任毅 郭豐

摘 要：基于STIRPAT模型，采用空間計量方法，構(gòu)建公共邊界長度權(quán)重矩陣，運用莫蘭指數(shù)、空間滯后模型和空間誤差模型分析長江經(jīng)濟(jì)帶2001—2016年霧霾污染的空間效應(yīng)與影響因素。研究發(fā)現(xiàn)：長江經(jīng)濟(jì)帶霧霾污染存在著顯著的空間正相關(guān)性，長江經(jīng)濟(jì)帶上游地區(qū)表現(xiàn)出顯著的低-低集聚，下游地區(qū)表現(xiàn)出顯著的高-高集聚。經(jīng)濟(jì)發(fā)展水平和對外開放程度與霧霾污染呈現(xiàn)出倒U型關(guān)系。人口密度、經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、對外開放程度與長江經(jīng)濟(jì)帶霧霾污染顯著正相關(guān)，能源強(qiáng)度、環(huán)境保護(hù)力度對霧霾污染的影響不顯著。

關(guān)鍵詞：STIRPAT模型；霧霾污染；空間相關(guān)性；影響因素

中圖分類號：F205；X196 文獻(xiàn)標(biāo)識碼：A 文章編號：1003-3890（2019）01-0043-08

一、引言

2013年至今，霧霾天氣肆虐了我國大多數(shù)的省市，且涵蓋地區(qū)不斷增加?！?016年中國氣候公報》顯示，中國出現(xiàn)了八次大范圍、持續(xù)性的霧霾天氣，長江經(jīng)濟(jì)帶上中下游城市群霧霾污染較為嚴(yán)峻。根據(jù)2016年長江經(jīng)濟(jì)帶各省市環(huán)境狀況公報可知，貴州和云南的PM2.5年均濃度相對較低，江蘇、安徽、湖北和重慶的PM2.5污染較高，符合PM2.5年均濃度二級標(biāo)準(zhǔn)的只有云南和貴州，以PM2.5為首的霧霾污染嚴(yán)重威脅著人類的健康和環(huán)境問題?！笆濉币?guī)劃綱要指出，綠色發(fā)展、生態(tài)優(yōu)先是長江經(jīng)濟(jì)帶的發(fā)展戰(zhàn)略定位。十九大報告指出要加快生態(tài)文明體制改革，推進(jìn)綠色發(fā)展，持續(xù)實施大氣污染的防治行動，打贏藍(lán)天保衛(wèi)戰(zhàn)，以共抓大保護(hù)、不搞大開發(fā)為導(dǎo)向推動長江經(jīng)濟(jì)帶的發(fā)展。因此，深入探討長江經(jīng)濟(jì)帶霧霾污染的現(xiàn)狀和相關(guān)影響因素，對政府合理制定大氣以及環(huán)境保護(hù)政策，推動長江經(jīng)濟(jì)帶經(jīng)濟(jì)與環(huán)境可持續(xù)發(fā)展具有重要的現(xiàn)實意義。

