曾 浩 申 俊

基于1998—2018年省域霧霾污染PM2.5濃度數(shù)據(jù)和FDI數(shù)據(jù)，采用全局Moran’s I和局部熱點(diǎn)分析方法對(duì)我國(guó)省域FDI與霧霾污染PM2.5進(jìn)行空間相關(guān)性分析，并建立空間計(jì)量模型以外商直接投資對(duì)省域霧霾污染的影響進(jìn)行研究?？梢园l(fā)現(xiàn)：（1）省域霧霾污染PM2.5濃度與FDI具有顯著的相關(guān)性特征，全局相關(guān)性總體趨勢(shì)表現(xiàn)為增長(zhǎng)-減小-增長(zhǎng)-減小的“M”型發(fā)展態(tài)勢(shì)，兩者呈現(xiàn)同方向性波動(dòng)；（2）在我國(guó)省域?qū)用?，F(xiàn)DI促進(jìn)了我國(guó)省域霧霾污染PM2.5濃度的提高，“污染天堂”假說(shuō)成立；（3）其他影響因素分析中，經(jīng)濟(jì)發(fā)展、交通運(yùn)輸、產(chǎn)業(yè)結(jié)構(gòu)與能源結(jié)構(gòu)對(duì)PM2.5濃度起著促進(jìn)作用，而建成區(qū)綠化覆蓋率對(duì)省域霧霾污染PM2.5濃度起著降低作用。

一、引言及相關(guān)文獻(xiàn)回顧

改革開(kāi)放以來(lái)，我國(guó)已成為全球吸引外商投資最多的發(fā)展中國(guó)家［1］，據(jù)商務(wù)部商務(wù)數(shù)據(jù)中心顯示，僅2018年全年我國(guó)新設(shè)立外商投資企業(yè)已超過(guò)六萬(wàn)家，達(dá)到60533家，當(dāng)年實(shí)際使用外資金額達(dá)到1349.7億美元。大量的外商投資成為我國(guó)經(jīng)濟(jì)發(fā)展的主要驅(qū)動(dòng)因素之一。但隨著外商直接投資規(guī)模的擴(kuò)大，外商通過(guò)直接投資方式將大量高污染、高消耗的產(chǎn)業(yè)轉(zhuǎn)移到我國(guó)，也給我國(guó)帶來(lái)了較大的環(huán)境壓力。特別是以霧霾污染為代表的空氣污染頻發(fā)、影響廣泛，治理難度大，污染防治與防范化解重大風(fēng)險(xiǎn)、精準(zhǔn)脫貧被稱為我國(guó)三大攻堅(jiān)戰(zhàn)。重新審視外商直接投資（FDI）與霧霾污染（PM2.5）的關(guān)系對(duì)實(shí)現(xiàn)我國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展與生態(tài)文明建設(shè)具有重要意義。因此，本文從FDI的環(huán)境效應(yīng)角度對(duì)霧霾污染（PM2.5）濃度影響來(lái)揭示兩者的關(guān)系，以期為治理霧霾和引進(jìn)外資提供經(jīng)驗(yàn)研究。［2］

在外商直接投資對(duì)東道國(guó)環(huán)境產(chǎn)生的影響研究中，存在兩種不同的觀點(diǎn)。第一種是“污染天堂”假說(shuō)，即惡化論的觀點(diǎn)，該觀點(diǎn)是認(rèn)為通過(guò)FDI引進(jìn)的高污染企業(yè)進(jìn)入環(huán)保標(biāo)準(zhǔn)較低的發(fā)展中國(guó)家，會(huì)帶來(lái)污染轉(zhuǎn)移，使東道國(guó)的環(huán)境質(zhì)量有所惡化，在學(xué)術(shù)界已有研究中，Pao和Tsai［3］、Kivyiro［4］通過(guò)采用自回歸滯后模型分別對(duì)俄羅斯、非洲地區(qū)部分國(guó)家進(jìn)行實(shí)證研究發(fā)現(xiàn)，F(xiàn)DI是造成這些國(guó)家環(huán)境質(zhì)量影響的因素，而Ong和Sek［5］采用VAR模型研究發(fā)現(xiàn)FDI對(duì)中、低收入國(guó)家的環(huán)境質(zhì)量有著較為顯著的增促作用。在對(duì)中國(guó)的實(shí)證研究中，Zhang and Fu［6］、周力和李靜［7］、嚴(yán)雅雪和齊紹洲［8］等人的研究驗(yàn)證了FDI對(duì)中國(guó)也是起著惡化環(huán)境的作用。但同時(shí)也存在著另一種觀點(diǎn)，即“污染光環(huán)”假說(shuō)，這一觀點(diǎn)與惡化論相反，認(rèn)為FDI是以新進(jìn)科學(xué)技術(shù)及產(chǎn)業(yè)進(jìn)入東道國(guó)，對(duì)其環(huán)境質(zhì)量提高起著促進(jìn)作用。在相關(guān)研究中，Hassaballa［9］驗(yàn)證了FDI通過(guò)技術(shù)溢出效應(yīng)對(duì)環(huán)境質(zhì)量會(huì)產(chǎn)生促進(jìn)作用，許和連和鄧玉萍［10］、宋德勇［11］、盛斌［12］等人通過(guò)研究發(fā)現(xiàn)FDI對(duì)我國(guó)環(huán)境質(zhì)量起到改善作用，而施震凱、邵軍［13］等人基于SpVAR模型研究發(fā)現(xiàn)1998—2010年間FDI初期是存在“污染天堂”效應(yīng)，后期轉(zhuǎn)換為“污染光環(huán)”效應(yīng)，李力［14］等人在對(duì)2006—2013年間FDI對(duì)珠三角霧霾污染影響的研究中發(fā)現(xiàn)，F(xiàn)DI對(duì)珠三角地區(qū)環(huán)境質(zhì)量起到促進(jìn)改善作用。在研究方法上，傳統(tǒng)的計(jì)量模型主要是從FDI與環(huán)境之間的線性關(guān)系向非線性關(guān)系進(jìn)行發(fā)展，包括測(cè)度兩者關(guān)系曲線的拐點(diǎn)，評(píng)估FDI的門檻效應(yīng)等，但隨著空間計(jì)量經(jīng)濟(jì)學(xué)模型的發(fā)展，學(xué)者普遍認(rèn)識(shí)到包括霧霾污染在內(nèi)的環(huán)境污染具有很強(qiáng)的空間溢出效應(yīng)，傳統(tǒng)的計(jì)量模型并不能將空間因素納入研究中，區(qū)域的空間相關(guān)性對(duì)本區(qū)域的環(huán)境質(zhì)量有著重要影響，因此不少學(xué)者提出應(yīng)將空間因素納入到環(huán)境領(lǐng)域研究中。

