EN中文

地理研究 >

2025 , Vol. 44 >Issue 2: 485 - 498

DOI: https://doi.org/10.11821/dlyj020240341

研究论文

跨区域环境协同治理网络的驱动机制：以泛珠三角区域为例

  • 梁悦 , 1 ,
  • 黄俊龙 2 ,
  • 何建华 , 1
展开
  • 1.武汉大学资源与环境科学学院，武汉 430079
  • 2.重庆大学三峡库区生态环境教育部重点试验室，重庆 400045
何建华（1974-），男，湖北孝感人，博士，教授，主要研究方向为土地利用空间优化决策、景观生态学。E-mail:

收稿日期: 2024-04-21

  录用日期: 2024-11-19

  网络出版日期: 2025-01-27

基金资助

国家自然科学基金项目(42171260)

收起

The driving mechanism of the trans-regional environmental collaborative governance network: A case study of the Pan-Pearl River Delta region

  • LIANG Yue , 1 ,
  • HUANG Junlong 2 ,
  • HE Jianhua , 1
Expand
  • 1. School of Resource and Environmental Sciences, Wuhan University, Wuhan 430079, China
  • 2. Key Laboratory of the Three Gorges Reservoir Region's Eco-Environment, MoE, Chongqing University, Chongqing 400045, China

Received date: 2024-04-21

  Accepted date: 2024-11-19

  Online published: 2025-01-27

Fold

摘要

网络化协同治理是解决跨规模环境保护问题的有效手段，明晰跨区域环境协同治理网络形成机制和障碍可有效提升治理效益。本文基于泛珠三角区域（除港澳地区）环境合作政策构建环境协同治理网络，引入指数随机图模型定量模拟网络内生和外在条件的驱动影响，结合关系依赖性解释网络格局中的自组织结构倾向，剖析省份属性及省际关系对跨区域环境协同治理网络形成的作用机理。结果显示：泛珠三角区域环境协同治理网络整体由珠江流域沿线省份组成钻石型结构，其中广东、广西面向全域呈双核发散式联系，局部嵌有广泛集聚结构，小世界性明显。合作区网络内部自组织依赖关系显著，存在三元结构洞的闭合及星型结构倾向，表明关系传递和择优依附效应促成了合作联系。经济发展水平和省际环境差异推动了省份对外建立合作，监管制度邻近性影响为负，跨区域合作不受其所属环境督察区范围限制，地理邻近性作用不明显，是远距离省份在共享资源或跨区生态影响下密切联系的结果。本研究加深了对跨区域环境协同治理网络形成机理的的理论认知，为提升网络治理效能，优化区域协同发展提供了解释逻辑和决策参考。

关键词： 环境协同治理网络; 驱动机制; 指数随机图模型; 跨区域环境治理; 泛珠江三角区域

本文引用格式

梁悦 , 黄俊龙 , 何建华 . 跨区域环境协同治理网络的驱动机制：以泛珠三角区域为例[J]. 地理研究, 2025 , 44(2) : 485 -498 . DOI: 10.11821/dlyj020240341

Abstract

Networked collaborative governance is an effective means of solving cross-scale environmental protection problems, and clarifying the formation mechanism and barriers of cross-regional environmental collaborative governance networks can effectively enhance governance effectiveness. This paper constructs a collaborative environmental governance network based on the environmental cooperation policy of the Pan-Pearl River Delta (PPRD) region (excluding Hong Kong and Macao), introduces an exponential random graph model to quantitatively simulate the driving influences of the endogenous and exogenous conditions of the network, explains the tendency of self-organization structure in the network pattern combined with relationship dependence, and analyzes the mechanism of the effects of provincial attributes and inter-provincial relations on the formation of trans-regional environmental collaborative governance networks. The results show that the PPRD collaborative environmental governance network as a whole consists of provinces along the Pearl River Basin in a diamond structure, with Guangdong and Guangxi facing the whole region in a dual-core dispersed linkage, locally embedded in an extensive agglomeration structure, and with an obvious small-world nature. Self-organized dependence within the cooperative area network is significant, with a tendency of the ternary structural hole closure and star structure, indicating that relational transmission and preferential dependence effects contribute to the cooperative linkages. The level of economic development and interprovincial environmental differences drove provinces to establish cooperation externally, the effect of regulatory system proximity was negative, cross-regional cooperation was not limited by the scope of the environmental inspectorates to which they belonged, and the role of geographic proximity was not obvious, as a result of the close ties between distant provinces under the influence of shared resources or cross-regional ecological impacts. This study deepens the theoretical knowledge of the formation mechanism of trans-regional environmental collaborative governance network, and provides explanatory logic and decision-making references for improving the network governance effectiveness and optimizing regional collaborative development.

Key words： environmental collaborative governance network; driving mechanism; exponential random graph model; trans-regional environmental governance; Pan-Pearl River Delta region

