刘宁宁¹, 孙玉环¹, 汤佳慧², 杜俊涛¹
1. 东北财经大学统计学院, 大连 116025;
2. 东北财经大学经济学院, 大连 116025
收稿日期: 2018-12-07; 修回日期: 2019-02-26; 录用日期: 2019-02-26
基金项目: 国家社会科学基金重大项目（No.18ZDA126）
作者简介: 刘宁宁(1996-), 女, E-mail:LiuNN0724@163.com
通讯作者（责任作者）: 孙玉环, E-mail:yhsun602@126.com

摘要: 本研究在着力改善生态环境和调整产业空间布局的背景下，着眼于国民经济行业中高能耗、高污染的污染密集型产业，基于2000-2015年中国30个省区的面板数据，在污染密集型产业识别的基础上，考察了污染密集型产业集聚和环境污染的空间特征，构建了空间面板杜宾模型，并从空间溢出视角，探讨了污染密集型产业集聚的环境效应.研究发现：①污染密集型产业集聚和环境污染均具有显著的空间正相关性；②污染密集型产业集聚和环境污染之间存在显著的倒"U"型曲线关系，对于产业集聚水平较高的山西、宁夏和内蒙古，有望通过空间溢出效应和政策干预发挥减排效应，其他省区集聚水平的提高将会加剧环境污染；③经济发展水平和外商直接投资与环境污染之间均具有显著的正相关关系，而技术创新能力的提高能显著降低污染水平.
关键词:污染密集型产业产业集聚空间溢出环境效应空间面板杜宾模型
The environmental effects of pollution-intensive industry agglomeration based on the perspective of spatial spillover
LIU Ningning¹, SUN Yuhuan¹ , TANG Jiahui², DU Juntao¹
1. School of Statistics, Dongbei University of Finance and Economics, Dalian 116025;
2. School of Economics, Dongbei University of Finance and Economics, Dalian 116025
Received 7 December 2018; received in revised from 26 February 2019; accepted 26 February 2019
Abstract: In order to improve the ecological environment and adjust the industrial spatial layout, in this article, a spatial panel Durbin model is applied to study the pollution-intensive industry which has high energy consumptions and high environment pollutions. The proposed method can help us to identify the pollution-intensive industry. Moreover, it can also help us to analyze the spatial agglomeration and environmental pollution characteristics of pollution-intensive industry and explore the environmental effects of agglomerated pollution-intensive industry from the perspective of spatial spillover. The developed method is applied to analyze the panel data of 30 provinces in China during 2000-2015. The results show that there exist significant positive spatial correlations in both industrial agglomeration and environmental pollution for pollution-intensive industries. There also exists a significant inverted "U-shaped" curve relationship between the agglomeration of pollution-intensive industries and the environmental pollutions. Shanxi, Ningxia and Inner Mongolia have higher industrial agglomerations. Hence, with the help of spatial spillover and policy interventions, it is expected to exert emission reduction effects for these three provinces. However, the strengthening of the concentration and agglomeration of other provinces will aggravate the environmental pollutions. In addition, both economic development and foreign direct investment have significant positive effects on the environmental pollutions, and the improvement of technological innovation can significantly reduce the environment pollutions.
Keywords: pollution-intensive industryindustrial agglomerationspatial spilloverenvironmental effectspatial panel Durbin model
1 引言(Introduction)在世界经济飞速发展的背景下, 中国经济也始终保持着较快的增长势头, 工业发展取得了巨大的成就.根据《2016全球制造业竞争力指数》报告结果, 中国当年的制造业竞争力指数排名世界第一.伴随工业化的快速推进, 在经济发展的同时, 中国的环境污染也不断加剧.到2015年底, 中国的工业废气排放量由2000年的13.81万亿m³增加到68.52万亿m³, 增长了近4倍；工业固体废物产生量由2000年的8.16亿t增加到33.11亿t, 增长了近3倍, 而综合利用率仅为60.20%(数据来源于《中国环境统计年鉴》(2017)).在经济发展与环境污染的双重压力下, 国家各部委和各省区纷纷出台相应政策, 积极促进产业布局的调整与优化, 重点关注了一批资源密集型和能源密集型产业.如“十二五”期间, 国家发改委制定并实施的《重点产业生产力布局和调整规划》指出, 要引导煤炭、电力、石化、有色金属等资源密集型产业的生产要素向更具竞争力的地区集中, 加快形成先进产业集群；福建省颁布的《全省石化等七类产业布局的指导意见》, 提出通过调整石化产业的空间格局, 促进其集聚发展, 提升资源利用率和环保水平.“十三五”规划也继续突出绿色发展理念, 以绿色清洁生产为出发点, 优化传统制造业, 着力改善生态环境.
治理环境问题, 需要从经济发展源头着手.产业集聚作为普遍存在的经济活动现象, 是经济活动最明显的地理空间特征.在新经济地理学理论框架下, 产业集聚既具有正的外部效应, 也具有负的外部效应, 其正的外部效应包括外部规模经济效应、知识溢出和技术溢出效应等, 有利于经济发展水平、资源利用效率和环境质量的改善；其负的外部效应主要为“拥挤效应”, 体现在资源过渡消耗和污染物排放增加, 将加剧环境恶化(纪玉俊等, 2018).在追求经济与环境协调发展的大背景下, 从产业集聚视角考察经济与环境之间的关系, 有利于把握产业发展的区位特征和专业化优势, 进而更加有针对性的改善环境状况.国内外关于产业集聚对环境状况影响的研究越来越多, 但大部分均是以工业或制造业为代表考察整体产业集聚的环境效应, 且尚未得到一致观点.
一种观点认为随着产业集聚程度的提高, 企业生产规模不断扩大, 资源消耗和污染物排放加剧, 环境状况将会恶化.Leeuw等(2001)和Duc等(2007)分别在探究加剧大气污染和水污染的原因时发现, 工业产业集聚的规模化是不容忽视的重要因素；Andersson等(2011)认为集聚将导致人口和城市规模扩大, 增加区域内的资源消耗, 加剧环境污染；Verhoef等(2002)和刘军等(2016)分别采用空间平衡模型和空间计量模型明确探讨产业集聚与环境污染之间的关系, 均认为产业集聚引发的规模扩张加剧了区域内环境污染.另一种相反观点认为产业集聚能够通过知识和技术外溢, 发挥正的外部效应, 即产业集聚程度的提高会使环境状况得到改善.Kyriakopoulou等(2013)和陆铭等(2014)认为经济活动的空间集聚有利于减少工业污染物排放；Zeng等(2009)和李勇刚等(2013)指出产业集聚有利于减轻“污染天堂”效应；也有研究进一步关注产业集聚改善环境污染的作用机制, 认为产业集聚主要通过促进技术进步来改善区域环境状况(陈建军等, 2008；Karkalakos, 2010；曾贤刚, 2010；Dong et al., 2012).此外, 也有一部分****在研究中发现, 产业集聚对环境的影响具有门槛特征.黄娟等(2016)、张可等(2016)、周明生等(2018)和刘耀彬等(2018)均认为产业集聚水平较低时会加剧环境污染, 当集聚水平提高到一定程度后, 其正的外部效应将大于负的外部效应, 对环境状况具有改善作用；此外, 李筱乐(2014)、杨仁发(2015)和原毅军等(2015)分别以市场化水平、外商直接投资和技术创新水平为门槛变量, 证明了产业集聚的环境效应具有门槛特征.
从现有研究可以看出：①研究方法上, 结构效应模型、联立方程模型和面板门槛回归模型等均未考虑环境状况的空间溢出效应, 然而环境污染容易受气候的影响产生转移, 忽视环境污染的区域异质性可能会产生估计偏误；②研究角度上, 基于产业的生命周期理论在产业发展的不同阶段, 产业集聚的外部效应存在差异, 简单的线性模型难以全面解释产业集聚和环境污染之间的关系, 需要进一步关注二者之间的非线性关系；③污染密集型产业具有显著的高能耗、高污染的特点, 是整个工业产业中与环境状况联系最为密切的一部分, 以工业或制造业为代表的产业集聚对环境的影响机制, 不能完全反映污染密集型产业集聚的环境效应.
因此, 在现有研究多以整个工业或制造业为研究对象的基础上, 本文进一步着眼于国民经济行业中对环境影响更为显著的污染密集型产业.在污染密集型产业识别的基础上, 考虑空间因素对环境状况的影响, 以及产业集聚和环境污染之间的非线性关系, 从空间溢出的视角, 采用空间计量模型, 探究2000—2015年(由于环境统计方法体系发生调整, 环境保护部2016年环境统计数据延迟发布, 且二氧化硫排放量、化学需氧量排放量和烟粉尘排放量等指标统计口径变化较大, 为保证数据的可比性, 将研究的时间范围限定为2000—2015年)中国30个省区(不包括西藏、香港、澳门和台湾)污染密集型产业集聚的环境效应.以期在国家大力调整产业结构、优化产业空间格局、整改高能耗产业的关键时期, 从环境保护的视角, 为污染密集型产业的空间布局调整提供方向.同时, 通过优化产业的区域发展模式, 改善环境状况, 为实现经济与环境协调发展提供新的视角和思路.
2 方法与数据(Methods and data)2.1 污染密集型产业识别方法污染密集型产业, 是指在生产过程中若不采取措施加以治理, 会直接或间接地产生大量污染物, 影响环境质量的产业(夏友富, 1999).目前, 国内外关于污染密集型产业的界定方法大致分为以下4种：①以污染治理成本的高低衡量(Tobey, 1990)；②以产业污染物排放规模衡量(Becker et al., 2000)；③以各产业污染物排放强度衡量(赵细康等, 2016)；④综合考虑污染物排放规模和强度计算污染密集指数来界定(仇方道等, 2013).综合比较4种方法, 污染治理成本反映了产业在污染治理方面的成本支出, 其很大程度上由环境规制强度决定, 不过, 一个产业是否属于污染密集型产业应由其自身属性决定, 而非环境管制力度, 该方法无法反映产业的污染属性；污染物排放规模仅考虑了排放总量, 未体现其密集程度；污染物排放强度多以单位产值污染物排放量测度, 仅考虑了产业的污染密度, 未体现总量水平.此外, 目前采用较多的基于等权重综合计算不同类型污染物密集指数的方法, 一定程度上掩盖了各产业的污染特征, 且权重的设置缺乏客观依据, 导致污染密集型产业的识别出现偏差.
基于此, 本文同时考虑污染物排放规模和污染物排放强度, 分别计算工业废气、废水和固体废物对应的污染密集指数, 以此识别污染密集型产业.污染密集指数的计算公式如下：

