摘?要：運用空間回歸分析的方法研究主要社會經(jīng)濟指標對長江經(jīng)濟帶PM2.5和PM10濃度的潛在影響。結(jié)果表明：地區(qū)生產(chǎn)總值、第二產(chǎn)業(yè)占比、人口密度和建成區(qū)綠化覆蓋率均對本地的PM2.5和PM10濃度有正向影響，其影響程度為：地區(qū)生產(chǎn)總值>第二產(chǎn)業(yè)占比>建成區(qū)綠化覆蓋率>人口密度?？傊?，區(qū)域間聯(lián)防聯(lián)控、不同類型污染物之間的協(xié)同治理和轉(zhuǎn)變經(jīng)濟發(fā)展方式可從根本上解決長江經(jīng)濟帶PM2.5和PM10污染問題，推動長江經(jīng)濟帶生態(tài)環(huán)境保護和經(jīng)濟高質(zhì)量發(fā)展。

關(guān)鍵詞：PM2.5?PM10?長江經(jīng)濟帶?社會經(jīng)濟因素?空間回歸分析

作為我國新時代經(jīng)濟發(fā)展的戰(zhàn)略支撐帶，長江經(jīng)濟帶橫跨中國東中西三大區(qū)域，覆蓋11個省市，具有獨特優(yōu)勢和巨大發(fā)展?jié)摿1-2]。近年來，隨著工業(yè)化和城鎮(zhèn)化進程的不斷推進，長江流域沿岸第二產(chǎn)業(yè)迅速發(fā)展，然而，長江經(jīng)濟帶先前的經(jīng)濟發(fā)展主要依賴于資源和要素驅(qū)動[1]，高密度的人口產(chǎn)業(yè)布局和高耗能、高排放、高污染的生產(chǎn)生活方式容易引起區(qū)域內(nèi)大氣環(huán)境中PM2.5和PM10顆粒物濃度的升高，進而帶來嚴重的大氣環(huán)境問題[3]。因此，探索長江經(jīng)濟帶大氣顆粒物（PM2.5和PM10）社會經(jīng)濟驅(qū)動因素，對于推動長江經(jīng)濟帶工業(yè)綠色發(fā)展和經(jīng)濟高質(zhì)量發(fā)展具有重大的意義。

一、數(shù)據(jù)來源

本文選取2018年長江經(jīng)濟帶126個城市級PM2.5和PM10月濃度數(shù)據(jù)和對其影響較大的四個社會經(jīng)濟因素變量。其中，2018年長江經(jīng)濟帶所屬的126個地級市（不包括湖北天門、仙桃、潛江和神農(nóng)架）的PM2.5和PM10濃度的月值實時監(jiān)測數(shù)據(jù)來源于“空氣質(zhì)量在線監(jiān)測分析平臺（https：//www.aqistudy.cn/）”。四個社會經(jīng)濟指標主要包括地區(qū)生產(chǎn)總值、第二產(chǎn)業(yè)占比、人口密度和建成區(qū)綠化覆蓋率，其統(tǒng)計數(shù)據(jù)主要來源于“長江經(jīng)濟帶大數(shù)據(jù)平臺（http：//yreb.sozdata.com/）”和國家統(tǒng)計局公布的《中國城市統(tǒng)計年鑒》，部分數(shù)據(jù)也來源于各城市公布的2018年國民經(jīng)濟和統(tǒng)計發(fā)展公報。

二、研究方法

為了評估社會經(jīng)濟指標對長江經(jīng)濟帶PM2.5和PM10濃度變化的潛在影響，本文引入空間回歸分析的方法進行深入探討。考慮到長江經(jīng)濟帶PM2.5和PM10常具有空間異質(zhì)性和空間依賴性，在進行空間計量經(jīng)濟模型（空間滯后模型（SLM）和空間誤差模型（SEM））分析之前，需應(yīng)用經(jīng)典線性回歸模型（OLS）進行相關(guān)性和顯著性檢驗。

經(jīng)典OLS模型的公式如下[2]：

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

式中，lnPMi為長江經(jīng)濟帶大氣顆粒物（i?=?2.5或10）濃度的對數(shù)值;α為截距項;βj（j=1，2，3，4）為各社會經(jīng)濟指數(shù)的估計系數(shù);lnGDP為地區(qū)生產(chǎn)總值的對數(shù)值;lnIndustry為第二產(chǎn)業(yè)占比的對數(shù)值;lnGreen為建成區(qū)綠化覆蓋率對數(shù)值;lnPopden為人口密度的對數(shù)值;ε為隨機誤差。

空間滯后模型（SLM）主要用于分析長江經(jīng)濟帶PM2.5或PM10觀測值之間的空間依賴、擴散和溢出效應(yīng)，計算公式如下[2]：

式中，y為因變量;W為空間權(quán)重矩陣（n×n）;Wy為空間滯后因變量;ρ為空間自回歸系數(shù)，反映了相鄰空間單元觀測值的空間溢出的影響程度與方向;X為解釋變量矩陣（n×k）;β為回歸系數(shù)矩陣（k×1）;ε為滿足分布的隨機誤差項。

