空气污染与城市经济发展——基于285个地级市的实证分析

■宋德勇，于 飞

为探究空气污染与城市经济发展之间的关系，本文基于2004～2016年285个地级市的面板数据，运用联立方程模型实证分析了PM2.5浓度与人均实际GDP的相互关系。实证结果表明：全国层面看，空气污染对经济发展产生了显著的负面影响，平均而言PM2.5浓度每增加1%将导致人均GDP下降约1.2%～1.5%；全国层面经济发展对空气污染的影响呈“倒N”型曲线关系，地区之间存在明显差异；政府环境治理显著降低了空气污染水平。异质性检验表明，空气污染对经济发展的影响、经济发展对空气污染的影响均存在显著的城市规模差异和区域差异。中介效应检验表明，人口驱逐效应、固定资产投资挤出效应、产业结构调整效应是空气污染对经济发展产生负面影响的主要途径；第二产业占比和交通运输中汽车尾气排放是经济发展对空气污染产生影响的重要途径。

一、引言与文献综述

在工业化与城镇化进程中，我国经济凭借资源和劳动力优势实现了连续多年的高速增长，取得了举世瞩目的成就，创造了“中国奇迹”。中国财政税收数据库的数据显示，1979～2010年，我国国民生产总值年均增速为9.97%。然而，随着经济的快速增长，我国资源环境状况不断恶化。2013年，“雾霾”一词广泛传播，PM2.5进入大众视野。当前，我国空气污染不再是某些城市或地区的问题，而是一个国家问题。在2018年世界各国环境绩效指数（EPI）排名中，我国空气质量在180个国家和地区中排名倒数第4，综合指数排第120位（引自《2018年全球环境绩效指数（EPI）报告》）。现阶段我国空气污染的主要成分是细颗粒物（即PM2.5），对居民身心健康以及经济发展构成了巨大威胁。很显然，以牺牲环境为代价的“高投入、高消耗、高排放”的粗放发展已经不能适应现阶段我国经济发展的需要，“生态优先、绿色发展”成为新时代的必然选择。为实现环境和经济的双赢，国家出台了众多措施保护生态环境，促进经济高质量发展。但是，我国近年来的经济增速不断下降。2011年以来，我国经济持续下行，增长放缓，由两位数增长变为稳定在6.5%附近，由此引申出对经济发展与环境保护能否实现双赢的进一步讨论。

（一）经济发展对环境的影响

国内外学者围绕经济发展对环境的影响展开了大量研究，这些研究中大多采用空气污染物指标来衡量环境污染，也有部分研究采用水污染物、固体废弃物等指标来衡量。其中最有名的是Grossman Krueger（1995）和 Selden Song（1994）提出的环境库兹涅茨曲线假说。该假说通过对环境污染指标与人均收入指标之间关系的模拟来说明经济发展对环境污染带来的影响，它认为环境污染随着经济不断发展呈现出“倒U”型曲线关系，即在低收入水平时环境污染随着收入增加而增加，在高收入水平时环境污染随着收入增加而减少。

目前围绕环境库兹涅茨曲线的研究大致形成了两种观点：一种是支持论者，赞同EKC曲线呈“倒U”型。比如Jebli et al.（2016）利用1980～2010年25个OECD国家的数据，通过实证分析发现人均CO2排放量随着GDP增长呈“倒U”型曲线关系，经济发展首先会加剧空气污染，跨越拐点后会减轻空气污染。李娟伟和任保平（2011）通过实证研究发现，我国目前的经济发展水平仍处在环境库兹涅茨“倒U”型曲线拐点的左侧。即经济发展仍会加剧环境污染，跨越拐点后经济发展对环境将起到积极作用。另一种是反对论者，他们认为EKC曲线可能呈其他形状，比如Friedl&Getzner（2003）用奥地利1960～1999年的GDP和CO2排放量数据发现环境污染和经济发展之间呈“N型”EKC曲线关系，人均收入较低的国家正在遭受日益严重的污染，而工业化国家在减少排放方面取得了成功，但这并不意味着经济发展将自动地解决环境问题。Holtz&Selde（1995）利用全球面板数据进行这证分析，发现CO2排放量与经济增长呈单调上升的曲线关系，经济发展会加剧空气污染。李治国和周德田（2013）认为，经济发展与环境污染之间是否呈现“倒U型”曲线关系取决于使用的数据以及度量环境污染的指标。