(1)

式中, m为行业类型, 代表《国民经济行业分类》(GB/T 4754—2011)中的38个大类工业行业(部分行业由于数据缺失不做计算)；n为污染物类型, 包括废气、废水和固体废物3种主要的工业污染物；A_mn为m行业n污染物的污染密集指数；E_mn为m行业n污染物的排放强度, 以“m行业n污染物排放量/m行业所在门类行业对应的工业增加值”衡量；P_mn为m行业n污染物的排放规模, 以“m行业n污染物的排放量/所有工业行业n污染物的排放量”衡量.基于2015年的相应数据, 计算得到38个行业的废气、废水和固体废物污染密集指数, 其中, 污染密集指数最高的5个行业如表 1所示, 原始数据均来源于各年份《中国环境统计年鉴》.
表 1(Table 1)

表 1 污染密集指数排名前5位的行业 Table 1 The top five industries of pollution intensity index

表 1 污染密集指数排名前5位的行业 Table 1 The top five industries of pollution intensity index 序号 废气污染行业 废水污染行业 固废污染行业 1 电力/热力生产和供应业 煤炭开采和洗选业 电力/热力生产和供应业 2 黑色金属冶炼及压延加工业 电力/热力生产和供应业 黑色金属矿采选业 3 非金属矿物制品业 化学原料及化学制品制造业 煤炭开采和洗选业 4 有色金属冶炼及压延加工业 造纸及纸制品业 有色金属矿采选业 5 化学原料及化学制品制造业 纺织业 黑色金属冶炼及压延加工业 注：在2015年数据计算的基础上, 为保证污染密集型产业识别的稳健性, 分别基于2011、2012、2013和2014年数据计算各行业污染密集指数, 排名前5位的行业完全一致.

如表 1所示, 将废气、废水和固体废物污染密集指数排名前5位的行业界定为污染密集型产业, 共包含以下10个行业：煤炭开采和洗选业(06)、黑色金属矿采选业(08)、有色金属矿采选业(09)、纺织业(17)、造纸和纸制品业(22)、化学原料及化学制品制造业(26)、非金属矿物制品业(30)、黑色金属冶炼及压延加工业(31)、有色金属冶炼及压延加工业(32)、电力/热力生产和供应业(44), 其中, 括号内数字为各行业在《国民经济行业分类与代码(GB/4754—2011)》中对应的行业代码.
2.2 空间面板杜宾模型构建空间计量模型的前提是检验空间相关性, 通常有两种处理方式, 一是在模型构建前, 针对变量进行空间相关性检验, 初步判断目标变量是否存在空间关联；二是在计量模型构建时, 对模型的残差项等进行空间相关性检验, 以判断模型中是否存在及存在何种形式的空间效应, 进而设定空间计量模型的具体形式.
变量的空间相关性检验可以刻画变量的空间结构状态, 包括全局空间相关性检验与局域空间相关性检验.全局空间相关性检验侧重于描述研究区域整体的相关性, 通常采用Moran's I指数测度.局域空间相关性检验可采用Moran散点图直观展示变量的局部空间关联特征.
空间面板模型根据空间效应的来源分为空间面板滞后模型(SLM)和空间面板误差模型(SEM).SLM模型假设因变量存在空间依赖性, 即因变量的取值会受到其相邻样本的影响；SEM模型认为因变量的空间相关性是由于空间效应的特征未纳入模型而导致误差项存在空间相关性.如果一个模型同时满足空间面板误差模型和空间面板滞后模型, 则需要进一步构建更加广义的空间面板杜宾模型(SDM).SDM模型在SLM模型基础上引入解释变量的滞后项, 反映邻近区域单元的解释变量对该区域单元被解释变量的影响.模型的基本形式为：

(2)

