随着世界经济全球化、区域经济一体化发展,我国产业空间集聚因集聚战略实施变得更加频繁[1],随之而来的是日益突出的环境问题。多数研究关注产业集聚与生态环境之间的关系,但因研究目标、研究方法和研究时间各异,导致现有研究结果相互矛盾。目前学界关于产业集聚对生态环境的影响研究分为两派:一部分学者聚焦于产业集聚的负外部性,认为生态环境污染主要是由产业集聚引发的土地滥用、水资源紧缺、空气污染等造成的[2-4];还有一些学者指出,产业集聚可促进绿色技术溢出,有利于资源配置优化及治污设施共享,具有正外部性效应[5-6]。现有研究认为产业集聚与生态环境呈U型关系[7],或非线性关系[8],但尚未形成关于二者关系及具体作用机制较为一致的结论,可能原因如下:一方面,产业集聚对生态环境既有正效应又有负效应,而整体效应取决于主导变量,即产业集聚程度。Zhang&Dou[9]研究表明产业聚集在不同阶段,与生态环境的关系有所不同;另一方面,二者关系受多种中间变量影响,如城市规模、外商直接投资[10]、产业结构、技术创新[11]等。有鉴于此,本研究基于产业集聚程度与中介变量差异视角,探究产业集聚对生态环境的双重效应及作用机制。
本文主要创新之处有以下几点:首先,延伸产业集聚领域相关理论。虽然现有研究已关注到产业集聚对生态环境的差异性影响,且通过面板数据证实产业集聚与生态环境存在U型关系,但未解释二者内在作用机制。故本文基于产业集聚的正负外部环境效应,提出绿色技术创新与外商直接投资两种中介作用机制,合理解释了产业集聚与生态环境双重效应关系;其次,扩展产业集聚研究视角。现有关于产业集聚的研究多关注宏观层面,虽然能够全局考虑集聚与环境的关系,但忽略了局部地区产业集聚对生态环境的影响,并且所用数据多为各省份数据,导致估计结果精度较低。基于此,本文聚焦于制造业产业园区微观视角,运用Logistic回归方法求解二分类变量中介模型,以提高研究结果的统计精度,进一步探究微观环境背景下,制造业产业集聚与生态环境的关系路径;最后,提出绿色经济型产业园区的战略发展目标。作为驱动绿色经济的主要发展模式之一,绿色经济型园区的产业集聚不仅能够促进园区经济发展,且对环境保护起到促进作用。由此,本研究通过探究产业集聚对生态环境的影响机制和演化过程,将产业园区发展分为初始期、成长期与形成期,提出产业园区应以企业绿色技术模式向园区绿色经济模式转变为发展主线,从而实现制造型产业园区向绿色经济型产业园区的完美转型。
产业集聚对生态环境的影响能反映其外部性[5],有关产业集聚外部性的理论观点可分为两派。
(1)以Marshall[12]为代表,认为产业集聚会产生经济正外部性效应。在此基础上,诸多学者从绿色技术溢出、治污规模效应以及环境规制等角度对产业集聚的正外部性效应进行阐述。例如,Lucas[13]认为城市化通过产业集聚的绿色技术溢出效应提高能源使用效率,减少环境污染,该效应为技术效应;冯薇[14]将产业集聚使企业之间相互依赖共生、共享资源与绿色技术,进而减少污染排放的现象称为规模效应(或称共生效应)。规制效应为另一正外部性效应,即政府会因公民环保意识提高而制定严格的环境规制,从而达到环境保护目的[15]。由此可知,产业集聚引发的正外部性效应对环境保护具有正向影响。
(2)部分学者持相反观点,认为产业集聚会引发负外部性效应。基于新经济地理理论的研究指出,产业集聚达到一定程度会产生拥挤现象(Congestion Effects)[16],进而产生扩张效应与密集效应。扩张效应是指,原材料消耗量随产业规模扩张而增加,导致污染物排放呈递增态势[17]。刘习平与宋德勇[18]研究发现,城市污染物排放随工业化进程加快而不断增加,而污染物在有限地域空间内不断累积的现象称为密集效应。
综上所述,由于产业集聚同时存在正负两种外部性效应,导致产业集聚对生态环境并非单一线性影响,具体效应取决于不同研究视角下的中介变量差异。据此,提出以下假设:
H1:制造业产业集聚与生态环境呈非线性影响,并且具有正负两种外部性效应,而具体效应取决于不同的中介变量。
绿色技术创新又称环境技术创新,是指为避免环境污染而产生的新技术 [19]。发展和加强绿色技术创新,实现可持续发展,对产业发展尤为重要[20]。目前,绿色技术创新研究聚焦于影响因素,而产业集聚是绿色技术创新的前置因素之一,在二者关系中扮演着重要角色。张宇和蒋殿春 [21]指出,产业集聚对绿色技术创新起促进作用,原因在于产业集聚正外部性更容易获取。苏楠和宋来胜[22]认为,产业集聚可以促使潜在绿色技术转移,并进一步改进绿色技术能力。以上研究表明产业集聚对绿色技术创新存在影响,但并未解释其影响机制及适用边界。
