經濟發展、城市擴張與空氣污染

郭施宏，高 明，吳雪萍

(1.清華大學 公共管理學院，北京 100084；2.福州大學 經濟與管理學院，福建 福州 350116)

·城市經濟·

經濟發展、城市擴張與空氣污染

郭施宏1，高 明2，吳雪萍2

(1.清華大學 公共管理學院，北京 100084；2.福州大學 經濟與管理學院，福建 福州 350116)

筆者以2001—2012年中國30個省會城市作為樣本，在分析經濟發展和城市擴張對空氣污染影響機理的基礎上，考慮空氣污染的空間自相關性，采用空間滯后模型(SLM)和空間誤差模型(SEM)實證分析經濟發展和城市擴張對城市空氣污染的影響。結果表明：(1)城市空氣污染存在顯著的正空間自相關性和空間溢出效應。長江以北形成了高空氣污染城市的集聚區，華南地區是低空氣污染城市的集聚區。(2)經濟發展與城市擴張對空氣污染具有顯著影響，經濟增長與空氣污染之間呈現倒N型的三次曲線關系，產業結構的轉型升級和生產技術水平的提高均有助于空氣污染的改善。(3)城市建成區面積和道路面積在2001—2012年期間大幅增長，并加劇了城市空氣污染，但房屋建筑施工面積對空氣污染的影響并不顯著。

經濟發展；城市擴張；空氣污染；空間計量

一、經濟發展與城市擴張的影響機理分析

經濟發展和城市擴張是城市化進程中的顯著表現，在這一過程中，城市居民生活水平不斷提高，社會文明不斷進步，但也伴隨著資源的消耗、能源的消費以及污染物的排放。城市大氣環境受到城市化過程帶來的污染與治理的雙重拉力作用。一方面，環境庫茲涅茨曲線理論認為，經濟發展意味著更大規模的經濟活動與資源需求量，因而經濟發展會對環境質量產生負向規模效應；同時，經濟發展又通過正向技術進步效應以及結構優化效應減少了污染排放，從而改善了環境質量。另一方面，對于城市擴張的研究是在最優城市規模理論上發展起來的，傳統的最優城市規模理論研究主要是從城市成本—收益的角度展開。周文和彭煒劍[1]指出，20世紀90年代以后，最佳城市規模理論的研究重點開始重視城市規模與環境質量之間的關系。王桂新和武俊奎[2]基于中國地級市數據發現城市規模的擴張使得碳排放強度上升?？讗蹏凸锝躘3]認為城市規模不僅對空氣污染有影響，城市空氣污染對城市規模也有影響。馬素琳等[4]基于實證檢驗指出，不同的城市規模與集聚程度會對空氣質量有不同的影響。具體而言，經濟發展和城市擴張主要從經濟規模、產業結構、技術進步、土地擴張和城市建設五個方面作用于城市的空氣質量。

(一)經濟規模

經濟規模對空氣質量具有雙重影響，一方面，在生產技術水平不變的情況下，經濟規模的擴大會提高自然資源的消耗量，污染物產生量增加，進而導致空氣污染的產生與加劇。另一方面，隨著經濟規模的擴大、居民收入的增長，公眾的環保意識提高，對環境質量增長的要求也隨之提高，此時公眾有較高的意愿購買更嚴格環境標準下生產的產品，這有利于降低單位產出的排放強度及制定更嚴厲的環境標準和稅收標準，因此，經濟規模的擴大加強了對節能減排的要求，有利于大氣環境的改善。經濟規模對環境影響的方向最終取決于兩種效應的程度，當第一種效應大于第二種效應時，經濟規模擴大使環境惡化；當第一種效應小于第二種效應時，經濟規模擴大使環境質量改善。

(二)產業結構

進入工業化后，第一產業在國民總產值中的比重不斷下降，其創造的財富及勞動力資源向第二產業和第三產業轉移，而第二產業比重在工業化中前期不斷上升并成為主導產業，隨著經濟發展水平的進一步提高，第二產業比重開始下降，而第三產業比重逐漸上升，并在后工業化時期成為經濟發展的主體。由于高能耗高污染行業集中于第二產業，其比重增加必然會導致能源消耗總量的上升。西方發達國家在20世紀基本完成了工業化階段，而中國正處于快速工業化階段，工業能源消耗量大，2000年至今，中國工業能源消費量一直占中國能源消費總量的70%左右。因此，第二產業向第三產業的過渡，意味著工業能源消費量能夠實現有效地降低。同時，產業結構的優化升級促使高消耗高污染型生產模式向集約型生產模式轉變，依賴于煤炭消費的能源消費結構將逐漸向以清潔能源為主的能源消費結構轉變，生產活動的污染物排放也隨之大幅降低。

