基于分位數(shù)回歸的PM2.5影響因素分析

郭 靖

(貴州省現(xiàn)代農(nóng)業(yè)發(fā)展研究所,貴州 貴陽(yáng) 550000)

1 引言

隨著國(guó)家經(jīng)濟(jì)持續(xù)增長(zhǎng)、產(chǎn)業(yè)規(guī)模逐步發(fā)展、城市規(guī)模急速擴(kuò)大，空氣污染也日益加劇。由于空氣中PM2.5濃度的不斷升高引起了全國(guó)大范圍內(nèi)持續(xù)的惡劣霧霾天氣，不僅嚴(yán)重影響各大城市的交通道路運(yùn)輸，而且威脅著人們的身體健康。PM2.5是指環(huán)境空氣中空氣動(dòng)力學(xué)當(dāng)量直徑小于等于的2.5 μm顆粒物。大量研究證實(shí)，對(duì)人體健康危害最大的大氣污染物是顆粒物，其中PM2.5與人體健康的相關(guān)性最高。PM2.5與其他大氣中存在的顆粒物相比，其尺寸較小，而散布的范圍廣闊，同時(shí)具有較高的活動(dòng)性能，在其活動(dòng)和擴(kuò)散的過程中容易附著其他的有害物質(zhì)，從而對(duì)人們的身體健康和環(huán)境質(zhì)量造成巨大危害。因此，采用科學(xué)有效的方法研究PM2.5的影響因素，對(duì)如何進(jìn)行PM2.5的控制和治理有著十分重要的意義。

2 國(guó)內(nèi)外研究現(xiàn)狀

關(guān)于PM2.5來源的研究：Rinehart等[1]于2000年2月在加利福尼亞州建立細(xì)顆粒物觀測(cè)站，研究該地空氣質(zhì)量，一年的監(jiān)測(cè)結(jié)果表明，加利福尼亞州的 PM2.5年均濃度為13.5。Rattigan等[2]對(duì)紐約市區(qū)與郊區(qū)空氣中的細(xì)顆粒物含有的硫酸鹽和硝酸鹽進(jìn)行為期3年的觀測(cè)，結(jié)果顯示城區(qū)的硫酸鹽月平均濃度大于郊區(qū)的月濃度。Sawant等[3]從2001年9月份開始對(duì)加利福尼亞州某些地區(qū)的PM2.5化學(xué)組成進(jìn)行4個(gè)月的跟蹤分析，結(jié)果表明監(jiān)測(cè)改善區(qū)域空氣質(zhì)量的最有效措施是控制該地及其周邊城市的二次無機(jī)氣溶膠的排放。此外，Christoph Hueglin等[4]從化學(xué)的角度對(duì)瑞士某些城市的細(xì)顆粒物進(jìn)行分析。Xavier Querol等[5]對(duì)巴塞羅納港市的細(xì)顆粒物的來源采用主成份分析法進(jìn)行解析。Marcazzan G M等[6]運(yùn)用受體模型技術(shù)分析出米蘭市細(xì)顆粒物的3種主要污染源是土壤塵、人為源和二次化合物。

關(guān)于PM2.5對(duì)人體健康存在潛在的危害及其自身特點(diǎn)的研究：于娜等[7]進(jìn)行北京市顆粒子的主要來源分析時(shí)，采用有機(jī)酸、多環(huán)芳烴、正構(gòu)烷烴以及藿烷組成的成分譜解析法進(jìn)行研究。徐敬等[8]通過研究17種無機(jī)元素對(duì)PM2.5采用PMF成分譜進(jìn)行源解析。黃輝軍等[9]基于17 種無機(jī)元素以及兩種水溶性陰離子成分譜對(duì)南京市 PM2.5來源進(jìn)行源解析。莊馬展[10]通過分析廈門市大氣中細(xì)顆粒物化學(xué)組成成分，得出其主要包括9 種無機(jī)元素、8 種水溶性離子、OC和EC等主成成分。上述研究表明，水溶性無機(jī)鹽和含碳物質(zhì)是PM2.5細(xì)顆粒物中的主要化學(xué)組成成分。

