Industrial Co-agglomeration and Environmental Pollution Control: Impetus or Resistance
-
摘要: 基于2003—2016年中国30个省份的面板数据, 采用双向固定效应、空间面板杜宾等计量方法, 并结合中介效应检验模型, 实证检验产业协同集聚对环境污染治理的影响。研究表明: 产业协同集聚与环境污染呈稳定的倒U型关系, 即短期内产业协同集聚表现为环境污染治理的阻力, 但长期看又会逐步转化为环境污染治理的助力, 且这种影响效应不存在地区差异; 产业协同集聚的空间溢出效应具有地区差异性, 其中东部地区的溢出效应不显著, 中西部地区的溢出效应则较为显著; 科技创新是产业协同集聚影响环境污染治理的一个有效中介变量。因此, 应大力推进产业协同集聚战略, 因地制宜制定产业协同集聚发展政策, 构建联防联控的协同治污举措, 推进环境污染的有效治理。Abstract: Based on the panel data of 30 provinces in China from 2003 to 2016, the application of the time-space fixed effect, spatial panel Dubin and other measurement models, combined with the mediation effect test model, this study empirically tested the impact of industrial co-agglomeration on environmental pollution control. The results show that there is a stable inverted U relationship between industrial co-agglomeration and environmental pollution, and there is no regional difference, which indicates in the short run, the co-agglomeration of industries represents the resistance of environmental pollution control, and in the long run, it will gradually be transformed into the assistance of environmental pollution control; there are regional differences in the spatial spillover effect of industrial co-agglomeration, of which the effect in the eastern region is not significant, and the spillover effect in the central and western regions is more significant; scientific and technological innovation can be a mediating variable of industrial co-agglomeration affecting environmental pollution. Therefore, it is necessary to vigorously promote the strategy of industrial co-agglomeration, formulate policies for industrial co-agglomeration development in line with local conditions, and establish joint prevention and control measures, so as to promote the effective management of environmental pollution.
-
表 1 各变量的描述性统计
变量 观测值 均值 标准差 最小值 最大值 lnp 420 -1.51 1.243 -7.302 0.178 lncoll 420 -0.245 0.222 -1.338 0 lnt 420 8.538 1.629 3.932 11.975 lnfdi 420 5.044 1.673 -0.007 9.417 lner 420 5.021 1.034 2.11 7.936 lnis 420 -0.953 0.247 9 -2.128 -0.634 lnpgdp 420 9.89 0.651 8.158 11.478 lnmar 420 -0.821 0.356 -1.72 -0.174 lnopen 420 -1.679 0.990 -3.437 0.543 
下载: 导出CSV
表 2 生产性服务业与制造业协同集聚影响环境污染的基准回归结果①
变量 模型1
FE模型2
FE模型3
PCSE模型4
PCSE模型5
MLE模型6
