EN中文

经济地理 >

2021 , Vol. 41 >Issue 2: 194 - 202

DOI: https://doi.org/10.15957/j.cnki.jjdl.2021.02.021

三农、土地与生态

环境规制对工业污染空间溢出的效应研究——来自全国285个城市的经验证据

  • 刘满凤 , 1 ,
  • 陈华脉 , 2, ※ ,
  • 徐野 3
展开
  • 1.江西财经大学 科研处，中国江西 南昌 330013
  • 2.江西财经大学 产业经济研究院，中国江西 南昌 330013
  • 3.江西财经大学 现代经济管理学院，中国江西 南昌 330013
※ 陈华脉（1993—），男，江西鄱阳人，博士研究生，研究方向为环境经济学。E-mail：

刘满凤（1964—），女，江西吉安人，博士，教授，博士生导师，研究方向为环境规制与产业转移。E-mail：

收稿日期: 2020-03-14

  修回日期: 2020-12-09

  网络出版日期: 2025-04-01

基金资助

国家自然科学基金地区项目(71764007)

江西省社会科学规划重点项目(19YJ03)

江西省2020年度研究生创新专项资金项目(YC2020-B131)

收起

Study on the Effect of Environmental Regulation on Industrial Pollution Spillover：Empirical Evidence from 285 Cities Nationwide

  • LIU Manfeng , 1 ,
  • CHEN Huamai , 2, ※ ,
  • XU Ye 3
Expand
  • 1. Office of Scientific Research Administration，Jiangxi University of Finance and Economics，Nanchang 330013，Jiangxi，China
  • 2. Institute of Industrial Economics，Jiangxi University of Finance and Economics，Nanchang 330013，Jiangxi，China
  • 3. Modern Economics and Management College，Jiangxi University of Finance & Economics，Nanchang 330013，Jiangxi，China

Received date: 2020-03-14

  Revised date: 2020-12-09

  Online published: 2025-04-01

Fold

摘要

为揭示工业污染的空间溢出规律和环境规制的空间梯度效应，文章以2003—2016年我国285个城市数据为样本，运用热点分析、莫兰指数、空间杜宾模型、工具变量等方法分析环境规制与工业污染的空间关系。研究结果表明：①我国工业污染具有向环境规制弱地区集聚的趋势，主要集聚在华中和华北地区，工业污染热点区和次热点区由华中华北地区向全国其他地区蔓延，特别是广东、福建、浙江等地已有多个城市成为工业污染热点、次热点区。②工业污染具有明显的空间相关性，相较于2003年，2016年工业污染的空间依赖性更强，说明工业污染的空间溢出具有加剧的趋势，部分城市存在“污染避难所”的风险，需要引起地区政府的高度关注。③环境规制对工业污染具有明显的空间溢出效应，在距离上呈现为“倒U”型关系；在150 km范围圈内环境规制对工业污染的溢出具有显著的抑制作用，抑制作用随距离衰减；由于环境规制对污染企业具有“挤出效应”，在150 km以外环境规制的作用发生逆转；450 km以外环境规制的溢出作用不再显著。

关键词： 环境规制; 工业污染; 杜宾模型; 空间溢出效应; 污染转移

本文引用格式

刘满凤 , 陈华脉 , 徐野 . 环境规制对工业污染空间溢出的效应研究——来自全国285个城市的经验证据[J]. 经济地理, 2021 , 41(2) : 194 -202 . DOI: 10.15957/j.cnki.jjdl.2021.02.021

Abstract

In order to reveal the spatial spillover rularity of industrial pollution and the spatial gradient effect of environmental regulation,this paper takes urban data of 285 cities in our country from 2003 to 2016 as a sample,and analyzes the spatial relationship between environmental regulation and industrial pollution by using hot spot analysis,Moran's I,spatial Durbin model,tool variable and so on. The results show that: 1) China's industrial pollution tends to gather in areas with weak environmental regulation,mainly in central and northern China. Hot spots and sub-hot spots of industrial pollution spread from central and northern China to the whole country. In particular,many cities in Guangdong,Fujian and Zhejiang have become hot spots and sub-hot spots of industrial pollution. 2) Industrial pollution has obvious spatial correlation. Compared with 2003,the spatial dependence of industrial pollution in 2016 is stronger,which indicates that the spatial spillover of industrial pollution has a tendency of aggravation,and some cities have the risk of "pollution shelter",which needs the high attention of the regional government. 3) Environmental regulation has obvious spatial spillover effects on industrial pollution,which presents an inverted U shape in distance. Environmental regulation within a 150-kilometer radius has significant inhibitory effects on the overflow of industrial pollution. Because of the "crowding out effect" of environmental regulation on polluting enterprises,the effects of environmental regulation are reversed 150 kilometers away. Spillovers of environmental regulations from 450 km away are no longer significant.

