空间集聚对中国工业污染排放强度的影响
2017-10-13王晓硕宇超逸
王晓硕,宇超逸
空间集聚对中国工业污染排放强度的影响
王晓硕1,2*,宇超逸3
(1.东北财经大学数学学院,辽宁大连116025;2.中国科学院预测科学研究中心东北分中心,辽宁大连116025;3.东北财经大学经济学院,辽宁大连116025)
本文以2005~2014年中国省际面板数据为样本,建立决定工业污染排放强度的理论、计量模型,构建中国省级行政区内部地级市之间的内部集聚度指数以及反映市场规模效应的外部集聚度, 深入研究了空间集聚对工业污染排放强度的影响.研究表明:经济活动的空间集聚有利于减少单位GDP工业COD、工业SO2、工业烟尘和粉尘污染排放强度;内部集聚度对工业COD排放强度差距的贡献为负,是缩小工业COD排放强度差距的因素,而外部集聚度的贡献为正,表明随着集聚外部性的增强,区位的重要性更大地体现在不同区域间的相互关联上,即市场规模效应;外部集聚度对地区工业污染排放强度的影响存在显著的门限效应.
空间集聚;工业污染排放强度;夏普利值;门限效应;节能减排
伴随着中国经济的高速增长,经济集聚现象日益明显,并表现为在沿海地区不断增强的趋势,东部与中西部地区已经形成新经济地理学意义的“中心”和“外围”[1].在日趋深入的城镇化、工业化过程中,一个不容忽视的事实是环境污染的不断加剧[2].节能减排是应对全球环境问题的必然选择,也是中国实现经济发展方式转变的重要方面.工业排污对中国环境污染总量的贡献是非常重要的,2013年全国主要城市(北京、天津、上海、重庆和各个省会城市)中工业COD排放、工业SO2排放、工业NOX排放、工业烟尘排放分别占各自总排放量的21.61%、87.39%、95.94%和84.03%[3].“十三五”规划纲要也进一步说明工业减排是中国实现减排目标的重点,也是本文研究的目标.
目前,对影响环境污染决定因素的研究,主要关注两类,其一是经济发展水平,这一类文献的主要关注点均与“环境Kuznets曲线”有关;其二是政策因素,这一类文献的主要关注点在于分析政府在环境保护中所采取的规制强度,这类因素可以通过排污费征收率等与政府环保努力程度相关的指标测度[4].关于空间集聚与环境污染关系的研究仍然处于探索阶段,主要表现为理论研究不足,缺乏系统性的解释.一种观点认为,集聚会促进地区经济增长和产能扩张,产生更多的污染[5].工业集聚区是导致空气和水污染的直接原因[6-8],北京、天津、上海等发达地区环境健康综合风险指数较高,不发达地区环境健康综合风险相对较低[9].经济集聚加重环境污染,环境污染对经济集聚存在反向抑制作用,中国省域范围均存在局部经济强集聚性和污染强集聚性[10-12].另一种观点认为,集聚提高劳动生产率,提高人均收入和财政收入,致使政府采取更加严格的环境规制;集聚的规模经济效应降低企业的单位污染处理成本;集聚区内知识溢出效应使得企业采用更为环保的生产流程[13-14].因此,污染不一定与经济规模正相关,空间集聚可能是控制污染物质排放总量或排放强度的重要机制[4,14-15].经验研究未达成一致原因:集聚对环境污染的影响存在多种机制,两者之间存在众多的“中间变量”,忽略某些中间变量,必然对实证结果造成影响;指标选取存在较大差异,污染物选取不同会导致不同的研究结论;不同发展阶段的集聚所对应的环境污染可能存在差异[14].