關(guān)于PM2.5濃度影響因素的研究：孫建如[11]選取14個(gè)指標(biāo)對(duì)污染較為嚴(yán)重的10個(gè)城市的PM2.5影響因素進(jìn)行主成分分析，對(duì)比分析得出結(jié)論。歷偉等[12]以江蘇省13個(gè)城市為研究對(duì)象，運(yùn)用描述性統(tǒng)計(jì)與線性回歸模型對(duì)城市PM2.5的影響因素進(jìn)行研究。郭康[13]用計(jì)量經(jīng)濟(jì)學(xué)的方法研究PM2.5的影響因素。這些研究都沒能分析出PM2.5濃度處于不同水平時(shí)的影響因素。通過對(duì)分位數(shù)回歸進(jìn)行研究[14]，相比較于線性回歸模型，分位數(shù)模型的假設(shè)條件弱、研究范圍廣，能研究因變量某個(gè)特定分位點(diǎn)的變化，全面刻畫變量的分布特征。因此，本文將創(chuàng)新使用分位數(shù)回歸模型研究PM2.5影響因素，分析空氣中的PM2.5濃度處于不同水平時(shí)的影響因素，從而顯示出變量變化的全局特征。

總之，目前從經(jīng)濟(jì)學(xué)視角分析PM2.5影響因素的研究尚不多見，并且基于實(shí)證基礎(chǔ)的研究更為缺少。本文嘗試從經(jīng)濟(jì)學(xué)的視角，創(chuàng)新使用分位數(shù)回歸模型對(duì)全國(guó)經(jīng)濟(jì)排名前124名的城市進(jìn)行研究，定量探析影響PM2.5的主要經(jīng)濟(jì)因素及不同濃度的PM2.5分別與哪些經(jīng)濟(jì)因素有關(guān)，從而為如何降低PM2.5含量提供科學(xué)依據(jù)，并對(duì)如何在保證經(jīng)濟(jì)發(fā)展的情況下降低PM2.5濃度提出合理建議。

3 實(shí)證分析——PM2.5影響因素分析

3.1 指標(biāo)與分析方法

3.1.1 數(shù)據(jù)來源

隨著生活水平的提高，人們對(duì)生活品質(zhì)、環(huán)境質(zhì)量的要求也在不斷提高。中國(guó)各大城市相繼建立了PM2.5監(jiān)測(cè)站點(diǎn)。在進(jìn)行數(shù)據(jù)篩選時(shí)，結(jié)合2014年已有PM2.5監(jiān)測(cè)的城市以及經(jīng)濟(jì)排名前124名的城市作為分析的數(shù)據(jù)樣本具有代表性。同時(shí)，由于選取的城市數(shù)目較多，模型結(jié)果具有普遍適用性，運(yùn)用SPSS20.0軟件進(jìn)行數(shù)據(jù)分析，有助于提高效率，減少重復(fù)繁瑣的工作。各大城市的PM2.5數(shù)據(jù)主要從PM2.5歷史數(shù)據(jù)網(wǎng)中取得。

3.1.2 指標(biāo)的選取

本文在研究之前，通過查找各方面的資料，從人為因素出發(fā)，從居民生活、城市建設(shè)、產(chǎn)業(yè)結(jié)構(gòu)、交通運(yùn)輸、工業(yè)發(fā)展5個(gè)角度選取了8個(gè)因素分別為：常住人口、家庭天然氣、房屋施工面積、地區(qū)生產(chǎn)總值、第二產(chǎn)業(yè)總值、民用汽車數(shù)、規(guī)模以上工業(yè)企業(yè)綜合能耗、規(guī)模工業(yè)產(chǎn)值。

