京津冀地區PM2.5減排實效與影響因素的門限效應

李云燕,殷晨曦

?

京津冀地區PM2.5減排實效與影響因素的門限效應

李云燕*,殷晨曦

(北京工業大學循環經濟研究院,北京 100124)

為量化考察霧霾污染水平與社會經濟影響因素的門限效應和耦合關系,選取了近10年京津冀3省市的面板數據,運用面板門限模型,分析不同區制下PM2.5減排實效與社會經濟影響因素的非線性變化規律.研究結果表明:當門限變量為第三產業增加值或公共交通車輛運營數時,PM2.5與其影響因素的門限效應存在且顯著;當第三產業增加值小于門限值6080億元時,繼續發展工業、建筑業或增加機動車保有量都會加重霧霾污染,此時擴張公共交通是緩解霧霾的有效措施;當第三產業增加值大于其門限值時,繼續發展第二、三產業可減輕霧霾,但擴張公共交通對霧霾的緩解效果略有下降,持續增長的機動車保有量逐漸成為加重霧霾污染的首要影響因素;將公共交通車輛運營數控制在其門限值附近時,PM2.5減排的機會成本最低;能源消費總量的增加始終會加重霧霾污染,且其邊際增量呈上升趨勢.治霾對策與PM2.5減排措施的制定須考慮并結合門限效應.

霧霾；PM2.5影響因素；門限效應；治霾建議

從工業轉移到資源共享和協同發展,京津冀地區逐步發展為以首都為核心的世界級城市群和協同發展的改革引領區,但20世紀70年代至本世紀初高投入、高能耗、粗放型的發展方式讓京津冀,尤其是河北省,付出了巨大的環境代價,京津冀地區已成為中國大氣污染最嚴重的區域之一.2015年12月30日,由國家發改委和環保部會同有關部門共同編制的《京津冀協同發展生態環境保護規劃》中提及,2020年京津冀地區細顆粒物濃度要比2013年下降40%左右.這意味著京津冀地區須在2020年初步告別霧霾.如何科學有效地將治霾壓力轉化為環保動力,用最小的經濟增速下降的代價實現同樣的PM2.5減排目標成為目前亟待解決的難題.

研究霧霾影響因素的文獻主要分為2種類型:一是從氣象、地理等不同的研究視角出發,研究大氣污染物的理化特性,解析霧霾的污染特征及成因[1-3];二是構建計量模型,對霧霾與影響因素之間的變化規律及相互關系進行實證分析,為霧霾治理提供對策參考或趨勢預測.以自然因素為主要影響因素的研究主要涵蓋了季節、風速、相對濕度、溫度這4類核心影響因素[4-5],分別研究了霧霾污染水平與各類自然影響因素的數值變化關系[6];以人為因素為主要影響因素的研究主要采用統計學分析方法,一般以細顆粒物濃度或可吸入顆粒物濃度、常住人口、人均GDP、機動車保有量、能源消費、客運量或貨運量、產業結構為考量指標,分析各項指標對霧霾的影響[7-8];以地理環境因素為主要影響因素的研究主要采用遙感、數據挖掘等研究方法分析霧霾發生與局地環境的關聯程度[9],此類研究表明霧霾具有區域聚集的特征,多發于盆地區域,且與地表溫度相關.針對霧霾成因,常見的實證分析方法有主成分分析、多元回歸分析、聚類分析、灰色關聯度分析、向量自回歸移動平均模型、馬爾可夫鏈等[10-11],其實證分析結果往往作為具體治霾措施的主要依據.綜觀現有文獻,計量作為分析手段起到的作用是將霧霾源解析結果與治霾對策的聯系進一步細化.面板門限模型可以精準地服務于治霾對策所涉及的各類影響因素總量控制目標的制定.此類目標及相關標準的建立不再是有關部門主觀決定,而是通過客觀細致地數據分析,利用門限值確定不同區制的分界點,即各類影響因素的總量控制目標.這可以有效避免一般研究者因主觀判定分界點造成的偏誤,并從理論層面分析如何以最經濟的PM2.5減排手段實現相同的減排目標.

