摘要：雾霾污染是困扰中国经济发展的重大民生与环境问题。基于改进产出密度模型， 运用地统计和空间计量模型分析长三角城市2015~2017年雾霾污染空间格局和影响因素。研究发现： （1） 雾霾污染存在季节性变化特征并且各城市雾霾污染状况逐渐好转。 （2） 雾霾污染具有显着的局域集聚特征和空间异质性， 杭州、宁波和台州呈现低-低集聚特征， 而滁州、扬州、镇江和泰州为高-高集聚型， 污染区域集中于省界处， 污染程度自西北向东南逐渐降低。雾霾污染存在显着的城际空间正相关和空间溢出效应， 周边城市雾霾污染对本地区会产生负影响。 （3） 长三角城市人口集聚、研发投入、产业结构、工业烟粉尘排放及城市建设均对雾霾污染产生正向影响， 对外开放、能源消耗以及降水等因素对雾霾污染产生负向影响；雾霾污染与经济增长之间不存在库兹涅茨曲线关系。经济集聚通过优化生产要素的空间分布与组合、共享治污基础设施等， 形成雾霾污染抑制作用。
关键词：雾霾污染； 经济集聚； 空间溢出效应； 长江三角洲；
2000年以来， 中国频繁爆发持续性、区域性雾霾污染， 严重影响了城市环境质量。中国气象局发布《2017年大气环境气象公报》显示全年全国PM2.5、PM10平均浓度分别为43和75μg/m3, 平均霾日数为27.5 d, 与合格标准还相差甚远。雾霾不仅对环境造成巨大危害， 同时也损害了人类的身心健康。国内外已有研究表明， 大气污染程度与肺癌的发病率和死亡率密切相关[1,2].研究中国经济社会最发达地区的长江三角洲雾霾污染时空分布特征和影响因素， 对长三角雾霾污染防治以及促进经济与环境协调发展有重大意义。
国内外学界从不同尺度研究了雾霾污染的时空特征， 如分析北京2012~2013年冬春PM2.5和PM10浓度认为颗粒物浓度从北部山区到南部地区逐渐递增， 且局部地区存在一定的城乡差异[3];剖析长江经济带2000~2016年省级雾霾污染空间特征和影响因素， 发现雾霾污染悬浮颗粒高污染集聚区分布在长江下游地区且呈现空间集聚效应[4,5];利用全国地级以上城市2015年1月~2017年2月AQI数据发现雾霾污染空间分布存在显着的季节性和空间正相关性特征[6].可见， 雾霾污染季节性变化特征非常明显， 冬季雾霾污染最为严重， 污染物浓度在12月和1月达到最高值， 7月和8月污染最小。学界从自然、社会经济因素两方面研究雾霾污染影响因素， 已有研究证明降水、气温、湿度、气候变化、地形地貌、植被覆盖等自然因素对大气污染物的集聚与扩散有着显着影响。如通过观测资料和气候模型论全球气候变化视角华北地区适宜雾霾发生的天气情况发现全球温室气体排放引起的环流变化可能导致北京严重雾霾的频率增加[7];中国东部沿海地区过去35年空气质量及其在2013年华东平原重度雾霾污染均由北极海冰减少和欧亚降雪增加共同导致， 如果北极海冰持续融化将会给冬季雾霾减缓带来巨大挑战， 但也为减少温室气体排放提供了强有力的激励措施[8];基于地理探测器方法分析长江三角洲地区空气污染主要风险因子是平均降水量主导的气象类要素[9].社会经济因素方面， 学者指出能源消费结构、产业结构、汽车尾气排放、人口集聚等是雾霾污染的主要来源；经济 （工业） 集聚、城镇化水平、FDI、经济增长、技术进步、环境规制等因素会对城市空气造成不同程度影响。空间计量中国各省本地与异地之间雾霾污染的交互影响发现以煤为主的能源结构、以工业为主的产业结构对雾霾污染有显着促进作用[10];动态空间面板模型分析中国FDI与PM2.5污染性空间自相关性发现中国雾霾污染存在显着的空间依赖性和区域异质性， FDI对中国大部分城市雾霾污染存在显着增促效应[11].然而， 基于所选污染物不同和模型差异， 现有研究关于经济增长对雾霾污染影响存在争议：一是符合EKC曲线假说， 认为雾霾污染与经济增长存在倒U形关系；二是不符合EKC曲线的假说， 认为雾霾污染与经济增长存在正U形关系。
