0 引言

随着工业化和城市化的快速发展，环境问题日益突出，引发社会各界普遍的关注。自1991年G.M.Grossman等提出经济发展与环境污染倒“U”型的“环境库茨涅兹曲线(EKC)”后[1]，环境污染与经济发展的关系成为国内外研究热点，相关研究验证了环境库茨涅兹曲线的存在[2-10]。利用“环境库茨涅兹曲线”原理研究环境污染的经济影响因素大致可归纳为对外贸易、经济结构和技术进步3个方面。对外贸易方面，杨海生等认为贸易对环境污染没有直接影响，但外商直接投资与污染物排放之间存在显著的正相关关系，“污染天堂假说”在中国成立[11]；有学者则持有相反观点，认为外商直接投资有利于改善中国环境污染[12-13]。在经济结构和技术进步方面，研究证明产业结构的调整升级和技术进步对减排具有促进作用[14-16]。但研究多关注环境污染影响因素的时间尺度，而环境污染的空间因素鲜有提及。

随着新经济地理学的兴起，从空间尺度研究环境污染问题为学术界提供了一个新的思路。范俊韬等研究发现了我国环境污染与经济发展存在高度空间相关性，且否定了空间尺度上的环境库茨涅兹曲线的成立性[17]。唐德才[18]、马素琳等[19]证明了产业集中度的增加对环境改善有促进作用，随着产业集中度的上升，环境污染总量虽然增加但其密度则在减少。闫逢柱等发现产业集聚可以改善环境污染问题，但具有一定时效性[20]。杨仁发认为产业集聚对环境污染问题影响存在门槛效应，在某个临界值时之前，产业集聚加重环境污染，一旦达到临界值，产业集聚将改善环境问题[21]。以上研究均从经济地理角度对环境污染问题进行了创新性研究，但普遍缺乏一个系统经济地理学研究框架。

MOXA作为行业领先企业，也不断的调整自己的经营思路和方法，目前，国内正在积极推进制造业的转型，部署工业强国战略。MOXA也会积极参与到大家的智能制造改造和探索中，希望用产品，行业Knowhow等让用户在智能制造领域走得更快更好，让工业通信更加稳定、安全，共同推进国内智能制造的发展战略。

2009年世界发展报告提出了世界地理格局变化的三大特征，即密度、距离与分割(density，distance and division，3D)。密度是指单位土地面积的人口和经济总量，代表人口和经济的集中度；距离是指两地区间的距离，用来衡量地区间商品、要素等流动的难易程度，除了空间距离，还包括因为制度障碍与基础设施落后而造成的经济距离；分割主要是指限制地区生产和生活要素流动、阻碍市场一体化的障碍。因此，提高密度、缩短距离和减少分割能有效促进地区经济发展[22]。3D要素为经济地理提供了一个系统的分析框架。在3D分析框架下，M.Roberts等对中国重庆空间生产效率进行了研究[23]；王伟凯等[24]、李燕等[25]、周沂等[26]、白永亮等[27]通过3D框架分别对中国城市群、长江三角洲、武汉城市群和长江中游城市群经济空间演化进行了分析；郭琪等[28]、倪麟等[29]分别研究了3D要素对中国城市劳动生产率的影响；李雪松等[30]、罗勇等[31]分别从中国省域和长江经济带视角对3D要素与市场一体化的关系进行了研究。同时，3D框架也为研究区域环境污染物提供了一个新的理论解释[32-33]。黄志基等研究了3D因素与中国城市SO2排放的关系，发现密度因素与SO2排放呈倒“U”型关系，距离因素与SO2排放总量存在正相关关系，与SO2排放强度存在负相关关系，但该研究只关注了SO2的排放，缺乏代表性[34]；陈肖飞等分析了3D因素对长江三角洲工业废水、SO2和烟尘排放的影响，发现长三角城市群工业污染物排放量与经济密度呈正相关，与距离因素呈负相关，而分割因素对3种污染物影响效果各不相同[35]。但只关注了3D要素与污染物总量的关系，而对污染物密度的分析更具有经济上的说服力和意义。

关于城市环境污染影响因素的研究尚存在不足：一是针对我国环境污染的研究集中于其与经济增长的联系，且对环境污染问题影响因素的研究主要集中在针对某一具体因素的分析而缺乏系统的研究；二是新经济地理学为环境污染研究提供了一个新的方向，但缺乏系统的分析框架，或仅关注单一污染物而忽略不同污染物的异质性；三是环境污染的研究多集中在全国层面或东部地区，鲜有关注中西部地区。经过多年的发展，中原城市群在经济和人口集聚、交通基础设施完善和市场一体化方面都取得了较大的进步，环境污染也愈加严重。鉴于此，本研究选取中原城市群8个主要城市2005—2015年面板数据为样本，利用新经济地理学的3D分析框架，采用FLGS和PCSEs两种计量方法对中原城市群的工业废水、SO2和烟尘3种污染排放物的影响因素进行研究，以期为中原城市群的可持续发展提出政策参考。

