城市創(chuàng)新能夠驅散霧霾嗎？

任亞運 張廣來

摘要中國多城市群大范圍持續(xù)遭遇霧霾等空氣環(huán)境問題，不僅嚴重影響著人民生活健康，同時成為制約中國社會經(jīng)濟發(fā)展的主要瓶頸。創(chuàng)新驅動作為引領發(fā)展的重要源泉，是治理城市霧霾的重要手段。因此，本文利用2004—2016年中國地級市PM2.5濃度、創(chuàng)新等數(shù)據(jù)，基于STIRPAT模型，通過空間計量方法在同時考慮空間橫向維度及時間縱向維度下就中國城市創(chuàng)新對霧霾的影響進行了實證分析，并進一步從城市創(chuàng)新對霧霾的動態(tài)效應、作用距離閾值等多個角度進行了穩(wěn)健性檢驗。實證結果表明：①中國城市霧霾污染呈現(xiàn)明顯的空間溢出效應和高排放俱樂部集聚特征。②中國城市創(chuàng)新具有積極的減霾作用。從橫向空間維度來看表現(xiàn)為積極的空間溢出效應，但存在一定的有效距離閾值。從縱向時間維度來看，減霾效應整體存在邊際遞減態(tài)勢。③交通便利化及能源效率的提高有效抑制了城市霧霾污染的加劇，以煤為主的能源結構仍是城市霧霾污染加劇的一大誘因。基于上述事實，本文提出以下政策建議：中國在城市霧霾治理過程中應實施科學規(guī)劃，布局聯(lián)防聯(lián)控。防止城市“單邊”治霾努力成果被周邊城市的“泄漏效應”所削減;聚集創(chuàng)新要素，打造創(chuàng)新型城市引擎。在城市群內(nèi)部形成創(chuàng)新競爭、合作機制，創(chuàng)新重塑城市群發(fā)展模式以緩解城市霧霾污染;考慮到城市創(chuàng)新對于霧霾治理紅利存在邊際遞減態(tài)勢，除上述減霾渠道外，治霾政策仍需堅持從源頭著手，優(yōu)化產(chǎn)業(yè)、能源結構，促進能效、路效提高，最終成就美麗城市。

關鍵詞 城市創(chuàng)新;霧霾;空間效應

近年來，隨著霧霾問題日趨嚴重，以2013年9月中國國務院頒布實施《大氣污染防治行動計劃》（簡稱“大氣十條”）為明顯起點，中國環(huán)境治理力度不斷升級，城市空氣質(zhì)量逐步得到改善，城市霧霾天氣出現(xiàn)頻次和覆蓋范圍相對減少。但由于不同地區(qū)霧霾成因各異、復合型特征突出，城市霧霾近兩年又呈現(xiàn)卷土重來之勢，自2018年10月中旬開始，京津冀部分地區(qū)再現(xiàn)霧霾天氣，10個城市拉響重污染應急警報，霧霾污染再次成為全社會最為關注的環(huán)境問題。城市霧霾污染既是環(huán)境問題，也是一個重大經(jīng)濟問題。2007年世界銀行重新評估2003年空氣污染物中PM10造成的健康總成本均值為1570億～52900億元[1]。自20世紀90年代初起，大量學者和研究人員也從宏觀層面對中國環(huán)境損失中的空氣污染損失進行了研究，損失的估算范圍從44億～986億元不等。此后，越來越多學者對中國顆粒物污染的經(jīng)濟損失進行了評估和實證分析[2-5]，研究結果均發(fā)現(xiàn)霧霾對城市的發(fā)展帶來了巨大的經(jīng)濟損失。如何緩解并有效改善以霧霾為主的城市環(huán)境問題是保護地區(qū)環(huán)境、提升經(jīng)濟發(fā)展質(zhì)量和推進治理能力現(xiàn)代化的內(nèi)在需求。創(chuàng)新驅動作為新時代背景下的一種城市發(fā)展戰(zhàn)略，不僅能夠通過新技術創(chuàng)新破解城市病，還可以通過城市整體創(chuàng)新力的提高，變革城市治理模式，提升城市資源配置和利用效率，最終改善城市霧霾等環(huán)境污染狀況[6]。因此，結合供給側改革要求，讓創(chuàng)新盡快發(fā)揮霧霾治理的最大功效無疑是兼顧綠水青山與金山銀山的另一可行路徑。

1文獻綜述

目前學界針對中國霧霾影響因素的實證研究主要集中在以下兩方面：①綜合考量多種霧霾驅動因素的研究。在多因素綜合考量方面，除少部分學者基于投入產(chǎn)出法對中國霧霾污染的社會經(jīng)濟驅動因素進行探討外[7-8]，大部分學者則選用計量工具分析影響霧霾污染的綜合動因[9]，這其中又分為不考慮空間效應的計量回歸分析[10-11]和考慮空間溢出效應的計量回歸分析[12-14]。②著重于某一特定因素對霧霾影響的研究。在該方面學者多選取諸如經(jīng)濟增長、貿(mào)易開放度、城鎮(zhèn)化水平、產(chǎn)業(yè)集聚等指標作為核心驅動因素來考察其對霧霾的影響，計量方法同樣分為兩大塊，即不考慮空間因素[15-18]和考慮空間因素[19-22]，除此之外，也有部分學者在傳統(tǒng)因素的基礎上選擇以輿情、文本等作為驅動因素進行研究[23]。