MLElncoll -0.717 7** -0.600 1* -0.147 6 0.314 2 -0.408 8 -0.285 7 (-2.01) (-1.65) (-0.30) (0.52) (-1.17) (-0.80) (lncoll)2 -1.415 3*** -1.385 8*** -1.921 7*** -1.677 2* -1.542 3*** -1.460 9*** (-4.30) (-4.21) (-2.75) (-1.93) (-4.97) (-4.68) lner 0.566 5*** 0.516 7*** 0.325 9*** 0.345 5*** 0.359 8*** 0.331 4*** (5.61) (4.92) (2.61) (2.96) (4.79) (4.32) lnpgdp 0.322 0 2.127 6* 0.054 2 -3.082 6 0.302 4* 2.064 6** (0.96) (1.91) (0.22) (-1.20) (1.91) (1.98) lnmar 0.216 7 0.102 6 0.101 3 0.198 8 0.234 7 0.166 7 (1.17) (0.52) (0.33) (0.64) (1.44) (1.00) lnis 0.480 5* 0.319 8 0.265 8 0.665 1 -0.064 4 -0.217 3 (1.69) (1.07) (0.50) (1.09) (-0.37) (-1.11) lnfdi 0.000 8 -0.007 8 0.201 0*** 0.183 4*** 0.027 3 0.018 2 (0.02) (-0.20) (2.90) (2.66) (0.72) (0.48) lnopen -0.084 9 -0.124 2 -0.147 9 -0.281 5*** -0.166 7** -0.187 9*** (-1.06) (-1.49) (-1.55) (-2.83) (-2.39) (-2.66) (lnpgdp)2 -0.0973* 0.161 7 -0.090 3* (-1.70) (1.24) (-1.71) N 420 420 420 420 420 420 Test 7.056 5 6.900 7 35.17 47.63 103.17 106.09 注：FE、PCSE及MLE估计结果Test栏对应的统计量分别为F统计量、Wald统计量与LR统计量；FE模型括号中为t统计量值；PCSE及MLE估计模型括号中为Z统计量值；***、**、*分别表示在1%、5%、10%的水平下显著。下表同。
下载: 导出CSV
表 3 考虑内生性问题的回归结果
变量 模型1 模型2 模型3 L.lncoll -1.066 8***(-3.07) -0.988 6***(-2.65) -0.786 7**(-2.07) L.(lncoll)2 -2.215 2***(-7.11) -1.929 4***(-5.45) -1.880 8***(-5.33) L.lner 0.535 9***(4.82) 0.507 2***(4.56) L.lnpgdp 0.041 4(0.12) 2.306 8**(2.18) L.lnmar -0.045 7(-0.24) -0.163 6(-0.85) L.lnis 0.629 8**(2.16) 0.480 9(1.62) L.lnfdi 0.010 9(0.26) 0.016 9(0.41) L.lnopen -0.058 7(-0.72) -0.089 4(-1.10) L.(lnpgdp)2 -0.127 9**(-2.27) 时间效应 YES YES YES 地区效应 YES YES YES N 390 390 390 F 8.212 5 7.431 1 7.409 6
下载: 导出CSV
表 4 环境污染、生产性服务业与制造业协同集聚和科技创新的全局莫兰指数检验结果①
变量 I E(I) sd(I) z p-value lnpoll 0.115 -0.034 0.089 1.684 0.046 lncoll -0.256 -0.034 0.081 -2.739 0.003 lnt 0.173 -0.034 0.091 2.275 0.011
下载: 导出CSV
表 5 基于静态空间杜宾面板模型的估计结果
变量 模型1
W1模型2
W1模型3
W2模型4
W2模型5
W3模型6
W3lncoll -0.899 1** -0.861 7** -0.879 2** -0.831 2** -0.737 8** -0.782 2** (-2.40) (-2.29) (-2.51) (-2.23) (-2.05) (-2.16) (lncoll)2 -1.742 7*** -1.717 5*** -1.528 1*** -1.489 7*** -1.593 9*** -1.541 0*** (-4.87) (-4.77) (-4.74) (-4.46) (-4.83) (-4.68) lner 0.530 9*** 0.5079*** 0.505 6*** 0.505 7*** 0.490 4*** 0.486 0*** (5.00) (4.72) (4.72) (4.74) (4.37) (4.24) lnpgdp 0.299 2 1.796 0 0.425 2 4.051 5** 0.238 5 0.0312 (0.89) (1.35) (1.24) (2.16) (0.72) (0.02) lnmar 0.280 6 0.190 7 0.135 8 0.096 2 0.261 6 0.181 2 (1.51) (0.96) (0.72) (0.50) (1.41) (0.89) lnfdi 0.019 7 0.006 6 -0.002 0 -0.008 1 0.029 2 0.023 0 (0.50) (0.16) (-0.05) (-0.21) (0.75) (0.59) lnis 0.344 2 0.252 7 0.531 8* 0.525 8* 0.219 2 0.151 4 (1.19) (0.85) (1.81) (1.74) (0.74) (0.50) lnopen -0.199 