中国海洋环境规制效率时空分异及影响因素

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

王泽宇^,, 程帆辽宁师范大学海洋经济与可持续发展研究中心,大连 116029

Spatio-temporal differentiation and influencing factors of China's marine environmental regulation efficiency

WANG Zeyu^,, CHENG FanCenter for Studies of Marine Economy and Sustainable Development, Liaoning Normal University, Dalian 116029, Liaoning, China

收稿日期:2020-11-25修回日期:2021-07-21

基金资助:

辽宁省委组织部青年拔尖人才项目(XLYC1907027)
辽宁省社会科学基金项目(L20AJY003)
辽宁省社会科学联合会项目(2020lslktqn-048)

Received:2020-11-25Revised:2021-07-21
作者简介 About authors
王泽宇（1981-）,女,辽宁铁岭人,教授,博士生导师,研究方向为海洋经济地理。 E-mail: wangzeyu2008@163.com

摘要
海洋环境规制效率研究对中国海洋环境治理具有重要参考价值。基于非期望产出的SBM模型测算中国海洋环境规制效率,结合核密度、标准差椭圆以及广义矩估计模型探究2007—2017年中国海洋环境规制效率时空演变特征及影响因素。研究表明：① 时间演化方面,研究期间中国海洋环境规制效率均值呈现波动下降的趋势,由相对有效下降至相对低效,沿海各省区间效率差异逐渐扩大。② 空间演化方面,海洋环境规制效率重心位置变化阶段性特征显著,向西南移动,各沿海省区海洋环境规制效率差异显著,分为提高型、稳定型和下降型。③ 影响因素方面,对外开放、产业结构、科技投入与中国海洋环境规制效率呈正相关,经济发展、市场环境与中国海洋环境规制效率呈负相关。
关键词： 海洋环境规制效率;时空分异;影响因素;SBM模型

Abstract

The research on the efficiency of marine environmental regulation has important reference value for China's marine environmental governance. Based on the unexpected output SBM model to measure the efficiency of China's marine environmental regulation, the current study examines the spatio-temporal evolution of China's marine environmental regulation efficiency and its corresponding influencing factors from 2007 to 2017, combined with nuclear density, standard deviational ellipse model and generalized method of moments model. The findings show that: (1) The average value of China's marine environmental regulation efficiency during the study period showed a fluctuating downward trend, from relatively effective to relatively inefficient, and the efficiency difference between coastal provinces gradually expanded. (2) The position of the center of gravity of marine environmental regulation efficiency changes significantly in stages, moving to the southwest, and the marine environmental regulation efficiency of various coastal provinces have significant differences, which are divided into improving, stable and declining types. (3) In terms of influencing factors, industrial structure, opening-up, science and technology investment are positively correlated with the efficiency of China's marine environmental regulation, while economic development, market environment and China's marine environmental regulation efficiency are negatively correlated.

Keywords：marine environmental regulation efficiency;temporal and spatial differentiation;influencing factor;SBM model

PDF (2650KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
王泽宇, 程帆. 中国海洋环境规制效率时空分异及影响因素[J]. 地理研究, 2021, 40(10): 2885-2896 doi:10.11821/dlyj020201124
WANG Zeyu, CHENG Fan. Spatio-temporal differentiation and influencing factors of China's marine environmental regulation efficiency[J]. Geographical Research, 2021, 40(10): 2885-2896 doi:10.11821/dlyj020201124

1 引言

海洋是高质量发展战略要地,绿色可持续的海洋生态环境是海洋强国建设的重要组成部分^[1]。近年来,中国实施的近岸海域污染防治措施、全国重点海域生态保护工程等使得海洋环境保护取得显著成效。2007—2017年,中国沿海各省区环境污染治理投资总额从1606.5亿元上升至4002.5亿元,年均增长239.6亿元。但同时,中国仍面临着陆源入海污染治理压力较大,局部海域污染较重等问题^[2,3,4]。据《近岸海域环境质量公报》显示,中国近岸海域陆源污染物排放总量仍然较高,说明中国海洋环境质量虽有改善,但治理绩效并不理想。因此,在建设海洋强国,守护碧海银滩成为全社会共同行动的大趋势下,进一步审视中国海洋环境规制效率具有重要的理论和实践价值。

环境规制的相关研究主要从假说验证、经济环境效应以及环境规制效率等视角展开^{[5,6,7,8,9,10,11,12]}。关于环境规制效率的研究主要集中于模型构建及测度、行业异质性及驱动因素等方面^{[13,14,15,16,17]}。近年来,随着人们对海洋环境问题关注程度的提高,海洋环境规制的相关研究逐渐涌现。国外****对不同国家与地区的海洋环境规制政策、措施及绩效进行分析与比较,认为有效的海洋环境管理离不开当地监管机构和生产经营者（利益攸关方）的肯定^{[18,19,20,21,22]}。国内****的研究则主要集中于海洋环境规制对海洋经济、技术创新、产业结构的影响。如吴玮林运用计量模型分别对不同规制措施的治理绩效进行实证研究,发现“经济激励型”比“命令控制型”海洋环境规制措施更有效^[23];杜军研究发现,海洋环境规制措施促进海洋经济绿色全要素生产率的提升,存在强波特假说效应^[24];钱薇雯研究得出海洋环境规制对环渤海与长三角地区的海洋技术创新作用显著^[25];宁凌等研究发现,海洋环境规制的实施有利于南部海洋经济圈海洋产业结构的升级^[26];陈轩等研究发现,沿海各省区制造业转型升级在海洋环境规制的影响下可分为转型升级双重抑制、转型优先、转型升级双重促进3个阶段^[27]。

综上所述,海洋作为与陆域关联密切的复杂生态系统,其环境污染中有70%源自陆地,且污染源广、治理难度大。陆域环境规制的理论体系不能有效应用于海洋生态环境规制的研究中。有必要基于海陆复合系统的特点对环境规制效率理论模型进行改进。海洋环境规制效率及影响因素的研究可以更系统深入的揭示全国海洋环境治理投入和绩效的作用机理。鉴于此,本研究基于成本-收益理论构建中国海洋环境规制效率测度的理论框架,以中国沿海11个省区为研究地域单元,综合运用SBM模型、核密度、标准差椭圆及广义矩估计等多种统计分析方法和模型对中国海洋环境规制效率的时空演化特征及影响因素进行实证分析。所得结论对完善中国海洋环境规制理论体系具有重要的理论意义,为中国海洋生态环境治理提供重要依据。

2 研究方法与数据来源

2.1 研究方法

2.1.1 SBM模型本文采用SBM(Slack-Based Measure)模型,运用MAXDEA软件测算中国海洋环境规制效率^[28]。考虑了径向DEA模型的松弛性与海洋环境规制效率的非期望产出问题,模型构建如下：

（1）

\begin{array}{l} ρ^{*} = \min \frac{1 - \frac{1}{m} \overset{n}{\sum_{i = 1}} \frac{s_{i}^{-}}{x_{i 0}}}{1 + \frac{1}{s_{1} + s_{2}} (\overset{s_{1}}{\sum_{r = 1}} \frac{s_{r}^{k}}{y_{r 0}^{h}} + \overset{s_{2}}{\sum_{r = 1}} \frac{s_{r}^{a}}{y_{r 0}^{a}})} \\ s.t \{\begin{array}{l} x_{0} = Xλ + s^{-} \\ y_{0}^{k} = Y^{k} λ - s^{k} \\ z_{0}^{a} = Z^{a} λ + s^{k} \\ s^{-} \geq 0, s^{k} \geq 0, s^{a} \geq 0, λ \geq 0 \end{array} \end{array}

式中：ρ^*表示效率值;i、r是第i、r个被评价单元;λ表示权重向量;s^-表示投入的松弛变量;s^k、s^a表示期望与非期望产出的松弛变量;m是投入因素的个数;s₁、s₂是期望与非期望产出因素的个数;X、Y^k、Z^a为投入、期望和非期望产出构成的矩阵;x、y^k、z^a为投入、期望、非期望产出值。

2.1.2 核密度核密度函数是用于估计未知密度的量函数,本文用来估计海洋环境规制效率值的密度分布。对于x₁,x₂,

?

