中国31省会直辖市空气质量的社会经济影响因素

朱建春，姚 佳

(西北农林科技大学人文社会发展学院，陕西 杨凌 712100)

0 引言

随着中国经济转型和城市化工业化步伐的加快，在经济社会取得长足进步的同时，各类环境问题日益凸显，引起了公众的广泛关注。其中雾霾污染问题引发了较多的讨论。雾霾天气导致城市空气质量明显下降，严重威胁到了人体健康、交通安全、经济发展以及气候[1]。只有辨明雾霾产生的根源，才能针对性地加以治理。已有研究以PM2.5为空气质量指标的较多，以AQI值为空气质量指标分析的相对较少。为此，本研究以31个省会直辖市为样本，以可拓展的随机性环境影响评估模型(以下称为STIRPAT模型)为理论工具，探究城市空气质量的社会经济影响因素。

1 研究方法

1.1 理论假设与模型构建

本研究假设：城市空气质量受到人口、社会财富、技术水平、交通、产业结构、绿化等因素的综合影响。

为了验证该假设，运用STIRPAT模型。该模型被广泛用于研究环境污染成因。STIRPAT模型有个发展过程：首先，由Ehrlich等提出IPAT等式(环境影响模型)，认为环境压力(I)由人口(P)、财富(A)和技术(T)因素共同作用而产生[2]。随后Dietz和Rosa在此基础上进行优化，提出STIRPAT模型并被广泛运用[3-6]。

因此，本研究首先建立城市空气质量社会经济影响因素的STIRPAT模型：

I=αPbACTdε

(1)

式中：I—环境影响；α—模型中各因素的系数；P、A、T—人口、财富和技术因素；b、c、d—各变量的指数；ε—随机扰动项。

为消除各变量指标数据之间存在的异方差，将公式(1)进行取自然对数处理，可得到公式(2)：

LnI=α+bLnP+cLnA+dLnT+ε

(2)

在公式(2)的基础上，根据理论假设，在模型中拓展了产业、交通、绿化等因素作为解释变量，得到公式(3)：

LnAQI=α+β1LnP+β2LnA+β3LnT+β4LnE+β5LnV+β6LnG+ε

(3)

式中：AQI—空气质量指标；P、A、T、E、V、G—人口、财富、技术、产业、绿化、交通等因素；βi(i=1～6)—各因素的指数参数；ε—随机扰动项。

1.2 变量选取及操作化

根据理论假设及所构建的数学模型，公式(3)中各变量的操作化指标如表1所示。

1.2.1 因变量

空气质量问题的重要表现是雾霾污染。本研究将因变量空气质量操作化为代表雾霾污染程度的空气质量指数AQI。该指标是根据某地某一时间段内六项主要污染物(包括细颗粒物PM2.5、可吸入颗粒物PM10、二氧化硫SO2、二氧化氮NO2、臭氧O3和一氧化碳CO)的监测数据计算出来的，其取值范围为0～500[7]。

1.2.2 自变量

本研究侧重于研究雾霾污染的社会经济因素。兼顾了社会经济指标的有效性、准确性与可获取性，并避免模型中各因素之间的多重共线性问题。本研究各因素(自变量)的操作化指标为：

(1)人口密度。代表人口因素。在城市化初中期阶段，大量人口向城市聚集，随之产生大量的社会需求，刺激了人类生活方式与消费方式的变革，加剧了资源枯竭和环境污染。人口密度即单位土地面积上的人口数量，反映了城市人口分布与人口密集程度。

(2)人均GDP。衡量财富因素。人均GDP是衡量城市经济发展水平的一个重要标准，体现了居民收入及生活水平变化情况，是能够影响居民的消费方式、反映居民环保意识和行为的指标。人均GDP经常被作为验证环境库兹涅茨曲线的必要指标之一。

(3)科学事业费支出。用研发强度来代表技术进步水平，表征技术因素。技术进步水平深刻影响全社会对研发的投入力度，尤其是前瞻性和应用性基础研究领域，它还代表产学研融合的程度与国家创新体系建设的进度，体现了一个地区的科学技术水平。在雾霾的治理中，技术进步水平势必对雾霾污染产生影响。

