经济增长和环境规制对雾霾的区际影响差异

张明+李曼

摘要 为探究不同省级区域雾霾、经济增长和环境规制之间的空间关联效应，本文提出针对雾霾的引力模型空间权重矩阵，并利用该矩阵建立了空间杜宾模型，分别对全国、西部、中部和东部省区的面板数据进行了空间计量检验。实证结果显示：全国雾霾的莫兰指数值显著，且取值介于0.367 — 0.460之间；雾霾“重心”呈现先向东南再向西北移动的趋势，移动距离为76 557 m；雾霾的莫兰指数值为东部省区最大，西部省区最小，中部省区介于二者之间。全国的雾霾与经济增长之间呈显著的“U”型曲线，而西部、中部和东部省区则呈倒“U”型曲线，其中中部省区的曲线最为陡峭，西部省区次之，东部省区最为平缓。环境规制每增加1%，只有西部和东部的雾霾相应减少，且各自相应下降0.009和0.010个百分点。西部和东部经济增长的溢出效应均显著，而环境规制的溢出效应不显著。研究结果表明：①雾霾在空间上表现出集聚的特点，全国和三个区域的雾霾都存在显著的正向空间溢出效应，这种空间依赖性在时间维度上大致呈加强的趋势；雾霾的空间相关性表现为东部省区最强，西部省区紧随其后，中部省区最低。②西部和东部省区部分省市还未过拐点，全国意义上的环境库茨涅兹假说是不存在的，或者是至少还未出现。③西部和东部环境规制效果较为理想，而中部省区的环境规制效果不佳；从全国总体来看，当前的环境规制整体上对雾霾并未起到有效的抑制作用。④东西部省区和中部省区经济增长对雾霾溢出效应分别表现为正向和反向；环境规制对雾霾的溢出效应并不显著。建议加强对雾霾的区域协同治理，重点推进西部和东部省区经济结构的转型升级，调整和完善西部、中部和东部省区的环境规制政策。

关键词 雾霾；经济增长；环境规制；引力空间权重矩阵；区际差异

中图分类号 X22

文献标识码 A文章编号 1002-2104（2017）09-0023-12DOI：10.12062/cpre.20170702

近年来中国大多数城市和省区都面临着不同程度的雾霾，不仅严重危害着人们的日常生活和健康，也直接和间接地引起了巨大的经济损失[1]。针对日益严峻的雾霾现状，国家相继出台了许多有关大气防治的法律、法规和政策，加大了对工业企业违规行为的监管和处罚力度。尤其2016年底出现的跨年污染引起了社会各界的广泛关注，2017年3月5日李克强总理在做政府工作报告时再次强调了治理雾霾的紧迫性，坚定了“打好蓝天保卫战”的决心。社会公众广泛地参与环境治理，表达环保诉求的途径和方式也日益多样化[2]。随着中国经济发展进入新常态，在长期中实现环境治理与经济增长的双赢发展是一个社会性共识[3]。因此，探讨雾霾与经济增长之间的关系，以及当下的环境规制对控制雾霾所取得的效果，具有重要的理论意义和现实意义。针对该问题的研究多采用传统的计量经济学方法，而考虑了空间因素的空间计量经济学方法在空间权重矩阵的构造上也存在着改进的空间，需要结合具体的研究问题进行设计。与此同时，关于雾霾方面的已有研究，较少涉及异质性的问题。基于此，本文以中国的雾霾现状为研究对象，结合实际情况提出了基于引力模型的空间权重矩阵，将空间样本按区域划分，深入分析西部、中部和东部地区的雾霾与经济增长和环境规制之间关系的差异。

1 文献综述

国内外学者对大气污染与经济增长之间的关系的研究由来已久，一部分学者基于脱钩理论展开，Asjad Naqvi and Klara Zwickl[4]研究发现对于几乎所有的经济部门和大气污染物指标，在欧盟中位数国家至少有一些是脱钩的；另一部分学者主要围绕环境库茨涅兹曲线（EKC）理论进行：王星[5]和何枫等[6]学者纷纷借助EKC对雾霾问题进行实证研究，通过传统计量分析，他们认为雾霾和经济增长之间可能呈“U”型、“N”和倒“N”型等多种不同的关系；Xu B et al.[7]则运用STIRPAT模型和非参数回归模型验证了大气污染与经济增长之间的倒“U”型关系；近几年，通过采用不同的空间权重矩阵，学者们证实了空间计量方法的拟合优度高于普通OLS，但Ma Y et al.[8]认为环境库茨涅兹曲线是存在的，而马丽梅和张晓[9]、邵帅等[10]则对环境库茨涅兹曲线的存在性提出了质疑。然而现有研究考虑了省际或区际的地理或经济距离因素，解决了雾霾的溢出效应，但是忽略了邻近省区与本省区雾霾之间存在引力作用，因此引入引力模型空间权重矩阵是有必要的。

国外学者对于环境规制效果的研究侧重于三个方面，一是微观企业投资行为：促进污染减排资本投资的环境规制政策会降低企业的投资率[11]，会降低建筑行业企业的竞争绩效，且行政监管对绩效的提升比经济监管效果大[12]，对有形的商品、新建筑、机械和“生产性”等四种不同类型投资的影响[13]；二是对新建厂商数量的影响[14]；三是对微观企业技术创新活动的选择[15]。国外研究较少涉及环境规制方面的空间计量分析，而国内对大气污染与环境规制之间关系的研究，也大多采用传统的计量经济学方法，从环境规制主体、行业产业排放、经济活动指标等角度展开：一方面，何为等[16]认为政府的执行能力能使天津市各地污染物的排放显著降低；贺灿飞等[17]发现政府的弱执行能力和企业的执行阻力会降低环境质量，而社会公众的压力则会提高环境质量，三者的总效应使大气污染状况得到改善；与上述结论有所不同，王书斌和徐盈之[18]以工业企业投资偏好为切入点，发现环境行政管制和环境污染监管对雾霾有较强的抑制作用，环境经济规制则会削弱该效应。另一方面，徐成龙和程钰[19]以山东为研究对象，研究发现环境规制的工业结构效应和技术效率效应对大气污染的抑制作用明显；高明等[20]认为环境规制只对東部省区工业污染的减排起到了抑制作用，全国范围内效果并不佳。此外，刘晓红和江可申[21]通过对分级后的雾霾水平分析，认为环境规制对全国雾霾的遏制是通过中、轻污染省区发挥作用来实现的。

