长江经济带雾霾污染空间效应与影响因素分析

任毅 郭丰

摘 要：基于STIRPAT模型，采用空间计量方法，构建公共边界长度权重矩阵，运用莫兰指数、空间滞后模型和空间误差模型分析长江经济带2001—2016年雾霾污染的空间效应与影响因素。研究发现：长江经济带雾霾污染存在着显著的空间正相关性，长江经济带上游地区表现出显著的低-低集聚，下游地区表现出显著的高-高集聚。经济发展水平和对外开放程度与雾霾污染呈现出倒U型关系。人口密度、经济发展水平、产业结构、对外开放程度与长江经济带雾霾污染显著正相关，能源强度、环境保护力度对雾霾污染的影响不显著。

关键词：STIRPAT模型；雾霾污染；空间相关性；影响因素

中图分类号：F205；X196 文献标识码：A 文章编号：1003-3890（2019）01-0043-08

一、引言

2013年至今，雾霾天气肆虐了我国大多数的省市，且涵盖地区不断增加。《2016年中国气候公报》显示，中国出现了八次大范围、持续性的雾霾天气，长江经济带上中下游城市群雾霾污染较为严峻。根据2016年长江经济带各省市环境状况公报可知，贵州和云南的PM2.5年均浓度相对较低，江苏、安徽、湖北和重庆的PM2.5污染较高，符合PM2.5年均浓度二级标准的只有云南和贵州，以PM2.5為首的雾霾污染严重威胁着人类的健康和环境问题。“十三五”规划纲要指出，绿色发展、生态优先是长江经济带的发展战略定位。十九大报告指出要加快生态文明体制改革，推进绿色发展，持续实施大气污染的防治行动，打赢蓝天保卫战，以共抓大保护、不搞大开发为导向推动长江经济带的发展。因此，深入探讨长江经济带雾霾污染的现状和相关影响因素，对政府合理制定大气以及环境保护政策，推动长江经济带经济与环境可持续发展具有重要的现实意义。

二、文献综述

国外学者引入空间计量方法研究了经济与环境之间的关系，如国际公认空间计量研究专家Anselin在研究环境经济问题时引入了空间因素，并对其引入的重要意义进行了相应的分析[1]。Rupasingha et al.对美国3 029个县的人均收入与大气污染之间联系的研究发现，空间计量的引入在一定程度上大大提升了实证结果的精准度[2]。空间计量对存在空间相关性的研究提供了方法的借鉴和参考，国内学者运用空间计量方法关于环境与经济关系方面的研究主要集中在碳排放和雾霾污染两个方面。较多的文献探讨了碳排放的空间效应与影响因素[3-4]。近年来学者对雾霾污染问题更加关注，大多数雾霾污染的研究集中在全国省域层面[5-8]，有些学者从对外开放水平以及能源结构和交通模式等角度探讨其与雾霾污染之间的关系[9-10]，对局部地区尤其是对长江经济带雾霾污染的空间效应与影响因素的研究较少。也有些学者对我国地级市雾霾污染的空间相关性进行了研究[11]。国内学者较多使用的是0-1权重矩阵[5，9，11]和地理距离权重矩阵[6，13-14]来分析雾霾污染的空间相关性，0-1矩阵假定各邻近地区对本地区雾霾污染产生的影响相同，地理距离权重矩阵只是使用省会之间的地理距离的衰减来作为权重矩阵。在现实中，对于空气污染而言，公共边界交界越长其雾霾污染之间的影响越大，本文创新地引入公共边界长度权重矩阵考察长江经济带雾霾污染的空间效应。此外，关于经济发展、产业结构等与雾霾污染之间的倒U型关系研究也不断增加，刘晓红等研究发现我国经济增长与雾霾污染之间不存在倒U型关系，城镇化与雾霾污染之间存在倒U型曲线关系[12]。刘华军等研究表明雾霾污染与经济发展之间不支持倒U型关系[13]。回莹等研究发现河北省产业结构和雾霾污染综合指数呈倒U型关系[15]。

综上所述，国内运用空间计量方法对雾霾污染的研究取得了较多的研究成果，但也存在一些不足。本文对雾霾污染的研究进行以下两个方面的补充：一是创新地引入公共边界长度权重矩阵，相比于大多数研究使用传统的0-1矩阵和地理距离权重矩阵能更加符合实际地分析各省市雾霾污染的空间相关性，这是使用空间计量方法对雾霾污染空间相关性研究的有益补充和探索。二是基于STIRPAT模型以及空间计量研究方法对长江经济带雾霾污染的空间效应与影响因素进行分析，并提出抑制长江经济带雾霾污染的相关政策建议。

