中国城市空气质量与产业结构关系研究

黄小舟 雷琳琳

摘 要：城市高质量发展越来越受到城市空气质量的约束，本文从经济产业结构视角建立了研究框架，实证分析了产业结构对城市空气质量的影响和发生机制，并基于分析得出了基本结论。

关键词：城市控制质量;PM2.5;AQI指数;产业结构

一、引言

2016年底中国的城市化率已达到57.4%，根据国际经验来看，城市化率在达到70%之前，城市化水平将会快速增长。未来十年中国城市化水平仍将保持一个较高的增长速度。但是随着我国工业化、城镇化的推进，经济发展和人口聚集带来的城市环境问题，其中尤其是城市空气质量问题越来越严重。其中最常见的关键词莫过于近几年热门的“PM2.5”，“雾霾”等。

中国政府在2013年出台史上最严的《大气污染防治行动计划》（简称“大气十条”），要求在2017年底之前，全国地级以上城市PM2.5浓度比2012年下降10%以上，优良天数逐年提高;北京市PM2.5年均浓度也要控制在60微克/立方米左右。截至12月15日，2017年北京全年重污染天数与2013年同期相比减少了近三分之二。这一切都离不开国家政府的正确引导和人民群众的积极参与，在官方和民间共同努力之下，北京11月的全市PM2.5浓度达到46微克，为历史同期最低，也接近世卫组织建议的25微克以下。由此可见，空气质量与经济良性发展之间并不矛盾，关键在于找到二者之间的平衡点。

本文通过中国的八大经济区中选取的70座城市在2017全年的空气质量数据，由AQI指数和空气质量优良天数为指标研究各个城市空气质量在不同时间尺度上的变化情况。然后通过对各个城市经济数据的研究，确定当前城市经济发展状况。

运用多元线性回归模型，通过选定产业结构占比与工业增加值作为关键的解释变量并依次添加人均GDP、人口密度等控制变量，观察解释变量对空气质量的影响，最终确定产业结构同空气质量间的关系，对中国城市未来发展提出合理的建议。

二、文献综述

本文主要研究全国城市中经济指标对空气质量的影响，故主要与两类文献相关，一类文献研究的是城市经济指标对空气质量的直接影响，另一类文献研究的是空气污染对城市影响的空间分布。姜磊（2017）运用了矩阵指数空间设定模型来研究人均GDP、外商直接投资、二氧化硫排放等因素对空气质量指数变化的影响。一方面，证明了矩阵指数空间设定模型在具有空间特性的空污问题中的实用意义，另一方面，证明了人均地区生产总值与空气质量指数呈正相关关系。还有一种看法来自李经路（2017），他选取2000至2011年的北京空气质量数据作为样本，并选用空气质量为良的天数作为空气质量指标，得出的结论认为人均国民生产总值同空气质量指标呈现倒“N”型分布。由以上的研究不难得出，人均GDP作为经济指标中的重要一项，与空气污染大致呈现正相关关系，需要关注的是无论是倒“U”型分布，还是倒“N”型分布，最后都会出现人均GDP越高会使得空气质量好转的情况。本文的样本选取同以上研究存在一定的差异，本文选取的为2017年的各城市年均数据，故在同一时间节点不同城市的人均GDP也存在着差异，人均GDP在影响空气质量时是否会存在有拐点值得本文进行研究。还存在有一种完全相反的观点。杨肃昌（2015）在研究中得出类似结论，他认为东部城市由于其工业密集度较高，其产业结构会导致空气质量轻度恶化，但产业结构对空气质量的影响大致上是正向的，说明提高第三产业占比有助于改善空气质量。可见产业结构在空气质量的研究中地位不可或缺，第二产业占比越高会导致空气质量恶化，而第三产业占比越高则有助于空气质量的改善。李静萍（2017）在研究中直言工业化对空气中PM2.5浓度是直接的正向影响，且影响显著，而城市化水平对空气质量的影响则是间接影响。

文献研究表明，城市的经济发展对城市空气质量确实存在有直接或间接的影响，且不同城市的空气质量空间分布遵循一定的区域特征。大多数研究的是随时间变化的经济指标差异对空气质量影响，经济指标研究往往是局限于一座城市内，鲜有比较城市间的经济指标差异。本文则着重探究城市差异对空气质量的影响，运用多元线性回归模型，通过选定关键的解释变量并依次添加控制变量，观察解释变量对空气质量的影响，最终确定经济指标尤其是产业结构同空气质量间的关系。

