环境投资对区域空间溢出效应的影响研究.pdf

50 管理评论第30卷文献综述空间溢出是溢出效应的研究热点之一,众多学者从技术、知识、投资等角度开展了相关研究,为本研究的开展奠定了良好的理论基础。 Perkins和Neumayer[1]通过检验发展中国家与发达国家间的创新合作对本国环境效率溢出的影响,发现尽管进口与污染效率较高的国家之间的联系改善了本国CO2和SO2的排放,但无论是通过出口、外国直接投资FDI都没有对国内污染效率产生任何影响。 Siddiqui[2]通过在一个多区域分析和数值一般均衡模型框架中纳入两项保护政策即对排放密集型和贸易暴露型行业的边境税调整和自由排放分配来分析其对小经济体和大经济体的影响。 Galletta[3]运用固定效应模型研究了地方政府加强执法腐败所产生的溢出效应。 Huang等[4]运用空间Durbin模型分析了外商直接投资FDI与环境污染的区域溢出,并确认FDI对环境和经济效益的影响。 Li和Wu[5]采用共同前沿Malmquist-Luenberger指数和空间Durbin模型来研究2003-2013年间地方和民间环保监管与绿色全要素生产率的空间溢出效应在中国273个城市的影响。 Wang等[6]通过对安徽5 674家工业企业的数据获取,运用空间Dubin模型分析了工业废气排放的空间溢出效应。王文普[7]利用1999-2009年中国30个省大中型工业企业数据,通过非空间模型和空间Durbin模型检验了产业竞争力和环境规制的关系。张可和汪东芳[8]深入解析了经济集聚与环境污染的空间溢出和相互作用机制。唐李伟和胡宗义[9]将资本存量区分为国内资本存量和国外资本存量,基于Biennial Malmquist生产率指数对考虑环境消耗的中国1998-2011年间的经济增长源泉进行了分解研究。陈真玲[10]采用超效率DEA和空间计量的方法对中国2003-2012年30个省份的生态效率进行测算,并对生态效率和城镇化的关系进行了实证分析。研究表明,城镇化与生态效率呈现较强的负相关关系,排污费的征收对改善环境质量并没有起到明显的作用。王铭利[11]基于中国2000-2014年各省市的面板数据,采用状态空间模型分析了经济增长与环境污染之间的动态相关关系。从上述研究来看,环境溢出主要集中在污染溢出和环境规制的空间溢出两方面,所用的指标主要是环境污染投资、排污收费、污染物排放三类,但关于环境投资空间溢出方面的研究并不多见。运用的方法主要是空间计量模型,如Durbin模型,全要素生产率模型等。因此上述研究对本研究的模型构建具有良好的借鉴意义。然而从空间溢出的经济性来看,基础设施的作用也不容忽视,已有学者开展了基础设施、空间溢出与区域经济增长间的互动关系研究。 Pradhan等[12]利用自回归分布滞后和向量误差修正模型研究了印度交通基础设施、外商直接投资与经济增长之间的长期关系。研究发现交通基础设施的协整与外商直接投资和经济增长间存在长期均衡关系。 Duran-Fernandez和Santos[13]从不同角度对公共资本与国民收入之间关系的最新研究进行了评述,研究表明公共资本对经济活动的影响比较成功。 Chen等[14]运用一般均衡CGE模型分析了影响高速铁路投资对经济和环境的驱动因素,结果表明中国的铁路投资对经济有利好刺激,但对CO2排放量产生的影响增大。 Holmgren和Merlel[15]基于元分析研究了基础设施与经济增长间的关系,认为二者间的影响取决于基础设施的类型以及投资和产业之间的差异,并在集聚地区具有极强的作用关系。 Samir等[16]基于GMM方法运用2000-2016年的面板数据分析了中东及北非地区国家的交通能源消费、交通基础设施对经济增长的影响,结果发现交通基础设施建设对于所有地区的经济都具有正向作用。李涵和唐丽淼[17]基于交通基础设施影响经济增长的微观渠道,研究了我国省级公路设施建设对企业库存的空间溢出效应。司增绰[18]以连云港和日照港为例,实证研究了港口基础设施与港口城市经济互动发展的程度,结果表明港口城市经济与港口基础设施之间存在着很强的关联性。武勇杰和张梅青[19]实证测度了中国交通基础设施对经济增长的空间溢出效应。孙晓华等[20]基于面板门限模型分析了交通基础设施影响服务业集聚效应的机制,认为交通基础设施的发展水平对于城市服务业的集聚效应具有不同程度的影响。