丁欣 周吉光 吳文盛

[摘要]選擇氣象條件相似的華北地區(qū)28市（盟）作為研究樣本，在驗證了城市大氣環(huán)境質(zhì)量之間的空間關(guān)系后，將自然地理要素抽象化并引入空間計量經(jīng)濟(jì)模型，基于傳統(tǒng)EKC模型論證了經(jīng)濟(jì)、社會和自然地理要素對地區(qū)大氣環(huán)境質(zhì)量的影響。分析結(jié)果表明：地形種類應(yīng)是華北地區(qū)大氣環(huán)境質(zhì)量（PM25、PM10、SO2）的主要影響因素，資源型城市屬性在一定程度上會加重PM10和SO2的污染程度，其他諸如人均收入、人口密度、毗鄰沙漠、擁有海岸線等因素對大氣環(huán)境質(zhì)量的影響總體上不太顯著;僅在對NO2污染物指標(biāo)的回歸中，可以發(fā)現(xiàn)顯著的EKC效應(yīng)。

[關(guān)鍵詞] 霧霾;華北地區(qū);空間計量經(jīng)濟(jì)學(xué);自然地理

[中圖分類號] F207 [文獻(xiàn)標(biāo)識碼]A?? [文章編號]1673-0461（2020）03-0055-09

一、引 言

2011年以來，中國多個城市出現(xiàn)嚴(yán)重霧霾天氣，京津冀地區(qū)重度霧霾天氣頻發(fā)，引起了廣泛的社會關(guān)注。隨后，一系列政策措施相繼頒布、實施，以應(yīng)對大氣污染問題。即便到2018年度，全國338個地級及以上城市中，仍有近2/3的城市空氣質(zhì)量不達(dá)標(biāo);空氣質(zhì)量相對較差的10個城市中，河北仍獨(dú)占5席（生態(tài)環(huán)保部：《2018年全國生態(tài)環(huán)境質(zhì)量簡況》，2019）?？梢?，大氣污染防治將是長期的攻堅戰(zhàn)，而京津冀地區(qū)則“首當(dāng)其沖”，成為全國重點(diǎn)區(qū)域，防治工作任重道遠(yuǎn)。

霧霾是大氣中跨越地球廣大地區(qū)的碳質(zhì)氣溶膠粒子的積累，而碳質(zhì)氣溶膠顆粒主要是由燃燒過程產(chǎn)生的，包括生物質(zhì)和化石燃料燃燒;與此同時，大氣中揮發(fā)性有機(jī)物種的自然排放和轉(zhuǎn)化也有助于霧霾的發(fā)展（Guenter Engling、A Gelencsér，2010） [1]。rjan Gustafsson、Martin Krus、Zdenek Zencak等（2009）對亞洲南部的一項研究也表明化石燃料和生物質(zhì)燃燒（如住宅烹飪和農(nóng)業(yè)焚燒）過程是該地區(qū)范圍廣泛霧霾（atmospheric brown cloud）產(chǎn)生的原因 [2]。自2011年以來，國內(nèi)許多學(xué)者從工業(yè)技術(shù)到產(chǎn)業(yè)結(jié)構(gòu)層面，紛紛陳述了對霧霾成因的解析，但迄今為止對“霾”的科學(xué)認(rèn)識還不夠系統(tǒng)、全面 [3]。如段再明（2011）認(rèn)為利用在焦化工業(yè)中濕法熄焦是誘發(fā)山西省霧霾天氣的主要原因之一 [4]，顯然僅考察了部分成因。而潘本鋒、汪巍、李亮等（2013）結(jié)合氣象條件等因素，認(rèn)為霧霾天氣是由氣象要素和環(huán)境要素共同作用形成的 [5];孟曉艷、余予、張志富等（2014）也認(rèn)同了這種觀點(diǎn)，他們認(rèn)為除污染物濃度超標(biāo)外，地面風(fēng)速小、相對濕度高、大氣層結(jié)穩(wěn)定是京津冀地區(qū)霧霾頻發(fā)的另一重要因素 [6]。關(guān)大博、劉竹（2014）則從行業(yè)類型及燃料消費(fèi)種類兩方面量化梳理了京津冀地區(qū)重點(diǎn)污染行業(yè)及不同燃料對PM25污染的貢獻(xiàn) [7]。而石彥波、盧廣（2015）的一項調(diào)查，則從大眾媒體的視角，解釋了京津冀地區(qū)何以成為中國霧霾最嚴(yán)重的地區(qū) [8]。

中國科學(xué)院大氣物理研究所王躍思團(tuán)隊長期追蹤大氣霾污染問題，對“霾”的成因進(jìn)行了解析。他們得出霾的成因包括：天氣過程和局地氣象條件不利于污染物擴(kuò)散，西北氣流輸送沙塵使污染物累積到太行山和燕山山前，城市周邊污染物氣團(tuán)的近距離聚攏，污染物的局地排放以及二次顆粒物的不斷轉(zhuǎn)化生成 [9]。他們將之歸納為內(nèi)因和外因，內(nèi)因指污染物排放源的不確定性與未知源，而外因主要指天氣過程、氣候變化、氣象條件與大氣邊界層結(jié)構(gòu);并認(rèn)為在排放源相對穩(wěn)定的情況下，外因往往是決定性因素，但在外因不可控的前提下，內(nèi)因即一次污染物排放量過大是治理大氣霾污染的關(guān)鍵因素 [10]。

