, 苗健铭Agglomeration characteristics of industrial pollution and their influencing factors on the scale of cities in China
HUZhiqiang, MIAOJianming通讯作者:
收稿日期:2016-02-11
修回日期:2016-05-26
网络出版日期:2016-08-30
版权声明:2016《地理研究》编辑部《地理研究》编辑部
基金资助:
作者简介:
-->
展开
摘要
关键词：
Abstract
Keywords：
-->0
PDF (16948KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
1 引言
改革开放以来,中国实现了由传统农业国向现代工业国的转变。工业化在助推中国经济实现举世瞩目“增长奇迹”的同时,高消耗、低效率的发展方式造成的工业污染同样令人震惊。当前,工业污染在中国环境污染中仍较为突出。2014年,全国工业废水占废水排放总量的28.67%,工业SO2占SO2排放总量的88.15%,工业烟（粉）尘占烟（粉）尘排放总量的83.65%。面对如此严峻的工业污染状况,中央提出要“出重拳强化污染防治,坚决向污染宣战”。那么,中国工业污染的空间分布格局是怎样的?有什么样的地理集聚特征?是否存在空间溢出效应?影响因素有哪些?回答这些问题,对于摸清中国工业污染的现状和成因、制定科学合理的污染防治政策具有重要的指导意义。国外学术界对工业污染关注较早,围绕污染与经济发展之间的关系提出了著名的“库兹涅茨曲线”假说[1,2],并在CO[3]、SO2[4,5]等方面进行了大量的实证研究。随着中国经济的快速发展和环境态势的日趋严峻,工业污染问题日益成为国内学界关注的焦点。在地理学领域,围绕环境污染的影响因素[6,7]、区域差异[8,9]、环境污染与经济发展[10]和环境管控[11]之间的互动关系等论题展开了大量研究,并取得了一系列创新性研究成果。但综观已有研究文献,在内容上多侧重于工业污染排放总量的研究,对污染强度的测度相对薄弱,且不少研究往往建立在工业污染地理空间不相关假设的基础上[12],忽视工业污染的空间溢出效应,而污染的外部性和公共性决定了此种研究结果极可能存在较大的有偏性;从研究尺度看,已有研究多以省域或单个地市作为探讨对象,对全国地市的横向比较研究仍相对较少。基于此,以中国286个地市为例,采用探索性空间数据方法来测度中国工业污染总量和强度的空间格局;通过构建空间计量经济模型,对中国地市尺度工业污染是否存在空间溢出效应进行检验,并对影响工业污染空间格局的主要因素进行计量分析,以期为制定科学合理的工业污染防治措施提供理论依据和决策参考。
2 研究对象与数据来源
2.1 研究对象
工业污染的种类很多,选取能较好表征工业污染的工业废水、工业SO2和工业烟（粉）尘作为研究对象。已有研究文献多以污染物的排放总量作为区域污染水平的评价标准[13,14],对污染排放强度关注较少。污染总量作为评价指标的合理性毋庸置疑,但在愈加重视效率和效益的今天,从污染强度视角对区域污染进行考察同样重要。本文据此在对三大工业污染物排放总量进行考察的基础上,将工业废水、工业SO2和工业烟（粉）尘的排放强度纳入到研究体系中,污染强度以区域单位工业总产值污染物排放量来衡量。2.2 数据来源
以2013年为分析断面,相关工业污染和经济社会发展数据整理自《中国城市统计年鉴2014》《中国区域经济统计年鉴2014》和相关省（自治区、直辖市）2014年统计年鉴。考虑到数据的可获取性,研究区域不包括新疆、西藏和部分数据缺失区域,最终的研究地市共计286个。为统一标准,避免计算误差,首先按照2013年美元兑人民币汇率对年实际利用外资额进行变换,在此基础上将人均GDP和FDI统一转化为2005年不变价。3 研究方法
3.1 空间集聚特征研究方法
引入探索性空间分析方法来揭示中国工业污染的空间相关性,具体包括全局空间自相关和局部空间自相关。（1）全局空间自相关
全局空间自相关是对工业污染排放总量或强度属性值在空间上集聚态势的描述,用于分析区域总体的空间关联和空间差异程度,常用的测度指标为Moran's I指数,计算公式为：
式中：I为Moran's I指数;n为研究地市个数;xi和xj分别为i区域和j区域工业污染排放总量或强度;
（2）热点分析
全局空间自相关分析虽反映了属性值的整体空间集聚态势,但不能确定具体局部空间集聚情况。为进一步分析是否存在局部空间集聚,哪个区域单元对于全局空间自相关的贡献更大,以及Moran's I的全局评估在多大程度上掩盖了局部不稳定。本文采用热点分析Gi,识别不同空间区域的热点区（高值簇）和冷点区（低值簇）,进一步测度局部空间自相关特征,其公式为：
对式（2）中的Gi同样采用Z检验。若Z(Gi)显著为正,说明污染总量（或强度）高值空间集聚,即为热点区;反之,则为冷点区。根据Jenks最佳自然断裂法,将Z(Gi)由高到低分为热点区、次热点区、次冷点区和冷点区四类[15,16]。
3.2 空间计量经济模型
（1）模型构建鉴于传统的OLS估计缺少对空间关联的关注,改用空间计量经济模型对工业污染的影响因素进行考察。空间计量经济模型主要有两类：空间滞后模型（SLM）和空间误差模型（SEM）[17]。
空间滞后模型主要是探讨临近区域对研究区是否有溢出效应,即相邻地区污染排放总量或强度水平对观察区域污染总量或强度的影响,表达式为：
式中：y表示用三大工业污染的总量或强度表征的因变量;ρ表示因变量y的空间滞后值回归系数;W表示空间权重矩阵;β表示自变量回归系数;X表示自变量参数构成的矩阵;ε表示误差。
空间误差模型主要探讨存在于扰动误差项之中的空间依赖作用,用于度量邻近地区关于因变量的误差冲击对本地区污染总量（或强度）的影响程度,即一些可能被忽视的空间相关因素通过误差项对区域污染排放总量和强度产生的影响,表达式为：
式中：ε表示随机误差项;μ为正态分布的随机误差项;λ为空间误差系数。
（2）指标选取
工业污染是人类经济社会活动的产物,其影响因素是多方面的。国内外****已从经济水平、产业结构、技术和对外开放与贸易等方面对工业污染的影响因素进行了有益的探索,认为经济增长、产业结构优化、技术进步有利于污染的降低,对外开放在某种程度上会使区域环境压力加大[18,19]。基于已有研究,遵循科学性、典型性和数据可获取性等原则,着重从经济发展水平、人口密度、产业结构、外资利用水平、科技支出水平和能源强度等6个方面对工业污染的影响因素进行考察（表1）。
Tab. 1
表1
表1变量定义与解释
Tab. 1Definition and explanation of variables
| 变量 | 指标 | 含义 | 代码 | |
|---|---|---|---|---|
| 因变量 | 废水总量 | 工业废水排放总量 | 工业废水排放总量（万t） | Twater |