現(xiàn)有研究雖取得了一定成果，但相關(guān)研究受限于我國(guó)PM2.5數(shù)據(jù)開(kāi)展監(jiān)測(cè)工作較晚，表征霧霾污染多以PM10、AQI、SO2、NOx等常規(guī)空氣污染物作為替代變量，但實(shí)際上，PM2.5由于其體積小，對(duì)人類危害極大，在空氣中停留之間較長(zhǎng)，是最能表征霧霾污染的指標(biāo)。因此，本文通過(guò)解析衛(wèi)星監(jiān)測(cè)PM2.5遙感數(shù)據(jù)源，選用1998—2018年較長(zhǎng)時(shí)間序列下PM2.5濃度數(shù)據(jù)來(lái)表征霧霾污染，來(lái)分析省域FDI與霧霾污染PM2.5濃度之間的空間動(dòng)態(tài)關(guān)系，有利于精確掌握FDI對(duì)霧霾污染PM2.5濃度的影響，從而有效治理霧霾污染與實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展。

二、研究方法與模型構(gòu)建

（一）探索性空間數(shù)據(jù)分析方法

探索性空間數(shù)據(jù)分析方法是廣泛用于探測(cè)空間相關(guān)性的分析方法，為了驗(yàn)證省域FDI與霧霾污染PM2.5濃度值的空間相關(guān)性，需具體運(yùn)用全局空間自相關(guān)與局部空間自相關(guān)分析方法。

1.全局空間自相關(guān)。全局空間自相關(guān)方法是從整體分析省域FDI與霧霾污染PM2.5濃度值的空間分布狀況，主要是運(yùn)用全局Moran’s I指數(shù)來(lái)進(jìn)行考察［15］，公式為：

2.局部空間自相關(guān)。局部空間自相關(guān)是從更加微觀的局部來(lái)考察各省份i和j的FDI、PM2.5濃度值之間是否存在高值與低值在空間上的集聚狀況。具體采用的測(cè)度方法為Getis-Ord G*i指數(shù)。［15］公式為：

將上式標(biāo)準(zhǔn)化處理可得：

顯著條件下Z值＞1.96或＜-1.96，Z值的正負(fù)分別為FDI與PM2.5高值區(qū)域與低值區(qū)域的集中，即熱點(diǎn)區(qū)與冷點(diǎn)區(qū)。

（二）空間計(jì)量模型構(gòu)建

依據(jù)Grossman提出的EKC理論，認(rèn)為環(huán)境質(zhì)量隨著經(jīng)濟(jì)增長(zhǎng)而出現(xiàn)惡化，但到達(dá)某臨界值后，環(huán)境質(zhì)量會(huì)得到提高，呈現(xiàn)為“倒U型”曲線［16-17］，但在實(shí)際研究過(guò)程中兩者關(guān)系也呈現(xiàn)出“N”型或其他形狀曲線，F(xiàn)DI在實(shí)際中是通過(guò)經(jīng)濟(jì)增長(zhǎng)來(lái)影響環(huán)境，基于此，本文空間計(jì)量模型相關(guān)變量如下：

被解釋變量：PM2.5（PM2.5it），本文采用的1998—2015年全國(guó)各省域年均PM2.5濃度值數(shù)據(jù)來(lái)源于哥倫比亞大學(xué)社會(huì)經(jīng)濟(jì)研究和應(yīng)用中心公布的基于衛(wèi)星監(jiān)測(cè)的全球PM2.5濃度均值的柵格數(shù)據(jù)源［18］，具體采用ArcGIS軟件將其解析為1998—2015年全國(guó)各省域年均PM2.5濃度值，該數(shù)據(jù)源可信度高，國(guó)內(nèi)外研究學(xué)者積極將其應(yīng)用到對(duì)各國(guó)及各地區(qū)霧霾污染的研究中，取得了較好的研究效果。此外，2016—2018年省域PM2.5濃度數(shù)據(jù)是通過(guò)對(duì)國(guó)家環(huán)保部門公開(kāi)信息平臺(tái)發(fā)布的數(shù)據(jù)進(jìn)行采集獲取。