二、文獻(xiàn)綜述

國外學(xué)者引入空間計量方法研究了經(jīng)濟(jì)與環(huán)境之間的關(guān)系，如國際公認(rèn)空間計量研究專家Anselin在研究環(huán)境經(jīng)濟(jì)問題時引入了空間因素，并對其引入的重要意義進(jìn)行了相應(yīng)的分析[1]。Rupasingha et al.對美國3 029個縣的人均收入與大氣污染之間聯(lián)系的研究發(fā)現(xiàn)，空間計量的引入在一定程度上大大提升了實證結(jié)果的精準(zhǔn)度[2]。空間計量對存在空間相關(guān)性的研究提供了方法的借鑒和參考，國內(nèi)學(xué)者運用空間計量方法關(guān)于環(huán)境與經(jīng)濟(jì)關(guān)系方面的研究主要集中在碳排放和霧霾污染兩個方面。較多的文獻(xiàn)探討了碳排放的空間效應(yīng)與影響因素[3-4]。近年來學(xué)者對霧霾污染問題更加關(guān)注，大多數(shù)霧霾污染的研究集中在全國省域?qū)用鎇5-8]，有些學(xué)者從對外開放水平以及能源結(jié)構(gòu)和交通模式等角度探討其與霧霾污染之間的關(guān)系[9-10]，對局部地區(qū)尤其是對長江經(jīng)濟(jì)帶霧霾污染的空間效應(yīng)與影響因素的研究較少。也有些學(xué)者對我國地級市霧霾污染的空間相關(guān)性進(jìn)行了研究[11]。國內(nèi)學(xué)者較多使用的是0-1權(quán)重矩陣[5，9，11]和地理距離權(quán)重矩陣[6，13-14]來分析霧霾污染的空間相關(guān)性，0-1矩陣假定各鄰近地區(qū)對本地區(qū)霧霾污染產(chǎn)生的影響相同，地理距離權(quán)重矩陣只是使用省會之間的地理距離的衰減來作為權(quán)重矩陣。在現(xiàn)實中，對于空氣污染而言，公共邊界交界越長其霧霾污染之間的影響越大，本文創(chuàng)新地引入公共邊界長度權(quán)重矩陣考察長江經(jīng)濟(jì)帶霧霾污染的空間效應(yīng)。此外，關(guān)于經(jīng)濟(jì)發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)等與霧霾污染之間的倒U型關(guān)系研究也不斷增加，劉曉紅等研究發(fā)現(xiàn)我國經(jīng)濟(jì)增長與霧霾污染之間不存在倒U型關(guān)系，城鎮(zhèn)化與霧霾污染之間存在倒U型曲線關(guān)系[12]。劉華軍等研究表明霧霾污染與經(jīng)濟(jì)發(fā)展之間不支持倒U型關(guān)系[13]。回瑩等研究發(fā)現(xiàn)河北省產(chǎn)業(yè)結(jié)構(gòu)和霧霾污染綜合指數(shù)呈倒U型關(guān)系[15]。

綜上所述，國內(nèi)運用空間計量方法對霧霾污染的研究取得了較多的研究成果，但也存在一些不足。本文對霧霾污染的研究進(jìn)行以下兩個方面的補(bǔ)充：一是創(chuàng)新地引入公共邊界長度權(quán)重矩陣，相比于大多數(shù)研究使用傳統(tǒng)的0-1矩陣和地理距離權(quán)重矩陣能更加符合實際地分析各省市霧霾污染的空間相關(guān)性，這是使用空間計量方法對霧霾污染空間相關(guān)性研究的有益補(bǔ)充和探索。二是基于STIRPAT模型以及空間計量研究方法對長江經(jīng)濟(jì)帶霧霾污染的空間效應(yīng)與影響因素進(jìn)行分析，并提出抑制長江經(jīng)濟(jì)帶霧霾污染的相關(guān)政策建議。

三、STIRPAT模型與變量選擇

（一）STIRPAT模型

（4）式中：I用各省市PM2.5年均濃度表示，本文選取PM2.5濃度作為環(huán)境壓力指標(biāo)；P為人口密度（人/平方公里），考慮到各省市人口規(guī)模以及行政區(qū)域面積之間存在著較大的差異，直接用總?cè)丝跀?shù)指標(biāo)不具有科學(xué)上的可比性，所以本文采用人口密度指標(biāo)，即單位面積的人口數(shù)來表示人口的集聚對各省市霧霾污染的影響；A為社會富裕程度，用經(jīng)濟(jì)發(fā)展水平即實際人均GDP表示（元/人），為了剔除物價變化的影響，本文人均GDP都是以2000年為基期所計算的實際人均GDP；T表示技術(shù)進(jìn)步，用能源強(qiáng)度表示，即各省市能源消費總量與GDP的比值（噸標(biāo)準(zhǔn)煤/萬元）；IND表示產(chǎn)業(yè)結(jié)構(gòu)，用第二產(chǎn)業(yè)產(chǎn)值占GDP比重表示，單位為%；OP表示對外開放水平，用年末登記外商投資總額占GDP比重表示，單位為%；EP表示環(huán)境保護(hù)力度，用環(huán)境污染治理投資額占GDP比重表示，單位為%。

