产业结构空间关联的网络特征对环境污染的影响研究＊——基于中间中心度视角

■ 孙丽文 宁宏玲 任相伟

河北工业大学经济管理学院 天津 300401

0 引言

十九大报告指出，中国经济已从高速增长阶段转向高质量发展阶段，经济高质量发展要求实现产业转型升级与生态保护“双轨”前进。而产业结构是影响生态经济的重要因素，是经济增长和生态环境之间的中转站。一方面，自然资源通过产业结构转换为促进经济增长的要素；另一方面，调整产业结构可以在源头控制经济发展所产生的污染排放。此外，由于各地区资源禀赋和技术创新能力的差异，产业结构的变迁不再局限于区域内的演变，区域之间的互动作用逐渐凸显。区域之间产业结构空间关联关系的形成，导致一个地区的产业结构不仅会对本地的环境产生影响，也会对邻近地区的环境产生溢出效应。因此深层次探究产业结构空间关联的网络特征对环境污染的空间效应，并提出合理的政策建议，对加快绿色转型进程、实现经济高质量和生态文明建设有着重要的现实意义。

关于产业结构对环境污染的研究最早开始于Cross‐man 和Krueger[1]，他们认为结构效应对环境具有改善作用。目前国内外对于产业结构和环境污染的研究主要聚焦于两方面，一是研究产业结构和环境污染两者的关系。李鹏[2]和李慧慧[3]认为产业结构在向第二、三产业调整的过程中，与环境污染排放量呈倒U型曲线关系；Bra‐jer[4]认为产业结构和环境污染两者的关系是不确定的，两者关系的演化取决于对污染物的衡量方法；肖挺[5]发现产业结构高级化对节能减排存在区域异质性，其中对东部地区的节能减排作用更为明显。这是因为相比于中西部地区而言，东部地区相对完善的软硬件设备条件有利于产业结构实现向第三产业的升级，进而对节能减排有促进作用。李伟娜[6]通过分析产业结构对环境的作用机理并提出一系列政策建议，以实现产业结构调整对环境改善的正向影响。此外，还有一些学者把其他因素纳入两者之间的关系进行研究。龚梦琪[7]梳理了双向FDI协调发展、产业结构升级影响环境污染的作用机理，结果表明产业结构在双向FDI对环境污染的影响过程中充当中介变量；李姝[8]和黄昱然[9]在产业结构的基础上分别纳入城市化和要素扭曲，以此探究对环境污染的协同效应，研究得出城市化和要素扭曲会削弱产业结构对环境污染的改善作用，因此在推动产业结构优化升级的同时，要控制城市化和要素扭曲对环境的负面影响；李凯风[10]和袁晓玲[11]分别纳入金融集聚和环境规制强度，探究与产业结构和生态环境三者之间的互动机制。结果表明金融产业的发展和环境规制的功能性作用有利于推动产业结构升级，改善环境质量。

从研究方法的角度来说，韩永辉[12]通过构建广义动态空间计量模型分析产业结构升级对生态效率的空间效应，发现产业结构高度化和合理化对生态效率有显著的正向作用，且具有空间溢出性；王朋岗[13]基于VAR 模型研究得出产业结构的调整有助于环境污染的改善；毛克贞[14]采用灰色关联分析法探究中国不同规模的工业企业对环境污染的影响，研究得出中型工业企业对环境污染的影响最大；田银华[15]运用动态演化博弈模型对政府和企业是否推行产业结构政策与实施减排行为进行分析，肯定了产业结构调整是改善环境的有效途径。

然而各地区的产业发展并不是孤立的，而是存在着广泛的联系。形成产业结构空间关联关系的原因主要是：（1）由于各省市要素结构和技术水平的不同，产业发展的关联效应和专业化程度使得区域间形成产业结构空间关联关系；（2）产业结构发展总体目标上具有趋同性，即产业结构都是向合理化和高级化演进，过程中经济发展水平高的地区会将次优产业转出至经济发展水平低的地区，从而促进区域间产业结构的空间关联；（3）省份间的产业结构政策具有互通性，官员调配任职机制、有效政绩的相互借鉴都会促进区域间产业结构的联系[16]。

