在推进城镇化发展的过程中，作好合理计划，科学布局各城镇，扩大城镇规模，整合城镇资源。

    本文通过描述性统计、线性相关关系分析等方法，来探究城镇化进程中环境质量与各影响因素之间的关系。提出以下假设：

    假设1：城镇化进程越快，在环保措施没有跟上经济步伐的前提下，对环境的影响就越大。

    假设2：城镇所在地区面积偏小，且人口较多、城镇数量较多，该地区的环境质量较差。

    假设3：当地经济发展水平较高，且环境政策治理有效，则该地区的环境质量较好。

    假设4：产业布局不合理，环境功能分区不明确，该地区的人居环境较差。

    假设5：城镇工业技术水平越低，低污染高新技术产业比重较大，则该区环境较好，反之环境质量较差。

    1.建立模型及变量的选择

    本文采用多元线性回归分析，建立回归模型如下：

    y=β0+β1x1…+βpxi+1+εi，(i=1，2，…，n)。y，表示重庆市环境质量，xi表示各影响因素：xt表示区县面积；x2表示城镇个数；x3表示区县人口；x4表示城镇人口；x5表示城镇化进程(用城镇化发展速度表示)；x6表示地区GDP；x7表示区县人均GDP；x8表示第二产业的比重；x9表示第三产业产值的比重；x10表示区县内重工业高污染企业居多；x11表示高新技术产业产值的比重；x12表示基础设施好且环保设施运行有效；x13表示森林覆盖率。

    本文对假设因素中当地的经济发展水平，用2009年区县的GDP表示。政策有效性可以体现在政府重视基础设施建设，且环保设施运行有效，以及森林覆盖率与绿地化率等指标上面。产业布局可以用第二产业比重以及所占位置是否为城镇区域内表示。

    2.数据收集与整理

    本文数据来源于1989～2011年重庆统计年鉴、重庆年鉴(2010)以及实地调查。以全市40个区县为样本，将重庆市环境保护局公布的环境测评结果及其进行的环境保护满意率调查的结果相结合，将各区县环境质量赋予一个数值，数值越大，表示环境质量越好；反之，环境质量越差。使用统计软件spss13.0进行分析。

表1：各变量与环境质量相关性分析

环境测评	变量	区县面积	城镇个数	区县人口	城镇人口	城镇化进程	地区GDP	人均GDP	第二产业所占比重	第三产业所占比重	区县内重工业高污染企业居多	高新技术企业GDP比重	基础设施好且环保设施运行有效	森林覆盖率
	皮尔森相关性检验	0.332 (*)	0.164	-0.074	-0.429 (**)	-0.413 (**)	-0.412 (**)	-0.324 (*)	-0.054	-0.198	-0.482 (**)	-0.066	0.357 (*)	0.324 (*)
	Sig.(2-tailed)	0.036	0.319	0.655	0.006	0.008	0.008	0.042	0.743	0.221	0.002	0.687	0.024	0.047
	N	40	39	39	40	40	40	40	40	40	40	40	40	38

    (注：“*”表示检验在5%的水平上显著，“**”表示检验在1%的水平上显著)

表2：模型表述表Model Summary(b)

模型Model	拟合优度系数R	决定系数R2	调整后的决定系数R2	因变量预测值标准误差Std. Error of the Estimate	变化统计Change Statistics					杜宾-瓦特森检验统计量Durbin-Watson
					R2变化	F值变化	自由度df1	自由度df2	统计量F值变化Sig. F Change
1	0.824(a)	0.678	0.488	4.36623	0.678	3.567	13	22	0.004	2.895

    (注：Predictors<预测变量>：<Constant常量>，森林覆盖率，镇个数，区县内重工业高污染企业居多，第三产业比重，基础设施好且环保设施运行有效，高新技术产业所占比重，地区GDP，面积，城镇化率，人口，人均GDP，第二产业所占比重，城镇人口Dependent Variable<因变量>：环境测评)

