我國(guó)空氣質(zhì)量影響因素的實(shí)證研究*

胡 敏， 楊宜平

(重慶工商大學(xué) 數(shù)學(xué)與統(tǒng)計(jì)學(xué)院，重慶 400067)

0 引 言

在我國(guó)科技不斷進(jìn)步、經(jīng)濟(jì)快速發(fā)展以及綜合國(guó)力不斷提升的過(guò)程中，國(guó)民的幸福指數(shù)也在不斷提升，但是環(huán)境污染問(wèn)題也越來(lái)越嚴(yán)重，特別是大氣污染問(wèn)題。當(dāng)一個(gè)地區(qū)或者一個(gè)國(guó)家的大氣環(huán)境十分糟糕時(shí)，就表示該地區(qū)或該國(guó)家存在相當(dāng)嚴(yán)重的空氣污染問(wèn)題。如果一個(gè)地區(qū)有著清新宜人的空氣，不僅會(huì)讓各種各樣的植物茁壯成長(zhǎng)，而且人們對(duì)生活的滿意程度也會(huì)更高，更重要的是潔凈的空氣有益于人民的身心健康。

黨的十九大報(bào)告明確指出建設(shè)生態(tài)文明是中華民族永續(xù)發(fā)展的大計(jì)，要像對(duì)待生命一樣對(duì)待生態(tài)環(huán)境，要實(shí)行最嚴(yán)格的生態(tài)環(huán)境保護(hù)制度。因此，改善我國(guó)的空氣質(zhì)量勢(shì)在必行，分析我國(guó)空氣質(zhì)量的影響因素十分必要。目前，研究我國(guó)空氣質(zhì)量的影響因素主要從污染以及治理兩個(gè)方面著手，大氣污染是影響空氣質(zhì)量的首要因素，而治理空氣污染是改善空氣質(zhì)量的關(guān)鍵，所以將大氣污染和空氣污染的治理指標(biāo)相結(jié)合來(lái)進(jìn)行分析，對(duì)改善我國(guó)的空氣質(zhì)量具有一定的現(xiàn)實(shí)意義。

1 文獻(xiàn)綜述

近年來(lái)，一些學(xué)者都對(duì)我國(guó)的大氣污染情況進(jìn)行了研究。汪卓蓉[1]對(duì)2015年31個(gè)省市的空氣質(zhì)量通過(guò)灰色聚類(lèi)進(jìn)行了等級(jí)劃分，并且利用面板數(shù)據(jù)建立了空間計(jì)量模型，結(jié)果顯示大氣污染和PM10呈正相關(guān)；徐衡[2]對(duì)寶雞市空氣質(zhì)量的主要污染物PM2.5，O3的影響因素以及變化規(guī)律進(jìn)行了研究，得出PM2.5和O3嚴(yán)重污染空氣質(zhì)量的結(jié)論；杜越[3]首先描述了我國(guó)AQI的時(shí)空分布，然后通過(guò)貝葉斯時(shí)空模型和廣義線性模型研究氣象和經(jīng)濟(jì)因素對(duì)AQI產(chǎn)生的影響，得出大氣污染呈現(xiàn)明顯的時(shí)空聚集性的結(jié)論；李靜萍、周景博[4]通過(guò)結(jié)構(gòu)方程模型就工業(yè)化和城市化進(jìn)程對(duì)空氣質(zhì)量進(jìn)行了研究分析；武鵬程[5]利用數(shù)據(jù)挖掘中的遺傳神經(jīng)網(wǎng)絡(luò)模型以及灰色關(guān)聯(lián)度的方法對(duì)武漢市的空氣質(zhì)量影響因素進(jìn)行了實(shí)證分析；劉志勇、王琪延[6]通過(guò)STIRPAT模型，利用我國(guó)2005至2014年的省級(jí)面板數(shù)據(jù)分析了經(jīng)濟(jì)發(fā)展對(duì)空氣質(zhì)量的影響；梁鑫、謝佳利等[7]通過(guò)引入次要污染物，建立新的空氣質(zhì)量評(píng)價(jià)模型，對(duì)我國(guó)近三年主要城市的空氣質(zhì)量進(jìn)行了評(píng)價(jià)分析；張燕杰[8]運(yùn)用相關(guān)分析法和主成分回歸分析法研究了空氣污染物對(duì)AQI的影響程度；馬素琳[9]在EKC曲線的基礎(chǔ)上進(jìn)行了城市經(jīng)濟(jì)發(fā)展的異質(zhì)性對(duì)環(huán)境空氣質(zhì)量的影響研究。