(三)技術進步

技術進步對空氣環境的影響主要體現在兩個方面，一是生產技術的進步，二是治污技術的提高。生產技術的進步使生產中能源和資源的利用效率提高，從而使單位經濟增長的能源和資源消耗量減少，單位污染物排放量也相應減少。同時，生產技術進步有助于清潔生產工藝的推進和使用，有助于清潔能源的開發和利用，降低工業生產對空氣環境的影響。治污技術的進步則通過治污設備的改進來提高污染物治理、回收、循環利用效率和水平，以對空氣質量產生積極影響。

(四)土地擴張

隨著城市化進程的加快，城市人口不斷集聚，城市用地規模不斷擴大，并在經濟社會發展的推動下開展各項城市建設，保障城市居民的正常生活并服務城市經濟社會的發展。由此，土地擴張對空氣質量的影響主要體現為其產生的生產生活空間集聚，城市人口的增加，城市活動規模的擴大，以及與之伴隨的資源需求量和能源消耗量的增加，也同時意味著污染物排放量的增加。鄭思齊和霍燚[5]認為，城市擴張導致城市內容空間趨于分散，市民上班的通勤時間延長，并更多地依賴私家車。馬麗梅等[6]指出，隨著通勤時間的增長和私家汽車的增多，城市消耗的石化能源更多，空氣質量會越差。與此同時，Burchfield等[7]認為，城市建設用地的擴張侵蝕了城市周邊的綠地面積，區域生態對城市空氣質量的調節功能也將大大降低。

(五)城市建設

城市建設與土地擴張的過程緊密結合，Banzhaf和Lavery[8]認為，城市擴張通常降低了人口居住和經濟活動的密度，增加了對建筑物的需求量。對于城市空氣環境而言，房屋建筑建設等施工過程會產生大量的揚塵，空氣中的可吸入顆粒物的含量會大大增加，空氣質量下降。與此同時，城市道路建設不僅會產生揚塵，城市道路建設規模的擴大也意味著機動車出行的里程數的增加，城市交通能源消耗的增加，向空氣中輸出更多的污染物。同時，交通道路設施建設也帶來了道路沿線地區人口的集聚和生產規模的擴大，產生更多的污染物。

二、模型構建與數據描述

(一)空間計量模型

考慮到空氣污染空間效應的可能存在，傳統計量分析模型“樣本間相互獨立”的假設不再成立，導致其估計結果可能與實際有偏差。與傳統計量模型相比，空間計量模型考慮了經濟學中普遍存在的空間依賴性，Anselin[9]給出兩種刻畫空間依賴性(空間自相關性)的空間計量模型：若觀測變量的空間相關性由空間交互作用引起的，則選擇建立空間滯后模型；若觀測變量的空間相關性是由干擾性空間依賴引起的，則選擇建立空間誤差模型。

1.空間滯后模型

空間滯后模型(SLM)主要考察各變量在一個地區是否有溢出效應?？臻g滯后模型表明所考察的本地區的因變量不僅受到本地區核心外生變量的影響，也受臨近地區因變量情況的影響。若空間滯后模型設置合理且通過顯著性檢驗，則表明不同地區的因變量間相互影響，在地理空間上存在顯著的空間交互作用。其表達式為：

Y=ρWY+Xβ+μ

(1)

其中，Y為因變量；X為n×k的外生解釋變量矩陣；ρ為空間自回歸系數；W為n×n的空間權重矩陣；μ為隨機誤差向量；β為系數；WY為空間滯后因變量，是內生變量，反映了空間關系對區域行為的影響。

2.空間誤差模型

空間誤差模型(SEM)是將空間效應引入到擾動誤差項中，假設空間依賴體現在擾動誤差項中，空間誤差模型度量了臨近地區關于因變量的誤差沖擊對本地區因變量觀測值的影響程度。其表達式為：

