城市機動車限行政策對霧霾污染治理的成效分析

易蘭　周憶南　李朝鵬　楊歷

摘要：自2013年以來，中國頻繁出現(xiàn)大規(guī)模和持續(xù)性的霧霾天氣，諸多地方政府不得不采取一系列措施來治理霧霾污染，其中包括廣為效仿的機動車限行政策，但其實施效果在不同城市卻顯示出較大差異性。本文對實施限行政策的11個典型城市的PM2.5濃度進行結構突變點的篩選，并通過控制風速、雨水、濕度、溫度等氣象因素，建立多元回歸模型以分析PM2.5濃度與機動車限行政策的相關性。結果發(fā)現(xiàn)，氣象因素對于各城市的霧霾污染有著不同的影響。其中，風級、降雨、溫度在大部分城市是負向且顯著的影響，濕度在部分城市是正向且顯著的影響。本文根據(jù)限行效果的不同將11個城市分為三類：限行有效、限行無效和限行效果不顯著城市。為了進一步考察不同類型的典型城市限行的效果為何不同，選取了北京、天津、西安三個城市從經(jīng)濟、產業(yè)、能源以及交通等四個維度進行對比分析，發(fā)現(xiàn)不同類型的城市由于城市形態(tài)及霧霾成因各不相同，霧霾污染的治理措施也需要“因地制宜”?；诖?，本文對不同形態(tài)的城市霧霾污染治理提出以下建議：①當城市發(fā)展處于高經(jīng)濟-低污染形態(tài)時，機動車限行政策是霧霾污染治理的有效手段，但治理的根本在于控制城市機動車保有量，優(yōu)化城市發(fā)展職能，降低城市人口密度；②當城市發(fā)展形態(tài)處于高經(jīng)濟-高污染形態(tài)時，機動車限行政策不是城市治理霧霾污染的最有效手段，政府應加快產業(yè)結構轉型升級，優(yōu)化能源消耗結構，加大污染治理投資力度；③當城市發(fā)展處于中、低經(jīng)濟-高污染階段時，機動車限行政策無效，城市發(fā)展應注重優(yōu)化投資結構，轉變產業(yè)發(fā)展模式。

關鍵詞 ：PM2.5；霧霾污染；機動車限行；多元回歸

中圖分類號：X196

文獻標識碼 A 文章編號 1002-2104（2018）10-0081-07 DOI：10.12062/cpre.20180509

自2013年以來，中國冬季持續(xù)性地爆發(fā)大規(guī)模的霧霾污染，超過1/7的國土籠罩在霧霾污染的陰影之下，已對17個省市約142萬km2的國土造成了嚴重影響，有監(jiān)測數(shù)據(jù)的190個城市中172個城市的PM2.5年均濃度達到了35 μg/m3以上，為世界衛(wèi)生組織公布的合理閾值（10 μg/m3以下）3倍以上。霧霾不僅嚴重影響居民身體健康，也導致城市品牌形象下降，部分城市旅游業(yè)受阻，甚至出現(xiàn)了嚴重的人才流失現(xiàn)象。為此，2017年國務院總理李克強在第12屆全國人民代表大會上提出要打響“藍天保衛(wèi)戰(zhàn)”，要求各級政府嚴格治理霧霾污染，停工限產、煤改氣、限制供暖鍋爐燃燒等一系列措施陸續(xù)出臺，其中最具特色、應用最廣的當屬城市機動車限行政策。自2008年北京的機動車限行政策在一定程度上改善了大氣質量后，天津、哈爾濱等10多個城市紛紛開始效仿。2013年全國大范圍爆發(fā)霧霾污染以來，越來越多的城市將機動車限行政策常態(tài)化。然而，機動車尾氣排放真的是造成中國城市冬季霧霾污染的罪魁禍首嗎？機動車限行政策對城市霧霾污染治理真的有效嗎？什么類型的城市適宜于使用機動車限行政策，其在何種條件和環(huán)境下可發(fā)揮作用，仍值得深入研究。

