引言

党的二十大报告指出，“深入推进环境污染防治。坚持精准治污、科学治污、依法治污，持续深入打好蓝天、碧水、净土保卫战”。打好污染防治攻坚战，工业减排是重要抓手。中国是世界最大的纺织品生产国、消费国和出口国，纺织工业规模全球占比超过50%，贸易占全球的三分之一。纺织工业作为我国最重要的实体经济、民生产业，高能耗、高污染、高排放问题严峻^{[1, 2]}。《2023中国生态环境状况公报》显示，2022年纺织行业废水排放量、化学需氧量排放量分别约为24亿t和30亿t，占41个工业行业总排放量的11.5%和9.3%，分别位列第三位和第四位；纺织工业的能源消耗总量约1.09亿吨标准煤，占全国能源消费总量的6.6%、工业的9.6%、制造业的13.0%，是中国最大的污染排放源之一。国际能源署（International Energy Agency，IEA）发布的《全球能源回顾：2021年二氧化碳排放》指出，纺织行业碳排放量占全球总排放量的10%，是仅次于石化工业的全球第二大污染产业。在中国制造业细分的31个门类中，纺织业碳排放高居第6位。站在人与自然和谐共生的高度，中国纺织业将以绿色低碳发展作为实现整个行业高质量发展的重要标志和基础底线，向可持续发展的“绿色产业”转变。

面对行业高质量发展与污染减排的双重压力和迫切需求，中国纺织工业联合会于2021年6月发布《纺织行业“十四五”发展纲要》，提出要将纺织行业的发展立足于国家生态战略全局与人类气候安全，把践行可持续发展作为价值提升的重要途径和纺织强国的应有之责。同时明确了纺织行业绿色发展目标，即“十四五”末单位工业增加值能源消耗、二氧化碳排放分别降低13.5%和18%。在此背景下，以不影响纺织经济增长为前提探索提出纺织业污染减排的路径成为亟待解决的重要问题，是纺织业绿色低碳发展的有效途径。受资源分布和能源结构等因素影响，纺织行业发展在空间分布上呈现出明显的空间聚类特征和区域差异，这种产业集群化发展模式在浙江、江苏、山东等纺织大省（区、市）尤为突出。传统三大经济带、四大板块等划分标准难以准确反映其环境污染的区域特征，以国务院发展研究中心于2005年6月发布的《地区协调发展的战略和政策》中提出的八大综合经济区划分标准更加合理。以八大综合经济区为区域研究的空间尺度，考察我国纺织业环境污染状况、分析区域差异；以精准减排为原则，践行差异化减排路径，对于加快实现纺织经济增长与污染减排双赢，全面推进美丽中国建设的现实意义更加凸显。

1 文献综述

测评环境污染状况，是厘清环境污染区域差异和探析减排路径的首要问题。环境污染评价是国内外环境政策研究的核心问题，能够为设定减排目标、识别减排主体、分担减排责任以及规划减排路径提供定量化的信息^[3-5]。已有文献主要采用比值法、熵值法、综合指数法、因子分析法、拉开档次法、计量模型等方法展开研究^[6-8]。在这些方法中，综合指数法被广泛采用，科学客观地选取评价指标是运用综合指数法进行测评的关键。

近年来，学者们围绕行业和区域层面两条线索推进了环境污染评价研究的深度。行业层面上，阮芳芳和曾贤刚^[9]以PM_2.5为代表性指标，采用自下而上法考察中国交通行业污染排放的影响。陈璐怡等^[10]以化学需氧量排放强度为关键性指标，应用动态双重差分法分析绿色产业政策对重污染行业污染减排的影响。区域层面上，洪扬和王佃利^[11]以工业二氧化硫、工业烟（粉）尘、工业废水三项指标，分析了京津冀协同治理对区域污染减排的效果。赵帅等^[12]运用工业废水、二氧化硫、烟粉尘三项指标设立环境污染综合指数，分析了黄河流域环境规制对技术创新的“本地—邻近”空间效应。通过归纳梳理现有文献发现，废水和废气排放是环境污染评价研究中的常用指标。以环境污染评价为基础，现有对环境污染区域差异与减排路径的研究主要涉及两个方面：一是以空间自相关分析、收敛分析、分布动态分析等方法刻画环境污染区域差异、收敛性以及动态演进规律等特征事实，部分文献采用因子分析、聚类分析等方法，对污染减排的重点对象进行识别^{[13, 14]}；二是从环境规制或污染减排潜力等单一层面视角出发，以设定环境污染减排目标为前提探析减排的实施路径^{[15, 16]}。