以上研究表明，环境库兹涅茨曲线会因研究区域、污染物指标、实证方法等的不同而呈现出形态差异，这些研究的稳健性值得怀疑。加之，环境库兹涅茨曲线最早是在高收入国家的样本中观察到的，而不是在全球样本中观察到的（Stern&Common，2001），而且在计量经济学实证中，检验结果往往是不同的（Halkos，2003）。此外，如果估计的转折点远远高于可接受的收入水平，经济增长的环境效益在实体经济中就不存在（List&Gallet，1999）。Sanghoon Lee&Dae-Won Oh（2015）认为可能还需要考虑一个替代模型——N型曲线模型，来解释收入和污染之间的关系。该模型表明，倒U型关系最初是存在的，但超过一定的收入水平后，关系变为正的。对于这种三次关系有一些可能的解释：复苏效应表明，当能源价格较低时，政府对提高能源效率的压力不敏感（Friedl&Getzner，2003）；规模效应意味着，随着经济增长，对资源的需求也会增加，而且最终无法通过技术和监管来抵消，Friedl&Getzner（2003）通过实证证明了这种N型模式。

（二）环境污染对经济发展的影响

当前关于经济发展与环境质量关系的研究，大部分关注经济发展如何影响环境质量这一单向关系，而较少关注环境污染对经济发展的反向影响。事实上，环境污染可能对经济发展产生巨大的反作用，尤其是在中国这样的发展中大国。世界银行于2007年发布的《中国污染代价》报告指出，中国每年有35万人至40万人因为城市严重的空气污染而过早死亡，另外每年还有30万人因室内空气污染而过早死亡。国家生态环境部环境规划院发布的《中国经济生态生产总值核算发展报告2018》显示，2015年，我国GEEP是122.78万亿元，其中，GDP是72.3万亿元，生态破坏成本是0.63万亿元，污染损失成本是2万亿元，生态系统破坏成本和污染损失成本总占比约为2.1%。在工业化及城镇化的进程中，如果不能有效地控制环境污染，中国城市经济发展的质量以及可持续性将受到严峻挑战。

研究环境污染对经济发展影响的文献较少，其中研究空气污染对经济发展影响的文献则更少。到目前为止，只有少数研究试图调查空气污染对经济发展的影响。例如，Hung&Shaw（2004）采用同步方法来检验台湾地区人均收入与各种空气污染物排放量之间的双向因果关系。Hao&Liu（2015）使用PM2.5浓度数据，利用空间计量模型研究了中国城市EKC曲线的存在。鉴于中国的雾霾污染已经十分严重，空气污染严重威胁着中国经济高质量发展和和谐社会的建设，本研究旨在探讨空气污染与经济发展的相互关系以及空气污染如何影响中国经济发展。

本文创新之处体现在以下三个方面：第一，不同于现有研究多使用单方程模型，本研究利用联立方程模型对中国空气污染与经济发展的相互关系进行了研究，可以在一定程度上解决内生性问题。第二，首次基于2004～2016年我国285个地级市层面的PM2.5浓度数据验证了空气污染对经济发展的负面影响，样本覆盖面突破了已有研究仅涉及单一省份或城市的局限。第三，从东中西差异、南北差异和城市规模差异等方面考察了空气污染影响经济发展的异质性。