1 3D因素影响环境污染排放假说

密度因素代表单位经济聚集度。随着地区经济发展，大量企业及其经济活动开始向城市聚集，地区经济聚集度逐渐提高，大量污染物的排放导致环境质量下降；当经济发展水平较高时，经济聚集度达到某个临界值，产业集聚规模效应凸显，产业结构升级和技术进步将改善地区环境污染。同时，人们的环保意识也会随着生活水平上升而提高。因此，密度因素对环境污染排放可能存在先上升后下降的非线性影响作用。提出假说一(H1)：密度因素对环境污染排放具有先上升后下降的倒“U”型曲线关系。

[13] 许和连,邓玉萍.外商直接投资导致了中国的环境污染吗?——基于中国省际面板数据的空间计量研究[J].管理世界,2012(2):30-43.

距离因素代表地区交通基础设施的状况。一方面交通基础设施的建设导致大量能源消耗和生态环境破坏，另一方面交通基础设施的改善加快地区要素流动，降低企业生产运输成本，企业可以将节约资金运用到研发和环保部门，推动地区技术进步，带动产业结构升级，进而缓解地区环境污染。因此，交通基础设施的变化对城市环境污染可能存在双重影响作用。提出假说二(H2)：距离因素对环境污染排放具有双重影响作用。

“只要勤劳肯干，一天到晚有钱挣。”吉祥寺村党支部书记张国勇说，村里有上千亩香菇种植基地，香菇加工企业及配套企业有10家，还有上百家小作坊，香菇大市场可容纳上万人交易，年交易额约15亿元。去年，全村产干菇180万斤，农业生产总值3.5亿元。

分割因素代表市场一体化程度。市场分割所产生的地方贸易保护主义阻碍了城市群产业专业化分工进程，产业结构升级缓慢，导致环境污染排放高居不下；市场分割带来资源配置的扭曲，导致全要素生产率的损失，包括能源利用效率的降低[36]；市场分割下的地方保护主义一方面使得本地企业失去动力，另一方面抑制了地区间知识溢出效应，从而阻碍了技术进步，地区环境污染也不会得到改善[37]。因此，市场分割程度越大，市场一体化水平越低，城市环境污染排放问题越严重。提出假说三(H3)：分割因素不利于环境污染问题的改善。

2 模型设定与数据来源

2.1 模型设定

借鉴已有的研究[34-35]，进行模型总体设定：

ln Pit=αi+βln D1,it+γln D2,it+

λln D3,it+∑ξjXj,it+εit 。

(1)

式中：i和t分别表示城市和年份；j为第j个控制变量；P为被解释变量污染排放密度；D1，D2，D3分别代表密度、距离、分割3种主要解释变量；X为控制变量，包括二产比重、国有企业比重、科技支出、进出口贸易、外商直接投资等；β，γ，λ，ξ分别是对应变量的系数，反映各解释变量和控制变量对被解释变量的影响；αi代表城市固定效应，即城市个体本身带来的差异性；εit是均值为0方差时的随机扰动项。

胃窗超声造影对早期胃癌术前T分期的总准确率为70.9%，对T1、T2、T3、T4诊断准确率分别为60.0%、73.1%、64.3%、100.0%，见表1。

将从模型小鼠中找到的20个差异性代谢物导入MetaboAnalyst数据库中构建肠炎模型相关代谢通路，总共发现24条代谢通路，主要相关的13条潜在代谢通路见图4，按影响值（impact）从大到小依次为亚油酸的代谢，α-亚麻酸代谢，β-丙氨酸代谢，苯丙氨酸、酪氨酸和色氨酸生物合成，乙醛酸和羧酸盐代谢，丙氨酸、天冬氨酸和谷氨酸代谢，磷酸肌醇代谢，色氨酸代谢，酪氨酸代谢，半胱氨酸和甲硫氨酸代谢，淀粉和蔗糖代谢，三羧酸循环，精氨酸和脯氨酸代谢，其影响值分别为1.00、1.00、0.50、0.44、0.26、0.19、0.18、0.14、0.11、0.09、0.07、0.05、0.04。

2.2 数据来源与处理

选取中原城市群郑州、开封、洛阳、平顶山、新乡、焦作、许昌、漯河8个城市(由于数据缺乏较多而将济源市剔除)2005—2015年面板数据进行研究分析，数据主要来源于历年《中国城市统计年鉴》《中国区域经济统计年鉴》《河南统计年鉴》。历年有关GDP数据、第二产业产出数据、国有企业增加值数据等经济数据均折算成2005年不变价，对外贸易总额和外商直接投资均利用当年汇率平均价折算成人民币计算。

