长江经济带环境质量测度与提升策略
吴传清 吴重仪
（武 汉 大 学 中 国 主 体 功 能 区 战 略 研 究 院 、 经 济 与 管 理 学 院 、 区 域 经 济 研 究 中 心）
一、引言
长江通道是我国国土空间开发最重要的东西轴线，在我国区域发展总体格局中具有重要战略地位。推动长江经济带发展，是党中央、国务院主动适应把握引领经济发展新常态，科学谋划中国经济新棋局，作出的既利于当前又惠长远的重大决策举措。“长江经济带发展”和“一带一路建设”、“京津冀协同发展”并称为新时期“三大国家战略”。2016年颁布实施的《长江经济带发展规划纲要》明确了长江经济带发展的“四带”战略定位（生态文明建设的先行示范带、引领全国转型发展的创新驱动带、具有全球影响力的内河经济带、东中西互动合作的协调发展带），提出了长江经济带发展的六大战略重点任务（保护长江生态环境、构建综合立体交通走廊、创新驱动产业转型升级、推进新型城镇化、构建全方位开放新格局、创新区域协调发展体制机制）。提升长江经济带环境质量、促进经济绿色发展是推动长江经济带建成具有全球影响力的内河经济带的重要支撑，也是建设生态文明先行示范带的内在要求。
“环境质量”是描述环境系统所处状态的整体性抽象概念，可大致划分为大气质量、水质量和其他环境质量等三大类。尽管国内外研究机构和学者在环境质量评价方面做出诸多有益探索，目前仍没有一个可权威、全面、准确反映特定区域环境质量的指标或者指标体系。动态测度与静态测度方法是评估环境质量的两个重要维度。动态测度主要采用废水、废气、固体废弃物排放量、能源使用量、污染物处理量等统计数据（刘伯龙、袁晓玲，2015），这类数据易于获取，被广泛应用于区域环境质量评价和理论研究。但动态测度方法假定特定时间区间内，区域自身污染物排放量等指标即可反映该区域环境要素的质量状态，忽略了环境质量的时间累积性和空间交互性，仅是对特定时点环境质量的近似。静态测度方法则主要使用城市空气质量、流域断面水质级别等监测数据（杨冕、王银，2017；王振波等，2015；齐园、张永安，2015；杨昆等，2006）或湿地面积、降雨量、植被覆盖率等遥感数据（胡文敏等，2014），这类数据获取难度较大，但却能更真实地反映特定时点区域环境质量。
环境质量治理策略的分析方法主要包括指标分解和计量模型。指标分解方法适用于多指标测度体系。部分学者按子指标自然属性，分别从空气、水资源、土壤、其他自然资源等角度对指标体系进行分解，进而提出分类治理策略。另一部分学者基于子指标功能属性，从污染排放、环境自净能力、环境保护投资等角度对指标体系进行结构化分析（袁晓玲等，2013；FareR et al., 2010；杨万平、袁晓玲，2008），进而提出相应政策建议。计量模型则多见于单指标测度方法。国内学者就经济增长（吴传清、陈文艳，2016；刘荣茂等，2006）、技术进步强度和方向（董直庆等，2014）、环境治理投资（董竹、张云，2011）、财政分权与环境分权（祁毓等，2014；俞雅乖，2013）等因素对环境质量的影响机理和强度进行了卓有成效的研究和探索。不足的是，这类方法使用单指标测度区域环境整体质量而未证明其合理性。近年来，诸多学者逐渐采用空间计量模型分析环境规制、能源消费、外商直接投资等因素对环境质量的空间溢出效应，对区域经济现象的解释力明显增强（胡宗义等，2017；郝宇等，2014；王文普，2013；吴玉鸣、田斌，2012；许和连、邓玉萍，2012）。
国内环境质量测度的研究尺度以全国、东中西地区和省域为主，对长江经济带环境质量的研究相对较少（杨冕、王银，2017；吴传清、陈文艳，2016）。同时，多数研究主要基于省级数据。实际上，考虑到环境质量要素的空间交互性，环境质量测度的空间尺度越小，实证结果越能解释现实现象。
梳理环境质量测度和治理策略的相关文献，可以发现：①基于监测数据等静态指标的环境质量测度日益增多；②治理策略研究由指标分解向计量模型转变；③对长江经济带环境质量测度较少，且空间尺度较大。本文采用环境质量监测数据测度长江经济带地级及以上城市环境质量，并基于SAR模型研究不同因素对环境质量的作用方向和强度，以此提出环境污染的治理策略。本文剩余部分结构安排如下：第二部分提出相关理论假设，第三部分测度长江经济带环境质量演变趋势，第四部分进行实证分析和稳健性检验，第五部分为结论和治理策略。
二、理论分析与研究假设
传统研究多使用污染物净排放量测度长江经济带环境质量，并以此提出长江经济带环境治理尤其是水污染治理策略。该方法的隐含假定为污染物净排放量可有效反映相应区域环境整体质量，忽略了环境要素的时间累积性和空间交互性，是对现实情况的过度简化。相比于污染物排放量等数据，环境监测数据更能反映区域实时环境质量状况，更具有研究价值。但常用监测数据中，水质监测数据以各流域断面监测数据为主，难以与行政区划相对应，而空气质量监测数据可具体到各个城市，与本文研究目的和方法相匹配。本文空气质量指数AQI较之污染物排放量、环境自净能力、环保投资和污染物处理量等指标更能客观、合理测度长江经济带空气环境质量。同时，在长江经济带地级及以上城市这一空间尺度上，研究对象经济结构、生态结构较为完整，各环境质量要素相关性较强且相关系数稳定在一定区间，空气质量指数AQI即可较好反映区域环境整体质量。因此，提出假设1：空气质量指数AQI可合理测度长江经济带环境质量。
各地方政府所采取环保措施可产生空间溢出效应，且具有直接、间接两种传导机制。一方面，各地方政府所采取的环保措施在改善自身辖区环境质量的同时，可藉由环境要素的运动性和政府间良性政策竞争，提升长江经济带全流域环境质量，产生正外部性。另一方面，地方政府间的政策博弈可改变产业分布格局，引致污染源迁移和聚集，进而产生负外部性（潘峰等，2014）。当今，中央政府与各级地方政府日益重视环境污染的联防联治，通过构建跨区域生态补偿机制等方式，环保体制日趋完善，可较好控制环境政策的负外部性。因此，提出假设2：长江经济带各城市环保政策存在正的空间溢出效应。
不论是在发达国家还是发展中国家，财政分权化趋势都日益明显，且具有立宪性一致同意型财政分工方式和行政性一致同意型财政分工方式两种类型。公共财政理论主要基于公共产品的层级性和空间特性论证财政分权的合理性，提出中央政府应负责收入分配和经济稳定两大职能，而地方政府则依据各地居民偏好差异、信息优势等进行资源分配，提升政策效率性、实用性和民主性，但斯蒂格勒最优分权模式、奥茨分权定理、偏好误识理论等并未将环境治理纳入分析框架。环境质量是整体而非区域性要素，意味着最优环保措施应源于顶层设计，具有全局性。尽管地方政府在实施环保政策时具有信息优势，且容易受到群众反向监督（张倩、邓明，2017），政策实用性、灵活性较高，可满足不同地区特定需求，但在财政分权体制框架下，地方政府具有采取局部最优而非全局最优环保政策的倾向和激励（祁毓等，2014；俞雅乖，2013），追求刺激经济增长、增加公共收入、满足绩效考核、进行同级竞争等。同时，地方政府层次越低，上述倾向和激励越明显。因此，提出假设3：财政分权将影响环境质量，且财政分权的负面效应随政府层级下降而加剧。
三、长江经济带环境质量测度
（一）测度方法与数据来源