| SO2总量 | 工业SO2排放总量 | 工业SO2排放总量（t） | Tso2 | |
| 烟（粉）尘总量 | 工业烟（粉）尘排放总量 | 工业烟（粉）尘排放总量（t） | Tsoot | |
| 废水强度 | 万元工业总产值废水排放量 | 工业废水排放量/工业总产值（t/万元） | Rwater | |
| SO2强度 | 亿元工业总产值SO2排放量 | 工业SO2排放量/工业总产值（t/亿元） | Rso2 | |
| 烟（粉）尘强度 | 亿元工业总产值烟（粉）尘排放量 | 工业烟（粉）尘排放量/工业总产值（t/亿元） | Rsoot | |
| 自变量 | 经济发展水平 | 人均GDP | GDP/年末总人口（元/人） | gdp |
| 人口密度 | 区域人口密度 | 年末总人口/行政国土面积（人/km2） | pop | |
| 产业结构 | 第三产业比重 | 第三产业产值/GDP（%） | industry | |
| 外资利用水平 | 利用外资额 | 实际利用外资额（万元） | open | |
| 科技支出水平 | 科技支出比例 | 科技支出/财政支出（%） | technology | |
| 能源强度 | 亿元工业总产值电耗 | 用电量/工业总产值（万kW | energy |
新窗口打开
经济发展水平。根据环境库兹涅茨曲线理论,经济发展水平与污染水平存在倒“U”形关系,即随着经济发展水平的提高,污染密集型企业的比率会先上升然后随之下降,污染水平会先增高然后随之降低。而且相对于经济水平落后地区来说,高经济水平地区的生产工艺、环境管制力度会更高,其污染排放强度往往会相对较低。
人口密度。人口密度的扩大,往往意味着生产规模的扩大,会造成资源消耗和污染水平的上升。但如果人口集中在经济发达地区,其污染强度则会降低。
产业结构。一个区域的产业结构对工业污染有着直接的影响。在经济发展的工业化阶段特别是重化工业比重较高的时期,高污染、高排放特征极为明显。随着产业结构的升级特别是后工业化阶段的来临,高污染行业的比例明显下降,服务和技术密集型行业成为主导,工业污染的排放会随之降低。
外资利用水平。“污染避难所”假说认为污染密集型外资企业会倾向于建立在环境标准相对较低的国家或地区。一般认为,随着改革开放的不断深入,外资落地中国除了质高价廉、数量庞大的劳动力,广阔的市场以及优惠的政策之外,相对宽松的环境管制政策也是重要原因之一。这意味着外资的增加会提高区域污染的排放总量,但同时,外资往往有着较高的技术水平,其技术外溢会助力区域生产工艺的提高,进而降低污染的排放强度。
科技支出水平。科技支出对环境保护有着巨大的支撑作用,区域较高的科技支出水平可以提高生产工艺和资源利用效率,促进产业结构升级,降低污染的排放。
能源强度。能源强度是生产工艺和技术水平的反映,较高的能源强度往往也意味着更多的能源投入和污染物的排放。
4 结果分析
4.1 空间分布特征
（1）工业废水。从总量看（图1a）,全国工业废水排放量东西差异显著。东部区域主要呈面状分布于长江三角洲、闽南三角洲、珠江三角洲、辽宁和华北地区。内陆地区总体排放量较低,高废水排放区域主要呈点状分布于个别中心城市,如哈尔滨、长春、重庆、成都、武汉、长沙、南宁等。从强度看（图1b）,中西部等内陆地区的工业废水强度明显高于东部沿海,如黑龙江、甘肃、宁夏、广西（河池、来宾、梧州）、云南（丽江、保山、临沧）、湖南（常德、怀化、湘西、邵阳、永州）等区域的排放强度明显较高,东部地区虽有个别城市成为高值中心,但整体来看明显偏低。
显示原图|下载原图ZIP|生成PPT图12013年工业污染的空间分布
-->Fig. 1The distribution of industrial pollution in 2013
-->
（2）工业SO2。无论从总量还是强度来看（图1c、图1d）,全国工业SO2的空间分布均呈北高南低的特点。排放总量较高的区域呈片状分布于山西、山东、河北、辽宁、河南北部以及内蒙古、陕西、宁夏省际边界区域,在南方则小范围集中于长三角、长江中游城市群、珠三角、成渝城市群以及云贵地区。污染强度较高的地区集中在中国北部和西部,如山西、黑龙江北部、河北北部、宁夏、内蒙古、甘肃、云南、贵州等地。
（3）工业烟（粉）尘。与SO2类似,工业烟（粉）尘总量和强度的空间分布呈北高南低的特点（图1e、图1f）。污染总量较高的地区主要有黑龙江、辽宁、山西、河北、山东、长三角以及南方的个别城市,如重庆、荆门、曲靖、六盘水、柳州、贵港、赣州、广州、福州等地。高污染强度的地区则主要集中在黑龙江北部、山西、河北、宁夏等地,西南地区的丽江、普洱、昭通、永州、河池、贵港等地的污染强度也较突出。
4.2 空间集聚格局
图1表征了三种工业污染的空间分布态势,为了进一步揭示工业废水、工业SO2和工业烟（粉）尘的空间关联与集聚状况,引入空间自相关分析方法,基于OpenGeoda和ArcGIS软件对中国工业污染的空间集聚格局进行研究。4.2.1 全局：空间集聚格局明显 根据全局自相关公式,计算得到工业废水、工业SO2、工业烟（粉）尘总量和强度的全局Moran's I指数（表2）。
Tab. 2
表2
表2工业污染全局Moran's I统计值
Tab. 2Moran's I statistics of industrial pollution
| 工业废水 | 工业SO2 | 工业烟（粉）尘 | ||||||
|---|---|---|---|---|---|---|---|---|
| 总量 | 强度 | 总量 | 强度 | 总量 | 强度 | |||
| Moran's I | 0.25 | 0.179 | 0.192 | 0.332 | 0.037 | 0.017 | ||
| E(I) | -0.004 | -0.004 | -0.004 | -0.004 | -0.004 | -0.004 | ||
| Z(I) | 6.905 | 9.109 | 5.293 | 9.109 | 4.072 | 2.03 | ||
| P | 0.001 | 0.001 | 0.001 | 0.001 | 0.007 | 0.047 | ||
新窗口打开
根据全局Moran's I指数及相关检验指标可以发现,三大污染物总量和强度的Moran's I指数均为正,Z(I)均大于1.96临界值,且工业废水和工业SO2总量和强度的P值均等于0.001,通过了1%显著性水平检验。虽然工业烟（粉）尘的显著性相对较低,但仍然通过了5%显著性水平检验。所有研究要素的I值均显著为正,说明地市工业污染之间存在着总体空间自相关现象,工业污染水平相似的地区在空间上呈集聚分布,即污染总量和强度较高的地区和同为污染总量和强度较高的地区相邻,反之亦反。从不同污染物排放类型来看,工业废水总量和工业SO2强度的空间自相关性较高,均达到0.2以上,说明二者的集聚水平相对较高;工业废水强度和工业SO2总量的空间自相关性相对较低;工业烟（粉）尘总量和强度的空间自相关性最低,均小于0.1,说明二者的空间分布相对均衡。
