王磊 王雪利 楊文毅

摘要 以霧霾為代表的環(huán)境惡化問題不僅增加了中國經(jīng)濟發(fā)展的成本，其在區(qū)域發(fā)展、社會等級之間和代際的分攤不公正現(xiàn)象還大大降低了人們生活的品質(zhì)和幸福感。共享出行的出現(xiàn)促使人們由消費者擁有自己資產(chǎn)的生活方式向消費者共享資產(chǎn)的生活方式轉(zhuǎn)變，不僅便利了人們中短途的出行，也增加了城市內(nèi)部的生產(chǎn)生活集聚程度;但共享出行依然以汽車為載體，汽車尾氣為霧霾的主要產(chǎn)生方式之一。鑒于此，文章以2017年滴滴出行開城城市的截面數(shù)據(jù)為研究樣本探討汽車共享出行對霧霾的影響機制。空氣霧霾具有顯著的空間溢出效應(yīng)，在控制城市的經(jīng)濟、交通、地理、氣象和政策變量后，以廣義空間兩階段最小二乘法（GS2SLS）模型估計了汽車共享出行對霧霾的影響，分別以代表人類活動強度和范圍的城市化深度（城市集聚）和廣度變量（城市蔓延）為中介變量檢驗城市形態(tài)在汽車共享出行和空氣霧霾之間的傳導(dǎo)機制，并檢驗了基于城市層級的異質(zhì)性。研究發(fā)現(xiàn)：①汽車共享出行規(guī)模與霧霾在空間上呈現(xiàn)顯著的“正U型”關(guān)系，其最初的發(fā)展對霧霾具有顯著的促降作用，但當發(fā)展到如北京、深圳等規(guī)模后會加劇霧霾污染。②新能源汽車占比的提升有利于減少霧霾，但不顯著，目前新能源汽車對霧霾的作用機制尚不明確。③城市化深度是汽車共享出行減排作用的傳導(dǎo)機制，這一結(jié)論在三線及以上城市中得以驗證，四五線城市的傳導(dǎo)機制不明顯。④汽車共享出行的發(fā)展規(guī)模應(yīng)與城市發(fā)展規(guī)模相適應(yīng)，設(shè)計減排政策可以考慮從集聚的城市形態(tài)入手，減少城市的低效蔓延。

關(guān)鍵詞 汽車共享出行;霧霾;城市形態(tài);空間溢出

在中國工業(yè)化和城鎮(zhèn)化快速發(fā)展的同時，以霧霾為代表的環(huán)境惡化問題對中國經(jīng)濟的影響備受重視。在中國經(jīng)濟面臨結(jié)構(gòu)性減速的情況下，霧霾等環(huán)境問題加劇了經(jīng)濟增長的壓力，據(jù)《中華人民共和國國家環(huán)境分析》報告顯示，中國空氣污染每年造成的經(jīng)濟損失，基于疾病成本估算相當于國內(nèi)生產(chǎn)總值的1.2%，基于支付意愿估算則高達3.8%。2013年霧霾事件造成全國交通和健康直接損失、民航航班延誤損失、高速封路損失和急、門診成本達460.58億元[1]。霧霾具有頻發(fā)、跨區(qū)域傳播、影響范圍廣和持續(xù)時間長的特性，同時，霧霾在區(qū)域發(fā)展、社會等級和代際之間的成本分攤不公正現(xiàn)象使其不僅阻礙了我國的生態(tài)文明建設(shè)，更加使得人民的生活品質(zhì)和幸福感大打折扣，對霧霾這一“呼吸痛點”的有效治理迫在眉睫。

盡管現(xiàn)有的可持續(xù)發(fā)展倡議和措施取得了一定的成效，但我國以資源環(huán)境換取經(jīng)濟發(fā)展的路徑依賴沒有發(fā)生本質(zhì)上的轉(zhuǎn)變。因此，除了現(xiàn)有的戰(zhàn)略和政策外，還需要采取新的方法， “共享經(jīng)濟”有可能為實現(xiàn)可持續(xù)發(fā)展提供新的途徑[2]。Mhlmann等[3]認為，汽車共享出行平臺通過減少消費者對資源的需求促進了資源更加公平和可持續(xù)的分配。資本主義發(fā)展方式往往伴隨著不可持續(xù)的過度消費行為，而共享經(jīng)濟的出現(xiàn)可以使人們從消費者擁有自己資產(chǎn)的生活方式轉(zhuǎn)為消費者共享資產(chǎn)的生活方式，這種轉(zhuǎn)變是由共享平臺的出現(xiàn)所驅(qū)動，這類平臺將消費者連接起來，使消費者能夠更有效地利用資產(chǎn)，從而實現(xiàn)可持續(xù)的發(fā)展。汽車共享出行便利了人們中短途的出行，因此不會像私人汽車那樣擴張城市范圍[4]，但是卻有效地帶動了如消費之類的人類活動強度。此外，黨的十九大報告指出，“在中高端消費、創(chuàng)新引領(lǐng)、綠色低碳、共享經(jīng)濟、現(xiàn)代供應(yīng)鏈、人力資本服務(wù)等領(lǐng)域培育新增長點，形成新動能”。我國共享經(jīng)濟高速增長，2017年共享經(jīng)濟交易額約4.92萬億元，同比增長47.2%，共享經(jīng)濟不僅對拉動就業(yè)的成效顯著，也成了創(chuàng)新驅(qū)動的時代縮影，促進了產(chǎn)業(yè)鏈從低端走向高端，成了傳統(tǒng)市場的一個重要補充。其中，2017年交通領(lǐng)域的共享出行市場交易額達2010億元，同比增長56.8%，2017年僅滴滴出行在全國為4.5億用戶提供超74.3億次出行服務(wù)，日訂單量突破2 500萬。我國汽車共享出行規(guī)模日益壯大，而多數(shù)學(xué)者的研究表明，汽車尾氣是PM2.5的主要成因之一[5]，但現(xiàn)有汽車共享出行的規(guī)模對空氣霧霾的影響機制尚不明確，有待進一步探析。共享出行本身具有綠色交通的根本屬性，它在一定程度上緩解了城市交通供給不足的現(xiàn)狀[6]，其發(fā)展會為本地創(chuàng)造新的就業(yè)機會，加快城市化進程等[7]，但這些改變也與霧霾息息相關(guān)?；诖耍疚囊云嚬蚕沓鲂袨榇硌芯窟@一新型生產(chǎn)方式對空氣霧霾的影響機制。霧霾具有顯著的跨區(qū)域傳播性，對霧霾的影響機制檢驗只有考慮其空間溢出效應(yīng)，才能為治理霧霾提供準確的經(jīng)驗證據(jù)。

