下载掌阅APP，畅读海量书库
立即打开
本部分数据来源于2003—2015年《中国城市统计年鉴》，包含我国278个地级市及以上城市的工业废水排放量，构建空间权重矩阵所用城市经纬度数据由矢量地图提取得到。
根据分省的水污染数据可以发现（限于篇幅，分省的水污染分布图略），江苏是全国水污染的重灾区，有地理和经济两方面的原因：一方面是因为江苏地处长江流域下游的汇集处，导致水污染的集聚，长三角是全国的重要经济中心区域，又靠近北方资源大省；另一方面是第二产业在江苏经济中占有50%以上的比重，而且中小企业众多，随意排放污水的情况较为普遍。地方政府已经意识到了水污染的严重性，因此在2016年出台了江苏省水污染防治工作方案。从水污染的空间分布来看，污染程度与城市的产业发展密切相关，因此，经济发达的南方省份与一些资源大省水污染相对更加严重。资源型省份如山东同样属于水污染严重的地区，山东省工业发展迅速，农业生产和矿产加工占比较高，而且山东作为仅次于广东的人口大省，面临着水资源总量不足、地区分布不平衡的问题，属于严重缺水地区。河南和浙江的水污染处于较为严重的第三梯队，河南的严重水污染主要缘于工业的高速发展、化肥农药使用和城市人口的剧增这三个方面的原因。浙江省印染、造纸和化工等行业的发展规模位居全国前列，这些行业的化学需氧量排放总量占浙江省所有工业污染源化学需氧量排放总量的60.2%，因此，高污染产业比重的高低直接决定了地区水污染的严重程度。
通过构建每年的空间权重矩阵，可以得到各年莫兰散点分布图（图略）。每一年的莫兰指数均大于0，说明我国城市水污染具有一定的空间自相关性，由于经济活动具有明显的区域集聚特征，导致水污染也具有集聚特征。一般来说，工业占比越高、社会经济活动越密集的城市，水污染越严重。纵向来看，2003—2015年我国城市水污染的莫兰指数呈现先上升后下降的趋势，这一特征与城市污染规制强度、地区经济发展和区域间污染治理的协同性直接相关。
由此，我们可以得到如下结论：①我国城市水污染的空间自相关性指数为正，但数值较低，说明城市之间水污染存在较小的空间正相关性；②各年度莫兰指数从趋势上呈现先上升后下降的态势，这可能是由于各城市监管不一致而导致的，监管较严格的城市水污染改善较为明显，而其他城市可能会成为污染型产业转移的目标，导致无法实现整体上环境质量改善的预期目标。从我国水污染空间分布，可以看出以下特点：①江苏省因地理环境及其经济环境连续3年成为水污染最为严重的省份，所以政府在防治水污染时，应着眼于制定一些符合江苏省地方特色的政策，使政策能够更好地被落实和实施，改善江苏省的水污染情况；②总体上看，南方的经济发展虽然比北方快，但是南方的水污染情况也比北方更差，其中的原因可能是因为南方拥有较多的现代化产业，由于治污技术的不成熟，这些产业排放的污染物质已经严重损害了环境质量和人们的身体健康，因此政府应当研究如何在不影响经济增速的情况下，解决南方水污染较为严重的问题；③除江苏省外，广东省、山东省、河南省和浙江省也都存在着严重的水污染问题，造成这四个省份污染严重的原因各不相同（广东省拥有大量的外来务工人员，生活污水的数量较多，因此对生活污水的处理是广东省政府在接下来的发展中需要着重考虑的问题；山东省是许多著名工业企业总部的所在地，因此工业废水的数量较多，政府应当出台严格的条例管理这些制造企业，除此之外，山东省的水资源稀缺也是亟待解决的一大重要问题；河南省工业的高速发展和化肥农药的滥用是其水污染严重的主要原因，因此政府若想解决这一问题，应当从工业和农业两个方面双管齐下；由于浙江省水污染的主要源头是其发达的印染、造纸和化工产业，因此政府在治理水污染时，应当从这三个主要产业下手，研究如何在保证不影响这三个产业发展增速的情况下做到对环境友好）。
参考现有研究文献（朱平辉等，2010；张宇等，2014），将以下影响因素加入回归方程：①经济发展水平，以不变价GDP和人均GDP（ PGDP ）表示；②水资源禀赋（ WS ），选择当年的城市供水总量反映当地的水资源禀赋，以考察水资源禀赋对于水污染排放的可能影响；③外商直接投资（ FDI ），用当年实际使用外资金额占地区名义生产总值的比重表示；④技术进步（ TEC ），用当年科学技术支出占当年名义科学技术支出的比重表示；⑤产业结构（ SI ），用工产值占地区GDP的比重表示。
基于以上变量，建立如下静态面板多元回归模型：
