基于环境库兹涅茨曲线的京冀区际环境污染转移的测度研究

赵惠 吴金希

摘要 由于区域产生污染的数量与其产业形态存在密切联系，伴随着京冀区际产业转移，京冀也存在明显的区域内环境污染源的转移。本文使用环境库兹涅茨曲线测度北京市和河北省的污染转移状况，以SO2排放为研究对象，将污染分为自生性污染和转移性污染，通过使用2000—2018年的面板数据拟合环境库兹涅茨曲线进行测度，并采用向量自回归模型（VAR）分析北京市和河北省转移性SO2排放量的相关性，结果表明：①北京市实际人均SO2排放量与拟合值的差值基本为负值，河北省的实际人均SO2排放量与拟合值的差值基本为正值。说明北京市人均SO2的排放量低于与人均GDP发展水平相适应的污染物排放，存在转出性污染;河北省人均SO2的排放量超过了与人均GDP发展水平相适应的污染物排放，存在转入性污染。②北京市SO2转移性排放总量呈稳步下降状态，而河北省的SO2转移性排放量呈先上升后下降状态，说明北京市和河北省的环境状况都在改善。③北京市转移性SO2排放量的下降与河北省转移性SO2排放量的上升是具有相关性的，说明北京市和河北省之间存在转移性污染。本文为量化区域内转移性污染提供了一种可行性研究方法，并为改善区域整体环境状况提供了参考依据。

关键词 自生性污染;转移性污染;产业转移;环境库兹涅茨曲线

由于经济发展水平、发展定位的差异，北京市、河北省两个省市的区域内产业转移进程不断加快。某个区域产生污染的能力与其产业形态存在密切联系，技术落后的高耗能、高排放产业产生污染物的能力强，环境污染就越严重，因此，伴随着京冀区际产业转移，京冀也存在明显的区域内环境污染转移。在北京市向河北省進行产业转移之后，如首钢、北京焦化厂已经完成的搬迁，使北京市环境污染的状况得到较大改善，而河北省的环境污染状况日趋严重。SO2是主要空气污染物质之一，也是中国主要的法规控制空气污染物和评价空气质量的重要指标。以SO2为例，北京市和河北省污染物排放量存在很大差异，河北省的SO2排放量要远远高于北京市。但是，北京市、河北省地理毗邻又使得北京市的生态环境质量也难以保持独立性，北京市近年来不断受到雾霾天气的困扰。2016年北京市雾霾天数比例为45%，重度污染天数比例为11%;2017年北京市雾霾天数比例为39%，重度污染天数比例为7%。因此，北京市和河北省的污染治理难以限定在某个省市内部独立展开，需要京冀两省市协同治理。要推进京冀区域环境协同治理也面临着效率和公平问题，既要实现环境污染治理能力与环境污染治理需求的最佳匹配，又要兼顾环境污染治理责任和收益的合理对等。要做到这一点，需要较为精准地识别环境污染的责任主体。由于北京市、河北省区际产业转移往往伴随着环境污染的转移，因此较为准确地识别和界定北京市、河北省环境污染的转移状况，这在北京疏解非首都功能的产业转移大背景下变得尤为重要。

1 文献综述

最早研究环境污染转移的文献是从环境规制的角度和国家层面来研究，认为发达地区会把高污染的产业转移到环境规制较弱的欠发达地区，使得欠发达地区的环境污染程度加深[1-3]。也有部分学者认为环境规制程度的大小并没有显著影响污染物或产业转移的情况[4]。国内学者也从环境规制的角度分析产业转移，主要是从外资流入的角度。林伯强和邹楚沅[5]通过分析发现在国际上呈现世界向中国污染转移的趋势，在中国内部存在东部向西部污染转移的趋势。关于北京市、河北省区际环境污染转移，北京市环境保护局[6]、李璇等[7]、程念亮等[8]定量分析了北京市污染的区域来源;孟艳蕊[9]、郑重等[10]探讨了京津冀产业转移与环境的关系;崔松虎等[11]、王丽[12]、周红菊[13]、李惠茹等[14-15]、朱晨旭等[16]从现状或策略角度研究了京津冀环境一体化，也非系统地涉及到北京市、河北省区际产业转移带动区际环境污染转移问题。相对于区际污染转移程度的量化性分析非常滞后和不充分，基本停留在定性分析层面上，这对高效、公平地推进北京市、河北省区域环境协同治理存在很大限制。