四、數(shù)據(jù)來源與現(xiàn)狀分析

（一）數(shù)據(jù)來源

選取PM2.5年均濃度來衡量霧霾污染的程度，PM2.5數(shù)據(jù)（2001—2012年）來源于哥倫比亞大學(xué)國際地球科學(xué)信息網(wǎng)絡(luò)中心和巴特爾研究所①，該機(jī)構(gòu)將中分辨率成像光譜儀（MODIS）和多角度成像光譜儀（MISR）測得的氣溶膠光學(xué)厚度（AOD）轉(zhuǎn)化為柵格數(shù)據(jù)形式的全球PM2.5數(shù)據(jù)年均值，該中心沒有公布2013年及以后的數(shù)據(jù)。該數(shù)據(jù)與中國環(huán)保部對中國霧霾污染狀況的判斷基本吻合，國內(nèi)學(xué)者應(yīng)用該數(shù)據(jù)進(jìn)行了相關(guān)的研究[5，7]。國內(nèi)對PM2.5的測度較晚，主要從2013年底之后才開始監(jiān)測，本文2014—2016年各省市PM2.5的年均濃度數(shù)據(jù)來源于《中國空氣質(zhì)量在線監(jiān)測分析平臺》，通過每月的PM2.5濃度加總求平均得到年均濃度值。所用其他數(shù)據(jù)來源于《中國統(tǒng)計年鑒》《中國能源統(tǒng)計年鑒》《中國環(huán)境統(tǒng)計年鑒》以及各省市統(tǒng)計年鑒。霧霾污染的空間相關(guān)性分析以及空間計量實證分析部分通過軟件Stata15.0完成，局域集聚地圖由ArcGIS10.2繪制所得。

（二）現(xiàn)狀分析

2001—2014年，長江經(jīng)濟(jì)帶大多數(shù)省市霧霾污染濃度總體上都呈現(xiàn)出上升趨勢，少數(shù)省市呈現(xiàn)出先增加后下降的趨勢，江蘇省霧霾污染最為嚴(yán)重，云南省霧霾污染最輕。2014—2016年，長江經(jīng)濟(jì)帶各省市PM2.5年均濃度總體上呈現(xiàn)出下降的趨勢，江蘇、安徽、湖北、湖南和重慶霧霾污染相對較高；2016年符合PM2.5年均濃度值二級標(biāo)準(zhǔn)的只有貴州和云南，總體上看長江經(jīng)濟(jì)帶霧霾污染現(xiàn)狀不容樂觀（如圖1所示）。

五、空間計量分析

（一）全局空間自相關(guān)

（二）權(quán)重矩陣的設(shè)定

本文構(gòu)建公共邊界長度空間權(quán)重矩陣，在實際情況中，對于某一省份的空氣污染來說，相鄰省域行政區(qū)域之間的公共邊界長度越長（即接觸面越大）對本省的霧霾污染的影響比相鄰省域行政區(qū)域之間的公共邊界長度較短（即接觸面較?。Ρ臼〉撵F霾污染的影響要大，因此公共邊界長度加權(quán)權(quán)重矩陣賦予公共邊界較長的鄰省較高權(quán)重，更為接近現(xiàn)實。本文各省域行政區(qū)域的公共邊界長度由軟件ArcGIS10.2計算所得，公共邊界長度權(quán)重矩陣的設(shè)定原則如下：

在公共邊界長度權(quán)重矩陣下，2001—2012年長江經(jīng)濟(jì)帶的全局Morans I指數(shù)均為正值，系數(shù)在0.490～0.607波動，且所有的空間自相關(guān)性系數(shù)通過了1%顯著性水平的檢驗。由于前后數(shù)據(jù)來源的不一致或者國外衛(wèi)星測得的數(shù)據(jù)與國內(nèi)站點的統(tǒng)計存在差異，以及不同空間權(quán)重矩陣下霧霾污染的空間相關(guān)性也存在一定差異。2014年霧霾污染呈現(xiàn)出異質(zhì)性，2015—2016年霧霾污染呈現(xiàn)出正相關(guān)性，2015年霧霾污染的空間相關(guān)性通過了10%顯著性水平的檢驗。在0-1權(quán)重矩陣下，2014—2016年霧霾污染呈現(xiàn)出正相關(guān)，系數(shù)分別是0.010、0.300和0.209。2015—2016年霧霾污染的空間相關(guān)性分別通過了5%和10%顯著性水平的檢驗。總體上看，長江經(jīng)濟(jì)帶霧霾污染存在著高度的正空間自相關(guān)性，霧霾污染存在顯著的空間全局集聚效應(yīng)（如表1所示）。

