卢佳友 周宁馨 周志方 曾辉祥

摘要 《水污染防治行动计划》（简称“水十条”）是国家为切实加大水污染防治力度，保障国家水安全而制定的法规。为检验“水十条”的政策影响效应，文章利用2012—2017年全国269个地级市的数据，结合工业化程度、对外开放水平、技术进步、人口规模、水资源禀赋等控制变量，运用双重差分法对“水十条”政策实施是否有助于减轻工业水污染强度进行研究。研究发现：我国中西部地区由于产业结构、技术水平等原因，工业水污染强度显著高于其他地区，“水十条”政策实施显著降低了中西部地区工业水污染强度。通过改变政策实施时间、剔除中心城市、增加控制变量以及剔除严重污染等方式进行重新回归，检验结果依然具有较强稳健性。进一步分析中，文章研究了产业结构以及技术创新的作用机制，发现第一产业比重显著降低，而第三产业显著提升，产业结构得到优化，并且技术创新效应显著加强。结果表明，产业结构升级以及技术创新均为“水十条”政策改善工业水污染强度的有效途径。在空间异质性方面，在环境规制强度较高的地区“水十条”政策对工业水污染强度的影响相对较小;而在环境规制强度较低地区却呈现出较强的抑制作用，主要原因在于环境规制强度高的地区水污染情况原本较好，因此污染強度降低幅度较小。因此，文章认为“水十条”政策能够显著改善工业水污染强度，并且加上环境规制、技术创新以及产业结构优化等手段的辅助能够更好地发挥政策效果。文章的发现为中国水污染防治行动提供了有益的政策启示。

关键词 “水十条”;工业水污染强度;双重差分法

中图分类号 X52

文献标识码 A 文章编号 1002-2104（2021）02-0090-10 DOI：10.12062/cpre.20200618

我国用近40年时间追赶发达国家的工业化、城市化进程[1]，在实现经济发展、高速城市化的同时也带来了一系列的环境问题，其中水污染问题最为严峻[2]。对此，2015年4月，国务院发布《水污染防治行动计划》（以下简称“水十条”），切实加大水污染防治力度。由于各地经济、社会、环境等因素有所不同，政策实施效果是否具有显著差异成为亟待研究的问题，相关研究也对于因地制宜制定水污染防治政策、因势利导实施水污染治理措施具有现实意义。

针对工业水污染，当前文献从宏观、微观角度集中分析了工业水污染分布状况、影响因素以及政策效果等方面。空间分布方面，很多研究结论表明我国工业污水强度分布呈现“西高东低”特征;影响因素方面，诸多学者研究了宏观层面如经济发展水平、工业化程度、人口规模、城镇化水平[3-6]，以及微观层面如企业技术创新、企业聚集、市场竞争等因素对工业水污染的影响机制[7-11]，为本文展开研究提供了依据与借鉴。而在政策效果评价方面多数文献主要聚焦于地区环境政策，鲜有学者立足于国家层面综合考量水污染政策实施治理成效。鉴于此，本文从大规模治理污染政策角度出发，剖析政策冲击对工业水污染治理的影响机制。本文可能的边际贡献在于：①研究内容方面，率先探讨国家层面“水十条”政策对工业水污染的影响;②研究方法和数据方面，本文采用全国地级市面板数据作为样本，避免了省级面板数据宏观汇总偏差;③本文的研究结论可以为我国有针对性地完善水污染治理政策提供经验支持和政策建议。

1 文献回顾与机制分析

1.1 工业水污染的相关研究

我国正处于工业化发展的加速阶段，水污染问题已经成为政治、社会生活重要议题[12]。水污染按照来源可分为工业废水、城镇生活污水及农业面源污水[13]。吴舜泽等[14]、Vennemo等[15]、茹蕾等[16]等人研究均表明工业污水是我国水污染主要污染源。进一步，丁凡等[17]、孙玉阳等[18]针对2004—2015年突发公共卫生事件中全国126起水污染事件，以及我国各主要流域污染事件进行研究，结论均表明污染原因以工业废水污染为主，表明了工业废水治理的重要性。农村水污染一般分为内生性污染和外生性污染。《2010年中国环境状况公报》指出，“农村工矿污染凸显，城市工业污染向农村转移有加速趋势”[19]。洪大用[20]通过研究印证了外生性污染对于农村水污染日益严重的影响;袁平等[21]、李玉红[22]进一步阐明高污染排放的工业企业向中西部尤其农村地区迁移，成为中国最主要的农业污染源。诸多研究从直接、间接层面均表明加强工业水污染治理对于农业污水治理、居民健康以及经济可持续发展具有重大意义，因此亟须掌握工业污染治理状况，提高工业废水综合治理水平[23-24]。

