长三角城市群环境污染空间关联影响因素研究——基于QAP 回归技术

胡 振，刘倩倩，刘 华

（1.西安建筑科技大学 公共管理学院，陕西 西安 710055；2.上海师范大学 旅游学院，上海 201234）

一、引言

2019 年12 月，国务院印发《长江三角洲区域一体化发展规划纲要》（以下简称《纲要》），《纲要》中明确提到：加强生态空间共保，推动环境协同治理，夯实绿色发展生态本底，努力建设绿色美丽长三角。近年来，长三角地区的生态环境问题一直备受重视，对于环境污染的治理力度不断加大。根据我国生态环境部公布的《2019 年中国生态环境状况公报》显示，我国长三角区域41 个城市优良天数比例范围为56.5%～98.1%，平均为76.5%，平均污染超标天数比例为23.5%，以PM2.5、PM10和NO2为首要污染物排放。由此可见，长三角环境污染态势依旧较为严峻，环境污染治理仍面临巨大的挑战。与此同时，环境污染的流动性、无界性等特征，使得各城市间环境污染存在着复杂的空间关联关系，需要长三角地区的生态环境治理成为一个有机“整体”。为此，研究长三角环境污染空间关联驱动因素对降低长三角区域环境污染水平，提升区域环境质量是非常必要的。

有关区域环境治理方面的研究，长期以来都是国内外学者关注的焦点。在我国环境污染不仅表现出明显的地区空间集聚现象，还体现出跨区域与非跨区域之间的显著动态惯性[1]。袁晓玲等（2019）[2]从污染和吸收视角研究中国环境质量的影响因素和空间效应，发现我国环境质量的空间集聚特征明显。Wang 和Zhou（2021）[3]考虑了环境污染的空间效应，同时纳入经济外部性的作用，利用空间杜宾模型来检验空间依赖性存在的边际效应。罗能生和蒋雨晴（2017）[4]分析了地方政府的生产性财政支出竞争、对外开放对环境污染的影响，结果发现城市间的环境污染在空间上存在着明显的正向关联。此外，现有学者还分别将生产性服务业集聚[5]、外商直接投资[6]、产业发展[7]以及企业技术创新[8]等方面与环境污染治理相联系，为区域环境治理提供解决方案。在研究方法上，王会芝等（2020）[9]运用探索性空间数据分析法和标准偏差椭圆方法，分析了京津冀雾霾污染的空间关联特征和空间重心转移轨迹，测算了京津冀雾霾污染的驱动影响因素。李金叶和于洋（2020）[10]运用指数分解法（IDA）和产品分解法（PDA）对碳排放的驱动因素进行分析和测算。陈祖海和雷朱家华（2015）[11]运用EKC 模型、Moran's I 指数等方法探讨中国环境污染变动的时空特征，对污染排放的经济因素进行分解发现不同地区的经济效应影响程度也有所区别。伴随着快速推进的城市化进程，各城市间的联系愈发密切，城市成为环境污染的主要载体，若寻求地区整体环境质量的提升，任何城市都无法做到“独善其身”。为此，有学者将QAP回归技术（二次指派程序）和复杂网络分析相结合，提出一种新的QAP 加权网络分析方法[12]，为跨域环境污染治理提供了新的研究方向。逯苗苗和孙涛（2017）[13]、刘华军等（2017）[14]学者分别构建相应的QAP 加权网络，并对区域雾霾污染的空间关联展开研究，前者发现PM2.5的空间关联是导致雾霾污染在空间上相互关联的最主要因素，后者验证了环保支出、尾气排放、烟尘颗粒等因素对雾霾污染的空间网络结构具有显著影响。Lee 等（2018）[15]研究环境政策治理中信息共享与资源共享网络的关系，解释了行动者之间如何通过互动创造网络，以及该网络如何作用于环境治理。童磊和王运鹏（2020）[16]运用该方法研究碳排放空间关联的驱动因素，结果得出能源结构、地理位置、对外开放和经济水平等因素影响碳排放的空间关联性。以上文献研究，对跨域环境污染治理研究具有重要贡献，但是仍存在不足之处。一方面，学者们一般采用常见的空间计量模型如空间杜宾模型、空间误差模型、空间滞后模型等方法过于考虑时间对环境污染的空间滞后影响，忽视了对地区环境污染空间关联程度影响的重要性；另一方面，学者们对环境污染影响因素研究中较少关注地区环境污染空间关联的原因，未能较为全面地揭示地区环境污染空间关联的驱动机理。

