城市蔓延、私人交通与雾霾污染

2022-04-30王素凤项莹莹

中国环境管理 2022年2期

王素凤，项莹莹

（安徽建筑大学经济与管理学院，安徽合肥 230601）

引言

随着大量的农村人口不断向城市聚集，城市的土地面积不断向外扩展，中国的城镇化进程得到快速推进。相比于人口城镇化的发展速度，土地城镇化的增长速度明显快于人口城镇化的增长速度，导致城市的空间结构不断向城市边界扩张，即城市蔓延[1]。城市蔓延的过程中会产生一些负面影响，比如环境污染、交通拥堵等。根据生态环境部发布的《2020 中国生态环境状况公报》，2020 年全国337 个地级市中有135个城市空气质量超标，主要污染物为PM2.5、PM10、O3等。生态环境部发布的《中国移动源环境管理年报》报告了2019 年中国机动车保有量达到3.48 亿辆，已经连续11 年成为世界机动车产销第一大国。高德地图发布的《2017 年度中国主要城市交通分析报告》称，2017 年中国364 个城市中有26%的城市处于交通拥堵状态，55%的城市交通处于缓行状态，仅有19%的城市不受交通拥堵的影响。机动车排放的汽车尾气是影响城市大气污染的主要来源[2]。面对当前城市发展过程出现的城市蔓延、交通拥堵以及雾霾污染问题，思考雾霾污染与城市蔓延之间存在什么样的关系，雾霾污染与交通拥堵之间存在什么样的关系，雾霾污染与城市蔓延、道路交通这三者之间存在什么样的关系，研究这些问题对于改善城市空气质量、提升城市居民生活幸福感以及推动城市可持续发展具有重要的意义。考虑到行政区域的调整划分以及数据缺失等问题，本文采用中国2009—2018 年280 个地级市的面板数据，分别考察城市蔓延和私人交通对雾霾污染的影响，并以私人交通作为门槛变量，考察城市蔓延对雾霾污染影响的门槛效应。

1 文献综述与研究假设

1.1 城市蔓延与雾霾污染

城市蔓延是城市化进程中土地城镇化大于人口城镇化的一种现象。目前，关于城市蔓延对雾霾污染的影响，国内外学者主要有三种观点：第一种观点认为，城市蔓延加剧了城市的雾霾污染[3]。具体来说，城市蔓延会直接导致农业用地大量减少，大量的建筑用地（工厂、学校、商场、住宅等）不断地侵蚀着农业用地，而建筑用地在建设过程中产生的大量扬尘和烟尘对城市的环境质量产生了消极的影响；与此同时，建设用地的不断增加，工业用地向郊区转移造成第一产业比重的下降，二、三产业比重的增加，相较于第一产业，第二产业对雾霾污染的影响更大；无序的、低密度的城市蔓延不仅会造成城市基础建设的低效率和建设资源的浪费，还会对绿地面积造成破坏[4]，导致城市热岛效应，不利于改善城市的环境质量。范建双和周琳等[5]采用动态空间面板模型研究发现，城市蔓延对雾霾污染的影响具有空间溢出效应，城市蔓延不仅会导致本地雾霾污染的增加也会对邻近地区的雾霾污染产生消极影响。第二种观点认为，城市蔓延可以降低雾霾污染[6]。城市向周边地区蔓延可以缓解城市中心区的压力，比如交通拥堵、人口密度大、环境质量差，相较于城市中心区，郊区的人口密度小，建筑密度低，大气的净化能力强，可以降低排放的污染物浓度；同时，随着城市蔓延水平的提高，城市的空间结构开始发生变化，城市的社会经济文化中心开始逐渐向郊区转移，促进了郊区社会经济的发展，对于改善老城区的空气质量以及提高人民生活幸福感具有重要的积极意义。第三种观点认为，雾霾污染与城市蔓延之间存在非线性关系。邵帅和李欣等研究发现，紧凑集约的城市空间结构有利于显著地降低雾霾污染，而低密度无序扩张的城市发展不利于降低雾霾污染[7]。鉴于上述研究，提出假设1。