有鑒于此，本文以2017年滴滴在我國的208個開城城市為研究樣本，以滴滴研究院提供的2017年滴滴出行規(guī)模相關(guān)數(shù)據(jù)[8]表征汽車共享經(jīng)濟發(fā)展規(guī)模，從可吸入顆粒物的遙感圖像中提取年均PM2.5均值表征空氣霧霾，以夜間燈光數(shù)據(jù)構(gòu)造燈光復(fù)合指數(shù)作為城市化水平和城市形態(tài)的指標，就汽車共享出行規(guī)模對霧霾的影響及其作用機制進行了系統(tǒng)的實證考察。與現(xiàn)有文獻相比，本文的貢獻在于系統(tǒng)地以數(shù)據(jù)為基礎(chǔ)實證分析了國內(nèi)汽車共享出行對空氣霧霾的作用機制。第一，從汽車共享出行的研究來看，已有文獻多聚焦于交通層面上滴滴對出行方式的影響，或考察滴滴本身的商業(yè)模式，忽略了滴滴對人們生產(chǎn)生活行為的影響。第二，本文進一步探析了滴滴如何通過用戶的出行目的來傳導(dǎo)對霧霾的影響，即用戶通過滴滴到達目的地之后的行為對霧霾的傳導(dǎo)機制及這一機制在不同等級城市間的差異。

1 文獻綜述與研究假設(shè)

已有豐富的文獻論述了經(jīng)濟發(fā)展與環(huán)境污染的關(guān)系，大多數(shù)文獻基于環(huán)境庫茲涅茲曲線并考察了經(jīng)濟發(fā)展與環(huán)境污染的非線性關(guān)系[9-10]，其研究范圍涉及城市化、產(chǎn)業(yè)集聚、技術(shù)進步、科技創(chuàng)新、外商直接投資與能源消耗等[11-14]。近些年，霧霾污染因其廣泛的傳播性、治理的難度大等特點引起了學(xué)者們的重視，眾多學(xué)者將視角轉(zhuǎn)移到空氣污染尤其是霧霾與經(jīng)濟發(fā)展的關(guān)系上[15-17]，多數(shù)文獻對霧霾的研究建立在空間模型的基礎(chǔ)上，并考察了諸如城市規(guī)模、城市化、產(chǎn)業(yè)結(jié)構(gòu)、能源和社會治理等多種因素對霧霾的影響[18-19]。上述的研究基本上形成了兩種觀點：第一，空氣霧霾具有顯著的空間溢出效應(yīng);第二，經(jīng)濟發(fā)展、城市化、產(chǎn)業(yè)集聚、外商直接投資與能源消耗等對環(huán)境污染具有促增或促降作用，且眾多變量與環(huán)境污染之間的EKC曲線假說成立。僅有少部分文獻聚焦在交通出行上，尤其是汽車共享出行對空氣霧霾的影響上。最初大部分學(xué)者將研究聚焦在交通出行和碳排放上，如Poon等 [20]認為中國依然處于工業(yè)化階段，汽車車輛和能耗的增加使得煙塵不太可能會減少。張?zhí)招耓21]認為中短期內(nèi)，交通能源強度會顯著促進城市道路交通碳排放的提升，但長期來看，城鎮(zhèn)化率的碳排放率最高。邵帥等[22]以單位面積公路里程衡量了交通運輸強度，認為交通運輸是空氣霧霾的主要成因。馬麗梅等[5]也認為汽車尾氣是霧霾的主要成因之一。根據(jù)已有交通出行對碳排放和霧霾污染影響機制的研究，考慮到汽車共享出行作為交通出行方式的一種，本文提出以下研究假設(shè)。

假設(shè)1：汽車共享出行規(guī)模的擴大會引起霧霾的加劇。

交通出行不僅是交通系統(tǒng)單方面的問題，也與城市化格局有關(guān)，城市化的空間形態(tài)會影響到城市交通供給和需求的平衡[23]。越來越多的證據(jù)表明空氣污染與城市形態(tài)有關(guān)[24]，Cárdenas 等[25]認為緊湊型城市可以提高交通便利性，減少能耗和交通需求。較短的平均出行距離或更有效的城市交通系統(tǒng)下的機動車碳排放相對較少[26]。同時，高密度城市區(qū)域的人均汽車使用量少，污染物和碳氧化物的排放量較低[27]。集聚形態(tài)下的共享出行模式促使線路相似的私家車共享，降低了空載率[28]，減少了人均汽車使用量。此外，還有研究表明，緊湊型城市的空氣質(zhì)量狀況要好于分散的城市[29]?；诖耍蚕沓鲂性诰o湊型城市可能會降低污染。相反，與空間上緊湊的大都市區(qū)相比，蔓延指數(shù)較高的城市會遇到更多的空氣污染[30]，而共享這一出行方式是促使龐大的城市發(fā)展到更緊湊城市的轉(zhuǎn)折點[31]?？紤]到本文以燈光強度和面積衡量的城市化深度和城市化廣度實則反映了人們活動強度和范圍，共享出行多以中短途距離為主，在更大程度上便利了城市內(nèi)部出行，而并非擴展出行范圍?；谝陨?，本文提出第二個假設(shè)。

