安徽能源消费对雾霾污染的面板回归研究

（安徽建筑大学 经济与管理学院，安徽 合肥 230601）

工业革命以来，人类为发展经济对资源肆意索取，造成的环境破坏日益显现。进入21 世纪，环境污染已经成为一个亟待解决的全球性问题[1]。与此同时，随着国内工业化及城镇化快速推进，雾霾污染呈现发生频率高、影响范围广、治理难度大、出现常态化的特点[2]。安徽省位于中国华东地区，濒江近海，有400 km 的沿江城市群和皖江经济带，是长三角的重要组成部分，它是国家经济发展战略动力的重要部分。近年来，安徽省空气质量有了很大改善，但空气污染依然严峻，特别是冬季，雾霾天气依然较多，2017 年，安徽省仅有黄山市空气质量达到国家二级标准。因此全省要确切落实各项防污减排措施，将雾霾治理置于重中之重。

能源消费是雾霾污染的重要原因之一，同时也一直是国内外学术界关注的重点。而 Suri 和Soytas等[3-4]通过研究证明能源消费会引起环境污染，对环境污染具有正向效应。而Bastoia 和Sapkota[5]利用模型研究了尼泊尔联邦共和国的能源消费与环境污染的因果关系，提出能源消费与碳排放之间有着因果关系，能源消费的增长会带来碳排放量的增加。马丽梅和张晓[6]利用空间计量的研究方法发现，我国的雾霾污染会产生明显的空间扩散效果，且雾霾的污染程度与能源结构和产业结构的变化密切相关。冷艳丽和杜思正[7]证明消除能源价格扭曲会减少雾霾污染。张文静[8]研究了能源消费与大气污染之间的关系，证明了能源消费造成了雾霾污染，增加高新科技投入能够减少能源消费量与雾霾污染。交通因素对雾霾的影响一直也是热点问题，Hao和Lin[9]提出车辆数量的增多和第二产业占比的加重会增加城镇的PM2.5 浓度。马丽梅等[10]则认为从全国的角度来看，交通因素对雾霾污染没有太大影响。在产业结构和雾霾的研究中，孙坤鑫等[11]认为优化产业结构可以改善空气质量。人口因素对雾霾的影响同样不可忽视，王素凤等[12]将人口规模用作衡量人口变化的代表性指标，例如城市常住人口和人口的城市化率等。

本文从能源消费规模、能源消费质量和能源消费结构3 个维度，完善能源消费与雾霾污染的理论研究机制，弥补能源消费与雾霾污染区域性研究的不足。基于安徽省16 个城市，2010—2017 年间640个数据作为研究依据，并对雾霾污染治理中就能源消费方面提出合理意见。

1 模型构建与数据来源

1.1 因变量

可吸入颗粒物（PM10）。大气可吸入颗粒物(PM10)是我国大部分城市大气的首要污染物[13]。有研究表明，PM10 浓度每上升10 μg/m3,居民死亡率、心血管疾病死亡率和呼吸系统疾病死亡率分别升高0.51%、0.68%和0.68%[14]。

1.2 自变量

基于国内外学者对于能源消费与雾霾污染关系的研究，本文挑选出可能对雾霾污染造成影响的6 个自变量：人均地区生产总值（PGDP）、各市私人汽车拥有量（PCO）、第二产业占地区生产总值比重（INST）、能源消费总量（TEC）、城市常住人口（RESI）、城市人口密度（DENS）。为了保证回归方程中的所有变量的线性关系是有意义的，并且自变量的变化将导致因变量的较大变化。本文将通过逐步回归法筛选出对雾霾污染显著性较高的自变量，筛选结果见表1。TEC、RESI、INST及PCO中P值（0.0029）（0.0000）（0.0000）（0.0172）在95%的置信度下对雾霾污染都有显著性影响。同时TEC、RESI、INST及PCO 的容差值（0.622）、（0.497）、（0.527）、（0.560）均大于0.1，独立性较好；VIF值（1.607）、（2.013）、（1.897）、（1.785）均小于10，通过了多重共线性的线性诊断。因此，本文选取能源消费总量（TEC）、城市常住人口（RESI）、第二产业占地区生产总值比重（INST）及各市私人汽车拥有量（PCO）作为自变量，分析其对雾霾污染的关系。