已有文献为本文研究提供了有价值的洞见，仍存在有待拓展之处：研究方法上，现有研究多采用综合指数法测评环境污染状况，一旦更新观测期，污染物指标权重就会随之变动，测度结果的连续性和一致性难以保持^{[17, 18]}。研究视角上，我国正处在从纺织大国迈向纺织强国的关键时期，环境污染治理投资及效率、能源利用、外商直接投资等因素将被纳入污染减排政策体系中^{[19, 20]}。相较于仅从环境规制或减排潜力等单一视角提出减排路径，有针对性地进行政策调整，探寻不同政策情景下污染减排的路径，是在经济增长框架下研究污染治理问题的科学方案。研究内容上，现有研究缺乏将污染指标分类处理，弱化了不同区域、不同行业环境污染差异性，与现实情况不相符^[21]。

综上所述，推进纺织业环境污染减排、向绿色低碳发展全面转型，是我国纺织业高质量发展的题中之义、突出任务和强烈需求。本文首先考察1998—2021年纺织业环境污染状况，在此基础上探析八大综合经济区纺织业环境污染的区域差异，研究提出纺织业污染减排的一般路径与差异化路径。相较于已有文献，本文的研究贡献主要体现在以下三个方面：研究方法上，采用基于“因子分析”的改进拉开档次法对纺织业环境污染状况进行评价。考虑到水污染是纺织业最严重的污染问题，大气污染次之^{[22, 23]}，首先基于“因子分析”确定水污染和大气污染两类虚拟法则，将水污染物与大气污染物指标区别分类，然后运用改进“拉开档次法”构建纺织业污染排放强度指数进行评价。研究视角上，在纺织经济增长框架下研究纺织业环境污染减排问题。构建纺织业环境污染与经济增长的关联系统进行情景分析，细致考察环境政策变化对纺织经济增长、环境污染的动态影响，在此基础上提出纺织业污染减排的一般路径与差异化路径。研究内容上，着眼于在国民经济发展中具有举足轻重重要战略地位的纺织业，探索实现纺织业高质量发展与污染减排双赢的精准减排路径，为以纺织业为代表的我国传统制造业绿色低碳转型路径研究提供可供参考的决策依据。

2 中国纺织业环境污染状况评价与区域差异分析 2.1 基于“因子分析”的改进拉开档次法

基于“因子分析”的改进拉开档次法不仅能体现出某项指标在指标体系中的重要性，还能客观反映指标权重随观测期变化的情况。采用该方法测评纺织业环境污染状况，步骤如下：

首先，基于“因子分析”法确定虚拟准则。假设样本数量为n，对指标x₁，x₂，…，x_m标准化处理，获得数据矩阵X：

因子分析后得到：

(1)

式中，a_ij代表因子载荷；F_j代表公共因子，即虚拟准则；ε_i为特殊因子；i=1, 2, …, n，j=1, 2, …, k；将m个指标划分在k个虚拟准则内。

然后，运用纵横拉开档次法进行评价。在对数据矩阵重组基础上，确定新的数据矩阵X^*：

(2)

式中，X^*表示准则p下第i个指标，第k个虚拟准则下共存在l个指标。选择X^*中第p个虚拟准则下的g个指标，矩阵X_p^*及对应的综合评价函数表达为：

(3)

式中，W_p表示权重矩阵。以拉开档次法进行评价：求解实对称矩阵H=(X_p^*)^TX_p^*；运用已知数据求解H的最大特征值、特征向量λ_p，为方便计算，对λ_p作归一化操作，获得权重矩阵W_p；再分别求解F_p=X_p^*W_p。

综合应用层次分析法、ACTIC法，代入相关数值…求解“虚拟准则”F₁, F₂, …, F_k, 权重w⁽¹⁾, w⁽²⁾, …, w^(k)。进而确定总评价函数：F_i^*=F₁w⁽¹⁾+F₂w⁽²⁾+…+F_kw^(k)。

2.2 研究时期与发展阶段划分

在我国全面建设社会主义现代化国家、扎实推动共同富裕的新政策中，以区域协调发展为主线的区域发展战略，已经成为我国为顺应国内外经济社会发展形势变化作出的全局性、综合性长远谋划，为我国推动高质量发展提供了重要支撑。故本文从我国区域协调战略启动阶段之后至今20余年的长时期视角考察纺织业环境污染状况与区域差异，具有更强的政策指导性。考虑研究所需数据的可获得性，最大可能地兼顾研究时效性、前沿性，选择以1998年为样本时间起点，以1998—2021年为研究期间，将研究期划分为党的十八大之前（1998—2012年）和党的十八大以来（2013—2021年）两个阶段，着力分析两阶段的对比情况。

