人口因素对雾霾污染的影响 ——基于省级面板数据的实证分析-张云辉.pdf

《人口因素对雾霾污染的影响 ——基于省级面板数据的实证分析-张云辉.pdf》由会员分享，可在线阅读，更多相关《人口因素对雾霾污染的影响 ——基于省级面板数据的实证分析-张云辉.pdf（8页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、热 点 聚 焦 调研世界 2018年第1期 9 人口因素对雾霾污染的影响*基于省级面板数据的实证分析 张云辉 韩雨萌 内容摘要： 人口、环境与发展问题一直是各方关注的焦点，我国作为人口大国，正面临着人口规模扩大、城市化速度加快、家庭小型化等多种人口趋势并存的局面，这种与人口相关的因素变化对我国雾霾污染的影响亟待证实。本文通过对 STIRPAT 模型进行改进，增加人口结构、人口素质、人口密度等变量，结合我国 20062015 年 31 个省会城市及直辖市的面板数据，研究了各类人口因素变化对雾霾污染的影响程度。研究发现，人口规模、劳动人口比重及城市人口比重均与雾霾污染整体呈负相关关系，家庭的小型化

2、趋势及人口密度的增大会加重雾霾污染，人口素质提高则有利于雾霾污染的治理。此外，经济增长与雾霾污染间呈现 U 型曲线关系，产业结构和机动车数量仍是现阶段增加雾霾污染排放的重要因素， 环境治理投资则未能显著改变雾霾污染现状，并据此提出了雾霾污染的治理措施。 关键词： 人口因素；雾霾污染； STIRPAT 模型；环境治理；机动车数量 中图分类号： F830.91 文献标识码： A 文章编号： 1004-7794(2018)01-0009-08 DOI: 10.13778/ki.11-3705/c.2018.01.002 一、引言 自 2013 年起，雾霾天气席卷我国大部分城市，严重危及公众健康和经济

3、的可持续发展。到2016年，全国338个地级及以上城市中254个城市环境空气质量超标，占全部城市数量的75.1%，环境空气质量达标（参与评价的所有污染物浓度均达标）的城市仅占24.9%。在世界银行报告中列举的“全球 20 个污染最严重的城市”中，有 16 个位于中国，空气质量形势十分严峻。目前，雾霾问题已经引起各界的广泛关注，成为各领域研究的热点问题。 现阶段已有很多学者从气象学、环境学等角度研究了雾霾的构成和影响，如Tao M et al（2014）、Xu Jianhua et al（2013）、吕效谱等（2013）1-3，从经济学角度的研究主要集中在以下几个方面。一是雾霾污染的社会经济损失

4、评估。穆泉等（2013）、Huang et al（2012）等采用泊松回归模型等方法得出，雾霾污染会造成巨大的经济损失，且会严重影响居民健康4-5。二是雾霾污染的影响因素分析。Guan et al（2014）和 Meng et al（2015）分别运用投入产出模型得出国内贸易和出口是导致雾霾污染排放的重要原因6-7，Poon et al（2006）认为贸易开放度与雾霾污染间存在正相关关系8；魏巍贤等（2015）、王立平等（2016）使用产业结构、技术水平、能源消费结构和机动车数量等变量，考察了各因素对雾霾污染的影响方向及大小9-10。经济发展与雾霾污染的研究相对较多，不同学者得出了不同结论。刘

5、伯龙等（2015）、Hao Y et al（2016）*基金项目：全国统计科学研究项目 “人口因素对雾霾污染影响的实证分析 ”（ 2017LY29） ；教育部人文社会科学研究项目 “中国食品安全的监管与治理：基于执法选择性的博弈分析 ”（ 12YJCZH295） 。 万方数据热 点 聚 焦 10 调研世界 2018年第1期 使用 PM2.5 指标验证了雾霾污染与经济增长间的倒U型曲线关系11-12；刘志勇等（2016）、邵帅等（2016）驳斥了EKC理论在我国的适用性，认为我国经济增长与雾霾污染间为 U 型曲线关系13-14。三是在探究人口因素对雾霾污染的影响方面，戴小文等（2016）、刘华军

