我国空气质量影响因素的实证研究*

胡 敏， 杨宜平

(重庆工商大学 数学与统计学院，重庆 400067)

0 引 言

在我国科技不断进步、经济快速发展以及综合国力不断提升的过程中，国民的幸福指数也在不断提升，但是环境污染问题也越来越严重，特别是大气污染问题。当一个地区或者一个国家的大气环境十分糟糕时，就表示该地区或该国家存在相当严重的空气污染问题。如果一个地区有着清新宜人的空气，不仅会让各种各样的植物茁壮成长，而且人们对生活的满意程度也会更高，更重要的是洁净的空气有益于人民的身心健康。

党的十九大报告明确指出建设生态文明是中华民族永续发展的大计，要像对待生命一样对待生态环境，要实行最严格的生态环境保护制度。因此，改善我国的空气质量势在必行，分析我国空气质量的影响因素十分必要。目前，研究我国空气质量的影响因素主要从污染以及治理两个方面着手，大气污染是影响空气质量的首要因素，而治理空气污染是改善空气质量的关键，所以将大气污染和空气污染的治理指标相结合来进行分析，对改善我国的空气质量具有一定的现实意义。

1 文献综述

近年来，一些学者都对我国的大气污染情况进行了研究。汪卓蓉[1]对2015年31个省市的空气质量通过灰色聚类进行了等级划分，并且利用面板数据建立了空间计量模型，结果显示大气污染和PM10呈正相关；徐衡[2]对宝鸡市空气质量的主要污染物PM2.5，O3的影响因素以及变化规律进行了研究，得出PM2.5和O3严重污染空气质量的结论；杜越[3]首先描述了我国AQI的时空分布，然后通过贝叶斯时空模型和广义线性模型研究气象和经济因素对AQI产生的影响，得出大气污染呈现明显的时空聚集性的结论；李静萍、周景博[4]通过结构方程模型就工业化和城市化进程对空气质量进行了研究分析；武鹏程[5]利用数据挖掘中的遗传神经网络模型以及灰色关联度的方法对武汉市的空气质量影响因素进行了实证分析；刘志勇、王琪延[6]通过STIRPAT模型，利用我国2005至2014年的省级面板数据分析了经济发展对空气质量的影响；梁鑫、谢佳利等[7]通过引入次要污染物，建立新的空气质量评价模型，对我国近三年主要城市的空气质量进行了评价分析；张燕杰[8]运用相关分析法和主成分回归分析法研究了空气污染物对AQI的影响程度；马素琳[9]在EKC曲线的基础上进行了城市经济发展的异质性对环境空气质量的影响研究。

从上述的这些文献可以看出，多数学者在研究空气质量这一主题的时候都是从单一维度来分析，比如“大气污染物对空气质量的影响，经济增长对空气质量的影响，工业化对空气质量的影响”等，将各类指标结合起来综合分析的比较少。学者们大多都是通过对面板数据建立空间模型或者利用数据挖掘的方法来进行分析，得到大气污染物会对空气质量产生负向影响的结果，很少有学者从分位数回归的角度去研究我国空气质量的影响因素。

2 指标选取与数据来源

2.1 指标选取

由于我国的空气质量受到各种各样的因素影响，故本文借鉴王斌会[10]和池建宇[11]等人的做法，选择了2008—2019年每年的“空气质量达到及好于二级的天数”作为被解释变量，反映我国31个省会城市每年的空气质量情况。解释变量的选取如下：

空气质量的污染指标。于晶晶[12]在研究空气质量的影响因素时，认为可以从第二产业产值和第三产业产值、城市绿地覆盖率和机动车保有量方面进行考虑。本文认为上述几个方面最终导致的直接结果就是空气中NO2增加，所以把NO2的年平均浓度作为影响空气质量的解释变量更直观。

人均地区生产总值。人均GDP能够反映一个地区的经济发展情况，环境的污染程度在不同的经济发展阶段也有着不一样的特征。比如在经济高速发展的阶段，人均GDP水平可能就会越高，就可能会造成严重的环境污染，但是也有可能会由于加大对环保的投入使得环境改善，所以研究经济增长与空气质量的关系是有必要的。

