基于分位数回归的湖南省城市生态环境风险测度研究

蔡宏宇 吴 荆 马苗苗 张家斌

（湖南工商大学,湖南 长沙 410205）

1 引言

生态环境安全作为国家安全的重要组成部分，是经济社会持续健康发展的重要保障，生态环境风险防控是保障生态环境安全的重要手段。评估生态环境风险，研究其影响因素，对生态环境建设、经济社会可持续发展具有重要意义。目前，国内学者大多关注于生态环境安全，有关生态环境风险评估研究不足，或是对其影响因素缺乏定性分析。本文以湖南省城市生态环境为切入点，运用DPSIR模型评估生态环境风险，使用分位数回归模型，定量分析不同分位数水平下的生态环境风险影响因素，探讨改善城市生态环境的可行之径。

2 模型设定

本文运用DPSIR模型评估生态环境风险、分位数回归模型研究不同风险水平下的生态环境风险主要影响因素[1]。

2.1 DPSIR模型

DPSIR模型把评价指标划分为5种不同的类型：驱动力（D）、压力（P）、状态（S）、影响（I）及响应（R）。每个类型下包含多个指标。DPSIR模型基本思想：由于人类社会对资源过度采集，生态环境系统面临巨大压力并逐渐趋于恶化，而环境的不断恶化又会阻碍人类社会发展，需要采取有效措施维持人与自然和谐共生，保持经济可持续发展。

2.2 分位数回归模型

回归模型基本原理是使拟合值尽量靠近样本观测值，即尽可能将估计值和样本观测值的距离缩减到最小。其中，传统OLS最小二乘法回归模型采取的是均值回归，令残差平方和最小，即（其中代表实测因变量数值，代表计算的因变量拟合值），未考虑极端值或异常值带来的影响，且尾部估计不够准确。分位数回归的原理为让期望损失尽可能最小，即（其中为实测因变量数值，为因变量拟合值，代表分位数水平下的条件分布，下标代表分位数水平）。分位数回归使用条件要求相对较低，能够反映极端值信息特征。因此，分位数回归更为稳健，可靠性较高。

本文采用分位数回归模型研究城市生态环境质量对城市生态环境风险的影响，分别在不同分位数水平下基准回归，得出不同风险程度下城市生态环境风险影响因素。分位数回归模型：

公式（1）中城市生态风险作为因变量Y,城市生态环境质量采用3个指标作为自变量Ga、SO2、control代表一系列对因变量Y有影响的控制变量，β1、β2、β3代表2个核心解释变量和诸多控制变量的回归系数，α为其他对人力资本集聚有影响的因素所做出的综合贡献，ε为误差项。

3 实证分析

依据模型设定，选取相应指标数据，分别测度湖南省城市生态环境风险，研究不同风险状态下的生态环境风险主要影响因素[2]。

3.1 湖南省城市生态环境风险测度

3.1.1 湖南省生态环境安全评价指标体系构建

参考张丽君等（2019）指标选取思路，遵循系统性、真实性和数据可得性的原则，选取驱动力、压力、状态、影响及响应5个准则层，驱动力层包含人口密度、人均可支配收入率和工业化水平3项指标；压力层包括万元产值SO2排放强度、万元产值电耗和万元产值能耗吨标准煤；状态层包含森林覆盖率、大气环境质量和水环境质量；影响层包含人口自然增长率、恩格尔系数和水质达标率；响应层包括生活污水集中处理率、工业固废综合利用率和清洁能源[3]。

使用组合权重方法计算出各准则层和指标层的权重，得到驱动力层权重为0.2 053，其中，人口密度、人均可支配收入率和工业化水平的权重分别为0.0 311、0.081、0.0 932。压力层的权重为0.2 770，其中，万元产值SO2排放强度、万元产值电耗和万元产值能耗吨标准煤的权重分别为0.1 123、0.1 406、0.0 241。状态层权重为0.1 845，其中，森林覆盖率、大气环境质量和水环境质量分别为0.0 423、0.0 618、0.0 804。影响层权重为0.1 000，其中，人口自然增长率、恩格尔系数和水质达标率权重分别为0.0 513、0.0 361、0.0 126。响应层权重为0.2 332，其中，生活污水集中处理率、工业固废综合利用率和清洁能源使用比例权重分别为0.0 803、0.0 718、0.0 811。