上述研究确立了基础设施与区域经济溢出间的相关关系,表明基础设施尤其是基础设施投资对本地区以及邻近地区的经济发展具有重要影响,这为本研究开展环境投资中的环境基础设施投资对区域空间经济溢出的影响研究提供了重要的理论支持。综上所述,目前国内外关于环境投资领域的空间溢出研究较少,已有研究主要集中在污染物排放、环境规制、税收等对区域经济的影响。从选取的指标来看,环境污染治理投资是一项重要的指标[7]。由于已有研究表明基础设施与区域经济间具有密切关系[17],因此环境基础设施投资也具有十分重要的研究价值,但在现有第10期吴 荻,等环境投资对区域空间溢出效应的影响研究51 的环境投资的溢出研究中却未能得到广泛关注。从研究方法来看,关于投资与区域空间溢出效应的研究中Durbin模型由于能够全面、准确、清晰的反映溢出的直接与间接效应,因此本文将选用Durbin模型开展研究。基于此,本研究首先对环境投资进行重构,将环境投资分解为环境污染治理投资和环境基础设施建设投资两类,通过将传统的区域全社会固定资产投资和区域就业人口作为部分基础投入变量与两类环境投资共同构建Durbin模型,重点分析两类环境投资对区域经济的空间溢出效应的影响以及差异,以期全方位的揭示出环境投资对区域经济空间溢出的影响,从而为区域环境的改进提供理论支持和借鉴。空间模型的构建鉴于本文关注环境投资对区域空间溢出效应的影响,因此选择空间计量模型更具有优势,这主要是考虑到空间计量模型同传统计量模型,如固定、随机效应等面板模型相比纳入了空间项,能够准确地识别邻近地区对自身地区的影响,更适于解决本研究所关注的问题。而在空间模型中,Durbin模型因为能够考虑因变量地区之间相互作用的同时,也考虑了自身地区自变量对邻近地区因变量的影响,因此本研究最终选择Durbin模型进行分析。1、区域经济增长空间溢出模型的构建传统的线性回归模型缺乏对地区空间单元间相关性的考量,因此在研究具有空间关联性的变量间的关系时就会存在系统偏差。空间计量模型的出现,有效的解决了上述问题,使具有关联性的空间单元间的经济活动研究成为可能。目前,通过模拟空间关联性表现地理空间效应的模型,主要包含了空间滞后模型SAR和空间误差模型SEM。空间滞后模型的基本表达式如下Yit α βXit ρWYit εit, εit N0,σ2it 1空间误差模型可表示为Yit α βXit εit,εit λWεit μi 2式1-式2中,i为地区数,t为时间项,Yit为因变量,Xit为自变量,β为相应自变量的回归系数,εit为服从正态分布的随机扰动项,μi表示地区不可观测因素,W表示空间权重矩阵,WYit表示经济产出的空间滞后项,系数ρ和λ为空间自回归系数。与前两种模型相比,空间Durbin模型具有前两种模型不可比拟的优势,它可以同时比较自变量与因变量空间相关性,还可以相对弹性的表达SAR和SEM,具有良好的特性,因此本研究将运用其进行空间溢出效应的分解研究。本研究考察的环境投资的空间溢出效应,指的是用于全社会的环境保护投资对区域经济发展所产生的影响,GDP无疑是最佳的因变量指标。其中对GDP影响最大的要素为区域全社会固定资产投资K和区域就业人口L,因此将二者作为基础投入变量。考虑到污染治理投资总额与区域全社会固定资产投资总额K共线性的问题,因此本文已将全社会固定资产投资总额进行了净化,去除了环境污染治理投资总额与环境基础设施建设投资总额。随着生态文明步伐的加快,环境投资已经成为实现区域生态文明的一项重要的生产要素,因此本文将环境投资变量作为一个独立的投入变量,考察其与其他要素间的相互关系。由于环境污染治理投资总额E包括三部分内容,即老工业污染源治理、建设项目“三同时”和环境基础设施建设投资,而本研究期望单独考察环境基础设施投资对区域经济空间溢出效应的关系,故本文中仅包括老工业污染源治理和建设项目“三同时”能够较为全面的描述区域环境投资的能力与潜力,因此将其作为一项重要的环境变量。同时,在环境保护与管理过程中,环境基础设施建设投资I对于区域的环保以及经济的影响也不容忽视,因此将其作为另一项重要的环境变量加以考察。