中國城市PM2.5減排效率的區(qū)域差異及其影響機(jī)制

李德山 張鄭秋 付磊 郭四代

摘要 為打好環(huán)境污染防治攻堅(jiān)戰(zhàn)，促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展，中國各級政府不斷加大環(huán)境污染的防治力度。首先，文章采用2003—2018年中國260個(gè)地級市的面板數(shù)據(jù)，運(yùn)用共同前沿技術(shù)和Hybrid-Dynamic-DEA模型測算了中國城市層面的PM2.5減排效率。其次，在考察了不同城市要素稟賦結(jié)構(gòu)存在異質(zhì)性的基礎(chǔ)上，深入分析了經(jīng)濟(jì)發(fā)展水平對中國城市PM2.5減排效率的影響。研究結(jié)果顯示：①中國PM2.5減排效率整體偏低，年均值僅為0.126，大氣污染減排壓力巨大。②樣本期內(nèi)中國PM2.5減排效率呈現(xiàn)出緩慢上升再下降的過程。區(qū)域間PM2.5減排效率存在明顯的區(qū)域異質(zhì)性，表現(xiàn)為東部地區(qū)最高，其次是東北部，再次是西部，中部地區(qū)最低。③從整體來看經(jīng)濟(jì)發(fā)展水平對PM2.5減排效率具有顯著的促進(jìn)作用。從異質(zhì)性角度來看，在10%到90%分位數(shù)之間經(jīng)濟(jì)發(fā)展水平對PM2.5減排效率的影響隨著分位點(diǎn)的升高而升高。在考慮了PM2.5減排效率的指標(biāo)更換、外生工具變量的構(gòu)造等方面后，結(jié)果依然穩(wěn)健。④機(jī)制研究結(jié)果表明城市要素稟賦結(jié)構(gòu)的差異會(huì)作用于地區(qū)經(jīng)濟(jì)發(fā)展水平，進(jìn)而影響到PM2.5減排效率。因此，各地政府要結(jié)合各自城市的要素稟賦結(jié)構(gòu)和比較優(yōu)勢，制定適應(yīng)的大氣污染環(huán)境治理政策，不能純粹依靠政府的行政化管理手段，避免采取“一刀切”或“照搬照抄”的環(huán)境治理方式;要實(shí)施差異化的大氣污染環(huán)境治理政策，對于東部沿海城市應(yīng)不斷完善產(chǎn)業(yè)發(fā)展政策，提高自身的環(huán)境治理能力。中西部地區(qū)城市應(yīng)加快引進(jìn)沿海城市的先進(jìn)管理經(jīng)驗(yàn)，激勵(lì)企業(yè)進(jìn)行綠色技術(shù)或工藝的改造升級，努力提高經(jīng)濟(jì)增長的質(zhì)量。

關(guān)鍵詞 霧霾污染;PM2.5減排效率;共同前沿技術(shù);經(jīng)濟(jì)發(fā)展;要素稟賦結(jié)構(gòu)

中圖分類號(hào) F124.6; X196? 文獻(xiàn)標(biāo)識(shí)碼 A? 文章編號(hào) 1002-2104（2021）04-0074-12? DOI：10.12062/cpre.20200702

隨著中國工業(yè)化和城鎮(zhèn)化進(jìn)程的不斷加快，許多城市頻繁發(fā)生大范圍的霧霾天氣，這不僅引起了公眾對環(huán)境和健康問題的嚴(yán)重?fù)?dān)憂，也引發(fā)了社會(huì)各界對中國經(jīng)濟(jì)高速發(fā)展模式的質(zhì)疑。中國工程院院士鐘南山在2013年接受中央電視臺(tái)采訪時(shí)指出，“霧霾天氣對呼吸系統(tǒng)有重要影響，PM2.5（又稱可吸入肺部顆粒物）增加10 μg/m3，呼吸系統(tǒng)疾病的住院率就會(huì)增加3.1%。這比‘非典可怕得多，‘非典可以隔離，但是大氣污染是任何人都跑不掉的?！备鶕?jù)生態(tài)環(huán)境部公布的數(shù)據(jù)，2018年全國338個(gè)城市中僅121個(gè)城市環(huán)境空氣質(zhì)量達(dá)標(biāo)，空氣質(zhì)量最差的三個(gè)城市分別為臨汾市、石家莊市、邢臺(tái)市，對應(yīng)的PM2.5濃度分別為68.2、76.7、76.7 μg/m3。此外，全國空氣質(zhì)量最差的城市集中于京津冀和汾渭平原兩大重點(diǎn)區(qū)域，雖然2018年這兩個(gè)區(qū)域的PM2.5濃度較上年分別下降11.8%、10.8%，但空氣質(zhì)量并不樂觀，PM2.5濃度分別高達(dá)60、58 μg/m3。為了改善大氣環(huán)境質(zhì)量，中國各級政府不斷對大氣污染防治法律法規(guī)進(jìn)行修訂和完善，并采取了一些針對性的措施，旨在改善嚴(yán)峻的大氣環(huán)境形勢。然而，中國地域發(fā)展不平衡，不同地區(qū)的城市在自然條件、經(jīng)濟(jì)、技術(shù)和人口規(guī)模等方面具有較強(qiáng)的異質(zhì)性，霧霾減排的治理力度在不同區(qū)域也會(huì)存在一定的差異。因此，有必要考慮不同城市要素稟賦結(jié)構(gòu)的異質(zhì)性，詳細(xì)考察不同城市PM2.5減排水平上的時(shí)空差異，深入挖掘造成差異的主要影響因素，為不同區(qū)域城市的大氣環(huán)境質(zhì)量改善提出治理依據(jù)和決策建議。

1 文獻(xiàn)綜述

隨著世界各國對環(huán)境問題的重視，環(huán)境效率評價(jià)已成為國內(nèi)外環(huán)境經(jīng)濟(jì)研究的熱點(diǎn)。測算環(huán)境效率的常用方法有生態(tài)足跡法、IPAT環(huán)境壓力模型以及數(shù)據(jù)包絡(luò)分析方法等。如，史丹等[1]以單位生態(tài)足跡的GDP產(chǎn)出來表征生態(tài)效率，對中國1991—2013年的生態(tài)效率的變動(dòng)進(jìn)行了分析。羅能生等[2]采用IPAT模型分析了城鎮(zhèn)化率與區(qū)域生態(tài)效率之間關(guān)系。由于數(shù)據(jù)包絡(luò)分析方法（DEA）是一種非參數(shù)方法，不需要主觀設(shè)定權(quán)重，且無須對數(shù)據(jù)進(jìn)行量綱處理，因而在環(huán)境效率評價(jià)方面得到了廣泛的應(yīng)用。為了使DEA方法對環(huán)境效率進(jìn)行合理的評價(jià)，一些學(xué)者從不同角度進(jìn)行了有益的嘗試?，F(xiàn)有文獻(xiàn)對污染排放的處理方法主要分為三類：一是，將污染排放作為投入要素引入[3-4]，該方法沒有考慮到常規(guī)投入（資本和勞動(dòng)力）對環(huán)境效率的影響，有一定的局限性。二是，把污染排放通過取倒數(shù)處理后作為期望產(chǎn)出[5]。但該方法存在一定的缺陷，與實(shí)際生產(chǎn)過程存在偏差。三是，將污染排放作為有弱可處置性的非期望產(chǎn)出，與期望產(chǎn)出一同引入方向性距離函數(shù)進(jìn)行測算[6]。該方法可以較好地評價(jià)環(huán)境效率，但是沒有充分考慮到投入產(chǎn)出的松弛性問題。如，李占風(fēng)等[7]通過構(gòu)建環(huán)境污染綜合指數(shù)，采用Undesirable SBM模型測算了中國30個(gè)省市的工業(yè)環(huán)境效率。黃建歡等[8]采用共同前沿技術(shù)和Undesirable SBM模型測算了中國191個(gè)地級市的環(huán)境效率。