關(guān)于霧霾成因的探討，不是本文論述的重點(diǎn)。從學(xué)術(shù)探討方面，我們傾向于王躍思團(tuán)隊的研究結(jié)論，即京津冀的區(qū)位、氣象條件等外因和特定經(jīng)濟(jì)發(fā)展階段污染物排放特征等內(nèi)因，是其霧霾形成的共同原因。實際上，早在2014年，京津冀地區(qū)就相繼公布了空氣顆粒物來源解析成果報告，基本認(rèn)為燃煤機(jī)動車、揚(yáng)塵和工業(yè)生產(chǎn)是京津冀主要的大氣污染因素 [11]，同時，京、津、冀（以石家莊為例）3地的PM25來源中，區(qū)域傳輸分別約占28%—36%、22%—34%、23%—30% [12]。那么，本文從以大氣污染嚴(yán)重的京津冀地區(qū)為中心，將大氣污染的影響區(qū)域擴(kuò)展到華北地區(qū)，選取華北地區(qū)28個城市，研究大氣污染的空間依賴性，從而為區(qū)域大氣污染防治協(xié)作提供一些基礎(chǔ)資料。

二、空間經(jīng)濟(jì)分析方法在大氣污染領(lǐng)域的理論研究

1970年，Tobler提出了地理學(xué)第一定律，由此引發(fā)了運(yùn)用空間統(tǒng)計學(xué)方法分析經(jīng)濟(jì)問題的趨勢。具體到大氣污染領(lǐng)域的研究，David Maddison（2006）認(rèn)為之前的研究人員在分析大氣污染物（硫）排放的趨勢時，忽略了數(shù)據(jù)的空間特性，還忽視了對大氣污染物（硫）排放的越境性質(zhì)進(jìn)行核算的重要性 [13]。而數(shù)據(jù)中存在的空間關(guān)系對計量經(jīng)濟(jì)學(xué)技術(shù)的典型運(yùn)用有著重要影響，對數(shù)據(jù)空間關(guān)系的忽視，則會導(dǎo)致如Luc Anselin等所述的誤導(dǎo)性推理測試過程（misleading inference testing procedures）、偏差和不一致性問題（Anselin、Griffith，1988） [14]。

一般來說，空間經(jīng)濟(jì)分析方法運(yùn)用于大氣污染領(lǐng)域是基于如下兩點(diǎn)假設(shè)：大氣污染存在污染疊加效應(yīng);大氣污染的空間數(shù)據(jù)間存在統(tǒng)計關(guān)系 [15]。單純的數(shù)據(jù)空間關(guān)系在大氣污染方面的研究，多涉及環(huán)境科學(xué)和氣象科學(xué)領(lǐng)域（D M Elsom，1978;Sotiris Vardoulakisa、Norbert GonzalezFlescab、Bernard E A Fisher等，2005;G Arbia、M Copetti、G Lafratta，2009;Fahimah A AlAwadhi、Shafiqah A AlAwadhi，2006;白鶴鳴，2013），主要指明了大氣污染存在的空間溢出效應(yīng)、空間自相關(guān)性等，較少涉及經(jīng)濟(jì)因素。而空間經(jīng)濟(jì)分析則重點(diǎn)考察了大氣污染的空間數(shù)據(jù)與區(qū)域經(jīng)濟(jì)發(fā)展指標(biāo)之間的關(guān)系，分析了大氣污染與經(jīng)濟(jì)增長、與產(chǎn)業(yè)結(jié)構(gòu)的聯(lián)系，其中最具代表性的是基于環(huán)境庫茲涅茨曲線（EKC）的空間計量經(jīng)濟(jì)分析。

關(guān)于經(jīng)濟(jì)增長與環(huán)境質(zhì)量之間關(guān)系的探索，可以追溯到1987年世界環(huán)境與發(fā)展委員會《我們的共同未來》的出版，隨后Gene M Grossman、Alan B Krueger（1993）對NAFTA環(huán)境影響的實證分析則是關(guān)于國民收入和環(huán)境質(zhì)量關(guān)系（IncomeEmissions Relationship，IER）問題研究的發(fā)端 [16]。1995年，Gene M Grossman、Alan B Krueger使用全球環(huán)境監(jiān)測系統(tǒng)（GEMS）的數(shù)據(jù)，擬合出了環(huán)境庫茲涅茨曲線（EKC），即經(jīng)濟(jì)增長最初造成了環(huán)境質(zhì)量的惡化，但隨后使環(huán)境質(zhì)量迎來了改善 [17]。其后，大量關(guān)于IER的研究基本上都是圍繞EKC是否存在或其形狀來展開。其缺憾在于，在分析環(huán)境因素時，基本未考慮環(huán)境污染（尤其是大氣環(huán)境污染）的空間關(guān)系。如David Maddison（2006）指出大多數(shù)研究人員在估計EKC時，都隱含的假設(shè)一國的人均排放量不受鄰國的影響，而他證明一國的二氧化硫和氮氧化合物人均排放量受到鄰國人均排放量的嚴(yán)重影響 [18];他提出歐洲國家的越境排放（硫）明顯改變了對EKC形狀的認(rèn)知，在考慮數(shù)據(jù)空間關(guān)系的基礎(chǔ)上，他認(rèn)為歐洲的硫排放不存在EKC，只是空間滯后（David Maddison，2007） [19]。Anil Rupasingha、Stephan J Coetz、David L Debertin等（2004）利用EKC綜合模型，研究了美國縣域人均收入與有毒污染物排放之間的關(guān)系，最初得出了倒“U”型關(guān)系，然而當(dāng)收入的三次方納入模型后，揭示出有毒污染物的排放量將隨著收入的提高而再度增加 [20]。

