劉惠敏 王珊珊 郭貴松

一、 引言

每一場霧霾， 都有關于成因的討論。 然而， 一些研究成果的結(jié)論卻引發(fā)了社會各界更大的擔憂。綠色和平組織與英國利茲大學研究團隊聯(lián)合發(fā)布的報告顯示， 燃煤排放的大氣污染物占PM2.5 顆粒物排放的25%， 是京津冀地區(qū)霧霾的根源①。 也有研究認為， 霧霾中機動車尾氣排放所占比例超過50%， 是空氣污染的罪魁禍首。 隨著社會各界對空氣污染討論的深入， 影響霧霾的更多因素被挖掘出來。 工業(yè)排放、 機動車尾氣排放、 秸稈燃燒、 炒菜油煙， 以上影響空氣污染的因素已經(jīng)涵蓋了從工廠到家庭、 從城市到農(nóng)村的方方面面， 據(jù)此提出的防治霧霾的政策建議也非常龐雜。 社會各界對霧霾成因及治理方案缺乏共識， 加劇了霧霾治理的難度。

霧霾的諸多成因有主次之分， 對空氣污染的影響程度差異也很大。 即使居民炒菜的油煙和工業(yè)廢氣的排放量差不多， 在治理方式上也應體現(xiàn)以人為本， 有所區(qū)別。 2017 年 12月 4 日， 環(huán)境保護部向京津冀及周邊地區(qū)城市下發(fā) 《關于請做好散煤綜合治理確保群眾溫暖過冬工作的函》 特急文件， 提出堅持以保障群眾溫暖過冬為第一原則， “進入供暖季， 凡屬沒有完工的項目或地方， 繼續(xù)沿用過去的燃煤取暖方式或其他替代方式”。 顯而易見， 相關部門對空氣污染治理已經(jīng)有了基于保障基本民生的系統(tǒng)性思考。 2014 年1月4 日， 中國首次將霧霾天氣納入自然災情進行通報。 但如果霧霾治理政策是建立在原因不明的基礎上， 不僅不能有效解決空氣污染問題， 甚至有可能阻礙正常的經(jīng)濟活動， 給中國的經(jīng)濟發(fā)展帶來巨大的損失。 霧霾所代表的空氣質(zhì)量問題， 不僅僅是環(huán)境污染問題， 更是與自然、經(jīng)濟和社會復合生態(tài)系統(tǒng)密不可分的系統(tǒng)問題。 在討論人類活動對霧霾的影響時， 大部分結(jié)論是基于兩者之間存在因果關系的假設下得出的。 事實上，諸多人為因素與空氣質(zhì)量變化雖有一定的關系， 但并不一定存在明確的因果關系； 即便存在因果關系， 其內(nèi)在聯(lián)系也不一定是線性的， 其變化也不是單調(diào)的， 在時間上存在著波動， 在空間上存在滯后， 呈現(xiàn)出隱性化的特征。 因此， 僅對影響空氣質(zhì)量的復雜人為因素進行相關分析是遠遠不夠的， 會損失有價值的空間影響信息， 需要運用基于大數(shù)據(jù)的函數(shù)型數(shù)據(jù)分析方法和信號分解方法， 探討在近似的氣象條件下， 空氣質(zhì)量的時空異質(zhì)性特征及其波動與人為因素的時空耦合問題。

二、 文獻綜述

研究空氣污染與人類社會發(fā)展之間的相互影響機理， 國內(nèi)外主要有研究空氣污染帶給人類社會發(fā)展的經(jīng)濟損失、 人類社會發(fā)展導致空氣污染的潛在因素以及空氣污染和人類社會發(fā)展的雙向關聯(lián)關系這三條路線。

