一、引言
改革开放以来，我国的城市化水平显著提高，城市化率由1978年的12.5%提高至2009年的46.59%，全国城镇人口达到6.22亿人，已建成较发达的城市体系。目前世界各国的平均城市化率为46%，我国已经接近世界平均水平。但是，随着城市的发展，大城市不断涌现，尤其是特大城市的不断涌现，在不同程度上引起了用地紧张、资源短缺、交通拥挤、环境质量下降等“城市病”，城市的发展给生态环境造成了沉重的负担。在城市不断发展的同时，如何改善和提高城市环境质量，促进城市与生态的和谐发展已成为社会关注的焦点。
EKC假说是指在经济发展早期环境质量逐渐恶化，经济发展到一定水平后，环境质量会逐渐改善，即环境压力和经济增长之间呈倒U形关系。这种关系与库兹涅茨提出的收入差别与经济增长之间关系相似，所以称之为环境库兹涅茨曲线(见图1)。
图1 环境库兹涅茨曲线(EKC)
EKC假说最早由美国经济学家Grossman(1995)和Krueger提出[1]，他们在1991年对60个国家不同地区的环境污染物排放量变动的面板数据进行分析，得出结论：环境污染和经济增长的长期发展关系呈倒U型，即环境库兹涅茨曲线理论假说成立。他们认为环境质量与经济发展之间存在倒U型关系是因为大规模的经济活动消耗了大量的资源，这对环境产生了负面效应，但同时经济发展又通过正的技术进步效应及结构调整效应减少了环境污染物排放，因而改善了环境质量。
自EKC假设提出以来，国内外学者从不同角度验证该假设的存在与否。以往的研究结果显示，在多数情况下，环境污染指标与经济增长间存在着“倒U型”的关系，例如在研究发达国家地区，如美国、日本和韩国、新加坡等[2]地区时，经济增长与环境质量基本符合这种倒U型关系的环境库兹涅茨曲线；然而有些学者提出了环境污染与经济增长还存在着U型、N型等其他关系，如Inmaculada(2004)[3]在对OECD国家的研究中印证了Pezzey(1989)和Opschoor(1990)提出的环境污染随着经济增长与“先上升——后降低——再次上升”N型曲线关系。
近年来，国内学者开始从区域的角度来专门实证研究经济发展与环境保护之间的相关关系，他们选用一些环境污染物排放指标，用回归分析法研究这些指标随人均GDP的变动情况，回归方程主要选取二项式、三项式和对数方程，通过对地区的EKC进行实证研究，能够在一定程度上反映各地区在某个阶段的环境经济演替轨迹。如刘荣茂等(2006)[4]基于中国1991-2003年29个省级区域环境质量与人均GDP的数据，利用工业废水、废气、固体排放物等变量与人均GDP拟合方程验证环境库兹涅茨曲线假说。研究结果验证了环境库兹涅茨假说，人口密度和外商直接投资对不同的污染物有不同的影响，而工业发展对这三种污染物排放的影响比较大。
刘燕等(2006)[5]采用1990-2003年中国的省级面板数据对中国的经济增长与环境污染之间进行了计量分析，同时考察了中国的对外开放政策对环境质量的影响。研究结果表明中国的经济增长同环境污染之间并不存在简单的倒U型曲线关系，中国的经济增长与工业废水之间表现为一种倒N型曲线关系，与工业废气之间表现为N型曲线关系，而只有与工业固体废物之间表现为一种倒U型曲线关系。同时认为出口同中国的环境污染之间存在显著的正相关关系，而外商直接投资与中国的环境污染之间却存在显著的负相关关系。
国内学者围绕着经济增长与环境污染的关系展开的研究主要集中在国家和省级(直辖市)层面上，但是对城市EKC曲线规律研究较少。
