中國城市空氣污染的空間特征與影響因素研究
——來自地級市的經驗證據

馬 黎 梁 偉

(濟南大學 商學院，山東 濟南 250002)

中國城市空氣污染的空間特征與影響因素研究
——來自地級市的經驗證據

馬 黎 梁 偉

(濟南大學 商學院，山東 濟南 250002)

中國城市空氣污染的空間特征、確定有其主要影響因素，本文以空氣質量指數AQI以及PM2.5、PM10、SO2、NO2和CO等污染物作為研究對象，發現中國的空氣污染存在較為顯著的空間溢出效應，呈現出明顯的空間集聚特征，京津冀及周邊地區屬于典型的“高—高”集聚區域，空氣污染非常嚴重，而東南沿海尤其是珠三角及鄰近地區則屬于“低—低”區域，進而引入空間計量模型進行研究。最終結果表明：人口密度過高、粗放式的經濟增長方式、以煤為主的能源結構、飛速推進的城市建設、FDI帶來的“污染天堂”以及出口商品結構的不合理都是導致城市空氣污染的因素，而第三產業占GDP比重增加、人口城鎮化率的提升、綠化水平的提高、豐沛的年降水量和離海洋距離近都會顯著降低空氣污染程度。研究結論拓展了目前解決空氣污染問題的思路并提供了實證依據。

污染集聚；AQI；空間自相關；空間計量模型

一、引言

改革開放近40年來，中國經濟發展在取得了舉世矚目成就的同時，也帶來了一系列的生態環境問題。廣大國人感受最深的莫過于日益嚴重的空氣污染，尤其是近年來霧霾的出現頻率增高、范圍擴大，公眾對空氣質量的關注達到了前所未有的高度。保守估計，中國每年因室外空氣污染導致過早死亡人數為35萬—50萬人。①Chen Y, Ebenstein A, Greenstone M, et al. ,“Evidence on the impact of sustained exposure to air pollution on life expectancy from China's Huai River policy”，in Journal of Proceedings of the National Academy of Sciences of the United States of America,2013,110(32):12936-12941.治理空氣污染，首先需要確定其影響因素，②王興杰、高地、岳書平：《經濟增長和人口集聚對城市環境空氣質量的影響及區域分異——以第一階段實施新空氣質量標準的74個城市為例》，《經濟地理》2015年第2期。但導致空氣污染的因素眾多且相互關系復雜，③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》，《經濟研究》2016年第9期。現階段很難做到對所有可能影響因素的全面管控，只有準確識別其中的關鍵因素，才能對政府的科學決策提供有力支撐，做到有的放矢。

目前關于空氣污染影響因素的研究不同學者側重有所不同，一部分學者從非社會經濟的角度尋找原因，比如從氣象要素、沙塵、麥秸焚燒、節慶及煙花爆竹的燃放等角度進行分析，還有學者從社會經濟因素的角度進行研究，考慮的因素有煤炭消耗、城市交通、FDI、城鎮化、對外貿易等。以研究區域的不同進行區分，有學者主要針對特定區域展開分析，如京津冀、長三角、珠三角、杭州、成都、湖北省等，考慮到中國各地區之間經濟往來頻繁，同時空氣自身流動特性的存在，空氣污染并不是單純的局部環境問題。以北京為例，北京市PM2.5來源中，外來污染的貢獻占到了28%—36%。同時也不能忽視污染物通過產業轉移、交通流動、工業集聚等經濟機制轉移或擴散到鄰近區域的現象。因此，在考察空氣污染的同時空間效應逐漸得到學者們的重視，更多的學者把目光聚焦于全國范圍，空間計量分析方法得到越來越多的應用。*馬麗梅、張曉：《中國霧霾污染的空間效應及經濟、能源結構影響》，《中國工業經濟》2014年第4期。

