碳交易政策对我国大气污染的协同减排有效性研究

赵立祥 赵 蓉 张雪薇

一 问题提出及文献综述

随着中国工业化和城市化的快速推进，近年来全国范围内压缩性、复合型大气污染等环境问题也明显突出。为应对严峻的大气污染排放，我国实行了以排污权、碳交易等为代表的市场化规制手段来改善现状。2013年以来，我国先后启动包括深圳、上海、北京、广州、天津、湖北、重庆、福建8个省(市)在内的区域性碳交易试点，以提升环境改善效率和政策灵活性。由此提出的一个问题是：起步较晚、尚处于试点运行阶段的碳交易政策是否实现了对于包括碳排放、雾霾、二氧化硫等大气污染的协同减排效应。

碳交易制度以及排污权机制减排效果是当前学者们关注的一个重点。一些学者利用模拟方法对碳交易政策的影响进行测算。崔连标等(2013)[1]运用CGE方法分别构建无碳交易市场、六个试点碳市场以及全国范围内实施碳交易三类模型，结果表明国家付出的减排成本在三种情境下会依次减少，同时证明了碳交易政策对于碳减排的有效性。类似地，吴洁等(2015)[2]、孙睿等(2014)[3]、Tang et al.(2015)[4]、谭秀杰等(2016)[5]均利用模拟方法分析了构建碳交易体系对中国经济发展、产业结构等宏观领域的影响。Jeferson et al.(2013)[6]采用倍差法从微观角度发现排污权机制能够带来经济和环境的双赢互动。涂正革和谌仁俊(2015)[7]验证了二氧化硫排污权制度一定程度上缓解了当前二氧化硫排污无效率的问题，但未能产生经济增长与环境改善的波特效应。王倩和高翠云(2018)[8]、李广明和张维洁(2017)[9]、王文军等(2018)[10]运用双重差分模型，对中国碳排放权交易政策的环境红利、对经济发展的影响以及影响机制进行分析，发现中国在六个省份的碳交易试点对二氧化碳减排产生了显著的政策效应，实现了环境红利，一定程度上能够缓解环境污染与经济发展的矛盾。Fan et al.(2019)[11]利用MDF分析方法研究发现，碳交易试点市场普遍缺乏效率且在逐步改善之中，碳交易试点的无效率值短期内与市场活动正相关，长期来看与市场活动负相关。

已有文献通过实证研究证明碳交易制度对碳排放确实产生一定抑制作用，但碳交易政策对其他污染物的协同减排影响研究仍存在不足。煤炭和石油等化石能源的消费不仅带来温室气体，其所产生的污染物也是造成其他大气污染的主要原因。大气污染的减排从协同效应看是相辅相成、同根同源的。本文延伸已有对单一要素的检验研究，将不同大气污染物纳入统一的研究框架，尝试回答碳交易政策对不同污染物的减排效果差异和作用机制问题。具体研究内容包括：(1)运用双重差分法对碳交易政策的减排效果进行分析，为保证结果的可靠性，使用倾向性匹配双重差分法以及分位数双重差分法加以验证。(2)采用静态和动态空间杜宾模型对影响碳排放、雾霾和二氧化硫等大气污染的因素进行时间-空间、系统全面的分析。(3)验证能源强度和技术进步的中介效应，论证利用碳交易政策实现大气污染减排的作用机制。

二 大气污染影响因素模型设定与变量说明

本文基于STIRPAT模型(Dietz和Rosa，1994)[12]，参考韩峰和谢锐(2017)[13]、蔡海亚和徐盈之(2018)[14]等的研究，结合研究重点构建如下大气污染排放影响因素的基础模型：

lnIij(lnsmogij/lnSO2ij)=lnα+β1lnPGDPij+β2(lnPGDPij)2+β3lnRDij+

θ1lnER1ij+θ2lnER2ij+λ1lnFDIij+λ3lnEEij+lnμ

(1)

其中，I代表碳排放水平，smog代表雾霾排放水平，SO2代表二氧化硫排放水平，为本文的被解释变量。

表1 各类能源的折标系数和碳排放系数

雾霾污染：用30个省(市、自治区)PM2.5的年均浓度取对数进行表征。参照邵帅等(2016)[15]的研究，该数据来源于由哥伦比亚大学、耶鲁大学以及巴特尔研究所相关研究人员利用卫星搭载设备对全球气溶胶光学厚度(AOD)进行测定得到的PM2.5均值(1)数据来源：https://sedac.ciesin.columbia.edu/data/set/sdei-global-annual-gwr-pm2-5-modis-misr-seawifs-aod/data-download。，具有较高的可信度。由于数据仅更新至2016年，本文运用指数平滑法预测得出2017年的PM2.5浓度。