已有文献研究表明环境投资,包括环境污染治理投资和环境基础设施建设投资具有显著的空间依赖性[8,9],因此本文将采用空间面板模型进行推演,构建空间Durbin模型,模型的基本表达式为Yit α ρWYit β1Xit β2WXit ui εit, εit N0,σit2 3其中,Yit表示GDP,Xit表示区域全社会固定资产投资、区域就业人口,环境污染治理投资和环境基础设施建设投资,W为空间矩阵权重,WYit为空间依赖因变量,WX为空间依赖自变量。关于空间权重矩阵的构建,本文主要采用0-1邻接矩阵进行检验。关于0-1邻接矩阵的构造,该矩阵对52 管理评论第30卷角线上元素为0,其他元素满足式4条件WL 1 i和j空间相邻0 i和j空间不相邻{ i ≠ j 42、区域经济增长空间溢出效应分解一般而言,基于观察单元独立性的线性回归的估计参数就代表了自变量的变化对因变量的影响程度,但由于内生交互效应WYit的存在,为了更为有效地判断社会环境治理投资的溢出效应,本文采用下述偏导数方程分解环境治理投资的影响效应,将式3重新改写为In - ρW Y Xβ WXθ Inα ε 5Y ∑kr 1Sr W Xr V W Inα V W ε 6Sr W V W Inβr Wθr 7V W In - Pω -1 In ρW ρ2W2 ρ3W3 8其中,k表示解释变量个数,Xr表示第r个解释变量,r 1,2, ,k,Wq表示q阶空间邻接矩阵,βr表示解释变量向量X中第r个解释变量的系数,θr表示滞后解释变量向量WX的第r个滞后变量的系数。则有Y1Y2︙Ynéëêêêêêùûúúúúú ∑ki 1Sr W 11 Sr W 12 Sr W 1nSr W 21 Sr W 22 Sr W 2n︙Sr W n1 Sr W n2 Sr W nnéëêêêêêùûúúúúúX1rX2r︙Xnréëêêêêêùûúúúúú V W Inα V W ε 9Yi ∑kr-1Sr W i1X1r Sr W i2X2r Sr W inXnr[ ] V W iInα V W iε 10式中,i1,2, ,n,Xir表示第j个区域的第r个解释变量取值,SrWij表示矩阵SrW的第i行第j列元素,Wi表示矩阵VW的第i行。则可得∂Yi∂xjr Sr W ij 11式11表明某一观察单元自变量的改变将会影响所有其他单元的因变量,这是由于空间Durbin模型通过空间滞后变量WY和WX的引入导致了这样一种结果。偏导SrWij测度的区域i自变量Xir的变动对区域i即自身因变量的影响直接效应;偏导SrWij,j≠ i测度的是区域j自变量Xir的变动对区域i因变量的影响间接效应,而总效应等于直接效应与间接效应之和。特别是在计算0阶空间矩阵的知识存量效应时,0阶空间邻接矩阵W0 1,代表区域i的邻居就是自身,此时W弱化为单位矩阵In,则有Sr W InW0 Inβr Inθr In βr θr 12上式为一个对角矩阵,表示只有直接效应,间接效应为0。数据处理与实证分析1、数据收集与处理本文所采用的全面有效的年鉴数据来自2004-2014年我国30个省、自治区和直辖市西藏、香港、澳门和台湾地区因数据不全以及统计口径的问题而未选。其中各地区GDP和全社会固定资产投资总额来源于国家统计年鉴。对于各地区的就业人口数则选自中国人口和就业统计年鉴,由于数据本身具有非直接获取性,因此通过查询分地区年末人口总数、分地区年末城镇人口比重和分地区城镇人口失业率来计算各个地区年末人口就业总数。对于环境变量数据的选取,在综合考虑各方面因素的条件下,选择中国环境统计年鉴中的各地区环境污染治理投资总额和各地区环境基础设施建设投资为数据来源。由于可获取的具有较全面数据的年鉴始于2004年,因此在计算各地区投资存量的初始年度以2003年为初始基年进行相关计算。由于收集的数据是一个11∗ 30∗ 4的面板数据,因此需要对其进行预处理以方便后期的计算。第10期吴 荻,等环境投资对区域空间溢出效应的影响研究53 值得注意的是,在自变量中全社会固定资产投资总额、各地区环境污染治理投资和各地区环境基础设施建设投资存在折旧问题,因此需要运用永续盘存法对其存量进行估算。其存量现值的计算公式如下Sn Nn Sn-1 1 - d 13其中Sn为第n年的K、E和I的存量, Nn是第n年的投资增量,d是折旧率,一般为10。计算时,初始存量以2003年数据为准。