6** -0.209 5** -0.076 1 -0.086 9 -0.147 2* -0.151 0* (-2.24) (-2.35) (-0.95) (-1.08) (-1.77) (-1.81) (lnpgdp)2 -0.078 8 -0.192 2** 0.005 4 (-1.17) (-1.96) (0.08) W*lncoll -0.370 0 -0.358 6 -3.076 9*** -2.445 9** -1.661 3** -1.642 0** (-0.40) (-0.39) (-2.87) (-2.16) (-2.24) (-2.22) 地区效应 YES YES YES YES YES YES 时间效应 YES YES YES YES YES YES N 420 420 420 420 420 420 Log-L -105.223 5 -104.383 3 -96.863 3 -94.634 2 -101.172 6 -98.756 0 注：括号内为Z统计量值，Log-L表示Log-likelihood统计量。下表同。
下载: 导出CSV
表 6 动态空间杜宾面板模型估计结果
变量 模型1
W1模型2
W1模型3
W2模型4
W2模型5
W3模型6
W3L.lnpoll 0.357 2*** 0.353 4*** 0.324 7*** 0.319 6*** 0.362 9*** 0.357 3*** (11.96) (11.99) (11.01) (10.78) (11.95) (11.81) lncoll -0.358 8 -0.330 9 0.039 8 0.063 3 -0.450 6** -0.404 6* (-1.55) (-1.45) (0.18) (0.28) (-2.00) (-1.80) (lncoll)2 -0.584 0** -0.455 0** -0.444 7** -0.435 8** -0.732 3*** -0.750 5*** (-2.53) (-1.98) (-2.14) (-2.05) (-3.40) (-3.51) lner 0.531 1*** 0.502 0*** 0.397 8*** 0.397 8*** 0.494 5*** 0.455 0*** (7.61) (7.23) (5.66) (5.67) (6.93) (6.27) lnpgdp 0.360 1* 1.202 1 0.768 0*** 1.977 7 0.598 1*** 2.608 8*** (1.65) (1.41) (3.53) (1.62) (2.81) (3.00) lnmar 0.554 5*** 0.389 7*** 0.428 4*** 0.411 4*** 0.506 2*** 0.364 6*** (4.86) (3.20) (3.64) (3.45) (4.34) (2.86) lnis 0.392 5** 0.328 8* 0.056 5 0.045 4 0.288 1 0.182 5 (2.03) (1.70) (0.29) (0.23) (1.51) (0.95) lnfdi -0.056 9** -0.058 6** -0.033 5 -0.037 7 -0.024 6 -0.033 2 (-2.30) (-2.31) (-1.42) (-1.56) (-1.00) (-1.35) lnopen -0.183 8*** -0.183 6*** -0.110 8** -0.115 6** -0.172 2*** -0.189 9*** (-3.40) (-3.44) (-2.27) (-2.36) (-3.37) (-3.72) (lnpgdp)2 -0.048 3 -0.064 1 -0.106 6** (-1.12) (-1.01) (-2.43) W*lncoll -1.393 7** -1.379 3** 0.061 0 0.296 0 -1.931 8*** -1.845 6*** (-2.44) (-2.46) (0.09) (0.43) (-4.07) (-3.91) 时间效应 YES YES YES YES YES YES 地区效应 YES YES YES YES YES YES N 390 390 390 390 390 390 Log-L -285.301 0 -88.614 4 -6 218.577 4 -5 258.653 2 -246.160 6 -770.650 5
下载: 导出CSV
表 7 产业协同集聚对我国东部和中西部地区环境污染治理的差异化影响
变量 东部 中西部 W1 W2 W3 W1 W2 W3 L.lnpoll 0.345 2*** 0.342 7*** 0.342 8*** 0.392 9*** 0.416 8*** 0.395 4*** (7.28) (7.54) (7.24) (9.31) (9.56) (9.04) lncoll -0.257 4 -0.359 6 -0.329 9 -0.842 0*** -1.047 0*** -1.131 0*** (-0.60) (-0.82) (-0.75) (-3.15) (-3.84) (-4.17) (lncoll)2 -0.858 0** -0.900 6*** -0.917 2** -1.629 4*** -2.301 9*** -2.434 7*** (-2.45) (-2.73) (-2.54) (-3.02) (-4.31) (-4.51) lnmar 0.399 6 0.308 9 0.319 4 0.021 1 0.041 0 0.009 7 (1.04) (0.85) (0.79) (0.21) (0.41) (0.10) lner 0.210 6 0.254 1 0.182 4 0.612 