1 引言

如何制定更有效的政策措施以提升环境治理成效，是全球普遍关注的问题。由于环境问题的外部性，依靠传统属地化环境治理模式难以实现理想的效果，加强地方政府间合作，开展跨区域协同治理则成为了解决外部性环境问题的广泛共识[1]。各方利益相关者在共同环境治理目标下达成协调合作，逐步形成资源信息共享的多元主体协同治理网络[2]。而由于协作主体间经济、文化等异质性和不同利益诉求优先级，往往使得网络内呈现出局域协作强度差异，进而演化出不同的治理网络整体格局与动态[3,4]。阐明网络中协作主体如何建立联系，是解决深层次环境问题、强化环境治理成效的关键。而目前关于跨区域环境治理协作关系的形成障碍和合作模式倾向方面的研究仍相对较少，故本文旨在厘清跨区域环境治理的驱动机制，揭示跨区域协作治理网络格局及其形成机理，以期为利益主体间的有益协作提供科学参考，推动提高跨区域环境协同政策的协调性与环境治理效率。
社会网络理论为协作过程和结构研究提供了一种新思路，并被广泛应用于气候变化[5]、大气和流域污染[6,7]、森林管理[8]、生物保护[9,10]等领域。在研究尺度上，国外学者多对城市、社区等开展环境协作研究，国内学者则更关注城市群，对长三角[11]、京津冀[12]、泛珠三角[13]等区域大气、流域管理的协同治理内涵、模式、机制和路径演化进行探讨。研究内容方面，已有研究侧重分析协作网络结构和格局[14]，借助社会网络指数，从节点、边、社群等角度刻画中心性[15]、组团及核心-边缘性[16]等结构特征，并将其结合其支撑的环境治理效果予以描述性解释[17]。吴月等以社会指数分析指出粤港澳大湾区环境治理合作网络的扁平化及核心边缘态势[18]，马捷等定性归纳了泛珠三角在环境保护领域合作的“地理”路径特征[13]。在驱动机制研究方面，学者基于定性方法[19]、空间回归技术[20]、二次指派程序[21]等方法揭示网络节点属性及多维邻近关系对跨区域环境治理合作可能性的影响[22,23]。许堞等通过环境合作文本分析，对比粤港澳环境规制差异，梳理出大湾区协同治理特征和限制因素[24]，Suo等测度了长三角地区治理边界对大气治理合作的影响[25]。而随着对复杂网络结构及其动态演变的关注，学者们发现了协作网络内部关系的依赖效应[26]。“风险偏好假说”将网络微观结构与网络内部自组织动力联系起来[27]，指出新的合作并不是随机产生的，而是在已有联系影响下做出的倾向性选择。例如，与共同伙伴展开环境协作的省份间更易产生关系而形成闭合三方组（Triad），即传递闭合效应；区域核心或强势省份更容易吸引周围省份与之合作，形成由中心向外辐射的星型结构（k-star），即择优依赖机制。内生结构效应为理解社会适应性行为和提高网络有效性提供了新视角，然而目前多数成果集中在统计性描述或定性探讨上，传统计量模型分析也仅单一考虑了属性变量或网络关系变量对协作关系形成的影响，鲜有研究将网络内生和外生动力结合分析，定量验证网络主体的哪些属性与何种关系增加了环境治理合作的可能性，并从社会关系依赖角度解释网络产生和演变的驱动机理。
因此本文引入一种网络统计方法——指数随机图模型（Exponential Random Graph Model, ERGM），该模型能够模拟网络生成过程，定量测度网络中的局部结构形成概率以捕捉跨域环境治理合作模式倾向，并可引入节点属性及节点间关系等变量为联系建立的驱动因素提供统计性检验，其对网络形成机制的解释效力在经济贸易合作[28]、灾害治理[29,30]等领域得到了充分验证。同时珠江流域水系流经的9个省级行政区（除港澳地区）组成的泛珠三角合作区也为本研究提供了理想的实证案例，作为中国经济实力极为突出的区域，其面临的内部发展不协调、资源环境问题凸出、跨区域环境污染治理纷繁复杂等问题亟待解决。
故本文以泛珠三角合作区为对象，通过省际间环境协同治理协议刻画泛珠三角区域环境协同治理网络，综合内生结构和外生条件两个层面构建协作驱动因素指标体系，借助ERGM挖掘环境协作治理网络格局中关系配置的主导倾向，并验证哪些网络关系属性和参与者属性驱动了协作关系的建立，从而揭示网络结构和适应行为之间的关系，针对性地理解和培养合作关系以降低大规模环境问题的协调难度，推动实现跨区域环境治理的高效协同。

2 数据来源和研究方法

本研究以有关生态环保的省际政策协议数据构建环境协同治理网络，利用网络分析方法定量刻画协作网络的拓扑结构特征，并综合风险偏好假说和组织间活动条件从内生自组织结构和外生属性关系两方面设定相应条件指标，借助ERGM定量验证协作网络形成和演化的内生和外生关键驱动因素，以期为政府环境领域的合作设计和政策协调提供科学参考，提高跨区域环境治理综合效率。研究分析框架见图1。
图1 分析框架图

注：δ代表网络节点某种属性或关系性质，+/-代表对应条件下节点间联系的增强或抑制效应。

Fig. 1 Analysis framework diagram

2.1 研究区域

2003年在广东省的倡议下泛珠三角经济合作区成立，以珠江三角洲为核心，覆盖了广东、福建、江西、湖南、广西、海南、四川、贵州、云南9个省份，以及与珠江流域地理邻近、联系密切的香港、澳门两个特别行政区。泛珠三角合作区的地理规模和经济体量巨大，占全国国土面积的1/5，人口和经济总量的1/3。泛珠三角旨在以地方互动打破行政壁垒，实现区域联动高效发展，在中央政府的支持和指导下，2004年各省份共同签署了《泛珠三角区域合作协议框架》，正式开启了泛珠区域合作，并上升为与京津冀一体化、长江经济带并列的三大国家区域发展战略之一，同时作为“一带一路”建设的重要区域，泛珠三角在引领国内经济发展和应对国际挑战发挥着举足轻重的作用。
泛珠三角本就依托珠江流域这一自然水系空间拓展而成，加之跨境污染、资源流动等环境问题外部性超越了单一行政单元的范畴，因而亟需合作区内各主体间加强协同统筹，制定并执行环境可持续性治理战略，以维护区域的生态平衡。事实上，泛珠各省也历来重视环保领域合作，早在2004年就建立泛珠三角区域环保合作联席会议机制，次年共同签署了《泛珠三角区域环境保护协议》。十几年来，各省区基于协议框架，在空气和水体污染联防、生态补偿、环境监察执法与应急合作等方面签订政策协议，建立合作机制，致力于推进区域生态环境的优化改善。在政府主导的环境治理模式背景下，本文以泛珠三角合作区（不含港澳）9个省份为对象，借助政策网络以理解区域异质主体的决策偏好，揭示合作关系形成机理。