此外,多数研究发现绿色技术创新不仅可以提高能源和自然资源利用效率,实现低碳排放和节能,而且还能提高战略性新兴产业生态经济效率[23-24]。Magat[25]认为绿色技术创新是解决环境问题的有效手段。实际上,产业集聚对绿色技术创新的作用效果取决于集聚程度及集聚规模。当集聚程度较低或规模较小时,基础设施尚不完善,集聚区域内的知识溢出水平较低,此时绿色技术创新不足;随着产业集聚程度上升,集聚规模逐步稳定,集聚区域内的知识溢出效应逐渐显现,并对技术创新产生影响。此时,集聚正外部性有利于激发集群内“创新补偿”效应,从而改善环境质量[5]。据此,本文提出如下假设:
H2:产业集聚水平较低时,绿色技术创新驱动力不足,绿色技术创新在制造业产业集聚对生态环境的影响关系中作用不明显;产业集聚水平较高时,绿色技术创新在制造业产业集聚对生态环境的影响关系中起中介作用,制造业产业集聚提高了绿色技术创新程度,从而产生对生态环境的积极影响。
现有关于产业集聚与外商直接投资(Foreign Direct Investment, FDI)关系的研究关注两个方面:①产业集聚如何影响FDI流入。例如,Guimares&Woodward[26]指出东道国产业集聚可以有效吸引FDI流入,其原因在于产业集聚能有效降低信息成本与不确定风险;②产业集聚对FDI区位选择的影响。Luo等[27]基于中国98个内陆城市1999-2005年的面板数据,发现政策刺激和产业集聚才是影响 FDI区位选择的最重要因素。张公嵬等[28]验证了上述结论,即产业集聚程度已成为FDI区位选择的主要影响因素。由此可知,无论是FDI流入,还是流入后的区位选择问题,产业集聚都起到重要作用。
由于产业集聚与FDI存在空间耦合性,许多学者将产业集聚与FDI结合起来研究,证实了集聚环境负外部性的存在。Walter&Ugelow[29]于1979年首次提出“污染天堂”假说,将发展中国家环境恶化归因于发达国家污染密集型产业转移。产业集聚不同阶段对FDI的影响各异。杨仁发[30]发现,当外商直接投资水平较低时,产业集聚将加剧环境污染,但随着外商直接投资水平提高,产业集聚对环境污染的负面作用逐渐减弱。计志英[31]研究指出,当经济发展水平较低时,产业集聚水平提高,此时FDI对环境的影响是负面的,环境污染问题随着FDI积累日益突出;当经济发展水平较高时,已摆脱资本严重短缺的困扰,政府倾向于引进技术集约型外资项目,使得外商直接投资对生态环境的外部负效应逐渐减弱,甚至消失。由此,提出如下假设:
H3:产业集聚水平较低时,外商直接投资在制造业产业集聚对生态环境的影响关系中起中介作用,即制造业产业集聚会加大外商直接投资规模,从而产生对生态环境的消极影响;产业集聚水平较高时,外商直接投资在制造业产业集聚对生态环境的影响关系中作用不显著。
综上所述,本文研究模型如图1所示。假设路径为H1-H5,其中H1为主效应路径,H2-H4和H3-H5为中介路径。
图1 研究模型
天津市现有开发区包括逸仙科学工业园、现代产业园、泰达慧谷产业园、经济技术开发区、天津开发区西区、微电子工业园、南港工业园、南部新兴产业园。考虑到天津特色产业为制造业,而天津逸仙科学工业园、现代产业园、微电子工业园、南港工业园第二产业(制造业)占比最大,故选用这4个制造业园区2010-2016年园区发展报告数据展开研究。根据本文假设,采用Logistic回归方法进行验证,参照David等[32]的研究,Logistic回归模型所需样本量应为假设关系中因变量分组的10倍。本文模型因变量为生态环境,且分为正负效应两个组别,因而至少需要20组数据。以4个园区研究对象,每个园区按年份分别选取7组数据,并对每组数据作配对样本处理,共得到28组数据。
(1)产业集聚度。多数学者采用区位熵方法对其进行测量,该方法可以消除区域规模差异,能真实反映地理要素空间分布[33]。产业集聚测度指标包括产业园区制造业就业人数(X1)、产业园区就业总人数(X2)、国家制造业就业人数(X3)、国家就业总人数(X4)。
(2)生态环境。产业集聚对生态环境存在正负外部性影响,因此本文从正负两个角度进行测度。正向测量指标为生态环境状态,子指标包括园区绿地面积(X12)与园区建设用地面积(X13);负向测量指标为生态环境压力与生态环境响应,子指标分别为人均工业废水排放量(X5)、人均工业废气排放量(X6)、人均工业固体废物产生量(X7)、能源消耗总量(X8)以及工业废水治理设施处理能力(X9)、工业固体废物综合利用量(X10)、环境污染治理投资占GDP比重(X11)。
