基于空间计量模型的安徽省雾霾污染研究

周瀚醇，张 颖

（安徽工商职业学院经济贸易学院，合肥 231141）

引言

党的十九大报告指出：“要坚决打好防范化解重大风险、精准脱贫、污染防治的攻坚战”，能否打赢“污染防治攻坚战”尤其是“蓝天保卫战”，已然成为人民群众是否能拥有“获得感、幸福感、安全感”的重要路径之一。雾霾是特定气候条件下与人类活动相互作用的结果。作为雾霾中的核心污染物，PM2.5直径小、吸附性强、易携带毒害物质侵入人体心肺器官，会对人体健康及大气环境造成不可逆转的侵害。

据《2019 年中国生态环境状况公报》[1]显示，全国168 个地级市的PM2.5平均浓度为44 微克/立方米，略低于安徽省46 微克/立方米的数值。另据第四次全国经济普查数据统计，2019 年安徽省经济生产总值已位列全国第11 位，为历史最好记录。可见安徽省经济在取得快速发展成就的同时，雾霾污染已成为不容忽视的环境问题和民生问题。

雾霾虽然被普遍认为是由污染物和气象条件共同决定，但经过对现有文献的梳理发现，众多学者在分析其产生原因时，更广泛地将视角聚焦到了雾霾的形成机制、传输路径、影响因素尤其是社会经济因素方面。从研究角度看，能源结构与能源消费[2-4]、城市交通[5，6]、城市化推进[7-9]、FDI 外资的进入[10，11]、环境规制[12，13]等因素均对雾霾的形成有不同程度影响；从研究地域看，多以全国范围[14-17]、长三角地区[18]、长江中游城市群[19]、北方地区[20]、省域范围[21]为研究尺度进行分析。综合而言，鲜有文献考虑人口规模、城市绿化水平对雾霾形成机制的影响；另外对于在地区经济发展过程中，经济增长水平是否与雾霾污染呈现“倒U 型”结构也较少提及。

基于此，文章以2018 年安徽省PM2.5为研究目标，采集16 个地级市的相关数据，首先对安徽省雾霾污染的空间分布特征进行可视化描述，然后对该省雾霾污染是否存在空间相关性进行检验，最后，构建空间计量回归模型，探究经济发展水平等六项社会经济因素对安徽省雾霾污染的影响，并进一步考察安徽省经济发展和雾霾污染间是否符合“环境库兹涅茨曲线”。

一、研究设计

（一）空间计量分析概述

1.全局空间自相关分析

根据地理学第一定律，任何事物都存在空间相关性，距离越近的事物空间相关性越大。通常采用全局Moran′s I 统计量，它能反映整个研究区域内，各个地域单元与邻近地域单元之间的相似性。其计算公式为：

2.局部空间自相关分析

局部空间自相关用以解释局部地区是否存在变量集聚现象。通常采用LISA 图和局部Moran′s I 指数对研究变量进行局部自相关性的检验，其计算公式为：

正的Ii表示一个高值被高值所包围（高-高）或一个低值被低值所包围（低-低），负的Ii表示一个低值被高值所包围（低-高）或者一个高值被低值所包围（高-低）。

3.空间回归模型

在研究变量间的影响关系时，变量往往存在空间依赖性，故而违背了经典最小二乘法的前提条件，所以需要建立空间计量回归模型对数据进行处理。针对截面数据，目前常见的空间计量模型包括空间误差模型和空间滞后模型。

（1）空间误差模型（Spatial Error Model，SEM），通过误差项的空间自相关设置把空间依赖效应反映出来，即在误差项中包含引起自变量出现空间相关的因素。其模型设定如下：

其中，W 是空间权重矩阵，μ 为误差项，λ 是误差项的空间回归系数，若该系数显著则说明误差项之间存在空间自相关；在本研究中，λWμ 体现为其他城市解释变量对本地区雾霾污染的空间溢出程度。

（2）空间滞后模型（Spatial Error Model，SEM），通过加入因变量的空间自相关设置来解决空间依赖性问题，即在模型中加入因变量的空间滞后项。其模型设定如下：

