赵 宏 曹效喜 马 涛
习近平总书记在党的二十大报告中强调：“必须牢固树立和践行绿水青山就是金山银山的理念，站在人与自然和谐共生的高度谋划发展。”实现环境保护和经济可持续发展双赢是检验一个国家、一个地区经济社会高质量发展的重要标准。京津冀地区作为我国经济社会发展最为迅速的地区之一，2021年凭借其占全国2.3%的土地、7.9%的人口创造出8.4%的国内生产总值，但人口和工业企业在空间上的高度集聚以及经济社会的紧密联系会导致对环境要素的过度消耗，从而产生区域性的环境污染，其中尤以雾霾污染为甚[1]。2018年京津冀PM2.5年平均浓度为60μg/m3，较2017年略有下降，但仍是全国平均水平的1.5倍并且远高于长三角、珠三角地区，到2021年京津冀PM2.5年平均浓度降至36.9μg/m3，虽已取得较大进步，但仍高于全国平均水平。考虑到雾霾污染的负外部性以及治理雾霾污染的正外部性特点[2]，跨区域协同治理已成为解决区域雾霾污染的有力武器。
根据新经济地理学的观点，如果把环境视为一种生产要素，那么产业集聚能够实现对环境的集中消耗，提高环境要素的利用效率，即充分发挥环境正外部性和规模效应，提高集聚区内企业的竞争与创新效益。但产业集聚也存在阈值，当超过门槛值后，产业集聚的负外部性会造成资源利用效率的损失，加剧雾霾污染[3]。
现有研究雾霾污染的文献中，主要从污染的时空分异格局和社会经济影响因素展开。具体而言，任毅等[4]认为京津冀雾霾污染存在显著的季节变化特征和空间正相关性。史燕平等[5]、王一辰等[6]则证明了雾霾污染存在显著的空间溢出效应。李云燕等[7]发现雾霾污染与社会经济影响因素之间存在非线性关系。王班班等[8]、雷玉桃等[3]、申伟宁等[1]分别从城市化、工业集聚、环境规制的角度入手探究雾霾增长的原因。
本文在京津冀协同发展的背景下，将产业集聚与雾霾污染纳入同一分析框架，精准描述京津冀地区雾霾污染的特点，厘清雾霾污染的主要影响因素，构建空间计量模型，分析了产业集聚能力、效益、规模对京津冀雾霾污染的影响，并在此基础上提出相应的政策建议。
（一）京津冀经济联系强度刻画
京津冀城市群各城市的紧密联系是实现协同发展的重要基础，经济联系强度则可以很好地反映城市群之间的经济辐射与空间关联情况[9,10]。因此本文利用引力模型构建京津冀经济联系强度刻画城市群内各个城市之间的作用与影响，模型如下：
其中Rij表示i城市与j城市的经济联系强度；
Dij表示i城市与j城市之间的地理距离；
K为常数，Pi通常取1；
Pi与Pj表示i城市与j城市的人口规模；
Gi与Gj表示i城市与j城市的国内生产总值（GDP）规模。本文选取2010年、2014年、2018年京津冀13个城市的人口规模与GDP规模衡量城市间的经济联系强度，利用ArcGIS绘制出经济联系的空间分异图，地区间线段的强弱代表经济联系的强弱，结果如图1所示：
图1 京津冀地区经济联系强度
由计算结果看，北京—天津的经济联系强度最高，2010年、2014年、2018年的强度值分别为8.52、14.18、23.26，是排名第二的北京—廊坊强度值的3.56倍、3.27倍、3.21倍，因此京津冀地区基本形成了以北京、天津、廊坊、唐山为支点，北京、天津为双核心的“中心—外围”空间辐射的分布格局。从时间维度分析，京津冀地区间的经济联系强度随着时间的推移而不断增强，表明京津冀协同发展的效果不断凸显，区域间经济联系日益密切。从空间维度分析，位于京津冀地区中部的北京、天津、唐山、廊坊等地区的经济联系较强；