由于我国地域广阔，自然条件各异，不同地域在自然资源、生产方式等方面具有不同的特点，由此产生的经济模式、产业结构等方面的差异就会造成不同程度的污染[25]。孙才志等[26]、李珊等[27]对区域用水效率做了时空分析，研究表明用水效率在不同地区差异明显。尽管中国工业整体用水效率不断提升，但不同地区的差距逐渐扩大，东部地区如京津冀地区效率显著较高，而中西部地区工业主要呈现出高污染、高耗水等特征，加之由于技术效率以及规模效应不足，污水处理效率并未相应提升，隐含着较大的环境风险[28-29]。丁绪辉等[30]研究进一步指出，中西部地区省份用水效率处于下降趋势。并且，东部沿海地区在产业结构调整、升级过程中，逐渐将一些高污染产业转移至中西部地区，形成工业污染的“西迁”，并且“西迁”的速度可能会有所加快[31]。因此，产业分布格局的变化，直接影响到工业企业污染物排放的空间格局[32-35]。

学界关于工业水污染分布格局研究角度主要分为两方面，一是工业污水排放量，二是工业水污染强度。从工业污水排放量的直观数据来看，我国东南部地区废水排放量显著高于西北部[36]。诸多学者运用多种数据和严谨方法对于污水空间分布进行研究，如杨文举[37]研究发现中国工业废水排放表现出明显的空间集聚特征，且集聚趋势逐年加强。另有学者进一步对工业废水的具体空间集聚情况进行探索，如罗海江[38]、何雄浪[39]采用偏离-份额分析法和空间杜宾模型，发现环境污染在地区间存在“高高”“低低”聚集的现象，且东部地区工业污水排放量显著上升。庄汝龙等[5]运用GIS空间分析方法和SARAR计量模型系统刻画了中国工业废水排放量总体“东南高、西北低”的省际格局特征，胡焕庸线可看作工业废水排放“热区”与“冷区”的分界线。李花等[40]从“大区-城市群-城市尺度”角度出发，发现大区保持“东部>中部>东北>西部”的污染排放格局不变。而从工业水污染强度角度进行研究得出的结论与前者基本相反：胡志强等[41]采用探索性空间数据方法构建空间计量模型，表明工业废水污染强度呈现“西高东低”格局。王艳华等[42]以熵指标方法分析得出我国高工业水污染强度的地区主要集中在西部省域。综上所述，理论上由于受地理位置、工业发展水平、产业转移等等因素的影响，工业产业之间存在空间集聚效应，其副产品的工业废水随之也具有空间聚集特征。根据目前主要的研究结论，可以看出我国工业废水排放总量呈“东高西低”格局，而排放强度则“西高东低”。

1.2 “水十条”政策与工业水污染

中央政府早在2015年4月就出台了《水污染防治行动计划》，旨在改善水质量。针对工业污染，“水十条”中第一条强调“集中治理工业集聚区水污染，集聚区内工业废水必须经预处理达到集中处理要求，方可进入污水集中处理设施。新建、升级工业集聚区应同步规划、建设污水、垃圾集中处理等污染治理设施”。同时，第二条中明确“优化水空间布局，合理确定发展布局、结构和规模，充分考虑水资源、水环境承载能力，严格控制缺水地区、水污染严重地区和敏感区域高耗水、高污染行业发展，新建、改建、扩建重点行业建设项目实行主要污染物排放减量置换”。最后，针对工业水污染企业：“逐一排查工业企业污水排放情况，达标企业应采取措施确保稳定达标;对超标和超总量的企业予以‘黄牌警示，一律限制生产或停产整治;对整治仍不能达到要求且情节严重的企业予以‘红牌处罚，一律停业、关闭”。

政府之所以要将集中治理工业集聚区水污染作为工业水污染治理的首要途径，与中国工业水污染现状是密不可分的，中国工业聚集区即为中国工业水污染主要分布区域。由前文可知，我国工业以及其副产品工业废水由于经济发展水平等地区差异，存在显著的空间集聚效应。且中西部地区由于生产特征为高污染、高耗水，加之工业污染的“西迁”，使得中西部地区工业水污染强度高于其余地区。“水十条”中重点举措“升级工业集聚区应同步规划、建设污水、垃圾集中处理等污染治理设施”“严格控制缺水地区、水污染严重地区和敏感区域高耗水、高污染行业发展”以及“逐一排查工业企业污水排放情况”等措施将显著改善工业水污染强度。首先，升级工业聚集区同步规划、完善各类处理设施，能够促进工业水污染集中治理，利用聚集区企业分工协作的优势，形成完善的资源利用网络，统一排放、集中处理，从而减少水污染。其次，严控高耗水、高污染行业的发展有助于工业聚集区产业换代升级，从源头减少污染排放的可能性，同时也将促进企业技术进步。技术创新将带来生产工艺的提升，从而实现高效生产，减少单位产出的污染排放。最后，在工业集聚区集中治理，有利于环保部门进行集中监管，为严查严控工业企业污水排放情况提供了便利。因此，理论上，“水十条”各类措施能够加强污水处理，减少排放，对改善水质量起到积极作用。

