基于空间计量模型的京津冀城市群雾霾污染的影响因素研究

摘 要：在分析京津冀城市群雾霾现状基础上，对京津冀城市群雾霾污染进行了空间自相关检验，运用空间滞后和空间杜宾模型分析了雾霾污染的空间溢出效应。结果表明：京津冀城市群雾霾污染具有明显的空间集聚特征，产业结构不合理、人均GDP低可增加雾霾污染物，而外商实际投资增加、绿化覆盖率高以及平均气压和平均风速高可减少雾霾污染。

关键词：京津冀；雾霾污染；空间效应；影响因素

中图分类号：X513 文献标志码：B 文章编号：2095–3305（2024）08–0-03

京津冀城市群作为我国特大级城市群之一，特别是国家级新区雄安新区的设立，更加凸显出京津冀城市群作为中国经济核心区的重要性，同时，京津冀城市群也被定位于协同发展改革引领区、生态修复环境改善示范区[1]。但该区域也是中国生态环境最严重、大气污染最集中的地区。《京津冀协同发展规划纲要》中指出要在生态环境协同治理方面率先突破，表明大气污染问题已经引起政府、公众的广泛关注，京津冀三地共同出台了《京津冀及周边地区深化大气污染控制中长期规划》，打破行政框架，共同治理雾霾污染[2]。

然而，这些措施并没有从根本上扭转雾霾污染的形势。为此，研究京津冀城市群雾霾的时空分布、雾霾污染的影响因素对京津冀城市群大气污染防控具有重要的现实意义。

中国科学院地理所方创琳研究员团队对此进行了系统的研究。刘海猛等[3]基于京津冀县级数据，利用空间计量模型研究了京津冀雾霾污染的影响因素；崔学刚等[4]以京津冀城市群13个地级以上城市为例，研究了环境规制对城市生态环境的影响；王振波等[5]以2000—2015年京津冀城市群面板数据为研究样本，构建了“压力—状态—响应（PSR）”城市群生态安全指标体系，对京津冀生态安全进行了评价。此外，王一辰等[6]利用京津冀2006—2015年13个城市面板数据利用ARCGIS软件对雾霾的影响因素进行了研究。

1 模型构建和变量选择

1.1 模型构建

空间计量方法能够克服传统计量方法的不足，把变量的空间变量纳入模型，空间计量模型包括空间滞后模型（Spatial Lag Model，SLM）与空间误差模型（Spatial Error Model，SEM）以及后续发展的包含解释变量空间滞后项的空间杜宾模型（Spatial Dubin Model，SDM）等形式。

1.2 变量选择

变量选取方面，在参考文献基础上，主要选取社会经济发展和自然因素2个方面，其中社会经济发展主要选取产业结构、人均GDP、外商直接投资和绿化覆盖率，自然因素主要选取平均气压和平均风速[7-10]。

2 实证分析

2.1 空间自相关

使用Moran’s I检验京津冀地区雾霾污染的空间相关性。从表1可以看出，京津冀城市群的雾霾污染在空间上具有很强的相关性，所有年份的Moran’s I值都通过了5%的检验，均＜0.05，Z值均＞3.0。

2.2 空间计量检验

将京津冀城市群的雾霾污染程度的PM2.5作为被解释变量，影响雾霾的社会经济发展和自然因素作为解释变量，利用空间计量模型对京津冀PM2.5进行检验。

（1）空间滞后模型。空间计量基本模型主要分为空间误差模型、空间滞后模型和空间杜宾模型，空间误差模型和空间滞后模型主要依据LM检验结果进行判断。从表2可以看出，空间滞后模型的LM检验结果显著，并且稳健的LM检验空间滞后模型也比空间误差模型显著，因此空间滞后模型要优于空间误差模型。

