下载:
-
改革开放以来，中国城市化进程不断加快，为经济增长持续注入活力。伴随着城市规模扩张，一系列生态环境问题逐步显现。世界卫生组织全球城市空气污染数据库指出，中国绝大多数城市的颗粒物（PM10）和细颗粒物（PM2.5）污染水平超过世界卫生组织的标准。全球PM2.5年均排放量前100的城市中，有30个城市来自中国。2018年中国《生态环境状况公报》显示，全国有217个城市环境空气质量超标，占全国空气质量超标的64.2%；338个地级市发生重度以上污染的频率达2 721天次，其中以PM2.5为首要污染物的天数占重度及以上污染天数的60.0%，呈现范围广、频率高、常态化的特征。一系列事实表明，以雾霾污染①为首的城市环境问题已成为阻碍生态文明建设和高质量发展的桎梏。
近年来，公共服务供给作为政府职能和综合治理手段的地位不断凸显，其对促进经济增长、增加就业、改善居民福利、推动城市规模扩张的作用已被诸多研究证实[1-2][3]149-164，在此过程中也可能由于拥挤和其他集聚负外部性的存在而引致摩擦[4]。高质量发展阶段需要协同推动经济发展和环境保护。环境质量与经济社会发展方式相伴随，公共服务供给的规模、结构和分布在改变经济社会发展水平的同时，必然会对环境质量产生重要影响。为此，本文重点关注公共服务供给在推进城市经济快速发展的同时，是否有助于地区环境污染治理。不同于环保立法、执法等强制性管制污染排放量的手段[5]98-121和倒逼机制，公共服务供给能够从提升要素投入质量、改善经营环境等层面为经济高质量转型提供支持[6]490-495，进而作用于地区环境质量。当前中国经济仍处于转型发展的关键期，城市发展更加注重质量和效益的提升。处理好城市发展过程中的环境问题是坚持高质量发展理念的必然要求，也是贯彻“人与自然和谐共生”的基本方略和追求绿色发展的重要体现。党的十九大报告将污染防治列为决胜全面建成小康社会的三大攻坚战之一。党的十九届四中全会明确指出，要完善公共服务体系和政府的公共服务职能。在上述背景下探讨提升公共服务供给对城市雾霾污染的影响及作用机理，不仅有助于系统把握公共服务供给与城市雾霾污染的作用关系，准确刻画公共服务供给影响城市雾霾污染的路径，还有助于评价现有相关政策的实施效果，为城市环境治理问题提供科学的经验证据。
政府通过公共服务手段进行环境治理可以利用外部性理论进行解释。环境污染具有明显的负外部性特征，单凭市场手段难以有效解决。为弥补市场失灵，修正外部性，政府有责任采取一定手段治理环境污染[7-8]。随着环境问题日益凸显，公共服务对环境污染的影响受到国内外学界的广泛关注。Greiner[9]67-84首次将环境污染引入内生增长模型，并在此框架下研究公共支出的增长和福利效应。其后不少研究试图在不同假定下刻画公共服务对经济增长和环境的影响[10]1-5[11-12]。目前关于公共服务与环境污染之间关系的实证研究，主要存在两类观点：第一种观点认为，公共服务供给有助于环境质量的改善。部分研究选取某一类公共服务作为研究对象分析其对污染排放的影响。有学者分别从交通基础设施[13-15]、水利设施[16]、公共教育[17]156-169等具体角度通过实证检验了完善公共服务对城市空气污染的影响。也有学者从公共服务的整体视角分析增加公共服务供给与环境污染的关系[18]91-108[19]。绝大部分研究都肯定了公共服务供给对环境质量的正向影响，有少数研究认为，政府增加公共支出会改变土地利用状况，影响能源消费，从而加剧污染排放[20]691-694[21]。第二种观点认为，公共服务供给影响环境质量的作用方向是不确定的，可能受到政府规模大小[10]1-5、收入水平[22]48-56等因素的影响。Lopez等[23]180-198构建了一个公共服务支出对环境质量影响机制的理论框架。Halkos和Paizanos[22]48-56首次区分了公共服务供给对环境污染的直接与间接效应。通过对77个国家的数据进行实证分析，笔者发现政府公共支出与环境污染之间并非纯粹的线性关系，而是取决于收入水平。Adewuyi[6]489-500研究发现，公共服务供给不仅对碳排放具有直接的负向作用，还能通过人均收入水平降低碳排放，印证了Halkos和Paizanos[22]48-56的观点。国内关于公共服务与环境污染的研究起步相对较晚，主要是在环境库茨涅茨曲线（EKC）的框架下展开，即公共服务通过影响经济增长和收入水平作用于环境污染[24-26]。
尽管现有研究对公共服务供给与环境污染的关系开展了一些探索，但仍存在一定拓展的空间。从研究视角来看，已有文献大多以公共服务支出为视角分析其对环境污染的影响，从公共服务设施的供给结构出发对公共服务进行刻画，并探讨其环境影响的研究较少。对公共服务与环境污染的关系分析也较为简单，缺乏从不同城市类型和公共服务类别出发的异质性分析。同时，现有文献主要从讨论公共服务通过改变收入水平影响环境污染的机制，鲜有文献在统一的框架下对公共服务供给影响城市环境污染的机制进行综合分析。从数据和研究样本来看，对于空气污染物的研究以CO2、SO2、NO等为主，针对公共服务供给与雾霾污染的关系探讨也尚不多见。同时，国外研究大多从国家层面出发，而国内研究则以省级层面为主，来自中国地级市层面的实证分析仍较为缺乏，难以为公共服务供给的环境效应提供可靠的经验证据和机制解释。
受地理位置、资源禀赋、经济社会发展水平等差异影响，现阶段中国的公共服务供给呈现供给不足和空间分布不均等特征，导致拥堵、“搭便车”和地区竞争等现象存在，给公共服务与环境污染的关系带来不确定性。基于此，增加公共服务供给是否能够对中国城市环境污染起到有效的抑制作用，这一作用效果对于各类公共服务以及不同类型城市是否存在异质性，公共服务供给与城市环境污染之间存在着怎样的内部机制，将是本文着力解决的问题。
鉴于此，本文构建公共服务供给影响城市环境污染的统一分析框架和理论模型，并利用2005—2016年中国地级及以上城市的面板数据考察公共服务对城市雾霾污染的影响、差异性及作用机制，以期对现有研究进行有益补充。与现有文献相比，本文的创新点如下：首先，已有研究并未在统一的理论框架下对公共服务供给和城市环境污染的作用路径进行系统分析和检验，本文在Greiner[9]67-84的内生增长模型中分离出技术进步、收入规模和产业结构三种效应，在内生增长分析框架下综合探讨公共服务供给对城市环境污染的影响和作用机制，进一步延展了公共服务供给的理论框架。其次，采用地级市的相关数据，对公共服务供给与中国城市雾霾污染的影响及差异性进行深入刻画。再次，利用中介效应模型识别和测度公共服务通过技术进步、收入规模和产业结构效应影响城市雾霾污染的机制。
-
Greiner[9]67-84将环境质量引入包含公共服务的内生增长模型，但并未深入研究公共服务供给与环境污染的影响及作用机制。本文在此基础上构建公共服务通过技术进步效应、产业结构效应和收入规模效应影响环境污染的理论框架。模型中引入了拥挤效应等更符合现实经济特征的设定，并重点关注公共服务与环境污染之间的作用关系。
本文模型的经济体中包含生产商、代表性消费者和政府。假定产品和要素投入市场为完全竞争，每个生产商都最大化其利润，将劳动禀赋标准化为1，采用C-D函数模型表示的生产函数如下
$$ Y = {K^\alpha }{{\overset\frown{G} }}\!\;^{{\rm{1 - }}\alpha }\;\;{\rm\;\;\;\;\;\;\;\; {0 < }}\alpha {\rm{ < 1}} $$ (1) $$ {\overset\frown{G}} {\rm{ = }}G{\bar K ^{ - \theta }}\;\;{\rm\;\;\;\;\;\;\;\;{0 < }}\theta {\rm{ < 1}} $$ (2) 其中，Y表示经济产出；K表示物质资本投入；
${\overset\frown{G}} $ 表示调整了拥挤效应的公共服务供给水平；$\alpha $ 代表物质资本的产出弹性；$G$ 为实际公共服务供给水平；$\bar K$ 表示生产者的平均物质资本存量。式（2）刻画了物质资本的拥挤效应对公共服务供给作用效果的影响，反映了公共服务供给的产出效益与私营生产者的物质资本存量成反比。进一步假设私人资本的拥挤效应不足以抵消其对生产的正向影响，则有
$\alpha - \theta (1 - \alpha ) > 0$ 。对拥挤效应的刻画借鉴了Fisher和Turnovsky[27]的做法。假定污染是经济生产过程中难以避免的副产品，则可以表示为
$$P(t) = \vartheta Y(t)$$ (3) 其中，污染排放率
$\vartheta $ 与技术创新水平和产业结构相关，表示为$\vartheta = f({\rm{tech,str}})$ 。工业是污染排放的主要部门。当工业生产过程中采用了更先进的技术时，会降低单位产出的能耗[28]43-71，进而影响污染排放水平。与此同时，当产业结构中工业的占比越大，污染排放就越多[29]148-165；反之，服务业占比越大，污染排放率越低。$0 < \vartheta < 1$ ，$\vartheta $ 越大表示污染排放率越高。环境污染程度会影响代表性消费者的效用。政府分别对污染和产出收税，并将其所得用于公共服务供给和环境规制措施。环境规制措施和生产技术进步可以使污染水平降低，但无法完全消除污染。其中，实施环境规制的支出主要来自污染税收。假设污染税税率为
${\tau _P}$ ，那么环境规制强度可以表示为$D(t) = \eta {\tau _P}P(t)$ ，其中${\rm{0}} \leqslant D$ ，规制强度系数$\eta > 0$ 。当$\eta < 1$ 时，污染税收所得并不完全用于环境规制，余下部分将用于公共服务供给，即会提升公共服务存量。当$\eta > 1$ 时，意味着除了污染税收之外，有部分所得税也被用于环境规制措施。假定政府预算收支平衡，则环境污染与公共服务水平的积累方程可以表示为$$ \begin{aligned} &\;\;\;\;\;\dot P = \vartheta Y - \eta {\tau _P}\vartheta Y \\ &\dot G = {\tau _P}P + \tau (1 - {\tau _P}\vartheta )Y - {\tau _P}\eta P \end{aligned} $$ (4) 或者
$$\dot G = {\tau _P}P(1 - \eta ) + \tau (1 - {\tau _P}\vartheta )Y$$ (5) 将式（1）带入式（4），可得
$$\dot G = {K^\alpha }{\hat G^{1 - \alpha }}[{\tau _P}\vartheta (1 - \eta ) + \tau (1 - {\tau _P}\vartheta )]$$ (6) 为简化分析，本文假设公共服务存量的折旧率为0。
