论文部分内容阅读
摘要城市化是深刻影响经济社会发展的一项重大社会工程，也是在世界范围内具有一定普遍规律的发展现象，我国多年来快速的城市化取得了积极成效，也积累了严重的环境问题。本研究从经济发展与环境压力的国内外研究出发，以285个地级及以上城市为研究对象，利用调整过的STIRPAT模型，分析这些城市2004—2013年工业SO2排放强度、工业废水排放强度和工业烟（粉）尘排放强度的驱动因素，结果显示：①产业结构调整会产生显著的环境效应，第二产业产值占比对工业污染物排放强度有显著的拉动作用，虽然现阶段我国大多数城市的产业结构向合理化趋势发展，但部分城市仍过分倚重第二产业对经济的拉动，资源消耗大、环境污染严重；②城市人口密度与空间规模扩张，使不同规模、不同经济发展水平的城市间出现了“污染转移”现象；③我国城市成为外资企业“污染避难所”的问题并不突出，外资企业对工业烟（粉）尘排放相关产业部门降低排放强度有显著的正环境效应；④在一定的城市规模区间内，城市规模对工业污染物排放强度有显著影响；⑤ 285个城市中，大多数城市的工业污染物排放强度的EKC曲线拐点可能已经到来且处于曲线下降阶段，污染反弹的可能性不大，但污染物排放强度拐点的到来并不意味着环境质量改善的拐点也到来。因此，需要正确认识和处理好经济发展与环境保护之间的关系，为城市化发展滞后地区留足发展的生态资本，通过强化环保总体规划、明确生态红线和城市增长边界，合理布局城市产业结构、提高城市土地集约化程度引进绿色资本、实施差异化评估考核等方式推动城市绿色可持续发展。
关键词城市化；环境效应；排放强度；STIRPAT模型
中图分类号X503文献标识码A文章编号1002-2104（2017）03-0063-11doi：10.3969/j.issn.1002-2104.2017.03.008
城市化是深刻影响社会经济发展的一项重大社会工程，也是在世界范围内具有一定普遍规律的发展现象[1]，涉及所处的发展阶段、类型、具体特征、地区差异、健康状态、城镇数量、规模结构、空间分布等多方面内容[2]。我国的城市化经历了不同的发展阶段，尤其是改革开放以来城市化发展速度快、经济成效明显，但城市发展质量低与城市扩张不合理等引发了大气、水、土壤等环境问题，传统粗放式的经济发展方式已难以持续，亟需在坚持生态文明的基本理念下，以绿色发展理念推动城市发展。城市化进程中的环境问题备受学者关注，李佐军[3]等人探讨了城市化进程中存在的生态环境问题，蒋洪强[4]等人研究了我国城镇化发展的边际环境污染效应，王金南[5]等人研究了CO2网格排放值与城市规模、城市经济发展水平等之间的关系。识别和解决城市发展中的环境问题需要加强环境管理，而环境管理的任务就是在于寻求经济增长与环境质量和环境资源基础的平衡[6]。在此背景下，本文着重研究我国285个地级及以上城市2004—2013年间城市发展过程中的环境效应及其影响因素，为当前和未来我国城市资源要素配置、产业结构布局、空间规模调整提供参考依据。
1文献综述
经济发展与环境问题关系的研究最早开始于环境库兹涅茨曲线的研究。Kuznets[7]研究了收入不平等与经济发展之间的关系，发现两者呈倒U字型关系。后来这一关系被逐渐引申至经济增长与环境质量关系的研究中。Grossaman & Krueger[8]首次发表了污染物排放与人均收入呈倒U型关系的文章，Shafik & Bandyopadhyay[9]在《世界银行发展报告 1992》中提出了这种曲线关系，而Panayotou[10]则首次提出了环境库兹涅茨曲线的概念，即经济在发展初期环境质量逐渐开始恶化，但随着经济发展到一定阶段后，环境质量却逐渐得到改善，由此得出经济增长与环境压力之间呈现倒U型关系。后来，大量的国外学者对该曲线的形状展开了讨论，Rezek & Rogers[11]，Jalil & Mahmud[12]，Pao & Tsai[13]，Zanin & Marra[14]，Shahbaz[15]，LinSea Lau[16]等认为该曲线是倒U型形状。而Richmond & Kaufmann[17]，Cialani[18]，Coondoo & Dinda[19]，Aslanidis & Iranzo[20]，Iwata[21]，Fujii & Managi[22]等研究认为该曲线可能是N字型、线性等其他形状。国内学者，如刘华军[23]研究CO2排放总量等与人均GDP之间的关系，发现两者呈单调递增关系。周璇[24]基于不同地区1997—2010年数据，发现部分地区的EKC曲线形状为倒U型，部分地区为N型，部分地区为U型或单调递增型。任海军[25]基于30个省区3组不同城市化水平的数据（1997—2011年），发现人均地区生产总值与CO2排放量在城镇化的各阶段都存在倒U型关系。
翁智雄等：多因素驱动下的中国城市环境效应分析中国人口·资源与环境2017年第3期 随着研究的不断深入，国内外学者开始越来越关注哪些经济和社会因素会驱动污染物的排放。有一部分学者提出国际贸易的影响。如Suri & Chapman[26]，Kearsley & Riddel[27]等认为随着一国经济发展水平的不断提高，对国内产品的环境管制要求会越来越严格，污染产品由经济发达地区转移至环境管制要求低的经济欠发达地区。另有一部分学者认为是结构变化和技术进步的结果。Shafik & Bandyopadhyay[9]，Hettige[28]等人认为结构变化引起从污染密集型产业部门转向服务业等污染小的部门，技术进步导致生产技术提高和资源消耗下降。还有部分学者認为政府管制也会产生重要的影响。Panayotou[29]，Bhattarai[30]，Dutt[31]等认为更好的政府管制、更强的政治机构、更大的教育投资都会对污染物排放产生重要影响。当然，还有一部分学者认为其他因素也会产生影响，如Roca[32]，Martini & Tiezzi[33]等认为居民的消费倾向会改变环境质量的需求弹性。国内的研究与国外有一定的承接，众多学者从产业结构调整、技术进步、外商投资等因素出发研究污染物的驱动因素。如林伯强[34]从能源消费结构角度研究出发，认为不同的能源消费使二氧化碳排放量出现明显的差异。石广明[35]利用Shephard输出距离函数，对工业SO2排放变化指标进行分解，研究认为2000—2006年SO2排放增加的主要影响因素是资本投入与产出结构变化、工业能源消耗，技术变化也有一定的作用。刘玉萍[36]，张兵兵[37]等从技术进步的角度出发，研究技术进步对CO2排放强度的影响。但综合来看，国内的研究主要以国家和省（自治区、直辖市）作为研究对象，基于大量城市面板数据的研究较少。同时，文献中的污染物排放驱动因素更多侧重于技术水平、产业结构、国际贸易等，以城市人口为表征的城市规模等因素并没有得到充分考虑。 2模型建立与变量选择
2.1模型建立及其原理
1999年，Ehrlich首次提出了“I=PAT”模型。其中，I代表环境压力，P代表人口规模，A代表经济水平，T代表技术水平，该模型主要用于研究人口对环境压力产生的影响。由于模型本身未考虑自变量对因变量非等比例的影响关系，实际应用中该模型的问题逐渐暴露出来。
I=PAT模型被不断拓展，国内外应用较多的为STIRPAT模型。在面板上数据处理中，通常会对模型进行对数处理，即在等式的两边分别取对数，来减少数据的波动和异方差性。取对数后，方程变为：
其中，i代表不同国家、不同省份或不同城市，t代表时间，ai为常数项，eit为扰动干扰项，bi，ci，di分别表示污染物排放对人口规模、经济发展水平、技术发展水平的弹性。实际应用中，由于影响污染物排放的因素不仅仅局限于上述几个自变量，还包括城镇化率、环境管理等其他变量，所以需要根据研究问题的实际情况适当增加变量。
2.2变量选择
本文主要采用STIRPAT模型来研究问题，分别选择单位GDP工业二氧化硫排放量（即工业二氧化硫排放强度）、单位GDP工业废水排放量（即为工业废水排放强度）和单位GDP工业烟（粉）尘排放量（即工业烟（粉）尘排放强度）作为因变量，通过这三个因变量来表征气、水污染物排放情况。污染物排放强度能近似地表示环境技术水平，同行业排放水平越高表示环境技术水平越低。用城市人均GDP表征城市经济发展水平，人口规模用人口密度变量来表征。由于污染物排放驱动因素分析是一个复杂的过程，本文为了更全面地分析影响因素，进行了以下几方面的考虑：
（1）模型变量选择中，新增产业结构（第二产业产值占地区生产总值比重）变量，贸易开放程度变量（外商直接投资实际利用额），各变量单位及符号表示如表1所示。
