長江經濟帶大氣顆粒物的社會經濟影響因素分析

摘?要：運用空間回歸分析的方法研究主要社會經濟指標對長江經濟帶PM2.5和PM10濃度的潛在影響。結果表明：地區生產總值、第二產業占比、人口密度和建成區綠化覆蓋率均對本地的PM2.5和PM10濃度有正向影響，其影響程度為：地區生產總值>第二產業占比>建成區綠化覆蓋率>人口密度。總之，區域間聯防聯控、不同類型污染物之間的協同治理和轉變經濟發展方式可從根本上解決長江經濟帶PM2.5和PM10污染問題，推動長江經濟帶生態環境保護和經濟高質量發展。

關鍵詞：PM2.5?PM10?長江經濟帶?社會經濟因素?空間回歸分析

作為我國新時代經濟發展的戰略支撐帶，長江經濟帶橫跨中國東中西三大區域，覆蓋11個省市，具有獨特優勢和巨大發展潛力[1-2]。近年來，隨著工業化和城鎮化進程的不斷推進，長江流域沿岸第二產業迅速發展，然而，長江經濟帶先前的經濟發展主要依賴于資源和要素驅動[1]，高密度的人口產業布局和高耗能、高排放、高污染的生產生活方式容易引起區域內大氣環境中PM2.5和PM10顆粒物濃度的升高，進而帶來嚴重的大氣環境問題[3]。因此，探索長江經濟帶大氣顆粒物（PM2.5和PM10）社會經濟驅動因素，對于推動長江經濟帶工業綠色發展和經濟高質量發展具有重大的意義。

一、數據來源

本文選取2018年長江經濟帶126個城市級PM2.5和PM10月濃度數據和對其影響較大的四個社會經濟因素變量。其中，2018年長江經濟帶所屬的126個地級市（不包括湖北天門、仙桃、潛江和神農架）的PM2.5和PM10濃度的月值實時監測數據來源于“空氣質量在線監測分析平臺（https：//www.aqistudy.cn/）”。四個社會經濟指標主要包括地區生產總值、第二產業占比、人口密度和建成區綠化覆蓋率，其統計數據主要來源于“長江經濟帶大數據平臺（http：//yreb.sozdata.com/）”和國家統計局公布的《中國城市統計年鑒》，部分數據也來源于各城市公布的2018年國民經濟和統計發展公報。

二、研究方法

為了評估社會經濟指標對長江經濟帶PM2.5和PM10濃度變化的潛在影響，本文引入空間回歸分析的方法進行深入探討?？紤]到長江經濟帶PM2.5和PM10常具有空間異質性和空間依賴性，在進行空間計量經濟模型（空間滯后模型（SLM）和空間誤差模型（SEM））分析之前，需應用經典線性回歸模型（OLS）進行相關性和顯著性檢驗。

經典OLS模型的公式如下[2]：

lnPMi=α+β1lnGDP+β2lnIndustry+β3lnGreen+β4lnPopden+ε（1）

式中，lnPMi為長江經濟帶大氣顆粒物（i?=?2.5或10）濃度的對數值;α為截距項;βj（j=1，2，3，4）為各社會經濟指數的估計系數;lnGDP為地區生產總值的對數值;lnIndustry為第二產業占比的對數值;lnGreen為建成區綠化覆蓋率對數值;lnPopden為人口密度的對數值;ε為隨機誤差。

空間滯后模型（SLM）主要用于分析長江經濟帶PM2.5或PM10觀測值之間的空間依賴、擴散和溢出效應，計算公式如下[2]：

式中，y為因變量;W為空間權重矩陣（n×n）;Wy為空間滯后因變量;ρ為空間自回歸系數，反映了相鄰空間單元觀測值的空間溢出的影響程度與方向;X為解釋變量矩陣（n×k）;β為回歸系數矩陣（k×1）;ε為滿足分布的隨機誤差項。

空間誤差模型（SEM）主要用于長江經濟帶PM2.5或PM10觀測值存在的空間誤差項的空間相關性，計算公式如下[2]：

式中，y、W、X、β和ε的具體含義同公式（2）;Wε為空間誤差滯后項;λ為誤差項的空間自回歸系數;μ為服從正態分布的隨機誤差項。

按照Anselin?提出的判別方法，MoransI檢驗、Lagrange?Multiplier?（LM）-Lag檢驗、LM-Error檢驗、Robust?LM-Lag檢驗和Robust?LM-Error檢驗可用于判別空間計量經濟模型（SLM和SEM）的適用性[4-5]。此外，?模型的決定系數（R2）、對數似然值（LogL）、赤池信息準則（AIC）、施瓦茨準則（SC）等指標也可用于判別模型的擬合效果[4-5]。一般而言，R2和LogL值越大，AIC和SC值越小，模型擬合效果越好[4]。