综上发现既有研究存在如下不足：一是使用单一污染物， 如PM2.5或PM10作为指标， 忽视了雾霾污染成因的复杂性， 可能与真实污染水平有偏差；二是倾向于直接引用相关模型， 较少从理论模型推导入手；三是侧重于雾霾污染形成机理的描述统计分析， 忽视了其空间相关性和异质性。于是本文着眼3方面予以改进：一是采用包含PM10、PM2.5、SO2、NO2、O3、CO构成空气质量指数 （AQI） 表征当前复合型雾霾污染程度；二是基于理论模型推导出经济集聚和雾霾污染之间的关系；三是运用地统计和空间计量模型分析长三角地区雾霾污染的空间格局和影响因素。
1 研究方法与数据来源
1.1 理论模型
文献梳理发现已有相关研究多将环境视为生产要素直接纳入生产模型， 即认为环境投入会带来污染这一“副产品”, 本文在Ciccone等[12]的生产密度模型上， 将环境作为生产要素之一纳入模型生产环节， 将雾霾浓度纳入模型产出环节。Ciccone等[12]认为集聚经济的外部性来自经济活动的密度， 其基本模型如下：
式中：qi是城市i单位面积的产出；θi为城市全要素生产率；ni为城市单位面积就业人数；Hi是平均人力资本水平；ki为单位面积物质资本投入；α是单位面积资本与劳动的规模报酬， 0<α≤1, 表示边际生产率递减。β是要素贡献率， 0<β≤1;Qi和Ai是该城市的总产出和总面积， Qi/Ai是空间产出密度；λ是产出密度系数， 当λ>1时， 表示集聚具有正外部性。
1.1.1 经济集聚环境效应的理论分析
经济集聚核心特征为产业集聚， 产业角度分析经济活动空间过程对环境产生的影响备受学界关注。Grossman等[13]认为当产业集聚达到一定程度时， 会通过规模效应、结构效应和技术效应对环境产生影响。规模效应是指集聚会使生产规模扩大， 加剧了对资源的消耗以及对环境的污染；结构效应是指集聚会引起一个地区产业结构的变化从而改变污染排放量， 以牺牲环境质量为代价吸引大量高税收高附加值的污染密集型产业；技术效应是指集聚可能带来生产技术和环保技术的改善， 减少相同产出的资源消耗和污染排放。
Krugman[14]提出向心力和离心力是导致产业集聚与分散的原因， 当向心力为主导力量时， 产业集聚程度会加强；若拥挤效应带来生产成本的增加大于向心力带来生产成本的减少， 产生了集聚不经济， 则产业会趋于分散。经济发展初期企业受市场、劳动力和交通等因素的驱动， 不断向中心地区集聚， 实现了规模经济， 使边际成本降低， 从而获得劳动生产率的提高， 主要表现为生产规模的扩大和总产出的增加。与此同时， 污染也随之增加。当经济活动过度集中时， 往往会导致集聚不经济， 如资源短缺、环境恶化和生产运营成本增加等一系列问题， 此时集聚的离心力大于集聚力， 产生扩散效应， 促使大量人口、部门、企业等外迁， 一定程度上改善了环境质量。当然， 经济集聚会促进地区收入增加， 居民生活水平提高， 环保意识增强， 倾向于购买对环境污染较小的清洁产品。此外， 地方政府通过环境规制倒逼企业进行技术改进或优化产业结构， 减少污染密集型产业比重以实现节能减排， 降低环境污染。可见， 污染程度与经济集聚水平存在一定的相关性， 集聚初期经济集聚水平越高， 污染越严重；当集聚水平超过临界值， 反而会对污染起到抑制作用。
1.1.2 经济集聚与雾霾污染的理论模型
