基于空間計量模型的安徽省霧霾污染研究

周瀚醇，張 穎

（安徽工商職業(yè)學院經(jīng)濟貿(mào)易學院，合肥 231141）

引言

黨的十九大報告指出：“要堅決打好防范化解重大風險、精準脫貧、污染防治的攻堅戰(zhàn)”，能否打贏“污染防治攻堅戰(zhàn)”尤其是“藍天保衛(wèi)戰(zhàn)”，已然成為人民群眾是否能擁有“獲得感、幸福感、安全感”的重要路徑之一。霧霾是特定氣候條件下與人類活動相互作用的結果。作為霧霾中的核心污染物，PM2.5直徑小、吸附性強、易攜帶毒害物質侵入人體心肺器官，會對人體健康及大氣環(huán)境造成不可逆轉的侵害。

據(jù)《2019 年中國生態(tài)環(huán)境狀況公報》[1]顯示，全國168 個地級市的PM2.5平均濃度為44 微克/立方米，略低于安徽省46 微克/立方米的數(shù)值。另據(jù)第四次全國經(jīng)濟普查數(shù)據(jù)統(tǒng)計，2019 年安徽省經(jīng)濟生產(chǎn)總值已位列全國第11 位，為歷史最好記錄?？梢姲不帐〗?jīng)濟在取得快速發(fā)展成就的同時，霧霾污染已成為不容忽視的環(huán)境問題和民生問題。

霧霾雖然被普遍認為是由污染物和氣象條件共同決定，但經(jīng)過對現(xiàn)有文獻的梳理發(fā)現(xiàn)，眾多學者在分析其產(chǎn)生原因時，更廣泛地將視角聚焦到了霧霾的形成機制、傳輸路徑、影響因素尤其是社會經(jīng)濟因素方面。從研究角度看，能源結構與能源消費[2-4]、城市交通[5，6]、城市化推進[7-9]、FDI 外資的進入[10，11]、環(huán)境規(guī)制[12，13]等因素均對霧霾的形成有不同程度影響；從研究地域看，多以全國范圍[14-17]、長三角地區(qū)[18]、長江中游城市群[19]、北方地區(qū)[20]、省域范圍[21]為研究尺度進行分析。綜合而言，鮮有文獻考慮人口規(guī)模、城市綠化水平對霧霾形成機制的影響；另外對于在地區(qū)經(jīng)濟發(fā)展過程中，經(jīng)濟增長水平是否與霧霾污染呈現(xiàn)“倒U 型”結構也較少提及。

基于此，文章以2018 年安徽省PM2.5為研究目標，采集16 個地級市的相關數(shù)據(jù)，首先對安徽省霧霾污染的空間分布特征進行可視化描述，然后對該省霧霾污染是否存在空間相關性進行檢驗，最后，構建空間計量回歸模型，探究經(jīng)濟發(fā)展水平等六項社會經(jīng)濟因素對安徽省霧霾污染的影響，并進一步考察安徽省經(jīng)濟發(fā)展和霧霾污染間是否符合“環(huán)境庫茲涅茨曲線”。

一、研究設計

（一）空間計量分析概述

1.全局空間自相關分析

根據(jù)地理學第一定律，任何事物都存在空間相關性，距離越近的事物空間相關性越大。通常采用全局Moran′s I 統(tǒng)計量，它能反映整個研究區(qū)域內，各個地域單元與鄰近地域單元之間的相似性。其計算公式為：

2.局部空間自相關分析

局部空間自相關用以解釋局部地區(qū)是否存在變量集聚現(xiàn)象。通常采用LISA 圖和局部Moran′s I 指數(shù)對研究變量進行局部自相關性的檢驗，其計算公式為：

正的Ii表示一個高值被高值所包圍（高-高）或一個低值被低值所包圍（低-低），負的Ii表示一個低值被高值所包圍（低-高）或者一個高值被低值所包圍（高-低）。

3.空間回歸模型

在研究變量間的影響關系時，變量往往存在空間依賴性，故而違背了經(jīng)典最小二乘法的前提條件，所以需要建立空間計量回歸模型對數(shù)據(jù)進行處理。針對截面數(shù)據(jù)，目前常見的空間計量模型包括空間誤差模型和空間滯后模型。