2.2 社会网络分析方法

社会网络分析（social network analysis，SNA）是综合图论原理和代数模型技术描述网络关系模式和特征的一种重要方法[14]。本文通过SNA方法定量刻画泛珠三角跨区域环境协同治理网络的空间特征，利用R语言实现网络可视化处理，借助Ucinet软件对环境协作网络的拓扑结构进行统计性描述，包括网络密度、平均路径长度、平均聚类系数、接近中心性、特征向量中心性和模块化等，结合整体网络、节点以及边要素的计量特性剖析网络中各节点省份的联系类型和强度差异，明晰其在环境协作组织过程中扮演的角色，为进一步验证跨区域环境协同治理驱动因素提供支撑。上述社会网络分析指标的含义解释和计算公式见表1。
表1 社会网络分析指标

Tab. 1 Social network analysis indicators

指标 计算公式 含义解释
网络密度 D = e / E 网络密度D为实际边数e与最大可能边数的比率
平均路径长度 L = ∑ j = 1 N d i j N - 1 平均路径长度L指网络中省际间距离的平均长度，反映省份之间合作与联系的畅通程度。式中：N为节点数量； d i j为节点i、j之间的最短距离
平均聚类系数 C = 2 E i N k i ( k i - 1 ) 平均聚类系数C衡量了网络的整体凝聚力，数值越大说明节点之间的关系越紧密，合作交流越便捷。式中： E i为节点i的邻近节点中的实际的连接数量；N为节点数量； k i为节点i的平均度值
接近中心度 C C i = 1 L i = ∑ j = 1 N d i j N - 1 式中： C C i为节点的接近中心度； d i j为节点i到j的最短距离；N为节点数量，节点的平均最短距离越小，则该节点的接近中心度就越大
特征向量
中心度		 C E v i = 1 λ ∑ j = 1 N A i ,   j C E v j λ C E = A T C E 特征向量中心度 C E v i根据相邻节点的重要性来衡量该节点在网络中的价值。式中： C E是邻接矩阵 A T的特征向量； λ是特征值
社团检测 Q = 1 2 K ∑ i , j A i j - k i k j 2 K δ i j 基于模块度Q的社团检测可衡量网络集团化的程度，揭示网络聚集行为。式中：K为边数； A i j为邻接矩阵A中元素； k i 、 k j分别为节点i、j的度

2.3 指数随机图模型

2.3.1 模型机理介绍

指数随机图模型ERGM是利用网络统计量解释形成网络全局结构的局部选择倾向的统计模型，可以模拟网络生成并对社会选择效应加以统计检验[31]。ERGM可以理解为一种复杂的逻辑回归，将网络关系形成的概率作为因变量，将网络内生结构、节点属性以及节点二元关系（外生因素）等作为自变量，但和传统回归模型的主要区别是ERGM强调关系间的依赖性。具体来说，模型利用马尔可夫蒙特卡洛最大似然估计算法模拟协作网络生成过程，不断迭代调整统计量的参数值生成大量随机网络，直至模型收敛到最大似然参数估计，依据参数值可以推断出对应统计量的出现是否比偶然预期的更高或更少，测算网络关系依赖形式、节点属性和关系条件在多大程度上支撑网络联系产生的可能性，以此解释观测网络形成的内在机理和驱动因素，ERGM的一般形式如下：
P Y = y | θ = 1 c e x p   { θ T g y + θ α T g α ( y , x ) + θ β T g β ( y ,   z ) }
式中： P Y = y | θ代表网络图y出现的概率； g y表示内生结构效应统计量； g α ( y , x )是与节点属性相关的网络统计量； g β ( y , z )是加入关系协变量的网络统计量； θ T 、 θ α T 、 θ β T分别是对应统计量的参数值；c是规范化常数，确保概率的总和等于1。所有计算在R-4.3.1的statnet中进行。

2.3.2 统计量设计与检验

协作网络中的关系倾向模式是地方政府的自组织行为表现，这种模式被称为网络关系的内生结构效应，即闭合传递效应和择优依附性效应。闭合传递效应可通俗解释为“朋友的朋友更可能与我做朋友”，这种行为倾向使得网络呈现出更多闭合结构。在网络中，闭合传递性可通过观察真实网络中闭合三角形结构相对随机网络的出现概率来识别，通过引入几何加权边共享伙伴构型gwesp来代表这种结构。而择优依附效应则反映出网络行为者与网络核心节点建立关联的偏好，各省为提升协作成效会优先选择拥有资源和信息优势的核心省份作为合作对象，这也将导致网络中以核心省份为中心的星型结构的分布概率增大，借助几何加权度分布项gwdegree可捕捉到这种趋势。
网络外生动力主要从节点属性和多维邻近关系两方面考虑。已有研究表明，地方政府的环境治理行为受到经济水平[32]、环境状态[33]、地理关系[34]、政治制度[35]等作用。一定程度上，经济发展会倒逼地方政府进行环境治理，经济水平反映了地方在环境治理方面的资源可投入程度。此外，环境问题严重性与合作风险密切相关，不同环境情况下的投入-利益分配也会左右地方政府参与区域合作的意愿。考虑泛珠三角区域显著经济差异和复杂环境形势，从节点自身特征出发，本文选取人均地区生产总值（PGDP）来探究网络中节点经济属性的影响，检验经济水平越强的省份较其他省份是否更积极地与外建立环境合作关系。从节点特征相似性出发，采用省份间环境污染水平（envlevel）来检验环境状态差异的作用，考察环境水平相近的省份间是否更容易实现交互。
本研究还针对区域省份间复杂的邻近关系，从地理邻近、监管制度方面考虑了网络外生关系的作用。地理学第一定律指出相邻事物联系更紧密，地理上的邻近不仅利于信息传导，还能降低环境合作的实施成本，泛珠区域环境问题外溢性特征使得邻近省份往往互相干扰，为合作提供了机会。且研究显示地方在缺乏强制约束和惩治机制下容易放低环境规制进而引发逐底竞争等环境问题，置身于相同环境监管约束框架下的各省更有可能建立协商机制。故本文通过省份省会间距离的邻近矩阵（geoproximity）来量化表征地理邻近性，制度邻近性则以是否同处地方生态环境保护督察范围的关系矩阵（inspection）衡量，引入edgecov变量测度两种网络关系对省际环境合作网络的驱动效应。
结合上述分析，确立环境协作网络驱动因素分析体系，如表2所示。
表2 环境协作网络驱动因素解释体系