（2）2014年11月20日，国务院印发《关于调整规模划定标准的通知》（简称《通知》），根据城市城区常住人口将城市划分成了五类七档，分别为小城市、中等城市、大城市、特大城市和超大城市。鉴于城市城区常住人口的统计较为困难，本文主要采用城市常住人口作为划分城市规模的标准，参考《通知》的划分标准，并综合所研究样本的城市常住人口特征，划分出四组虚拟变量，即城市常住人口规模>1 000万人，城市常住人口规模500—1 000万人（含1 000万），城市常住人口规模100—500万人（含500万人），城市常住人口规模100万人以下（含100万人）。其中，选择城市常住人口规模500—1 000万人作为参照组，分析其他各组变量对其是否存在显著的关系，如表1所示。
（3）为检验污染物排放强度與经济发展水平之间是否存在环境库兹涅茨曲线（EKC），本文进一步考察污染物排放强度与各城市人均GDP之间的关系，分别取人均GDP的一次方、二次方和三次方，拓展的STIRPAT模型如下：
其中，Iit表示污染物排放强度，a1，a2，a3分别表示城市人均GDP的一次方、二次方和三次方前的系数，εit表示扰动干扰项。通过分析系数正负性可判断环境库茨涅茨曲线的形状，系数与EKC曲线关系如下：
① 若a1>0，a2<0，a3=0，则污染物与经济增长之间呈倒U型关系；
② 若a1<0，a2>0，a3=0，则污染物与经济增长之间
呈U型关系；
③ 若a1>0，a2<0，a3>0，则污染物与经济增长之间呈N型关系；
④ 若a1<0，a2>0，a3<0，则污染物与经济增长之间呈倒N型关系。
3数据来源与平稳性检验
3.1数据来源
本文主要选择北京市、天津市、石家庄市等设区市，其中，包括北京、天津、上海、重庆4个直辖市和281个地级市，共285个城市。由于统计数据缺失或不齐全，本文未将西藏、台湾、香港和澳门考虑在内。鉴于我国县（市、区）级市较长周期内关于污染物排放、经济因素、环境管制等变量的统计数据缺乏，部分统计指标也不规范，本文也未将县级市考虑在内。
本文以城市为研究对象，选择285个地级市及以上城市2004—2013年的数据开展研究。数据的主要来源包括：一是来自于城市有关的统计年鉴，主要有《1997—2012年中国城市统计年鉴》和《2013年中国省市经济发展年鉴》；二是省级层面或国家层面的数据主要参考省级和国家统计年鉴，主要有我国历年的《中国统计年鉴》、各省历年的统计年鉴；三是环境相关的数据参考国家环境统计年鉴，主要参考我国历年的《中国环境统计年鉴》等。
3.2平稳性检验
为防止非平稳变量引起伪回归以及t检验失效等问题，便于对模型进行准确预测，需要检验回归变量的平稳性。一般情况下，检验面板数据平稳性的方法主要有：LLC检验，HarrisTzavalis检验法，Breitung检验法，ImPesaranShin，Fishertype检验法。由于本文所选的数据为非平衡面板数据，因此采用FisherADF检验，该检验方法对面板数据的平衡性没有很强的要求，原假设为面板数据有单位根（非平稳），通过观察Inverse chisquared的P值大小，判断变量是否稳定。当P<0.05时，拒绝序列式存在单位根假设，认为变量是平稳的；反之，变量是非平稳的。FisherADF检验的结果如表2所示。
由表2可知，7个变量的一阶差分值的伴随概率均为0.000 0，通过了1%的显著性检验，因此拒绝原假设（序列非平稳，存在单位根），变量一阶差分序列均为平稳性序列，满足一阶单整。根据协整理论，当变量为同阶单整时，变量之间可能存在协整关系。由此可知，工业SO2排放强度、工业废水排放强度、工业烟（粉）尘排放强度、人均GDP（平减后）、人口密度、第二产业比重和外商直接投资实际利用额之间可能存在协整关系。协整检验的结果见4.1节。 4污染物排放强度驱动因素分析
4.1STIRPAT模型结果
本文基于285个设区市2004—2013年的面板数据，运用STATA12.0软件，得到各变量之间的相关关系和显著性水平（见表3）。
本文针对工业SO2排放强度、工业废水排放强度、工业烟（粉）尘排放强度等3类不同的污染物排放强度分别计算了随机效应模型（random effects model）和固定效应模型（fixed effects model）。从研究的角度来看，随机效应模型和固定效应模型都是面板数据分析中常用的两种模型，固定效应模型认为包含个体影响效果的变量是内生的，而随机效应则认为是外生的，通常利用Hausman模型做出模型的选择。根据STATA12.0Hausman检验结果（见表3），三类污染物排放强度的Hausman模型检验结果都显著，说明运用固定效应模型能更好地解释计量回归结果。
上节中对面板数据的平稳性做了检验，结果显示各变量为一阶单整，由此说明工业SO2排放强度、工业废水排放强度、工业烟尘（粉）排放强度、人均GDP（平减后）、人
口密度、第二产业比重和外商直接投资实际利用额之间可能存在协整关系。本节对各变量间的协整关系做了进一步检验（见表3）。由表3可知，三类污染物排放强度下的各变量间的协整检验结果都显著，说明各变量之间均存在稳定的协整关系，即存在长期稳定的均衡关系。
4.2四大社会经济因素的环境效应
4.2.1产业结构产生的环境效应
回归结果表明，第二产业占比对三类污染物排放强度均有显著的正的影响。由表3可知，第二产业占地区生产总值的比重对工业SO2排放强度、对工业废水排放强度和对工业烟（粉）尘排放强度都通过了1%的显著性检验，且显著正相关。由此说明，第二产业比重越大，工业SO2排放强度、工业废水排放强度和工业烟（粉）尘排放强度也越大，产业结构的环境效应较明显，不合理的产业结构将会加剧环境污染。
大量学者对产业结构的环境效应做过研究，如丁焕峰[38]等学者基于我国的面板数据或省级数据开展过研究，本文根据285个城市的面板数据，得到了相似的研究结果。图1为本文选择的285个城市2013年第二产业和第三产业占比分布图，由图可看出大部分城市的产业占比较为集中，第二产业占比主要集中在35%至65%之间，第三产业占比集中在20%—50%。值得注意的是，也有部分第三产业比重或第二产业比重较高的城市，如重工业城市克拉玛依、大庆、攀枝花等，第三产业比重较高城市如北京、三亚、张家界、呼和浩特等。图1显示，现阶段我国大多数城市的产业结构虽向合理化的趋势发展，但也有部分城市过分倚重第二产业的经济拉动，资源能源消耗大、环境污染严重的问题仍然客观存在。调整和优化产业结构仍然是当前城市发展的重要问题，特别是降低第二产业比重，推进经济发展提质增效，是改善我国环境质量的重要途径。
4.2.2人口密度产生的环境效应
城市化的重要表現是人口城市化，即城市的人口密度不断扩大。本研究表明，人口密度对工业SO2排放强度和工业烟（粉）尘排放强度有负的显著影响。其中，对工业SO2排放强度通过了10%的显著性检验，对工业烟（粉）尘排放强度通过了1%的显著性检验，即在其他条件不变的情况下，人口密度越大，工业SO2排放强度与工业烟（粉）尘排放强度越小。研究还发现，人口密度对工业废水排放强度也有负的影响，但影响不显著。如图2分别显示了工业SO2排放强度、工业烟（粉）尘排放强度和工业废水排放强度与人口密度之间的关系，由该图可进一步辨识污染物排放强度与人口密度之间的正负关系，工业SO2排放强度和工业烟（粉）尘排放强度之间的负相关关系非常明显，而工业废水排放强度与人口密度的点分布的趋势性并不十分明显。
分析285个城市污染物排放强度与人口密度的这一关系，本文认为不同规模、不同经济发展水平的城市间已经出现了“污染迁移”。本文的这一判断，主要基于以下几方面考虑：第一，人口密度与城市经济发展水平关系密切，如图2中A图所示，当人口密度处于较低阶段时，城市经济水平（用人均GDP表征）并没有表现出明显的变化，虽然有下降的趋势，但从散点分布的密集度来看，本文认为这一局部现象主要由部分城市的极端值引起，人口密度与城市经济水平之间的关系应该主要看A图右半部分的变化趋势。由此可知，人口密度越大，对应的城市经济发展水平越高。第二，城市化是一个演化的过程，城市发展的不同阶段会有不同的产业布局和规模。一般来说，城市发展初期的产业布局更加偏重于工业型城市，这个阶段是污染物急剧增加的阶段；随着城市经济发展水平提高，拥有更多资金和技术，环境治理的能力和引进企业的环境标准提高，同时也会逐步淘汰一些落后产能和高污染、高耗能行业，出现污染向经济发展水平低的城市转移。结合人口密度与经济发展水平之间的正向关系，本文认为285个城市中人口密度大（即经济发展水平较高的城市）的城市，其部分污染型产业已经开始向人口密度低（即经济发展水平相对低）的城市转移，由回归结果的显著性可判断，这种“污染迁移”已经较为明显，“污染避难所”的情景已经在不同经济发展水平城市间上演，即污染产业由人口密度大的城市迁移至人口密度小的城市。
