馬 黎 梁 偉

(濟(jì)南大學(xué) 商學(xué)院，山東 濟(jì)南 250002)

中國城市空氣污染的空間特征與影響因素研究
——來自地級(jí)市的經(jīng)驗(yàn)證據(jù)

馬 黎 梁 偉

(濟(jì)南大學(xué) 商學(xué)院，山東 濟(jì)南 250002)

中國城市空氣污染的空間特征、確定有其主要影響因素，本文以空氣質(zhì)量指數(shù)AQI以及PM2.5、PM10、SO2、NO2和CO等污染物作為研究對(duì)象，發(fā)現(xiàn)中國的空氣污染存在較為顯著的空間溢出效應(yīng)，呈現(xiàn)出明顯的空間集聚特征，京津冀及周邊地區(qū)屬于典型的“高—高”集聚區(qū)域，空氣污染非常嚴(yán)重，而東南沿海尤其是珠三角及鄰近地區(qū)則屬于“低—低”區(qū)域，進(jìn)而引入空間計(jì)量模型進(jìn)行研究。最終結(jié)果表明：人口密度過高、粗放式的經(jīng)濟(jì)增長方式、以煤為主的能源結(jié)構(gòu)、飛速推進(jìn)的城市建設(shè)、FDI帶來的“污染天堂”以及出口商品結(jié)構(gòu)的不合理都是導(dǎo)致城市空氣污染的因素，而第三產(chǎn)業(yè)占GDP比重增加、人口城鎮(zhèn)化率的提升、綠化水平的提高、豐沛的年降水量和離海洋距離近都會(huì)顯著降低空氣污染程度。研究結(jié)論拓展了目前解決空氣污染問題的思路并提供了實(shí)證依據(jù)。

污染集聚；AQI；空間自相關(guān)；空間計(jì)量模型

一、引言

改革開放近40年來，中國經(jīng)濟(jì)發(fā)展在取得了舉世矚目成就的同時(shí)，也帶來了一系列的生態(tài)環(huán)境問題。廣大國人感受最深的莫過于日益嚴(yán)重的空氣污染，尤其是近年來霧霾的出現(xiàn)頻率增高、范圍擴(kuò)大，公眾對(duì)空氣質(zhì)量的關(guān)注達(dá)到了前所未有的高度。保守估計(jì)，中國每年因室外空氣污染導(dǎo)致過早死亡人數(shù)為35萬—50萬人。①Chen Y, Ebenstein A, Greenstone M, et al. ,“Evidence on the impact of sustained exposure to air pollution on life expectancy from China's Huai River policy”，in Journal of Proceedings of the National Academy of Sciences of the United States of America,2013,110(32):12936-12941.治理空氣污染，首先需要確定其影響因素，②王興杰、高地、岳書平：《經(jīng)濟(jì)增長和人口集聚對(duì)城市環(huán)境空氣質(zhì)量的影響及區(qū)域分異——以第一階段實(shí)施新空氣質(zhì)量標(biāo)準(zhǔn)的74個(gè)城市為例》，《經(jīng)濟(jì)地理》2015年第2期。但導(dǎo)致空氣污染的因素眾多且相互關(guān)系復(fù)雜，③邵帥、李欣、曹建華等：《中國霧霾污染治理的經(jīng)濟(jì)政策選擇——基于空間溢出效應(yīng)的視角》，《經(jīng)濟(jì)研究》2016年第9期?，F(xiàn)階段很難做到對(duì)所有可能影響因素的全面管控，只有準(zhǔn)確識(shí)別其中的關(guān)鍵因素，才能對(duì)政府的科學(xué)決策提供有力支撐，做到有的放矢。

目前關(guān)于空氣污染影響因素的研究不同學(xué)者側(cè)重有所不同，一部分學(xué)者從非社會(huì)經(jīng)濟(jì)的角度尋找原因，比如從氣象要素、沙塵、麥秸焚燒、節(jié)慶及煙花爆竹的燃放等角度進(jìn)行分析，還有學(xué)者從社會(huì)經(jīng)濟(jì)因素的角度進(jìn)行研究，考慮的因素有煤炭消耗、城市交通、FDI、城鎮(zhèn)化、對(duì)外貿(mào)易等。以研究區(qū)域的不同進(jìn)行區(qū)分，有學(xué)者主要針對(duì)特定區(qū)域展開分析，如京津冀、長三角、珠三角、杭州、成都、湖北省等，考慮到中國各地區(qū)之間經(jīng)濟(jì)往來頻繁，同時(shí)空氣自身流動(dòng)特性的存在，空氣污染并不是單純的局部環(huán)境問題。以北京為例，北京市PM2.5來源中，外來污染的貢獻(xiàn)占到了28%—36%。同時(shí)也不能忽視污染物通過產(chǎn)業(yè)轉(zhuǎn)移、交通流動(dòng)、工業(yè)集聚等經(jīng)濟(jì)機(jī)制轉(zhuǎn)移或擴(kuò)散到鄰近區(qū)域的現(xiàn)象。因此，在考察空氣污染的同時(shí)空間效應(yīng)逐漸得到學(xué)者們的重視，更多的學(xué)者把目光聚焦于全國范圍，空間計(jì)量分析方法得到越來越多的應(yīng)用。*馬麗梅、張曉：《中國霧霾污染的空間效應(yīng)及經(jīng)濟(jì)、能源結(jié)構(gòu)影響》，《中國工業(yè)經(jīng)濟(jì)》2014年第4期。

