京津冀雾霾污染与产业结构、城镇化水平的空间效应研究

奥鹏网院作业

京津冀雾霾污染与产业结构、城镇化水平的空间效应研究*
戴宏伟 回 莹
[提 要] 京津冀地区是全国雾霾污染的重灾区。本文分析了京津冀地区13个城市的雾霾污染空间相关性，发现其具有显著的空间溢出效应，呈现出“高—高”型集聚和“低—低”型集聚的特征。基于京津冀地区13个城市2000—2012年的面板数据，使用三种类型空间权重矩阵构建空间杜宾模型发现：京津冀雾霾污染与产业结构、城镇化水平显著相关；产业结构与其呈“倒U型”曲线，目前产业结构和城镇化水平对自身及其邻近地区的雾霾污染具有明显的加重作用；城镇化水平对邻近地区雾霾污染具有双向效应。产业结构调整优化和城镇化水平质量的提高会缓解京津冀雾霾污染，实际人均GDP、对外贸易依存度、FDI、人口密度等也会对京津冀地区及其周边地区的雾霾污染产生影响。
[关键词] 京津冀雾霾；产业结构；城镇化水平；空间效应
2013年以来，京津冀地区雾霾天气频发，石家庄、邢台、唐山、保定、衡水、邯郸、廊坊等地区长期出现在空气质量较差城市排名中，并呈现出持续时间长、污染范围广等特点，引起国内外广泛关注。针对日益严峻的京津冀地区的雾霾污染形势，国家相关部门与京津冀地方政府高度重视，把环境治理明确列入“十三五规划纲要”，京津冀三地共同出台《京津冀及周边地区大气污染防治中长期规划》，签订大气污染联防联控合作协议，提供专项资金、淘汰落后产能、关停“散小乱污”企业等一系列措施。但总体来看，由于雾霾形成因素的复杂性、首都所在区域的特殊性、京津冀跨区域协调的困难性，京津冀雾霾的治理形势依然严峻。因此，对京津冀地区的雾霾污染的成因，及其与产业结构、城镇化水平的关系进行分析，具有重要的现实意义。
一、文献综述
关于京津冀地区的雾霾污染，相关文献主要集中在以下几个方面。
一是环境质量与经济增长之间的关系。德内拉·梅多斯(1984)认为，工业发展与污染、资源消耗之间存在着相互反馈环路结构；Kuznets(1955)提出人均收入与经济增长之间存在着“倒U型”关系；Panayotou(1994)借用库兹涅茨曲线认为环境质量与人均收入之间存在着“倒U型”关系,被称为环境库兹涅茨曲线(EKC)；Seldenet & Song(1995)认为消费支出和环境支出之间存在着“J曲线”效应；Grossman & Krueger(1995)认为当人均收入达到一定水平时环境质量会得到改善；张悦和赵晓丹(2014)使用面板数据认为我国经济增长与环境污染之间呈现倒N型关系。
二是环境污染与产业结构之间的关系。张少华(2009)基于行业面板数据分析认为我国产业结构不合理，目前第三产业还不存在降低环境污染的效应；胡飞(2011)基于1999—2009年的省际面板数据研究后认为产业结构升级不能缓解我国东部和中部地区的环境污染；郭俊华和刘奕玮(2014)分析了雾霾与产业结构、能源结构的关系，并提出如何从根本上缓解或消除雾霾天气污染的建议；李鹏(2015)基于2004—2012年的省际面板数据研究认为我国的产业结构恶化了我国的环境污染；宋健和王静(2018)对环境污染对产业结构变动的传导机制进行研究后认为环境污染与产业结构呈倒U型关系。
三是城镇化水平与污染之间的关系。王家庭和曹清峰(2014)基于28个省级面板数据认为城市化与环境污染之间存在反U型关系；王会和王奇(2011)基于投入产出法利用1997—2007年数据分析了城镇化对污染排放的影响；童玉芬和王莹莹(2014)在对城市人口与雾霾污染的作用机制分析的基础上研究认为二者具有双向关系；刘伯龙等(2015)认为不同地区城镇化水平导致雾霾污染浓度增加不同；梁伟等(2017)认为城镇化率的提升对雾霾污染具有负向影响。
四是产业结构、城镇化和环境污染之间的关系。李姝(2011)认为产业结构调整、城市化与环境污染之间显著相关；王瑞鹏和王朋岗(2013)研究表明产业结构和城市化对环境污染的影响有一定的滞后性，但从长期看三者存在长期均衡关系；冷艳丽和杜思正(2015)认为产业结构越不合理、城市化水平越高，二者对雾霾污染的影响越大；方齐云和曹金梅(2016)通过建模分析认为城市化和人均碳排放之间存在倒U型关系，产业结构对人均碳排放具有异质性，他们对各省份人均碳排放的拐点时间进行了测算。
京津冀地区作为中国雾霾污染的重灾区，也逐渐引起了学者们的注意。潘慧峰等(2015)对京津冀地区7个城市的PM2.5的日数据分别使用GARCH模型和AR模型进行实证估计，并进一步建立马尔科夫区制转换模型进行对比，研究发现京津冀地区雾霾污染存在溢出效应，且具有较强的波动性。冯博和王雪青(2015)使用面板Tobit模型进行了实证研究，他们选取生产总值和二氧化碳、生产总值和污染物综合指标作为产出要素分别代表未考虑雾霾效应和考虑雾霾效应两种情况，通过测算京津冀地区全要素能源效率，得出考虑雾霾效应下的京津冀地区能源效率较低的结论。
以上文献均采用典型计量模型对环境污染与经济增长、产业结构和城镇化水平分别进行了研究。随着空间计量经济学在国内的流行，一些学者从空间地理的角度进行了研究。吕健(2011)认为，普通OLS回归高估了城市化对经济增长的贡献，加入空间因素后结果更加稳健和合理。马丽梅和张晓(2014)研究认为雾霾污染与产业结构、能源结构密切相关，人均GDP的增长导致雾霾污染的加剧。胡宗义和刘亦文(2015)通过研究我国能源消耗量、污染排放量及经济增长的动态关系认为我国能源利用效率低下，污染排放严重。邵帅等(2016)从空间溢出效应角度分析了中国雾霾污染治理的经济政策选择。
以上文献主要集中在环境污染与经济增长、产业结构、城镇化水平的两两关系上，但对雾霾污染和产业结构及城镇化水平三者之间的关系鲜有研究，尤其是采用空间计量的方法对中国雾霾污染最严重的京津冀地区的研究更是鲜见。本文采取空间计量的方法，使用空间邻接、空间距离和经济地理三种权重矩阵，对京津冀地区13个城市的雾霾污染进行了空间相关性分析，利用空间杜宾模型对13个城市的雾霾污染的空间溢出效应进行了分析，以得出有启示性的结论。
二、京津冀地区雾霾污染现状及空间分析
(一)京津冀地区雾霾污染现状分析
《2015中国环境状况公报》中公布的空气质量相对较差的十个城市中河北省占据七个席位，京津冀三地重度污染天数占全年天数的百分比2013年分别为15.9%，13.42%，21.9%；2014年分别为18%，12.9%，9.3%。[注]资料来源：《2013—2014年京津冀环境状况公报》。在全国重度污染天数占比中排名前列。京津冀13个地级市中，以保定、石家庄、邢台、邯郸雾霾污染最为严重(见图1)，从京津冀地区PM2.5平均浓度值的空间分布图来看，张家口、承德、秦皇岛三市空气质量相对较好，在京津冀雾霾联防联控下2014年京津冀地区的雾霾程度相对2013年有所改善，但邢台的雾霾在该地区仍为最严重的。


