中國城市空氣質量與產業結構關系研究

黃小舟 雷琳琳

摘 要：城市高質量發展越來越受到城市空氣質量的約束，本文從經濟產業結構視角建立了研究框架，實證分析了產業結構對城市空氣質量的影響和發生機制，并基于分析得出了基本結論。

關鍵詞：城市控制質量;PM2.5;AQI指數;產業結構

一、引言

2016年底中國的城市化率已達到57.4%，根據國際經驗來看，城市化率在達到70%之前，城市化水平將會快速增長。未來十年中國城市化水平仍將保持一個較高的增長速度。但是隨著我國工業化、城鎮化的推進，經濟發展和人口聚集帶來的城市環境問題，其中尤其是城市空氣質量問題越來越嚴重。其中最常見的關鍵詞莫過于近幾年熱門的“PM2.5”，“霧霾”等。

中國政府在2013年出臺史上最嚴的《大氣污染防治行動計劃》（簡稱“大氣十條”），要求在2017年底之前，全國地級以上城市PM2.5濃度比2012年下降10%以上，優良天數逐年提高;北京市PM2.5年均濃度也要控制在60微克/立方米左右。截至12月15日，2017年北京全年重污染天數與2013年同期相比減少了近三分之二。這一切都離不開國家政府的正確引導和人民群眾的積極參與，在官方和民間共同努力之下，北京11月的全市PM2.5濃度達到46微克，為歷史同期最低，也接近世衛組織建議的25微克以下。由此可見，空氣質量與經濟良性發展之間并不矛盾，關鍵在于找到二者之間的平衡點。

本文通過中國的八大經濟區中選取的70座城市在2017全年的空氣質量數據，由AQI指數和空氣質量優良天數為指標研究各個城市空氣質量在不同時間尺度上的變化情況。然后通過對各個城市經濟數據的研究，確定當前城市經濟發展狀況。

運用多元線性回歸模型，通過選定產業結構占比與工業增加值作為關鍵的解釋變量并依次添加人均GDP、人口密度等控制變量，觀察解釋變量對空氣質量的影響，最終確定產業結構同空氣質量間的關系，對中國城市未來發展提出合理的建議。

二、文獻綜述

本文主要研究全國城市中經濟指標對空氣質量的影響，故主要與兩類文獻相關，一類文獻研究的是城市經濟指標對空氣質量的直接影響，另一類文獻研究的是空氣污染對城市影響的空間分布。姜磊（2017）運用了矩陣指數空間設定模型來研究人均GDP、外商直接投資、二氧化硫排放等因素對空氣質量指數變化的影響。一方面，證明了矩陣指數空間設定模型在具有空間特性的空污問題中的實用意義，另一方面，證明了人均地區生產總值與空氣質量指數呈正相關關系。還有一種看法來自李經路（2017），他選取2000至2011年的北京空氣質量數據作為樣本，并選用空氣質量為良的天數作為空氣質量指標，得出的結論認為人均國民生產總值同空氣質量指標呈現倒“N”型分布。由以上的研究不難得出，人均GDP作為經濟指標中的重要一項，與空氣污染大致呈現正相關關系，需要關注的是無論是倒“U”型分布，還是倒“N”型分布，最后都會出現人均GDP越高會使得空氣質量好轉的情況。本文的樣本選取同以上研究存在一定的差異，本文選取的為2017年的各城市年均數據，故在同一時間節點不同城市的人均GDP也存在著差異，人均GDP在影響空氣質量時是否會存在有拐點值得本文進行研究。還存在有一種完全相反的觀點。楊肅昌（2015）在研究中得出類似結論，他認為東部城市由于其工業密集度較高，其產業結構會導致空氣質量輕度惡化，但產業結構對空氣質量的影響大致上是正向的，說明提高第三產業占比有助于改善空氣質量?？梢姰a業結構在空氣質量的研究中地位不可或缺，第二產業占比越高會導致空氣質量惡化，而第三產業占比越高則有助于空氣質量的改善。李靜萍（2017）在研究中直言工業化對空氣中PM2.5濃度是直接的正向影響，且影響顯著，而城市化水平對空氣質量的影響則是間接影響。

文獻研究表明，城市的經濟發展對城市空氣質量確實存在有直接或間接的影響，且不同城市的空氣質量空間分布遵循一定的區域特征。大多數研究的是隨時間變化的經濟指標差異對空氣質量影響，經濟指標研究往往是局限于一座城市內，鮮有比較城市間的經濟指標差異。本文則著重探究城市差異對空氣質量的影響，運用多元線性回歸模型，通過選定關鍵的解釋變量并依次添加控制變量，觀察解釋變量對空氣質量的影響，最終確定經濟指標尤其是產業結構同空氣質量間的關系。

