大氣污染濃度成因的計量模型分析

1、大氣污染濃度成因分析sdu經(jīng)濟(jì)學(xué)院 應(yīng)用統(tǒng)計一 研究設(shè)計1.樣本選擇與數(shù)據(jù)來源 本研究選取我國31個省、直轄市和自治區(qū)2004到2013年之間的各項數(shù)據(jù)作為研究樣本。所使用的數(shù)據(jù)來源于中國統(tǒng)計年鑒以及各地供暖處網(wǎng)站，采用了Excel 、stata12.0等數(shù)據(jù)分析軟件對數(shù)據(jù)進(jìn)行處理。在數(shù)據(jù)處理過程中，為了排除離群值的干擾，本文采用winsorize（縮尾）處理，對SO2和ash采用0.02的縮尾處理得到變量SO2_x和ash_x，對envinvs和elecons采用0.01的縮尾處理得到變量envinvs _x和elecons_x。2.變量選取二氧化硫- GDP比例(SO2_x) 衡量被解釋變

2、量每萬元產(chǎn)值SO2排放量,用二氧化硫與GDP之間的相對數(shù)作為表示衡量污染濃度指標(biāo)之一的變量,是為了消除全國各省級地區(qū)發(fā)展水平的差異對SO2排放量的影響。與之對應(yīng)的解釋變量的選取，也同樣需要使用GDP作為除數(shù)實現(xiàn)標(biāo)準(zhǔn)化。綜合前人的研究成果發(fā)現(xiàn)，污染濃度的衡量指標(biāo)多采用SO2排放量指標(biāo)、煙粉塵排放量指標(biāo)以及氮氧化物排放量指標(biāo)，由于我國氮氧化物數(shù)據(jù)的嚴(yán)重缺失，并且氮氧化物與SO2多為相伴生的污染物具有極為類似的增量性質(zhì)，故本文不加描述。用煙粉塵- GDP比例(ash_x) 衡量被解釋變量每萬元產(chǎn)值煙粉塵排放量；indvad表示工業(yè)增加值的占比以體現(xiàn)工業(yè)生產(chǎn)對污染物生成的貢獻(xiàn)程度；envinvs_x表

3、示各地為治理污染耗費(fèi)占比解釋環(huán)境資金投入效率；elecons_x表示用電量與GDP的比值，作為能源的代理變量衡量能耗的污染強(qiáng)度；交通運(yùn)輸也是污染來源的主要部分，由于交運(yùn)行業(yè)單位產(chǎn)值與污染衡量指標(biāo)的聯(lián)系較為疏離，遂采用交運(yùn)行業(yè)的就業(yè)人數(shù)占比代替交運(yùn)業(yè)的影響程度；warm表示是否為取暖地區(qū)，供暖對于污染的貢獻(xiàn)也相對顯著，主要體現(xiàn)了居民生活的影響程度。充分包含對大氣可能存在的影響的三大因素作為本研究模型的控制變量，逐個分析其對大氣污染貢獻(xiàn)率。3.回歸模型參看諸多文獻(xiàn)，以上因素對于污染均有影響，而本次研究重在解釋在目前中國經(jīng)濟(jì)轉(zhuǎn)型的大環(huán)境下，國家環(huán)保投入、市場能源清潔生產(chǎn)和交運(yùn)業(yè)發(fā)展三個因素的影響程度

4、，以期找到量化治理污染的具體方案。因此，模型中引入了這些變量作為控制變量。此外，各省市間及各年度間的差異也有可能會影響回歸結(jié)果的顯著性水平，以下的研究結(jié)果部分會有較為充分的展現(xiàn)。樣本數(shù)據(jù)的結(jié)構(gòu)看出，這是一個截面為31個省級地區(qū)時間跨度為10年的短面板。思路如下：（1）. 進(jìn)行各變量間的描述性統(tǒng)計分析；（2）.展示各變量系數(shù)的相關(guān)矩陣；（3）. 進(jìn)行面板數(shù)據(jù)的Hausman檢驗以確定面板分析方法；（4） OLS、FE、FE+LSDV、LSDV+FE+year四種方法下的分析結(jié)果。模型1： SO2_xi t=0+1indvadi t+2envinvs_xi t+3elecons_xi t+4tra