已有研究成果提供了很好的思路借鑒，但是也存在一些不足，主要表現(xiàn)在：首先，把社會(huì)經(jīng)濟(jì)因素和天氣氣象及地理區(qū)位結(jié)合起來研究其對(duì)空氣質(zhì)量影響的研究較少；其次，雖然已有學(xué)者采用空間計(jì)量模型對(duì)影響空氣質(zhì)量的因素進(jìn)行了檢驗(yàn)，但是考察的關(guān)鍵影響因素偏少，主要集中在人口規(guī)模、經(jīng)濟(jì)增長和能源結(jié)構(gòu)等少數(shù)幾個(gè)因素，因此存在可能的變量遺漏導(dǎo)致回歸結(jié)果的偏誤問題；最后，已有研究側(cè)重于對(duì)單一污染物的影響因素進(jìn)行研究，綜合考慮多種污染物的研究較少。鑒于此，本文的貢獻(xiàn)主要體現(xiàn)在：第一，在考慮社會(huì)經(jīng)濟(jì)變量的基礎(chǔ)上，增加了“年降水量”和“市中心離最近海岸的距離”兩個(gè)變量，旨在盡可能避免關(guān)鍵變量的遺漏帶來的回歸結(jié)果的偏誤；第二，在對(duì)AQI這一綜合性指標(biāo)進(jìn)行研究的同時(shí)還對(duì)PM2.5、PM10、SO2、NO2、O3、CO這6類污染物分別進(jìn)行了分析。本文旨在通過對(duì)中國城市空氣污染的集聚特征與影響因素的研究，總結(jié)中國城市空氣污染的空間特征，探尋空氣質(zhì)量惡化的經(jīng)濟(jì)、社會(huì)根源，識(shí)別空氣污染治理的關(guān)鍵因素，從而為相關(guān)政策的制定提供科學(xué)的數(shù)據(jù)支撐和經(jīng)驗(yàn)支持。

二、研究方法與模型設(shè)定

(一)探索性空間數(shù)據(jù)分析

探索性空間數(shù)據(jù)分析(Exploratory Spatial Data Analysis，ESDA)方法主要用來探測變量的空間自相關(guān)性和集聚現(xiàn)象，主要包括全局空間自相關(guān)分析和局部空間自相關(guān)分析。

1.全局空間自相關(guān)分析

全局空間自相關(guān)分析常用的指標(biāo)主要有全局Moran’I和Geary’C，主要用來分析數(shù)據(jù)的整體空間分布特征，其中，全局Moran’I得到更為廣泛的應(yīng)用，本文也采用該指數(shù)刻畫樣本地市空氣質(zhì)量的空間分布狀況，其計(jì)算公式為：

(1)

2.局部空間自相關(guān)分析

局部空間自相關(guān)常用Moran散點(diǎn)圖來測量。Moran散點(diǎn)圖分為四個(gè)象限，不同的象限代表不同的空間集聚模式，以本文所研究的空氣質(zhì)量指數(shù)AQI為例，落在第一象限的地區(qū)表明這些地區(qū)屬于HH(高—高)集聚模式，即空氣質(zhì)量差的地區(qū)被空氣質(zhì)量差的地區(qū)所包圍，第二象限為LH(低—高)集聚模式，為空氣質(zhì)量好的地區(qū)被空氣質(zhì)量差的地區(qū)包圍，第三象限為LL(低—低)集聚模式，為空氣質(zhì)量好的地區(qū)被空氣質(zhì)量好的地區(qū)包圍，第四象限為HL(高—低)集聚模式，為空氣質(zhì)量差的地區(qū)被空氣質(zhì)量好的地區(qū)包圍。

3.確定空間權(quán)重矩陣

空間權(quán)重矩陣是一種有效的表達(dá)空間關(guān)系的方式，是對(duì)研究區(qū)域空間關(guān)系的建模，本文基于空間鄰接關(guān)系建立空間權(quán)重矩陣，如果地區(qū)i和地區(qū)j有共同的邊或頂點(diǎn)，則wij等于1，否則wij等于0?？紤]到存在個(gè)別區(qū)域不和其它區(qū)域鄰接的情況，本文以最近鄰為原則，把其和距離最近的區(qū)域設(shè)置為鄰接關(guān)系。

