, 杨明Will the increase of the urbanization rate inevitably exacerbate haze pollution? A discussion of the spatial spillover effects of urbanization and haze pollution
LIANGWei, YANGMing收稿日期:2017-04-8
修回日期:2017-07-10
网络出版日期:2017-10-20
版权声明:2017《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 (2575KB)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-->
主旨聚焦：在探析城镇化和雾霾污染相互影响空间效应的基础上,回答城镇化率的提升是否必然加剧雾霾污染?同时关注雾霾污染对城镇化率的影响。为当前新型城镇化建设决策提供科学依据。
1 引言
近年来,中国的城镇化建设取得了举世瞩目的成就。1978年,中国的城镇化率还不足20%,到2016年城镇化率已经达到57.35%。虽然城镇化建设取得了可喜的成绩,但是也应看到,在城镇化高速发展的同时生态环境日益恶化,已成为当代中国社会发展所面临的重大综合性课题[1]。广大国人感受最深的莫过于雾霾的出现,近年来雾霾的出现频率变高、范围增大,损害人们的身心健康,影响社会和谐稳定。保守估计,中国每年因室外空气污染导致过早死亡人数为35万~50万人[2]。一项覆盖近37万肺癌患者的研究表明,肺癌发病率与PM2.5污染显著相关[3]。在当前中央政府大力推进新型城镇化建设的关键时期,我们不禁会思考,城镇化的推进会不会加剧雾霾污染?反过来雾霾污染对城镇化进程又会带来何种影响?对这些问题进行实证研究,可以为当前的新型城镇化建设提供必要的科学决策依据。国外相关研究起步较早,近年来集中在城镇化和碳排放的理论框架研究[4]、城镇化与温室气体排放关系的实证研究[5,6]、发展中国家所面临的城镇化和生态环境问题[7,8]、欧盟国家所面临的问题等[9]。国内已有研究主要从两个方面展开。一是定性研究,相关研究主要从城镇化与生态环境交互耦合效应解析的理论框架[10]、城镇化与生态环境耦合的作用机制[11]等方面展开。二是定量研究,相关研究成果较多,又可以细分为以下几个方面：根据研究对象的不同有针对单个省市的研究[12-14],面向城市群的研究[15,16]以及针对全国范围的研究[17];根据城镇化对不同污染物排放的影响,有城镇化对CO2排放的影响[18-20],城镇化对SO2排放的影响[21],城镇化对工业废水排放的影响[22];根据研究结论的不同可以分为城镇化和环境污染之间呈简单正相关关系[14,23,24],呈负相关关系[21],呈倒U型关系[25-27],呈正N型关系等[22,28];研究方法方面,为了考察污染的空间效应,空间计量方法得到越来越多的应用[29-31]。
综上,从已有的研究结论可知对于城镇化和环境污染的关系尚无定论,这也给本研究提供了空间。已有研究给本文提供了很好的研究思路,但是也存在几点不足,表现在：已有研究结论大多依据2011年以前的数据得出,无法反映城镇化和雾霾污染关系的最新变动;已有研究大多细化到省级层面,而本文认为针对地级市尺度的研究对于问题的刻画更为细致,研究结论可以在更小的尺度上反映现实问题,因此,其结论也更具现实指导意义;城镇化对雾霾影响的研究鲜有报道,研究雾霾对城镇化影响的就更为少见;已有研究较少考虑城镇化和雾霾污染相互影响的空间溢出效应,忽视了二者可能存在的空间关系。基于以上分析,本文拟在前人研究的基础上,以2014年的地级市为研究对象,在充分考虑城镇化和雾霾污染相互影响的空间效应的基础上,回答城镇化率的提升是否必然会加剧雾霾污染的问题,同时关注雾霾污染对城镇化率的影响。
2 研究方法与数据来源
2.1 数据来源
2013年1月1日起,中国实时发布74个大中城市的“空气质量指数（AQI）”。AQI的计算综合考虑了PM2.5、PM10、SO2、NO2、O3、CO等多种常见污染物,可以更好地表征中国环境空气质量状况,反映当前复合型大气污染形势。因此,本文认为AQI是当前衡量一个地区空气质量较为权威的数据,用其来测度雾霾污染程度。2014年、2015年监测的城市逐年增多,但是考虑到许多地市2015年的社会、经济统计数据尚未发布,因此对2014年公布的159个地级及以上城市的AQI数据进行分析。其他变量数据主要来自于各省、自治区和直辖市的2015统计年鉴、各样本地市2015统计年鉴、样本地市《2014年国民经济和社会发展统计公报》以及《中国城市统计年鉴2015》。2.2 空间自相关分析
在应用空间计量模型之前需要判断所分析的变量是否存在空间自相关,如果不存在空间自相关则没有必要进行空间计量分析。常用的空间自相关分析主要指探索性空间数据分析（Exploratory Spatial Data Analysis,ESDA）,包括全局空间自相关分析和局部空间自相关分析方法。全局空间自相关分析常用的指标主要有全局Moran' I和Geary' C,其中Moran' I的应用更为广泛,其计算公式如下：式中：I是全局Moran' I;n是样本数;xi和xj分别表示地区i和地区j的观测值;wij为空间权重矩阵;
2.3 空间联立方程与指标选取
2.3.1 空间联立方程 在经过探索性空间数据分析后,如果发现存在空间效应,需要将其在模型中予以体现。传统的空间计量模型主要有空间滞后模型（Spatial Lag Model,SLM）和空间误差模型（Spatial Error Model,SEM）[32]。考虑到空间滞后模型和空间误差模型并没有对城镇化率和雾霾的交互关系进行刻画,为了考察中国城镇化与雾霾污染的交互影响,同时对其空间溢出效应进行研究,本文并没有采用SLM和SEM,而是构建了空间联立方程,公式如下：式中：i表示样本地区;aqii和urbani分别表示雾霾污染和城镇化率;wij表示地区间的空间关系,本文采用最为常见的二值空间权重矩阵,即如果两地区相邻则wij=1,否则wij=0,考虑到有个别样本地市不和其他地区邻接,对于这种情况,依据最近邻原则把这类地区和距其最近的地区设为邻居①(①因为数据可得性的限制目前尚无法获取到全国所有地级市的雾霾数据,虽然本文所分析的159个地市中有12个地市不和其他地市相邻,但是从区域发展的角度看,即便是不相邻的地区其相互之间也是有影响的,为了最大程度地体现其空间关系,本文认为依据最近邻原则把这类地区和距其最近的地区设为邻居是个可行的方案。);Xi和Zi分别表示影响雾霾污染和城镇化率的一组控制变量;εi和ηi为无法观测的因素;α1表示邻近地区间的雾霾污染空间溢出的估计系数,表征了雾霾污染的空间溢出效应的强弱和方向;β1表示邻近地区间的城镇化率空间溢出的估计系数,表征了城镇化率的空间溢出效应的强弱和方向;α2和β2用来检验二者的空间交互影响,α2表示周边地区城镇化率对本地雾霾污染的影响强度和方向,β2表示周边地区的雾霾污染对本地城镇化率的影响强度和方向;α3和β3用来刻画雾霾污染和城镇化间的内生关系,以α3为例,如果α3>0,表示随着本地城镇化率的提升本地的雾霾污染有加剧的趋势,反之则表明城镇化率的提升对雾霾污染有消减作用。
2.3.2 指标选取 在考虑数据可得性、一致性和完整性的前提下,参考已有研究成果进行了变量的选取,对所选取的变量说明如下：
（1）内生变量：① 雾霾污染（aqi）,采用空气质量指数（AQI）进行测度。② 城镇化率（urban）：城镇化率是衡量城镇化水平的核心指标,目前国内外测算城镇化率的方法主要有常住人口比重法、非农业人口比重法、建成区面积比重法等[33],其中,常住人口比重法指一个地区城镇常住人口占该地区常住总人口的比例,该方法在统计上易于实现,而且考虑到了城乡之间人口流动所带来的实际居住地的变化,因此,本文采用常住人口比重法测度城镇化率。
（2）影响雾霾污染的控制变量Xi包括：① 能源消耗（energy）,以人均全社会用电量进行测度。② 城市建设（constr）,采用建筑业总产值进行测度。③ 经济发展水平（pgdp）,采用人均GDP测度,为了考察经济发展与雾霾污染之间是否存在倒U型关系,在模型中加入了pgdp的平方项pgdp2。④ 产业结构,采用第二产业增加值占GDP比例（2ind）和人均第三产业增加值（3ind）这两个指标进行测度。⑤ 人口集聚水平（pden）,以单位面积上的常住人口数测度。⑥ 科技投入（rd）,采用R&D经费支出内部合计测度。⑦ 绿化水平（green）,用绿地面积占建成区面积比例测度。⑧ 交通基础设施（road）,采用人均城市道路面积进行测度。⑨ 其他污染物（dust）,用工业烟（粉）尘排放量进行测度。⑩ 气象条件（rain）,用年均降水量测度。? 地理位置（dist）,以市中心离最近海岸的距离测度。? 风速（wind）,用年均风速进行测度。
（3）影响城镇化率的控制变量Zi包括：① 能源消耗（energy）,以人均全社会用电量进行测度。② 经济发展水平（pgdp）,采用人均GDP测度。③ 人口集聚水平（pden）,以单位面积上的常住人口数测度。④ 科技投入,采用R&D经费支出内部合计（rd）和教育支出（edu）这两个指标进行测度。⑤ 交通基础设施,用人均城市道路面积（road）和每万人拥有公共汽车的数量（bus）这两个指标进行测度。⑥ 其他污染物,用工业烟（粉）尘排放量（dust）进行测度。⑦ 产业结构,采用第二产业从业人员占比（2indp）和第三产业从业人员占比（3indp）这两个指标进行测度。⑧ 房地产投资（estate）,采用人均房地产投资完成额进行测度。
