创新集聚空间分布模式对霾污染的影响

钟顺昌,闫程莉,任 娇,邵佳辉

创新集聚空间分布模式对霾污染的影响

钟顺昌1*,闫程莉2,任 娇1,邵佳辉1

(1.山西财经大学资源型经济转型发展研究院,山西 太原 030006；2.山西财经大学财政与公共经济学院,山西 太原 030006)

为了比较分析创新集聚空间分布单中心与多中心两种模式对霾污染的影响机制,本文构建了省域面板数据模型和中介效应模型进行实证检验.结果表明:创新集聚可通过规模效应降低霾污染;但创新集聚空间分布模式对霾污染的影响具有异质性.其中,单中心模式诱发了霾污染,存在创新集聚环境效应悖论;多中心模式对霾污染具有改善效应;随着创新集聚多中心的提高,其霾污染改善效应增强,但具有边际递减特征;能源利用效率是创新集聚空间分布模式影响霾污染的重要渠道之一.基于此,本文建议省级政府推进空间协同创新发展战略,建构省域多中心的创新网络空间组织体系,以此形成多中心协同治霾机制,破解创新集聚环境效应悖论.

创新集聚；创新网络；空间分布模式；单中心；多中心；霾污染

以PM2.5为代表的大气污染物,对居民健康与中国经济高质量发展产生重要影响[1-2].尽管当前通过强化环保法制建设、加强环保防控等政策措施,显著地改善了中国的大气质量,但仍不能满足人民对美好生态环境日益增长的需求[3].从根本上讲,大气污染是粗放型经济发展方式的产物[4].长远来看,需依靠科技创新,发展绿色技术,推动经济发展方式转变,以此建立根治霾污染的长效机制[5].而在空间多重异质性和自相关性的情况下,“科技治霾”一定能够达到理想的预期吗？就不同规模城市所构成的省域来看,科技创新对霾污染的影响,不仅通过规模效应,还通过空间分布的结构效应对其施加影响.创新资源的稀缺性,使得跨城市层面的区域科技创新活动呈现出地理集聚性与空间异质性等特征[6],并因发展阶段的差异性表现为“单中心”或“多中心”的空间分布模式[7-8].基于“结构主义”[9]的逻辑范式,创新集聚不同的空间分布模式将产生不同的霾污染效应,不合理的空间分布模式,非但难以产生减霾效果,反而诱发霾污染,产生“创新集聚的环境效应悖论”.那么,怎样的省域创新集聚空间分布模式有助于降低霾污染?事实上,空间分布反映的是空间关系问题,有研究表明:省域系统内不同规模城市的协调发展有助于改善霾污染[10].因此,如何以不同规模城市协同创新为突破口撬动省域尺度的协调发展战略,提升省域空气质量,是一个重要的理论与实践问题.本研究将为中国省域层面的大气污染空间治理提供一个新的视角,为优化科技资源空间配置与深入推进省域尺度的协调发展战略提供决策参考.

已有文献从行业、城市和省域3个尺度研究科技创新与空气质量的关系.在行业层面,李粉等[11]用工业行业专利申请量表征行业技术创新,实证研究发现其有助于减少工业SO2排放.在城市层面,任亚运等[12]、逯进等[13]和陈阳等[14]利用复旦大学产业发展研究中心公布的中国城市创新指数表征创新能力,分别进行实证研究发现其对PM2.5、工业SO2和综合环境污染排放具有抑制作用.禄雪焕等[15]基于国家知识产权局发布的各地市绿色专利授权量表征绿色技术创新,发现其对PM2.5存在显著的抑制作用.此外,程中华等[16]基于Malmquist生产率指数法测算了技术效率和科技进步指数,发现技术效率改善的PM2.5减排效应较强,而科技进步对PM2.5减排的促进作用相对很弱;陈浩等[17]发现科技创新投入与环境全要素生产率之间呈现倒N型关系.在省域层面,周杰琦等[18]以及李巍等[19]以专利授权规模衡量自主创新能力,发现其对CO2排放均有显著的抑制作用;原毅军等[20]、黄娟等[21]和黄天航等[22]用专利申请受理规模表征科技创新能力,发现在控制环境规制政策等重要变量的情况下,科技创新能力提升有助于降低SO2排放量.白俊红等[23]基于Malmquist生产率指数法测算了技术进步指数,发现技术进步与综合环境污染排放强度之间存在倒“U”型关系.Liu[24]发现基于技术创新的R&D投入强度不仅可以降低PM10浓度,而且可以通过知识溢出效应间接减少邻近地区的PM10排放.

综上表明:科技创新有助于改善空气质量.但还存在以下不足:第一,文献较多地从地级市尺度予以考察,而省域作为一个由不同规模城市形成的系统,在空间外部性的作用下,城市尺度的点污染必将影响城市所在的省域尺度的面污染.因此,以科技协同创新为切入点,加强城市间协同治霾尤为重要.第二,在省域层面,文献较多地关注了创新集聚规模对空气质量的影响.而除此之外,空气质量可能还受到创新集聚空间分布模式的影响,且相比较而言,大气污染物中PM2.5的危害更大,但有关创新集聚空间分布模式与PM2.5关系的研究还较为缺乏.

基于此,本文将探讨创新集聚空间分布模式对霾污染的影响机制.其边际贡献:第一,基于结构主义的视角,以省域内创新集聚异质性为切入点,将科技创新集聚空间分布分为单中心和多中心两种对立统一的模式,通过正反论证和多重稳健性检验,识别了中国省域创新集聚不同空间分布模式对霾污染的影响.第二,从多中心异质性的角度,识别了多中心不同方式对霾污染影响强度异质性和边际效应.第三,基于结构-行为-绩效的分析范式和中介效应模型,识别了创新集聚空间分布模式影响霾污染的中介传导机制以及中介效应占总效应的份额.

1 研究假说

对省域系统而言,城市既是科技创新活动又是霾污染治理的空间主体.然而,科技创新在省域内具有明显的空间异质性,并通过空间分布模式之单中心或多中心表现出来.前者是偏向于等级化的刚性垂直结构,这种结构比较单一,呈现“一城独大”的格局;而后者是相对扁平柔性化的网络结构.这种结构是各空间主体遵循一定价值关系在互动合作创新的过程中形成的有序状态,是市场经济发展到有序竞争阶段的产物,是空间创新主体在竞争过程中通过区域性合作互补和社会化集成创新的高级形式[25].与此同时,霾污染在省域内具有明显的空间自相关,不同的空间分布模式,将对省域整体的霾污染产生不同的影响(图1).

