经济发展和经济发展成果的分配是造成水环境污染最重要的两大经济因素。分别来看,作为现阶段经济发展过程中的普遍性特征,经济集聚通过在一定时空内集中大量生产要素与经济活动产生规模效应、技术溢出效应、集聚效应等来推动区域经济社会发展[1, 2],同时对本地和周边地区的水环境也产生积极或消极影响。由于我国城乡二元经济的发展格局,城乡收入差距反映了区域经济发展成果分配,对水环境的影响也具有正、负两个方面的外部性。而作为经济因素的两个方面,经济集聚和城乡收入差距二者共同作用对水环境产生何种影响,影响路径如何,不同集聚水平下的影响效应是否不同,回答这些问题就需要将经济集聚、城乡收入差距和水污染纳入统一分析框架进行深入考察。
虽然研究经济集聚与环境污染关系的文献较为丰富,但重点关注经济集聚对水环境影响的文献则相对较少,总结起来主要观点有三种。第一种观点认为,经济集聚具有减轻环境污染的积极作用。Copeland[3]认为,产业集聚通过污染治理的技术溢出效应减轻环境污染;Otsuka等[4]研究认为,日本制造业集聚带来的规模经济提高了能源利用效率改善污染排放;Glaeser[5]将经济集聚缓解污染的途径归结为缩短通勤距离带来的成本节约。Han等[6]、Chen等[7]、He[8]运用中国省级或城市面板数据进行实证分析得到了经济集聚改善环境质量的经验数据;而认为经济集聚有利于降低水污染排放强度的研究,一方面验证了经济集聚的技术溢出、规模经济和成本节约带来的减排效应,另一方面强调这种减排效应存在差异性[9-11]。从不同区域看,经济集聚的降低作用在东中西部的大小不同[10],其对中小城市水污染排放的减排效应更为突出,而且经济集聚对水污染物排放的空间溢出效应显著[11]。第二种观点认为,经济集聚对环境质量具有负面作用。Frank[12]、Pandey等[13]分别以欧盟和印度为样本研究发现,经济集聚加剧了当地的大气和水污染,Liu等[14]、Dong等[15]对中国样本数据进行研究,也得出类似结论。有研究认为,经济集聚对水环境造成的不利影响主要来源于经济集聚的规模效应,表现分为两个方面:一是经济集聚会导致本地区水污染加剧,其主要原因是污染密集型产业在空间上的高度集聚增加了水污染物的排放[16-19];二是经济集聚会加剧周边地区水环境污染,这主要表现为污染密集型产业向郊区、环境容量大的非环境敏感地区转移等[16]。第三种观点认为经济集聚对污染排放的影响并非线性关系,主要原因在于经济集聚对污染排放会产生促排和减排两种作用,从而对环境产生正、负两个方面的外部效应,其最终呈现何种外部效应取决于经济集聚的促排和减排作用的大小,是二者综合作用的结果。Gaigne等[20]研究了经济集聚对劳动力通勤和产品运输带来的环境负担,认为经济集聚对环境的影响不确定。邵帅等[21]研究了中国30个省份的样本数据,认为经济集聚与碳排放强度之间存在倒“N”形关系;而认为经济集聚对水污染的影响呈非线性关系的文献,对呈何种类型的非线性关系未能形成一致结论。有的学者认为,经济集聚对水污染的影响呈倒“U”形关系[22],有的认为呈“U”形关系[23];邓宗豪等[24]则认为,西部地区制造业集聚对工业废水排放强度的影响呈“N”形关系。与前述观点不同,黄璨等[25]认为,长江经济带11个省市的产业集聚在工业化初期加重了水污染,但长期来看,依发展阶段不同,部分地区产业集聚水平提高对水污染有减排作用,而部分地区有促排作用。
值得一提的是,在造成环境污染的众多经济因素中,产业结构调整和产业转移也是重要因素之一。现有文献大多从耦合、协整的角度入手分析二者的关联关系,有关影响机制的研究不足,实证研究中涉及水污染的文献也不多[26-30]。而从经济发展的现实情况看,经济集聚发展到一定程度通常伴随着产业结构调整和产业转移,前者是后者的重要动因,后者是前者的发展结果。在因果关系链条上,产业结构调整和产业转移并非水污染在经济上的源头因素,而是中间因素。因此,探讨经济集聚对水污染排放的影响机制更有利于从源头上认识经济发展与水环境之间的关系。
有关收入差距对环境污染影响的研究主要集中于对空气污染和整体环境质量的影响方面,针对收入差距与水污染排放关系的研究较少,相关结论可以归结为三个方面。第一,收入差距不利于环境改善。对这种负面影响的解释主要有收入差距扩大改变个人的生活方式、消费结构及其环境偏好,阻碍环保型产品及其技术的扩散,环境规制与污染避难所等。Boyce[31]、钟茂初等[32]基于权利权重社会决策模型研究认为,收入差距扩大倾向于引致个人环境偏好及其经济行为破坏环境;杨寓涵[33]、张乐才等[34]运用中国省级面板数据进行实证分析得出了相似结论。而收入差距扩大带来的上述问题不仅对本地还会对周边地区水环境产生破坏作用,主要体现在增加废水排放量、工业废水中的化学需氧量(COD)排放量等方面[32, 35, 36]。第二,收入差距有利于环境质量提升。Ravallion等从不同收入阶层边际产品碳排放角度研究认为,收入差距扩大会减少碳排放,提高空气质量[37]。Scruggs[38]、Kerkhof等[39]、Heerink等[40]认为收入差距扩大不一定对环境质量产生负面影响,甚至具有积极作用;马青等使用2007—2016年中国省级面板数据实证检验,得到城乡收入差距对废水排放具有负效应的经验数据[41]。第三,收入差距对污染排放的影响呈非线性。Magnani认为,收入差距对环境质量的影响在不同收入国家中的表现不同[42]。张云辉等认为,收入差距和碳排放之间存在“U”形曲线关系[1]。占华在验证环境库兹涅茨曲线(Environmental Kuznets Curve,EKC)假说在我国的适用性时考虑了收入差距因素,同时认为我国收入差距对环境污染的影响呈非线性[43];而收入差距对水环境的非线性影响则呈现出阶段性差异。申伟宁等认为1994—2004年京津冀区域13个地市的收入差距对工业废水排放没有明显的促进或抑制作用,而2005—2014年的促进作用显著[44]。与其观点不同,有的学者研究发现,收入差距对工业废水排放的影响存在收入门槛效应,在收入水平比较低时,收入差距扩大将减少废水排放,当收入水平较高时,则会增加废水排放[45, 46]。