同時(shí)，關(guān)于經(jīng)濟(jì)發(fā)展與環(huán)境污染為主題的研究已經(jīng)取得了較為豐富的成果[9-12]，但是，關(guān)于大氣污染減排與經(jīng)濟(jì)發(fā)展的文獻(xiàn)還相對偏少。如，王奇等[13]、尹向飛[14]、汪克亮等[15]等采用非參數(shù)法對中國工業(yè)或城市的大氣污染排放效率進(jìn)行了測度。戴小文等[16]采用IPAT環(huán)境壓力因素分解模型發(fā)現(xiàn)人口規(guī)模和經(jīng)濟(jì)發(fā)展水平對霧霾排放具有顯著的正向驅(qū)動(dòng)作用。梁偉等[17]采用空氣質(zhì)量指數(shù)（AQI）對霧霾污染進(jìn)行了測度，并且發(fā)現(xiàn)城鎮(zhèn)化率的提升對霧霾的排放具有顯著的負(fù)向影響，而經(jīng)濟(jì)發(fā)展水平和霧霾污染之間存在著“N”型關(guān)系。邵帥等[18]采用中國1998—2012年省級面板數(shù)據(jù)，研究發(fā)現(xiàn)霧霾污染與經(jīng)濟(jì)增長之間存在顯著的“U”型關(guān)系。劉軍等[19]采用中國2012—2015年119個(gè)地級市面板數(shù)據(jù)，研究發(fā)現(xiàn)大氣污染與經(jīng)濟(jì)發(fā)展水平之間存在顯著的倒“U”型關(guān)系。而馬麗梅和張曉[20]、劉華軍和裴延峰[21]的研究發(fā)現(xiàn)經(jīng)濟(jì)發(fā)展和霧霾污染之間并不存在環(huán)境庫茲涅茨曲線，而是呈現(xiàn)線性遞減關(guān)系。王振波等[22]的研究結(jié)果表明，由于各城市群的社會(huì)經(jīng)濟(jì)和工業(yè)化階段不同，使得人均GDP對不同城市群PM2.5污染的影響呈現(xiàn)出不同的正負(fù)關(guān)系。

綜上所述，發(fā)現(xiàn)既有研究還存在一些不足之處：第一，以往研究測算環(huán)境效率時(shí)基本都是在傳統(tǒng)的全要素框架下加入了勞動(dòng)、資本和能源等生產(chǎn)要素作為投入來進(jìn)行測算，這樣測算出來的效率值在嚴(yán)格意義上來說并不是環(huán)境效率值，而是一種考慮了環(huán)境因素的經(jīng)濟(jì)效率值，它既可稱為勞動(dòng)效率，也可以稱為資本效率或能源效率。第二，現(xiàn)有文獻(xiàn)在測算環(huán)境效率的方法上大多采用徑向或者非徑向的方向性距離函數(shù)，較少考慮混合徑向的問題。由于企業(yè)在實(shí)際生產(chǎn)過程中，投入與產(chǎn)出之間會(huì)同時(shí)存在徑向和非徑向關(guān)系，若采用傳統(tǒng)的非徑向模型，容易導(dǎo)致測算結(jié)果出現(xiàn)偏差。第三，以往研究大多將非期望產(chǎn)出的關(guān)注點(diǎn)放在SO2、CO2、AQI和PM10等常規(guī)污染物上，而專門針對PM2.5污染減排效率的研究還相對較少。第四，大多數(shù)研究未考慮不同城市間要素稟賦結(jié)構(gòu)的差異，從而導(dǎo)致經(jīng)濟(jì)發(fā)展水平對霧霾排放治理的影響可能存在一定的內(nèi)生性問題。鑒于此，文章首先運(yùn)用共同前沿技術(shù)和Hybrid-Dynamic-DEA模型測算出2003—2018年中國260個(gè)地級市的PM2.5減排效率，然后分析經(jīng)濟(jì)發(fā)展水平對PM2.5減排效率的影響，最后有針對性地提出環(huán)境污染防治的對策建議。

2 研究方法

2.1 Hybrid-Dynamic-DEA模型

雖然常見的Malmquist DEA模型可以計(jì)算決策單元（DMU）在不同時(shí)期的效率，但是，該模型只是對各個(gè)時(shí)期的效率進(jìn)行簡單的幾何平均或算數(shù)平均進(jìn)行比較和測算。由于霧霾等環(huán)境問題是一項(xiàng)長期的、復(fù)雜的形成過程，其效果的體現(xiàn)不僅是一個(gè)日積月累的過程，還是一個(gè)漸進(jìn)的過程。因此，評價(jià)決策單元在多個(gè)時(shí)期的整體效率時(shí)，應(yīng)該充分考慮各個(gè)時(shí)期之間的相互聯(lián)系，將其作為一個(gè)系統(tǒng)來加以動(dòng)態(tài)評價(jià)。動(dòng)態(tài)DEA模型最早由Fre和Grosskopf[23]于1997年提出，后來該模型得到了快速的擴(kuò)展。如，Tone 和 Tsutsui[24]在2010年提出了動(dòng)態(tài)的SBM模型。同時(shí)，為了解決投入與產(chǎn)出中存在的混合徑向問題，Yaghubi等[25]在2016年提出了Hybrid-Dynamic-DEA模型，該模型結(jié)合了混合方向距離函數(shù)和動(dòng)態(tài)DEA模型的優(yōu)點(diǎn)。既考慮了具有徑向和非徑向特點(diǎn)的投入產(chǎn)出變量，又在傳統(tǒng)DEA模型的基礎(chǔ)上加入了時(shí)間向量，構(gòu)成一個(gè)立體的數(shù)據(jù)網(wǎng)絡(luò)。

2.2 Meta-Frontier模型

共同前沿技術(shù)（Meta-Frontier）最早是Battese和Rao[26]于2002年提出的。其基本思想是按照一定標(biāo)準(zhǔn)將決策單元分為多個(gè)群組，并采用SFA或DEA等效率測算方法界定群組前沿。然后，根據(jù)各組決策單元的群組前沿構(gòu)建共同前沿邊界，測算出共同前沿下的效率值和群組前沿下效率值。文章將決策單元分為東部、中部、西部和東北部四個(gè)群組參考集，分別構(gòu)造群組前沿面，然后將四大地區(qū)再作為一個(gè)整體構(gòu)造共同前沿面。假設(shè)共同前沿的技術(shù)集合為：

Tmeta={（x，y）：x≥0;y≥0;x能生產(chǎn)出y}

對于任意投入x，生產(chǎn)可能集P可以表示為：

Pmeta（x）={y：（x，y）∈Tmeta}

Pmeta（x）生產(chǎn)可能集的上界即為共同邊界。共同前沿上的決策單元是所有群組的最佳生產(chǎn)技術(shù)。顯然，共同前沿是群組前沿的包絡(luò)曲線。那么，基于共同技術(shù)效率的距離函數(shù)可以表述為：Dmeta（x，y）=infθ{θ>0：y/θ∈Pmeta（x）}。此處，0≤Dmeta（x，y）≤1。Dmeta（x，y）越接近于1，說明效率得到提升;反之，則下降。當(dāng)Dmeta（x，y）=1，表明決策單元處于共同前沿面上。

文章將樣本城市分為k（k>1）個(gè)群組，這k個(gè)群組的技術(shù)集合為：

Tk={（x，y）：x≥0;y≥0;群組k中x能生產(chǎn)出y}

從而，生產(chǎn)可能集為：Pk（x）={y：（x，y）∈Tk}，k=1，2，…，K。群組前沿上的決策單元代表了該群組內(nèi)最優(yōu)的生產(chǎn)技術(shù)，是該群組內(nèi)的最優(yōu)投入產(chǎn)出點(diǎn)。那么，群組距離函數(shù)可表示為：Dk（x，y）=infθ{θ>0：（y/θ）∈Pk（x）}，k=1，2，…，K。此處，Dk（x，y）反映了群組內(nèi)的決策單元實(shí)際投入與相應(yīng)群組前沿之間的差距，0≤Dk（x，y）≤1。當(dāng)Dk（x，y）=1，表明決策單元處于群組前沿面上。

因此，綜合運(yùn)用上述方法，首先采用基于投入導(dǎo)向的規(guī)模報(bào)酬不變的Hybrid-Dynamic-DEA模型和Meta-Frontier模型，測算出2003—2018年中國260個(gè)城市的共同前沿和群組前沿的PM2.5污染物排放的松弛變量;然后，根據(jù)Hu和Wang[27]的思想計(jì)算出PM2.5減排效率：PM2.5減排效率=（實(shí)際PM2.5排放量-調(diào)整PM2.5排放量）/實(shí)際PM2.5排放量。該指標(biāo)是一個(gè)無量綱指標(biāo)，取值范圍為[0，1]，越趨近于0代表在期望產(chǎn)出不變的情況下該城市的PM2.5減排效率存在越高的提升空間;反之提升空間越低。