圖2是長江經(jīng)濟(jì)帶主要年份各省霧霾污染的Moran散點圖。處在局域莫蘭散點圖第一象限的省市代表該省市與其他相鄰省市的霧霾污染相對較高，是高高集聚區(qū)域（H-H）；處在第二象限的省市代表該省市霧霾污染低于相鄰地區(qū)，是低高集聚區(qū)域（L-H）；處在第三象限的省市代表該省市與其他相鄰省市的霧霾污染相對較低，是低低集聚區(qū)域（L-L）；處在第四象限的省市代表該省市霧霾污染高于相鄰省市，是高低集聚區(qū)域（H-L）。第一象限和第三象限分別表示的是高-高和低-低的空間正相關(guān)，第二象限和第四象表示的是低-高和高-低的空間負(fù)相關(guān)，處在第二和第四象限為非典型的觀測區(qū)域。2001—2012年長江經(jīng)濟(jì)帶大多數(shù)省市都位于典型的觀測區(qū)域，位于非典型觀測區(qū)域的省份只有2～3個，2014—2016年，除2014年有四個省市位于非典型觀測區(qū)域，2015—2016年只有兩個省市位于非典型觀測區(qū)域。高-高集聚主要分布在上海、江蘇、安徽、湖北和湖南，低-低集聚主要分布在四川、云南和貴州。PM2.5散點圖從內(nèi)部結(jié)構(gòu)也進(jìn)一步說明了長江經(jīng)濟(jì)帶霧霾污染空間正自相關(guān)性的穩(wěn)定性[20]。

（三）局域空間自相關(guān)性

局域地區(qū)的空間相關(guān)性如何，這就需要引入分析局域空間相關(guān)性的指標(biāo)，考察長江經(jīng)濟(jì)帶是否出現(xiàn)顯著的空間集聚現(xiàn)象。局域Moran指數(shù)（LISA指數(shù)）用來檢驗局部地區(qū)是否存在相似或者相異的觀測值集聚在一起，區(qū)域i的局部Moran指數(shù)測量區(qū)域i和它相鄰區(qū)域之間的關(guān)聯(lián)程度。其公式為：

（四）空間計量模型設(shè)定

（五）空間計量實證分析

由于存在空間正相關(guān)性，使用OLS估計不能使參數(shù)估計一致，本文采用極大似然（ML）估計法對空間滯后模型與空間誤差模型進(jìn)行估計，普通面板數(shù)據(jù)模型、空間滯后面板數(shù)據(jù)模型和空間誤差面板數(shù)據(jù)模型的估計結(jié)果如表2所示。

1. 模型的診斷與檢驗。長江經(jīng)濟(jì)帶霧霾污染影響因素的實證結(jié)果如表2所示。采用最小二乘估計法與極大似然估計法分別對普通面板數(shù)據(jù)的固定效應(yīng)與隨機(jī)效應(yīng)進(jìn)行估計，利用最大似然估計法對SLM模型和SEM模型進(jìn)行估計。根據(jù)赤池信息準(zhǔn)則和施瓦茨準(zhǔn)則判定法則，由表中AIC值與BIC值可知，SLM模型和SEM模型均優(yōu)于普通面板模型，空間自回歸系數(shù)r和空間殘差自相關(guān)系數(shù)λ均通過了1%顯著性水平的檢驗，說明空間因素確實在霧霾污染中產(chǎn)生了一定的作用，也說明普通面板數(shù)據(jù)模型不再適用，且引入空間計量模型之后，一些系數(shù)的顯著性水平以及系數(shù)的大小發(fā)生了變化，說明未考慮空間相關(guān)性會導(dǎo)致模型設(shè)定的不當(dāng)，而導(dǎo)致回歸結(jié)果不準(zhǔn)確。