Tab. 2 Explanatory system for drivers of environmental collaborative networks

准则层 指标层 模型统计量 验证机制
内生结构 集中性 星型结构k-star Gwdegree 对核心优势省份的依附效应
闭合性 闭合结构triad Gwesp 与同一省份开展协作的两个省份间更倾向产生合作
外生条件 省份属性变量 经济水平 人均地区生产总值PGDP Nodecov 马太效应（经济水平高的省份是否倾向产生合作）
治理压力 初始环境污染水平envlevel Nodematch 同配效应（相同环境水平的省份是否倾向产生合作）
省份关系变量 区位条件 省会距离矩阵geoproximity Edgecov 地理邻近性是否推动省份间建立合作
监管制度 地方生态环保督察关系矩阵inspection Edgecov 同处地方生态督察范围的省份是否倾向产生合作

2.4 数据来源与处理

2.4.1 跨区域环境协同治理网络构建

本研究借助2012—2021年泛珠三角各省之间的合作协议刻画区域内主体的互动关系，在泛珠三角合作信息网的咨询中心平台上，系统检索由党中央及中央机构、国务院及各部委、省级政府及其职能部门等政策主体颁布或者联合签订的合作、纲要、协议、方案、宣言、规划、意见、备忘录等记录并初步提取，随后对提取后的对象进行筛选，剔除重复或者无效的数据，最后根据政策文件内容摘录出涉及到环境协作治理的有效记录，并把协议时间、参与主体、协议内容录入到表格中。在形成协作关系矩阵时，若两个省份作为政策文件制定方或参与方并且在文件中至少出现过一次的检索频次，则被视为两个省份间产生一次环境协作联系，鉴于环境治理协作是基于互利共赢的合作关系，而这种关系是相互的，强调协作的存在而非方向，故以此为依据构建泛珠三角合作区的无向环境协作治理网络。

2.4.2 模型与指标处理

由于多个高阶模型统计量可能造成模型的退化，导致估计参数的不收敛，故本文首先独立检验内生结构变量，基础模型（model1）基础上，模型2-8（model 2~model 8）为依次加入gwesp、gwdegree和gwdsp三种结构统计量的各类组合（表3），检验网络中特定构型是否比随机预期的更多（参数估计值为正）或更少（参数估计值为负），并根据赤池信息准则AIC和贝叶斯信息准则BIC评价模型拟合优度，两个数值越小，说明模型拟合越接近真实观测的协作网络，由此推断出网络最优拟合结构，进而在其基础上继续添加外生变量检验外生条件的驱动作用（表4），结合t统计值和参数估计值有效检验模型参数的显著程度和效应偏好。（由于解释节点在协作网络中发挥中介作用的几何加权二元共享伙伴gwdsp统计量加入后不显著且网络拟合效果下降，故不做细致讨论）。
表3 泛珠三角区域环境协同治理网络的拓扑属性

Tab. 3 Topological properties of the PPRD regional environmental collaborative governance network

省份 接近中心度 特征向量中心度 社团划分
福建 0.62 0.63 1
江西 0.89 1.00 0
湖南 0.73 0.82 0
广东 0.89 1.00 1
广西 0.89 1.00 1
海南 0.62 0.63 1
四川 0.50 0.30 2
贵州 0.80 0.86 2
云南 0.80 0.86 2
表4 ERGM 结构模型统计结果

Tab. 4 ERGM structural model statistical results

Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 Model 7 Model 8
Edges 0.693**
（0.3536）		 -4.789**
（2.215）		 0.886**
（0.3481）		 -2.427***
（0.833）		 -9.125***
（3.429）		 -4.575**
（1.995）		 0.716
（1.419）		 -11.039**
（5.624）
Gwesp 2.799**
（1.323）		 4.450**
（1.738）		 2.639**
（1.340）		 4.860*
（2.912）
Gwdegree -2.593***
（0.9708）		 5.268**
（2.673）		 -2.458***
（0.731）		 5.955
（4.691）
Gwdsp 0.4286***
（0.137）		 -0.003
（0.406）		 0.1290
（0.468）		 0.3469
（0.245）
AIC 47.83 45.96 49.36 48.63 45.31 47.84 50.99 49.31
BIC 49.41 49.12 52.53 51.80 50.06 52.59 55.74 55.65

注：*、**、***表示90%、95%和99%的显著性，括号内数值为标准误。

在环境污染水平评价方面，根据泛珠三角合作区各省份环境污染水平综合评价结果利用分位数细致划分等级，探究环境污染水平差异对协作关系形成可能性的影响。地理邻近性矩阵基于各省份省会城市间距离构建，由各省会城市经纬度数据借助R语言的geosphere包实现地理距离的测算并形成归一化地理邻近性矩阵。生态环境部所属华北、华东、华南、西北、西南、东北区域督察局，承担所辖区域内的生态环境保护督察工作，环保督察关系矩阵通过判断省份是否同属于同一环境保护部地方行政机构的督察监管范围确定（是则关系矩阵对应数值为1，否则为0），本研究使用的经济数据来自《中国统计年鉴》。

