-
近些年中国大面积的雾霾污染引发对其形成成因的关注,普遍认为细颗粒物(PM)是主要成因,而经济社会发展则是推动力。粗放型的发展方式是中国生态环境问题的根源[1],如果只是以资源和能源消耗来换取经济规模的简单扩大,那么,产出规模扩大就会加剧污染物排放,这种落后的发展方式会带来污染排放和环境质量恶化,甚至是大面积的雾霾污染,这样,经济活动的空间集聚和污染排放的空间集中就会趋同[2]。工业化进程往往会带动生产要素、经济活动的空间集聚,这种制造业集聚能提供良好的协同创新环境,有利于创新和效率改进,能够强化资源循环利用,能够抑制污染排放,还能发挥污染治理的规模效应。以Krugman[3]为代表的新经济地理学派认为,企业之间的技术外部性和技术溢出是制造业集聚的主要驱动力,而技术进步被普遍认为能够改善环境质量[4],这样,以技术进步为特征的制造业集聚,应该有利于环境绩效改进和环境质量改善[5]。然而,生产要素、经济活动的空间集聚并不总是能够带来技术进步,发展中国家的制造业集聚和能源消耗往往是伴生的[6],如果只是发挥资源和能源禀赋而吸引高耗能、高污染和资源性产业的集中,没有能源技术和效率的改进,没有生产效率的改进,能源消耗的加剧必将带来环境污染。也就是说,经济活动的空间集聚,并不必然带来雾霾污染,只是经济活动的过度集聚、非优集聚才会带来环境污染。
中国经济发展的一个典型特征现象和事实就是制造业集聚。《国民经济和社会发展第十四个五年规划和2035年远景目标纲要》提出要加快发展现代产业体系,巩固壮大实体经济根基,要求坚持把发展着力点放在实体经济上,保持制造业比重基本稳定,推动现代服务业和制造业的深度融合,这将进一步推动制造业集聚的深化,为此,有必要廓清制造业集聚对雾霾污染的影响及其作用机制。本文利用2004—2016年城市面板数据,导入时变工具变量,细致识别制造业集聚对雾霾污染的影响,讨论技术进步在其中的作用机制,以及基于能源消费的异质性分析,此外,还讨论了雾霾污染的空间溢出效应和时间滞后效应。本文的边际贡献包括:(1)考虑制造业集聚的时间演化和空间发展,引入包括时间因素和地理因素的时变工具变量,更加细致识别了制造业集聚对雾霾污染的影响。(2)基于能源消费水平讨论了制造业集聚对雾霾污染的异质性,以及中介作用机制的异质性,从而为分区施策提供参考。
-
经济活动过度集聚、非优集聚往往会伴生许多负产出,最为典型的就是环境污染,不过,新地理经济学认为,经济活动的空间集聚能提供良好的协同创新环境,引致企业间技术溢出。创新是驱动制造业集聚的主要动力,能够带来相关清洁生产技术的扩散,此外,考虑规模经济与专业化分工,还可通过治污的规模效应来降低单位治污成本,集聚内部还可以推动资源循环利用,这些都有利于治污减排。制造业的空间集聚过程,往往也是资源配置优化、技术进步和效率改进的过程,甚至有学者认为随着集聚深化,制造业集聚终将有利于环境绩效改进和环境质量改善[5]。
制造业集聚是经济活动的空间分布现象,更是基于分工深化而形成的空间组织形式,是技术创新、知识外溢和空间集聚相互作用的载体。以Krugman[3]为代表的新经济地理学派认为企业间的技术外部性和技术溢出是制造业集聚的主要驱动力,而技术进步被普遍认为能够改善环境质量[4],相应的,技术创新也被普遍认为是制造业集聚与环境质量间的重要作用机制。现有研究普遍认为,中国制造业集聚促进了效率改进,是中国经济增长奇迹的一个重要标志[7],然而,制造业集聚与环境质量的实证并没有取得一致[8-10],原因主要是制造业集聚与污染排放、环境质量是一个相互影响的内生化过程[11],相应的,一些研究转向异质性分析,试图通过区域异质性[12-13]、城市类型[14]、集聚程度[15-16]、聚集类型[17]、人口规模或城市规模[10][18]、贸易开放或出口[19]来剖析制造业集聚与污染排放、环境质量的相互关系,更值得关注的还应该包括能源消费。发展中国家的制造业集聚和能源消耗往往是伴生的[6],其改善环境质量的有效方法之一就是控制能源消费总量、改善能源结构和提高能源效率[20],而且,能源消耗水平更能体现经济活动集聚的质量,技术进步也是工业部门提高效率、降低能源消耗、高质量发展的最主要途径[21]。
制造业集聚对环境质量影响的实证研究相当丰富。相当多的研究认为集聚加剧了污染排放,其中,肖周燕和沈左次[8]认为产业集聚加剧了工业污染,田时中等[9]认为从全国水平上看,无论是制造业集聚还是服务业集聚均加剧工业污染排放。不过,污染排放不等同于环境质量恶化,工业污染并不等效于雾霾污染。随着经济活动的空间集聚,经济规模往往会扩大,分散的企业污染排放会相对集中,集聚区内的污染排放可能会有所放大,不过,更大尺度单元内的环境质量并不必然恶化,而且,制造业集聚和环境质量是一个相互影响的内生化过程,遗憾的是,这些研究并没有将两者互为因果的内生性纳入考虑,换言之,应该纳入工具变量对内生性予以缓解。陈旭等[22]引入地理变量为工具变量,实证认为制造业地理集聚程度与PM2.5呈现“倒U形”关系。应该说,随着经济集聚的深化和优化,能源和资源的利用效率大大提升,中国制造业集聚已经由劳动密集型向知识密集型、服务密集型转型,这有助于降低单位产出的污染强度[23],有利于环境质量改善。此外,修国义等[10]基于空间杜宾模型研究发现,长期内产业集聚与人口规模的交互作用可抑制雾霾污染,陆凤芝和王群勇[11]同样发现专业化和多样化集聚对环境污染具有显著的促降作用。需要注意的是,制造业的集聚过程,既是空间维度上的发展,还是时间维度上的演化,相应的,基于地理距离的工具变量构造无法体现时间维度的变化,有必要导入时变工具变量更为精细识别制造业集聚对雾霾污染的影响。
进一步,厘清制造业集聚对雾霾污染影响的传导路径,阻断其中负面影响路径,巩固并发展其中积极减排路径,这对治污减排、环境质量改善和生态文明建设都具有深远意义。现有机制研究关注到信息基础设施、城镇化水平和环境规制[24]、研发强度[15]等,更为本质的传导路径应该是技术创新。不少研究讨论了集聚影响污染排放、碳排放的作用路径[25-26],普遍认可技术进步的中介作用,而正是技术进步,被普遍认为是环境质量改善的主要机制[4]。企业之间的技术外部性和技术溢出是制造业集聚的主要驱动力[3],隐含推断认为,制造业集聚的深化与优化,技术进步是主要驱动力,也是主要特征,反之,过度集聚、非优集聚,往往并没有技术进步的因素。
改革开放以来,工业园区、产业集群成为推动中国经济发展的重要手段,推动了经济活动的空间集聚快速形成。显然,集聚存在显著的异质性,能源消费就是其一。技术进步并不必然导致节能减排,技术进步的路径和类型直接影响能源回弹效应[27]、能源与其它要素的替代[28],而且,技术进步是工业部门降低能源消耗最主要的途径,这说明在不同能源消耗强度地区,技术水平存在差异,换言之,在低能耗地区技术水平相对较高,在高能源消耗地区技术水平相对较低,Gu等[29]认为在能源技术水平不同的区域,能源技术进步对污染的影响差异很大,这就可能导致在不同能源消耗强度的地区,制造业集聚的技术进步等作用机制的效果存在较大差异。
-
借鉴Copeland和Taylor[30],构建制造业集聚影响环境污染的一般线性模型。假定代表性企业生产函数满足柯布—道格拉斯形式,且只有资本K和劳动L两种要素投入,生产函数形式为
$ f(K,L) = {K^\alpha }{L^{1 - \alpha }} $ 。当大量企业在某一地理区域内相对集中时,企业生产函数可以表示为
