《动态空间视域下京津冀及周边地区大气污染的集聚演化特征与协同因素》-经济学论文，人口资源与环境论文-论文范文参考-科学狗论文网

标题

动态空间视域下京津冀及周边地区大气污染的集聚演化特征与协同因素

范文

王红梅谢永乐张驰孙静

摘要：基于空间关联分析与动态空间自回归模型，以AQI和PM2.5、PM10、SO2等6类污染物为研究对象，探寻2013—2018年京津冀及周边地区“2+26+3”城市大气污染的集聚演化特征及相关协同因素。研究发现：①大气污染呈复合型演化态势。AQI、PM2.5、PM10以高-高集聚为主，SO2、CO、O3为高-高、低-低集聚并存;PM2.5、PM10、SO2的全局相关程度高，CO、O3相对较弱;NO2的局部与全局相关性均不显著。②大气污染的“时空尺度效应”非常显著。就本地区而言，经济、社会类因素主要发挥正向作用，生态保护类因素以负向影响为主，且前两者的贡献强度明显高于后者。全面改善京津冀及周边地区的大气质量，可从四个方面推进：一是协调好属地发展诉求与协同治理目标的对立统一关系，建立健全区域内环保利益差核算与转移支付（补偿）机制;二是统筹好全局与局部“共同但有差别”的联防联控步调，构建多中心、复合型联合治理体系，以专项责任目标引导精细化治理行动;三是推动区域“三维一体”协同体系建设，从主体功能分区、清洁产能置换等层面，求解各地区之间达成稳固性合作联盟的“最大公约数”;四是完善地方政府绩效及晋升体制改革，以拓展环境治理考核维度、调减经济指标权重等方式，强化其融入区域协同体系的内在动力与主责意识。

关键词：京津冀及周边地区;大气污染;外溢效应;协同因素;动态空间自回归模型

中图分类号F062.2文献标识码A文章编号1002-2104（2021）03-0052-14

DOI：10.12062/cpre.20201208

2020年政府工作报告与“十四五”规划均明确提出，要强化多污染物协同控制与区域协同治理，切实提高环境治理成效。针对京津冀及周边地区的大气污染物连片排放与跨域迭代传输问题，分散性属地治理的成效有限，协同合作始终是攻克这一难题的共识。为此，中央政府相继发布了《关于推进大气污染联防联控改善区域空气质量的指导意见》《大气污染防治行动计划》《京津冀协同发展生态保护规划》等指导政策。现阶段，在加强以地方政府为责任主体、中央与地方双重推动型“七省区八部委”联防联控机制体系建设的同时，行政区划分割主导的属地治理模式与特殊任务驱动的合作治理模式，仍并存于大气污染治理实践中，使“奥运蓝”“阅兵蓝”“APEC蓝”及“两会蓝”等区域整体性大气质量改善未能可持续化。根据近几年的生态环境质量报告显示，京津冀及周边地区“2+26”城市的PM2.5、PM10、SO2等污染物浓度，仍明显高于长三角、珠三角等区域，且各类污染物“大杂居、小聚居”的特征日益突显。有效实现不同地区的精细化分工与协作，是目前所面临的挑战。因此，基于大气污染集聚演化规律与区域联防联控逻辑，探寻资源禀赋、经济基础、技术水平、市场环境、政治位势、污染源结构等因素的影响路径，构建全域统筹规划基础上的多层级、多中心、网格化局域协同治理体系，是提升京津冀及周边地区大气污染深化治理成效的战略要求和可行性选择。

1文献综述

伴随社会对绿色发展政策实施效果的关注度不断提升，学术界从多元维度就“京津冀及周边地区大气污染协同治理效果何以不尽如人意”这一问题提出了相关观点。魏娜等[1]、孟庆国等[2]借鉴Bryson等[3]的“起始条件-过程-结构和治理-偶然事件和约束条件-结果和责任”研究框架与Ansell[4]的分析模型考察提出，虽然“被动回应型”协同模式能获得短暂的合法性效果回馈，但其运行成本巨大，且存在明显的反弹效应。王红梅等[5]受Thomson等[6]“协同多维度模型”启发，通过地方利益类型剖析指出，难以协调的非对称复合型府际利益关系，是京津冀难以达成稳固性大气污染合作治理联盟的根本原因。李牧耘等[7]从联防联控机制演进历程探究出，因领导组織及机制不完善、地区“位势差异”、政策工具类型失衡等，致使地方政府缺乏长效的横向沟通路径。臧雷振和翟晓荣[8]基于区域壁垒分析提出，地区之间的技术、经济及环境等壁垒，以相互迭代方式阻碍了协同治理的整体进程。贺璇和王冰[9]关于京津冀大气污染治理模式转型的探讨表明，自然环境承载力约束与经济社会发展需求的多重差异性，使中央与地方在协同治理进程中的财政转移支付可能违背市场运行规律，从而引发权钱交易、寻租等X-低效率问题。

根据大气污染复合性、公共性及外溢性等特征，如何立足于区域动态空间发展战略布局，挖掘局域发展与全域协同的影响因素，以妥善解决内部投入-产出失衡问题，提升属地之间的联防协作驱动力，是推动京津冀及周边地区大气污染协同治理持续深化的关键。目前，基于新经济地理理论与计量实证方法，区域环境治理动态空间外溢效应探讨已取得一定进展。如Bucovetsky[10]基于地区之间流动与非流动要素的互动特征，通过调整标准税收竞争模型的约束条件，设计出广义非对称性税收竞争模型。Economides等[11]以公共投入为考虑前提，构建了经济发展与环境污染治理互动的内生增长模型。赵桂梅等[12]融合STIRPAT和EKC模型，检验出我国省际碳排放强度具有“俱乐部收敛”特征。冯颖等[13]、马黎等[14]、姜磊[15]、胡志高等[16]通过静、动态的空间面板模型及LM检验等方法，探究了不同约束条件下经济发展、人口密度、科技进步、能源消耗、交通状况、绿化建设等因素对我国大气污染集聚演化的影响情况。陈碧琼、张梁梁[17]基于动态空间GMM模型，研究了金融规模、金融效率等因素对我国碳排放量及排放强度的空间关联效应。罗能生、王玉泽[18]运用收-支双维动态空间杜宾模型，探寻出我国财政分权、环境规制对省际生态效率演化的影响程度。Anoulises[19]立足于国家行动策略互动视角，发现贸易一体化与环境污染之间存在显著的非线性动态相关关系。时乐乐[20]采用非线性动态门槛模型，分析出我国环境综合治理进程中，环境规制对产业结构升级的作用路径及特征。

