劉 軍 王慧文 楊 潔

(南京信息工程大學中國制造業(yè)發(fā)展研究院，江蘇南京 210044)

10.3876/j.issn.1671-4970.2017.05.011

2017-06-19

國家自然科學基金項目(71673145)；國家社會科學基金重大項目(15ZDA053)；江蘇省社會科學基金項目(16EYB012)；江蘇高校哲學社會科學研究重點項目(2016ZDIXM018)

劉軍(1972—)，男，安徽宿州人，副教授，博士，從事產業(yè)經濟和區(qū)域經濟研究。

中國大氣污染影響因素研究
——基于中國城市動態(tài)空間面板模型的分析

劉 軍 王慧文 楊 潔

(南京信息工程大學中國制造業(yè)發(fā)展研究院，江蘇南京 210044)

準確識別中國大氣污染的影響因素，可以為中國大氣污染治理政策的合理制定和有效實施提供科學依據?；?012—2015年我國119個地級及以上城市面板數據，采用動態(tài)空間面板模型實證分析中國大氣污染的影響因素。研究結論表明：城市大氣污染在空間維度和時間維度上分別存在顯著的空間溢出效應和動態(tài)效應；大氣污染與經濟發(fā)展水平之間存在顯著的倒“U”型關系，驗證了環(huán)境庫茲涅茨曲線的存在；以第二產業(yè)占GDP比重衡量的產業(yè)結構和不斷增長的人口密度顯著加劇城市大氣污染，技術進步和城市綠化有利于改善城市大氣污染，而城市環(huán)境治理投入對大氣污染的改善作用并不顯著。依據上述研究結論，提出改善城市大氣污染的相應政策建議。

大氣污染；影響因素；空氣質量指數

一、引 言

近年來，全國各地經濟持續(xù)發(fā)展，人民生活水平提升過程中也伴隨著各地大氣環(huán)境質量的惡化。我國經濟發(fā)展進入“新常態(tài)”時期以后，綠色發(fā)展的理念普遍受到重視，政府在大氣污染治理方面采取了一系列措施，開展空氣質量檢測的城市由2009年的86個增長至2015年的338個；2015年污染治理投入高達8 806億元，其中工業(yè)污染源治理專項投資達773.7億元?！笆濉币?guī)劃期間，黨中央、國務院以大氣、水和土壤污染治理為重點做出重大決策，將環(huán)境文明建設和生態(tài)保護放在更加重要的位置，大氣污染治理取得積極進展。但是，我國空氣污染問題依然嚴峻，國家環(huán)境保護部《2015年中國環(huán)境狀況公報》顯示，2015年，在開展空氣質量監(jiān)測的338個城市中，265個城市環(huán)境空氣質量超標，超標率達78.4%；338個城市中空氣輕度乃至重度污染的平均天數占全年23.3%，大氣污染狀況依然十分嚴重。引致大氣污染的社會經濟因素眾多，只有考察各相關因素，準確識別其中的關鍵因素，才能為大氣污染治理政策的合理制定和有效實施提供科學依據。

學者們圍繞大氣污染影響因素進行了廣泛研究，這些影響因素主要集中在經濟發(fā)展水平、人口集聚、技術創(chuàng)新、污染治理投入和產業(yè)結構5個方面。

①經濟發(fā)展水平。經濟發(fā)展水平對當地環(huán)境質量的影響是國內外學者研究的首要因素。西方學者對此問題展開的研究時間較早，Coupé假設每個地區(qū)分為兩個經濟發(fā)展階段：一是以環(huán)境污染為代價的階段，二是不再以污染環(huán)境為代價的階段。研究發(fā)現，在第一階段的經濟發(fā)展過程中的消費、投資以及就業(yè)都會對環(huán)境污染產生重要影響[1]。Grossman研究了地區(qū)經濟產出與環(huán)境污染水平之間的關系，并提出“環(huán)境庫茲涅茨”曲線，研究發(fā)現，“環(huán)境庫茲涅茨”曲線呈倒“U”型，即環(huán)境污染狀況起初隨著地區(qū)經濟的發(fā)展而加劇，在一定階段后，隨著地區(qū)經濟的發(fā)展而得到改善[2]。彭水軍等采用1996—2002年省級面板數據研究得出，工業(yè)煙塵排放與地區(qū)經濟發(fā)展存在環(huán)境庫茲涅茨曲線，工業(yè)粉塵和SO2排放與地區(qū)經濟呈“N”型趨勢[3]。Wang等采用1990—2012中國省際面板數據實證分析發(fā)現經濟增長與SO2排放之間存在顯著的倒“U”型關系[4]。黃瀅等基于中國112個城市數據研究大氣污染濃度和我國經濟增長之間的關系，發(fā)現所有大氣污染濃度指標都呈現 “U” 型，但是根據每個城市特定的時間趨勢變量發(fā)現高增長并不一定導致高污染[5]。冷艷麗等基于2001—2010年我國省際面板數據考察能源價格扭曲對霧霾污染有正向影響[6]。