0*** 0.583 1*** 0.583 7*** (0.98) (1.30) (0.86) (9.86) (9.41) (8.93) lnpgdp 12.861 8*** 14.7497*** 13.368 3*** 2.535 7*** 2.599 0*** 2.419 0*** (3.44) (4.12) (3.64) (2.91) (3.25) (2.84) lnfdi 0.061 3 0.046 1 0.060 2 -0.060 0*** -0.051 2*** -0.049 8** (1.04) (0.80) (1.03) (-3.01) (-2.81) (-2.48) lnis -2.046 5*** -1.843 0*** -2.074 1*** 0.7293*** 0.799 1*** 0.751 2*** (-3.99) (-3.87) (-4.18) (4.35) (4.73) (4.37) lnopen -0.815 5*** -0.811 5*** -0.806 0*** -0.082 1** -0.097 1*** -0.097 6** (-3.53) (-3.66) (-3.50) (-2.13) (-2.76) (-2.43) (lnpgdp)2 -0.598 2*** -0.697 3*** -0.623 6*** -0.120 0*** -0.119 8*** -0.108 1*** (-3.19) (-3.90) (-3.38) (-2.84) (-3.07) (-2.65) W*lncoll -0.086 0 -0.086 8 -0.221 9 -2.265 8*** -0.222 2 -1.534 8*** (-0.21) (-0.13) (-0.50) (-3.46) (-0.92) (-2.96) 地区效应 YES YES YES YES YES YES 时间效应 YES YES YES YES YES YES N 143 143 143 247 247 247 Log-L -134.421 9 -117.414 8 -204.281 5 -3 200.089 7 -455.376 8 -2 758.485 0
下载: 导出CSV
表 8 基于科技创新的中介效应检验
变量 模型1
FE
ln t模型2
FE
lnpoll模型3
PCSE
ln t模型4
PCSE
lnpoll模型5
MLE
ln t模型6
MLE
lnpoll模型7
空间计量
ln t模型8
空间计量
lnpolllnt 0.119 9* 0.600 3*** 0.233 8*** -0.004 6 (1.90) (11.50) (3.19) (-0.09) lncoll 0.952 4* -0.461 7* 2.1217*** -1.504 8*** 0.969 7*** -0.500 4 0.051 8 0.065 5 (1.77) (-1.71) (5.99) (-6.68) (4.06) (-1.39) (0.42) (0.29) (lncoll)2 0.725 9* -1.539 5*** 1.402 8*** -1.627 7*** 0.695 3*** -1.614 9*** 0.271 5** -0.386 6* (1.95) (-8.65) (4.12) (-5.21) (3.32) (-5.13) (2.48) (-1.85) lner -0.228 5*** 0.336 6*** -0.374 1*** 0.776 6*** -0.241 7*** 0.401 4*** 0.231 0*** 0.413 2*** (-2.98) (3.73) (-7.92) (9.05) (-4.66) (5.03) (8.22) (8.38) lnpgdp 0.084 0 2.612 4** -1.480 7 -1.902 1** 0.058 3 1.868 3* 2.814 5*** 2.553 5*** (0.07) (2.61) (-1.04) (-2.08) (0.08) (1.79) (7.45) (3.57) lnmar 0.385 4** 0.039 8 1.637 7*** -0.106 8 0.431 3*** 0.075 1 -0.395 2*** 0.407 7*** (2.44) (0.25) (10.91) (-0.66) (3.84) (0.44) (-6.51) (3.83) lnis -0.766 4*** -0.255 2 0.303 3 2.381 0*** -0.744 8*** -0.003 8 0.616 9*** 0.012 4 (-2.82) (-0.66) (1.48) (7.61) (-5.74) (-0.02) (8.39) (0.10) lnfdi -0.014 2 -0.007 1 0.269 1*** 0.132 4*** -0.002 8 0.023 4 -0.037 0*** -0.016 5 (-0.29) (-0.14) (8.60) (4.43) (-0.11) (0.62) (-2.83) (-0.67) lnopen 0.189 4** -0.209 4*** 0.092 1 0.082 8* 0.162 5*** -0.216 4*** 0.028 8 -0.157 7*** (2.50) (-3.56) (1.29) (1.85) (3.27) (-3.12) (1.12) (-3.33) (lnpgdp)2 0.085 0 -0.127 9** -0.098 2** -0.243 7*** 0.083 2** -0.099 5* -0.162 3*** -0.104 8*** (1.24) (-2.42) (-1.97) (-5.94) (2.36) (-1.89) (-8.03) (-2.81) L.lnpoll(L.lnt) 0.857 5*** 0.327 8*** (29.16) (10.46) W*lncoll -0.529 7*** 0.043 0 (-3.29) (0.14) N 420 420 420 420 420 420 390 390 Test 330.923 9 40.135 4 2 181.47 5 243.73 116.0 1 168.81 264.909 82.908 注：空间计量模型Test栏给出的为log-L统计量值，其他模型Test栏给出的统计量说明同表 2。