（1）空間誤差模型（Spatial Error Model，SEM），通過誤差項的空間自相關設置把空間依賴效應反映出來，即在誤差項中包含引起自變量出現(xiàn)空間相關的因素。其模型設定如下：

其中，W 是空間權重矩陣，μ 為誤差項，λ 是誤差項的空間回歸系數(shù)，若該系數(shù)顯著則說明誤差項之間存在空間自相關；在本研究中，λWμ 體現(xiàn)為其他城市解釋變量對本地區(qū)霧霾污染的空間溢出程度。

（2）空間滯后模型（Spatial Error Model，SEM），通過加入因變量的空間自相關設置來解決空間依賴性問題，即在模型中加入因變量的空間滯后項。其模型設定如下：

其中，W 是空間權重矩陣，ρ 表示相鄰地區(qū)因變量的觀測值對本地區(qū)因變量觀測值的影響程度，若系數(shù)顯著則說明空間相關性顯著；在本研究中，ρWy 體現(xiàn)為其他城市霧霾污染對本地區(qū)霧霾污染的空間溢出效應；（3）、（5）兩式中X 為自變量矩陣，ε 為服從N（0，σ2In）的隨機誤差項。

（二）變量說明與數(shù)據(jù)來源

1.被解釋變量

PM2.5也稱為可入肺顆粒物，其單位為微克/立方米，是“環(huán)境空氣質量標準”的重要監(jiān)測指標。雖然在地球大氣成分中含量占比很少，但對空氣質量及空氣能見度有著巨大影響，對人體健康和大氣環(huán)境質量的危害則更大。按照世界衛(wèi)生組織WHO 發(fā)布的《空氣質量準則》，該值年均濃度不超過10 微克/立方米，而我國目前采用的濃度限值最低標準為年均不超過35 微克/立方米[22]。

文章根據(jù)安徽省生態(tài)環(huán)境廳發(fā)布的城市空氣質量日報、環(huán)境質量月報，選取安徽省16 個地級市2018 年的月均PM2.5濃度數(shù)據(jù)做為研究對象，并將觀測數(shù)據(jù)整合為季度、年度數(shù)據(jù)，分析霧霾污染的空間分布特征。

2.解釋變量和其他控制變量

學者一般認為[21]，霧霾污染與產(chǎn)業(yè)結構緊密相關。安徽省淮南、淮北兩市盛產(chǎn)煤礦，銅陵又為“銅都”，馬鞍山興鋼鐵，第二產(chǎn)業(yè)比重較高且多為“高污染、高能耗、高成本”制造業(yè)，這是導致安徽省霧霾污染嚴重的主要原因。此外，隨著城鎮(zhèn)化水平的加快、城市化的建設與推進，城鎮(zhèn)生產(chǎn)、生活產(chǎn)生的“三廢”污染物不斷增多，也會加劇霧霾的嚴重[7-9]。

基于此，文章選取經(jīng)濟發(fā)展水平、產(chǎn)業(yè)結構、人口規(guī)模、城鎮(zhèn)化水平作為解釋變量?？紤]到園林綠化能調節(jié)氣候、凈化空氣、減弱噪音；汽車尾氣排放的SO2，NOx 也是造成霧霾污染的重要來源之一，故同時選取城市綠化水平、交通擁堵作為控制變量。

由于存在“環(huán)境庫茲涅茨曲線（EKC）”，即Panayoutou（1993）[23]認為“環(huán)境質量與人均收入間存在倒U 型關系”，為了檢驗安徽省經(jīng)濟增長與環(huán)境質量間是否符合EKC 假說，研究也加入了人均GDP 水平的二次項。

具體變量選取與指標說明見表1。

3.數(shù)據(jù)來源與數(shù)據(jù)處理說明

全文數(shù)據(jù)來源于安徽省生態(tài)環(huán)境廳及2018 年《安徽省統(tǒng)計年鑒》，數(shù)據(jù)處理采用ArcGis10.2，GeoDa，Matlab2013b 等軟件。

