EN中文

经济地理 >

2019 , Vol. 39 >Issue 5: 110 - 118

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.05.013

产业经济与创新发展

2000年以来中国高耗能产业的空间格局演化及其成因

  • 刘汉初 , 1, 2 ,
  • 樊杰 , 1, 2, 3, ※ ,
  • 周道静 1 ,
  • 张海朋 4
展开
  • 1.中国科学院 科技战略咨询研究院，中国 北京 100190
  • 2.中国科学院 地理科学与资源研究所/区域可持续发展分析与模拟重点实验室，中国 北京 100101
  • 3.中国科学院大学 资源与环境学院，中国 北京 100049
  • 4.河南大学 黄河文明与可持续发展研究中心，中国河南 开封 475001
※樊杰（1961—），男，陕西西安人，博士，研究员，博士生导师。主要研究方向为经济地理学和区域可持续发展。E-mail：。

刘汉初（1989—），男，四川内江人，博士后。主要研究方向为产业空间布局及其环境效应。E-mail：。

收稿日期: 2018-07-13

  修回日期: 2019-02-27

  网络出版日期: 2025-04-20

基金资助

国家自然科学基金重点项目(41630644)

收起

The Evolution of Spatial Distribution and Its Influencing Factors of High-Energy Intensive Industry in China Since 2000

  • LIU Hanchu , 1, 2 ,
  • FAN Jie , 1, 2, 3, ※ ,
  • ZHOU Daojing 1 ,
  • ZHANG Haipeng 4
Expand
  • 1. Institute of Science and Development，Chinese Academy of Sciences，Beijing 100190, China
  • 2. Institute of Geographic Sciences and Natural Resources Research/ Key Laboratory of Regional Sustainable Development Modeling，Chinese Academy of Sciences，Beijing 100101, China
  • 3. College of Resources and Environment，University of Chinese Academy of Sciences，Beijing 100049, China
  • 4. Key Research Institute of Yellow River Civilization and Sustainable Development，Henan University，Kaifeng 475001，Henan, China

Received date: 2018-07-13

  Revised date: 2019-02-27

  Online published: 2025-04-20

Fold

摘要

优化高耗能产业空间布局对新时期推进经济高质量发展和生态文明建设都具有重要意义。基于2000—2016年的省级面板数据，文章探讨中国高耗能产业的空间布局演化及其成因。通过计算区位基尼系数、产业集中度，发现高耗能产业省区分布较为集中，主要分布在山东、江苏、河南、广东等少数省份。动态格局方面，高耗能产业的空间格局发生重大变化，集疏过程经历“集聚—扩散—集聚”的阶段性变化。区域间主要表现为东北地区向中西部地区转移，东部地区产业份额总体不变，但区域内部格局变化显著，表现为北京、上海和广东向山东和江苏发生大规模转移。基于相关理论，文章构建高耗能产业空间分布影响因素的计量模型。统计分析表明，经济发展水平和历史基础是影响高耗能产业布局的主要因素，但影响强度正在逐步弱化；资源禀赋和经济全球化通过影响企业原材料和中间产品获取途径作用于高耗能产业的空间布局，但前者作用强度正逐渐减弱，而后者的影响则日益突出；环境规制和政府干预正逐渐成为促使高耗能产业空间扩散的重要驱动力。

关键词： 高耗能产业; 面板数据; 资源节约与环境友好; 产业转移; 环境规制; 高质量发展

本文引用格式

刘汉初 , 樊杰 , 周道静 , 张海朋 . 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 . DOI: 10.15957/j.cnki.jjdl.2019.05.013

Abstract

Optimizing the space layout of high-energy intensive industry is of great significance to promote the construction of ecological civilization in the new era. Based on the provincial panel data from 2000 to 2016, this paper explores the spatial evolution of China's high-energy intensive industry. By calculating the location Gini coefficient and industrial concentration, it is found that the evolution of the spatial pattern of China's high-energy intensive industry has experienced the staged characteristics of "aggregation-diffusion-agglomeration". The provinces with high-energy intensive industry are relatively concentrated and are mainly distributed in a few provinces such as Shandong, Jiangsu, Henan and Guangdong. In terms of the time trend, the spatial pattern of high-energy intensive industry has undergone major changes, and the inter-regional exchanges have mainly manifested itself in the transition from the northeastern region to the central and western regions. The overall share of the industry in the eastern region remains stable, but the internal structure of the region has undergone significant changes and shows a large shift from Beijing, Shanghai and Guangdong to Shandong and Jiangsu. Based on related theories, we construct an econometric model of the influencing factors for spatial distribution of high-energy intensive industry. Statistical analysis shows that the economic level and historical basis are the main factors affecting the distribution of high-energy intensive industry, but the impact strength is gradually weakening. Resource endowments and economic globalization affect the spatial layout of high-energy intensive industry by affecting the way that companies obtain raw materials and intermediate products. However, the impact strength of the former is gradually weakening, while the latter's strength is increasingly prominent. Environmental regulation and government intervention are gradually becoming important driving forces for the spatial dispersion of high-energy intensive industry.