三、中國城市空氣質量與經濟描述分析

（一）指標選取與數據來源

經濟區域劃分依據為：以遼寧、吉林和黑龍江構成東北綜合經濟區，以北京、天津、河北和山東構成的北部沿海綜合經濟區，以上海、江蘇和浙江東部沿海綜合經濟區，以福建、廣東和海南構成的南部沿海經濟區，以陜西、山西、河南和內蒙古構成的黃河中游綜合經濟區，以湖北、湖南、江西和安徽構成的長江中游綜合經濟區，以云南、貴州、四川、重慶和廣西構成的大西南綜合經濟區，最后是由以甘肅、青海、寧夏、西藏和新疆構成的大西北綜合經濟區。

因為大西南與大西北的城市分布較為分散，為了數據的完整性，故將大西南綜合經濟區和大西北綜合經濟區合并成西部綜合經濟區進行研究，將八大經濟區修改為七個經濟區域。選取城市的方式為每個經濟區域選取10座城市，選取城市的標準為地級市（除港澳臺）及以上的直轄市，優先選取經濟發展良好，在區域內趨于主導地位的城市。選取第二產業增加值占比（SG）與第三產業增加值占比（TG）、地區生產總值（GDP）、地均建筑業增加值（estate）等經濟指標和人口密度（pd）、民用汽車保有量（cars）等社會指標。而空氣質量指標主要有：空氣污染指數（AQI）、空氣質量優良天數（Good）。

（二）描述性統計

1. 空氣質量分析

圖1為2017全年各地年均AQI分布熱力圖。由熱力圖可得，全國空氣質量最為嚴重的省份為河北省，其次的有河北省周邊的山東省、河南省和山西省，以及新疆自治區?？諝赓|量最好的地區為福建省和海南省。全國空氣質量大致呈現“由華北地區向周邊逐步擴散”的形勢，以北部沿海和黃河中游地區空氣質量最差，南部沿海地區空氣質量最優。除西藏自治區處于高海拔環境外，其他地區還呈現出“沿海地區空氣質量優于內陸地區空氣質量”的情況。

圖2為北部沿海綜合經濟區的五座座城市2017年優良空氣天數圖。藍色為空氣質量為良及以上的天數，紅色為空氣質量為良的天數，二者之差為空氣質量為優的天數。從圖中可以很明顯看出，煙臺為北部沿海綜合經濟區空氣質量最優的城市，空氣質量優良天數與空氣質量為優天數均遠遠領先其他城市。北京空氣質量為優的天數緊隨其后，空氣質量為優的天數最少的城市為唐山和石家莊，僅為6天。綜合來看，空氣質量最差的城市為石家莊。

圖3為全國主要城市2017年月均AQI指數折線圖，全國各城市全年AQI的變化大概呈現“U”型，即年初與年末AQI指數高，年中AQI指數相對較低。具體來說，成都在一月與二月時月均AQI指數遠高于優良空氣質量標準（AQI指數為100），而在四月至八月期間維持了相對較好的空氣質量，到了2017年年底，AQI指數又重新反彈至120以上，相同的情況也出現在其他地區的城市身上，如空氣質量較為良好，全年AQI指數較為穩定的廣州空氣質量最差的時間點也出現在一月與十二月。唯一的例外出現在北京，2017年一月北京質量一直處于紅線之上，AQI指數突破140，在此之后北京空氣質量大致呈現出逐月走低的趨勢，尤以十二月份在全國其他城市均處于空氣質量堪憂狀態時，北京十二月份則達到了全年空氣質量的最優值，AQI指數僅為69，這也反映北京在2017全年對空氣狀況優化處理做出的努力。

上圖4為抽取的全國不同地區的七座主要城市在2017年9月15日在各時刻的AQI指數實時變化圖，可以看到大多數城市的實時AQI指數在這一天呈現“兩側低，中間高”的形狀。具體來說，在0時至7時之間各城市AQI指數維持在一個相對穩定的范圍之內，大約在10時左右，AQI指數出現一個較大的提升，這段提升大致會在12時至14時達到頂點，而在19時以后，AQI指數迅速回落并在23時左右大致回歸至凌晨AQI指數相對穩定的區間。由人們日常生活規律不難發現，AQI指數上漲和維持較高等級的時間段大致與人們日常白天活動時間段一致，可以得到人類活動確實會對空氣質量產生直接的影響。