②人口集聚。截至2016年底，我國常住人口城鎮(zhèn)化率進一步提高，達57.35%，比上年高出1.25%，處于城鎮(zhèn)化中期階段，此階段對環(huán)境影響最大。在新型城市化戰(zhàn)略的大背景下，人口集聚和地區(qū)空氣質量息息相關。Cervero以20世紀80年代美國為分析對象發(fā)現，在郊區(qū)形成就業(yè)集聚的原因之一是周圍環(huán)境[7]。Bento等從基于住宅區(qū)與就業(yè)區(qū)的“通達性”視角對影響城市空間演化的因素進行分析發(fā)現，居民數量的擴大，當地環(huán)境質量也會受到影響[8]。Padeiro等以南加利福尼亞地區(qū)為對象，研究顯示居民更傾向于選擇在工作地點附近居住，并認為居住和就業(yè)的空間匹配對于緩解環(huán)境污染問題有重要意義[9]。Hargreaves分析認為公共環(huán)境質量和公共交通會對居民的住房和就業(yè)地的選擇產生影響，進而出現空間分異[10]。王興杰等利用74個城市數據評估發(fā)現，城鎮(zhèn)化的快速推進使得能源重化工產業(yè)和房地產業(yè)高速發(fā)展，城市人口密度的不斷提高造成大氣污染物的大量集中排放[11]。

③技術創(chuàng)新。由于各行業(yè)技術創(chuàng)新不斷發(fā)展，使得經濟和環(huán)境質量協調發(fā)展存在可能。Stiglitz認為技術進步是調和經濟增長和環(huán)境質量的重要因素，因為技術進步利于經濟增長[12]。Levinson發(fā)現，經濟發(fā)展帶來的污染可以通過技術進步來抑制[13]。Yin等研究發(fā)現，技術進步有利于降低碳排放，從而加速環(huán)境庫茲涅茨曲線倒“U”型拐點的到來[14]。于峰等對1999—2004年間省級面板數據進行回歸分析發(fā)現，生產率提高、環(huán)保技術創(chuàng)新與推廣可以降低中國環(huán)境污染[15]。顧為東基于江蘇省1978—2008年數據，研究發(fā)現農業(yè)技術進步能夠有效緩解農業(yè)面源污染[16]。楊飛等利用中國1995—2009年行業(yè)數據實證發(fā)現，當全球價值鏈嵌入低于門檻值時，技術進步會暫時無法有效改善污染問題[17]。

④污染治理投入。政府的環(huán)境污染治理投資有利于協調經濟發(fā)展和環(huán)境污染二者之間的關系。Economides等在考慮公共投入的前提下，提出研究經濟增長與環(huán)境污染的內生增長模型框架[18]。Lopez等在理論框架下研究財政支出與環(huán)境污染的關系，并用經驗數據進行實證研究后認為，合理的財政支出可以有效減少單位GDP所產生的污染[19]。關海玲等采用1998—2009年的中國省際面板數據發(fā)現，政府財政支出的上升能夠減少環(huán)境污染的排放[20]。賀俊等基于內生增長模型檢驗表明，我國環(huán)境治理投資在GDP中的占比與環(huán)境污染之間存在反“U”形曲線[21]。

⑤產業(yè)結構。產業(yè)結構是影響大氣污染的重要因素，總體來說，第二產業(yè)對環(huán)境污染的強度要高于第一產業(yè)和第三產業(yè)。Grossman等以中國等亞洲國家為樣本分析產業(yè)結構與環(huán)境污染之間的關系，發(fā)現在經濟發(fā)展到一定程度時，注重生產的重化工業(yè)得到快速發(fā)展，環(huán)境污染矛盾越來越突出，而大氣污染問題尤其顯著且嚴重[22]。Li等的研究認為，產業(yè)結構升級有利于提高綠色全要素生產率，是改善環(huán)境的最佳途徑[23]。宋言奇等認為產業(yè)結構本身不會引起環(huán)境惡化，產業(yè)結構調整會對人類的環(huán)境質量起到積極的資源集約效應[24]。鄧祥征等發(fā)現在青海省進行科學的產業(yè)結構調整后，環(huán)境污染的風險有所減少[25]。