2 变量选取与数据来源

2.1 变量选取

2.1.1 被解释变量

水污染强度（Pollution）：本文考察的重点在于“水十条”政策是否显著改善了水污染情况。目前中国水污染源主要来自工业、农业和城镇生活面源污染，结合本文的研究重点以及数据的可获得性，本文将工业废水排放量除以实际GDP作为水污染的主要统计变量，衡量水环境质量的改善情况。目前中国正面临经济转型，经济发展已不再是单一目标，在经济稳定增长中实现生态环境恢复和改善才是发展的最终目的，因此对实际环境污染状况的评价采用污染排放强度指标更加合理[43]。

2.1.2 解释变量

本文将“水十条”政策实施年份作为时间虚拟变量（Time），用以检验实验组和对照组在该政策实施前后水污染强度的变化。当地级市i在时间t公布了“水十条”政策则取值为1，反之取值为 0。并引入地区虚拟变量（Treated）以识别出政策在不同组别中的影响是否具有差异。最后，本文引入时间虚拟变量和地区虚拟变量的交互项（Time×Treated）作为核心解释变量。交互项可以检验实验组和对照组在政策实施下的水污染强度的真实变化情况。

2.1.3 控制变量

工业化程度（Industry）。工业化程度是衡量地区工业发展水平的重要指标，同时也直接影响了地区工业水污染强度。受限于数据可获得性以及借鉴现有文献，本文采用各地级市工业产业产值占GDP的比重作为工业化程度的代理指标。

对外开放水平（Capital）。本文采用年末实际利用外商直接投资额作为对外开放水平的代理变量。对于外商投资的依存度上升可能会加剧水污染，但是外资同时会引入先进的工艺和技术，有助于改善水污染情况。

技术进步（Technology）。科技投资是技术发展的坚实基础，而水污染状况的改善离不开技术进步。技术升级可以一方面减少污染物的产生，一方面提升污染物的处理率，通过两种途径降低水污染强度。本文采用年末科学技术支出总额代表技术进步水平。

人口规模（People）。人口规模的扩大，通常伴随着工业规模的扩大，引起资源能源消耗与污染物的产生。本文采用年末户籍人口数量衡量人口规模。

水资源禀赋（Water）。一个地区所禀赋水资源量在一定程度上会限制该地区的用水量。为了更加公平客观地比较各省份工业水污染强度差异， 本文选取各地级市水资源总量指标描述水资源禀赋。

2.2 数据来源

本文研究样本数据主要来自《中国城市统计年鉴》《中国统计年鉴》以及各省统计年鉴，构成 2012—2017年地级以上城市年度面板数据。受限于數据可获得性，本文剔除了西藏自治区、青海等省份，最终数据包含269个地级市。本文借鉴胡志强等[44]的研究结论，按照全国水污染强度划分实验组对照组，将水污染强度明显较高的甘肃、宁夏、广西、云南和湖南等省份所属地级市划分为实验组，其余省份所属地级市划分为对照组。描述性统计结果见表1。

3 模型设定

“水十条”政策实施以来，其对各地区工业水污染强度的影响一方面可能源于政策效应，另一方面可能由于时间趋势变化产生的时间效应，对于政策效果的正确分析尤为重要。双重差分法能够有效识别政策效果，并且避免以往方法普遍面临的内生性问题，因此，本文构建双重差分模型开展研究。

（1）水污染强度地区差别：本文利用双重差分模型检验工业废水污染强度差异，将实验组和对照组进行双重差分，基准双重模型设定如下：

其中，i代表城市，t代表时间，Polltionit为水污染强度。treatedi为城市i是否为工业水污染高强度地区，参数 δ 为工业水污染高强度地区的水污染强度。Xit为控制变量，μit为地区固定效应，πit为年度固定效应。

（2）“水十条”政策的影响：随着“水十条”政策的公布，全国各城市实施了各项水污染防治措施，基于此，本文试图利用双重差分方法，采用各种控制变量控制住不同地区差异，检验工业水污染高强度地区实施了“水十条”政策之后是否达到了政府改善水质量的目的。因此，新模型的设定如下：

其中，Pollutionit为各城市实施“水十条”政策后的虚拟变量，即城市i在年份t之后颁布了“水十条”政策即为1，否则取0，以此度量该城市是否实施了“水十条”政策。本文的核心系数是方程中的β，即实施“水十条”政策后，工业废水“重灾区”城市的水污染是否显著得到缓解。

4 实证检验

4.1 回归结果

基础回归结果见表2。列（1）是利用269个地级市样本的回归结果，回归中控制了时间和地区固定效应。回归结果显示，中西部地区水污染强度显著高于其余地区。列（2）在控制时间和地区固定效应的基础上进一步控制了工业化程度、对外开放水平、技术进步、人口规模以及水资源禀赋，回归结果仍然显示中西部地区水污染强度较高，实验组对照组的区分具有说服力。

4.2 平行趋势检验

使用双重差分法的一个重要前提是满足平行趋势假定，即如果没有执行政策，那么实验组与对照组城市变化趋势应当是一致的，为了验证这一点，本文参考Jacobson[45]等人的研究方法，利用事件分析法来进行平行趋势的检验，如图1所示。其中，以“水十条”政策实施前的2014年作为基准年，βk表示2012—2017年一系列的估计值，其他变量定义与回归模型（1）相同。