其中，W 是空间权重矩阵，ρ 表示相邻地区因变量的观测值对本地区因变量观测值的影响程度，若系数显著则说明空间相关性显著；在本研究中，ρWy 体现为其他城市雾霾污染对本地区雾霾污染的空间溢出效应；（3）、（5）两式中X 为自变量矩阵，ε 为服从N（0，σ2In）的随机误差项。

（二）变量说明与数据来源

1.被解释变量

PM2.5也称为可入肺颗粒物，其单位为微克/立方米，是“环境空气质量标准”的重要监测指标。虽然在地球大气成分中含量占比很少，但对空气质量及空气能见度有着巨大影响，对人体健康和大气环境质量的危害则更大。按照世界卫生组织WHO 发布的《空气质量准则》，该值年均浓度不超过10 微克/立方米，而我国目前采用的浓度限值最低标准为年均不超过35 微克/立方米[22]。

文章根据安徽省生态环境厅发布的城市空气质量日报、环境质量月报，选取安徽省16 个地级市2018 年的月均PM2.5浓度数据做为研究对象，并将观测数据整合为季度、年度数据，分析雾霾污染的空间分布特征。

2.解释变量和其他控制变量

学者一般认为[21]，雾霾污染与产业结构紧密相关。安徽省淮南、淮北两市盛产煤矿，铜陵又为“铜都”，马鞍山兴钢铁，第二产业比重较高且多为“高污染、高能耗、高成本”制造业，这是导致安徽省雾霾污染严重的主要原因。此外，随着城镇化水平的加快、城市化的建设与推进，城镇生产、生活产生的“三废”污染物不断增多，也会加剧雾霾的严重[7-9]。

基于此，文章选取经济发展水平、产业结构、人口规模、城镇化水平作为解释变量。考虑到园林绿化能调节气候、净化空气、减弱噪音；汽车尾气排放的SO2，NOx 也是造成雾霾污染的重要来源之一，故同时选取城市绿化水平、交通拥堵作为控制变量。

由于存在“环境库兹涅茨曲线（EKC）”，即Panayoutou（1993）[23]认为“环境质量与人均收入间存在倒U 型关系”，为了检验安徽省经济增长与环境质量间是否符合EKC 假说，研究也加入了人均GDP 水平的二次项。

具体变量选取与指标说明见表1。

3.数据来源与数据处理说明

全文数据来源于安徽省生态环境厅及2018 年《安徽省统计年鉴》，数据处理采用ArcGis10.2，GeoDa，Matlab2013b 等软件。

（三）模型设定

文章将首先构建安徽省雾霾污染影响因素的经典空间计量模型见式（6），再根据判别法则判断适用空间滞后模型见式（7）还是空间误差式模型见式（8）。

式中：i 代表第i 个地区，包含全省16 个地级市；PM2.5为被解释变量；Xi为表1 中各解释变量；ρ 为被解释变量空间滞后项的回归系数，λ 为空间误差系数，W 为空间权重矩阵；α0为常数项；α1为各解释变量的回归系数；ε 为随机误差项。为消除异方差影响，所有变量均取对数值。

二、安徽省雾霾污染的空间分布特征

（一）安徽省雾霾污染空间分布的季节特征

雾霾污染通常季节性变化突出，按四季的传统划分，即春季（3 月-5 月）、夏季（6 月-8 月）、秋季（9 月-11月）和冬季（12 月-次年2 月），文章采集了2018 年3 月—2019 年2 月安徽省16 个地级市的PM2.5数据作为衡量雾霾污染的指标，将各月数据取平均值后作为某季节的PM2.5平均浓度值，其分布四分位图如图1 所示，各季节PM2.5浓度值的描述性统计见表2。

图1 安徽省2018 年雾霾污染的空间分布季节特征

从图1 和表2 可以看出，第一，安徽省雾霾污染季节性变化明显：夏季雾霾污染程度最轻，其PM2.5值波动范围为28-35，符合我国空气质量标准，各地级市间差异也最小；春季次之；秋季雾霾污染开始分化，直至冬季雾霾污染达到一年之中最重。第二，安徽省雾霾污染程度按照“淮河以北、江淮之间、长江以南”的地域分布，呈递减趋势：占安徽省三分之一国土面积的皖北六市，除夏季空气质量稍好以外，其他季节均占据了“雾霾排行榜”前列。第三，地处江淮之间的皖中地区则在冬季时候雾霾污染最重，而长江以南地区全年大部分时间PM2.5值均不超过40。