2.3 指标选取与数据说明

以生态环境部2021年5月发布实施的《纺织工业污染防治可行技术指南（HJ 1177—2021）》为准则，选取工业废水、化学需氧量、工业废气、二氧化硫、烟（粉）尘、二氧化碳6类污染物排放指标^①，采用1998—2021年中国30个省（区、市）面板数据测算纺织行业污染排放指数。样本选取不包含数据缺失严重的西藏自治区，研究中暂不考虑中国港澳台地区。数据来源上，工业废水、化学需氧量、工业废气、二氧化硫、烟（粉）尘排放量数据分别来源于《中国能源统计年鉴》和《中国环境统计年鉴》，二氧化碳排放量数据来源于中国碳核算数据库（Carbon Emission Accounts & Datasets，CEADs）。需要说明的是，本文的研究对象是纺织行业，由于《国民经济行业分类》（GB/T 4754）经过了2002年、2011年和2017年三次修订，GB/T 4754—2011和GB/T 4754—2017在保持纺织行业大类不变的前提下，对中类和小类进行了分解、合并和调整。考虑到研究观测期为1998—2021年，该时期《中国能源统计年鉴》和《中国环境统计年鉴》中均以纺织行业大类为统计口径，未对中类和小类进行统计，为保证行业分类及数据获得的一致性，以GB/T 4754—2002为标准，研究大类代码为17的纺织行业及小类。

① 生态环境部2021年5月12日发布实施《纺织工业污染防治可行技术指南》（HJ 1177—2021），第四部分“行业生产与污染物的产生”中指出，纺织行业以水污染（废水排放、化学需氧量、氨氮）和大气污染[工业废气、二氧化硫、烟（粉）尘排放量]为主要环境污染特征，据此选取纺织业环境污染指标。考虑到碳达峰、碳中和是我国全面实现绿色低碳发展的重要目标，结合数据的可获得性，选取工业废水排放量和化学需氧量排放量衡量纺织行业水污染状况，选取工业废气排放量、二氧化硫排放量、烟（粉）尘排放量、二氧化碳排放量衡量纺织行业大气污染状况（这里需要说明的是，严格意义上二氧化碳不属于污染排放物，但可作为环境污染的衡量指标）。

2.4 中国纺织业环境污染状况的评价结果

为全面把握纺织业环境污染状况，首先考察2008—2021年八大综合经济区纺织业环境污染指数的时序演化情况，见图 1。

观测期内，长江中游、东部沿海、南部沿海和北部沿海经济区纺织业环境污染指数高于全国均值，大西南、大西北、黄河中游和东北经济区纺织业环境污染指数低于全国均值。长江中游经济区是全国最大的纺织工业基地，纺织产业链配套完整，但纺织业生产耗水量大、水污染排放规模大，导致长江局部支流河段、中小湖泊污染严重，水生态系统受到破坏，短时期内水污染治理难度大。东部沿海和南部沿海经济区的江苏、浙江、福建、广东是我国纺织强省（区、市），聚集着柯桥、汕头潮南印染综合产业园等纺织工业集群，污染排放强度居高位。其余五个经济区纺织业环境污染指数偏低，尤其是黄河中游和东北经济区，纺织企业较为分散，纺织生产污染物排放规模较小。

图 2展示了党的十八大前后纺织业环境污染的特征。党的十八大以来，全国层面纺织业环境污染指数比党的十八大之前略有降低。区域层面上，大西南、长江中游、黄河中游、南部沿海和大西北经济区纺织业环境污染指数略有上升，北部沿海、东部沿海和东北经济区有所降低。大西北经济区的甘肃、青海、西藏和宁夏，地处生态脆弱区，纺织业发展受资源能源约束，长期以来高资源消耗和高污染排放的产业特征未得到根本改善。作为我国最重要的棉纺产业基地之一，新疆纺织资源优势突出，但物流成本高、产业配套滞后等因素成为其纺织经济高质量发展的桎梏。相比之下，党的十八大以来，东部沿海经济区加强对重污染行业分区管控，推动纺织行业实施清洁生产改造，绿色低碳转型成效显著。

2.5 中国纺织业环境污染状况的区域差异

学界关于区域差异测算的方法主要有指标直观比较法、变异系数法、Theil指数法以及Dagum基尼系数。其中，指标直观比较法仅能表明差异存在及大小，不能够揭示差异来源；变异系数法仅能揭示区域差异的存在而未对这种差异性做出来源分解；Theil指数法进行指标分解仅能考虑子样本的差异，未能反映子样本具体分布情况，且该指数使用平均值做运算导致样本的差异被平均化，降低了分析结果的准确性。Dagum^[24]基尼系数不仅能够克服传统基尼系数与Theil指数等传统的不平等程度测算指标构建于正态分布和同方差性假设之上的局限，还能够有效解决样本数据间的交叉重叠问题并揭示区域差异来源^{[25, 26]}，其优势更好地契合了本文的研究需求。故采用Dagum基尼系数对中国纺织业环境污染的区域差异进行探究，通过区域内与区域间基尼系数以及超变密度加以表征。总体基尼系数反映了纺织业环境污染指数的总体差异，测算公式为：

(4)