,x_i,…,x_n的核密度估计表达形式为：

（2）

f_{h} (x) = \frac{1}{n h} \overset{n}{\sum_{i = 1}} k (\frac{x - x_{i}}{h})

式中：f_h(x)表示海洋环境规制效率核密度估计值;x_i表示被估计样本;n为研究单元数量;h为带宽;k表示加权核函数,包括高斯核、三角核等类型。

本文选取高斯核函数进行样本估计拟合作图,分析中国海洋环境规制效率时序变化特征。

（3）

Gaussian = \frac{1}{\sqrt[]{2 π}} e^{- \frac{1}{2} t^{2}}

式中：Gaussian为高斯核函数值;t为估计时间;π为固定带宽。

2.1.3 标准差椭圆标准差椭圆（Standard Deviational Ellipse,SDE）用来对要素的空间分布特征进行分析。通过椭圆的的大小、重心以及长轴和短轴的变化来反映中国海洋环境规制效率的空间分布和移动特征。具体公式如下：

（4）

平均中心 : {\overset{?}{X}}_{w} = \frac{\overset{n}{\sum_{i = 1}} w_{i} x_{i}}{\overset{n}{\sum_{i = 1}} w_{i}}; \bar{Y_{w}} = \frac{\overset{n}{\sum_{i = 1}} w_{i} y_{i}}{\overset{n}{\sum_{i = 1}} w_{i}}

（5）

x 轴标准差 : σ_{x} = \frac{\sqrt[]{\overset{n}{\sum_{i = 1}} (w_{i} \bar{x_{i}} \cos θ - w_{i} \bar{y_{i}} \sin θ)}}{\overset{n}{\sum_{i = 1}} w_{i}^{2}}

（6）

y 轴标准差 : σ_{y} = \frac{\sqrt[]{\overset{n}{\sum_{i = 1}} (w_{i} \bar{x_{i}} \sin θ - w_{i} \bar{y_{i}} \cos θ)}}{\overset{n}{\sum_{i = 1}} w_{i}^{2}}

式中：

\overset{?}{x}

表示椭圆的平均中心;σ_x和σ_y分别表示x、y轴的标准差;（x_i,y_i）表示效率分布的空间区域;w_i表示权重;i表示决策单元;x和y分别表示各点距离椭圆中心的相对坐标;θ表示椭圆正北方与长轴之间的夹角。

2.2 指标体系构建与数据来源

2.2.1 海洋环境规制效率评价指标体系海洋环境规制效率是沿海各省区政府在行使海洋环境保护职能,管控与减少陆源污染所获得的海洋环境规制收益与所投入的管理成本之比。环境规制效率主要基于成本-收益理论从环境规制主体、环境规制成本与环境规制收益三个方面展开。成本-收益理论由Dupuit首次提出,其后被Kaldor等总结形成Kaldor-Kicks标准,即成本-收益理论的基础^[29]。海洋生态环境规制的主体是政府及相关环保部门、监管机构等;成本包括人力、财力、物力投入等方面;收益主要包括陆源污染的控制和海洋生态环境质量的提升（图1）。

图1

新窗口打开|下载原图ZIP|生成PPT
图1中国海洋环境规制效率理论框架

Fig. 1Theoretical framework of China's marine environmental regulation efficiency

评价指标体系如表1所示。① 财力投入。选取沿海各省区环境污染治理投资总额表征海洋环境规制的财力投入。② 物力投入。选取沿海各省区工业废水治理设施数表征海洋环境规制物力投入指标。③ 人力投入。选取沿海各省区环保机构年末总人数表征海洋环境规制的人力投入。④ 污染控制。选取沿海各省区工业废水排放达标率以及COD_cr、氨氮排海量作为海洋环境规制的污染控制指标,其中COD_cr、氨氮排海量作为非期望产出,对其进行取倒数正向化处理。⑤ 生态环境质量。海域水质与海洋自然保护区状况是海洋环境优劣的直接反应,选取海水优良水质占比以及人均海洋自然保护区面积作为海洋生态环境质量指标。

Tab. 1
表1
表1中国海洋环境规制效率评价指标体系
Tab. 1Assessment indicator system of China's marine environmental regulation efficiency

一级指标层	二级指标层	三级指标层	指标方向
成本指标	财力投入	单位产值环境污染治理投资总额(万元)	+
	物力投入	单位产值工业废水治理设施数(套)	+
	人力投入	单位产值环保系统年末人数(人)	+
收益指标	污染控制	工业废水达标率(%)	+
	污染控制	单位产值COD_cr与氨氮排海量(t/万元)	-
	环境质量	海洋优良水质占比(%)	+
	环境质量	人均海洋自然保护区面积(m²)	+

新窗口打开|下载CSV

2.2.2 数据来源以中国沿海11省区（不包含香港特别行政区、澳门特别行政区和台湾地区）为研究区域。时间跨度是2007—2017年,数据来源于2008—2018年《中国海洋统计年鉴》《中国海洋生态环境状况公报》《中国统计年鉴》以及沿海各省区统计年鉴。

3 中国海洋环境规制效率时空分异特征

3.1 海洋环境规制效率时序变化特征

通过定义海洋环境规制效率的非期望产出,选择产出导向（以投入一定时产出最大为目标）,在MAXDEA软件中测算2007—2017年的中国海洋环境规制效率,参考已有研究^[30],定义效率值大于0.8为相对有效,介于0.4~0.8为相对低效,小于0.4为相对无效（表2）。

Tab. 2
表2
表22007—2017中国海洋环境规制效率值
Tab. 2Efficiency value of China's marine environmental regulation during 2007-2017