Key words： high-energy intensive industry; panel data; resource conservation and environmental friendliness; industrial transfer; environmental regulation; high-quality development

进入21世纪以来，面对经济增长和环境质量改善的双重压力，高耗能产业的发展逐渐成为学者们和决策部门关注的焦点。一方面，高耗能产业作为重要的基础性产业，上下游关联产业较多，为我国经济建设提供必不可少的能源和原材料产品，对整个国民经济发展具有重要的支撑作用[1]。目前，我国仍处于城镇化和工业化继续发展的阶段，对钢铁、建材、石化等产业大规模的国内需求仍将持续较长时间；另外，随着“一带一路”建设的推进，无论是“海上丝绸之路”所需要的配套船舶建造及港口建设，还是由“陆上丝绸之路”所带动的铁路计划、机场项目、公路延伸，以及沿线国家开展的大规模基础设施建设，这些国际市场增长的需求都极大程度刺激我国高耗能产业规模的扩张[2]。另一方面，高耗能产业需要消费大量能源，具有高污染、高排放的特征，对国家能源安全和生态环境保护造成了巨大的压力。目前，我国的能源消费和碳排放主要来源于工业部门，而高耗能产业的碳排放又占工业总排放的近80%[3]。另外，我国资源环境承载能力存在明显的空间差异，生态重要和生态脆弱地区占全国国土面积超过50%[4]，而主要城市群地区资源环境承载能力已经大面积超载[5]，这又一定程度限制了高耗能产业的布局选址。因此，持续的国内市场需求、不断增长的国际需求、资源环境压力趋紧、环境管制力度加强，加上作为生产原料的矿产资源更加依赖国外市场等新因素、新趋势的影响，导致高耗能产业的空间格局不断发生新的变化。对学科建设和应用实践而言，注重新因素、新机制对产业空间格局变动的影响，是解释新时期新因素作用机制的重要方面，也是优化产业空间布局、推进高质量发展的基本依据。

1 文献回顾

产业空间格局演化一直以来都是经济地理、区域经济等学科的重要研究内容。从现有文献来看，在全国尺度上，研究对象重点围绕工业和制造业整体以及单个行业开展，研究内容主要包括产业空间集聚、产业地理分布、产业空间转移、地区产业结构变动等主题[6]。改革开放以来，我国产业空间格局发生了剧烈变动。从集聚与扩散趋势来看，工业空间大体经历先集聚再扩散的发展态势[7]。由于政府优惠政策、基础设施和区位优势等因素，产业迅速向沿海地区集聚[8]，东部与中西部产业发展差距逐步拉大。2000年以后，由于国际产业转移、劳动力成本抬高、资源环境约束趋紧等原因，东部沿海地区部分产业开始向中西部地区转移，中国工业在空间上布局开始走向扩散发展[9]，尤其是近年来工业发展迅速，四大经济区域之间的工业发展差距呈现缩小态势[10]。在此过程中，不同类型产业的集聚程度存在显著差异[11]，资源密集型产业空间集聚程度相对较低[12]，随时间变化集聚程度大多呈波动状态；劳动密集型产业由于劳动力在空间上广泛分布，导致其集聚程度也较低；资本密集型和技术密集型产业由于产业关联程度高、技术溢出效应显著等原因，在空间上集聚程度相对较高[13]。那么，在整体工业空间格局发生剧烈变动的背景下，高耗能产业的空间布局演化又呈现出怎样的特征呢?空间格局及其影响机制是否与其他产业具有相似性?
根据产业划分标准，与高耗能产业相关的已有研究主要涉及到资本密集型产业、污染型产业。一些学者指出资本密集型产业主要集中在我国东部沿海地区，但随着时间的推移，逐步向中部和西部地区发生了转移[14]。中西部地区凭借着资源优势和低成本优势，在大规模承接东部沿海地区产业转移过程中，工业结构向高耗能、高排放的发展模式演进[15]。污染型产业在空间上也发生了较大幅度调整，逐步从长江三角洲、珠江三角洲、京津冀地区转出，山东及中部地区开始成为污染密集型产业新的集聚地[16-17]。另外，对单个高耗能行业的研究中，贺灿飞等发现受原材料供给来源变化的影响，石化、钢铁等资源型产业逐步向沿海地区转移[18]；高菠阳发现化工（乙烯）产业存在向沿海、沿江和生产基础较好、资源较为充足地区集中的趋势[19]；孙祥栋等研究发现中国有色金属冶炼及压延加工业2009年以后出现向中西部地区转移扩散的现象[20]；刘鹤等发现2000年以来，石化产业在原材料、市场、政策等多种因素驱动下加速向沿海地区集聚[21]。
以上研究结果为文本提供了十分有益的借鉴。但综合现有研究来看，还存在一些不足。首先，学者们在全国层面对工业或制造业总体空间格局的研究较多，也有少数学者对单个高耗能行业进行了探讨，但缺乏对高耗能产业整体的研究。高耗能产业由于具有“三高”（高污染、高耗能、高排放）的产业特性，对生态环境影响极为突出，布局选址需要侧重考虑其空间外部性，因而有必要将高耗能产业作为整体开展研究。其次，生态文明建设加快推进背景下环境管制的约束作用逐渐增强、矿产资源等原材料更加依赖进口、国际市场需求上升等新因素、新机制为高耗能产业布局和产业空间组织模式带来了新的区位指向。鉴于此，本文基于2000—2016年的省区面板数据，采用区位基尼系数等方法刻画我国高耗能产业空间布局演化特征，在此基础上，对主要因素的影响方向进行分析和预判，并进一步通过建立面板数据回归模型进行验证，以期为解析高耗能产业空间演变提供科学认知，并为优化高耗能产业空间布局提供参考依据。