基于此，本文对我国31个省和直辖市不同城市规模的经济发展与环境污染的相关性进行了分析，以79个中等城市、29个大型城市和20个特大城市的城市经济、规模指标与环境污染的统计数据为支撑，构建2003-2008年的面板模型，以反映不同规模的城市环境经济的演替规律。
二、模型构建与变量选取
以往有关EKC的研究文献主要考察了人均收入与环境质量的关系，而考虑城市发展规模变量的较少。国内文献认为，城市规模是指城市的大小，它涵盖了经济规模、人口规模和用地规模。本文试图通过建立基于面板数据分析的EKC模型来量化城市规模与环境质量的关系，将二次、三次函数与对数形式相结合，并加入GDP以外的城市规模因素。建立引入城市规模变量后的EKC模型为：
(1)y环境污染水平：目前环境污染包括水污染、大气污染、固体废弃物污染等多方面，为消除城市间污染类型差异，基于数据的可得性，本文选取二氧化硫排放量、工业废水排放量2类环境污染指标来表征环境质量，分别记为gas、water，指标数值越大，表示环境质量越差。
(2)pgdp人均收入。用各省市每年的居民消费价格指数(CPI)以2003年为基准年进行平减处理，得到实际人均GDP，以消除通货膨胀等价格因素的影响。
(3)area建成区面积，以建成区面积来衡量城市土地规模。
(4)econ能源消费水平，用电力使用量来衡量能源消费水平，反映了城市对资源的消耗水平，间接反映城市规模。
(5)save金融发达水平，用经过平减的年末金融信贷机构存款余额代表金融发达水平，以反映城市的经济水平。
(6)dens人口密度，反映城市人口聚集程度。
(7)indus工业发展情况，用第二产业产值占当年GDP的比重来表示。
为消除数据的异方差现象，对gas、water、pgdp、area、econ、save、dens等指标数据进行对数变换，而indus为百分率，不需取对数的处理。
各变量的符号、单位以及数据的来源如表1所示。
为考察不同规模城市不同环境经济演化规律，我们对119个研究对象按城市非农业人口进行了分类，根据我国1994年制定的《城市规划法》第四条规定，按照城市非农业人口的多少，把城市规模划分为大城市、中等城市和小城市。其中，大城市，是指市区和近郊区非农业人口五十万以上的城市；中等城市，是指辖区和近郊区非农业人口二十万以上，不满五十万的城市；小城市，是指市区和近郊区非农业人口不满二十万的城市，我国的一万多个建制镇均属于小城市的范畴。然而，随着我国经济的迅猛发展与城市的快速扩张，《城市规划法》对于城市规模的分类标准已经不符合目前国情，因此，本文根据目前的城市发展情况与相关研究将城市非农业人口50万至100万的定义为中等城市，城市非农业人口100万以上，不满200万的城市定义为大城市；200万以上的定义为特大城市。
按照此标准，可将119个被研究城市分为70个中等城市、29个大城市和20个特大城市，具体如表3所示。
三、实证研究
考虑到各个城市污染物排放特征的差异性，为了消除异方差现象，采用了加权最小二乘估计法(GLS)进行估计。同时为了避免多重共线性问题，运用了逐步回归法以剔除不显著的变量。
在进行面板数据回归分析时，需要对随机效应模型和固定效应模型进行比较，通过进行Hausman检验，在10%的显著性水平下，均拒绝了运用随机效应模型的原假设，因此选择固定效应模型。最终结果如表4-表6所示，分别代表不同规模城市因变量为lngas、lnwater的面板数据回归模型。
运用逐步回归法剔除了不显著的变量后，模型的拟合优度均获得了较高的值，调整后的R[2]均高于0.95，具有较强的解释能力。根据具体模型的实证结果，对比分析不同规模城市经济与环境水平的相互作用如下：