4.2.2 局域：不同污染物总量及强度局域集聚特征差异较大 全局Moran's I并未对空间自相关的区域结构进行评价,无法反映区域内部的空间集聚特征[20]。为此,引入Gi热点分析方法来考察工业污染的局域集聚情况。
（1）工业废水。工业废水污染的总量和强度在空间上呈明显的东西倒置格局。从工业废水排放总量看（图2a）,热点区和次热点区主要集中分布于东部沿海经济发达区域,具体包括山东、长三角、闽南三角、珠三角,在中西部内陆则表现为点状分布的次热点区,主要有湖北的宜昌和荆州、广西河池。从工业废水排放强度看（图2b）,其空间格局与污染总量截然相反,强度热点区主要集中于中西部,包括黑龙江北部、甘肃南部、云南、广西、湖南西部等地,在东部仅有浙江金华、福建漳州和龙岩属于次热点区。
显示原图|下载原图ZIP|生成PPT图22013年工业污染空间格局热点图
-->Fig. 2Hot spot map of spatial pattern of industrial pollution in 2013
-->
（2）工业SO2。工业SO2排放的总量热点区主要集中于北方,强度则以西部地区为主（图2c、图2d）。从总量看,工业SO2排放总量在山东、河北、辽宁、山西、陕西、宁夏、内蒙古中西部、河南北部形成了大面积连片热点、次热点区。反观南方,工业SO2排放总量的热点与次热点区则主要集中在长三角和云贵川渝交界地区。从强度看,工业SO2排放强度较高的地区主要集中于中西部,如黑龙江西部、甘肃、宁夏、山西陕西北部、内蒙古中部和东部、广西北部、云南（保山、临沧、普洱、昭通、曲靖）、贵州（毕节、六盘水、安顺、贵阳、遵义）、四川（泸州）、湖南（张家界）等。东部地区基本为冷点和次冷点区,只有辽宁朝阳落入次热点区。
（3）工业烟（粉）尘。工业烟（粉）尘污染的总量与强度格局整体类似,但南北分化显著（图2e、图2f）。工业烟（粉）尘的排放总量和强度的热点区均以北部为主,污染总量在山西中部、河北南部与北部、陕西榆林和内蒙古鄂尔多斯形成热点和次热点区,整个南方地区均为冷点和次冷点区,与北方形成鲜明对照。污染强度水平较高的区域主要集中在黑龙江北部、山西中北部、宁夏、甘肃中部、内蒙古的鄂尔多斯、乌海、呼和浩特、河北的石家庄、邢台、邯郸,广大南方除攀枝花和丽江为次热点外均为污染强度较低的冷点和次冷点区。
（4）总体比较,从排放总量看,工业SO2热点、次热点区域（即总量较高的区域）明显超过工业废水和工业烟（粉）尘,多达96个;工业废水次之,工业烟（粉）尘排放总量的热（次热）点区域数量最少,仅有17个。从排放强度看,工业SO2热点、次热点区域数仍属最高,多达54个;工业废水和工业烟（粉）尘相对较低且差距不大,分别为35个和38个。从空间分布看,由于不同污染物的特殊性质和产业指向,无论是总量还是强度,三大工业污染物的空间分布有着极大的差异性。
4.3 地市尺度工业污染的影响因素
4.3.1 模型检验 为进一步判断空间自相关性,甄选最优的空间模型,采用Anselin等[21]提出的拉格朗日乘子LM-LAG和LM-ERROR及其对应的R-LM标准来判断对SLM和SEM模型进行检验判断,若LMLAG较之LMERR在统计上更加显著,且R-LMLAG显著而R-LMERR不显著,则可以断定SLM更为可取;相反,若在统计上LMERR较LMLAG更为显著,且R-LMERR显著而R-LMLAG不显著,则判定SEM更为合适。SLM和SEM空间依赖性的检验结果见表3。Tab. 3
表3
表3工业污染空间依赖性检验结果
Tab. 3Results of spatial dependence test of industrial pollution
| 检验 | Twater | Rwater | Tso2 | Rso2 | Tsoot | Rsoot | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Value | Prob | Value | Prob | Value | Prob | Value | Prob | Value | Prob | Value | Prob | ||||||
| LM(lag) | 28.0314 | 0.0000 | 11.6535 | 0.0006 | 62.0360 | 0.0000 | 34.9537 | 0.0000 | 47.8293 | 0.0000 | 30.5077 | 0.0000 | |||||
| RLM(lag) | 22.8143 | 0.0000 | 0.1601 | 0.6890 | 44.5706 | 0.0000 | 10.4245 | 0.0012 | 27.7405 | 0.0000 | 1.2216 | 0.2690 | |||||
| LM(error) | 5.2671 | 0.0217 | 12.4551 | 0.0004 | 17.8968 | 0.0000 | 25.4727 | 0.0000 | 23.0891 | 0.0000 | 38.3931 | 0.0000 | |||||
| RLM(error) | 0.0501 | 0.8229 | 0.9617 | 0.3268 | 0.4315 | 0.5113 | 0.9436 | 0.3314 | 3.0002 | 0.0833 | 9.1069 | 0.0025 | |||||
新窗口打开
从表3可以看出,工业废水总量的LM(lag)较LM(error)更为显著,工业SO2总量和强度、工业烟（粉）尘总量在LM(lag)和LM(error)同样显著的情况下RLM(lag)较RLM(error)更为显著,工业废水强度LM(lag)较LM(error)更为不显著,工业烟（粉）尘强度在LM(lag)和LM(error)同样显著的情况下RLM(lag)较RLM(error)更为不显著。这说明,空间滞后模型对于解释工业废水总量、工业SO2总量和强度、工业烟（粉）尘总量更优,而以空间误差模型来解释工业废水强度和工业烟（粉）尘强度更为合适。
4.3.2 结果分析 根据相关检验结果,对相关变量进行回归分析。为了使数据更加平滑,将各变量进行取对数处理。对考虑了空间因素的SLM和SEM模型仍进行OLS估计会使最终的回归结果产生有偏性,因此采用极大似然估计对SLM和SEM模型进行估计。为了便于分析,给出了三大工业污染总量和强度的OLS、SLM、SEM三种模型的估计结果（表4）。对于模型的有效性,可以通过拟合优度R2、自然对数似然函数值（LIC）、赤池信息准则（AIC）、施瓦茨准则（SC）等综合来判断,拟合优度越高、对数似然值越大、AIC和SC值越小,模型拟合效果越好。
Tab. 4
表4
表4OLS、SLM和SEM计量回归分析结果
Tab. 4Results of OLS, SLM and SEM regression analysis
