王素鳳，許 悅

(安徽建筑大學(xué) 經(jīng)濟(jì)與管理學(xué)院，安徽 合肥 230601)

隨著國內(nèi)工業(yè)化及城鎮(zhèn)化快速推進(jìn)，霧霾污染呈現(xiàn)發(fā)生頻率高、影響范圍廣、治理難度大、出現(xiàn)常態(tài)化的特點(diǎn)[1]。自然、社會、經(jīng)濟(jì)、生態(tài)的可持續(xù)發(fā)展遭受了嚴(yán)重影響，如何控制并緩解霧霾污染已成為當(dāng)下工作重心。

在經(jīng)濟(jì)持續(xù)高速發(fā)展當(dāng)下，長三角三省一市共計(jì)26座城市常住人口逐年上升，城市化率日益增長，城市人均可支配收入于2006年相比漲幅3—4倍，城市人均居住面積、人均能源消費(fèi)量、汽車擁有量相較2006年漲幅較大，城市人口密度大幅提高。長三角城市居民對生活質(zhì)量要求不斷提高，消費(fèi)數(shù)量、質(zhì)量、結(jié)構(gòu)上均有所轉(zhuǎn)變。由于其經(jīng)濟(jì)結(jié)構(gòu)復(fù)雜，城市發(fā)展迅速，人口相對密集，能源消耗集中，居民消費(fèi)行為排放的大氣污染物超出了環(huán)境承載力。且長三角地區(qū)氣候濕潤，污染物排放后不易擴(kuò)散，積聚后更易加劇PM2.5。長三角成為繼京津冀、珠三角后霧霾重災(zāi)區(qū)，PM2.5成為人民日常性關(guān)注問題[2]。

國內(nèi)外學(xué)者就霧霾成因及時空分布特征進(jìn)行了深入研究[3-4]，認(rèn)為不合理的工業(yè)結(jié)構(gòu)及工業(yè)燃煤排放的大量污染物是霧霾的主要來源；霧霾污染還具有顯著的季節(jié)變異性及地區(qū)差異性[5]。另有學(xué)者指出人為活動排放的大量顆粒物導(dǎo)致了霧霾天氣的產(chǎn)生[6]；張小玲分析2007及2008年奧運(yùn)會期間北京市區(qū)和郊區(qū)PM2.5的元素特征，得出PM2.5來源相似，主要是人為排放源；史海霞指出對城市居民PM2.5減排行為的正確引導(dǎo)可有效緩解我國霧霾污染。由此可知，學(xué)者們更多從工業(yè)角度出發(fā)研究霧霾成因及治理，居民生活消費(fèi)領(lǐng)域重視度不足，而規(guī)范居民主體的不合理消費(fèi)行為相較于企業(yè)行為難度更大。

文章探索長三角居民消費(fèi)行為對霧霾影響，完善居民消費(fèi)行為對霧霾影響理論研究機(jī)制，彌補(bǔ)霧霾治理政策有關(guān)居民消費(fèi)行為規(guī)范的不足。文章基于長三角2006—2016年26座城市居民消費(fèi)行為的面板數(shù)據(jù)，利用逐步回歸法等多種分析方法實(shí)證研究該地區(qū)居民消費(fèi)行為對霧霾污染的影響。并對在霧霾污染治理過程中，對居民消費(fèi)行為等方面提出合理意見。

1 理論分析與指標(biāo)設(shè)計(jì)

1.1 理論分析

從社會經(jīng)濟(jì)角度出發(fā)，陳宇峰[7]指出人口過度密集與城市化的快速進(jìn)程加劇了霧霾污染；劉曉紅等指出城市人均可支配收入對PM2.5有負(fù)向影響，工業(yè)化對PM2.5有正向影響[8]；陳弄祺等通過多元線性回歸方程實(shí)證分析得出房屋建筑施工面積及能源消耗對霧霾具有顯著性影響[9]；李曉燕指出建筑粉塵及汽車尾氣分別對北京及河北霧霾產(chǎn)生影響最大[10]；仁毅等指出人口密度、第二產(chǎn)業(yè)比重及對外開放程度均與霧霾顯著正相關(guān)[11]；Koo和Chung研究FDI流入后中國及印度后，在短期及長期觀察下環(huán)境均有惡化，證明了“污染天堂”的假說[12]。