在空间权重矩阵的计算方面,由于选取有基于邻接性和基于距离两种,而本文采用的数据来自我国30个省市,每个省市之间基本都有共同的边界,因此,将采用基于邻接性的方法构建空间权重矩阵。2、因变量空间相关性的判断为了能够确认因变量所代表的区域间是否存在空间自相关,需要构建空间计量模型,最常用的方法就是计算空间自相关系数Moran指数[21],计算公式如下Moran I n∑ni 1∑ nj 1Wij Yi - Y- Yj - Y- ∑ ni 1∑ nj 1Wij∑ni 1Yi - Y- 214其中Y- 1n ∑ni 1Yi,Yi表示i地区的GDP产出值;n为观测单元数; Wij表示空间邻接权值14矩阵,当两个区域相邻时, Wij值为1,不相邻时, Wij值为0;Moran I表示各地区GDP产出值的乘积和,取值范围为-1,1,当Moran I0时,表明区域间存在空间正相关,反之,则表明区域间存在空间负相关;若Moran I0,则意味着不存在空间相关性。本文通过运用Geoda软件,计算得到2004-2014年区域的Moran I指数如下表1 GDP Moran I指数值检验年份2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014Moran I 0. 315 0. 311 0. 302 0. 302 0. 299 0. 31 0. 306 0. 301 0. 293 0. 291 0. 24表1表明,2004-2014年间区域的Moran I指数均大于0,通过了显著性检验,表明各个区域间存在着空间正相关性,验证了模型及因子选取的正确合理性。同时也表明我国各地区的GDP存在着典型的空间集聚性,即GDP较高的地区会带动邻近区域的经济发展,而且这种区域间的空间差异随着核心区域的经济拉动效应会逐渐降低。3、区域经济增长的空间溢出效应模型的检验与计算区域经济增长的空间溢出效应模型实质上是构建空间自回归模型并对其进行检验。本文所建立的区域经济增长空间溢出效应模型主要是利用面板数据考察变量间空间自相关的存在形式。由于空间计量模型采用普通最小二乘法进行估计存在偏差,因此常用极大似然法进行估计,而本文采用的估计方法是Lagrange乘数检验,通过比较Lmsar和Lmerr统计的显著性确定最终模型。若前者比后者显著,则选择SAR,反之则选择SEM。为进行空间相关性检验,通过比较空间滞后项Lmsar和Lmerr值的大小来对空间滞后模型和空间误差模型进行确认。表2 空间相关性检验空间依赖性检验临界P值LM test no spatial lag 139. 8843 0. 000Robust LM test no spatial lag 126. 9035 0. 000LM test no spatial error 19. 9491 0. 000Robust LM test no spatial error 6. 9683 0. 008表2中各个检测项目均通过了1的显著性水平检验,但是从LM及Robust LM值中可以发现,空间滞后模型SAR所对应的LM及Robust LM值均大于空间误差模型SEM。因此,下文模型回归主要基于SAR模型进行。另一方面,为了确定SAR模型的具体形式,本研究对SAR模型下的固定效应、随机效应进行了检测。由于需要确定模型的固定效应和随机效应,本研究运用Hausman检验来进行空间滞后模型和空间误差模型的甄别。 Hausman的检验结果如下54 管理评论第30卷表3 Hausman检验结果检验SARHausman test 89. 3732P 0. 0000当Hausman检验的P值的显著水平小于1时,表明区域间存在经济增长的空间溢出效应,模型拒绝随机效应模型。同时,结合以往文献的研究,当回归分析是针对一些特定的个体时,固定效应模型应该更为适宜。本文在对中国30个省域数据的研究结果的比较分析基础上进行模型的选择,其中R2、Adjust-R2和LOG-L值是进行各个模型间选择的主要依据,数值越大该模型的解释效果越强,其中R2值是最主要的观测指标[22]。鉴于空间固定效应模型的R2、Adjust-R2和LOG-L统计值与其他两个模型的综合比较,本文最终以空间固定效应模型为解释依据,回归结果见表4。为了对比分析各模型的回归结果,本研究同时给出了混合模型、空间固定效应模型、时间固定效应模型的回归结果。