Key words： environmental regulation; industrial pollution; Tobit model; space spillover effect; pollution transfer

环境污染具有很强的空间溢出效应，像流动的水和空气一样，它会随着对外贸易、产业转移，从一个地区流动到另外一个地区，从环境规制水平高的地区流动到环境规制水平低的地区。污染转移的轨迹类似于产业转移的轨迹，1970年代从欧美转移到亚洲的日本、新加坡、香港、台湾、韩国等地；1980年代从亚洲四小龙向我国东部沿海地区转移；1990年代以后从我国沿海地区向中部、东北和西部地区转移。从空间梯度来看，污染总是从环境成本较高地区向环境成本较低地区转移，也是企业追逐要素成本降低，解决资源禀赋不均，生产要素重新配置的结果，“污染避难所假说”就是对该现象的一种描述。该理论认为，在自由贸易的条件下，为降低生产成本，污染产业会从环境规制较高的国家或地区转移到环境规制较低的国家或地区，从而使环境规制较低的国家或地区污染加剧。国际贸易能够使生产和消费发生分离，因此，环境规制较低的国家会倾向于进口污染密集型产品，而环境规制较高的国家会乐于出口污染密集型产品，环境规制较低的国家通过承接污染产业转移而成为“污染的避难所”。环境规制的严格程度与污染转移成本成正比，根据比较优势理论，一国倾向于扩大生产其具有成本优势的产品，于是污染产业会由环境规制严格的国家转移至管制相对宽松的国家。
我国从1994年分税制改革以来，为了调动地方政府的积极性并促进地方经济快速增长，中央政府将经济决策权逐步下放到地方政府，与此同时，以经济增长为核心的政绩考核机制也促使地方政府盲目追求经济快速增长。在这种分权治理结构下，各地方政府从本位经济利益出发，往往会通过选择降低环境规制标准来吸引更多外来投资，从而促进经济高速增长。更严重的是，在“经济锦标赛”的作用下，政府的这种降低环境规制标准吸引投资的行为可能会对邻近地区产生空间溢出效应。因为，如果邻近地区环境规制标准都比较低，而本地区环境规制标准高，则很可能会导致本地区企业处于不利竞争地位而外迁，因而竞争的最优策略就是相应降低环境规制标准，这就是区域环境规制的“逐底竞争”现象。
当然也存在另一种情况，即环境规制的“逐顶竞争”现象。我国“十三五”规划明确提出“创新、协调、绿色”的发展理念，“十九大”报告又进一步强调坚持人与自然和谐共生的发展理念，着力解决突出环境问题，加大生态系统保护力度，实行最严格的生态环境保护制度，我国各地方政府秉承生态和谐发展理念，正在积极转变发展战略，贯彻“生态”和“发展”两手都要抓、两手都要硬的基本思路，力争形成环境规制的“逐顶竞争”态势。
为了进一步揭示环境规制在工业污染空间溢出中的作用机理，有效发挥环境规制在污染转移中的正向作用，综合评估环境规制绩效，本文利用中国2003—2016年285个城市（不包含西藏地区、新成立地级市、数据缺失地级市、香港、澳门、台湾等地）的面板数据，利用热点分析、莫兰指数、空间杜宾模型、工具变量等方法分析环境规制对工业污染的空间影响。

1 文献回顾

学术界对于环境规制与污染空间溢出的认识要从“污染避难所假说”和“波特假说”开始。1979年Walter等提出“污染避难所”假说（Hypothesis of Pollution Haven，HPH），认为发达国家或地区环境规制标准较为严格和完善，而欠发达国家或地区对环境问题不够重视，导致污染产业从发达地区转移至欠发达地区，使后者成为“污染避难所”[1]。Copeland等从理论角度证明，高收入国家偏好环保产品，对环境规制要求比较高，因此会通过自由贸易的方式将污染转移到低收入国家，从而使这些国家变成世界污染的集中地[2]。其他一些学者也从理论上论证了“污染避难所假说”存在的合理性[3⇓-5]。汤维祺等通过对区域间高耗能产业转移的调控机制研究认为，碳市场的建立不仅能够有效降低“污染天堂”效应，还能够提高中西部工业化转型地区的经济增长[6]。但是实证的结果却不完全支持“污染避难所”假说。Grehter等考察了1981—1998年52个国家的5个重污染行业，发现污染行业通常有着较高的贸易壁垒，有关的计量分析并不支持发达国家的污染行业会迁移到欠发达国家的论断，“污染避难所”的假说是令人怀疑的[7]。Beghin等通过经验分析证明，贸易自由化并没有引起发展中国家专门从事肮脏行业的生产[8]。国内学者梁树广以山东省为例研究了承接产业转移的环境效应，得出的结论是，外商直接投资和新建企业对工业SO2和固体废弃物排放为负，“污染避难所假说”在山东省并不成立[9]。从东西部区域承接产业转移对工业SO2和工业废水的排放的影响看，“污染避难所假说”在西部地区成立，在东部地区不成立。
1990年代，Porter根据熊彼特的技术创新理论和希克斯工资补偿理论[10-11]，提出了著名的“波特假说”理论（也称为“创新补偿”理论），认为合理的环境规制会激发技术创新和提升资源优化配置水平，抵消环境遵循成本，从而提高企业竞争力，达到环境绩效和企业经济绩效同时改进的双赢状态[12]。Beaumont等认为减排成本曲线是一个有效的环境治理方法，有助于厂商获得经济和环境的双赢或至少是赢平的结局[13]。李平等认为环境规制通过“挤出效应”和“创新补偿效应”影响污染产业转移，合理设置的环境规制政策在长期能够刺激企业进行技术创新，产生创新补偿作用，从而提高企业绩效，因此发挥环境规制的创新效应是实现环境保护与经济发展双赢的关键[14]。刘和旺等应用中国的数据进行了验证，认为“波特假说”在中国只有在适宜的环境规制强度和规制得到有效实施之后才适用，并且也只对非国有制企业和高污染密集行业中的企业适用[15]。对“波特假说”也存在反对的声音，反对的观点是“遵循成本效应”，Gray等的研究认为在企业生产技术、资源配置以及市场需求不变时，提升环境规制水平可能造成企业环境服从成本的上升，并在一定程度上限制企业生产技术改进和生产工艺创新[16]，这不但不利于企业通过技术创新来促成污染减排，而且会在生产利润最大化目标下增加企业产出以及污染排放[17]，从而抑制污染减排。李卫红通过构建双寡头博弈模型分析环境规制下企业“创新补偿”效应的生成过程，认为引发企业创新动机的主要因素并非环境规制，而是市场竞争与企业自身需要，但环境规制强度会影响企业R&D投入水平和创新绩效[18]。
无论“污染避难所假说”和“波特假说”如何争论，学术界普遍认可的是环境规制在污染的转移和溢出过程中是一个重要的因素，也是政府抑制污染转移和减少污染排放的一个重要工具，总体来看，污染产业在地理空间上存在一定的集聚和集群现象，污染产业总是容易趋向于向环境规制较弱的空间单元集聚[19-20]。环境规制是抑制空气污染的重要方式，但本地的高规制将造成周边地区污染加剧[21]，沈坤荣等利用空间滞后模型、工具变量等计量方法研究了环境规制是否会引发污染就近转移，得到的结论是肯定的，并估计出污染就近转移在150 km达到峰值，即污染溢出范围主要是就近转移到周边的城市[22]。
从以上文献回顾看到，学术界从多个角度研究了环境规制与污染排放、污染转移与污染治理问题，取得了一系列卓有成效的成果，为本研究提供了较好的参考，但是我们也看到，首先，环境规制在污染转移中的作用确实还没有达成共识，“污染避难所假说”和“波特假说”的争论一直都存在，这就说明目前从宏观的角度研究较多，而从微观的角度研究较少；其次，污染确实存在就近传播的趋势，且不同时期其空间溢出的梯度不一样，而环境规制是一个重要的减压阀，如何用好这个减压阀是值得我国各地方政府深思的问题，这需要以环境规制在污染溢出过程中的作用路径为依据。由此，本文以我国285个城市的数据为样本数据，首先用热点分析、莫兰指数研究285个城市工业污染的空间关联性，揭示工业污染溢出特性和污染集聚的转移特征；然后运用空间杜宾模型、工具变量等计量方法研究环境规制在工业污染空间溢出中的作用半径，以期为我国城市间的污染防控和污染治理提供理论和实践依据。

