长江经济带大气颗粒物的社会经济影响因素分析

摘 要：运用空间回归分析的方法研究主要社会经济指标对长江经济带PM2.5和PM10浓度的潜在影响。结果表明：地区生产总值、第二产业占比、人口密度和建成区绿化覆盖率均对本地的PM2.5和PM10浓度有正向影响，其影响程度为：地区生产总值>第二产业占比>建成区绿化覆盖率>人口密度。总之，区域间联防联控、不同类型污染物之间的协同治理和转变经济发展方式可从根本上解决长江经济带PM2.5和PM10污染问题，推动长江经济带生态环境保护和经济高质量发展。

关键词：PM2.5 PM10 长江经济带 社会经济因素 空间回归分析

作为我国新时代经济发展的战略支撑带，长江经济带横跨中国东中西三大区域，覆盖11个省市，具有独特优势和巨大发展潜力[1-2]。近年来，随着工业化和城镇化进程的不断推进，长江流域沿岸第二产业迅速发展，然而，长江经济带先前的经济发展主要依赖于资源和要素驱动[1]，高密度的人口产业布局和高耗能、高排放、高污染的生产生活方式容易引起区域内大气环境中PM2.5和PM10颗粒物浓度的升高，进而带来严重的大气环境问题[3]。因此，探索长江经济带大气颗粒物（PM2.5和PM10）社会经济驱动因素，对于推动长江经济带工业绿色发展和经济高质量发展具有重大的意义。

一、数据来源

本文选取2018年长江经济带126个城市级PM2.5和PM10月浓度数据和对其影响较大的四个社会经济因素变量。其中，2018年长江经济带所属的126个地级市（不包括湖北天门、仙桃、潜江和神农架）的PM2.5和PM10浓度的月值实时监测数据来源于“空气质量在线监测分析平台（https：//www.aqistudy.cn/）”。四个社会经济指标主要包括地区生产总值、第二产业占比、人口密度和建成区绿化覆盖率，其统计数据主要来源于“长江经济带大数据平台（http：//yreb.sozdata.com/）”和国家统计局公布的《中国城市统计年鉴》，部分数据也来源于各城市公布的2018年国民经济和统计发展公报。

二、研究方法

为了评估社会经济指标对长江经济带PM2.5和PM10浓度变化的潜在影响，本文引入空间回归分析的方法进行深入探讨。考虑到长江经济带PM2.5和PM10常具有空间异质性和空间依赖性，在进行空间计量经济模型（空间滞后模型（SLM）和空间误差模型（SEM））分析之前，需应用经典线性回归模型（OLS）进行相关性和显著性检验。

经典OLS模型的公式如下[2]：

lnPMi=α+β1lnGDP+β2lnIndustry+β3lnGreen+β4lnPopden+ε（1）

式中，lnPMi为长江经济带大气颗粒物（i = 2.5或10）浓度的对数值;α为截距项;βj（j=1，2，3，4）为各社会经济指数的估计系数;lnGDP为地区生产总值的对数值;lnIndustry为第二产业占比的对数值;lnGreen为建成区绿化覆盖率对数值;lnPopden为人口密度的对数值;ε为随机误差。

空间滞后模型（SLM）主要用于分析长江经济带PM2.5或PM10观测值之间的空间依赖、扩散和溢出效应，计算公式如下[2]：

式中，y为因变量;W为空间权重矩阵（n×n）;Wy为空间滞后因变量;ρ为空间自回归系数，反映了相邻空间单元观测值的空间溢出的影响程度与方向;X为解释变量矩阵（n×k）;β为回归系数矩阵（k×1）;ε为满足分布的随机误差项。

空间误差模型（SEM）主要用于长江经济带PM2.5或PM10观测值存在的空间误差项的空间相关性，计算公式如下[2]：

式中，y、W、X、β和ε的具体含义同公式（2）;Wε为空间误差滞后项;λ为误差项的空间自回归系数;μ为服从正态分布的随机误差项。

按照Anselin 提出的判别方法，MoransI检验、Lagrange Multiplier （LM）-Lag检验、LM-Error检验、Robust LM-Lag检验和Robust LM-Error检验可用于判别空间计量经济模型（SLM和SEM）的适用性[4-5]。此外， 模型的决定系数（R2）、对数似然值（LogL）、赤池信息准则（AIC）、施瓦茨准则（SC）等指标也可用于判别模型的拟合效果[4-5]。一般而言，R2和LogL值越大，AIC和SC值越小，模型拟合效果越好[4]。

