京津冀地區(qū)PM2.5減排實(shí)效與影響因素的門限效應(yīng)

李云燕,殷晨曦

?

京津冀地區(qū)PM2.5減排實(shí)效與影響因素的門限效應(yīng)

李云燕*,殷晨曦

(北京工業(yè)大學(xué)循環(huán)經(jīng)濟(jì)研究院,北京 100124)

為量化考察霧霾污染水平與社會經(jīng)濟(jì)影響因素的門限效應(yīng)和耦合關(guān)系,選取了近10年京津冀3省市的面板數(shù)據(jù),運(yùn)用面板門限模型,分析不同區(qū)制下PM2.5減排實(shí)效與社會經(jīng)濟(jì)影響因素的非線性變化規(guī)律.研究結(jié)果表明:當(dāng)門限變量為第三產(chǎn)業(yè)增加值或公共交通車輛運(yùn)營數(shù)時(shí),PM2.5與其影響因素的門限效應(yīng)存在且顯著;當(dāng)?shù)谌a(chǎn)業(yè)增加值小于門限值6080億元時(shí),繼續(xù)發(fā)展工業(yè)、建筑業(yè)或增加機(jī)動車保有量都會加重霧霾污染,此時(shí)擴(kuò)張公共交通是緩解霧霾的有效措施;當(dāng)?shù)谌a(chǎn)業(yè)增加值大于其門限值時(shí),繼續(xù)發(fā)展第二、三產(chǎn)業(yè)可減輕霧霾,但擴(kuò)張公共交通對霧霾的緩解效果略有下降,持續(xù)增長的機(jī)動車保有量逐漸成為加重霧霾污染的首要影響因素;將公共交通車輛運(yùn)營數(shù)控制在其門限值附近時(shí),PM2.5減排的機(jī)會成本最低;能源消費(fèi)總量的增加始終會加重霧霾污染,且其邊際增量呈上升趨勢.治霾對策與PM2.5減排措施的制定須考慮并結(jié)合門限效應(yīng).

霧霾；PM2.5影響因素；門限效應(yīng)；治霾建議

從工業(yè)轉(zhuǎn)移到資源共享和協(xié)同發(fā)展,京津冀地區(qū)逐步發(fā)展為以首都為核心的世界級城市群和協(xié)同發(fā)展的改革引領(lǐng)區(qū),但20世紀(jì)70年代至本世紀(jì)初高投入、高能耗、粗放型的發(fā)展方式讓京津冀,尤其是河北省,付出了巨大的環(huán)境代價(jià),京津冀地區(qū)已成為中國大氣污染最嚴(yán)重的區(qū)域之一.2015年12月30日,由國家發(fā)改委和環(huán)保部會同有關(guān)部門共同編制的《京津冀協(xié)同發(fā)展生態(tài)環(huán)境保護(hù)規(guī)劃》中提及,2020年京津冀地區(qū)細(xì)顆粒物濃度要比2013年下降40%左右.這意味著京津冀地區(qū)須在2020年初步告別霧霾.如何科學(xué)有效地將治霾壓力轉(zhuǎn)化為環(huán)保動力,用最小的經(jīng)濟(jì)增速下降的代價(jià)實(shí)現(xiàn)同樣的PM2.5減排目標(biāo)成為目前亟待解決的難題.