式中, y_it为被解释变量, x_it为解释变量矩阵；ρ为空间自回归系数；β为参数向量；γ为解释变量滞后项的系数向量；μ_i表示个体效应, ε_it为误差向量；w_ij为空间权重矩阵, 本文采用0~1邻接权重矩阵, 为消除“孤岛效应”, 设置海南与广东相邻.
Lesage等(2009)指出虽然空间回归模型中解释变量的系数估计值的方向和显著性有效, 但系数估计值无法代表真实的偏回归系数, 需要利用求偏微分的方法分解为直接效应和间接效应.其中, 直接效应来源于所有地区解释变量对本地区被解释变量的平均影响, 间接效应来源于所有地区解释变量对相邻地区被解释变量的平均影响.
2.3 变量说明和数据来源2.3.1 污染密集型产业集聚水平不同产业集聚水平测度方法的侧重点有所不同, 区位熵指数在衡量某地区某产业与整体水平相比所具有的专业化优势时更加有效(关爱萍等, 2014).测度全国30个省区污染密集型产业集聚水平, 不仅要消除省区间的规模差异, 还要反映各省区在全国范围内是否具有专业化优势, 因而区位熵指数更加适用.
区位熵(LQ_it)能够测度地域要素的空间分布格局, 用来比较各地区产业集聚程度的差异, 区位熵指数越大, 产业集聚水平越高.本文以从业人员数作为产出指标, 具体的计算公式为：

(3)

式中, i代表地区, t代表时间；LQ_it为i地区污染密集型产业的区位熵指数；m_it为i地区污染密集型产业从业人员数, 由10个行业相应的全部从业人员平均人数指标加总计算得到；M_it为i地区所有产业的从业人员总数.相关数据均来自各年份《中国工业经济统计年鉴》和《中国统计年鉴》, 中国30个省区污染密集型产业区位熵指数的具体计算结果如表 2所示.
表 2(Table 2)

表 2 中国30个省区污染密集型产业区位熵 Table 2 Location quotient of pollution-intensive industries in 30 provinces of China

表 2 中国30个省区污染密集型产业区位熵 Table 2 Location quotient of pollution-intensive industries in 30 provinces of China 省区 不同年份区位熵 年均增长率 2000年 2005年 2010年 2011年 2012年 2013年 2014年 2015年 北京 1.617 0.934 0.596 0.579 0.512 0.493 0.470 0.431 -8.441% 天津 1.903 1.534 1.012 1.062 1.096 1.109 1.064 1.017 -4.092% 河北 1.254 1.229 1.089 1.116 1.092 1.104 1.121 1.130 -0.693% 山西 2.586 2.843 2.189 2.201 2.245 2.149 2.119 2.087 -1.418% 内蒙古 1.349 1.449 1.669 1.677 1.656 1.513 1.427 1.456 0.512% 辽宁 1.899 1.519 1.442 1.409 1.418 1.442 1.315 1.167 -3.192% 吉林 1.279 0.860 0.911 0.919 0.949 0.899 0.923 0.886 -2.417% 黑龙江 1.253 1.012 0.831 0.739 0.765 0.710 0.704 0.688 -3.916% 上海 1.814 1.419 1.004 0.899 0.794 0.642 0.627 0.612 -6.991% 江苏 1.280 1.427 1.551 1.520 1.489 1.512 1.525 1.568 1.365% 浙江 1.079 1.579 1.404 1.287 1.153 1.163 1.160 1.165 0.513% 安徽 0.750 0.589 0.605 0.599 0.642 0.654 0.680 0.698 -0.479% 福建 0.750 1.074 1.106 1.086 1.005 1.003 1.003 1.013 2.027% 江西 0.756 0.689 0.852 0.908 0.841 0.928 0.940 0.998 1.864% 山东 1.206 1.477 1.387 1.349 1.352 1.365 1.356 1.397 0.983% 河南 0.950 0.943 0.904 1.015 0.999 1.026 1.073 1.106 1.021% 湖北 0.845 0.649 0.734 0.713 0.773 0.827 0.836 0.863 0.136% 湖南 0.714 0.700 0.815 0.876 0.883 0.939 0.943 0.926 1.745% 广东 0.831 0.963 1.027 0.942 0.886 0.861 0.863 0.893 0.482% 广西 0.505 0.484 0.543 0.547 0.601 0.617 0.615 0.636 1.551% 海南 0.340 0.360 0.231 0.226 0.206 0.200 0.181 0.194 -3.674% 重庆 0.682 0.626 0.834 0.810 0.785 0.780 0.795 0.812 1.167% 四川 0.664 0.649 0.771 0.835 0.868 0.796 0.715 0.695 0.300% 贵州 0.549 0.518 0.732 0.836 0.832 0.848 0.814 0.789 2.452% 云南 0.569 0.485 0.524 0.530 0.556 0.559 0.510 0.489 -1.001% 陕西 0.793 0.716 0.716 0.797 1.098 1.107 1.317 1.113 2.288% 甘肃 0.973 0.824 0.678 0.615 0.644 0.601 0.726 0.686 -2.298% 青海 0.797 0.805 1.065 1.049 1.069 1.132 1.153 1.125 2.327% 宁夏 1.490 1.651 1.456 1.586 1.602 1.650 1.652 1.656 0.709% 新疆 1.128 0.821 0.828 0.840 0.877 0.891 0.942 0.875 -1.683% 注：数据由作者计算整理, 限于版面, 仅展示部分年份.

2.3.2 环境污染综合水平本文以环境污染水平反映环境状况, 已有研究中的测度方法主要包括两类：①以单一污染物排放指标衡量环境污染水平.由于二氧化硫在排放的工业污染物中所占比例最高, 多数文献采用工业二氧化硫排放总量(纪玉俊等, 2018)或人均二氧化硫排放量(盛斌等, 2012)等指标测度环境污染.②基于多种污染物排放指标进行综合测度.选择工业废水、工业废气、工业二氧化硫、工业烟尘和工业粉尘排放量等指标中的几种, 采用层次分析法(杨福霞等, 2010)、因子分析法(高峰, 2015)或熵值法(范丹等, 2018)计算环境污染综合指数.
环境污染包含很多要素, 以单一指标测度环境污染水平不够全面.因此, 选取工业废水、工业废气、工业二氧化硫、工业废水中化学需氧量、工业烟(粉)尘排放量及工业固体废物产生量6个指标, 采用因子分析法计算环境污染综合指数(ENV_it).上述指标数据均来自相应年份的《中国环境年鉴》, 由于从2011年起, 工业烟尘和工业粉尘统称为工业烟(粉)尘, 为了保持统计口径一致, 将2000—2010年的工业烟尘和工业粉尘排放量加总计算, 得到工业烟(粉)尘排放量指标, 中国30个省区环境污染综合水平的具体计算结果如表 3所示.
表 3(Table 3)

表 3 中国30个省区环境污染综合水平 Table 3 Comprehensive level of environmental pollution in 30 provinces of China

