汽车共享出行减少空气雾霾了吗？

王磊 王雪利 杨文毅

摘要 以雾霾为代表的环境恶化问题不仅增加了中国经济发展的成本，其在区域发展、社会等级之间和代际的分摊不公正现象还大大降低了人们生活的品质和幸福感。共享出行的出现促使人们由消费者拥有自己资产的生活方式向消费者共享资产的生活方式转变，不仅便利了人们中短途的出行，也增加了城市内部的生产生活集聚程度;但共享出行依然以汽车为载体，汽车尾气为雾霾的主要产生方式之一。鉴于此，文章以2017年滴滴出行开城城市的截面数据为研究样本探讨汽车共享出行对雾霾的影响机制。空气雾霾具有显著的空间溢出效应，在控制城市的经济、交通、地理、气象和政策变量后，以广义空间两阶段最小二乘法（GS2SLS）模型估计了汽车共享出行对雾霾的影响，分别以代表人类活动强度和范围的城市化深度（城市集聚）和广度变量（城市蔓延）为中介变量检验城市形态在汽车共享出行和空气雾霾之间的传导机制，并检验了基于城市层级的异质性。研究发现：①汽车共享出行规模与雾霾在空间上呈现显著的“正U型”关系，其最初的发展对雾霾具有显著的促降作用，但当发展到如北京、深圳等规模后会加剧雾霾污染。②新能源汽车占比的提升有利于减少雾霾，但不显著，目前新能源汽车对雾霾的作用机制尚不明确。③城市化深度是汽车共享出行减排作用的传导机制，这一结论在三线及以上城市中得以验证，四五线城市的传导机制不明显。④汽车共享出行的发展规模应与城市发展规模相适应，设计减排政策可以考虑从集聚的城市形态入手，减少城市的低效蔓延。

关键词 汽车共享出行;雾霾;城市形态;空间溢出

在中国工业化和城镇化快速发展的同时，以雾霾为代表的环境恶化问题对中国经济的影响备受重视。在中国经济面临结构性减速的情况下，雾霾等环境问题加剧了经济增长的压力，据《中华人民共和国国家环境分析》报告显示，中国空气污染每年造成的经济损失，基于疾病成本估算相当于国内生产总值的1.2%，基于支付意愿估算则高达3.8%。2013年雾霾事件造成全国交通和健康直接损失、民航航班延误损失、高速封路损失和急、门诊成本达460.58亿元[1]。雾霾具有频发、跨区域传播、影响范围广和持续时间长的特性，同時，雾霾在区域发展、社会等级和代际之间的成本分摊不公正现象使其不仅阻碍了我国的生态文明建设，更加使得人民的生活品质和幸福感大打折扣，对雾霾这一“呼吸痛点”的有效治理迫在眉睫。

尽管现有的可持续发展倡议和措施取得了一定的成效，但我国以资源环境换取经济发展的路径依赖没有发生本质上的转变。因此，除了现有的战略和政策外，还需要采取新的方法， “共享经济”有可能为实现可持续发展提供新的途径[2]。Mhlmann等[3]认为，汽车共享出行平台通过减少消费者对资源的需求促进了资源更加公平和可持续的分配。资本主义发展方式往往伴随着不可持续的过度消费行为，而共享经济的出现可以使人们从消费者拥有自己资产的生活方式转为消费者共享资产的生活方式，这种转变是由共享平台的出现所驱动，这类平台将消费者连接起来，使消费者能够更有效地利用资产，从而实现可持续的发展。汽车共享出行便利了人们中短途的出行，因此不会像私人汽车那样扩张城市范围[4]，但是却有效地带动了如消费之类的人类活动强度。此外，党的十九大报告指出，“在中高端消费、创新引领、绿色低碳、共享经济、现代供应链、人力资本服务等领域培育新增长点，形成新动能”。我国共享经济高速增长，2017年共享经济交易额约4.92万亿元，同比增长47.2%，共享经济不仅对拉动就业的成效显著，也成了创新驱动的时代缩影，促进了产业链从低端走向高端，成了传统市场的一个重要补充。其中，2017年交通领域的共享出行市场交易额达2010亿元，同比增长56.8%，2017年仅滴滴出行在全国为4.5亿用户提供超74.3亿次出行服务，日订单量突破2 500万。我国汽车共享出行规模日益壮大，而多数学者的研究表明，汽车尾气是PM2.5的主要成因之一[5]，但现有汽车共享出行的规模对空气雾霾的影响机制尚不明确，有待进一步探析。共享出行本身具有绿色交通的根本属性，它在一定程度上缓解了城市交通供给不足的现状[6]，其发展会为本地创造新的就业机会，加快城市化进程等[7]，但这些改变也与雾霾息息相关。基于此，本文以汽车共享出行为代表研究这一新型生产方式对空气雾霾的影响机制。雾霾具有显著的跨区域传播性，对雾霾的影响机制检验只有考虑其空间溢出效应，才能为治理雾霾提供准确的经验证据。

