鄧光耀，周穎欽

（蘭州財經大學a“.一帶一路”經濟研究院；b.統(tǒng)計與數據科學學院，蘭州 730020）

0 引言

憑借能源富足的天然優(yōu)勢，黃河流域工業(yè)化水平、工業(yè)開發(fā)程度較高，但長期以來，存在能源開發(fā)利用效率較低等問題，工業(yè)發(fā)展呈現(xiàn)高消耗、高排放、高污染的特點，以霧霾為代表的大氣污染問題日益凸顯。根據生態(tài)環(huán)境部公布的2020年中國重點城市空氣質量排名，在全國168個重點城市中，空氣質量較差的前20 個城市均位于黃河流域，且主要集中在黃河下游的河南、山東兩省，大氣污染十分嚴重。除了當地的社會經濟活動對環(huán)境造成的影響之外，霧霾的溢出效應已經成為加劇地區(qū)霧霾污染的重要因素，已有研究表明，區(qū)域霧霾水平不是區(qū)域內各城市污染水平的簡單相加，各城市之間的空間關聯(lián)是決定區(qū)域霧霾污染水平的關鍵。

目前很多學者已經注意到霧霾污染存在較為顯著的空間溢出效應。邵帥等（2016）[1]指出，在大氣環(huán)流等自然因素以及產業(yè)轉移、交通運輸等社會經濟因素的作用下，霧霾污染物可以輕松地在多個區(qū)域間傳播。為應對霧霾污染跨區(qū)域流動的特點，我國已初步建立起霧霾污染聯(lián)防聯(lián)控體系，部分學者也對當前協(xié)同治理過程中存在的問題進行了分析。劉華軍和彭瑩（2019）[2]指出當前區(qū)域大氣污染治理存在政策執(zhí)行力不足、職責定位混亂“、逐底競爭”等問題，認為為了保證聯(lián)防聯(lián)控機制的正常運行，有必要將相關政策制度化、法律化。

社會網絡分析是一種以“關聯(lián)關系”作為基本分析單位的跨學科方法，該方法充分考慮了考察對象的能動性，用來研究跨區(qū)域流動的霧霾污染問題具有天然的優(yōu)勢。已有研究[3]使用該方法對黃河流域的生態(tài)環(huán)境相關問題進行了分析，證明了在該地理尺度上分析空間關聯(lián)關系的可行性，但對黃河流域霧霾污染的針對性研究相對較少。本文在前人研究的基礎上，使用社會網絡分析對黃河流域霧霾污染空間關聯(lián)網絡的結構特征進行探索，并利用二次指派程序方法（QAP回歸）對霧霾污染空間關聯(lián)關系形成的驅動因素進行分析，探究驅動因素對空間關聯(lián)關系的作用機理，以期為黃河流域霧霾污染協(xié)同治理提供實證參考。

1 研究設計

1.1 空間關聯(lián)網絡的構建

本文借鑒劉華軍等（2015）[4]的研究，使用修正后的引力模型構建黃河流域城市霧霾污染空間關聯(lián)網絡：

式（1）中，i和j表示不同的城市；yij為城市i和城市j霧霾濃度之間的引力；kij表示城市i對城市i與城市j之間霧霾聯(lián)系的貢獻率，以城市i的霧霾濃度除以城市i與城市j霧霾濃度之和來表征；以各城市年末常住人口（P）、年均霧霾濃度（X）和地區(qū)生產總值（G）三者的幾何平均值來表征質量；考慮到經濟距離因素與地理距離因素都會對霧霾污染的空間關聯(lián)產生影響，本文以城市i與城市j之間的最短駕駛距離（Di）j與人均GDP的差值（gi-g）j之比的平方表征城市之間的“經濟地理距離”。

根據修正后的引力模型的測算結果，可構建霧霾聯(lián)系強度矩陣，并對數據進行標準化處理，以矩陣各列的平均值作為閾值，若城市間的霧霾聯(lián)系強度大于平均值則記為1，小于平均值則記為0，從而得到霧霾污染的二值空間關聯(lián)網絡。

