人口集聚對霧霾污染的空間溢出效應及門檻特征

劉耀彬，冷青松

(1.南昌大學中國中部經濟社會發展研究中心，南昌 330031；2.南昌大學經濟管理學院，南昌 330031)

自改革開放以來，中國的人口城市化率由1978年不足20%提高至2017年的58.25%.人口的快速集聚對經濟發展有巨大的推動作用，與此同時也給城市帶來了環境污染、交通堵塞等“城市病”，特別是近年來霧霾污染在很多城市頻頻發生的現象已經引起大眾、學者的關注.根據2017年環保部發布的《全國空氣質量報告》中顯示，全國338個城市中，3/4的城市存在著霧霾污染問題，而受霧霾污染困擾嚴重的城市人口集聚程度也非常高.事實上，通過經驗也可知我國京津冀等人口集聚度較高的地區，往往是霧霾頻發且較為嚴重的地區.這些地區在經濟高速發展的同時往往伴隨著嚴重的空氣污染，即人口集聚會加劇霧霾污染.而另一方面，隨著人口集聚程度進一步提升，大眾在生活水平有一定保障的同時對于生活環境的要求也愈發嚴格，通過輿論壓力使得政府的環境規制強度增加進而逼迫企業減少排污，即人口集聚會抑制霧霾污染.而且，由于中國各地區的資源稟賦差異巨大，導致不同地理位置的地區經濟發達程度各異.因此，為了真實的反應出人口集聚與霧霾污染之間的關系，應擯棄傳統的空間同質性假設，而應從空間異質性的角度來考察二者的非線性空間聯系.那么，我們不禁思考，人口集聚是否必定會造成霧霾污染？二者之間是否存在空間依存性和非線性的門檻特征？關注這些問題對于治理環境污染、保障人類健康、促進城市發展具有重要的現實意義.

目前，國內外學者就人口集聚如何影響霧霾污染還未達成一致的共識，并主要形成如下三種觀點：1)人口集聚加劇霧霾污染.原因是城市人口集聚通過規模效應的作用導致資源消耗和能源消耗增加，致使空氣污染進一步加劇.孫峰華等[1]研究發現我國各省市區人口集聚對生態環境的壓力逐漸增大，局部地區人口與生態環境之間的關系嚴重失調，生態環境污染嚴重.王興杰等[2]發現人口快速集聚過程中使得污染物快速的排放，這是造成城市環境空氣質量下降的根本原因.秦蒙等[3]、邵帥等[4]則認為城市人口快速集聚會帶來能源消耗增加、交通堵塞、基礎設施匱乏等問題，從而使得霧霾污染問題更為嚴重.2)人口集聚改善霧霾污染.原因是人口集聚能夠促進技術創新進而提高資源利用效率，從而使得環境污染問題得到改善.Glaser[5]指出大量的人口集聚在城市，使得城市的交通服務、減排治污等公共設施的利用效率明顯提高，進而產生集聚效應抑制霧霾污染.袁鵬和程施[6]認為城市的人口密度越高，人們對環境污染問題就會更加重視，進而利于減少污染.Hankey[7]、陸銘和馮皓[8]、方齊云和陶守來[9]則認為由于污染物的排放存在規模經濟，所以人口空間集聚產生的污染物能夠通過企業間技術效應的溢出而達到降低污染的效果.3)人口集聚對霧霾污染影響方向不確定.原因是城市發展初期，人口流入需要城市建設更多的基礎設施來支撐，進而加劇霧霾污染.在城市發展后期，人們的收入及生活水平和健康意識的不斷提升，人們越來越關注環保問題，這會有效地治理環境污染.肖周燕[10]認為人口空間聚集對生產和生活污染的影響均是非線性的，人口集聚程度對生產污染和生活污染分別表現出正“N”型和正“U”型的非線性關系.陶長琪和彭永樟[11]運用時空地理加權模型發現人口集聚會加劇污染排放，且其影響呈現正“N”型環境庫茲涅茨曲線形式.李泉和馬黃龍[12]采用空間計量模型并運用不同的空間權重矩陣，發現我國主要的39個地級市中的人口集聚度對環境污染均呈現倒“U”型的特征.