式中，G为总体基尼系数；第i个综合经济区内（i=1, 2, …, 8）省份j（j=1, 2, …, n_i）的环境污染指数为y_ij；第m个综合经济区内（m=1, 2, …, 8）省份r（r=1, 2, …, n_m）的环境污染指数为y_mr；省份数量为n，n_i（n_m）为第i（m）个综合经济区内的省份数；30个省份环境污染指数均值为µ。

各综合经济区内部环境污染指数的差异用区域内基尼系数衡量，综合经济区两两之间环境污染指数差异用区域间基尼系数衡量，测算公式为：

(5)

式中，G_ii代表综合经济区内的基尼系数；G_im为综合经济区间的基尼系数；µi为综合经济区i内省份的环境污染指数；µ_m为综合经济区m内省份环境污染指数的平均数值。

分解总体基尼系数，分别求解区域内差异、区域间差异与超变密度等三个指标对总体差异的贡献。

(6)

式中，G_w、G_nb、G_l分别代表综合经济区内、经济区间和超变密度的贡献；D_im代表第i和第m个综合经济区间环境污染指数的相对影响；d_im为综合经济区i和m间环境污染指数的差值；θ_im为超变一阶矩阵。

图 3刻画了八大综合经济区纺织业环境污染指数的总体差异及内部差异的演变过程。观测期内，八大综合经济区纺织业环境污染指数总体基尼系数均值为0.348，呈波动下降态势，从1998年的0.458下降到2021年的0.323，年均下降1.30%。从演变趋势来看，大西南、大西北、长江中游、黄河中游、北部沿海、东北、南部沿海和东部沿海经济区内的基尼系数均值依次降低，分别为0.291、0.269、0.257、0.234、0.210、0.131、0.120和0.100。丝纺服装业是大西南经济区的特色产业，近年以综合开发利用为突破口，纺织资源配置效率大幅提高，环境污染指数的基尼系数逐渐降低。除东北和北部沿海经济区基尼系数略有增加，其余六个经济区基尼系数均呈递减态势，东部沿海、南部沿海、长江中游、黄河中游、大西南和大西北经济区内基尼系数年均下降率分别为2.7%、1.5%、0.05%、1.9%、2.1%和3.6%。东北经济区通过电商平台实现了纺织经济的发展，但由于固有技术水平落后、创新改造能力有限，纺织业转型升级过程中的不协调、不均衡短时期内较难得到改善。上海、浙江、江苏、福建、广东以“绿色高端、世界领先”为目标，协同打造绿色制造体系，完善绿色治理模式。

表 1汇集了八大综合经济区纺织业环境污染指数区域间差异的变化幅度。观测期内，南部沿海和长江中游经济区区域间差异最大，基尼系数为0.395；其次是大西南和大西北经济区间的差异，基尼系数为0.386；长江中游与大西北经济区、黄河中游与大西南经济区、大西南与大西北经济区的基尼系数略低，但均值均超过0.370。表明内陆地区纺织业环境污染空间差异性显著。北部沿海和东部沿海经济区纺织业环境污染指数的空间差异最小，基尼系数均值为0.206，说明沿海地区纺织业环境污染指数空间差异较小。北部沿海和东部沿海经济区环境污染指数的差异增幅最大达80%，北部沿海和大西北经济区间差异较低达50.9%。上海、江苏和浙江是纺织强省（区、市），经济规模效应引致纺织业环境污染排放规模总量持续扩大。东部沿海和南部沿海经济区间差异缩减幅度最大，达52.2%，其次是北部沿海和南部沿海经济区间差异，达42.5%。东部沿海和南部沿海经济区依靠区位优势，大力发展纺织经济的同时环境污染治理效能也不断提升。

八大综合经济区纺织业环境污染指数空间差异来源贡献的演变过程如图 4所示。区域间贡献率均值、区域内贡献率均值和超变密度平均贡献率分别为46.96%、13.90%和13.90%，表明区域间差异是中国纺织业环境污染指数空间差异的主要来源。东部沿海地区拥有丰富的棉花等纺织原料，为纺织业发展提供了得天独厚的条件；中西部地区劳动力成本和土地成本相对较低，具有较大的市场和发展潜力。从区域间贡献率来看，1998—2021年整体呈“上升、下降、再平缓上升”的态势。从区域内贡献率来看，大西南经济区的区域内贡献率最高，其余从高到低依次为长江中游、大西北、黄河中游、北部沿海、东北、南部沿海经济区。超变密度贡献率在观测期内相对平稳，未出现较大幅度的波动。

3 中国纺织业环境污染减排的一般路径与差异化路径

联立方程模型有助于描述系统变量之间交错、相互解释的双向或多向因果关系^{[27, 28]}，基于联立方程模型的情景分析能够直观地获得单一变量在方程中的实际作用，便于适时做出调整。这一方法较好地匹配了本文的研究目标，即以不脱离经济增长框架为前提，充分考虑减排技术、环境规制等因素对纺织经济增长与污染减排的协同共赢。

