基于产业链的区域环境污染物排放的产业贡献*

王茂军 许 洁 杨雪春

(首都师范大学资源环境与旅游学院，北京100048)

基于产业链的区域环境污染物排放的产业贡献*

王茂军 许 洁 杨雪春

(首都师范大学资源环境与旅游学院，北京100048)

区域经济增长与环境质量之间的关系研究是目前学者们探讨的重要学术议题之一。其中较多的是对EKC曲线的验证，近几年部分学者从国民经济各部门中的产业自身特征、产业结构、技术进步、FDI效应等方面考察产业发展对污染物排放的影响。然而以上研究议题中学者均没有讨论污染物的发生主体——各产业部门与排污的直接关系。故本文将从宏观尺度下的综合水平测度区域经济发展与环境质量关系、中观尺度下的产业属性特征与排污关系的研究视角转移至分析具体产业部门的污染物排放效应，同时将产业置于产业链的结构形式中，研究产业链上产业发展与污染物排放的关系。发现:第一，通过借助复杂网络思想的社区划分方法，将山东省39个产业部门分为3个社团。其中社团I主要由制造业部门组成，共有18个产业部门，社团II包括了15个部门，主要是第三产业，社团III由6个产业部门组成且内部异质性高。第二，选择其中以制造业为主的社团I，并在社团I内识别出一条彼此间联系最为紧密的产业链，包括农林牧渔业、食品制造及烟草加工业、化学工业、纺织工业、服装皮革羽绒及其制品业、通用/专用设备制造业和交通运输设备制造业。以一种定量的方法获取了通过价值流传递而串在一起的产业链条。该产业链的经济规模、污染物规模在山东省均有重要地位。第三，采用岭回归分析方法，构建了6个制造业与产业链工业废水、固体废弃物排放的关系模型，6个制造业中对工业废水、固体废弃物排放相对贡献度最大的部门分别为服装皮革羽绒及其制品业、食品制造及烟草加工业。这是由于上游产业排污的链式传递效应与产业自身污染物排放效应的共同叠加作用。

复杂网络;产业链;岭回归;山东省

区域经济增长不仅仅是GDP数量的多寡，还包括区域环境质量的优劣。中国快速工业化带来的经济快速增长和环境胁迫的压力不断增强的事实已经引起了国内学者的热切关注。本文将从以往的宏观尺度综合测度区域经济发展与环境质量关系、中观尺度下的产业属性特征与排污关系的研究视角转移至分析具体产业部门的污染物排放效应。这是已有视角的重要转变。此外，区域内各产业部门间存在着上下游的关联关系，即一个产业部门的发展会牵动其上下游产业部门的联动反应，进而会影响到环境污染物的排放。为解析这种联动效应需要将产业部门置于产业链的形式中讨论。

1 概述

1.1 区域环境质量与经济增长之间的关系

自从Grossman［1］发现SO2、微尘和悬浮颗粒三种环境质量指标与收入之间呈现倒U型关系以后，Arrow［2］提出了环境压力与经济增长之间呈倒U形关系的假说。此后，区域经济增长与环境质量之间的关系就成为学者们探讨的重要学术议题。中国快速工业化带来的经济快速增长和环境胁迫的压力不断增强的事实已经引起了国内学者的热切关注。从目前国内学者对区域经济增长与环境质量关系研究看，重点是利用时间序列的简化计量模型或者基于面板数据的结构模型，验证不同空间尺度下环境库兹涅茨曲线的存在与否［3－6］。其次，除人均GDP外，部分研究还关注污染物排放的产业规模、产业结构、技术进步、环保投资、能源结构、人口规模、贸易开放/FDI、地理因素等若干组合对污染物排放的影响［7－8，9－11］。