從上述的這些文獻(xiàn)可以看出，多數(shù)學(xué)者在研究空氣質(zhì)量這一主題的時(shí)候都是從單一維度來(lái)分析，比如“大氣污染物對(duì)空氣質(zhì)量的影響，經(jīng)濟(jì)增長(zhǎng)對(duì)空氣質(zhì)量的影響，工業(yè)化對(duì)空氣質(zhì)量的影響”等，將各類(lèi)指標(biāo)結(jié)合起來(lái)綜合分析的比較少。學(xué)者們大多都是通過(guò)對(duì)面板數(shù)據(jù)建立空間模型或者利用數(shù)據(jù)挖掘的方法來(lái)進(jìn)行分析，得到大氣污染物會(huì)對(duì)空氣質(zhì)量產(chǎn)生負(fù)向影響的結(jié)果，很少有學(xué)者從分位數(shù)回歸的角度去研究我國(guó)空氣質(zhì)量的影響因素。

2 指標(biāo)選取與數(shù)據(jù)來(lái)源

2.1 指標(biāo)選取

由于我國(guó)的空氣質(zhì)量受到各種各樣的因素影響，故本文借鑒王斌會(huì)[10]和池建宇[11]等人的做法，選擇了2008—2019年每年的“空氣質(zhì)量達(dá)到及好于二級(jí)的天數(shù)”作為被解釋變量，反映我國(guó)31個(gè)省會(huì)城市每年的空氣質(zhì)量情況。解釋變量的選取如下：

空氣質(zhì)量的污染指標(biāo)。于晶晶[12]在研究空氣質(zhì)量的影響因素時(shí)，認(rèn)為可以從第二產(chǎn)業(yè)產(chǎn)值和第三產(chǎn)業(yè)產(chǎn)值、城市綠地覆蓋率和機(jī)動(dòng)車(chē)保有量方面進(jìn)行考慮。本文認(rèn)為上述幾個(gè)方面最終導(dǎo)致的直接結(jié)果就是空氣中NO2增加，所以把NO2的年平均濃度作為影響空氣質(zhì)量的解釋變量更直觀。

人均地區(qū)生產(chǎn)總值。人均GDP能夠反映一個(gè)地區(qū)的經(jīng)濟(jì)發(fā)展情況，環(huán)境的污染程度在不同的經(jīng)濟(jì)發(fā)展階段也有著不一樣的特征。比如在經(jīng)濟(jì)高速發(fā)展的階段，人均GDP水平可能就會(huì)越高，就可能會(huì)造成嚴(yán)重的環(huán)境污染，但是也有可能會(huì)由于加大對(duì)環(huán)保的投入使得環(huán)境改善，所以研究經(jīng)濟(jì)增長(zhǎng)與空氣質(zhì)量的關(guān)系是有必要的。

年末實(shí)有公共汽電車(chē)運(yùn)營(yíng)車(chē)數(shù)。苗一[13]認(rèn)為積極發(fā)展公共交通是防治城市大氣污染的有效對(duì)策，對(duì)改善城市的空氣質(zhì)量有一定的幫助；王言興[14]提到“公交優(yōu)先，綠色出行”已經(jīng)受到國(guó)家的高度重視。綠色交通能夠有效改善城市的生態(tài)環(huán)境并且減少環(huán)境污染，所以研究公共交通與我國(guó)空氣質(zhì)量的關(guān)系是有重要意義的。本文選取年末實(shí)有公共汽電車(chē)運(yùn)營(yíng)車(chē)數(shù)來(lái)表示公共交通。