基于此,本文對霧霾污染指數與經濟增長、產業結構、能源結構、機動車保有量、工業排放、建筑揚塵之間的關系進行經驗研究,重點考慮人為因素和經濟因素對區域霧霾的影響,采用非線性計量模型解析京津冀霧霾與其主要影響因素的門限效應,結合單一核心變量與多元核心變量情形下的模型檢驗與參數估計結果,探討區域治霾對策.

1 研究方法

1.1 實證模型

傳統的門限分析是基于外生樣本的分離方法,樣本分離點通常是人為選定,而非內在機制決定,其參數估計缺乏可靠性.Hansen提出的面板門限回歸模型[12-13]不需要統一非線性方程的形式,門限值及其個數完全由樣本數據內生決定,通過Bootstrap確定門限值的統計顯著性和置信區間.門限值將樣本劃分為不同的區制,可根據參數估計值研究不同區制下被解釋變量與解釋變量的數值變化關系.本文選擇固定效應面板門限回歸模型,理由是本文的研究對象是京津冀地區,樣本數據來自一個相對較小的母體,樣本數據基本覆蓋了整個研究母體,此時不妨假設北京、天津和河北3個地區內不可觀測的特質性因素是固定不變的[14],即組內采用固定不變的個體效應更合適;此外,本文的主要研究目的之一是估計模型參數,模型中個體數目較小,需要估計的參數較多,故采用更容易估計的固定效應模型.

首先介紹單一門限面板模型,對于面板數據{y,x,q,c:1￡￡,1￡￡},固定效應單一門限面板模型表示如下:

式中:表示個體;表示時間,以年為單位;y表示被解釋變量;是個體截距項;x為核心解釋變量;為核心解釋變量的系數向量;c為控制變量;為控制變量的系數向量;q為門限變量;為待估門限值;隨機干擾項~(0,2).

上述模型可通過示性函數(×)表示成下列形式:

y=+￠x()+￠c+(2)

在1=2的原假設下,門限值無法識別,此時檢驗統計量的傳統分布為非標準情形,故采用Bootstrap來模擬似然比檢驗的漸進分布.基于此一階漸進分布構造的值是漸進有效的.如果得到的值小于設定的臨界值,則拒絕原假設,從而認為存在門限效應.此外,Hansen提供了一種簡易直觀的判斷方法——繪制門限變量的置信區間結構圖,該圖以似然比統計量LR()為縱坐標,門限值為橫坐標,在()處畫一條水平線以確定其置信區間.其中,為顯著性水平,()= -2ln.

同理,固定效應雙重門限面板模型為:

固定效應三重門限面板模型為:

(4)

式中:1<2<3.若因個別區間內的觀察值過少而無法進行有效的估計,則跳過該門限值進行下一門限值的搜索.

1.2 變量、數據及基本統計分析

結合京津冀地區的特點及霧霾頻發的主觀原因,選取地區生產總值、工業排放、建筑揚塵、第三產業增加值、機動車保有量、公共交通車輛運營數、能源結構為解釋變量;第一產業增加值為控制變量;為逐一甄別門限變量,第二產業增加值在模型(3)和(9)中作為門限變量,在模型(5)和(6)中作為受門限變量影響的核心變量;燃煤和能源消費中一個作為解釋變量另一個則作為控制變量,視各個模型研究的側重點而定.能源結構、機動車保有量等解釋變量會對霧霾是否出現以及霧霾的嚴重程度造成影響,但是大氣污染的嚴重程度不會直接影響解釋變量[15],即此類解釋變量滿足門限模型的外生性要求.由于中國在2012年發布了環境空氣質量新標準,調整了污染物條目及其限值,細顆粒物監測網絡開始分階段、分區域地布局展開,故截至目前可獲取的細顆粒物官方年度數據較少[16].但是PM2.5是PM10的一種,占PM10的比重平均可達75.6%,而且PM2.5與PM10的濃度均值呈現出顯著的線性關系[17].故本文采用可吸入顆粒物的年均濃度值作為被解釋變量.被解釋變量及各解釋變量的基本統計分析結果由各省市2004~2015年統計年鑒中的相關指標計算得出,如表1所示.

表1 PM2.5污染指數與社會經濟影響因素的基本統計分析

注 :max為最大值;min為最小值;為平均值;為標準差.