但是就本文對現(xiàn)有文獻的梳理來看：①雖然數(shù)據(jù)可得性在逐步提高，但研究單位劃分仍較為粗糙，無論是對霧霾的綜合影響因素還是某一特定影響因素的研究大多停留在省際層面，然而空間計量方法應用的基礎需要多個地理單位間存在空間相關性，地理單位面積過大會削弱該方法應用的經(jīng)濟學基礎，尤其對于幅員遼闊的中國，這種削弱可能更為明顯。②就霧霾的特定影響因素來看，對于創(chuàng)新這一對供給側改革及經(jīng)濟高質(zhì)量發(fā)展具有強勁動力的因素鮮有涉及。③以往考慮到空間因素的研究，重心多集中于橫向的空間溢出效應，在縱向的時間維度進行動態(tài)考量的仍較少。

為此，本文可能的邊際貢獻如下：①本文在統(tǒng)籌考慮數(shù)據(jù)質(zhì)量的前提下，盡可能擴大橫向樣本單位數(shù)，使用中國地級市層面的面板數(shù)據(jù)進行研究，提高了將空間計量方法應用于本文的可靠性。②本文著重考慮創(chuàng)新這一有助于實現(xiàn)經(jīng)濟高質(zhì)量發(fā)展的關鍵因素，是對研究視角的有益補充。③本文研究兼顧了橫向地理維度的空間效應和縱向時間維度的空間效應變化情況，更為全面的探討了城市創(chuàng)新對霧霾影響的“真正”時空效應。

2空間溢出效應檢驗及作用機制闡述

2.1城市霧霾的空間溢出效應檢驗

在城市霧霾污染衡量方面，本文以PM2.5指標來衡量城市霧霾污染。但考慮到中國官方發(fā)布PM2.5數(shù)據(jù)是在2012年之后，因此本文采用由哥倫比亞大學社會經(jīng)濟數(shù)據(jù)和應用中心公布的全球衛(wèi)星PM2.5濃度年均值的柵格數(shù)據(jù)解析所得中國地級市年均PM2.5濃度數(shù)值作為城市霧霾污染的衡量指標[24]。

本文采用ESDA中的全域空間相關性指數(shù)對城市霧霾的空間溢出效應進行檢驗，其通常采用MoransI和GearysC指數(shù)進行測度，計算公式分別為：

其中n表示本文所選取284個地級市，wij為空間權重矩陣，x和分別為城市PM2.5濃度及所有城市PM2.5濃度均值。MoransI指數(shù)經(jīng)過方差歸一化之后，它的值會介于-1～1之間。I>0表示空間正相關性，其值越大，空間相關性越明顯;I<0表示空間負相關性，其值越小，空間差異越大;I=0，空間則呈隨機性。GearysC指數(shù)的取值一般介于0～2之間，當C>1時表示負相關，C<1時表示正相關。為對城市霧霾污染的空間相關性進行系統(tǒng)考察，本文構建了以下三種空間權重矩陣。

第一種為基于Queen鄰接規(guī)則，利用地圖邊界矢量數(shù)據(jù)構造的應用最為廣泛的地理近鄰權重矩陣，其元素wij=1，當城市i和j擁有共同邊界

0，當城市i和j無共同邊界或i=j

考慮到地理因素并不是產(chǎn)生空間效應的唯一因素，還可以從經(jīng)濟屬性角度出發(fā)設置空間權重矩陣。本文構建的第二種權重矩陣為基于經(jīng)濟差距絕對值倒數(shù)的經(jīng)濟距離權重矩陣，其元素wij為樣本年間i城市人均GDP均值與j城市人均GDP均值絕對差值的倒數(shù)，即考慮到上述單一地理或經(jīng)濟權重矩陣存在的局限性，借鑒朱平芳、張征宇和姜國麟[25]思路，在各城市地理近鄰城市中以其各近鄰城市GDP占其所有近鄰城市GDP總和之比構建第三種地理經(jīng)濟綜合空間權重矩陣i和j擁有共同邊界0，i和j無共同邊界或i=j基于上述三種空間權重矩陣的中國城市PM2.5全域空間相關性檢驗結果如表1所示。

由表1可以看出在地理近鄰權重矩陣和地理經(jīng)濟綜合權重矩陣下，城市PM2.5的MoransI指數(shù)均大于0，GearysC指數(shù)均小于1，并且兩者均在1%的水平顯著，這表明中國城市霧霾污染的分布都呈現(xiàn)“高-高”型集聚和“低-低”型集聚的空間正相關分布特點。但同時可以發(fā)現(xiàn)在純經(jīng)濟距離權重矩陣下，城市PM2.5的MoransI和GearysC指數(shù)均不顯著，表明城市霧霾污染的空間相關性主要是在地理空間關聯(lián)及地理、經(jīng)濟的綜合空間關聯(lián)特征上予以體現(xiàn)的而不體現(xiàn)在單純經(jīng)濟發(fā)展差異上的空間特性。故本文后續(xù)空間計量分析僅基于地理近鄰權重矩陣和地理經(jīng)濟綜合權重矩陣進行考慮。