已有学者从产业结构空间网络角度分析对经济增长的影响，认为由于产业之间存在互动效应和梯度转移效应，从而对经济增长产生拉动作用[17]。那么，在当前环境问题突出的背景下，产业结构的空间网络特征如何影响各地区的环境污染水平？鲜有研究从网络视角出发考察产业结构的空间关联对环境污染的影响。由此，本文主要通过引力模型来建立产业结构空间关联的关系型数据，利用社会网络分析法和空间杜宾模型分析产业结构关联网络的中间中心度特征对环境污染的空间效应。

1 产业结构空间网络影响环境污染的理论分析

产业结构空间网络是基于不同省市的产业结构特征所引起产业结构之间的联系。分析产业结构空间网络对环境污染的影响要基于空间网络特征，空间网络特征主要包含度数中心度、中间中心度和接近中心度等方面，其中中间中心度侧重于反映各节点在网络中的控制能力，更能揭示其对环境污染空间效应的作用力度及各省市在产业结构空间网络中的关联关系，因此本文着重分析产业结构空间关联的中间中心度对环境污染的影响。

产业结构空间关联的中间中心度对环境污染的影响可分为本地效应和空间效应。本地效应衡量的是产业结构中间中心度对本地的环境影响，空间效应衡量的是产业结构中间中心度对邻近区域的环境溢出。

从本地效应来看，产业结构空间网络的中间中心度高，意味着该省市位于产业结构网络中的核心位置，有着较强的要素控制和资源配置能力，能够进一步提高该地区要素资源的合理配置水平、促进产业结构向第三产业转移和生产率的提升，从而形成良性循环。然而产业结构向合理化和高度化演进有一个过程，产业结构合理化经历了劳动力、资本等要素从农业向制造业、服务业的转移，产业结构高度化经历了主导产业和新旧技术的替换[2]。产业结构转型升级的不同阶段使得产业结构空间关联的中间中心度对环境的影响有一个先加重后改善的过渡。

从空间效应来看，产业结构的中间中心度对邻近地区环境污染的影响主要取决于溢出效应和虹吸效应的大小，且产业结构中间中心度高的地区在转型升级的不同阶段对邻近地区的环境影响也会存在阶段性的差异[3]。一方面，中间中心度高的省市会产生较强的溢出效应。从产业结构合理化角度来讲，主要是次优要素从中间中心度高的省市流入邻近省市，要素流入对邻近省市的环境影响与该省市和转出省市原先的要素结构密切相关[12]，如果转出省市的要素结构已经达到一定的合理化水平，且流入的要素相对于邻近省市原先的要素结构是低污染、高效率的，那么将有利于邻近省市的环境改善。从产业结构高度化角度来说，体现在对邻近省市相关产业的技术溢出和次优产业的转移，中间中心度高的省市的技术升级可能对邻近地区的技术水平起到示范作用，从而带动邻近省市产业结构的升级和协调演进，对环境污染起到改善作用；次优产业转入对于邻近省市环境的影响效果同样要考虑双方省市原先的产业结构。如果转出地区处于从第二产业向第三产业转型升级的阶段，且第二产业对于邻近地区也属于高污染、高耗能产业，那么第二产业的转入只会加重邻近地区的环境污染。但从另一方面，某一省市的中间中心度高也意味着其虹吸效应的范围大。对于被虹吸省市来说，会使得该地区的产业结构配置能力下降，要素使用受限，有可能会形成恶性循环，造成生态环境的恶化。基于上述分析构建本文的理论机理图，如图1所示。

