空间溢出视角下城市人口空间结构对环境污染的影响研究

王艳，龚新蜀

(石河子大学经济与管理学院，新疆 石河子832003)

自工业化革命以来，人类生产生活的废水、废气及废渣等常见的污染排放物已经严重损害了地球的环境质量，并且引发了一系列大自然危害，给人类的生活造成了极大的危害，环境问题成为全球共同且首要解决的大问题[1-3]。为此，我国也在对环境质量的改善做出不懈努力。与此同时，随着我国倡导城市化进程步伐的加快，城市不断涌入更多人口。据国家统计局的数据显示，2019年我国的人口城市化比重达到59.58%，环比增长了1.26%，即未来将会有一千多万农村居民涌入城市。伴随这一发展趋势，值得深思的是，人口集聚是否会加大城市的环境压力，影响经济的可持续发展？城市人口结构应该以大城市占主导、还是多中心中小城市共同发展？这一问题得到众多学者研究，但尚未形成共识。

事实上，国家有关城市化发展道路的政策文件已经明确指出，未来我国的城市化发展将重点培养中小城市建设、限制大城市的人口集聚。可以预见的是，政策导向下不同的城市人口空间格局将会打破以往城市化人口集聚与环境污染之间的相关关系，对我国城市未来的发展产生深远影响。虽然现有的政策具有明确定义，但是尚无相应的空间指向及理论研究表明，我国未来人口空间结构组织如何，这仍需进一步探讨。

以往研究中，关于城市人口空间结构与环境污染的关系探讨经历了人口与环境污染、城市化与环境污染、城市人口空间结构与环境污染等3个阶段。在初始研究阶段，多数学者[4-8]认为人口的增长是与环境污染呈现正向相关的影响效应，人口增长加剧了环境污染；进一步，人口城市化与环境污染的研究结果表明，随着人口向城市地区的转移，人口红利效应下城市化发展对环境污染存在异质性的影响：一类研究认为城市化与环境污染之间呈线性相关关系，一方面，城市化可能会通过资源的有效利用、人力资本的集聚，发挥其潜在的人口红利，进而降低了环境污染[9-10]，而另一方面，城市化将导致城市人口的过度饱和，造成交通拥堵、公共资源损耗较快、环境治理供给举措不足等城市病，环境污染被进一步加剧[11-13]。另一类研究[14-16]认为城市化与环境污染之间的影响效应是非线性的，由于研究样本与方法的差异性，城市化与环境污染可能呈现正U型、倒U型、N型等多种关系。

此外，由于城市发展带来人口涌入的同时，往往形成了新的城市空间结构特征[17-20]，进而引发了学者对城市化进程的深入思考。在城市空间结构特征与环境污染的研究中，主要探讨了2个方面的问题。一方面是关于城市空间结构的核算，自奥尔巴克提出城市规模分布的模式以来，有关城市空间分布特征的计算就得到了后来学者的广泛关注，常见的计算城市空间结构特征的方法有如帕累托指数、mono指数、首位度指数、基尼系数、赫芬达尔指数、修改后的惠顿指数、相对弥散系数等[21-24]，以上均能够有效量化城市内部空间结构特征，且由于选取样本及数据的可得性，学者们的采用方法往往具有差异性。另一方面，基于城市空间结构特征的研究基础，在探究其与环境污染的研究方面，国外学者如Lonngren等[25]、Jiang等[26]认为城市规模结构越趋向中心化发展将会加大地区内环境的破坏；而Kalnay等[27]、Brülhart等[28]、Hurley等[29]的研究结果显示，城市集聚存在正向溢出效应，能够有效利用资源效率，实现经济与环境的和谐发展。在国内的相关研究中，城市空间结构对环境污染的影响效应研究起步相对较晚。在现阶段的人口城市化进程中，随着城市人口的激增，城市空间结构对区域环境污染存在一定的影响，且其作用力的大小主要受制于城市人口集聚程度[30]。曲晨瑶等[31]研究认为，城市化产生的人口集聚效应能够通过知识溢出、公共资源共享等路径提高资源的利用效率，降低碳排放。郑建峰等[24]认为城市的多中心化发展有利于经济的持续健康发展，而集约式单中心的人口集聚发展将不利于地区环境质量的改善。此外，张可等[32]证明了城市化进程中经济集聚与环境污染存在双向驱动效应，集聚效应会加剧环境污染，且环境污染又会反向抑制城市化的集聚效应。