从回归结果可知，人口密度与工业废水排放强度之间并不存在显著关系。本文认为，产生这一结果的原因主要与工业废水排放行业的特征有关。需水型行业在产业布局中一般沿河或沿湖分布，带状布局较为明显。但人口的分布除了有流域性特征，一些缺水的平原地带密度也较大。因此，各种因素综合影响后人口密度与工业废水排放强度之间的关系并不十分明显。
4.2.3外商直接投资产生的环境效应
外商直接投资对污染物排放强度的影响主要有两方面。一是外商直接投资对工业烟（粉）尘排放强度有显著的负的影响。由表3可知，外商直接投资实际利用额对工业烟（粉）尘排放强度产生显著的负的影响，通过了5%的显著性检验，即在其他条件不变的情况下，外商直接投资实际利用额越大，工业烟（粉）尘排放强度则越小。二是外商直接投资对工业SO2排放强度和工业废水排放强度产生负的影响，但影响并不显著。从外商直接投资对工业SO2排放强度和工业废水排放强度的影响来看，回归系数分别为-0.004 26和-0.007 62，说明外商直接投资的流入反而有助于推进产业部门改进废水处理、脱硫设备，降低污染物排放强度，但从显著性结果来看，这种影响是十分微弱的。总体上来看，外商直接投资并没有表现出大规模向我国转移污染物的趋势，反而有助于工业烟（粉）尘排放的相关产业的调整与优化。 分析上述研究现象，本文认为主要是由以下几方面原因产生的：第一，从外商直接投资的产业分布来看（如图3所示），我国的外商直接投资主要集中在批发零售业、租赁与商务服务业等领域。以2012年外商投资总额为例，制造业占43.7%，房地产业占21.6%，批发和零售业占8.5%，租赁和商务服务业占7.3%，其他占18.9%，外商直接投资在化工、火电、钢铁等重污染行业的投资份额较小，外商直接投资并没有对传统的污染行业有明显影响。
本文认为，行业类别的差异可能也是造成不同污染物排放强度显著性差异的原因。第二，我国外商投资规模不断扩大，2014年的外商直接投资规模约是2004年的1.97倍，规模达到1 196亿美元（如图3所示），外商企业自身拥有的先进环境技术有助于推进产业的排放强度下降，其对内资企业的技术溢出也有可能倒逼内资企业降低污染物排放强度。第三，随着我国引进外资水平不断提高，国内环境管理制度的日益加强，引进外资企业的环境标准明显提高，“污染转移”的受制条件与开放初期相比增加许多，我国正向的环境溢出效应的能力也越来越强。
4.2.4城市规模产生的环境效应
城市常住人口是城市规模大小的重要衡量标准，我国现有的城市规模等级主要依据城区人口规模来划分，不同规模等级城市的自然资源禀赋、工业基础、产业结构、技术条件等都存在一定差异，导致工业污染物排放强度有一定区别。
回归结果表明，在一定的城市规模限度内，按城市常住人口划分的城市规模对工业污染物排放强度有一定影响。由表3可得出以下几点结论：第一，与城市常住人口规模500万到1 000万的城市相比，城市常住人口规模1 000万以上的城市工业废水排放强度和工业烟（粉）尘排放强度并不显著，但工业SO2排放强度通过了10%的显著性水平。由此说明，常住人口1 000万以上城市的工业SO2排放强度要比常住人口规模500万到1 000万城市排放强度小，而且这种差异较明显，但工业废水排放强度和工业烟（粉）尘排放强度的差异并不显著。第二，与参照组相比，城市常住人口规模100—500万城市的工业SO2排放强度通过了10%的显著性检验且为负相关，工业废水排放强度和工业烟（粉）尘排放强度通过了1%的显著性检验且为负相关。由此说明，常住人口100—500万城市的工业污染物排放强度要比常住人口规模500—1 000万城市的排放强度小，而且排放强度的差异较明显。第三，与参照组相比，城市常住人口规模100万以下城市的工业SO2排放强度通过了5%的显著性检验且为正相关，工业废水排放强度和工业烟（粉）尘排放强度通过了1%的显著性检验且为正相关。由此说明，常住人口100万以下城市的工业污染物排放强度要比常住人口规模500—1 000万城市的排放强度大，而且排放强度的差异较明显。
值得注意的是，城市人口規模1 000万以上城市，工业SO2排放强度显著负相关，本文认为主要有以下原因：工业SO2排放主要产生于火电等行业，而我国的火电行业企业主要以大型国有企业为主，从火电企业的分布受成本最优的产业布局影响，主要有以下几点特征：一是火电行业的分布受到资源导向的影响，如山西、内蒙的火电行业主要布局在大型煤矿附近；二是火电行业的布局受到地区经济发展水平的影响，火电企业是大型、超大型城市的电能源供应者，经济发展水平高、城市人口集中、建成区面积大、产业布局密集的城市周围一般会有火电企业的分布。河北、山东、内蒙的许多火电企业的电力主要输往北京，江
苏也布局一些火电企业，也主要供应上海、南京等大城市。由此可以判断，城市规模在1 000万以上的城市，其电力主要由周边的火电企业供应，使其自身工业SO2排放量反而比周边地区少，所以出现了一定的显著关系。本文的研究结果也表明，与工业SO2排放相比，工业废水排放和工业烟（粉）尘排放在常住人口1 000万以上的城市并没有表现出明显的差异，说明这类规模的城市工业废水排放和工业烟（粉）排放仍处于较高的水平。
4.3污染物排放强度与经济发展水平关系
为进一步探讨城市经济发展和环境问题之间可能存在的关系，本文分别研究了工业SO2排放强度、工业废水排放强度、工业烟（粉）尘排放强度与经济发展（以人均GDP表征）之间的关系。
（1）工业SO2排放强度与人均GDP的关系。由表3可知，我国285个城市的面板数据显示工业SO2排放强度与人均GDP之间呈现线性关系，且为负向关系，说明随着人均GDP水平的不断提高，工业SO2排放强度也随之降低。
（2）工业废水排放强度与人均GDP的关系。工业废水排放强度与人均GDP之间呈线性关系，且为负向关系，即随着人均GDP水平的不断提高，工业废水排放强度也随之下降。
（3）工业烟（粉）尘排放强度与人均GDP的关系。根据表3人均GDP的回归系数可以判断，工业烟（粉）尘排放强度与人均GDP之间呈正U型关系，即随着人均GDP增加，工业烟（粉）尘排放强度出现先减后增的趋势。本文根据公式ζ=exp（-β1/（2β2））计算出了拐点处的人均GDP值，经计算可得拐点处的人均GDP值为4 233 414元，该值与285个城市现有水平相比有很大距离。按照数据反映的趋势变化，这个拐点将在未来某个时间节点出现，但事实上本文认为这个拐点并不会到来。
5结论和政策建议5.1结论本文通过对285个地级及以上城市2004—2013年的数据开展研究，综合分析工业SO2排放强度、工业废水排放强度和工业烟（粉）尘排放强度的驱动因素，主要得出以下几点结论：
（1）产业结构的调整会产生明显的环境效应。第二产业产值占比对工业污染物排放强度有显著的拉动作用，虽然现阶段我国大多数城市的产业结构向合理化的趋势发展，但部分城市过分倚重二产对经济的拉动，资源与能源消耗大、环境污染显著的问题仍客观存在。由285个城市第二产业和第三产业产值占比坐标点分布可发现，大部分城市的坐标点分布在第二产业占比35%到65%之间，第三产业占比20%到50%之间，但攀枝花、大庆、克拉玛依等城市第二产业产值占比很高，现阶段仍然是典型的重工业城市。调整和优化产业结构是我国经济结构转型的重要任务。 （2）不同规模和不同经济发展水平城市间出现了“污染转移”现象。研究发现，人口密度对工业SO2排放强度和工业烟（粉）尘排放强度有显著的负影响，通过散点拟合图可发现，城市经济发展水平提高与人口密度增加是同步的正向关系，而由于城市化是一个不断演进的过程，各阶段的产业布局和产业规模会随着城市的经济发展水平发生相应的变化，落后型、污染型产业逐渐从人口密度大、经济发展水平高的城市“挤出”。我国多数城市仍处于扩张、发展未饱和阶段，城市人口不断集聚。但城市人口规模扩张的过程也伴随着产业重新调整与布局。政治、经济输出功能强大的城市筛选和保留了环境效应较好的产业，逐渐向外或周边城市输出环境效应低的产业，出现“污染转移”现象。
（3）我国城市成为外资企业“污染避难所”的问题并不突出。研究发现，外商直接投资实际利用额只对工业烟（粉）尘排放强度有显著的负影响，对工业废水排放强度和工业SO2排放强度的影响并不显著，“污染避难所”问题并不突出既与外资企业投资行业相关，也与外资企业资金优势、技术优势有关，还与我国各城市近几年引进外资日益提高的环境标准相关。
（4）城市规模扩张会溢出正的环境效应。本文按照城市常住人口对城市规模进行了划分，以虚拟变量的形式判断城市规模对工业污染物排放强度产生的环境效应。研究发现，城市规模对工业污染物排放强度有一定的影响，城市规模扩大可能会溢出正的环境效应。