2.3 变量选择

2.3.1 被解释变量。选取工业废水、SO2和烟尘排放密度反映城市环境不同污染物排放指标，由各城市历年工业废水排放量、工业SO2排放量和工业烟尘排放量除以行政面积计算所得(分别表示为Pw，Pg，Ps)，表示单位面积的工业污染。由中原城市群各城市2005，2010和2015年3种污染排放物的空间分布(图1)可知：空间上，中原城市群北方城市比南部城市的污染排放严重，新乡、焦作两个工业为主的城市污染排放量和排放强度尤为严重，漯河污染排放强度也较为明显；时间上，污染排放总量经历了一个先增加后下降的过程，2010年中原城市群污染排放量达到最高，而排放强度在近10年则呈现普遍下降的趋势。随着城市群体系的发展和成熟，中原城市群规模效应开始凸显，城市环境得到了改善。

图1 中原城市群环境污染排放空间格局变化 Fig.1 Spatial pattern of environment pollution emission in Central Plains Urban Agglomeration

2.3.2 解释变量。① 密度。选取经济密度(G)即单位面积GDP作为衡量指标。由于可能存在的环境库茨涅兹曲线，即经济对环境污染的影响倒“U”曲线关系，加入经济密度的平方项来说明密度因素可能对环境影响的双重作用。② 距离。选取交通密度(Dtran)作为指标，其传统计算方式是公路、铁路和内河航道里程之和除以地区的国土面积，但考虑到中原城市群水运资源比较缺乏以及公路和铁路的地区重要性，因此忽略内河航道并用货运量表示交通权重，即交通密度计算公式为：Dtran,it=ω1,it×R1,it+ω2,it×R2,it/Sit。式中：R1,it代表公路里程；R2,it代表铁路里程；ω1,it代表公路货运量占总货运总量的比例；ω2,it代表铁路货运量占总货运总量的比例；Sit代表地区的面积。由于缺少各个城市铁路里程，因此，采用各个城市地理面积占全省总地理面积比重为权重计算而得。③ 分割。采用陆铭等的相对价格法测算市场分割指数[38](V)。选取数据包括食品、烟酒及用品、衣着、家庭设备用品及维修服务、医疗保健和个人用品、交通和通讯、娱乐教育文化用品及服务、居住等8类居民消费价格指数。首先，计算i和j两个城市k商品的相对价格绝对值。其次，通过去均值消除特定商品的固定效应。最后，计算市场分割指数V，V越大，说明市场分割程度越严重，市场一体化水平越低。

用户可以通过控制按键上的按键来实现单片机对系统状态的控制。通过选择按键，可以实现单片机数据的输入、命令的传输以及人工控制发送紧急短信等。单片机系统包括两个常用的按键，分别是机械式按键和薄膜按键。按键实质上是一组按键开关的集合，通过控制按键的闭合来实现行线对高电平和低电平的呈现。

① 需求因素。企业生产过程必然伴随污染物的产生，污染物可被看作企业一个必需品，企业生产越多，所需污染物排放量越大。尤其在我国工业化快速发展和产业中西部转移的双重背景下，中原城市群的环境污染主要来源于工业企业，一般来说，第二产业比重越高，对环境污染物的排放需求量也越高，因此，选取第二产业占GDP比重(S)作为环境污染排放的需求指标。

② 供给因素。污染供给主要由政府对环境规制决定。借鉴黄志基等[34]、陈肖飞等[35]的研究成果，从增加环境污染供给方面看，国有企业的特殊身份决定其与政府在环境污染排放问题博弈过程中的重要讨价还价地位；从降低环境污染供给方面看，政府对环境污染的科技研发投入可作为对环境污染的管制政策之一，鉴于环境科技研发数据的不连续性，将政府科技支出占财政支出的比重作为环境科技支出的替代，政府科技支出占财政支出的比重越大，相应的对环境支出比重也越大，表明政府对环境管制程度越大。基于此，选取国有控股企业增加值比重(H)和政府科技支出占财政支出比重(I)作为衡量环境污染供给的增加量和减少量。