本文以2005~2014年中国省际面板数据为样本,研究了空间集聚对地区工业污染排放强度的影响.本文试图在已有研究下进行如下扩展:(1)构建包含地区内部集聚度和外部集聚度的环境污染强度的理论模型;(2)综合利用中国省级和地级层面的数据,构建中国省级行政区内部地级市之间反映由于密集经济活动带来的技术外部性的内部集聚度指数以及反映市场规模效应的外部集聚度;(3)选取工业COD、工业SO2和工业烟尘和粉尘排放强度,保证模型估计稳健性;(4)应用基于回归的夏普利值框架,计算不同类型的空间集聚对地区工业污染排放强度差距的贡献;(5)使用门限回归模型,探究空间集聚对地区工业单位GDP减排的非线性、差异化作用机制;(6)使用面板数据的工具变量法,解决内生性问题,保证估计结果的稳健性.
1 空间集聚与污染排放强度的理论模型
借鉴生产密度模型[16],将经济集聚的负外部性即“拥挤效应”扩展到“环境污染效应”,并将环境污染纳入理论模型.生产密度模型如下:
式中:y为第个地区的单位面积产出,A为全要素生产率,n为就业密度,k为单位面积物质资本投入,为单位面积物质资本和劳动的回报率,为劳动投入对单位面积产出贡献率,Y,S表示非农产出和地区总面积,为产出密度系数.
污染看作生产的附属产品,得到,
式中:0是正常产出,Y是污染型产出.
(3)
式中:N是地区的非农就业数,化简得式(5):
(5)
大量文献考察经济活动密度和市场潜能效应对地区劳动生产率的影响,表明:就业密度带来的技术外部性和市场潜能带来的金融外部性对地区劳动生产率有显著为正的影响[5,17-18].
(8)
式(8)表明,地区的污染排放强度与非农就业密度和市场规模密切相关:当时,地区非农就业密度提高会降低污染排放强度;当时,地区市场规模效应的提高会降低污染排放强度.此时空间集聚表现出正的技术外部性和金融外部性.
2 变量选择与数据样本
根据理论模型推导,以及对文献[13-14,16, 19]的梳理,本文从空间集聚、经济发展水平、产业结构、政府环保努力程度、人口意义的城市化水平几个方面构建工业污染排放强度的决定方程.
2.1 空间集聚度
借鉴Gardiner等[19]的研究,选用两个指标衡量集聚,分别是内部集聚度(调整的地理集中指数)和外部集聚度(市场潜能).
2.1.1 内部集聚度 空间基尼系数、赫芬达尔指数和泰尔指数没有考虑较小地理单位面积的差异所产生的空间偏误,而EG指数也存在对加总数据敏感的弊端.反映经济密度的“非农就业密度”指标也过于粗略.基于EG指数构造的调整地理集中指数(agc)以较小的地理单元来构造较高水平地理单元的空间集聚程度[19].刘修岩[20]采用此指标测算了2001~2010年中国25个省的内部集聚度.
式中:y是第个子区域产出(或就业)的比重;s是第个子区域面积的比重;min是最小子区域的面积.因此,agc指数消除不同区域内子区域大小存在差异带来的gc指数可比性较差的缺陷.
本文以省级区域内地级区域作为子区域,产出指标以非农产业GDP来进行测度,计算2005~ 2014年中国25个省份agc指数,数据来源于2006~2015年的《中国区域统计年鉴》.
考虑到可能存在的地域分化现象,将中国的经济区域划分为东部、中部、西部和东北,对2005~2014年各省的agc指数求均值(图1).可以看到,中国4大区域的agc指数总体呈现出西部和东北部较高、中部和东部较低的特征,并且4大区域内也存在较大差异.agc指数测度的经济活动主要为第二、三产业.样本中未包含北京、上海等第三产业发达的中心城市,由于市场竞争作用,降低了周边城市第三产业的集聚程度;此外,北京、上海等中心城市对污染型产业审批制度更加严格,不允许重工业的建设,又延缓了第二产业的集聚.
2.1.2 外部集聚度 区位的重要性不仅体现在区域自身特征上,还体现在不同区域间的相互关联上.市场潜能体现一种依靠市场为媒介的金融外部性.式(10)是Harris意义上的市场潜能,
mp(10)
Y是省经过平减指数处理过的国内生产总值,亿元;d是两个省市区的距离,km;d是省市区内部距离;,km;S是省的面积,km2.