Y=Xβ+μ

(2)

其中，μ=λWμ+ε，λ為n×1的因變量的空間誤差系數；ε為正態分布的隨機誤差向量。

(二)變量選取與數據來源

1.因變量選取

空氣污染程度是本文的因變量，在既往空氣污染問題研究中，不同的學者采取了不同的指標來表征空氣污染狀況，主要有可吸入顆粒物(PM10或PM2.5)、二氧化硫、氮氧化物、二氧化碳和一氧化碳等空氣污染物的年日均濃度，廢氣相關指標(如廢氣排放量、人均廢氣排放量、廢氣排放密度)等。筆者綜合考慮空氣污染物的多樣性以及數據可獲得性，選取可吸入顆粒物(PM10)、二氧化硫(SO2)、二氧化氮(NO2)年日均值表征城市空氣污染水平，并將其綜合成空氣污染綜合指數P。具體的計算方法如下：

Pi=Ci/Si

(3)

P=∑Pi

(4)

其中，Pi為第i項空氣污染物的分指數；Ci為第i項空氣污染物濃度的年日均值；Si為第i項空氣污染物的環境質量標準限值。

圖1反映了2001—2012年中國大陸30個省會城市空氣污染綜合指數變化情況?？傮w而言，2001—2012年期間，中國的空氣質量呈改善趨勢，但在2011年后，空氣污染指數大幅上升。從地區上看，西部地區的空氣質量最差，其次為中部地區和東部地區。

圖1 2001—2012年省會城市空氣污染綜合指數

2.自變量選取

(1)經濟發展。根據經濟發展對大氣污染的影響機理分析，參考相關研究，筆者從經濟規模、產業結構和技術水平三個方面選取評價指標。一是經濟規模，選取經濟總量指標，為消除人口規模對經濟總量的影響，采用人均地區生產總值指標(PG)。二是產業結構，采用第二產業比重指標。比較第一、第三產業，第二產業對能源的需求量最大，消耗的資源最多，對城市空氣污染影響更大，故選取第二產業比重指標(SI)來衡量經濟結構。三是技術水平，采用工業能源消耗強度指標(EI)來體現生產技術是否提升。具體測度方法為：工業能源消耗強度=工業能源消費總量/工業增加值。

(2)城市擴張。筆者主要從城市面積、房屋建設和道路建設三個方面進行表征城市的擴張過程。相應選取的評價指標為建成區面積(U)、房屋建筑施工面積(B)和城市道路面積與建成區面積的比值(R)。

3.控制因素選取

參考相關研究，筆者設置了4個控制變量。一是人口密度(PD)。Cole和Neumayer[10]認為，人口集聚會使城市燃料使用量增加，同時，生產生活垃圾的增加也導致焚燒垃圾產生的廢氣量增加，這可能對城市空氣質量產生影響。二是民用汽車擁有量(C)。董志龍等[11]認為，汽車尾氣排放是大氣污染物的重要來源之一，汽車擁有量的增加有可能導致大氣污染的惡化。三是建成區綠化覆蓋率(G)。綠植對大氣污染物具有一定的吸附作用，能夠在一定程度上改善大氣環境，李玉敏等[12]認為，城市綠化覆蓋率的提升可能有助于大氣污染的緩解。四是廢氣污染治理投資額與地區生產總值的比值(ER)。該指標是環境規制力度體現，理論上環境規制的目的是通過行政、經濟等手段對排污型企業的管控，以達到從污染源上進行控制的目的。但賀燦飛等[13]以及何小鋼和張耀輝[14]的研究結果表明，環境規制對大氣環境的影響在實際中的作用方向并不明朗。

4.數據來源與描述性統計

本文變量數據的時間跨度為2001—2012年，地域范圍涵蓋了除拉薩以外的30個大陸地區的省會城市，拉薩空氣污染數據及相關經濟指標數據缺失嚴重，故不在研究范圍內。*2013年前，中國空氣質量測度標準采用的是《環境空氣質量標準GB3095-1996》，2013年后采用的標準是《環境空氣質量標準GB3095-2012》。這兩個標準對空氣質量的計算方式存在差異，為了統一性和可比性，筆者選取2001—2012年期間空氣質量數據，以《環境空氣質量標準GB3095-1996》標準進行計算。數據來源于《中國環境統計年鑒》、《中國環境年鑒》、《中國城市統計年鑒》、各城市統計年鑒、中國統計局網站等。原始數據的描述性統計如表1所示。