（三）模型設定

文章將首先構建安徽省霧霾污染影響因素的經(jīng)典空間計量模型見式（6），再根據(jù)判別法則判斷適用空間滯后模型見式（7）還是空間誤差式模型見式（8）。

式中：i 代表第i 個地區(qū)，包含全省16 個地級市；PM2.5為被解釋變量；Xi為表1 中各解釋變量；ρ 為被解釋變量空間滯后項的回歸系數(shù)，λ 為空間誤差系數(shù)，W 為空間權重矩陣；α0為常數(shù)項；α1為各解釋變量的回歸系數(shù)；ε 為隨機誤差項。為消除異方差影響，所有變量均取對數(shù)值。

二、安徽省霧霾污染的空間分布特征

（一）安徽省霧霾污染空間分布的季節(jié)特征

霧霾污染通常季節(jié)性變化突出，按四季的傳統(tǒng)劃分，即春季（3 月-5 月）、夏季（6 月-8 月）、秋季（9 月-11月）和冬季（12 月-次年2 月），文章采集了2018 年3 月—2019 年2 月安徽省16 個地級市的PM2.5數(shù)據(jù)作為衡量霧霾污染的指標，將各月數(shù)據(jù)取平均值后作為某季節(jié)的PM2.5平均濃度值，其分布四分位圖如圖1 所示，各季節(jié)PM2.5濃度值的描述性統(tǒng)計見表2。

圖1 安徽省2018 年霧霾污染的空間分布季節(jié)特征

從圖1 和表2 可以看出，第一，安徽省霧霾污染季節(jié)性變化明顯：夏季霧霾污染程度最輕，其PM2.5值波動范圍為28-35，符合我國空氣質量標準，各地級市間差異也最小；春季次之；秋季霧霾污染開始分化，直至冬季霧霾污染達到一年之中最重。第二，安徽省霧霾污染程度按照“淮河以北、江淮之間、長江以南”的地域分布，呈遞減趨勢：占安徽省三分之一國土面積的皖北六市，除夏季空氣質量稍好以外，其他季節(jié)均占據(jù)了“霧霾排行榜”前列。第三，地處江淮之間的皖中地區(qū)則在冬季時候霧霾污染最重，而長江以南地區(qū)全年大部分時間PM2.5值均不超過40。

表2 安徽省2018 年季節(jié)性PM2.5 值的描述性統(tǒng)計

（二）安徽省霧霾污染的空間自相關性分析

通過前述圖1 對安徽省霧霾污染分季節(jié)可視化研究可知，該省霧霾污染覆蓋面積較廣、重污染地區(qū)分布集中。因此文章構建“車相鄰”（Rook Contiguity）空間權重矩陣，得到2018 年安徽省PM2.5濃度值的全局MORAN’s I 值，該值統(tǒng)計描述如表3 所示，它為正值并通過了1%顯著水平的檢驗；結合圖2（a），發(fā)現(xiàn)PM2.5的大部分散點落入第一、三象限，說明該年度霧霾污染存在顯著的空間正相關性。

圖2 安徽省2018 年PM2.5 的MORAN 散點圖及局部集聚LISA 圖

表3 安徽省2018 年PM2.5 值的全局MORAN’s I 統(tǒng)計值

圖2（b）即PM2.5濃度值的局部LISA 圖則展示了安徽省地級市間霧霾污染的聚集情況。2018 年安徽省霧霾污染的高—高聚集地區(qū)主要分布在亳州、淮北、蚌埠、宿州等地級市，這四個城市地處傳統(tǒng)意義上的北方地區(qū)，冬季降雨量較少，加之人口密度大，采掘業(yè)較發(fā)達，極易造成霧霾污染的擴散。而低—低聚集地區(qū)分布在宣城、池州、黃山等皖南地區(qū)，這三個城市自然風景資源豐富，植被覆蓋率高，氣候溫潤，霧霾污染程度相對較輕。

故在分析該省霧霾污染形成的影響因素時，必須充分考慮空間地理的作用及霧霾污染的空間溢出效應。

三、安徽省霧霾污染影響因素的回歸檢驗

（一）空間回歸模型的選擇判斷

關于選擇空間誤差模型還是空間滯后模型，Anselin（2006）[24]給出了基于Lagrange 乘子檢驗機制：首先進行傳統(tǒng)的最小二乘回歸估計法（OLS），然后計算兩種模型的Lagrange 乘數(shù)統(tǒng)計量，如果兩者均不顯著，則選擇最小二乘回歸法；如果其中之一顯著，則選擇顯著的統(tǒng)計量對應之模型；如果兩者都顯著，則再根據(jù)穩(wěn)健的Lagrange 即Robust LM-lag、Robust LM-error 作進一步判定。