综上可知，目前国内外关于京津冀及周边地区大气污染协同治理效果评判、区域环境治理外溢效应探讨、动态空间检验方法应用等已取得一定的研究进展。但是，针对地区“阶梯式”经济社会发展差距与政治位势差异，如何将大气污染治理置于区域“五位一体”发展战略布局，统筹好多元要素配置、多元主体参与、多方诉求协调等问题，有效平衡属地非对称利益博弈，建立健全集体行动体系，推动“地方政府绩效”与“区域治理协同”的双向统一，尚存在诸多可创新性研究空间。鉴于此，本文立足于动态空间视域，通过局部与全局关联性分析，明确京津冀及周边地区“2+26+3”城市大气污染的集聚演化情况，并通过时间与空间双重考察的动态空间自回归（dynamicspatialautoregressivemodel，D-SAR）检验，探寻不同情境中经济、社会与生态类因素的具体影响，以期探寻出科学的权责分工、目标责任督察等协同路径，为地方政府的战略制定与政策执行提供相关参考。

2变量解释与模型构建

2.1数据来源

我国于2013年开始发布PM2.5的监测数据。近年来，许多学者使用哥伦比亚大学国际地球科学信息网络中心（CIESI）提供的“栅格数据”进行相关研究，但其统计方法及口径与我国现有的《环境空气质量标准》（GB3095-2012）、《环境空气质量指数（AQI）技术规定（试行）》（HJ633-2012）存在较大出入。因此，为确保数据统计口径的一致性，本文根据当前京津冀行政区划边界与《京津冀及周边地区2017年大气污染防治工作方案》确定的攻坚范围，选定“2+26+3”城市为研究主体（图1），以2013—2018年的面板数据为分析样本。数据来源包括《中国统计年鉴》《中国环境统计年鉴》《中国城市统计年鉴》以及各地区统计年鉴、环境质量公报、财政决算报告、政府工作报告、国民经济和社会发展统计公报，少部分缺失数据采用线性插值法加以补充。

2.2变量选取

被解释变量：大气污染由多种污染源交叠融合所致，单凭某一类污染物浓度的变化难以全面衡量区域整体情况。故本文按我国现有大气质量监测维度与标准，选取空气质量指数（airqualityindex，AQI）及6种污染物（PM2.5、PM10、SO2、NO2、CO、O3）的年均浓度值来表征大气污染程度，分别用PAQI、Ppm2.5、Ppm10、PSO2、PNO2、PCO、PO3来表示，并通过局部与全局自相关检验，筛选出符合京津冀及周边地区实情的变量。总体而言，各变量的数值越高，表明大气污染越严重。

解释变量：在我国经济、政治、社会、文化、生态“五位一体”发展体系中，大气污染必然会同时受多元因素的影响。为有效挖掘与识别出京津冀及周边地区大气污染演化与空间外溢的相关因素，本文基于共同体理论[21-22]、集体行动理论[23-24]、以公共价值为基础的政府绩效治理理论[25]，通过借鉴Zugravu等[26]、张为杰等[27]、严雅雪等[28]的研究成果，按经济发展、社会发展及生态保护维度，共提炼出24个可行性解释变量，并运用相关系数检验、VIF检验与Hausman检验，判定变量之间的多重共线性与联立型内生性问题，最终选定9个解释变量，具体如下：①经济增长（GDPL），以GDP增长率表示。经典EKC假说提出，环境污染与经济增长具有“倒U”型关系，且许多学者验证出，我国环境污染和经济增长尚未到达“倒U”型曲线的顶点，故预期其系数为正。②产业结构（IS），以第三产业增加值占GDP的比重衡量。相较于第二产业，第三产业在能源消耗、废弃物排放等方面都更为“绿色”，其所占比重的提升，将有助于减缓大气污染，故预期其系数为负。③对外开放（EI），以进出口贸易总额进行测度。进出口贸易在引进资金、产品及技术的同时，也可能导致重污染产业转入，目前对于是否存在“污染天堂”或“污染晕轮”效应尚无确切定论，故难以预期其系数。④人口密度（POP），以常住人口数除以行政区域面積得出。人口密度越大，因生产、生活带来的更多能源消耗与污染物排放，会加剧大气污染，故预期其系数为正。⑤城镇化率（UP），以城镇常住人口占地区常住总人口的比重衡量。城镇化率提升意味着人口与产业集聚，但因人口及第二、三产业等相对集聚速度的较量，难以判定城镇化发展是否一定会加剧大气污染，故不好预期其系数。⑥科技进步（PA），以科学技术支出占一般公共预算支出的比重测度。数值越大，表明政府对研究与开发的支持力度越大，意味着技术创新能力越高，有助于提高能源利用效率、降低污染物排放强度等。但也有研究表明，科技进步会引致“能源回弹效应”[29]，故难以预期其系数。⑦交通情况（CAR），以地区民用汽车拥有量表示。虽然我国积极推进新能源汽车的应用，但传统型汽车仍占据很大的市场份额，汽车尾气排放是重要的大气污染源之一，故预期其系数为正。⑧环境规制（ER），以节能环保支出占一般公共预算支出的比重测度。数值越大，表明政府对生态环境治理的重视程度越高，有助于推动以清洁能源置换、废气物处理技术改进等直接、间接调控方式降低大气污染，故预期其系数为负。⑨绿化建设（GR），以建成区绿化覆盖率表示。绿色植被的叶片表面性能（茸毛和腊质表皮等）可截取和固定细微颗粒物，从而具有净化空气的效能。绿化覆盖率越高，越有利于减缓大气污染，故预期其系数为负。变量统计与检验情况如表1、表2、表3所示。

