京津冀地區霧霾污染的溢出效應分析

史燕平　劉玻君　厲玥

摘 要：運用AR模型、Granger因果檢驗和脈沖響應函數，從不同角度分析京津冀地區霧霾污染的溢出效應并得出如下結論：AR模型表明京津冀各城市的霧霾污染均存在較強的持續性；Granger因果檢驗表明京津冀各城市的霧霾污染會相互影響，其中北京對周邊城市的影響尤為顯著；脈沖響應函數表明京津冀各城市的霧霾污染會相互沖擊，其中北京對其周邊城市霧霾污染的沖擊時間較長。因此，京津冀地區應進行霧霾污染源頭治理，聯合防治霧霾污染，建立科學的政府績效評估體系，做到政府監管與公眾監督相結合。

關鍵詞：霧霾污染；溢出效應；環境治理

中圖分類號：F127 文獻標識碼：A 文章編號：1003-3890（2017）04-0020-07

一、引言

作為我國北方經濟的重要核心區域，京津冀地區的霧霾污染問題一直受到社會各界的廣泛關注。近年來，工業污染、機動車排放的大量增加和人口的迅速增長導致京津冀地區大規模、長時間的霧霾污染問題[1]。世界衛生組織對北京空氣嚴重污染風險提出警告，并指出大氣污染物為主要的環境致癌物。在中國一線城市中，北京由于霧霾天氣過多，是大氣污染的重災區。京津冀地區的霧霾污染引起了國內外的廣泛關注，有效緩解北京及其周邊的污染問題，是社會各界普遍關心的熱點問題。

已有文獻關于霧霾污染的研究，主要集中在以下幾方面：一是研究PM2.5的主要成分和來源。楊復沫（2003）對北京大氣細顆粒物的污染水平和來源進行分析認為，北京市PM2.5污染主要來源于汽車尾氣和燃煤[2]；于娜（2006）通過分析北京市城區和郊區細粒子中有機化合物的污染特征得出，北京的霧霾污染主要來源為機動車和燃煤排放，而且有加重趨勢[3]；朱先磊（2005）對北京市PM2.5的主要來源進行分析發現，與過去10年相比霧霾污染的來源發生了較大變化[4]；王志娟（2012）對冬春時節北京PM2.5的來源進行研究，研究表明北京冬春時節PM2.5的主要來源為燃煤和工業過程[5]。二是研究霧霾污染的分布及污染特征。王占山（2015）對北京市2013年PM2.5的時空分布進行研究，研究表明PM2.5由高到低的季節分別是冬季、春季、秋季和夏季[6]；陳媛（2010）重點研究了北京市區大氣細粒子的污染特征，研究表明溫度和相對濕度等是影響大氣中PM2.5污染程度的主要因素[7]。三是研究污染的影響和溢出效應。David et al.（2005）運用環境庫茨涅茨曲線研究了國與國之間霧霾污染的空間溢出效應[8]；Poon（2006）研究了中國的能源、交通和貿易對大氣污染的影響[9-10]；馬麗梅 等（2014）研究了中國不同省份之間區域大氣污染的空間效應，研究表明不同省份之間霧霾污染的交互影響存在負效應[11]。潘慧峰（2015）運用Garch模型和Granger因果檢驗研究了京津冀地區重度霧霾污染的溢出效應[12]。

從上述研究文獻中我們可以發現，現有文獻對于霧霾問題的研究存在諸多不足。第一，從研究范圍上，大多數的文獻都集中于對單個城市霧霾污染的研究，而以區域范圍為對象研究霧霾污染問題的文獻較少。眾所周知，霧霾污染具有較強的外部性，受地理位置和氣候等因素的影響，一個城市的霧霾污染往往會對另一個城市的霧霾污染產生連帶效應。在治理霧霾污染時，地區性的霧霾污染治理比單個城市的霧霾污染治理更能產生顯著的效果。第二，從研究指標的選取上，現有文獻大多數以PM10、TSP、PM2.5等細顆粒物為指標進行霧霾問題的研究，而以PM2.5為指標做定量分析研究霧霾污染問題的文獻較少。與其他霧霾污染指標相比，PM2.5的直徑更小，來源更廣泛，危害更大，能有效地監測霧霾的污染程度和危害性。第三，從研究內容上，國內文獻主要研究霧霾污染的來源、成分及分布特征，而對霧霾污染的溢出效應研究較少。研究地區霧霾污染的溢出效應，對該地區霧霾污染的防治和治理具有建設性作用。