借鉴前人对对外贸易对城市环境污染存在的影响作用研究[11,13-14]，加入进出口总额占GDP的比重(O)和外商直接投资占GDP比重(F)。综合以上分析，模型可以进一步分解：

ln Pw=αi+β1ln Git+β2ln2 Git+γln Dtran,it+

λVit+ξ1ln Sit+ξ2ln Hit+ξ3ln Iit+

ξ4ln Oit+ξ5ln Fit+εit 。

(2)

ln Pg=αi+β1ln Git+β2ln2 Git+γln Dtran,it+

式中：Pw,Pg,Ps分别为工业废水、SO2、烟尘排放密度；G，Dtran，V分别代表经济密度、交通密度、市场分割指数3种主要解释变量；S,H,I,O,F分别为二产比重、国有企业增加值比重、科技支出占财政支出比重、进出口贸易占GDP比重、外商直接投资占GDP比重；β1,β2,γ,λ,ξ1,ξ2,ξ3,ξ4,ξ5分别为对应解释变量和控制变量的系数；αi代表城市固定效应。

ξ4ln Oit+ξ5ln Fit+εit 。

(3)

ln Ps=αi+β1ln Git+β2ln2 Git+γln Dtran,it+

λVit+ξ1ln Sit+ξ2ln Hit+ξ3ln Iit+

仿真结构仅仅是简化过后的理论模型，实际的反应腔室结构要复杂的多，每一个结构、间隙、或微小尺寸的变化都会对流场的不均匀性造成影响，产生流场偏置、气流扰动以及死区等。同时工艺参数的变化如进气流量、工艺压力、极板间距、工艺温度、等离子体轰击等都会对流场及沉积均匀性造成影响。对于多物理场的耦合我们还要面对更多的挑战，需要从多角度综合考虑采用仿真与实验相结合的方式去实践探索。

ξ4ln Oit+ξ5ln Fit+εit 。

(4)

λVit+ξ1ln Sit+ξ2ln Hit+ξ3ln Iit+

2.3.3 控制变量。采用洪涛等污染供需分析框架，将污染排放物看作企业正常生产所需的投入品之一[39]，看作受到需求和供给两方面因素影响。

3 3D因素影响结果分析

由于面板数据包括截面数据和时间序列数据的特征，所以不可避免地出现异方差和序列问题，同时，由于面板数据中每个截面之间可能存在内在的联系，所以，截面相关性也有可能出现。因此，对3种被解释变量分别进行了组间异方差的LR检验、J.M.Wooldridge提供的序列相关性检验[40]和Breusch-Pagan LM检验，3种结果均强烈地拒绝了原假设，因此，固定效应和随机效应模型均不再适用，而可行广义最小二乘法FGLS(fesible generalized least squares)和面板校正标准误估计PCSEs(panel corrected standard errors)能够解决以上存在的问题，增强面板回归结果的一致性、有效性。因此，同时利用上述两种计量方法进行回归，如果两种方法估计结果趋于一致，则说明模型具有较好的稳健性。

3.1 对城市工业废水排放的影响

[27] 白永亮,党彦龙.基于3D框架的长江中游城市群经济空间演化研究[J].湖北经济学院学报,2014(4):66-72.

表1 工业废水影响因素及回归结果 Tab.1 Influence factors and regression results of industrial wastewater

lnPwFGLSPCSEs密度距离分割整体密度距离分割整体 lnG -0．780∗∗∗——-0．739∗∗∗-1．065∗——-1．160∗(-4．59)——(-4．86)(-2．01)——(-2．44)ln2G -0．210∗∗∗——-0．211∗∗∗-0．332∗——-0．374∗∗(-4．27)——(-4．65)(-2．13)——(-2．76)lnDtran—0．025—-0．063 —-0．053—-0．257 —(0．92)—(-1．62)—(-0．24)—(-1．10)lnV——0．029∗∗∗ 0．034∗∗∗——0．0280．030——(10．58)(7．89)——(0．52)(0．50)lnS 0．548∗∗∗ 0．641∗∗∗0．464∗∗∗0．366∗∗0．493 1．057∗ 0．938∗∗0．665(4．09)(5．69)(5．29)(2．71)(1．11)(2．34)(2．74)(1．16)lnH-0．090∗∗-0．092∗∗∗-0．123∗∗∗-0．096∗∗∗ -0．447∗∗∗ -0．505∗∗∗ -0．491∗∗∗-0．494∗∗∗(-3．16)(-4．49)(-10．24)(-4．01)(-4．15)(-3．93)(-5．25)(-3．96)lnI-0．064∗∗∗-0．056∗∗∗-0．052∗∗∗-0．048∗∗∗-0．189∗-0．152∗-0．158∗∗-0．175∗∗(-4．90)(-6．25)(-6．73)(-3．93)(-2．77)(-2．11)(-2．24)(-2．63)lnO 0．306∗∗∗0．215∗∗∗0．248∗∗∗0．300∗∗∗ 0．491∗∗∗ 0．404∗∗∗ 0．409∗∗∗ 0．485∗∗∗(11．92)(11．65)(16．03)(13．26)(5．64)(7．08)(7．34)(5．46)lnF0．110∗0．102∗∗∗0．100∗∗∗0．102∗∗∗-0．109 0．066-0．058 -0．112 (2．45)(4．24)(8．02)(3．72)(-1．10)(-0．69)(-0．57)(-1．12)＿cons10．150∗∗∗10．570∗∗∗ 10．780∗∗∗10．420∗∗∗-0．814 0．2460．450-0．437 (44．52)(81．40)(132．77)(65．45)(-1．76)(0．78)(0．70)(-0．70)N88 88 88 88 88 88 88 88 Wald⁃λ2291．68264．08264．08324．46119．9859．8663．7863．78R2— — — — 0．4500．4290．4310．431