3.1.3 構(gòu)建指標(biāo)體系

根據(jù)中國(guó)國(guó)家與各城市統(tǒng)計(jì)局發(fā)布的相關(guān)數(shù)據(jù)，本文以我國(guó)124個(gè)城市的PM2.5濃度為研究對(duì)象，從經(jīng)濟(jì)學(xué)角度分析影響城市空氣質(zhì)量的因素，構(gòu)建了關(guān)于PM2.5影響因素的三層指標(biāo)體系，見表1。

表1 影響PM2.5的人為因素指標(biāo)體系

3.2 線性回歸模型

通過分別對(duì)影響PM2.5濃度的諸因素進(jìn)行分析，發(fā)現(xiàn)X1、X2、X3、X4、X5、X6、X7、X8這8個(gè)變量都會(huì)對(duì)PM2.5濃度產(chǎn)生較為重要的影響，為了便于對(duì)比，首先構(gòu)造了一個(gè)線性均值回歸模型作為基礎(chǔ)參照。將所有的原始數(shù)據(jù)進(jìn)行對(duì)數(shù)化處理，構(gòu)建線性均值回歸模型如下：

LNY=β0+β1LNX1+β2LNX2+β3LNX3+β4LNX4+β5LNX5+β6LNX6+β7LNX7+β8LNX8+ε

(1)

借助SPSS統(tǒng)計(jì)分析軟件，采用STEPWISE逐步回歸方法，進(jìn)行線性回歸分析，結(jié)果見表2。

表2方差分析結(jié)果表明：在α=0.05的顯著性水平下，逐步回歸分析選出的模型有5個(gè)因素通過了顯著性檢驗(yàn)。逐步回歸模型將變量X3、X6、X8排除，即房屋施工面積、民用汽車數(shù)量、規(guī)模工業(yè)產(chǎn)值X8被排除。

表2 逐步回歸方差分析

進(jìn)一步檢驗(yàn)回歸方程各系數(shù)的顯著性，如表3所示。

從SPSS的運(yùn)行結(jié)果(表3)可知，房屋施工面積X3、民用汽車數(shù)量X6、規(guī)模工業(yè)產(chǎn)值X8被排除在外，其主要原因是：房屋施工面積對(duì)PM2.5的影響不顯著可能是由于PM2.5值與施工面積占城市總面積的比例有關(guān)，而與房屋施工面積的相關(guān)性較小。

民用汽車數(shù)量對(duì)PM2.5影響不顯著的原因有：一是本文選擇的城市較多，城市間的經(jīng)濟(jì)差距較大；二是2014年大部分城市人們的生活富裕程度總體來說剛剛達(dá)到小康水平，由于“滯后效應(yīng)”的存在，人們還沒來得及購(gòu)買汽車。

規(guī)模工業(yè)產(chǎn)值被排除的可能原因有：一是工業(yè)部門使用相對(duì)較為清潔的能源，減少了煤炭、石油的使用；二是經(jīng)濟(jì)發(fā)達(dá)的城市開始進(jìn)行產(chǎn)業(yè)結(jié)構(gòu)的轉(zhuǎn)型升級(jí)；三是有些城市將工業(yè)企業(yè)設(shè)置在郊區(qū)，自然條件對(duì)PM2.5的吸收轉(zhuǎn)化增強(qiáng)。

表3中顯示出模型5，在顯著性水平為α=0.05的情況下，各回歸系數(shù)均通過了顯著性檢驗(yàn)。進(jìn)一步，通過表4對(duì)以上模型作簡(jiǎn)單的匯總：

表4顯示了模型的決定系數(shù)D.W.檢驗(yàn)的結(jié)果,DW=2.089，可以認(rèn)為基本在2附近，說明殘差項(xiàng)的一階自回歸現(xiàn)象不是很嚴(yán)重。

表3 回歸方程的系數(shù)

表4 模型匯總

通過上述分析，可以就表3中的模型5給出一個(gè)較好的線性回歸模型，表達(dá)形式為：

LNY=2.817+0.11LNX7-0.292LNX1-0.657LNX4+0.483LNX5+0.048LNX2+ε

(2)