通过文献梳理发现,既有文献对经济集聚、收入差距与水污染间的两两关系进行了较为丰富的讨论,所得结论有所不同,也存在诸多不足:①忽略收入差距在经济集聚影响水环境中的重要作用,未能将经济集聚、收入差距与水污染纳入统一分析框架。②多数研究仅从静态角度分析水污染的空间依赖关系,未能从动态视角对水污染的时空依赖特征给予充分关注。③既有实证研究仅关注经济集聚的地区差异对影响水环境的解释变量造成的门槛效应,而经济集聚的区域异质性对水污染空间依赖特征的空间门槛效应未能得到研究。④大量研究认为,经济发展与环境污染之间存在倒“U”形的EKC曲线关系[47]。但是,目前相关研究在指标选取上大都以人均收入衡量经济发展,指标较为单一,难以综合反映地区经济发展状况[48],而环境污染指标以大气污染物为主,对水环境污染的EKC假说检验较少;同时,研究方法主要以面板或时间序列模型为基础,未考虑一个地区经济发展、环境污染与相邻地区在空间上的相互影响[48]。鉴于此,本文以COD排放强度作为水污染的代理变量,在现有文献研究的基础上对上述不足进行补充,可能的边际贡献有:第一,在统一框架下分析经济集聚、收入差距和水污染的关系;第二,以2011—2020年的省级面板数据为研究样本,采用动态空间杜宾模型实证考察经济集聚和收入差距的空间溢出减排效应,首次实证考察了水污染的时空依赖特征;第三,构建门槛空间动态面板模型,首次探讨经济集聚的区域异质性对水污染空间依赖特征的门槛效应;第四,使用中介效应检验经济集聚通过收入差距路径影响水污染的有效性,在此基础上进一步探讨该路径中经济集聚的门槛效应;第五,以经济集聚表征经济发展水平,从经济发展与水环境污染之间关系的角度运用空间计量模型对EKC假说进行了实证检验。
1 理论分析与假说提出 1.1 经济集聚对COD排放强度的影响在经济发展初期,经济集聚处于较低水平,集聚对水环境产生的正外部性水平较低。而这一阶段集聚形式通常以高耗能、高污染的低端产业集聚为主,这类产业的COD排放强度较大。随着经济集聚水平不断提高带来经济规模快速增长,地区经济尝到了从集聚到增长不断循环和积累的“甜头”,引致煤炭、石油能源等带来环境污染的要素投入急剧增加,导致水污染物排放量的增加超过经济集聚的正外部性带来的水污染物排放量的减少。与此同时,社会的环境偏好水平不高、环境规制不严格等外生因素使得企业的环境污染成本较低,企业在水污染治理方面的资金、技术等投入较少,污染治理动力不足,导致这一因素带来的水污染减排效果不明显,从而减排作用的合力难以抑制经济集聚的促排作用,使得经济集聚对COD等水污染物的排放产生明显的负外部性。
随着经济的持续发展,经济集聚的减排作用从三个方面不断加强,并逐渐占据优势。一是传统低端产业集聚的正外部效应。随着传统低端产业集聚程度不断提高,集聚的成本节约效应、各种溢出效应使得集聚对水环境产生的正外部效应明显增强。具体的,这种正外部效应产生的原因可能有:①集聚程度提高带来资源的紧缺和竞争的加剧,促使企业进行生产技术创新,特别是环保型生产技术和污染治理技术的创新[49],以提高生产效率和资源利用效率,同时经济集聚度高也有利于技术推广、知识共享、经验的交流、学习和推广,从而通过技术溢出降低单位产出的COD等水污染物的排放;②同类企业或上下游企业的高度集中,一方面有利于节约资源、降低企业的生产、运输、交易等成本,另一方面有助于污染的集中与联合治理,降低企业的污染治理成本,由此节约的成本可以用于生产和污染治理技术的创新。二是高端产业集聚的结构效应。随着经济集聚程度的提高,高耗能、高污染的低端产业逐渐趋于饱和,低耗能、低污染的高端产业比重不断提升,经济集聚形式由低端产业向高端产业转变,从而降低同等规模产出的水环境污染程度。三是环境监管等因素的抑制效应。经济集聚程度越高越有利于政府实施统一的环境管理和控制,降低环境监管成本,提高环境监管效率[21],同时这种监管会提高污染企业进入门槛,推动集聚区内的资源向高效率的企业转移,甚至导致低效率的企业退出[50],从而起到抑制COD排放的作用。基于此,本文提出如下假说H1。
H1:经济集聚对COD排放具有先促进后抑制的非线性倒“U”形空间溢出效应。
1.2 城乡收入差距对COD排放强度的影响在经济发展的起步阶段,城市、乡村的人均收入水平均普遍较低,收入差距相对较小,城市区域内集聚的企业数量较少、规模不大,集聚带来的经济增长速度超过环境污染速度,此时收入差距在一定范围内的扩大伴随着单位产出污染物排放强度的降低。
随着经济进入快速增长阶段,社会平均收入水平不断提高,城市、乡村收入差距持续扩大,加剧水环境污染。具体表现在:①收入差距扩大使经济欠发达的农村地区急于缩小与城市的差距,导致其重经济发展轻环境质量,成为城市污染产业转移的“避难所” [51],这种方式使城市减排的压力和动力下降,从而导致城乡整体的污染排放增加。②由于水环境具有跨区域性,城市地区排放的污染物会直接转移到农村地区,而农村地区环境意识薄弱,污染治理设施相对落后,导致水污染进一步加剧。③城乡收入差距扩大促使农业生产中加大农药、化肥等资源的投入,甚至砍伐林木、破坏植被以提高农业生产的单位产出和总产出,而提供农业生产资料的化工企业也随之增加,从而导致水土流失、水污染排放总量增加。④收入差距过大导致高收入群体的比重降低,其消费环保型产品带来的技术创新效应不足。而低收入群体消费的非环保型产品的基数庞大,致使污染排放持续增加,这也不利于环保型技术向生产非环保型产品的企业扩散,污染排放从而难以得到抑制。