2 研究方法与数据来源

空间集聚变化与区域格局变动是刻画产业空间布局演化的主要内容。本文采用区位基尼系数、产业份额指标和产业集中度对高耗能产业的空间特征进行测度。在此基础上，采用面板数据回归模型揭示其影响因素。研究数据主要来源于国家相关部门出版的统计资料。

2.1 研究方法

2.1.1 区位基尼指数

基尼系数起初用来评价社会收入分配的公平程度[22]，之后被诸多学者用于衡量各种变量之间的不均等问题。基尼系数取值范围为0~1，数值越高表明变量在空间上越集中。基尼系数的计算公式如下：
G i n i = 1 2 ( n - 1 ) ∑ i = 1 n ∑ j = 1 n x i s X s - x j s X s
式中： x i s和 x j s分别为空间单元i和j的工业总产值； X s为全国工业总产值；n为空间单元数量；u为每个空间单元的平均工业总产值。基尼系数越大表明产业生产更加集中，如果产业在各空间单元平均分布，基尼系数为0，如果产业集中在一个空间单元，基尼系数为1。

2.1.2 产业地理集中度

为了揭示高耗能产业的空间集聚以及区域分布特征，本文采用产业份额这一指标进行刻画。某地区的产业份额指该地区高耗能产业的工业总产值占全国的比重。进一步，采用规模最大的几个省区高耗能产业占全国该产业的份额比重表示产业地理集中度。其计算公式如下：
C R n = ∑ i = 1 n X i / ∑ i = 1 N X i
式中： X i为某一省区工业总产值；n、N分别表示规模最大的前n个省区和省区总数。计算n=3、n=5时分别表示前三位省区和前五位省区的产业地理集中度。

2.1.3 面板数据回归模型

面板数据是根据不同时刻的截面进行连续观测得到的多维时间序列数据，包含横截面、时间和指标三维信息。数据模型的优点主要表现为两点：第一，面板数据可以提高估计精度和有效性[23]；第二，解释变量在时间维度和截面维度共同变动时能减少多重共线的现象[24]。面板数据回归模型一般形式如下：
y i t = α i t + x i t ' β i + ε i t
式中： y i t是因变量； x i t '和 β i分别是对应于i=1，2，…，N的截面成员（各省区）的解释变量的k维向量和k维参数，每个截面成员的观测期为t=1，2，…，T； a i t表示各面板单位的协整关系中存在着不同的固定效应； β表示各面板单位中的弹性系数； ε i t为横截面个体i在时间t上的随机误差项。

2.2 数据来源

本研究采用《中华人民共和国2017年国民经济和社会发展统计公报》[25]中对高耗能产业的划定标准。该标准采用的是国民经济行业分类方法，因而与国家公布的产业统计数据完全匹配。高耗能产业包括的六大行业及其在《国民经济行业分类（2011）》的产业代码分别是石油加工炼焦及核燃料加工业（25）、化学原料及化学制品制造业（26）、非金属矿物制品业（30）、黑色金属冶炼及压延加工业（31）、有色金属冶炼及压延加工业（32）、电力热力的生产和供应业（44）。本研究所采用的基础数据时间跨度为2000—2016年，基本空间单元为31个省区（由于数据缺失，港澳台未纳入）。六大高耗能行业的工业总产值数据来源于相关年份的《中国工业经济统计年鉴》。影响因素分析中所涉及解释变量的相关指标来源于《中国统计年鉴》《中国科技统计年鉴》《中国环境年鉴》《中国贸易外经统计年鉴》《中国交通年鉴》等统计资料。地图矢量数据来自中国国家基础地理信息数据库网站（http://www.ngcc.cn/）。

3 高耗能产业布局的时空演化特征分析

3.1 空间集聚总体变化趋势

通过计算2000—2016年省区尺度的区位基尼系数得到高耗能产业空间集聚程度的变化趋势（图1）。高耗能产业的空间集聚演化具有显著的阶段性特征，具体可以划分为三个阶段。第一个阶段为2000—2005年，高耗能产业在省区尺度上呈现出不断集聚的发展趋势，基尼系数从0.236逐年提高到了0.248，前五位省区产业集中度（CR5）从43.31%逐渐提高到45.69%。第二个阶段为2006—2010年，高耗能产业的空间布局由集聚转向扩散，基尼系数从0.246逐年降低到0.238，CR5从45.93%下降到44.30%。第三个阶段为2011—2016年，高耗能产业在空间上表现出从扩散又重新转向集聚发展，基尼系数从0.234逐年提高至0.244，同样，CR5也有大幅度提升，从43.66%上升到了47.23%。总体来看，由于产业政策调整、交通条件改善以及原料供给来源变化等原因，21世纪以来，中国高耗能产业的空间集聚经历了“集聚—扩散—再集聚”的演化过程。
图1 2000—2016年中国高耗能产业集聚程度变化

Fig.1 Changes in agglomeration degree of China's high-energy intensive industry from 2000 to 2016