（5）工业污染物排放强度与经济发展呈现一定的关系。研究发现，除工业废水排放强度外，工业SO2排放强度、工业烟（粉）尘排放强度与人均GDP均呈线性关系，即现阶段随着人均GDP水平的不断提高，工业污染物排放强度呈现下降趋势。虽然工业废水排放强度与人均GDP之间呈现U型关系，但从环境技术改善、资源能源利用效率提高等变化来看，该拐点在未来某个时点出现的可能性很小。
5.2政策建议
第一，认识和处理好环境保护与经济发展之间的关系，为城市化发展滞后地区留足持续发展的生态资本。我国城市的环境保护与经济发展之间总体上呈现良性发展的态势，但城市化发展缓慢、基础设施薄弱、产业发展滞后、公共供给能力不足的部分设区市和一些縣级市两者的矛盾仍十分突出。要推进这些地区产业结构调整，留足可持续发展的生态资本，将绿色优势转化为发展优势。要划定“生态保护红线、排放总量上限、环境准入底线”，提高这些地区的生态产品供给能力。通过重点生态功能区转移支付、生态多样性保护重大工程及流域区域横向生态补偿、自然保护区建设等，发挥生态保护与经济发展的协同效应。
第二，进一步优化城市产业结构，合理确定城市发展规模和城市布局，提高城市土地的集约利用率，积极引进“绿色资本”。调整和优化城市产业结构，对于具有明显资源禀赋优势的城市，要提高资源能源利用效率，从源头管控，减少污染输出；对于重工业型城市，要在原有基础上进行产业布局，淘汰落后产能。合理控制城市的人口规模，严格控制超大、特大城市的人口数量，分散超大、特大城市的部分政治、经济和文化功能，要积极推动中小城市的发展，优化其城市布局，推动其产业转型升级，协同推动其功能布局、产业发展、生态空间的布局。积极引进“绿色资本”，制定严格的外资引进环境标准，引进外资企业的绿色资本，鼓励外资投资发展循环经济、清洁生产等领域。
第三，明确各地污染现状和自然禀赋差异，构建地区差异化指标体系，通过实施环境质量目标矩阵管理模式，确定大气、水、土壤环境质量标杆城市、达标城市、改善城市名单矩阵。我国城市的自然禀赋、产业基础、人口规模等都存在一定的差异，用同一标准衡量缺乏公平合理性。因此，应确定一批环境质量已达标、需继续改善或维持的城市（标杆城市）、一批“十三五”期间努力后能达标的城市（达标城市）、一批不能达标但经过治理环境质量改善的城市（改善城市），制定大气、水和土壤的城市名单矩阵，通过构建差异化的指标体系，实施目标矩阵管理模式，并综合运用环境保护督察巡视、环保督政约谈、领导干部自然资源资产离任审计等手段和制度，统筹推进城市环境保护工作。
（编辑：王爱萍）
参考文献（References）
[1]周干峙.中国特色新型城镇化发展战略研究[M]. 北京：中国建筑工业出版社，2013.[ZHOU Ganzhi. The development strategy of new urbanization with Chinese characteristics[M]. Beijing： Chinese Building Industry Press， 2013.]
[2]简新华，黄锟. 中国城镇化水平和速度的实证分析与前景预测[J]. 经济研究，2010（3）：28-39.[ JIAN Xinhua， HUANG Kun. Empirical analysis and forecast of the level and speed of urbanization in China[J].Economic research journal， 2010（3）： 28-39.]
[3]李佐军，盛三化. 城镇化进程中的环境保护：隐忧与应对[J]. 资源再生，2013（8）：18-21.[LI Zuojun， SHENG Sanhua. Environmental protection in urbanization： worries and actions[J]. Resource recycling， 2013（8）： 18-21.]
[4]蒋洪强，张静，王金南，等. 中国快速城镇化的边际环境效应变化实证分析[J]. 生态环境学报，2012，21（2）：293-297.[JIANG Hongqiang， ZHANG Jing， WANG Jinnan，et al. Accounting model and demonstration for marginal environmental effects of the rapid urbanization in China[J]. Ecology and environmental sciences， 2012， 21（2）： 293-297.] [5]王金南，蔡博峰，曹東，等. 中国10km二氧化碳排放网格及空间特征分析[J]. 中国环境科学，2014，34（1）：1-6.[WANG Jinnan，CAI Bofeng，CAO Dong，et al.China 10km carbon dioxide emissions grid dataset and spatial characeteristic analysis[J].China environmental science，2014，34（1）：1-6.]
[6]张世秋. 中国环境管理制度变革之道：从公共部门管理向公共管理转变[J]. 中国人口·资源与环境，2005，15（4）：90-94.[ZHANG Shiqiu.Reform of Chinas environment regulatory system：from sectorbased management to public management[J].China population，resources and environment，2005，15（4）：90-94.]
[7]KUZNETS S. Economic growth and income inequality[J]. The American economic review，1955： 1-28.
[8]GROSSMAN M，KRUEGER A. Environmental impact for the north American Free Trade Agreement[R]. NBER workingpaper， 1991.
[9]SHAFIK N，BANDYOPADHYAY S. Economic growth and environmental quality：timeseries and cross country evidence[R]. Policy research working paper，1992.
[10]PANAYOTOU T. Empirical tests and policy analysis of environmental degradation at different stages of economic development[R]. International Labour Organization， 1993.
[11]ROGERS K. Decomposing the CO2 income tradeoff： an output distance function approach[J]. Environment and development economics，2008， 13（4）： 457-473.
[12]JALIL A，MAHMUD S F. Environment Kuznets curve for CO2 emissions：a cointegration analysis for China[J]. Energy policy，2009，37（12）：5167-5172.
[13]PAO H T，TSAI C M. Modeling and forecasting the CO2 emissions，energy consumption，and economic growth in Brazil[J]. Energy，2011，36（5）：2450-2458.
[14]ZANIN L， MARRA G. Assessing the functional relationship between CO2 emissions and economic development using an additive mixed model approach[J]. Economic modelling，2012，29（4）：1328-1337.