空氣污染嚴重危害公眾健康及社會可持續(xù)發(fā)展， 空氣污染的健康經(jīng)濟損失一直是學者們關注的重點問題②。 徐鴻翔、 張文彬認為， 空氣污染除直接影響勞動力供給外， 還可以通過增加工資水平和降低勞動生產(chǎn)率間接影響勞動力供給③。 穆泉、 張世秋綜合采用直接損失評估法、 疾病成本法和人力資本法， 對霧霾事件造成的交通和健康直接經(jīng)濟損失進行評估。 評估結(jié)果顯示， 2013 年1月霧霾事件造成的全國交通和健康的直接經(jīng)濟損失保守估計約230 億元， 其中損失最大的省市主要分布在東部和京津冀區(qū)域； 霧霾事件中僅急/門診的健康終端的經(jīng)濟損失占總直接損失的98%， 相當于現(xiàn)有文獻研究結(jié)果中對非霧霾事件情況下顆粒物污染造成的所有健康終端損失的近2 倍④。 因空氣污染造成的國民經(jīng)濟損失至少占環(huán)境污染損失的40%， 這一比例在世界銀行的相關報告中高達92.8%⑤。

空氣污染給居民帶來巨大的經(jīng)濟損失。 其中，與環(huán)境變化相關的疾病增多， 導致醫(yī)療和預防費用的增加為直接經(jīng)濟損失， 可用直接損失評估法和疾病成本法計算； 由于健康狀況下降、 疲勞、 疾病和死亡等， 導致人的勞動能力下降或喪失， 導致人力資本的貶值為間接經(jīng)濟損失， 研究方法主要為人力資本法⑥。 穆泉、 張世秋指出， 2001 年以來 PM2.5重污染現(xiàn)象持續(xù)發(fā)生， 全國平均每年71%的省份都受到重污染的影響。 2013 年因PM2.5 重污染帶來的過早死亡達6.5 萬例， 健康損失為281 億元， 相當于2001—2013 年期間健康損失總和的54%⑦。

空氣污染對經(jīng)濟社會發(fā)展造成不可忽視的經(jīng)濟損失。 李春華、 趙雋宇為了評估霧霾污染造成的經(jīng)濟損失， 利用需求和供給驅(qū)動的投入產(chǎn)出模型來評價霧霾引起的農(nóng)業(yè)損失所造成的經(jīng)濟部門間接經(jīng)濟損失。 研究發(fā)現(xiàn)： （1） 2012 年北京市霧霾引起的農(nóng)業(yè)直接經(jīng)濟損失是415498.5 萬元， 從需求或者供給側(cè)計算的農(nóng)業(yè)間接經(jīng)濟損失是551648.439 萬元，占農(nóng)業(yè) GDP 的 13.94%； （2） 從需求角度分析，2012 年北京市霧霾災害引起農(nóng)業(yè)損失導致各個經(jīng)濟部門的間接關聯(lián)總經(jīng)濟損失為1313920.404 萬元，占當年GDP 的0.735%， 從供給角度分析， 造成的總的部門間接關聯(lián)經(jīng)濟損失為2517272.698 萬元，占當年 GDP 的 1.408%⑧。 還有學者以 2013 年 1月北京市霧霾重污染事件為例， 嘗試使用靜態(tài)和動態(tài)的投入產(chǎn)出模型評估霧霾對部門經(jīng)濟沖擊下的產(chǎn)業(yè)關聯(lián)間接損失。 結(jié)果表明： 靜態(tài)情形下， 霧霾給交通運輸業(yè)造成的總損失達9100.72 萬元， 由霧霾導致交通部門直接經(jīng)濟損失引起的產(chǎn)業(yè)關聯(lián)間接損失總計21003.55 萬元， 超過交通運輸業(yè)直接經(jīng)濟損失的2 倍； 動態(tài)情形下， 受霧霾影響的部門生產(chǎn)恢復期越長， 產(chǎn)業(yè)經(jīng)濟損失值越大⑨。

以工業(yè)為主導的經(jīng)濟增長似乎很難避免對空氣污染的影響， 研究空氣污染和經(jīng)濟增長之間的關系一直是學術界的熱點。 為了研究經(jīng)濟發(fā)展對空氣污染的影響路徑， 相關研究成果主要分為兩類： 一類側(cè)重挖掘?qū)е驴諝馕廴镜臐撛谌藶橐蛩兀?如城市化水平⑩、 交通運輸?、 工業(yè)結(jié)構(gòu)?等對城市空氣質(zhì)量的影響； 另一類關注人類社會發(fā)展對空氣污染的影響機理?。