与考虑人均GDP与污染物排放关系的研究相比，具体到产业部门与污染物排放关系的研究较少。凌亢等［12］测定了工业部门的污染排放总量和排污强度，将工业行业划分为污染密集型行业、低污染行业和中等污染行业;臧志彭等［13］利用因子分析和聚类分析方法构建了制造行业环境友好状况的评价体系，完成了30个制造行业的环境友好状况等级的评定。唐德才［14］基于工业行业的面板分析模型，讨论了产业集中度、劳动力、资本、技术因素对制造业行业污染密度的影响，发现行业的环境污染密度随着产业集中度、R＆D比重的上升而下降，随着制造业产业劳动力比重的下降而下降，随着行业资本规模增大而增大。傅京燕［15］讨论了广东省19个制造业的产业特征、环境规制与污染物排放之间的关系，发现污染排放强度与能源使用、物质资本密度、人力资本密度、企业效率、企业规模、R＆D支出为正相关关系。上述研究虽然较少，但考虑到了国民经济各部门的产业特征对环境污染物排放的影响，比单纯验证是否存在EKC曲线的研究前进了一大步。

从目前的研究来看，无论是验证EKC的曲线是否存在，还是讨论污染物排放的产业规模效应、产业结构效应、技术进步效应、FDI效应或者产业特征的影响，均没有直接面对污染物的发生主体—各产业部门，没有考虑各产业部门间存在的投入产出关联，忽略了各产业部门间污染物产生有关联。因而，有必要在产业相关情形下讨论区域污染物排放变动的各产业贡献的差异性。产业集群的识别是实现这一目标的前提。

1.2 产业集群的定量识别

大部分产业集群的定量识别基于区域投入产出表进行，利用图谱分析法、多因素聚类分析法、主成分分析法、Czamanski法、共识集群法(Consensus Clustering)来辨识区域产业集群。其中，图谱方法分析区域产业之间的关联并将联系程度超过一定门槛的每对产业用箭头连接，在此基础上辨别区域产业集群。多因素聚类分析法在产业集群辩识研究中运用不多［16－17］，原因有二，一是，这种方法强调区域内所有的产业都要纳入到各产业集群中，且各产业集群间具有排他性。这与事实不符，因为有些产业比如支柱产业可能隶属于多个产业集群。比较而言，主成分分析法运用的较多［18－21］，但从原理来看，基于相关系数矩阵的主成分分析得到的结果实际上是具有相似投入产出结构的产业组群，而不是具有密切联系的集群。另一方面，主成分的主次之分取决于各产业组群在区域产业中的贡献率，第一主成分往往包含了最多的产业部门，后面的主成分包含的门类数依次减少。Czamanski法［22－24］逻辑严密，重点突出了集群内部各产业间的相互关联，但对支撑性部门雷同的集群处理不理想;共识集群法(Consensus Clustering)则是主成分分析法和多元统计聚类法两类集群辨识方法的糅合［22］。

除了上述统计方法以外，网络分析方法也得到了应用，其优点是形象、直观。方爱丽［25］利用复杂网络方法定量识别了全国的产业社团。

1.3 研究目的

本文试图讨论产业链中各产业发展对污染物排放的影响。简单来说，可以通过多元回归分析来实现，设定方程中自变量各制造业部门的产值、因变量为环境污染物的排放量。但实际上并非如此，这是因为:

第一，区域内部各制造业部门间存在有投入产出关系，各自变量并不独立，可能存在共线性问题。共线性问题是传统多元线性回归分析方法力求避免的棘手问题。

第二，虽然各产业均有相对应的污染物排放总量，二者间的关系似乎是清晰的。但由于产业间存在投入产出关联，下游环节产业的产值中包含了上游产业的贡献，下游产业的污染物中也包含了上游产业的贡献。由此，具体产业产值与污染物排放之间的关系就变得相对复杂了。

第三，区域内各产业通过投入产出关系形成了复杂产业网络。产业部门间复杂的关联中，关系紧密程度有明显不同，同时也有方向上的差异。确定区域产业内产业间上下游关系并不简单，需要确定联系紧密的产业集群及产业集群内部产业间的主导联系方向两个问题。

综上，论文利用复杂网络分析方法定量识别产业社团，在社团内部确定产业间的联系方向，提炼产业链;利用岭回归的分析技术，讨论产业链中各产业对污染物排放变动的贡献率。

2 数据获取、变量选择与研究方法

2.1 相关数据说明

采用山东省2002年投入产出数据，它包含42个产业部门间基本流量。剔除废品废料等3个部门，共计39个部门。该投入产出表是时点数据，由此辨识的产业链是2002年情形。理论上，产业链上下游产业间关系在某一个时间段内不会出现剧烈变动，自变量选定为产业链上的各产业部门。自变量的取值为产业链各产业增加值(1990－2008山东统计年鉴)。