(二)模型設(shè)定

傳統(tǒng)的計(jì)量模型是以數(shù)據(jù)獨(dú)立、均勻分布為假設(shè)前提的，如果研究對(duì)象之間存在空間相關(guān)性則違背了這一原則，因此，在經(jīng)過探索性空間數(shù)據(jù)分析后，如果發(fā)現(xiàn)存在空間效應(yīng)，需要將其在模型中予以體現(xiàn)?？臻g計(jì)量模型一般分為兩種，一是空間滯后模型(Spatial Lag Model，SLM)*Anselin L.,“Local indicator of spatial association: LISA”，in Journal of Geographical Analysis, 1995,27(2):93-115.，可用來探討變量在某地區(qū)是否有空間擴(kuò)散現(xiàn)象，即鄰近區(qū)域的空氣質(zhì)量對(duì)觀察區(qū)域空氣質(zhì)量的影響；二是空間誤差模型(Spatial Error Model，SEM)可用來度量鄰近地區(qū)因變量的誤差沖擊對(duì)本地區(qū)觀察值的影響程度。以上兩種空間計(jì)量模型被廣泛應(yīng)用到社會(huì)經(jīng)濟(jì)現(xiàn)象的空間效應(yīng)研究中，本文通過設(shè)定SLM和SEM模型對(duì)影響城市空氣質(zhì)量的影響因素進(jìn)行較為全面的考察。模型的通用形式為：

(2)

其中，y為ln(AQI)；W1y和W2為空間權(quán)重矩陣，本文中二者相同；ρ是W1y的系數(shù)；X代表1或多個(gè)自變量；β反映了自變量對(duì)因變量變化產(chǎn)生的影響；ξ是殘差向量；λ是自回歸系數(shù)，衡量了區(qū)域之間的依賴強(qiáng)度，如果沒有相關(guān)性則該值為0；ε為隨機(jī)誤差項(xiàng)。

當(dāng)ρ=0、λ=0時(shí)，式(2)變?yōu)?普通最小二乘法(OLS)：

y=Xβ+ε

(3)

當(dāng)λ=0、ρ≠0時(shí)，式(2)變?yōu)榭臻g滯后模型(SLM)：

y=ρW1y+Xβ+ε

(4)

當(dāng)λ≠0、ρ=0時(shí)，式(2)變?yōu)榭臻g誤差模型(SEM)：

y=Xβ+λW2ξ+ε

(5)

在進(jìn)行空間計(jì)量分析之前需要確定SLM和SEM中哪一個(gè)模型更適合用來進(jìn)行本文的研究，常用的判定標(biāo)準(zhǔn)為：首先，根據(jù)Moran’I指數(shù)判斷研究區(qū)域之間是否存在空間效應(yīng),如果存在則需要引入空間計(jì)量模型。其次，觀察OLS估計(jì)結(jié)果的拉格朗日乘數(shù)(Lagrange Mulitplier)形式LM-Error(用來檢驗(yàn)SEM)和 LM-Lag(用來檢驗(yàn)SLM)，對(duì)比LM-Error和LM-Lag的顯著性，如果LM-Lag更顯著則表明SLM更合適，如果LM-Error更顯著則表明SEM更合適。如果兩者相近且都顯著，需要進(jìn)一步觀察Robust LM-Lag和Robust LM-Error，顯著性更高的指標(biāo)對(duì)應(yīng)的模型更適合。*向堃、宋德勇：《中國省域PM2.5污染的空間實(shí)證研究》，《中國人口·資源與環(huán)境》2015年第9期。

(三)數(shù)據(jù)來源與變量選取

2012年頒布了新修訂的《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》(GB3095-2012)，與之同步實(shí)施的《環(huán)境空氣質(zhì)量指數(shù)(AQI)技術(shù)規(guī)定(試行)》增加了環(huán)境質(zhì)量評(píng)價(jià)的污染物(PM2.5、PM10、SO2、NO2、O3、CO)，可以更準(zhǔn)確地反映當(dāng)前復(fù)合型大氣污染形勢。因此，本文采用AQI及其所包含的污染物(PM2.5、PM10、SO2、NO2、O3和CO)來表征空氣污染程度。2013年起，中國正式對(duì)74個(gè)城市進(jìn)行空氣質(zhì)量新標(biāo)準(zhǔn)監(jiān)測，2014、2015年監(jiān)測的城市逐年增多，考慮到許多地市2015年的統(tǒng)計(jì)數(shù)據(jù)尚未發(fā)布，相關(guān)社會(huì)經(jīng)濟(jì)數(shù)據(jù)無法獲得，因此，本文對(duì)2014年的數(shù)據(jù)進(jìn)行分析，涉及159個(gè)地級(jí)及以上城市。樣本地市的GDP總量為54.79萬億元，約占當(dāng)年全國GDP比重的86.16%，從經(jīng)濟(jì)發(fā)展的角度看有較高代表性。AQI及其包含的污染物數(shù)據(jù)來自“全國城市空氣質(zhì)量實(shí)時(shí)發(fā)布平臺(tái)”，*全國城市空氣質(zhì)量實(shí)時(shí)發(fā)布平臺(tái)[EB/OL]. [2014]. http://106.37.208.233:20035/.然后轉(zhuǎn)換為年度均值。其它社會(huì)經(jīng)濟(jì)數(shù)據(jù)主要來自于各省、自治區(qū)和直轄市的2015統(tǒng)計(jì)年鑒、各樣本地市2015統(tǒng)計(jì)年鑒、樣本地市《2014年國民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)》以及《中國城市統(tǒng)計(jì)年鑒2015》。