鉴于传统的计量经济学方法忽略了雾霾存在空间相关性的事实[9]，并未将空间依赖性作为关键因素去考量，而已有的空间计量实证研究[22]中普遍采用的四种空间权重矩阵无法满足对雾霾实际空间效应的刻画：邻接空间权重矩阵忽略了来自非相邻省区雾霾的影响；地理邻近空间权重矩阵仅仅考虑了地理因素，没有考虑周边省区的雾霾水平；经济邻近空间权重矩阵单纯考虑了省际经济发展差异；地理经济邻近空间权重矩阵忽略了省际或区际雾霾水平的引力作用，而引入基于引力模型的空间权重矩阵则可以较好地刻画该问题。此外，针对异质性问题，主要有四种处理办法，一是将空间单元上的样本划分为若干个部分，二是采用地理加权回归的方法，三是定义新的变量，四是创新权重矩阵。相较于已有研究，本文将从以下几个方面予以分析：①使用PM2.5的栅格数据表示雾霾程度，运用探索性空间数据分析方法，描述雾霾的时空动态分布格局；②在环境库茨涅兹曲线[23]的基础上，将空间因素纳入雾霾与环境规制之间关系的考察中，引入基于引力模型的空间权重矩阵，采用新经济地理学中特定的空间回归方法进行研究；③将全国划分为西部、中部和东部三大省区，比较分析各省区的经济增长对该省区雾霾的影响，以及各省区环境规制的效果；④考察经济增长、环境规制等变量的直接效应和溢出效应。endprint

2 模型设定与方法解析

2.1 雾霾重心迁移轨迹

根据张兴榆等[24]，雾霾的“重心”指在地理空间上存在一点，在该点处来自不同方向上的力量相互作用，使雾霾达到了平衡状态，可以用来描述雾霾的动态演化趋势，进一步揭示该事物的区际空间差异，本文采用地理学上的GIS技术，确定全国雾霾“重心”的地理坐标：

其中，X和Y分别表示各年雾霾“重心”的经度值和纬度值，xi和yi分别表示第i和第j个省、市（自治区）省会中心的经度值和纬度值，Mi表示第i个省、市（自治区）雾霾的数值。全国雾霾“重心”空间省际平均移动距离的计算公式：

其中，D表示两个不同年际间“重心”移动的距离，s和k分别表示两个不同的年份，（XsYs）和（XkYk）分别表示第s年和第k年某省、市（自治区）雾霾“重心”所在空间位置的经度值和纬度值，C表示地理经纬度值转换为空间距离的系数，通常为111.111。

2.2 构造基于引力模型的空间权重矩阵

Anselin et al.[25]提出通过引入空间权重矩阵来度量观测值之间的空间关联机制，空间权重矩阵是事物之间空间属性的一种表现形式。针对不同的结构的空间单元，需考虑到空间权重矩阵的适用性，而目前空间计量经济学应用中的经济理论大多采用基于邻接关系、距离函数和离散点的空间权重矩阵，缺乏对空间权重矩阵的其他设定[26]。不同的空间权重矩阵会造成差异较大的估计结果，而大气污染中存在下面的条件：首先，雾霾水平较高的省区会对雾霾水平较低的省区产生一定的影响，同时，随着两地之间距离的增加，影响的效应会逐渐减弱。据此，本文将物理学中的引力模型引入不同省区之间雾霾的空间关联效应中，提出基于引力模型的空间权重矩阵（W），矩阵中各元素的定义如下式所示：

其中，wij表示空间权重矩阵中的元素，i和j表示省份，PMi和PMj分别表示1999年至2011年第i和j省份雾霾的平均值，dij表示两个省级行政区地理中心之间的直线里程。

2.3 探索性空间数据分析

2.3.1 全域空间相关性分析

全域空间相关性分析的指标有全域空间自相关Morans I指数和Geary C指数两种，张松林和张昆[27]经过研究认为在判断一个区域是否存在空间聚集时，采用Morans I指数更为可靠，基于此本文采用Morans I指数，其公式如下：

其中，n表示地区数，xi表示第i个地区的雾霾观测值，wij表示空间权重矩阵中的元素，=1/n∑ni=1xi。

2.3.2 局域空间相关性分析

在实际情况中，由于研究区域存在一定程度的空间异质性，各自的空间关联情况并不一样，而全域的空间相关性分析往往会忽略空间异质性的影响，因此对局域的空间相关性进行分析并以此来测算局部区域雾霾的空间相关性是有必要的，局域空间相关性指数Morans I定义为[28]：

其中，S2=∑ni=1（xi-x）2n（7）式中各元素含义同上。

2.4 空间面板模型的选择

空间杜宾模型是SAR、SER和SLX的嵌套模型，本文在引力空间权重矩阵的基础上，建立空间杜宾模型，以研究各省和邻省的地理、经济及环境规制等对本地雾霾状况的影响。雾霾在省际间可能存在三种空间依赖性[29]：①一个省份的雾霾会通过空间传导机制对周边省份产生影响，空间滞后模型（SAR）可以解决该问题；②除经济增长和环境规制以外，可能还存在影响雾霾水平在不同省区之间溢出的其他变量，空间误差模型（SER）可以解决该问题；③一个省份的雾霾水平不仅与该省的经济增长和环境规制相关联，也与邻省的相关因素密切相关，外生解释变量的滞后模型（SLX）可以解决该问题。本文构建的模型如下[30]：

其中，i表示省份，t表示年份，W表示基于引力模型的空间权重矩阵，用来表征省际间雾霾的依赖关系；Xti表示外生解释变量矩阵，Xti=[lnGDPti，ln（GDPti）2，ERti，C]，GDPti，表示人均國内生产总值，ERti表示环境规制强度系数，C表示控制变量矩阵，相关变量包括交通运输TPti、能源消费强度EDti、产业结构ISti和城镇化水平URti、外商直接投资FDIti；ρ表示空间自回归系数；θ表示自变量空间滞后值的系数；λ表示空间自相关系数；表示待估计的参数向量；W·PMti为雾霾的空间滞后值，表示周围省份的雾霾水平和与本省的邻近关系对本省雾霾造成的影响；εti为服从正态分布的随机误差向量。为降低异方差的影响，同时消除数据的非平稳性因素，本模型采用对数的形式。