本文选取空气质量指数AQI测度长江经济带环境质量。空气质量指数AQI参考新环境空气质量标准（GB3095-2012[①]），将SO2，NO2，PM10，PM2.5，O3，CO等对人体健康、生态、环境有较大影响的污染物浓度简化为单一概念性指数形式。AQI比API（空气污染指数，参考标准为旧环境空气质量标准（GB3095-1996））监测对象更丰富、指标分级更严格，评价结果也更全面、准确。
为验证空气质量指数AQI测度长江经济带环境质量的合理性，本文对AQI年均变化量和传统环境质量测度指标（污染物排放量、环境自净能力、污染物处理能力等）做相关性分析。本文分别使用工业废水排放量（万吨）、工业二氧化硫排放量（吨）作为污染物排放量指标，使用绿地面积（公顷）作为环境自净能力指标，使用一般工业固体废物综合利用率（%），污水处理厂集中处理率（%），生活垃圾无害化处理率（%）作为污染物处理能力指标。同时，污染物排放量指标和环境自净能力指标均除以各地级及以上城市年末户籍人口数（万人）[②]以消除不同人口规模对指标的影响。
通过指标相关性（表1）可发现，一般工业固体废物综合利用率、人均工业二氧化硫排放量和人均绿地面积与AQI年均变化量弱正相关，分别为0.190,、0.0019和0.0272，而污水处理厂集中处理率、生活垃圾无害化处理率、人均工业废水排放量与AQI年均变化量弱负相关，分别为-0.0272、-0.1281和-0.0414，说明传统环境质量测度指标对区域环境质量实时监测数据的解释能力较弱。因此，使用空气质量指数AQI能更好反映长江经济带地级及以上城市的环境质量，假设一被验证。
表1 环境质量指标相关性
|
DAQI |
Rate1 |
Rate2 |
Rate3 |
WW |
SO2 |
GA |
DAQI |
1.0000 |
0.1904 |
-0.0272 |
-0.1281 |
-0.0414 |
0.0019 |
0.0272 |
Rate1 |
0.1904 |
1.0000 |
-0.0081 |
0.1213 |
0.0787 |
-0.1639 |
0.0911 |
Rate2 |
-0.0272 |
-0.0081 |
1.0000 |
0.1508 |
-0.0108 |
-0.2593 |
-0.1416 |
Rate3 |
-0.1281 |
0.1213 |
0.1508 |
1.0000 |
0.2215 |
0.1808 |
0.2114 |
WW |
-0.0414 |
0.0787 |
-0.0108 |
0.2215 |
1.0000 |
0.4314 |
0.3584 |
SO2 |
0.0019 |
-0.1639 |
-0.2593 |
0.1808 |
0.4314 |
1.0000 |
0.1740 |
GA |
0.0272 |
0.0911 |
-0.1416 |
0.2114 |
0.3584 |
0.1740 |
1.0000 |
注：DAQI表示AQI年均变化量，Rate1、Rate2、Rate3分别表示一般工业固体废物综合利用率、污水处理厂集中处理率和生活垃圾无害化处理率，WW表示人均工业废水排放量，SO2表示人均工业二氧化硫排放量，GA人均绿地面积。
数据来源：作者测算整理。
（二）长江经济带环境质量演变特征
整体上，2014 ~ 2016年长江经济带地级及以上城市环境质量处于51-100区间[③]，且略有改善。AQI均值分别为81.94、78.55和77.77。AQI变异系数分别为0.21，0.18和0.18。
为细致分析长江经济带地级及以上城市环境质量变化特征及演变趋势，本文使用2014 ~ 2016[④]年AQI数据进行贝叶斯高斯混合聚类分析（见图1、表2），数据来源于中华人民共和国环境保护部数据中心全国城市空气质量日报。
长江经济带地级及以上城市环境质量大致可划分为恶化（D）、略微恶化（d）、高位改善（I）和低位改善（i）等四类。D类包括3个城市，2014~ 2016年AQI均值分别为86.00，88.69和106.78；d类包含28个城市，2014~ 2016年AQI均值分别为76.35、79.48和84.28；I类包含63个城市，2014~ 2016年AQI均值分别为90.09、83.81和79.33；i类包含15个城市，2014~ 2016年AQI均值分别为57.31、52.70、53.24。长江经济带11个直辖市和省会城市中，南昌、成都为d类城市，表明两市环境质量表现出略微恶化趋势，地方政府应注重环境保护，加强环境规制，正确处理经济增长与环境污染的关系，实现可持续发展。其余9市均为I类城市，一定程度上可反映各地方政府加大环境整治力度、促进产业转型升级的成果。
图1 长江经济带地级及以上城市AQI聚类结果(小一些)
数据来源：作者测算整理。
表2 长江经济带地级及以上城市AQI聚类结果
类别 |
2014 ~ 2016 AQI均值 |
2014 ~ 2016 AQI变异系数 |
城市 |
D |
86.00 88.69 106.78 |
0.09 0.05 0.02 |
淮南市、淮北市、亳州市 |
d |
76.35 79.48 84.28 |
0.18 0.14 0.13 |
徐州市、蚌埠市、铜陵市、安庆市、滁州市、阜阳市、宿州市、六安市、池州市、宣城市、南昌市、九江市、新余市、鹰潭市、赣州市、吉安市、宜春市、抚州市、上饶市、邵阳市、郴州市、成都市、自贡市、泸州市、德阳市、绵阳市、乐山市、雅安市 |
I |
90.09 83.81 79.33 |
0.14 0.12 0.10 |
上海市、南京市、泰州市、宿迁市、杭州市、宁波市、无锡市、南通市、温州市、常州市、苏州市、连云港市、淮安市、盐城市、扬州市、镇江市、嘉兴市、湖州市、绍兴市、金华市、衢州市、舟山市、台州市、合肥市、芜湖市、马鞍山市、景德镇市、萍乡市、武汉市、黄石市、十堰市、宜昌市、襄阳市、鄂州市、荆门市、孝感市、荆州市、黄冈市、咸宁市、随州市、长沙市、株洲市、湘潭市、衡阳市、岳阳市、常德市、张家界市、益阳市、永州市、怀化市、娄底市、重庆市、广元市、遂宁市、内江市、南充市、眉山市、宜宾市、广安市、达州市、资阳市、六盘水市、遵义市 |
i |
57.31 52.70 53.24 |
0.14 0.14 0.12 |
丽水市、黄山市、攀枝花市、巴中市、贵阳市、安顺市、毕节市、昆明市、曲靖市、玉溪市、保山市、昭通市、丽江市、普洱市、临沧市 |
数据来源：作者测算整理。
四、长江经济带环境质量影响因素的实证研究
（一）变量选取与数据来源
本文采用人均国内生产总值、外商直接投资、政府科研支出比率和财政分权指数作为解释变量，以确定长江经济带环境治理的有效策略。
（1）人均国内生产总值。Beckerman(1992)提出环境库兹涅茨曲线（EKC），认为经济增长与环境污染之间存在倒U 型曲线关系。值得注意的是，EKC的传统实证研究假定区域之间不存在相关影响，估计结果有偏( Elhorst, 2013)，因此需在估计模型中考量空间因素。国内学者多采用工业三废排放量等指标考察EKC拐点、斜率等特征（郝宇等，2014；许广月、宋德勇，2010），却未证明使用相关指标测度环境整体质量的合理性，可能有所偏误。本文使用人均GDP一次项（）、二次项（）刻画长江经济带地级及以上城市经济增长与环境质量之间的曲线关系，GDPper单位为亿元/万人。