3.1 联立方程模型的构建

现有文献在“提高环境治理投资效率是解决地区环境污染问题的科学途径”这一观点上达成一致^{[29, 30]}。环境治理投资仅反映了政府对地区环境保护的重视程度，且地区环境治理投资水平并不一定随地区经济实力增强而提高^[31]。故将环境治理投资效率引入环境污染减排方程，作为衡量环境规制程度的变量。从系统观点出发，降低能源消耗可以从源头降低社会经济系统的资源需求^{[4, 32]}，对于系统绿色低碳变革起决定性作用，故将能源消耗引入环境污染减排方程。现有研究关于外商直接投资（FDI）对环境污染的影响主要存在两种观点：“污染避难所假说”和“逐底竞赛”假说。部分文献研究指出FDI与环境污染存在显著的正相关关系^[33]，另有文献指出引入FDI对于区域环境污染的改善具有积极作用^[34]，如果能够合理调配FDI，通过资源配置与技术转移可走绿色生产之路，故将FDI引入环境污染减排方程。根据环境库兹涅茨曲线假说，环境污染一定程度上受经济发展水平的影响。故将纺织业工业产值及其二次项引入环境污染减排方程作为控制变量。构建纺织业环境污染减排方程：

(7)

式中，EP表示纺织业环境污染指数；EI表示纺织业环境治理投资；EIE表示纺织业环境治理投资绩效；EC表示纺织业能源消耗；FDI为纺织业外商直接投资；IOV表示纺织业工业产值；IOV²代表纺织业工业产值的二次项；各变量的回归系数分别为ψ₁、ψ₂、ψ₃、ψ₄、ψ₅、ψ₆；ψ₀代表常数项。

在“双碳”目标下，能源消耗成为影响纺织业绿色低碳转型的决定性因素。纺织业污染减排路径的提出，就必须考虑到能源消耗对纺织经济增长的影响。结合柯布道格拉斯生产函数，构建包含能源消耗的纺织经济增长来源分解方程：

(8)

式中，Y指总产出；H、L、K、E是方程中的投入要素，对应的是人力资本、资本、劳动、能源消耗；α、β、γ、χ即各变量的回归系数；c表示常数项。

联立式（7）、式（8），可获得考虑纺织经济增长的污染减排路径联立方程模型。

3.2 数据来源

研究涉及两部分指标数据：

其一是纺织业环境污染减排因素。采用纺织工业环境治理投资额衡量纺织工业环境治理投资EI；以纺织工业环境治理投资额与纺织工业资产存量的比值衡量纺织工业环境治理投资绩效；以纺织业能源消耗量衡量纺织业能源消耗；以外商直接投资占纺织业工业总产值的比重衡量FDI；以1998年为基期，用纺织行业生产者出厂价格指数进行平减处理，得到纺织行业工业总产值，剔除了价格因素对工业总产值的影响。纺织业工业产值的二次项进行相同处理。

其二是纺织经济增长及其投入要素。采用受教育年限法测算我国30个省份纺织业的人力资本^[35]。以纺织行业从业人员年平均数衡量劳动投入。以各省份纺织行业固定资产净年余额的均值就资本投入进行评估。现有研究多采用永续盘存法对资本存量进行估计，但永续盘存法还涉及对资本折旧率和固定资产平均增长率的估算，以不同的资本折旧率和固定资产平均增长率测算得到的资本存量数据差异较大。为尽可能降低数据估算带来的误差，借鉴陈汝影和余东华^[36]、林伯强等^[37]、姜磊等^[38]的处理方式，用固定资产净值年平均余额对资本存量进行估算，以最大限度降低估算误差。采用纺织业能源消耗总量衡量能源消耗。以各省份规模以上纺织行业工业总产值衡量经济增长，以1998年为基期，用纺织行业生产者出厂价格指数将其进行平减。以上指标数据来源于《中国工业统计年鉴》《中国环境统计年鉴》《中国能源统计年鉴》、中国碳核算数据库（CEADs）。

3.3 联立方程实证结果

运用加权两阶段最小二乘法（WTSLS）消除各省份纺织业数据异方差对结果的不良影响。该方法兼具加权最小二乘法和两阶段最小二乘法的优势，既能够有效估计过度识别的联立方程模型，还较好地匹配了其回归分析。运用该方法对联立方程模型做参数估计，结果整理为表 2。纺织经济增长来源分解方程的调整拟合优度值均超过0.90，纺织业污染减排方程的调整拟合优度值除东北经济区（0.594）、大西北经济区（0.476）外，其余六大经济区环境污染减排方程的调整拟合优度值均超过0.70，总体回归结果较好。