因此，基于上述背景，本研究以长三角城市群作为研究区域，利用熵值法在综合环境污染指标的基础上，构建修正引力模型得到环境污染空间关联网络矩阵，并利用QAP 回归方法对长三角地区环境污染空间关联的驱动因素进行深入研究，通过各变量“关系”之间的相关性，考察驱动因素对环境污染空间关联的作用及影响，为促进长三角生态环境协同发展提供对策及建议。

二、研究方法

（一）数据来源

本研究以长三角地区26 个核心城市为研究对象（见表1），选取2009—2018 年为样本考察期，所需指标数据均来自长三角地区各省市相应时期的《统计年鉴》以及《中国城市统计年鉴》。部分缺失数据采用SPSS 25.0 软件中的线性插值法补齐。为考虑通胀预期带来的影响，最终选择以2009 年地区生产总值GDP 为基期，并利用上一年GDP 指数计算出相应年份GDP 的真实值。

表1 长三角城市群研究区域

（二）修正引力模型

引力模型是以牛顿经典力学中的万有引力公式为基础，用于测度空间相互作用程度的模型。当前重构的修正引力模型已被广泛拓展到诸多领域，可用来测算城市间各种空间关联关系，如协同创新空间联系[17-18]、雾霾污染空间联系[19]等。与其他的空间计量方法相比，引力模型不用考虑时间滞后对环境污染的影响，因而测度的环境污染空间关联性更为准确。经典引力模型的形式为：

因此，基于经典引力模型（1）并参考逯苗苗和孙涛（2017）[13]、Song 等（2018）[20]的重构引力模型做法，构建出测度长三角城市群环境污染空间联系的修正引力模型，公式如下：

其中，Tij为i、j 城市环境污染的空间引力联系，Pi、Pj为各城市全年公共汽（电）车客运总量（万人次），该指标不同于以往衡量城市人口的年末人口数指标，这里借助公共汽（电）车客运总量能够更灵活地判别城市人口活动情况。Ei、Ej为i、j 城市的环境污染评价指数，以此表征长三角各城市的环境污染水平。在以往环境污染评价研究中，学者大多选取碳排放、二氧化硫等单一的污染排放指标作为衡量环境污染标准[21]，或采取综合评价因子方式，如选取水和大气污染的评价因子来得到环境污染评价指标[22]或多指标地简单相加汇总[23]。当前城市环境污染主要以工业污染排放为主要源头，工业污染排放量占我国整体环境污染排放的70%以上。由于上述环境污染指标的选取和测算尚存在局限，未能较为准确地测度地区环境污染水平。为此，选取长三角城市群常见的工业污染排放指标如工业废水排放量、工业二氧化硫排放量、工业烟（粉）尘排放量等指标衡量长三角地区的环境污染水平更为准确，并运用熵值法综合上述指标的单位产值排放量构建出环境污染评价指标。Gi、Gj为i、j 城市的地区生产总值，代表地区经济发展水平。Kij为i、j 城市对环境污染空间引力联系Tij的贡献率。

由式（2）修正引力模型的测算结果得到长三角城市群环境污染空间关联网络矩阵，然后求取环境污染空间关联矩阵中各行平均值，若所得数值大于所在行平均值，那么标记为“1”，表示城市间存在环境污染空间联系。反之，则将该数值标记为“0”，表示城市间不存在环境污染空间关联。以此构建出26×26 的0～1 二值环境污染空间网络结构矩阵。