3 结果分析
3.1 空间自相关结果分析
为了考察雾霾污染和城镇化率是否存在空间自相关,首先绘制了AQI空间分布图和城镇化率的空间分布图（图1）。同城镇化率相比,雾霾污染在空间上的集聚态势更为 明显。
显示原图|下载原图ZIP|生成PPT图1AQI和城镇化率空间分布图
-->Fig. 1Spatial distribution of AQI and urbanization rate
-->
为了更精确地检验雾霾污染和城镇化率是否存在空间自相关,运用探索性空间数据分析方法计算了二者的全局Moran' I（图2）,皆在1%统计水平上显著,雾霾污染的Moran' I为0.782608,城镇化率的Moran' I为0.366753,可见虽然二者皆存在较为显著的空间自相关,但是雾霾污染的空间自相关更为显著。结合Moran散点图,雾霾污染和城镇化率大多数都落在了第一象限（HH集聚模式）和第三象限（LL集聚模式）,表明二者在空间上呈现较为明显的高—高集聚和低—低集聚模式。
显示原图|下载原图ZIP|生成PPT图2AQI和城镇化率的Moran散点图
-->Fig. 2Moran scatter diagram of AQI and urbanization rate
-->
由上述分析可知,雾霾污染和城镇化率存在显著的空间自相关,要准确刻画城镇化率对雾霾污染的影响必须把这种空间特征考虑进来。
3.2 模型结果
联立方程存在的内生性问题会使得在用OLS估计时失去一致性。根据模型识别条件,本文所构建的联立方程模型属于过度识别,故可采用广义空间三阶段最小二乘法（GS3SLS）对联立方程组进行整体估计[21]。GS3SLS的优点是既考虑了内生变量的潜在空间相关性,又考虑了各方程随机扰动项间可能存在的相关性,提高了估计结果的有效性[34],具体实现步骤可参见Kelejian等[35]。为了考察GS3SLS在空间联立方程估计上的表现,本文同时采用三阶段最小二乘法（3SLS）进行了估计。为了避免存在严重的多重共线性,通过方差膨胀因子（VIF）进行检验,对VIF>5的变量进行了中心化处理。从3SLS的估计结果可知（表1）,雾霾污染强渡（aqi）对城镇化率（urban）的影响系数以及urban对aqi的影响系数皆不显著,而反观GS3SLS的估计结果这两个系数分别在10%和1%水平上显著,同时结合Adjusted R2,可知,把空间滞后项引入联立方程之后模型对雾霾污染强渡和城镇化率交互关系的刻画更为准确,GS3SLS的表现总体要优于3SLS,因此,后续主要针对GS3SLS的估计结果进行分析。
Tab. 1
表1
表13SLS和GS3SLS估计结果
Tab. 1The results of 3SLS and GS3SLS
| 变量 | 3SLS | GS3SLS | |||
|---|---|---|---|---|---|
| 模型1 | 模型2 | 模型3 | 模型4 | ||
| aqi | urban | aqi | urban | ||
| w.urban | -0.0016 (-3.40)*** | 0.0537 (2.92)*** | |||
| w.aqi | 0.0296 (4.73)*** | -0.6317 (-2.39)** | |||
| aqi | -0.8480 (-0.21) | -6.1808 (-1.83)* | |||
| urban | -0.0014 (-0.35) | -0.0089 (-3.61)*** | |||
| energy | -0.0657 (-1.64)* | 7.2428 (8.01)*** | 0.0468 (1.68)* | 6.3544 (7.30)*** | |
| constr | 0.0524 (2.64)*** | 0.0355 (2.03)** | |||
| pgdp | 0.5633 (0.43) | 10.4742 (3.95)*** | 0.1203 (1.84)* | 9.0504 (3.54)*** | |
| pgdp2 | -0.0219 (-0.37) | -0.0515 (-0.98) | |||
| 2ind | 0.0012 (1.77)* | 0.0005 (0.77) | |||
| 3ind | -0.0945 (-1.53) | -0.0360 (-0.66) | |||
| pden | 0.0176 (0.3) | 6.1010 (3.62)*** | 0.0886 (1.85)* | 7.3735 (4.73)*** | |
| rd | 0.0535 (3.43)*** | 0.6153 (0.95) | 0.0481 (3.60)*** | 0.8114 (1.37) | |
| edu | 1.6565 (2.07)** | 1.5974 (2.13)** | |||
| green | -0.0026 (-1.72)* | -0.0007 (-0.52) | |||
| road | -0.0030 (-0.58) | 0.4859 (2.94)*** | 0.0034 (0.77) | 0.5858 (3.82)*** | |
| bus | 0.8335 (0.76) | 1.1382 (1.09) | |||
| dust | 0.0449 (3.56)*** | -1.1717 (-2.59)*** | 0.0245 (2.36)** | -0.7075 (-1.86)* | |
| rain | -0.1792 (-5.97)*** | -0.1099 (-3.97)*** | |||
| dist | 0.0314 (2.71)*** | 0.0341 (3.36)*** | |||
| 2indp | -5.4905 (-3.36)*** | -4.3299 (-2.75)*** | |||
| 3indp | 0.5848 (0.81) | 0.4668 (-0.70) | |||
| wind | -0.0131 (-0.45) | -0.0041 (-0.16) | |||
| estate | 0.0001 (1.33) | 0.0001 (1.28) | |||
| cons | 5.2346 (6.84)*** | -61.5810 (-2.24)** | 4.2622 (6.23)*** | -54.6779 (-2.08)** | |
| Adjusted R2 | 0.5388 | 0.7901 | 0.6207 | 0.8046 | |
新窗口打开
（1）雾霾污染方程的估计结果分析
由雾霾污染方程的估计结果可知（表1）,城镇化空间滞后项（w.urban）系数为负且在1%的统计水平上显著,表明邻近地区的城镇化率的提升可以降低本地的雾霾污染,也即地区间存在城镇化的空间溢出效应。同时注意到城镇化率（urban）的系数同样为负且在1%的统计水平上显著,表明本地城镇化率的提升可以降低本地的雾霾污染。因此,可以概括以上结论为：随着本地和邻近地区城镇化率的提升,本地的雾霾污染呈下降趋势（虽然系数的绝对值很小）。
为什么城镇化率的提升和雾霾污染成显著负相关?一方面,随着城镇化率的提升城镇人口呈现出集聚态势,人口流向城镇,城镇就业密度提高,这一阶段的劳动生产率会同时提高,促进了经济集聚的形成;经济的集聚会导致单位面积产出增加,该阶段常常对应着第二产业占比明显大于第三产业,也即高污染产业占比高,因此单位面积产出的增加伴随着单位面积污染物排放量的增加。另一方面,随着污染的加重,更严苛的环境法规相继出台,政府也不断推出财税优惠政策引导企业加大绿色技术研发,公众的环保意识觉醒,社会舆论对于环境污染更为关注,污染企业从长远发展角度考虑也开始思考企业的可持续发展问题。最后,在政策的引导下,产业结构转型升级逐步推进,高污染产业占比降低,低能耗、低排放的第三产业所占比例逐渐增加,城镇化率提升所带来的常住人口大量流向第三产业,第三产业从业人员占比增加,进一步促进了第三产业的发展,单位GDP能耗降低。同时,从经济发展水平（pgdp）的系数为正而其平方项pgdp2的系数为负可知,经济发展和雾霾污染并不是简单的线性关系,虽然统计意义上不显著,但也揭示了随着城镇化率和经济发展水平的提升雾霾污染并不是线性增加,综合考虑w.urban、urban、pgdp和pgdp2的估计结果,本文认为中国已经达到了城镇化率和雾霾污染的拐点区域。
雾霾污染滞后项（w.aqi）系数为正且在1%的统计水平上显著,揭示了雾霾污染存在较强的空间溢出效应,表明周边地区的雾霾污染会显著影响本地区的空气质量。一方面,由于空气中的污染物易受天气气象条件的影响,很容易扩散到周边地区。另一方面,在政府政策引导和市场力量的共同作用下,产业容易集聚,污染密集型产业同样也容易出现集聚,同时交界地区往往是监管的盲区或难点地区,这就导致这类地区污染严重,污染物很容易飘散到周边地市。