三、STIRPAT模型与变量选择

（一）STIRPAT模型

（4）式中：I用各省市PM2.5年均浓度表示，本文选取PM2.5浓度作为环境压力指标；P为人口密度（人/平方公里），考虑到各省市人口规模以及行政区域面积之间存在着较大的差异，直接用总人口数指标不具有科学上的可比性，所以本文采用人口密度指标，即单位面积的人口数来表示人口的集聚对各省市雾霾污染的影响；A为社会富裕程度，用经济发展水平即实际人均GDP表示（元/人），为了剔除物价变化的影响，本文人均GDP都是以2000年为基期所计算的实际人均GDP；T表示技术进步，用能源强度表示，即各省市能源消费总量与GDP的比值（吨标准煤/万元）；IND表示产业结构，用第二产业产值占GDP比重表示，单位为%；OP表示对外开放水平，用年末登记外商投资总额占GDP比重表示，单位为%；EP表示环境保护力度，用环境污染治理投资额占GDP比重表示，单位为%。

四、数据来源与现状分析

（一）数据来源

选取PM2.5年均浓度来衡量雾霾污染的程度，PM2.5数据（2001—2012年）来源于哥伦比亚大学国际地球科学信息网络中心和巴特尔研究所①，该机构将中分辨率成像光谱仪（MODIS）和多角度成像光谱仪（MISR）测得的气溶胶光学厚度（AOD）转化为栅格数据形式的全球PM2.5数据年均值，该中心没有公布2013年及以后的数据。该数据与中国环保部对中国雾霾污染状况的判断基本吻合，国内学者应用该数据进行了相关的研究[5，7]。国内对PM2.5的测度较晚，主要从2013年底之后才开始监测，本文2014—2016年各省市PM2.5的年均浓度数据来源于《中国空气质量在线监测分析平台》，通过每月的PM2.5浓度加总求平均得到年均浓度值。所用其他数据来源于《中国统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》以及各省市统计年鉴。雾霾污染的空间相关性分析以及空间计量实证分析部分通过软件Stata15.0完成，局域集聚地图由ArcGIS10.2绘制所得。

（二）现状分析

2001—2014年，长江经济带大多数省市雾霾污染浓度总体上都呈现出上升趋势，少数省市呈现出先增加后下降的趋势，江苏省雾霾污染最为严重，云南省雾霾污染最轻。2014—2016年，长江经济带各省市PM2.5年均浓度总体上呈现出下降的趋势，江苏、安徽、湖北、湖南和重庆雾霾污染相对较高；2016年符合PM2.5年均浓度值二级标准的只有贵州和云南，总体上看长江经济带雾霾污染现状不容乐观（如图1所示）。

五、空间计量分析

（一）全局空间自相关

（二）权重矩阵的设定

本文构建公共边界长度空间权重矩阵，在实际情况中，对于某一省份的空气污染来说，相邻省域行政区域之间的公共边界长度越长（即接触面越大）对本省的雾霾污染的影响比相邻省域行政区域之间的公共边界长度较短（即接触面较小）对本省的雾霾污染的影响要大，因此公共边界长度加权权重矩阵赋予公共边界较长的邻省较高权重，更为接近现实。本文各省域行政区域的公共边界长度由软件ArcGIS10.2计算所得，公共边界长度权重矩阵的设定原则如下：

在公共边界长度权重矩阵下，2001—2012年长江经济带的全局Morans I指数均为正值，系数在0.490～0.607波动，且所有的空间自相关性系数通过了1%显著性水平的检验。由于前后数据来源的不一致或者国外卫星测得的数据与国内站点的统计存在差异，以及不同空间权重矩阵下雾霾污染的空间相关性也存在一定差异。2014年雾霾污染呈现出异质性，2015—2016年雾霾污染呈现出正相关性，2015年雾霾污染的空间相关性通过了10%显著性水平的检验。在0-1权重矩阵下，2014—2016年雾霾污染呈现出正相关，系数分别是0.010、0.300和0.209。2015—2016年雾霾污染的空间相关性分别通过了5%和10%显著性水平的检验。总体上看，长江经济带雾霾污染存在着高度的正空间自相关性，雾霾污染存在显著的空间全局集聚效应（如表1所示）。