二氧化硫污染：用30个省级地区二氧化硫的绝对排放量取对数表征。

解释变量说明：

(1)政府环境规制行为(ER1)。参考余长林和高宏建(2015)[16]的研究方法，本文选用各地区工业污染治理投资额与该地区工业增加值的比值作为衡量政府环境规制强度的指标。

(2)市场化环境规制行为(ER2)。参照张博和韩复龄(2017)[17]的研究方法，本文选取各省份排污费用与该地区工业增加值的比值作为衡量市场化环境规制强度的指标，用以2006年为基期的消费价格指数进行折算处理。

(3)实际人均收入(PGDP)，用各地区人均收入水平来测度经济发展水平。本文引入lnPGDP的平方项用以测度经济增长对于大气污染的影响是否具有“倒U型”特征，以检验“环境库兹涅茨”曲线假说。预期lnPGDP的系数符号为正，二次项的系数符号为负。同时采用卫星监测的夜间灯光数据(SL)作为经济增长的代理变量进行稳健性检验。

(4)科技进步水平(RD)，用R&D投资额与GDP比值代表。根据已有研究，技术进步对我国大气污染减排具有促进作用，运用节能减排技术是减少碳排放、雾霾等的重要手段，研发投入力度的增强能够带来节能减排、污染物处理技术的创新，进而提高能源利用率，减少污染排放量，预期系数为负。

(5)能源强度(EE)，用能源使用量与GDP比值代表。能源强度越小，表明效率越高，大气污染排放量越少，预期系数为正。

(6)外商直接投资(FDI)，用外商直接投资与GDP比值代表。外商投资对于碳排放影响也是双向的，引进国外环境友好型技术会减少碳排放，而资源密集型和劳动密集型产业的转移会带来碳排放的增加。我国现阶段以后者为主，预期系数为正。

(8)虚拟变量(D)，综合考虑时间和地区效应。本文加入表示实施碳交易政策和未实施碳交易政策的时间和区域虚拟变量，实施对应的虚拟变量赋值为1，未实施赋值为0。

本文研究样本为除港澳台和西藏(大量数据缺失)四地外2007-2017年全国30个省级地区，所用数据主要来自2008-2018年《中国统计年鉴》、《中国能源统计年鉴》、《中国环境统计年鉴》、中国统计局、中国人民银行官方网站。

三 实证分析

(一)双重差分法

1.双重差分法(DID)是评估政策实施效果的标准模型，可将实验中的变量分为处理组和对照组，通过对两组变量的系统性差异进行控制，分析受到政策冲击后的处理组所发生的变动，因此可用于碳交易政策污染减排影响的评价。影响主要分两部分：一是伴随时间变动或经济发展所形成的“时间效应”，二是碳交易政策实施引起的“政策处理效应”。碳交易试点政策的通知于2011年底发布，试点市场在2013年正式开始交易，包括深圳、上海、北京、广州、天津、湖北、重庆7地(2)由于福建省2017年才加入试点，因此本文未将其加入讨论。。因此，本文将2013年设立试点市场的城市定义为实验组，非试点城市定义为控制组。由于政策实行时间较晚，实验数据样本较少，本文的碳交易政策效应均是相对短期影响。

DID模型构建如下：首先是确定实验组和控制组两组虚拟变量，实验组为碳交易政策试点城市，定义为1；控制组为非试点城市，定义为0。其次是政策时间虚拟变量。2013年及之后定义为1，之前定义为0。根据上述分析，本文基于DID方法的回归模型设定如下：

(2)

回归结果见表2，列(1)和列(4)、列(2)和列(5)、列(3)和列(6)分别为实行碳交易政策对碳排放、雾霾、二氧化硫排放量的影响。所有估计结果表明，无论是否加入控制变量，对各项污染指标的影响均显著为负，表明碳交易政策的实行显著降低了城市大气环境污染。其中，对二氧化硫的减排影响最大，其次为雾霾和碳排放，分别为-0.679%、-0.422%和-0.375%，切实带来了环境红利。说明碳交易政策试点的推行会影响企业的污染物排放决策机制，通过倒逼能源消费结构调整、技术进步等手段减少能源消费总量，降低污染物排放水平，对于扭转我国粗放式发展模式具有重要意义。