当经济发展达到成熟阶段,经济集聚处于较高水平,社会总收入和平均收入水平普遍较高,收入差距是共同富裕基础上有差别的富裕形成的合理差距,社会总体的环境偏好愈发强烈,这一方面催生更严格的环境规制水平,另一方面有力地推动环保型技术的创新和扩散,使得农业和非农业生产造成的水污染趋于下降趋势,最终经济发展、收入分配和水环境逐渐达到均衡状态。基于此,本文提出假说H2。
H2:收入差距对COD排放产生倒“N”形的非线性影响。
1.3 经济集聚通过调节收入差距影响COD排放强度经济集聚通过改变经济活动和各类资源、要素在空间上(包括城镇和农村地区之间)的布局促进经济增长,而城乡之间的经济集聚格局在不断发展变化过程中显然会对城乡收入差距产生动态影响,进而对水污染物排放产生间接影响。这主要体现在以下几个方面:①经济集聚促进经济增长、生产效率提升,有助于推动农村劳动力向城市流动[43],一方面,可以增加城市的劳动力供给,拉低城镇居民的边际报酬,同时丰富农村家庭收入来源,改变城乡收入分配格局;另一方面,在城乡二元经济体制下,农村劳动力取得的工资等收入向农村回流会拉动农村地区的消费和收入增长。②经济集聚带来的农村劳动力向城市转移有助于增强对农村劳动力的技术溢出,使农民获得更多技术、提升农村人力资本投资及其劳动力质量,技术型农民返乡创业使得乡镇工业企业进一步增加,这在改善城乡收入差距的同时,会带来COD排放强度增加。③经济集聚对城乡收入差距的影响进一步推动城镇化进程,而城市污水处理设施和配套管网缺乏导致大量生活污水未经有效处理。④在经济集聚的发展历程中,一般集聚首先发生在城市区域,使得城镇居民收入增幅大于农村居民,引起城乡居民收入差距扩大;随着大量生产要素过度集中于城市,城市环境承载力不堪重负、各种要素成本上升,同时,为了追赶城市的发展、吸引投资,农村会承接城市污染产业的转移,使得城镇和农村居民的收入增幅差距变小,城乡收入差距缩小。
通过以上分析可以看出,经济集聚、收入差距和COD排放强度之间的关系密切。经济集聚不仅可以通过技术溢出、成本节约等效应直接影响COD排放强度,还可以通过农村劳动力转移、技术溢出等途径影响收入差距,从而对COD排放强度产生间接影响。由此提出假说H3。
H3:经济集聚能够通过收入差距的中介效应影响COD排放强度,且存在经济集聚的门槛效应。
2 研究设计 2.1 计量模型构建 2.1.1 动态空间杜宾模型设计考虑到本地COD排放强度不仅与周边地区的COD排放静态相关,还与本地过去的COD排放动态相关,具有时空滞后的双重特征,不仅受到本地区经济活动的影响,还会受周边地区经济活动的影响[52]。因此,本文采用时空双向固定效应的动态空间杜宾模型[53]对经济集聚、收入差距与COD排放强度的空间溢出效应进行分析,如式(1)所示:
(1) |
式中,i表示省份;t表示年份;CODI it为被解释变量,表示i省份t年的COD排放强度,CODI it-1表示滞后一阶的COD排放强度;EA it和IGit为核心解释变量和中介变量,分别表示i省份t年经济集聚和收入差距水平,为了刻画经济集聚和收入差距对COD排放强度的非线性影响,模型中引入它们的二次项、三次项;µi为省份i的个体效应;εit为随机扰动项。由于影响COD排放强度的因素众多,模型中引入了一组控制变量,包括产业结构、技术水平、污水治理强度等;α0为常数项;α1 ~ α13为解释变量的估计系数;ρ、τ分别表示被解释变量空间滞后项和时空滞后项的估计系数;δ1 ~ δ5表示部分解释变量的空间滞后项的估计系数;w ij和dij为各空间滞后项的空间权重矩阵中的元素(i,j)。
2.1.2 中介效应模型设计为检验经济集聚能否通过收入差距对COD排放强度产生影响,本文参考温忠麟等检验中介效应的方法[54],在式(1)的基础上进一步构造如式(2)、式(3)所示的中介效应检验模型:
(2) |
(3) |
按照中介效应的检验过程,式(2)的回归结果中,经济集聚的一次项和二次项系数(β2和β1)中有一个显著性水平低于10%,说明经济集聚对COD排放强度的总效应存在,可以进行下一步的检验。式(3)的回归结果中,经济集聚的一次项和二次项系数(θ2和θ1)中有一个显著,说明经济集聚对收入差距影响显著,收入差距的中介效应存在。式(1)的回归结果中,如果收入差距的一次项和二次项系数(α3和α2)中有一个显著,且经济集聚的一次项和二次项系数(α5和α4)中有一个显著,表明经济集聚对COD排放强度存在显著的直接效应,同时还存在收入差距的中介效应,属于部分中介效应;如果经济集聚的一次项和二次项系数(α5和α4)都不显著,而收入差距的一次项和二次项系数(α3和α2)中有一个显著,则为完全中介效应。
2.1.3 门槛空间动态面板模型设计为进一步探究不同经济集聚程度下收入差距对COD排放强度影响的差异以及经济集聚对COD排放空间依赖特征的差异,同时解决以往静态面板门槛模型因内生性导致的偏误,克服传统动态空间面板模型的空间滞后项系数为常数的不足,本文参照韩晓祎等[55]的做法以经济集聚为门槛变量,在式(1)的基础上允许空间滞后项系数随门槛变量大小而改变,建立如式(4)所示的门槛空间动态面板模型:
(4) |
其中,ln EA it为门槛变量,反映经济集聚程度;I(·) 为示性函数;c为待估门槛值;其他变量如式(1)定义。