3.3.1 纺织业环境治理投资与污染排放的关系存在空间差异

东北、东部沿海、长江中游和大西北经济区纺织业环境治理投资系数小于零，其余4个经济区均为正，反映出纺织业环境治理投资未能有效促进其污染减排。我国工业环境治理投资结构仍存在不合理之处，工业污染源治理投资占整体比例不高，取得的减排效果却较为突出^[39]。在未来较长一段时期内，污染源的污染防治仍是工业环境治理的重点。作为我国传统制造业的典型代表，纺织业高污染、高排放特征明显，既要加大对纺织业污染源治理投资力度，还要提高纺织业污染源治理投资效率。

3.3.2 纺织业环境治理投资效率与污染排放的关系存在空间差异

大西南经济区纺织业环境治理投资绩效系数为正，其余七个经济区均为负，反映出提高纺织业环境治理投资有效促进了其污染减排。区域层面回归结果与全国层面回归结果一致。以钢铁、纺织为代表的重污染行业，环境治理投资总额逐年提升，占GDP比例稳步提高，但环境形势依然严峻，引起了政府和公众的高度重视^[40]。通过改善环境治理投资结构，重污染行业环境治理投资与环境治理的关系改善，环境污染与环保投资的协调机制得到优化，提高了重污染行业环境治理投资效率。

3.3.3 纺织业能源消耗与污染排放的系数变化较小

八大经济区纺织业能源消耗影响污染排放的系数均在0.003~0.006，反映出纺织业能源消耗加剧了污染排放，降低能源消耗总量是推进纺织业污染减排的关键路径，但要以不影响纺织经济增长为前提。北部沿海、东部沿海、大西南和大西北经济区能源消耗系数为负，表明这四个经济区纺织经济增长已摆脱了对能源消耗的依赖；东北、南部沿海、黄河中游和长江中游经济区能源消耗系数为正，表明这四个经济区以降低能源消耗促进污染减排，可能会影响纺织经济发展，需考虑如何通过政策调节将对纺织经济的影响降至最低。

3.3.4 纺织业外商直接投资与污染排放的关系存在空间差异

东北、北部沿海、黄河中游和大西北经济区纺织业外商直接投资系数显著为负，表明纺织业污染排放随外商直接投资额的增加而降低，外商直接投资的技术溢出效应通过示范和模仿效应等直接途径，以及资源流动、竞争机制等间接途径促进了该四大经济区纺织业污染减排。东部沿海、南部沿海、长江中游和大西南经济区外商直接投资系数为正，表明这四个经济区纺织业污染排放随着外商直接投资额的增加而加剧，纺织业发展以承担生产加工环节为主，具有低附加值、高污染排放特征。

3.4 联立方程的情景分析

以纺织经济增长为前提，探索环境治理投资、环境治理投资绩效、能源消耗、外商直接投资等变量影响下纺织业污染减排路径，需关注这些变量的长期影响。故本文侧重探析2020—2021年环境治理投资、环境治理投资效率、能源消耗、外商直接投资等因素对纺织经济与环境污染的作用效应。借鉴Liu等^[41]的研究，设定基准情景、高环境治理投入、高环境规制、低能源消耗以及高外商直接投资情景，见表 3。

以表 2中八大综合经济区纺织经济增长与污染排放联立方程回归的结果为基准，基于五类情景进行预测分析，在此基础上，通过数据加总得到全国纺织经济增长与环境污染的预测结果（表 4）。

3.4.1 中国纺织业环境污染减排的一般路径

由表 4情景模拟的预测结果可知，提高环境治理投入、强化环境规制、提高外商直接投资仅对纺织业环境污染有作用效果，对纺织经济增长的作用不显著；能源消耗与纺织业污染减排正相关，前者的减少可促进后者的降低，同时可在一定程度上限制纺织经济的增长。将研究范围扩大到全国整体分析，提高环境治理投入、增强环境规制以及提高纺织业外商直接投资力度均未能够有效促进纺织业污染减排，控制与减小能源消耗的政策对纺织业污染减排具有显著的正向作用，但会影响行业经济增长。据此提出纺织业环境污染减排的一般路径。

（1）加强纺织业专项环境污染规制的执行力度。2020年和2021年纺织业环境治理投入增加13%，全国层面纺织业环境污染程度加重1.17%和0.93%。出现这一现象的原因可能是，各类专项环境规制对其他类型污染产生的“挤出效应”。理论上，加大某一类型污染物环境规制的执行力度可能会对其他类型污染产生“协同效应”和“挤出效应”。对于以纺织业为代表的重污染行业来说，其生产过程会同时产生废水、废气和固体废物，且排放规模较大。当企业通过专项技术或设备的投入减少其中单一污染物时，有可能会挤出其他类型污染减排的研发投入，使其他类型污染物导致的环境污染加剧。

（2）建立健全纺织业环境污染评价跟踪机制。2020年和2021年增强纺织业环境规则、提高环境治理投资效率13%，使全国层面纺织行业环境污染加重了3.51%和3.92%。提高环境治理投入水平未能有效降低污染规模的症结在于环境治理低效率。一方面，地方政府在环境治理执行中未实现环境治理高投入与高产出，环保设备主要用来应对检查；另一方面，地方政府未建立起有效的环境污染评价机制。对于具有高污染特征的纺织行业，应建立健全环境监测系统，及时规范环境违法行为等。