$$ F(K,L) = {\rm{\Phi}} {\rm{(MA)}}f(K,L) $$ (1) 其中,
$\Phi {\rm{(MA)}} = \exp (\beta {\rm{(MA)}})$ 是集聚函数;MA表示制造业集聚水平。假设代表性企业在生产资本密集型产品X的同时会产生污染物Z,由于污染物Z具有负外部性,因而Z具有社会成本。此外,企业应该为其排放的污染支付社会成本
$ \tau $ 。理性企业会发现任意排污不是一个最优选择,应该将一部分生产资源用于治理污染,用$ \theta \in [0,1] $ 表示企业治理污染的强度:$ \theta = 0 $ 表示企业不耗费资源对污染进行治理,此时企业所能生产的潜在产出为$ F $ ;当$ 0 < \theta \leqslant 1 $ 时,企业会耗费$ \theta $ 部分的资源去治污,此时企业只能生产实际产出$ (1 - \theta )F $ 产量
$$ X = (1 - \theta )F(K,L) $$ (2) 排污量
$$ Z = \phi (\theta )F(K,L) $$ (3) 其中,
$ \phi (\theta ) $ 是$ \theta $ 的排污函数,设定为$$ \phi (\theta ) = {A^{ - 1}}{(1 - \theta )^{1/b}} $$ (4) 其中,A表示技术水平;
$b\in (0,1);{\phi }^{\prime }(\theta ) < 0,{\phi}^{\prime\prime}(\theta ) > 0$ 。由式(3)和式(4)可知,
$ Z = {A^{ - 1}}{(1 - \theta )^{1/b}}F(K,L) $ ,则产品X的生产函数表示为$$ X = {(AZ)^b}{[F(K,L)]^{1 - b}} $$ (5) 其中,X产品可视为污染物Z和潜在产出F两种要素投入的产品;b为污染要素占总成本的份额。
企业生产X的决策,可分为两个相互独立环节进行:(1)根据外生资本成本
$ r $ 和劳动工资$ \omega $ ,选择最优的资本—劳动比以最小化单位潜在产出成本$ {C^F} $ ;(2)给定企业排污成本$ \tau $ 和单位潜在产出成本$ {C^F} $ ,选择最优排污量Z和潜在产出F以最小化生产成本$ {C^X} $ 。表述如下$$ {C^F}(w,r) = \min \left\{ {r\tilde K + w\tilde L,\left. {F(\tilde K,\tilde L) = 1} \right\}} \right. $$ (6) $$ {C^X}(\tau ,F) = \min \left\{ {\tau AZ + {C^F}F,\left. {{{(AZ)}^b}{{\left[ {F(K,L)} \right]}^{1 - b}} = 1} \right\}} \right. $$ (7) 其中,
$ \tilde{K}、\tilde{L} $ 分别为生产单位潜在产出的资本和劳动投入,求解式(6)和式(7)最优化问题,得一阶条件为$$ {\rm{TRS}}{_{K,L}} = (\partial F/\partial K)/(\partial F/\partial L) = \omega /r $$ (8) $$ (1 - b)AZ/bF = {C^F}/\tau $$ (9) 产品X的价格
$ {P^X} $ 外生给定,企业总收益${\rm{TR}} = {P^X}X$ ,总成本${\rm{TC }}= {C^F}F + \tau AZ$ ,在完全竞争市场假定下,可得$$ {C^F}F + \tau AZ = {P^X}X $$ (10) 结合式(9)、式(10)可得污染物的排放量
$$ Z = b{P^X}X/A\tau $$ (11) 将式(1)、式(2)代入式(11)可得
$$ Z = \delta {A^{ - 1}}{\tau ^{ - 1}}\exp \beta {\rm{(MA)}}f(K,L)\,,\;\delta = b{P^X}(1 - \theta ) $$ (12) 对式(12)两边取对数可得
$$ \ln Z = \ln \delta - \ln A - \ln \tau + \beta {\rm{(MA)}} + \ln f(K,L) $$ (13) -
根据式(13)对实证模型进行设定,其中,lnZ由细颗粒物PM替代,
$ \ln f(K,L) $ 由经济发展水平Gdp等控制变量替代,具体设定如下$$ {\rm{PM}}_{{it}} = {\beta _0} + {\beta _1}{\rm{MA}}{_{it}} + {\beta _2}{C_{it}} + {\mu _{\text{i}}} + {\upsilon _t} + {\varepsilon _{it}} $$ (14) 其中,MA为制造业集聚水平;
$ {\beta _1} $ 是制造业集聚的待估参数。为了尽可能避免遗漏变量所导致的内生性问题,根据现有研究[31],控制影响雾霾污染的相关因素C:经济发展水平(Gdp)、外商投资水平(FDI)、医疗服务水平(Med)、环境规制水平(ER)、人口密度(Pop)、产业结构(IS)、政府干预力度(Gov)、基础设施(Road)、降雨量(Rain)、日照时数(Sun)、湿度(Hum)和气温(Tem)。
$ {\mu _i} $ 、$ {\upsilon _t} $ 分别为城市、时间的固定效应;$ {\varepsilon _{it}} $ 为扰动项。 -
1.雾霾污染
使用PM2.5来测度雾霾污染。普遍认为细颗粒物(PM)是雾霾的主要成因[31],不仅影响大气环境质量,而且影响人类健康,近些年成为大气环境质量、雾霾污染的主要测度指标[32]。
2.制造业集聚
制造业集聚(MA)是衡量制造业在特定地理区域中的集中程度,采用区位熵[33-34]表示。表达如下
$$ {\rm{MA}}_{{it}} = \frac{{{{{X_{it}}} \mathord{\left/ {\vphantom {{{X_{it}}} {\displaystyle\sum\nolimits_i {{X_{it}}} }}} \right. } {\displaystyle\sum\nolimits_i {{X_{it}}} }}}}{{{{{S_{it}}} \mathord{\left/ {\vphantom {{{S_{it}}} {\sum\nolimits_i {{S_{it}}} }}} \right. } {\displaystyle\sum\nolimits_i {{S_{it}}} }}}} $$ (15) 其中,i表示城市;t表示时间;Xit表示第i个城市在第t年的制造业就业人数;Sit表示第i个城市在第t年全行业总就业人数;
$\displaystyle\sum\nolimits_i {{X_{it}}}$ 表示所有城市制造业的总就业人数;$\displaystyle\sum\nolimits_i {{S_{it}}}$ 表示所有城市全行业的总就业人数。3.工具变量