2.2 相关变量说明被解释变量:COD排放强度(CODI),以单位地区生产总值的COD排放量进行度量,单位为t/ 亿元,与COD排放量相比,COD排放强度更能反映经济发展过程COD排放的变动情况。
核心解释:经济集聚(EA),以单位面积地区生产总值表示,单位为亿元/ km2。
中介变量:收入差距(IG),以城镇居民人均可支配收入与农村居民人均可支配收入的比值表示。
相关控制变量说明如表 1所示。
本文采用基于省会城市(自治区首府)球面距离倒数的平方构造地理距离空间权重矩阵(WG),采用各省份GDP均值之差的倒数和地理距离空间权重矩阵之积构造经济距离空间权重矩阵(WE),如式(5)所示,WG ij表示地理距离空间权重矩阵中的i行j列元素,Yi和Yj表示i省份和j省份GDP的平均值。在基准回归时采用WE,在稳健性检验时采用WG替换WE。
(5) |
本文选取我国2011—2020年31个省份的面板数据(不含港澳台地区)作为研究样本,所使用的数据主要来源于《中国统计年鉴》《中国环境统计年鉴》《中国城乡建设统计年鉴》《中国城市统计年鉴》和国研网数据库等,其中污水治理强度、人均GDP、经济集聚和COD排放强度指标均以2000年不变价格进行了平减调整,以消除价格因素的影响。为降低数据的离散程度,对部分数据进行自然对数处理,样本数据的统计性描述见表 2。
本文采用以WE为空间权重矩阵的全局Moran’s I指数对COD排放强度和经济集聚进行空间自相关检验。如表 3所示,COD排放强度和经济集聚的全局Moran’s I指数均大于0,且均在10% 水平上显著,表明二者存在显著的空间相关特征,在分析经济集聚对COD排放强度的影响时应考虑空间溢出效应。但仍需在空间误差模型(SEM)、空间滞后模型(SLM)和空间杜宾模型(SDM)之间做出适当选择,为此进行了LM检验和LR检验。如表 4所示,基于经济集聚影响COD排放强度的最小二乘(OLS)线性估计结果的残差进行空间自相关性检验的Moran’s I和LM检验显示,RLMerr和RLMlag统计量在1% 水平上显著,表明回归方程具有空间滞后和空间误差双重特征,证明了选用空间杜宾模型的合理性;LR检验均在1% 水平上显著,有理由拒绝“SDM模型退化为SLM”与“SDM模型退化为SEM”的原假设,进一步证明应采用空间杜宾模型。
为确定采用固定效应还是随机效应的空间杜宾模型,本文使用Hausman检验进行判断,结果显示Hausman检验值为99.22,相应的P值为0.0000,拒绝随机效应的原假设,选择固定效应模型进行实证分析,结果见表 5。
第一,COD排放强度的时空滞后项L1.W ln CODI在1% 水平上显著为负,表明COD排放强度在时间、空间维度上存在典型的路径依赖特征,周边地区前一期COD排放强度对下一期COD排放有抑制作用。
第二,经济集聚对COD排放强度具有显著影响。经济集聚的一次项和二次项系数均在1% 水平显著,系数符号分别为正和负,显示经济集聚和本地COD排放强度之间存在倒“U”形关系,基于表 5的估计结果建立回归方程,令经济集聚的一阶偏导为零可以计算出拐点值为-3.3,H1得到部分验证。随着经济集聚程度的提高,COD排放强度先上升后下降。这表明很多地区都经历过或正在经历先污染后治理的发展过程,经济集聚对水环境带来的负、正两个方面的外部效应在经济发展过程中依次交替显现,经济发展与水环境污染之间的关系符合EKC假说。
第三,收入差距对COD排放强度有显著影响。收入差距的一次项、二次项和三次项系数均在1% 水平显著,系数符号分别为负、正、负,表明收入差距与COD排放强度之间存在倒“N”形关系,H2成立。当收入差距水平较低时,收入差距的扩大有利于降低COD排放强度;当收入差距达到一定程度时,收入差距会先促进后抑制COD排放。
第四,从空间溢出效应看,COD排放强度、经济集聚的空间滞后项系数ρ和δ2均显著为正,具有正的空间溢出效应。邻近地区的COD排放强度和经济集聚每上升1%,本地区的COD排放强度分别会上升0.6071和0.2587个百分点;收入差距的空间滞后项系数δ1显著为负,具有负的空间溢出效应,邻近地区的收入差距每上升1%,本地区的COD排放强度会下降6.7%。
第五,从控制变量角度看,产业结构的系数符号为正,在1% 水平显著,表明产业结构与COD排放强度正相关;技术水平系数显著为正,说明专利授权中与水环境治理有关的专利所占比例不高或技术转化率不高,不能有效降低水污染。污水治理强度的系数显著为负,表明该项费用每提高1%,COD排放强度下降0.3084%。污水处理能力的系数显著为正,说明污水处理效率不高,不能有效降低水环境污染,而且污水治理能力的提高不能有效抵消经济发展带来的水环境的破坏。人口密度的系数显著为负,表明生活用水对水环境的影响不是COD排放的主要来源,反而会对工业用水产生挤压,有助于COD排放强度降低。交通运输对COD排放强度的影响有加剧和降低双重作用。一方面,交通运输状况改善会提高经济欠发达地区高污染行业及相关产业的集聚,从而导致COD排放的增加。交通运输状况改善也会加速发达地区的产业转型升级和去中心化,提高各类市场要素的经济运行效率,降低交易成本,从而起到降低COD排放的作用。实证结果表明,交通运输系数显著为负,其降低COD排放的正外部效应超过了加剧COD排放的负外部效应。排污能力系数为正,在5% 水平显著,表明排污设施未能有效发挥其减排功能。