6、等（2017）分别提出人口规模和人口密度与雾霾污染存在显著的正向关系15-16；Han et al（2014）、王星（2016）认为城市人口的不断增加与城市规模的扩大不利于雾霾污染治理17-18；王瑞鹏等（2013）则提出短期内城市化会加重空气污染，但长期来看将有利于空气质量改善19。 在雾霾污染研究方面，已有文献大多从城市化、经济发展、对外贸易、产业结构、技术进步等角度对影响雾霾污染的因素进行探究，有关人口因素与雾霾污染之间关系的研究较少，且多为定性分析，少数学者使用人口规模、人口密度和城市化率 3 个指标进行过定量分析，而人口对雾霾污染的影响并不仅与以上 3 个变量有关，家庭规模、年龄构成

7、及人口素质等因素也与其存在一定的内在联系。我国作为人口大国，人口因素在近几年间不断变化，使得人口规模这一单一因素无法全面反映人口变量对雾霾污染的不同影响。因此，本文拟加入人口结构（包括年龄、家庭及城乡结构）、人口素质、人口密度等变量，对人口变量进行扩充，选取全国27个省会城市及4个直辖市（不包括港澳台）20062015年的面板数据，分别按照全国整体以及东、中、西部进行实证分析，拟得出各人口因素对雾霾污染的整体影响及区域差异的结论。 二、模型与数据 （一）模型构建 IPAT 模型最初由 Ehrlich et al（1972）20的I=PF 公式延伸而来，随后 Commoner（1992）提出了经

8、典的 IPAT 模型，I 和 P 仍为环境压力和人口数量，将表征人均环境压力的F删除，增加人均财富A及技术水平T，阐释人口、财富和环境压力间的关系21。作为研究人文驱动力与环境问题关系的有效工具，IPAT 模型先后扩展出 ImPACT、ImPBAT等一系列模型22-23。尽管 IPAT模型简洁直观，但其将环境影响与各影响因素间的关系认定为同比例线性关系，无法反映各变量变化时对环境影响的变化程度，也无法判断哪个变量影响更大；等式两边量纲统一，也限制了对环境压力有影响的其他因素。为克服以上缺陷，Rose et al（1998）在 IPAT模型的基础上增加弹性参数，修正为关于人口、经济和技术对环境影

9、响 STIRPAT模型，运用于环境污染的研究中24。模型具体构成如下： bcdIaPATe= （1） I为环境压力、P表示人口数量，A表征人均财富、T为技术水平。a为常数项，b、c、d为估计参数，e 为误差项。由于 STIRPAT 为多变量非线性模型，为进一步进行估计和检验，对模型进行对数转换得： ln( ) ln ln ln ln lnI abPcAdT e= + （2） 其中，b、c、d为人口规模、人均财富和技术水平对环境影响因子的弹性。 （二） STIRPAT 模型的改进与数据的统计描述 STIRPAT 模型主要被运用到静态面板数据模型中，由于其在应用过程中较为灵活，模型中的解释变量可被

10、分解为若干在概念上适合的其他变量（例如可以将人口数量 P 扩展为多个与人口相关的变量或增加其他影响环境的变量等）25。所以，本文在STIRPAT模型基础上，增加人口结构、人口密度和人口素质等变量，同时考虑产业结构和机动车数量对雾霾污染的影响，将其进行扩展，在不考虑其他控制变量的情况下，构建如下模型： 01 2 3456 78910ln ln ln lnln ln ln lnln ln lnit it it itit it it itit it it itIaapsaplahsa pu a pd a edu a gdpa einv a ind a pc e= + +（3） 其中，下标 i、t 分

11、别表示地区和年份，0表示截距项，eit为随个体与时间改变的扰动项（随机误差项），a1a10为影响系数。 （1）环境压力I：用雾霾污染综合指数表示。由于 PM10 的数据统计始于 2003 年，PM2.5、臭氧及一氧化碳等数据的统计始于2012年，且仅限于省会城市和重点城市，所以在考虑数据可得性万方数据热 点 聚 焦 调研世界 2018年第1期 11 及雾霾的主要组成成分（主要由 SO2、氮氧化物和可吸入颗粒物三部分组成）的前提下，本文选用各省会城市年平均PM10、SO2及NO2的浓度值代替各省污染指数的年平均值，并参考中国环保部发布的空气质量状况月报中对各城市空气质量情况的计算方法，通过下式将