因变量为产业链上工业废水、固体废弃物排放，取值为2001－2007年各产业部门的污染物排放量，1989－2000年各产业部门对应的污染物排放量按2001－2007年污染物排放比重推算获得。

2.2 研究方法

2.2.1 产业社团定量提取

复杂网络分析在产业网络中也得到了部分学者的注意［25－27］等。社团结构与无标度性、小世界性、鲁棒性和脆弱性并列为复杂网络的重要结构属性。其中，社团结构是对网络节点连接关系的模块化显示，其中的小模块称为异构网络中的社团，同一社团包含的节点关系紧密，不同社团节点间关系相对松散。

构建一个以产业为节点，以投入产出关系为边的产业网络。首先，使用基本流量表，分别对其横、纵向极大值标准化，分别求皮尔逊相关系数，选定单尾检验值在阈值0.05水平以上关联为有效产业关联，不考虑产业自身发生的关系，将两方向有效关联矩阵做并运算后二值化处理，得到无方向性的产业关联对称二值矩阵。采用基于模拟退火算法的GA算法，划分39个制造业部门的产业网络社团结构。社团结构划分的好坏由模块化指数测度。

产业社团把产业间复杂的联系形式以社团结构清晰地展现出来，奠定了确定产业链上下游关联方向的基础。首先，比较每个产业对间的投入(产出)方向价值量A，取其大者流向为主导方向。由此，社团网络的各边均同时具备了方向和流量值，无向无权网络转变为有向有权网络，权重Wi为主导方向上的流量值。其次，由于各边的权重值数据相差悬殊，以所有边权重的均值为阈值，剔除小于均值的相对松散联系的边，新生成一个产业联系相对紧密的新社团，最后，按照主导方向串联新社团内的产业节点，形成上下游关系清晰的产业链。

2.2.3 岭回归分析法

当变量间存在明显的共线性现象时，基于最小二乘法估计参数的多元线性回归方法出现较大偏差，甚至结果与实际情形背离。为准确估计回归参数，建立模型时需要消除变量间的共线性。常利用的途径有三种，增加样本容量、减少变量个数、利用有偏估计方法代替最小二乘法的无偏估计。前两者不具备有可操作性。第三种方法有主成分回归、偏最小二乘回归、岭回归三种选择。主成分回归通过降维把多数自变量指标化为少数自变量，且尽量不改变指标体系对因变量的解释程度。虽然一定程度上可解决共线性问题，但各主成分的实际含义不够明确，与因变量的关系不够直接，丧失了先前各自变量包含的重要信息。偏最小二乘回归原理集合了主成分回归提取主成分的思想，在实际意义解释方面与主成分一样存在同样的问题。

岭回归是Hoerl和Kennard提出的一种有效的有偏估计方法。当自变量系统中存在严重的多重相关性时，它可以提供一个比最小二乘法更为稳定的估计。在多元回归模型y=Xβ+δ中，参数 β的最小二乘估计 β^为 β^=(X'X)－1X'y。当自变量多重共线时β^很不准确。岭估计是加入正常数矩阵kI(k﹥0)，降低β^的奇异程度，β的岭估计为 β^(k)=(X'X+kI)－1X'y。k=0 时的岭回归估计 β^(0)为普通最小二乘估计。其中，岭参数k不是唯一的，β^(k)是的一个估计族，k值不同时β^(k)亦不同。β^(k)作为β的估计比最小二乘估计β^稳定。假设x、y均经过标准化，β^(k)是标准化岭回归估计。岭回归中关键是确定k值，本文采用岭迹图法和控制残差平方和法相结合的方式来解决。

图1 39个部门产业社团分类效果图Fig.1 The classification result of industry associations based on 39 departments

图2 以制造业为主的产业社团Fig.2 A manufacturing-based industry association

3 研究结果

3.1 产业社团划分与产业链的辨识

社团分类的模块化指数为0.32，介于0.3－0.7的取值范围之间，分类效果还算理想。由图1可知39个产业部门分成三个主要社团。社团I包含18个产业部门，80%以上部门属于制造业门类(见图2);社团II包含15个产业部门，除建筑业、水的生产和供应业以外全部属于第三产业;社团III包含的部门数最少且6个部门异质性较社团 I、II大(详见表1)。