2 結果與討論

2.1 單一核心變量面板門限回歸結果討論

首先介紹單一核心變量情形下多重門限的實證分析結果.為了找到合適的門限變量,本文將能源結構、地區生產總值、第二產業增加值、第三產業增加值、工業增加值、建筑業增加值、機動車保有量逐一作為門限變量,進行多重門限檢驗和系數估計.表2為各個門限變量在單一核心變量情形下的模型檢驗和參數估計結果.

表2 單一核心變量面板門限模型檢驗及參數估計

注 :括號內為值;*、**、***、分別表示在10%、5%和1%的水平下通過顯著性檢驗;-表示該變量在模型中為受門限變量影響的核心變量,故不顯示其系數估計與顯著性檢驗結果;根據F檢驗判斷是否拒絕固定效應的門限回歸.

單一核心變量情形下,模型(1)、(2)、(4)、(6)、(7)的單一門限效應顯著,模型(3)和(5)的雙重門限效應顯著,模型(1)的三重門限效應顯著.通過顯著性檢驗的參數估計結果表明:不論門限變量如何選擇,工業增加值、建筑業增加值和能源消費量的增加始終會在樣本區間內加重霧霾污染,即地區生產總值不超過3萬億元時,工業增加值、建筑業增加值和能源消費量每增加一單位都會加重霧霾污染.多重門限下,公共交通車輛運營數的系數隨著機動車保有量的增加由負變正,表明當機動車保有量不超過530萬輛時,發展公共交通可以緩解霧霾污染;反之,當機動車保有量超過這一數值時,公共交通利用率相對較低,增加公共汽車數量會加重霧霾污染.地區生產總值和第三產業增加值的參數估計情況多與門限變量的選擇相關,選擇PM2.5正指標時,其系數為負值;選擇PM2.5非正指標(包括負指標與正負不定的指標)時,其系數為正值或趨于正值.這一結果表明地區生產總值、第三產業增加值與霧霾污染指數之間不存在嚴格的正負相關關系,當產業結構朝著合理化、高級化的方向變化,或單位產值能耗下降時,地區生產總值、第三產業增加值與霧霾污染指數反向變化;反之則同向變化.

模型(4)同時通過了固定效應的F檢驗和單一門限效應的F檢驗,即以第三產業增加值為門限變量,且地區生產總值為核心變量時,單一門限效應顯著,模型擬合優度高達94.3%,說明該模型能夠較好地模擬實際情況.其中,工業增加值、建筑業增加值、機動車保有量以及能源結構的系數估計均為正值,且在相同量綱下,工業增加值的系數大于建筑業增加值的系數.這一結果說明工業、建筑業、機動車和能源消費的增加都會加重京津冀霧霾污染,且每一單位工業增加值對霧霾的影響是建筑業增加值的1.3倍左右.由于該模型的門限變量為正指標,故發展公共交通和增加地區生產總值均能緩解京津冀地區霧霾污染,當第三產業增加值超過10279.12億元時,每增加一單位地區生產總值,京津冀地區的可吸入顆粒物年均濃度理論上可被削減4.2%左右.

2.2 多元核心變量面板門限回歸結果討論

多元核心解釋變量情形下,出于本文研究區域個體數量及時間跨度的考慮,門限值將研究樣本一分為二之后,單個區制內的樣本容量過小, 不充分的樣本信息會導致參數估計結果的穩定性較差.故本文僅對單一門限值時的情形作回歸分析.多元核心變量情形下的面板門限回歸結果見表3.

表3 多元核心變量面板門限模型檢驗及參數估計

注 :括號內為值;由于門限值將樣本一分為二,故解釋變量在兩個區間內各有一個系數估計值,當門限變量小于等于門限值時為區間1,當門限變量大于門限值時為區間2;若解釋變量的系數估計值在兩個區間內發生正負號變化,則用*注明以便后文分析.

