产业集聚与开放经济影响污染减排的空间效应分析

钟娟 魏彦杰

摘要 EKC理论认为，产业集聚和开放经济能够促进污染减排。不过，随着集聚与开放水平的加深，区域间环境污染的空间关系变得紧密，这使得产业集聚和开放经济的环境影响具有明显的空间效应，忽略空间影响的传统假设很难刻画这种地区间协同性的污染排放关系。因此，本文以210个中国城市为空间单元，使用不同阈值距离的空间权重矩阵，在EKC理论框架下实证检验产业集聚、开放经济影响环境污染的空间联系。结论表明：①产业集聚能够促进污染减排，这一有利作用的空间效应非常明显。②开放经济并未表现出减排作用。FDI会提高污染排放强度，其加剧二氧化硫污染的空间效应尤其强烈；自由贸易的作用则不明确。③与理论预期一致，反映产业结构、技术进步、环境规制、金融支持的各类控制变量均表现出抑制污染排放的空间影响。④不同阈值距离的空间效应分析显示，环境规制、金融支持等“资源、政策性”因素的减排作用会受到地理距离的限制，难以在城市间促成大范围的协同减排关系。另外，技术进步的空间溢出效应明显低于结构优化，其减排作用也有待提升。结论说明，中国未来环境治理的重点在于实现并提升开放经济的污染减排作用，一方面应增强国际贸易的结构与技术效应，以实现其有利环境作用；另一方面，应优化FDI政策体系以抑制其不利环境影响。同时，进一步发挥技术进步的减排作用，围绕“资源、政策性”因素不断完善区域性协同减排体系也非常关键。

关键词 产业集聚；开放经济；空间效应；污染减排

中图分类号 F062.9；F752.6；F062.2 文献标识码 A 文章编号 1002-2104（2019）05-0098-10 DOI：10.12062/cpre.20181111

十九大报告提出建设人与自然和谐共生的现代化，这与可持续发展理论相一致。环境与经济之间并非此消彼长的对立关系，追求经济增长与良好环境之间并不矛盾。经典证据来自环境库兹涅茨曲线（EKC），Copeland 和 Taylor[1]认为ECK曲线反映经济增长对环境具有正外部性，这一有利环境作用是增长本身的规模、结构与技术效应相互作用的结果，即技术进步与结构优化的污染减排超过了规模扩大带来的污染增长。由于产业集聚和开放经济分别代表经济增长的内在模式与外在条件，因此它们对环境的影响也表现在三种效应中，集聚与开放也能通过促进技术与结构效应实现对环境的正外部性。

不过一直以来，对产业集聚和开放经济的污染减排作用争议颇多。但产业集聚和开放经济作为推动中国发展的重要因素，在可预见的未来都将在中国经济中扮演重要角色，因此有必要从不同角度进一步探究其环境影响，以便为政策研究提供更多支持。基于此，本文尝试从空间效应的视角考察产业集聚、开放经济对环境污染的影响，以及这一空间效应随地理距离发生变化的情况，并在此基础上揭示相应的政策含义。

1 文献综述

理论与实证研究都认为，产业集聚和开放经济的污染减排作用来自其技术与结构效应。一方面，Karkalakos[2]认为，集聚导致产业内竞争加剧，从而推动技术进步；Chertow等[3]、Hosoe和Naito[4]认为，集聚的技术溢出效应也可能增强相关清洁技术的扩散，沈能等人[5]针对中国的研究也支持这一观点；同时Porter[6]认为产业集聚也可能优化产业结构，例如促进环保产业集群的产生和发展等，陈建军、胡晨光[7]针对中国的研究也发现集聚具有优化产业结构的效应。另一方面，Reppelin-Hill[8]认为开放经济能降低引进清洁生产技术的成本，从而提高生产清洁度。此外，Antweiler等[9]、Eskeland和Harrison[10]、盛斌和吕越[11]、景维民和张璐[12]都发现国际贸易、FDI的技术与结构效应对污染减排具有积极作用。