[15]SHAHBAZ M，MUTASCU M，AZIM P. Environmental Kuznets curve in Romania and the role of energy consumption[J]. Renewable and sustainable energy reviews， 2013，18（2）：165-173.
[16]LAU L S， CHOONG C K， ENG Y K. Investigation of the environmental Kuznets curve for carbon emissions in Malaysia：do foreign direct investment and trade matter？[J]. Energy policy，2014，68：490-497.
[17]RICHMOND A K，KAUFMANN R K. Energy prices and turning points： the relationship between income and energy use/carbon emissions[J]. The energy journal， 2006，27（4）：157-180.
[18]CIALANI C. Economic growth and environmental quality：an econometric and a decomposition analysis[J]. Management of environmental quality： an international journal，2007，18（5）：568-577.
[19]COONDOO D，DINDA S. Carbon dioxide emission and income：a temporal analysis of crosscountry distributional patterns [J]. Ecological economics，2008，65（2）：375-385.
关键词城市化；环境效应；排放强度；STIRPAT模型
中图分类号X503文献标识码A文章编号1002-2104（2017）03-0063-11doi：10.3969/j.issn.1002-2104.2017.03.008
城市化是深刻影响社会经济发展的一项重大社会工程，也是在世界范围内具有一定普遍规律的发展现象[1]，涉及所处的发展阶段、类型、具体特征、地区差异、健康状态、城镇数量、规模结构、空间分布等多方面内容[2]。我国的城市化经历了不同的发展阶段，尤其是改革开放以来城市化发展速度快、经济成效明显，但城市发展质量低与城市扩张不合理等引发了大气、水、土壤等环境问题，传统粗放式的经济发展方式已难以持续，亟需在坚持生态文明的基本理念下，以绿色发展理念推动城市发展。城市化进程中的环境问题备受学者关注，李佐军[3]等人探讨了城市化进程中存在的生态环境问题，蒋洪强[4]等人研究了我国城镇化发展的边际环境污染效应，王金南[5]等人研究了CO2网格排放值与城市规模、城市经济发展水平等之间的关系。识别和解决城市发展中的环境问题需要加强环境管理，而环境管理的任务就是在于寻求经济增长与环境质量和环境资源基础的平衡[6]。在此背景下，本文着重研究我国285个地级及以上城市2004—2013年间城市发展过程中的环境效应及其影响因素，为当前和未来我国城市资源要素配置、产业结构布局、空间规模调整提供参考依据。
1文献综述
经济发展与环境问题关系的研究最早开始于环境库兹涅茨曲线的研究。Kuznets[7]研究了收入不平等与经济发展之间的关系，发现两者呈倒U字型关系。后来这一关系被逐渐引申至经济增长与环境质量关系的研究中。Grossaman & Krueger[8]首次发表了污染物排放与人均收入呈倒U型关系的文章，Shafik & Bandyopadhyay[9]在《世界银行发展报告 1992》中提出了这种曲线关系，而Panayotou[10]则首次提出了环境库兹涅茨曲线的概念，即经济在发展初期环境质量逐渐开始恶化，但随着经济发展到一定阶段后，环境质量却逐渐得到改善，由此得出经济增长与环境压力之间呈现倒U型关系。后来，大量的国外学者对该曲线的形状展开了讨论，Rezek & Rogers[11]，Jalil & Mahmud[12]，Pao & Tsai[13]，Zanin & Marra[14]，Shahbaz[15]，LinSea Lau[16]等认为该曲线是倒U型形状。而Richmond & Kaufmann[17]，Cialani[18]，Coondoo & Dinda[19]，Aslanidis & Iranzo[20]，Iwata[21]，Fujii & Managi[22]等研究认为该曲线可能是N字型、线性等其他形状。国内学者，如刘华军[23]研究CO2排放总量等与人均GDP之间的关系，发现两者呈单调递增关系。周璇[24]基于不同地区1997—2010年数据，发现部分地区的EKC曲线形状为倒U型，部分地区为N型，部分地区为U型或单调递增型。任海军[25]基于30个省区3组不同城市化水平的数据（1997—2011年），发现人均地区生产总值与CO2排放量在城镇化的各阶段都存在倒U型关系。
翁智雄等：多因素驱动下的中国城市环境效应分析中国人口·资源与环境2017年第3期 随着研究的不断深入，国内外学者开始越来越关注哪些经济和社会因素会驱动污染物的排放。有一部分学者提出国际贸易的影响。如Suri & Chapman[26]，Kearsley & Riddel[27]等认为随着一国经济发展水平的不断提高，对国内产品的环境管制要求会越来越严格，污染产品由经济发达地区转移至环境管制要求低的经济欠发达地区。另有一部分学者认为是结构变化和技术进步的结果。Shafik & Bandyopadhyay[9]，Hettige[28]等人认为结构变化引起从污染密集型产业部门转向服务业等污染小的部门，技术进步导致生产技术提高和资源消耗下降。还有部分学者認为政府管制也会产生重要的影响。Panayotou[29]，Bhattarai[30]，Dutt[31]等认为更好的政府管制、更强的政治机构、更大的教育投资都会对污染物排放产生重要影响。当然，还有一部分学者认为其他因素也会产生影响，如Roca[32]，Martini & Tiezzi[33]等认为居民的消费倾向会改变环境质量的需求弹性。国内的研究与国外有一定的承接，众多学者从产业结构调整、技术进步、外商投资等因素出发研究污染物的驱动因素。如林伯强[34]从能源消费结构角度研究出发，认为不同的能源消费使二氧化碳排放量出现明显的差异。石广明[35]利用Shephard输出距离函数，对工业SO2排放变化指标进行分解，研究认为2000—2006年SO2排放增加的主要影响因素是资本投入与产出结构变化、工业能源消耗，技术变化也有一定的作用。刘玉萍[36]，张兵兵[37]等从技术进步的角度出发，研究技术进步对CO2排放强度的影响。但综合来看，国内的研究主要以国家和省（自治区、直辖市）作为研究对象，基于大量城市面板数据的研究较少。同时，文献中的污染物排放驱动因素更多侧重于技术水平、产业结构、国际贸易等，以城市人口为表征的城市规模等因素并没有得到充分考虑。 2模型建立与变量选择
2.1模型建立及其原理
1999年，Ehrlich首次提出了“I=PAT”模型。其中，I代表环境压力，P代表人口规模，A代表经济水平，T代表技术水平，该模型主要用于研究人口对环境压力产生的影响。由于模型本身未考虑自变量对因变量非等比例的影响关系，实际应用中该模型的问题逐渐暴露出来。
I=PAT模型被不断拓展，国内外应用较多的为STIRPAT模型。在面板上数据处理中，通常会对模型进行对数处理，即在等式的两边分别取对数，来减少数据的波动和异方差性。取对数后，方程变为：
其中，i代表不同国家、不同省份或不同城市，t代表时间，ai为常数项，eit为扰动干扰项，bi，ci，di分别表示污染物排放对人口规模、经济发展水平、技术发展水平的弹性。实际应用中，由于影响污染物排放的因素不仅仅局限于上述几个自变量，还包括城镇化率、环境管理等其他变量，所以需要根据研究问题的实际情况适当增加变量。
2.2变量选择
本文主要采用STIRPAT模型来研究问题，分别选择单位GDP工业二氧化硫排放量（即工业二氧化硫排放强度）、单位GDP工业废水排放量（即为工业废水排放强度）和单位GDP工业烟（粉）尘排放量（即工业烟（粉）尘排放强度）作为因变量，通过这三个因变量来表征气、水污染物排放情况。污染物排放强度能近似地表示环境技术水平，同行业排放水平越高表示环境技术水平越低。用城市人均GDP表征城市经济发展水平，人口规模用人口密度变量来表征。由于污染物排放驱动因素分析是一个复杂的过程，本文为了更全面地分析影响因素，进行了以下几方面的考虑：
（1）模型变量选择中，新增产业结构（第二产业产值占地区生产总值比重）变量，贸易开放程度变量（外商直接投资实际利用额），各变量单位及符号表示如表1所示。
