交通发展、时空溢出与雾霾污染

盛晓菲

一、引言

近年来，我国城市雾霾污染问题越来越受到公众的关注。在2015年年底的跨区域污染中，雾霾污染面积覆盖到了53万平方公里，京津冀及中原地区的多个城市PM2.5出现爆表现象，北京35个监测站甚至一度出现23个达到了六级严重污染现象。雾霾污染流动性很大，受自然和经济因素的影响，表现出显著的空间溢出性和区域传输特征(梁伟等，2017[1]；向垚和宋德勇，2015[2])。从浙江省金华市环保局组织实施的市区大气环境污染PM2.5解析中可知，金华市区PM2.5来源中扬尘污染占比为20%，其他污染源占比为31%，而区域传输污染则高达49%。因此，深入研究区域间雾霾污染的溢出效应，弄清楚雾霾空间传输的主要影响因素，对于推进雾霾污染的协同治理具有重要的意义。

那么，是什么因素影响了区域间污染的传递或城市间的溢出呢？我们认为城市交通发展及其对区域雾霾污染在时间和空间上的溢出效应可能是重要的影响因素。首先，城市雾霾污染往往会受到上一期污染水平的影响，在时间序列关系上可能会表现出显著的依赖特征；其次，受风速和湿度等自然因素的影响，雾霾污染也往往可能会在地理空间上表现出明显的空间溢出；最后，交通发展作为城市间经济联系和互动的纽带，往往能够在促进区域雾霾污染的时空溢出效应方面发挥重要作用，也可能是城市间雾霾污染的重要传输途径。因此，有必要深入探讨城市交通发展对区域雾霾时空溢出效应的影响，进一步加深对雾霾区域传输效应的理解和讨论。

具体而言，在雾霾污染溢出效应的影响因素中，上一期雾霾污染水平是否会通过时间依赖特征加剧当期雾霾污染状况，表现出时间溢出效应？周边地区的雾霾污染水平整体上是否影响了本地区的雾霾污染，表现出空间溢出效应？道路交通发展作为城市间经济联系的纽带，是否在促进企业和产业经济有序发展的同时造成了严峻的雾霾污染空间溢出状况呢？综合上述问题分析，本文利用2005—2014年274个地级以上城市的气溶胶学厚度(AOD)数据，在充分考虑雾霾的时空溢出特征的基础上，基于双向固定的杜宾模型对我国交通发展、时空溢出及雾霾污染的影响进行研究，探讨溢出效应随地理距离延伸的演变规律，并根据城市区位和规模提出差异性的政策建议。

二、文献综述

伴随着经济快速增长和人民生活水平的提高，汽车保有量和公路运输强度与日俱增，交通拥堵和雾霾污染问题日益凸显。雾霾治理是一项重大的民生工程，同时也是倒逼转变经济发展方式和优化调整产业结构的必经之路。许多学者从交通领域出发对雾霾污染治理问题进行了有益探索，主要表现在以下几个方面：从行政干预直接限制汽车使用的角度来看，李雯娆和李卫东(2015)[3]认为汽车摇号、限制尾号出行等行政干预措施对城市雾霾防治的作用有限，应通过控制机动车保有量、增加公路密度和发展轨道交通等措施解决雾霾持续频发问题。Sun等(2014)[4]通过对北京的车辆限行政策进行分析，同样发现其引致交通尾气排放的缓解效应微乎其微，Davis(2008)[5]和Gallego(2013)[6]也得出了同样的结论。从交通基础设施水平来分析，施震凯(2018)[7]采用贝叶斯模型平均方法估计了交通基础设施对雾霾污染的影响效应，指出交通基础设施存量增长能够有效降低雾霾污染程度。Luo等(2017)[8]认为城市道路基础设施是决定空气污染的关键，并通过实证分析发现城市道路密度与PM10之间呈现负相关关系，增加道路宽度而非长度能够有效地降低城市雾霾污染水平。从交通基础设施对空气污染减缓的作用机制来看，一部分学者认为道路基础设施存量和宽度的增加显著地提高了车辆的行驶速度，车辆良好的机动性有助于减少空气污染水平，而交通拥堵则加剧了污染物的排放量水平(Beevers和Carslaw,2005[9])。而另一部分学者则从轨道交通对路面交通替代效应(Mohring,1972[10]；梁若冰和席鹏辉，2016[11])，交通基础设施存量引致汽车保有量增长的“收入效应”(Cassady,2004[12])，清洁能源汽车和共享单车使用(卢志刚等，2016[13]；李国栋等，2019[14])等角度分析了交通对环境污染影响的差异性传导路径。尽管上述文献针对交通和雾霾问题进行了有益的探讨，但均将研究视角放在区域内交通发展的污染外部性问题中，并未将区域间污染传递因素考虑进来，更未考察交通发展引致不同城市间的雾霾区域传输效应。因此，有必要采取空间计量的方法研究交通发展对雾霾污染的空间溢出效应，这无疑会增强实证结果的稳健性并有助于对雾霾污染区域传输效应进行更加深刻的讨论。