| 工业废水 | 工业SO2 | 工业烟（粉）尘 | ||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| OLS | SLM | SEM | OLS | SLM | SEM | OLS | SLM | SEM | ||||||||||||
| lnTwater | lnRwater | lnTwater | lnRwater | lnTwater | lnRwater | lnTso2 | lnRso2 | lnTso2 | lnRso2 | lnTso2 | lnRso2 | lnTsoot | lnRsoot | lnTsoot | lnRsoot | lnTsoot | lnRsoot | |||
| ρ/λ | - | - | 0.207*** | 0.240*** | 0.230*** | 0.288*** | - | - | 0.303*** | 0.370*** | 0.38/9*** | 0.412*** | - | - | 0.264*** | 0.344*** | 0.389*** | 0.458*** | ||
| constant | 0.355* | 0.134 | -0.440* | -0.047 | 0.298 | -0.011 | 0.359 | 0.138 | -1.084*** | -0.481** | 0.219 | -0.018 | 0.398* | 0.177 | -0.752*** | -0.260 | 0.421* | 0.111 | ||
| lngdp | 0.093 | -0.156*** | 0.118** | -0.129*** | 0.099 | -0.106** | 0.290*** | 0.041 | 0.294*** | 0.042 | 0.239*** | 0.048 | 0.211*** | -0.038 | 0.219*** | -0.031 | 0.184** | -0.001 | ||
| lnpop | 0.368*** | -0.086 | 0.338*** | -0.051 | 0.400*** | -0.045* | 0.161** | -0.293*** | 0.179*** | -0.163*** | 0.221** | -0.232*** | -0.045 | -0.499*** | 0.001 | -0.339*** | 0.008 | -0.439*** | ||
| lnindustry | 0.466** | 0.357** | 0.571*** | 0.331** | 0.411** | 0.320** | 0.283 | 0.173 | 0.501*** | 0.213 | 0.243 | 0.172 | 0.416* | 0.306 | 0.594*** | 0.328* | 0.454** | 0.396** | ||
| lnopen | 0.186*** | -0.010 | 0.144*** | -0.017 | 0.176*** | -0.037 | 0.143*** | -0.053 | 0.091** | -0.052 | 0.155*** | -0.059 | 0.193*** | -0.002 | 0.135*** | -0.019 | 0.169*** | -0.053 | ||
| lntechnology | -0.026 | -0.228*** | -0.052 | -0.216*** | -0.078 | -0.256*** | -0.388*** | -0.590*** | -0.365*** | -0.495*** | -0.450*** | -0.599*** | -0.402*** | -0.604*** | -0.373*** | -0.505*** | -0.443*** | -0.588*** | ||
| lnenergy | 0.053 | 0.135*** | 0.061 | 0.122*** | -0.040 | 0.109** | 0.186*** | 0.268*** | 0.188*** | 0.236*** | 0.184*** | 0.251*** | 0.225*** | 0.307*** | 0.213*** | 0.259*** | 0.195*** | 0.255*** | ||
| R2 | 0.595 | 0.183 | 0.635 | 0.221 | 0.608 | 0.351 | 0.537 | 0.445 | 0.637 | 0.544 | 0.581 | 0.510 | 0.522 | 0.465 | 0.600 | 0.529 | 0.573 | 0.609 | ||
| LIC | -124.293 | -68.977 | -110.502 | -63.834 | -121.261 | -62.990 | -177.75 | -118.804 | -145.212 | -100.955 | -168.062 | -106.350 | -169.941 | -138.772 | -146.373 | -124.150 | -158.774 | -121.306 | ||
| AIC | 262.587 | 151.953 | 237.005 | 143.667 | 256.521 | 139.98 | 369.501 | 251.609 | 306.424 | 217.911 | 350.124 | 226.700 | 353.882 | 291.544 | 308.746 | 264.300 | 331.549 | 256.611 | ||
| SC | 288.276 | 177.642 | 266.364 | 173.026 | 282.210 | 165.67 | 395.190 | 277.298 | 335.783 | 247.27 | 375.813 | 252.389 | 379.572 | 317.234 | 338.105 | 293.659 | 357.238 | 282.300 | ||
新窗口打开
从表4的回归结果可以发现,考虑空间因素的SLM和SEM模型较OLS模型的解释力有了明显的提高,模型的拟合优度和对数似然函数值明显上升,赤池信息准则、施瓦茨准则值有了显著的降低,这说明考虑空间效应建立分析模型是十分必要的。同时,不同污染物的性质和空间分布的特殊性,也进一步增加了回归结果的复杂性。综合模型拟合的结果,可以看出：
（1）空间溢出效应显著。三大工业污染物的空间滞后系数ρ和空间误差系数λ均显著为正,说明工业废水、工业SO2、工业烟（粉）尘总量与强度存在着空间滞后溢出和空间误差溢出效应,即邻近地区工业污染总量和强度对本地区的工业污染总量和强度有着明显的影响,且邻近地区的一些被忽视的影响因素（如工业结构、环境管制、区域政策等）通过误差冲击对本地工业污染总量和强度产生影响。