3 结果分析

3.1 空间特征分析

整体而言，泛珠三角区域各省联系展现非均衡状态，环境协同治理网络展现出“中部密边缘疏，两核多点”的格局特点，整体以广东广西为中心，连接周围闽赣湘黔滇各点呈“钻石型”结构布局，而四川、海南两省由于地理位置在区域中相对独立，各自与周围邻近省份组成云贵川、粤桂琼三方组（图2）。根据复杂网络理论测算出泛珠三角环境协作网络的拓扑属性指标（表3），尽管网络协作关系尚不完备，但网络密度达到0.667，表明网络中的节点之间连接较为密集，即大多数省份间存在着较为密切的环境合作关系。这可能意味着泛珠三角区域的环境溢出效应比较明显，各省份之间在环境保护、资源管理等方面存在着显著的相互依赖关系。并且与同等规模随机网络相比，泛珠三角环境协作网络具有较大的平均聚类系数（0.846）和较小的平均路径长度（1.389），呈现出典型的小世界网络特征。平均聚类系数高于同规模随机网络的0.496，表明在环境协作的组织过程中各省份间倾向于以紧密联盟式的交互模式从而维持稳固的合作关系；而平均路径长度反映了网络节点间信息传导的效率，其在实际环境协作网络中的数值略低于随机网络的1.528，这意味着区域省际间能够更快速地响应和解决跨区域环境问题。
图2 泛珠三角合作区环境协作治理网络

注：图中连线为省份生态协作联系，粗细象征联系强度；节点为泛珠三角合作区九省份，节点大小象征特征向量中心度大小。

Fig. 2 PPRD cooperative region collaborative environmental governance network

基于模块度的社团检测方法将泛珠三角环境协同治理网络划分为3个社团，其中沿海省份福建、广东、广西和海南组成一个社团，区域西部云南、贵州、四川为一个社团，内陆省份湖南、江西同处一个社团，社团划分结果一定程度上反映了地理位置相关性对于合作倾向的作用，相邻的地理位置和相近的人文背景引发的治理需求和环境挑战的共感或许会激发省份与邻接地区参与协同治理的动机[36]。从接近中心度和特征向量中心度结果可看出广东、广西在网络中的中心地位突出，由于两者均位于泛珠三角腹地，广东技术和产业发展的领先地位汇集了大量成熟的环保和科创企业，相邻的广西在生态资源禀赋上的互补优势使其很好地承接了来自广东的科技创新和产业外溢效应，两者面向区域内其他省份呈现发散式联系，向外辐射以引领区域环境协同合作的能力凸显。中心度前列地区与珠江流域沿线省份分布（云南、贵州、广西、广东、湖南、江西）相吻合，结合区域环保协议主题来看，流域保护和污染防治问题近十年来始终是区域环境领域跨界合作的重心，水这一环境介质对泛珠三角区域跨边界交流影响最为强烈直观，加之水治理问题的资产专用性和绩效可测量性特征明显[26]，上下游省份经过长期互动自然生成信任，这使得以共同合作省份为中介的关系传递效应突出，进而促成了协作网络所呈现的“钻石”主体结构。

3.2 网络演化机制分析

3.2.1 ERGM网络模拟过程

结合自组织效应的最优拟合结构可知（表4），gwesp（闭合型）和gwdegree（集中型）这两种构型对网络总体格局起到了良好的解释作用，且两者参数估计值显著为正，说明网络合作模式主要是由闭合传递和择优依附这两种配置趋势共同驱动的，合作关系更倾向于嵌入闭合三角和星型结构中去。
在结构效应的基础上继而引入外在条件以全面揭示合作关系驱动机制。表5回归估计结果显示外生变量的引入一定程度上增加了模型复杂性，但在拟合效果上有了明显改进，总体解释力得到提升。表征经济发展和治理压力驱动机理的模型统计量均在5%的水平下显著，而不同的是Nodecov.GDP的参数值为2.72，意味着经济发达省份在网络中建立联系的可能性高于其他地区；Nodematch.envlevel的参数值为-2.65，说明区域协作关系并没有表现出在环境污染水平上的同配倾向，即环境水平差异大的省份间产生交互的概率更大。此外，预计基于地理距离的邻近效应会影响协作的可能性，但估计结果并不显著。借助Edgecov.inspection来解释同属相同督察部门监管范围的制度干预关系的驱动效应，结果表明在这一制度环境下各省份之间并没有按照我们的预设那样表现出更倾向在相同督察范围内部寻求环境治理问题的协调。在图3拟合优度检验的“模型统计”结果中表明了模型总体良好的收敛性，各项统计数据大致接近观测网络的分布中值，显示模拟网络在多数模型项上很好地捕捉到了观测网络的特征。
表5 ERGM外生驱动因素参数估计

Tab. 5 Parameter estimation of exogenous drivers

统计量 参数估计值 标准误
Edges -35.51** 14.70
Gwesp 7.39** 3.53
Gwdegree 11.64* 6.16
Nodecov.GDP 2.72** 1.38
Nodematch.envlevel -2.65** 1.35
Edgecov.geoproximity -2.66 2.71
Edgecov.inspection -3.02* 1.61
AIC 40.55
BIC 51.63
图3 ERGM拟合优度检验结果