1.2 網絡特征指標

1.2.1 整體網絡特征

本文參考相關研究[5]，采用網絡密度、網絡關聯(lián)度、網絡等級度和網絡效率來表征整體網絡結構特征。網絡密度反映了城市間關聯(lián)關系的緊密程度，網絡密度越大，城市間霧霾污染的聯(lián)系越緊密；網絡關聯(lián)度反映了城市之間的可達性，若關聯(lián)網絡中多數城市能通過直接或間接的連線被連接成一個整體，受到“孤立”的城市較少，則網絡關聯(lián)度較大；網絡等級度反映了城市間霧霾污染的非對稱可達程度，網絡等級度越高說明有較多的城市分別處于核心和邊緣地位，城市間霧霾污染非對稱溢出效應越顯著；網絡效率反映了各城市節(jié)點的連接效率，網絡效率越低，表明存在的冗余連線越多，霧霾污染存在越多的溢出渠道，網絡穩(wěn)定性越好。

1.2.2 個體網絡特征

本文參考相關研究[6]，采用度數中心度、接近中心度和中介中心度來刻畫個體網絡結構特征。度數中心度指與某一城市節(jié)點直接相連的關聯(lián)系數，度數中心度越高，表明該城市與其他城市的關聯(lián)關系越緊密，該城市處于關聯(lián)網絡中心的可能性就越大，具體分為點入度和點出度，分別代表該節(jié)點接收和發(fā)出的關系數；中介中心度指經過某一城市節(jié)點的最短捷徑數量，中介中心度越高，該城市越有可能處于其他任意兩個城市的捷徑上，該城市對其他城市之間的霧霾污染關聯(lián)關系的控制作用越強；接近中心度指某一城市到其他城市捷徑距離的長短，捷徑距離越短，表明該城市與網絡中其他城市節(jié)點越為接近，越容易形成霧霾污染的關聯(lián)關系，內向接近中心度反映了其他城市霧霾污染對該城市的影響，而外向接近中心度反映了該城市霧霾污染對其他城市的影響。

1.2.3 小世界特征

本文參考相關研究[7]，采用任意兩個城市節(jié)點之間最短路徑的平均長度來刻畫霧霾污染關聯(lián)網絡的小世界特征，平均路徑較短，說明霧霾污染通過較少中間城市的傳遞就能建立起聯(lián)系，污染物的擴散較為容易。

1.3 QAP回歸

本文采用QAP回歸對黃河流域霧霾污染空間關聯(lián)網絡的驅動因素進行分析。常規(guī)的統(tǒng)計分析方法難以避免變量間的多重共線性問題，通常需要假定自變量之間相互獨立，因此無法研究“關系型”數據，而QAP回歸不需要滿足變量之間相互獨立的假設，能有效地解決這類問題。

在驅動因素的選擇上，本文從社會經濟發(fā)展對霧霾污染的影響方面考慮，綜合相關學者研究和數據可獲得性，選取了如下9個因素：

（1）地理位置差異（Distance）：地理位置鄰近的城市開展經濟交流活動的成本較低，因此鄰近城市之間大氣污染的關聯(lián)關系和溢出效應可能更加顯著。

（2）人口密度差異（Density）：人口密度增加會帶來大量的住房、出行、消費等物質生活需求，在一定程度上會增加污染物的排放量。

（3）城市建設用地差異（Urb）：城市擴張建設造成的建筑揚塵是PM2.5的重要來源，同時建筑規(guī)模的擴張，也將促進水泥、鋼筋等工業(yè)行業(yè)的發(fā)展，間接對霧霾污染產生影響。

（4）投資水平差異（Invest）、經濟發(fā)展水平差異（Pgdp）：學者們普遍認為經濟發(fā)展水平、投資規(guī)模等社會財富因素的積累會帶來更多的環(huán)境污染，但是，隨著城市經濟規(guī)模的增長，經濟結構將得到不斷完善，不僅不會增大大氣污染，反而還有助于改善大氣污染情況。

（5）環(huán)境規(guī)制強度差異（ER）、技術水平差異（Tec）：環(huán)境規(guī)制強度、技術水平都將在一定程度上促使工業(yè)企業(yè)優(yōu)化生產方式、提升技術水平，從而有效降低污染物的排放量并提升污染治理水平。