当满足ρ≠0、θ=0和λ=0时，空间杜宾模型退化为空间滞后模型，仅体现雾霾水平的空间交互效应，具体形式为：

当满足λ≠0、ρ=0和θ=0时，空间杜宾模型退化为空间误差模型，度量了邻近地区关于因变量的误差冲击对本地区观测值的影响程度，具体形式为：

本文根据区际雾霾之间依赖关系的具体形式来确立模型，首先采用沃尔德Wald法和似然比LR法对空间杜宾模型进行估计，原假设为H0：θ=0且H0：θ+δβ=0，根据沃尔德检验和似然比检验的估计结果，假如拒绝了前一个原假设，则选择使用空间滞后模型；假如拒绝了后一个原假设，则选择使用空间误差模型。假如上述两个条件中有一个不满足，或者同时拒绝了两个原假设，则选择使用空间杜宾模型[26]。

3 数据来源与变量选择

近年来，马丽梅和张晓[9]、潘慧峰等[31]、邵帅等[10]专家学者纷纷运用PM2.5（细颗粒物）作为衡量雾霾状况的指标。由于中国国家大气环境检测系统在2012年才开始将PM2.5浓度值纳入监测指标体系，相关数据不完善，而通过卫星搭载设备对气溶胶光学厚度进行测定得到的遥感数据具有时间序列长和空间覆盖广的优点，其反演的气溶胶光学厚度（AOD）被普遍认为是表示PM2.5浓度的重要指标，因此考虑使用美国宇航局下设于哥伦比亚大学的社会经济数据应用中心（SEDAC）监测PM2.5的卫星影像栅格数据，通过软件提取得到中国各省、市和自治区（以下简称“省份”）的PM2.5浓度数据，以此表征各省份的雾霾水平。此外，由于SEDAC的PM2.5浓度数据有3年移动平均数据和年份数据两组，但对它们进行推算所得到的年份PM2.5数据的质量欠佳，故将3年移动平均数据取做中间年份的数据，由此得到1999—2011年的年份PM2.5数据。endprint

对部分解释变量的说明如下：①经济增长（EG）。采用人均GDP衡量，以1978年作为基准年，为了探究环境污染与经济增长之间是否呈库兹涅茨曲线的倒“U”型关系，在模型中引入人均GDP及其平方项，均取自然对数[6]。②环境规制（ER）。国内外学者提出了计算环境规制强度所采用的6种方法，每种方法在一定程度上都各自存在局限性[32]。学者余长林和高宏建[33]、穆怀中和范洪敏[34]都选用了省份工业污染源治理的总投资额与规模以上工业企业工业增加值的比值作为衡量环境规制的指标，鉴于相关数据便于获取，也较为完备，本文也选取该方法。关于控制变量的说明：①交通因素（TP），各省私人汽车拥有量与公路里程的比值可用来表示交通压力，城市居民油品的生活消耗量与城市道路面积的比值可用来表示交通拥堵程度[35]，但是私有汽车保有量不能代表所有城市车辆，所以本文采用城市居民油品的生活消耗量与道路长度的比值来测度交通因素，并通过对二者归一化处理以消除量纲差异。②产业结构（IS），用第二产业占GDP的比重表示[36]。③外商直接投资（FDI），用各省市实际利用外资额表示[37]，不对企业投资类型加以区分，以此来反映地区经济的整体开放程度。④城镇化水平（UR），用各省份城镇常住人口占该省份常住总人口的比例表示[21]。⑤能源消费强度（ED），用各省单位GDP的能源消费量表示[38]。从省级单元尺度构建1999—2011年全国30个省份PM2.5浓度、环境及社会经济面板数据库，不含西藏、香港、澳门和台湾，主要原因在于这些省份的统计数据不完备。环境数据来源于CEIC数据库、《中国环境统计年鉴》和《中国工业统计年鉴》，社会经济数据来源于《中国统计年鉴》和《中国人口统计年鉴》。

4 实证结果与分析

4.1 雾霾现状分析

通过使用全国PM2.5的栅格数据生成13个年份雾霾的空间分布图，以此表征雾霾的时空格局，限于文章篇幅，在此仅列出5个代表性年份的空间分布图，如图1所示，其中色彩分级采用自然断点法。可以看出，全国大部分省区都遭受着不同程度的雾霾。其中华北省区雾霾最为严重，部分华中、华东、西北和西南省区紧随其后，这些省区整体污染程度较其余省区高出1倍左右。雾霾高污染区集中分布在天津、河北、上海、河南、山东和江苏等省区，而内蒙古、黑龙江、吉林、青海、云南和海南等省份则常年处于低污染区。

1999—2011年期间，雾霾水平呈现空间集聚现象，其变化呈现两个趋势：一是在气象和地理条件因素，以及社会经济因素的影响下，雾霾逐渐向东部沿海省区扩散，河南和山东等地，以及京津冀和长江三角洲两大经济圈的部分地区污染最为严重；二是气候干旱、土地荒漠化严重的西北省区沙尘天气形成的条件非常有利，沙尘暴天气持续肆虐，雾霾水平相对来说则有所下降。

集聚和扩散的力量使得雾霾在空间上的分布出现了不同程度的移动现象，为进一步考察雾霾在空间上的轨迹，运用ArcGIS软件做出雾霾的空间“重心”及其迁移轨迹，如图2所示。可以看出雾霾“重心”一直都处于河南省内偏南地区，呈现先向东南再向西北移动的趋势，并且前几年变化幅度较大，后几年变化较小，位置也相对集中，经纬度坐标显示雾霾“重心”整体上表现为向东部偏移，其中经向移动0.831°，纬向移动-0.082°，换算成公路里程为76 557 m。