代表性消费者的效用取决于消费水平和环境污染程度（环境质量），因此，其瞬时效用函数可以表示为
$$ V(G,C,P) = \frac{{{C^{1 - \sigma }}}}{{1 - \sigma }} - \gamma{P} \;\;\;\;\;\;\;\;{\rm{0}} < \sigma \;\;\;\;\gamma < 1 $$ (7) 其中，C表示消费水平；
$\sigma $ 为边际效用弹性系数；$\gamma $ 为污染的边际负效用。消费者的目标是在预算限制下最大化其终身效用。参考已有文献，终身效用表示为瞬时效用在无限时域上的贴现值加总，即
$$\mathop {\max }\limits_{C(t)} \int_0^\infty {{{\rm{e}}^{ - \rho t}}V(t){\rm{d}}t} $$ (8) 其中，
$\;\rho $ 表示主观贴现率。代表性消费者将其税后收入分配给消费或投资，则消费者的预算限制表现如下
$$\dot K = (1 - \tau )(1 - {\tau _P}\vartheta )Y - C$$ (9) 为简化分析，本文再次假设物质资本的折旧率为0。
-
代表性消费者在式（7）与式（9）的约束下最大化其化其终身效用，根据最大值原理，构建汉密尔顿函数
$$H{\rm{ = }}\frac{{{C^{1 - \sigma }}}}{{1 - \sigma }} - \gamma P{\rm{ + }}{\lambda _K}[(1 - \tau )(1 - {\tau _P}\vartheta )Y - C]$$ (10) 其中，C和K分别为控制变量和状态变量，
${\lambda _K}$ 代表哈密顿乘子，即状态变量K的影子价格。根据控制变量的最大化一阶条件和状态变量欧拉方程，可得$${C^{ - \sigma }}{\rm{ = }}{\lambda _K}$$ (11) $$\frac{{{{\dot \lambda }_K}}}{{{\lambda _K}}}{\rm{ = }}\rho - (1 - \tau )(1 - {\tau _P}\vartheta )(\alpha - \theta + \theta \alpha ){K^{(\alpha - 1)(\theta + 1)}}{G^{1 - \alpha }}$$ (12) 由式（10）和式（11），进一步得到
$$\frac{{\dot C}}{C} = \frac{1}{\sigma }[(1 - \tau )(1 - {\tau _P}\vartheta )(\alpha - \theta + \theta \alpha ){K^{(\alpha - 1)(\theta + 1)}}{G^{1 - \alpha }} - \rho ]$$ (13) 在平衡增长路径下，经济体中各变量均以平衡增长率g的速度增长，有
$\dfrac{{\dot C}}{C} \equiv \dfrac{{\dot K}}{K} \equiv \dfrac{{\dot G}}{G} \equiv g > 0$ ，其中，g为常数；C、K、G严格大于0。因此，可以将式（6）与式（9）分别转换如下
$$\frac{{\dot K}}{K}{\rm{ = }}(1 - \tau )(1 - {\tau _P}\vartheta ){K^{(\alpha - 1)(\theta + 1)}}{G^{1 - \alpha }} - \frac{C}{K} = g$$ (14) $$\frac{{\dot G}}{G}{\rm{ = }}{K^{\theta (\alpha - 1)}}{(\frac{K}{G})^\alpha }[{\tau _P}\vartheta (1 - \eta ) + \tau (1 - {\tau _P}\vartheta )] = g$$ (15) 由式（13）可得
$${K^{(\alpha - 1)(\theta + 1)}} = {\phi ^{ - 1}}(1 - {\tau _P}\vartheta ){G^{\alpha - 1}}$$ (16) 其中，
$\phi = {{(1 - \tau )(\alpha - \theta + \theta \alpha )} / {(g\sigma + \rho )}}$ 。已知$\alpha - \theta (1 - \alpha ) > 0$ ，则$\phi > 0$ 。将其带入式（15）可得
$$\frac{{\dot G}}{G}{\rm{ = }}{\phi ^{ - 1}}(1 - {\tau _P}\vartheta )[{\tau _P}\vartheta (1 - \eta ) + \tau (1 - {\tau _P}\vartheta )]\frac{K}{G} = g$$ (17) 经过调整，可得到公共服务供给G与技术创新
$\vartheta $ 之间的关系$$(1 - {\tau _P}\vartheta )[{\tau _P}\vartheta (1 - \eta ) + \tau (1 - {\tau _P}\vartheta )] = g\phi \frac{G}{K}$$ (18) 等式两边分别对G求导，调整可得
$$\frac{\partial\vartheta }{{\partial G}} = \frac{{g\phi }}{{{\tau _P}K}}{[(1 - \eta - \tau )(1 - 2{\tau _P}\vartheta ) - \tau ]^{ - 1}}$$ (19) 其中，
$\dfrac{{g\phi }}{{{\tau _P}K}} > 0$ ，因此当$(1 - \eta - \tau )(1 - 2{\tau _P}\vartheta ) - \tau < 0$ 成立时，增加公共服务供给可以降低污染排放率，从而改善环境污染。结合式（1）和式（19），将式（3）对G求偏导，可得
$$\frac{{\partial P}}{{\partial G}} = \frac{{g\phi }}{{{\tau _P}K}}{[(1 - \eta - \tau )(1 - 2{\tau _P}\vartheta ) - \tau ]^{ - 1}}Y{\rm{ + }}\vartheta \alpha {K^{\alpha - \theta (1 - \alpha )}}{G^{ - \alpha }}$$ (20) 综合式（3）、式（19）和式（20），可以得出公共服务供给通过作用于技术进步tech、产业结构str和收入规模Y，进而影响环境污染这一路径。该作用效果与变量
$\eta $ 、${\tau _P}$ 、$\vartheta $ 和$\tau $ 之间密切相关。 -
已有文献充分表明，公共服务与环境污染存在直接关联。大部分文献都肯定了公共服务供给在改善环境污染方面的积极作用。具体而言，公共服务对企业生产和居民生活具有成本补贴效应。一方面，能源、交通、通信等基础设施的完善有助于改善企业的生产经营环境，降低生产成本，使企业有更多精力从事清洁生产技术和产品的设计、研发和生产活动[6]489-506。另一方面，教育、医疗等民生类公共服务的完善有助于优化居民生活环境，降低生活成本并提高购买力，提高居民对清洁产品和居住环境的要求，从而对企业的污染排放行为产生一定约束。降低污染排放[23]180-198。
由于中国不同地区的资源禀赋、经济发展水平等存在明显差异，城市规模大小的不同可能产生异质性的环境影响。经验证据表明，虽然大城市生产的规模效益大、资源配置效率高，能带来较多的环境改善效果，但其固有的经济体量大、人口密集等特点可能会在一定程度上削弱这种改善效果[5]98-121。最终的影响差异，应取决于不同作用效果之间的比较。与此同时，公共服务可以具体细分为教育、医疗和基础设施等不同方面，不同类型的公共服务对环境污染的作用方式不同，其影响可能也具有差异性。具体而言，基础设施类公共服务主要通过降低能耗、改进效率对环境质量产生影响[30]；而教育类公共服务更强调通过人力资本的积累效应改变环境污染状况[17]156-169。
此外，从模型推导和已有文献来看，公共服务与环境污染之间也存在间接相关[22]48-56。根据已有文献，公共服务影响城市环境质量的中介机制可以从下三个方面进行分析：第一，公共服务供给通过技术进步影响环境污染。公共服务作为政府的一种投入手段，能够通过投资效应刺激科技创新，提高地区的技术效率[31]187-199。同时，公共服务供给通过“用脚投票”机制[32]引致劳动力迁移，促进资本、劳动力等要素集聚，促进人力资本的长期积累，从而深化知识的学习、匹配和共享效应[33]，提高资源配置并改进生产工艺，进而减少生产要素和资源的浪费，降低生产过程中的污染排放。与此同时，当技术进步偏向扩大生产规模而非能源节约时，可能会快速增加能源消耗，给环境带来压力。第二，公共服务通过产业结构效应作用于环境污染。公共服务包含了基础设施、教育、医疗等多方面，其供给的增加一定程度上体现了政府引导经济发展的方向[34]59-63，必然引致产业结构的调整。当产业结构向服务业方向调整时，污染排放率下降；反之，则污染加剧。第三，公共服务通过促进经济发展和居民收入规模影响环境污染。一方面，公共服务在扩大生产规模和刺激生产的同时加大了能源消耗，从而加剧环境污染[18]91-108。经济规模的扩大和要素的过度集中也可能在一定程度上造成拥挤效应[35]，从而引发环境问题。另一方面，公共服务支出主要来源于税收，经济增长带来的收入增加能够为政府开展环境治理活动提供更多支持。基于此，本文提出以下假设：
假设1.公共服务供给有利于降低城市环境污染；
假设2.公共服务对城市环境污染的影响具有异质性；
假设3.公共服务供给通过技术进步效应、产业结构效应和收入规模效应影响城市环境污染。
-
污染水平式（4）、消费者效用水平式（8）和污染排放决定式（19）和式（20）共同组成了一个包含城市环境污染、公共服务供给、技术进步、产业结构和收入规模等因素的联立系统。为考察公共服务供给对城市雾霾污染的影响，本文构建如下基准模型
$$\begin{aligned} \ln {\rm{P}}{{\rm{M}}_{it}} = & {\lambda _0} + {\lambda _1}\ln {\rm{G}}{{\rm{F}}_{it}} + {\lambda _2}\ln {\rm{TEC}}{{\rm{H}}_{it}} + {\lambda _3}\ln {\rm{ST}}{{\rm{R}}_{it}} + {\lambda _4}\ln {\rm{AGD}}{{\rm{P}}_{it}} + \\ & {\lambda _5}\ln {\rm{V}}{{\rm{C}}_{it}} + {\lambda _6}\ln {\rm{FI}}{{\rm{N}}_{it}} + {\lambda _7}\ln {\rm{PO}}{{\rm{P}}_{it}} + {\lambda _{\rm{8}}}\ln {\rm{FD}}{{\rm{I}}_{it}} + {\varepsilon _{it}} \end{aligned} $$ (21) 其中，i表示中国281个地级市截面单位；t表示年份；因变量PM为PM2.5年均浓度；GF为核心解释变量公共服务供给；TECH、STR和AGDP分别为技术进步、产业结构和人均GDP，用以表征公共服务的三种效应；FIN为金融水平；POP为人口规模；FDI为外商投资水平；