（2）外商直接投资。伴随着经济全球化，中国市场对外资吸引力逐渐加强，FDI与环境质量之间的关系逐渐成为学者研究的焦点。一方面，“污染天堂”假说（PollutionHaven Hypothesis）提出，发展中国家往往通过放松环境管制标准吸引资源消耗型和污染密集型产业转移，导致东道国环境质量持续下降。另一方面，部分学者认为外资企业多执行严格的环境标准，采用更先进的清洁生产技术，可直接促进东道国绿色生产（Birdsall and Wheeler，1993；Frankel，2003）。同时，外资企业生产外溢效应可间接改善东道国环境质量（Wayne and Shadbegian，2002；FengHelen Liang，2005）。本文采用人均当年实际使用外资金额作为长江经济带地级及以上城市外商直接投资的代理变量，以研判FDI对长江经济带环境质量的实际效应，单位为万美元/万人。
（3）政府科研支出比率。技术进步，尤其是生产技术革新能显著促进绿色生产，改善环境质量。然而，中国区域发展的不平衡导致不同地区技术进步的环境改善效应具有较强异质性。同时，相比于企业层面技术研发（自主创新或环境规制效应），政府科研支出能否显著改善环境质量值得深思。本文使用政府科研支出比率（RR）研判长江经济带政府科研支出与环境质量的相关性，以确定政府促进企业研发与直接提高科研支出对改善环境质量的相对有效性。
（4）财政分权指数。为估计不同层级财政分权对长江经济带环境质量的影响，本文使用地级及以上城市所在省人均财政支出与中央人均财政支出的比率作为一级财政分权指数（FDD），以衡量省级财政分权程度，使用市人均财政支出/所在省人均财政支出作为二级财政分权指数（SDD），以衡量市级财政分权程度。
本文解释变量所用数据来自于《中国统计年鉴2016》、《中国城市统计年鉴2016》和各省市统计年鉴[⑤]。剔除缺失值后，样本量为102。表3、表4分别是解释变量描述性统计和相关系数矩阵。
表3 解释变量描述性统计
|
GDPper |
GDPper2 |
RR |
FDI |
FDD |
SDD |
样本数 |
102 |
102 |
102 |
102 |
102 |
102 |
均值 |
53599 |
4.51e+09 |
2.08 |
199.44 |
48.41 |
10.09 |
标准差 |
40654 |
7.55e+09 |
1.62 |
249.84 |
8.41 |
4.98 |
最小值 |
11820 |
1.40e+08 |
0.19 |
0.80 |
35.05 |
3.81 |
25%分位数 |
26446 |
6.99e+08 |
0.91 |
35.68 |
40.82 |
7.01 |
50%分位数 |
37207 |
1.38e+09 |
1.63 |
103.76 |
49.37 |
8.54 |
75%分位数 |
65608 |
4.31e+09 |
2.67 |
271.86 |
56.85 |
11.98 |
最大值 |
217449. |
4.73e+10 |
9.08 |
1279.25 |
65.35 |
39.88 |
数据来源：作者测算整理。
表4 解释变量相关系数矩阵
|
GDPper |
GDPper2 |
RR |
FDI |
FDD |
SDD |
GDPper |
1.0000 |
|
|
|
|
|
GDPper2 |
0.9557 |
1.0000 |
|
|
|
|
RR |
0.7150 |
0.6383 |
1.0000 |
|
|
|
FDI |
0.7932 |
0.7721 |
0.6643 |
1.0000 |
|
|
FDD |
0.4083 |
0.3495 |
0.1964 |
0.1849 |
|
|
SDD |
0.7105 |
0.6986 |
0.5386 |
0.6928 |
-0.0048 |
1.0000 |
数据来源：作者测算整理。
（二）实证模型
长江经济带地级及以上城市环境质量Moran's I指数为0.5199，且在1%水平上显著，环境质量要素空间交互性较强。本文采用空间计量模型以测度长江经济带环境质量空间溢出效应。常用空间模型分别为空间滞后模型（SAR）、空间误差模型（SEM）和空间杜宾模型（SDM）：
SAR模型基本形式如下：
（1）
式（1）中，表示被解释变量，表示被解释变量的空间滞后项，表示空间权重矩阵，表示常识项，表示解释变量矩阵，表示空间自回归系数，表示系数向量，表示空间效应，表示时间效应，为误差项。
SEM模型基本形式如下：
（2）
式（2）中，表示残差空间滞后项，表示残差空间自回归系数，其余符号与式（1）含义相同。
SDM模型基本形式如下：
（3）
式（3）中，表示解释变量空间自回归系数，其余符号含义与式（1）、（2）一致。
本文基于地理距离，以3.5e+05为带宽，使用核估计方法建立空间权重矩阵，以更好测度长江经济带环境质量的空间相关性。首先对模型使用OLS估计（见表6），并进行诊断（见表5）。Conditionnumber为26.617，小于30，模型不存在严重的多重共线性。Jarque-Berat检验统计量为0.757，在10%水平上不显著，残差符合正态分布。怀特检验统计量为32.235，在10%水平上不显著，残差不存在异方差性。同时，LM_lag、LM_err、RobustLM_lag和Robust LM_err检验统计量均显著，且RobustLM_lag检验统计量p值较小，因而采用空间自回归模型（SAR）。模型具体形式如下所示：
表5 模型诊断结果
|
值 |
p值 |
Multicollinearity condition number |
26.617 |
— |
Jarque-Bera Test |
0.757 |
0.6848 |
White Test |
32.235 |
0.1855 |
Moran's I |
12.075 |
0.0000 |
Lagrange Multiplier (lag) |
116.775 |
0.0000 |
Lagrange Multiplier (error) |
103.625 |
0.0000 |
Robust LM (lag) |
17.824 |
0.0000 |
Robust LM (error) |
4.674 |
0.0306 |
数据来源：作者测算整理。
（三）实证结果及分析
长江经济带环境质量空间自相关系数为0.7967307，在1%水平上显著，环境质量改善具有明显的正外部性。各变量间接效应均不显著（见表7），地方政府政策外溢效应不明显，环境质量要素流动是长江经济带环境质量空间交互性的主要实现路径，长江经济带地级及以上城市环保措施、环境政策的作用范围局限于自身辖区，地方政府间环保政策的正、负外部性相互抵消。假设二被否定。为进一步增强全流域联防联治，发挥环保体制预期作用，长江经济带各省市应加强统筹兼顾，完善顶层设计、落地实施等机制。
人均国内生产总值的一次项系数在1%水平上显著为正，二次项系数不显著。长江经济带经济增长与环境污染并不存在倒U型曲线关系。整体上，长江经济带经济增长通过调整产业结构、促进技术研发等机制实现绿色制造，降低环境污染，提升环境质量，且边际效益递减并不显著。可以预见，随着经济增长和相关环保政策、作用机制的完善，长江经济带环境质量将进一步提升，实现经济发展与环境改善的良性循环。