图1绘制了95%置信区间下的βk系数估计结果，如果系数在k<0期间的趋势不显著且较为平缓，则表明符合平行趋势假设;反之，如果在k<0 期间的发展趋势显著上升或下降，则证明实验组与控制组在政策执行之前，已经有了显著的差异，不符合平行趋势假定。根据图1可以看出，2012—2014年系数均不显著，说明实验组与对照组在政策实施前不存在明显差异，满足假设。另外，可以发现，政策实施后系数开始显著，且保持显著趋势，说明2015年“水十条”政策开始产生影响，显著地降低了水污染强度。

4.3 双重差分回归结果

为了考察“水十条”政策如何缓解工业废水“重灾区”的水污染强度，本文对模型（2）进行回归，回归结果见表3。列（1）是利用269个地级市样本回归的结果，列（2）加入了时间和地区固定效应，列（3）回归中控制了工业化程度、对外开放水平、技术进步、人口规模与水资源禀赋，列（4）在前基础上加入时间和地区固定效应。回归结果均显示，实施“水十条”政策将使得工业水污染高强度地区水污染情况明显改善。Time×Treated变量回归系数即为“水十条”政策实施对于工业废水“重灾区”水污染强度的检验影响，即政策实施使得水污染强度下降1.3，因此，可以得出，“水十条”政策的推行使得工业废水重灾区水污染强度显著下降。

上述结果表明，“水十条”政策显著降低了工业水污染强度，理论上来说，“水十条”政策可能短期内给地区工业企业带来一定压力，增加了污水处理成本和排污处罚费用，但长期而言可以通过合规压力与补偿效应促进生产结构的改善和排污技术的提升，促进地区经济健康发展与污染治理减排双重目标的实现。

4.4 稳健性检验

为了进一步确保研究结果的稳健性，本文以模型（2）作为基础，进行了一系列稳健性检验，囿于文章篇幅限制，相关稳健性检验结果省略。

首先，考虑到某些不可观测但随时间变化的因素可能同时影响一个城市工业水污染情况，本文采用了安慰剂检验方法重新测度回归结果，以消除这种不可观测变量带来的系统性误差影响。具体的，本文将“水十条”实施年份之前的第二年作为“伪水十条”的实施时间，重新检验其对工业水污染强度的影响。结果表明，提前两年的政策实施效果并不显著，稳健地表明“水十条”政策实施的确有利于工业水污染情况的改善。

其次，考虑到直辖市、省会城市等中心城市在水污染治理中存在非随机问题，本文参考龙玉等[46]、张梦婷等[47]的做法，采用“外围城市”（剔除中心城市）的样本重新进行检验。检验结果中Time×Treated的系数依旧负向显著，表明其并未对估计结果造成影响。

此外，考虑到本文对照组和处理组之间存在较大差异，为了说明本文试点省份城市的选择不影响估计结果，本文参考黄向岚等[48]的研究，在回归中加入更多的控制变量，其中包括工业企业数量（Company）、城镇化率（Urbanization）、教育水平（Education）和环境投资水平（Investment）。工业企业数量、城镇化率采用《中国城市统计年鉴》历年工业企业数量以及城镇化率数据，教育水平采用地区高校在校生人数衡量，环境投资水平采用环境基础设施投资额占GDP的比重表示。回归结果均显著为负，体现了基本回归结果的稳健性。

最后，由于样本中存在个别城市污染较为严重，考虑到异常值可能对估计结果产生影响，本文进一步剔除所有严重污染城市样本，回归检验结果中系数依旧显著为负，表明基本回归结果具有一定稳健性。

5 进一步分析

以上研究表明，“水十条”显著降低了工业废水“重灾区”水污染强度，那么其中作用机制是什么呢？是否存在潜在因素对政策效果具有阻碍作用呢？根据“水十条”的政策实施细节，本文认为“水十条”总体分为直接和間接两种方式：一方面，从源头直接减少工业废水污染排放，如通过调整产业结构等方式;另一方面，提升工业废水处理率间接减少污染排放，如通过技术创新提升对污染物的处理能力。为验证这一机制，本文将从这两个角度，具体采用第一产业比重、第二产业比重、第三产业比重、能源强度以及技术创新验证“水十条”其中的作用传导机制。

5.1 影响机制分析

（1）产业结构。首先，“水十条”政策可能通过优化城市产业结构与促进城市产业升级来减少工业废水污染。传统产业可以通过改变生产方式、更新技术减少污水排放，其他产业借助产业结构升级发展低污染低能耗产业，促进整体产业朝向绿色环保方向发展，从而减少工业废水污染。基于此，本文采用第一产业、第二产业和第三产业分别占GDP的比重作为城市产业结构变化的代理变量。结果如表4所示，列（1）中城市第一产业比重系数显著为负，表明“水十条”政策实施显著减少了第一产业比重，而列（3）中第三产业比重系数显著为正，表明政策同时带来了第三产业的增长，促进产业结构升级。而第二产业变化不显著，表明短期内并没有证据支持“水十条”通过改变第二产业比重改善工业水污染这一机制，所以本文选取能源强度这一指标进一步衡量水十条对于第二产业的影响。