目前，许多文献采用空间计量方法对污染空间溢出效应进行相关讨论，如王卉彤等(2018)[15]基于高德公布的交通拥堵指数，以45个中国城市为研究对象，采用空间截面计量模型对职住平衡、交通拥堵和雾霾污染三者的关系进行了分析，发现交通拥堵调节了职住平衡和雾霾污染之间的关系，研究发现在交通拥堵严重的城市地区，空间职住平衡具有更为显著的雾霾污染减缓效应。罗能生和李建明(2018)[16]在考虑产业空间集群的两种模式，即空间集中与匹配和产业关联模式的基础上，分析了产业集聚及交通联系对雾霾污染空间溢出的影响及边界强度，并针对城市规模给出具体的产业空间布局建议。Du等(2019)[17]从空间溢出的视角，采用空间计量模型分析了京津冀地区城镇化进程对邻近地区城市雾霾污染的空间溢出效应，发现相比于人口城镇化，土地城镇化对雾霾污染具有更为显著的影响效应。Abdo等(2020)[18]采用空间杜宾模型，分析了外商直接投资对于本地区空气污染及其空间溢出的影响效应，从实证上对污染天堂假说进行了论证，并提出减少碳排放和清洁技术生产的政策建议。

综合来看，尽管上述研究采用空间计量方法衡量了雾霾污染的空间溢出效应，但均采用的是静态面板或者静态截面的空间计量方法。一方面，解释变量“内生性”问题带来的偏误不可避免；另一方面，雾霾溢出效应不仅仅表现在地理维度上的空间溢出，更有可能表现为时间序列依赖特征上的溢出效应，缺乏被解释变量滞后项将会产生严重的遗漏变量问题。

在借鉴文献研究经验和不足的基础上，本文利用274个地级城市的气溶胶学厚度(AOD)数据，从交通发展整体水平和交通运输结构两个方面，采用空间计量分析的方法对城市交通发展对区域雾霾时空溢出效应的影响进行研究，主要边际贡献表现如下：第一，现有文献针对交通发展对雾霾污染问题的研究大多是建立在省级单位数据的实证讨论和一般性描述上(黄寿峰，2017[19])，基于地级市层面数据分析交通发展对雾霾空间溢出效应的研究尚不多见(陈诗一和陈登科，2018[20])。本文采取哥伦比亚大学公布的气溶胶厚度数据来衡量雾霾污染水平，该数据以地级市为单位进行统计，衡量范围涵盖了市辖区在内的全市区域所有空间整体的雾霾污染水平，且主要关注的是人为因素导致的雾霾污染问题，具有较高的可信度。第二，不同于以往文献将视角放在区域内交通发展的污染外部性，本文基于STIRPAT模型和EKC曲线构建了动态空间杜宾模型并采用极大似然估计(MLE)，在同时考虑雾霾污染空间溢出效应和时间溢出效应的基础上，系统分析了雾霾污染时空演变规律及交通发展对雾霾时空溢出的影响。第三，深入地考察了交通发展投入和产出两个方面对雾霾污染空间溢出效应随地理距离增长的演变特征，试图为开展区域联防联控，协同解决雾霾污染问题提出有益参考。第四，探索了异质性城市规模和区位下雾霾时空溢出的不同表现及交通发展对雾霾空间溢出的差异化影响。

三、变量选择、数据来源和权重设计

Dietz和Rosa(1997)[21]在对IPAT模型进行扩展的基础上提出了环境影响的随机模型(STIRPAT模型)，认为人口数量、人均收入和科学技术水平是影响环境污染的主要因素。初始的STIRPAT模型公式被设定如下：

(1)