1987年由多瑞保，色热等达斡尔族老前辈的倡导组织下，梅里斯城区的部分达斡尔族同胞，自发地举办了第一届库木勒节活动。从此年年举办庆祝活动，由已往的民间活动，发展成为民办公助的民族节日活动。

表1 山东省产业社团划分类别Tab.1 Classification of industrial societies in Shandong Province

表2 四个制造业门类所包含的行业大类Tab.2 Departments included in the four manufacturing industry categories

表3 2000－2007年六种制造业的工业增加值 单位:亿元Tab.3 Industrial value-added of six manufacturing industries from 2000 to 2007 year Unit:million yuan

以社团I为对象提取产业链。原因有二，第一，社团包含的部门数最多，第二，该社团以制造业部门为主，能更直接地将产业发展与污染物排放联系起来。产业链的提取结果如图3所示。这条链条包括农林牧渔业、食品制造及烟草加工业、化学工业、纺织工业、服装皮革羽绒及其制品业、通用/专用设备制造业和交通运输设备制造业。除农林牧渔业外共有6个制造业大门类，其中4个制造业门类包括了13个行业大类(见表2)。流量传递从最前端的农林牧渔业向下游产业传递的过程中不断递减，但在通用/专用设备制造业、交通运输设备制造业间的流量值陡然增大。这表明产业间的联系程度由密变疏，由疏转密(见图3)。

3.2 产业链经济规模、污染物规模的基本情况

选择除农林牧渔业外的6个制造业部门，讨论污染物排放的各产业贡献。2000－2007年这6个制造业的工业增加值在全省地位逐年上升，2007年占到全省工业增加值50.96%，占全省 GDP 25.93%(见表3)。该产业链的污染物排放量也占有较高的比重，2001年工业废水、固体废弃物占全省规模以上工业的比重分别为33.85%、15.12%，2007年工业废水排放量比重上升至46.86%，固体废弃物下降至13.10%(见表4)。

选用产业链的工业增加值与其所排放的污染物数据进行分析。需要指出的是2000年之前没有按照行业门类分别统计污染物排放数据，故按照公式1估算1989－2000年各年的两种污染物排放量数据。

式中，t为1989－2000各年份，j代表污染物类型，Sjt表示1989－2000年每年产业链的某污染物排放量，ajt表示1989－2000年每年全省工业某污染物的排放量，k表示2001－2007各年份，Pjk表示2001－2007年各年份6个制造业的某污染物排放总量占全省工业排放量的比重。图4为1989－2007年污染物排放量随着产业链工业增加值的变动情况。可以看出，工业废水和固体废弃物的排放基本上呈现上升态势。

图3 基于社团I定量识别的产业链Fig.3 The identified industrial chain in a quantitative method based on community I

图4 工业废水、固体废弃物随着产业链工业增加值的变动情况Fig.4 The amounts of industrial waste water and solid waste as the change of industrial value-added in the industrial chain

表4 产业链上的制造业污染物排放量及其占全省规模以上工业排放的比重Tab.4 The pollutant amounts of 6 manufacturing industries and the share accounted for the whole province’emissions from all the scale above industries

3.3 污染物排放的各产业贡献

3.3.1 模型构建

建模前首先采用容许度(Tolerance)和方差膨胀因子(Variance Inflation Factor，简称VIF)诊断自变量之间是否存在共线性问题。方差膨胀因子的测度公式如2所示:

式中，VIFjj为方差膨胀因子，Rj为Xj对其余p－1个自变量的复相关系数。

一般认为，VIFjj≥10表明自变量间存在明显的共线性现象。共线性诊断结果如表5所示。显然，自变量间共线性现象明显，不适宜直接用多元线性回归方程。论文选用岭回归分析方法讨论污染物排放变动的产业链中各产业的贡献。其中模型的解释变量为产业链上6个制造业部门产业增加值，被解释变量为产业链上所产生的工业废水量与固体废弃物量。

运行SPSS，写入岭回归模型语句，得到图5的岭迹图。岭迹图是每个自变量Xi随K值变动的岭回归估计值的变化曲线。其中，k取值范围为［0，1］，k值确定是岭回归分析方法的关键，确定的标准是k值保证各自变量的岭迹趋于稳定。论文采用岭迹图法和控制残差平方和法相结合的方式进行确定。其中，控制残差平方和法的原理是使岭回归估计的残差平方和与最小二乘估计的残差平方和比值不要增大的太大。分别计算k在［0，1］上的所有残差平方和，与最小二乘估计的残差平方和进行比值计算。