（6）產業(yè)結構差異（Indus）、能源強度差異（Energy）：學者們普遍認為產業(yè)結構差異和能源強度差異對環(huán)境污染有較大影響，工業(yè)化程度較高的地區(qū)，能源消耗量和污染物的排放量都比較大，空氣污染較為嚴重。

基于上述因素，本文構建如下模型：

式（2）中的變量均為數據之間的關系，以矩陣形式表示。其中，F(xiàn)表示黃河流域霧霾污染空間關聯(lián)關系；Distance表示城市間的Rook 鄰接權重矩陣，城市間相鄰記為1，不相鄰記為0；Density、Urb、Invest、Pgdp、ER、Tec、Indus、Energy為各變量差異的絕對值構建的關系矩陣。

模型中各變量的具體說明如表1所示。

表1 變量說明

1.4 樣本選取與數據來源

本文以水利部黃河水利委員會定義的自然黃河流域為基礎，以地級市（或州、盟）為研究尺度，借鑒相關研究成果[5]，結合數據可得性，將研究區(qū)域界定為黃河流經的青海、甘肅、寧夏、內蒙古、陜西、山西、河南、山東8 個省份，共包含60個地級市（或州、盟），并以內蒙古托克托縣的河口鎮(zhèn)和河南鄭州桃花峪為分界點，將黃河流域劃分為上、中、下游三個區(qū)域。

本文所使用的PM2.5濃度數據為中國空氣質量在線監(jiān)測分析平臺公布的日度數據,以此為基礎，計算得到黃河流域各城市PM2.5年平均濃度數據。其余原始數據均來自2016—2021 年《中國城市統(tǒng)計年鑒》和《中國城市建設統(tǒng)計年鑒》，在此基礎上進行計算，個別缺失數據采用線性插值法補齊。其中，能源消耗強度差異中的煤炭消耗量根據各城市天然氣、液化石油氣、電的使用情況按照能源折標準煤系數進行估算，環(huán)境規(guī)制強度的計算借鑒相關學者的研究[6]，以單位污染物產出能力的變化率作為衡量環(huán)境規(guī)制強度的指標，并以城市間單位污染物產出能力變化率的差值表征環(huán)境規(guī)制強度差異。環(huán)境規(guī)制強度的計算公式如下：

其中，i代表城市；t代表年份；E表示產出，以地區(qū)生產總值表征；W為工業(yè)廢氣排放量，以工業(yè)二氧化硫排放量（噸）表征。單位污染物的經濟產出越大，說明環(huán)境規(guī)制強度越大。

2 實證分析

2.1 黃河流域霧霾污染空間關聯(lián)網絡結構特征分析

為進一步探究黃河流域各城市霧霾污染空間關聯(lián)情況，本文構建了黃河流域霧霾污染空間關聯(lián)網絡，并使用UCINET 6 軟件計算用于描述網絡特征的各類指標，相關結果如表2、表3所示。

表2 整體網絡特征指標

表3 2020年個體網絡特征指標

2.1.1 整體網絡特征

網絡密度的測算結果顯示，2015—2020 年的網絡密度分別為0.154、0.151、0.172、0.160、0.148、0.155，黃河流域霧霾污染空間關聯(lián)網絡的緊密程度不高，理論上所有城市之間的最大關系數為3540，但實際最大值僅為2017 年的609，緊密程度整體呈波動下降趨勢。究其原因，從整體來看，黃河流域地域跨度較大，地形復雜，對上、中、下游城市的直接交流形成阻礙，并且當前黃河流域的發(fā)展策略多基于地理上的鄰近關系，在行政轄區(qū)的限制下開展，還未形成上、中、下游協(xié)調發(fā)展的格局，不利于跨區(qū)域的關聯(lián)關系形成；從局部來看，黃河流域現(xiàn)有的7大城市群發(fā)展差異明顯，部分核心城市對周邊城市的輻射帶動作用有限，取得的發(fā)展成果還沒有惠及周邊城市，城市群內的關聯(lián)網絡較為松散。以上兩個方面的原因造成黃河流域整體無法形成緊密聯(lián)系的關聯(lián)網絡，與此同時，黃河流域霧霾污染狀況已得到較大幅度的改善，在一定程度上抑制了關聯(lián)關系的產生，從而造成霧霾污染關聯(lián)網絡整體的緊密程度呈下降趨勢。