对生产密度模型进行扩展， 有助于推导雾霾污染与经济集聚之间的作用机制。假设Ni为城市i就业总人数；Ki为城市i资本总投入；pi为城市i单位面积上的雾霾浓度；Pi为城市i的雾霾总量， 计算公式如下：
式中表明雾霾与经济集聚具有相关性， λα （1-β-γ） 系数表示经济集聚对雾霾强度的影响强弱和方向。
1.2 模型构建与变量说明
1.2.1 模型构建
根据理论模型可构建雾霾污染的空间计量回归模型以验证雾霾污染的影响因素， 本文用AQI指数来表征雾霾污染程度， 引入一组控制变量到实证模型：
式中：i表示样本地区；aqii和agi分别表示雾霾污染和经济集聚；wij表示地区间的空间关系， 本文采用最为常见的二值空间权重矩阵， 即如果两地区相邻则wij=1, 否则wij=0;Xi表示影响雾霾污染的一组控制变量；εi为随机扰动项；a1为邻近地区间的雾霾污染空间溢出的估计系数， 表征了雾霾污染的空间溢出效应的强弱和方向；a2用来刻画雾霾污染和经济集聚之间的内生关系， 如果a2>0, 表示随着本地经济集聚的提升， 本地雾霾污染有加剧的趋势， 反之则表明经济集聚的提升对雾霾污染有消减作用。
1.2.2 变量说明及数据来源
考虑数据科学性、一致性和完整性前提， 参考已有研究成果[11,15]选取如表1的变量。
表1 变量说明Tab.1 Description of variables
本文收集空气质量数据 （AQI） 均来源于国家环境保护部数据中心和天气后报网站。该网站自2013年10月以来， 收录了全国城市的空气质量数据， 并根据不同监测站点的日观测数据进行逐日逐月整合， 全面详实。AQI的计算综合考虑了PM2.5、PM10、SO2、NO2、O3、CO等多种常见污染物， 可以更好地表征中国环境空气质量状况， 反映当前复合型大气污染形势。因此， 可认为AQI是当前衡量一个地区空气质量较为权威的数据， 用其来测度雾霾污染程度；其他变量数据主要来自于各样本地市2016年统计年鉴、《2015年国民经济和社会发展统计公报》以及《中国城市统计年鉴2016》。
1.3 研究方法
采取地统计学中的普通克里格插值法描述雾霾污染的时空分布特征， 再运用ESDA （Exploratory Spatial Data Analysis） 中的全局和局部空间自相关分析进一步对长三角地区雾霾污染的空间相关性进行验证， 继而构建空间计量回归模型分析雾霾污染的影响因素。
1.3.1 全局自相关分析
全局空间自相关是从区域空间的整体上刻画区域创新活动空间分布的集聚情况， 描绘了相关变量在区域整体范围内的空间依赖程度。公式如下：
式中：I是全局Moran'I;n是样本数；xi和xj分别表示地区i和地区j的观测值；wij为空间权重矩阵；x�为观测变量的平均值；S2是观测变量的方差。I的取值范围为[-1, 1], 大于0表示各地区观测值存在空间正相关性， 小于0表示各地区观测值存在空间负相关性， 若指数为0, 表示各观测值不存在空间相关性。
1.3.2 局部自相关分析
局部空间自相关反映一个区域单元与邻近单元上同一研究现象的相关程度， 公式为：
正的局部Moran指数I表示一个高值被高值所包围 （高-高） , 或者是一个低值被低值所包围 （低-低） .负的局部Moran指数I表示一个高值被低值所包围 （高-低） , 或者是一个低值被高值所包围 （低-高） .
1.3.3 克里格插值法
克里格插值 （Kriging） 又称空间局部插值法， 可以根据待插值点与临近实测高程点的空间位置， 对待插值点的高程值进行线性无偏最优估计从而生成一个关于高程的克里格插值图， 表达研究区原始地理要素形态。相关研究表明克里格插值能够较好地预测区域污染物的空间分布情况及其总体分布趋势， 接近观测值[4].