目前，由于我国城市空间结构的环境污染效应研究起步相对较晚，学术界也未形成统一的研究结论，相关的城市结构指标构建和研究方法仍需继续优化。在此研究背景下，本文以2004—2017年各个省市的地级市以上城市为研究对象，构建省级内部的城市空间结构特征，运用空间自回归模型初探各省际间城市人口空间结构对环境污染的影响。同时，为了研究是否具有空间溢出效应，继续引入空间杜宾模型进行实证。此外，由于地区经济社会的环境差异性，地区的城市空间结构也存在相应差异性特征，因而进一步对我国分地区的城市空间结构与环境污染的影响效应进行研究。通过上述的理论及实证分析，为城市化发展过程中，中国城市如何实现人口与环境的可持续发展提供参考意见。

1 研究区域概况

1.1 研究区的城市人口空间结构特征

城市化是世界各国在现代化进程中社会结构不断演变的普遍动态过程，通常指人类生产方式、生活方式和居住方式的一种重大变迁，其表现包括农业人口向非农产业转移并向城市集中、城市在空间数量上增多、在人口规模上扩大，城市生活方式向农村扩散等。进入21世纪以来，我国城市化迅速发展，1978年至2019年，中国的城市化率实现了从18%到59.58%的快速增长。城市化的发展将必然带来人口方方面面的变化，同时也会形成不同的城市人口空间结构。而正是由于地区城市人口规模的分布不均所导致的异质性空间结构特征，往往会对其经济社会和环境发展产生重要影响。因而，城市人口结构的优化有利于地区环境质量的改善。

本文借鉴前人有关城市人口空间结构的计算，选择较为常用的帕累托系数衡量我国各个地区城市人口空间分布特征，其公式表达如下：

(1)

或

lnRi=lnA-αlnSi，

(2)

公式(1)、(2)中，Ri表示地区内城市i的排名(以人口规模大小的顺序排列，规模越大排名越高)，Si表示第i城市的人口数量，A为常数，α为帕累托系数，用来表示城市人口空间结构特征。由公式(1)可看出，α与城市空间结构的集中度大小有显著的负向相关关系，即当α越小时，则城市的集中度越高，地区内大城市规模居多，中小城市规模不足；而当α越大时，城市的集中度相对较低，这说明地区的城市规模趋向于中小规模发展，大城市数量相对不足；当α接近于1时，此时地区内城市人口空间结构将趋向于齐普夫理想状态。

图1 我国城市人口空间结构的变化趋势Fig.1 The changing trend of urban population spatial structure in China

具体地，本文根据公式(1)、(2)计算各个省市的帕累托系数，同时剔除了北京、上海、天津、重庆4个直辖市和西藏地区，对我国2004—2017年26个省份各城市人口规模数量及城市排名的相关数据进行回归，得到估计系数α，即帕累托系数，其变化趋势如图1所示。可以看出，全国的帕累托系数呈现下降趋势，这说明我国整体的城市人口空间结构是呈现集聚式发展特征。此外，考虑到经济社会的区域差异性，本文还估算了东中西部的帕累托系数。由于回归结果中西部地区的估计结果不理想，此处只描述了东部和中部地区的城市空间结构发展特征。对于东部而言，其帕累托系数曲线较为平缓，整体出现下浮趋势，但是振幅不大，城市空间结构趋向单一化、集聚式发展。而中部地区的帕累托系数曲线图一直低于东部地区，这说明中部地区的城市集中度高于东部地区，其中小城市规模相对不足，且中部地区的帕累托系数也出现下滑趋势，城市集中度随着人口城市化的发展得到进一步增强。