图1 2013年和2014年京津冀地区PM2.5平均浓度值空间分布图
资料来源：京津冀地区2013—2014年《环境状况公报》，根据相关软件统计所得。
与1952年伦敦爆发的“烟雾事件”相比，2013年京津冀地区爆发的雾霾污染有很大不同。从雾霾成分来看，伦敦雾霾主要污染物是二氧化硫和黑烟，而京津冀地区雾霾的主要污染物是PM2.5和O3(臭氧)。但从引起雾霾的主要原因来看，都是因为第二产业比重偏高，能源消费中煤炭比重大。
从图2可以看出，北京市产业结构相对比较合理，第三产业比重远高于第二产业比重，已形成“三二一”的产业结构格局。天津市和河北省两地产业结构相似，天津市第二产业比重略高于第三产业，河北省第二产业比重远高于第三产业比重，第二产业比重偏高且多以煤炭开采和洗选业、黑色金属矿采选业、黑色金属冶炼和压延加工业、金属制品业等为主，天津、河北两地产业结构为“二三一”格局，这也是造成京津冀地区雾霾污染严重的主要原因之一。三地的城镇化水平与产业结构走势也很相似：北京、天津两地城镇化水平偏高，分别达到80%和60%以上，河北省城镇化水平相对比较低，2006年以后超过30%，与京津两地差距较大。

图2 京津冀地区产业结构和城镇化水平
资料来源：2001—2013年《中国区域经济统计年鉴》。
(二)空间分析
1.京津冀地区PM2.5数据来源。由于河北省各地级市PM2.5历史数据缺失，从2013年底各地级市才开始有PM2.5数据的记录，因此本文借鉴相关文献(Donkelaar et al.，2010；马丽梅和张晓，2014；邵帅等，2016)，采用哥伦比亚大学社会经济数据和应用中心(CIESIN)公布的利用卫星对气溶胶光学厚度(AOD)进行监测的2000—2012年PM2.5全球年均值的遥感地图，利用ENVI软件去噪音得到滤波后的栅格数据图，再利用ARCGIS软件提取栅格数据图中的京津冀地区的PM2.5数据，得到了京津冀地区13个城市的雾霾污染的准确数据，然后利用GeoDa和Stata等软件进行空间相关性分析。
2.京津冀地区PM2.5雾霾污染的空间相关性分析。目前对于空间权重矩阵的选择主要有以下形式：
(1)空间地理权重。一是传统的空间地理权重，其形式如下：

(1)
本文采取车相邻的方式设定京津冀地区13个城市的二进制邻接权重矩阵，来获取反映京津冀地区各城市之间的空间关系的空间权重矩阵：

(2)
二是阈值相邻。这种空间权重矩阵的设定方法为以某地区中心点为中心，一定距离为半径画圆，落在该圆内的其他地区权重矩阵元素赋值为1，落在圆外即为0，阈值距离计算使用欧几里得距离公式计算。
三是k个最近邻居。此种空间权重矩阵的设定方法为将与自己距离最近的k个单元作为邻居，在权重矩阵中对应元素赋值为1，反之，赋值为0。
(2)地理距离。即使用两个城市直线距离的倒数作为空间权重矩阵(Vega & Elhorst，2015)，设定方法表达式为：