创新集聚空间分布单中心模式容易诱使创新集聚空间分布的“马太效应”,产生明显的“中心-外围”结构,导致“创新集聚的环境效应悖论”.科技创新活动与工业化密不可分.在工业化早期,工业经济活动以及依附于工业经济活动的科技创新活动均在首位城市集聚,技术创新推动生产工艺流程改进,推动产业升级,降低能耗,有助于改善空气质量.而当工业化发展到一定阶段,工业生产与科技创新在空间上发生相对分离.大规模的工业活动逐步在地域空间上呈现相对分散和多中心布局,在科技创新投入资源稀缺的情况下,科技创新活动在区域首位城市的集聚进一步强化,呈现区域单中心分布格局,其与工业相对分散和多中心布局相背而行,产生“创新集聚环境效应悖论”.具体地讲:第一,创新集聚空间分布单中心模式引发“环境污染避难所”效应.一般而言,科技创新集聚规模越大的城市,其环境规制强度越大.环境规制的空间异质性,使大城市的污染企业被挤出至管制强度较低的中小城市,这类城市也是创新能力较弱与经济欠发达的地区[26],污染性企业在环境管制较松的城市,可能排污强度变大,产生“污染避难所”效应,在空间外部性的作用下,抵消了创新力较强城市的“创新补偿”[27],使得霾污染没有得到实质性的改善,反而可能进一步降低省域整体的空气质量.第二,创新集聚空间分布模式之“单中心”产生“搭便车”效应.从公共治理机制的角度看,“科技治霾”的空间单中心模式反映的是区域大气环境的单中心治理结构,而缺乏协同联动的治理机制与条件,难以产生良好的治理绩效.第三,科技创新集聚空间分布单中心模式,容易形成不平衡的空间集聚结构,继而诱发霾污染[10].科技创新是城市发展的新动力,而科技创新集聚的空间分布单中心模式,是一种偏向于不协调的单中心城市化发展道路,导致中国省域城市规模分布呈现出两极化倾向[27],出现大城市“肥胖症”与中小城市“瘦弱病”的并存,并产生继发性霾污染等问题.第四,创新集聚空间分布单中心模式产生要素错配效应.基于边际规模递减理论,科技创新要素过度的向中心城市集聚,导致支撑科技创新发展要素的空间错配与边际收益递减.有研究发现,地级以上城市的科技资源平均配置效率一直处于较低水平[29],这将导致省域整体创新的大气环境治理绩效难以得到有效提高.

图1 创新集聚空间分布模式与省域霾污染

假说1:创新集聚空间分布单中心模式将诱发霾污染.

如果随着工业化的发展,创新活动过度集中于某一城市将诱发霾污染,那么,优化科技创新活动在空间上的组织结构,以区域内各城市协同创新为切入点,推动霾污染的协同治理是必然的选择.创新集聚空间分布多中心模式为城市间的协同创新以及协调发展奠定了基础,进而能够消除“创新集中化集聚的环境悖论”.具体地讲:第一,科技创新活动的多中心发展模式降低了因创新发展的各要素单中心集聚而引发的空间错配风险及其霾污染治理效率损失.第二,科技创新活动的多中心空间分布模式,除了形成创新价值链上的纵向分工以外,还积极地加强了城市间的横向联系,从而形成协同创新的空间网络,将形成多中心的城市发展道路,促进大中小城市协调发展[30],进而实现其与霾污染治理的“一箭双雕”.此外,有类似的经验研究表明,在单中心城市群内部,大城市与中小城市、小城镇之间的矛盾冲突更为激烈,而多中心的矛盾冲突则缓和许多[31],进而在治理霾污染上容易达成共识,形成协同联动的治理机制[10].

假说2:创新集聚空间分布多中心模式将通过协同效应改善霾污染.

同样是创新集聚空间分布多中心模式,其不同的实现方式对霾污染的影响强度具有异质性.随着较多的城市纳入到创新多中心的框架,其整个省域创新多中心指数提高,省域范围内的城市间协同创新步伐加快,将推动整个省域朝着“学习型区域”的方向迈进,促进各种编码知识和特殊的专业信息在城市间以较快的速度进行传播、交流和学习.从创新多中心形成的创新网络的角度看,各城市是创新网络中的结点,随着较多的城市纳入到创新多中心的框架,创新网络结点越多、密度越大,各创新主体的互动频率越高,创新的空间传播速度越快,创新的空间传播范围越大,区域创新能力越强,进而能够取得更好的治霾效果.

假说3:创新集聚空间分布多中心模式的减霾效应,会随着多中心程度提高而增强.

如果创新集聚空间分布模式影响霾污染,其渠道机制是什么?一部分研究表明,科技创新不仅通过改造传统生产工艺水平、引进新技术,提高能源生产和消费效率,减少能源消费,还通过开发可再生新能源,替代传统化石能源,影响能源市场价格和能源消费结构[32-33].另一部分研究表明,提升能源利用效率有助于改善霾污染[34-35].上述研究表明,科技创新、能源效率与霾污染有着紧密关联.而科技创新具有明显的空间分异性,基于“结构-行为-绩效”的逻辑,将导致能源利用效率的空间分异,进而影响省域整体的能源利用效率.创新集聚空间分布多中心模式,作为一种开放式的创新组织网络,网络上的节点相互交织,促进各生产工艺流程、新技术等各类知识编码信息在省域创新网络中通过多种渠道快速传播,提高了技术转移的效率,进而有助于提升省域整体的生产技术水平和能源利用效率,最终有助于改善霾污染;相反,创新集聚空间分布单中心模式,是一种相对封闭的创新组织模式,其等级性明显,缺乏网络效应,不利于新技术的空间传播,抑制了省域能源利用效率的提高.综上所述,能源利用效率是创新集聚空间分布模式影响霾污染的重要渠道之一.

假说4:创新集聚空间分布模式将通过能源利用效率影响霾污染.

2 研究设计

2.1 模型构建

为了比较分析中国省域尺度创新集聚空间分布模式之单中心与多中心对霾污染的影响机制,构建了如(1)~(3)式的静态面板数据模型.

式(1)中:下标和下标分别表征省域和第年(下同).被解释变量lnPM2.5为PM2.5年均浓度值的对数,用以反映霾污染.是本文关注的核心解释变量,表征省域内创新集聚空间分布模式之单中心与多中心指数.是创新集聚空间分布模式对PM2.5影响的总效应.X是引入的个控制变量,表示控制变量X对PM2.5的影响系数.0为截距项,为个体固定效应,为时间固定效应,为随机扰动项.