核心解釋變量：外商直接投資（FDI）。本文采用全國(guó)省域?qū)嶋H利用外資額作為替代變量，由于統(tǒng)計(jì)數(shù)據(jù)中外商直接投資額是以美元作為單位，在數(shù)據(jù)處理時(shí)首先將其換算成人民幣單位，再通過(guò)平減指數(shù)方法來(lái)消除價(jià)格影響，從而得到當(dāng)年實(shí)際數(shù)值。［14］

控制變量：經(jīng)濟(jì)發(fā)展（AGDP）：人均GDP代表了各省域的經(jīng)濟(jì)發(fā)展水平狀況，本文采用的人均GDP數(shù)據(jù)需要經(jīng)過(guò)平減指數(shù)得到真實(shí)的數(shù)值，仍以1998年為基期進(jìn)行處理，同時(shí)加入人均GDP二次項(xiàng)來(lái)觀察是否形成“倒U型”曲線，因此采用人均GDP表示經(jīng)濟(jì)發(fā)展水平對(duì)霧霾污染的影響。交通運(yùn)輸（CAR）：以私人汽車擁有量作為替代變量，隨著我國(guó)經(jīng)濟(jì)增長(zhǎng)，私人汽車擁有量逐年遞增，城市道路擁堵現(xiàn)象突出，汽車尾氣中的CO、NOx等污染物排放是霧霾污染產(chǎn)生的重要來(lái)源，以私人汽車擁有量作為交通運(yùn)輸對(duì)霧霾污染影響的替代變量；建成區(qū)綠化覆蓋率（GRE）：城市綠地對(duì)包括霧霾污染在內(nèi)的空氣污染起著較強(qiáng)的吸附作用，能夠起著對(duì)霧霾污染PM2.5濃度的稀釋作用，可以有效降低霧霾污染，以建成區(qū)綠化覆蓋率作為城市綠地對(duì)霧霾污染影響的替代變量；產(chǎn)業(yè)結(jié)構(gòu)（IS）：以第二產(chǎn)業(yè)增加值占GDP比重來(lái)反映產(chǎn)業(yè)結(jié)構(gòu)對(duì)霧霾污染的影響，第二產(chǎn)業(yè)在三次產(chǎn)業(yè)污染物排放中仍是最突出的產(chǎn)業(yè)，工業(yè)發(fā)展中的大量污染物排放加劇了霧霾污染，以第二產(chǎn)業(yè)增加值占GDP比重作為產(chǎn)業(yè)結(jié)構(gòu)對(duì)霧霾污染影響的替代變量；能源結(jié)構(gòu)（ES）：以分地區(qū)煤炭消費(fèi)量占分地區(qū)能源消費(fèi)總量比重作為能源結(jié)構(gòu)的替代變量，我國(guó)能源消費(fèi)結(jié)構(gòu)仍以煤炭消費(fèi)占據(jù)較大比重，而煤炭等礦物燃料燃燒對(duì)霧霾污染產(chǎn)生較大影響，以煤炭消費(fèi)量占能源消費(fèi)總量比重作為能源結(jié)構(gòu)對(duì)霧霾污染影響考察的替代變量；人口集聚（DP）：以人口密度作為城市人口集聚狀況的替代變量，人口集聚過(guò)程中的生產(chǎn)生活方式會(huì)對(duì)霧霾污染產(chǎn)生一定影響，以人口密度作為人口集聚對(duì)霧霾污染影響考察的替代變量。在構(gòu)建空間計(jì)量模型前首先對(duì)數(shù)據(jù)進(jìn)行取對(duì)數(shù)處理，從而有效降低數(shù)據(jù)波動(dòng)性及模型的異方差性。

根據(jù)空間計(jì)量模型的基本形式，分別構(gòu)建省域FDI對(duì)霧霾污染PM2.5濃度影響的空間滯后模型（SLM）與空間誤差模型（SEM）兩種形式，具體構(gòu)建的計(jì)量模型如下所示，其中省域FDI對(duì)霧霾污染PM2.5濃度影響的空間滯后模型（SLM）：

式（4）中，ρ表示是空間自回歸系數(shù)，W表示是空間權(quán)重矩陣，WlnPM2.5it是表示空間滯后變量，ε是隨機(jī)誤差項(xiàng)。

省域FDI對(duì)霧霾污染PM2.5濃度影響的空間誤差模型（SEM）：

式（5）中，λ表示空間誤差移動(dòng)平均系數(shù)，Wεit是空間滯后誤差項(xiàng)，其他參數(shù)含義與空間滯后模型SLM相同。

本文所有變量數(shù)據(jù)來(lái)源于1999—2018年《中國(guó)統(tǒng)計(jì)年鑒》及國(guó)家統(tǒng)計(jì)局網(wǎng)站、各省市統(tǒng)計(jì)年鑒、國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)及生態(tài)環(huán)境狀況公報(bào)等。

三、實(shí)證分析

（一）空間相關(guān)性分析

1.全局空間自相關(guān)。根據(jù)全局Moran’s I指數(shù)值結(jié)果來(lái)分析省域FDI全局空間相關(guān)性和PM2.5濃度全局空間相關(guān)性，結(jié)果如表1所示。