有鉴于此，本文以2017年滴滴在我国的208个开城城市为研究样本，以滴滴研究院提供的2017年滴滴出行规模相关数据[8]表征汽车共享经济发展规模，从可吸入颗粒物的遥感图像中提取年均PM2.5均值表征空气雾霾，以夜间灯光数据构造灯光复合指数作为城市化水平和城市形态的指标，就汽车共享出行规模对雾霾的影响及其作用机制进行了系统的实证考察。与现有文献相比，本文的贡献在于系统地以数据为基础实证分析了国内汽车共享出行对空气雾霾的作用机制。第一，从汽车共享出行的研究来看，已有文献多聚焦于交通层面上滴滴对出行方式的影响，或考察滴滴本身的商业模式，忽略了滴滴对人们生产生活行为的影响。第二，本文进一步探析了滴滴如何通过用户的出行目的来传导对雾霾的影响，即用户通过滴滴到达目的地之后的行为对雾霾的传导机制及这一机制在不同等级城市间的差异。

1 文献综述与研究假设

已有丰富的文献论述了经济发展与环境污染的关系，大多数文献基于环境库兹涅兹曲线并考察了经济发展与环境污染的非线性关系[9-10]，其研究范围涉及城市化、产业集聚、技术进步、科技创新、外商直接投资与能源消耗等[11-14]。近些年，雾霾污染因其广泛的传播性、治理的难度大等特点引起了学者们的重视，众多学者将视角转移到空气污染尤其是雾霾与经济发展的关系上[15-17]，多数文献对雾霾的研究建立在空间模型的基础上，并考察了诸如城市规模、城市化、产业结构、能源和社会治理等多种因素对雾霾的影响[18-19]。上述的研究基本上形成了两种观点：第一，空气雾霾具有显著的空间溢出效应;第二，经济发展、城市化、产业集聚、外商直接投资与能源消耗等对环境污染具有促增或促降作用，且众多变量与环境污染之间的EKC曲线假说成立。仅有少部分文献聚焦在交通出行上，尤其是汽车共享出行对空气雾霾的影响上。最初大部分学者将研究聚焦在交通出行和碳排放上，如Poon等 [20]认为中国依然处于工业化阶段，汽车车辆和能耗的增加使得烟尘不太可能会减少。张陶新[21]认为中短期内，交通能源强度会显著促进城市道路交通碳排放的提升，但长期来看，城镇化率的碳排放率最高。邵帅等[22]以单位面积公路里程衡量了交通运输强度，认为交通运输是空气雾霾的主要成因。马丽梅等[5]也认为汽车尾气是雾霾的主要成因之一。根据已有交通出行对碳排放和雾霾污染影响机制的研究，考虑到汽车共享出行作为交通出行方式的一种，本文提出以下研究假设。

假设1：汽车共享出行规模的扩大会引起雾霾的加剧。

交通出行不仅是交通系统单方面的问题，也与城市化格局有关，城市化的空间形态会影响到城市交通供给和需求的平衡[23]。越来越多的证据表明空气污染与城市形态有关[24]，Cárdenas 等[25]认为紧凑型城市可以提高交通便利性，减少能耗和交通需求。较短的平均出行距离或更有效的城市交通系统下的机动车碳排放相对较少[26]。同时，高密度城市区域的人均汽车使用量少，污染物和碳氧化物的排放量较低[27]。集聚形态下的共享出行模式促使线路相似的私家车共享，降低了空载率[28]，减少了人均汽车使用量。此外，还有研究表明，紧凑型城市的空气质量状况要好于分散的城市[29]。基于此，共享出行在紧凑型城市可能会降低污染。相反，与空间上紧凑的大都市区相比，蔓延指数较高的城市会遇到更多的空气污染[30]，而共享这一出行方式是促使庞大的城市发展到更紧凑城市的转折点[31]。考虑到本文以灯光强度和面积衡量的城市化深度和城市化广度实则反映了人们活动强度和范围，共享出行多以中短途距离为主，在更大程度上便利了城市内部出行，而并非扩展出行范围。基于以上，本文提出第二个假设。

假设2：汽车共享出行更大程度上促进了城市化深度增加，城市化深度会起到中介变量的作用，汽车共享出行会通过城市化深度促降雾霾。

汽车共享出行实质上为人类活动的出行方式之一，其发展规模和强度大小受各个城市等级差异影响。东部沿海地区雾霾污染情况为中原经济区的3倍，中南和西南经济区则表现为负效应[5]。发达城市具有更为优化的产业结构、技术创新能力，公众对环境的诉求也更高，相比之下，欠发达城市会承接发达城市的高污染高耗能产业转移，客观上加剧了中西部的污染[32-33]。基于各城市显著的发展差异，本文提出第三个假设。