1.2 研究区的环境污染特征

近年来，中国经济发展的速度令世界震撼，但生态环境也为此付出了巨大代价。环境污染中，大气污染因影响范围广、污染源较多等特征，成为我国政府首要关注的环境问题。2000年我国SO2排放量为1995万t，居世界第1位。据专家测算，要满足全国天气的环境容量要求，SO2排放量要在现有基础上至少削减40%。此外，2000年中国烟尘排放量为1165万t，工业粉尘的排放量为1092万t。截至2017年的统计数据，我国SO2排放量为1859万t，烟粉尘的排放同比也有1%左右的减少量。以上数据表明，虽然在国家、企业及个人的共同努力下，我国大气污染的排放量有所下降，但排放水平基数总量较大，仍未达到大气环境的容量标准，环境污染问题仍值得高度关注。

随着城市人口涌入城市，城市承载力的过度饱和将对环境产生更大的威胁。此外，由于经济地理的空间相联性，本地区的环境污染可以通过空间溢出效应影响邻近地区的环境质量，使环境面临更为严峻的考验。本文选取莫兰指数I(Moran'sI)对被解释变量的空间自相关性作以检验，来证明环境污染是否具有空间外溢性，其计算公式如下：

(3)

公式(3)中，EP表示环境污染水平，i、j表示不同的省份，n是省份个数，W表示邻接权重矩阵。Moran’sI指数取值范围为[-1，1]，位于(0，1]、[-1，0)区间分别表示呈现正的、负的空间依赖性，等于0表明不具有空间依赖性。研究发现，Moran'sI指数在研究样本的时间段内显著为正，且均通过1%的显著性水平检验。这说明环境污染存在着正向空间自相关性，主要原因是随着网络、交通的便捷，经济产业带来跨区域交互性发展，同时也不可避免地带动了环境污染的跨界转移。具体检验结果如表1所示。

表1 2004—2017年环境污染的全局莫兰指数Tab.1 Global moran index of environmental pollution from 2004 to 2017

2 数据来源与研究方法

2.1 数据来源与处理

本文采用的样本数据为2004—2017年中国26个省际面板数据(不含北京、上海、天津、重庆4个直辖市和西藏地区)，数据来源于《中国统计年鉴》、《中国能源统计年鉴》、《中国城市统计年鉴》、Wind数据库。为了消除异方差，对所有的变量进行取对数化处理。具体各个变量的指标选取如下：

(1)因变量：环境污染(EP)，有关环境指标的选取有很多，如工业三废的综合指标以及SO2、工业废水及固体废弃物等单向指标测度，但以上指标仅反映了地区内工业企业产生的污染，不能全面表达地区内生活消费以及其他产业所带来的环境污染。因此，本文选择人均碳排放量作为地区内的环境污染指标，较为全面反映地区内的环境污染现状。

本文基于IPCC国际碳排放核算方法，计算各地区历年来的CO2排放量，公式如下

(4)

公式(4)中，C为碳排放量，B为各类能源消费量，i表示不同种能源消费类型，主要有煤、焦炭、石油、汽油、柴油、天然气等化石能源；A为能源碳排放系数，具体数值如表2所示。

表2 能源碳排放系数(t碳/t标准煤)Tab.2 Energy carbon emission coefficient (t carbon /t standard coal)