從表1可以看出，研究期1998—2018年全國(guó)省域FDI和霧霾污染PM2.5濃度的全局Moran’s I值均大于0，且全局Moran’s I值遠(yuǎn)離期望值E(I)(-0.007937)，表明省域FDI和省域霧霾污染PM2.5濃度均具有顯著的空間集聚特征。1998—2018年省域FDI全局Moran’s I值在0.132167-0.381583范圍內(nèi)，均通過(guò)了10%顯著性水平檢驗(yàn)，全局Moran’s I值總體呈現(xiàn)出增長(zhǎng)—減小—增長(zhǎng)—減小的“M”型波動(dòng)趨勢(shì)，1998—2005年間，省域FDI全局Moran’s I值呈現(xiàn)出總體增長(zhǎng)態(tài)勢(shì)，表明此階段省域FDI全局空間相關(guān)性在不斷加強(qiáng)，省域FDI表現(xiàn)出較強(qiáng)的空間集聚狀態(tài)，而2006—2011年間，省域FDI全局Moran’s I值由0.33643降低至0.155595，表明這一階段省域FDI在空間上由集聚向分散進(jìn)行發(fā)展，全局相關(guān)性特征有所減弱；2011—2015年，省域FDI全局Moran’s I值由0.155595增長(zhǎng)至研究期內(nèi)最大值0.381583，這表明此階段省域FDI全局相關(guān)性特征又呈現(xiàn)出不斷增強(qiáng)的態(tài)勢(shì)，空間集聚特征更加顯著；2015—2018年呈現(xiàn)出波動(dòng)發(fā)展態(tài)勢(shì)，省域FDI全局Moran’s I值由2015年時(shí)的0.381583下降至2017年0.163737，到2018年時(shí)回升至0.330307。

表1 1998—2018年省域FDI和霧霾污染PM2.5濃度的全局Moran’s I指數(shù)值

由省域霧霾污染PM2.5濃度全局Moran’s I值結(jié)果研究所得，省域霧霾污染PM2.5濃度全局Moran’s I值在0.344646-0.511294，均通過(guò)了1%顯著性檢驗(yàn)，省域霧霾污染PM2.5濃度全局Moran’s I值也呈現(xiàn)出增長(zhǎng)—減小—增長(zhǎng)—減小的波動(dòng)趨勢(shì)，其中1998—2003年，省域霧霾污染PM2.5濃度全局Moran’s I值由0.364612波動(dòng)增長(zhǎng)至2003年的0.511294，2003年省域霧霾污染PM2.5濃度全局Moran’s I值達(dá)到研究期內(nèi)的最大值，表明此階段省域霧霾污染PM2.5濃度具有顯著的空間正相關(guān)性，空間集聚現(xiàn)象突出；而2003—2010年間，省域霧霾污染PM2.5濃度全局Moran’s I值由0.511294降低至0.397363，表明省域霧霾污染PM2.5濃度空間集聚現(xiàn)象有所減弱；2010—2015年間，省域霧霾污染PM2.5濃度全局Moran’s I值由0.397363波動(dòng)增長(zhǎng)至0.474766，表明此階段省域霧霾污染PM2.5濃度全局相關(guān)性在不斷增強(qiáng)；2015—2018年呈現(xiàn)的態(tài)勢(shì)與省域FDI保持一致，省域霧霾污染PM2.5濃度全局Moran’s I值由2015年的0.474766 下降至2017年0.360235，到2018年時(shí)回升至0.380425。

將省域FDI和省域霧霾污染PM2.5濃度全局Moran’s I值結(jié)果進(jìn)行比較，可以得出省域霧霾污染PM2.5濃度空間相關(guān)性與省域FDI呈現(xiàn)同向波動(dòng)趨勢(shì)，這說(shuō)明全國(guó)省域FDI和霧霾污染PM2.5濃度在空間上均存在顯著的空間正相關(guān)性，在空間上集聚特征較為顯著。

2.局部空間自相關(guān)。全局空間Moran’s I指數(shù)值是對(duì)省域FDI與省域霧霾污染PM2.5濃度全局相關(guān)性進(jìn)行判別，但對(duì)空間相關(guān)性進(jìn)行分析時(shí)仍需引入局部空間相關(guān)性研究方法，該方法可以對(duì)省域FDI和PM2.5局部空間相關(guān)性特征進(jìn)行可視化研究，本文分別選擇1998年、2008年和2018年作為時(shí)間節(jié)點(diǎn)，采用ArcGIS軟件基于自然斷裂法生成空間格局熱點(diǎn)演化圖，分別形成四類區(qū)域：熱點(diǎn)區(qū)、次熱點(diǎn)區(qū)、次冷點(diǎn)區(qū)和冷點(diǎn)區(qū)，通過(guò)對(duì)比省域FDI與PM2.5濃度熱點(diǎn)區(qū)、次熱點(diǎn)區(qū)、次冷點(diǎn)區(qū)和冷點(diǎn)區(qū)，來(lái)分析兩者的局部空間演化特征。

由圖1和圖2所示，省域FDI在1998年的熱點(diǎn)區(qū)包括湖北、安徽、江西、浙江、福建和海南；次熱點(diǎn)區(qū)包括江蘇、上海、遼寧、湖南、貴州、廣西和廣東；次冷點(diǎn)區(qū)包括京津冀、山西、河南、山東、重慶、黑龍江、吉林、內(nèi)蒙古和重慶；冷點(diǎn)區(qū)包括新疆、青海、甘肅、寧夏、陜西、四川、云南和西藏。省域PM2.5濃度在1998年的熱點(diǎn)區(qū)為：京津冀、山東、河南、安徽、江蘇和上海；次熱點(diǎn)區(qū)包括內(nèi)蒙古、遼寧、寧夏、陜西、山西、湖北、江西和浙江；次冷點(diǎn)區(qū)包括黑龍江、吉林、甘肅、重慶、貴州、湖南、廣西、廣東、福建和海南；冷點(diǎn)區(qū)包括新疆、青海、西藏、四川和云南。