2 理论机制

环境规制是干预污染空间转移的重要工具，环境规制对工业污染的空间溢出效应即是一个城市的环境规制水平对相邻城市工业污染转移的影响程度。根据“污染天堂假说”理论，Dixi、赖玉宝、张彩云等构建了环境规制影响国际间污染转移的模型，该模型涉及两个国家之间的企业对外投资，其进出口产品受当地环境规制影响[23⇓-25]。本文为探究区域间污染转移的机理，首先，在以上学者研究的基础上对模型稍加修改与简化，考虑污染产业在两个城市之间的转移，将企业扩充为产业，将企业出口修改为一城市在其他城市的污染产业投资；其次，由于我国城市间的运输成本远低于国家间的运输成本，所以不将运输成本考虑在内，模型中的主要成本是环境规制成本（因为主要研究环境规制的影响），从而通过建立相邻城市的企业利润函数分析环境规制对该市和邻近城市的工业污染企业的影响。
假设发达城市1与欠发达城市2生产同一种商品，且该商品的生产会造成污染。生产商品的企业只考虑环境成本，不考虑其他成本。 q 1表示发达城市某个污染产业的产量， q 1 *表示投资于欠发达城市的该产业产品生产量， q 2表示欠发达城市该污染产业的产量， q 2 *表示欠发达城市投资于发达城市该产业产品生产量， q 1 *、 q 2 *构成了污染产业的转移。 c 1代表发达城市每单位产品的污染治理支付成本， c 2代表欠发达城市每单位产品的污染治理支付成本。如果一个产业有n个企业，产品价格与该城市的产量有关，因此价格可以表示为：
p 1 = α - q 1 - γ q 2 *
p 2 = α - q 2 - γ q 1 *
式中： q 1 = ∑ i = 1 n q 1 i ; q 1 * = ∑ i = 1 n q 1 * i ; q 2 = ∑ i = 1 n q 2 i ; q 2 * = ∑ i = 1 n q 2 * i；i代表第i个企业； γ为产品差异化系数； α为常数。那么，企业i的利润函数为：
π 1 i = p 1 - c 1 q 1 i + p 2 - c 2 q 1 * i
π 2 i = p 2 - c 2 q 2 i + p 1 - c 1 q 2 * i
根据利润最大化的一阶拉格朗日条件：
∂ π 1 i ∂ q 1 i = 0 ; ∂ π 1 i ∂ q 1 * i = 0 ; ∂ π 2 i ∂ q 2 i = 0 ; ∂ π 2 i ∂ q 2 * i = 0
以及价格、利润函数可推出：
发达城市污染产业总产量为： q 1 = n α - c 1 2 n + 1；投资于欠发达城市污染产业的产量为 q 1 * = n α - c 2 γ 2 n + 1；欠发达城市污染产业总产量为： q 2 = n α - c 2 2 n + 1；投资于发达城市污染产业的产量为： q 2 * = n α - c 1 γ 2 n + 1。
由 ∂ q 1 * ∂ c 2 = - n γ 2 n + 1 和 ∂ q 2 * ∂ c 1 = - n γ 2 n + 1可知，一个城市污染产业的转入与该城市的环境规制水平呈负线性相关，即环境规制强度越强，转入该城市的污染产业产量会越少。随着环境规制强度的提高，该城市的企业只能面临两个选择：停产或转移到环境规制水平较低的城市。无论企业进行哪种选择，环境规制较强城市对该产品的需求如果不变，该城市只能选择进口，变相导致污染企业的转出。