（三）QAP 模型

QAP 模型是基于社会网络分析视角下，用来测量不同“关系”数据之间存在某种空间相互作用的方法，该模型数据均为矩阵形式。QAP 回归技术不同于一般的统计方法，如常见的多元回归分析方法，在面临多重共线性问题时尚存在一定局限，重点强调变量之间需相互独立。QAP 方法主要以变量之间的“关系”为研究基础，以矩阵网络作为解释变量和被解释变量，因而更适用于分析环境污染空间关联的影响因素研究。若变量间不存在自相关，自相关结构则呈现系数为Km、Kn 的单调函数，模型数据的一般表现形式为：

当模型产生自相关时的数据表现形式为：

其他的随机变量均独立地服从N（0，1）分布。而Km和Kn则分别代表各矩阵行和列之间的自相关系数，Kij则表示每次统计检验中的随机项系数。在完整的QAP 方法计算中，同样需满足上述条件，Km表示为整体的自相关系数。若Km为0，则该模型中各矩阵不存在自相关关系，若Km为1，则该模型中各矩阵间可能存在自相关关系。综合以往文献研究，学者们对环境污染空间关联设定的常见解释变量有能源强度、对外开放水平、空间地理距离、城市化水平、产业结构等[4-8]。同时，考虑数据的可获得性，重点选取选取区域地理位置、经济发展水平差异、人口密度差异、科技水平差异、产业结构差异和对外开放水平差异等作为长三角城市群环境污染的影响因素，纳入QAP 回归模型，如表2 所示。其基本的QAP 模型设定如下：

表2 环境污染空间关联影响因素与变量说明

得到如下QAP 加权网络回归方程：

其中，T 为长三角城市群环境污染空间关联矩阵，这里作为被解释变量，GD 为地理邻接矩阵，矩阵元素中若城市间地理位置邻近则记为“1”，若城市不相邻则记为“0”。IS 为产业结构差异矩阵，产业结构是以第二产业所占GDP 比重进行衡量。TL 为科技支出差异矩阵，科技水平主要以地区“科技支出/财政支出”的比例进行测度。PD 为人口密度差异矩阵，人口密度由地区“年末人口数/行政国土面积”来表征。EC 为经济发展水平差异矩阵，经济发展水平由各地区人均GDP 来表征。OL 为对外开放水平差异矩阵，对外开放水平是以进出口总额占地区生产总值的比重进行衡量。

由于平均值可以用来反映一组数据发展变化的集中趋势，因此，该模型数据除CD 指标外，均先由长三角地区26 个核心城市各指标在2009—2018年考察期的平均值计算得出，然后利用平均值计算出的绝对差异构建相应的差异矩阵，矩阵单元格数值表示为各指标在长三角地区各城市间的绝对差值，数据形式为Xij=|xi-xj|。由于上述各指标之间存在不同的量纲，为此需将上述指标矩阵进行相应的标准化处理，公式为y=（xi-xmin）/（xmax-xmin），以消除量纲对矩阵回归结果的影响。

三、长三角城市群环境污染空间关联的影响因素分析

在QAP 回归技术中，所有变量矩阵间的行和列经历数次置换后，获取新的回归结果可得出各变量矩阵之间的相关性，得到假设检验的统计量。然后通过置换后的实际估计值来检验各变量矩阵的关联关系是否显著。常用的QAP 回归分析方法主要包括以下三种：一、矩阵相关分析（QAP correlation）；二、矩阵Logistic 回归分析（即LR-QAP）；三、矩阵多元回归分析（即MR-QAP），通常以MR-QAP 和LR-QAP 的分析结果是否一致，来确保实证结果的稳健性。同时，以下三种回归方法均通过Ucinet 6.645软件，设置10 000 次随机置换结果得出。

（一）基于QAP 相关性分析

QAP 相关分析方法这里主要用来检验长三角城市群环境污染空间关联与上述因素之间的相关关系，相关系数的大小能够反映该变量与环境污染空间网络结构的关联程度。本文利用UCINET 6.645软件中的QAP 相关分析模块进行检验，分析结果如表3 所示。