由于本文建立的面板數(shù)據(jù)的時間維度為12，橫截面維度為11（11個樣本），時間長度較短，不滿足大樣本條件，討論反映時間效應(yīng)的隨機(jī)擾動項是否存在自相關(guān)存在著一定的困難，故假定隨機(jī)擾動項為獨立同分布，因此只考慮個體效應(yīng)，需對固定效應(yīng)和隨機(jī)效應(yīng)進(jìn)行選擇。SLM模型的hausman檢驗值為0.22，SEM模型的hausman值為0.31，SLM模型和SEM模型的hausman檢驗均接受原假設(shè)，則應(yīng)選擇隨機(jī)效應(yīng)進(jìn)行分析。由表2可知，SLM模型固定效應(yīng)與隨機(jī)效應(yīng)系數(shù)的大小以及顯著性都比較接近。大多數(shù)的文獻(xiàn)使用拉格朗日乘子檢驗（LM檢驗）來判斷空間滯后模型和空間誤差模型的選擇，姜磊指出，如果模型設(shè)定正確，應(yīng)該遵從Wald統(tǒng)計量>Log-likelihood統(tǒng)計量>LM統(tǒng)計量的排列順序[21]。比較SEM隨機(jī)效應(yīng)模型和SLM隨機(jī)效應(yīng)模型的Wald統(tǒng)計量、AIC值與BIC值以及Log-likelihood統(tǒng)計量可知，SLM模型優(yōu)于SEM模型。因此本文主要針對SLM模型進(jìn)行分析。

2.實證結(jié)果分析。根據(jù)表2的結(jié)果可知，空間自相關(guān)系數(shù)r為0.614 3，并且通過了1%顯著性水平的檢驗；說明長江經(jīng)濟(jì)帶的霧霾污染存在著顯著的空間溢出效應(yīng)，這與霧霾污染的Moras I散點圖以及局部集聚地圖的結(jié)果一致，相鄰省市的PM2.5每增加1%將會使本省市的PM2.5增加0.614 3%，長江經(jīng)濟(jì)帶霧霾污染存在顯著的空間正自相關(guān)性。

從人口密度來看，人口密度的系數(shù)為正，且通過了10%顯著性水平的檢驗，說明人口密度的增加會加劇霧霾污染。人口密度過大加劇了環(huán)境壓力，人口密度越大的地區(qū)對住房和機(jī)動車輛等的需求也越大，能源消耗會大量增加，同時，較高的居住密度會影響風(fēng)速從而導(dǎo)致污染物不能有效擴(kuò)散。此外，人口密度較大的區(qū)域生活能源消費也會較大，將產(chǎn)生更多的生活廢棄物。長江經(jīng)濟(jì)帶下游地區(qū)霧霾污染呈現(xiàn)出顯著的高-高集聚，這與當(dāng)?shù)剌^高的人口密度密切相關(guān)。

從經(jīng)濟(jì)發(fā)展水平來看，人均GDP的一次項系數(shù)為正，二次項系數(shù)為負(fù)，且都通過了1%顯著性水平的檢驗，說明長江經(jīng)濟(jì)帶經(jīng)濟(jì)增長與霧霾污染之間的關(guān)系支持“環(huán)境庫茲涅茨曲線”假說，經(jīng)濟(jì)發(fā)展水平與霧霾污染呈現(xiàn)出倒U型關(guān)系。在拐點到來之前，社會經(jīng)濟(jì)發(fā)展更多的是注重產(chǎn)出最大化，以犧牲環(huán)境質(zhì)量為代價來加快經(jīng)濟(jì)的發(fā)展，環(huán)境問題被忽視，同時長江經(jīng)濟(jì)帶目前也處在工業(yè)化和城鎮(zhèn)化快速發(fā)展時期，經(jīng)濟(jì)的迅速發(fā)展也會帶來污染排放的迅速增加。長江經(jīng)濟(jì)帶人均GDP的快速增長是以較大的能源消耗和污染排放所換取的，經(jīng)濟(jì)發(fā)展水平的提升在一定程度上會加劇霧霾污染，治理霧霾污染任重而道遠(yuǎn)。

從產(chǎn)業(yè)結(jié)構(gòu)來看，第二產(chǎn)業(yè)產(chǎn)值占GDP的比重通過了1%水平的顯著性檢驗，且系數(shù)為正，表明第二產(chǎn)業(yè)產(chǎn)值占GDP的比重的增加會加劇長江經(jīng)濟(jì)帶的霧霾污染。長江經(jīng)濟(jì)帶工業(yè)產(chǎn)值占第二產(chǎn)業(yè)產(chǎn)值的比重總體上都在80%以上，工業(yè)消耗有色金屬、煤炭等化石燃料會排放大量的廢棄物，工業(yè)中建筑行業(yè)的迅猛發(fā)展所帶來的大量揚塵也是加劇霧霾污染的一個原因。第二產(chǎn)業(yè)產(chǎn)值的不斷增加也伴隨著煤炭消費量的不斷增加，會引起PM2.5的上升。傳統(tǒng)粗放式的工業(yè)化發(fā)展模式以及長江經(jīng)濟(jì)帶以工業(yè)為主的產(chǎn)業(yè)結(jié)構(gòu)是加劇霧霾污染的重要因素，說明加快產(chǎn)業(yè)結(jié)構(gòu)的轉(zhuǎn)型與升級迫在眉睫。