能源消耗（energy）系数为正且在10%的统计水平上显著,表明当前能源消费结构仍不够“绿色”,化石能源发电占比过高,能源消费结构亟待优化。城市建设（constr）系数为正且在5%的统计水平上显著,表明当前的雾霾污染和建筑业、房地产业的飞速发展之间存在正向关联。一方面,建筑业、房地产业的飞速发展拉动了钢铁、水泥等高能耗、高污染行业的发展,导致污染物排放增加;另一方面,建设施工过程中的扬尘也会直接加重雾霾污染程度。产业结构变量2ind和3ind的系数表明第二产业和雾霾污染呈正相关而第三产业和雾霾污染呈负相关。人口集聚水平（pden）的估计系数为正且显著,表明单纯的人口集聚会加剧雾霾污染。科技投入（rd）系数为正且在1%的统计水平上显著,表明目前的R&D经费支出并没有直接带来空气质量的改善。绿化水平（green）的系数为负但是并不显著,其系数为负表明绿化水平的提升是可以降低雾霾污染的,只是在目前的污染强度和绿化水平下该作用尚未真正发挥效应。交通基础设施（road）的估计系数为正,表明交通便利程度提升会增加雾霾污染,随着交通便利程度的提升,车流量必然会逐步增加,而车辆尾气也是雾霾污染的来源之一[36]。工业烟（粉）尘排放量（dust）系数为正且在5%的统计水平上显著,表明一方面工业烟（粉）尘中本身就包含有雾霾污染物,另一方面工业烟（粉）尘的排放发生在整个供应链中的一环,而在供应链上的其他环节可能会有雾霾污染物的排放。
年均降水量（rain）系数为负且在1%的统计水平上显著,表明丰沛的降水量可以大大减少空气中雾霾污染物的浓度。市中心离最近海岸的距离（dist）系数为正且在1%的统计水平上显著,表明离海岸距离越近空气质量越好,这和近海气象条件有利于空气中污染物的稀释扩散有关。风速（wind）系数为负,虽然并不显著,但是表明风速增加可以加快雾霾的扩散,这和人们的主观感受一致。
（2）城镇化率方程的估计结果分析
以上重点分析了城镇化率及其他因素对雾霾污染的影响,下面着重分析雾霾污染及相关因素对城镇化率有何影响。
雾霾污染滞后项（w.aqi）系数为负且显著,表明邻近地区的雾霾污染增加会显著降低本地区城镇化率。由估计结果可知,邻近地区雾霾污染每增加1%,本地区城镇化率会降低0.6317%,说明雾霾污染存在很强的空间溢出效应。由前述雾霾污染方程的估计结果可知,周边地区雾霾污染增加也会使得本地区雾霾加重。随着人们健康意识的增强以及信息透明度的提高,雾霾的加重会阻碍人口的流入和集聚,进而对本地区的城镇化率带来负向影响。雾霾污染（aqi）系数为负且显著,表明本地的雾霾污染会对本地区的城镇化率带来直接的负向影响。由以上分析可知,雾霾污染和城镇化率之间存在显著负相关关系。
能源消耗（energy）、经济发展水平（pgdp）和人口集聚水平（pden）这三个变量系数都为正且在1%的统计水平上显著,教育支出（edu）系数为正且在5%的统计水平上显著,表明这四个方面的提升会提高城镇化率。工业烟（粉）尘排放量（dust）系数为负且在10%的统计水平上显著,表明工业烟（粉）尘排放量的增加会阻碍人口向该地区的流动和集中,抑制该地区城镇化率的提高。第二产业从业人员占比（2indp）为负且在1%的统计水平上显著,从中可以看出随着城镇化率的提升第二产业从业人员占比呈下降的趋势。
（3）分组回归的结果分析
为了进一步考察不同城镇化率对雾霾污染的影响,本文进行了分组回归,由于所有样本地市的平均城镇化率为60.8%,所以以60.8%为界分为两组进行分析（表2）。考虑到分组之后打乱了原来的地市间的邻接关系,已经不适合采用空间计量模型进行分析,因此采用3SLS进行回归分析。
Tab. 2
表2
表23SLS分组估计结果
Tab. 2The group regression results of 3SLS
| 变量 | urban<60.8（组1） | Urban>=60.8（组2） | |
|---|---|---|---|
| aqi | aqi | ||
| urban | -0.0143 (-1.17) | -0.0178 (-4.66)*** | |
| pgdp | 2.4809 (1.05) | -6.0163 (-2.36)** | |
| pgdp2 | -0.1044 (-0.97) | 0.2633 (2.36)** | |
| energy | -0.0090 (-0.20) | 0.1210 (2.99)*** | |
| constr | 0.0881 (2.88)*** | 0.0219 (0.96) | |
| 2ind | 0.0008 (0.74) | 0.0002 (0.24) | |
| 3ind | -0.1760 (-1.93)* | -0.1437 (-1.62) | |
| pden | 0.0691 (0.75) | 0.1028 (1.68)* | |
| rd | 0.0488 (2.04)** | 0.0978 (5.12)*** | |
| green | -0.0040 (-2.07)** | 0.0012 (0.65) | |
| road | 0.0098 (0.72) | 0.0045 (1.03) | |
| dust | 0.0417 (2.48)** | 0.0346 (2.18)** | |
| rain | -0.2402 (-3.84)*** | -0.1193 (-3.92)*** | |
| dist | 0.0180 (1.00) | 0.0335 (2.86)*** | |
| wind | -0.0654 (-0.99) | -0.0184 (-0.64) | |
| cons | 7.1292 (5.09)*** | 2.4628 (2.73)*** | |
| Observation | 87 | 72 | |
| Adjusted R2 | 0.5435 | 0.6799 |
新窗口打开
城镇化率（urban）的系数在组1和组2中皆为负,表明城镇化率的提升会对雾霾污染带来负向影响,该结论和前述结果保持一致,同时注意到组2中的系数在1%的统计水平上显著而组1中该系数不显著,揭示了该负向影响随着城镇化率的提升表现得愈发明显。
组1的估计结果显示经济发展水平（pgdp）的系数为正而其平方项pgdp2的系数为负,而组2中pgdp的系数为负其平方项pgdp2的系数为正且都显著,虽然组1的两个系数不显著,但是估计结果可以帮助了解经济发展水平对雾霾污染的影响方向,综合考虑组1、组2的估计结果,可以发现二者间存在“N”型关系,即当城镇化率处于较低水平时,随着经济发展水平的提高雾霾污染逐渐加剧,恶化程度随经济的增长而加剧,当经济发展水平达到一定程度以后雾霾污染又由高趋低,当城镇化率处于较高水平时,随着人均GDP的进一步增加,雾霾污染又出现了掉头向上的趋势。由前述GS3SLS估计结果可知,这个再次向上的趋势在全样本估计结果里面并没有反应出来,表明这一趋势在全国范围内并不明显,但是在组2的估计结果中就体现得非常明显,这对目前城镇化率已经处于较高水平的地区是一个很好的警示。以上是对所有样本地市回归的结果,同时也要看到在中国仍有一些地市虽然其城镇化率已经很高（如辽宁的抚顺和鞍山已经超过70%）,但是其经济发展水平并不一定高,对于这类地区,经济发展水平和雾霾污染之间并不满足“N型曲线”关系。
能源消耗（energy）的系数在组2中为正且在1%的统计水平上显著,表明当城镇化率达到一定水平以后,随着经济水平的提升能源消耗对雾霾污染的正向影响反而愈发显著。再看科技投入（rd）系数,在组1和组2中都为正,但是组2中的系数更为显著,表明R&D资金的投入并没有直接带来雾霾污染的减少,当城镇化率达到一定水平以后这种趋势反而更为明显。对于背后的原因放在文末进行讨论。
城市建设（constr）的系数在组1和组2中都为正,且在组1中更为显著,表明当城镇化率处于较低水平时建筑业、房地产业对雾霾污染的影响更为显著。
4 结论与讨论
针对地级及以上城市,运用探索性空间数据分析和空间联立方程等方法,刻画了中国城镇化和雾霾污染的空间溢出效应,重点探讨了城镇化率的提升和雾霾污染的交互影响关系。研究发现：（1）城镇化率的提升对雾霾污染有负向影响。随着城镇化率的提升,雾霾污染逐步减轻,分组回归进一步验证了这一点。组2（城镇化率
（2）雾霾的加剧会对城镇化率的提升有显著的抑制作用。随着近几年信息透明度的提高和信息传播渠道的增多,人们的环保意识开始增强,广大国人对雾霾深恶痛绝,一个地区存在雾霾污染势必会影响人口向该地区集聚,尤其对于高学历、高素质、环保和健康意识更高的人群更是如此。此外,已有研究表明,雾霾污染对招商引资具有挤出效应[38]。因此,从吸引人才和资金两方面来看,一个地区要想长期可持续发展,雾霾治理势在必行,地方政府不能短视,相关领导不能把目光仅仅局限在自己任期内所取得的经济建设成就上。可喜的是环保指标已经纳入许多地方政府绩效考核之中,下一步要对政策的执行情况加强监督。
（3）城镇化率与雾霾污染的相互影响存在显著的空间溢出效应。不但本地区的城镇化率和雾霾污染之间存在相互的负向影响,邻近地区对本地区也存在显著的负向影响。该结论启示我们,单单本地区进行雾霾的防治还远远不够,考虑到雾霾存在显著的集聚效应以及空间溢出效应,邻近地区间的协同治理是大势所趋。
（4）经济发展水平和雾霾污染之间存在“N型曲线”关系。分组回归结果显示,城镇化率<60.8%时,经济发展水平和雾霾污染之间呈现先正向后负向的关系,城镇化率
（5）随着城镇化率的提升,科技投入的增加并没有显现出对雾霾污染的抑制作用。要解决这一问题,一是要加强资金的引导,引导资金流向绿色技术的研发领域;二是要加强科技成果的转化,只有科技成果转化成现实生产力才有可能显现出对雾霾的抑制作用;三要研究市场机制和财税政策如何配合才能防止技术进步所带来的“能源回弹效应”的出现,“能源回弹效应”的出现从另一个角度解释了为什么随着城镇化率的提升,能源消耗的增加反而会加速雾霾污染的恶化。