边缘的承德、张家口、邯郸的经济联系弱，整体呈现出“南北疏、中心密”的特点。而石家庄虽然地缘上离北京、天津较远，但作为省会城市，对周边城市的辐射带动作用正在逐步显现。从动态角度分析，虽然各城市间经济联系强度数值不断增大，但各城市间经济联系的相对地位并没有发生显著变化，表明各城市间的人口与经济发展较为均衡。
由此可见，在京津冀协同发展背景下，各城市间的经济联系不断增强，且空间分布呈现“中心—外围”特征。在这种由“中心”向“外围”的扩散效应与辐射效应的带动下，易发生区域间产业的转移与集聚。
（二）京津冀雾霾污染的空间相关性分析
在产业集聚区形成过程中，对环境要素的过度消耗会形成区域环境污染，其中尤以雾霾最为严重。雾霾污染可以通过大气流动传递到周边地区，表现出一定的空间溢出效应[11,12]。全局Moran’I能够反映在整个研究区域内，各地区与其邻近地区之间的相似性；
局部Moran’I可以用来检验局部地区是否存在变量集聚现象，从而衡量其与周边地区单元的空间关联性。因此本文选取全局Moran’I（见公式2）与局部Moran’I（见公式3）刻画京津冀地区雾霾污染的空间相关性[13]。
其中I为Moran’s I指数，xi为第i个地区的产业集聚值，wij为空间权重矩阵。I的取值范围为[-1,1]，当Moran’s I指数大于0，表明各地区产业集聚存在空间正自相关，小于0表明存在负自相关，且系数的绝对值越大，关联性越显著[14]。
其中各变量含义与公式（2）相同。局部Moran’s I指数能够有效弥补全局Moran’s I指数忽略的局部非典型性特征，准确反映某一地区与其邻近地区的空间集聚情况。
本文选取2014、2016、2018三年的京津冀雾霾污染数据进行分析，2014年全局Moran’I=0.252989，2016 年全局 Moran’I=0.278001，2018 年全局 Moran’I=0.260082，表明京津冀雾霾污染的空间分布呈现显著的正自相关性和空间依赖特征，也证实了雾霾污染的空间溢出特征。同时借助Moran散点图来描述雾霾污染的空间分布。Moran散点图分为四个象限：第一、三象限表现为正空间相关性即高—高集聚(H—H)或低—低集聚(L—L)，第二、四象限表现为负空间相关性高—低集聚(H—L)或低—高集聚(L—H)。第一、三象限地区空间内部同质性较大，第二、四象限地区内部空间差异性较大（见图2、表1）。
图2 京津冀雾霾污染Moran散点图
表1 2014、2016、2018年雾霾污染空间关联模式
京津冀地区13个城市中有10个城市的关联模式未发生变化，雾霾污染在空间上呈现相对稳定性。从整体上看，高—高集聚，低—低集聚是京津冀地区雾霾污染的主要空间关联模式，其中高—高集聚(H—H)的城市包括邯郸、石家庄、邢台、衡水、保定，主要集中在京津冀地区的南部；
低—低集聚(L—L)的城市包括张家口、承德、秦皇岛、天津、廊坊，主要集中在京津冀地区的北部，表现出明显的集聚效应。从动态演变的角度看，北京由低—低集聚(L—L)转为高—低集聚(H—L)最后又回到低—低集聚(L—L)；
沧州由低—高集聚(L—H)转化为高—高集聚(H—H)；
廊坊由高—低集聚(H—L)转化为低—低集聚(L—L)。高—高集聚(H—H)与低—低集聚(L—L)城市的数量都有所增加，表明京津冀城市间雾霾污染的集聚效应不断增强而且存在显著的空间溢出效应。
相较于Moran散点图，LISA集聚图的优势在于可以判断雾霾污染集聚区在统计意义上的显著性。因此本文利用LISA集聚图检验京津冀地区雾霾污染的空间关联程度（见图 3）。
图3 京津冀雾霾污染LISA集聚图