網絡效率的測算結果與網絡密度對應，2015—2020年霧霾關聯(lián)網絡的冗余連線呈現(xiàn)先增加后減少，再增加后減少的變化趨勢，總體而言冗余連線較少，網絡穩(wěn)定性處于較低水平。當然，冗余連線也不是越多越好，有學者認為，過多的冗余連線會增加大氣污染治理的成本，對污染治理起到阻礙作用[4]。

網絡關聯(lián)度的測算結果顯示，考察期內網絡關聯(lián)度始終為1，表明60 個城市均在霧霾污染空間關聯(lián)網絡之內，即使相隔較遠的城市在霧霾污染方面仍存在一定的空間相關性。

網絡等級度始終保持在一個較低水平，2015—2020年網絡等級度分別為0.066、0.0978、0、0.066、0.066、0.097，說明城市之間并不存在等級森嚴的網絡結構，由于大部分城市在網絡中的地位相似，因此更容易形成城市間的聯(lián)系，單一城市霧霾濃度的上升也會通過霧霾污染的空間關聯(lián)影響整體的大氣環(huán)境，霧霾治理難度較大。

除此之外，黃河流域霧霾污染空間關聯(lián)網絡還存在明顯的小世界特征。觀測期內黃河流域樣本城市霧霾污染空間關聯(lián)的平均最短路徑介于2.343～2.493，表明在任意兩個城市節(jié)點之間，霧霾污染物一般通過2～3個中間城市的傳遞就可以建立起聯(lián)系，進一步說明了黃河流域霧霾污染存在較強的空間溢出效應，輻射范圍已經超越了地理意義上的“鄰接”關系，采取跨省跨區(qū)域的霧霾污染聯(lián)防聯(lián)控措施有極大的合理性和必要性。

2.1.2 個體網絡特征

通過對比2015—2020 年的中心性指標可以發(fā)現(xiàn)，黃河流域霧霾污染關聯(lián)網絡的中心城市較為明確，處于網絡中心的主要城市并無明顯變化，故以2020年為例，分析主要城市節(jié)點在霧霾污染關聯(lián)網絡中的特征。

下頁圖1 為2020 年的黃河流域霧霾污染空間關聯(lián)網絡，從圖1 中可以看到，處于2020 年霧霾污染關聯(lián)網絡中心的是鄂爾多斯、榆林等位于黃河“幾字灣”區(qū)域的能源型城市及以濟南、鄭州、西安、太原為代表的省會城市，黃河流域霧霾污染空間關聯(lián)網絡的中心城市在地理分布上較為分散，呈現(xiàn)多中心化的特點。圖1 中節(jié)點越大，代表絕對度數中心度越大，表明與該城市有關的霧霾污染關聯(lián)關系數越多。絕對度數中心度均值為18.234，高于平均值的城市有18 個，高值城市基本與位于霧霾污染關聯(lián)網絡中心的城市對應，其中鄂爾多斯、鄭州、濟南、榆林、東營、洛陽的絕對度數中心度均大于30，處于絕對的中心地位，而銅川、濱州等城市的絕對度數中心度較小，與大部分城市的交流相對較少，在關聯(lián)網絡中處于從屬地位。