Fig. 3 Results of goodness-of-fit test

3.2.2 协同治理网络的内生和外生驱动机制分析

最小化机会主义风险和交易成本决定了协同治理网络生长发育的动力过程。Gwesp表征的网络闭合传递机制是跨区域协同治理过程追求稳定而可信关系的反映，这也符合相关研究对成熟协作网络的经验预期[27]。事实上，不仅是泛珠三角，放眼全国流域经济大致均呈现“下（游）强上（游）弱”的格局。尽管下游省份普遍经济实力突出，当地政府也不愿意独自承担责任而为上游的污染买单；上游同样不甘心单独加强环境监管放弃企业市场，而与下游共享环境保护的收益，这种情况下利益相关者大都会舍弃集体最优，基于个体理性选择不作为进而陷入环境治理的囚徒困境[37]。泛珠三角区域内众多跨省际流域加剧了环境治理问题的协调复杂性，各省份为了规避潜在搭便车风险不断寻求稳固而信任的合作关系，促使原本无交集的省份在共享合作伙伴的中介作用下更容易实现关系传递进而演化形成封闭结构[38]。
表征星型网络构型的Gwdegree参数值为11.64，表明择优依附效应对网络格局的贡献，即参与环境协同治理的省份更倾向与核心省份进行合作。一方面广东、广西的资源、生态优势以及位处区域腹地所面临的周围环境污染外溢效应促成了他们面向区域主动寻找伙伴共同承担环保责任；另一方面在资源依赖效应的作用下，边缘省份也相应自发性地提出合作，以期用最小交易成本获取优质且充足的网络资源。此外，星型结构在信息获取和传导存在优势，近些年各省积极应对跨省际突发性水污染或大气污染事件并签订协议，这一协调性更强的工作需要各方高效收集相关事件信息、灾害预警数据，以便及时采取紧急措施，在区域治理需求下导致网络趋于以星型发散式联系快速响应环境变化。
在外生变量中，本文检测出环境协同治理网络受到马太效应和异配性的综合作用。经济水平越高，其越与其他省份合作可能性越大。经济发达地区的资金、人力优势为其开发应用环保科创技术提供了条件，使其在环境治理领域更具主动性和竞争力，更易在网络组织中发挥引领和协调作用[39]。就污染水平差异是地方交互的“推手”还是“障碍”这一问题而言，现有研究尚未有统一结论。尽管前人指出环境差异越大伴随合作障碍增加，但本文发现了不同的趋势。Nodematch.envlevel参数值显著为负，揭示了在环境协作网络中省份间环境水平差异的增大更易与省际间产生联系。这一驱动效应在同处珠三角产业转移“大后方”的湖南和江西省与外协作情况中得到印证。由网络可知除两省间交互密切外，双方尤以与广东的合作最为突出，但在关联强度上存在差异。若单一就经济水平而言，湖南的经济数据优于江西，然而实际显示江西与广东的联系强度明显强于湖南与广东，本文推测环境异质性的驱动效应导致了该差异，因为相比湖南，江西是全国唯一兼具国家生态文明试验区和生态产品价值实现机制国家试点的省份，近些年在新能源领域的绿色产业转化更充分激活了其生态优势，一定层面上体现了环境污染水平差异对政府跨界合作的激励作用[23,40]，或许是广东与江西的环境梯度落差导致了双方更大的利益共鸣，进而了推动他们之间更为紧密的协调。
在ERGM中，统计量参数值通常表示的是网络中某种关系或结构的倾向性，而不是抑制性，环保监管干预的验证结果恰恰表明区域内各省份跨督察管辖范围的合作倾向超越了同一管辖范围内部的合作倾向，反映出泛珠三角区域内存在着一种积极的跨范围合作动态。在邻近关系方面，仅从网络分析结果中并没有得到有力证据，但我们并不能完全否认地理邻近效应与社会关系的相互作用。我们认为自然资源的跨区分布会引发对共同资源的协作管理，泛珠区域倡导的全域联动、共保共治的合作模式反映出环境协作对共同资源管理需求超越了地理距离的影响。

4 结论与讨论

本文基于泛珠三角区域9个省份间的跨区域环境协同治理政策数据构建协作网络，引入ERGM从网络形成演化的内生及外生动力方面揭示了环境协作互动模式倾向和驱动机制。主要结论如下：
（1）空间特征方面，环境协同治理网络较大的平均聚类系数和较小的平均路径长度表明网络整体呈集聚发展，表现出小世界特征。广东-广西双核辐射引领效应明显，并与珠江流域沿线省份构成“钻石型”结构，位处区域边缘四川和海南省各自与其人缘地缘相近的相邻省份密切交互并组成稳定三方组，网络呈现中部密边缘疏的格局。
（2）自组织结构方面，闭合三角和星型结构的显著性结果证实了泛珠三角区域环境协作治理网络的形成过程中存在自组织行为。上下游省份在治理责任和环境效益的博弈下，更易以共同合作伙伴为纽带传递关系，推动合作往稳固的三元闭合结构发展。边缘省份倾向与区域核心省份直接合作，反映出其决策的择优依附偏好。且合作过程中择优依附效应强于传递闭合效应，这是现今区域环境污染应急监测策略下，强化了省份间信息传导、集中协调需求的结果。
（3）外生条件方面，就省份属性条件而言，本文证实经济水平越高、环境梯度差异越大的省份间开展协作的概率更高；就多维邻近关系而言，环保监管关系的结果反映了各省不局限于所属督察区，跨范围寻求外部协作伙伴的可能性。而地理邻近关系虽促进了环境合作，但并不显著，这是相隔较远的省份因共享资源或跨区生态影响而广泛合作的结果。
综上，本文提出三点政策建议：① 泛珠三角区域环境协同治理网络存在密度不均衡以及资源不对等造成的依附性关系，既要强化优势省份的核心引领力，促进省际生态治理技术交换与信息共享，同时亟需破除择优依附效应下网络资源不均衡配置，为不同治理主体制定差异化责任约束机制，推动形成优势互补、利益平衡的多元主体共治模式。② 建立和完善常态化的绩效评估体系和上下游补偿机制，对治理技术和资源相对匮乏的地区提供财政补助，消弭因环境水平差距而导致的合作风险，以保障长效沟通和信任机制。③ 搭建多种形式省际对话交流平台，降低远距离省际链接的合作成本，使共同资源管理需求与资源要素的生态影响空间相适应，实现基于整体生态效益的生态环境一体化协同共治。
本研究仍存在一些问题，需进一步说明和改进。一是尽管证实高经济水平节点对网络形成起引领和吸引作用，但各省份在网络中的核心辐射强度并不完全按照经济指标呈现。如福建人均GDP高于广东，但在引领作用上却差距明显，本文推测可能源于其地理位置和产业结构的差异。广东的腹地位置、前沿环保技术和产业集群优势使其更具吸引力和主导权。而本文关于省份禀赋特征考虑较单一，可待后续研究引入影响变量加以细致完善。二是基于资源要素生态影响空间的合作或弱化了地理邻近效应。正如Suo等指出基于空气污染溢出区的生态治理边界能促进地方间协作[25]，而关于协作网络有效性和生态治理问题的匹配适应是未来可深入探讨的方向。三是已有研究提出网络发展将由增加闭合性和减少集中性驱动，而本文虽检测出网络内生结构呈现闭合传递和择优依附偏好，但尚未揭示这些效应如何促进网络的动态演化，未来可尝试从长期时间视角探讨路径依赖对网络演化的影响。

