城市人口聚集度对空气污染的影响效应

程开明 洪真奕

摘要 为识别城镇化进程中城市人口聚集对空气污染产生的影响效应，利用2004—2018年253个地级以上城市的面板数据、Land? scan 全球人口动态统计数据、DMSP 和Flint夜间灯光数据，构建双边随机前沿模型测算城市人口聚集度影响空气污染的集聚效应、蔓延效应及净效应。结果表明：①2005-2018年中国城市人口聚集度变动对空气污染造成的集聚效应略强于蔓延效应，集聚效应使城市空气污染水平降低26.67%，蔓延效应使环境污染水平上升24.66%，两者的综合作用使城市实际空气污染水平比“污染边界”低2.01%。②随着城市人口聚集度提高，集聚效应不断增强，蔓延效应则逐渐减弱，两种效应呈现出明显的反向联动性;城市人口聚集度跨越门槛值后，集聚效应超过蔓延效应占据主导地位，对空气污染的综合影响由“加重污染”转变为“减轻污染”，总体上城市人口聚集度提高有利于改善空气污染。③不同聚集类型城市的人口聚集度对空气污染的影响效应存在较大差异，松散型和中低聚集型城市的蔓延效应仍占主导地位，高聚集型和聚合型城市的集聚效应发挥主导作用。④城市人口聚集度影响空气污染的净效应均值在不同年份变动不大，但地区之间差异明显，东部城市的净效应均值为正，而中部和西部城市的净效应均值为负。上述结论对于开展城市人口与空间管理具有启示意义，应从推动人口集聚、防止城市蔓延、合理规划城市功能布局等方面采取针对性措施，提高城市人口聚集度，改善城市空气质量。

关键词 城市人口聚集度;空气污染;集聚效应;蔓延效应;双边随机前沿模型

中图分类号 C921  文献标志码 A   文章编号1002-2104（2022）02-0051-12   DOI：10.12062/cpre.20210402

改革开放以来中国城镇化快速推进，城市规模扩大的同时城市人口空间分布也不断演变，一些城市人口呈现出“中心化聚集”特征，而部分城市人口表现为“分散化蔓延”特征。加之过去城市发展主要依赖于高投入、高能耗、高排放的粗放型模式，快速城鎮化带来的城市空气污染问题日益突出。城市人口的空间分布特征与空气污染是否存在关联性？城市人口的空间聚集度提高会加重空气污染吗？为了回答这些问题，需要深入探究城镇化进程中城市人口聚集度变动对空气污染的影响效应。

1 文献综述

人口空间分布对环境污染的作用机制必然涉及“集聚经济”这一基本内涵。许多学者解析了经济要素和人口要素的空间集聚对环境污染的直接影响效应，形成三类代表性的观点。第一种观点认为产业与人口集聚有利于减轻城市环境污染。陆铭等[1]测算中国各省地级市间人口规模的差距来衡量行政区域内部人口和经济活动的聚集程度，发现集聚有利于减少每单位 GDP 的工业污染物排放。城市规模越大，产业集聚的环境改善效应越强，人口集聚同时减轻生产和生活污染，而产业集聚则加重生产污染，对生活污染影响不显著[2-3]。第二种观点认为产业与人口集聚对城市环境污染的影响呈现出非线性特征。只有跨越某一门槛值后，产业与人口集聚才能发挥减少污染排放的积极作用，两者之间表现出倒“U”型曲线关系[4-5]。陶长琪等[6]则发现人口集聚与环境污染的关系满足正“N”型，这可能与城市绿化建设有关;部分研究指出，人口集聚对污染的影响效应与污染物种类有关，存在一定的异质性[7-8]。第三种观点对集聚效应持负面态度，认为产业与人口集聚不利于减少污染排放，是造成城市环境恶化的重要原因之一[9-10]。

除直接考察人口集聚与环境污染的关系外，一些研究侧重于探讨集聚因素对环境污染的间接影响。马素琳等[11]将产业集聚度作为控制变量，通过动态广义矩估计（GMM）方法对 Grossman 等[12]提出的“环境库兹涅茨曲线（EKC）”进行检验，发现不同集聚度的城市有着不同形状的库兹涅茨曲线。由于人口集聚导致城市规模扩张，部分文献也关注到城市规模与环境污染的相关性。通常认为城市规模扩大有利于发挥规模效应，提高能源使用效率，进而改善城市环境质量[13]。城市人口规模也可能发挥“门槛效应”，使得其他变量（如经济发展水平）与环境污染之间呈现出倒“N”型关系[14]。此外，少数文献关注到集聚因素与环境污染之间的影响路径，指出人口集聚、经济集聚与环境污染三者间存在短期的单向环形因果关系和长期的双向环形因果关系[15]。