表2 DID基础模型回归结果

注：***、**、* 分别代表在1%、5%和10%水平下显著。

上述分析描述了平均意义的因果关系，未能反映不同条件分布位置上解释变量的影响程度。为更清晰地看出碳交易政策对于不同污染水平的影响程度，本文运用分位数双重差分法作更细致的剖析，使回归结果更具解释力。表3结果显示：在不同分位数上，碳交易政策对三类污染的积极影响均表现为逐步递减，在高分位小幅回升的态势，表明碳交易政策在0.6～0.8分位段的环境红利效应较显著，而这部分样本基本集中在广东、浙江、安徽、江苏等东南沿海地区。表明碳交易政策在处于工业水平相对发达，且市场化程度相对较高的地区更有效。而对于处于工业化中期，能源资源需求较大的地区，碳交易政策的环境红利效应相对被弱化。

表3 分位数双重差分法回归结果

注：***、**、* 分别代表在1%、5%和10%水平下显著。

2.PSM-DID结果分析

考虑到中国不同区域间发展具有较大异质性，在运用DID方法前应使实验组和控制组样本在各方面特征上尽可能相似。也就是说选择与实验组特征尽可能相似的未实行碳交易政策的城市作为控制组。针对这一问题，可运用倾向得分匹配法(Propensity Score Matching，PSM)来消除样本选择偏差。由此，本文最终采取PSM-DID方法进行检验，更准确地评估碳交易政策对于降低大气污染的效应。由表4可知，碳交易政策对碳排放、雾霾污染和二氧化硫排放的影响均显著为负，排放量分别减少了0.565%、0.562%和0.821%。PSM-DID的估计结果与前文DID的结果无显著差异，且显著性高于DID方法，进一步证明了上文结论的准确性，说明碳交易政策确实可以缓解大气环境污染。在分析过程中，还用夜间灯光数据(SL)表征经济发展水平，进行稳健性检验，结果与上述分析保持一致。

表4 PSM-DID回归结果

注：***、**、* 分别代表在1%、5%和10%水平下显著。

(二)空间计量方法

大气污染作为经济发展过程中的外部性因素，会经由生产要素的流动进行空间转移，所以有必要对三种大气污染物的空间关联性进行分析。本文构建空间计量模型，从静态和动态视角分析碳交易政策对于碳排放、雾霾、二氧化硫等大气污染的时空效应。静态模型设定如下：

(3)

动态空间面板模型一定程度上可以规避内生性问题，估计结果更具解释性和说服力。构建的动态空间模型如下：

(4)

其中，i和t分别表示地区和时间，εit表示残差，μi、vt分别表示区域和时间效应，W代表空间权重矩阵，X代表核心解释变量和控制变量。

本文运用Moran’s I指数对碳排放、雾霾、二氧化硫全局空间相关性进行检验分析，公式如下：

(5)

Moran’s I指数测度区域内二氧化碳、雾霾和二氧化硫排放的总体相关程度，取值范围为-1到1，当该指数大于0时，表明区域间排放具有正相关性，小于0则是负相关；若该指数接近0，则表明不存在相关性。式(5)中，X代表排放量，n为所选区域数量，W为空间权重矩阵。本文选择的空间权重为地理空间相邻的0-1矩阵W1、经济距离权重矩阵W2以及地理距离矩阵W3。

受篇幅所限，表5仅列示了在相邻矩阵条件下的2007、2009、2011、2013、2015和2017年空间相关性检验结果。结果显示，30个地区的Moran’s I指数均通过了10%水平下的显著性检验，表明各地区之间的各类污染排放具有正向的空间相关性。

表5 2007-2017年各类污染排放的Moran’s I指数

关于固定效应还是随机效应模型的选择，Elhorst(2005)[19]认为，相对于随机效应模型，固定效应模型结果更为稳健，而且计算过程更为简单。同时，经过霍斯曼检验，P值为0.0003，强烈拒绝了原假设。因此本文使用固定效应模型进行分析。且对所选变量进行共线性检验，结果表明所有变量的方差膨胀因子(VIF)均小于10，即变量之间不存在多重共线性。