從對外開放程度來看，對外開放程度的一次項系數(shù)為正，二次項系數(shù)為負(fù)，且都通過了1%顯著性水平檢驗。說明長江經(jīng)濟(jì)帶對外開放程度與霧霾污染存在倒U型關(guān)系，即當(dāng)對外開放水平達(dá)到一定程度后PM2.5將會下降。一次項系數(shù)為正，說明對外開放水平的提升加劇了霧霾污染，說明長江經(jīng)濟(jì)帶的外商投資存在著“污染天堂”“污染避難所”現(xiàn)象，作為制造業(yè)大國，長江經(jīng)濟(jì)帶無疑也承接了大量的高污染和高能耗制造業(yè)，制造業(yè)屬于污染密集型的產(chǎn)業(yè)，這必然促使長江經(jīng)濟(jì)帶霧霾污染濃度的提升。

從技術(shù)進(jìn)步來看，能源強(qiáng)度與霧霾污染呈正相關(guān)關(guān)系，能源強(qiáng)度的降低有利于減輕霧霾污染。從環(huán)保力度來看，環(huán)境污染治理投資占GDP比重與霧霾污染呈負(fù)相關(guān)關(guān)系，環(huán)境污染治理投資比重的增加有利于降低霧霾污染，能源強(qiáng)度和環(huán)保力度沒有通過10%顯著性水平的檢驗。在普通面板模型中能源強(qiáng)度和環(huán)保力度都通過了1%的顯著性水平檢驗，考慮了霧霾污染的空間相關(guān)性后削弱了其顯著性，在未來的技術(shù)發(fā)展上應(yīng)加強(qiáng)高效率和環(huán)保產(chǎn)品的開發(fā)與應(yīng)用。

六、結(jié)論與建議

本文對2001—2016年長江經(jīng)濟(jì)帶各省市霧霾污染現(xiàn)狀進(jìn)行了分析，近三年長江經(jīng)濟(jì)帶霧霾污染濃度有所下降，但霧霾污染現(xiàn)狀仍不容樂觀?；赟TIRPAT模型并采用空間計量研究方法，創(chuàng)新地引入公共邊界長度權(quán)重矩陣，運用全局和局域莫蘭指數(shù)對長江經(jīng)濟(jì)帶霧霾污染的全局空間自相關(guān)和局域空間自相關(guān)進(jìn)行了考察，運用空間滯后模型對長江經(jīng)濟(jì)帶PM2.5的影響因素進(jìn)行了分析。主要的研究結(jié)論有：（1）長江經(jīng)濟(jì)帶霧霾污染存在顯著的正空間自相關(guān)性，相鄰省市的PM2.5每增加1%將會使本省市的PM2.5增加0.614 3%，長江經(jīng)濟(jì)帶下游表現(xiàn)出顯著的高-高集聚，上游表現(xiàn)出顯著的低-低集聚。（2）長江經(jīng)濟(jì)帶經(jīng)濟(jì)發(fā)展水平、對外開放程度與霧霾污染之間存在倒U型關(guān)系。伴隨著經(jīng)濟(jì)水平的提升和對外開放程度的增加，霧霾污染呈現(xiàn)出先惡化后逐漸改善的變化趨勢。（3）人口密度、經(jīng)濟(jì)發(fā)展水平、對外開放程度、產(chǎn)業(yè)結(jié)構(gòu)與霧霾污染呈現(xiàn)出顯著的正相關(guān)。能源強(qiáng)度與霧霾污染呈正相關(guān)關(guān)系，環(huán)保力度對霧霾污染具有抑制作用，但是能源強(qiáng)度和環(huán)保力度沒有通過10%顯著性水平的檢驗。