此外在研究方法上，环境库兹涅茨曲线是分析区域经济发展与环境之间关系的重要工具。在1991年被美国经济学家Grossman和Krueger提出相关概念时，就与北美区域经济发展不平衡密切相关[17]。随后，Selden et al[18]、Dinda et al[19]、Georgiev et al[20]、Adu et al[21]、Aslan et al[22]都认为一个国家或区域的污染物数量与经济发展水平之间存在“倒U”曲线。当然，对环境库兹涅茨曲线的存在也存在一些否定性的研究文献，如Shafik et al[23]、Pfaff et al[24]认为人均收入与环境质量之间呈正U型形态。 Cohen et al[25]则在碳排放研究中验证存在N型环境库兹涅茨曲线。Ma et al[26]考察了2009年以来中国152个城市的面板数据，发现中国华北等地区雾霾的集聚与扩散效应与区域的不平衡发展有显著的库兹涅茨曲线关系，并强调了区域环境协调治理中的产业转移中带来的大气污染问题。国内学者林伯强等[27]、刘华军等[28]利用中国碳排放数据，邵锋祥等[29]利用陕西省碳排放数据，高宏霞等[30]利用中国SO2排放数据，均验证了中国存在倒“U”型环境库兹涅茨曲线。刘安国[31]通过构建库兹涅茨曲面方程，发现经济发展水平存在差异的不同区域也具有显著的环境库兹涅茨曲线效应。

综上所述，对于产业转移所带来的环境污染的研究更多是关注环境规制对产业转移的影响，对产业转移的环境效应大多关注于外资流入带来的污染转移，缺乏对污染转移的量化分析。另外，环境库兹涅茨曲线的实证分析大多数是使用一个国家或区域的时间序列数据进行纵向分析。相比于以往的文献，本文有以下贡献：首先，为了更好的识别环境污染的责任主体，本文首次提出将环境污染划分为自生性的污染和转移性的污染，以便对污染转移进行定量识别。其次，本文借鉴环境库兹涅茨曲线理论，选择随机效应模型拟合环境库兹涅茨曲线，测度北京市和河北省区际环境污染转移的程度。最后，大多数的研究没有对典型区域环境污染的相关程度进行分析，本文采用向量自回归模型（VAR）分析京冀污染水平的相关性，同时也为北京、河北省低碳经济发展提供可参考的资料。

2 京冀区际环境污染转移测度的基本思路

2.1 环境污染转移测度的相关概念

北京市、河北省区际环境污染转移是高污染物产生能力的产业在北京市、河北省区际转移的结果和表现。在北京市、河北省区际产业转移带动污染环境区际转移的过程中，存在存量产业转移和增量产业转移两个途径。存量产业转移是高污染物产生能力产业的现有产能从北京市到河北省“一减一增”式的搬迁;增量产业转移是新增高污染物产生能力产业在北京市和河北省的投资和形成实际产能。与存量产业转移对应的是现实的或显性的环境污染转移，与增量产业转移对应的是潜在的或隐性的环境污染转移。由于北京市和河北省经济发展的定位，新增高污染物产生能力产业的投资在北京市的困难程度要高于河北省，隐性产业转移是北京市、河北省区际环境污染转移的主要途径。