$\lambda $ 为待估参数；$\varepsilon $ 为随机扰动项。根据模型推导，公共服务可能通过技术进步、产业结构和收入规模效应影响城市环境污染。本文借鉴Baron和Kenny[36]1173-1182提出的中介效应检验模型进行识别。中介效应检验模型设定如下
$$\ln {\rm{P}}{{\rm{M}}_{it}} = {\beta _0} + {\beta _1}\ln {\rm{G}}{{\rm{F}}_{it}} + {\beta _{\rm{2}}}\ln {X_{it}} + {\varsigma _{it}}$$ (22) $$\ln {M_{it}} = {\gamma _0} + {\gamma _1}\ln {\rm{G}}{{\rm{F}}_{it}} + {\gamma _{\rm{2}}}\ln {X_{it}} + {\upsilon _{it}}$$ (23) 其中，M表示中介变量；X为一组控制变量；
$\varsigma $ 和$\upsilon $ 均表示随机误差项；其他变量符号与前文相同。式（21）~式（23）共同构成了本文的中介效应检验模型。本文采用逐步检验法对公共服务供给是否通过技术进步、产业结构和收入规模效应的中介渠道影响环境污染进行验证[36]1173-1182。首先检验式（22）中公共服务的系数
${\beta _1}$ 是否显著。若不显著，则停止中介效应检验；反之，则检验继续进行。随后依次检验式（23）公共服务的系数${\gamma _1}$ 和式（21）中介变量的系数${\lambda _2}$ 是否显著。若二者均显著，则说明存在中介效应。最后检验式（21）中公共服务的系数${\lambda _1}$ 是否显著，若显著，则说明存在部分中介效应；反之则存在完全中介效应。此外，本文还考虑了核心变量之间可能存在双向因果关系所引致的内生性问题。一方面，城市公共服务供给、人口规模、经济发展等因素会通过规模、技术等效应作用于当地空气污染水平；另一方面，空气污染也会反向影响政府的公共服务供给的规模、类型等决策。针对这一问题，本文采用工具变量（2SLS-IV）法，基于地理环境选取工具变量进行内生性处理。现有研究表明，自然地理条件在各类基础设施的建设过程中有重要影响[37]，其中坡度是重要因素之一。随着坡度的升高，建设公共设施的成本和难度将会增加，提供公共服务的可能性则会越小。此外，城市的雾霾污染与经济活动直接相关，而与地理因素的相关性不大，因此选取坡度作为工具变量可以较好地控制内生性问题。借鉴已有文献的做法，构造地级市坡度指数（SLOPE）作为公共服务供给的工具变量。各省的坡度遥感影像来自中国科学院资源环境数据中心②。影响的分辨率为1 000米，满足研究需求。利用ENVI5.1软件进行几何校正、影像增强、融合、镶嵌与裁剪等处理后，解析出约940万条中国坡度栅格数据。进一步在Arcgis10.2中与地级市行政区界线匹配即可得到各地市的坡度数据。同时，本文以公共服务供给的滞后一期项作为工具变量，并采用2SLS法对模型进行估计。
-
本文样本为2005—2016年全国281个地级及以上城市的面板数据。雾霾数据来源于哥伦比亚大学社会经济数据应用中心（SEDAC）。专利数据来自中国研究数据服务平台（CNDRS）。其他相关原始数据主要来自历年《中国城市统计年鉴》《中国统计年鉴》和各省份的统计年鉴。所有货币价值数据均以2005年不变价计算。对于个别城市存在的缺失数据采用线性插值法补齐。各变量具体测度如下:
1. 被解释变量：城市雾霾污染（PM）。本文采用PM2.5浓度值作为环境污染的测度指标。已有研究表明，尽管存在一定程度的气象因素，但经济增长方式、产业结构等经济因素仍是雾霾污染的根源[29]148-165。相较SO、PM10等指标，PM2.5是中国最主要的污染排放物，也是雾霾的“元凶”，能够直接刻画中国城市空气污染水平。因此，本文选取雾霾污染来表征城市环境污染具有一定合理性。本文采用哥伦比亚大学社会经济数据应用中心（SEDAC）发布的分年度世界PM2.5卫星监测数据，与中国地级市矢量图进行匹配得到。该数据基于卫星监测，能够较全面、准确地度量地区PM2.5浓度值，已被应用于不少研究中。
2. 核心解释变量：公共服务供给（GF）。不少国内外文献都对公共服务的内涵进行了界定[28]43-71，主要涉及交通、教育、医疗卫生和能源等方面。本文在Bleaney等[38]的基础上，借鉴韩峰和李玉双[3]149-164和辛冲冲和陈志勇[39]的研究，从基础教育、医疗卫生、能源利用、基础设施和公共环境五个方面选取指标，构建城市公共服务供给水平指标体系（如表1所示），并利用熵权法对各地级市公共服务水平进行评价。数值越高表明公共服务供给水平越高。
表 1城市公共服务供给水平指标体系
公共服务类别 具体指标 指标属性 基础教育 小学教育生师比/（人/万人） + 初中教育生师比/（人/万人） + 每万人普通中学及小学学校数/（所/万人） + 医疗卫生 每万人病床数/（张/万人） + 每万人医生数/（人/万人） + 每万人医院数/（家/万人） + 能源利用 居民人均生活用水量/（吨/人） + 居民人均生活用电量/（千瓦时/人） + 居民人均煤气使用量/（立方米/人） + 居民人均液化石油气使用量/（吨/人） + 基础设施 每万人拥有公共汽车数/（辆/万人） + 人均城市道路面积/（平方米/人） + 单位建成区面积道路里程/（千米/平方千米） + 每万人拥有邮政营业网点/（个/万人） + 公共环境 人均公园绿地面积/（平方米/人） + 建成区绿化覆盖率/% + 污水处理厂集中处理率/% + 生活垃圾无害化处理率/% + 工业固体废物综合利用率/% + 人均工业二氧化硫排放量/（吨/人） − 3. 中介变量：技术进步（TECH）、产业结构（STR）、收入规模（AGDP）。根据理论模型推导，本文选取上述三个变量作为中介变量。对于技术进步（TECH），已有文献主要从投入和产出两个不同的角度进行测度，投入方面包括研发投入[40]、研发强度[29]150-152，产出方面包括专利授权量[41]40-47、专利申请受理量[42]等。考虑数据可得性，本文从投入和产出两方面综合度量技术进步，采用专利授权数量与科技支出之比度量。产业结构（STR）以城市市辖区第三产业与第二产业的产值之比表征。收入规模（AGDP）采用2005年不变价格的人均GDP表示。
4. 控制变量：环境规制（VC）、金融水平（FIN）、人口密度（POP）和外商投资水平（FDI）。依据理论模型以及既有文献研究，选取了环境规制等四个可能影响地区PM2.5浓度水平的控制变量。对于环境规制（VC）参考Broner等[43]的做法，选取通风系数（VC）作为替代变量来测度环境规制强度。欧洲中期天气预报中心的ERA-Interim数据库提供了全球10米高度风速（si10）和边界层高度（blh）的月度网格数据。将二者相乘并取均值，与中国地级市矢量图进行匹配，即可得到各地市各年的通风系数。当空气污染物排放相同时,空气流通系数低的地区的环境规制会更严格[44]，因此本文将变量取倒数。数值越大表明环境规制强度越高。该指标主要由气象状况和地理条件决定，与本地区的经济社会特征没有直接相关性，满足变量的外生性要求。金融水平（FIN）采用年末金融机构各项贷款余额占GDP比重衡量。人口密度（POP）采用市辖区年末总人口数衡量。外商投资水平（FDI）采用永续盘存法计算的外商直接投资(FDI)存量表示，折旧率设为5%。
各变量的描述性统计分析如表2所示。
表 2描述性统计分析
变量 变量名称 均值 标准差 最小值 最大值 样本数 ln PM 雾霾污染 3.50 0.50 1.54 4.51 3372 ln GF 公共服务水平 2.05 0.35 0.97 3.72 3372 ln TECH 技术进步 3.04 1.07 −1.22 7.92 3372 ln STR 产业结构 −0.16 0.52 −2.36 1.62 3372 ln AGDP 收入规模 0.74 0.68 −1.33 3.30 3372 ln FIN 金融水平 −0.02 0.52 −3.15 2.19 3372 ln POP 人口规模 4.59 0.77 2.68 7.8 3372 ln VC 环境规制 0.73 0.08 0.57 1.28 3372 ln FDI 外商投资水平 10.73 2.62 0.00 16.39 3372 资料来源：作者整理。 在模型估计之前，本文通过绘制城市公共服务水平与PM2.5浓度的散点图（作者整理），对二者的关系进行初步探索。由图1所示，城市公共服务水平与PM2.5浓度之间呈现一定负相关关系。
图 1公共服务供给与PM2.5浓度
本文的实证分析主要分为三部分：首先利用面板回归模型估计公共服务供给对雾霾污染的影响，作为基准回归结果，通过内生性处理和稳健性检验验证该结果的可靠性；其次将样本按照城市级别和公共服务类型进行区分，考察公共服务供给对雾霾污染的异质性影响；最后利用中介效应模型识别公共服务供给影响雾霾污染的技术进步、产业结构和收入规模三种中介机制。
-
表3报告了全样本数据的回归模型估计结果，其中，第（1）列仅考虑了核心解释变量对雾霾的影响，Hausman检验在1%水平上显著，表明固定效应模型更合意。估计结果显示，公共服务供给与城市PM2.5浓度呈现出显著的负相关关系，表明增加公共服务供给有利于改善环境质量。模型（2）在此基础上加入了其他变量，Hausman检验表明应采用固定效应模型。结果显示，在控制了一系列其他变量之后，公共服务供给的系数仍然显著为负，公共服务水平每提升10%，PM2.5浓度下降约0.406个百分点，说明公共服务对城市PM2.5浓度具有明显的负向作用。具体而言，一方面，公共服务设施的完善能够优化企业的生产经营环境，提高企业的生产效率，并使其拥有更多精力实施生产技术改进与工艺升级，从而减少工业污染排放。另一方面，医疗、教育等公共服务的完善能够改善人民生活水平，从而更好地发挥人才和知识的集聚效应，提高科技水平，进而改善环境质量。该结论与Adewuyi[6]489–506、Lopez等[23]180–198基于碳排放和水污染等数据得到的研究结论类似，说明增加公共服务供给能够缓解环境污染问题。相较已有研究，本文基于PM2.5浓度数据进行分析，并注重探究中国地级市层面公共服务与雾霾治理的影响及机制。另外，Yuxiang和Chen[20]691–694的研究表明，中国省级政府公共服务投入会提高能源强度，从而加剧污染排放。可能的解释是早期地区公共服务建设以实现GDP增长为主要目标，生产快速扩张导致了能源强度大幅增加，同时民生类公共服务供给效率低且准入门槛较高，导致大部分人未能享受公共服务，削弱了其环境改善效应。近年来，地方政府的GDP考核指标趋向弱化，更加关注发展质量、效率以及民生改善，公共服务供给的雾霾治理效应明显增强。因而在优化政府公共服务职能与加强生态文明建设的背景下探讨公共服务与雾霾污染的关系具有着重要的现实意义。此外，本文所关注的技术进步、产业结构和收入规模变量与城市PM2.5浓度也存在明显的负相关，说明技术进步、产业结构和收入规模的提高有助于缓解雾霾污染。