庫茲涅茨曲線于1997 年被提出， 隨后被應用于研究環(huán)境污染問題?。 大部分學者選擇環(huán)境庫茲涅茨曲線作為研究經(jīng)濟、 社會發(fā)展與空氣污染的理論模型， 認為在發(fā)達國家和中等收入國家， 空氣污染與經(jīng)濟增長的關系為倒U 形； 在發(fā)展中國家， 二者關系為N 形?。 不同污染物與經(jīng)濟發(fā)展的關系也有所不同， 主要有倒 U 型、 同步、 U 形和 N 形等四種形態(tài)?。 學者們也在尋找其他理論模型來描述經(jīng)濟發(fā)展與空氣污染的關系。 其中， 耦合關系將經(jīng)濟活動與生態(tài)過程視作一個系統(tǒng)， 通過耦合協(xié)調(diào)度和發(fā)展指數(shù)來判斷空氣污染與經(jīng)濟發(fā)展的協(xié)調(diào)程度?，為本文提供了可借鑒的研究視角。 此外， 脫鉤理論通過脫鉤指數(shù)對經(jīng)濟增長與空氣污染的關系進行了分類?。 也有研究提出在多元線性回歸方程的基礎上通過非參數(shù)統(tǒng)計方法進行敏感性分析， 通過建立經(jīng)濟社會發(fā)展與環(huán)境污染之間敏感程度的理論模型來探索兩者相互作用的原理?。

盡管上述研究成果為空氣污染與人類社會發(fā)展之間的相互影響機理提供了實證依據(jù)， 但卻忽略了空氣質(zhì)量問題與人類活動內(nèi)在的復雜關系， 很少有學者關注空氣質(zhì)量的時空異質(zhì)性特征及其波動與人為因素的時空耦合問題。 因此， 本文以全國160 個地級以上城市作為研究對象， 采用小波分析及空間計量模型， 研究在不同時空尺度下空氣質(zhì)量指數(shù)的時空特征及主要社會經(jīng)濟影響因素， 對我國加快治理空氣污染、 進行產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級具有重要的現(xiàn)實意義。

三、 研究設計

2012 年中國環(huán)境保護部發(fā)布了新的環(huán)境空氣質(zhì)量標準 （GB3095—2012）， 用空氣質(zhì)量指數(shù) （AQI）代替空氣污染指數(shù) （API）， 以描述城市的空氣質(zhì)量。 AQI 值立足于六種大氣污染物， 即二氧化硫、二氧化氮、 一氧化碳、 臭氧、 粒徑小于或等于10微米的顆粒物 （PM10） 和粒徑小于或等于2.5 微米的顆粒物 （PM2.5）。

（ 一） 數(shù)據(jù)來源

樣本城市在 2014 年 1月 1 日至 2019 年 12月31 日的每日AQI 值都來自中國國泰君安數(shù)據(jù)庫（CSMAR）。 2014 年， 中國有 160 個城市進行了空氣質(zhì)量監(jiān)測， 2015 年至2019 年的樣本城市有335 個。借鑒GB3095—2012 對AQI 平均值的標準定義， 本文 “季平均值” 指一個日歷季內(nèi)各日平均濃度的算數(shù)平均值， “年平均值” 指一個日歷年內(nèi)各日平均濃度的算數(shù)平均值。 社會經(jīng)濟因素的時間序列數(shù)據(jù)來自Wind 數(shù)據(jù)庫。 其中工業(yè)用電量由國家能源局發(fā)布， 汽車銷量來自中國汽車工業(yè)協(xié)會， 煙花出口量來自海關總署， 其它數(shù)據(jù)源于國家統(tǒng)計局。 社會經(jīng)濟因素的截面數(shù)據(jù)中， 液化石油氣家庭供應量、工業(yè)用電量來自 《2018 年中國城市統(tǒng)計年鑒》， 化肥施用量、 施工面積、 私人汽車保有量來自各省、市統(tǒng)計年鑒， 部分缺失數(shù)據(jù)根據(jù)相關的統(tǒng)計年鑒進行補充。

（ 二） 模型設定

1. 小波分析。 小波分析作為信號處理工具， 通過增加或減小伸縮尺度來得到信號的低頻和高頻信息， 然后分析信號的概貌或細節(jié)， 實現(xiàn)對信號不同時間尺度和空間局部特征的分析?。