在局部空间分布上京津冀地区雾霾污染形成两个显著的集聚区域。京津冀南部是雾霾污染的重灾区，极化效应明显，是区域雾霾污染防治应重点关注的区域。从动态演化角度看，高—高集聚(H—H)城市数量减少1个而低—低集聚(L—L)城市数量增加1个，整体上看京津冀雾霾污染治理措施正在发挥作用，且考虑到雾霾污染的集聚效应与空间溢出效应，区域间联防联控要优于各地区的各自为政。
为了更直观地观察京津冀地区雾霾污染热点区域演变格局，本文利用ArcGIS软件绘制京津冀雾霾污染的空间格局热点演化图，形成热点、次热点、次冷点和冷点四类区域。图4绘制了京津冀13个城市2014、2016、2018年PM2.5平均值的分布情况。从时间维度分析，京津冀各城市PM2.5年平均值逐年递减，最高值由2014年的125.58μg/m3降为2018年的67.33μg/m3，表明京津冀雾霾污染的整体状况在不断改善。从空间维度分析，冷热点四类区域不断聚集，形成京津冀南部为热点区域，北部为冷点区域，中部区域为次热点与次冷点过渡区域的空间分布格局，由南到北，雾霾污染程度依次递减。而且雾霾污染的次热点集中在热点周围，次冷点集中在冷点周围，再次证明京津冀雾霾污染存在显著的空间集聚性与空间溢出性。
图4 京津冀雾霾污染的空间格局热点演化图
（一）模型构建
考虑到产业集聚雾霾污染的集聚效应与空间溢出效应，本文采用空间计量模型分析二者之间的关系[15]。空间计量模型主要包括空间滞后模型(SLM)、空间误差模型(SEM)和空间杜宾模型(SDM)，三种模型对应的形式如下：
其中X、Y分别为自变量和因变量，ρ为空间回归系数，W为空间权重矩阵，λ为空间误差系数，θ为解释变量的空间回归系数，β为控制变量的回归系数，ε、μ为随机扰动项。
为了考察京津冀地区产业集聚对雾霾污染的影响，本文构建了SLM、SEM、SDM空间计量模型，公式如下：
其中PM2.5为雾霾浓度；
i、t分别表示截面维度和时间维度；
agg为产业集聚程度，包括产业集聚能力（cap）、产业集聚规模（sca）、产业集聚效益（pro）；
X为各控制变量，包括经济发展水平及其二次方项（light、sqlight）、产业结构（stru）、经济密度（density）、科技进步水平（tec）、创新水平（inno）、对外开放水平（open）。
空间权重矩阵：经济因素是区域间相互影响的重要因素，一般认为收入差距越小时，其权重水平越高。在协同发展背景下，京津冀地区间的经济联系日益密切，因此在空间权重矩阵的选择上，本文选取经济距离矩阵，公式设定如下：
i、j代表不同地区，GDPi代表i地区以2000年为基期平减后的国内生产总值。
（二）变量说明与数据来源
1.被解释变量
雾霾污染程度（PM2.5）：本文选取PM2.5表征雾霾污染程度。我国于2013年底开始对雾霾污染进行监测，因此本文选取中国空气质量在线监测分析平台公布的2014—2018年京津冀13个城市的PM2.5数据作为被解释变量。
2.核心解释变量
一方面，产业集聚可以增加区域内企业的数量，加强企业间的前向、后向联系，促进技术创新，降低交易费用，具有正外部性，能够有效降低雾霾污染程度。另一方面，产业过度集聚会加剧企业的恶性竞争和过度生产，造成资源的浪费和过度使用，加剧雾霾污染。由此可见，产业集聚和雾霾污染间存在着紧密的联系。本文借鉴钱晓英等[16]构建京津冀产业集聚指标评价系统的基本思路，将产业集聚评价标准划分为能力（cap）、效益（pro）、规模（sca）三个维度。其中，以每平方公里科技活动人员数量衡量产业集聚能力，以每平方公里工业总产值衡量产业集聚效益，以每平方公里规模以上工业企业数量衡量产业集聚规模。
3.控制变量