识别北京市、河北省区际环境污染转移需要界定出自生性污染和转移性污染。所谓自生性污染，就是假定某个区域是一个封闭的系统，由于该区域处在工业化的不同阶段，其产业结构、经济活动中的能源和其它资源消耗、污染物的排放存在很大差异。在工业化阶段的划分中，根据国内外研究工业化不同发展阶段划分的文献[32-33]，人均GDP是划分工业化不同发展阶段最为重要的一个指标，当某个国家或区域人均GDP到达某个水平时，该国家或区域就会处在工业化的某个阶段，如工业化初级阶段、工业化中级阶段、工业化高级阶段、后工业社会阶段。本研究不对北京市和河北省处于工业化的何种阶段做出精确的界定，但是北京市和河北省存在较大的人均GDP差距。北京市和河北省之间较大的人均GDP差距意味着两省市很可能在同一时点上处在工业化的不同阶段，使得两个省市能源和其它资源消耗、污染物的排放水平有很大差别，这种污染物的排放水平差别属于自生性污染，不能划归为转移性污染。

北京市和河北省两个省市除了自身的自生性污染外，还由于产业的转移造成北京市和河北省两个省市的实际污染水平高于或低于自身的自生性污染水平，两个省市的实际污染水平与自生性污染水平的差值可以近似地看作是转移性污染。如果某个区域的实际污染水平高于自身的自生性污染，该区域可以大体看作是污染移入性省市;如果某个区域的实际污染水平低于自身的自生性污染，该区域可以大体看作是污染移出性省市。当然，影响某个区域自生性污染水平的因素是非常复杂的，在具体分析是需要做一些简化处理。

2.2 识别环境污染转移程度的步骤

因为某个区域的实际环境污染物排放量由自生性环境污染和转移性环境污染构成，所以要较为准确的识别北京市、河北省区际环境污染转移程度，需要剔除北京市和河北省由于工业化不同发展阶段导致的自生性环境污染排放量的差异。北京市和河北省由于工业化不同发展阶段所产生的环境污染物排放量的差异通过环境库兹涅茨曲线来实现。基于环境库兹涅茨曲线识别北京市、河北省区际环境污染转移程度具体分为三个步骤。

（1）回归和检验环境库兹涅茨曲线。环境库兹涅茨曲线可以被用来衡量某个区域经济发展水平、工业化不同阶段（用人均GDP表示）与污染物生成能力（用人均SO2排放量表示）的函数关系。环境库兹涅茨曲线可以用式（1）来表示。

3 京冀区际环境污染转移测度的实证分析

3.1 样本数据的选择

本研究选择中国2000—2018年28个省（市、区）（剔除了人口相对较少的西藏、新疆、青海及港澳台地区）省级人均GDP（元/人）和人均SO2排放量（kg/人）面板数据作为变量指标对中国全国环境库兹涅茨曲线做出实证估计。本研究之所以选择中国28个省（市、区）的样本数据的原因是可以扩大样本容量的规模，提高环境库兹涅茨曲线拟合的稳定性和可靠性。從逻辑上看，用中国28个省（市、区）的样本数据拟合的环境库兹涅茨曲线测度北京市和河北省两个省市的自生性环境污染具有可行性;因为整个中国的各省（市、区）都接受统一的中央政策指引、激励和约束，具有基本类似的发展背景和体制框架，各省（市、区）人均GDP与环境污染水平具有内在的统一性和一致性。本研究选择2000年以后的样本数据是由于中国在2000年以后，中国经济处在快速转型、升级过程中，中国不同省（市、区）处在人均收入水平以及工业化的不同阶段特征更加突出，非常有利于刻画和拟合环境库兹涅茨曲线。

3.2 基本研究假设

影响一个区域环境污染的状况较多，影响机理也较为复杂。为了利用环境库兹涅茨曲线识别、界定北京市和河北省自生性环境污染情况，需要设定三个重要的假设。

（1）人均SO2排放量是衡量北京市和河北省两个省市环境污染的有效信息。人均SO2排放量可以基本上反映出北京市和河北省两个省市环境污染的状况。

（2）北京市和河北省两个省市自生性人均SO2排放量与人均GDP的关系均服从唯一的环境库兹涅茨曲线。在该假设下，人均GDP水平是决定北京市和河北省两个省市自生性环境污染状况的唯一因素，自生性人均SO2排放量受且仅受人均GDP的影响。