本文计算了2005~2014年中国25个省份的市场潜能(mp),数据来源于2006~2015年《中国统计年鉴》.总体来看,各地区的市场潜能得到了很大的增长,2005年各地区的mp均值为260.99, 2014年增加到699.89.为了比较可能存在的地域分化现象,我们将2005~2014年各省的mp求均值(图2).与内部集聚度恰好相反,mp总体呈现出东部和中部较高,西部和东北部较低的特征.
2.2 工业污染排放强度
为了保证检验结果的稳健性,本文选择3个度量指标:工业COD排放强度、工业烟尘和粉尘排放强度以及工业SO2排放强度.
2.3 其他控制变量
根据文献[4,13,19]采用的模型对其他控制变量进行选择.一是经济发展水平,本文用人均GDP (pgdp)作为地区经济发展的衡量指标;二是产业结构,本文用工业GDP占比(ind)刻画;三是城市化水平,本文用各省非农人口比重(non)表示人口意义上的城市化水平;四是政府的环保努力程度,本文用节能环保支出占财政支出比例(gov).
2.4 数据来源与描述性统计
表1 各变量的描述性统计
考虑到北京、天津、上海和重庆4个直辖市以及西藏和海南数据的特殊性及部分年份数据的缺失,本文实证检验的是2005~2014年中国25个省份,除了前面测算得到的空间集聚变量,其他数据来源于2006~2015年《中国统计年鉴》和《中国环境年鉴》.表1为主要变量的描述性统计结果.
3 模型设定与检验结果分析
3.1 模型建构
借鉴理论模型(8)式和已有的研究结果[4,13,19],建构的计量模型为:
式中:表示省份,表示年份,it是随机扰动项;是环境污染排放强度,在模型中取自然对数,实际估计模型中用、和来度量.式(11)采用半对数模型,此模型在夏普利值分解法中优于线性和双对数模型,或者与其他模型没有显著差异[24].
3.2 回归结果分析与内生性检验
本文使用普通最小二乘法(ols)对面板数据模型进行估计,根据Hausman检验(p值小于0.003),拒绝随机效应 (RE)模型原假设,最终选择固定效应(FE)模型.表2为式(11)估计结果.9个回归中,内部集聚度(agc)和外部集聚度(mp)的系数显著为负值,表明:空间集聚对工业污染排放强度具有显著为负的影响. 第(1)、(4)和(7)列解释变量的符号和显著性几乎一致,表明:空间集聚对于不同工业污染排放强度的影响具有稳健性.
第(1)列中agc系数在1%的水平上显著为负,内部集聚度增加一个标准差(0.11),工业COD排放强度下降32.26%,表明:区域内部集聚对工业单位GDP减排有积极推动作用.mp的系数在1%的水平上显著为负,外部集聚度增加1个标准差(230.73),工业COD排放强度下降16.15%,表明:距离高经济密度区和先进地区越近,分享知识溢出的利益越容易.人均GDP的影响显著为负:地区经济发展水平较高,致使政府采取更加严格的环境规制.产业结构变量(ind)的系数显著为负:工业占GDP的比重增加1个百分点,工业COD排放强度下降约5.46%,表明:工业排放本身具有规模经济.城市化水平(non)系数为负:非农人口比重增加1个百分点,工业COD排放强度下降约2.70%.gov的系数为负,但是并不显著.第(2)、(5)和(8)列为剔除不显著变量gov后的估计结果,对比第(1)、(4)和(7)列,所有解释变量符号一致,这充分肯定模型设定的合理性.
表2 2005~2014年空间集聚对工业污染排放强度的估计结果
注 :括号中为值,***、**、*分别表示变量在1%、5%、10%的显著水平下显著.下表同.