现有的文献多以GDP作为衡量经济发展水平的代理变量，但由于数据采集的质量问题与统计口径问题，使得GDP的真实性一直饱受质疑，以此作为控制变量会因测量误差而导致其对研究对象的影响存在偏误[17]。夜间灯光数据的应用能够很好地弥补GDP统计指标存在的缺陷，首先，夜间灯光数据从美国国家海洋和大气管理局（NOAA）公布的卫星遥感图像中提取得到，不易受到传统统计口径误差以及人为控制主观性偏误的影响，数据的可信度更高；
其次，夜间灯光数据能够反映出未被记录的非正规经济或地下经济，从而更加准确地反映地区经济发展水平。相较于DMSP/OLS夜间灯光数据，NPP-VIIRS的空间分辨率更高、辐射探测范围更宽，从而能够有效地规避像元过饱和与溢出效应的问题，且NPP-VIIRS夜间灯光数据更加稳定且尺度更加精确，从而其与经济活动的关联性更强，研究结果更准确[18]。本文基于NOAA提供的全球NPP-VIIRS夜间灯光遥感数据，利用ArcGIS软件提取出2014—2018年京津冀13个城市的夜间灯光数据值（light）表征经济发展水平，同时为了验证雾霾污染与经济发展的环境库兹涅茨曲线（EKC）[19]，加入夜间灯光数据的二次项（sqlight）。
除此之外，本文还加入了以下控制变量：产业结构（lnstru），选取第三产业占GDP的比重来度量[20]；
经济密度(lndensity)，通过每平方公里GDP产值衡量单位面积土地上经济效益的水平；
科技投入（lntec），选取公共预算支出中科学技术支出的比重作为科技投入的替代变量；
创新水平（lninno）,选取京津冀地区13个城市的国内专利申请总量衡量创新水平；
对外开放水平（lnopen），选取外商直接投资额（FDI）度量对外开放水平[21]。为了使实证的结果更加稳健，本文对所有的变量都进行取对数处理。
4.数据来源
本文的雾霾污染数据来源于中国空气质量在线监测分析平台，核心解释变量和控制变量的全部数据来源于中经网数据库、历年《中国城市统计年鉴》，缺失数据以线性插值法进行补齐。数据包含2014—2018年京津冀地区13个城市，变量的基本描述性统计信息见表2。
表2 数据说明与变量描述性统计
（一）基准回归
选择合适的空间计量模型，需要进行一系列诊断性检验。根据Elhorst（2014）[22]的观点与诊断性检验结果（见表3），在SDM模型退化成SLM模型的原假设下，似然比检验（LR）与Wald检验的P值均小于0.05，表明空间SDM模型不能退化为SLM模型；
在SDM模型退化为SEM模型的原假设下，LR检验结果与Wald检验结果的指向性不同，也表明空间SDM模型不能退化为SEM模型[23]，因此本文选择SDM模型，认为其不能被简化；
豪斯曼（Hausman）检验结果在0.05显著水平下拒绝随机效应的原假设，应选择固定效应模型；
时间和空间联合显著性检验结果表明同时存在空间和时间双固定效应。根据诊断性检验结果，本文选择空间、时间双固定效应下的SDM模型进行实证分析（见表4）。
表3 空间诊断性检验结果
表4 空间杜宾模型（SDM）估计结果
1.核心解释变量对雾霾污染的影响
产业集聚能力（lncap）。产业集聚能力的系数为负且通过了10%的显著性检验，具体来说单位行政区域内科技活动人员数每增加1%，对应雾霾污染程度可降低0.06%，表明产业集聚能力能够减少雾霾污染程度，表现出正外部性。原因在于科技活动人员的集中增加了企业间的合作互动与交流学习，从而加强对先进技术的模仿、学习、吸收和转化，提高资源能源利用效率和环境全要素生产率。科技工作人员的集聚有助于加强企业间的竞争，激发企业的创新活力，提高生产效率和管理水平，在竞争中实现技术合作和成果共享，在共同发展的基础上达到节能减排的目的，同时能够在集聚区内形成一定的技术壁垒，从而阻止高污染、高能耗、技术创新低的企业进入。