三、結果與討論

本文使用OLS模型對四種社會經濟因素對2018年長江經濟帶PM2.5和PM10影響進行初步判斷，結果見表1。由表1可知，PM2.5和PM10的Morans?I的統計量分別為9.897和10.184，都通過了0.01的顯著性檢驗，說明其回歸殘差具有明顯的空間依賴性。OLS模型中Breusch-Pagan和Koenker-Bassett檢驗的P值都小于0.05，說明隨機項誤差存在異方差，與OLS模型中隨機誤差項應滿足同方差性的前提條件不符[4]。因此，應考慮基于空間依賴因素的SLM和SEM模型來取代OLS模型進行深入分析。此外，PM2.5和PM10的LM-Lag和LM-Error都通過了0.01的顯著性檢驗，但LM-Error的統計量大于LM-Lag的統計量，且Robust?LM-Error通過了0.01的顯著性檢驗，但Robust?LM-Lag未通過0.01的顯著性檢驗，根據Anselin模型選擇判別標準，SEM模型更適合研究長江經濟帶PM2.5和PM10濃度的空間依賴特征。

三種空間回歸模型（OLS、SLM和SEM）的估計結果見表2。2018年長江經濟帶PM2.5和PM10三種模型的R2、LogL、AIC和SC的大小關系可用于判斷模型選擇的合理性。長江經濟帶PM2.5和PM10對應的SLM和SEM模型的R2和LogL均大于OLS，AIC和SC均小于OLS，說明引入SLM和SEM對于研究長江經濟帶大氣顆粒物的空間異質性和空間依賴性是有必要的。此外，SEM的R2和LogL均大于SLM，AIC和SC均小于SLM，說明長江經濟帶PM2.5或PM10存在的空間誤差項的空間相關性。對比四種社會經濟變量對大氣PM2.5和PM10的影響可知：地區生產總值和第二產業占比的系數為正，且通過顯著性檢驗，說明經濟發展水平和經濟發展模式對長江經濟帶PM2.5和PM10濃度變化具有較大的影響。建成區綠化覆蓋率和人口密度的系數為正，但未通過顯著性檢驗，說明建成區綠化覆蓋率和人口密度對長江經濟帶PM2.5和PM10濃度變化有正向的作用，但這種作用不太顯著。這主要是由于2018年我國人口增長放緩和城區綠化建設仍較為薄弱等原因導致的?？傊?，對比四種社會經濟變量的系數及顯著性，對長江經濟帶PM2.5和PM10濃度的影響強度由大到小依次為：地區生產總值>第二產業占比>建成區綠化覆蓋率>人口密度。

四、研究結論

PM2.5和PM10等大氣顆粒物作為常見的大氣污染物，長期超標將會對長江經濟帶大氣環境質量和人類的生命健康產生極大的危害，不利于經濟高質量發展和社會可持續發展。本研究分析了長江經濟帶大氣PM2.5和PM10的濃度變化特征及其驅動因素，用SEM模型能夠更好地反映2018年長江經濟帶PM2.5和PM10年均濃度的空間依賴性，四種社會經濟變量對PM2.5和PM10的影響程度為：地區生產總值>第二產業占比>建成區綠化覆蓋率>人口密度。

參考文獻：

[1]黃磊，吳傳清.長江經濟帶城市工業綠色發展效率及其空間驅動機制研究[J].中國人口·資源與環境，2019，29（08）：40-49.

[2]楊冕，王銀.長江經濟帶PM2.5時空特征及影響因素研究[J].中國人口·資源與環境，2017，27（01）：91-100.

[3]黃小剛，趙景波，曹軍驥，等.長江經濟帶PM2.5分布格局演變及其影響因素[J].環境科學，2020，41（03）：1013-1024.

[4]黃小剛，邵天杰，趙景波，等.汾渭平原PM2.5濃度的影響因素及空間溢出效應[J].中國環境科學，2019，39（08）：3539-3548.

[5]Anselin?L.?Spatial?econometrics：methods?and?models?[M].?New?York：Springer?Science?&?Business?Media，?1988：55-76.

〔司晶晶，中國地質大學（武漢）經濟管理學院〕