卢 越

(河北师范大学 商学院，河北 石家庄 050024)

一、引言

我国水污染形势与大气污染相比更为严峻，因为其更具隐蔽性和长期性，会给生态环境带来不可逆的损害[1]，而且具有明显的局域特征。据王金南等人估计，2004 年我国环境污染造成的损失约占当年GDP 的3.05%；要想治理当年排入环境中的全部污染物所需投资额约占当年GDP 的6.8%。而在这份估计中，水污染造成的损失占总损失的55.9%，超过大气污染(所占比例为42.9%)，成为最严重的污染因素[2]。尽管从理论上来说，只要施以足够严格的监管，就能把人类经济活动对水环境的影响保持在可持续发展的水平[3]，并且改善水环境的努力已经在部分流域和国家收到了一定效果[4]，但以我国为代表的大多数发展中国家，由于在工业化和现代化的初期忽视了环境成本，一些区域的产业结构政策安排会更偏向污染密集型产业[5]。大量排污企业的聚集[6]、未经处理的污水直排[7]和监管长期不到位[8]使水环境逐步恶化，最终导致水污染问题由部分河段逐渐向全流域或区域整体蔓延[9]。本文即对区域产业结构安排的影响因素及其对水环境效应加以考察，并使用空间计量方法着重考察区域产业结构安排以流域水环境空间效应为媒介对其他地区可能产生的影响，进而揭示相应的政策启示。

二、文献综述

就目前的技术水平而言，在资源循环利用以及末端治理的基础上，工业性水污染需要通过更为合理科学的区域产业政策安排及产业布局来实现污染总量的减排，从而改善流域水环境质量。有关这方面的研究已经从微观企业级或街区级和宏观省级两个角度展开讨论。微观研究主要讨论区域内各类企业排放是否与周边水环境容量相匹配，并根据后者指导产业结构调整。如高爽等以无锡市为例考察各污染行业企业是否在一定的区域内过于集中从而带来严重的治理负担[6]；杨清可等根据太湖流域各水功能区的治理目标对当前的产业结构给出了调整建议[10]。宏观研究主要关注产业结构调整带来的减排效果。如何晓清讨论了各省市水污染密集行业分布状况对水污染排放强度的影响[11]；石敏俊等通过数据挖掘技术估算了省和市级层面的分行业污水排放量，考察不同产业对污染物减排的贡献差异[12]。这些研究的不足之处主要体现在两个方面。在产业结构刻画方面，现有研究多以工业或制造业总体份额或部分排放强度较高的产业份额作为研究指标[13]，对工业结构的整体状况较少关注，事实上一些排放强度中等而规模较大的产业依然可能成为水污染大户。在水污染指标方面，现有研究多使用排放指标而非水环境质量数据[14-15]，而改善环境质量以提升居民福利才是产业结构升级转型的目的之一；更重要的是，排放量指标往往忽视了水污染的空间性，即因地表水流域特性而导致的上下游地区水环境质量的空间相关性[16]，而地区产业结构的环境效应将通过这种空间相关性向下游乃至全流域扩散。忽视这种空间效应无疑不利于流域水环境的治理改善。本文尝试针对这两方面不足作出改进，以河北省为例考察产业结构整体状况的水环境效应，并在其中纳入水环境的空间效应。对于流域性水污染而言，其空间特征表现为从线到面、由上游到下游的传递和接力；而大气污染则更多地表现为从点到面的累积弥漫性和扩散性(流动性)传播。因而，如何在数量分析(以模型为工具)中刻画流域性水污染的特征，直接影响着分析结果的可信性及衍生的政策建议的现实意义。传统计量模型通常将上游地区水环境的影响视为外生变量[16]，相比之下，空间计量方法将内生地考虑了这种空间关联，使得模型的准确性得以提升[17]。一些关于流域水污染的研究也认为空间计量方法比一般线性回归方法更适合解决水污染这种包含空间效应的问题[18-19]，该方法也是现有产业结构水污染效应的研究中较少使用的方法。本文即使用空间计量方法考察污染产业分布的空间特征和产业结构的水环境效应，并在讨论区域产业结构影响因素的基础上，对上下游地区产业结构的调整方案给出初步建议。