上述的7個城市中，有三座城市的AQI指數變化并不符合預期，其中太原在9月15日這天AQI指數呈現平穩狀態，成都則出現與其他城市相反的“兩邊高，中間低”即白天空氣質量優于夜間空氣質量的狀況，而上海自0時起AQI指數持續走低。通過查閱中國氣象局網站的歷史氣象數據，太原在9月15日這一天全天處于小雨天氣，并有1～2級微風，從某種意義上解釋了AQI指數相對穩定的原因。成都在15日白天時間段一直處于風力4～5級的天氣，這就反映了成都的AQI指數異常變化。上海在15日與太原相同是小雨天氣，區別是上海在此之前已經持續經歷5天雨水天氣，AQI指數持續優化。

2. 經濟指標分析

<F：＼5.8＼湖北經濟學院學報·人文社科版201904-p＼湖北經濟學院學報.人文社會科學版201904＼人文1904＼圖1904-014.tif>

圖5：北部沿海綜合經濟區的十座城市產業結構比例圖

圖5為北部沿海綜合經濟區的十座城市產業結構比例圖。從圖中可以看出，除衡水、保定外，其他城市的二三產業占比之和已超過90%，其中北京的二三產業占比之和幾乎達到100%，可見農業對該地區經濟的影響遠不及工業與服務業，同樣的狀況也發生在其他地區。再來看第二、第三產業各自所占的比例，北京的二三產業占比差距最大，其中第二產業占比不足20%，而第三產業占比80.6%。相反唐山的第二產業占比達到57.4%，第三產業占比僅為34.1%。由此可見，產業結構存在差異也是各地的一大特征。

為更好研究第二產業對空氣質量的影響，故作出如上圖7所示的70座城市工業增加值與年均AQI指數的散點圖。數據點越靠右說明工業增加值數值越高，數據點越靠上說明AQI指數越高，空氣質量越差。工業增加值同年均AQI指數大體上呈正相關關系，即工業增加值越多，城市空氣質量越差。由散點圖可知，選取的70座城市中南部沿海經濟區城市空氣質量全國最優，但同時工業增加值也普遍位列其他區域城市之后，尤其是?？谑凶鳛?017年全國空氣質量最優的城市，工業增加值水平也是全國最低。相反，北部沿海綜合經濟區和黃河中游綜合經濟區城市保持了較高水平的工業增加值，付出的代價則是年均AQI指數居高不下。

四、經濟發展對空氣質量影響計量分析

（一）研究計量模型

為研究第二、三產業增加值占比與工業增加值對城市空氣質量的影響，為此建立以下線性模型：

AQIi=α+β1SG+β2TG+β3va+γX+μi

在上述方程中，α，β和γ為待估參數，μi為隨機擾動項，方程中的被解釋變量為AQIi，表示2017年城市的年均AQI指數，關鍵的解釋變量有第二產業增加值占比和第三產業占比，分別由SG和TG表示，以及工業增加值，由va表示。

除關鍵解釋變量外，還選取由X代表的控制變量。根據相關文獻，選取的控制變量有人均地區生產總值GDP，人口密度，民用車輛保有量，建筑業增加值和區域特征。姜磊（2017）發現人均地區生產總值的提升會導致二氧化硫排放以及PM2.5排放量提升，進而加重空氣污染，做出相似結論的還有李茜（2013），她的研究證明人均GDP的增長與城市空氣污染呈正相關關系。王興杰（2015）的研究表明人口密度的不斷提高會使大氣污染物在城市內排放濃度提升，加大空氣質量惡化可能性，因此人口密度作為控制變量之一代入回歸方程中。汽車尾氣排放作為大氣污染物的主要來源之一，為確定城市間汽車尾氣排放的差異，姜磊（2017）在研究中選用了民用汽車保有量這一指標來進行反映，汽車保有量反映了城市經濟水平，越多的車輛排放的尾氣也相應增多，故本文選擇控制民用汽車保有量這一指標。謝高地（2015）在研究中提及建筑揚塵等開放源造成的空氣污染的主要因素之一，因此本文選擇控制地均建筑業增加值。藺雪芹（2016）研究發現中國城市空氣質量呈現出“東重西輕，北重南輕”的空間格局，岳書評（2015）重點研究中國的三大城市群，其中京津冀城市群對空氣質量的影響最大;對省會城市所在地區的研究中，中部地區城市對空氣質量影響最大，東部地區受影響最小，周湘輝（2012）通過因子分析對國內的30座城市進行空氣質量排名，得到西部與沿海地區城市空氣質量較為優異的結論，為研究區域特性對城市空氣質量的影響，我們控制了中國的經濟區域分布，其中以大西北與大西南綜合經濟區為基準組，分別控制了東北綜合經濟區、北部沿海綜合經濟區、東部沿海綜合經濟區、南部沿海經濟區，黃河中游綜合經濟區和長江中游綜合經濟區6個虛擬變量。

