長江經(jīng)濟帶空氣質(zhì)量指數(shù)時空異質(zhì)性及社會經(jīng)濟影響因素分析

柏 玲, 姜 磊, 周海峰, 陳忠升

(1.南昌大學 中國中部經(jīng)濟社會發(fā)展研究中心, 南昌 330031; 2.南昌大學 經(jīng)濟管理學院,南昌 330031; 3.浙江財經(jīng)大學 經(jīng)濟學院, 杭州 310018; 4.西華師范大學 國土資源學院, 四川 南充 637002)

近年來，伴隨著工業(yè)化和城市化進程的加快，我國環(huán)境問題日益凸顯，其中以霧霾為主要特征的空氣污染問題尤為突出。如2013年初，我國遭遇了持續(xù)性的、全國大面積范圍內(nèi)的嚴重霧霾問題，影響超過800萬人口，此次霧霾事件造成的直接經(jīng)濟損失約230億元，被認為是上個世紀以來中國最為嚴重的空氣污染事件[1-2]。

作為橫貫東西、地跨南北的重要腹地，長江經(jīng)濟帶橫跨11個省市，連接3個國家級城市群，即成渝城市群、長江中游城市群和長江三角洲城市群，長江經(jīng)濟帶在中國的經(jīng)濟發(fā)展中極具重要的戰(zhàn)略地位。然而，近年來長江經(jīng)濟帶地區(qū)的空氣污染問題日益突出，尤其長江中下游部分地區(qū)霧霾天數(shù)已達100 d/a以上，大氣環(huán)境質(zhì)量嚴重下降[3]。日趨嚴重的大氣污染不僅直接損害了當?shù)孛癖姷纳眢w健康，同時對區(qū)域工業(yè)生產(chǎn)、交通運輸及社會經(jīng)濟發(fā)展等造成了嚴重影響[3-4]。

隨著空氣質(zhì)量持續(xù)的惡化，國內(nèi)外學者對中國空氣污染問題的研究也逐漸增多。目前學術界對大氣顆粒物PM2.5的化學成分及來源[5-6]、空氣污染物(如PM2.5，NO2和SO2)的時空演變格局[7-10]、健康效應[11-13]、自然和社會經(jīng)濟影響因素[14-16]等方面開展了大量研究，這些研究成果不僅進一步提升了人們對空氣質(zhì)量問題在科學層面的認知，也對國家區(qū)域經(jīng)濟發(fā)展的重要新興戰(zhàn)略區(qū)，同時亦對生態(tài)環(huán)境敏感區(qū)的長江經(jīng)濟帶空氣污染問題的研究具有極高的借鑒意義和參考價值。然而，就目前而言，關于長江經(jīng)濟帶環(huán)境問題的研究多側(cè)重于宏觀層面，主要包括可持續(xù)發(fā)展戰(zhàn)略研究[17-18]、生態(tài)文明建設發(fā)展研究[19]、環(huán)境質(zhì)量評價[20-21]、資源環(huán)境約束下的生態(tài)效率測算[3,22]等，而針對長江經(jīng)濟帶空氣污染的研究則較少，采用空間計量方法對該區(qū)域空氣質(zhì)量進行定量分析的文獻更是缺乏。盡管有學者從空間依賴性的視角出發(fā)采用了空間滯后模型來研究長江經(jīng)濟帶的空氣污染問題[23]，但卻忽略了空氣污染在區(qū)域空間上的巨大差異性。傳統(tǒng)的計量方法假設空間是均質(zhì)的，無差異化的，模型的估計系數(shù)也是固定不變的，這顯然違背了長江經(jīng)濟帶明顯的區(qū)域差異化的客觀事實。此外，單一的空氣污染物如PM2.5，SO2和NO2等并不能全面地衡量空氣質(zhì)量狀況，因此，這就需要一個相對權威的、受到學術界認可的能全面衡量空氣污染的綜合指標。2012年中國環(huán)境保護部在空氣污染指數(shù)(Air Pollution Index, API)的基礎之上又重新定義了空氣質(zhì)量指數(shù)(Air Quality Index,AQI)，AQI因其具有權威性、綜合性較強和可信度較高，在出現(xiàn)之后受到了學術界廣泛的關注和認可[24-27]。