小波分析的準確性在很大程度上受小波基函數(shù)選取的影響， 同一信號或時間序列， 若選擇不同的小波基函數(shù)， 所得的結(jié)果往往會有所差異。 對于一個時間序列進行小波轉(zhuǎn)換時， 母小波的選擇尤為重要， Morlet 小波能夠很好地平衡時間和頻率的局部化。 本文采用Morlet 小波作為研究的母小波函數(shù)，對AQI 和相關影響因子進行小波分析， 識別AQI 數(shù)據(jù)中隱藏的周期規(guī)律。 在此基礎上， 研究利用MATLAB 的小波分析工具箱進行連續(xù)小波變換， 以反映時間序列在時間尺度和能量大小上的特征。

2. 地理加權(quán)回歸。 普通最小二乘法 （OLS） 回歸分析被廣泛用于識別因變量和多元變量之間的關系。 然而， OLS 回歸不適用于存在空間依賴的情況。 作為一般線性回歸方法的推廣， 地理加權(quán)回歸（GWR） 模型可以揭示研究區(qū)域的局部關聯(lián)。 GWR是一種改進的空間線性回歸模型， 它在建模過程中通過引入空間權(quán)重矩陣， 充分考慮了空間自相關和空間異質(zhì)性， 能夠很好地描述響應變量與預測變量之間的定量關系隨空間位置的變化。

GWR 模型中， 由于地理空間信息都是采用經(jīng)緯度坐標來描述， 因此采用距離作為權(quán)重大小的計算指標。 本文選擇Gauss 函數(shù)法作為權(quán)重函數(shù)， 采用交叉驗證CV （Cross-Validation） 的方法來確定最優(yōu)帶寬。 帶寬是權(quán)重計算的決定因子， 帶寬越大，則權(quán)重影響隨著距離的增加衰減得越慢， 需要通過確定最優(yōu)帶寬來提高模型的精確性。

四、 實證分析

結(jié)合AQI 特定的時間特征， 探究造成AQI 空間分異特征的主要社會經(jīng)濟因素。 利用小波分析識別相關的社會經(jīng)濟因素的波動周期， 通過與AQI 時間序列的波動周期進行匹配， 初步確定主要影響因素， 并用OLS 回歸進行驗證。

（ 一） 影響 AQI 的主要因素篩選

AQI 的時空分異特征是諸多因素共同作用的結(jié)果。 AQI 的主要影響因素應當具有和AQI 時間序列相同的波動周期， 并能解釋AQI 的空間分布特征?！吨腥A人民共和國大氣污染防治法》 為應對空氣污染提出一系列措施， 本文從中提取11 個與空氣污染相關的社會經(jīng)濟因素并選取相應指標， 見表1。

表1 與空氣污染相關的社會經(jīng)濟因素及相應指標

利用小波分析對上述指標進行時間尺度的識別， 以考察該因素和AQI 的時間序列是否存在相同的波動周期。 根據(jù)峰值對應的尺度識別時間序列的主周期， 若與AQI 的主周期相匹配， 則假定該因素為影響AQI 的主要因素。

據(jù)此， 遴選出工業(yè)污染、 機動車尾氣排放、 建筑活動、 生活污染和化肥農(nóng)藥污染5 項指標， 通過OLS 回歸進一步檢驗其和AQI 是否具有統(tǒng)計相關關系。

（ 二） 主要因素對 AQI 的影響

對于初步遴選出的主要影響因素， 研究嘗試通過OLS 回歸驗證并分析其對AQI 的影響。 建立OLS回歸模型需要使用截面數(shù)據(jù)， 如表2 所示。

表2 指標調(diào)整

本文共收集到2017 年234 個城市上述指標的截面數(shù)據(jù)， 以此作為自變量， 以AQI 為因變量， 進行OLS 回歸分析， 見表3。 模型通過了顯著性檢驗（F=32.65， P＜0.0001）。