为了验证估计结果的稳健性,本文选取滞后一期的agc和mp作为工具变量进行两阶段最小二乘估计(2sls).首先,在回归的第一阶段检验工具变量的有效性.控制住其他解释变量不变,在考察工具变量对agc和mp的影响时,工具变量的系数十分显著(P值均为0.000),不存在弱工具变量的问题.第(3)、(6)和(9)列是工具变量的估计结果:agc和mp的系数都显著为负值,gov的影响依然不显著,其他变量的符号和显著性也基本没有变化.
4 空间集聚对工业污染排放强度的贡献
4.1 工业污染排放强度的夏普利值分解结果
借鉴文献[21-23]做法,选用表2第(2)列的空间集聚对工业COD排放强度影响的回归方程,两边取以e为底的指数函数,得到最终分解方程.此分解方法适用于多种差异度量指标,本文选用泰尔第一指数(GE1)和泰尔第二指数(GE0):
(13)
式中:E(COD)为COD的均值.
基于夏普利值原理和方法,对中国各地区工业COD排放强度差异加以分解(如表3).
产业结构对地区工业COD排放强度差距的贡献最大,解释20%以上的差异.经济发展水平的平均贡献为16%.城市化水平的平均贡献为9.5%.地区固有因素在2010年以后的贡献均为负值,是缩小工业COD排放强度差距的因素.
表3 夏普利值分解结果
注 :*表示变量贡献为负,是缩小工业COD排放强度差距的因素.
本文的重点变量,外部集聚度对工业COD排放强度差距的贡献在11%~19%之间,在各种因素中基本处于第3位.内部集聚度对工业COD排放强度的贡献为负值,是缩小工业COD排放强度差距的因素.结果表示:区位的重要性更多体现在临近区域经济增长的金融外部性.需要说明的是,表3中外部集聚度贡献的测算是基于总体样本的回归结果,而更为实际的情况是,经济发展阶段的不同,外部集聚度对工业COD单位GDP减排的影响存在一定差别.为了更加明晰外部集聚度的作用,对集聚促进地区工业单位GDP减排的差异性作进一步讨论.
4.2 空间集聚影响地区工业单位GDP减排的机制
本文采用Hansen的门限回归模型,利用门限变量来决定临界点,较主观判定分界点的方法更加的客观[24-26].根据夏普利值分解,外部集聚度的贡献为正,内部集聚度的贡献为负.因此,对外部集聚度(mp),选择其自身作为门限变量,对内部集聚度(agc),选择地区人均GDP作为门限变量,检验结果见表4.可以看到:被解释变量为工业SO2排放强度,人均GDP存在单一门限,其余情况存在双重门限.
下面就工业COD污染排放强度作为被解释变量情况,对表5、表6和表7的检验结果进行分析.地区外部集聚度(mp)两个门限分别为567.19和971.52,地区人均GDP两个门限分别为4.70和6.72(如表6、表7).确定门限值和门限个数之后,根据mp值划分3个区间:[78.70,567.19]、[567.19,971.52]和[971.52,1221.66],每个区间mp表示为mp1、mp2和mp3.根据pgdp值划分3个区间: [0.53,4.70]、[4.70,6.72]和[6.72,8.17],每个区间讨论内部集聚度(agc)对工业COD排放强度的影响,将agc表示为agc1、agc2和agc3(如表5):外部集聚度(mp)和地区人均GDP(pgdp)影响工业COD减排的门限效应十分明显,随着门限变量取值增大,mp和agc对工业COD减排的影响逐渐减少,表明:空间集聚对工业COD减排的影响,并没有出现强者愈强、弱者愈弱的“马太效应”.
表4 门限效应检验
表5 门限回归结果
表6 基于外部集聚度门限的地区分组
按照2005~2014年外部集聚度(mp)的值,将25个省份划分为高水平、中等水平和低水平3个区间(表6):2005年,所有省份处于低水平区间,2010年,河北、山西、江苏、浙江、安徽、江西、山东、河南、湖北在内的9个省份进入中等水平区间,2014年,江苏、浙江、安徽、山东进入高水平区间,而西部和东北部的绝大部分省份仍然处于低水平区间.