图2是长江经济带主要年份各省雾霾污染的Moran散点图。处在局域莫兰散点图第一象限的省市代表该省市与其他相邻省市的雾霾污染相对较高，是高高集聚区域（H-H）；处在第二象限的省市代表该省市雾霾污染低于相邻地区，是低高集聚区域（L-H）；处在第三象限的省市代表该省市与其他相邻省市的雾霾污染相对较低，是低低集聚区域（L-L）；处在第四象限的省市代表该省市雾霾污染高于相邻省市，是高低集聚区域（H-L）。第一象限和第三象限分别表示的是高-高和低-低的空间正相关，第二象限和第四象表示的是低-高和高-低的空间负相关，处在第二和第四象限为非典型的观测区域。2001—2012年长江经济带大多数省市都位于典型的观测区域，位于非典型观测区域的省份只有2～3个，2014—2016年，除2014年有四个省市位于非典型观测区域，2015—2016年只有两个省市位于非典型观测区域。高-高集聚主要分布在上海、江苏、安徽、湖北和湖南，低-低集聚主要分布在四川、云南和贵州。PM2.5散点图从内部结构也进一步说明了长江经济带雾霾污染空间正自相关性的稳定性[20]。

（三）局域空间自相关性

局域地区的空间相关性如何，这就需要引入分析局域空间相关性的指标，考察长江经济带是否出现显著的空间集聚现象。局域Moran指数（LISA指数）用来检验局部地区是否存在相似或者相异的观測值集聚在一起，区域i的局部Moran指数测量区域i和它相邻区域之间的关联程度。其公式为：

（四）空间计量模型设定

（五）空间计量实证分析

由于存在空间正相关性，使用OLS估计不能使参数估计一致，本文采用极大似然（ML）估计法对空间滞后模型与空间误差模型进行估计，普通面板数据模型、空间滞后面板数据模型和空间误差面板数据模型的估计结果如表2所示。

1. 模型的诊断与检验。长江经济带雾霾污染影响因素的实证结果如表2所示。采用最小二乘估计法与极大似然估计法分别对普通面板数据的固定效应与随机效应进行估计，利用最大似然估计法对SLM模型和SEM模型进行估计。根据赤池信息准则和施瓦茨准则判定法则，由表中AIC值与BIC值可知，SLM模型和SEM模型均优于普通面板模型，空间自回归系数r和空间残差自相关系数λ均通过了1%显著性水平的检验，说明空间因素确实在雾霾污染中产生了一定的作用，也说明普通面板数据模型不再适用，且引入空间计量模型之后，一些系数的显著性水平以及系数的大小发生了变化，说明未考虑空间相关性会导致模型设定的不当，而导致回归结果不准确。

由于本文建立的面板数据的时间维度为12，横截面维度为11（11个样本），时间长度较短，不满足大样本条件，讨论反映时间效应的随机扰动项是否存在自相关存在着一定的困难，故假定随机扰动项为独立同分布，因此只考虑个体效应，需对固定效应和随机效应进行选择。SLM模型的hausman检验值为0.22，SEM模型的hausman值为0.31，SLM模型和SEM模型的hausman检验均接受原假设，则应选择随机效应进行分析。由表2可知，SLM模型固定效应与随机效应系数的大小以及显著性都比较接近。大多数的文献使用拉格朗日乘子检验（LM检验）来判断空间滞后模型和空间误差模型的选择，姜磊指出，如果模型设定正确，应该遵从Wald统计量>Log-likelihood统计量>LM统计量的排列顺序[21]。比较SEM随机效应模型和SLM随机效应模型的Wald统计量、AIC值与BIC值以及Log-likelihood统计量可知，SLM模型优于SEM模型。因此本文主要针对SLM模型进行分析。

2.实证结果分析。根据表2的结果可知，空间自相关系数r为0.614 3，并且通过了1%显著性水平的检验；说明长江经济带的雾霾污染存在着显著的空间溢出效应，这与雾霾污染的Moras I散点图以及局部集聚地图的结果一致，相邻省市的PM2.5每增加1%将会使本省市的PM2.5增加0.614 3%，长江经济带雾霾污染存在显著的空间正自相关性。