由式(2)可以看出，各個(gè)經(jīng)濟(jì)因素對(duì)PM2.5影響大小排列如下所示：X4>X5>X1>X7>X2，即地區(qū)生產(chǎn)總值>第二產(chǎn)業(yè)總值>常住人口>規(guī)模以上工業(yè)企業(yè)綜合能耗>家庭天然氣用量。

盡管該模型統(tǒng)計(jì)檢驗(yàn)是顯著的，但是仍存在非常明顯的缺陷：一方面，在模型5中僅有33%的因變量能夠被解釋模型所解釋，決定系數(shù)較小，說明還有某些以非參數(shù)形式存在的解釋變量沒有選入模型中；另一方面，該模型不能反映變量變化的全局特征，也就不能表達(dá)不同PM2.5濃度值時(shí)各因素的影響程度。

為了尋找某些非參數(shù)形式的影響變量，同時(shí)研究不同PM2.5濃度值時(shí)各因素的影響程度，引入分位數(shù)回歸。

3.4 基于分位數(shù)回歸模型的PM2.5影響因素分析

以“PM2.5濃度”為因變量，以“常住人口”“家庭天然氣用量”“房屋施工面積”“地區(qū)生產(chǎn)總值”“第二產(chǎn)業(yè)產(chǎn)值”“民用汽車數(shù)量”“規(guī)模以上工業(yè)企業(yè)綜合能耗”“規(guī)模工業(yè)產(chǎn)值”為解釋變量建立分位數(shù)回歸模型如下所示：

(3)

分位數(shù)回歸的參數(shù)估計(jì)選擇Epanechnikov核函數(shù)進(jìn)行非參數(shù)核估計(jì)，回歸系數(shù)如表5、表6所示。

分位數(shù)回歸模型與線性回歸模型的系數(shù)含義不同，OLS得出的系數(shù)是對(duì)的平均邊際效果，而分位數(shù)回歸則是某個(gè)特定分位數(shù)的邊際效果。從表5、表6可以看出，整體而言，僅存在兩個(gè)變量不能通過系數(shù)的顯著性檢驗(yàn)，一個(gè)是變量X6，另一個(gè)則是變量。

表5 分位數(shù)回歸的參數(shù)估計(jì)值

表6 分位數(shù)回歸的參數(shù)估計(jì)值

除去對(duì)PM2.5影響不顯著的變量，解釋變量X3、X4對(duì)PM2.5呈負(fù)向影響，X1、X2、X5、X6、X7對(duì)PM2.5呈正向影響。房屋建筑施工面積X3對(duì)空氣中PM2.5值的影響是負(fù)的，這可能是由于城市施工面積較大的城市其經(jīng)濟(jì)也發(fā)達(dá)，施工過程中堅(jiān)持綠色施工，與施工面積較小的城市相比更加環(huán)保。地區(qū)生產(chǎn)總值變量X4對(duì)PM2.5濃度的影響是負(fù)的，這可能是由于新技術(shù)的出現(xiàn)使得原有的技術(shù)被取代，使得能源消耗減少，PM2.5濃度下降。在低分位0.05、0.15時(shí)，所有的解釋變量對(duì)PM2.5的影響都是不顯著的，這與實(shí)際情況十分相符。空氣中本來就存在固有的細(xì)小顆粒物，PM2.5濃度為零更是不可能的。

由全國(guó)124個(gè)城市的統(tǒng)計(jì)數(shù)據(jù)及分位點(diǎn)理論分析可知：

變量X1在0.25分位及以上，常住人口大于317.14萬(wàn)人時(shí)(X1>317.14)，對(duì)PM2.5濃度的影響顯著。常住人口相對(duì)較多的城市，其城市空氣質(zhì)量較差；人口密度集中時(shí)，空氣中存在大量人們呼出的CO2從而加劇了PM2.5環(huán)境污染。常住人口主要分布在東部沿海地區(qū)，北京、上海、廣州等超一線城市，以及中部地區(qū)的大中城市。由于地區(qū)的連動(dòng)性，這些地區(qū)的人口流動(dòng)頻繁，人口密度高，CO2不能被自然環(huán)境所吸收從而使PM2.5濃度上升。