按照2005~2014年地区人均GDP,将25个省份划分为高水平、中等水平和低水平3个区间(表7):2005年,所有省份均处于低水平区间,2010年,包括内蒙古、江苏、浙江在内的3个省份进入到中等水平区间,2014年,内蒙古、江苏、浙江进入到高水平区间,辽宁、吉林、福建、山东、广东进入到中等水平区间,而西部和东北部的绝大部分省份仍然处于低水平区间.
表7 基于经济发展水平门限的地区分组
5 结论
5.1 空间集聚有利于减少工业污染排放强度.内部集聚度增加1个标准差(0.11),工业COD、工业SO2、工业烟尘和粉尘排放强度分别下降32.26%、23.27%和30.00%.外部集聚度增加1个标准差(230.73),工业COD、工业SO2和工业烟尘和粉尘排放强度分别下降16.15%、6.92%和20.76%.这意味着在城市化进程中放松对于经济和人口集聚的政策阻碍才是保证经济集聚与区域环境协调发展的重要途径.
5.2 夏普利值分解结果显示:从市场需求角度解释的外部集聚度,即临近区域经济增长的金融外部性是造成工业COD排放强度差距的重要因素;.从知识溢出角度解释的内部集聚度,即密集经济活动的技术外部性是缩小工业COD排放强度差距的因素.区位的重要性更大地体现在区域间的相互关联,市场潜能较大的地区使本地企业充分实现内部规模经济,降低污染物的排放强度,
5.3 外部集聚度和地区经济水平对工业污染排放强度的影响存在显著的门槛效应,此结论揭示了空间集聚对地区工业单位GDP减排的非线性、差异化作用机制.外部集聚度与经济水平均较高的地区,外部集聚度对工业COD减排的影响相对较小;反之,外部集聚度对工业COD减排的影响相对较大.并未出现强者愈强、弱者愈弱的“马太效应”.
[1] 范剑勇.产业集聚与中国地区差距[M]. 格致出版社, 2008: 1-34.
[2] 豆建民,张 可.空间依赖性、经济集聚与城市环境污染[J]. 经济管理, 2015,(10):12-21.
[3] 中华人民共和国国家统计局.中国统计年鉴(2014). [EB/OL]. http://www.stats. gov.cn/tjsj/ndsj/2014/ indexch.htm.
[4] 陆 铭,冯 皓.集聚与减排:城市规模差距影响工业污染强度的经验研究[J]. 世界经济, 2014,(7):86-114.
[5] Ciccone A, Hall R E. Productivity and the Density of Economic Activity [J]. American Economic Review, 1996,86(1):54-70.
[6] Van Marrewijk C. Geographical Economics and the role of pollution on location [J]. ICFAI Journal of Environmental Economics, 2005,(3):28-48.
[7] 张乐才.污染红利与污染集聚的机理与实证[J]. 中国人口资源×环境, 2011,(2):6-10.
[8] Frank A. Urban Air Quality in Larger Conrbations in the European Union [J]. Environmental Modeling and software, 2011, 16(4):399-414.
[9] 韦正峥,张淑杰,邢晶晶,等.区域环境健康综合风险评价指标体系的构建及应用研究[J]. 中国环境科学, 2015,35(11):3489- 3495.
[10] 张 可,汪东芳.经济集聚与环境污染的交互影响及空间溢出 [J]. 中国工业经济, 2014,(6):70-82.
[11] 刘满凤,谢晗进.中国省域经济集聚性与污染集聚性趋同研究[J]. 经济地理, 2014,34(4):25-32.
[12] 苏 静,胡宗义,唐李伟.我国能源—经济—环境(3E)系统协调度的地理空间分布与动态演进 [J]. 经济地理, 2013,33(9):19- 24,30.
[13] Wang H, Wheeler D. Pricing Industrial Pollution in China: An Economic Analysis of the Levy System [J]. Environmental Management, 1999,24(3):353-358.