4.2 探索性空间数据分析

4.2.1 全域空间相关性分析

采用1998—2012年雾霾的截面数据，运用MATLAB软件计算引力模型空间权重矩阵下每年雾霾的Morans I指数，结果显示全部通过了1%水平的显著性检验，其具体数值和变化趋势如表1所示。可以看出全国的雾霾在每年都呈现显著的空間正相关性，因此在计量模型中纳入空间影响因子是必要的，而且随着时间的推移，尽管个别年份Morans I指数有所下降，但相关程度整体上处在较高水平，且总体有所增强，说明雾霾的空间依赖性在时间维度上大致呈加强的趋势。

4.2.2 局域空间相关性分析

采用雾霾的截面数据，联合使用Geoda软件和ArcGIS软件，生成13个年份的LISA集聚图，限于文章篇幅，在此仅列出3个代表性年份的集聚图，如图3所示。雾霾高-高集聚性很强，表现为雾霾水平较高的省区被邻近的高雾霾省区所包围，该区域呈向东和向北扩张的演化趋势，逐渐形成了以环渤海、京津冀和长江三角洲为集聚核心的高雾霾地带。而位于东北的黑龙江和吉林，西北省区的甘肃、青海、宁夏和内蒙古，以及西南省区的云南等省份的雾霾水平较低，常年被周围的高污染省区包围，形成了低-高集聚地带。

4.2.3 三大区域各自的空间相关性分析

以地方的经济发展水平和所处的地理位置为依据，将全国划分为西部、中部和东部三个区域[38]。为深入考察各自空间相关性情况，再次计算每个区域各年雾霾的莫兰指数值，并与全国雾霾的莫兰指数值进行对比，结果如图4所示。可知三个区域雾霾的空间相关性存在差异，在没有考虑区域间相互关联的情况下，东部省区雾霾的内部正空间相关程度最强，西部省区次之，中部省区的空间关联程度最弱。由于各区域之间也具有相关性，整体上增强了全国雾霾的相关程度，使得全国雾霾的空间相关性强于三个区域，如果忽略了这种区域间的依赖性，会低估全国范围内雾霾的相关程度。

4.3 关联效应测定

4.3.1 空间计量模型实证结果及分析

为了考察局域性的空间溢出效应在解释各因素变动时对雾霾影响的程度，运用MATLAB软件，分别使用空间杜宾模型对全国和不同区域的样本进行空间异质性检验，估计结果如表2所示。根据沃尔德检验（Wald）和似然比检验（LR）的结果，同时拒绝了两个原假设，即拒绝了空间误差模型和空间滞后模型，因此采取空间杜宾模型[40]，进行了实证分析。根据Hausman检验结果，p值小于0.05，拒绝随机效应，全国、西部、中部和东部省区都采用固定效应模型。endprint

可以看出，全国、西部、中部和东部省区雾霾的空间滞后系数（W·lnPM2.5）全部显著为正，进一步验证了雾霾的空间相关性：在气候、生物和社会经济因素达到一定条件时，会有利于大气污染物的扩散[10，41]，使得某省区的雾霾状况显著地受周边省区，尤其是地理距离较近的省区污染水平的影响，表明了对象省份的污染程度和地理位置是雾霾产生关联的两个重要因素。雾霾的相关性呈现全国>东部省区>西部省区>中部省区的空间分异特征，与截面数据计算得到的莫兰指数值一致。对于经济增长和环境规制，以及其他的控制变量对雾霾的影响而言，各个区域不完全相同。各解释因素的边际效应为：

经济增长。在研究期内，三个区域呈现显著的倒“U”型关系，但不同省区在不同经济发展阶段的研究结果有所不同，其中中部省区的倒“U”型曲线最为陡峭，且所有省份都过了拐点，实现了雾霾与经济增长之间的脱钩，经济增长与雾霾实现了从互为掣肘的矛盾方到互相促进的协同方的转变；西部省区的倒“U”型曲线比中部省区平缓，其中广西、贵州、云南、甘肃、青海和宁夏等省份还没有过拐点；东部省区的倒“U”型曲线最为平缓，没有过拐点的省份有河北、黑龙江、安徽和河南。在全国范围内，经济增长一次项（lnGDP）的估计系数显著为负，二次项（ln2GDP）的估计系数显著为正，表明雾霾与经济增长之间的拟合曲线呈现较显著的正“U”型，即雾霾随着经济的增长表现出先减少后增加的趋势，证明了全国意义上的环境库茨涅兹（EKC）假说是不存在的，或者是至少还未出现。雾霾不仅是大气污染现象，也是经济发展现象，中国整体尚处于曲线上升的阶段，雾霾与经济增长保持正相关的关系不变，要重点加强西部和东部省区经济的转型升级。

环境规制。环境规制（lnER）系数的估计符号存在明显的区域性差异，其中西部和东部省区的环境规制效果较为理想，且东部省区雾霾对环境规制的边际效应大于西部省区，而中部省区环境规制的效果失灵较严重。但是全国环境规制的系数估计显著为正，且在1%的显著性水平下通过了检验，表明虽然不同区域环境规制的效果不尽相同，但整体上环境管制对雾霾依旧未起到明显的抑制作用。其中东部省区的抑制作用可能来源于两方面，一是在工业化前期，随着经济发展水平的快速增长，东部省区进入了工业化中后期，经济的增长方式逐渐由粗放型向集约型转变，经济增速开始放缓，公众的环保意识日益增强，加大了对高空气质量的诉求，政府也加大了对大气质量保护的经费投入，环境规制力度较大。二是伴随着技术创新投入的增加，企业减少污染排放的能力大大提高，在一定程度上抑制了雾霾，即东部省区的情况支持“波特假说”。对于西部省区而言，不仅环境规制强度较大，而且雾霾程度也比中部和东部省区轻，从而使得环境规制取得了一定效果。而中部省区为促进省区经济发展，会以牺牲环境质量为代价来吸引投资，实际的环境规制力度出现放松，此外中部省区的经济增长速度逐渐超过东部省区，成为新的增长极，快速发展的经济依赖于高耗能和高污染的产业，也弱化了早期环境规制的效果。