3.3 经济集聚和收入差距的全局溢出效应根据Lesage等的研究,被解释变量的空间滞后系数ρ不显著为0时,不能通过模型中解释变量的回归系数来无偏地反映其对本地区和邻近地区被解释变量的影响[56]。为深入研究COD排放强度的空间溢出效应,借鉴Lesage等的研究成果[56],本文采用偏微分法将COD排放强度的空间溢出效应分解为直接效应、间接效应和总效应,见表 5第(2)~(7)列。其中,直接效应代表本地区解释变量对本地区COD排放强度的影响,间接效应代表本地区解释变量对邻近地区COD排放强度的影响,总效应是二者的和,代表本地区解释变量对所有地区COD排放强度的总体影响。
收入差距一次项、二次项和三次项的直接效应、间接效应、总效应的系数符号相同,依次为负、正、负,且至少在5% 水平上显著,表明收入差距无论对本地、周边地区还是所有地区COD排放强度的影响均表现为倒“N”形关系。值得注意的是,从短期到长期的动态趋势看,收入差距的直接、间接和总效应系数的绝对值均呈现下降趋势,说明长期来看,随着经济的均衡发展、共同富裕水平的提升,收入差距无论对本地、周边地区还是所有地区COD排放强度的影响均逐渐减弱,特别是收入差距对周边地区和所有地区COD排放强度的长期效应明显减弱。因此,收入差距的空间溢出效应显著,但短期强、长期变弱。
经济集聚一次项、二次项的直接效应、间接效应、总效应的系数符号相同,分别为正、负,且通过显著性检验,表明经济集聚对本地、周边地区、所有地区COD排放强度的影响均表现出“先促排、后减排”的倒“U”形关系,其空间溢出效应显著,本地经济集聚水平提升会引起周边地区和所有地区COD排放强度先上升后下降。在经济集聚程度和经济发展水平较低时,本地通过提高当地生产要素和经济活动的集聚程度推动当地经济发展,周边地区采取“跟随者”策略也提高其经济集聚程度,本地经济集聚通过“示范效应”“扩散效应”带动其他地区经济发展的同时引起COD排放强度提高、环境污染加剧。这与我国经济从低级到高级的发展过程中,很多地区先污染后治理的粗放型经济发展方式相一致;但由于地区间经济“锦标赛”的竞争效应,经济集聚的地区差异通常引起生产要素的非均衡流动,当本地经济集聚达到一定程度时,会对周边地区的生产要素和经济活动产生虹吸效应,不利于周边地区的经济发展,从而周边地区COD排放强度呈下降趋势。而且这时经济集聚对水环境的正外部效应也显现出明显的空间溢出效应,有利于从整体上降低COD排放强度。H1进一步得到证实。
控制变量中,产业结构、技术水平、污水处理能力和排污能力的直接效应、间接效应、总效应的系数均显著为正,表明这些变量存在空间溢出效应,且均会增强COD排放;污水治理强度、人口密度、交通运输的系数均显著为负,但绝对值较小,表明它们的空间溢出效应能显著抑制COD排放,但强度较弱。
3.4 稳健性检验为了确保回归结果的稳健性,本文采用替换核心解释变量、替换被解释变量、替换空间权重矩阵三种策略进行稳健性检验[57]。首先,使用地理距离空间权重矩阵(WG)替换WE;其次,使用以2000年不变价格进行平减调整后的单位工业增加值计算的COD排放量替换被解释变量(单位地区生产总值的COD排放量),然后使用单位面积非农产出(即以2000年不变价格进行平减调整后的第二和第三产业增加值之和)计算的经济集聚指标替换核心解释变量经济集聚,在经济距离空间权重矩阵WE下进行稳健性检验。由表 6的稳健性检验回归结果可知,收入差距的一次项系数均显著为负,二次项系数均显著为负,经济集聚和替换核心解释变量后的经济集聚的一次项系数均显著为正、二次项系数均显著为负,收入差距和经济集聚的空间滞后项系数分别显著为负和正,与前文得出的结论基本一致,表明前文回归结果稳健可靠。
对收入差距能否在经济集聚对COD排放强度的影响中起到中介效应的检验结果见表 7。式(2)中,经济集聚的一次项和二次项系数均在1% 水平上显著,表明经济集聚对COD排放强度影响的总效应存在,且呈倒“U”形。可以初步认为收入差距能在经济集聚对COD排放强度的影响中起到中介效应。式(3)中经济集聚的一次项和二次项系数分别为负和正,通过显著性检验,可以认为收入差距的中介效应存在,且经济集聚对收入差距的影响呈“U”形趋势。式(1)中,经济集聚和收入差距的一次项、二次项系数均在1% 水平下显著,系数ρ均显著为正,表明属于部分中介效应,经济集聚对COD排放强度的倒“U”形影响有一部分是通过收入差距而起作用,H3得到验证。
式(1)所示的动态空间杜宾模型假定COD排放强度的空间滞后项、中介变量的一次项、二次项系数保持不变,难以反映经济集聚程度的变化对COD排放强度的空间关系产生何种影响。相比之下,式(4)所示的门槛动态空间面板模型更有利于揭示经济集聚的个体异质性对COD排放强度产生的非对称空间互动关系。为确定门槛变量的门槛值和门槛数,采用Bootstrap自抽样300次对COD排放强度、收入差距一次项和二次项进行联合门槛效应检验,如表 8所示,绘制的95% 置信区间如图 1所示。结果显示,单一门槛的统计量在10% 水平下显著,门槛值1.1164在95% 置信区间内,双重门槛未通过显著性检验,因此应采用单一门槛进行分析。
表 9的估计结果显示,被解释变量空间滞后项的系数ρ1和ρ2显著为正,且ρ1 > ρ2,表示经济集聚程度越低的地区(经济集聚低于门槛值)对周围地区的COD排放强度越敏感;收入差距一次项、二次项系数分别显著为负和正,当经济集聚小于门槛值时,收入差距一次项对COD排放的影响系数α31为-16.4915,二次项的影响系数α21为6.8140,当经济集聚高于门槛值时,收入差距一次项、二次项对COD排放的影响系数α32和α22分别为-26.8762、9.4144,均通过显著性检验,表示收入差距对COD排放强度的影响过程为“先抑制、后促进”,且α21 < α22、| α31 | < | α32 |,当超过门槛值时,抑制和促进作用均明显增强,而| α32 |> α22,表明经济集聚程度越高的地区,收入差距对COD排放的抑制作用越强,H3进一步得到验证。