3 热点与相关性分析

3.1 热点分析

为分析我国各城市工业污染和环境规制的空间分布特征以及空间演化特征，采用ArcGIS软件计算城市的Getis-Ord G i *指数，按照自然断点法对工业污染排放和环境规制分为热点区、次热点区、次冷点区和冷点区4类，并进行可视化（图1）。Getis-Ord G i *指数计算方法为：
G i * d = ∑ i = 1 n W i j d P i / ∑ i = 1 n P i
式中： P i为城市i的观测值； W i j为rook’s空间权重矩阵。
图1 全国285个城市工业污染与环境规制热点—冷点图

Fig.1 Hot and cold spots of industrial pollution and environmental regulation in 285 prefecture-level cities

如图1所示，2003—2016年中国285个城市工业污染与环境规制热点—冷点演化具有以下特征：①工业污染热点区和次热点区主要由华中华北地区向全国范围蔓延，特别是广东、福建、浙江等地已有多个城市成为工业污染热点、次热点区。此类地区是拉动我国经济增长的核心地区，工业污染的加剧说明这些地区还没有跨过环境库兹涅茨曲线的一次拐点，没有触发“波特效应”，仍处在经济增长加速、污染加速的初级阶段。其次，新疆、内蒙、云南等偏远地区与东北地区的城市污染也在加剧。而西北甘、陕、内蒙地区由于资源禀赋和工业基础相对薄弱等原因，2003—2016年来都是工业污染的冷点区和次冷点区。②环境规制的热点地区在2003和2016年多集中在长三角、珠三角等发达地区，2003年广西、江西、甘肃、内蒙等地多为冷点区，到2016年除内蒙外，其他3省多个城市均有较大改观，特别是省会城市南昌、南宁、兰州等城市成为了环境规制热点地。③从图1可知，环境规制的热点区一般对应工业污染的冷点区，较强的环境规制对于限制污染排放起到了很好的作用，说明环境规制发挥了效用，但需要注意的是，上海、宁波、福州等城市既是工业污染热点地也是环境规制热点地，究竟是环境规制效率低下所致还是工业规模的极速扩张所致，值得我们进一步讨论。

3.2 相关性分析

为应用空间计量模型研究工业污染的空间溢出效应，首先需要检验工业污染的空间相关性，本文采用全局莫兰指数测度2003、2016年工业污染相关性。全局莫兰指数计算公式为：
I = ∑ i = 1 n ∑ j ≠ 1 n W i j x i - x ¯ x j - x ¯ ∑ i = 1 n ∑ i ≠ j n W i j x j - x ¯ 2
式中：I为全局莫兰指数；Xi、Xj分别为全域第i、j个样本个体观测值，本研究中为城市的工业污染量；n为选取样本个数； x ¯为所有样本观测值均值；Wij为空间权重矩阵W第i行第j列值。I的取值范围为[-1，1]。如果I>0说明总体上存在空间正相关关系；如果I<0说明存在空间负相关关系。I绝对值越大，说明空间相关性越强。
采用ArcGIS计算工业污染（具体核算方法见下文指标说明）全局Moran's I指数（表1）。根据全局Moran's I指数及检验指标可知，2003、2016年工业污染的Moran's I均为正，Z均大于1.96临界值，通过显著性检验。说明工业污染存在空间正相关性或空间依赖。且I值从2003年的0.029上升至2016年的0.041，说明工业污染的空间相关性越来越强。
表1 2003、3016年工业污染全局Moran's I指数

Tab.1 Global Moran's I of industrial pollution in 2003 and 2016

变量 I E（I） sd（I） z p-value
pollution2003 0.029 -0.004 0.005 6.562 0.000
pollution2016 0.041 -0.004 0.005 9.094 0.000