不过，对产业集聚和开放经济的环境正外部性也存在质疑。一方面，Fagbohunka[13]的实证研究确实发现集聚对环境具有负外部性，张可和汪东芳[14]、王兵和聂欣[15]针对中国的经验研究也发现产业集聚可能加剧环境污染，而李筱乐[16]、杨仁发[17]的研究则表明它们之间的关系非线性或不确定。另一方面，Cole[18]认为EKC曲线所揭示的变化可能大部分源于自由贸易重新安排了国际间污染产业的分布，发展中国家成为污染密集型产品的净出口国，而发达国家则成为净进口国，李锴和齐绍洲[19]、谢锐和赵果梅[20]针对中国的实证研究也支持这一观点。而FDI会将高污染的产业或生产环节转移至发展中国家，即“污染避难所假说”。值得注意的是，张宇和蒋殿春[21]、杨子晖和田磊[22]近年来有关中国的经验研究越来越多地支持这一论点。

钟 娟等：产业集聚与开放经济影响污染减排的空间效应分析

中国人口·资源与环境 2019年 第5期 我们认为，理解上述争论的关键在于产业集聚和开放经济影响环境的途径——其规模效应的不利作用与技术、结构效应有利作用的力量对比。由于产业集聚和开放经济总体上代表某种规模扩张，并在规模扩张中伴随技术与结构变化，不同效应之间有利与不利作用的结果可能更多地取决于发展阶段。只是对于中国这样的发展中国家，产出规模扩张更为直接和迫切，进而导致集聚和开放水平较高区域的污染总量也更高。因此，针对中国的经验研究中，污染物浓度比污染物数量更有意义。Stern等[23]也认为，即便技术和结构效应已经超越规模效应，但可能的情况是，污染物浓度的峰值已過，但污染物排放总量仍在持续增加。

除了有必要将研究重点集中于污染物浓度，准确判断产业集聚和开放经济的环境影响也需要在研究方法、模型架构和变量测度上进行优化。首先，研究方法应更重视空间效应。随着集聚与开放水平的加深，区域间环境污染的空间关系变得紧密，忽略空间影响的传统假设很难刻画这种地区间协同性的污染排放关系。其次，模型的理论针对性也有待加强。一方面，不同属性污染物具有不同减排特征，有必要依据污染物多样性分别设置被解释变量；另一方面，模型中也有必要加入更多“结构与技术”的控制变量，以便准确甄别产业集聚与开放经济的结构与技术效应。最后，指标测度方法应更科学。例如，相关研究都认为严格环境规制的重要性超越技术进步与结构优化，但目前环境规制指标的度量方法仍比较混乱。

鉴于上述问题，本文尝试在以下方面有所拓展：①将观察产业集聚和开放经济环境影响的重点从污染排放数量转向污染排放强度，以便增强研究的实用性。②以城市为空间单元，使用递进带宽距离的方式构建嵌套空间矩阵，更为细致地探讨产业集聚和开放经济环境影响的空间效应。③选择更多反映“结构与技术”的控制变量，以便准确甄别集聚与开放水平的结构与技术效应。④使用更合理的方法测度产业集聚、环境规制、开放经济水平等核心变量，以增强实证结论的可靠性。

2 计量模型、变量与数据

2.1 计量模型的设定

本文重点考察产业集聚、开放经济对污染排放强度的影响，构建基础模型如下：

y=Xβ+ε

（1）

其中，被解释变量y为污染物排放强度PI，解释变量X包括产业集聚水平IA、代表开放经济水平的外商直接投资FDI和自由贸易FT、以及控制变量C，ε为随机扰动项。

（1）模型的理论针对性问题。第一，考虑到不同属性污染物可能具有不同减排特征，分别选择工业废水排放强度Wwater和工业二氧化硫排放强度WSO2两项指标来度量PI的变化。第二，在控制变量中首先加入反映“结构”（产业结构，IS）和“技术”（企业技术创新水平，EIT；企业外部技术支持，EET）的两類指标，用以反映除产业集聚与开放经济之外的结构与技术因素对环境污染的影响。第三，考虑到严格的环境规制在污染减排中扮演关键角色，因此选择环境规制（ER）作为第三类控制变量。第四，Pasten和Figueroa[24]发现，资本匮乏将限制通过更高生产投入来减少污染的可能性，而较低的人均资本也使得消费者更易选择高污染产品来增加效用。因此，选择金融支持（FC）作为第四类控制变量，用以反映金融资源对资本形成的支撑能力。