假設(shè)2：汽車共享出行更大程度上促進了城市化深度增加，城市化深度會起到中介變量的作用，汽車共享出行會通過城市化深度促降霧霾。

汽車共享出行實質(zhì)上為人類活動的出行方式之一，其發(fā)展規(guī)模和強度大小受各個城市等級差異影響。東部沿海地區(qū)霧霾污染情況為中原經(jīng)濟區(qū)的3倍，中南和西南經(jīng)濟區(qū)則表現(xiàn)為負效應(yīng)[5]。發(fā)達城市具有更為優(yōu)化的產(chǎn)業(yè)結(jié)構(gòu)、技術(shù)創(chuàng)新能力，公眾對環(huán)境的訴求也更高，相比之下，欠發(fā)達城市會承接發(fā)達城市的高污染高耗能產(chǎn)業(yè)轉(zhuǎn)移，客觀上加劇了中西部的污染[32-33]?；诟鞒鞘酗@著的發(fā)展差異，本文提出第三個假設(shè)。

假設(shè)3：不同等級的城市中汽車共享出行規(guī)模不同，對霧霾的影響或假設(shè)二中的傳導(dǎo)作用也不同。

2 模型設(shè)定與數(shù)據(jù)說明

2.1 基準模型與變量選取

其中，i為滴滴出行公司于2017年所有的開城城市，t表示2017年的年份;lnPM、area、lnpergdp、edu和分別為STIRPAT模型的環(huán)境影響I、人口P、人均財富A和技術(shù)水平T， GMV為滴滴專車、快車和順風(fēng)車的訂單總成交額，Controls為一組相關(guān)的控制變量，α0～α8為待估計參數(shù)，εit為隨機擾動項，式（1）中各變量及其度量指標的選取具體說明如下。

（1）lnPMit：PM2.5年均濃度。

（2）GMVit：2017年滴滴開城城市專車、快車和順風(fēng)車訂單的總成交額的自然對數(shù)值?？偝山活~和運營里程相關(guān)，這在一定程度上反映了一個城市的經(jīng)濟規(guī)模、經(jīng)濟活力和新興產(chǎn)業(yè)的發(fā)展。

（3）lnpergdpit：各地級市人均財富水平，以2000年不變價的人均GDP表示。

（4）eduit：各地級市技術(shù)水平，以小學(xué)、普通中學(xué)（含中專）和高等教育的受教育人數(shù)對應(yīng)其受教育年限計算得到各地級市人均受教育年限表示。

（5）areait：單位面積人口數(shù)，預(yù)期符號為正。

（6）indusit：各地級市產(chǎn)業(yè)結(jié)構(gòu)水平?？諝忪F霾主要與第二產(chǎn)業(yè)的能源消耗有關(guān)，滴滴出行提供的服務(wù)為第三產(chǎn)業(yè)，因此以第二產(chǎn)業(yè)和第三產(chǎn)業(yè)占GDP的比重度量。

（7）urbanit：各地級市城市化水平。城市化水平是滴滴開城所考慮的重要條件之一，以夜間燈光數(shù)據(jù)的亮度和像元面積占比的復(fù)合指數(shù)表示。

此外，本文還考慮了與空氣霧霾和汽車共享出行發(fā)展的影響因素作為控制變量。①地形起伏度（std）：以Arcgis提取地表坡度數(shù)據(jù)衡量地形起伏程度，坡度高的地表可能不利于公路的修建和車輛的行駛，人口和車輛可能會相對較少，預(yù)期符號為負。②年末實有道路鋪裝面積（tri）：年末道路鋪裝面積代表了地區(qū)的基礎(chǔ)設(shè)施建設(shè)程度，且道路鋪裝面積的增多與道路上汽車數(shù)量為正相關(guān)關(guān)系，預(yù)期符號為正。③公共交通（publictrans）：以各地級市公交車和出租車的運營輛數(shù)代表公共交通，滴滴可能是公共交通的補充品或替代品，有鑒于此，本文將公共交通加以控制。④私家車保有量（cars）：各城市私家車擁有的數(shù)量，預(yù)期符號為正。⑤氣候因素，氣象因素可以解釋超過2/3的霧霾天氣變化[40]，因此本文將氣溫（tem），降水（rain）以及風(fēng)速（wind）加以控制。⑥政策因素（gov），諸多地方政府采取了一系列措施來治理霧霾，城市限行政策廣為效仿，本文參考易蘭等[41]的研究，令截至2017年全國范圍內(nèi)限行時長超過1年的北京、天津、哈爾濱、長春、貴陽、蘭州、杭州、成都和南昌等9個城市設(shè)置為1，其他城市為0，作為代表政策因素的啞變量。

2.2 數(shù)據(jù)處理與來源說明

本文對達爾豪斯大學(xué)大氣成分分析組提供的2017年度PM2.5遙感圖像進行矢量化處理，柵格精度為0.01°×0.01°，提取一年內(nèi)PM2.5均值作為本文的被解釋變量。

城市化從NOAA發(fā)布的燈光遙感圖像中提取。值得注意的是，多數(shù)文獻以城鎮(zhèn)人口占總?cè)丝诘谋戎乇碚鞒鞘谢?，但這一指標僅能度量人口的城鎮(zhèn)化，不足以反映出經(jīng)濟、社會、人口和地域空間等諸多方面的城市化過程。此外，采用人口城市化指標依然可能存在統(tǒng)計數(shù)據(jù)與真實數(shù)據(jù)不一樣的情況。中國長期以來實行的城鄉(xiāng)分割的二元戶籍制度，阻礙了勞動力和要素的自由流動，使得中國的城市化水平遠遠落后于工業(yè)化水平，名義城市化水平低于真實城市化水平?；诖耍疚牡某鞘谢揭訬OAA發(fā)布的夜間燈光數(shù)據(jù)來表示。穩(wěn)定的燈光數(shù)據(jù)剔除了太陽光、月光、云和極光等自然因素的影響和火災(zāi)、爆炸等短暫性事件的影響，具有更高可信度。燈光數(shù)據(jù)包括了城市夜間燈光、居民區(qū)燈光和車流發(fā)出的低強度燈光，綜合反映了夜間人類活動的基本信息，以衛(wèi)星拍攝的客觀明暗度將城市和非城市區(qū)別開來，更加準確地表明了城市化的綜合進程。