變量X2在0.45分位及其以上，家庭天然氣用量大于4806萬(wàn)m3時(shí)(X2>4806)，排放的含碳氮物質(zhì)使的空氣中PM2.5濃度有顯著上升。隨著“西氣東輸”工程的完成，東部地區(qū)更多的是使用天然氣資源，而東北地區(qū)由于其冬天氣溫低等自然特點(diǎn)，使得東北城市對(duì)天然氣的需求量較大，天然氣使用中產(chǎn)生的碳氮物質(zhì)會(huì)使PM2.5濃度增加。中部地區(qū)由于發(fā)展滯后，吸取了東部部分城市利用石油、煤炭發(fā)展工業(yè)的教訓(xùn)，從而使用較為清潔的能源天然氣，但天然氣的使用量超過一定的范圍也會(huì)使得PM2.5的濃度上升。

變量X3在0.95分位及以上，房屋施工面積超過22463萬(wàn)m2時(shí)(X3>22463)，施工全程中產(chǎn)生的灰塵等細(xì)顆粒物會(huì)使PM2.5濃度下降。根據(jù)分位點(diǎn)的計(jì)算結(jié)果可知，房屋施工面積大于22463萬(wàn)m2的城市主要有北京、上海、重慶、南通、寧波、成都，主要分布在北京、上海，中部中心城市重慶、成都，以及東部的南通和寧波發(fā)達(dá)地區(qū)。經(jīng)濟(jì)條件越好，相對(duì)而言房屋的施工面積越大。

變量X4在0.25分位及以上，地區(qū)生產(chǎn)總值不低于1658.54億元時(shí)(X4>1658.54)，地區(qū)生產(chǎn)總值對(duì)PM2.5濃度的影響較顯著。通過分位數(shù)回歸模型的運(yùn)算結(jié)果分析可知：經(jīng)濟(jì)總量超過1658.54億元，經(jīng)濟(jì)水平相對(duì)發(fā)達(dá)的城市其PM2.5濃度反而較低，部分城市的經(jīng)濟(jì)發(fā)展已經(jīng)不再是以環(huán)境為代價(jià)的，而是努力保持經(jīng)濟(jì)與環(huán)境的協(xié)調(diào)發(fā)展。地區(qū)生產(chǎn)總值主要分布在東部沿海地區(qū)，一線發(fā)達(dá)城市，以及中部地區(qū)的大中城市。經(jīng)濟(jì)發(fā)達(dá)的城市現(xiàn)如今更加注重環(huán)境保護(hù)，其經(jīng)濟(jì)發(fā)展也不再依賴于重工業(yè)產(chǎn)業(yè)，而是更加注重服務(wù)業(yè)、高新技術(shù)產(chǎn)業(yè)的發(fā)展，例如上海、廣州、深圳等城市的經(jīng)濟(jì)相當(dāng)發(fā)達(dá)，但PM2.5濃度相對(duì)卻比較低。

變量X5在0.25分位及以上，第二產(chǎn)業(yè)產(chǎn)值不低于865.05億元時(shí)(X5>865.05)，第二產(chǎn)業(yè)產(chǎn)值對(duì)PM2.5有很大的相關(guān)性。我國(guó)大部分城市總體上仍然處于工業(yè)化的中期，第二產(chǎn)業(yè)大部分是能源消耗量大、污染物排放多的行業(yè)，工業(yè)化本身并不是造成PM2.5環(huán)境惡化的原因，不合理的產(chǎn)業(yè)結(jié)構(gòu)，生產(chǎn)方式粗放的才是根本[34]。第二產(chǎn)業(yè)產(chǎn)值較高的城市主要分布在一線大城市，東部發(fā)達(dá)城市，以及東北老工業(yè)基地，中部的部分城市。從分析中看出廣州等地的工業(yè)發(fā)達(dá)，但是PM2.5濃度低，主要是由于這些城市企業(yè)轉(zhuǎn)型，大量發(fā)展高新技術(shù)產(chǎn)業(yè)。