1 研究綜述

隨著霧霾污染形勢日趨嚴峻，國內外研究中國霧霾污染成因的文獻日益增多，如氣候異常、工業(yè)排放、機動車尾氣以及粗放的發(fā)展模式[1]，能源的過度消耗、能源結構不合理、粗放的工業(yè)經(jīng)濟發(fā)展方式[2-3]，優(yōu)化能源結構[4-5]成為治理霧霾的關鍵。部分學者發(fā)現(xiàn)霧霾具有很強的空間溢出效應，應考慮建立城市間的聯(lián)防聯(lián)控[6-7]。

關于機動車尾氣排放對空氣污染的貢獻率究竟有多大，學者們給出的意見各不相同。閆伶[8]通過觀察機動車數(shù)量與PM2.5日平均濃度，發(fā)現(xiàn)汽車尾氣對PM2.5濃度的影響有限。 孫坤鑫[9]認為機動車排放標準提升在短期內對于治理霧霾效果并不明顯，長期效果則較為顯著，因此機動車排放標準提升對于改善空氣來說是必要不充分條件。呂效譜等[10]通過分析2013年1月中國大范圍霧霾，認為機動車尾氣污染是霧霾污染形成的重要原因。

近年來，政府都期望能實現(xiàn)緩解交通擁堵以及減輕霧霾治理的雙贏局面，因此部分研究開始關注機動車限行政策的合理及有效性。相關研究表明，機動車限行政策不能盲目實施，而應建立在一個多元治理的整體環(huán)保措施中，保障人們的交通出行方便快捷[11-12]。針對城市限行政策有效性的研究方法大致分兩種：倍差法和斷點回歸法。如Chen等[13]運用倍差法探討北京奧運前后的政策對空氣質量的治理影響，結果發(fā)現(xiàn)短期內空氣質量好轉，但奧運會后一個月空氣污染指數(shù)迅速上升。Davis[14]通過斷點回歸剝離出墨西哥城限行政策對大氣污染物濃度的影響，發(fā)現(xiàn)限行政策不僅沒有減緩空氣污染，反而使污染物排放增加，大氣環(huán)境質量惡化。Viard等[15]運用斷點回歸方法發(fā)現(xiàn)限行政策使北京的空氣質量改善了20%左右。

綜上所述，前期研究對厘清限行政策的有效性起到了積極的推動作用，但仍存在一定不足：現(xiàn)有研究大多集中在對單一城市限行現(xiàn)狀的分析，不同類型城市限行效果的差異性原因尚待挖掘?；诖耍狙芯繑M選取當前中國已經(jīng)實施機動車限行政策的城市作為研究樣本，運用結構突變點篩選與多元回歸方程來檢驗機動車限行是否抑制了城市PM2.5濃度的上升，并進一步選取不同類型的典型城市探討限行效果存在差異的原因，以期能夠厘清城市機動車限行與霧霾污染之間的關系。

2 城市機動車限行有效性探究

當前中國已有不少城市通過限行政策來治理霧霾污染，但大范圍內限行政策的實施是在2016、2017年逐漸開始，且大部分處于冬季。為確保研究結果的可信性，需要盡可能延長研究樣本的時間跨度以顯示規(guī)律性特征。因此，本研究選取了全國范圍內限行時長超過1年的北京、天津、哈爾濱、長春、貴陽、蘭州、杭州、成都、南昌等9個城市作為本文機動車限行政策有效性探究的對象。西安、太原自2016年冬季起開始實施機動車限行政策，作為北方城市霧霾污染較為嚴重，限行是否有效對于城市霧霾污染治理有重要的意義，因此，將兩城市納入研究對象中。本文數(shù)據(jù)時間跨度為2014年11月—2017年2月（西安與太原時間跨度為2016年11月—2017年2月）。