本文參考邵帥等[22]的做法，構(gòu)造了燈光復(fù)合指數(shù)作為各地級市城市化水平的代理指標，并將城市化分為城市化深度和城市化廣度，分別反映城市化的集聚程度和蔓延程度。燈光復(fù)合指數(shù)的計算公式為urbani=φurban1+（1-φ） urban2，urban1為城市化深度，以經(jīng)ENVI和Arcgis軟件重投影重采樣后計算得到的燈光強度均值表示，代表了城市化的空間集聚特征;urban2為城市化廣度，以各個燈光像元面積占區(qū)域總面積的比值所表示，代表了城市化的空間蔓延特征。緊湊城市理論認為緊湊的城市形態(tài)有利于城市化朝向更符合可持續(xù)發(fā)展的方向發(fā)展，因此φ的取值應(yīng)大于0.5，本文參考前人的研究，令φ=0.8構(gòu)造城市化復(fù)合指數(shù)。

滴滴數(shù)據(jù)源于滴滴發(fā)展研究院提供的“城市發(fā)展指數(shù)報告”，氣象數(shù)據(jù)來源于NOAA（https：//www.ncdc.noaa.gov/）。其他變量的原始數(shù)據(jù)來自《中國城市統(tǒng)計年鑒（2018）》。

2.3 參數(shù)估計方法

空氣霧霾污染具有很大的流動性，不為行政邊界所束縛且可以被遠距離傳輸，一個地區(qū)的霧霾污染是本地污染和外地污染的共同作用結(jié)果，即霧霾存在顯著的空間溢出效應(yīng)[42]。同時，為了避免模型中被解釋變量和解釋變量之間因雙向因果效應(yīng)導(dǎo)致的內(nèi)生性，本文以空間加權(quán)的二階段最小二乘法（generalized spatial two stage least squares，GS2SLS）對模型進行回歸，可以有效地解決最小二乘法（ordinaly least squares，OLS）在內(nèi)生情況下有偏且不一致的問題和最大似然估計（maximum Gkelihood estimation， MLE）在存在異方差情況下估計結(jié)果不一致的情況。GS2SLS以各解釋變量和空間滯后項作為工具變量，并基于二階段最小二乘法（two stage least squares，2SLS）估計方法估計空間截面模型，同時對空氣霧霾的溢出效應(yīng)和上述的內(nèi)生性予以控制。在基準回歸時，本文選擇了最高一階空間滯后項作為工具變量，在穩(wěn)健性檢驗時采用最高二階空間滯后項作為工具變量，以各地級市的反地理距離空間權(quán)重矩陣（disW）和鄰接矩陣（conW）分別做基準回歸和穩(wěn)健性檢驗。

3 實證結(jié)果

3.1 基準回歸和討論

首先對PM2.5進行空間相關(guān)性檢驗，莫蘭指數(shù)為0.160，p值為0.002，具有顯著的空間相關(guān)性，基于反地理距離矩陣的基準回歸結(jié)果如表1，其中第（1）、（2）列分別為僅考慮STIRPAT基本變量和加入汽車共享經(jīng)濟規(guī)模后對霧霾的影響，第（3）、（4）列在此基礎(chǔ)上加入了控制變量和出行規(guī)模與新能源車訂單里程占比（nev）的交互項。

由回歸結(jié)果可以看出，空氣霧霾的空間滯后項系數(shù)大部分可以通過1%的顯著性水平檢驗，即空氣霧霾存在顯著的空間溢出效應(yīng)，這不僅與自然因素有關(guān)，也與區(qū)域經(jīng)濟一體化和污染產(chǎn)業(yè)轉(zhuǎn)移等有關(guān)，即對空氣霧霾的治理依然要從區(qū)域的聯(lián)防聯(lián)控入手。從（2）～（3）的回歸結(jié)果可以看出，汽車共享經(jīng)濟的發(fā)展規(guī)模與空氣霧霾污染呈現(xiàn)顯著的“U型”關(guān)系，即當汽車共享經(jīng)濟發(fā)展到一定規(guī)模后，對空氣霧霾的作用由降低轉(zhuǎn)為增加，且這一關(guān)系在加入控制變量前后和加入交互項后均顯著，即當汽車共享出行在入駐各城市后，前期可以顯著減少霧霾，但當其發(fā)展到一定規(guī)模后，會吸引當?shù)丶爸苓叺貐^(qū)的人口流入該城市和從事汽車共享出行行業(yè)，因而會增加道路上行駛車輛的數(shù)量，在這一規(guī)模下，汽車共享經(jīng)濟的發(fā)展會顯著增加城市的空氣霧霾。第（3）列加入其他控制變量后，汽車共享經(jīng)濟對霧霾作用的拐點為6.156，研究樣本208個城市中，206個城市的汽車共享出行規(guī)模均有利于減少霧霾，GMV每增加1單位時，霧霾會顯著減少0.378個單位，這206個城市的汽車共享出行具有顯著的綠色外部性;北京、深圳兩個城市邁過拐點，其GMV分別為10和6.502，其他發(fā)達城市如成都、上海和廣州等其GMV分別為6.058、5.333和4.750，均未能邁過拐點。即北京和深圳汽車共享經(jīng)濟的發(fā)展會顯著增加空氣霧霾，當GMV每增加1單位時，霧霾會顯著增加0.030 7個單位，但其促增作用小于私家車對霧霾的影響?？赡艿脑蚴?，我國發(fā)達城市的交通擁堵以及來自鄰近地區(qū)的影響是其高污染的重要原因?！笆晃濉逼陂g東部省份已經(jīng)全部進入工業(yè)化發(fā)展階段后期，交通取代產(chǎn)業(yè)結(jié)構(gòu)成為影響霧霾的最直接因素，且從全球范圍看，經(jīng)濟越發(fā)達的國家，交通對環(huán)境質(zhì)量的影響越顯著[5]。據(jù)此，本文的假設(shè)一部分成立。此外，面對現(xiàn)有新能源汽車這一熱點問題，本文引入新能源車的里程占比與汽車共享出行規(guī)模的交互項進行回歸，結(jié)果如第（4）列所示，交互項系數(shù)為負但并不顯著，新能源汽車可能會減少霧霾，考慮到我國主要發(fā)電方式依然為火電，但這一結(jié)果尚不明確。