三、中国城市空气质量与经济描述分析

（一）指标选取与数据来源

经济区域划分依据为：以辽宁、吉林和黑龙江构成东北综合经济区，以北京、天津、河北和山东构成的北部沿海綜合经济区，以上海、江苏和浙江东部沿海综合经济区，以福建、广东和海南构成的南部沿海经济区，以陕西、山西、河南和内蒙古构成的黄河中游综合经济区，以湖北、湖南、江西和安徽构成的长江中游综合经济区，以云南、贵州、四川、重庆和广西构成的大西南综合经济区，最后是由以甘肃、青海、宁夏、西藏和新疆构成的大西北综合经济区。

因为大西南与大西北的城市分布较为分散，为了数据的完整性，故将大西南综合经济区和大西北综合经济区合并成西部综合经济区进行研究，将八大经济区修改为七个经济区域。选取城市的方式为每个经济区域选取10座城市，选取城市的标准为地级市（除港澳台）及以上的直辖市，优先选取经济发展良好，在区域内趋于主导地位的城市。选取第二产业增加值占比（SG）与第三产业增加值占比（TG）、地区生产总值（GDP）、地均建筑业增加值（estate）等经济指标和人口密度（pd）、民用汽车保有量（cars）等社会指标。而空气质量指标主要有：空气污染指数（AQI）、空气质量优良天数（Good）。

（二）描述性统计

1. 空气质量分析

图1为2017全年各地年均AQI分布热力图。由热力图可得，全国空气质量最为严重的省份为河北省，其次的有河北省周边的山东省、河南省和山西省，以及新疆自治区。空气质量最好的地区为福建省和海南省。全国空气质量大致呈现“由华北地区向周边逐步扩散”的形势，以北部沿海和黄河中游地区空气质量最差，南部沿海地区空气质量最优。除西藏自治区处于高海拔环境外，其他地区还呈现出“沿海地区空气质量优于内陆地区空气质量”的情况。

图2为北部沿海综合经济区的五座座城市2017年优良空气天数图。蓝色为空气质量为良及以上的天数，红色为空气质量为良的天数，二者之差为空气质量为优的天数。从图中可以很明显看出，烟台为北部沿海综合经济区空气质量最优的城市，空气质量优良天数与空气质量为优天数均远远领先其他城市。北京空气质量为优的天数紧随其后，空气质量为优的天数最少的城市为唐山和石家庄，仅为6天。综合来看，空气质量最差的城市为石家庄。

图3为全国主要城市2017年月均AQI指数折线图，全国各城市全年AQI的变化大概呈现“U”型，即年初与年末AQI指數高，年中AQI指数相对较低。具体来说，成都在一月与二月时月均AQI指数远高于优良空气质量标准（AQI指数为100），而在四月至八月期间维持了相对较好的空气质量，到了2017年年底，AQI指数又重新反弹至120以上，相同的情况也出现在其他地区的城市身上，如空气质量较为良好，全年AQI指数较为稳定的广州空气质量最差的时间点也出现在一月与十二月。唯一的例外出现在北京，2017年一月北京质量一直处于红线之上，AQI指数突破140，在此之后北京空气质量大致呈现出逐月走低的趋势，尤以十二月份在全国其他城市均处于空气质量堪忧状态时，北京十二月份则达到了全年空气质量的最优值，AQI指数仅为69，这也反映北京在2017全年对空气状况优化处理做出的努力。

上图4为抽取的全国不同地区的七座主要城市在2017年9月15日在各时刻的AQI指数实时变化图，可以看到大多数城市的实时AQI指数在这一天呈现“两侧低，中间高”的形状。具体来说，在0时至7时之间各城市AQI指数维持在一个相对稳定的范围之内，大约在10时左右，AQI指数出现一个较大的提升，这段提升大致会在12时至14时达到顶点，而在19时以后，AQI指数迅速回落并在23时左右大致回归至凌晨AQI指数相对稳定的区间。由人们日常生活规律不难发现，AQI指数上涨和维持较高等级的时间段大致与人们日常白天活动时间段一致，可以得到人类活动确实会对空气质量产生直接的影响。