2.1 機動車限行政策的結構突變點檢驗

從PM2.5濃度的變化上看，限行期間多個城市的PM2.5濃度值均發(fā)生了不同幅度的波動。如圖1，以北京、天津、西安為例，城市日PM2.5濃度均值出現(xiàn)多次較大程度的突變，呈現(xiàn)出典型的區(qū)間結構突變特征，因此有必要結合結構突變點檢驗去分析機動車限行是否造成PM2.5濃度發(fā)生了較大程度的變化。方法借鑒Bai Perron[16]的結構突變理論，用以監(jiān)測一個時間序列是否發(fā)生結構突變，以此判斷結構突變點發(fā)生的時間點和突變次數(shù)。

運用結構突變的思想是考察外生沖擊（比如限行政策的制定）是否使得PM2.5的濃度發(fā)生改變。

上式可以通過退去時間趨勢而成為平穩(wěn)過程，因此稱作趨勢平穩(wěn)過程。如果在某一節(jié)點，式中的μ或δ發(fā)生變化，則稱其發(fā)生了結構突變，而本文因結構突變趨勢與突變點未知，屬于內生性結構突變。為確保時間區(qū)間一致，研究選取了11個城市2016年冬半年（11月～2月）PM2.5數(shù)據(jù)，將截斷參數(shù)ξ選取為0.15，并設置最大結構突變點數(shù)目M=5。PM2.5突變點假設發(fā)生在k期，將整個樣本按下式進行退趨勢化回歸，令k逐漸增加，最終確定出結構突變點的具體時間，理論模型構建如下：

本文對11個城市的PM2.5濃度分別進行結構突變點的篩選，若篩選出的結構突變點當天實施機動車限行政策并且霧霾下降，則認為限行對于霧霾天氣可能存在抑制作用，即為有效點；若篩選出的結構突變點當天沒有限行，或是機動車限行但霧霾濃度上升，則視為無效點。11個城市PM2.5濃度結構突變點篩選結果見表1。

從表1可以看出，北京、天津等8個城市PM2.5濃度均發(fā)生了結構突變，結合各個城市PM2.5濃度變化情況，篩選出有效突變點當天PM2.5濃度下降的城市包括北京、天津、貴陽、西安以及蘭州等5座城市。其中，北京在2016年12月17日（214～196 μg/m3）和2017年1月9日（36～32 μg/m3）分別發(fā)生了PM2.5濃度的結構突變，將這兩日均視為有效結構突變點；西安分別在2016年12月18日與2017年1月6日產生了兩個突變結構點，其中，西安市重污染天氣應急指揮部從2017年1月6日起將西安市重污染天氣一級應急響應降為二級，由單雙號限行降為尾號限行，限行的強度降低，而當天的霧霾濃度反而下降，這有可能是由于降雨等氣象因素造成的，因此將1月6日視為無效突變結構點。天津在2016年12月17日和2017年1月9日PM2.5濃度發(fā)生了結構突變，其中12月17日城市沒有實施機動車限行政策，視為無效點；1月9日，城市PM2.5濃度下降且實施限行政策，視為有效點。貴陽在2016年12月5日和12月23日PM2.5濃度發(fā)生結構突變，這兩日城市均實施了機動車限行政策，然而12月5日PM2.5濃度上升，12月23日PM2.5濃度下降，即12月23日為有效點。蘭州在2017年1月6日PM2.5濃度發(fā)生了結構突變，當日實施限行且PM2.5濃度下降，視為有效點。從剩余結果看出，其他7個城市或是沒有篩選出突變點，或是篩選出無效點。

通過對11個城市PM2.5濃度的結構突變點檢驗后發(fā)現(xiàn)，并非所有城市的限行政策都能有效降低PM2.5濃度。

同時，部分城市雖然出現(xiàn)了有效的結構突變點，但出現(xiàn)結構突變點可能與大風、溫度、降雨等氣象因素有關。因此，需要通過多元線性回歸對PM2.5濃度與限行政策、氣象條件的關系進行進一步驗證。