(3)外商直接投资。采用各园区外商直接投资额(X14)衡量。参照国家发展改革委、商务部发布的《外商投资准入特别管理措施》进行外商直接投资额度统计。由于外商投资准入制度中并未明确划分传统项目与绿色项目,因此本研究未对外商直接投资项目进行种类区分。
(4)绿色技术创新。参照原毅军和谢荣辉[5]的研究,采用获得立项支持的绿色创新科技项目数量(X15)衡量绿色技术创新水平。绿色科技项目根据《天津开发区节能降耗、环境保护重点鼓励项目名录》筛选获得。
由于篇幅有限,本文仅展示天津市4个制造业园区2016年各测度指标原始数据,如表1所示。
第一步:因原始获取数据单位不同,首先对原始数据进行标准化处理。
第二步:将产业集聚、绿色技术创新、外商直接投资变量通过Spotligh方法处理为分类变量,即通过均值±1个标准差实现均值漂移[34],分为高、低2个水平并分别编码,低水平编码为-1,高水平编码为1。
第三步:生态环境分为两个维度测度,即生态环境正外部性和负外部性,分别由生态环境正向指标和负向指标测量。
表 1 天津市4个制造业园区2016年测量指标原始数据
指标构念测度指标南港工业园逸仙科学工业园现代产业园微电子工业园X1产业园区制造业就业人数(万人)50.1249.9235.4039.47X2产业园区总就业人数(万人)78.6575.0151.2360.82产业集聚X3国家制造业就业人数(万人)22 504.9622 504.9622 321.0222 477.44X4国家就业总人数(万人)77 603.3277 603.3276 704.1776 977.45X5人均工业废水排放量(t/人)35.0635.0926.1328.64X6人均工业废气排放量(t/人)43.8344.8830.2434.17X7人均工业固体废物产生量(t/人)33.4734.5521.2025.88X8能源消费总量(万吨标准煤)677.38637.55523.49578.05生态环境X9工业废水治理设施处理能力(万t)28.6227.5715.2018.41X10工业固体废物综合利用量(万t)27.6626.9215.3719.22X11环境污染治理投资占GDP比重(%)41382731X12园区绿地面积(km2)36.1139.4717.3123.57X13园区建设用地面积(km2)138.56133.5199.32108.43外商直接投资X14外商直接投资额(万元)7 432.017 018.085 614.476 014.47绿色技术创新X15绿色科技创新项目数量451404300343
注:文中具体解释测度指标采用4园区2016年各测度指标原始数据
首先,考虑到自变量(产业集聚)为二分类变量,可通过定义虚拟变量进行处理。其次,中介变量与因变量均为二分类变量,根据图2所示二分类变量中介模型,中介效应可解释为自变量(X)通过中介变量(M)取值为1的可能性进而影响因变量(Y)取值为1的可能性。
图2 中介变量M与因变量Y同时为二分类变量的中介模型
此时中介模型方程为:
Y′=cX+ε1
(1)
M′=aX+ε2
(2)
Y″=bM+c′X+ε3
(3)
其中,c表示不考虑中介变量时,X对Y的效应;a表示X对M的效应;b表示控制X对Y的影响后,M对Y的效应;c′表示控制M对Y的影响后,X对Y的效应;ε1-ε3为各自所在回归方程的残差,Y′表示X单独预测因变量Y时的潜在因变量,M′表示X单独预测因变量M时的潜在因变量,Y″表示X和M同时预测因变量Y时的潜在因变量[35]。基于二分类变量中介模型,采用系数乘积法 [36],利用Sobel检验中介效应显著性,并在正态假设前提下,计算中介效应置信区间。
本研究假设模型为双中介二分类变量模型,将模型分为两个中介二分类变量验证,分割后的模型如图3、4所示。
图3 假设子模型1
图 4 假设子模型2
首先根据区位熵系数公式,计算4个制造业园区产业聚集程度,计算公式为:
(4)