通過對比普通回歸與門限回歸的擬合優度,發現不論門限變量如何選擇,門限回歸都極大地提高了模型的擬合優度,論證了在研究霧霾與影響因素的相互關系時,非線性的統計分析方法優于普通的線性模型.這7組模型中,模型(10)和(14)的擬合優度較高且Bootstrap P值較小,即參數估計結果較理想.模型(10)中,GDP、第三產業增加值和機動車保有量在不同區制下正負號發生變化.這一結果表明:第三產業在發展初期,即不超過7000億元時,提高第三產業比重反而會因相對較高的單位產值能耗加重霧霾污染;但隨著第三產業比重的上升,單位產值能耗逐年下降,提高第三產業比重可逐漸緩解霧霾污染,PM2.5的理論峰值會出現在其門限值附近.地區生產總值和機動車保有量的變化規律亦如此.模型(14)的參數估計結果與模型(10)大體一致,不同的是公共交通車輛運營數的系數也發生了正負號變化.這一結果表明公共交通在發展初期緩解霧霾的作用尚不明顯,在極端情況下,無法與出行需求相匹配的公共交通車輛運營數甚至會加重霧霾污染;但在發展中后期,漸趨合理的公共交通規劃將會極大地緩解霧霾污染,但仍應以與出行需求相匹配的適量性為控制原則.須注意的是,在所有區制下,其他影響因素固定不變時,增加燃煤和工業排放理論上始終會加重霧霾污染.

2.3 模型檢驗

圖1和圖2是門限變量分別為第三產業增加值、公共交通車輛運營數時的置信區間結構,圖中實線為95%顯著性水平的參考線,虛線落入參考線以下的部分說明門限值是顯著存在的.以第三產業增加值作為門限變量的顯著性水平明顯高于以公共交通作為門限變量的情形.因此,模型(10)的參數估計結果更具理論意義,即在合理區間范圍內,公共交通車輛運營數與霧霾污染指數反向變化,增加公共交通車輛運營數可緩解霧霾,但緩解效果邊際遞減.

此外,本文得出的結論均基于2004~2015年京津冀地區各省市的相關統計指標.隨著原始數據的變化,門限模型的估計結果也會隨之發生變化.故應用該模型作后續分析時,為保證結論的實時性,應及時更新相關統計指標.

2.4 治霾對策探析

結合霧霾影響因素的門限效應與參數估計結果,提出如下治霾建議.

2.4.1 借力能源供給側改革,差別化控制京津冀能源消費量 根據門限模型的參數估計結果,能源消費量在不同的門限區間對霧霾的影響程度差別較大,但始終會加重霧霾污染.提高能源利用效率、改善能源結構仍是PM2.5減排工作的重點.京津冀地區的煤炭消耗空間密度是全球平均值的30倍,其能源消費總量占全國的11.3%,煤炭消費量高于全國平均水平5個百分點.在京津冀的不同區域以及在各個區域不同的發展階段,應通過差別化的措施和手段壓減燃煤消費量,盡量避免一刀切式減排方針[18].目前,國內化石能源市場正處于需求強度減弱期、過剩產能消化期、環境制約強化期的三期疊加階段,同時能源結構調整的步伐緩慢,可再生能源的有效供給量不足[19].在推進能源供給側改革中,處理好市場與政府的關系尤為重要,尤其在能源供需關系相對寬松的市場環境下,如何從頂層正確引導、平衡有效供給更為關鍵[20].

2.4.2 適度發展公共交通,嚴格控制全區域尾氣污染 發展公共交通應以適度適量為原則,結合各個城市人口密度和出勤路線,合理規劃.過度發展以及不合理的線路規劃不僅浪費了公共資源,也加重了環境污染.機動車尾氣排放不僅會加重霧霾污染,而且隨著經濟水平的提高,對霧霾的影響有逐步加重的趨勢.解決這一難題主要有兩種途徑:第一,適時適度發展公共交通,公共交通線路與發車頻次應當與公眾需求緊密結合,盡可能將公共交通車輛運營數控制在其動態門限值附近;第二,在嚴格控制機動車總量的基礎上,對現有機動車加裝尾氣凈化裝置,全面提高燃油質量標準.

2.4.3 同步提升京津冀空氣質量管理水平,大氣污染治理統一達標規劃 北京市因為有更多的資金支持,政府部門人員環境意識較高,空氣質量管理能力遙遙領先京津冀其他城市,相同類型的PM2.5減排措施實現的減排效率更高.對比之下,天津市與河北省的整體能力水平還不足.因此,可通過京津冀各城市空氣質量排名、與地方政府簽訂責任狀、約談地方負責官員3條措施改善區域整體空氣質量.同時,應進一步擴大監測指標范圍,及時公開環保數據,以期推動輿論監督和相關研究的實時性與同步性.