表1 描述性統計

(三)空氣污染空間計量模型的構建

1.基礎模型

根據變量選取，對因變量及部分自變量進行對數化處理，減小不同指標數據間的數量級差距，使數據更加平穩?；贓KC的相關結果，考慮經濟增長和環境污染之間可能存在的二次曲線和三次曲線關系，本文分別構建引入人均GDP指標二次項的模型以及人均GDP指標三次項的模型，并根據模型估計結果確定最終的模型形式?；A模型如下：

lnPit=α0+α1lnPGit+α2(lnPGit)2+α4SIit+α5EIit+α6lnUit+α7lnBit+α8Rit+α9lnPDit+α10lnCit+α11Git+α12ERit+μit

(5)

lnPit=α0+α1lnPGit+α2(lnPGit)2+α3(lnPGit)3+

α4SIit+α5EIit+α6lnUit+α7lnBit+α8Rit+α9lnPDit+α10lnCit+

α11Git+α12ERit+μit

(6)

其中，μit為模型的隨機誤差項。

2.空間滯后模型

在基礎模型之上引入因變量的空間變量，構建面板數據的空間滯后模型，具體模型如下：

lnPit=α0+α1lnPGit+α2(lnPGit)2+α4SIit+α5EIit+α6lnUit+α7lnBit+α8Rit+α9lnPDit+α10lnCit+α11Git+

(7)

lnPit=α0+α1lnPGit+α2(lnPGit)2+α3(lnPGit)3+

α4SIit+α5EIit+α6lnUit+α7lnBit+α8Rit+α9lnPDit+α10lnCit+

(8)

其中，∑WlnPit為因變量的空間變量；面板數據模型的隨機誤差項被分解為μit= δit+uit+εi； δit為時間效應隨機擾動項；uit為個體效應隨機擾動項；εit為隨機誤差項；ρ為空間變量系數，表示空間溢出效應的程度；W為空間權重矩陣。

3.空間誤差模型

在基礎模型之上引入殘差項的空間變量，構建面板數據的空間誤差模型，具體模型如下：

lnPit=α0+α1lnPGit+α2(lnPGit)2+α4SIit+α5EIit+α6lnUit+α7lnBit+α8Rit+α9lnPDit+α10lnCit+α11Git+

α12ERit+δit+uit+εit

(9)

lnPit=α0+α1lnPGit+α2(lnPGit)2+α3(lnPGit)3+

α4SIit+α5EIit+α6lnUit+α7lnBit+α8Rit+α9lnPDit+α10lnCit+

α11Git+α12ERit+δit+uit+εit

(10)

其中，λ為回歸殘差之間空間相關性強度。

三、經驗分析

(一)空間自相關性分析

考察空氣污染是否存在空間自相關性，對其進行分析和檢驗，若空氣污染不存在顯著的空間自相關性，則構建普通面板數據模型即可；若存在顯著的空間自相關性，則必須考慮空氣污染水平的空間效應，構建空間計量模型。目前常用的空間自相關檢驗方法有兩種：一是全局空間自相關檢驗，二是局域空間自相關檢驗。筆者采用Moran指數和LISA集聚圖分別對中國城市空氣污染水平進行空間自相關檢驗。其中，采用城市間地理距離的倒數來構建空間權重矩陣。

Moran指數反映的是空間鄰近區域單元的屬性值的相似程度。Moran指數的數值I位于-1—1之間。當I>0且檢驗顯著時，表示各城市的空氣污染水平是正自相關的，即相似的空氣污染水平傾向于聚集在一起的地理分布模式；當I<0且檢驗顯著時，表示各城市的空氣污染水平是負自相關，即不同的空氣污染水平傾向于聚集在一起的地理分布模式。檢驗結果表明，中國30個省會城市空氣污染的Moran統計值在12年間除2004—2008年未通過顯著性檢驗，其余7年均通過了5%的顯著性水平檢驗，其中4年通過了1%的顯著性水平檢驗。與此同時，對2001—2012年城市空氣污染綜合指數的平均值進行空間自相關檢驗，結果表明Moran統計值為0.038，并通過了5%的顯著性水平檢驗。以上結果作為空間效應的初步檢驗，為城市空氣污染存在空間自相關提供了證據。通過顯著性檢驗的7個年份以及2001—2012年均值的Moran指數全部顯著為正，說明城市空氣污染水平在空間上并非隨機分布，而是存在著顯著的正自相關空間依賴性。