省份	2007	2008	2009	2010	2011	2012	2013	2014	2015	2016	2017
天津	0.653	1.000	1.000	1.000	1.000	1.000	0.654	0.605	0.436	1.000	1.000
河北	0.580	0.465	0.467	0.376	0.288	0.370	0.294	0.795	0.255	0.392	0.245
辽宁	1.000	0.480	0.849	0.371	0.272	0.237	0.244	0.595	0.238	0.226	0.190
上海	1.000	1.000	1.000	1.000	0.709	1.000	1.000	1.000	0.548	0.487	0.633
江苏	1.000	1.000	1.000	1.000	1.000	1.000	1.000	1.000	1.000	1.000	1.000
浙江	0.626	0.240	0.514	0.340	0.569	0.386	0.193	0.524	0.197	0.143	0.183
福建	0.635	0.540	0.677	0.503	0.442	0.401	0.234	0.765	1.000	0.288	0.262
山东	0.885	0.516	0.542	0.399	0.461	0.397	0.324	1.000	0.332	0.344	0.200
广东	1.000	1.000	1.000	0.151	1.000	1.000	0.457	1.000	1.000	0.959	0.919
广西	0.394	0.403	0.343	0.264	0.343	0.294	0.178	0.608	0.154	0.264	0.211
海南	0.679	0.738	0.657	1.000	0.543	1.000	1.000	1.000	0.435	1.000	0.885
均值	0.768	0.671	0.732	0.582	0.602	0.609	0.507	0.808	0.509	0.555	0.521

新窗口打开|下载CSV

由表2和图2可知,2007—2017年中国海洋环境规制效率均值呈现波动下降的趋势,且整体处于相对低效水平。为进一步分析中国海洋环境规制效率时间演化特征,本文运用Eviews 10软件选取首末年份及中间年份的数据绘制中国海洋环境规制效率的核密度分布图,如下（图3）：

图2

新窗口打开|下载原图ZIP|生成PPT
图22007—2017年中国海洋环境规制效率均值变化趋势

Fig. 2The change trend of the mean value of China's marine environmental regulation efficiency during 2007-2017

图3

新窗口打开|下载原图ZIP|生成PPT
图32007—2017年中国海洋环境规制效率核密度图

Fig. 3The kernel density of China's marine environmental regulation efficiency during 2007-2017

从位置上看：2007—2017年核密度峰值存在明显位移。随着时间的推移,中国海洋环境规制效率核密度曲线、曲线波峰与曲线始点逐渐向左移动,核密度值由2007年集中在0.8附近变化为2017年集中在0.3附近。表明中国海洋环境规制效率整体呈现逐渐下降的趋势,随着经济发展,沿海各省区产业集聚,工业废水排放,近岸海域水质一般,是导致中国海洋环境规制效率降低的主要原因。

从峰度上看：2007—2017年中国海洋环境规制效率峰顶核密度值呈逐渐下降的趋势。2007年核密度值最高,在0.6~1.0之间集中,2017年核密度值分别在0.2与1.0上集中。说明高值省区向中低值省区发展,中国海洋环境规制效率低的省区有所增加,效率高的省区有所减少。

从形状上看：2007—2017年核密度曲线由单峰转向双峰,且曲线宽度变宽。表明中国海洋环境规制效率随时间推移逐渐呈两极分化的态势,内部差异逐渐扩大。研究期间,沿海各省区海洋环境禀赋差异以及所处的发展阶段不同,经济发达、海洋环境规制力度大的省区通过加强海洋环保投资与陆源污染防控,会进一步促进海洋环境规制效率的提高。相反,经济发展落后、海洋环境规制力度小的省区会吸引污染密集型企业从而加剧海洋环境污染,不利于后发省区海洋环境规制,使得中国海洋环境规制效率内部差异呈现扩大的趋势^[31]。

3.2 海洋环境规制效率空间演化特征

根据2007—2017年中国海洋环境规制效率,绘制中国海洋环境规制效率重心演变图,进一步探讨中国海洋环境规制效率的空间演化特征（图4）。

图4

新窗口打开|下载原图ZIP|生成PPT
图42007—2017年中国海洋环境规制效率重心偏移

Fig. 4Center of gravity shift of China's marine environmental regulation efficiency during 2007-2017

从全国来看,2007—2017年中国海洋环境规制效率重心始终在116°E~118°E、30°N~32°N之间移动,南北方向移动距离大于东西移动距离,总位移为183.20 km。2007—2017年,重心变化阶段性特征显著,其中2007—2012年效率重心向西南移动,2012—2017年效率重心移动呈“V”型,先偏向西北,接着偏向东南,最后再偏向西北移动的趋势。总体上,中国海洋环境规制效率重心向西移动213.24 km,向南移动达到287.38 km,向西南方向偏移。

从地区来看,根据沿海各省区海洋环境规制效率值变动情况（表3）,可划分为提高型、稳定型、下降型（表4）。天津、海南海洋环境规制效率逐步提升,由相对低效提升至相对有效水平。天津科技实力雄厚,污染减排技术先进,海洋环境规制效率提升显著;海南投入低产出低^[32],且陆源污染物逐年降低,海洋环境规制效率提升。辽宁、浙江、山东、河北、福建与上海海洋环境规制效率降低。辽宁、浙江沿海产业集聚,工业废水直排海逐年递增,是导致海洋环境规制效率下降的主要原因^[33];山东近年来废水排海达标率不高,氮磷等入海超标因子造成近岸海域海水富营养化,破坏海洋生态系统,导致海洋环境规制效率下降^[34];河北资源依赖性较强,第二产业占比较大,排污技术含量低导致海洋环境压力增大,是导致其海洋环境规制效率降低的主要原因^[35]。上海处于长三角经济圈的核心,较早注重海洋环境保护。研究前期,上海就实施了污染物排海政策。“十二五”期间,上海更是重点发展海洋环保产业,因此海洋环境规制效率较高,但近年来,随着城市发展的需求,陆源污染的长期汇入,海洋生态环境压力仍呈上升的态势,海洋环境规制效率略下降,应一步加强政府在海洋环境保护与治理方面的投入^[36,37]。江苏和广东海洋环境规制效率为相对有效水平,广西始为无效水平。广东和江苏沿海经济发达,依靠科技创新,转变产业发展方式^[38],近岸海域污染排放逐年降低,从源头上降低了陆源污染,海洋环境规制效率始终处于有效水平。广西海洋资源开发模式较为粗放,陆源污染规制力度不高,海陆污染交叉叠加,治理难度大,海洋环境规制效率低。

Tab. 3
表3
表3中国海洋环境环境规制效率水平分级
Tab. 3Classification of efficiency level of marine environmental regulation in China

年份	分级	地区
2007	0.0~0.4	广西
	0.4~0.8	河北、天津、浙江、福建、海南
	0.8~1.0	辽宁、山东、江苏、上海、广东
2012	0.0~0.4	辽宁、河北、山东、浙江、广西
	0.4~0.8	福建
	0.8~1.0	天津、江苏、上海、广东、海南
2017	0.0~0.4	辽宁、河北、山东、浙江、福建、广西
	0.4~0.8	上海
	0.8~1.0	天津、江苏、广东、海南

新窗口打开|下载CSV

Tab. 4
表4
表4中国海洋环境环境规制效率分类
Tab. 4Classification of China's marine environmental regulation efficiency