已有研究成果提供了很好的思路借鑒，但是也存在一些不足，主要表現在：首先，把社會經濟因素和天氣氣象及地理區位結合起來研究其對空氣質量影響的研究較少；其次，雖然已有學者采用空間計量模型對影響空氣質量的因素進行了檢驗，但是考察的關鍵影響因素偏少，主要集中在人口規模、經濟增長和能源結構等少數幾個因素，因此存在可能的變量遺漏導致回歸結果的偏誤問題；最后，已有研究側重于對單一污染物的影響因素進行研究，綜合考慮多種污染物的研究較少。鑒于此，本文的貢獻主要體現在：第一，在考慮社會經濟變量的基礎上，增加了“年降水量”和“市中心離最近海岸的距離”兩個變量，旨在盡可能避免關鍵變量的遺漏帶來的回歸結果的偏誤；第二，在對AQI這一綜合性指標進行研究的同時還對PM2.5、PM10、SO2、NO2、O3、CO這6類污染物分別進行了分析。本文旨在通過對中國城市空氣污染的集聚特征與影響因素的研究，總結中國城市空氣污染的空間特征，探尋空氣質量惡化的經濟、社會根源，識別空氣污染治理的關鍵因素，從而為相關政策的制定提供科學的數據支撐和經驗支持。

二、研究方法與模型設定

(一)探索性空間數據分析

探索性空間數據分析(Exploratory Spatial Data Analysis，ESDA)方法主要用來探測變量的空間自相關性和集聚現象，主要包括全局空間自相關分析和局部空間自相關分析。

1.全局空間自相關分析

全局空間自相關分析常用的指標主要有全局Moran’I和Geary’C，主要用來分析數據的整體空間分布特征，其中，全局Moran’I得到更為廣泛的應用，本文也采用該指數刻畫樣本地市空氣質量的空間分布狀況，其計算公式為：

(1)

2.局部空間自相關分析

局部空間自相關常用Moran散點圖來測量。Moran散點圖分為四個象限，不同的象限代表不同的空間集聚模式，以本文所研究的空氣質量指數AQI為例，落在第一象限的地區表明這些地區屬于HH(高—高)集聚模式，即空氣質量差的地區被空氣質量差的地區所包圍，第二象限為LH(低—高)集聚模式，為空氣質量好的地區被空氣質量差的地區包圍，第三象限為LL(低—低)集聚模式，為空氣質量好的地區被空氣質量好的地區包圍，第四象限為HL(高—低)集聚模式，為空氣質量差的地區被空氣質量好的地區包圍。

3.確定空間權重矩陣

空間權重矩陣是一種有效的表達空間關系的方式，是對研究區域空間關系的建模，本文基于空間鄰接關系建立空間權重矩陣，如果地區i和地區j有共同的邊或頂點，則wij等于1，否則wij等于0。考慮到存在個別區域不和其它區域鄰接的情況，本文以最近鄰為原則，把其和距離最近的區域設置為鄰接關系。

(二)模型設定

傳統的計量模型是以數據獨立、均勻分布為假設前提的，如果研究對象之間存在空間相關性則違背了這一原則，因此，在經過探索性空間數據分析后，如果發現存在空間效應，需要將其在模型中予以體現。空間計量模型一般分為兩種，一是空間滯后模型(Spatial Lag Model，SLM)*Anselin L.,“Local indicator of spatial association: LISA”，in Journal of Geographical Analysis, 1995,27(2):93-115.，可用來探討變量在某地區是否有空間擴散現象，即鄰近區域的空氣質量對觀察區域空氣質量的影響；二是空間誤差模型(Spatial Error Model，SEM)可用來度量鄰近地區因變量的誤差沖擊對本地區觀察值的影響程度。以上兩種空間計量模型被廣泛應用到社會經濟現象的空間效應研究中，本文通過設定SLM和SEM模型對影響城市空氣質量的影響因素進行較為全面的考察。模型的通用形式為：

(2)

其中，y為ln(AQI)；W1y和W2為空間權重矩陣，本文中二者相同；ρ是W1y的系數；X代表1或多個自變量；β反映了自變量對因變量變化產生的影響；ξ是殘差向量；λ是自回歸系數，衡量了區域之間的依賴強度，如果沒有相關性則該值為0；ε為隨機誤差項。