12、数据总合成雾霾污染综合指数进行研究。 各污染物的单项指数Fi： iiiCFS= （4） 其中，Ci为污染物 i（PM10、二氧化硫和二氧化氮）的年均浓度值，Si为污染物i年均值的二级标准，按环境空气质量标准（GB3059-2012）的标准（PM10、SO2、NO2年均值的二级标准分别为70g/m3、60g/m3、40g/m3）计算。 雾霾污染综合指数Isum： sum1niiI F=（5） 其中，n为污染物的项数。雾霾污染综合指数是描述城市雾霾污染综合状况的无量纲指数，综合考虑各项污染物的污染程度，该指数越大表明污染越严重。 （2）人口规模及扩展的人口变量。PS 为人口规模，以各城市的年末总人

13、口数表示，单位为万人；人口结构由年龄、家庭及城乡结构三部分组成，PL 表示劳动年龄（1564 岁）人口占总人口比重，表征年龄结构；以家庭户为单位能体现出人均单位未能体现的家庭消费行为模式的内容，在一定程度上可以更好地解释雾霾污染排放，所以选用HS表征家庭户规模（人/户），作为家庭结构变量；PU为城市人口占总人口比重，表征城乡规模；PD为人口密度，衡量人口分布变量，单位为人/平方公里；EDU为人均受教育年限，表征人口素质。 人均受教育年限在计算过程中主要将不同学历教育赋予不同的系数，计算出总教育年数，再除以人群总数即为人均受教育年限，本文参照陈钊等（2004）的设定，以大专以上文化程度16年、高

14、中12年、初中9年，小学6年，文盲及半文盲0年的标准计算26。 设文化程度为 k 的人口数为 Pk，文化程度为k的人口受教育年限为Yk，k=1代表文盲和半文盲，此时Yk=1；k=2表示小学，Yk=6；k=3代表初中，Yk=9；k=4 为高中，Yk=12；k=5 代表高职大专及以上，Yk=16，那么目标群体的人均受教育年限表示如下： 5511*/kk kkkEDU P Y P= （6） （3）人均财富A，用人均 GDP表示，即各城市当年地区生产总值除以年末总人口，单位为万元/人，并以2006年为基准年进行平减处理，消除通货膨胀等价格因素的影响，得到实际人均GDP； （4）技术水平 T，以环境治理

15、投资总额占GDP比重表示。 （5）其他变量。IND为产业结构，本文用第二产业产值占GDP比重表示，衡量经济结构对雾霾污染的影响；以 PC 表示机动车数量，单位为万辆，探究汽车尾气排放对雾霾污染的影响程度。 除上述解释变量外，还有很多经过检验的或可能对各省雾霾污染造成影响的因素，但考虑到本文的研究重点，将其他因素放在了随机干扰项中。本文所用数据均来自历年中国统计年鉴中国环境统计年鉴中国城市统计年鉴中国人口和就业统计年鉴以及新中国60年统计资料汇编。 三、实证分析 （一）平稳性检验 对非平稳的变量直接建模容易导致虚假回归，所以首先对变量的进行平稳性检验。面板数据的平稳性检验有 LLC、Breitu

16、ng、IPS、Fisher-ADF 及Fisher-PP 检验等多种方法。前两项假定序列有共同的单位根，即同质单位根检验；后三项则允许序列中有不同的单位根，即异质单位根检验27。本文选择 LLC、ADF-Fisher、PP-Fisher 方法对面板数据进行检验，结果如表 2 所示，除产业结构外，其他变量都没有拒绝存在单位根的原假设，说明变量的水平序列值是非平稳的。进行一阶差分后再检验，显示其余变量平稳。 三类污染物年均值的二级标准数值参照自环境空气质量标准（ GB3059-2012） 。 万方数据热 点 聚 焦 12 调研世界 2018年第1期 表 1 变量的描述性统计 变量 指标 单位 最小