（2）经济发展水平。从总量看,区域经济发展水平对工业废水、工业SO2和工业烟（粉）尘的回归系数显著为正,人均GDP每提升1个百分点,工业废水、工业SO2和工业烟（粉）尘的排放量分别提高0.118%、0.294%和0.219%,说明中国正处在工业化发展时期,污染排放尚未越过库兹涅茨曲线的峰值,污染总量随着经济规模变大而上升。从强度看,经济发展水平与废水排放强度呈显著负向关系,人均GDP每提升1个百分点,工业废水强度降低0.106%,表明随着经济发展水平的提高,产业结构、生产工艺的升级和环境管制的加强,会使区域废水污染强度降低。同时,经济发展水平对工业SO2和工业烟（粉）尘排放强度的作用不显著,说明经济发展水平还没有对工业SO2和工业烟（粉）尘产生明显作用,这可能因为污染物的特殊性质和特定经济活动指向性使不同污染物强度随经济发展水平的降低具有时间的非同步性。
（3）人口密度。从总量看,人口密度与工业废水、工业SO2的回归系数显著为正,与工业烟（粉）尘呈不显著正相关,其中缘由可能由污染物自身属性和产业指向性造成的。相比工业废水和工业SO2,工业烟（粉）尘的产生有着更强的产业指向性和集中性,工业烟（粉）尘排放总量的热点分布区相较工业废水和工业SO2更为集中（图2）,所以相比较人口密度,工业烟（粉）尘总量排放可能受产业布局影响更大。从强度看,人口密度与工业废水、工业SO2和工业烟（粉）尘强度均呈负向关系,人口密度每增加1个百分点,三大污染物强度分别降低0.045%、0.163%、0.439%,说明人口的空间集聚虽可能会增加工业污染物的总量排放规模,但有利于降低污染物排放强度。
（4）产业结构。从总量看,第三产业比重与三大污染物的回归系数均显著为正,即第三产业比重越高,污染总量越大。这意味着中国总体上还处于工业化阶段,第三产业比重高的地区对应的是工业比较发达、经济规模较大的经济发达地区,第三产业比重提高所带来的结构效应还明显小于经济规模效应。从强度看,产业结构水平对工业废水和工业烟（粉）尘的回归系数显著为正,而对工业SO2强度的影响不显著。这意味着,大多数城市仍处于工业化进程中,第三产业比重不断上升的同时,工业所占比重更高,第三产业水平还不足以对降低工业废水、工业SO2和工业烟（粉）尘强度产生作用。或许,目前对于工业废水、工业SO2和工业烟（粉）尘的减排来讲,最主要的还不是单纯的推动产业结构向第三产业调整,而是生产工艺的高级化。
（5）利用外资水平。从总量看,对外开放水平与三大污染物总量呈显著正相关关系,实际利用外资每增加1%,三大污染物的总量分别上涨0.144%、0.091%、0.135%,说明外资的进驻加剧了区域的污染,“污染避难所”现象在中国是存在的。从强度看,开放水平与污染强度关系并不显著,说明外资的技术外溢对污染强度降低的作用还不明显。
（6）科技支出水平。科技支出水平对工业SO2总量和工业烟（粉）尘总量有明显的负向作用,而对工业废水为负向不显著,这可能与污染物的性质有关,同一发展时期三大污染物排放对技术进步的响应程度有所不同,工业SO2和工业烟（粉）尘的减排对科技支出水平有着更为显著的依赖;从污染强度看,科技支出与三大污染物排放强度呈显著负相关,科技支出每增加1个百分点,三大污染物的排放强度分别下降0.256%、0.495%、0.588%,说明科技水平的提升和生产工艺的进步可以降低污染物的排放强度。同时,三大污染物中工业废水受科技支出的影响最小,这在某种程度上也可以佐证工业废水对科技支出的低敏感性是工业废水排放总量与科技支出关系不显著的原因之一。
（7）能源强度。从总量看,能源强度与工业SO2和工业烟（粉）尘存在正向相关关系,即能源强度高的地区污染总量越大,但对工业废水的影响尚不显著。这可能与污染物的特性和空间分布的格局有关,因为工业废水总量排放并不依赖于能源利用效率。从强度看,能源强度与污染强度均呈显著正相关,亿元工业总产值电耗每增加1个百分点,三大污染物的排放强度分别上升0.109%、0.236%、0.255%。
5 结论与讨论
基于中国286个地市2013年的断面数据,采用探索性空间数据分析和空间计量经济模型等方法,刻画了中国工业污染总量和强度的空间集聚特征,探讨了影响工业污染空间格局的主要因素。研究发现：（1）工业污染空间集聚特征显著,空间分布差异大。工业废水、工业SO2、工业烟（粉）尘总量和强度存在显著的空间自相关性和空间集聚性。工业废水总量东高西低,但强度西高东低;工业SO2总量北高南低且高污染区域较多,但强度西高东低;工业烟（粉）尘总量与强度空间格局相似,集中于晋陕甘一带。
（2）工业污染空间溢出效应显著。三大污染物总量和强度均表现出显著的空间滞后和空间误差溢出效应,说明周边污染物的排放和其他影响因素会对本区域污染物排放产生作用。其政策含义是,在环境保护和治理行动中,要高度重视区域间的合作,建立相关区域联防联控的环保机制,在联合监测、信息公开共享、联合预警、联合应急、协同治理等方面相互协调,一致行动。
（3）工业废水、工业SO2、工业烟（粉）尘三种污染物由于性质不同,空间格局差异悬殊,导致不同污染物排放总量和强度的主要影响因素差异显著。在总量上,工业废水排放主要受经济发展水平、人口密度、第三产业比重、利用外资规模的影响,工业SO2排放主要受经济发展水平、人口密度、第三产业比重、利用外资规模、科技支出水平、能源强度的影响,而工业烟（粉）尘排放主要受经济发展水平、第三产业比重、利用外资规模、科技支出水平、能源强度的影响;从强度上,工业废水排放主要受经济发展水平、人口密度、第三产业比重、科技支出水平、能源强度的影响,工业SO2排放主要受人口密度、科技支出水平、能源强度的影响,而工业烟（粉）尘排放主要与人口密度、第三产业比重、科技支出水平、能源强度有关。总体来看,三种污染物的排放在现阶段的规模效应突出,经济发展水平、人口密度、第三产业比重、利用外资规模、能源强度的提升,会增加污染物总量,但经济发展水平、人口密度、科技支出水平的提升,则有利于降低污染强度。其政策含义是,总体上中国工业污染物的排放在总量上仍处于增加阶段,还没有进入环境库兹涅茨曲线的拐点,向污染宣战的任务还十分严峻和艰巨;但提高经济发展水平,促进人口的空间集中,加快生产工艺高级化,增加科技支出,控制能源强度,则会促进污染强度的下降。
伴随着地区间大规模的产业转移,工业污染排放的空间格局也处于动态的变化中,其影响因素也会随着时间而变化。本文针对现状格局及其影响因素的研究表明,不同污染物排放的空间集聚和分布的差异较大,一方面要求在制定具体的污染防治政策时,一定要因地制宜,因势利导,采取差异化的路径和措施,另一方面也要看到,解决污染总量排放问题,关键还是依靠发展来大幅度降低污染排放强度,只有通过提高经济发展水平、促进人口的空间集中、加大科技支出力度、严格对外资进行环境管控、切实降低能源强度,才能尽早实现环境库兹涅茨曲线从总量持续增加向持续减少的转折。
The authors have declared that no competing interests exist.
