城镇化进程对城市环境的显著污染差异与U型排放趋势

张涛

导读：城市是人类文明的集中体现，也是人类生产与生活的重要区域，城市环境问题是关系到人类发展的重要课题。选取2001～2013年间中国30个省级行政区面板数据，采用主成分和面板数据分析方法，实证分析土地、人口、工业资本结构和收入水平对城市综合污染物排放密度的影响。结果显示：在城镇化进程中，人口城镇化率的变动对城市环境的影响并不显著；城市建成区面积增加能够显著降低城市污染密度；城市居民收入水平提高能够实现城市环境越过倒“U”型曲线顶点。此外，随着城市工业资本-劳动比率提高，城市污染物排放量，呈现先减少后增加的U型趋势。

关键词：城镇化；工业结构；污染物；排放密度；EKC

DOI：10.3969/j.issn.1674-7739.2015.05.012

一、引言与文献评述

改革开放以来，中国城镇建设飞速发展，现已形成具有较强集聚效应的5个国家级城市群，9个区域性城市群和6个地区性城市群，以及70多个具有突出辐射效应的大中城市。2014年全国人口城镇化率54.77%，2001～2013年间年均增长1.028个百分点。与发达国家80%的城镇化率水平相比，还有很大差距，中国仍将处于城镇化快速推进阶段。然而随着人口向城市集中，城区面积扩张，以及工业资本-劳动比率提高，雾霾、酸雨、水华、城市内涝、交通拥堵、垃圾处理粗放等伴生城市环境污染问题日渐凸显。城市环境已向人类的生产和生活发出挑战。

城镇化进程与城市环境之间的关系，一直是广大生态学者、城市经济学者和建筑规划学者的研究热点。美国学者Park R.E在1916年发表《城市环境中人类行为研究的几点建议》，开创了城市生态学研究的新领域。上世纪60年代Rache1 Carson《寂静的春天》和Meadows et al.《增长的极限》等书通过描述和预测城市化过程中的生态危机来警醒世人。20世纪70年代，美国生态学家Ehrlich和Comnoner提出著名的IPAT环境压力公式，开始了生态环境及其影响因素的研究。1995年，Grossman 和 Krueger对42个发达国家的板面数据进行实证分析，揭示了城市经济与城市环境质量间倒“U”型的演变规律。城镇化作为地区经济增长和工业协同发展的重要动力，已经成为城市经济与城市环境污染关系研究的热点之一。Alam et al.（2006）衡量在城乡间的推拉效应作用下，缺少科学规划和引导的农村人口向城市集中所导致的城市生态环境的退化水平；Liddle and Lung（2010）利用STIRPAT模型揭示在发达国家中存在不同年龄阶段的人群对城市污染具有的差异特征；Poumanyvong and Kaneko（2010）通过99个国家的实证研究，得出城镇化能够带来能源消耗和二氧化碳排放量的减少；Martínez-Zarzoso（2011）以发展中国家为研究对象，得到了城镇化与二氧化硫排放量间存在倒“U”型关系；Srivastava et al.（2014）研究指出，在发展中国家城镇化、工业化和经济增长总是伴随着更多的城市固体污染产生；Peter Marcotullio et al.（2014）研究亚洲和太平洋地区的城镇化进程，指出大城市不是永远的发展主题，气候适应型城市①更具弹性特征，更能实现城市的可持续发展。国内学者对城镇化水平和城市生态环境的研究大多沿用EKC模型框架。张子龙等（2015）发现我国大部分城市的经济-环境协调度不佳，城市的产业结构、人口规模和经济增长对提高城市环境绩效具有抑制作用；王家庭和高珊珊（2011年）研究发现城市规模和城市环境的关系存在区域差异，且规模不同的城市、不同的污染物与经济水平呈现出不同的变动特征；王婷和吕昭河（2012）研究得出人口增长和收入水平提高会显著增加城市生活垃圾数量，而正确的城市环境政策和习惯能抑制城市生活垃圾数量的增长；李鹏飞等（2014）研究城镇化路径的环境效应中，也发现城镇化水平的提高能够改善城市环境状况；王兴杰等（2015）研究发现快速推进的工业化和城镇化，投资驱动型经济，土地财政是导致城市大气污染的根本原因；此外，城市产业结构是影响城市环境的重要因素，粗放的城市工业化会导致城市环境的失衡，提升产业集聚水平，转变产业结构有助于城市环境的修复（刘习平，2013；杜震，2014）。