(1)从长期来看，三类模型中，只有大城市的人均工业废水排放量与人均收入呈现了U型的关系；而中等城市的人均工业二氧化硫排放量和人均工业废水排放量、大城市的人均工业二氧化硫排放量、特大城市人均工业二氧化硫排放量与人均GDP的变动关系均呈现出倒N型的关系；特大城市人均工业废水排放量与人均GDP呈正N型的关系。可见，三类城市的人均工业二氧化硫排放量与人均GDP的变动轨迹趋势都不符合传统EKC曲线，规模不同的城市呈现出不同的变动特征。
从短期来看污染物排放与人均GDP的变动轨迹示意如图2、图3所示。由图可知，2003-2008年人均工业二氧化硫排放与人均GDP的EKC曲线中，大城市和中等城市处于倒N型曲线的下降阶段，而特大城市则处于倒N型曲线的上升阶段；人均工业废水与人均GDP的EKC曲线中，中等城市处于倒N型曲线的下降阶段，大城市处于U型曲线的下降阶段，特大城市则处于N型曲线的下降阶段。
(2)建成区面积变量只与大城市的人均工业二氧化硫排放量呈现了正相关，与其他因变量关系不显著，表明在大城市的发展过程中，随着城市的扩张，土地使用的增加，对环境的压力变大，一方面城区的扩建破坏了原有的生态环境，另一方面新建城区人口的聚集与工业企业的建立对环境也产生了负效应。
(3)能源消费变量与中等城市的人均工业二氧化硫排放量在5%显著性水平上呈正相关，能源消费每增加1%，人均工业二氧化硫排放量增加0.05%；而人均工业废水排放量则关系微弱，不显著。
能源消费变量与大城市和特大城市的人均污染物排放在1%显著性水平上呈显著的正相关性，能源消费每增加1%，大城市的人均工业二氧化硫排放与人均工业废水排放就会提高1.21%和1.23%，而特大城市的此两项指标会分别提高2.35%和1.46%。
图2 人均工业二氧化硫排放与人均GDP的EKC曲线的关系
图3 人均工业废水排放与人均GDP的EKC曲线关系
这说明城市规模越大，人口与企业的集聚程度提高，对能源的需求依赖度越强，对环境的压力越大，表明我国总体城市能源利用结构不合理，节能减排的工作仍不见成效。
(4)金融发展变量与中等城市的人均工业二氧化硫排放在1%水平上呈负相关性，金融机构存款每增加1%，人均工业二氧化硫排放则降低19.58%，而其与大城市的人均工业二氧化硫排放和人均工业废水排放在1%显著水平上呈负相关关系，金融机构存款每增加1%，两项污染水平分别增加21.29%和34.21%；金融发展变量与特大城市的污染排放水平显著性不强。
这表明中等规模的城市在发展过程中，随着第三产业的发展，金融行业也得到发展，使得劳动力等资源向金融产业流动，污染排放企业的产出增长放缓，使得金融发展对环境压力产生了负效应；而对于大城市而言，因其金融体系的不断健全，金融体系的融资功能拓宽了企业的筹资渠道，为污染排放企业提供了更为便利的资金来源，一定程度上解决了企业资金不足的瓶颈问题，增强了污染排放企业的生产能力，生产活动的副产品—污染物的排放亦因此增加，导致金融发展对环境污染产生了正向的效应。而对于特大城市，金融发展与污染物排放之所以呈现不显著的关系，可能是由于特大城市的更发达灵活的金融运行水平有利于企业的生产创新，清洁技术的发展减少了环境污染，这种对环境污染的负效应和原有的正效应的综合使得特大城市的金融发展与污染排放的相关关系不明确。
(5)人口密度变量与大城市的工业废水排放量呈正相关，人口密度每提高1%，废水排放提高44.78%，而该变量与特大城市的工业二氧化硫排放呈负相关，人口密度每提高1%，污染排放则减少14.92%。表明随着城市的发展，人们对环境给予了更多的关注，对环境质量的要求提高，人口密度越大，人口聚集程度越高，人们对良好环境的愈来愈紧迫诉求使政府将重污染企业规划至远离人口集聚的地区，使得人口密度对环境污染的负效应转为正向效应。
