人口聚集、收入水平与城市环境污染——基于广州的经验数据：1997-2013

◎ 钟无涯

一、引言

我国人口聚集的形态、趋势以及规模，显然与城市化的推进速度和经济发展阶段密不可分。通常地，经济发展必然增加社会人口的流动性，而城镇化又进一步拓展了人口流动的空间和幅度。随着社会生产力水平提高和生产方式优化，各产业劳动生产率持续提高。因此，从宏观角度观察，我国各区域在生产形式上表现为产出效率提高和劳动力工资水平上升；空间形式上表现为城市化的纵向深入和横向扩张。具体到微观视野，收入水平提高所伴随的就业规模增加，从而形成以就业人口为核心的城市人口聚集。区域经济规模不断扩大，经济总量随之持续增加，就业人口的流动空间和流动规模也因而不断增大。2014年中国城镇化率（即城镇人口占总人口的比重）达到54.77%①，与高收入国家平均78%的城市化水平仍有较大差距。我国城市化水平在1998-2012年平均每年提高约 1.2个百分点，以此趋势递推我国通过20年左右可接近发达国家接近80%的城市化水平。如果未来我国每年持续提高一个百分点，这意味着未来仍有4亿多农村人口将迁入城市，现有城市的数量和人口聚集程度必然进一步提高。总体上看，我国城市化比例快速提升，城市化规模也迅速扩大，城镇数量增加、城市体量扩大以及区域城市群不断形成并聚集，与此同时，诸如城市人口聚集、交通拥堵和城市资源承载等问题应运而生。无疑，城市化是工业化进程和社会发展的一个必然过程，同时也是一种通过资源集约化消耗，从而提升环境利用效率的重要途径。但是，随着城市化不断推进过程所形成的人口聚集与城市环境污染等一系列问题，显然成为处于这一发展过程和发展阶段的微观个体必须承担的代价。

本文关注伴随城市化进程所产生的两个相生因素，即人口聚集与就业增加，以及在此问题延伸的收入水平变化，与由于人口聚集所形成的城市人口增加所带来的城市环境污染等相关问题展开思考和探讨。

二、研究现状

我国的工业化和城市化相对发达国家而言起步较晚，对于人口聚集与城市环境污染等相关问题的研究也相对滞后。中国的工业化和城市化规模、性质和路径，相比国外发展背景而言，显然存在较大差异。正因为如此，我国的人口聚集与城市污染问题研究在具有共性特征的同时，又具有许多独特的个性。

通常认为，在现代社会中的大多数国家，其经济活动的主要部分是在城市完成，基于这样的背景，现代城市对自然资源的消耗规模最大，消耗频率也最高，所造成的环境污染也最大。但是，这并不等同城市形态和城市生活方式基础上的人均环境污染最高。Grossman&.Krueger（1992）[1]和Shafik &. Bandyopadhyay（1992）[2]根据经验数据提出环境库兹涅茨曲线(EnvironmentalKuznetsCurve，EKC)的概念，用以描述城市经济增长与城市环境之间的相应关系变化状态，其基本内容包括，在经济发展程度较低时，环境损耗不论是数量还是质量都局限于资源消耗和污染物排放；随着社会经济活动的发展和加强，资源消耗的速度逐渐超过资源更新的速度，污染物排放在数量和毒性上存在增强趋势；在经济发展的高水平阶段，产业和服务的结构性变化，以及环境意识和环境规范的增强导致环境退化的速度减缓。城市增长和城市环境关系整体呈现出一种倒U型曲线。梁星、郭林和张浩等（2004）[3]以长江三角洲作为实证研究对象，将倒U型曲线理论应用到城市增长和城市环境关系研究，发现城市环境参数和城市增长的各曲线拟合均出现两个转折点，长江三角洲的经济发展与环境变化情况完全符合倒U型曲线理论；刘驰和钟水映（2012）[4]根据武汉城市发展相关数据对此问题也展开研究。通过构建城市发展综合指数并应用因子分析对武汉发展水平综合测算，并对城市发展综合指数以及工业“三废”进行建模，发现随着城市发展水平的提高，武汉的废水排放量呈“N”型变化，废气排放量和工业固体废弃物排放量呈正“U”型。这一研究是在相对宏观的倒U型曲线基础上细化分类，其探讨的经济增长与环境污染关系更为微观。王家庭和高珊珊（2011）[5]、李鹏飞、吴利学和田野（2014）[6]等也继续采用多种研究方法对城市经济增长与城市污染等问题展开研究，研究范围涉及31个省级行政区，他们的研究结论总体上具有一致性。