其中，I表示污染水平，a为常系数项，P是人口数量，A是人均财富水平，T为科学技术发展水平，e为随机产生的误差项。为了更好地解释交通发展、空间溢出与雾霾污染之间的关系,我们对模型(1)进行对数变形，并对等式右边的变量进行扩展。其中，等式左边的I表示为雾霾污染浓度数值，等式右边为相关核心解释变量和控制变量，进行处理以后的等式为：

lnPMit=ηlN+α1lnTR+α2lnpgdp+α3sqpgdp

+α4trpgdp+α5lnpden+α6lnind

+α7lnfdi+α8lnurban+α9lnRD+εit

(2)

其中，ηlN为常数项系数和常数项的乘积，α1～α9为解释变量的回归系数，被解释变量、核心解释变量和控制变量的具体选用说明如下：

被解释变量：雾霾污染浓度(lnPM)。中国测算雾霾污染水平数据的时间开始得较晚，相关历史数据缺失严重。本文数据来源于美国哥伦比亚大学社会经济数据和应用中心(SEDAC)(Van Donkelaar等，2018[22])，其主要关注人为因素导致的雾霾污染问题，并且在地域范围上采取了较为广阔面积的研究(省份或城市)，单位为微克/立方米。

核心解释变量：交通发展(lnTR)。与铁路、水运和航空等运输方式相比，公路交通的发展与雾霾污染之间的关系更为紧密。考虑到城市层面数据的可得性，在参考相关文献的基础上，笔者决定从投入和产出两个方面对交通发展整体情况进行衡量。在投入方面，采用单位行政区域面积的公路里程数来反映道路交通基础设施投入建设情况(lnTR1)；在产出方面，采用单位公路里程的货运量(lnTR2)和单位公路里程的客运量(lnTR3)两个指标来反映道路交通运输产出状况。

此外，我们还控制了人均GDP及其二次项和三次项、人口密度、产业结构、研发投入、城市化水平和外商直接投资等相关变量，数据主要来源于《中国城市经济统计年鉴》。另外，本文构建了基于距离的空间相关性权重矩阵W1，该距离矩阵满足：当i≠j时，Wij=1/dij；当i=j时，Wij=0。其中，dij表示城市i和城市j之间的地理空间距离。

四、空间相关性及经验分析

(一)地级城市雾霾污染空间相关性检验

在应用空间计量模型之前，需要首先对相关变量进行空间相关性的检验。如果空间相关性较弱，甚至不存在相关性，则使用标准的计量回归分析即可。为本文基于距离的空间相关性权重矩阵W1，采用全局Moran’ I指数对地级市雾霾污染状况进行统计显著性检验，具体的计算公式如下：

(3)

(二)交通发展投入、空间溢出与雾霾污染的计量模型构建和结果分析

针对交通发展投入对雾霾时空溢出效应的影响分析，本文首先构建如下通用一般嵌套空间计量模型(GNS)：

(4)

其中，uit～N(0,σ2In)，ai、γt分别表示地区固定效应、时间固定效应；Wij为设定的权重矩阵；X为包含交通发展情况在内的解释变量。

其次，参考Elhorst(2014)[23]对空间计量模型的检验思路，我们采用“从具体到一般”和“从一般到具体”两个步骤来准确识别合适的空间计量模型，具体检验过程及结果如表1所示。

表1 空间面板模型的适用性检验

第一，由于本文选取的是274个地级以上城市10年的面板数据，时间固定效应和空间固定效应在控制城市单位异质性和不同年份政策差异性方面的作用尤其值得关注，因此双向时间和空间固定效应是最优的选择。进一步地，表1中豪斯曼统计量也在1%的显著性水平上拒绝随机效应的原假设，因此我们更应该选择固定效应模型。同时联合显著性检验结果中，时间效应和固定效应的LR统计量分别在1%和5%的显著性水平上拒绝原假设(2)原假设为不存在时间固定效应或空间固定效应。，表明时间固定效应和空间固定效应同时存在。因此，在实证分析中，我们同时纳入两者进行分析。

第二，按照“从具体到一般”的空间计量模型检验步骤，我们以双向固定效应的LM-lag检验和R-LM-lag检验结果来判断空间滞后效应和空间误差效应的原假设，发现两者均至少在5%的显著性水平上表明数据模型中应该包括空间滞后项和空间误差项。在两者均无法拒绝的情况下，LeSage和Pace(2009)[24]建议进一步考虑杜宾模型(SDM)，通过“从一般到具体”的统计检验步骤来最终确定所用模型。