可見，已有的研究有待從以下兩方面進行深化：1) 需關注人口集聚對霧霾污染的空間溢出作用.對于人口集聚如何影響霧霾污染已有研究多用傳統面板數據樣本進行考察.然而，由于不同城市在不同時期的人口集聚程度不同，對于霧霾污染治理制定的政策也不同.不僅如此，霧霾污染并非單純的局部污染，其極容易受天氣影響發生轉移從而形成嫁接污染，所以霧霾污染具有較強的空間自相關性[4]，使得人口集聚和霧霾之間的地區差異較大.故應從空間異質性的角度來考察人口集聚與霧霾污染之間復雜的關系.2) 需關注人口集聚與霧霾之間的非線性關系.Krugman[13]建立的“中心—外圍”理論模型對于集聚體的空間分布特征具有科學的解釋.該理論模型中將向心力與離心力作為城市形成及發展的主要動力.在該理論中，交通成本、消費者偏好、規模收益遞增所帶來的的集聚效應是人口向城市集聚的主要因素，生活成本、土地供給、其他非流動要素導致的擁擠效應是人口由城市擴散出去的重要原因.所以在不同階段，人口集聚表現出明顯的差異，而相對應的集聚體的表現形式也不同.可見，不同程度的人口集聚與霧霾污染之間的關系不能簡單的從線性角度考慮.故應從非線性的角度來考察二者的動態關系.

有鑒于此，該文運用2003年—2016年中國202個具有代表性的地級市面板數據作為研究樣本，將著力從以下兩個方面進行考究：第一、建立空間計量模型，檢驗人口集聚對霧霾污染的影響是否存在空間溢出現象？第二、采用面板門檻模型，考察人口集聚對霧霾污染的影響是否存在非線性特征？將二者復雜的關系進行梳理不僅有利于豐富城市人口集聚理論，而且對中國的霧霾污染治理提供有力的科學證據.

1 研究假設

假設1人口集聚對霧霾污染的影響存在空間溢出效應.

在城市發展的過程中，對于人口集聚程度較高、發展情況較好的地區可通過規模經濟的作用將技術和知識傳播給其他周邊發展較為落后的地區，從而使得落后地區通過技術創新途徑得到發展，并利于其促進清潔生產和末端治理，進而達到緩解霧霾污染的目的.而如果人口集聚度較低的地區受相鄰高集聚度地區的財富示范效應的誘導，與鄰近地區產生惡性競爭，從而進行盲目的發展，這不僅會使得本地區的霧霾污染加劇，同時會加劇相鄰地區的霧霾污染(圖1)，由此可提出第1個假設：人口集聚對霧霾污染之所以存在空間溢出效應.

圖1 人口集聚影響霧霾污染的路徑示意圖Fig.1 Schematic diagram of the path of population agglomeration affecting haze pollution

假設2人口集聚對霧霾污染的影響存在非線性關系.

人口集聚作為城市發展的重要動力，會通過外部性影響環境污染.根據“中心—外圍”理論，當人口集聚的正外部性大于負外部性時，資源要素在向心力的作用下不斷由外圍邊緣區流向集聚區，從而不斷增強集聚區的創新能力，進而使得人口集聚的治污作用得到發揮，即人口集聚能通過集聚效應改善霧霾污染.當人口集聚的正外部性小于負外部性時，集聚區在離心力的作用下，與外圍地區逐漸形成“中心—外圍結構”，集聚效應也相應地轉變成擁堵效應，由此引發集聚的不經濟效應，即人口集聚通過擁堵效應加劇霧霾污染.由此提出第2個假設：人口集聚對于霧霾污染的影響是一個非線性的沖擊過程(圖2).