從其他變量回歸結(jié)果來看，人均財富、人口密度、公共交通和私人汽車保有量以及道路建設(shè)面積和城市化等對空氣霧霾均存在正向影響且顯著，表明我國以資源消耗為代價換取經(jīng)濟發(fā)展的方式尚未得到轉(zhuǎn)變，經(jīng)濟的發(fā)展依然伴隨著大量的資源能源消耗。人口的增加會帶動房產(chǎn)、城建、鐵路和公路的建設(shè)等，工地上的揚塵會增加空氣中可吸入顆粒物濃度，同時也會催生汽車需求，交通擁堵和尾氣排放也是霧霾形成的重要因素。此外，城鎮(zhèn)人口、產(chǎn)業(yè)布局和土地供應(yīng)均處于城市化進程中，要素的集聚促使城市盲目追求擴張，增加了對基礎(chǔ)設(shè)施建設(shè)的需求。霧霾存在明顯的跨區(qū)域傳播特性，地形起伏度較高可能會阻礙霧霾的流動，且同等發(fā)展水平下，地形起伏度較高的城市城建區(qū)面積、人口和汽車數(shù)量等低于地形較為平坦的地區(qū)，這與劉海猛等[43]的研究結(jié)論一致。技術(shù)水平可以顯著降低空氣霧霾，說明高等教育發(fā)展導(dǎo)致的人才增加和技術(shù)進步有利于實現(xiàn)環(huán)境保護和經(jīng)濟發(fā)展的共贏。在氣候因素方面，氣溫，降水以及風(fēng)速的增加均有降低霧霾的作用，風(fēng)速對減排具有顯著作用，且其影響大于降水和氣溫。在政策方面，實施一年以上機動車輛限行政策的城市較不限行城市對霧霾具有促降作用，但這一政策并不顯著，該結(jié)果與易蘭等[41]的結(jié)論類似，機動車限行的減排可行性在經(jīng)濟上具有意義，但不排除部分城市公共交通相對不發(fā)達，限行后人們出行不便會增加居民購買新車以及使用高排放老舊車輛的可能。

3.2 穩(wěn)健性檢驗

本文以多種方式對基準回歸進行穩(wěn)健性檢驗，首先以滴滴專車、快車、順風(fēng)車的訂單總量替換總交易額進行回歸。其次，在上一步的基礎(chǔ)上，本文加入新能源訂單占比與訂單總量占比的交互項再次進行回歸，仍然基于G2SLS但采用最高二階空間滯后項作為工具變量對模型重新進行估計。再次，將反地理距離權(quán)重替換為鄰接權(quán)重矩陣重新估計。此外，鑒于PM10為2017年空氣污染的首要污染物之一，本文將PM10代替PM2.5計算進行穩(wěn)健性檢驗。同時，考慮到霧霾成分中不同的單項污染物，本文也將以各單項污染物標準化計算得到的空氣質(zhì)量指數(shù)（air quality index，AQI）指數(shù)作為被解釋變量的替換變量進行計算。

估計結(jié)果表明，以訂單數(shù)量（orderqua）代替總成交額、以PM10和AQI（https：//www.aqistudy.cn/historydata/）替換PM2.5之后的汽車共享經(jīng)濟規(guī)模與空氣污染之間的“U型”關(guān)系依然成立，新能源汽車訂單量的占比依然不顯著，與上文估計結(jié)果一致。值得一提的是，基于鄰接權(quán)重的回歸結(jié)果中Wald檢驗并不顯著，這可能是由于空氣霧霾的擴散在一定程度上受到地理位置的限制，并隨著空間距離的增加而減少[44]，且霧霾的傳播和擴散并不局限在相鄰的區(qū)域。基于此，在討論汽車共享經(jīng)濟規(guī)模對空氣霧霾的影響時，與鄰接權(quán)重相比，反地理矩陣權(quán)重在反映客觀事實時可能更為準確?？傮w來說，前文的基準分析具有較強的穩(wěn)健性。

3.3 基于城市形態(tài)的汽車共享經(jīng)濟規(guī)模與空氣霧霾的影響分析

已有文獻顯示，更高的城市密度和城市路網(wǎng)等緊湊的城市形態(tài)有利于減少道路上的私家車，促使居民將出行方式轉(zhuǎn)為公共交通[45]。城市形態(tài)的改變被認為是減緩交通擁堵、應(yīng)對環(huán)境污染與氣候變化的重要手段，但現(xiàn)有研究對不同城市形態(tài)的作用依然存在爭議。緊湊發(fā)展的反對者認為城市形態(tài)對交通行為的影響非常小，且緊湊發(fā)展會導(dǎo)致巨大的社會福利成本。支持者堅信，城市空間形態(tài)越緊湊、要素和資源越集聚和節(jié)約，有利于經(jīng)濟增長和城市建設(shè)[46]。

基于此，本文將復(fù)合之后的城市化進一步分為城市化深度和城市化廣度，分別以燈光亮度和燈光像元面積與區(qū)域總面積的比值來衡量。這兩個變量代表了人們活動強度和活動范圍的大小，表征了城市集聚和城市蔓延的兩種形態(tài)。人們通過共享出行方式到達目的地后的活動強度和活動范圍可能造成這兩種形態(tài)的改變，但共享出行的中短途特征更大程度上便利了城市內(nèi)部的出行，刺激了人類活動的強度。因此，本文判斷城市化深度可能是汽車共享出行對空氣污染的一個傳導(dǎo)途徑。本文同時將城市形態(tài)下的城市化深度和城市化廣度視為中介變量對傳導(dǎo)途徑進行進行檢驗，Baron和Kenny[47]認為，中介變量是解釋變量對被解釋變量產(chǎn)生影響的中介，中介變量是解釋變量對被解釋變量產(chǎn)生影響的內(nèi)在的、實際存在的原因，即解釋變量對被解釋變量的影響可能是部分通過中介變量或完全通過中介變量產(chǎn)生影響的?；诖耍疚牡哪Ｐ蜆?gòu)建如下：