4 实证分析

4.1 模型构建

本文旨在从空间视角研究环境规制对工业污染溢出的影响效应，将环境规制作为核心解释变量，工业污染作为被解释变量，通过建立空间计量模型对其机制进行验证。目前常用的空间计量模型主要有3种：空间自回归模型（SAR）、空间误差模型（SEM）和空间杜宾模型（SDM），SDM模型是SAR和SEM的综合形式。本文初步选取SDM模型，再进行模型检验，构建模型如下：
p o l l u t i o n i t = α + ρ ∑ j = 1 285 W i j p o l l u t i o n i t + β 0 E R i t + γ 0 ∑ j = 1 285 W i j E R i t + β 1 l n d e n s i t y i t + γ 1 ∑ j = 1 285 W i j l n d e n s i t y i t + β 2 l n G D P i t + γ 2 ∑ j = 1 285 W i j l n G D P i t + β 3 s t r c t u r e i t + γ 3 ∑ j = 1 285 W i j s t r c t u r e i t + β 4 l n w a g e i t + γ 4 ∑ j = 1 285 W i j l n w a g e i t + β 5 l n T I O V i t + γ 5 ∑ j = 1 285 W i j l n T I O V i t + β 6 l n U R A i t + γ 6 ∑ j = 1 285 W i j l n U R A i t + μ i + λ t + ε i t
地理距离权重矩阵W根据以下原则构建：
W i j D i s t a n c e = 1 d i j , i ≠ j ,   i = 1 , ⋯ n ; j = 1 , ⋯ n 0 , i ≠ j ,   i = 1 , ⋯ n ; j = 1 , ⋯ n
式中： p o l l u t i o n i t表示第i城市在第t年的工业污染量； W i j p o l l u t i o n j t为被解释变量空间滞后项；ER为本文的核心解释变量环境规制。其余为控制变量，分别为第t年第i城市的生产总值（ln GDP）、第二产业占比（structure）、平均工资（ln wage）、规模以上工业企业生产总值（ln TIOV）、城市道路面积（ln URA），以分别捕捉各个城市的经济发展水平、产业结构、居民收入水平、工业产业规模以及城市道路交通水平等因素对本地工业污染的影响。
为减小内生性问题，以空气流通系数作为工具变量。根据沈坤荣等对环境规制与空气流通系数的检验，表明环境规制变量与空气流通系数存在相关性，并且，由于空气流通系数仅取决于区域性的气候条件等自然现象，来自自然界而不是由本地城市的工业发展所决定，因此可选作为工具变量具有外生性[22]。

4.2 指标说明

4.2.1 工业污染量

本文采用工业污染排放总量衡量工业污染量。参考朱平芳等的研究[26]，基于工业废水、工业SO2及工业烟（粉）尘排放量核算污染排放总量，具体计算方法如下：
p o l l u t i o n i = p v i 1 + p v i 2 + p v i 3 3
式中：i表示城市（共285个城市）；1、2、3分别为工业废水排放量、工业SO2排放量与工业（烟）粉尘排放量。

4.2.2 环境规制强度

目前世界上还没有统一度量环境规制强度的指标，国内学术界主要有以下几种方法：①选取废水排放达标率、SO2去除率、烟尘去除率、粉尘去除率和固体废弃物综合利用率来度量环境规制；②用不同污染物排放密度来衡量环境规制；③以排污费与治理环境投资额来度量环境规制。本文从数据的可得性、全面性考虑，选择工业废水排放达标率、工业烟粉尘去除率与固体废物综合利用率3个指标加权平均值衡量环境规制强度。具体方法如下：
首先，对各单项指标做标准化处理以消除量纲，按[0,1]的取值范围对各类单项指标进行线性标准化。
U E i j x = U E i j - m i n U E j m a x U E j - m i n U E j
式中： U E i j为城市i污染物j的工业单位产值污染排放量； m a x U E j和 m i n U E j分别是污染物j在各城市中的最大值和最小值； U E i j x为j指标的标准化值。
然后，通过各单项指标的标准化值进行平均加权和处理，计算出各城市的环境规制强度为：
E R i = ∑ j = 1 3 U E i j x / 3

4.2.3 工具变量

以空气流通系数（lnAV）作为环境规制的工具变量。沈坤荣等认为空气流通系数等于风速乘以边界层高度[22]。欧洲中期天气预报中心（ECMWF）的ERA-Interim数据库提供了全球0.75°×0.75°网格（大约83 km2）的10 m高度风速（si10）和边界层高度数据（blh）。本文首先计算出各网格对应年份的空气流通系数，再根据经纬度将各网格与样本内的城市匹配，得到各城市各年度的空气流通系数。

4.2.4 控制变量

人口密度、经济发展水平（GDP对数形式）、产业结构（用第二产业在GDP中占比表示）、职工平均工资、规模以上工业企业总产值（对数形式）、城市道路面积（对数形式）。

4.3 数据来源

根据行政区划的变动性与数据的可得性，本文选取2003—2016年285个地级及以上城市作为研究对象。其中被解释变量与核心解释变量来源于《中国城市统计年鉴》、各省市统计年鉴与生态环境厅所出具的《环境统计年报》或《生态环境状况公报》，工具变量来源于ERA-Interim数据库，控制量数据主要来源于《中国城市统计年鉴》《中国区域经济统计年鉴》、国泰安数据库，并对部分缺失数据进行了插值处理。需要说明的是，核心解释变量相关数据统计年鉴只更新至2014年，2015、2016年大部分城市可在各省生态环境厅出具的《环境统计年报》或《生态环境状况公报》中查找，但2016年后数据开始大量缺失，为保证研究的整体性与真实性，本文选取样本数据范围为2003—2016年。
表2 主要变量的描述性统计

Tab.2 Descriptive statistics of major variables

变量 类型 说明 观测值 均值 标准差 最小值 最大值
pollution 被解释变量 工业污染排放指数 3 990 32.836 48.077 0.230 1 756.203
ER 核心解释变量 环境规制强度 3 990 0.004 7.735 -25.974 21.567
lnAV 工具变量 空气流通系数（对数形式） 3 990 7.493 0.536 4.285 9.102
lndensity 控制变量 人口密度（对数形式） 3 990 5.717 3.916 1.541 7.887
lnGDP 经济发展水平（城市GDP对数形式） 3 990 6.704 1.070 3.459 10.246
structure 产业结构（第二产业GDP占比） 3 990 48.653 11.050 9.000 90.970
lnwage 职工平均工资（对数形式） 3 990 10.217 6.591 2.283 12.678
lnTIOV 规模以上工业企业总产值（对数形式） 3 990 16.032 15.454 10.631 19.598
lnURA 城市道路面积（对数形式） 3 990 3.108 0.534 0.699 4.722