三、结果与讨论

本文使用OLS模型对四种社会经济因素对2018年长江经济带PM2.5和PM10影响进行初步判断，结果见表1。由表1可知，PM2.5和PM10的Morans I的统计量分别为9.897和10.184，都通过了0.01的显著性检验，说明其回歸残差具有明显的空间依赖性。OLS模型中Breusch-Pagan和Koenker-Bassett检验的P值都小于0.05，说明随机项误差存在异方差，与OLS模型中随机误差项应满足同方差性的前提条件不符[4]。因此，应考虑基于空间依赖因素的SLM和SEM模型来取代OLS模型进行深入分析。此外，PM2.5和PM10的LM-Lag和LM-Error都通过了0.01的显著性检验，但LM-Error的统计量大于LM-Lag的统计量，且Robust LM-Error通过了0.01的显著性检验，但Robust LM-Lag未通过0.01的显著性检验，根据Anselin模型选择判别标准，SEM模型更适合研究长江经济带PM2.5和PM10浓度的空间依赖特征。

三种空间回归模型（OLS、SLM和SEM）的估计结果见表2。2018年長江经济带PM2.5和PM10三种模型的R2、LogL、AIC和SC的大小关系可用于判断模型选择的合理性。长江经济带PM2.5和PM10对应的SLM和SEM模型的R2和LogL均大于OLS，AIC和SC均小于OLS，说明引入SLM和SEM对于研究长江经济带大气颗粒物的空间异质性和空间依赖性是有必要的。此外，SEM的R2和LogL均大于SLM，AIC和SC均小于SLM，说明长江经济带PM2.5或PM10存在的空间误差项的空间相关性。对比四种社会经济变量对大气PM2.5和PM10的影响可知：地区生产总值和第二产业占比的系数为正，且通过显著性检验，说明经济发展水平和经济发展模式对长江经济带PM2.5和PM10浓度变化具有较大的影响。建成区绿化覆盖率和人口密度的系数为正，但未通过显著性检验，说明建成区绿化覆盖率和人口密度对长江经济带PM2.5和PM10浓度变化有正向的作用，但这种作用不太显著。这主要是由于2018年我国人口增长放缓和城区绿化建设仍较为薄弱等原因导致的。总之，对比四种社会经济变量的系数及显著性，对长江经济带PM2.5和PM10浓度的影响强度由大到小依次为：地区生产总值>第二产业占比>建成区绿化覆盖率>人口密度。

四、研究结论

PM2.5和PM10等大气颗粒物作为常见的大气污染物，长期超标将会对长江经济带大气环境质量和人类的生命健康产生极大的危害，不利于经济高质量发展和社会可持续发展。本研究分析了长江经济带大气PM2.5和PM10的浓度变化特征及其驱动因素，用SEM模型能够更好地反映2018年长江经济带PM2.5和PM10年均浓度的空间依赖性，四种社会经济变量对PM2.5和PM10的影响程度为：地区生产总值>第二产业占比>建成区绿化覆盖率>人口密度。

参考文献：

[1]黄磊，吴传清.长江经济带城市工业绿色发展效率及其空间驱动机制研究[J].中国人口·资源与环境，2019，29（08）：40-49.

[2]杨冕，王银.长江经济带PM2.5时空特征及影响因素研究[J].中国人口·资源与环境，2017，27（01）：91-100.

[3]黄小刚，赵景波，曹军骥，等.长江经济带PM2.5分布格局演变及其影响因素[J].环境科学，2020，41（03）：1013-1024.

[4]黄小刚，邵天杰，赵景波，等.汾渭平原PM2.5浓度的影响因素及空间溢出效应[J].中国环境科学，2019，39（08）：3539-3548.

[5]Anselin L. Spatial econometrics：methods and models [M]. New York：Springer Science & Business Media， 1988：55-76.

〔司晶晶，中国地质大学（武汉）经济管理学院〕