能源强度即能耗与产出之比，能源强度通常与能源投入和污染排放呈现正相关关系。Newell等[49]和董锋等[50]学者研究表明，能源要素会由于产业结构变动而在不同产业间流动，例如由产能较低的一产流向高产能、高附加值的二、三产，因此能源强度能够作为衡量产业结构变动的代理变量。由于大多数工业行业对于能源有高需求的特征，工业产业的发展往往伴随着能源消费的提升，使得能源强度难以下降，所以本文参考王珂英等[51]的做法，通过亿元生产总值电耗（工业用电量/生产总值）衡量（第二产业）能源强度，来侧面验证第二产业的变化情况，见表5。列（1）为能源强度的基本回归，列（2）控制了时间、地区固定效应，列（3）列（4）在前基础上进一步加入控制变量。回归结果均表明“水十条”政策实施下，第二产业能源强度并未产生显著变化。回归结果侧面印证了在“水十条”政策实施下，第二产业尚未显著变化的结果。

（2）技术创新效应。

最后，“水十条”政策可能通过提升污水处理率降低水污染强度，例如通过技术创新、提升污水排放标准、增加环保投资、加强环保基础设施建设等方式。“水十条”中明确规定：“发挥企业的技术创新主体作用，推动水处理重点企业与科研院所、高等学校组建产学研技术创新战略联盟，示范推广控源减排、清洁生产和回收处理先进技术”，以及“攻关研发前瞻技术，加快研发重点行业废水深度处理等技术”。结合前文理论推导以及现实政策实施，政策可以通过鼓励企业技术创新，提升工业污水处理能力，从而达到废水排放标准，降低水污染强度。为了验证这一传导机制，本文选取中国研究数据服务平台（CNRDS）中各地级市专利申请量（Patent1）和专利获得量（Patent2）作为技术创新的代理变量进行检验。专利数据作为创新投入的产出指标，能够反映科研能力、科研经费等信息，能够直接测度创新能力[52]。表6显示了回归结果，列（1）和列（2）检验了政策对专利申请数量的影响，其中列（2）控制了时间和地区固定效应;同理，列（3）和列（4）检验了专利获得数量。结论显示无论是否控制其他因素，技术创新的估计结果系数均显著，表明政策的确促进了技术创新。因此，“水十条”政策通过技术创新途径降低水污染强度得到有效验证。

综上，机制分析结果表明：一方面，“水十条”政策显著地降低了水污染强度，并且改善了城市产业结构，提升了第三产业的比重，促进低能耗、环保型产业的发展，但短期内尚未有证据表明政策显著地降低了工业生产的比重;另一方面，“水十条”政策通过促进产业技术创新降低了水污染强度，发展清洁、减排技术，减少水污染排放。

5.2 异质性分析

尽管前文已经论证了“水十条”政策的有效性，但是不同地区对政策冲击的响应是否存在差异性？对该问题的深入探讨有助于加深對“水十条”作用机制的了解。基于此，本文选取了环境规制强度对“水十条”政策影响水污染强度的异质性进行探讨。

环境政策的实施需要配合适当的环境管理手段，如排污管理与违规处罚等。理论上，环境规制强度越高，企业面临的违法成本越高，加大排污的可能性就会降低。目前，已普遍用于应对污染防控的环境规制有命令—控制型环境规制、以市场为基础的激励性环境规制和公众自愿性环境规制[53]。诸多研究结果表明我国环境规制中命令与控制型政策作用大于经济激励政策和公众参与政策的作用[54-55]。

进一步，诸多学者针对环境规制政策严格程度进行研究，得出结论尚存在矛盾。Levinson[56]、Chen等[57]和Jeppesen等[58]学者的研究发现企业更乐于在环境规制严格程度较低的地区建厂，而Becker等[59]、赵莉等[60]研究表明更严格的环境规制对企业具有积极作用。任胜钢等[61]、秦颖等[62]和宋晓华等[63]分别针对中国工业排污进行研究，表明“企业信誉”“媒体披露”对于污染控制具有积极作用。Langpap等[64]调查了公众对环境污染的诉讼案件，指出公众监督和公共执法在美国水污染治理中发挥了显著作用。当然，环境规制的政策效果会受到地区不同因素的影响呈现显著的区域异质性[65]。

综上所述，环境规制对环境污染治理有显著正向作用，可以合理推测，在“水十条”政策作用下，环境规制势必对工业水污染强度产生抑制作用。为了检验不同环境规制强度下“水十条”政策影响水污染强度的异质性，本文参考周笑等[66]的做法，将“三废”处理率作为环境规制的表征指标，并根据“水十条”政策实施前一年（2014年）的处理率进行样本划分，将处理率等于或高于50分位数值（88.60%）的地级市定义为环境规制强度较高地区，将处理率低于50分位数值的地级市定义为环境规制强度较低地区。表7结果显示环境规制的确对水污染强度起到显著抑制作用，但是环境规制较弱的地区水污染强度降低幅度更大，可能归于以下原因：从实际数据来看（表8），环境规制较强地区的水污染强度原本就低于环境规制较弱的地区，即水污染强度的降低空间小于环境规制较弱的地区，因此即便环境规制较强地区的系数较小，实际上并不一定表明“水十条”政策的作用机制较弱。