省域FDI在2008年熱點(diǎn)區(qū)包括江蘇、上海、浙江、福建、安徽、江西和湖北；次熱點(diǎn)區(qū)包括遼寧、河北、北京、天津、山西、河南、山東和湖南；次冷點(diǎn)區(qū)包括黑龍江、吉林、內(nèi)蒙古、陜西、貴州、廣西和廣東；冷點(diǎn)區(qū)包括新疆、甘肅、青海、寧夏、西藏、四川、重慶和云南。省域PM2.5濃度2008年熱點(diǎn)區(qū)包括京津冀、山東、河南、安徽、江蘇、上海、湖北、陜西和山西；次熱點(diǎn)區(qū)包括內(nèi)蒙古、吉林、遼寧、江西、浙江和福建；次冷點(diǎn)區(qū)包括四川、重慶、貴州和湖南；冷點(diǎn)區(qū)包括黑龍江、新疆、青海、甘肅、西藏、云南、廣西、廣東和海南。

省域FDI在2018年熱點(diǎn)區(qū)包括河南、湖北、安徽、江蘇、上海和浙江；次熱點(diǎn)區(qū)包括山西、陜西、遼寧、京津冀、山東、湖南、江西和福建；次冷點(diǎn)區(qū)包括寧夏、吉林、內(nèi)蒙古、重慶、貴州、廣西、廣東和海南；冷點(diǎn)區(qū)包括黑龍江、新疆、甘肅、青海、四川、云南和西藏。省域PM2.5濃度2018年熱點(diǎn)區(qū)包括寧夏、陜西、山西、京津冀、河南、湖北、山東和江蘇；次熱點(diǎn)區(qū)包括遼寧、吉林、內(nèi)蒙古、甘肅、重慶、安徽和上海；次冷點(diǎn)區(qū)包括黑龍江、四川、云南、貴州、湖南、江西、浙江和福建；冷點(diǎn)區(qū)包括廣東、廣西、海南、青海、新疆和西藏。

通過(guò)對(duì)比省域霧霾污染PM2.5濃度和FDI四類區(qū)域進(jìn)行分析所得，1998年省域PM2.5熱點(diǎn)區(qū)域以京津冀和長(zhǎng)三角北部區(qū)域?yàn)橹?，次熱點(diǎn)區(qū)僅圍繞在熱點(diǎn)區(qū)周圍，而省域FDI熱點(diǎn)區(qū)以長(zhǎng)江中下游地區(qū)為主，次熱點(diǎn)區(qū)分布在熱點(diǎn)區(qū)周圍，以南部省份為主；而到了2008年，省域霧霾污染PM2.5濃度熱點(diǎn)區(qū)范圍更廣，在1998年基礎(chǔ)上向西部進(jìn)行移動(dòng)，涵蓋了華北地區(qū)及長(zhǎng)江中下游地區(qū)，次熱點(diǎn)區(qū)域有所收縮，而省域FDI熱點(diǎn)區(qū)變化范圍不大，僅增加了江蘇和上海，但次熱點(diǎn)區(qū)由南部向北部轉(zhuǎn)移趨勢(shì)較為明顯，華北地區(qū)由次冷點(diǎn)區(qū)轉(zhuǎn)換為次熱點(diǎn)區(qū)；2018年省域霧霾污染PM2.5濃度熱點(diǎn)區(qū)進(jìn)一步擴(kuò)大，以京津冀、山西、陜西、寧夏、山東、江蘇、河南和湖北形成了熱點(diǎn)區(qū)，在其周圍北部的內(nèi)蒙古、遼寧、吉林，西部的甘肅和南部的重慶、安徽和上海形成了霧霾污染的次熱點(diǎn)區(qū)，次冷點(diǎn)區(qū)以黑龍江和長(zhǎng)江經(jīng)濟(jì)帶所轄四川、云南、貴州、湖南、江西、浙江六省以及福建所組成，而省域FDI的熱點(diǎn)區(qū)域2018年變化較為有限，僅在2008年的基礎(chǔ)上，河南由次熱點(diǎn)區(qū)轉(zhuǎn)換為2018年的熱點(diǎn)區(qū)，江西和福建由2008年的熱點(diǎn)區(qū)轉(zhuǎn)換為2018年的次熱點(diǎn)區(qū)。與省域霧霾污染PM2.5濃度四類區(qū)域變化相比，省域FDI四類區(qū)域變化較為穩(wěn)定，這表明外商直接投資在我國(guó)已形成了較為穩(wěn)定的投資區(qū)域。

