产业结构、贸易开放度与雾霾污染治理——基于长三角中心区27个城市空间面板双模型研究

王素凤，程良伟

(安徽建筑大学 经济与管理学院， 安徽 合肥 230601)

一、引言

改革开放以后，随着我国经济高速稳定的增长，我国GDP总量迈入了世界第二的位置，各领域取得了长足进步。但长期粗放低端式的社会经济发展模式，造成了资源利用率不高、环境破坏严重的后果，雾霾污染问题尤为严重。在2013年，严重的雾霾污染蔓延至25个省份自治区、100多个大中城市，已经严重影响了中国的经济增长质量、大众健康和政府形象。此后，中国经济增速开始放缓，朝着高质量发展方向迈进。2019年《长江三角洲区域一体化发展规划纲要》明确指出，包括沪苏浙皖全部城市的长三角城市群在未来要成为面向世界、辐射亚太、引领全国的世界级城市群。根据长江三角洲城市群发展规划，长三角中心区包含上海，以及江苏、浙江、安徽等省的26个城市，分别是：上海，江苏——南京、镇江、扬州、常州、苏州、无锡、南通、泰州、盐城，浙江——杭州、嘉兴、湖州、绍兴、宁波、舟山、金华、台州、温州，安徽——合肥、芜湖、滁州、马鞍山、铜陵、池州、安庆、宣城。本文将以上27个城市作为分析样本，探究雾霾污染的作用机理。

近些年来，长三角一体化这一概念在我们的视野里出现，一体化简而言之就是打造长三角区域各资源要素的互联互通，实现资源最大化利用。作为我国最大城市群的长三角城市群，其第二产业发达，工业增加值在全国占比很高，且外向经济发展蓬勃。根据魏守华等的研究，长三角地区经济结构的外向化和多样化效应有利于制造业增长，且存在空间溢出现象[1]。该研究结果表明长三角第二产业与外向经济的发达对该地区发展产生了积极效果。因此，本文旨在探究产业结构、贸易开放与雾霾污染之间空间效应，尝试在雾霾空间分布与治理上寻求突破。

利用2010—2019年长三角中心区27个城市的雾霾面板数据，在充分考虑空间条件下，探究产业结构、贸易开放度与雾霾污染空间分布的联系和作用机理。综上，本文主要在以下几点做出贡献：(1)长三角地区是国家大力建设的区域，是面向国际的示范区，本文将去除其他研究中省界的限制，将长三角全域整体考虑，探究其中产业发展对雾霾污染的原因。(2)在长三角研究区域引进双模型研究，通过数据的比较，理清污染物的作用机理。(3)利用一定时间内进出口总额代表贸易开放度，提供雾霾污染治理方向的新思路。

二、文献回顾

(一)产业结构与雾霾污染

马丽梅等将中国31个省自治区作为样本，利用空间模型，探究PM10的空间分布，重点分析工业中对PM10贡献较大的典型行业，论证雾霾治理的方向[2]。东童童等对Ciccone和Hall的产出密度模型进行拓展，分析了产业集聚对雾霾空间的显著空间溢出效应[3]。Frank等将欧盟200多个区域作为分析样本进行研究，发现工业的集聚化是产生雾霾污染的首要原因[4]。郭俊华等研究得知，当火力发电、石油化工、冶炼钢铁等重化工业在地区内过度聚集时，产生雾霾污染就无法避免[5]。美国学者Grossman等发现SO2以及其他工业气体排放量随着经济的增长呈现出一种非线性关系[6]。Gene等提到，经济学家西蒙·库兹涅茨首次发现地区人均收入与人均GDP之间呈现倒U型关系，并将这种联系叫做环境库兹涅茨曲线(EKC曲线)[7]。在国内，去除省区界限，对在特定城市圈内的产业结构与雾霾污染的相关分析较少。雷玉桃等以结构偏离度为基础对产业结构合理化的泰尔指数重新定义，从新的视角剖析产业结构[8]。李世奇等通过探究上海市第三产业的投入产出数据，得出第三产业对雾霾污染无显著影响的结论[9]。东童童通过计算工业效率与工业集聚之间交叉项的效应关系，研究工业集聚对雾霾治理影响的有关成果[10]。