制造业集聚与雾霾污染互为因果,现有研究从政策维度(如反映土地政策的建成区面积规模差距[23])、地理维度(地形起伏度[35])、历史维度(如1993年各城市是否通铁路[35])等来构建满足外生性和相关性的工具变量,不过,制造业集聚还是一个时间演化过程,构造工具变量还应该纳入时变因素,为此,导入时变工具变量来解决这一内生性问题:空间维度选择地理变量(离海港距离、地形起伏度),时间维度选择国际原油价格,两者相乘得到时变工具变量[36]。其中,离海港距离是客观存在的自然因素,与雾霾污染没有直接的关系,外生性条件得以满足;地形起伏度是由该地区最高海拔与最低海拔的相对差、平坦面积和总面积共同决定,与雾霾污染也没有直接的关系,满足外生性条件;原油价格选择米纳斯、迪拜和布伦特三种原油价格的均值,也满足外生性条件。
表1列示了时变工具变量的四种构造方法,IV1~IV3分别用离最近海港的距离、离最近前三海港的平均距离和离最近前五海港的平均距离与国际原油价格平均值P相乘得到,IV4是用国际原油价格平均值P与地形起伏度RD相乘得到。
表 1时变工具变量的构造①
工具变量 IV1 IV2 IV3 IV4 地理变量 最近海港D1 前三海港D2 前五海港D2 地形起伏度RD 构造方法 P×D1 P×D2 P×D3 P×RD 注:P是三种原油均价;RD是地形起伏度。 4.数据来源
2012年之前,中国生态环境管理部门没有开展PM2.5的浓度监测工作,在此,利用哥伦比亚大学社会经济数据和应用中心提供的全球PM2.5地表年均浓度数据,并使用ArcGIS软件处理这些数据,以获取城市层面的雾霾污染数据。国际原油价格数据源于Wind数据库,控制变量数据主要来源于2005—2017年中国城市统计年鉴,气象数据源于自中国天气预报网。由于行政区域调整和关键变量数据缺失,研究对象最终确定为277个地级及以上城市。对于少量缺失数据,采用线性插补的方法补齐。
-
相关变量描述统计如表2所示。
表 2变量的描述性统计
变量 变量描述 均值 标准差 最小值 最大值 PM PM2.5浓度对数值 3.502 5 0.492 6 1.507 9 4.509 3 MA 制造业集聚,计算方法见式(15) 0.862 7 0.459 5 0.016 6 2.815 7 Gdp 人均GDP对数值 9.905 1 0.798 8 7.629 0 12.623 3 FDI 外商实际投资除以GDP 0.020 4 0.021 2 0.000 0 0.181 9 ER 二氧化硫去除量除以二氧化硫产生量 0.450 9 0.275 1 0.000 0 0.998 3 IS 二产产值除以GDP/% 48.791 3 10.451 5 14.950 0 85.920 0 Road 人均道路面积对数值 14.031 0 6.544 8 0.390 0 60.070 0 Gov 财政支出除以GDP 0.156 3 0.079 5 0.009 5 0.825 1 Med 采用卫生机构数、床位数、人员数综合计算 0.038 9 0.661 0 −1.710 0 2.357 8 Pop 人口密度对数值 5.760 2 0.892 0 1.547 6 7.881 7 Rain 年平均降水量对数值 6.757 5 0.614 8 3.732 9 7.992 7 Sun 年平均日照时数对数值 7.546 0 0.273 5 6.394 3 8.124 5 Hum 年平均相对湿度对数值 4.210 7 0.144 2 3.610 9 4.510 9 Tem 年平均气温/摄氏度 15.097 6 5.111 7 −2.200 0 27.000 0 -
表3报告了最小二乘OLS和工具变量IV的估计结果,其中第(1)、第(2)列是基于OLS的估计结果,第(3)~第(6)列是采用单个时变工具变量的估计结果,第(7)~第(9)列是采用时变工具变量的估计结果。具体来看,表3第(1)列在没有控制时间、地区固定效应下,制造业集聚(MA)的估计系数为正,但不显著,进一步控制固定效应后,第(2)列结果为负,但不显著,造成这一现象的重要原因可能是模型中存在严重的内生性问题,为此需要采用工具变量的策略,识别制造业集聚对城市雾霾污染的影响。第(3)~第(6)列分别使用工具变量IV1、IV2、IV3、IV4,所得系数估计值分别为−1.025 0、−1.117 0、−1.132 0和−1.362 4,至少在5%的水平上显著,且LM统计量均在1%的显著性水平上,高度拒绝识别不足的原假设,F统计量均大于临界值8.96,拒绝弱工具变量的原假设。第(7)~第(9)列分别使用IV4和IV1、IV4和IV2和IV4和IV3两个时变工具变量,得到的系数估计值分别为−1.230 4、−1.292 7和−1.325 7,至少在1%的水平下显著,且LM统计量均在1%水平下显著,高度拒绝识别不足假设,F统计量均大于8.96,拒绝弱工具变量假设,HansenJ统计量分别为0.707、0.175和0.048,在10%的水平上均接受不存在过度识别的原假设。以上检验结果说明工具变量选取有效。
表 3全样本下工具变量估计结果
变量 OLS IV(2SLS) (1) (2) (3) (4) (5) (6) (7) (8) (9) PM PM PM PM PM PM PM PM PM MA 0.0484 −0.0155 −1.0250** −1.1170*** −1.1320** −1.3624*** −1.2304*** −1.2927*** −1.3257*** (0.788) (−0.970) (−2.572) (−2.658) (−2.485) (−5.032) (−5.022) (−5.142) (−5.121) 控制变量 是 是 是 是 是 是 是 是 是 时间效应 否 是 是 是 是 是 是 是 是 城市效应 否 是 是 是 是 是 是 是 是 LM 统计量 10.970*** 10.977*** 9.951*** 34.542*** 40.094*** 40.802*** 40.504*** F统计量 10.814 10.791 9.668 26.331 19.741 20.770 20.462 HansenJ统计量 0.000 0.000 0.000 0.000 0.707 0.175 0.048 工具变量 IV1 IV2 IV3 IV4 IV4&IV1 IV4&IV2 IV4& IV3 N 3601 3601 3601 3601 3601 3601 3601 3601 3601 注:*、**、***分别表示10%、5%、1%的显著性水平;括号内为Z统计量。 总体来看,工具变量估计结果基本一致,系数估计为−1.212 2左右(将表3第(3)~第(9)列估计结果平均得到),这意味着制造业集聚有利于大气环境质量改善,并没有加剧雾霾污染。这可能是由于产业集聚促进了不同类型制造业部门间,以及制造业与创新主体间知识、技术、信息的快速交换,这种正式或非正式接触促有利于企业间的知识共享和技术溢出,推动企业创新,促进企业生产效率提升,可以抑制雾霾污染[11]。
-
以专利数量表征技术进步,借鉴相关中介效应的检验方法[37],构建中介效应模型,检验制造业集聚是否通过提高技术进步而抑制雾霾污染。