年末实有公共汽电车运营车数。苗一[13]认为积极发展公共交通是防治城市大气污染的有效对策，对改善城市的空气质量有一定的帮助；王言兴[14]提到“公交优先，绿色出行”已经受到国家的高度重视。绿色交通能够有效改善城市的生态环境并且减少环境污染，所以研究公共交通与我国空气质量的关系是有重要意义的。本文选取年末实有公共汽电车运营车数来表示公共交通。

2.2 数据来源

选取的研究区间是2008—2019年，研究对象是我国31个省会城市。其中2008—2018年空气质量达到及好于二级的天数(天)、NO2年平均浓度(μg/m3)、人均GDP和年末实有公共汽电车运营车数均来自历年的《中国统计年鉴》；2019年的人均GDP来自国家统计局，空气质量达到及好于二级的天数(d)和NO2年平均浓度(μg/m3)均来自空气质量历史数据查询网站。年末实有公共汽电车运营车数则是利用Excel工具通过对前11年的数据进行预测得到的。

3 实证分析

3.1 模型的构建

考虑构建的模型如下所示：

Ti，t=β0+β1Ni，t+β2lnQi，t+β3lnGi，t

(i=1，2，…，31)(t=1，2，…，11)

在这个模型中，Ti，t表示第i个城市在第t年的空气质量达到及好于二级的天数，Ti，t的值越大表示空气质量越好，把它作为因变量；Ni，t表示第i个城市在第t年NO2的浓度值；lnQi，t和lnGi，t分别表示第i个城市在第t年的年末实有公共汽电车运营车数和人均GDP。这3个变量作为自变量。

所有数据输入SPSS 16.0软件进行统计分析，计量资料均以表示，符合正态性分布，两组独立样本均数比较使用t检验，多组间比较使用方差分析，组间相互比较使用LSD检验，计数资料使用χ2分析。

3.2 基于固定效应模型分析

首先根据豪斯曼检验来确定具体应用哪种面板数据模型(固定效应模型或者随机效应模型)来对数据进行分析。豪斯曼检验的原假设H0是随机效应面板数据回归模型，通过Stata15.0软件可以得到如表1的结果：

表1 豪斯曼检验的结果Table 1 Results of Hausmann test

从表1的结果可以看出P值是0.000 7，在∂=1%的显著性水平下，是强烈拒绝原假设的，所以建立固定效应面板数据回归模型。同样利用软件，对影响我国空气质量的多种因素进行分析，得到如表2所示的结果。

表2 我国固定效应模型回归结果Table 2 Regression results of fixed effect model in China

通过表2可以得到以下的分析结果：

首先从参数显著性可以看出，在分析影响我国空气质量的这3个解释变量中，年末实有公共汽电车运营车数(lnQ)的P值是小于0.05的，表现出比较弱的显著性；而二氧化氮(NO2)和人均GDP的P值均是小于0.01的，表现出非常强烈的显著性。其次从系数角度来看，这3个解释变量对我国空气质量的影响都呈现负相关关系。NO2的年平均浓度每增加1 μg/m3，就会导致表示空气质量好的天数T减少3.37天，这可能和我国的工业污染和汽车尾气排放问题紧密相关。私家车和网约车的数量越来越多，导致各大城市排放的交通尾气严重污染空气。公共汽电车的运营数对改善空气质量的作用并不是十分显著，可能是因为公共汽电车在一定程度上不能完全代表公共交通，地铁和轮船等其他的一些公共交通也有着不可替代的作用。人均GDP每增加1%，会导致空气质量达到及好于二级的天数T减少1.82天，说明经济的快速增长是会使得环境恶化的。

3.3 基于分位数回归分析

由于分位数回归方法能够更加细致地刻画数据的分布特征，与均值回归相比，能够挖掘到更加丰富的信息，故本文考虑将分位数回归方法与面板数据进行结合建立模型。通过更加有效地利用全国的截面和时间数据，研究在不同的分位点下各个影响因素与空气质量的关系。由之前的固定效应模型可知：在空气质量污染指标中，NO2对空气质量的影响是最显著的，故在本节选择NO2浓度值、人均GDP和年末实有公共汽电车运营车数作为自变量进行分位数回归，通过利用R软件，得到表3和图1所示的9个分位点下的回归结果。