通过对比各个模型的回归参数,发现均具有较高的拟合优度,各关键变量保持了较好的一致性。表4 空间面板数据SAR估计结果模型参数混合包含截距空间固定效应时间固定效应K 0. 37412. 091∗ ∗ ∗ 0. 2272. 554∗ ∗ ∗ 0. 3568. 252∗ ∗ ∗L 0. 53923. 668∗ ∗ ∗ 0. 0782. 554∗ ∗ 0. 56615. 991∗ ∗ ∗E 0. 2825. 978∗ ∗ ∗ 0. 0602. 531∗ ∗ 0. 3046. 397∗ ∗ ∗I -0. 073-2. 174∗ ∗ -0. 017-0. 968 -0. 096-2. 742∗ ∗ ∗ρ溢出项 0. 0986. 067∗ ∗ ∗ 0. 60018. 714∗ ∗ ∗ 0. 1006. 296∗ ∗ ∗R2 0. 9695 0. 9955 0. 9723Adjust-R2 0. 9680 0. 9787 0. 9608LOG-L 380. 70877 678. 200 394. 902注∗ ∗ ∗ ,∗ ∗ ,∗ ,分别表示1,5,10显著性水平。以下将进行LR值检验以确定最终模型的选择。表5 LR检验结果检验LR Probabilitysignificance of spatial fixed effects 720. 93 0. 0000significance of time-period fixed effects 352. 38 0. 0000根据表5 LR检验结果,空间固定效应模型比时间固定效应模型更具有优势,因此后续分析主要根据空间固定效应下的回归参数进行解释。为进一步获取空间固定效应模型下直接效应、间接效应以及综合效应,本文将运用Matlab6. 5软件进行计算,具体结果如表6表6 空间固定效应模型下的直接、间接和综合效应分解效应直接效应间接效应总效应变量回归系数T统计值伴随概率回归系数T统计值伴随概率回归系数T统计值伴随概率K 0. 257 10. 283 0. 000 0. 318 11. 669 0. 000 0. 576 14. 318 0. 000L 0. 094 2. 709 0. 011 0. 116 2. 724 0. 011 0. 210 2. 755 0. 010E 0. 025 1. 985 0. 056 0. 031 1. 960 0. 059 0. 056 1. 988 0. 056I 0. 023 1. 924 0. 064 0. 029 1. 866 0. 072 0. 052 1. 906 0. 0664、计量结果分析由于区域GDP具有空间溢出作用,且这种作用会对邻近地区产生影响,结合表1的结果可以发现,这种邻近地区间的作用具有逐年降低的趋势。表明同类型的集聚性正在减弱,即各个地区间最初以“邻里模仿”为主,随着时代的推进与认知的觉醒,越来越多的地区更加关注各自地区经济增长的各种要素的组合方式,具有自身特色的经济增长方式更为各地区所接受,这也意味着各地区经济增长方式“模仿创新”发展格局的第10期吴 荻,等环境投资对区域空间溢出效应的影响研究55 形成。表4表明SAR系数ρ在三个效应模型中均通过1的显著性检验,说明环境存量包括的环境污染治理投资E和环境基础设施建设投资I对区域经济增长的空间溢出效应具有一定影响。随着时间的推移,这种空间溢出效应能有效拉动所在地区及周边地区的GDP增长,因此,也更有利于地方环保基础设施建设以及污染控制水平的提升。从表5三个效应模型的分析结果可以看出,全社会固定资产投资、区域就业人口、环境污染治理投资以及环境基础设施建设投资均对区域GDP的增长具有显著的影响。全社会固定资产投资和区域就业人口对区域GDP的提升具有显著的推进作用已经毋庸置疑。值得深入分析的是环境存量对GDP的影响。根据分析结果,环境污染治理投资与GDP间具有正相关关系。环境污染治理投资总额包括老工业污染源治理、建设项目“三同时”和城市环境基础设施建设三个部分本研究在环境污染治理投资中剔除了城市环境基础设施建设予以单独考察。老工业污染源治理和建设项目“三同时”属于污染治理直接投资。上述结果的产生一方面是由于这部分投资本身来源于GDP占用其相应比例,随GDP的增长而增长;另一方面是根据环境库兹涅茨曲线可知,环境污染与经济发展水平间有着倒“U”形曲线关系,在到达拐点之前均以牺牲环境为代价,因此污染的治理费用也会伴随着GDP的增长而增加。