$$ {\rm{PM}}_{{it}} = {\beta _0} + {\beta _1}{\rm{MA}}_{{it}} + {\beta _2}{C_{it}} + {\mu _{\text{i}}} + {\upsilon _t} + {\varepsilon _{it}} $$ (16) $$ {M_{it}} = {\rho _0} + {\rho _1}{\rm{MA}}_{{it}} + {\rho _2}{C_{it}} + {\mu _{\text{i}}} + {\upsilon _t} + {\varepsilon _{it}} $$ (17) $${\rm{ PM}}_{{it}} = {\gamma _0} + {\gamma _1}{\text{M}}{{\text{A}}_{it}} + {\gamma _2}{M_{{\text{it}}}} + {\gamma _3}{C_{it}} + {\mu _{\text{i}}} + {\upsilon _t} + {\varepsilon _{it}} $$ (18) 先对式(16)进行估计,验证制造业集聚对雾霾污染的影响,其次是对式(17)进行回归,检验制造业集聚(MA)对中介变量(M)的影响是否显著,最后对式(18)进行检验。如果
$ {\gamma _1} $ 和$ {\gamma _2} $ 这两个系数显著,则说明技术进步在制造业集聚对雾霾污染影响中存在部分中介效应;若$ {\gamma _1} $ 不显著、$ {\gamma _2} $ 显著,则存在完全中介效应。为了避免因专利指标选取不同,而导致结论不一致的问题,此处采用有效专利申请量(Inov1)和授权量(Inov2)衡量技术进步水平。鉴于本文的核心变量MA存在内生性,若直接利用中介效应模型进行估计,可能会使得估计结果有偏。同样,基于所构造的工具变量进行模型估计,结果如表4所示。表 4中介作用机制检验②
变量 (1) (2) (3) (4) (5) PM Inov1 PM Inov2 PM MA −1.1170*** 3.9460** −0.9529*** 3.7994*** −1.0626** (−2.658) (2.430) (−2.580) (2.629) (−2.452) Inov1 −0.0377*** (−3.418) Inov2 −0.0280** (−2.251) 控制变量 是 是 是 是 是 时间效应 是 是 是 是 是 城市效应 是 是 是 是 是 LM 统计量 10.977*** 11.119*** 11.661*** 10.735*** 10.346*** F统计量 10.791 10.943 11.408 10.595 10.151 HansenJ统计量 0.000 0.000 0.000 0.000 0.000 工具变量 IV2 IV2 IV2 IV2 IV2 N 3 601 3 601 3 601 3 601 3 601 注:*、**、***分别表示10%、5%、1%的显著性水平;括号内为Z统计量。 表4第(2)、第(4)列结果显示,无论是有效专利申请量(Inov1),还是授权量(Inov2)刻画的技术进步,MA估计系数至少在5%的水平上显著为正,表明制造业集聚对技术创新有显著的促进作用;第(3)、第(5)列估计结果显示至少在5%的水平上显著为负,说明制造业集聚可以通过技术创新降低雾霾污染;可以判定,技术创新在制造业集聚抑制雾霾污染存在部分中介效应。技术创新有利于治污减排,能够抑制雾霾污染,类似的,胡求光和周宇飞[14]研究发现开发区产业集聚在后期通过技术溢出和示范效应能够有效提升环境治理水平,表明技术进步在降污过程中的重要性。
-
能源消费是制造业集聚深化、优化的主要特征。本文以门槛分析中能源消耗强度门槛值0.1058③为分界点,将样本划分为高能耗和低能耗地区,表5汇报了不同能源消耗强度下,制造业集聚传导机制差异的检验结果。表5第(1)~第(5)列报告了低能耗地区检验结果,第(6)列汇报了高能耗地区检验结果。由于高能耗地区制造业集聚对雾霾污染的影响不显著④,当主效应不显著,也就没有必要对高能耗地区进行中介效应分析。
表 5不同能源消耗强度下传导机制效果差异的检验结果
变量 低能耗地区 高能耗地区 (1) (2) (3) (4) (5) (6) PM Inov1 PM Inov2 PM PM MA −1.666 1** 4.058 5** −1.201 5*** 4.258 9** −1.268 1*** −0.48 53 (−2.245) (2.174) (−4.452) (2.282) (−4.713) (−0.802) Inov1 −0.0601*** (−4.626) Inov2 −0.0468*** (−2.929) 控制变量 是 是 是 是 是 是 城市效应 是 是 是 是 是 是 时间效应 是 是 是 是 是 是 N 2 678 2 678 2 678 2 678 2 678 923 注:*、**、***分别表示10%、5%、1%的显著性水平;括号内为Z统计量。 表5第(2)、第(4)列结果表明,估计系数至少在5%水平下显著,说明制造业集聚MA显著促进了技术进步;第(3)、第(5)列MA估计系数在1%的水平下显著为负,分别是−1.201 5、−1.268 1,Inov1、Inov2估计系数在1%的水平下显著为负,分别是−0.060 1、−0.046 8,相较于整体水平(MA:−0.952 9−1.062 6;Inov1、Inov2:−0.037 7、−0.028 0),MA、Inov1和Inov2对雾霾污染的抑制作用更高,可以认为,以专利衡量表征技术进步的作用机制,在低能耗地区显著存在,且作用效果更强。
机制检验结果表明,高能耗地区制造业集聚对雾霾污染并未产生抑制效果,中介效应并不存在。进一步深入观察高能耗地区制造业集聚对技术进步的影响,研究结果如表6所示。由表6知,以专利数量(Inov1、Inov2)表征技术进步,高能耗地区制造业集聚均未对技术进步产生影响显著作用。
表 6高能耗地区制造业集聚对技术进步的影响
变量 (1) (2) Inov1 Inov2 MA 0.500 9 −2.34 68 (0.165) (−0.514) 注:控制变量、时间和城市效应均已控制。 将基准结果、机制检验结果汇总,总结制造业集聚(MA)在不同样本范围内对相关变量的作用方向,汇总结果如表7所示。
表 7结果汇总
能耗 PM Inov1 Inov2 全样本 负向显著 正向显著 正向显著 低能耗 负向显著(+) 正向显著(+) 正向显著(+) 高能耗 不显著 不显著 不显著 注:括号内“+”表示低能耗地区制造业对相关变量的作用效果增强。 由表7可知,在全样本下,制造业集聚对雾霾污染具有显著的负向抑制作用,技术创新发挥着中介作用,这一结论在低能耗地区样本中依然成立,且作用效果更加明显;然而,在高能耗地区样本中,制造业集聚对雾霾污染未产生显著的抑制作用,其原因在于这些地区的制造业集聚并没有带来技术创新。在高能耗地区,经济活动的集中,往往是资源消耗型的产业集中,并没有显著带来技术进步,这种高投入、高能耗的经济增长方式就会加剧生态环境压力。韩晶等[38]认为资源禀赋优势而形成的产业集聚在很长一段时间是城市污染的重要原因之一。此外,寇冬雪[39]研究发现中国资源型城市的城市要素禀赋已然成为产业转型的阻力,经济活动集中的负外部性凸显。在低能耗地区,资源依赖程度降低,通过高端生产要素的集聚,强化技术溢出作用,能够实现经济高质量发展和生态文明高水平建设的融合。
-
以上分析结果表明,制造业集聚能够有效降低本地雾霾污染,其是否具有空间溢出效应,是否具有时间上的路径依赖特征呢?在此,利用动态空间计量模型予以考察。传统的空间计量模型无法解决联立内生性问题,而制造业集聚与雾霾污染具有明显的联立内生性问题,贸然采用空间计量模型可能导致错误估计,因此需要采用系统矩估计(SYS-GMM)策略进行估计,相应,将式(14)进一步扩展为空间计量模型