2 基礎模型設定、變量選取與描述性統計分析

2.1 基礎模型設定

為了考察人口集聚對霧霾污染的影響，同時考慮到霧霾變化還會受到其他因素的影響，該文借鑒STIRPAT模型[14]，構建人口集聚與霧霾污染的基礎計量模型，具體表達式為：

lnIit=lnβ0+β1lnPit+β2lnAit+

β3lnTit+β4Xit+lnγit,

(1)

式中，i為城市截面單元，t為年份；STIRPAT模型中的被解釋變量(I)為環境變量用霧霾年均濃度表示，P、A、T分別為人口集聚、富裕程度、技術水平；X為一組相關控制變量；β0為模型的系數；β1-β4為待估系數；γ為隨機擾動項.

2.2 變量選取

被解釋變量——霧霾濃度(I).鑒于PM2.5是空氣中對人的身體健康有極大影響的污染物之一.因此，考慮采用PM2.5年平均濃度來衡量空氣質量.由于我國PM2.5的數據從2015年才開始公布，考慮面板數據的可對比性，文中PM2.5數據來源于哥倫比亞大學研究中心，見http://beta.sedac.ciesin.columbia.edu/data/set/sdei-global-annual-gwr-pm2-5-modis-misr-seawifs-aod.

核心解釋變量——人口集聚(P).該變量是著重研究的解釋變量，它表示城市的人口集聚水平，參考陳樂等(2018)[15]對該指標的處理方法，采用城鎮人口與建成區面積的比值來表示人口密度.

對于控制變量，首先基于STIRPAT模型選取如下幾個變量.1) 富裕程度(A)：一般采用人均GDP表示.為消除價格因素，采用2003年不變價格的人均實際GDP表征，在回歸中加入lnA_2(人均GDP的二次型)讓該變量更有說服力.2) 技術水平(T)：參考邵帥等(2019)[16]的處理方法，該文考慮績效型技術并采用單位能源消費的實際GDP(采用2003年不變價格)度量.

不僅如此，該文還把與霧霾污染密切相關的兩個因素作為控制變量加入模型.1)外商投資(fdi)：該變量反映的對外開放程度是中國環境研究的基本因素.參考Zhang等[17]的處理方法，選取外商直接投資實際利用額進行測度，并根據當年匯率轉為人民幣，同時以2003年為基期進行平減處理.2) 城市化水平(urb).參考王鏑等[18]的處理方法，該文采用地級市的市轄區建成區面積與市轄區總土地面積的比值作為衡量城市化水平的指標.同時，該變量剔除了人口集聚的變化份額部分.

2.3 描述性統計分析

以上核心變量及控制變量數據均來源于2004年-2017年《中國城市統計年鑒》，選取202個地級市樣本數據，部分城市樣本或年份數據缺失采用插值法補齊.為了對以上變量的可靠性進行分析，對各項變量進行簡單的描述性統計，其結果如表1所示.

表1 變量的描述性統計結果Tab.1 Descriptive statistics of variables

3 人口集聚對霧霾污染影響的計量分析

3.1 人口集聚對霧霾污染影響的空間特征

3.1.1 空間相關性分析 已有關于人口集聚與霧霾污染的關系多從時間維度進行研究，而根據前文分析二者可能存在空間相互關系.為檢驗二者是否存在空間關系，該文首先采用全局Moran’sI來分析人口集聚、霧霾污染的空間相關性，從而判斷是否存在空間相關性特征.Moran’sI大于0為空間正相關，小于0則為空間負相關.Moran’sI絕對值越大，表明空間相關性越強，其計算公式為：

(2)

(3)

(4)

(5)

對2003年—2016年我國各城市的人口集聚空間相關性、霧霾污染的空間自相關性進行Moran’sI檢驗，結果如表2所示.表2結果顯示，人口集聚的Moran’sI值在2003年—2016年間均大于0，且P值通過了1%的顯著性水平檢驗，而霧霾濃度的Moran’sI值在該時間段內均大于0，且P值通過了1%的顯著性水平檢驗，這表明人口集聚和霧霾污染各自具有明顯的正向空間相關性為了分析人口集聚和霧霾污染各自的局域空間相關性，基于Moran’sI指數該文分別繪制了人口集聚、霧霾污染的Moran’sI散點圖，并給出了代表性年份(2003年、2016年)的Moran’sI散點圖，其結果如圖3(a)～3(d)所示.圖3(a)、圖3(b)中顯示絕大多數的城市落在第一、第三象限，表明人口集聚度較高的地區相對地趨于與具有人口集聚度較高的地區相靠近，人口集聚度較低的地區相對地趨于與具有人口集聚度較低的地區相鄰.從圖3(c)、圖3(d)中可以看出各地區霧霾污染之間具有與人口集聚類似的高高集聚、低低集聚的特征.因此有必要從空間維度分析人口集聚對霧霾污染的溢出效應.