通过梳理文献，发现已有研究存在三个方面的可改进之处。其一，多数研究选用人口密度指标来衡量人口集聚，密度指标固然能够一定程度上反映人口聚集度的高低，但无法准确捕捉人口的空间分布状况。譬如一个面积恒定的单位圆内，若使圆内数量恒定的所有人都向圆心处聚集，人口的空间集聚度必然提高，但人口平均密度不变。因此，需选用更恰当的指标来测量人口的空间聚集程度。其二，多数文献未对人口集聚影响环境污染的效应进行分解，虽然一些研究指出人口集聚对污染在不同阶段存在着差异性影响，但未对这些差异性效应及阶段性特征开展具体测算。其三，多数研究考虑了集聚因素对污染排放绝对量的影响，但污染作为一种非期望产出更需要结合效率尺度来详细考察。合理的排污水平并非恒定不变，通常随着社会经济发展不断变化，所以要找到一个与社会经济发展进程相匹配的“污染边界”作为参照面，来具体解析人口集聚对污染的影响效应。如果实际排污水平低于这一“污染边界”，或者实际排污水平增长不如污染边界增长得快，即使污染排放绝对量增加，依然有理由认为人口集聚有利于减轻环境污染。

基于此，文章创新性地构造“城市人口聚集指数”来反映人口集聚度，解析城市人口聚集度对空气污染的影响效应。主要贡献在于：第一，借助Landscan全球人口动态统计数据、DMSP 和 Flint 夜间灯光数据，将中国地级以上城市的“真实城市化区域”和“真实城市化人口”提取出来，进而测算“城市人口聚集指数”，尽可能保证城市人口聚集度的测量指标不丢失空间属性;第二，通过构建双边随机前沿分析模型来拟合城市“污染边界”，将其作为参照基准来考察城市人口聚集度对实际污染水平的影响，并探析集聚效应、蔓延效应及净效应的异质性及稳健性。26B72F93-9BBD-4852-914D-39F60016E475

2 理论解析

2.1 影响机制分析

城市人口聚集程度是对人类活动空间范畴的一项重要测度，能够衡量城市人口与土地利用的空间适配性，本质上包含城市人口数量和城市土地面积两方面的特征。城市人口聚集度直观地体现为城市人口的空间分布，其变动对空气污染产生两种方向相反的影响效应。一方面城市人口在空间上的聚集带来生产成本的降低、经济效率的提升，推动节能减排，有利于改善空气污染状况;另一方面城市人口数量增加引起土地利用的空间扩张，城市空间不断向外蔓延，增加通勤距离和能源消耗，引致城市空气质量恶化。综合来看，城市人口聚集对空气污染的影响包括集聚效应和蔓延效应两个方面。

集聚效应主要源自城市人口空间聚集所产生的“集聚经济”。其一，城市人口聚集有利于提升产业专业化程度，降低生产性污染物的处理成本，减少空气污染排放;其二，城市人口聚集使得城市各类活动的通勤距离缩短，提高通勤效率，减少远距离通勤过程中的能源耗损[5];其三，城市人口聚集降低居民出行对私家车的依赖，促进地铁、共享单车等绿色公共交通发展，减少尾气排放;其四，城市人口聚集有利于保留城市周边绿色开敞空间，提升城市大气环境的自净能力。此外，城市人口聚集促进人与人之间更密切地相互接触及监督，增强环保意识，有利于减少个体的环境负外部性行为。

蔓延效应主要源自城市空间扩张导致人口低密度分布与城市分散布局所带来的影响[16]。较低的城市人口聚集度不利于产业专业化，难以形成产业协同效应，低生产效率使得单位产出能源消耗增加，空气污染物排放加剧;人口低密度分布和城市分散化布局使得交通网络和服务设施相对分散，居民区与其他功能区相分离，人们工作、上学、购物等出行活动的距离增加且更依赖于私人小汽车，汽车尾气排放加剧;城市边缘出现大量新建住宅及迁建工厂，建造大量的配套基础设施，吞噬绿色开敞空间，弱化生态环境对空气污染物的代谢能力，加重空气污染。

2.2 双边随机前沿模型

基于理论机制分析可知，城市人口聚集度变动对空气污染的影响包括集聚效应和蔓延效应两个方面，为有效测度两种效应的具体表现，参考Kumbhakar 等[17]、卢洪友等[18]的方法，假定每个城市存在一个由当期经济社会特征决定的“污染边界μ（xit）”，构建一个典型的双边随机前沿模型：

其中：μ（xit）为“污染边界”，β为待估参数向量，xit为城市社会经济特征变量;wit为蔓延效应，表示第i个城市t 期人口聚集度变动促使空气污染水平pollit向更高水平变化的作用效应，使得实际污染水平高于污染边界μ（xit）;uit为集聚效应，表示人口聚集度变动促使城市污染水平向更低水平变化的作用效应，使得实际污染水平低于污染边界μ（xit）;有wit ≥0，uit ≥0，vit为随机扰动项。假定σ分别表示蔓延效应、集聚效应服从指数分布条件下的方差，σ表示随机扰动项服从正态分布条件下的方差， wit、uit与vit相互独立，均独立于城市特征变量xit。基于以上假定，采用极大似然估计法（MLE）来估计参数值。