而环境基础设施建设投资与GDP间的影响系数为负,这主要是因为环境基础设施属于纯公益性项目,涵盖的领域包括了燃气、集中供热、排水、园林绿化和市容环境卫生领域的投资,具有投资规模大、资金周转慢、建设周期长、社会效益高、对整体经济发展制约较大的特征,尽管在改善环境服务与品质方面的社会效益突出,但仍无法等同于经济效益,因此才会出现上述的研究结果。当然,政府投资失误、效率低下、管理机制不健全也会导致二者发展难以协同。从表6的结果可以发现,环境污染治理投资以及环境基础设施建设投资间接效应的回归系数分别为0. 031和0. 029,且分别通过了显著性水平检验,表明环境污染治理投资以及环境基础设施建设投资会对邻近地区的GDP产生影响,即产生了空间溢出效应。当本地区开展环境污染治理投资行为时将会拉动邻近地区的GDP的增长,数值上为环境污染治理投资的0. 031;同理,当本地区开展环境基础设施建设投资行为时也将带动邻近地区GDP的增长,数值上为环境基础设施建设投资的0. 029。而空间溢出效应形成的根源主要在于,一方面本地区在开展环境污染治理投资以及环境基础设施建设投资时,在人力资源和物资投资方面会增加,由于一部分人员和物资资源可能来源于邻近地区,因此会带动邻近地区GDP的增长;另一方面地区间的绿色模仿行为也会促使邻近地区环境投资的增加,进而引发GDP的增长。研究中还发现,开展环境污染治理投资相比环境基础设施建设投资对邻近地区GDP的影响更为显著前者回归系数更高,表明环境污染治理投资所引发的邻近地区企业间的绿色模仿机制相比环境基础设施建设投资所引导的政府间的绿色模仿机制更具活力。从表6的结果可知,环境污染治理投资以及环境基础设施建设对本地区GDP的增长具有良好的促进作用,从直接效应回归系数来看,环境污染治理投资以及环境基础设施建设对GDP的直接回归系数分别为0. 025和0. 023,并且分别通过了5及10的显著性水平检验,表明环境污染治理投资以及环境基础设施建设投资对本地区的GDP产生正向影响。当本地区开展环境污染治理投资行为时将会拉动本地区的GDP的增长,数值上为环境污染治理投资的0. 025,同理,当本地区开展环境基础设施建设投资行为时也将带动本地区GDP的增长,数值上为环境基础设施建设投资的0. 023。通过对比直接影响效应可以发现,环境污染治理投资直接与间接影响效应比例大约为0. 81 ∶1,环境基础设施建设对本地区及邻近地区GDP的增长效应比例约为0. 79∶1。由此可知,本地区的环境污染治理投资以及环境基础设施建设投资对邻近地区的正向经济溢出效应相比于对本地区GDP的贡献更为显著,说明邻近地区间绿色标杆的设立对地区间的绿色模仿机制的形成具有积极的推进作用。而总效应结果表明环境污染治理投资以及环境基础设施建设投资对本地区与邻近地区的GDP增长均产生正向影响,其对GDP的贡献值为直接贡献与间接贡献之和。基于上述分析,为有效促进环境污染治理投资以及环境基础设施建设投资对于区域经济的正向溢出,本文尝试从环境基础设施投融资主体多元化和环境污染治理投资效率提升两方面来推进环境投资与区域经济的协同发展。环境基础设施投融资主体的多元化。遵循市场机制,科学制定环境基础设施投资的决策、建设、运营、监56 管理评论第30卷督和评价体系,逐步削弱政府投资主体功能,将银行资本、市政债券、游离的私营、国际以及民间资本等多元社会资本纳入投融资主体,促进环境基础设施投融资主体结构的优化,构建具有典型市场特征的投融资体制,以有效增加环境基础设施投融资供给,扩大环境基础设施的建设规模。并以此为契机,积极开展具有统一布局、相互关联、功能互补的生态廊道建设,提升环境基础设施的品质,从而拉动环境基础设施建设的上下游及相关产业发展,促进本地区与邻近地区的就业水平与层次的提高,并通过良好的城市环境氛围的打造不断优化区域经济投资的软硬环境。环境污染治理投资效率的提升。在环境投资中,环境基础设施投资的比例要高于环境污染治理投资,因此提升环境污染治理的投资效率是推进环境投资与区域经济发展形成“乘数效应”的最有效的途径。首先,提升资源的利用效率。主要指通过多级利用、循环利用、技术创新等手段提高能源、水、原材料与废弃物等的利用效率,降低最终废弃物的产出。