产业集聚效益（lnpro）。产业集聚效益的系数为负且通过了1%的显著性检验，具体来说每平方公里工业总产值每增加1%，对应雾霾污染程度降低0.299%，表明产业集聚效益能够减少雾霾污染程度，表现出正外部性。原因在于产业集聚效益的提高会使得企业增加对清洁生产以及末端治理技术的投入，使得企业对于清洁环境这种稀缺资源的需求更为强烈，形成示范效应从而降低雾霾污染。
产业集聚规模（lnsca）。产业集聚规模的系数为正且通过了10%的显著性检验，具体来说每平方公里规模以上工业企业数量每增加1%，对应雾霾污染程度提高0.144%，表明产业集聚规模能够加剧雾霾污染，表现出负外部性。原因在于产业集聚规模的扩大即产业集聚区内工业企业数量的增加，会加剧资源环境的高负荷承载以及污染物的高强度排放，从而加剧雾霾污染。
2.控制变量对雾霾污染的影响
经济发展水平。夜间灯光数据（lnlight）及其二次项（lnsqlihgt）的系数分别为负和正，且均通过1%的显著性检验，表明产业集聚与雾霾污染之间存在显著的“U型”关系即雾霾污染程度随着产业集聚水平的提高呈先下降后上升的趋势。第三产业结构（lnstru）系数为负但并不显著，表明产业结构与雾霾污染之间的关系需要进一步验证。经济密度（lndensity）的系数为正且通过了1%的显著性检验，具体来说单位平方公里行政区域内GDP产值每增长1%，对应雾霾污染程度提高0.181%，表明经济密度能够加剧雾霾污染，表现出负外部性。科技投入（lntec）的系数为正且通过了1%的显著性检验，具体来说公共预算支出中科学技术支出占比每增长1%，对应雾霾污染程度提高0.089%，原因在于科研成果转化效率较低且存在滞后性，节能减排技术的实际应用不充分，未达到预期目标，另一方面创新成果的应用可能会引致能源回弹效应，资本深化和产出增加会造成能源消费和污染物排放的增加，从而抵消技术进步所带来的减排效应，从而导致科技投入的减排效果不明显。科技活动人员的增加能够降低雾霾污染而科技投入的增加则会加剧雾霾污染，表明引进高技术人才的减排效果要优于直接投入资金，这也能够解释为何现在各地方政府都在极力引进高新技术人才。创新水平（lninno）的系数为负且通过1%的显著性检验，具体来说国内专利申请总量每增长1%，对应雾霾污染程度可降低0.184%，表明创新水平能够降低雾霾污染，表现出正外部性。对外开放水平（lnopen）的系数为负且通过1%的显著性检验，具体来说外商直接投资（FDI）每增长1%，对应雾霾污染程度可降低0.0415%，表明对外开放水平能够降低雾霾污染表现出正外部性[15]。
表5报告了SDM模型分解后的直接效应、间接效应与总效应，其中直接效应衡量各变量对本地区雾霾污染的影响，间接效应衡量的是其对周边地区雾霾污染的影响。
表5 空间杜宾模型（SDM）的直接效应、间接效应与总效应
从效应分解的角度看，核心解释变量产业集聚能力（lncap）、产业集聚效益（lnpro）的直接效应为负说明其能够降低本地区雾霾污染程度，产业集聚能力的间接效应不显著说明对邻近地区的空间溢出效应不显著而产业集聚效益则能够发挥正向的空间溢出效应，降低雾霾污染程度。产业集聚规模（lnsac）的直接效应为正，间接效应为负说明其能够加剧本地雾霾污染而降低邻近地区的雾霾污染程度。就控制变量而言，京津冀地区经济发展水平的直接效应表明经济发展与雾霾污染间存在“U型”关系，间接效应表明对于邻近地区而言二者呈“倒U型”关系。经济密度（lndensity）会加剧本地区雾霾污染而降低邻近地区的雾霾污染程度。科技投入（lntec）能够加剧本地区雾霾污染，而创新水平（lninno）则能够降低雾霾污染，但二者的空间溢出效应均不显著，即对邻近地区的影响尚不明确。对外开放水平（lnopen）的直接效应、间接效应与总效应均显著为负，表明对外开放水平对本地区、邻近地区与全局的雾霾污染均能发挥抑制作用，降低雾霾污染。