表 3公共服务供给对城市PM2.5浓度的影响
变量 基准回归 内生性控制 （1）FE （2）FE （3）2SLS （4）2SLS ln GF −0.063 8*** −0.040 6** −0.822 7*** −0.600 3*** （−3.02） （−2.22） （−11.52） （−6.69） ln TECH −0.013 1*** −0.006 2* （−4.59） （−1.91） ln STR −0.027 5* −0.056 5*** （−1.72） （−4.63） ln AGDP −0.182 3*** −0.030 8 （−7.08） （−1.00） ln FIN −0.025 0** 0.026 3** （−2.18） （2.05） ln POP −0.190 5*** −0.375 1*** （−8.30） （−10.94） ln VC −0.214 2*** −0.232 0*** （−3.68） （−3.63） ln FDI 0.001 2 0.018 6*** （0.42） （5.10） 样本量 3 372 3 372 3 372 3 372 LM检验 229.785*** 142.764*** 弱识别检验 248.158*** 149.289*** Wald/F 9.13*** 26.49*** 132.71*** 38.72*** 注：***、**、*分别表示1%、5%和10%的显著性水平；最后一行中第（1）~第（2）列的固定效应模型对应F统计量，第（3）~第（4）列的2SLS模型对应Wald统计量。 为检验潜在的内生性问题，本文对公共服务供给与PM2.5浓度进行了Davidson-MacKinnon检验和Hausman检验，结果均在1%的水平下显著，表明公共服务供给可能存在内生性问题。为控制这一内生性，本文采用坡度指数作为工具变量，运用2SLS方法进行估计，第（3）~第（4）列为控制内生性后的2SLS模型估计结果。LM检验和弱识别检验结果表明，工具变量不存在识别不足和弱识别问题，说明工具变量的选择是合理有效的。运用工具变量控制了核心变量的内生性后，核心指标的方向和显著性未发生明显变化，公共服务供给与雾霾污染依然存在显著的负向关系，表明模型结果是稳健的。值得注意的是，模型（3）~模型（4）的结果中公共服务供给系数的绝对值相对于模型（1）~模型（2）明显增大，说明不考虑内生性问题可能会低估公共服务供给的雾霾治理效应。上述分析表明，假设1得到支持。这一发现为地方政府完善基本公共服务制度体系，建立“以公共服务促发展”的新理念、新机制提供了事实依据，即通过完善公共服务供给有助于改善城市雾霾治理，实现可持续发展。
-
为验证上述结果的稳健性，本文试图通过以下方法进行稳健性检验：（1）变更核心解释变量。基于本文的指标体系，采用主成分分析法提取第一个因子作为公共服务的另一个替代变量。同时，从投入角度，选取财政支出占生产总值（GDP）之比衡量公共服务。（2）调整样本。为排除潜在极端值对模型结果的影响，本文采用两种方法对样本进行调整：一是对样本进行5%的缩尾处理后再估计，二是剔除北京、天津、上海和重庆等直辖市的样本数据进行估计。（3）替换工具变量。采用公共服务供给的滞后一期项作为工具变量，对全样本进行2SLS回归。
表4报告了基于固定效应面板模型的稳健性检验结果。第（1）~第（2）列中的ln GF分别由主成分分析法测算的公共服务指数和财政支出占比表征；第（3）~第（4）列分别为5%缩尾处理和剔除直辖市样本的结果；第（5）~第（6）列为以滞后一期的公共服务水平作为工具变量的2SL2回归结果。稳健性检验结果显示，公共服务的系数在1%的水平下显著为负，表明其对雾霾污染有显著的负向影响，与表3中的估计结果基本一致，再次表明基础回归结果具有较强的稳健性。
表 4稳健性检验结果
变量 变更核心变量 调整样本 替换工具变量 （1）FE （2）FE （3）FE （4）FE （5）2SLS （6）2SLS ln GF −0.017 0*** −0.041 6*** −0.053 2** −0.040 3** −0.180 7*** −0.107 9*** （−4.20） （−3.48） （−2.31） （−2.20） （−6.89） （−2.77） ln TECH −0.011 2*** −0.016 8*** −0.013 2*** −0.013 0*** −0.009 9*** （−3.87） （−5.76） （−3.76） （−4.52） （−3.38） ln STR −0.015 6 −0.026 0 −0.026 0 −0.028 0* −0.031 3*** （−0.96） （−1.63） （−1.46） （−1.73） （−2.93） ln AGDP −0.148 2*** −0.202 7*** −0.180 2*** −0.182 1*** −0.164 9*** （−5.26） （−8.30） （−6.32） （−7.06） （−8.12） ln FIN −0.014 3 −0.019 4* −0.018 9 −0.025 0** −0.013 3 （−1.28） （−1.68） （−1.47） （−2.15） （−1.40） ln POP −0.183 7*** −0.174 4*** −0.191 6*** −0.189 0*** −0.211 4*** （−8.42） （−7.92） （−7.41） （−8.26） （−10.17） ln VC −0.201 6*** −0.208 0*** −0.190 0*** −0.195 8*** −0.160 8*** （−3.53） （−3.65） （−2.85） （−3.39） （−2.81） ln FDI 0.007 9** 0.004 8* 0.000 4 0.001 1 −0.004 5 （2.32） （1.75） （0.13） （0.39） （−1.41） 样本量 3 372 3 372 2 736 3 324 3 091 3 091 Wald/F 30.39*** 28.80*** 18.16*** 25.73*** 47.48*** 49.40*** 注：***、**、*分别表示1%、5%和10%的显著性水平;最后一行中第（1）~第（4）列的固定效应模型对应F统计量，第（5）~第（6）列的2SLS模型对应Wald统计量。 -
为检验不同等级城市的公共服务供给对雾霾污染的异质性影响，本文对样本期内各城市的年末常住人口数求平均值，依照国务院《关于调整城市规模划分标准的通知》③对城市规模的界定，将样本划分为小城市、中等以上城市和Ⅱ型及以上大城市，分别进行模型估计。表5报告了固定效应模型的估计结果。
表 5不同城市等级的异质性影响
变量 小城市 中等以上城市 Ⅱ型及以上大城市 小城市 中等以上城市 Ⅱ型及以上大城市 （1） （2） （3） （4） （5） （6） ln GF −0.003 6 −0.083 9*** −0.134 0*** 0.010 7 −0.061 7*** −0.076 1** （−0.10） （−3.33） （−3.47） （0.36） （−2.83） （−2.20） ln TECH −0.012 5* −0.013 2*** −0.016 1*** （−1.94） （−4.18） （−3.83） ln STR −0.075 6** −0.013 3 0.014 5 （−2.24） （−0.75） （0.68） ln AGDP −0.216 8*** −0.174 7*** −0.132 7*** （−3.67） （−6.41） （−3.83） ln FIN −0.031 2 −0.022 8* −0.044 1*** （−1.15） （−1.83） （−3.67） ln POP −0.288 9*** −0.185 2*** −0.116 8*** （−3.81） （−7.80） （−4.49） ln VC −0.129 2 −0.213 8*** −0.264 9*** （−1.19） （−3.23） （−3.25） ln FDI 0.010 9** −0.000 4 −0.006 7* （2.10） （−0.13） （−1.66） 样本数 552 2 820 1 536 552 2 820 1 536 F统计量 0.01 11.09*** 12.06*** 5.83*** 23.69*** 17.24*** 注：***、**、*分别表示1%、5%和10%的显著性水平。 表5中第（1）~第（3）列仅考虑了核心解释变量。从估计结果来看，小城市的公共服务供给水平与PM2.5浓度的关系为负，但不显著；对于中等以上城市和Ⅱ型及以上大城市而言，公共服务供给的系数在1%的水平上为负，表明公共服务供给水平的提高对雾霾污染具有明显的抑制作用。表中第（4）~第（6）列考虑了一系列控制变量。观察发现，小城市公共服务的系数依然不显著，中等以上城市、Ⅱ型及以上大城市公共服务的系数显著为负。其中，中等以上城市的公共服务供给水平每提高10%，PM2.5浓度下降约0.617个百分点；Ⅱ型及以上大城市的公共服务供给水平每提高10%，PM2.5浓度下降约0.761个百分点。综合来看，除了小城市之外，各类城市规模下公共服务供给水平的提高均对雾霾污染具有明显的抑制作用，且该作用随着城市规模扩大而不断增强，公共服务供给对于Ⅱ型及以上大城市雾霾污染的抑制作用最为显著。造成差异的可能原因是大城市要素流动性强，吸纳资本、劳动力等要素和资源配置的能力更强[29]148-165，企业运营机制、排污设备建设等相较于中小城市也更为集约高效，更有利于发挥公共服务的要素集聚、知识溢出等效应，因而加强公共服务供给能够有效控制工业扩张引致的污染排放，对环境质量的改进作用也越明显。而就小城市而言，一方面人口规模较少，工业集聚水平不高，公共服务的利用效率相对较低，难以释放规模效应与知识溢出效应，对环境的作用效果未能有效发挥；另一方面，许多地区的生产技术、资源利用效率等方面的基础比较落后，工业生产方式粗放，产业结构不够优化，导致公共服务对雾霾污染的减缓效果不显著。如一些东北老工业城市面临严峻的产业结构转型升级挑战，其冬季供暖设施的使用也加剧了污染排放。这一结果意味着在城市规模扩张的进程中稳步增加公共服务供给可以有效缓解城市发展进程中的拥堵效应，改善环境污染水平。同时也侧面反映出大城市对公共服务的需求更为紧迫。而规模相对滞后的小城市则需要有针对性地优化公共服务布局，推进人力资本等要素集聚，稳步转型发展。近年来，国家大力推动大都市圈的发展，各类要素向核心城市集聚使得城市规模迅速扩张，公共服务供给水平与城市扩张相匹配则在此过程中显得尤为重要。上述分析表明，假设2得到支持。