進一步，通過Moran散點圖識別各個城市空氣污染水平與其鄰近城市空氣污染水平之間的關系。圖2是30個省會城市在2001年、2009年和2012年的空氣污染水平Moran散點分布圖。*該散點圖以標準化的空氣污染水平值為橫軸，以標準化的城市空氣污染水平的空間滯后值為縱軸，以二者的平均值為軸的中心，將圖分為四個象限，分別表示四種不同的集群模式。第Ⅰ象限為高—高的集群模式(H-H)，表示空氣污染水平較高的城市被空氣污染水平較高的鄰近城市包圍；第Ⅱ象限為低—高的集群模式(L-H)，表示空氣污染水平較低的城市被空氣污染水平較高的鄰近城市包圍；第Ⅲ象限為低—低的空間集群模式(L-L)，表示空氣污染水平較低的城市被空氣污染水平較低的鄰近城市包圍；第Ⅳ象限為高—低的空間集群模式(H-L)，表示空氣污染水平較高的城市被空氣污染水平較低的鄰近城市包圍。

圖像顯示，大多數城市位于第Ⅰ象限和第Ⅲ象限，表現為城市空氣污染水平正空間自相關的分布特征；少數城市位于第Ⅱ象限和第Ⅳ象限，由于全局Moran指數值表現為正相關，則第Ⅱ象限和第Ⅳ象限為非典型觀測區域，這些城市偏離了全域正空間自相關的總體趨勢。比較三個時間段的Moran散點圖發現，2001年H-H型和L-L型城市占66.600%(18個)，其中H-H型占33.300%(10個)，L-L型占33.300%(8個)；2009年H-H型和L-L型城市占70%(21個)，其中H-H型占43.300%(13個)，L-L型占26.700%(8個)，相比2001年，H-H型城市增加了3個，L-L型城市分別減少了2個，說明這一時期城市高空氣污染水平的空間集聚有所增強，低空氣污染水平的空間集聚有所減弱。2012年，H-H型和L-L型城市占63.300%(19個)，其中H-H型占40%(12個)，L-L型占23.300%(7個)，與2009年相比，H-H型和L-L型城市各減少了1個，變化較小，說明這一時期城市空氣污染水平的空間集聚程度趨于穩定。綜上，中國空氣污染水平總體上以H-H型集聚和L-L型集聚為主，呈現出相似值的空間關聯，進一步證實了空氣污染水平存在顯著的正空間自相關。

從城市的空間集聚上看，2001年，H-H型集聚城市主要分布在長江以北的華北地區、環渤海地區及西部地區，而L-L型集聚城市主要分布在中國東南沿海和華南地區。2009年，H-H型集聚城市的范圍擴大，長江以北地區基本成為H-H型城市集聚區，L-L型集聚城市主要分布在華南地區。同2009年相比，2012年不同類型城市的集聚區并沒有發生顯著變化。綜合而言，長江以北地區是高空氣污染水平城市的主要集聚區，華南地區是低空氣污染水平的主要集聚區，整體上以長江為界，由南向北，從低空氣污染集聚區向高空氣污染集聚區過渡。進一步通過局域空間關聯指標LISA檢驗局部地區高值或低值是否在空間上趨于集聚。LISA集聚圖表明，中國30個省會城市空氣污染水平在空間分布上形成了兩個不同的集聚區域：一是高空氣污染水平的空間集聚區域，主要分布在太原、呼和浩特、蘭州、西寧、烏魯木齊五個城市；二是低空氣污染水平的空間集聚區域，主要分布在南寧、?？?、廣州三個城市。*由于篇幅限制，Moran散點空間分布圖和LISA集聚圖可向作者索取。