下载: 导出CSV
-
[1] 张虎, 韩爱华, 杨青龙. 中国制造业与生产性服务业协同集聚的空间效应分析[J]. 数量经济技术经济研究, 2017(2): 3-20. https://www.cnki.com.cn/Article/CJFDTOTAL-SLJY201702001.htm [2] 范子英, 赵仁杰. 法治强化能够促进污染治理吗?——来自环保法庭设立的证据[J]. 经济研究, 2019(3): 21-37. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ201903003.htm [3] 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(2): 20-34. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ201802003.htm [4] 王兵, 聂欣. 产业集聚与环境治理: 助力还是阻力——来自开发区设立准自然实验的证据[J]. 中国工业经济, 2016(12): 75-89. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201612006.htm [5] ENRENFELD, J. Putting the spotlight on metaphors and analogies in industrial ecology[J]. Journal of industrial ecology, 2003, 7(1): 1-4. doi: 10.1162/108819803766729131 [6] 冯薇. 产业集聚与生态工业园的建设[J]. 中国人口·资源与环境, 2006(3): 51-55. doi: 10.3969/j.issn.1002-2104.2006.03.011 [7] 师博, 沈坤荣. 政府干预、经济集聚与能源效率[J]. 管理世界, 2013(10): 6-18, 187. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ201310004.htm [8] 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 [9] HELSLEY R W, STRANGE W C. Coagglomeration, clusters, and the scale and composition of cities[J]. Journal of political economy, 2014, 122(5): 1064-1093. doi: 10.1086/676557 [10] 刘胜, 李文秀, 陈秀英. 生产性服务业与制造业协同集聚对企业创新的影响[J]. 广东财经大学学报, 2019(3): 43-53. https://www.cnki.com.cn/Article/CJFDTOTAL-SONG201903009.htm [11] 江曼琦, 席强敏. 生产性服务业与制造业的产业关联与协同集聚[J]. 南开学报: 哲学社会科学版, 2014(1): 153-160. https://www.cnki.com.cn/Article/CJFDTOTAL-LKXB201401018.htm [12] ZENG D Z, ZHAO L X. Pollution havens and industrial agglomeration[J]. Journal of economics and management, 2009, 58(2): 141-153. http://www.sciencedirect.com/science/article/pii/S0095069609000175 [13] 杨仁发. 产业集聚、外商直接投资与环境污染[J]. 经济管理, 2015(2): 11-19. https://www.cnki.com.cn/Article/CJFDTOTAL-JJGU201502005.htm [14] 韩峰, 谢锐. 生产性服务业集聚降低碳排放了吗?——对我国地级及以上城市面板数据的空间计量分析[J]. 数量经济技术经济研究, 2017(3): 40-58. https://www.cnki.com.cn/Article/CJFDTOTAL-SLJY201703003.htm [15] 郭然, 原毅军. 生产性服务业集聚、制造业集聚与环境污染——基于省级面板数据[J]. 经济科学, 2019(1): 82-94. https://www.cnki.com.cn/Article/CJFDTOTAL-JJKX201901009.htm [16] 陆剑宝. 基于制造业集聚的生产性服务业协同效应研究[J]. 管理学报, 2014(3): 396-401. doi: 10.3969/j.issn.1672-884x.2014.03.012 [17] 杨浩昌, 李廉水, 刘军. 高技术产业聚集对技术创新的影响及区域比较[J]. 