表 3 中国30个省区环境污染综合水平 Table 3 Comprehensive level of environmental pollution in 30 provinces of China 省区 不同年份的环境污染综合水平 2000年 2005年 2010年 2011年 2012年 2013年 2014年 2015年 北京 -0.695 -0.725 -0.719 -0.724 -0.758 -0.755 -0.765 -0.785 天津 -0.734 -0.657 -0.569 -0.546 -0.546 -0.577 -0.548 -0.592 河北 0.296 1.076 2.122 3.427 3.174 3.327 3.163 2.831 山西 0.224 0.747 1.231 1.906 1.833 1.930 1.856 1.788 内蒙古 -0.415 0.408 1.006 1.360 1.360 1.248 1.492 1.553 辽宁 0.063 0.531 0.824 1.514 1.461 1.366 1.653 1.749 吉林 -0.650 -0.498 -0.385 -0.230 -0.314 -0.320 -0.283 -0.256 黑龙江 -0.521 -0.370 -0.237 -0.182 -0.163 -0.167 -0.137 -0.171 上海 -0.583 -0.488 -0.434 -0.418 -0.442 -0.455 -0.456 -0.487 江苏 -0.021 0.413 0.592 1.031 0.980 1.035 1.299 1.195 浙江 -0.392 -0.158 -0.014 0.096 0.048 0.061 0.134 0.106 安徽 -0.467 -0.219 0.146 0.496 0.482 0.447 0.532 0.572 福建 -0.622 -0.370 -0.096 -0.210 -0.082 -0.016 -0.101 -0.135 江西 -0.403 -0.166 -0.043 0.208 0.160 0.193 0.187 0.217 山东 0.343 0.787 1.285 1.795 1.578 1.561 1.816 1.856 河南 -0.024 0.585 0.590 1.153 1.007 1.112 1.161 0.985 湖北 -0.342 -0.188 -0.088 0.175 0.085 0.115 0.176 0.176 湖南 -0.298 -0.086 0.013 0.117 0.059 0.081 0.044 0.012 广东 -0.164 0.090 0.255 0.335 0.233 0.251 0.285 0.256 广西 -0.337 -0.109 0.003 0.236 0.214 0.064 0.056 -0.055 海南 -0.882 -0.868 -0.854 -0.839 -0.834 -0.776 -0.812 -0.823 重庆 -0.485 -0.420 -0.306 -0.334 -0.364 -0.341 -0.349 -0.368 四川 -0.017 0.181 0.395 0.511 0.470 0.444 0.493 0.292 贵州 -0.283 -0.255 -0.043 0.049 0.106 0.309 0.242 0.056 云南 -0.542 -0.366 -0.079 0.502 0.392 0.407 0.339 0.264 陕西 -0.370 -0.165 -0.007 0.128 0.080 0.131 0.195 0.182 甘肃 -0.593 -0.456 -0.399 -0.131 -0.130 -0.184 -0.156 -0.165 青海 -0.840 -0.772 -0.667 -0.192 -0.169 -0.159 -0.141 -0.048 宁夏 -0.761 -0.678 -0.328 -0.383 -0.420 -0.411 -0.366 -0.428 新疆 -0.738 -0.581 -0.276 -0.094 0.162 0.299 0.305 0.145 注：数据由作者计算整理, 限于版面, 仅展示部分年份.

2.3.3 其他控制变量为避免遗漏变量导致模型产生回归偏误, 在模型中引入经济发展水平、外商直接投资及技术创新能力3个控制变量, 具体测度方法如下.
经济发展水平(PGDP_it)：以各省区实际人均国内生产总值测度, 经济发展水平较高的地区往往具有更高的人口和产业规模, 资源消耗和污染排放量也相对较大.
外商直接投资(FDI_it)：以实际利用的外商直接投资额占GDP的比重测度, 在经济全球化的背景下, FDI的流入极大地促进了经济的快速发展, 同时也对环境产生影响, 一种观点认为外资企业往往具有更高的环保理念和技术, 对环境具有一定的改善作用(Antweiler et al., 2001；许和连等, 2012；姜磊等, 2018)；另一种观点则基于“污染天堂”假说, 认为FDI的流向主要集中于制造业, 尤其是化学原料及化学制品等污染型行业, 加剧了环境污染(温怀德等, 2008).
技术创新能力(INNO_it)：以专利申请授权数量测度, 技术创新能力的提升有利于改进生产方式和清洁环保技术, 从而提升资源使用效率, 减少污染物排放, 对区域环境状况的改善具有促进作用(Prakash et al., 2006；Wang et al., 2007；何小钢等, 2012；王鹏等, 2014).
控制变量的数据均来源于各年份《中国统计年鉴》, 其中, 人均国内生产总值和地区生产总值调整为以2000年为基期的不变价数据；实际利用外商直接投资额按照各年份平均汇率转化为以人民币为单位, 并且利用固定资产投资价格指数调整为以2000年为基期的不变价数据.此外, 为控制异方差和统计偏误, 模型中使用控制变量的自然对数形式.各变量描述性统计结果如表 4所示.
表 4(Table 4)

表 4 变量描述性统计结果 Table 4 Descriptive statistics for all variables

表 4 变量描述性统计结果 Table 4 Descriptive statistics for all variables 变量 均值 最大值 最小值 标准差 观测数 ENVit 0.000 3.427 -0.882 0.689 480 LQit 1.014 2.843 0.181 0.449 480 lnPGDPit 9.684 11.432 7.923 0.709 480 lnFDIit 4.597 7.127 1.357 1.068 480 lnINNOit 8.549 12.506 4.248 1.629 480 注：数据由作者基于2000—2015年中国30个省区各变量的面板数据计算整理.

3 实证分析(Empirical analysis)3.1 产业集聚和环境污染探索性空间统计分析3.1.1 污染密集型产业集聚水平空间相关性探索污染密集型产业的集群发展受资源禀赋、经济水平和工业基础等因素的影响, 这些因素往往存在一定的空间相关性和空间异质性, 污染密集型产业的集群发展自然也会受到空间地理因素的影响.由表 5所示的全局空间相关性检验结果可以看出, 2000—2015年污染密集型产业集聚水平的Moran's I指数均显著为正.中国各省区污染密集型产业的集聚水平存在显著的空间正相关性, 即污染密集型产业集聚水平较高的省区趋于邻近其他集聚水平较高的省区, 而污染密集型产业集聚水平较低的省区趋于邻近其他集聚水平较低的省区.此外, Moran's I指数总体上呈现下降的趋势, 中国污染密集型产业集聚水平的空间依赖性逐渐减弱.
表 5(Table 5)

表 5 污染密集型产业集聚水平全局空间相关性检验 Table 5 Global spatial correlation test of pollution-intensive industries agglomeration

表 5 污染密集型产业集聚水平全局空间相关性检验 Table 5 Global spatial correlation test of pollution-intensive industries agglomeration 年份 Moran's I指数 Z统计量 2000 0.387 3.530*** 2001 0.372 3.389*** 2002 0.344 3.349*** 2003 0.344 3.059*** 2004 0.285 2.792*** 2005 0.252 2.442** 2006 0.261 2.618*** 2007 0.239 2.373** 2008 0.222 2.107** 2009 0.193 1.928** 2010 0.152 1.535* 2011 0.139 1.524* 2012 0.170 1.748** 2013 0.119 1.281* 2014 0.165 1.705** 2015 0.137 1.469* 注：“***”、“**”和“*”分别表示在0.01、0.05和0.1水平上显著.