(二)贸易开放与雾霾污染

随着科技的发展，经济贸易正在向全球化的趋势迈进，越来越多的学者开始关注国内的贸易开放问题。邓柏盛等将SO2列入分析指标，得到FDI指数可以改善中国的环境，而商品贸易则抑制环境的改善[11]。Frankel和Adrew考虑贸易开放度产生的内生效应，首次将重力模型引入分析框架，以各国人口、地理及经济距离等外生性变量带入模型进行分析，消除了同期偏差，增加了数据的准确程度[12]。在现实中，由于贸易开放的的特殊性，学者对贸易结构是否影响本国环境无法得到一个准确结论。在国外文献中，Antweiler等使用1971—1996年的跨国面板数据分析了规模效应、结构效应和技术效应三种效应的分布，得出贸易结构对环境有正向作用的结论[13]。Baek等对1960—2000年50国的SO2排放量数据进行分析，得出贸易自由化有利于发达国家的环境，而损害了发展中国家的环境[14]。在国内学者方面，彭水军等在对国内251个城市2005—2010年的工业污染程度和废气含量进行分析之后，得到贸易利于国内环境改善的结论[15]。

(三)产业结构与贸易开放度

不仅仅产业结构，贸易开放度分别与雾霾污染有着独立的联系，并且产业结构与贸易开放度之间有着紧密的联系。对于这方面的研究，很多学者做出了自己的努力。蔡海亚等采用中介效应检验方法探究贸易开放与产业结构的联系，得出了贸易开放能够促进产业升级的结论[16]。赵丽通过探究我国贸易开放度与产业结构关联性，得出贸易开放度与产业结构呈正相关关系，且互为格兰杰原因的结论[17]。

对于产业结构，贸易开放度方向，尝试在以下几个方向进行创新：(1)由于长三角中心城市群是近期国家规划，所以有关该方面的雾霾空间研究较少，本文将长三角中心区当做整体考虑，弥补以往研究空缺。(2)已有研究基于全国或省级角度进行分析，在分析方法上大多采用普通面板分析，较少考虑地级市之间的雾霾溢出效应，而本文构建了三者之间的统一理论框架。(3)对于贸易开放，大多采用省级单位的出口贸易额，而本文将该指标细化为市级单位一定时间内进出口总额，较全面地反映了贸易开放程度。

三、数据来源及模型建立

(一)数据说明

1.被解释变量

雾霾污染(PM2.5)：由于无法得到国内2013年之前的详细数据，所以借鉴马丽梅等的做法[2]，采用巴特尔研究所及哥伦比亚大学国际地球科学信息网络中心通过卫星搭载设备对气溶胶光学厚度进行测定得到的1998—2012年全球PM2.5遥感数据。该数据与环保部2012年对于环境雾霾的判断基本符合，具有很高的可靠性。值得注意的是，为了保证数据的平稳性，该测算机构公布的PM2.5的数据为3年的滑动平均值。

2.主要解释变量

(1)产业结构(ind)：根据祝丽云等的研究[18]，雾霾污染与产业结构指数呈现“U”型曲线关系。本文将产业结构解释为第二产业生产总值在总地区GDP的占比，具体数据参考《中国城市统计年鉴》。

(2)贸易开放(open)：康雨的研究表明在充分解释了变量稳健性与内生性的作用下，贸易开放对雾霾污染有正相关作用[19]。本文将贸易开放度解释为一省出口贸易额和进口贸易额占GDP比重。可由以下公式表示：

Eit表示省市i在时间t的出口贸易额，Iit表示省市i在时间t的进口贸易额，Yit表示省市i在时间t的省内生产总值。具体数据参考《中国城市统计年鉴》和相关文献。

3.控制变量

控制变量一般选择能够对被解释变量造成影响的相关数据。基于上述研究，选择以下控制变量：

(1)城镇化水平(UR)：借鉴严雅雪等的做法[20]，利用城镇人口占地区总人口的比重来衡量城镇化水平。

(2)人口密度(PEOPLE)：根据汪聪聪等的研究[21]，地区人口的密度可以显著影响雾霾数据。本文的人口密度数据采用各地区人口与城区面积的比值。

(3)房地产开发强度(ER)：韩颖等研究发现，房地产开发强度对地区雾霾有显著影响[22]。本文的房地产开发强度数据采用新开工施工房屋面积占总体房屋施工面积的比值。