其中,Eij指i地区产业j就业人数(产值、企业单位数等),Ei指i地区总就业人数(产值、企业单位数等),Ekj指k国家产业j总就业人数,Ek指k国家产业总就业人数。本文以就业人数作为测度指标,4个产业园区总就业人数及制造业就业人数从园区发展报告获得,国家总就业人数及制造业就业人数由《中国统计年鉴》获取。利用产业集聚程度计算出的平均值加减标准差,定义产业集聚程度;对绿色技术创新与生态环境变量作相同处理。本研究将产业集聚程度变量定义为自变量X,重新将高产业集聚程度编码为1,低产业集聚程度编码为0;绿色技术创新变量定义为中介变量M,高绿色技术创新程度编码为1,低绿色技术创新程度编码为0;生态环境定义为因变量Y,生态环境正效应编码为1,生态环境负效应编码为0,以考察绿色技术创新的中介效应。结果显示,Sobel检验值说明产业集聚程度正向影响绿色技术创新程度,能产生更强的生态环境正效应;中介效应95%的置信区间为(0.081,0.492),中介效应占总效应的比例为0.243。
产业集聚、生态环境变量处理过程与假设模型1操作过程一致,唯一区别在于子模型2中的中介变量M定义为外商直接投资,并将高外商直接投资额编码为1,低外商直接投资额编码为0,以考察外商直接投资的中介效应。结果显示,Sobel检验|Z|=说明产业集聚程度影响外商直接投资程度,间接影响生态环境效应;中间效应95%的置信区间为(-1.044,-0.422),中介效应占总效应的比例为-0.821。
从子模型1与子模型2的中介效应结果可知,绿色技术创新在产业集聚对生态环境效应的关系中起正向中介作用,外商直接投资在产业集聚对生态环境效应的关系中起负向中介作用。为进一步明确中介效应的作用方式,将产业集聚程度分为高、低两种状态,分别考察中介路径机制。借鉴Preacher等[37]和Hayes[38]提出的中介分析模型,检验绿色技术创新与外商直接投资在产业集聚与生态环境关系中的中介作用。首先,检验绿色技术创新的中介效应,结果显示(表2),当产业集聚程度较高时,绿色技术创新中介产业集聚与生态环境(95%CI:LLCI=0.056,ULCI=1.047,不包含0);当产业集聚程度较低时,绿色技术创新在产业集聚与生态环境的关系中作用不显著(95%CI: LLCI=-0.049,ULCI=0.056,包含0),H2得以验证。
其次,检验外商直接投资的中介效应,结果显示(表3),当产业集聚程度较低时,外商直接投资中介产业集聚与生态环境(95%CI:LLCI=-0.920,ULCI=-0.181,不包含0);当产业集聚程度较高时,绿色技术创新在产业集聚与生态环境的关系中作用不显著(95%CI: LLCI=-0.055,ULCI=0.074,包含0),H3得以验证。
表 2 产业集聚对绿色技术创新的中介效应
集聚程度低产业集聚程度高产业集聚程度模型摘要RR2FpRR2Fp0.0670.0530.4230.5180.6950.54468.5380.000模型coeffLLCIULCIpcoeffLLCIULCIp常数3.5582.1655.4940.000-0.268-1.0830.2270.645产业集聚0.216-0.3910.4340.5513.7591.9875.3150.000结果:绿色技术创新(自变量对中介变量的回归结果)模型摘要RR2FpRR2Fp0.8150.66247.6670.0000.7240.59333.2670.000模型coeffLLCIULCIpcoeffLLCIULCIp常数-1.442-2.088-0.0750.005-0.571-1.0780.0640.058绿色技术创新0.038-0.2180.5590.7870.3580.2160.5770.000产业集聚2.5521.0543.3190.0000.205-0.4420.6160.060结果:生态环境(自变量、中介变量共同对因变量回归结果)Direct effect of X on Y(控制中介后,自变量对因变量的直接影响):直接效应EffectLLCIULCIpEffectLLCIULCIp2.5521.0543.3190.0000.205-0.4420.6160.060Indirect effect of X on Y(中介路径的作用):绿色技术创新EffectBoot SELLCIULCIEffectBoot SELLCIULCI0.0180.044-0.0490.0560.2430.1040.0561.047
此外,由表2可知,当产业集聚处于高水平时,控制绿色技术创新中介作用后,自变量产业集聚对因变量生态环境影响系数为0.205;由表3可知,当产业集聚处于低水平时,控制外商直接投资中介作用后,自变量产业集聚对因变量生态环境影响系数为-0.327。综上可得,不同的产业集聚水平对生态环境影响呈现相反作用,这种相反作用由不同的中介机制呈现。因此,H1得以验证。至此,H1-H3全部验证完毕。