3.1.2 生态环境风险评估

结合各项指标权重，计算2005～2019年湖南省13个地级市生态环境安全综合指数，取其均值，采用系统聚类法，对各地级市生态环境安全指数进行分类，将各地市划分为低、中、高风险地区，评估结果：生态环境安全综合指数均值较高的地区有张家界、郴州和湘潭，生态环境处于低风险状态，其中，张家界作为著名旅游城市，其生态环境安全指数最高，生态环境风险最低；长沙、衡阳、常德、株洲、岳阳、邵阳和益阳生态环境安全指数一般，处于中风险状态；娄底、怀化和永州生态环境安全指数较低，整体处于高风险状态。

3.2 湖南省生态环境风险影响因素分析

3.2.1 变量说明

限于数据可得性，本文选取湖南省13个地级市2005～2019年的城市数据，其来源于《中国城市统计年鉴》，缺失数据采用插值法补充。

（1）因变量。选择生态环境安全综合指数倒数作为城市生态环境风险。

（2）核心解释变量。选取人均绿地面积和人均二氧化硫排放量，反映城市环境质量。人均绿地面积代表城市环境质量中的土地指标，人均二氧化硫排放量代表空气指标，二者互补丰富城市环境质量内涵。

（3）控制变量。选取经济发展水平、政府规模、外商直接投资水平、固定资产投资水平、产业结构水平、工业化水平、信息化水平和社会福利水平作为控制变量。其中，政府规模、投资水平、工业化水平、信息化水平的指标数据均乘以100作为录入数据。具体如表1所示。

表1 变量名称及计算

3.2.2 平稳性检验

采用单位根检验对各变量进行平稳性检验，若结果非平稳，需进行一阶差分或据重要程度予以剔除。因变量和核心解释变量的平稳性检验结果如表2所示。

表2 主要变量的平稳性检验结果

因变量与核心解释变量的P值均低于0.05，在5 %的置信水平下通过平稳性检验。

3.2.3 基准回归

通过不同分位数水平划分界定城市生态环境风险，10 %、25 %分位数水平为低风险，50 %为中风险，75 %、90 %为高风险，回归结果如表3所示。

表3 城市生态环境质量对生态环境风险的分位数基准回归结果

（1）—（3）模型中，人均绿地面积系数均为负数，表示人均绿地面积增加，城市生态环境风险降低。分位数水平为25 %时，在1 %的显著性水平下通过检验，分位数水平为10 %和50 %时，在5 %的显著性水平下通过检验。可见，当城市生态环境处于中低风险时，增加人均绿地面积能有效减少城市生态环境风险。

（2）—（5）模型中，人均二氧化硫排放量对城市生态环境风险产生正向影响。分位数水平为25 %时，在1 %的显著性水平下通过检验，分位数水平为25 %时，在10 %的显著性水平下通过检验，分位数水平为90 %时，在5 %的显著性水平下通过检验。当生态环境处于中高风险时，人均二氧化硫排放量的减少能够在一定程度上减小城市生态环境风险。

生态环境处于低风险时，仅有人均绿地面积对城市生态风险作用显著，人均二氧化硫排放量并未起到显著影响，说明当风险管控对象为生态风险水平较低的城市时，应当更加注重城市绿化；生态风险处于中等水平时，两项指标的回归结果均显著，说明生态环境风险中等的城市，应努力做好生态环境风险全方面管控；当生态风险处于高水平时，仅有人均二氧化硫排放量的作用显著，说明高生态风险的城市，管控风险时应更注重生态环境修复与改善。此外，控制变量的显著性虽没有通过检验，但在总体估计中做出了贡献。

4 总结与建议

分析实证结果可知：13个地级市在2005～2019年的生态安全指数多数位于临界安全状态，大部分城市仍处于中风险，但生态环境安全指数逐渐上升；市区绿化和空气治理举措能够抑制城市生态风险，有效提高湖南省各地级市生态安全指数。据此，提出以下可行性建议。

第一，因地制宜，对环境质量不同的地区采取不同措施。生态环境质量欠佳的地区，如娄底和怀化，应更注重生态环境修复与改善；生态环境质量较好的地区如张家界，应更注重生态环境维持与进一步提高。

第二，加大生态环境保护投资力度。湖南省各地方政府应秉持“绿水青山就是金山银山”的生态理念，调用更多的财政资金去进行环保投资以及环境的基础建设，稳固生态安全指数稳步上升发展趋势。

第三，加强城市绿化建设与大气污染治理。各地政府应严格把控污染排放底线，促进污染型传统企业转型升级，降低城市生态风险，为经济可持续发展保驾护航。