鑒于長江經(jīng)濟帶在國家經(jīng)濟發(fā)展層面中具有戰(zhàn)略支撐地位，迫切需要實施綠色可持續(xù)發(fā)展的經(jīng)濟增長模式。因此，研究該區(qū)域的空氣污染演變規(guī)律及其影響因素，對促進長江經(jīng)濟帶實現(xiàn)綠色、可持續(xù)發(fā)展具有極為重要的理論和現(xiàn)實意義。因此，本文選取長江經(jīng)濟帶126個城市作為樣本數(shù)據(jù)，采用AQI作為全面衡量空氣污染的指標，首先利用自然正交函數(shù)分析126個城市空氣質(zhì)量指數(shù)的時空異質(zhì)性特征，然后采用空間變系數(shù)模型中的地理加權回歸模型來探討不同城市之間社會經(jīng)濟影響因素對空氣質(zhì)量的影響，以期為長江經(jīng)濟帶大氣污染治理提供科學決策依據(jù)。

1 方法與數(shù)據(jù)

本文采用AQI作為全面衡量空氣質(zhì)量的指標是因為AQI是由環(huán)保部制定監(jiān)測空氣質(zhì)量狀況的無量綱指數(shù)，其權威性、綜合性和可信度相比現(xiàn)有文獻所使用的指標更強。AQI不僅受到了學術界的認可，并且也逐漸被民眾所廣泛接受。根據(jù)《環(huán)境空氣質(zhì)量指數(shù)(AQI)技術規(guī)定(試行)》(HJ633—2012)規(guī)定，AQI數(shù)值大小可分為以下6級：(1) 0～50，空氣質(zhì)量狀況為優(yōu)。(2) 51～100，空氣質(zhì)量狀況為良。(3) 101～150，空氣質(zhì)量狀況為輕度污染。(4) 151～200，空氣質(zhì)量狀況為中度污染。(5) 201～300，空氣質(zhì)量狀況為重度污染。(6) AQI大于300，空氣質(zhì)量狀況為嚴重污染。

1.1 方法介紹

1.1.1 自然正交函數(shù) 自然正交函數(shù)，也稱為經(jīng)驗正交函數(shù)。EOF最早由Pearson提出，后來于1956年被Lorenz運用于氣象研究[28-29]。EOF能對空間數(shù)據(jù)進行時空分解，從而得到相互正交的特征向量，這些特征向量代表的是空間樣本，故稱為空間模態(tài)；主成分則表示為時間變化，稱之為時間系數(shù)。EOF能夠把AQI時間的動態(tài)性和空間的異質(zhì)性結合起來，從而揭示了AQI的時空動態(tài)規(guī)律[30]。

1.1.2 OLS模型 首先給出最基本的OLS模型，在構建計量模型時，模型中所有變量采用對數(shù)形式，這樣可以減少異方差性。模型如下所示：

lnAQI=α+βlnX+μ

(1)

式中：AQI為被解釋變量，即空氣質(zhì)量指數(shù)；X為社會經(jīng)濟影響因素變量；α為常數(shù)項；μ為隨機擾動項。

1.1.3 GWR模型 GWR是一種改進的空間線性回歸模型，它的主要優(yōu)勢是把空間權重函數(shù)應用到了普通回歸模型中，可以展示出不同空間的結構差異[31]。式(1)為OLS回歸模型，即為全局回歸模型。基于全局回歸模型，GWR模型如下：

(2)

式中：lnAQIi為第i個城市AQI觀測值的對數(shù)形式；(μi,vi)為城市i的地理坐標；β0(μi,vi)為城市i的常數(shù)項；βk(μi,vi)為城市i第k個被解釋變量的待估計參數(shù)；k為解釋變量的個數(shù),取值范圍[1,n];xik為解釋變量；εi為隨機誤差項。

在地理加權回歸中，由于地理空間信息都是用坐標來進行描述的，因此采用距離來作為權重大小的計算指標。目前存在常用的3種空間權重函數(shù)，分別是高斯權重函數(shù)、指數(shù)距離權重函數(shù)和三次方函數(shù)。其中，最常用的是高斯權重函數(shù)，具體形式如下所示：

Wi=φ(di/δθ)

(3)