图1 产业结构空间关联的中间中心度对环境污染的作用机理

2 研究方法

2.1 产业结构空间网络的刻画

产业结构空间网络的刻画首先是确定产业结构的空间关联关系，已有关于空间关联的研究所采用的分析方法多为VAR（向量自回归）模型和引力模型。其中，修正的引力模型可以综合考虑节点之间的地理距离、经济发展水平和产业结构等因素[18-19]，从而对省市间产业结构空间关系的建立更加准确，所以选择采用修正的引力模型。此外，为了更加全面的刻画产业结构的空间关系，从产业结构合理化的空间关联和产业结构高度化的空间关联两方面来表征产业结构的空间关系，修正的引力模型为：

U 表示产业结构高度化指数或产业结构合理化指数；G 代表实际GDP，K 代表调节系数，g 表示实际人均gdp，i、j 代表省份，yij代表省份i 产业结构高度化或合理化对省份j的引力，Dij表示两省份间的地理距离。

参考干春晖[20]的做法，使用第三产业产值与第二产业产值之比作为产业结构高级化的度量，指数越大，表明该省的产业结构高级化指数越高；基于重新定义的泰尔指数估计产业结构合理化，公式为：

其中Y为产值，L为劳动力人数，i表示产业部门。U表示产业结构合理化指数，衡量了产业结构的偏离程度，即U 值越趋向于0，表明产业结构越合理；由于U 值是反向指标，为了描述更加直观，通过e=max{U}-U 将其正向化[21—22]。正向化后，e 值越大，说明产业结构越合理。

根据引力模型公式，计算出省份间产业结构优化的引力矩阵，以矩阵行平均值作为临界值，高于该行临界值的赋值1，表示省份间的产业结构存在空间联系，低于该行临界值的赋值0，表示省份间的产业结构不存在空间联系。

2.2 计量模型的设定

由于环境污染具有显著的空间相关性，为反映产业结构关联关系对环境污染的空间效应，采用空间面板模型进行计量分析。常见的空间面板模型有空间误差模型（SEM）、空间滞后模型（SLM）和空间杜宾模型（SDM），其中空间杜宾模型同时包含空间滞后的被解释变量和解释变量，是空间滞后模型和空间误差模型特征的结合，能更有效的估计面板数据的溢出效应。因此选择空间杜宾模型来分析产业结构空间关联的中间中心度对环境污染的空间效应，模型设定为：

其中，lnpollit表示i省份t年的环境污染指数，BC表示i省份产业结构高度化或合理化的中间中心度，Z 为控制变量集合，W 表示地理距离空间权重矩阵，λit和μit表示时间固定效应和空间固定效应，εit为误差项。

2.3 变量说明

被解释变量为环境污染指数。选取工业废水、工业SO2及工业烟（粉）尘排放量测量环境污染程度，借鉴李花[23]的研究，利用熵值法对上述三类工业排放指标确定权重，构建环境污染指数并用对数化形式表示(lnpoll)。

解释变量为产业结构空间关联的中间中心度特征，由于产业结构升级存在不同阶段的过渡，因此分别选取合理化和高度化的中间中心度及其平方项作为解释变量，模型中用BC和BC2表示，计算公式如下：

其中，bjk(i)表示i 点对于j 与k 的控制能力，即i 点处于j、k两点间捷径的概率。

控制变量：（1）能源消费：利用能源消费总量的对数化形式表示（lnEC）。（2）对外开放：用实际利用外资额的对数化表示(lnFDI)。（3）人口密度：用年末总人口数与城市所占面积比值的对数化表示(lnPD)。（4）科技创新能力：利用研发经费支出占GDP 比值的对数化表示（ln‐Tec)。（5)经济发展水平：用实际人均地区生产总值的对数化表示(lnPGDP)。(6)城镇化：用城镇人口占总人口比重的对数化表示(lnUrb)。(7)环境规制：用各省市环境治理投资额的对数化来表示(lnER)。