从图6看出，当k=0.3时模型I、模型II相应变量的岭回归系数变化趋于稳定，且岭估计的残差平方和与最小二乘估计的残差平方和的比值变化亦趋于稳定，经历了转折点后比值变化量趋于缓和。k=0.3时最适宜。此时，模型I、模型II的岭回归方程分别为:

表5 各产业增加值的共线性诊断Tab.5 The collinearity diagnose of six industrial value-added variables

图5 模型I(a)、模型II(b)中6个变量的岭迹图Fig.5 The ridge traces of six variables in Model I(a)，Model II(b)

图6 模型I(a)、模型II(b)岭估计与最小二乘估计的残差平方和比值及比值变化量图Fig.6 Both the ratio of ridge estimation and least squares estimation’residual sum of squares and its variation in Model I(a)，Model II(b)

其中，YⅠ、YⅡ分别为产业链的工业废水排放量、固体废弃物排放量，x1，x2，…，x6分别表示图3产业链中6个制造业的工业增加值。自变量和因变量均经过了标准化处理，模型中系数均为标准偏回归系数。

3.3.2 结果分析

模型I的F检验统计量为8.850，在0.001水平上显著，模型是可信的。模型决定系数表示自变量能够解释的因变量比例，校正样本决定系数R2为0.724，说明6个自变量可以解释产业链废水排放量的72.4%。表6中自变量的系数为岭回归方程中的标准偏回归系数，其绝对值的大小可以用来表示各个自变量导致因变量变动的相对贡献大小。由此，工业废水排放量的变动中的各产业的贡献份额可以通过标准偏回归系数的绝对值获得。当然，各产业增加值对工业废水排放量的影响程度可以通过偏回归系数获得，偏回归系数和标准偏回归系数的大小序列并不相同。

食品制造及烟草加工业、化学工业、纺织工业、服装皮革羽绒及其制品业、通用/专用设备制造业以及交通运输设备制造业增加值变动对工业废水排放量变动的贡献率分别为 15.3%、16.5%、13.9%、21.5%、19.4%、14.3%(以6个变量能解释产业链废水排放量的72.4%为100%进行测度)。其中，服装/皮革/羽绒及其制品业的贡献率最大，其次为通用、专用设备制造业和化学工业。这是因为产业链下游产业的污染物排放是上游产业产污的传递效应和产业自身污染物排放效应共同叠加的结果。不同产业的自身污染物排放能力和污染物传递效应各不相同。

由表7可知，产业链中食品制造及烟草加工业、化学工业、纺织工业、服装皮革羽绒及其制品业、通用/专用设备制造业以及交通运输设备制造业增加值变动对工业废水排放量变动的贡献率分别为15.3%、16.5%、13.9%、21.5%、19.4%、14.3%(以 6 个变量能解释产业链废水排放量的72.4%为100%进行测度)。其中，服装/皮革/羽绒及其制品业的贡献率最大，其次为通用、专用设备制造业和化学工业。之所以如此，是因为产业链下游产业的污染物排放是上游产业产污的传递效应和产业自身污染物排放效应共同叠加的结果。其中，不同产业的自身污染物排放能力和污染物传递效应各不相同。

模型II的F检验统计量为38.217，在0.000水平上显著，亦证明模型可信。模型的校正决定系数为0.925，自变量可以用来说明因变量变动的92.5%，与模型I相比自变量的解释程度明显提高。产业链中食品制造及烟草加工业、化学工业、纺织工业、服装皮革羽绒及其制品业、通用、专用设备制造业以及交通运输设备制造业增加值变动对固体废弃物排放量变动的相对贡献率分别为20.0%、15.8%、16.6%、17.9%、14.7%、15.5%(以 6 个变量能解释产业链固体废弃物排放量的92.5%为100%)。其中，食品制造及烟草加工业对产业链固体废弃物排放的贡献度最高，其次为服装皮革羽绒及其制品业和纺织工业。

表6 k=0.3时岭回归模型方程的统计参数Tab.6 Statistical parameters in the two ridge regression models when k=0.3