(3)
式中，dij表示地区i到地区j的直线距离。
(3)经济权重。为了增强分析结果的稳健性，本文还将实际人均GDP作为经济因素引入空间分析，此种空间权重矩阵的设定方法为：

(4)
式中，为i地区的实际人均GDP的平均值；为j地区的实际人均GDP的平均值。
(4)地理—经济权重。此种空间权重矩阵的设定方法是将地理因素和经济因素结合在一起(林光平等，2005)，即为式(1)的空间地理权重与式(3)的经济权重相乘得到经济距离的空间权重矩阵。除此之外还有同时包含地理与经济距离的嵌套权重矩阵。这种空间权重矩阵借鉴Case et al (1993)、张征宇和朱平芳(2010)、邵帅等(2016)的做法，将空间权重矩阵设定为：
W=(1-φ)Wg+φWe
(5)
式(5)中j在(0，1)之间，j接近0表明权重矩阵更多地表现为地理相邻意义，j接近1表明权重矩阵更多地表现为与经济意义相关。
本文选取空间地理权重、地理距离权重和经济地理[注]限于篇幅，本文仅选取三种权重进行报告，对其他权重报告有兴趣的读者可向笔者索取。三种权重进行分析。
本文使用全局Moran’s I和局部Moran’s I来检验京津冀地区雾霾污染的空间相关性。
(1)全局Moran’s I。全局Moran’s I的计算公式为：

(6)
式(6)可用于检验某一空间变量Moran’s I的显著性。其中，I表示全局Moran’s I，S2表示样本方差，Wij表示空间权重矩阵，Xi和Xj分别表示i地区和j地区的雾霾污染程度，n表示样本数量。I的取值范围为[-1,1]，当I>0时，表示存在空间正相关，当I<0时，表示存在空间负相关，当I接近0，表示不存在空间自相关，各地区雾霾污染程度在空间上表现为独立随机分布。全局Moran’s I用来衡量某一空间变量在整体区域上的空间集聚状况。根据GeoDa软件和Stata软件生成的权重矩阵报告来看，经济权重矩阵的结果非常不显著，说明在单纯经济发展差异上，京津冀地区的雾霾污染并不具有一定的空间相关性。而其他权重矩阵，京津冀地区雾霾污染都具有很强的空间相关性，在1%的置信水平上p值非常显著(见表1)，均小于0.01，正态统计量z值均大于2.40。本文中的模型即采取这三种权重矩阵。从表1的计算结果来看，三种权重下的Moran’s I均小于1且大于0，p值非常显著，说明京津冀各地区的雾霾污染存在着空间正自相关；尤其是加入经济因素后，京津冀地区的PM2.5浓度值的显著性要优于空间地理权重和空间距离权重。
表1三种权重下京津冀地区PM2.5浓度值的Moran’s I

从莫兰指数散点图来看(见图3)，横轴表示全局Moran’s I，纵轴表示其空间滞后项，以横轴和纵轴的零值为中心，分为四个笛卡尔象限，京津冀地区大部分都集中在第一象限或第三象限，表明这些地区的雾霾污染都高于或者低于均值，与其相邻地区雾霾污染也相应高于或低于均值，即表现为高雾霾浓度值与高雾霾浓度值正相关，低雾霾浓度值与低雾霾浓度值正相关；仅有一个地区位于第四象限，表明这个地区雾霾污染高于均值，而与其相邻地区雾霾污染低于均值，说明京津冀地区雾霾污染的正空间相关性特征非常稳定。

图3 2000年、2007年、2012年京津冀地区雾霾污染的Moran’s I散点图
(2)局部Moran’s I。局部Moran’s I的计算公式为：

(7)
式(7)中局部Moran’s I考察局部空间自相关情况，即考察一地区与其相邻地区空间变量集聚的差异表现。其中各指标含义与式(6)相同。全局Moran’s I反映的是空间变量的整个空间集聚的情况，局部Moran’s I反映的是某一个地区与其附近地区的空间集聚情况，全局Moran’s I有可能会忽略局部地区的非典型特征(Anselin，1995)，局部Moran’s I则可以弥补这一缺陷，很好地描述局部地区的空间自相关性。当局部Moran’s I为正时，表明该地区的高值或低值被周围地区的高值或低值所包围，即雾霾污染呈现出高污染地区与高污染地区集聚，低污染地区与低污染地区集聚，即呈现出“高—高”型集聚和“低—低”型集聚的特征。图4所示为2000年、2007年、2012年京津冀地区雾霾污染的局部集聚Lisa图，邢台、衡水、沧州等地区为雾霾高污染地区，其周围地区也为高污染地区，即表现为“高—高”型集聚；张家口、承德、秦皇岛等地区为雾霾低污染地区，其周围地区也为低污染地区，即表现为“低—低”型集聚。从动态演变趋势来看，邢台市一直为“高—高”型集聚地区，出现频率比较高；张家口市、承德市则为“低—低”型集聚地区，出现频率也较高。