2.2 數(shù)據(jù)來(lái)源

選取的研究區(qū)間是2008—2019年，研究對(duì)象是我國(guó)31個(gè)省會(huì)城市。其中2008—2018年空氣質(zhì)量達(dá)到及好于二級(jí)的天數(shù)(天)、NO2年平均濃度(μg/m3)、人均GDP和年末實(shí)有公共汽電車(chē)運(yùn)營(yíng)車(chē)數(shù)均來(lái)自歷年的《中國(guó)統(tǒng)計(jì)年鑒》；2019年的人均GDP來(lái)自國(guó)家統(tǒng)計(jì)局，空氣質(zhì)量達(dá)到及好于二級(jí)的天數(shù)(d)和NO2年平均濃度(μg/m3)均來(lái)自空氣質(zhì)量歷史數(shù)據(jù)查詢(xún)網(wǎng)站。年末實(shí)有公共汽電車(chē)運(yùn)營(yíng)車(chē)數(shù)則是利用Excel工具通過(guò)對(duì)前11年的數(shù)據(jù)進(jìn)行預(yù)測(cè)得到的。

3 實(shí)證分析

3.1 模型的構(gòu)建

考慮構(gòu)建的模型如下所示：

Ti，t=β0+β1Ni，t+β2lnQi，t+β3lnGi，t

(i=1，2，…，31)(t=1，2，…，11)

在這個(gè)模型中，Ti，t表示第i個(gè)城市在第t年的空氣質(zhì)量達(dá)到及好于二級(jí)的天數(shù)，Ti，t的值越大表示空氣質(zhì)量越好，把它作為因變量；Ni，t表示第i個(gè)城市在第t年NO2的濃度值；lnQi，t和lnGi，t分別表示第i個(gè)城市在第t年的年末實(shí)有公共汽電車(chē)運(yùn)營(yíng)車(chē)數(shù)和人均GDP。這3個(gè)變量作為自變量。

所有數(shù)據(jù)輸入SPSS 16.0軟件進(jìn)行統(tǒng)計(jì)分析，計(jì)量資料均以表示，符合正態(tài)性分布，兩組獨(dú)立樣本均數(shù)比較使用t檢驗(yàn)，多組間比較使用方差分析，組間相互比較使用LSD檢驗(yàn)，計(jì)數(shù)資料使用χ2分析。

3.2 基于固定效應(yīng)模型分析

首先根據(jù)豪斯曼檢驗(yàn)來(lái)確定具體應(yīng)用哪種面板數(shù)據(jù)模型(固定效應(yīng)模型或者隨機(jī)效應(yīng)模型)來(lái)對(duì)數(shù)據(jù)進(jìn)行分析。豪斯曼檢驗(yàn)的原假設(shè)H0是隨機(jī)效應(yīng)面板數(shù)據(jù)回歸模型，通過(guò)Stata15.0軟件可以得到如表1的結(jié)果：

表1 豪斯曼檢驗(yàn)的結(jié)果Table 1 Results of Hausmann test

從表1的結(jié)果可以看出P值是0.000 7，在?=1%的顯著性水平下，是強(qiáng)烈拒絕原假設(shè)的，所以建立固定效應(yīng)面板數(shù)據(jù)回歸模型。同樣利用軟件，對(duì)影響我國(guó)空氣質(zhì)量的多種因素進(jìn)行分析，得到如表2所示的結(jié)果。

表2 我國(guó)固定效應(yīng)模型回歸結(jié)果Table 2 Regression results of fixed effect model in China