表2 各城市人口集聚和霧霾污染的Moran’s ITab.2 Morans I of population agglomeration and smog pollution in various cities

3.1.2 空間面板回歸模型的建立 Anselin[20]認為，涉及到與地理關聯的研究對象時，空間依賴性必須被考慮.該特性主要涵蓋以下兩個方面：第一、被解釋變量的空間依賴性.建模時需將被解釋變量的空間滯后項納入其中，即空間滯后模型(SAR)；第二、誤差項的空間依賴性.建模時需將誤差項的空間滯后項納入其中，即空間誤差模型(SEM).而LeSage和Pace[21]指出，在進行空間建模時如不考慮解釋變量的空間依賴性，可能會導致模型的估計結果不準確.因此，需同時考慮被解釋變量、解釋變量的空間依賴性.建模時需同時將被解釋變量、解釋變量的空間滯后項納入其中，即空間杜賓模型(SDM).為了從空間探索人口集聚如何影響霧霾污染，該文在基準模型的基礎上，加上空間權重矩陣，建立人口集聚、霧霾污染的空間計量模型，即：

(6)

Ui=λWω1+εi，

(7)

式中，i、j為不同地區；t表示年份；Y表示被解釋變量；X為核心解釋變量與控制變量；W為空間權重矩陣；ρ、ψ、λ均為空間自相關回歸系數；ε是白噪聲.

圖3 人口集聚、霧霾污染的Moran’s I散點圖Fig.3 Moran’s I scatter plot of population agglomeration and haze pollution

式(6)中，若ρ≠0、ψ≠0，則式(6)表示考慮被解釋變量空間依賴性的空間滯后模型(SAR)；若λ≠0、ρ=0，則式(6)表示考慮誤差項空間依賴性的空間誤差面板模型(SEM)，若ρ≠0、ψ≠0、λ=0，則式(6)表示同時考慮被解釋變量、解釋變量的空間依賴性的空間杜賓模型(SDM).最終模型形式需要通過LM檢驗、Hausman 檢驗來確定.具體的檢驗結果如表3所示.表3的檢驗結果顯示，模型進行進行Hausman檢驗時發現固定效應模型比隨機效應模型更合適，進一步進行LM檢驗時發現各統計量均通過了1%的顯著性水平檢驗.因此，最終選擇固定效應空間杜賓模型進行估計.具體模型表達式如下：

lnIit=lnβ0+λWlnIit+β1lnPit+

β2lnAit+β3lnTit+β4lnfdiit+

β5lnuit+θ1WlnPit+θ2WlnAit+

θ3WlnTit+θ4Wlnfdiit+θ5Wlnuit+μit+εit,

(8)

式(8)中，β0為常數項；β1～β5分別為人口集聚、富裕程度、技術水平、外商投資、城市化率的彈性系數；θ1～θ5是人口集聚、富裕程度、技術水平、外商投資、城市化率的空間滯后項的彈性系數；W表示202×202的嵌套空間權重矩陣，ρ表示空間自相關回歸系數；μit表示個體固定效應；εit是隨機誤差項.

表3 空間計量檢驗Tab.3 Spatial measurement test

3.1.3 回歸結果分析 為進一步說明建模的合理性，該文依次對空間誤差模型、空間滯后模型、空間杜賓模型進行估計，具體結果如表4所示.根據表4我們可以看出，空間杜賓模型的擬合程度最高(68.8%)，對數似然函數數值最大，且AIC、BIC最小.因此，更進一步確定空間杜賓模型選擇的合理性.觀察空間杜賓模型的估計結果可知，其空間自回歸系數λ的估計值為0.899，且在1%水平上顯著.表明本地區人口集聚對相鄰地區有一定的促進作用，這也意味著人口集聚具有顯著的空間溢出特征.