本文以京津冀地區PM2.5日數據為霧霾污染監測指標，采用AR模型判斷京津冀各城市的霧霾污染是否具有內生性，運用Granger因果檢驗分析相鄰城市間霧霾污染的因果關系，并采用基于VAR模型的脈沖響應分析法來判斷一個城市的霧霾污染會在多大程度上沖擊相鄰城市的霧霾污染。

二、實證研究方法

（一）AR模型

AR模型是一種時間序列模型，其基本思想是運用時間序列數據的過去值預測未來值，運用時間序列自身所呈現的特征來揭示其規律性。

設{xt，t=0，±1，±2，…}為時間序列，白噪聲序列為{εt，t=0，±1，±2，…}，且對任意的s

Xt=α0+α1xt-1+α2xt-2+…+αpxt-p+εt（1）

的時間序列為p階自回歸序列（Autoregression），記作AR（p）。

（二）Granger因果檢驗

1. Granger因果性定義。克萊夫·格蘭杰（Clive Granger，1969）[13]和西姆斯（C.A.Sims，1972）對Granger因果關系提出了相同的定義，其定義為：如果由yt和xt的滯后值決定的yt的條件分布與僅由yt的滯后值所決定的yt的條件分布相同，即：

f（yt|yt-1，L，xt-1，L）=f（yt|yt-1，L）（2）

則稱xt-1對yt存在Granger非因果性。

2. Granger因果檢驗。xt與yt間Granger因果關系回歸檢驗式為：

yt=∑pi-1αiyt-i+∑pi-1βixt-i+μ1t（3）

xt=∑pi-1αixt-i+∑pi-1βiyt-i+μ2t（4）

（三）向量自回歸（VAR）模型和脈沖響應函數

向量自回歸模型（VAR）由Sims（1980）提出，同一樣本期間內的變量，可以表示為K個滯后變量的線性組合，當每個方程中的滯后數都等于p時，則稱這個方程系統為VAR（p）。

在兩個時間序列Yt和Xt的情形中，VAR（p）由以下兩個方程組成：

Yt=β10+β11Yt-1+…+β1pYt-p+γ11Xt-1+…+γ1pXt-p+μ1t（5）

Xt=β20+β21Yt-1+…+β2pYt-p+γ21Xt-1+…+γ2pXt-p+μ2t（6）

其中β和γ為未知系數，μ1t和μ2t為誤差項。

在VAR模型的基礎上，運用Cholesky分解法來使誤差項矩陣正交，從而得到脈沖響應函數。然而，Cholesky分解法具有不穩定性，脈沖響應的結果依賴于變量進入模型的順序。為了解決這一問題，Pesaran et al.在1998年提出了廣義脈沖響應函數的定義[14]，廣義脈沖響應函數具有唯一性，脈沖響應的結果不依賴于變量進入模型的順序，更具穩定性。

三、數據來源

本文選取京津冀地區七個城市為主要研究對象：北京、天津、保定、承德、唐山、張家口和廊坊。圖1為京津冀七個城市的區位分布圖，從圖1可以看出，上述七個城市地理位置毗鄰，北京處于中心位置，其余六個城市兩兩毗鄰并組成一條沿北京分布的環帶。

本文運用PM2.5指數來監測京津冀地區的霧霾污染濃度。與其他空氣污染指標相比[15]，PM2.5具有如下優勢：第一，在大氣污染中，PM2.5能長期懸浮于空氣中，是造成霧霾天氣的主要原因，PM2.5與空氣質量呈顯著的相關關系，是度量一個地方空氣質量好壞的重要指標；第二，與PM10等細顆粒物相比，PM2.5直徑更小，輸送距離較遠，更容易附帶有毒有害物質，對霧霾污染能造成較大的影響；第三，PM2.5能對人體造成較大的危害，由于PM2.5的直徑較小，因此更容易進入肺部和血液循環，對人體造成較大危害[16]。