通過(guò)表2可以得到以下的分析結(jié)果：

首先從參數(shù)顯著性可以看出，在分析影響我國(guó)空氣質(zhì)量的這3個(gè)解釋變量中，年末實(shí)有公共汽電車(chē)運(yùn)營(yíng)車(chē)數(shù)(lnQ)的P值是小于0.05的，表現(xiàn)出比較弱的顯著性；而二氧化氮(NO2)和人均GDP的P值均是小于0.01的，表現(xiàn)出非常強(qiáng)烈的顯著性。其次從系數(shù)角度來(lái)看，這3個(gè)解釋變量對(duì)我國(guó)空氣質(zhì)量的影響都呈現(xiàn)負(fù)相關(guān)關(guān)系。NO2的年平均濃度每增加1 μg/m3，就會(huì)導(dǎo)致表示空氣質(zhì)量好的天數(shù)T減少3.37天，這可能和我國(guó)的工業(yè)污染和汽車(chē)尾氣排放問(wèn)題緊密相關(guān)。私家車(chē)和網(wǎng)約車(chē)的數(shù)量越來(lái)越多，導(dǎo)致各大城市排放的交通尾氣嚴(yán)重污染空氣。公共汽電車(chē)的運(yùn)營(yíng)數(shù)對(duì)改善空氣質(zhì)量的作用并不是十分顯著，可能是因?yàn)楣财娷?chē)在一定程度上不能完全代表公共交通，地鐵和輪船等其他的一些公共交通也有著不可替代的作用。人均GDP每增加1%，會(huì)導(dǎo)致空氣質(zhì)量達(dá)到及好于二級(jí)的天數(shù)T減少1.82天，說(shuō)明經(jīng)濟(jì)的快速增長(zhǎng)是會(huì)使得環(huán)境惡化的。

3.3 基于分位數(shù)回歸分析

由于分位數(shù)回歸方法能夠更加細(xì)致地刻畫(huà)數(shù)據(jù)的分布特征，與均值回歸相比，能夠挖掘到更加豐富的信息，故本文考慮將分位數(shù)回歸方法與面板數(shù)據(jù)進(jìn)行結(jié)合建立模型。通過(guò)更加有效地利用全國(guó)的截面和時(shí)間數(shù)據(jù)，研究在不同的分位點(diǎn)下各個(gè)影響因素與空氣質(zhì)量的關(guān)系。由之前的固定效應(yīng)模型可知：在空氣質(zhì)量污染指標(biāo)中，NO2對(duì)空氣質(zhì)量的影響是最顯著的，故在本節(jié)選擇NO2濃度值、人均GDP和年末實(shí)有公共汽電車(chē)運(yùn)營(yíng)車(chē)數(shù)作為自變量進(jìn)行分位數(shù)回歸，通過(guò)利用R軟件，得到表3和圖1所示的9個(gè)分位點(diǎn)下的回歸結(jié)果。

通過(guò)對(duì)表3的回歸結(jié)果進(jìn)行分析，可以得到以下兩個(gè)方面的結(jié)論：

表3 分位數(shù)回歸模型的參數(shù)估計(jì)Table 3 Parameter estimation of quantile regression model

(1) 面板數(shù)據(jù)固定效應(yīng)回歸模型和分位數(shù)回歸模型的對(duì)比分析。將表2和表3的回歸結(jié)果進(jìn)行對(duì)比分析，可以發(fā)現(xiàn)二氧化氮(NO2)、人均GDP和 年末實(shí)有公共汽電車(chē)運(yùn)營(yíng)車(chē)數(shù)這3個(gè)自變量在不同分位點(diǎn)的參數(shù)估計(jì)值都大于固定效應(yīng)模型回歸的結(jié)果，這說(shuō)明無(wú)論在低分位點(diǎn)還是高分位點(diǎn)，用分位數(shù)回歸方法得到的參數(shù)估計(jì)值都是大于固定效應(yīng)模型回歸模型得到的估計(jì)值的。還可以發(fā)現(xiàn)利用分位數(shù)回歸方法得到的lnQ的參數(shù)估計(jì)值都是正值，與之前回歸得到的估計(jì)值的符號(hào)剛好相反，說(shuō)明代表公共交通的年末實(shí)有公共汽電車(chē)運(yùn)營(yíng)車(chē)數(shù)的增加確實(shí)會(huì)對(duì)改善空氣質(zhì)量有幫助，這和之前大多數(shù)學(xué)者的研究結(jié)論是一致的。從以上兩個(gè)方面可以看出：和固定效應(yīng)回歸模型相比，分位數(shù)回歸的方法保留了自身的優(yōu)點(diǎn)，使得參數(shù)估計(jì)值不受數(shù)據(jù)非正態(tài)和異方差等情況的影響，能夠觀測(cè)到在不同的分位點(diǎn)上解釋變量對(duì)被解釋變量的具體影響，而且得到的參數(shù)估計(jì)值的穩(wěn)健性也更高，分位數(shù)回歸可以更加全面且有效地對(duì)樣本數(shù)據(jù)進(jìn)行詳盡分析，得到更多的信息。