上述文献多是研究人口城镇化率与城市环境的关系，而城镇化进程不仅包括人口向城市集聚，还包括城市建成区面积扩张、城市产业结构的演进以及城区居民收入水平的提高等因素。本研究将在以下方面对现有文献进行补充：（1）重点从人口和土地两个因素分析城镇化进程与城市环境污染的关系；（2）基于城镇化与工业化协同的角度，研究城镇工业资本-劳动比的变动对城市环境的影响；（3）选取城市生产和生活具有代表性的五种污染物排放量作为因变量，运用主成分分析方法，合成地区综合污染物排放量，采用污染密度指标代替污染总量指标，克服不同省级行政区产业结构和城镇化水差异下不能比较的难题。

二、中国城市污染物排放量的时空差异

（一）中国城市五种污染物排放空间差异

城市是生产和生活的集聚区域，为了更全面地反映生产和生活对地区环境的影响，基于数据的可获得性，选取工业固体排放量、生活垃圾清运量、烟尘排放量、二氧化硫排放量和化学需氧量排放量五种污染物排放指标。受地区区位、自然资源禀赋、城市化进程和工业结构的影响，各省级行政区污染物排放结构存在显著差异。如图1所示：2013年五种污染物排放量中，工业固体排放量前五的是河北、辽宁、山西、内蒙古和山东；二氧化硫排放量排名前五的是福建、山东、内蒙古、山西和河北；化学需氧量排放前五的是广东、广西、湖南、四川和江苏；生活垃圾清运量排名前五的是广东、江苏、浙江、山东和辽宁；烟粉尘排放量排名前五的是河北、山西、内蒙古、新疆和黑龙江。

（二）城市综合污染物排放密度的时空差异

由于不同地区反映出的不同污染物结构特征，使得地区间很难进行横向比较，以及研究城市污染和其解释变量间的关系。本研究采用综合污染的指标来反映地区污染水平。由于不同污染物对地区环境的影响效果并不相同，简单加总会导致其经济学意义改变，本研究采用主成分分析方法，来综合五类污染物排放指标。从分析结果中，选取前两个主成分，二者的方差累积贡献率达到了96%，特征值大于1，前两个主成分几乎反映全部指标的信息。其中，第一主成分中SOLID、TRASH和SCOOT四个指标的载荷量较大，第二主成分中SO2和COD指标的载荷较大，可以将两个主成分分别视作土壤污染因子和空气-水体污染因子。利用两个主成分所对应的特征值进行加总，即可得到综合污染物排放量。结果显示，综合污染物排放量居前五的是河北、辽宁、山西、内蒙古、山东。

城市的污染水平决定于城市区域污染物的相对排放量，而非整个省级行政区的绝对排放量。用各地污染物综合排放量除以地区建成区面积，所得到各地区污染物综合排放的密度更能反映地区污染水平。结果显示，地区污染物排放密度排名前五的是山西、河北、贵州、内蒙古和青海。

如图2所示，中国30个省级行政区在2001年、2005年、2010年、2013年四个截面反映的污染物排放密度存在时间延续性特征。四个截面污染物综合排放密度排名都进前10的地区有7个地区，分别是山西、河北、贵州、云南、江西、陕西和辽宁。此外，全国地区污染物综合排放密度呈现地域性俱乐部特征。总体而言，地区污染物综合排放密度呈现东部低于中西部地区。尽管东部地区污染物排放量较高，但东部地区较快的城镇化进程，以及更为完善的城区规划和建设使得其污染密度降低。中西部地区城镇化落后于工业化，人口城镇化快于土地城镇化，导致污染密度较高。

三、模型、数据与方法

（一）计量模型与变量定义

IPAT模型最早由Enrilich和Holdren提出，用于分析环境及其影响因素人口、经济水平和技术水平间的关系，其数学公式表达为I=P*A*T。其假定各因素对环境的影响弹性相同，与现实不符，因此不能直接用来验证环境与其影响因素的关系。Dietz和Rosa在IPAT模型的基础上增加了弹性参数，提出STIRPAT模型，如公式（1）。该模型已经被广泛运用到环境污染与其影响因素的研究领域。

（1）

改进后的模型中，各字母代表的变量经济学意义不变。其中为常数项，、、为估计参数，为误差项。将STIRPAT模型进行自然对数处理，得到可以用于计量分析的公式（2），用于分析人口、经济水平和技术水平对环境影响的弹性。