2.2 霧霾污染與機動車限行的多元回歸模型的建立與分析

2.2.1 多元回歸模型建立

由于影響霧霾污染的天氣每日演變超過2/3的方差可以由氣象條件解釋[17]，因此本文選取風速、雨水、濕度、最高溫度作為控制變量，模型的具體變量及解釋見表2?？紤]到PM2.5濃度隨時間會有動態(tài)變化，本文在模型中加入限行政策的滯后項，理論模型如下：

上式中，i表示11個城市，t表示日期，β0為常數(shù)項，εit為隨機誤差項，D1為機動車限行日，D2為機動車限行滯后期，W為風級，H為濕度，Htem為城市最高溫度，Rain為城市降雨日。其中，城市機動車限行政策單雙號限行記為虛擬變量2，尾號限行記為1，不限行記為0。降雨日為虛擬變量，發(fā)生記為1，未發(fā)生則記為0。

2.2.2 多元回歸模型結果分析

分別對11個城市的PM2.5濃度、城市機動車限行以及降水、風級、濕度、溫度等氣象因素進行多元線性回歸分析，結果如表3。

從回歸結果看，氣象因素對各城市PM2.5濃度變化有著不同的影響。其中，風級對北京、天津、貴陽、杭州、南昌等5個城市的PM2.5濃度均呈現(xiàn)出負向影響，當出現(xiàn)大風天氣時，霧霾污染均有顯著改善；降水對北京、天津、成都、貴陽、蘭州、杭州以及南昌的PM2.5濃度變化有顯著的負向影響，當出現(xiàn)降雨天氣時，這7個城市的PM2.5濃度出現(xiàn)明顯下降；溫度對北京、西安、貴陽、蘭州、哈爾濱、長春、杭州、南昌的PM2.5濃度變化有顯著的負向影響，當城市溫度升高，有利于這8個城市的霧霾擴散；濕度對城市PM2.5濃度變化的影響則相對較為復雜。其中，北京、西安、天津、成都、蘭州以及太原等6個城市，濕度對其PM2.5濃度的變化呈現(xiàn)顯著的正向影響，貴陽、杭州、南昌等3個城市則呈現(xiàn)出顯著的負向影響。

從表3可以看出，11個城市中僅北京、西安、蘭州等3個城市的限行政策回歸結果較為顯著（北京為滯后4期效果顯著，蘭州為滯后3期效果顯著），其他城市限行效果均不顯著。同時，又僅有北京的機動車限行政策回歸結果呈現(xiàn)負相關，西安與蘭州的限行結果呈現(xiàn)正相關。這說明北京的機動車限行政策較為有效地抑制了霧霾污染，西安與蘭州的機動車限行政策則在一定程度上加重了霧霾污染。

控制氣象因素對霧霾污染的影響之后，本研究發(fā)現(xiàn)大部分城市機動車限行政策是無效的。因此，按機動車限行政策有效性，可將11個城市分為抑制霧霾污染、促進霧霾污染以及對霧霾污染無顯著影響等3類城市（見表4）。

從表4可以看出，城市機動車限行政策對霧霾污染治理的效果存在較大差異，大部分城市均未能取得顯著的防

控效果。實施機動車限行政策的本質在于通過控制城市機動車尾氣排放量來治理霧霾污染，然而機動車限行政策有效的重要前提在于城市霧霾污染主要是由機動車尾氣排放造成的。上述11個城市，無論是在經(jīng)濟發(fā)展、產業(yè)結構還是能源消耗等方面均存在較大差異，因而機動車尾氣的排放并不一定是造成城市霧霾污染的主要原因。

綜上所述，為進一步探究城市機動車限行與霧霾污染防控之間的關系，本研究擬從三類城市中分別選取一個典型城市，就城市經(jīng)濟發(fā)展水平、產業(yè)結構、能源消耗、交通發(fā)達程度等多個維度進行案例分析，以期進一步厘清城市機動車限行有效性的差異。