控制变量。①交通运输（lnTP）的系数估计在西部和中部省区均是正值，且中部省区的估计系数大于西部省区，而在东部省区是负值。西部和中部省区机动车行驶里程较高，公路密度和公共交通密度整体上也呈逐渐增大的态势，不仅会造成交通拥堵状况恶化，还会导致机动车排放直接和间接造成的可吸入颗粒物增加，以及油品低下对减排效果的约束程度总体上达到最大，成为诱发雾霾的重要成因之一，但西部省区的交通密度不及中部省区高，由此对雾霾造成的影响也低于中部省区。而东部省区交通运输密度虽然很大，但可能与其城市道路设计的改造和优化有关，减少了因交通拥堵所导致的尾气排放。从全国来看，交通运输仍是引发雾霾的重要因素之一。②产业结构（lnIS）的系数估计在三个区域都是正值，说明产业结构不合理会间接增加大气中二次气溶胶颗粒的浓度。第二产业占比对雾霾的边际效应存在区域差异，其中中部最明显，西部次之，而对东部的作用程度最小。③外商直接投资（lnFDI）的系数估计只有在东部省区为正值，在其他省区却显著为负，说明在东部地区投资集中于对能源和原材料消耗较大的劳动密集型企业，主要表现为资本积累效应，污染密集型企业数量增加，加重了当地的大气污染，“污染天堂”假说存在；而在中西部省区则主要体现为外资技术溢出效应、竞争效应和示范效应，使得外资技术研发水平得以提升，企业普遍采用了更环保清洁的技术，整体上降低了雾霾污染。④城镇化率（lnUR）的系数估计只有在中部省区为正值，表明城镇化水平只对中部省区的雾霾造成影响，在西部和东部省区，城镇化不是诱发雾霾的主要成因。⑤能源消费强度（lnED）在各个区域的系数估计值都为负，和预期不同，可能是由于13年间能源生产和消费方式变革取得了积极成效，降低能源消耗强度和控制能源消费总量的政策起到了作用，但是雾霾却高居不下，因此控制能源的消费量和消费强度不是解决雾霾的关键所在。

4.3.2 直接效应和溢出效应

根据文献[30]，在空间滞后因素的影响下，可能会存在内生交互效应，一个省份人均GDP和环境规制不仅会影响该省的雾霾，还会传递到周边的邻省，同时伴随反馈效应，会把源于邻省的雾霾变化的影响传回本省，使得空间杜宾模型中经济增长和环境规制的系数估计无法反映经济增长和环境规制强度对本省区雾霾产生的实际边际效应，即雾霾的直接效应，因此直接效应值要小于系数估计值。此外，间接效应即为空间溢出效应，分析间接效应可以用来检验空间溢出效应存在与否的依据。

根据文献[40]，SDM模型只有长期效应，没有短期效应。运用SDM模型进行估计时，经济增长和环境规制强度的直接效应和间接效应取决于它们各自的空间滞后值的系数估计值θ。此外，如果θ≠0，则1个省区经济增长和环境规制对雾霾产生的效应是局部效应，产生于该省区的邻近省区；如果ρ≠0，则1个省区雾霾产生的效应为全局效应，不产生于该省区的邻近省区；如果θ≠0且ρ≠0，則以上两种情况都会发生。表3列出了空间杜宾模型直接效应和间接效益的估计结果。endprint

估计结果表明：从全国总体来看，环境规制对雾霾并未起到抑制作用，交通运输和第二产业占比在不同程度上促进了雾霾，其对雾霾产生的直接效应大小为第二产业占比>交通运输密度，而外商直接投资、城镇化率和能源消费强度并不是造成雾霾的主要原因。在全国范围内，空间视角下交通运输密度和第二产业占比的溢出效应系数估计值都是正值，说明了二者通过空间上的溢出效应普遍地提高了雾霾水平。各因素的空间溢出效应存在区域性差异。邻近省区各个解释变量的变化会波及到当地的雾霾，全国、西部省区、中部省区和东部省区表现得不尽相同，具体体现在：

（1）经济增长滞后项（W·lnED）。经济增长滞后项的估计系数在西部省区和东部省区为正，表明这两个省区内某个省份的经济增长的影响会强大到影响临近省份的经

济增长，从而提高邻近省份的雾霾水平。其中，西部省区的溢出效应较大，可能与其靠前的经济增长速度和边界开放政策有关，随着西部省区经济增速领跑全国，以及西部大开发政策的深入，在西部省区各省份快速发展的同时，邻近省份的经济增长速度也得以提高，雾霾程度随之加深。东部省区内各省的经济增长对邻近省份也具有带动作用，各省份经济增长速度比西部省区快，各省份对邻近省区经济增长的扩散作用大于西部省区。中部省区经济增长滞后项的估计系数为负，表明各省的经济增长会降低邻近省区的雾霾水平。

（2）环境规制空间滞后项（W·lnER）。环境规制对雾霾的影响主要体现在促增作用和促降作用两方面。各级地方政府对环境规制政策的制定和实施可能存在着“模仿”行为，引发了对环境规制政策的博弈，进而会产生“搭便车”行为，环境规制会通过“挤出”效应来减少本地的环保投入，加重本省区的雾霾；通过“示范”效应增加邻近省区的环保投入，进而遏制雾霾。西部和东部省区的“挤出”效应大于“示范”效应，中部省区的“示范”效应大于“挤出”效应，但这种效应表现得并不明显。

（3）交通运输密度空间滞后项（W·lnTP）。西部省区相应的系数估计值为正数，主要表现在邻近省区机动车使用量的增加对本地机动车的保有量起到了促增作用，機动车尾气排放量随之增加，间接降低了雾霾水平。中部省区的估计系数为显著的负值，可能体现在交通基础设施建设的竞争上，本地基础设施建设的数量会受到邻近省区的正向影响，造成公路交通密度和轨道交通密度增加的程度大于邻近省区，道路交通使用率较之于邻近省区大幅下降，从而在一定程度上缓解了城市交通拥堵问题，从而减少了雾霾。

（4）产业结构空间滞后项（W·lnIS）。西部省区产业结构空间滞后项的估计系数为正值。在西部和中部省区，一个省区的高耗能和高污染产业的转移和升级，对周边承接了这种产业转移的省区造成了环境压力，这种情况在西部省区表现得尤其明显。而东部省区的产业结构更多的可能是通过空间溢出效应对周边省区产业结构合理化调整而产生正向激励作用。