由图 1所示的污染密集型产业集聚水平局域空间关联检验结果可以看出, 2000年和2015年, 大部分省区均集中于第一和第三象限, 中国污染密集型产业的集聚水平呈现较强的空间正相关性.其中, 呈现“高-高”集聚模式的区域主要由东北部逐渐向中部地区转移, 到2015年, 集中于内蒙古、山西、河北、陕西及河南等省区.由于污染密集型产业多属于资源密集型产业, 在内蒙古和河北等传统污染密集性产业高度集聚的省区带动下, 其周围的山西、陕西和河南等资源储备丰富的省区的污染密集型产业集聚水平也大幅提升；同时, 这些省区也利用自身的资源禀赋优势促进周围省区污染密集型产业的集群发展, 形成有利于产业集群发展的良好格局.污染密集型产业集聚水平呈现“低-低”集聚模式的区域呈现较为明显的向西南部地区集中的趋势, 到2015年, 集中于四川、贵州、重庆、广西和云南等省区.这些省区工业基础较为薄弱, 污染密集型产业集聚水平较低, 同时其周围省区的集聚水平也较低, 在空间溢出作用的影响下, 不利于形成产业的集群发展模式.此外, 青海的污染密集型产业集聚水平逐步提高, 且由“低-低”集聚转变为“高-低”集聚模式.青海具有相对集中的矿产资源储备和较强的开发优势, 在西部大开发政策的引导和促进下, 率先在经济发展水平较低、工业基础较为薄弱的西北地区形成污染密集型产业的集聚区域.
图 1(Fig. 1)

图 1 2000年(a)和2015年(b)污染密集型产业集聚水平局域空间关联性检验 Fig. 1Local spatial correlation test of pollution-intensive industries agglomeration in 2000 (a) and 2015 (b)

3.1.2 环境污染综合水平空间相关性探索环境污染受资源禀赋、产业格局和环境规制等因素的影响, 在地理空间上呈现出一定的关联性, 其全局空间相关性检验结果如表 6所示.2000—2015年环境污染综合指数的Moran's I指数均显著为正, 表明中国各省区环境污染综合水平存在显著的空间正相关性.此外, 2000—2015年的Moran's I指数总体呈现上升趋势, 中国环境污染状况的空间依赖性逐渐增强.
表 6(Table 6)

表 6 环境污染综合水平全局空间相关性检验 Table 6 Global spatial correlation test of environmental pollution

表 6 环境污染综合水平全局空间相关性检验 Table 6 Global spatial correlation test of environmental pollution 年份 Moran's I指数 Z统计量 2000 0.164 1.621* 2001 0.189 1.822** 2002 0.185 1.711* 2003 0.178 1.747* 2004 0.180 1.767** 2005 0.223 2.051** 2006 0.226 2.140** 2007 0.202 1.904** 2008 0.231 2.106** 2009 0.222 2.172** 2010 0.213 2.013** 2011 0.240 2.422** 2012 0.226 2.238** 2013 0.213 2.140** 2014 0.236 2.276** 2015 0.258 2.508**

进一步地采用Moran散点图考察中国各省区环境污染综合水平(ENV)的局域空间关联.如图 2所示, 2000年和2015年大部分省区均集中于第一象限和第三象限, 中国的环境污染状况存在较强的空间正相关性.环境污染水平处于“高-高”集聚模式的区域呈现由西南部和中部地区向北转移的趋势, 2015年主要集中于内蒙古、河北、山西、河南、山东、江苏和辽宁等省区, 这些省区多是传统的工业大省, 同时也是污染密集型产业集聚水平较高的省区, 环境状况较为严峻.环境污染水平呈现“低-低”集聚模式的区域, 2015年主要集中于西部和部分中南部沿海等工业基础较为薄弱的省区, 这些省区及其周边省区的环境污染状况均相对较轻.此外, 北京和天津始终处于“低-高”集聚区域, 作为环境管制较强的直辖市, 污染密集型产业大规模向周边地区转移, 使其自身环境污染水平降低, 但周边的河北、内蒙古和山西等省区多为环境污染水平的高值区域.
图 2(Fig. 2)

图 2 2000年(a)和2015(b)年环境污染综合水平局域空间关联性检验 Fig. 2Local spatial correlation test of environmental pollution in 2000 (a) and 2015 (b)

3.2 污染密集型产业集聚的环境效应计量分析3.2.1 模型设定从污染密集型产业集聚水平和环境污染状况的空间分布特征可以看出, 污染密集型产业集聚水平较高的省区, 如山西、内蒙古、河北和山东等, 环境污染状况也较为严重；云南、广西、四川、重庆和贵州等污染密集型产业集聚水平较低的西南地区, 环境状况则比较理想.因此, 初步判断污染密集型产业集聚水平的提高会加剧环境污染.
环境库兹涅茨曲线理论指出, 在经济发展的过程中, 环境状况呈现先恶化然后得到逐步改善的变化趋势.基于此, 在验证污染密集型产业集聚水平对环境污染具有正向影响的基础上, 引入集聚水平的平方项, 以检验污染密集型产业集聚水平与环境污染之间是否存在倒“U”型曲线关系.基本的模型形式为：

(4)

式中, ENV_it代表环境污染综合水平；LQ_it代表污染密集型产业集聚水平；X_it代表影响环境污染水平的其他因素, 包括经济发展水平(PGDP_it)、外商直接投资(FDI_it)和技术创新能力(INNO_it)；ε_it代表误差项, i代表地区, t代表年份.
鉴于污染密集型产业集聚水平和环境污染综合水平均具有显著的空间相关性, 忽略空间因素可能会导致模型的结果产生偏差, 有必要在上述基本模型的基础上引入空间因素, 建立空间面板模型, 基本形式为：

(5)

式中, ρ代表空间自回归系数, 反映相邻地区环境污染状况对本地区环境污染状况的影响程度和方向；w_ij为0~1邻接空间权重矩阵.
3.2.2 空间面板模型的构建和估计首先采用Moran's I检验、LM检验和稳健的LM检验判断模型中是否存在空间相关性及存在哪种形式的空间相关性, 检验结果如表 7所示.Moran's I统计量在0.01的显著性水平下通过检验, 说明需拒绝残差空间相互独立的原假设, 环境污染综合水平具有显著为正的空间相关性；LM-Lag、LM-Error、Robust LM-Lag和Robust LM-Error统计量均在0.01的显著性水平下通过检验, 说明需构建同时包含被解释变量和解释变量滞后项的空间面板杜宾模型.
表 7(Table 7)

表 7 空间面板模型的空间相关性检验 Table 7 Spatial correlation test of spatial panel model

表 7 空间面板模型的空间相关性检验 Table 7 Spatial correlation test of spatial panel model 检验统计量 统计量值 p值 Moran's I 7.512 0.000 LM-Lag 93.734 0.000 Robust LM-Lag 52.090 0.000 LM-Error 52.956 0.000 Robust LM-Error 11.312 0.001

基于上述分析, 在公式(5)的基础上引入解释变量空间滞后项, 建立污染密集型产业集聚对环境污染影响的空间面板杜宾模型, 具体形式为：

(6)

由于个体效应不同, 分别建立不同形式的空间面板杜宾模型, 结合研究问题的实际意义, 综合比较变量显著性、拟合优度、对数极大似然值及模型检验结果, 选择最佳模型.不同形式空间面板杜宾模型的估计和检验结果如表 8所示.
表 8(Table 8)