借鉴曾艺等(2019)[25]的具体研究步骤：进一步检验原假设H0∶θ=0和H0∶θ=-δβ，第一个原假设用来判断空间杜宾模型能否化简为空间滞后模型，而第二个原假设用来验证空间杜宾模型能否化简为空间误差模型。如果拒绝了第一个原假设，同时稳健的LM检验也指向空间滞后模型，则空间滞后为最优模型；如果拒绝了第二个原假设，同时稳健的LM检验也指向空间滞后模型，则空间滞后是最优的模型选择；如果都被拒绝，则选择空间杜宾模型，这是因为杜宾模型能够把空间滞后模型(SAR)和空间误差模型(SEM)都包括进来进行一般化处理。从表1的最终检验结果来分析，由于LR检验和Wald检验的P值均至少在5%的显著性水平上拒绝原假设，故应该选用空间杜宾模型来进行数据的拟合分析。

此外，考虑到同一空间单位不同时间的雾霾观测值之间存在的序列依赖，本文进一步采用动态的空间杜宾模型来进行数据拟合，具体公式为：

lnPMit=ηlN+τlnPMit-1+δWijlnPMi,t

+α1lnTR1+∑βXit+θWlnTR1

+ai+γt+vit

(5)

其中，lnPMit-1为被解释变量的时间滞后项，参数τ为被解释变量时间滞后项的响应系数。为了比较和检验各参数变量的稳健性，回归结果中分别罗列出了双向固定效应的空间SEM和动态SAR的回归结果。同时，由于SAR和SDM模型中雾霾污染的空间滞后项为内生变量，且SEM模型中包括了误差项的空间滞后项，为了获得一致性的估计结果，我们采用极大似然估计(MLE)函数进行估计。结果报告在表2中(3)动态空间面板回归估计仅适应于SAR和SDM模型，故我们对SEM模型采用非动态的空间面板进行拟合。同时，限于篇幅，控制变量的回归结果未罗列在表格中，备索。。

表2 交通发展投入对雾霾污染时空溢出效应的回归分析

从表2交通发展投入对雾霾污染时空溢出效应的回归分析模型来看：

(1)不同模型中雾霾时空溢出效应的比较分析。首先，相对于空间SEM模型来说，不管是动态SAR模型还是动态的SDM模型，雾霾污染时间滞后项和空间滞后项的系数拟合值(lnPMt-1和W×lnpm)均显著为正，这说明城市雾霾污染具有显著正向空间溢出效应和时间依赖特征，在地理空间和时空演变中均表现出显著相关性。因此，未能考虑时间和空间溢出效应的空间SEM模型并不是最优的模型选择。其次，在动态SAR模型和动态SDM模型中，各解释变量和空间滞后项在符号和显著性水平上基本保持一致，这说明在两个模型中采用极大似然函数估计均能够较好地拟合数据结果。此外，进一步通过对比SAR模型和SDM模型中内生交互效应W×lnpm的系数估计值发现，SDM模型的估计结果要明显小于SAR模型，这说明忽视不同城市单位之间交通发展这一解释变量的外生交互效应(W×lnTR)将会导致内生空间交互效应(W×lnpm)的高估，并最终影响变量的拟合结果。通过模型检验设定和上述比较，我们最终采用动态SDM模型的回归结果进行分析。

(2)交通发展投入对雾霾污染的影响及空间溢出效应分析。核心解释变量交通发展投入(lnTR1)和外生交互效应(W×lnTR1)的系数估计值均在1%的显著性水平上显著为负，这表明交通发展不仅有效地降低了本地地区的雾霾污染，且通过空间溢出效应显著负向地影响着周围地区。整体上，我国城市公路交通发展水平的提高不仅能够促进区域经济的发展，更能够降低雾霾的空间溢出效应，公路交通基础设施存量的提高和公路密度的上升均有利于降低雾霾污染，并在一定程度上缓解了雾霾的空间溢出效应。在现实生活中，交通尾气排放虽然是雾霾污染的直接污染源，但是交通基础设施的发展能够有效降低交通拥堵、减少汽车等交通工具的在途时间，单位行政区域面积内的公路里程数的增长能够有效地降低本地城市和周围地区的雾霾污染水平。