本研究将经济集聚、收入差距和COD排放强度纳入统一框架,选取2011—2020年中国省级面板数据,采用动态空间杜宾模型、中介效应和空间门槛效应检验,对经济集聚和收入差距对COD排放的影响机制进行回归分析,得出的结论如下:
(1)经济集聚和COD排放强度之间存在倒“U”形关系,具有本地减排效应和空间溢出减排效应。经济集聚程度提高的初始阶段,本地COD排放量随之增加,当经济集聚超过拐点-3.3后,其本地效应和空间溢出效应由消极促排效应向积极减排效应转变。截至2020年,北京、天津、上海、江苏、浙江的经济集聚程度高于拐点值,处于倒“U”形曲线的右半段,形成了空间溢出减排效应,应继续加强本地区环境友好型产业的集聚优势,加大对周边地区的辐射力度,提高周边地区的减排效果。其他地区需加快转变经济发展方式,推动经济高质量发展,尽早实现经济集聚的减排效应。
与已有研究成果相比,本文没有得出经济集聚对水污染仅造成有利或不利影响的结论,而是验证了经济集聚对水环境的影响呈非线性关系的观点,在非线性关系的类型上与聂欣等[22]的观点一致。同时,已有研究成果未涉及经济集聚对水污染影响机制的实证分析,本文以收入差距为中介变量通过中介效应检验发现,经济集聚对COD排放的影响机制存在直接影响和间接影响两种路径。一方面,经济集聚可以通过正负两个方面的外部性直接对COD排放产生倒“U”形的影响;另一方面,经济集聚还可以通过收入差距对COD排放产生间接影响,即收入差距在经济集聚对COD排放的倒“U”形影响中起到部分中介效应。由于经济集聚对收入差距的影响呈“U”形趋势,收入差距对COD排放的影响呈倒“N”形关系,而经济集聚对COD排放强度的倒“U”形拐点和对收入差距的“U”形拐点不完全一致,这导致收入差距的这种部分中介效应并不是线性的,而是具有非线性特征,但具体形状尚难以确定,需进一步研究。另外,经济集聚具有较强的空间依赖特征,地区间的经济集聚对COD排放的影响表现出显著的空间正相关。
(2)收入差距对COD排放的本地和空间溢出效应呈倒“N”形关系,且长期来看,收入差距的空间溢出减排效应明显减弱,但本地空间减排效应减弱趋势不明显。已有研究认为,在不同的时间段或门槛区域内收入差距对水污染的影响方向是单一的促进或抑制作用,而本文以经济集聚作为门槛变量进行实证检验显示,无论经济集聚低于还是高于门槛值,收入差距对COD排放的影响都具有先抑制后促进的非线性关系,且抑制作用超过促进作用,当超过门槛值时,收入差距对COD排放的抑制和促进作用均明显增强。
(3)COD排放的时空依赖特征显著,周边地区本期和前期的COD排放情况均对本地产生影响,且经济集聚的区域异质性导致COD排放强度的空间依赖性具有非对称的空间互动关系。从我国现实情况看,由于地区间经济发展的不均衡性,不同地区的经济集聚程度差异显著,COD排放的空间依赖性势必受到经济集聚程度的影响而表现出不同的特征,而已有相关研究均假定被解释变量的空间滞后项保持不变,这种常规做法与我国的现实情况明显不符。本文在常规做法的基础上构建门槛空间动态面板模型允许COD排放强度的空间滞后项系数随门槛变量(经济集聚)的大小而改变,更加契合我国的现实情况,更能有效地解释COD排放的空间依赖性在同一地区的不同时期或同一时期的不同地区所表现出的异质性。在不考虑经济集聚的区域异质性的情况下,COD排放的空间滞后项系数为常数0.6071。空间门槛效应检验显示,考虑经济集聚的区域异质性后,经济集聚低于门槛值的地区受周边地区COD排放强度的影响比高于门槛值的地区大,空间滞后项系数分别为1.2176和0.9176,表现出明显的非对称性,表明经济集聚程度较高的地区,其COD排放的空间依赖性较弱,从而某一地区水环境的抗污染干扰能力与其自身的经济发展水平正相关。
区域经济发展及其发展成果的分配与水污染的时空关系具有高度复杂性和不确定性,这两大经济因素对水环境的影响机制还有待从多个角度深入研究,以促进经济和环境的健康协调发展。
[1] |
张云辉, 郝时雨. 收入差距与经济集聚对碳排放影响的时空分析[J]. 软科学, 2022, 36(3): 62-67, 82-82. |
[2] |
李治国, 王杰. 经济集聚背景下数字经济发展如何影响空间碳排放?[J]. 西安交通大学学报(社会科学版), 2022, 42(5): 87-97. |
[3] |
COPELAND B R. International trade and the environment: policy reform in a polluted small open economy[J]. Journal of environmental economics and management, 1994, 26(1): 44-65. DOI:10.1006/jeem.1994.1004 |
[4] |
OTSUKA A, GOTO M, SUEYOSHI T. Energy efficiency and agglomeration economies: the case of Japanese manufacturing industries[J]. Regional science policy & practice, 2014, 6(2): 195-212. |
[5] |
GLAESER E. Triumph of the City: How Our Greatest Invention Makes Us Richer, Smarter, Greener, Healthier, and Happier[M]. New York: Penguin Press, 2012.