（二）稳健性检验
为进一步验证基准回归结果的可靠性，本文从更换空间权重矩阵和替换核心变量两个维度进行稳健性检验。首先，以邻接矩阵（W1）和经济地理矩阵（W2）替换基准回归中的矩阵，实证结果见表6第（1）—（2）列。其次，以区位熵作为产业集聚的代理变量进行稳健性检验，实证结果见表6第（3）列。结果表明，基准回归结果依旧稳健。
表6 稳健性检验结果
研究结果表明：1.京津冀地区基本形成了以北京、天津、廊坊、唐山为支点，北京、天津为双核心的“中心—外围”空间辐射的分布格局。2.京津冀地区雾霾污染形成南高北低的空间分布格局，且集聚效应和空间溢出效应不断增强。3.核心解释变量中产业集聚能力与产业集聚效应能够显著降低雾霾污染，而产业集聚规模则会加剧雾霾污染。4.控制变量中，京津冀地区经济发展与雾霾污染呈“U型”关系；
经济密度加剧雾霾污染；
创新水平、对外开放能够降低雾霾污染程度；
科技投入由于其成果转化率还不高，还没有完全展现出其降低雾霾的作用。基于以上研究结果，提出如下政策建议：
（一）优化产业布局，加速推进工业节能减排
在进行区域发展规划时，必须要结合当地的区位优势合理引导。京津冀三地优势互补，北京在高端服务业和高新技术方面存在显著优势；
天津作为国际港口城市，在现代物流、临港重化工业存在显著优势；
河北省在原材料、现代化农业和旅游休闲度假方面存在显著优势。因此京津冀需要综合不同地区的优势，加快产业结构高级化和产业转移进程，提升产业布局合理化。应当鼓励第三产业和高新技术产业进一步发展，充分发挥服务型产业对减少雾霾污染的带动作用，增加研发和人力资本投入，鼓励技术创新，加快科研成果的转化及与市场的对接。
（二）积极推进科技成果转化率，通过高新技术实现区域绿色发展
科技成果与市场对接难主要在于双方的信息共享不畅、了解不够。要通过各种方式打通科研机构、高校与企业的沟通障碍，提高它们之间的信息交流效率，实现精准匹配。同时建立第三方服务平台，以此实现沟通、联络、设计、撮合功能，帮助高新技术成果完成转化，对接市场，找到政府支持，找到投资基金参与。同时将反馈信息及时传递给科研主体，以此解决科技成果与市场需求不一致的问题，提升科研成果的市场导向、产业导向。
（三）加强城市群政府间合作，深化区域雾霾污染协同治理机制
雾霾具有显著的空间溢出效应，跨区域治理势在必行。京津冀地区雾霾污染跨区域治理的出路还在于通过进一步完善立法规范地方政府职责，避免责任推诿和地方保护主义，根据经济发展程度的差异合理分配减排任务，加快建立区域内环境保护与治理共商机制、环境信息与技术共享机制、环境检测与治理联合执法机制，促进各地联手解决雾霾污染问题。
猜你喜欢京津冀效应污染懒马效应今日农业(2020年19期)2020-12-14坚决打好污染防治攻坚战当代陕西(2019年7期)2019-04-25坚决打好污染防治攻坚战领导决策信息(2018年26期)2018-10-12京津冀协同发展加快向纵深推进领导决策信息(2018年7期)2018-05-22京津冀协同发展民生周刊(2017年19期)2017-10-25应变效应及其应用中学物理·高中(2016年12期)2017-04-22对抗尘污染，远离“霾”伏都市丽人(2015年5期)2015-03-20偶像效应小樱桃·童年阅读(2014年11期)2014-12-013">京津冀一体化如何实现1+2>3法人(2014年4期)2014-02-27