3.2 省区格局变化特征

①高耗能产业省际差异极为显著，产业集中布局在少数几个省份。2000年，江苏、广东、山东、辽宁、上海5个省区产业份额均超过6%，份额分别为10.80%、9.77%、8.34%、8.06%、6.34%，合计达到43.31%。而产业份额不足1.5%的省份总共有11个，主要包括广西、新疆、贵州、陕西、重庆等省区，该11个省区产业份额合计仅9.81%。可以发现，产业份额超过6%全部位于我国东部沿海地区，而产业份额不足1.5%的省份中除了海南省以外，其他10个省区全部位于西部地区。2005年，产业份额超过6%的省区增加到6个，产业份额合计52.2%，集中程度极为显著并进一步提升。排名第一二位的江苏和山东产业份额分别提高了1.01%、2.95%。2010年，排名前6位省区的产业份额总体略有降低，但仍然超过50%。2016年，产业进一步向少数几个省份集中，排名前五的省区是山东、江苏、河南、广东、河北，产业份额分别为14.43%、12.14%、7.60%、7.44%、5.61%，CR5为47.23%，达到21世纪以来的最高水平。相比之下，排位最后的五个省区，产业份额合计仅2.44%，是排名前五的省区1/19。可以看出，中国高耗能产业空间分布极不均衡，沿海省区的产业份额远高于中、西部省区（图2）。
图2 2000—2016年中国高耗能产业空间分布特征

Fig.2 Spatial distribution of China's high-energy intensive industry from 2000 to 2016

②高耗能产业发生了大规模省际转移，空间格局产生了重大变化。根据2000—2016年各省区产业份额变化结果，采用+0.5%与-0.5%两个节点值，将31省区分为三种类型区。第一种类型区的产业份额增长超过0.5%，表明这些省区高耗能产业得到了较好发展，属于产业转入地。该类型区总共包括11个省区，分别为山东、河南、江西、江苏、广西、陕西、安徽、内蒙古、湖南、福建、四川，其中山东省产业份额增长了6.09%，远高于其他省区，产业排位从第三名一跃成为中国高耗能产业份额最大省份；河南省产业份额提高2.54%，产业排名从第八位升至第三位；江西省产业份额升高了1.94%，产业排名提高幅度最大，从第20名升至第9名。其他省份产业份额均有不同程度的提升，空间上大多位于中西部地区。第二种类型区的产业变化在[-0.5%，0.5%]之间，产业名次变动没有超过2位，表明这些省份的高耗能产业地位没有发生太大的变化。该类型区包括12个省区，分别是重庆、贵州、新疆、宁夏、海南、青海、西藏、天津、云南、湖北、河北、浙江。第三种类型区的产业份额降低超过0.5%，表明这些省区高耗能产业逐渐向其他省区转移，属于产业转出地。该类型区包括8个省区，分别是吉林、甘肃、山西、北京、黑龙江、广东、上海、辽宁，主要属于经济发达型或资源衰退型省区。其中辽宁和上海的产业份额降幅最大，分别降低5.41%、4.44%，产业排位分别下降了9名、13名；另外黑龙江的产业排位从第14名降低到了27名，也下降了13名。

3.3 区域格局变化特征

东部地区作为我国高耗能产业的主要基地长期保持不变，东北地区高耗能产业大规模向其他地区转移，中西部地区成为主要的产业转移承接地。按照国家区域发展战略的划分标准 ①，我国省区尺度被划分为了东部、中部、西部和东北“四大板块”。东部地区的高耗能产业发展一直居于高位，是中国高耗能产业的主要集聚地。2000—2016年，东部地区产业份额一直保持在50%以上，远高于其他三大区域。从产业份额变化来看，东部地区经历了集聚与扩散两个阶段，但整体上没有发生显著变化，产业份额仅降低0.71%。结合上述省区格局的分析结果，可以发现，东部地区格局变化主要发生在区域内部。主要特征表现为高耗能产业从经济发展水平更高的北京、上海和广东向山东和江苏发生了转移，16年间北京、上海和广东三省区产业份额合计降低了8.15%，而山东、江苏产业份额合计升高了7.44%。中西部地区产业份额明显提高，16年间中部和西部产业份额分别提升了4.97%和3.49%。中部省份中除了湖北和山西产业份额有小幅度下降，其余4省的产业份额都显著增加，河南和江西二省成为高耗能产业转移的重点承接地。西部地区除了云南、甘肃和西藏产业份额有所下降，其余9个省份产业份额都有不同程度的上升，其中广西和陕西二省产业份额增加超过1%。东北地区产业份额大幅度降低，从2000年的12.79%逐年降低至2016年的5.04%，东北三省都有不同程度的降低，其中辽宁省降幅最显著，产业份额减少了5.41%（图3）。
图3 2000—2016年高耗能产业份额在“四大板块”之间的变动

Fig.3 Changes in the share of China's high-energy intensive industry in the“four regions”from 2000 to 2016