在完成总效应检验的基础上,再结合式(2)~(3)进一步检验创新集聚空间分布模式是否通过能源利用效率(energy)影响PM2.5.在式(2)能源利用效率的模型中,控制变量X主要包括:创新集聚规模、经济发展水平、第二产业占比、重化工业发展水平、城镇化水平和人口密度等.其它符号变量的含义对应同式(1).式(2)是检验创新集聚空间分布模式对中介变量energy的影响,若显著,进行下一步.即式(3)是在式(1)的基础上将中介变量纳入模型,同时考察直接变量与中介变量energy对PM2.5的影响,观察创新集聚空间分布模式对PM2.5影响的前后变化.根据中介效应模型判断依据,如果式(2)中变量的系数和式(3)中介变量energy的系数均显著,而式(3)中变量的系数较式(1)的系数变小或者显著性降低,表明存在中介效应,或者比较和的符号,同号则属于中介效应,且中介效应占总效应的份额为/[36].

2.2 变量设定

2.2.1 核心变量 被解释变量之PM2.5数据来自哥伦比亚大学社会经济数据和应用中心公布的、基于卫星监测的全球PM2.5浓度年均值的栅格数据[37],并利用ArcGIS处理得到中国省域年均PM2.5浓度值;核心解释变量之创新集聚空间分布模式的原始数据为历年城市发明专利申请受理数据,其来源于中华人民共和国国家知识产权局(SIPO)的“中国专利数据库”,该数据库近年来已逐步被用于研究地级市尺度的技术创新产出或创新能力的空间分布[38-40].本文也将采用该数据库,并基于首位城市占比以及城市指数法等测度省域内创新集聚空间分布单中心和多中心指数,具体测算办法如下:

①单中心指数.测度方法如式(4).

式中:mono表征省域创新集聚空间分布单中心指数,ZL是第年省域内基于专利申请之规模位序的第位城市专利申请量.

②多中心指数.多中心在本质上反映的是首位城市与其它城市的发展差距,本文将借鉴城市指数法[41]来测算多中心,测算方法如式(5).

式中:=2,4.右侧变量含义同上,考虑到省域城市数目的异质性,为了增强多中心可比性,本文将选择创新集聚规模最大的前两位和前四位城市,通过二城市和四城市指数法测算多中心.当依次取2和4时,即二城市和四城市创新集聚空间分布多中心指数(ploy2t和ploy4t).对其求均值,可得创新集聚空间分布多中心指数(ploy).其值越大,则表明省域科技创新集聚空间分布多中心程度越高.

2.2.2 中介变量 能源利用效率,用单位能源消费量的实际GDP表示.

2.2.3 控制变量 ①创新集聚规模,用发明专利申请量的对数表征.②环境规制,用工业污染治理投资占工业GDP的份额表示.③经济发展水平,用实际人均GDP的对数表示.④二产占比,用第二产业增加值占GDP的比重表示.⑤重化工业发展水平,用重化工业从业人数占工业从业人数的份额表示,对于重化工业门类选择参照马丽梅等[42]的研究成果.⑥城镇化水平,即年末城镇人口比重.⑦人口密度,用总人口与行政区面积之比的对数表征.⑧生产性服务业集聚,用生产性服务业(国民经济行业分类与代码(GB/T 4754-2017)[43]中的G、I、J、L和M对应的行业)区位熵表示,即省域的生产性服务业就业规模占省域服务业就业规模的比重与全国这一比重的比值.⑨外商直接投资,用折算为人民币的外商直接投资占GDP的份额表示.

2.3 变量统计

除被解释变量和核心解释变量特别说明外,其余变量的原始数据来源是国家统计局历年发布的《中国统计年鉴》[44]、《中国环境年鉴》[45]、《中国城市统计年鉴》[46]、《中国能源统计年鉴》[47]和《中国工业统计年鉴》[48].考虑到测度省域内创新集聚空间分布之多中心特征以及数据的可获得性,剔除了4个直辖市,城市数目少的西藏、新疆、青海和海南等4个省(自治区)以及港澳台地区.因此,最终以中国23个省域为截面.样本选取的时间序列为2000～2017年.本文最终所选样本414个.变量基本统计量如表1所示.

表1 变量的基本统计量

2.4 特征事实

通过图2可以看出,创新集聚空间分布单中心模式在西部较为凸显,单中心指数年均在0.50以上,如陕西(0.76)、四川(0.70)、云南(0.68)、宁夏(0.64)、贵州(0.59)、甘肃(0.57);此外,中部的湖北(0.59)以及东北的吉林(0.63)、黑龙江(0.59)的单中心指数也较高;相反,多中心模式较突出的主要集中在东部的江苏(-0.11)、辽宁(-0.16)、广东(-0.18)、河北(0.06)、山东(0.07)、浙江(0.29)、福建(0.26)和西部的广西(0.22).从动态演化特征来看,省域创新集聚空间分布单中心模式明显加强的有黑龙江、吉林、山东、福建、广东、河南、湖南、广西和陕西等,其中,吉林、黑龙江和河南最为突出;而多中心模式逐步强化的有河北、内蒙古、江西、湖北、广东、四川、贵州、云南、甘肃和宁夏等.

图2 2000~2017年中国23省域创新集聚空间分布模式与霾污染的协同演进

就霾污染时空演化特征而言,基于霾污染对数值年均值可划分为3个梯队.第1梯队:云南(2.60)、黑龙江(2.79)、福建(3.03)、内蒙古(3.06)、四川(3.08);第2梯队:吉林(3.20)、广东(3.36)、贵州(3.41)、辽宁(3.44)、广西(3.47)、浙江(3.56)、江西(3.55);第3梯队:陕西(3.67)、山西(3.70)、宁夏(3.75)、甘肃(3.80)、湖南(3.80)、河北(3.88)、湖北(3.90)、安徽(3.92)、江苏(3.99)、山东(4.14)和河南(4.15).可以看出,霾污染较严重的集中于中西部省区和东部部分省份.动态演化来看,河北、内蒙古、黑龙江、吉林、辽宁、江苏、安徽、江西、山东、广东、广西和云南等省区的霾污染随着时间的推移而不断加重.

就两者关系而言:(1)单从截面均值来看,创新集聚空间分布单中心和多中心与霾污染分别表现出反向和正向关系,尤其是在云南、四川、山东、河北等省区表现最为明显.(2)从长期的动态演化来看,单中心和多中心与霾污染分别呈现正向和反向协同关系.如在河北、黑龙江、吉林、辽宁、浙江、安徽、福建、江西、山东、河南、湖北、湖南、广东、广西、四川、贵州、甘肃和宁夏等省区这一特征最为明显.而(1)与(2)结论的反差,可能在截面维度,难以识别个体趋势特征.基于此,将借助分布动态和偏相关图进一步判断两者的关系.