從關鍵變量回歸系數來看，人口集聚的系數為0.268，且在1%的水平上顯著，這表明人口集聚程度(lnp)的增加會對霧霾污染(lnI)產生正向的溢出效應，充分驗證了假設1的合理性.從其他控制變量來看，富裕程度一次項(lnA)的系數為0.061，二次項(lnA_2)系數為-0.005，且均通過了1%的顯著性水平檢驗，說明經濟發展對于霧霾污染存在“倒U型”的影響，這也驗證了EKC曲線的存在；技術水平(lnT)系數為0.010，且在1%水平上顯著，說明能源在長期的回彈效應加劇了霧霾污染[22]；外商投資對霧霾污染的影響系數為0.033，且在1%水平上顯著，說明外商投資會加劇霧霾的污染，這也驗證了“污染天堂”假說，即外商投資提高1%，霧霾污染會相應的提高0.033%；城市化對霧霾污染的影響系數為0.018，且在1%水平上顯著，說明城市化的進程會加劇霧霾的污染，這與林伯強等[23]得出的結果一致.

表4 空間面板模型估計結果Tab.4 Spatial panel modelestimation results

注：括號內為標準誤，***、**和*分別代表1%、5%和10%的水平上顯著，下同.

LeSage和Pace認為，空間計量模型中如果存在空間滯后項時，需通過SDM偏微分方法來分解解釋變量對被解釋變量的影響.為了更好的描述這種影響，需將總效應分解分直接效應和間接效應.其中，直接效應為本地區人口集聚對本地區霧霾污染的影響；間接效應為本地區人口集聚對其他臨近地區霧霾污染的影響.該文基于該方法將人口集聚對霧霾污染的影響進行分解，具體的分解結果如表5所示.

表5 三種矩陣下空間杜賓模型直接效應和溢出效應分解
Tab.5 Direct effect and overflow effect decomposition of spatial Dubin model under three matrices

(1)(2)(3)效應變量名嵌套矩陣反距離平方矩陣經濟距離矩陣直接效應lnP0.291???0.019???0.011???lnA0.084???0.0020.003lnA_2-0.007???0.001-0.001lnT0.033???0.0010.007??lnfdi0.036???-0.004?0.009???lnu0.052???0.011??-0.005間接效應lnP4.058???0.029???0.025???lnA4.509??0.088??0.032?lnA_2-0.379???-0.003?-0.001lnT4.296???0.0220.030??lnfdi0.6050.090???0.031???lnu6.302???0.318???0.073??總效應lnP4.348???0.048???0.036???lnA4.593??0.089??0.036??lnA_2-0.387???-0.003?-0.001?lnT4.329???0.0230.037??lnfdi0.6410.086???0.040???lnu6.354???0.308???0.079??

根據表5第(1)列結果可知：從SDM偏微分法分解所得的人口集聚對霧霾污染的直接效應來看，人口集聚的直接影響系數為0.291，且在1%的水平下顯著，即本地區的人口集聚增加1%，本地霧霾污染將相應增加0.291%；從空間溢出效應來看，人口集聚的間接影響系數為4.058在1%水平下顯著，即本地區的人口集聚增加1%，相鄰地區霧霾污染相應增加4.058%.由此結果我們可以看出，人口集聚對霧霾污染的影響存在顯著的空間溢出效應，并且區域間的溢出要大于區域內的溢出.

