中國31省會直轄市空氣質量的社會經濟影響因素

朱建春，姚 佳

(西北農林科技大學人文社會發展學院，陜西 楊凌 712100)

0 引言

隨著中國經濟轉型和城市化工業化步伐的加快，在經濟社會取得長足進步的同時，各類環境問題日益凸顯，引起了公眾的廣泛關注。其中霧霾污染問題引發了較多的討論。霧霾天氣導致城市空氣質量明顯下降，嚴重威脅到了人體健康、交通安全、經濟發展以及氣候[1]。只有辨明霧霾產生的根源，才能針對性地加以治理。已有研究以PM2.5為空氣質量指標的較多，以AQI值為空氣質量指標分析的相對較少。為此，本研究以31個省會直轄市為樣本，以可拓展的隨機性環境影響評估模型(以下稱為STIRPAT模型)為理論工具，探究城市空氣質量的社會經濟影響因素。

1 研究方法

1.1 理論假設與模型構建

本研究假設：城市空氣質量受到人口、社會財富、技術水平、交通、產業結構、綠化等因素的綜合影響。

為了驗證該假設，運用STIRPAT模型。該模型被廣泛用于研究環境污染成因。STIRPAT模型有個發展過程：首先，由Ehrlich等提出IPAT等式(環境影響模型)，認為環境壓力(I)由人口(P)、財富(A)和技術(T)因素共同作用而產生[2]。隨后Dietz和Rosa在此基礎上進行優化，提出STIRPAT模型并被廣泛運用[3-6]。

因此，本研究首先建立城市空氣質量社會經濟影響因素的STIRPAT模型：

I=αPbACTdε

(1)

式中：I—環境影響；α—模型中各因素的系數；P、A、T—人口、財富和技術因素；b、c、d—各變量的指數；ε—隨機擾動項。

為消除各變量指標數據之間存在的異方差，將公式(1)進行取自然對數處理，可得到公式(2)：

LnI=α+bLnP+cLnA+dLnT+ε

(2)

在公式(2)的基礎上，根據理論假設，在模型中拓展了產業、交通、綠化等因素作為解釋變量，得到公式(3)：

LnAQI=α+β1LnP+β2LnA+β3LnT+β4LnE+β5LnV+β6LnG+ε

(3)

式中：AQI—空氣質量指標；P、A、T、E、V、G—人口、財富、技術、產業、綠化、交通等因素；βi(i=1～6)—各因素的指數參數；ε—隨機擾動項。

1.2 變量選取及操作化

根據理論假設及所構建的數學模型，公式(3)中各變量的操作化指標如表1所示。

1.2.1 因變量

空氣質量問題的重要表現是霧霾污染。本研究將因變量空氣質量操作化為代表霧霾污染程度的空氣質量指數AQI。該指標是根據某地某一時間段內六項主要污染物(包括細顆粒物PM2.5、可吸入顆粒物PM10、二氧化硫SO2、二氧化氮NO2、臭氧O3和一氧化碳CO)的監測數據計算出來的，其取值范圍為0～500[7]。

1.2.2 自變量

本研究側重于研究霧霾污染的社會經濟因素。兼顧了社會經濟指標的有效性、準確性與可獲取性，并避免模型中各因素之間的多重共線性問題。本研究各因素(自變量)的操作化指標為：

(1)人口密度。代表人口因素。在城市化初中期階段，大量人口向城市聚集，隨之產生大量的社會需求，刺激了人類生活方式與消費方式的變革，加劇了資源枯竭和環境污染。人口密度即單位土地面積上的人口數量，反映了城市人口分布與人口密集程度。

(2)人均GDP。衡量財富因素。人均GDP是衡量城市經濟發展水平的一個重要標準，體現了居民收入及生活水平變化情況，是能夠影響居民的消費方式、反映居民環保意識和行為的指標。人均GDP經常被作為驗證環境庫茲涅茨曲線的必要指標之一。

(3)科學事業費支出。用研發強度來代表技術進步水平，表征技術因素。技術進步水平深刻影響全社會對研發的投入力度，尤其是前瞻性和應用性基礎研究領域，它還代表產學研融合的程度與國家創新體系建設的進度，體現了一個地區的科學技術水平。在霧霾的治理中，技術進步水平勢必對霧霾污染產生影響。