假设3：不同等级的城市中汽车共享出行规模不同，对雾霾的影响或假设二中的传导作用也不同。

2 模型设定与数据说明

2.1 基准模型与变量选取

其中，i为滴滴出行公司于2017年所有的开城城市，t表示2017年的年份;lnPM、area、lnpergdp、edu和分别为STIRPAT模型的环境影响I、人口P、人均财富A和技术水平T， GMV为滴滴专车、快车和顺风车的订单总成交额，Controls为一组相关的控制变量，α0～α8为待估计参数，εit为随机扰动项，式（1）中各变量及其度量指标的选取具体说明如下。

（1）lnPMit：PM2.5年均浓度。

（2）GMVit：2017年滴滴开城城市专车、快车和顺风车订单的总成交额的自然对数值。总成交额和运营里程相关，这在一定程度上反映了一个城市的经济规模、经济活力和新兴产业的发展。

（3）lnpergdpit：各地级市人均财富水平，以2000年不变价的人均GDP表示。

（4）eduit：各地级市技术水平，以小学、普通中学（含中专）和高等教育的受教育人数对应其受教育年限计算得到各地级市人均受教育年限表示。

（5）areait：单位面积人口数，预期符号为正。

（6）indusit：各地级市产业结构水平。空气雾霾主要与第二产业的能源消耗有关，滴滴出行提供的服务为第三产业，因此以第二产业和第三产业占GDP的比重度量。

（7）urbanit：各地级市城市化水平。城市化水平是滴滴开城所考虑的重要条件之一，以夜间灯光数据的亮度和像元面积占比的复合指数表示。

此外，本文还考虑了与空气雾霾和汽车共享出行发展的影响因素作为控制变量。①地形起伏度（std）：以Arcgis提取地表坡度数据衡量地形起伏程度，坡度高的地表可能不利于公路的修建和车辆的行驶，人口和车辆可能会相对较少，预期符号为负。②年末实有道路铺装面积（tri）：年末道路铺装面积代表了地区的基础设施建设程度，且道路铺装面积的增多与道路上汽车数量为正相关关系，预期符号为正。③公共交通（publictrans）：以各地级市公交车和出租车的运营辆数代表公共交通，滴滴可能是公共交通的补充品或替代品，有鉴于此，本文将公共交通加以控制。④私家车保有量（cars）：各城市私家车拥有的数量，预期符号为正。⑤气候因素，气象因素可以解释超过2/3的雾霾天气变化[40]，因此本文将气温（tem），降水（rain）以及风速（wind）加以控制。⑥政策因素（gov），诸多地方政府采取了一系列措施来治理雾霾，城市限行政策广为效仿，本文参考易兰等[41]的研究，令截至2017年全国范围内限行时长超过1年的北京、天津、哈尔滨、长春、贵阳、兰州、杭州、成都和南昌等9个城市设置为1，其他城市为0，作为代表政策因素的哑变量。

2.2 数据处理与来源说明

本文对达尔豪斯大学大气成分分析组提供的2017年度PM2.5遥感图像进行矢量化处理，栅格精度为0.01°×0.01°，提取一年内PM2.5均值作为本文的被解释变量。

城市化从NOAA发布的灯光遥感图像中提取。值得注意的是，多数文献以城镇人口占总人口的比重表征城市化水平，但这一指标仅能度量人口的城镇化，不足以反映出经济、社会、人口和地域空间等诸多方面的城市化过程。此外，采用人口城市化指标依然可能存在统计数据与真实数据不一样的情况。中国长期以来实行的城乡分割的二元户籍制度，阻碍了劳动力和要素的自由流动，使得中国的城市化水平远远落后于工业化水平，名义城市化水平低于真实城市化水平。基于此，本文的城市化水平以NOAA发布的夜间灯光数据来表示。稳定的灯光数据剔除了太阳光、月光、云和极光等自然因素的影響和火灾、爆炸等短暂性事件的影响，具有更高可信度。灯光数据包括了城市夜间灯光、居民区灯光和车流发出的低强度灯光，综合反映了夜间人类活动的基本信息，以卫星拍摄的客观明暗度将城市和非城市区别开来，更加准确地表明了城市化的综合进程。

