北京市霧霾的社會經(jīng)濟影響因素實證研究

李衛(wèi)東，黃 霞

(北京交通大學 經(jīng)濟管理學院，北京 100044)

一、問題提出

改革開放以來，中國經(jīng)濟迅猛發(fā)展，人民生活水平節(jié)節(jié)升高。然而粗放型的經(jīng)濟發(fā)展方式也帶來了一系列的環(huán)境污染問題，作為首都的北京市，環(huán)境狀況堪憂，尤其是大氣狀況[1]。2013年，中國爆發(fā)了嚴重霧霾，北京市在2013年1月份僅有4天空氣優(yōu)良，全年僅有176個優(yōu)良天。據(jù)新京報報道，2016年北京共發(fā)生重污染39天，除了有1天為臭氧重污染，其余38個重污染天全部為PM2.5重污染。2016年北京市PM2.5年均濃度為73微克/立方米，較2015年下降9.9%，但仍超過國家標準(35微克/立方米)。嚴重的霧霾污染使北京市城市形象受到影響，居民身體健康、經(jīng)濟發(fā)展、交通安全以及氣候變化等多方面都受到了極大影響[2-4]。有研究估算，北京2013年1月份爆發(fā)的嚴重霧霾造成了1.8億美元的經(jīng)濟損失，占當年GDP的0.76%[5]。根據(jù)英國《金融時報》2013年4月1日的報道，嚴重的空氣污染促使外國人離開北京，并大大增加了公司招募國際人才的難度。2014年3月13日，國務院總理李克強在人民大會堂與中外記者見面時指出，霧霾已經(jīng)成為重大的民生問題；2016年3月份他再次強調(diào)，要“重拳治理大氣霧霾”。由此可見，北京市霧霾污染問題依然十分嚴峻，從根源上尋求緩解直至解決霧霾污染的方法，急迫而又任重道遠。

本文將運用空間計量經(jīng)濟學方法，基于環(huán)境經(jīng)濟學和城市發(fā)展理論，從北京市行政區(qū)的角度對北京市霧霾污染的空間效應和社會經(jīng)濟影響因素進行分析。國際公認的空間計量專家安瑟林(Anselin，2001)專門對空間因素對于環(huán)境經(jīng)濟問題研究的重要意義進行了探討，并在《空間計量經(jīng)濟學：方法與模型》一書中系統(tǒng)分析了空間計量經(jīng)濟學的研究范圍、空間自相關模型和空間誤差模型等問題[6]。羅帕辛哈等(Rupasingha et al，2004)最早運用該方法，對美國3 029個縣的人均收入與大氣污染之間的聯(lián)系進行討論[7]。侯賽尼等(Hosseini et al.，2011)運用空間計量方法對1990—2007年亞洲各國的兩大空氣主要污染物CO2和PM10進行了研究，發(fā)現(xiàn)兩大污染物在亞洲國家之間存在著明顯的溢出效應，空間因素不容忽視[8]。馬麗梅和張曉(2014)、王立平和陳俊(2016)均運用空間計量經(jīng)濟學對中國的霧霾污染進行研究，認為產(chǎn)業(yè)結(jié)構(gòu)和能源消費結(jié)構(gòu)對霧霾污染有顯著影響[9-10]。劉華軍和裴延峰(2017)用空間Tobit模型對中國霧霾污染的環(huán)境庫茨涅茲曲線假說(EKC)進行驗證，發(fā)現(xiàn)中國霧霾污染與經(jīng)濟發(fā)展之間不存在倒U型的EKC假說，而經(jīng)濟密度的提高有助于降低霧霾污染[11]。嚴雅雪和齊紹洲(2017)用空間面板數(shù)據(jù)模型研究外商直接投資(FDI)對中國霧霾污染的影響，發(fā)現(xiàn)FDI是導致霧霾濃度升高的影響因素之一[12]。

目前，國內(nèi)學者運用空間計量方法對大氣污染問題的研究起步較晚且相對較少，針對霧霾污染的研究主要從霧霾形成的氣象條件[13-15]和社會經(jīng)濟發(fā)展[16-17]兩個角度，從全國或者某個大區(qū)域(如京津冀、長三角等)范圍的角度去分析，較少有研究考慮到單個大城市內(nèi)空間因素對霧霾污染的影響。在城鄉(xiāng)一體化快速發(fā)展趨勢下，城市中心區(qū)和城郊區(qū)以及附屬鄉(xiāng)鎮(zhèn)區(qū)之間的聯(lián)系越來越緊密，尤其是社會經(jīng)濟活動的聯(lián)系。在這一背景下，城市內(nèi)部區(qū)域之間的相互影響，尤其是城郊區(qū)、鄉(xiāng)鎮(zhèn)區(qū)與城中區(qū)之間的互動效應越來越密切，這種效應亦包括污染尤其是大氣污染的傳遞效應。因此，在研究霧霾污染跨省(或跨市)空間效應的同時，不可忽略霧霾污染的省內(nèi)(或市內(nèi))空間溢出效應。本文首次運用空間計量分析方法，以北京市行政區(qū)為個體，采用分區(qū)數(shù)據(jù)，對北京市霧霾污染的市內(nèi)空間效應和影響因素進行研究。

二、北京市霧霾污染的空間效應分析

(一)北京市霧霾污染空間分布

鑒于2012年底北京市才開始統(tǒng)計公布PM2.5相關數(shù)據(jù)，因此選擇2013—2015年北京市各區(qū)PM2.5年均濃度來表征霧霾污染水平進行分析，數(shù)據(jù)來源于北京市各區(qū)縣統(tǒng)計年鑒。