國內(nèi)關(guān)于EKC的空間計量分析陸續(xù)從2008年開始，楊海生等（2008）采用空間計量模型對中國46個城市EKC間的空間依賴關(guān)系進(jìn)行了分析。之后的研究更多的集中在省域?qū)用嫔希ㄌK梽芳、胡日東、林三強(qiáng)，2009;袁加軍，2010;董鎖成、李飛、李澤紅等，2010;陳青青，2011;吳玉鳴、田斌，2012;安虎森、王雷雷、吳浩波，2014），也有涉及中國與周邊國家（和地區(qū)）的EKC研究（國涓、項吉寧、郭崇慧，2009;孫攀、吳玉鳴、鮑曙明，2019）。劉軍、王慧文、楊潔（2017）則認(rèn)為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(yīng)和動態(tài)效應(yīng)，當(dāng)前中國正處于EKC拐點(diǎn)的左邊 [21]。

基于前述分析，我們認(rèn)為，從量級上工業(yè)排放（包括工業(yè)二氧化硫以及工業(yè)煙（粉）塵排放）是華北地區(qū)大氣中污染物的主要來源。但如果以污染物排放量作為分析對象，則城市（除已步入后工業(yè)化階段的北京）經(jīng)濟(jì)規(guī)?；蚬I(yè)經(jīng)濟(jì)規(guī)模越大，污染物排放量就越多，這是可以料想的結(jié)果。為此，我們基于傳統(tǒng)EKC的理論假設(shè)（即環(huán)境質(zhì)量與人均收入存在相關(guān)關(guān)系），在考慮空間因素的基礎(chǔ)上，將京津冀區(qū)域大氣污染問題擴(kuò)展到整個華北地區(qū)，并納入自然地理等因素，通過構(gòu)建空間計量經(jīng)濟(jì)回歸模型，研究華北地區(qū)空氣環(huán)境質(zhì)量的主要影響因素。

三、模型構(gòu)建及數(shù)據(jù)來源

華北地區(qū)是一個自然地理范疇，城市主要包括：北京市，天津市，河北省全境11市（石家莊市、唐山市、秦皇島市、邯鄲市、邢臺市、保定市、張家口市、承德市、滄州市、廊坊市、衡水市），山西省全境11市（太原市、大同市、陽泉市、長治市、晉城市、朔州市、晉中市、運(yùn)城市、忻州市、臨汾市、呂梁市），以及內(nèi)蒙古自治區(qū)的4盟市（呼和浩特市、包頭市、烏蘭察布市和錫林郭勒盟）。之所以選擇華北28市（盟）作為研究樣本，首先主要是考慮在分析大氣環(huán)境問題時，可以不考慮氣候差異以及氣象條件等因素，而這些因素在一些可見的文獻(xiàn)中，被視為影響霧霾的幾類顯著因素。因此，本文從樣本選擇上首先想營造一種相對隔離的空間環(huán)境。這種分析的邏輯，類似于物理學(xué)中的隔離實驗，其在經(jīng)濟(jì)學(xué)中的運(yùn)用，也是卡爾·波普爾所認(rèn)為能在社會科學(xué)中成功運(yùn)用的少數(shù)領(lǐng)域之一 [22]。其次，本文在變量的選擇上，同樣也想遵循簡化的邏輯思路，即主要分析各類污染物與人均收入之間的關(guān)系，甚至沒有考慮諸多學(xué)者所采用的三次產(chǎn)業(yè)結(jié)構(gòu)、城鎮(zhèn)化率、人力資本等指標(biāo)。實際上，從社會經(jīng)濟(jì)發(fā)展的實際進(jìn)程來看，在人口規(guī)模足夠大的前提下，這些指標(biāo)基本上都脫離不了與人均收入（人均GDP）的關(guān)系。當(dāng)然，根據(jù)分析的需要，本文也納入了一些自然地理因素作為協(xié)變量。

（一）指標(biāo)選取、數(shù)據(jù)來源及研究假設(shè)

Gene M Grossman、Alan B Krueger（1993、1995）在分析地區(qū)大氣污染與人均收入關(guān)系時，將SO2、煙塵、重顆粒物作為因變量，而將人均GDP（包括滯后項、平方項、立方項）作為自變量，同時引入了一系列的虛擬變量——監(jiān)測點(diǎn)是位于中心城市或是郊區(qū)、監(jiān)測點(diǎn)用地的性質(zhì)（工業(yè)、商業(yè)、居民生活或其他）、城市是否擁有海岸線、是否毗鄰沙漠、人口密度、時間趨勢項等，擬合并提出了環(huán)境庫茲涅茨曲線（EKC）模型。后續(xù)的一些學(xué)者在此基礎(chǔ)上主要對自變量（解釋變量）進(jìn)行了擴(kuò)展，加入了諸如貿(mào)易強(qiáng)度（Matthew Cole等，1997 [23];Vivek Suri等，1998 [24]）、技術(shù)水平（Matthew Cole等，1997）、教育程度（Robert Berrens等，1997 [25];Mariano Torras等，1998 [26];Pingo Wang等，1998 [27];Kishore Gawande等，2000 [28]）、收入差距（Mariano Torras等，1998）、城市化水平（Robert Berrens等，1997;Mariano Torras等，1998）、民族多樣性（Anil Rupasingha等，2004）等變量。而吳玉鳴、田斌（2012）在對中國省域EKC的一項研究中，則囊括了人口、城市化、人力資本、產(chǎn)業(yè)結(jié)構(gòu)及對外開放等因素 [29]。