2.3 計(jì)量模型設(shè)定

為了驗(yàn)證經(jīng)濟(jì)發(fā)展水平與PM2.5減排效率之間的因果關(guān)系，文章的基準(zhǔn)計(jì)量模型設(shè)定如下：

lnMEi，t=α1+α2lnagdpi，t+βiXi，t+ui+λt+εi，t（1）

其中，agdpi，t為i城市第t年份的經(jīng)濟(jì)發(fā)展水平;MEi，t為i城市第t年份的PM2.5減排效率;Xi，t為控制變量的集合;ui為個(gè)體固定效應(yīng)，用以控制不同城市之間的差異;λt為時(shí)間固定效應(yīng)，用以去除趨勢項(xiàng);εi，t為隨機(jī)擾動(dòng)項(xiàng)。其中，α2度量了經(jīng)濟(jì)發(fā)展水平對PM2.5減排的影響。如果一系列城市特征變量被控制后，α2系數(shù)依然顯著為正，則表明經(jīng)濟(jì)發(fā)展有利于PM2.5的減排。

3 數(shù)據(jù)來源及處理方法

3.1 投入指標(biāo)選取

文章選取勞動(dòng)、資本和能源三種投入要素。以第二產(chǎn)業(yè)從業(yè)人數(shù)作為勞動(dòng)投入指標(biāo);以工業(yè)資本存量作為資本投入指標(biāo)，用各省工業(yè)固定資產(chǎn)投資與全社會(huì)投資之比乘以所轄城市的固定資產(chǎn)投資，確定每年各地級市的工業(yè)固定資產(chǎn)投資。然后，再根據(jù)永續(xù)盤存法估算工業(yè)資本存量，資本的折舊率選取10.96%，并將資本存量調(diào)整為以2000年為基期的不變價(jià);能源投入指標(biāo)按照各地級市工業(yè)增加值乘以相應(yīng)省份工業(yè)增加值能耗強(qiáng)度得出。

3.2 產(chǎn)出指標(biāo)選取

文章將產(chǎn)出要素指標(biāo)分為期望產(chǎn)出和非期望產(chǎn)出兩種指標(biāo)。以工業(yè)增加值作為期望產(chǎn)出指標(biāo)，使用各城市所在省的地區(qū)生產(chǎn)總值指數(shù)，將各城市的工業(yè)增加值調(diào)整為基期2000年的不變價(jià)格。這里選取城市PM2.5污染排放作為非期望產(chǎn)出指標(biāo)，主要原因有以下三點(diǎn)：第一，PM2.5是形成霧霾天氣的主要原因之一，這種以氣溶膠形式存在的細(xì)微顆粒物含有大量有毒有害物質(zhì)對人的身體健康有非常不利的影響。第二，PM2.5數(shù)據(jù)是根據(jù)各個(gè)監(jiān)測點(diǎn)的監(jiān)測儀器測算出來的，可以有效避免人為因素的影響。第三，PM2.5排放指標(biāo)可以反映工業(yè)生產(chǎn)、汽車尾氣等方面的污染排放，而且還包含了大氣污染物之間通過物理、化學(xué)反應(yīng)形成的二次顆粒物，更能準(zhǔn)確反映城市經(jīng)濟(jì)活動(dòng)所帶來的非期望產(chǎn)出。文章的PM2.5數(shù)據(jù)來自哥倫比亞大學(xué)公布的2003—2018年分年度的衛(wèi)星監(jiān)測PM2.5密度資料。同時(shí)，由于在實(shí)際生產(chǎn)過程中，投入與產(chǎn)出之間會(huì)同時(shí)存在徑向和非徑向關(guān)系。因此，文章將能源投入與PM2.5污染排放設(shè)置為同比例變動(dòng)關(guān)系，而將勞動(dòng)力等投入要素與PM2.5污染排放設(shè)置為非同比例變動(dòng)關(guān)系。

3.3 變量選取與說明

計(jì)量模型中變量選取和衡量方法說明如下：①被解釋變量：PM2.5減排效率（lnME）。以共同前沿技術(shù)下測算的PM2.5減排效率的結(jié)果來表示，這里對該變量取自然對數(shù)以消除可能存在的異方差。②核心解釋變量為經(jīng)濟(jì)發(fā)展水平（lnagdp），采用該城市的人均GDP來表示，并取對數(shù)。③其他控制變量：結(jié)合已有研究[28]，本研究還引入了一組城市特征變量，以盡可能緩解遺漏變量偏誤。其中，根據(jù)林毅夫[29]的研究，要素稟賦結(jié)構(gòu)對一個(gè)國家或地區(qū)的經(jīng)濟(jì)發(fā)展具有非常重要的作用，而經(jīng)濟(jì)發(fā)展水平又會(huì)影響到一個(gè)國家或地區(qū)的環(huán)境污染和治理能力。文章采用資本勞動(dòng)之比來衡量要素稟賦結(jié)構(gòu)（Endow）。根據(jù)杜龍政等[30]的研究，外商直接投資可以用于檢驗(yàn)“污染避難所假說”，因此，文章采用外商直接投資額占城市總產(chǎn)值的比重表示外商直接投資（FDI）。政府干預(yù)會(huì)影響到地區(qū)的環(huán)境污染[31]，因此，文章采用財(cái)政支出占GDP的比重來表示政府干預(yù)度（Gov）。已有研究認(rèn)為產(chǎn)業(yè)結(jié)構(gòu)與環(huán)境污染之間呈正比例關(guān)系。因此，借鑒鄭潔等[32]的做法，選取第二產(chǎn)業(yè)產(chǎn)值占城市GDP的比重來表示產(chǎn)業(yè)結(jié)構(gòu)（lndus）。同時(shí)，結(jié)合已有研究，一個(gè)城市的人口密度越大，可能帶來更嚴(yán)重的環(huán)境污染。因此，文章選取各地級市年末人口數(shù)與全市行政區(qū)域面積之比表示人口密度（PD）。另外，一個(gè)地區(qū)的工業(yè)企業(yè)規(guī)模越大越可能會(huì)給該地區(qū)帶來環(huán)境污染。因此，文章采用工業(yè)企業(yè)數(shù)量來表示工業(yè)企業(yè)規(guī)模（lnFirm），并取對數(shù)。一個(gè)地區(qū)的固定資產(chǎn)投資規(guī)模越大也會(huì)給該地區(qū)的生態(tài)環(huán)境帶來嚴(yán)重的破壞，因此，采用固定資本投資規(guī)模來表示投資規(guī)模（lnInvest），并取對數(shù)。環(huán)境規(guī)制（ER）選取城市污水處理廠集中處理率、固體廢棄物綜合利用率作為度量各城市環(huán)境規(guī)制強(qiáng)度指標(biāo)。借鑒董直慶和王輝[33]計(jì)算單位經(jīng)濟(jì)產(chǎn)出排放綜合指標(biāo)的方法，將其轉(zhuǎn)換為綜合指標(biāo)。城市研發(fā)創(chuàng)新水平采用城市人均政府科學(xué)事業(yè)費(fèi)支出（lnRD）表示，并取對數(shù)。

文章數(shù)據(jù)主要來源于《中國城市統(tǒng)計(jì)年鑒》《中國環(huán)境統(tǒng)計(jì)年鑒》《中國能源統(tǒng)計(jì)年鑒》和《中國統(tǒng)計(jì)年鑒》。由于部分城市數(shù)據(jù)缺失，最終選取的樣本為2003—2018年中國260個(gè)地級市面板數(shù)據(jù)，所有價(jià)格變量均以2000年為基期換算為可比價(jià)。各變量描述性統(tǒng)計(jì)如表1所示。另外，區(qū)域劃分采用國家統(tǒng)計(jì)局2011年公布的中國經(jīng)濟(jì)區(qū)域的劃分方法。

4 中國城市PM2.5減排效率測算分析

4.1 區(qū)域?qū)用鍼M2.5減排效率分析

根據(jù)上述模型，文章對中國2003—2018年四大經(jīng)濟(jì)區(qū)域的PM2.5減排效率進(jìn)行了測算（表2）。從全國來看，以共同前沿為基準(zhǔn)，2003—2018年全國PM2.5減排效率均值僅為0.126，距離生產(chǎn)前沿面的提升空間還有87.4%。意味著在維持期望產(chǎn)出不變的情況下，PM2.5排放量還可以在原有基礎(chǔ)上減少87.4%。這主要是由于中西部地區(qū)的絕大部分城市PM2.5減排效率處于低效率（0～0.25）水平，即使部分城市具有較高的PM2.5減排效率，但其對整體水平的提升有限。如果樣本城市都能達(dá)到共同前沿城市的生產(chǎn)技術(shù)，那么，中國城市的PM2.5污染減排的提升空間相當(dāng)巨大。由表2還可以看出，東部、中部、西部和東北部的城市PM2.5減排效率均值分別為0.235、0.074、0.098和0.136，均處于低效率水平。這也進(jìn)一步表明，絕大部分城市未能達(dá)到共同前沿城市的PM2.5減排技術(shù)，存在非常大的提升潛力。

