霧霾與工業化發展的關聯研究

何楓++馬棟棟

摘要：以2013年中國74個首批PM25監測城市的截面數據為研究樣本，應用TOBIT模型進行霧霾與工業化發展之間的實證分析。結果表明：首先，若某城市工業增加值占GDP比提高1個百分點，那么其霧霾天數將增加約4天。其次，若某城市象征重工業化度的重要指示變量霍夫曼系數之倒數提高1個百分點，那么其霧霾天數也將增加約1天。第三，所監測城市化程度越高，則所對應的霧霾現象也越嚴重。據此，在經濟發展模式不作調整的前提下，中國城市霧霾現象將難以解決。

關鍵詞：霧霾；PM25；工業化

DOI：10.13956/j.ss.1001-8409.2015.06.24

中圖分類號：F4240；F291.1 文獻標識碼：A 文章編號：1001-8409（2015）06-0110-05

近年來，中國很多地區不斷受到大范圍霧霾天氣的困擾。霧霾天的頻率越來越高，范圍也越來越大，幾乎涉及近30個省（區、市），嚴重影響了所在地區居民的健康和心情。目前，PM25指數是人們判斷霧霾的關鍵顯示性指標，它是指直徑小于等于25微米的細顆粒物，富含大量有毒、有害物質，在空氣中停留時間長，其濃度的增加直接導致了霧霾天氣的頻繁發生。《2013中國環境狀況公報》顯示，2013年中國平均霧霾日數為359天；相比2012年，增加了183天。2012年10月11日，國家頒布了新的《環境空氣質量標準》，將PM25納入到環境監測中來，尤其是對京津冀、長三角、珠三角等重點區域以及直轄市、省會城市等按照新標準對PM25進行監測。根據所監測的主要城市可以看出，霧霾的重災區基本上都是工業化發展程度較高的城市。于是提出疑問，中國大范圍高濃度霧霾天氣與工業化進程之間到底有著怎樣的關聯？霧霾是否是工業化發展到一定階段的必然產物？

1 文獻回顧

環境與經濟發展之間的關系是經濟學研究中一個經久不衰的話題，對環境庫茲涅茨曲線（EKC）的分析就是其中的一個關鍵所在。Selden和Song[1]、高宏霞等[2]人的實證結果表明，經濟發展與環境惡化之間存在著倒U型曲線。Jerrett等[3]利用美國的51個城市的PM25驗證了PM25與經濟發展階段之間表現為庫茲涅茨曲線形式。王良舉等[4]發現高、中、低收入國家中EKC曲線確實存在，轉折點為13000美元左右。當然，一些學者對環境庫茲涅茨曲線存有質疑，例如，Richmond和Kaufmann[5]則認為環境污染與經濟發展之間不存在顯著的倒U形關系。程莉[6]發現我國29個省份中各地區的經濟增長與環境污染之間不一定呈現倒U型關系。

對于發展中國家來說，除經濟發展這個因素外，產業結構與環境污染之間也有一定的關聯。在這一方面，Antweiler和Copeland[7]、Chow和Lin[8]研究了產業結構、產權結構、經濟規模結構、能源結構等結構性因素變化對環境約束下的經濟發展的作用和影響。朱平輝[9]等發現人均工業廢水排放量與人均GDP之間為倒N型關系，人均工業廢氣與人均GDP之間為兩個拐點的倒N型關系。Zhou[10]認為工業結構調整能夠有效降低CO2的排放。Bruvoll和Medina[11]、查建平[12]等認為結構性調整對碳排放績效具有重要意義，是低碳發展和經濟結構升級的主要路徑。

可見經濟發展與產業結構對環境的污染有一定的影響。對于霧霾與經濟發展階段之間的關系，在西方發達國家已達成共識。而就目前而言，我國正處于工業化中后期經濟發展階段，大范圍霧霾與工業化發展程度究竟有何具體關聯，則需要作深入研究。本文旨在利用中國2013年首次全面的城市霧霾監測數據和相應城市的工業化發展數據進行相關性研究，并以此為據，為治理大范圍內霧霾天氣給出建議。