研究霧霾影響因素的文獻(xiàn)主要分為2種類型:一是從氣象、地理等不同的研究視角出發(fā),研究大氣污染物的理化特性,解析霧霾的污染特征及成因[1-3];二是構(gòu)建計(jì)量模型,對霧霾與影響因素之間的變化規(guī)律及相互關(guān)系進(jìn)行實(shí)證分析,為霧霾治理提供對策參考或趨勢預(yù)測.以自然因素為主要影響因素的研究主要涵蓋了季節(jié)、風(fēng)速、相對濕度、溫度這4類核心影響因素[4-5],分別研究了霧霾污染水平與各類自然影響因素的數(shù)值變化關(guān)系[6];以人為因素為主要影響因素的研究主要采用統(tǒng)計(jì)學(xué)分析方法,一般以細(xì)顆粒物濃度或可吸入顆粒物濃度、常住人口、人均GDP、機(jī)動車保有量、能源消費(fèi)、客運(yùn)量或貨運(yùn)量、產(chǎn)業(yè)結(jié)構(gòu)為考量指標(biāo),分析各項(xiàng)指標(biāo)對霧霾的影響[7-8];以地理環(huán)境因素為主要影響因素的研究主要采用遙感、數(shù)據(jù)挖掘等研究方法分析霧霾發(fā)生與局地環(huán)境的關(guān)聯(lián)程度[9],此類研究表明霧霾具有區(qū)域聚集的特征,多發(fā)于盆地區(qū)域,且與地表溫度相關(guān).針對霧霾成因,常見的實(shí)證分析方法有主成分分析、多元回歸分析、聚類分析、灰色關(guān)聯(lián)度分析、向量自回歸移動平均模型、馬爾可夫鏈等[10-11],其實(shí)證分析結(jié)果往往作為具體治霾措施的主要依據(jù).綜觀現(xiàn)有文獻(xiàn),計(jì)量作為分析手段起到的作用是將霧霾源解析結(jié)果與治霾對策的聯(lián)系進(jìn)一步細(xì)化.面板門限模型可以精準(zhǔn)地服務(wù)于治霾對策所涉及的各類影響因素總量控制目標(biāo)的制定.此類目標(biāo)及相關(guān)標(biāo)準(zhǔn)的建立不再是有關(guān)部門主觀決定,而是通過客觀細(xì)致地?cái)?shù)據(jù)分析,利用門限值確定不同區(qū)制的分界點(diǎn),即各類影響因素的總量控制目標(biāo).這可以有效避免一般研究者因主觀判定分界點(diǎn)造成的偏誤,并從理論層面分析如何以最經(jīng)濟(jì)的PM2.5減排手段實(shí)現(xiàn)相同的減排目標(biāo).

基于此,本文對霧霾污染指數(shù)與經(jīng)濟(jì)增長、產(chǎn)業(yè)結(jié)構(gòu)、能源結(jié)構(gòu)、機(jī)動車保有量、工業(yè)排放、建筑揚(yáng)塵之間的關(guān)系進(jìn)行經(jīng)驗(yàn)研究,重點(diǎn)考慮人為因素和經(jīng)濟(jì)因素對區(qū)域霧霾的影響,采用非線性計(jì)量模型解析京津冀霧霾與其主要影響因素的門限效應(yīng),結(jié)合單一核心變量與多元核心變量情形下的模型檢驗(yàn)與參數(shù)估計(jì)結(jié)果,探討區(qū)域治霾對策.

1 研究方法

1.1 實(shí)證模型

傳統(tǒng)的門限分析是基于外生樣本的分離方法,樣本分離點(diǎn)通常是人為選定,而非內(nèi)在機(jī)制決定,其參數(shù)估計(jì)缺乏可靠性.Hansen提出的面板門限回歸模型[12-13]不需要統(tǒng)一非線性方程的形式,門限值及其個數(shù)完全由樣本數(shù)據(jù)內(nèi)生決定,通過Bootstrap確定門限值的統(tǒng)計(jì)顯著性和置信區(qū)間.門限值將樣本劃分為不同的區(qū)制,可根據(jù)參數(shù)估計(jì)值研究不同區(qū)制下被解釋變量與解釋變量的數(shù)值變化關(guān)系.本文選擇固定效應(yīng)面板門限回歸模型,理由是本文的研究對象是京津冀地區(qū),樣本數(shù)據(jù)來自一個相對較小的母體,樣本數(shù)據(jù)基本覆蓋了整個研究母體,此時(shí)不妨假設(shè)北京、天津和河北3個地區(qū)內(nèi)不可觀測的特質(zhì)性因素是固定不變的[14],即組內(nèi)采用固定不變的個體效應(yīng)更合適;此外,本文的主要研究目的之一是估計(jì)模型參數(shù),模型中個體數(shù)目較小,需要估計(jì)的參數(shù)較多,故采用更容易估計(jì)的固定效應(yīng)模型.

首先介紹單一門限面板模型,對于面板數(shù)據(jù){y,x,q,c:1￡￡,1￡￡},固定效應(yīng)單一門限面板模型表示如下:

式中:表示個體;表示時(shí)間,以年為單位;y表示被解釋變量;是個體截距項(xiàng);x為核心解釋變量;為核心解釋變量的系數(shù)向量;c為控制變量;為控制變量的系數(shù)向量;q為門限變量;為待估門限值;隨機(jī)干擾項(xiàng)~(0,2).