本文選取2014年7月1日到2015年6月30日，北京、天津、保定、承德、唐山、張家口和廊坊的PM2.5日數據進行實證研究，數據來源于“天氣后報”網站。首先，我們計算出上述七個城市在樣本區間內的均值和標準差（如圖2所示）。

均值衡量的是京津冀地區在樣本區間內的霧霾污染水平，標準差衡量的是京津冀地區在樣本區間內霧霾污染波動幅度大小。從圖2中我們可以得出，盡管這七個城市相互毗鄰，然而霧霾污染水平和霧霾污染波動幅度卻有較大差異。其中，張家口市的霧霾污染水平和霧霾污染波動幅度最小，保定的霧霾污染水平和霧霾污染波動幅度最大。依據國家PM2.5監測網出臺的新標準①，平均意義而言，張家口的空氣質量為優，承德的空氣質量為良，北京、天津、唐山、廊坊為輕度污染，保定為中度污染。另外，相比較而言，北京、天津、保定、唐山和廊坊在樣本區間內的PM2.5濃度標準差均達到了50以上，霧霾污染濃度大幅度波動，出現極端峰值污染濃度的可能性較大。

其次，我們通過計算不同城市之間PM2.5濃度的相關系數來分析京津冀地區七個城市霧霾污染的相關性。相關系數是衡量相關性的重要指標，其取值范圍在-1到+1之間。相關系數為正，則表明兩個城市的霧霾污染存在正相關關系，相關系數越接近于1，則霧霾污染程度的正相關性越強，反之，則越弱；相關系數為負，表明兩個城市的霧霾污染存在負相關關系，相關系數越接近-1，則霧霾污染的負相關性越強，反之，則越弱。表1給出了京津冀地區各個城市間PM2.5濃度的相關系數。

由表1可知，京津冀地區的霧霾污染存在明顯的正相關性，其中張家口市與京津冀其他六個城市的相關系數較低，在0.38～0.56。除此之外，京津冀地區霧霾污染水平相關系數均大于0.5，說明京津冀地區霧霾污染呈現較高的正相關性。

四、實證分析

（一）京津冀地區霧霾污染的持續性

為了考察京津冀地區霧霾污染的持續性，本文對七個城市的PM2.5指數序列分別建立AR模型，AR模型要求時間序列數據必須是平穩的。我們將京津冀七個城市的PM2.5指數序列依次帶入eviews8.0中進行平穩性檢驗，以北京PM2.5日數據為例，首先得到了如圖3所示的時序圖。

從圖3中可以初步判斷出，北京市PM2.5指數序列圍繞100左右上下波動，然而波動的發散程度還有待考證。為了進一步判斷時間序列是否平穩，我們進行了ADF檢驗（如表2所示）。

從表2中可以看出，t統計量的值為-11.926，小于上述三個置信水平中的臨界值，因此拒絕原假設，則北京PM2.5指數序列為平穩的時間序列。

將其他六個城市的PM2.5日數據依次帶入eviews8.0中進行如上所述的平穩性檢驗，得出京津冀地區各城市的PM2.5指數序列均為平穩的時間序列。

將京津冀地區七個城市的PM2.5指數序列分別代入eviews8.0中建立AR模型，AIC準則表明上述幾個城市的PM2.5指數，均符合滯后階數為2的AR模型，一階自相關系數在0.5～0.8，表明京津冀各城市的霧霾污染存在較強的自相關性。表3為京津冀地區七個城市AR模型的實證研究結果。

