基于结构方程模型的京津冀地区空气污染水平研究

金仁浩 林慕芳 曾国静 王莎

（北京物资学院信息学院，北京 101149）

1 引言

自2013 年“空气污染”成为年度关键词以来，空气质量问题得到各界广泛的关注。在京津冀地区，空气污染治理一体化更成为三地协同发展的重点任务。目前，京津冀地区大气污染相关的研究比较丰富，譬如，董芬等［1］、李令军等［2］和王占山等［3］对北京的PM10，O3，PM2.5等污染物的时空分布特征进行了研究，都得出了北京地区空气污染呈现出南差北好的场景，尤其在秋冬季比较明显。另有一些学者对京津冀地区雾霾产生的原因进行了研究，譬如，王玲芬等对河北各地市空气污染情况展开分析，得出城市自然因素、工业污染、冬季燃煤以及城市化进程的加快是大气污染的主因［4］。程雪雁等对京津冀地区城市群空气污染时空变化特征进行研究，得出该地区空气污染物在冬季呈现出明显的空间集聚，且空气质量会随地区政策、产业结构及自然环境等因素而发生时空变化［5］。李晓燕以京津冀三地空气污染天数为因变量建立回归模型，得出北京和天津的空气污染主要影响因素为建筑扬尘，而河北主要影响因素为汽车尾气［6］。当前，研究全国和其他地区空气质量及其影响因素的文献逐渐增多，主要研究方法与王玲芬等［4］、程雪雁等［5］、李晓燕［6］类似，都以描述性统计方法和回归分析为主，仅有洪宇［7］利用结构方程模型（SEM）基于全国31 个省市区2016 年数据分析了空气污染的影响因素，并指出空气污染本质上是受到地区经济发展和居民生活所排出的废气影响。

通过SEM 模型研究国内社会问题的文献自2010 年开始明显增多，主要基于问卷调查数据分析某项满意度或参与度与其潜在影响因素之间关系［8-9］。然而，SEM 模型还可以对非问卷数据进行分析，在探究潜变量之间影响关系的同时，还能实现对研究对象的综合评价［7］。

本文基于京津冀13 个市2011—2017 年相关数据，在构建空气污染指标体系的基础上，借助SEM模型研究影响空气质量的主要因素；并在SEM 模型拟合结果上构建空气污染综合评价模型，分析了京津冀地区空气污染状况的时空变化特征，研究结果可为政府部门制定相关政策提供一定的参考。

2 数据和方法说明

2.1 指标体系

为了实现京津冀地区空气污染影响因素分析和综合评价，根据空气污染的主要成分和影响因素建立3 级指标体系。一级和二级指标是不可测指标，二级指标可作为SEM 模型的潜变量；三级指标是可测指标，作为SEM 模型的显变量。具体的空气污染指标体系结构见表1。

表1 空气污染水平SEM 模型指标

2.2 SEM 模型

SEM 模型由结构模型和测量模型组成，通过设定一些可测变量（显变量）来反映不可测的潜变量，并可研究潜变量间的因果结构关系。SEM 模型中有潜变量和显变量2 种。潜变量是真实存在但又无法观测和测量的变量，譬如本文中的“空气污染”“居民生活”“第二产业发展”；显变量是可以观测和测量的变量，是对应潜变量的外在体现，如本文中的“二氧化硫排放量”“烟（粉）尘排放量”“第二产业增加值”等指标。在SEM 模型因果结构路径图中，只影响其他变量而不受其他变量影响的变量称为外生变量，一般表示为只有箭头指向其他变量，而没有其他变量指向它；内生变量是可影响其他变量也可被其他变量所影响，在路径图中既有指向它的箭头也有它指向其他变量的箭头。SEM 模型既能够分析潜变量间的因果影响关系，还能实现对研究对象的综合评价，非常适合本文的研究目的。

