我国城市经济发展与 PM2.5 关系研究
我国城市经济发展与 PM2.5 关系研究
康春婷 北京交通大学经济管理学院 北京 100000
【文章摘要】
近年来，我国多个城市饱受雾霾
的侵袭，而作为引起雾霾的罪魁祸
首，PM2.5 的产生又与城市经济的
发展有什么关系呢？本研究利用
STIRPAT 模型实证研究 PM2.5 浓度与
人口、人均 GDP、能源强度、客运量、
货运量和产业结构之间的关系。利用
我国 2001-2010 年省级面板数据，研
究上述城市经济发展指标与空气中
PM2.5 浓度的关系。研究结果表明 ：
我国各省 PM2.5 的浓度与人口数、能
源强度、第二产业占 GDP 比重及第三
产业占 GDP 比重成正比，与人均 GDP、
客运量、货运量及第一产业占 GDP 比
重成反比。并针对实证研究的结果提
出 PM2.5 污染的治理措施。
【关键词】
影响因素 ；PM2.5 ；STIRPAT 模型 ；治
理措施
【Abstract】
In recent years, a number of cities
suffering from the influence of haze, but
What is the relationship between PM2.5
production and economic development of the
city. In this study, we use the STIRPAT
model to do a research on PM2.5.We use
the panel data from 2001 to 2010, as
well as the population, per capital GDP,
energy intensity, passenger, cargo and the
industrial structure. The result shows that:
the concentration of PM2.5 is proportional
with population, energy intensity,secondary
industry and tertiary industry’s proportion
of GDP; the concentration of PM2.5 is
inversely with per capital GDP, passenger,
cargo, and the primary Industry’s
proportion of GDP. Measures proposed to
control the concentration of PM2.5.
【Keywords】
Factors ；PM2.5 ；STIRPAT Model ；
Measures
我国城市经济发展
与 PM2.5 关系研究
康春婷 北京交通大学经济管理学院 北京 100000
1 引言
近年来，我国多个城市出现了严重的
雾霾天气，对我们的生活造成了很大的影
响。特别是 2013 年的 1 月份，有 4 次达到
30 个省（区、市）被雾霾笼罩，尤其是北京，
雾霾天数达 26 天。有报告显示，在我国最
大的 500 个城市中，能够达到世界卫生组
织推荐的空气质量标准的城市不到 1%，
而世界上污染最严重的 10 个城市中有 7
个在中国。
有研究表明，PM2.5 正是造成这种
雾霾天气的罪魁祸首。PM2.5 是指大气中
直径小于或等于 2.5 微米的颗粒物，也称
为可入肺颗粒物。与较粗的大气颗粒物相
比，PM2.5 粒径小，吸附能力强，富含大量
的有毒、有害物质且在大气中可以长时间
停留、远距离输送，因而相对于较大的颗
粒物而言对人体健康和大气环境质量的
影响更大。
PM2.5 的主要来源是人为排放。有一
部分来自于人类生活生产直接排放，有一
部分是人类排放的某些气体污染物在空
气中转变成了 PM2.5。直接排放主要来自
化石燃料燃烧、生物质燃烧和垃圾焚烧等
燃烧过程。另外，还有其他的人为来源，如
道路扬尘、工业粉尘和建筑施工扬尘等。
由于 PM2.5 所造成的污染事件越来
越多，有关部门纷纷采取措施控制 PM2.5
的排放，虽然在一定程度上取得了成效，
却没能彻底化解越来越严重的雾霾污染。
因此，迫切需要对 PM2.5 的排放治理进行
进一步研究。本研究是在其他学者研究的
基础上，用实证方法来研究空气中 PM2.5
浓度与城市经济发展的关系，并在研究结
论的基础上，为 PM2.5 的排放治理提出政
策建议。这对我国的生态文明建设和人民
的健康生活具有十分重要的意义。
2 研究现状
2.1 PM2.5 的研究现状
2.1.1 国外研究现状