通過(guò)分析可以看出我國(guó)霧霾污染（PM2.5）高集聚區(qū)主要集中在京津冀和長(zhǎng)三角地區(qū)以及與這兩大區(qū)域相連接的中部地區(qū)，空間集聚態(tài)勢(shì)較為明顯，這一區(qū)域長(zhǎng)期處于較為穩(wěn)定的狀態(tài)［19-20］。而我國(guó)省域FDI的高集聚區(qū)主要集中在長(zhǎng)三角及中部地區(qū)，F(xiàn)DI與霧霾污染（PM2.5）高集聚分布重疊區(qū)域多集中在長(zhǎng)三角、京津冀等地區(qū)，而兩者低集聚區(qū)域重疊多分布在西部地區(qū)。究其原因，這與京津冀、長(zhǎng)三角地區(qū)產(chǎn)業(yè)結(jié)構(gòu)及其調(diào)整有密切聯(lián)系，該區(qū)域的第二產(chǎn)業(yè)發(fā)展規(guī)模較大，隨著東部地區(qū)的產(chǎn)業(yè)調(diào)整，連接?xùn)|部地區(qū)的中部省份憑借地理優(yōu)勢(shì)承接了東部地區(qū)污染型、高耗能的產(chǎn)業(yè)，因此在東部地區(qū)京津冀、長(zhǎng)三角及連接該區(qū)域的中部省份共同形成了霧霾污染（PM2.5）高集聚區(qū)［19-20］。同時(shí)，該區(qū)域基礎(chǔ)設(shè)施發(fā)展完善，人力資源豐富，吸引大量FDI投資，因此在空間上與霧霾污染（PM2.5）高聚集區(qū)形成了重疊。

（二）省域FDI對(duì)霧霾污染PM2.5濃度影響的空間計(jì)量分析

由于省域PM2.5具有顯著的空間相關(guān)性，這與傳統(tǒng)計(jì)量經(jīng)濟(jì)學(xué)模型中的空間均質(zhì)分布假設(shè)不同，因此需要構(gòu)建空間計(jì)量經(jīng)濟(jì)學(xué)模型來(lái)解決常規(guī)計(jì)量模型不能有效解決空間效應(yīng)問(wèn)題。在對(duì)PM2.5濃度進(jìn)行空間計(jì)量分析之前，需要對(duì)空間誤差模型SEM和空間滯后模型SLM進(jìn)行判別，依據(jù)Anselin提出的空間計(jì)量模型判定準(zhǔn)則，其判定依據(jù)是根據(jù)空間誤差模型SEM和空間滯后模型SLM的拉格朗日算子及其穩(wěn)健形式來(lái)進(jìn)行區(qū)分，具體過(guò)程是首先依據(jù)Moran指數(shù)來(lái)判斷研究對(duì)象的空間自相關(guān)性，再依據(jù)空間滯后模型與空間誤差模型的檢驗(yàn)系數(shù)LMEER和LMLAG進(jìn)行判別，R-LMEER和R-LMLAG是基于朗格朗日算子穩(wěn)定性檢驗(yàn)的補(bǔ)充，將LMEER與LMLAG先進(jìn)行比較，更顯著一方作為解釋模型，而兩者較為接近時(shí)則觀察R-LMEER和R-LMLAG，更顯著一方作為判定模型。［19］本文構(gòu)建的計(jì)量模型分析結(jié)果顯示LMLAG比LMEER更顯著，因此空間滯后模型SLM最為本文的解釋模型。在觀察空間固定效應(yīng)模型、時(shí)間效應(yīng)模型與雙向固定效應(yīng)模型，結(jié)合R2與Log-Likelihood的結(jié)果進(jìn)行分析，空間滯后模型SLM中的時(shí)空雙固定模型的估計(jì)結(jié)果相比空間固定模型和時(shí)間固定模型而言更為合適，因此應(yīng)選擇空間滯后模型SLM中的時(shí)空雙固定模型作為判定模型，來(lái)解釋省域FDI對(duì)省域霧霾污染PM2.5的影響?？臻g計(jì)量模型結(jié)果如表2所示。

表2 空間計(jì)量模型結(jié)果

通過(guò)對(duì)空間計(jì)量模型的結(jié)果進(jìn)行分析，從空間滯后模型SLM的時(shí)空雙固定模型估計(jì)結(jié)果來(lái)看，得出以下結(jié)論：

第一，省域FDI對(duì)省域霧霾污染PM2.5具有顯著的負(fù)向影響。通過(guò)空間計(jì)量模型的結(jié)果顯示，對(duì)比空間滯后模型SLM中的時(shí)空雙固定模型結(jié)果顯示出省域FDI對(duì)霧霾污染的影響系數(shù)為0.0291，這表明省域FDI對(duì)省域霧霾污染PM2.5濃度的提高是起著促進(jìn)作用，F(xiàn)DI每升高1%，則省域霧霾污染PM2.5濃度升高0.0291%，說(shuō)明省域FDI是造成我國(guó)省域霧霾污染的“促增”因素，“污染天堂”在我國(guó)省域?qū)用娉闪?。這一結(jié)論形成的重要原因可能是受到FDI的規(guī)模效應(yīng)影響，改革開(kāi)放以來(lái)，我國(guó)吸引了大量外商投資入境促進(jìn)了經(jīng)濟(jì)的發(fā)展，但同時(shí)由于早前外商投資準(zhǔn)入門檻較低，既造成資源的過(guò)度開(kāi)發(fā)與能源消耗，也對(duì)我國(guó)的生態(tài)環(huán)境造成了一定破壞，因此，適度控制FDI對(duì)我國(guó)省域霧霾污染PM2.5濃度有防治作用。