4 高耗能产业布局演化的成因解析

4.1 变量选取与模型设定

产业空间格局是产业空间组织的结果，有众多理论从不同视角解释了产业空间布局的原因和机制。传统资源禀赋论认为，产业区位的影响因子是劳动力、自然资源禀赋、技术水平等外生作用力[26]；新贸易理论在规模报酬递增、产品差异化、不完全竞争市场等前置条件下，强调市场规模和规模经济对产业区位的影响[27]；新经济地理模型则认为产业区位是在规模经济和运输成本的权衡下形成的[28]。借鉴以上经典理论，并根据高耗能产业的行业特性以及影响其产业区位的新因素、新机制，本文引入地区自然资源禀赋、经济全球化、经济发展水平、交通条件、历史基础、集聚经济、地方保护主义、环境管制强度等变量（表1）。结合产业空间组织过程，在“推力—拉力”的逻辑框架下[29]，探讨各变量对产业空间集聚的影响强度和方向，以此来解析高耗能产业空间布局演化。
表1 解释变量的描述与预期符号

Tab.1 Description of explanatory variables and expected symbols

变量名称 符号 衡量方法 预期符号
自然资源禀赋 NR 地区采矿业从业人员数占全国该行业从业人员总数的比重 +
经济全球化 FORE 地区进出口贸易总额 +
经济发展水平 PGDP 地区人均GDP 不确定
交通发展水平 TRAN 铁路运营里程与等级公路里程之和与国土面积的比值 +
历史基础 HIS 1985年地区六大高耗能产业的工业总产值占全国比重 +
环境管制 ENVI 单位工业产值所排放的SO2 -
集聚经济 AGG 工业的总产值减去高耗能产业总产值的差 +
政府干预 GOV 国有控股企业工业产值占所有企业工业产值的比重 +
①自然资源禀赋。高耗能产业的原料主要是矿产资源，整个生产过程对自然资源都有较强的依赖性。比较优势理论指出，资源密集型产业为了降低交通成本倾向于布局在自然资源禀赋丰富的地区。本文选取地区采矿业从业人员数占全国该行业从业人员总数的比重来反映资源的相对丰裕程度（NR）。
②经济全球化。改革开放以来，东部沿海地区凭借着地理区位优势，在经济全球化的背景下，与世界其他国家开展了大规模的贸易交流，集聚了我国大部分的工业活动。随着国内资源开采难度的加大以及经济全球化的深入，高耗能产业发展逐渐依赖于国际原材料市场。本文采用地区进出口贸易总额（FORE）表示地区参与经济全球化的程度。
③经济发展水平。根据区域经济发展阶段论，当区域经济向工业化后期发展，工业比重会逐渐下降，其中高耗能产业也会逐渐退出。另外，环境库兹涅兹曲线也表明，当经济发展水平到达某个临界点（或称“拐点”）以后，环境污染的程度会逐渐趋缓[30]，这与高耗能产业退出密切相关。本文采用人均GDP（PGDP）表示地区经济发展水平。
④交通条件。高耗能产业的发展高度依赖原材料的开采与运输，交通设施的改善可以增强区域之间的通达性水平，降低高耗能产业对自然资源产地的依赖程度。一般来说，高耗能产业倾向于布局在交通条件畅通的地区。本文采用交通密度（TRAN）表示地区交通发展水平，交通密度的指标为铁路运营里程与等级公路里程之和与国土面积的比值。
⑤历史基础。高耗能产业由于对矿产资源等原材料的高度需求以及大型企业设备搬迁成本较大等原因，具有较强的路径依赖特征。三线建设时期，许多大型的高耗能企业都被战略性地布局在我国中西部地区，这样的历史格局仍然可能影响到当前高耗能企业的空间分布。本文采用1985年六大高耗能产业的工业总产值占全国比重表征历史基础（HIS），考察路径依赖对高耗能产业的影响。
⑥集聚经济。高耗能产业是国民经济发展的基础性产业，具有较强的产业关联性。简·雅各布斯提出的“Jacobs外部性”认为各种相关企业的集聚，不仅可以降低生产成本和运输成本，还有利于信息溢出，从而促进产业地理集中[11]。本文采用工业的总产值减去高耗能产业总产值的差（AGG）来衡量集聚经济的作用效果。
⑦政府干预。石油加工及炼焦业、钢铁行业等高耗能产业属于政府干预较强、地方保护性产业[18]。省级政府间会在中央制定区域政策和产业政策时发生激烈的争夺，保护利税率高、对经济增长有明显带动作用的产业。国有企业是影响政府行为的重要方面，本文采用国有控股企业工业产值占所有企业工业产值的比重表征政府干预程度（GOV）。
⑧环境管制。中国环境管制政策越来越严格，成为影响产业空间格局变动的重要因素。近年来，一些沿海经济较为发达的省区政府纷纷采取严格的环境管控措施，促使高耗能、高污染企业向其他地区或国家转移[31]。本文采用工业SO2排放强度（ENVI），即单位工业产值所排放的SO2表示地区环境管制水平。
在上述分析的基础上，本文采用2000—2016年省区尺度高耗能产业的工业总产值（ENER）作为因变量，建立面板数据回归模型，考察以上各解释变量对高耗能产业空间布局演化的影响。为使数据更符合正态分布并消除模型异方差性，本文在回归前对被解释变量和解释变量做了对数变换。具体模型如下：
l n E N E R i t = α i t + β 1 l n N R i t + β 2 l n F O R E i t + β 3 l n P G D P i t + β 4 l n T R A N i t + β 5 l n H I S i t + β 6 l n A G G i t + β 7 l n G O V i t + β 8 l n E N V I i t + ε i t
式中： l n表示自然对数；i（i=1，2，…，31）代表31个省份；t代表时间区间（t=1，2，…，17）；解释变量的符号及其含义见表1； β i表示各解释变量的弹性系数； ε i t为横截面个体i在时间t上的随机误差项。