2.2機制闡述

黨的十九大明確提出要“構建市場導向的綠色技術創(chuàng)新體系”。生態(tài)環(huán)境領域的技術創(chuàng)新對于持續(xù)改善生態(tài)環(huán)境和助力經(jīng)濟“爬坡邁坎”具有重要作用，技術進步和創(chuàng)新是一個經(jīng)濟體實現(xiàn)長期可持續(xù)經(jīng)濟增長的關鍵。借鑒石大千等[6]，本文梳理城市創(chuàng)新對霧霾的影響機制如下：

（1）城市創(chuàng)新可以通過技術效應促進技術進步緩解城市霧霾。一方面，可以由前端預防渠道將技術創(chuàng)新所提供的清潔生產(chǎn)技術以及環(huán)保產(chǎn)品應用于能源系統(tǒng)和生產(chǎn)系統(tǒng)中，能夠從本質(zhì)上提高企業(yè)資源生態(tài)使用效率，提升城市霧霾污染防控水平，從而降低城市霧霾污染。另一方面，創(chuàng)新程度較高的城市具有智能化的污染監(jiān)控平臺，通過實時監(jiān)測，在中端過程提高城市對企業(yè)排放監(jiān)控以及企業(yè)對自身排放的監(jiān)控力度和污染信息獲取能力，緩解致霾物的排放。最后，高創(chuàng)新力城市可以從終端借助其高技術研發(fā)能力幫助企業(yè)提升污染處理能力，清潔能源研發(fā)能力，通過技術促進能源利用率的提高和能源結構的優(yōu)化，減少致霾物排放[26]。

（2）城市創(chuàng)新可以通過配置效應優(yōu)化資源配置和提高能源利用效率緩解城市霧霾。城市創(chuàng)新指數(shù)較高的城市技術密集型的低污染行業(yè)往往比較發(fā)達，這類新興產(chǎn)業(yè)通過引領資本、勞動、技術和信息等要素由傳統(tǒng)產(chǎn)業(yè)向技術密集型低污染產(chǎn)業(yè)流動和集聚，有利于優(yōu)化產(chǎn)業(yè)和資源配置結構，提高配置效率和全要素生產(chǎn)率，最終緩解由于要素市場扭曲導致的資源配置不合理進而產(chǎn)生的能源效率損失[27]，緩解低能效導致污染物排放這一重要問題[28]。同時，創(chuàng)新指數(shù)高的城市往往具有高科技龍頭企業(yè)引領。這些企業(yè)利用其大數(shù)據(jù)分析能力、信息技術對市場需求模式實行及時捕獲，能夠更加貼近市場需求，在微觀層面對企業(yè)資本、勞動力和能源等生產(chǎn)資源靈活調(diào)度，提升企業(yè)資源利用效率以降低廢棄污染物排放，進而減少環(huán)境污染[29]，緩解城市霧霾現(xiàn)象。

（3）城市創(chuàng)新還可以通過結構效應促進新要素和新興產(chǎn)業(yè)發(fā)展緩解城市霧霾。城市創(chuàng)新發(fā)展的主要驅動力是知識、技術等要素，與傳統(tǒng)依靠勞動、資本等要素投入產(chǎn)業(yè)不同，這些要素具有擴散成本低、邊際收益遞增和規(guī)模報酬遞增等特點[30]。城市產(chǎn)業(yè)結構的升級將大幅削減、淘汰污染行業(yè)和企業(yè)所使用的傳統(tǒng)高耗能和高污染要素，改變、優(yōu)化污染行業(yè)和企業(yè)的要素投入結構，直接減少致霾物的排放，緩解城市霧霾污染[31]。

本文還將研究視角拓展至空間溢出方面，由于城市通過創(chuàng)新機制改善當?shù)仂F霾污染的努力具有正的外部性，這可能導致兩種截然不同的結果：①城市自身通過創(chuàng)新機制經(jīng)由上述三種渠道改善當?shù)仂F霾污染的努力有可能激發(fā)鄰近地區(qū)環(huán)境治理中的“搭便車”行為，這有可能削弱臨近城市自身治霾的努力程度，反而不利于周邊城市的霧霾污染治理，即對城市自身霧霾緩解有利，對周邊城市霧霾污染反而適得其反。②城市自身通過創(chuàng)新機制經(jīng)由上述三種渠道改善當?shù)仂F霾污染的努力可能通過示范效應和警示效應促使周邊地區(qū)加強創(chuàng)新投入及環(huán)境規(guī)制力度而有助于霧霾治理。最終，城市自身創(chuàng)新對鄰近城市霧霾污染的影響取決于該兩種效應的相對大小程度，這也是本文接下來實證部分著重驗證的問題。上述城市創(chuàng)新對本地及周邊城市霧霾的綜合影響機制可以歸納如下圖1。

3計量模型設定與變量數(shù)據(jù)說明

3.1計量模型設定

STIRPAT模型不僅保留了IPAT方程中的人口、經(jīng)濟、技術，還引入了隨機變動因素。本文在其基礎上引入城市創(chuàng)新指數(shù)變量，以研究其對城市霧霾污染的影響，為避免遺漏變量誤差，本文還引入了和城市霧霾污染息息相關的產(chǎn)業(yè)結構、能源結構、交通便利化、外商直接投資等控制變量。