三、流域的空间特性与模型设计

1.流域空间特性的刻画

本文使用空间计量方法考察区域产业结构对流域水环境的影响，因此有必要刻画上下游的关联特征。使用空间计量方法首先需要判定变量的空间依赖特性，即一个变量在某地区的观测值是否会受到其他地区观测值的影响。该影响的大小可以用全局Moran 指数来研判。具体而言，对于任意一个空间变量X，它的全局Moran 指数为:

其中n为观测单元(或观测地区)的个数，wij为事先给定的观测单元i与j之间的空间权重，W＝{wij│i，j＝1，…n}为空间权重矩阵，刻画了空间各单元间如何发生空间联系。全局Moran 指数一般在[-1，1]之间变动。该指数越趋近于1，则表明各单元X 变量值的空间正相关性越大，该指数越趋近于-1，则表明各单元X值的空间负相关性越大；如果该指数接近0，则表明X变量值不具有空间相关性。本文关注各地区的河流水质。河流水质的空间联系来自流域上下游的地理属性，因此相对于空气质量等常见的具有空间联系的变量，水质的空间联系至少有两点不同，一是相邻但非同条河流上下游关系的地区不应有此空间联系，二是上游水质对下游的影响是单向的，下游地区水质无法影响上游。反映到W的设置上，则体现为既不能按区域是否相邻或距离远近设置权重，也不能将W设置为对称矩阵(以表明地区间是相互影响的)。基于上述两点独特性，本文设置如(2)所示的非对称流域空间权重矩阵。设W的元素为:

在给定的W值下计算出的全局Moran 指数如果为正，则说明变量观测值较高地区周边同样聚集有高值地区，反之亦反是。如果全局Moran 指数显示变量明显空间相关，则需要在回归模型中引入空间效应。常用的空间计量模型有空间滞后模型(SAR)、空间误差模型(SEM)和空间杜宾模型(SDM)，如(3)(4)(5)所示。

其中Y表示因变量矩阵，X表示解释变量矩阵，u和ε均为误差项且ε满足独立同分布、零均值同方差的假定。空间滞后和空间误差的LM 检验可以分别用于判断模型(2)和(3)的形式是否适宜，如果两检验皆通过，则应考虑使用SDM模型[20]。

2.模型设置与变量说明

本文考察河北省产业结构的环境效应及其影响因素。为此设置如下的实证模型:

其中i和t表示地区和时间指标，α2、β1～β3为参数集，为误差项，误差项的统计性质取决于空间计量模型和个体效应的具体形式。

模型(6)用于考察产业结构的水环境效应，其中WQit代表水环境质量，由地表水COD(化学需氧量)浓度断面监测值表示；strit代表产业结构状况，即当地产业结构对污染产业的偏重程度。为了尽可能全面地衡量产业结构的整体污染状况，本文参照张宇等人的做法构建了一个产业结构污染指数strit[21]，其计算方法是:

其中Ek，t和Yk，t分别表示t时期全国范围行业k的污染物排放量和产值，yk，it和yit分别表示i地区t时期行业k的产值和制造业总产值，n表示制造业行业总数①。这一指标本质上是将全国各行业污染物排放强度(单位产值排放量)按产业份额加权求和作为地方的产业结构污染指数。该指数越高，则说明地区产业结构越偏向污染密集产业。模型(6)中的表示控制变量集。基于已有研究，本文在中设置了人口规模、城市化水平、经济水平、科技水平和政府环境治理努力五个控制变量。其中，人口规模由年均人口数表示，城市化水平由城区人口数量占年均人口比重表示，经济水平由人均GDP 表示，科技水平由专利授权数表示，而政府治理环境努力由地方政府环保支出与其在一般财政支出中所占比重的乘积表示。这是考虑到环保支出额度虽然体现了环境治理力度但其往往与财政收入有关[22]，环保支出比重仅仅体现了地方政府对环境治理的重视程度而忽略了绝对支出额的作用，二者的乘积可以避免单一指标的偏颇。最后，由于存在空间效应，模型(6)应在LM 检验的基础上选择(3)-(5)中的一种形式进行估计。在(6)的基础上，模型(7)进一步考察哪些因素影响了对污染产业的偏重程度。在模型(7)中，需求侧与供给侧的影响分别以demit与supit表示。设置这样两个变量集，是考虑到消费需求、要素投入和技术水平等需求侧与供给侧两方面的因素会对产业结构产生显著影响[23]，因此也会影响一个地区对污染产业的偏重程度。demit包括周边地区相对经济水平(记为LO)和出口对GDP 的比值两个变量，它们分别代表了周边地区的需求和出口需求。LO的计算方法为:

