环境污染对制造业空间集聚的影响

卢福财 詹先志

摘 要：为了探讨环境污染与制造业集聚之间的关系，获得经济发展过程中环境污染治理的启示，本文从新经济地理学角度出发，探讨城市环境污染程度的增加对制造业集聚的影响，并对比分析了在考虑空间关联性之后的不同作用结果。利用2005—2015年中国285个地级市的数据，通过构建空间面板计量模型和门槛模型，分析环境污染對制造业空间集聚的直接影响和空间溢出的间接影响，结果表明：不论是固体废弃物污染、废水污染还是二氧化硫污染，均存在空间溢出;三种污染物中能够带来显著负作用的是固体废弃物污染，而其余两种的负作用并不显著;在一定量的积累下，环境污染会对制造业集聚构成威胁，并且这种威胁受环境污染总量和环境规制力度的约束。

关键词：环境污染;制造业集聚;空间关联;新经济地理学;门槛效应

中图分类号：F427文献标识码：A

文章编号：1000-176X（2019）09-0036-09

一、问题的提出

近些年来，随着城市化进程的加快，部分城市的环境污染和生态破坏超过了环境承载力，这种负外部性所造成的社会经济和福利损失在不断加剧。根据推算，仅在2014年，中国因环境污染所造成的经济损失就高达3.82万亿元。自财政分权以来，地区污染独立治理导致的污染“搭便车”行为在地区之间不断加剧。为了缓解城市中心地区日益加剧的污染，地方政府一方面将部分新企业安置在边缘地区;另一方面则提升在城市中心地区污染排放的成本，推动企业从重污染地区转移，缓解中心地区的环境压力。第二个措施会将部分污染企业挤出，向污染排放成本较低的边缘地区转移，或者向其他污染排放成本较低的地区转移。而污染企业向区域内边缘地区转移会加据区域边缘的环境污染，这部分污染会对周边地区造成影响，产生污染在地区之间的负外部性，形成污染在空间上的关联。

针对环境污染在区域间的负外部性造成的污染空间关联，国内外学者进行了很多的相关研究。曾文慧[1]的研究发现，河流及相邻地区之间存在污染转移的激励，如在河流上游的污染会往下游转移，地区内的污染会向边缘地区转移。周沂等[2]也有类似的发现，城市中心地区的污染会逐渐向边缘地区扩散，而这种转移是因为环境规制的不均衡造成的。Duvivier和Xiong [3]也得到了类似的研究发现，同一个省的内部存在着污染“搭便车”行为，污染越来越多地向边界地区聚集而不仅仅是交通便利地区。学者们的研究得出一个相近的结论：污染并非总是在一个区域中聚集，而是在达到一定程度之后有扩散的趋势，扩散方向往往是行政地区的边缘。这种污染的边缘扩散激励并非国内独有，国外同样存在这种情况。Helland和Whitford [4]的研究发现，在州郡之间存在着污染向边缘转移的情况。另外，Novel[5]也发现，环境规制会因污染情况的改变呈动态变化，只要本地区的污染发生了转移，其相应的环境规制力度就会下降。

区域间的企业分布同样受环境污染的影响。区域间环境规制力度的不均衡会导致企业分布的不均衡，从而影响地区的经济发展水平[6]。受到早期地区政绩考核方式的影响，地方政府为了避免地区经济产值受环境规制力度上升的冲击，会相应降低该地区的环境规制力度，使得地区间出现“囚徒困境”，不利于整体的环境污染治理。环境规制力度较低的地区容易成为“污染避难所”，从而改变了区域间的企业分布，最终影响区域内的产业集聚。

总体而言，环境污染程度的变化可能会改变企业在地区间的分布，从而对产业集聚程度产生影响。如果忽略了环境污染空间关联性，估计出来的结果可能是有偏的;在已往的研究中部分学者虽然考虑了空间关联性，但实证中可能会因为省级面板数据的空间范围太大导致部分空间溢出效应难以完全捕捉。基于这样的考虑，本文通过理论分析环境污染对制造业空间集聚的影响，并使用城市面板数据对其进行检验，最终得到环境污染治理对经济发展的必要性。

二、理论模型的建立

本文所构建的模型主要依据Ottaviano[7]与Forslid和Ottaviano [8]所建立的自由企业家模型（FE），借鉴了其劳动力驱动集聚的思想;同时参考Dixit和Stiglitz[9]的D-S模型和Krugman[10]的C-P模型，分别借鉴了消费者多样性偏好和企业垄断竞争的思想及要素流动形成集聚的思想。