参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
| [1] | . |
| [2] | . As the discipline of economics has developed over the last two hundred years, there have been significant changes in analytic method but a remarkable continuity of the key issues which have been addressed. The role of the environment as a constraint on economic growth has been one such issue. This was given wide public prominence by Thomas Malthus in his Essay on Population , first published in 1798. The essence of his argument is one that still appears in policy debates on the future of the planet. The human race, like other biological populations has the capacity to grow at a compound rate. Population growth is ultimately halted by the limited supply of fertile land and the failure of food production to match the growth of population. Where lack of foresight results in population growth beyond food supply, real wages fall, and ultimately death from disease and famine will reduce population to the level where the living can just survive on a bare subsistence income. Economics, with some justice, earned the title of ‘the dismal science’. |
| [3] | . Several recent studies have identified inverted-U relationships between pollution and economic development. We investigate this question using a cross-national panel of data on emissions of four important air pollutants: suspended particulate matter, sulfur dioxide, oxides of nitrogen, and carbon monoxide. We find that per capita emissions of all four pollutants exhibit inverted-U relationships with per capita GDP. While this suggests that emissions will decrease in the very long run, we forecast continued rapid growth in global emissions over the next several decades. |
| [4] | . CiteSeerX - Scientific documents that cite the following paper: Is there an Environmental Kuznets Curve for Sulphur |
| [5] | . <h2 class="secHeading" id="section_abstract">Abstract</h2><p id="">This paper uses Chinese provincial data from 1993 to 2002 to examine the existence of an Environmental Kuznets Curve (EKC) relationship between per capita income and per capita pollutant emission. Acknowledging the theoretical framework that economic growth and pollution are jointly determined, this paper starts from formulating a simultaneous equations model (SEM) to investigate the relationship between income and pollutant emission. A Hausman test is applied for income exogeneity and a two-stage least squares (2SLS) method is used to estimate the SEM. There are three main differences found between single polynomial equation estimators commonly used in EKC literatures and simultaneous equationa estimators. Since these differences tend to cause different policy implications, therefore, this paper suggests that the simultaneity between income and pollution should be considered before regressing the model in future EKC studies. In addition, this paper also investigates the determinants of income and government pollution abatement expense. Negative impact of pollution on income, and positive effects of physical and labor on income are found in income equation. Whilst positive effects of pollutant emissions, physical capital and the secondary industry share on pollution abatement expenses are also found in abatement equation.</p> |
| [6] | . 运用分解分析方法对工业污染变化进行地区分解、影响因素分解和综合分解,建立包含地区和影响因素的工业污染分解模型,并且应用该模型对2001-2005年无锡市工业SO2排放量的变化进行实证分析。分析结果表明,无锡市工业SO2排放量的变化主要是江阴的经济规模、能耗技术和排污技术,市区的经济规模和能耗技术,以及宜兴的经济规模共同作用的结果。从地区来看,无锡市工业SO2排放量的变化主要源于江阴,而宜兴的影响逐渐增强,市区的影响趋于减弱。从影响因素来看,三个地区的经济规模效应都为正,而且显著大于其他三种效应;经济结构是影响力最弱的因素;技术变迁有显著影响,但在三个地区间存在差异性。为了同时实现经济发展和工业SO2减排,无锡需要采取节能减排措施以降低(特别是江阴的)工业SO2排放强度。 . 运用分解分析方法对工业污染变化进行地区分解、影响因素分解和综合分解,建立包含地区和影响因素的工业污染分解模型,并且应用该模型对2001-2005年无锡市工业SO2排放量的变化进行实证分析。分析结果表明,无锡市工业SO2排放量的变化主要是江阴的经济规模、能耗技术和排污技术,市区的经济规模和能耗技术,以及宜兴的经济规模共同作用的结果。从地区来看,无锡市工业SO2排放量的变化主要源于江阴,而宜兴的影响逐渐增强,市区的影响趋于减弱。从影响因素来看,三个地区的经济规模效应都为正,而且显著大于其他三种效应;经济结构是影响力最弱的因素;技术变迁有显著影响,但在三个地区间存在差异性。为了同时实现经济发展和工业SO2减排,无锡需要采取节能减排措施以降低(特别是江阴的)工业SO2排放强度。 |