表3 OLS 回歸結(jié)果

工業(yè)用電量、 汽車銷量、 施工面積和化肥產(chǎn)量等四個因素和AQI 的回歸系數(shù)均大于0。 其中， 化肥施用量、 私人汽車保有量、 施工活動與AQI 的回歸系數(shù)較大， 化肥農(nóng)藥污染、 機動車尾氣排放和施工活動可以看作是中國城市空氣污染的主要來源。家庭液化石油氣供應量與AQI 的回歸系數(shù)為負， 家庭液化石油氣的使用造成的空氣污染較少。

OLS 回歸針對相關社會因素對AQI 的影響進行了探究， 但一個城市AQI 的影響因素不僅來自城市本身， 也來自鄰近城市。 因此， 為了研究形成空間分異特征的影響因素， 有必要使用空間回歸模型，將周邊城市對回歸城市的影響納入回歸模型中。GWR 充分考慮空間異質(zhì)性， 是傳統(tǒng)回歸模型的延伸。 在 ArcGIS10.2 中運行 GWR 模型， 見表 4。 鄰域值為42， 表示引入附近42 個城市以估計回歸城市的回歸系數(shù)。 模型能解釋78.07%的變量特征， 比OLS 回歸模型結(jié)果改善。

表4 GWR 與OLS 回歸結(jié)果對比

（ 三） 結(jié)果與分析

GWR 模型估計的各個解釋變量對每一個城市的AQI 都有一個特定的參數(shù)值， 通過對GWR 模型中各自變量的回歸系數(shù)系數(shù)以0 為分界點進行正、負值區(qū)分， 可以看出， AQI 的影響因素在空間上具有明顯的異質(zhì)性。

1. 工業(yè)用電量。 回歸系數(shù)為正的城市占總數(shù)的76.9%， 工業(yè)發(fā)展與東北地區(qū)、 珠三角和西部地區(qū)的空氣污染有相同的變化趨勢。 工業(yè)消耗大量的化石能源， 排放出大量二氧化硫、 煙塵、 粉塵等， 導致大氣污染物濃度增加。

2. 私人汽車保有量。 正回歸系數(shù)的城市占總數(shù)的69.7%， 機動車保有量的增加降低了東部、 華北和西南等地區(qū)的空氣質(zhì)量。 一方面， 機動車保有量的增加使得機動車尾氣排放增加， 帶來大量的一氧化碳、 一氧化二氮、 甲烷和非甲烷揮發(fā)性有機成分等大氣污染物， 加劇了空氣質(zhì)量的惡化； 另一方面， 城市中大量的機動車加劇了交通擁堵， 而交通擁堵增加了車輛能耗與空氣污染。

3. 施工面積。 正回歸系數(shù)的城市占總數(shù)的86.8%， 施工活動的增加降低了華北、 西部、 東北等地區(qū)的空氣質(zhì)量。 建筑業(yè)是產(chǎn)生粉塵的重污染部門之一， 施工現(xiàn)場的PM 值顯著高于其他地區(qū)。 建筑工地的地面易集聚粉塵， 可以不斷產(chǎn)生PM2.5 和PM10 等大氣污染物， 帶來嚴重的空氣污染。

4. 化肥施用量。 正回歸系數(shù)的城市占總數(shù)的91.5%。 化肥的使用加劇了中國西部、 中部、 東南部等廣大地區(qū)的空氣污染， 最顯著的地區(qū)位于華北地區(qū)。 化肥的過度和不合理的使用會帶來嚴重的空氣污染。 化肥中的氮可以經(jīng)過化學反應生成氮氧化物， 進入大氣中形成污染。 此外， 化肥中大量的氮以氨氣的形式流失進入大氣中， 促進大氣中PM2.5濃度的增加。

5. 液化石油氣家庭供應量。 負回歸系數(shù)的城市占總數(shù)的91%。 在中國大部分地區(qū)， 例如北京、 天津、 河北、 西部地區(qū)， 加大家庭液化石油氣的使用有利于減少空氣污染。 液化石油氣被認為是最重要的家庭清潔燃料之一。 液化石油氣的使用取代了污染嚴重的生活能源， 如煤炭和煤氣等， 能節(jié)約能源， 產(chǎn)生較少的空氣污染。