式中：φ表示標準正態(tài)密度函數(shù)；δ表示距離向量di的標準離差；參數(shù)θ表示衰減參數(shù)或者稱之為帶寬參數(shù)。

1.2 數(shù)據(jù)說明

根據(jù)數(shù)據(jù)的可獲得性，并且參考已有的實證研究結果[16,23,30]，本文選取地區(qū)人均生產(chǎn)總值(GDP)、人口密度(Density)、規(guī)模以上工業(yè)總產(chǎn)值(Industry)、外商直接投資(FDI)、建成區(qū)綠化覆蓋率(Green)、細顆粒物(PM2.5)和二氧化硫(SO2)這7個變量來研究其對空氣質(zhì)量指數(shù)的影響。

本文采用的AQI和PM2.5濃度數(shù)據(jù)來源于中國環(huán)境監(jiān)測總站。其中，長江經(jīng)濟帶2015年共有130個城市的監(jiān)測數(shù)據(jù)，剔除縣市級以及由于其他數(shù)據(jù)受限，空氣質(zhì)量指數(shù)時空分布研究的樣本為126個城市。其他社會經(jīng)濟變量數(shù)據(jù)來源于《中國城市統(tǒng)計年鑒》(2016年)，由于缺少長江經(jīng)濟帶16個城市的統(tǒng)計數(shù)據(jù)，因而空間回歸部分的樣本量為110個。

2 長江經(jīng)濟帶空氣質(zhì)量指數(shù)的時空異質(zhì)性

在回歸分析之前，本文首先采用地圖形式展示出長江經(jīng)濟帶126個城市2015年空氣質(zhì)量指數(shù)(AQI)年平均值的空間分布情況，如圖1所示。

根據(jù)《環(huán)境空氣質(zhì)量指數(shù)(AQI)技術規(guī)定》AQI的級別可以發(fā)現(xiàn)，長江經(jīng)濟帶126個地級市AQI共對應了3個級別，即AQI小于50的為第一個級別(優(yōu))，50～100為第2個級別(良)，100～150為第3個級別(輕度污染)。圖1中有兩種顏色表征AQI的良級別。

由圖1可以看出，2015年長江經(jīng)濟帶126個城市AQI最大值并沒有超過150，年平均空氣質(zhì)量總體為良，云南和四川的部分自治州空氣質(zhì)量為優(yōu)。輕度污染的城市僅有湖北的武漢、孝感、荊門和襄陽以及四川的自貢。由此可見，AQI高值區(qū)主要在正處于快速工業(yè)化、城市化的武漢都市圈以及成渝城市群的自貢市。為檢驗長江經(jīng)濟帶126個城市AQI是否存在空間自相關，本文選擇了k-nearest neighbors法構建空間權重矩陣(k=4時)，結果發(fā)現(xiàn)Moran′sI值高達0.396 7，且通過了1%的顯著性水平，說明長江經(jīng)濟帶AQI在空間分布上呈現(xiàn)出顯著的空間自相關，也即是說城市之間空氣污染存在擴散效應。由于年均AQI掩蓋了時節(jié)的差異，不能有效地反映城市之間的空間質(zhì)量在季節(jié)上表現(xiàn)出的地區(qū)差異性，因而需從月尺度分析AQI空間分布和動態(tài)變化。

圖1AQI空間分布

為更好地理解AQI在空間上分布特征的變化以及時間上的演變規(guī)律，本文將AQI每小時監(jiān)測數(shù)據(jù)整理成月平均數(shù)據(jù)，采用EOF方法對長江經(jīng)濟帶126個城市2015年的AQI月數(shù)據(jù)進行時空分解，這樣做的好處是可以更為明晰地分析出AQI的時空變化規(guī)律。結果發(fā)現(xiàn)前3個特征向量方差貢獻率分別為98.07%，0.77%，0.39%，每一特征向量場的極大值中心是AQI增加或減少異常變化的最敏感區(qū)域。特征向量之間表現(xiàn)為相互正交關系，EOF展開的第一模態(tài)特征向量一般反映了AQI距平的平均狀態(tài)，其余模態(tài)則反映在不同尺度AQI距平的變化狀態(tài)。與特征向量對應的時間系數(shù)表示特征向量的權重，可以衡量不同年份對這種空間分布貢獻的大小。由于第一個特征向量方差貢獻率已高達98.07%，因而可以采用第一特征向量來衡量AQI的時空結構特征。