4.4 模型检验

进行模型参数估计前，需要对SDM模型和SAR、SEM模型进行比较选择，一般先由LM检验SAR、SEM模型判断哪个模型更为合适。通常先看LM统计量的显著性，哪个模型的LM统计量显著就选择哪个模型；假如两种模型的LM统计量都显著，那么就由LM（robust）统计量的显著性水平来判定模型的设定形式[27]。如若都不显著，则选择SDM模型。
由表3可以看到，在地理距离权重矩阵设定下，LM-Lag、RobustLM-Lag和LM-Error、RobustLM-Error统计量均不显著，初步认定选用SDM模型。为进一步判断SDM模型的拟合效果，本文对不同距离的空间杜宾模型进行Wald检验，见表4，Wald-lag、Wald-error的P值均在0.0000，拒绝SAR、SEM模型假设。因此本文采用空间杜宾模型。
表3 空间面板计量模型检验结果

Tab.3 Test results of space panel econometric model

检验 统计值 P值
LM test no spatial lag，probability 638.7621 0.000
robust LM test no spatial lag，probability 46.7775 0.000
LM test no spatial error，probability 812.7931 0.000
robust LM test no spatial error，probability 352.2970 0.000
表4 2SLS第二阶段回归结果

Tab.4 2SLS second stage regression results

变量 0 km 50 km 200 km 400 km 500 km
ER -0.6606***（-5.991） -0.6385***（-6.0226） -0.7589***（-6.9280） -0.8163**（-7.9307） -0.8780**（-7.9920）
W·_ER -4.2038***（-4.7492） -3.9143***（-4.1605） 1.9620**（-4.0713） 0.9528**（-1.9744） -1.1737（-0.7984）
W·pollution 0.5815***（-4.0193） 0.8829***（-6.3632） 0.6419***（-4.3677） 0.5058***（-3.3601） 0.5009***（-3.3342）
lndensity -2.9271**（-2.2610） -2.7144**（-2.1949） -3.1186*（-2.5760） -3.4759***（-3.1409） -3.7383***（-3.51967）
lnGDP 12.759***（-5.1674） 12.635***（-5.2884） 13.889***（-5.6529） 14.423***（-5.8495） 14.658***（-5.947）
structure 0.1691**（-1.6765） 0.171*（-1.7817） 0.2287*（-2.2994） 0.2715*（-2.738） 0.277144（-2.7994）
lnwage -1.1667*（-0.304） 0.2734（-0.0864） -2.0358（-0.6096） -2.7898（-0.9168） -2.4918（-0.8696）
lnTIOV -0.3096（-0.1686） -0.5142（-0.2926） -1.4215（-0.7178） -2.0546（-1.1205） -2.2976（-1.2012）
lnURA 4.3724*（-2.1553） 3.0468**（-2.2862） 4.9401***（-2.7682） 5.5006***（-3.2886） 5.5702（-3.2688）
W·lndensity 16.5986*（-1.9829） 9.198084（-1.1729） 13.05262（-1.3544） -0.504112（-0.0436） -11.27686（-0.8848）
W·lnGDP 2.181774（-0.1332） 17.8213（-0.9758） -19.81364（-0.7853） -26.705（-0.9222） -27.21166（-0.9516）
W·structure 1.6638**（2.4571） 1.4852*（2.2234） 0.9684（1.2112） 0.3296（0.3542） 0.0196（0.0210）
W·lnwage 13.772**（1.733） 0.9194（0.0988） 6.6718（0.4762） 5.3008（0.3332） 13.092（0.7126）
W·lnTIOV -36.6878***（-2.239） -41.1012***（-2.5992） -16.0222***（-0.8268） -8.4922*（-0.3756） -17.8734（-0.7322）
W·lnURA 4.3636**（2.3574） 6.0235*（2.4418） 3.6682（2.1736） 2.5604（1.5564） 2.1882（1.6836）
wald for sar 80.840298（0.0000） 80.34824（0.0000） 63.758408（0.0000） 38.471762（0.0000） 35.381038（0.0000）
wald for sem 89.416964（0.0000） 89.366592（0.0000） 70.658686（0.0000） 38.560942（0.0000） 32.760028（0.0000）
个体固定效应 是 是 是 是 是
时间固定效应 是 是 是 是 是
R2 0.2125 0.2113 0.1941 0.1782 0.1762
Obs 3 990 3 990 3 990 3 990 3 990