表 8 空间面板杜宾模型估计和检验结果 Table 8 Estimation and test of spatial panel Durbin model

表 8 空间面板杜宾模型估计和检验结果 Table 8 Estimation and test of spatial panel Durbin model 变量/统计量 模型(1)无固定效应 固定效应模型 模型(6)随机效应 模型(2)空间固定 模型(3)时间固定 模型(4)双固定 模型(5)双固定(贝叶斯修正) W*ENVit 0.425*** 0.439*** 0.408*** 0.407*** 0.457*** 0.336*** C -0.307*** - - - - - LQit 0.546*** 0.266*** 0.570*** 0.237*** 0.241*** 0.375*** LQ2it -0.052** -0.091*** -0.060** -0.094*** -0.093*** -0.105*** lnPGDPit -0.667*** 1.575*** -0.705 1.604*** 1.595*** 0.135 lnFDIit -0.207*** 2.376*** -0.162*** 2.608*** 2.597*** 0.033 lnINNOit 0.515*** -0.402*** 0.507*** -0.409*** -0.411*** -0.212** W*LQit -0.374*** -0.271*** -0.222* -0.308*** -0.316*** -0.235** W*LQ2it 0.387*** -0.155*** 0.332*** -0.173*** -0.166*** -0.145*** W*lnPGDPit 0.459*** -0.667* 0.224 -0.239 -0.342 0.213 W*lnFDIit -0.021 -1.202** 0.103 0.047 -0.122 -0.104 W*lnINNOit 0.039 0.351*** 0.025 0.210 0.230 -0.022 θ - - - - - 0.090*** R2 0.621 0.913 0.624 0.915 0.915 0.882 log-Likelihood -459.260 -108.341 -460.720 -102.962 -102.840 -207.735 Wald_Spatial_Lag - - - - 43.686*** 24.712*** LR_ Spatial_Lag - - - - 44.824*** 22.849*** Wald_Spatial_Error - - - - 33.021*** 21.604*** LR_ Spatial_Error - - - - 34.578*** 18.253*** Hausman检验 23.5691(p=0.015) 注：“W*”表示相应变量的空间滞后项；“***”、“**”和“*”分别表示在0.01、0.05和0.1水平上显著.

模型(1)~(4)中, 空间和时间双固定效应模型的拟合优度R²和log_Likelihood值最大, 且解释变量的回归系数符号与预期基本相符, 模型拟合效果更好；从空间时间双固定效应模型和随机效应模型拟合结果的比较来看, 随机效应模型的拟合优度R²和log_Likelihood值均小于固定效应模型, 且Hausman检验统计量在0.01的显著性水平下通过检验, 拒绝模型中存在随机效应的原假设, 应采用空间时间双固定效应模型.为避免模型的残差项存在异方差, 导致极大似然估计的参数结果缺乏稳健性, 采用贝叶斯估计方法估计空间时间双固定效应模型, 即模型(5)与模型(4)相比, log_Likelihood值有所提升, 且各变量参数方向和显著性均一致, 模型较为稳健.综上分析, 选择基于贝叶斯修正的空间时间双固定效应模型.进一步采用Wald检验和LR检验, 考察所构建的空间面板杜宾模型是否可以简化为空间面板误差模型或空间面板滞后模型, Wald_Spatial_Lag、Wald_Spatial_Error、LR_Spatial_Lag和LR_Spatial_Error均在0.01显著性水平下通过检验, 空间面板杜宾模型不能简化.
3.2.3 空间面板杜宾模型结果分析基于构建的包含空间时间双固定效应的空间面板杜宾模型, 结合解释变量回归系数的估计结果及其分解后的直接效应和间接效应, 分析污染密集型产业集聚对环境污染的具体影响.各变量对环境污染的效应分解结果如表 9所示.
表 9(Table 9)

表 9 空间面板杜宾模型系数的空间溢出效应分解 Table 9 Decomposition of spill-over effect of spatial panel Durbin model

表 9 空间面板杜宾模型系数的空间溢出效应分解 Table 9 Decomposition of spill-over effect of spatial panel Durbin model 变量 直接效应 间接效应 系数 t统计量 p值 系数 t统计量 p值 LQit 0.215 3.406 0.002 -0.356 -1.936 0.062 LQ2it -0.120 -5.086 0.000 -0.356 -3.450 0.002 lnPGDPit 1.648 5.553 0.000 0.634 0.892 0.380 lnFDIit 2.727 5.624 0.000 1.726 1.230 0.228 lnINNOit -0.400 -3.988 0.000 0.072 0.264 0.794