圖2 2001年、2009年和2012年空氣污染水平Moran散點圖

(二)模型的估計和選擇

首先，筆者采用普通面板數據模型估計，先確定模型的具體形式，即確定模型是采用混合模型、固定效應模型或是隨機效應模型。通過構建F統計量對混合模型和固定效應模型進行選擇判斷，通過Breusch-Pagan檢驗對混合模型和隨機效應模型進行選擇判斷，當二者都拒絕了混合模型時，通過Hausman檢驗對隨機效應模型和固定效應模型進行選擇判斷。模型1和模型2的F檢驗及Breusch-Pagan檢驗均拒絕了混合模型，同時，Hausman檢驗未通過，無法拒絕建立隨機效應模型的原假設，故采用隨機效應模型。

其次，對模型的空間相關性進行檢驗，進而在空間滯后模型和空間誤差模型中做出選擇。目前常用的空間相關性檢驗方法如Moran’s I、LM-error、Robust LM-error、LM-lag、Robust LM-lag等都是針對截面數據回歸模型的，而面板數據空間計量模型的選擇方法尚未形成統一的標準，較為常用的做法是先對面板數據進行混合OLS回歸，然后運用由Anselin[9]提出的針對截面數據模型的選擇機制，具體步驟如下：一是通過Moran’s I判斷是否存在空間相關性，若存在則需要在模型中引入空間變量。二是比較LM-error和LM-lag統計量的值，若只有LM-error統計量通過了顯著性檢驗，則選擇空間誤差模型，若只有LM-lag統計量通過了顯著性檢驗，則選擇空間滯后模型，同時模型選擇結束。若二者都通過了顯著性檢驗，則繼續比較Robust LM-error、Robust LM-lag統計量的值，同理，Robust LM-error對應于空間誤差模型，Robust LM-lag對應于空間滯后模型。為了判斷模型1和模型2中是否需要引入空間變量以及采用何種空間計量模型，進行了上述相關檢驗，結果如表2和表3所示。檢驗結果表明，Moran’s I均通過了1%的顯著性水平，說明存在明顯的空間溢出效應，模型1和模型2中均需引入空間變量。同時，對應于空間誤差模型的LM-error、Robust LM-error統計量均不顯著，而對應于空間滯后模型的LM-lag、Robust LM-lag統計量均通過了5%的顯著性水平檢驗，因此根據上述選擇機制，模型1和模型2都應引入被解釋變量的空間變量，采用空間滯后模型，即模型3和模型4。為了模型估計結果的穩健性，筆者同時給出了普通面板數據模型、空間滯后模型、空間誤差模型的估計結果。

表2 城市空氣污染的普通面板模型和空間計量模型估計結果

注：***表示在1%水平上顯著，**表示在5%水平上顯著，*表示在10%水平上顯著，下同。

表3 空間相關性檢驗

面板數據隨機效應模型的R2值只是統計數值，而無法表示模型的擬合優度，因此采用對數似然值Log-L對模型擬合效果進行判斷，Log-L值越大，模型擬合效果越好。表2所示結果表明，空間滯后模型和空間誤差模型的對數似然值相比普通面板數據模型顯著提高，進一步說明了空間計量模型相較于普通計量模型能更準確地進行模型估計。同時，無論是普通面板數據模型，還是空間滯后模型以及空間誤差模型，引入lnPG三次項的模型的對數似然值均高于引入lnPG二次項的模型的對數似然值，且引入lnPG三次項的空間滯后模型以及空間誤差模型相比引入lnPG二次項，解釋變量系數估計的顯著性有所提高。繼續比較引入lnPG三次項的空間滯后模型(模型4)和空間誤差模型(模型6)，前者對數似然值高于后者。綜上，引入lnPG三次項的空間滯后模型即模型4估計結果更優。模型4的估計結果顯示空間滯后系數ρ為16.110，且通過了1%水平的顯著性檢驗，這說明城市空氣污染之間存在顯著為正的空間溢出效應。對于空氣污染水平較高的城市，其附近城市受其影響，空氣污染水平也會偏高。與此同時，普通面板模型、空間滯后面板模型和空間誤差面板模型估計結果的主要結論基本一致。