(4)第二产业增加值占GDP的比重。表征产业结构。在三大产业中，第二产业对雾霾的影响最大，尤其是工业生产会消耗大量的以煤炭为主的非清洁能源，排放大量的有害气体，由此会产生大量的雾霾污染。从长远看，产业结构事关雾霾污染的形成，雾霾的治理必须通过调整产业结构、改变能源禀赋来改善和解决。

(5)客运总量。代表交通因素。交通运输业的发展伴随着汽车尾气的排放，而汽车尾气是雾霾的重要来源之一[8]。客运总量指在一定时期内各种运输工具实际运送的旅客数量，是反映交通运输业为国民经济和人民生活服务的重要指标。

(6)绿化覆盖率。代表绿化因素。绿化的功能在于吸附空气中有害物质、增加空气湿度和局部降水、调节气候，对空气质量起到积极促进作用。绿化覆盖率的分子为城市内全部绿化覆盖面积，分母为区域总面积，是反映一个地区生态环境状况的重要指标。绿化覆盖面积包括公园、生产、防护、附属和其他类型绿地的面积，是一个地区园林和绿化的绿地面积总和[9]。

1.3 数据来源与分析方法

1.3.1 数据来源

基于数据的有效性、科学性、准确性与可获取性，本研究所观测的样本城市为2013—2017年第一批实施《GB 3095-2012环境空气质量标准》的31个省会直辖市。

以2013—2017年31个省会城市的面板数据为样本，包括空气质量数据和社会经济因素数据。空气质量数据来自生态环境部、各省(直辖市、自治区)生态环境厅与中国环境监测总站所公开发布的数据。其中，因变量城市空气质量指标，选取的是2013—2017年31个省会城市空气质量指数AQI的年平均值。社会经济因素数据来自2013—2017年《中国统计年鉴》《中国城市统计年鉴》中31个省会城市社会经济发展水平的年度数据。

1.3.2 数据分析方法

运用SPSS25.0统计软件的基本描述统计、聚类分析和回归分析等功能，对31个省会直辖市的数据进行分析。其中回归分析法运用了回归方程检验、回归系数检验和拟合优度检验等统计分析功能，以验证理论假设，分析模型中各因素对回归方程的贡献。

2 结果分析与讨论

2.1 城市空气质量特点

2.1.1 城市空气质量指标的时间发展趋势

从图1左图看，2013—2017年，全国31省会直辖市总的AQI年均值从2013年的102.19下降至2017年的80.82，总体呈线性下降趋势，说明自《GB 3095-2012环境空气质量标准》实施后，全国31省会直辖市空气质量有所改善。从图1右图看，AQI月均值总体呈U型曲线[10]，其中：6—9月的AQI月均值最低，低于80，2—5月和10—11月的AQI月均值为80～100，1月和12月最高，超过100。说明空气质量比较差的时间主要集中于早春和冬季比较寒冷的月份。

图1 2013—2017年省会直辖市AQI值的时间分布

2.1.2 城市空气质量指标的地区分布特征

华北地区城市中，2013—2014年空气质量指数AQI年均值都超过100，2015—2016年太原与呼和浩特降到100以下。2017年，北京、天津、呼和浩特的AQI年均值也降至100以下，但石家庄、太原在100以上。其中，石家庄2013—2017年的AQI年均值都高于100且高于华北地区其他省会直辖市，但总体呈下降趋势[11]，从2013年的161.51降至2017年的122.52。2013—2017年，除了太原外，其他城市AQI年均值总体呈下降趋势：北京从134.79降至90.37，天津从120.82降至93.34；太原从2013年的109.66升至2014年的117.91，随后2015年降至91.72，2017年又回升至104.81。

东北地区省会城市中，各城市AQI年均值总体都呈下降趋势，沈阳从2013年的115.81降至2017年的83.21，长春从2013年的105.90降至79.04，哈尔滨从2013年的122.01降至2016年的74.81，2017年又回升至87.75。总之，东北地区省会城市AQI年均值在2016—2017年都低于100。2013—2017年东北地区沈阳、长春、哈尔滨污染最严重，秸秆焚烧、冬季采暖燃煤、车辆燃油、内蒙古草原退化、农业耕作是雾霾的主因[12]。

