伴随着中国经济发展脚步的不断向前，白酒产业实现效益增长的同时，也对生态环境产生了一定影响，白酒产业向绿色化发展转变和生态环境的持续改善已迫在眉睫。白酒产业是资源禀赋突出地区经济发展不可缺少的动力[1]，生态环境蕴藏着丰富的自然资源，是白酒产业发展的必要条件。由于白酒产业对自然资源的依赖程度更强烈，会驱使企业在区域空间内集聚[2-3]，同时对生态环境的保护和研究也是促进白酒产业稳步发展的前提。
近年来，学者们基于不同的视角和方法对产业集聚与生态环境的关系进行了辨析，并取得了一定的成果，主要集中在以下方面。一是集聚的不同类型对应于不同的环境效率。由相同产业集中的专业化集聚会产生马歇尔外部性[4]，由不同产业集中的多样化集聚会产生雅各布斯外部性[5]，源于市场竞争而非垄断的同一产业内集聚会产生波特外部性[6]，兼顾产业水平联系和垂直互动关系的协同产业集聚[7]，都是影响生态效率的重要因素，各有不同的机制路径。二是产业集聚通过不同的途径对生态环境产生影响。集聚的技术溢出效应、结构效应[8]、规模效应、竞争效应、知识溢出效应、拥挤效应[9]之间的作用力量权衡，会对生态环境产生有利或有弊的影响。三是评估产业集聚对生态环境影响的侧重点不同。通过对生态效率[10]、碳排放[11]、能源效率[12]、绿色经济效率[13]、资源错配[14]、城市热岛[15]、污染排放[16]的测算都可以判断产业集聚对生态环境做出的改变。四是讨论产业集聚和生态环境之间是存在单向还是双向互动关系。在单向检验产业集聚对生态环境的作用结果时，仅探讨产业集聚对生态环境的单方面影响[17]；而在检验双向作用机制中，集聚和生态之间具有动态耦合关系[18-20]，经济集聚与环境污染之间是作用与反作用并存[21]。
目前还未以白酒产业为研究对象，探析白酒产业集聚水平和生态效率之间的关系。白酒产业更加依赖资源禀赋，和生态环境之间的关系更加复杂，有必要深入剖析二者之间的关系，为白酒产业经济和生态环境的可持续发展提供指导。因此，有必要采用2003-2017年我国28个省份的样本信息，通过测度白酒产业集聚度和生态效率值，建立计量模型，对白酒产业集聚和生态效率之间的动态关系进行定量计算和对比分析，最后根据研究结果提出相应的对策建议。
1 白酒产业集聚-生态环境系统分析
（1）白酒产业集聚子系统
水资源和土地资源等生态环境中蕴藏的自然资源吸引白酒产业在区域内集聚。人口规模增长的同时为白酒企业提供了更多的就业人员，满足了白酒产业集聚对人才资源的需要。经济的高质量发展要求产业结构不断升级优化，同时企业为实现规模效应，集聚便成为白酒产业革新换代的必经之路。在区域内形成聚集后，企业之间的沟通和交流更加频繁便捷，促使区域内外产生模仿效应和空间溢出效应。除此之外，为提高有效竞争力和社会名誉，企业加大对科技创新的支持力度，致使专利授权数量不断上升，加剧区域内资源优势对企业的吸引力，产业集聚进入新的阶段。
（2）生态环境子系统
随着经济的快速发展，生态环境面临着许多压力，白酒产业出现集聚后，消耗大量自然资源和能源资源，排放废水废气造成环境污染，打破生态环境子系统内的平衡。生态环境子系统虽有自我调节的能力，但是其环境承载力的自我修复速度远不及产业集聚带来的生态破坏速度，迫使政府出台相应措施保护生态系统的稳定性，企业对自身废水治理方面的投资额大幅度提升。同时，产业集聚促使科技日新月异，人们也意识到需要创造更多科技力量帮助生态环境维稳，生态环境内部的平衡被重新建立。
白酒产业与生态环境之间存在复杂的物质交换过程。随着经济发展推动产业在地理空间中集聚，白酒产业集聚和生态环境两个子系统之间错综复杂的互动关系会形成一个总系统，其因果关系如下：
2 研究方法、指标选取与数据来源
2.1 计量模型建立
为了较为全面地测度白酒产业集聚与生态效率的互动关系，在拓展的环境影响评估模型（stochastic impacts by regression on population，affluence and technology，STIRPAT）框架的基础上[16]，本文将人口规模、富裕程度、技术创新和环境规制作为控制变量，建立基本计量模型：