政府科研支出比率的系数不显著，地方政府科研支出未能明显改善环境质量。一方面，环境技术研发的政产学研链条仍未完善，相关科研机构的技术研发和成果转化效率较低，难以有效遏制环境污染，提升环境质量。另一方面，地方政府可通过环境规制等政策手段促进企业层面的环保技术研发，相比于科研机构，企业具有信息优势和以成果为导向的管理制度等，研发效率和实用性更强。
外商直接投资系数不显著，“污染天堂”假说在长江经济带仅部分成立。一方面，清洁型FDI可引入先进生产线、污染处理系统，促进绿色生产，并通过技术外溢效应降低长江经济带环境污染和能源消耗水平；另一方面，部分外国企业通过股权投资、建厂投产等方式增加污染密集型产业比重，降低资源合理分配和绿色生产效率，增加单位产出资源消耗量和污染排放量，引致环境恶化。整体上，外商直接投资的清洁生产及技术外溢效应与环境质量恶化效应相抵消。
两级财政分权指数的系数分别在5%、1%水平上显著，且一级财政分权系数远大于二级财政分权系数，假设三被部分验证。财政分权虽引致激励扭曲等，导致地方政府偏离全局最优，削弱环境规制力度以寻求经济增长、增加公共收入，但地方政府藉由信息优势，可及时对相关政策进行反馈调节，部分抵消财政分权对环境治理的负面效应。各级政府应基于此完善环境治理体制设计，平衡环境政策的整体性与实用性。
图2 模型拟合图、残差图
数据来源：作者测算整理。
表6 模型实证检验结果
解释变量 |
因变量：空气质量指数AQI |
OLS |
SAR |
constant |
93.0884428*** (0.0000) |
30.1291733*** (0.0000358) |
|
0.0001774 (0.1521486) |
0.0001739** (0.0364574) |
|
-0.0000000 (0.9016529) |
-0.0000000 (0.7863265) |
|
229.0054255** (0.0400334) |
50.2131513 (0.5121459) |
|
0.0129585 (0.1217300) |
0.0082583 (0.1425070) |
|
-25.0595735 (0.1553132) |
-25.0689636** (0.0351204) |
|
-1.8178387*** (0.0000074) |
-1.4126762*** (0.0000001) |
WAQI |
— |
0.7967307*** （0.0000000） |
Adjusted R-squared |
0.2814 |
0.6721 |
Log likelihood |
-391.848 |
-360.251 |
Schwarz criterion |
816.070 |
757.502 |
注：*表示10%水平上显著，**表示5%水平上显著，***表示1%水平上显著。
数据来源：作者测算整理。
表7 各变量直接、间接与总效应
解释变量 |
因变量：空气质量指数AQI |
Direct effect |
Indirect effect |
Total effect |
|
0.000208* (0.051078) |
0.001129 (0.549790) |
0.001337 (0.494183) |
|
-0.0000000 (0.772563) |
-0.0000000 (0.860190) |
-0.000000 (0.847055) |
|
57.987258 (0.525512) |
208.152835 (0.830064) |
266.140093 (0.796576) |
|
0.009949 (0.131543) |
0.051966 (0.508235) |
0.061915 (0.452846) |
|
-29.445408* (0.053859) |
-158.604480 (0.557865) |
-188.049888 (0.502184) |
|
-1.677835*** (0.000041) |
-8.936975 (0.484034) |
-10.614810 (-0.815884) |
注：*表示10%水平上显著，**表示5%水平上显著，***表示1%水平上显著。
数据来源：作者测算整理。
（四）稳健性检验
本文采用核估计方法计算空间权重矩阵，该方法受核函数影响。上文估计结果使用Triangular函数，本文分别使用Uniform、Quadratic、Quartic和Gaussian函数形式进行稳健性检验。表8为检验结果，与表6中SAR模型估计结果相比，解释变量的系数、显著性均未有明显变化，说明使用triangular函数进行模型估计是稳健的。
各核函数计算公式如下：
式中，, 表示i、j之间距离，为带宽。
表8 实证结果稳健性检验（核函数）
解释变量 |
因变量：空气质量指数AQI |
Uniform distance |
Quadratic distance |
Quartic distance |
Gaussian distance |
constant |
34.1690459*** (0.0000215) |
31.0181460*** (0.0000319) |
29.7699530*** (0.0000342) |
32.1121071*** (0.0000299) |
|
0.0002000** (0.0299701) |
0.0001780** (0.0360190) |
0.0001655** (0.0413533) |
0.0001966** (0.0283004) |
|
-0.0000000 (0.8768943) |
-0.0000000 (0.8177638) |
-0.0000000 (0.7689706) |
-0.0000000 (0.8408329) |
|
52.3831795 (0.5394556) |
48.7607118 (0.5333026) |
54.9915705 (0.4606317) |
48.6662363 (0.5573751) |
|
0.0085690 (0.1701811) |
0.0083231 (0.1477855) |
0.0082320 (0.1339353) |
0.0084431 (0.1646349) |
|
-31.0065100** (0.0189485) |
-26.0269083** (0.0322259) |
-23.1611642** (0.0459078) |
-29.8405241** (0.0201777) |
|
-1.6097970*** (0.0000000) |
-1.4564708*** (0.0000000) |
-1.3638569*** (0.0000001) |
-1.5652981*** (0.0000000) |
WAQI |
0.7879714*** (0.0000000) |
0.7947074*** (0.0000000) |
0.7882860*** (0.0000000) |
0.8048457*** (0.0000000) |
Pseudo R-squared |
0.5959 |
0.6578 |
0.6883 |
0.6185 |
Log likelihood |
-369.505 |
-362.031 |
