城市空氣質(zhì)量監(jiān)控宏觀模型

閆炳琪，張輝，桑雨琛

(中國傳媒大學 理學院，北京 100024)

城市空氣質(zhì)量監(jiān)控宏觀模型

閆炳琪，張輝，桑雨琛

(中國傳媒大學 理學院，北京 100024)

選擇PM 10作為測度空氣質(zhì)量的指標，以城市擁有公共交通工具數(shù)量和城市綠化覆蓋率作為解釋變量，通過線性回歸建立基于全國各大城市截面數(shù)據(jù)模型，樣本回歸模型顯示，城市的綠化面積和城市居民私家車擁有量與該城的廢氣處理能力存在著一定的線性關系。

綠化；粉塵；私家車；廢氣；截面數(shù)據(jù)；

1 引言

工業(yè)化、城市化進程的快速發(fā)展，城市的生產(chǎn)、消費規(guī)模不斷擴大，導致城市能源、交通規(guī)模持續(xù)擴大。我國是發(fā)展中國家，能源結構不盡合理，以燃煤作為電力、熱力等的主要燃料。因此，以可吸入顆粒物、一氧化碳、二氧化硫、氮氧化物等為主要污染物的大氣環(huán)境污染問題日趨嚴重，對資源、環(huán)境與人民生活和社會經(jīng)濟帶來巨大的沖擊，嚴重威脅著可持續(xù)發(fā)展的基礎[1]。

本文選擇PM 10作為測度空氣質(zhì)量指標，以城市擁有公共交通工具數(shù)量和城市綠化覆蓋率作為解釋變量，通過線性回歸建立基于全國各大城市截面數(shù)據(jù)模型。

2 截面數(shù)據(jù)模型

2.1 數(shù)據(jù)說明

研究所用數(shù)據(jù)來自于中國統(tǒng)計年鑒2012。本次研究采用粉塵重量作為測度空氣質(zhì)量的指標(單位：萬噸)；城市公共交通工具作為解釋變量(單位：萬輛)；城市綠化覆蓋率作為解釋變量(單位：百分比)。

圖1數(shù)據(jù)顯示，哈爾濱、長春這樣的東北老工業(yè)基地和重慶、濟南這樣的以工業(yè)為主的大城市煙塵含量超標；而?？谶@種海邊城市以及拉薩這種高海拔城市煙塵含量較少。

圖2數(shù)據(jù)顯示，廣州、濟南、南京、北京等經(jīng)濟發(fā)達、人口較多的大市公共交通工具數(shù)量較多；?？?、西寧、拉薩等交通不發(fā)達、人口較少的小市公共交通工具數(shù)量較少。

圖3數(shù)據(jù)顯示，大部分城市的綠化覆蓋率都比較出色，拉薩、蘭州、西寧、貴陽等城市，因地勢跟氣候等原因綠化工作難以開展，綠化覆蓋率比較低。

圖2 2012年各城市公共交通工具數(shù)量(億輛)

圖3 2012年各城市綠化覆蓋率分布(%)

2.2 模型檢驗及修正

模型表達式如下：

ln(smoke)=β0+β1treelawn+β2ln(car)+μ

其中，Smoke(城市煙塵含量)；tree lawn(該城市綠化面積)；car(該城市公共交通工具數(shù)量)；μ(服從標準正態(tài)分布的隨機變量)。

模型普通最小二乘回歸估計結果如下：

ln(smoke*)=-3.74-4.6treelawn*

+0.75ln(car)*

T： -1.06 3.58 -2.40

Prob： 0.023 0.3 0.0013

R2：0.35 F：7.62 Prob：0.00227 D.W：1.9

回歸方程的參數(shù)顯著性檢驗結果顯示，滿足經(jīng)濟檢驗。常數(shù)C前的符號為負，代表在沒有綠化帶和汽車的情況下，該城市的粉塵含量要低于當前水平；Tree lawn變量系數(shù)前的符號為負表示一個城市綠化覆蓋率越高則該城市的粉塵含量越少，每當綠化覆蓋率提高一個百分點，粉塵含量就減少4.6個百分點；Car變量前的參數(shù)符號為正，表示汽車每增加一萬輛，粉塵就增加0.75噸。

從參數(shù)的t值看出，常數(shù)項和car項前的參數(shù)都顯著不為零，而tree lawn項前的參數(shù)在10%的顯著性水平下不能拒絕參數(shù)為零的假設。方程檢驗的F值顯示了方程整體的線性性很強，說明很有可能兩個解釋變量之間存在著多重共線性。接近于2的D.W值說明模型在很大程度上不存在一階序列自相關性。

2.2.1 異方差性檢驗及修正

研究所采用的是截面數(shù)據(jù)，數(shù)據(jù)整體上有很大可能存在異方差性。在該部分將展示對模型異方差性的檢驗和修正。

下圖是殘差散點圖，由圖4可以看出，數(shù)據(jù)的方差存在著先減小后增大現(xiàn)象。

圖4

用異方差穩(wěn)健性來修補序列，常數(shù)項、兩個解釋變量的方差均有所增加，說明序列的確存在異方差性。

White檢驗的結果如下表1：

表1

F-statistic5.603051Prob.F(5,25)0.0013Obs*R-squared16.38157Prob.Chi-Square(5)0.0058

檢驗結果證明，序列在90%的顯著性水平下存在異方差性。White檢驗結果顯示，殘差的平方、兩個解釋變量之間存在著二次方的關系，用加權最小二乘法來修正序列[2]，得到新的回歸結果如下：

ln(smoke*)=-5.36-5.09treelawn*

+0.95ln(car)*

T： -4.09 -1.17 -4.64

Prob： 0.000 0.25 0.000

R2：0.53 F：15.59 Prob：0.000 D.W：1.82

模型質(zhì)量得到很大提高。Tree lawn前的參數(shù)t值有所下降；擬合優(yōu)度提高到了53%，整體的線性性得到了提高；D.W值雖然有略微的下降，但是在接下來的部分將會對其進行修正。