通过对表3的回归结果进行分析，可以得到以下两个方面的结论：

表3 分位数回归模型的参数估计Table 3 Parameter estimation of quantile regression model

(1) 面板数据固定效应回归模型和分位数回归模型的对比分析。将表2和表3的回归结果进行对比分析，可以发现二氧化氮(NO2)、人均GDP和 年末实有公共汽电车运营车数这3个自变量在不同分位点的参数估计值都大于固定效应模型回归的结果，这说明无论在低分位点还是高分位点，用分位数回归方法得到的参数估计值都是大于固定效应模型回归模型得到的估计值的。还可以发现利用分位数回归方法得到的lnQ的参数估计值都是正值，与之前回归得到的估计值的符号刚好相反，说明代表公共交通的年末实有公共汽电车运营车数的增加确实会对改善空气质量有帮助，这和之前大多数学者的研究结论是一致的。从以上两个方面可以看出：和固定效应回归模型相比，分位数回归的方法保留了自身的优点，使得参数估计值不受数据非正态和异方差等情况的影响，能够观测到在不同的分位点上解释变量对被解释变量的具体影响，而且得到的参数估计值的稳健性也更高，分位数回归可以更加全面且有效地对样本数据进行详尽分析，得到更多的信息。

(2) 解释变量参数估计值的变动分析。首先，从表3可以清楚地看到：在同一分位点上，不同自变量(N，lnQ，lnG)对空气质量的影响程度是不同的。具体表现如下：

从系数的符号来看，在代表空气质量的指标即空气质量达到及好于二级的天数的不同分位点下，二氧化氮(NO2)和人均GDP的参数估计值都是负值，说明对空气质量产生的都是负向影响；而年末实有公共汽电车运营车数的参数估计值是正值，说明会对我国空气质量造成正向影响。

从系数大小的绝对值角度来分析，在相同的分位数水平下，当τ≤0.4时，lnQ系数的绝对值最大，其次是N，最后是lnG；当τ>0.4时，lnQ系数的绝对值最大，其次是lnG，最后是N。从参数估计值的显著性来分析，在相同的分位数水平下，当τ<0.4时，N的参数估计值在∂=0.01的水平下全部都显著，lnQ和lnG只在0.1分位点时的显著性稍微弱一点；当τ≥0.4时，lnQ的参数估计值在∂=0.01的水平下全部都显著，N的大部分系数值在∂=0.05的水平下显著，lnG的绝大部分参数估计值在∂=0.01的水平下显著。说明无论在高分点还是低分位点，年末实有公共汽电车运营车数(lnQ)对空气质量的影响是最大的；在低分位点时，二氧化氮(NO2)对空气质量的影响比人均GDP(lnG)对空气质量的影响大；在高分位点时，人均GDP(lnG)对空气质量产生的影响要大于二氧化氮，与低分位点产生的影响是相反的。

图1可以很直观地看到各系数的变化趋势，在不同的分位点上，同一自变量对空气质量的影响水平也是不一样的。从总体上看是常数项的系数呈现一种先增加后减少的趋势。

二氧化氮(NO2)的系数都是小于0的，从整体上看一直都呈现出上升趋势，这表明NO2的增加会降低空气质量，随着因变量分位数水平的增加，这种影响逐渐减小，即在低分位点时，NO2的浓度值每增加1 μg/m3，空气质量达到及好于二级的天数会减少1～2 d，在高分位点时，空气质量达到及好于二级的天数会减少不到1 d。究其原因可能是在NO2浓度高的地方，空气中的有害有毒物质较多，会对空气质量的影响较大，反之则对空气质量的影响较小。