记复合扰动项（ wit - uit + vit）为ξit，概率密度函数为

其中，φ（?）和Φ（?）分别为标准正态分布的概率密度函数和累积分布函数，记ait =σ （2σ）+ξit σ u，bit =σ （2σ）-ξitσw;另外，記 hit =ξitσv -σvσw，cit =-ξitσv -σv σ u。

对于包含n 个观测值的样本而言，对数似然函数为：

ln [exp （ait ）Φ（cit ）+ exp （bit ）Φ（hit ）]（3）

其中，θ=（β，σw，σu，σv ）′，根据对数似然函数可得到参数的极大似然估计值[19]。

由于重点关注城市人口聚集度对空气污染所造成的蔓延效应与集聚效应，根据wit和uit的条件密度函数及条件期望估计得到蔓延效应和集聚效应使城市实际污染水平偏离“污染边界”的程度[17]，估计表达式为：

其中，记λ=1σ u +1σw 。式（4a）表示蔓延效应强度，式（4b）表示集聚效应强度，城市人口聚集度对空气污染所产生的净效应表示为：

NE代表蔓延效应与集聚效应的差值。若NE >0，表明蔓延效应强于集聚效应，蔓延效应发挥主导作用;若NE <0，则表明蔓延效应弱于集聚效应，集聚效应发挥主导作用。

3 指标测算与实证模型

3.1 城市人口聚集度测算

鉴于城市人口聚集程度包含城市人口数量和土地面积两方面的属性，在此构造“城市人口聚集指数”来衡量城市人口聚集度，指标计算需利用夜间灯光和人口分布两方面的数据。为与城市社会经济面板数据2004—2018年的观测区间保持一致，结合使用两种夜间灯光数据——美国国家海洋和大气管理局（NOAA）发布的1992—2013年 DMSP 年度夜间稳定灯光影像数据和中科院中国遥感卫星地面站基于美国 NOAA 的 Suomi-NPP 卫星观测数据进行处理后的2012—2018年 Flint 年度夜间灯光影像数据。参考Elvidge等[20]、范子英等[21]和刘修岩等[22]的方法对原始灯光数据进行校正，人口统计数据采用Land? scan 全球人口动态统计分析数据库提供的2004—2018年全球人口分布数据。

城市人口聚集指数（aggreg）的计算要求提取出城市中人口与土地紧密结合的区域，这类区域需满足两个条件——“灯光亮度大于某一阈值”的灯光亮度条件以及“人口密度高于某一水平”的人口密度条件，只有同时满足两个条件的栅格区域才能被认定为“真实城市化区域”。在提取2004—2013年真实城市化区域时，参照秦蒙等[23]的做法，将提取条件设定为“DMSP 夜间灯光亮度高于10且人口密度大于1000人/km2”;2013年后的DMSP 灯光数据未发布，故采用Flint 灯光数据来提取后续年份的真实城市化区域，并将提取条件调整为“Flint 夜间灯光亮度高于60且人口密度大于1000人/km2”。提取真实城市化区域后，将包含的栅格进行面积加总，得到城市实际土地利用面积（area1000），将栅格区域内的人口数加总得到城市实际聚集的人口规模（pop1000）;类似地，将城市行政区划内所有栅格面积加总，得到城市土地总面积（area）;将整个行政区域内包含的人口数加总，得到城市总人口（pop），进而利用以下公式计算出城市人口聚集指数：26B72F93-9BBD-4852-914D-39F60016E475

aggregit = =（area1000it areait）×100%

城市人口聚集指数的直观含义为：对于第i个城市而言，占行政区划面积a%的“真实城市化区域”承载着数量占总人口p%的“真实城市化人口”。因此，城市人口聚集指数越大，表明该城市的人口聚集度越高。对于部分行政区划面积过大的城市，该测算方法可能高估真实人口聚集度，为避免这一情况，将酒泉、呼伦贝尔、鄂尔多斯等城市从样本城市中剔除，最终剩下253个样本城市。

进一步将城市人口聚集指数（aggreg）按年份计算平均值，得到反映各个城市2004—2018年平均人口聚集程度的“年均人口聚集指数”（aggregm），再利用分位数分级法将253个城市按年均人口聚集指数由低到高划分为“松散型”“低度聚集型”“中度聚集型”“高度聚集型”和“聚合型”五种类型。松散型城市的年均人口聚集指數小于等于7.3129，低度聚集型城市的年均人口聚集指数介于7.3129～12.2300之间，中度聚集型城市的年均人口聚集指数介于12.2300～19.8648之间，高度聚集型城市的年均人口聚集指数介于19.8648～31.9226之间，聚合型城市的年均人口聚集指数大于等于31.9226。

3.2 计量模型设定与指标选择

依据理论分析，设定实证分析的基本计量模型为：

（7）

其中，被解释变量为城市空气污染水平，部分文献在衡量空气污染时区分了生产性污染与生活性污染[8]，但目前城市层面生活性空气污染物（主要包括生活二氧化硫与生活烟尘）的数据很少公布，而有文献利用广义 DID 方法识别疫情中产业结构对空气质量的影响发现，空气质量主要受第二产业生产与通勤的影响，受生活方面因素的影响不大[24]。基于此，主要选择生产性空气污染物的排放作为被解释变量。具体而言，参照周芳丽[13]的做法，选取“城市每平方公里工业二氧化硫排放量”的对数（lnSO2）来衡量城市空气污染，后续用“城市每平方公里工业烟尘排放量”的对数（ln dust）作为替代指标，进行稳健性检验。