3 典型城市機動車限行有效性差異探究

在選取典型城市進行案例分析時，考慮到北京是唯一一個機動車限行有效的城市，同時也是中國經(jīng)濟發(fā)展水平與城市化進程最高的城市之一，研究其限行有效性的機理對中國其他城市未來的發(fā)展具有重要參考意義；作為限行效果不顯著的城市代表，天津毗鄰北京，是中國經(jīng)濟最為發(fā)達的工業(yè)城市之一，能夠與北京的城市發(fā)展形態(tài)形成對比，也為該類型城市治理霧霾污染起到借鑒作用；西安作為中西部代表性城市，其2016年冬季霧霾污染嚴重程度曾位列全國第一，研究其限行無效的原因對其他發(fā)展中城市具有重要借鑒意義。

北京經(jīng)濟發(fā)展水平較高，產業(yè)結構偏向于第三產業(yè)，屬于典型的高經(jīng)濟-低污染形態(tài)的城市。從表5可以看出，北京的單位GDP能耗在三個城市中最低（0.49），但是技術水平提升的同時要注意能源回彈效應[18]，即技術提高后能效改進產生的節(jié)能效果中相當一部分會被資本追加及產出增長所帶來的能源消耗“蠶食”，從而導致利用提升技術水平來治理霧霾的效果不明顯。同時北京城市人口規(guī)模大、密度高，使得機動車保有量從2008年的350萬輛躍升至2015年的533萬輛，然而較為發(fā)達的公共交通事業(yè)（24.58輛/每萬人）使居民在城市執(zhí)行限行政策時愿意放棄私家車轉而使用公共交通工具出行。因此，機動車限行政策在北京表現(xiàn)出較強的有效性，通過限行在一定程度上能降低城市機動車出行數(shù)量與尾氣排放，但也暴露出限行有效只是解決城市霧霾污染問題的表象，真正的根源在于解決城市發(fā)展不平衡的問題。

如果說北京是中國城市發(fā)展的第一形態(tài)，那么天津則代表了中國城市發(fā)展的第二形態(tài)，即高經(jīng)濟-高污染城市形態(tài)。天津的人均GDP高于北京，但產業(yè)結構明顯依賴于第二產業(yè)（46.58%），雖然依靠工業(yè)將經(jīng)濟發(fā)展起來了，但由于存在較多的高污染高能耗重工業(yè)企業(yè)，導致城市霧霾頻頻發(fā)生。因此，天津機動車限行政策并不能解決霧霾污染的問題，下一步的霧霾污染治理應該是調整結構，即從高經(jīng)濟-高污染的階段向高經(jīng)濟-低污染的階段過渡。

西安作為快速發(fā)展中的二線城市，可以看做城市發(fā)展的第三形態(tài)，即經(jīng)濟尚未發(fā)展起來但污染已十分嚴重，處于中低經(jīng)濟-高污染城市形態(tài)。西安耗能最高的行業(yè)為電力、熱力生產供應業(yè)，占總能源消耗的64.16%。其中，冬季供暖使該行業(yè)能源消耗巨大，也是導致冬季霧霾污染嚴重、限行無效的重要原因。同時，西安近年來機動車保有量增速驚人，但城市公共交通事業(yè)遠沒有北京、天津等高形態(tài)城市發(fā)展成熟，城市每萬人擁有公共交通數(shù)量僅為12.52輛，這也是霧霾污染下機動車限行無效的原因之一。當城市實施機動車限行政策給人們的出行帶來不便，不排除會增加居民購買新車以及使用高排放的老舊車輛的可能。第三形態(tài)城市未來的發(fā)展有沒有可能跳出高經(jīng)濟-高污染的城市形態(tài)階段而直接轉向高經(jīng)濟-低污染的更高一級城市形態(tài)，轉變經(jīng)濟發(fā)展方式顯得尤為重要。