空間誤差模型（SEM）主要用于長江經(jīng)濟帶PM2.5或PM10觀測值存在的空間誤差項的空間相關(guān)性，計算公式如下[2]：

式中，y、W、X、β和ε的具體含義同公式（2）;Wε為空間誤差滯后項;λ為誤差項的空間自回歸系數(shù);μ為服從正態(tài)分布的隨機誤差項。

按照Anselin?提出的判別方法，MoransI檢驗、Lagrange?Multiplier?（LM）-Lag檢驗、LM-Error檢驗、Robust?LM-Lag檢驗和Robust?LM-Error檢驗可用于判別空間計量經(jīng)濟模型（SLM和SEM）的適用性[4-5]。此外，?模型的決定系數(shù)（R2）、對數(shù)似然值（LogL）、赤池信息準則（AIC）、施瓦茨準則（SC）等指標也可用于判別模型的擬合效果[4-5]。一般而言，R2和LogL值越大，AIC和SC值越小，模型擬合效果越好[4]。

三、結(jié)果與討論

本文使用OLS模型對四種社會經(jīng)濟因素對2018年長江經(jīng)濟帶PM2.5和PM10影響進行初步判斷，結(jié)果見表1。由表1可知，PM2.5和PM10的Morans?I的統(tǒng)計量分別為9.897和10.184，都通過了0.01的顯著性檢驗，說明其回歸殘差具有明顯的空間依賴性。OLS模型中Breusch-Pagan和Koenker-Bassett檢驗的P值都小于0.05，說明隨機項誤差存在異方差，與OLS模型中隨機誤差項應(yīng)滿足同方差性的前提條件不符[4]。因此，應(yīng)考慮基于空間依賴因素的SLM和SEM模型來取代OLS模型進行深入分析。此外，PM2.5和PM10的LM-Lag和LM-Error都通過了0.01的顯著性檢驗，但LM-Error的統(tǒng)計量大于LM-Lag的統(tǒng)計量，且Robust?LM-Error通過了0.01的顯著性檢驗，但Robust?LM-Lag未通過0.01的顯著性檢驗，根據(jù)Anselin模型選擇判別標準，SEM模型更適合研究長江經(jīng)濟帶PM2.5和PM10濃度的空間依賴特征。

三種空間回歸模型（OLS、SLM和SEM）的估計結(jié)果見表2。2018年長江經(jīng)濟帶PM2.5和PM10三種模型的R2、LogL、AIC和SC的大小關(guān)系可用于判斷模型選擇的合理性。長江經(jīng)濟帶PM2.5和PM10對應(yīng)的SLM和SEM模型的R2和LogL均大于OLS，AIC和SC均小于OLS，說明引入SLM和SEM對于研究長江經(jīng)濟帶大氣顆粒物的空間異質(zhì)性和空間依賴性是有必要的。此外，SEM的R2和LogL均大于SLM，AIC和SC均小于SLM，說明長江經(jīng)濟帶PM2.5或PM10存在的空間誤差項的空間相關(guān)性。對比四種社會經(jīng)濟變量對大氣PM2.5和PM10的影響可知：地區(qū)生產(chǎn)總值和第二產(chǎn)業(yè)占比的系數(shù)為正，且通過顯著性檢驗，說明經(jīng)濟發(fā)展水平和經(jīng)濟發(fā)展模式對長江經(jīng)濟帶PM2.5和PM10濃度變化具有較大的影響。建成區(qū)綠化覆蓋率和人口密度的系數(shù)為正，但未通過顯著性檢驗，說明建成區(qū)綠化覆蓋率和人口密度對長江經(jīng)濟帶PM2.5和PM10濃度變化有正向的作用，但這種作用不太顯著。這主要是由于2018年我國人口增長放緩和城區(qū)綠化建設(shè)仍較為薄弱等原因?qū)е碌摹？傊瑢Ρ人姆N社會經(jīng)濟變量的系數(shù)及顯著性，對長江經(jīng)濟帶PM2.5和PM10濃度的影響強度由大到小依次為：地區(qū)生產(chǎn)總值>第二產(chǎn)業(yè)占比>建成區(qū)綠化覆蓋率>人口密度。

四、研究結(jié)論

PM2.5和PM10等大氣顆粒物作為常見的大氣污染物，長期超標將會對長江經(jīng)濟帶大氣環(huán)境質(zhì)量和人類的生命健康產(chǎn)生極大的危害，不利于經(jīng)濟高質(zhì)量發(fā)展和社會可持續(xù)發(fā)展。本研究分析了長江經(jīng)濟帶大氣PM2.5和PM10的濃度變化特征及其驅(qū)動因素，用SEM模型能夠更好地反映2018年長江經(jīng)濟帶PM2.5和PM10年均濃度的空間依賴性，四種社會經(jīng)濟變量對PM2.5和PM10的影響程度為：地區(qū)生產(chǎn)總值>第二產(chǎn)業(yè)占比>建成區(qū)綠化覆蓋率>人口密度。

參考文獻：

[1]黃磊，吳傳清.長江經(jīng)濟帶城市工業(yè)綠色發(fā)展效率及其空間驅(qū)動機制研究[J].中國人口·資源與環(huán)境，2019，29（08）：40-49.

[2]楊冕，王銀.長江經(jīng)濟帶PM2.5時空特征及影響因素研究[J].中國人口·資源與環(huán)境，2017，27（01）：91-100.

[3]黃小剛，趙景波，曹軍驥，等.長江經(jīng)濟帶PM2.5分布格局演變及其影響因素[J].環(huán)境科學，2020，41（03）：1013-1024.

[4]黃小剛，邵天杰，趙景波，等.汾渭平原PM2.5濃度的影響因素及空間溢出效應(yīng)[J].中國環(huán)境科學，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，中國地質(zhì)大學（武漢）經(jīng)濟管理學院〕