华东地区省会直辖市中，上海、杭州、福州、南昌四市的AQI年均值都低于100，且总体呈下降趋势：2013—2017年，上海AQI年均值从89.46降至68.47，杭州从96.81降至69.14，福州从68.76降至52.28，南昌从85.50降至68.48。南京AQI年均值在2013—2014年略高于100，后降至100以下，从2013年的108.01降至73.65。合肥AQI年均值2013年为108.72，至2017年降至85.35。济南AQI年均值2013—2017年都高于100，2013年为130.29，2016年降为最低值106.00，2017年又回升至119.33。

华中地区省会城市中，郑州市五年AQI年均值都高于100，而武汉、长沙则仅有2013—2014年在100以上，随后下降至100以下。郑州市年均AQI值2013年为127.07，2014年降至115.49，2015年升至135.81，2017年升至112.22。武汉年均AQI值从2013年的119.53降至2017年的82.24。长沙从2013年的108.38降至2017年的78.10。

华南地区省会城市AQI年均值2013—2017年都远低于100，且一直保持着较低水平。广州AQI年均值从2013年的84.70降至2017年的56.99，海口AQI年均值从2013年的43.85降至2017年的40.14，南宁AQI年均值从2013年的82.05降至2017年的55.00，其中广州、南宁下降幅度高于海口。

西南地区省会直辖市的AQI年均值，除了重庆与成都2013年略高于100外，其余都低于100。2013—2017年，各城市AQI值总体呈缓慢下降趋势。2013—2017年，重庆AQI值从108.32降至69.33，成都从113.37降至82.47，贵阳从81.63降至52.15，昆明从66.40降至51.65。

西北地区省会城市中，乌鲁木齐五年的AQI均值都高于100，2013年为117.07，2015年降至109.25，随后2017年升至113.75。西安年均AQI值从2013年的114.43降至2015年的95.38，随后升至2016年的112.43，2017年又回升至106.71。兰州年均AQI值从2013年的95.72升至2014年的133.47，2015年降为87.25，随后两年都在91～93。西宁AQI年均值2013年为94.02，2014年升至116.40，随后下降，2016年为87.91，2017年为78.85。银川AQI年均值从2013年的94.23升至2014年的101.70，2016—2017年稳定在86左右。总之，2015—2017年，兰州、西宁、银川的AQI年均值都稳定在100以下，西安和乌鲁木齐则都超过100。这是因为陕西中部、宁夏北部及甘肃省河西走廊空气污染较严重[13]。

图2 2013—2017年各地区省会直辖市AQI年均值

总之，AQI年均值五年都超过100的城市主要分布于华北(京津冀地区)、华东、华中、西北。这与已有研究结果吻合[14,15]。

2.1.3 城市空气质量等级分类

图3为2017年AQI值的系统聚类分析结果谱系图，从图中可看出，可将31省会直辖市分为三大类：

图3 2017年31省会直辖市AQI谱系图

第一大类为空气质量接近优(AQI年均值低于60)但尚未达到优的城市，包括贵阳(52.15)、昆明(51.65)、拉萨(55.06)、南宁(55.00)、广州(56.99)、海口(40.14)。

第二大类为空气质量等级为良(AQI年均值60～100)的城市，包括：南昌(68.48)、上海(68.47)、重庆(69.33)、南京(73.65)、青岛(74.33)、西宁(78.85)、长春(79.04)、长沙(78.10)、兰州(91.86)、天津(93.34)、北京(90.37)、成都(82.47)、武汉(82.24)、沈阳(83.21)、呼和浩特(83.93)、合肥(85.35)、银川(86.03)、哈尔滨(87.75)。

第三大类为轻度污染(AQI年均值100～150)城市，包括：济南(105.99)、徐州(105.97)、太原(104.81)、西安(112.43)、郑州(112.22)、乌鲁木齐(113.75)、石家庄(122.52)。重雾霾会引起人体心肺功能下降甚至病变[16]，因此，这些城市亟待采取措施降低空气污染。