虽然现有研究对于城市环境污染与城市经济增长关系的形态存在分歧，事实上具体形态也因为城市类型、阶段、规模和地理位置的差异存在异质性，但是，对于城市环境污染与城市经济增长关系的确切性并无疑问。尤其是对于人口聚集所产生的城市环境污染问题，已有不少研究提出相应观点。方铭、许振成和彭晓春（2009）[7]就广州市1997-2007的广州人口城市化和城市环境展开定量研究，认为人口城市化强度系数不断增强，城市环境污染强度系数整体减小。因此，他们认为在广州的发展过程中，人口城市化与城市环境污染共同产生良好效益。王婷和吕昭河（2012）[8]以城镇居民生活垃圾产生数量表征城市污染行为，通过比较居民与政府目标函数，并选择城市生活垃圾的数量增长作为研究切入点，对我国城镇人口增长、居民收入水平与城市环境间的关系进行计量检验。该研究确认我国城市生活垃圾产生数量与城镇人口增长、居民收入水平间存在长期正向协整，即在我国城镇化水平和居民生活质量不断提升的背景下，城市生活垃圾数量的增长以及对城市环境的污染逐渐下降。这些研究从实证角度支持城市化的推进有利于城市整体污染强度的降低。

广州是目前我国的五大中心城市之一，在政治、经济和地理区域等诸多方面具有特殊功能定位与社会价值，因此存在强大的影响力、号召力和吸引力，既是“一带一路”的重要支撑城市，也是粤港澳大湾区建设的核心构成部分，无疑是珠三角最重要的资源集聚地。钟无涯和颜玮（2012）[9]认为城市生活方式、城市生产方式与区域产业结构对于城市环境污染有较大影响。因此，随着其人口聚集程度的不断提高，广州的城市规模在未来一段时期必然继续扩大，广州的城市污染自然是城市规模不断扩大过程中需要认真审视和解决的问题。目前，对于广州的人口聚集与城市环境污染关系、模式以及程度等相关研究，数量仍较有限，尤其结合人口聚集等相关因素，其研究内容、研究方法和研究时效性等方面，仍存在许多尚需强化和深入的领域。基于广州1997-2013年数据，本文就人口聚集状态变化、收入水平发展与广州城市环境污染问题，采用主流的人口、资源和环境研究的研究范式对此展开探析，以此为相关部门决策提供具有意义和价值的参考。

三、研究方法与数据来源

目前对于人口聚集以及城市环境污染的研究文献中，尚无直接适用于本研究目标的模型。由于本文主要针对广州城市规模扩张所伴随的人口聚集、城市收入水平变化以及由此衍生的城市环境污染问题的交互关系研究，因此一定程度上，变量面板数据所呈现出的量化关系、因果关系和协整关系等，能够反映其时间序列过程中的作用机制与相应结构，基本能实现量化研究的目标。基于此，本文根据城市研究的相关文献，对城市环境污染若干重要形式形成的内在影响因素进行理论推演，同时结合我国城市发展的可获得数据，建立以下城市环境污染的内生模型：

LnPi,t=αi,t+βi,tLnIncomei,t+γi,t LnPeoplei,t+μi,t

其中,Pi,t代表城市环境的污染指标，Incomei,t表征城市的收入水平变化，Peoplei,t反映城市化水平变化过程中的人口聚集程度，αi,t是计量方程的截距项，μi,t是计量方程的随机扰动项，βi,t和γi,t分别对应收入水平和人口聚集程度相对变化而分别导致的城市环境污染的变化，i和t分别代表城市环境污染的表征类别与数据时期。计量方程的变量采用自然对数形式进入考察范围，一方面是为了数据相对平稳，另一方面也可消除异方差等现象。

现有文献大都选择GDP总量或人均GDP表征经济增长，考虑到本文研究目的是人口聚集和收入水平变化与城市环境污染关系，个体经济状态变化相比总量数据更有说服力，因此本文选选择个人可支配收入反映收入水平变化指标。事实上，个体收入水平变化具有就业收入的示范效应，从而形成就业聚集，最终导致人口聚集，这一经济学逻辑显然支持个人可支配收入变量的效度。对于人口聚集程度，本文选自广州的年末常住人口规模变量。其原因主要有两点；其一，广州市流动性较强的城市，户籍人口与常住人口存在较大偏离，而常住人口是城市资源消耗的重要原因；其二，广州常住人口与流动人口形成的主要原因，在于就业流动与经济逐利，显然这一动机契合人口聚集的研究目标。基于此，本文选择广州1997-2013的年末常住人口数量作为人口聚集程度指标。对于城市环境污染变化，参考现有文献的主流做法，计量方程中城市环境污染变量Pi,t分别选择一般工业固体废物产生量（LnSwasted）、城市生活污水排放量（LnLWwater）和生活垃圾总量（LnLgarbage）进行反映。因此，本文在后续量化研究中分别以个人可支配收入（LnDPI）和年末常住人口规模（LnPEOPLE）对三个城市环境污染变量进行匹配。