图1 9个分位点下的回归结果Fig. 1 Regression results under 9 quantiles

年末实有公共汽电车运营车数lnQ的系数都是大于0的，而且数值在5～20这个区间内波动，且呈现一种上升趋势，在τ=0.6时，达到一个最大值。说明lnQ的增加确实会改善空气质量，lnQ每增加1个百分点，空气质量达到及好于二级的天数都会增加。究其原因可能是大家出行使用公共交通的频次增多，降低了对私家车及网约车等的使用量，使得汽车尾气的排放量减少，从而降低了对空气的污染程度。

人均GDP(lnG)的系数都是小于0的，呈现的是先下降后上升的趋势。在τ=0.6时，达到一个最低值，说明经济增长的确是会造成空气质量的恶化，不过在τ=0.6之后，人均GDP对空气质量产生的负向影响逐渐减小，说明在经济增长比较缓慢的城市对空气质量的影响较小，在经济快速增长的城市会对空气质量的影响较大。

为了能够更加清晰全面地看到这3个因素对空气质量影响的变化情况，绘制了图2 所示的99个分位点下的回归结果图。

图2 99个分位点下的回归结果Fig. 2 Regression results under 99 quantiles

从图2可以看出：在绝大部分分位点，NO2对空气质量的影响都是负向的，NO2的系数随着分位数的增加，呈现出先增加后减少的趋势。公共交通lnQ对空气质量的影响一直都是正向的，从整体上看，在τ≤0.95时，lnQ的系数大多随着分位点τ的增加而逐渐增加；而在τ>0.95时，lnQ的系数随着分位点τ的增加而有所减少。人均GDP在最初的低分位点对空气质量的影响是正向的，但是随着分位点的增加，会对空气质量产生负向影响，且lnG的系数呈现出一种先减少后增加的趋势。总的来说，lnQ和lnG这两种因素在高分位点时对空气质量会产生较大影响，在低分位点时的影响较小，而NO2却与之相反，在低分位点时对空气质量会产生较大影响，在高分位点时的影响较小。

4 结论及建议

本文以2008—2019年我国31个主要城市的面板数据为基础，从固定效应模型和面板数据分位数回归模型两个方面对数据进行分析，研究了空气质量污染指标(NO2)、经济增长(人均GDP)以及公共交通(年末实有公共汽电车运营数)对我国空气质量的影响程度，可以得到如下的一些结论：

NO2和人均GDP都会对空气质量造成显著的负向影响，即NO2的年平均浓度每增加1μg/m3，就会导致表示空气质量好的天数平均减少3.37 d；人均GDP每增加1%，会导致空气质量达到及好于二级的天数平均减少1.82天，说明经济的快速增长是会使得环境恶化的。而公共交通对我国空气质量的负向影响并不是十分显著。

NO2在低分位点时对空气质量产生的负向影响较大，在高分位点时较低。与之相反，人均GDP在高分位点时与空气质量的负相关程度大于低分位点。而公共交通利用率的增加对我国空气质量的改善有着正向的推动作用，且在高分位点的正向影响大于低分位点。

根据本文的实证分析结果，给出如下的一些相关建议：

加大环境保护力度。提倡公众出行尽量利用公共交通，减少私家车及网约车的使用量，从而减少汽车尾气排放，鼓励大家采取骑单车或者坐地铁的方式绿色出行；同时要提高汽车的燃油质量，推行新能源的使用，并且加大对未达标的汽车的监管力度。

推进产业结构的绿色转型。对于一些排放未经处理废气的工厂，要严格监管，减少使用煤炭，提倡多使用清洁性能源。一方面，各大工业企业要加大对生产设备的投资，并引进较为先进的生产技术，尽量做到清洁生产，减少二氧化硫、二氧化氮等污染物的排放；另一方面，政府部门要关闭一些污染物排放不达标的工业企业，从而降低污染物的排放。

完善与环境污染相关的制度。相关部门要严格监管各地区的空气质量情况，对空气质量污染严重的情况进行实时通报，让公众出行做好防护措施；根据大气污染的相关政策，对严重污染空气质量的企业进行处罚，发动群众的力量共同监督；各大城市要加大力度排查“黄标车”，禁止排量过高的汽车进入城区，加强对车辆的环保监管力度。