2013—2015年，北京市霧霾污染空間分布基本一致，均呈現(xiàn)出“南高北低，由北向南逐漸逐漸升高”的特點。其中，位于北京市中心地區(qū)的東城區(qū)、海淀區(qū)、朝陽區(qū)和豐臺區(qū)霧霾污染的相對嚴重程度在2013—2015年內(nèi)發(fā)生了變化。海淀區(qū)霧霾污染程度2013—2015年相對有所減輕，東城區(qū)霧霾污染在過2013—2014年有所減輕之后，到2015年又加重了，而朝陽區(qū)和豐臺區(qū)霧霾污染2013—2015年均相對加重了。其余行政區(qū)霧霾污染程度維持相對不變。

從整體來看，2013—2015年北京市霧霾污染有所緩解，但整體仍然處于較高的程度(2013—2015年北京市PM2.5年均濃度分別為90.02、87.56和80.79微克/立方米)。北京市各區(qū)2013—2015年霧霾污染的空間分布如表1所示。

表1 北京市霧霾污染空間行政區(qū)分布

從霧霾污染的分布情況來看，霧霾污染最嚴重的地區(qū)主要集中于功能定位為“城市發(fā)展新區(qū)”的通州區(qū)、大興區(qū)和房山區(qū)，霧霾污染較輕的地區(qū)主要集中于功能定位為“生態(tài)涵養(yǎng)區(qū)”的延慶區(qū)、懷柔區(qū)、密云區(qū)以及緊臨生態(tài)涵養(yǎng)區(qū)的昌平區(qū)。根據(jù)《北京市主體功能區(qū)規(guī)劃》，北京市“城市發(fā)展新區(qū)”是北京市開發(fā)潛力最大、城市化水平有待提高的地區(qū)，主體功能是重點開發(fā)，加快重點新城建設。根據(jù)城市發(fā)展理論，城市形成和發(fā)展的根本動因是建立在工業(yè)化基礎上的經(jīng)濟發(fā)展。英國、日本等國家的歷史表明，城市工業(yè)化的發(fā)展難以避免地會帶來一系列的環(huán)境污染問題，霧霾污染便是其中之一。著名大氣化學家彼得·布林布爾科姆明確指出，霧霾污染形成的重要因素就是城市化的發(fā)展[18]。據(jù)統(tǒng)計，2015年北京市城市發(fā)展新區(qū)國內(nèi)生產(chǎn)總值中，第二產(chǎn)業(yè)產(chǎn)值和工業(yè)總產(chǎn)值占比分別為48.03%和42.87%，而在當年北京市第二產(chǎn)業(yè)產(chǎn)值和工業(yè)總產(chǎn)值中，城市發(fā)展新區(qū)占比分別為51.17%和55.92%，表明北京市第二產(chǎn)業(yè)和工業(yè)有一半以上集中于城市發(fā)展新區(qū)，且占比極大。而在目前中國加快調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，擴大第三產(chǎn)業(yè)占比的趨勢下，城市工業(yè)用地置換成為城市現(xiàn)代發(fā)展的重要舉措，這也會引發(fā)一系列的生態(tài)環(huán)境問題[19]。因此被定位為城市發(fā)展新區(qū)的通州區(qū)、大興區(qū)和房山區(qū)的霧霾污染處于相對較高的水平。而“生態(tài)涵養(yǎng)區(qū)”的延慶區(qū)、懷柔區(qū)、密云區(qū)以及緊臨生態(tài)涵養(yǎng)區(qū)的昌平區(qū)，由于生態(tài)環(huán)境的有效保護，因而霧霾污染水平相對較低。

由以上可知，北京市產(chǎn)業(yè)結(jié)構(gòu)對北京市霧霾污染具有一定影響，而與城市化發(fā)展過程息息相關的人口集聚、能源消耗、交通發(fā)展、城市規(guī)劃等也都可能對霧霾污染具有一定的影響。同時，大氣的流動性決定了霧霾污染的空間流動性，相對于傳統(tǒng)的計量經(jīng)濟學方法，空間計量經(jīng)濟學能夠?qū)⑦@種空間效應考慮進去是本文研究方法的優(yōu)選。

(二)北京市霧霾污染的空間集聚

本文運用探索性空間數(shù)據(jù)分析研究霧霾的空間集聚效應。探索性空間數(shù)據(jù)分析是一種具有識別功能的空間數(shù)據(jù)分析方法，主要用于探索空間分布的非隨機性或空間自相關，它既能體現(xiàn)出數(shù)據(jù)的空間分布特征，又可以為采用空間計量經(jīng)濟學進行實證研究提供依據(jù)?？臻g自相關可以對研究對象的空間關聯(lián)和空間集聚進行反映，有全局空間自相關和局部空間自相關兩種。

1.全局空間自相關

自“地理學第一定律”正式提出后[20]，眾多國內(nèi)外學者開始關注相鄰地域間的空間相關性問題。反映全局空間自相關的一個重要指標是莫蘭指數(shù)(Moran’s I)，計算公式如下：

關于空間權(quán)重矩陣的設定，一般有兩種：基于鄰接關系和距離函數(shù)[21]。根據(jù)本文的研究問題，結(jié)合考慮空間權(quán)重矩陣的適用性和可操作性，選擇基于鄰接關系的二進制空間權(quán)重矩陣設定方法，選擇Rook contiguity鄰接矩陣，鄰接原則如下：

利用軟件Opeon Geoda計算全局Morans’I指數(shù)。表2數(shù)據(jù)顯示，2013—2015年北京市各區(qū)霧霾污染全局Morans’I指數(shù)均為正值且通過了1%的顯著性水平檢驗，說明2013—2015年北京市各區(qū)的霧霾污染在空間上并非完全隨機分布，存在顯著的正向空間相關性。另外，2013—2015年這種正向相關性系數(shù)均在0.5以上，2013年最高，為0.578，說明這種空間相關性是持續(xù)穩(wěn)定的處于較高水平。

2.局部空間自相關

局部空間自相關用于進一步檢驗變量在局部空間內(nèi)是否存在集聚現(xiàn)象，常用局部Morans’I指數(shù)和LISA集聚圖來分析。局部Morans’I指數(shù)計算公式為：

表2 北京市霧霾污染的Morans’I指數(shù)