20 世纪 90 年代以来，随着城市化和
工业化的推进、能源消费的增加，大气中
的细小颗粒物越来越多，环境污染越来越
严重，人民健康生活受到了很大的影响，
国内外开始了对 PM2.5 的研究。
早在 20 世纪 80 年代初，美国便开始
对可吸入颗粒物进行研究。1985 年，美
国国家环境保护局将原颗粒物质指示物
总悬浮颗粒物 ( 简称 BP) 项目正式修改为
PMl0，并于 1997 年规定了 PM2.5 的最高
限值。
随着研究的深入和监测网络的发
展，目前国外对于颗粒物浓度预测和来
源解析的研究越来越多。2006 年美国
环境保护局对美国全国拥有 5 年以上
(1999 ～ 2003) 监测数据的 PM2.5 监测点，
运用关键设计值模型 (CDV) 来预测 PM2.5
浓度未来超过国家环境空气质量标准的
可能性。Larsen 等于 2003 年利用三种源
解析模型对巴尔的摩市颗粒物中的 PAH
进行了来源解析，并对三种模型结果进行
了对比和评价。2012 年 Minguill 等对瑞
士地区大气颗粒物的化学成分进行了研
究，并采用正定矩阵模型 (PMF) 对颗粒物
来源进行了解析。
2.1.2 国内研究现状
我国对于 PM2.5 颗粒物的研究起步
相对较晚，前期的研究工作主要是分析
PM2.5 浓度与气象条件的关系。但是随着
监测手段的进步，对于 PM2.5 的浓度特征
以及成分和来源分析研究越来越多。孙峰
（2014）、陶俊等（2008）、王娟（2007）、杨凌
霄（2008）对 PM2.5 进行采样和监测，深入
研究了 PM2.5 的污染水平和影响因素，并
利用模型对颗粒物来源进行了解析和评
价。朱先磊等通过研究发现 PM2.5 的主要
来源为燃煤、机动车排放、建筑尘、扬尘、
生物质燃烧、二次硫酸盐和硝酸盐及有机
物。其中燃煤尘、扬尘、有机物以及二次硫
酸盐和硝酸盐对 PM2.5 浓度的影响较大。
杨书申、孙珍全、邵龙义 (2006) 总结了国
内外对于 PM2.5 的研究现状，认为 PM2.5
的来源和发生量与不同国家和地区的化
石燃料、经济发展、工艺方法以及管理水
平等因素紧密相关。
通过详细的文献调研我们发现，国外
目前对 PM2.5 已经展开了深入的研究，并
在此基础上建立了完善的 PM2.5 监测网
络，实时监控 PM2.5 的变化趋势。近几年
随着空气污染问题的日益严重，国内对于
PM2.5的研究越来越重视，也取得了一定的
成果。但是关于 PM2.5 与城市经济发展指
标之间的关系的研究却非常少，所以本文
从可能与 PM2.5 浓度有关的城市经济发展
指标入手，研究这些指标对 PM2.5 的影响。
2.2 研究方法
本研究以 STIRPAT 模型为基础来
对搜集到的面板数据进行回归分析。
STIRPAT 模型来源于 IPAT 模型，IPAT
模型最早是由 Enrlich 在 1971 年提出的。
很多国外学者基于环境压力模型来解释
环境中污染物排放量的增加。其中 I 表示
环境压力，P 为人口数，A 为富裕程度，
T 为技术，后三项为环境压力的驱动因素。
但在 IPAT 模型中，自变量对于因变量是
等比例影响的，模型适用范围相对有限，
因此，Dietz 等在 1994 年建立了 IPAT 的
随机模型——STIRPAT。目前 STIRPAT 在
国内外得到了广泛的应用，但是用来研究
PM2.5 的污染状况的却很少有。这一方面
是由于 PM2.5 的概念提出的时间不长，国
际推广的范围和程度也相差较大 ；另一方
面也与我国长期只重视经济发展速度和
经济绩效指标，对其他质量指标的重视不
够有一定关系。
面板数据分析方法是最近几十年来
发展起来的新的统计方法，面板数据可
以克服时间序列分析受多重共线性的困
扰，能够提供更多的信息、更多的变化、更
少共线性、更多的自由度和更高的估计效
率，而面板数据的单位根检验和协整分析
是当前最前沿的领域之一。在本文的研究
中，我们运用面板数据建立计量模型来量
化 PM2.5 浓度与人口、人均 GDP、能源强
度、客运量、货运量和产业结构之间的关
系，考察这些指标对 PM2.5 浓度的影响。
3 模型与数据回归分析
3.1 模型假定
经典的 IPAT 模型主要描述了环境压
力 (I) 与人口 (P)、富裕程度 (A) 和技术水
平 (T) 四个要素之间的关系，即 I=P*A*T。
但是 IPAT 模型只能通过改变其中一个
因素，并且保持其它因素固定不变来分析
问题，得到的结果仅仅是对因变量等比例
的分析。为了解决这一问题，蒂兹 (Dietz)
和罗萨 (Rosa) 运用社会统计分析工具对
IPAT 模型进行了改进，提出了 STIRPAT
模型，即 。