(6)工业发展变量与中等城市的工业废水排放呈负相关，第二产业占GDP比重每增加1%，污染排放减少0.81%；该变量与大城市的污染物排放变量均呈正相关，第二产业比重每增加1%，人均工业二氧化硫与人均工业废水排放分别提高1.2%和1.6%；工业发展变量与特大城市人均工业二氧化硫排放量呈正相关显著关系，第二产业比重每增加1%，人均工业二氧化硫排放提高0.77%。这说明相对于中等城市，大城市工业生产时由于规模效应，导致产出增长，也带来了污染的增加；而特大城市因其拥有较高的科学技术优势与严格的政府管制，企业重视了清洁生产的技术研发，产业结构的优化使得一定程度上工业发展对环境污染的正效应程度降低。
四、结论及政策建议
本文运用我国119个城市的2003-2008年的面板数据，将城市规模变量引入传统的EKC模型，分析我国城市经济发展与城市环境的短期变动趋势。为分析不同规模城市的EKC模型特征，本文将119个研究对象根据非农业人口数量分为三类城市：中等城市、大城市和特大城市。通过对上述三类城市的面板数据的固定效应回归模型的实证检验，结果显示：(1)三类模型中，只有大城市的人均工业废水排放量与人均收入呈现了U型的关系；而中等城市的人均工业二氧化硫排放量和人均工业废水排放量、大城市的人均工业二氧化硫排放量、特大城市人均工业二氧化硫排放量与人均GDP的变动关系均呈现出倒N型的关系；特大城市人均工业废水排放量与人均GDP呈正N型的关系。可见，三类城市的人均工业二氧化硫排放量与人均GDP的变动轨迹趋势都
不符合传统EKC曲线，规模不同的城市呈现出不同的变动特征。(2)中等城市可以通过提高能源消费效率来改善环境质量；大城市可以通过合理规划城市土地开发建设、提高能源消费效率、健全金融体系、提高人口环保素质以及降低工业产值比重优化产业结构来改善环境质量；特大城市可以通过提高能源利用效率和降低工业产值比重来降低环境污染。
根据实证结果，本文主要从以下方面提出促进城市与环境的和谐可持续发展的建议：
1.摒弃以利益驱动为核心特征的城市规划价值取向。重工业化与城市化有力地推动了城市规模的扩张和城市经济的发展，然而却给城市环境带来了严重的负面影响，给城市的可持续发展造成了许多阻滞。城市和它的环境是重要的国有资产，保护城市及其环境就是保护国有资产。城市在规划与建设过程中，应遵循自然生态规律与城市发展规律，重视生态城市的规划和发展。
2.重视优化能源生产和消费结构，推进煤炭的洁净利用。随着城市规模的扩大，能源消费所带来的环境问题亟待解决。在重视城市中冶金、电力、化工、建材等高耗能行业节能的同时，还应重视建筑和交通节能，制定科学合理的建筑节能标准，提高建筑能耗效率，开发利用清洁能源和可再生能源，研究开发与推广普及洁净燃煤技术，减轻能源生产消费对城市环境的压力。
3.重视金融体系的健全与发展。好的金融体系降低了技术创新的风险，有利于企业对清洁技术的投资研发，金融发展的这种技术效应会有利于城市的经济与环境的协调发展。中小城市应强化绿色信贷机制，减少对钢铁、水泥、造纸等高污染产出的企业贷款，限制其扩张；同时加强对绿色环保行业的信贷支持，促进产业结构的优化升级。
4.政府要加强和制定合理的制度措施并争取市民的积极配合。政府应在实行污染物排放总量控制和排污许可证的基础上，进一步完善企业生态环境的补偿制度，实现企业外部不经济性的内部化。此外，需要加强公共教育，提高人口素质，一方面人口素质的提高有利于市民积极配合政府的生态城市建设的各项举措，另一方面，市民对生态环境日益增长的关注可实现对政府行为的监督，促进城市与生态环境的可持续发展。