從時(shí)間的演變趨勢來看，圖1顯示了樣本期內(nèi)全國PM2.5減排效率呈現(xiàn)出緩慢上升再大幅下降的過程。具體而言，2003—2009年全國PM2.5減排效率從0.153上升到0.201;2009年之后減排效率逐年下降，至2018年達(dá)到0.042這一低位水平，降幅較大。從區(qū)域?qū)用鎭砜矗?003—2018年東部、中部、西部和東北部城市PM2.5減排效率隨時(shí)間的變化情況同全國基本一致，均在2009年到達(dá)最高點(diǎn)。這可能是由于自2003年以來，中國政府根據(jù)科學(xué)發(fā)展觀先后出臺(tái)了多項(xiàng)節(jié)能減排的政策，使得PM2.5減排效率有所提升。但是，在2009—2018年間呈現(xiàn)出明顯的下降趨勢，這可能是由于受2008年金融危機(jī)影響，地方政府上迫于“保增長”的壓力，強(qiáng)行拉動(dòng)經(jīng)濟(jì)增長的舉措導(dǎo)致一大批能耗高、污染嚴(yán)重的項(xiàng)目得以上馬，進(jìn)而導(dǎo)致PM2.5減排效率有所下降。另外，由表2和圖1可以看出，四大區(qū)域之間的PM2.5減排效率存在明顯的區(qū)域異質(zhì)性，表現(xiàn)為東部地區(qū)最高，其次是東北部，再次是西部，中部地區(qū)最低。東部地區(qū)是中國PM2.5減排效率最高的地區(qū)，這可能與東部沿海城市的地理位置、科技水平以及經(jīng)濟(jì)實(shí)力有很大的關(guān)系。而隨著這些年東部地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)不斷升級，一些落后的產(chǎn)業(yè)不斷向中西部地區(qū)城市轉(zhuǎn)移，從而導(dǎo)致污染向西遷移，使得中西部地區(qū)的節(jié)能減排任務(wù)艱巨。還有就是中西部地區(qū)的城市為了加快工業(yè)發(fā)展速度，降低了一些高能耗高污染項(xiàng)目的準(zhǔn)入門檻，這進(jìn)一步加大了中西部地區(qū)城市的大氣污染環(huán)境保護(hù)難度。

另外，從圖1可以看出，隨著時(shí)間的推移，四大區(qū)域的效率值差距在不斷縮小。這可能是由于東部地區(qū)的大氣污染防治技術(shù)存在溢出效應(yīng)，不斷往中西部轉(zhuǎn)移，同時(shí)東部地區(qū)也將自己先進(jìn)的管理經(jīng)驗(yàn)向落后地區(qū)擴(kuò)散。在這種形勢下，中西部地區(qū)的城市追趕東部地區(qū)的速度不斷加快，使得東部與中西部地區(qū)之間的差距有縮小的趨勢。

由表2和圖2可知，在群組前沿下，2003—2018年全國PM2.5減排效率均值為0.275，雖然該效率均值略高于共同前沿下的效率均值，但距生產(chǎn)前沿仍存在著72.5%的提升空間。四大區(qū)域的PM2.5效率均值為0.223（東部）、0.496（中部）、0.296（西部）和0.103（東北部）。通過對比圖1和圖2，可以很明顯地看出共同前沿和群組前沿的PM2.5減排潛力不盡相同，這主要是由于效率測度的參照物不同造成的。共同前沿下PM2.5減排效率是以全國潛在的最優(yōu)排放效率城市為參考基準(zhǔn)，反映全國范圍內(nèi)各城市經(jīng)濟(jì)發(fā)展過程中PM2.5減排效率的差異性;群組前沿下PM2.5減排效率分別以四大經(jīng)濟(jì)區(qū)域潛在的最優(yōu)排放效率城市為參考，反映群組間最優(yōu)環(huán)境壓力帶來的技術(shù)下各城市的PM2.5排放績效。由于群組前沿選擇的參考基準(zhǔn)不同，因此，不同群組間的效率值并不具有可比性。但是，各個(gè)群組的時(shí)間演變趨勢存在一些特征。群組前沿下全國PM2.5減排效率均值表現(xiàn)為2003—2008年緩慢上升，2008—2018年加速下降，與共同前沿下PM2.5減排效率走勢基本一致。在四大經(jīng)濟(jì)區(qū)域PM2.5排放效率時(shí)間變動(dòng)走勢上，中部地區(qū)的城市PM2.5減排效率變動(dòng)幅度最大，東北部地區(qū)的城市PM2.5減排效率基本保持平穩(wěn)，東部和西部地區(qū)同全國PM2.5減排效率值變動(dòng)走勢基本一致。

4.2 城市PM2.5減排效率時(shí)空格局演變

共同前沿和群組前沿下PM2.5減排效率均在0.9～1區(qū)間的城市僅有6個(gè)，包括上海、廣州、天津等5個(gè)東部城市和大慶1個(gè)東北部城市。意味著無論從共同前沿還是群組前沿來看，上海、廣州等6個(gè)城市均具有較強(qiáng)的PM2.5減排效率，城市經(jīng)濟(jì)增長與PM2.5治理具有較高的協(xié)調(diào)水平。東部地區(qū)接近生產(chǎn)前沿面的城市占比83.33%，說明東部地區(qū)83.33%的城市都處在共同前沿面或者非常接近前沿面，這也反映了東部地區(qū)城市的大氣環(huán)境治理技術(shù)代表了全國最優(yōu)水平，即這些城市的群組前沿技術(shù)與共同前沿技術(shù)的落差比較小。

共同前沿下PM2.5減排效率在0～0.9區(qū)間，且群組前沿下PM2.5減排效率在0.9～1區(qū)間的城市共有23個(gè)，包括無錫市1個(gè)東部城市，太原市、長沙市、武漢市等12個(gè)中部城市，玉溪市、西安市、成都市等10個(gè)西部城市。說明中部和西部地區(qū)城市PM2.5排放總體上呈現(xiàn)低效率水平，具有極大的減排空間。如中部的武漢市在群組前沿下的效率值為1，而共同前沿下的效率值僅為0.464。又如西部的玉溪市在群組前沿下的效率值為1，而共同前沿下的效率值僅為0.424，這說明武漢市處于中部群組的生產(chǎn)前沿面，玉溪市處于西部群組的生產(chǎn)前沿面，但是相對于共同前沿面，它們又離最優(yōu)PM2.5減排治理技術(shù)還有很大的差距，即這些城市的群組前沿技術(shù)與共同前沿技術(shù)的落差很大。這表明中國區(qū)域間的PM2.5減排技術(shù)還存在明顯的差距，這種差距嚴(yán)重制約了中國PM2.5減排效率的進(jìn)一步提升。

共同前沿和群組前沿下PM2.5減排效率大多分布在0～0.5的效率區(qū)間，且63.58%的城市集中在中國中西部和東北地區(qū)，這些城市中有51.82%集中在資源型城市，如山西的忻州市、晉城市;安徽省的淮南市、淮北市;陜西省的榆林市、銅川市;黑龍江省的黑河市、七臺(tái)河市;遼寧省的阜新市;四川省的雅安市、瀘州市;貴州省的安順市等。這些城市主要是中國傳統(tǒng)的能源生產(chǎn)基地，資源密集型產(chǎn)業(yè)比重較高，同時(shí)這些城市也是中國大氣污染最為嚴(yán)重的一些地區(qū)，經(jīng)濟(jì)增長與大氣環(huán)境保護(hù)之間的關(guān)系極為不協(xié)調(diào)。尤其是西部的一些資源型城市，有限的經(jīng)濟(jì)產(chǎn)出依靠大量的資源消耗和污染排放，以資源環(huán)境換取經(jīng)濟(jì)增長的代價(jià)十分嚴(yán)重。這些城市在相當(dāng)長的時(shí)間內(nèi)都是國家節(jié)能減排和大氣污染防治的重點(diǎn)區(qū)域。

同時(shí)，文章重點(diǎn)分析了2003、2009和2018年三個(gè)年度的城市PM2.5減排效率的空間分布格局。共同前沿下，2003、2009和2018年各年份對應(yīng)的PM2.5減排效率均值分別為0.153、0.201和0.042。具體地，2003年共有19個(gè)城市位于生產(chǎn)前沿面上，東部沿海主要包括上海市，廣東省的廣州市、深圳市，江蘇省的無錫市，浙江省的杭州市、寧波市，以及天津等城市;東北部地區(qū)只有黑龍江省的大連市和遼寧省的大慶市。此外，PM2.5減排效率值位于（0.5～1）區(qū)間的42個(gè)城市在地理位置上大多緊靠生產(chǎn)前沿面的城市，意味著生產(chǎn)前沿面城市對周邊城市在管理和技術(shù)上具有明顯的帶動(dòng)作用。2009年整體PM2.5減排效率得到小幅提升，生產(chǎn)前沿面城市數(shù)量增加至30個(gè)，新增南京市、紹興市、廈門市、汕頭市、中山市等東部城市，蘭州市、包頭市等西部城市，以及哈爾濱市等東北部城市。PM2.5減排效率值位于（0.5～1）區(qū)間的城市增加至65個(gè)，圍繞前沿面的城市呈現(xiàn)網(wǎng)狀分布的特點(diǎn)。2018年，PM2.5減排效率出現(xiàn)大幅反彈，僅有上海市、深圳市、無錫市等5個(gè)東部沿海城市和大慶市1個(gè)東北部城市處于最佳PM2.5減排效率水平。PM2.5效率值在（0～0.25）區(qū)間的城市增加至236個(gè)，占樣本總數(shù)的90.77%。