京津冀地區PM2.5日數據顯著的自相關性，表明京津冀地區的霧霾污染存在較強的持續性。這可歸因于以下三方面原因：第一，京津冀地區大量的工業排放和生活燃煤等污染現象導致空氣中的人為氣溶膠大量增多，引發了持續時間較長、較嚴重的霧霾污染問題；第二，污染物擴散條件不利，長期的霧霾污染導致大氣中的細顆粒物含量增加，到達地面的太陽輻射減少，空氣中的相對濕度提升，云霧天氣逐漸形成，不利于霧霾污染的擴散和清除；第三，區域污染和本地污染相互疊加，進一步提高了當地的霧霾污染濃度。如此惡性循環，導致了持續性的霧霾污染問題。

（二）霧霾污染的溢出效應分析

本文運用Granger因果檢驗和脈沖響應函數來分析京津冀地區霧霾污染的溢出效應，Granger因果檢驗研究的是一個城市的霧霾污染是否會影響另一個城市的霧霾污染；脈沖響應函數分析的是一個城市的霧霾污染對另一個城市霧霾污染的沖擊程度。

首先進行Granger因果檢驗。如前所述，平穩性檢驗表明這七個城市的PM2.5指數序列均為平穩的時間序列。將京津冀地區七個城市的PM2.5日數據代入eviews8.0中兩兩之間進行Granger因果檢驗，滯后階數選為12。下面以北京和天津的Granger因果檢驗為例，來說明Granger因果檢驗的實證研究結果（如表4所示）。

從表4的數據中我們可以得出，在5%的顯著水平下，天津的霧霾污染是北京霧霾污染的Granger原因，北京的霧霾污染是天津霧霾污染的Granger原因②。這表明北京和天津的霧霾污染會相互影響，兩城市間霧霾污染的溢出效應顯著。

依次對京津冀地區七個城市兩兩之間進行Granger因果檢驗，得到表5所示的Granger因果檢驗統計表。

在表5的Granger因果檢驗中，67%的結果為拒絕，這表明在5%的顯著水平下，京津冀地區七個城市的霧霾污染大多數存在Granger因果關系。其中，處于京津冀地區中心位置的北京是其他六個城市霧霾污染的Granger原因，而除了天津和張家口之外，周邊城市對北京的霧霾污染影響不顯著。這表明北京對其周邊城市的霧霾污染溢出效應更顯著。

Granger因果檢驗只是對兩個城市霧霾污染的因果關系進行說明，但沒有表現出一個城市PM2.5指數的單位變化對另一個城市PM2.5指數的擾動。因此，需要利用VAR模型對相鄰城市的PM2.5指數進行脈沖響應分析，進而判斷一個城市的霧霾污染會在多大程度上沖擊另一個城市的霧霾污染。

將京津冀七個城市的PM2.5日數據代入eviews8.0中，首先運用AIC準則和SC準則確定VAR模型的最佳滯后階數，然后運用脈沖響應分析法進行實證研究。下面以保定和張家口的脈沖響應圖為例，說明脈沖響應函數的實證研究結果（如圖4和圖5所示）。

脈沖響應函數反映的是隨機擾動項的標準差對內生變量的沖擊程度。如圖4和圖5所示，橫坐標表示的是脈沖響應的時長，縱坐標反映的是響應元城市的霧霾污染對沖擊元城市霧霾污染的一個標準差沖擊所帶來的響應程度[17]。圖4反映的是保定作為響應元沖擊張家口，脈沖響應的時長為11天，圖5反映的是張家口作為響應元沖擊保定，脈沖響應的時長為14天。脈沖響應的時間越長，則表明一個城市的霧霾污染對另一個城市霧霾污染的影響越明顯，霧霾污染的溢出效應就越顯著。表6是京津冀地區相鄰城市之間的脈沖響應結果。

由表6我們可以看出，京津冀地區相鄰城市之間的脈沖響應時長為6天到14天不等，表明京津冀地區相鄰城市間的霧霾污染會相互沖擊。其中，北京對周邊城市的霧霾污染沖擊時長大于周邊城市對北京的霧霾污染沖擊時長，這說明北京對周邊城市霧霾污染的溢出效應更明顯，與之前Granger因果檢驗的結論相呼應。