關于模型的構建，本文主要首先構建了不考慮空間效應的標準計量回歸模型作為對比，其計量回歸模型為：

已有研究亦顯示，在創(chuàng)新系統(tǒng)中，由于技術的非排他性、可轉移性和可傳播性[34]，一城市的創(chuàng)新活動也可能對另一城市的霧霾污染產(chǎn)生影響。任何忽略空間相關性的計量、檢驗都可能產(chǎn)生有偏估計。因此，本文在式（5）基礎上又構建了考慮空間效應的空間計量模型來分析城市霧霾污染及創(chuàng)新的空間關聯(lián)效應，具體模型如下：

其中，wij為空間權重矩陣;μit為殘差;ρ和φ分別為空間自回歸系數(shù)和空間自相關系數(shù);X為式（5）所包含的核心變量和控制變量在內(nèi)的自變量向量，式（6）代表包含了各種空間效應的一般嵌套模型（GNS）。

城市間霧霾空間依賴關系的產(chǎn)生源于三類不同的空間交互效應：一是若ρ≠0、θ=0、φ=0，則式（6）為空間自回歸模型（SAR），代表不同城市被解釋變量間的內(nèi)生交互效應;二是若ρ=0、θ=0、φ≠0，則式（6）為空間誤差模型（SEM），代表不同城市誤差項間的交互效應;三是若ρ≠0、θ≠0、φ=0，則式（6）為空間杜賓模型（SDM），其綜合考慮了不同城市解釋變量和被解釋變量的空間滯后因素[35-36]。在實際計量檢驗中，本文重點在于城市創(chuàng)新對霧霾污染的空間溢出作用，因而將著重研究SEM、SAR、SDM模型，并通過科學的判定規(guī)則確定本文最終適用的空間計量模型。

3.2變量選取及數(shù)據(jù)來源

基于數(shù)據(jù)可得性和質(zhì)量可靠性，本文樣本為2004—2016年全國284個地級及以上城市。其中城市霧霾數(shù)據(jù)來源于哥倫比亞大學社會經(jīng)濟數(shù)據(jù)和應用中心公布的基于衛(wèi)星監(jiān)測的全球PM2.5濃度年均值的柵格數(shù)據(jù)處理后的地級市年均濃度數(shù)據(jù);城市創(chuàng)新指數(shù)來源于復旦大學產(chǎn)業(yè)發(fā)展研究中心公布的中國城市創(chuàng)新指數(shù)[37]。人口、經(jīng)濟、技術、產(chǎn)業(yè)結構、能源結構、交通便利化、外商直接投資等控制變量主要來源于2005—2017年《中國城市統(tǒng)計年鑒》、《中國區(qū)域經(jīng)濟統(tǒng)計年鑒》以及國泰安、萬得等數(shù)據(jù)庫，部分缺失值為作者運用插值法所補充，所有以金額為單位的數(shù)據(jù)均基于2004年各省GDP平減指數(shù)予以平減，所有外商投資數(shù)據(jù)均以當年外匯均價進行換算。最后，本文對所有數(shù)據(jù)都進行了對數(shù)化處理，對所有變量進行了雙側1%縮尾處理。中國城市統(tǒng)計年鑒中煤炭直接相關數(shù)據(jù)缺失，但鑒于中國“富煤貧油少氣”的資源稟賦特征和相對低廉的煤炭價格導致的中國電力生產(chǎn)對煤炭的高度依賴性，故本文借鑒韓峰和謝銳[36]思路，首先根據(jù)各城市統(tǒng)計年鑒電力、天然氣、液化石油氣數(shù)據(jù)進行折算各種能源折標煤系數(shù)來源于中國能源統(tǒng)計年鑒;煤電發(fā)電比例來源于歷年《中國電力年鑒》，及手工查閱補充。，然后計算能源結構和能源效率指標，具體過程為：

式中，a為用電量，b為煤電發(fā)電比例，c為電力折標煤系數(shù)，d為煤氣供氣總量，e為煤氣折標煤系數(shù)，f為液化石油氣供氣總量，g為液化石油氣折標煤系數(shù)。各指標具體描述如表2。

4實證結果分析及穩(wěn)健性檢驗

4.1實證結果與分析

本文借鑒Elhorst等[38]、韓峰和謝銳[36]的檢驗思路，采用“一般到具體”的方法對空間計量模型進行檢驗，確認SDM模型是否會退化為SAR和SEM模型。結果如表3所示。

表3中同時列出了普通面板回歸結果以及在兩種空間權重矩陣下SEM、SAR和SDM模型的回歸結果。

通過對比不考慮空間效應的普通面板回歸結果和考慮空間效應的空間面板回歸結果系數(shù)發(fā)現(xiàn)，在考慮空間效應后，無論是何種空間權重矩陣，系數(shù)絕對值都明顯變小，說明不考慮空間效應的情況下，會明顯高估當?shù)貏?chuàng)新對霧霾污染的抑制效果，通過對比普通面板回歸和第（2）、（3）、（5）、（6）列的結果可以看到（2）、（3）、（5）、（6）各模型中空間自回歸系數(shù)ρ，均在1%水平高度顯著，進一步佐證了本文加入空間因素考慮的必要性。第（2）、（3）、（5）、（6）列中空間自回歸系數(shù)ρ和第（1）、（4）列中空間自相關系數(shù)φ均在1%水平顯著為正，這表明中國各個城市的霧霾污染在空間交互作用下存在明顯的空間依賴關系，也再一次證明了中國城市間霧霾污染存在明顯的空間集聚特征，表現(xiàn)出“一榮俱榮，一損俱損”的特征[12]。以第（3）和第（6）列為例，在兩種權重矩陣設定下，鄰近城市霧霾污染濃度每提高1%，本城市的霧霾污染同時會提高約0.9%。上述結果表明針對霧霾污染的治理應該統(tǒng)籌考慮，采取區(qū)域“聯(lián)防聯(lián)控”策略，否則將有可能出現(xiàn)城市間霧霾污染的“泄漏效應”，最終導致“單邊”治霾努力徒勞無功。進一步橫向比較（2）和（3）、（5）和（6）模型中空間自回歸系數(shù)ρ估計值，可以看出SDM模型估計系數(shù)都小于SAR模型，說明忽視解釋變量空間滯后項將導致內(nèi)生空間交互效應的高估。最后，綜合考慮到擬合優(yōu)度、自然對數(shù)函數(shù)值以及LR檢驗，對上述各類空間模型進行判斷和選擇，SDM模型為適合本文實證研究的模型。