| [7] | . <p>基于2003-2013年经济与环境污染数据,运用EKC模型、Moran's <i>I</i>指数、LMDI指数,将污染排放的经济因素分解为规模效应、结构效应、能源消费效应、能源开发效应、技术污染效应,探讨中国环境污染变动的时空特征。结果表明,中国环境污染总量未到达EKC曲线拐点,处于EKC曲线左侧。在时间维度上,规模效应加剧了环境污染恶化,其他效应的变化间接改善了环境状况。在空间维度上,规模效应的高值聚集区是东部地区;结构效应、能源消费效应、技术污染效应的高值聚集区主要是中西部地区,低值聚集区多为东部和东北地区;能源开发效应是全国范围的整体偏低。中国污染重心在113°E~115°E,32°N~34.5°N的区域内移动,以北京—吉林—广东—浙江等省份所构成的区域,受不同经济效应影响,在向东、向西之间“抉择移动”。</p> . <p>基于2003-2013年经济与环境污染数据,运用EKC模型、Moran's <i>I</i>指数、LMDI指数,将污染排放的经济因素分解为规模效应、结构效应、能源消费效应、能源开发效应、技术污染效应,探讨中国环境污染变动的时空特征。结果表明,中国环境污染总量未到达EKC曲线拐点,处于EKC曲线左侧。在时间维度上,规模效应加剧了环境污染恶化,其他效应的变化间接改善了环境状况。在空间维度上,规模效应的高值聚集区是东部地区;结构效应、能源消费效应、技术污染效应的高值聚集区主要是中西部地区,低值聚集区多为东部和东北地区;能源开发效应是全国范围的整体偏低。中国污染重心在113°E~115°E,32°N~34.5°N的区域内移动,以北京—吉林—广东—浙江等省份所构成的区域,受不同经济效应影响,在向东、向西之间“抉择移动”。</p> |
| [8] | . 文章以中国31个省市自治区为研究样本,选取6个反映工业污染情况的主要指标,利用主因子分析和聚类分析方法对中国环境污染分布状况进行深入研究,绘制中国工业污染空间分布格局图,分析各区域间工业污染的差异,并且提出环境污染治理的可行性对策建议,进而为推行节能减排和“两型社会”建设提供参考依据. . 文章以中国31个省市自治区为研究样本,选取6个反映工业污染情况的主要指标,利用主因子分析和聚类分析方法对中国环境污染分布状况进行深入研究,绘制中国工业污染空间分布格局图,分析各区域间工业污染的差异,并且提出环境污染治理的可行性对策建议,进而为推行节能减排和“两型社会”建设提供参考依据. |
| [9] | . 本文采用中国省级面板数据,分 析了工业污染排放强度的影响因素及其在东部和中西部的差异。实证研究表明,工业污染排放强度随着经济发展相对水平和受教育水平的上升而下降,但在经济发展 达到一定程度后,进一步降低排污强度需要依靠工业集聚形成网络化的分工协作关系,从而更有效地组织生产,降低环境损耗;国有工业企业在排污方面可能存在双 向效应,环保表现不明确;此外,工业化进程可能带来更加严重的污染问题,中西部地区应避免成为外商直接投资的"污染天堂"。 . 本文采用中国省级面板数据,分 析了工业污染排放强度的影响因素及其在东部和中西部的差异。实证研究表明,工业污染排放强度随着经济发展相对水平和受教育水平的上升而下降,但在经济发展 达到一定程度后,进一步降低排污强度需要依靠工业集聚形成网络化的分工协作关系,从而更有效地组织生产,降低环境损耗;国有工业企业在排污方面可能存在双 向效应,环保表现不明确;此外,工业化进程可能带来更加严重的污染问题,中西部地区应避免成为外商直接投资的"污染天堂"。 |
| [10] | . 基于扩展的传统环境库茨涅茨曲线(EKC),利用2008年中国31个省域截面数据和空间计量经济学模型,分析省域环境污染的空间相关性、EKC的形状及决定因素。结果发现:我国省域环境污染存在明显空间依赖性和空间溢出效应,高—高和低—低集聚区居主导地位;全域截面数据模拟的EKC形状为"U+倒U"型,其中30个省域的EKC曲线为"倒U"型,EKC假说在省域尺度得到了证实;29个省域的人均GDP位于"倒U"型曲线左侧区域,表明省域人均收入越高,环境污染越严重;上海已率先跨过"倒U"型曲线拐点,其人均收入的提高与环境保护较为协调;人口规模、城市化水平及中等级人力资本,与环境污染损失成正相关;升级产业结构、积累高等级人力资本及提高对外开放程度,有利于控制环境污染。 . 基于扩展的传统环境库茨涅茨曲线(EKC),利用2008年中国31个省域截面数据和空间计量经济学模型,分析省域环境污染的空间相关性、EKC的形状及决定因素。结果发现:我国省域环境污染存在明显空间依赖性和空间溢出效应,高—高和低—低集聚区居主导地位;全域截面数据模拟的EKC形状为"U+倒U"型,其中30个省域的EKC曲线为"倒U"型,EKC假说在省域尺度得到了证实;29个省域的人均GDP位于"倒U"型曲线左侧区域,表明省域人均收入越高,环境污染越严重;上海已率先跨过"倒U"型曲线拐点,其人均收入的提高与环境保护较为协调;人口规模、城市化水平及中等级人力资本,与环境污染损失成正相关;升级产业结构、积累高等级人力资本及提高对外开放程度,有利于控制环境污染。 |
| [11] | . 环境政策是否有助于实现清洁增长目标，本文利用跨省工业污染数据对此进行了实证分析。研究显示：（1）我国采取的环境政策对减少污染排放起到了显著效果，但这种效果主要是通过污染收费制度实现的，其作用弹性达到了0．4。相比较，减排补贴和环保贷款制度对污染减排作用效果不明显，同时，部分地区试行的排污权交易在经验上还没有显示出其在减排方面的积极效果。（2）公众的环保行为没有被纳入我国环境管制的框架内，公众的环境质量诉求还无法在环保执法中得到满足。（3）临近地区污染控制的严厉程度对本地污染控制决策具有显著影响，地区间污染控制决策呈现出明显的策略性特征。（4）中央政府控制污染的决心未能对地方环保部门和地方政府的环保执法起到积极的促进作用。 . 环境政策是否有助于实现清洁增长目标，本文利用跨省工业污染数据对此进行了实证分析。研究显示：（1）我国采取的环境政策对减少污染排放起到了显著效果，但这种效果主要是通过污染收费制度实现的，其作用弹性达到了0．4。相比较，减排补贴和环保贷款制度对污染减排作用效果不明显，同时，部分地区试行的排污权交易在经验上还没有显示出其在减排方面的积极效果。（2）公众的环保行为没有被纳入我国环境管制的框架内，公众的环境质量诉求还无法在环保执法中得到满足。（3）临近地区污染控制的严厉程度对本地污染控制决策具有显著影响，地区间污染控制决策呈现出明显的策略性特征。（4）中央政府控制污染的决心未能对地方环保部门和地方政府的环保执法起到积极的促进作用。 |
| [12] | . The relationship between economic development and environmental pollution has been widely studied in the context of the environmental Kuznets curve. This study applies the three-dimension framework of density, division, and distance proposed by the World Bank to identify the spatial heterogeneity of development and pollution in urban China. An inverted U relationship is detected between density and industrial SO 2 emission, while a cubic relationship is found between density and industrial SO 2 /soot emission intensity. The statistical significance of division indicates that the pollution haven hypothesis holds in the western region and cities in the periphery. The environmental implication of distance is that the industrial pollution is largely concentrated in the national and regional cores. |
| [13] | . <p>选取北京市 1985～ 1999年经济与环境数据 ,通过分析经济因子与环境因子相互关系 ,探究北京市经济增长与环境质量演替轨迹 ,以建立北京市经济增长与环境污染水平计量模型 ,为评价北京市环境政策提供依据。实证研究表明 :北京市自 1985年以来随着经济增长其环境恶化程度在下降 ,且已进入经济与环境协调发展后期阶段。北京市各环境指标与人均GDP演替轨迹呈现显著的环境库兹涅茨曲线特征 ,但比发达国家较早实现了其环境库兹涅茨曲线转折点 ,且到达转折点的时间跨度小于发达国家。这主要归功于中国及北京市政府近 10年来 ,尤其 1995年以来有效环境政策和巨额环境投资以及科技后发优势。</p> . <p>选取北京市 1985～ 1999年经济与环境数据 ,通过分析经济因子与环境因子相互关系 ,探究北京市经济增长与环境质量演替轨迹 ,以建立北京市经济增长与环境污染水平计量模型 ,为评价北京市环境政策提供依据。实证研究表明 :北京市自 1985年以来随着经济增长其环境恶化程度在下降 ,且已进入经济与环境协调发展后期阶段。北京市各环境指标与人均GDP演替轨迹呈现显著的环境库兹涅茨曲线特征 ,但比发达国家较早实现了其环境库兹涅茨曲线转折点 ,且到达转折点的时间跨度小于发达国家。这主要归功于中国及北京市政府近 10年来 ,尤其 1995年以来有效环境政策和巨额环境投资以及科技后发优势。</p> |