从人口密度来看，人口密度的系数为正，且通过了10%显著性水平的检验，说明人口密度的增加会加剧雾霾污染。人口密度过大加剧了环境压力，人口密度越大的地区对住房和机动车辆等的需求也越大，能源消耗会大量增加，同时，较高的居住密度会影响风速从而导致污染物不能有效扩散。此外，人口密度较大的区域生活能源消费也会较大，将产生更多的生活废弃物。长江经济带下游地区雾霾污染呈现出显著的高-高集聚，这与当地较高的人口密度密切相关。

从经济发展水平来看，人均GDP的一次项系数为正，二次项系数为负，且都通过了1%显著性水平的检验，说明长江经济带经济增长与雾霾污染之间的关系支持“环境库兹涅茨曲线”假说，经济发展水平与雾霾污染呈现出倒U型关系。在拐点到来之前，社会经济发展更多的是注重产出最大化，以牺牲环境质量为代价来加快经济的发展，环境问题被忽视，同时长江经济带目前也处在工业化和城镇化快速发展时期，经济的迅速发展也会带来污染排放的迅速增加。长江经济带人均GDP的快速增长是以较大的能源消耗和污染排放所换取的，经济发展水平的提升在一定程度上会加剧雾霾污染，治理雾霾污染任重而道远。

从产业结构来看，第二产业产值占GDP的比重通过了1%水平的显著性检验，且系数为正，表明第二产业产值占GDP的比重的增加会加剧长江经济带的雾霾污染。长江经济带工业产值占第二产业产值的比重总体上都在80%以上，工业消耗有色金属、煤炭等化石燃料会排放大量的废弃物，工业中建筑行业的迅猛发展所带来的大量扬尘也是加剧雾霾污染的一个原因。第二产业产值的不断增加也伴随着煤炭消费量的不断增加，会引起PM2.5的上升。传统粗放式的工业化发展模式以及长江经济带以工业为主的产业结构是加剧雾霾污染的重要因素，说明加快产业结构的转型与升级迫在眉睫。

从对外开放程度来看，对外开放程度的一次项系数为正，二次项系数为负，且都通过了1%显著性水平检验。说明长江经济带对外开放程度与雾霾污染存在倒U型关系，即当对外开放水平达到一定程度后PM2.5将会下降。一次项系数为正，说明对外开放水平的提升加剧了雾霾污染，说明长江经济带的外商投资存在着“污染天堂”“污染避难所”现象，作为制造业大国，长江经济带无疑也承接了大量的高污染和高能耗制造业，制造业属于污染密集型的产业，这必然促使长江经济带雾霾污染浓度的提升。

从技术进步来看，能源强度与雾霾污染呈正相关关系，能源强度的降低有利于减轻雾霾污染。从环保力度来看，环境污染治理投资占GDP比重与雾霾污染呈负相关关系，环境污染治理投资比重的增加有利于降低雾霾污染，能源强度和环保力度没有通过10%显著性水平的检验。在普通面板模型中能源强度和环保力度都通过了1%的显著性水平检验，考虑了雾霾污染的空间相关性后削弱了其显著性，在未来的技术发展上应加强高效率和环保产品的开发与应用。

六、结论与建议

本文对2001—2016年长江经济带各省市雾霾污染现状进行了分析，近三年长江经济带雾霾污染浓度有所下降，但雾霾污染现状仍不容乐观。基于STIRPAT模型并采用空间计量研究方法，创新地引入公共边界长度权重矩阵，运用全局和局域莫兰指数对长江经济带雾霾污染的全局空间自相关和局域空间自相关进行了考察，运用空间滞后模型对长江经济带PM2.5的影响因素进行了分析。主要的研究结论有：（1）长江经济带雾霾污染存在显著的正空间自相关性，相邻省市的PM2.5每增加1%将会使本省市的PM2.5增加0.614 3%，长江经济带下游表现出显著的高-高集聚，上游表现出显著的低-低集聚。（2）长江经济带经济发展水平、对外开放程度与雾霾污染之间存在倒U型关系。伴随着经济水平的提升和对外开放程度的增加，雾霾污染呈现出先恶化后逐渐改善的变化趋势。（3）人口密度、经济发展水平、对外开放程度、产业结构与雾霾污染呈现出显著的正相关。能源强度与雾霾污染呈正相关关系，环保力度对雾霾污染具有抑制作用，但是能源强度和环保力度没有通过10%显著性水平的检验。

根据上文的研究与分析，提出治理长江经济带雾霾污染的相关建议：

1.长江经济带雾霾污染存在着显著的正空间自相关性。这就要求各省在治理雾霾问题上要增强联防联控意识，必须打破地方政府各自为政的局面，加强环境领域的合作，高度重视地区之间环境治理协同防治的作用，共同治理雾霾污染。

