新型城镇化视阈下雾霾污染问题研究——基于面板门槛模型的实证分析

刘怡彤

(山西晋中理工学院，山西 晋中 030600)

1 引言

2013年以来，国内许多城市雾霾污染频繁发生。日益严重的雾霾污染不仅影响人民生活质量，也是经济和社会发展的瓶颈，因此，打破雾霾污染造成的发展瓶颈，已成为全社会关注的焦点。

2 文献回顾

梁伟等[1]通过空气质量指数(AQI)测量雾霾污染，并且使用广义空间三步最小二乘法(GS3SLS)进行全局估计，结果表明，城市化率的上升会使雾霾污染程度下降。刘晨跃等[2]把中介效应法用于检验不同城市化效应对雾霾污染的影响。研究发现，产业城镇化和人口城镇化可以通过相关路径间接影响雾霾污染，土地城市化则对雾霾污染没有具体的影响路径。刘伯龙等[3]使用改进的STIRPAT模型研究城市化对雾霾污染的影响。调查结果显示，每提高1%的城市化水平将使雾霾污染浓度增加0.029%。陈桂秋[4]通过分析雾霾现状及其形成的地理空间，表明城镇化的经济性、人类活动的利己性一定程度上导致了雾霾污染。孙中伟等[5]在对流动人口生活在城市中的意愿进行实证分析的基础上，得出城市空气污染会导致流动人口留下的意愿下降，从而阻碍城市化进程。刘晓红等[6]通过FMOLS回归发现中东部地区的城镇化会加重雾霾污染，而西部地区的城镇化进程会减缓雾霾污染。

综上所述，从现有的研究结论来看，城市化与环境污染的关系尚无定论，这也为本研究提供了空间。现有的大部分研究都集中在城市化与环境污染的关系。而较少有通过构建一个综合性指标来衡量新型城镇化水平，并用此研究新型城镇化发展水平与雾霾污染的关系。并且鲜有采用门槛模型研究新型城镇化对雾霾污染的门槛效应。基于此，本文拟在前人研究的基础上，以2010～2020年的全国15省为研究对象，通过构建新型城镇化综合评价体系，来研究新型城镇化对雾霾污染的门槛效应。

3 模型构建

在新型城镇化对雾霾污染的影响过程中，存在若干个临界点，当相关经济指标跨过这一点时，将导致新型城镇化对雾霾污染产生不同的影响。这个临界点就是门槛值。Hansen的面板门槛模型通过分析不同阶段下门槛变量对核心解释变量的影响，着重研究核心解释变量与被解释变量间的非线性关系，具体的模型表达式如下。

单门槛模型是门槛模型的基本模型，其表示形式如下：

yit=μ+β1zit(qit≤γ)+β2zit(qit>γ)+θXit+μit+eit

(1)

式(1)中i表示的是截面的不同，t代表时期。yit表示的是被解释变量，qit表示的是门槛变量，γ表示的是门槛变量的具体数值，μit表示的是个体效应，eit表示的是随机误差项。其他变量为相关的参数。

双门槛模型的形式如下：

yit=μ+β1zit(qit<γ1)+β2zit(γ1≤qit<γ2)+β3zit(qit≥γ2)+θXit+μit+eit

(2)

式(2)中，γ1、γ2为两个门槛值。其余同上。

为了较全面地反映各省市新型城镇化水平对雾霾污染的影响，本文引入影响雾霾污染的重要因素，包括：人均GDP(AGDP)、人口聚集(people)、工业企业科学技术投入(RD)、能源消费(ec)、产业结构(industry)、能源强度(ei)等，在此基础上，分别讨论不同经济水平、能源强度、新型城镇化水平的情况下，新型城镇化水平对雾霾污染的非线性关系。经过整理，并对原始数据进行对数化处理，得到如下模型：

lnPM=μ+β1lnUrbanit(qit<γ1)+β2lnUrbanit(γ1≤qit<γ2)+β3lnUrbanit(qit≥γ2)+θXit+μit+eit

(3)

4 变量选取与数据来源

4.1 被解释变量

本文使用由哥伦比亚大学社会经济数据和应用中心发布的基于卫星监测的全球PM2.5浓度年均值的栅格数据[7]，并利用ArcGIS软件将其解析为2010～2020年我国15个省年均PM2.5浓度的具体数值。卫星监测数据是地球大气化学模拟模型构建的基础以及大气污染清单编制的基础，能够更准确地反映某一地区的PM2.5浓度及其波动趋势，因此它可以被用来研究雾霾污染问题。

4.2 核心解释变量

根据新型城镇化发展的3个研究原则，即以人为本，生产城市一体化和绿色生态。同时为了使新型城镇化的解释变量更真实准确，本文在参考大量相关文献的基础上主要从经济城镇化、生态城镇化以及社会城镇化3个方面表征新型城镇化水平，构建出如表1所列的新型城镇化综合评价指标体系。本文采用熵值法计算每个指标的权重。熵值法是根据客观原始数据提供的信息量确定每个评估指标的权重，以避免人为因素干扰赋权过程。信息量越大，不确定性越小，熵越小，指标的权重越大[8]。