$$ {\rm{PM}}_{{it}} = {\tau _0} + {\tau _1}{\boldsymbol{W}}{\rm{P{M_{it}}}} + {\tau _2}{\rm{PM}}_{{it{\text{ - }}1}} + {\tau _3}{\rm{MA}}_{{it}} + {\tau _4}{C_{it}} + {\tau _5}{\rm{W}{{C}}}_{{it}} + {\mu _{\text{i}}} + {\upsilon _t} + {\varepsilon _{it}} $$ (19) 其中,
${\boldsymbol{W}}$ 为空间权重矩阵;$ {\tau _1} $ 、$ {\tau _2} $ 分别为雾霾污染的空间项、时间滞后项的待估参数;$ {\tau _3} $ 表示制造业集聚的待估参数;$ {\tau _4} $ 表示控制变量的待估参数向量;$ {\tau _5} $ 表示控制变量的空间项的待估参数向量。 -
距离矩阵
${{\boldsymbol{W}}_d}:{{\boldsymbol{W}}_{dij}} = 1/d_{ij}^2,i \ne j$ ,$ {d_{ij}} $ 是使用经纬度计算的城市距离,且$ i \ne j $ ,$ i = j $ 时则为0。邻接地理矩阵W01:两地区拥有共同的边界时设定为1,否则为0。经济距离矩阵${{\boldsymbol{W}}_{ed}}:{{\boldsymbol{W}}_{edij}} = (\overline {{E_i}} \times \overline {{E_j}} )/{d_{ij}},i \ne j$ ,$ i = j $ 时则为0,其中,$ \overline{{E}_{i}}、\overline{{E}_{j}} $ 表示地区$ i、j $ 在样本期间人均实际GDP的均值。 -
为了说明本文方法选择的合理性,表8第(1)~第(3)列给出了采用最大似然方法(MLE)估计的动态空间滞后模型的估计结果,结果表明制造业集聚在邻接、距离、经济距离矩阵设定下系数为正,且距离矩阵、经济距离矩阵下的估计系数在1%水平下显著为正,与本文工具变量估计结果截然相反,说明传统空间计量模型在此处的确存在联立内生性问题。因此,本文采用动态空间滞后模型(SAR),利用系统矩估计方法进行效应识别,所得结果见表8第(4)~第(6)列。结果显示,在SYS-GMM估计方法下,制造业集聚的估计系数在不同显著水平下为负,在定性的意义上与前文工具变量结果估计一致,然而在定量的意义上,三种矩阵设定得到的估计系数低于工具变量下的估计系数(绝对值意义上),仍然存在低估的问题,相关AR(1)和AR(2)检验基本通过,故以第(6)列结果为基准,从定性角度分析制造业集聚对周边城市的影响。
表 8动态空间计量模型的估计结果
变量 最大似然估计(MLE) 系统矩估计(SYS-GMM) (1) (2) (3) (4) (5) (6) 邻接矩阵 距离矩阵 经济距离矩阵 邻接矩阵 距离矩阵 经济距离矩阵 PM(−1) 0.1521*** 0.5457*** 0.6668*** 0.1480*** 0.2074*** 0.4679*** (22.101) (67.634) (59.331) (63.031) (5.170) (50.444) WPM 0.9751*** 1.2536*** 1.3002*** 0.9041*** 1.3413*** 2.2331*** (159.474) (391.374) (280.339) (389.786) (28.128) (120.896) MA 0.0056 0.0439*** 0.0459*** −0.0396*** −0.2596** −0.1747*** (1.047) (6.869) (5.145) (−5.281) (−2.063) (−7.186) C 是 是 是 是 是 是 WC 否 否 否 是 是 是 AR(1) test −10.810*** −7.170** −10.450*** AR(2) test 0.740 0.630 1.950* N 3601 3601 3601 3601 3601 3601 注:内生变量分别为雾霾污染的时间滞后项PM(−1)、空间项WPM、制造业集聚MA;WC表示控制变量的空间项。 从表8第(6)列的结果来看,(1)制造业集聚(MA)的估计系数显著为负,表明制造业集聚能够抑制本地城市的雾霾污染,与工具变量估计结果一致。(2)雾霾污染时间滞后项PM(−1)系数显著为正,即当期雾霾污染影响下一期,表明雾霾污染具有显著的路径依赖特征,这说明当前雾霾污染治理工作刻不容缓,否则治理难度将不断加大。(3)雾霾污染的空间项(WPM)系数显著为正,表明雾霾污染具有空间溢出效应。除自然因素造成污染外溢,现有研究表明地区之间经济因素也会造成雾霾污染的空间溢出,例如区域竞争导致污染在地区间扩散。
-
经济活动的集中、制造业的集聚,能够带来经济发展的集聚效应,有利于知识外溢和技术创新,并不会加剧雾霾污染,也就是说,创新驱动的产业发展,有利于绿色发展,即产业发展、创新发展和绿色发展能够并存共赢。本文采用2004—2016年中国城市面板数据,构造时变工具变量,精细识别制造业集聚对雾霾污染的影响,利用中介效应模型检验其作用机制,还进一步利用动态空间模型检验雾霾污染的空间溢出和时间滞后效应,研究结果表明,制造业集聚并没有加剧雾霾污染,技术进步发挥着中介作用,不过,高能耗地区和低能耗地区显著不同,此外,雾霾污染在空间上具有溢出效应。
基于以上结论,引申如下启示:
1.推动更低能耗水平、更高创新水平的制造业集聚,推动这些地区率先实现经济高质量发展和生态文明高水平建设的协同融合。本文的实证结果表明,制造业集聚对雾霾污染的影响在高能耗地区和低能耗地区迥然不同,在低能耗地区制造业集聚并没有加剧雾霾污染,技术进步发挥着中介作用,也就是说,制造业集聚并不必然导致雾霾污染,更低能耗水平、更高创新水平的制造业集聚,并没有加剧雾霾污染,因此,不能将制造业集聚与环境质量改善对立起来。推动经济高质量发展,仍然需要发挥制造业集聚这一有效的产业组织形式,需要重点推动更低能耗水平、更高创新水平的制造业集聚,要坚决杜绝消耗高、投入大、污染多的制造业集聚,要下大力气推动高能耗地区制造业的转型升级和绿色化,促进经济社会发展全面绿色转型。
2.发挥制造业集聚的知识技术外溢效应,大力推动技术创新,切实降低制造业的污染排放。本文的实证结果表明,制造业集聚对雾霾污染的抑制作用源于技术进步,因此,当前需要着力巩固制造业集聚的技术进步机制,优化清洁生产工艺,充分释放制造业集聚所产生的创新红利,推动企业绿色技术升级,提高绿色生产效率。
3.强化生态环境治理的跨区域协同。环境是公共产品,环境污染往往具有跨区域性特征,本文的实证结果表明,雾霾污染具有空间溢出效应,因此,要防止制造业集聚对邻近地区以邻为壑的不当行为,还要健全、强化跨区域环境治理协同。
4.稳妥有序推动“双碳”工作,推动减污降碳协同增效。能源消耗和污染排放具有同步性,本文实证结果表明,高能耗地区的经济集聚并不能抑制雾霾污染。进入“十四五”规划时期,进一步推进生态文明建设,要着力以降碳为重点,在推动绿色低碳发展中解决生态环境问题,加快形成节约资源和保护环境的产业结构、生产方式、生活方式、空间格局。
Manufacturing Agglomeration and Haze: Heterogeneity Analysis based on Energy Consumption