-358.151 |
-367.004 |
Schwarz criterion |
776.010 |
761.061 |
753.301 |
771.008 |
注：*表示10%水平上显著，**表示5%水平上显著，***表示1%水平上显著。
数据来源：作者测算整理。
空间权重矩阵受带宽（bandwidth）影响较大。上文估计结果使用3.5e+05作为带宽，本文分别采用2.5e+05、3e+05和4e+05作为带宽进行稳健性检验。表9为检验结果，与表6中SAR模型估计结果相比，解释变量系数符号与显著性未有明显变化，说明上文估计结果较为稳健。同时，随带宽增加，财政分权指数的系数表现出轻微减小的趋势，表明随临近城市增加，同级竞争愈发激烈，加剧财政分权的环境恶化效应。
表9 实证结果稳健性检验（Bandwidth）
解释变量 |
因变量：空气质量指数AQI |
Bandwidth = 2.5e+05 |
Bandwidth = 3e+05 |
Bandwidth = 4e+05 |
constant |
47.8820385*** (0.0000000) |
28.5016123*** (0.0000684) |
28.7369930*** (0.0001041) |
|
0.0001287 (0.1636994) |
0.0001824** (0.0319944) |
0.0001783** (0.0453486) |
|
0.0000000 (0.9090567) |
-0.0000000 (0.7887753) |
-0.0000000 (0.8832797) |
|
100.4711862 (0.2283307) |
48.0319556 (0.5408897) |
55.5638607 (0.4992093) |
|
0.0092978 (0.1350103) |
0.0084460 (0.1429578) |
0.0088955 (0.1408722) |
|
-21.7417585* ( 0.0970648) |
-26.5256348** (0.0294496) |
-27.3406681** (0.0321717) |
|
-1.4053846*** (0.0000011) |
-1.4687425*** (0.0000000) |
-1.5297042*** (0.0000000) |
WAQI |
0.5631482*** (0.0000000) |
0.8269248*** (0.0000000) |
0.8341595*** (0.0000000) |
Pseudo R-squared |
0.5950 |
0.6575 |
0.6243 |
Log likelihood |
-368.288 |
-362.388 |
-366.576 |
Schwarz criterion |
773.576 |
761.777 |
770.151 |
注：*表示10%水平上显著，**表示5%水平上显著，***表示1%水平上显著。
数据来源：作者测算整理。
五、提升长江经济带环境质量的对策建议
本文采用空气质量指数AQI测度长江经济带2014~ 2016年环境质量，通过聚类分析研究其时空演变特征，并进一步采用空间计量模型（SAR）实证分析长江经济带地级及以上城市环境质量的影响因素，得出如下结论：（1）经济增长可提升长江经济带环境质量，但环境库兹涅茨曲线并不成立。长江经济带已初步实现经济发展与环境改善的良性循环。（2）长江经济带地级及以上城市环保措施、环境政策的正、负外部性相互抵消，作用范围局限于自身辖区。（3）环保技术研发的政产学研链条并不完善，政府科研支出未能明显提升环境质量。各地方政府应注重发挥市场机制的资源配置作用，促进企业环保技术研发与自主创新。（4）外商直接投资的清洁生产及技术外溢效应与环境恶化效应向抵消。（5）财政分权可能影响环境质量，但地方政府藉由信息优势等可增强环保政策实用性，部分抵消财政分权负面效应。
基于上述研究结论，为进一步提升长江经济带环境质量，实现绿色发展，本文提出如下政策建议：
（1）建立一体化联防联治体系。构建高层对话平台、跨区域生态补偿基金等机制，切实实现统筹兼顾，提高长江经济带地级及以上城市环保措施、环境政策协调性，促进政府间政策良性竞争，减弱政策负外部性，进而提升环境资源配置效率，优化国土空间开发格局，科学确定城市群边界和空间结构，改善长江经济带整体环境质量。特别地，同步推进互联网、物联网和环境监测点建设，建立跨部门跨区域环境治理信息共享与业务协同机制，依托大数据和信息网络增强地区间环境治理行为的协调性。
（2）促进企业环保技术研发和自主创新。相比于政府科研支出，各地方政府应转变传统的政府主导、政府支出模式，注重以企业为核心、以企业研发驱动技术革新，充分发挥市场力量，有效促进清洁生产、绿色发展。一方面，各地方政府应以企业实际需求为导向，整合现有科技力量，着力完善政产学研链条，创建一体化合作平台，降低合作壁垒，进而提升企业参与度，提高技术研发效率和实用性。另一方面，加强产权保护力度，建立健全清洁生产技术交易市场，内化企业研发外部性，增强企业自主创新激励，促进科研资源合理配置。
（3）完善FDI引进机制。各级政府部门和企业在引进外资过程中，应积极引进先进生产技术和环保标准，充分发挥FDI技术溢出效应，逐步引导本土企业从一般加工产业、污染密集产业和能源消耗产业向高端设备和高附加值制造领域转变，切实降低单位产出的污染排放量和能源消耗量，实现绿色生产、绿色制造，建立外资引进、经济增长和环境质量提升的良性传导机制。长江经济带应加强顶层设计，完善健全FDI引进的负面清单制度、追责制度和信息共享体系等，明确列出禁止和限制FDI投资的行业、领域、业务等，严格执行奖励惩戒机制，推进外资引进的制度化、规范化、程序化、透明化和绿色化，构建法律约束、行政监督、公众参与和企业诚信自律有机结合的FDI引进机制。
（4）完善环保体制建设，降低财政分权影响。一是建立完善环境治理垂直体制或环保支出独立管理制度，避免环境政策实施对地方政府财政支出的过度依赖，降低财政分权引致的激励扭曲。二是立足主体功能区制度，依据优先开发区、重点开发区、限制开发区和禁止开发区的政策目标完善分类考核标准，加大环境质量在考核体系中的比重，强化绿色新郑考核理念，引导各级政府积极保护、恢复环境质量。三是突破现有行政层级局限，一方面在较大空间尺度上考量区域整体环境质量，缓解同级竞争，避免各级政府“以邻为壑”，片面追求局部区域环境质量改善，另一方面，在较小空间尺度上测度环境质量，确定污染点，从源头治理环境污染。四是充分利用基层政府信息优势，及时对环境政策进行反馈调节，增强环境规制实用性、灵活性。
本文研究为长江经济带环境质量测度和相应治理策略提供了新视角，也为后续研究提供了新思路：若数据可得，可使用遥感数据更全面地测度长江经济带环境质量；采用门槛模型研究各影响因素是否存在不同作用区间。
参考文献：
[1]董直竹、蔡啸、王林辉，2014：《技术进步方向、城市用地规模和环境质量》，《经济研究》第10期。[DongZhi-qing, Cai Xiao and Wang Lin-hui, 2014, The Direction of Technical Change,Urban Land Size and Environment Quality, EconomicResearch Journal, 10]