从表3可以看出，京津冀地区雾霾污染的影响系数显著，空间溢出效应明显。京津冀地区产业分布比较集中，在某些城市高耗能产业比例较高，导致如唐山、衡水、邢台等城市雾霾污染较为严重，处于雾霾污染环境库兹涅茨曲线拐点之前，产业结构升级系数每下降1%，会造成雾霾污染提高2%～3%。人均GDP和外商实际投资额对雾霾污染影响呈现正相关关系，经济发展带动人均GDP增加，带动能源消费增加，并且随着人们生活水平不断提高，交通和建筑物密度增加，从而使雾霾污染物集聚，导致空气污染[11]。与人均GDP相反，外商实际投资额增加会导致雾霾污染程度降低，这主要是由于近年来，各地虽然一直在加大招商引资力度，但是外商投资会重点向高科技、低耗能产业倾斜。同时，外商投资增加会增加政府税收，从而增加环境污染治理投资，因此外商实际投资增加在一定程度上缓解了雾霾污染。绿化率的系数为负，表明绿化率的增加会降低空气中雾霾的含量，是提高空气质量的重要举措。从自然因素看，平均气压和平均风速对雾霾有着显著的影响，系数都为负值，表明气压和风速越高，越有利于污染物的扩散，降低空气中雾霾浓度。

（2）空间杜宾模型。空间杜宾模型考虑了自变量空间滞后性与因变量之间的关系，此方面空间杜宾模型要优于空间滞后面板模型和空间误差面板模型。从表4可以看出，空间杜宾模型结果表明，京津冀城市群雾霾污染的溢出效应较为明显，各个样本城市的雾霾污染不仅与当地相关，还受到其他区域的影响。各类模型的空间滞后系数为正值，说明京津冀城市群的雾霾污染在时空上具有一定的持续性和区域性的特征。

（3）空间效应分解。由空间滞后模型和空间杜宾模型可知，雾霾污染存在着空间溢出效应，即一个地区的产业结构、人均GDP等不仅影响该地区的雾霾，也会对其他地区产生影响，同时，雾霾污染物具有流动性的特征，也会对其他地区产生影响。从表5可以看出，在时间和空间2个维度下，各种影响因素对雾霾的直接效应和间接效应比较明显，表明各种因素对雾霾的影响不仅在时间上具有累积性，而且在空间上具有关联性。

3 结论

（1）京津冀城市群雾霾污染具有集聚特征。通过对京津冀城市群雾霾进行空间自相关检验，表明PM2.5在京津冀13个城市的集聚性和区域性特征较为明显，并且从时间维度看变化不大。雾霾污染较重的主要集中在石家庄、保定、邢台、邯郸和衡水等平原型城市，雾霾污染较轻的主要集中在承德、张家口等城市。

（2）京津冀城市群空间效应显著。通过对模型进行LM检验，表明空间计量模型中固定效应和空间滞后模型拟合效果较好，产业结构不合理、人均GDP低可增加雾霾污染物，而外商实际投资增加、绿化覆盖率高以及平均气压和平均风速大可减少雾霾污染。

参考文献

[1] 陆大道.京津冀城市群功能定位及协同发展[J].地理科学进展，2015，34（3）：265-270.

[2] 王振波，方创琳，许光，等.2014年中国城市PM2.5浓度的时空变化规律[J].地理学报，2015，70（11）：1720-1734.

[3] 刘海猛，方创琳，黄解军，等.京津冀城市群大气污染的时空特征与影响因素解析[J].地理学报，2018，73（1）：177-191.

[4] 崔学刚，方创琳，张蔷.京津冀城市群环境规制强度与城镇化质量的协调性分析[J].自然资源学报，2018，33（4）：563-575.

[5] 王振波，梁龙武，方创琳，等.京津冀特大城市群生态安全格局时空演变特征及其影响因素[J].生态学报，2018，38 （12）：4132-4144.

[6] 王一辰，沈映春.京津冀雾霾空间关联特征及其影响因素溢出效应分析[J].中国人口·资源与环境，2017，27（S1）：41 -44.

[7] 卢辞，李明鸿，张俊.安徽省农业面源污染的时空演变及影响因素研究：基于空间计量模型[J].中国农学通报，2023，39 （34）：105-113.

[8] 宁译萱，尹勇，李琼.基于空间杜宾模型的中国省际雾霾污染影响因素分析[J].现代商贸工业，2020，41（26）：44-46.

[9] 王少剑，高爽，陈静.基于GWR模型的中国城市雾霾污染影响因素的空间异质性研究[J].地理研究，2020，39（3）：651-668.

[10] 刘晓红.绿色创新测度及其对中国省际雾霾污染的影响：基于空间计量模型的实证[J].当代经济管理，2019，41（10）： 47-53.

[11] 郭四代，张华，郭杰，等.基于空间计量模型的中国环境污染评价及影响因素分析[J].生态学杂志，2018，37（2）：471-481.