    3.数据分析

    (1)相关性检验

    从表1可看出，区县面积、城镇人口、城镇化进程、地区GDP、人均GDP、区县内重工业高污染企业居多、基础设施好且运行有效、森林覆盖率等指标与环境质量的关系紧密，各区县环境质量与区县面积、基础设施且环保设施运行有效、森林覆盖率呈正相关关系。其相关性系数较大，在1%的水平上显著。各区县环境质量与城镇人口、城镇化进程、地区GDP、人均GDP、区县内重工业高污染企业居多呈负相关关系，且检验值在1%的水平上显著。区县面积越大，环境污染消化面较大，环境质量较好；城镇人口越多，工业化和城镇化进程越快，环境治理滞后的条件下，污染越重，环境质量越差；区县内产业布局不合理，重工业高污染企业较多的城镇，环境质量较差；地方政府重视基础设施建设及绿化工作，且确保环保设施运行有效，则环境质量相对于其他地区较好。这也在一定程度上证明了假设1、假设2、假设3、假设4。高新技术企业产值比重与环境质量的相关性不大。

    (2)线性回归分析

    从表2可看出，该模型拟合优度系数为0.824，反映了环境质量与变量之间具有较高显著的线性关系，杜宾-瓦特森检验统计量DW=2.895，变量之间无序列相关。

表3：方差分析表ANOVA(b)

模型Model		回归平方和 Sum of Squares	自由度 df	平方平均值 Mean Square	F值	统计量水平检测值Sig.
1	回归Regression	883.9678625	13	67.99753	3.566804	0.004243
	残差Residual	419.4079125	22	19.064
	总和Total	1303.375775	35

    从表3可看出，设定检验F统计量的值为3.566，显著性水平的P值较低，sig=0.004＜0.05。模型通过设定检验，环境质量与变量之间的线性关系比较明显。经过回归系数分析，剔除t值较小的变量，重新进行回归分析，得出以下结果(见表4、表5)。

表4：模型概述表Model Summary(b)

模型 Model	拟合优度系数R	决定系数R2	调整后的决定系数R2	因变量预测值标准误差 Std. Error of the Estimate	变化统计Change Statistics					杜宾-瓦特森检验统计量 Durbin-Watson
					R2变化	F值变化	自由度dfl	自由度df2	统计量F值变化 Sig. F Change
1	0.752(a)	0.565	0.513	4.28449	0.565	10.731	4	33	0.000	2.170

    (注：a Predictors<预测变量>：<Constant常量>，森林覆盖率，区县内重工业高污染企业居多，基础设施好且环保设施运行有效，城镇化率。b Dependent Variable<因变量>：环境测评)

表5：方差分析表ANOVA(b)

模型 Model		平方和 Sum of Squares	自由度 df	平方平均值 Mean Square	F值	统计量水平检测值Sig.
1	回归Regression	787.987	4	196.997	10.731	0.000(a)
	残差Residual	605.777	33	18.357
	总和Total	1393.765	37

    (注：a Predictors<预测变量>：<Constant常量>，森林覆盖率，区县内重工业高污染企业居多，基础设施好且环保设施运行有效，城镇化率。b Dependent Variable<因变量>：环境测评)

    从表4、表5可得出，模型拟合度为0.752，比原来的模型的拟合度有所降低，但方差分析的F检验通过了模型设定检验，也通过了T检验。也可以得出各变量的回归系数，从而得到回归模型：y=73.676-7.659x5-4.528x10+5.928x12+24.226x13+ε。

    通过以上分析可知，城镇化率，森林覆盖率，区县内重工业高污染企业居多，基础设施好，且环保设施运行有效这4个变量与因变量即环境质量线性相关。各区县的环境质量与城镇化率、区县内重工业高污染企业居多呈负相关关系，与基础设施好，且环保设施运行有效、森林覆盖率正相关关系。

    建议

    1.把环境保护工作作为政府工作的重要内容

    各级地方政府应把握城镇化的发展规律，处理好城镇化与环境、资源之间的关系。落实环境质量领导负责制，加强对党政领导在职期间的环境考核。

    2.调整产业布局，创造良好的人居环境

    有步骤、有计划地实施对重工业、高污染企业的搬迁工作，力争在人口集聚的城镇中心地域把重工业、高污染企业减少到环境可容忍范围之内。

    3.合理计划，科学布局

    在推进城镇化发展的过程中，作好合理计划，科学布局各城镇，扩大城镇规模，整合城镇资源。

    4.发展生态经济，避免重复建设

    掌握当地污染物情况及其稀释、扩散规律，对环境功能进行合理分区。根据当地人文环境特点，发展生态经济，避免重复建设造成资源浪费及对环境的破坏。

    5.加强环保设施建设

    加强基础设施特别是环保设施建设，确保能有效服务于当地经济发展。

    6.加大执法力度

    完善城镇环境监管法规，加大执法力度，提高环境事故应急水平。