假设1：城市蔓延对雾霾污染的影响呈现先负后正的特点，即二者存在U 形曲线关系。

1.2 私人交通与雾霾污染

人口向城市不断集聚，私家车数量的迅速增加，导致城市道路交通通行缓慢甚至导致城市的交通拥堵[8,9]。私家车在城市道路上的行驶速度受到很多因素的影响，比如交叉路口的数量、红绿灯的数量、斑马线、道路宽度[10]、私家车数量等。道路交通处于缓行和拥堵状态下，车辆处于频繁启动的状态，相比于畅通状态下消耗更多的化石燃料，产生更多的汽车尾气[11-13]。随着城市化的发展，由于私家车在时间和空间上的可达性，私家车对于缓解城市中心的交通拥堵程度和促进城市内部区域职住分离具有重要的意义。私家车数量的逐年增加让原本的道路交通基础设施不能满足交通行驶的要求，造成道路交通通行效率的下降，而通过建造城市轨道交通、快速公路等方式可以提高城市的道路交通基础设施利用效率和通行速度。轨道交通、快速公交（Bus Rapid Transit，BRT）等公共交通工具相对于私人交通工具具有一定的转移作用，公共交通工具对于雾霾污染具有抑制作用[14]，因此当公共交通发展到一定水平时，公共交通的转移效应就会产生效果。交通基础设施的不断发展和完善有利于发挥私人交通的环境友好型作用。上述观点认为私人交通对雾霾污染的影响不仅具有负外部性还具有正外部性，据此提出假设2。

假设2：随着私人交通发展水平的提高，雾霾污染的变化趋势呈现出先增后减的倒U 形特点。

1.3 城市蔓延、私人交通与雾霾污染

城市蔓延主要利用土地结构的转变、产业结构的变化以及私人交通方式的改变对雾霾污染产生直接或间接的影响，其中私家车在城市蔓延中起到重要的推动作用。城市蔓延与私人交通之间的关系主要有以下几种观点：第一，私人交通促进城市蔓延。张邓斓等[15]发现私人汽车消费数量的增加会加剧城市蔓延，但是私人汽车消费达到一定程度时，私人汽车消费将减弱对城市蔓延的影响。藏家新等[16]研究认为相比于公共交通对城市蔓延的制约作用，目前私人交通对城市蔓延的推动作用显著增强。第二，城市蔓延会影响私人交通的发展。赵一帆等[17]城市蔓延会促进人们购买私家车的数量。第三，非线性关系。姜竹青等[18]使用空间计量的方法发现城市化水平与私人交通之间存在先上升后下降的倒U 形关系。

一方面，随着土地城镇化大于人口城市化的进程中，当私人交通的负外部性大于正外部性时，此时私人交通因其自身数量的增加导致城市道路交通产生集聚效应即交通拥堵，交通拥堵产生的汽车尾气加剧了城市的雾霾污染程度[19]；另一方面，随着城市不断向周围蔓延，当私人交通的正外部性大于负外部性时，此时私人交通因自身优点的原因可以缩短居住地和工作地的距离，促进城市中心职住分离，降低城市中心的居住密度，缓解拥堵的城市交通，提高道路交通的通行效率，从而改善城市的环境质量，同时可以通过改变汽油的油品质量，减少汽油在消耗过程中产生的污染物，从而发挥私人交通对环境的正外部性作用。城市蔓延作为城市化发展中的一个产物，对雾霾污染的影响是长期存在的，因此，在私人交通的作用下，城市蔓延对雾霾污染的影响是非线性的，进而提出假设3。

假设3：在不同的私人交通发展水平下城市蔓延对雾霾污染的影响可能存在门槛特征。当私人交通未跨过门槛值之前，城市蔓延对雾霾污染的影响具有促进作用；当私人交通跨过门槛值后，城市蔓延的环境效应为正，即城市蔓延对雾霾污染具有抑制效应（图1）。

