張根能，李 琳，李書偉

（西安理工大學 經(jīng)濟與管理學院，陜西 西安710054）

自2012 年，我國霧霾污染問題逐漸凸顯，PM2.5是引起霧霾問題的重要因素。陜西省經(jīng)濟增長與霧霾污染的關系如何？陜西省各市區(qū)間霧霾污染的空間分布又是怎樣？本文擬對此進行探究。

一、文獻綜述

Selden 和Song（1994）[1]研究表明許多污染物和經(jīng)濟增長間呈現(xiàn)出倒U 型關系。Deacon 和Norman（2004）[2]發(fā)現(xiàn)霧霾與細微顆粒物與國民收入之間存在U 型關系。Burnett（2009）[3]在分析空氣污染物時，發(fā)現(xiàn)PM2.5等許多污染物濃度都與國民生產(chǎn)總值具有線性關系。Elena（2012）[4]選擇了109 個空氣污染監(jiān)測點，發(fā)現(xiàn)由于經(jīng)濟發(fā)展和不同的地理位置等因素，呈現(xiàn)出污染聚集效應。

吳勛和王杰（2018）[5]利用2008—2015 年中國73 個重點監(jiān)測城市的面板數(shù)據(jù)，分析環(huán)境保護支出和財政分權對霧霾污染的影響，發(fā)現(xiàn)財政支出分權與霧霾污染呈顯著正相關，環(huán)境保護支出與霧霾污染呈顯著負相關；馬忠玉和肖宏偉（2017）[6]利用地理加權回歸模型（GWR）實證考察了經(jīng)濟發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)、能源消費結(jié)構(gòu)等因素對PM2.5年平均濃度影響的區(qū)域空間差異；馬麗梅和張曉（2014）[7]使用空間計量法，分析我國31 個省份本地與異地間霧霾污染的交互影響和能源結(jié)構(gòu)影響。邵帥等（2016）[8]采用動態(tài)空間面板模型和系統(tǒng)廣義矩估計法，對霧霾污染影響的主要因素進行了討論。段杰雄等（2018）[9]以2015 年中國PM2.5監(jiān)測站點數(shù)據(jù)為基礎，嘗試結(jié)合空間分析的方法，對PM2.5污染空間分布的社會經(jīng)濟影響因素進行分析；劉曉紅和江可申（2018）[10]基于2014—2015 年中國161 個城市PM2.5濃度和空氣質(zhì)量指數(shù)AQI數(shù)據(jù)，實證研究了中國PM2.5、AQI 的時空分異特征，探討工業(yè)化等因素對PM2.5和AQI 的影響。

二、研究方法及數(shù)據(jù)來源

（一）研究方法

空間自相關性分析分為全局以及局部空間自相關分析。本文將選用Moran's I 和Moran 散點圖來對PM2.5和其影響因素進行空間自相關分析。本文還將使用空間回歸模型，分為空間滯后模型以及空間誤差模型。前者可用來探討變量在一地區(qū)是否有擴散現(xiàn)象；后者可用來衡量鄰近地區(qū)因變量的誤差沖擊對于該地區(qū)觀察值的影響程度。

需要分析SLM 和SEM 哪個模型更適合模擬PM2.5，使用最小二乘法估計結(jié)果的拉格朗日乘數(shù)形式LMERR、LMLAG 及其穩(wěn)健的R-LMERR、RLMLAG。若LMLAG 比LMERR 在統(tǒng)計上顯著，RLMAG 顯著而R-LMERR 不顯著，則用SLM 模型；若LMERR 比LMLAG 在統(tǒng)計上顯著，R-LMERR 顯著而R-LMAG 不顯著，則用SEM 模型。

（二）模型設定及數(shù)據(jù)說明

設定基本模型為：

PM2.5年均濃度值為因變量，單位：μg/m3；PGDP表示陜西省人均生產(chǎn)總值，單位：元；Industry 表示二產(chǎn)增加值占GDP 比重，單位：%；β0、β1、β2、β3、β4表示模型待估參數(shù)；ε 為標準誤差項，服從正態(tài)分布（0，σ2）。同時，因變量以及自變量都取自然對數(shù)，從而減小異方差的影響。

