工业集聚对城市群环境效率的空间效应研究

□兰梓睿

一、引言

改革开放以来，伴随着新型工业化和城镇化的不断推进，我国工业依托于京津冀、长三角、珠三角城市群等经济发达地区持续发展壮大，形成一批集聚程度显著的工业集聚带。然而，工业集聚在提升产业效率、发挥规模经济等正向作用的同时，也产生日益严重的环境负外部性。例如：京津冀城市群等区域多次发生重度雾霾天气。理论上，工业集聚是降低环境质量的重要影响因素，工业集聚将对生态环境造成污染，但是工业集聚也将通过马歇尔和雅各布斯外部性方式对节能减排产生推动作用，提升区域环境质量，如地方政府对工业园区企业实施统一有效的环境规制政策，将产生环境治理的规模效应。因此，重新审视工业集聚与环境污染两者之间的关系，探析工业集聚空间溢出效应的作用机制，对于实现我国区域高质量经济发展和绿色发展具有深刻意义。

近年来，国内外关于产业集聚与环境污染关系的研究主要有三种观点。一种观点认为产业在空间上的集聚与规模扩张将加剧区域生态环境的恶化，对环境质量的改善会产生负外部性。如Verhoef 和Nijkamp（2002）基于欧洲城市面板数据，建立一般空间均衡模型验证产业集聚对欧洲城市的空气质量会产生负向效应。张可和汪东芳（2014）基于中国283 个地级及以上城市面板数据，构建空间联立方程模型，对我国经济集聚与环境污染相互作用进行研究，发现经济集聚不利于环境质量的改善。王兵和聂欣（2016）结合我国开发区工业企业数据，采用准自然实验方法发现短期时间内产业集聚对周边水环境会产生负向影响，不利于水环境质量的改善。另一种观点认为产业集聚将促进环保技术革新，降低区域环境治理成本，对环境质量的改善产生正外部性。如Lanjouw 和Mody（1996）研究发现产业集聚将产生环境治理的规模经济，提升环境治理效率。陆铭和冯皓（2014）采用中国省级行政区面板数据研究经济集聚与工业污染排放强度关系，发现经济集聚对单位GDP 工业污染排放强度的下降产生明显的促进作用。韩峰和谢锐（2017）通过构建空间面板模型发现生产性服务业集聚有助于城市碳排放的减少。徐盈之和刘琦（2018）采用中国大陆30 个省份（未包括西藏）面板数据，基于空间计量模型，对产业集聚对雾霾污染的影响机制进行研究，发现产业集聚规模越大，集聚能力就越强，对雾霾污染的阻力作用也越大。还有学者认为产业集聚对环境质量的影响存在不确定性或是非线性关系，当产业集聚规模较小、集聚能力较弱，对环境质量的改善存在阻碍效应，随着产业规模的扩大、集聚能力的提升，将促进区域环境质量改善，降低环境污染程度。

纵观现有文献，其主要存在以下不足：一是指标选择问题。大多数研究基本上都是选取单一污染排放指标代表环境污染水平，而且以中国省级行政区域面板数据为考察范围，样本量较小，容易产生环境污染水平的测量偏差；二是没有考虑区域差异性问题。各区域资源禀赋、经济发展条件以及地理区域优势不同，不同区域的产业集聚对环境质量改善的作用就不同，忽视上述问题容易产生估计结果的不准确；三是忽略空间溢出效应的研究。虽然少数文献基于空间计量模型进行此问题的实证研究。但对空间计量模型的选取缺乏规范性。针对上述问题，本文以我国2006—2019 年京津冀、长三角和珠三角城市群面板数据为样本，构建空间自相关和空间面板杜宾模型，对工业集聚与城市群环境效率的影响机制和空间效应进行研究，并提出一些对策建议。

二、模型构建

（一）空间自相关模型

空间自相关模型一般用来检验某一经济活动的空间依赖性，包括局部空间自相关与全局空间自相关两类。全局空间自相关模型主要用来观测在考察空间内某一经济活动在区域中整体的差异程度与关联性，揭示某一经济活动的空间集聚程度；局部空间自相关模型主要用来检验被考察空间内的每个区域与周边区域的空间关联性与差异情况，反映局部区域的空间变化差异。本文采用全局Moran’I 指数模型检验三大城市群中不同城市的环境效率是否保持空间相关性。具体公式如下：