二、模型、方法、变量及数据

（一）经济发展模型

为评估空气污染对经济发展的影响构建经济发展模型。本文参考陈诗一等（2018）、Yu Hao et al.（2018）等人的做法，用人均GDP衡量经济发展水平。因为我国各地级及以上城市的人口规模、资源禀赋等存在较大差异，相较于国内生产总值，人均GDP更能体现收入水平变动对大气环境的影响。由于《中国统计年鉴》中的人均GDP以名义价格计量，为避免通货膨胀对实证结果产生干扰，本文对人均GDP数据做了价格指数调整，以2003年为基期（2003年=100），通过名义人均GDP计算出实际人均GDP。同时，为控制其他因素的干扰，在模型中加入外商直接投资、固定资产投资、对外开放、技术创新四个控制变量，以此反映中国经济发展的引擎。最终，评估空气污染对中国城市经济发展反作用的模型如下：

在方程（1）中，pgdpit为被解释变量，表征城市i在t年的实际人均GDP（以2003年为不变价），用来衡量经济发展水平；PM25it为城市i在t年的平均PM2.5浓度，用来衡量空气污染程度。控制变量外商直接投资、固定资产投资、对外开放、技术创新分别表示为FDI，FA，Open，Innovation。外商直接投资数据来源于中国城市统计年鉴，采用当年汇率由美元换算成人民币；技术创新参考寇宗来和刘学悦（2017）的做法，利用国家知识产权局微观发明授权专利数量衡量。除百分数外，其他数据均采用各变量的对数值。影响人均GDP的其他潜在因素，诸如文化、生活习惯和习俗等包含在残差项u中。

（二）空气污染模型

为评估经济发展对空气污染的影响构建空气污染模型。本文借鉴陈诗一等（2018）、邵帅等（2019）、Auffhammer&Carson（2008）以及Hao&Liu（2015）等前人的研究，以PM2.5表征空气污染水平，在模型中引入人口密度、交通运输、能源消费结构、产业结构、环境治理、对外开放等可能影响PM2.5浓度的控制变量，确定的空气污染回归模型如下所示：

与方程（1）相似，PM25代表PM2.5浓度，pgdp代表实际人均GDP，Pop代表人口密度，以单位面积人口数表征，InStruc代表产业结构，采用第二产业增加值占GDP的比重表示，Open代表对外开放程度，用外商直接投资占GDP比重衡量，EnR代表政府环境治理力度，具体计算方法参见宋德勇和杨秋月（2019），Trans代表交通运输，用单位公路里程私人汽车拥有量度量，Energy代表能源消费结构，用煤炭消费量占能源消费总量的比重衡量。γ0、γ1和γ2取不同的值代表EKC曲线呈现不同形态，具体分以下六种情况：（1）γ0＞0且γ1=γ2=0时，空气污染随经济发展单调递增；（2）γ0＜0且γ1=γ2=0时，空气污染随经济发展单调递减；（3）γ0＞0，γ1＜0且γ2=0时，空气污染随经济发展呈“倒U”型曲线关系；（4）γ0＜0，γ 1＞0且γ2=0时，空气污染随经济发展呈“U”型曲线关系；（5）γ0＞0，γ1＜0且γ2＞ 0时，空气污染随经济发展呈“N”型曲线关系；（6）γ0＜0，γ1＞0且γ2＜ 0，空气污染随经济发展呈“倒N”型曲线关系。

（三）估算方法：联立方程模型

根据方程（1）和（2），空气污染和经济发展之间的双向因果关系可能导致潜在的内生性问题，为了处理由此引起的内生性，可以使用联立方程模型（SEM）。具体而言，本文的联立方程模型由方程（1）和（2）组成。并且选用三阶段最小二乘（3SLS）估计方法。此外，为了控制可能影响空气质量的其他因素，例如气候、地貌和居民的能源消耗习惯等，在方程中添加时间和区域虚拟变量。

（四）变量选取和数据来源

本文考察的关键变量是空气污染和经济发展。关于空气污染变量，区别于绝大多数文献所采用的SO2、CO2、CO、TSP、API以及PM10等常规污染物，本文选取了社会最为关注的空气污染元凶PM2.5进行实证研究。尤其是本文使用的PM2.5浓度数据基本包含了中国所有地级及以上城市，且时间上从2004～2016年跨度长达13年之久，如此大样本容量的PM2.5浓度数据可以为准确甄别空气污染对中国经济发展的影响提供坚实的数据支撑。具体而言，PM2.5浓度数据根据哥伦比亚大学公布的卫星监测数据，利用arcgis进行解析，得到2004～2016年我国285个地级及以上城市的数据。至于经济发展，借鉴陈诗一等（2018）、邵帅等（2019）等人的研究，采用实际人均GDP表示。国内生产总值数据来自“中国统计年鉴”和“中国城市统计年鉴”，以2003年为基期进行换算。其他数据来自“中国统计年鉴”，“中国城市统计年鉴”，“中国能源数据库”和各个城市的统计公报。本研究中使用的所有变量的说明和描述性统计见表1。