本文选择广州作为研究目的的背景依托，一方面缘于作为国家中心城市的广州具有较强的经济增长、人口聚集、收入增加和城市环境变化的典型性与代表性，另一方面也出于统计数据的连续性、完整性和一致性。这在很大程度保证本研究的信度与效度。尤其需要指出的是，相比前期研究而言，本文针对类似的变量指标都适度扩展了时间序列数据的长度，这对于统计结论而言具有更确切的支撑②。本文数据全部来源于《广州统计年鉴》（2000-2014）。部分缺失数据，如1997、1998等年份的广州年末常住人口，已采用插值法进行补充；对于生活污水排放量等相关年份指标，由于在不同年份年鉴中存在冲突，已进行加权平均校正。

四、实证检验与分析

（一）稳健性检验

沿时间轴的变量随机过程中，其数据均值、方差和变量间协方差等若干指标需满足“一致性”约束，否则变量间容易产生“虚假回归”，从而导致对变量关系的误判。因此，对于多变量时间序列数据的分析通常需要对其稳健性进行确认。本文首先选择对各变量序列数据进行对数化过程，通过预处理消除变量序列的异方差问题，随后对其进行稳定性检验。虽然本文样本数量、时间长度以及自由度等方面，都具有较好的统计背景，但出于严谨性考虑，仍在采用ADF检验同时，增加GLSDF检验和Phillips-Perron 检验强化检验结论，从而确保后续分析的可行性与可靠性。检验结果如表1所示。

表1分别对自变量LnDPI、LnPEOPLE以及三个因变量LnLWwater、LnSwasted和LnLgarbage展开ADF、GLS-DF和Phillips-Perron检验，三种检验方法结论具有总体一致性。可以看出，所有变量的原始序列都不稳健，经过一阶差分个别序列仍存在单位根（D1.LnDPI），但二阶差分后全部显著稳健，而且ADF、GLS-DF和Phillips-Perron 检验具有较强的一致性。出于文字篇幅考虑，表1仅提供原始序列和二阶差分序列的相关检验数据。

（二）协整检验

虽然自变量和因变量的时间序列数据经过二阶差分后稳健，但并不能保证变量间存在长期稳定关系。即使经过差分后，I（1）和I（2）仍有可能不存在稳定的长期关系。因此，对于变量间长期关系研究，必须对变量序列进行协整检验，以确认序列之间协整关系的存在性与稳定性。根据本文研究目的，针对LnDPI、Ln-PEOPLE分别匹配LnLWwater、LnSwasted和LnLgarbage展开Johansen检验，具体检验数据如表2。

Johansen检验结论说明，LnDPI、LnPEOPLE分别与LnLWwater、LnSwasted和LnLgarbage存在稳定的长期关系③。但是，变量间协整关系及其性质仍不明确，因此还需进一步测度其参数值和相互关系。协整系数及其统计性状详见表3。

表3提供LnDPI、LnPEOPLE分别与LnLWwater、LnSwasted和LnLgarbage协整系数的拟合结果。经过比较可以发现，虽然个人可支配收入所表征的收入增加以及年末常住人口表征的人口聚集，对应城市环境污染都具有统计显著性，但彼此之间的作用机理与影响强弱存在较大差异。从个人可支配收入观察，收入水平的增加，一定程度增加工业固体废物产生量（LnSwasted），但却一定程度减少了城市生活污水排放量（LnLWwater）和生活垃圾总量（LnLgarbage）。这是一个非常有意义的结论，因为工业固体废物产生量总体而言是来自于工业生产，收入水平的增加显然是来自于生产规模和经济效益的推动；而随着收入水平的上升，反映生活消耗的城市生活污水排放量（LnLW-water）和生活垃圾总量（LnLgarbage）却呈现更加集约化的趋势，这显然侧面反映出城市化进程对应于人均资源消耗而言具有更高效率。通过观察人口聚集指标（LnPEOPLE）能够发现，城市人口的增加，势必加重工业固体废物产生量（Ln-Swasted）、城市生活污水排放量（LnLW-water）和生活垃圾总量（LnLgarbage）三种类型的城市污染。从协作关系系数来看，污染最大的是工业固体废物，其次是生活垃圾和生活污水排放。