注：资料来源于IPCC(政府间气候变化专门委员会)。

(2)核心解释变量：城市人口空间结构(URB)，用本文1.1小节中计算的帕累托系数α衡量。

(3)控制变量。借鉴前人[7,9-12]环境污染影响因素的相关研究，本文选取如下控制变量：①能源效率(EE)。由于能源的使用效率决定了在人类的生产生活中能源碳排放量大小，进而影响了地区内CO2排放量。因而本文选取地区内能源消耗总量与GDP的比值作为能源效率指标。当单位GDP的能耗越高时，能源效率(EE)越低，环境污染进一步加剧，预期能源效率对环境污染的影响为正。②人均GDP(GDP)。随着经济的发展，基于原材料的需求角度，能源消耗量必然增大，在为其工业产值提供更多动能的同时，环境污染进一步加剧。此外，由于生活水平提升，人们往往更加注意生活质量，环保意识相应增强，环境污染得到某种程度的抑制，因而经济发展对环境污染的影响有待实证的进一步考究。本文将选择实际GDP与地区总人口的比重表示经济发展水平，其中实际GDP是以2004年为基期，运用指数平减法计算得出。③产业结构(IS)。产业生产模式的不同对环境污染的影响效应存在显著异质性，第二产业占比越高，则表示工业企业的主导力越强，能源消耗越高，环境污染愈加严重，而第三产业的发展往往可以降低能源的需求量，减少环境污染。因此，本文选择第三产业产值比第二产业产值表示产业结构。当产业结构更加优化，即该比值越大时，环境污染得到抑制，预期产业结构将对环境污染产生负向影响效应。④研发强度(RD)。技术进步与科技创新往往能带来更为先进的节能减排产品，降低能源消费总量，提升能源使用效率。因而，研发能力越强，相应的单位能耗、能源投入总量将会降低，环境污染程度得以减缓。本文将使用工业企业的研发支出与其工业增长值的比重表示研发强度的大小，且预估其对环境污染的影响为负。

2.2 研究方法

本文参考宋涛等[33]、范建双等[34]的研究思路,将环境污染作为一种负产出，对道格拉斯生产函数进一步扩展与改进，从而研究城市空间结构分布特征对地区环境污染的影响效应，具体基准模型如下：

(5)

公式(5)中，EP为地区内碳排放总量，表示地区的环境污染程度，URB为地区内的帕累托系数α，即表示地区内城市空间结构分布特征的系数，EE为能源使用效率，即单位GDP的能耗量，GDP为地区经济发展水平，IS为地区产业结构的优化水平；RD表示地区内研发强度水平；i为地区，t为时间。为了消除异方差性，对模型两边的变量分别取对数得：

(6)

正如地理学第一定律所言,“任何事物之间均相关，而相邻事物的相关性远远高于不相邻的事物”。因而，基于简单的线性回归模型考虑城市空间结构与环境污染的相关关系不具有说服力，需要进一步加入空间要素。此外，为了证明是否环境污染具有恶性累积的负外部性，进而加大了下一期的环境污染水平，本文将前期的环境污染指数纳入到模型中，构建空间动态面板自回归模型如下：

(7)

进一步地，由于空间要素往往具有溢出效应，为了验证城市空间结构对环境污染是否也存在空间上的溢出性影响效应，选用空间动态杜宾模型再次实证。其公式表达如下：

(8)

公式(8)中，ρ和λ是空间回归参数，ρ表示的是被解释变量的空间溢出影响强度系数，λ表示解释变量的空间溢出强度，即邻近地区变量变动对本地区环境污染的影响系数；εit是随机误差序列向量;Wij是空间权重矩阵。

3 结果与分析

3.1 实证结果

运用stata 15.0软件，基于空间动态自回归模型对数据进行初始化检验得出的估计结果见表3。如表3所示，不管是随机效应还是固定效应，其拟合优度及Log Likelihood等统计量的数值都较为理想，模型的拟合效果较好，且W×lnEP的估计系数也在5%的水平上显著，上述模型存在着空间动态自回归效应。此外，Hausman检验结果显示统计量为2972.31，在1%的水平上显著，原始模型拒绝了原假设，接受了存在固定效应的模型假设，因而本文采用固定效应模型结果对城市人口空间结构与环境质量的相关关系进行解释。

表3 空间自回归动态模型的回归结果Tab.3 Regression results of spatial autoregressive dynamic model

注：***、**、*分别表示在1%、5%、10%水平上显著；括号里为Z统计量，下表同。

从固定效应的估计结果可知，城市人口空间结构(URB)的估计系数在1%的显著性水平上负向相关，α越小，即城市越趋近于单一化发展时，地区整体的环境污染加剧。结合图1，上述结果产生的原因可能是：在城市化发展的进程中，农村人口转移较多倾向于大城市集聚，过度饱和的城市人口集聚，超越了地区社会环境的最佳人口承载能力，从而一系列城市病问题逐渐凸显，如交通拥堵、公共资源损失及破坏严重、城市治理成本不断上升等[24,32]，这些问题都在阻碍着城市经济与环境的发展效率，加剧了地区环境的破坏。对于环境污染变量自身而言，W×lnEP的估计系数在5%的水平上显著为正，且数值为0.3904，这说明相邻地区的生产及生活要素是相互流通的，本地的环境污染具有正向的空间溢出效应。此外，前一期的环境质量lnEP(-1)估计系数亦显著为正，这说明环境污染具有恶性累积的负外部效应，当期的环境污染会加大下一期面临的环境压力，这与李锴等[35]在研究贸易、经济与碳排放中，得出于环境污染自身累积影响效应的实证结果一致。