本文参考邵帅等[22]的做法，构造了灯光复合指数作为各地级市城市化水平的代理指标，并将城市化分为城市化深度和城市化广度，分别反映城市化的集聚程度和蔓延程度。灯光复合指数的计算公式为urbani=φurban1+（1-φ） urban2，urban1为城市化深度，以经ENVI和Arcgis软件重投影重采样后计算得到的灯光强度均值表示，代表了城市化的空间集聚特征;urban2为城市化广度，以各个灯光像元面积占区域总面积的比值所表示，代表了城市化的空间蔓延特征。紧凑城市理论认为紧凑的城市形态有利于城市化朝向更符合可持续发展的方向发展，因此φ的取值应大于0.5，本文参考前人的研究，令φ=0.8构造城市化复合指数。

滴滴数据源于滴滴发展研究院提供的“城市发展指数报告”，气象数据来源于NOAA（https：//www.ncdc.noaa.gov/）。其他变量的原始数据来自《中国城市统计年鉴（2018）》。

2.3 参数估计方法

空气雾霾污染具有很大的流动性，不为行政边界所束缚且可以被远距离传输，一个地区的雾霾污染是本地污染和外地污染的共同作用结果，即雾霾存在显著的空间溢出效应[42]。同时，为了避免模型中被解释变量和解释变量之间因双向因果效应导致的内生性，本文以空间加权的二阶段最小二乘法（generalized spatial two stage least squares，GS2SLS）对模型进行回归，可以有效地解决最小二乘法（ordinaly least squares，OLS）在内生情况下有偏且不一致的问题和最大似然估计（maximum Gkelihood estimation， MLE）在存在异方差情况下估计结果不一致的情况。GS2SLS以各解释变量和空间滞后项作为工具变量，并基于二阶段最小二乘法（two stage least squares，2SLS）估计方法估计空间截面模型，同时对空气雾霾的溢出效应和上述的内生性予以控制。在基准回归时，本文选择了最高一阶空间滞后项作为工具变量，在稳健性检验时采用最高二阶空间滞后项作为工具变量，以各地级市的反地理距离空间权重矩阵（disW）和邻接矩阵（conW）分别做基准回归和稳健性检验。

3 实证结果

3.1 基准回归和讨论

首先对PM2.5进行空间相关性检验，莫兰指数为0.160，p值为0.002，具有显著的空间相关性，基于反地理距离矩阵的基准回归结果如表1，其中第（1）、（2）列分别为仅考虑STIRPAT基本变量和加入汽车共享经济规模后对雾霾的影响，第（3）、（4）列在此基础上加入了控制变量和出行规模与新能源车订单里程占比（nev）的交互项。

由回归结果可以看出，空气雾霾的空间滞后项系数大部分可以通过1%的显著性水平检验，即空气雾霾存在显著的空间溢出效应，这不仅与自然因素有关，也与区域经济一体化和污染产业转移等有关，即对空气雾霾的治理依然要从区域的联防联控入手。从（2）～（3）的回归结果可以看出，汽车共享经济的发展规模与空气雾霾污染呈现显著的“U型”关系，即当汽车共享经济发展到一定规模后，对空气雾霾的作用由降低转为增加，且这一关系在加入控制变量前后和加入交互项后均显著，即当汽车共享出行在入驻各城市后，前期可以显著减少雾霾，但当其发展到一定规模后，会吸引当地及周边地区的人口流入该城市和从事汽车共享出行行业，因而会增加道路上行驶车辆的数量，在这一规模下，汽车共享经济的发展会显著增加城市的空气雾霾。第（3）列加入其他控制变量后，汽车共享经济对雾霾作用的拐点为6.156，研究样本208个城市中，206个城市的汽车共享出行規模均有利于减少雾霾，GMV每增加1单位时，雾霾会显著减少0.378个单位，这206个城市的汽车共享出行具有显著的绿色外部性;北京、深圳两个城市迈过拐点，其GMV分别为10和6.502，其他发达城市如成都、上海和广州等其GMV分别为6.058、5.333和4.750，均未能迈过拐点。即北京和深圳汽车共享经济的发展会显著增加空气雾霾，当GMV每增加1单位时，雾霾会显著增加0.030 7个单位，但其促增作用小于私家车对雾霾的影响。可能的原因是，我国发达城市的交通拥堵以及来自邻近地区的影响是其高污染的重要原因。“十一五”期间东部省份已经全部进入工业化发展阶段后期，交通取代产业结构成为影响雾霾的最直接因素，且从全球范围看，经济越发达的国家，交通对环境质量的影响越显著[5]。据此，本文的假设一部分成立。此外，面对现有新能源汽车这一热点问题，本文引入新能源车的里程占比与汽车共享出行规模的交互项进行回归，结果如第（4）列所示，交互项系数为负但并不显著，新能源汽车可能会减少雾霾，考虑到我国主要发电方式依然为火电，但这一结果尚不明确。