在考慮數(shù)據(jù)可得性、一致性和完整性的前提下，參考已有研究成果進(jìn)行變量的選取，對(duì)所選取的變量說明如下：

1. 人口密度(POP)。人口總量這種絕對(duì)指標(biāo)沒有考慮各地市的行政區(qū)劃面積，而人口密度更具可比性，可以表示單位面積上的人口集聚對(duì)空氣質(zhì)量的影響。人口密度越大，生活、生產(chǎn)活動(dòng)會(huì)導(dǎo)致空氣污染加重，因此預(yù)期該變量系數(shù)為正。該變量采用各地常住人口除以行政區(qū)域土地面積得到。

2. 經(jīng)濟(jì)增長(GDP)。該變量采用GDP表示。經(jīng)典的EKC假說認(rèn)為環(huán)境質(zhì)量隨經(jīng)濟(jì)增長呈現(xiàn)出倒U型的關(guān)系，根據(jù)已有研究結(jié)論，大多認(rèn)為中國環(huán)境質(zhì)量和經(jīng)濟(jì)發(fā)展還沒有達(dá)到倒U型的頂點(diǎn)區(qū)域，因此，預(yù)期其系數(shù)為正。

3. 產(chǎn)業(yè)結(jié)構(gòu)(IS)。用第三產(chǎn)業(yè)增加值占GDP的比重來衡量。由于第三產(chǎn)業(yè)相比第二產(chǎn)業(yè)在能源消耗方面更為“綠色”，第三產(chǎn)業(yè)比重增加會(huì)使能源消耗總量減少，因此，預(yù)期其系數(shù)為負(fù)。

4. 科技支出水平(R&D)。以各地R&D經(jīng)費(fèi)支出內(nèi)部合計(jì)來測度。其數(shù)值越大表明用于研究與開發(fā)的經(jīng)費(fèi)越多，意味著技術(shù)創(chuàng)新能力越高，可能會(huì)有助于提高能源利用效率、降低污染排放強(qiáng)度，但是也有學(xué)者研究表明技術(shù)進(jìn)步會(huì)帶來“能源回彈效應(yīng)”*馮烽、阿忠：《回彈效應(yīng)加劇了中國能源消耗總量的攀升嗎?》，《數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究》2015年第8期。，因此，該變量系數(shù)不好預(yù)測。

5. 城鎮(zhèn)化率(UP)。以城鎮(zhèn)常住人口占該地區(qū)常住總?cè)丝诘谋壤齺肀硎?。城?zhèn)化率的提升表明人口和產(chǎn)業(yè)出現(xiàn)了明顯的集聚特征，這會(huì)使得污染加劇，*王奇、李明全：《中國城鎮(zhèn)化的環(huán)境影響及其區(qū)域特征》，《城市問題》2016年第8期。因此，預(yù)期該變量系數(shù)為正。

6. 能源消耗(POP_EC)。以人均全社會(huì)用電量來表示。來自中國電力企業(yè)聯(lián)合會(huì)的數(shù)據(jù)顯示，截至2014年底，非化石能源發(fā)電裝機(jī)容量占總裝機(jī)容量比重為33.3%，*中國電力工業(yè)現(xiàn)狀與展望[EB/OL]. [2016-9-15]. http://www.cec.org.cn/yaowenkuaidi/2015-03-10/134972.html.表明化石能源發(fā)電仍是電力的主要來源，因此，預(yù)期該變量系數(shù)為正。

7. 城市建設(shè)。以建筑業(yè)人均產(chǎn)值(POP_CON)和人均固定資產(chǎn)投資(POP_FA)表示。近年來中國房地產(chǎn)業(yè)發(fā)展迅猛，拉動(dòng)了建筑業(yè)的飛速發(fā)展，進(jìn)而帶動(dòng)了鋼鐵、水泥等重工業(yè)的發(fā)展，使得建筑業(yè)在直接排放和間接排放兩方面都加劇了空氣污染，預(yù)期其系數(shù)為正。

8. 對(duì)外開放。用外商直接投資(FDI)和出口額(EXPORT)表示。FDI、出口和環(huán)境污染的關(guān)系吸引了眾多學(xué)者的目光，是否存在“污染天堂”并沒有定論，因此，這兩個(gè)變量的系數(shù)不好預(yù)測。

9. 綠化水平(GREEN)。以綠地面積占行政區(qū)域土地面積的比例表示。預(yù)期其系數(shù)為負(fù)。

10. 氣象條件(RAIN)。以年降水量表示。降水會(huì)帶走部分空氣中的污染物，降水的同時(shí)經(jīng)常伴隨著較強(qiáng)的對(duì)流天氣，也會(huì)在一定程度上對(duì)污染物起到消減作用。因此，預(yù)期其系數(shù)為負(fù)。