解释变量作为“污染边界”的决定变量，均是反映城市特征的变量，主要包括经济发展水平、能源消耗、产业结构、城市化水平、劳动者受教育程度、基础设施、政府干预程度和经济开放度等。经济发展水平以人均地区生产总值的对数（lnpgrp）代表，转换为以2003年为基期的可比价数据，同时考虑到经济发展水平与空气污染之间可能存在的倒 U 型关系，将二次项（lnpgrp2）引入;能源消耗以人均能源消费量的对数（lnpenergy）代表，其中城市能源消费量的测算借鉴李卫兵等[25]的做法;产业结构以第二产业增加值占地区生产总值比重（industry）代表;城市化水平以市辖区非农业人口占年末市辖区总人口比重（urban）代表;劳动者受教育程度以每万人普通本专科学校在校学生数的对数（ln edu）代表;基础设施以人均城市道路面积（proad）代表;政府干预程度以剔除了科学技术、教育支出后的一般公共财政支出占地区生产总值比重（gover）代表;经济开放度用人民币计价的外商直接投资额占地区生产总值比重（fdi）代表。为一定程度上缓解变量内生性问题，所有的解释变量均滞后一期。同样，wit代表蔓延效应，uit代表集聚效应，vit为随机扰动项。

实证分析的指标数据为2004—2018年中国253个地级以上城市的面板数据，来自中国研究数据服务平台（CNRDS）、《中国统计年鉴》《中国城市统计年鉴》、各城市统计年鉴及环境公报，主要指标的描述性统计量见表1。

4 实证结果分析

4.1 模型估计结果

城市人口聚集度变动对空气污染产生方向相反的集聚效应和蔓延效应，根据双边随机前沿模型的识别与测算，模型（1）在式（7）的基础上同时控制省份固定效应和年份固定效应。为保证参数值σw，σ u 和σv均为正，估计过程中对待估参数均进行对数处理，估计完成后再还原为原始估计值。理论分析中假定各城市样本服从独立同分布，意味着不同规模城市的集聚效应和蔓延效应均满足同方差性，但这一假定较为严苛，现实中可能难以成立。因此，从模型（2）开始逐步放松同方差假定，模型（2）考虑集聚效应异方差性，估计得到条件方差方程为ln σ? u，it =2.8421+0.8585 ln areait -0.7775 lnpopit，lnpop和ln area 分别代表城市总人口和行政区划面积的对数，两者在1%水平下对集聚效应方差存在显著影响。模型（3）考虑蔓延效应的异方差性，估计得到条件方差方程为 ln σ? w，it =5.8001-0.9493ln areait +0.1266lnpopit，土地面积和人口变量均在1%水平上对蔓延效应方差存在显著影响。模型（4）同时考虑集聚效应和蔓延效应的异方差性，模型拟合效果最佳。后续分析均基于模型（4）的结果展开。

模型估计结果显示，经济发展水平与空气污染之间存在一定的倒 U 型曲线特征，经济发展水平较高且越过倒 U 曲线拐点的城市，污染治理投入越高、强度越大，越有利于减轻空气污染程度。能源消费、产业结构和城市化水平等因素对城市空气污染具有显著的正向影响，与预期符号基本一致。能源消耗是造成空气污染的主要因素之一，城市能源消费量越大，空气污染程度越严重;造成空气污染的主要行业多属于第二产业[24]，以第二产业占比表征的产业结构对空气污染产生正向影响;城市居民人均能源消费量高于农村居民，城市化水平提高意味着更多人口从农村转移到城市，增加能源消费并加重空气污染。劳动者受教育程度、基础设施、政府干预程度和经济开放度等因素则对空气污染产生显著的负向影响。劳动者受教育程度越高，越有利于新型绿色生产技术的推广应用，进而减轻空气污染;城市基础设施越完善，交通通达性越好，越有利于提高经济效率和能源效率，降低空气污染程度;政府一般公共支出增加有利于完善城市设施和公共服务，加大环保投入，减轻空气污染;城市经济开放度提升，国外较高产品质量标准和先进技术的引入有利于降低城市空气污染程度。26B72F93-9BBD-4852-914D-39F60016E475

4.2 影响效应与偏离程度测算

依据模型（4），进一步估计得到蔓延效应、集聚效应和随机扰动项（见表3）。蔓延效应方差均值为 σ?  =0.1385，集聚效应方差均值为6= 0.1645。E（6。- .）=-0.0334，意味着中国城市人口聚集度对空气污染产生的集聚效应略强于蔓延效应。同时，城市污染边界所无法解释的总方差为0.4885，其中城市人口聚集度能够解释的部分占62.01%，另有37.99%无法被解释。在城市人口聚集度对空气污染所产生的总效应中，蔓延效应占到45.71%，集聚效应占54.29%。