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] | . 城镇化问题是当代中国社会经济发展重大的综合性课题,涉及到国民经济如何协调发展,是达到一个新的现代化和谐社会发展的根本问题。当前我国城镇化的高速发展,全面推动了我国经济和社会的巨大发展,并在很大程度上改善了城乡人民的生活。然而,近10多年来(1996～2009年),我国城镇化脱离了循序渐进的原则,超出了正常的城镇化发展轨道,在进程上属于"急速城镇化"。有不少****认为我国的城市化出现了"大跃进"和"冒进"的现象,其表现为人口城镇化率虚高、水土资源过度消耗,我国许多大中小城市与农林交通建设大规模占地、毁地等现象还在继续,生态环境受到比较严重的污染、破坏。为此,我国的城镇化问题应当按照科学发展观的要求,进行实事求是、符合国情的科学思维。 . 城镇化问题是当代中国社会经济发展重大的综合性课题,涉及到国民经济如何协调发展,是达到一个新的现代化和谐社会发展的根本问题。当前我国城镇化的高速发展,全面推动了我国经济和社会的巨大发展,并在很大程度上改善了城乡人民的生活。然而,近10多年来(1996～2009年),我国城镇化脱离了循序渐进的原则,超出了正常的城镇化发展轨道,在进程上属于"急速城镇化"。有不少****认为我国的城市化出现了"大跃进"和"冒进"的现象,其表现为人口城镇化率虚高、水土资源过度消耗,我国许多大中小城市与农林交通建设大规模占地、毁地等现象还在继续,生态环境受到比较严重的污染、破坏。为此,我国的城镇化问题应当按照科学发展观的要求,进行实事求是、符合国情的科学思维。 |
| [2] | . |
| [3] | . The International Agency for Research on Cancer has concluded that exposure to outdoor fine particles (PM2·5) is a risk factor for lung cancer. China is experiencing unprecedentedly high levels of PM2·5air pollution and has the highest lung cancer burden in the world. However, until now, no study has assessed the association between ambient PM2·5and lung cancer incidence in China. Data of lung cancer incidence between 1990 and 2009 were obtained from the National Cancer Registration of China. The annual concentrations of PM2·5at 0·1°×0·1° spatial resolution between 1990 and 2005 were estimated by combining remote sensing, global chemical transport models, and ground monitoring air pollution data. A spatial age–period cohort model was used to examine the relative risks (RR) and 95% CI for incident lung cancer associated with increments in 2-year mean PM2·5concentrations after adjusting for age, period, birth cohort, sex, community type (rural and urban), smoking rate at the community level, as well as the spatial variation in lung cancer incidence. This study was approved by the University of Queensland's behaviour and social sciences ethical review committee (2013000739). During study period, there were 36864762 cases of lung cancer, including 24764533 men and 31264678 cases living in urban areas. The mean concentration of PM2·5was 69·4 ug/m3. Incident lung cancer was positively associated with increments in 2-year mean PM2·5, and the risk was more pronounced in women (RR 1·149, 95% CI 1·120–1·178) than in men (RR 1·055, 95% CI 1·038–1·072; psex interaction<0·0001). The association was smaller in rural areas (RR 1·037, 95% CI 0·998–1·078) than in urban areas (RR 1·060, 95%CI 1·044–1·075; pinteraction=0·03) and stronger in elderly people (>75 years of age; 1·111 95% CI 1·077–1·146) than young people (30–65 years of age; RR 1·074 95% CI 1·052–1·096; pinteraction=0.007). In China, lung cancer incidence is associated with PM2·5air pollution. Effective control measures to reduce levels of air pollution are likely to reduce the incidence of lung cancer in the Chinese population. Further studies are still needed to examine causality of the association between PM2·5and lung cancer incidence, as this study is an observational epidemiology investigation. This study used community-level incidence and air pollution exposure, but not individual-level information on exposure and outcome. We only had air pollution data for the years 1990 and 2005, and interpolated the data to 1990–2009. These might underestimate the association between air pollution and lung cancer incidence, because random measurement error in exposure will bias the effect estimates towards the null. Hope Run Malathon Fund (Cancer Institute & Hospital, Chinese Academy of Medical Sciences, LC2011Y41), and University of Queensland Research Fellowship (YG). |