在傳統(tǒng)普通面板模型回歸中，參數(shù)估計反映的是各解釋變量變化對城市霧霾污染的邊際影響，但是在引入空間因素即包含全局效應設定的SDM模型情況下，變量的參數(shù)估計不再代表其對城市霧霾污染的邊際影響。此時通過使用點估計（ρ、θ）來判斷是否存在空間溢出效應可能導致錯誤的結論。此時，變量變化的偏微分解釋更能夠合理檢驗是否存在空間溢出效應的假設[39]。表4為根據(jù)表3第（3）和第（6）列對參數(shù)估計進行效應分解后結果。其中，直接效應反映了本城市創(chuàng)新等解釋變量對城市自身霧霾污染的影響;溢出效應則表示鄰近城市創(chuàng)新等解釋變量對本城市霧霾污染的影響。

從表4總體來看，兩種權重矩陣下同一因素的影響方向完全一致，顯著情況除產(chǎn)業(yè)結構略有差異外也均一致，故本文以地理近鄰權重矩陣為例，對相關結果進行解讀。

由本文所關注的核心解釋變量城市創(chuàng)新系數(shù)來看，無論是直接效應、溢出效應還是總效應，均顯著為負。根據(jù)本文機制部分：①城市創(chuàng)新可能通過技術效應促進生產(chǎn)、節(jié)能、環(huán)保等技術的進步來改善城市霧霾污染。城市創(chuàng)新的技術效應通過將引致的清潔生產(chǎn)技術應用于能源、生產(chǎn)系統(tǒng)，會從源頭提高企業(yè)能源、資源使用效率，在生產(chǎn)流程前端實現(xiàn)預防，提升城市企業(yè)環(huán)境污染的防治和治理水平，達到抑制城市霧霾污染的效果[6]。②城市創(chuàng)新可能通過引導要素流動、糾正資源錯配的配置效應改善城市霧霾污染。低污染型行業(yè)的發(fā)展會引導資本、勞動、技術和信息等要素向這些領域流動和集聚，實現(xiàn)新興產(chǎn)業(yè)和傳統(tǒng)產(chǎn)業(yè)資源配置結構優(yōu)化，在提高配置效率的同時還會倒逼傳統(tǒng)污染行業(yè)和企業(yè)升級，通過“鯰魚效應”優(yōu)化污染行業(yè)和企業(yè)的資源配置效率，最終整體上改善城市霧霾污染等環(huán)境問題。③城市創(chuàng)新還可能通過增加新興要素投入和提高新興產(chǎn)業(yè)占比的結構效應降低城市霧霾污染。城市創(chuàng)新驅動引致的新要素投入通過加快其與傳統(tǒng)產(chǎn)業(yè)融合，優(yōu)化傳統(tǒng)產(chǎn)業(yè)、產(chǎn)品結構，提高傳統(tǒng)行業(yè)能源效率和運行效率，進而推動傳統(tǒng)產(chǎn)業(yè)快速、高效地實現(xiàn)改造升級，最終實現(xiàn)低能耗、低排放[40-41]。另外，城市創(chuàng)新對周邊城市霧霾污染的影響可能體現(xiàn)在兩方面：一城市通過創(chuàng)新機制改善城市霧霾污染的努力具有正的外部性，有可能激發(fā)鄰近地區(qū)環(huán)境治理中的“搭便車”行為，這有可能削弱臨近城市自身治霾的努力程度，反而不利于周邊城市的霧霾污染治理;城市的創(chuàng)新行為和霧霾污染事件，還可能通過示范效應和警示效應促使周邊地區(qū)加強創(chuàng)新投入及環(huán)境規(guī)制力度而有助于霧霾治理。城市創(chuàng)新對鄰近城市霧霾污染的影響最終效應取決于該兩種效應的相對大小程度，由本文創(chuàng)新回歸結果系數(shù)可知，示范效應和警示效應明顯占優(yōu)，城市的創(chuàng)新不僅有利于當?shù)仂F霾污染的緩解，同時有利于臨近城市的霧霾改善。