表7 各产业对产业链工业废水、固体废弃物排放的相对贡献率(%)Tab.7 The relative contribution of six industries on industrial wastewater，solid waste emissions from the industrial chain

4 结论

论文基于山东省39个部门间的投入产出数据，利用复杂网络分析的社团划分方法，定量识别了产业社团，提取了产业链，运用岭回归方法讨论了产业链中污染物排放变动中的各产业的贡献，有以下结论:

第一，山东省39部门产业关联网络由三大产业社团组成。社团I主要由制造业部门组成，共有18个产业部门;社团II主要是第三产业，由15个部门组成;社团III由6个产业部门组成，内部异质性强。

第二，基于社团I识别出一条产业链，这条产业链包括农林牧渔业、食品制造及烟草加工业、化学工业、纺织工业、服装皮革羽绒及其制品业、通用/专用设备制造业和交通运输设备制造业。流量传递从最前端的农林牧渔业向下游产业传递的过程中不断递减，但在通用/专用设备制造业、交通运输设备制造业间的流量值陡然增大。这条产业链无论是工业增加值还是污染物排放在山东省均有重要地位。

第三，建立了产业链中6个产业增加值分别与工业废水、固体废弃物的岭回归分析模型。发现，产业链中对工业废水、固体废弃物排放变动相对贡献度最大的部门分别是服装皮革羽绒及其制品业、食品制造及烟草加工业。

区域产业社团的划分是本文区别于其他相关研究提取产业链的一大特点，把产业间联系的复杂形式以清晰的社团结构展现出来，社团内部产业联系密切，社团间产业联系相对松散。社团结构的划分为本文中产业链的辨识提供重要依据，对今后产业链研究工作提供了重要的借鉴。

较以往研究不同的是本文选择污染物的发生主体，并非间接反映经济发展水平的人均GDP、者产业结构、产业发展外在要素等指标，使研究对象间关系更直接化、具体化。6个制造业部门通过产业链的关系串联在一起，是一个相互影响相互制约的整体。理论上以一种定量化的方法测度产业链中一个产业部门变化引起的区域污染物排放量变动。现实意义是有助于区域产业结构的调整，将整治高污染型企业与集中处理污染物集中、循环经济等工作有机结合起来，需要产业链中上下游产业部门间的通力合作。

References)

［1］Grossman G M，Krueger A B.Environmental Impacts of a North American Free Trade Agreement［C］.Garber P，ed.The U S Mexico Free Trade Agreement［M］.Cambridge MA:MIT Press，1993:13－56.

［2］Arrow K，Bolin B，Costanza R，et al.Economic Growth，Carrying Capacity and the Environment［J］.Science，1995，(268):520 －521.

［3］王西琴，李芬.天津市经济增长与环境污染水平关系［J］.地理研究，2005，24(6):834 － 842.［Wang Xiqin，Li Fen.Econometric Analysis of the Relationship Between Economic Growth and EnvironmentalDegradation ofTianjin［J］. Geographical Research，2005，24(6):834 －842.］

［4］刘荣茂，张莉侠，孟令杰.经济增长与环境质量:来自中国省际面板数据的证据［J］.经济地理，2006，26(3):374－377.［Liu Rongmao，Zhang Lixia， Meng Lingjie. Economic Growth and Environmental Quality:Evidence from Provincial Panel Data in China［J］.Economic Geography，2006，26(3):374 －377.］

［5］宋涛，郑挺国，佟连军.基于Weibull函数和Gamma函数的环境污染与经济增长的关系［J］.地理研究，2007，26(3):569－576.［Song Tao， Zheng Tingguo， Tong Lianjun. Study on the Relationship between Economic Growth and Environmental Pollution Based on the Weibull and Gamma Specification［J］.Geographical Research.2007，26(3):569 －576.］

［6］苏梽芳，胡日东，林三强.环境质量与经济增长库兹尼茨关系空间计量分析［J］.地理研究，2009，28(2):303－310.［Su Zhifang，Hu Ridong，Lin Sanqiang.Spatial Econometric Analysis of Kuznets’Relationship between Environmental Quality and Economic Growth［J］.Geographical Research，2009，28(2):303 －310.］

［7］肖前兰.珠三角地区经济增长与环境污染之间的关系［J］.生态经济，2009，(8):64 －66.［Xiao Qianlan.The Relationship of Economic Growth and Environmental Pollution in the Pearl River Delta Region［J］.Ecological Economy，2009，(8):64 －66.］

［8］Lin S，Zhao D，Marinova D.Analysis of the Environmental Impact of China Based on STIRPAT Model［J］.Environmental Impact Assessment Review，2009，29(6):341 －347.