基于現(xiàn)有霧霾成因相關(guān)假設(shè)及實(shí)證分析，考慮居民消費(fèi)行為可量化前提，可從人口、城市化率、可支配收入、居住面積、生活能源消耗、汽車保有量及人口密度七個方面衡量居民消費(fèi)行為，將第二產(chǎn)業(yè)及外商直接投資作為控制變量考慮其可能帶來的污染影響。

1.2 指標(biāo)設(shè)計(jì)

1.2.1 因變量

霧霾污染值(PM2.5)。PM2.5是引起霧霾天氣的主要污染物，其濃度可直接反應(yīng)霧霾污染狀況[13]。因長三角城市群PM2.5濃度數(shù)據(jù)監(jiān)測起始時間較晚且不一致，本文PM2.5數(shù)據(jù)源于哥倫比亞大學(xué)社會經(jīng)濟(jì)數(shù)據(jù)和應(yīng)用中心、基于衛(wèi)星監(jiān)測的全球PM2.5濃度年均值的遙感數(shù)據(jù)。利用ArcGIS軟件解析成2006—2016長三角地區(qū)城市尺度的EXCEL格式數(shù)據(jù)，彌補(bǔ)了長三角地區(qū)PM2.5濃度數(shù)據(jù)監(jiān)測較晚的不足。將研究起點(diǎn)定于2006年，剖析經(jīng)濟(jì)進(jìn)入飛速發(fā)展下的11年中，長三角居民消費(fèi)行為轉(zhuǎn)變對PM2.5濃度造成的影響，為消費(fèi)行為轉(zhuǎn)型提出建議。

1.2.2 自變量

基于國內(nèi)外學(xué)者研究得出霧霾影響因素及居民消費(fèi)行為可量化性，挑選出可能造成霧霾影響自變量七個：城市常住人口(RESI)、城市化率(RATE)、城市人均可支配收入(PCDI)、城市人均居住面積(PLA)、城市常住人口人均能源消費(fèi)量(PEC)、平均每百戶城市居民家庭年末家用汽車擁有量(PCO)及城市人口密度(DENS)。

為保證多元線性回歸方程中，自變量與因變量間線性關(guān)系均顯著，且自變量的變化對因變量具有較大影響，文章采取逐步回歸法，經(jīng)過變量篩選得出結(jié)果詳見表1。RESI、PCDI、PEC及DENS中p值(0.011)(0.000)(0.000)(0.000)均通過1%檢驗(yàn)，說明變量顯著性較好；VIF值(1.258)(1.193)(1.010)(1.141)均小于10通過共線性診斷。因此本文選取城市常住人口(RESI)、城市人均可支配收入(PCDI)、城市常住人口人均能源消費(fèi)量(PEC)及城市人口密度(DENS)分析其對霧霾影響。

表1 自變量的篩選結(jié)果(逐步回歸法)

注：因變量為PM2.5污染。

為全面衡量居民消費(fèi)對霧霾影響，本文將居民消費(fèi)指標(biāo)歸為三類：消費(fèi)數(shù)量、消費(fèi)質(zhì)量及消費(fèi)結(jié)構(gòu)。

消費(fèi)數(shù)量指標(biāo)。城市常住人口作為衡量不同城市規(guī)模的重要指標(biāo)，對居民消費(fèi)行為造成PM2.5的影響有著直接聯(lián)系。文章就城市常住人口代表長三角地區(qū)消費(fèi)數(shù)量指標(biāo)，研究長三角城市常住人口數(shù)量的變化是否對PM2.5濃度有顯著性影響。

消費(fèi)質(zhì)量指標(biāo)。在考慮資金時間價值情況下，將城市人均可支配收入折算為2005年不變價，長三角地區(qū)2016年P(guān)CDI是2006年的2.5—3.5倍。伴隨長三角地區(qū)經(jīng)濟(jì)迅速發(fā)展，PCDI已成為居民消費(fèi)質(zhì)量提高的重要標(biāo)準(zhǔn)之一,對居住面積、能源及汽車需求均有所上漲，污染物呈過度排放趨勢。