(4)建成区绿地覆盖率(GC)：刘晨跃等指出，绿地覆盖率对雾霾污染有一定的抑制作用[23]。本文的建成区绿地覆盖率数据采用绿地植被面积与城市建成区面积比值。

4.空间权重矩阵

为了对研究结果进行稳健性检验，利用两种权重矩阵来进行空间计量分析。所构建的权重矩阵如下：

(1)地理距离矩阵W1：根据两个地区之间的地理距离的倒数来构造的。两个地区之间的地理距离越近，所赋予的相关权重就越大。具体计算公式如下：

其中，Wij为地理距离矩阵，dij为城市之间地理距离，i和j分别表示城市的纬度和经度；Δτ为两个城市间的经度之差；R为地球半径。

(2)空间经济距离矩阵W2:将地理距离权重和经济距离权重结合起来，构造出空间经济距离权重矩阵，该矩阵综合考虑了空间地理距离特征和经济相关属性。具体表达式如下:

其中，Wij为空间经济距离矩阵，PGDPj和PGDPi分别表示城市j和城市i的人均GDP，dij为地理距离。

(二)研究方法

1.全局相关性检验

为了检验雾霾的空间分布，需要分析长三角中心区27个城市雾霾的空间全局相关性，就要用到莫兰指数(Moran’sI)，其计算公式为：

其中，I为Moran’sI指数；xi为第i各地区PM2.5浓度值；n为地区总数；wij是空间权重矩阵。权重矩阵wij设定为：

当-1

从表1我们可以得到，在2010—2019年的Moran’sI指数皆为正数，且在1%的水平上显著，结果表明该地区雾霾污染存在空间效应，且具有全局稳定性。该地区的空间相关性随着时间的推移而逐渐提高。图1和图2的第一象限代表雾霾污染“高-高”区域相邻;第二象限代表雾霾污染“低-高”区域相邻;第三象限代表雾霾污染“低-低”区域相邻;第四象限代表雾霾污染“高-低”区域相邻。即第一、三象限表现出空间正相关性，第二、四象限表现出空间负相关性。由图中我们可以得到绝大部分城市城市分布在一、三象限，表现了PM2.5分布的正相关性较强。

表1 2010—2019年长三角中心区雾霾污染指数全局统计

图1 2010年长三角中心区27个城市莫兰散点

2.局部相关性检验

图3 2010年长三角中心区雾霾城市分布

结合LISA集聚图我们得知，在2010年高-高地区有滁州、南京、扬州、镇江、常州;低-高地区有马鞍山。在2019年高-高地区有安庆、铜陵、合肥、芜湖、马鞍山、滁州、南京、镇江、扬州、泰州；低-低地区有宁波、台州。由此可见，随着时间的变化，PM2.5污染的空间积聚性得到了增强，反映了雾霾污染的空间集聚特征和路径依赖。

(三)模型建立

面板空间计量模型主要分为空间滞后模型(SLM)、空间误差模型(SEM)和空间杜宾模型(SDM)，一般是基于模型残差的拉格朗日乘子(LM-Lag和LM-err)及其稳健性(Robust-LM-Lag和Robust-LM-err)加以选择。但是，如果使用模型选择传统面板方法，可能造成数据偏差的后果。本文借鉴于斌斌[25]、崔庆安等[26]的作法，考虑两种模型的滞后性，避免残差自相关对结果造成偏差。通过Wald(SAR)和LR(SAR)的统计量分别为15.240 2和17.332 4，Wald(SEM)和LR(SEM)的统计量分别为15.541 8和17.829 1，都在1%的水平上拒绝了零假设，由此选择空间杜宾模型作为本文计量模型。有关ELhorst模型的选择如表2所示。