在权重矩阵的有效性方面，根据核心解释变量的回归系数、R2判断以及Log-l值，W2条件下的回归结果最优。因此表6为在经济权重矩阵(W2)条件下空间杜宾模型的估计结果。从时空滞后效应来看，三种大气污染物滞后一期变量的回归系数均显著为正，表明当期污染排放量确实会受到上一期的影响，具有时间惯性。关于空间溢出效应，静态模型中ρ值在10%水平下显著为正，表明省际间的大气污染具有明显的空间溢出效应和扩散效应。从污染物类型来说，基本上碳排放与二氧化硫的影响保持一致，而雾霾的形成受季节性采暖、天气条件等多重因素影响，地域性集聚特征较明显，表现出一定差异性。

表6 空间杜宾模型回归结果

(续上表)

变量固定效应碳排放雾霾二氧化硫静态杜宾碳排放雾霾二氧化硫动态杜宾碳排放雾霾二氧化硫R20.978 0.315 0.612 0.184 0.009 0.197 0.349 0.791 0.571 Log-L777.1336337.986292.7033759.1851316.7996-264.8570个体/时间固定是是是是是是是是是

注：***、**、* 分别代表在1%、5%和10%水平下显著。

本文还在模型中加入了行政环境规制手段以及市场环境规制手段与是否实施碳交易政策这一虚拟变量的交叉项(ER1*D,ER2*D)，用以分析碳交易政策对大气污染的间接性影响差异。表6显示，三类大气污染的ER1*D回归系数为负，表明实施碳交易政策地区政府管制行为的影响要小于未实施地区，随着碳交易政策的推行，政府规制行为的力度必将弱化，起到了有益的补充作用。三类大气污染的ER2*D回归系数为正，表明实施碳交易政策地区市场规制行为的影响要大于未实施地区，由于试点地区的市场化水平相对较高，市场化手段可以充分发挥效用。以上结论既表明专项治理的有效性，也表明在我国各地区不同类型的环境规制手段能够相互补充。

政府环境规制对大气污染的静态影响仅有碳排放为负值，系数绝对值均小于0.1%，没有产生显著的减排效应；对雾霾和二氧化硫的影响均显示为促增效应。一方面表明政府在环境治理方面的投入力度仍然有限，产业规模扩张效应要远大于减排措施所带来大气污染的下降；另一方面可能由于不同时期环境规制所要求实现减排或者加入到约束性考核体系的指标不一样，本文所选的治污投入主要针对工业污染排放，不属于该地区政绩考核的约束指标，缺乏一定的减排激励，由此表明环境规制作为一种非市场决策的公共选择行为会存在失灵的现象，这为今后由政府主导的环境治理改革提供了思路。在动态模型中，政府环境规制对三类大气污染均表现为积极的减排效应，其中，对碳排放和二氧化硫的影响显著，对雾霾的影响不显著，表明政府行政命令式的环境规制行为具有一定时滞。

传统市场化环境规制行为对大气污染未表现出显著的减排效应，但在动态模型中系数均为负且通过了10%置信水平下的显著性检验，表明经济主体对市场化工具的反应存在时滞。这种利用市场机制设计的,旨在借助市场信号来引导企业排污的政策使受约束主体获得一定程度的自由选择权。在市场体系不健全时，无法有效地发挥作用。

人均收入与碳排放和二氧化硫这两类大气污染呈显著的正相关关系。表明总体上，经济水平的提升对大气污染表现为稳定的促增效应，存在经济高增长与环境治理领域绩效不佳并存的现象。而雾霾的回归系数为负值，表明雾霾污染的加重与经济增长并无直接的正相关性。二次方项中，仅有二氧化硫的系数为负值，与环境库兹涅茨曲线的结论保持一致。另外，加入夜间灯光数据(SL)作为经济增长的代理变量时，结论基本与前文保持一致。

技术进步的影响为负，但在动态角度为正值。因为技术进步在我国现阶段的生产过程中更多表现为对生产率的提升作用，效率的提高、能效的改进必然会引致生产规模的扩张，进而产生新的能源需求，使得效率提升所带来的减排效应被额外由能源价格下降或者生产率提升所带来的能源消费增长部分抵消，因而表现为长期内可能对大气污染产生促增效应，即所谓的“回弹效应”。