五、 研究結(jié)論與政策建議

本文利用2014—2019 年中國160 個城市的空氣質(zhì)量監(jiān)測數(shù)據(jù)， 利用小波分析法遴選出5 項主要指標進行回歸分析， 采用空間回歸模型研究造成中國城市空氣質(zhì)量指數(shù)空間分異特征的主要社會經(jīng)濟影響因素。 目前， 以 “碳達峰、 碳綜合” 為目標的大氣治理政策， 圍繞優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、 推進產(chǎn)業(yè)綠色發(fā)展、 調(diào)整運輸結(jié)構(gòu)、 發(fā)展綠色交通體系等途徑，大幅度降低了污染物排放量。 本文研究發(fā)現(xiàn)， 與空氣污染相關的主要社會經(jīng)濟因素中， 化肥施用量、私人汽車保有量、 施工活動與空氣質(zhì)量指數(shù)的相關性較大， 而家庭液化石油氣供應量與空氣質(zhì)量指數(shù)的相關性則較小。

本文考慮到空氣質(zhì)量指數(shù)的波動受到空氣污染治理政策的顯著影響， 而政策是以經(jīng)濟、 社會發(fā)展的相關因素作為治理載體和實施路徑的， 構(gòu)成了政策—人因—AQI 的自組織系統(tǒng)， 因此， 空氣質(zhì)量指數(shù)在空間上具有明顯的異質(zhì)性特征。 當前所有省份均推行了針對工業(yè)污染和生活污染的治理政策， 如差別電價、 排污許可證和煤改氣等。 但在化肥農(nóng)藥污染、 機動車尾氣排放和施工活動等空氣污染的主要因素治理方面， 還缺少必要的政策推動。 如， 在控制機動車新增數(shù)量上， 僅有部分省份推行汽車限購政策。 對于吉林、 西藏和湖南等施工活動回歸系數(shù)較高的省份， 可以征收揚塵排污費。 對于重慶、甘肅等化肥農(nóng)藥污染回歸系數(shù)較高的省份， 可以推廣使用有機肥。 當前， 大氣污染防治主要集中在非電行業(yè)， 2018 年啟動了鋼鐵行業(yè)超低排放改造。 交通運輸也是大氣污染未來的重點治理方向。

基于上述結(jié)論， 治理大氣污染， 改善我國城市空氣質(zhì)量狀況， 城市內(nèi)部治理和外部合作缺一不可。 從城市內(nèi)部治理的角度出發(fā)， 不同城市應圍繞區(qū)域產(chǎn)業(yè)結(jié)構(gòu)和社會經(jīng)濟發(fā)展情況， 制定適合的綠色產(chǎn)業(yè)扶持政策， 促進產(chǎn)業(yè)結(jié)構(gòu)的綠色轉(zhuǎn)型升級。從區(qū)域合作來看， 大氣污染作為環(huán)境污染的負外部性問題， 存在顯著的空間外溢性， 極易導致相鄰地區(qū)間出現(xiàn)不同程度污染轉(zhuǎn)移的現(xiàn)象， 進而形成區(qū)域型污染。 因此， 霧霾污染已成為所有城市共同面對的困境， 局部的霧霾污染治理無法從根本上解決全國霧霾污染問題。 在城鎮(zhèn)化戰(zhàn)略實施的關鍵時期，為了有效應對霧霾污染的空間關聯(lián)， 區(qū)域之間要在合理控制城市人口規(guī)模和城市投資強度以及工業(yè)減排等方面加強協(xié)同性。 在各個城市內(nèi)部因地制宜建立大氣污染治理機制的基礎上， 不斷拓展治理邊界， 逐步將周邊城市的治理體系有效地聯(lián)接在一起， 形成區(qū)域大氣污染聯(lián)防聯(lián)控機制， 實現(xiàn)更大空間范圍內(nèi)的全方位區(qū)域協(xié)同發(fā)展。