已有研究取得一定成果，但是以大量地級市為樣本作大氣污染影響因素的研究文獻較少。在當今大氣污染嚴重、政府投入大量資源進行治理的背景下，筆者嘗試在以下兩個方面作出邊際貢獻：一是現有文獻在實證分析過程中較少同時考慮大氣污染的空間溢出效應和動態(tài)效應。Hao等研究發(fā)現中國城市霧霾污染存在顯著空間效應[26]，邵帥等的研究發(fā)現中國霧霾污染在時間維度上呈現出明顯的雪球效應[27]。不考慮空間效應和動態(tài)效應，可能會帶來估計和分析的偏誤。二是現有文獻較少采用城市數據進行分析。張可等研究發(fā)現，中國省際尺度太大且內部差異性較大，難以準確捕捉大氣污染的空間效應[28-29]。因此，基于中國2012—2015年119個地級及以上城市面板數據，采用動態(tài)空間面板模型實證研究中國大氣污染的影響因素。

二、中國大氣污染現狀分析

1.空氣質量指數(AQI)的季節(jié)變化

選取空氣質量較佳的三亞、?？诘?0個城市，其年均空氣質量指數為44.80，處于國家空氣質量標準中日均值的Ⅰ級，有利于人體健康(圖1)；同時，選取大氣污染較嚴重的北京、天津等10個城市，其年均空氣質量指數為105.92，達到國家空氣質量標準中日均值的Ⅲ級，對人體健康開始產生顯著影響，呼吸此空氣的健康人群會出現刺激癥狀(圖2)。

圖1 2016年中國10個空氣質量較佳城市空氣質量指數隨季節(jié)變化趨勢

注：空氣污染指數(AQI)的取值范圍定為0～500，其中0～50(Ⅰ級：空氣質量優(yōu))、51～100(Ⅱ級：空氣質量良)、101～200(Ⅲ級：輕度污染)、201～300(Ⅳ級：重度污染)和大于300(Ⅴ級：嚴重污染)圖2 2016年中國10個空氣質量較差城市空氣質量指數隨季節(jié)變化趨勢

由圖1可知，各季節(jié)空氣質量較好的城市中，一年四季空氣質量指數都處于國家空氣質量標準中日均值的I 級和II 級，尤其秋季空氣質量普遍最佳。由圖2可知，各季節(jié)空氣質量較差的城市中，冬季空氣污染最嚴重、夏季空氣質量轉好。污染嚴重10個城市中，北京的空氣質量指數升降不明顯，一年中空氣質量一直較差；烏魯木齊冬季空氣質量最差，平均指數達到219，空氣已被重度污染，健康人群普遍出現刺激癥狀，而該地區(qū)夏季空氣質量最好，空氣指數為63.33。天津、徐州、濟寧、鄭州、成都、西安、蘭州和西寧冬季的平均空氣質量指數都超過100，空氣污染嚴重，而夏季時指數下降，空氣質量有所改善。

觀察圖1、2可知，中國受污染程度較輕城市與受污染程度較高城市之間空氣質量指數相差極大。

2. 2013—2016年空氣質量變化趨勢

圖3 2013—2016年10個空氣質量較佳城市空氣質量年度變化趨勢

圖4 2013—2016年10個空氣質量較差城市空氣質量年度變化趨勢

2013—2016年，10個空氣質量較佳城市大氣污染水平總體得到有效控制和改善(圖3、4)。以哈爾濱為例，4年期間空氣質量指數逐年下降，說明該城市大氣污染得到有效治理，而10個空氣質量較差城市空氣污染水平總體加重，除蘭州年均空氣質量指數無明顯變化外，北京、天津等9個城市空氣污染情況在四年間都有較大浮動。2013年以來，鄭州空氣質量指數保持上升態(tài)勢；北京空氣質量指數年平均數保持在區(qū)間100—150，這表明北京市大氣污染治理效果不明顯；天津和烏魯木齊兩市的空氣質量指數在2013年達到4年中的最大值，在2014年空氣環(huán)境有所改善，在2015年、2016年得到有效控制；徐州2013年的空氣質量指數年平均數達到最大值，為115.28；濟寧2014年空氣污染情況最嚴重，空氣質量指數達到126.58，在2015年、2016年空氣污染情況有略微改善；2013年，西安空氣質量指數年平均數達到最大值199，但是2013年以來，西寧空氣質量指數一直保持在區(qū)間50—100，空氣質量良好，這表明其大氣污染治理成果顯著。