（2）

Grossman和Krueger对公式（2）中环境及其影响因素间的线性关系提出了质疑，认为经济水平与环境污染间存在倒“U”型关系，即EKC假说，某些国内外学者基于不同地区的研究成果，认为经济水平同环境污染间可以呈现倒“N”型形态。本研究考察城镇化进程中人口、土地、工业劳均资本存量和城市收入水平的变动与城市环境的关系，重点分析土地和人口两个变量对城市环境的影响效果。基于现有文献理论和实证分析，构建如下模型：

（3）

其中：i是地区标志，t是时间标志；Pi，t城市污染指标，代表i地区在第t年的污染物综合排放密度；LnPURi，t是人口城镇化指标，表示i地区在第t年的非农常住人口占比；LnLURi，t是土地城镇化指标，表示i地区在第t年建成区面积与城区面积之比；Xi，t是控制变量集，包含影响城市污染物排放的LnYi，t（城市居民人均可支配收入）、（LnYi，t）2、KLi，t（工业资本-劳动比率）、LnPi，t-1（污染物综合排放密度的滞后一期）；ui代表地区非观测效应，εi，t包括地区的地理环境，自然资源禀赋等对污染物排放的影响；εi，t为随机误差项。

（二）数据说明

模型采用2001～2013年间中国除台湾、香港、澳门和西藏外的30个省级行政区的面板数据进行实证分析。（1）城市污染物综合排放密度，用于反映城市污染物排放水平，五种污染物排放量数据选自《中国统计年鉴》，其中2011～2013年工业固体污染物产生量为推算数据②；（2）人口城镇化率，用于表示人口城镇化水平，数据选自《中国统计年鉴》；（3）土地城镇化率，用于表示土地城镇化水平，城市建成区面积和城区面积数据来源于中经网统计数据库；（4）城市居民人均可支配收入，用于表示城市收入水平，指标数据选自中国经济与社会发展统计数据库；（5）工业资本-劳动比率，用于表示城市工业资本密集程度。借鉴盛斌和吕越（2012）做法，用工业固定资产净值年平均余额表示工业资本存量，用工业年平均就业人数表示劳动力人数，指标数据来自于《中国工业经济统计年鉴》。

（三）计量方法

本研究主要运用SPSS19.0和Eviews8.0两种软件进行数据计量分析。为了避免模型出现伪回归现象，首先分别采用LLC和PP–Fisher单位根检验，验证变量的平稳性，对非平稳变量进行差分处理使其成为平稳变量，然后采用Kao提出的方法，对回归模型进行协整检验。由于各地区城镇化、经济水平和工业结构等方面存在较大差异，所以在回归分析中采用变截距模型来反映个体特征。同时，鉴于截距项与解释变量间存在相关性特征，本研究采用固定效应模型进行估计。因为截面数大于时间数，采用截面加权估计方法，能够减少截面数据的异方差的影响。

四、实证与分析

（一）面板数据单位根检验

分别采用LLC检验和ADF-Fisher来实现变量数据的相同根和不同根检验。表2中所有变量原数据均不能同时满足两个准则，即不平稳。一阶差分后的变量均在1%的显著性水平下拒绝“存在单位根的原假设”，表明变量一阶差分后均为平稳序列，即I（1）。

（二）面板数据协整检验

所选的6个变量一阶差分序列都平稳，进一步的面板数据协整检验结果如表3所示，Pedroni检验和Kao检验都在1%的显著水平下拒绝“变量间不协整”的原假设，说明变量间存在长期的协整关系。

（三）面板协整方程的估计

为了更清晰地反映人口城镇化、土地城镇化、地区经济水平和工业结构对地区污染水平的影响，采用静态面板数据和动态面板数据两种模型。前者不考虑被解释变量滞后项的影响，使用截面加权广义最小二乘估计（EGLS）的方法进行估计，该方法能够有效避免异方差对估计结果的影响；后者引入被解释变量的滞后项，采用广义矩估计（GMM）的方法进行估计，能够较好减小变量内生性和数据异质性造成的偏差。