（二）實證結果分析

從表4 中可見：經(jīng)OLS 檢驗表明LMλ和LMρ統(tǒng)計量均顯著，則比較穩(wěn)健的R-LMlag 和R-LMerr 之后發(fā)現(xiàn)空間滯后模型（SLM）更穩(wěn)健；結合log-likelihood（對數(shù)似然估計）、AIC（赤池信息準則）、SC（施瓦茨信息準則），可知空間滯后模型（SLM）的log-likelihood 最大，AIC 和SC 值最小，表明該模型的擬合度最優(yōu)。故最終確定采用SLM 模型進行影響因素分析。

表4 空間回歸模型實證檢驗

具體來說，安徽省霧霾污染存在明顯的空間溢出效應，空間自相關系數(shù)ρ 為0.539 0，意為周圍其他地區(qū)的PM2.5每增加1%，本地的PM2.5值將增加0.539 0%，這和本研究中圖2 的LISA 集聚圖的結果一致。這表明：第一，在大氣滿足一定的風速、高程、溫度條件時，會形成有利于霧霾污染擴散的外部環(huán)境；第二，我國于2019 年頒布實施的《健康中國行動組織實施和考核方案》中，才將主要健康指標納入各級政府績效考核范圍，在此前仍存在以“唯GDP 考核”為中心的思想，各地在經(jīng)濟發(fā)展中不免普遍存在污染排放的惡性循環(huán)。

從經(jīng)濟發(fā)展水平看，人均GDP 的彈性系數(shù)為正值、人均GDP 平方項的彈性系數(shù)為負值且在一定統(tǒng)計水平下均顯著，印證了安徽省霧霾污染和經(jīng)濟發(fā)展水平間的關系符合“環(huán)境庫茲涅茨曲線（EKC）”假說。即：在早期“粗放式”經(jīng)濟發(fā)展中，“重發(fā)展輕保護、重經(jīng)濟輕環(huán)境”現(xiàn)象突出，人均GDP 和霧霾污染呈正向關系；而在近年安徽省空氣污染治理已初見成效，隨著人均GDP 的增長，霧霾污染有減弱趨勢。

從城鎮(zhèn)化發(fā)展水平看，城鎮(zhèn)化建設對霧霾污染存在負向作用，但影響不顯著，這與預期不相符?？赡艿脑蚴牵不帐‖F(xiàn)階段整體城鎮(zhèn)化水平較高，在城鎮(zhèn)化基礎設施施工過程中，受法律法規(guī)對節(jié)能建材使用的要求、受《環(huán)保法》加大環(huán)境污染處罰力度等因素限制，會盡量使用節(jié)能減排的燃料，進而減少PM2.5的排放。

從產(chǎn)業(yè)結構比重看，第二產(chǎn)業(yè)所占比重越高則霧霾污染程度越嚴重。安徽省的第二產(chǎn)業(yè)集中在采掘、冶煉、有色金屬加工等方面，均屬于“高能耗、高污染”產(chǎn)業(yè)，表明粗放式的工業(yè)發(fā)展模式尤其是依托重工業(yè)發(fā)展的產(chǎn)業(yè)結構需要加快轉型和升級，盡力推進以新能源、新材料等清潔能源為主的第二產(chǎn)業(yè)發(fā)展模式；此外，大力發(fā)展第三產(chǎn)業(yè)也是降低第二產(chǎn)業(yè)所占比重的渠道之一。

從人口規(guī)模角度看，人口密度對霧霾污染的影響為正但不顯著?？赡艿慕忉尀殪F霾是特定氣候條件下與人類活動相互作用的結果，高密度人口的經(jīng)濟及社會活動必然會排放大量PM2.5，一旦超過大氣循環(huán)能力和承載度，再受靜穩(wěn)天氣等影響，極易出現(xiàn)大范圍霧霾。雖然安徽省人口密度對霧霾污染有正效應影響，但尚在大氣循環(huán)承受范圍內，所以未產(chǎn)生明顯的不良影響。