图1 基于私人交通发展水平下城市蔓延对雾霾污染的影响机制

综上所述，首先，现有文献大多研究城市蔓延、私人交通与雾霾污染两两之间的影响，较少有学者将城市蔓延、私人交通与雾霾污染放在同一个研究框架下，探究私人交通、城市蔓延以及二者的交互项对雾霾污染的影响；其次，目前研究城市蔓延、私人交通对雾霾污染影响的学者选取的研究样本对象多集中在大中城市或者某个区域，缺少选择将数量较多的地级市作为研究对象，因此本文采用中国2009—2018 年280 个地级市的面板数据作为研究样本；最后，考虑到自然因素在雾霾污染的形成扩散中发挥着重要的作用，因此将影响雾霾污染的自然因素作为控制变量纳入研究中。

2 模型设定与数据选取

2.1 模型设定

为了验证假设1 和假设2，本文将城市蔓延和私人交通的二次项纳入计量模型中，分别设定公式（1）、公式（2）：

式中，ln PM2.5it表示城市i在时间t的雾霾污染浓度，单位为μg/m3；ln carit表示第i个城市在时间t的私人交通；sprawlit表示第i个城市在时间t的城市蔓延；Xit表示第i个城市在时间t的一系列控制变量，包括经济发展水平（gdp）、产业结构（indus2）、人均绿地面积（rgre en）、降水量（rain）、日照时长（sunt）和风速（wind）；β0为待估的常数项，公式（1）中β1、β2为待估的半弹性系数，β3为弹性系数，公式（2）中β1、β2、β3为待估的弹性系数；εit为随机误差项。

本文采用Hansen 在1999 年提出的面板门槛模型，探究不同私人交通发展水平下城市蔓延对雾霾污染的影响是否存在门槛效应，构建面板门槛模型公式：

式中，ln carit为门槛变量；γ为门槛估计值，I(·)为指示函数，满足条件取1，不满足取0；εit为随机误差项。

门槛值的估算方法：首先，将门槛变量的所有观测值作为可能的门槛值纳入模型，采用最小二乘法（OLS）进行回归，得到残差平方和，当残差平方和为最小残差平方和即满足=arg minS(γ)时，得到门槛估计值；其次，构造似然比统计量使用Bootstrap 反复抽样得到相应的P值，即当P值为0.01、0.05、0.10 时，门槛值在1%、5%和10%的显著性水平下通过检验；最后，构造似然比检验统计量确定门槛值的置信区间。

2.2 变量选取与来源

2.2.1 被解释变量

被解释变量设定为雾霾污染（PM2.5）。关于城市蔓延对雾霾污染的影响的文献中大多数学者多选取工业废气、工业二氧化硫、工业烟尘以及综合三者的环境污染指数作为衡量雾霾污染的指标，少数学者使用PM2.5浓度数据。借鉴邵帅[20]的做法，本文采用达尔豪斯大学大气成分分析组公布的V4.CH.03 版本的年度PM2.5数据集①网站：http://fizz.phys.dal.ca/～atmos/martin/?page_id=140。，利用ArcGIS 软件将格栅数据转化解析为中国2009—2018 年280 个地级市的PM2.5浓度值。

2.2.2 解释变量

门槛变量：私人交通（car）。将地级市拥有的私家车数量作为衡量私人交通的指标。

核心解释变量：城市蔓延指数（sprawl）。关于测度城市蔓延指数的方法主要有单指标方法和多指标方法，本文主要采用的是单指标方法[17]，即将城市建成区面积增速比率与市辖区人口增速比率之比作为衡量城市蔓延的指标。

公式（4）中，sprawlit表示城市i在时间t的城市蔓延指数；Sit和Si0分别表示城市i在t年和基期的建成区面积；Pit和Pi0分别表示城市i在t年和基期的市辖区人口，本文以2009 年为基期。若sprawl≤1，说明城市未发生蔓延；若sprawl ＞1，表示城市发生蔓延，值越大说明城市蔓延程度越严重。表1 为不同年份城市蔓延排名前8 的城市。

表1 不同年份城市蔓延排名前8的城市

2.2.3 控制变量

经济发展水平（gdp）以城市地区生产总值（2009 年不变价）衡量；产业结构（indus2）采用第二产业占地区生产总值的比重衡量[21]；绿化水平（rgreen）以人均绿地面积衡量；气象变量包括：降雨量（rain）、风速（wind）和日照时长（sunt），这些数据来源于中国气象数据共享网。本文采用的数据主要来源于《2010—2019 中国城市统计年鉴》《中国统计年鉴》以及地级市国民经济和社会发展统计公报，对于缺失值，采用插值法补齐。除了城市蔓延之外，其余变量均取对数。描述性统计如表2 所示。