-
摘要:基于2004—2016年中国城市面板数据,引入时变工具变量,细致探讨了制造业集聚对雾霾污染的影响及其作用机制,并基于能源消费展开异质性分析。研究结果表明:制造业集聚通过技术进步抑制了雾霾污染,异质性分析表明,以专利表征技术进步的作用机制,在低能耗地区显著存在,且作用效果更强,而在高能耗地区该机制并不显现;空间效应分析表明,雾霾污染具有空间上的溢出效应和时间上的滞后效应。Abstract:Based on the panel data of Chinese cities from 2004 to 2016, the instrumental variable was constructed to identify the impact of manufacturing agglomeration on haze pollution, and analyze the heterogeneity of its mechanism based on energy consumption. The results show that manufacturing agglomeration inhibits the increase of haze pollution through technological progress. The heterogeneity analysis shows that the mechanism of measuring technological progress by patent was more significant in low energy consumption areas, but not significant in high energy consumption areas. Spatial effect analysis shows that haze pollution has spatial spillover effect and time lag effect.注释:1) 先在百度地图上定位 277个样本城市,确定每个城市的经纬度信息,基于中国交通运输部公布的规模以上港口的外贸货物年均吞吐量数据确定中国排名前 10位的港。在百度地图上确定每个港口的经纬度信息,根据经纬度信息,计算出每一个城市到每一个港口的地理距离。2) 由于机制检验第一步,即式(17)已在 表3给出,此处予以省略。此处以IV2为例,其余工具变量估计结果与其一致。3) 将城市全社会用电量按照1万千瓦时=1.229吨标准煤进行折算,将折算后的能源消耗量除以城市实际生产总值,得到能源消耗强度指标,单位万吨标准煤/亿元。限于篇幅,此处省略门槛回归分析的过程,直接提取门槛回归分析结果。4) 利用所有工具变量进行识别,均得到不显著的结果,此处列示IV3工具变量回归结果。
-
表 1时变工具变量的构造①
工具变量 IV1 IV2 IV3 IV4 地理变量 最近海港D1 前三海港D2 前五海港D2 地形起伏度RD 构造方法 P×D1 P×D2 P×D3 P×RD 注:P是三种原油均价;RD是地形起伏度。 表 2变量的描述性统计
变量 变量描述 均值 标准差 最小值 最大值 PM PM2.5浓度对数值 3.502 5 0.492 6 1.507 9 4.509 3 MA 制造业集聚,计算方法见式(15) 0.862 7 0.459 5 0.016 6 2.815 7 Gdp 人均GDP对数值 9.905 1 0.798 8 7.629 0 12.623 3 FDI 外商实际投资除以GDP 0.020 4 0.021 2 0.000 0 0.181 9 ER 二氧化硫去除量除以二氧化硫产生量 0.450 9 0.275 1 0.000 0 0.998 3 IS 二产产值除以GDP/% 48.791 3 10.451 5 14.950 0 85.920 0 Road 人均道路面积对数值 14.031 0 6.544 8 0.390 0 60.070 0 Gov 财政支出除以GDP 0.156 3 0.079 5 0.009 5 0.825 1 Med 采用卫生机构数、床位数、人员数综合计算 0.038 9 0.661 0 −1.710 0 2.357 8 Pop 人口密度对数值 5.760 2 0.892 0 1.547 6 7.881 7 Rain 年平均降水量对数值 6.757 5 0.614 8 3.732 9 7.992 7 Sun 年平均日照时数对数值 7.546 0 0.273 5 6.394 3 8.124 5 Hum 年平均相对湿度对数值 4.210 7 0.144 2 3.610 9 4.510 9 Tem 年平均气温/摄氏度 15.097 6 5.111 7 −2.200 0 27.000 0 表 3全样本下工具变量估计结果
变量 OLS IV(2SLS) (1) (2) (3) (4) (5) (6) (7) (8) (9) PM PM PM PM PM PM PM PM PM MA 0.0484 −0.0155 −1.0250** −1.1170*** −1.1320** −1.3624*** −1.2304*** −1.2927*** −1.3257*** (0.788) (−0.970) (−2.572) (−2.658) (−2.485) (−5.032) (−5.022) (−5.142) (−5.121) 控制变量 是 是 是 是 是 是 是 是 是 时间效应 否 是 是 是 是 是 是 是 是 城市效应 否 是 是 是 是 是 是 是 是 LM 统计量 10.970*** 10.977*** 9.951*** 34.542*** 40.094*** 40.802*** 40.504*** F统计量 10.814 10.791 9.668 26.331 19.741 20.770 20.462 HansenJ统计量 0.000 0.000 0.000 0.000 0.707 0.175 0.048 工具变量 IV1 IV2 IV3 IV4 IV4&IV1 IV4&IV2 IV4& IV3 N 3601 3601 3601 3601 3601 3601 3601 3601 3601 注:*、**、***分别表示10%、5%、1%的显著性水平;括号内为Z统计量。 表 4中介作用机制检验②
变量 (1) (2) (3) (4) (5) PM Inov1 PM Inov2 PM MA −1.1170*** 3.9460** −0.9529*** 3.7994*** −1.0626** (−2.658) (2.430) (−2.580) (2.629) (−2.452) Inov1 −0.0377*** (−3.418) Inov2 −0.0280** (−2.251) 控制变量 是 是 是 是 是 时间效应 是 是 是 是 是 城市效应 是 是 是 是 是 LM 统计量 10.977*** 11.119*** 11.661*** 10.735*** 10.346*** F统计量 10.791 10.943 11.408 10.595 10.151 HansenJ统计量 0.000 0.000 0.000 0.000 0.000 工具变量 IV2 IV2 IV2 IV2 IV2 N 3 601 3 601 3 601 3 601 3 601 注:*、**、***分别表示10%、5%、1%的显著性水平;括号内为Z统计量。 表 5不同能源消耗强度下传导机制效果差异的检验结果