(4)第二產業增加值占GDP的比重。表征產業結構。在三大產業中，第二產業對霧霾的影響最大，尤其是工業生產會消耗大量的以煤炭為主的非清潔能源，排放大量的有害氣體，由此會產生大量的霧霾污染。從長遠看，產業結構事關霧霾污染的形成，霧霾的治理必須通過調整產業結構、改變能源稟賦來改善和解決。

(5)客運總量。代表交通因素。交通運輸業的發展伴隨著汽車尾氣的排放，而汽車尾氣是霧霾的重要來源之一[8]。客運總量指在一定時期內各種運輸工具實際運送的旅客數量，是反映交通運輸業為國民經濟和人民生活服務的重要指標。

(6)綠化覆蓋率。代表綠化因素。綠化的功能在于吸附空氣中有害物質、增加空氣濕度和局部降水、調節氣候，對空氣質量起到積極促進作用。綠化覆蓋率的分子為城市內全部綠化覆蓋面積，分母為區域總面積，是反映一個地區生態環境狀況的重要指標。綠化覆蓋面積包括公園、生產、防護、附屬和其他類型綠地的面積，是一個地區園林和綠化的綠地面積總和[9]。

1.3 數據來源與分析方法

1.3.1 數據來源

基于數據的有效性、科學性、準確性與可獲取性，本研究所觀測的樣本城市為2013—2017年第一批實施《GB 3095-2012環境空氣質量標準》的31個省會直轄市。

以2013—2017年31個省會城市的面板數據為樣本，包括空氣質量數據和社會經濟因素數據。空氣質量數據來自生態環境部、各省(直轄市、自治區)生態環境廳與中國環境監測總站所公開發布的數據。其中，因變量城市空氣質量指標，選取的是2013—2017年31個省會城市空氣質量指數AQI的年平均值。社會經濟因素數據來自2013—2017年《中國統計年鑒》《中國城市統計年鑒》中31個省會城市社會經濟發展水平的年度數據。

1.3.2 數據分析方法

運用SPSS25.0統計軟件的基本描述統計、聚類分析和回歸分析等功能，對31個省會直轄市的數據進行分析。其中回歸分析法運用了回歸方程檢驗、回歸系數檢驗和擬合優度檢驗等統計分析功能，以驗證理論假設，分析模型中各因素對回歸方程的貢獻。

2 結果分析與討論

2.1 城市空氣質量特點

2.1.1 城市空氣質量指標的時間發展趨勢

從圖1左圖看，2013—2017年，全國31省會直轄市總的AQI年均值從2013年的102.19下降至2017年的80.82，總體呈線性下降趨勢，說明自《GB 3095-2012環境空氣質量標準》實施后，全國31省會直轄市空氣質量有所改善。從圖1右圖看，AQI月均值總體呈U型曲線[10]，其中：6—9月的AQI月均值最低，低于80，2—5月和10—11月的AQI月均值為80～100，1月和12月最高，超過100。說明空氣質量比較差的時間主要集中于早春和冬季比較寒冷的月份。

圖1 2013—2017年省會直轄市AQI值的時間分布

2.1.2 城市空氣質量指標的地區分布特征

華北地區城市中，2013—2014年空氣質量指數AQI年均值都超過100，2015—2016年太原與呼和浩特降到100以下。2017年，北京、天津、呼和浩特的AQI年均值也降至100以下，但石家莊、太原在100以上。其中，石家莊2013—2017年的AQI年均值都高于100且高于華北地區其他省會直轄市，但總體呈下降趨勢[11]，從2013年的161.51降至2017年的122.52。2013—2017年，除了太原外，其他城市AQI年均值總體呈下降趨勢：北京從134.79降至90.37，天津從120.82降至93.34；太原從2013年的109.66升至2014年的117.91，隨后2015年降至91.72，2017年又回升至104.81。

東北地區省會城市中，各城市AQI年均值總體都呈下降趨勢，沈陽從2013年的115.81降至2017年的83.21，長春從2013年的105.90降至79.04，哈爾濱從2013年的122.01降至2016年的74.81，2017年又回升至87.75。總之，東北地區省會城市AQI年均值在2016—2017年都低于100。2013—2017年東北地區沈陽、長春、哈爾濱污染最嚴重，秸稈焚燒、冬季采暖燃煤、車輛燃油、內蒙古草原退化、農業耕作是霧霾的主因[12]。