群組前沿下，PM2.5減排效率依然表現(xiàn)為先增加再減少的趨勢，2003、2009和2018年城市PM2.5減排效率值分別為0.295、0.336和0.177，群組內(nèi)依然存在極大的效率提升空間。由于不同群組間城市的PM2.5減排效率之間不具有可比性，此處結(jié)合上述三個(gè)年度PM2.5排放效率的變動(dòng)特征，從四大區(qū)域城市群組的角度對其進(jìn)行時(shí)空演變分析。2003年，PM2.5減排效率水平高（0.75～1）的城市中，東部地區(qū)有21個(gè)城市，主要包括北京、天津等京津冀城市群，上海、廣州等長三角和珠三角城市群;中部地區(qū)有30個(gè)城市，主要是以武漢市為中心的長江中游城市群;西部地區(qū)有13個(gè)城市，主要包括以重慶市為中心的成渝城市群;東北部地區(qū)有2個(gè)城市，包括黑龍江省的大慶市和遼寧省的大連市。2009年，除西部和東北部城市群組PM2.5減排效率出現(xiàn)小幅下降外，其他群組PM2.5減排效率得到改善，空間分布上變化不大。2018年，東部、中部和西部城市群組PM2.5減排效率出現(xiàn)回落，東北部城市群組PM2.5減排效率繼續(xù)保持低效率狀態(tài)。

5 實(shí)證結(jié)果分析

5.1 基準(zhǔn)回歸

表3報(bào)告以共同前沿技術(shù)下的PM2.5減排效率作為被解釋變量的基準(zhǔn)回歸結(jié)果。為了消除城市的個(gè)體固定效應(yīng)和時(shí)間趨勢，列（1）加入了反映城市個(gè)體特征的虛擬變量和時(shí)間特征的年度虛擬變量，雙向固定效應(yīng)模型的回歸結(jié)果顯示，經(jīng)濟(jì)發(fā)展水平對城市PM2.5減排效率的影響系數(shù)為1.042，在1%的水平上顯著為正，說明城市層面的經(jīng)濟(jì)發(fā)展水平對PM2.5減排效率存在顯著的促進(jìn)作用，初步判斷符合理論預(yù)期。為了控制遺漏變量問題對結(jié)果造成的偏誤，在列（1）的基礎(chǔ)上加入了控制變量。列（2）結(jié)果顯示，加入控制變量后，經(jīng)濟(jì)發(fā)展水平與城市PM2.5減排效率顯著的正相關(guān)關(guān)系依然存在?？紤]到PM2.5排放效率可能存在滯后性特征，因此，列（3）在列（2）模型的基礎(chǔ)上加入了PM2.5減排效率的滯后一期，此時(shí)采用動(dòng)態(tài)面板數(shù)據(jù)模型進(jìn)行估計(jì)，結(jié)果發(fā)現(xiàn)經(jīng)濟(jì)發(fā)展水平的估計(jì)系數(shù)依然沒有發(fā)生根本性變化?；鶞?zhǔn)模型的線性回歸結(jié)果顯示，總體而言，經(jīng)濟(jì)發(fā)展水平有利于城市霧霾減排治理。但是，考慮到經(jīng)濟(jì)發(fā)展水平可能與環(huán)境治理之間存在“U”型（環(huán)境庫茲涅茨曲線）關(guān)系[34]，列（4）通過加入人均GDP的平方項(xiàng)來進(jìn)行實(shí)證檢驗(yàn)。結(jié)果發(fā)現(xiàn)平方項(xiàng)并沒有通過顯著性檢驗(yàn)，一次項(xiàng)的估計(jì)系數(shù)依然顯著為正，這說明它們之間可能并不存在環(huán)境庫茲涅茨曲線效應(yīng)，可能的原因在于環(huán)境庫茲涅茨的假設(shè)往往需要更長周期數(shù)據(jù)才能反映。同時(shí)，觀察核心解釋變量以及控制變量的估計(jì)結(jié)果可以發(fā)現(xiàn)，它們的估計(jì)系數(shù)以及顯著性水平也存在著一定的波動(dòng)，這可能是由于模型還存在著一定的內(nèi)生性問題。為此，本研究后續(xù)將對可能存在的內(nèi)生性問題進(jìn)行探討。

5.2 內(nèi)生性問題

盡管以上基準(zhǔn)回歸結(jié)果支持了文章的研究假設(shè)。但是，僅用固定效應(yīng)模型來進(jìn)行估計(jì)可能還存在一些較大的內(nèi)生性偏誤。文章的內(nèi)生性主要來源于三個(gè)方面：第一，PM2.5減排效率指標(biāo)作為衡量霧霾污染減排的度量指標(biāo)，可能存在測量誤差的問題;第二，大氣污染減排力度太小有可能帶來環(huán)境治理的惡化，這又會(huì)抑制城市的經(jīng)濟(jì)發(fā)展，從而造成雙向因果問題。第三，盡管文章已經(jīng)選取了已有文獻(xiàn)指出的重要影響因素，但還可能存在遺漏變量問題。

為了盡可能控制內(nèi)生性問題對估計(jì)結(jié)果造成的影響，已有文獻(xiàn)大多采用動(dòng)態(tài)面板數(shù)據(jù)模型或系統(tǒng)矩估計(jì)的方法來緩解內(nèi)生性問題，但是僅僅利用系統(tǒng)矩估計(jì)可能是不夠的，需要采用更為有效的工具變量法。因此，為了解決上述的內(nèi)生性問題，文章采取的具體策略是：首先采用群組前沿技術(shù)下的PM2.5減排效率作為霧霾減排的代理指標(biāo)來解決可能的測量偏誤問題。其次，采用解釋變量的滯后期作為其本身的工具變量來緩解內(nèi)生性問題。然后，通過引入外生變量作為經(jīng)濟(jì)發(fā)展水平的工具變量盡可能地解決內(nèi)生性問題?？紤]到所尋找的工具變量必須與經(jīng)濟(jì)發(fā)展水平高度相關(guān)，同時(shí)又不能直接影響到被解釋變量?；谶@一認(rèn)識(shí)，本研究通過降雨量與地形坡度倒數(shù)的乘積構(gòu)造一個(gè)工具變量。一般來說，如果一個(gè)地區(qū)的地形坡度越平坦，降水量越多，那么這個(gè)地區(qū)的經(jīng)濟(jì)作物就越容易豐收，從而人們的收入水平也越高[35-37]。這可以滿足有效工具變量的相關(guān)性假設(shè)。另一方面，無論是地形坡度還是降雨量均是由復(fù)雜的地理?xiàng)l件和氣象系統(tǒng)決定的，從而可以滿足有效工具變量的外生性假定。此外，構(gòu)造的這個(gè)工具變量在時(shí)間和截面維度上均存在變化，尤其是城市的截面維度，從而有助于在城市層面上識(shí)別這個(gè)工具變量對經(jīng)濟(jì)發(fā)展水平的影響。

表4報(bào)告了內(nèi)生性處理的估計(jì)結(jié)果。其中，列（5）采用的是更換被解釋變量（群組前沿技術(shù)下的PM2.5減排效率）的方法進(jìn)行估計(jì)，可以看出，經(jīng)濟(jì)發(fā)展水平的估計(jì)系數(shù)在1%的水平上顯著為正。列（6）是將核心解釋變量的滯后一期作為工具變量進(jìn)行的系統(tǒng)GMM估計(jì)，可以看出，經(jīng)濟(jì)發(fā)展水平的估計(jì)系數(shù)為正，且通過了1%的顯著性檢驗(yàn)。列（7）是將核心解釋變量的滯后一期作為工具變量進(jìn)行的2SLS估計(jì)，結(jié)果顯示，與列（5）和列（6）相比，經(jīng)濟(jì)發(fā)展水平的估計(jì)系數(shù)依然通過了1%的顯著性檢驗(yàn)。進(jìn)一步，文章采用構(gòu)造的外生工具變量進(jìn)行2SLS估計(jì)，列（8）估計(jì)結(jié)果與列（7）的結(jié)果基本一致，這說明通過外生工具變量對內(nèi)生性的控制，經(jīng)濟(jì)發(fā)展水平對PM2.5減排效率的影響得到了有效的識(shí)別。這也說明估計(jì)結(jié)果具有一定的穩(wěn)健性。