上述模型可通過示性函數(shù)(×)表示成下列形式:

y=+￠x()+￠c+(2)

在1=2的原假設(shè)下,門限值無法識別,此時(shí)檢驗(yàn)統(tǒng)計(jì)量的傳統(tǒng)分布為非標(biāo)準(zhǔn)情形,故采用Bootstrap來模擬似然比檢驗(yàn)的漸進(jìn)分布.基于此一階漸進(jìn)分布構(gòu)造的值是漸進(jìn)有效的.如果得到的值小于設(shè)定的臨界值,則拒絕原假設(shè),從而認(rèn)為存在門限效應(yīng).此外,Hansen提供了一種簡易直觀的判斷方法——繪制門限變量的置信區(qū)間結(jié)構(gòu)圖,該圖以似然比統(tǒng)計(jì)量LR()為縱坐標(biāo),門限值為橫坐標(biāo),在()處畫一條水平線以確定其置信區(qū)間.其中,為顯著性水平,()= -2ln.

同理,固定效應(yīng)雙重門限面板模型為:

固定效應(yīng)三重門限面板模型為:

(4)

式中:1<2<3.若因個別區(qū)間內(nèi)的觀察值過少而無法進(jìn)行有效的估計(jì),則跳過該門限值進(jìn)行下一門限值的搜索.

1.2 變量、數(shù)據(jù)及基本統(tǒng)計(jì)分析

結(jié)合京津冀地區(qū)的特點(diǎn)及霧霾頻發(fā)的主觀原因,選取地區(qū)生產(chǎn)總值、工業(yè)排放、建筑揚(yáng)塵、第三產(chǎn)業(yè)增加值、機(jī)動車保有量、公共交通車輛運(yùn)營數(shù)、能源結(jié)構(gòu)為解釋變量;第一產(chǎn)業(yè)增加值為控制變量;為逐一甄別門限變量,第二產(chǎn)業(yè)增加值在模型(3)和(9)中作為門限變量,在模型(5)和(6)中作為受門限變量影響的核心變量;燃煤和能源消費(fèi)中一個作為解釋變量另一個則作為控制變量,視各個模型研究的側(cè)重點(diǎn)而定.能源結(jié)構(gòu)、機(jī)動車保有量等解釋變量會對霧霾是否出現(xiàn)以及霧霾的嚴(yán)重程度造成影響,但是大氣污染的嚴(yán)重程度不會直接影響解釋變量[15],即此類解釋變量滿足門限模型的外生性要求.由于中國在2012年發(fā)布了環(huán)境空氣質(zhì)量新標(biāo)準(zhǔn),調(diào)整了污染物條目及其限值,細(xì)顆粒物監(jiān)測網(wǎng)絡(luò)開始分階段、分區(qū)域地布局展開,故截至目前可獲取的細(xì)顆粒物官方年度數(shù)據(jù)較少[16].但是PM2.5是PM10的一種,占PM10的比重平均可達(dá)75.6%,而且PM2.5與PM10的濃度均值呈現(xiàn)出顯著的線性關(guān)系[17].故本文采用可吸入顆粒物的年均濃度值作為被解釋變量.被解釋變量及各解釋變量的基本統(tǒng)計(jì)分析結(jié)果由各省市2004~2015年統(tǒng)計(jì)年鑒中的相關(guān)指標(biāo)計(jì)算得出,如表1所示.

表1 PM2.5污染指數(shù)與社會經(jīng)濟(jì)影響因素的基本統(tǒng)計(jì)分析

注 :max為最大值;min為最小值;為平均值;為標(biāo)準(zhǔn)差.

2 結(jié)果與討論

2.1 單一核心變量面板門限回歸結(jié)果討論

首先介紹單一核心變量情形下多重門限的實(shí)證分析結(jié)果.為了找到合適的門限變量,本文將能源結(jié)構(gòu)、地區(qū)生產(chǎn)總值、第二產(chǎn)業(yè)增加值、第三產(chǎn)業(yè)增加值、工業(yè)增加值、建筑業(yè)增加值、機(jī)動車保有量逐一作為門限變量,進(jìn)行多重門限檢驗(yàn)和系數(shù)估計(jì).表2為各個門限變量在單一核心變量情形下的模型檢驗(yàn)和參數(shù)估計(jì)結(jié)果.

表2 單一核心變量面板門限模型檢驗(yàn)及參數(shù)估計(jì)

注 :括號內(nèi)為值;*、**、***、分別表示在10%、5%和1%的水平下通過顯著性檢驗(yàn);-表示該變量在模型中為受門限變量影響的核心變量,故不顯示其系數(shù)估計(jì)與顯著性檢驗(yàn)結(jié)果;根據(jù)F檢驗(yàn)判斷是否拒絕固定效應(yīng)的門限回歸.