注釋：

① 關大博、 劉竹： 《霧霾真相： 京津冀地區(qū) PM2.5污染解析及減排策略研究》， 中國環(huán)境出版社2014 年版，第 2—3 頁。

② 李惠娟、 周德群、 魏永杰： 《空氣污染的健康經(jīng)濟損失評價研究進展》， 《環(huán)境科學研究》 2020 年第10期。

③ 徐鴻翔、 張文彬： 《空氣污染對勞動力供給的影響效應研究——理論分析與實證檢驗》， 《軟科學》 2017年第3 期。

④ 穆泉、 張世秋： 《2013 年1月中國大面積霧霾事件直接社會經(jīng)濟損失評估》， 《中國環(huán)境科學》 2013 年第11 期。

⑤ 李國柱、 李從欣： 《中國環(huán)境污染經(jīng)濟損失研究述評》， 《統(tǒng)計與決策》 2009 年第 12 期。

⑥ 趙曉麗、 范春陽、 王予希： 《基于修正人力資本法的北京市空氣污染物健康損失評價》， 《中國人口·資源與環(huán)境》 2014 年第 3 期。

⑦ 穆泉、 張世秋： 《中國 2001—2013 年PM2.5 重污染的歷史變化與健康影響的經(jīng)濟損失評估》， 《北京大學學報》 （自然科學版） 2015 年第 4 期。

⑧ 李春華、 趙雋宇： 《北京市霧霾災害農(nóng)業(yè)損失引起的部門間接經(jīng)濟損失評估》， 《中國農(nóng)學通報》 2017 年第10 期。

⑨ 王桂芝、 顧賽菊、 陳紀波： 《基于投入產(chǎn)出模型的北京市霧霾間接經(jīng)濟損失評估》， 《環(huán)境工程》 2016 年第 1 期。

⑩ 汪發(fā)元、 鄭軍、 汪宗順： 《城市化水平、 工業(yè)化水平對空氣質(zhì)量的影響分析——基于湖北省16 城市2005—2017 年數(shù)據(jù)的時空模型》， 《長江流域資源與環(huán)境》 2019 年第 6 期。

? 陶雙成、 鄧順熙、 劉寧、 高碩晗、 姚嘉林： 《北京交通限行對城市次干道空氣質(zhì)量的影響》， 《科技導報》2016 年第 18 期。

? 余典范、 李斯林、 周騰軍： 《中國城市空氣質(zhì)量改善的產(chǎn)業(yè)結(jié)構(gòu)效應——基于新冠疫情沖擊的自然實驗》，《財經(jīng)研究》 2021 年第 3 期。

? 姜磊、 周海峰、 柏玲、 陳忠升： 《空氣質(zhì)量指數(shù)（AQI） 的社會經(jīng)濟影響因素分析——基于指數(shù)衰減效應視角》， 《環(huán)境科學學報》 2018 年第 1 期。

? 崔鑫生、 韓萌、 方志： 《動態(tài)演進的倒 “U” 型環(huán)境庫茲涅茨曲線》， 《中國人口·資源與環(huán)境》 2019 年第 9 期。

? 姚樹潔、 張帥： 《可再生能源消費、 碳排放與經(jīng)濟增長動態(tài)關系研究》， 《人文雜志》 2019 年第5 期。

? 李競、 侯麗朋、 唐立娜： 《基于環(huán)境庫茲涅茨曲線的我國大氣污染防治重點區(qū)域環(huán)境空氣質(zhì)量與經(jīng)濟增長關系研究》， 《生態(tài)學報》 2021 年第 22 期。

? 楊林、 高宏霞： 《經(jīng)濟增長是否能自動解決環(huán)境問題——倒U 型環(huán)境庫茲涅茨曲線是內(nèi)生機制結(jié)果還是外部控制結(jié)果》， 《中國人口·資源與環(huán)境》 2012 年第8期。

? 張成、 朱乾龍、 同申： 《環(huán)境污染和經(jīng)濟增長的關系》， 《統(tǒng)計研究》 2011 年第 1 期。

? 李苒、 曹明明、 胡勝、 姬巧娟： 《基于耦合模型的生態(tài)環(huán)境與經(jīng)濟協(xié)調(diào)發(fā)展研究——以榆林市為例》，《西北大學學報》 （自然科學版） 2014 年第2 期。

? 姚清晨、 張紅： 《基于小波分析的太原市空氣質(zhì)量變化特征及預測》， 《山西大學學報》 （自然科學版）2019 年第 1 期。