| [4] | Abstract Independent lines of research on urbanization, urban areas, and carbon have advanced our understanding of some of the processes through which energy and land uses affect carbon. This synthesis integrates some of these diverse viewpoints as a first step toward a coproduced, integrated framework for understanding urbanization, urban areas, and their relationships to65carbon. It suggests the need for approaches that complement and combine the plethora of existing insights into interdisciplinary explorations of how different urbanization processes, and socio-ecological and technological components of urban areas, affect the spatial and temporal patterns of carbon emissions,65differentially65over time and within and across cities. It also calls for a more holistic approach to examining the carbon implications of urbanization and urban areas, based not only on demographics or income but also on other interconnected65features of urban development pathways such as urban form, economic function, economic-growth policies, and other governance arrangements. It points to a wide array of uncertainties around the urbanization processes, their interactions with urban socio-institutional and built environment systems, and how these impact the exchange of carbon flows within and outside urban areas. We must also understand in turn how carbon feedbacks, including carbon impacts and potential impacts of climate change, can affect urbanization processes. Finally, the paper explores options, barriers, and limits to transitioning cities to low-carbon trajectories, and suggests the65development of an65end-to-end, coproduced and integrated scientific understanding that can more effectively inform the navigation of transitional journeys and the avoidance of obstacles along the way. |
| [5] | . In this paper, we analyze the relationships between Finnish household types and their consumption-based carbon footprints. We calculate footprints by combining expenditure data with life-cycle greenhouse gas emission intensities derived from an environmentally extended input utput model. By applying regression analysis, we explore the effects of expenditure, urbanity, and household size on total, direct, and indirect emissions. The separate analyses for direct and indirect GHGs provide insights, not previously found in the literature, on the relationship between urbanity and carbon footprints. Holding expenditure constant, a rural lifestyle seems to be related to the highest GHG emissions. However, keeping in mind that the absolute amount of indirect emissions is major to direct emissions from home energy and private driving, the less prominent or even reversed relationship between indirect emissions and urbanity is also worth noting. The existence of household size scale effects depends whether direct or indirect GHGs are explained. We demonstrate that in order to gain a comprehensive understanding of mitigation policies and their effects, not only the averages but the various patterns of direct and direct emissions must be kept in mind. This paper complements the earlier carbon footprint assessments from the same authors by providing a comprehensive statistical analysis. |
| [6] | . 61We conceptualize and model the moderating effects of urbanization.61Urbanization moderates the impacts of economic activities on CO2 emissions.61Our results positively support the ecological modernization theory.61Modest urbanization prior to high stages of economic development would result in less CO2 emissions. |
| [7] | . Abstract Progress of the Indian economy is threatened by the impact of climate change. Generation of urban heat islands (UHIs), waning of urban green cover, increase in carbon emissions and air pollution deteriorate the living environment. Rise in urban temperatures and heat stress induced mortality remain major concerns. Although the National Action Plan on Climate Change emphasises the national missions of ‘enhanced energy efficiency’, and ‘green India’, little research has been devoted to explore the passive cooling potential of urban greenery in India, thus lending uniqueness to this study. The manifestations of unplanned urban development (UHIs, escalated carbon emissions, air pollution) are discussed and corroborated with identification of contributory factors. Contemporary greening practices and bye-laws in four major Indian cities (New Delhi, Pune, Chennai, and Visakhapatnam) are analysed and compared with global best practices. The findings are used to propose planning guidelines which are expected to assist in consolidating natural sustainability of emerging economies. |