五、政策建議

本文運用了AR模型、Granger因果檢驗和脈沖響應函數分析了京津冀地區2014年7月到2015年6月霧霾污染的溢出效應，得出如下結論：

1. AR模型研究表明京津冀七個城市PM2.5指數序列具有明顯的自相關性，表明京津冀各城市的霧霾污染存在較強的持續性。這說明要想從根本上抑制京津冀地區的霧霾污染，必須對京津冀各城市進行霧霾污染的源頭治理。

2. Granger因果檢驗和脈沖響應分析均表明京津冀霧霾污染在統計意義上，存在著顯著的溢出效應。Granger因果檢驗表明京津冀地區的霧霾污染相互之間存在明顯的Granger因果關系，其中，北京對周邊城市的霧霾污染具有顯著影響；脈沖響應分析表明京津冀相鄰城市的霧霾污染會相互沖擊，其中，北京對周邊城市的霧霾污染沖擊時長大于周邊城市對北京的霧霾污染沖擊時長。

從以上的實證分析中可得出，京津冀地區的霧霾污染存在較強的持續性和顯著的溢出效應。因此，京津冀地區應齊心協力，從源頭上治理霧霾污染：

第一，加強對京津冀各城市霧霾污染的治理，從源頭上根治霧霾污染。2015年4月1日舉行的全國環境監測會對京津冀地區主要城市的霧霾污染源進行了解析，其中，北京、天津、石家莊的首要污染源分別為機動車排放、揚塵和燃煤。京津冀地區應根據各地的霧霾污染源，健全相關法律法規和政策體系，做到主次分明，有的放矢[18]。北京在機動車霧霾防治過程中，應借鑒國外優秀的經濟政策，除了機動車按排量征稅和限號限行等措施外，還應完善老舊機動車回收與淘汰政策，運用經濟調節手段調控機動車總量，將行政手段與市場機制相結合。天津在揚塵治理過程中，應加強城市生態環境建設，提高綠化帶面積；運用立法和行政管制等措施規范治理城市建筑施工的揚塵污染。石家莊在治理燃煤污染過程中，應優化能源結構，實現清潔煤燃燒，加快推進城市煤改氣工程；提高新型環保能源利用率，大力發展我國目前使用相對成熟的太陽能、風能和水電等新型能源。

第二，京津冀地區應建立霧霾污染聯防聯控機制，聯合治理霧霾污染。京津冀相鄰城市間霧霾污染存在顯著的溢出效應，一方面，實證研究結果表明北京對周邊城市霧霾污染的溢出效應顯著；另一方面，從地理位置上講，河北對北京和天津呈半包圍態勢，北京和天津的霧霾污染治理成果極有可能被河北消耗殆盡。因此，京津冀地區應在霧霾污染治理問題上達成共識，建立霧霾污染上下游補償機制，聯手解決霧霾污染的外部性問題。同時，京津冀各城市在對本地區進行霧霾污染源頭治理的同時，還應明確各地政府所承擔的角色，從整個地區的產業結構調整、經濟結構轉型、霧霾污染治理聯動等多方面著手。北京作為京津冀地區的“帶動人”，應建立健全霧霾污染相關防治條例，加大霧霾治理投入。河北作為京津冀霧霾污染大省，應控制污染物排放總量，優化產業結構。

第三，京津冀地區應建立科學的政府績效評估體系。改革開放以來，以經濟建設為中心的政府績效考核制度在促進經濟增長的同時，也導致了一系列嚴重的生態環境問題[19]。前車之鑒表明，政府績效評估不能單單以經濟發展為價值評判標準，應將生態環境指標納入政府績效評估體系中，客觀計量經濟發展過程中的環境污染成本，做到經濟發展和生態文明相結合，建立以科學發展為導向的政府績效評估體系。

第四，霧霾治理應做到政府監管和公眾監督相結合[20]。政府應加強對霧霾污染的監管，完善現有法律法規，制定排污收費標準，減少工業企業廢棄物的排放，出臺更嚴格的環境監測指標，加大對高能耗高污染企業的監管力度，降低外部性，必要時可勒令其停產。公眾也應加強對霧霾污染的監督[21]。公眾的監督是霧霾治理的第一原動力。面對霧霾污染，只有將政府監管和公眾監督相結合，才能建立有效的霧霾污染監督機制，才能有效地治理霧霾污染。