表1 变量说明和描述性统计

三、实证分析

（一）单方程模型估计结果

尽管单方程模型估计存在内生性问题，但其估计结果可以作为联立方程模型估计结果的比较。面板数据的回归分析一般考虑固定效应模型和随机效应模型。Hausman检验拒绝了随机效应模型的原假设，因此本研究采用面板固定效应估计。

经济发展方程（即方程1）的面板数据估计结果显示，PM2.5浓度对人均GDP的影响显著为负，表明空气污染对中国经济发展有显著的负面影响。

在对空气污染方程（即方程2）进行估计之前，先对加入了人均GDP二次项、同时加入了人均GDP的二次项和三次项的方程进行估计，据此判断EKC曲线的形状，检验结果如表2所示：加入人均GDP二次项后系数不显著，表明空气污染和经济发展之间不是“倒U”型EKC曲线关系；同时加入人均GDP二次项和三次项后，人均GDP一次项系数＞0且显著，二次项系数＜0且显著，三次项系数＞0且显著，表明从全国来看，空气污染与经济发展之间呈“N型”库兹涅茨曲线关系。

但由于受内生性影响，估计结果可能并不准确，因此有必要在联立方程模型的基础上进行更准确的估计。

表2 空气污染方程EKC曲线形状检验

（二）联立方程模型估计结果

表3是使用3SLS方法进行估计的联立方程模型的结果。与预期相符，联立方程模型的估计结果在统计的显著性和估计系数的合理性方面比单方程模型的估计结果要精准。为了确保估计结果的稳健性，参照Auffhammer&Carson（2008）以及Hao&Liu（2015）等研究，使用了六种不同的规范，相应的结果标记为模型（1）～（6）。（6）是模型的基准估计，包括两个方程中的所有控制变量。在（1）～（5）中，包括模型中的部分控制变量。

对于联立方程模型中的方程（1），在模型（1）-（6）中，PM2.5浓度的系数始终为负且在1%的水平上显著。这表明，在充分考虑到空气污染与经济发展之间双向因果关系的内生性之后，PM2.5浓度确实对人均GDP产生了非常显著的负面影响。在其他条件相同的情况下，PM2.5浓度每增加1%将导致人均GDP下降约1.2%～1.5%。对比表3中联立方程的系数估计结果（1.2%～1.5%）和单方程的系数估计结果（0.1%～0.3%）可以发现，与单方程模型的估计结果相比，联立方程模型中PM2.5浓度的3SLS估计值更高且更显著，表明空气污染确实对经济发展造成明显的负面影响且实际危害远大于传统的面板数据估计结果，因为单方程模型忽略了内生性造成的空气污染与经济发展之间的双向因果关系。至于联立方程模型（1）中的控制变量，系数的估计结果也基本符合理论预期，外商直接投资、固定资产投资、技术创新和对外开放确实在我国经济发展过程中起着不可替代的作用。