表1 回归结果（自变量的确定）

为了全面衡量能源消费对雾霾污染浓度的影响，本文对能源消费的指标分为了三类：能源消费规模、能源消费质量及能源消费结构。见表2。

表2 变量选取及能源消费指标构建

能源消费规模指标。煤炭燃烧过程中伴随大量颗粒物排放[15]，能源消费总量作为反应能源消费规模的直接指标，对雾霾污染有着必然联系；而城市常住人口作为反映城市规模的重要指标，对能源消费有着重要影响，因此本文选取能源消费总量及城市常住人口代表安徽地区能源消费规模指标，研究能源消费规模是否对PM10 浓度造成显著影响。

能源消费质量指标。各市私人汽车拥有量对能源消费质量有着直接影响，由于目前汽车的燃料主要是汽油、柴油、液化石油气等，因此各市私人汽车拥有量增加反映了一定程度的能源消费质量的降低。

能源消费结构指标。第二产业占地区生产总值比重的优化可以促进工业能源的合理配置，提高工业能源的利用效率，从而优化能源的消费结构。因此本文选取第二产业占地区生产总值比重作为能源消费结构的指标科学合理。

此外，城市人口密度（DENS）及人均地区生产总值（PGDP）也可能对大气污染和雾霾浓度造成影响，但是通过逐步回归法挑选变量后，城市人口密度（DENS）及人均地区生产总值（PGDP）对于回归方程并不显著，因此本文并未选用。

1.3 多重共线性检验

依据SPSS 多重共线性检验结果显示，TEC（0.003）、RESI(0.000)、PCO（0.016）及INST（0.000）他们都通过了1%p值检验，表明在1%显着性水平的变量之间没有多重共线性，即独立性很强。结果见表3。

表3 多重共线性检验结果

1.4 平稳性检验

由表4 的单位根检验结果可知，变量PM10 在1%、5%、10% 3 个显著性水平下的临界值分别为-3.482879、-2.884477 和-2.57908，均大于t统计量-4.854779，拒绝原假设，表明残差序列不存在单位根，序列平稳；变量TEC 在1%、5%、10% 3 个显著性水平下的临界值分别为-4.034997、-3.447072和-3.148578，均大于t统计量-10.51248，拒绝原假设，表明残差序列不存在单位根，序列平稳；变量RESI 在1%、5%、10% 3 个显著性水平下的临界值分别为-4.039797、-3.449365 和-3.149922，均大于t统计量-19.30745，拒绝原假设，表明残差序列不存在单位根，序列平稳；变量PCO 在1%、5%、10%三个显著性水平下的临界值分别为-4.031899、-3.445590 和-3.147710，均大于t统计量-12.98895，拒绝原假设，表明残差序列不存在单位根，序列平稳；变量INST 在1%、5%、10%三个显著性水平下的临界值分别为-2.585226、-1.943637 和-1.614882，均大于t 统计量-7.712092，拒绝原假设，表明残差序列不存在单位根，序列平稳。

表4 ADF 单位根检验

本文选取的数据共计640 个，为了方便了解数据特点，随即对样本量进行相关描述性统计，详见表5。

表5 变量的描述性统计

2 模型构建与数据结果

2.1 模型构建

基于能源消费各变量和雾霾污染的多重共线性检验、平稳性检验和回归结果分析，同时确保能源消费各变量对雾霾污染的影响力度，本文选取方法和模型比较简单易用，对数据要求相对不高，能够得到合理结果的回归分析方法，以2010—2017年安徽省16 个城市面板数据为依据建立计量经济模型，以下是用Eviews 计算得出回归方程：

对多元线性回归方程进行了F统计值的检验，F（19.59568），p值（0.000000 ），1%p值检验通过，表明了自变量和因变量在多元回归方程中显著相关，该方程是可行的。

2.2 数据结果

各市私人汽车拥有量每增加1 辆，PM10 下降-1.47×10-5μg/m3即0.0000147 μg/m3,对PM10浓度造成的影响极小。

能源消费总量对PM10 浓度造成正向影响，能源消费总量每消耗1 万顿标准煤，PM10 上升0.005922 μg/m3，煤炭燃烧排放会伴随产生有害颗粒物，在潮湿气候下不易挥发，必然加重雾霾污染。