从霾污染的分布形态来看,2000年的峰值最低,带宽最大,且主要向右倾斜,表明霾污染的省域异质性明显,呈两极分化倾向.而随着时间的推移,一方面,带宽缩小,峰值提高,霾污染的省域异质性不断改善;另一方面,一直到2010年前后核密度图不断向右移动,表明中国的霾污染不断加剧;而此之后,核密度图逐步向左移动,表明中国的霾污染整体有所缓解(图3).

从创新集聚空间分布单中心的分布动态来看,2003年与2006年为双峰,一个在0.35附近,一个在0.60附近,即存在两极化的格局.其中处在0.60附近的偏向于创新集聚空间单中心分布模式,0.35附近的为多中心模式.且2003年单中心的核密度较高,即单中心占主导.2009年以后则逐步呈现单峰,从峰值来看,主要集中在0.35左右,而且核密度函数图向左移动,即单中心指数下降,表明全国省域创新集聚空间分布模式逐步由单中心向多中心转变;带宽逐步缩小,表明省域的创新空间分布格局的差异在缩小(图4a).

图3 2000~2017年中国省域霾污染分布动态

从多中心模式的分布动态来看,在2000~2017年间,整体上呈现向右移动的态势,即科技创新活动逐步由中心城市向次中心城市转移的格局正在逐步形成.且由单峰向双峰演变,但右侧峰的核密度值明显高于左侧峰,表明多中心发展是主流.此外,随着时间的推移,带宽缩小,即创新集聚空间分布多中心的省域间差距有逐步缩小的趋势(图4b).

综上,结合时序演化与分布动态特征,表明中国省域创新集聚空间分布多中心与霾污染具有较为明显的反向协同变化关系.为了揭示这一规律性特征,图5为创新集聚空间分布模式之单中心与多中心对霾污染影响的偏相关图(stata之avplot指令).可以看出,创新集聚空间分布单中心与霾污染正相关,而多中心与霾污染呈现负相关.然而,在统计上是否显著存在这种关系,需构建计量模型进一步实证检验.

3 实证分析

3.1 基准回归结果

3.1.1 创新集聚空间分布单中心模式对霾污染的影响 表2报告了该影响效应的估计结果.根据Hausman检验,宜采用固定效应模型(FE).列(1)呈现的结果显示,在不考虑其他控制变量的情况下,创新集聚规模(lntotal)在5%的水平上显著为负,说明创新集聚可通过规模效应降低霾污染,这与文献[19-21]的结论相似.但创新集聚空间分布单中心(mono)在1%的水平上显著为正,表明创新集聚空间分布单中心模式不利于改善霾污染,说明研究期内科技创新活动存在过度集中化集聚的倾向.为防止遗漏变量而产生内生性,进一步将其它控制变量纳入模型.列(2)呈现的结果表明,科技创新通过规模效应(lntotal)对霾污染的促降效应仍然明显,且表征结构效应的单中心(mono)模式也依然在1%的水平上显著为正,表明科技创新集聚不仅通过规模效应还通过结构效应影响霾污染.考虑到创新集聚空间分布单中心对霾污染的影响存在过程效应,将科技创新集聚空间分布单中心的平方项(mono2)纳入模型,通过列(3)可以看出,一次项为负但不显著,而二次项在5%的水平上显著为正,这表明创新活动单中心与霾污染存在U型变化,但目前处于U型曲线的右侧.说明科技创新活动的确在首位城市过度集聚,科技创新活动过度在中心城市集聚,使得省域创新活动呈现明显的“中心-外围”结构,一方面容易导致不平衡的城市体系结构,形成“问题区域”,诱发霾污染问题;另一方面,霾污染在城市间具有明显的空间自相关性,创新集聚程度高的中心城市之“单边”治霾努力成果可能被创新集聚程度低的外围城市之“泄漏效应”所削减[12],进而不能有效地提升整个区域的空气质量.因此,创新集聚空间分布单中心模式会产生“创新集聚环境效应悖论”.根据经典的集聚经济理论,区域中心城市由于其集聚效应太强,会在其周边区域形成一个集聚阴影区[49],在这个阴影区内的优质资源都会被吸引到中心城市,导致要素空间错配的概率提高和创新要素在某一空间过度冗余,而外围地区创新能力不足,降低了创新资源整体的治霾效率.这也在一定程度上解释了近年来京津冀等区域霾污染严重的原因.

表2 创新集聚空间分布单中心模式对霾污染的影响

注:括号内为值,*、**、***分别表示10%、5%、1%水平上显著,“-”表示空值,下同.

3.1.2 创新集聚空间分布多中心模式对霾污染的影响及多中心异质性 表2报告的结果表明:创新集聚空间单中心模式并不能产生减霾效应,那么偏向于多中心的创新集聚空间分布模式能否改善霾污染呢？表3列(1)~(2)回答了这一疑问.可以看出,无论加入控制变量与否,创新集聚不仅通过规模对霾污染产生明显的抑制效应,而且创新集聚空间分布多中心(ploy)均至少在5%的水平上显著为负,表明在科技治霾的过程中需关注科技创新集聚的空间分布结构效应,其多中心分布模式有助于改善霾污染.说明相对于创新集聚空间分布单中心,创新多中心在霾污染治理方面具有明显的“帕累托改进”,其原因就在于创新集聚多中心通过网络效应提供了协同创新驱动各城市协调发展和协同治霾的机制.考虑到同样是创新集聚空间多中心分布模式,但不同的多中心方式对霾污染影响的强度可能存在异质性.表3列(3)~(4)报告了这一估计结果.相比二城市多中心,四城市多中心系数绝对值较大,这说明,随着较多的城市进入创新集聚空间分布多中心的框架,创新集聚的空间网络效应增强,由此对霾污染的促降效应提高.此外,比较ploy2列(3)、ploy4列(4)和ploy列(2)对霾污染影响的强度,可知看出列(3)和列(4)同列(2)的变化率分别为2%和1.6%,这说明创新集聚空间分布多中心模式对霾污染的影响强度存在边际递减效应,其原因是受创新集聚位序规模分布的影响.

表3 创新集聚空间分布多中心模式对霾污染的影响

3.2 稳健性检验

上文正反对比论证发现:创新集聚空间分布多中心模式具有减霾效应.为检验结论的稳健性,将被解释变量替换为基于赫芬达尔指数(HHI)和齐普夫定律(Zipf's Law)测算的创新集聚空间分布多中心.