變量X7在0.55分位及以上，規(guī)模以上工業(yè)企業(yè)綜合能耗高于1283.6萬(wàn)t煤(X7>1283.6)，規(guī)模以上綜合能耗對(duì)PM2.5濃度的影響較大。工業(yè)活動(dòng)中是以原煤、焦炭、原油、汽油、煤油、柴油、燃料油、液化石油氣等燃料的消耗為主，這些能源在使用過程中會(huì)排放出大量的SO2、NOx等酸性氣體直接造成PM2.5濃度不斷上升。城市規(guī)模以上工業(yè)企業(yè)綜合能耗對(duì)PM2.5影響較大的區(qū)域分布主要集中在京津冀、山東、東部沿海地區(qū)。這些地區(qū)的工業(yè)發(fā)達(dá)，工業(yè)活動(dòng)中頻繁，空氣中PM2.5濃度相對(duì)較高。

綜上所述，分位數(shù)回歸模型中不同分位點(diǎn)下空氣中PM2.5濃度的影響因素是不同的，且很好的反映了變量變化的全局特征，充分顯示出PM2.5濃度處于不同水平時(shí)各影響因素的不同作用。

Koenker和Bassset在Wald檢驗(yàn)法的基礎(chǔ)上進(jìn)行變形，解決不同分位點(diǎn)系數(shù)的一致性問題。由上述理論，對(duì)(0.05,0.55,0.95)3個(gè)分位點(diǎn)進(jìn)行系數(shù)的一致性對(duì)比檢驗(yàn)，檢驗(yàn)結(jié)果見表7。

表7 PM2.5分位數(shù)回歸斜率系數(shù)的一致性檢驗(yàn)

從表7可得，檢驗(yàn)的概率值p=3.479×10-10是非常小的數(shù)，則拒絕原假設(shè)，即在不同分位點(diǎn)下線性分位回歸模型的斜率系數(shù)不一致。單個(gè)解釋變量在不同分為點(diǎn)時(shí)對(duì)PM2.5濃度的影響是不一樣的，各影響因素系數(shù)的變化見圖1。

圖1 不同分位點(diǎn)處不同影響因素對(duì)PM2.5濃度影響的分位數(shù)回歸系數(shù)變化

從圖1可以看出，除變量與在不同分為點(diǎn)的變化不顯著外，其它影響因素都變化明顯，且在分位點(diǎn)由低到高的變化過程中，各個(gè)解釋總體呈現(xiàn)出上升的趨勢(shì)，這說明當(dāng)空氣中PM2.5處于高濃度時(shí)，常住人口、家庭天然氣使用量、房屋施工面積、地區(qū)生產(chǎn)總值、第二產(chǎn)業(yè)總值、規(guī)模以上工業(yè)企業(yè)綜合能耗等單個(gè)因素對(duì)PM2.5的影響比PM2.5處于低水平時(shí)更顯著，這也說明PM2.5處于低水平時(shí)存在更多不能被模型所解釋的部分。

3.5 單變量非參數(shù)分位數(shù)回歸模型

在線性回歸模型與分位數(shù)回歸模型的分析中，發(fā)現(xiàn)“民用汽車數(shù)量”在均值線性回歸與分位數(shù)回歸模型中對(duì)PM2.5濃度的影響都不顯著。而通過閱讀大量的文獻(xiàn)[16,29]可知，民用汽車數(shù)量因素在PM2.5中應(yīng)該作為一個(gè)重要的解釋變量，這說明民用汽車數(shù)量對(duì)PM2.5的影響可能是非線性的，甚至不具備固定的關(guān)系表達(dá)式，所以本小節(jié)從非參數(shù)的思想出發(fā)，研究民用汽車數(shù)量對(duì)PM2.5濃度的非參數(shù)影響效果。