本文选用熵值法对15个省份的新型城镇化水平进行了测度。具体步骤如下：

(1)原始数据处理。构建雾霾污染较严重的15个省份的新型城镇化水平评价矩阵X=(xij)m×n。为了使各项指标同质化以便各项指标具有可比性，需要对各项指标进行标准化处理。

正向指标：

(4)

式(4)中：(i=1,2,…,m;j=1,2,…,n)

负向指标

(5)

式(5)中：(i=1,2,…,m;j=1,2,…,n)

(2)计算第i个评价指标的熵值ei:

(6)

式(6)中：k=1/lnm;

(3)计算第i项评价指标的权重:

(8)

式(8)中：∂i=1-ei,为第i项评价指标的差异系数。

(4)综合评价数值计算:

(9)

式(9)中：wi是第i项评价指标的权重；vij是标准化处理后的数据。Fi为第i个评价对象最后计算出的综合得分值。

表1 新型城镇化综合指标体系

本文中以 2010年及 2020年的新型城镇化水平为例进行说明，相关数据结果汇总如表2所示。

表2 2010年和2020年国内15个省份的新型城镇化水平结果

由表2的新型城镇化水平综合得分可以看出，2010年15个省份新型城镇化前五依次是江苏、山东、北京、天津以及湖北；同样，2020年 15 个省份新型城镇化前五依次是江苏、山东、北京、天津以及河南。从整体上来看，15个省份的新型城镇化水平都在提升；按照中部、东部、西部3个区域划分来看，东部省份的新型城镇化水平较高，其次是中部地区，西部地区最低。

4.3 控制变量

影响雾霾污染因素是多样的，本文考虑了数据的可得性，同时借鉴前人对雾霾影响因素的研究[9，10]，本文从《中国统计年鉴》《中国环境统计年鉴》《中国城市统计年鉴》等获取到影响雾霾污染的相关指标：能源消费(Ec)、科技研究与发展经费(R&D)、人口聚集(People)、产业结构(Industry)、能源强度(Ei)人均国内生产总值(AGDP)，并将其作为控制变量。

(1)地区经济发展水平(AGDP)：选取人均意义上的地区生产总值进行度量。

(2)产业结构(Industry)：按第二产业产值与地区GDP的比率来衡量。

(3)科技水平( RD )：选取地区规模以上工业企业研究与试验发展经费。

(4)能源强度(Ei)：选取一次能源消耗量与GDP的比重来衡量。

(5)人口聚集(People)：用各地区的人口总数来表示。

(6)能源消费(Ec)：工业能耗水平是影响大气污染的最直接因素，因此，选择化石能源(包括煤、焦炭、柴油、原油、汽油、煤油、和燃料油)作为能耗指标。

本文研究的地域范围为中国雾霾较严重的15个省份，样本区间为2010～ 2020年。具体数据统计见表3。

表3 面板数据的描述性统计

5 实证分析

5.1 实证检验

5.1.1 单位根检验

门槛回归模型要求变量均为平稳变量，因此为避免虚假回归，需要在门槛回归之前对各变量执行单位根检验。本文使用三种方法，分别为Levin,Lin,Chu检验(LLC检验)、Fisher-ADF检验(ADF检验)、Fisher-PP检验(PP检验)。检验结果如表4所示。

表4 单位根检验结果

5.1.2 协整检验

表5的协整检验结果表明，除了Panel v、Panel rho 和Group-rho，其余统计量均在1% 的显著性水平下显著，也就是拒绝原假设，说明该面板模型具有协整关系，并且可以直接执行面板回归。

表5 协整检验结果

5.2 雾霾污染门槛效应检验结果

从表6可以看出，选择不同门槛变量，新型城镇化对雾霾污染的门槛效应不同。当以人均GDP与能源强度作为门槛变量时，门槛变量的单门槛模型和双门槛模型的P值均通过了显著性检验，而三门槛模型的P值未通过显著性检验。说明在经济增长与能源强度的影响下，新型城镇化对雾霾污染的影响发生了二次突变。当以新型城镇化本身作为门槛变量时，门槛变量的单门槛模型的P值通过了显著性检验，而其余都没有通过。研究表明，新型城镇化对雾霾污染的非线性影响在不同因素的影响下存在本质区别。探讨不同因素的影响下新型城镇化与雾霾污染的关系很有意义。在此分析基础上，本文进行面板门槛回归。