（2）模型的内生性问题。第一，解释变量与被解释变量互为因果。污染物作为生产过程的副产品，并非生产目的。因此，被解释变量PI与模型中多数解释变量之间仅是单向的投入产出关系。不过，PI与环境规制ER之间却可能互为因果，因此在模型中使用滞后一期的ER，一方面克服其内生性问题，同时体现出环境规制政策作用的时滞性。第二，遗漏变量。在EKC曲线的研究中，影响污染排放的因素大致归为四类：①代表规模、结构与技术效应的因素；②环境规制；③开放经济；④资本形成能力。本文模型设计借鉴这些理论观点，以减轻遗漏变量问题。

由此，本文基础模型表现为：

PIit=Xβ+ε

（2）

其中，X为IAit、FDIit、FTit、ISit、EITit、EETit、ERit-1、FCit。

2.2 变量的度量

（1）地区污染排放强度PI。分别按照工业废水排放强度Wwater和工业二氧化硫排放强度WSO2两项指标来衡量，计算公式为PEij/TIOi，其中，PEij为城市i某类污染物j的排放量（废水单位：104 t；二氧化硫单位：103 t），TIOi为城市i的工业总产值。

（2）地区产业集聚水平IA。度量方法为区位熵，该方法能够消除区域产业规模差异的影响，更有效反映地理要素的空间分布。计算区位熵可以使用工业总产值或者工业增加值，但工业总产值中包含要素收入与中间投入，容易高估地区产业集聚水平。因此，本文使用工业增加值来测算IAit指标，公式为（IDVi/∑IDV）/（GDPi/∑GDP），其中，IDVi/∑IDV为城市i的工业增加值占样本城市工业增加值总额的比例，GDPi/∑GDP为城市i的GDP占样本城市GDP总额的比例。

（3）地区FDI水平。本文倾向于使用更贴近生产过程的数据来表示FDI水平，而非实际利用外商投资额。因为外商投资并不局限于工业行业，同时投资转化为实际生产也有时滞。因此本文使用区域内外商投资企业数目在工业企业数中所占比例来代表地区FDI水平，公式为FFEi/IENi，其中IENi表示城市i的工业企业数，FFEi则为城市i的外商投资企业数。

（4）地区自由贸易水平FT。本文分别从进口和出口两个方面加以考察，并表示为地区贸易额与GDP的比值，公式分别为IMi/GDPi和EXi/GDPi，其中IMi为城市i的进口额，EXi为出口额，并按照汇率年度平均价折算为人民币。

（5）地区环境规制水平ER。环境规制的度量尚没有统一标准。不过，赵细康[25]使用多种污染物减排水平的综合指数法更为合理，不仅贴近污染产生过程，而且避免了单一指标的代表性不足。综合考虑数据的可获得性与合理性，本文选择使用污水处理率、工业二氧化硫去除率、工业固体废物综合利用率3项指标来衡量环境规制水平。

首先，采用Min-Max标准化方法X*=（X-min）/（max-min）对3个单项指标进行处理，得到城市i单项指标标准化值PDRij。其次，定义PDRij（j=1）的权重为GDPi/∑GDP，并进行Min-Max标准化得到R1；定义PDRij（j=2，3）的权重为IDVi/∑IDV，并进行Min-Max标准化得到R2、R3。权重R1不同于R2、R3，是因为城市污水并非仅来自工业源。最后，综合计算出城市i的环境规制水平，公式为ERi=∑Rj×PDRij。

（6）地区产业结构IS。借鉴相关文献的通常做法，使用城市i第二产业产值占GDP的比重来表示地区产业结构，公式为SIVi/GDPi。

（7）企业技术创新水平EIT。使用企业规模来衡量技术能力。因为污染减排本身并不会带来明显收益，不同规模企业通常不会为此产生竞争性的研发活动，而大企业能够提供更为充足的技术投资保障，同时其更大市场份额带来的垄断性，也迫使大企业承受更大的环保压力。由此定义EIT为IEFAi/IENi，其中IEFAi和IENi分别为城市i的工业企业固定资产额、工业企业数，EIT单位为百万元。

（8）企业外部技术支持EET。企业技术创新的来源除了自身资源，部分也来自外部资源，因此使用地区的人均科学技术支出来表示EET，公式为ESTi/POPi，其中ESTi和POPi分别为城市i的科学技术支出额、总人口数，EET单位为百元/人。

（9）地区金融支持水平FC。本文从人均存款和人均贷款两个角度综合度量金融支持能力。公式为（PCDi/PCD）×（PCLi/PCL），其中PCDi/PCD为城市i的人均存款额与所有样本城市人均存款额平均数的比值，PCLi/PCL为城市i的人均贷款额与所有样本城市人均贷款额平均数的比值。