式中：i为省份；t为年份；β为各个变量的回归系数；EE为生态效率；AGG为白酒产业集聚度；POP为人口规模；GDP为富裕程度；TI为技术创新；ER为环境规制；μi为代表个体异质性的截距项；εi，t为随个体与时间而改变的干扰项。
为了更进一步考察白酒产业集聚与生态效率的相关性问题，在模型（2）的基础上加入生态效率的一阶滞后项lnEEi，t-1，得到本文的动态面板模型：
本文借鉴ARELLANO M等[22-23]的研究成果，采用系统广义矩估计方法（system generalized method of moments，SGMM）对动态面板数据进行计量分析，得到白酒产业集聚和生态效率之间的关系。为避免数据的波动性和异方差问题，文中对所有指标中的数据做出处理，均取其自然对数。
2.2 指标选取
（1）被解释变量。以生态效率（ecological efficiency，EE）作为被解释变量。目前文献对生态效率进行评价时，以数据包络分析法（data envelopment analysis，DEA）为代表的模型分析法被广泛应用于研究中。而超效率DEA模型能够处理在传统DEA模型出现多个决策单元都处于生产前沿面而无法相互比较的问题[24]。本文考虑非期望产出，利用基于投入导向的规模报酬不变的超效率DEA模型[25]，更为准确、有效地测量样本地区的生态效率。
综合国内外产业生态效率有关的文献，并结合白酒产业的特点及现状[26]，选取的投入指标包括各省份当年的工业废水排放量、化学需氧量排放量、五日生化需氧量、工业氨氮排放量、工业用水总量、就业人数、电力消耗量；产出指标是白酒产业产量。需要说明的是本文考虑非期望产出，参考HAILU A等[27]的方法，将其作为投入指标，因为在产业运作过程中不可避免会产生环境污染量的排放。
（2）解释变量。以白酒产业集聚作为解释变量。目前研究中常用区位熵[8]、行业集中度指数[28]、空间基尼系数[29]、EG指数[30]和赫芬达尔指数[31]等来测量产业集中度的大小，这些方法各有特点，能够从不同角度衡量产业集聚的水平。考虑到数据的可得性和研究需要，本文选取行业集中度指数来测量白酒产业集聚程度。计算公式为：
式中：CRn表示行业集中度，反映前n个地区的总产值占全国总产值的比例；Sij是第i个地区的第j个产业的产值。CRn的值越大，表示产业集聚程度越大[32]。
将研究期间各省份的白酒产业产值为研究对象，通过测算行业集中度，即各省白酒产业产值占行业总产值的比重来衡量不同省份在不同年份的白酒产业集聚程度。
（3）控制变量。在STIRPAT环境压力模型中，主要从人口数量、富裕水平和支持这种富裕水平的特定技术水平测量人类活动对生态环境的影响。基于此，本文还考虑了政府方面针对环境出台的措施会对生态环境产生的一定作用。将上述指标作为控制变量，能够充分检验对区域生态环境情况产生影响的代表因素。其中，各指标的表示方法如下：①人口总量（POP），选取各个省份每年末的人口总量测算。②富裕程度（GDP）。选取各省份的人均收入水平，并以2003年为基期进行指数平减消除价格影响进行测算。③技术创新（TI）。选取各个省份每年年末的专利授权量测算。④环境规制（ER）。选取各个省份的单位面积废水治理投资额测度[33]。
2.3 数据来源
本文选取2003-2017年全国28个省份的面板数据作为实证样本，白酒产值和产量数据来源于万得（Wind）金融数据库，其余各个指标的数据信息主要从各年份的《中国统计年鉴》、《中国环境统计年鉴》和国家统计局网站中整理得到。
3 实证结果及分析
为更加便于探寻白酒产业集聚和生态效率的发展趋势，深入辨析两者的双向动态关系，本文分别从时间和空间两方面来进行分析。
3.1 白酒产业集聚度变动趋势
（1）从时间层面来看，2003-2017年白酒产业集聚度呈波动上升的动态变化走势。整体而言，全国及东、西部地区产业集聚度均值水平有显著提高，而中部地区白酒产业集聚度则波动较大，增幅较小。