（5）外商直接投资空间滞后项（W·lnFDI）。西部和中部省区某个省份的外商直接投资整体会降低邻近省份的雾霾水平，一个省份外商直接投资的溢出效应可能主要体现在技术溢出效应上，外资企业表现出示范效应，且西部省区体现得更加明显。而东部省区内某省份的外商直接投资会提高邻近省区的雾霾水平，表明东部省区的外商直接投资可能对内资企业表现出不明显的挤出效应。

（6）城镇化水平空间滞后项（W·lnUR）。西部省区的估计系数为负，得益于规模效应和集聚效应，快速城镇化的省区经济效率有所提升，居民为了追求更好的生活环境，提高了对环境质量的诉求，环保要求和监管要求也更加严格，基础设施的利用效率得到提高，对邻近省区产生了警示效应，邻近省区的居民改善大气质量的意愿更加强烈，进而起到了一定的减霾效果，此外，高城镇化率下农村土壤和水土富营养化污染水平较低，土壤水分蒸腾带走了较少的氨氮等营养物，附着在二次气溶胶颗粒上的微生物种群的繁殖速度相对较慢，气溶胶体积增大的速度和程度，由此引发的雾霾扩散程度较轻[40]。中部省区的系数估计则为正值，本地较高的城镇化水平引致了大量的消费需求，由跨省交易导致的工业废气排放量的增加加重了邻近省区的雾霾。

（7）能源消费强度空间滞后项（W·lnEC）。所有省区能源消费强度空间滞后项的估计系数都为负，且在西部和中部省区非常明显。一个省区降低单位GDP的能耗，提高能源消费效率高，可能会产生两种效应：新技术发明创造和能源清洁技术进步的“示范”效应起到了作用，对邻近省区雾霾的影响呈现不显著的负效应；在没有价格方面政策约束的情况下，会降低能源消费的相对成本，提高本地和邻近省区能源消费的总量，出现能源消费的“回弹”效应[42]，加重了邻近省区的雾霾。中部和西部省区主要是“示范”效应起了作用。

5 结论及政策建议

本文针对雾霾的空间溢出效应，提出了基于引力模型的空间权重矩阵，使用空间杜宾模型分别对全国及西部、中部和东部省区13年的样本参数进行估计，并且从经济增长和环境规制等因素进行了空间计量分析。通过研究认为：①全国的雾霾普遍存在空间相关性，雾霾的集聚现象明显。②全国雾霾与经济增长之间呈现显著的“U”型曲线，西部、中部和东部省区则与库茨涅兹曲线假说相吻合，且中部的曲线较陡峭，西部的曲线较平坦。③只有西部和东部省区的环境规制效果较明显，中部省区的环境规制欠佳，从全国总体来看，当前的环境管制整体上并未对雾霾起到显著的抑制作用。④东部省区和西部省区经济增长对雾霾具有显著的溢出效应，且东部的溢出效应大于西部地区。⑤环境规制的溢出效应不明显。根据上述结论，提出雾霾区域性治理的相应建议：

第一，明确合理地划分中央和三大省区中地方政府在雾霾治理上的事权和财权。中央政府应建立区域间协同机制，完善区域联防联控和联防联治机制，设置惩罚和激励机制，使各治理主体之间形成密切的合作，形成防治雾霾的合力。将河南和山东，以及京津冀和长江三角洲部分地区划分为重点治理区域。以三个省区内部的利益分配为抓手，完善和平衡好各省区地方政府间的协作机制和利益协调机制，保证地方政府大气污染治理方面的财政资金到位。考虑各地区的具体利益诉求，统一区域间执法处罚标准，明确信息共享、执法监督、工作机制等实施细则。endprint

第二，未来雾霾下降的主要驱动力之一是中国经济增长方式的转变，把东部省区作为经济结构和制度调整的重点区域，推进西部和东部省区尤其是东部地区的转型升级。充分考虑经济快速发展所带来的环境成本，从一味地追求GDP到向兼顾经济质量和效益，向开放性创新经济转型，加大技术资本和知识资本等高级要素的创新性投入，发展本土高端生产性服务业，实现东部省区经济发展方式转型和结构升级。

第三，不应该采取“一刀切”的环境规制强度标准，而应该根据不同区域的实际情况，制定和完善差异化区域环境规制对策，相机修订西部、中部和东部省区的环境规制，形成具有区域特色的治理框架。建议中部省区地方政府通过调整激励模式，加大对企业技术创新和应用的扶持力度，增加对高污染企业的惩治力度，对积极应用废气处理技术的重化工业给予鼓励和适当的政策补贴。充分利用行政手段和经济手段，完善排污交易和排放许可证交易制度，加大排污费征收力度，对违规企业限制贷款和融资渠道，推动东部省区先进的环保技术向中部省区转移，同时相应地完善环境规制。

第四，各区域实施差异化的政策。西部地區鼓励发展新能源。中部省区重点优化产业结构，利用高新技术改造传统产业；加强基础设施建设，加快新型城镇化进程，改善和优化人居环境。中西部地区优化城市道路和交通网络设计，减少车辆拥堵等待时长，加强油品质量监督，减少劣质油品的使用，鼓励居民绿色出行，发展公共交通运输体系，提高公共交通服务质量；鼓励各省市之间继续发挥交通基础设施建设方面的竞争；防止高耗能高污染产业在省际间转移。东部地区要加快工业绿色转型，倡导发展更多节能环保产业；着重提高准入门槛，对外商直接投资加以甄别，改进清洁生产技术，加强技术创新；建立长期有效的激励机制，发挥外商直接投资的技术溢出作用；积极发挥东部产业在省际间的正向激励。

第五，中央政府推行建立以公共服务为导向的地方行政准则，构建多元化的政绩考核体系。鼓励中部省区继续发挥环境规制良好的示范作用，通过合理的政策引导，如对达标的排污企业给予政策支持和物质奖励等措施，有效控制住西部和东部省区环境规制产生的“挤出”效应，有效减少搭便车的行为。

参考文献（References）

[1]蔺雪芹， 王岱. 中国城市空气质量时空演化特征及社会经济驱动力[J]. 地理学报， 2016，71（8）：1357-1371.[LIN Xueqin， WANG Dai. Spatiotemporal variations and socioeconomic driving forces of air quality in Chinese cities[J]. Acta geographica sinica， 2016，71（8）：1357-1371.]