4.2 模型检验与判别

由于高耗能产业的空间格局变化具有显著的三个阶段特征，因而本文除了对2000—2016年所有年份进行考察之外，还分别对2000—2005、2006—2010以及2011—2016年三阶段进行考察。通过分时间段的比较分析，可以更加清楚地揭示不同影响因素在各阶段对高耗能产业空间布局影响的强度差异。首先，在模型回归之前，需要对变量之间的相关性进行检验。斯皮尔曼相关分析的结果表明lnAGG与lnENER、lnFORE、lnTRAN的相关系数均超过0.8，其他变量之间的相关系数均较低。为了提高模型的解释力，避免多重共线性，在模型估计时舍去集聚经济这一自变量。其次，需要通过Wald检验以及Hausman检验在混合回归模型（POLS）、固定效应回归模型（FE）以及随机效应回归模型（RE）之间选择出最适宜模型。Wald检验、Hausman检验的结果表明（表2），所有模型的统计量均在1%水平上显著，均拒绝了原假设，因而本文全部估计模型均应采用固定效应模型。最后，采用方差膨胀因子（VIF）进一步对各模型中变量的共线性进行统计诊断，如果VIF的值小于10，则可说明模型中自变量间不存在严重的多重共线。检验结果显示本文中4个模型的VIF值均在6以下，表明自变量并没有明显的多重共线性问题。
表2 高耗能产业空间布局演化影响因子的回归结果

Tab.2 Regression results of influencing factors for spatial distribution of high-energy intensive industry

变量 模型（1）
2000—2016		 模型（2）
2000—2005		 模型（3）
2006—2010		 模型（4）
2011—2016
lnNR 0.126*** 0.242*** 0.105** 0.105***
lnFORE 0.237*** 0.105* 0.124*** 0.147**
lnPGDP 0.895*** 1.456*** 0.351*** 0.473***
lnTRAN -0.128 0.007 0.124* -0.009
lnHIS 0.498*** 0.620*** 0.566*** 0.466***
lnGOV -0.234*** -0.071 -0.154* -0.261**
lnENVI -0.119*** 0.026 -0.283*** -0.492***
CONS -0.900 -4.665*** 6.864*** 2.343
R2 0.842 0.758 0.806 0.856
Wald test 11 383.70*** 3 065.49*** 2 549.15*** 412.21***
Hausman test 27.72*** 1 129.11*** 54.59*** 17.21***
Model FE FE FE FE
Obs 527 186 155 186

注：“*、**、***”分别表示在0.10、0.05、0.01水平显著。

4.3 回归结果分析

从对全部年份的回归结果来看（表2），经济发展水平对高耗能产业布局的弹性系数最高且为正，并在1%水平上显著，说明地区经济水平仍然是高耗能产业发展的重要原因，这与中国长期以来依赖高强度开发、高强度排放的经济增长方式密切相关。其次，历史基础的弹性系数显著为正，说明1985年高耗能产业的空间格局仍然对当前高耗能产业的空间布局有显著的影响，由于高耗能产业投资大、搬迁成本较高、生产周期较长，因而表现出较强的路径依赖特征。经济全球化与自然资源禀赋的弹性系数均显著为正，说明资源产地和国际市场同时影响着高耗能企业中间产品和原材料的获取，企业在充分权衡二者之间的成本差异之后选取最佳区位。环境管制强度的弹性系数为负，并且在1%水平上显著，表明环境管制会导致高耗能产业空间分散，我国从工业文明向生态文明转向过程中，较为发达的省区，如北京、上海、广东等首先实施了较为严格的环境制度，迫于排污成本和环保设备成本的压力，许多高耗能企业都迁移到环境管制宽松的地区[32]。国有企业工业产值比重的弹性系数显著为负，这一结果与预期符号相反，表明地方保护主义并没有促使高耗能产业空间集聚发展，政府干预反而有助于高耗能产业空间扩散。最后，交通密度的弹性系数为负，但没有通过显著性检验，说明地区交通水平对高耗能产业空间布局的影响较小，这可能与新世纪以来我国陆路交通高速发展、持续完善有关系，特别是实施“西部大开发战略”过程中，中西部地区交通条件的改善，缩小了省区之间的差距，导致交通条件影响产业空间布局的作用降低。
另外，从时间变化趋势来看，各要素在不同阶段对高耗能产业空间格局影响的强度差异较为显著。地区经济发展水平虽然在三个时期的弹性系数依然显著为正，但变化趋势上呈现出降低的态势，从2000—2005年的1.456下降到2011—2015年的0.473，表明地区经济发展水平提高依赖高耗能产业发展的程度正逐步下降。另外，历史基础的弹性系数随时间逐步下降，说明高耗能产业的路径依赖正逐渐弱化，其他驱动力正逐步打破产业的原有布局。从自然资源禀赋与经济全球化的影响变化对比来看，虽然自然资源禀赋的弹性系数一直显著为正，但其作用强度逐步减弱，弹性系数从2000—2005年的0.242下降到2011—2015年的0.105，与之相反的是，经济全球化的力量对高耗能产业的影响正逐步加强，弹性系数从0.105提高到0.147，这一结果与理论预期一致。这一结论也与一些学者对资本密集型产业的空间格局的研究结果相似[18]，可能是在产业归类上细分行业与高耗能产业有重叠。环境规制正成为改变高耗能产业空间布局的重要力量。2000—2005年环境管制强度的弹性系数不具有统计学意义，说明前期各级政府更加重视地区经济增长，而环境政策比较宽松，对高耗能企业的进入与退出影响较小。2006年之后，环境管制强度的弹性系数的绝对值逐步升高，并均通过显著性检验。国家从“十一五”开始，制定了各地区单位生产总值能源消耗降低指标计划，上海、广东、江苏、浙江等东部沿海发达省份的2010年的减排目标分别是0.70、0.66、0.74、0.72 t标煤/万元，相比之下河北、四川、湖北、山西等欠发达省份减排目标分别为1.57、1.22、1.21、2.21 t标煤/万元[33]。作为碳排放主要部门的高耗能产业纷纷从发达省份向欠发达省份转移，一定程度上解释了该阶段高耗能产业的空间扩散特征。另外，国有企业工业产值比重弹性系数显著为负，并有增大态势，表明政府干预在高耗能产业空间扩散过程中的作用逐步提高。