上述的7个城市中，有三座城市的AQI指数变化并不符合预期，其中太原在9月15日这天AQI指数呈现平稳状态，成都则出现与其他城市相反的“两边高，中间低”即白天空气质量优于夜间空气质量的状况，而上海自0时起AQI指数持续走低。通过查阅中国气象局网站的历史气象数据，太原在9月15日这一天全天处于小雨天气，并有1～2级微风，从某种意义上解释了AQI指数相对稳定的原因。成都在15日白天时间段一直处于风力4～5级的天气，这就反映了成都的AQI指数异常变化。上海在15日与太原相同是小雨天气，区别是上海在此之前已经持续经历5天雨水天气，AQI指数持续优化。

2. 经济指标分析

<F：＼5.8＼湖北经济学院学报·人文社科版201904-p＼湖北经济学院学报.人文社会科学版201904＼人文1904＼图1904-014.tif>

图5：北部沿海综合经济区的十座城市产业结构比例图

图5为北部沿海综合经济区的十座城市产业结构比例图。从图中可以看出，除衡水、保定外，其他城市的二三产业占比之和已超过90%，其中北京的二三产业占比之和几乎达到100%，可见农业对该地区经济的影响远不及工业与服务业，同样的状况也发生在其他地区。再来看第二、第三产业各自所占的比例，北京的二三产业占比差距最大，其中第二产业占比不足20%，而第三产业占比80.6%。相反唐山的第二产业占比达到57.4%，第三产业占比仅为34.1%。由此可见，产业结构存在差异也是各地的一大特征。

为更好研究第二产业对空气质量的影响，故作出如上图7所示的70座城市工业增加值与年均AQI指数的散点图。数据点越靠右说明工业增加值数值越高，数据点越靠上说明AQI指数越高，空气质量越差。工业增加值同年均AQI指数大体上呈正相关关系，即工业增加值越多，城市空气质量越差。由散点图可知，选取的70座城市中南部沿海经济区城市空气质量全国最优，但同时工业增加值也普遍位列其他区域城市之后，尤其是海口市作为2017年全国空气质量最优的城市，工业增加值水平也是全国最低。相反，北部沿海综合经济区和黄河中游综合经济区城市保持了较高水平的工业增加值，付出的代价则是年均AQI指数居高不下。

四、经济发展对空气质量影响计量分析

（一）研究计量模型

为研究第二、三产业增加值占比与工业增加值对城市空气质量的影响，为此建立以下线性模型：

AQIi=α+β1SG+β2TG+β3va+γX+μi

在上述方程中，α，β和γ为待估参数，μi为随机扰动项，方程中的被解释变量为AQIi，表示2017年城市的年均AQI指数，关键的解释变量有第二产业增加值占比和第三产业占比，分别由SG和TG表示，以及工业增加值，由va表示。

除关键解释变量外，还选取由X代表的控制变量。根据相关文献，选取的控制变量有人均地区生产总值GDP，人口密度，民用车辆保有量，建筑业增加值和区域特征。姜磊（2017）发现人均地区生产总值的提升会导致二氧化硫排放以及PM2.5排放量提升，进而加重空气污染，做出相似结论的还有李茜（2013），她的研究证明人均GDP的增长与城市空气污染呈正相关关系。王兴杰（2015）的研究表明人口密度的不断提高会使大气污染物在城市内排放浓度提升，加大空气质量恶化可能性，因此人口密度作为控制变量之一代入回归方程中。汽车尾气排放作为大气污染物的主要来源之一，为确定城市间汽车尾气排放的差异，姜磊（2017）在研究中选用了民用汽车保有量这一指标来进行反映，汽车保有量反映了城市经济水平，越多的车辆排放的尾气也相应增多，故本文选择控制民用汽车保有量这一指标。谢高地（2015）在研究中提及建筑扬尘等开放源造成的空气污染的主要因素之一，因此本文选择控制地均建筑业增加值。蔺雪芹（2016）研究发现中国城市空气质量呈现出“东重西轻，北重南轻”的空间格局，岳书评（2015）重点研究中国的三大城市群，其中京津冀城市群对空气质量的影响最大;对省会城市所在地区的研究中，中部地区城市对空气质量影响最大，东部地区受影响最小，周湘辉（2012）通过因子分析对国内的30座城市进行空气质量排名，得到西部与沿海地区城市空气质量较为优异的结论，为研究区域特性对城市空气质量的影响，我们控制了中国的经济区域分布，其中以大西北与大西南综合经济区为基准组，分别控制了东北综合经济区、北部沿海综合经济区、东部沿海综合经济区、南部沿海经济区，黄河中游综合经济区和长江中游综合经济区6个虚拟变量。