單一核心變量情形下,模型(1)、(2)、(4)、(6)、(7)的單一門限效應(yīng)顯著,模型(3)和(5)的雙重門限效應(yīng)顯著,模型(1)的三重門限效應(yīng)顯著.通過顯著性檢驗(yàn)的參數(shù)估計(jì)結(jié)果表明:不論門限變量如何選擇,工業(yè)增加值、建筑業(yè)增加值和能源消費(fèi)量的增加始終會在樣本區(qū)間內(nèi)加重霧霾污染,即地區(qū)生產(chǎn)總值不超過3萬億元時(shí),工業(yè)增加值、建筑業(yè)增加值和能源消費(fèi)量每增加一單位都會加重霧霾污染.多重門限下,公共交通車輛運(yùn)營數(shù)的系數(shù)隨著機(jī)動車保有量的增加由負(fù)變正,表明當(dāng)機(jī)動車保有量不超過530萬輛時(shí),發(fā)展公共交通可以緩解霧霾污染;反之,當(dāng)機(jī)動車保有量超過這一數(shù)值時(shí),公共交通利用率相對較低,增加公共汽車數(shù)量會加重霧霾污染.地區(qū)生產(chǎn)總值和第三產(chǎn)業(yè)增加值的參數(shù)估計(jì)情況多與門限變量的選擇相關(guān),選擇PM2.5正指標(biāo)時(shí),其系數(shù)為負(fù)值;選擇PM2.5非正指標(biāo)(包括負(fù)指標(biāo)與正負(fù)不定的指標(biāo))時(shí),其系數(shù)為正值或趨于正值.這一結(jié)果表明地區(qū)生產(chǎn)總值、第三產(chǎn)業(yè)增加值與霧霾污染指數(shù)之間不存在嚴(yán)格的正負(fù)相關(guān)關(guān)系,當(dāng)產(chǎn)業(yè)結(jié)構(gòu)朝著合理化、高級化的方向變化,或單位產(chǎn)值能耗下降時(shí),地區(qū)生產(chǎn)總值、第三產(chǎn)業(yè)增加值與霧霾污染指數(shù)反向變化;反之則同向變化.

模型(4)同時(shí)通過了固定效應(yīng)的F檢驗(yàn)和單一門限效應(yīng)的F檢驗(yàn),即以第三產(chǎn)業(yè)增加值為門限變量,且地區(qū)生產(chǎn)總值為核心變量時(shí),單一門限效應(yīng)顯著,模型擬合優(yōu)度高達(dá)94.3%,說明該模型能夠較好地模擬實(shí)際情況.其中,工業(yè)增加值、建筑業(yè)增加值、機(jī)動車保有量以及能源結(jié)構(gòu)的系數(shù)估計(jì)均為正值,且在相同量綱下,工業(yè)增加值的系數(shù)大于建筑業(yè)增加值的系數(shù).這一結(jié)果說明工業(yè)、建筑業(yè)、機(jī)動車和能源消費(fèi)的增加都會加重京津冀霧霾污染,且每一單位工業(yè)增加值對霧霾的影響是建筑業(yè)增加值的1.3倍左右.由于該模型的門限變量為正指標(biāo),故發(fā)展公共交通和增加地區(qū)生產(chǎn)總值均能緩解京津冀地區(qū)霧霾污染,當(dāng)?shù)谌a(chǎn)業(yè)增加值超過10279.12億元時(shí),每增加一單位地區(qū)生產(chǎn)總值,京津冀地區(qū)的可吸入顆粒物年均濃度理論上可被削減4.2%左右.

2.2 多元核心變量面板門限回歸結(jié)果討論

多元核心解釋變量情形下,出于本文研究區(qū)域個體數(shù)量及時(shí)間跨度的考慮,門限值將研究樣本一分為二之后,單個區(qū)制內(nèi)的樣本容量過小, 不充分的樣本信息會導(dǎo)致參數(shù)估計(jì)結(jié)果的穩(wěn)定性較差.故本文僅對單一門限值時(shí)的情形作回歸分析.多元核心變量情形下的面板門限回歸結(jié)果見表3.

表3 多元核心變量面板門限模型檢驗(yàn)及參數(shù)估計(jì)

注 :括號內(nèi)為值;由于門限值將樣本一分為二,故解釋變量在兩個區(qū)間內(nèi)各有一個系數(shù)估計(jì)值,當(dāng)門限變量小于等于門限值時(shí)為區(qū)間1,當(dāng)門限變量大于門限值時(shí)為區(qū)間2;若解釋變量的系數(shù)估計(jì)值在兩個區(qū)間內(nèi)發(fā)生正負(fù)號變化,則用*注明以便后文分析.