（10）变量度量中的价格因素问题。考虑到价格变化影响，本文做以下处理：①使用分省工业品出厂价格指数对城市i的工业总产值TIOi进行近似性折算，基期为2000年。②使用分省的GDP平减指数对城市i的地区生产总值GDPi、工业增加值IDVi、第二产业产值SIVi进行近似性折算，基期为2000年。

2.3 时间范围及样本城市选择

本研究时间范围为2004—2015年，选择2004年作为起点是因为环境规制指标测度中使用的城市污水处理率在2000年前仍有相当数量城市为零，2004年左右开始稳步提升并具有较完整连续数据。样本城市选择范围来源于《中国城市統计年鉴》，并剔除掉2004—2015年间撤并或新增的几个城市。随后，按照重要性原则，首先剔除掉2015年工业废水和二氧化硫排放量均处于末端5%范围内的城市，其次分别剔除掉2015年FDI、进口、出口额处于末端5%范围内的城市。最终确定样本城市i为210个。

2.4 空间权重矩阵的构造

本文使用反距离与经济特征权重矩阵相结合的嵌套矩阵。该方法可以将距离因素和经济因素同时包含在空间效应中，尽量准确地刻画空间效应的综合性和复杂性。

①使用Fisher最优分割法将城市间距离dij（i，j∈[1，210]）分为“极近（≤28 km）、近（≤56 km）、较近（≤109 km）、较远（≤235 km）、远（≤620 km）、极远（>620 km）”6类，考虑到城市间经济影响力的合理范围，选取[109，235]作为城市间相互影响距离D，并参照符淼[26]的方法采取递进带宽距离42 km，构造4个阈值距离Dn，分别为D1（109 km）、D2（151 km）、D3（193 km）、D4（235 km），定义Wij（D）=1/d2ij，当dij≤Dn；Wij（D）=0，当dij>Dn。②选取对角矩阵diag（Xi/X）为经济特征权重矩阵，用以反映不同经济水平城市间非对称性的空间影响。Xi为城市i在2004—2015年的GDP均值，X为全部城市的GDP均值。③定义嵌套矩阵为W=Wij（D）×diag（Xi/X），并按4个阈值距离Dn分别对应嵌套矩阵W1、W2、W3、W4。

2.5 数据来源

本文数据来源主要包括《中国城市统计年鉴》、各省和城市统计年鉴、《城市建设统计年鉴》、各城市国民经济与社会发展统计公报、各城市环境统计年报（公报）等。

面板数据共包括210个样本城市，时间从2004—2015年，描述性统计结果可以向作者索取，此处略。

3 重要变量的空间特征、回归分析与结果

3.1 重要变量的空间特征

Moran I统计量估计结果显示：①Wwater在空间权重矩阵W2、W3、W4中的空间正相关度变化趋势差异很小（图1上部左图），WSO2的情况类似（图1上部右图）。这说明当阈值距离扩展到D2（151 km）以后，空间单元间的相关性渐趋稳定，空间矩阵W2已经基本涵盖了样本城市在两种污染物下的空间关系。②不过，2004—2015年间Wwater的空间相关度呈现趋势性下降，这一急剧下降过程说明样本城市i在工业废水排放强度方面的相互影响正在减弱，具有正相关关系的空间单元不断减少。③产业集聚IA和开放经济FDI、EX、IM的Moran I估计值也从空间矩阵W2开始急速收敛，我们以W4矩阵为例来观察其变化趋势（图1下部左图）。IA、EX、IM都呈现轻微下降趋势，一个合理的解释是处于相对落后地区的部分城市正在快速崛起，其产业集聚水平、进出口能力领先周边城市的幅度不断增大；但2004—2015年间，FDI的空间正相关度却非常稳定，显示外商投资仍偏好于特定区域。④Moran散点图也佐证了Wwater空间正相关度的急剧下降。散点图第一、三象限代表正的空间相关关系，即空间同质性（低污染与低污染城市、高污染与高污染城市集聚）；第二、四象限代表负的空间相关关系，即空间异质性（低污染城市被高污染城市包围、高污染城市被低污染城市包围）。我们定义SOR为空间异质性程度指标，计算方法为二、四象限空间单元数量占空间单元总数量的比例（图1下部右图）。可以发现，2004—2015年间Wwater的SOR值持续增长，这说明随着时间推移，高Wwater值城市被低Wwater值城市包围、低Wwater值城市被高Wwater值城市包围的现象正在增强。