17、值 最大值 平均值 标准差 I 雾霾污染指数 1.00 7.81 3.18 0.88PS 人口规模 万人 285.00 10849.00 4306.00 2719.81 PL 劳动人口占总人口比重 % 64.48 83.85 73.82 3.63HS 家庭户规模 人/户 2.33 4.85 3.15 0.40 PU 城市人口占总人口比重 % 21.13 89.6 51.43 14.61PD 人口密度 人/平方公里 2.00 3825.69 428.99 645.54 EDU 人均受教育年限 年 4.16 12.08 8.63 1.17 GDP 人均GDP 万元 0.58 10.80 3.62

18、2.14 EINV 环境治理投资总额占GDP比重 % 0.05 4.66 1.37 0.70IND 第二产业产值占GDP比重 % 19.74 61.50 47.26 8.20 PC 机动车数量 万辆 5.44 1351.83 233.32 243.13 数据来源：中国统计年鉴中国环境统计年鉴中国城市统计年鉴中国人口和就业统计年鉴以及新中国60年统计资料汇编。 表 2 变量的单位根检验 变量 水平序列值 一阶差分序列值 LLC检验 ADF-Fisher检验 PP-Fisher检验 LLC检验 ADF-Fisher检验 PP-Fisher检验 lnI -8.95568*（0.0000） 70.57

19、36（0.2129） 70.3707（0.2178） -12.6331*（0.0000） 113.461*（0.0001） 172.618*（0.0000）lnPS -2.38524*（0.0085） 58.2861（0.6103） 156.522*（0.0000） -2.14836*（0.0158） 87.035*（0.0197） 124.996*（0.0000）lnPL -1.12894（0.1114） 31.4309（0.9996） 49.0311（0.8842） -10.7010*（0.0000） 80.7405*（0.0552） 187.475*（0.0000）lnHS -2.822

20、87*（0.0024） 63.5459（0.4217） 86.7534*（0.0207） -9.96899*（0.0000） 147.362*（0.00000） 222.808*（0.0000）lnPU -5.32339*（0.0000） 36.5260（0.9959） 83.9899*（0.0330） -9.60914*（0.0000） 93.1667*（0.0064） 133.245*（0.0000）lnPD -0.78565（0.2160） 50.4607（0.8526） 50.6548（0.8480） -2.64200*（0.0041） 54.0593*（0.0535） 243.871

21、*（0.0000）lnEDU -4.15363*（0.0000） 38.4990（0.9917） 46.5780（0.9277） -11.5140*（0.0000） 87.2927*（0.0188） 177.506*（0.0000）lnGDP 5.71016（1.0000） 15.2649（1.0000） 49.1687（0.8814） -19.1174*（0.0000） 107.776*（0.0003） 129.083*（0.0000）lnEINV -4.61218*（0.0000） 50.2745（0.8570） 72.3374（0.1735） -10.7038*（0.0000） 87.1

22、271*（0.0194） 180.043*（0.0000）lnIND -4.86050*（0.0000） 95.2535*（0.0042） 141.669*（0.0000） -3.62330*（0.0001） 100.555*（0.0014） 165.702*（0.0000）lnPC 2.53511（0.9944） 16.1699（1.0000） 8.56057（1.0000） -56.8414*（0.0000） 264.887*（0.0000） 107.495*（0.0003）注：括号中数字为相应的P值，*、*、*分别表示在1%、5%和10%的检验水平下，变量拒绝“存在单位根”的原假设。 （

23、二）协整检验 如果变量同阶单整，则进行协整检验。首先假设不存在协整关系，使用 Kao 和 Pedroni 对数据进行协整检验，结果如表3所示：两者都在1%的显著水平下拒绝“变量间不协整”的原假设，说明被解释变量与解释变量间存在长期稳定的协整关系，可以进行回归分析。 表 3 面板数据协整关系检验结果 检验方法 统计量 统计值 P值 Kao检验 ADF -2.4111 0.0080 Pedroni检验 Panel-PP -11.7645 0.0000 Panel-ADF -2.8066 0.0025 Group-PP -17.4304 0.0000 Group-ADF -3.7163 0.0001