圖1 2020年黃河流域霧霾污染空間關聯(lián)網絡

若定義點出度大于點入度的城市為“霧霾溢出城市”，則從圖2 可以看出，省會城市（濟南、鄭州、西安、太原、蘭州）表現(xiàn)出較為顯著的霧霾溢出效應，而黃河中下游地區(qū)的霧霾溢出城市呈現(xiàn)一定程度的空間集聚，主要集中在中原城市群（鄭州、洛陽、焦作、新鄉(xiāng)）、關中平原城市群（西安、咸陽、渭南、運城）和山東半島城市群（濟南、淄博、東營、聊城）。相比蘭州、太原等城市，這些城市本身霧霾濃度較高，更容易形成霧霾溢出效應，同時區(qū)域核心城市西安、鄭州、濟南綜合實力強勁，在自給自足的同時，產生較多的資源、技術溢出，進一步影響霧霾的擴散。此外，以鄂爾多斯、榆林為代表的能源型城市也扮演著重要角色，這些城市含有大量城市發(fā)展所需要的資源，與其他城市的交流阻礙相對較小，較多的經濟交流有利于霧霾污染擴散，從而促進空間關聯(lián)關系的形成。該結果也反映出，霧霾污染的空間關聯(lián)情況較為復雜，以鄂爾多斯為代表的霧霾濃度相對較低但與其他城市關聯(lián)密切的城市，也會在霧霾的空間關聯(lián)中發(fā)揮重要作用，以往只針對霧霾污染嚴重城市制定的措施存在一定局限性。

圖2 “霧霾溢出城市”分布

中介中心度的測算結果顯示，2020 年中介中心度的均值為75.382，排名前10 的城市的中介中心度數值之和占總量的63.913%，表現(xiàn)出明顯的非均衡特征，高值區(qū)域也集中在黃河“幾字灣”城市群及濟南、鄭州、西安、蘭州等省會城市（見圖3）?！俺鞘腥骸睉?zhàn)略促進了以省會城市為代表的區(qū)域核心城市的快速發(fā)展，這些城市在區(qū)域經濟發(fā)展中掌握著絕對的話語權，其對外影響力遠高于其他城市，對其他城市間的霧霾污染空間關聯(lián)也起到控制作用。而濱州、開封等城市的中介中心度排名相對靠后，這些城市正好位于中介中心度較高的城市附近，容易受到這些城市的影響，難以對其他城市發(fā)揮控制和支配作用。此外安康、陽泉、武威3 個城市的中介中心度為0，表明這些城市在關聯(lián)網絡中并沒有起到“中介”作用，但他們也沒有被孤立，仍受到其他城市霧霾污染的影響。

圖3 2020年中介中心度分布情況

在接近中心度方面，外向接近中心度兩極分化較為嚴重，武威、安康的外向接近中心度明顯高于其他城市，而外向接近中心度較小的城市里排名靠前的是鄂爾多斯、鄭州、濟南、榆林等，這些城市與其他城市之間的捷徑距離最短，在關聯(lián)網絡中扮演“中心行動者”的角色，向外的霧霾溢出較少受到其他城市的限制。這種不受影響的地位顯然與其行政地位、經濟水平等方面的優(yōu)勢有關。內向接近中心度較小的城市主要集中在黃河上游地區(qū)（烏蘭察布、巴彥淖爾、武威、慶陽、隴南等），表明黃河上游地區(qū)更容易受到其他城市霧霾溢出的影響，是霧霾污染的接收主體。

2.2 黃河流域霧霾污染空間關聯(lián)網絡的驅動因素分析

為進一步揭示黃河流域霧霾污染空間關聯(lián)網絡的驅動因素，本文通過QAP回歸分析，利用UCINET 6軟件經過5000次隨機置換，得到下頁表4的回歸結果。2015—2020年各年份調整后的R2介于0.259～0.311，該結果表明選取的指標能夠解釋黃河流域霧霾污染空間關聯(lián)關系變化的25.9%～31.1%?；貧w結果顯示，不同指標對黃河流域霧霾污染關聯(lián)網絡的影響程度和影響方向有顯著差異。具體分析如下：

表4 黃河流域霧霾污染空間關聯(lián)網絡影響因素回歸結果

地理位置差異的系數顯著為正，且始終通過1%水平上的顯著性檢驗，表明城市間距離越近，越容易受到鄰近城市霧霾污染溢出效應的影響，進而推動空間關聯(lián)關系的形成。

經濟發(fā)展水平差異的系數顯著為正，且始終通過1%水平上的顯著性檢驗，表明城市間經濟水平差異越大，污染物產生空間溢出的可能性越大。這可能與黃河流域城市間產業(yè)轉移有關，黃河流域區(qū)域經濟發(fā)展不平衡，經濟發(fā)展水平較高的城市往往有更嚴格的環(huán)境保護標準，迫使部分高污染、高耗能產業(yè)向經濟欠發(fā)達地區(qū)轉出，從而建立關聯(lián)關系。