2.2 城市空气质量影响因素的STIRPAT模型分析

本研究运用SPSS软件的回归分析功能，对相关数据进行回归分析，自变量分层加入方程，即每一步增加一个自变量，最后形成一组嵌套模型(模型1至模型6)，结果见表2。

表2中卡方值、卡方检验显著性概率、R2值显示的是回归方程检验结果，检验的是方程中所有自变量作为一个整体与因变量之间的相关关系。从模型1至模型6，卡方值与R2值都逐渐增加，说明每个方程新增加的变量对方程的解释力都有一定的贡献。从卡方检验的显著性概率来看，只有模型4～6通过了回归方程检验，说明这几个方程中的自变量整体能够解释掉较多的误差，对方程的贡献率较大。尤其是R2值从模型3的0.020增加到0.126，增加了0.105，说明模型4新增了产业结构因素后，模型4的方程多解释掉了10.5%的误差，即产业结构因素对方程的贡献率较高。作为最终模型的模型6，其卡方值说明该方程一共解释掉了8220.998的误差，R2值为0.128，说明方程一共解释掉了12.8%的误差，是拟合优度最高的模型。

表2 STIRPAT模型的回归分析结果

表2中的标准化回归系数及回归系数检验显著性概率是回归系数检验的结果，主要检验方程中每个自变量对方程的贡献。模型6中各自变量的标准化回归系数中，通过回归系数检验的只有科学事业费支出和第二产业增加值占GDP比例两个变量，即只有技术和产业结构因素对空气质量的影响可以推论总体，其他因素只能解释31个样本城市的情况，不能推论总体。根据模型6得到城市空气质量的影响因素的标准化回归方程如下：

ZAQI=0.006Z人口密度-0.057Z人均GDP

+ 0.294Z科学事业费支出+0.350Z第二产业增加值占GDP比例

-0.034Z客运总量-0.037Z绿化覆盖率+ 61.729

2.3 理论假设的验证结果

从模型6的结果看假设被验证的结果：

(1)人口因素对空气质量无显著影响。本研究分析的是省会及直辖市，这些城市的人口密度都比较大，城市之间人口密度差异不显著，故此分析结果不显著。尽管如此，模型1中，仅引入了人口密度这一个因素，其卡方值说明人口因素能解释掉911.375的误差，比其他因素解释掉的误差都多。模型6中人口因素的标准化回归系数为0.006，说明31个省会直辖市中，人口密度每增加一个标准差，AQI值平均增加0.006个标准差，是正向影响，说明人口密度增加会加剧空气污染程度。人类生产生活等活动是空气污染的主要因素，城市人口规模扩大带给城市资源与环境的巨大挑战是毋庸置疑的。

(2)财富因素对空气质量影响不显著。池建宇等[17]运用环境库兹涅茨曲线(EKC)对31省市数据的分析结果也表明，影响城市空气质量的主要因素并不是城市经济发展水平，而是城市及其周边的工业排放物。但模型6中人均GDP变量的回归系数为-0.057，即人均GDP每增加1个标准差，AQI值平均减少0.057个标准差。这说明整体而言，这些城市正在从环境库兹涅茨曲线的前半段向后半段过度。从长期看，未来随着经济社会的发展，社会财富增加，人们更重视生活品质和更关注自身生活环境，对空气环境的要求随之提高，将会促使空气质量的提高。

(3)技术因素对空气质量有显著影响。模型6中科学事业费支出的回归系数表明，科学事业费支出每增加1个标准差，空气质量指数AQI值平均增加0.294个标准差。科学事业费的支出并未使得AQI值降低，也就是说，技术因素并未对空气质量起到促进的作用，而是起到恶化空气质量的结果，这是个值得深思的现象。说明虽然技术在不断进步，但像雾霾污染治理、能源结构优化、汽车尾气净化、节能减排、降尘等相关领域的科技研发成果不足或者并未及时转化到生产生活领域，未收到“立竿见影”的效果。

(4)产业结构对空气质量有显著影响。模型6回归系数表明，产业结构每增加1个标准差，AQI值平均增加0.350个标准差，即在GDP中第二产业增加值所占比越大，空气质量越差。在改革开放初期，第二产业是主要的经济收益来源，但与此同时，由于以非清洁能源为主的能源结构、粗放的生产方式等因素，第二产业也是空气污染的主要来源之一。尤其是以重工业为主的地区，常常是雾霾天气的高发区域。杨嵘等[18]对73个城市PM2.5数据的分析表明，产业集聚对雾霾污染产生双重门槛效应，当产业集聚水平为第一、第三区间时，雾霾污染较严重。