控制变量的估计结果如下：能源效率(EE)、经济发展(GDP)对碳排放的影响效应分别在1%、5%的显著性水平上为正，这主要是因为单位能耗需求量的增加、经济的发展均加大了能源消费总量，从而产生更多的污染排放；产业结构(IS)、研发强度(RD)在5%的显著性水平上对环境污染的影响为负，一方面产业结构优化升级使得高污染、高能耗产业逐渐淘汰，取而代之的是相对低能耗、低污染的高新技术产业。另一方面，研发强度越高，企业的技术水平相对越强，当技术效应应用到节能减排领域，将能更好地控制企业污染物的排放，缓解环境压力。

上述的空间自回归模型仅仅阐述了城市空间结构与环境污染之间的空间相关性，并未很好地表达出基于空间权重矩阵下，邻近地区的相关变量对本地区被解释变量的空间溢出效应。因而，本文将利用空间杜宾模型进一步分析要素之间的空间溢出影响效应，具体估计结果见表4。

表4 空间动态杜宾模型的估计结果Tab.4 Estimation results of spatial dynamic dupin model

从Wald Test和LM lag(Robust)值看，拒绝原假设(H0:不能用空间杜宾模型估计)，接受了上述的空间杜宾模型估计，进一步地，由调整后的拟合优度系数可以看出方程拟合效果良好。此外，Hausman结果显示，统计量为3789.02，原始模型拒绝了原假设，接受了存在固定效应的模型假设，因而选择存在固定效应的SDM模型结果进行分析。

从空间杜宾模型估计结果可以看出，城市人口空间结构(URB)、能源效率(EE)、经济发展(GDP)、产业结构(IS)、研发强度(RD)等解释变量的系数符号与空间自回归结果系数的方向一致，只是其绝对值大小存在差异性。此外，在继续研究邻近地区解释变量对被解释变量的影响效应时，大部分指标均通过了显著性水平检验。具体的空间溢出效应分析如下：邻近地区的城市空间结构系数(URB)在5%的水平上显著为负,即随着邻近地区的城市人口集聚，其城市空间结构越趋向于单一化、大城市集聚的发展特征，将会对本地的环境发展造成压力，破坏本地环境质量。主要原因是，一方面，邻近地区城市人口的过度饱和加大了自身的污染，从空间动态自相关系数结果看出，环境污染也存在正向空间溢出效应，因而相邻地区的环境污染加剧了本地的环境破坏。另一方面，邻近地区的人口集聚，也会通过掠夺效应转移本地区优质的人力及物力资源，削弱了本地区的科技创新能力及绿色经济发展活力，间接损害了地区环境质量[7]。此外，经济发展(GDP)、能源效率(EE)均对环境污染呈现正向的空间溢出效应，且分别在1%、5%的水平上显著，这说明邻近地区的经济与单位能耗量的提升同样不利于本地区生态环境的发展，而邻近地区研发强度(RD)估计结果具有显著的负向影响效应，有利于本地区实现人口与环境的友好发展，产业结构(IS)对环境污染的空间溢出效应为负，但是空间上未通过显著性检验。

3.2 分区域检验

上述的实证研究证明了，从中国整体的发展来看，城市空间结构对环境污染产生了显著的影响效应。但由于经济社会发展的区域差异性，其影响是否存在空间上的异质性还需进一步探讨。本文根据国家统计标准，将各地区样本分为东、中和西部等3个子样本。由于在测度城市空间结构特征中，西部地区的帕累托系数较不理想，因而本节仅仅讨论我国东、中部地区城市空间结构对环境污染的异质性影响效应，估计结果如表5所示。