圖5 2013—2016年區(qū)域年均空氣質量指數年度變化趨勢

中國主要區(qū)域中華南地區(qū)的年均空氣質量最好、華北地區(qū)的年均空氣質量最差(圖5)?？傮w看來，4年間空氣質量較差的城市或地區(qū)與空氣質量較好的城市或地區(qū)差距并沒有因為時間的推移而縮小，雖然空氣質量指數較高城市和地區(qū)的空氣質量指數沒有太大起伏變化，這表明大氣污染一直在各個城市和地區(qū)的控制范圍內，但是大氣污染問題整體嚴峻，仍需要繼續(xù)加大治理力度以達到顯著改善城市大氣環(huán)境的效果。

三、模型建立、變量說明與數據來源

1.模型建立

(1)

式中X表示新引入的解釋變量：產業(yè)結構變量、綠化水平變量、環(huán)境污染治理投資變量，η表示解釋變量對大氣污染的影響彈性。結合已有文獻，在模型(1)的基礎上構建如下普通面板數據模型：

lnAQIit=α+βlnXit+εit

(2)

式中AQI為被解釋變量，表示空氣質量指數；X表示解釋變量，包括經濟發(fā)展水平(GDP)、產業(yè)結構(STR)、技術水平(TECH)、人口密度(DEN)、綠化水平(GRE)、環(huán)境治理投資(ENV)；下標i和t分別表示城市和時間；其他字母分別表示常數項、變量系數、殘差。模型(2)是基本的面板數據模型，技術、勞動力以及資源等都不存在跨區(qū)域流動。然而這與實際的經濟運行情況不符，會導致模型(2)的估計會帶來較大的偏差?；诖?，筆者采用動態(tài)空間計量模型進行回歸分析，不僅考慮到地區(qū)之間的關系以解決空間溢出效應，還可以充分考慮時間因素，研究前期相關因素對本期的影響。在模型(2)基礎上構建的動態(tài)空間計量模型如下：

βlnXit+ηi+νt+εit

(3)

式中:τ表示空氣質量指數AQI一階滯后的回歸系數，反映前期相關因素對本期的影響；ρ和λ分別表示空間滯后回歸系數和空間誤差回歸系數，反映大氣污染的空間溢出效應；Wij表示空間權重矩陣，反映各地區(qū)之間的空間聯系，以各地級市之間直線距離作為權重，考慮空間臨近但不相鄰的兩個城市之間也可能存在相互作用；ηi表示地區(qū)效應，νi表示時間效應，εit為隨機擾動項，分別表示影響空氣質量指數的不同維度隨機干擾。為驗證經濟發(fā)展水平GDP對空氣質量的影響是否存在倒“U”型關系，將進一步在模型中引進經濟發(fā)展水平GDP的二次項進行檢驗。

2.變量說明

①空氣質量水平(AQI)：采用空氣質量指數作為代理變量，空氣質量指數是定量描述空氣質量狀況的無量綱指數，數值越大，大氣污染狀況越嚴重。

②經濟發(fā)展水平(GDP)：環(huán)境庫茲涅茨曲線表明環(huán)境污染和經濟發(fā)展有著密切的關系，采用地區(qū)GDP來衡量經濟發(fā)展水平，預期經濟發(fā)展水平對大氣污染有正向影響。

③產業(yè)結構(STR)：產業(yè)結構影響空氣質量，工業(yè)污染的排放集中在以制造業(yè)為主的第二產業(yè)，第二產業(yè)所占比重越大，環(huán)境壓力越大，相應的空氣污染就會越嚴重。用第二產業(yè)占GDP比重衡量各地區(qū)產業(yè)結構，預期產業(yè)結構對空氣污染有正向影響。

④技術水平(TECH)：技術進步實是利用已有資源或引進技術進行發(fā)明創(chuàng)造，將綠色生產技術用于實際生產環(huán)節(jié)中減少生產環(huán)節(jié)中污染物的排放、降低對空氣污染的影響，從而改善大氣質量。參考劉軍等[32]的方法，采用各地區(qū)資本勞動比作為技術進步的代理變量，預期技術水平對空氣污染有負向影響。