綜上所述，機動車限行政策對霧霾污染治理的效果存在一定差異，機動車尾氣排放在城市間的貢獻率是不同的，限行政策的實施需要與科學的城市規(guī)劃和綠色的城市產能結構相結合，充分考慮到每個城市不同的發(fā)展程度，才能達到預期的效果。

4 結論與建議

4.1 結論

如今，中國面臨的環(huán)境治理形勢越來越嚴峻。機動車限行政策是否有效地減少霧霾污染這一說法還存在很多爭議，本文通過實證研究，得出了以下結論：

在控制氣象因素影響后發(fā)現(xiàn)，機動車限行政策對控制霧霾污染的效果并不明顯，在不同類型城市中表現(xiàn)的作用也不同。只有北京是顯著負相關，西安、蘭州顯著正相關，其余城市均為不顯著。為了進一步考察不同類型的典型城市限行效果不同的原因，本文對北京、天津、西安三個城市，從經(jīng)濟、產業(yè)、能源以及交通等四個維度進行案例對比分析后發(fā)現(xiàn)，霧霾污染的治理措施需要“因地制宜”。

4.2 政策建議

不同發(fā)展形態(tài)的城市霧霾污染的主要原因各不相同，因此解決措施也不能相互效仿，而應對癥下藥。

城市處于高經(jīng)濟-低污染形態(tài)時，機動車限行政策是治理霧霾的有效手段，但治理的根本在于控制機動車保有量，優(yōu)化城市發(fā)展職能，降低城市人口密度。如北京，無論是能源結構或是產業(yè)結構的發(fā)展已經(jīng)超越中國其他城市，節(jié)能減排取得了初步的效果，但其存在大城市難以回避的問題——城市建設固化，即基礎設施的建設發(fā)展難以滿足日益增長的人口需求。北京的機動車尾氣排放對于霧霾污染的貢獻率很大，歸根究底是城市人口密度過高，機動車保有量過大造成。因此，北京應重視人口的疏散，將城市部分職能疏導轉移到周邊城市（如雄安新區(qū)）中，這樣既可以分擔北京的一部分城市職能，同時也促進了周邊地區(qū)的高新科技發(fā)展。

城市發(fā)展處于高經(jīng)濟-高污染時，機動車限行政策并非治理霧霾最有效的手段，政府應加快產業(yè)結構轉型，優(yōu)化能源結構，加大污染治理投資。天津如何從高經(jīng)濟-高污染轉變?yōu)楦呓?jīng)濟-低污染的城市形態(tài)，成為丞待解決的問題。城市環(huán)境的治理不是棄高耗能產業(yè)或放棄經(jīng)濟的發(fā)展，而是要提高技術水平，促進產業(yè)結構轉型。為改善其能源結構的狀況，政府需要提高企業(yè)社會責任感，征收企業(yè)污染稅，倒逼企業(yè)進行能源技術轉型。

城市發(fā)展仍處于中低經(jīng)濟-高污染時，機動車限行政策對于抑制霧霾污染呈現(xiàn)出無效作用，政府應當優(yōu)化城市投資結構，營造低碳綠色的營商環(huán)境，轉變產業(yè)發(fā)展模式，不再走第二形態(tài)城市的發(fā)展老路。因此，在今后的經(jīng)濟發(fā)展中，不能盲目追求GDP的增長，應建立生態(tài)、文明、綠色的經(jīng)濟發(fā)展模式。如西安，先發(fā)展還是先治理是困擾城市發(fā)展的關鍵性問題，提高經(jīng)濟的增長，看重的不只是“量”，更應該是“質”。如何跨過高經(jīng)濟-高污染的城市形態(tài)，首先，應限制引進高污染高能耗產業(yè)，將更多的資金投資到節(jié)能技術水平較高的企業(yè)，以獲得更高的減排效果；其次，加快實施煤改氣、煤改電是改善冬季空氣污染的重要手段。