（一）模型假设

假设经济系统中只有两个地区，地区p和地区c分别是生产地区和消费地区，这两个地区分别由农业部门（A）、制造业部门（M）及环境保护部门构成。农产品由农业部门生产且具有以下特性：无差异性、不在地区间流动、农产品市场为完全竞争市场;地区间可贸易商品由制造业部门生产且具有以下特性：差异性、规模报酬递增、贸易商品市场为垄断竞争市场、贸易商品在地区间可自由流动;污染治理由环境保护部门负责，但环境保护部门不分配劳动力治理污染，而是由每一家企业自己分配一部分劳动力处理环境污染。假定环境保护部门的规定被充分执行且企业治理污染并不存在“搭便车”行为，在各个地区技术水平相同的情况下，每个地区需要将ηi比重的劳动力用于污染治理。地区内生产者同时也是消费者，并提供劳动力，该指标用L表示;消费者可以跨地区自由流动，且每个消费者提供一单位的劳动力，该单位劳动力具有非负效用及非弹性的性质。地区的有效劳动力供给取决于劳动力数量L和用于污染治理的比重ηi，地区的消费和生产主要依赖于有效劳动力。在一单位劳动力中，1-ηi用于生产，ηi用于污染治理。

（二）消费者

代表性消费者的总效用来自农产品的消费及制造业部门产品的消费为Un=MμnA1-μn，0<μ<1。制造业部门产品的子效用则由各个差异化产品组成，Mn=（∫nwi=0mγnidi）1/γ;σ=11-γ>1

。其中，Un表示地区n的消费者效用，M表示制造业部门产品消费数量，A表示农产品消费数量，μ表示制造业商品的支出比重，nw表示制造业商品的种类，mni表示地区i生产的商品在地区n的消费数量。假设各种商品之间具有替代性，σ表示差异化商品之间的替代弹性（σ>0）。商品在地区之间流动受“冰山”成本的影响，若要将一单位商品从生产区i送往消费区n，则需要运送的商品数量为τ，并在运输过程中将损耗τ-1的商品。因此，生产区i的商品在消费区n的销售价格为pni=τpi，n地区的代表性消费者预算约束为PAnA+PMnM=I。

（三）变量说明

城市产业集聚度的衡量一般采用制造业区位商进行测算[15]。由于区位商不能反映出经济地理特征，在数据可得性基础上，本文借鉴Koo[16]的测算方法， 令aggi=Li/LCSi。Si表示城市i的市辖区建成面积，Li表示城市i的制造业总就业量，LC表示全国总的制造業就业量。该指标考虑了部门和地区之间经济活动的分布方式。

基于假设2，不同的污染物对制造业集聚的影响可能有所不同。因而将环境污染分为固体废弃物（包含粉尘）污染（smoke）、二氧化硫污染（SO2）、废水污染（water）。环境污染（pollu）则用各个地区的三种污染物的加和在全国总污染的比重表示。

本文从新经济地理学和其他学科的角度选取了如下控制变量：地区工业企业的数量（firm），企业的集聚往往会带来产业外部性，工业企业数量较多的地区容易形成劳动力、知识的外溢与共享，产生正外部性，有利于企业选址。信息化程度（com）用地区的运输、邮电通信、仓储的总产值占地区GDP的比重与全国运输、邮电通信、仓储的总产值占全国GDP比重的比重来表示。交通运输条件（road）通过地区的公路里程与全国公路总里程的比值表示，表示地区的交通运输条件。劳动力成本（wage）用地区的职工平均工资与全国职工平均工资的比值表示。实际收入的差异会激励劳动力在区域间的流动，从而影响企业的区域分布。

其他控制变量有：人力资本（edu），人力资本高的地区存在着知识溢出效应，还可以降低企业的人才搜寻成本。该指标用各地级市本（专）科毕业生人数占地级市总人口的比重与全国本（专）科毕业生人数占全国总人口的比值来表示。消费者购买力（pergdp）使用了地区人均GDP 与各年全国人均GDP的比值来度量，用以指代地区的需求水平。政府支出（gov）以地区不包含教育支出的政府支出在GDP 中的比重与全国不包含教育支出的政府支出在GDP 中比重的比值来衡量。对外开放程度（open）高的地区，往往与国外交易的交易成本和运输成本都较低，有利于外资企业的选址。城市化（urban）用各地区的城市化率与全国城市化率的比值来衡量。在城市经济学中，城市化水平较高的地区有着较高的正外部性，会对企业产生选址的激励。环境规制（er）采用了各地级市的污染源治理本年投资额与城市人口的比值作为刻画城市环境规制水平的指标。

（四）数据说明与描述统计

本文选取了285个地级市2005—2015年的面板数据作为研究样本，样本数据从《中国城市统计年鉴》《中国环境统计年鉴》《中国区域经济统计年鉴》搜集获得。另外，和价格有关的指标，如GDP、职工平均工资（wage）、消费者购买力（pergdp），为了消除价格因素的影响，均以2005年为基年，利用各省的GDP平减指数进行了调整。数据中存在的缺失值则利用插值法进行补充，同时对样本数据中的异常值作了平滑处理。

需要说明的是，统计年鉴中，城市化水平数据存在严重缺失，本文参考了孙久文和周玉龙[17]计算城镇化的方法进行了补充。该方法采用非农就业人口占总就业人口的比重来替代一个城市的城镇化水平，而非农就业人口则是用总就业人口减去农林渔牧业就业人口表示。各个变量的样本数均为3 135个。变量的描述性统计如表1所示。