除2020年外，人口密度差異的系數均顯著為負，且均通過1%水平上的顯著性檢驗，表明城市間人口密度差異的擴大，不利于霧霾污染空間關聯(lián)網絡的形成。該結果與人口規(guī)模擴大將顯著增大該城市環(huán)境壓力的傳統(tǒng)認知不符，可能的原因是，黃河流域霧霾污染關聯(lián)網絡的中心城市以省會城市為主，且呈多中心的格局散布在黃河沿線，周邊城市的人口資源都向區(qū)域中心城市集中，但大范圍的跨省跨區(qū)域的“流動”相對較少，人口過于集中，缺乏流動性，反而會抑制跨區(qū)域的空間關聯(lián)關系形成。

城市建設用地差異的系數為正，在2015—2018 年和2020年均至少通過了5%水平上的顯著性檢驗，但2019年未通過顯著性檢驗，而投資水平差異在不同年份通過了1%或5%水平上的顯著性檢驗，且系數為正。該結果表明，城鎮(zhèn)化因素對大氣污染有較大的影響，城市開發(fā)強度的不斷增強和投資規(guī)模的迅速擴大，對城市的環(huán)境承載有較大的沖擊。

產業(yè)結構差異的系數為負，除2019 年和2020 年未通過顯著性檢驗之外，其余年份均顯著，表明產業(yè)結構差異也是城市間霧霾污染空間關聯(lián)的重要影響因素，城市間產業(yè)結構的同構化有利于霧霾污染的空間溢出。該現(xiàn)象可能與黃河流域主導產業(yè)的同構化現(xiàn)狀有關，大多數城市的主導產業(yè)均為能源化工、裝備制造等高能耗、高污染產業(yè)，污染物的排放較多。

環(huán)境規(guī)制強度差異、技術水平差異和能源強度差異三個變量的系數僅在個別年份顯著，說明這三個變量不能作為當前黃河流域霧霾污染空間關聯(lián)網絡的主要驅動因素。通常認為技術水平差異較大將加劇城市間人力資本、資源開發(fā)水平等差距，進而對能源使用效率、環(huán)境規(guī)制強度產生較大影響，促使跨區(qū)域的資源調配和生產更加頻繁，促進霧霾污染空間關聯(lián)關系的形成，但顯然當前黃河流域的發(fā)展還沒有觸發(fā)這一要素，部分較為發(fā)達城市的技術水平等方面的優(yōu)勢還沒有起到帶動流域內其他城市發(fā)展的作用。

3 結論

本文基于黃河流域60 個城市2015—2020 年的數據，采用社會網絡分析和QAP回歸方法對黃河流域霧霾污染空間關聯(lián)網絡的結構特征及驅動因素進行分析，結論如下：（1）整體網絡特征的測算結果顯示，黃河流域霧霾污染空間關聯(lián)網絡的冗余連線較少，關聯(lián)網絡的緊密程度整體呈波動下降趨勢，但網絡關聯(lián)度始終為1，不存在等級森嚴的網絡結構，反映出各城市間存在顯著的霧霾污染關聯(lián)關系，且已經突破地理上的鄰近關系，即使距離間隔較遠，也會受到其他城市霧霾污染溢出的影響，呈現(xiàn)明顯的小世界特征。（2）個體網絡特征的測算結果顯示，省會城市及以鄂爾多斯、榆林為代表的能源型城市是黃河流域霧霾污染空間關聯(lián)網絡的中心，這些中心城市同時扮演著“中間行動者”“中介”等重要角色，是霧霾污染發(fā)出的主體。（3）QAP回歸的結果顯示，經濟發(fā)展水平差異、投資水平差異、城市建設用地差異的擴大以及地理位置上的鄰近性，將有效促進霧霾污染空間關聯(lián)關系的形成；而人口密度差異、產業(yè)結構差異的擴大，將在一定程度上抑制空間關聯(lián)關系的形成。