|
[6] |
HAN F, XIE R, LU Y, et al. The effects of urban agglomeration economies on carbon emissions: evidence from Chinese cities[J]. Journal of cleaner production, 2018, 172: 1096-1110. DOI:10.1016/j.jclepro.2017.09.273 |
[7] |
CHEN D K, CHEN S Y, JIN H. Industrial agglomeration and CO2 emissions: evidence from 187 Chinese prefecture-level cities over 2005-2013[J]. Journal of cleaner production, 2018, 172: 993-1003. DOI:10.1016/j.jclepro.2017.10.068 |
[8] |
HE J. Pollution haven hypothesis and environmental impacts of foreign direct investment: the case of industrial emission of sulfur dioxide (SO2) in Chinese provinces[J]. Ecological economics, 2006, 60(1): 228-245. DOI:10.1016/j.ecolecon.2005.12.008 |
[9] |
焦胜, 吴寿盛, 韩宗伟, 等. 湖南"一湖四水"工业集聚与水污染程度的时空演变及关联机制[J]. 经济地理, 2022, 42(4): 132-140. |
[10] |
胡志强, 苗健铭, 苗长虹. 中国地市工业集聚与污染排放的空间特征及计量检验[J]. 地理科学, 2018, 38(2): 168-176. DOI:10.13249/j.cnki.sgs.2018.02.002 |
[11] |
周侃, 王强, 樊杰. 经济集聚对区域水污染物排放的影响及溢出效应[J]. 自然资源学报, 2019, 34(7): 1483-1495. |
[12] |
DE LEEUW F A A M, MOUSSIOPOULOS N, SAHM P, et al. Urban air quality in larger conurbations in the European union[J]. Environmental modelling & software, 2001, 16(4): 399-414. |
[13] |
PANDEY B, SETO K C. Urbanization and agricultural land loss in India: comparing satellite estimates with census data[J]. Journal of environmental management, 2015, 148: 53-66. |
[14] |
LIU S X, ZHU Y M, DU K Q. The impact of industrial agglomeration on industrial pollutant emission: evidence from China under new normal[J]. Clean technologies and environmental policy, 2017, 19(9): 2327-2334. DOI:10.1007/s10098-017-1407-0 |
[15] |
DONG F, WANG Y, ZHENG L, et al. Can industrial agglomeration promote pollution agglomeration? Evidence from China[J]. Journal of cleaner production, 2020, 246: 118960. DOI:10.1016/j.jclepro.2019.118960 |
[16] |
高爽, 魏也华, 陈雯, 等. 发达地区制造业集聚和水污染的空间关联——以无锡市区为例[J]. 地理研究, 2011, 30(5): 902-912. |
[17] |
张姗姗, 张磊, 张落成, 等. 苏南太湖流域污染企业集聚与水环境污染空间耦合关系[J]. 地理科学, 2018, 38(6): 954-962. DOI:10.13249/j.cnki.sgs.2018.06.015 |
[18] |
卢越. 产业集聚对流域水污染的影响分析: 以海河流域为例[J]. 北京交通大学学报(社会科学版), 2019, 18(2): 61-68. |
[19] |
于慧, 仲佳, 刘邵权, 等. 张家口地区排污工业企业集聚与水污染空间耦合特征[J]. 自然资源学报, 2020, 35(6): 1416-1424. |
[20] |
GAIGNÉ C, THISSE J F. New economic geography: past and future[M]/FISCHER M M, NIJKAMP P, eds. Handbook of Regional Science. Berlin: Springer, 2014: 539-568.