-
为进一步考察不同类型公共服务对城市雾霾污染的影响差异，本文参考韩峰和李玉双[3]160-162的做法，将基础教育和医疗服务的相关指标归入民生类公共服务，并将能源利用、基础设施和公共环境的相关指标归入基础类公共服务，通过熵权法测度各市民生类和基础类公共服务的供给水平，利用式（21）对模型进行估计。具体结果如表6所示。其中，2SLS模型估计采用对应公共服务的滞后一期水平作为工具变量。
表 6不同类型公共服务供给对城市PM2.5浓度的影响差异
变量 基础类公共服务 民生类公共服务 （1）FE （2）2SLS （3）FE （4）2SLS ln GF −0.026 9** −0.082 6*** −0.024 8** −0.013 0 （−1.97） （−2.77） （−2.02） （−0.51） ln TECH −0.013 2*** −0.009 9*** −0.013 4*** −0.011 1*** （−5.01） （−3.38） （−5.09） （−3.86） ln STR −0.027 5*** −0.032 1*** −0.023 7** −0.025 3** （−2.84） （−2.99） （−2.45） （−2.38） ln AGDP −0.184 8*** −0.167 8*** −0.187 6*** −0.189 3*** （−11.05） （−8.47） （−11.42） （−10.20） ln FIN −0.026 2*** −0.015 4* −0.026 4*** −0.020 5** （−3.07） （−1.66） （−3.10） （−2.21） ln POP −0.186 9*** −0.205 4*** −0.180 7*** −0.175 8*** （−11.99） （−10.57） （−12.14） （−10.88） ln VC −0.213 6*** −0.159 1*** −0.213 8*** −0.152 8*** （−3.92） （−2.78） （−3.92） （−2.68） ln FDI 0.001 1 −0.004 6 0.000 1 −0.008 6*** （0.51） （−1.46） （0.06） （−3.06） 样本量 3 372 3 372 3 091 3 091 Wald/F 46.01*** 49.39*** 46.04*** 48.74*** 注：***、**、*分别表示1%、5%和10%的显著性水平；最后一行中第（1）、第（3）列的固定效应模型对应F统计量，第（2）、第（4）列的2SLS模型对应Wald统计量。 固定效应估计结果显示，基础类公共服务与民生类公共服务的系数均在5%的水平上为负，表明二者均能够降低城市PM2.5浓度。基础类公共服务供给每提高10%，城市PM2.5浓度下降0.269个百分点；民生类公共服务供给每提高10%，城市PM2.5浓度下降0.248个百分点，作用效果略低于基础类公共服务。2SLS估计结果显示，基础类公共服务对雾霾污染具有明显负向影响，而民生类公共服务的系数未通过显著性检验。以上结果表明，基础类公共服务和民生类公共服务供给均对雾霾污染有一定减缓作用，但与民生类公共服务相比，基础类公共服务对于城市环境质量的改进作用更为明显。造成此种差异的原因可能包括以下两方面：一是基础类公共服务可以更直接地作用于经济活动，如完善交通基础设施可以直接减少运输成本、改善地区可达性，引致要素集聚并增加企业的区域竞争力，从而改进工业生产能力和效率，减少污染排放；而教育、医疗这类民生型公共服务主要通过人力资本积累效应对城市经济活动和环境产生影响，这一过程涉及人才的吸纳、培养等多个环节，所需的时间更长，特别是当其低于一定门槛值时，其作用效果可能会不显著[45]。二是相对于基础类公共服务，民生类公共服务的供给相对不足，且户籍门槛相对较高，难以发挥其对高质量人力资本的积累作用。当前中国教育和医疗资源短缺的现象仍较为严重，优质教育和医疗资源的覆盖和辐射范围均比较有限，供需缺口仍比较大。从本文的测算来看，样本期内各市的民生类公共服务指数仅为0.45，远低于基础类公共服务指数水平（1.81），也印证了这一推论。因而就目前来看，民生类公共服务的污染减缓效应未能够有效发挥。在强调“以人为本”的新型城镇化进程中，加大民生类公共服务供给力度，降低公共服务的获取门槛，方能推动人口的深度城镇化，从而更好地发挥公共服务的人力资本积累作用。
-
考虑到公共服务供给、收入水平和雾霾污染等经济、环境因素均表现出一定区域差异，本文将样本区分为东部和中西部两个地区，探讨公共服务水平对雾霾污染影响的区域差异性。同时，关注长三角和京津冀这两个城市群公共服务的雾霾治理效应。此外，“十二五”规划时期以来，政府加大了对大气污染的治理力度。2010年，国务院印发《关于推进大气污染联防联控工作改善区域空气质量的指导意见》，2012年，发改委发布《重点区域大气污染防治“十二五”规划》，2013年，发布《大气污染防治行动计划》。在此期间，各省市相继出台了大气污染防治实施方案。为此，本文将样本分为2010年前后两个部分，分析公共服务水平对雾霾污染影响的时期差异性。表7报告了区域、城市群和时期差异研究的2SLS估计结果。
表 7公共服务供给对城市PM2.5浓度影响的区域和时期差异
变量 分区域 分城市群 分时期 东部（1） 中西部（2） 长三角（4） 京津冀（5） year$\leqslant$2010（6） year>2010（7） ln GF −1.430 6*** −0.512 2*** −0.819 3*** −0.988 0* −0.532 1 −1.692 3** （−5.16） （−4.90） （−3.41） （−1.72） （0.009） （−2.09） 控制变量 是 是 是 是 是 是 样本量 1 188 2 184 480 156 1 686 1 686 F统计量 6.72*** 33.13*** 8.77*** 5.71*** 4.66*** 4.32*** 注：***、**、*分别表示1%、5%和10%的显著性水平。 由表7所示，东部和中西部公共服务水平的估计系数在1%的水平上显著，意味着三个地区的公共服务供给水平的增加均能够对雾霾污染起改善作用。从系数大小来看，东部地区的作用效果要大于中西部地区。可能的解释是东部地区的经济社会发展程度更高，生产效率、产业结构、技术水平等方面均优于中西部地区，基础设施建设已较为完善，人民对环境质量的要求也更高。政府的公共服务供给更注重民生发展、质量提升与布局优化，因而对环境治理的效用更为显著。中西部地区的技术水平相对较低，产业结构和集聚水平有待提升，部分城市人口规模相对较少，公共服务供给效率不高，在客观上会弱化公共服务的雾霾治理效应。从城市群的结果来看，长三角和京津冀城市群的公共服务供给水平与雾霾污染表现为负向关系。两个城市群的作用效果均高于全国水平。主要原因在于城市群内部的经济社会联系更为密切，更容易开展公共服务共享以及环境污染联防联控等工作，从而提升了雾霾治理效果。同时，京津冀城市群的作用效果略大于长三角城市群。可能的解释是京津冀地区城市冬季供暖设施的使用是其雾霾污染状况更为严重的主要原因之一，该地区公共服务设施除了能够缓解企业污染排放外，还能够通过推进清洁供暖以最大限度地缓解雾霾污染，由此，该区域公共服务设施的完善能够从更多方面起到雾霾污染抑制作用，故该地区优化公共服务供给对雾霾的缓解效应更为明显。就分时期结果而言，2010年之后公共服务水平估计系数的大小和显著水平均高于2010年之前的结果。可能的原因是“十二五”规划时期以来，各级政府不断加大环境治理力度，系列政策的发布给企业的清洁转型带来压力，也提升了民众的环保意识。在各项政策“多管齐下”的合力之下，公共服务的雾霾治理效应得到更好的释放。
-
根据前文论述，公共服务供给可能通过技术进步、产业结构和收入规模三种效应对环境污染产生影响。本文基于式（21）~式（23）的中介效应检验模型对该机制进行识别。其中，式（21）中相关系数的显著性已在表3~表5中得到验证，表8主要报告基于式（22）和式（23）固定效应模型的估计结果。
表 8中介效应检验
变量 因变量=ln PM 因变量=ln TECH 因变量=ln PM 因变量=ln STR 因变量=ln PM 因变量=ln AGDP （1） （2） （3） （4） （5） （6） ln GF −0.046 9** 0.481 4*** −0.036 5** −0.149 8** −0.088 1*** 0.260 7*** （−2.53） （3.07） （−2.01） （−2.37） （−4.76） （7.43） 控制变量 是 是 是 是 是 是 样本量 3 372 3 372 3 372 3 372 3 372 3 372 Wald/F 23.97*** 222.84*** 31.40*** 29.40*** 21.32*** 67.96*** 注：***、**、*分别表示1%、5%和10%的显著性水平。 表8第（1）、第（3）和第（5）列中ln GF的系数对应式（22）中的
${\beta _1}$ 。结果表明，在不考虑中介变量的影响下，公共服务供给的系数显著为负，说明公共服务供给对城市PM2.5浓度具有显著的负向影响，再次印证了前文所得的结果。第（2）、第（4）和第（6）列中ln GF的系数对应式（23）中的