[2]董竹、张云，2011：《中国环境治理投资对环境质量冲击的计量分析——基于VEC模型与脉冲响应函数》，《中国人口·资源与环境》第8期。[DongZhu and Zhang Yun, 2011, The Quantitative Analysis of the Impact the InvestmentBringing to the Environmental Quality: Based on the VEC Model and the ImpulseResponse Function, China Population,Resources and Environment, 8]
[3]范庆泉、周县华、刘净然，2015：《碳强度的双重红利:环境质量改善与经济持续增长》，《中国人口·资源与环境》第6期。[FanQing-quan, Zhou Xian-hua and Liu Jing-ran, 2015, Double Dividend of CarbonIntensity: Environmental Quality Improvement and Sustainable Economic Growth, China Population, Resources and Environment,6]
[4]郭子琪、温湖炜，2015：《产业结构调整背景下的中国环境不平等》，《中国人口·资源与环境》第5期。[GuoZi-qi and Wen Hu-wei, 2015, Environmental Inequality of China against theBackground of Adjusting Industrial Structure, China Population, Resources and Environment, 5]
[5]胡宗义、李继波、刘亦文，2017：《中国环境质量与经济增长的空间计量分析》，《经济经纬》第3期。[HuZong-yi, Li Ji-bo and Liu Yi-wen, 2017, Spatial Econometric Analysis of ChineseEnvironmental Quality and Economic Growth, EconomicSurvey, 3]
[6]蒋伏心、王竹君、白俊红，2013：《环境规制对技术创新影响的双重效应——基于江苏制造业动态面板数据的实证研究》，《中国工业经济》第7期。[JiangFu-xin, Wang Zhu-jun and Bai Jun-hong, 2013, The Dual Effect of EnvironmentalRegulations' Impact on Innovation——An Empirical Study Based on Dynamic PanelData of Jiangsu Manufacturing, ChinaIndustrial Economics, 7]
[7]刘荣茂、张莉侠、孟令杰，2006：《经济增长与环境质量:来自中国省际面板数据的证据》，《经济地理》第3期。[LiuRong –mao, Zhang Li –xia and Meng Ling –jie, 2006, ECONOMIC GROWTH ANDENVIRONMENTAL QUALITY: EVIDENCE FROM PROVINCIAL PANEL DATA IN CHINA, Economic Geography, 3]
[8]李政大、袁晓玲、杨万平，2014：《环境质量评价研究现状、困惑和展望》，《资源科学》第1期。[LiZhengda, Yuan Xiaoling and Yang Wanping, 2014, Research Status, Confusion andProspects in Environmental Quality Evaluation, Resource Science, 1]
[9]潘峰、西宝、王琳，2014：《地方政府间环境规制策略的演化博弈分析》，《中国人口·资源与环境》第6期。[PanFeng1, Xi Bao and Wang Lin, 2014, Evolutionary Game Analysis of EnvironmentalRegulation trategy Between Local Governments,China Population, Resources and Environment, 6]
[10]秦昌波、王金南、葛察忠等，2015：《征收环境税对经济和污染排放的影响》，《中国人口·资源与环境》第1期。[QinChang-bo, Wang Jin-nan, Ge Cha-zhong, et al., 2015, Economic and EmissionImpact Analysis of Reforming China's Environmental Taxes System, China Population, Resources and Environment,1]
[11]祁毓、卢洪友、徐彦坤，2014：《中国环境分权体制改革研究：制度变迁、数量测算与效应评估》，《中国工业经济》第1期。[QiYu, Lu Hong-you and Xu Yan-kun, 2014, The Research on Reformation of ChineseFiscal Decentralization Regime, ChinaIndustrial Economics, 1]
[12]齐园、张永安，2015：《北京三次产业演变与PM2.5排放的动态关系研究》，《中国人口·资源与环境》第7期。[QiYuan and Zhang Yong-an, 2015, Dynamic Relationship Between the Evolution ofThree Industries and PM2.5 Emissions in Beijing, China Population, Resources and
Environment,7]
[13]汪克亮、孟祥瑞、杨宝臣等，2017：《技术异质下中国大气污染排放效率的区域差异与影响因素》，《中国人口·资源与环境》第1期。[WangKe-liang, Meng Xiang-rui, Yang Bao-chen, et al., 2017, Regional differences andinfluencing factors of China's air pollution emission efficiency consideringtechnological heterogeneity,ChinaPopulation, Resources and Environment, 1]
[14]王文普，2013：《环境规制、空间溢出与地区产业竞争力》，《中国人口·资源与环境》第8期。[WangWen-pu, 2013, Environmental Regulation，SpatialSpillover and Regional Industrial Competitiveness, China Population, Resources and Environment, 8]