表3 联立方程组的估计结果

对于联立方程模型中的方程（2），系数估计结果与单方程模型的估计结果间存在有差异。人均GDP一次项系数＜0，二次项系数＞0，三次项系数＜0，且均在1%的显著性水平上显著，表明经济发展对空气污染的影响呈“倒N”型EKC曲线关系。这意味着空气污染首先随着人均收入的增加而减少，然后随着人均收入的增加而增加，最后在超过第二个转折点后，随着人均收入的增加而再次减少。第二产业占GDP比重与PM2.5浓度之间的正相关关系表明第二产业的发展是加剧中国空气污染的重要原因（Hao&Liu，2015）。至于人口密度，系数的估计结果为正且在1%的水平上显著，表明人口集聚给环境造成的负面影响大于正面影响，这可能是因为人口密集的城市有大量劳动力来支撑高耗能产业以及低端制造业的发展。能源结构系数为正且非常显著，表明煤炭能源的大量消耗是造成空气污染的重要原因之一。交通运输系数显著为正，表明汽车尾气排放是造成空气污染的重要原因之一。环境治理系数为负且在1%的水平上显著，表明政府的一系列环境规制措施显著降低了空气污染水平，在一定程度上达到了环境保护的目的。

为了检验估计结果的稳健性，引入年份虚拟变量，以控制时间固定效应（例如，随着时间的推移可能产生影响PM2.5浓度的新技术），相应的估计结果见表4。因为样本期间从2004～2016年共有13年，所以以2004年为基准年。控制时间固定效应的系数估计结果与表3中的估计结果类似，都＜0且在1%的水平上显著，但系数的绝对值变大（由1.2%～1.5%变为1.4%～1.8%），表明若不考虑时间固定效应，则低估了空气污染对经济发展的负面影响。对于方程（1），除模型（1）外，自2009年起，年份虚拟变量在1%的水平上显著为负，表明中国地级及以上城市的空气污染严重程度随着时间推移在逐渐降低。对于方程（2），人均GDP一次项系数＜0，二次项系数＞0，三次项系数＜0，且都在1%的水平上显著，表明从全国来看，经济发展对空气污染的影响呈“倒N”型EKC曲线关系。另外，环境治理系数在1%的水平上显著为负，表明政府出台的一系列环境规制措施显著改善了空气质量，抑制了污染进一步加剧。

（三）异质性检验

为考察空气污染与经济发展的相互关系是否存在异质性，也为了控制影响空气污染的地域因素（比如气候、居民的能源消费习惯等），本文将全样本按城市规模以及区域差异进行划分，运用联立方程模型分别加以检验。

表4 控制时间固定效应的联立方程模型3SLS估计结果

1.按城市规模划分

由于不同规模的城市在经济发展及环境保护方面存在较大差异，因此按照2014年国务院发布的《关于调整城市规模划分标准的通知》，以城市常住人口数量为标准，将285个地级市划分为特超大城市、大城市、中等城市和小城市四类，分别对其进行联立方程估计。表5中，方程（1）的估计结果显示，不同城市规模PM2.5估计系数的正负号及绝对值大小不同，表明空气污染对经济发展的影响存在显著的城市规模差异。其中，特超大城市的系数＞0且显著，表明空气污染未对这些城市的经济发展产生负面影响；大城市、中等城市和小城市系数为负，且都在1%的水平上显著，表明空气污染对这些城市的经济发展产生了非常显著的负面影响，其中对大城市的负面影响显著高于中小城市。方程（2）的估计结果显示，不同城市规模人均GDP估计系数的正负号及显著性存在明显差别，表明经济发展对空气污染的影响同样存在显著的城市规模差异。对特超大城市和小城市而言，人均GDP估计系数不显著，表明经济发展未对空气污染产生显著影响；对大城市而言，人均GDP一次项系数＞0且显著，二次项系数＜0且显著，三次项系数＞0且显著，表明经济发展对空气污染的影响呈“N型”库兹涅茨曲线关系；对中等城市而言，人均GDP一次项系数＜0且显著，二次项系数＞0且显著，三次项系数＜0且显著，表明在这些城市经济发展对空气污染的EKC曲线呈“倒N”型。