煤炭燃燒過程中伴隨大量顆粒物排放，城市常住人口人均能源消耗量與霧霾污染程度有著必然聯(lián)系。在能源供給有限，而需求不斷增長的情況下，城市常住人口人均能源消費(fèi)量的降低是消費(fèi)質(zhì)量提高的重要標(biāo)志。本文通過城市人均可支配收入及城市常住人口人均能源消費(fèi)量的數(shù)據(jù)反映消費(fèi)質(zhì)量對PM2.5濃度是否有顯著性影響。

消費(fèi)結(jié)構(gòu)指標(biāo)。一定區(qū)域內(nèi)居民聚集程度影響著商業(yè)配套設(shè)施的布局，城市人口密度對消費(fèi)結(jié)構(gòu)起決定性作用。調(diào)整大中型城市人口密度是優(yōu)化消費(fèi)結(jié)構(gòu)必經(jīng)之路。長三角地區(qū)城市人口密度高，集中排放大量污染物，帶來的破壞影響超出了環(huán)境承載力，因此選取城市人口密度代表消費(fèi)結(jié)構(gòu)指標(biāo)探討其對PM2.5濃度影響科學(xué)合理。

此外衡量工業(yè)化水平的全市第二產(chǎn)業(yè)從業(yè)人員數(shù)(INST)及長三角地區(qū)憑借其便利的地理位置以及經(jīng)濟(jì)開放程度吸引的大量外商直接投資(Foreign Direct Investment,FDI)[14]也是可能造成環(huán)境惡化、霧霾濃度增加的原因。但通過逐步回歸挑選變量后INST及FDI對霧霾影響并不顯著，所以本文并沒有將其納入模型。

長三角地區(qū)26座樣本城市的測度指標(biāo)數(shù)據(jù)來源于2007—2017年11年間的哥倫比亞大學(xué)公布的PM2.5衛(wèi)星監(jiān)測遙感數(shù)據(jù)、《中國城市統(tǒng)計(jì)年鑒》以上海、南京、杭州、合肥等26座城市相應(yīng)年份的統(tǒng)計(jì)年鑒及國民經(jīng)濟(jì)發(fā)展統(tǒng)計(jì)公報等，變量選取及消費(fèi)指標(biāo)構(gòu)建詳見表2。

表2 變量選取及消費(fèi)指標(biāo)構(gòu)建

1.2.3 多重共線性檢驗(yàn)

根據(jù)多重共線性檢驗(yàn)，RESI(0.0108)、PCDI(0.0000)、PEC(0.0000)、DENS(0.0001)均通過1%p值檢驗(yàn)，說明在1%顯著性下變量之間不存在多重共線性，及變量之間有較好的獨(dú)立性，多重共線性檢驗(yàn)結(jié)果詳見表3。

表3 多重共線性檢驗(yàn)結(jié)果

2 實(shí)證檢驗(yàn)

2.1 單位根檢驗(yàn)

對變量采取ADF單位根檢驗(yàn)，ADF(0.0000)通過1%水平的顯示性檢驗(yàn),說明變量序列平穩(wěn)，可以建立VAR模型。

2.2 回歸方程

將通過多重共線性檢驗(yàn)、ADF單位根平穩(wěn)性檢驗(yàn)且顯著影響PM2.5濃度的居民消費(fèi)行為作為自變量，將PM2.5濃度數(shù)據(jù)作為因變量，建立霧霾影響因素多元線性回歸方程：

(1)

將2006—2016長三角地區(qū)面板數(shù)據(jù)帶入計(jì)量經(jīng)濟(jì)模型，用Eviews計(jì)算得出回歸方程：

(2)

對多元線性回歸方程顯著性進(jìn)行F檢驗(yàn)，F(xiàn)(18.8151),p值(0.0000)，通過1%p值檢驗(yàn)，說明多元線性回歸方程中自變量與因變量線性關(guān)系顯著，方程可行。

2.3 模擬結(jié)果分析

消費(fèi)數(shù)量指數(shù)中城市常住人口每增長1萬人，PM2.5濃度值下降0.0058μg/m3，對PM2.5濃度值造成負(fù)向影響。因城市常住人口的增長伴隨家庭規(guī)模的擴(kuò)大，而家庭規(guī)模是抑制污染物排放的主要驅(qū)動因素。因此，城市常住人口的增長進(jìn)而抑制污染物排放。