5.3 異質(zhì)性分析

考慮到中國不同地區(qū)的城市在經(jīng)濟(jì)發(fā)展水平和資源稟賦等方面存在一定的差異，而這些都有可能影響到文章估計(jì)結(jié)果的穩(wěn)健性。因此，文章采用Powell[37-38]提出的非可加性固定效應(yīng)的面板分位數(shù)回歸模型。相比傳統(tǒng)的可加性面板分位數(shù)回歸模型，該模型保留了與分位數(shù)估計(jì)相關(guān)的不可分?jǐn)_動(dòng)項(xiàng)，能夠很好地克服傳統(tǒng)分位數(shù)回歸模型產(chǎn)生的估計(jì)偏差問題。由表5的面板分位數(shù)回歸模型估計(jì)結(jié)果可以看出，經(jīng)濟(jì)發(fā)展水平估計(jì)系數(shù)的方向和顯著性與表4的模型結(jié)果基本一致，這也進(jìn)一步印證了上述結(jié)論的穩(wěn)健性。在不同分位點(diǎn)處的估計(jì)系數(shù)大小表現(xiàn)出明顯的異質(zhì)性，這也間接表明由于不同城市所處的工業(yè)化發(fā)展階段以及主導(dǎo)產(chǎn)業(yè)的不同，從而導(dǎo)致人均GDP對PM2.5減排效率的影響存在一定的差異。同時(shí)由表5可以看出，在10%到90%分位數(shù)之間經(jīng)濟(jì)發(fā)展水平對PM2.5減排效率的影響隨著分位點(diǎn)的升高而升高。這也說明對于PM2.5減排效率越高的城市，經(jīng)濟(jì)發(fā)展水平的提高對大氣污染減排提升的作用越明顯。

5.4 機(jī)制檢驗(yàn)

由于城市的PM2.5減排效率會(huì)受到經(jīng)濟(jì)發(fā)展水平的影響，且這種影響可能是由不同城市之間要素稟賦結(jié)構(gòu)的差異而造成的[39-40]。為檢驗(yàn)這種非線性關(guān)系，文章以要素稟賦結(jié)構(gòu)為門檻變量，采用面板門檻模型估計(jì)出在不同稟賦結(jié)構(gòu)下城市經(jīng)濟(jì)發(fā)展水平對霧霾減排的門檻效應(yīng)。根據(jù)表6可以看出，單一門檻值和雙門檻值在1%的置信水平上顯著，而三門檻值在10%的置信水平上并不顯著。因此，接下來將基于雙門檻值模型來進(jìn)行分析。

由表7的門檻效應(yīng)估計(jì)結(jié)果可以看出，λ1、λ2和λ3分別表示第一門檻區(qū)間、第二門檻區(qū)間和第三門檻區(qū)間中經(jīng)濟(jì)發(fā)展水平對城市PM2.5減排效率的解釋水平。

表8表示的是模型估計(jì)得到的雙門檻估計(jì)值及其對應(yīng)的95%置信區(qū)間，結(jié)合圖3的似然比函數(shù)圖可以看出，門檻值對應(yīng)的LR統(tǒng)計(jì)量等于0時(shí)的取值，而95%的置信區(qū)間表示的是所有LR值小于10%的顯著性水平下的臨界值λ構(gòu)成的區(qū)間。

由此可以發(fā)現(xiàn)，總體上經(jīng)濟(jì)發(fā)展水平對城市大氣污染減排具有促進(jìn)作用，且系數(shù)通過了1%顯著性水平的檢驗(yàn)。同時(shí)，可以發(fā)現(xiàn)要素稟賦結(jié)構(gòu)在地區(qū)分布的不同使得經(jīng)濟(jì)發(fā)展水平的影響效應(yīng)表現(xiàn)出一定的差異性。在一個(gè)資本要素相對稀缺、勞動(dòng)要素相對豐裕的城市，經(jīng)濟(jì)發(fā)展水平對城市大氣污染減排效率的影響系數(shù)為1.835。即當(dāng)要素稟賦結(jié)構(gòu)低于門檻值805.680時(shí)，城市的經(jīng)濟(jì)發(fā)展水平每提高1%，將導(dǎo)致城市大氣環(huán)境治理效果提高183.50%。當(dāng)城市的要素稟賦結(jié)構(gòu)處于第二門檻區(qū)間時(shí)，可以認(rèn)為要素稟賦結(jié)構(gòu)從貧乏狀態(tài)逐漸進(jìn)入到中等豐裕狀態(tài)，即要素稟賦結(jié)構(gòu)在[805.680，5 921.690]區(qū)間內(nèi)，經(jīng)濟(jì)發(fā)展水平對城市大氣環(huán)境治理效果的影響效應(yīng)提高185.13%，這同第一個(gè)門檻區(qū)間的影響系數(shù)相比要高一些。這可能是由于在第二個(gè)門檻區(qū)間的城市隨著資本勞動(dòng)比逐漸提高，經(jīng)濟(jì)發(fā)展水平不斷推動(dòng)著霧霾減排效果的改善，這樣就會(huì)使得第二個(gè)門檻區(qū)間的影響系數(shù)大于第一個(gè)門檻區(qū)間的系數(shù)。一旦要素稟賦結(jié)構(gòu)進(jìn)入到第三門檻區(qū)間，即要素稟賦結(jié)構(gòu)的門檻值大于5 921.690時(shí)，經(jīng)濟(jì)發(fā)展水平的影響作用就更加明顯，影響系數(shù)為1.876。這也說明當(dāng)要素稟賦結(jié)構(gòu)達(dá)到一個(gè)瓶頸后，經(jīng)濟(jì)發(fā)展水平對大氣污染減排的作用會(huì)繼續(xù)顯著提高。這可能是由于在第三個(gè)門檻區(qū)間內(nèi)，資本要素相對富裕，這些城市逐漸從高能耗的資本密集型產(chǎn)業(yè)向低能耗的資本密集型產(chǎn)業(yè)轉(zhuǎn)型，這個(gè)時(shí)候排放效率的提高可能更多的是來自城市環(huán)境治理水平和技術(shù)創(chuàng)新水平的提高。因此，環(huán)境治理的政策要因地制宜，對于東部沿海城市應(yīng)完善現(xiàn)有的環(huán)境保護(hù)法規(guī)體系和產(chǎn)業(yè)發(fā)展政策，繼續(xù)提高自身的環(huán)境治理能力和管理效率。中西部地區(qū)的城市應(yīng)該吸收和引進(jìn)東部沿海城市的先進(jìn)管理經(jīng)驗(yàn)，激勵(lì)企業(yè)進(jìn)行綠色技術(shù)或工藝的改造升級，努力提高地方經(jīng)濟(jì)的增長規(guī)模和質(zhì)量，最終實(shí)現(xiàn)綠色經(jīng)濟(jì)的高質(zhì)量發(fā)展。因此，這就要求在生態(tài)文明建設(shè)過程中，對霧霾污染治理時(shí)要“因城施策”“分類指導(dǎo)”。