6 结论与启示

针对我国日益严重的水资源问题，国务院于2015年4月16日颁布了《水污染防治计划》，即“水十条”政策。为了检验政策实施效果，本文采用269个地级市2012—2017年的工业污水排放数据，并控制了工业化程度、对外开放水平、技术进步、人口规模、水资源禀赋，以及时间和地区固定效应，分析结果显示：第一，我国中西部的工业水污染强度的确高于其余地区，出于经济发展与工业水污染排放量的匹配性;第二，“水十条”政策实施显著降低了我国工业水污染强度;第三，进一步分析表明“水十条”显著促进产业结构优化升级，生产要素逐渐从第一产业流向第三产业;第四，本文验证了技术创新的作用机制，创新能力的提升能够较好地解决环境污染问题，有效地提升水污染治理效果。此外，分析了在不同强度的环境规制下，“水十条”对于不同地区的政策效果。结果表明，环境规制对于工业水污染具有显著抑制作用，但是环境规制强度高的地区政策效果相对不明显，主要原因在于这些地区原本工业水污染强度就低于环境规制强度低的地区。

根据本文研究结果，本文得到如下启示：首先，“水十条”政策实施有助于我国整体产业结构升级，第三产业发展迅速，但第二产业的变化短时间内尚未显现，未来更需加大力度调整重污染、高能耗产业，促进第二产业优化升级，在保证经济增长的情况下同时降低工业水污染强度。其次，技术创新能够降低生产消耗，提升污水处理水平，是改善水污染强度的有效手段。地方政府在推动政策实施的过程中，应加大力度支持环保方面的技术创新，尤其是对经济欠发达地区，更应增加相应政策补助，以改善经济发展水平与环境污染强度不匹配的问题。最后，本文发现在环境规制强度较高的地区工业水污染强度相对较低，说明了环境规制对于环境治理的正向促进作用，也说明了环境规制是“水十条”等政策有效实施的重要保障。对此，本文提出以下建议：①通过规范化的制度规程设计、科学化的政策引导[67]，加大对污染源的监管力度，并将监督执行情况纳入政府官员绩效考核中，确保排污收费制度等强制措施的有效实施;②利用新闻媒体、企业声誉等手段，促进企业自觉自愿减排，发挥公众自愿性环境规制的最大效果。

本文的局限性在于，受限于地级市数据可得性，在影响机制分析中，选取的指标相对简单，在异质性分析中考虑了环境规制强度相关方面，由于影响机制具有复杂性，本文可能没有考虑全面。因此，未来研究可以更深层次地讨论“水十条”政策对工业水污染的影响机制以及其他方面的异质性;其次，可以考察“水十条”政策对于农业水污染以及城镇生活水污染的影响，以探究“水十条”政策对于水污染的完整作用效果;最后，未来研究可以对“水十条”政策对于节水、流域面积等方面的影响进行研究，这也是政策实施的重要方面，为以后制定更有效和完善的环境保护政策提供参考。

参考文献

[1]郭志仪， 姚慧玲. 中国工业水污染的理论研究与实证检验[J]. 审计与经济研究， 2011，26（5）： 97-103.

[2]徐敏， 张涛， 王东， 等. 中国水污染防治40年回顾与展望[J]. 中国环境管理， 2019，11（3）： 65-71.

[3]李名升， 佟连军， 仇方道. 工业废水排放变化的因素分解与减排效果[J]. 环境科学， 2009，30（3）： 707-712.

[4]GROSSMAN G M， KRUEGER A B. Environmental impacts of a North American free trade agreement[J]. Social science electronic publishing， 1991，8（2）： 223-250.

[5]庄汝龍， 宓科娜， 梁龙武. 中国工业废水排放格局及其驱动因素[J]. 长江流域资源与环境， 2018，27（8）： 1765-1775.

[6]罗昌锋， 王春霞. 可持续发展理念下人口规模、工业经济发展与水污染的关系研究[J]. 湖北农业科学， 2018，57（7）： 131-135，140.

[7]邓玉萍， 许和连. 外商直接投资、集聚外部性与环境污染[J]. 统计研究， 2016，33（9）： 47-54.

[8]HOSOE M， NAITO T. Trans-boundary pollution transmission and regional agglomeration effects[J]. Papers in regional science， 2006，85（1）： 99-120.

[9]周侃， 王强， 樊杰. 经济集聚对区域水污染物排放的影响及溢出效应[J]. 自然资源学报， 2019，34（7）： 1483-1495.

[10]高明， 黄清煌. 环保投资与工业污染减排关系的进一步检验：基于治理投资结构的门槛效应分析[J]. 经济管理， 2015 （2）： 167-177.