表1 数据稳健性检验方法及结果

表2 Johansen协整检验结果

表3 协整系数及统计参数

（三）ECM模型分析

协整分析主要针对变量间的长期稳定关系进行分析，但并不能体现和测度变量间短期关系的性质及状态。因此，需要进一步把研究视角推进至短期分析。沿用目前主流分析框架，构建一阶滞后的ECM模型，其表达式如下：

其中，α是截距，θ为随机干扰，i是下标，t是时间轴，λ是调整系数。限于篇幅不罗列相应ECM模型方程，以LnSwasted的对应ECM模型为例，其具体表达式如下：

根据相应的方程和数据，拟合其ECM参数，详见表4。

在表4的ECM拟合参数中，反映出来的经济现象总体与日常自觉较大程度吻合，但仍有部分值得注意的现象。其一，LnDPI对LnSwasted的误差修正并不显著，而且统计参数的弹性值也较小，这与表3协整分析结论一致。方程2中LnDPI对LnSwasted的统计系数接近90%显著性临界点，一定程度说明LnDPI对于工业固体废物产生量的短期影响有限，这一结论显然与人口聚集变量LnPEOPLE的影响不同。对应此，其经济学含义在于，城市人口人均可支配收入增加，通常落后于经济生产过程。只有当生产、流通、再生产过程完成之后，经过一系列分配呈现，作为劳动者、投资者以及其他类型的参与者才能最终获得人均可支配收入的增加。显然，LnDPI完成之时，当期的城市环境污染已然完成。因此在动态的时间序列中，LnDPI对LnSwasted的ECM统计系数并不显著，与现实经济运转较吻合；其二，LnDPI对LnLWwater和LnLgarbage、LnPEOPLE对LnLWwater和LnLgarbage都具有显著的统计系数，而且，系数也都具有修正作用。这与表征长期关系的协整系数有所不同，在短期看来，个人可支配收入和常住人口数量的增加，显著增加城市的生活垃圾总量与生活用水消耗。显然，与生活直接相关的LnLWwater和LnLgarbage两个城市污染程度变量，比反映工业生产污染所带来的LnSwasted更加显著和直接。而且，简单的比较而言，LnDPI和LnPEOPLE的增加伴随生活用水LnLW-water的增加。因此，对于那些正处于快速城镇化的城市而言，提前做好城市生活用水的供应、处理以及制定相应规制和引导政策，未雨绸缪的对城市生活设施进行布局，具有经济和社会和谐的多重意义。

（四）Granger因果检验

基于协整分析与 ECM 模型分析，代表收入水平的人均可支配收入和代表人口聚集的年末常住人口变量，与工业固体废物产生量（LnSwasted）、城市生活污水排放量（LnLWwater）和生活垃圾总量（LnLgarbage）三种类型的城市污染之间长期和短期关系，包括变量间相互影响程度、作用方式与统计性状等问题，基本已获得较好分析。但是，对于这些变量间因果关系，仍存在不确定性。显然，经验常识与经济规律并不总是吻合，因此我们无法判断是收入水平增长导致城市污染增加，或人口聚集带来城市污染程度增加。面对诸如此类问题，本文采用 Granger因果关系检验对相关变量进行分析。本文关注的是城市人口聚集、城市收入水平增长与LnSwasted、LnLWwater和LnLgarbage的关系，因此，分别将LnDPI和LnPEOPLE对应LnSwasted、LnLWwater和LnLgarbage进行Granger因果关系检验，检验结论详见表5。

表4 ECM模型参数估计

表5 Granger 因果检验结果

表5的内容由5个变量进行的三组Granger 因果关系检验部分数据所构成，与本文前述部分协整检验、ECM模型分析共同构成一个包含长期关系、短期关系

和因果关系的检验体系。在这一检验中，大部分结论与协整检验和ECM模型分析具有统一性。其一，对于城市环境污染的原因而言，LnDPI和LnPEOPLE对于城市环境污染的影响确切，但彼此影响程度不同，作用机制也存在较大差异。表5的数据中，关于LnDPI与其他变量的Granger检验提供较为详细的数据。其中值得注意的是，单纯的LnDPI并不是城市人口聚集的Granger原因，但在结合三种类型的城市环境污染变量后，其原因显著成立，而LnDPI并不是LnSwasted和LnPEOPLE的Granger原因，正如前文所述，城市人口聚集与制造工业固体废弃物的城市环境污染直接存在因果关系和时序关系。其二，城市的人口聚集，无疑是城市生活污水、城市生活垃圾等增加的Granger原因，而不是LnSwasted、LnDPI的Granger原因。总体上判断，表5肯定了城市个人可支配收入的增加是城市生活污水增加、生活垃圾增加的Granger原因，但并不直接导致工业固体废弃物增加，也不是人口聚集的Granger原因。对于城市个人可支配收入与人口聚集和LnLgarbage、LnLWwater，其Granger原因显著存在。这一结论与前文协整关系、ECM短期关系具有逻辑一致性。