華東地區省會直轄市中，上海、杭州、福州、南昌四市的AQI年均值都低于100，且總體呈下降趨勢：2013—2017年，上海AQI年均值從89.46降至68.47，杭州從96.81降至69.14，福州從68.76降至52.28，南昌從85.50降至68.48。南京AQI年均值在2013—2014年略高于100，后降至100以下，從2013年的108.01降至73.65。合肥AQI年均值2013年為108.72，至2017年降至85.35。濟南AQI年均值2013—2017年都高于100，2013年為130.29，2016年降為最低值106.00，2017年又回升至119.33。

華中地區省會城市中，鄭州市五年AQI年均值都高于100，而武漢、長沙則僅有2013—2014年在100以上，隨后下降至100以下。鄭州市年均AQI值2013年為127.07，2014年降至115.49，2015年升至135.81，2017年升至112.22。武漢年均AQI值從2013年的119.53降至2017年的82.24。長沙從2013年的108.38降至2017年的78.10。

華南地區省會城市AQI年均值2013—2017年都遠低于100，且一直保持著較低水平。廣州AQI年均值從2013年的84.70降至2017年的56.99，海口AQI年均值從2013年的43.85降至2017年的40.14，南寧AQI年均值從2013年的82.05降至2017年的55.00，其中廣州、南寧下降幅度高于海口。

西南地區省會直轄市的AQI年均值，除了重慶與成都2013年略高于100外，其余都低于100。2013—2017年，各城市AQI值總體呈緩慢下降趨勢。2013—2017年，重慶AQI值從108.32降至69.33，成都從113.37降至82.47，貴陽從81.63降至52.15，昆明從66.40降至51.65。

西北地區省會城市中，烏魯木齊五年的AQI均值都高于100，2013年為117.07，2015年降至109.25，隨后2017年升至113.75。西安年均AQI值從2013年的114.43降至2015年的95.38，隨后升至2016年的112.43，2017年又回升至106.71。蘭州年均AQI值從2013年的95.72升至2014年的133.47，2015年降為87.25，隨后兩年都在91～93。西寧AQI年均值2013年為94.02，2014年升至116.40，隨后下降，2016年為87.91，2017年為78.85。銀川AQI年均值從2013年的94.23升至2014年的101.70，2016—2017年穩定在86左右。總之，2015—2017年，蘭州、西寧、銀川的AQI年均值都穩定在100以下，西安和烏魯木齊則都超過100。這是因為陜西中部、寧夏北部及甘肅省河西走廊空氣污染較嚴重[13]。

圖2 2013—2017年各地區省會直轄市AQI年均值

總之，AQI年均值五年都超過100的城市主要分布于華北(京津冀地區)、華東、華中、西北。這與已有研究結果吻合[14,15]。

2.1.3 城市空氣質量等級分類

圖3為2017年AQI值的系統聚類分析結果譜系圖，從圖中可看出，可將31省會直轄市分為三大類：

圖3 2017年31省會直轄市AQI譜系圖

第一大類為空氣質量接近優(AQI年均值低于60)但尚未達到優的城市，包括貴陽(52.15)、昆明(51.65)、拉薩(55.06)、南寧(55.00)、廣州(56.99)、海口(40.14)。

第二大類為空氣質量等級為良(AQI年均值60～100)的城市，包括：南昌(68.48)、上海(68.47)、重慶(69.33)、南京(73.65)、青島(74.33)、西寧(78.85)、長春(79.04)、長沙(78.10)、蘭州(91.86)、天津(93.34)、北京(90.37)、成都(82.47)、武漢(82.24)、沈陽(83.21)、呼和浩特(83.93)、合肥(85.35)、銀川(86.03)、哈爾濱(87.75)。

第三大類為輕度污染(AQI年均值100～150)城市，包括：濟南(105.99)、徐州(105.97)、太原(104.81)、西安(112.43)、鄭州(112.22)、烏魯木齊(113.75)、石家莊(122.52)。重霧霾會引起人體心肺功能下降甚至病變[16]，因此，這些城市亟待采取措施降低空氣污染。