(2) 解釋變量參數(shù)估計(jì)值的變動(dòng)分析。首先，從表3可以清楚地看到：在同一分位點(diǎn)上，不同自變量(N，lnQ，lnG)對(duì)空氣質(zhì)量的影響程度是不同的。具體表現(xiàn)如下：

從系數(shù)的符號(hào)來(lái)看，在代表空氣質(zhì)量的指標(biāo)即空氣質(zhì)量達(dá)到及好于二級(jí)的天數(shù)的不同分位點(diǎn)下，二氧化氮(NO2)和人均GDP的參數(shù)估計(jì)值都是負(fù)值，說(shuō)明對(duì)空氣質(zhì)量產(chǎn)生的都是負(fù)向影響；而年末實(shí)有公共汽電車(chē)運(yùn)營(yíng)車(chē)數(shù)的參數(shù)估計(jì)值是正值，說(shuō)明會(huì)對(duì)我國(guó)空氣質(zhì)量造成正向影響。

從系數(shù)大小的絕對(duì)值角度來(lái)分析，在相同的分位數(shù)水平下，當(dāng)τ≤0.4時(shí)，lnQ系數(shù)的絕對(duì)值最大，其次是N，最后是lnG；當(dāng)τ>0.4時(shí)，lnQ系數(shù)的絕對(duì)值最大，其次是lnG，最后是N。從參數(shù)估計(jì)值的顯著性來(lái)分析，在相同的分位數(shù)水平下，當(dāng)τ<0.4時(shí)，N的參數(shù)估計(jì)值在?=0.01的水平下全部都顯著，lnQ和lnG只在0.1分位點(diǎn)時(shí)的顯著性稍微弱一點(diǎn)；當(dāng)τ≥0.4時(shí)，lnQ的參數(shù)估計(jì)值在?=0.01的水平下全部都顯著，N的大部分系數(shù)值在?=0.05的水平下顯著，lnG的絕大部分參數(shù)估計(jì)值在?=0.01的水平下顯著。說(shuō)明無(wú)論在高分點(diǎn)還是低分位點(diǎn)，年末實(shí)有公共汽電車(chē)運(yùn)營(yíng)車(chē)數(shù)(lnQ)對(duì)空氣質(zhì)量的影響是最大的；在低分位點(diǎn)時(shí)，二氧化氮(NO2)對(duì)空氣質(zhì)量的影響比人均GDP(lnG)對(duì)空氣質(zhì)量的影響大；在高分位點(diǎn)時(shí)，人均GDP(lnG)對(duì)空氣質(zhì)量產(chǎn)生的影響要大于二氧化氮，與低分位點(diǎn)產(chǎn)生的影響是相反的。

圖1可以很直觀地看到各系數(shù)的變化趨勢(shì)，在不同的分位點(diǎn)上，同一自變量對(duì)空氣質(zhì)量的影響水平也是不一樣的。從總體上看是常數(shù)項(xiàng)的系數(shù)呈現(xiàn)一種先增加后減少的趨勢(shì)。