24、 （三）面板模型的选择 本文选用面板数据的截面数（31）大于时期数（10），且考虑到截面数据的异方差对估计结果的影响，使用截面加权广义最小二乘估计法进行估计，以保证变量的显著和无偏性，提高参数估计的有效性。 由于面板数据截面和时期的两维特性，模型设定的正误会影响参数估计的有效性，所以首先要对模型的形式进行检验。 H1：斜率在不同横截面和样本上都相同，截距项不同。 H2：斜率和截距项在不同的横截面和样本上都相同。 接受假设 H2，建立混合回归模型，拒绝 H2万方数据热 点 聚 焦 调研世界 2018年第1期 13 则检验假设H1。接受假设H1，采用变截距模型，拒绝假设H1，则采用变系数模型28。

25、 用 F 统计量检验以上两个假设。设变系数模型残差平方和为S1，变截距模型残差平方和为S2，混合回归模型残差平方和为S3，则检验H2的F统计量为： ()( )3121()/(1)(1) 1 1,/ ( 1)(1)SS n KFFnKSnTnKnT K-+=-+-+-其中，n表示截面样本数，(n-1)表示约束条件个数，T为时间样本数，K为除截距项外的参数（斜率）个数。若F2的值不小于给定置信度下的临界值，则拒绝H2，检验假设H1，其F统计量如下： ()2111()/(1) 1 ,( 1)/ ( 1)SS n KFFnKTSnTnK-=-+若F1的值小于给定置信度下的临界值，则接受假设H1，用变截

26、距模型拟合样本，反之使用变系数模型。经计算结果得，拒绝混合效应假设，说明模型存在个体效应。接受假设H1，选择变截距模型。 由于我国各地区在经济发展、资源禀赋等方面都存在差异，所以各地区人口因素对雾霾污染的影响也会有所不同。为考察各地区人口因素对雾霾污染影响的差异，将样本划分为东部 10 省（北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南）、中部9省（山西、江西、安徽、河南、湖北、湖南、辽宁、吉林、黑龙江）和西部 12 省（内蒙古、广西、重庆、四川、云南、贵州、陕西、甘肃、青海、宁夏、新疆、西藏）进行研究。 F 检验结果显示选择变截距模型，但面板数据可采用固定效用和随机效应两种方法进

27、行数据估算，方法的选择会对参数估计的有效性产生影响，所以还需进行Hausman 检验。如表4所示，在1%的显著性水平上，拒绝采用随机效应模型的原假设，选用固定效应模型。 表 4 Hausman检验 值 P值 结论 全国 60.3263 0.0000* 固定效应模型 东部 187.1287 0.0000* 固定效应模型 中部 62.8343 0.0000* 固定效应模型 西部 18.7088 0.0411* 固定效应模型 （四）全国及分地区面板数据回归结果分析 由表5可知，除东部地区外，人口规模（PS）和人口城乡结构（PU）变量与雾霾污染（I）均为负效应，人口年龄结构（PL）对全国及各地区都呈现

28、负向影响。我国东部地区经济相对发展更快，工业生产和人口消费等都相对更高，目前人口数量的攀升及人口不断向城市聚集的趋势仍会使东部地区雾霾污染排放增加。而就全国整体及其他地区而言，人口规模的扩大和城市人口比例的上升会使雾霾污染呈下降趋势。虽然人口总量对雾霾污染的排放在理论上具有一定的增量效应，即人口越多，使用和消耗的能源越多，产生污染排放量越大，但高人口增长并不一定伴随高雾霾污染。目前我国的经济和科技水平都处于高速发展状态，虽然人口基数大，但由于计划生育政策的实施加之对于技术改进等相关投资的增加，各种能源的利用效率得到提高。且随着社会的进步，人们的环保意识增强，虽然劳动人口和城市人口占比都有所增加

29、，但高素质人群也主要集中在此年龄段（1564 岁）以及各城区内，出于对自身健康和环境保护的角度考虑，也将减少诱发雾霾增量的相关活动。 家庭结构（HS）变量对雾霾污染的影响为负，说明家庭户规模越大越有利于雾霾污染的治理。据全国人口普查结果显示，1990 年我国平均每个家庭 3.96 人，到 2015 年下降到 3.10 人。家庭的采暖、制冷和交通出行等家庭耗能活动存在规模经济，家庭的小型化导致这一规模经济丧失，使家庭人均能源消费和污染排放增加。在当前家庭小型化的趋势下，我国家庭户总量增加，推动居民消费扩张的同时也使得能耗单位数量迅速增加，而这些因素又同时对雾霾污染具有同向的叠加效应，所以当前的家