表5 城市规模异质性检验

续表5

2.按区域差异划分

本文按照国家统计局的区域划分标准，将整体样本分为东、中、西三大区域，分别进行联立方程模型估计，具体结果见表6。总体而言，控制区域固定效应的联立方程模型3SLS估计结果与不控制区域固定效应的估计结果大致相同，表明面板数据的估计结果具有稳健性。具体来看，由方程（1）的检验结果可知，在东、中、西部地区，PM2.5浓度对人均GDP的影响系数皆＜0且在1%的水平上显著，表明空气污染对这些地区的经济发展均产生不利影响，其中对西部的负面影响最大，对中部的负面影响最小。由方程（2）的检验结果可知，东部和西部地区人均GDP一次项系数显著为负，二次项系数显著为正，三次项系数显著为负，表明在东部和西部地区经济发展对空气污染的环境库兹涅茨曲线呈“倒N”型；中部地区人均GDP一次项系数显著为正，二次项系数显著为负，三次项系数显著为正，表明在中部地区经济发展对空气污染的环境库兹涅茨曲线呈“N”型。这可能是由于不同区域的城市整体所处的发展阶段不同造成的，东部城市发展较早，随着城市发展的不断推进，空气质量会先提高再降低再提高，这和经济发展阶段及与各个阶段对应的发展方式有关。

另外，随着西部大开发战略和中部崛起战略的实施，我国经济的东中西差异在缩小而南北差异不断拉大，考虑到南北气候、大气环境等方面存在明显区别，本文按冬季是否集中供暖的划分方法，将整体样本分为南、北两大地区，分别对其进行联立方程模型估计，具体结果列示在表6中。由方程（1）的检验结果可知，北方和南方地区PM2.5浓度对人均GDP的影响系数均为负且在1%的水平上显著，表明空气污染阻碍了南北方经济的发展。其中南方地区PM2.5浓度对人均GDP的系数绝对值大于北方地区，表明空气污染对南方地区经济发展产生的负面影响大于北方地区。由方程（2）的检验结果可知，在北方，人均GDP一次项系数显著为正，二次项系数显著为负，三次项系数显著为正，表明经济发展对空气污染的环境库兹涅茨曲线呈“N”型；在南方，人均GDP一次项系数显著为负，二次项系数显著为正，三次项系数显著为负，表明经济发展对空气污染的环境库兹涅茨曲线呈“倒N”型。

表6 区域异质性检验

（四）机制分析

空气污染可能通过人口驱逐效应、挤出固定资产投资、降低第二产业比重等方式影响到经济发展。为探究空气污染对经济发展产生负面影响的作用机制，使用中介效应模型分别对人口密度、固定资产投资、产业结构进行识别检验。为此，构建由如下三个方程组成的中介效应模型：

其中，Y为控制变量集；D为可能的中介变量，包括人口密度（lnPop）、固定资产投资（lnFA）和产业结构（InStruc）。根据中介效应模型的原理，若系数β1、χ1、δ1均显著，并且系数δ1较β1变小或显著程度下降，则表明存在中介效应。表7展示了基于3SLS估计的检验结果。由结果可知，对于人口密度、固定资产投资、产业结构这三个潜在中介变量，（4）式中PM2.5浓度的系数均显著为正，且（5）式中PM2.5浓度的系数与（3）式相比或有所下降或显著性有所降低，符合中介变量的判定标准。因此，可以得出如下结论：人口驱逐效应、固定资产投资挤出效应、产业结构调整效应是空气污染对经济发展产生负面影响的主要途径。即空气污染会导致市区人口密度降低，固定资产投资减少，第二产业占GDP比重下降，进而对经济发展产生负面影响。

表7 空气污染对经济发展的中介效应检验

经济发展可能通过产业结构、人口密度、交通运输等途径影响空气污染。为探究经济发展对空气污染产生影响的作用机制，使用中介效应模型分别对人口密度、交通运输、产业结构进行识别检验。为此，构建由如下三个方程组成的中介效应模型：

其中，Z为控制变量集；U为可能的中介变量，包括人口密度（lnPop）、交通运输（Trans）和产业结构（InStruc）。由表8结果可知，对于交通运输、产业结构这两个潜在中介变量，（7）式中人均GDP的系数均显著，且（8）式中人均GDP的系数与（6）式相比有所下降且显著性有所降低，符合中介变量的判定标准。对于人口密度变量，系数的估计结果不显著，说明人口密度不符合中介变量的判定标准。因此，可以得出如下结论：产业结构中第二产业比重增减和交通运输中汽车尾气排放是经济发展对空气污染产生影响的主要途径。经济发展初期会导致第二产业占GDP比重上升，私家车拥有量上升，从而增加工业污染物以及汽车尾气排放，加剧空气污染；当跨越一定拐点后，随着产业结构调整升级以及清洁能源等的使用，二者对空气污染的影响会减小。