经检验得出：①解释变量之间的相关系数绝对值基本位于0～0.6之间，单个解释变量的VIF值域为[1.43，5.70]，且MeanVIF值为3.51。由此可判定，解释变量之间没有显著的相关关系，即不存在多重共线性问题。②解释变量以相对量指标为主，使绝对量指标之间原本可能存在的内生关系被有效降低。针对解释变量与被解释变量之间可能存在的联立型内生性问题，考虑异方差影响的修正型Hausman检验显示，在AQI、NO2、CO、O3情境中均不存在显著联立性。虽然PA与PM2.5、EI与PM10、CAR与SO2之间存在联立性，但因PA、EI、CAR与其他解释变量之间没有显著的相关关系，不会影响同一情境中其他解释变量的参数估计，故不存在明显的内生性问题。

2.3动态空间模型设置

传统计量模型以数据独立、均匀分布为前提，不适用于研究对象之间存在空间相关关系的情况，故而需在模型设置中体现空间外溢效应。目前，空间计量模型的应用主要有：①空间自回归模型（spatialautoregressivemodel，SAR），旨在探讨因变量本身是否具有“外溢效应”，如邻近地区大气污染演化对本地区的影响;②空间误差模型（spatialerrormodel，SEM），即重点度量误差冲击（即扰动项）的空间外溢程度;③空间杜宾模型（spatialDubinmodel，SDM），主要考察本地区观察变量对邻近地区因变量的影响。对于区域大气污染治理而言，经济增长、产业升级、技术进步、环境规制等对本地区的影响，会通过大气的无界性流动，作用于邻近地区，即大气污染外溢性是各地区之间多元协同因素联动的有效桥梁。所以，在此选用空间自回归模型（SAR）作为外溢效应检验的基准工具。因考虑到各地区大气污染演化本身可能存在一定的“时间惯性”，从而引入AQI及PM2.5、PM10、SO2等污染物的一期滞后项作为解释变量，并加入个体固定效应，以缓解遗漏变量产生的内生性问题，最终构建出动态空间自回归（D-SAR）模型。具体模型为：

Yit=γlnYit-1+ρ∑nj=1wijYjt+β1GDPLit+β2lnPOPit+

β3ISit+β4ERit+β5PAit+β6UPit+β7lnEIit+

β8GRit+β9lnCARitit+μi+εit

其中，Yit、Yjt分别表示第i、j个地区第t年的大气污染程度;Yit-1表示第i个地区第t-1年的大气污染程度;n为考察的地區总数;wij为二进制的邻接权重矩阵（即0-1矩阵），若两个地区相邻，则wij=1，反之wij=1=0;γ表示“时间惯性”强度;ρ表示空间外溢效应强度;GDPLit、lnPOPit、ISit、ERit、PAit、UPit、lnEIit、GRit、lnCARitit分别表示第i个地区第t年的经济增长、人口密度、产业结构、环境规制、科技进步、城镇化率、对外开放、绿化建设及交通情况，它们共同构成京津冀及周边地区大气污染治理的协同因素体系;μi为个体固定效应;εit为随机扰动项。

3京津冀及周边地区大气污染的空间集聚演化特征

3.1局部自相关分析

局部自相关分析，旨在研究某特定范围内大气污染的空间集聚情况，通常使用局部MoransI指数进行衡量，计算公式为：Ii=[（Yi-）∑nj=1wij（Yj-）]/S2。

其中，Ii是局部Moran指数，取值区间为[-1，1];n是考察的地区总数;Yi和Yj分别是地区i和地区j的观测值，wij是邻接权重矩阵;是平均值;S2=∑ni=1（Yi-）2/n。若Ii>0，则呈现为高（低）值地区i被相邻高（低）值地区包围的空间联系，例如，高（低）AQI的本地区与高（低）AQI的相邻地区并存，即高-高（第一象限）或低-低（第三象限）集聚模式;若Ii<0，则呈现为低-高（第二象限）或高-低（第四象限）集聚模式。在此，本文运用Stata14软件，计算京津冀及周边地区2013—2018年的局部MoransI指数，并拟合出相应的Moran散点图（图2），进而归纳出AQI及6类大气污染物的局部空间集聚特征与演化路径（表4、表5）。

经比较发现，京津冀及周边地区大气污染具有显著的复合型局部集聚演化特征。第一，从AQI及6类污染物层面来看，NO2在2014—2018年期间的局部MoransI值域为[0.011，0.042]，其散点图几乎与横轴重合，即不存在显著的局部自相关关系，故在此不作进一步探讨。同时，AQI及其他污染物的局部集聚变化比较显著。①AQI：2013年以低-低集聚为主，2016年以低-高集聚为主，2015、2017年以高-高集聚为主，2014、2018年以高-高与低-低集聚为主。②PM2.5与PM10的局部集聚态势基本一致，2013—2014年以高-高与低-低集聚为主，2015—2018年以高-高集聚为主。③SO2：2013—2014年以低-高与低-低集聚为主，2015—2018年以高-高与低-低集聚为主。④CO：2013—2018年均以高-高集聚为主，同时，低-高与低-低集聚的程度基本持平。⑤O3：2013—2014年为高-高、高-低与低-高的集聚程度基本持平，2015—2016年以高-高、低-低与高-低集聚为主，2017—2018年以高-高与高-低集聚为主，但2015—2018年的局部MoransI值域为[0.048，0.138]，即整体显著性水平偏低。第二，从地区层面来看，整体上是以高-高、低-低及混合集聚模式为主，且同一地区不同污染物的集聚及演化情况有所差异。①高-高集聚模式主要分布于河北与山东地区。如石家庄、邯郸在AQI及5类污染物情境中均显著;衡水在AQI、PM2.5、PM10情境中显著;邢台在AQI、PM2.5、CO情境中显著;唐山、廊坊在CO与O3情境中显著;济南、德州、聊城在PM2.5与PM10情境中显著;淄博在PM10与SO2情境中显著。②低-低集聚模式的情境交叠现象非常明显。如北京、张家口、承德在AQI、PM2.5、PM10、SO2情境中显著;天津、秦皇岛在PM2.5与PM10情境中显著;菏泽在SO2、CO、O3情境中显著等。③显性与隐性潜在风险地区并存。一方面，唐山、保定、淄博、菏泽、安阳等地区，在不同情境中均呈现出具有显著负外部性的高-低集聚模式。另一方面，基于经济、社会发展等多元因素的影响，现有混合集聚模式的部分地区已经演化为高-高或高-低集聚模式。如晋城、新乡在PM2.5与PM10情境演化为高-高集聚模式;太原、阳泉在PM10与O3情境演化为高-高集聚模式;保定在PM2.5与CO情境演化为高-低集聚模式等。因此，京津冀及周边地区大气污染的深化治理，必须扎根于各地区在不同污染物情境的局部集聚演化实情，探讨适配性方案。