表2 ELhorst模型选择方法检验结果汇总

根据表2，雾霾污染有空间溢出效应，选用带空间效应模型；通过Hausman test检验，选用固定效应模型；根据上文研究Wald(SAR)和LR(SAR)的统计量都在1%的水平上拒绝了零假设，故选择SDM模型；最后在动态模型的选择上，由于动态SDM模型R2和log的数值大于静态模型，故选择动态SDM模型。

由Anselin[27]可知，大部分的空间数据都具有相关性，一个城市的雾霾污染程度不仅和自身相关，还会受到邻近城市空间溢出效应的影响，构建实证模型时不能忽视空间效应的影响。雾霾污染会受到现期及前期各种因素影响，故应导入被解释变量的空间滞后项，不仅考虑经济发展的连续性，还使得影响经济增长的潜在因素可以分离，从而矫正静态空间面板模型的偏差。结合以上几点，选择动态空间模型如下：

yit=τyi,t-1+δωyjt+ηωyj,t-1+xitβ+μi+λi+εit

其中，yi，t-1是被解释变量在时间上的滞后值；wyjt为被解释变量在空间上的滞后值；wyj，t-1为被解释变量在空间上的滞后值；τ，δ和η分别为yj，t-1，wyjt和wyj，t-1的响应参数。利用动态空间杜宾模型的系统充分考虑产业结构、贸易开放对雾霾污染的影响，在此基础上设立4个对雾霾指数造成影响的控制变量，选择考虑空间滞后与时空滞后的动态SDM模型。

四、结果与分析

(一)全区域回归

基于长三角中心区27个城市的有关数据，同时为了考察指标解释能力的稳健性，借鉴张桅等的做法[28]，引入上文所示地理距离矩阵W1，空间经济距离矩阵W2。为便于比较与分析，表3中①列分别为基于地理距离矩阵W1和空间经济距离矩阵W2的空间杜宾模型主效应结果，②列为产业结构、贸易开放度与雾霾污染二次项的实证结果。

根据表3所示，在使用地理距离矩阵、空间经济距离矩阵时，产业结构、外贸开放度对雾霾污染的回归系数显著为负，表明产业结构、外贸开放度会显著减少雾霾污染。纳入产业结构、外贸开放度与雾霾污染的二次项，显示产业结构与外贸开放度的二次项显著变化。这说明二者从一个方面体现了经济发展与雾霾污染的U型关系。在地理距离矩阵W1和空间经济距离矩阵W2下，雾霾污染的空间滞后项均显著为正，且都在5%的水平上显著，结果显示长三角样本城市之间存在显著的正向空间溢出效应，邻域雾霾污染增加会提高本地的雾霾污染程度。

表3 产业结构、外贸开放度与雾霾污染估计结果

根据表4和表5，动态空间杜宾面板模型的R2=0.953 7，Log-likelihood=221.946 7。两数值均高于静态空间杜宾模型，表明动态模型得到的结果更具有可信度。基于表3得知雾霾污染滞后系数在5%水平上显著为正，即长三角中心27个城市雾霾污染存在显著的空间溢出效应，具有空间集聚特征。根据表4和表5，产业结构的直接效应系数为-0.333 3，间接效应系数为-0.262 8，总效应系数为-0.595 9，且所有效应均在5%的水平上显著，表明产业结构存在负反馈现象，一个区域的产业结构提高1%，对应本地区的PM2.5数值下降0.33%，对应邻域的PM2.5数值下降0.262 8%，对应全域PM2.5数值下降0.595 9%。外贸开放度的直接效应系数为-0.326，间接效应系数为0.168 9，总效应系数为-0.213 3，一个区域的外贸开放度提高1%，对应本地区的PM2.5数值下降0.326%，对应邻域的PM2.5数值上升 0.168 9%，对应全域PM2.5数值下降0.213 3%，所有效应均满足在5%的水平上显著，说明外贸开放度对PM2.5的空间分布存在显著的空间溢出现象。

表4 具有固定效应的动态杜宾模型系数、T值、P值

(二)稳健性检验

在表3中，利用地理距离矩阵W1和空间经济距离矩阵W2两种矩阵模型进行回归，解释变量产业结构，外贸开放度均在5%的水平上显著。根据表5，分别列出空间静态模型及空间动态模型下各个变量总效应的估计结果，核心解释变量均在5%的水平上显著，与前文结论相符，验证了本文回归结果的可靠性。