2. 在人口规模不断扩大的同时也要防止人口过快的集聚。对人口密度较大地区进行合理的分流与布局，对生活垃圾进行适当的处理，发挥人口密度增加所带来的集聚效应，通过提高资源使用率与公共交通分担率等途径缓解雾霾污染。

3. 加大产业结构调整，逐步降低高污染、高能耗和高排放工业所占的比重。加強对高污染、高排放以及高能耗企业的整治，增加绿色产业和高新技术产业等第三产业的比重，第二产业发展过度依赖煤炭消费，应不断引进新技术降低污染物排放，同时加快清洁能源的发展，提高新能源和可再生能源利用比例。加快推广新技术、新装备的使用，制定并实施有效的绿色产业扶持政策，实现长江经济带传统产业的转型与升级，以产业结构的优化发展降低长江经济带PM2.5浓度。

4. 随着对外开放程度的逐步提升，应合理优化外商投资的结构。提升外商投资的门槛和甄别外商投资的手段与能力，严格控制外商投资在高污染、高排放等产业的过快增长，也应加强地方政府对外商投资行为的规制，积极鼓励具有低能耗、低排放等绿色环保外资企业的进入，逐步实现外商投资对环境的负效应向正效应的转变。

5. 加大对环境污染治理的投资，提高环境污染治理的效率。优化环境污染治理投资结构，实现环境污染治理投资在治理雾霾污染问题上发挥其抑制作用。加大对科学技术的投资，提升技术水平，实现将更多清洁环保的科技产品用于生产与生活之中。

在经济发展过程中不能唯GDP论，经济发展固然重要，但绿水青山更加重要，长江经济带的经济发展已经取得了一定成绩，在今后的发展中必须充分重视绿色环保，实现经济的高效、集约和绿色发展，以共抓大保护、不搞大开发为导向推动长江经济带发展，这样才能提升人民生活的质量，满足人们对美好生活的需求，才能实现长江经济带经济、社会与环境的协调和可持续发展。

注释：

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

参考文献：

[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]肖宏伟，易丹辉，张亚雄.中国区域碳排放空间计量研究[J].经济与管理，2013（12）：53-62.

[4]付云鹏，马树才，宋琪.中国区域碳排放强度的空间计量分析[J].统计研究，2015，32（6）：67-73.

[5]马丽梅，张晓.中国雾霾污染的空间效应及经济、能源结构影响[J].中国工业经济，2014（4）：19-31.

[6]东童童，李欣，刘乃全.空间视角下工业集聚对雾霾污染的影响——理论与经验研究[J].经济管理，2015，37（9）：29-41.

[7]邵帅，李欣，曹建华，等.中国雾霾污染治理的经济政策选择——基于空间溢出效应的视角[J].经济研究，2016（9）：73-88.

[8]东童童.雾霾污染（PM2.5）、工业集聚与工业效率的交互影响研究[J].软科学，2016（3）：26-30.

[9]康雨.贸易开放程度对雾霾的影响分析——基于中国省级面板数据的空间计量研究[J].经济科学，2016（1）：114-125.

[10]马丽梅，刘生龙，张晓.能源结构、交通模式与雾霾污染——基于空间计量模型的研究[J].财贸经济，2016，37（1）：147-160.

[11]张生玲，王雨涵，李跃，等.中国雾霾空间分布特征及影响因素分析[J].中国人口·资源与环境，2017，27（9）：15-22.

[12]刘晓红，江可申.我国雾霾污染影响因素的空间效应——基于PM2.5的实证分析[J].科技管理研究，2017，37（12）：247-252.

[13]刘华军，裴延峰.我国雾霾污染的环境库兹涅茨曲线检验[J].统计研究，2017，34（3）：45-54.

[14]严雅雪，齐绍洲.外商直接投资对中国城市雾霾（PM2.5）污染的时空效应检验[J].中国人口·资源与环境，2017（4）：68-77.

[15]回莹，戴宏伟.河北省产业结构对雾霾天气影响的实证研究[J].经济与管理，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.中國的区域关联与经济增长的空间溢出效应[J].经济研究，2012，47（1）：54-65.

[21]姜磊.空间回归模型选择的反思[J].统计与信息论坛，2016（10）：10-16.

责任编辑：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