${\gamma _1}$ 。第（2）列中，将技术进步视为中介变量时，公共服务供给的系数显著为正。公共服务供给水平每增加10%，技术进步水平提高4.814个百分点，说明公共服务供给显著提升了城市技术进步水平，与罗丽英和杨云[41]40-47所得到的研究结论一致。其原因在于，一方面，公共服务作为一种政府投资，通过投资效应刺激科技创新，提高了地区的技术效率[31]187-199；另一方面，公共服务通过改善交通可及性、能源管道等设施，优化了经营环境，有助于企业提高生产效率，从事更多的科技研发活动。而科技水平的提高则进一步减少了污染排放，继而改善环境质量。第（4）列中，将产业结构视为中介变量时，公共服务供给的系数显著为负。公共服务供给水平每增加10%，第三产业与第二产业产值之比下降1.498个百分点，说明公共服务供给提高了第二产业的比重，与郭凯明和王藤桥[46]的结论相似。可能的原因是公共服务供给能够反映出政府引导经济发展的方向[34]59-63，现阶段大多城市的公共服务投入以交通等基础设施为主，更依赖于工业，因此可能会抑制服务业的比重，从而加剧污染水平。第（6）列中，将收入规模视为中介变量时，公共服务供给的系数显著为正。公共服务供给水平每增加10%，收入规模提高2.607个百分点，说明公共服务供给显著提升了城市收入规模,与已有研究结论一致。可能的解释是公共服务攻击的增加刺激了经济增长，并引致收入增加。这一方面能够为政府开展环境治理活动提供更多支持，另一方面提高了居民对环境质量的要求，给本地企业的污染排放带来一定的约束力。上述结果均符合中介变量的判断标准，因此可以判定技术进步、产业结构和收入规模是公共服务供给影响城市PM2.5浓度的中介变量，假设3得到支持。公共服务供给不仅对雾霾污染存在直接效应，还通过技术进步、产业结构和收入规模的路径对雾霾污染产生间接影响。综合来看，当前中国城市公共服务供给水平的提高将会推进技术进步和收入规模的提高，而技术进步和收入规模的提高又进一步缓解了雾霾污染。与之相异，公共服务扩大了工业规模，抑制了服务业的比重，从而加剧了污染水平。
为确保结果具有稳健性，本文分别对中小城市和大城市公共服务与技术进步、产业结构和收入规模的关系应进行检验，估计结果如表9所示。结果显示，就中小城市而言，公共服务与技术进步和收入水平表现为显著的正向相关，而与产业结构呈现明显的负向关系，与全样本的结果基本一致。对于大城市来说，公共服务供给能够显著提升技术进步与收入水平，且作用效果明显大于中小城市，表明大城市更有助于发挥公共服务的技术创新和收入规模效应。这一差异与异质性检验结果相一致，侧面印证了城市规模越大，越有助于公共服务环境治理效应的发挥，意味着本文的结果具有可靠性。与此同时，大城市公共服务水平对产业结构的影响不显著，可能是由于公共服务供给使得工业与服务业规模扩大效应互项抵消所引起的。
表 9不同城市等级的中介效应检验
变量 中小城市 大城市 因变量=ln TECH 因变量=ln STR 因变量=ln AGDP 因变量=ln TECH 因变量=ln STR 因变量=ln AGDP ln GF 0.318 9* −0.169 3** 0.247 7*** 0.838 2*** −0.108 7 0.292 7*** （1.71） （−2.20） （5.64） （2.95） （−1.03） （5.49） 控制变量 是 是 是 是 是 是 样本量 1836 1536 Wald/F 12.59*** 24.61*** 50.19*** 13.66*** 10.88*** 21.59*** 注：***、**、*分别表示1%、5%和10%的显著性水平。 -
本文构建了一个包含公共服务供给和环境污染的内生增长模型，分析了公共服务供给通过技术进步、产业结构和收入规模效应影响环境污染的传导路径。在此基础上，以2005—2016年中国281个地级市的面板数据为研究样本，实证检验了公共服务供给对城市雾霾污染的影响，探讨了不同城市规模及不同公共服务类型对城市雾霾污染的异质性影响，并识别了技术进步、产业结构和收入规模的中介机制。研究结果表明：第一，公共服务供给显著改善了城市雾霾污染状况。在进行内生性处理和稳健性检验后，该实证结果依然稳健。第二，伴随着城市规模扩大、公共服务供给水平的增加可以更有力地降低雾霾污染水平，意味着公共服务供给在大城市中能够释放更多的正向溢出效应。第三，基础类公共服务对城市雾霾污染的缓解作用大于民生类公共服务。第四，公共服务对城市雾霾污染具有一定地区和时期差异。东部地区的雾霾治理效果高于中西部地区，城市群的雾霾治理效果大于全国水平，“十二五”规划时期前后的雾霾治理效果也存在差异。第五，公共服务供给通过技术进步效应、产业结构效应和收入规模影响城市雾霾污染。具体而言，公共服务供给能够通过提升技术进步和收入水平，进而对雾霾污染起到抑制作用，与之相异，公共服务供给则会通过增加工业比重加剧雾霾污染。
本文的结论具有一定政策启示。第一，公共服务供给能够显著降低城市空气污染，可以将其作为有效降低空气污染的手段之一。在推进城市发展的同时应稳步增加公共服务供给，完善基本公共服务制度体系，合理规划布局各类城市公共服务，充分利用公共交通、能源等基础类公共服务供给来缓解城市规模扩张过程中的拥堵效应，改善空气质量，从而实现城市发展与雾霾污染的“脱钩”。第二，提高小城市的公共服务利用效率。在人口规模、经济发展水平等各方面相对落后的小城市，不应盲目扩大公共服务规模，而应根据本地区发展需求，有针对性地布局公共服务。利用适宜的基础设施类服务吸引先进地区的高技术产业转移，建立产业和技术转移合作基地，与周边发达城市形成良性互动发展。同时关注周边大城市对资源的集聚效应，在提高开放水平的同时增强自身吸引力，通过完善的民生类公共服务和配套优惠政策吸引高技术人才。第三，充分发挥公共服务供给的技术进步效应和收入规模效应来推动雾霾污染治理。一方面，以地方优势产业为载体，进一步加强公共服务供给与产业技术创新的联动作用，推进公共服务与产业创新发展的深度融合，推动公共服务供给更有效地支撑绿色、清洁生产，从而改进效率，降低污染排放；另一方面，深化收入规模的正外部性效应，对于经济基础相对薄弱的地区，在发展经济的同时应大力发展资源节约型和环境友好型产业，全面提高居民的环境保护意识，从而实现城市经济发展与污染防治的“双赢”目标。第四，充实基础教育和医疗资源，努力消除资源不均衡现象，扩大其辐射范围和接受面，进一步强化教育和医疗类公共服务在劳动力集聚和人力资本积累方面发挥的作用，更多地培养、吸纳高素质人才，服务于城市绿色发展。
当然，本文尚存在进一步可完善之处。未来的研究可以针对资源型城市、非中心城市等样本，剖析资源型城市和非中心城市在利用公共服务和污染排放方面的表现及原因，从而为推进公共服务均等化、提高公共服务利用效率和环境污染治理提供更有针对性的参考依据。
The Impact of Public Service Supply on Haze Pollution
——Heterogeneity and Mechanism
-
摘要:探讨政府公共服务供给与雾霾治理的影响及作用机制，有助于为优化政府公共服务职能及加强生态文明建设提供新思路。通过构建一个包含公共服务供给和环境污染的内生增长模型，在内生增长的框架下分析公共服务供给影响环境污染的传导路径。在理论研究的基础上，利用2005—2016年中国281个地级市的相关数据，实证分析公共服务供给对雾霾污染的影响，并检验影响差异及传导机制。研究结果显示：（1）公共服务供给能够显著降低城市雾霾污染，可以将其作为有效降低空气污染的手段之一；（2）中等以上城市公共服务供给水平的提高对雾霾污染具有明显的抑制作用，随着城市规模扩大，公共服务供给的雾霾治理效应不断增强；（3）基础类公共服务与民生类公共服务均对雾霾污染产生一定负向影响，前者对雾霾污染的改进作用大于后者；（4）公共服务供给的雾霾治理效果存在一定的地区与时期差异性；（5）公共服务供给通过技术进步效应、产业结构效应和收入规模效应影响城市雾霾污染。其中，公共服务供给一方面能够通过提升技术进步和收入水平对雾霾污染起到抑制作用，另一方面通过增加工业比重加剧雾霾污染。研究拓展了公共服务供给和环境治理的相关理论，为优化公共服务供给决策以及城市绿色发展提供了新的视角。Abstract:Exploring the influence and mechanism of government public service supply and haze control will help provide new insights for optimizing government's public service function and enhancing the construction of ecological civilization. This essay explores the channel through which public service supply affects environmental pollution via technological process, industrial structure and income level by constructing an endogenous growth model. Based on the theoretical analysis, we investigate the impact of public service supply on haze pollution and examine the mediation effect using city-level panel data from 2005 to 2016. The results show that public service supply significant inhibits haze pollution. Compared with small and median cities, large cities exhibit a stronger reduction effect. Also, the effect of public services for infrastructure is larger than that of people’s livelihoods. Further, there exhibit regional and period differences in the haze control effect of public service supply. Public service supply affects urban haze pollution through the channels of technological progress, industrial structure and income level. On the one hand, public service supply can inhibit haze pollution by promoting technological progress and income levels. On the other hand, it can intensify haze pollution by increasing the proportion of industry. Our results broader the theoretical study of public service supply on environmental pollution, thus providing instructions for optimizing public service supply layout and promoting urban green development.