消費(fèi)質(zhì)量指數(shù)中城市人均可支配收入對PM2.5濃度值具有負(fù)向影響，在考慮資金時間價值折算為2005年不變價情況下PCDI每增長1萬元，PM2.5濃度值可下降4 μg/m3。在居民可支配收入較低情況下，消費(fèi)往往忽略對環(huán)境造成的破壞，缺乏環(huán)保意識。居民在解決溫飽問題且有富于時，更樂意于環(huán)保消費(fèi)并自覺遵守環(huán)境保護(hù)原則。

城市常住人口人均能源消費(fèi)量對PM2.5濃度值具有正向影響，人均每年多消耗1噸標(biāo)準(zhǔn)煤，PM2.5濃度值上升1.7816 μg/m3。煤炭燃燒后排放出大量有毒有害顆粒物，在濕潤氣候下不易揮發(fā)，長期積累必然造成重度霧霾污染。

消費(fèi)結(jié)構(gòu)指數(shù)城市人口密度增長使得PM2.5濃度值上升。說明在不合理城市規(guī)劃下，某一地區(qū)人口集聚度過高，人口密度大幅增長，帶來的交通擁堵、建筑揚(yáng)塵及污染物集中排放超出環(huán)境承載力，使得生態(tài)環(huán)境遭到破壞，PM2.5濃度值因此上升。

2.4 格蘭杰因果檢驗(yàn)

格蘭杰因果檢驗(yàn)結(jié)果詳見表4，RESI不是PM2.5的Granger原因(1.E-07)，PCDI不是 PM2.5的Granger原因(0.0035)，PEC不是PM2.5的Granger原因(0.0015)，DENS不是PM2.5的Granger原因(0.0009)，在1%顯著性水平下均否定了原假設(shè)，因此RESI、PCDI、PEC、DENS是導(dǎo)致PM2.5變化的原因。

表4 格蘭杰因果檢驗(yàn)結(jié)果

2.5 脈沖響應(yīng)分析

圖1 RESI、PCDI、PEC、DENS對PM2.5的沖擊

格蘭杰因果檢驗(yàn)僅表明變量之間可能存在某種因果關(guān)系，無法深入揭示因果關(guān)聯(lián)的大小和變化過程。脈沖響應(yīng)分析可以解決這一問題?；赩AR模型，可進(jìn)一步進(jìn)行脈沖響應(yīng)分析。借助Eviews軟件，獲得脈沖響應(yīng)曲線。如圖1所示，橫軸代表沖擊后波動的滯后階數(shù)，縱軸表示沖擊后波動幅度。由圖1中脈沖響應(yīng)函數(shù)圖可以得出以下結(jié)論：1)PM2.5受到RESI、PCDI、PEC及DENS的沖擊后，第一期內(nèi)沒有發(fā)生明顯的浮動，主要是因?yàn)槭艿經(jīng)_擊后PM2.5濃度值變化存在滯后期。2)RESI對PM2.5產(chǎn)生負(fù)影響，作用下在第二期開始下降后上升，在第三期內(nèi)抵達(dá)最低點(diǎn)，于第七期之后RESI對PM2.5濃度值影響趨于穩(wěn)定。3)PCDI對PM2.5產(chǎn)生負(fù)向影響，在第三期抵達(dá)最低點(diǎn)，于第六期趨于穩(wěn)定。4)PM2.5在受到PEC沖擊后，快速下降后上升，再下降于第八期趨于穩(wěn)定。5)PM2.5受到DENS沖擊后，先下降后上升，再下降于第五期趨于平穩(wěn)。

3 結(jié)論及政策啟示

3.1 結(jié)論

實(shí)證結(jié)果表明，居民消費(fèi)行為加劇了PM2.5污染。城市常住人口和城市人均可支配收入對霧霾污染具有顯著負(fù)向影響，城市常住人口人均能源消費(fèi)量、城市人口密度對霧霾具有顯著正向影響。格蘭杰因果檢驗(yàn)結(jié)果也顯示RESI、PCDI、PEC及DENS均是導(dǎo)致PM2.5的原因，證明回歸結(jié)果的可靠性。從脈沖響應(yīng)結(jié)果可看出居民消費(fèi)行為對霧霾影響具有滯后性，長三角地區(qū)政府應(yīng)提前投入霧霾治理，做到及時預(yù)防規(guī)避風(fēng)險。