其中i为地区指标，GDPi为地区i的GDP，dji为地区j到地区i的地理距离。一个地区的LO值越大，表明其周边特别是相邻地区的经济水平越发达。而用LO代表需求侧因素，其含义在于较大的经济规模通常会产生较高的消费需求[24]。supit包括技术密集程度(记为TI)和资本密集程度(记为CI)两个变量。这两个变量的计算方法分别为:

其中m表示制造业产业数量，PIk、RDk与CLk分别为产业k的排放强度、单位产值R＆D 内部支出和劳均资产。(10)与(11)均为污染密集(排放强度较高)产业赋予了较大权重，因此当一个地区污染密集产业的技术投入和劳均资产较高时会使得该地区的TI 与CI 显著高于其他地区。

其中GZk与SZk分别表示产业k所有者权益中的国家资本数量与实收资本数量。显然，如果污染密集产业的国家资本比例较高，则会显著提升GC 数值。除此之外，中的治理因素用污水处理率表示。由于不存在空间效应，模型(7)将使用传统的面板模型估计方法。

3.数据来源

模型(6)和(7)的样本均为河北省11 个地级市。地方水质数据取自河北省环保厅网站，由辖区内各河流监测点的年均COD 浓度取算数平均值后所得[25]。为与水质数据相对应，(8)中的E(k，t)与(10)-(12)中的PIk均为COD 的排放量与排放强度，排放强度数据由«中国环境统计年鉴»的分行业COD 排放数据和«中国工业统计年鉴»的分行业销售产值数据计算得到。另外，式(9)的LO 在计算时，先通过arcgis 软件导出河北省11 个地级市与全国277 个市(包括地级市和直辖市)的直线距离，再根据各市的GDP 代入计算；其中各市信息和GDP 数据来自相关年份的«中国城市统计年鉴»。其余变量所需数据均取自河北省环保厅网站、相关年份的省级与各市统计年鉴和«河北财政年鉴»。限于连续数据的可得性和统计口径的一致性，样本的时间跨度为2012—2015年。(6)与(7)中的价格绝对值数据均按相关指数折算为2012 年不变价格，出口数据按年均汇率折算为人民币金额后再合成相关指标，个别产值数据缺失的产业用销售产值代替。各变量的描述性统计如表1 所示。

表1 变量的描述性统计

四、实证结果与分析

1.河北省水污染和重污染产业的空间分布状况

水污染的空间相关性可以通过在空间权重矩阵(5)基础上计算的全局Moran 指数来考察，其结果显示出海河流域下游水质与上游水质较强的相关性(表2)。图1 报告了这种空间分布的相关性，其特点可概括为两点。一是由于上述空间相关性的存在，下游城市(特别是唐山、沧州两个入海口城市)水质相对劣于上游城市；二是全省水污染呈现“南重北轻”的特点，京津以北地区水质显著优于南部地区，其水质由上游到下游逐渐败坏，而以石家庄—沧州一线为代表的子牙河流域表现为全流域的重度污染。