[2]郭武梳理、选择和路径展开——环境习惯法现代价值实现的逻辑理路[J].山东师范大学学报（人文社会科学版），2015（2）：102-118.[GUO Wu. Classification， selection and path： logic approach to achieve modern values of environmental customary law[J]. Journal of Shandong Normal University （humanities and social sciences），2015（2）：102-118.]

[3]陈诗一. 新常态下的环境问题与中国经济转型发展[J]. 中共中央党校学报， 2016，20（2）：94-99.[CHEN Shiyi. Environmental issues and economic transformation under the New Normal in China [J]. Journal of the Party School of the Central Committee of the C.P.C， 2016，20（2）：94-99. ]

[4]NAQVI A， ZWICKL K. Fifty shades of green： revisiting decoupling by economic sectors and air pollutants[J]. Ecological economics， 2017，133：111-126.

[5]王星. 城市规模、经济增长与雾霾污染——基于省会城市面板数据的实证研究[J]. 华东经济管理， 2016，30（7）：86-92.[WANG Xing. City scale，economic growth and smog pollution：an empirical study based on the panel data of provincial capitals[J]. East China economic management， 2016，30（7）：86-92.]

[6]何枫， 马栋栋， 祝丽云. 中国雾霾污染的环境库兹涅茨曲线研究——基于2001—2012年中国30个省市面板数据的分析[J]. 软科学， 2016，30（4）：37-40.[HE Feng， MA Dongdong， ZHU Liyun. Study on Environmental Kuznets Curve of haze pollution in China：an empirical analysis based on panel data of the sample of Chinese 30 provinces during 2001-2012[J]. Soft science， 2016，30（4）：37-40.]

[7]XU B， LUO L， LIN B. A dynamic analysis of air pollution emissions in China： evidence from nonparametric additive regression models[J]. Ecological indicators， 2016，63：346-358.endprint

[8]MA Y R， JI Q， FAN Y. Spatial linkage analysis of the impact of regional economic activities on PM2.5 pollution in China[J]. Journal of cleaner production， 2016，139：1157-1167.

[9]马丽梅， 张晓. 中国雾霾污染的空间效应及经济、能源结构影响[J]. 中国工业经济， 2014（4）：19-31.[MA Limei， ZHANG Xiao. The spatial effect of Chinas haze pollution and the impact from ecomomic change and energy structure [J]. China industrial economics， 2014（4）：19-31.]

[10]邵帅， 李欣， 曹建华， 等. 中國雾霾污染治理的经济政策选择——基于空间溢出效应的视角[J]. 经济研究， 2016（9）：73-88.[SHAO Shuai， LI Xin， CAO Jinahua， et al. Chinas economic policy choices for governing smog pollution： based on spatial spillover effects[J]. Economic research journal， 2016（9）：73-88.]

[11]TESTA F， IRALDO F， FREY M. The effect of environmental regulation on firms competitive performance： the case of the building & construction sector in some EU regions[J]. Journal of environmental management， 2011，92（9）：2136-2144.

[12]SALTARI E， TRAVAGLINI G. The effects of environmental policies on the abatement investment decisions of a green firm [J]. Resource & energy economics， 2011，33（3）：666-685.

[13]LEITER A M， PAROLINI A， WINNER H. Environmental regulation and investment： evidence from European industry data[J]. Ecological economics， 2011，70（4）：759-770.

[14]LIST J A， MILLIMET D L， FREDRIKSSON P G， et al. Effects of environmental regulations on manufacturing plant births： evidence from a propensity score matching estimator[J]. Review of economics & statistics， 2003，85（4）：944-952.

[15]GRAY W B， SHADBEGIAN R J. Environmental regulation， investment timing， and technology choice[J]. The journal of industrial economics， 1998，46（2）：235-256.

[16]何为， 刘昌义， 刘杰， 等. 环境规制、技术进步与大气环境质量——基于天津市面板数据实证分析[J]. 科学学与科学技术管理， 2015，36（5）：51-61.[HE Wei， LIU Changyi， LIU Jie， et al. Environmental regulation， technology change， and air pollution： a panel study on Tianjin[J]. Science of science and management of S&T， 2015，36（5）：51-61.]

[17]贺灿飞， 张腾， 杨晟朗. 环境规制效果与中国城市空气污染[J]. 自然资源学报， 2013，28（10）：1651-1663.[HE Canfei， ZHANG Teng， YANG Shenglang. Air pollution in Chinese cities： does enforcement of environmental regulations matter？[J]. Journal of natural resources， 2013，28（10）：1651-1663.]

[18]王书斌， 徐盈之. 环境规制与雾霾脱钩效应——基于企业投资偏好的视角[J]. 中国工业经济， 2015（4）：18-30.[WANG Shubin， XU Yingzhi. Environmental regulation and haze pollution decoupling effect： based on the perspective of enterprise investment preferences[J]. China industrial economics， 2015（4）：18-30.]endprint

[19]徐成龙， 程钰. 新常态下山东省环境规制对工业结构调整及其大气环境效应研究[J]. 自然资源学报， 2016，31（10）：1662-1674.[XU Chenglong， CHENG Yu. The action of environmental regulation on industrial structure adjustment and atmospheric environment effect under the new normal in Shandong Province[J]. Journal of natural resources， 2016，31（10）：1662-1674.]

[20]高明， 吴雪萍， 郭施宏. 城市化进程、环境规制与大气污染——基于STIRPAT模型的实证分析[J]. 工业技术经济， 2016（9）：110-117.[GAO Ming， WU Xueping， GUO Shihong. Urbanization， environmental regulation and air pollution： an empirical analysis based on stirpat model[J]. Journal of industrial technological economics， 2016（9）：110-117.]