图1 全国及东、中、西部地区白酒产业集聚度变化趋势
Fig.1 Change trend of Baijiu industry agglomeration in China and the eastern,central and western regions of China
由图1可知，在观测期内东部地区白酒产业集聚水平刚开始低于全国水平，后不断上升，远超全国、中部和西部地区，目前其均值稳定在0.046 5。中部地区在样本观测期初处于领先地位，2003-2017年间白酒产业集聚度上下浮动幅度较大，均值稳定在0.044 1，低于东部及全国水平。西部地区白酒产业集聚度在观测期间一直低于全国及东部地区，虽在2011年前后短暂超过中部地区，但均值稳定在0.041 5，不及全国及其他地区水平。
（2）从空间层面来看，由图2可以观察到，研究期间各地区白酒产业集聚度呈现出明显的空间异质性。四川和山东白酒产业集聚度远高于其他地区，均值为0.233 0和0.130 4；河南、江苏和辽宁的白酒产业集聚度处于前沿面，其均值稳定在0.069 5；宁夏、青海、福建和浙江则排在最末端，这些地区的白酒产业集聚度尚未达到0.005 0；其余地区白酒产业集聚度处于0.005 4～0.050 0之间。总体而言，样本观测期内各地区白酒产业集聚度水平总体不高且空间分布不均匀，东、中、西部三个地区呈依次递减的趋势。
图2 样本地区白酒产业集聚度均值空间分布
Fig.2 Spatial distribution of Baijiu industry agglomeration in sample regions
3.2 生态效率变动趋势
图3 全国及东、中、西部地区生态效率变化趋势
Fig.3 Change trend of ecological efficiency in China and the eastern,central and western regions of China
（1）从时间层面来看，2003-2017年样本地区的生态效率呈波动起伏的动态变化走势。由图3可见，全国及东、中、西部地区的生态效率走势大体一致，总体来看，生态效率在观测期内有所提高。分区域比较，全国与东、中、西部地区的生态效率值存在明显差距，其中西部地区生态效率值明显位于全国、东部和中部之上，遥遥领先，其均值在0.89左右；东部（均值约为0.61）和中部地区（均值约为0.55）较全国平均水平（均值约0.68）略低，差值均不超过0.15，总体较为接近。
（2）从空间层面来看，2003-2017年各样本地区的生态效率值不尽相同。由图4可以观察到，2003-2017年，四川、北京、贵州和山东的生态效率平均水平遥遥领先于其他地区，处于高效率区间；而宁夏、广东、浙江和江苏的生态效率均值排在末端，处于低效率区间；其余20个地区的生态效率水平均值则处于中间位置。总体上，我国目前生态效率水平偏低，东部、中部和西部地区有所差距。西部地区由于经济发展相对缓慢，自然资源破坏程度较轻，其生态效率高于东部和中部地区。东部地区由于产业升级优化速度快，技术创新能力的提高促使自然资源得到有效保护和循环利用，同时治理污染的成本上升，迫使一部分企业转移到其他地区，其生态效率相比中部地区较高。中部地区对自然资源的开发利用程度高于西部地区，且生产技术较东部地区落后，其生态效率最低。
图4 样本地区生态效率均值空间分布
Fig.4 Spatial distribution of ecological efficiency mean in sample regions
将各省份白酒产业集聚度的均值和生态效率的均值进行归一化处理后对比分析，由图5可以看到，两者空间上的分布情况并不一致，四川和山东的白酒产业集聚度均值和生态效率均值皆排名靠前，北京和贵州的生态效率均值较白酒产业集聚度均值更为突出。总体而言，各地区白酒产业集聚度和生态效率在均值比较中难以梳理出一定的规律，有必要进一步定量分析白酒产业集聚和生态效率之间的关系。
图5 样本地区白酒产业集聚及生态效率均值空间分布对比