Wwater空间正相关性的趋势性下降值得警惕，它说明相邻城市间工业废水排放强度的相互影响正在弱化。为探究这一变化的地理分布，我们以2015年Wwater的空间异质性单元为研究对象，定义SOE为区域内空间异质性单元数量指标，其计算方法为按省域为单位，分别在W1、W2、W3、W4矩阵中汇总每个省份处于Moran散点图第二、四象限的城市数量。从地理分布看，空间异质性单元主要

图1 重要变量的空间特征（2004—2015）分布在从辽宁、河北→河南、安徽→湖北、湖南→江西、广西的“中部走廊”。这说明Wwater空间关系的异质性变化主要受到“中部走廊”城市的影响，在中国中部地区，低值被高值城市包围、高值被低值城市包围的现象更为明显（SOE指标具体数值可向作者索取，此处略）。

进一步结合2015年全部空间单元的Wwater、WSO2数值（代表污染强度）以及人均GDP（代表发展水平），按照“污染强度”“发展水平”低于或高于本省平均值将这些城市区分为“低+低”“高+低”“低+高”“高+高”4种类型，并分别按照“东部地区（包括山东、江苏、浙江、福建、广东5省和北京、天津、上海3个直辖市）”和“其他欠發达地区”进行归类，那么W4矩阵中全部空间单元的“污染强度+发展水平”特征如表1。

从表1可以发现：①无论Wwater或是WSO2，“低+低”“高+低”类型城市在正相关或负相关空间单元总数中所占比例之和都超过50%，说明还有相当数量的中国城市仍处于工业化初、中期阶段，未来这些城市提速发展的环境压力不容小觑。②在反映正相关关系的一、三象限内，东部地区城市在4种城市类型中的占比大致为33%～53%。这意味着如果以本区域平均值为标准，东部地区事实上面临着和其他欠发达地区相似的“环境—经济”问题，折射出中国环境治理在东、中、西部都同样艰巨。③在反映负相关关系的二、四象限内，东部地区城市在4种城市类型中的占比都很低（尤其是在WSO2），表明异质性的空间单元主要分布于其他欠发达地区，这些“孤立性”城市极少受到周边城市的经济辐射或对周边城市产生扩散作用，其协同减排的难度高于东部地区城市。

3.2 回归分析及其结果

我们首先针对基础模型（公式2）进行普通面板模型回归，结果见表2。①产业集聚对降低污染排放强度的积极作用非常明显。尽管加入了反映“结构”（产业结构IS）和“技术”（企业技术创新水平EIT、企业外部技术支持EET）的控制变量，但无论Wwater或是WSO2，产业集聚水平IA对污染排放强度PI都有显著性负向作用。②开放经济水平对污染排放强度的影响并不一致。一方面，无论出口EX或进口IM，自由贸易FT对污染排放强度PI都没有显著性影响。尽管李小平和卢现祥[27]曾发现中国进口品倾向于污染产品，出口品倾向于清洁产品，但本文并未发现自由贸易具有显著性的减排作用。为慎重起见，我们使用地区进出口总额与GDP的比值（IAE）对FT做指标替换，系数估计值依然不显著。另一方面，地区FDI水平对污染排放强度PI有显著性正向影响，这与许多最新研究结论比较一致，即外商投资企业的产品与生产过程具有更高的污染排放强度。为慎重起见，进一步使用外商投资企业和港澳台投资企业总和占工业企业总数的比例（ALL）对FDI做指标替换，系数估计值仍显示正向作用，但不再显著，说明加剧污染排放强度的因素确实来自外商投资企业而非港澳台投资企业。③与理论预期一致，反映结构（IS）、技术（EIT、EET）、环境规制（ER）、金融支持（FC）的各类控制变量都对污染排放强度PI有显著性负向作用。

为了解产业集聚、开放经济影响环境的空间效应，我们使用空间杜宾模型（SDM）观察解释变量因为空间依赖而产生的空间溢出效应。SDM模型比SAR（空间自回归模型）或SEM（空间误差模型）更为有效，在有关SAR、SEM、SDM模型的比较研究中，SDM模型是唯一能够得到无偏系数估计的模型。