(三)交通发展产出、空间溢出与雾霾污染的结果分析

针对交通发展产出对雾霾时空溢出效应的影响分析，在计量模型设定之前同样按照从“具体到一般”和从“一般到具体”的检验思路确定最终合适的模型设定形式，结果发现同样需要构建双向固定的杜宾模型。同时根据上文中空间SEM、动态SAR和动态SDM三种模型的比较分析可以知道，针对雾霾在时间和空间上表现出的溢出效应，动态SDM模型能够较好地拟合数据结果，因此我们最终仍然选用动态的双向空间杜宾模型进行回归拟合。回归结果呈现在表3中。

从表3交通发展产出对雾霾污染时空溢出效应的回归分析模型来看：第一，在两种交通发展产出模型中，与前文结果一致，雾霾污染表现出明显的时空溢出特征。第二，单位公路里程的货运量和客运量的空间溢出效应系数估计值(W×lnTR2和W×lnTR3)大小和Z值均相差不大，两者均产生了显著的正向空间溢出效应。这一回归结果表明，与交通发展投入不同，交通发展产出对雾霾空间溢出效应产生了显著的正向促进作用。一方面，中国当前公路交通主要以机动车尾气排放、扬尘及光化学污染三种途径对雾霾溢出产生影响，区域间的货运量和客运量均不可避免地增加机动车使用量和使用强度，两者均可以造成严重的雾霾溢出效应。另一方面，由于道路交通具有短途运输便利性、经济性等方面的特征，相比其他几种交通运输方式，道路交通得以优先发展，并在一定程度上造成了综合交通运输网络结构的失衡现象，过度依赖公路交通运输的交通结构更容易引致交通运输强度的提高，从而能产生雾霾空间溢出的外部性现象。

表3 交通发展产出对雾霾污染时空溢出效应的回归分析

五、交通发展对雾霾溢出效应的空间距离检验

为了更为深入地考察交通发展对雾霾污染空间溢出效应如何随地理空间距离的变化而变化，本文同样基于双向固定的空间杜宾模型(SDM)，在调整空间权重矩阵的基础上，每隔500公里的距离进行一次数据拟合，一直持续到3 000公里，从而测算出不同空间距离范围内交通发展对雾霾污染区域溢出效应的系数估计值。考虑到超过距离阈值3 000公里以后，权重矩阵中存留的城市空间单位较少，而且空间外溢系数估计值由于受异常值影响，整体上会表现出较多的噪声，因此我们仅采用3 000公里之内的样本进行数据拟合。相应的回归结果报告在表4中。

表4 不同地理距离的交通发展对雾霾污染溢出效应的空间估计结果

从表4的空间距离检验结果来分析：

(1)在0～500公里范围内，被解释变量时间滞后项(lnPMt-1)、内生交互效应(W×lnPM)和外生交互效应(W×lnTR1、W×lnTR2、W×lnTR3)的系数估计值及z统计量均较小，表明雾霾污染正向时空溢出效应及交通发展对雾霾污染的负向空间溢出均较弱。可能的解释是，短距离内的空间溢出受地级市之间市场分割和行政划分的影响较大，城市之间在资源和环境方面的激烈竞争并不能充分发挥交通发展对雾霾污染的空间溢出效应，相对应的雾霾污染的时空溢出也较小。

(2)在500～2 000公里范围内，雾霾污染的时空溢出效应和交通发展对雾霾的空间溢出均不断增强且达到峰值。被解释变量时间滞后项(lnPMt-1)的系数估计值由0.788增加到了1.25，相应z统计量也由37.38增长到了59.68；内生交互效应(W×lnPM)的系数估计值由0.29增至8.07，z值由7.42增长到163.87；外生交互效应(W× lnTR)的系数估计值的绝对值和z统计量绝对数值也均产生明显变化。一方面，时空溢出效应的不断增强表示各个省份单位之间可能存在严重的“搭便车”现象。当前各省份以GDP为导向的政府绩效机制将导致资源扭曲配置现象，为吸引新企业和扩大就业而设立的宽松环境政策将导致地区间环境规制方面的“竞次”竞争，加剧雾霾污染的时空溢出效应。另一方面，外生交互效应的不断增强表明交通投入的快速发展不仅能够在一定程度上解决各省份间的资源配置问题，同时能够在减缓交通拥堵和促进产业结构升级方面发挥最大作用，降低雾霾污染水平。但交通运输强度的不断提升，又通过加大机动车尾气排放、道路扬尘和光化学污染等途径产生了雾霾正向溢出效应。