通過對比普通回歸與門限回歸的擬合優(yōu)度,發(fā)現(xiàn)不論門限變量如何選擇,門限回歸都極大地提高了模型的擬合優(yōu)度,論證了在研究霧霾與影響因素的相互關(guān)系時(shí),非線性的統(tǒng)計(jì)分析方法優(yōu)于普通的線性模型.這7組模型中,模型(10)和(14)的擬合優(yōu)度較高且Bootstrap P值較小,即參數(shù)估計(jì)結(jié)果較理想.模型(10)中,GDP、第三產(chǎn)業(yè)增加值和機(jī)動車保有量在不同區(qū)制下正負(fù)號發(fā)生變化.這一結(jié)果表明:第三產(chǎn)業(yè)在發(fā)展初期,即不超過7000億元時(shí),提高第三產(chǎn)業(yè)比重反而會因相對較高的單位產(chǎn)值能耗加重霧霾污染;但隨著第三產(chǎn)業(yè)比重的上升,單位產(chǎn)值能耗逐年下降,提高第三產(chǎn)業(yè)比重可逐漸緩解霧霾污染,PM2.5的理論峰值會出現(xiàn)在其門限值附近.地區(qū)生產(chǎn)總值和機(jī)動車保有量的變化規(guī)律亦如此.模型(14)的參數(shù)估計(jì)結(jié)果與模型(10)大體一致,不同的是公共交通車輛運(yùn)營數(shù)的系數(shù)也發(fā)生了正負(fù)號變化.這一結(jié)果表明公共交通在發(fā)展初期緩解霧霾的作用尚不明顯,在極端情況下,無法與出行需求相匹配的公共交通車輛運(yùn)營數(shù)甚至?xí)又仂F霾污染;但在發(fā)展中后期,漸趨合理的公共交通規(guī)劃將會極大地緩解霧霾污染,但仍應(yīng)以與出行需求相匹配的適量性為控制原則.須注意的是,在所有區(qū)制下,其他影響因素固定不變時(shí),增加燃煤和工業(yè)排放理論上始終會加重霧霾污染.

2.3 模型檢驗(yàn)

圖1和圖2是門限變量分別為第三產(chǎn)業(yè)增加值、公共交通車輛運(yùn)營數(shù)時(shí)的置信區(qū)間結(jié)構(gòu),圖中實(shí)線為95%顯著性水平的參考線,虛線落入?yún)⒖季€以下的部分說明門限值是顯著存在的.以第三產(chǎn)業(yè)增加值作為門限變量的顯著性水平明顯高于以公共交通作為門限變量的情形.因此,模型(10)的參數(shù)估計(jì)結(jié)果更具理論意義,即在合理區(qū)間范圍內(nèi),公共交通車輛運(yùn)營數(shù)與霧霾污染指數(shù)反向變化,增加公共交通車輛運(yùn)營數(shù)可緩解霧霾,但緩解效果邊際遞減.

此外,本文得出的結(jié)論均基于2004~2015年京津冀地區(qū)各省市的相關(guān)統(tǒng)計(jì)指標(biāo).隨著原始數(shù)據(jù)的變化,門限模型的估計(jì)結(jié)果也會隨之發(fā)生變化.故應(yīng)用該模型作后續(xù)分析時(shí),為保證結(jié)論的實(shí)時(shí)性,應(yīng)及時(shí)更新相關(guān)統(tǒng)計(jì)指標(biāo).

2.4 治霾對策探析

結(jié)合霧霾影響因素的門限效應(yīng)與參數(shù)估計(jì)結(jié)果,提出如下治霾建議.