[15]武晓利，2017：《能源价格、环保技术与生态环境质量——基于包含碳排放DSGE模型的分析》，《软科学》第7期。[WuXiao-li, 2017, Energy Price，EnvironmentalProtection Technology and Ecological Environment Quality, Soft Science, 7]
[16]吴玉鸣、田斌，2012：《省域环境库兹涅茨曲线的扩展及其决定因素——空间计量经济学模型实证》，《地理研究》第4期。[WuYu-ming and Tian Bin, 2012, The Extension of Regional Environmental KuznetsCurve and its Determinants: An Empirical Research Based on Spatial EconometricsModel, Geographical Research, 4]
[17]王振波、方创琳、许光等，2015：《2014年中国城市PM2.5浓度的时空变化规律》，《地理学报》第11期。[WangZhen-bo, Fang Chang-lin, Xu Guang, et al., 2015, Spatial-temporalcharacteristics of PM2.5 of Chinese Cities in 2014, Journal of geographical, 11]
[18]许和连、邓玉萍，2012：《外商直接投资导致了中国的环境污染吗？——基于中国省际面板数据的空间计量研究》，《管理世界》第2期。[XuHe-lian and Deng Yu-ping, 2012, Have FDI Lead to Pollution of China ——Empirical Spatial Econometrics Research Based on Province Panel Data, Management World, 2]
[19]杨昆、杨玉莲、朱彦辉等，2016：《中国PM2.5污染与社会经济的空间关系及成因》，《地理研究》第6期。[YangKun, Yang Yulian, Zhu Yanhui, et al., Social and economic drivers of PM2.5 andtheir spatial relationship in China, GeographicalResearch, 6]
[20]杨冕、王银，2017：《长江经济带PM2.5时空特征及影响因素研究》，《中国人口·资源与环境》第1期。[YangMian and Wang Yin, 2017, Spatial-temporal characteristics of PM2.5 and itsinfluencing factors in the Yangtze River Economic Belt, China Population, Resources and Environment, 1]
[21]杨万平、袁晓玲，2008：《对外贸易、FDI对环境污染的影响分析——基于中国时间序列的脉冲响应函数分析:1982～2006》，《世界经济研究》第12期。[YangWan-ping and Yuan Xiao-ling, 2008, The Influence of trading and FDI onpollution—Impulse Response function based on time series of Chinese Data, World Economy Studies, 12]
[22] 袁晓玲、李政大、刘伯龙，2013：《中国区域环境质量动态综合评价——基于污染排放视角》，《长江流域资源与环境》第1期。[YuanXiao-ling, Li Zheng-da and Liu Bo-long, 2013, Dynamic Comprehensive Evaluationof Regional Environmental Quality for China——Based on Pollution Emissions, Resources and Environment in the YangtzeBasin, 1]
[23] 原毅军、谢荣辉，2014：《环境规制的产业结构调整效应研究——基于中国省际面板数据的实证检验》，《中国工业经济》第8期。[YuanYi-jun and Xie Rong-hui, 2014, Research on the Effect of Environmental Regulationto Industrial Restructuring — Empirical Test Based on Provincial Panel Data ofChina, China Industrial Economics, 8]
[24] 朱承亮、岳宏志、师萍，2011：《环境约束下的中国经济增长效率研究》、《数量经济技术经济研究》第5期。[ZhuCheng-liang, Yue Hong-zhi and Shi Ping, 2011, Empirical Study on China'sEconomic Growth Efficiency Under the Binding of Environment, The Journal of Quantitative & TechnicalEconomics, 5]
[25] 郑金玲，2016：《分权视角下的环境规制竞争与产业结构调整》，《当代经济科学》第1期。[ZhengJin-ling, 2016, Environmental Regulation Competition and Industrial StructureAdjustment from the Perspective of Decentralization, Modern Economic Science, 1]
[26]张倩、邓明，2017：《财政分权与中国地区经济增长质量》，《宏观质量研究》第3期。[ZhangQian and Deng Ming, 2017, Fiscal Decentralization and Regional Economic Growthin China, Journal of Macro-Quality Research, 3]
[27]Kydland, F., Prescott, E. and John, D., 1977, Rules Rather than Discretion: TheInconsistency of Optimal Plan., Journalof Political Economy, 85(2), pp.473-489.
[28] Fare, R., Grosskopf,S., Pasurka, Jr.C.A., et al., 2010, An environmental performance index forcoal-fired power plants, Energy Economics,32(1), pp.158-165.