其中，Controlsit為控制變量集，包括有人均財富、人口密度、技術(shù)水平、產(chǎn)業(yè)結(jié)構(gòu)占比、公共交通、私人汽車保有量、地形起伏度及年末道路鋪裝面積，被解釋變量為空氣霧霾時，Controlsit還包括溫度、風(fēng)速及降水;Mediatorit為中介變量集，分別為城市化深度（urban1）和城市化廣度（urban2）等。中介效應(yīng)檢驗程序如下：①若α1顯著，認為中介效應(yīng)存在，可以進行下一步檢驗;②若 β1和γ3顯著，表明共享出行規(guī)模與空氣污染之間的影響至少有一部分是通過中介變量實現(xiàn)的;③若γ1顯著，且較α1數(shù)值減少或顯著程度下降，表明存在中介效應(yīng)。如果β1或γ3不顯著，則共享出行與空氣霧霾的影響不是通過中介變量實現(xiàn)的，如果回歸滿足上述三個條件，則至少說明存在“部分”中介作用，即共享出行對空氣霧霾的影響部分是直接的，部分是通過中介變量來實現(xiàn)的;如果上述三個條件都成立，但γ1不顯著，則共享出行對空氣霧霾的影響完全通過中介變量來實現(xiàn)。

表2為基于GS2SLS的中介效應(yīng)檢驗，由檢驗結(jié)果可以發(fā)現(xiàn)，當表示城市集聚形態(tài)的城市化深度為中介變量時，中介效應(yīng)成立。不考慮城市集聚形態(tài)時，汽車共享出行的系數(shù)為-0.274，但加入這一控制變量后，其系數(shù)變?yōu)?0.326，即汽車共享出行對霧霾的促降作用部分是直接的，部分是通過集聚的城市形態(tài)實現(xiàn)的，且后者對霧霾的促降作用大于前者。城市汽車共享出行的發(fā)展會刺激人類活動的強度，顯著提升了城市化深度，同時，共享出行與城市空間的整合，使得城市交通空間配置更具有公共性和集約性[48]，通過城市化深度傳導(dǎo)后，汽車共享出行發(fā)展更有利于霧霾的減少[49]。代表城市蔓延的城市化廣度可以顯著增加空氣中的PM2.5，系數(shù)為0.765，明顯大于城市化深度的系數(shù)0.192，說明城市化深度的集聚形態(tài)更為綠色化。式（2）中β1即GMV的系數(shù)不顯著，城市化廣度的中介效應(yīng)不成立，說明城市化廣度不是汽車共享出行對霧霾的傳導(dǎo)路徑。在當今的社會發(fā)展過程中，共享經(jīng)濟成為新時期中國經(jīng)濟轉(zhuǎn)型的突出亮點，而汽車共享出行成為能源、交通、汽車制造業(yè)等領(lǐng)域革命的重要載體，且其通過刺激人類活動，尤其是提高了活動的強度而非擴大了活動范圍作用于霧霾。城市化深度是現(xiàn)有汽車共享出行和霧霾的重要傳導(dǎo)機制，共享出行通過這一傳導(dǎo)機制對霧霾的促降作用更大，至此驗證假設(shè)二。

3.4 基于城市異質(zhì)性的汽車共享出行對霧霾的傳導(dǎo)機制分析

我國城市的發(fā)展具有較為明顯的異質(zhì)性，城市發(fā)展由于其所屬的位置和等級不同造成的差異也較大。這一異質(zhì)性可能導(dǎo)致不同等級城市里的汽車共享經(jīng)濟規(guī)模對霧霾的傳導(dǎo)機制也不一致。基于此，本文根據(jù)2017年《城市商業(yè)魅力排行榜》中城市等級劃分進行分組回歸，鑒于一線和新一線城市的樣本僅有19個，一線新一線及二線城市也僅有48個，為了保證回歸的穩(wěn)健性，本文以三線城市為臨界點分組回歸，檢驗一線至三線城市以及四五線城市的傳導(dǎo)機制，回歸結(jié)果如表3所示。

從表3可以看出，中介效應(yīng)在一二三線城市均成立，這類城市人口眾多且密集，消費機會多，城市活力大，十大消費城市均位于一線和新一線城市等級中，其共享出行規(guī)模更能促進人們消費活動和其他活動的增強，促進城市內(nèi)部的集聚和城市化程度的加深。但在四五線城市的回歸中，β1和γ3均不顯著，現(xiàn)有四五線城市汽車共享出行的發(fā)展不能顯著促進城市集聚，這類城市人口規(guī)模和消費活力相對較小，共享出行的發(fā)展未能達到理想規(guī)模，城市集聚活動程度也相對較低，不足以發(fā)揮共享出行在集聚城市下更大的綠色外部性。雖然在全樣本中這一傳導(dǎo)機制成立，但鑒于各城市的異質(zhì)性，若試圖發(fā)揮城市形態(tài)的綠色傳導(dǎo)作用，各城市應(yīng)因地制宜地進行規(guī)劃，以促進共享出行和城市空間進一步的優(yōu)化整合。假設(shè)三得到驗證。