说明：*，**，***分别表示通过10%，5%，1%显著性水平检验；括号内数字为变量显著性T值；—表示未加入。下表同。

3.2 城市工业二氧化硫排放的影响

将SO2排放作为因变量进行回归(表2)。两种方法估计结果基本保持一致同样验证了模型设定的合理性。密度因素对中原城市SO2污染的影响结果与其对废水的影响结果保持一致，均呈现倒“U”型曲线。距离因素对城市工业SO2排放的影响为负，尤其加入其他要素后影响显著，即交通基础设施的完善能明显改善SO2的排放。分割因素对城市SO2排放影响为负，但影响作用并不突出。控制变量中，工业和国有企业比重的增加都会加重城市SO2环境污染；科技的投入减轻了环境污染；对外贸易对SO2排放有显著的正效应；而外商直接投资对SO2的排放则在两个回归方法中出现了偏差，说明SO2的“环境污染天堂假说”有待进一步验证。

表2 工业SO2影响因素及回归结果 Tab.2 Influence factors and regression results of industrial SO2

lnPgFGLSPCSEs 密度距离分割整体密度距离分割整体lnG0．187——-0．386-0．379——-0．440(0．67)——(-1．31)(-0．92)——(-1．07)ln2G-0．037 —— -0．246∗∗-0．200——-0．237∗(-0．49)——(-2．97)(-1．75)——(-2．06)lnDtran—-0．026— -0．297∗∗∗—0．034—-0．271—(-1．00)—(-4．13)—(0．29)—(-1．67)lnV——-0．012-0．029——-0．036-0．040——(-1．23)(-1．67)——(-0．76)(-0．71)lnS0．445 0．944∗∗∗ 0．926∗∗∗0．5030．2210．584 0．695∗∗0．547(1．53)(5．75)(6．17)(1．85)(0．87)(1．93)(3．08)(1．83)lnH 0．249∗∗∗ 0．163∗∗∗ 0．181∗∗∗ 0．179∗∗∗ 0．429∗∗∗ 0．352∗∗∗ 0．342∗∗∗ 0．380∗∗∗(5．17)(5．59)(7．83)(3．90)(5．82)(4．97)(5．51)(5．16)lnI-0．004 -0．003 -0．004 -0．037-0．009 0．0420．0460．006(-0．15)(-0．20)(-0．31)(-1．35)(-0．17)(0．85)(0．93)(0．10)lnO 0．266∗∗∗ 0．273∗∗∗ 0．260∗∗∗ 0．277∗∗∗ 0．246∗∗∗ 0．286∗∗∗ 0．280∗∗∗ 0．224∗∗∗(5．67)(9．91)(9．59)(6．63)(3．63)(6．01)(6．04)(3．31)lnF-0．059 -0．027 -0．039 -0．0620．025 0．113 0．102-0．005 (-1．03)(-0．79)(-1．21)(-1．27)(0．39)(1．76)(1．44)(-0．07)＿cons3．844∗∗∗ 3．647∗∗∗ 0．926∗∗∗ 3．127∗∗∗3．905∗∗∗ 4．649∗∗∗ 4．354∗∗∗ 3．670∗∗∗(9．38)(19．55)(6．17)(7．78)(6．55)(8．99)(6．79)(4．99)N88 88 88 88 88 88 88 88 Wald⁃λ280．07192．85224．64117．21151．6570．2068．37201．47R2— — — — 0．4890．4480．4520．500

3.3 对城市工业烟尘排放的影响

[20] 闫逢柱,苏李,乔娟.产业集聚发展与环境污染关系的考察——来自中国制造业的证据[J].科学学研究,2011,29(1):79-83.