2.4.1 借力能源供給側(cè)改革,差別化控制京津冀能源消費(fèi)量 根據(jù)門限模型的參數(shù)估計(jì)結(jié)果,能源消費(fèi)量在不同的門限區(qū)間對霧霾的影響程度差別較大,但始終會加重霧霾污染.提高能源利用效率、改善能源結(jié)構(gòu)仍是PM2.5減排工作的重點(diǎn).京津冀地區(qū)的煤炭消耗空間密度是全球平均值的30倍,其能源消費(fèi)總量占全國的11.3%,煤炭消費(fèi)量高于全國平均水平5個百分點(diǎn).在京津冀的不同區(qū)域以及在各個區(qū)域不同的發(fā)展階段,應(yīng)通過差別化的措施和手段壓減燃煤消費(fèi)量,盡量避免一刀切式減排方針[18].目前,國內(nèi)化石能源市場正處于需求強(qiáng)度減弱期、過剩產(chǎn)能消化期、環(huán)境制約強(qiáng)化期的三期疊加階段,同時(shí)能源結(jié)構(gòu)調(diào)整的步伐緩慢,可再生能源的有效供給量不足[19].在推進(jìn)能源供給側(cè)改革中,處理好市場與政府的關(guān)系尤為重要,尤其在能源供需關(guān)系相對寬松的市場環(huán)境下,如何從頂層正確引導(dǎo)、平衡有效供給更為關(guān)鍵[20].

2.4.2 適度發(fā)展公共交通,嚴(yán)格控制全區(qū)域尾氣污染 發(fā)展公共交通應(yīng)以適度適量為原則,結(jié)合各個城市人口密度和出勤路線,合理規(guī)劃.過度發(fā)展以及不合理的線路規(guī)劃不僅浪費(fèi)了公共資源,也加重了環(huán)境污染.機(jī)動車尾氣排放不僅會加重霧霾污染,而且隨著經(jīng)濟(jì)水平的提高,對霧霾的影響有逐步加重的趨勢.解決這一難題主要有兩種途徑:第一,適時(shí)適度發(fā)展公共交通,公共交通線路與發(fā)車頻次應(yīng)當(dāng)與公眾需求緊密結(jié)合,盡可能將公共交通車輛運(yùn)營數(shù)控制在其動態(tài)門限值附近;第二,在嚴(yán)格控制機(jī)動車總量的基礎(chǔ)上,對現(xiàn)有機(jī)動車加裝尾氣凈化裝置,全面提高燃油質(zhì)量標(biāo)準(zhǔn).

2.4.3 同步提升京津冀空氣質(zhì)量管理水平,大氣污染治理統(tǒng)一達(dá)標(biāo)規(guī)劃 北京市因?yàn)橛懈嗟馁Y金支持,政府部門人員環(huán)境意識較高,空氣質(zhì)量管理能力遙遙領(lǐng)先京津冀其他城市,相同類型的PM2.5減排措施實(shí)現(xiàn)的減排效率更高.對比之下,天津市與河北省的整體能力水平還不足.因此,可通過京津冀各城市空氣質(zhì)量排名、與地方政府簽訂責(zé)任狀、約談地方負(fù)責(zé)官員3條措施改善區(qū)域整體空氣質(zhì)量.同時(shí),應(yīng)進(jìn)一步擴(kuò)大監(jiān)測指標(biāo)范圍,及時(shí)公開環(huán)保數(shù)據(jù),以期推動輿論監(jiān)督和相關(guān)研究的實(shí)時(shí)性與同步性.

2.4.4 結(jié)合門限效應(yīng)改進(jìn)空氣質(zhì)量預(yù)報(bào)模式,實(shí)現(xiàn)精準(zhǔn)預(yù)防,助推細(xì)顆粒物減排 細(xì)顆粒物在其不同區(qū)間內(nèi)具有不同的變化規(guī)律,對于現(xiàn)有的在全區(qū)間內(nèi)統(tǒng)一的預(yù)報(bào)模式應(yīng)予以改進(jìn).對于不同的限制區(qū)間,宜通過數(shù)據(jù)模擬找尋適用的預(yù)報(bào)模式,現(xiàn)有的線性預(yù)測模式或基于線性思想的預(yù)測方法應(yīng)結(jié)合細(xì)分后的限制區(qū)間進(jìn)行調(diào)整.國外學(xué)者普遍采用的馬氏鏈、神經(jīng)網(wǎng)絡(luò)等非線性預(yù)測模式,中國可根據(jù)選擇的預(yù)測變量類別有針對性地引入.例如,采用BP神經(jīng)網(wǎng)絡(luò),以機(jī)動車保有量、能源消費(fèi)、建筑施工面積、工業(yè)增加值等為初始輸入數(shù)組,對下一年可吸入顆粒物年均濃度進(jìn)行預(yù)測,通過對歷史數(shù)據(jù)的模擬訓(xùn)練,其預(yù)測精度可穩(wěn)定在95%以上.預(yù)測效果最佳時(shí),其預(yù)測誤差可控制在千分之七左右.借此說明,非線性預(yù)測模式或方法更適用于霧霾預(yù)警,建立與門限特征相匹配的預(yù)測模型勢在必行.霧霾與影響因素之間的非線性變化特征是多種大氣污染物遷移轉(zhuǎn)化作用的結(jié)果,PM2.5控制力度的加大,對大氣污染防治技術(shù)能力提出了更高的要求[21].