表2 描述性统计

3 实证结果分析

3.1 面板模型的检验

3.1.1 平稳性检验

因本文采用的数据是面板数据，在进行数据分析之前需要检验面板数据是否存在单位根，从而避免在回归中出现伪回归的现象。检验单位根的方法很多，比如LLC 检验、IPS 检验、HT 检验、Fisher 检验等，本文选择其中的LLC 检验、IPS 检验、ADF 检验作为检验方法。检验结果显示所有变量在三种检验方法下均显著拒绝存在单位根，即数据是平稳的（表3），不存在单位根，可以进行回归分析。

表3 面板单位根检验检验

3.1.2 多重共线性检验

为避免选取的指标间存在多重共线性问题，需要对所有的变量进行多重共线性检验。多重共线性的判断标准为方差膨胀因子即vif 是否大于10，当vif 大于10 则认为指标之间存在多重共线性。表4 检验结果显示所有变量的vif 以及平均vif 皆小于10，因此可以认为选取的指标之间不存在多重共线性问题。

表4 多重共线性检验

3.1.3 个体效应

由于本文选择的研究样本个体是中国280 个地级市，而每个地级市的情况存在差异，F统计量在1%的水平下强烈拒绝混合回归优于固定效应回归，即存在个体固定效应。与此同时采用LSDV（最小二乘虚拟变量估计）进行估计，估计结果显示大部分虚拟变量在1%的水平上拒绝原假设个体虚拟变量的系数为0，即认为拒绝混合回归，存在个体固定效应。

3.1.4 异方差检验

考虑到选取的面板数据为短面板数据（N=280，T=10，N＞T），可能存在异方差问题，因此采用White[22]提出的检验是否存在异方差问题的方法，结果发现P值为0.0000，强烈拒绝不存在异方差的原假设，即存在异方差问题。对此采用聚类稳健标准误法以及Driscoll 等[23]在1998 年提出的方法进行校正（具体见表5、表6、表8、表9）。

表5 城市蔓延的非线性估计

3.1.5 豪斯曼检验

面板数据模型回归需要判断选择哪种效应模型，具体有固定效应模型和随机效应模型。一般情况下采用豪斯曼检验来判断是否选择固定效应模型，但是如果存在异方差问题，传统的豪斯曼检验则无法使用，此时需要对模型进行校正检验，采用稳健的豪斯曼检验（过度识别检验）进行模型的选择。传统的豪斯曼检验结果的P值为0.001，强烈拒绝原假设随机效应是最优的，即认为固定效应模型优于随机效应模型，故选择固定效应模型。稳健的豪斯曼检验的P值为0.0000，强烈拒绝选择随机效应，即选择固定效应模型。传统的豪斯曼检验和稳健的豪斯曼检验均显示固定效应模型最优。

3.2 城市蔓延对雾霾污染的影响

为了验证假设1，城市蔓延对雾霾污染是否存在非线性影响，以及存在什么样的影响，本文将城市蔓延的二次项加入回归，结果发现雾霾污染与城市蔓延之间存在U 形的非线性关系，即城市雾霾污染会随着城市蔓延程度的增加呈现先下降后上升的趋势，刘晓红等[24]运用静态和动态面板模型探究2007—2016年中国273 个地级市的雾霾污染与城市蔓延之间的关系，研究结果认为雾霾污染与城市蔓延之间存在U 形曲线关系，与本文的研究结论一致。进一步探究中国不同区域间雾霾污染与城市蔓延的关系是否存在差异，按照经济发展水平将中国分为东部地区、中部地区和西部地区，分别研究城市蔓延对雾霾污染的影响，研究结果发现东部、中部、西部地区的雾霾污染与城市蔓延之间的关系与全国样本的研究结论是一致的。