3.1.4 穩健性檢驗 為進一步確保研究結論的可靠性，參照袁華錫(2019)[19]的做法，該文通過變換空間權重矩陣對前述主要結果進行穩健性分析：依次采用反距離平方空間權重矩陣W2、經濟距離空間權重矩陣W3進行檢驗,兩種空間權重的矩陣計算公式如下:

(9)

(10)

具體檢驗結果見表5第(2)列、第(3)列.從該表中我們可以看出，加入反距離平方空間權重矩陣W2進行回歸后核心解釋變量lnP的系數在直接效應、間接效應、總效應下依次為0.019、0.029、0.048，且均通過1%的顯著性水平檢驗；加入經濟距離空間權重矩陣W3進行回歸后核心解釋變量lnP的系數在直接效應、間接效應、總效應下依次為0.025、0.011、0.036，且均通過1%的顯著性水平檢驗.與前面研究結果一致，充分說明回歸結果較為穩健.

3.2 人口集聚對霧霾污染的門檻特征

3.2.1 門檻模型的構建 為了考察城市化進程中人口集聚對霧霾污染的門檻特征，該文借鑒Hansen[24]面板門檻模型的估計方法.該方法克服了加入二次項、交互項或者依照經驗判斷得到的門檻值穩健性不強的弱點，能夠客觀估計出可能的門檻值，并能對該門檻值進行有效的檢驗.當模型只存在單一門檻時：

lnIit=lnβ0+β1lnPit+β2lnAit+

β3lnTit+β4lnfdiit+β5lnuit+

β61lnPitI(lnPit≤τ)+

β62lnPitI(lnPit>τ)+lnεit,

(11)

式(11)中，i為城市截面單元，t為時間年份；β1、β2、…、β6分別為各變量的系數項，threit為第i個城市t時期的門檻變量，τ為未知門檻值，I(·)為指示函數，滿足括號內的條件則為I=1,不滿足條件時，I=0.

上面只是給出了單一門檻時的情況，但是許多情況下會存在多門檻值的情況，則需要對模型進行擴展，那么方程(3)就應該寫成：

lnIit=lnβ0+β1lnPit+β2lnAit+

β3lnTit+β4lnfdiit+β5lnuit+

β61lnPitI(lnPit≤τ1)+

β62lnPitI(τ1

β6nlnPitI(lnPit<τn)+lnεit,

(12)

式(12)中,τ1、τ2、…、τn為待估算的門檻值.

3.2.2 門檻效應檢驗 根據Hansen的思路，先確定門檻的個數，從而確定門檻模型最終形式.分別在單門檻、雙門檻和三門檻假設下利用Stata軟件，并采用Bootstrap方法抽樣3 000次來檢驗人口集聚對霧霾污染的門檻效應，最終檢驗結果如表6所示.從該表可知，人口集聚的單一門檻值在1%的置信水平下顯著，而雙重門檻值和三重門檻值在10%的置信水平下均不顯著.可見，該文檢驗認為存在單一門檻，進而我們將討論人口集聚對霧霾污染的單門檻效應.

表6 人口集聚的門檻效果檢驗Tab.6 Threshold effect test ofpopulation agglomeration

注：P值和臨界值均采用Bootstrap反復抽樣3 000次得到的結果

人口集聚單一門檻的估計值和相應的95%置信區間列示于表7.從表7可知，門檻估計值為3.961，即人口集聚的對數值在跨過該門檻值前后對霧霾污染的影響會出現顯著的變化.且該門檻值95%的置信區間為(3.825,4.219).并同時借助圖4的似然比函數圖像有助于理解置信區間的構造過程，門檻參數的估計值是指似然比檢驗統計量似然比為零時γ的取值,在我們的一重門檻模型中為3.961，且該門檻估計值的95%置信區間是所有似然比值小于5%顯著水平下的臨界值7.35 (對應圖中虛線) 的γ構成的區間.