第二，從空間計(jì)量模型的整體結(jié)果來(lái)看，不管是空間滯后模型SLM還是空間誤差模型SEM的回歸系數(shù)和均為正值，且都通過(guò)了1%顯著性水平檢驗(yàn)，這表明我國(guó)省域霧霾污染PM2.5具有顯著的空間溢出效應(yīng)，這說(shuō)明一個(gè)地區(qū)的霧霾污染不但受其自身影響，還受周邊其他區(qū)域霧霾污染的影響。觀察空間滯后模型SLM的時(shí)空雙固定模型的結(jié)果為0.7432，這表明相鄰省域的區(qū)域霧霾污染PM2.5較為嚴(yán)重，則本地區(qū)的霧霾污染PM2.5也不同程度會(huì)受到一定的影響，結(jié)果表明若省域相鄰地區(qū)的霧霾污染PM2.5濃度每升高1%，則本省域單元的霧霾污染PM2.5濃度將升高0.7432%，霧霾污染的空間集聚現(xiàn)象較為突出。究其原因，一方面霧霾污染PM2.5不僅受自身社會(huì)經(jīng)濟(jì)影響因素的影響，還受風(fēng)向及區(qū)域傳輸?shù)挠绊?，此外，近些年?lái)的東中西部間的產(chǎn)業(yè)承接與轉(zhuǎn)移也對(duì)區(qū)域霧霾污染的空間相關(guān)性起著重要的促進(jìn)作用，京津冀和長(zhǎng)三角地區(qū)及其中部連接省份間的產(chǎn)業(yè)轉(zhuǎn)移，意味著京津冀、長(zhǎng)三角地區(qū)自身產(chǎn)業(yè)結(jié)構(gòu)調(diào)整后形成了產(chǎn)業(yè)“綠色發(fā)展”，而鄰近承接產(chǎn)業(yè)轉(zhuǎn)移的欠發(fā)達(dá)省份將會(huì)形成污染加重的局面，從而導(dǎo)致產(chǎn)業(yè)結(jié)構(gòu)調(diào)整伴隨著“污染泄漏”效應(yīng)的形成。［19-20］

第三，根據(jù)表2空間計(jì)量模型的結(jié)果，分析其他控制變量對(duì)省域霧霾污染PM2.5的影響。人均GDP這一變量的回歸系數(shù)為0.0276，通過(guò)了5%的顯著性水平檢驗(yàn)，表明研究期內(nèi)隨著經(jīng)濟(jì)發(fā)展，其對(duì)霧霾污染PM2.5濃度的影響還是會(huì)起著“增促”的影響，但該系數(shù)值是所有控制變量中較小的數(shù)值，這也說(shuō)明人均GDP增長(zhǎng)對(duì)PM2.5濃度升高的作用已越來(lái)越微弱，可以預(yù)期我國(guó)在實(shí)施高質(zhì)量發(fā)展和堅(jiān)決打贏污染防治攻堅(jiān)戰(zhàn)的過(guò)程中，未來(lái)人均GDP的增長(zhǎng)對(duì)PM2.5濃度的影響可能將由“增促”作用轉(zhuǎn)換為“降促”作用，而人均GDP二次項(xiàng)并未通過(guò)顯著性檢驗(yàn)。私人汽車擁有量這一表征交通運(yùn)輸對(duì)PM2.5濃度的變量回歸系數(shù)為0.0247，且通過(guò)了1%顯著性水平檢驗(yàn)，表明現(xiàn)階段私人汽車擁有量仍對(duì)PM2.5濃度的提高起著促進(jìn)作用，這與邵帥［20］等人的研究結(jié)論一致。而建成區(qū)綠化覆蓋率這一表征綠地對(duì)PM2.5濃度作用變量的回歸系數(shù)值為-0.1086，并通過(guò)了1%顯著性水平檢驗(yàn)，該系數(shù)值在所有變量回歸系數(shù)絕對(duì)值最大，表明建成區(qū)綠化覆蓋率對(duì)PM2.5濃度起著降低作用，并且起著較好的治理霧霾污染的效果；以第二產(chǎn)業(yè)增加值占GDP比重為替代變量來(lái)表征產(chǎn)業(yè)結(jié)構(gòu)對(duì)PM2.5濃度的回歸系數(shù)為0.0654，并且通過(guò)了1%顯著性水平檢驗(yàn)，這表明第二產(chǎn)業(yè)仍是對(duì)PM2.5濃度提升的重要影響因素；以煤炭消費(fèi)量占能源消費(fèi)總量來(lái)表征能源結(jié)構(gòu)對(duì)PM2.5濃度的回歸系數(shù)為0.0976，并通過(guò)了1%顯著性水平檢驗(yàn)，該系數(shù)值在所有變量回歸系數(shù)中僅次于建成區(qū)綠化覆蓋率，表明我國(guó)以煤炭為重要的能源消費(fèi)結(jié)構(gòu)對(duì)PM2.5濃度的提高起著較為顯著的促進(jìn)作用。人口密度對(duì)PM2.5濃度的回歸系數(shù)值為0.0436，但沒(méi)有通過(guò)顯著性檢驗(yàn)，因此人口密度對(duì)PM2.5濃度的提高這一影響并不能得到驗(yàn)證。

四、結(jié)論及建議

本文采用探索性空間數(shù)據(jù)分析方法，構(gòu)建空間計(jì)量經(jīng)濟(jì)學(xué)模型方法，分析省域FDI對(duì)我國(guó)霧霾污染PM2.5濃度的影響，研究發(fā)現(xiàn)：

第一，我國(guó)省域FDI與省域霧霾污染PM2.5濃度間呈現(xiàn)顯著的空間正相關(guān)性，在研究期1998—2018年省域FDI與省域霧霾污染PM2.5濃度的全局相關(guān)性都經(jīng)歷了增大-縮小-增大-縮小的變化態(tài)勢(shì)，兩者的變動(dòng)趨勢(shì)基本保持一致。