城市常住人口对PM10 浓度造成正向影响，城市常住人口每增加1 万人，PM10 上升0.049838 μg/m3，城市常住人口的增加会伴随者能源需求量的增大，交通压力增长以及大量污染物的排放，而这些是产生雾霾的重要因素。

第二产业占地区生产总值比重每增加1%，PM10 上升0.732148 μg/m3，对雾霾浓度造成正向影响。第二产业占地区生产总值比重增加会带来能源消耗量的急剧上升，进而伴随雾霾污染严重化。

2.3 格兰杰因果检验

格兰杰因果检验结果详见表6，TEC 是PM10的Granger 原因(0.0779)，在1%显著水平下接受了原假设；RESI 不是PM10 的Granger 原因（1.00×10-5），在1%显著水平下拒绝了原假设；PCO 不是PM10 的Granger 原因（4.22756），在1%显著水平下接受了原假设；INST 不是PM10 的Granger 原因(0.0002)，在1%显著水平下否定了原假设，因此RESI,PCO,INST 是导致PM10 变化的原因。

表6 格兰杰因果检验结果

2.4 脉冲响应结果分析

Granger 的因果关系检验只能显示变量之间是否存在因果关系，而不能反映因果关系改变的大小和过程。分析脉冲响应可以解决这个问题。基于VAR 模型，可以使用Eviews 软件获得脉冲响应曲线。由图1 可以得到如下结论：

(1)PM10 受到TEC 的冲击后在第一、第二期内快速下降，在第二期以后出现较小幅度的波动，在第八期达到最低值此后呈现相对平稳的状态。

(2)RESI 对PM10 产生正向影响作用下先升后降，在第三期达到了最高点，在第四期以后出现较小幅度波动，此后呈现出一个缓慢上升的状态。

(3)PCO 对PM10 产生正向影响作用下，第一期至第三期趋于平稳，第三期以后出现较小波动，于第六期达到了最低点，此后呈现出一个相对平稳的状态。

(4)PM10 受到INST 的冲击后，于第一期内快速下降，然后表现出较小幅度波动，总体呈上升趋势，于第九期内大到最大值，此后呈下降趋势。

图1 TEC,RESI,PCO,INST 对PM10 的冲击

3 结论及建议

实证结果表明，能源消费量的增加会加剧PM10 污染浓度，同时能源消费总量、城市常住人口及第二产业占地区生产总值比重对雾霾污染具有显著的正向影响。而各市私人汽车拥有量对PM10 的具有相对较小的负向影响。

（1）由于能源消费总量对PM10 产生正向影响，因此安徽省政府可以通过增大税收抑制以煤炭为主的能源消耗量，制定有效的环境绩效考核体系，从而达到减少雾霾污染的效果。同时，由于目前中国对新能源的补贴为财政支出的0.2%，而美国和德国的相关数字分别为0.4%和0.7%[16]。还需要通过减少税收等政策的颁布来鼓励清洁能源的使用，使大、中、小型企业转变以煤炭为主的能源消费结构，同时向使用清洁能源的方向转型，扶持绿色产业的发展。

（2）鉴于第二产业占地区生产总值比重对PM10 具有正向影响，安徽省政府应该适时调整产业结构，鼓励以服务业为主要的第三产业发展，支持高新技术产业的发展，减少以煤炭为主能源消耗量的使用，促进产业结构优化升级。

（3）伴随着城市常住人口的增加，PM10 污染更加严重，安徽政府应该加强宣传教育，通过学校、社区、企业及网络等多种渠道，提倡居民实行绿色、环保的生产和生活方式，普及使用太阳能和风能等清洁能源，同时鼓励居民对于不符合绿色、环保行为的群体或个人进行举报、监督，政府通过教育和罚款等措施进行惩罚，把减少雾霾污染发展成为所有居民共同的社会责任。

（4）最后也需要借鉴国内外雾霾治理的经验，对于有着长期雾霾治理经验的政府可以交流、学习雾霾治理措施，取长补短，既要做到有效的事后治理也要做到提前防御，同时参考安徽省本省的实际情况，因地制宜，制定出本省的有效治理政策，推动我省的雾霾治理走向更成熟的发展之路。