首先, 被解释变量的空间滞后项系数显著为正, 再一次表明环境污染具有显著的空间溢出效应, 即某个省区环境污染的加剧, 将通过空气流动和季风气候等因素产生污染转移, 使相邻省区的环境污染水平有所提高, 环境状况具有地理空间上的联动性.
其次, 污染密集型产业集聚水平的回归系数显著为正, 其平方项显著为负, 表明污染密集型产业的集聚水平和环境污染之间存在显著的倒“U”型曲线关系.污染密集型产业具有高污染的特点, 伴随着其集聚规模的扩大, 污染物的排放量也将迅速增长, 导致环境污染加剧.然而, 当集聚水平提高到一定程度时, 产业集聚通过规模效应提高生产效率, 扩大生产规模, 实现产业的集聚化发展, 为污染治理提供支持；通过知识和技术溢出效应提高技术创新能力, 改善环保技术, 降低能源消耗, 提高污染物综合利用和集中处理效率, 对环境起到改善作用.污染密集型产业集聚水平对环境污染的直接效应显著为正, 间接效应显著为负, 即各省区污染密集型产业集聚水平的提高, 会使本省区的环境状况恶化, 但对邻近地区则具有减排效应.
结合各省区污染密集型产业集聚水平的测度结果和增长情况(表 2)发现, 污染密集性产业集聚水平始终较高的5个省区是山西、宁夏、内蒙古、江苏和山东.其中, 山西的集聚水平最高, 但其年均增长率为负, 呈现逐年下降趋势, 污染密集型产业集聚对环境污染的改善作用很难有效发挥；宁夏的集聚水平呈现快速增长态势, 可以加大支持力度, 促进产业集聚水平的继续提高, 以期在带动西北地区经济增长的同时, 减轻环境污染；内蒙古作为传统的资源大省, 污染密集型产业已形成一定的集聚规模, 随着资源的不断开发和利用, 集聚水平不断上升, 与周围的山西和宁夏等高集聚省区通过空间溢出效应形成互动, 发挥产业集聚的规模效应, 也将对改善环境状况起到一定的促进作用；江苏和山东的集聚水平保持较快的增长趋势, 主要是依靠工业经济发达的优势, 通过引进外商投资形成的, 不过, 第四次国际产业转移以沿海地区向中西部地区大规模转移为主要特征, 在产业转移的背景下, 江苏和山东的污染密集型产业集聚规模很难进一步扩大, 产业集聚对环境的积极影响作用难以实现.其他省区污染密集型产业的集聚水平较低, 在资源禀赋因素和产业转移政策的影响下, 集聚水平很难进一步提高, 无法实现污染减排效应.
最后, 关于控制变量对环境污染的影响：①经济发展水平变量的回归系数和直接效应显著为正, 间接效应不显著, 表明经济发展水平较高的地区, 其环境状况相对更为严峻.一个地区的经济发展水平越高, 人口规模和产业规模越大, 资源消耗越多, 对环境的破坏就越严重.
② 外商直接投资变量的回归系数和直接效应显著为正, 间接效应不显著, 表明引进外商投资将加剧本地区的环境污染, 但对相邻地区的环境状况没有显著影响.基于“污染天堂假说”, 污染密集型产业倾向于建立在环境管制强度较低的国家或地区, 在大量引进外商投资促进经济发展的同时, 忽视了外商投资的环保性和产业流向的调整.2010年以前, 实际利用的外商直接投资中, 制造业的占比始终超过50%, 2010年以后, 虽逐年降低, 但截至到2016年, 制造业的占比依旧高达30%(中华人民共和国国家统计局).可见, 中国引进的外商直接投资主要集中于制造业及其他关联性产业, 而这些产业恰恰包含众多污染密集型产业, 对环境质量产生负面影响.
③ 技术创新能力变量的回归系数显著为负, 表明技术创新能力的提高能够促进减排.技术创新在经济社会发展中发挥的作用越来越重要, 一方面, 技术水平的提升有利于企业生产方式的优化升级, 能够有效提高企业的生产效率和资源利用效率；另一方面, 技术创新能力的提高能够促进环保技术的提升, 不仅能够从源头减少污染物的排放, 也有利于污染治理效率的提升, 从而改善环境状况.此外, 技术创新能力的直接效应显著为负, 间接效应不显著, 表明技术创新能力的提高将有助于改善本地区的环境状况, 但对相邻地区则不产生显著影响, 这是因为技术创新的溢出效应是一个地区的内部现象, 随着地理空间范围的扩大, 其空间溢出效应将不再显著.
4 结论(Conclusions)1) 中国各省区污染密集型产业的集聚存在显著的空间正相关性, 但空间依赖性逐渐减弱.其中, 产业集聚水平呈现“高-高”集聚模式的区域由东北部逐渐向中部地区转移, 集中于内蒙古、山西、河北、陕西及河南等资源储备丰富的省区；“低-低”集聚模式的区域呈现较为明显的向西南部地区集中的趋势, 集中于四川、贵州、重庆、广西和云南等工业基础较为薄弱的省区.
2) 中国各省区的环境污染存在显著的空间正相关性, 且空间依赖性逐渐增强.其中, 环境污染水平呈现“高-高”集聚模式的省区主要包括内蒙古、河北、山西、辽宁、山东和河南等, 环境污染水平呈现“低-低”集聚模式的省区主要集中于西部地区.
3) 污染密集型产业的集聚水平和环境污染之间存在显著的倒“U”型曲线关系, 即集聚水平的提高在短期内将加剧环境污染, 当集聚水平提高到一定程度时, 产业集聚通过规模效应提高生产效率, 通过技术效应改善环保技术、降低能源消耗, 对环境起到改善作用.目前, 对于产业集聚水平较高的山西、宁夏和内蒙古, 有望通过空间溢出效应和政策干预发挥污染减排效应.此外, 从空间溢出视角看, 各省区污染密集型产业集聚水平的提高, 会使本省区的环境状况恶化, 但对邻近地区则具有减排效应.
4) 经济发展水平和外商直接投资水平的提高均会显著加剧环境污染, 而技术创新能力的提高则能显著抑制污染物的排放, 对环境状况具有改善作用.
5 政策建议(Policy recommendation)基于本文的分析, 以污染减排和环境保护为根本出发点, 优化污染密集型产业集聚发展的空间布局, 改善环境状况, 可以重点关注4个方面：
第一, 重视环境污染治理的区域一致性.中国各省区的环境污染状况之间存在显著的空间正相关性, 相邻省区间的环境状况互相影响.因此, 各省区在治理环境污染时, 应加强区域间的交流与合作, 提高环境污染治理效率.以内蒙古、河北、山西、辽宁、山东和河南等为中心的环境污染“高-高”集聚省区, 应以区域环境治理为根本目标, 共同商讨对策措施, 保持污染治理工作的步调一致性, 发挥规模效应, 以实现减排和环境保护的目标.
第二, 在污染密集型产业向中西部内陆地区转移的同时, 转移沿海地区的先进环保技术, 并加大环境管制力度.目前, 中国污染密集型产业的转移趋势明显, 主要由沿海等经济发达的省区向中西部经济欠发达的内陆转移.在污染密集型产业转移的同时, 产业集聚水平提高, 环境污染加剧.为避免“先污染后治理”的悲剧重演, 应当加大中西部地区的环境管制力度, 同时转移沿海地区的先进环保技术(宋马林等, 2013), 在推动产业集聚发展的同时, 防止环境污染的加剧.
第三, 客观看待污染密集型产业集聚对环境的影响, 针对各省区集聚水平的高低, 采取差异性措施.污染密集型产业集聚水平对环境污染的影响分为两个阶段, 对于山西、宁夏和内蒙古等集聚水平较高的省区, 可以继续加大投资力度, 或将周围省区的污染密集型产业迁移至此, 促进这些省区集聚水平的提高；在扩大产业规模的同时, 建立健全聚集区污染物集中治理机制, 统筹安排治理设施及其配套设备, 集中改进生产技术, 不断提高污染治理效率, 充分发挥污染密集型产业集聚的环境正效应.对于其他省区, 污染密集型产业集聚水平较低, 不具有资源禀赋优势或工业基础薄弱, 加之产业转移政策的影响, 很难将其集聚水平提高至可以发挥环境正效应的阶段.因此, 需要通过产业结构转型升级, 加快发展现代高端服务业和战略性新兴产业, 加大对传统高污染、技术落后企业的淘汰力度, 以减轻环境污染水平.
第四, 结合各省区的环境污染状况和产业集聚发展水平, 引导外商投资的流向, 提高外商投资进入的环境标准.长期以来, 由于引进的外商投资主要集中于制造业, 包括众多高能耗、高污染产业, 在引进投资的同时也引进了污染.因此, 应在积极引进外商投资的同时, 注重其流向引导, 提高高端技术产业和公共服务业等环境友好型产业的外商投资比例；对于具有资源禀赋优势省区引进的工业制造业投资, 则要重视其环保性, 提高环境准入标准.

参考文献

Andersson M, L??f H. 2011. Agglomeration and productivity:evidence from firm-level data[J]. Annals of Regional Science, 46(3): 601–620.DOI:10.1007/s00168-009-0352-1

Antweiler W, Copeland B R, Taylor M S. 2001. Is free trade good for the environment?[J]. American Economic Review(4): 877–908.

Becker R, Henderson V. 2000. Effects of air quality regulations on polluting industries[J]. The Journal of Political Economy, 18(2): 379–421.

陈建军, 胡晨光. 2008. 产业集聚的集聚效应-以长江三角洲次区域为例的理论和实证分析[J]. 管理世界, 2008(6): 68–83.