从其他变量回归结果来看，人均财富、人口密度、公共交通和私人汽车保有量以及道路建设面积和城市化等对空气雾霾均存在正向影响且显著，表明我国以资源消耗为代价换取经济发展的方式尚未得到转变，经济的发展依然伴随着大量的资源能源消耗。人口的增加会带动房产、城建、铁路和公路的建设等，工地上的扬尘会增加空气中可吸入颗粒物浓度，同时也会催生汽车需求，交通拥堵和尾气排放也是雾霾形成的重要因素。此外，城镇人口、产业布局和土地供应均处于城市化进程中，要素的集聚促使城市盲目追求扩张，增加了对基础设施建设的需求。雾霾存在明显的跨区域传播特性，地形起伏度较高可能会阻碍雾霾的流动，且同等发展水平下，地形起伏度较高的城市城建区面积、人口和汽车数量等低于地形较为平坦的地区，这与刘海猛等[43]的研究结论一致。技术水平可以显著降低空气雾霾，说明高等教育发展导致的人才增加和技术进步有利于实现环境保护和经济发展的共赢。在气候因素方面，气温，降水以及风速的增加均有降低雾霾的作用，风速对减排具有显著作用，且其影响大于降水和气温。在政策方面，实施一年以上机动车辆限行政策的城市较不限行城市对雾霾具有促降作用，但这一政策并不显著，该结果与易兰等[41]的结论类似，机动车限行的减排可行性在经济上具有意义，但不排除部分城市公共交通相对不发达，限行后人们出行不便会增加居民购买新车以及使用高排放老旧车辆的可能。

3.2 稳健性检验

本文以多种方式对基准回归进行稳健性检验，首先以滴滴专车、快车、顺风车的订单总量替换总交易额进行回归。其次，在上一步的基础上，本文加入新能源订单占比与订单总量占比的交互项再次进行回归，仍然基于G2SLS但采用最高二阶空间滞后项作为工具变量对模型重新进行估计。再次，将反地理距离权重替换为邻接权重矩阵重新估计。此外，鉴于PM10为2017年空气污染的首要污染物之一，本文将PM10代替PM2.5计算进行稳健性检验。同时，考虑到雾霾成分中不同的单项污染物，本文也将以各单项污染物标准化计算得到的空气质量指数（air quality index，AQI）指数作为被解释变量的替换变量进行计算。

估计结果表明，以订单数量（orderqua）代替总成交额、以PM10和AQI（https：//www.aqistudy.cn/historydata/）替换PM2.5之后的汽车共享经济规模与空气污染之间的“U型”关系依然成立，新能源汽车订单量的占比依然不显著，与上文估计结果一致。值得一提的是，基于邻接权重的回归结果中Wald检验并不显著，这可能是由于空气雾霾的扩散在一定程度上受到地理位置的限制，并随着空间距离的增加而减少[44]，且雾霾的传播和扩散并不局限在相邻的区域。基于此，在讨论汽车共享经济规模对空气雾霾的影响时，与邻接权重相比，反地理矩阵权重在反映客观事实时可能更为准确。总体来说，前文的基准分析具有较强的稳健性。

3.3 基于城市形态的汽车共享经济规模与空气雾霾的影响分析

已有文献显示，更高的城市密度和城市路网等紧凑的城市形态有利于减少道路上的私家车，促使居民将出行方式转为公共交通[45]。城市形态的改变被认为是减缓交通拥堵、应对环境污染与气候变化的重要手段，但现有研究对不同城市形态的作用依然存在争议。紧凑发展的反对者认为城市形态对交通行为的影响非常小，且紧凑发展会导致巨大的社会福利成本。支持者坚信，城市空间形态越紧凑、要素和资源越集聚和节约，有利于经济增长和城市建设[46]。

基于此，本文将复合之后的城市化进一步分为城市化深度和城市化广度，分别以灯光亮度和灯光像元面积与区域总面积的比值来衡量。这两个变量代表了人们活动强度和活动范围的大小，表征了城市集聚和城市蔓延的两种形态。人们通过共享出行方式到达目的地后的活動强度和活动范围可能造成这两种形态的改变，但共享出行的中短途特征更大程度上便利了城市内部的出行，刺激了人类活动的强度。因此，本文判断城市化深度可能是汽车共享出行对空气污染的一个传导途径。本文同时将城市形态下的城市化深度和城市化广度视为中介变量对传导途径进行进行检验，Baron和Kenny[47]认为，中介变量是解释变量对被解释变量产生影响的中介，中介变量是解释变量对被解释变量产生影响的内在的、实际存在的原因，即解释变量对被解释变量的影响可能是部分通过中介变量或完全通过中介变量产生影响的。基于此，本文的模型构建如下：