本文采用Moran 散点图分析三大城市群内各城市环境效率的空间差异程度。散点图将被划分为四个象限，第一象限为高高（HH）集聚模式，表示被考察城市与周边城市的环境效率都较高；第二象限为低高（LH）集聚模式，表示被考察城市的环境效率较低，但周边城市环境效率较高；第三象限为低低（LL）集聚模式，表示被考察城市与周边城市的环境效率都较低；第四象限为高低（HL）集聚模式，表示被考察城市的环境效率较高，但是周边城市的环境效率较低。

（二）空间面板计量模型

空间面板计量模型将观测区域的地理区位特征作为非时变的空间关系纳入计量模型，不仅可以解释观测区域自身的属性特征，也对其空间溢出效应做了量化分析。鉴于工业集聚对城市群环境效率产生空间溢出影响的可能性，本文采用具有更广泛作用的空间面板杜宾模型（SPDM）。具体模型如下：

公式（2）中，hjxl表示第i 个城市第t 年的环境效率；为了避免模型设定的误差，引入滞后项hjxl；gyjj表示第i 个城市第t 年的工业集聚程度；X 表示控制标量集合；W 表示空间权重矩阵；b 表示常数项；α 表示滞后项系数；β 表示解释变量系数；θ 表示空间滞后系数，解释了各变量之间的空间关联程度；μ 和ν 分别表示空间与时间效应；ε 表示随机扰动项。

（三）空间效应分析模型

空间效应分析模型将空间面板杜宾模型估计出来的系数通过偏微分的数学方法分解为直接与间接效应。利用直接效应指数可以分析解释变量对被考察区域自身的影响；间接效应指数又叫空间溢出效应指数，代表解释变量对被考察区域周边地区的影响。利用LeSage 和Pace 的研究成果，可以将空间面板杜宾模型转化成以下公式：

公式（3）中，Y 表示k×1 维被解释变量的向量；m 为常数项；I为k×1 维向量，其中向量元素均为1；X′表示k×1 维的解释变量矩阵；δ 表示被解释变量的空间自相关系数；λ 表示解释变量的系数；π 表示误差项。

求解公式（3）中的被解释变量Y 的期望值，并对第m 项解释变量进行偏微分计算，得到以下公式：

公式（4）右边矩阵对角线上的元素平均值λ为直接效应指数，表明被考察区域第m 项解释变量对被解释变量的产出弹性；非对角线上的元素平均值表示间接效应指数，空间总效应指数为直接与间接效应指数的和。

三、变量选择与数据来源

（一）城市环境效率（hjxl）

本文采用由学者Tone提出的非期望产出的超效率SBM 模型对城市环境效率进行测算，该模型将超效率模型与传统SBM 模型相结合，将非期望产出纳入新模型中，避免了有效决策单元信息的不完全性。计算公式如下：

公式中，假设评价单元有n 个，每个评价单元包括投入量、期望产出以及非期望产出，分别由m、q和q表示，相对应的投入量矩阵、期望产出矩阵和非期望产出矩阵的元素分别由x、y和y表示。其中：投入量为劳动力、资本和能源消耗量，期望产出为各城市GDP，非期望产出分别是各城市的二氧化碳排放量、工业粉尘排放量以及工业废水排放量。

（二）工业集聚程度（gyjj）

区位熵指数一般用来测算某一产业在一定区域中的相对集聚程度，可以较准确地分析某一产业的区域规模差异以及地理要素在空间范围内的分布特征，被学者们广泛应用。本文采用区位熵指数对各城市工业集聚程度进行测算，其计算公式如下：