如前文所述，在人口規(guī)模足夠大且不存在特殊經(jīng)濟(jì)生產(chǎn)形式的情況下，人均GDP實際能在較大程度上反映這些指標(biāo)。按簡化分析的思路，本文主要選取人均GDP作為自變量，代表經(jīng)濟(jì)發(fā)展的相關(guān)指標(biāo);選取人口密度作為社會發(fā)展情況的代表，它在某種程度上也能反映地區(qū)城鎮(zhèn)化的進(jìn)程。此外，本文考慮將自然地理因素引入，作為協(xié)變量。在自然資源條件方面，主要是看城市是否為資源型城市（是否列入國務(wù)院2013年印發(fā)的《全國資源型城市可持續(xù)發(fā)展規(guī)劃（2013—2020）》中的“資源型城市”名錄），它從側(cè)面反映城市的產(chǎn)業(yè)結(jié)構(gòu)和產(chǎn)業(yè)層次。在地理條件方面，本文首先直接借鑒Gene M Grossman、Alan B Krueger（1995）的指標(biāo)設(shè)定，考慮了城市是否沿海（城市是否有海岸線）、是否毗鄰沙漠（100英里內(nèi)是否存在沙漠）;其次，本文試圖考慮反映城市海拔以及坐落于山脈（主要是太行山脈和燕山山脈）方位的因素，以反映氣象學(xué)方面的大氣污染物擴(kuò)散效應(yīng)，最終選取了地形種類因素，將城市的地形種類簡單的劃分為了“平原”“山區(qū)”“高原”3種類型（這3種類型基本也能將城市在山脈坐落的方位區(qū)別開來）?；氐揭蜃兞浚ū唤忉屪兞浚┥?，選取了各城市的PM25、PM10、SO2、NO2 4個具有代表性的大氣環(huán)境質(zhì)量指標(biāo)。以上所有的指標(biāo)均取2017年度值。具體的指標(biāo)解釋及數(shù)據(jù)來源見表1。

根據(jù)變量選擇的過程，本文先期做出6個待驗證的假設(shè)。

假設(shè)1：人均地區(qū)生產(chǎn)總值對大氣環(huán)境質(zhì)量有顯著影響;

假設(shè)2：城市人口密度對城市大氣環(huán)境質(zhì)量有顯著影響;

假設(shè)3：地形種類對城市大氣環(huán)境質(zhì)量有顯著影響;

假設(shè)4：城市擁有海岸線會減輕大氣環(huán)境污染程度;

假設(shè)5：毗鄰沙漠會加重大氣環(huán)境污染程度;

假設(shè)6：資源型城市的大氣環(huán)境污染程度相對較重。

（二）評價模型的構(gòu)建

Gene M Grossman、Alan B Krueger（1995）在分析污染與經(jīng)濟(jì)增長關(guān)系時，構(gòu)建了簡化形式方程，除將地區(qū)（空氣和水）污染水平同人均收入水平作為解釋變量外，還將其它協(xié)變量納入方程。他們認(rèn)為簡化式方程一方面能得出收入水平對污染程度的凈效應(yīng)，另一方面省去了收集污染管制、技術(shù)水平等不易獲取且不太可靠數(shù)據(jù)的工作。而吳玉鳴、田斌（2012）則擴(kuò)展了Gene M Grossman、Alan B Krueger（1995）等所擬合的傳統(tǒng)EKC模型，將人口、城市化等相關(guān)變量加入方程，以提高模型的擬合優(yōu)度，但他們卻舍棄了前3年人均收入均值的滯后變量。

如前所述，基于傳統(tǒng)EKC模型，認(rèn)同環(huán)境質(zhì)量與人均收入水平之間存在相關(guān)關(guān)系，同時參考Gene M Grossman、Alan B Krueger（1995）的研究，考慮了時間滯后影響，并加入相關(guān)協(xié)變量。為避免回歸模型的異方差性，對相關(guān)變量取自然對數(shù)，因而構(gòu)建如模型（1）：

其中，i代表華北地區(qū)各城市，其他變量解釋同表1。

四、實證結(jié)果分析

根據(jù)空間計量經(jīng)濟(jì)學(xué)的分析原理，在檢驗變量空間相關(guān)性的基礎(chǔ)上，擬合空間模型并進(jìn)一步分析各變量的顯著性，以分析其在大氣環(huán)境質(zhì)量中的作用。

（一）大氣環(huán)境質(zhì)量的空間相關(guān)性檢驗

首先對各城市大氣環(huán)境質(zhì)量指標(biāo)的空間依賴性進(jìn)行了定量分析。在確定空間距離權(quán)重矩陣時，選用了一階“車”鄰接（rook contiguity）和最小門檻距離（threshold distance）兩種方法。所計算得出的全局Moran′s I值和標(biāo)準(zhǔn)化統(tǒng)計量z值（臨界值為196）分別列示于表2?？芍瑹o論采取的哪種空間距離權(quán)重矩陣的確定方法，4種大氣環(huán)境污染指標(biāo)在空間上均呈現(xiàn)出顯著的空間自相關(guān)性。從全局Moran指數(shù)散點(diǎn)圖（略）來看，大氣環(huán)境污染指標(biāo)的正向空間自相關(guān)明顯，即在空間上呈現(xiàn)出的關(guān)系以“高值-高值”聚集、“低值-低值”聚集為主。