表2 安徽省2018 年季节性PM2.5 值的描述性统计

（二）安徽省雾霾污染的空间自相关性分析

通过前述图1 对安徽省雾霾污染分季节可视化研究可知，该省雾霾污染覆盖面积较广、重污染地区分布集中。因此文章构建“车相邻”（Rook Contiguity）空间权重矩阵，得到2018 年安徽省PM2.5浓度值的全局MORAN’s I 值，该值统计描述如表3 所示，它为正值并通过了1%显著水平的检验；结合图2（a），发现PM2.5的大部分散点落入第一、三象限，说明该年度雾霾污染存在显著的空间正相关性。

图2 安徽省2018 年PM2.5 的MORAN 散点图及局部集聚LISA 图

表3 安徽省2018 年PM2.5 值的全局MORAN’s I 统计值

图2（b）即PM2.5浓度值的局部LISA 图则展示了安徽省地级市间雾霾污染的聚集情况。2018 年安徽省雾霾污染的高—高聚集地区主要分布在亳州、淮北、蚌埠、宿州等地级市，这四个城市地处传统意义上的北方地区，冬季降雨量较少，加之人口密度大，采掘业较发达，极易造成雾霾污染的扩散。而低—低聚集地区分布在宣城、池州、黄山等皖南地区，这三个城市自然风景资源丰富，植被覆盖率高，气候温润，雾霾污染程度相对较轻。

故在分析该省雾霾污染形成的影响因素时，必须充分考虑空间地理的作用及雾霾污染的空间溢出效应。

三、安徽省雾霾污染影响因素的回归检验

（一）空间回归模型的选择判断

关于选择空间误差模型还是空间滞后模型，Anselin（2006）[24]给出了基于Lagrange 乘子检验机制：首先进行传统的最小二乘回归估计法（OLS），然后计算两种模型的Lagrange 乘数统计量，如果两者均不显著，则选择最小二乘回归法；如果其中之一显著，则选择显著的统计量对应之模型；如果两者都显著，则再根据稳健的Lagrange 即Robust LM-lag、Robust LM-error 作进一步判定。

（二）实证结果分析

从表4 中可见：经OLS 检验表明LMλ和LMρ统计量均显著，则比较稳健的R-LMlag 和R-LMerr 之后发现空间滞后模型（SLM）更稳健；结合log-likelihood（对数似然估计）、AIC（赤池信息准则）、SC（施瓦茨信息准则），可知空间滞后模型（SLM）的log-likelihood 最大，AIC 和SC 值最小，表明该模型的拟合度最优。故最终确定采用SLM 模型进行影响因素分析。

表4 空间回归模型实证检验

具体来说，安徽省雾霾污染存在明显的空间溢出效应，空间自相关系数ρ 为0.539 0，意为周围其他地区的PM2.5每增加1%，本地的PM2.5值将增加0.539 0%，这和本研究中图2 的LISA 集聚图的结果一致。这表明：第一，在大气满足一定的风速、高程、温度条件时，会形成有利于雾霾污染扩散的外部环境；第二，我国于2019 年颁布实施的《健康中国行动组织实施和考核方案》中，才将主要健康指标纳入各级政府绩效考核范围，在此前仍存在以“唯GDP 考核”为中心的思想，各地在经济发展中不免普遍存在污染排放的恶性循环。

从经济发展水平看，人均GDP 的弹性系数为正值、人均GDP 平方项的弹性系数为负值且在一定统计水平下均显著，印证了安徽省雾霾污染和经济发展水平间的关系符合“环境库兹涅茨曲线（EKC）”假说。即：在早期“粗放式”经济发展中，“重发展轻保护、重经济轻环境”现象突出，人均GDP 和雾霾污染呈正向关系；而在近年安徽省空气污染治理已初见成效，随着人均GDP 的增长，雾霾污染有减弱趋势。

从城镇化发展水平看，城镇化建设对雾霾污染存在负向作用，但影响不显著，这与预期不相符。可能的原因是，安徽省现阶段整体城镇化水平较高，在城镇化基础设施施工过程中，受法律法规对节能建材使用的要求、受《环保法》加大环境污染处罚力度等因素限制，会尽量使用节能减排的燃料，进而减少PM2.5的排放。