11. 地理位置(POSI)。以市中心離最近海岸的距離表示。距離海洋越近，由于受近海氣象因素的影響，空氣中的污染物越不容易集聚，因此，預(yù)期該變量系數(shù)為負(fù)。

為消除變量之間可能存在的異方差，本文對(duì)變量進(jìn)行了對(duì)數(shù)化處理。

三、實(shí)證分析

(一)空間自相關(guān)分析

依據(jù)159地市年均AQI數(shù)據(jù)繪制了AQI空間分布圖(見圖1)，可見京津冀及周邊地區(qū)空氣污染嚴(yán)重，年均AQI皆在100以上，長三角地區(qū)空氣污染雖比京津冀地區(qū)要輕，但是污染也較為明顯，長江中游地區(qū)的空氣污染也非常明顯，東南沿海的空氣質(zhì)量則明顯好于以上區(qū)域。

圖1 年均AQI空間分布圖

1.全局空間自相關(guān)分析

利用GeoDa1.8軟件計(jì)算AQI、PM2.5、PM10、SO2、NO2、O3和CO的全局Moran’s I值，并對(duì)其顯著性水平進(jìn)行檢驗(yàn)(見表1)。AQI及各污染物的全局Moran’s I值在0.362—0.798之間，且全部通過1%的顯著水平檢驗(yàn)，表明AQI及各污染物在空間分布上并不是隨機(jī)的，均存在較為顯著的空間正相關(guān)性，即空間依賴性。全局Moran’s I值可以反映觀測對(duì)象整體的空間相關(guān)性，但是也不能忽視局部地區(qū)的集聚特征，為了觀察局部的集聚特征，需要進(jìn)行局部空間自相關(guān)分析。

表1 AQI及6類污染物的全局Moran’s I指數(shù)

2.局部空間自相關(guān)分析

對(duì)AQI及各污染物進(jìn)行局部空間自相關(guān)分析，繪制Moran’s I散點(diǎn)圖(見圖2)，AQI及各污染物絕大多數(shù)都落在了第一象限(HH集聚模式)和第三象限(LL集聚模式)，相對(duì)來說，只有O3的集聚不是很明顯，其它幾類污染物以及AQI都呈現(xiàn)出了強(qiáng)烈的HH、LL集聚模式，表明存在明顯的空間依賴，即高污染地區(qū)多與高污染地區(qū)鄰近，低污染地區(qū)多與低污染地區(qū)鄰近。這與前面分析得到的全局自相關(guān)成正相關(guān)性保持一致。考慮到O3的空間集聚特征弱于其它污染物，因此后續(xù)分析把O3排除在外。

為了更直觀地觀察都有哪些地區(qū)處于HH集聚區(qū)域，哪些地區(qū)處于LL區(qū)域，本文又繪制了AQI的LISA集聚圖(見圖3)，可以明顯看到京津冀及周邊地區(qū)屬于典型的HH集聚區(qū)域，空氣污染非常嚴(yán)重，而東南沿海尤其是珠三角及鄰近地區(qū)則屬于LL區(qū)域。

對(duì)所得的糖尿病患者與非糖尿病患者種植體修復(fù)牙齒的3個(gè)月、1年以及5年失敗率的數(shù)據(jù)進(jìn)行對(duì)比，進(jìn)行統(tǒng)計(jì)學(xué)計(jì)算得出，數(shù)據(jù)差異有統(tǒng)計(jì)學(xué)意義（P<0.05）。因此，通過得出的數(shù)據(jù)結(jié)構(gòu)發(fā)現(xiàn)糖尿病的種植體修復(fù)牙齒失敗率略高于非糖尿病患者，所以糖尿病是可以對(duì)種植體骨結(jié)合有所影響的，所得結(jié)果如表1所示。

經(jīng)過上述探索性空間數(shù)據(jù)分析，可以明確的一點(diǎn)是中國的空氣污染存在較為明顯的空間自相關(guān)性，要達(dá)到好的污染治理效果，在明確污染影響因素的同時(shí)必須充分考慮污染的空間效應(yīng)，那么，這種空間效應(yīng)及各影響因素到底對(duì)空氣污染起到多大的作用？下面將通過空間計(jì)量模型進(jìn)行分析。

圖2 AQI及6類污染物Moran散點(diǎn)圖

圖3 AQI的LISA集聚圖

(二)各變量空間相關(guān)性分析

由前述分析可知，中國城市空氣污染存在著空間依賴性，破壞了傳統(tǒng)計(jì)量模型空間均質(zhì)分布的假設(shè)，這通常會(huì)使OLS的估計(jì)結(jié)果無效，為了更加準(zhǔn)確地進(jìn)行估計(jì)和檢驗(yàn)，必須把這種空間依賴信息引入到模型當(dāng)中構(gòu)建空間計(jì)量模型進(jìn)行分析。為了對(duì)比分析OLS和空間計(jì)量模型的結(jié)果，本文首先進(jìn)行OLS估計(jì)。