3.2全局自相关分析

相较于局部自相关分析，全局自相关检验的重点在于探讨整体空间序列{Xi}ni=1的集聚情况，以呈现区域大气污染的整体演化态势。它通常采用全局MoransI指数进行测度，计算公式为：

I=[n∑ni=1∑nj=1wij（Yi-）（Yj-）]/[S2∑ni=1∑nj=1wij]，其中，I是全局Moran指数，其他指标与局部MoransI指数计算公式一致。此时，若I>0，则存在正向的空间自相关，且越靠近1表示正相关性越强;若I<0，则存在负向的空间自相关，且越靠近-1表示负相关性越强;若I=0，则表明在空间上服从随机分布。在此，本文运用Stata14软件，计算出京津冀及周边地区“2+26+3”城市2013—2018年大气污染的全局MoransI指数及其显著水平（表6）。

首先，从AQI及6类污染物层面来看，由表6的数值统计结果发现，京津冀及周边地区大气污染的全局演化具有显著的复合型特征。①整体呈现为正向相关关系，但显著程度有所差异。其中，除2016年外，AQI的全局MoransI指数均为正值，且都通过了10%及以上的显著性水平检验;PM2.5、PM10、SO2在2013—2018年的全局MoransI指数均为正值，同时，PM2.5、PM10全部通过了1%的显著性水平检验，SO2全部通过了5%及以上的显著性水平检验;虽然CO的全局MoransI指数均为正值，但仅在2013、2017与2018年通过了10%的显著性水平检验;O3的全局MoransI指数在2013、2014年为负值，在2015—2018年为正值，且在2013、2016年分别通过了5%、10%的显著性水平检验。②个别污染物尚处于隐性全局演化阶段。NO2在2013—2018年的全局MoransI绝对值区间为[0.015，0.117]，整体变动幅度很小，且均不显著，即不存在全局自相关关系。这与局部自相关分析的结果基本一致，故而将在后续的实证检验中予以剔除。

4京津冀及周边地区大气污染的外溢效应检验与协同因素

4.1实证结果分析

表7成为运用邻接权重矩阵，基于京津冀及周边地区“2+26+3”城市2013—2018年面板数据，得出的动态空间自回归（D-SAR）检验结果。在此，可从两个维度判定动态空间外溢效应的强度及其显著情况：①AQI及5类大气污染物的空间外溢效应（即Spatialrho）取值范围为[0.262，0.883]，且都通过了1%的显著性水平检验，表明各地区之间的大气污染存在很强的正向空间相关关系，即相邻地区大气污染加剧，会引致本地区大气质量下降。如相邻地区的PM2.5年均浓度每增加1%，将使本地区的PM2.5年均浓度增加0.374%。②AQI及5类污染物滞后项系数的取值范围为[0.127，1.181]，且除CO滞后项系数为10%的显著性水平外，其他滞后项系数均通过了1%的显著性水平检验，表明大气污染变动具有显著的“时间惯性”特征。当某地区上一年的PM10年均浓度每增加1%时，将导致其本年的PM10年均浓度增加0.458%。由此可得出与全局自相关分析一致的结论：京津冀及周边地区大气污染演化具有显著的正向“时空尺度效应”[30]。

在社会主义市场经济深化转型的战略背景下，以属地“多域协同”推动区域“五位一体”发展，是京津冀及周边地区大气污染治理攻坚的关键。在此，针对D-SAR检验结果，对经济、社会与生态维度的相关协同因素变量进行讨论（图3）。

第一，經济发展维度。①经济增长（GDPL）对AQI、PM10具有正向影响，且分别通过了1%、5%的显著性水平检验，即GDPL每提升1%，将导致AQI、PM10分别提高0.033%、0.009%。与此同时，GDPL对SO2具有1%显著性水平的负向影响，即GDPL每提升1%，会促使SO2降低0.04%。这与宋马林等[31]、Hao等[32]、黄滢等[33]等验证的中国式环境库兹涅茨曲线特征一致。尽管京津冀及周边地区的经济发展水平尚未越过“倒U”型曲线的拐点，但其增长方式的转型已取得一定成效，特别是脱硫技术的推广应用，对缓减大气污染起到了积极作用。如何持续、全面推动集约型、技术型经济增长，加快“后工业”时代的绿色发展步伐，依然值得高度重视。②产业结构（IS）对PM10、CO、O3均具有负向影响，但只有CO的影响通过了10%显著性水平的检验，整体效果不佳。结合邓祥征等[34]、宋海鸥等[35]、Li等[36]等的研究发现，其原因在于两个方面：一是资源禀赋、经济绩效、市场环境等现实约束，使京津冀及周边地区的第三产业占比较低，传统重化工产业仍然是属地之间较量的核心装备，能源消耗与废气物排放，是加剧大气污染的强势力量;二是现有第三产业内部结构的优化不足、技术融入度偏低，对能源置换及使用效率提升的作用有限，需继续推动绿色升级。③对外开放（EI）对CO具有5%显著性水平的负向影响，即进出口贸易总额每提升1%，将会促使CO降低0.121%。根据Frankel等[37]、许和连等[38]、秦晓丽等[39]等提出的“污染晕轮”效应，近年来，世界各国都在积极推进以清洁能源替代煤炭、石油等传统能源的研发与应用，且许多发达国家还设置了绿色贸易壁垒，使国际流通富含的污染因子减少，从而有助于大气质量改善。但值得注意的是，EI对AQI还具有接近于10%显著性水平的正向影响，系数为0.069。这表明，进出口贸易总额的增加潜藏着Mani等[40]、Cole等[41]提出的“污染天堂”问题。因此，各地区要全面统筹、多维权衡地推动对外开放进程。