Dong B M, Gong J, Zhao X. 2012. FDI and environmental regulation:pollution haven or a race to the top?[J]. Journal of Regulatory Economics, 41(2): 216–237.DOI:10.1007/s11149-011-9162-3

Duc T A, Vachaud G, Bonnet M P, et al. 2007. Experimental investigation and modelling approach of the impact of urban wastewater on a tropical river; a case study of the Nhue River, Hanoi, Viet Nam[J]. Journal of Hydrology, 334(3/4): 347–358.

范丹, 梁佩凤, 刘斌, 等. 2018. 中国环境税费政策的双重红利效应-基于系统GMM与面板门槛模型的估计[J]. 中国环境科学, 2018, 38(9): 3576–3583.DOI:10.3969/j.issn.1000-6923.2018.09.044

关爱萍, 陈锐. 2014. 产业集聚水平测度方法的研究综述[J]. 工业技术经济, 2014, 33(12): 150–155.DOI:10.3969/j.issn.1004-910X.2014.12.020

高峰.2015.中国省际环境污染的空间差异和环境规制研究[D].兰州: 兰州大学http://cdmd.cnki.com.cn/Article/CDMD-10730-1015342033.htm

何小钢, 张耀辉. 2012. 技术进步、节能减排与发展方式转型-基于中国工业36个行业的实证考察[J]. 数量经济技术经济研究, 2012(3): 19–33.

黄娟, 汪明进. 2016. 科技创新、产业集聚与环境污染[J]. 山西财经大学学报, 2016, 38(4): 50–61.

纪玉俊, 邵泓增. 2018. 产业集聚影响环境污染:加剧抑或抑制?-基于我国城市面板数据的实证检验[J]. 经济与管理, 2018, 32(3): 59–64.

姜磊, 周海峰, 柏玲, 等. 2018. 空气质量指数(AQI)的社会经济影响因素分析-基于指数衰减效应视角[J]. 环境科学学报, 2018, 38(1): 390–398.

Karkalakos S. 2010. Capital heterogeneity, industrial clusters and environmental consciousness[J]. Journal of Economic Integration, 25(2): 353–375.DOI:10.11130/jei.2010.25.2.353

Kyriakopoulou E, Xepapadeas A. 2013. Environmental policy, first nature advantage and the emergence of economic clusters[J]. Regional Science & Urban Economics, 43(1): 101–116.

Leeuw F A A M D, Moussiopoulos N, Sahm P, et al. 2001. Urban air quality in larger conurbations in the European Union[J]. Environmental Modelling & Software, 16(4): 399–414.

LeSage J P, Pace R K. 2009. Introduction to Spatial Econometrics[M]. Boca Raton: CRC Press.

李勇刚, 张鹏. 2013. 产业集聚加剧了中国的环境污染吗-来自中国省级层面的经验证据[J]. 华中科技大学学报(社会科学版), 2013, 27(5): 97–106.DOI:10.3969/j.issn.1671-7023.2013.05.016

李筱乐. 2014. 市场化、工业集聚和环境污染的实证分析[J]. 统计研究, 2014, 31(8): 39–45.DOI:10.3969/j.issn.1002-4565.2014.08.006

刘军, 程中华, 李廉水. 2016. 产业集聚与环境污染[J]. 科研管理, 2016, 37(6): 134–140.

刘耀彬, 袁华锡, 封亦代. 2018. 产业集聚减排效应的空间溢出与门槛特征[J]. 数理统计与管理, 2018, 37(2): 224–234.

陆铭, 冯皓. 2014. 集聚与减排:城市规模差距影响工业污染强度的经验研究[J]. 世界经济, 2014(7): 86–114.

Prakash A, Potoski M. 2006. Racing to the bottom? Trade, environment governance, and ISO14001[J]. American Journal of Political Science, 50(2): 350–364.DOI:10.1111/ajps.2006.50.issue-2

仇方道, 蒋涛, 张纯敏, 等. 2013. 江苏省污染密集型产业空间转移及影响因素[J]. 地理科学, 2013, 33(7): 789–796.

盛斌, 吕越. 2012. 外国直接投资对中国环境的影响:来自工业行业面板数据的实证研究[J]. 中国社会科学, 2012(5): 54–75.

宋马林, 王舒鸿. 2013. 环境规制、技术进步与经济增长[J]. 经济研究, 2013, 48(3): 122–134.DOI:10.3969/j.issn.1674-8638.2013.03.026

Tobey J A. 1990. The effects of domestic environmental policies on patterns of world trade:an empirical test[J]. Kyklos, 43(2): 191–209.DOI:10.1111/kykl.1990.43.issue-2

Verhoef E T, Nijkamp P. 2002. Externalities in urban sustainability environmental versus localization type agglomeration externalities in a general spatial equilibrium model of a single-sectormonopolic industrial city[J]. Ecological Economics, 40(2): 157–179.DOI:10.1016/S0921-8009(01)00253-1

Wang H, Jin Y H. 2007. Industrial ownership and environment performance:evidence from China[J]. Environmental and Resource Economics, 36(3): 255–237.DOI:10.1007/s10640-006-9027-x

王鹏, 谢丽文. 2014. 染治理投资、企业技术创新与污染治理效率[J]. 中国人口·资源与环境, 2014, 24(9): 51–58.DOI:10.3969/j.issn.1002-2104.2014.09.008

温怀德, 刘渝琳, 温怀玉. 2008. 外商直接投资、对外贸易与环境污染的实证研究[J]. 当代经济科学, 2008, 30(2): 88–127.

夏友富. 1999. 外商投资中国污染密集产业现状、后果及其对策研究[J]. 管理世界, 1999(3): 109–123.

许和连, 邓玉萍. 2012. 外商直接投资导致了中国的环境污染吗?-基于中国省际面板数据的空间计量研究[J]. 管理世界, 2012(2): 30–43.

杨福霞, 聂华林, 杨冕. 2010. 中国经济发展的环境效应分析-基于广义脉冲响应函数的实证检验[J]. 财经研究, 2010, 36(5): 133–143.

杨仁发. 2015. 产业集聚、外商直接投资与环境污染[J]. 经济管理, 2015, 37(2): 11–19.

原毅军, 谢荣辉. 2015. 产业集聚、技术创新与环境污染的内在联系[J]. 科学学研究, 2015, 33(9): 1340–1347.DOI:10.3969/j.issn.1003-2053.2015.09.007

Zeng D Z, Zhao L X. 2009. Pollution havens and industrial agglomeration[J]. Journal of Environmental Economics and Management, 58(2): 141–153.

曾贤刚. 2010. 环境规制、外商直接投资与"污染避难所"假说-基于中国30个省份面板数据的实证研究[J]. 经济理论与经济管理, 2010(11): 65–71.DOI:10.3969/j.issn.1000-596X.2010.11.009

张可, 豆建民. 2016. 工业集聚有利于减排吗[J]. 华中科技大学学报(社会科学版), 2016, 30(4): 99–109.DOI:10.3969/j.issn.1671-7023.2016.04.014

赵细康, 王彦斐. 2016. 环境规制影响污染密集型产业的空间转移吗?-基于广东的阶段性观察[J]. 广东社会科学, 2016(5): 17–32.DOI:10.3969/j.issn.1000-114X.2016.05.002

周明生, 王帅. 2018. 产业集聚是导致区域环境污染的"凶手"吗?-来自京津冀地区的证据[J]. 经济体制改革, 2018(5): 185–190.