（3）根据孙久文[34]提出“北京以疏解促提升、河北以吸收促整合”的基本定位，假定北京市和河北省产业转移仅发生在两个省市内部。在该假设下，北京市的产业只向河北省发生了转移;同样地，河北省也仅仅接受了北京市的产业转移。

综合参考、比较国内外研究文献对环境库兹涅茨曲线的研究，本研究采用对数环境库兹涅茨曲线方程：

式（4）中，i=1，2，3…28，表示28个省（市、区），t=1，2，3…16，表示（以2000年为基准0年）16年，ln（pit）代表i省（市、区）第t年的人均SO2排放量的对数，ln（yit）代表i省（市、区）第t年的人均GDP的对数。当β0=β1=β2=0时，环境库兹涅茨曲线无显著特征;当β1≠0， β2=0时，环境库兹涅茨曲线为线性方程;当β2>0，环境库兹涅茨曲线呈“U”型曲线特征;当β2<0，环境库兹涅茨曲线呈倒“U”型曲线特征。

3.3 环境库兹涅茨曲线方程的回归

（1）单位根检验。为了避免出现所谓的“虚假回归”问题，利用LLC检验方法对解释变量及被解释变量ln（pit）、ln（yit）、（ln（yit））2进行单变量的单位根检验，具体检验结果如表1所示。检验结果显示，在1%显著水平下，ln（pit）、ln（yit）及（ln（yit））2均通过了LLC检验，故ln（pit）、ln（yit）、（ln（yit））2在水平检验下都是平稳的。

（2）模型的选择及相应的回归结果。本研究利用对数环境库兹涅茨曲线方程式（4）构建随机效应模型并进行 Hausman检验，根据对数环境库兹涅茨曲线方程式（4）随机效应模型回归和检验的结果（见表2），Hausman-test 为 1.14（小于卡方分布临界值5.99），因此随机效应模型是回归拟合环境库兹涅茨曲线的有效模型。

对数环境库兹涅茨曲线的随机效应模型所有解释变量（包括常数）的回归值在5%水平下均通过t检验;因此，本研究所采用面板样本数据拟合的环境库兹涅茨曲线与经典倒“U”型环境库兹涅茨曲线相吻合，具体为ln（pit）=-14.57+3.59ln（yit）-0.19（ln（yit））2。

3.4 利用环境库兹涅茨曲线的北京市、河北省区际环境污染转移效果测度

（1）北京市和河北省人均转移性SO2排放量的比较。根据通过统计检验的环境库兹涅茨曲线的回归方程以及北京市、河北省两个省市不同年份的实际人均GDP，拟合出北京市、河北省两个省市不同年份人均SO2排放量，并与北京市、河北省两个省市不同年份的实际人均SO2排放量相减，以确定北京市和河北省两个省市转移性环境污染情况。具体计算结果见表3。

从表3可以看出，在北京市和河北省两省市中，北京市的实际人均SO2排放量与拟合值的差值基本上是负值，而河北省的实际人均SO2与拟合值的差值基本上是正值，说明北京市在环境库兹涅茨曲线意义上是环境污染移出者，而河北省则基本上是环境库兹涅茨曲线意义上的环境污染移入者。

（2）北京市和河北省转移性SO2排放总量的比较。首先，利用人口规模乘以北京市和河北省人均SO2排放量拟合值计算北京市和河北省SO2排放量总量的拟合值，其次，利用北京市和河北省实际SO2排放总量实际值，与SO2排放总量拟合值进行比较，见表4。