2 實證分析設計

2.1 各城市霧霾污染狀況

2013年，國家環境保護部公布的74個城市中，京津冀地區污染比較嚴重，其中，有7個城市排在了污染嚴重的前10位。長三角地區距離空氣達標水平還有一定的難度，珠三角區域空氣質量達標具有很大的希望。三大地區最主要的污染物均為PM25，其次是臭氧和二氧化氮。根據國家環境保護部規定的《環境空氣質量標準》（GB3095-2012），如表1，對PM25指數進行分類，易得出各城市2013年PM25指數高于100的天數，也即是霧霾天數。圖1為2013年中國霧霾天數的分布示意圖。可見，霧霾治理刻不容緩。

表1 國家空氣質量標準

PM25指數等級狀態注意事項0～501級優參加戶外活動呼吸清新空氣50～1002級良可以正常進行室外活動101～1503級輕度敏感人群減少體力消耗大的戶外活動151～2004級中度對敏感人群影響較大201～3005級重度所有人應適當減少室外活動>3006級嚴重盡量不要留在室外

注：標準來源于GB3095-2012

圖1 2013年中國霧霾天數分布示意圖

注：資料來源于《2013中國環境狀況公報》

2.2 模型的設定

顯然，霧霾天數是一個典型的受限因變量；因此，本文擬采用TOBIT模型進行實證分析，具體計量模型如式（1）所示。

ln（Y）i=β0+β1lnTi+β2lnGi+β3Zi+β41HFMi+β5Di+β6DiZi+β7Di1HFMi+ui（1）

式（1）中，下角標i（i=1，2，…74）為中國首批PM25監測城市的代號，u為該計量模型中的誤差項，此外，該模型中的各變量分別定義如下：

（1）Y為霧霾天數。該值越大，就表示該城市的霧霾現象越嚴重。

（2）T為某城市規模以上工業總產值。規模以上工業總產值是指工業企業主營業務收入在2000萬元以上的工業企業的總產值。本文采用此變量，以便能夠充分體現某城市的工業經濟發展的總規模和總水平[13]。

（3）G為某城市人均GDP。人均GDP作為控制變量，它是衡量某地區經濟發展狀況的標志性指標之一，是非常重要的宏觀經濟指標[14]。

（4）Z為某城市規模以上工業增加值占GDP比重，它是本文的一個主要觀測變量。該變量是衡量一個國家或地區工業化水平的重要指標，經常被用于跨國或跨區域之間的比較分析[15]。

（5）1HFM為霍夫曼系數倒數。霍夫曼系數[16]是德國學者提出來的。他借助于將近20個國家的工業結構方面的時間序列資料，通過分析消費資料工業（主要是輕工業）和資本資料工業（以重工業為主）之間的關系，來驗證一個國家或者區域的工業結構的規律。霍夫曼系數如式（2）所示。

HFM=LDPHDP（2）

其中，LDP是指輕工業部門的總產值，HDP是指重工業部門的總產值。

在本文的研究中，為了直觀體現出重工業的發展程度，采用霍夫曼系數的倒數，即1HFM。結合數據的可得性，本文實證分析中采用規模以上工業企業的重工業產值和輕工業產值。

（6）D為虛擬變量：該變量用于控制城市化程度對霧霾的整體影響。城市化水平高，則D=1；反之，則D=0。在具體城市化的階段上，筆者借用中國社會科學院財政與貿易經濟研究所進行的城市劃分，在此分類的基礎上，將一線二線城市劃分為城市化高的地區，而剩余的城市歸為城市化低的地區。

2.3 數據來源及其描述性統計

本文所觀測的樣本城市采用2013年重點監測的74個城市，具體是：北京、天津市、上海市、重慶市、保定、滄州、承德、邯鄲、衡水、廊坊、秦皇島市、石家莊市、唐山市、張家口市、邢臺市、太原市、呼和浩特、大連、沈陽市、長春市、哈爾濱、常州、淮安、連云港、南京、南通、蘇州市、泰州市、無錫市、宿遷市、徐州市、鹽城市、揚州市、鎮江市、湖州、杭州、嘉興、金華、麗水、寧波、衢州市、紹興市、臺州市、溫州市、舟山市、合肥、福州、廈門、南昌、濟南、青島市、鄭州市、武漢市、長沙市、東莞、佛山、廣州、惠州、江門、深圳市、肇慶市、中山市、珠海市、南寧、海口、成都、貴陽、昆明、拉薩、西安市、蘭州、西寧市、銀川市、烏魯木齊市共74個城市。具體來說，2013年開始，此74個城市PM25指數正式進行全面監測，數據相對較完整。PM25指標數據從國家環境保護部門及PM25監測網站得到。