[29] Kuo, Y.M., Wang,S.W. and Jang, C.S., 2011, Identifying the factors influencing PM2.5 insouthern Taiwan using dynamic factor analysis, Atmospheric Environment, 45(39), pp.7276-7285.
[30] Cheng, Z.,Luo, L., Wang, S., et al., 2016, Status and characteristics of ambient PM2.5pollution in global megacities, Environment international, 89, pp.212-221.
[31] Acemoglu,D., Aghion, P., Bursztyn, L., et al., 2012, The Environment and DirectedTechnical Change, American Economic Review, 102(1), pp.131-166.
[32] Picazo-Tadeo,A.J., Castillo-Gimenez, J. and Beltran-Esteve, M., 2014, An intertemporalapproach to measuring environmental performance with directional distancefunctions: greenhouse gas emissions in the European Union, Ecoloigcal economics, 100, pp.173-182.
Environment Quality Measurement and ImproveStrategies of the Yangtze River economic zone
Wu Chuan-qing and WuZhong-yi
(School of Economic andManagement, Wuhan University)
Abstract:YangtzeRiver economic zone is the backbone of reginal coordination of our country.This paper uses the environmental monitoring data AQI and Bayes Gaussianmixture model to measure the environment qualities of cities at prefecturelevel and above in the Yangtze River economic zone. Also, we employ a spatialeconometric model to empirically test the influence factors. It turns out thatin Yangtze River economic zone, economy development can improve theenvironmental quality without holding the Environment Kuznets Curve; thegovernment-industry-university-research chain for environmental protectiontechnology is yet complete, which induces the governmental scientific researchexpenditure can't improve environmental quality significantly; the positive andnegative effect of FDI on the environmental quality cancel each other out;Fiscal decentralization can deteriorate the environmental quality, but thelocal governments can strengthen policy practicability by informationsuperiority, which can offset the negative effect of fiscal decentralization insome extent. To further improve the environmental quality in the Yangtze Rivereconomic zone and realize green development, cities along the river mustpromote technology research and development in the level of firms and perfectthe mechanisms of FDI introduction and environmental protection.
KeyWords: YangtzeRiver economic zone; Environmental quality; AQI
*吴传清，武汉大学经济管理学院教授、博导，武汉大学中国主体功能区战略研究院副院长，武汉大学区域经济研究中心主任，电子邮箱：wcq501@163.com，电话：15327144956。吴重仪，武汉大学经济管理学院硕士研究生，电子邮箱：wufan556984@outlook.com，电话：15927653522。
[①]本标准可参考有中国环境科学出版社出版的《环境空气质量标准》。
[②]基于数据可得性，本文假定各地级及以上城市的年末常住人口数即为年末户籍人口数。
[③]根据《环境空气质量指数（AQI）技术规定（试行）》（HJ 633—2012）规定：空气污染指数划分为0－50、51－100、101－150、151－200、201－300和大于300六档，对应于空气质量的六个级别，指数越大，级别越高，说明污染越严重，对人体健康的影响也越明显。
[④]长江经济带地级及以上城市2017AQI数据缺失较多。同时，2014 ~ 2016年环境质量数据仅用于贝叶斯高斯混合模型进行聚类分析和趋势分析。后文空间计量模型被解释变量所用数据仅为2015年环境质量数据，具体原因见脚注。
[⑤] AQI数据始于2013年12月，仅2014、2015两年数据可与相关统计年鉴数据相匹配。相比于使用跨期仅两年的面板数据建立计量模型，笔者认为使用2015年横截面数据反映环境质量与各影响因素之间的最新动态更有意义。
本文发表在《宏观质量研究》2018年第一期，作者是吴传清，吴重仪
吴 传 清 ， 武 汉 大 学 中 国 主 体 功 能 区 战 略 研 究 院 、 经 济 与 管 理 学 院 、 区 域 经 济 研 究 中 心
吴 重 仪 ， 武 汉 大 学 经 济 与 管 理 学 院