注：***、**、*分别表示在1%、5%、10%水平上显著。

5 实证结果与分析

由于各个城市所实施的环境政策不同，因此环境规制强度也不相同。由于环境规制强度随距离衰减，环境规制强度的空间影响存在一定的区域边界。为揭示环境规制强度对工业污染溢出效应随距离的衰减情况，本文基于空间反距离权重矩阵，利用R软件在0、50、200、400、500 km距离进行一次SDM模型2SLS回归，从而得到不同空间距离范围内环境规制对工业污染外溢的影响效应，见表4（R软件只展现第二阶段回归结果）。
表4显示，环境规制对工业污染的直接效应和间接溢出效应均是负相关。直接效应在500 km以内均在1%水平上通过了显著性检验，间接溢出效应在500 km及500 km以外不显著。人口规模、产业结构、城市交通水平均对工业污染的溢出效应正相关。其中，人口规模仅对本地的工业污染具有溢出效应，对邻地溢出效应不显著；产业结构对本地工业污染以及50 km处的邻地溢出效益显著；城市交通在本地以及100 km处溢出效应显著。当地的经济发展水平、居民收入与工业规模则对本地、邻地工业污染的溢出效应均不显著。
为进一步剖析核心解释变量环境规制对工业污染溢出的效应，本文从0~600 km内每隔50 km设置一个阈值对杜宾模型（SDM模型）进行一次回归。结果如图2所示，显示了环境规制的溢出效应影响系数。本地的环境规制对其150 km以内的工业污染具有显著的负溢出效应，表明环境规制不仅会抑制本地的工业污染排放或减少工业污染量，且会间接抑制150 km内的邻近地区工业污染排放；在150 km以外环境规制对工业污染的溢出效应显著为正，在200~250 km处达到峰值，说明强环境规制将污染产业挤出到150 km以外后，环境规制的辐射效应基本衰减殆尽。环境规制对工业污染的溢出效应成倒“U”型曲线。
图2 环境规制对工业污染空间溢出效应的地理特征

Fig.2 Geographical characteristics of spatial spillover effect on environmental regulation to industrial pollution

实证结果检验并证实了前文部分推导的理论机制，环境规制对本地和邻近地区的工业污染排放具有显著的抑制效应，且抑制效应随着距离衰减，对本地的抑制作用最强，邻近地区次之，150 km以内逐渐衰减；150~450 km范围变为正向作用，所以一个地区的环境规制不但不会抑制这些地区的工业污染排放，反而存在加剧作用，这是因为环境规制对污染企业具有“挤出”效应，即由于本地的环境规制加强，会将本地和邻近地区的污染企业挤出到150 km以外的地方，如果那里的环境规制不加强，则会导致工业污染加剧，形成污染集聚效应。
环境规制对本地的工业污染具有负的溢出效益是可以理解的，一般认为环境规制强度越强，当地工业污染越少。可为什么在阀值150 km以内环境规制仍对工业污染的溢出效应仍为负相关呢?原因可能在于：①环境规制具有一定的辐射范围，不仅约束了本地的工业污染排放，且会影响相邻的城市。②邻近城市存在环境规制竞争行为，特别是当今社会与政府对环保的重视，相邻城市的环保部门会对环境规制强度采取“互相加价”行为，即互相效仿加强规制强度。③污染型企业为规避环保督查，会远离环境规制强度过强的地区，150 km以外或许是环境规制作用的拐点，而当阈值超过450 km以后，环境规制的作用已经不显著了。

6 基本结论与政策启示

本文采用空间计量分析方法，研究了工业污染的空间相关性、环境规制与工业污染的热点布局以及重点分析了环境规制对工业污染空间溢出的阻尼效应。研究结果表明：①工业污染存在较强的空间正相关性，说明工业污染倾向于向邻近地区扩散，且倾向于向环境规制较弱地区集聚的趋势。②许多环境规制热点区与工业污染冷点区、次冷点区相对应的城市，其周边城市往往是工业污染的热点区、次热点区，这说明工业污染在环境规制强度的作用下发生了邻近转移。③环境规制对本地和邻近地区的工业污染排放具有显著的抑制作用，但溢出效应在150 km为临界点，150 km以内为显著的负效应，150~450 km为显著的正效应，这说明一个地区的环境规制不仅能有效地促使本地的工业污染减少，也能有效地促使邻近150 km以内的地区工业污染的减少，但是由于环境规制对污染企业具有“挤出”效应，会促使本地的污染企业转移到150 km以外的地区，从而在一定程度上加剧150 km以外地区的工业污染。一个地区的环境规制溢出效应在450 km以外就不再显著了，溢出效应在距离上体现为“倒U”形。
据此，本文提出以下政策建议：①针对工业污染具有较强的空间依赖性，应充分调动各个城市协同作战，强化各城市在污染防控和污染治理上的协调性，防止“污染避难所”现象发生。各城市环保部门应注重联防联控和共建共治，形成空间上的合力；实现各城市之间、部门之间环境信息互联互通，相邻城市可开展重大项目环评会商，重大环境事故联合执法，同一经济圈范围内或同一河流流域范围内可以实施统一标准的环境税收政策等，以形成环境规制的“逐顶竞争”现象。②对于污染热点和环境规制冷点区域，需要进一步加强环境规制建设。由于环境规制作用区域大约为150 km范围内，因此150 km以内的地区需要注重不同环境规制的联合作用，要灵活使用正式环境规制工具（政府型环境规制和市场型环境规制）和非正式环境规制工具（新闻媒体、公众监督等）相结合，而不是采用政府规制“一刀切”，而且还要根据各地的经济发展水平和企业环境成本的承受能力，合理地制定和实施环境规制强度，如采取差异化的环境保护税政策，而不是一味地采用竞争叫价方式进行环境规制竞争，以免对本地企业造成较大的打击；150 km以外的地区需要注重污染联合治理、联防联控和共建共治。③鼓励企业进行绿色技术创新。环境治理一方面要防止污染溢出和转移，另一方面更要焕发内生动力，帮助企业将“环境压力”转换为“创新动力”，促使企业进行绿色技术创新，及时化解企业产生的污染，提高企业的污染防治水平。地方政府需要出台更多的鼓励企业绿色技术创新的优惠政策，如税收减免政策、政府补贴政策、贴息贷款或给予一定的启动资金等；鼓励企业进行数字化转型和服务化转型，减少对自然资源的消耗，通过优化机制和流程来提高生产率，向过程要效益。④对于环境规制较弱的经济欠发达地区，由于地方政府追求经济赶超目标，通常会默许纳税大户企业环境治理投入不足，致使纳税大户环境污染效应更强。因此要加快推进垂直环境管理体制改革，形成中央—地方垂直式管理，加大中央对地方的监管和督查，降低纳税大户对地方政府的议价能力。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Walter I, Ugelow J. Environment policies in developing countries[J]. Amhio, 1979, 8(2-3):102-109.