在工業化發展相關數據方面。工業化發展的相關數據分別從《中國區域經濟統計年鑒》以及各城市統計局網站得到。部分城市的相關工業化數據來自于國家統計局公布的各地區統計公報查出以及各城市的官方統計局網站。

變量的描述性統計如表2所示。本文所考慮的兩個變量規模以上工業增加值占GDP比及霍夫曼系數倒數分別與霧霾天數的散點圖，如圖2及圖3所示。

從表3中不難看出，該模型總體顯著，各估計系數變化比較穩健。綜合來看，方程IV的整體解釋相對較好。根據這一計量結果，本文分析如下：

（1）常數項的估計系數β0是7619，為正且非常顯著。此估計系數表明，當所有解釋變量取值為零時，該城市的霧霾天數為7天左右。

（2）控制變量規模以上工業總產值的估計系數β1是0203，為正且非常顯著。這一估計結果表明，規模以上工業總產值每增加一個百分點，霧霾天數就提升020%左右。可見，該城市規模以上的工業總產值越大，那么相應投入的資源就越多，排放的污染就越多，霧霾現象就越嚴重。這是現階段中國工業化發展對霧霾所造成的規模效應。

（3）控制變量人均GDP的估計系數β2是-0594，為負且非常顯著。系數為負則表明人均GDP每提升1個百分點，霧霾天數便減少約06%。規模以上工業總產值提升了霧霾現象的嚴重性，在工業產值貢獻一定的情況下，由第三產業貢獻值提升引起的人均GDP的上升會減少霧霾現象的發生。可見，第三產業越發達，霧霾現象就會減少。

（4）規模以上工業增加值占GDP比的估計系數β3是1.481，為正且非常顯著，這是本文重點觀測的變量之一。這說明，規模以上工業增加值占GDP比每提升1個百分點，霧霾天數則增加e1.481個單位，也即約4天；從該指標的定義來看，其值越高，表明該城市的工業化發展水平就越高，帶來的霧霾天數就越多。可見，在當前中國經濟發展模式不變的前提下，工業化發展與霧霾天數之間存在著很強的相關關系。

（5）霍夫曼系數倒數的估計系數β4是0051，為正且非常顯著。霍夫曼系數倒數是規模以上重工業產值與輕工業產值之比，象征著某城市的重工業化發展程度，此變量比值越大，就越顯示出該城市的工業化結構偏向于重工業。也是本文所研究另一個關鍵的解釋變量。不難發現，該變量每增加1個百分點，霧霾天數將增加e0051個單位，也即是1天左右。從經濟意義上來看，重工業化程度的上升會有效提升霧霾天數。由此不難推出，降低重工業化發展程度，可有效地降低霧霾天數。這也反映出產業結構的轉換對于霧霾治理的迫切性。

（6）城市發展度變量的估計系數β5是0447，顯著異于零。這是考慮城市化水平的高低對霧霾所造成的影響。不難判斷，在其他因素不變的前提下，城市化水平較低的城市霧霾天數將比城市化水平較高的城市霧霾少1天。

（7）城市發展度與規模以上工業增加值占GDP比的交互項估計系數β6是-1815。該系數為負數但不顯著。該交叉項的本意是分析城市化水平高低的規模以上工業增加值的不同能否影響霧霾的污染狀況。從估計結果來看，此結果沒有通過檢驗。可見，目前尚不能證明綜合發展程度高的城市工業化程度與霧霾天數有顯著的相關性。

3 結論及政策建議

本文的實證分析結果表明，中國霧霾與工業化發展度之間存在著較強的相關關系。第一，在中國現階段增長方式不變的前提下，規模以上工業總產值每增加1%，霧霾天數增加02%。第二，人均GDP每增長1%，霧霾天數減少06%。第三，規模以上工業增加值占GDP比每提升1%，霧霾天數將增加約4天。第四，反映重工業化程度的霍夫曼系數倒數每提高1%，霧霾天數將增加約1天。最后，研究結果還發現在首批監測城市中城市化程度越高，霧霾則越嚴重。工業規模越大，重工業的比例越高，工業增加值占GDP比越大，霧霾就越嚴重。由此提出以下政策建議：