當ρ=0、λ=0時，式(2)變為 普通最小二乘法(OLS)：

y=Xβ+ε

(3)

當λ=0、ρ≠0時，式(2)變為空間滯后模型(SLM)：

y=ρW1y+Xβ+ε

(4)

當λ≠0、ρ=0時，式(2)變為空間誤差模型(SEM)：

y=Xβ+λW2ξ+ε

(5)

在進行空間計量分析之前需要確定SLM和SEM中哪一個模型更適合用來進行本文的研究，常用的判定標準為：首先，根據Moran’I指數判斷研究區域之間是否存在空間效應,如果存在則需要引入空間計量模型。其次，觀察OLS估計結果的拉格朗日乘數(Lagrange Mulitplier)形式LM-Error(用來檢驗SEM)和 LM-Lag(用來檢驗SLM)，對比LM-Error和LM-Lag的顯著性，如果LM-Lag更顯著則表明SLM更合適，如果LM-Error更顯著則表明SEM更合適。如果兩者相近且都顯著，需要進一步觀察Robust LM-Lag和Robust LM-Error，顯著性更高的指標對應的模型更適合。*向堃、宋德勇：《中國省域PM2.5污染的空間實證研究》，《中國人口·資源與環境》2015年第9期。

(三)數據來源與變量選取

2012年頒布了新修訂的《環境空氣質量標準》(GB3095-2012)，與之同步實施的《環境空氣質量指數(AQI)技術規定(試行)》增加了環境質量評價的污染物(PM2.5、PM10、SO2、NO2、O3、CO)，可以更準確地反映當前復合型大氣污染形勢。因此，本文采用AQI及其所包含的污染物(PM2.5、PM10、SO2、NO2、O3和CO)來表征空氣污染程度。2013年起，中國正式對74個城市進行空氣質量新標準監測，2014、2015年監測的城市逐年增多，考慮到許多地市2015年的統計數據尚未發布，相關社會經濟數據無法獲得，因此，本文對2014年的數據進行分析，涉及159個地級及以上城市。樣本地市的GDP總量為54.79萬億元，約占當年全國GDP比重的86.16%，從經濟發展的角度看有較高代表性。AQI及其包含的污染物數據來自“全國城市空氣質量實時發布平臺”，*全國城市空氣質量實時發布平臺[EB/OL]. [2014]. http://106.37.208.233:20035/.然后轉換為年度均值。其它社會經濟數據主要來自于各省、自治區和直轄市的2015統計年鑒、各樣本地市2015統計年鑒、樣本地市《2014年國民經濟和社會發展統計公報》以及《中國城市統計年鑒2015》。

在考慮數據可得性、一致性和完整性的前提下，參考已有研究成果進行變量的選取，對所選取的變量說明如下：

1. 人口密度(POP)。人口總量這種絕對指標沒有考慮各地市的行政區劃面積，而人口密度更具可比性，可以表示單位面積上的人口集聚對空氣質量的影響。人口密度越大，生活、生產活動會導致空氣污染加重，因此預期該變量系數為正。該變量采用各地常住人口除以行政區域土地面積得到。

2. 經濟增長(GDP)。該變量采用GDP表示。經典的EKC假說認為環境質量隨經濟增長呈現出倒U型的關系，根據已有研究結論，大多認為中國環境質量和經濟發展還沒有達到倒U型的頂點區域，因此，預期其系數為正。

3. 產業結構(IS)。用第三產業增加值占GDP的比重來衡量。由于第三產業相比第二產業在能源消耗方面更為“綠色”，第三產業比重增加會使能源消耗總量減少，因此，預期其系數為負。

4. 科技支出水平(R&D)。以各地R&D經費支出內部合計來測度。其數值越大表明用于研究與開發的經費越多，意味著技術創新能力越高，可能會有助于提高能源利用效率、降低污染排放強度，但是也有學者研究表明技術進步會帶來“能源回彈效應”*馮烽、阿忠：《回彈效應加劇了中國能源消耗總量的攀升嗎?》，《數量經濟技術經濟研究》2015年第8期。，因此，該變量系數不好預測。