根據(jù)上文的研究與分析，提出治理長江經(jīng)濟(jì)帶霧霾污染的相關(guān)建議：

1.長江經(jīng)濟(jì)帶霧霾污染存在著顯著的正空間自相關(guān)性。這就要求各省在治理霧霾問題上要增強(qiáng)聯(lián)防聯(lián)控意識，必須打破地方政府各自為政的局面，加強(qiáng)環(huán)境領(lǐng)域的合作，高度重視地區(qū)之間環(huán)境治理協(xié)同防治的作用，共同治理霧霾污染。

2. 在人口規(guī)模不斷擴(kuò)大的同時也要防止人口過快的集聚。對人口密度較大地區(qū)進(jìn)行合理的分流與布局，對生活垃圾進(jìn)行適當(dāng)?shù)奶幚?，發(fā)揮人口密度增加所帶來的集聚效應(yīng)，通過提高資源使用率與公共交通分擔(dān)率等途徑緩解霧霾污染。

3. 加大產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，逐步降低高污染、高能耗和高排放工業(yè)所占的比重。加強(qiáng)對高污染、高排放以及高能耗企業(yè)的整治，增加綠色產(chǎn)業(yè)和高新技術(shù)產(chǎn)業(yè)等第三產(chǎn)業(yè)的比重，第二產(chǎn)業(yè)發(fā)展過度依賴煤炭消費，應(yīng)不斷引進(jìn)新技術(shù)降低污染物排放，同時加快清潔能源的發(fā)展，提高新能源和可再生能源利用比例。加快推廣新技術(shù)、新裝備的使用，制定并實施有效的綠色產(chǎn)業(yè)扶持政策，實現(xiàn)長江經(jīng)濟(jì)帶傳統(tǒng)產(chǎn)業(yè)的轉(zhuǎn)型與升級，以產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化發(fā)展降低長江經(jīng)濟(jì)帶PM2.5濃度。

4. 隨著對外開放程度的逐步提升，應(yīng)合理優(yōu)化外商投資的結(jié)構(gòu)。提升外商投資的門檻和甄別外商投資的手段與能力，嚴(yán)格控制外商投資在高污染、高排放等產(chǎn)業(yè)的過快增長，也應(yīng)加強(qiáng)地方政府對外商投資行為的規(guī)制，積極鼓勵具有低能耗、低排放等綠色環(huán)保外資企業(yè)的進(jìn)入，逐步實現(xiàn)外商投資對環(huán)境的負(fù)效應(yīng)向正效應(yīng)的轉(zhuǎn)變。

5. 加大對環(huán)境污染治理的投資，提高環(huán)境污染治理的效率。優(yōu)化環(huán)境污染治理投資結(jié)構(gòu)，實現(xiàn)環(huán)境污染治理投資在治理霧霾污染問題上發(fā)揮其抑制作用。加大對科學(xué)技術(shù)的投資，提升技術(shù)水平，實現(xiàn)將更多清潔環(huán)保的科技產(chǎn)品用于生產(chǎn)與生活之中。

在經(jīng)濟(jì)發(fā)展過程中不能唯GDP論，經(jīng)濟(jì)發(fā)展固然重要，但綠水青山更加重要，長江經(jīng)濟(jì)帶的經(jīng)濟(jì)發(fā)展已經(jīng)取得了一定成績，在今后的發(fā)展中必須充分重視綠色環(huán)保，實現(xiàn)經(jīng)濟(jì)的高效、集約和綠色發(fā)展，以共抓大保護(hù)、不搞大開發(fā)為導(dǎo)向推動長江經(jīng)濟(jì)帶發(fā)展，這樣才能提升人民生活的質(zhì)量，滿足人們對美好生活的需求，才能實現(xiàn)長江經(jīng)濟(jì)帶經(jīng)濟(jì)、社會與環(huán)境的協(xié)調(diào)和可持續(xù)發(fā)展。

注釋：

①http：//sedac.ciesin.columbia.edu/data/set/sdei-global-annual-avg-pm2-5-modis-misr-seawifs-aod-1998-2012/data-download。

參考文獻(xiàn)：

[1]ANSELIN L. Spatial effects in econometric practice in environmental and resource economics[J].American journal of agricultural economics，2001，83（3）：705-710.

[2]RUPASINGHA A，GOETZ S J，DEBERTIN D L，et al.The environmental Kuznets curve for US counties：a spatial econometric analysis with extensions[J].Papers in regional science，2004，83（2）：407-424.