5 结论与讨论

本文基于2000—2016年的省区面板数据，运用区位基尼系数、产业集中度以及面板数据回归模型等方法，研究了21世纪以来中国高耗能产业的空间布局演化及其影响因素，主要得到以下几点结论：第一，高耗能产业的空间集聚演化过程可分为三个阶段，2000—2005年呈现为空间集聚，2006—2010年呈现为空间扩散，2011—2016年又发生了空间集聚。第二，高耗能产业省际差异极为显著，主要集中分布在山东、江苏、河南、广东等少数几个省份。从时间变化趋势来看，高耗能产业在省区之间发生了大规模转移，山东、河南、江西、江苏、广西的产业份额大幅提高，空间格局产生了重大变化。第三，在区域层面，已有研究表明高耗能产业明显从东部地区向中、西部地区发生了转移，而本文则发现东部地区的份额没有发生显著变化，中西部地区增加的高耗能产业份额实质上是来自于东北地区。另外，东部地区格局变化主要发生在区域内部，表现为北京、上海和广东向山东和江苏发生了转移。第四，高耗能产业空间格局变化的成因方面，经济发展水平是影响高耗能产业布局的主要因素，但影响程度正逐步减弱；历史基础仍然发挥着重要作用，但作用强度也在减弱；自然资源禀赋与经济全球化对高耗能产业布局的影响同时具有正效应，前者作用正逐渐减弱，而后者的影响日益突出。环境规制正成为改变高耗能产业空间布局的重要力量，更加有助于产业空间扩散。同时，政府干预在高耗能产业空间扩散过程中的作用也逐步凸显。另外，由于地区之间交通发展差距的缩小，交通条件对高耗能产业空间格局的变动影响已不显著。
本文根据高耗能产业的产业特性以及相似空间外部性特征，将高耗能产业作为整体进行分析，弥补了以往研究缺乏关注该产业部门的不足。同时，关注新因素、新机制对产业空间布局的影响有助于在新的发展阶段和发展趋势下更加准确把握产业空间的形成机制和调控策略。从实践应用角度来说，优化高耗能产业空间布局有利于提高能源利用效率、缓解经济增长与环境保护之间的紧张关系。根据研究结果和区域发展背景，本文获得以下政策启示：东部沿海地区集中了我国一半以上的高耗能产业，但该地区人口密度较高、资源环境承载力开始减弱，为促进地区社会、经济与环境的均衡发展，需要进一步完善环境规制、落实各项环境标准，加强节能环保技术在高耗能产业中的运用，最大限度地降低能耗和污染排放。中西部地区在承接高耗能产业转移时应重视资源环境本底条件，因地制宜、加强管控，走资源节约型和环境友好型的高质量发展道路，避免成为“污染避难所”。
另外，本研究还存在一定的局限。首先，由于许多省区面积较大，内部社会经济发展水平和自然条件都有较大的差异，因此仅从省区尺度考察中国高耗能产业的空间格局及影响因素还存在缺陷，未来有必要从地级市等更小的空间尺度进一步开展研究。其次，关于影响因素的分析，本文仅探讨了各变量的作用方向和强度的变化，未来还需要更加深入地分析各变量对高耗能产业的作用机制以及多种变量交互下的综合作用。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
邵文彬, 李方一. 产能过剩背景下我国高耗能行业增长的动因分析[J]. 软科学, 2018, 32(1):41-46.

[2]
Lin B, Tan R. Sustainable development of China's energy inten-sive industries:From the aspect of carbon dioxide emissions reduction[J]. Renewable and Sustainable Energy Reviews, 2017, 77:386-394.

[3]
沈可挺, 龚健健. 环境污染、技术进步与中国高耗能产业——基于环境全要素生产率的实证分析[J]. 中国工业经济, 2011(12):25-34.