(3)在2 000～3 000公里范围内，雾霾污染的时空溢出效应及交通发展对雾霾的空间溢出效应均开始大幅度地减弱，系数估计值较小，z统计量的绝对数值也明显降低。较远的地理距离将影响雾霾污染的扩散效应和时间依赖特征。由此可知，交通发展投入对雾霾污染的空间溢出效应呈现出“U型”的曲线特征，而交通发展产出对雾霾空间溢出及雾霾污染自身的时空溢出效应随着距离增加存在“倒U型”曲线特征。两者系数的最大绝对数值均出现在500～1 500公里距离之间。

六、分样本估计及回归结果

为了考察异质性城市规模和区位下交通发展对雾霾空间溢出的差异化影响，本文按照城市的人口规模大小将样本细分为大城市、中等城市和小城市三个组别，并按城市所在区位细分为东、中和西三个样本进行计量回归分析。回归结果报告在表5中。

表5 异质性城市规模和区位下交通发展对雾霾溢出效应的空间估计结果

从表5中罗列出的分样本回归结果来看，被解释变量时间滞后项(lnPMt-1)、内生交互效应(W×lnPM)和外生交互效应(W×lnTR1、W×lnTR2、W×lnTR3)的系数估计值及z统计量均保持稳健的显著性水平和符号特征，但在不同规模和区位的城市之间表现出差异性。

(1)交通发展对雾霾污染空间溢出效应的分样本分析。交通发展投入和产出对雾霾污染的空间溢出效应在不同城市规模和东西部地区保持稳健的影响关系，但影响强弱表现出差异性。具体而言，交通发展对大城市和东部地区的空间溢出效应显著高于中小城市和中西部地区。可能的解释是大城市和东部地区较高的经济发展水平和产业集聚程度引致了过多的交通运输压力，当前我国以公路为主的交通运输结构和交通拥堵问题对雾霾溢出效应贡献比重较大，因此交通运输产出对雾霾空间溢出效应产生更为显著的促进作用。相对应地，积极推进交通发展投入对于解决大城市和东部地区的雾霾溢出达成了更为针对有效的减排目的。

(2)雾霾污染的时空溢出效应的分样本分析。由于雾霾污染的时空溢出效应的回归结果在交通发展投入和交通发展产出中均保持稳健性，我们以交通发展投入为例进行解释分析。从交通发展投入的回归结果来看，首先，前一期雾霾污染水平(lnPMt-1)每增长1%，当期大城市雾霾污染水平将上升2.68%，显著高于中等城市的0.77%和小城市的0.90%；同时，当期东部地区雾霾污染水平将上升1.43%，显著地高于中部和西部地区的0.68%和0.66%。这说明东部地区和规模较大的城市地区雾霾污染的时间依赖特征较强，前一期雾霾污染水平会显著影响当前的污染值。可能的解释是大城市和东部地区产业集聚程度较高，产业空间布局、能源利用结构等影响雾霾污染的因素在短时间内调整较为困难，从而时间依赖特征相对于小城市来说更为明显，这也提醒规模较大城市的地方政府在治理雾霾过程中要做长远打算，做好打长期攻坚战的准备。其次，周围城市雾霾污染水平(W×lnPM)每增长1%，大城市地区雾霾污染将提高13.56%，而东部地区雾霾污染水平将提高3.22%，两者均显著高于中小城市或中西部地区。这说明产业集聚水平高的大城市和东部地区不仅容易发生正向的雾霾时间溢出效应，而且雾霾污染的正向空间溢出效应也同样显著。这一结论提醒我们：大城市和东部地区雾霾的跨地区污染现象已较为普遍，各级地方政府应该统一进行政策部署，破除地方性的保护主义，建立跨区域联合优化机制，合理安排产业空间布局，协同治理雾霾污染的空间溢出效应。

七、交通结构对雾霾污染空间溢出效应影响的进一步讨论

从上述回归分析中，我们发现交通发展整体水平有效地降低了雾霾污染的空间溢出效应，那么交通运输结构是如何影响雾霾溢出现象呢？在整体交通发展进程中，交通规模的提升是基础，交通结构的合理运营是提质增效的保障，如何发挥交通这一基础要素在促进城市经济发展的同时降低其对自然环境的负外部性影响，交通运输结构起到尤为关键的作用。因此，为了更加深入地考察交通运输结构对雾霾污染空间溢出效应的影响，我们从综合交通运输结构和公路交通出行结构两个方面进行考察，分析其对雾霾污染区域空间溢出效应的差异性影响和内在动因，力求为优化交通运输结构提供一定政策参考。具体指标选用说明、数据来源如表6所示，空间溢出效应回归分析结果如表7所示。