|
[21] |
邵帅, 张可, 豆建民. 经济集聚的节能减排效应: 理论与中国经验[J]. 管理世界, 2019, 35(1): 36-60, 226-226. |
[22] |
聂欣, 陈健. 基于产业集聚视角下中国城市水污染治理研究[J]. 城市观察, 2017, 52(6): 149-161. |
[23] |
杨恺钧, 熊敏敏. 长江经济带工业集聚对水环境污染的影响——基于空间计量与门槛效应的检验[J]. 资源与产业, 2021, 23(4): 21-28. |
[24] |
邓宗豪, 黄勤. 高质量发展视域下西部地区制造业集聚污染问题研究[J]. 经济问题探索, 2021(5): 74-83. |
[25] |
黄璨, 王建茗, 成金华. 经济增长、产业集聚与水污染关系的Bootstrap ARDL检验——基于长江经济带的经验考察[J]. 学习与实践, 2021(9): 63-73. |
[26] |
曹娣, 周霞. 山东省产业结构演化与水环境质量的关联分析——基于VAR模型[J]. 资源开发与市场, 2017, 33(9): 1063-1067, 1122-1122. |
[27] |
陈阳, 孙婧, 逯进. 城市蔓延和产业结构对环境污染的影响[J]. 城市问题, 2018(4): 18-25. |
[28] |
李鹏. 产业结构调整与环境污染之间存在倒U型曲线关系吗?[J]. 经济问题探索, 2015(12): 56-67. |
[29] |
邹伟进, 李旭洋, 王向东. 基于耦合理论的产业结构与生态环境协调性研究[J]. 中国地质大学学报(社会科学版), 2016, 16(2): 88-95. |
[30] |
韩楠. 中国经济增长、产业结构与环境污染的空间计量研究[J]. 环境工程, 2016, 34(7): 155-159, 139-139. |
[31] |
BOYCE J K. Inequality as a cause of environmental degradation[J]. Ecological economics, 1994, 11(3): 169-178. |
[32] |
钟茂初, 赵志勇. 城乡收入差距扩大会加剧环境破坏吗?——基于中国省级面板数据的实证分析[J]. 经济经纬, 2013(3): 125-128. |
[33] |
杨寓涵. 收入差距促进了环境污染吗?——基于省级面板数据的实证检验[J]. 云南财经大学学报, 2019, 35(5): 21-32. |
[34] |
张乐才, 刘尚希. 收入差距影响环境污染的机理——基于我国省级面板数据的实证分析[J]. 兰州学刊, 2015(11): 171-179, 196-196. |
[35] |
范维娜, 李静. 收入差距与环境质量的关系——基于安徽省扩展的EKC假说验证[J]. 华东经济管理, 2012, 26(2): 33-36. |
[36] |
孟凡杰, 修长百. 收入差距对环境质量的空间溢出效应实证检验[J]. 统计与决策, 2019, 35(10): 91-94. |
[37] |
RAVALLION B M, HEIL M, JALAN J. Carbon emissions and income inequality[J]. Oxford economic paper, 2000, 52(4): 651-669. |
[38] |
SCRUGGS L A. Political and economic inequality and the environment[J]. Ecological economics, 1998, 26(3): 259-275. |
[39] |
KERKHOF A C, BENDERS R M J, MOLL H C. Determinants of variation in household CO2 emissions between and within countries[J]. Energy policy, 2009, 37(4): 1509-1517. |
[40] |
HEERINK N, MULATU A, BULTE E. Income inequality and the environment: aggregation bias in environmental kuznets curves[J]. Ecological economics, 2001, 38(3): 359-367. |
[41] |
马青, 傅强. 城乡收入差距、能源消耗与环境污染的双向耦合关系——基于经济起因的互动关系[J]. 技术经济, 2019, 38(3): 67-77, 113-113. |
[42] |
MAGNANI E. The environmental kuznets curve, environmental protection policy and income distribution[J]. Ecological economics, 2000, 32(3): 431-443. |
[43] |
占华. 收入差距对环境污染的影响研究——兼对"EKC"假说的再检验[J]. 经济评论, 2018(6): 100-112, 166-166. |
[44] |
申伟宁, 福元健志, 张韩模. 京津冀区域收入差距与环境质量关系的实证研究[J]. 干旱区资源与环境, 2017, 31(11): 39-43. |
[45] |
李子豪. 收入差距对环境污染的收入门槛效应——理论与实证研究[J]. 经济问题探索, 2017(3): 63-72. |
[46] |
张媛. 收入差距对环境污染的影响研究[D]. 武汉: 湖北大学, 2019.
|
[47] |
PANAYOTOU T. Empirical tests and policy analysis of environmental degradation at different stages of economic development[R]. Geneva: International Labor Office, 1993.
|
[48] |
周正柱, 王俊龙. 环境库兹涅茨曲线假说检验研究进展与展望[J]. 中国农业资源与区划, 2020, 41(1): 185-193. |
[49] |
HOSOE M, NAITO T. Trans-boundary pollution transmission and regional agglomeration effects[J]. Papers in regional science, 2006, 85(1): 99-120. |
[50] |
韩超, 王震, 田蕾. 环境规制驱动减排的机制: 污染处理行为与资源再配置效应[J]. 世界经济, 2021, 44(8): 82-105. |
[51] |
赵志勇. 收入差距、偏好差异与环境污染——基于环境不公平视角的经济学分析[D]. 天津: 南开大学, 2013.
|
[52] |
LIU K, LIN B Q. Research on influencing factors of environmental pollution in China: a spatial econometric analysis[J]. Journal of cleaner production, 2019, 206: 356-364. |
[53] |
陈强. 高级计量经济学及Stata应用(第二版)[M]. 北京: 高等教育出版社, 2014.
|
[54] |
温忠麟, 刘红云, 侯杰泰. 调节效应和中介效应分析[M]. 北京: 教育科学出版社, 2012.
|
[55] |
韩晓祎, 蔡争争, 朱艳丽. 门槛空间动态面板模型的贝叶斯估计及其应用研究[J]. 数量经济技术经济研究, 2021, 38(10): 148-166. |
[56] |
LESAGE J, PACE R K. Introduction to Spatial Econometrics[M]. Boca Raton: CRC Press, 2009.
|
[57] |
冉启英, 徐丽娜. 环境规制、省际产业转移与污染溢出效应——基于空间杜宾模型和动态门限面板模型[J]. 华东经济管理, 2019, 33(7): 5-13. |