[11]龚新蜀， 张洪振， 潘明明. 市场竞争、环境监管与中国工业污染排放[J]. 中国人口·资源与环境， 2017，27（12）： 52-58.

[12]张晓. 中国水污染趋势与治理制度[J]. 中国软科学， 2014（10）： 11-24.

[13]HU Y， CHENG H. Water pollution during Chinas industrial transition[J]. Environmental development， 2013，8（1）： 57-73.

[14]吴舜泽， 夏青， 刘鸿亮. 中国流域水污染分析[J]. 环境科学与技术， 2000（2）： 1-6.

[15]VENNEMO H，AUNAN K，LINDHJEM H， et al. Environmental pollution in China： status and trends[J]. Review of environmental economics and policy， 2009，3（2）： 209-230.

[16]茹蕾， 司伟. 环境规制、技术效率与水污染减排成本：基于中国制糖业的实证分析[J]. 北京理工大学学报（社会科学版）， 2015，17（5）： 15-24.

[17]丁凡， 黄立勇， 王锐， 等. 中国2004—2015年突发水污染事件监测数据分析[J]. 中国公共卫生， 2017，33（1）： 59-62.

[18]孙玉阳， 宋有涛， 王慧玲， 等. 中国六大流域工业水污染治理效率研究[J]. 统计与决策， 2018，34（19）： 100-104.

[19]童志锋. 中国农村水污染防治政策的发展与挑战[J]. 南京工业大学学报（社会科学版）， 2016 （1）： 89-96.

[20]洪大用. 关于中国环境问题和生态文明建设的新思考[J]. 探索与争鸣， 2013（10）： 4-10.

[21]袁平， 朱立志. 中国农业污染防控：环境规制缺陷与利益相关者的逆向选择[J]. 农业经济问题， 2015，36（11）： 73-80，112.

[22]李玉红. 中国工业污染的空间分布与治理研究[J]. 经济学家， 2018（9）： 59-65.

[23]牛坤玉， 於方， 曹东. 中国工业水污染治理状况分析：基于污染源普查数据[J]. 环境科学与技术， 2014，37（增刊2）： 511-516.

[24]李胜， 陈晓春. 基于府际博弈的跨行政区流域水污染治理困境分析[J]. 中国人口·资源与环境， 2011， 21（12）：104-109.

[25]张雷， 杨波. 中国资源环境基础的空间结构特征分析[J]. 地理研究， 2018，37（8）： 1485-1494.

[26]孙才志， 马奇飞. 中国省际水资源绿色效率空间关联网络研究[J]. 地理研究， 2020，39（1）： 53-63.

[27]李珊， 张玲玲， 丁雪丽， 等. 中国各省区工业用水效率影响因素的空间分异[J]. 长江流域资源与环境， 2019，28（11）：2539-2552.

[28]沈满洪， 程永毅. 中国工业水资源利用及污染绩效研究：基于2003—2012年地区面板数据[J]. 中国地质大学学报（社会科学版）， 2015，15（1）： 31-40，140.

[29]胡美娟， 李在军， 丁正山， 等. 中国水资源“农转非”时空异质性及形成机制[J]. 地理研究， 2019，38（6）： 1542-1554.

[30]丁绪辉， 高素惠， 吴凤平. 环境规制、FDI集聚与长江经济带用水效率的空间溢出效应研究[J]. 中国人口·资源与环境， 2019，29（8）： 148-155.

[31]赵娟， 罗宏， 路超君， 等. 全国重点城市工业水污染特征分析[J]. 中国人口·资源与环境， 2010，20（S1）： 295-298.

[32]石敏俊， 郑丹， 雷平， 等. 中国工业水污染排放的空间格局及结构演变研究[J]. 中国人口·资源与环境， 2017，27（5）： 1-7.

[33]HE C F，WANG J S. Regional and sectoral differences in the spatial restructuring of Chinese manufacturing industries during the post-WTO period[J]. Geojournal， 2012，77（3）： 361-381.

[34]吴爱芝， 孙铁山， 李国平.中国纺织服装产业的空间集聚与区域转移[J]. 地理学报， 2013，68（6）： 775-790.

[35]MAO Q， DONG S， WANG F， et al. Evolving spatial distribution of manufacturing industries in China[J]. Acta geographica sinica， 2013， 68（4）： 435-448.

[36]彭文斌， 吴伟平， 邝嫦娥. 中国工业污染空间分布格局研究[J]. 统计与决策， 2013（20）： 115-117.

[37]楊文举. 中国省份工业的环境绩效影响因素：基于跨期DEA-Tobit模型的经验分析[J]. 北京理工大学学报（社会科学版）， 2015，17（2）： 40-48.

[38]罗海江. 经济增长与污染排放的空间耦合分析：以工业废水为例[J]. 生态环境学报， 2013，22（7）： 1199-1203.

[39]何雄浪. 人口集聚、工业集聚与环境污染：基于两类环境污染的研究[J]. 西南民族大学学报（人文社科版）， 2019，40（2）：87-97.