1.OLS估計(jì)結(jié)果

由于本文采用的變量較多，所以首先要確定變量間是否存在多重共線性問題，如果存在則要解決該問題。分別把lnAQI、lnPM2.5、lnPM10、lnSO2、lnNO2和lnCO作為因變量，考察各自變量的方差膨脹因子(VIF)，發(fā)現(xiàn)有個(gè)別自變量方差膨脹因子大于10，考慮到逐步回歸法可以從諸多自變量中選擇出對(duì)因變量影響顯著的變量，可解決多變量間的多重共線性問題，因此本文采用該方法。消除多重共線性之后，模型調(diào)整后的R2都增大，而且絕大多數(shù)變量的顯著性都有提高，說明消除多重共線性之后模型擬合得更好，表明變量精簡后的模型更為可取，因此，本文后續(xù)空間計(jì)量模型的自變量采用精簡后的變量。

2.空間相關(guān)性檢驗(yàn)與模型選擇

每個(gè)模型的LM-Lag和LM-Error都是顯著的，都通過了1%的顯著性水平檢驗(yàn)，這種情況下需要繼續(xù)對(duì)比Robust LM-Lag和Robust LM-Error的顯著性水平，發(fā)現(xiàn)Robust LM-Lag的顯著性要明顯高于Robust LM-Error，表明空間滯后模型(SLM)比空間誤差模型(SEM)更適合用來進(jìn)行空間效應(yīng)分析，因此，本文后續(xù)的空間效應(yīng)及影響因素研究只選擇空間滯后模型(SLM)進(jìn)行分析。

3.空間計(jì)量模型結(jié)果及分析

赤池信息準(zhǔn)則(Akaike Information Criterion，AIC)是用來比較多元回歸模型擬合優(yōu)度常用的標(biāo)準(zhǔn)之一，AIC值越小則表明模型擬合得越好，可見SLM模型明顯優(yōu)于OLS模型(表2)。此外，SLM模型的R2也都優(yōu)于OLS模型，對(duì)數(shù)似然(log likelihood)值也表明SLM模型要優(yōu)于OLS模型，通過以上3個(gè)指標(biāo)的對(duì)比可以確定，引入空間效應(yīng)以后模型的擬合度有了較為明顯的提升。

表2 OLS與SLM模型對(duì)比

6個(gè)SLM模型的空間滯后系數(shù)ρ取值范圍從0.3802到0.6615(見表3)，且都在1%統(tǒng)計(jì)水平上顯著，說明空氣污染具有較強(qiáng)的空間相關(guān)性，也即相鄰地區(qū)的空氣污染嚴(yán)重那么本地區(qū)的空氣污染也會(huì)較為嚴(yán)重，以PM2.5為例，相鄰地區(qū)的PM2.5污染程度每增加1%，則本地區(qū)的PM2.5污染程度會(huì)增加0.6287%，表明PM2.5存在明顯的空間集聚現(xiàn)象，相應(yīng)的，其它污染物也存在明顯的空間集聚現(xiàn)象。

以下根據(jù)SLM模型的回歸結(jié)果對(duì)各自變量進(jìn)行簡要分析：

(1)人口密度：人口密度對(duì)CO、NO2和PM2.5具有顯著的正向影響，分別通過了1%、5%和10%顯著性檢驗(yàn)，表明人口的集聚對(duì)這3種污染物的影響較大，人口密度較高的地區(qū)通常會(huì)產(chǎn)生較多類需求，帶來污染的直接、間接排放。以機(jī)動(dòng)車為例，人口密集區(qū)機(jī)動(dòng)車保有量大，能源消耗增加，污染排放增多，而且很容易帶來交通擁堵，長時(shí)間處于怠速狀態(tài)也加大了尾氣排放量。

(2)經(jīng)濟(jì)增長：GDP對(duì)AQI、PM2.5、PM10和SO2具有顯著的正向影響，GDP每提升 1個(gè)百分點(diǎn)，AQI、PM2.5、PM10和SO2分別提高0.0757%、0.1088%、0.1163%和0.1134%。由于傳統(tǒng)的粗放型經(jīng)濟(jì)增長方式很難在短時(shí)間徹底扭轉(zhuǎn)，能源密集、資源高消耗的產(chǎn)業(yè)所占比重過大，導(dǎo)致經(jīng)濟(jì)增長帶來大量的污染排放。因此，如何加快經(jīng)濟(jì)增長向集約型增長方式轉(zhuǎn)型，如何加快實(shí)現(xiàn)“后工業(yè)”時(shí)代的綠色化發(fā)展是一個(gè)亟待解決的重大現(xiàn)實(shí)問題。

(3)產(chǎn)業(yè)結(jié)構(gòu)：第三產(chǎn)業(yè)比重對(duì)AQI、PM2.5、PM10和SO2具有顯著的負(fù)向影響，且都在 1%的水平上顯著，說明第三產(chǎn)業(yè)比重增加可以顯著減少污染排放。相比第二產(chǎn)業(yè)，第三產(chǎn)業(yè)部門能源消耗相對(duì)較少。這也啟示我們要繼續(xù)加強(qiáng)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化，促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)的“綠色”轉(zhuǎn)型升級(jí)。