1.3.4 空间计量模型
经过探索性空间数据分析， 如果发现存在空间依赖性， 需要将其在模型中予以体现。传统空间计量模型主要有空间滞后模型 （Spatial Lag Model, SLM） 和空间误差模型 （Spatial Error Model, SEM） .SLM侧重于考察因变量的空间溢出效应， 因此模型中包含因变量的空间滞后项。SEM侧重于考察因遗漏变量所造成的空间依赖性， 即误差项包含有致使自变量出现空间相关的因素， 因此空间误差模型包含误差项的滞后项[8].公式如下：
式中：X和Y分别为自变量和因变量；ρ为空间回归系数；λ表示空间误差系数；W为空间权重矩阵；ε和μ为误差项。
2 长三角地区2015年3月至2018年2月雾霾污染的时空分布特征
采取长三角26个核心城市2015年3月~2018年2月的空气质量指数 （AQI） 数据， 运用普通克里格法对26个城市季均和年均AQI进行空间插值， 得到长三角地区相应时间尺度的AQI空间分布图。
2.1 年均尺度雾霾污染的时空分布特征
图1可看出， 2015~2017年， 长三角地区AQI值呈下降趋势， 空气质量有所改善；各城市雾霾污染程度存在明显的空间差异。总体而言， 上海市以及长三角内三省界处AQI值相对较高， 主要包括苏南片区南京、苏州、镇江、常州、无锡以及苏北片区扬州、泰州、南通等城市， 浙北片区的湖州市和嘉兴市， 皖中和皖南片区的合肥、安庆、滁州、芜湖、马鞍山、铜陵等城市；东南沿海地区城市的AQI值相对较低， 主要为浙东片区的台州市以及浙南片区的宁波市与舟山市。另外， 除了2016年冬季上海AQI有所反弹， 长三角各城市冬季雾霾污染均呈下降趋势， 空气质量逐渐好转 （图2） .
2.2 季均尺度雾霾污染的时空分布特征
长三角城市雾霾污染的季节性变化特征明显， 具体表现为：冬季>春季>秋季>夏季。春季、夏季和秋季空气质量指数AQI处于45~95之间， 整体空气质量良好， 基本不存在雾霾污染 （图3） .夏季由于降水丰富， 气象条件利于污染物扩散， 各城市AQI均为全年最低水平且差异较小。冬季空气质量显着下降， 雾霾污染大范围蔓延且空间差异较大， 污染区域主要集中在长三角城市群西北部， 包括安庆市、芜湖市、铜陵市、池州市、马鞍山市、合肥市、滁州市、南京市和镇江市， 其中污染最严重的是安庆市和芜湖市， 若长期处于此类大气环境中， 将会对人类身心健康造成不良影响；长三角东南沿海城市空气质量较好， 其中舟山市空气质量最优。
图1 2015~2017年长三角地区AQI年均值分布图Fig.1 Spatial distribution patterns of annual AQI of YRD from 2015 to 2017
2.3 雾霾污染的空间自相关分析
为考察雾霾污染空间分布是否具有集聚特征， 选取2015年AQI数据， 运用全局和局部自相关分析得到2015年AQI年均值的Moran's I为0.300 776且通过显着性检验， 表明2015年雾霾污染的空间分布呈显着正相关。结合2015年AQI Moran散点图 （图4） 和局部Geary聚类图 （图5） 可知长三角地区雾霾污染在空间上呈现较为明显的局域聚集特征， 杭州、宁波和台州为低-低集聚， 该类城市雾霾污染较低， 其周边地区雾霾污染也低；滁州、扬州、镇江和泰州出现了高-高集聚趋势， 这类城市自身雾霾污染高， 其邻近地区雾霾污染也高。因此， 分析经济集聚对雾霾污染的影响必须考虑到这种地理空间因素， 以免对结果造成偏差。
3 长三角地区2015年3月至2018年2月雾霾污染影响因素甄别
3.1 空间回归实证结果
空间自回归模型中采用OLS （最小二乘法） 不能实现“无偏估计”, 因此引入空间滞后模型和空间误差模型对雾霾污染的影响因素进行深入分析。为避免多重共线性的影响， 运用SPSS20.0软件对各解释变量进行相关分析， 发现方差膨胀因子 （VIF） 均在10以内， 表明不存在明显的多重共线问题。GeoDa1.6.5分析结果显示模型整体上通过10%水平显着性检验。表3给出了OLS、SLM和SEM模型估计的结果。