式中，Ii為指數(shù)，測度i地區(qū)與其周圍地區(qū)霧霾污染的相關程度，若Ii>0，表示i地區(qū)與它周圍的地區(qū)呈空間正相關性，表現(xiàn)為霧霾污染的高-高或低-低集聚；若Ii<0，表示i地區(qū)與它周圍的地區(qū)呈空間負相關性，表現(xiàn)為霧霾污染的高-低或低-高集聚。

北京市霧霾污染高-高集聚區(qū)主要分布在北京市南部的豐臺區(qū)、房山區(qū)和大興區(qū)，這兩個區(qū)屬于北京市“城市發(fā)展新區(qū)”，是第二產(chǎn)業(yè)較為集中的地區(qū)；低-低集聚區(qū)主要分布在北京市北部的懷柔區(qū)和延慶區(qū)，屬于北京市“生態(tài)涵養(yǎng)區(qū)”，生態(tài)環(huán)境得到了有效保護。2013—2014年霧霾污染低-低集聚區(qū)不變，而高-高集聚區(qū)則從2013年的豐臺區(qū)、房山區(qū)、大興區(qū)，變成2014年的豐臺區(qū)和大興區(qū)；2014—2015年霧霾污染的高-高集聚區(qū)不變，而低-低集聚區(qū)則從2014年的懷柔區(qū)和延慶區(qū)變成2015年的昌平區(qū)、懷柔區(qū)和延慶區(qū)。據(jù)此本文進一步驗證了北京市霧霾污染分布“南高北低”的特點以及霧霾污染存在明顯的空間效應，由此也進一步說明北京市產(chǎn)業(yè)結(jié)構(gòu)對北京市霧霾污染具有一定的影響。

綜上，北京市各區(qū)霧霾污染存在顯著穩(wěn)定的全局空間正相關性；北京市霧霾污染高-高集聚區(qū)主要分布在北京市南部的“城市發(fā)展新區(qū)”，低-低集聚區(qū)主要分布在北京市北部的“生態(tài)涵養(yǎng)區(qū)”。由于城市功能定位的不同，導致北京市各功能區(qū)的經(jīng)濟發(fā)展和區(qū)域發(fā)展存在差異。要有效治理北京市霧霾污染，就必須要考慮到這種由于空間效應而導致的霧霾污染的空間分布。本文后半部分將運用空間計量經(jīng)濟學，建立空間面板數(shù)據(jù)模型，將空間因素考慮進來，探究北京市霧霾污染的社會經(jīng)濟影響因素及其貢獻大小。

表3 變量和指標

三、數(shù)據(jù)與模型

(一)指標和數(shù)據(jù)

通過文獻綜述和霧霾污染的空間效應分析可以得到，影響北京市霧霾污染的因素主要有兩方面：產(chǎn)業(yè)結(jié)構(gòu)和區(qū)域城市化發(fā)展。區(qū)域城市化發(fā)展又與經(jīng)濟發(fā)展、人口集聚、能源消耗、交通發(fā)展、城市規(guī)劃等因素息息相關。結(jié)合數(shù)據(jù)可獲取性，本文選擇第二產(chǎn)業(yè)產(chǎn)值、第二產(chǎn)業(yè)占比、工業(yè)總產(chǎn)值、工業(yè)產(chǎn)值占比、建筑業(yè)總產(chǎn)值、建筑施工企業(yè)總產(chǎn)值、人均GDP、能源消費總量、民用汽車擁有量、單位面積民用汽車擁有量、人口密度、環(huán)保投入、綠化率、區(qū)域面積等；為檢驗北京市霧霾污染與經(jīng)濟發(fā)展水平是否存在環(huán)境庫茨涅茲曲線關系，引入北京市人均GDP的平方指標，共15個指標進行分析。變量和指標說明見表3。

選取北京市各區(qū)2013—2015年的指標數(shù)據(jù)，數(shù)據(jù)來源于北京市區(qū)縣統(tǒng)計年鑒。為了消除異方差和數(shù)據(jù)數(shù)量級差異帶來的誤差，本文對除第二產(chǎn)業(yè)占比、工業(yè)產(chǎn)值占比以及綠化率外其他指標的數(shù)據(jù)作對數(shù)化處理。

(二)空間面板數(shù)據(jù)模型

空間面板數(shù)據(jù)模型是基于空間計量模型衍生出來的?，F(xiàn)有的空間計量模型考慮了三種不同的交互式效應：被解釋變量之間存在的內(nèi)生交互效應、解釋變量之間的外生交互效應和誤差項之間的交互效應，在此基礎上衍生出了SAR、SEM、SLX、SAC、SEM、SEM、SDEM以及GNS等模型，其中較為常用的有空間自相關模型(SAC)、空間滯后模型(又稱空間自回歸模型SAR)、空間誤差模型(SEM)以及空間杜賓模型(SDM)等。

一般的空間計量模型將空間滯后模型(SAR)和空間誤差模型(SEM)結(jié)合起來，其模型形式如下：

y=λWy+Xβ+μ

(1)

其中，擾動項μ的生成過程為：

μ=ρMμ+ε,ε～N(0,σ2In)

(2)

其中，W和M分別為被解釋變量y與擾動項μ的空間權(quán)重矩陣，二者可以相等。由此構(gòu)成的模型即為帶空間自回歸誤差項的空間自回歸模型(SARAR)。

將橫截面數(shù)據(jù)的一般空間計量模型推廣到面板數(shù)據(jù)中，其模型形式如下：

(3)

(1)如果λ=0，則為“空間杜賓模型”(SDM)；

(2)如果λ=0且δ=0，則為“空間滯后模型”(SAR)；

(3)如果τ=0且δ=0，則為“空間自相關模型”(SAC)；

(4)如果τ=ρ=0，則為“空間誤差模型”(SEM)。

因此，本文建立的用于研究北京市霧霾污染的社會經(jīng)濟影響因素的空間計量模型如下：

Yit=τYi,t-1+ρWYt+β1X1it+β2X2it+…+β15X15it+δ1DX1t+δ2DX2t+…+δ15DX15t+
μi+γt+λMεt+vit