图4 2000年、2007年、2012年京津冀地区PM2.5局部集聚Lisa图
说明：白色为不显著，黑色为高—高型集聚，灰色为低—低型集聚。
三、京津冀地区雾霾污染的空间面板模型分析
(一)影响因素分析及变量选取
1.产业结构。雾霾污染与产业结构密切相关，产业结构对雾霾污染的程度有直接影响。京津冀地区重工业比重偏高，尤其是河北省的主导产业主要集中在煤炭开采、石油化工、黑色金属等“三高”产业上，产生了大量的烟粉尘、含氮有机颗粒物等，这是造成京津冀地区雾霾污染严重的主要原因之一。本文选取京津冀各市的第二产业的区位商值来衡量该地区的产业结构，区位商的公式表达为LQij=(qij/qj)/(qi/q)，其中，LQij就是j地区的i产业在全国的区位商,qij为j地区的i产业产值，qj为j地区所有产业的产值，qi为全国范围内i产业的产值，q为全国所有产业的产值，本文i产业选择第二产业。区位商值能更好地反映第二产业在京津冀地区的主导优势。数据主要来源于《中国区域经济统计年鉴》《中国城市统计年鉴》《中国统计年鉴》。
2.城镇化水平。从一定意义上说，城镇化水平的快速上升在一定程度上造成了环境压力，城市生产、生活产生的“三废”等排放物增加，雾霾污染加重。由于数据所限，本文选取各城市非农人口占该地区人口总数比重来衡量京津冀地区的城镇化水平。数据主要来源于《全国分县市人口统计资料》。
3.实际人均GDP。环境库茨涅茨曲线表明经济增长会使环境污染呈现出先恶化后改善的“倒U”型曲线形状，本文使用实际人均GDP来衡量京津冀地区的经济增长，该指标以本地区的生产总值指数计算GDP平减指数，再以此指数来计算实际人均GDP。数据主要来源于《中国城市统计年鉴》和《中国统计年鉴》。
4.其他变量。为了使统计结果更加稳健，本文还选取了外商直接投资、对外贸易依存度、人口密度等作为控制变量。其中，对外商直接投资指标使用固定资产价格指数进行了平减，这些变量数据均来自《中国城市统计年鉴》《中国区域经济统计年鉴》《新河北60年》等。
(二)空间面板数据模型
首先，考察各变量之间的相关系数。表2中pm2_5,str,str^2,urb,gdp,fdi,dft,den变量分别表示PM2.5浓度值、产业结构一次项、产业结构二次项、城镇化水平、实际人均GDP、外商直接投资额、对外贸易依存度、人口密度。根据表2，产业结构的一次项和二次项、人口密度与PM2.5浓度值均显著正相关，说明随着第二产业比重的提高势必会提高PM2.5浓度值，但事实并非如此，随着产业结构的调整优化，势必会降低PM2.5浓度值。外商直接投资额与PM2.5浓度值正相关，意味着外商直接投资的增加会提高PM2.5浓度值。城镇化水平、实际人均GDP、对外贸易依存度与PM2.5浓度值显著负相关，说明经济增长、对外开放度的增加并不一定使得PM2.5浓度值增加。
表2各变量相关系数表

注：***,**,*分别表示1%,5%,10%的显著水平。
对于区域经济增长、产业结构等问题的研究，越来越多的学者选择使用空间计量模型来进行分析。由于各地级市及县域统计年鉴中没有涉及京津冀地区各县分行业规模以上工业总产值、对外投资额、对外贸易依存度等相关数据，依据数据的可量化和可获得性原则，本文借鉴相关文献(潘慧峰等，2015；冯博和王雪青，2015)，选取北京市、天津市和河北省11个地级市共13个城市的空间面板数据对京津冀地区雾霾污染与产业结构、城镇化水平的空间相关性进行研究。笔者使用LM检验对比空间滞后模型和空间误差模型，来判定使用何种模型合适(LeSage & Pace，2009)(见表3)。
表3三种权重矩阵下的空间面板模型的LM检验

注：括号内为p值。
经检验发现，三种权重矩阵下的LM检验均显著，稳健的LM检验空间滞后模型比空间误差模型显著，因此空间滞后模型要优于空间误差模型。空间滞后模型设定如下：
Yit=αit+ρWYit+Xitβit+μit
(8)
为了得到比较稳健的估计结果，本文选择更广泛意义的空间杜宾模型(SDM)，LeSage & Pace(2009)建议将空间杜宾模型纳入到空间滞后面板模型和空间误差面板模型。模型设定如下：
PMit=αit+ρWPMit+strijβit+(strij)2ξit
+Wstritθit+μit
(9)
PMit=αit+ρWPMit+strijβit+(strij)2ξit
+urbijγit+Wstritθit+W(strij)2ψit
+Wurbitηit+μit
(10)
PMit=αit+ρWPMit+strijβit+(strij)2ξit
+urbijγit+Xitφit+Wstritθit
+W(strij)2ψit+Wurbitηit
+WXitφit+μit
(11)
式(9)～式(11)中，i代表京津冀地区各城市；t代表各时期；PMit代表PM2.5的浓度值；strij代表产业结构的一次项；(strij)2代表产业结构的二次项；urb代表城镇化水平；Xit代表各控制变量，实际人均GDP、外商直接投资额、对外贸易依存度和人口密度；W代表空间权重；a为常数项；b，ξ，g，f代表各参数；r为空间自回归系数；q，y，j，h代表各变量空间滞后系数；m为服从正态分布的扰动项。空间面板数据使用软件MATLAB2012b进行估计，参考LeSage & Pace(2009)和Vega & Elhorst(2015)的程序包完成。
(三)实证结果与分析
根据上述空间杜宾模型进行实证估计，衡量雾霾污染程度的PM2.5值作为被解释变量，京津冀地区的产业结构和城镇化水平作为解释变量，人均GDP、外商直接投资额、对外贸易依存度、人口密度作为控制变量。对三种空间权重下的空间杜宾模型进行Hausman检验后，发现p值均小于原假设条件0.025，因此选取固定效应模型要优于随机效应模型。下面分别考虑空间溢出效应的混合模型和固定模型。
1.变量为产业结构和城镇化水平的混合模型和固定模型。根据表4，混合模型和固定效应模型的空间滞后系数ρ估计值均显著为正，即京津冀地区的雾霾污染存在着明显的空间溢出效应。混合模型中的变量系数均显著，说明产业结构和城镇化水平对雾霾污染存在较强影响，产业结构一次项系数为正，产业结构二次项系数为负，当加入城镇化水平后，固定效应模型中的城镇化水平和产业结构的空间滞后系数均显著。
表4核心变量的空间杜宾模型估计结果