四、实证结果分析与检验

（一）空间效应实证结果分析

1.环境污染空间相关性检验

2.估计模型识别

空间关联性的引入可以避免忽略空间因素带来的偏误，但需要进一步检验和判断来确定具体的空间计量模型。一般情况下，使用LM和Robust LM的统计值和显著性来判断空间计量模型的适用性。

空间计量模型的检验结果显示，SLM模型和SEM模型均在LM和Robust LM两种检验方法下通过了1%的显著性检验。除了针对空间效应的检验，本文还进行了时间效应及空间和时间混合效应检验，但只有空间效应的结果显著，因而最终使用空间效应模型。SLM模型和SEM模型均通过了检验，可通过对比两个模型的Log-likelihood值的大小区分两个模型在样本数据上的优劣。两个模型对应的Log-likelihood值分别为-107.3414和-1 353.8976，可知SLM模型有着更好的效果。另外，Walds和LR检验则是为了检验SDM模型能否替代SLM模型。Walds和LR检验的结果均显著，说明可以使用SDM模型。

Hausman检验结果显示，随机效应在该样本数据不适用，因为不满足随机效应中个体效应与解释变量不相关的基本假设，所以最终选择使用固定效应。另外，本文使用的是中国285个地级市单位，覆盖面较广，不存在需要通过随机抽样获得整体性质的问题，同样也说明了固定效应的可行性。

3.空间面板计量结果分析

（1）初步分析。

在空间计量模型的选择判断中，最终选择SDM模型。为了对比，除了使用SDM模型进行参数估计，也使用了非空间计量的引入个体固定效应模型进行估计，两个模型的估计结果在表3中。另外，实证中所使用的软件分别为Stata14.0和Matlab2010a及其对应的空间计量软件包jplv7。

在本文所使用的面板数据中，T=11，N=285，N远大于T，属于短面板，一般不需要进行单位根和协整检验。由于需要对三种污染物的系数进行直接对比，因而对这三种污染物数据进行了标准化处理。根据表3的结果，可以初步得到以下的结论：一是在SDM模型和个体固定效应模型的结果中，只有固体废弃物污染对制造业集聚有着显著为负的影响;在作用方向上，三种污染物的系数方向均为负，和预期的结果一致。二是除了本地固体废弃物污染之外还需考虑周边固体废弃物污染带来的影响。对比可知，不考虑空间因素的情况下，会低估固体废弃物对制造业集聚的作用。三是通过表3的ρ值可以看出，制造业集聚存在着空间溢出效应，即制造业集聚程度高的地区，对邻近地区有着正向外部性，往往有利于周边的制造业集聚。

[4]Helland， E.， Whitford， A. B. Pollution Incidence and Political Jurisdiction： Evidence From the TRI[R]. Claremont Colleges Working Papers， 2003.

[5]Novel， D. P. The OTC Challenge： Adding VOC Controls in the Northeast[J]. Journal of the Air and Waste Management Association， 1992， 42（8）： 1053-1056.

[6]周浩，郑越.环境规制对产业转移的影响——来自新建制造业企业选址的证据[J].南方经济，2015，（4）：12-26.

[7]Ottaviano， G.I. P . Monopolistic Competition， Trade， and Endogenous Spatial Fluctuations[J]. Regional Science and Urban Economics， 1996， 31（1）：51-77.

[8]Forslid， R.， Ottaviano， G. I. P. Trade and Agglomeration： An Analytically Solvable Case[R]. Unpublished Manuscript， 1999.

[9]Dixit， A. K.， Stiglitz， J. E. Monopolistic Competition and Optimum Product Diversity[J].The American Economic Review， 1977， 67（3）：297-308.

[10]Krugman， P. Increasing Returns and Economic Geography[J]. Journal of Political Economy， 1991， 99（3）：483-499.

[11]刘安国，张克森，杨开忠.环境外部性之下的经济空间优化和区域协调发展——一个扩展的新经济地理学模型[J].经济问题探索，2015，（12）：91-99.

[12]Anselin， L. Spatial Econometrics： Methods and Models[M]. Boston：Kluwer Academic Publishers， 1988.80-99.

[13]Le Sage， P.， Pace， R.Introduction to Spatial Econometrics[M].Florida：CRC Press，2009.45-75.

[14]Hansen， B. E. Threshold Effects in Non-Dynamic Panels： Estimation， Testing， and Inference[J]. Journal of Econometrics， 1999， 93（2）：345-368.

[15]劉修岩，殷醒民，贺小海.市场潜能与制造业空间集聚：基于中国地级城市面板数据的经验研究[J].世界经济，2007，（11）：56-63.

[16]Koo， J. Determinants of Localized Technology Spillovers： Role of Regional and Industrial Attributes[J]. Regional Studies， 2007， 41（7）：995-1011.

[17]孙久文，周玉龙.城乡差距、劳动力迁移与城镇化——基于县域面板数据的经验研究[J].经济评论，2015，（2）：29-40+77.

（责任编辑：邓 菁）