由模型系数β1=0.59373，β2=-0.679661，β3=0.00754可得，第二产业增加值占比对城市年度空气质量指数的影响是正向的，即第二产业增加值占比越多，AQI指数越大，即空气污染越严重。相反，第三产业增加值占比同城市空气质量指数间呈负相关关系。而工业增加值的变大也正向地影响空气质量指数的变大，由此可见三个关键的解释变量对空气质量的影响与预期相符。模型的经济意义在于：在其他变量不变时，第二产业增加值占比每增加1%，则城市年均AQI指数将上升0.59373;第三产业增加值占比每增加1%，则城市年均AQI指数将下降0.679661;工业增加值每增加1万元，则城市年均AQI指数将上升0.00754。拟合优度检验结果显示调整后的R方取值为0.5835，说明模型拟合效果较好。从整体的显著性检验结果可以看出，总体p值为3.307e-13，远远低于0.05，证明第二产业增加值占比，第三产业增加值占比和工业增加值对城市年均空气质量指数的共同影响是显著的。

对单个回归系数的显著性进行检验，其中第二产业增加值占比，第三产业增加值占比和工业增加值所对应的p值均小于0.05，故可认为在5%的显著性水平上拒绝原假设，认为第二产业增加值占比，第三产业增加值占比和工业增加值对城市年均空气质量指数的影响是显著的。

我们首先对人均GDP进行控制，可以得到人均GDP对城市年均空气质量指数的影响是负向的，即人均GDP的增长有助于空气质量改善。由p值取0.02094可得在5%的显著性水平下，人均GDP对城市年均空气质量指数的影响是显著的。这一结论与姜磊（2017）与李茜（2013）的研究结果一致。

由回归方程可得，第二产业增加值占比，第三产业增加值占比和工业增加值的回归系数大小和方向均无太大区别。与基础方程存在的差异在于第三产业增加值占比对城市年均空气质量指数的影响不再显著。

接下来我们对人口密度进行控制，可以得到人口密度对城市年均空气质量指数的影响是正向的。由p值取0.44055可得在5%的显著性水平下，人口密度对城市年均空气质量指数的影响并不显著的。这一结论与王兴杰（2015）的发现存在有所出入，具体的差异产生原因可能是样本的选取有所不同，王兴杰（2015）在研究中选取的样本为第一阶段实施新空气质量标准的74个城市，这些城市自2012年起就开始对空气质量进行优化。而本文中选取的70座城市中存在很大一部分是自2015年以后才开始实施新的空气质量标准，样本差异导致了结论存在有一定的偏差。

然后我们对民用汽车保有量进行控制，可以得到民用汽车保有量对城市年均空气质量指数的影响是正向的。由p值取0.18847可得在5%的显著性水平下，民用汽车保有量对城市年均空气质量指数的影响并不显著的。这一结论与姜磊（2017）的研究相近，对其成因的解释为选用民用汽车保有量作为汽车尾气排放的指标存在有数据缺失，即民用汽车保有量不能很好地反映警用、军用汽车的排放对空气造成的污染，故而不能全面反映汽车拥有量同城市空气质量指数之间的关系。

紧接着我们对建筑业增加值进行了控制，可以得到建筑业增加值对城市年均空气质量指数的影响是正向的。由p值取0.10324可得在5%的显著性水平下，建筑业增加值对城市年均空气质量指数的影响并不显著的。谢高地（2015）的研究的主要样本为2011～2014年城市数据，通过资料查询可以发现自2016起，各地陆续发布《建筑工地扬尘防治标准》，由本文中数据的研究不难发现这项标准较好地对工地建筑起到规范作用，减轻了建筑扬尘对空气污染的影响力度。

最后我们对区域特征进行控制，由回归结果可得，北部沿海综合经济区、南部沿海经济区和黄河中游综合经济区相比大西北和大西南综合经济区，其城市年均空气质量指数存在显著性差异，东北综合经济区、东部沿海综合经济区和长江中游综合经济区同大西北和大西南综合经济区的空气质量指数差异不明显。