城市形態(tài)的不同，造成霧霾污染的原因也不盡相同。雖然機動車限行政策是緩解城市交通擁堵的一劑良藥，但并不是解決霧霾污染的根本途徑。城市霧霾治理的切入點還是應該從源頭著手，制定科學的頂層設計，轉變經(jīng)濟發(fā)展方式，政府通過市場化手段倒逼產業(yè)結構、企業(yè)技術水平升級。霧霾污染治理是一個復雜的工程，要理性對待機動車限行政策，不能將限行政策視為拯救空氣質量的唯一“救世主”，而應該根據(jù)城市自身的情況，合理制定相關政策，轉變產業(yè)結構，提升科學技術水平，多角度全方位地改善城市的經(jīng)濟、生產、生活方式，實現(xiàn)霧霾治理與城市發(fā)展雙贏的目的。

（編輯：劉照勝）

參考文獻（References）

[1]周嶠. 霧霾天氣的成因[J]. 中國人口·資源與環(huán)境， 2015（s1）：211-212. [ZHOU Qiao. Cause of the haze weather[J]. China population，resources and environment， 2015（s1）：211-212.]

[2]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， 36（10）：3833-3839. [WANG Liping， CHEN Jun. Socioeconomic influential factors of haze pollution in china： empirical study by EBA Model using spatial panel data[J]. Acta scientiae circumstantiae， 2016， 36（10）： 3833-3839.]

[3]何楓， 馬棟棟. 霧霾與工業(yè)化發(fā)展的關聯(lián)研究——中國74個城市的實證研究[J]. 軟科學， 2015（6）：110-114. [HE Feng， MA Dongdong. Association study between haze pollution and industrialization：an empirical study based on 74 cities in China[J]. Soft science， 2015（6）：110-114.]

[4]GUO S， HU M， ZAMORA M L， et al. Elucidating severe urban haze formation in China[J]. Proceedings of the national academy of sciences of the United States of America， 2014， 111（49）：17373.

[5]陳詩一， 陳登科. 能源結構、霧霾治理與可持續(xù)增長[J]. 環(huán)境經(jīng)濟研究， 2016（1）：59-75. [CHEN Shiyi， CHEN Dengke. Energy structure， haze governance and sustainable growth[J]. Environmental economy research， 2016（1）：59-75.]

[6]邵帥， 李欣， 曹建華，等. 中國霧霾污染治理的經(jīng)濟政策選擇——基于空間溢出效應的視角[J]. 經(jīng)濟研究， 2016（9）：73-88. [SHAO Shuai， LI Xin， CAO Jianhua， et al. Chinas economic policy choices for governing smog pollution based on spatial spillover effects[J]. Economic research journal， 2016（9）：73-88.]

[7]馬麗梅， 張曉. 中國霧霾污染的空間效應及經(jīng)濟、能源結構影響[J]. 中國工業(yè)經(jīng)濟， 2014（4）：19-31. [MA Limei， ZHANG Xiao. The spatial effect of Chinas haze pollution and the impact from economic change and energy structure[J]. China industrial economies， 2014（4）：19-31.]

[8]閆伶. 城區(qū)機動車尾氣排放量與霧霾關系研究[J]. 環(huán)境科學與管理， 2017， 42（1）：67-69. [YAN Ling. Relationship between vehicle amount and haze in Keqiao district[J]. Environmental science and management， 2017， 42（1）：67-69.]

[9]孫坤鑫. 機動車排放標準的霧霾治理效果研究——基于斷點回歸設計的分析[J]. 軟科學， 2017（11）：93-97. [SUN Kunxin. Study on effect of haze treatment on vehicle emission standard：analysis based on regression discontinuity design[J]. Soft science， 2017（11）：93-97.]

[10]呂效譜， 成海容， 王祖武，等. 中國大范圍霧霾期間大氣污染特征分析[J]. 湖南科技大學學報（自然科學版）， 2013， 28（3）：104-110. [LV Xiaopu， CHENG Hairong， WANG Zuwu， et al. Analysis of a wide range haze pollution in China[J]. Journal of Hunan University of Science & Technology（natural science edition）， 2013， 28（3）：104-110.]