五、结论与启示

基于现有的文献资料，沿用主流的分析框架和研究方法，本文利用规范的人口资源环境分析工具对广州1997-2013年的相关统计数据展开分析，针对人口聚集、收入水平与城市环境关系的量化关系进行研究，得到一些具有应用价值的结论。

其一，广州人口聚集、收入水平增加与广州的城市环境污染具有确切关系。这一关系分解成工业固体废弃物、城市生活用水污染和城市生活垃圾三个代理变量之后，其相关关系具有强弱之分和长期、短期之别。总体而言，人口聚集对城市环境污染的途径，长期和短期的最大影响方式都是生活污染，因此，人口聚集与城市生活用水污染和城市生活垃圾具有长期稳定的协整关系和显著的短期修正关系；但是与侧重工业生产的工业固体废弃物长期关系较模糊，短期关系也并不显著。值得注意的是，将这些变量与收入水平增长结合之后，统计关系都较为显著。考虑到经济运行过程中就业、生产、商品流通等环节的时序性与因果关系，有理由相信人口聚集与收入水平变化间也存在相应的激励机制。鉴于本文研究目标，暂不对此展开实证。

其二，从短期关系分析，广州的人口聚集程度持续增加，直接增加水资源消耗和生活垃圾总量。这一经济直觉也得到Granger因果检验的确认。但这一逻辑在长期协整关系中虽然成立，却并未体现出较大的系数值。因此，对于城市化过程中人口聚集程度的增加，短期增加城市环境污染，客观上也加大了城市空间的资源承载。但从另外一个角度，通过合理的资源规划与政策规制，高效的城市生活方式能够从长期和总体角度平衡人均资源消耗与城市资源承载的约束，因而获得宏观视角下具有集约和节能性质的城市生活方式。显然，相比原始、粗放和简单的人口分散型生活方式，广州的实证数据支撑了集约化的城市生活方式更能够实现长期的环保型生活。

本文的研究也存在若干不足。例如选取的城市环境污染变量主要侧重于生活方式，并未选取更多伴随工业化生产的若干重要污染变量，如工业废水、废气、废渣，以及燃气、燃煤等能耗变量，这将在后续研究中继续深入。

注释：

①国家统计局：2014年中国城镇化率达到54.77%。http://www.ce.cn/xwzx/gnsz/gdxw/201501/20/t20150120_4386891.shtml

②从单纯统计角度出发，1997-2013共计17期数据且仅损失3个自由度，这对变量有限的时间序列数据而言具有较好的统计性状。现有文献对于该类问题的研究所采用的数据大都有限，部分缘于往年数据长度、精度和效度限制。本文在现有文献的研究基础上，通过对变量选择、数据挖掘和统计优化，使数据的统计效度与量化性状方面具有提高。

③需要指出的是，LnDPI、LnPEOPLE分别与LnLWwater的协整关系在滞后3阶时非常稳健，在滞后1阶时处于协整关系存在的临界点。

[1] Grossman G.M., Krueger A.B.. Environmental Impacts of a North American Free Trade Agreement[G].NT: Woodrow Wilson School, Princeton, 1992.

[2] Shafik N., Bandyopadhyay S.. Economic growth and environmental quality: Time series and cross country evidence[R]. Washington, DC: Background paper for world development report, World Bank, 1992.

[3]梁星,郭林,张浩,王祥荣.城市增长和城市环境退化的倒U形曲线研究——以长江三角洲为例[J].复旦学报(自然科学版),2004(06):977-982.

[4]刘驰,钟水映.城市发展与城市环境污染关系的计量研究[J].经济问题,2012(09):57-61.

[5]王家庭,高珊珊.城市规模对城市环境的影响:基于我国119个城市EKC曲线的实证研究[J].学习与实践,2011(12):18-25.

[6]李鹏飞,吴利学,田野.中国城镇化路径的环境效应分析[J].城市与环境研究,2014(02):65-82.

[7]方铭,许振成,彭晓春,董家华.人口城市化与城市环境定量关系研究——以广州市为例[J].安徽农业科学,2009(34): 17041-17044.

[8]王婷,吕昭河.人口增长、收入水平与城市环境[J].中国人口.资源与环境,2012(04):143-149.

[9]钟无涯,颜玮.城市经济发展与PM2.5关系探析[J].城市观察,2013(01):169-174.