［9］党玉婷，万能.贸易对环境影响的实证分析——以中国制造业为例［J］.世界经济研究，2007，(4):52－57.［Dang Yuting，Wan Neng.The Effect of Trade on Environment:An Empirical Analysis on China’s Manufacturing Sector［J］.World Economy Study，2007，(4):52 －57.］

［10］贺彩霞，冉茂盛.环境污染与经济增长——基于省际面板数据的区域差异研究［J］.中国人口·资源与环境，2009，19(2):56－62.［He Caxia，Ran Maosheng.Environmental Pollution and Economic Growth:Research Based on China’s Provincial Data for Difference Area ［J］. China Population， Resources and Environment，2009，19(2):56 －62.］

［11］卢东斌，孟文强.城市化、工业化、地理脆弱性与环境质量的实证研究［J］.财经问题研究，2009，(2):22 －28.［Lu Dongbin，Meng Wenqiang. An Empirical Study on Urbanization，Industrialization，Geographic vulnerability and Environmental Quality［J］.Research on Financial and Economic Issues，2009，(2):22 －28.］

［12］凌亢，王浣尘，刘涛.城市经济发展与环境污染关系的统计研究—以南京市为例［J］.统计研究，2001，(10):46－51.［Ling Kang，Wang Huanchen，Liu Tao.The Statistical Research on the Relationship between Urban Economic Development and Environmental Pollution:the Case of Nanjing City［J］.Statistical Research，2001，(10):46 －51.］

［13］臧志彭，崔维军.中国30个制造行业环境友好状况的实证研究［J］.科学学与科学技术管理，2008，(1):140－148.［Zang Zhipeng，Dai Weijun.Empirical Research on Environmental Friendly Condition of China’s 30 Manufacturing Industries［J］.Science of Science and Management of S.＆ T，2008，(1):140 －148.］

［14］唐德才.工业化进程、产业结构与环境污染—基于制造业行业和区域的面板数据模型［J］.软科学，2009，23(10):6－11.［Tang Decai.Industrialization，Industry Structure and Environment Pollution—Based on Manufacturing Industry and Regional Panel Model［J］.Soft Science，2009，23(10):6 － 11.］

［15］傅京燕.产业特征、环境规制与大气污染排放的实证研究—以广东省制造业为例［J］.中国人口·资源与环境，2009，19(2):73－77.［Fu Jingyan.An Empirical Analysis on Industrial Characteristics，EnvironmentalRegulation and AirPollution:Guangdong’s Manufacturing Industry［J］.China Population，Resources and Environment，2009，19(2):73 －77.］

［16］Hoen A R.Identifying Linkages with a Cluster－based Methodology［J］.Economic Systems Research，2002，14.

［17］Peneder M.Cluster Techniques as a Method to Analyze Industrial Competitiveness［J］.Austrian Institute of Economic Research，2001.

［18］Czamanski S，Ablas L.Identification of Industrial Clusters and Complexes:A Comparison of Methods and Findings［J］.Urban Studies，1979，16:61 －80.

［19］Feser E，Bergman E.National Industry Cluster Templates:A Framework for Applied Regional Cluster Analysis［J］.Regional Studies，1999，34:1 －19.

［20］楚波，金凤君.产业集群辨识方法综述［J］.经济地理，2007，27(5):708 － 713.［Chu Bo，Jin Fengjun.Review On theMethodology of Identifying Industrial Clusters［J］. Economic Geography，2007，27(5):708 －713.］

［21］李广志，李同升，等.产业集群的识别与选择分析—基于陕西省产业集群的研究［J］.人文地理，2007，22(6):57－60.［Li Guangzhi，Li Tongsheng，et al.An Analysis On the Identification and Selection of Industrial Clusters—Based on Shaanxi Province［J］.Human Geography，2007，22(6):57 －60.］

［22］Czamanski S.Some Empirical Evidence of the Strengths of Linkages between Groups of Related Industries in Urban Regional Complexes［J］.Papers of Regional Science Association，1971，27:137 －150.