变量 低能耗地区 高能耗地区 (1) (2) (3) (4) (5) (6) PM Inov1 PM Inov2 PM PM MA −1.666 1** 4.058 5** −1.201 5*** 4.258 9** −1.268 1*** −0.48 53 (−2.245) (2.174) (−4.452) (2.282) (−4.713) (−0.802) Inov1 −0.0601*** (−4.626) Inov2 −0.0468*** (−2.929) 控制变量 是 是 是 是 是 是 城市效应 是 是 是 是 是 是 时间效应 是 是 是 是 是 是 N 2 678 2 678 2 678 2 678 2 678 923 注:*、**、***分别表示10%、5%、1%的显著性水平;括号内为Z统计量。 表 6高能耗地区制造业集聚对技术进步的影响
变量 (1) (2) Inov1 Inov2 MA 0.500 9 −2.34 68 (0.165) (−0.514) 注:控制变量、时间和城市效应均已控制。 表 7结果汇总
能耗 PM Inov1 Inov2 全样本 负向显著 正向显著 正向显著 低能耗 负向显著(+) 正向显著(+) 正向显著(+) 高能耗 不显著 不显著 不显著 注:括号内“+”表示低能耗地区制造业对相关变量的作用效果增强。 表 8动态空间计量模型的估计结果
变量 最大似然估计(MLE) 系统矩估计(SYS-GMM) (1) (2) (3) (4) (5) (6) 邻接矩阵 距离矩阵 经济距离矩阵 邻接矩阵 距离矩阵 经济距离矩阵 PM(−1) 0.1521*** 0.5457*** 0.6668*** 0.1480*** 0.2074*** 0.4679*** (22.101) (67.634) (59.331) (63.031) (5.170) (50.444) WPM 0.9751*** 1.2536*** 1.3002*** 0.9041*** 1.3413*** 2.2331*** (159.474) (391.374) (280.339) (389.786) (28.128) (120.896) MA 0.0056 0.0439*** 0.0459*** −0.0396*** −0.2596** −0.1747*** (1.047) (6.869) (5.145) (−5.281) (−2.063) (−7.186) C 是 是 是 是 是 是 WC 否 否 否 是 是 是 AR(1) test −10.810*** −7.170** −10.450*** AR(2) test 0.740 0.630 1.950* N 3601 3601 3601 3601 3601 3601 注:内生变量分别为雾霾污染的时间滞后项PM(−1)、空间项WPM、制造业集聚MA;WC表示控制变量的空间项。 -
[1] 蔡昉, 都阳, 王美艳. 经济发展方式转变与节能减排内在动力[J]. 经济研究, 2008(6): 4-11. [2] 刘满凤, 谢晗进. 中国省域经济集聚性与污染集聚性趋同研究[J]. 经济地理, 2014(4): 25-32. [3] KRUGMAN P. Increasing returns and economic geography[J]. Journal of Political Economy, 1991, 99(3): 483-499.doi:10.1086/261763 [4] GROSSMAN G M, KRUEGER A B. Economic growth and the environment[J]. Quarterly Journal of Economics, 1995, 110(2): 353-377.doi:10.2307/2118443 [5] WANG Y, WANG J. Does industrial agglomeration facilitate environmental performance: new evidence from urban China?[J/OL]. Journal of Environmental Management, 2019, 248, NO. 109244.https://agris.fao.org/agris-search/search.do?recordID=US201900334636. [6] BOROZAN D. Unveiling the heterogeneous effect of energy taxes and income on residential energy consumption[J]. Energy Policy, 2019, 129: 13-22.doi:10.1016/j.enpol.2019.01.069 [7] HU C, XU Z, YASHIRO N. Agglomeration and productivity in China: Firm level evidence[J]. China Economic Review, 2015, 33: 50-66.doi:10.1016/j.chieco.2015.01.001 [8] 肖周燕, 沈左次. 人口集聚、产业集聚与环境污染的时空演化及关联性分析[J]. 干旱区资源与环境, 2019(2): 1-8. [9] 田时中, 汪瑾池, 周晓星. 产业集聚、横向税收竞争与工业污染排放[J]. 经济问题探索, 2020(3): 155-168. [10] 修国义, 朱悦, 王俭. 产业集聚、人口规模与雾霾污染: 基于省际面板数据的实证[J]. 统计与决策, 2020(7): 61-65. [11] 陆凤芝, 王群勇. 相向而行还是背道而驰: 生产性服务业集聚与污染减排[J]. 华中科技大学学报(社会科学版), 2021(2): 41-53. [12] DONG F, WANG Y, ZHENG L, et al. Can industrial agglomeration promote pollution agglomeration? evidence from China[J/OL]. Journal of Cleaner Production, 2020, 246, NO. 118960. https://www.researchgate.net/publication/336765746_Can_industrial_agglomeration_promote_pollution_agglomeration_Evidence_from_China. [13] 雷玉桃, 郑梦琳, 孙菁靖. 中国重点城市群工业集聚对雾霾污染的影响研究[J]. 软科学, 2020, 34(4): 64-69. [14] 胡求光, 周宇飞. 开发区产业集聚的环境效应: 加剧污染还是促进治理?[J]. 中国人口·资源与环境, 2020(10): 64-72. [15] 邵帅, 张可, 豆建民. 经济集聚的节能减排效应: 理论与中国经验[J]. 