[3]肖宏偉，易丹輝，張亞雄.中國區(qū)域碳排放空間計量研究[J].經(jīng)濟(jì)與管理，2013（12）：53-62.

[4]付云鵬，馬樹才，宋琪.中國區(qū)域碳排放強(qiáng)度的空間計量分析[J].統(tǒng)計研究，2015，32（6）：67-73.

[5]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[J].中國工業(yè)經(jīng)濟(jì)，2014（4）：19-31.

[6]東童童，李欣，劉乃全.空間視角下工業(yè)集聚對霧霾污染的影響——理論與經(jīng)驗研究[J].經(jīng)濟(jì)管理，2015，37（9）：29-41.

[7]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[J].經(jīng)濟(jì)研究，2016（9）：73-88.

[8]東童童.霧霾污染（PM2.5）、工業(yè)集聚與工業(yè)效率的交互影響研究[J].軟科學(xué)，2016（3）：26-30.

[9]康雨.貿(mào)易開放程度對霧霾的影響分析——基于中國省級面板數(shù)據(jù)的空間計量研究[J].經(jīng)濟(jì)科學(xué)，2016（1）：114-125.

[10]馬麗梅，劉生龍，張曉.能源結(jié)構(gòu)、交通模式與霧霾污染——基于空間計量模型的研究[J].財貿(mào)經(jīng)濟(jì)，2016，37（1）：147-160.

[11]張生玲，王雨涵，李躍，等.中國霧霾空間分布特征及影響因素分析[J].中國人口·資源與環(huán)境，2017，27（9）：15-22.

[12]劉曉紅，江可申.我國霧霾污染影響因素的空間效應(yīng)——基于PM2.5的實證分析[J].科技管理研究，2017，37（12）：247-252.

[13]劉華軍，裴延峰.我國霧霾污染的環(huán)境庫茲涅茨曲線檢驗[J].統(tǒng)計研究，2017，34（3）：45-54.

[14]嚴(yán)雅雪，齊紹洲.外商直接投資對中國城市霧霾（PM2.5）污染的時空效應(yīng)檢驗[J].中國人口·資源與環(huán)境，2017（4）：68-77.

[15]回瑩，戴宏偉.河北省產(chǎn)業(yè)結(jié)構(gòu)對霧霾天氣影響的實證研究[J].經(jīng)濟(jì)與管理，2017，31（3）：87-92.

[16]EHRLICH P R，HOLDREN J P. Impact of population growth [J].Science，1971，171（3977）：1212-1217.

[17]HOLDREN J P，EHRLICH P R. Human population and the global environment[J]. American scientist，1974，62（3）：282-292.

[18]WAGGONER P E，AUSUBEL J H.A framework for sustainability science：a renovated IPAT identity[J].Proceedings of the National Academy of Sciences of the United States of America，2002，99（12）：7860-7865.

[19]DIETZ T， ROSA E A. Rethinking the environmental impacts of population，affluence and technology[J]. Human ecology review，1994，2（1）：277-300.

[20]潘文卿.中國的區(qū)域關(guān)聯(lián)與經(jīng)濟(jì)增長的空間溢出效應(yīng)[J].經(jīng)濟(jì)研究，2012，47（1）：54-65.

[21]姜磊.空間回歸模型選擇的反思[J].統(tǒng)計與信息論壇，2016（10）：10-16.

責(zé)任編輯：王冬年

Abstract：Based on STIRPAT model， using spatial econometric method， by constructing a common boundary length weight matrix， using the Moran index， spatial lag model and spatial error model to analysis the spatial effects and influencing factors of haze pollution in the Yangtze River economic belt from 2001 to 2016. The results show that： there is a significant spatial positive correlation between haze pollution in the Yangtze River economic belt. The upstream region of the Yangtze River economic belt shows significant low-low agglomeration， the downstream region shows significant high-high agglomeration. The level of economic development and the degree of opening have an inverted-U-shaped relationship with haze pollution. Population density， level of economic development， industrial structure and level of opening up have significantly positively related to the haze pollution in the Yangtze River economic belt， the impact of energy intensity and the effort of environmental protect on haze pollution is insignificant.

Key words： STIRPAT model； haze pollution； spatial correlation； influencing factors