6 主要結(jié)論與啟示

在中國發(fā)展進(jìn)入新時(shí)代階段，如何打好環(huán)境污染防治攻堅(jiān)戰(zhàn)？如何通過比較優(yōu)勢來促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展？實(shí)現(xiàn)這樣雙贏的目標(biāo)顯得尤為重要。①鑒于已有文獻(xiàn)大多將非期望產(chǎn)出的關(guān)注點(diǎn)放在SO2、CO2、AQI和PM10等常規(guī)污染物上，專門針對PM2.5污染減排效率的研究還比較少。②受限于數(shù)據(jù)可得性等原因，現(xiàn)有文獻(xiàn)的研究樣本大多停留在省級層面。③在評價(jià)霧霾減排效果的過程中，大多文獻(xiàn)并未考慮不同地區(qū)間的經(jīng)濟(jì)發(fā)展、資源稟賦等差異問題，同時(shí)也忽略了變量本身存在的內(nèi)生性問題。因此，文章首先利用2003—2018年中國260個(gè)城市面板數(shù)據(jù)對中國PM2.5減排效率進(jìn)行了測算;然后利用測算出的共同前沿技術(shù)下的PM2.5減排效率作為被解釋變量，采用人均GDP作為經(jīng)濟(jì)發(fā)展水平的代理變量，系統(tǒng)考察了經(jīng)濟(jì)發(fā)展水平對中國城市PM2.5減排效率的影響;最后分析了地區(qū)的異質(zhì)性和傳導(dǎo)的機(jī)制。本研究的主要結(jié)論：①中國PM2.5減排效率整體偏低。從時(shí)間趨勢來看，PM2.5減排效率呈現(xiàn)出緩慢上升再下降的過程。從區(qū)域比較來看，PM2.5減排效率存在明顯的區(qū)域異質(zhì)性，PM2.5減排效率從高到低分別為東部、東北部、西部和中部。②在樣本期間內(nèi)，經(jīng)濟(jì)發(fā)展水平對PM2.5減排效率具有顯著的促進(jìn)作用，在考慮了PM2.5減排效率的指標(biāo)更換、外生工具變量的構(gòu)造以及地區(qū)差異性等方面后，經(jīng)濟(jì)發(fā)展水平對PM2.5污染減排效率的影響依然穩(wěn)健。③機(jī)制研究的結(jié)果表明城市要素稟賦結(jié)構(gòu)的差異會(huì)影響地區(qū)的經(jīng)濟(jì)發(fā)展水平，進(jìn)而影響到PM2.5的排放效率。

上述研究發(fā)現(xiàn)有著重要的政策啟示。①霧霾的環(huán)境治理應(yīng)該遵循比較優(yōu)勢的發(fā)展戰(zhàn)略。如果一個(gè)地區(qū)或城市的產(chǎn)業(yè)結(jié)構(gòu)發(fā)展不符合當(dāng)?shù)氐谋容^優(yōu)勢，與其要素稟賦結(jié)構(gòu)不相匹配，就有可能導(dǎo)致環(huán)境污染更加嚴(yán)重。即使政府采取多種嚴(yán)厲的環(huán)境規(guī)制政策，也會(huì)導(dǎo)致要素稟賦的資源錯(cuò)配，這種錯(cuò)配效應(yīng)可能會(huì)超過技術(shù)創(chuàng)新帶來的補(bǔ)償效應(yīng)，從而不利于城市的要素結(jié)構(gòu)優(yōu)化和產(chǎn)業(yè)結(jié)構(gòu)升級，最終抑制了城市大氣污染減排效果。②要實(shí)施適度的環(huán)境規(guī)制強(qiáng)度。一個(gè)地區(qū)或城市的環(huán)境治理好壞不能純粹依靠政府的行政化管理手段。由于節(jié)能減排等環(huán)境考核的壓力，一些地方政府采取了“一刀切”或“照搬照抄”的環(huán)境治理方式，并沒有根據(jù)當(dāng)?shù)亟?jīng)濟(jì)的發(fā)展水平、資源稟賦等因素采取因地制宜的環(huán)境管理手段，從而使得部分技術(shù)工藝還沒完全轉(zhuǎn)型升級的企業(yè)停工停產(chǎn)，最終導(dǎo)致城市經(jīng)濟(jì)增長和環(huán)境保護(hù)之間的矛盾日益突出。這種“一刀切”的環(huán)境政策反而會(huì)抑制城市的霧霾減排效果。③實(shí)行差異化的環(huán)境治理政策。由于中國四大經(jīng)濟(jì)區(qū)的PM2.5減排效率存在明顯的區(qū)域差異性，各地政府要結(jié)合各自城市的環(huán)境承受力，著力提升本地區(qū)的要素稟賦結(jié)構(gòu)，制定相應(yīng)的環(huán)境治理政策。通過提高地方經(jīng)濟(jì)的高質(zhì)量發(fā)展來增加地方稅收來源，對清潔性產(chǎn)業(yè)實(shí)施不同程度的稅收優(yōu)惠力度來提高企業(yè)的自生能力，以此激勵(lì)企業(yè)進(jìn)行綠色技術(shù)的研發(fā)投入、技術(shù)引進(jìn)或技術(shù)改造等方式，最終降低整個(gè)城市的環(huán)境污染排放強(qiáng)度。

參考文獻(xiàn)

[1]史丹， 王俊杰. 基于生態(tài)足跡的中國生態(tài)壓力與生態(tài)效率測度與評價(jià)[J]. 中國工業(yè)經(jīng)濟(jì)， 2016（5）： 5-21.

[2]羅能生， 李佳佳， 羅富政. 中國城鎮(zhèn)化進(jìn)程與區(qū)域生態(tài)效率關(guān)系的實(shí)證研究[J]. 中國人口·資源與環(huán)境， 2013， 23（11）： 53-60.

[3]KUOSMANEN T，KORTELAINEN M. Measuring eco-efficiency of production with data envelopment analysis [J]. Journal of industrial ecology， 2005， 9（4）： 59-72.

[4]汪克亮， 孟祥瑞， 楊寶臣. 生態(tài)壓力、生態(tài)技術(shù)差距與地區(qū)生態(tài)經(jīng)濟(jì)效率：基于2006—2015年中國省際面板數(shù)據(jù)的實(shí)證分析[J]. 山西財(cái)經(jīng)大學(xué)學(xué)報(bào)， 2017， 39（12）： 1-14.

[5]HUA Z，BIAN Y，LIANG L. Eco-efficiency analysis of paper mills along the Huai River： an extended DEA approach [J]. Omega， 2007， 35（5）： 578-587.

[6]HALKOS G， TZEREMES N G. A conditional directional distance function approach for measuring regional environmental efficiency： evidence from UK regions [J]. European journal of operational research， 2013， 227（1）： 182-189.

[7]李占風(fēng)， 張建. 資源環(huán)境約束下中國工業(yè)環(huán)境技術(shù)效率的地區(qū)差異及動(dòng)態(tài)演變[J]. 統(tǒng)計(jì)研究， 2018， 35（12）： 45-55.

[8]黃建歡， 方霞， 黃必紅. 中國城市生態(tài)效率空間溢出的驅(qū)動(dòng)機(jī)制： 見賢思齊VS見劣自緩[J]. 中國軟科學(xué)， 2018（3）： 97-109.

[9]GROSSMAN G M，KRUEGER A B. Economic growth and the environment [J]. The quarterly journal of economics， 1995， 110（2）： 353-377.

[10]林伯強(qiáng)， 蔣竺均. 中國二氧化碳的環(huán)境庫茲涅茨曲線預(yù)測及影響因素分析[J]. 管理世界， 2009（4）： 27-36.

[11]EBENSTEIN A，F(xiàn)AN M，GREENSTONE M，et al. Growth， pollution， and life expectancy： China from 1991-2012 [J]. The american economic review， 2015， 105（5）： 226-231.

[12]陳詩一， 陳登科. 霧霾污染、政府治理與經(jīng)濟(jì)高質(zhì)量發(fā)展[J]. 經(jīng)濟(jì)研究， 2018， 53（2）： 20-34.

[13]王奇， 李明全. 基于DEA方法的我國大氣污染治理效率評價(jià)[J]. 中國環(huán)境科學(xué)， 2012， 32（5）： 942-946.

[14]尹向飛. 中國城市PM2.5效率[J]. 北京理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2016， 18（4）： 49-57.

[15]汪克亮， 孟祥瑞， 楊寶臣， 等. 技術(shù)異質(zhì)下中國大氣污染排放效率的區(qū)域差異與影響因素[J]. 中國人口·資源與環(huán)境， 2017， 27（1）： 101-110.

[16]戴小文， 唐宏， 朱琳. 城市霧霾治理實(shí)證研究：以成都市為例[J]. 財(cái)經(jīng)科學(xué)， 2016（2）： 123-132.

[17]梁偉， 楊明， 張延偉. 城鎮(zhèn)化率的提升必然加劇霧霾污染嗎：兼論城鎮(zhèn)化與霧霾污染的空間溢出效應(yīng)[J]. 地理研究， 2017， 36（10）： 1947-1958.

[18]邵帥， 李欣， 曹建華， 等. 中國霧霾污染治理的經(jīng)濟(jì)政策選擇：基于空間溢出效應(yīng)的視角[J]. 經(jīng)濟(jì)研究， 2016， 51（9）： 73-88.

[19]劉軍， 王慧文， 楊潔. 中國大氣污染影響因素研究：基于中國城市動(dòng)態(tài)空間面板模型的分析[J]. 河海大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版）， 2017， 19（5）： 61-67.

[20]馬麗梅， 張曉. 中國霧霾污染的空間效應(yīng)及經(jīng)濟(jì)、能源結(jié)構(gòu)影響[J]. 中國工業(yè)經(jīng)濟(jì)， 2014（4）： 19-31.