其中，W为空间权重矩阵，解释变量X包括IAit、FDIit、FTit、ISit、EITit、EETit、ERit-1、FCit。在SDM模型中，总效应分解为两部分：第一，本地效应（direct），表示城市i各解释变量对本市污染排放强度PI的影响；第二，溢出效应（indirect），表示城市i各解释变量对相邻城市污染排放强度PI的影响。结果见表3。

①整体上看，解释变量本地效应的系数值、显著性水平与这些变量在普通面板模型中的回归结果（见表2）比较相似。②从空间溢出效应看：第一，FDI对Wwater没有显著性溢出效应，说明FDI对水污染的不利作用主要体现为本地效应；但FDI对WSO2的溢出效应在不同阈值距离下都具有显著性，显示外商投资企业对能耗污染（WSO2）的拉动作用可以扩展至较远距离，进而形成围绕FDI投资的城市间协同性污染排放关系。第二，IA、IS、EIT这类经济性因素对污染排放强度PI的溢出效应均非常强烈，其显著性水平在各个阈值距离下也非常稳定；ER、EET、FC这类资源、政策性因素对PI的溢出效应则相对较弱，其显著性水平更低并且随着阈值距离的增大而下降。这说明来自经济活动本身的污染减排因素比来自外部的资源、政策性因素更具优势，其有利环境作用可以扩展至更远距离。第三，资源、政策性因素对WSO2的空间溢出作用尤其偏弱，其对WSO2的溢出效应在151 km（D2）外即不再显著，说明空气污染的走向不确定与易消散性限制了资源、政策性因素对WSO2形成大范围的协同减排关系。第四，地区产业结构IS表现出极强的空间溢出效应，IS溢出效应与本地效应之比远高于技术类因素（EIT、EET），说明结构优化比技术进步具有更强的空间效应，一个城市的产业结构优化可以更有力地带动周边城市的污染减排。

检验结果选择固定效应FE，回归结果使用稳健标准误。

4 结论与建议

本文以中国210个城市为空间单元，检验产业集聚和开放经济对污染排放强度的影响。研究发现：①产业集聚、开放经济具有差异性的环境影响。产业聚集具有降低地区污染排放强度的显著性作用，并且这一有利作用的空间溢出效应也非常强烈；FDI的环境影响恰恰相反，它对地区污染排放强度有显著性正向作用，并且这一不利作用在二氧化硫方面表现出很强的溢出效应；自由贸易则没有显著性环境影响。②“经济性”因素（产业集聚、产业结构、企业技术水平）降低地区污染排放强度的显著性作用更为明显，其空间溢出效应也更强；“资源、政策性”因素（环境管制、外部技术支持、金融支持）有利环境作用的空间效应则相对较弱，在二氧化硫方面表现得尤其明显。③“结构性”因素（产业结构）比“技术性”因素（企业技术水平、外部技术支持）有更强的溢出效应，一个城市的产业结构优化对促进周边城市污染减排具有更强带动作用。

从结论看，中国的污染减排仍面临许多问题：①开放经济并未体现出改善环境的功能。FDI会加剧工业污染物排放强度，自由贸易的作用则不明确，这说明开放经济的结构与技术效应并未超越其规模效应。②工业二氧化硫污染具有复杂性。一方面，FDI具有加剧二氧化硫污染的较强空间溢出效应，极易形成围绕FDI投资的城市间协同性污染排放關系。另一方面，环境规制、金融支持等“资源、政策性”因素降低二氧化硫污染的空间溢出效应明显偏弱，很难在城市间形成大范围的协同减排关系。③“资源、政策性”因素降低工业废水和二氧化硫排放强度的空间溢出效应整体偏弱，其有利环境作用受到地理距离的限制。④技术进步对环境的有利作用并未得到充分发挥，“技术性”因素的溢出效应明显低于“结构性”因素。

因此，未来的污染减排工作仍有待优化：①增强国际贸易的结构与技术效应。一是通过增加高污染强度商品进口，倒逼国内污染行业转型、激发清洁技术研发动力。二是提升清洁产品出口能力并限制高污染产品出口。②优化FDI政策体系，促使FDI更多地转向低污染强度的产品与生产过程，并构建针对FDI投资的地区间协同减排机制，防范FDI通过空间效应“隐蔽性”地拉高周边城市的污染强度。③进一步增强技术进步的污染减排作用，通过完善技术研发与应用的政策环境，激励先进、有效的清洁技术研究，并提升清洁技术的适用性与应用程度。④破解“资源、政策性”因素有利环境作用的地区封闭性，加强城市间政策协调与资源共享，加快形成污染减排的区域性协调机制。

（编辑：刘照胜）

参考文献

[1]COPELAND B， TAYLOR M. Trade， growth and the environment [J]. Journal of economic literature， 2004， 42：7-71.