考虑空间影响后， SLM和SEM模型估计拟合度指标Log-Likelihood （对数似然估计值） 均大于OLS估计结果， 说明考虑空间因素后， 修正的模型和实际数据拟合度更高， 再次证明各地区雾霾污染受空间地理分布的影响。通过比较LogLikelihood （对数似然估计值） 、AIC （赤池信息准则） 和SC （施瓦茨信息准则） 三大指标 （表2） 可知， 空间滞后模型的Log-Likelihood值最大， AIC值和SC值最小， 说明空间滞后模型的拟合度最高[16], 从而得出空间滞后模型最优的结论， 以下分析主要基于空间滞后模型估计结果。
3.2 雾霾污染空间溢出效应分析
SLM中的雾霾污染空间滞后项 （W_年均AQI） 为正， 当邻近地区的AQI值每增加1%, 本地区的AQI值增加0.477%, 说明长三角城市间雾霾污染确实存在明显的空间溢出效应， 邻近地区的雾霾污染会加剧本地区的雾霾污染。其主要原因：一是GDP绩效考核机制促使地方政府一味追求经济增长， 采取一系列优惠政策以竞争更多项目， 引进或承接大量产业， 由此导致高污染排放需求， 产生“你多排， 我也多排”的现象；二是区域间发展模式存在“示范效应”, 某一地区通过大力发展工业获得经济快速增长， 邻近地区为了跟上步伐或者维护领先地位， 容易造成恶性的污染排放竞争；三是在规模经济的作用下， 产业倾向于空间集聚， 污染排放更加集中；除此之外还有天气气象条件的影响， 使得空气中的污染物飘散到周边地区。
图2 2015~2017年长三角地区冬季AQI空间插值分布图Fig.2 Spatial distribution patterns of winter AQI of YRD from 2015 to 2017
图4 2015年长三角地区AQI的Moran散点图Fig.4 Moran scatter plot map of AQI of YRD in 2015
图5 2015年长三角地区AQI局部Geary聚类图Fig.5 Local Geary clustering map of AQI of YRD in 2015
图3 2017年长三角地区各季节AQI空间插值分布Fig.3 Spatial distribution patterns of seasonal AQI of YRD in 2017
表2 拟合度指标Tab.2 Index of fitting degree
表3 模型估计结果Tab.3 Estimated results
3.3 经济集聚与雾霾污染传导效应分析
三组估计结果显示， 各影响因素变量回归系数大小和方向未发生显着变化。经济集聚 （ag） 回归系数为负， 说明单位面积非农产出越多， 则AQI值越低， 换言之， 经济活动在空间上的集聚对雾霾污染有抑制作用， 也从侧面表明该地区经济发展相对绿色环保。一方面， 经济集聚能够促进劳动、资本、技术和环境等投入要素的空间分布与组合优化， 而劳动、资本和技术等要素对环境要素具有一定的替代作用， 这种替代作用会减缓对环境的消耗， 在一定程度上降低了污染排放。另一方面， 经济集聚可以共享治污基础设施， 最大限度地节约治污成本， 便于政府部门的集中监管， 这为集中治理污染问题提供了可能[15].
3.4 雾霾污染影响因素甄别
模型估计结果可知， 在影响雾霾污染的一组控制变量中， 回归系数为正且绝对值较大的依次是人口密度 （pden） 、研发投入 （rd） 、产业结构 （2nd） 、其他污染物 （dust） 以及城市建设 （con） , 说明这些因素是加剧雾霾污染的主要影响因素；回归系数为负且绝对值较大的依次是经济发展水平 （pgdp） 、能源消耗 （pene） 和对外开放 （open） , 说明该类因素能够抑制雾霾污染， 提高空气质量；此外， 产业结构 （3nd） 、绿化水平 （park、green） 以及气象因素 （rain） 虽然在统计上不显着， 但估计结果可以帮助了解其对雾霾污染的影响方向。