Fig.5 Comparison of spatial distribution of Baijiu industry agglomeration and ecological efficiency mean in sample regions
4 模型回归结果及分析
4.1 模型有效性检验
首先，对本文的各个变量进行了单位根检验，结果显示面板平稳。其次，为了更好地显示模型估计结果的一致性，在对模型进行SGMM估计的同时，给出相应的最小二乘估计和固定效应模型估计的系数作为参照项。最后，本文选取扰动项的差分是否存在一阶与二阶自相关和过度识别检验对系统广义矩估计的面板估计结果进行稳健性检验。
表1 白酒产业集聚对生态效率的影响
Table 1 Effect of Baijiu industry agglomeration on ecological efficiency
注：“*”表示对结果影响显著（P＜0.1）；“**”表示对结果影响极显著（P＜0.05）；“***”表示对结果影响非常显著（P＜0.01）；括号内为统计量值。
一方面，考虑到被解释变量（生态效率）的测算结果是否具有代表性，对模型被解释变量进行合理调换，选择用“污染指数”作为“生态效率”的代理变量[34]，重新对模型进行两步系统广义矩估计。另一方面，考虑到所选样本的极值可能对估计结果造成不良影响，分别将模型解释变量（白酒产业集聚水平）在2017年的极大值与极小值样本剔除，并重新进行两步系统广义矩估计，以检验结果的稳健性。
模型的估计与稳健性检验结果见表1。各检验结果均表明面板模型是稳健的，且动态面板数据的使用和估计是有效的。
4.2 回归结果分析
为了更加准确有效判断各个变量之间的关系，选取SGMM估计的回归结果进行分析。产业集聚AGG的系数为正，且在10%水平上显著，说明在样本考察期内白酒产业集聚对生态效率有一定的积极作用。表1的最后两列分别给出了替换被解释变量和剔除极值后的估计结果，发现白酒产业集聚对生态效率的影响依然显著为正，说明研究结论是稳健的。当众多白酒企业聚集在同一区域，会产生规模效应和技术共享，企业间的互相学习可以加速产业优化，推动企业在竞争中走上机械化、自动化、智能化和信息化道路，从而提高对资源的利用率和生态的保护力度。区域内的生态环境得到稳定和发展，反作用于白酒产业的酿造和生产，为产业源源不断地提供优质土地及水资源环境等，吸引更多白酒企业在区域内集聚。最终实现产业高质发展和区域内资源循环利用的双赢。
人口总量对白酒产业生态效率具有较为显著的正向作用，其影响系数为0.318 4。随着人口总量的提升，生态环境承载力面临一系列的压力问题，资源的有限性和生态环境自净能力的减弱迫使人们必须寻找着人口规模扩大和生态系统相适应的方式方法。所以低碳生活的理念被倡导和推进，人口素质和环保意识得到提高，形成了绿色的生活方式，有效促进了生态环境的改善，最终对生态效率产生积极影响。
富裕程度对生态效率的影响有比较显著的负作用，其影响系数为-0.353 8。随着改革开放和经济全球化的深入发展，人民的富裕程度日益提高，但效益产出和工资收入的增加却是以生态环境的破坏为代价。一味地追求人均经济总量的上涨，仅仅注重改善自身的吃、住、行等生活条件，而忽视了对生态环境的保护和对污染的防治，导致自然承载力的调节能力无法适应经济的发展速度，出现生态效率低下的不良结果。
技术创新对区域生态效率有较为显著的正向影响。在产业产能过剩的背景下，技术的改进和创新成果的增加，促进了产业的升级与发展，产业的传统运作模式向绿色、环保、高效、循环的方向转变，既可以实现产品的质量提升，又可以实现制造过程的清洁生产，资源利用更加合理，促进节能减排，削弱对自然环境的破坏程度，从而进一步提高生态效率。
环境规制变量的回归系数在10%的水平上显著为正，表示政府在环境方面的措施可以改善生态环境状况。环境规制政策的出台会影响企业的生产行为，迫使企业通过淘汰落后产能、加大治污成本、节约能源消耗、增强技术清洁能力等措施促使产业结构优化，进而对区域生态环境产生有利影响。白酒产业在生产运作时，受到政府对环境采取保护的限制，避免了企业盲目开发和利用土地和水资源的现象，环境污染问题得到改善。