(三)結果分析

1.經濟發展因素

在經濟增長方面，存在lnPG三次項的三次曲線估計結果明顯優于二次曲線的結果，說明城市經濟增長與空氣污染之間存在倒N型的曲線關系，即城市空氣污染隨著人均GDP的增長先下降，后上升，再下降。與傳統EKC倒U型假說相比，朱平輝等[15]認為，倒 N 型曲線關系也符合 EKC 所描述的環境與發展特征，即“一個令人滿意的人均 GDP 和環境污染的長期關系將存在”，只是倒 N 型關系在早期有較大的波動。另外，這可能是由于本文采取的樣本是省會城市，一般而言，省會城市對于經濟增長質量的管控會更加嚴格，對企業污染排放標準的要求更高，集約化程度更高，因此，相較于一般城市樣本實證得出的結論，省會城市的經濟增長與空氣污染之間的互動規律呈現出不同的形態。

在產業結構方面，模型估計結果顯示，第二產業比重的提高會導致空氣污染的加劇，二者呈正相關關系。目前，雖然中國大部分省會城市是“三二一”的產業結構，但除北京、?？诘瘸鞘型?，其他城市的第二產業的比重依然較高。因此，第二產業的發展情況對于空氣污染防控形勢依然具有關鍵作用。

在能源消耗強度方面，模型估計結果顯示，工業能源消耗強度通過了1%水平的顯著性檢驗，說明工業能源消耗強度對城市空氣污染具有顯著作用，能源消耗強度越大，空氣污染水平越高，二者呈正相關關系。估計結果還顯示，相比第二產業占比和工業能源消耗強度，后者對城市空氣污染的影響作用更大。第二產業占比是對經濟整體結構的衡量，而工業能源消耗強度則反映出工業產業內部的結構和技術水平，即產業內部的結構優化及產業技術水平的提高相比整體產業結構的調整，能更有效地改善城市空氣質量。

2.城市擴張因素

在建成區面積方面，城市建成區面積增長是城市向外擴張最直接的反映。模型估計結果顯示，建成區面積在1%水平上顯著，說明城市土地擴張對城市空氣污染具有顯著影響，且二者呈現正相關關系，城市土地的擴張加劇了空氣污染的嚴重性。圖3反映了30個省會城市從2001—2012年城市建成區面積和道路面積的增長幅度。12年間，30個城市的建成區面積快速增長，平均增長幅度高達123%，重慶市建成區面積增長幅度最大，將近300%。由此，在城市土地快速擴張的影響機制下，城市空氣質量逐步惡化。

圖3 2001—2012年城市建成區面積和道路面積增幅

在房屋建筑施工面積方面，建筑施工理論上會產生揚塵，進而導致空氣中可吸入顆粒物的增加。但計量檢驗的結果表明，房屋建筑施工面積并未對城市空氣污染造成顯著影響。這說明城市房屋建筑施工現場做了有效的揚塵控制，特別是在省會城市，由于施工現場揚塵污染的感官感受明顯，公眾環保意識相對較高，施工單位容易受到公眾投訴監督，進而施工過程的污染控制能夠有效實現。

在城市道路面積占比方面，這一指標在10%水平上通過了顯著性檢驗，城市道路建設與空氣污染之間存在顯著的正相關關系。在機動車尾氣排放沒有得到有效控制的情況下，道路面積的快速增長意味著城市交通污染的增加，這也是城市擴張所帶來的副產品。

四、結 論

通過分析經濟發展和城市擴張對空氣質量影響機理。運用探索性空間數據分析方法對中國30個省會城市2001—2012年間空氣污染的分布格局進行分析，并進一步用空間滯后模型和空間誤差模型實證分析經濟發展和城市擴張對城市空氣污染的影響，得出以下結論與啟示。

首先，中國省會城市空氣污染存在顯著的正空間自相關性。城市的空氣污染水平會受到其周邊城市空氣污染水平的影響，城市空氣污染存在空間溢出效應。長江以北形成了高空氣污染城市的集聚區，華南地區是低空氣污染城市的集聚區。為此，空氣污染治理需要加強區域合作，通過建立空氣污染合作治理模式，培育城市間的共贏觀念，協調區域間的利益關系，降低合作交易成本，以避免屬地治理引起的“搭便車”行為和環境治理的“囚徒困境”。