（2）2014年11月20日，国务院印发《关于调整规模划定标准的通知》（简称《通知》），根据城市城区常住人口将城市划分成了五类七档，分别为小城市、中等城市、大城市、特大城市和超大城市。鉴于城市城区常住人口的统计较为困难，本文主要采用城市常住人口作为划分城市规模的标准，参考《通知》的划分标准，并综合所研究样本的城市常住人口特征，划分出四组虚拟变量，即城市常住人口规模>1 000万人，城市常住人口规模500—1 000万人（含1 000万），城市常住人口规模100—500万人（含500万人），城市常住人口规模100万人以下（含100万人）。其中，选择城市常住人口规模500—1 000万人作为参照组，分析其他各组变量对其是否存在显著的关系，如表1所示。
（3）为检验污染物排放强度與经济发展水平之间是否存在环境库兹涅茨曲线（EKC），本文进一步考察污染物排放强度与各城市人均GDP之间的关系，分别取人均GDP的一次方、二次方和三次方，拓展的STIRPAT模型如下：
其中，Iit表示污染物排放强度，a1，a2，a3分别表示城市人均GDP的一次方、二次方和三次方前的系数，εit表示扰动干扰项。通过分析系数正负性可判断环境库茨涅茨曲线的形状，系数与EKC曲线关系如下：
① 若a1>0，a2<0，a3=0，则污染物与经济增长之间呈倒U型关系；
② 若a1<0，a2>0，a3=0，则污染物与经济增长之间
呈U型关系；
③ 若a1>0，a2<0，a3>0，则污染物与经济增长之间呈N型关系；
④ 若a1<0，a2>0，a3<0，则污染物与经济增长之间呈倒N型关系。
3数据来源与平稳性检验
3.1数据来源
本文主要选择北京市、天津市、石家庄市等设区市，其中，包括北京、天津、上海、重庆4个直辖市和281个地级市，共285个城市。由于统计数据缺失或不齐全，本文未将西藏、台湾、香港和澳门考虑在内。鉴于我国县（市、区）级市较长周期内关于污染物排放、经济因素、环境管制等变量的统计数据缺乏，部分统计指标也不规范，本文也未将县级市考虑在内。
本文以城市为研究对象，选择285个地级市及以上城市2004—2013年的数据开展研究。数据的主要来源包括：一是来自于城市有关的统计年鉴，主要有《1997—2012年中国城市统计年鉴》和《2013年中国省市经济发展年鉴》；二是省级层面或国家层面的数据主要参考省级和国家统计年鉴，主要有我国历年的《中国统计年鉴》、各省历年的统计年鉴；三是环境相关的数据参考国家环境统计年鉴，主要参考我国历年的《中国环境统计年鉴》等。
3.2平稳性检验
为防止非平稳变量引起伪回归以及t检验失效等问题，便于对模型进行准确预测，需要检验回归变量的平稳性。一般情况下，检验面板数据平稳性的方法主要有：LLC检验，HarrisTzavalis检验法，Breitung检验法，ImPesaranShin，Fishertype检验法。由于本文所选的数据为非平衡面板数据，因此采用FisherADF检验，该检验方法对面板数据的平衡性没有很强的要求，原假设为面板数据有单位根（非平稳），通过观察Inverse chisquared的P值大小，判断变量是否稳定。当P<0.05时，拒绝序列式存在单位根假设，认为变量是平稳的；反之，变量是非平稳的。FisherADF检验的结果如表2所示。
由表2可知，7个变量的一阶差分值的伴随概率均为0.000 0，通过了1%的显著性检验，因此拒绝原假设（序列非平稳，存在单位根），变量一阶差分序列均为平稳性序列，满足一阶单整。根据协整理论，当变量为同阶单整时，变量之间可能存在协整关系。由此可知，工业SO2排放强度、工业废水排放强度、工业烟（粉）尘排放强度、人均GDP（平减后）、人口密度、第二产业比重和外商直接投资实际利用额之间可能存在协整关系。协整检验的结果见4.1节。 4污染物排放强度驱动因素分析
4.1STIRPAT模型结果
本文基于285个设区市2004—2013年的面板数据，运用STATA12.0软件，得到各变量之间的相关关系和显著性水平（见表3）。
本文针对工业SO2排放强度、工业废水排放强度、工业烟（粉）尘排放强度等3类不同的污染物排放强度分别计算了随机效应模型（random effects model）和固定效应模型（fixed effects model）。从研究的角度来看，随机效应模型和固定效应模型都是面板数据分析中常用的两种模型，固定效应模型认为包含个体影响效果的变量是内生的，而随机效应则认为是外生的，通常利用Hausman模型做出模型的选择。根据STATA12.0Hausman检验结果（见表3），三类污染物排放强度的Hausman模型检验结果都显著，说明运用固定效应模型能更好地解释计量回归结果。
上节中对面板数据的平稳性做了检验，结果显示各变量为一阶单整，由此说明工业SO2排放强度、工业废水排放强度、工业烟尘（粉）排放强度、人均GDP（平减后）、人
口密度、第二产业比重和外商直接投资实际利用额之间可能存在协整关系。本节对各变量间的协整关系做了进一步检验（见表3）。由表3可知，三类污染物排放强度下的各变量间的协整检验结果都显著，说明各变量之间均存在稳定的协整关系，即存在长期稳定的均衡关系。
4.2四大社会经济因素的环境效应
4.2.1产业结构产生的环境效应
回归结果表明，第二产业占比对三类污染物排放强度均有显著的正的影响。由表3可知，第二产业占地区生产总值的比重对工业SO2排放强度、对工业废水排放强度和对工业烟（粉）尘排放强度都通过了1%的显著性检验，且显著正相关。由此说明，第二产业比重越大，工业SO2排放强度、工业废水排放强度和工业烟（粉）尘排放强度也越大，产业结构的环境效应较明显，不合理的产业结构将会加剧环境污染。
大量学者对产业结构的环境效应做过研究，如丁焕峰[38]等学者基于我国的面板数据或省级数据开展过研究，本文根据285个城市的面板数据，得到了相似的研究结果。图1为本文选择的285个城市2013年第二产业和第三产业占比分布图，由图可看出大部分城市的产业占比较为集中，第二产业占比主要集中在35%至65%之间，第三产业占比集中在20%—50%。值得注意的是，也有部分第三产业比重或第二产业比重较高的城市，如重工业城市克拉玛依、大庆、攀枝花等，第三产业比重较高城市如北京、三亚、张家界、呼和浩特等。图1显示，现阶段我国大多数城市的产业结构虽向合理化的趋势发展，但也有部分城市过分倚重第二产业的经济拉动，资源能源消耗大、环境污染严重的问题仍然客观存在。调整和优化产业结构仍然是当前城市发展的重要问题，特别是降低第二产业比重，推进经济发展提质增效，是改善我国环境质量的重要途径。
4.2.2人口密度产生的环境效应
城市化的重要表現是人口城市化，即城市的人口密度不断扩大。本研究表明，人口密度对工业SO2排放强度和工业烟（粉）尘排放强度有负的显著影响。其中，对工业SO2排放强度通过了10%的显著性检验，对工业烟（粉）尘排放强度通过了1%的显著性检验，即在其他条件不变的情况下，人口密度越大，工业SO2排放强度与工业烟（粉）尘排放强度越小。研究还发现，人口密度对工业废水排放强度也有负的影响，但影响不显著。如图2分别显示了工业SO2排放强度、工业烟（粉）尘排放强度和工业废水排放强度与人口密度之间的关系，由该图可进一步辨识污染物排放强度与人口密度之间的正负关系，工业SO2排放强度和工业烟（粉）尘排放强度之间的负相关关系非常明显，而工业废水排放强度与人口密度的点分布的趋势性并不十分明显。
分析285个城市污染物排放强度与人口密度的这一关系，本文认为不同规模、不同经济发展水平的城市间已经出现了“污染迁移”。本文的这一判断，主要基于以下几方面考虑：第一，人口密度与城市经济发展水平关系密切，如图2中A图所示，当人口密度处于较低阶段时，城市经济水平（用人均GDP表征）并没有表现出明显的变化，虽然有下降的趋势，但从散点分布的密集度来看，本文认为这一局部现象主要由部分城市的极端值引起，人口密度与城市经济水平之间的关系应该主要看A图右半部分的变化趋势。由此可知，人口密度越大，对应的城市经济发展水平越高。第二，城市化是一个演化的过程，城市发展的不同阶段会有不同的产业布局和规模。一般来说，城市发展初期的产业布局更加偏重于工业型城市，这个阶段是污染物急剧增加的阶段；随着城市经济发展水平提高，拥有更多资金和技术，环境治理的能力和引进企业的环境标准提高，同时也会逐步淘汰一些落后产能和高污染、高耗能行业，出现污染向经济发展水平低的城市转移。结合人口密度与经济发展水平之间的正向关系，本文认为285个城市中人口密度大（即经济发展水平较高的城市）的城市，其部分污染型产业已经开始向人口密度低（即经济发展水平相对低）的城市转移，由回归结果的显著性可判断，这种“污染迁移”已经较为明显，“污染避难所”的情景已经在不同经济发展水平城市间上演，即污染产业由人口密度大的城市迁移至人口密度小的城市。
从回归结果可知，人口密度与工业废水排放强度之间并不存在显著关系。本文认为，产生这一结果的原因主要与工业废水排放行业的特征有关。需水型行业在产业布局中一般沿河或沿湖分布，带状布局较为明显。但人口的分布除了有流域性特征，一些缺水的平原地带密度也较大。因此，各种因素综合影响后人口密度与工业废水排放强度之间的关系并不十分明显。
4.2.3外商直接投资产生的环境效应