本節(jié)將“民用汽車數(shù)量”因素作為單一自變量，建立非參數(shù)分位數(shù)回歸模型，模型可表示為：

(4)

具體模型可以使用局部的多項(xiàng)式逼近方法，對(duì)選取的樣本點(diǎn)進(jìn)行線性擬合。根據(jù)研究的需要，選擇0.15、0.55、0.85這3個(gè)分位點(diǎn)來構(gòu)建非參數(shù)分位數(shù)回歸模型，h=(0.05,0.1,0.15,0.2)選取寬窗繪制曲線如圖2所示。

圖2不同分位點(diǎn)的曲線表明，“民用汽車數(shù)量”因素對(duì)于PM2.5濃度的非參數(shù)影響在不同的分位點(diǎn)還是存在明顯的差異，尤其是在“民用汽車數(shù)量”的兩端，“民用汽車數(shù)量”對(duì)PM2.5的影響在不同的分位點(diǎn)存在顯著差別。

圖2 0.15、0.56、0.85分位點(diǎn)非參數(shù)分位數(shù)回歸曲線

在同一圖形中，不同擬合曲線的光滑程度是不一樣的，相比而言，當(dāng)寬窗為，在0.15、0.55、0.85這3個(gè)分位點(diǎn)的圖形中都可以得到相對(duì)光滑的曲線，為了觀察不同分位點(diǎn)的擬合曲線的不同，統(tǒng)一選擇寬窗，將不同分位點(diǎn)的三組非參數(shù)擬合曲線都放在同一圖形中進(jìn)行比較，如圖3所示。

圖3 我國(guó)124個(gè)城市PM2.5濃度汽車數(shù)量因素非參數(shù)分位數(shù)回歸曲線

從圖3中的曲線可以看出，在不同的分位點(diǎn)下，民用汽車數(shù)量因素對(duì)PM2.5濃度的影響呈現(xiàn)出明顯的規(guī)律性：3條曲線的走勢(shì)大致平行，說明不同的民用汽車擁有量，汽車數(shù)量對(duì)PM2.5濃度的影響僅僅是位置的變化，而尺度變化并不明顯。當(dāng)民用汽車數(shù)量較少時(shí)，民用汽車擁有量對(duì)PM2.5的影響并不是非常顯著，其中的主要原因是較少汽車排放的尾氣被自然環(huán)境所吸收轉(zhuǎn)化。當(dāng)民用汽車數(shù)量較多時(shí)，汽車數(shù)量對(duì)PM2.5的影響非常顯著，說明在這個(gè)階段，PM2.5濃度隨民用汽車數(shù)量變化的幅度較大，因?yàn)槠嚁?shù)量越多排放的含碳氮物質(zhì)越多，越容易誘發(fā)霧霾天氣。