5. 城鎮化率(UP)。以城鎮常住人口占該地區常住總人口的比例來表示。城鎮化率的提升表明人口和產業出現了明顯的集聚特征，這會使得污染加劇，*王奇、李明全：《中國城鎮化的環境影響及其區域特征》，《城市問題》2016年第8期。因此，預期該變量系數為正。

6. 能源消耗(POP_EC)。以人均全社會用電量來表示。來自中國電力企業聯合會的數據顯示，截至2014年底，非化石能源發電裝機容量占總裝機容量比重為33.3%，*中國電力工業現狀與展望[EB/OL]. [2016-9-15]. http://www.cec.org.cn/yaowenkuaidi/2015-03-10/134972.html.表明化石能源發電仍是電力的主要來源，因此，預期該變量系數為正。

7. 城市建設。以建筑業人均產值(POP_CON)和人均固定資產投資(POP_FA)表示。近年來中國房地產業發展迅猛，拉動了建筑業的飛速發展，進而帶動了鋼鐵、水泥等重工業的發展，使得建筑業在直接排放和間接排放兩方面都加劇了空氣污染，預期其系數為正。

8. 對外開放。用外商直接投資(FDI)和出口額(EXPORT)表示。FDI、出口和環境污染的關系吸引了眾多學者的目光，是否存在“污染天堂”并沒有定論，因此，這兩個變量的系數不好預測。

9. 綠化水平(GREEN)。以綠地面積占行政區域土地面積的比例表示。預期其系數為負。

10. 氣象條件(RAIN)。以年降水量表示。降水會帶走部分空氣中的污染物，降水的同時經常伴隨著較強的對流天氣，也會在一定程度上對污染物起到消減作用。因此，預期其系數為負。

11. 地理位置(POSI)。以市中心離最近海岸的距離表示。距離海洋越近，由于受近海氣象因素的影響，空氣中的污染物越不容易集聚，因此，預期該變量系數為負。

為消除變量之間可能存在的異方差，本文對變量進行了對數化處理。

三、實證分析

(一)空間自相關分析

依據159地市年均AQI數據繪制了AQI空間分布圖(見圖1)，可見京津冀及周邊地區空氣污染嚴重，年均AQI皆在100以上，長三角地區空氣污染雖比京津冀地區要輕，但是污染也較為明顯，長江中游地區的空氣污染也非常明顯，東南沿海的空氣質量則明顯好于以上區域。

圖1 年均AQI空間分布圖

1.全局空間自相關分析

利用GeoDa1.8軟件計算AQI、PM2.5、PM10、SO2、NO2、O3和CO的全局Moran’s I值，并對其顯著性水平進行檢驗(見表1)。AQI及各污染物的全局Moran’s I值在0.362—0.798之間，且全部通過1%的顯著水平檢驗，表明AQI及各污染物在空間分布上并不是隨機的，均存在較為顯著的空間正相關性，即空間依賴性。全局Moran’s I值可以反映觀測對象整體的空間相關性，但是也不能忽視局部地區的集聚特征，為了觀察局部的集聚特征，需要進行局部空間自相關分析。

表1 AQI及6類污染物的全局Moran’s I指數

2.局部空間自相關分析

對AQI及各污染物進行局部空間自相關分析，繪制Moran’s I散點圖(見圖2)，AQI及各污染物絕大多數都落在了第一象限(HH集聚模式)和第三象限(LL集聚模式)，相對來說，只有O3的集聚不是很明顯，其它幾類污染物以及AQI都呈現出了強烈的HH、LL集聚模式，表明存在明顯的空間依賴，即高污染地區多與高污染地區鄰近，低污染地區多與低污染地區鄰近。這與前面分析得到的全局自相關成正相關性保持一致。考慮到O3的空間集聚特征弱于其它污染物，因此后續分析把O3排除在外。