4 結(jié)論建議

本文以2017年滴滴出行開城城市的截面數(shù)據(jù)為研究樣本，以GS2SLS估計了汽車共享出行對空氣霧霾污染的影響，進一步將城市化形態(tài)分為城市化深度和城市化廣度兩種模式分別檢驗人類活動強度和人類活動范圍對霧霾的傳導(dǎo)機制，隨后考察了不同等級城市的傳導(dǎo)機制差異。結(jié)論如下：①汽車共享出行對霧霾具有顯著的空間相關(guān)性，考慮其空間溢出性和內(nèi)生性之后，汽車共享出行與空氣霧霾呈現(xiàn)顯著的“正U型”關(guān)系，即汽車共享出行開城初期會減少當?shù)氐目諝馕廴荆斊浒l(fā)展到一定規(guī)模后，如北京、深圳等，當?shù)仄嚬蚕沓鲂械陌l(fā)展會加劇空氣污染。②新能源汽車占比的提升有利于減少霧霾，但不顯著。③在考慮代表人類活動強度和范圍的城市化深度和城市化廣度后，本文發(fā)現(xiàn)，城市化深度較高時，即集聚的城市形態(tài)下汽車共享出行會部分通過影響代表人類活動強度的城市化深度作用于空氣霧霾，城市化深度為汽車共享出行減排的傳導(dǎo)途徑，且城市化深度對對霧霾的促增作用小于城市化廣度，設(shè)計減排政策和規(guī)制可以從集聚的城市形態(tài)入手。④此外，當前汽車共享出行在不同城市的發(fā)展程度不同，通過城市集聚和活動強度的傳導(dǎo)作用也不同，四五線等中小城市中，汽車共享出行規(guī)模對城市集聚沒有顯著的促進作用，城市化深度的傳導(dǎo)機制不明顯。

本文的結(jié)論證實了汽車共享出行對霧霾的影響機制。①鑒于其“正U型”關(guān)系，建議汽車共享出行企業(yè)在其業(yè)務(wù)需求量較大的城市降低燃油車司機的審核通過比例，增加新能源汽車占比，尤其是一些主要為水力、風(fēng)力發(fā)電的城市。面對霧霾的空間溢出效應(yīng)，各地政府應(yīng)該堅持合作的原則，對霧霾進行聯(lián)防聯(lián)控治理，如實行區(qū)域霧霾信息共享和預(yù)警機制，協(xié)調(diào)部門聯(lián)動，整合共享資源，將空氣質(zhì)量納入地方政府績效考核，探索創(chuàng)新大氣環(huán)境改善與經(jīng)濟協(xié)同發(fā)展模式。②鼓勵城市朝緊湊集約型發(fā)展，減少城市的低效蔓延，要合理規(guī)劃城市的布局，降低道路的重復(fù)建設(shè)，促進共享出行與城市空間的整合，推動城市集約型發(fā)展。③鼓勵汽車共享出行行業(yè)與科研院所、技術(shù)部門的合作，實現(xiàn)更加合理的OD路線設(shè)計，同時要減少汽車劣質(zhì)油品的使用，并且在法律法規(guī)上加以完善。④要堅持對清潔技術(shù)、新能源技術(shù)的研發(fā)投入，加快推進新動能，加強淘汰落后產(chǎn)能，同時要發(fā)揮能源價格的調(diào)節(jié)作用和環(huán)境規(guī)制政策的作用，提高FDI的準入門檻，甄別流入的外商投資。

參考文獻

[1]穆泉，張世秋.中國2001—2013年P(guān)M2.5重污染的歷史變化與健康影響的經(jīng)濟損失評估[J].北京大學(xué)學(xué)報（自然科學(xué)版），2015，51（4）：694-706.

[2]HEINRICHS H Sharing economy： a potential new pathway to sustainability[J]. Gaia ecological perspectives for science and Society， 2013， 22（4）：228-231.

[3]Mhlmann M. Collaborative consumption： determinants of satisfaction and the likelihood of using a sharing economy option again[J]. Journal of consumer behaviour，2015，14（3）：193-207.

[4]王家庭，張鄧斕，孫哲.私人汽車消費加劇了城市蔓延嗎：來自地級市層面的經(jīng)驗證據(jù)[J].經(jīng)濟評論，2015（6）：108-117，143.

[5]馬麗梅，劉生龍，張曉.能源結(jié)構(gòu)、交通模式與霧霾污染：基于空間計量模型的研究[J].財貿(mào)經(jīng)濟，2016，37（1）：147-160.

[6]馮也蘇. 共享交通對城市交通發(fā)展的作用研究[J]. 城市發(fā)展研究， 2017（6）：147-150.

[7]史靜靜，談鎮(zhèn).協(xié)調(diào)發(fā)展視角下共享經(jīng)濟與新型城鎮(zhèn)化戰(zhàn)略的多維互動[J].城市發(fā)展研究，2018，25（2）：118-124.

[8]滴滴發(fā)展研究院，上海交通大學(xué)中國發(fā)展研究院，東北財經(jīng)大學(xué)經(jīng)濟與社會發(fā)展研究院. 邁向高效且宜居的城市：滴滴“城市發(fā)展指數(shù)”報告[R]. 2019.

[9]EBENSTEIN A， FAN M， GREENSTONE M，et al. Growth， pollution， and life expectancy： China from 1991-2012[J]. The American economic review， 2015， 105（5）：226-231.

[10]夏勇，鐘茂初.經(jīng)濟發(fā)展與環(huán)境污染脫鉤理論及EKC假說的關(guān)系：兼論中國地級城市的脫鉤劃分[J].中國人口·資源與環(huán)境，2016，26（10）：8-16.

[11]李姝.城市化、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整與環(huán)境污染[J].財經(jīng)問題研究，2011（6）：38-43.

[12]孫才志，王雪利，王嵩.環(huán)境約束下中國技術(shù)進步偏向測度及其空間效應(yīng)分析[J].經(jīng)濟地理，2018，38（9）：38-46.

[13]鄭強，冉光和，鄧睿，等.中國FDI環(huán)境效應(yīng)的再檢驗[J].中國人口·資源與環(huán)境，2017，27（4）：78-86.

[14]白俊紅，聶亮.能源效率、環(huán)境污染與中國經(jīng)濟發(fā)展方式轉(zhuǎn)變[J].金融研究，2018（10）：1-18.

[15]馬麗梅，張曉.中國霧霾污染的空間效應(yīng)及經(jīng)濟、能源結(jié)構(gòu)影響[J].中國工業(yè)經(jīng)濟，2014（4）：19-31.

[16]陳詩一，陳登科.霧霾污染、政府治理與經(jīng)濟高質(zhì)量發(fā)展[J].經(jīng)濟研究，2018，53（2）：20-34.