表7 人口集聚門檻估計值Tab.7 Estimates of population agglomeration threshold

圖4 人口集聚門檻的似然比函數圖Fig.4 Likelihood ratio function graph of population agglomeration threshold

3.2.3 門檻回歸 面板門檻回歸的結果如表8所示，從該表可以看出：1) 當人口集聚的值取對數后低于門檻值3.961時，系數估計值為0.396，且在1%的水平下顯著，此時人口集聚會加劇霧霾污染.即城市發展初期，集聚區傾向通過新建工廠、招商引資來達到擴張的目的.而此時基礎設施與相應的配套服務不能滿足現實需要.因此，必然會導致資源和能源的消耗增加，從而加劇霧霾污染.2) 當人口集聚的值取對數后高于門檻值3.961時，系數估計值為0.252，且在1%的水平下顯著，說明此時人口集聚對霧霾污染的影響出現邊際遞減現象.即此時城市的基礎設施及配套服務逐漸完善，但由于人口密度持續增長，污染物持續排放，且總量超過城市所能承受的最大值，致使霧霾污染加劇，但影響值較人口集聚值跨過門檻值之前已出現明顯下降.可見，人口集聚對霧霾污染的影響并非簡單的線性關系，而是存在“門檻特征”，這也充分驗證了假設2的合理性.

表8 人口集聚門檻值及參數估計Tab.8 Estimation of population agglomeration threshold and parameters

3.2.4 穩健性檢驗 為進一步檢驗人口集聚對霧霾污染的門檻特征是否穩健，該文將通過逐步加入各個控制變量，分別估計人口集聚門檻值的大小及其顯著性，進一步研究控制變量對這一門檻的影響，估計和檢驗結果見表9.從表9觀察可知，不同控制變量組合對門檻值的大小和p值均不產生影響，這些控制變量組合均在1%的顯著性水平下顯著，說明人口集聚對霧霾污染影響的門檻特征十分穩健，控制變量對其擾動性不大.

表9 門檻穩健性檢驗結果Tab.9 Thresholdness test results

4 主要結論及政策啟示

4.1 主要結論

該文選取2003年—2016年的全國202個主要地級市的面板數據作為研究樣本，同時借鑒STIRPAT模型，通過建立空間面板杜賓模型和門檻面板回歸模型，實證檢驗人口集聚對霧霾污染的空間溢出效應及門檻特征，得到以下兩點結論.

1) 人口集聚對霧霾污染的影響具有空間外溢效應，且在區域內和區域間該外溢效應的程度不同.通過空間面板杜賓模型的偏微分方法可知，人口集聚在直接效應下的系數為0.291，在間接效應下的人口集聚系數為4.058，且均在1%的置信水平下顯著.進一步通過變換空間權重矩陣驗證了該結果的穩健性.說明人口集聚對霧霾污染的影響存在明顯的空間溢出效應，且由其他地區人口集聚空間溢出對本地區的霧霾污染效應要大于本地區的人口集聚對本地區的霧霾污染.

2) 人口集聚對霧霾污染的影響存在門檻特征.通過面板門檻的回歸結果表明，人口集聚的值取對數后低于門檻值3.961時，人口集聚對霧霾污染的系數為0.396，此時人口集聚的負外部性起主導作用，即人口集聚會加劇霧霾污染；而當人口集聚的值取對數后跨過門檻值3.961時，人口集聚對霧霾污染的系數為0.252，此時人口集聚對霧霾污染的影響較跨過門檻值之前出現明顯的邊際遞減現象，即此時人口集聚的“集聚效應”的作用依舊不能抵消由“規模效應”的負外部性帶來的影響.

4.2 政策啟示

通過以上結論，得出以下政策啟示：

1) 各級政府在對城市人口進行規劃時，需要重視人口集聚對霧霾污染的空間溢出作用.應該做到加強區域內部合作，統籌霧霾防治政策.與此同時，政府應該通過政策引導和政策支持，讓城市化變得更加科學，并努力提高生產效率、促進綠色經濟發展、合理控制外商投資，從而多管齊下達到治霾效果.

2) 對霧霾污染的有效治理，需最大限度地發揮人口集聚正外部性帶來的集聚效應，而規避由人口集聚的負外部性導致的擁堵效應.對于人口密度較低的城市，在鼓勵城市化發展的同時，還應該合理的地規劃人口，使其最大限度的地發揮人口集聚的正外部性而達到降低空氣污染的效果；對于人口密度較大的城市，則應該充分發揮人口集聚的“集聚效應”，并通過綠色發展、合理利用外商投資、調整產業結構來達到改善空氣質量的目的.