(5)交通因素对空气质量影响不显著。模型6回归系数表明，客运总量每增加1个标准差，AQI值平均减少0.034个标准差。地铁、绿色能源公交、绿色能源汽车数量与质量的提高，替代了一部分私家车，有效减少了汽车尾气的排放。杨肃昌等[19]认为，城市公共交通因素的发展在东、中部城市空气质量改善方面作用明显，但在西部城市作用不显著，可能的原因是西部城市公交系统不完善。因此，大力发展绿色公交事业，减少私家车数量，对于改善雾霾污染问题有非常积极的作用。

(6)绿化因素对城市空气质量影响不明显。但这无法说明绿化建设对雾霾污染没有任何影响。回归系数表明，绿化覆盖率每增加一个标准差，AQI值平均减少0.037个标准差。绿化植物能够吸附空气中有害粉尘、净化空气。但31省会直辖市的绿化还不能有效抵消雾霾等大气有害物质。有研究[20]表明，地铁开通仅在400～700万人口的城市对空气质量有积极作用，对人口规模更大的城市则无作用甚至起反作用。因此，还是应该继续加强城市绿化建设，提高城市绿化建设水平。值得一提的是，产业结构与绿化因素也是城市水土保持的主要内容[21]。未来随着城市化进程进入后期和终期阶段，人口规模、 城市面积将逐渐趋于稳定，政府可调控幅度较大的因素将是基于技术革新的产业结构和绿化因素。城市水土保持因素对空气质量的影响将越来越显著。

3 结论与建议

3.1 结论

本研究运用可拓展的STIRPAT 模型为分析工具，以31个省会城市(首府、直辖市)数据，深入分析了城市空气质量的社会经济影响因素。研究结果表明：

(1)2013—2017年，AQI年均值总体呈线性下降趋势，月均值总体呈U型曲线且最高值分布于1月和12月。空气质量不理想的城市主要分布于华北(京津冀地区)、华东、华中、西北地区。空气质量接近优的城市包括贵阳、昆明、拉萨、南宁、广州、海口；轻度污染城市包括济南、徐州、太原、西安、郑州、乌鲁木齐、石家庄；其余城市空气质量等级为良。

(2)总体来看，31省市自治区处于环境库兹涅茨倒U型曲线中从前半段向后半段过度的阶段，即财富的增长缓慢引起环境质量的改善阶段。技术与产业结构因素对城市空气质量有显著的影响，其影响可以推论到其他城市。产业因素对雾霾污染具有正向作用，第二产业增加值占比越大，对雾霾污染的影响越大。技术因素并未对空气质量起到促进的作用，说明雾霾污染治理、能源结构优化、汽车尾气净化、节能减排、降尘等相关领域的科技研发成果不足或者并未及时转化到生产生活领域。

(3)人口、财富、交通、绿化等因素对空气质量的影响不显著，但其未来的影响不容忽视。从样本的31个城市来看，城市人口密度越大，城市空气质量越差。而财富、交通、绿化因素对空气质量的提高具有促进作用，这些因素的作用应该得到加强。

3.2 政策建议

(1)从近期看，要治理雾霾等城市大气污染问题，科技发展与产业结构调整必须先行。应持续推进相关技术的研发，提高科研成果的转化力度，依靠技术创新升级来实现社会发展与空气质量提高的双赢。依靠科技优化城市的产业结构，具体从能源结构和生产方式进行优化、发展城市绿色公交体系以减少私家车数量，等等。这也是新时代背景下国家治理体系和治理能力现代化的生动体现。

(2)从长远看，合理控制城市人口密度、继续实行交通限行政策、发展新能源公共交通事业、注重城市土地合理规划与绿化等措施，都会对城市空气质量的改善起到一定的促进作用。

(3)政府、企业与公众各主体联合行动。政府完善法律法规与政策体系，制约工业污染排放行为，鼓励环境友好行为；企业自觉进行技术整改以减少污染排放；居民提高环境保护意识，优化能源消费结构，践行绿色生活方式，在全社会形成公众积极参与雾霾治理的环境友好氛围。