(4)

表4 空間相關性診斷檢驗結(jié)果

注：***表示1%的水平上顯著；括號內(nèi)為P值。

四、結(jié)果與討論

(一)實證分析

本文借助統(tǒng)計軟件Stata對模型進行分析。由于存在空間效應，普通最小二乘估計(OLS)是有偏差的，可以采用廣義矩(GMM)估計或最大似然(MLE)估計[22]。本文采用MLE估計方法。由于面板數(shù)據(jù)中的“區(qū)域面積”具有明顯的共線性，因此采用固定效應進行估計時忽略該指標。為了考察估計結(jié)果的穩(wěn)定性，本文進行了不考慮空間效應的普通面板數(shù)據(jù)回歸。實證分析結(jié)果見表4和表5。

表5 模型回歸結(jié)果

表5(續(xù))

注：***、**、*分別表示1%、5%、10%的水平上顯著；括號內(nèi)為P值。

根據(jù)安瑟林(Anselin，2005)[23]給出的針對橫截面數(shù)據(jù)的模型選擇機制，結(jié)合表4的檢驗結(jié)果，Morans’I指數(shù)拒絕了不存在空間效應的原假設，模型需要引入空間效應。LM-error未通過10%水平的顯著性檢驗，而LM-lag通過了1%水平的顯著性檢驗，因此應選擇空間滯后面板數(shù)據(jù)模型。由于安瑟林的模型選擇機制只是針對橫截面數(shù)據(jù)，而面板數(shù)據(jù)相較于橫截面數(shù)據(jù)來說包含有更大的信息量，該選擇機制是否使用尚有待考究，因此本文根據(jù)模型的估計結(jié)果做進一步分析。

面板數(shù)據(jù)一般有“長面板”和“短面板”之分。如果橫截面維度n(即樣本數(shù)量)較小，時間維度T較大，稱這種面板數(shù)據(jù)為“長面板”；反之，則為“短面板”。本文所選數(shù)據(jù)橫截面維度為16，時間維度為3，屬于“短面板”，故可忽略時間效應，只考慮個體效應，即隨機效應與固定效應模型的選擇。根據(jù)表5中最后一行的豪斯曼檢驗結(jié)果，在5%顯著性水平下，普通面板數(shù)據(jù)回歸顯示應選用隨機效應，空間面板數(shù)據(jù)回歸顯示應選用固定效應模型。然而，無論何種固定效應模型，模型擬合效果最好的僅為0.120 2，遠遠不如隨機效應模型的擬合效果。對此本文對豪斯曼檢驗結(jié)果的合理性進行進一步的探討。

傳統(tǒng)的豪斯曼檢驗的原理是對擾動項μ1與個體特征zit和解釋變量xit是否相關，其原假設為“H0：μi與xit，zit不相關”(即隨機效應為正確模型)[24]。目前國內(nèi)的應用研究大多是基于省域范圍的經(jīng)濟增長或經(jīng)濟收斂的研究，即樣本幾乎是全部母體，大多都是采用固定效應模型，鮮有涉及空間隨機效應模型，更沒有根據(jù)空間豪斯曼檢驗進行建模的。但需要注意的是，只有當T足夠大時，空間固定效應的估計才會一致[25]。本文的時間維度T僅為3，因此對于空間固定效應的估計很可能出現(xiàn)不一致的情況，因而使用固定效應的空間面板數(shù)據(jù)模型擬合程度不高。另外，具有空間誤差自相關的隨機效應模型的估計要遠比其他類型的空間面板數(shù)據(jù)模型復雜[26]，國內(nèi)外對這一問題的研究仍十分欠缺。基于該情況，本文傾向于普通面板數(shù)據(jù)的豪斯曼檢驗結(jié)果，即應采用隨機效應進行檢驗，滿足條件的為空間滯后隨機效應面板數(shù)據(jù)模型和空間誤差隨機效應面板數(shù)據(jù)模型，即模型3和模型5。根據(jù)表5中的實證分析結(jié)果，模型3的擬合優(yōu)度要高于模型5，而模型5的對數(shù)似然值要優(yōu)于模型3，二者的參數(shù)顯著性水平相當，故本文選擇這兩個模型共同分析。

模型3中的ρ和模型5中的λ都大于0，且都在1%的水平通過了顯著性檢驗，說明北京市霧霾污染具有顯著的空間溢出效應。從模型3的結(jié)果可以看出，周圍區(qū)縣的PM2.5濃度每提升1%將引起本區(qū)縣PM2.5濃度提升0.402%。另外，模型3實證分析結(jié)果顯示，除第二產(chǎn)業(yè)占比(RSEC)、工業(yè)總產(chǎn)值占比(RIND)、建筑業(yè)總產(chǎn)值(CON)外，其他變量都通過了至少10%水平下的顯著性檢驗。模型5實證分析結(jié)果顯示，單位面積民用汽車擁有量(COPA)、第二產(chǎn)業(yè)占比(RSEC)、工業(yè)總產(chǎn)值占比(RIND)以及環(huán)保財政支出(EOE)外，其余變量都通過了至少5%水平的顯著性檢驗。