表2 COD 浓度的全局Moran 指数

为了在模型(1)中考察产业结构的水环境效应及其影响因素，首先按照式(6)计算各地的产业结构污染指数，结果显示在图2 中。与水污染的规律性空间分布不同，产业结构污染指数较高的地区并未呈现集中分布的特点。但概括而言，1996 年至2015 年，污染指数较高的地区由南北两端向中部地区靠拢。更重要的是，污染指数较高的地区由1996 年的上下游皆有分布逐渐发展为2015 年的集中在中上游地区分布，即就水环境的友好程度而言，下游地区的产业升级转型相对成功，而上游地区则相对滞后。为了进一步分析水污染密集产业的空间分布特征，选取对各市产业结构污染指数贡献率前十的行业计算其全局Moran 指数。表3 仅列举了空间相关性显著的行业，表中Moran 指数均为正，即污染产业呈现高值集中分布或具有向周边辐射连片发展的特征。就全省而言，不论南北均有污染产业集中分布。从时间趋势上看，连片发展的产业从改革开放初期的轻纺工业逐渐向原材料工业倾斜。更值得注意的是，1986—2015 年间，这些产业分布的中心城市通常为上游城市。这一方面说明河北省的产业布局站在流域水体保护的立场上自改革开放伊始就有其不合理性，另一方面也意味着三十年来全省产业环境友好转型的效果其实相对有限。

表3 河北省水污染产业空间分布状况

2.空间视角下产业结构的水环境效应与影响因素

为了得到模型(1)的估计结果，首先应通过LM 检验判定空间效应的存在形式。检验的结果如表4 所示。固定效应联合显著性检验结果显示应采用空间固定效应模型，LM 检验显示应采取空间滞后项的形式引入空间效应。因此，模型(1)应使用固定效应空间滞后模型(SAR)。模型(1)与模型(2)的方差膨胀因子均小于5，不存在严重的多重共线性。两个模型的回归结果见表5。

表4 空间效应检验结果

表5 模型回归结果

(1)产业结构状况的影响因素分析

模型(7)的结果显示，需求和供给侧因素都对产业结构污染指数有较显著的影响。就需求侧而言，相对经济水平和出口对污染指数呈现相反的作用。相对经济水平较高的地区产业结构污染指数较低，这意味着周边发达城市较多的地区产业结构相对环保，因为周边较大量和较高层次的市场需求可能有助于促进产业结构升级转型。相比之下，出口比重较高的地区其产业结构污染指数也较高，即为了满足外需而扩大的产能往往使产业结构变得“肮脏”。不过这并不代表出口本身会引发更多污染[26]，而是说明在技术水平普遍不高的情况下，增加出口比重相当于主动承担了国外市场高排放产品的供给。就供给侧而言，技术密集程度和资本密集程度的系数均为负值，说明考虑到计算这两个指数时为排放强度较大的产业赋予了更大的权重，可以认为污染密集产业科技投入不足和资本密集程度较低阻碍了产业升级转型。事实上，工业企业技术含量低的缺陷几乎伴随了河北改革开放的全过程②。图3(b)和图3(c)给出了2015 年技术密集程度和资本密集程度的分布状况，不难发现，上游地区有较高的技术密集程度而下游地区有较高的资本密集程度。此外，尽管省会石家庄及周边地区的产业结构污染指数相对较高，但该区域较高的技术密集程度使得产业结构污染指数有了较大幅度的下降，而技术与资本密集程度均较低的邯郸与沧州等地该指数反倒有所增加，见图3(a)。

(2)空间视角下区域产业结构的水环境效应

模型(1)的估计结果中，产业结构污染指数和空间滞后项系数均显著为正(表5)。一方面，较高的污染指数对当地水环境造成较大威胁，另一方面，借助地表水由上游向下游的流动，上游地区较高的污染指数也会对下游乃至全流域的水环境造成破坏。以唐山和沧州两个入海口城市为例，2015 年这两个城市的产业结构污染指数分别低于各自的上游城市——承德、衡水、保定(图2(c))，但由于承接了上游来水，又有本地排放，其水质较上游地区明显为劣(图1(b))。由(8)可知，较高的指数可能由高排放强度产业或高份额产业两种情形导致。为了进一步区分这两种可能，考察各地对产业结构污染指数贡献率排名前三的产业，并将这些产业的特性以示意图表示(图4)。从空间的角度看，对污染指数贡献较高的产业至少有两个特征。一是上游地区排放强度较高的产业其份额也往往较大，这一特征以河北省南部尤为严重，特别是石家庄的化学制造、保定的纺织等产业已成为当地不可或缺的支柱产业之一。上游地区对高排放强度产业的依赖无疑给全流域污染防治增加了额外负担。二是下游地区排放强度较高的产业虽然通常份额不大，但另有一些产业如钢铁、石油加工与炼焦等，其排放强度在各产业中本数中等水平，可由于其份额特别巨大和连片发展的特性(表3)，也为污染指数的增加贡献了较大份额，从而成为影响流域水环境的重要因素。以典型的钢铁产业(黑色金属冶炼及压延加工)为例，河北北部流域四市张家口、承德、唐山、秦皇岛2015 年的钢铁产业份额分别为33.27%、61.42%、58.97%和26.12%，钢铁产业已经遍布全流域甚至成为工业经济的绝对支柱产业，这在威胁全流域水环境的同时也给地区产业转型造成了较大困难。