為了更直觀地觀察都有哪些地區處于HH集聚區域，哪些地區處于LL區域，本文又繪制了AQI的LISA集聚圖(見圖3)，可以明顯看到京津冀及周邊地區屬于典型的HH集聚區域，空氣污染非常嚴重，而東南沿海尤其是珠三角及鄰近地區則屬于LL區域。

對所得的糖尿病患者與非糖尿病患者種植體修復牙齒的3個月、1年以及5年失敗率的數據進行對比，進行統計學計算得出，數據差異有統計學意義（P<0.05）。因此，通過得出的數據結構發現糖尿病的種植體修復牙齒失敗率略高于非糖尿病患者，所以糖尿病是可以對種植體骨結合有所影響的，所得結果如表1所示。

經過上述探索性空間數據分析，可以明確的一點是中國的空氣污染存在較為明顯的空間自相關性，要達到好的污染治理效果，在明確污染影響因素的同時必須充分考慮污染的空間效應，那么，這種空間效應及各影響因素到底對空氣污染起到多大的作用？下面將通過空間計量模型進行分析。

圖2 AQI及6類污染物Moran散點圖

圖3 AQI的LISA集聚圖

(二)各變量空間相關性分析

由前述分析可知，中國城市空氣污染存在著空間依賴性，破壞了傳統計量模型空間均質分布的假設，這通常會使OLS的估計結果無效，為了更加準確地進行估計和檢驗，必須把這種空間依賴信息引入到模型當中構建空間計量模型進行分析。為了對比分析OLS和空間計量模型的結果，本文首先進行OLS估計。

1.OLS估計結果

由于本文采用的變量較多，所以首先要確定變量間是否存在多重共線性問題，如果存在則要解決該問題。分別把lnAQI、lnPM2.5、lnPM10、lnSO2、lnNO2和lnCO作為因變量，考察各自變量的方差膨脹因子(VIF)，發現有個別自變量方差膨脹因子大于10，考慮到逐步回歸法可以從諸多自變量中選擇出對因變量影響顯著的變量，可解決多變量間的多重共線性問題，因此本文采用該方法。消除多重共線性之后，模型調整后的R2都增大，而且絕大多數變量的顯著性都有提高，說明消除多重共線性之后模型擬合得更好，表明變量精簡后的模型更為可取，因此，本文后續空間計量模型的自變量采用精簡后的變量。

2.空間相關性檢驗與模型選擇

每個模型的LM-Lag和LM-Error都是顯著的，都通過了1%的顯著性水平檢驗，這種情況下需要繼續對比Robust LM-Lag和Robust LM-Error的顯著性水平，發現Robust LM-Lag的顯著性要明顯高于Robust LM-Error，表明空間滯后模型(SLM)比空間誤差模型(SEM)更適合用來進行空間效應分析，因此，本文后續的空間效應及影響因素研究只選擇空間滯后模型(SLM)進行分析。

3.空間計量模型結果及分析

赤池信息準則(Akaike Information Criterion，AIC)是用來比較多元回歸模型擬合優度常用的標準之一，AIC值越小則表明模型擬合得越好，可見SLM模型明顯優于OLS模型(表2)。此外，SLM模型的R2也都優于OLS模型，對數似然(log likelihood)值也表明SLM模型要優于OLS模型，通過以上3個指標的對比可以確定，引入空間效應以后模型的擬合度有了較為明顯的提升。

表2 OLS與SLM模型對比

6個SLM模型的空間滯后系數ρ取值范圍從0.3802到0.6615(見表3)，且都在1%統計水平上顯著，說明空氣污染具有較強的空間相關性，也即相鄰地區的空氣污染嚴重那么本地區的空氣污染也會較為嚴重，以PM2.5為例，相鄰地區的PM2.5污染程度每增加1%，則本地區的PM2.5污染程度會增加0.6287%，表明PM2.5存在明顯的空間集聚現象，相應的，其它污染物也存在明顯的空間集聚現象。