二氧化氮(NO2)的系數(shù)都是小于0的，從整體上看一直都呈現(xiàn)出上升趨勢(shì)，這表明NO2的增加會(huì)降低空氣質(zhì)量，隨著因變量分位數(shù)水平的增加，這種影響逐漸減小，即在低分位點(diǎn)時(shí)，NO2的濃度值每增加1 μg/m3，空氣質(zhì)量達(dá)到及好于二級(jí)的天數(shù)會(huì)減少1～2 d，在高分位點(diǎn)時(shí)，空氣質(zhì)量達(dá)到及好于二級(jí)的天數(shù)會(huì)減少不到1 d。究其原因可能是在NO2濃度高的地方，空氣中的有害有毒物質(zhì)較多，會(huì)對(duì)空氣質(zhì)量的影響較大，反之則對(duì)空氣質(zhì)量的影響較小。

圖1 9個(gè)分位點(diǎn)下的回歸結(jié)果Fig. 1 Regression results under 9 quantiles

年末實(shí)有公共汽電車(chē)運(yùn)營(yíng)車(chē)數(shù)lnQ的系數(shù)都是大于0的，而且數(shù)值在5～20這個(gè)區(qū)間內(nèi)波動(dòng)，且呈現(xiàn)一種上升趨勢(shì)，在τ=0.6時(shí)，達(dá)到一個(gè)最大值。說(shuō)明lnQ的增加確實(shí)會(huì)改善空氣質(zhì)量，lnQ每增加1個(gè)百分點(diǎn)，空氣質(zhì)量達(dá)到及好于二級(jí)的天數(shù)都會(huì)增加。究其原因可能是大家出行使用公共交通的頻次增多，降低了對(duì)私家車(chē)及網(wǎng)約車(chē)等的使用量，使得汽車(chē)尾氣的排放量減少，從而降低了對(duì)空氣的污染程度。

人均GDP(lnG)的系數(shù)都是小于0的，呈現(xiàn)的是先下降后上升的趨勢(shì)。在τ=0.6時(shí)，達(dá)到一個(gè)最低值，說(shuō)明經(jīng)濟(jì)增長(zhǎng)的確是會(huì)造成空氣質(zhì)量的惡化，不過(guò)在τ=0.6之后，人均GDP對(duì)空氣質(zhì)量產(chǎn)生的負(fù)向影響逐漸減小，說(shuō)明在經(jīng)濟(jì)增長(zhǎng)比較緩慢的城市對(duì)空氣質(zhì)量的影響較小，在經(jīng)濟(jì)快速增長(zhǎng)的城市會(huì)對(duì)空氣質(zhì)量的影響較大。

為了能夠更加清晰全面地看到這3個(gè)因素對(duì)空氣質(zhì)量影響的變化情況，繪制了圖2 所示的99個(gè)分位點(diǎn)下的回歸結(jié)果圖。

圖2 99個(gè)分位點(diǎn)下的回歸結(jié)果Fig. 2 Regression results under 99 quantiles

從圖2可以看出：在絕大部分分位點(diǎn)，NO2對(duì)空氣質(zhì)量的影響都是負(fù)向的，NO2的系數(shù)隨著分位數(shù)的增加，呈現(xiàn)出先增加后減少的趨勢(shì)。公共交通lnQ對(duì)空氣質(zhì)量的影響一直都是正向的，從整體上看，在τ≤0.95時(shí)，lnQ的系數(shù)大多隨著分位點(diǎn)τ的增加而逐漸增加；而在τ>0.95時(shí)，lnQ的系數(shù)隨著分位點(diǎn)τ的增加而有所減少。人均GDP在最初的低分位點(diǎn)對(duì)空氣質(zhì)量的影響是正向的，但是隨著分位點(diǎn)的增加，會(huì)對(duì)空氣質(zhì)量產(chǎn)生負(fù)向影響，且lnG的系數(shù)呈現(xiàn)出一種先減少后增加的趨勢(shì)?？偟膩?lái)說(shuō)，lnQ和lnG這兩種因素在高分位點(diǎn)時(shí)對(duì)空氣質(zhì)量會(huì)產(chǎn)生較大影響，在低分位點(diǎn)時(shí)的影響較小，而NO2卻與之相反，在低分位點(diǎn)時(shí)對(duì)空氣質(zhì)量會(huì)產(chǎn)生較大影響，在高分位點(diǎn)時(shí)的影響較小。