-
Key words:
- public service supply/
- haze pollution/
- PM2.5/
- heterogeneity/
- mechanism analysis
注释:1) 根据中国气象局的解释，雾霾既是一种天气现象，也是一种大气污染状态，其主要成分是PM 2.5。雾霾天气是由气象条件和排放共同决定的，其出现是气象问题，更是环境问题，故本文采用“雾霾污染”一词进行表述，并以PM 2.5浓度衡量。具体解释见http://www.cma.gov.cn/2011zwxx/2011zyjgl/2011zyjgldt/201402/t20140224_239174.html。2) 中国科学院资源环境数据中心网址：www.resdc.cn/。3) http://www.gov.cn/zhengce/content/2014-11/20/content_9225.htm。 -
表 1城市公共服务供给水平指标体系
公共服务类别 具体指标 指标属性 基础教育 小学教育生师比/（人/万人） + 初中教育生师比/（人/万人） + 每万人普通中学及小学学校数/（所/万人） + 医疗卫生 每万人病床数/（张/万人） + 每万人医生数/（人/万人） + 每万人医院数/（家/万人） + 能源利用 居民人均生活用水量/（吨/人） + 居民人均生活用电量/（千瓦时/人） + 居民人均煤气使用量/（立方米/人） + 居民人均液化石油气使用量/（吨/人） + 基础设施 每万人拥有公共汽车数/（辆/万人） + 人均城市道路面积/（平方米/人） + 单位建成区面积道路里程/（千米/平方千米） + 每万人拥有邮政营业网点/（个/万人） + 公共环境 人均公园绿地面积/（平方米/人） + 建成区绿化覆盖率/% + 污水处理厂集中处理率/% + 生活垃圾无害化处理率/% + 工业固体废物综合利用率/% + 人均工业二氧化硫排放量/（吨/人） − 
下载:
导出CSV
表 2描述性统计分析
变量 变量名称 均值 标准差 最小值 最大值 样本数 ln PM 雾霾污染 3.50 0.50 1.54 4.51 3372 ln GF 公共服务水平 2.05 0.35 0.97 3.72 3372 ln TECH 技术进步 3.04 1.07 −1.22 7.92 3372 ln STR 产业结构 −0.16 0.52 −2.36 1.62 3372 ln AGDP 收入规模 0.74 0.68 −1.33 3.30 3372 ln FIN 金融水平 −0.02 0.52 −3.15 2.19 3372 ln POP 人口规模 4.59 0.77 2.68 7.8 3372 ln VC 环境规制 0.73 0.08 0.57 1.28 3372 ln FDI 外商投资水平 10.73 2.62 0.00 16.39 3372 资料来源：作者整理。 下载:
导出CSV
表 3公共服务供给对城市PM2.5浓度的影响
变量 基准回归 内生性控制 （1）FE （2）FE （3）2SLS （4）2SLS ln GF −0.063 8*** −0.040 6** −0.822 7*** −0.600 3*** （−3.02） （−2.22） （−11.52） （−6.69） ln TECH −0.013 1*** −0.006 2* （−4.59） （−1.91） ln STR −0.027 5* −0.056 5*** （−1.72） （−4.63） ln AGDP −0.182 3*** −0.030 8 （−7.08） （−1.00） ln FIN −0.025 0** 0.026 3** （−2.18） （2.05） ln POP −0.190 5*** −0.375 1*** （−8.30） （−10.94） ln VC −0.214 2*** −0.232 0*** （−3.68） （−3.63） ln FDI 0.001 2 0.018 6*** （0.42） （5.10） 样本量 3 372 3 372 3 372 3 372 LM检验 229.785*** 142.764*** 弱识别检验 248.158*** 149.289*** Wald/F 9.13*** 26.49*** 132.71*** 38.72*** 注：***、**、*分别表示1%、5%和10%的显著性水平；最后一行中第（1）~第（2）列的固定效应模型对应F统计量，第（3）~第（4）列的2SLS模型对应Wald统计量。 下载:
导出CSV
表 4稳健性检验结果
变量 变更核心变量 调整样本 替换工具变量 （1）FE （2）FE （3）FE （4）FE （5）2SLS （6）2SLS ln GF −0.017 0*** −0.041 6*** −0.053 2** −0.040 3** −0.180 7*** −0.107 9*** （−4.20） （−3.48） （−2.31） （−2.20） （−6.89） （−2.77） ln TECH −0.011 2*** −0.016 8*** −0.013 2*** −0.013 0*** −0.009 9*** （−3.87） （−5.76） （−3.76） （−4.52） （−3.38） ln STR −0.015 6 −0.026 0 −0.026 0 −0.028 0* −0.031 3*** （−0.96） （−1.63） （−1.46） （−1.73） （−2.93） ln AGDP −0.148 2*** −0.202 7*** −0.180 2*** −0.182 1*** −0.164 9*** （−5.26） （−8.30） （−6.32） （−7.06） （−8.12） ln FIN −0.014 3 −0.019 4* −0.018 9 −0.025 0** −0.013 3 （−1.28） （−1.68） （−1.47） （−2.15） （−1.40） ln POP −0.183 7*** −0.174 4*** −0.191 6*** −0.189 0*** −0.211 4*** （−8.42） （−7.92） （−7.41） （−8.26） （−10.17） ln VC −0.201 6*** −0.208 0*** −0.190 0*** −0.195 8*** −0.160 8*** （−3.53） （−3.65） （−2.85） （−3.39） （−2.81） ln FDI 0.007 9** 0.004 8* 0.000 4 0.001 1 −0.004 5 （2.32） （1.75） （0.13） （0.39） （−1.41） 样本量 3 372 3 372 2 736 3 324 3 091 3 091 Wald/F 30.39*** 28.80*** 18.16*** 25.73*** 47.48*** 49.40*** 注：***、**、*分别表示1%、5%和10%的显著性水平;最后一行中第（1）~第（4）列的固定效应模型对应F统计量，第（5）~第（6）列的2SLS模型对应Wald统计量。 下载:
导出CSV
表 5不同城市等级的异质性影响
变量 小城市 中等以上城市 Ⅱ型及以上大城市 小城市 中等以上城市 Ⅱ型及以上大城市 （1） （2） （3） （4） （5） （6） ln GF −0.003 6 −0.083 9*** −0.134 0*** 0.010 7 −0.061 7*** −0.076 1** （−0.10） （−3.33） （−3.47） （0.36） （−2.83） （−2.20） ln TECH −0.012 5* −0.013 2*** −0.016 1*** （−1.94） （−4.18） （−3.83） ln STR −0.075 6** −0.013 3 0.014 5 （−2.24） （−0.75） （0.68） ln AGDP −0.216 8*** −0.174 7*** −0.132 7*** （−3.67） （−6.41） （−3.83） ln FIN −0.031 2 −0.022 8* −0.044 1*** （−1.15） （−1.83） （−3.67） ln POP −0.288 9*** −0.185 2*** −0.116 8*** （−3.81） （−7.80） （−4.49） ln VC −0.129 2 −0.213 8*** −0.264 9*** （−1.19） （−3.23） （−3.25） ln FDI 0.010 9** −0.000 4 −0.006 7* （2.10） （−0.13） （−1.66） 样本数 552 2 820 1 536 552 2 820 1 536 F统计量 0.01 11.09*** 12.06*** 5.83*** 23.69*** 17.24*** 注：***、**、*分别表示1%、5%和10%的显著性水平。 下载:
导出CSV
表 6不同类型公共服务供给对城市PM2.5浓度的影响差异
变量 基础类公共服务 民生类公共服务 （1）FE （2）2SLS （3）FE （4）2SLS ln GF −0.026 9** −0.082 6*** −0.024 8** −0.013 0 （−1.97） （−2.77） （−2.02） （−0.51） ln TECH −0.013 2*** −0.009 9*** −0.013 4*** −0.011 1*** （−5.01） （−3.38） （−5.09） （−3.86） ln STR −0.027 5*** −0.032 1*** −0.023 7** −0.025 3** （−2.84） （−2.99） （−2.45） （−2.38） ln AGDP −0.184 8*** −0.167 8*** −0.187 6*** −0.189 3*** （−11.05） （−8.47） （−11.42） （−10.20） ln FIN −0.026 2*** −0.015 4* −0.026 4*** −0.020 5** （−3.07） （−1.66） （−3.10） （−2.21） ln POP −0.186 9*** −0.205 4*** −0.180 7*** −0.175 8*** （−11.99） （−10.57） （−12.14） （−10.88） ln VC −0.213 6*** −0.159 1*** −0.213 8*** −0.152 8*** （−3.92） （−2.78） （−3.92） （−2.68） ln FDI 0.001 1 −0.004 6 0.000 1 −0.008 6*** （0.51） （−1.46） （0.06） （−3.06） 样本量 3 372 3 372 3 091 3 091 Wald/F 46.01*** 49.39*** 46.04*** 48.74*** 注：***、**、*分别表示1%、5%和10%的显著性水平；最后一行中第（1）、第（3）列的固定效应模型对应F统计量，第（2）、第（4）列的2SLS模型对应Wald统计量。 下载:
导出CSV
表 7公共服务供给对城市PM2.5浓度影响的区域和时期差异
变量 分区域 分城市群 分时期 东部（1） 中西部（2） 长三角（4） 京津冀（5） year$\leqslant$2010（6） year>2010（7） ln GF −1.430 6*** −0.512 2*** −0.819 3*** −0.988 0* −0.532 1 −1.692 3** （−5.16） （−4.90） （−3.41） （−1.72） （0.009） （−2.09） 控制变量 是 是 是 是 是 是 样本量 1 188 2 184 480 156 1 686 1 686 F统计量 6.72*** 33.13*** 8.77*** 5.71*** 4.66*** 4.32*** 注：***、**、*分别表示1%、5%和10%的显著性水平。 下载:
导出CSV
表 8中介效应检验
变量 因变量=ln PM 因变量=ln TECH 因变量=ln PM 因变量=ln STR 因变量=ln PM 因变量=ln AGDP （1） （2） （3） （4） （5） （6） ln GF −0.046 9** 0.481 4*** −0.036 5** −0.149 8** −0.088 1*** 0.260 7*** （−2.53） （3.07） （−2.01） （−2.37） （−4.76） （7.43） 控制变量 是 是 是 是 是 是 样本量 3 372 3 372 3 372 3 372 3 372 3 372 Wald/F 23.97*** 222.84*** 31.40*** 29.40*** 21.32*** 67.96*** 注：***、**、*分别表示1%、5%和10%的显著性水平。 下载:
导出CSV
表 9不同城市等级的中介效应检验
变量 中小城市 大城市 因变量=ln TECH 因变量=ln STR 因变量=ln AGDP 因变量=ln TECH 因变量=ln STR 因变量=ln AGDP ln GF 0.318 9* −0.169 3** 0.247 7*** 0.838 2*** −0.108 7 0.292 7*** （1.71） （−2.20） （5.64） （2.95） （−1.03） （5.49） 控制变量 是 是 是 是 是 是 样本量 1836 1536 Wald/F 12.59*** 24.61*** 50.19*** 13.66*** 10.88*** 21.59*** 注：***、**、*分别表示1%、5%和10%的显著性水平。 下载:
导出CSV
-