⑤人口集聚程度(DEN)：人口數量對環(huán)境有直接影響，人口數量越大，大氣污染物在城市局地范圍內、短時間、大量集中排放，遠超城市大氣環(huán)境容量，空氣污染越嚴重。由于中國地級市之間面積差異較大，直接用人口數量衡量人口對環(huán)境的影響稍不準確，用各市年人口密度衡量，預期人口密度對空氣污染有顯著正向影響。

⑥綠化水平(GRE)：森林覆蓋率對空氣有直接影響，綠色植物能夠有效凈化空氣，特別是對空氣中的二氧化硫、粉塵等有較強吸收作用，對于空氣質量有積極影響，森林覆蓋率也反映地區(qū)整體環(huán)境狀況，森林覆蓋率越高、空氣中的污染物越少、空氣質量越好。用人均綠化面積表示綠化水平，預期綠化面積能有效改善空氣質量，預期有負向影響。

⑦污染治理投入(ENV)：政府環(huán)境污染治理投資有利于協調經濟發(fā)展和環(huán)境污染二者之間的關系。一般來說，政府環(huán)境治理投入越多、空氣質量越好，預期有負向影響。

3.數據來源

選取中國119個地級地理單元2012—2015年變量數據作為樣本，數據來自《中國城市年鑒》《中國環(huán)境統計年鑒》以及各省市的統計年鑒和環(huán)境狀況公報。各主要變量的數據特征見表1。

表1 主要變量指標的描述性統計

四、實證分析

1.空間相關性分析

采用Moran’sI指數進行全局空間自相關分析，其計算公式如下：

(4)

式中:yi為城市i大氣污染程度;y和S2分別為城市大氣污染程度平均值和方差;N為城市總數;Wij為空間權重矩陣。Moran’sI指數取值范圍為(-1，1)，如果其值大于0，表明大氣污染程度之間具有空間正相關性。另外，采用標準統計量Z來檢驗Moran’sI指數的顯著性水平，其計算公式為：

(5)

根據2012—2015年大氣污染程度，綜合上述計算公式，可得歷年Moran’sI指數及其統計檢驗(表2)。

表2 2012—2015年城市空氣質量指數的Moran’s I指數

注：*、**、***分別表示通過10%、5%、1%水平下的顯著性檢驗

從表2可以看出，中國城市環(huán)境污染程度Moran’sI指數在2012—2015年均為正，且都通過1%的顯著性檢驗，這表明城市大氣污染之間存在非常顯著的全局空間正相關性。而且，Moran’sI指數在2014年增至最高幅度，城市之間大氣污染程度的差距屆時達到最大值。上述Moran’sI指數表明，城市環(huán)境污染具有全局空間自相關性，但這種全局空間自相關分析由于忽視空間異質性的存在，無法進一步分析地理位置的局部空間關聯模式。為了能識別這種空間異質性，需要使用局部空間關聯指標LISA進行統計性分析。

采用LISA集聚圖分析城市空氣質量的局部空間集聚模式。從LISA集聚圖①因篇幅所限，未給出圖形，如讀者需要，可聯系作者索取?？梢园l(fā)現：2012年，城市大氣污染低值聚集區(qū)主要集中在東南地區(qū)；高值聚集區(qū)主要集中山西、京津冀和山東地區(qū)。到2015年，城市大氣污染低值聚集區(qū)有所擴大，主要集中在四川西部和青海地區(qū)；而環(huán)境污染高值聚集區(qū)顯著增多，主要集中在內蒙古、山西、河南、山東、京津冀和長三角地區(qū)，這主要是因為這些地區(qū)工業(yè)聚集水平較高，高能源消耗和高污染物排放致使大氣污染較為嚴重。這一結果表明：一方面，隨著時間推移，環(huán)境污染高值聚集區(qū)不但沒有縮小，反而呈現擴大趨勢，環(huán)境污染形勢依然十分嚴峻；另一方面，大氣污染與產業(yè)聚集密切相關，在產業(yè)聚集水平較高的地區(qū)，環(huán)境污染較為嚴重。

2.回歸結果分析

為得到穩(wěn)健的結論，將分別采用固定效應(FE)、隨機效應(RE)和可行的廣義最小二乘法(FGLS)以及動態(tài)空間面板(Dynamic Panel)進行估計。表3的方程1～4分別為可行的廣義最小二乘法(FGLS)、固定效應(FE)、隨機效應(RE)和動態(tài)空間面板的估計結果。