EOF 第一模態(tài)反映了AQI的總體空間分布特征(圖2)。第一模態(tài)特征向量的極大值出現(xiàn)在長三角的江蘇省大部分城市，長江中游的武漢都市圈、長株潭地區(qū)以及成渝群的成都、自貢、瀘州等市。低值區(qū)則集中在云南的大部分城市如麗江、玉溪和迪慶州、怒江州和楚雄州，貴州的黔南州、四川的阿壩州以及浙江的舟山、臺州和麗水市。

圖2EOF第一模態(tài)空間分布

第一模態(tài)反映了2015年長江經(jīng)濟帶126個城市AQI空間年均變化分量。EOF分解的第一模態(tài)對應的標準化時間系數(shù)(圖3)呈現(xiàn)出明顯的年內(nèi)季節(jié)變化特征。時間系數(shù)從1月份到12月份表現(xiàn)出先下降后上升的趨勢，大致呈U型分布。具體來說，1—5月呈現(xiàn)波動下降趨勢，6—8月AQI總體處于“U”的谷底，9—12月波動逐漸上升。其中1月份的時間系數(shù)值最大，表明1月份這類AQI的空間分布最為典型。尤其是1—2月份，這一時期的長江中游城市群以及長三角城市群的污染較為嚴重。隨著月份的推移，AQI有了明顯地下降。

但是，9—12月份AQI時間系數(shù)呈上升趨勢，并且10—12月份時間系數(shù)持續(xù)增加，12月份達到極大值，說明隨著冬季的來臨，氣溫較低，居民冬季采暖引發(fā)了能源的大量消耗，導致了大量污染物排放，再加之冬季氣象條件致使污染物的不易擴散，引發(fā)了空氣質(zhì)量的惡化，從而使得AQI增長速度較快。此外，還可以發(fā)現(xiàn)AQI第一模態(tài)的時間系數(shù)在5月份和10月份也較大，這可能是由于夏秋收時農(nóng)民焚燒秸稈在一定程度上導致這兩個月份空氣污染加重。就年內(nèi)季節(jié)變化來看，冬季空氣質(zhì)量最差，夏季空氣質(zhì)量最好，春秋兩季居中。

圖3EOF第一模態(tài)對應的標準化時間系數(shù)

3 長江經(jīng)濟帶空氣質(zhì)量的社會經(jīng)濟影響因素分析

3.1 OLS回歸結果

首先，本文采用OLS方法對模型(1)進行估計，回歸結果見表1。

表1 OLS回歸結果

首先看表1的第2列，OLS模型(1)包含所有的變量。由結果可知，除lnIndustry變量之外，所有的外生變量分別在1%，5%，10%的水平下顯著。故此，剔除lnIndustry變量，回歸結果見第5列。由OLS模型(2)結果可知，所有變量均高度顯著，并且從R2和F統(tǒng)計量來看，模型(2)整體擬合程度相對于模型(1)明顯較好。

人均地區(qū)生產(chǎn)總值(GDP)對AQI有顯著的正向影響。隨著人們收入水平不斷的提高，伴隨而來的各種高能耗產(chǎn)品的使用與服務消費需求也日益旺盛，增加了能源消耗的同時排放出大量的污染物，加劇了城市空氣環(huán)境的污染程度。本文得出的結論與李靜等[32]的一致，即經(jīng)濟增長使得化石燃料消耗量激增，從而增加了污染物排放量，惡化了空氣質(zhì)量，反映了我國經(jīng)濟增長仍然以犧牲環(huán)境質(zhì)量作為代價的現(xiàn)狀。

人口密度(Density)與AQI呈現(xiàn)顯著的正相關關系。人口密度大的城市人類活動強度較大，在日常生產(chǎn)和生活過程中消耗了很多資源并排放出大量污染物。如社會用電量增加導致化石燃料的燃燒量增多，排放出的硫化物和顆粒物等大氣污染物也增多；汽車使用量增加后消耗的石油量增加，石油燃燒產(chǎn)生的污染物排放增加以及工業(yè)發(fā)展過程中排放的廢氣和餐飲業(yè)烹飪產(chǎn)生的油煙等，這些都是城市大氣污染的主要來源。

外商直接投資(FDI)對AQI有顯著的負向影響，即“污染避難所”假說在長江經(jīng)濟帶不成立。其主要原因包含以下3點：第一，外資的流入通過增長效應、先進的技術溢出和科學的管理體系等影響長江經(jīng)濟帶地區(qū)，在一定程度上減少了污染物排放，對環(huán)境起到了保護作用[33]。第二，針對高污染高能耗行業(yè)的外資準入中國政府設置了嚴格的限制門檻，這也使得進入長江經(jīng)濟帶的外資企業(yè)大都是技術水平高的、傾向使用清潔能源的企業(yè)。第三，F(xiàn)DI在進行區(qū)位選擇的過程中，考慮到環(huán)境治理成本因素，往往會選擇治理成本較低的空氣質(zhì)量優(yōu)質(zhì)區(qū)域[34]。