以下根據SLM模型的回歸結果對各自變量進行簡要分析：

(1)人口密度：人口密度對CO、NO2和PM2.5具有顯著的正向影響，分別通過了1%、5%和10%顯著性檢驗，表明人口的集聚對這3種污染物的影響較大，人口密度較高的地區通常會產生較多類需求，帶來污染的直接、間接排放。以機動車為例，人口密集區機動車保有量大，能源消耗增加，污染排放增多，而且很容易帶來交通擁堵，長時間處于怠速狀態也加大了尾氣排放量。

(2)經濟增長：GDP對AQI、PM2.5、PM10和SO2具有顯著的正向影響，GDP每提升 1個百分點，AQI、PM2.5、PM10和SO2分別提高0.0757%、0.1088%、0.1163%和0.1134%。由于傳統的粗放型經濟增長方式很難在短時間徹底扭轉，能源密集、資源高消耗的產業所占比重過大，導致經濟增長帶來大量的污染排放。因此，如何加快經濟增長向集約型增長方式轉型，如何加快實現“后工業”時代的綠色化發展是一個亟待解決的重大現實問題。

(3)產業結構：第三產業比重對AQI、PM2.5、PM10和SO2具有顯著的負向影響，且都在 1%的水平上顯著，說明第三產業比重增加可以顯著減少污染排放。相比第二產業，第三產業部門能源消耗相對較少。這也啟示我們要繼續加強產業結構優化，促進產業結構的“綠色”轉型升級。

(4)科技支出水平：本文用R&D經費支出內部合計來表征科技支出水平，科技支出水平對AQI、PM2.5和NO2的影響系數皆為正，但是只有NO2在10%的水平上顯著，雖然我們不能據此就認為存在技術進步帶來的“能源回彈效應”，但是也要意識到單純的研發投入增加并不能保證污染的消減，還需要相關價格、稅收等組合政策的配合才可能實現節能減排。

(5)城鎮化率：在所有6個模型中城鎮化率對污染物都存在顯著的負向影響，除了NO2在5%的水平上顯著之外，其它5個模型都是在1%水平上顯著，這個結果是我們沒有預料到的。尋找背后的原因，本文認為，城鎮化率的提升一方面表明人口和產業出現了明顯的集聚特征，這會使得污染加劇，另一方面，也不能忽視產業結構的影響，如果集聚的人口主要從事的是第三產業的工作，那么從整個地區來看，單位經濟增長所排放的污染物反而會減少。

表3 SLM模型回歸結果

注：括號內為各估計系數的z統計量，***、**和*分別表示在1%、5%和10%的統計水平上顯著。

(6)能源消耗：能源的消耗直接導致污染的產生，因此，該變量在6個模型中都表現出了對污染物的顯著的正向影響，除SO2和CO在1%水平上顯著，其它4個模型都是在5%水平上顯著。能源綠色轉型始終是中國面臨的重大現實問題。

(7)城市建設：建筑業人均產值對AQI、PM2.5、PM10、SO2和NO2具有顯著的正向影響，火爆的房地產業直接拉動了建筑業的飛速發展，各類在建項目在建設過程中帶來了揚塵等直接污染，此外，建筑業的飛速發展還帶動了鋼鐵、水泥等重工業的發展，這種間接排放對空氣質量無疑是雪上加霜。

(8)對外開放：對于SO2和CO這兩種污染物，FDI的估計系數分別在1%、5%的水平上顯著為正，雖然PM2.5和NO2這兩種污染物的估計系數不顯著，但影響方向皆是正向，表明當前FDI會在一定程度上加劇以上污染物的排放。此外，出口的增加在1%的水平上對NO2的排放表現出顯著的促增效應。表明“污染天堂”假說在中國是存在的，這啟示我們在外資引進及出口商品構成上也要考慮綠色轉型。

(9)綠化水平：對于AQI和PM2.5，綠化水平的估計系數在10%的水平上顯著為負，表明加強城市綠化可以起到緩解空氣污染的作用。

(10)氣象條件：年降水量對于污染物的消減作用非常明顯，其估計系數除了PM2.5和CO分別在10%、5%的水平上顯著為負以外，AQI、PM10、SO2和NO2的估計系數都是在1%的水平上顯著為負。