能源强度对三种大气污染表现为稳定且显著的正向影响，根据李永友和文云飞(2016)[20]的研究，能源强度的积极影响可以分为技术进步带来的效率提高和能源结构改善两部分，虽然我国近年所倡导的能源结构改革对于减少化石能源使用产生了积极影响，但是并未达到预期的减排效果，归根结底仍然是回弹效应。因此政府在提倡改善能源结构和能源效率的同时，也要采取相应的措施来限制回弹效应的产生，通过引导企业进行绿色生产技术的研发来达到绿色发展目标尤为重要。

外商直接投资对于碳排放和二氧化硫的影响系数均为负值，对雾霾则表现为不显著的促增效应，表明在我国 “污染避难所”的假定并不成立。究其原因可能有以下三点：首先，外商投资的增加有利于我国企业生产技术的改善和生产规模的扩大，从而为绿色技术推行提供可能性；二是跨国企业生产设备和技术的环境标准要求更加严苛，一定程度上会使我国污染排放下降；最后，随着我国政府由“唯GDP”考核制度向“绿色GDP”的转变，倒逼各级政府在招商引资时必须兼顾对环境的影响，提高准入门槛，从而实现环境的改善。

生产性服务业集聚带来了三类大气污染水平的下降。作为伴随着制造业生产方式转变而发展起来的服务业类型，生产性服务业具有技术创新和规模经济显著、生产率高、低能耗、低污染等特点，其集聚能够通过劳动分工的深化、产业价值链的延伸等途径实现绿色发展，具有一定减排效应。

(三)中介效应分析

我国的碳交易政策既然能够有效降低碳排放、雾霾以及二氧化硫的排放量，那么是通过什么途径来实现这种减排效应呢?现阶段，我国的大气污染主要来自于工业企业生产过程中的能源消耗，在碳交易政策的约束下，企业可能采取的减排措施主要有两种: 一是降低能源强度和能源消耗，具体手段包括减少产出、改善能源结构等方面(黄向岚，2018[21]；沈洪涛等，2017[22])。企业减少产量的措施将会促使能源消耗量下降，从而降低大气污染排放量。通过改善和优化能源消费结构，提升企业对天然气、水电、核电等清洁能源的使用比例，降低对煤炭、石油等化石能源的使用率，有利于降低污染排放。另一种方式是利用技术进步，提高企业能源的使用效率，从而实现能源消耗的减少和大气环境的改善。

为此，本文借鉴 Baron和Kenny(1986)[23]的中介效应模型，通过以下四个步骤对碳交易政策的中介效应进行分析。第一，考察碳交易政策对碳排放量(雾霾、二氧化硫)的影响，如果回归结果显著为负，则表明碳交易政策降低了污染排放；第二，用碳交易政策生成的虚拟变量对中介变量进行回归，本文将选取能源强度(EE)和技术进步(RD)作为中介变量，如果回归系数显著，说明碳排放交易政策会显著影响中介变量；第三，用中介变量对三类大气污染物排放进行回归，如果回归系数显著，说明中介变量对碳排放量(雾霾、二氧化硫)具有显著影响；第四，在上述三个步骤结果成立的基础上，把碳交易政策虚拟变量和中介变量同时放入模型中对碳排放量(雾霾、二氧化硫)进行回归，如果回归结果表明碳交易政策虚拟变量的估计系数变小或者显著性水平有所下降，那么就说明碳交易政策通过影响中介变量影响了碳排放量(雾霾、二氧化硫)。

1.能源强度的中介效应

下文将通过表7来分析碳排放权交易试点政策是否能通过降低能源强度进而实现减排效应。在列(1)中，碳交易政策虚拟变量D的回归系数显著为负，说明碳排放权交易试点政策对能源强度有显著的负向影响，即碳排放权交易试点政策能够有效降低能源强度。在列(2)中，能源强度的回归系数显著为正，表明能源强度大小和二氧化碳排放量存在着正相关关系。列(3)为同时包含了虚拟变量D和EE的回归结果，相比于基准模型中未纳入EE的回归结果，D的系数绝对值变小。说明存在降低能源强度这一中介效应，即碳排放权交易试点政策能够通过降低能源强度从而减少二氧化碳排放量。雾霾(列(4)、列(5))和二氧化硫(列(6)、列(7))的基准结果是-0.422和-0.697，同时加入虚拟变量D和EE之后变为-0.015和-0.213，同样符合上述结论。