四、结论及政策启示

本文基于2004～2016年全国285个地级城市的PM2.5浓度与人均GDP面板数据，采用联立方程模型和3SLS估计方法，研究了空气污染与经济发展的相互影响。根据实证结果可以得出以下结论：

第一，从全样本来看，在充分考虑到空气污染与经济发展之间双向因果关系的内生性之后，空气污染对城市经济发展具有显著负面影响，在一定程度上阻碍了我国经济的持续、健康发展。在其他条件相同的情况下，PM2.5浓度每增加1%将导致人均GDP下降约1.2%～1.5%。与单方程模型估计结果相比，联立方程模型中PM2.5浓度的系数估计值更高且更显著，表明传统的单方程面板数据估计低估了空气污染对经济发展造成的负面影响。

第二，全国整体来看经济发展对空气污染的影响呈“倒N”型曲线关系，空气污染首先随着人均收入的增加而减少，然后随着人均收入的增加而增加，最后在超过第二个转折点后，随着人均收入的增加而再次减少。

表8 经济发展对空气污染的中介效应检验

第三，异质性检验表明空气污染与经济发展的相互关系存在显著的城市规模差异和区域差异：城市规模方面：空气污染未对特超大城市的经济发展产生负面影响，对大城市、中等城市和小城市均产生了显著的负效应；经济发展对空气污染的影响方面，对特超大城市和小城市而言影响不显著，对大城市而言，经济发展对空气污染的影响呈“N型”曲线关系；对中等城市而言则呈“倒N”型。区域差异：就东中西差异而言，空气污染对西部城市的负面影响最大，对中部城市的负面影响最小；在东部和西部地区，经济发展对空气污染的环境库兹涅茨曲线呈“倒N”型，在中部地区则呈“N”型。就南北差异而言，空气污染对南方城市经济发展造成的负面影响大于北方城市；在北方经济发展对空气污染的环境库兹涅茨曲线呈“N”型，在南方则呈“倒N”型。不同规模及不同区域的城市经济发展对空气污染影响的EKC曲线呈现不同形态，可能是由于城市所处的发展阶段不同造成的，经济发达的城市发展较早，随着城市发展的不断推进，空气质量会先提高再降低再提高，这和经济发展阶段及与各个阶段对应的发展方式有关。

第四，中介效应检验结果表明人口驱逐效应、固定资产投资挤出效应、产业结构调整效应是空气污染对经济发展产生负面影响的主要途径；第二产业占比变化和交通运输中汽车尾气排放是经济发展对空气污染产生影响的重要途径。

基于上述结论，得出以下政策启示：第一，鉴于空气污染对中国大部分地区（除特超大城市）的经济发展造成了显著的负面影响，中央和地方政府在治理空气污染方面需要给予更多的政策支持和资金投入，这在经济上是有益的，因为长期来看，降低污染水平和改善环境质量可能带来的巨大经济收益。这些潜在的经济效益可能来自于更好的公共健康和环境友好型产业的蓬勃发展（Chen et al.，2017）。此外，环境治理有利于经济增长，更严格的环境规制和有针对性的财政支持可以促进环保企业的蓬勃发展和行业的创新，可以加速中国的产业升级和经济绿色转型。第二，应根据城市所处的区域以及经济发展阶段，设计差异化的环境保护政策和经济发展策略，并根据城市的地理特征和产业结构的具体特点调整环境政策，以实现空气污染治理和经济高质量发展的双赢。例如，在重工业占主导地位的河北、山东等省份，煤炭的燃烧对空气污染影响最大。对于此类城市，应大力推动技术创新，提高能源利用率；倡导使用清洁能源，减少煤炭燃烧造成的空气污染。