式（3.6）中， Plu i ， t 表示地区 i 在时期 t 的污水排放量； GDP i ， t 表示地区 i 在时期 t 的GDP水平，所用GDP数据均为以2003年价格为基准计算的实际GDP，单位为万元； WS i ， t 表示地区 i 在时期 t 的供水总量，单位是万吨； FDI i ， t 表示地区 i 在时期 t 的外资引入，以当年汇率转化为人民币表示的总量后占当年名义GDP的比重； TEC i ， t 表示地区 i 在时期 t 的科学技术支出占当年名义GDP的比重； PGDP i ， t 表示地区 i 在时期 t 的人均GDP，单位为元； SI i ， t 表示地区 i 在时期 t 的第二产业产出占当年名义GDP的比重。
考虑到经济发展模式的稳定性，水污染排放具有惯性特征和路径依赖性，即前期水污染可能会对本期造成影响，因此为了有效刻画水污染的连续和动态性特征，将水污染强度的滞后一阶值作为解释变量，构建动态面板数据模型，该模型的突出特点是具有通过控制固定效应以克服反向因果和变量遗漏问题的优点，从而消除内生性的偏差，使估计结果更可靠。现构建水污染动态面板数据模型如下：
这部分实证研究的数据来源于2003—2015年《中国城市统计年鉴》，包含了我国241个地级及以上城市的GDP、供水总量（万吨）、外资引入（万美元）、科学技术支出（万元）、人均GDP（元）、第二产业占GDP百分比。2003—2015年各年汇率和2003年价格指数数据来源于国家统计局网站，我国2016年的用水总量及构成取自中华人民共和国水利部官方网站。主要变量的含义解释和数据来源如表3.4所示。
表3.4 主要变量的解释和数据来源
各变量的描述性统计和多重共线性检验结果见表3.5和表3.6，经检验可知最大的方差膨胀因子为4.06，远小于临界值10，因此我们可以将多重共线性的问题排除。
表3.5 变量描述性统计
表3.6 多重共线性检验结果
本部分利用Stata14，采用地区固定和时间地区双固定模型进行回归，并将样本分为全样本、东部地区样本和非东部地区样本单独进行回归，表3.7报告了上述几种回归的结果。
根据全样本回归结果（1）和（2），从各解释变量的回归系数和显著性可以看出，外资引入、产业结构、水资源禀赋和人均GDP对于水污染的影响较为显著，其中外资引入对于城市水污染排放具有显著负面的影响。一方面可能随着跨国公司的直接投资引进，更为洁净的技术广泛运用到生产工艺上，从而改善了水污染状况；另一方面，跨国公司对国内企业的溢出效应和示范作用，从整体上改善城市水污染程度，这在一定程度上也支持了“污染光环”假说，肯定了外资引入对于我国水污染情况改善的积极作用。产业结构对水污染具有显著的正面影响，这说明城市中工业比重越高，水污染越严重。水资源禀赋对水污染具有显著的正向影响，其原因在于更充沛的水资源储量往往会促使当地经济发展更多地发挥禀赋优势，增加水资源的投入，从而导致更多地排放污水（杨骞、王弘儒，2016）。人均GDP对于水污染的影响程度也较为显著，这在一定程度上验证了环境库兹涅茨曲线的后半段，环境质量随人均收入的逐渐增加而上升。研究表明，随着人均收入的不断增加，人们的环保意识增强，更好的环保技术和清洁技术不断被开发使用，生产工艺向环境友好型转化，从而使生产过程更加绿色。
表3.7 固定效应回归结果
注：括号内数字为标准误，*表示在10%的水平下显著，**表示在5%的水平下显著，***表示在1%的水平下显著
基于东部区域的城市样本数据回归结果（3）和（4）显示，同样外资引入、产业结构、水资源禀赋和人均GDP对于水污染的影响较为显著，且系数方向与全样本的回归结果一致。而中西部区域的城市样本数据回归结果（5）、（6）显示，水资源禀赋和人均GDP对水污染有显著影响，但是人均GDP的影响为正，这可能缘于中西部地区经济发展水平低于东部地区，人均GDP与污染排放的关系尚处于环境库兹涅茨曲线的前半段。
考虑模型中可能存在的内生性问题，通过构建动态面板数据模型，进行差分GMM和系统GMM估计，得到结果如表3.8所示。
L . Plu 和 L 2. Plu 分别代表被解释变量的一阶和二阶滞后，两者均显著，说明水污染具有动态的路径依赖特征。Sargan检验结果显示，均不能拒绝“所有工具变量都有效”的原假设，表示可以进行动态GMM估计。AR（1）和AR（2）检验的 P 值显示，可以接受扰动项无自相关假设，说明GMM的估计是一致的。以系统GMM估计结果进行分析，根据全样本估计的结果，GDP水平、外资引入、产业结构和人均GDP对水污染具有显著影响，并且影响的方向和前文静态模型一致，除了水资源禀赋在动态模型中不显著，另外，东部区域和中西部区域的估计结果也基本与前文一致，这说明实证结果是稳健的。