雾霾污染对中国城市发展质量的影响

王晓红 冯严超

摘要 运用熵值法测算出2003—2016年中国285个地级及以上城市发展质量，基于动态空间滞后模型，设置地理距离矩阵、经济距离矩阵和技术距离矩阵，对比分析了雾霾污染对城市发展质量的全局性和异质性影响。研究表明：雾霾污染与城市发展质量在全国层面存在“N型”曲线关系，而与城市化在全国层面存在较弱的“倒N型”曲线关系，雾霾污染对城市化与城市发展质量的影响在全国层面存在此消彼长的作用规律。雾霾污染与东部城市发展质量存在“U型”曲线关系，而与中西部城市发展质量存在“倒U型”曲线关系。雾霾污染对城市发展质量的影响在区域层面也存在此消彼长的作用规律。雾霾污染与大中城市发展质量存在“N型”曲线关系，而与小城市发展质量存在“倒U型”曲线关系，雾霾污染对大中城市的抑制作用已经率先得到扭转，而对小城市的抑制作用仍需改进，雾霾污染对城市发展质量的影响在规模层面具有明显的差异性。雾霾污染与城市发展质量在2003—2009年存在“N型”曲线关系，而在2010—2016年存在较弱的“倒U型”曲线关系，雾霾污染对城市发展质量的影响在时间层面具有一定的阶段性、动态性和延续性。在未来的发展上，应从以下方面发力：第一，内部治理、外部协调，通过内外互动防止雾霾污染转移的“公地悲剧”。第二，政府引导、企业主导，通过建立有效的激励约束机制推动雾霾污染治理的“见贤思齐”。第三，淡化速度、强化质量，通过创新驱动与产业升级逐步扭转城市发展质量的“路径依赖”。第四，优化结构、净化产能，通过构筑良性竞争机制推动城市发展质量的“逐顶竞争”。第五，深度开发、适度集聚，通过有效利用城市空间资源发挥规模经济的“溢出效应”。

关键词 雾霾污染;空间溢出效应;城市发展质量

中图分类号 F124.5 文献标识码 A文章编号 1002-2104（2019）08-0001-11DOI：10.12062/cpre.20190119

改革开放40 a来，中国经济取得了举世瞩目的成就，但多年形成的粗放式增长模式也使得环境污染问题日益凸显，尤其以雾霾天气为代表的污染问题频频发生，对中国经济增长质量、公众健康与政府形象造成了严重的影响[1]。面对雾霾污染的示警，党和政府已经将环境治理工作提高到前所未有的高度，公众的环保意识逐步觉醒，社会舆论对环境污染更为关注，污染企业也被倒逼着向清洁生产转型，“蓝天保卫战”和“绿色发展”已成为社会各界的共识[2]。作为现代化生产和生活的重要空间载体，城市不仅承载了人们的主要经济活动，其自身的发展也是促进经济增长的主要动力之一[3]。雾霾污染与城市发展质量息息相关，大规模的工业生产、建筑施工和机车使用，产生了大量的二氧化硫、氮氧化物以及可吸入颗粒，而雾霾污染也通过影响城市化进程对城市发展质量产生了深远的影响[4-5]。那么，雾霾污染对中国城市发展质量究竟有何影响？雾霾污染对不同区域、规模、时间的城市发展质量的影响有差异吗？雾霾污染对中国城市发展质量影响的传导机制是什么？现有文献并未就上述亟须识别与应对的重大环境问题做出直接回答。据此，本文通过对上述问题的探讨，厘清雾霾污染对中国城市发展质量的影响，并为雾霾污染联防联治的必要性与城市发展质量提升的全面性提供经验支持。

1 文献综述

雾霾污染是对大气中各种悬浮颗粒物的产生、扩散和危害过程进行概括的一种状态，其主要成分包括二氧化硫、氮氧化物以及可吸入颗粒，二氧化硫与氮氧化物为气态污染物，而可吸入颗粒正是雾霾污染的罪魁祸首[6]。可吸入颗粒主要指PM10与PM2.5，PM10为空气动力学粒径小于等于10 μm的颗粒物，PM2.5为空气动力学粒径小于等于2.5 μm的颗粒物[7]。与PM10相比，PM2.5具有颗粒小、活性强、分布广、滞留久、毒性大等特征，对居民生产与生活的危害程度远大于PM10，因此本文采用PM2.5浓度来衡量雾霾污染[8]。