(二)結(jié)果討論

1.經(jīng)濟發(fā)展與霧霾污染

表5中模型3和模型5的人均GDP和人均GDP平方分別通過了1%和5%顯著性水平檢驗，且兩個模型中人均GDP的系數(shù)均為負數(shù)，人均GDP平方的系數(shù)均為正數(shù)，表明北京市經(jīng)濟發(fā)展與霧霾污染之間存在U型曲線關系，而非倒U型曲線關系，且人均GDP的增加對霧霾污染具有抑制作用，人均GDP每增長1%將能減少2.52%和2.36%的霧霾污染。自2008年北京奧運會開始，北京市產(chǎn)業(yè)轉(zhuǎn)移正式拉開帷幕，眾多企業(yè)尤其是重污染企業(yè)逐漸被轉(zhuǎn)移到周邊的津冀地區(qū)。“十二五”規(guī)劃以來，北京市政府就明確提出了“綠色北京發(fā)展建設規(guī)劃”，要求“著力打造綠色生產(chǎn)體系，構(gòu)筑綠色經(jīng)濟新格局”、“努力構(gòu)建綠色消費體系”、“深化建設綠色環(huán)境體系”、“健全創(chuàng)新綠色發(fā)展機制”等。這讓北京市的經(jīng)濟得以順利向綠色化發(fā)展，經(jīng)濟發(fā)展對霧霾的影響也就逐漸表現(xiàn)為抑制作用。而由于霧霾污染具有空間溢出效應，國內(nèi)一些研究均表明中國霧霾存在顯著的省際空間溢出效應[9-10]，如果北京市周邊地區(qū)未能實行與北京市一樣嚴格的環(huán)境規(guī)制，則污染型產(chǎn)業(yè)轉(zhuǎn)移只是一種“損人利己”的行為，霧霾污染隨時可能卷土重來。這也說明了北京市霧霾污染與經(jīng)濟發(fā)展的倒U型曲線關系不存在或者還未出現(xiàn)。

2.產(chǎn)業(yè)結(jié)構(gòu)與霧霾污染

衡量產(chǎn)業(yè)結(jié)構(gòu)的共有6個指標。表5中模型3結(jié)果表明第二產(chǎn)業(yè)總產(chǎn)值(SEC)、工業(yè)總產(chǎn)值(IND)在5%顯著性水平上通過了檢驗，建筑施工企業(yè)總產(chǎn)值(CONC)在1%顯著性水平上通過了檢驗，而第二產(chǎn)業(yè)占比(RSEC)、工業(yè)總產(chǎn)值占比(RIND)和建筑業(yè)總產(chǎn)值(CON)沒有通過參數(shù)的顯著性檢驗。模型5則顯示建筑業(yè)總產(chǎn)值(CON)在5%顯著性水平上通過了檢驗，其他除了第二產(chǎn)業(yè)占比(RSEC)和工業(yè)總產(chǎn)值占比(RIND)未通過顯著性檢驗，其他3個指標均通過了1%水平的顯著性檢驗。早在2007年，北京市發(fā)展和改革委員會就發(fā)布《北京市產(chǎn)業(yè)結(jié)構(gòu)調(diào)整指導意見》，明確指出要“以現(xiàn)代服務業(yè)和高新技術(shù)產(chǎn)業(yè)為雙引擎”“積極發(fā)展符合首都功能定位的高端產(chǎn)業(yè)”“推進高能耗、高物耗、高污染、低附加值產(chǎn)業(yè)的有序退出”。到“十二五”時期，北京市已形成“高精尖”經(jīng)濟結(jié)構(gòu)，據(jù)北京市統(tǒng)計年鑒的統(tǒng)計數(shù)據(jù)，2013—2015年，北京市第三產(chǎn)業(yè)產(chǎn)值占地區(qū)生產(chǎn)總值比重分別達到了77.52%、77.95%和79.65%。在建筑業(yè)方面，北京自2007年開始了綠色環(huán)保的“裝配式住宅”的實踐和探索，到2013年已經(jīng)形成了較為成熟的裝配式建筑體系，并在全國進行推廣[27]，“環(huán)保建筑材料”和“綠色裝配式”逐漸取代傳統(tǒng)的現(xiàn)場水泥澆灌的建筑方式，大大減少了粉塵、渣土、碎石等建筑垃圾的產(chǎn)生，降低了建筑業(yè)的發(fā)展對北京市環(huán)境的污染。由此可見，北京市的產(chǎn)業(yè)結(jié)構(gòu)已經(jīng)得到優(yōu)化，產(chǎn)業(yè)結(jié)構(gòu)對霧霾的影響已逐漸被弱化。而工業(yè)總產(chǎn)值(IND)和建筑施工企業(yè)總產(chǎn)值(CONC)的系數(shù)通過了顯著性水平檢驗且為正，說明北京市未來還需要在工業(yè)生產(chǎn)工藝和建筑施工方式環(huán)?；矫胬^續(xù)做出努力，以降低其對環(huán)境污染的影響。

3.人口與霧霾污染

模型3和模型5結(jié)果均顯示人口密度(PD)在1%水平上通過了顯著性水平檢驗且均為負數(shù)，人口密度對霧霾污染的影響表現(xiàn)為負向，這似乎與理論預期相悖。這可能與北京市的產(chǎn)業(yè)和人口的分布特點有關。北京市統(tǒng)計局數(shù)據(jù)顯示，西城區(qū)和東城區(qū)為人口最密集的地方，北京市人口密度呈現(xiàn)出由中心向外圍逐漸降低的特點。根據(jù)首都功能區(qū)的定位，中心城區(qū)的西城、東城、朝陽等地區(qū)是北京市金融、互聯(lián)網(wǎng)等高新技術(shù)產(chǎn)業(yè)集聚區(qū)，第二產(chǎn)業(yè)占比很小，甚至不到10%。而主要集聚了北京市第二產(chǎn)業(yè)的大興區(qū)、通州區(qū)等，其人口密度相對于中心城區(qū)來說很小，2015年大興區(qū)的人口密度僅為西城區(qū)的5.87%。而北京市霧霾污染集聚分析發(fā)現(xiàn)大興區(qū)為霧霾污染高-高集聚區(qū)，西城區(qū)為非顯著區(qū)域。此外，隨著社會生態(tài)文明的發(fā)展和國民素質(zhì)的提高，城市居民的消費越來越趨向于綠色環(huán)保的消費品，對垃圾的處理也逐漸采用環(huán)保的工藝，最大程度降低其對環(huán)境的污染。因此，北京市人口密度已經(jīng)不再是北京市霧霾污染的顯著影響因素。