建成區(qū)綠化覆蓋率(Green)與AQI存在顯著地負向關系。由此可見，城市綠化在除塵、凈化空氣方面具有較強的功能。具體來說，植物可以吸收二氧化碳釋放氧氣，同時還對空氣中的顆粒物起到吸附作用。故此，提高城市綠化率對空氣污染有一定抑制作用。最后，細顆粒物(PM2.5)與二氧化硫(SO2)均與AQI存在顯著地正相關關系。PM2.5濃度和SO2濃度是影響AQI的重要指標，尤其是PM2.5與空氣質(zhì)量密切相關，是空氣污染中最主要的污染物。

3.2 GWR回歸結果與分析

雖然OLS回歸方法能得到各個變量對空氣質(zhì)量指數(shù)的影響，但是OLS回歸方法仍然無法展示出地域間各種環(huán)境污染影響因素的空間異質(zhì)性問題。因此，本文采用GWR方法來討論不同影響因素對AQI在空間上的差異性。

首先，本文采用3種空間權重函數(shù)對150個城市進行回歸，結果發(fā)現(xiàn)3種不同的空間權重函數(shù)其回歸系數(shù)結果基本一致。基于這個原因，本文選擇較為常用的高斯權重函數(shù)的估計結果作為分析的基礎。

其次，在估計出GWR回歸結果后，本文整理出了不同分位數(shù)上的系數(shù)，結果見表2。在表2的GWR參數(shù)回歸的5組分位數(shù)估計結果中，第2—5列的分位點分別選取最小值、1/4分位數(shù)、中位數(shù)、3/4分位數(shù)、最大值，第7列是全域估計結果，即OLS回歸結果。

對比OLS模型和GWR模型可知，所選6個解釋變量的OLS模型調(diào)整后的擬合優(yōu)度為0.945 5，而采用GWR的擬合優(yōu)度為0.960 9，從擬合優(yōu)度來看，兩者之間的差異不明顯。因此，本文還計算出了赤池信息準則(Akaike information criterion，AIC)。OLS模型的AIC為-342.879 1，而GWR模型的AIC為-698.273 1。其中，赤池信息準則統(tǒng)計量越小，表明模型更優(yōu)。由此可見，GWR模型相比OLS模型更優(yōu)。

表2 GWR模型回歸結果

由表2可知，GWR估計的各個解釋變量對每一個城市的AQI都有一個特定的參數(shù)值，直觀地揭示了各城市之間不同影響因素對AQI影響的空間異質(zhì)性。此外，大多數(shù)分位數(shù)的參數(shù)估計值也有較大的變異，這也說明各個解釋變量對區(qū)域內(nèi)大部分樣本點的影響是異質(zhì)的。

本文重點探討了社會經(jīng)濟因素人均地區(qū)生產(chǎn)總值(GDP)、人口密度(Density)、外商直接投資(FDI)、建成區(qū)綠化覆蓋率(Green)以及細顆粒物(PM2.5)與二氧化硫(SO2)變量對AQI作用的空間異質(zhì)性(圖4)。

人均GDP與AQI表現(xiàn)為顯著的正相關關系。這說明我國經(jīng)濟發(fā)展仍以犧牲環(huán)境為代價。由GWR模型回歸結果來看，不同城市GDP變量彈性系數(shù)有所差別，這也說明了不同地區(qū)人均GDP對AQI影響程度有所不同。其中，彈性系數(shù)較大的是長江中游地區(qū)，具體來說為武漢都市圈、長株潭和環(huán)鄱陽湖城市群。這是由于長江中游城市群既是我國區(qū)域經(jīng)濟發(fā)展的重要戰(zhàn)略區(qū)，亦是生態(tài)環(huán)境敏感區(qū)。目前長江中游城市群處于高速發(fā)展態(tài)勢，工業(yè)化和城市化進程不斷加快，從而導致了嚴重的空氣污染問題。成渝城市群和長三角地區(qū)的彈性系數(shù)處于平均水平，這可能是由于兩個區(qū)域經(jīng)濟發(fā)展水平在整個長江經(jīng)濟帶處于相對較高的水平，隨著人民生活水平的提高，人們的環(huán)保意識以及對空氣質(zhì)量的訴求也日趨見漲；而彈性系數(shù)較小的主要在經(jīng)濟欠發(fā)達的云貴地區(qū)，其城市化和工業(yè)化水平也相對較低。