考慮空間效應的空間滯后模型SLM 公式為：

WlnPM2.5是標準化以后的空間權重矩陣與lnPM2.5相乘，反映空間滯后ρ 是空間自相關系數(shù)，ε 含義與式（1）相同。

考慮空間效應的空間誤差模型SEM 公式為：

其中，ε=λWε+μ，W 是標準化以后的空間權重矩陣，λ 表示空間殘差自相關系數(shù)，ε 的含義與式（2）一致。

本文涉及數(shù)據(jù)來源于陜西省2014—2016 年10 個市區(qū)，涵蓋了西安、咸陽、寶雞、銅川、漢中、延安、商洛、榆林、安康、渭南這10 大區(qū)域，包括：PM2.5年均濃度（單位：微克/ 立方米）、PGDP（單位：元）、第二產(chǎn)業(yè)比重（單位：百分比）、單位GDP能耗（單位：噸標準煤/ 萬元）。PM2.5年均濃度數(shù)據(jù)來自于綠色環(huán)保組織網(wǎng)站；漢中、安康、商洛三個城市2014 年PM2.5濃度數(shù)據(jù)通過各城市2015年和2016 年的PM2.5濃度數(shù)據(jù)求均值得到；PGDP、單位GDP 能耗來自于陜西省統(tǒng)計年鑒；二產(chǎn)比重根據(jù)各城市第二產(chǎn)業(yè)總值和國內(nèi)生產(chǎn)總值計算得到。

三、結(jié)果分析

（一）空間自相關性分析結(jié)果

表1 樣本區(qū)域PM2.5排放污染的全局空間Moran's I

從表1 可看出樣本市域的PM2.5污染的全局空間Moran's I 在各年份上均為正，說明陜西省各地區(qū)間并不是獨立存在的，PM2.5污染在整體上存在著正向的空間效應，且具有較強的空間集聚效應。同時，Moran's I 統(tǒng)計值在2014—2015 年有所上升，2015 年后又處于下降趨勢，Moran's I 統(tǒng)計值雖有所變化，但空間影響在相鄰區(qū)域間仍十分明顯。本文使用Moran 散點圖對所選年份市域PM2.5平均污染水平進行檢驗，以便區(qū)分不同市域的空間集聚模式，如圖1 所示。

圖1 中1-10 的各點分別表示西安、咸陽、渭南、寶雞、銅川、漢中、安康、延安、商洛和榆林。根據(jù)結(jié)果，樣本區(qū)域主要為四種聚集模式。第一種（高-高）集聚模式中，咸陽、寶雞、銅川三市屬于這一種，且位于第一象限，占陜西省樣本城市數(shù)的30%；第二種（低-高）集聚模式中，漢中、延安和商洛屬于這一種，位于第二象限，占陜西省樣本城市數(shù)的30%；安康和榆林屬于（低-低）集聚的第三種模式中，位于第三象限，占陜西省樣本城市數(shù)的20%；西安、渭南處于（高-低）集聚的污染模式中，占陜西省樣本城市數(shù)的20%。結(jié)果表明，樣本市域PM2.5污染具有明顯的空間相關性和空間異質(zhì)性特點。

圖1 陜西省PM2.5的Moran's I 散點圖

（二）實證結(jié)果與討論

1.空間回歸模型的選擇。要確定陜西省市域間PM2.5污染是否使用空間計量方法，需用OLS（最小二乘法）估計，診斷性檢驗如表2 所示。

表2 混合面板OLS 估計結(jié)果（lnPM2.5為因變量）

Moran's I 通過了顯著性檢驗，需采用空間計量經(jīng)濟學模型。LM-error 和Robust LM-error 雖在10%和1%的顯著性水平下通過了顯著性檢驗，但與LM-lag 和Robust LM-lag 相比，LM-lag 和Robust LM-lag 的診斷性檢驗結(jié)果更為顯著，因此本文選擇空間滯后模型（SLM）更為合適。

從表2 中可以看出，除單位GDP 能源消耗外，其他各變量的系數(shù)全部通過了顯著性檢驗；lnPGDP 和（lnPGDP）2的系數(shù)分別為正和負，表明EKC 假說在陜西省霧霾污染和經(jīng)濟增長間是存在的。