从表4可以看出，北京市SO2排放总量呈稳步下降状态，一直小于环境库兹涅茨曲线方程拟合值。河北省SO2排放总量呈先上升后下降状态，逐渐接近环境库兹涅茨曲线方程拟合值，从整体趋势来看变动幅度相对较大。但都可以说明两省市环境状况在逐渐改善。另外，2009—2010以及2014—2018年两个区间内的差值占比变化較大，需要对此作出说明。河北省在2008年之后借助保障绿色奥运的契机，进一步加大的环保力度，展开“拔除烟囱、净化蓝天”等大气污染整治行动以及在2013年开始实施压减钢铁、水泥、煤炭、玻璃产能的“6643”工程导致河北省SO2排放量出现了大幅度下降，使得SO2排放量实际值与拟合值的差值过小并小于北京市SO2排放总量实际值与拟合值的差值，造成了差值占比数据出现异常波动。

3.5 北京市和河北省转移性SO2排放量的协同变化

从表4数据可知，北京SO2排放总量实际值与拟合值间差值和河北SO2排放总量实际值与拟合值间差值虽然有正负的分别，也就是存在环境污染移出性和移入性的性质不同，但两者的变动趋势却有很高的相似性。为了进一步验证北京市和河北省是否存在污染转移的情况，本文构建向量自回归模型（VAR）对北京SO2排放总量实际值与拟合值间差值（BJ）和河北SO2排放总量实际值与拟合值间差值（HB）进行分析。VAR模型的一般表达式为：

3.5.1 单位根检验

为了保证时间序列的平稳性，需要对变量进行单位根检验。由表5检验结果可知，北京SO2排放总量实际值与拟合值间差值（BJ）和河北SO2排放总量实际值与拟合值;

3.5.2 协整检验

为了判断北京市减少的SO2排放量与河北SO2排放超标是否存在长期协整关系。本文使用Johansen协整检验方法来验证。

从检验的结果可知，如表6所示，变量BJ和HB之间至少存在一个协整方程。所以可以确定北京市减少的SO2排放量与河北SO2排放超标存在长期协整关系。可以得到协整方程如下所示：

3.5.3 脉冲响应分析

由单位根检验可知，变量一阶差分平稳，故采用一阶差分序列建立VAR模型，为了验证内生变量的冲击对系统影响的动态路径，进行脉冲响应分析。从脉冲响应的结果可以看出，如图1所示，北京污染的转出对河北污染的转入具有较大影响。当北京污染转移受到正向冲击时，会增加河北省的污染转入，并且河北的污染转入在第三期达到最大水平，在20期之后这种影响基本消失。

4 研究结论与政策建议

4.1 研究结论

本文使用库兹涅茨曲线测度北京市和河北省的污染转移状况，以SO2排放为研究对象，将污染分为自发性的污染和转移性的污染，通过使用2000—2018年的面板数据，选择随机效应模型拟合环境库兹涅茨曲线进行测度，并采用向量自回归模型（VAR）分析北京市和河北省转移性SO2排放量的相关性，得出以下结论：

（1）北京市的实际人均SO2排放量与拟合值的差值基本为负值，河北省的实际人均SO2与拟合值的差值基本为正值。说明北京市SO2的排放量低于与人均GDP发展水平相适应的污染物排放，存在转出性污染;河北省SO2的排放量超过了与人均GDP发展水平相适应的污染物排放，存在转入性污染。

（2）北京市的SO2转移性排放总量呈稳步下降状态，而河北省的SO2转移性排放量呈先上升后下降状态。一方面说明北京市转出性污染在下降，北京市的产业转移基本完成，北京市较好的完成了产业转型升级。另一方面说明河北省转入性污染先上升后下降，河北省的环境状况也在不断改善。

（3）北京市转移性SO2排放量的下降与河北省转移性SO2排放量的上升是具有相关性的。说明北京市和河北省之间存在转移性污染，在北京疏解非首都功能、调整产业结构背景下，一批以资源消耗型、劳动密集型为主的中低端生产加工业逐步向河北等地转移，河北等地也积极承接产业作为拉动经济的引擎，产业转移的同时伴随着污染物产出水平的转移。