3.2.1 基于HHI的创新集聚空间分布多中心对霾污染的影响及多中心异质性效应 HHI是测算要素空间分布均衡性的一个重要指标,取值介于0~1,值越大则要素分布的多中心程度越低.创新集聚空间分布多中心指数通过(7)式来测算.

式中:rdiv为省域创新集聚空间分布多中心指数,其中,=2,4,具体包括rdiv2t和rdiv4t.分别表示二城市和四城市多中心,然后对其取平均值,可得到省域创新集聚空间分布多中心指数rdiv.HHI表示省域内前个城市的创新集聚空间分布的赫芬达尔指数,ZL含义同上.ZL表示第年省域内专利申请量之位序在前个城市的申请量之和.

表4呈现的估计结果表明,无论考虑其它控制变量与否,科技创新集聚规模及创新集聚的空间分布的多中心模式均在1%的水平上有助于降低霾污染,且随着更多的城市被纳入到创新集聚空间分布多中心的框架,其对霾污染的影响强度不断提高.但相对于多中心均值列(2)而言,基于位序规模原则,随着较多的城市纳入到多中心的框架,对霾污染的影响存在边际递减效应,这与表3的结论一致.

表4 稳健性检验Ⅰ

注:其它控制变量的估计结果与上表相近,限于版面,予以略去,下同.

3.2.2 基于Zipf's Law的创新集聚空间分布多中心模式对霾污染的影响及多中心异质性效应 上文的被解释变量多中心指数均是基于非参数估计得到的.本文将进一步基于参数估计的齐普夫法则[41]测算创新集聚空间分布多中心指数.

式中:为常数项,S为按照城市专利申请量由大到小排序得到的第位城市的专利申请数.R为专利申请数量排序值,p即为多中心指数,其值越大,创新集聚空间分布多中心程度相对越高.

同非参数估计一样,选择城市专利申请量最大的前两位和前四位城市做回归,可分别得到省域内第年创新集聚空间分布多中心指数2、4,为了降低异方差,对其分别取对数得ln2和ln4,然后取它们的平均值可得到创新集聚多中心指数对数均值ln,其含义同上.

表5 稳健性检验Ⅱ

表5报告的估计结果显示,无论控制其他变量与否,创新集聚空间分布多中心(ln)都至少在5%的水平上对霾污染产生显著的负效应.就不同程度的多中心来看,二城市多中心(ln2)其符号为负,但不显著.可能的原因是:一方面,用齐普夫法则测算二城市多中心不是非常合适,另一方面,二城市多中心难以形成明显治霾协同效应;而四城市多中心(ln4)在1%的水平上显著为负,这进一步表明,随着更多的城市被纳入到创新集聚空间分布多中心的框架之中,创新集聚的多中心网络协同的减霾效应增强.同时创新集聚也依然通过规模效应降低霾污染.综上来看,即使更换核心解释变量的估算方法依然不影响结论的整体稳健性,假说1~3成立.

3.3 传导机制检验

表6 创新集聚空间分布模式影响霾污染的传导机制检验

表6报告了创新集聚空间分布模式之单中心与多中心影响霾污染的能源利用效率传导机制的估计结果.可以看出:①创新集聚空间分布单中心(mono)和多中心(ploy)模式以及二城市多中心(ploy2)和四城市多中心(ploy4)均在1%的显著性水平上与能源利用效率(energy)分别呈现负相关和正相关,即创新集聚空间分布单中心模式不利于改善能源利用效率,而多中心模式则相反.②无论是创新集聚空间分布单中心模式还是多中心模式以及不同多中心方式,能源利用效率(energy)均在5%的水平上显著地抑制了霾污染.③无论是创新集聚空间分布单中心模式还是多中心模式及其不同多中心方式,当模型中加入中介变量能源利用效率(energy)时,其对霾污染的影响强度或显著性明显降低.其中,在创新集聚空间分布单中心模式的情况下,影响强度下降了10.44%,且中介效应占总效应的10.12%;在创新集聚空间分布多中心模式的情况下,其显著性由5%降到10%,且影响强度下降了17.78%,且中介效应占总效应的25.33%.在二城市和四城市多中心模式下,中介效应的份额分别为30.88%和20.02%.这说明,能源利用效率在创新集聚空间分布模式与霾污染之间发挥了部分中介效应的作用.与此同时,和同号综上,可判断能源利用效率是创新集聚空间分布模式影响霾污染的中介变量.此外,本文进一步报告了有关中介效应的Sobel检验[50]结果,可以看出,单中心在10%的水平上显著,而多中心在5%的水平上显著,符合中介变量的判断依据,表明能源利用效率是创新集聚空间分布模式影响霾污染的重要传导路径之一,假说4成立.

值得一提的是,在霾污染的决定因素模型中,当加入能源利用效率(energy)这一中介变量后,创新集聚规模(lntotal)的显著性进一步增强,且影响强度也不断提高.通过相关性分析发现,变量之间不存在多重共线性问题,而且能源利用效率与创新集聚规模之间的相关系数仅仅为0.046.这说明,中介变量energy是相对外生的.如前所述,能源利用效率仅仅发挥部分中介效应,因此其本身还应作为重要的控制变量影响霾污染.综上来看,创新集聚既通过规模效应又通过空间分布结构效应影响霾污染.

4 结论

4.1 中国省域创新集聚空间分布模式具有明显的区位特征.其中,单中心模式主要集中在东北和西部,而西部省域最为突出,首位城市科技创新活动占到全省的50%以上,创新集聚的空间网络性较差;相反,多中心模式主要集中在东部沿海,创新集聚的空间网络性较强.就动态演进来看,创新集聚空间分布多中心模式不断成为主流.

4.2 2000年以来,中国省域霾污染整体呈现“先增后减”的格局,空间上呈现逐步收敛的趋势.从动态演进来看,科技创新集聚空间分布单中心模式与霾污染具有较为明显的正向协同变化关系,而多中心模式与霾污染呈现明显的反向协同关系.

4.3 实证结果表明,中国省域科技创新集聚可通过规模效应改善霾污染;但科技创新集聚空间分布模式对霾污染的影响存在异质性.其中,单中心模式诱发了霾污染;而多中心模式则对霾污染具有改善效应,随着多中心的提高,对霾污染的改善效应增强,但存在一定的边际递减效应;能源利用效率是创新集聚空间分布模式影响霾污染的重要传导路径之一.在创新集聚空间分布单中心的情况下,中介效应占总效应的10.12%;而在空间分布多中心的情况下,中介效应占总效应的25.33%,且随着由二城市多中心向四城市多中心转变,这种中介效应的份额由30.88%下降到20.02%.