科学学研究, 2016(2): 212-219. doi: 10.3969/j.issn.1003-2053.2016.02.008 [18] 季书涵, 朱英明. 产业集聚的资源错配效应研究[J]. 数量经济技术经济研究, 2017(4): 57-73. https://www.cnki.com.cn/Article/CJFDTOTAL-SLJY201704004.htm [19] 谭嘉殷, 张耀辉. 产业集聚红利还是"污染避难所"再现?——基于广东省的证据[J]. 经济与管理研究, 2015(6): 82-89. doi: 10.3969/j.issn.1000-7636.2015.06.011 [20] 黄娟, 汪明进. 制造业、生产性服务业共同集聚与污染排放——基于285个城市面板数据的实证分析[J]. 中国流通经济, 2017(8): 116-128. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGLT201708015.htm [21] 曾艺, 韩峰, 刘俊峰. 生产性服务业集聚提升城市经济增长质量了吗?[J]. 数量经济技术经济研究, 2019(5): 83-100. https://www.cnki.com.cn/Article/CJFDTOTAL-SLJY201905005.htm [22] 沈能, 赵增耀. 集聚动态外部性与企业创新能力[J]. 科研管理, 2014(4): 1-9. doi: 10.3969/j.issn.1001-8611.2014.04.001 [23] 刘斌, 魏倩, 吕越, 等. 制造业服务化与价值链升级[J]. 经济研究, 2016(3): 151-162. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ201603023.htm [24] ELHORST J P. Specification and estimation of spatial panel data models[J]. International regional science review, 2003, 26(3): 244-268. doi: 10.1177/0160017603253791 [25] 陆凤芝, 杨浩昌. 环境分权、地方政府竞争与中国生态环境污染[J]. 产业经济研究, 2019(4): 113-126. https://www.cnki.com.cn/Article/CJFDTOTAL-CYJJ201904010.htm [26] 林玲, 赵子健, 曹聪丽. 环境规制与大气科技创新——以SO2排放量控制技术为例[J]. 科研管理, 2018(12): 45-52. https://www.cnki.com.cn/Article/CJFDTOTAL-KYGL201812006.htm [27] SHAO S, YANG L, YU M B, YU M. Estimation, characteristics and determinants of energy-related industrial CO2 emissions in Shanghai(China), 1994-2009[J]. Energy policy, 2011, 39(10): 6476-6494. doi: 10.1016/j.enpol.2011.07.049 [28] 杨仁发. 产业集聚、外商直接投资与环境污染[J]. 经济管理, 2015(2): 11-19. https://www.cnki.com.cn/Article/CJFDTOTAL-JJGU201502005.htm [29] 孙晓华, 李明珊, 王昀. 市场化进程与地区经济发展差距[J]. 数量经济技术经济研究, 2015(6): 39-55. https://www.cnki.com.cn/Article/CJFDTOTAL-SLJY201506003.htm [30] 原毅军, 谢荣辉. 产业集聚、技术创新与环境污染的内在联系[J]. 科学学研究, 2015(9): 1340-1347. doi: 10.3969/j.issn.1003-2053.2015.09.007 [31] SHEARMUR R., DOLOREUX D. Innovation and knowledge-intensive business service: the contribution of knowledge-intensive business service to innovation in manufacturing establishments[J]. Economics of innovation and new technology, 2013, 22(8): 751-774. doi: 10.1080/10438599.2013.786581 [32] HOWARD E, NEWMA C, TARP F. Measuring industry coagglomeration and identifying the driving forces[J]. Journal of economic geography, 2015, 16(5): 1055-1078. http://smartsearch.nstl.gov.cn/paper_detail.html?id=d76e9f743b4fc7b3ed42b9d683f613a0 [33] 邵帅, 杨莉莉, 黄涛. 能源回弹效应的理论模型与中国经验[J]. 经济研究, 2013(2): 96-109. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ201302009.htm -