表7 能源强度的中介效应分析结果

注：***、**、* 分别代表在1%、5%和10%水平下显著。

2.技术进步的中介效应

表8列(1)中，D的回归系数在5%的水平下显著为正，说明碳交易政策对技术进步具有显著正向影响，根据本文之前对技术进步的定义，即意味着碳交易政策能够有效促进技术创新，提升工业绿色生产技术的生产效率，促使其向低碳方向发展。在列(2)中，技术进步的回归系数为正，但未通过显著性检验，说明技术进步和二氧化碳排放量之间的关系比较模糊。列(3)同时包含了D和RD的回归结果中，相比于未纳入RD的回归结果，D的系数绝对值变小。说明可能存在中介效应，即碳排放权交易试点政策可能会通过技术进步实现二氧化碳排放量的下降。在雾霾污染中，技术进步和雾霾之间的关系则表现为显著的负相关性，表明随着技术进步的推动，雾霾的排放量在逐步下降。在列(5)中，D的系数绝对值变小，说明技术进步对雾霾污染的减少存在中介效应，即碳交易试点政策会通过推动技术进步而实现雾霾排放量的下降。对于二氧化硫污染，这一中介效应更加显著，由于二氧化硫污染基本源于工业生产过程，因此技术进步对于其绿色生产效率的提升作用尤为明显。

表8 技术进步的中介效应分析结果

注：***、**、* 分别代表在1%、5%和10%水平下显著。

通过上述分析发现两类中介效应对于大气污染减排的影响事实上是相辅相成的。首先，碳交易政策带来的企业排污成本上升会倒逼企业降低能源强度，淘汰部分粗放式发展以及使用传统高污染高耗能要素的企业，实现对于企业能源要素投入结构的改善和优化。此外，企业在降低能源强度的过程中，可以从产业结构合理化、高级化以及绿色经济发展等方面进行布局，发挥技术进步对降低能源消耗和大气污染的积极影响，由低污染排放的创新型企业先试先行，为传统污染行业的转型和生产方式的调整提供经验，使传统企业更有动力通过改善技术来节约经营成本。总之，能源强度下降和技术进步对于环境的红利会通过“倒逼效应”和“示范效应”来推动污染减排，实现绿色生产。

四 结论及启示

本文综合运用双重差分法和空间杜宾计量模型分析了碳交易政策对二氧化碳、雾霾和二氧化硫排放三类大气污染协同减排的影响，主要结论为：

1.运用双重差分法探究碳交易政策这种结合政府规制和市场行为的制度对于三类大气污染的减排影响，证明实行碳交易政策可以带来显著的环境红利。利用分位数双重差分方法得出了碳交易政策对处于后工业化阶段的经济发达地区和工业化水平落后的欠发达地区相对更有效的结论。

2.三类大气污染存在明显的空间相关性、空间溢出以及路径依赖效应。实施碳交易政策地区的政府规制行为的影响要小于未实施地区，随着碳交易政策的推行，政府规制行为力度被弱化，能够起到有益的补充作用。实施碳交易政策地区市场规制行为的影响要大于未实施地区，由于试点地区的市场化水平相对较高，市场化手段可以充分发挥效用。

3.最后分析了技术进步以及能源强度对大气污染减排的中介效应。结果表明在环境规制趋紧的现实条件下，技术进步会一定程度上促进企业节能技术、绿色环保技术的研发。从本质上可以提升企业能源使用效率，优化能源消费结构，从而实现能源强度的下降以及环境污染的改善。

在现有的环境规制手段中，政府主要以行政命令式的手段并辅以市场化手段来实现污染减排，不仅减排效果不明显，且容易成为地方政府吸引资金流的工具。碳交易制度作为一种兼具政府-市场特征的减排政策，是实现经济绿色发展的重要措施。所以，应加快完善碳交易制度，降低交易成本，提升交易效率，提高市场活跃度。通过上述结论可得，碳交易政策通过技术进步、能源强度的降低带来了污染减排效应，这对于实现能源消费结构的优化具有重要影响，可以改变我国过去传统粗放的发展方式，使“波特效应”得到强化。政府要因地制宜地引入高技术低能耗、附加值高、价值链长的现代高端制造业，便于高端生产性服务业的有效嵌入，实现服务业和制造业集聚的互动，以最大限度地发挥生产性服务业集聚对于环境的正外部性效应。由于大气污染存在空间上的集聚和溢出效应，有必要根据区域差异进行全局性规划，构建区域联防机制，统一规划，相互配合，形成控制污染排放的合力。