表3 總體回歸結果分析

注：括號中數值為t值； ***、**、*分別表示變量系數通過了1%、5%、10%的顯著性檢驗； OBS表示樣本觀察值個數(下同)

表3中，方程1、2、3是模型(1)的回歸結果。根據Hausman檢驗，P值為0.000 0，小于0.05，固定效應優(yōu)于隨機效應。由于可行的廣義最小二乘法(FGLS)在一定程度上消除了可能存在的異方差性和序列相關性，因此認為方程1是穩(wěn)健的。但是，方程1和方程4的回歸結果存在一些差異，且模型(1)沒有考慮空間溢出效應和地理因素，而忽視大氣污染的空間聯動，可能會帶來估計和分析的偏差?；谀Ｐ?2)的方程4不僅考慮空間溢出效應和時間因素，還引入GDP二次項來驗證經濟發(fā)展水平是否會降低空氣污染。在動態(tài)空間面板模型回歸結果中，空間溢出效應系數為正且通過5%的顯著性檢驗，這充分說明大氣污染存在顯著區(qū)域間聯系和空間溢出效應。與此同時，可以發(fā)現當加入一階滯后變量后，其系數為正且通過5%的顯著性檢驗，驗證大氣污染的連續(xù)性特征，即前一期變量對大氣污染的影響必將會延續(xù)到本期以及滯后若干期。通過方程4可以發(fā)現，各解釋變量的符號方向均與之前的預期一致，而且大多變量通過顯著性檢驗。

①經濟發(fā)展水平的一次項系數顯著為正、二次項系數顯著為負，這表明經濟發(fā)展水平與大氣污染之間存在倒“U”型曲線關系，從而驗證環(huán)境庫茲涅茨曲線在我國存在。當前，我國大多數地區(qū)經濟發(fā)展水平還沒到達門檻值，經濟發(fā)展尚未越過有助于改善大氣污染質量的轉折點，空氣污染會隨著GDP的增加而加劇。但是，隨著經濟發(fā)展水平的不斷提升，經濟發(fā)展所帶來的結構效應和技術效應會帶來環(huán)境污染的逐步改善。

②產業(yè)結構對空氣污染有正的影響，且通過10%的顯著性檢驗，即當第二產業(yè)比重增加1%時，空氣污染增加0.016 6%，這表明第二產業(yè)占GDP比重越大，空氣污染越嚴重。這主要是因為工業(yè)是大氣污染排放的主要來源，而各地區(qū)在推動經濟增長的過程中又過多依賴工業(yè)發(fā)展，從而帶來空氣污染的不斷加劇。

③技術水平對空氣污染影響為負，且通過5%的顯著性檢驗，即當技術水平提高1%時，空氣污染緩解0.085%。這主要是因為隨著技術水平的提高，企業(yè)會將綠色生產技術應用于實際生產環(huán)節(jié)，基于高效能源的利用，減少生產環(huán)節(jié)中污染物排放、降低對空氣污染的影響，從而改善大氣質量。

④人口聚集程度對空氣污染的影響為正，跟預期一致。通常認為，人口的增加會帶來更多的能源消耗，從而增加空氣污染。由于人口集聚程度越高，工業(yè)化和城鎮(zhèn)化發(fā)展越迅速，能源重化工和房地產等產業(yè)高速發(fā)展，會造成大氣污染物的排放量遠超城市大氣環(huán)境容量。

⑤綠化水平對空氣污染的影響為負，且通過5%的顯著性檢驗，即當人均綠化面積增加1%時，空氣污染降低0.051 3%。城市綠化可以降低空氣中有害氣體的濃度、減少空氣中的放射物質以及灰塵和細菌，從而提高空氣質量，這表明各地區(qū)可以通過擴大綠化面積來降低空氣污染。

⑥污染治理投入對空氣污染的影響為正，但沒有通過顯著性檢驗，與預期不一致。一般來說，政府的環(huán)境污染治理投資有利于協調經濟發(fā)展和環(huán)境污染二者之間的關系，政府環(huán)境治理投入越多，空氣質量越好。但此次研究結果顯示，目前我國各地區(qū)污染治理投入的加大并沒有降低空氣污染，這與賀俊等人的研究結論一致。賀俊等基于內生增長模型檢驗環(huán)境污染治理投入與環(huán)境污染之間的聯系，結果表明，我國環(huán)境治理投資在GDP中的占比與環(huán)境污染之間存在倒“U” 形曲線，二者比重超過1.8%時才能遏制環(huán)境污染加劇的情況[22]。這表明各地區(qū)投資總量不足以制約空氣質量進一步改善，需要通過加大環(huán)境治理投資額，爭取早日達到拐點、降低空氣污染。