其中，Controlsit为控制变量集，包括有人均财富、人口密度、技术水平、产业结构占比、公共交通、私人汽车保有量、地形起伏度及年末道路铺装面积，被解释变量为空气雾霾时，Controlsit还包括温度、风速及降水;Mediatorit为中介变量集，分别为城市化深度（urban1）和城市化广度（urban2）等。中介效应检验程序如下：①若α1显著，认为中介效应存在，可以进行下一步检验;②若 β1和γ3显著，表明共享出行规模与空气污染之间的影响至少有一部分是通过中介变量实现的;③若γ1显著，且较α1数值减少或显著程度下降，表明存在中介效应。如果β1或γ3不显著，则共享出行与空气雾霾的影响不是通过中介变量实现的，如果回归满足上述三个条件，则至少说明存在“部分”中介作用，即共享出行对空气雾霾的影响部分是直接的，部分是通过中介变量来实现的;如果上述三个条件都成立，但γ1不显著，则共享出行对空气雾霾的影响完全通过中介变量来实现。

表2为基于GS2SLS的中介效应检验，由检验结果可以发现，当表示城市集聚形态的城市化深度为中介变量时，中介效应成立。不考虑城市集聚形态时，汽车共享出行的系数为-0.274，但加入这一控制变量后，其系数变为-0.326，即汽车共享出行对雾霾的促降作用部分是直接的，部分是通过集聚的城市形态实现的，且后者对雾霾的促降作用大于前者。城市汽车共享出行的发展会刺激人类活动的强度，显著提升了城市化深度，同时，共享出行与城市空间的整合，使得城市交通空间配置更具有公共性和集约性[48]，通过城市化深度传导后，汽车共享出行发展更有利于雾霾的减少[49]。代表城市蔓延的城市化广度可以显著增加空气中的PM2.5，系数为0.765，明显大于城市化深度的系数0.192，说明城市化深度的集聚形态更为绿色化。式（2）中β1即GMV的系数不显著，城市化广度的中介效应不成立，说明城市化广度不是汽车共享出行对雾霾的传导路径。在当今的社会发展过程中，共享经济成为新时期中国经济转型的突出亮点，而汽车共享出行成为能源、交通、汽车制造业等领域革命的重要载体，且其通过刺激人类活动，尤其是提高了活动的强度而非扩大了活动范围作用于雾霾。城市化深度是现有汽车共享出行和雾霾的重要传导机制，共享出行通过这一传导机制对雾霾的促降作用更大，至此验证假设二。

3.4 基于城市异质性的汽车共享出行对雾霾的传导机制分析

我国城市的发展具有较为明显的异质性，城市发展由于其所属的位置和等级不同造成的差异也较大。这一异质性可能导致不同等级城市里的汽车共享经济规模对雾霾的传导机制也不一致。基于此，本文根据2017年《城市商业魅力排行榜》中城市等级划分进行分组回归，鉴于一线和新一线城市的样本仅有19个，一线新一线及二线城市也仅有48个，为了保证回归的稳健性，本文以三线城市为临界点分组回归，检验一线至三线城市以及四五线城市的传导机制，回归结果如表3所示。

从表3可以看出，中介效应在一二三线城市均成立，这类城市人口众多且密集，消费机会多，城市活力大，十大消费城市均位于一线和新一线城市等级中，其共享出行规模更能促进人们消费活动和其他活动的增强，促进城市内部的集聚和城市化程度的加深。但在四五线城市的回归中，β1和γ3均不显著，现有四五线城市汽车共享出行的发展不能显著促进城市集聚，这类城市人口规模和消费活力相对较小，共享出行的发展未能达到理想规模，城市集聚活动程度也相对较低，不足以发挥共享出行在集聚城市下更大的绿色外部性。虽然在全样本中这一传导机制成立，但鉴于各城市的异质性，若试图发挥城市形态的绿色传导作用，各城市应因地制宜地进行规划，以促进共享出行和城市空间进一步的优化整合。假设三得到验证。

4 结论建议

本文以2017年滴滴出行开城城市的截面数据为研究样本，以GS2SLS估计了汽车共享出行对空气雾霾污染的影响，进一步将城市化形态分为城市化深度和城市化广度两种模式分别检验人类活动强度和人类活动范围对雾霾的传导机制，随后考察了不同等级城市的传导机制差异。结论如下：①汽车共享出行对雾霾具有显著的空间相关性，考虑其空间溢出性和内生性之后，汽车共享出行与空气雾霾呈现显著的“正U型”关系，即汽车共享出行开城初期会减少当地的空气污染，当其发展到一定规模后，如北京、深圳等，当地汽车共享出行的发展会加剧空气污染。②新能源汽车占比的提升有利于减少雾霾，但不显著。③在考虑代表人类活动强度和范围的城市化深度和城市化广度后，本文发现，城市化深度较高时，即集聚的城市形态下汽车共享出行会部分通过影响代表人类活动强度的城市化深度作用于空气雾霾，城市化深度为汽车共享出行减排的传导途径，且城市化深度对对雾霾的促增作用小于城市化广度，设计减排政策和规制可以从集聚的城市形态入手。④此外，当前汽车共享出行在不同城市的发展程度不同，通过城市集聚和活动强度的传导作用也不同，四五线等中小城市中，汽车共享出行规模对城市集聚没有显著的促进作用，城市化深度的传导机制不明显。