表4是中国30个地区2001～2013年间面板数据对公式（3）估计结果。其中，模型I和模型II分别是人口城镇化率（LnUR）和土地城镇化率（LnLUR）对地区污染物综合排放密度（LnP）的关系描述。显而易见，人口城镇化对地区污染物综合排放密度具有显著正效应，即人口城镇化率每提高1个百分点，会引起城市综合污染物排放密度上升0.495个百分点。理论上，土地城镇化对地区综合污染密度的影响却存在正反两种效应：一方面城区面积扩张直接引起污染物排放量增加，另一方面城区面积扩张又能稀释城市综合污染物排放密度。土地城镇化率的指标系数显著大于0，说明当前城区扩张带来的污染物增加效应远远大于其对综合污染物排放密度的减小效应。模型III是对城市收入水平与城市环境关系的检验。城镇居民人均可支配收入（LnY）项系数符号为正，其平方项的系数符号为负，说明城市经济水平与城市污染水平间的环境EKC假说成立，即随着城市居民收入水平的提高，城市污染水平呈现先上升再下降的倒“U”形态。模型IV是对城市工业资本-劳动比率与城市环境间关系的检验，城市工业资本-劳动比率（LnKL）项系数符号为负，其平方项的系数符号为正，说明随着城市工业资本-劳动比率的提高，城市污染水平呈现先下降再上升的“U”形态。模型V是引入除被解释变量滞后项和资本-劳动比率平方项外的控制变量后的回归结果。可以发现，人口城镇化率指标的系数t检验并不显著，表明在影响城市污染的变量中，人口城镇化率的提高并不是导致城市综合污染物排放密度上升的决定性因素；土地城镇化率指标的系数显著为负，表明在综合影响下，城区建设面积的扩大，能有效减小城市的污染密度。城市居民人均可支配收入（LnY）和工业资本-劳动比率（LnKL）两个指标系数显著为正，表明较高的地区经济水平和资本密集型工业将导致更高的城市污染密度。

模型VI在保留模型V中控制变量的基础上加入被解释变量的滞后项。EGLS回归结果显示，调整的R2、D.-W.统计量和F统计量都非常有效，模型估计结果十分稳健。被解释变量滞后一期项指标系数显著为正，表明前期的污染物排放密度对本期的污染物排放密度具有显著正影响，即城市综合污染物排放密度水平具有持续性增加路径，这与我国城镇化、工业化和人民生活水平持续提高相符。

模型VII采用GMM方法估计，J统计量所对应的Sargan检验值表示接受“过度约束正确的零假设”，即模型的所用工具变量设定有效。模型VI和VII两个模型结果基本一致。人口城镇化率变量的系数t检验值仍旧不显著，被解释变量滞后一期项、土地城镇化率和城镇居民人均可支配收入三个变量的系数符号显著为正，工业资本-劳动比率系数显著为负。因此，人口城镇化率对地区综合污染物排放密度的影响不突出，地区建成区面积的扩张能有效减少地区综合污染物排放密度。城市工业资本-劳动比率可以体现工业的资本密集型程度。产业演进规律表明，城市工业从劳动密集型向资本密集型过渡会带来更多的污染物，而由Rybczynski定理③推知，资本密集型生产也会产生更多的污染附加品。从长期来看，其比值的提高会导致城市综合污染物排放密度的提高。需要说明的是本研究曾尝试构建模型来验证人口城镇化和土地城镇化与城市污染密度间是否存在倒“U”型关系，但最终拟合结果并不显著，所以并未列出。

五、结论与启示

本研究以中国除台湾、香港、澳门和西藏外30个省级行政区为对象，选取2001～2013年间省际面板数据，采用主成分分析法和面板数据分析方法，实证分析城镇化进程中土地、工业资本密集度和收入水平对城市综合污染物排放密度的影响。

结果表明：不同城镇化进程和工业结构的省级行政区的五种污染物排放量具有显著差异，而其城市综合污染物排放密度呈现地域性局部收敛特征，并且城市污染物排放密度在时间上具有路径依赖性。城镇化进程中，人口城镇化率的变动对城市环境的影响并不显著；城市建成区面积增加能够显著降低城市污染密度；城市居民收入水平提高能够实现城市环境越过倒“U”型曲线顶点。此外，随着城市工业资本-劳动比率提高，城市污染物排放量，呈现先减少后增加的U型趋势。以上结论具有一定的政策启示。

第一，既然城镇常住人口的增加并非影响城市环境的决定性因素，那么在中国城镇化的快速推进阶段，更为重要的是增强城市对进城务工人员的吸纳能力，打破城乡人口和资源流动障碍，建立城乡一体的户籍制度、就业制度和社会保障制度，加快推进农业转移人口市民化，实现城市资源向城市常住人口的全覆盖，引导城乡资源的双向流动。

第二，尽管城市建成区面积的增长在一定程度上能够缓解因城镇化速度过快、规模大导致的城市拥堵和布局混乱问题，但是其面积扩张本身就会带来环境的污染问题，并使国家耕地面积减少。因此，城市土地利用的重点在于优化城市区域生活和生产的空间格局，积极贯彻主体功能区划战略，优化城市体系和空间结构，通过科学预测城市人口规模和产业需求，合理分配城市工业、商业、住房、绿地和公共基础设施用地指标。