2.4.4 結合門限效應改進空氣質量預報模式,實現精準預防,助推細顆粒物減排 細顆粒物在其不同區間內具有不同的變化規律,對于現有的在全區間內統一的預報模式應予以改進.對于不同的限制區間,宜通過數據模擬找尋適用的預報模式,現有的線性預測模式或基于線性思想的預測方法應結合細分后的限制區間進行調整.國外學者普遍采用的馬氏鏈、神經網絡等非線性預測模式,中國可根據選擇的預測變量類別有針對性地引入.例如,采用BP神經網絡,以機動車保有量、能源消費、建筑施工面積、工業增加值等為初始輸入數組,對下一年可吸入顆粒物年均濃度進行預測,通過對歷史數據的模擬訓練,其預測精度可穩定在95%以上.預測效果最佳時,其預測誤差可控制在千分之七左右.借此說明,非線性預測模式或方法更適用于霧霾預警,建立與門限特征相匹配的預測模型勢在必行.霧霾與影響因素之間的非線性變化特征是多種大氣污染物遷移轉化作用的結果,PM2.5控制力度的加大,對大氣污染防治技術能力提出了更高的要求[21].

3 結論

3.1 單一核心變量情形下,PM2.5與其影響因素的門限效應存在且顯著.不論門限變量如何選擇,當地區生產總值不超過3萬億元時,工業增加值、建筑業增加值和能源消費量每增加一單位都會加重霧霾污染,且每一單位的工業增加值對霧霾的影響是建筑業增加值的1.3倍左右.當機動車擁有量不超過530萬輛,發展公共交通可以緩解霧霾污染;反之,公共交通利用率相對較低,增加公共汽車數量會加重霧霾污染.當產業結構朝著合理化、高級化的方向變化,或單位產值能耗下降時,地區生產總值、第三產業增加值與霧霾污染指數反向變化;反之則同向變化.

3.2 多元核心變量情形下,當第三產業增加值不超過7000億元時,提升第三產業比重反而會因相對較高的單位產值能耗加重霧霾污染;但隨著第三產業比重繼續上升,當單位產值能耗維持在較低水平時,繼續提升第三產業比重將會逐漸緩解霧霾污染,PM2.5的理論峰值會出現在其門限值附近.地區生產總值和機動車的變化規律亦如此.公共交通在發展初期緩解霧霾的作用尚不明顯,在極端情況下無法與出行需求相匹配的公共交通車輛運營數甚至會加重霧霾污染;但在發展中后期,漸趨合理的公共交通規劃會極大地緩解霧霾污染,但仍應以與出行需求相匹配的適量性為控制原則.

3.3 門限回歸的擬合優度較普通回歸顯著提升,論證了在研究霧霾與影響因素的相互關系時,非線性的統計分析方法優于普通的線性模型.

[1] 王 朔,趙衛雄,徐學哲,等.北京一次嚴重霧霾過程氣溶膠光學特性與氣象條件[J]. 中國環境科學, 2016,36(5):1305-1312.

[2] 劉 建,范紹佳,吳 兌,等.珠江三角洲典型灰霾過程的邊界層特征 [J]. 中國環境科學, 2015,35(6):1664-1674.

[3] 王郭臣,王東啟,陳振樓.北京冬季嚴重污染過程的PM2.5污染特征和輸送路徑及潛在源區[J]. 中國環境科學, 2016,36(7): 1931-1937.

[4] 郭 婷,朱 彬,康志明,等.1960~2012年長江三角洲地區霧日與霾日的氣候特征及其影響因素[J]. 中國環境科學, 2016, 36(4):961-969.

[5] 李梓銘,孫兆彬,邵 勰,等.北京城區PM2.5不同時間尺度周期性研究[J]. 中國環境科學, 2017,37(2):407-415.

[6] Barrado A I, García S, Barrado E, et al. PM2.5-bound PAHs and hydroxy-PAHs in atmospheric aerosol samples: Correlations with season and with physical and chemical factors [J]. Atmospheric Environment, 2012,49(3):224-232.

[7] Zavala M, Barrera H, Morante J, et al. Analysis of model-based PM2.5emission factors for on-road mobile sources in Mexico [J]. Atmósfera, 2013,26(1):109-124.