为了更直观地呈现蔓延效应和集聚效应对城市空气污染造成的影响，考察两者导致实际污染水平偏离“污染边界”的程度，采用式（4a）和式（4b）分别计算蔓延效应和集聚效应使城市实际污染水平偏离“污染边界”的百分比，并通过式（5）确定净效应导致城市实际污染水平的偏离程度，结果见表4。

蔓延效应和集聚效应导致城市实际空气污染偏离“污染边界”的方向相反，蔓延效应使得实际污染水平高于污染边界，集聚效应使得实际污染水平低于污染边界，总体上集聚效应引致的偏离幅度稍大于蔓延效应;两种效应的效果在不同分位点上有所差异，使得城市人口聚集度对空气污染所产生的净效应在不同分位点的差异较大，由下四分位点 Q1的-20.57%逐步增加到上四分位点 Q3的+15.81%。总体来看，城市人口聚集度对空气污染产生的净效应为-2.01%，表明2005—2018年我国所有样本城市人口聚集度变动对空气污染产生的集聚效应略强于蔓延效应，城市人口聚集起到了减轻空气污染的作用，使得城市的实际污染水平比“污染边界”低2.01%。

4.3 效应的频率分布与联动性

为进一步考察三种效应的具体变动态势，给出蔓延效应、集聚效应及净效应的频率分布分别如图1、图2和图3所示，图1和图2中效应的频率均符合指数分布，蔓延效应和集聚效应的最高频率都出现在15%左右，超过15%后快速衰减，具有明显的右侧拖尾特征，表明大部分城市蔓延效应与集聚效应的强度相当，净效应呈现出以0为中心的对称分布，少数城市具有很强的蔓延效应或集聚效应。进一步计算城市之间人口聚集度的差异发现：当净效应超过15%时，蔓延效应逐步占据主导，实际污染水平高于污染边界15%以上的城市人口聚集指数均值为10.6819，显著低于城市人口聚集度的总体均值22.1157;当净效应小于-15%时，集聚效应占主导地位，实际污染水平低于污染边界15%以上的城市人口聚集指数均值为38.9869，显著高于城市人口聚集度的总体均值。可见，那些人口聚集度较高城市的集聚效应普遍更强，人口聚集度较低城市的蔓延效应相对突出，城市人口聚集度提高有利于发挥集聚效应，抑制蔓延效应，使得城市实际污染水平逐渐低于污染边界，改善大气环境质量，这与理论分析相吻合。

为考察蔓延效应与集聚效应的联动性，将第i个城市的蔓延效应值?（1—e”5a）按年份取简单算术平均，得到“年均蔓延效应”，即E（1—e5）=Σ（1—1=2005e5a）/14，用以衡量该城市2005—2018年蔓延效应的平均强度。对集聚效应也做类似处理，得到“年均集聚效应”，即E（1—e"|5）=ΣE（1—e5）/14。此时，每1=2005个城市都有蔓延效应和集聚效应的“效应对”，绘制253个城市“效应对”的散点图，如图4所示。

图4显示，城市人口聚集度影响空气污染的蔓延效应与集聚效应沿着反比例函数形式呈带状分布，表明两者之间存在明显的反向联动性，存在着“此消彼长”的关系。图4中蔓延效应与集聚效应的组合关系存在三种模式，即“高-低”模式、“低-低”模式和“低-高”模式。靠近坐标轴原点区域的“效应对”代表“低-低”模式，散点分布较为密集，说明大部分城市的人口聚集度适中，蔓延效应和集聚效应都不是很高且旗鼓相当，实际污染水平处于污染边界附近;远离坐标轴原点区域的“效应对”分布较为稀疏，表明部分城市具有较低或较高的人口聚集度，蔓延效应或集聚效应占主导地位，使得城市实际污染水平偏离“污染边界”较多。位于右下侧的“效应对”代表着“高-低”模式，位于左上方的“效应对”则代表“低-高”模式。

4.4 城市人口聚集度与效应的关联特征

根据城市年均人口聚集指数（aggregm）与年均蔓延效应、年均集聚效应、年均净效应的散点图（分别见图5、图6和图7）及趋势线发现，随着城市人口聚集度的提高，对空气污染所产生的蔓延效应不断减弱，而集聚效应有所增强，在两者共同作用下，净效应由正转负，再次印证城市人口聚集度提高总体上有利于减轻空气污染的结论。

进一步考察蔓延效应、集聚效应、净效应与城市人口聚集指数（aggreg）、城市总人口（pop）之间的相关系数，发现城市人口聚集指数与集聚效应在1%水平上显著正相关，相关系数为0.6502，与蔓延效应、净效应在1%水平上显著负相关，相关系数分别为-0.3759、-0.5908。城市总人口与蔓延效应、集聚效应、净效应之间的相关性不明显，原因在于：城市总人口仅代表城市规模，而城市规模对空气污染所产生的影响主要表现为“规模效应”，本质上包含“集聚效应”和“蔓延效应”两种效应。特别是部分城市通过撤县（市）设区的方式扩大城市规模，伴随着城市人口总量增加的同時城市土地面积也大范围扩张，城市总人口并不能准确地刻画人口的空间分布，无法有效识别人口要素变动对城市环境的影响。把城市土地面积和城市人口数量相结合的“城市人口聚集指数”则能较好地反映城市人口在空间上的聚集程度，有效识别出人口聚集度变动对空气污染的双边效应。