真诚感谢匿名评审专家在论文评审中所付出的时间和精力，专家对本文结果讨论分析、结论梳理总结、测度指标选取等方面提出修改意见，让本文的内容更加严谨充实、结构更加流畅完整；综述方面的指点也对本文后续完善有较大启发性，获益匪浅。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Bian Y C, Song K Y, Bai J H. Impact of Chinese market segmentation on regional collaborative governance of environmental pollution: A new approach to complex system theory. Growth and Change, 2021, 52(1): 283-309.

[2]
Newig J, GüNther D, Pahl-Wostl C. Synapses in the network: Learning in governance networks in the context of environmental management. Ecology and Society, 2010, 15(4): 24.

[3]
Ostrom E. Collective action and the evolution of social norms. Journal of Economic Perspectives, 2000, 14(3): 137-158.

[4]
Bodin Ö. Collaborative environmental governance: Achieving collective action in social-ecological systems. Science, 2017, 357(6352): eaan1114.

[5]
Cortes S, Van Der Heijden J, Boas I, et al. Unpacking the heterogeneity of climate city networks. Cities, 2022, 121.

[6]
阎波, 武龙, 陈斌, 等. 大气污染何以治理? 基于政策执行网络分析的跨案例比较研究. 中国人口·资源与环境, 2020, 30(7): 82-92.

[Yan Bo, Wu Long, Chen Bin, et al. How is air pollution regulated in China? a comparative case study on city x's action network. China Population,Resources and Environment, 2020, 30(7): 82-92.]

[7]
Chaffin B C, Garmestani A S, Gosnell H, et al. Institutional networks and adaptive water governance in the Klamath River Basin, USA. Environmental Science & Policy, 2016, 57: 112-121.

[8]
Friedman R S, Guerrero A M, Mcallister R R J, et al. Beyond the community in participatory forest management: A governance network perspective. Land Use Policy, 2020, 97.

[9]
Santini L, Saura S, Rondinini C. Connectivity of the global network of protected areas. Diversity and Distributions, 2016, 22(2): 199-211.

[10]
Guerrero A M, Bodin Ö, Mcallister R R J, et al. Achieving social-ecological fit through bottom-up collaborative governance: An empirical investigation. Ecology and Society, 2015, 20(4): 41.

[11]
孙燕铭, 周传玉. 长三角区域大气污染协同治理的时空演化特征及其影响因素. 地理研究, 2022, 41(10): 2742-2759.

DOI

[Sun Yanming, Zhou Chuanyu. The spatio-temporal evolution characteristics and influencing factors of collaborative governance of air pollution in the Yangtze River Delta region. Geographical Research, 2022, 41(10): 2742-2759.]

[12]
郑敏睿, 郑新奇, 李天乐, 等. 京津冀城市群城市功能互动格局与治理策略. 地理学报, 2022, 77(6): 1374-1390.

DOI

[Zheng Minrui, Zheng Xinqi, Li Tianle, et al. Big-data driven functional interaction patterns and governance strategy for Beijing-Tianjin-Hebei region. Acta Geographica Sinica, 2022, 77(6): 1374-1390.]

DOI

[13]
马捷, 锁利铭, 陈斌. 从合作区到区域合作网络:结构、路径与演进: 来自“9+2”合作区191项府际协议的网络分析. 中国软科学, 2014, (12): 79-92.

[Ma Jie, Suo Liming, Chen Bin. From collaborative zone to collaborative network: Structure, pathway and evolution: The analysis 191 intergovernment agreements in “9+2” zone. China Soft Science, 2014, (12): 79-92.]

[14]
Bodin Ö, Crona B I. The role of social networks in natural resource governance: What relational patterns make a difference?. Global Environmental Change, 2009, 19(3): 366-374.

[15]
周宏浩, 谷国锋. 外部性视角下中国城市网络演化及其环境效应研究. 地理研究, 2022, 41(1): 268-285.

DOI

[Zhou Honghao, Gu Guofeng. The evolution of China's city network and its environmental effects from the perspective of externalities. Geographical Research, 2022, 41(1): 268-285.]

[16]
张旭, 孙传祥. 基于环境污染型企业的中国城市网络空间结构研究. 地理研究, 2022, 41(9): 2516-2530.

DOI

[Zhang Xu, Sun Chuanxiang. The spatial structure of the urban network of environmentally polluting enterprises in China. Geographical Research, 2022, 41(9): 2516-2530.]

[17]
Partelow S, SchlüTer A, Armitage D, et al. Environmental governance theories: a review and application to coastal systems. Ecology and Society, 2020, 25(4).