4.2 政策建议

基于上述结论，本文提出以下政策建议：①加强京冀区域协作产业结构升级。单纯的产业转移不仅不能有效的疏解北京市非首都功能，反而会使河北省的污染水平增加。因此，必须从环境保护、产业升级和提高效率等维度，科学地辨识优化产业调整、转移的重点领域，分层次、分阶段实现京冀产业优化布局，着眼于为产业转型升级提供优质平台，有序疏解北京非首都功能，实现京冀地区整体产业结构调整与升级。②构建京冀环境污染协同治理机制。以国家《京津冀协同发展生态环保规划》为统领，共同制定大气、水、土壤和固废领域的专项规划，统筹区域污染治理，在环境综合治理上实现统一规划、统一标准、统一监测、统一执法;探索京津冀大气污染联防联控的社会参与机制，建立大气污染信息公开机制，及时公开有关信息，发挥民众的监督作用，提高民众的环保意识和参与意识。③建立京冀环境评价一体化体系。从京冀发展的根本和全局出发，充分考虑区域生态环境的支撑能力和环保需求，通过项目环境影响评价对一体化进程中的建设项目可能造成的环境影响进行分析和预测，提出应对不利影响的措施和对策。从国家层面建立污染治理生态补偿的相关法律法规，建构起对京津冀大气污染赔偿、生态补偿方面评估的指标体系，科学制定补偿依据、补偿标准、补偿范围、补偿模式等具体内容，实现外部效应的内在化。

（编辑：刘呈庆）

参考文献

[1]WALTER I， UGELOW J L. Environmental policies in developing countries[J]. Ambio， 1979， 8（2/3）： 102-109.

[2]COPELAND B R， TAYLOR M S. Trade， growth and the environment[J]. NBER working papers， 2003， 42（1）： 7-71.

[3]KHEDER S B， ZUGRAVU N. Environmental regulation and French firms location abroad： an economic geography model in an international comparative study[J]. Ecological economics， 2012， 77（3）： 48-61.

[4]JAVORCIK B S， WEI S J. Pollution havens and foreign direct investment： dirty secret or popular myth？[J]. Contributions in economic analysis & policy， 2003， 3（2）. DOI： https：//doi.org/10.2202/1538-0645.1244.

[5]林伯强， 邹楚沅. 发展阶段变迁与中国环境政策选择[J]. 中国社会科学， 2014（5）： 81-95， 205-206.

[6]北京市环境保护局. 北京市正式发布PM2.5来源解析研究成果[N/OL]. 2014-04-16[2019-10-15]. http：//www.bjepb.gov.cn/bjepb/323265/340674/396253/index.html.

[7]李璇， 聂滕， 齐珺， 等. 2013年1月北京市PM2.5区域来源解析[J]. 环境科学（4）： 1148-1153.

[8]程念亮， 李云婷， 张大伟，等. 2014年10月北京市4次典型空气重污染过程成因分析[J]. 环境科学研究， 28（2）： 163-170.

[9]孟艳蕊. 京津冀经济圈产业转移及其环境效应研究[J]. 商场现代化， 2015（19）： 131-133.

[10]郑重， 于光， 周永章， 等. 区域可持续发展机制响应：资源环境一体化中的京津冀产业转移研究[J].资源与产业， 2009， 11（2）： 26-29.

[11]崔松虎， 杨明娜. SCP模式下提升京津冀环境污染治理效应研究[J]. 生态经济， 2015（12）： 150-154.

[12]王丽. 京津冀地区资源开发利用与环境保护研究[J]. 经济研究参考， 2015（2）： 47-67.

[13]周红菊. 京津冀生态环境问题研究[J]. 江西农业， 2016（8）： 67-68.

[14]李惠茹， 杨丽慧. 京津冀生态环境协同保护：进展、效果与对策[J]. 河北大学学报（哲学社会科學版）， 2016， 41（1）： 66-71.