接下来按城市人口聚集类型对影响效应进行分组测算，具体结果见表5。随着城市人口聚集度提高，蔓延效应的强度逐渐减弱，均值从松散型城市的33.22%下降为聚合型城市的12.97%;相应地，集聚效应的强度则逐步增大，均值从松散型城市的12.86%逐渐提高到聚合型城市的47.48%。两者的综合作用使净效应均值由正变负，从松散型城市的20.36%到聚合型城市的-34.51%。这意味着城市人口聚集度需要跨越一个门槛值，才能使得集聚效应超过蔓延效应，城市实际污染水平从高于“污染边界”转变为低于“污染边界”，同样印证了城市人口聚集度提高有利于减轻空气污染的结论。26B72F93-9BBD-4852-914D-39F60016E475

目前，中国60.47%的地级以上城市属于松散型城市、低度聚集型城市或中度聚集型城市，年均人口聚集指数小于等于19.8648，这些城市的人口聚集度未达到门槛值，蔓延效应发挥着主导作用，实际污染水平高于“污染边界”;其余39.53%的城市则属于高度聚集型或聚合型城市，已进入集聚效应发挥主导作用的阶段，净效应均值为负，且城市人口聚集程度越高净效应越强，使得实际污染水平低于“污染边界”越多。

更直观地，用城市实际污染水平减去拟合得到的“污染边界”计算出两者差额，进而绘制城市人口聚集指数（aggreg）与差额（gap）的散点图如图8所示。城市人口聚集指数与污染水平差额的相关系数为-0.4561，通过1%水平的显著性检验。随着城市人口聚集度提高，实际污染水平与污染边界的差额由正变负，意味着城市实际污染水平由高于“污染边界”转变为低于“污染边界”;差额变负后的绝对值不断增大，说明城市人口聚集度越高，实际污染水平低于“污染边界”越多。

4.5 效应的异质性分析

城市人口聚集度影响空气污染的净效应在不同年份的分布特征见表6，从2005～2018年整个样本期来看，样本城市的总集聚效应在各年份均略强于总蔓延效应，净效应均值在不同年份的数值相差不大，在-2.76%～-1.05%之间波动。同时，计算各年份城市人口聚集指数的均值，发现不同年份城市人口聚集指数的变动也不大，均值围绕22上下波动，可见人口聚集度在城市之间的差异大于年份之间的差异。

进一步考察城市人口聚集度影响环境污染的净效应在不同省份及区域的分布特征（见表7），东部城市的净效应均值为正值，中部和西部城市的净效应均值为负值。其中，西部城市的平均净效应为-13.51%，绝对值为三个地区中最大，主要是因为西部地区一些城市地域相对广袤且人口多沿河谷或绿洲集中分布，人口聚集程度高于东部中部城市，充分发挥了集聚效应对空气污染的抑制作用。有研究指出西部城市的产业相对专业化水平明显高于东部中部城市[26]，西部城市可能通过“高人口聚集度促进产业专业化生产进而降低排污成本”这一渠道来减少空气污染;西部城市集聚效应的平均强度为35.67%，明显高于中部的27.08%和东部的20.27%。东部地区虽然经济发达，城市规模更大，但东部城市人口聚集指数的均值仅为13.1765，低于中部城市的22.8617和西部城市的34.4405，表明东部城市的真实人口聚集度不及中部西部，导致蔓延效应占据主导地位，东部城市蔓延效应的平均强度为27.36%，高于中部城市的23.61%和西部城市的22.16%。总体来看，不同城市人口聚集度的差异导致空气污染的空间格局呈现出“东部城市实际污染水平高于污染边界，中部西部城市的实际污染水平低于污染边界”的特征。

4.6 稳健性检验

为检验结论的稳健性，以“城市每平方公里工业烟尘排放量”的对数（ln dust）替换原被解释变量，重新估计模型（4）并对效应估计值按城市類型进行分组测算，结果见表8。

表8显示，替换成新的被解释变量后，样本城市的总集聚效应仍略强于总蔓延效应，净效应为-1.09%，与原先测算的-2.01%较为接近。稳健性检验同样表明：随着城市人口聚集度提高，蔓延效应的强度逐渐减弱，由松散型城市的31.74%下降到聚合型城市的11.49%;而集聚效应不断增强，由松散型城市的11.65%提高到聚合型城市的43.28%;净效应由正变负，即城市人口聚集度越高，减轻空气污染的效果越明显。总体来看，城市人口聚集度提高有利于减轻空气污染的结论具有稳健性。