2.4 空间权重矩阵的设定

根据地理学第一定律，距离的远近是省市间溢出效应大小的重要影响因素之一。因此本文选取地理距离空间权重矩阵，参考陆风芝[24]的研究，构建地理距离倒数的空间权重矩阵，设置方法：当i=j 时，Wij=0；当i ≠j时，Wij=1/dij。

2.5 数据来源

本文以全国30 个省市（由于数据原因西藏除外）为研究对象，鉴于工业排放数据的可得性，采集数据的时间段为2007～2017年，各省市地区生产总值均以2003年为基期进行平减。各省份的工业废水排放量、工业烟尘排放、工业二氧化硫排放数据来自《中国环境统计年鉴》，其他基础数据均来自《中国统计年鉴》。

3 实证结果与分析

3.1 空间相关性检验

空间相关性检验是使用空间计量的前提。为了判断环境污染是否存在空间相关性，采取Moran's I 指数进行检验，结果如表1所示。Moran's I>0 则表明省市间的环境污染呈正相关，Moran's I<0 则表明呈负相关。由表1可知，Moran's I在2007年、2008年、2010年及2012年的P 值不显著，但其他年份均通过了10%的显著性水平检验，且显著性在逐步提高，能够证明省市间的环境污染存在空间相关性。

表1 Moran指数

3.2 计量模型的选取和实证结果

针对模型选择，本文进行了一系列检验，结果如表2所示。首先是通过Hausman 检验选择固定效应还是随机效应（原假设：随机效应优于固定效应），结果显著拒绝原假设，因此选择固定效应模型；之后在SLM 模型和SEM 模型的选择中进行LM 和robust LM 检验，SLM 和SEM 的结果均通过显著性检验。参考Elhorst[25]和刘耀彬[26]的研究，如果检验结果支持其中一个或两者同时成立，则需进一步构建SDM 模型，即进行LR 检验（原假设分别为SDM 能简化为SLM 模型和SDM 能简化为SEM），LR 检验结果均通过1%的显著性检验，同时拒绝两个原假设，因此选择SDM模型。综上，选择SDM模型的双固定效应进行实证，计量结果如表3和表4。

表2 LM、LR检验结果

表3是分别以产业结构合理化和产业结构高度化作为核心解释变量的空间杜宾模型回归结果。结果显示，环境污染的空间滞后系数估计值Rho 分别为-18.4038和-20.9729，且都在1%水平下显著，表明本地区的环境污染水平受到周围地区因素的影响；且sigma2 也通过了显著性检验，表明回归效果较好。产业结构空间关联的中间中心度无论是通过产业结构合理化还是产业结构高度化来量化，对环境污染的影响系数均呈现一次项为正二次项为负的关系，表明只有当省市的产业结构中间中心度提升到一定阈值时，才会对环境污染具有减轻作用。

表3 空间杜宾模型估计结果

3.3 环境污染效应分解

为进一步分析产业结构空间关联对环境污染的空间影响程度，对空间杜宾模型的具体估计结果进行分析，如表4所示。直接效应表示本地产业结构的中间中心度对本地的环境污染影响，即本地效应；间接效应表示本地产业结构的中间中心度对邻近地区的环境污染影响，即空间效应。

表4 空间杜宾模型效应分解估计结果

其中，列1～3 是以产业结构合理化的中间中心度及其二次项为核心解释变量的空间效应的分解结果。本地效应和空间效应下的产业结构合理化的中间中心度一次项系数BC 显著为正，二次项BC2显著为负，说明产业结构合理化的中间中心度对本地和外地的环境污染呈倒U 型关系。对邻近地区来说，次优要素的转入在起初会加重环境污染，随着中心城市产业结构转型升级阶段的改变及中间中心度提高，次优要素的转入对邻近地区的环境改善起到促进作用。