五、结论与启示

本文以空间计量模型为工具，分析产业结构安排对流域水污染的影响。模型结果表明，改革开放以来河北省上游地区布局有大量污染产业，部分污染产业甚至出现辐射周边连片发展的倾向，这对流域水环境产生了严重不利影响；不仅如此，上游地区的产业结构升级转型相对落后于下游地区，这使得上游地区产业结构的环境污染效应以地表水为媒介向全流域扩散，从而导致下游地区产业结构升级转型的环境利好被来自上游产业的环境污染所抵消；就供给侧而言，较高的产业结构污染程度与污染产业技术投入强度不足和资本密集程度较低有关，就需求侧而言，处于发达地区周边的城市产业结构污染程度较低，而在技术水平得不到提高的情况下盲目提升出口比重则可能带来更多污染。

最大限度地降低产业结构污染程度，在降低排放强度的同时促进产业向低排放部门转型，不仅是建设具有良好生态环境的小康社会的主要任务，也是供给侧结构性改革的必然要求。在这一视角下，基于本文上述结论，可以得到如下启示:

(1)要加快促进污染产业技术投入强度和资本密集程度的提升，有效降低产业排放强度和产业层级。河北省在改革开放初期布局了大量的轻资产、低技术、高排放企业[27]，不仅造成低水平重复建设，还带来了严重污染，并且由此形成的产业路径依赖也为如今的供给侧结构性改革增添了较大困难。2015 年出台的«京津冀协同发展规划»明确将产业升级转型和产业对接作为京津冀一体化的重点领域，各地方政府应以此为契机努力为上述产业创造升级便利。

(2)站在流域环境保护的立场上，供给侧结构性改革既要有“流域大局观”，又要结合各产业的排放强度和份额具体问题具体分析。一方面，所谓“流域大局观”，即污染产业布局时应考虑到产业污染对全流域的影响，而这也是早期河北省所缺乏的。各市普遍追求“五脏俱全”的产业结构，过分强调“一个都不能少”而忽略打造特色产业[28]，最终导致上游地区的污染密集产业长期以来难以得到有效控制，下游地区也未能就产业链衔接与产业合作问题与上游有效沟通。因此结构性改革的任务清单中也应当包括增强区域产业的横向联系，变竞争为互补，变上下游一齐布局为统筹布局。另一方面，具体到产业上，不同产业需要区别对待。鉴于许多上游地区排放强度较高的产业已经成为工业经济不可或缺的支柱，对这些地区的改革可以秉承先易后难的原则，优先推动排放强度高但份额不大的产业升级转型，力求在现有支柱产业(同时也是污染密集产业)之外开辟新的经济增长点，为后续改革减轻经济压力，避免在短期内形成环境与经济的对立。而下游地区排放强度较高和份额较大的污染产业多不重叠，因此可以双管齐下，一边处理份额较小的高排放强度产业，力促其升级换代或退出市场，另一边推动排放强度一般而份额较大的污染产业积极稳妥淘汰落后产能，在改善流域环境的同时最大限度避免经济短期波动。

注释:

①鉴于采矿业对自然资源的依赖性和电力、热力、燃气、水的生产和供应业的特殊性，本文仅考虑制造业行业。

②查阅河北省历次五年规划可以发现，从“七五”计划到“十三五”规划，“工业技术水平低”“产业结构不合理”以及“粗放增长”等论述一直被用于描述河北省工业的不足。详见历年«河北经济年鉴»。