五、結論與政策建議

基于2012—2015年119個地級及以上城市的面板數據，研究我國大氣污染的影響因素。研究結論表明：第一，經濟發(fā)展水平與大氣污染之間存在環(huán)境庫茲涅茨曲線，但當前我國正處于該拐點的左邊，因而要加快經濟發(fā)展水平，使得經濟增長越過有助于改善環(huán)境質量的轉折點。第二，以第二產業(yè)占GDP比重衡量的產業(yè)結構和不斷增長的人口密度加劇我國城市大氣污染，技術進步和城市綠化有利于改善城市大氣污染，而城市環(huán)境治理投入對大氣污染的改善作用并不顯著?；谝陨辖Y論，提出以下政策建議。

①轉變經濟發(fā)展方式，改善產業(yè)結構。根據研究結果，我國經濟發(fā)展水平正處于初級階段，空氣污染隨GDP的上升而增加，同時第二產業(yè)占GDP比重越大、空氣污染越嚴重。改革開放以來，我國一直是以重工業(yè)為主的出口導向型經濟增長模式，能源消耗過大，為此，應轉變經濟發(fā)展方式、減小能源消耗大的重工業(yè)在國民經濟中的比重，注重第二產業(yè)內部的結構優(yōu)化調整。同時，大力推動第三產業(yè)發(fā)展，尤其是生產性服務業(yè)的發(fā)展。②加強城市綠化建設，優(yōu)化環(huán)境治理投資結構。根據研究結果，城市綠化水平可以顯著抑制空氣污染，同時，政府在環(huán)境治理方面投入越多、空氣質量越佳。我國環(huán)境污染治理投資占國內生產總值的比例逐年上升，但大氣污染治理效果不顯著。在我國城市環(huán)保投資結構上，用于大氣污染治理的專項投資較為有限。因此，在大力提升城市綠化的同時，需要擴大大氣污染治理投資規(guī)模、提高環(huán)境治理投資效率。③增強能源清潔技術，提高能源利用效率。根據研究結果，技術水平對空氣污染有顯著負影響，綠色生產技術的提高可以顯著改善城市空氣質量，而且技術進步是提高空氣質量的長期決定因素。為此，根治污染，必須依靠科技力量。高質量、低能耗、高效率的適用生產技術應被重點投入使用，研制和生產技術含量高、附加值高、符合大氣環(huán)保要求的產品作為環(huán)境保護工程的重中之重。

[ 1 ] COUPé B E M G. Regional economic structure and environmental pollution: an application of interregional models[M]. Netherlands:Springer Science & Business Media, 1976.

[ 2 ] GROSSMAN G M, KRUEGER A B. Economic growth and the environment[R].National Bureau of Economic Research, 1994.

[ 3 ] 彭水軍, 包群. 經濟增長與環(huán)境污染[J]. 財經問題研究, 2006, 8(8): 3-11.

[ 4 ] WANG Y, HAN R, KUBOTA J. Is there an Environmental Kuznets Curve for SO2emissions? A semi-parametric panel data analysis for China [J]. Renewable and Sustainable Energy Reviews, 2016 (54):1182-1188.

[ 5 ] 黃瀅, 劉慶, 王敏. 地方政府的環(huán)境治理決策: 基于SO2減排的面板數據分析[J]. 世界經濟, 2016 (12): 166-188.

[ 6 ] 冷艷麗，杜思正．能源價格扭曲與霧霾污染——中國的經驗證據[J].產業(yè)經濟研究，2016(1)：71-79.

[ 7 ] CERVERO R, WU K L. Sub-centring and commuting: evidence from the San Francisco Bay area, 1980-90[J]. Urban studies, 1998, 35(7): 1059-1076.

[ 8 ] BENTO A M, GOULDER L H, JACOBSEN M R, et al. Distributional and efficiency impacts of increased US gasoline taxes[J]. The American Economic Review, 2009, 99(3): 667-699.

[ 9 ] PADEIRO M. Transport infrastructures and employment growth in the Paris metropolitan margins[J]. Journal of Transport Geography, 2013, 31(2): 44-53.