5 建议

5.1 建立协同创新的城市间联防联控治霾机制.霾污染治理是一个公共管理问题,决定了需要构建城市间协同联动的空间治理机制.在科技治霾的背景下,需推进省域内多中心的空间协同创新发展战略,完善省域城市创新体系,推动协同创新联盟建设,促进创新集聚空间分布多中心模式的形成,以强化科技创新的网络效应,而应放弃科技治霾过程中的科技创新集聚空间分布单中心模式,以避免“城门失火,殃及池鱼”.

5.2 加大省域外围城市的环境规制强度,形成创新发展倒逼机制.当前多数省域(尤其是西部和东北的一些省域),其科技创新活动高度集中在省会城市,空间不平衡格局明显,环境规制的空间异质性是产生这一现象的重要原因.比较而言,省域外围城市的环境管制较弱,而这类城市正是霾污染治理的重要地带.因此,需提高外围城市的环境规制强度,倒逼企业提高研发投入强度,加强科技创新,提升产业发展技术水平,促使企业成为科技创新的主体;倒逼地方充分发挥人才科教资源,通过产学研结合等手段优先发展创新产业,营造创新氛围、激发创新活力,进而把“科技创新+产业升级”作为驱动城市绿色发展的新动能,实现经济和生态环境协调发展.

5.3 构建良好创新生态的常态化机制.地方政府需积极改善创新环境,营造“崇尚创新、宽容失败”的社会氛围,形成财政科技投入稳定增长机制,规划布局战略性新兴产业发展,制定优势科技资源引进计划,完善科技创新政策法规,培育与激发企业家精神,建立创新创业平台、科技服务平台.构建有利于创新创业的市场、法制和政策等社会环境.

5.4 优化协同创新的合作机制.省域边缘城市要着力于“借脑研发、柔性引才”,在人才资源集聚的大城市设立“研发飞地”.建立对口援助、利益分享和市场机制相结合的“飞地研发”运作机制.探索一条“反向飞地”的创新发展新模式,使创新成果为本地区的产业转型升级服务.

[1] 陈诗一,陈登科.雾霾污染、政府治理与经济高质量发展 [J]. 经济研究, 2018,53(2):20-34. Chen S Y, Chen D K. Air pollution,government regulations and high-quality economic development. [J]. Journal of Economic Research, 2018,53(2):20-34.

[2] 曾贤刚,阮芳芳.中国PM2.5污染健康效应的国民经济影响分析 [J]. 中国环境科学, 2020,40(7):3228-3238. Zeng X G, Ruan F F. Analysis on the national economic impact of PM2.5-induced health effects in China [J]. China Environmental Science, 2020,40(7):3228-3238.

[3] 上官绪明,葛斌华.地方政府税收竞争、环境治理与雾霾污染 [J]. 当代财经, 2019,40(5):27-36. Shang-guan X M, Ge B H .Local government tax competition, environmental governance and haze pollution [J]. Contemporary Finance & Economics, 2019,40(5):27-36.

[4] 蔡 昉,都 阳,王美艳.经济发展方式转变与节能减排内在动力[J]. 经济研究, 2008,43(6):4-11,36.Cai F, Du Y, Wang M Y. Transformation of economic development modes and inherent motive force of energy saving and emission reduction [J]. Economic Research Jouranl, 2008,43(6):4-11,36.

[5] 范 丹,梁佩凤,刘 斌.雾霾污染的空间外溢与治理政策的检验分析 [J]. 中国环境科学, 2020,40(6):2741-2750.Fan D, Liang P F, Liu B. An analysis of the spatial spillover of smog pollution and policy testing [J]. China Environmental Science, 2020, 40(6):2741-2750.

[6] 孙瑜康,李国平,袁薇薇,等.创新活动空间集聚及其影响机制研究评述与展望[J]. 人文地理, 2017,32(5):17-24.Sun Y K, Li G P , Yuan W W, et al. The spatial concentration of innovation and it mechanism: A literature review and prospect [J]. Human Geography, 2017,32(5):17-24.

[7] 姜 磊,戈冬梅,季民河.长三角区域创新差异和位序规模体系研究[J]. 经济地理, 2011,31(7):1101-1106.Jiang L, Ge D M, Ji M H. muncipal disparity of innovition within Yangtze Delta region and construction of a rank scale systerm [J]. Economic Geography, 2011,31(7):1101-1106.

[8] 王承云,孙飞翔.长三角城市创新空间的集聚与溢出效应 [J]. 地理研究, 2017,36(6):1042-1052.Wang C Y, Sun F X. Spatial agglomeration and spillover effects of urban innovation in Yangtze River Delta [J]. Geographical Research, 2017,36(6):1042-1052.

[9] 蔡晓梅,刘美新.后结构主义背景下关系地理学的研究进展 [J]. 地理学报, 2019,74(8):1680-1694. Cai X M, Liu M X. Research progress of relational geography under the background of post-structuralism [J]. Acta Geographica Sinica, 2019,74(8):1680-1694.

[10] 钟顺昌,闫程莉,任 娇,等.中国省域空间集聚结构对霾污染的影响——基于2000~2013年面板数据的经验证据 [J]. 中国环境科学, 2020,40(6):2758-2769.Zhong S C, Yan C L, Ren J, et al. Impact of China's provincial spatial agglomeration structure on haze pollution—empirical evidence based on panel data from 2000 to 2013 [J]. China Environmental Science, 2020,40(6):2758-2769.

[11] 李 粉,孙祥栋,张亮亮.产业集聚、技术创新与环境污染——基于中国工业行业面板数据的实证分析 [J]. 技术经济, 2017,36(3):1-7.Li F, Sun X D , Zhang L L. Industrial agglomeration, technological innovation and environmental pollution: Empirical study based on industrial panel data of China [J]. Technology Economics, 2017,36(3): 1-7.

[12] 任亚运,张广来.城市创新能够驱散雾霾吗? [J]. 中国人口·资源与环境, 2020,30(2):111-120. Ren Y Y, Zhang G L. Can city innovation dispel haze? [J]. China Population, Resources and Environment, 2020,30(2):111-120.

[13] 逯 进,赵亚楠,陈 阳.人力资本、技术创新对环境污染的影响机制——基于全国285个城市的实证分析 [J]. 长江流域资源与环境, 2019,28(9):2186-2196. Lu J, Zhao Y N, Chen Y. Research on the influence mechanism of human capital and technological innovation on environmental pollution: An empirical study based on 285cities across the country [J]. Resources and Environment in the Yangtze Basin, 2019,28(9):2186- 2196.