[40]李花， 赵雪雁， 王伟军， 等. 基于多尺度的中国城市工业污染时空分异及影响因素[J]. 地理研究， 2019，38（8）： 1993-2007.

[41]胡志强， 苗长虹， 袁丰. 集聚空间组织型式对中国地市尺度工业SO2排放的影响[J]. 地理学报， 2019，74（10）： 2045-2061.

[42]王艳华， 苗长虹， 胡志强， 等. 专业化、多样性与中国省域工业污染排放的关系[J]. 自然资源学报， 2019，34（3）： 586-599.

[43]张宇， 蒋殿春. FDI、政府监管与中国水污染：基于产业结构与技术进步分解指标的实证检验[J]. 经济学（季刊）， 2014，13（2）： 491-514.

[44]胡志强， 苗健铭， 苗长虹. 中国地市尺度工业污染的集聚特征与影响因素[J]. 地理研究， 2016，35（8）： 1470-1482.

[45]JACOBSON L S， LALONDE R J， SULLIVAN D G. Earnings losses of displaced workers[R]. W. E.Upjohn Institute，1992

[46]龙玉， 赵海龙， 张新德， 等. 时空压缩下的风险投资：高铁通车与风险投资区域变化[J]. 经济研究， 2017（4）： 195-208.

[47]张梦婷， 俞峰， 钟昌标， 等. 高铁网络、市场准入与企业生产率[J]. 中国工业经济， 2018 （5）： 137-156.

[48]黄向岚， 张训常， 刘晔. 我国碳交易政策实现环境红利了吗？[J]. 经济评论， 2018（6）： 86-99.

[49]NEWELL R G， JAFFE A B， STAVINS R N. The induced innovation hypothesis and energy-saving technological change[J]. The quarterly journal of economics， 1999，114（3）：941-975.

[50]董锋， 龙如银， 周德群， 等. 产业结构、技术进步、对外开放程度与单位GDP能耗：基于省级面板数据和协整方法[J]. 管理学报， 2012，9（4）：603-610.

[51]王珂英， 张鸿武. 城镇化与工业化对能源强度影响的实证研究：基于截面相关和异质性回归系数的非平衡面板数据模型[J]. 中国人口·资源与环境， 2016，26（6）： 122-129.

[52]付明卫， 叶静怡， 孟俣希， 等. 国产化率保护对自主创新的影响：来自中国风电制造业的证据[J]. 经济研究， 2015（2）：118-131.

[53]赵玉民， 朱方明， 贺立龙. 环境规制的界定、分类与演进研究[J]. 中国人口·資源与环境， 2009，19（6）： 85-90.

[54]曾倩， 曾先峰， 刘津汝. 产业结构视角下环境规制工具对环境质量的影响[J]. 经济经纬， 2018，35（6）： 94-100.

[55]曾倩， 曾先峰， 岳婧霞. 产业结构、环境规制与环境质量：基于中国省际视角的理论与实证分析[J]. 管理评论， 2020，32（5）： 65-75.

[56]LEVINSON A. Environmental regulations and manufacturers location choices： evidence from the census of manufactures[J]. Journal of public economics， 1996，62（1/2）： 5-29.

[57]CHEN Z， KAHN M E， LIU Y， et al. The consequences of spatially differentiated water pollution regulation in China[J]. Journal of environmental economics and management， 2018，88： 468-485.

[58]JEPPESEN T， LIST J A， FOLMER H. Environmental regulations and new plant location decisions： evidence from a meta-analysis[J]. Journal of regional science， 2002，42（1）： 19-49.

[59]BECKER R， HENDERSON V. Effects of air quality regulations on polluting industries[J]. Journal of political economy， 2000，108（2）： 379-421.

[60]赵莉， 薛钥， 胡逸群. 环境规制强度与技术创新：来自污染密集型制造业的实证[J]. 科技进步与对策， 2019，36（10）： 59-65.

[61]任胜钢， 项秋莲， 何朵军. 自愿型环境规制会促进企业绿色创新吗：以ISO14001标准为例[J]. 研究与发展管理， 2018，30（6）： 1-11.

[62]秦颖， 孙慧. 自愿参与型环境规制与企业研发创新关系：基于政府监管与媒体关注视角的实证研究[J]. 科技管理研究， 2020，40（4）： 254-262.

[63]宋晓华， 蒋潇， 韩晶晶， 等. 企业碳信息披露的价值效应研究：基于公共压力的调节作用[J]. 会计研究， 2019（12）： 78-84.

[64]LANGPAP C， SHIMSHACK J P. Private citizen suits and public enforcement： substitutes or complements？[J]. Journal of environmental economics and management， 2010，59（3）： 235-249.

[65]宋马林， 王舒鸿. 环境规制、技术进步与经济增长[J]. 经济研究， 2013（3）： 122-134.

[66]周笑， 王鹏飞. 中国工业发展的资源环境压力空间分异演化及影响因素[J]. 地理研究， 2018，37（8）： 1541-1557.

[67]叶陈云，杨克智.国有资本投资运营公司内部审计规制体系构建研究[J].审计研究，2015（6）：100-107.

（责任编辑：刘照胜）