表3 QAP 相关分析结果

由表3 可知，在长三角地区地理位置和人口密度与环境污染空间关联关系的相关系数在1%水平上显著为0，地理位置的相关系数较高为0.474，人口密度的相关系数为0.269，说明城市间的人口规模和地理距离的远近与环境污染空间关联关系具有很强的相关性。城市间地理位置越邻近，各种贸易往来越密切，人口流动更为频繁，进而加剧了环境污染的空间联系。经济发展水平与环境污染的空间关联关系的相关系数为0.144，且在5%水平上显著，同样呈正相关关系。说明伴随着城市化水平的快速提升，城市群内的经济发展水平距离不断拉大，的确给城市环境造成负面影响，使得城市群环境污染的空间关联性不断增强。产业结构差异、科技支出差异和对外开放水平差异与环境污染空间关联的相关系数相对较低，而且相关分析结果并不显著，说明产业结构和科技支出与环境污染的空间关联之间并没有显著的相关关系，可能在于科技水平的高低、产业结构的转型和对外开放程度并不显著影响城市之间环境污染的关联关系。此外，本文进一步对其影响因素之间的关联性，同样进行了QAP 技术分析（见表4）。

表4 影响因素的相关性分析结果

根据表4 可知，对外开放水平与经济发展水平、人口密度以及产业结构之间存在较强的空间关联关系，同时，经济发展水平与科技支出之间也存在显著的相关性。由此可见，以上几种因素之间存在明显的多重共线性问题，证实常规的线性回归方法易造成研究误差。因此，使用QAP 回归方法能够有效避免上述问题，并能得到较为准确的回归结果。

（二）基于MR-QAP 回归分析

MR-QAP 回归分析方法，在社会网络分析方法中主要用来测度因变量矩阵与自变量矩阵因果关系的一种具有代表性的多元回归分析假设检验方法。本文利用该方法对长三角城市群环境污染空间关联影响因素展开深入研究，最终结果如表5 所示，可根据回归系数、可决系数R2和显著性水平等分别进行判断。

表5 MR-QAP 回归分析结果

根据MR-QAP 回归分析结果显示：经过10 000次随机置换，得出调整后的R2为0.335，回归结果较为理想。这说明科技水平差异、人口密度差异、产业结构差异、对外开放水平差异和经济发展水平差异所构建的差异矩阵能够有效解释长三角城市群环境污染空间关联关系的33.5%。其中，由地理邻接矩阵代表的地理位置，所得到的回归系数为0.491，位于1%水平上显著，体现出不同地区间空间距离越相近，越容易受到周围环境污染溢出效应的影响。人口密度差异矩阵的标准化回归系数为0.321位于1%水平上显著，说明城市间人口密度差异与环境污染空间结构网络呈正相关，人口密度过高必然会给该地区环境质量带来巨大的压力。经济发展水平差异矩阵调整后的标准化系数为0.124，位于1%的水平上显著，这同样对环境库兹涅茨理论进行了验证。在城市的中前期发展过程中，经济的快速提升必然会给城市生态环境带来一定的负面影响。产业结构差异、对外开放水平差异和科技水平差异的标准化回归系数分别为-0.018、-0.067 和0.067，且回归分析结果并不显著。说明此时科技支出、产业结构和对外开放水平并不能成为当前长三角城市群环境污染空间关联的主要驱动因素。

（三）基于LR-QAP 回归分析

LR-QAP 回归分析方法是用于测度矩阵数据的Logistic 回归分析，在社会网络分析方法中并不常用，这里使用该方法主要目的为保证QAP 回归结果的稳健性。若LR-QAP 回归结果与MR-QAP 回归结果保持一致，则表示实验结果是稳健的，反之亦然。