第一，增加空氣質量監測點數量，提升各城市的防污能力。據報道[17]，倫敦作為世界城市之一，城市建成區約1577平方千米，監測點103個，而北京作為一個重災霧霾區，建成區面積達1289平方千米，空氣質量監測點數只有35個，如果以倫敦標準作為參照的話，北京市至少有84個監測點。空氣質量監測點數量的增加可以及時地發現周圍空氣質量的變化，有助于在政府、環保部門及公眾等在第一時間采取預防措施，避免因空氣污染帶來的經濟損失以及健康危害。

第二，加快產業結構調整進程，促使產業結構升級。工業及重工業占比過高，一方面給能源帶來巨大壓力，另一方面造成的能耗較高，從而致使該城市的霧霾污染嚴重，而依靠第三產業為主的城市，霧霾情況則相對較輕。因此，改變以工業及重工業為主的發展模式向以第三產業為主的模式轉變，積極地調整產業結構，加強產業結構布局的指導，堅持經濟貢獻大、資源消耗小、環境污染輕、規模化經營的產業或企業的發展方向，明確禁止、限制和鼓勵的產業，推進產業和企業轉移和退出。

第三，加大環保資金投入，提升環境自身的污染治理能力。《北京市大氣污染防治條例》的出臺，7600億元的環保投資以及積極使用市場手段治理北京市的霧霾污染，在環保投資及治理方面為其他城市做了帶頭示范作用。空氣的污染是一個區域問題，因此，希望從國家方面進行立法，提升環保資金的投入，明確規定環保投資占GDP的下限，進行多融資渠道優惠政策的實施，優化環保投資領域，積極引導環保產業開發環保產品，提升環境自身的污染治理能力。

參考文獻：

[1] Selden T M， Song D. Environmental Quality and Development： Is There a Kuznets Curve for Air Pollution Emissions？ [J]. Journal of Environmental Economics and Management， 1994， 27（2）： 147-162.

[2]高宏霞，楊林，付海東.中國各省經濟增長與環境污染關系的研究與預測——基于環境庫茲涅茨曲線的實證分析[J].經濟學動態，2012（1）：52-57.

[3]Jerrett M， Burnett R T， Ma R. et al. Spatial Analysis of Air Pollution and Mortality in Los Angeles [J]. Epidemiology， 2005， 16（6）：727-736.

[4]王良舉，王永培，李逢春.環境庫茲涅茨曲線存在嗎？——來自CO2排放量的國際數據驗證[J].軟科學，2011，25（8）：35-39.

[5]Richmond A K， Kaufmann R K. Is there a Turning Point in the Relationship be-tween Income and Energy Use and or Carbon Emissions？ [J].Ecological Economics， 2006（56）：176-189.

[6]程莉.經濟增長、人類發展與地區環境質量差異[J].軟科學，2014，28（02）：6-1020.

[7]Antweiler W， Copeland B R. Taylor M S.Is Free Trade Good for the Environment [J].American Economic Review， 2001（91）：877-908.

[8]Chow G， Lin A L. Accounting for Economic Growth in Taiwan and Mainland China： A Comparative Analysis [J].Journal of Comparative Economics， 2002， 30（3）：507-530.

[9]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.

[10] Zhou X Y， Zhang J， Li J P. Industrial Structural Transformation and Carbon Dioxide Emissions in China[J]. Energy Policy， 2013， 57： 43-51.

[11]Bruvoll A， Medin H. Factors behind the Environmental Kuznets Curve [J]. Environmental and Resource Economics， 2003（24）：27-48.

[12]查建平，唐方方，別念民.結構性調整能否改善碳排放績效？——來自中國省級面板數據的證據[J].數量經濟技術經濟研究， 2012（11）：18-33.

[13]Wang Z H ， Zeng H L， Wei Y M， et al. Regional Total Factor Energy Efficiency： An Empirical Analysis of Industrial Sector in China[J]. Applied Energy， 2012， 97： 115-123.

[14]彭水軍，包群.經濟增長與環境污染——環境庫茲涅茨曲線假說的中國檢驗[J].財經問題研究，2006（8）：3-17.

[15]張協奎，李玉翠，陳垚希.基于多變量雙對數回歸模型的工業發展與環境質量實證研究——以南寧市為例[J].生態經濟，2012（4）：39-4186.

[16]Hoffmann W G. The Growth of Industrial Economies [M]. Translated by Henderson W O， Chaloner W H. Manchester University Press， 1958.

[17]李禾.調整空氣監測站，人為增加藍天數？[N].科技日報， 2012-02-26.

（責任編輯：秦 穎）