3.6 結(jié)論

通過分位數(shù)回歸模型的分析可以看出，一個(gè)城市的PM2.5濃度主要與地區(qū)生產(chǎn)總值、第二產(chǎn)業(yè)產(chǎn)值、常住人口、規(guī)模以上工業(yè)企業(yè)綜合能耗、家庭天然氣用量、房屋建筑施工面積相關(guān)。不同分位點(diǎn)處PM2.5的影響因素存在差別：常住人口X1在0.25分位及以上且大于317.14萬(wàn)人時(shí)，對(duì)PM2.5濃度的影響顯著。家庭天然氣用量X2在0.45分位及其以上且大于4806萬(wàn)m3時(shí)，排放的含碳氮物質(zhì)使得空氣中PM2.5濃度顯著上升。房屋施工面積X3在0.95分位及以上且超過22463萬(wàn)m2時(shí)，綠色環(huán)保的施工過程使城市房屋施工面積與PM2.5濃度呈負(fù)相關(guān)。地區(qū)生產(chǎn)總值GDPX4在0.25分位及以上且不低于1658.54時(shí)，對(duì)PM2.5濃度的變化的影響比較顯著。第二產(chǎn)業(yè)總值X5在0.25分位及以上且不低于865.05億元時(shí)，第二產(chǎn)業(yè)總值對(duì)PM2.5有很大的相關(guān)性。規(guī)模以上工業(yè)企業(yè)綜合能耗X7在0.55分位及以上又高于1283.6萬(wàn)t煤時(shí)，規(guī)模以上綜合能耗對(duì)PM2.5濃度的影響較大。單變量非參數(shù)分位數(shù)回歸模型分析顯示民用汽車數(shù)量對(duì)PM2.5的影響在不同的分位點(diǎn)存在顯著的差異。

4 對(duì)策建議

通過對(duì)空氣中的PM2.5進(jìn)行分位數(shù)回歸分析，根據(jù)分析得出的PM2.5影響因素，并結(jié)合各個(gè)城市的具體特征提出如下建議以降低PM2.5污染：

(1)河北省的保定、石家莊、邯鄲、唐山在124個(gè)城市中PM2.5濃度最高，均是以醫(yī)藥、化工、印染、原煤、原油等工業(yè)產(chǎn)業(yè)為主的城市。一是應(yīng)大力發(fā)展高新技術(shù)產(chǎn)業(yè)，淘汰污染嚴(yán)重的企業(yè)；二是提高對(duì)化工產(chǎn)品污染能力、研發(fā)新技術(shù)提高污水的循環(huán)再利用，建立健全污水管網(wǎng)收集系統(tǒng)；三是促進(jìn)經(jīng)濟(jì)的轉(zhuǎn)型升級(jí)，轉(zhuǎn)變經(jīng)濟(jì)發(fā)展模式，推進(jìn)技術(shù)進(jìn)步，改善目前能源消費(fèi)結(jié)構(gòu)，形成節(jié)約型的經(jīng)濟(jì)增長(zhǎng)方式；四是提高城市的綠化面積，增加城市綠化帶，使城市園林化。

(2)對(duì)于北京、天津等民用汽車數(shù)量排名靠前且PM2.5濃度也較高的城市。一是采取限車令，鼓勵(lì)居民綠色出行，多使用自行車、公交車、地鐵等交通工具，同時(shí)研發(fā)新能源汽車、使用更清潔的能源；二是加強(qiáng)周邊城市PM2.5的治理，建立范圍較大的隔離帶、綠化帶，盡可能的減少周邊城市PM2.5細(xì)顆粒物擴(kuò)散對(duì)北京、天津空氣質(zhì)量的影響。

(3)對(duì)于宜昌、咸陽(yáng)、鞍山此類規(guī)模相對(duì)較小，但PM2.5濃度卻相對(duì)較高的城市。依據(jù)城市特點(diǎn)，因地制宜采取適當(dāng)?shù)拇胧Ｒ皇菍?duì)于受地理環(huán)境的影響的城市，應(yīng)調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，增加服務(wù)業(yè)等第三產(chǎn)業(yè)在地區(qū)經(jīng)濟(jì)總量中的比重，減少PM2.5細(xì)顆粒物的產(chǎn)生；二是對(duì)于海拔較高，易受北部高原氣候影響，沙塵時(shí)常出現(xiàn)的城市，應(yīng)進(jìn)行大范圍內(nèi)的植樹造林，從源頭進(jìn)行治理；三是對(duì)于鋼鐵資源豐富的城市，應(yīng)提高企業(yè)的自主創(chuàng)新能力，提高技術(shù)研發(fā)投入，開發(fā)新的環(huán)保技術(shù)和材料，形成環(huán)保型鋼鐵運(yùn)營(yíng)模式。