| [14] | . 环境库兹涅茨曲线假说提出经济增长与环境污染之间存在倒U型的关系,大量研究试图得到不同国家不同发展阶段的经济增长与环境污染之间的具体关系,找到环境破坏逆转的拐点;但该理论仅仅是从经验出发得到的,是否具有普遍性并未得到证实。我国近年来经济的高速增长带来了严重环境污染问题,采用全国的数据进行的实证研究表明:我国目前处于环境污染恶化阶段,没有证据显示我国已经存在环境库兹涅茨曲线现象,但也不排除目前我国处于环境库兹涅茨曲线的上升阶段的可能,只有通过积极的环境政策干预才可以使环境保护与社会经济的发展相协调。 环境库兹涅茨曲线假说提出经济增长与环境污染之间存在倒U型的关系,大量研究试图得到不同国家不同发展阶段的经济增长与环境污染之间的具体关系,找到环境破坏逆转的拐点;但该理论仅仅是从经验出发得到的,是否具有普遍性并未得到证实。我国近年来经济的高速增长带来了严重环境污染问题,采用全国的数据进行的实证研究表明:我国目前处于环境污染恶化阶段,没有证据显示我国已经存在环境库兹涅茨曲线现象,但也不排除目前我国处于环境库兹涅茨曲线的上升阶段的可能,只有通过积极的环境政策干预才可以使环境保护与社会经济的发展相协调。 |
| [15] | . Introduced in this paper is a family of statistics, G, that can be used as a measure of spatial association in a number of circumstances. The basic statistic is derived, its properties are identified, |
| [16] | . <p>以县域为基本空间单元,构建了刻画乡村性的指标体系,定量测度了2000年、2004年、2008年、2012年东北地区149个县域乡村性指数,并采用ESDA空间统计方法,探索东北地区县域乡村性的时空演变特征。结果表明：① 东北地区县域乡村性指数普遍较高,均值呈现波动下降的态势。② 县域乡村性指数呈现南低北高,逐步极化的空间格局,且与其到区域性中心城市的距离成正比,呈现环状递增的空间分布格局。③ 县域乡村性趋于空间集聚,且随时间推移,低值和低值、高值和高值县域的空间集聚增强;冷点、次冷点、热点、次热点区域在空间上均呈现“北上”发展态势,温和区域在空间上呈现“南下”的发展态势。从国家政策、产业结构、农业投入和资本投入等视角,分析了乡村性时空演变的原因。</p> . <p>以县域为基本空间单元,构建了刻画乡村性的指标体系,定量测度了2000年、2004年、2008年、2012年东北地区149个县域乡村性指数,并采用ESDA空间统计方法,探索东北地区县域乡村性的时空演变特征。结果表明：① 东北地区县域乡村性指数普遍较高,均值呈现波动下降的态势。② 县域乡村性指数呈现南低北高,逐步极化的空间格局,且与其到区域性中心城市的距离成正比,呈现环状递增的空间分布格局。③ 县域乡村性趋于空间集聚,且随时间推移,低值和低值、高值和高值县域的空间集聚增强;冷点、次冷点、热点、次热点区域在空间上均呈现“北上”发展态势,温和区域在空间上呈现“南下”的发展态势。从国家政策、产业结构、农业投入和资本投入等视角,分析了乡村性时空演变的原因。</p> |
| [17] | Spatial econometrics : methods and models by Luc Anselin （Studies in operational regional science, 4） Kluwer Academic Publishers, c1988 : pbk |
| [18] | . 本文以制造业及其进出口品的污染物排放强度为研究对象，分析了经济增长、国际贸易对中国环境 的影响，并特别强调加工贸易和FDI在这其中的作用。研究结果显示：人均实际GDP提高所引起的对环境管制更规范的要求，是制造业污染强度下降最主要的因 素，同时出口品的污染排放强度小于进口品的事实，证实对外贸易优化了中国的产业结构，也是利于环境的。加工贸易对制造业生产和出口的“清洁”也起到了显著 作用。 . 本文以制造业及其进出口品的污染物排放强度为研究对象，分析了经济增长、国际贸易对中国环境 的影响，并特别强调加工贸易和FDI在这其中的作用。研究结果显示：人均实际GDP提高所引起的对环境管制更规范的要求，是制造业污染强度下降最主要的因 素，同时出口品的污染排放强度小于进口品的事实，证实对外贸易优化了中国的产业结构，也是利于环境的。加工贸易对制造业生产和出口的“清洁”也起到了显著 作用。 |
| [19] | . 采用1998—2006年中国30个省市的面板数据,以空气、水体和固体废物中六类污染物的排放强度来度量中国的区域环境质量。在回归模型中,同时考虑环境规制效应和要素禀赋效应的影响。估计结果表明,贸易开放是影响环境质量的重要变量,贸易开放本身不利于环境质量的改善,对外贸易引致的污染避难所效应成立,要素禀赋效应不成立,不同的环境质量度量指标所得的结果存在差异。 . 采用1998—2006年中国30个省市的面板数据,以空气、水体和固体废物中六类污染物的排放强度来度量中国的区域环境质量。在回归模型中,同时考虑环境规制效应和要素禀赋效应的影响。估计结果表明,贸易开放是影响环境质量的重要变量,贸易开放本身不利于环境质量的改善,对外贸易引致的污染避难所效应成立,要素禀赋效应不成立,不同的环境质量度量指标所得的结果存在差异。 |
| [20] | . <p>城市集聚增长日益显著以及城市间连接性的增强等是20 世纪90 年代以来中国城市发 展的显著特征。通过运用GIS 环境下的Moran's I 等技术方法， 探讨了1990-2005 年中国城市 人口的空间集聚特征及其演变规律， 结果表明： 尽管总体上城市人口的正空间集聚性不强， 但局部空间集聚特征明显， 存在较强的规律性， 主要表现为“T” 字型和沿主要铁路交通线 的发展态势， 而其演变过程体现了中国城市体系空间结构正处在不断优化之中; 三大地带城 市人口空间集聚的特征反差明显， 东部城市区域基本表现为一体化发展趋势， 而中西部城市 区域则趋向于极化发展或表现出较差的整体协调能力; 进一步来看， 城市人口空间集聚的不 平衡性， 不仅体现于区域之间也体现于区域内部的城市之间， 且其作用范围进一步扩大， 集 聚区位有所变化。总体来看， 这一典型转型时期里， 中国城市人口的空间集聚特征及其演变， 体现出了市场力量、经济发展状况、基础设施建设及国家空间开发政策等的积极作用。</p> . <p>城市集聚增长日益显著以及城市间连接性的增强等是20 世纪90 年代以来中国城市发 展的显著特征。通过运用GIS 环境下的Moran's I 等技术方法， 探讨了1990-2005 年中国城市 人口的空间集聚特征及其演变规律， 结果表明： 尽管总体上城市人口的正空间集聚性不强， 但局部空间集聚特征明显， 存在较强的规律性， 主要表现为“T” 字型和沿主要铁路交通线 的发展态势， 而其演变过程体现了中国城市体系空间结构正处在不断优化之中; 三大地带城 市人口空间集聚的特征反差明显， 东部城市区域基本表现为一体化发展趋势， 而中西部城市 区域则趋向于极化发展或表现出较差的整体协调能力; 进一步来看， 城市人口空间集聚的不 平衡性， 不仅体现于区域之间也体现于区域内部的城市之间， 且其作用范围进一步扩大， 集 聚区位有所变化。总体来看， 这一典型转型时期里， 中国城市人口的空间集聚特征及其演变， 体现出了市场力量、经济发展状况、基础设施建设及国家空间开发政策等的积极作用。</p> |
| [21] | . The capabilities for visualization, rapid data retrieval, and manipulation in geographic information systems (GIS) have created the need for new techniques of exploratory data analysis that focus on the “spatial” aspects of the data. The identification of local patterns of spatial association is an important concern in this respect. In this paper, I outline a new general class of local indicators of spatial association (LISA) and show how they allow for the decomposition of global indicators, such as Moran's I, into the contribution of each observation. The LISA statistics serve two purposes. On one hand, they may be interpreted as indicators of local pockets of nonstationarity, or hot spots, similar to the G i and G* i statistics of Getis and Ord (1992). On the other hand, they may be used to assess the influence of individual locations on the magnitude of the global statistic and to identify “outliers,” as in Anselin's Moran scatterplot (1993a). An initial evaluation of the properties of a LISA statistic is carried out for the local Moran, which is applied in a study of the spatial pattern of conflict for African countries and in a number of Monte Carlo simulations. |