[14] 陈 阳,逯 进,于 平.技术创新减少环境污染了吗?——来自中国285个城市的经验证据 [J]. 西安交通大学学报(社会科学版), 2019,39(1):73-84.Chen Y, Lu J, Yu P. Does technology innovation reduce environmental pollution?--Empirical research based on 285 Chinese cities [J]. Journal of Xi'an Jiaotong University (Social Sciences), 2019,39(1):73-84.

[15] 禄雪焕,白婷婷.绿色技术创新如何有效降低雾霾污染? [J]. 中国软科学, 2020,35(6):174-182,191. Lu X H, Bai T T. How can green technology innovation effectively reduce smog pollution? [J]. China Soft Science, 2020,35(6):174- 182,191.

[16] 程中华,刘 军,李廉水.产业结构调整与技术进步对雾霾减排的影响效应研究[J]. 中国软科学, 2019,34(1):146-154. Chen Z H, Liu J, Li L S. Research on the effects of industrial structure adjustment and technical progress on haze reduction [J]. China Soft Science, 2019,34(1):146-154.

[17] 陈 浩,刘 培,余东升,等.科技创新投入对环境全要素生产率的影响机制 [J]. 中国环境科学, 2020,40(4):1834-1846. Chen H, Liu P,Yu D S, et al. The mechanism for the effect of investment in technological innovation in environmental total factor productivity [J]. China Environmental Science, 2020,40(4):1834- 1846.

[18] 周杰琦,汪同三.自主技术创新对中国碳排放的影响效应——基于省际面板数据的实证研究 [J]. 科技进步与对策, 2014,31(24):29- 35. Zhou J Q, Wang T S. Effect on the China carbon emissions of independent technology innovation——An empirical study based provincial panel data [J]. Science & Technology Progress and Policy, 2014,31(24):29-35.

[19] 李 巍,郗永勤.创新驱动低碳发展了吗?——基础异质和环境规制双重视角下的实证研究 [J]. 科学学与科学技术管理, 2017,38(5): 14-26. Li W, Xi Y Q. Does innovation drive low-carbon development: An empirical study on the dual perspective of foundation heterogeneity and environmental regulation [J]. Science of Science and Management of S.& T., 2017,38(5):14-26.

[20] 原毅军,谢荣辉.产业集聚、技术创新与环境污染的内在联系 [J]. 科学学研究, 2015,33(9):1340-1347.Yuan Y J, Xie R H. Empirical research on the relationship of industrial agglomeration, technological innovation and environmental pollution [J]. Studies in Science of Science, 2015,33(9):1340-1347.

[21] 黄 娟,汪明进.科技创新、产业集聚与环境污染 [J]. 山西财经大学学报, 2016,38(4):50-61. Huang J, Wang M J. Technological innovation, industrial agglomeration and environmental pollution [J].Journal of Shanxi Finance and Economics University, 2016,38(4):50-61.

[22] 黄天航,赵小渝,陈凯华.技术创新、环境污染和规制政策——转型创新政策的视角 [J]. 科学学与科学技术管理, 2020,41(1):49-65. Huang T H, Zhao X Y, Chen K H. Technological innovation, environmental pollution, and regulation policy: Transformative innovation policy perspective [J].Science of Science and Management of S.& T., 2020,41(1):49-65.

[23] 白俊红,聂 亮.技术进步与环境污染的关系——一个倒U形假说 [J]. 研究与发展管理, 2017,29(3):131-140.Bai J H, Nie L. Technological progress and environmental pollution --An inverted u-shaped hypothesis [J].Research and Development Management, 2017,29(3):131-140.

[24] Liu, X H. Dynamic evolution, spatial spillover effect of technological innovation and haze pollution in China [J]. Energy & Environment, 2018,29(6):968-988.

[25] 田桂玲.区域创新链、创新集群与区域创新体系探讨[J]. 科学学与科学技术管理, 2007,28(7):197-198. Tian K L. Discussion on regional innovation chain, innovation cluster and regional innovation system [J]. Science of Science and Management of S.& T., 2007,28(7):197-198.

[26] 曾 义,冯展斌,张 茜.地理位置、环境规制与企业创新转型 [J]. 财经研究, 2016,42(9):87-98. Zeng Y, Feng Z B, Zhang X. Geographical location, environmental regulation and enterprise innovation transformation [J]. Journal of Finance & Economics, 2016,42(9):87-98.

[27] 李卫红,白 杨.环境规制能引发“创新补偿”效应吗?——基于“波特假说”的博弈分析 [J]. 审计与经济研究, 2018,33(6):103-111.Li W H, Bai Y. Can environmental regulation lead to“innovative offsets” effect? Game analysis based on “potter hypothesis” [J]. Economy & Audit Study, 2018,33(6):103-111.

[28] 魏后凯.中国城镇化进程中两极化倾向与规模格局重构 [J]. 中国工业经济, 2014,32(3):18-30.Wei H K. Polarization tendency and reconstruction of scale pattern in China's urbanization process [J]. China Industrial Economy, 2014, 32(3):18-30.

[29] 范 斐,杜德斌,李 恒,等.中国地级以上城市科技资源配置效率的时空格局 [J]. 地理学报, 2013,68(10):1331-1343.Fan F, Du D B, Li H, et al. Spatial-temporal characteristics of scientific and technological resources allocation efficiency in prefecture-level cities of China [J]. Acta Geographica Sinica, 2013, 68(10):1331-1343.

[30] 曹清峰.协同创新推动区域协调发展的新机制研究——网络外部性视角 [J]. 学习与实践, 2019,36(10):32-41. Cao Q F. Research on the new mechanism of collaborative innovation to promote regional coordinated development——The perspective of network externality [J]. Learning and Practice, 2019,36(10):32-41.

[31] 孙斌栋,魏旭红.多中心结构:我国特大城市的未来形态 [J]. 人民论坛·学术前沿, 2015,4(17):6-15.Sun B D, Wei X H. Multi-centered structure: The future pattern of mega-cities in China [J]. People's Forum×Academic Frontiers, 2015, 4(17):6-15.

[32] 贾 军,张 卓.中国高技术产业技术创新与能源效率协同发展实证研究 [J]. 中国人口×资源与环境, 2013,23(2):36-42. Ja J, Zhang Z. Empirical study on synergy development between technological innovation and energy efficiency in China's high-tech industry [J]. China Population, Resources and Environment, 2013,23 (2):36-42.

[33] 刘凤朝,孙玉涛.技术创新、产业结构调整对能源消费影响的实证分析 [J]. 中国人口·资源与环境, 2008,18(3):108-113. Liu F C, Sun Y T. Effect of innovation, industrial change on energy consumption [J]. China Population, Resources and Environment, 2008,18(3):108-113.