[10] HARGREAVES A D, SWAIN M T, HEGARTY M J, et al. Restriction and recruitment—gene duplication and the origin and evolution of snake venom toxins[J]. Genome Biology and Evolution, 2014, 6(8): 2088-2095.

[11] 王興杰, 謝高地, 岳書平. 經濟增長和人口集聚對城市環(huán)境空氣質量的影響及區(qū)域分異——以第一階段實施新空氣質量標準的 74 個城市為例[J]. 經濟地理, 2015(2):10-13.

[12] STIGLITZ J. Growth with exhaustible natural resources: efficient and optimal growth paths[J]. The review of economic studies, 1974(41): 123-137.

[13] LEVINSON A. Technology, international trade, and pollution from US manufacturing[J]. The American Economic Review, 2009, 99(5): 2177-2192.

[14] YIN J H, ZHENG M Z, CHEN J. The effects of environmental regulation and technical progress on CO2Kuznets Curve: an evidence from China [J].Energy Policy,2015 (77):97-108.

[15] 于峰, 齊建國, 田曉林. 經濟發(fā)展對環(huán)境質量影響的實證分析——基于 1999-2004 年間各省市的面板數據[J]. 中國工業(yè)經濟, 2006 (8): 36-44.

[16] 顧為東.中國霧霾特殊形成機理研究[J].宏觀經濟研究,2014 (6):3-7.

[17] 楊飛, 孫文遠, 張松林. 全球價值鏈嵌入, 技術進步與污染排放——基于中國分行業(yè)數據的實證研究[J]. 世界經濟研究, 2017 (2): 126-134.

[18] ECONOMIDES G, PHILIPPOPOULOS A. Growth enhancing policy is the means to sustain the environment[J]. Review of Economic Dynamics, 2008, 11(1): 207-219.

[19] LOPEZ R, GALINATO G I, ISLAM A. Fiscal spending and the environment: theory and empirics[J]. Journal of Environmental Economics and Management, 2011, 62(2): 180-198.

[20] 關海玲, 張鵬. 財政支出, 公共產品供給與環(huán)境污染[J]. 工業(yè)技術經濟, 2013 (10): 46-54.

[21] 賀俊, 劉亮亮, 張玉娟. 稅收競爭, 收入分權與中國環(huán)境污染[J]. 中國人口·資源與環(huán)境, 2016, 26(4): 1-7.

[22] GROSSMAN G M, KRUEGER A B. Environmental impacts of a north American free trade agreement [R]. NBER Working Paper,1991:6833.

[23] LI K, LIN B Q. Economic growth model, structural transformation, and green productivity in China [J]. Applied Energy, 2017 (187): 489-500.

[24] 宋言奇, 傅崇蘭. 城市化的生態(tài)環(huán)境效應[J]. 社會科學戰(zhàn)線, 2005 (3): 186-188.

[25] 鄧祥征, 劉紀遠. 中國西部生態(tài)脆弱區(qū)產業(yè)結構調整的污染風險分析[J]. 中國人口·資源與環(huán)境, 2012, 22(5): 55-62.

[26] HAO Y, LIU Y M. The influential factors of urban PM 2.5 concentrations in China: a spatial econometric analysis [J]. Journal of Cleaner Production, 2016 (112): 1443-1453.

[27] 邵帥，李欣，曹建華，等.中國霧霾污染治理的經濟政策選擇——基于空間溢出效應的視角[J].經濟研究，2016 (9):73-88.

[28] 張可，汪東芳.經濟集聚與環(huán)境污染的交互影響及空間溢出[J]. 中國工業(yè)經濟, 2014 (6): 70-82.

[29] CHENG Z H. The spatial correlation and interaction between manufacturing agglomeration and environmental pollution[J]. Ecological Indicators, 2016,61(2):1024-1032.

[30] EHRLICH P R, HOLDREN J P. Impact of population growth[J]. Science,1971,171(3977):1212.

[31] YORK R, ROSA E A, DIETZ T. STIRPAT, IPAT and ImPACT: analytic tools for unpacking the driving forces of environmental impacts[J]. Ecological economics, 2003, 46(3): 351-365.

[32] 劉軍, 徐康寧. 產業(yè)聚集, 經濟增長與地區(qū)差距——基于中國省級面板數據的實證研究[J]. 中國軟科學, 2010 (7): 91-102.

F062.2

A

1671-4970(2017)05-0061-07

(責任編輯：高 虹)