类型	地区	个数（占比）
提高	天津、海南	2（18%）
稳定	江苏、广东、广西	3（27%）
下降	辽宁、河北、山东、浙江、福建、上海	6（55%）

新窗口打开|下载CSV

4 中国海洋环境规制效率影响因素分析

4.1 变量选取

中国海洋环境规制效率时空演化由多种因素作用形成,根据沿海各省区的发展状况对影响因素进行选取。具体选取如下（表5）：经济发展水平的提高,有利于政府加大环保资金投入,从而对海洋环境规制效率产生影响;沿海各省区产业结构高级化水平决定着污染物的排放量,进而对海洋环境规制效率产生影响;地区对外开放程度一方面通过技术溢出效应有利于海洋环境规制,另一方面通过污染避难所效应更易吸引污染密集型企业,加剧海洋环境污染,不利于海洋环境规制;科技投入有利于清洁技术革新,提高污染排放达标率对海洋环境规制产生影响;市场化水平影响着海洋环境规制工具组合方式,进而对海洋环境规制产生影响。选取经济发展（EDL）、产业结构（ES）、对外开放（OPEN）、R&D投入（TDL）、市场化（MI）作为海洋环境规制效率的影响因素。

Tab. 5
表5
表5中国海洋环境规制效率影响因素
Tab. 5The influencing factors of China's marine environmental regulation efficiency

解释变量	具体指标
经济发展（EDL）	地区生产总值
产业结构（ES）	产业结构高级化指数
对外开放（OPEN）	地区进出口总额占比
R&D投入（TDL）	地区R&D人员全时当量的对数
市场环境（MI）	私营与个体企业就业人口占比

注：产业结构高级化指数=第三产业产值/第二产业产值的比值。

新窗口打开|下载CSV

4.2 模型设定

中国海洋环境规制效率不仅取决于各沿海省区海洋环境规制投入产出水平的变化,也与海洋环境规制的整体外部运行环境有关。鉴于指标选取中经济发展、产业结构、对外开放等指标与环境规制效率之间存在一定的内生性问题。因此,本研究对可能影响沿海各省区海洋环境规制效率的影响因素进行广义矩估计,控制变量内生性问题。面板模型如下：

（7）

ER C_{it} = α + βED L_{it} + λE S_{it} + δOPE N_{it} + ςTD L_{it} + γM L_{it} + ε_{it}

式中：ERC_it为海洋环境规制效率值;α为常数项;i表示省区;t表示年份;β、λ、δ、ς、γ分别代表经济发展、产业结构、对外开放、科技投入和市场化对海洋环境规制效率的影响系数;ε_it为误差项。

由于海洋环境规制效率存在一定的时间相关性,当年的海洋环境规制效率水平会受到上一年海洋环境规制情况的影响。需引入动态面板模型,加入滞后一期的海洋环境规制效率,一定程度上克服了静态面板模型产生的估计误差。建立动态面模型如下：

（8）

ER C_{i t} = α + θER C_{it - 1} + βED L_{it} + λE S_{it} + δOPE N_{it} + ςTD L_{it} + γM L_{it} + ε_{it}

式中：ERC_it-₁为第i个省区海洋环境规制效率的滞后项;θ表示其回归系数;其他的解释变量、被解释变量以及参数与公式（7）的定义一致。

用Arellano-Bond与Sargan检验模型设置的合理性与工具变量的有效性^[39,40],为避免异方差干扰,用两步法进行差分GMM与系统GMM估计,回归结果及检验见表（6）。

4.3 中国海洋环境规制效率的影响因素剖析

据表6可看出,差分GMM与系统GMM的Arellano-Bond（1）统计变量值均小于0.1,Arellano-Bond（2）检验P值均大于0.1,表明模型设置合理。一阶与二阶系统GMM的Sargan检验P值均大于0.1,表明工具变量通过了检验,但差分GMM的Sargan检验P值均小于0.05,不具合理性,因此选用系统GMM估计的结果是合理的。根据回归结果可得出：

Tab. 6
表6
表6面板数据回归结果
Tab. 6Results of panel model regression

变量	Dgmm1	Dgmm2	Sgmm1	Sgmm2
ERC(-1)	0.141^*	0.100^**	0.007^*	0.012^**
EDL	-0.0656^**	-0.1950^***	-0.0149^***	-0.097^***
ES	0.0209^*	0.006^*	0.000^***	0.002^***
OPEN	0.036^***	0.076^**	0.426^**	0.031^**
TDL	0.015^*	0.067^*	0.034	0.029
MI	-0.322^**	-0.255^*	-0.233	-0.125
Arellano-Bond（1）检验P值	0.009	0.000	0.012	0.004
Arellano-Bond（2）检验P值	0.621	0.559	0.450	0.760
Sargan检验P值	0.035	0.035	0.429	0.429

注：^***、^**、^*分别表示系数在1%、5%、10%水平上显著。Dgmm1：一步差分GMM;Dgmm2：两步差分GMM;Sgmm1：一步系统GMM;Sgmm2：两步系统GMM。

新窗口打开|下载CSV

（1）中国海洋环境规制效率（ERC）的滞后一期系数均为正,且分别通过了5%、10%的显著性检验,表明前期的海洋环境规制效率对当期的海洋环境规制效率产生正向影响,表现出惯性效应。

（2）经济发展对海洋环境规制效率为抑制作用。沿海各省区的经济发展水平在一定程度上决定着海洋环境规制效率的投入和产出水平,两者呈“U”型关系^[41]。初期,沿海各省区经济增长,会带来一定程度的海洋环境污染,对海洋环境规制效率呈抑制作用,随着经济逐渐由高速增长转向高质量发展,经济增长对海洋环境规制效率转为促进作用^[42]。这也表明,沿海各省区经济发展与海洋环境规制效率仍处于“U”型曲线的前期阶段。

（3）产业结构高级化对海洋环境规制效率为促进作用。沿海各省区污染密集型产业的比例影响着海洋环境规制的绩效水平^[43]。产业结构一定程度上决定着近岸海域污染物的排放和海域水质状况,调整沿海各省区产业结构趋于合理化可以提高经济生产效率、降低陆源污染排放,促进海洋环境规制效率的提高。

（4）地区对外开放对海洋环境规制效率为促进作用。说明沿海各省区对外开放带来的环境效益大于“污染避难所”效应带来的负面影响。沿海各省区引进先进治污技术可进一步降低源头污染^[44],提高海洋环境规制效率。

（5）地区R&D投入对海洋环境规制效率为促进作用,但未通过显著性检验。说明沿海各省区随着先进技术人员、设备的引进,运用成效一般。沿海各省区应扩大先进设备的覆盖广度与深度,引进专业技术人才,利用先进设备提高净化效率,降低治污成本,提高环境规制效率。

（6）市场化程度对海洋环境规制效率为抑制作用,但未通过显著性检验。表明研究期内,市场激励型环境规制工具短期内没有对海洋环境规制产生显著的效益。海域使用金、排污交易权等海洋环境经济工具均以市场化为基础,对分散污染源的规制具有显著作用^[45]。这也说明沿海各省区海洋环境规制效率大部分取决于政府强制控制陆源污染,通过海洋环境规制政策产生较强的规制效果,市场激励型海洋环境规制工具有待完善。

5 结论与讨论

5.1 结论

本文基于非期望产出的SBM模型测算中国海洋环境规制效率,借助核密度估计、标准差椭圆探究海洋环境规制效率时空演化特征,并进一步采用GMM模型对研究期间中国海洋环境规制效率影响因素进行分析,结论如下：

（1）中国海洋环境规制效率呈现波动下降的趋势,由相对有效下降至相对低效,研究期间,随时间推移效率高的省区减少,效率低的省区增多,呈现出两极分化的态势,内部差异逐渐扩大。