[2]KARKALAKOS S. Capital heterogeneity， industrial clusters and environmental consciousness [J]. Journal of economic integration， 2010， 25（2）： 353-375.

[3]CHERTOW M， ASHTON W， ESPINOSA J. Industrial symbiosis in Puerto Rico：environmentally related agglomeration economies [J]. Regional studies， 2008， 42（10）：1299-1312.

[4]HOSOE M， NAITO T. Transboundary pollution transmission and regional agglomeration effects [J]. Papers in regional science， 2010， 85（1）： 99-120.

[5]沈能， 王艳， 王群伟.集聚外部性与碳生产率空间趋同研究[J].中国人口·资源与环境， 2013， 23（12）： 40-47.

[6]PORTER M. Clusters and the new economics of competition [J]. Harvard business review， 1998， 76： 77-90.

[7]陈建军， 胡晨光.产业集聚的集聚效应——以长江三角洲次区域为例的理论与实证分析[J].管理世界， 2008（6）：68-83.

[8]REPPELINHILL V. Trade and environment：an empirical analysis of the technology effect in the steel industry [J]. Journal of environmental economics and management， 1999， 38（3）：283-301.

[9]ANTWEILER W， COPELAND B， TAYLOR M. Is free trade good for the environment？ [J]. American economic review， 2001， 91（4）： 877-908.

[10]ESKELAND G， HARRISON A. Moving to green pastures？ multinationals and the pollution Haven Hypothesis [J]. Journal of development economics， 2003， 70： 1-23.

[11]盛斌， 吕越.外国直接投资对中国环境的影响——来自工业行业面板数据的实证研究[J].中国社会科学， 2012（5）： 54-75.

[12]景维民， 张璐.环境管制、对外开放与中国工业的绿色技术进步[J].经济研究， 2014（9）：34-47.

[13]FAGBOHUNKA A. The impacts of agglomeration on the immediate environment， using the Lagos Region as a study case [J]. European scientific journal， 2012， 8（6）： 33-48.

[14]张可， 汪东芳.经济集聚与环境污染的交互影响及空间溢出[J].中国工业经济， 2014（6）：70-82.

[15]王兵， 聂欣.产业集聚与环境治理：助力还是阻力——来自开发区设立准自然实验的证据[J].中国工业经济， 2012（12）：75-89.

[16]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.

[17]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.

[18]COLE M. Trade， the pollution haven hypothesis and environmental Kuznets Curve：examining the linkages [J]. Ecological economics， 2004， 48：71-81.

[19]李锴， 齐绍洲.贸易开放、经济增长与中国二氧化碳排放[J]. 经济研究， 2011（11）：60-73.

[20]谢锐，赵果梅.GMRIO模型视角下中国对外贸易环境效应研究[J].数量经济技术经济研究， 2016（5）：84-102.

[21]张宇， 蒋殿春.FDI、政府监管与中国水污染——基于产业结构与技术进步分解指标的实证检验[J].经济学季刊， 2014， 13（2）：491-514.

[22]楊子晖， 田磊.“污染天堂”假说与影响因素的中国省际研究[J].世界经济， 2017， 40（5）：148-172.

[23]STERN D， COMMON M， BARBIER E. Economic growth and environmental degradation：the environmental Kuznets Curve and sustainable development [J]. World development， 1996， 24（7）：1151-1160.

[24]PASTEN R， FIGUEROA E. The environmental Kuznets Curve： a survey of the theoretical literature [J]. International review of environmental and resource economics， 2012， 6（3）：195-224.

[25]赵细康.环境保护与产业国际竞争力[M].北京：中国社会科学出版社， 2003：87-97.

[26]符淼.地理距离和技术外溢效应——对技术和经济集聚现象的空间计量学解释[J].经济学季刊， 2009，8（4）： 1550-1566.

[27]李小平， 卢现祥.国际贸易、污染产业转移与中国CO2排放[J].经济研究，2010（1）：15-26.