表6 交通结构指标相关说明

表7 交通结构对雾霾污染空间溢出效应回归结果

从表7的回归结果中可以发现：从综合交通运输结构来看，公路货运量占总货运量比值TS1和公路客运量占总客运量比值TS2的空间系数估计值均在1%的水平上显著地促进了雾霾污染的空间溢出效应。当前，由于道路交通具有短途运输便利性、经济性等方面的特征，相比其他几种交通运输方式，道路交通得以优先发展，并在一定程度上造成了综合交通运输网络结构的失衡现象。本文的回归结果显示，我国当前综合交通运输结构无论在公路客运占比还是公路货运占比两个方面均产生了雾霾污染的环境负外部性现象，过度依赖公路交通运输的交通结构更容易引致雾霾污染外部性现象。而从公路交通出行结构来看，人均公共汽车占有量每提高1%，则雾霾污染的空间溢出将降低0.14%。随着汽车保有量的增加，交通拥堵和雾霾污染问题越发严重，但随着共享经济的发展，以公共汽车、共享单车、共享电动车为代表的新型交通模式能够有效地降低交通污染排放的负外部性，本文回归结果显示公共汽车的使用能够有效地降低雾霾污染的空间溢出效应。

八、结论与政策建议

立足于当前交通拥堵和雾霾污染的社会现实，本文利用2005—2014年274个地级城市的气溶胶学厚度(AOD)雾霾数据，通过构建双向固定的动态空间杜宾模型，对我国雾霾污染的时空溢出及交通发展对雾霾区域溢出效应进行了研究。结果显示：雾霾污染在时间和空间两个方面均具有强烈的溢出效应，并且忽视不同城市单位解释变量的外生交互效应将会导致雾霾内生空间交互效应的高估，动态的空间杜宾模型不仅考虑了雾霾污染的时空溢出效应，更在分析解释变量外生交互效应的基础上对内生交互效应进行数据拟合，能够有效地规避遗漏变量问题带来的偏误。交通发展整体上不仅有效地降低了本地地区的雾霾污染，且通过空间溢出效应显著负向地影响着周围地区。雾霾污染的时空溢出效应随着距离增加存在“倒U型”曲线特征，而交通发展对雾霾污染的空间溢出效应则呈现出“U型”的曲线特征，但两者系数的最大绝对数值均出现在500～1 500公里距离之间。此外，在东部城市和大城市中，雾霾污染的时空溢出和交通发展对雾霾的空间溢出均表现得更为显著。

本文的政策启示为：首先，交通发展作为城市间经济联系和互动的纽带，虽然交通尾气排放是雾霾污染的主要来源之一，但是公路交通基础设施存量的提高和公路密度的上升均有利于降低雾霾污染，并有效地缓解了雾霾空间溢出效应。针对城市交通路网结构的特点，加强道路基础设施建设，适当地增加公路密度而非增加宽度可有效改善雾霾污染情况。其次，雾霾污染的时空溢出和交通发展对雾霾空间溢出具有明显的增强和衰弱特征，跨界污染现象已较为普遍。各地级政府应该统一进行政策部署，破除地方性的保护主义，建立跨区域联合优化机制，协同治理雾霾污染的区域传输效应，同时在开展区域联合治理雾霾污染的区间应该重点掌控在1 000～1 500公里距离之间，这是交通发展引致雾霾污染传输效应的主要区域。再次，大城市和东部地区由于产业集聚模式、城市空间布局、产业结构和能源利用结构等方面原因，雾霾污染的溢出效应具有较强的时空依赖特征，应该做好针对雾霾污染治理长期攻坚战的准备。最后，在大力促进交通发展水平的同时，合理优化交通运输结构，充分发挥轨道交通对道路交通，公共汽车对私家车的替代作用，有效控制汽车保有量水平，改变当前交通运输结构失衡现象才能够从根本上解决交通污染外部性问题。此外，各地方政府还应积极有效地促进产业结构优化升级、合理引进外资和技术研发投入的分配比例，最终实现促进经济发展和环境保护的统一。