（2）中国海洋环境规制效率重心变化阶段性特征显著,整体向西南移动。沿海各省区海洋环境规制效率差异显著,分为提高型、稳定型与下降型。

（3）产业结构、对外开放有利于海洋环境规制效率的提升,经济发展水平与海洋环境规制效率呈负相关,科技投入与市场环境对海洋环境规制效率的作用不显著。

5.2 讨论

（1）当前中国海陆污染交叉重叠,且海洋陆源污染种类较多,来源较广,防治工作难度大。因此,首先要准确认识中国海岸带综合治理的紧迫性,变“九龙治水”为“一龙治水”,建立专门的海岸带综合管理协调机制与陆海统筹的生态环境治理制度,加快海洋环境治理的城乡统筹,构建覆盖城镇与乡村的环境基础设施网络。其次要强化企业等利益主体的环保意识,积极引导企业主动承担起陆源污染防治责任。再次要加大沿海各省区海洋环境治理力度,引进先进治污技术,降低污染密集型产业的比例,从源头上降低陆源污染,必要时开展重点海域的海洋环境专项治理行动。

（2）通过测算中国海洋环境规制效率,揭示了中国海洋环境规制效率时空分异特征及其影响因素,寻找到提升海洋环境规制效率的重点,从而为提高中国海洋环境规制效率,降低陆源污染提供相应的科学依据。因受数据限制,本文对海洋环境陆源污染的测度还不够全面,且研究时段相对较短,这也是下一步研究要解决的问题。

致谢：

衷心感谢匿名评审专家在论文评审中付出的宝贵时间和精力,使文章在研究综述、理论框架、概念界定、指标体系、研究分析及讨论建议部分逻辑更加清晰,模型选取、全文语言以及图件部分表达更加精炼与规范,获益匪浅。

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]

狄乾斌, 梁倩颖. 中国海洋生态效率时空分异及其与海洋产业结构响应关系识别
地理科学, 2018, 38(10):1606-1615.

DOI:10.13249/j.cnki.sgs.2018.10.004 [本文引用: 1]

采用超效率DEA模型对中国海洋生态效率进行测算,运用标准差椭圆对其进行空间可视化表达,最后运用VAR模型对海洋产业结构和海洋生态效率进行脉冲响应分析,以评测中国海洋生态效率时空差异并探究其与海洋产业结构响应关系。结论如下：中国沿海省份海洋第三产业比重占海洋生产总值较大,在研究期内呈现增长趋势;大多数省份海洋产业结构熵值下降,说明该类省份海洋产业发展平稳;在时间上,海洋生态效率总体上处于无效状态,海洋第三产业占比重高的年份,海洋生态效率相对较高;在空间上,海洋生态效率重心总体呈现向北移动趋势,表明北方海洋生态效率的优化进度快于南方;基于沿海各省脉冲响应图可以得出,各省份海洋产业结构对海洋生态效率的冲击最后都趋于平稳,主要原因在于随着中国海洋产业结构升级变动稳定,其对海洋生态效率的影响越来越小;在方差分解部分,沿海各省份海洋产业结构升级对海洋生态效率方差分解的贡献度较高,且呈现增长趋势,说明海洋产业结构升级对海洋生态效率的提升有一定的作用。

[ Di

Qianbin

, Liang

Qianying

. Spatio-temporal difference of marine eco-efficiency and identification of its response relationship with marine industrial structure in China
Scientia Geographica Sinica, 2018, 38(10):1606-1615.] DOI: 10.13249/j.cnki.sgs.2018.10.004.

[本文引用: 1]

[2]

孙才志, 赵良仕. 环境规制下的中国水资源利用环境技术效率测度及空间关联特征分析
经济地理, 2013, 33(2):26-32.

[本文引用: 1]

[ Sun

Caizhi

, Zhao

Liangshi

. Water resources utilization environmental efficiency measurement and its spatial correlation characteristics analysis under the environmental regulation background
Economic Geography, 2013, 33(2):26-32.]

[本文引用: 1]

[3]

孙鹏, 宋琳芳. 基于非期望超效率-Malmquist面板模型中国海洋环境效率测算
中国人口·资源与环境, 2019, 29(2):43-51.

[本文引用: 1]

[ Sun

Peng

, Song

Linfang

. Calculation of China's marine environmental efficiency based on undesired super efficiency-Malmquist model. China Population,
Resources and Environment, 2019, 29(2):43-51.] DOI: 10.12062/cpre.20180722.

[本文引用: 1]

[4]

王辉, 栾维新, 康敏捷. 渤海氮污染的来源结构与污染压力空间分布
地理研究, 2020, 39(1):186-199.

DOI:10.11821/dlyj020180317 [本文引用: 1]

近30年渤海环境发生了巨大变化,陆源污染输入是导致渤海环境恶化的主要原因。为研究陆源污染压力强度与海域污染的空间关系,采用层级嵌套的水污染输出分区方法,将环渤海地区划分为23个陆海统筹管理分区,并基于土地利用数据、社会经济统计数据和污染普查等资料,估算出环渤海地区五类社会经济活动的总氮排放量,进而分析各分区单元的陆源污染压力。研究结果表明：① 渤海周边陆域总氮排放量约85万t,农业农村面源污染是氮污染的主要来源,占总排放量的57.4%,工业污染贡献有限,渤海湾沿岸城镇居民生活排放突出;② 23个陆海统筹管理分区之间的污染压力差异巨大,辽东湾、渤海湾和莱州湾周边的分区陆源污染压力大,其它分区的压力相对较低,各分区内陆域污染压力与对应海域污染状况在空间上高度一致;③ 各分区之间污染的来源构成差异显著,渤海湾氮污染的主要来源是居民生活排放,辽东湾工业污染相对突出,莱州湾农业面源污染占比大;④ 渤海周边陆源污染排海压力短期内难以缓解。

[ Wang

Hui

, Luan

Weixin

, Kang

Minjie

. Nitrogen pollution source structure and spatial distribution of Bohai Sea
Geography Research, 2020, 39(1):186-199.] DOI: 10.11821/dlyj020180317.

[本文引用: 1]

[5]

Hongshan

, Hu

Yang

, Li

. Impacts of environmental regulation on firm productivity: Evidence from China's top 1000 energy-consuming enterprises program
Applied Economics, 2021, 53(7):830-844. DOI: 10.1080/00036846.2020.1815642.

URL [本文引用: 1]

[6]

, Yuan

Weihong

, Li

Jianglong

, et al. Effects of time-dependent environmental regulations on air pollution: Evidence from the Changsha-Zhuzhou-Xiangtan region, China
World Development, 2021, 138:105267. DOI: 10.1016/J.WORLDDEV.2020.105267.

URL [本文引用: 1]

[7]

Liu

Liyun

, Zhao

Zhenzhi

, Zhang

Mingming

, et al. The effects of environmental regulation on outward foreign direct investment's reverse green technology spillover: Crowding out or facilitation?
Journal of Cleaner Production, 2021, 284:124689. DOI: 10.1016/J.JCLEPRO.2020.124689.