第二，從局部空間相關(guān)性分析發(fā)現(xiàn)，省域霧霾污染PM2.5熱點(diǎn)區(qū)演化較為明顯，熱點(diǎn)區(qū)由1998年涵蓋京津冀、山東、河南、安徽、江蘇和上海向西擴(kuò)展，到了2008年和2018年熱點(diǎn)區(qū)涵蓋華北和長(zhǎng)江中下游大部分區(qū)域，次熱點(diǎn)區(qū)圍繞在熱點(diǎn)區(qū)周圍，而次冷點(diǎn)區(qū)在2018年時(shí)逐步形成以長(zhǎng)江經(jīng)濟(jì)帶內(nèi)的四川、云南、貴州、湖南、江西、浙江和福建為主要范圍。省域FDI熱點(diǎn)區(qū)演化中，除福建省以外其他熱點(diǎn)區(qū)均保持穩(wěn)定，在省域FDI四類區(qū)域中，次熱點(diǎn)區(qū)變化較為顯著，由1998年的華南地區(qū)演變至2008和2018年的華北地區(qū)，2008年省域FDI熱點(diǎn)演化圖與2018年相比大部分省域形成的演化格局類型較為一致，僅少部分省份在熱點(diǎn)區(qū)與次熱點(diǎn)區(qū)間發(fā)生變動(dòng)。

第三，通過(guò)空間計(jì)量模型分析發(fā)現(xiàn)，省域FDI對(duì)霧霾污染PM2.5濃度起著“增促”作用，“污染天堂”在我國(guó)省域?qū)用娉闪?；在其他控制變量上，?jīng)濟(jì)發(fā)展、交通運(yùn)輸、產(chǎn)業(yè)結(jié)構(gòu)與能源結(jié)構(gòu)的替代變量對(duì)省域霧霾污染PM2.5濃度作用，建成區(qū)綠化覆蓋率對(duì)省域霧霾污染PM2.5濃度起著降低作用。

根據(jù)本文的研究結(jié)果，針對(duì)未來(lái)引進(jìn)FDI及治理霧霾污染，建議如下：

FDI引進(jìn)應(yīng)從規(guī)模引進(jìn)轉(zhuǎn)向質(zhì)量引進(jìn)。要以外商投資法和最新版外商投資準(zhǔn)入負(fù)面清單為指導(dǎo)，注重清潔生產(chǎn)型和技術(shù)創(chuàng)新性企業(yè)的引進(jìn)，提高FDI環(huán)境準(zhǔn)入門檻，嚴(yán)格限制高能耗、高污染行業(yè)的進(jìn)入；充分發(fā)揮FDI的技術(shù)效應(yīng)，通過(guò)建立有效的激勵(lì)機(jī)制，發(fā)揮FDI的技術(shù)優(yōu)勢(shì)，擴(kuò)大其知識(shí)溢出效應(yīng)和競(jìng)爭(zhēng)效應(yīng)，切實(shí)減少和控制主要空氣污染物的排放量，進(jìn)而減少霧霾發(fā)生的概率。

我國(guó)省域霧霾污染具有典型的空間相關(guān)性特征，2017和2018年我國(guó)霧霾污染治理總體取得顯著成效，這與我國(guó)實(shí)行“聯(lián)防聯(lián)控”和多元協(xié)同治理的措施是密切相關(guān)的。區(qū)域性霧霾污染不僅需要區(qū)域內(nèi)各政府相互協(xié)調(diào)，相互配合，共同治理，同時(shí)政府應(yīng)積極發(fā)動(dòng)社會(huì)、群眾力量，在未來(lái)治理霧霾過(guò)程時(shí)繼續(xù)加強(qiáng)引導(dǎo)跨區(qū)域合作和多元協(xié)同治理。同時(shí)，在東中西部間產(chǎn)業(yè)轉(zhuǎn)移過(guò)程中要通過(guò)科技創(chuàng)新，促進(jìn)產(chǎn)業(yè)升級(jí)與環(huán)境協(xié)同治理并舉。東部地區(qū)要以科技創(chuàng)新為引領(lǐng)，積極開(kāi)發(fā)與實(shí)現(xiàn)新能源市場(chǎng)化，中西部地區(qū)要規(guī)避“向底線賽跑”效應(yīng)，完善和加強(qiáng)環(huán)境規(guī)制措施，提高引進(jìn)外資質(zhì)量。［8］

大力實(shí)施新舊動(dòng)能轉(zhuǎn)換，改變我國(guó)以煤炭為主的能源消費(fèi)結(jié)構(gòu)，實(shí)現(xiàn)清潔生產(chǎn)。在供給側(cè)改革的背景下應(yīng)大力實(shí)施調(diào)結(jié)構(gòu)、清潔化發(fā)展第二產(chǎn)業(yè)，大力提高核能、風(fēng)能等清潔能源在我國(guó)電力生產(chǎn)中的比重，以此助推我國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展；積極發(fā)展城市公共交通體系，加強(qiáng)移動(dòng)源的污染控制，嚴(yán)格機(jī)動(dòng)車的污染排放標(biāo)準(zhǔn)，研發(fā)并推廣使用新能源汽車，構(gòu)建“車-油-路”一體化的機(jī)動(dòng)車綜合污染控制體系，促進(jìn)居民出行便捷化、清潔化；此外，努力提高城市綠地覆蓋面積提升綠地、植被對(duì)空氣污染物的吸附作用。