2.2 城市空氣質量影響因素的STIRPAT模型分析

本研究運用SPSS軟件的回歸分析功能，對相關數據進行回歸分析，自變量分層加入方程，即每一步增加一個自變量，最后形成一組嵌套模型(模型1至模型6)，結果見表2。

表2中卡方值、卡方檢驗顯著性概率、R2值顯示的是回歸方程檢驗結果，檢驗的是方程中所有自變量作為一個整體與因變量之間的相關關系。從模型1至模型6，卡方值與R2值都逐漸增加，說明每個方程新增加的變量對方程的解釋力都有一定的貢獻。從卡方檢驗的顯著性概率來看，只有模型4～6通過了回歸方程檢驗，說明這幾個方程中的自變量整體能夠解釋掉較多的誤差，對方程的貢獻率較大。尤其是R2值從模型3的0.020增加到0.126，增加了0.105，說明模型4新增了產業結構因素后，模型4的方程多解釋掉了10.5%的誤差，即產業結構因素對方程的貢獻率較高。作為最終模型的模型6，其卡方值說明該方程一共解釋掉了8220.998的誤差，R2值為0.128，說明方程一共解釋掉了12.8%的誤差，是擬合優度最高的模型。

表2 STIRPAT模型的回歸分析結果

表2中的標準化回歸系數及回歸系數檢驗顯著性概率是回歸系數檢驗的結果，主要檢驗方程中每個自變量對方程的貢獻。模型6中各自變量的標準化回歸系數中，通過回歸系數檢驗的只有科學事業費支出和第二產業增加值占GDP比例兩個變量，即只有技術和產業結構因素對空氣質量的影響可以推論總體，其他因素只能解釋31個樣本城市的情況，不能推論總體。根據模型6得到城市空氣質量的影響因素的標準化回歸方程如下：

ZAQI=0.006Z人口密度-0.057Z人均GDP

+ 0.294Z科學事業費支出+0.350Z第二產業增加值占GDP比例

-0.034Z客運總量-0.037Z綠化覆蓋率+ 61.729

2.3 理論假設的驗證結果

從模型6的結果看假設被驗證的結果：

(1)人口因素對空氣質量無顯著影響。本研究分析的是省會及直轄市，這些城市的人口密度都比較大，城市之間人口密度差異不顯著，故此分析結果不顯著。盡管如此，模型1中，僅引入了人口密度這一個因素，其卡方值說明人口因素能解釋掉911.375的誤差，比其他因素解釋掉的誤差都多。模型6中人口因素的標準化回歸系數為0.006，說明31個省會直轄市中，人口密度每增加一個標準差，AQI值平均增加0.006個標準差，是正向影響，說明人口密度增加會加劇空氣污染程度。人類生產生活等活動是空氣污染的主要因素，城市人口規模擴大帶給城市資源與環境的巨大挑戰是毋庸置疑的。

(2)財富因素對空氣質量影響不顯著。池建宇等[17]運用環境庫茲涅茨曲線(EKC)對31省市數據的分析結果也表明，影響城市空氣質量的主要因素并不是城市經濟發展水平，而是城市及其周邊的工業排放物。但模型6中人均GDP變量的回歸系數為-0.057，即人均GDP每增加1個標準差，AQI值平均減少0.057個標準差。這說明整體而言，這些城市正在從環境庫茲涅茨曲線的前半段向后半段過度。從長期看，未來隨著經濟社會的發展，社會財富增加，人們更重視生活品質和更關注自身生活環境，對空氣環境的要求隨之提高，將會促使空氣質量的提高。

(3)技術因素對空氣質量有顯著影響。模型6中科學事業費支出的回歸系數表明，科學事業費支出每增加1個標準差，空氣質量指數AQI值平均增加0.294個標準差。科學事業費的支出并未使得AQI值降低，也就是說，技術因素并未對空氣質量起到促進的作用，而是起到惡化空氣質量的結果，這是個值得深思的現象。說明雖然技術在不斷進步，但像霧霾污染治理、能源結構優化、汽車尾氣凈化、節能減排、降塵等相關領域的科技研發成果不足或者并未及時轉化到生產生活領域，未收到“立竿見影”的效果。

(4)產業結構對空氣質量有顯著影響。模型6回歸系數表明，產業結構每增加1個標準差，AQI值平均增加0.350個標準差，即在GDP中第二產業增加值所占比越大，空氣質量越差。在改革開放初期，第二產業是主要的經濟收益來源，但與此同時，由于以非清潔能源為主的能源結構、粗放的生產方式等因素，第二產業也是空氣污染的主要來源之一。尤其是以重工業為主的地區，常常是霧霾天氣的高發區域。楊嶸等[18]對73個城市PM2.5數據的分析表明，產業集聚對霧霾污染產生雙重門檻效應，當產業集聚水平為第一、第三區間時，霧霾污染較嚴重。