随着中国城市化与工业化进程加快,产业集聚水平不断提高,但同时也带来了生态环境污染。有研究指出产业集聚会促进生态环境改善,但另外一些研究则认为产业集聚会导致生态环境恶化。基于此,本文以产业集聚的生态环境外部性为切入点,聚焦于产业园区微观视角,以天津市4个制造业园区作为研究对象,实证分析了产业集聚与生态环境的关系路径,通过引入绿色技术创新与外商直接投资两中介变量,解释了制造业产业集聚的正负外部性效应。研究发现:①制造业产业集聚对生态环境存在正负外部性效应,具体表现为何种外部性效应,取决于产业集聚的中介作用差异;②绿色技术创新只有在产业集聚水平较高时才会发挥作用,而当集聚水平较低时,难以达到技术溢出效应,导致制造业产业集聚无法通过绿色技术应用改善生态环境;③产业集聚水平较低时,外商投资水平较低,外商投资带来的扩张效应引发了产业集聚初期对生态环境的外部负效应,但随着产业集聚水平上升,外商投资水平不断提高,产业集聚的规模效应与技术溢出效应逐渐减弱,直至消失。
表3 产业集聚时外商直接投资的中介效应
集聚程度低产业集聚程度高产业集聚程度模型摘要RR2FpRR2Fp0.7740.51263.2120.0000.0550.0432.6660.158模型coeffLLCIULCIpcoeffLLCIULCIp常数-0.254-1.1660.3560.6083.5582.1655.4940.000产业集聚-0.4711.0554.8840.0000.216-0.3910.4340.551结果:外商直接投资(自变量对中介变量的回归结果)模型摘要RR2FpRR2Fp0.8120.69177.5750.0000.6320.50520.8180.000模型coeffLLCIULCIpcoeffLLCIULCIp常数-0.571-1.0780.0640.058-2.555-3.435-0.0080.000外商直接投资0.4540.2160.5770.000-0.121-0.2550.4300.634产业集聚1.0180.2251.3330.0003.3521.5465.0830.000结果:生态环境(自变量、中介变量共同对因变量回归结果)Direct effect of X on Y(控制中介后,自变量对因变量的直接影响):直接效应EffectLLCIULCIpEffectLLCIULCIp-0.327-1.225-0.3330.0003.3521.5465.0830.000Indirect effect of X on Y(中介路径的作用):外商直接投资EffectBoot SELLCIULCIEffectBoot SELLCIULCI-0.8210.104-0.920-0.181-0.0370.031-0.0550.074
(1)在园区产业集聚规模初始期,园区管理制度及产业布局尚未形成,无论是引导园区内企业绿色新兴技术发展,还是优化入驻企业空间布局,都应以政府为主导。政府通过科学引导企业空间生态布局,突出园区企业间生态联系,加强绿色创新资源整合,在产业布局和经济发展中重点关注生态环境保护和资源集约化开发与利用。同时严格监管园区内能源消耗较大企业,一方面提高企业生产污染税,从税收方面抑制企业的非环保行为;另一方面,对于有绿色创新行为的企业,可利用研发补贴,降低企业绿色技术创新成本。对于初期想入驻园区的外资企业,当地政府及园区管委会可通过评估入驻企业项目所属行业与项目能源消耗等进行严格筛选,避免外资企业的污染转移。
(2)在园区产业集聚规模成长期,随着园区制造业企业数量增加和生产能力提高,企业管理者可向政府提出诉求,进一步提升绿色新兴技术和产业的合法性地位,扩大产业规模。在绿色技术方面:首先,加大绿色科技创新投入,提升产业绿色技术水平,使高新技术和绿色技术扩散到园区各行业;其次,运用绿色经济的技术创新思路,制定相关绿色技术标准和范式,积极发展绿色生产技术;最后,加强绿色核心共性技术创新,开展多形式的产学研联盟,加强绿色技术、回收处理技术、绿色再制造核心共性技术创新等。对该时期想要进入园区的外资企业来说,需严格按照环境标准,促使外商直接投资符合可持续发展战略目标。同时,调整引进外商直接投资方式,将重点从引进资金流量转向技术创新,对外资的绿色技术创新项目给予一定政策优惠和奖励。