5 结论与建议
5.1 结论
本文利用2003-2017年我国28个省份的面板数据，运用动态面板模型的系统广义矩估计方法，探究了白酒产业集聚和生态效率的发展态势及两者之间的互动机制，得出结论如下：
（1）一方面，全国及东、西部地区白酒产业集聚水平有显著提高，而中部地区白酒产业集聚度则波动较大，增幅较小。总体而言，样本观测期内各地区白酒产业集聚度水平总体不高且空间分布不均匀，东、中、西部三个地区呈依次递减的趋势。另一方面，我国各地区的生态效率呈波动上升的动态变化走势，但总体水平偏低。在样本观测期内，西部地区生态效率值明显高于全国、东部和中部的结果。各个省份之间生态效率存在空间异质性。
（2）白酒产业和生态效率之间存在一定的动态关系和作用机制，产业集聚度对生态效率的影响为正，即产业集聚有益于提高对资源的利用率和生态的保护力度。区域内的生态环境得到稳定和发展，反作用于白酒产业的酿造和生产，为产业提供源源不断的优质土地及水资源环境等，吸引更多白酒企业在区域内集聚。
（3）各控制变量的变化对生态效率的作用存在差异。人口总量、技术创新和环境规制都对区域生态效率有较为显著的积极作用。而与此相反，富裕程度对生态效率的影响为负。
5.2 对策建议
为了促进白酒产业经济与生态环境的协调可持续发展，根据实证分析和模型测算结果，提出以下对策建议：
（1）合理使用地区资源优势，通过产业集聚优化升级白酒产业结构布局，探索出更加绿色环保的运作方式，建立生态化网络体系，使企业在区域内互利共生，降低白酒产业对自然资源的依赖性和破坏性，以动态的视角看待白酒产业和生态环境可持续发展的“双赢”。
（2）加大对白酒产业生态化发展的科技研发投入力度，推动产学研一体化在白酒产业集聚过程中的建设，突破自然资源循环利用的技术瓶颈，鼓励企业引进高科技人才参与科技创新活动，从白酒产业生产运作的全周期改进和开发技术，建立清洁生产、废物利用和生态修复的技术连接链。
（3）继续推进政府对环境的监督和管控力度，设计白酒产业集聚发展的外部环境约束，逐步出台地方性法制法规。在扩大废物治理的范围和成本同时，探索建立生态税收制度，督促企业更加注重清洁化生产和废物治理。
[1]武运，田歌，陈新军，等.新疆葡萄酒产业发展趋势新视角探析[J].中国酿造，2018，37（10）：195-199.
[2]孙慧，朱俏俏.中国资源型产业集聚对全要素生产率的影响研究[J].中国人口·资源与环境，2016，26（1）：121-130.
[3]张书猛，辜义，洪王琪，等.四川白酒酒业集中区的构想及发展[J].中国酿造，2013，32（10）：157-159.
[4]沈能，王群伟.考虑异质性技术的环境效率评价及空间效应[J].管理工程学报，2015，29（1）：162-168.
[5]王艳华，苗长虹，胡志强，等.专业化、多样性与中国省域工业污染排放的关系[J].自然资源学报，2019，34（3）：586-599.
[6]纪祥裕.外资和生产性服务业集聚对城市环境污染的影响[J].城市问题，2019（6）：52-62.
[7]苗建军，郭红娇.产业协同集聚对环境污染的影响机制——基于长三角城市群面板数据的实证研究[J].环境与社会，2019，39（3）：70-76.
[8]钟娟，魏彦杰.产业集聚与开放经济影响污染减排的空间效应分析[J].中国人口·资源与环境，2019，29（5）：98-107.
[9]CHENG Z H.The spatial correlation and interaction between manufacturing agglomeration and environmental pollution[J].Ecol Ind,2016,61(2):1024-1032.
[10]陈林心，何宜庆，王芸，等.金融集聚、经济发展与生态效率空间面板数据的SD 仿真[J].系统工程，2017（1）：27-35.