注：***,**,*分别表示1%,5%,10%的显著水平；括号内分别为T统计量和p值。
2.加入控制变量后含有空间溢出的混合模型和固定模型。根据表5，加入各控制变量后，各权重矩阵下的空间滞后系数依然很显著，T统计值分别为3.901，4.073，说明京津冀地区雾霾污染的空间溢出效应显著为正，空间集聚特征较明显。相邻权重下的空间溢出效应要明显于距离权重，各权重矩阵的固定效应模型中产业结构的一次项系数估计值为正，二次项系数估计值为负，说明京津冀地区产业结构与雾霾污染呈现出倒U型曲线性质，与环境库茨涅茨曲线一致。这主要是因为京津冀地区产业结构不合理，重工业比重偏大，尤其唐山、邢台、邯郸等市产业结构以钢铁、煤炭为主，第二产业区位商值每提高1%，京津冀地区PM2.5浓度值提高约2%左右(见表5)，雾霾污染加重。但随着产业结构的优化升级，京津冀PM2.5的浓度值会出现下降趋势，从而使得雾霾污染得到缓解。城镇化水平和人口密度对该地区雾霾污染影响显著，但在固定效应模型中，各权重矩阵下的城镇化水平与京津冀地区雾霾污染呈现负相关关系，说明城镇化水平的提高并不是京津冀地区雾霾污染严重的原因。人口密度对雾霾污染的影响为正，人口集聚导致城市绿地减少，建筑密集，交通拥堵，能源消耗增多，城市空气流通不畅，从而使得PM2.5浓度值上升。实际人均GDP和对外贸易依存度的系数估计值均为正，说明人均GDP和对外贸易依存度的提高会加重雾霾污染，外商直接投资额的系数估计值为负，说明外商直接投资额的增加有利于缓解京津冀地区的雾霾污染。
3.空间杜宾模型含有自变量的空间滞后项。根据表6，对各个权重下的空间杜宾面板模型进行估计后发现，参数ρ依然很显著，说明空间溢出效应明显，各市的雾霾污染不仅与本地区相关，也受其相邻地区和距离相近地区雾霾污染状况的影响。在混合模型下，雾霾污染的空间滞后系数估计值显著为正，说明京津冀地区的雾霾污染具有一定的时间连续性，上一期高PM2.5值当期也必然会出现高PM2.5值，由此可见京津冀地区雾霾治理也需要一定的持续性。在考虑时空因素后的固定效应模型下，雾霾污染的空间滞后系数估计值显著为负，即上一期的高雾霾污染反而使得当期雾霾污染下降。这可能是由于上一期邻接或相近地区的高雾霾污染，促使本地政府加强警示，采取各种严格措施治理雾霾污染，从而使本地雾霾污染得到缓解，即京津冀地区雾霾污染具有 “警示效应”(邵帅等，2016)。各个权重的固定效应模型中产业结构依然呈现出倒U型曲线性质，其滞后项系数估计值显著为负。城镇化水平、实际人均GDP、外商直接投资额和人口密度使得京津冀地区雾霾污染加重，对外开放程度对京津冀地区的雾霾污染的影响则相反。而在空间状态下考察产业结构、城镇化水平对雾霾污染的影响程度时不仅可以考察各自变量自身对其所在地区的雾霾污染的程度，同时也可考察对其相邻地区雾霾污染的影响，笔者把这种自变量自身对当地雾霾污染的影响程度称为直接效应，对其相邻地区雾霾污染的影响程度称之为间接效应，而相邻地区雾霾污染反馈回来会影响到当地雾霾污染状况，笔者称之为反馈效应。
表5空间滞后面板数据计量模型估计结果

注：括号内数值为系数的T统计值，***,**,*分别表示在1%,5%,10%的显著水平上显著。
表6空间杜宾面板模型估计结果

注：括号内数值为系数的T统计值，***,**,*分别表示在1%,5%,10%的显著水平上显著。
由于雾霾污染存在空间溢出性，京津冀地区产业结构、城镇化水平等变量的变动除了影响该地区的PM2.5浓度值，同时也间接影响其邻接或相近地区的PM2.5浓度值，从而产生正向或负向的空间外部性。除此之外，还存在其邻接或相近地区的PM2.5浓度值对本地区的反馈效应。根据表7，在空间权重下各变量直接效应均不显著，加入经济因素后，各变量总效应基本显著。
表7各解释变量的空间效应估计