(3)在园区产业集聚规模形成期,应以建设绿色经济型产业园区为战略目标,不仅要考虑园区产业集聚对经济的影响,更要兼顾园区经济发展与生态环境的关系。园区应创新融合绿色政治制度、绿色经济管理制度及绿色文化制度。结合目前天津产业园区来看,绿色创新制度应从园区内企业绿色观念意识教育方面入手,同时建立和完善各项绿色政策和环境保护制度,促进天津产业园区“两型社会”建设是该阶段园区的终极目标。此外,该时期在积极鼓励引进外商直接投资的同时,应针对不同园区环境污染情况以及产业集聚发展水平,树立相应的政策导向,引导外资向清洁产业转移,注重引进具有环保技术优势的外资企业,发挥外商直接投资的技术效应,实现引资与环保的双重目标。
[1] SUXIA L, YINGMING Z, KUANQI D. The impact of industrial agglomeration on industrial pollutant emission: evidence from China under new normal [J]. Clean Technologies & Environmental Policy, 2017, 19(9): 2327-2334.
[2] ENRENFELD J. Putting the spotlight on metaphors and analogies in industrial ecology [J]. Journal of Industrial Ecology, 2003, 7(1):1-4.
[3] VERHOEF E T, NIJKAMP P. Externalities in urban sustainability environmental localization-type agglomeration externalities in a general spatial equilibrium model of a single-sector monocentric industrial city [J]. Ecological Economics, 2002, 40(2):157-179.
[4] FRANK A. Urban air quality in larger conurbations in the European union [J]. Environment Modeling and Software, 2001, 16(4):399-414.
[5] 原毅军, 谢荣辉. 产业集聚、技术创新与环境污染的内在联系 [J]. 科学学研究, 2015, 33(9):1340-1347.
[6] DONG B, GONG J, ZHAO X. FDI and environmental regulation: pollution haven or a race to the top[J]. Journal of Regulatory Economics, 2012, 41(2):216-237.
[7] 李筱乐. 市场化、工业集聚和环境污染的实证分析 [J]. 统计研究, 2014, 31(8):39-45.
[8] 张可, 豆建民. 集聚与环境污染——基于中国287个地级市的经验分析 [J]. 金融研究, 2015(12):32-45.
[9] ZHANG K, DOU J. Agglomeration and pollution: empirical analysis based on the 287 cities of China [J]. Journal of Financial Research, 2015(12):32-45.
[10] HE C, HUANG Z, YE X. Spatial heterogeneity of economic development and industrial pollution in urban China [J]. Stochastic Environmental Research & Risk Assessment, 2014, 28(4):767-781.
[11] ZENG DZ, ZHAO L. Pollution havens and industrial agglomeration [J]. Journal of Environmental Economics & Management, 2009, 58(2):141-153.
[12] MARSHALL A. Principles of economics:a introductory volume [M]. 9th edn, London: Macmillan, 1890.