公式中，i 和j 分别表示城市和工业行业，G代表i 城市的工业行业j 的工业总产值。

（三）控制变量

经济发展水平（jjfz）：用各城市人均地区生产总值表示；产业结构（cyjg）：用各城市的工业总产值与地区生产总值的比重表示；城市化水平（csh）：用各城市非农业人口数量与城市人口总量的比重表示；对外开放程度（dwkf）：用各城市进出口总额与地区生产总值的比重表示；环境规制（hjgz）：用各城市环境治理投资完成额与地区生产总值的比重表示。

人力资本（rlzb）：本文采用李成友等学者的计算方法，测算各城市人力资本，计算公式如下：

公式中，P、M、H 和U 分别表示各城市6 岁以上人口中小学、初中、高中以及大专以上受教育程度的居民比重，各阶段受教育程度居民的平均受教育时间分别为6 年、9 年、12 年和16 年，其中半文盲、文盲居民受教育时间为0 年。

本文选择三大城市群作为研究对象，其中京津冀城市群、长三角城市群和珠三角城市群的城市数量分别为13 个、26 个和9 个。原始数据来源于各年份的《中国统计年鉴》《中国城市统计年鉴》《中国工业统计年鉴》和《中国区域经济统计年鉴》等。

四、实证结果分析

（一）空间自相关分析

本文利用全局Moran’I 指数对2006—2019 年三大城市群环境效率指数平均值的空间自相关性进行检验，如表1。结果显示，长三角城市群的空间自相关检验Moran’I 指数为正，且通过1%的显著性检验，说明长三角城市群环境效率指数的空间集聚和依赖程度较为显著，即城市群中相邻城市环境质量的改善将促进本市环境效率的提高。京津冀和珠三角城市群的Moran’I 指数较为显著且为负数，表明两大城市群环境效率指数的集聚和依赖程度较低，空间分布存在随机性。由此可见，京津冀和珠三角城市群各城市改善环境质量的合作性较弱，空间关联性不强，环境效率指数的空间溢出效应不显著。三大城市群环境效率指数空间自相关性的差异说明需要从空间溢出效应角度进行更深入的研究。

表1 2006-2019 年城市群环境效率指数均值的全局自相关检验

利用Moran’I 指数散点图对2006—2019 年三大城市群环境效率指数平均值的空间关联性进行分析，见表2。位于第一象限城市的环境效率指数较高，且邻近城市环境质量也较高，属于高高正相关的集聚状态，空间差异性较小；位于第二象限城市的环境效率指数较低，但邻近城市环境质量较高，属于低高负相关的空间依赖状态，空间差异性较大；位于第三象限城市的环境效率指数不理想，且周边城市环境质量也较低，属于低低正相关的空间集聚类型；第四象限城市的环境效率较高，但周边城市环境效率较低，具有显著性的差异，属于高低负相关的集聚类型。京津冀城市群中位于第四象限的城市只有2 个，分别为天津和北京，其他象限城市数量为3～4 个；长三角城市群中位于第一、二象限城市有6 个，位于第三、四象限城市均为7 个；珠三角城市群中位于第一象限城市只有1 个广州，其余象限城市数量为2～3 个。其中，天津、北京、上海、杭州、南京、广州等重要核心城市环境效率指数较高，环境投资较大，环境规制政策较完备，城市环境质量不断提高并推动城市群生态环境水平整体改善。但上述城市中只有广州和南京属于第一象限的高高集聚类型，其余城市均属于第四象限的高低集聚状态，说明其环境协同效应尚未发挥出来，生态环境改善的示范带动作用不明显，存在区域空间差异化不断拉大的潜在风险。合肥作为安徽省会城市，也是长三角城市群中的重要核心城市，经济发展水平较高，但城市环境效率指数较低，属于第三象限的低低集聚类型，可能在于合肥自然资源优势较明显，城市环境质量的改善主要依赖于生态环境资源优势，忽略了工业集聚过程中废水、废气以及固体废弃物等环境污染物的减量。

表2 三大城市群环境效率指数的局部自相关分布

（二）模型识别与拟合结果

在构建空间面板计量模型时，需要进行Hausman 检验进一步判断模型的具体形式。表3 给出了检验结果，三大城市群的Hausman 统计量均通过了1%的显著性检验，分别为23.890、56.266 和31.215，应选择固定效应模型。再者，Wald_Spatial lag 和LR_Spatial lag 检验的结果均在1%显著水平下通过检验，表明SPDM 模型不能进一步简化成SPLM 和SPEM 模型，SPDM 是最优选择。因此，本文采用SPDM 的固定效应模型进行分析，估计结果见表4。