由其他控制變量系數(shù)來看：①能源效率系數(shù)無論是在直接效應、溢出效應還是總效應下，均顯著為負。說明提高能效是控制霧霾的關鍵，節(jié)能減排雖然可以通過減少能源使用來減少霧霾污染，但在保持一定經(jīng)濟增速的情形下，能源使用必然不可能大幅減少，城市霧霾污染若想減少一個量級，提高能效才是更為有效的途徑。②能源結構的系數(shù)無論是在直接效應、溢出效應還是總效應下，均顯著為正。近年來，部分電力企業(yè)試圖通過引進價格低廉的低卡進口煤與優(yōu)質(zhì)煤摻雜使用的方式來降低成本，基于成本考量，這種行為可能導致鄰近城市爭相效仿，造成“片狀區(qū)域”能源結構集體惡化，而低卡的進口煤尤其是褐煤（煤化程度最低的礦產(chǎn)煤）對PM2.5的貢獻度極高[19]，該種情形必然會進一步惡化當?shù)丶爸苓叧鞘徐F霾污染狀況。③交通便利化程度系數(shù)無論是在溢出效應還是總效應下，均顯著為負。同樣交通運輸量的情況下，交通便利化程度越高，交通擁堵程度便越輕，會有利于機動車燃料的充分燃燒，極大減少致霾物的排放。④模型中其他變量的直接效應和溢出效應參數(shù)估計均未通過顯著性檢驗，說明在本文研究中，這些變量對城市霧霾污染并未產(chǎn)生明顯影響。

4.2穩(wěn)健性檢驗

4.2.1動態(tài)效應檢驗

在前文對城市霧霾及創(chuàng)新的空間效應進行橫向檢驗分析后，本文進一步在模型設定中考慮創(chuàng)新的直接效應、溢出效應及總效應隨時間的動態(tài)變化。具體模型設定如下：

其中year為年度虛擬變量，Xit為除城市創(chuàng)新外的其他控制變量向量，其他變量與前文保持一致，圖2為根據(jù)兩種權重矩陣下分解所得城市年度創(chuàng)新效應系數(shù)對時間進行繪圖。橫軸為年份，縱軸為城市創(chuàng)新的減霾效應，其絕對值越大說明減霾效應越強，絕對值越小說明減霾效應越弱。

根據(jù)公式（7）進行動態(tài)效應分解后，所有年份期間，在兩種權重矩陣下，城市創(chuàng)新的直接效應、溢出效應和總效應系數(shù)全部高度顯著為負，系數(shù)絕對值大小隨著時間推移大致呈現(xiàn)遞減狀態(tài)。具體波動情況可以由圖2直觀看出，本文以圖2（a）地理近鄰權重矩陣為例進行解讀。

由圖2上半部分可以看出，從本文樣本起始年份2004年來看，城市創(chuàng)新對霧霾的抑制效應無論從直接還是溢出角度來看相對后續(xù)年份效果來說更為顯著。①2004—2007年間，創(chuàng)新對霧霾的削減作用逐步減小，這與2003年中國進入市場導向的重工業(yè)化階段，重工業(yè)是煤炭消耗“大戶”產(chǎn)業(yè)、能源結構惡化，創(chuàng)新對霧霾的治理作用受到一定程度抑制相關。②在2007和2008年左右，創(chuàng)新對霧霾的削減作用有小幅回升，可能原因為2007年為抑制經(jīng)濟過熱，中國出臺了一系列鼓勵創(chuàng)新節(jié)能減排相關政策，也與部分重工業(yè)于2008年金融危機受到重創(chuàng)相關，創(chuàng)新作用再次得到釋放。③2012—2013年城市創(chuàng)新對霧霾的削弱作用由于經(jīng)濟復蘇，短期減弱之后，又由于2013年之后中國政府大力度發(fā)布了一系列包括“大氣十條”、《大氣污染防治目標責任書》在內(nèi)的高強度環(huán)境規(guī)制政策，城市創(chuàng)新對霧霾污染的減緩作用得以再次借力，減霾效應逐步回升。

4.2.2更換被解釋變量檢驗

為進一步檢驗本文回歸結果所得城市創(chuàng)新可以改善霧霾污染事實的穩(wěn)健性，本文選取城市工業(yè)SO2排放量替換城市霧霾作為被解釋變量后再次進行固定效應的空間杜賓模型回歸，通過效應分解結果發(fā)現(xiàn)更換被解釋變量為SO2后，本文所關注的核心解釋變量城市創(chuàng)新無論是直接效應、溢出效應還是總效應，結果顯著性與方向均與前文回歸保持一致，僅顯著性水平略有差異，其他控制變量結果也基本與前文保持一致，證明本文回歸結果較為穩(wěn)健鑒于篇幅，該部分未展示具體回歸結果，如有需要可向作者索取。

4.2.3城市創(chuàng)新對霧霾溢出效應的空間邊界分析

鑒于城市創(chuàng)新在信息空間傳遞中的衰減性，本部分進一步通過設置不同閾值的逆距離矩陣來檢驗城市創(chuàng)新對霧霾的溢出效應的有效范圍。此時空間權重矩陣為0，當i=j，其d2ij為不同城市間的距離的平方，D為城市間距離閾值。考慮到只有在一定距離門檻之上才能保證各城市均至少有一“鄰近”的城市，故本文的距離閾值選擇以400km為起點，每100km進行一次計算，實證結果發(fā)現(xiàn)在距離閾值達到1200km時城市創(chuàng)新對霧霾的溢出效應變得不在顯著。具體結果見下表5。

表5結果表明城市創(chuàng)新對城市霧霾的溢出效應有一定的空間距離閾值限制，在該閾值之上，由于空間距離過大而產(chǎn)生的衰減將使得城市創(chuàng)新對霧霾的溢出效應變得不再顯著，這也表明在發(fā)揮城市創(chuàng)新的區(qū)域協(xié)同治霾作用時應統(tǒng)籌考慮到區(qū)域協(xié)同范圍大小，使城市創(chuàng)新對霧霾的溢出效應最大化。