表6 LR-QAP 回归分析结果

根据LR-QAP 回归分析结果显示：经过10 000次随机置换后，得到的可决系数R2为0.375，回归结果同样较为理想。说明以上变量间的关系矩阵可解释长三角城市群环境污染空间关联关系的37.5%，地理邻近矩阵、人口密度差异均通过了1%水平的显著性检验，对长三角城市群环境污染的空间关联关系具有重要影响。经济发展水平差异矩阵同样通过显著性检验，并位于10%水平显著。据此以上三个指标，与长三角城市群环境污染空间关联呈现显著的正相关关系。另外，虽然产业结构和对外开放水平与长三角城市群环境污染空间关联呈负相关，同科技水平呈正相关关系，但是均没有通过显著性检验。这与上述的MR-QAP 回归分析结果是一致的，最终证明该实验结果是稳健的。

四、研究结论

（1）在QAP 相关分析结果中，可以看出长三角城市群的地理位置差异、人口密度差异和经济发展水平差异与长三角城市群环境污染空间关联均呈显著的正相关关系。同时，也说明地理距离、人口密度及经济发展水平均在一定程度上加剧地区环境污染。产业结构差异、科技水平差异及对外开放水平差异对环境污染空间关联的影响较小，且结果并不显著。

（2）MR-QAP 回归分析和LR-QAP 回归分析结果保持一致，证实长三角城市群环境污染空间关联的影响因素研究中实证结果是相对稳健的。经济发展水平、地理位置和人口密度等方面差异越大，越会加剧长三角城市群环境污染的空间关联，成为长三角城市群环境污染空间关联的重要影响因素。地理位置邻近关系主要体现为环境污染存在的溢出效应，城市地理距离越相近，在交通、信息及文化交流等方面联系便越为密切。人口密度差异可表现为城市人口规模的大小，人口密度越高随之而来的公共环境问题也就越多，诸如生活垃圾、交通拥挤、企业和工厂的数量增加等。经济发展水平差异可体现为技术的先进水平、产业模式和资金投入力度等方面。从而使得长三角城市群整体的环境污染愈加严重，均不利于长三角实现生态环境协同发展，同时也会阻碍长三角地区实现全方位一体化进程。

五、对策建议

以上结论，均验证地理位置、经济发展水平、人口密度对环境污染空间关联的影响，为更好地降低长三角地区的环境污染水平，加强长三角区域环境协同治理，促进长三角生态一体化，需充分把握环境污染空间关联驱动因素的影响，为此，本文提出以下建议：

（1）从地理位置因素来看，长三角城市群环境污染具有明显的空间外溢特征。为此，长三角城市群应遵循环境协同治理理念，加强生态环境协同治理力度，可依据地理位置，建立相应的地方性环境污染联防联控机制。为避免出现环境污染集聚现象，地方政府还需制定统一的环境污染排放标准，并以政策的形式鼓励企业降低污染排放，寻求技术改进。

（2）人口密度作为长三角环境污染空间关联主要影响因素之一，对环境污染空间关联具有重要影响，这对各城市的人口流动提出了挑战。因而，为改善长三角城市群环境污染需协调城市化水平，合理把控发达城市的人口规模，同时，加强相对落后城市的人才引进力度。还需增强公民“环保意识”，倡导低碳生活，减少生活垃圾。

（3）经济发展水平差异是拉开长三角城市群环境污染差异的关键因素。一方面，政府在长期规划上还需持续加强城市间各生产要素的流动，以及城市间的经济互动，以此缩小城市群经济发展水平差异；另一方面，需持续完善生态补偿机制建设，形成“互帮互助”的环境污染治理格局，加大对环境污染严重地区的环境治理投入，确保地区生态环境协同发展。

（4）产业结构、对外开放水平和科技水平虽然对环境污染空间关联没有产生显著影响，也应有所关注，从多方面为提升长三角地区整体环境质量而努力。在加大对外开放水平的同时，政府还需设定严格的外资企业引进标准，杜绝为寻求资金来源引入高污染和高能耗产业，并限制外资企业的污染排放。当前长三角城市群内对外开放力度和科技水平还具有较大差异，为此，经济发达地区还需扩大自身辐射力度，积极加强与相对落后地区的信息技术沟通与交流，适当调整地区产业结构，以促进区域发展互利共赢。