3 結(jié)論

3.1 單一核心變量情形下,PM2.5與其影響因素的門限效應(yīng)存在且顯著.不論門限變量如何選擇,當(dāng)?shù)貐^(qū)生產(chǎn)總值不超過3萬億元時(shí),工業(yè)增加值、建筑業(yè)增加值和能源消費(fèi)量每增加一單位都會加重霧霾污染,且每一單位的工業(yè)增加值對霧霾的影響是建筑業(yè)增加值的1.3倍左右.當(dāng)機(jī)動車擁有量不超過530萬輛,發(fā)展公共交通可以緩解霧霾污染;反之,公共交通利用率相對較低,增加公共汽車數(shù)量會加重霧霾污染.當(dāng)產(chǎn)業(yè)結(jié)構(gòu)朝著合理化、高級化的方向變化,或單位產(chǎn)值能耗下降時(shí),地區(qū)生產(chǎn)總值、第三產(chǎn)業(yè)增加值與霧霾污染指數(shù)反向變化;反之則同向變化.

3.2 多元核心變量情形下,當(dāng)?shù)谌a(chǎn)業(yè)增加值不超過7000億元時(shí),提升第三產(chǎn)業(yè)比重反而會因相對較高的單位產(chǎn)值能耗加重霧霾污染;但隨著第三產(chǎn)業(yè)比重繼續(xù)上升,當(dāng)單位產(chǎn)值能耗維持在較低水平時(shí),繼續(xù)提升第三產(chǎn)業(yè)比重將會逐漸緩解霧霾污染,PM2.5的理論峰值會出現(xiàn)在其門限值附近.地區(qū)生產(chǎn)總值和機(jī)動車的變化規(guī)律亦如此.公共交通在發(fā)展初期緩解霧霾的作用尚不明顯,在極端情況下無法與出行需求相匹配的公共交通車輛運(yùn)營數(shù)甚至?xí)又仂F霾污染;但在發(fā)展中后期,漸趨合理的公共交通規(guī)劃會極大地緩解霧霾污染,但仍應(yīng)以與出行需求相匹配的適量性為控制原則.

3.3 門限回歸的擬合優(yōu)度較普通回歸顯著提升,論證了在研究霧霾與影響因素的相互關(guān)系時(shí),非線性的統(tǒng)計(jì)分析方法優(yōu)于普通的線性模型.

[1] 王 朔,趙衛(wèi)雄,徐學(xué)哲,等.北京一次嚴(yán)重霧霾過程氣溶膠光學(xué)特性與氣象條件[J]. 中國環(huán)境科學(xué), 2016,36(5):1305-1312.

[2] 劉 建,范紹佳,吳 兌,等.珠江三角洲典型灰霾過程的邊界層特征 [J]. 中國環(huán)境科學(xué), 2015,35(6):1664-1674.

[3] 王郭臣,王東啟,陳振樓.北京冬季嚴(yán)重污染過程的PM2.5污染特征和輸送路徑及潛在源區(qū)[J]. 中國環(huán)境科學(xué), 2016,36(7): 1931-1937.

[4] 郭 婷,朱 彬,康志明,等.1960~2012年長江三角洲地區(qū)霧日與霾日的氣候特征及其影響因素[J]. 中國環(huán)境科學(xué), 2016, 36(4):961-969.

[5] 李梓銘,孫兆彬,邵 勰,等.北京城區(qū)PM2.5不同時(shí)間尺度周期性研究[J]. 中國環(huán)境科學(xué), 2017,37(2):407-415.

[6] Barrado A I, García S, Barrado E, et al. PM2.5-bound PAHs and hydroxy-PAHs in atmospheric aerosol samples: Correlations with season and with physical and chemical factors [J]. Atmospheric Environment, 2012,49(3):224-232.

[7] Zavala M, Barrera H, Morante J, et al. Analysis of model-based PM2.5emission factors for on-road mobile sources in Mexico [J]. Atmósfera, 2013,26(1):109-124.

[8] 張曉茹,孔少飛,銀 燕,等.亞青會期間南京大氣PM2.5中重金屬來源及風(fēng)險(xiǎn)[J]. 中國環(huán)境科學(xué), 2016,36(1):1-11.