5、nsportit+5warmi t+Zi+i+i t模型2： ash_xi t=0+1indvadi t+2envinvs_xi t+3elecons_xi t+4transportit+5warmi t+Zi+i+i t二 實證結(jié)果1.描述性統(tǒng)計首先，分別列示各指標(biāo)對GDP占比的各項基本統(tǒng)計特性。對于SO2和煙粉塵排放量分別占GDP比重為100.77、74.29噸每億元產(chǎn)值。二者的均值均大于中位數(shù)表明：小部分年份的（小部分省份）的污染排放量過大，極大拉伸了總體指標(biāo)的均值量，這一部分年份（省市）是治污的重點(diǎn)所在。環(huán)保投資主要關(guān)注方差以及最大最小值，不難發(fā)現(xiàn)各地（各年份）的差異懸殊。用電量均值為

6、1253.74千瓦時每億元，根據(jù)其標(biāo)準(zhǔn)差782.8，分布相對集中。2.系數(shù)矩陣從表2可以看出，SO2和煙粉塵占比與環(huán)保投資、耗電量、交運(yùn)就業(yè)均存在顯著的相關(guān)性，這也預(yù)示接下來的回歸中這些變量將會有良好的顯著性。而工業(yè)增加值的相關(guān)性很弱，這是比較反常的現(xiàn)象。但是從我國的經(jīng)濟(jì)發(fā)展實際分析來看，我國工業(yè)正處于工業(yè)化向信息化、工業(yè)向服務(wù)業(yè)轉(zhuǎn)變的階段，大量的產(chǎn)值增加得益于清潔能源。并且，工業(yè)生產(chǎn)技術(shù)進(jìn)步以及國家對環(huán)保治理的日益重視均削弱工業(yè)增加值對于污染濃度的影響作用。解釋變量環(huán)保投入與用電量之間有0.5202的相關(guān)性程度，在310個子樣的大樣本面板處理中我們?nèi)稳豢梢缘玫綗o偏一致的估計值。varmean

7、p50sdminmaxNSO2_x100.7771.1897.255.54476.78310ash_x74.2946.2976.814.68340.33310indvad3980.884196.39978.37696.635358.29310envinvs_x10.036.949.790.2850.50304elecons_x1253.741025.80782.80401.004784.80308transport19.7416.6911.284.6066.39310warm0.4800.5001310表1 有關(guān)污染濃度及其影響因素的描述統(tǒng)計VarSO2_xash_xindvadenvinvs

8、_xelecons_xtransportSO2_x1ash_x0.8631*1 indvad0.03650.02421envinvs_x0.5105*0.4026*0.1400*1 elecons_x0.7102*0.6572*0.09920.5202*1transport0.5848*0.7210*-0.2559*0.2300 0.4337*1warm0.11720.19660.06120.27420.28330.1694表2 各變量相關(guān)系數(shù)矩陣3.Hansman 檢驗對于以上獲得的面板數(shù)據(jù)，采用hausman檢驗方法，以確定此面板存在固定效應(yīng)還是隨機(jī)效應(yīng)。由于在固定效應(yīng)模型中，實際上是把u

9、i作為解釋變量處理，因此并不要求Cov(ui,Xit)=0。而在隨機(jī)效應(yīng)模型中，必須保證Cov(ui,Xit)=0。表3 prob>chi2=0.0000顯示，豪斯曼檢驗結(jié)果顯著拒絕原假設(shè)，認(rèn)為殘差和解釋變量存在顯著的相關(guān)關(guān)系。因此，選用固定效應(yīng)模型對此問題進(jìn)行進(jìn)一步的探究。表3 Hausman test結(jié)果展示4.回歸結(jié)果表4顯示：通過F檢驗以及p值比較，我們可以看出此模型存在顯著的統(tǒng)計學(xué)特點(diǎn)，模型設(shè)定有效。我們重點(diǎn)關(guān)注（2）、（5）列單純固定效應(yīng)模型的各變量的系數(shù)，最具有模型穩(wěn)定性。SO2排放量和煙粉塵排放量與耗電量和交運(yùn)業(yè)就業(yè)人數(shù)在1%水平下呈顯著的相關(guān)關(guān)系。由于多重共線性以及面板

10、固定效應(yīng)的存在，普通OLS回歸的結(jié)果對此影響效果并無解釋力。就關(guān)注的環(huán)保投入與SO2以及煙粉塵的負(fù)相關(guān)關(guān)系（系數(shù)為負(fù)）來看，國家的環(huán)保投入對于污染的減少起到一定程度的抑制作用。由于其值并不顯著，從政策層面上分析可得環(huán)保投入的成本效益仍有待提升。就工業(yè)增加值來講，通過以上已有分析，用電量的相關(guān)系數(shù)為正，表明用電量加大了污染的濃度；交運(yùn)業(yè)就業(yè)人數(shù)為交運(yùn)業(yè)的活躍程度替代變量，也表明了顯著的正向影響關(guān)系。供暖在冬季是北方城市大氣污染的主要來源之一，但是僅在冬天短期造成了大氣污染濃度的上升，在重點(diǎn)模型中表現(xiàn)并不顯著。 就SO2排放量來說，修正的R2值為0.6963，對大部分的數(shù)據(jù)進(jìn)行了有效解釋，從未來的