SEM 模型的估计方法通常分为2 类：基于协方差矩阵的估计方法（CB－SEM）和基于方差的偏最小二乘法（PLS－SEM）。常用的极大似然（ML）、加权最小二乘（WLS）、广义最小二乘（GLS）等估计方法都属于CB－SEM 类方法，此类方法适用于样本量较大且数据服从正态分布情形。PLS－SEM 是CB－SEM 估计的候补方法，适用性较广，尤其在样本量较小和显变量数据不服从正态分布情形时。在非问卷调查的研究中，数据往往会出现不符合正态分布现象，故应采用PLS－SEM 估计方法［14］。本文所涉及的样本量较小，且经Shapiro－Wilk 和Kolmogorov－Smirnov 正态性检验可知，表1 中9 个显变量都不服从正态分布，因此选用PLS－SEM 估计方法作为本文模型的估计方法，并使用SmartPLS3 软件对数据进行建模分析。由于各显变量指标不服从正态性假设，本文采用极差变换法实现指标数值的无量纲化处理。

3 SEM 模型实证分析

3.1 模型设定

如表1 所示，本文设定“空气污染”“第二产业发展”“居民生活”是SEM 模型的潜变量，“空气污染”是模型的内生潜变量，而“居民生活”和“第二产业发展”是造成“空气污染”的外生潜变量。表1 中所示的9 个显变量是SEM 模型的观察变量，其中，“二氧化硫排放量”和“烟（粉）尘排放量”是内生显变量，直接反映空气污染程度，其他7 个观测变量是模型的外生显变量，间接影响空气污染的发生程度。基于这些设定，建立如下模型分析空气污染程度：

式（1）表示测量模型，Vij表示潜变量LVi对应的第j个测量变量；εij为对应的随机误差项。式（2）为结构方程模型，表明内生潜变量LV1与外生潜变量LV2和LV3之间的线性影响关系；ε 表示不能由模型解释的误差项。

3.2 模型拟合结果

基于模型假设H01，H02和相关设定，最终建立了“第二产业发展”和“居民生活”对“空气污染”影响的SEM 模型，结果如图1 所示。本文还考虑了“第二产业发展”和“居民生活”之间相互影响的路径情形，但模型部分参数估计未通过显著性检验；而且从经济和社会角度分析，“居民生活”水平主要受到“第三产业”的影响，受“第二产业发展”影响较少，因此最终建立的模型未考虑两个外生潜变量之间相互影响的情形。

图1 空气污染影响的SEM 模型（标准化系数及P 值）

3.2.1 模型效果评价

SEM 模型的解释能力通常通过拟合优度指标R2衡量，该指标大于0.66 时，模型拟合程度良好；大于0.35 时，模型拟合程度中等；大于0.19 时，模型拟合程度较差［5］。本文建立模型的R2值为0.459，表明模型具有中等解释能力，可对潜变量间的影响关系做进一步分析。

由图1 可知，每个显变量与其潜变量的标准化载荷系数都大于0.7，P 值均小于0.05，通过显著性检验，表明显变量与潜变量之间相关性较高，显变量是相应潜变量的代表性变量且归属性较强，显变量具有较好的信度。另外，分别对“空气污染”“第二产业发展”“居民生活”这3 个潜变量所对应的测量模型进行效果评价，相关评价指标见表2。这3 个潜变量的克朗巴哈信度系数（Cronbach′s Alpha）都大于0.55，“第二产业发展”和“居民生活”的信度系数值大于0.9，说明测量结果的一致性较好，每个潜变量所对应的显变量指标测量一致的潜变量特质。这3个潜变量的组合信度（CR）都大于0.7，也反映了每个潜变量所对应的显变量指标一致性地解释了该潜变量，表明每个潜变量都具有较好的建构信度。平均抽取方差值（AVE）是聚合效度（收敛效度）的一种衡量标准，表示潜变量解释其所对应显变量指标变异的程度。这3 个潜变量的AVE 依次为0.646，0.882，0.949，均大于0.5，每个潜变量都具有较好的收敛效度，表明每个潜变量都较好地解释了各自所对应的显变量指标。