式中 ：a 为常数项，b，c 和 d 分别为 P、
A 和 T 对应的弹性系数，表示当 P、A、T
每变化1%时，分别引起I的b%、c%和d%
变化，e 为模型误差项。
在结合 STIRPAT 模型的基础上，本
文选取人口数、人均 GDP、能源强度、客运
量、货运量和三大产业的 GDP 占比等因素
作为自变量，来研究客运量对 PM2.5 浓度
的影响，模型如下 ：
其中， PM 代表
2.5 PM
浓度， P 代表人
口数 ； PY 代表人均 GDP ； EI 代表能源强
度 ； PT 代表客运量 ； 代表货运量 ；
分别代表第一、第二和第
三产业产值占 GDP 的比重 ；i 代表省份 ；
t 代表年份。
在实证研究中，为消除异方差和直接
获得因变量对自变量的弹性，对变量均做
自然对数处理，得到具体模型如下 ：
其中， it
α 代表常数项，
i
β ， 分
别代表各自变量的估计系数， it
μ 代表随机
误差项。
3.2 数据处理与来源
本研究的数据包括各省 PM2.5 浓度
数据、人口数据、各省人均 GDP、能源强度
数据、客运量、货运量和三大产业的 GDP
占比数据。能源强度是反映单位 GDP 生产
过程中的能源消费量，可用一个地区的总
能源消费量与总 GDP 的比值来表示。各省
人口数据、人均 GDP、GDP 和能源消费量
数据主要来源于统计年鉴、行业或部门年
鉴和统计调查资料的年度数据。
模型的被解释变量为 PM2.5 的浓度，
由于国内相关数据不全，本研究的数据来
源于耶鲁大学、哥伦比亚大学和巴特尔研
究所的研究团队根据卫星数据对我国各
省的可吸入颗粒物浓度进行的研究得出
的数据，即 2001-2010 年我国各省市自治
区人口加权 PM2.5 年均浓度数据。为验证
该数据的可信度，根据我国环保部 2012
年 2 月发布的《关于实施环境空气质量标
准的通知》对 PM2.5 污染的基本形势做出
判断，这些数据与该判断大体一致。
基于数据的可得性和有效性，本文所
用样本数据为 2001-2010 年全国 29 个省
市的数据， 不包括重庆、西藏和港澳台地
区。
首先根据上述模型用 eviews 对数据
进行回归分析，得到的结果中，由于 PY 和
TI 的参数估计没有通过 P 值检验，所以将
PY 和 TI 进行一阶差分得到 PY 和 TI，再
用所得到的数据进行回归分析，但是得到
的结果中 的参数估计仍未通过 P 值检
验，所以我们再将 进行二阶差分。从得
到的结果中可以看出，时间固定效应模型
的参数估计均通过了 P 值检验。
接着我们再进行随机效应模型的回
归，从回归结果中可以看出，随机效应模
型的参数估计并未通过 P 值检验。
然后我们再进行 F 检验，从 F 检验的
结果可以看出，F 检验的 P 值小于 0.05，
所以应该进行 Hausman 检验，从检验的结
果中可以看出，hausman 检验的 P 值为
0.0002 小于 0.05，所以应该采用固定效应
模型。得到的模型结果如下 ：
3.3 计量结果及实证分析
面板数据模型一般包括混合估计模
型、固定效应模型和随机效应模型三种形
式，因此在对面板数据进行估计时需要首
先对面板模型的设定形式进行检验，首先
利用 F 统计量对是 否建立混合估计模型
进行检验，然后运用 hausman 检验来选择
采用固定效应和随机效应模型，最后得出
模型的结果。F 值检验和 hausman 检验结
果表明，模型应采用随机效应模型。具体
模型的回归方程如下 ：
由模型回归的结果可以得出 ：我国各
省 PM2.5 的浓度随着人口数、能源强度、
第二产业占 GDP 比重及第三产业占 GDP
比重的增加而上升，随着人均 GDP、客运
量、货运量及第一产业占 GDP 比重的增加
而减少。
人口的增加会使得人类生活生产排
放增加，导致 PM2.5 浓度上升。能源强度
增加表示单位 GDP 生产过程中的能源消
费量增加，也就是生产消耗的能源增加，
这会使得 PM2.5 的浓度上升。第一产业
以农业为主，第二产业以工业为主，第三
产业包括物流业和服务业，所以第一产业
占 GDP 比重的增加会使得 PM2.5 的浓度
下降，而第二、三产业占 GDP 比重的增加
也会使得 PM2.5 的浓度上升。人均 GDP、
客运量、货运量的增加导致 PM2.5 浓度
的下降，这可能是由于新技术的出现使得
原有的技术被取代，使得能源消耗减少，
PM2.5 的浓度下降。
4 政策建议
综合考虑模型回归的结果我们提出
如下建议以降低 PM2.5 污染。
1）加强对重点工业污染源的治理力
度。控制煤烟污染及火电厂污染源，努力削
减颗粒物、二氧化硫等污染物排放总量。
2）坚持清洁能源发展战略，积极推广
使用天然气等清洁能源。