5結論與政策建議

5.1結論

本文運用固定效應空間杜賓模型，在時空雙維度視角下，就城市創(chuàng)新對霧霾的影響進行了實證檢驗。結果表明：①中國城市霧霾污染呈現(xiàn)明顯的空間溢出效應和高排放俱樂部集聚特征，周邊城市霧霾污染將顯著加劇本城市霧霾污染程度。②中國城市創(chuàng)新具有積極的減霾作用，不僅城市自身創(chuàng)新有顯著減霾效應，周邊城市創(chuàng)新活動對本城市霧霾污染也具有顯著的積極溢出效應，而且其效應值還要大于直接效應，但存在一定的有效距離閾值，在閾值之上，由于空間距離過大而產(chǎn)生的衰減將使得城市創(chuàng)新對霧霾的溢出效應變得不再顯著。從縱向時間維度來看，減霾效應總體呈現(xiàn)邊際遞減態(tài)勢，即隨著時間推移，創(chuàng)新抑制城市霧霾污染的邊際紅利遞減，但在外部沖擊下仍有回升。③交通便利化及能源效率的提高有效抑制了霧霾污染的加劇，以煤為主的能源結構仍是霧霾污染加劇的一大誘因。

5.2政策建議

本研究具有一定的政策意義：①實施科學規(guī)劃，布局聯(lián)防聯(lián)控。減霾政策應將空間溢出因素考慮在內(nèi)，推動區(qū)域內(nèi)各城市對區(qū)域整體利益達成共識，打破行政區(qū)域的界限，統(tǒng)籌規(guī)劃，實施聯(lián)防聯(lián)控策略，在總體環(huán)境約束條件下實現(xiàn)區(qū)域內(nèi)部各城市的經(jīng)濟成本最小化，最終達到共同控制復合型環(huán)境污染的目的。②聚集創(chuàng)新要素，打造創(chuàng)新型城市引擎。本文結果也顯示城市創(chuàng)新對于霧霾治理具有積極的直接及溢出效應，且溢出效應絕對值還大于直接效應。因此，需要在城市群內(nèi)部形成創(chuàng)新競爭、合作機制，對區(qū)域內(nèi)各城市利益科學調(diào)配，通過科技、制度創(chuàng)新重塑城市群發(fā)展模式，促進城市群協(xié)同創(chuàng)新發(fā)展，最終實現(xiàn)“一攬子”減霾效果。③提升能效、路效，促進城市霧霾量級減少。隨著時間推移，城市創(chuàng)新對霧霾治理的邊際紅利趨于弱化，因此，在實施創(chuàng)新驅動，科學治霾過程中，仍應重視提升能源效率，早日實現(xiàn)城市碧水藍天。

（編輯：于杰）

參考文獻

[1]張世秋，黃德生.控制細顆粒污染減緩環(huán)境健康損害[J].環(huán)境保護，2011（16）：25-26.

[2MATUSK，NAMKM，SELINNE，etal.HealthdamagesfromairpollutioninChina[J].Globalenvironmentalchange，2012，22（1）：55-66.

[3HUANGD，XUJ，ZHANGS.ValuingthehealthrisksofparticulateairpollutioninthePearlRiverDelta，China[J].Environmentalscience&policy，2012，15（1）：38-47.

[4]穆泉，張世秋.2013年1月中國大面積霧霾事件直接社會經(jīng)濟損失評估[J].中國環(huán)境科學，2013，33（11）：2087-2094.

[5]潘小川.關注中國大氣灰霾（PM2.5）對人群健康影響的新常態(tài)[J].北京大學學報（醫(yī)學版），2015，47（3）：377-379.

[6]石大千，丁海，衛(wèi)平，等.智慧城市建設能否降低環(huán)境污染[J].中國工業(yè)經(jīng)濟，2018（6）：117-135.

[7GUAND，SUX，ZHANGQ，etal.ThesocioeconomicdriversofChinasprimaryPM2.5emissions[J].Environmentalresearchletters2014，9（2）：024010.

[8MENGJ，LIUJ，XUY，etal.TracingprimaryPM2.5emissionsviaChinesesupplychains[J].Environmentalresearchletters2015，10（5）：054005.

[9]李欣，曹建華.環(huán)境規(guī)制的污染治理效應：研究述評[J].技術經(jīng)濟，2018，37（6）：83-92.

[10]齊園，張永安.北京三次產(chǎn)業(yè)演變與PM2.5排放的動態(tài)關系研究[J].中國人口·資源與環(huán)境，2015，25（7）：15-23.

[11]陳詩一，陳登科.能源結構、霧霾治理與可持續(xù)增長[J].環(huán)境經(jīng)濟研究，2016（1）：59-75.

[12]邵帥，李欣，曹建華，等.中國霧霾污染治理的經(jīng)濟政策選擇——基于空間溢出效應的視角[J].經(jīng)濟研究，2016，51（9）：73-88.

[13]楊冕，王銀.長江經(jīng)濟帶PM2.5時空特征及影響因素研究[J].中國人口·資源與環(huán)境，2017，27（1）：91-100.