注：括号内数值为系数的T统计值，***,**,*分别表示在1%,5%,10%的显著水平上显著。
下面将分别对各变量的空间效应进行分析：
(1)产业结构对雾霾污染的效应分析。在空间权重矩阵和经济地理权重矩阵下，产业结构对雾霾污染的直接效应均为正，且具有显著的正向和负向的间接效应。在经济地理权重矩阵下，产业结构的间接效应和总效应均显著，第二产业区位商值每提高1%，对雾霾污染产生的直接作用为1.1%左右，间接效应分别为7.569和1.891，这意味着产业结构不仅使本地区雾霾污染加重，还会使邻接或距离相近地区雾霾污染加重。高污染地区主要集聚在石家庄、唐山、邢台、邯郸、保定、廊坊等地区形成“高—高”型集聚，低污染地区主要集聚在张家口、承德、秦皇岛等地区形成“低—低”型集聚。经济地理权重下，产业结构对雾霾污染仍然具有正效应。这种溢出效应决定了京津冀地区雾霾治理必须做到区域联防联控、三区联动，单凭一省或一市之力无法根治雾霾污染。从表7还可以看出产业结构优化升级后，第二产业区位商值每提高1%，雾霾污染将会下降0.44%左右，使得雾霾污染得到缓解，间接效应分别为-3.869和-1.163。说明随着产业结构的优化，资源的集约，新技术的投入，产业增长由粗放改为集约增长时，对其邻接地区和距离相近地区雾霾污染改善的溢出效应较明显。总效应上，产业结构一次项的作用为正，二次项的作用为负，说明在京津冀各市产业结构对本市的直接影响、与邻接市相互影响及邻接各市间接影响的效应下，重工业比例偏高、高污染行业集聚的产业结构对该地区雾霾污染总体具有显著正影响，以高新技术产业为主、低污染低排放为主的合理的产业结构对该地区雾霾污染总体具有显著负影响。在距离权重下，产业结构对雾霾污染具有相似的总体正效应和负效应。
(2)城镇化水平对雾霾污染的效应分析。由表7可知，在三种空间权重下，城镇化水平的直接效应均为正，说明各种资源、要素向北京、天津、石家庄等大城市聚集的过程中，城市人口生产、生活消耗增加，煤炭等能源消耗增大，加剧了本地区的雾霾污染。要素向这些大城市集聚过程削弱了其邻接城市的吸纳效应，从而使得地理位置上邻接、经济有落差的地区的各种资源、要素向大城市集中，邻接及落差较小的地区的雾霾污染会减轻，因此邻接空间权重和经济地理权重下间接效应为负。在距离空间权重矩阵下，间接效应为正，原因可能在于距离相近的城市之间交往密切，人口、要素等流动频繁，从而使得距离相近城市的雾霾污染加重，如京津廊地区。这种对邻接地区雾霾污染的辐射影响再传回本地区，又会对本地区雾霾污染产生影响，两种情况的交互效应产生了反馈效应。根据表7，在邻接空间权重和经济地理空间权重矩阵下，京津冀地区城镇化水平对雾霾污染的直接效应分别为1.042和1.087，系数估计值分别为0.995和0.998，说明反馈效应分别为0.047和0.089，这种反馈效应进一步强化了京津冀地区城镇化水平对雾霾污染的正效应。在总效应上，在绿化面积减少、汽车尾气排放增多等各种因素的影响下，粗放型增长的城镇化水平会加重京津冀地区的雾霾污染，尤其是在距离空间权重下，其对雾霾污染具有显著正效应。加入经济因素后，随着经济的增长，对城市建设、生态环境改善投入等方面的增加，城镇化水平质量提高，在总效应上城镇化水平有利于减少雾霾污染。可见，京津冀地区的城镇化水平对雾霾污染的效应有正有负，即城镇化水平既能加重雾霾污染也能抑制雾霾污染，特别是河北省目前城镇化速度和质量整体不高，城镇化水平正处于进一步提高过程中，其对雾霾污染的加重作用将会持续一段时间。
(3)实际人均GDP的效应分析。三种空间权重矩阵下京津冀实际人均GDP的直接效应为负，说明实际人均GDP越高越有充足的资金投入治理本地区的雾霾污染，间接效应为正，说明实际人均GDP每增长1%，邻接市和距离近的市的雾霾污染分别加重0.761和1.227。原因可能是因为河北省部分城市承接了北京、天津两地的部分产业，其中不乏一些高耗能高污染的企业，例如首钢等重工业企业的搬迁。
(4)外商直接投资额的效应分析。 “污染避难所假说”(Copeland & Taylor，1994)认为，环境管制严厉的发达国家会把产业转移到环境标准低的发展中国家，从而把污染产业转移到这些国家，使其成为发达国家的“污染避难所”。在三种空间权重矩阵下外商直接投资额的直接效应均为正，说明京津冀地区外商直接投资额的增加会促进本地区雾霾污染加重。在地理空间权重矩阵下，外商直接投资额的间接效应为负，意味着本地区外商直接投资额的增加有利于减少邻接或者距离相近地区的雾霾污染。考虑经济因素后，间接效应为正，说明京津冀地区的外商直接投资额不仅对本地区的雾霾污染的促增作用增强，也加重了邻接地区的雾霾污染，可能的解释是各级政府为了政绩盲目追求FDI规模而忽视了“绿色”要求，从而加重了京津冀各市本身及其邻接地区的雾霾污染。从总效应上来看，外商直接投资额对京津冀地区的雾霾污染具有加重作用，冷艳丽和杜思正(2015)也认为我国外商直接投资与雾霾污染呈现出正相关关系。但从表7的估计结果来看，京津冀地区的外商直接投资对雾霾污染的影响并不显著。
(5)对外贸易依存度和人口密度的效应分析。根据表7，可以看出三种空间权重矩阵下对外贸易依存度的直接效应为负，间接效应显著为正，总效应为正且显著，说明对外贸易依存度的增加会使得京津冀各地区及邻接或相近地区雾霾污染加重。人口的集聚对雾霾污染势必产生正向外部性，人口密度对京津冀地区雾霾污染的影响效应显著。
为了验证本文实证结果的稳健性，考虑到京津冀地区13个城市不同的区域特征，本文选取面板固定效应模型进行检验。由表8显示，模型(1)～模型(6)中产业结构、城镇化水平系数整体显著，说明产业结构和城镇化水平对京津冀地区雾霾污染具有显著影响。外商直接投资额系数不显著。在模型(5)～模型(6)中，对外贸易依存度和人均GDP系数显著为正，说明对外贸易依存度和人均GDP的上升会对京津冀地区雾霾污染产生正向影响。人口密度系数不显著，与上文结论基本一致，证明了本文结论的稳健性。
表8固定效应模型估计结果