(4)科技支出水平：本文用R&D經(jīng)費(fèi)支出內(nèi)部合計(jì)來表征科技支出水平，科技支出水平對(duì)AQI、PM2.5和NO2的影響系數(shù)皆為正，但是只有NO2在10%的水平上顯著，雖然我們不能據(jù)此就認(rèn)為存在技術(shù)進(jìn)步帶來的“能源回彈效應(yīng)”，但是也要意識(shí)到單純的研發(fā)投入增加并不能保證污染的消減，還需要相關(guān)價(jià)格、稅收等組合政策的配合才可能實(shí)現(xiàn)節(jié)能減排。

(5)城鎮(zhèn)化率：在所有6個(gè)模型中城鎮(zhèn)化率對(duì)污染物都存在顯著的負(fù)向影響，除了NO2在5%的水平上顯著之外，其它5個(gè)模型都是在1%水平上顯著，這個(gè)結(jié)果是我們沒有預(yù)料到的。尋找背后的原因，本文認(rèn)為，城鎮(zhèn)化率的提升一方面表明人口和產(chǎn)業(yè)出現(xiàn)了明顯的集聚特征，這會(huì)使得污染加劇，另一方面，也不能忽視產(chǎn)業(yè)結(jié)構(gòu)的影響，如果集聚的人口主要從事的是第三產(chǎn)業(yè)的工作，那么從整個(gè)地區(qū)來看，單位經(jīng)濟(jì)增長所排放的污染物反而會(huì)減少。

表3 SLM模型回歸結(jié)果

注：括號(hào)內(nèi)為各估計(jì)系數(shù)的z統(tǒng)計(jì)量，***、**和*分別表示在1%、5%和10%的統(tǒng)計(jì)水平上顯著。

(6)能源消耗：能源的消耗直接導(dǎo)致污染的產(chǎn)生，因此，該變量在6個(gè)模型中都表現(xiàn)出了對(duì)污染物的顯著的正向影響，除SO2和CO在1%水平上顯著，其它4個(gè)模型都是在5%水平上顯著。能源綠色轉(zhuǎn)型始終是中國面臨的重大現(xiàn)實(shí)問題。

(7)城市建設(shè)：建筑業(yè)人均產(chǎn)值對(duì)AQI、PM2.5、PM10、SO2和NO2具有顯著的正向影響，火爆的房地產(chǎn)業(yè)直接拉動(dòng)了建筑業(yè)的飛速發(fā)展，各類在建項(xiàng)目在建設(shè)過程中帶來了揚(yáng)塵等直接污染，此外，建筑業(yè)的飛速發(fā)展還帶動(dòng)了鋼鐵、水泥等重工業(yè)的發(fā)展，這種間接排放對(duì)空氣質(zhì)量無疑是雪上加霜。

(8)對(duì)外開放：對(duì)于SO2和CO這兩種污染物，F(xiàn)DI的估計(jì)系數(shù)分別在1%、5%的水平上顯著為正，雖然PM2.5和NO2這兩種污染物的估計(jì)系數(shù)不顯著，但影響方向皆是正向，表明當(dāng)前FDI會(huì)在一定程度上加劇以上污染物的排放。此外，出口的增加在1%的水平上對(duì)NO2的排放表現(xiàn)出顯著的促增效應(yīng)。表明“污染天堂”假說在中國是存在的，這啟示我們在外資引進(jìn)及出口商品構(gòu)成上也要考慮綠色轉(zhuǎn)型。

(9)綠化水平：對(duì)于AQI和PM2.5，綠化水平的估計(jì)系數(shù)在10%的水平上顯著為負(fù)，表明加強(qiáng)城市綠化可以起到緩解空氣污染的作用。

(10)氣象條件：年降水量對(duì)于污染物的消減作用非常明顯，其估計(jì)系數(shù)除了PM2.5和CO分別在10%、5%的水平上顯著為負(fù)以外，AQI、PM10、SO2和NO2的估計(jì)系數(shù)都是在1%的水平上顯著為負(fù)。

(11)地理位置：回歸結(jié)果顯示，地理位置的估計(jì)系數(shù)在所有6個(gè)模型中都在1%的水平上顯著為正，表明近海氣象條件有利于污染物的擴(kuò)散，距離海洋近則會(huì)顯著降低空氣中污染物的集聚。

四、結(jié)論與政策啟示

本文首先采用探索性空間數(shù)據(jù)分析方法對(duì)中國城市空氣污染的空間相關(guān)性進(jìn)行了分析，對(duì)其空間特征進(jìn)行了刻畫，在此基礎(chǔ)上采用SLM模型實(shí)證檢驗(yàn)了影響空氣質(zhì)量的關(guān)鍵因素，主要結(jié)論有：

(一)中國的空氣污染存在較為顯著的空間溢出效應(yīng)，呈現(xiàn)出明顯的空間集聚特征，京津冀及周邊地區(qū)污染嚴(yán)重，呈現(xiàn)“高—高”集聚態(tài)勢，東南沿海及珠三角地區(qū)空氣質(zhì)量較好，呈現(xiàn)了“低—低”集聚特征。