2.模型估計結(jié)果。表3 顯示了空間滯后模型的估計結(jié)果，估計方法為空間滯后模型的固定效應和隨機效應。從表3 中可以看出：Hausman test=-79.84＜0，空間交互效應是隨機效應的零假設成立。

表3 空間滯后模型的檢驗結(jié)果

表3 中PGDP 和PGDP 的二次方彈性系數(shù)均支持EKC 假說，PGDP 的彈性系數(shù)為正，但PGDP二次方的彈性系數(shù)為負，且分別在5%和10%的水平上通過了顯著性檢驗，PM2.5和經(jīng)濟增長間具有倒U 型曲線關系，具體模型如下：

計算得出曲線拐點對應人均GDP 為116 183元，表明當人均GDP 大于116 183 元時，霧霾污染程度會隨著陜西省經(jīng)濟的增長而減輕。二產(chǎn)占比的彈性系數(shù)為正值，且在10%的水平下通過了顯著性檢驗，說明陜西省PM2.5與第二產(chǎn)業(yè)所占比重存在正向相關關系，即二產(chǎn)比重的增加，將會使陜西省PM2.5污染程度上升。單位GDP 能源消耗的彈性系數(shù)為正，且在1%的水平下通過了顯著性檢驗，說明目前陜西省單位GDP 能耗仍處于較高的水平。

表4 各個變量的估計值均通過顯著性檢驗。變量PGDP 和PGDP 二次方的估計值分別為2.896 106、-0.901 9433，這表明所選樣本區(qū)域經(jīng)濟增長水平與該區(qū)域PM2.5的污染水平之間存在著EKC 曲線關系。變量第二產(chǎn)業(yè)所占比重Industry 系數(shù)的估計值為0.473 8375，表明區(qū)域內(nèi)二產(chǎn)比重的增加，會加大本地區(qū)PM2.5的排放。單位GDP 能耗系數(shù)的估計值為0.349 7087，說明本地區(qū)單位GDP 能耗的增加會加劇該地區(qū)霧霾污染的程度。

表4 直接效應與間接效應估計結(jié)果

在間接效應估計中，PGDP 和PGDP 二次方的估計值分別為-5.516 582、1.789 113，說明地區(qū)本身PGDP 的增加會減輕相鄰地區(qū)的PM2.5污染。同時在間接效應中，PM2.5污染與經(jīng)濟增長存在著U型關系，說明當某一地區(qū)經(jīng)濟發(fā)展到一定水平，會將本地區(qū)高污染、高排放的產(chǎn)業(yè)轉(zhuǎn)移出去。

在總效應估計值中可以看到人均GDP 同PM2.5污染之間顯示出負相關；總體上來看，單位GDP 能源消耗的總效應估計值與間接效應、直接效應的估計值相一致，較低的能源利用效率在一定程度上會加劇PM2.5的污染水平。

四、結(jié)論與建議

本文研究了陜西省10 個城市的PM2.5空間分布狀況以及影響因素。利用2014—2016 年陜西省10 個城市的面板數(shù)據(jù)通過空間計量分析揭示了經(jīng)濟增長、產(chǎn)業(yè)結(jié)構(gòu)、技術水平因素對PM2.5污染的影響，可以看出經(jīng)濟增長與霧霾污染間仍存在倒U 關系，且人均GDP 仍處于116 183 元水平下，表明陜西省目前的經(jīng)濟發(fā)展方式將加劇霧霾污染；二產(chǎn)占比與霧霾污染間存在正向相關的關系，產(chǎn)業(yè)結(jié)構(gòu)的不合理將進一步加劇霧霾污染水平；單位GDP 能耗與霧霾污染之間存在著正向相關的關系，單位GDP 的能源消耗越高，霧霾污染的程度越嚴重。

基于以上分析，提出政策建議如下：環(huán)境治理要加強城市區(qū)域間的合作交流，加快發(fā)展模式創(chuàng)新，積極促進三產(chǎn)發(fā)展，降低二產(chǎn)比重，促使產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級；加大技術投入力度，提高資源使用效率，降低單位GDP 的能耗；在基礎設施和服務等領域，促進不同城市的相對均衡，防止人口的過度集中。