4.能源消費與霧霾污染

模型3和模型5均表明，能源消費總量(E)是北京市霧霾污染的顯著影響因素，能源消費總量每增加1%，霧霾污染將增加0.069%和0.062%。目前北京市的能源消耗仍以煤炭為主，尤其是冬季供暖。中國之聲《新聞和報紙摘要》曾在2015年12月報道，北京市燃煤供暖的污染物排放是大氣重污染的主因。煤炭的燃燒尤其是劣質(zhì)煤的燃燒會釋放出大量的二氧化硫和氮氧化物，而二氧化硫和氮氧化物是產(chǎn)生PM10和PM2.5的的重要來源[28]。至少在目前北京市以煤炭占主導的能源消費難以改變，其對霧霾污染產(chǎn)生影響也仍然會一直持續(xù)。

5.交通與霧霾污染

模型3和模型5結(jié)果均顯示，民用汽車擁有量(CAR)對霧霾污染具有顯著的正向影響。對于單位面積民用汽車擁有量(PCAR)指標，模型3結(jié)果顯示其在5%顯著性水平上通過了檢驗其系數(shù)為負數(shù)，而模型5中則沒有通過檢驗。從民用汽車擁有量的分布來看，核心區(qū)和功能拓展區(qū)的密度要遠遠高于其他區(qū)域，大興區(qū)的車輛密度僅分別西城區(qū)3.65%，而大興區(qū)為霧霾污染嚴重區(qū)，西城區(qū)相對較輕，這便解釋了PCAR系數(shù)為負或是不顯著的原因。另外，兩個模型中CAR系數(shù)均顯著為正說明，北京市交通對霧霾污染的影響不可忽視，交通是導致霧霾污染的重要因素之一。雖然北京市政府早在《2013—2017年清潔空氣行動計劃》中就明確提出要大力推廣電動汽車應用，但由于基礎配套設施的不完備以及電動汽車自身的續(xù)航里程短、充電難充電慢、售后服務不足等缺點，導致目前北京市的民用汽車仍以燃油機動車為主。《2014年北京市環(huán)境狀況公報》指出，機動車對北京市霧霾污染的貢獻最大，達到31.1%，《2015年北京市環(huán)境狀況公報》亦顯示，交通環(huán)境PM2.5的年平均濃度比全市平均水平高出12.3%。機動車可以通過兩個途徑對霧霾污染起到促進作用，一是尾氣排放，而是道路揚塵。燃油機動車的主要燃料是汽油和柴油，其中含有硫和氮，燃燒過程中會產(chǎn)生二氧化硫和氮氧化物，排放到空氣中，在一定條件下回轉(zhuǎn)化成PM10和PM2.5，加劇霧霾的產(chǎn)生。而機動車在行駛的過程中會帶起道路揚塵，同樣會對霧霾污染產(chǎn)生加劇作用。

6.城市規(guī)劃與霧霾污染

模型3和模型5結(jié)果均表明，綠化率(Green)和區(qū)域面積(Area)均在1%的水平上通過了顯著性檢驗，且系數(shù)都為負；而模型3中節(jié)能環(huán)保投入在10%的水平上通過了顯著性檢驗，模型5中則沒有通過顯著性檢驗。由此可說明，城市綠化能有效地降低霧霾污染；面積越大的區(qū)域，其霧霾污染程度越小；節(jié)能環(huán)保的投入對霧霾污染的緩解作用不明顯。城市綠化一方面可以美化城市景觀，改善城市形象；另一方面，綠色樹木的樹冠和枝葉能夠截留、阻擋和吸滯空氣中細顆粒物，并且能吸收大氣匯總的某些有毒有害物質(zhì)，減輕大氣污染，改善城市空氣環(huán)境[29]。區(qū)域面積方面，從北京市地圖可看出，面積較大的區(qū)域主要是位于北京市北部外圍的生態(tài)涵養(yǎng)區(qū)，而人口稠密、產(chǎn)業(yè)集聚的中心城區(qū)區(qū)域面積相對較小，這解釋了區(qū)域面積系數(shù)為負的原因。節(jié)能環(huán)保投入方面，節(jié)能環(huán)保的投入主要針對的是污染后的治理，而一旦霧霾污染源不能很好地控制，污染產(chǎn)生的速度比污染處理的速度要快，那么環(huán)保投入的增加對環(huán)境的改善作用將是十分有限的，甚至起不到改善作用，只能維持污染不會繼續(xù)惡化。

五、結(jié)論和建議

本文針對北京市各區(qū)縣2013—2015年的面板數(shù)據(jù)，引入空間效應，運用空間計量方法對北京市霧霾污染及其影響因素進行分析，結(jié)果表明：

(1)北京市各區(qū)霧霾污染存在顯著的正相關性且處于較穩(wěn)定狀態(tài)。

(2)位于北京市南部的屬于“城市發(fā)展新區(qū)”的豐臺區(qū)、房山區(qū)和大興區(qū)為霧霾污染高-高集聚區(qū)，位于北京市北部的屬于“生態(tài)涵養(yǎng)區(qū)”的懷柔區(qū)和延慶區(qū)為霧霾污染低-低集聚區(qū)，空間集聚效應明顯。

(3)空間面板數(shù)據(jù)回歸模型結(jié)果顯示霧霾污染存在顯著的空間溢出效應，周圍區(qū)縣的PM2.5濃度每提升1%將引起本區(qū)縣PM2.5濃度提升0.402%；經(jīng)濟發(fā)展對霧霾污染的影響是負向的，而經(jīng)濟發(fā)展與霧霾污染之間不存在或未出現(xiàn)倒“U”型曲線關系；產(chǎn)業(yè)結(jié)構(gòu)對北京市霧霾污染的影響不顯著，而工業(yè)總產(chǎn)值和建筑施工企業(yè)總產(chǎn)值對霧霾具有促進作用；人口密度對霧霾污染影響不顯著；能源消費總量和民用汽車擁有量對北京市霧霾污染呈現(xiàn)顯著的正向作用；城市綠化能顯著降低霧霾污染，而環(huán)保投入對霧霾污染的影響不顯著。