本文的结论证实了汽车共享出行对雾霾的影响机制。①鉴于其“正U型”关系，建议汽车共享出行企业在其业务需求量较大的城市降低燃油车司机的审核通过比例，增加新能源汽车占比，尤其是一些主要为水力、风力发电的城市。面对雾霾的空间溢出效应，各地政府应该坚持合作的原则，对雾霾进行聯防联控治理，如实行区域雾霾信息共享和预警机制，协调部门联动，整合共享资源，将空气质量纳入地方政府绩效考核，探索创新大气环境改善与经济协同发展模式。②鼓励城市朝紧凑集约型发展，减少城市的低效蔓延，要合理规划城市的布局，降低道路的重复建设，促进共享出行与城市空间的整合，推动城市集约型发展。③鼓励汽车共享出行行业与科研院所、技术部门的合作，实现更加合理的OD路线设计，同时要减少汽车劣质油品的使用，并且在法律法规上加以完善。④要坚持对清洁技术、新能源技术的研发投入，加快推进新动能，加强淘汰落后产能，同时要发挥能源价格的调节作用和环境规制政策的作用，提高FDI的准入门槛，甄别流入的外商投资。

参考文献

[1]穆泉，张世秋.中国2001—2013年PM2.5重污染的历史变化与健康影响的经济损失评估[J].北京大学学报（自然科学版），2015，51（4）：694-706.

[2]HEINRICHS H Sharing economy： a potential new pathway to sustainability[J]. Gaia ecological perspectives for science and Society， 2013， 22（4）：228-231.

[3]Mhlmann M. Collaborative consumption： determinants of satisfaction and the likelihood of using a sharing economy option again[J]. Journal of consumer behaviour，2015，14（3）：193-207.

[4]王家庭，张邓斓，孙哲.私人汽车消费加剧了城市蔓延吗：来自地级市层面的经验证据[J].经济评论，2015（6）：108-117，143.

[5]马丽梅，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.

[6]冯也苏. 共享交通对城市交通发展的作用研究[J]. 城市发展研究， 2017（6）：147-150.

[7]史静静，谈镇.协调发展视角下共享经济与新型城镇化战略的多维互动[J].城市发展研究，2018，25（2）：118-124.

[8]滴滴发展研究院，上海交通大学中国发展研究院，东北财经大学经济与社会发展研究院. 迈向高效且宜居的城市：滴滴“城市发展指数”报告[R]. 2019.

[9]EBENSTEIN A， FAN M， GREENSTONE M，et al. Growth， pollution， and life expectancy： China from 1991-2012[J]. The American economic review， 2015， 105（5）：226-231.

[10]夏勇，钟茂初.经济发展与环境污染脱钩理论及EKC假说的关系：兼论中国地级城市的脱钩划分[J].中国人口·资源与环境，2016，26（10）：8-16.

[11]李姝.城市化、产业结构调整与环境污染[J].财经问题研究，2011（6）：38-43.

[12]孙才志，王雪利，王嵩.环境约束下中国技术进步偏向测度及其空间效应分析[J].经济地理，2018，38（9）：38-46.

[13]郑强，冉光和，邓睿，等.中国FDI环境效应的再检验[J].中国人口·资源与环境，2017，27（4）：78-86.

[14]白俊红，聂亮.能源效率、环境污染与中国经济发展方式转变[J].金融研究，2018（10）：1-18.

[15]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.

[16]陈诗一，陈登科.雾霾污染、政府治理与经济高质量发展[J].经济研究，2018，53（2）：20-34.

[17]邵帅，李欣，曹建华.中国的城市化推进与雾霾治理[J].经济研究，2019，54（2）：148-165.

[18]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.

[19]冷艳丽， 杜思正. 产业结构、城市化与雾霾污染[J]. 中国科技论坛，2015（9）：51-57.

[20]POON J H ， CASAS I ， HE C. The impact of energy， transport， and trade on air pollution in China[J]. Eurasian geography & economics， 2006， 47（5）：568-584.

[21]张陶新.中国城市化进程中的城市道路交通碳排放研究[J].中国人口·资源与环境，2012，22（8）：3-9.