注：括号内数值为系数的T统计值，***,**,*分别表示在1%,5%,10%的显著水平上显著。
四、结论
1.京津冀地区雾霾污染具有很强的空间相关性，呈现出“高—高”型集聚和“低—低”型集聚的分布特征，具有明显的空间集聚效应。
2.京津冀地区13个城市的雾霾污染与产业结构呈倒U型曲线形状。第二产业比重偏高的不合理产业结构不仅使京津冀地区各城市自身的雾霾污染加重，还会使邻接或距离相近地区雾霾污染加重，目前京津冀地区各城市产业结构对雾霾污染的贡献仍处在并将长时期处于倒U型曲线的左边。随着京津冀产业结构的优化升级，产业增值由粗放型向集约型转变，在总体上有利于改善京津冀地区的雾霾污染。
3.城镇化水平对京津冀地区的雾霾污染具有促增和抑制两个相反方向的作用。伴随各种资源、要素向城市的集聚，京津冀地区的城镇化水平对雾霾污染总体上呈现出正效应，其反馈效应会对雾霾污染进一步产生促增作用；但随着城镇化质量的提高，其对该地区的雾霾污染会产生负的外部性。
4.实际人均GDP的提高有利于改善京津冀地区的雾霾污染，但产业转移有可能会对邻接或相近地区的雾霾污染产生促增作用。外商直接投资的增加不利于京津冀地区的雾霾污染的改善，进一步论证了“污染避难所”假说在京津冀地区的正确性。对外贸易依存度的提高和人口密度的增加同样会加重京津冀地区各市的雾霾污染程度。
根据上述研究结果，京津冀地区的雾霾污染防治必须从源头上进行控制。目前已相继出台了《大气污染防治法》《大气污染防治行动计划》《北京市大气污染防治条例》等相关法律和条例，并对各省市减霾目标提出明确要求，但仍需进一步细化标准，提高环境标准，配合税收、确权等市场激励措施，加大惩处力度，杜绝相关污染事件的发生。京津冀地区的雾霾污染治理必须与产业结构调整优化、城镇化进程结合在一起，严格控制大城市人口，加大环境治理投入，建立合理的区域补偿机制，提高外资和进出口贸易的环境的准入门槛。京津冀地区雾霾污染具有显著的空间溢出效应，因此必须制定区域性的联防联控措施，才能在“源头”和“末端”科学合理地解决该地区的雾霾污染问题。
参考文献
德内拉·梅多斯, 1984:《增长的极限》，北京：商务印书馆。
方齐云、曹金梅，2016：《城市化、产业结构与人均碳排放——理论推演与实证检验》，《天津财经大学学报》第5期。
冯博、王雪青，2015：《考虑雾霾效应的京津冀地区能源效率实证研究》，《干旱区资源与环境》第10期。
郭俊华、刘奕玮，2014：《我国城市雾霾天气治理的产业结构调整》，《西北大学学报( 哲学社会科学版)》第3期。
胡飞，2011：《产业结构升级、对外贸易与环境污染的关系研究》，《经济问题探索》第7期。
胡宗义、刘亦文，2015：《 能源消耗、污染排放与区域经济增长关系的空间计量分析》，《数理统计与管理》第1期。
冷艳丽、杜思正，2015：《产业结构、城市化与雾霾污染》，《中国科技论坛》第9期。
李鹏，2015：《产业结构调整与环境污染之间存在倒 U 型曲线关系吗?》，《经济问题探索》第12期。
李姝，2011：《城市化、产业结构调整与环境污染》，《财经问题研究》第6期。
梁伟、杨明、张延伟，2017：《城镇化率的提升必然加剧雾霾污染吗——兼论城镇化与雾霾污染的空间溢出效应》，《地理研究》第36期。
林光平、龙志、吴梅，2005：《我国地区经济收敛的空间计量实证分析: 1978—2002 年》，《经济学(季刊)》第10期。
刘伯龙、袁晓玲、张占军，2015：《城镇化推进对雾霾污染的影响——基于中国省级动态面板数据的经验分析》，《城市发展研究》第9期。
吕健，2011：《城市化驱动经济增长的空间计量分析:2000—2009》，《上海经济研究》第5期。
马丽梅、张晓，2014：《中国雾霾污染的空间效应及经济、能源结构影响》，《中国工业经济》第4期。
潘慧峰、王鑫、张书宇，2015：《雾霾污染的持续性及空间溢出效应分析——来自京津冀地区的证据》，《中国软科学》第12期。
邵帅、李欣、曹建华、杨莉莉，2016：《中国雾霾污染治理的经济政策选择——基于空间溢出效应的视角》，《经济研究》第9期。
宋建、王静，2018：《环境污染对产业结构变动的传导机制研究:基于国际细分行业全要素生产率视角》，《世界经济研究》第6期。
童玉芬、王莹莹，2014：《 中国城市人口与雾霾:相互作用机制路径分析》，《北京社会科学》第5期。
王家庭、曹清峰，2014：《京津冀区域生态协同治理:由政府行为与市场机制引申》，《改革》第5期。
王会、王奇，2011：《中国城镇化与环境污染排放：基于投入产出的分析》，《中国人口科学》第5期。
王瑞鹏、王朋岗，2013：《城市化、产业结构调整与环境污染的动态关系——基于VAR模型的实证分析》，《工业技术经济》第1期。
张少华，2009：《经济全球化对我国环境污染影响的实证研究——基于行业面板数据》，《国际贸易问题》第11期。
张悦，赵晓丹，2014：《中国经济增长与环境污染关系的研究——基于环境库兹涅茨曲线的实证分析》，《经济研究导刊》第26期。
张征宇、朱平芳，2010：《地方环境支出的实证研究》，《经济研究》第5期。
Anselin，L.,1995,“Local Indicators of Spatial Association-LISA”, Geographical Analysis, 27(2):93-115.
Case，A.C., H.S.Rosen,and J.R.Hines, 1993, “Budget Spillovers and Fiscal Policy Interdependence: Evidence from the States”,Journal of Public Economics,52(3):285-307.
Copeland, B.R., and M.S.Taylor, 1994,“North-south Trade and the Environment”, Journal of Economics, 109(3):755-787.
Donkelaar,A.et al., 2010,“Global Estimates of Ambient Fine Particulate Matter Concentrations from Satellite-based Aerosol Optical Depth: Development and Application”, Environmental Health Prospectives, 118(6):847-855.
Grossman,G.M，and A.B.Krueger,1995, “Economic Growth and the Environment”, Nber Working Papers, 110(2):353-377.