經(jīng)過加權的最小二乘法后，再次進行懷特檢驗，結果如下表2：

表2

F-statistic4.118101Prob.F(5,25)0.0073Obs*R-squared14.00085Prob.Chi-Square(5)0.0156

序列的異方差性得到很大改善，雖然通過F統(tǒng)計量仍然不能拒絕不存在異方差性的結論，但是卡方統(tǒng)計量的結果則在95%的顯著性水平下拒絕了存在異方差性的結論[3]，可以說目前序列的異方差性已經(jīng)微乎其微了。

2.2.2 序列相關性檢驗

在上一個部分我們檢驗了序列所存在的異方差性，在這個部分我們檢驗模型存在的序列相關性。因為截面數(shù)據(jù)很少存在所謂序列相關性的問題，所以在該部分我們只做檢驗，不做修正。LM檢驗結果如下表3：

表3

F-statistic1124.241Prob.F(2,26)0.0000Obs*R-squared30.64563Prob.Chi-Square(2)0.0000

LM檢驗結果顯示模型在95%的置信水平下不存在序列相關性。

2.2.3 多重共線性說明

加權最小二乘法的結果顯示，green項前的系數(shù)t值仍然較小，而F值仍然比較大，說明方程解釋變量之間的確存在多重共線性，由于方程中含有對數(shù)項，一階差分的方法并不可行[4]。但是考慮到城市綠化率和公共交通工具的數(shù)量之間在實際上并沒有什么聯(lián)系，只能歸結于樣本量的太小。所以基于界面數(shù)據(jù)的模型就以加權最小二乘法后的估計方程為最后模型。

3 結論和建議

樣本回歸模型顯示，城市的綠化面積和城市汽車數(shù)量與該城的廢氣處理能力存在著一定的線性關系。

截面數(shù)據(jù)模型可以看出，每當城市的綠化面積提高一個百分點，城市的廢氣含量將減少5%，而每當城市中的公共交通工具增加一個百分點時，城市中的廢氣含量將會提高0.96個百分點。

通過前面的數(shù)據(jù)可以看到，我國城市綠化工作進展的比較“坎坷”。首都北京尚且如此，可以推向我國其他地區(qū)的情況。從模型中可以看出，在綠化上的小小投資，對空氣的凈化能力遠遠超過汽車對空氣的污染能力，如果能夠有更加合理的規(guī)劃和更大面積的綠化帶，都市的空氣將會有很大的改觀。同時，巨量的汽車尾氣，是造成空氣污染的元兇，都市中的公共交通工具本身就會給大氣帶來很大的負擔，更別提越來越多的私家車。市民們?nèi)绻嗟倪x擇公共交通工具出行，將大大改善自己生活的環(huán)境。

由于，數(shù)據(jù)量較少的原因，多重共線性使得模型中綠化帶前的系數(shù)的t值比較小，沒有辦法通過顯著性檢驗，如果將模型用于預測將會產(chǎn)生錯誤的結果。但是，這并不影響模型本身說明事實的能力。研究的未來方向，是通過搜集更多的樣本增加樣本量以緩解模型中的多重共線性，使模型具備預測城市空氣質(zhì)量的能力。同時，國家將在日后，逐步公開空氣質(zhì)量監(jiān)控指標的數(shù)據(jù)，更為直接而精確的指標能夠提高模型的質(zhì)量。最后，可以試圖采用不同的模型結構來提高模型的質(zhì)量，因為我們可以清晰的看到，雖然數(shù)據(jù)之間的序列相關性并不明顯，但是從實際上考慮，城市當期的空氣質(zhì)量，應該在很大程度上受到前一期城市的汽車擁有量和綠化面積的影響。所以，如果在模型中引入自回歸項和分布滯后項將有可能提高模型的質(zhì)量。

[1]江迪，李灝.如何減少PM2.5帶來的危害[N].人民政協(xié)報，2012-02-15.

[2]侯瑞蓮，蔣志方，王強，叢中興.城市環(huán)境空氣質(zhì)量監(jiān)控網(wǎng)絡及預警系統(tǒng)設計[D].第二十屆全國數(shù)據(jù)庫學術會議論文集(技術報告篇)，2003，(10).

[3]藺雪芹，王岱.中國城市空氣質(zhì)量時空演化特征及社會經(jīng)濟驅動力[J].地理學報，2016，(08).

[4]蔣志方.城市空氣質(zhì)量預測模型與數(shù)據(jù)可視化方法研究[J].山東大學，2011，(10).

(責任編輯：王 謙)

AMacroModelforMonitoringUrbanAirQuality

YAN Bing-qi，ZHANG Hui，SANG Yu-chen

(School of Science，Communication University of China，Beijing 100024，Chian)

Taking the number of urban public vehicles and afforestation coverage in the city as variables，the present paper selects PM 10 as the index for estimating air quality to build a model based on the cross-section data of national metropolitan cities，with the method of linear regression. The sample regression model shows that the urban green area and the number of private cars citizens possessing have a certain linear relation to the city’s capability of disposing waste gas.

afforestation；dust；private cars；waste gas；cross-section data

O29

A

1673-4793(2017)06-0036-04

2017-06-28

閆炳琪(1992-)，男(漢族)，山東萊蕪人，中國傳媒大學碩士研究生.E-mail：861731725@qq.com