表3 模型识别检验结果

表4 中模型1、2、3 分别表示SPDM 模型空间固定效应、时间固定效应和时空双重固定效应，从三种效应检验结果可以看出，时空双重固定效应模型（模型3）的拟合优度（R）以及对数似然值（Log L）要优于其他两种效应模型，因此，下文将采用时空双重固定效应SPDM 模型的估计结果进行具体分析。模型3 的估计结果显示，三大城市群的城市环境效率指数的空间滞后项估计系数ρ 值在1%的水平下显著，且为正数，表明城市群环境质量的改善在空间上具有显著的正向空间溢出效应，对周边城市环境质量的提高具有明显的示范促进作用。由于估计结果中存在空间滞后项，因此需要进一步分析自变量的边际效应，即将时空双重固定效应SPDM 模型的空间溢出效应分解为总效应、直接效应和间接效应。

表4 空间面板杜宾模型不同估计方法的结果

（三）空间效应分解

表5 中的直接效应表示各解释变量对三大城市群中本地环境效率的影响，间接效应表示各解释变量对城市群邻近城市环境效率的影响，总效应表示各解释变量对总体环境效率的影响。分解结果显示，工业集聚对城市群环境效率在空间上的影响及作用机制存在差异性。京津冀城市群工业集聚的直接效应和间接效应均没有通过显著性检验，其原因是城市群内部发展不平衡，工业集聚程度较高的特征主要集中在北京和天津两大重要核心城市，两个城市环境效率水平同样较高，其他城市与之相差较大，在空间上很难形成集聚和依赖效应，对城市群环境质量改善的影响不显著。长三角和珠三角城市群工业集聚的直接效应系数为0.417 和0.203，并通过了1%的显著性检验，间接效应系数为-0.339 和-0.256，但未通过显著性检验，表明城市群工业集聚程度越高，对城市环境效率的提高影响就越明显，对周边城市影响则不显著。其原因在于长三角和珠三角城市群工业集聚程度较高，形成规模经济，对工业生产排放的污染物可以集中处理，降低了城市群环境治理成本。但由于工业聚集程度较高的特征只集中城市群重要核心城市，城市群外围城市工业集聚水平相对较低，城市群工业集聚对周边城市环境效率的提高缺乏辐射带动性。长三角城市群中南京、上海、杭州等重要核心城市的工业集聚水平始终较高，常州、南通等城市工业聚集水平逐步提升，城市群内部形成工业规模效应，环保技术创新发展，节能减排成本降低，促进城市群环境质量的改善，在空间上呈现出显著的依赖性和集聚性，属于高高正相关的空间集聚状态。珠三角城市群中深圳和珠海工业集聚程度显著提升，但广州作为城市群重要核心城市工业集聚水平却出现下降的趋势，东莞、中山、惠州等其他城市工业集聚程度相对较低，工业集聚对城市群环境效率的影响范围相对较小，在空间上溢出效应不显著，导致珠三角城市环境效率的空间集聚性不明显，差异性较大。