管理世界, 2019(1): 36-60.doi:10.3969/j.issn.1002-5502.2019.01.004 [16] CHEN C, SUN Y, LAN Q, et al. Impacts of industrial agglomeration on pollution and ecological efficiency:a spatial econometric analysis based on a big panel dataset of China’s 259 cities[J]. Journal of Cleaner Production, 2020, 258,120721. https://www.sciencedirect.com/science/article/abs/pii/S095965262030768X. [17] 杨敏. 产业集聚对工业污染排放影响的实证研究: 基于制造业集聚和服务业集聚对比的研究[J]. 求实, 2018(2): 59-74+111.doi:10.3969/j.issn.1007-8487.2018.02.006 [18] 邓翔, 张卫. 大城市加重地区环境污染了吗?[J]. bob手机在线登陆学报(社会科学版), 2018, 20(1): 36-44. [19] 蔡海亚, 徐盈之. 产业协同集聚、贸易开放与雾霾污染[J]. 中国人口·资源与环境, 2018, 28(6): 93-102. [20] ZHU J, LIN B. Convergence analysis of city-level energy intensity in China[J/OL]. Energy Policy, 2020, 139, NO. 111357.https://ideas.repec.org/a/eee/enepol/v139y2020ics0301421520301142.html. [21] 唐葆君, 陈俊宇, 王崇州. 政策工具视角下能源行业发展差异分析[J]. bob手机在线登陆学报(社会科学版), 2022, 24(2): 21-27.doi:10.15918/j.jbitss1009-3370.2022.0247 [22] 陈旭, 娄馨慧, 秦蒙. 地理集聚、城市规模与雾霾污染: 基于中国城市数据的实证研究[J]. 重庆大学学报(社会科学版), 2020(5): 30-42. [23] 陆铭, 冯皓. 集聚与减排: 城市规模差距影响工业污染强度的经验研究[J]. 世界经济, 2014(7): 86-114. [24] 任晓松, 刘宇佳, 赵国浩. 经济集聚对碳排放强度的影响及传导机制[J]. 中国人口·资源与环境, 2020(4): 95-106. [25] WU J, XU H, TANG K. Industrial agglomeration, CO2emissions and regional development programs: a decomposition analysis based on 286 Chinese cities[J/OL]. Energy, 2021, 225, NO. 120239.https://ideas.repec.org/a/eee/energy/v225y2021ics0360544221004886.html. [26] 朱东波, 李红. 中国产业集聚的环境效应及其作用机制[J]. 中国人口·资源与环境, 2021, 31(12): 62-70. [27] GREENING L A , GREENE D L , DIFIGLIO C . Energy efficiency and consumption — the rebound effect — a survey[J]. Energy Policy, 2000, 28(6-7): 389-401.doi:10.1016/S0301-4215(00)00021-5 [28] 何小钢, 王自力. 能源偏向型技术进步与绿色增长转型: 基于中国33个行业的实证考察[J]. 中国工业经济, 2015(2): 50-62. [29] GU W, ZHAO X, YAN X, et al. Energy technological progress, energy consumption, and CO2emissions: empirical evidence from China[J/OL]. Journal of Cleaner Production, 2019, 236, NO. 117666. https://agris.fao.org/agris-search/search.do?recordID=US202000034699. [30] COPELAND B R, TAYLOR M S. North-South trade and the environment[J]. Quarterly Journal of Economics, 1994, 109(3): 755-787.doi:10.2307/2118421 [31] CHENG Z. The spatial correlation and interaction between manufacturing agglomeration and environmental pollution[J]. Ecological Indicators, 2016, 61: 1024-1032.doi:10.1016/j.ecolind.2015.10.060 [32] 王念, 朱英明, 裴宇. 公共服务供给与城市雾霾治理: 差异性与机制研究[J]. bob手机在线登陆学报(社会科学版), 2021, 23(1): 12-27. [33] 纪玉俊, 王芳. 产业集聚、空间溢出与城市能源效率[J]. bob手机在线登陆学报(社会科学版), 2021, 23(6): 13-26. [34] 张平淡, 屠西伟. 制造业集聚对绿色经济效率的双边影响[J]. 经济理论与经济管理, 2021, 41(11): 35-53.doi:10.3969/j.issn.1000-596X.2021.11.004 [35] 林伯强, 谭睿鹏. 中国经济集聚与绿色经济效率[J]. 经济研究, 2019(2): 119-132. [36] 张平淡, 屠西伟. 制造业集聚促进中国绿色经济效率提升了吗?[J]. 北京师范大学学报(社会科学版), 2021(1): 132-144. [37] 张平淡, 李欣谣. 人口城镇化与大气环境质量及中介效应检验——对长江经济带地级城市的实证分析[J]. 上海商学院学报, 2021, 22(3): 90-102.doi:10.19941/j.cnki.cn31-1957/f.2021.03.007 [38] 韩晶, 毛渊龙, 朱兆一. 产业集聚对环境污染的影响[J]. 经济社会体制比较, 2019(3): 71-80. [39] 寇冬雪. 产业专业化集聚、多样化集聚与环境污染: 基于中国285个城市的实证分析[J]. 云南财经大学学报, 2020(9): 3-17. -
![WeChat](http://www.frunetbio.com/journal/fileBJLGDXXBSKB/journal/article/bjlgdxxbshkxb/2022/6/PIC/wechat_cn_1c0caa48-7f0e-443b-b0f3-1b32c9d41721.jpg)
计量
- 文章访问数:207
- HTML全文浏览量:34
- PDF下载量:7
- 被引次数:0