[4]
樊杰. 中国主体功能区划方案[J]. 地理学报, 2015, 70(2):186-201.

DOI

[5]
Fan J, Wang Y, Ouyang Z, et al. Risk forewarning of regional development sustainability based on a natural resources and environmental carrying index in China[J]. Earths Future, 2017, 5(2):196-213.

[6]
He C, Pan F, Chen T. Research Progress of Industry Geography in China Science Press[J]. Journal of Geographical Sciences, 2016, 26(8):1057-1066.

[7]
罗胤晨, 谷人旭. 1980—2011年中国制造业空间集聚格局及其演变趋势[J]. 经济地理, 2014, 34(7):82-89.

[8]
Zhang X, Kloosterman RC. Connecting the "workshop of the world":Intra-and extra-service networks of the Pearl River Delta city-region[J]. Regional Studies, 2016, 50(6):1069-1081.

[9]
原嫄, 李国平, 孙铁山, 等. 中国制造业重心的空间分布变化特征与趋势研究——基于2001年和2009年数据的实证分析[J]. 人文地理, 2015, 30(5):99-105.

[10]
胡伟, 张玉杰. 中国工业发展的空间格局演变[J]. 经济地理, 2015, 35(7):105-112.

[11]
贺灿飞, 朱彦刚, 朱晟君. 产业特性、区域特征与中国制造业省区集聚[J]. 地理学报, 2010, 65(10):1218-1228.

DOI

[12]
焦兵, 李方超. 中国油气资源产业的空间布局及影响因素研究[J]. 中国矿业, 2013, 22(9):1-5,10.

[13]
Drucker J. Regional industrial structure concentration in the United States:Trends and implications[J]. Economic Geography, 2011, 87(4):421-452.

[14]
贺曲夫, 刘友金. 我国东中西部地区间产业转移的特征与趋势——基于2000—2010年统计数据的实证分析[J]. 经济地理, 2012, 32(12):85-90.

[15]
石敏俊, 逄瑞, 郑丹, 等. 中国制造业产业结构演进的区域分异与环境效应[J]. 经济地理, 2017, 37(10):108-115.

[16]
周沂, 贺灿飞, 刘颖. 中国污染密集型产业地理分布研究[J]. 自然资源学报, 2015, 30(7):1183-1196.

DOI

[17]
廖双红, 肖雁飞. 污染产业区域间转移与中部地区碳转移空间特征及启示[J]. 经济地理, 2017, 37(2):132-140.

[18]
贺灿飞, 朱彦刚. 中国资源密集型产业地理分布研究——以石油加工业和黑色金属产业为例[J]. 自然资源学报, 2010, 25(3):488-501.

DOI

[19]
高菠阳. 中国重点工业行业空间变化特征[J]. 经济地理, 2012, 32(3):82-88.

[20]
孙祥栋, 张亮亮. 中国有色金属行业的地理分布——基于空间杜宾模型的实证分析[J]. 技术经济, 2016(6):96-100.

[21]
刘鹤, 金凤君, 刘毅. 中国石化产业空间组织的演进历程与机制[J]. 地理研究, 2012, 31(11):2031-2043.

[22]
Gini C. Measurement of inequality of incomes[J]. The Eco-nomic Journal, 1921, 31(121):124-126.

[23]
Bartolucci F, Bellio R, Salvan A, et al. Modified profile likeli-hood for fixed-effects panel data models[J]. Econometric Reviews, 2016, 35(7):1271-1289.

[24]
Zhang W, Pan X, Yan Y, et al. Convergence analysis of region-al energy efficiency in china based on large-dimensional panel data model[J]. Journal of Cleaner Production, 2017, 142:801-808.

[25]
中华人民共和国国家统计局. 中华人民共和国2017年国民经济和社会发展公报[M]. 北京: 中国统计出版社, 2018.

[26]
Heckscher EF, Ohlin B. Heckscher-Ohlin Trade Theory[M]. Cambridge: The MIT Press, 1991.

[27]
Martinez-Galarraga J. The determinants of industrial location in Spain:1856-1929[J]. Explorations in Economic History, 2012, 49(2):255-275.

[28]
Krugman P. Increasing Returns and Economic Geography[J]. Journal of Political Economy, 1991, 99:483-499.

[29]
梁育填, 樊杰, 柳林, 等. 优化开发区域制造业企业迁移的因素及其区域影响:以广东东莞市为例[J]. 地理研究, 2013, 32(3):497-506.

[30]
王国蒙, 王元地, 杨雪. 环境管制对环境库兹涅兹曲线的影响研究[J]. 软科学, 2017, 31(12):78-81,86.

[31]
黄继忠, 冀刚. 外部性与产业发展——一个理论分析框架[J]. 技术经济与管理研究, 2018(2):113-118.

[32]
沈静. 环境管制影响下的佛山陶瓷产业区位变动机制[J]. 地理学报, 2012, 67(4):467-478.

DOI

[33]
国务院公报. 国务院关于“十一五”期间各地区单位生产总值能源消耗降低指标计划的批复[EB/OL]. http://www.gov.cn/gongbao/content/2006/content_443285.htm,2018-06-01.

Options
文章导航

/

〈 〉