30、庭结构十分不利于污染的改善。 除西部地区外，人口密度（PD）对雾霾污染都显示为正向影响，地区人口的聚集会通过消费、出行等行为加重雾霾污染。我国西部地区如内蒙古、西藏、青海、新疆等，虽然土地辽阔，但人烟稀少，尤其是西藏、青海两省，人口密度甚至不足 10 人/平方公里。所以人口密度对于雾霾污染的排放较难形成规模影响。其他地区的人口集万方数据热 点 聚 焦 14 调研世界 2018年第1期 中，多是为了寻求更好工作机会、享受更好的社会福利，但目前部分地区人口压力偏大，综合承载能力不足，导致福利效应损失的同时也给环境带来压力，造成雾霾污染的加重。 人均受教育年限（EDU）对雾霾污染的影响为负，说明人口

31、素质越高越有利于雾霾污染的治理。也与前面提到的劳动年龄人口的负向影响呼应，劳动人口比例越大，人均受教育年限越大，代表高素质人群的数量增加，多数人的环保意识相对更高，更有利环境的保护。而中部的经济发展多以资源为导向，经济增长的推动力并不是主要源自人口素质的提高，所以人口素质变量对中部地区雾霾污染的改善效果并不显著。 人均GDP对全国和分地区雾霾污染的影响均为负值，表明人均收入水平的提高会减少雾霾污染的排放。由于增加人均GDP的二次项或三次项形式可以判断环境库兹涅茨曲线的形状，且在面板数据中人均GDP的二次项形式更适用于发展中国家和工业化进程相对滞后的区域29，所以本文在模型中加入人均 GDP 的

32、二次方变量以检验EKC 模型是否成立。实证结果显示二次项系数为正，说明我国的经济增长与雾霾污染为 U 型曲线关系，环境库兹涅茨假说在我国不成立。 环境治理投资占GDP比重（EINV）表征的技术水平对全国和东部地区雾霾污染的影响为正，但并不显著，表明现阶段的雾霾治理策略对污染的改善并没有太大作用。虽然对中部和西部地区影响为负，即科技水平的提高会减少雾霾污染，但系数较小，表明改善效果并不明显。我国当前对技术进步的投资大多用于生产过程中，而污染排放处理的技术发展缓慢且重视不够，污染状况并没有得到较大改善。 机动车数量（PC）对雾霾污染的影响在全部地区显示为正，符合预期。产业结构（IND）对全国与东部

33、地区的影响显示为正，即第二产业比重的增加会导致雾霾污染的增加。但在中部与西部地区则显示为负，这与王敏（2015）、王星（2016）的研究结论一致30,18，原因可能是雾霾的污染源主要来自汽车尾气和建筑工地扬尘，且各省淘汰落后产能、积极节能减排的成效。 表 5 面板数据模型回归结果 全国 东部 中部、东北部 西部 变量 lnI lnI lnI lnI 截距 22.1846*（8.3958） 13.6470*（3.7562） 36.5800*（4.2571） 21.1150*（3.0974） lnPS -1.1245*（-5.4300） 0.1027（-1.1661） -3.8312*（-4.28

34、06） -1.2512*（-2.1824） lnPL -2.0602*（-4.4773） -4.5379*（-5.0772） -0.1792（-0.2040） -1.2631（-1.4340） lnHS -0.8672*（-4.1542） -1.8059*（-4.2418） -1.5643*（-4.1358） -0.8263*（-2.6454） lnPU -0.6052*（-3.2564） 1.3260*（4.0709） -0.3966（-1.1396） -0.8787*（-2.1624） lnPD 0.0145*（1.7284） 0.1155*（3.3554） 0.0256*（2.2689）