由模型系數β1=0.59373，β2=-0.679661，β3=0.00754可得，第二產業增加值占比對城市年度空氣質量指數的影響是正向的，即第二產業增加值占比越多，AQI指數越大，即空氣污染越嚴重。相反，第三產業增加值占比同城市空氣質量指數間呈負相關關系。而工業增加值的變大也正向地影響空氣質量指數的變大，由此可見三個關鍵的解釋變量對空氣質量的影響與預期相符。模型的經濟意義在于：在其他變量不變時，第二產業增加值占比每增加1%，則城市年均AQI指數將上升0.59373;第三產業增加值占比每增加1%，則城市年均AQI指數將下降0.679661;工業增加值每增加1萬元，則城市年均AQI指數將上升0.00754。擬合優度檢驗結果顯示調整后的R方取值為0.5835，說明模型擬合效果較好。從整體的顯著性檢驗結果可以看出，總體p值為3.307e-13，遠遠低于0.05，證明第二產業增加值占比，第三產業增加值占比和工業增加值對城市年均空氣質量指數的共同影響是顯著的。

對單個回歸系數的顯著性進行檢驗，其中第二產業增加值占比，第三產業增加值占比和工業增加值所對應的p值均小于0.05，故可認為在5%的顯著性水平上拒絕原假設，認為第二產業增加值占比，第三產業增加值占比和工業增加值對城市年均空氣質量指數的影響是顯著的。

我們首先對人均GDP進行控制，可以得到人均GDP對城市年均空氣質量指數的影響是負向的，即人均GDP的增長有助于空氣質量改善。由p值取0.02094可得在5%的顯著性水平下，人均GDP對城市年均空氣質量指數的影響是顯著的。這一結論與姜磊（2017）與李茜（2013）的研究結果一致。

由回歸方程可得，第二產業增加值占比，第三產業增加值占比和工業增加值的回歸系數大小和方向均無太大區別。與基礎方程存在的差異在于第三產業增加值占比對城市年均空氣質量指數的影響不再顯著。

接下來我們對人口密度進行控制，可以得到人口密度對城市年均空氣質量指數的影響是正向的。由p值取0.44055可得在5%的顯著性水平下，人口密度對城市年均空氣質量指數的影響并不顯著的。這一結論與王興杰（2015）的發現存在有所出入，具體的差異產生原因可能是樣本的選取有所不同，王興杰（2015）在研究中選取的樣本為第一階段實施新空氣質量標準的74個城市，這些城市自2012年起就開始對空氣質量進行優化。而本文中選取的70座城市中存在很大一部分是自2015年以后才開始實施新的空氣質量標準，樣本差異導致了結論存在有一定的偏差。

然后我們對民用汽車保有量進行控制，可以得到民用汽車保有量對城市年均空氣質量指數的影響是正向的。由p值取0.18847可得在5%的顯著性水平下，民用汽車保有量對城市年均空氣質量指數的影響并不顯著的。這一結論與姜磊（2017）的研究相近，對其成因的解釋為選用民用汽車保有量作為汽車尾氣排放的指標存在有數據缺失，即民用汽車保有量不能很好地反映警用、軍用汽車的排放對空氣造成的污染，故而不能全面反映汽車擁有量同城市空氣質量指數之間的關系。

緊接著我們對建筑業增加值進行了控制，可以得到建筑業增加值對城市年均空氣質量指數的影響是正向的。由p值取0.10324可得在5%的顯著性水平下，建筑業增加值對城市年均空氣質量指數的影響并不顯著的。謝高地（2015）的研究的主要樣本為2011～2014年城市數據，通過資料查詢可以發現自2016起，各地陸續發布《建筑工地揚塵防治標準》，由本文中數據的研究不難發現這項標準較好地對工地建筑起到規范作用，減輕了建筑揚塵對空氣污染的影響力度。

最后我們對區域特征進行控制，由回歸結果可得，北部沿海綜合經濟區、南部沿海經濟區和黃河中游綜合經濟區相比大西北和大西南綜合經濟區，其城市年均空氣質量指數存在顯著性差異，東北綜合經濟區、東部沿海綜合經濟區和長江中游綜合經濟區同大西北和大西南綜合經濟區的空氣質量指數差異不明顯。