表5 关于PM2.5空间杜宾模型总效应估计结果

(三)回归结果分析

结合表3～表5，第二产业比重的提高会减少本区域和邻域PM2.5的污染程度。其中原因之一是在中国经济与发展水平较高的长三角地区，由于淘汰了落后产能，留下了能耗低、污染小、附加价值高的科技产业，从而雾霾污染减少。原因之二是根据李筱乐的研究，随着市场化水平的提升，社会制度、管理能力等得到提高，治理污染手段得到优化，措施效率变高，产业集聚效应增加，减轻了产业对环境的损害，并且随着市场化水平的持续提升，产业集聚效应的作用会高于拥挤效应，改善了环境；另外产业产值高的地区，当地政府拥有足量的财政收入通过一系列的设施来处理雾霾污染问题[29]。贸易开放度总效应估计为负，其中原因可能为贸易自由化诱致的经济结构变化带来双重环境效应[30]。对周边区域的影响在于，低外贸开放度的城市会积极与高贸易开放度的城市进行贸易往来，会大大增加因交通造成的雾霾污染。综上并根据蔡海亚等的研究结论[31]可得出，产业结构升级导致的产业集聚与贸易开放度的交叉项对雾霾污染存在抑制作用，贸易开放与产业结构升级与集聚之间存在倒U型关系，前期结果不显著，后期结果显著。

五、结论及建议

本文分析2010—2019年中国长三角中心区27个城市面板数据，利用静态与动态空间计量经济学模型，探究雾霾污染集聚效应与空间相关性，分析产业结构、贸易开放度对雾霾污染的作用机理，得出研究结论及政策建议如下:

(1)通过全局与局部莫兰指数分析，雾霾污染空间分布具有正相关性。同时，长三角地区内部雾霾污染水平不平衡。且随着时间的推移，长三角地区的莫兰指数显著升高，体现了样本地区雾霾污染全局空间效应逐步增强。

(2)从局部来看，2019年高-高地区有安庆、铜陵、合肥，低-低地区有宁波、台州等。分布的城市较2010年有着比较大的变化。对于这一结论，给出的政策建议是：① 雾霾的治理是区域性治理，需要建立联合治理机制。雾霾污染联合治理相对于独立区域的治理显得更有效。在国家层面，建立联合治理体制。各地区根据实际情况建立云数据处理中心，对于雾霾数据进行及时监测，及时汇报，邀请专家对各地产生的问题给予专业性意见，各地环境部门加强合作，及时分享数据及处理意见等。② 对于雾霾污染程度不同的地区，应采取不同的治理措施，当地政府需要根据当地不同的人文、地理、工业、经济情况而做出合理的判断，采取科学的决策，切不可照猫画虎，依照他市的办法原班不动地实施。③ 根据张梅等的研究[32]，新媒体监督及环境规制对提升公司的绿色发展理念有着积极作用，故可以在实际中采用新媒体监督等方法，提高企业的绿色投资。

(3)空间静态与空间动态模型表明，雾霾污染存在外溢现象，且第二产业比重的升高会在本地和邻域产生负反馈。从政策层面：实行产业升级，淘汰当地落后产能，大力发展高新技术，提高第二产业和第三产业的占比以提高当地的财政收入，从而对环境资源的保护进行“反哺”。贸易开放度的升高会减少本地雾霾污染程度，增加邻域的雾霾污染程度。从措施方面：实行全面的开放制度，对于外国企业要实行相应的优惠政策，防止出现外资大量流失的事件。城市周边应限制高污染车辆通行，从减少排放源的角度减少雾霾的污染。

(4)贸易开放度升高对本地雾霾污染有加重的作用，对邻域雾霾污染有正相关作用，反映了贸易开放度对雾霾污染的双重作用。因此，为避免贸易开放带来的负效应，应积极引进国内外环保并具有高工业附加值的项目，对外企实行严厉的环境管制措施，同时实行奖励机制，给予低能耗企业政策上的倾斜。另外，还要学习外企先进的生产与管理经验。