表3展示了基于局部Moran指數(shù)的LISA聚類結(jié)果（一階“車”鄰接）。從空間分布上來看，可以明顯的發(fā)現(xiàn)，“低值-低值”聚集區(qū)基本位于華北北部地區(qū)，主要是錫林郭勒、烏蘭察布、張家口、承德等城市，而“高值-高值”聚集區(qū)則主要位于南部地區(qū)，主要是冀中南和晉中南的幾個城市。PM25和PM10指標(biāo)呈現(xiàn)出了相同的聚集情況，SO2的空間聚集情況最為顯著，而NO2的“高值-高值”聚集區(qū)范圍則相對小。Luc Anselin（2005）指出，顯示在LISA集聚圖中的所謂的空間集聚只是集聚中心，因此空間集聚程度比LISA集聚圖標(biāo)識的范圍更廣，包含了集聚中心周圍相鄰的更大區(qū)域。

（二）空間模型回歸的診斷及選擇

首先對模型進(jìn)行常規(guī)的普通最小二乘法（OLS）回歸估計，并擬選取最優(yōu)模型。對于4類環(huán)境污染指標(biāo)，分別進(jìn)行了擬合，并給出了空間模型回歸診斷結(jié)果（如表4）。如表4所示，對4類大氣污染物的擬合模型診斷顯示，空間滯后模型是最優(yōu)模型。這與Gong Zezhou、Zhang Xiaoping（2017）對中國重點(diǎn)城市大氣污染進(jìn)行空間分析時的模型選擇是相一致的 [30]。而從全局Moran空間自相關(guān)指數(shù)來看（如表2），使用一階“車”鄰接來確定空間距離權(quán)重矩陣的方法得到的空間相關(guān)性更顯著，因此，選擇了一階“車”鄰接的方式確定空間權(quán)重矩陣。由此，構(gòu)建空間滯后回歸模型（2）：

WlnPOLUji為i城市的j類大氣污染物環(huán)境質(zhì)量指標(biāo)的空間滯后因子，表示地理上鄰近的各城市環(huán)境污染變量的加權(quán)求和值;ρ為空間自回歸參數(shù)，表示鄰近城市環(huán)境污染對i城市的空間影響;其他同前。

（三） 空間回歸結(jié)果及分析

1 .關(guān)于PM2.5的相關(guān)結(jié)果及分析

從估計結(jié)果來看，空間滯后回歸模型的擬合優(yōu)度（R2=0796）比普通最小二乘法估計（結(jié)果略）模型的擬合優(yōu)度（R2=0685）也相應(yīng)有較大的提高。從解釋變量回歸參數(shù)來看，在考慮空間因素的情況下，解釋變量中對PM25影響顯著的僅有環(huán)境污染的空間滯后變量，以及地形種類因素。而在未考慮空間因素影響的情況下，解釋變量均不顯著。因此，認(rèn)為GRPPC、PD、COAST、DESERT、RC對PM2.5不存在明顯的影響。而地形種類對PM2.5有顯著影響。當(dāng)然，鄰近城市的空氣污染狀況也對該城市的環(huán)境質(zhì)量有顯著的影響（如表5）。

2.關(guān)于PM10的相關(guān)結(jié)果及分析

同理，對PM10擬合的空間滯后回歸模型的擬合優(yōu)度（R2=0688）比OLS模型（R2=0573）也相應(yīng)有較大的提高。對于PM10，除環(huán)境污染空間滯后因子外，地形種類與資源型城市變量對其的影響也是顯著的，且相較于PM25，此時地形種類的影響更加顯著了。同樣，對于PM10來說，我們同樣也無法認(rèn)為所設(shè)定的其他幾個變量對PM10有顯著影響（如表6）。

3.關(guān)于SO2的相關(guān)結(jié)果及分析

至于SO2，在常規(guī)OLS回歸模型中，R2=0643，解釋變量中僅有RC的t值顯著;空間滯后回歸模型則將擬合優(yōu)度提高到0688。而從估計結(jié)果來看，地形種類因素仍然顯著，但此時的作用卻是正向的;同樣，沿海因素也表現(xiàn)出了正向的顯著性，也未對環(huán)境污染起到稀釋與擴(kuò)散作用。我們認(rèn)為這兩個虛擬變量在設(shè)定時，考慮得較粗，在很大程度上體現(xiàn)出了城市所處的區(qū)位，而這些區(qū)位又反映了所涉及幾個?。▍^(qū)、市）的經(jīng)濟(jì)發(fā)展強(qiáng)度，譬如沿海城市經(jīng)濟(jì)發(fā)展水平一般高于內(nèi)陸城市。此外，資源型城市因素對SO2指標(biāo)的影響在空間滯后回歸模型中也是顯著的（如表7）。