(11)地理位置：回歸結果顯示，地理位置的估計系數在所有6個模型中都在1%的水平上顯著為正，表明近海氣象條件有利于污染物的擴散，距離海洋近則會顯著降低空氣中污染物的集聚。

四、結論與政策啟示

本文首先采用探索性空間數據分析方法對中國城市空氣污染的空間相關性進行了分析，對其空間特征進行了刻畫，在此基礎上采用SLM模型實證檢驗了影響空氣質量的關鍵因素，主要結論有：

(一)中國的空氣污染存在較為顯著的空間溢出效應，呈現出明顯的空間集聚特征，京津冀及周邊地區污染嚴重，呈現“高—高”集聚態勢，東南沿海及珠三角地區空氣質量較好，呈現了“低—低”集聚特征。

(二)人口的快速聚集、粗放的經濟增長方式、產業結構的不合理、以煤為主的能源結構、飛速發展的建筑業、FDI帶來的“污染天堂”以及出口商品結構的不合理等因素共同引致中國城市空氣污染的加劇。

(三)同空氣污染具有顯著負相關關系的因素主要有：第三產業占GDP比重、人口城鎮化率、綠化水平、年降水量。其中隨著人口城鎮化率的提升空氣污染出現下降的趨勢是前期沒有預料到的，值得繼續深入研究。

基于以上結論，提出如下建議：

(一)空間因素對空氣污染的影響應得到高度重視。一方面區域間鄰近地區經濟交流頻繁，相同的產業容易集聚導致污染集聚的現象出現；另一方面，由于污染物的自身特性，使得污染物很容易受氣象條件影響擴散到周邊地區。基于以上認識，各自為陣的治理方式很難起到效果，跨地區的聯防聯控勢在必行，解決這些問題需要頂層制度設計，不能只是關注問題的局部，要從整體框架下尋找統籌協調的解決方案。上級政府部門需承擔起協調的責任，否則，單靠區域間的協商很難達成一致意見。

(二)人口密度過大會加劇空氣污染，但是城鎮化難免會使人口趨于集中，如何在加快新型城鎮化建設步伐的過程中盡可能減少污染物的排放？由前文可知隨著人口城鎮化率的提升空氣污染出現下降的趨勢，該研究發現提供了很好的解決問題的思路，把人口適當吸引到第三產業中來，通過產業結構優化升級，既可以減少高耗能、高污染的重工業發展過快、比重過大，又可以吸納更多的新增城鎮人口加入到“低碳”產業中來，產業結構的優化升級還可以在一定程度上轉變目前粗放的經濟增長方式，可謂是一舉多得。

(三)大力推行綠色GDP核算。否則在唯GDP論的指導思想下各級政府難免仍舊把經濟發展放在首位，這種情形下無從使經濟增長方式真正轉變。

(四)能源綠色轉型勢在必行。當前新能源比重偏低，以煤為主的能源結構固然有資源稟賦的原因，但是也要看到深層次的原因在于體制機制障礙和利益分配問題，只有通過體制和機制的變革和創新，建立現代化的能源市場體系，再輔以科學的技術路徑選擇才有可能實現能源結構優化目標。

(五)技術進步是一把雙刃劍，既可以提升能源效率，也有可能引致“能源回彈效應”的出現。因此，單純研發投入的增加并不能保證污染物的消減，一方面需要政府出臺合適的財稅優惠政策引導企業加大綠色技術研發；另一方面，需要推進能源價格的市場化來抑制能源消費，與此同時，為了彌補市場的缺陷和不足，還可以引入稅收政策對其進行間接的干預和調控。

(責任編輯：張婧)

F276

A

1003-4145[2017]10-0138-08

2017-08-20

馬 黎(1974—)，女，濟南大學商學院副教授，主要研究方向為企業管理與綠色治理。 梁 偉(1979—)，男，濟南大學商學院副教授，主要研究方向為城市環境與可持續發展。

本文系教育部人文社科基金青年項目“資源環境稅改革的節能減排機制、效果與宏觀經濟影響研究”(項目編號：14YJCZH087)的階段性研究成果。