[8] 張曉茹,孔少飛,銀 燕,等.亞青會期間南京大氣PM2.5中重金屬來源及風險[J]. 中國環境科學, 2016,36(1):1-11.

[9] 吳 兌,廖碧婷,吳 蒙,等.環首都圈霾和霧的長期變化特征與典型個例的近地層輸送條件[J]. 環境科學學報, 2014,34(1): 1-11.

[10] 任傳斌,吳立新,張媛媛,等.北京城區PM2.5輸送途徑與潛在源區貢獻的四季差異分析[J]. 中國環境科學, 2016,36(9):2591- 2598.

[11] 江曲圖,何俊昱,王占山,等.基于LUR/BME的海岸帶地區PM2.5時空特性研究[J]. 中國環境科學, 2017,37(2):424-431.

[12] Hansen B E. Threshold effects in non-dynamic panels: Estimation, testing, and inference [J]. Journal of econometrics, 1999,93(2):345-368.

[13] Hansen B E. Sample splitting and threshold estimation [J]. Econometrica, 2000,68(3):575-603.

[14] 王曉琦,郎建壘,程水源,等.京津冀及周邊地區PM2.5傳輸規律研究[J]. 中國環境科學, 2016,36(11):3211-3217.

[15] 賈 佳,郭秀銳,程水源.APEC期間北京市PM2.5特征模擬分析及污染控制措施評估[J]. 中國環境科學, 2016,36(8):2337- 2346.

[16] GB3095-2012 環境空氣質量標準[S].

[17] 陳 剛,劉佳媛,皇甫延琦,等.合肥城區PM10及PM2.5季節污染特征及來源解析[J]. 中國環境科學, 2016,36(7):1938-1946.

[18] 司建楠,孫寧松.北京環保局:2016年煤改清潔能源力度空前[N]. 中國工業報, 2016-12-12(2).

[19] 趙東陽,靳雅娜,張世秋.燃煤電廠污染減排成本有效性分析及超低排放政策討論[J]. 中國環境科學, 2016,36(9):2841-2848.

[20] 常紀文.改善京津冀大氣環境質量五項建議[N]. 中國經濟時報, 2017-01-19(5).

[21] 李云燕,殷晨曦.京津冀霧霾影響因素的三維分析與對策探討 [J]. 工程研究:跨學科視野中的工程, 2016,8(6):614-625.

Threshold effect of socio-economic factors influencing PM2.5in Beijing-Tianjin-Hebei.

LI Yun-yan*, YIN Chen-xi

(Institute of Circular Economy, Beijing University of Technology, Beijing 100124, China).

The causes of frequent haze in Beijing-Tianjin-Hebei were truly complex, but the researches on the interrelation between haze and socio-economic factors were still lack of quantitative analysis. Considering that the interrelation under different regimes showed different change rules, the modified panel threshold regression model was applied to address different policy challenges. The results showed that the single threshold effect was significant while the added value of the tertiary industry or public transport was selected as the threshold variable. When the added value of the tertiary industry was less than the threshold value, the development of the secondary industry and the rising number of cars would increase PM2.5. Therefore, the expansion of the public transport would be an effective measure to ease the haze. When the added value of the tertiary industry exceeded the threshold value, the continued development of the secondary and the tertiary industry would reduce PM2.5, but the relief function achieved by expanding the public transport would be weakened slightly. Meanwhile the number of vehicles would become the primary factor influencing PM2.5. When the number of public transport was closer to its threshold value, the opportunity cost of PM2.5reduction would be less and the increase of energy consumption would always increase PM2.5. As there were nonlinear relations between the haze and the socio-economic factors, the policy formulation of PM2.5-reduction should be combined with the threshold effect.

fog and haze；factors influencing PM2.5；threshold effect；policy advice

X196

A

1000-6923(2017)04-1223-08

2016-09-12

國家社科基金資助項目(15BJY059);北京社科基金資助項目(14JGB036)

李云燕(1963-),女,山東濱州人,教授,博士,主要從事環境經濟、環境規劃與管理、環境影響評價等領域的研究.發表論文80余篇.

* 責任作者, 教授, yunyanli@126.com

, 2017,37(4)：1223~1230