[13] LUCAS R E. On the mechanics of economic development [J]. Journal of Monetary Economics, 1988(22):3-42.
[14] 冯薇. 产业集聚与生态工业园的建设 [J]. 中国人口·资源与环境, 2006(3): 51-55.
[15] 张志强. 环境规制提高了中国城市环境质量吗?——基于“拟自然实验”的证据 [J]. 产业经济研究, 2017(3):69-80.
[16] 曾永明,张利国. 新经济地理学框架下人口分布对经济增长的影响效应——全球126个国家空间面板数据的证据:1992—2012 [J]. 经济地理, 2017, 37 (10):17-26.
[17] 魏守华, 陈扬科, 陆思桦. 城市蔓延、多中心集聚与生产率 [J].中国工业经济, 2016(8):58-75.
[18] 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.
[19] 李旭.绿色创新相关研究的梳理与展望 [J].研究与发展管理, 2015, 27(2):1-11.
[20] MIAOMIAO L, HONGJUN XIAO, JIXIN FU. Financial policy, enterprises' R&D expenditure and technological innovation capabilities-empirical study from the listed companies in China's strategic emerging industries [J]. Management Review, 2014, 26 (8):135-144.
[21] 张宇和,蒋殿春. FDI、产业集聚与产业技术进步——基于中国制造行业数据的实证检验 [J].财经研究, 2008, 34(1):72-82.
[22] 苏楠,宋来胜. FDI、产业集聚结构和行业创新绩效——基于制造业13个分行业面板数据的GMM分析 [J].经济与管理, 2013, 27(7):92-97.
[23] OOBA M, HAYASHI K, FUJII M, et al. A long-term assessment of ecological-economic sustainability of woody biomass production in Japan [J]. Journal of Cleaner Production, 2015, 88:318-325.
[24] BYRON C J, JIN D, DALTON T M. An integrated ecological-economic modeling framework for the sustainable management of oyster farming [J]. Aquaculture, 2015, 447:15-22.
[25] MAGAT W A. Pollution control and technological advance: a dynamics model of the firm [J]. Journal of Environmental Economics and Management, 1978, 5(1):1-25.
[26] GUIMARAES P, FIGUEIREDO O, WOODWARD D. Agglomeration and the location of foreign direct investment in portugal [J]. Journal of Urban Economics, 2000, 47 (1): 115-135.
[27] LUO LJ, LUO YZ, LIU C. Multilevel determinants of subsequent FDI in China [J]. Thunderbird International Business Review, 2008(50): 105-120.
[28] 张公嵬,陈翔,李赞. FDI、产业集聚与全要素生产率增长—基于制造业行业的实证分析 [J].科研管理, 2013, 34 (9):114-122.
[29] WALTER I, UGELOW J L. Environmental policies in developing countries [J]. Ambio, 1979,8(2):102-109.
[30] 杨仁发.产业集聚、外商直接投资与环境污染 [J]. 经济管理, 2015, 37(2):11-19.
[31] 计志英, 毛杰, 赖小锋. FDI规模对我国环境污染的影响效应研究——基于30个省级面板数据模型的实证检验 [J]. 世界经济研究, 2015(3):56-64.
[32] DAVID W H, STANLEY L, RODNEY X S. Applied logistic regression, third edition[M]. New York: Wiley, 2013.
[33] 杨仁发. 产业集聚与地区工资差距——基于我国269个城市的实证研究[J].管理世界, 2013(8):41-52.
[34] SPILLER S A, FITZSIMONS G J, LYNCH J G, et al. Spotlights, floodlights, and the magic number zero: simple effects tests in moderated regression[J]. Journal of Marketing Research, 2013, 50(2): 277-288.
[35] 张玉. 因变量为分类数据的中介效应分析[D].北京:北京师范大学心理学院, 2012.
[36] MACKINON D P. Introduction to statistical mediation analysis [M]. New York: London Lawrence Erlbaum Associates, 2008.
[37] PREACHER K J, RUCKER D D,HAYES A F. Assessing moderated mediation hypotheses: theory, methods and prescriptions [J]. Multivariate Behavioral Research, 2007(42):185-227.
[38] HAYES A F. An introduction to mediation, moderation, and conditional process analysis: a regression based approach [M]. New York: Guilford Press, 2013.