剔除COAST因素后，對NO2進(jìn)行常規(guī)OLS回歸，模型的擬合優(yōu)度R2=0684，所有解釋變量的t值均不顯著?？紤]空間因素后，模型的R2提高到0768。與其他三類污染物指標(biāo)不同，對NO2的擬合中，呈現(xiàn)出了明顯的EKC效應(yīng)，人均地區(qū)生產(chǎn)總值不能拒絕對NO2指標(biāo)有顯著影響。同時人口密度也呈現(xiàn)出了正向的顯著性，而之前一直較為顯著的地形種類因素的影響則不顯著了（如表8）。

五、討 論

已有的描述收入與污染排放關(guān)系的文獻(xiàn)林林總總，均依托分析對經(jīng)濟(jì)社會問題給予了相應(yīng)的解釋。本文的基本思路是假定實際存在著環(huán)境質(zhì)量與收入之間的相關(guān)關(guān)系，而將經(jīng)濟(jì)社會中的各類典型要素納入方程，在特定地域空間關(guān)系下分析其實際影響。當(dāng)然，在對自然地理要素設(shè)定時，我們實際進(jìn)行了簡化，雖對各地區(qū)來說不一定準(zhǔn)確，但基本遵循了可感知的正確趨勢。那么，從已得出的實證結(jié)果來看，能有如下認(rèn)識：

（一）大氣環(huán)境質(zhì)量指標(biāo)的空間依賴性明顯

從全局Moran空間自相關(guān)檢驗和局部Moran指數(shù)檢驗的結(jié)果，我們能觀察到大氣環(huán)境質(zhì)量指標(biāo)的空間依賴性比較明顯，這與一些學(xué)者的結(jié)論也是相一致的 [31]。實際上，這與我們?nèi)粘５恼J(rèn)識也相吻合，只是通常在實證分析中比較容易忽略空間關(guān)系。比如從人均收入和產(chǎn)業(yè)結(jié)構(gòu)來說，北京應(yīng)是步入EKC的右邊即環(huán)境質(zhì)量較好的階段，但實際上，北京的大氣污染水平仍較高。許多研究人員也將其歸因于污染的空間傳輸，這也是我們所認(rèn)同的，隨著氣象條件的作用，污染物在區(qū)域間會發(fā)生遷移，當(dāng)然在我們的回歸模型中的空間滯后因子均較顯著，也在很大程度上支持了這一觀點(diǎn)。

既然存在空間的依賴性，那么一地區(qū)的大氣環(huán)境治理就不可能依賴地區(qū)的單獨(dú)行動，必須聯(lián)防聯(lián)控，當(dāng)然，這個舉措國家在2013年《大氣污染防治行動計劃》中就提出了。王躍思等（2013）認(rèn)為京津冀同處一個氣候帶，因而形成了一個大的區(qū)域協(xié)同污染區(qū)，根治大氣污染需要聯(lián)防聯(lián)控 [32];而樓宗元（2015）也提出通過府際合作這種治理模式，應(yīng)對京津冀地區(qū)霧霾問題 [33]?？偠灾?，從局域Moran指數(shù)的LISA聚類結(jié)果中，可以為各城市尋找聯(lián)防聯(lián)控的對口城市提供一定的方向指引。

（二）人均收入對大氣環(huán)境質(zhì)量的影響在華北地區(qū)表現(xiàn)不明顯

除NO2的污染指標(biāo)外，人均地區(qū)生產(chǎn)總值對其他3類空氣質(zhì)量的回歸結(jié)果并不顯著。即根據(jù)我們的模型設(shè)定，假設(shè)1得不到有效證實。當(dāng)然，這可能由幾方面的原因造成。一是所選數(shù)據(jù)的代表性。實際上在之前選擇人均收入變量時，考慮過城市人均地區(qū)生產(chǎn)總值、人均工資收入、人均可支配收入，同時我們也試著將統(tǒng)計范圍縮小到市轄區(qū)，這樣就有6組不同數(shù)據(jù)，但前期經(jīng)過擬合后，均未在結(jié)果中發(fā)現(xiàn)人均收入對大氣環(huán)境治理的顯著性影響。最終選取的仍是大多數(shù)學(xué)[JP2]者使用的人均地區(qū)生產(chǎn)總值指標(biāo)，它也比市轄區(qū)指標(biāo)更能代表1個城市的發(fā)展水平。二是由于在28個城市樣本中，地區(qū)或城市的人口數(shù)量差別較大，一些地域的經(jīng)濟(jì)發(fā)展水平顯然不能與北京等城市相提并論，但人均地區(qū)生產(chǎn)總值卻因人口基數(shù)少而在數(shù)值上逼近，如呼和浩特、包頭、滄州等城市。三是在同等條件下，一些重化工業(yè)城市的地區(qū)生產(chǎn)總值可能較高，相應(yīng)的導(dǎo)致人均地區(qū)生產(chǎn)總值偏高，但從產(chǎn)業(yè)結(jié)構(gòu)和經(jīng)濟(jì)發(fā)展階段來說，卻還處于高污染排放的發(fā)展階段。即是，僅靠人均地區(qū)生產(chǎn)總值指標(biāo)還難以全面反映這些差異。實際上，Gene M Grossman、Alan B Krueger（1995）曾強(qiáng)調(diào)，EKC關(guān)系的產(chǎn)生過程不是自動的，技術(shù)變革、教育、政治進(jìn)程等條件最終可能導(dǎo)致污染的減少。由此，我們也認(rèn)為擬合EKC效應(yīng)，可能更適合從更大的區(qū)域范圍比如省域?qū)用嫒胧帧?/p>