11、治理任務(wù)來講，主要應(yīng)該有效落實環(huán)保投資項目的成本效益分析，提高環(huán)保支出對降低大氣污染的能力。而在目前的發(fā)電模式下，火力發(fā)電還占有相當(dāng)大的比重，這也是二者關(guān)系顯著的根本來源，未來的發(fā)展方向是研究清潔發(fā)電，或是提升煤炭洗選效率，在發(fā)電源頭控制大氣污染。就煙粉塵排放量而言，修正的R2值為0.7798，絕大部分?jǐn)?shù)據(jù)有良好的統(tǒng)計學(xué)解釋力。在各因素的影響效果上類似于SO2，解決方法同上即可。關(guān)鍵的差異體現(xiàn)在各因素的定量影響上，耗電量對于SO2的影響程度為0.17是對于煙粉塵排放影響的兩倍之多，而交運(yùn)業(yè)的活躍程度對煙粉塵的影響顯著高于對SO2排放的影響。由此我們可以得出，我國在控制大氣污染方面，對于SO2排

12、放量的要求更高時，以適度加大限制用電量的額度；對于煙粉塵排放量的要求更高時，以適度加大交運(yùn)業(yè)的環(huán)保支出改進(jìn)技術(shù)最大程度降低煙粉塵的污染水平。 從添加個體效應(yīng)效應(yīng)的模型不難看出，各省市個體因素對于模型R2值的提升效果十分明顯。表明此面板數(shù)據(jù)中截面數(shù)據(jù)組間差異很大，但并不表示這一差異起主導(dǎo)作用，因為R2值在添加個體效應(yīng)前數(shù)值已相當(dāng)顯著了。然后加入了時間效應(yīng)，這對于值的提升作用微弱，表明時間的延續(xù)對應(yīng)主要解釋變量用電量和交運(yùn)業(yè)活躍程度對于污染作用機(jī)制并無顯著影響。表4 模型1 模型2的面板回歸結(jié)果var(1)(2)(3)(4)(5)(6)(7)(8)SO2SO2_xSO2_xSO2_xashash_

13、xash_xash_xindvad0.006-0.01-0.018*-0.023*0.012*-0.04*-0.037*-0.039*(1.46)(-1.24)(-3.01)(-3.70)(3.76)(-6.11)(-7.28)(-7.49)envinvs_x2.049*-0.42-0.059-0.0880.521*-0.29-0.318-0.197(4.97)(-1.30)(-0.23)(-0.29)(1.71)(-1.25)(-1.48)(-0.78)elecons_x0.059*0.17*0.144*0.133*0.036*0.08*0.090*0.086*(10.65)(11.58)(

14、11.44)(10.28)(8.73)(7.74)(8.62)(7.97)transport3.204*2.02*1.956*1.317*4.068*3.25*2.945*2.636*(8.86)(4.64)(5.57)(2.40)(15.18)(10.21)(10.13)(5.74)warm-26.735*0-68.769*-55.818*-6.2070-150.905*-138.168*(-3.67)(. )(-3.29)(-2.48)(-1.15)( .)(-8.71)(-7.33)obs 304304304304304304304304F105.46182.1687.6872.7112

15、8.82276.8379.464.46Prob > F 0.00000.0000 0.00000.00000.00000.00000.00000.0000R-squared 0.63890.73040.91720.92320.68370.80460.90940.9142A-Rsquared 0.63290.69630.90680.91050.67840.77980.89790.9001regressionOLS FE FE+pro FE+pro+yearOLS FE FE+pro FE+pro+year注：*，*，*分別表示該表變量的參數(shù)在1%，5%，10%水平上顯著相關(guān)；括號內(nèi)為單個系數(shù)的t值檢驗；FE固定效應(yīng)模型，F(xiàn)E+pro加入個體虛擬變量的固定效應(yīng)，F(xiàn)E+pro+year同時加入個體和時間效應(yīng)的固定效益模型。三 研究結(jié)論本研究運(yùn)用2004年到2013年我國環(huán)境污染和經(jīng)濟(jì)社會發(fā)展數(shù)據(jù)，研究了我國各省市環(huán)保投入、能源利用以及交運(yùn)業(yè)的活躍程度對污染濃度的影響機(jī)制。研究發(fā)現(xiàn)，我國現(xiàn)階段