[22]邵帅，李欣，曹建华，等.中国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，2016，51（9）：73-88.

[23]王卉彤，刘传明，赵浚竹.交通拥堵与雾霾污染：基于职住平衡的新视角[J].财贸经济，2018，39（1）：147-160.

[24]BRADLEY B， KEITH D. Urban form， air pollution， and CO2 emissions in large U.S. metropolitan areas[J]. Professional geographer， 2013， 65（4）：612-635.

[25]CRDENAS R， DUPONT-COURTADE L， OUESLATI W. Air pollution and urban structure linkages： evidence from European cities[J]. Renewable & sustainable energy reviews， 2016， 53：1–9.

[26]ZHEN S Q ，WANG R ， EDWARD L ，et al. The greenness of China： household carbon dioxide emissions and urban development[J]. Journal of economic geography，2009， 11（5）：761-792（32）.

[27]GLAESER E L， KAHN M E.The greenness of cities： carbon dioxide emissions and urban development[J]. Journal of urban economics， 2010， 67：404-418.

[28]陳国鹏. “互联网+交通”视角下缓解城市交通拥堵的私家车共享模式研究[J]. 城市发展研究， 2016， 23（2）：111-115.

[29]BORREGO C， MARTINS H， TCHEQEL O，et al. How urban structure can affect city sustainability from an air quality perspective[J]. Environ model softw，2006， 21：461–467.

[30]STONE B.Urban sprawl and air quality in large US cities[J]. Journal of environmental management，2008，86：688-698.

[31]RODE P. Accessibility in cities： transport and urban form[M]∥MEYER G， SHAHEEN S. Disrupting mobility. Cham： Springer，2017.

[32]范斐，连欢，王雪利，等.区域协同创新对创新绩效的影响机制研究[J].地理科学，2020，40（2）：165-172.

[33]汤维祺，吴力波，钱浩祺.从“污染天堂”到绿色增长：区域间高耗能产业转移的调控机制研究[J].经济研究，2016，51（6）：58-70.

[34]PETER De G， PAUL H. The third revolution： environment， population and a sustainable world[J]. International affairs， 1993， 69（1）：146-150.

[35]RASKIN P D. Methods for estimating the population contribution to environmental change[J]. Ecological Economics the Journal of the International Society for Ecological Economics， 1995， 15（3）：225.

[36]RICHARD Y， EUGENE A R， THOMAS D. Bridging environmental science with environmental policy： plasticity of population， affluence， and technology[J]. Social science quarterly， 2002， 83（1）：18-34.

[37]WAGGONER P E， AUSUBEL J H. A framework for sustainability science： a renovated IPAT identity[J]. Proceedings of the National Academy of Sciences of the United States of America， 2002，99（12）：7860-7865.

[38]DIETZ T， ROSA E A. Effects of population and affluence on CO2 emissions[J]. Proceedings of the National Academy of Sciences of the United States of America， 1997，94（1）：175-179.

[39]GENE M G， ALAN B. Krueger， economic growth and the environment[J].The quarterly journal of economics，1995， 110（2）：353-377.

[40]張人禾，李强，张若楠.2013年1月中国东部持续性强雾霾天气产生的气象条件分析[J].中国科学：地球科学，2014，44（1）：27-36.

[41]易兰，周忆南，李朝鹏，等.城市机动车限行政策对雾霾污染治理的成效分析[J].中国人口·资源与环境，2018，28（10）：81-87.

[42]JAFFE D， ANDERSON T，COVERT D，et al.Transport of Asian air pollution to North American[J].Geophysical qesearch letters，1999，26（6）：711-714.

[43]刘海猛，方创琳，黄解军，等.京津冀城市群大气污染的时空特征与影响因素解析[J].地理学报，2018，73（1）：177-191.

[44]KELLER W. Geographic localization of international technology diffusion[J]. American economic review， 92（1）：120-142.

[45]曹坤梓，阎磊，丁成日.美国城市形态与交通行为实证研究综述[J].城市发展研究，2019，26（9）：88-97.

[46]秦蒙，刘修岩.城市蔓延是否带来了我国城市生产效率的损失：基于夜间灯光数据的实证研究[J].财经研究，2015，41（7）：28-40.

[47]BARON R M， KENNY D A . The moderator-mediator variable distinction in social psychological research： conceptual， strategic， and statistical consideration[J]. Joural of personality and social psychology， 1986， 51：1173-1182.

[48]诸大建.后汽车时代城市的共享出行问题：基于循环经济视角的思考[J].城市交通，2017，15（5）：12-19.

[49]HASAN M A，DAVID J F，CHAPMAN R，et al. Emissions from the road transport sector of New Zealand： key drivers and challenges[J].Environmental science and pollution research， 2019，26： 23937-23957.