| [8] | . |
| [9] | . 61Investigates the causal nexus between energy consumption, CO2 emissions, economic growth, openness and urbanization.61Main results provide evidence supporting the Environmental Kuznets Curve hypothesis.61Short-run unidirectional panel causality from energy consumption, trade openness and urbanization to carbon emissions.61Unidirectional causality from GDP to energy consumption, from GDP, energy consumption and urbanization to openness.61Short-run unidirectional panel causality from urbanization to GDP, and from urbanization to trade openness. |
| [10] | . . |
| [11] | . 城市化与生态环境耦合受到人类活动高强度干扰,要实现耦合的协调发展与脆弱性的减少需要一定内外力的强力支撑。在阐述城市化与生态环境耦合脆弱性与协调性概念、特征的基础上,提出城市化与生态环境耦合的协调性与脆弱性是在自然条件与孕灾环境、人口素质与城市文明、产业升级与技术进步、制度创新与管理科学、系统自身的恢复力等多种机制的共同作用下发展的。通过挖掘城市化与生态环境耦合的脆弱性与协调性之间的的宏观作用机制,促进城市化与生态环境的良性互动,为提高城市与区域可持续发展能力提供科学参考。 . 城市化与生态环境耦合受到人类活动高强度干扰,要实现耦合的协调发展与脆弱性的减少需要一定内外力的强力支撑。在阐述城市化与生态环境耦合脆弱性与协调性概念、特征的基础上,提出城市化与生态环境耦合的协调性与脆弱性是在自然条件与孕灾环境、人口素质与城市文明、产业升级与技术进步、制度创新与管理科学、系统自身的恢复力等多种机制的共同作用下发展的。通过挖掘城市化与生态环境耦合的脆弱性与协调性之间的的宏观作用机制,促进城市化与生态环境的良性互动,为提高城市与区域可持续发展能力提供科学参考。 |
| [12] | . |
| [13] | . 根据城市化与生态环境耦合内涵,在ISM和SD方法的支持下,建立了江苏省城市化与生态环境系统动力学模型,并选取五种典型的耦合发展模式进行情景模拟.分析表明：①在不同的模式下,该省城市化与生态环境耦合的结果和情景存在较大差异,五种耦合发展模式都有其显著的比较优势,同时也存在明显的发展缺陷;②根据该省的发展特点和区域发展差异并结合城市化发展一般规律,分阶段和分地域的推进人口城市化发展模式和社会城市化发展模式,可以实现该省人口、经济、城市化和生态环境协调发展的目的. 根据城市化与生态环境耦合内涵,在ISM和SD方法的支持下,建立了江苏省城市化与生态环境系统动力学模型,并选取五种典型的耦合发展模式进行情景模拟.分析表明：①在不同的模式下,该省城市化与生态环境耦合的结果和情景存在较大差异,五种耦合发展模式都有其显著的比较优势,同时也存在明显的发展缺陷;②根据该省的发展特点和区域发展差异并结合城市化发展一般规律,分阶段和分地域的推进人口城市化发展模式和社会城市化发展模式,可以实现该省人口、经济、城市化和生态环境协调发展的目的. |
| [14] | . 文章首先分析了1985—2005年间宁夏城市化、人均GDP以及环境压力的变化趋势。基于此,运用协整检验、向量误差修正模型和Granger因果检验方法,通过分析城市化与人均GDP,以及环境压力变量之间的长短期因果关系及其强度,阐释了城市化与经济增长和环境压力在时序维度上的相互作用机制及其特征,结果表明:宁夏城市化与经济增长之间不存在Granger因果关系,两者之间还未形成良性互动;城市化与环境压力之间存在单向因果关系,城市化对环境压力的增大具有显著的正向效应,而且在短期内降低环境压力的难度较大。 . 文章首先分析了1985—2005年间宁夏城市化、人均GDP以及环境压力的变化趋势。基于此,运用协整检验、向量误差修正模型和Granger因果检验方法,通过分析城市化与人均GDP,以及环境压力变量之间的长短期因果关系及其强度,阐释了城市化与经济增长和环境压力在时序维度上的相互作用机制及其特征,结果表明:宁夏城市化与经济增长之间不存在Granger因果关系,两者之间还未形成良性互动;城市化与环境压力之间存在单向因果关系,城市化对环境压力的增大具有显著的正向效应,而且在短期内降低环境压力的难度较大。 |
| [15] | . . |
| [16] | . 以中原城市群9市为例,基于耦合协调度模型,首先评价了其城镇化和生态环境的相互影响程度,并将其划分几种类型,其次研究了中原城市群内部9市的城镇化与生态环境耦合协调关系。结果表明:1中原城市群9市城镇化与生态环境的总体协调发展水平偏低,除郑州外,其余8市城镇化水平均滞后于生态环境水平;2依据耦合协调度测算结果,中原城市群9市的城镇化与生态环境耦合协调关系被划分为3种发展类型,即"城镇化与生态环境良好协调发展,生态环境滞后型"、"城镇化与生态环境中度协调发展,城镇化滞后型"、"城镇化与生态环境低度协调发展,城镇化滞后型"。 . 以中原城市群9市为例,基于耦合协调度模型,首先评价了其城镇化和生态环境的相互影响程度,并将其划分几种类型,其次研究了中原城市群内部9市的城镇化与生态环境耦合协调关系。结果表明:1中原城市群9市城镇化与生态环境的总体协调发展水平偏低,除郑州外,其余8市城镇化水平均滞后于生态环境水平;2依据耦合协调度测算结果,中原城市群9市的城镇化与生态环境耦合协调关系被划分为3种发展类型,即"城镇化与生态环境良好协调发展,生态环境滞后型"、"城镇化与生态环境中度协调发展,城镇化滞后型"、"城镇化与生态环境低度协调发展,城镇化滞后型"。 |
| [17] | . 在阐述城市化与生态环境耦合涵义的基础上,利用协同学思想构建二者之间的耦合度模型,并对1985年以来的中国城市化与生态环境耦合度的时空分布进行了分析.研究结果显示:①从时间上看,中国城市化与生态环境交互耦合的时序基本处于颉颃阶段,且二者的耦合协调度较低;②从空间上看,中国省区城市化与生态环境的耦合度和耦合协调度都明显存在着地域性差异,且耦合协调度表现出东部省区普遍高于中西部省区的规律,同时它还和区域经济发展水平存在很大的空间对应关系;③由于经济发展、历史基础、自然条件和政策影响的差异作用,中国省区城市化与生态环境的耦合强度与耦合协调程度在空间分布上不具有对应性. . 在阐述城市化与生态环境耦合涵义的基础上,利用协同学思想构建二者之间的耦合度模型,并对1985年以来的中国城市化与生态环境耦合度的时空分布进行了分析.研究结果显示:①从时间上看,中国城市化与生态环境交互耦合的时序基本处于颉颃阶段,且二者的耦合协调度较低;②从空间上看,中国省区城市化与生态环境的耦合度和耦合协调度都明显存在着地域性差异,且耦合协调度表现出东部省区普遍高于中西部省区的规律,同时它还和区域经济发展水平存在很大的空间对应关系;③由于经济发展、历史基础、自然条件和政策影响的差异作用,中国省区城市化与生态环境的耦合强度与耦合协调程度在空间分布上不具有对应性. |
| [18] | . . |
| [19] | . . |