[11]竺效. 機動車單雙號常態(tài)化限行的環(huán)境法治之辨[J]. 法學， 2015（2）：3-10.[ZHU Xiao.The debate on environment of normalization of vehicles odd and even plate number restriction rule[J]. Law science， 2015（2）：3-10.]

[12]譚俊杰. 尾號限行，城市交通發(fā)展的陷阱[C]//?？冢?014中國城市規(guī)劃年會，2014. [TAN Junjie. Tail limit line， the trap of urban traffic development[C]// Haikou：Annual National Planning Conference 2014， 2014.]

[13]CHEN Yuyu， JIN G Z， KUMAR N， et al. The promise of Beijing： evaluating the impact of the 2008 Olympic Games on air quality [J]. Journal of environmental economics & management， 2013， 66（3）：424-443.

[14]DAVIS L W. The Effect of driving restrictions on air quality in Mexico City[J]. Journal of political economy， 2008， 116（1）：38-81.

[15]VIARD V B， FU S. The effect of Beijings driving restrictions on pollution and economic activity [J]. Journal of public economics， 2015， 125（8）：98-115.

[16]BAI J， PERRON P. Estimating and testing linear models with multiple structural changes[J]. Econometrica， 1998， 66（1）：47-78.

[17]張人禾， 李強， 張若楠. 2013年1月中國東部持續(xù)性強霧霾天氣產生的氣象條件分析[J]. 中國科學：地球科學， 2014， 44（1）：27-36. [ZHANG Renhe， LI Qiang， ZHANG Ruonan. Meteorological conditions for the persistent severe fog and haze over eastern China in January 2013[J]. Science China：earth sciences， 2014， 44（1）：27-36.]

[18]邵帥， 楊莉莉， 黃濤. 能源回彈效應的理論模型與中國經(jīng)驗[J]. 經(jīng)濟研究， 2013（2）：96-109. [SHAO Shuai， YANG Lili， HUANG Tao. Theoretical model and experience from China of energy rebound effect[J]. Economic research journal， 2013（2）：96-109.]

Abstract As there has been more frequent， largescale and persistent haze weather in China since 2013， many local governments had to take series of measures to control the haze pollution. Among which， the driving restriction policy has been widely adopted， and it has shown varied effects in different cities. This study attempts to conduct data mining on the data of PM2.5 concentration of 11 provincial capital cities in China with driving restriction policies， and find the structural breaks points. Multivariate regression model is applied to explore the correlation of PM2.5 and restriction policy by controlling the climate factors such as wind level， rainfall， humidity and so on. The results show that meteorological factors in each city have a different impact on haze pollution. Among them， wind level， rainfall and temperature have significant negative impact in most cities and humidity has significant positive impact in some cities. As for the different effects of driving restrictions， the 11 provincial capital cities can be divided into three categories， the effective， the ineffective and the insignificant. In order to investigate the reasons behind the differences， Beijing， Tianjin and Xian are chosen in each category for comparative analysis in four dimensions： economy， industrial structure， energy consumption and transportation condition. It is found that the fundamental cause of haze pollution varies in different cities， therefore different measures need to be taken to ease the haze pollution rather than rely simply on the driving restriction policy： ① When the city is at the status of higheconomic development with lowpollution level， the driving restriction policy is an effective means to control haze pollution， the local government is suggested to control the quantity of motor vehicles， optimize urban development functions， and reduce urban population density. ②When the city is at the status of higheconomic development with highpollution level， the driving restriction policy is not the most effective way to control haze pollution. The local government should emphasize more on speeding up the transformation and upgrading of industrial structure， optimizing the energy consumption structure and increasing investment in pollution control. ③When the city at the status of medium/loweconomic development and highpollution level， the driving restriction policy is rather ineffective. Urban development should focus on optimizing investment structure and upgrading industry development mode to be more sustainable.

Key words PM2.5； haze pollution； driving restriction； multivariate regression