(二)人口的快速聚集、粗放的經(jīng)濟(jì)增長方式、產(chǎn)業(yè)結(jié)構(gòu)的不合理、以煤為主的能源結(jié)構(gòu)、飛速發(fā)展的建筑業(yè)、FDI帶來的“污染天堂”以及出口商品結(jié)構(gòu)的不合理等因素共同引致中國城市空氣污染的加劇。

(三)同空氣污染具有顯著負(fù)相關(guān)關(guān)系的因素主要有：第三產(chǎn)業(yè)占GDP比重、人口城鎮(zhèn)化率、綠化水平、年降水量。其中隨著人口城鎮(zhèn)化率的提升空氣污染出現(xiàn)下降的趨勢是前期沒有預(yù)料到的，值得繼續(xù)深入研究。

基于以上結(jié)論，提出如下建議：

(一)空間因素對(duì)空氣污染的影響應(yīng)得到高度重視。一方面區(qū)域間鄰近地區(qū)經(jīng)濟(jì)交流頻繁，相同的產(chǎn)業(yè)容易集聚導(dǎo)致污染集聚的現(xiàn)象出現(xiàn)；另一方面，由于污染物的自身特性，使得污染物很容易受氣象條件影響擴(kuò)散到周邊地區(qū)。基于以上認(rèn)識(shí)，各自為陣的治理方式很難起到效果，跨地區(qū)的聯(lián)防聯(lián)控勢在必行，解決這些問題需要頂層制度設(shè)計(jì)，不能只是關(guān)注問題的局部，要從整體框架下尋找統(tǒng)籌協(xié)調(diào)的解決方案。上級(jí)政府部門需承擔(dān)起協(xié)調(diào)的責(zé)任，否則，單靠區(qū)域間的協(xié)商很難達(dá)成一致意見。

(二)人口密度過大會(huì)加劇空氣污染，但是城鎮(zhèn)化難免會(huì)使人口趨于集中，如何在加快新型城鎮(zhèn)化建設(shè)步伐的過程中盡可能減少污染物的排放？由前文可知隨著人口城鎮(zhèn)化率的提升空氣污染出現(xiàn)下降的趨勢，該研究發(fā)現(xiàn)提供了很好的解決問題的思路，把人口適當(dāng)吸引到第三產(chǎn)業(yè)中來，通過產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí)，既可以減少高耗能、高污染的重工業(yè)發(fā)展過快、比重過大，又可以吸納更多的新增城鎮(zhèn)人口加入到“低碳”產(chǎn)業(yè)中來，產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化升級(jí)還可以在一定程度上轉(zhuǎn)變目前粗放的經(jīng)濟(jì)增長方式，可謂是一舉多得。

(三)大力推行綠色GDP核算。否則在唯GDP論的指導(dǎo)思想下各級(jí)政府難免仍舊把經(jīng)濟(jì)發(fā)展放在首位，這種情形下無從使經(jīng)濟(jì)增長方式真正轉(zhuǎn)變。

(四)能源綠色轉(zhuǎn)型勢在必行。當(dāng)前新能源比重偏低，以煤為主的能源結(jié)構(gòu)固然有資源稟賦的原因，但是也要看到深層次的原因在于體制機(jī)制障礙和利益分配問題，只有通過體制和機(jī)制的變革和創(chuàng)新，建立現(xiàn)代化的能源市場體系，再輔以科學(xué)的技術(shù)路徑選擇才有可能實(shí)現(xiàn)能源結(jié)構(gòu)優(yōu)化目標(biāo)。

(五)技術(shù)進(jìn)步是一把雙刃劍，既可以提升能源效率，也有可能引致“能源回彈效應(yīng)”的出現(xiàn)。因此，單純研發(fā)投入的增加并不能保證污染物的消減，一方面需要政府出臺(tái)合適的財(cái)稅優(yōu)惠政策引導(dǎo)企業(yè)加大綠色技術(shù)研發(fā)；另一方面，需要推進(jìn)能源價(jià)格的市場化來抑制能源消費(fèi)，與此同時(shí)，為了彌補(bǔ)市場的缺陷和不足，還可以引入稅收政策對(duì)其進(jìn)行間接的干預(yù)和調(diào)控。

(責(zé)任編輯：張婧)

F276

A

1003-4145[2017]10-0138-08

2017-08-20

馬 黎(1974—)，女，濟(jì)南大學(xué)商學(xué)院副教授，主要研究方向?yàn)槠髽I(yè)管理與綠色治理。 梁 偉(1979—)，男，濟(jì)南大學(xué)商學(xué)院副教授，主要研究方向?yàn)槌鞘协h(huán)境與可持續(xù)發(fā)展。

本文系教育部人文社科基金青年項(xiàng)目“資源環(huán)境稅改革的節(jié)能減排機(jī)制、效果與宏觀經(jīng)濟(jì)影響研究”(項(xiàng)目編號(hào)：14YJCZH087)的階段性研究成果。