[15]李惠茹， 刘永亮， 杨丽慧. 构建京津冀生态环境一体化协同保护长效机制[J]. 宏观经济管理， 2017（1）： 60-63.

[16]朱晨旭， 冯百侠. 京津冀大气环境污染联动防治策略分析[J]. 华北理工大学学报（社会科学版）， 2017（2）： 70-73.

[17]GROSSMAN G M， KREUGER A B. Economics impacts of a North American free trade agreement[R]. NBER，1991： 1-57.

[18]SELDEN T， SONG D. Environment quality and development： is there a Kuznets Curve for air pollution emission？[J]. Journal of environment economics and management， 1994， 27（2）： 1-162.

[19]DINDA S， COONDOO D， PAL M. Air quality and economic growth： an empirical study[J]. Ecological economics， 2003，45： 409-423.

[20]GEORGIEV E， MIHAYLOV， EMIL. Economic growth and the Environment： reassessing the Environmental Kuznets Curve for air pollution emissions in OECD countries[J]. Letters in spatial & resource sciences， 2015， 8（1）： 29-47.

[21]ADU D T， DENKYIRAH E K. Economic growth and environmental pollution in West Africa： testing the Environmental Kuznets Curve hypothesis[J]. Kasetsart journal of social sciences， 2017（12）. DOI： https：//doi.org/10.1016/j.kjss.2017.12.008.

[22]ASLAN A， DESTEK M A， OKUMUS I. Bootstrap rolling window estimation approach to analysis of the environment Kuznets Curve hypothesis： evidence from the USA[J]. Environmental science & pollution research international， 2018， 25（3）： 2402-2408.

[23]SHAFIK N， BANDYOPADHYAY S. Economic growth and environment quality： time-series and cross-country evidence[R]. World Bank， 1992.

[24]PFAFF A， CHAUDHURI S， NYE H. Household production and Environmental Kuznets Curves-examining the desirability and feasibility of substitution[J]. Environmental & resource economics， 2004， 27（2）： 187-200.

[25]COHEN D， STELCE E， HAWAS O， et al. IBA methods for characterisation of fine particulate atmospheric pollution： a local， regional and global research problem[J]， Nuclear instruments & methods in physics research， 2004（1）： 145-152.

[26]MA Y R， JI Q， FAN Y. Spatial linkage analysis of the impact of regional economic activities on PM2.5 pollution in China[J]. Journal of cleaner production， 2016， 139： 1157-1167.

[27]林伯强， 蒋竺均. 中国二氧化碳的环境库兹涅茨曲线预测及影响因素分析[J]. 管理世界， 2009（4）： 27-36.

[28]刘华军， 闫庆悦， 孙曰瑶. 中国二氧化碳排放的环境库兹涅茨曲线——基于时间序列与面板数据的经验估计[J]. 中国科技论坛， 2011（4）： 108-113.

[29]邵锋祥， 屈小娥， 席瑶. 陕西省碳排放环境库兹涅茨曲线及影响因素[J]. 干旱區资源与环境， 2012（8）： 37-43.

[30]高宏霞， 杨林， 付海东. 中国各省经济增长与环境污染关系的研究与预测[J]. 经济学动态， 2012（1）： 52-57.

[31]刘安国. 不平衡发展条件下区域经济与环境福利双重不平等假说——基于中国省际面板数据的实证研究[J]. 经济问题探索， 2012（1）： 138-147.

[32]霍利斯·钱纳里， 等. 工业化和经济增长的比较研究[M].吴奇，等，译.上海：上海三联书店， 1989： 235-256.

[33]陈佳贵， 黄群慧， 钟宏武. 中国地区工业化进程的综合评价和特征分析[J]. 经济研究， 2006（6）： 4-15.

[34]孙久文， 张红梅. 京津冀一体化中的产业协同发展研究[J]. 河北工业大学学报（社会科学版）， 2014， 6（3）： 1-7.