表5 时空固定效应SPDM 模型的空间效应分解

其他控制变量对三大城市群环境效率的影响也存在差异性。第一，经济发展水平因素对京津冀城市群环境效率的直接和间接效应均通过了1%的显著性检验，表明京津冀城市群经济发展水平越高，对本地城市环境质量的改善具有显著的正向促进作用，而对周边城市环境效率的提升具有显著的负向作用。对长三角和珠三角城市群而言，经济发展水平因素对城市环境效率的影响很小，即经济发展水平与城市群环境质量的改善没有明显的相关性。第二，产业结构因素对京津冀城市群环境效率的影响没有通过显著性检验，在于京津冀城市群产业结构不合理，工业占比较高，不利于城市群环境质量的改善。而长三角和珠三角城市群的产业结构因素表现出显著的直接效应，对城市群环境效率的提升具有显著的推动作用。第三，城市化水平因素对京津冀和珠三角城市群本地城市环境效率的提升具有显著的正向影响，对邻近城市环境效率存在明显的负向影响，对长三角城市环境效率的直接和间接效应均没有通过显著性检验。第四，人力资本因素对京津冀和长三角城市群本地城市环境效率的提升具有显著正向作用，对周边城市环境质量的影响并不显著，表明城市群内部教育水平的提升有助于本地城市环境质量的改善，对邻近城市并没有显著的空间溢出效应。人力资本因素对珠三角城市群环境效率的直接和间接效应均不显著。第五，对外开放水平因素对长三角城市群环境效率的提升在直接和间接效应都存在显著的正向促进作用，说明城市群对外开放程度越高，就越有利于工业环保技术的引进，降低工业污染物的排放，提高工业能耗利用率，从而促进本地城市以及周边城市环境质量的改善。对京津冀和珠三角城市群而言，对外开放因素的直接和间接效应均未通过显著性检验。第六，环境规制因素对京津冀和珠三角城市群环境效率产生显著的直接与间接效应，表明京津冀和珠三角城市群环境规制政策协同效应显著，对城市群环境质量的改善产生明显的促进作用，且对周边城市环境效率的提高产生显著的溢出效应。而环境规制因素对长三角城市环境效率的直接和间接效应均未通过显著性检验，在于长三角城市群地跨三个行政区域，环境规制政策各不相同，协同效应较弱，对城市群本地城市及周边城市环境效率提升的影响较弱。

五、研究结论与对策建议

（一）研究结论

本文以我国2006—2019 年京津冀、长三角和珠三角城市群面板数据为样本，对三大城市群环境效率水平空间自相关检验的基础上，采用空间面板杜宾模型实证分析了工业集聚对城市群环境效率的作用机制和空间效应。实证结果表明：（1）三大城市群环境效率在空间上均表现出一定集聚性，但集聚模式具有差异，其中长三角城市群环境效率的空间集聚性具有显著性；（2）工业集聚对城市群环境效率在空间上的影响具有显著的差异性，存在空间溢出效应但不显著，其中长三角和珠三角城市群工业集聚发展对城市群本地城市环境效率的提升具有明显的促进作用，对周边城市环境效率的影响不显著，京津冀城市群工业集聚对本地和周边城市环境效率的影响均不显著；（3）由于三大城市群的发展基础与经济条件不同，经济发展水平、产业结构、城市化水平、人力资本、对外开放和环境规制等影响因素对城市群环境效率的作用机制和影响程度存在较大差异性。

（二）对策建议

1.以绿色创新为支撑提升城市群发展质量。由于工业集聚对城市群环境效率在空间上具有显著的影响，在当前的工业集聚布局下，要以绿色发展和可持续发展为原则推动工业集聚转变发展模式，由绿色创新因素驱动逐步替代要素驱动的发展方式，通过调整城市群产业结构、优化工业集聚规模以及发挥区域间节能减排协同效应等方式，实现工业集聚对城市群环境质量改善的正向促进作用。将创新驱动与城市群工业集聚区域的环境治理结合起来，不断提升城市群绿色创新能力，改善城市群的环境质量，实现城市群高质量发展。

2.加强城市群工业集聚区域的环境规制和监管。进一步提升工业集聚区域企业的进入标准，完善企业绿色发展的动态审核机制，实时监管各工业集聚区域企业的污染排放数据，倒逼企业提高绿色生产率和更新节能减排技术，倡导清洁生产以及工业集聚区域发展循环经济，降低工业集聚对城市群环境质量改善的负向作用。

3.发挥优势、补齐短板，缩短城市群发展差距，实现区域整体协调。遵循城市群健康、科学、绿色发展的历史规律，发挥三大城市群各自发展优势，探寻各具特色的绿色发展模式和高质量经济增长路径，加强城市群对周边城市的空间溢出效应，实现区域经济增长与绿色发展协调统一。此外，需要注重优化城市群产业结构、适度提升城市对外开放程度以及加快引进专业技术人才等方式实现城市群高质量发展。