第二，社会发展维度。①人口密度（POP）对SO2、CO具有正向影响，系数分别为2.128、1.659，且各自通过了1%、5%的显著性水平检验;对O3具有接近于10%显著性水平的正向影响，系数为1.040。正如Vandeweghe等[42]、Hixson等[43]、何文举等[44]的研究表明，人口密度高的地区会产生更多元化的需求，而生产、生活集聚带来的能源消耗与污染物直接、间接排放等，会加剧大气污染。②城镇化率（UP）对PM2.5、PM10分别具有10%、1%显著性水平的负向影响，且对CO的负向影响接近于10%的显著性水平，而对SO2则具有1%显著性水平的正向影响。与周宏春等[45]、Bai等[46]“正向论”不同的是，京津冀及周边地区的城镇化发展呈现出“双重效应”：一是人口和产业集聚拉动建筑业发展，进而促进水泥、钢铁等重工业壮大，致使扬（烟）尘等污染物增加，加剧大气污染。二是伴随产业结构集聚演化的调整升级，当第三产业集聚速度快于第二产业、技术主导型产业集聚快于能源消耗型产业时，将有助于缓减大气污染。因此，要持续注重与推进城镇化的有效发展。③交通情况（CAR）对PM10、SO2、O3的正向影响系数依次为0.133、0.843与0.324，且分别通过了10%、1%、10%的显著性水平检验;对PM2.5的正向影响接近于10%的显著性水平。张铁映[47]、柯水发等[48]探讨得出，汽车排放对大气污染具有“稳健性”影响。虽然我国新能源汽车市场正在快速崛起，但因高技术开发成本引致的高销售价格，传统能源汽车仍是京津冀及周边地区民用汽车市场的主流，从“供-需”两端同步推动汽车能源结构转型，是大气污染源防控的重要方向。④科技进步（PA）对CO具有5%显著性水平的负向影响，系数为-0.078，对AQI具有接近于10%显著性水平的正向影响，对其他污染物的影响均不显著。这与Levinson[49]、于峰等[50]研究相吻合，即京津冀及周边地区的科技进步对大气污染确实起到了一定的抑制作用，但整体影响力度尚有不足，且潜藏着“能源回弹效应”。正如杨飞等[51]提出的“科技效用门槛”观点，单纯增加科学技术投入并不能有效保证大气污染的消减，还需辅有适配的节能减排调控政策。

第三，生态保护维度：①环境规制（ER）对PM10、SO2分别具有10%、1%显著性水平的负向影响，即节能环保支出每提高1%，会使它们分别下降0.008%、0.023%;对PM2.5的负向影响接近于10%的显著性水平;对O3的正向影响系数为0.022，且通过了5%的显著性水平检验。这种“矛盾型”效果反映出两个问题，一是环境规制的整体投入力度不足，贺俊等[52]已运用内生增长模型验证出，针对我国环境治理投资占GDP的比重与环境污染的“倒U”型关系，当比重超过1.8%时，才能遏制环境污染。目前京津冀及周边地区节能环保支出占GDP比重的取值范围为[0.19%，1.69%]，未达到有效抑制大气污染的标准。

二是环境规制的效率偏低，地方政府关注倾向的差异过大、环保监督力度不足、法律法规建设不完善、企业及公众的环保意识较薄弱等，导致京津冀及周边地区节能环保支出的整体成效不足。②绿化建设（GR）对SO2具有1%显著性水平的负向影响，即绿化覆盖率每提升1%，将使SO2降低0.015%;但对AQI及其他污染物的影响尚不显著。说明提升京津冀及周边地区的绿化水平是缓减大气污染的有效途径，可进一步加强多类型绿色植被的栽育。

4.2稳健性检验

为考察京津冀及周边地区大气污染D-SAR回归结果的稳健程度，本文将“邻接矩阵”替换为“反地理距离矩阵（1/d2）”进行验证，执行这一操作主要是基于两个方面的考虑：①在变换空间权重矩阵的基础上，保持既定模型设置与因素变量选取不变，可以确保实证思路的一致性。②现实中，强劲的风速将可能使本地区的大气污染外溢效应超出相邻地区的范围，即在有效距离内的非相邻地区也可能受到一定程度的影响。以地理距离作为空间外溢效应辐射强度的测定，既是对原有约束条件的延展，又能在实质评判准则上保持一致。具体检验结果如表8所示。

整体而言，AQI及5种污染物的空间外溢效应方向及显著性水平不变，整体强度基本一致，且除CO外的全部滞后项（Yt-1）系数仍具有1%显著性水平的正向影响。这表明，京津冀及周边地区大气污染的动态空间外溢效应显著且稳健。此时，各类协同因素的影响变动情况（图4）如下：①经济发展维度。经济增长（GDPL）对SO2的负向影响由1%显著性水平变为不显著（但接近于10%的显著性水平）;产业结构（IS）对PM10、O3的负向影响显著程度进一步降低;对外开放（EI）对SO2的负向影响由不显著变为1%显著性水平，而对AQI的正向影响显著程度，则进一步降低。②社会发展维度。人口密度（POP）的整体影响方向和显著性水平不变，但对SO2与CO的影响强度存在“此消彼长”态势;城镇化率（UP）对SO2的正向影响由1%显著性水平变为不显著，对CO的负向影响由不显著变为10%显著性水平;交通情况（CAR）对PM2.5的正向影响由不显著变为5%显著性水平，而对SO2、O3的正向影响分别由1%、10%显著性水平变为不显著;科技进步（PA）对CO负向影响的显著性水平由5%上升为1%，且对PM2.5具有接近于10%显著性水平的负向影响。③生态保护维度。环境规制（ER）减少了对PM10与SO2的显著性负向影响;绿化建设（GR）对SO2的负向影响由1%显著性水平变为不显著，但对CO产生了10%显著性水平的正向影响，即现有绿化建设结构未有效发挥出净化CO的效能，需推进更多元化的绿色植被栽培。综上可知，两类空间权重情境的检验结果基本一致，表明D-SAR模型设置与协同因素选取具有良好的稳健性。因此，以属地“多域协同”为基础单元的全局多中心协同实践模式，可成为提升京津冀及周边地区大气污染深化治理成效的探寻方向。