人口密度(Density)與AQI呈現(xiàn)出顯著的正相關關系，這說明人口密度越高，人類活動帶來的環(huán)境污染也越嚴重。在人口密度方面，不同地區(qū)人口密度對AQI影響程度也不同。如人口密度較高的長三角地區(qū)顯然對環(huán)境質(zhì)量影響程度要大于長江中游城市群和成渝城市群，這主要是由于不同的人口數(shù)量帶來的環(huán)境壓力也具有差異性。值得注意的是，云南的昆明、麗江和大理等城市人口密度對空氣質(zhì)量影響的彈性系數(shù)最大，這可能主要是由于這些城市大力發(fā)展旅游業(yè)吸引了國內(nèi)外大量游客，流動人口的大量存在也增加了對生活物品及設施的需要，導致了排放更多的污染物，從而影響了當?shù)氐目諝赓|(zhì)量。

外商直接投資(FDI)與AQI表現(xiàn)為顯著的負相關關系，說明外商直接投資在長江經(jīng)濟帶對環(huán)境具有明顯的改善作用，即存在“污染光環(huán)效應”。但是從GWR模型回歸結果看，GWR回歸彈性系數(shù)有所差別，這也說明了不同地區(qū)FDI對AQI影響程度有所不同，就彈性系數(shù)大小而言，F(xiàn)DI系數(shù)(絕對值)由西向東逐漸遞減，其中，彈性系數(shù)絕對值最大的城市為永州(0.014 3)，其次是懷化市和保山市(0.014 2)，最小的為溫州(0.011 1)。而彈性系數(shù)絕對值較大的城市主要在長江中游城市群及成渝城市群，F(xiàn)DI對環(huán)境改善作用最小的主要是在長三角城市群。

圖4社會經(jīng)濟因素彈性系數(shù)的空間分布

建成區(qū)綠化覆蓋率(Green)與AQI呈現(xiàn)出顯著的負相關關系，說明城市綠化覆蓋率的提高對AQI具有顯著的改善作用。就彈性系數(shù)大小來說，彈性系數(shù)絕對值較大的城市以長江中游城市群較多，尤其是集中在江西。長三角地區(qū)的彈性系數(shù)大小居中。而彈性系數(shù)絕對值較小的城市主要在四川的西南部以及云南的城市如昆明、麗江和昭通等城市。由此可見，建成區(qū)綠化覆蓋率對空氣質(zhì)量改善作用較大的是快速發(fā)展的新興城市群如長江中游城市群，而對于經(jīng)濟相對欠發(fā)達的西南地區(qū)以及經(jīng)濟相對發(fā)達的東部地區(qū)長三角地區(qū)來說，綠化覆蓋率對空氣質(zhì)量的改善作用較小，這主要是云南和四川相對欠發(fā)達的城市本身植被覆蓋率和綠化比較好，而長三角地區(qū)經(jīng)濟發(fā)達，“寸土存金”的土地價值致使綠地建設空間不大，因而城市綠地給二者所帶來的空氣質(zhì)量改善作用都較小。

細顆粒物(PM2.5)與二氧化硫(SO2)均與AQI表現(xiàn)為顯著的正相關關系，說明PM2.5與SO2是環(huán)境污染的重要污染物。就彈性系數(shù)大小來說，PM2.5彈性系數(shù)較大的城市主要集中在長三角地區(qū)，彈性系數(shù)較小的城市則主要集中在云南和成渝城市群；而SO2彈性系數(shù)較大的城市主要集中湖北的北部如十堰、襄陽和宜昌以及成渝城市群，彈性系數(shù)較小的城市則集中在長三角和云南的西南部。