表2 测量模型评价结果

区分效度是指某潜变量构面根据实证标准真正区别于其他潜变量构面的程度。

Fornell－Larcker 标准是评估区分效度的常用方法之一，其结果见表3。主对角线上数据为表2 中每个潜变量AVE 的平方根；非主对角线上数据为潜变量之间的相关系数，代表潜变量解释彼此间的变异程度。当潜变量的AVE 值平方根大于其与其他潜变量的相关系数，表明该潜变量与其下辖显变量指标分享了更多的变异，也说明该潜变量区别于其他潜变量程度较大。由表3 可知，主对角线上数值均大于所在行和列其他数值，表明本文所设潜变量区分度较好。综合上述相关模型检验结果可知，本文所建的模型具有较高的科学合理性。

表3 基于Fornell－Larcker 标准的区别效度分析

3.2.2 路径分析

由图1 可知，显变量“二氧化硫排放量”和“烟（粉）尘排放量”的标准化载荷系数分别为0.961 和0.708，且通过显著性检验，符合SEM 模型设定条件（2），说明这2 个指标对“空气污染”有较大的正向影响。另外，“第二产业发展”对“空气污染”的标准化路径系数为0.859，“居民生活”对“空气污染”的标准化路径系数为0.669，这2 个路径系数都足够大且有较高的显著性，说明这2 个外生潜变量对“空气污染”有较高的解释性，同时还表明“第二产业发展”造成的“空气污染”要比“居民生活”的影响更严重。该结果符合结构方程假定条件，且模型假设H01和H02均通过显著性检验，即“第二产业发展”和“居民生活”对“空气污染”都有显著的正向影响。

显变量“第二产业增加值”“第二产业企业单位数”和“第二产业从业人数”的标准化载荷系数依次为0.979，0.867，0.968，影响力都较大，符合SEM 模型设定条件（1）。说明这些指标因素尽管对地区“第二产业发展”有着促进作用，但也会带来地区空气质量的下降。从实际角度分析，包含工业、建筑业在内的第二产业在生产活动中产生的废气和烟粉尘会造成空气污染。

显变量“城市集中供热总量”“城市液化石油气供气总量”“居民电力消费量”和“民用汽车拥有量”的 标 准 化 载 荷 系 数 分 别 为0.983，0.978，0.974，0.963，影响力都较大，符合SEM 模型设定条件（1）。说明这些指标因素尽管能反映地区经济发展和居民生活状况，但同样也会带来地区空气质量的下降。从实际角度分析，燃煤供热和火力发电所产生的硫和氮的氧化物及粉尘会对城市空气质量产生影响。

4 空气质量综合评分

根据SEM 模型拟合结果，可对京津冀地区13个市空气污染水平建立综合得分模型，模型如下：

式（3）中，Vji是表1 中所对应的显变量，并通过极差变换进行了标准化处理；wji为表1 中3 个潜变量的权重系数；fji为9 个显变量的权重系数。第j 个潜变量对应的权重wji是根据3 个潜变量的路径系数进行归一化处理所得，并假定“空气污染”自身的路径系数为1。第j 个潜变量所属显变量Vji的权重fji是对同一潜变量下的显变量载荷系数进行归一化处理所得。

京津冀地区13 个市2011—2017 年空气污染水平综合得分如图2 所示，得分越高空气污染程度越大。

图2 京津冀地区13 个市2011—2017 年空气污染水平综合得分

由图2 可知，2011—2017 年，京津冀13 个市空气污染水平整体上呈现下降的态势，说明三地政府空气污染治理一体化工作取得显著成效。其中，北京、天津和唐山空气污染相对严重，得分明显高于其他城市，但下降幅度较大。北京和天津是该地区的大城市，虽然最近几年陆续完成了产业优化和转型升级，淘汰了大量高污染低效率的制造业、化工业、建材业等行业企业，但居住着较多的人口，居民生活所带来的空气污染依旧相对比较重。唐山是河北重要的经济和工业城市，居住人口和第二产业企业较多，因而空气污染程度明显高于其他城市。石家庄、邯郸和保定的空气污染得分处于中间水平，空气污染水平偏高。这主要是因为石家庄作为河北省省会城市，居住人口多且第二产业在省内也位居前列；邯郸是典型的工业城市、钢铁城市，氮硫化物和烟粉尘排放量较大；保定是河北较大城市，且承接了大量北京外迁企业。邢台市的空气污染水平在2014 年之前和保定综合得分相差很小，但从2015 年开始综合得分下降幅度较大，2017 年已达到较低水平，表明邢台市政府在淘汰落后产能、降低居民取暖和工业生产对煤炭依赖方面的工作取得了积极成效。