（3）强化纺织业能效标准引领绿色低碳发展。2020年和2021年纺织业能源消耗降低15%，使得纺织业环境污染分别减少9.20%和9.34%，同时纺织经济增长减缓0.67%和0.65%。需以充分考虑纺织业发展状况为前提，抓住纺织业节能减排的重点领域，明确纺织业的能效标准，从而优化能源结构，促进纺织业能源利用效率持续提高，推进纺织业全方位节能降碳。以纺织业能效标准为引领，便于更具针对性、系统性地开展节能改造，引领整个行业向绿色低碳发展模式全面转型。

（4）构建全球纺织绿色产业发展的新格局。2020年和2021年纺织业外商直接投资提高5%，使全国层面纺织行业环境污染加重了0.24%和0.27%。纺织业环境污染随外商直接投资的增加而加剧，这一结论也成为“污染天堂”假说在我国纺织业的客观证据。随着纺织强国目标的实现，我国纺织业已逐渐向绿色低碳发展模式转型。面向联合国2035年可持续发展目标和我国碳达峰、碳中和目标愿景，中国有责任也有能力联合世界范围内纺织业大国共同建立起纺织绿色发展联盟，共同构建全球纺织绿色产业发展新格局。

3.4.2 中国纺织业环境污染减排的差异化路径

（1）东北和北部沿海经济区都应提高外商直接投资，在促进纺织经济增长的同时提高纺织业资源能源利用效率。2020年和2021年，东北经济区纺织业环境治理投资效率提高13%，环境污染分别加重5.73%和5.93%；外商直接投资提高5%，使纺织业环境污染分别降低0.46%和0.27%；降低纺织业能源消耗15%，环境污染分别降低11.04%和12.79%，但同时纺织经济增长分别降低了0.66%和0.64%。基于这一现实情况，东北经济区在促进纺织业污染减排上需加大外商直接投资力度，通过技术创新提高资源能源利用效率。

（2）北部沿海经济区应加大力度推进纺织业资源能源利用效率提高以及提高外商直接投资水平。2020年和2021年，北部沿海经济区纺织业外商直接投资提高5%，使纺织业环境污染分别降低0.41%和0.81%；降低纺织业能源消耗15%，环境污染分别降低7.01%和8.14%，同时纺织经济分别增长0.24%和0.29%。因而，北部沿海经济区的纺织企业可以充分利用外商直接投资提升技术创新水平，以降低纺织业生产中的资源能源消耗。

（3）东部沿海经济区可通过采用先进技术设备、持续优化能源结构、管理创新等方式等提高纺织业能源利用效率。2020年和2021年，东部沿海经济区增强环境规则、提高环境治理投资效率13%，外商直接投资提高5%，分别使纺织业环境污染程度有所增加；但是降低能源消耗15%，使纺织业环境污染分别降低了7.6%和8.29%，同时纺织经济分别增长0.91%和0.87%。东部沿海经济区虽形成了一批具有国际竞争力和先进特色的纺织企业，但能源结构矛盾仍然存在，纺织企业需借力优化能源结构，降低能源消耗。

（4）南部沿海经济区应通过加大纺织行业环境治理投资力度，优化能源消耗结构等方式促进纺织业污染减排。2020年和2021年，南部沿海经济区增强环境规则、提高环境治理投资效率13%，外商直接投资提高5%，纺织业环境污染加剧。虽然降低能源消耗15%，使纺织业环境污染分别降低了10.37%和11.29%，但同时也使纺织经济增长水平降低了4.02%和3.95%。南部沿海经济区纺织产业集中度较高，以承接国外生产加工环节为主，因此，需由“产能扩张”模式向“价值增长”模式转变，加速优化转型升级步伐。

（5）黄河中游经济区应在加大纺织业节能减排政策的同时，提高外商直接投资以及提高纺织业能源利用效率。2020年和2021年，黄河中游经济区提高环境治理投资效率13%，使纺织业环境污染分别降低了1.13%和0.76%；外商直接投资提高5%，使纺织业环境污染分别降低了0.75%和0.58%；降低能源消耗15%，使纺织业环境污染分别降低了8.05%和8.51%，但同时使纺织经济增长降低了2.17%和2.23%，需要在节能减排政策的制定和执行方面加大力度。

（6）长江中游经济区应加强纺织业环境治理投入力度，控制纺织业污染物排放，形成绿色生态纺织产业集群。2020年和2021年，长江中游经济区提高环境治理投资效率13%，使纺织业环境污染均降低了0.06；外商直接投资提高5%，使纺织业环境污染均提高了0.94%。长江中游经济区纺织印染行业是我国发展最早、最具国际竞争优势的行业，但同时环境危害严重，这也是导致长江中游经济区成为重点承接地的主要原因。因此，长江中游经济区应提高纺织印染废水的处理率以及物料的再利用率，严格核定并控制水污染排放。