外商直接投资对污染物排放强度的影响主要有两方面。一是外商直接投资对工业烟（粉）尘排放强度有显著的负的影响。由表3可知，外商直接投资实际利用额对工业烟（粉）尘排放强度产生显著的负的影响，通过了5%的显著性检验，即在其他条件不变的情况下，外商直接投资实际利用额越大，工业烟（粉）尘排放强度则越小。二是外商直接投资对工业SO2排放强度和工业废水排放强度产生负的影响，但影响并不显著。从外商直接投资对工业SO2排放强度和工业废水排放强度的影响来看，回归系数分别为-0.004 26和-0.007 62，说明外商直接投资的流入反而有助于推进产业部门改进废水处理、脱硫设备，降低污染物排放强度，但从显著性结果来看，这种影响是十分微弱的。总体上来看，外商直接投资并没有表现出大规模向我国转移污染物的趋势，反而有助于工业烟（粉）尘排放的相关产业的调整与优化。 分析上述研究现象，本文认为主要是由以下几方面原因产生的：第一，从外商直接投资的产业分布来看（如图3所示），我国的外商直接投资主要集中在批发零售业、租赁与商务服务业等领域。以2012年外商投资总额为例，制造业占43.7%，房地产业占21.6%，批发和零售业占8.5%，租赁和商务服务业占7.3%，其他占18.9%，外商直接投资在化工、火电、钢铁等重污染行业的投资份额较小，外商直接投资并没有对传统的污染行业有明显影响。
本文认为，行业类别的差异可能也是造成不同污染物排放强度显著性差异的原因。第二，我国外商投资规模不断扩大，2014年的外商直接投资规模约是2004年的1.97倍，规模达到1 196亿美元（如图3所示），外商企业自身拥有的先进环境技术有助于推进产业的排放强度下降，其对内资企业的技术溢出也有可能倒逼内资企业降低污染物排放强度。第三，随着我国引进外资水平不断提高，国内环境管理制度的日益加强，引进外资企业的环境标准明显提高，“污染转移”的受制条件与开放初期相比增加许多，我国正向的环境溢出效应的能力也越来越强。
4.2.4城市规模产生的环境效应
城市常住人口是城市规模大小的重要衡量标准，我国现有的城市规模等级主要依据城区人口规模来划分，不同规模等级城市的自然资源禀赋、工业基础、产业结构、技术条件等都存在一定差异，导致工业污染物排放强度有一定区别。
回归结果表明，在一定的城市规模限度内，按城市常住人口划分的城市规模对工业污染物排放强度有一定影响。由表3可得出以下几点结论：第一，与城市常住人口规模500万到1 000万的城市相比，城市常住人口规模1 000万以上的城市工业废水排放强度和工业烟（粉）尘排放强度并不显著，但工业SO2排放强度通过了10%的显著性水平。由此说明，常住人口1 000万以上城市的工业SO2排放强度要比常住人口规模500万到1 000万城市排放强度小，而且这种差异较明显，但工业废水排放强度和工业烟（粉）尘排放强度的差异并不显著。第二，与参照组相比，城市常住人口规模100—500万城市的工业SO2排放强度通过了10%的显著性检验且为负相关，工业废水排放强度和工业烟（粉）尘排放强度通过了1%的显著性检验且为负相关。由此说明，常住人口100—500万城市的工业污染物排放强度要比常住人口规模500—1 000万城市的排放强度小，而且排放强度的差异较明显。第三，与参照组相比，城市常住人口规模100万以下城市的工业SO2排放强度通过了5%的显著性检验且为正相关，工业废水排放强度和工业烟（粉）尘排放强度通过了1%的显著性检验且为正相关。由此说明，常住人口100万以下城市的工业污染物排放强度要比常住人口规模500—1 000万城市的排放强度大，而且排放强度的差异较明显。
值得注意的是，城市人口規模1 000万以上城市，工业SO2排放强度显著负相关，本文认为主要有以下原因：工业SO2排放主要产生于火电等行业，而我国的火电行业企业主要以大型国有企业为主，从火电企业的分布受成本最优的产业布局影响，主要有以下几点特征：一是火电行业的分布受到资源导向的影响，如山西、内蒙的火电行业主要布局在大型煤矿附近；二是火电行业的布局受到地区经济发展水平的影响，火电企业是大型、超大型城市的电能源供应者，经济发展水平高、城市人口集中、建成区面积大、产业布局密集的城市周围一般会有火电企业的分布。河北、山东、内蒙的许多火电企业的电力主要输往北京，江
苏也布局一些火电企业，也主要供应上海、南京等大城市。由此可以判断，城市规模在1 000万以上的城市，其电力主要由周边的火电企业供应，使其自身工业SO2排放量反而比周边地区少，所以出现了一定的显著关系。本文的研究结果也表明，与工业SO2排放相比，工业废水排放和工业烟（粉）尘排放在常住人口1 000万以上的城市并没有表现出明显的差异，说明这类规模的城市工业废水排放和工业烟（粉）排放仍处于较高的水平。
4.3污染物排放强度与经济发展水平关系
为进一步探讨城市经济发展和环境问题之间可能存在的关系，本文分别研究了工业SO2排放强度、工业废水排放强度、工业烟（粉）尘排放强度与经济发展（以人均GDP表征）之间的关系。
（1）工业SO2排放强度与人均GDP的关系。由表3可知，我国285个城市的面板数据显示工业SO2排放强度与人均GDP之间呈现线性关系，且为负向关系，说明随着人均GDP水平的不断提高，工业SO2排放强度也随之降低。
（2）工业废水排放强度与人均GDP的关系。工业废水排放强度与人均GDP之间呈线性关系，且为负向关系，即随着人均GDP水平的不断提高，工业废水排放强度也随之下降。
（3）工业烟（粉）尘排放强度与人均GDP的关系。根据表3人均GDP的回归系数可以判断，工业烟（粉）尘排放强度与人均GDP之间呈正U型关系，即随着人均GDP增加，工业烟（粉）尘排放强度出现先减后增的趋势。本文根据公式ζ=exp（-β1/（2β2））计算出了拐点处的人均GDP值，经计算可得拐点处的人均GDP值为4 233 414元，该值与285个城市现有水平相比有很大距离。按照数据反映的趋势变化，这个拐点将在未来某个时间节点出现，但事实上本文认为这个拐点并不会到来。
5结论和政策建议5.1结论本文通过对285个地级及以上城市2004—2013年的数据开展研究，综合分析工业SO2排放强度、工业废水排放强度和工业烟（粉）尘排放强度的驱动因素，主要得出以下几点结论：
（1）产业结构的调整会产生明显的环境效应。第二产业产值占比对工业污染物排放强度有显著的拉动作用，虽然现阶段我国大多数城市的产业结构向合理化的趋势发展，但部分城市过分倚重二产对经济的拉动，资源与能源消耗大、环境污染显著的问题仍客观存在。由285个城市第二产业和第三产业产值占比坐标点分布可发现，大部分城市的坐标点分布在第二产业占比35%到65%之间，第三产业占比20%到50%之间，但攀枝花、大庆、克拉玛依等城市第二产业产值占比很高，现阶段仍然是典型的重工业城市。调整和优化产业结构是我国经济结构转型的重要任务。 （2）不同规模和不同经济发展水平城市间出现了“污染转移”现象。研究发现，人口密度对工业SO2排放强度和工业烟（粉）尘排放强度有显著的负影响，通过散点拟合图可发现，城市经济发展水平提高与人口密度增加是同步的正向关系，而由于城市化是一个不断演进的过程，各阶段的产业布局和产业规模会随着城市的经济发展水平发生相应的变化，落后型、污染型产业逐渐从人口密度大、经济发展水平高的城市“挤出”。我国多数城市仍处于扩张、发展未饱和阶段，城市人口不断集聚。但城市人口规模扩张的过程也伴随着产业重新调整与布局。政治、经济输出功能强大的城市筛选和保留了环境效应较好的产业，逐渐向外或周边城市输出环境效应低的产业，出现“污染转移”现象。
（3）我国城市成为外资企业“污染避难所”的问题并不突出。研究发现，外商直接投资实际利用额只对工业烟（粉）尘排放强度有显著的负影响，对工业废水排放强度和工业SO2排放强度的影响并不显著，“污染避难所”问题并不突出既与外资企业投资行业相关，也与外资企业资金优势、技术优势有关，还与我国各城市近几年引进外资日益提高的环境标准相关。
（4）城市规模扩张会溢出正的环境效应。本文按照城市常住人口对城市规模进行了划分，以虚拟变量的形式判断城市规模对工业污染物排放强度产生的环境效应。研究发现，城市规模对工业污染物排放强度有一定的影响，城市规模扩大可能会溢出正的环境效应。
（5）工业污染物排放强度与经济发展呈现一定的关系。研究发现，除工业废水排放强度外，工业SO2排放强度、工业烟（粉）尘排放强度与人均GDP均呈线性关系，即现阶段随着人均GDP水平的不断提高，工业污染物排放强度呈现下降趋势。虽然工业废水排放强度与人均GDP之间呈现U型关系，但从环境技术改善、资源能源利用效率提高等变化来看，该拐点在未来某个时点出现的可能性很小。
5.2政策建议
第一，认识和处理好环境保护与经济发展之间的关系，为城市化发展滞后地区留足持续发展的生态资本。我国城市的环境保护与经济发展之间总体上呈现良性发展的态势，但城市化发展缓慢、基础设施薄弱、产业发展滞后、公共供给能力不足的部分设区市和一些縣级市两者的矛盾仍十分突出。要推进这些地区产业结构调整，留足可持续发展的生态资本，将绿色优势转化为发展优势。要划定“生态保护红线、排放总量上限、环境准入底线”，提高这些地区的生态产品供给能力。通过重点生态功能区转移支付、生态多样性保护重大工程及流域区域横向生态补偿、自然保护区建设等，发挥生态保护与经济发展的协同效应。