国外文献很少直接涉及城市发展质量，更多的研究关注城市的经济增长[9]、社会公平[10]与生态环境[11]等，其本质上与城市发展质量的内涵非常相似。而国内学者对城市发展质量内涵的认识，则由最初的追求经济增长的单一目标向寻求经济发展、社会进步与环境改善等多重目标演进[12]。从发展观来看，对城市发展质量的认识也经历了物本发展观、社会发展观、可持续发展观与新发展理念的逐步深化过程[13]。不同于城市化强调农村人口向城市转移的过程，城市发展质量则强调城市人口增加、经济增长、社会进步、空间格局等在一定时间点的结果[14]。概括来讲，城市发展质量是一个处于动态发展中的包容性概念，包括了对城市经济、社会和环境等方面的全方位评估，并追求城市公平、效率与生态等方面的综合提升[14]。

通过采用环境库茨涅兹曲线（EKC）、一般均衡分析法（CGE）、联立方程组法、面板协整模型与空间计量模型等多种方法，现有研究就影响雾霾污染的经济社会因素与自然环境要素展开了广泛地探索并取得了丰硕的成果[2，5，8，15-17]。相比之下，雾霾污染对经济社会发展反向影响的成果则相对少见[1]。传统的线性计量模型基于空间独立性与空间均质性的假设，而忽略了空间依赖性与空间异质性的现实，导致对雾霾污染影响效果的所得结论具有局限性[18]。此外，受制于數据可得性的缺陷，关于雾霾污染影响因素的现有研究多采用省际数据[8，18-19]或部分城市数据[2，5，16，20-22]，而基于城市全样本的全局性研究则相对匮乏。在少有的全局性研究中，虽然通过利用空间计量模型可以实现对空间效应的分析，但考虑到“路径依赖”的影响，忽略时间效应和时空效应的影响仍会导致系统性偏误[1，17-18，23]。

基于城市数据的研究中，已有个别文献就雾霾污染与经济发展[1]、城镇化[2]、FDI[5]、产业集聚[16-17]、城市经济绿色转型[20]、城市规模[21]、能源结构[22]等的关系，在全局性与异质性（包括区域、规模与时间三个维度）方面进行了有益的探讨，这为本文的研究提供了丰富的研究视角和方法借鉴，但相比之下，雾霾污染对中国城市发展质量的影响还缺乏全面地考察，这也给本研究提供了空间。

为此，本文拟采用2003—2016年中国285个地级及以上城市PM2.5浓度数据，通过设定动态空间滞后模型将空间效应、时间效应与时空效应一并纳入研究框架，从全局性和异质性（包括区域、规模与时间三个维度）相结合的视角来系统考察雾霾污染对中国城市发展质量的影响，这不仅可以弥补现有研究的空白，也可以为后续研究提供参考，并推动相关研究的进一步发展。

王晓红等：雾霾污染对中国城市发展质量的影响

中国人口·资源与环境 2019年 第8期

2 研究方法与数据来源

2.1 研究方法

为全面分析雾霾污染对城市发展质量影响的空间效应，本文在采用Morans I指数进行空间效应检验的基础上，通过构建空间计量模型进一步研究雾霾污染及其他影响因素对城市发展质量的作用机理。为了保证研究结果的稳健性，除了常见的反距离权重矩阵之外，本文还分别建立了经济距离矩阵与技术距离矩阵。

（1）空间权重矩阵。常用的地理属性空间权重矩阵包括邻接权重矩阵和地理距离矩阵，由于拉萨等多个地级市数据缺失而存在孤岛城市，邻接权重矩阵无法真实反映空间关联情况，此处选用地理距离矩阵（W1），其形式如式（1）所示：

Wdij=1（dij）2;

W1=Wdij∑jWdij，i≠j

0，i=j （1）

其中，Wij为第i行、 j列的矩阵元素;dij为城市i和城市j之间的质心距离，取地理距离平方的倒数可以将不同城市之间的空间关系准确地表达出来。为了简化模型和便于解释结果，本文将地理距离矩阵进行了行和标准化处理，并记标准化后的权重为W1。