其次,提升科技项目转化效率。加大节能环保科技创新投资,尤其重视科技创新项目的转化率,通过建立科技管理与评价的多元化体系,在保障知识产权的同时逐步降低实践转化中的“门槛限制”,提高产学研合作进程中科研成果与企业的对接效率。第三,“三同时”建设项目及污染治理项目的合理规划。为降低投资中的冗余以及分配不均的现象,环境污染治理的事前与事后项目均需要做到合理预算、科学评估和严格监管,提高“三同时”项目与后期的污染治理项目的协同效果,减少污染治理工程项目的重复投资。结 论本文旨在梳理出环境投资与区域经济间的复杂关系与内在根源,通过从环境污染治理投资和环境基础设施建设投资两个方面诠释环境投资,利用2004-2014年我国30个地区的区域面板数据构建起基于环境投资的区域空间溢出Durbin模型。研究发现地区间存在环境投资的区域空间溢出效应。通过直接效应的分析发现环境投资对本地区的经济增长具有积极贡献,间接效应的研究则表明环境污染治理投资以及环境基础设施建设投资对邻近地区产生了空间溢出效应。并将其形成的根源归结为,邻近地区人力资源和物资投资的增加以及地区间的绿色模仿行为所引发的邻近地区环境投资的增加。此外,研究发现本地区的环境污染治理投资以及环境基础设施建设投资对邻近地区的正向经济溢出效应相比于对本地区GDP的贡献更为显著,说明邻近地区间绿色标杆的设立对地区间的绿色模仿机制的形成具有积极的推进作用。而环境污染治理投资相比环境基础设施建设投资对邻近地区GDP的影响更为显著的根源在于地区企业间的绿色模仿机制相比政府间的绿色模仿机制更具活力。最后从环境基础设施投融资主体多元化和环境污染治理投资效率提升两方面来提出相应的策略。参考文献[1] Perkins R., Neumayer E. Transnational Linkages and the Spillover of Environment-efficiency into Developing Countries[J]. GlobalEnvironmental Change, 2009,193375-383[2] Siddiqui M. S. Environmental Taxes and International Spillovers The Case of a Small Open Economy[J]. Energy Economics,2015,4870-80[3] Galletta S. Law Enforcement, Municipal Budgets and Spillover Effects Evidence from a Quasi-experiment in Italy[J]. Journal ofUrban Economics, 2017,101990-105[4] Huang J., Chen X., Huang B., et al. Economic and Environmental Impacts of Foreign Direct Investment in China A SpatialSpillover Analysis[J]. China Economic Review, 2017,45289-309[5] Li B., Wu S. Effects of Local and Civil Environmental Regulation on Green Total Factor Productivity in China A Spatial DurbinEconometric Analysis[J]. Journal of Cleaner Production, 2017,1531342-353[6] Wang C., Du X., Liu Y. Measuring Spatial Spillover Effects of Industrial Emissions A and Case Study in Anhui Prov-ince, China[J]. Journal of Cleaner Production, 2017,141101240-1248[7] 王文普.环境规制、空间溢出与地区产业竞争力[J].中国人口·资源与环境, 2013,238123-130[8] 张可,汪东芳.