第二，进一步优化城市产业结构，合理确定城市发展规模和城市布局，提高城市土地的集约利用率，积极引进“绿色资本”。调整和优化城市产业结构，对于具有明显资源禀赋优势的城市，要提高资源能源利用效率，从源头管控，减少污染输出；对于重工业型城市，要在原有基础上进行产业布局，淘汰落后产能。合理控制城市的人口规模，严格控制超大、特大城市的人口数量，分散超大、特大城市的部分政治、经济和文化功能，要积极推动中小城市的发展，优化其城市布局，推动其产业转型升级，协同推动其功能布局、产业发展、生态空间的布局。积极引进“绿色资本”，制定严格的外资引进环境标准，引进外资企业的绿色资本，鼓励外资投资发展循环经济、清洁生产等领域。
第三，明确各地污染现状和自然禀赋差异，构建地区差异化指标体系，通过实施环境质量目标矩阵管理模式，确定大气、水、土壤环境质量标杆城市、达标城市、改善城市名单矩阵。我国城市的自然禀赋、产业基础、人口规模等都存在一定的差异，用同一标准衡量缺乏公平合理性。因此，应确定一批环境质量已达标、需继续改善或维持的城市（标杆城市）、一批“十三五”期间努力后能达标的城市（达标城市）、一批不能达标但经过治理环境质量改善的城市（改善城市），制定大气、水和土壤的城市名单矩阵，通过构建差异化的指标体系，实施目标矩阵管理模式，并综合运用环境保护督察巡视、环保督政约谈、领导干部自然资源资产离任审计等手段和制度，统筹推进城市环境保护工作。
（编辑：王爱萍）
参考文献（References）
[1]周干峙.中国特色新型城镇化发展战略研究[M]. 北京：中国建筑工业出版社，2013.[ZHOU Ganzhi. The development strategy of new urbanization with Chinese characteristics[M]. Beijing： Chinese Building Industry Press， 2013.]
[2]简新华，黄锟. 中国城镇化水平和速度的实证分析与前景预测[J]. 经济研究，2010（3）：28-39.[ JIAN Xinhua， HUANG Kun. Empirical analysis and forecast of the level and speed of urbanization in China[J].Economic research journal， 2010（3）： 28-39.]
[3]李佐军，盛三化. 城镇化进程中的环境保护：隐忧与应对[J]. 资源再生，2013（8）：18-21.[LI Zuojun， SHENG Sanhua. Environmental protection in urbanization： worries and actions[J]. Resource recycling， 2013（8）： 18-21.]
[4]蒋洪强，张静，王金南，等. 中国快速城镇化的边际环境效应变化实证分析[J]. 生态环境学报，2012，21（2）：293-297.[JIANG Hongqiang， ZHANG Jing， WANG Jinnan，et al. Accounting model and demonstration for marginal environmental effects of the rapid urbanization in China[J]. Ecology and environmental sciences， 2012， 21（2）： 293-297.] [5]王金南，蔡博峰，曹東，等. 中国10km二氧化碳排放网格及空间特征分析[J]. 中国环境科学，2014，34（1）：1-6.[WANG Jinnan，CAI Bofeng，CAO Dong，et al.China 10km carbon dioxide emissions grid dataset and spatial characeteristic analysis[J].China environmental science，2014，34（1）：1-6.]
[6]张世秋. 中国环境管理制度变革之道：从公共部门管理向公共管理转变[J]. 中国人口·资源与环境，2005，15（4）：90-94.[ZHANG Shiqiu.Reform of Chinas environment regulatory system：from sectorbased management to public management[J].China population，resources and environment，2005，15（4）：90-94.]
[7]KUZNETS S. Economic growth and income inequality[J]. The American economic review，1955： 1-28.
[8]GROSSMAN M，KRUEGER A. Environmental impact for the north American Free Trade Agreement[R]. NBER workingpaper， 1991.
[9]SHAFIK N，BANDYOPADHYAY S. Economic growth and environmental quality：timeseries and cross country evidence[R]. Policy research working paper，1992.
[10]PANAYOTOU T. Empirical tests and policy analysis of environmental degradation at different stages of economic development[R]. International Labour Organization， 1993.
[11]ROGERS K. Decomposing the CO2 income tradeoff： an output distance function approach[J]. Environment and development economics，2008， 13（4）： 457-473.
[12]JALIL A，MAHMUD S F. Environment Kuznets curve for CO2 emissions：a cointegration analysis for China[J]. Energy policy，2009，37（12）：5167-5172.
[13]PAO H T，TSAI C M. Modeling and forecasting the CO2 emissions，energy consumption，and economic growth in Brazil[J]. Energy，2011，36（5）：2450-2458.
[14]ZANIN L， MARRA G. Assessing the functional relationship between CO2 emissions and economic development using an additive mixed model approach[J]. Economic modelling，2012，29（4）：1328-1337.
[15]SHAHBAZ M，MUTASCU M，AZIM P. Environmental Kuznets curve in Romania and the role of energy consumption[J]. Renewable and sustainable energy reviews， 2013，18（2）：165-173.
[16]LAU L S， CHOONG C K， ENG Y K. Investigation of the environmental Kuznets curve for carbon emissions in Malaysia：do foreign direct investment and trade matter？[J]. Energy policy，2014，68：490-497.
[17]RICHMOND A K，KAUFMANN R K. Energy prices and turning points： the relationship between income and energy use/carbon emissions[J]. The energy journal， 2006，27（4）：157-180.
[18]CIALANI C. Economic growth and environmental quality：an econometric and a decomposition analysis[J]. Management of environmental quality： an international journal，2007，18（5）：568-577.
[19]COONDOO D，DINDA S. Carbon dioxide emission and income：a temporal analysis of crosscountry distributional patterns [J]. Ecological economics，2008，65（2）：375-385.