［23］Gerold Z，Oliver F，Wolfgang P.An Input-output Analysis of Regional Clusters［M］.The Annual Meeting of the Austrian Economic Association 2001(NOEG 2001)，Graz，2001.

［24］梁进社，贺灿飞，张华.近10年北京经济职能的发展变化［J］.地理学报，2005，60(4):577 － 586.［Liang Jinshe，He Canfei，Zhang Hua.Changes in the Economic Functions of Beijing，1992 －2002:Based on the Inter－industrial Linkage and Economic Base Theory［J］.Acta Geographica Sinica，2005，60(4):577 －586.］

［25］方爱丽.基于复杂网络理论的投入产出关联分析［D］.青岛大学，2008.［Fang Aili.An Analysis of Input－ output Correlation Based on Complex Network Theory［D］.Qingdao:Qingdao University，2008.］

［26］刘刚，郭敏.中国宏观经济多部门网络及其性质的实证研究［J］.经济问题，2009，(2):31 －34.［Liu Gang，Guo Min.An Empirical Research on Chinese Macroeconomic Multi－sector Networks［J］.On Economic Problems，2009，(2):31 －34.］

［27］张许杰，刘刚.基于复杂网络的英国产业结构网络分析［J］.商场现代化.2008，(9):151－152.［Zhang Xujie，Liu Gang.An Analysis of Network Structure of England Industries Based on Complex Network［J］.Market Modernization，2008，(9):151 －152.］

AbstractThe research on the relationship of regional economic growth and environmental quality is one of the important academic topics that scholars are exploring nowadays，many of which were verified against EKC curve.In recent years some scholars have studied the impact of the industry’s own characteristics，industrial structure，technological progress and industrial foreign direct investment on pollutant emission from various departments in the national economy.However，scholars did not have any more discussion of the relationship between pollutant emissions and industry sectors which have produced pollutants in the most direct way.Therefore，in this article we transferred research perspective from the study of macro-scale measure of the relationship between regional economic development and environmental quality，and meso-scale analysis of that between industrial features and pollutants to the research on the effect of pollutant emission of specific sectors.In the same time we placed them in the structure of industrial chain and studied the relationship between pollutants emission and industrial development.There are three main conclusions:① 39 industry sectors in Shandong province were divided into three societies by the method of community division from a complex network thought.Society I had a total of 18 industrial sectors which mainly included the manufacturing ones.Association II was consisted of 15 departments，mainly the tertiary industry.Association III was formed by 6 industrial sectors and had a high internal heterogeneity.② We selected a manufacturing-based society I，in which an industrial chain linked with each other most closely was identified，including agricultureforestry-animal husbandry-fisheries industry sectors，food manufacturing and tobacco processing industry，chemical industry，textile industry，garment leather and clothing product industry，general/special equipment manufacturing industry and transportation equipment manufacturing industry.A quantitative method was applied for getting the industrial chain that stringed together each industry through the value stream.The scale of economy and pollutant of this industrial chain had an important position in Shandong province.③ We selected ridge regression method to respectively construct models of industrial waste water，solid waste emissions and 6 manufacturing industries.The relative largest contribution to industrial waste water and solid waste emissions in the industrial chain come from respectively garment leather and clothing product industry，food manufacturing and tobacco processing industry.This is due to the common effect from both industrial chain transfer from upstream industries’pollutant and its own pollutant emission.

Key wordscomplex network;industrial chain;ridge regression model;Shandong province

A Research on Industrial Contribution to Regional Environmental Pollutant Emission:Based on the Discussion of the Industrial Chain

WANG Mao-jun XU Jie YANG Xue-chun
(Institute of Resource Environment＆ Tourism，Capital Normal University，Beijing 100048，China)

F08;G40－054

A

1002－2104(2011)03－0005－09

10.3969/j.issn.1002－2104.2011.03.002

2010－08－26

王茂军，博士，副教授，主要研究方向为城市地理。

*教育部人文社会科学研究规划基金项目(编号:09YJAZH057);国家“十一五”科技支撑计划项目(编号:2006BAJ11B06)。

(编辑:于 杰)