35、 -0.0621*（-3.1886） lnEDU -0.3790（-1.6223） -0.1097（-0.1521） -0.9867（1.3012） -0.5466*（-1.8192） lnGDP -0.2726*（-1.9418） -0.7605*（-3.5038） -0.5092（-1.4284） -0.0540（-0.2645） lnEINV 0.0061（0.4149） 0.0122（0.3832） -0.0779*（-1.8878） -0.0028（-0.1410） lnIND 0.0846（1.0177） 0.5798*（4.3411） -0.3411*（-2.3765） -0.0

36、321（1.1447） lnPC 0.1838*（2.7350） 0.1979*（2.5910） 0.2331（1.2975） 0.0951（1.1447） R-squared0.93 0.95 0.77 0.92Adjusted R-squared 0.92 0.94 0.71 0.90 F统计量 84.4290*86.5909*13.3509*54.1703*Prob（F-statistic） 0.0000 0.0000 0.0000 0.0000观测值 310 100 90 120 注：括号中的数字是相应系数估计值的t检验值，*、*、*分别表示在1%、5%和10%的显著性水平上显著。 万

37、方数据热 点 聚 焦 调研世界 2018年第1期 15 四、结论与对策建议 （一）研究结论 通过实证检验，本文发现各人口变量均对雾霾污染有显著影响。近十几年来，我国人口增长速度减慢，其他人口因素的不断变化使得人口规模对雾霾污染的影响减弱。从本文的实证结果来看，人口年龄结构、人口规模和人口城乡结构对雾霾污染的影响均显著为负，且影响程度依次减小；家庭规模的小型化和人口密度的增加会加重雾霾污染；人口素质的提高则会显著改善当前的污染状况。 理论上，人口因素对地区综合污染密度的影响存在正反两种效应。一方面，人口的增长和劳动人口的增多，会使基础设施建设、消费和工业产出增多，且城市人口的增多和城区面积的扩张

38、都会直接引起雾霾相关污染物排放的增加。另一方面，随着人口素质的提高，人们环保意识增强，出行会选择更清洁的方式；通过改善工业技术、使用清洁能源等方法也会使得污染排放减少；城区面积扩张可以稀释城市污染物的排放密度等。由本文研究结果可知，当前人口总量、劳动人口比重和城市化指标系数显著为负，说明当前此类因素对于环境改善的影响效应远大于环境污染效应。 此外，虽然人口素质的提高会对雾霾污染治理有正向作用，但人口素质会通过影响生产、消费和管理等领域间接对雾霾污染产生影响，这种影响并非一定是单纯的正相关关系，如果经济增长的推动力主要来自于人口素质的提高，那么将有利于雾霾污染的改善；反之，即使人口素质提高，经济

39、增长若仍依靠大规模的物质投入，则雾霾污染排放量仍会增加。较低的人口素质通常不会有较快经济增长速度，但人口素质低的情况下经济却发展迅速，则雾霾污染必会增加。所以，提高人口素质，增加人力资本投资是减少雾霾污染排放的关键。 （二）政策建议 一是提高城市化质量，发挥城市化环境红利。继续通过城市化加快城乡人口结构的转变，积极发挥城市化对减少雾霾污染的正效应。合理编排城市人口分布，建立紧凑型城市，注重科学空间规划的同时不断提升公共服务的质量和水平；适当扩大城市群，发挥大城市人口和资本聚集产生的聚集经济优势，实现环境污染治理技术外溢效应最大化，降低治理成本。 二是适当控制人口增长、提高人口素质、优化人口结构

40、三者并行。劳动人口作为人口结构中占比最大的部分，对环境的贡献力度不容小觑。该人群素质的提升不仅有利于扩大对雾霾污染治理的正向效应，也可以为产业结构升级、环保技术开发提供有力的人才支撑。另外，人口素质的提升应是全面化的。不仅是城区内人口，对农村地区和偏远地区人口也应深化普及力度，推广环保的重要性。各地政府在制定相应人口和环境政策时，要从实际出发，根据当地经济和人口发展状况制定差异化政策。可尝试将雾霾相关检测指标纳入生态效益考核中，构建以减霾为核心的考核体系；提示各级环保部门及时发布空气质量指数，建立共享机制，提高大众对环境质量的关注度，发挥舆论监督效力；同时增加城市绿地面积和公园数量，提高城市自