| [20] | . 通过对Kaya恒等式的扩展,应用LMDI将城镇化对物流业碳排放变动的影响分解为人口城镇化、空间城镇化、收入城镇化和产业城镇化四种效应,对我国29个省市2007-2013年物流业碳排放变动的机理进行分析。结果表明:考察期内城镇化对我国各省市物流业碳排放变动的促进作用远超非城镇化要素,城镇化已成为推动各省市物流业碳排放的关键因素;且物流业各要素对处于不同城镇化阶段的省市影响并不一致。对成熟城镇化省市而言,收入城镇化和空间城镇化是物流业碳排放的稳定推动因素,人口城镇化则是稳定的抑制因素,产业城镇化刚刚由推动因素转变为抑制因素;对初级和中级城镇化省市而言,人口城镇化的抑制作用和收入城镇化的推动作用依然显著,但空间城镇化和产业城镇化的推动作用正在增强。从城镇化各要素对物流业碳排放变动的贡献来看,收入城镇化的推动作用最大,且对广东等经济大省的推动作用更明显;人口城镇化的抑制作用最大,且对山东、四川等人口大省的抑制作用更显著,但波动剧烈;空间城镇化对东部经济大省的推动作用已趋稳定,但对中西部省市的推动作用持续增强;产业城镇化对各省市的作用差异显著,且均较小。研究认为避免"一刀切"的物流业碳减排政策和城镇化规划、引导居民绿色生活和解决职住分离对我国实现物流业碳减排和新型城镇化建设具有重要帮助。 . 通过对Kaya恒等式的扩展,应用LMDI将城镇化对物流业碳排放变动的影响分解为人口城镇化、空间城镇化、收入城镇化和产业城镇化四种效应,对我国29个省市2007-2013年物流业碳排放变动的机理进行分析。结果表明:考察期内城镇化对我国各省市物流业碳排放变动的促进作用远超非城镇化要素,城镇化已成为推动各省市物流业碳排放的关键因素;且物流业各要素对处于不同城镇化阶段的省市影响并不一致。对成熟城镇化省市而言,收入城镇化和空间城镇化是物流业碳排放的稳定推动因素,人口城镇化则是稳定的抑制因素,产业城镇化刚刚由推动因素转变为抑制因素;对初级和中级城镇化省市而言,人口城镇化的抑制作用和收入城镇化的推动作用依然显著,但空间城镇化和产业城镇化的推动作用正在增强。从城镇化各要素对物流业碳排放变动的贡献来看,收入城镇化的推动作用最大,且对广东等经济大省的推动作用更明显;人口城镇化的抑制作用最大,且对山东、四川等人口大省的抑制作用更显著,但波动剧烈;空间城镇化对东部经济大省的推动作用已趋稳定,但对中西部省市的推动作用持续增强;产业城镇化对各省市的作用差异显著,且均较小。研究认为避免"一刀切"的物流业碳减排政策和城镇化规划、引导居民绿色生活和解决职住分离对我国实现物流业碳减排和新型城镇化建设具有重要帮助。 |
| [21] | . 污染排放和污染治理是直接决定环境质量的两个重要因素，本文将污染排放和环保投入纳入同一分析框架．在标尺竞争理论和内生增长理论的基础上．构建了一个地区间环保投入策略互动和污染排放空间溢出的理论模型．进而考虑了污染排放和环保投入间的内生性和地区交互影响：基于1999--2013年中国31个省份的数据．运用空间联立方程模型验证了所构建的理论模型。实证结果表明：中国省域间环保投入存在明显的策略性互动和地区交互影响，即存在“你多投，我就少投”的现象，进而引起污染排放的“你多排，我也多排”的结果；邻近省份的环保投入会抑制本地的污染排放，邻近省份的污染排放与本地的环保投入负相关。近年来，地区间污染排放竞争趋于缓和．而地区间环保投入的外溢效应在增强。本文从一个新的视角解释了中国近年来环境恶化的原因．同时为地区联合治理污染提供了理论基础． . 污染排放和污染治理是直接决定环境质量的两个重要因素，本文将污染排放和环保投入纳入同一分析框架．在标尺竞争理论和内生增长理论的基础上．构建了一个地区间环保投入策略互动和污染排放空间溢出的理论模型．进而考虑了污染排放和环保投入间的内生性和地区交互影响：基于1999--2013年中国31个省份的数据．运用空间联立方程模型验证了所构建的理论模型。实证结果表明：中国省域间环保投入存在明显的策略性互动和地区交互影响，即存在“你多投，我就少投”的现象，进而引起污染排放的“你多排，我也多排”的结果；邻近省份的环保投入会抑制本地的污染排放，邻近省份的污染排放与本地的环保投入负相关。近年来，地区间污染排放竞争趋于缓和．而地区间环保投入的外溢效应在增强。本文从一个新的视角解释了中国近年来环境恶化的原因．同时为地区联合治理污染提供了理论基础． |
| [22] | . 探索城镇化演进的边际污染效应极限,对指导城镇化健康、可持续发展具有重要意义。论文以安徽省为例,选取工业废水等8项指标,采用熵权赋值法,对污染综合指数进行了评价;运用LMDI分解模型,对城镇化进程引致的污染效应进行了测算;基于经济学边际理论,构建了城镇化进程边际污染效应变化率模型,通过最佳拟合优度曲线估算及曲线拐点求导判别方法,对城镇化进程边际污染效应极限及演化趋势进行了测度,结果表明:1)污染综合指数由2000年的0.153 0上升至2012年的0.645 3;2)城镇化进程边际污染效应由2001年的0.006 3增至2012年的0.012 5,两者呈同向增长态势;3)2020年城镇化进程累计边际污染效应将达0.379;4)城镇化进程边际污染效应变化率曲线呈正N型,第一极值点出现于2004—2005年,第二极值点出现于2013年,目前,城镇化进程边际污染效应处于第二极值点右侧上升通道。论文基于城市发展理论对研究结果进行了机理解析,并从依靠科技创新、实现城镇化发展方式由要素驱动向创新驱动转变等4个方面提出了政策建议。 . 探索城镇化演进的边际污染效应极限,对指导城镇化健康、可持续发展具有重要意义。论文以安徽省为例,选取工业废水等8项指标,采用熵权赋值法,对污染综合指数进行了评价;运用LMDI分解模型,对城镇化进程引致的污染效应进行了测算;基于经济学边际理论,构建了城镇化进程边际污染效应变化率模型,通过最佳拟合优度曲线估算及曲线拐点求导判别方法,对城镇化进程边际污染效应极限及演化趋势进行了测度,结果表明:1)污染综合指数由2000年的0.153 0上升至2012年的0.645 3;2)城镇化进程边际污染效应由2001年的0.006 3增至2012年的0.012 5,两者呈同向增长态势;3)2020年城镇化进程累计边际污染效应将达0.379;4)城镇化进程边际污染效应变化率曲线呈正N型,第一极值点出现于2004—2005年,第二极值点出现于2013年,目前,城镇化进程边际污染效应处于第二极值点右侧上升通道。论文基于城市发展理论对研究结果进行了机理解析,并从依靠科技创新、实现城镇化发展方式由要素驱动向创新驱动转变等4个方面提出了政策建议。 |
| [23] | . 本文选取黑龙江、上海、河南、广东和甘肃等5个省份,采用 1985-2009年平衡面板数据,利用STIRPAT模型,研究了不同发展水平下的城市化对资源消耗和污染排放的影响.主要结论为:人口规模、人均收入 和经济结构都是影响环境的重要因素;总体上,城市化与资源消耗和污染排放都呈正相关关系,但从5个不同发展水平的省份来看,城市化与资源消耗和污染排放之 间呈负相关关系,城市化过程中的环境影响随着发展水平的变化而变化. . 本文选取黑龙江、上海、河南、广东和甘肃等5个省份,采用 1985-2009年平衡面板数据,利用STIRPAT模型,研究了不同发展水平下的城市化对资源消耗和污染排放的影响.主要结论为:人口规模、人均收入 和经济结构都是影响环境的重要因素;总体上,城市化与资源消耗和污染排放都呈正相关关系,但从5个不同发展水平的省份来看,城市化与资源消耗和污染排放之 间呈负相关关系,城市化过程中的环境影响随着发展水平的变化而变化. |
| [24] | . 通过建立模型并实际测算城镇化每增长1个百分点引起的污染物产排 放变化量,来分析我国城镇化发展的边际环境污染效应.结果显示,我国城镇化发展与环境污染之间的矛盾仍十分突出,1996 - 2009年期间,城镇化每增长1个百分点带来的城镇生活污水排放量、COD产生量、NH3-N产生量、NOx排放量、CO2排放量、城镇生活垃圾产生量仍 呈上升趋势.由于近年来城镇污水处理率明显提升,城镇化每增长1个百分点带来的COD和NH3 -N排放量由“十五”的增加逐步转为“十一五”的减少；由于城镇生活用煤的减少,城镇化每增长1个百分点带来的SO2排放量在“十五”“十一五”期间都呈 减少趋势.为减少环境污染,我国应选择有中国特色的城镇化发展道路,合理把握城镇化发展速度和节奏,促进城镇与环境协调发展. . 通过建立模型并实际测算城镇化每增长1个百分点引起的污染物产排 放变化量,来分析我国城镇化发展的边际环境污染效应.结果显示,我国城镇化发展与环境污染之间的矛盾仍十分突出,1996 - 2009年期间,城镇化每增长1个百分点带来的城镇生活污水排放量、COD产生量、NH3-N产生量、NOx排放量、CO2排放量、城镇生活垃圾产生量仍 呈上升趋势.由于近年来城镇污水处理率明显提升,城镇化每增长1个百分点带来的COD和NH3 -N排放量由“十五”的增加逐步转为“十一五”的减少；由于城镇生活用煤的减少,城镇化每增长1个百分点带来的SO2排放量在“十五”“十一五”期间都呈 减少趋势.为减少环境污染,我国应选择有中国特色的城镇化发展道路,合理把握城镇化发展速度和节奏,促进城镇与环境协调发展. |
| [25] | . . |
| [26] | . . |
| [27] | . 文章利用1995～2005年中国省级的工业污染数据对两种不同的观点进行了检验。结果发 现,随着中国城市化水平的不断提高,工业污染会经历一个先上升后下降的倒U形路径。研究结果支持了城市化最终有利于城市环境质量改善的观点。城市化过程中 工业污染得以集中,治污部门自身存在的递增规模收益使得污染物能在更高的集中水平上得到处理。因此,集中治理污染是提高城市环境质量的一个有效途径。 . 文章利用1995～2005年中国省级的工业污染数据对两种不同的观点进行了检验。结果发 现,随着中国城市化水平的不断提高,工业污染会经历一个先上升后下降的倒U形路径。研究结果支持了城市化最终有利于城市环境质量改善的观点。城市化过程中 工业污染得以集中,治污部门自身存在的递增规模收益使得污染物能在更高的集中水平上得到处理。因此,集中治理污染是提高城市环境质量的一个有效途径。 |