除了地理属性之外，城市的经济属性也是产生空间相关性的成因。为此，本文构建经济距离矩阵，将地理属性和经济属性有机地结合起来，从而更加准确地刻画空间效应的非对称性。经济距离矩阵的形式如式（2）所示：

Weij=Wdij×diag（Y1/Y，Y2/Y，……Yn/Y）;

W2=Weij∑jWeij，i≠j

0，i=j

（2）

其中，Yj=1/（t1-t0+1）∑t1t0Yij为观察期内城市i的人均GDP平均值，Y=1/（t1-t0+1）∑nt=0∑t1t0Yij为观察期内所有城市人均GDP的平均值。类似地，本文将经济距离矩阵进行了行和标准化处理，并记标准化后的权重为W2。

除了经济属性之外，城市的技术属性也是产生空间相关性的成因。与经济距离矩阵类似，本文也构建了技术距离矩阵，其形式如式（3）所示：

Wtij=Wdij×diag（P1/P，P2/P，…Pn/P）;

W3=Wtij∑jWtij，i≠j

0，i=j

（3）

其中，Pj=1/（t1-t0+1）∑t1t0Pij为观察期内城市i专利申请授权数的平均值，P=1/（t1-t0+1）∑nt=1∑t1t0Pij为观察期内所有城市专利申请授权数的平均值。类似地，本文将技术距离矩阵进行了行和标准化处理，并记标准化后的权重为W3。

（2）空间相关性检验。由于不同城市之间经济社会活动联系的普遍性，忽视空间效应很可能影响到估计结果的无偏性、一致性和有效性，因此要对OLS回归得到的残差是否在空间上相互独立进行空间相关性检验，以此作为判断方程整体上是否适用空间计量模型的依据。类比于环境库茨涅兹曲线（EKC）中经济增长与环境污染之间存在的“U型”“倒U型”“N型”或“倒N型”曲线关系，本文首先在模型中加入了雾霾污染的二次项和三次项，然后与不含三次项的回归结果进行对比，最终根据拟合效果决定是否含有雾霾污染的三次项，从而尽可能真实地反映雾霾污染与城市发展质量之间的曲线关系。为了尽可能降低单位量纲和异方差的影响，所有变量都以自然对数的形式引入方程。通过对OLS回归的残差进行Morans I检验，发现变量之间的空间效应显著为正。因此，为防止模型假设的系统性偏误，应该把空间效应考虑到实证分析中。

（3）空间计量模型。在识别空间相关性以后，需要进一步构建反映空间效应的空间计量模型。此外，某城市的发展质量通常与上一期的城市发展质量有关，即城市发展质量除了存在空间相关性（空间效应），还存在时间相关性（动态效应），甚至还有可能存在时空效应。因此，有必要将静态空间计量模型扩展成动态空间计量模型进行深入分析，以提高估计精度，增加模型解释力。

再者，参考Elhorst[21]的检验思路，本文采用“从具体到一般”和“从一般到具体”相结合的思路，并选择时间与个体双固定模型的动态空间滞后模型。最终，本文的基准公式为：

lnUDQit=τlnUDQi，t-1+ηWlnUDQi，t-1+β1lnPMit+

β2（lnPMit）2+β3（lnPMit）3+β4lnFDIit+

β5lnEDit+β6lnRDit+β7lnESit+β8lnISit+

β9lnPDit+β10lnINFit+β11lnERit+β12lnGDit+

ρWlnUDQit+ht+μi+uit

（4）

其中，W为空间权重矩阵;ρ为空间自回归系数;λ为空间自相关系数;β和θ分别为对应变量的待估系数。τ和η分别表示城市发展质量的时间滞后项系数与时空滞后项系数;ht和μi分别对应时间效应和个体效应;uit表示随个体和时间而改变的误差项，其他符号的说明见数据来源部分。

2.2 数据来源

（1）被解释变量。城市发展质量（UDQ）。综合国内外学者的研究，本文从城市发展质量的内涵出发，以科学性、系统性、可操作性和可比性为原则，分别从经济发展、社会进步和生态环境3个子系统共选取了15项评价指标，建立城市发展质量评价指标体系，如表1所示。本文對人均国内生产总值、人均社会消费品零售总额、人均固定资产投资额等名义指标以2002年居民消费价格指数为基期进行了消胀处理。然后，采用熵值法对数据进行标准化处理以及确定指标权重。