根據(jù)以上結(jié)論，提出如下政策建議：

1.優(yōu)化資源配置，疏解中心區(qū)交通流，降低交通污染排放

北京市的資源分布呈現(xiàn)出非常鮮明的集聚特征，金融、IT類高新技術(shù)行業(yè)主要集中于東城、西城、朝陽三大中心城區(qū)，工業(yè)主要集中于豐臺、大興、房山、通州等“城市新發(fā)展區(qū)”。產(chǎn)業(yè)的集聚帶來的是人口不斷向城市中心融入。另外，北京市中心城區(qū)集中了絕大部分優(yōu)質(zhì)的醫(yī)療、教育等公共服務資源，在為本地常住人口需求提供服務的同時還要承擔外來人口的需求。這種由產(chǎn)業(yè)和公共服務資源高度集中帶來的人口集聚，引起的后果一定是中心城區(qū)交通需求的增加。在北京市中心城區(qū)地面交通線路已經(jīng)飽和定型的情況下，交通需求的增加一方面會造成更嚴重的交通擁堵，另一方面是交通污染的增加。尾氣排放和道路揚塵的增多必定會為霧霾的形成帶來便利條件，因此要降低交通污染對霧霾形成的影響，就要將過度集中的產(chǎn)業(yè)和公共服務資源從中心城區(qū)疏解一部分到郊區(qū)，帶動中心城區(qū)的人口向周圍擴散，減少中心城區(qū)的交通流，從而在緩解交通擁堵的同時，降低交通污染排放。

2.繼續(xù)調(diào)整能源結(jié)構(gòu)，降低煤炭比重，推廣清潔能源使用

實證結(jié)果表明，北京市能源消費總量仍然對北京市霧霾具有顯著影響。北京市政府早在“十二五”規(guī)劃綱中就明確提出加快調(diào)整能源結(jié)構(gòu)，嚴格限制中心城區(qū)燃煤使用，“基本實現(xiàn)五環(huán)內(nèi)供熱無煤化”。到2015年，東城、西城“核心區(qū)”基本實現(xiàn)無煤化，煤炭消費量也比2010年減少了一倍多，天然氣等清潔能源的比重大大提升，然而目前北京市的能源消費中，煤炭仍然占主導地位。北京市在實行高污染高耗能產(chǎn)業(yè)企業(yè)轉(zhuǎn)移之前，產(chǎn)業(yè)用能是煤炭消耗的主導大戶；實行產(chǎn)業(yè)轉(zhuǎn)移之后，由生產(chǎn)帶來的煤炭消費量大大減少了，但是由家庭供暖等社會生活產(chǎn)生的大氣污染物占了不小的比例。盡管“核心區(qū)”基本實現(xiàn)了無煤化，但由于霧霾污染存在顯著空間溢出效應，其他區(qū)域的霧霾污染同樣會影響到“核心區(qū)”。因此，調(diào)整能源結(jié)構(gòu)，提高清潔能源比重要從全市范圍展開，尤其是對城市化嚴重不足、帶有較濃鄉(xiāng)村特色、以燒煤燒柴等為主要能源來源的郊區(qū)。

3.實行“錯季生產(chǎn)”，減少秋冬季霧霾污染的發(fā)生

本文對霧霾的空間效應分析表明，北京市霧霾存在顯著的空間溢出效應；實證結(jié)果表明，工業(yè)總產(chǎn)值對北京市霧霾污染影響顯著。因此盡管具有污染特征的工業(yè)生產(chǎn)主要集中于通州、大興等城市新發(fā)展區(qū)，產(chǎn)生的大氣污染也會溢出到其他區(qū)域。秋末、冬季和春初是北京市霧霾的高發(fā)時段，在此期間如果能減少生產(chǎn)甚至不生產(chǎn)，便能減少大氣污染物的產(chǎn)生和排放，降低冬季霧霾的發(fā)生頻率和嚴重程度。在污染較少且較易擴散的春末和夏季時則可多生產(chǎn)來保證當年的產(chǎn)量。這可通過創(chuàng)新生產(chǎn)許可證制度來實現(xiàn)。合理安排生產(chǎn)也是緩解北京市霧霾的重要手段之一。

4.加快推進裝配式建筑發(fā)展，優(yōu)化建筑施工方式，減少建筑垃圾和污染

實證分析結(jié)果表明建筑施工企業(yè)總產(chǎn)值對北京市霧霾表現(xiàn)出正向影響關系。長期以來中國的建筑方式都是機械化程度不高、粗放式的，以現(xiàn)場澆灌為主，產(chǎn)生大量的建筑垃圾、噪聲污染、建筑揚塵等，而建筑揚塵是霧霾污染來源中揚塵的一大貢獻者。但犧牲建筑業(yè)的發(fā)展來尋求環(huán)境的改善是不現(xiàn)實的，可以通過發(fā)展綠色環(huán)保節(jié)能的裝配式建筑大量降低建筑垃圾、揚塵、噪聲等污染的產(chǎn)生，從而達到降低建筑施工對霧霾污染的影響。中國的裝配式建筑發(fā)展起步較晚，包括技術(shù)標準、圖集以及從業(yè)人員在內(nèi)的標準化仍然十分欠缺，與裝配式建筑相適應的技術(shù)創(chuàng)新機制、管理模式和監(jiān)管制度等仍不成熟[30-31]。在2016年的“兩會”上，李克強總理提出要“大力發(fā)展鋼結(jié)構(gòu)和裝配式建筑”。同年十月，《國務院辦公廳關于大力發(fā)展裝配式建筑的指導意見》(國辦發(fā)〔2016〕71號)發(fā)布。2016年北京市政府提出2018年本市的裝配式建筑占新建建筑比例要在20%以上的目標，并在面積獎勵、財政資金、稅收、房屋預售、科研扶持、金融信貸等方面給予了大力度的政策支持。2017年3月，北京市政府印發(fā)了《關于加快發(fā)展裝配式建筑的實施意見》，明確提出要加快推動本市裝配式建筑發(fā)展。這為加快推進北京市乃至全國的裝配式建筑發(fā)展，最大限度減少建筑粉塵、建筑垃圾對霧霾等環(huán)境污染的影響帶來了極大希望。

參考文獻：

[1]王麗粉，李存金.北京霧霾四大源頭的治理措施探討[J].中外企業(yè)家，2015(34)：241-243.