表5 分区域空间动态杜宾模型的估计结果Tab.5 Estimation results of spatial dynamic dupin model in subregion

如表5所示，东、中部地区的城市人口空间结构(URB)与环境污染分别在5%、1%的显著性水平上负向相关，且东部地区的回归系数绝对值远远低于中部地区。即随着帕累托系数α越小，城市空间结构越趋近集中化发展，对中部地区造成的环境污染强度远远高于东部地区。结合图1分析，原因可能是：在近10年的发展中，东部地区城市化发展相对成熟，其中心城市的人口集聚度小于中部地区，人口流向得到很好的梳理及分散，某种程度抑制了城市人口过度饱和而产生的一系列环境发展弊端，地区环境污染强度相对较低。而中部地区的城市单一化、集聚化特征明显，中小城市规模建设相对不足，无法有效分担城市化进程中农村人口过度涌入大城市的困境，使得其面临更为严峻的环境压力。同样，基于空间溢出视角，东、中部邻近地区的城市规模结构对本地区环境污染呈现出相应的负向影响强度。

控制变量估计结果的差异性特征亦为显著。首先，东中部地区的经济发展(GDP)均促进了地区环境污染，但是东部地区的环境污染强度远远高于中部地区，这主要是因为：一方面随着经济的发展，东部地区环保意识的提升，有效削弱了其碳排放增长途径，而中部地区的环保基础建设相对不足。另一方面，随着西部大开发战略，东部相对于中部而言，转移出大量的污染性企业，环境质量得以进一步改善。基于空间溢出角度，东部与中部地区的经济发展均不利于邻近地区的环境改善；其次，产业结构(IS)与能源强度(RD)的估计结果显示，能源强度和产业结构均抑制了东、中部地区的环境污染，但基于空间溢出效应，中部地区两个变量的估计系数不显著，而东部地区则分别在5%、10%的水平上显著；最后，东中部地区能源效率(EE)对环境污染的影响方向在空间上保持一致，且均通过了显著性水平检验。

4 结论与启示

本文以我国2004—2017年省际数据为研究样本，借助空间自回归动态模型和空间动态杜宾模型等，对城市人口空间结构与环境污染进行分析。结论如下：(1)帕累托系数结果显示，我国整体的城市人口空间特征趋向集中化、单一化发展，且存在区域差异性；(2)空间动态自回归模型结果表明较为单一化、大城市化集聚发展的城市空间结构将会加剧地区环境破坏，空间杜宾模型估计进一步证实了上述结果的稳健性，并说明了两者之间存在空间溢出性，相邻地区的城市空间结构分布越集中，越不利于本地区环境质量的改善；(3)分区域检验结果表明，东、中部地区的城市空间结构均对环境产生了不利的影响，且中部的环境污染强度远远高于东部地区。

上述研究结果可以得出以下发展启示：(1)积极推进中小城市化的规模建设。随着网络信息化的迅速普及及交通运输建建筑设施的逐步完善，大城市或者说首位城市的发展集聚加快，其对周围城市的掠夺效应不断加强，在使得人口、资源、技术等生产要素迅速集聚的同时，削弱了周围城市的发展实力，并带来的相应的发展弊端，如环境污染、资源短缺等。因此，要响应国家积极建设中小城市的号召，平衡地区内大中小城市的规模分布结构，实现地区内城市间经济及环境的均衡发展。(2)建立大城市资源有效输出系统。地区的中心城市往往集聚了丰富的人力、物力、财力等无形资产，政府或企业可以通过设置人才的流动调配、人才引进等鼓励政策，吸引更多的人力资本及资金支持等流向中小城市。(3)优化城市化进程中人口流向的空间分布。在城市化的发展进程中，人们往往会盲目涌入中心城市，导致地区人口集聚效应显著。政府应积极疏导城镇化进程人口的流向，控制中心城市或首位城市的人口数量，合理发展大城市，鼓励中小城市人才流入等。(4)加强中西部地区的基础设施建设及政策支持。中西部的城市化规模结构相对单一，且产业结构及能源强度的空间溢出效应相对不足，因而亟需要加强区域内部之间的信息化基础设施建设，加强中西部的人才政策支持。