从产业结构比重看，第二产业所占比重越高则雾霾污染程度越严重。安徽省的第二产业集中在采掘、冶炼、有色金属加工等方面，均属于“高能耗、高污染”产业，表明粗放式的工业发展模式尤其是依托重工业发展的产业结构需要加快转型和升级，尽力推进以新能源、新材料等清洁能源为主的第二产业发展模式；此外，大力发展第三产业也是降低第二产业所占比重的渠道之一。

从人口规模角度看，人口密度对雾霾污染的影响为正但不显著。可能的解释为雾霾是特定气候条件下与人类活动相互作用的结果，高密度人口的经济及社会活动必然会排放大量PM2.5，一旦超过大气循环能力和承载度，再受静稳天气等影响，极易出现大范围雾霾。虽然安徽省人口密度对雾霾污染有正效应影响，但尚在大气循环承受范围内，所以未产生明显的不良影响。

在控制变量中，城市绿化水平系数为负值且通过了1%的显著性检验，说明城市绿化水平的提高能显著降低雾霾污染；交通拥堵系数为正值且也通过了1%的显著性检验，反映了城市中机动车数量尤其是私家车的快速增长，加剧了汽车尾气向大气排放，如遇空气扩散不利条件，更会加重PM2.5的恶化。

四、结论与政策建议

文章使用2018 年安徽省16 个地级市的截面数据，分析了安徽省雾霾污染的空间分布特征，并采用空间计量回归模型研究影响雾霾的社会经济因素，得到如下结论：（1）安徽省雾霾污染呈现明显的季节性变化，仅夏季空气质量最优且符合我国现行空气质量标准、冬季雾霾污染程度最严重、春秋季次之。（2）安徽省雾霾污染程度由北向南，以淮河、长江为界呈逐级递减趋势。（3）采用空间滞后模型（SLM）能更好解释安徽省雾霾污染的社会经济影响因素。（4）安徽省雾霾污染有显著的空间溢出效应，周围其他地区的PM2.5每增加1%会使得本地的PM2.5值增加0.539 0%。（5）人均GDP、第二产业所占比重、交通拥堵的上升等会显著导致PM2.5值的上升；城市绿化水平的提高能显著降低雾霾污染；城镇化水平和人口密度对雾霾污染的影响不明显。（6）雾霾污染和经济发展水平间呈倒U 型关系，符合“环境库兹涅茨曲线（EKC）”假说。

根据以上结论分析，研究揭示了如下政策建议：

（一）区域间要形成合力协同治理雾霾污染，加强联防联控

雾霾污染存在明显的溢出效应，没有哪个区域可以独善其身。安徽省已于2018 年修订了省版《大气污染防治条例》，接下来要进一步构建起重污染天气应急联动机制、沟通协调机制、建立大气环境质量信息共享机制、开展大气污染防治科学普及与技术交流合作，在实施管理方案、联动监测系统、污染补偿、责任界定等方面建立起新体制，破解“雾锁连城”困局。

（二）抓住“国内国际双循环相互促进的新发展格局”关键机遇，促进产业结构的“绿色”升级

结合当下“转型升级、提质增效”的要求，加大清洁能源使用力度，坚决摒弃落后产能；扶植和培育生物医药、新能源、新材料等高质量、生态类产业，形成绿色经济结构；提高第三产业所占比重，发展生产性服务业；配套绿色金融政策，提供财税政策支持，鼓励企业增加绿色产品的设计、研发及制造投入，扩大绿色产品的有效供给，从而实现经济增长、生态环境安全、应对气候变化等多重目标的绿色低碳循环发展经济体系。

（三）继续加大城市环境治理力度，构建生态城市

生态城市需要从能源、生态及交通等综合角度出发减少雾霾灾害。一方面继续“节能降耗”，不断提高能源和环保材料的使用效率，加大可再生能源使用，厉行节约理念，避免能源浪费；另一方面，倡导以生态理念布局城市自然环境，借鉴发达国家海绵城市、城市“绿肺”、天然氧吧、屋顶绿化等成功经验，把“青山绿水”留在“会呼吸”的生态城市中；最后，在公共出行方面提倡和鼓励骑行、步行，减轻城市拥堵、减少汽车尾气排放，构建城市绿色交通运输体系。