URL [本文引用: 1]

[8]

Nathaniel S

, Murshed

, Bassim

. The nexus between economic growth, energy use, international trade and ecological footprints: The role of environmental regulations in N11 countries. Energy,
Ecology and Environment, 2021: 1-17. DOI: 10.1007/S40974-020-00205-Y.

[本文引用: 1]

[9]

Adam B

, Karen

. Environmental regulation and innovation: A panel data study
Review of Economics and Statistics, 1997, 79(4). DOI: 10.1162/003465397557196.

[本文引用: 1]

[10]

熊航, 静峥, 展进涛. 不同环境规制政策对中国规模以上工业企业技术创新的影响
资源科学, 2020, 42(7):1348-1360.

[本文引用: 1]

[ Xiong

Hang

, Jing

Zheng

, Zhan

Jintao

. Impact of different environmental regulatory tools on technological innovation of Chinese industrial enterprises above designated size
Resources Science, 2020, 42(7):1348-1360.] DOI: 10.18402/resci.2020.07.11.

[本文引用: 1]

[11]

Rubashkina

, Galeotti

, Verdolini

. Environmental regulation and competitiveness: Empirical evidence on the Porter Hypothesis from European manufacturing sectors
Energy Policy, 2015, 83:288-300. DOI: 10.1016/j.enpol.2015.02.014.

URL [本文引用: 1]

[12]

Salehnia

, Karimi A

, Salehnia

. Testing Porter and pollution haven hypothesis via economic variables and CO₂ emissions: A cross-country review with panel quantile regression method
Environmental science and pollution research international, 2020, 27(25):31527-31542. DOI: 10.1007/s11356-020-09302-1.

PMID:32495198 [本文引用: 1]

Nowadays, determining the factors influencing carbon dioxide emissions is a crucial issue for policymakers. So, this study examines Porter and pollution haven's hypothesis via foreign direct investment, financial development, and energy consumption in 14 countries of the MENA region during 2004-2016, using panel quantile regression that estimated the impact of these factors in quantiles of 0.1, 0.25, 0.5, 0.75, and 0.9. Also, the effect of population, trade openness, and economic growth variables has been investigated as controlling variables on CO emissions. The results of the research show that the impact of energy consumption, economic growth, and total population on all quantiles of carbon dioxide emission is positive and significant. Still, the effect of direct foreign investment on the amount of CO emissions is negative and only significant at 0.1, 0.5, and 0.75 quantiles, which supports Porter's hypothesis. Based on this hypothesis, the foreign direct investment entrance helps reduce the environmental pollution of the host country. Also, the effect of financial development on 0.25, 0.5, 0.75, and 0.9 quantile carbon dioxide emissions is negative and significant. Finally, the trade openness variable has a positive and significant effect on the quantiles of 0.1 and 0.9 CO emissions.

[13]

Hamamoto

. Environmental regulation and the productivity of Japanese manufacturing industries. Resource and Ener-gy
Economics, 2006, 28(4):299-312. DOI: 10.1016/j.reseneeco.2005.11.001.

[本文引用: 1]

[14]

刘研华, 王宏志. 我国环境规制效率的变化趋势及对策研究
生态经济, 2009, (11):172-175.

[本文引用: 1]

[ Liu

Yanhua

, Wang

Hongzhi

, Research on the efficiency evolution trend and countermeasures of environmental regulation
Ecological Economy, 2009, (11):172-175.]

[本文引用: 1]

[15]

徐成龙, 任建兰, 程钰. 山东省环境规制效率时空格局演变及影响因素
经济地理, 2014, 34(12):35-40.

[本文引用: 1]

[ Xu

Chenglong

, Ren

Jianlan

, Cheng

. Influence factors and temporal-spatial evolution of environmental regulation efficiency in Shandong province
Economic Geography, 2014, 34(12):47-52.] DOI: 10.15957/j.cnki.jjdl.2014.12.006.

[本文引用: 1]

[16]

程钰, 任建兰, 陈延斌, 等. 中国环境规制效率空间格局动态演变及其驱动机制
地理研究, 2016, 35(1):123-136.

DOI:10.11821/dlyj201601011 [本文引用: 1]

环境规制效率评价是评估政府环境治理绩效的重要方式和途径。运用数据包络分析方法（DEA模型）测度中国环境规制效率,结合变异系数、基尼系数、空间自相关以及Tobit模型,探讨中国环境规制效率空间演变特征,并探究环境规制效率影响因素及驱动机制,研究表明：① 2000-2012年中国各地区环境规制效率呈现波动上升趋势,变异系数、基尼系数呈现“综合效率>规模效率>纯技术效率”态势;② 环境规制综合效率、纯技术效率和规模效率随着经济发展水平的提高逐渐递增,且呈现东部地区>东北地区>中部地区>西部地区的空间分异特征,环境规制效率空间集聚态势明显;③ 经济发展、城镇化、技术投入、市场化、全球化等与环境规制效率呈显著性正相关,而产业结构（工业产值占GDP比例）与环境规制效率呈显著性负相关。研究结果可为实现区域可持续发展提供一定的指导和借鉴。

[ Cheng

, Ren

Jianlan

, Chen

Yanbin

, et al. Spatial evolution and driving mechanism of China's environmental regulation efficiency
Geography Research, 2016, 35(1):123-136.] DOI: 10.11821/dlyj201601011.

[本文引用: 1]

[17]

任梅, 王小敏, 刘雷, 等. 中国沿海城市群环境规制效率时空变化及影响因素分析
地理科学, 2019, 39(7):1119-1128.

DOI:10.13249/j.cnki.sgs.2019.07.010 [本文引用: 1]

基于2003~2016年中国沿海三大城市群的面板数据,采用基于非期望产出的超效率SBM模型测度城市群环境规制效率,结合变异系数、基尼系数、空间自相关和广义最小二乘法（GLS）分析城市群环境规制效率空间演变特征,识别环境规制低效运行城市,探究环境规制效率变动的驱动因素。研究表明：① 京津冀城市群注重产业结构调整,环境规制效率上升最为显著;长三角城市群注重末端治理,环境规制效率下降趋势明显;珠三角城市群注重清洁生产技术的引进,环境规制效率明显优于其他两大城市群。② 三大城市群环境规制效率内部差异明显,珠三角城市群最为突出,长三角城市群环境规制下降型城市占比高达38.64%,集中分布在安徽、江苏交界处。③ 珠三角城市群是高环境规制效率空间集聚区,空间溢出效应显著;京津冀、长三角城市群是低环境规制效率空间集聚区,空间溢出效应不显著。④ 经济发展水平、产业结构、市场环境、城镇化水平和对外开放水平是东部沿海城市群环境规制效率变动的影响因素。

[ Ren

Mei

, Wang

Xiaomin

, Liu

Lei

, et al. Spatio-temporal change and influencing factors of environmental regulation in China's coastal urban agglomerations
Scientia Geographica Sinica, 2019, 39(7):1119-1128.] DOI: 10.13249/j.cnki.sgs.2019.07.010.

[本文引用: 1]

[18]

Christopher

, Ian

. Developing marine historic environment management policy: The English Heritage experience
Marine Policy, 2014, 45:342-348. DOI: 10.1016/j.marpol.2013.09.010.