（三）城市人口密度對大氣環(huán)境質(zhì)量（除NO2外）的影響不顯著

由于樣本中有的城市范圍較大且人口稀少，又考慮到空氣質(zhì)量的監(jiān)測點(diǎn)多位于城區(qū)之內(nèi)，因此，我們使用了市轄區(qū)的人口密度作為其中的變量，結(jié)果顯示除NO2外，市轄區(qū)人口密度的影響并不顯著?？梢钥吹剑蟪鞘杏休^高的人口密度，但近年來一些城市的人口城鎮(zhèn)化速度激增，但城市建成區(qū)面積卻難有同等的增速，導(dǎo)致市轄區(qū)人口密度也較高，如滄州、廊坊、晉城、邯鄲、邢臺等城市。此外，一些人口密度較大的城市，如石家莊等，通過撤縣劃區(qū)，大大降低了人口密度的統(tǒng)計值，然而其主城區(qū)人口密度仍非常之高。這些也影響了此指標(biāo)的顯著性。實際上，使用全市的人口密度得出的也是類似的結(jié)果。因而，對于假設(shè)2，目前的回歸結(jié)果尚不能判斷。

（四） 地形種類對大氣環(huán)境質(zhì)量的影響較顯著

我們在設(shè)定城市的地形種類時，曾經(jīng)考慮了各城市的平均海拔，在樣本城市中，被認(rèn)定為平原區(qū)的城市平均海拔在2—80米之間，而被認(rèn)定為山區(qū)的在370—1 070米之間，被認(rèn)定為是高原的則在980—1 420米之間，基本可以反映城市間地形種類因素的差異。雖然，我們的結(jié)果不能證明地形種類是影響大氣環(huán)境的決定性因素，但從構(gòu)建模型的幾個指標(biāo)來看，地形種類變量相對來說是最為顯著的。對于PM25、PM10來說，地形種類因素的回歸結(jié)果支持了我們的認(rèn)知，即假設(shè)3是成立的。

如前述分析，地形種類因素對SO2的排放影響呈現(xiàn)出了一種正向的關(guān)系，這與SO2排放的特征相關(guān)。SO2主要由工業(yè)排放產(chǎn)生，而我們設(shè)定的地形種類變量大體體現(xiàn)了從沿海到內(nèi)陸的梯度特征，而從沿海到內(nèi)陸的工業(yè)化發(fā)展階段也基本呈現(xiàn)了類似的態(tài)勢，于是就有此正向關(guān)系的產(chǎn)生。這也說明SO2與PM25、PM10的不同，它主要與地區(qū)工業(yè)排放關(guān)聯(lián)較大，而不僅僅是純大氣環(huán)境質(zhì)量的統(tǒng)計指標(biāo)。因此，我們也推斷地形種類因素為此也未顯示出對NO2指標(biāo)的顯著關(guān)聯(lián)性。

（五）海岸線的存在未能顯示出對城市大氣環(huán)境的減輕作用

海岸線指標(biāo)僅在對SO2的影響中呈現(xiàn)出顯著性，而且與假設(shè)相反，是一種正向的作用。而其原因主要是沿海城市相較于冀、晉、蒙3省區(qū)的內(nèi)陸城市都有較高的工業(yè)經(jīng)濟(jì)發(fā)展水平。因而假設(shè)4在本研究中暫時無法得到證實。

[9]王躍思， 姚利， 劉子銳，等 京津冀大氣霾污染及控制策略思考 [J] 中國科學(xué)院院刊， 2013， 28（3）： 353-363

[10][ZK（#]王躍思， 張軍科， 王莉莉，等 京津冀區(qū)域大氣霾污染研究意義、現(xiàn)狀及展望 [J] 地球科學(xué)進(jìn)展， 2014， 29（3）： 388-396

[11]鞏志宏 京津冀地區(qū)霧霾成因初步揭開 [N] 科技日報， 2014-09-05（04）

[12]李云燕， 王立華， 王靜，等 京津冀地區(qū)霧霾成因與綜合治理對策研究 [J] 工業(yè)技術(shù)經(jīng)濟(jì)， 2016， 35（7）： 59-68

[13]MADDISON D Modelling sulphur emissions in Europe： a spatial econometric approach [J] Oxford economic papers， 2007， 59（4）： 726-743

[14]ANSELIN L， GRIFFITH D Do spatial effects really matter in regression analysis？ [J] Papers of the regional science association， 1988， 65： 11-34

[15]白永亮， 郭珊， 孫涵 大氣污染的空間關(guān)聯(lián)與區(qū)域間防控協(xié)作——基于全國288個地市工業(yè)SO2污染數(shù)據(jù)的空間統(tǒng)計分析 [J] 中國地質(zhì)大學(xué)學(xué)報： 社會科學(xué)版， 2016（3）： 63-72

[16]GROSSMAN GENE M， ALAN B KRUEGER Environmental impacts of a North American free trade agreement [M]//GARBER P. The U SMexico Free Trade Agreement Cambridge， MA： MIT Press， 1993

[17]GROSSMAN G M， KRUEGER A B Economic growth and the environment [J] Quarterly journal of economics， 1995， 110（2）： 353-377

[18]MADDISON D Environmental Kuznets curves： a spatial econometric approach [J] Journal of environmental economics & management， 2006， 51（2）： 218-230