控制变量中能源消费量lnEC的直接效应显著为正，空间效应为负但不显著，表明本地增加能源消费加重环境污染的同时减少了邻近地区的能源消费量，进而减轻邻近地区的环境污染；外商直接投资额lnFDI、人口密度lnPD 和城镇化率lnUrb 的直接效应和空间效应均为正，表明外商投资、人口密度的上升和城镇化水平提高都会加重环境污染水平；科技创新能力lnTEC 的本地效应和空间效应显著为负，表明科技创新能力的提升对环境改善具有促进作用；经济发展水平lnPGDP 的本地效应显著为负，空间效应为正，这可能是由于本地通过发展清洁产业促进经济发展、改善环境的同时将高污染产业转移至邻近地区，加重了邻近地区的环境污染程度；环境污染治理投资额lnER的本地效应和空间效应均为负，但不显著，这可能是由于中国对于污染治理所采取的措施是“先污染后治理”，具有时滞性；且环境污染治理的投入额度和利用效率不高，可能会拉低治理投资对环境改善的作用。

列4～6是以产业结构高度化的中间中心度及二次项为核心解释变量的结果，同样BC 的系数均为正，BC2的系数均为负，表明省市在推进产业结构高度化过程中，只有足够高的技术化和附加值化，才能促进生产效率的提高，进而减少本地的环境污染。对邻近网络中心的省市来说，次优产业的转入起初会加重地区环境污染，随着处于网络中心省市的产业结构向高度化的深层次演进，中心省市的产业结构所引起的关联效应和扩散效应使得技术外溢对邻近省份的环境起到了改善作用。控制变量的变动方向、显著水平与表3类似，能源消费、对外开放程度、人口密度会加重本地的环境污染程度；科技创新能力、经济发展水平和环境治理投资有利于改善本地环境污染。

4 结论与建议

本文基于2007～2017年省际的面板数据，利用社会网络分析法和空间杜宾模型实证分析了产业结构空间关联的中间中心度对环境污染的溢出效应，得出以下结论和建议：

（1）各个地区的产业发展不是孤立存在的，要加强区域间产业的互联互动，提高区域间的产业关联度。为此，政府应积极统筹各地区的产业发展规划，对各地区进行精准定位、合理分工，促进地区间产业的协调发展，形成一体化效应；此外，产业结构空间关联的直接动力在于技术创新，因此各地区应大力提高科技创新效率，加强自身特色产业的专业化程度，从而通过建立跨省合作园区来强化产业结构空间关联网络。

（2）产业结构空间关联的中间中心度对环境污染具有显著的空间溢出效应，产业结构合理化和高度化的中间中心度与本地和邻近地区的环境污染之间均呈倒U型曲线关系。因此在推进产业结构向合理化和高度化演进的同时，要加强区域间产业的空间关联关系，提高对要素资源的利用效率，有效发挥产业结构的环境改善效应，推动省市间协同改善环境污染。

（3）省市在产业结构空间关联网络中所处的不同地位决定了要从不同的角度有效利用产业结构的空间关联网络。对于已经处于中心地位的省市来说，在提升产业结构网络的中心性时，要多发挥中心城市在资源配置方面的示范作用和在技术、知识等方面的辐射作用，带动非中心地位省市向产业结构合理化和高度化的推进；对于边缘地区，要加强与中心城市的联系，积极吸收中心城市的技术溢出，提升自身资源和产业的承接能力，强化省市间产业结构空间关联网络的联系程度。此外，各地区主导产业的发展方向也要依据地区要素资源的特色，推动差异化、特色化产业的发展。

（4）控制变量中，科技创新能力的提升对环境污染的改善作用最为显著，且区域间产业结构形成高质量的空间关联关系、产业结构空间关联的网络特征对环境污染的改善都离不开科技创新的催化作用。因此，省市间要加强技术交流，加快科技研发的脚步，提高科技成果的可靠性和实用性，为强化产业结构空间关联关系和减轻环境污染提供最大化的推动力。