[9] 吳 兌,廖碧婷,吳 蒙,等.環(huán)首都圈霾和霧的長期變化特征與典型個例的近地層輸送條件[J]. 環(huán)境科學(xué)學(xué)報(bào), 2014,34(1): 1-11.

[10] 任傳斌,吳立新,張媛媛,等.北京城區(qū)PM2.5輸送途徑與潛在源區(qū)貢獻(xiàn)的四季差異分析[J]. 中國環(huán)境科學(xué), 2016,36(9):2591- 2598.

[11] 江曲圖,何俊昱,王占山,等.基于LUR/BME的海岸帶地區(qū)PM2.5時(shí)空特性研究[J]. 中國環(huán)境科學(xué), 2017,37(2):424-431.

[12] Hansen B E. Threshold effects in non-dynamic panels: Estimation, testing, and inference [J]. Journal of econometrics, 1999,93(2):345-368.

[13] Hansen B E. Sample splitting and threshold estimation [J]. Econometrica, 2000,68(3):575-603.

[14] 王曉琦,郎建壘,程水源,等.京津冀及周邊地區(qū)PM2.5傳輸規(guī)律研究[J]. 中國環(huán)境科學(xué), 2016,36(11):3211-3217.

[15] 賈 佳,郭秀銳,程水源.APEC期間北京市PM2.5特征模擬分析及污染控制措施評估[J]. 中國環(huán)境科學(xué), 2016,36(8):2337- 2346.

[16] GB3095-2012 環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)[S].

[17] 陳 剛,劉佳媛,皇甫延琦,等.合肥城區(qū)PM10及PM2.5季節(jié)污染特征及來源解析[J]. 中國環(huán)境科學(xué), 2016,36(7):1938-1946.

[18] 司建楠,孫寧松.北京環(huán)保局:2016年煤改清潔能源力度空前[N]. 中國工業(yè)報(bào), 2016-12-12(2).

[19] 趙東陽,靳雅娜,張世秋.燃煤電廠污染減排成本有效性分析及超低排放政策討論[J]. 中國環(huán)境科學(xué), 2016,36(9):2841-2848.

[20] 常紀(jì)文.改善京津冀大氣環(huán)境質(zhì)量五項(xiàng)建議[N]. 中國經(jīng)濟(jì)時(shí)報(bào), 2017-01-19(5).

[21] 李云燕,殷晨曦.京津冀霧霾影響因素的三維分析與對策探討 [J]. 工程研究:跨學(xué)科視野中的工程, 2016,8(6):614-625.

Threshold effect of socio-economic factors influencing PM2.5in Beijing-Tianjin-Hebei.

LI Yun-yan*, YIN Chen-xi

(Institute of Circular Economy, Beijing University of Technology, Beijing 100124, China).

The causes of frequent haze in Beijing-Tianjin-Hebei were truly complex, but the researches on the interrelation between haze and socio-economic factors were still lack of quantitative analysis. Considering that the interrelation under different regimes showed different change rules, the modified panel threshold regression model was applied to address different policy challenges. The results showed that the single threshold effect was significant while the added value of the tertiary industry or public transport was selected as the threshold variable. When the added value of the tertiary industry was less than the threshold value, the development of the secondary industry and the rising number of cars would increase PM2.5. Therefore, the expansion of the public transport would be an effective measure to ease the haze. When the added value of the tertiary industry exceeded the threshold value, the continued development of the secondary and the tertiary industry would reduce PM2.5, but the relief function achieved by expanding the public transport would be weakened slightly. Meanwhile the number of vehicles would become the primary factor influencing PM2.5. When the number of public transport was closer to its threshold value, the opportunity cost of PM2.5reduction would be less and the increase of energy consumption would always increase PM2.5. As there were nonlinear relations between the haze and the socio-economic factors, the policy formulation of PM2.5-reduction should be combined with the threshold effect.

fog and haze；factors influencing PM2.5；threshold effect；policy advice

X196

A

1000-6923(2017)04-1223-08

2016-09-12

國家社科基金資助項(xiàng)目(15BJY059);北京社科基金資助項(xiàng)目(14JGB036)

李云燕(1963-),女,山東濱州人,教授,博士,主要從事環(huán)境經(jīng)濟(jì)、環(huán)境規(guī)劃與管理、環(huán)境影響評價(jià)等領(lǐng)域的研究.發(fā)表論文80余篇.

* 責(zé)任作者, 教授, yunyanli@126.com

, 2017,37(4)：1223~1230