[21]劉華軍， 裴延峰. 我國霧霾污染的環(huán)境庫茲涅茨曲線檢驗(yàn)[J]. 統(tǒng)計(jì)研究， 2017， 34（3）： 45-54.

[22]王振波， 梁龍武， 王旭靜. 中國城市群地區(qū)PM2.5時(shí)空演變格局及其影響因素[J]. 地理學(xué)報(bào)， 2019， 74（12）： 2614-2630.

[23]FRE R， GROSSKOPF S. Intertemporal production frontiers： with dynamic DEA [J]. Journal of the operational research society， 1997， 48（6）： 656.

[24]TONE K， TSUTSUI M. Dynamic DEA： a slacks-based measure approach [J]. Omega，2010，38（3）： 145-156.

[25]YAGHUBI A O，MOHAMMADNEZHAD Z，MAGHBOULI M. Dynamic DEA： a hybrid measure approach [J]. International journal of applied operational research， 2016， 6（4）： 65-75.

[26]BATTESE G E， RAO D S P. Technology gap， efficiency and a stochastic meta-frontier function [J]. International journal of business and economics， 2002， 1（2）： 87-93.

[27]HU J L， WANG S C. Total-factor energy efficiency of regions in China [J]. Energy policy， 2006， 34（17）： 3206-3217.

[28]ZHAO X，ZHOU W，HAN L，et al. Spatiotemporal variation in PM2.5 concentrations and their relationship with socioeconomic factors in Chinas major cities [J]. Environment international， 2019， 133：105-145.

[29]林毅夫. 中國要以發(fā)展的眼光應(yīng)對環(huán)境和氣候變化問題：新結(jié)構(gòu)經(jīng)濟(jì)學(xué)的視角[J]. 環(huán)境經(jīng)濟(jì)研究， 2019， 4（4）： 1-7.

[30]杜龍政， 趙云輝， 陶克濤， 等. 環(huán)境規(guī)制、治理轉(zhuǎn)型對綠色競爭力提升的復(fù)合效應(yīng)：基于中國工業(yè)的經(jīng)驗(yàn)證據(jù)[J]. 經(jīng)濟(jì)研究， 2019， 54（10）： 106-120.

[31]張功富. 政府干預(yù)、環(huán)境污染與企業(yè)環(huán)保投資：基于重污染行業(yè)上市公司的經(jīng)驗(yàn)證據(jù)[J]. 經(jīng)濟(jì)與管理研究， 2013（9）： 38-44.

[32]鄭潔， 付才輝， 劉舫. 財(cái)政分權(quán)與環(huán)境治理：基于動(dòng)態(tài)視角的理論和實(shí)證分析[J]. 中國人口·資源與環(huán)境， 2020， 30（1）： 67-73.

[33]董直慶， 王輝. 環(huán)境規(guī)制的“本地—鄰地”綠色技術(shù)進(jìn)步效應(yīng)[J]. 中國工業(yè)經(jīng)濟(jì)， 2019（1）： 100-118.

[34]王芳， 曹一鳴， 陳碩. 反思環(huán)境庫茲涅茨曲線假說[J]. 經(jīng)濟(jì)學(xué)（季刊）， 2020， 19（1）： 81-100.

[35]林伯強(qiáng)， 譚睿鵬. 中國經(jīng)濟(jì)集聚與綠色經(jīng)濟(jì)效率[J]. 經(jīng)濟(jì)研究， 2019， 54（2）： 119-132.

[36]劉晨躍，尚遠(yuǎn)紅.霧霾污染程度的經(jīng)濟(jì)社會(huì)影響因素及其時(shí)空差異分析：基于30個(gè)大中城市面板數(shù)據(jù)的實(shí)證檢驗(yàn)[J].? 經(jīng)濟(jì)與管理評論，2017（1）：75-82.

[37]楊東升. 欠發(fā)達(dá)國家經(jīng)濟(jì)增長與金融發(fā)展：一個(gè)基于工具變量的分析[J]. 中國農(nóng)村經(jīng)濟(jì)， 2015（1）： 85-95.

[38] POWELL D. Quantile regression with nonadditive fixed effects [R/OL]. Rand Labor and Population Working Paper， （2015-11）[2019-08-19].http：//works.bepress.com/david.powell/11.

[39] 萬倫來，劉翠，鄭睿. 地方政府財(cái)政競爭的生態(tài)效率空間溢出效應(yīng)[J]. 經(jīng)濟(jì)與管理評論，2020（1）：148-160.

[40]鄭潔， 付才輝， 趙秋運(yùn). 發(fā)展戰(zhàn)略與環(huán)境治理[J]. 財(cái)經(jīng)研究， 2019， 45（10）： 4-20.

Regional differences in PM2.5 emission reduction efficiency and their influencing mechanism in Chinese cities

LI Deshan1，2 ZHANG Zhengqiu1 FU Lei1，2 GUO Sidai1

（1. School of Economics and Management， Southwest University of Science and Technology， Mianyang Sichuan 621010， China; 2. School of Economics， Sichuan University， Chengdu Sichuan 610065， China）

Abstract In order to win the tough battle against environmental pollution and promote high-quality economic development， Chinas governments at all levels have been stepping up efforts to prevent and control environmental pollution. Based on the panel data of 260 cities in China from 2003 to 2018， this paper first adopted the Meta-Frontier method and the Hybrid Dynamic DEA model to measure the urban PM2.5 emission reduction efficiency in China. Then， on the basis of the heterogeneity in the structure of different urban factor endowments， this paper further analyzed the impact of economic development level on the efficiency of PM2.5 mission reduction in these Chinese cities. The results of the study showed that： ① Chinas overall PM2.5 emission reduction efficiency was at a low level， with an annual average value of 0.1257， and there was a huge pressure to reduce air pollution emissions. ② During the sample period， Chinas PM2.5 emission reduction efficiency showed a process of increasing slowly and then decreasing. There was obvious regional heterogeneity in PM2.5 emission reduction efficiency between the four major regions in China， i.e.， the eastern region had the highest efficiency of PM2.5 emission reduction， followed by the northeastern region， then the western region and the central region. ③ In general， the level of economic development played a significant role in promoting the efficiency of PM2.5 emission reduction. From the perspective of heterogeneity， the impact of the economic development level on PM2.5 emission reduction efficiency increased with the increase of the percentile between 10% and 90%. After changing PM2.5 emission reduction efficiency indicator and constructing exogenous tool variable， this paper found that the influence of economic development level on PM2.5 emission reduction efficiency was still significant. ④ The results of mechanism research showed that the differences of urban factor endowment structure had an impact on the efficiency of PM2.5 emission reduction efficiency through affecting the level of regional economic development. Therefore， local governments should take the factor endowment structure and comparative advantage of their respective cities into account to formulate adaptive policies for air pollution control and avoid adopting the ‘one-size-fits-all or ‘copy-all environmental control methods. Besides， local governments should implement differentiated environmental governance policies for air pollution. Chinas eastern coastal cities should constantly improve their industrial development policies and their own environmental governance capabilities. And for cities in Chinas central and western regions， the introduction of advanced management experience from coastal cities should be accelerated， and enterprises should be incentivized to upgrade green technologies or processes in an effort to improve the quality of economic growth.

Key words haze pollution; PM2.5 emission reduction efficiency; Meta-Frontier method; economic development; factor endowment structure

（責(zé)任編輯：于 杰）

收稿日期：2020-03-04? 修回日期：2020-06-24

作者簡介：李德山，博士，副教授，主要研究方向?yàn)槿丝谫Y源與環(huán)境。E-mail：lwfaaa3@163.com。

通信作者：郭四代，博士，教授，博導(dǎo)，主要研究方向?yàn)榄h(huán)境經(jīng)濟(jì)學(xué)。E-mail：guosidai@126.com。

基金項(xiàng)目：國家自然科學(xué)基金政策研究重點(diǎn)支持項(xiàng)目“‘一帶一路與中國西部發(fā)展”（批準(zhǔn)號(hào)：71742004）;教育部人文社會(huì)科學(xué)青年基金項(xiàng)目“人口轉(zhuǎn)變、技術(shù)創(chuàng)新與中國長期經(jīng)濟(jì)增長研究”（批準(zhǔn)號(hào)：19YJC790057）;四川省循環(huán)經(jīng)濟(jì)研究中心重點(diǎn)項(xiàng)目“綠色發(fā)展視角下中國制造業(yè)資本配置效應(yīng)測度及其影響因素研究”（批準(zhǔn)號(hào)：XHJJ-1904）;四川省科技廳軟科學(xué)項(xiàng)目“鄉(xiāng)村振興視域下四川農(nóng)村土地資源高質(zhì)量利用研究”（批準(zhǔn)號(hào)：20RKX0398）。