基于不同权重测度情境的动态空间自回归检验结果可知，相较于降水、风力等不可控的自然因素而言，经济社会发展、生态建設等可调控性因素，对京津冀及周边地区的大气污染演化有着非常显著的影响。属地内部及相互之间多元协同因素的交叠作用，引致出区域多层次、复合型大气污染空间相关关系。因此，以地方政府为责任主体，精准发掘不同地区大气污染的形成根源与演化规律，全面统筹、协调、把控好局域与全域性关键因素的合理规制，是实现区域大气污染协同治理攻坚目标的可行性策略选择。

5结论与对策建议

大气污染复合性、流动性与极强的外部性，决定其治理必然是一项长期性、系统性的工程。现阶段，根据各地区资源禀赋、经济基础、技术条件、污染源结构等实情，精准识别京津冀及周边地区大气污染动态空间外溢效应的演化特征与相关协同因素的影响情况，是持续、稳步提升区域联防协作治理效果的突破口。

基于局部与全局空间关联性分析可知：①京津冀及周边地区大气污染具有显著的复合型局部集聚特征。2013—2018年，AQI、PM2.5、PM10均以高-高集聚为主，SO2、CO及O3为高-高集聚与低-低集聚并存，NO2的分布较为均匀，无显著的集聚特征;石家庄、邯郸等10个地区以高-高集聚为主，北京、天津等6个地区以低-低集聚为主，其他地区为混合集聚特征。②各类大气污染物的全局演化方向基本一致，但显著程度存在差异。PM2.5、PM10、SO2的显著性强，CO与O3相对较弱，NO2则完全不显著。根据D-SAR模型的实证检验与协同因素影响分析得出：①京津冀及周边地区的大气污染演化具有极强的“时空尺度效应”，本地区相关污染物浓度的提升，对自身与邻近地区均存在显著的正向影响。②现阶段，各类协同因素对属地大气污染演化亦发挥着显著的复合型作用。其中，经济与社会发展类因素以正向影响为主，而生态保护类因素主要发挥负向作用，且前两者的整体贡献强度明显高于后者。

全面改善京津冀及周边地区的大气质量，可从以下四个方面推进：①协调好属地发展诉求与区域协同治理目标的“对立统一”关系。即面临“发展”和“保大气质量”使命的博弈困境，要充分重视各地区经济社会等差距与现实诉求，通过政府联席会议、专家讨论会等，组建专项领导小组、强化府际（部门）协同立法、细化监测督察制度设定等，建立健全区域内的环保利益差核算与转移支付（补偿）机制，促使“被动式应对型协同”向“主动式常态型协同”转变[53-54]。②统筹好全局与局部“共同但有差别”的联防联控步调，探寻因类、因域施治的协同路径。即根据PM2.5、PM10、SO2、CO及O3的集聚演化特征，以北京、天津、石家庄、济南、郑州、太原为基点，按地缘关系逐步完善多中心、复合型联合治理体系，使各地区充分明确自身在相关污染物情境的责任目标，制定资金分配、排放限值、应急预警等适配性方案，实现精细化治理。③积极推动“三维一体”协同体系建设。即立足于经济、社会及生态因素的影响方向与强度，求解各地区达成稳固性合作联盟的“最大公约数”，制定持续有效的专项协同方案。具体而言，在经济发展维度，一要根据资源禀赋、技术条件、地理区位等比较优势，促进“2+26+3”城市的研发、制造、外贸等主体功能分区，打造互补型局域经济圈体系，增强京津冀及周边地区的内部协作契合度与外部竞争力;二要基于产业结构升级、新清洁能源开发与置换等发展方向，淘汰传统型高耗能、重污染企业，强化技术密集型生产性服务业，吸引优质外资企业，推动区域整体经济增长方式由“量引导”向“质驱动”转型，提高全要素绿色生产率。在社会发展维度，一要积极完善基础设施建设与绿色型城镇化发展，强化地（县）级市在产业承接、科技创新、市场拓展等方面的综合实力，有效解决北京、天津、郑州等“虹吸效应”所引致的资源配置悬殊问题。二要大力推进多元化新能源汽车生产技术研发，降低单位生产成本，并制定相应的激励政策，提升民用普及率，实现区域汽车市场结构的整体升级。在生态保护维度，一要以石家庄、邯郸、衡水、邢台等为代表，提升地区环境规制投入比重及使用效率，健全省-市-县层级的不定期巡查与通报机制，实时监督责任目标的执行进度。二要根据地形、土质、降水等情况，分域、分类提升多元化绿色植被的覆盖率，强化生态系统的“自我净化”能力。④完善地方政府绩效考核及晋升机制改革。针对GDP绩效占主导与大气污染治理见效缓慢的矛盾，为强化地方政府融入区域协同组织体系的内在动力与主责意识、规避“搭便车”与“向底线赛跑”效应，一要参照国家“五位一体”发展战略布局，以拓展官员晋升的环境治理绩效维度、调减经济增长的权重等，贯彻“党政同责、一岗双责”考核制度;二要探索科学的绿色GDP核算方法，将治理成本、经济损值、个体及共同收益等，有效纳入地区的综合发展效益评估范畴。

参考文献

[1]魏娜，孟庆国.大气污染跨域协同治理的机制考察与制度逻辑：基于京津冀的协同实践[J].中国软科学，2018（10）：79-92.

[2]孟庆国，魏娜，田红红.制度环境、资源禀赋与区域政府间协同：京津冀跨界大气污染区域协同的再审视[J].中国行政管理，2019（5）：109-115.

[3]BRYSONJM，CROSBYBC，STONEMM.Thedesignandimplementationofcross-sectorcollaborations：propositionsfromtheliterature[J].Publicadministrationreview，2006，66（6）：44-55.