41、然生态系统的自净能力。 三是虽然家庭规模并不是影响雾霾污染的决策变量，但其对环境的直接和间接影响也不容小觑。应倡导有利于可持续发展的家庭户模式，可通过对家庭成员进行节能环保知识的普及，倡导居民养成节水、节电、节气等消费习惯，强调节能减排的重要性，提高家庭生活质量的同时也能更有效地控制其对雾霾污染的影响。 四是继续推进转变经济方式、调整产业结构进程。落实环境治理投资的应用渠道，切实促进相关技术的发展和进步。针对机动车产生的雾霾污染方面，可以根据能源种类、车排量、使用年限等因素，按不同污染等级加收汽车尾气排放税，或通过财税补贴和消费税减免等政策，鼓励清洁能源和新能源动力车的使用，还可以通过财政支持

42、城市公共交通的发展，提高公共交通工具的舒适度，降低人们对私家车的依赖，从而减少雾霾污染的排放。 参考文献 1 Tao M, Chen L, Xiong X, et al. Formation Process of the Widespread Extreme Haze Pollution over Northern China in January 2013: Implications for Regional Air Quality and ClimateJ. Atmospheric Environment, 万方数据热 点 聚 焦 16 调研世界 2018年第1期 2014(98): 41

43、7-425. 2 Xu Jianhua, Wang Xuesong, Zhang Shiqiu. Risk-based air pollutants management at regional levelsJ. Environmental Science Policy, 2013, 25: 167-175. 3 吕效谱, 成海容, 王祖武, 等. 中国大范围雾霾期间大气污染特征分析J. 湖南科技大学学报: 自然科学版, 2013(3): 104-110. 4 穆泉, 张世秋. 2013 年 1 月中国大面积雾霾事件直接社会经济损失评估J. 中国环境科学, 2013(11): 2087-209

44、4. 5 Huang D S, Xu J H, Zhang S Q. Valuing the health risks of particulate air pollution in the Pearl River DeltaJ. China Environmental Science and Policy, 2012, 15(1): 38-47. 6 Guan DB, Su X, Zhang Q, et al. The Socioeconomic Drivers of Chinas Primary PM2.5 EmissionsJ. Environmental Research Letter

45、s, 2014, 9(2): 24010. 7 Meng J, JF Liu, S Guo, et al. The Impact of Domestic and Foreign Trade on Energy-related PM Emissions in Beijing J. Applied Energy, 2015(9): 82-90. 8 Poon J P H, Casas I, He C. The Impact of Energy, Transport, and Trade on Air Pollution in ChinaJ. Eurasian Geography and Econo

46、mics, 2006, 47(5): 568-584. 9 魏巍贤, 马喜立. 能源结构调整与雾霾治理的最优政策选择J. 中国人口资源与环境, 2015, 25(7): 6-14. 10 王立平, 陈俊. 中国雾霾污染的社会经济影响因素基于空间面板数据 EBA 模型实证研究J. 环境科学学报, 2016(10): 3833-3839. 11 刘伯龙, 袁晓玲, 张占军. 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J. 城市发展研究, 2015(9): 23-27, 80. 12 Hao Y, Liu Y M. The influential factors of urban

47、PM2.5 concentrations in China: A spatial econometric analysis J. Journal of Cleaner Production, 2016, 112: 1443-1453. 13 刘志勇, 王琪延. 经济增长、新型城镇化与空气质量关系研究基于省会城市和直辖市的面板数据J. 调研世界, 2016(9): 11-15. 14 邵帅, 李欣, 曹建华, 等. 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J. 经济研究, 2016(9): 73-88. 15 戴小文, 唐宏, 朱琳. 城市雾霾治理实证研究以成都市为例J. 财经科学, 2016(2): 123-132. 16 刘华军, 裴延峰. 我国雾霾污染的环境库兹涅茨曲线检验J. 统计研究, 2017(3): 45-54. 17 Han L J, Zhou W Q, Li W F, et al. Impact of urbanization level on urban air quality: A case of fi ne particles (PM2.5) in Chinese cities J. Environmental Pollution, 2014, 194: 163-170. 18 王星. 城市规模、经济增长与雾霾污染基于省会城市面板数