4 結(jié)論及建議

本文以2008—2019年我國(guó)31個(gè)主要城市的面板數(shù)據(jù)為基礎(chǔ)，從固定效應(yīng)模型和面板數(shù)據(jù)分位數(shù)回歸模型兩個(gè)方面對(duì)數(shù)據(jù)進(jìn)行分析，研究了空氣質(zhì)量污染指標(biāo)(NO2)、經(jīng)濟(jì)增長(zhǎng)(人均GDP)以及公共交通(年末實(shí)有公共汽電車(chē)運(yùn)營(yíng)數(shù))對(duì)我國(guó)空氣質(zhì)量的影響程度，可以得到如下的一些結(jié)論：

NO2和人均GDP都會(huì)對(duì)空氣質(zhì)量造成顯著的負(fù)向影響，即NO2的年平均濃度每增加1μg/m3，就會(huì)導(dǎo)致表示空氣質(zhì)量好的天數(shù)平均減少3.37 d；人均GDP每增加1%，會(huì)導(dǎo)致空氣質(zhì)量達(dá)到及好于二級(jí)的天數(shù)平均減少1.82天，說(shuō)明經(jīng)濟(jì)的快速增長(zhǎng)是會(huì)使得環(huán)境惡化的。而公共交通對(duì)我國(guó)空氣質(zhì)量的負(fù)向影響并不是十分顯著。

NO2在低分位點(diǎn)時(shí)對(duì)空氣質(zhì)量產(chǎn)生的負(fù)向影響較大，在高分位點(diǎn)時(shí)較低。與之相反，人均GDP在高分位點(diǎn)時(shí)與空氣質(zhì)量的負(fù)相關(guān)程度大于低分位點(diǎn)。而公共交通利用率的增加對(duì)我國(guó)空氣質(zhì)量的改善有著正向的推動(dòng)作用，且在高分位點(diǎn)的正向影響大于低分位點(diǎn)。

根據(jù)本文的實(shí)證分析結(jié)果，給出如下的一些相關(guān)建議：

加大環(huán)境保護(hù)力度。提倡公眾出行盡量利用公共交通，減少私家車(chē)及網(wǎng)約車(chē)的使用量，從而減少汽車(chē)尾氣排放，鼓勵(lì)大家采取騎單車(chē)或者坐地鐵的方式綠色出行；同時(shí)要提高汽車(chē)的燃油質(zhì)量，推行新能源的使用，并且加大對(duì)未達(dá)標(biāo)的汽車(chē)的監(jiān)管力度。

推進(jìn)產(chǎn)業(yè)結(jié)構(gòu)的綠色轉(zhuǎn)型。對(duì)于一些排放未經(jīng)處理廢氣的工廠，要嚴(yán)格監(jiān)管，減少使用煤炭，提倡多使用清潔性能源。一方面，各大工業(yè)企業(yè)要加大對(duì)生產(chǎn)設(shè)備的投資，并引進(jìn)較為先進(jìn)的生產(chǎn)技術(shù)，盡量做到清潔生產(chǎn)，減少二氧化硫、二氧化氮等污染物的排放；另一方面，政府部門(mén)要關(guān)閉一些污染物排放不達(dá)標(biāo)的工業(yè)企業(yè)，從而降低污染物的排放。

完善與環(huán)境污染相關(guān)的制度。相關(guān)部門(mén)要嚴(yán)格監(jiān)管各地區(qū)的空氣質(zhì)量情況，對(duì)空氣質(zhì)量污染嚴(yán)重的情況進(jìn)行實(shí)時(shí)通報(bào)，讓公眾出行做好防護(hù)措施；根據(jù)大氣污染的相關(guān)政策，對(duì)嚴(yán)重污染空氣質(zhì)量的企業(yè)進(jìn)行處罰，發(fā)動(dòng)群眾的力量共同監(jiān)督；各大城市要加大力度排查“黃標(biāo)車(chē)”，禁止排量過(guò)高的汽車(chē)進(jìn)入城區(qū)，加強(qiáng)對(duì)車(chē)輛的環(huán)保監(jiān)管力度。