(5)交通因素對空氣質量影響不顯著。模型6回歸系數表明，客運總量每增加1個標準差，AQI值平均減少0.034個標準差。地鐵、綠色能源公交、綠色能源汽車數量與質量的提高，替代了一部分私家車，有效減少了汽車尾氣的排放。楊肅昌等[19]認為，城市公共交通因素的發展在東、中部城市空氣質量改善方面作用明顯，但在西部城市作用不顯著，可能的原因是西部城市公交系統不完善。因此，大力發展綠色公交事業，減少私家車數量，對于改善霧霾污染問題有非常積極的作用。

(6)綠化因素對城市空氣質量影響不明顯。但這無法說明綠化建設對霧霾污染沒有任何影響。回歸系數表明，綠化覆蓋率每增加一個標準差，AQI值平均減少0.037個標準差。綠化植物能夠吸附空氣中有害粉塵、凈化空氣。但31省會直轄市的綠化還不能有效抵消霧霾等大氣有害物質。有研究[20]表明，地鐵開通僅在400～700萬人口的城市對空氣質量有積極作用，對人口規模更大的城市則無作用甚至起反作用。因此，還是應該繼續加強城市綠化建設，提高城市綠化建設水平。值得一提的是，產業結構與綠化因素也是城市水土保持的主要內容[21]。未來隨著城市化進程進入后期和終期階段，人口規模、 城市面積將逐漸趨于穩定，政府可調控幅度較大的因素將是基于技術革新的產業結構和綠化因素。城市水土保持因素對空氣質量的影響將越來越顯著。

3 結論與建議

3.1 結論

本研究運用可拓展的STIRPAT 模型為分析工具，以31個省會城市(首府、直轄市)數據，深入分析了城市空氣質量的社會經濟影響因素。研究結果表明：

(1)2013—2017年，AQI年均值總體呈線性下降趨勢，月均值總體呈U型曲線且最高值分布于1月和12月。空氣質量不理想的城市主要分布于華北(京津冀地區)、華東、華中、西北地區。空氣質量接近優的城市包括貴陽、昆明、拉薩、南寧、廣州、海口；輕度污染城市包括濟南、徐州、太原、西安、鄭州、烏魯木齊、石家莊；其余城市空氣質量等級為良。

(2)總體來看，31省市自治區處于環境庫茲涅茨倒U型曲線中從前半段向后半段過度的階段，即財富的增長緩慢引起環境質量的改善階段。技術與產業結構因素對城市空氣質量有顯著的影響，其影響可以推論到其他城市。產業因素對霧霾污染具有正向作用，第二產業增加值占比越大，對霧霾污染的影響越大。技術因素并未對空氣質量起到促進的作用，說明霧霾污染治理、能源結構優化、汽車尾氣凈化、節能減排、降塵等相關領域的科技研發成果不足或者并未及時轉化到生產生活領域。

(3)人口、財富、交通、綠化等因素對空氣質量的影響不顯著，但其未來的影響不容忽視。從樣本的31個城市來看，城市人口密度越大，城市空氣質量越差。而財富、交通、綠化因素對空氣質量的提高具有促進作用，這些因素的作用應該得到加強。

3.2 政策建議

(1)從近期看，要治理霧霾等城市大氣污染問題，科技發展與產業結構調整必須先行。應持續推進相關技術的研發，提高科研成果的轉化力度，依靠技術創新升級來實現社會發展與空氣質量提高的雙贏。依靠科技優化城市的產業結構，具體從能源結構和生產方式進行優化、發展城市綠色公交體系以減少私家車數量，等等。這也是新時代背景下國家治理體系和治理能力現代化的生動體現。

(2)從長遠看，合理控制城市人口密度、繼續實行交通限行政策、發展新能源公共交通事業、注重城市土地合理規劃與綠化等措施，都會對城市空氣質量的改善起到一定的促進作用。

(3)政府、企業與公眾各主體聯合行動。政府完善法律法規與政策體系，制約工業污染排放行為，鼓勵環境友好行為；企業自覺進行技術整改以減少污染排放；居民提高環境保護意識，優化能源消費結構，踐行綠色生活方式，在全社會形成公眾積極參與霧霾治理的環境友好氛圍。