表3 工业烟尘排放影响因素及回归结果 Tab.3 Influence factors and regression results of industrial soot

lnPsFGLSPCSEs密度距离分割整体密度距离分割整体lnG0．389——0．1120．196——0．148(0．99)——(0．27)(0．38)——(0．29)ln2G-0．038 ——-0．150-0．153——-0．183(0．36)——(-1．27)(-1．05)——(-1．26)lnDtran— -0．264∗∗∗— -0．334∗∗—0．309—-0．223—(-3．74)—(-3．06)—(1．67)—(-1．00)lnV——-0．029∗ -0．066∗∗——-0．029-0．039——(-2．56)(-2．86)——(-0．51)(-0．56)lnS-0．997∗∗∗0．092-0．065-0．491 -0．859∗∗-0．735∗-0．305-0．578(-3．36)(0．37)(-0．33)(-1．21)(-2．61)(-2．03)(-1．20)(-1．47)lnH0．139∗∗-0．022 0．077∗∗∗ 0．076∗ 0．490∗∗∗ 0．391∗∗∗ 0．314∗∗∗ 0．448∗∗∗(3．21)(-0．59)(4．95)(2．02)(6．58)(5．06)(5．95)(5．36)lnI-0．041∗∗-0．055∗∗∗-0．032∗∗-0．082∗∗-0．086-0．008 0．022-0．073(-2．75)(-3．58)(-2．91)(-2．82)(-1．35)(-0．14)(0．39)(-1．08)lnO 0．176∗∗∗ 0．271∗∗∗ 0．184∗∗∗0．102-0．011 0．194∗∗ 0．183∗∗-0．030(3．55)(6．63)(5．88)(1．70)(-0．13)(2．82)(2．66)(-0．36)lnF-0．045 0．077∗∗ 0．070∗∗∗-0．075 -0．247∗-0．064 -0．070 -0．273∗(-1．54)(2．68)(3．63)(-1．87)(-2．11)(-0．58)(-0．60)(-2．23)＿cons1．842∗∗∗ 2．367∗∗∗ 1．986∗∗∗1．204∗∗ 1．380∗ 1．976∗∗∗ 2．032∗∗ 1．129(4．22)(11．56)(10．54)(2．71)(2．11)(4．00)(2．96)(1．28)N88 88 88 88 88 88 88 88 Wald⁃λ277．52118．95147．1957．1174．5575．2175．1875．27R2— — — — 0．3380．2020．1950．346

4 结论与讨论

4.1 结论

1)密度与中原城市群工业废水、SO2和烟尘3种污染物排放强度均呈现倒“U”型曲线关系，即随着经济集聚程度的增加，环境污染物的排放呈现先上升后下降的变化趋势，废水、烟尘排放的拐点已经出现，经济集聚的环境正向外部效应将会凸显。2)距离缩短会减轻中原城市群3种环境污染物排放，说明目前中原城市群交通运输设施相对完善，对环境改善呈现出正向影响作用。3)分割对3种环境污染物排放影响出现了分化，市场一体化程度的提高会明显减少中原城市群工业废水的排放，但对SO2和烟尘没有显著影响，原因是中原城市群人口、产业的集中导致交通流量的增加，加重了交通烟气排放。但整体而言，市场一体化水平的提高有利于环境质量的改善。4)对外贸易会加重中原城市群环境污染，而外商直接投资会增加工业废水的排放，但会减少SO2的排放，而对烟尘排放影响结果并不一致，这可能与贸易和投资的项目结构有关，河南省机电产品、纺织服装业等主要出口商品属于三高产品，FDI在河南投资则主要集中在轻纺业等耗水行业。因此，“污染天堂假说”在中原城市群基本成立。

4.2 讨论

第一，中原城市群经济集聚带来的规模效应、结构效应和技术溢出效应已经凸显，对环境正面影响作用将进一步突出。第二，进一步完善城市群交通基础设施，降低交通运输成本，加快区域内生产要素流动，提高企业生产效益，促进其将节约的生产成本转移到对环保的研发投入中，改善城市环境质量。第三，推动中原城市群一体化建设，消除行政壁垒和市场分割尤其是以邻为壑的地区发展模式，建立区域统一的协调合作机制，实施统一环境管理布局规划和管理。第四，产业结构优化和环保科研投入是环境质量改善的必要条件。第五，谨慎对待贸易自由化，切勿为追求短期的经济利益而盲目地生产高污染、高消耗产品尤其是高耗水型产品，鼓励企业提高节水意识；有效识别外资的综合质量而非简单的经济数量，加大对外商投资企业的环保监管力度。

参考文献：

[1] GROSSMAN G M,KRUEGER A B.Environmental Impacts of A North American Free Trade Agreement[J].Social Science Electronic Publishing,1993,8(2):223-250.

[2] LPEZ R.The Environment as A Factor of Production:The Effects of Economic Growth and Trade Liberalization[J].Journal of Environmental Economics and Management,1994,27(2):163-184.

[3] SELDEN T M,SONG D.Environmental Quality and Development:Is There A Kuznets Curve for Air Pollution Emissions?[J].Journal of Environmental Economics and Management,1994,27(2):147-162.