對回歸方程系數進行研究可以得到，年均AQI指數最大的是黃河中游綜合經濟區城市，其數值為99.58，由于AQI指數在100以上屬于空氣污染范疇，由此可見黃河中游綜合經濟區城市在2017年空氣質量較為惡劣。而年均AQI指數最低的則是南部沿海經濟區城市，其數值為62.94，接近空氣質量為優的的評級。這一結論同周湘輝（2012）和藺雪芹（2016）的研究結論一致，可以認為我國城市空氣質量確實受到區域性差異的影響。而岳書評（2015）認為的京津冀城市群對空氣質量影響較為嚴重，本文通過對比北部、東部和南部綜合經濟區的年均AQI指數，也得到了與其研究較為相近的結論，即北部沿海綜合經濟區對空氣質量影響較為嚴重。

對于重點關注的關鍵解釋變量，可以發現第二產業增加值占比和工業增加值的系數都在0.1的顯著性水平上對城市年均空氣質量影響顯著，由此可見，第二產業增加值占比增加1%會使城市年均AQI指數增加0.4048～0.7682，工業增加值增加1萬元會使城市年均AQI指數增加0.0051～0.0075。而第三產業增加值占比我們則認為其對空氣質量影響并不顯著。

（二）模型穩健性分析

為了確定模型是否存在多重共線性，通過計算各個參數的方差膨脹因子（VIF）大小來進行度量。上述每控制一項變量后，都對新的回歸模型進行一次多重共線性檢驗，以回歸模型（6）的各個參數的方差膨脹因子為例，VIF數值最大的為第二產業增加值占比為3.93，其次的為第三產業增加值占比為3.87，其余參數VIF值均未超過2，可見所以參數的VIF值均遠低于10，并且接近于1，故我們可以認為模型狀況較好，不存在多重共線性。

為了檢驗模型是否存在異方差，這里運用Breusch-Pagan檢驗進行驗證，這里以回歸模型（6）的BP檢驗結果為例，檢驗的p值為0.2559，明顯大于0.05，不能拒絕原假設，則可認為該回歸模型不存在異方差。

五、主要結論

工業增加值與空氣污染之間存在顯著的正相關關系，可見城市的工業化水平提升對城市的空氣質量水平是一個較大的挑戰。相同的還有第二產業增加值占比，第二產業占比越高表明工業生產在城市經濟發展中的地位越高，第二產業占比較高也是城市空氣質量產生差異的主要原因之一。

人均GDP的增加會加重空氣污染，這一點在本文中得到了證明，但同時GDP的上升不僅是對經濟發展的一種反映，另一方面GDP的提升也會帶動社會福利、教育水平以及公共設施的逐步發展和健全，國民素質的提升反過來也會提高環保意識，提升城市綠化。這也表明了人口密度與地均建筑業增加值對空氣質量的影響并不算顯著在2017年產生的原因。

空氣質量在不同的經濟區域內差異明顯，南部沿海經濟區和東部沿海綜合經濟區作為目前國內經濟發展的領頭羊，同時也在空氣質量上領先于全國其他地區?？諝赓|量較差的黃河中游綜合經濟區和東北綜合經濟區作為老牌的工業重地面臨著產業轉型的需要。

為此需要加強工業企業排污管制。一方面鼓勵工業化促進經濟發展創造就業機會，另一方面則要嚴格監督工業排放對環境造成的污染，鼓勵使用清潔能源，加強工業排污分類回收。提升地區政府的監管力度與工業企業自身環保意識。推動產業轉型。在維持工業發展的同時，要積極推進第三產業發展，大力開發各地旅游資源，提高城市綠化水平。

參考文獻：

[1] 姜磊，周海峰，柏玲，陳忠升.空氣質量指數（AQI）的社會經濟影響因素分析——基于指數衰減效應視角[J].環境科學學報，2018，38（1）：390-398.

[2] 李茜，宋金平，張建輝，于偉，胡昊.中國城市化對環境空氣質量影響的演化規律研究[J].環境科學學報，2013，33（9）：2402-2411.

[3] 李經路，曾天.北京空氣質量影響因素的主成分分析——來自于2000—2011年的經驗數據[J].生態經濟，2017，33（01）：167-171，189.

[4] 柳敏，徐自華，吳曉晨，孟鑫鑫.社會經濟發展模式對區域空氣環境質量的影響研究——以海南省為例[J].中國人口·資源與環境，2013，23（S2）：499-502.

[5] 楊肅昌，馬素琳.城市經濟增長對空氣質量的影響——基于省會城市面板數據的分析[J].城市問題，2015，（12）：4-11.

[6] 李靜萍，周景博.工業化與城市化對中國城市空氣質量影響路徑差異的研究[J].統計研究，2017，34（4）：50-58.

[7] 張帥.北京市產業結構調整與空氣質量變動的關聯研究[D].首都經濟貿易大學，2017.