[17]邵帥，李欣，曹建華.中國的城市化推進與霧霾治理[J].經(jīng)濟研究，2019，54（2）：148-165.

[18]王星.城市規(guī)模、經(jīng)濟增長與霧霾污染：基于省會城市面板數(shù)據(jù)的實證研究[J].華東經(jīng)濟管理，2016，30（7）：86-92.

[19]冷艷麗， 杜思正. 產(chǎn)業(yè)結(jié)構(gòu)、城市化與霧霾污染[J]. 中國科技論壇，2015（9）：51-57.

[20]POON J H ， CASAS I ， HE C. The impact of energy， transport， and trade on air pollution in China[J]. Eurasian geography & economics， 2006， 47（5）：568-584.

[21]張?zhí)招?中國城市化進程中的城市道路交通碳排放研究[J].中國人口·資源與環(huán)境，2012，22（8）：3-9.

[22]邵帥，李欣，曹建華，等.中國霧霾污染治理的經(jīng)濟政策選擇：基于空間溢出效應(yīng)的視角[J].經(jīng)濟研究，2016，51（9）：73-88.

[23]王卉彤，劉傳明，趙浚竹.交通擁堵與霧霾污染：基于職住平衡的新視角[J].財貿(mào)經(jīng)濟，2018，39（1）：147-160.

[24]BRADLEY B， KEITH D. Urban form， air pollution， and CO2 emissions in large U.S. metropolitan areas[J]. Professional geographer， 2013， 65（4）：612-635.

[25]CRDENAS R， DUPONT-COURTADE L， OUESLATI W. Air pollution and urban structure linkages： evidence from European cities[J]. Renewable & sustainable energy reviews， 2016， 53：1–9.

[26]ZHEN S Q ，WANG R ， EDWARD L ，et al. The greenness of China： household carbon dioxide emissions and urban development[J]. Journal of economic geography，2009， 11（5）：761-792（32）.

[27]GLAESER E L， KAHN M E.The greenness of cities： carbon dioxide emissions and urban development[J]. Journal of urban economics， 2010， 67：404-418.

[28]陳國鵬. “互聯(lián)網(wǎng)+交通”視角下緩解城市交通擁堵的私家車共享模式研究[J]. 城市發(fā)展研究， 2016， 23（2）：111-115.

[29]BORREGO C， MARTINS H， TCHEQEL O，et al. How urban structure can affect city sustainability from an air quality perspective[J]. Environ model softw，2006， 21：461–467.

[30]STONE B.Urban sprawl and air quality in large US cities[J]. Journal of environmental management，2008，86：688-698.

[31]RODE P. Accessibility in cities： transport and urban form[M]∥MEYER G， SHAHEEN S. Disrupting mobility. Cham： Springer，2017.

[32]范斐，連歡，王雪利，等.區(qū)域協(xié)同創(chuàng)新對創(chuàng)新績效的影響機制研究[J].地理科學(xué)，2020，40（2）：165-172.

[33]湯維祺，吳力波，錢浩祺.從“污染天堂”到綠色增長：區(qū)域間高耗能產(chǎn)業(yè)轉(zhuǎn)移的調(diào)控機制研究[J].經(jīng)濟研究，2016，51（6）：58-70.

[34]PETER De G， PAUL H. The third revolution： environment， population and a sustainable world[J]. International affairs， 1993， 69（1）：146-150.

[35]RASKIN P D. Methods for estimating the population contribution to environmental change[J]. Ecological Economics the Journal of the International Society for Ecological Economics， 1995， 15（3）：225.

[36]RICHARD Y， EUGENE A R， THOMAS D. Bridging environmental science with environmental policy： plasticity of population， affluence， and technology[J]. Social science quarterly， 2002， 83（1）：18-34.

[37]WAGGONER P E， AUSUBEL J H. A framework for sustainability science： a renovated IPAT identity[J]. Proceedings of the National Academy of Sciences of the United States of America， 2002，99（12）：7860-7865.

[38]DIETZ T， ROSA E A. Effects of population and affluence on CO2 emissions[J]. Proceedings of the National Academy of Sciences of the United States of America， 1997，94（1）：175-179.

[39]GENE M G， ALAN B. Krueger， economic growth and the environment[J].The quarterly journal of economics，1995， 110（2）：353-377.

[40]張人禾，李強，張若楠.2013年1月中國東部持續(xù)性強霧霾天氣產(chǎn)生的氣象條件分析[J].中國科學(xué)：地球科學(xué)，2014，44（1）：27-36.

[41]易蘭，周憶南，李朝鵬，等.城市機動車限行政策對霧霾污染治理的成效分析[J].中國人口·資源與環(huán)境，2018，28（10）：81-87.

[42]JAFFE D， ANDERSON T，COVERT D，et al.Transport of Asian air pollution to North American[J].Geophysical qesearch letters，1999，26（6）：711-714.

[43]劉海猛，方創(chuàng)琳，黃解軍，等.京津冀城市群大氣污染的時空特征與影響因素解析[J].地理學(xué)報，2018，73（1）：177-191.

[44]KELLER W. Geographic localization of international technology diffusion[J]. American economic review， 92（1）：120-142.

[45]曹坤梓，閻磊，丁成日.美國城市形態(tài)與交通行為實證研究綜述[J].城市發(fā)展研究，2019，26（9）：88-97.

[46]秦蒙，劉修巖.城市蔓延是否帶來了我國城市生產(chǎn)效率的損失：基于夜間燈光數(shù)據(jù)的實證研究[J].財經(jīng)研究，2015，41（7）：28-40.

[47]BARON R M， KENNY D A . The moderator-mediator variable distinction in social psychological research： conceptual， strategic， and statistical consideration[J]. Joural of personality and social psychology， 1986， 51：1173-1182.

[48]諸大建.后汽車時代城市的共享出行問題：基于循環(huán)經(jīng)濟視角的思考[J].城市交通，2017，15（5）：12-19.

[49]HASAN M A，DAVID J F，CHAPMAN R，et al. Emissions from the road transport sector of New Zealand： key drivers and challenges[J].Environmental science and pollution research， 2019，26： 23937-23957.