[4] COLE M A,RAYNER A J,BATES J M.The Environmental Kuznets Curve:An Empirical Analysis[J].Environment and Development Economics,1997,2(4):401-416.

[5] HE J,RICHARD P.Environmental Kuznets Curve for CO2 in Canada[J].Ecological Economics,2010,69(5):1083-1093.

“人的志向从儿童阶段就开始萌生了。它是随着孩子思维、学习与实践活动的发展，随着家庭和学校教育的不断深化，从无到有，从低水平到高水平逐步形成的。”（关颖《要成才先立志》）除了大环境的铸造，陶渊明整个成长过程中母亲的教育和外公的影响也非常大。

[6] 谷蕾,马建华,王广华.河南省1985—2006年环境库兹涅茨曲线特征分析[J].地域研究与开发,2008,27(4):113-116.

[7] 周静,杨桂山.江苏省工业污染排放特征及其成因分析[J].中国环境科学,2007,27(2):284-288.

[8] 许广月,宋德勇.中国碳排放环境库兹涅茨曲线的实证研究——基于省域面板数据[J].中国工业经济,2010(5):37-47.

[9] 陈延斌,董大朋,陈才.山东省经济增长与环境污染水平关系的计量研究[J].地域研究与开发,2011,30(5):50-54.

[10] 刘婷婷,马忠玉,万年青,等.经济增长与环境污染的库兹涅茨曲线分析与预测——以宁夏为例[J].地域研究与开发,2011,30(3):62-66.

[11] 杨海生,贾佳,周永章,等.贸易、外商直接投资、经济增长与环境污染[J].中国人口·资源与环境,2005,15(3):99-103.

[12] 盛斌,吕越.外国直接投资对中国环境的影响——来自工业行业面板数据的实证研究[J].中国社会科学,2012(5):54-75.

(2)Cav是指施工项目在考核期内，基于实际需要投入的安全成本，在已取得的实际安全保障水平的基础上安全成本的实际费用值。

[14] 杨俊,邵汉华,胡军.中国环境效率评价及其影响因素实证研究[J].中国人口·资源与环境,2010,20(2):49-55.

[15] 于峰,齐建国.开放经济下环境污染的分解分析——基于1990—2003年间我国各省市的面板数据[J].统计研究,2007,24(1):47-53.

[16] 韩峰,李浩.湖南省产业结构对生态环境的影响分析[J].地域研究与开发,2010,29(5):89-93.

[17] 范俊韬,李俊生,罗建武,等.我国环境污染与经济发展空间格局分析[J].环境科学研究,2009,22(6):742-746.

[18] 唐德才.工业化进程、产业结构与环境污染——基于制造业行业和区域的面板数据模型[J].软科学,2009,23(10):6-11.

实验试剂及材质:咪唑啉、季铵盐、酰胺盐、膦酸盐、氨基三亚甲基膦酸、聚天冬氨酸;N80碳钢、825耐腐蚀合金(组分见表1)。

[19] 马素琳,韩君,杨肃昌.城市规模、集聚与空气质量[J].中国人口·资源与环境,2016,26(5):12-21.

将工业烟尘排放作为因变量，两种方法回归结果见表3。整体结果再次检验了模型的稳健性和合理性。密度因素与城市烟尘排放强度的影响呈现倒“U”型趋势，再一次验证了中原城市群环境库茨涅兹曲线的存在。距离因素与城市工业烟尘排放存在显著的负相关关系，说明城市群的交通基础设施的改善会减少城市工业烟尘的排放。分割因素对城市烟尘排放影响作用为负，与预期结果相反。控制变量中，与对SO2影响结果一样，第二产业比重的增加对城市工业烟尘的影响显著为负，可能是由于近些年来在社会和政府对空气雾霾的关注导致工业企业提高了对烟尘排放的科技研发投入和环境保护意识，进而减少了环境烟尘排放；国有企业的增加会增加城市工业烟尘排放；而科技投入的增加对城市工业烟尘排放有削弱作用，与预期结果保持一致；对外贸易的增加会对环境烟尘有严重的影响，但外商直接投资对环境烟尘的排放的影响出现了变化，当加入距离和分割因素时，外商直接投资对烟尘排放的影响显著为正，而加入密度因素后，其对烟尘排放的影响变成显著为负，说明外商直接投资对该污染物排放的影响并不是直接作用的，而是与其他多方面因素共同发挥作用。

[21] 杨仁发.产业集聚能否改善中国环境污染[J].中国人口·资源与环境,2015,25(2):23-29.

[22] BANK W.Reshaping Economic Geography[J].World Bank Other Operational Studies,2009,35(100):583-586.