[4]ANSELLC，GASHA.Collaborativegovernanceintheoryandpractice[J].Journalofpublicadministrationresearchandtheory，2008，18（4）：543-571.

[5]王紅梅，邢华，魏仁科.大气污染区域治理中的地方利益关系及其协调：以京津冀为例[J].华东师范大学学报（哲学社会科学版），2016，48（5）：133-139，195.

[6]THOMSONAM，PERRYJL.Collaborationprocesses：insidetheblackbox[J].Publicadministrationreview，2006，66：20-32.

[7]李牧耘，张伟，胡溪，等.京津冀区域大气污染联防联控机制：历程、特征与路径[J].城市发展研究，2020，27（4）：97-103.

[8]臧雷振，翟晓荣.区域协同治理壁垒的类型学分析及其影响：以京津冀为例[J].天津行政学院学报，2018，20（5）：29-37.

[9]贺璇，王冰.京津冀大气污染治理模式演进：构建一种可持续合作机制[J].东北大学学报（社会科学版），2016，18（1）：56-62.

[10]BUCOVETSKYS.Asymmetrictaxcompetition[J].Journalofurbaneconomics，1991，30（2）：167-181.

[11]ECONOMIDESG，PHILIPPOPOULOSA.Growthenhancingpolicyisthemeanstosustaintheenvironment[J].Reviewofeconomicdynamics，2008，11（1）：207-219.

[12]赵桂梅，耿涌，孙华平，等.中国省际碳排放强度的空间效应及其传导机制研究[J].中国人口·资源与环境，2020，30（3）：49-55.

[13]冯颖，屈国俊，李晟.基于空间面板数据模型的人口聚集与环境污染的关系研究[J].经济问题，2017（7）：7-13，45.

[14]马黎，梁伟.中国城市空气污染的空间特征与影响因素研究：来自地级市的经验证据[J].山东社会科学，2017（10）：138-145.

[15]姜磊.论LM检验的无效性与空间计量模型的选择：以中国空气质量指数社会经济影响因素为例[J].财经理论研究，2018（5）：37-50.

[16]胡志高，李光勤，曹建华.环境规制视角下的区域大气污染联合治理：分区方案设计、协同状态评价及影响因素分析[J].中国工业经济，2019（5）：24-42.

[17]陈碧琼，张梁梁.动态空间视角下金融发展对碳排放的影响力分析[J].软科学，2014，28（7）：140-144.

[18]罗能生，王玉泽.财政分权、环境规制与区域生态效率：基于动态空间杜宾模型的实证研究[J].中国人口·资源与环境，2017，27（4）：110-118.

[19]ANOULISSL.Aretradeintegrationandtheenvironmentinconflict：thedecisiveroleofcountriesstrategicinteractions[J].Internationaleconomics，2016，148：1-15.

[20]时乐乐.环境规制对中国产业结构升级的影响研究[D].乌鲁木齐：新疆大学，2017.

[21]斐迪南·滕尼斯.共同体与社会[M].林荣远，译.北京：商务图书馆，1999.

[22]LISAAC.Anintegrativereviewofcommunitytheoriesappliedtopalliativecarenursing[J].Journalofhospiceandpalliativenursing，2020，22（5）：363-376.

[23]BENDORJ，MOOKHERJEEB.Institutionalstructureandthelogicofongoingcollectiveaction[J].Americanpoliticalsciencereview，1987，81（1）：129-154.

[24]OSTROME.Governingthecommons：theevolutionofinstitutionsforcollectiveaction[M].NewYork：CambridgeUniversityPress，1990.

[25]包国宪，王学军.以公共价值为基础的政府绩效治理：源起、架构与研究问题[J].公共管理学报，2012，9（2）：89-97，126-127.

[26]ZUGRAVUS，NATALIA.Howdoesforeigndirectinvestmentaffectpollution：towardabetterunderstandingofthedirectandconditionaleffects[J].Environmentalandresourceeconomics，2017，66（2）：293-338.

[27]张为杰，任成媛，胡蓉.中国式地方政府竞争对环境污染影响的实证研究[J].宏观经济研究，2019（2）：133-142.

[28]严雅雪，齐绍洲.外商直接投资与中国雾霾污染[J].统计研究，2017，34（5）：69-81.

[29]冯烽，叶阿忠.回弹效应加剧了中国能源消耗总量的攀升吗？[J].数量经济技术经济研究，2015，32（8）：104-119.

[30]刘海猛，方创琳，黄解军，等.京津冀城市群大气污染的时空特征与影响因素解析[J].地理学报，2018，73（1）：177-191.

[31]宋马林，王舒鸿.环境库兹涅茨曲线的中国“拐点”：基于分省数据的实证分析[J].管理世界，2011（10）：168-169.

[32]HAOY，LIUYM.TheinfluentialfactorsofurbanPM2.5concentrationsinChina：aspatialeconometricanalysis[J].Journalofcleanerproduction，2016，112：1443-1453.

[33]黄滢，刘庆，王敏.地方政府的环境治理决策：基于SO2减排的面板数据分析[J].世界经济，2016，39（12）：166-188.

[34]邓祥征，刘纪远.中国西部生态脆弱区产业结构调整的污染风险分析：以青海省为例[J].中国人口·资源与环境，2012，22（5）：55-62.

[35]宋海鸥，王滢.京津冀协同发展：产业结构调整与大气污染防治[J].中国人口·资源与环境，2016，26（增刊1）：75-78.

[36]LIK，LINB.Economicgrowthmodel，structuraltransformationandgreenproductivityinChina[J].Appliedenergy，2017，187（1）：489-500.

[37]FRANKELJA，ROSEAK.Anestimateoftheeffectofcommoncurrenciesontradeandincome[J].Thequarterlyjournalofeconomics，2002（2）：437-466.

[38]许和连，邓玉萍.外商直接投资导致了中国的环境污染吗：基于中国省际面板数据的空间计量研究[J].管理世界，2012（2）：30-43.