[21]刘晓红， 江可申. 环境规制、能源消费结构与雾霾——基于省际面板数据的实证检验[J]. 国土资源科技管理， 2016，33（1）：59-65.[LIU Xiaohong， JIANG Keshen. Environmental regulation， energy consumption structure and hazy in China： empirical test based on provincial panel data[J]. Scientific and technological management of land and resources， 2016，33（1）：59-65.]

[22]张可云， 杨孟禹. 国外空间计量经济学研究回顾、进展与述评[J]. 产经评论， 2016（1）：5-21. [ZHANG Keyun， YANG Mengyu. Review and comment on the research of spatial econometrics [J]. Forward position or economics， 2016（1）：5-21.]

[23]GROSSMAN G M， KRUEGER A B. Economic growth and the environment[J]. Review of economic studies， 1995，110（2）：353-377.

[24]张兴榆， 黄贤金， 赵雲泰， 等. 近10年江苏省土地利用重心与经济重心迁移轨迹对比分析[J]. 长江流域资源与环境， 2011，20（1）：14-20.[ZHANG Xingyu， HUANG Xianjin， ZHAO Yuntai， et al. Shirt route and comparative analysis of land use gravity and economy gravity center in recent ten years in Jiangsu Province[J]. Resources and environment in the Yangtze Basin， 2011，20（1）：14-20.]

[25]ANSELIN L， BERA A K， FLORAX R， et al. Simple diagnostic tests for spatial dependence[J]. Regional science & urban economics， 1996，26（1）：77-104.

[26]張可云， 王裕瑾， 王婧. 空间权重矩阵的设定方法研究[J]. 区域经济评论， 2017（1）：19-25.[ZHANG Keyun， WANG Yujin， WANG Jing. Research on the specification methods of spatial weight matrix[J]. Regional economic review， 2017（1）：19-25.]

[27]张松林， 张昆. 全局空间自相关Moran指数和G系数对比研究[J]. 中山大学学报（自然科学版）， 2007，46（4）：93-97.[ZHANG Songlin， ZHANG Kun. Contrast study on Moran and GetisOrd indexes of global spatial autocorrelation indices[J]. Journal of Sun Yatsen University（natural science edition）， 2007，46（4）：93-97.]

[28]ANSELIN L. Local indicators of spatial association： LISA[J]. Geographical analysis， 1995，27（2）：93-115.

[29]ELHORST J L. 空间计量经济学——从横截面数据到空间面板[M]. 北京： 中国人民大学出版社， 2015.[ELHORST J L. Space econometrics： from cross section data to space panel[M]. Beijing： China Renmin University Press， 2015.]endprint

[30]GRIFFITH D A. Spatial econometrics： methods and models[J]. Economic geography， 1989，65（2）：160.

[31]潘慧峰， 王鑫， 张书宇. 雾霾污染的持续性及空间溢出效应分析——来自京津冀地区的证据[J]. 中国软科学， 2015（12）：134-143.[PAN Huifeng， WANG Xin， ZHANG Shuyu. Duration and spatial spillover effects of haze pollution： evidence from BeijingTianjinHebei region[J]. China soft science， 2015（12）：134-143.]

[32]张成， 陆旸， 郭路， 等. 环境规制强度和生产技术进步[J]. 经济研究， 2011（2）：113-124.[ZHANG Cheng， LU Yang， GUO Lu， et al. The intensity of environmental regulation and technological progress of production[J]. Economic research journal， 2011（2）：113-124.]

[33]余长林， 高宏建. 环境管制对中国环境污染的影响——基于隐性经济的视角[J]. 中国工业经济， 2015（7）：21-35.[YU Changlin， GAO Hongjian. The effect of environmental regulation on environmental pollution in China： based on the hidden economy perspective[J]. China industrial economics， 2015（7）：21-35.]

[34]穆怀中， 范洪敏. 环境规制对农民工就业的门槛效应研究[J]. 经济学动态， 2016（10）：4-14.[MU Huaizhong， FAN Hongmin. The threshold effect of environmental regulation on migrant workers employment[J]. Economics information， 2016（10）：4-14.]

[35]馬丽梅， 刘生龙， 张晓. 能源结构、交通模式与雾霾污染——基于空间计量模型的研究[J]. 财贸经济， 2016，37（1）：147-160.[MA Limei， LIU Shenglong， ZHANG Xiao. Study on haze pollution induced by energy structure and transportation： based on spatial econometric model analysis[J]. Finance & trade economics， 2016，37（1）：147-160.]

[36]李钢， 廖建辉， 向奕霓. 中国产业升级的方向与路径[J]. 中国工业经济， 2011（10）：16-26.[LI Gang， LIAO Jianhui， XIANG Yini. Direction and route of Chinas industrial upgrading[J]. China industrial economics， 2011（10）：16-26.]

[37]姚奕， 倪勤. 中国地区碳强度与FDI的空间计量分析——基于空间面板模型的实证研究[J]. 经济地理， 2011，31（9）：1432-1438.[YAO Yi， NI Qin. The impact of foreign direct investment on carbon intensity： empirical study based on Chinese provincial dynamic panel data[J]. Economic geography， 2011，31（9）：1432-1438.]

[38]张晓平. 中国能源消费强度的区域差异及影响因素分析[J]. 资源科学， 2008，30（6）：883-889.[ZHANG Xiaoping. Regional disparities in energy consumption intensity in China and determining factors[J]. Resources science， 2008，30（6）：883-889.]

[39]胡兆量. 中国区域发展导论[M].北京：北京大学出版社， 2003.[HU Zhaoliang. Introduction to regional development in China[M]. Beijing： Peking University Press， 2003.]

[40]LESAGE J， PACE R K. Introduction to spatial econometics[M]. New York： Chapman and Hall /CRC， 2009.

[41]顾为东. 中国雾霾特殊形成机理研究[J]. 宏观经济研究， 2014（6）：3-7.[GU Weidong. Study on the special formation mechanism of haze in China[J]. Macroeconomics， 2014（6）：3-7.]

[42]魏巍贤， 马喜立. 能源结构调整与雾霾治理的最优政策选择[J]. 中国人口·资源与环境， 2015，25（7）：6-14.[WEI Weixian， MA Xili. Optimal policy for energy structure adjustment and haze governance in China[J]. China population， resources and environment， 2015，25（7）：6-14.]endprint