程序的控制依赖关系在程序的控制流程图（Control Flow Graph，CFG）中体现。程序的控制流程图是对程序或者一个过程的抽象描述。CFG被描述为一个有向图G（V，E）。在程序中的每条语句都可以与控制流程图中的一个节点对应。CFG通过使用节点和边之间的关系来描述程序执行过程中所有后可能的执行路径以及每条执行路径所对应的语句和判定表达式。因而，绘制程序的控制流程图的依据是程序的逻辑行之间的控制关系。

[23] ROBERTS M,GOH C C.Density,Distance and Division:The Case of Chongqing Municipality,China[J].Cambridge Journal of Regions,Economy and Society,2011,4(2):189-204.

[24] 王伟凯,黄志基,贺灿飞.中国城市群经济空间评价——基于新经济地理的视角[J].城市发展研究,2012,19(7):82-90.

[25] 李燕,贺灿飞.基于“3D”框架的长江三角洲城市群经济空间演化分析[J].经济地理,2013,33(5):43-46.

[26] 周沂,沈昊婧,贺灿飞.城市群发展的3D框架——以武汉城市群为例[J].长江流域资源与环境,2013,22(2):136-142.

将工业废水排放作为因变量，利用FGLS和PCSEs两种估计方法进行回归(表1)。两种方法的结果基本一致且均通过了Wald检验，说明该模型设定比较合理。密度因素与中原城市群工业废水排放的关系成倒“U”型关系，目前，已出现拐点右侧，即随着经济密度的提升，城市工业废水的排放将有下降的趋势。距离因素对城市工业废水排放影响作用不大。分割因素会显著促进中原城市群工业废水排放的增加，与结果预期保持一致。控制变量中第二产业和科技投入与预期结果保持一致，即第二产业比重的增加对城市工业废水有正向作用，而科技投入的增加会减少工业废水的排放；但国有企业对工业废水的影响与预期结果相反，原因可能是国有企业的社会责任与其生产效益的博弈过程导致的结果；进出口总额和外商直接投资与工业废水污染物排放密度有显著的正效应，说明工业污染废水的“环境污染天堂假说”在中原城市群成立。

Elias先生指出，“业界已经看到了质量、技术和营销三大核心功能的好处。我们的交付和我们需要的信息类型将大不相同，但我们仍然致力于这些基本原则。”

[28] 郭琪,贺灿飞.密度、距离、分割与城市劳动生产率——基于中国2004—2009年城市面板数据的经验研究[J].中国软科学,2012(11):77-86.

[29] 倪麟,高丹.密度、距离、分割对城市劳动生产率的影响——基于四川省2000年—2010年动态面板数据实证研究[J].经济经纬,2014,31(5):14-19.

[30] 李雪松,孙博文.密度、距离、分割与区域市场一体化——来自长江经济带的实证[J].宏观经济研究,2015(6):117-128.

[31] 罗勇,刘锦华.中国省域市场一体化影响因素研究——基于3D框架视角[J].软科学,2016,30(8):6-9.

[32] HE C,HUANG Z,YE X.Spatial Heterogeneity of Economic Development and Industrial Pollution in Urban China[J].Stochastic Environmental Research and Risk Assessment,2014,28(4):767-781.

[33] 陈肖飞,张落成,姚士谋.基于新经济地理学的长三角城市群空间格局及发展因素[J].地理科学进展,2015,34(2):229-236.

由于算法ESD和MSD的区别仅在于更新半径的不同，其两者的搜索逻辑相同，因此复杂度的计算方式也一致.改进SD检测算法的计算复杂度包含以下几个因素：

[34] 黄志基,马妍,贺灿飞.中国城市环境污染排放的新经济地理解释[J].软科学,2013,27(11):89-92.

[35] 陈肖飞,张落成,刘桂林.基于3D框架的长三角城市群工业污染物排放研究[J].环境科学研究,2015,28(10):1645-1652.

[36] 师博,沈坤荣.市场分割下的中国全要素能源效率:基于超效率DEA方法的经验分析[J].世界经济,2008(9):49-59.

[37] 陆远权,张德钢.环境分权、市场分割与碳排放[J].中国人口·资源与环境,2016,26(6):107-115.

[38] 陆铭,陈钊.分割市场的经济增长——为什么经济开放可能加剧地方保护?[J].经济研究,2009(3):42-52.

[39] 洪涛,于明超,江静.中国工业污染物排放密度的影响因素分析——基于污染供需分析框架的实证研究[J].管理评论,2011,23(10):3-9.

大美新疆（柳京） .........................................................................................................................................11-56

[40] WOOLDRIDGE J M.Econometric Analysis of Cross-section and Panel Data[M].London:The MIT Press,2001:118-128.