[34] 张小波,王建州.中国区域能源效率对霾污染的空间效应——基于空间杜宾模型的实证分析[J]. 中国环境科学, 2019,39(4):1371- 1379. Zhang X B, Wang J Z. The spatial effect of region energy efficiency on haze pollution—Empirical analysis based on the spatial Durbin model [J]. China Environmental Science, 2019,39(4):1371-1379.

[35] 邵 帅,李 欣,曹建华.中国的城市化推进与雾霾治理 [J]. 经济研究, 2019,54(2):148-165. Shao S, Li X, Cao J H. Urbanization promotion and haze pollution governance in China [J]. Economic Research Journal, 2019,54(2):148- 165.

[36] 温忠麟,叶宝娟.中介效应分析:方法和模型发展 [J]. 心理科学进展, 2014,22(5):731-745. Wen Z L, Ye B J. Analyses of mediating effects:The development of methods and models.[J] Advances in Psychological Science, 2014, 22(5):731-745.

[37] Donkelaar A V, Martin R V, Brauer M, et al. Use of satellite observations for long term exposure assessment of global concentrations of fine particulate matter [J]. Environmental Health Perspectives, 2015,123(2):135-143.

[38] 李红雨,赵 坚.中国技术创新产出的空间分布——来自中国地级以上区域的证据 [J]. 北京理工大学学报(社会科学版), 2020,22(1): 82-92. Li H Y, Zhao J. The spatial distribution of China’s technological innovation output--evidence from China’s prefecture-level and above regions [J]. Journal of Beijing Institute of Technology (Social Sciences Edition), 2020,22(1):82-92.

[39] 何舜辉,杜德斌,焦美琪,等.中国地级以上城市创新能力的时空格局演变及影响因素分析[J]. 地理科学, 2017,37(7):1014-1022. He S H,Du D B,Jiao M Q, et al. Spatial-temporal characteristics of urban innovation capability and impact factors analysis in China [J]. Scientia Geographica Sinica, 2017,37(7):1014-1022.

[40] 马 静,邓宏兵,蔡爱新.中国城市创新产出空间格局及影响因素——来自285个城市面板数据的检验 [J]. 科学学与科学技术管理, 2017,38(10):12-25. Ma J, Deng H B ,Cai A X. Analysis on city innovation output of space-time distribution pattern and influential factors in China: Empirical analysis of 285cities in China [J]. Science of Science and Management of S.& T., 2017,38(10):12-25.

[41] 吴殿廷,宋金平,孙久文,等.区域经济学[M]. 北京:科学出版社, 2019:227-228. Wu D T, Song J P,Sun J W, et al. Regional economics [M]. Beijing: Science Press, 2019:227-228.

[42] 马丽梅,张 晓.中国雾霾污染的空间效应及经济、能源结构影响 [J]. 中国工业经济, 2014,32(4):19-31. Ma L M, Zhang X. The spatial effect of China's haze pollution and the impact from economic change and energy structure [J]. China Industrial Economic, 2014,32(4):19-31.

[43] GB/T4754-2017 国民经济行业分类 [S]. GB/T 4754-2017 Industrial classification for national economic activities [S].

[44] 国家统计局.中国统计年鉴 [M]. 北京:中国统计出版社, 2001-2018. National Bureau of Statistics.China statistical yearbook [M]. Beijing: China Statistics Press, 2001-2018.

[45] 国家统计局.中国环境统计年鉴 [M]. 北京:中国统计出版社, 2001- 2018. National Bureau of Statistics.China statistical yearbook on environment [M]. Beijing: China Statistics Press, 2001-2018.

[46] 国家统计局.中国城市统计年鉴 [M]. 北京:中国统计出版社, 2001- 2018. National Bureau of Statistics.China city statistical yearbook [M]. Beijing: China Statistics Press, 2001-2018.

[47] 国家统计局.中国能源统计年鉴 [M]. 北京:中国统计出版社, 2001- 2018. National Bureau of Statistics.China energy statistical yearbook [M]. Beijing: China Statistics Press, 2001-2018.

[48] 国家统计局.中国工业统计年鉴 [M]. 北京:中国统计出版社, 2001- 2017.National Bureau of Statistics. China industrial statistics yearbook [M]. Beijing: China Statistics Press, 2000-2017.

[49] Partridge M D, Rickman D S, Ali K, et al. Do new economic geography agglomeration shadows underlie current population dynamics across the urban hierarchy? [J]. Papers in Regional Science, 2010,88(2):445-466.

[50] Sobel M E. Asymptotic confidence intervals for indirect effects in structural equation models [J]. Sociological Methodology, 1982,13: 290-312.

The impact of innovative agglomeration spatial distribution modes on haze pollution.

ZHONG Shun-chang1*, YAN Cheng-li2, REN Jiao1, SHAO Jia-Hui1

(1.Institute of Resource-based Economic Transformation Development, Shanxi University of Finace and Economics, Taiyuan 030006, China；2.Department of Finance and Public Economy, Shanxi University of Finace and Economics, Taiyuan 030006, China).,2021,41(4)：1970~1984

In order to compare and analyze the influencing mechanism of monocentricity and polycentriciy distribution patterns on haze pollution, a provincial panel data model and an intermediary effect model were constructed for empirical test. The results showed that the innovation agglomeration reduced haze pollution through scale effects,however, the impact of innovative agglomeration spatial distribution modes on haze pollution was heterogeneous.Specifically, the monocentricity mode induced haze pollution, and there was an paradox of the environmental effect of innovation agglomeration. However, the polycentricity mode had an improvement effect on haze pollution. With the increase of the polycentricity of innovation agglomeration, its effect on haze reduction was enhanced, but with marginal diminishing characteristics. Energy utilization efficiency was one of the important channels for the spatial distribution modes of innovation agglomeration exerting influences on the haze pollution. Based on the findings above, this paper suggested that the provincial polycentric collaborative innovation development strategy was needed to be implemented, and the provincial polycentric innovation network organization system was imperative to be constructed by government, so as to form a polycentric synergistically governance mechanism for haze pollution, and to solve the paradox of environmental effect of innovation agglomeration.

innovation agglomeration；innovation network；spatial distribution mode；monocentricity；polycentricity；haze pollution

X196,F061.5

A

1000-6923(2021)04-1970-15

钟顺昌(1985-),男,陕西汉中人,副教授,博士,主要从事环境经济与区域可持续发展研究.发表论文10余篇.

2020-09-01

国家自然科学基金资助项目(71804099);教育部人文社会科学基金资助项目(18YJC790236);山西省研究生创新项目(2020SY146)

* 责任作者, 副教授, zsc2014@126.com