[11]LIU B Q,TIAN C,LI Y Q,et al.Research on the effects of urbanization on carbon emissions efficiency of urban agglomerations in China[J]. J Clean Prod,2018,197(Pt 1):1374-1381.
[12]郭劲光，孙浩.中国制造产业专业化集聚比多样化集聚更有利于提高能源效率吗?[J].南京审计大学学报，2019（4）：93-102.
[13]任阳军，汪传旭，张素庸，等.高技术产业集聚、空间溢出与绿色经济效率——基于中国省域数据的动态空间杜宾模型[J].系统工程，2019，37（1）：24-34.
[14]肖兴志，李沙沙.产业集聚对制造业资源错配的纠正效应：线性抑或非线性?[J].产业经济研究，2018，96（5）：1-13.
[15]YU Z W,YAO Y W,YANG G Y,et al.Strong contribution of rapid urbanization and urban agglomeration development to regional thermal environment dynamics and evolution[J].Forest Ecol Manag,2019,446(8):214-225.
[16]周侃，王强，樊杰.经济集聚对区域水污染物排放的影响及溢出效应[J].自然资源学报，2019，34（7）：1483-1495.
[17]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.
[18]王艳明，李军，张华铭.海洋产业集聚与生态环境耦合效应研究[J].山东工商学院学报，2018，32（4）：19-31.
[19]WANG Z B,LIANG L W,SUN Z,et al.Spatiotemporal differentiation and the factors influencing urbanization and ecological environment synergistic effects within the Beijing-Tianjin-Hebei urban agglomeration[J].J Environ Manag,2019,243(4):227-239.
[20]LIU N N,LIU C Z,XIA Y F,et al.Examining the coordination between urbanization and eco-environment using coupling and spatial analyses:A case study in China[J].Ecol Ind,2018,93:1163-1175.
[21]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（6）：70-82.
[22]ARELLANO M,BOVER O.Another look at the instrumental variable estimation of error-components models[J].J Econometrics,1995,68(1):29-51.
[23]BLUNDELL R,BOND S.Initial conditions and moment restrictions in dynamic panel data models[J].J Econometrics,1998,87(1):115-143.
[24]陈浩，陈平，罗艳.基于超效率DEA 模型的中国资源型城市生态效率评价[J].大连理工大学学报（社会科学版），2015，36（2）：34-40.
[25]郑宇梅，高纯一，雷光春.林业产业集聚水平与生态效率实证分析——基于中国15 个省域面板数据的检验[J].经济地理，2017，37（10）：136-142.
[26]许育民.白酒工业水污染物排放新要求及应对措施[J].酿酒科技，2012（5）：110-112.
[27]HAILU A,VEEMAN T S.Non-parametric productivity analysis with undesirable outputs：An application to the Canadian pulp and paper industry[J].Am J Agr Econ,2001,83(3):605-616.
[28]ZHENG Q Y,LIN B Q.Impact of industrial agglomeration on energy efficiency in China's paper industry[J].J Clean Prod,2018,184(5):1072-1080.
[29]薛雅伟，张剑，云乐鑫.资源产业空间集聚、传导要素萃取与“资源诅咒”中介效应研究[J].中国管理科学，2019，27（6）：179-190.
[30]WANG Y P,YAN W L,MA D,et al.Carbon emissions and optimal scale of China's manufacturing agglomeration under heterogeneous environmental regulation[J].J Clean prod,2018,176:140-150.
[31]CHEN D K,CHEN S Y,JIN H.Industrial agglomeration and CO2 emissions evidence from 187 Chinese prefecture-level cities over 2005-2013[J].J Clean Prod,2018,172:993-1003.
[32]BLACK D,HENDERSON V.Spatial evolution of population and industry in the United States[J].Am Econ Rev,1999,89(2):321-327.
[33]周锐波，石思文.中国产业集聚与环境污染互动机制研究[J].软科学，2018，32（2）：30-33.
[34]何雄浪.人口集聚、工业集聚与环境污染——基于两类环境污染的研究[J].西南民族大学学报（人文社科版），2019，40（2）：87-97.