LeSage,J.P., and R.K.Pace, 2009,Introduction to Spatial Econometrics, CRC Press Taylor & Francis.
Kuznets,S., 1955,“Economic Growth and Income in-equality”, American Economic Review，45(1)：1-28.
Panayoutou, T., 1994,“Conservation of Biodiversity and Economic Development：The Concept of Transferable Development Right’ Inferring”，Environmental & Resource Economics, 4(1):91-110.
Selden, T.M., and D.Q.Song, 1995, “Neoclassical Growth the J Curve for Abatement, and the Inverted-U Curve f Pollition,” Journal of Environmental Economics and Management, 29(2):162-168.
T.M.Selden, and D.Song，1995,“Neoclassical Growth the J Curve for Abatement, and the Inverted-U Curve for Pollution”,Journal of Environmental Economics and Management, 29(2):162-168.
Vega,S.,and J.P.Elhorst,2015,“The Slx Model”, Journal of Regional Science,55(3):339-363.
THE SPATIAL EFFECTS OF BEIJING-TIANJIN-HEBEI REGION’S SMOG POLLUTION, INDUSTRIAL STRUCTURE AND URBANIZATION
DAI Hong-wei HUI Ying
(School of Economics, Central University of Finance and Economics)
Abstract:Beijing-Tianjin-Hebei region is hit especially hard by the fog pollution in China.It must put out more higher requirement after Xiongan New Area setting up.Research on the spatial autocorrelation of 13 cities’ smog pollution in Beijing-Tianjin-Hebei region, the results indicate that it has obvious spatial spillover effects, and it also shows the characteristics of “high-high” and “low-low” agglomeration.Based on the panel data of 13 cites in Beijing-Tianjin-Hebei region from 2000 to 2012 years, using three kinds of spatial weight matrices, we build a Durbin model.Result that the smog pollution is significant relation with industrial structure and urbanization under the background of coordinated development of Beijing-Tianjin-Hebei.There is a “inverse U-shape” curve relationship between the smog and industrial structure, which mean that industrial structure and urbanization will aggravate smog pollution of itself and its neighborhoods, while urbanization has the positive and negative effects to smog pollution of its neighborhoods.With the optimizing of industrial structure and the higher quality of urbanization, it will improve smog pollution in Beijing-Tianjin-Hebei region.The real GDP per capita, FDI, dependent on foreign trade and population density will also imposed positive and negative effect on smog pollution in Beijing-Tianjin-Hebei region and its neighborhoods.
Key words:smog in Beijing-Tianjin-Hebei region; industrial structure; urbanization; spatial effects
* 戴宏伟，中央财经大学经济学院,邮政编码：110000，邮子信箱：daihw@163.com；回莹(通讯作者)，中央财经大学经济学院，廊坊师范学院。本文得到了国家社科基金项目(14BJY058) 、河北省创新能力提升计划软科学研究及科普专项项目(18457622D)、河北经贸大学环京津产业转型与绿色低碳发展协同创新中心招标项目(2014ZBXM03)的资助。感谢匿名评审人提出的修改建议，笔者已做了相应修改，本文文责自负。
(责任编辑:杨万东)