5 结论

利用DMSP 和Flint 夜间灯光数据、Landscan全球人口动态统计数据，构造用以衡量城市人口聚集度的“城市人口聚集指数”，以年均人口聚集指数作为分组变量，将253个地级以上城市划分为五种类型;根据2004—2018年253个地级以上城市的面板数据，构建双边随机前沿模型测算城市人口聚集度变动对空气污染产生的蔓延效应、集聚效应及净效应，进而开展效应的异质性分析和估计结果的稳健性检验。

分析结果表明：①城市人口聚集度提高总体上对空气污染产生积极影响。2005-2018年样本城市人口聚集度变动对空气污染造成的总集聚效应略强于总蔓延效应，集聚效应有利于减轻城市空气污染水平，蔓延效应加重城市空气污染水平，两者的综合作用使城市实际空气污染水平比“污染边界”低2.01%。②蔓延效应和集聚效应呈现出明显的反向联动性。随着城市人口聚集度提高，蔓延效应不断减弱，集聚效应逐步增强;当城市人口聚集度跨越门槛值后，集聚效应超过蔓延效应而逐步占据主导地位，使得城市实际污染水平由高于“污染边界”转变为低于“污染边界”。③不同聚集类型和不同地区城市的人口聚集度对空气污染的影响效应存在较大差异。松散型和中低度聚集型城市的人口聚集度尚未达到门槛值，蔓延效应仍占据主导地位，城市实际污染水平高于“污染边界”;高度聚集型和聚合型城市的人口聚集度已超过门槛值，集聚效应发挥主体作用，城市实际污染水平低于“污染边界”。中部西部城市的人口聚集度高于东部城市，东部城市的净效应均值为正值，中部和西部城市的净效应均值为负值，使得空气污染的空间格局呈现出“东部城市污染水平高于污染边界，中西部城市低于污染边界”特征。

基于以上结论，政府部门谋划城市发展时应更为审慎地考虑所辖区域的人地关系，采取适当措施提高城市人口聚集度，增强集聚效应和减弱蔓延效应，不断改善城市环境质量。具体的政策启示包括：

（1）科学引导城镇化进程中的人口流动，推动人口适度向城市聚集。当前中国城镇化仍处于快速发展阶段，面对大规模的乡城转移人口，应进一步深化户籍制度改革，做好城市落户人口在社保、住房等方面的保障工作，完善中心城区公共服务功能配套，使“农转非”的本地农民和外来务工者不仅“进城”“就业”，而且能够“落户”“安居”，增强城市的集聚效应。政府应结合城市的人口聚集现状，从要素和产业入手，采取有针对性的调控措施和干预政策，确保适度的城市人口聚集水平，特别是对人口集聚度较低的城市，通过产业引导等措施强化各类要素、人口向中心城区聚集。26B72F93-9BBD-4852-914D-39F60016E475

（2）走紧凑型城市发展道路，增强土地集约化利用。人口空间分布过于分散不利于集聚效应发挥，城市中心区与边缘区之间高频地远距离通勤降低生产效率、生活质量且加重空气污染;中国城市发展已呈一定的蔓延化趋势，土地集约化利用程度不高，导致综合经济效率和能源利用效率不高。因此，未来城市发展应倡导紧凑型发展模式，注重土地利用开发的效率，在不造成拥挤的前提下适度提高经济活动、企业布局的空间密度;进行产业园区、大学城等新功能区的规划建设时，应尽力避免出现“城外飞地”的情形，合理控制城市增长边界。

（3）加强空间规划引导，强化城市功能混合利用。满足广大人民群众对优质住宅条件和更高生活质量的需求，在增加城市住宅用地面积和住房供应量的同时，也要注重教育医疗资源、就业中心、消费中心与居住区的空间配套，积极打造结构紧凑、功能混合的空间格局。对于多中心城市，合理规划构筑卫星城和次中心并完善其服务功能，减少居民的通勤距离。积极优化城市内部交通网络，提升公共交通基础设施质量，促进公共交通优先的出行模式，减少机动车使用和交通拥堵，减轻空气污染，改善生态质量。

参考文献

[1]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，2014，37（7）：86-114.

[2]刘习平，宋德勇.城市产业集聚对城市环境的影响[J].城市问题，2013（3）：9-15.

[3]肖周燕，沈左次.人口集聚、产业集聚与环境污染的时空演化及关联性分析[J].干旱区资源与环境，2019，33（2）：1-8.

[4]李筱乐.市场化、工业集聚和环境污染的实证分析[J].统计研究，2014，31（8）：39-45.

[5]杨仁发.产业集聚能否改善中国环境污染[J].中国人口·资源与环境，2015，25（2）：23-29.

[6]陶长琪，彭永樟.人口集聚、绿化水平与环境污染：基于城市数据的空间异质性分析[J].江西财经大学学报，2017（6）：21-31.

[7]徐辉，杨烨.人口和产业集聚对环境污染的影响：以中国的100个城市为例[J].城市问题，2017（1）：53-60.

[8]何雄浪.人口集聚、工业集聚与环境污染：基于两类环境污染的研究[J].西南民族大学学报（人文社科版），2019，40（2）：87-97.

[9]LIANG L W，WANG Z B，LI J X.The effect of urbanization on envi?ronmental pollution in rapidly developing urban agglomerations[J]. Journal of cleaner production，2019，237：117649.