URL [本文引用: 1]

[19]

Elliott

, Burdon

, Atkins J

, et al. “And DPSIR begat DAPSI(W)R(M)!”: A unifying framework for marine environmental managemen
Marine Pollution Bulletin, 2017, 118(1-2). DOI: 10.1016/j.marpolbul.2017.03.049.

[本文引用: 1]

[20]

Blackman

, Kildegaard

. Clean technological change in developing-country industrial clusters: Mexican leather tanning
Environmental Economics and Policy Studies, 2010, 12(3). DOI: 10.1007/s10018-010-0164-7.

[本文引用: 1]

[21]

Dagnino

, Viarengo

. Development of a decision support system to manage contamination in marine ecosystems
Science of the Total Environment, 2014, 466-467. DOI: 10.1016/j.scitotenv.2013.06.084.

[本文引用: 1]

[22]

Schinas

, Stefanakos C

. Cost assessment of environmental regulation and options for marine operators
Transportation Research Part C, 2012, 25. DOI: 10.1016/j.trc.2012.05.002

[本文引用: 1]

[23]

吴玮林. 中国海洋环境规制绩效的实证分析
杭州: 浙江大学硕士学位论文, 2017.

[本文引用: 1]

[ Wu

Weilin

. An empirical analysis of China's marine environmental regulation performance
Hangzhou: Master Dissertation of Zhejiang University, 2017.]

[本文引用: 1]

[24]

杜军, 寇佳丽, 赵培阳. 海洋环境规制、海洋科技创新与海洋经济绿色全要素生产率: 基于DEA-Malmquist指数与PVAR模型分析
生态经济, 2020, 36(1):144-153, 197.

[本文引用: 1]

[ Du

Jun

, Kou

Jiali

, Zhao

Peiyang

. Marine environmental regulation, marine science and technology innovation and marine economic green total factor productivity: An analysis based on DEA-Malmquist index and PVAR model
Ecological Economy, 2020, 36(1):144-153, 197.]

[本文引用: 1]

[25]

钱薇雯, 陈璇. 中国海洋环境规制对海洋技术创新的影响研究: 基于环渤海和长三角地区的比较
海洋开发与管理, 2019, 36(7):70-76.

[本文引用: 1]

[ Qian

Weiwen

, Cheng

Xuan

. A study on the influence of marine environmental regulation on marine technology innovation in China: Based on the comparison between Bohai Sea Rim Region and Yangtze River Delta Region
Ocean Development And Management, 2019, 36(7):70-76.]

[本文引用: 1]

[26]

宁凌, 宋泽明. 海洋环境规制、海洋金融支持与海洋产业结构升级: 基于动态面板GMM估计的实证分析
生态经济, 2020, 36(6):151-156, 203.

[本文引用: 1]

[ Ning

Ling

, Song

Zeming

. Marine environmental regulation, marine financial support and marine industrial structure upgrade: An empirical analysis based on GMM estimation of dynamic panel
Ecological Economy, 2020, 36(6):151-156, 203.]

[本文引用: 1]

[27]

Chen

Xuan

, Qian

Weiwen

. Effect of marine environmental regulation on the industrial structure adjustment of manufacturing industry: An empirical analysis of China's eleven coastal provinces
Marine Policy, 2020, 113. DOI: 10.1016/j.marpol.2019.103797.

[本文引用: 1]

[28]

Tone

. A slacks-based measure of efficiency in data envelopment analysis
European Journal of Operational Research, 2001, 130(3). DOI: 10.1016/S0377-2217(99)00407-5.

[本文引用: 1]

[29]

Kaldor

. Welfare propositions of economics and interpersonal comparisons of utility
Economic Journal, 1939, 49(195):549-552. DOI: 10.2307/2224835.

URL [本文引用: 1]

[30]

Sun

Caizhi

, Wang

Song

, Zou

Wei

, et al. Eatimating the efficiency of complex marine systems in China's coastal regions using a nework Data Envelope Analysis model
Ocean & Coastal Management, 2017, 139:77-91. DOI: 10.1016/j.ocecoaman.2017.02.005.

[本文引用: 1]

[31]

田光辉, 苗长虹, 胡志强, 等. 环境规制、地方保护与中国污染密集型产业布局
地理学报, 2018, 73(10):1954-1969.

DOI:10.11821/dlxb201810010 [本文引用: 1]

污染密集型产业在促进区域经济增长的同时会对区域生态环境带来巨大威胁,其发展布局会受到地方保护和环境规制的双重影响。1980-2014年中国污染密集型产业的发展经历了缓慢增长、快速扩张和结构转型3个阶段,总体呈现“分散—集中—分散”的空间特征,中部省份是现阶段承接污染密集型产业转移的主要地区。通过建立区域属性模型、区域—产业交互项模型,定量分析环境规制、地方保护对污染密集型产业布局空间变化的影响,检验“污染避难所假说”和“波特假说”,发现环境规制和地方保护已成为污染密集型产业布局的重要影响因素,但存在显著的产业异质性和区域差异性;污染程度高的产业易受到环境规制的影响;相比高税收产业,高国有比重的产业更易受到地方的保护;环境规制和地方保护作为两种相反的力量,彼此之间相互抑制;环境规制的作用在东部地区比较突出,而中、西部地区地方保护的作用更为明显。为防止中西部地区成为污染密集型产业的“避难所”,应因地因时制宜制定差异化政策,促进经济与环境保护的协调发展。

[ Tian

Guanghui

, Miao

Changhong

, Hu

Zhiqiang

, et al. Environmental regulation, local protection and the spatial distribution of pollution-intensive industries in China
Acta Geographica Sinica, 2018, 73(10):1954-1969.] DOI: 10.11821/dlxb201810010.

[本文引用: 1]

[32]

盖美, 展亚荣. 中国沿海省区海洋生态效率空间格局演化及影响因素分析
地理科学, 2019, 39(4):616-625.

DOI:10.13249/j.cnki.sgs.2019.04.011 [本文引用: 1]

采用考虑非期望产出的SBM模型对中国沿海11省区（不包括港澳台地区）海洋生态效率进行测算,借助重心模型定量刻画了2001~2015年沿海省区海洋生态效率空间格局演化特征,并基于VAR模型探究空间格局演化与其影响因素之间的动态关系。结果表明：① 沿海省区海洋生态效率呈现上升趋势,天津、上海、江苏、福建、广东海洋生态效率由相对无效跃升至相对有效,辽宁、山东、海南由相对无效上升至相对低效,河北、浙江、广西始终处于相对无效水平。② 海洋生态效率重心移动路径可分为“2001~2006年东北方向迁移阶段”和“2006~2015年西南方向迁移阶段”,但重心移动范围主要位于长三角地区。③ 针对海洋生态效率空间格局演化影响因素的分析表明,海洋产业结构对海洋生态效率的影响呈正负波动态势但以正向促进为主,随着产业结构的不断优化,负向作用不断减弱;海洋科技水平对海洋生态效率会产生显著的正向推动作用和持续效益,在海洋生态效率变动的初期刺激作用尤为强烈;环境规制作为末端处理对海洋生态效率的影响并不显著。

[ Gai

Mei

, Zhan

Yarong

. Spatial evolution of marine ecological efficiency and spatial evolution of marine ecological efficiency and its influential factors in China Coastal Regions
Scientia Geographica Sinica, 2019, 39(4):616-625.] DOI: 10.13249/j.cnki.sgs.2019.04.011.