3.2 政策啟示

3.2.1 消費(fèi)數(shù)量維度

長三角地區(qū)政府應(yīng)合理利用目前城市常住人口對霧霾產(chǎn)生負(fù)向影響的優(yōu)勢，明確環(huán)境改善為居民生活生產(chǎn)帶來的利益，指引居民承擔(dān)環(huán)境保護(hù)主體責(zé)任，提升城市常住人口為主體霧霾治理貢獻(xiàn)度。同時通過政策紅利激勵高端人才引進(jìn)，扶持霧霾治理理論及實(shí)際保障體系建設(shè)。長三角政府應(yīng)通過企業(yè)、學(xué)校、社區(qū)街道等網(wǎng)絡(luò)普及環(huán)保教育、倡導(dǎo)綠色生活，保證全員參與；利用植樹節(jié)、世界地球日等組織植樹造林，宣揚(yáng)低碳出行，培養(yǎng)綠色消費(fèi)理念。長三角政府關(guān)于霧霾治理應(yīng)做到污染現(xiàn)狀公開、治理投入透明及成效傳遞及時，避免信息不對稱，賦予居民監(jiān)督權(quán)、參與權(quán)、維護(hù)權(quán)，推進(jìn)居民主體參與霧霾治理。

3.2.2 消費(fèi)質(zhì)量維度

城市人均可支配收入對PM2.5帶來負(fù)向影響，符合庫茲涅茨環(huán)境污染倒U型曲線假說，長三角地區(qū)城市人均可支配收入已越過曲線拐點(diǎn)，處于倒U型曲線右側(cè)。隨著消費(fèi)質(zhì)量的不斷提升，對環(huán)境造成的負(fù)面影響逐漸減弱，此時長三角地區(qū)應(yīng)努力發(fā)展經(jīng)濟(jì)，不斷提升城市人均可支配收入，保障消費(fèi)質(zhì)量維持穩(wěn)定增長。

城市常住人口人均能源消費(fèi)量對PM2.5正向影響最大，且影響周期較長。長三角城市政府應(yīng)調(diào)整以煤炭為主的傳統(tǒng)能源消費(fèi)結(jié)構(gòu)，推進(jìn)能源價格市場化倒逼能源低碳化轉(zhuǎn)型，并扶持中小型民營企業(yè)發(fā)展清潔能源及低能耗產(chǎn)品。長三角城市居民可通過使用低能耗、高能效家電；選擇太陽能綠色環(huán)保型新能源，如太陽能燈、太陽能電池[15]、太陽能熱水器等；安裝近年新起智能家居，實(shí)現(xiàn)人走燈滅；時刻注意節(jié)約用電，避免不必要的待機(jī)耗電等方式控制人均能源消耗。

3.2.3 消費(fèi)結(jié)構(gòu)維度

長三角地區(qū)城市人口密度對霧霾具有顯著正向影響。為減輕城市霧霾污染，從城市人口發(fā)展角度考慮，必須通過合理規(guī)劃土地建設(shè)及使用面積推動城市人口流動，降低一二線城市人口密度。如上海、南京、杭州、合肥等大型人口密集城市應(yīng)通過學(xué)歷、年齡、職稱等限制外來人口辦理居住證或本地戶籍，控制城市人口密度進(jìn)一步增加。以長三角城市群為主體，依托上海、南京、杭州、合肥等大都市建設(shè)便捷交通網(wǎng)，實(shí)現(xiàn)周邊城市經(jīng)濟(jì)發(fā)展，逐步形成功能互補(bǔ)具有一體化趨勢的城市共同體。加快周邊城市建設(shè)，利用各項(xiàng)優(yōu)惠政策鼓勵和吸引民眾以及企業(yè)向中小型城市遷移，促進(jìn)大城市郊區(qū)化、建立“大都市圈”以緩解長三角一二線城市高密度人口的霧霾污染現(xiàn)狀。