[18]
吴月, 冯静芹. 超大城市群环境治理合作网络: 结构、特征与演进: 以粤港澳大湾区为例. 经济体制改革, 2021, (4): 80-87.

[Wu Yue, Feng Jingqin. Environmental governance cooperation network in megacities: Structure, characteristics and evolution: Taking GBA as an example. Reform of Economic System, 2021, (4): 80-87.]

[19]
Mu R, Jia J T, Leng W C, et al. What conditions, in combination, drive inter-organizational activities? Evidence from cooperation on environmental governance in nine urban agglomerations in China. Sustainability, 2018, 10(7).

[20]
Paulraj A, Jayaraman V, Blome C. Complementarity effect of governance mechanisms on environmental collaboration: does it exist? International Journal of Production Research, 2014, 52(23): 6989-7006.

[21]
Chang Y, Hu P, Huang Y, et al. Effectiveness and heterogeneity evaluation of regional collaborative governance on haze pollution control: Evidence from 284 prefecture-level cities in China. Sustainable Cities and Society, 2022, 86.

[22]
Fan J, Shen Z, Wang Z W. The Threshold Effect of Urban Levels on Environmental Collaborative Governance: An Empirical Analysis from Chinese Cities. International Journal of Environmental Research and Public Health, 2022, 19(7).

[23]
Fischer A P, Jasny L. Capacity to adapt to environmental change: evidence from a network of organizations concerned with increasing wildfire risk. Ecology and Society, 2017, 22(1).

[24]
许堞, 马丽. 粤港澳大湾区环境协同治理制约因素与推进路径. 地理研究, 2020, 39(9): 2165-2175.

DOI

[Xu Die, Ma Li. Restrictive factors and promoting approaches on collaborative ecological environment governance in the GuangdongHong Kong-Macao Greater Bay Area. Geographical Research, 2020, 39(9): 2165-2175.]

[25]
Suo L, Li X, Cao S. How governance boundaries affect regional collaboration on atmospheric governance-Evidence from China's Yangtze River DeltaPalabras Clave(sic)(sic)(sic). Review of Policy Research, 2023, 40(4): 509-533.

[26]
锁利铭, 阚艳秋, 李雪. 制度性集体行动、领域差异与府际协作治理. 公共管理与政策评论, 2020, 9(4): 3-14.

[Suo Liming, Kan Yanqiu, Li Xue. Institutional collective action,cooperation field differences and inter-government collaborative governance. Public Administration and Policy Review, 2020, 9(4): 3-14.]

[27]
Berardo R, Scholz J T. Self-Organizing Policy Networks: Risk, Partner Selection, and Cooperation in Estuaries. American Journal of Political Science, 2010, 54(3): 632-649.

[28]
Lee Y, Lee I W, Feiock R C. Interorganizational Collaboration Networks in Economic Development Policy: An Exponential Random Graph Model Analysis. Policy Studies Journal, 2012, 40(3): 547-573.

[29]
Mcallister R R J, Robinson C J, Brown A, et al. Balancing collaboration with coordination: Contesting eradication in the Australian plant pest and disease biosecurity system. International Journal of the Commons, 2017, 11(1): 330-354.

[30]
Bodin O, Nohrstedt D. Formation and performance of collaborative disaster management networks: Evidence from a Swedish wildfire response. Global Environmental Change-Human and Policy Dimensions, 2016, 41: 183-194.

[31]
孙宇, 彭树远. 长三角城市创新网络凝聚子群发育机制研究: 基于多值ERGM. 经济地理, 2021, 41(9): 22-30.

[Sun Yu, Peng Shuyuan. Development mechanism of cohesive subgroups' urban innovation networks in the Yangtze River Delta: Based on the valued ERGM. Economic Geography, 2021, 41(9): 22-30.]

[32]
Hou Y X, Zhang K R, Zhu Y C, et al. Spatial and temporal differentiation and influencing factors of environmental governance performance in the Yangtze River Delta, China. Science of the Total Environment, 2021, 801.

[33]
Hamilton M, Fischer A P, Jasny L. Bridging collaboration gaps in fragmented environmental governance systems. Environmental Science & Policy, 2021, 124: 461-470.

[34]
Belaire J A, Dribin A K, Johnston D P, et al. Mapping stewardship networks in urban ecosystems. Conservation Letters, 2011, 4(6): 464-473.

[35]
李力, 孙军卫, 蒋晶晶. 评估中国各省对环境规制策略互动的敏感性. 中国人口·资源与环境, 2021, 31(7): 49-62.

[Li Li, Sun Junwei, Jiang Jingjing. Sensitivity study on the strategic interaction of environmental regulations in Chinese provinces. China Population, Resources and Environment, 2021, 31(7): 49-62.]

[36]
Zhou K, Yin Y, Li H, et al. Driving factors and spatiotemporal effects of environmental stress in urban agglomeration: Evidence from the Beijing-Tianjin-Hebei region of China. J Geogr Sci, 2021, 31(1): 91-110.

DOI

[37]
Wang Z, Jusup M, Guo H, et al. Communicating sentiment and outlook reverses inaction against collective risks. Proceedings of the National Academy of Sciences of the United States of America, 2020, 117(30): 17650-17655.

[38]
TakáCs K, Gross J, Testori M, et al. Networks of reliable reputations and cooperation: A review. Philosophical Transactions of the Royal Society B-Biological Sciences, 2021, 376(1838): 20200297-200297.

[39]
Song M, Lai Y Z, Zhang Y Y, et al. From neighbors to partners: A quantum game model for analyzing collaborative environmental governance in China. Expert Systems with Applications, 2022, 210.

[40]
Wang D, Fang Y Z. Global climate governance leadership: Current status, measurement, and improvement paths. Journal of Cleaner Production, 2024, 434.

Options
文章导航

/

〈 〉