第三，较高的工业资本-劳动比率导致更高的城市污染物排放量。因此，对不同污染特征城市，应根据其工业产业结构和城镇化进程制定相应的节能减排标准，创新和推进节能减排技术。对于中西部地区的后发城市，要根据自身资源禀赋和环境承载能力，科学合理地承接东部转移的产业。在顺应经济规律的前提下，突出自身人口资源优势，发展劳动力密集型产业、特色服务业、都市工业和生态农业。

第四，城镇化进程中需要突出生态文明的重要性。在提高城市居民收入水平的同时更应倡导生态健康的城市生活理念，崇尚节约、和谐、共存、协调的思想，反对浪费、放纵、掠夺、自私的恶欲，建设资源节约型、环境友好型的生态城市。

说明：本文系基金项目，获重庆市研究生科研创新项目“渝、蓉城市组团产业演进对比与协同发展研究”、重庆工商大学研究生科研创新项目“渝、蓉城市组团产业演进对比与协同发展研究”（编号yjscxx2015-41-02）资助。

注释：

①气候适应型城市是指通过规划人口分布、产业布局、土地资源优化和能源环境的高效时空配置，实现最大限度地减少其所面临的潜在气候风险的城市。

②2011～2013年工业固体废物产生量的统计口径发生改变，利用各个地区工业增加值和工业固体废物产生量间线性关系进行推算。

③Rybczynski定理：在要素和商品价格不变的情况下，一种生产要素的数量增加而另一种要素的数量保持不变，其结果是密集地使用前者进行生产的产品数量将增加，而密集使用后者进行生产的产品数量将绝对减少。

参考文献：

[1]Martinez-Zarzoso I， Maruotti A. The Impact of Urbanization on CO2 Emissions： Evidence from Developing Countries[J]. Ecological Economics，2011，70（7）：1344-1353.

[2]Poumanyvong.P， S.Kaneko.Does Urbanization Lead to Less Energy Use and Lower CO2 Emissions？ A Cross-Country Analysis[J]. Ecological Economics，2010，70（3）：434-444.

[3]Liddle，B， S.Lung.Age-Structure， Urbanization， and Climate Change in Developed Countries：Revisiting STIRPAT for Disaggregated Population and Consumption-Related Environmental Impacts[J]. Population and Environment， 2010，31（6）：317-343.

[4]Md. J. B. Alam， M. J. B. Alam， M. H. Rahman. Unplanned Urbanization： Assessment through Calculation of Environmental Degradation Index[J].International Journal of Environmental Science and Technology，2006，3（2）：119-130.

[5]Peter marcotullio， Richard Cooper， Louis lebel. Climate in Asia and the Pacific. Advances in Global Change Research[J].Climate and Urbanization，2014（56）：59-127.

[6]Vaibhav Srivastava. Urban solid waste management in the developing world with emphasis on India： challenges and opportunities[J].Reviews in Environmental Science and Bio/Technology June，2015，14（2）：317-337.

[7]Grossman， G.M， A.B.Krueger. Environmental Impacts of a North American Free TradeAgreement[N]. NBER Working Paper，1991，No.3914.

[8]李鹏飞，吴利学，田野.中国城镇化路径的环境效应分析[J].城市与环境研究，2014（2）：65-82.

[9]王兴杰，谢高地，岳书平.经济增长和人口集聚对城市环境空气质量的影响及区域分异——以第一阶段实施新空气质量标准的74个城市为例[J].经济地理，2015（2）：71-76，91.

[10]张子龙，逯承鹏，陈兴鹏.中国城市环境绩效及其影响因素分析：基于超效率DEA模型和面板回归分析[J].干旱区资源与环境，2015（6）：1-7.

[11]王家庭，高珊珊.城市规模对城市环境的影响：基于我国119个城市EKC曲线的实证研究[J].学习与实践，2011（12）：18-25.

[12]王婷，吕昭河.人口增长、收入水平与城市环境[J].中国人口，资源与环境，2012（4）：143-149.

[13]杜震，卫平.集聚经济、外部性治理与城市工业排放效率[J].城市问题，2014（10）：23-28，71.

[14]刘习平，宋德勇.城市产业集聚对城市环境的影响[J].城市问题，2013（3）：9-15.

[15]盛斌，吕越.外国直接投资对中国环境的影响：来自工业行业面板数据的实证研究[J].中国社会科学，2012（5）：54-75，205-206.

责任编辑：张 炜