（7）大西南经济区应提升纺织业技术水平，通过推动绿色生产方式的实施加快推进绿色制造、加强环境保护。2020年和2021年，大西南经济区增强环境规则、提高环境治理投资效率13%，使纺织业环境污染分别增加7.05%和7.23%；外商直接投资提高5%，使纺织业环境污染分别提高了1.39%和1.41%；降低能源消耗15%，使纺织业环境污染均降低了6.12%，但使纺织经济增长均下降了0.79%。大西南经济区具有较强的劳动力资源优势，需通过研发创新提高纺织产品附加值，推进绿色制造。

（8）大西北经济区作为中国经济发展水平较低的区域，有着较好的纺织经济发展基础，亟须推进纺织业转型升级。2020年和2021年，大西北经济区增强环境规制13%，使纺织业环境污染分别降低0.53%和0.21%；外商直接投资提高5%，使纺织业环境污染降低0.34%和0.31%；降低能源消耗15%，使纺织业环境污染分别降低9.12%和9.24%，同时使纺织经济分别增长0.03%。因此，纺织业亟须加大外商直接投资力度，增强纺织经济发展动能，多措并举协同推进纺织业转型升级。

4 结论与启示

本文采用“因子分析”的改进拉开档次法考察1998—2021年我国纺织业环境污染状况，运用Dagum基尼系数进行纺织业环境污染的区域差异研究，基于联立方程回归构建纺织业环境污染与经济增长的关联系统进行情景分析，研究提出纺织业污染减排的一般路径及差异化路径。主要研究结论如下：

（1）1998—2021年，长江中游、东部沿海、南部沿海和北部沿海经济区纺织业环境污染指数高于全国均值，大西南、大西北、黄河中游和东北经济区纺织业环境污染指数较全国均值偏低；党的十八大以来，全国层面上，纺织业环境污染指数比党的十八大之前略有降低。区域层面上，长江中游、南部沿海、黄河中游、大西北以及大西南经济区纺织业环境污染指数略有上升，北部沿海、东部沿海和东北经济区环境污染指数均略有降低。

（2）观测期内八大综合经济区纺织业环境污染空间非均衡性显著，且呈波动下降的态势，总体基尼系数均值从1998年的0.458下降到2021年的0.323，年均下降1.30%。南部沿海和长江中游经济区的区域间差异最大，其次是大西南和大西北经济区间的差异，长江中游与大西北经济区、黄河中游与大西南经济区、大西南与大西北经济区的基尼系数较低。区域间差异是我国纺织业环境污染指数空间差异的主要来源。

（3）纺织业环境治理投资绩效的提高有效地促进了纺织业环境污染减排；降低纺织业能源消耗总量是推进纺织业污染减排的关键路径，但要以不影响纺织经济增长为前提；纺织业污染排放随外商直接投资的增加而降低，外商直接投资的技术溢出效应通过示范和模仿效应等直接途径，以及资源流动、竞争机制等间接途径促进了经济区纺织业污染减排。

（4）中国纺织业环境污染减排的一般路径为：加强纺织行业专项环境污染规制的执行力度；建立健全纺织行业环境污染评价跟踪机制；构建全球纺织绿色产业发展的新格局；强化纺织业能效标准引领绿色低碳发展。差异化路径为：东北、北部沿海和黄河中游经济区应提高外商直接投资以及提高能源利用效率；东部沿海、大西南经济区可采用先进技术设备、持续优化能源结构、管理创新等方式提高纺织业能源利用效率；南部沿海和长江中游经济区应优化能源消耗结构；大西北经济区亟须推进纺织业转型升级。

针对以上研究结论，得到以下四点启示：

一是考虑到目前我国不同区域纺织业环境治理的空间非均衡性显著，亟须强化目标协同、多污染物控制协同、区域协同、政策协同，提升纺织业环境治理的系统性。二是考虑到区域间差异是我国纺织业环境污染空间差异的主要来源，需重点关注纺织资源的区域间优化配置以及制定差异化的环境治理标准。三是考虑到提升环境治理投资绩效能够以不影响纺织经济增长为前提促进污染减排，全国重点纺织集群积极开展纺织企业绩效升级工作，政府部门发挥牵头抓总作用，不断提升环境治理投资绩效。四是考虑到受资源分布和能源结构等因素影响，我国纺织行业发展在空间分布上呈现出明显的空间聚类特征和区域差异。各经济区纺织企业需充分发挥自身比较优势、以点带面，促进不同区域之间的供需关联，提高资源能源配置效率，全面推进纺织业区域间的协调发展与融合发展，向绿色低碳转型升级。