[本文引用: 1]

[33]

Zhao

Jin

, Xiu

Yuanyuan

, Cui

Wei

. An empirical study on marine economic efficiency of the Liaoning Coastal Economic Belt
Journal of Coastal Research, 2020, 106(S1). DOI: 10.2112/SI106-075.1.

[本文引用: 1]

[34]

国家海洋局. 2016年中国海洋环境状况公报
北京: 国家海洋局, 2017.

[本文引用: 1]

[The State Oceanic Administration of China. Bulletin of China Marine Environment Status in 2016
Beijing: The State Oceanic Administration of China, 2017.]

[本文引用: 1]

[35]

程钰, 李晓彤, 孙艺璇, 等. 我国沿海地区产业生态化演变与影响因素
经济地理, 2020, 40(9):133-144.

[本文引用: 1]

[ Cheng

, Li

Xiaotong

, Sun

Yixuan

, et al. Evolution characteristics and its influencing factors of industrial ecologicalization in the coastal areas of China
Economic Geography, 2020, 40(9):133-144.] DOI: 10.15957/j.cnki.jjdl.2020.09.014.

[本文引用: 1]

[36]

宋泽明, 宁凌. 基于DPSIR-TOPSIS模型的我国沿海省份海洋资源环境承载力评价及障碍因素研究
生态经济, 2020, 36(8):154-160, 212.

[本文引用: 1]

[ Song

Zeming

, Ning

Ling

. Evaluation and obstacle factors of marine resources and environment carrying capacity of coastal provinces and cities in China based on DPSIR-TOPSIS model
Ecological Economy, 2020, 36(8):154-160, 212.]

[本文引用: 1]

[37]

吴旭云, 裘诚, 王岳峰, 等. 上海海域海水水质变化趋势及应对措施
海洋开发与管理, 2020, 37(1):46-50.

[本文引用: 1]

[ Wu

Xuyun

, Qiu

Cheng

, Wang

Yuefeng

, et al. General trend of seawater quality in Shanghai and its solutions
Ocean Development and Management, 2020, 37(1):46-50.]

[本文引用: 1]

[38]

刘莹, 耿启金, 杨金美, 等. “十二五”工业废水治理效率时空特征及影响因素分析
生态经济, 2020, 36(9):194-197, 214.

[本文引用: 1]

[ Liu

Ying

, Geng

Qijin

, Yang

Jinmei

, et al. Temporal-spatial characteristics and influence factors of industrial wastewater treatment efficiency in China during the 12th Five-Year-Plan Period
Ecological Economy, 2020, 36(9):194-197, 214.]

[本文引用: 1]

[39]

Arellano

, Bover

. Another look at the instrumental variable estimation of error-components models
Journal of Econometrics, 1995, 68(1):29-51. DOI: 10.1016/0304-4076(94)01642-D.

URL [本文引用: 1]

[40]

Blundell

, Bond

. Initial conditions and moment restrictions in dynamic panel data models
Journal of Econometrics, 1998, 87(1):115-143. DOI: 10.1016/S0304-4076(98)00009-8.

URL [本文引用: 1]

[41]

熊艳. 基于省际数据的环境规制与经济增长关系
中国人口·资源与环境, 2011, 21(5):126-131.

[本文引用: 1]

[ Xiong

Yan

. Research on the relationship between environmental regulation and economic growth based on the provincial data in China. China Population,
Resources and Environment, 2011, 21(5):126-131.] DOI: 1002-2104 (2011) 05-0126-06.

[本文引用: 1]

[42]

Wang

Zeyu

, Zhao

, Wang

Yanxi

. An empirical correlation mechanism of economic growth and marine pollution: A case study of 11 coastal provinces and cities in China
Ocean and Coastal Management, 2020, 198:1-9. DOI: 10.1016/J.OCECOAMAN.2020.105380.

[本文引用: 1]

[43]

王康, 李志学, 周嘉. 环境规制对碳排放时空格局演变的作用路径研究: 基于东北三省地级市实证分析
自然资源学报, 2020, 35(2):343-357.

[本文引用: 1]

[ Wang

Kang

, Li

Zhixue

, Zhou

Jia

. The effects of environmental regulation on spatio-temporal carbon emissions patterns: Empirical analysis of prefecture-level cities in Northeast China
Journal of Natural Resources, 2020, 35(2):343-357.] DOI: 10.31497/zrzyxb.20200208.

[本文引用: 1]

[44]

戴其文, 杨靖云, 张晓奇, 等. 污染企业/产业转移的特征、模式与动力机制
地理研究, 2020, 39(7):1511-1533.

DOI:10.11821/dlyj020190637 [本文引用: 1]

污染企业/产业的转移不仅重塑了区域发展格局,也改变了环境污染的分布,对区域可持续发展产生了显著影响。探讨污染企业/产业转移对于污染治理和区域协调发展具有重要意义。基于对相关文献的梳理,系统归纳了污染企业/产业的概念和类别,总结了污染企业/产业的转移特征、模式和动力机制。研究表明：① 官方文件、污染排放强度、污染排放规模是污染产业界定和分类的主要依据。② 污染企业/产业在不同的地理尺度上形成不同的转移模式：在城市内部形成分散式外围区转移、集中式功能区转移、远离敏感区转移三种模式;在省内城市间呈现出由发达城市向欠发达城市、由环境规制强的核心区向环境规制弱的边缘区的转移特征。邻省转移模式以经济较发达和环境规制较强的省份为中心,向邻近省份扩散,并形成向多省交界处、由河流上游省份向下游省份、沿交通线向次级城市的三种转移路径。跨省转移形成成本导向型、市场扩张型和政策推动型三种模式。③ 污染企业/产业的转移方向呈现出一定的特征和模式,包括区域、地理、经济、功能区、政策5种研究视角和15种转移方向。④ 污染企业的迁移方式包括整体迁移和部分迁移两种模式,后者包括迁移生产基地、工序外包、绿色并购与对外收购、建立子公司或分厂等。⑤ 影响污染企业/产业转移的因素既包括经济、社会、地理、政策等单因素,也包括多种因素的交互作用。在多维的复杂影响机制中,政府扮演了重要角色,企业的异质性、空间集聚效应、制度等都产生了重要的影响。最后讨论了国内相关研究的不足,并在此基础上提出一些思考和建议。

[ Dai

Qiwen

, Yang

Jingyun

, Zhang

Xiaoqi

, et al. Transfer characteristics, patterns and mechanisms of polluting enterprises and industries
Geography Research, 2020, 39(7):1511-1533.] DOI: 10.11821/dlyj020190637.

[本文引用: 1]

[45]

王红梅. 中国环境规制政策工具的比较与选择: 基于贝叶斯模型平均(bma)方法的实证研究
中国人口·资源与环境, 2016, 26(9):132138.

[本文引用: 1]

[ Wang

Hongmei

. Comparison and selection of environmental regulation policy in China: Based on Bayesian model averaging approach. China Population,
Resources and Environment, 2016, 26(9):132138.] DOI: 10.3969/j.issn.1002-2104.2016.09.016.

[本文引用: 1]