[19]MADDISON D Modelling sulphur emissions in Europe： a spatial econometric approach [J] Oxford economic papers， 2007， 59（4）： 726-743

[20]RUPASINGHA A， GOETZ S J， DEBERTIN D L， et al The environmental Kuznets curve for US counties： a spatial econometric analysis with extensions [J] Papers in regional science， 2004， 83（2）： 407-424

[21]劉軍， 王慧文， 楊潔 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 [J] 河海大學(xué)學(xué)報（哲學(xué)社會科學(xué)版）， 2017， 19（5）： 61-67

[22]KARL R POPPER The poverty of historicism [M] Boston： Beacon Press， 1957

[23]COLE M A， RAYNER A J， BATES J M The environmental Kuznets curve： an empirical analysis [J] Environment and development economics， 1997， 2（4）： 401-416

[24]SURI V， CHAPMAN D Economic growth， trade and energy： implications for the environmental Kuznets curve [J] Ecological economics， 1998， 25（2）： 195-208

[25]BERRENS R P， BOHARA A K， GAWANDE K， et al Testing the invertedU hypothesis for US hazardous waste： an application of the generalized gamma model [J] Economics letters， 1997， 55（3）： 435-440

[26]TORRAS M， BOYCE J K Income， inequality， and pollution： a reassessment of the environmental Kuznets Curve [J] Ecological economics， 1998， 25（2）： 147-160

[27]WANG P， BOHARA A K， BERRENS R P， et al A riskbased environmental Kuznets curve for US hazardous waste sites [J] Applied economics letters， 1998， 5（12）： 761-763

[28]GAWANDE K， BOHARA A K， BERRENS R P， et al Internal migration and the environmental Kuznets curve for US hazardous waste sites [J] Ecological economics， 2000， 33（1）： 151-166

[29]吳玉鳴， 田斌 省域環(huán)境庫茲涅茨曲線的擴(kuò)展及其決定因素——空間計量經(jīng)濟(jì)學(xué)模型實證 [J] 地理研究， 2012， 31（4）： 627-640

[30]GONG Z， ZHANG X Assessment of urban air pollution and spatial spillover effects in China： cases of 113 key environmental protection cities [J] Journal of resources and ecology， 2017， 8（6）： 584-594

[31]劉華軍， 杜廣杰 中國城市大氣污染的空間格局與分布動態(tài)演進(jìn)——基于161個城市AQI及6種分項污染物的實證 [J] 經(jīng)濟(jì)地理， 2016， 36（10）： 33-38

[32]王躍思， 姚利， 劉子銳， 等 京津冀大氣霾污染及控制策略思考 [J] 中國科學(xué)院院刊， 2013， 28（3）： 353-363

[33]樓宗元 京津冀霧霾治理的府際合作研究 [D] 武漢： 華中科技大學(xué)， 2015

[34]TIETENBERG T H Spatially differentiated air pollutant emission charges： an economic and legal analysis [J] Land economics， 1978， 54（3）： 265-277

Spatial Econometric Analysis of the Influencing Factors

of Urban Atmospheric Environmental Quality in North China

——An Extension Based on Physical Geographic Elements

Ding Xin，Zhou Jiguang，Wu Wensheng

（Hebei GEO University，Shijiazhuang 050031，China）

Abstract：

The essay selects 28 cities （leagues） in North China with similar meteorological conditions as the research samples After verifying the spatial relationship of atmospheric environmental quality among cities， the physical geography elements are abstracted and introduced into the spatial econometric model， and then the impact of economic， social and physical geography factors on regional atmospheric environmental quality is explored based on the traditional EKC model It′s concluded that： the topography should be the main influencing factors of atmospheric environmental quality （PM25， PM10， SO2） in North China; the resourcebased urban attributes will aggravate the pollution degree of PM10 and SO2 to a certain extent， and other factors such as per capita income， population density， being adjacent to desert， and coastline have less significant impact on atmospheric environmental quality; a significant EKC effect can be found only in the regression of NO2 pollutant indicators

Key words：? haze; North China; spatial econometrics; physical geography

（責(zé)任編輯：張夢楠）

收稿日期： 2019-09-19

網(wǎng)絡(luò)出版網(wǎng)址： http：//kns.cnki.net/kcms/detail/13.1356.F.20191224.1257.002.html 網(wǎng)絡(luò)出版時間：2019-12-24 13：44：31

基金項目： 河北省社會科學(xué)基金項目《華北地區(qū)工業(yè)大氣污染物EKC的空間依賴性研究》（HB14YJ021）。

作者簡介： 丁欣（1981—），女，山東濰坊人，經(jīng)濟(jì)學(xué)博士，副教授，主要研究方向為環(huán)境經(jīng)濟(jì)學(xué)、金融學(xué);周吉光（1981—），男，湖北鄂州人，經(jīng)濟(jì)學(xué)碩士，副編審，主要研究方向為資源經(jīng)濟(jì)學(xué)、環(huán)境經(jīng)濟(jì)學(xué);吳文盛（1964—），男，福建平和人，經(jīng)濟(jì)學(xué)博士，教授、碩士生導(dǎo)師，河北地質(zhì)大學(xué)地質(zhì)調(diào)查研究院院長，主要研究方向為資源經(jīng)濟(jì)管理、產(chǎn)業(yè)經(jīng)濟(jì)、文化經(jīng)濟(jì)、民營經(jīng)濟(jì)。