[39]秦晓丽，于文超.外商直接投资、经济增长与环境污染：基于中国259个地级市的空间面板数据的实证研究[J].宏观经济研究，2016（6）：127-134，151.

[40]MANIM，WHEELERD.Insearchofpollutionhavensdirtyindustryintheworldeconomy，1960to1995[J].Thejournalofenvironment&development，1998，7（3）：215-247.

[41]COLEMA.Trade，thepollutionhavenhypothesisandtheenvironmentalKuznetsCurve：examiningthelinkages[J].Ecologicaleconomics，2004，48（1）：71-81.

[42]VANDEWEGHEJR，KENNEDYC.AspatialanalysisofresidentialgreenhousegasemissionsintheTorontoCensusMetropolitanArea[J].Journalofindustrialecology，2007，11（2）：133-144.

[43]HIXSONM，MAHMUDA，HUJL，etal.ResolvingtheinteractionsbetweenpopulationdensityandairpollutionemissionscontrolsintheSanJoaquinValley，USA[J].JournaloftheAirandWasteManagementAssociation，2012，62（5）：566-575.

[44]何文举，张华峰，陳雄超，等.中国省域人口密度、产业集聚与碳排放的实证研究：基于集聚经济、拥挤效应及空间效应的视角[J].南开经济研究，2019（2）：207-225.

[45]周宏春，李新.中国的城市化及其环境可持续性研究[J].南京大学学报（哲学·人文科学·社会科学），2010，47（4）：66-75.

[46]BAIX，CHENJ，SHIP.LandscapeurbanizationandeconomicgrowthinChina：positivefeedbacksandsustainabilitydilemmas[J].Environmentalscienceandtechnology，2012，46（1）：132-139.

[47]张铁映.城市不同交通方式能源消耗比较研究[D].北京：北京交通大学，2010.

[48]柯水发，王亚，陈奕钢，等.北京市交通运输业碳排放及减排情景分析[J].中国人口·资源与环境，2015，25（6）：81-88.

[49]LEVINSONA.Technology，internationaltradeandpollutionfromUSmanufacturing[J].TheAmericaneconomicreview，2009，99（5）：2177-2192.

[50]于峰，齐建国，田晓林.经济发展对环境质量影响的实证分析：基于1999—2004年间各省市的面板数据[J].中国工业经济，2006（8）：36-44.

[51]杨飞，孙文远，张松林.全球价值链嵌入、技术进步与污染排放：基于中国分行业数据的实证研究[J].世界经济研究，2017（2）：126-134，137.

[52]贺俊，刘亮亮，张玉娟.税收竞争、收入分权与中国环境污染[J].中国人口·资源与环境，2016，26（4）：1-7.

[53]徐晓雯，孙超，王梦迪.财政分权体制下地方政府环境规制的治污效应研究[J].山东财经大学学报，2019，31（5）：67-81.

[54]王微微，谭咏琳.大气污染与经济增长关系的再检验：基于门槛回归模型对179个地级以上城市的分组研究[J].山东财经大学学报，2019，31（5）：14-24.

Clusteringevolutioncharacteristicsandsynergisticfactorsofairpollutionin

Beijing-Tianjin-Hebeiandsurroundingareasfromtheperspectiveofdynamicspace

WANGHongmei1XIEYongle1ZHANGChi2SUNJing1

（1.SchoolofGovernmentManagement，CentralUniversityofFinanceandEconomics，Beijing100081，China;

2.SchoolofPublicAdministration，TsinghuaUniversity，Beijing100084，China）

AbstractBasedonspatialcorrelationanalysisandthedynamicspatialautoregressivemodel，thispapertookAQIandsixtypesofpollutants，includingPM2.5，PM10，SO2.etc.，astheresearchobjectstoexplorethetime-spaceagglomerationevolutioncharacteristicsandrelatedsynergisticfactorsofairpollutionin‘2+26+3citiesofBeijing-Tianjin-Hebeiandsurroundingareasfrom2013to2018.Thisstudyfoundthat：①Airpollutionpresentedacomplexevolutionarytrend.AQI、PM2.5andPM10weremainlypresentedaslocalagglomerationofhigh-hightype，whileSO2、COandO3havingagglomerationofbothhigh-hightypeandlow-lowtype;PM2.5，PM10andSO2hadahighdegreeofglobalcorrelation，whileCOandO3wererelativelyweak;thelocalandglobalcorrelationofNO2werenotsignificant.②The‘space-timescaleeffectofairpollutionwasverysignificant.Asfarasthisregionwasconcerned，economicandsocialdevelopmentfactorsmainlyhadapositiveimpact，whileimpactofecologicalprotectionfactorsweremainlynegative，andthepreviouscontributionwassignificantlyhigherthanthatofthelatter.ComprehensiveimprovementoftheairqualityinBeijing-Tianjin-Hebeiandsurroundingareascanbepromotedfromfouraspects：Thefirstistocoordinatethe‘unityofoppositesrelationshipbetweenappealsforlocaldevelopmentandobjectivesofregionalcollaborativegovernance，andtoestablishandimprovetheaccountingandtransferpayment（compensation）mechanismofinterestdifferenceintheregion.Thesecondistocoordinatetheoverallandlocal‘commonbutdifferentiatedjointdefenseandjointcontrolmechanisms，tobuildamulti-center，compoundjointgovernancesystem，andtoguiderefinedgovernancewithspecialresponsibilitygoals.Thethirdistopromotetheconstructionofaregional‘three-dimensionalintegrationcollaborativesystem，andtosolvethe‘greatestcommondivisorofvariousregionstoreachasolidcooperativealliancefromtheaspectsofmainfunctionalzoningandcleancapacityreplacement.Thefourthistoimprovethereformoflocalgovernmentperformanceandpromotionsystem，andtostrengthenitsinternalmotivationandsenseofresponsibilitytobeintegratedintotheregionalcoordinationsystembyexpandingthedimensionsofenvironmentalgovernanceassessmentandreducingtheweightofeconomicindicators.

KeywordsBeijing-Tianjin-Hebeiandsurroundingareas;airpollution;spillovereffect;synergisticfactor;dynamicspatialautoregressivemodel

（責任编辑：刘照胜）

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。