其次，經濟發展與城市擴張對空氣污染具有顯著影響。經濟增長與空氣污染之間呈現倒N型的三次曲線關系，即城市空氣污染隨著人均GDP的增長呈現先下降，后上升，再下降的走勢。第二產業比重和能源消費強度與城市空氣污染之間具有正相關關系，產業結構的轉型升級和生產技術水平的提高均有助于城市空氣污染的改善。與此同時，中國城市建設區面積和城市道路面積在2001—2012年期間大幅增長，同時二者通過生產生活集聚、能源消耗、施工建設等形式，對城市空氣污染產生顯著正相關影響。但房屋建筑施工面積對空氣污染的影響并不顯著，這可能是由于施工現場做了有效的揚塵控制。另外，城市綠化和環境規制對空氣污染具有顯著的抑制作用?？諝馕廴疽呀洺蔀榭焖偃丝诔鞘谢屯恋爻鞘谢^程中不得不考慮的問題，提高空氣質量，改善人居環境是未來中國城市化進程的應有之意。

[1] 周文, 彭煒劍. 最佳城市規模理論的三種研究方法[J]. 城市問題, 2007，(8):16-19.

[2] 王桂新, 武俊奎. 城市規模與空間結構對碳排放的影響[J]. 城市發展研究, 2012, 19(3):89-95.

[3] 孔愛國, 郭秋杰. 城市規模與城市污染——數理模型的分析[J]. 數量經濟技術經濟研究, 1996, (2):53-58.

[4] 馬素琳, 韓君, 楊肅昌. 城市規模、集聚與空氣質量[J]. 中國人口·資源與環境, 2016, (5):12-21.

[5] 鄭思齊, 霍燚. 低碳城市空間結構:從私家車出行角度的研究[J]. 世界經濟文匯, 2010，(6):50-65.

[6] 馬麗梅, 劉生龍, 張曉. 能源結構、交通模式與霧霾污染——基于空間計量模型的研究[J]. 財貿經濟, 2016, (1):147-160.

[7] Burchfield, M., Overman, H. G., Puga, D., et al. Causes of Sprawl: A Portrait From Space[J]. The Quarterly Journal of Economics, 2006, 121(2): 587-633.

[8] Banzhaf, H. S., Lavery, N. Can the Land Tax Help Curb Urban Sprawl? Evidence From Growth Patterns in Pennsylvania[J]. Journal of Urban Economics, 2010, 67(2): 169-179.

[9] Anselin, L. Spatial Econometrics: Methods and Models[M]. Springer Science & Business Media, 1988.

[10] Cole, M. A., Neumayer, E. Examining the Impact of Demographic Factors on Air Pollution[J]. Population & Environment, 2004, 26(1): 5-21.

[11] 董志龍,何慧根,于濤,等.蘭州大氣環境質量影響因素相關分析[J].干旱區資源與環境, 2009, (12): 49-53.

[12] 李玉敏,李明麗,焦智康.北京市空氣質量影響因素計量經濟分析[J].理論探討, 2011, (5): 260-261.

[13] 賀燦飛,張騰,楊晟朗.環境規制效果與中國城市空氣污染[J].自然資源學報, 2013, (10): 1651-1663.

[14] 何小鋼,張耀輝.行業特征、環境規制與工業CO2排放——基于中國工業36個行業的實證考察[J].經濟管理,2011,(11):17-25.

[15] 朱平輝, 袁加軍, 曾五一. 中國工業環境庫茲涅茨曲線分析——基于空間面板模型的經驗研究[J]. 中國工業經濟, 2010, (6):65-74.

(責任編輯：于振榮)

F062

：A

：1000-176X(2017)09-0114-09

2017-06-27

福建省中國特色社會主義理論體系研究中心項目“中國生態文明試驗區(福建)產業綠色發展新動能研究”(2017TWZ007)；福建省環?？萍加媱濏椖俊伴}臺環保產業融合發展研究”(2015R018)

郭施宏(1991-)，男，浙江玉環人，博士研究生，主要從事環境與資源管理研究。E-mail：guoshihong1991@126.com 高 明(1965-)，男，吉林農安人，教授，管理學博士，博士生導師，主要從事環境與資源管理研究。E-mail：gaoming65@163.com 吳雪萍(1990-)，女，福建漳州人，博士研究生，主要從事環境與資源管理研究。E-mail：348036104@qq.com