[2]TIYAPAIRAT Y.Public sector responses to sustainable haze management in upper Northern Thailand[J].Environmentasia，2012，5(2)：1-10.

[3]ZHAO W，CHENG J，LI D，et al.Urban ambient air quality investigation and health risk assessment during haze and non-haze periods in Shanghai，China[J].Atmospheric Pollution Research，2013，4(3)：275-281.

[4]曹彩虹，韓立巖.霧霾帶來的社會健康成本估算[J].統(tǒng)計研究，2015(7)：19-23.

[5]DU Y，LI T.Assessment of health-based economic costs linked to fine particulate (PM 2.5)pollution：a case study of haze during January 2013 in Beijing，China[J].Air Quality Atmosphere & Health，2016，9(4)：439-445.

[6]ANSELIN L.Spatial effects in econometric practice in environmental and resource economics[J].American Journal of Agricultural Economics，2001，83(3)：705-710.

[7]RUPASINGHA A，GOETZ S J，DEBERTIN D L，et al.The environmental Kuznets curve for US counties：a spatial econometric analysis with extensions[J].Papers in Regional Science，2004，83(2)：407-424.

[8]HOSSEINI H M，KAHBAK F,et al.Spatial environmental kuznets curve for asian countries：study of CO2 and PM10[J].Journal of Environmental Studies，2011，37(58):1-14.

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

[10]王立平，陳俊.中國霧霾污染的社會經(jīng)濟影響因素——基于空間面板數(shù)據(jù)EBA模型實證研究[J].環(huán)境科學學報，2016(10)：3833-3839.

[11]劉華軍，裴延峰.我國霧霾污染的環(huán)境庫茲涅茨曲線檢驗[J].統(tǒng)計研究，2017(3)：45-54.

[12]嚴雅雪，齊紹洲.外商直接投資與中國霧霾污染[J].統(tǒng)計研究，2017(5)：69-81.

[13]曹偉華，李青春.北京地區(qū)霧霾氣候特征及影響因子分析[C]//風險分析和危機反應的創(chuàng)新理論和手法.中國災害防御協(xié)會風險分析專業(yè)委員會第五屆年會,2012.

[14]馬小會，甘璐，張愛英，等.北京2013年1月持續(xù)霧霾天氣成因分析[C]//創(chuàng)新驅(qū)動發(fā)展 提高氣象災害防御能力.第30屆中國氣象學會年會,2013：138-142.

[15]CHEN Z.PM2.5 concentration regression analysis based on Meteorological comprehensive index[J].International Journal of Engineering and Technical Research：2015，3(9)：111-113.

[16]李霽嬈，李衛(wèi)東.基于交通運輸?shù)撵F霾形成機理及對策研究——以北京為例[J].經(jīng)濟研究導刊，2015(4)：147-150.

[17]馮少榮，馮康巍.基于統(tǒng)計分析方法的霧霾影響因素及治理措施[J].廈門大學學報(自然科學版)，2015(1)：114-121.

[18]彼得·布林布爾科姆.大霧霾：中世紀以來的倫敦空氣污染史[M].啟蒙編譯所，譯.上海：上海社會科學院出版社，2016：25-30.

[19]張泉.城市化進程中工業(yè)用地置換的生態(tài)環(huán)境影響探討[J].工程建設與設計，2016(14)：85-86.

[20]TOBLER W R.A Computer movie simulating urban growth in the detroit region[J].Economic Geography，1970，46(Supp 1)：234-240.

[21]張可云，王裕瑾，王婧.空間權(quán)重矩陣的設定方法研究[J].區(qū)域經(jīng)濟評論，2017(1)：19-25.

[22]陳強.高級計量經(jīng)濟學及Stata應用(第二版)[M].北京：高等教育出版社，2014：587-590.

[23]ANSELIN L.Exploring spatial data with geoda TM：A workbook (2005)[EB/OL].(2005-03-06)[2017-12-30].http：//geodacenter.asu.edu/system/files/geodaworkbook.pdf.

[24]HAUSMAN J A.A Specification test in econometrics[J].Econometrica，1978，46(185)：1251-1271.

[25]季民河，武占云，姜磊.空間面板數(shù)據(jù)模型設定問題分析[J].統(tǒng)計與信息論壇，2011(6)：3-9.

[26]PACE R K，LESAGE J P.A spatial hausman test[J].Economics Letters，2008，101(3)：282-284.

[27]樊則森，李雯.2007年以來北京市裝配式住宅的新發(fā)展[J].建筑技藝，2016(4)：83-85.

[28]宋燕，徐殿斗，柴之芳.北京大氣顆粒物PM10和PM2.5中水溶性陰離子的組成及特征[J].分析試驗室，2006(2)：80-85.

[29]陳益浪.城市綠化規(guī)劃對于防治霧霾的作用[J].綠色科技，2015(1)：172-173.

[30]宋健，黃梅.大力發(fā)展裝配式建筑 引領建筑業(yè)轉(zhuǎn)型升級[N].中國建設報，2017-04-14(6).

[31]冷艷麗，杜思正.能源價格扭曲與霧霾污染——中國的經(jīng)驗證據(jù)[J].產(chǎn)業(yè)經(jīng)濟研究，2016(1)：71-79.