J］.Journal of Urban Economics，2002，51 （1）：101－122.

［13］张克中，王娟，崔小勇.财政分权与环境污染：碳排放的视角［J］.中国工业经济，2011（10）：65－75.

［14］俞雅乖.我国财政分权与环境质量的关系及其地区特性分析［J］.经济学家，2013（9）：60－67.

［15］冯海波，方元子.地方财政支出的环境效应分析——来自中国城市的经验考察［J］.财贸经济，2014（2）：30－43.

［16］关海玲，张鹏.财政支出、公共产品供给与环境污染［J］.工业技术经济，2013（10）：46－54.

［17］卢洪友，杜亦譞，祁毓.中国财政支出结构与消费型环境污染：理论模型与实证检验［J］.中国人口·资源与环境，2015（10）：61－70.

［18］王亚菲.公共财政环保投入对环境污染的影响分析［J］.财政研究，2011（2）：38－42.

［19］肖欣荣，廖朴.政府最优污染治理投入研究［J］.世界经济，2014（1）：106－119.

［20］张宇，蒋殿春.FDI、政府监管与中国水污染——基于产业结构与技术进步分解指标的实证检验［J］.经济学（季刊），2014（1）：491－514.

［21］史青.外商直接投资、环境规制与环境污染——基于政府廉洁度的视角［J］.财贸经济，2013（1）：93－103.

［22］Madariaga N， Poncet S.FDI in Chinese Cities： Spillovers and Impact on Growth ［J］.The World Economy，2007，30 （5）： 837 －862.

［23］符淼.地理距离和技术外溢效应——对技术和经济积聚现象的空间计量学解释［J］.经济学：季刊，2009（7）：1549－1566.

［24］LeSage J P， Pace R K.Introduction to Spatial Econometrics［M］.Boca Raton： CRC Press Taylor and Francis Group，2009.