经济集聚与环境污染的交互影响及空间溢出[J].中国工业经济, 2014,670-82[9] 唐李伟,胡宗义.生产要素、FDI、环境消耗与中国经济增长源泉 基于Biennial Malmquist生产率指数的分解[J].系统工程理论与实践, 2016,363581-592[10] 陈真玲.生态效率、城镇化与空间溢出 基于空间面板杜宾模型的研究[J].管理评论, 2016,281166-74第10期吴 荻,等环境投资对区域空间溢出效应的影响研究57 [11] 王铭利.基于联立方程与状态空间模型对中国经济增长与环境污染关系的研究[J].管理评论, 2016,28775-84[12] Pradhan R. P., Norman N. R., Badir Y., et al. Transport Infrastructure, Foreign Direct Investment and Economic Growth Inter-actions in India The ARDL Bounds Testing Approach[J]. Procedia-Social and Behavioral Sciences, 2013,10412914-921[13] Duran-Fernandez R., Santos G. An Empirical Approach to Public Capital, Infrastructure, and Economic Activity A Critical Re-view[J]. Research in Transportation Economics, 2014,4693-16[14] Chen Z., Xue J., Rose A. Z., et al. The Impact of High-speed Rail Investment on Economic and Environmental Change in Chi-na A Dynamic CGE Analysis[J]. Transportation Research Part A Policy and Practice, 2016,926232-245[15] Holmgren J., Merkel A. Much Ado About Nothing A Meta-analysis of The Relationship Between Infrastructure and EconomicGrowth[J]. Research in Transportation Economics, 2017,6313-26[16] Samir S., Muhammad S., Pervaiz A. The Long-run Relationships Between Transport Energy Consumption, Transport Infrastruc-ture, and Economic Growth in MENA Countries[J]. Transportation Research Part A Policy and Practice, 2018,111578-95[17] 李涵,唐丽淼.交通基础设施投资、空间溢出效应与企业库存[J].管理世界, 2015,4126-136[18] 司增绰.港口基础设施与港口城市经济互动发展研究[J].管理评论, 2015,271133-43[19] 武勇杰,张梅青.交通基础设施、空间溢出与经济增长关系的实证分析[J].统计与决策, 2017,11116-120[20] 孙晓华,刘小玲,徐帅.交通基础设施与服务业的集聚效应 来自省市两级的多层线性分析[J].管理评论, 2017,296214-224[21] 邓祖涛,吴必虎.农村居民旅游消费影响因素的空间计量研究 基于静态和动态空间面板模型的比较分析[J].旅游论坛, 2017,10528-40[22] 高铁梅,主编.计量经济分析方法与建模EViews应用及实例第3版[M].北京清华大学出版社, 2016Research on the Effects of Environmental Investments on RegionalSpatia