3.3 私人交通对雾霾污染的影响

环境库兹涅茨曲线假说认为雾霾污染与经济发展之间存在先上升后下降的倒U 形曲线关系，而私人交通发展水平从侧面反映了一个城市的经济发展程度，故将私人交通的二次项加入回归模型中，探究私人交通对雾霾污染是不是存在非线性影响，以及存在什么样的影响。

从全国样本来看，不论是加入还是未加入控制变量，私人交通的一次项与二次项系数符号均未发生改变，即私人交通的一次项系数为正，二次项系数为负，且均通过1%的显著性水平检验，说明雾霾污染与私人交通之间存在倒U 形曲线关系，即随着私家车数量的增加导致城市的交通拥堵，私家车在拥堵状态下排放的汽车尾气会造成城市雾霾污染程度的增加[25]，然而随着私家车使用的油品质量和发动机燃油效率的不断提高，私家车在行驶过程中排放的汽车尾气对城市的空气质量影响逐渐减少，私人交通将发挥其对环境的正面抑制作用，即私人交通会缓解城市的雾霾污染[26]。东部地区、中部地区以及西部地区雾霾污染与私人交通之间关系的估计结果如表6 所示，总体来说，东、中、西部三大区域的雾霾污染与私人交通之间均存在显著的先升后降的倒U 形关系。具体来说，东部、中部、西部地区的私人交通的一次项回归系数均显著为正，分别为0.8476、0.3428、0.3249，说明雾霾污染会随着私人交通发展水平的提高而加剧，且私人交通对雾霾污染的影响呈现区域边际递减的现象，即对东部区域影响最大，中部区域次之，西部区域最低。

表6 私人交通的非线性估计结果

3.4 城市蔓延和私人交通对雾霾污染的影响

3.4.1 门槛效应检验

在对面板门槛模型进行分析之前，需要判断面板门槛模型是否存在门槛效应，如果存在门槛效应，计算存在的门槛数量以及对应的门槛值。本文以私人交通作为门槛变量，利用Stata15.0 软件采用Bootstrap反复抽样300 次得到单一门槛、双重门槛以及三重门槛的检验结果。如表7 所示，私人交通在1%的水平上通过单一门槛的显著性检验，在5%的显著性水平下通过双重门槛的显著性检验，然而没有通过三重门槛的显著性检验，因此以上检验结果说明私人交通存在双重门槛。私人交通的第一个门槛值为11.6130，对应原始值约为110 525 辆（e11.6130），95%的置信区间为[11.6074,11.6195]，私人交通的第二个门槛值为12.2473，对应的原始值约为208 417 辆（e12.2473），95%的置信区间为[12.2096,12.2536]。对应的似然比函数图LR 见图2。

表7 私人交通的门槛检验结果

图2 私人交通的双重门槛LR图

3.4.2 门槛回归结果分析

门槛回归结果见表8，当私人交通低于第一个门槛值11.6130（e11.6130=110 525 辆）时，城市蔓延对雾霾污染的估计系数为正，说明随着私家车数量的增加，城市蔓延会加剧城市的雾霾污染，这与毛文峰的研究结论一致[27]；当私人交通在第一个门槛值和第二个门槛值12.2473（e12.2473=208 417 辆）之间时，城市蔓延对雾霾污染的影响系数为正，但是未通过显著性检验；当私人交通跨过第二个门槛值时，城市蔓延对雾霾污染的影响系数为负，且通过显著性水平检验，说明随着私人交通发展水平的提升，城市蔓延对雾霾污染具有抑制效应，这与李强等的研究结论一致[28]。可能的原因为当城市的私人交通发展水平较低时，对应城市的经济发展水平也较低，城市不断向外扩展城市的边界，破坏了原有的生态环境，削弱了环境的净化能力，一系列的建筑物和配套基础设施的施工建设造成大量的建筑灰尘和扬尘，恶化了城市的环境质量；随着私家车数量的不断增加即跨过门槛值，城市人口不断向城市集聚，导致城市道路的交通拥堵和环境污染，城市通过不断地向周围蔓延可以缓解城市中心的交通压力，降低城市中心区的人口密度，从而改善了城市的雾霾污染程度。