[2]
Copeland B R, Taylor M S. North-south trade and the environment[J]. The Quarterly Journal of Economics, 1994, 109(3):755-787.

[3]
Levinson A, Taylor M S. Unmasking the pollution haven effect[J]. International Economic Review, 2008, 49(1):223-254.

[4]
Eskeland G S, Harrison A E. Moving to greener pastures?Multinationals and the pollution haven hypothesis[J]. Journal of Development Economics, 2003, 70(1):1-23.

[5]
Smarzynska Beata K, Shang-Jin Wei. Pollution havens and foreign direct investment:dirty secret or popular myth?[R]. NBER Working Papers No. 8465, 2001.

[6]
汤维祺, 吴力波, 钱浩祺. 从“污染天堂”到绿色增长——区域间高耗能产业转移的调控机制研究[J]. 经济研究, 2016(6):58-70.

[7]
Grehter J M, Mel o J D. Globalization and dirty industries:do pollution havens matter?[R]. CEPR Discussion Paper No. 3932, 2003.

[8]
Beghin J, Potier M. Effects of trade liberalization on the environment in the manufacturing sector[J]. World Economy, 1997(20):435-456.

[9]
梁树广. 承接产业转移的环境效应及其区域差异的实证研究——以山东省为例[J]. 北京交通大学学报:社会科学版, 2016, 15(4):18-26.

[10]
Porter M E. America’s green strategy[J]. Scientific American, 1991, 264(4):193-246.

[11]
Porter Michael E, van der Linde C. Toward a new conception of the environment-competitiveness relationship[J]. Journal of Economic Perspectives, 1995, 9(4):97-118.

[12]
肖雁飞, 廖双红. 绿色创新还是污染转移:环境规制效应文献综述与协同减排理论展望[J]. 世界地理研究, 2017, 26(4):126-173.

[13]
Beaumont Nicola J, Robert Tinch. Abatement cost curves:a viable management tool for enabling the achievement of win-win waste reduction strategies?[J]. Journal of Environmental Management, 2004, 71(3):207-215.

PMID

[14]
李平, 慕绣如. 波特假说的滞后性和最优环境规制强度分析——基于系统GMM及门槛效果的检验[J]. 产业经济研究, 2013(4):21-29.

[15]
刘和旺, 向昌勇, 郑世林. “波特假说”何以成立:来自中国的证据[J]. 经济社会体制比较, 2018(1):54-62.

[16]
Gray W B, Shadbegian R J. Plant vintage,technology,and environmental regulation[J]. Journal of Environmental Economics & Management, 2003, 46(3):384-402.

[17]
Funfgelt J, Schulze G. Endogenous environmental policy for small open economies with transboundary pollution[J]. Economic Modelling, 2016, 57(9):294-310.

[18]
李卫红, 白杨. 环境规制能引发“创新补偿”效应吗?——基于“波特假说”的博弈分析[J]. 审计与经济研究, 2018(6):103-112.

[19]
彭文斌, 吴伟平, 邝嫦娥. 环境规制对污染产业空间演变的影响研究——基于空间面板杜宾模型[J]. 世界经济文汇, 2014(6):99-110.

[20]
刘汉初, 樊杰, 周道静, 等. 2000年以来中国高耗能产业的空间格局演化及其成因[J]. 经济地理, 2019, 39(5):110-118.

[21]
朱向东, 贺灿飞, 李茜, 等. 地方政府竞争、环境规制与中国城市空气污染[J]. 中国人口·资源与环境, 2018, 28(6):103-110.

[22]
沈坤荣, 金刚, 方娴. 环境规制引起了污染就近转移吗?[J]. 经济研究, 2017(5):46-61.

[23]
Dixit A. International trade policy for oligopolistic industries[J]. The Economic Journal, 1984, 94:1-16.

[24]
Lai Yu-Bong, Chia-Hsien Hu. Trade agreements,domestic environmental regulation,and transboundary pollution[J]. Resource and Energy Economics, 2008, 30(2):209-228.

[25]
张彩云. 中国环境规制与污染转移研究[M]. 北京: 经济科学出版社, 2018.

[26]
朱平芳, 张征宇, 姜国麟. FDI与环境规制:基于地方分权视角的实证研究[J]. 经济研究, 2011, 46(6):133-145.

[27]
Pace R Kelley, James P LeSage. A sampling approach to estimate the log determinant used in spatial likelihood problems[J]. Journal of Geographical Systems, 2009, 11(3):209-225.

Options
文章导航

/

〈 〉