5 结论与建议

北京及其周边地区的空气质量一直受到国内外的广泛关注，本文在构建空气污染指标体系的基础上，通过SEM 模型对京津冀地区空气污染的影响因素进行分析，对京津冀三地13 个市近几年的空气质量进行了综合评分。

5.1 结论分析

由SEM 模型的结果可知，“第二产业发展”和“居民生活”对京津冀地区空气质量有正向的影响，且前者的影响更大，说明地区经济发展和居民生活都会导致空气质量的下降。

从实际情况分析，第二产业所包含的工业、建筑等行业在生产活动中，易产生大量废气、扬尘等颗粒物污染空气环境，本研究结果还表明，第二产业仍是造成京津冀地区空气污染的主要因素。北京和天津通过产业结构升级和低端产业外迁等方式降低了第二产业的比重，但河北省仍未摆脱主要通过第二产业带动其经济发展的状况，以第二产业为主的产业结构所带来的空气污染不容忽视。

居民生活也是造成京津冀地区空气污染的重要因素，在实行清洁能源政策以前，京津冀地区冬季主要靠燃煤取暖，目前河北省仍有不少地区使用该取暖方式，燃煤取暖是造成冬季雾霾天气的因素之一。另外，京津冀地区人口基数大，每年对用电量的需求都保持增长趋势，而该地区主要通过火电站进行供电，这将带来大量碳排放和粉尘污染。居民汽车保有量也呈现逐年增多的趋势，汽车尾气中含有大量的固体悬浮微粒、氮氧化物及硫氧化合物等，也是空气污染的重要影响因素之一。

通过京津冀地区2011—2017 年空气污染水平综合得分可知，该地区空气污染治理总体上取得较好的效果，空气污染水平不同程度地下降，其中，北京、天津、唐山、邯郸下降幅度较大。这4 个城市实现污染程度大幅下降的方式主要是通过产业优化、转型升级和降低第二产业污染物排放量，这进一步说明第二产业是造成该地区空气污染的主要因素。

5.2 相关建议

在上述研究结果分析的基础上，针对京津冀地区未来空气污染的治理提出以下3 点建议：

（1）推动产业结构调整是京津冀地区空气污染治理的关键所在。各地政府应不断推进产业结构调整和升级，淘汰落后产能，努力提高第三产业在当地经济发展中的比重，通过积极发展第三产业来弥补限制第二产业发展所带来的损失。目前河北省大部分城市在产业结构调整方面的工作较北京和天津有较大不足，但存在着一定的潜力，京津冀地区空气质量仍有较大的提升空间。

（2）不断推动清洁能源在日常生产和生活中的应用。煤炭和石油类等能源在燃烧过程中会产生大量污染物，是空气污染的主要成因。各地政府要多方协调、积极发展清洁能源，制定相应政策鼓励企业和民众用清洁能源代替污染性能源在生产和生活中的应用。河北省政府要借鉴北京和天津的成功经验，积极推进清洁取暖“煤改”工程，并加大对农村地区“煤改”补贴力度。京津冀三地政府还要加大对民众绿色出行的宣传，鼓励民众优先乘坐公共交通工具出行，并积极发展新能源汽车，提高新能源汽车的保有率。

（3）完善应对秋冬季重污染天气的政策措施。虽然第二产业发展是造成京津冀地区空气污染的主要因素，但政府在应对重污染天气时应进行科学合理有效的管理，避免“一刀切”对企业经济造成影响。应根据污染严重程度分级进行工业停限产，针对环境污染企业采取有效管理措施，定期监督污染物排放情况。