表6 门槛效应检验

分析表7、表8可得，当一个地区人均 GDP 小于门槛值 10.5194时，新型城镇化对环境污染的影响系数显著为-0.6475，这表明，当新型城镇化水平每增加 1%时，雾霾污染将降低64.75%；当经济发展水平跨越该门槛值后，新型城镇化对环境污染的影响系数显著为-0.7122，相比跨越前负向作用增强。当人均国内生产总值跨越第二个门槛值后，新型城镇化对环境污染的影响系数显著为-0.9455，负向作用更加增强。通过以上分析，当门槛变量为人均GDP时候，新型城镇化水平对15省雾霾污染具有显著的“双门槛效应”，新型城镇化水平对雾霾污染的缓解程度在逐步增强。这说明随着经济的不断发展，经济城镇化一定程度使得政府有更多的资金可以投入到环境建设与治理当中，同时企业有更多资金去研究开发新技术从而走向绿色发展的道路，这些都促进了生态城镇化的发展。另一方面，经济城镇化的推进使得城镇的医疗教育建设得以完善，提高了人们的生活水平以及国民素质，这些都有利于绿色生态观念的普及，有利于生态城镇化的推进。在经济城镇化、社会城镇化、生态城镇化的合力推进下，雾霾污染缓解程度增强。另一个可能的原因是，在人均GDP较低的情况下，发展经济重点来增加收入的需求使得人们对环境的重视程度较低，而当人们收入达到一定的高度，人们对生存环境提出了更高的要求，从而更注意绿色生态的发展，因此促进了生态城镇化的进程，从而使得雾霾污染更加得到缓解。

表7 门槛估计值

表8 门槛效应分析结果

不同能源强度下，新型城镇化水平对雾霾污染同样也具有明显的双门槛效应，当不可再生能源强度低于1.1010时，新型城镇化水平对PM2.5浓度的影响系数为-2.0295，即城市化水平每增长1%，PM2.5浓度降低2.0295 μg/m3，且在1%水平下显著。当该地区新型城镇化水平跨越该门槛值后，新型城镇化水平对环境污染的影响显著为-1.5981，相比跨越前负向作用减弱。在能源强度跨越第二个门槛1.1238后，负向作用更加减弱。这说明在不可再生能源强度增大的情况下，新型城镇化水平对雾霾污染的削弱作用降低，这是由于不可再生能源利用效率不高导致生态城镇化的进展变得缓慢，由此新型城镇化也发展滞缓，进而使得大气污染严重。

当一个地区新型城镇化小于门槛值 0.2163时，新型城镇化对环境污染的影响系数显著为-2.6859，表示新型城镇化水平每增加 1%，环境污染将改善 26.86%；当该地区新型城镇化跨越该门槛值后，新型城镇化对环境污染的影响显著为-1.7837，相比跨越前负向作用减弱。可能存在的原因是，尽管新型城镇化倡导绿色生态，然而“以人为本”是新型城镇化的核心，为了满足人们的需求，城镇住宅、公共基础设施等大量工程项目都会在城镇化进程中陆续开展，这些工程建设在一定程度上对环境造成了巨大的挑战。

从控制变量可以看出，工业企业技术投资与雾霾污染成反向波动关系，工业企业技术投资有利于能源效率的提高，更有利于充分利用绿色新能源进行生产，从而降低了雾霾污染。人口集聚对雾霾污染有负向影响，这是由于人口集聚有利于充分利用工业设备、基础设施等，从而有利于减少相关工程的建设，进而降低污染。

此外，通过构造似然比函数图，可以更清楚地理解门槛估计值和置信区间的构建过程。如图1～3所示，门槛估计值都至少在 10% 的显著性水平下显著，图中虚线是 95%的置信水平的临近值。

图1 模型1中第一、第二门槛值及置信区间

图2 模型2中第一、第二门槛值及置信区间

图3 模型3中单一门槛值及置信区间

6 讨论与结论

本文以我国雾霾较严重的15个省为研究视角，基于2010～2020年省际面板数据，构建了15省雾霾污染影响因素指标体系，分别以人均GDP、能源强度与新型城镇化水平为门槛变量，构建面板门槛回归模型，讨论新型城镇化水平与雾霾污染的非线性关系，结果表明：①不同因素作用下，新型城镇化水平对雾霾污染的突变表现有所不同。其中，人均GDP作为门槛变量时，新型城镇化在门槛变量跨越门槛值后对雾霾污染的负向作用有所增强。这是由于经济的增长通过技术效应以及基础设施的完善促进了生态城镇化与社会城镇化，这样的新型城镇化有助于缓解雾霾污染；②在能源强度作为门槛变量时，新型城镇化对雾霾污染程度减缓作用降低。这是由于能源强度大意味着能源使用效率的低下，不利于生态城镇化进程，对雾霾污染的缓解程度降低；③在新型城镇化水平作为门槛变量时，新型城镇化本身对雾霾污染存在单门槛效应；④从新型城镇化指标体系来看，我国西部地区的新型城镇化水平明显低于中东部地区，故西部地区应从经济、社会、生态三方面稳固推进新型城镇化建设，以减缓雾霾污染；⑤我国新型城镇化建设规模在逐步扩大过程中，应把更多的关注点放在新型城镇化建设质量的提高上，比如完善城市基础设施、为城镇人口提供更多就业岗位等，以提高人民的生活水平，促进绿色低碳经济的发展。