对回归方程系数进行研究可以得到，年均AQI指数最大的是黄河中游综合经济区城市，其数值为99.58，由于AQI指数在100以上属于空气污染范畴，由此可见黄河中游综合经济区城市在2017年空气质量较为恶劣。而年均AQI指数最低的则是南部沿海经济区城市，其数值为62.94，接近空气质量为优的的评级。这一结论同周湘辉（2012）和蔺雪芹（2016）的研究结论一致，可以认为我国城市空气质量确实受到区域性差异的影响。而岳书评（2015）认为的京津冀城市群对空气质量影响较为严重，本文通过对比北部、东部和南部综合经济区的年均AQI指数，也得到了与其研究较为相近的结论，即北部沿海综合经济区对空气质量影响较为严重。

对于重点关注的关键解释变量，可以发现第二产业增加值占比和工业增加值的系数都在0.1的显著性水平上对城市年均空气质量影响显著，由此可见，第二产业增加值占比增加1%会使城市年均AQI指数增加0.4048～0.7682，工业增加值增加1万元会使城市年均AQI指数增加0.0051～0.0075。而第三产业增加值占比我们则认为其对空气质量影响并不显著。

（二）模型稳健性分析

为了确定模型是否存在多重共线性，通过计算各个参数的方差膨胀因子（VIF）大小来进行度量。上述每控制一项变量后，都对新的回归模型进行一次多重共线性检验，以回归模型（6）的各个参数的方差膨胀因子为例，VIF数值最大的为第二产业增加值占比为3.93，其次的为第三产业增加值占比为3.87，其余参數VIF值均未超过2，可见所以参数的VIF值均远低于10，并且接近于1，故我们可以认为模型状况较好，不存在多重共线性。

为了检验模型是否存在异方差，这里运用Breusch-Pagan检验进行验证，这里以回归模型（6）的BP检验结果为例，检验的p值为0.2559，明显大于0.05，不能拒绝原假设，则可认为该回归模型不存在异方差。

五、主要结论

工业增加值与空气污染之间存在显著的正相关关系，可见城市的工业化水平提升对城市的空气质量水平是一个较大的挑战。相同的还有第二产业增加值占比，第二产业占比越高表明工业生产在城市经济发展中的地位越高，第二产业占比较高也是城市空气质量产生差异的主要原因之一。

人均GDP的增加会加重空气污染，这一点在本文中得到了证明，但同时GDP的上升不仅是对经济发展的一种反映，另一方面GDP的提升也会带动社会福利、教育水平以及公共设施的逐步发展和健全，国民素质的提升反过来也会提高环保意识，提升城市绿化。这也表明了人口密度与地均建筑业增加值对空气质量的影响并不算显著在2017年产生的原因。

空气质量在不同的经济区域内差异明显，南部沿海经济区和东部沿海综合经济区作为目前国内经济发展的领头羊，同时也在空气质量上领先于全国其他地区。空气质量较差的黄河中游综合经济区和东北综合经济区作为老牌的工业重地面临着产业转型的需要。

为此需要加强工业企业排污管制。一方面鼓励工业化促进经济发展创造就业机会，另一方面则要严格监督工业排放对环境造成的污染，鼓励使用清洁能源，加强工业排污分类回收。提升地区政府的监管力度与工业企业自身环保意识。推动产业转型。在维持工业发展的同时，要积极推进第三产业发展，大力开发各地旅游资源，提高城市绿化水平。

参考文献：

[1] 姜磊，周海峰，柏玲，陈忠升.空气质量指数（AQI）的社会经济影响因素分析——基于指数衰减效应视角[J].环境科学学报，2018，38（1）：390-398.

[2] 李茜，宋金平，张建辉，于伟，胡昊.中国城市化对环境空气质量影响的演化规律研究[J].环境科学学报，2013，33（9）：2402-2411.

[3] 李经路，曾天.北京空气质量影响因素的主成分分析——来自于2000—2011年的经验数据[J].生态经济，2017，33（01）：167-171，189.

[4] 柳敏，徐自华，吴晓晨，孟鑫鑫.社会经济发展模式对区域空气环境质量的影响研究——以海南省为例[J].中国人口·资源与环境，2013，23（S2）：499-502.

[5] 杨肃昌，马素琳.城市经济增长对空气质量的影响——基于省会城市面板数据的分析[J].城市问题，2015，（12）：4-11.

[6] 李静萍，周景博.工业化与城市化对中国城市空气质量影响路径差异的研究[J].統计研究，2017，34（4）：50-58.

[7] 张帅.北京市产业结构调整与空气质量变动的关联研究[D].首都经济贸易大学，2017.