表8 门槛回归结果估计

进一步分析门槛回归中控制变量对雾霾的影响。经济发展水平对雾霾污染的估计系数显著为负，说明城市经济发展水平的提高有助于降低城市的雾霾污染[29]。产业结构对雾霾污染的影响系数为负，且通过1%的显著性检验，说明产业结构的优化升级对雾霾污染具有缓解作用[30]。人均绿地面积的门槛回归系数未通过显著性检验，说明人均绿地面积对雾霾污染的影响不明显。降雨量和日照时长的门槛回归系数显著为负，风速的回归系数为正，说明降雨量和日照时间的增加可以降低雾霾污染的浓度[31]，而风速的增加可能会促进雾霾污染向周围的扩散，加重了周边地区的雾霾污染程度[32]。

3.4.3 稳健性检验

为了避免设定的模型存在估计偏误，采用面板固定效应模型进行稳健性检验（表9）。具体来说，将私人交通作为虚拟变量与城市蔓延的乘积作为交互项纳入面板固定效应模型中，当私人交通小于门槛值11.6130（e11.6130=110 525 辆）时，其与城市蔓延的交互项用sppc_1 表示。当私人交通在门槛值11.6130（e11.6130=110 525 辆）和12.2473（e12.2473=208 417 辆）之间时，其与城市蔓延的交互项用sppc_2 表示。当私人交通大于门槛值12.2473（e12.2473=208 417 辆）时，其与城市蔓延的交互项用sppc_3 表示。依次加入经济发展水平（ln gdp）、产业结构（ln indus2）、人均绿地面积（ln rgreen）、降水量（ln rain）、日照时长（ln sunt）和风速（ln wind）进行回归，回归结果显示：①在门槛值未达到11.6130 之前时，城市蔓延对雾霾污染的估计系数始终为正，且均通过1%的显著性水平检验，说明城市蔓延每提高1 个单位，就会导致雾霾污染的浓度在4.9%和5.2%之间不同程度的增加，即城市蔓延会加剧雾霾污染；②在门槛值介于11.6130和12.2473 之间时，城市蔓延对雾霾污染的影响具有消极作用，但未通过显著性检验；③在跨过门槛值12.2473 之后，表9 中的第（1）列至第（7）列的城市蔓延对雾霾污染的回归系数均显著为负，城市蔓延每增加1 个单位，雾霾污染就会下降2.6%～2.8%，说明城市蔓延有助于降低城市中心的雾霾污染浓度。上述回归结果与面板门槛回归的结果基本一致，因此说明设定的面板门槛模型是稳健的。

表9 面板固定效应模型的回归结果

4 结论与政策启示

4.1 结论

本文以2009—2018 年中国280 个地级市的面板数据为研究样本，实证分析了城市蔓延、私人交通与雾霾污染之间的非线性关系。进一步以私人交通为门槛变量，考察城市蔓延对雾霾污染影响的门槛特征，得出以下结论：

第一，雾霾污染与城市蔓延之间存在显著的U 形关系，即城市蔓延在发展的初始阶段，城市蔓延的雾霾效应为正，说明城市蔓延会改善城市的环境质量，当城市蔓延发展到一定阶段，城市蔓延会加剧雾霾污染。

第二，雾霾污染与私人交通之间存在显著的倒U形关系。私人交通对雾霾污染的负面作用会随着私家车数量的增加而增加，当私人交通发展到一定程度时，其对雾霾污染的正面作用就会出现。

第三，在不同的私交通发展水平下城市蔓延对雾霾污染的影响存在双重门槛特征。具体来说，当私人交通低于第一个门槛值11.6130（e11.6130=110 525辆）时，城市蔓延加剧了雾霾污染程度；当私人交通的门槛值在11.6130（e11.6130=110 525 辆）与12.2473（e12.2473=208 417 辆）之间时，城市蔓延对雾霾污染的影响为正，即加剧了雾霾污染程度，但是未通过显著性检验；当私人交通跨过门槛值12.2473（e12.2473=208 417 辆），城市蔓延对雾霾污染的正外部性开始产生作用，城市蔓延可以改善城市的空气质量。