[14] 豆建民,张 可.集聚与污染:研究评述及展望 [J]. 经济与管理, 2014,(2):109-118.
[15] 李勇刚,张 鹏.产业集聚加剧了中国的环境污染吗?——来自中国省级层面的经验证据 [J]. 华中科技大学学报:社会科学版, 2013,(5):97-106.
[16] Ushifusa U, Tomohara A. Productivity and Labor Density: Agglomeration Effects over Time [J]. Atlantic Economic Journal, 2013,(3):123-132.
[17] Ottaviano, G I P, Pinelli, D. Market Potential and Productivity: Evidence from Finnish Regions [J]. Regional Science and Urban Economics, 2006,36(5):636-657.
[18] 刘修岩,邵 军,薛玉立.集聚与地区经济增长:基于中国地级城市数据的再检验 [J]. 南开经济研究, 2012,(3):52-64.
[19] Gardiner B, Martin R, Taylor P. Does Spatial Agglomeration Increase National Growth? Some Evidence from Europe [J]. Joural of Economic Geography, 2011,11(6):979-1006.
[20] 刘修岩.空间效率与区域平衡:对中国省级层面集聚效应的检验 [J]. 世界经济, 2014,(1):55-78.
[21] 孙晓华,李明珊,王 昀.市场化进程与地区经济发展差距 [J]. 数量经济技术经济研究, 2015,(6):39-55.
[22] 万广华.解释中国农村区域间的收入不平等:一种基于回归方程的分解方法 [J]. 经济研究, 2004,(8):117-127.
[23] 田士超,陆 铭.教育对地区内收入差距的贡献:来自上海微观数据的考察 [J]. 南方经济, 2007,(5):12-21.
[24] Hansen B E. Threshold effects in non-dynamic panels: Estimation, Testing, and Inference [J]. Journal of Econometrics, 1999,93(2):345-368.
[25] 连玉君,程 建.不同成长机会下资本结构与经营绩效之间关系研究 [J]. 当代经济科学, 2006,(3):97-103.
[26] 李 平、许家云.国际智力回流的技术扩散效应研究——基于中国地区差异及门槛回归的实证研究[J]. 经济学, 2011,(3):935-961.
Impact of spatial agglomeration on industrial pollution emissions intensity in China.
WANG Xiao-shuo1,2*, YU Chao-yi3
(1.Institute of Mathematics, Dongbei University of Finance and Economics, Dalian 116025, China;2.Center for Econometric Analysis and Forecasting, Northeastern Branch, Dalian 116025, China;3.Institute of Economics, Dongbei University of Finance and Economics, Dalian 116025, China).
In this paper, based on provincial panel data from 2005 to 2014 in China, a theoretical and econometric model was built, the provincial region internal agglomeration index and external agglomeration degree on market scale effect were constructed, and an in-depth empirical research on the spatial agglomeration of the impact of industrial pollution emissions intensity was studied. The main conclusions were as follows. Per unit of GDP industrial COD, industrial SO2and industrial soot and dust pollution emissions intensity were reduced by spatial agglomeration; Internal agglomeration had a negative impact on the gap of industrial COD discharge, and the gap was reduced by it; External agglomeration had a positive impact, it was showed that the importance of location was more reflected in the correlation between different regions along with the enhancement of agglomeration externalities, namely market scale effect was strong; External agglomeration degree of region played a significant role in the effects of industrial pollution emissions intensity threshold effect.
spatial agglomeration;industrial pollution emissions intensity;shapley value;threshold effect;energy conservation and emissions reduction
X196,F061.5
A
1000-6923(2017)04-1562-09
2016-08-10
国家自然科学基金资助项目(71302054);辽宁省教育厅人文社会科学研究项目(LN2016YB024);东北财经大学研究生教学改革研究项目(YJZX-201603)
王晓硕(1977-),辽宁沈阳人,讲师,博士,研究方向为产业经济学、环境经济学.发表论文10余篇.
* 责任作者, 讲师, xiaoshuo77319@126.com
, 2017,37(4):1562~1570