[14]刁貝娣，丁鐳，蘇攀達，等.中國省域PM2.5濃度行業(yè)驅動因素的時空異質(zhì)性研究[J].中國人口·資源與環(huán)境，2018，28（9）：52-62.

[15]劉伯龍，袁曉玲，張占軍.城鎮(zhèn)化推進對霧霾污染的影響——基于中國省級動態(tài)面板數(shù)據(jù)的經(jīng)驗分析[J].城市發(fā)展研究，2015，22（9）：23-27，80.

[16]雷平，高青山，趙連榮.經(jīng)濟發(fā)展與細顆粒物污染的關系——以中國112個環(huán)保重點城市為例[J].城市問題，2016（5）：56-62.

[17]代麗華.貿(mào)易開放如何影響PM2.5——基于淮河兩岸供暖政策差異的因果效應研究[J].管理評論，2017，29（5）：237-245.

[18]蔡海亞，徐盈之.產(chǎn)業(yè)協(xié)同集聚、貿(mào)易開放與霧霾污染[J].中國人口·資源與環(huán)境，2018，28（6）：93-102.

[19]馬麗梅，張曉.中國霧霾污染的空間效應及經(jīng)濟、能源結構影響[J].中國工業(yè)經(jīng)濟，2014（4）：19-31.

[20]何楓，馬棟棟.霧霾與工業(yè)化發(fā)展的關聯(lián)研究——中國74個城市的實證研究[J].軟科學，2015，29（6）：110-114.

[21]東童童，李欣，劉乃全.空間視角下工業(yè)集聚對霧霾污染的影響——理論與經(jīng)驗研究[J].經(jīng)濟管理，2015，37（9）：29-41.

[22]于冠一，修春亮.遼寧省城市化進程對霧霾污染的影響和溢出效應[J].經(jīng)濟地理，2018，38（4）：100-108，122.

[23]李欣，楊朝遠，曹建華.網(wǎng)絡輿論有助于緩解霧霾污染嗎？——兼論霧霾污染的空間溢出效應[J].經(jīng)濟學動態(tài)，2017（6）：45-57.

[24VANDA，MARTINRV，BRAUERM，etal.GlobalannualPM2.5gridsfromMODIS，MISRandSeaWiFSaerosolopticaldepth（AOD）withGWR，1998-2016[R].2018.

[25]朱平芳，張征宇，姜國麟.FDI與環(huán)境規(guī)制：基于地方分權視角的實證研究[J].經(jīng)濟研究，2011，46（6）：133-145.

[26]王飛成，郭其友.經(jīng)濟增長對環(huán)境污染的影響及區(qū)域性差異——基于省際動態(tài)面板數(shù)據(jù)模型的研究[J].山西財經(jīng)大學學報，2014，36（4）：14-26.

[27]林伯強，杜克銳.要素市場扭曲對能源效率的影響[J].經(jīng)濟研究，2013，48（9）：125-136.

[28]金培振，張亞斌，彭星.技術進步在二氧化碳減排中的雙刃效應——基于中國工業(yè)35個行業(yè)的經(jīng)驗證據(jù)[J].科學學研究，2014，32（5）：706-716.

[29]王治東，張琳.技術·空間·資本·人——智慧城市的核心要素探究[J].自然辯證法通訊，2016，38（3）：99-104.

[30]劉克逸.產(chǎn)業(yè)信息化對我國產(chǎn)業(yè)結構升級的作用及政策取向[J].軟科學，2003（1）：27-30，38.

[31]鄧雅君，張毅.智慧城市建設對促進中國轉變經(jīng)濟發(fā)展方式的作用路徑[J].電子政務，2013（12）：2-8.

[32]EHRLICHPR，HOLDRENJP.Impactofpopulationgrowth[J].Science，1971，171（3977）：1212-1217.

[33YORKR，ROSAEA，DIETZT.STIRPAT，IPATandImPACT：analytictoolsforunpackingthedrivingforcesofenvironmentalimpacts[J].Ecologicaleconomics2003，46（3）：351-365.

[34]李文亮，許正中.考慮空間效應的高技術企業(yè)創(chuàng)新溢出效應研究[J].軟科學，2015，29（4）：1-4.

[35]HALLECKVS，ELHORSTJP.TheSLXmodel[J].Journalofregionalscience，2015，55（3）：339-363.

[36]韓峰，謝銳.生產(chǎn)性服務業(yè)集聚降低碳排放了嗎？——對我國地級及以上城市面板數(shù)據(jù)的空間計量分析[J].數(shù)量經(jīng)濟技術經(jīng)濟研究，2017，34（3）：40-58.

[37]寇宗來，劉學悅.中國城市和產(chǎn)業(yè)創(chuàng)新力報告2017[R].2017。

[38]ELHORSTJP.Matlabsoftwareforspatialpanels[J].Internationalregionalsciencereview，2014，37（3）：389-405.

[39]LESAGEJ，PACERK.Introductiontospatialeconometrics[M].ChapmanandHall/CRC，2009.

[40]徐盈之，孫劍.信息產(chǎn)業(yè)與制造業(yè)的融合——基于績效分析的研究[J].中國工業(yè)經(jīng)濟，2009（7）：56-66.

[41]李曉鐘，陳涵樂，張小蒂.信息產(chǎn)業(yè)與制造業(yè)融合的績效研究——基于浙江省的數(shù)據(jù)[J].中國軟科學，2017（1）：22-30.