注釋：

①根據PM2.5檢測網發布的空氣質量新標準，PM2.524小時平均值衡量標準值分布如下：PM2.5濃度為0～35ug/m3時，空氣質量為優；濃度為35～75ug/m3時，空氣質量為良；濃度為75～115ug/m3時，為輕度污染；濃度為115～150ug/m3時，為中度污染；濃度為150～250ug/m3為重度污染；濃度大于250ug/m3時為嚴重污染。

②Granger因果檢驗的原假設H0為：變量x不能Granger引起變量y；備擇假設H1為：變量x能Granger引起變量y。在5%的顯著水平下，prob小于0.05時拒絕原假設，prob大于0.05時接受原假設。

參考文獻：

[1]閆曉圓.京津冀地區霧霾天氣的綜合治理調查研究[J].數字化用戶，2014（13）：84-85.

[2]楊復沫.北京大氣PM2.5中微量元素的濃度變化特征與來源[J].環境科學，2003（6）：33-37.

[3]于娜.北京城區和郊區大氣細粒子有機物污染特征及來源解析[J].環境科學學報，2009（2）：45-51.

[4]朱先磊.北京市大氣細顆粒物PM2.5的來源研究[J].環境科學研究，2005（5）：1-5.

[5]王志娟.北京典型污染過程PM2.5的特性和來源[J].安全與環境學報，2003（5）：122-126.

[6]王占山.2013年北京市PM2.5的時空分布[J].地理學報，2015（1）：35-39.

[7]陳媛.北京市區大氣氣溶膠PM2.5污染特征及顆粒物溯源與追蹤分析[J].現代地質，2010（2）：65-70.

[8]MADDISON D. Environmental kuznets curves：a spatial econometric approach[J]. Journal of environmental economics and management，2006（51）： 218-230.

[9]POON J. The impact of energy，transport，and trade on air pollution in China[J]. Eurasian geography and economics，2006（47）：157-164.

[10]HOSSEINI M，RAHBAR F. Spatial environmental Kuznets curve for Asian countries： study of CO2 and PM10[J].Journal of environmental studies，2011（37）：1-3.

[11]馬麗梅，張曉.區域大氣污染空間效應及產業結構影響[J].中國人口·資源與環境，2014（7）：157-164.

[12]潘慧峰，王鑫，張書宇.重霧霾污染的溢出效應研究——來自京津冀地區的證據[J].科學決策，2015（2）：1-15.

[13]GRANGER C. Investigating causal relation by econometric and cross-sectional method[J]. Econometrica，1969（37）：424-438.

[14]PESARAN H，SHIN Y. Generalized impulse response analysis in linear multivariate model[J].Economic letter，1998（58）：17-29.

[15]袁芷晨.霧霾天氣的成因、危害及防范措施[J].科技風，2014（8）：222.

[16]吳小節，諶躍龍，汪秀瓊，等.中國31個省級行政區資源節約型社會發展狀況綜合評價與空間分異[J].科學決策，2014（3）：30-43.

[17]趙志耘，楊朝峰.經濟增長與稅收負擔、稅制結構關系的脈沖響應分析[J].財經問題研究，2010（01）：3-9.

[18]涂英柯，司林波，孟衛東.京津冀區域經濟一體化研究綜述[J].商業時代，2013（26）：136-138.

[19]郭璟坤.論低碳經濟對國際貿易規則的影響及中國的對策[J].中國管理信息化，2015（22）：127.

[20]王波，郜峰.霧霾環境責任立法創新研究——基于現代環境責任的視角[J].中國軟科學，2015（3）：1-8.

[21]虞慧娟.我國霧霾治理存在的問題及解決途徑研究[J].城市建設理論研究：電子版，2015（22）：6673-6674.

責任編輯：張 然