在控制變量中，城市綠化水平系數(shù)為負值且通過了1%的顯著性檢驗，說明城市綠化水平的提高能顯著降低霧霾污染；交通擁堵系數(shù)為正值且也通過了1%的顯著性檢驗，反映了城市中機動車數(shù)量尤其是私家車的快速增長，加劇了汽車尾氣向大氣排放，如遇空氣擴散不利條件，更會加重PM2.5的惡化。

四、結論與政策建議

文章使用2018 年安徽省16 個地級市的截面數(shù)據(jù)，分析了安徽省霧霾污染的空間分布特征，并采用空間計量回歸模型研究影響霧霾的社會經(jīng)濟因素，得到如下結論：（1）安徽省霧霾污染呈現(xiàn)明顯的季節(jié)性變化，僅夏季空氣質量最優(yōu)且符合我國現(xiàn)行空氣質量標準、冬季霧霾污染程度最嚴重、春秋季次之。（2）安徽省霧霾污染程度由北向南，以淮河、長江為界呈逐級遞減趨勢。（3）采用空間滯后模型（SLM）能更好解釋安徽省霧霾污染的社會經(jīng)濟影響因素。（4）安徽省霧霾污染有顯著的空間溢出效應，周圍其他地區(qū)的PM2.5每增加1%會使得本地的PM2.5值增加0.539 0%。（5）人均GDP、第二產(chǎn)業(yè)所占比重、交通擁堵的上升等會顯著導致PM2.5值的上升；城市綠化水平的提高能顯著降低霧霾污染；城鎮(zhèn)化水平和人口密度對霧霾污染的影響不明顯。（6）霧霾污染和經(jīng)濟發(fā)展水平間呈倒U 型關系，符合“環(huán)境庫茲涅茨曲線（EKC）”假說。

根據(jù)以上結論分析，研究揭示了如下政策建議：

（一）區(qū)域間要形成合力協(xié)同治理霧霾污染，加強聯(lián)防聯(lián)控

霧霾污染存在明顯的溢出效應，沒有哪個區(qū)域可以獨善其身。安徽省已于2018 年修訂了省版《大氣污染防治條例》，接下來要進一步構建起重污染天氣應急聯(lián)動機制、溝通協(xié)調機制、建立大氣環(huán)境質量信息共享機制、開展大氣污染防治科學普及與技術交流合作，在實施管理方案、聯(lián)動監(jiān)測系統(tǒng)、污染補償、責任界定等方面建立起新體制，破解“霧鎖連城”困局。

（二）抓住“國內國際雙循環(huán)相互促進的新發(fā)展格局”關鍵機遇，促進產(chǎn)業(yè)結構的“綠色”升級

結合當下“轉型升級、提質增效”的要求，加大清潔能源使用力度，堅決摒棄落后產(chǎn)能；扶植和培育生物醫(yī)藥、新能源、新材料等高質量、生態(tài)類產(chǎn)業(yè)，形成綠色經(jīng)濟結構；提高第三產(chǎn)業(yè)所占比重，發(fā)展生產(chǎn)性服務業(yè)；配套綠色金融政策，提供財稅政策支持，鼓勵企業(yè)增加綠色產(chǎn)品的設計、研發(fā)及制造投入，擴大綠色產(chǎn)品的有效供給，從而實現(xiàn)經(jīng)濟增長、生態(tài)環(huán)境安全、應對氣候變化等多重目標的綠色低碳循環(huán)發(fā)展經(jīng)濟體系。

（三）繼續(xù)加大城市環(huán)境治理力度，構建生態(tài)城市

生態(tài)城市需要從能源、生態(tài)及交通等綜合角度出發(fā)減少霧霾災害。一方面繼續(xù)“節(jié)能降耗”，不斷提高能源和環(huán)保材料的使用效率，加大可再生能源使用，厲行節(jié)約理念，避免能源浪費；另一方面，倡導以生態(tài)理念布局城市自然環(huán)境，借鑒發(fā)達國家海綿城市、城市“綠肺”、天然氧吧、屋頂綠化等成功經(jīng)驗，把“青山綠水”留在“會呼吸”的生態(tài)城市中；最后，在公共出行方面提倡和鼓勵騎行、步行，減輕城市擁堵、減少汽車尾氣排放，構建城市綠色交通運輸體系。