4 結論與建議

研究結果發(fā)現(xiàn)：(1) EOF第一模態(tài)特征向量的高值出現(xiàn)在長三角的江蘇省，長江中游的武漢都市圈、長株潭地區(qū)以及成渝城市群。低值區(qū)則集中在云南的大部分城市、貴州的黔南州、四川的阿壩州以及浙江的舟山、臺州和麗水。(2) 月尺度的AQI時間系數(shù)變化大致呈U形分布，即1—5月呈現(xiàn)波動下降趨勢，6—8月AQI總體處于“U”的谷底，9—12月逐漸波動上升。總體上，冬季空氣質(zhì)量最差，夏季空氣質(zhì)量最好，春秋兩季居中。(3) 人均地區(qū)生產(chǎn)總值、人口密度、PM2.5濃度和SO2濃度的增加均是導致空氣污染加劇的重要因素，而FDI和建成區(qū)綠化覆蓋率的增加有利于空氣質(zhì)量的改善，并且不同城市的影響因素對空氣質(zhì)量作用存在顯著的空間異質(zhì)性。依據(jù)研究所得出的結論，本文提出如下政策建議：

第一，空氣質(zhì)量問題歸根到底是經(jīng)濟發(fā)展問題。各地方政府在追求GDP增長的同時不能以犧牲環(huán)境為代價，必須堅持環(huán)境與經(jīng)濟協(xié)調(diào)友好發(fā)展路線。因此，在保持經(jīng)濟穩(wěn)定增長的前提下，必須注重經(jīng)濟發(fā)展方式的調(diào)整，積極落實高能耗產(chǎn)業(yè)的升級改造工作以及協(xié)調(diào)處理地區(qū)間產(chǎn)業(yè)轉(zhuǎn)移帶來的污染轉(zhuǎn)移問題；提高能源資源的利用效率，推動科學技術水平成為經(jīng)濟發(fā)展過程中新的增長極；大型城市(如上海和南京等)需要制定合理的人口導向政策，防治人口的過快集聚而帶來的環(huán)境問題。同時，大力倡導并積極推進低碳消費模式，緩解人口對大氣環(huán)境帶來的壓力，逐步建立資源節(jié)約型、環(huán)境友好型社會，促使經(jīng)濟發(fā)展與大氣環(huán)境污染實現(xiàn)早日“脫鉤”。

第二，由于空氣污染存在區(qū)域差異性和空間溢出效應，因此，地方政府必須實施區(qū)域差異化的空氣污染治理機制，一方面要根據(jù)各省市發(fā)展情況制定差異化的減排政策，落實各地方政府責任大小不同的減排目標，如針對云南、四川等空氣質(zhì)量較好的城市制定相對寬松的環(huán)保政策，將空氣污染較重的城市(如武漢等)作為下階段空氣污染整治的重點核心區(qū)域。另一方面，積極促使跨省跨城市間大氣污染聯(lián)防聯(lián)控機制的形成。與此同時，長江經(jīng)濟帶不同省市在治理過程中需通力協(xié)作，積極探索引導城市間的環(huán)境合作，實現(xiàn)綠色協(xié)同發(fā)展。否則，各自為戰(zhàn)的治理方式將導致污染長期反復，甚至是顧此失彼的窘境。

第三，考慮到FDI及城市綠化覆蓋率對環(huán)境污染起到了改善作用，但是其影響程度呈現(xiàn)出較大的區(qū)域差異性。因而政府要考慮制定差異性的城市減排政策，不能搞“一刀切”的模式。具體來說，對于溫州、金華和臺州市等FDI改善空氣質(zhì)量作用小的城市，應當以引進高端行業(yè)外資為主，而對于FDI改善空氣質(zhì)量作用大的城市，如：永州、邵陽和保山等，在鼓勵外資流入的同時更要完善相關的監(jiān)管手段。在綠地建設空間不大并且“寸土寸金”的城市，更應著重保護現(xiàn)有的綠地面積，秉持“綠色城市，綠色生活”的發(fā)展理念。

最后，由于企業(yè)生產(chǎn)活動所產(chǎn)生的污染物排放(如SO2)是空氣污染物的主要來源，因而清潔生產(chǎn)尤其重要。顯然，企業(yè)的生產(chǎn)活動以利潤為導向，企業(yè)沒有激勵機制主動減排，這就使得一方面需要政府制定財政激勵政策鼓勵減排、補貼高科技、高附加值和清潔生產(chǎn)的企業(yè)；另一方面，企業(yè)也應該積極開展綠色創(chuàng)新活動，嚴格履行相關環(huán)保法案，為改善空氣質(zhì)量承擔必要的社會責任。