| [28] | . 运用1997~2011年湖南省10个市区的面板数据,以环境库兹涅茨曲线作为分析工具,本文对湖南省城镇化发展与环境污染之间的关系进行了实证研究。研究结果显示,湖南省城镇化发展与6类污染指标呈现了N型、倒U型和倒N型关系,并且由于湖南省各市区城镇化发展水平的不均衡,若干市区还未能实现相应曲线的转折点,城镇化发展中的环境保护问题依然至关重要,考虑城市间的差异实施差异化的发展与环保政策将是关键。 . 运用1997~2011年湖南省10个市区的面板数据,以环境库兹涅茨曲线作为分析工具,本文对湖南省城镇化发展与环境污染之间的关系进行了实证研究。研究结果显示,湖南省城镇化发展与6类污染指标呈现了N型、倒U型和倒N型关系,并且由于湖南省各市区城镇化发展水平的不均衡,若干市区还未能实现相应曲线的转折点,城镇化发展中的环境保护问题依然至关重要,考虑城市间的差异实施差异化的发展与环保政策将是关键。 |
| [29] | . 随着工业化的快速发展,中国工业污染形势极为严峻,而且不同工业污染物的分布有着明显的空间差异性.根据2013年中国286个地市工业废水、工业SO2和工业烟(粉)尘等工业污染数据,以污染总量和污染强度为测度指标,采用探索性空间数据方法,引入空间计量经济模型,对全国工业污染的地理集聚特征及影响因素进行计量分析.结果显示:①工业污染空间集聚显著,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相关性和空间集聚性;废水总量东高西低,强度西高东低;SO2总量北高南低且高污染区域较多,强度西高东低;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,区域污染物排放会受到周边地区污染物排放的显著影响.③三类污染物由于不同的特性、空间格局和产业指向性,使得影响空间分布的关键因素存在有显著差异.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.④要进一步降低工业污染,提高环境质量,既要充分重视工业污染的空间交互作用,加强地区间联防联控,同时也要提高区域经济发展水平,促进产业结构升级和生产工艺高级化,加大科技投入,控制能源强度,因地制宜、因势利导的制定差异化工业污染防治措施. . 随着工业化的快速发展,中国工业污染形势极为严峻,而且不同工业污染物的分布有着明显的空间差异性.根据2013年中国286个地市工业废水、工业SO2和工业烟(粉)尘等工业污染数据,以污染总量和污染强度为测度指标,采用探索性空间数据方法,引入空间计量经济模型,对全国工业污染的地理集聚特征及影响因素进行计量分析.结果显示:①工业污染空间集聚显著,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相关性和空间集聚性;废水总量东高西低,强度西高东低;SO2总量北高南低且高污染区域较多,强度西高东低;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,区域污染物排放会受到周边地区污染物排放的显著影响.③三类污染物由于不同的特性、空间格局和产业指向性,使得影响空间分布的关键因素存在有显著差异.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.④要进一步降低工业污染,提高环境质量,既要充分重视工业污染的空间交互作用,加强地区间联防联控,同时也要提高区域经济发展水平,促进产业结构升级和生产工艺高级化,加大科技投入,控制能源强度,因地制宜、因势利导的制定差异化工业污染防治措施. |
| [30] | . . |
| [31] | . . |
| [32] | . |
| [33] | . 我国城镇化经历了一个追求速度和数量的高增长时期,然而,高速的城镇化与资源环境之间的矛盾日益突出,传统高污染、高能耗、高排放的发展模式使资源环境对城市的承载接近极限,严重制约了城市的可持续发展。新型城镇化要求改变我国传统粗放的城镇化方式,由盲目追求城市规模扩大和空间扩张,逐渐实现城市发展的资源节约、环境友好与生态文明,提高城镇化质量,这与绿色发展的核心理念内在一致。通过对2007-2011年我国大陆30个省(市、自治区)绿色经济增长效率的测算,并结合各地区城镇化进程进行双维度分析,构建基于绿色发展的新型城镇化模式,研究发现:我国城镇化进程中的绿色发展正处于转型升级的关键时期,大部分地区基本实现基于绿色发展的新型城镇化或有一定比较优势;30个省(市、自治区)可分为"高绿色—高城镇化"、"高绿色—低城镇化"、"低绿色—高城镇化"和"低绿色—低城镇化"四类地区,且主要以"双高"和"双低"为主,呈现"两头大中间小"的哑铃型;全国基于绿色发展的新型城镇化空间分布不均匀。有鉴于此,各级政府要大力推行和谐、绿色、低碳的发展理念,正视新型城镇化进程中的空间与发展格局差异,寻找各地区绿色或城镇化的比较优势,科学统筹,合理规划,构建绿色产业链,制定绿色发展政策,实现绿色与城镇化的双重发展。 . 我国城镇化经历了一个追求速度和数量的高增长时期,然而,高速的城镇化与资源环境之间的矛盾日益突出,传统高污染、高能耗、高排放的发展模式使资源环境对城市的承载接近极限,严重制约了城市的可持续发展。新型城镇化要求改变我国传统粗放的城镇化方式,由盲目追求城市规模扩大和空间扩张,逐渐实现城市发展的资源节约、环境友好与生态文明,提高城镇化质量,这与绿色发展的核心理念内在一致。通过对2007-2011年我国大陆30个省(市、自治区)绿色经济增长效率的测算,并结合各地区城镇化进程进行双维度分析,构建基于绿色发展的新型城镇化模式,研究发现:我国城镇化进程中的绿色发展正处于转型升级的关键时期,大部分地区基本实现基于绿色发展的新型城镇化或有一定比较优势;30个省(市、自治区)可分为"高绿色—高城镇化"、"高绿色—低城镇化"、"低绿色—高城镇化"和"低绿色—低城镇化"四类地区,且主要以"双高"和"双低"为主,呈现"两头大中间小"的哑铃型;全国基于绿色发展的新型城镇化空间分布不均匀。有鉴于此,各级政府要大力推行和谐、绿色、低碳的发展理念,正视新型城镇化进程中的空间与发展格局差异,寻找各地区绿色或城镇化的比较优势,科学统筹,合理规划,构建绿色产业链,制定绿色发展政策,实现绿色与城镇化的双重发展。 |
| [34] | . . |
| [35] | . In this paper we consider a simultaneous system of spatially interrelated cross sectional equations. Our specification incorporates spatial lags in the endogenous and exogenous variables. In modelling the disturbance process we allow for both spatial correlation as well as correlation across equations. The data set is taken to be a single cross section of observations. The model may be viewed as an extension of the widely used single equation Cliff-Ord model. We suggest computationally simple limited and full information instrumental variable estimators for the parameters of the system and give formal large sample results. |
| [36] | . 机动车尾气排放逐渐成为中国空气污染的主要来源．本文利用2005-2013年中国城市日度数据．实证分析了油价对汽车使用和空气污染的影响效应。实证结果表明油价的提高无法改变一个地区的整体空气质量．这主要是因其对私人汽车、公共汽车以及摩托车无显著效应．而仅通过非私人汽车和出租车的使用变化来影响空气质量。在使用API年度汇总数据、考虑油价对机动车购买影响、选择油价工具变量进行2SLS回归以及删除限行或地铁城市样本后。这一结果仍具有稳健性：在安慰剂检验中，油价对工业污染排放无显著影响．表明其并未通过其他非机动车渠道影响空气质量。据此，本文认为不同的油价污染效应在于各类机动车沉淀成本不同．这_解释得到了基于收入效应和替代效应的分析的证实。本文为成品油消费税的节能减排目标提供了一定的启示：在私人汽车快速增长的背景下．政府不应简单依赖税费调节燃油消费，应通过财政补贴等方式鼓励清洁能源的发展。 . 机动车尾气排放逐渐成为中国空气污染的主要来源．本文利用2005-2013年中国城市日度数据．实证分析了油价对汽车使用和空气污染的影响效应。实证结果表明油价的提高无法改变一个地区的整体空气质量．这主要是因其对私人汽车、公共汽车以及摩托车无显著效应．而仅通过非私人汽车和出租车的使用变化来影响空气质量。在使用API年度汇总数据、考虑油价对机动车购买影响、选择油价工具变量进行2SLS回归以及删除限行或地铁城市样本后。这一结果仍具有稳健性：在安慰剂检验中，油价对工业污染排放无显著影响．表明其并未通过其他非机动车渠道影响空气质量。据此，本文认为不同的油价污染效应在于各类机动车沉淀成本不同．这_解释得到了基于收入效应和替代效应的分析的证实。本文为成品油消费税的节能减排目标提供了一定的启示：在私人汽车快速增长的背景下．政府不应简单依赖税费调节燃油消费，应通过财政补贴等方式鼓励清洁能源的发展。 |
| [37] | . . |
| [38] | . . |