[10]YAHAYANS Y ，HUSSAINIM ，BASHIRAB. Population growth and environmental degradation in Nigeria[J]. Academic journal of economic studies，2020，6（1）：31-35.

[11]馬素琳，韩君，杨肃昌.城市规模、集聚与空气质量[J].中国人口·资源与环境，2016，26（5）：12-21.

[12]GROSSMAN G M，KRUEGER A B.Economic growth and the envi?ronment[J]. The quarterly journal of economics，1995，110（2）：353-377.

[13]周芳丽.城市规模与环境污染：规模效应还是拥挤效应：基于地级城市面板数据的实证分析[J].大连理工大学学报（社会科学版），2020，41（2）：34-41.

[14]王庆娟.城市人口规模对环境污染的门槛效应研究[D].北京：首都经济贸易大学，2015：27-30.

[15]刘永旺，马晓钰，杨瑞瑞.人口集聚、经济集聚与环境污染交互影响关系：基于面板协整和 PECM 模型的分析[J].人口研究，2019，43（3）：90-101.

[16]秦蒙，刘修岩，仝怡婷.蔓延的城市空间是否加重了雾霾污染：来自中国 PM2.5数据的经验分析[J].财贸经济，2016（11）：146-160.

[17]KUMBHAKAR S C，PARMETER C F.The effects of match uncer?tainty and bargaining on labor market outcomes：evidence from firm and worker specific estimates[J].Journal of productivity analy? sis，2009，31（1）：1-14.

[18]卢洪友，连玉君，卢盛峰.中国医疗服务市场中的信息不对称程度测算[J].经济研究，2011，46（4）：94-106.

[19]范建双，高骞，周琳.城乡人口老龄化对城镇化的双边效应[J].中国人口科学，2020（2）：69-80，127.

[20]ELVIDGE C D，SUTTON P C，GHOSH T，et al. A global poverty  map derived from satellite data[J]. Computers & geosciences，2009，35（8）：1652-1660.

[21]范子英，彭飞，刘冲.政治关联与经济增长：基于卫星灯光数据的研究[J].经济研究，2016，51（1）：114-126.26B72F93-9BBD-4852-914D-39F60016E475

[22]刘修岩，李松林，秦蒙.城市空间结构与地区经济效率：兼论中国城镇化发展道路的模式选择[J].管理世界，2017（1）：51-64.

[23]秦蒙，刘修岩，李松林.城市蔓延如何影响地区经济增长：基于夜间灯光数据的研究[J].经济学（季刊），2019，18（2）：527-550.

[24]余典范，李斯林，周腾军.中国城市空气质量改善的产业结构效应：基于新冠疫情冲击的自然实验[J].财经研究，2021，47（3）：19-34.

[25]李卫兵，涂蕾.中国城市绿色全要素生产率的空间差异与收敛性分析[J].城市问题，2017（9）：55-63.

[26]刘修岩.集聚经济与劳动生产率：基于中国城市面板数据的实证研究[J].数量经济技术经济研究，2009，26（7）：109-119.

Effect of urban population aggregation index on air pollution： based on the bilateral stochastic frontier model

CHENG Kaiming，HONG Zhenyi

（School of Statistics and Mathematics， Zhejiang Gongshang University， Hangzhou Zhejiang 310018， China）

Abstract  In order to identify the impact of urban population agglomeration on air pollution in the process of urbanization， this paper measured the agglomeration effect， sprawling effect and net effect of urban population aggregation index on air pollution with the bilater? al stochastic frontier analysis model according to the panel data of 253 cities from 2004 to 2018， Landscan global demographics， DMSP and Flint night light data.The results showed that：① The agglomeration effect of population aggregation index change on air pollution was slightly stronger than the sprawling effect in all sample cities from 2005 to 2018， and the combined influence of the both effects made the actual air pollution level of cities 2.01% lower than the ‘pollution boundary .② With the increase of urban population ag? glomeration index， the agglomeration effect was enhanced， while the sprawling effect was gradually weakened. After the urban popula?tion agglomeration index exceeded the threshold value， the agglomeration effect was more dominant than the sprawling effect. On the whole， the improvement of urban population agglomeration index was conducive to the improvement of air pollution .③ The effects of population agglomeration index on air pollution was quite different in different types of cities. The sprawling effect of low and medium population agglomeration index cities was still dominant， while the agglomeration effect of high population agglomeration index cities played a major role.④ The average net effect of urban population agglomeration index on air pollution had little change in different years， but the difference was obvious in different regions. The average net effect of eastern cities was positive， while the average net ef?fect of central and western cities was negative. The conclusions are significant for the scientific management of urban population and space. It means that the government should make efforts in some aspects including the reform of household registration system， the pre?vention urban sprawl， and the rational planning of urban functional areas， so as to promote urban population aggregation and improve the quality of urban environment.

Key words  air pollution; agglomeration effect; sprawling effect; bilateral stochastic frontier model

（责任编辑：刘呈庆）26B72F93-9BBD-4852-914D-39F60016E475