[1] DAHLBERG M, EKLOF M, FREDRIKSSON P, et al. Estimating preferences for local public services using migration data[J]. Urban Studies, 2012, 49(2): 319–336.doi:10.1177/0042098011400769 [2] TEULINGS C N, OSSOKINA I V, DE GROOT H L F. Land use, worker heterogeneity and welfare benefits of public goods[J]. Journal of Urban Economics, 2018(103): 67–82. [3] 韩峰, 李玉双. 产业集聚、公共服务供给与城市规模扩张[J]. 经济研究, 2019, 54(11): 149-164. [4] DESMET K, ROSSI-HANSBERG E. Urban accounting and welfare[J]. American Economic Review, American Economic Association, 2013, 103(6): 2296-2327. [5] 欧阳艳艳, 黄新飞, 钟林明. 企业对外直接投资对母国环境污染的影响: 本地效应与空间溢出[J]. 中国工业经济, 2020(2): 98-121. [6] ADEWUYI A O. Effects of public and private expenditures on environmental pollution: a dynamic heterogeneous panel data analysis[J]. Renewable and Sustainable Energy Reviews, 2016, 65: 489–506.doi:10.1016/j.rser.2016.06.090 [7] MARSHALL A. Principles of economics[M]. London: Macmillan, 1890. [8] PIGOU A. The economics of welfare[M]. London: Macmillan, 1932. [9] GREINER A. Fiscal polici in an endogenous growth model with public capitcal and pollution[J]. The Japanese Economic Review, 2005(56): 67-84. [10] BERNAUER T, KOUBI V. States as providers of public goods: how does government size affect environmental quality?[EB/OL]. (2006-05-11) [2020-07-01].https://papers.ssrn.com/sol3/papers.cfm?abstract_id=900487. [11] ECONOMIDES G, PHILIPPOPPOULOS A. Growth enhancing policy is the means to sustain the environment[J]. Review of Economic Dynamics, 2008(11): 207–219. [12] BARMAN T R, GUPTA M R. Public expenditure, environment, and economic growth[J]. Journal of Public Economic Theory, 2010(12): 1109–1134. [13] CHEN Y, WHALLEY A. Green infrastructure: the effects of urban rail transit on air quality[J]. American Economic Journal: Economic Policy, 2012(4): 58-97. [14] BORCK, R. Public transport and urban pollution[J]. Regional Science and Urban Economics, 2019(77): 356–366. [15] CARROLL P, CAULFIELD B, AHERN A. Measuring the potential emission reductions from a shift towards public transport[J]. Transportation Research Part D: Transport and Environment, 2019(73): 338–351. [16] ZHANG Q, LIU S, WANG, T, DAI X, et al. Urbanization impacts on greenhouse gas (GHG) emissions of the water infrastructure in China: trade-offs among sustainable development goals (SDGs) [J]. Journal of Cleaner Production, 2019(232): 474–486. [17] HUA Y, XIE R, SU Y. Fiscal spending and air pollution in Chinese cities: identifying composition and technique effects[J]. China Economic Review, 2018(47): 156–169. [18] LOPEZ R, PALACIOS A. Why Europe has become environmentally cleaner: decomposing the roles of fiscal, trade and environmental policies[J]. Environmental and Resource Economics, 2014, 58(1): 91-108doi:10.1007/s10640-013-9692-5 [19] ISLAM A M, LOPEZ R E. Government spending and air pollution in the US[J]. International Review of Environmental and Resource Economics, 2015, 8(2): 139–189.doi:10.1561/101.00000068 [20] YUXIANG K, CHEN Z. Government expenditure and energy intensity in China[J]. Energy Policy, 2010, 38(2): 691–694.doi:10.1016/j.enpol.2009.10.031 [21] GALINATO G I, GALINATO S P. The effects of government spending on deforestation due to agricultural land expansion and CO2related emissions[J]. Ecological Economics, 2016, 122: 43–53.doi:10.1016/j.ecolecon.2015.10.025 [22] HALKOS G E, PAIZANOS E A. The effect of government expenditure on the environment: an empirical investigation[J]. Ecological Economics, 2013(91): 48–56. [23] LOPEZ R, GALINATO G I, ISLAM A. Fiscal spending and the environment: theory and empirics[J]. Journal of Environmental Economics and Management, 2011(62): 180–198. [24] 胡宗义, 朱丽, 唐李伟. 中国政府公共支出的碳减排效应研究——基于面板联立方程模型的经验分析[J]. 中国人口•资源与环境, 2014, 24(10): 32-40. [25] 姜楠. 环保财政支出有助于实现经济和环境双赢吗?[J]. 中南财经政法大学学报, 2018(1): 95-103.doi:10.3969/j.issn.1003-5230.2018.01.010 [26] 李荣锦, 高愿愿. 基于面板联立方程模型的我国公共支出对碳排放的影响[J]. 生态经济, 2019, 35(2): 19-23+45. [27] FISHER W H, TURNOVSKY S J. Public investment, congestion and private capital accumulation[J]. Economic Journal, 1998(108): 399–413. [28] JACOBSEN H K. Technology diffusion in energy economy models: the case of Danish vintage models[J]. Energy Journal, 2000, 21(1): 43-71. [29] 邵帅, 李欣, 曹建华. 中国的城市化推进与雾霾治理[J]. 经济研究, 2019, 54(02): 148-165. [30] SUN C, ZHANG W, FANG X, et al. Urban public transport and air quality: empirical study of China cities[J]. Energy Policy, 2019, 135, 110998.doi:10.1016/j.enpol.2019.110998 [31] BRONZINI R, PISELLI P. Determinants of long-run regional productivity with geographical spillovers: the role of R & D, human capital and public infrastructure[J]. Regional Science and Urban Economics, 2009(39): 187–199. [32] TIEBOUT C M. A pure theory of local expenditures[J]. Journal of Political Economy, 1956(64): 416-424. [33] DURANTON G, PUGA D. Chapter 48 micro-foundations of urban agglomeration economies[Z/OL].Handbook of Regional and Urban Economics,(2004-01)[2020-06-24].http://www.researchgate.net/publication/222702630_Chapter_48_Microfoundations_of _urban_aggiomeration_economies. [34] 殷强, 钟军委, 宋韶君. 中国地方政府投资效率的时空演变——基于DEA-Malmquist指数的分析[J]. 经济与管理, 2019, 33(3): 59-66.doi:10.3969/j.issn.1003-3890.2019.03.010 [35] 朱英明, 杨连盛, 吕慧君, 等. 资源短缺、环境损害及其产业集聚效果研究——基于21世纪我国省级工业集聚的实证分析[J]. 管理世界, 2012(11): 28-44. [36] BARON R M, KENNYY D A. The moderator-mediator variable distinction in social psychological research: conceptual, strategic, and statistical considerations[J]. Journal of Personality and Social Psychology, 1986(51): 1173-1182. [37] 李兰冰, 阎丽, 黄玖立. 交通基础设施通达性与非中心城市制造业成长: 市场势力、生产率及其配置效率[J]. 经济研究, 2019, 54(12): 182-197. [38] BLEANEY M, GEMMELL N, KNELLER R. Testing the endogenous growth model: public expenditure, taxation, and growth over the long run[J]. Canadian Journal of Economics/Revue Canadienne d’ Économique, 2001(34): 36–57. [39] 辛冲冲, 陈志勇. 中国基本公共服务供给水平分布动态、地区差异及收敛性[J]. 数量经济技术经济研究, 2019, 36(8): 52-71. [40] 陈诗一, 陈登科. 雾霾污染、政府治理与经济高质量发展[J]. 经济研究, 2018, 53(2): 20-34. [41] 罗丽英, 杨云. 公共产品供给、技术进步率与国家创新能力[J]. 贵州财经学院学报, 2013(1): 40-47. [42] 赵璟, 李颖, 党兴华. 中国经济增长对环境污染的影响——基于三类污染物的省域数据空间面板分析[J]. 城市问题, 2019(8): 13-23. [43] BRONER F, BUSTOS P, CARCALHO V. Sources of comparative advantage in polluting industries (with appendix)[EB/OR]. (2012-08-11) [2020-08-01].https://www.nber.org/papers/w18337. [44] 杜龙政, 赵云辉, 陶克涛, 等. 环境规制、治理转型对绿色竞争力提升的复合效应——基于中国工业的经验证据[J]. 经济研究, 2019, 54(10): 106-120. [45] 邹文杰, 蔡鹏鸿. 公共卫生支出、人口聚集与医疗卫生服务均等化[J]. 上海财经大学学报, 2015, 17(3): 59-67. [46] 郭凯明, 王藤桥. 基础设施投资对产业结构转型和生产率提高的影响[J]. 世界经济, 2019, 42(11): 51-73. -
点击查看大图
图(1)/
表 (9)
计量
- 文章访问数:744
- HTML全文浏览量:202
- PDF下载量:37
- 被引次数:0