人口集聚通过消费和出行扩大了能源需求和机动车保有量， 造成更多能源消耗和汽车尾气排放；同时， 过度的人口使得城区土地资源紧缺， 建筑密度加大， 容易导致交通堵塞及城市空气流通不畅， 为雾霾产生创造条件；加之人口聚集的地方消费市场较大， 劳动力充裕， 各大公司、企业就会抓住这个契机扩大生产规模， 投资办厂， 创造更多就业机会来吸引更多的人口， 因而造成更多的资源消耗， 加重环境污染。研发投入的增加并没有改善空气质量反而产生了负面影响， 究其原因主要有两点：一是科研成果转化能力不足， 能够应用于生产过程、实现绿色生产、节能减排的技术较少；二是投入的经费直接用于大气污染治理的比较少， 侧重于扩大生产规模， 提高劳动生产率， 从而间接导致了雾霾污染排放的增多。
第二产业以工业为主， 工业在产业结构中所占比重越大， 污染排放强度就越大， 中国的城市化与工业化是密不可分的， 随着城市化进程的加快， 越来越多的工业集中于城市， 导致严重的污染问题。目前已有城市为了治理污染而将大量高污染高排放产业进行转移或者淘汰， 如北京为了治理雾霾而调整退出大量工业污染行业、企业， 在产业升级、产品结构调整的基础上与周边河北、天津等地区进行合作和对接。其他污染物 （dust） 系数为正， 表明工业烟粉尘的排放严重加剧了雾霾污染。城市建设 （con） 系数为正， 表明当前飞速发展的建筑业、房地产业与雾霾污染之间存在正相关。这主要是因为建设施工过程中会产生大量扬尘， 直接导致雾霾污染加剧；其次， 建筑业、房地产业的繁荣带动了化工、钢铁、水泥等高污染、高能耗行业的发展， 间接导致污染物排放增加。
绿化水平 （park、green） 系数为正， 虽然并不显着， 但估计结果可以帮助了解绿化水平对雾霾污染的影响方向。结果表明人均公园绿地面积和建成区绿化覆盖率并未对大气质量产生有利影响。可见绿色空间尚未在城市内发挥良好的空气净化作用， 这与目前城市绿地管理和维护不到位， 绿化覆盖率和人均绿地面积不达标等问题密切相关。
经济发展水平 （pgdp） 系数为负而其平方项pgdp2系数为正可知， 随着人均收入的不断增加， 雾霾污染浓度并非线性降低， 而是会经历一个先下降再上升的过程， 二者之间没有呈现倒U型关系， 说明长三角地区雾霾污染与经济发展水平不存在环境库兹涅茨曲线。可能是因为经济发展水平距离环境质量出现改善的拐点还较远[10], 或者所选的长三角地区社会经济发展水平和城镇化率较高， 超出了环境库兹涅茨曲线的范围。但两种情形都表明目前长三角城市的雾霾污染水平伴随着经济发展水平持续上升， 人均收入的增加并未改善环境质量反而使其不断恶化， 尤其是后者， 对发达地区起到很好的警示作用。
能源消耗 （pene） 系数为负， 大致表明当前长三角地区能源消费结构比较环保， 化石能源发电占比较低， 对雾霾污染的抑制作用大于促进作用。这主要与长三角地区立足大气污染防治， 积极调整电力结构， 以电能替代散烧煤和燃油， 不断提高电能占终端能源消费比重， 降低能源结构中煤炭所占比重有关。对外开放 （open） 系数为负， 说明外商直接投资会在一定程度上改善雾霾污染。外资投入和国际贸易的增加一方面可能会增加环境治理投资， 因而减少当地雾霾污染；另一方面， 跨国公司的技术较先进， 管理经验丰富， 在环境规制上更倾向于执行来源国的标准， 通过“示范效应”和“溢出效应”提升了当地环保技术水平， 从而减少资源消耗和污染排放， 改善环境质量， 即形成了“污染光环”.气象因素 （rain） 系数为负， 表明降水量对雾霾污染有一定影响， 降水对空气中的污染物具有冲刷作用， 从而改善空气质量， 这与Yoo （2014） 等人的研究结论一致。
采用两种空间计量模型对长三角26个核心城市经济集聚与雾霾污染的关系进行实证研究， 以地理空间为载体， 分析影响雾霾污染的多维因素协同作用， 结果显示空间滞后模型 （SLM） 优于空间误差模型 （SEM） , 雾霾污染具有显着的空间溢出效应， 邻近城市雾霾污染会影响本地区空气质量。同时SLM模型估计结果表明大部分变量均通过显着性检验并且符合实际。经济集聚通过传导效应对本地区雾霾污染产生较强的抑制作用；优化能源消费结构与提高对外开放水平同样会降低雾霾污染， 而绿化水平目前对改善空气质量影响不大；控制变量中人口密度对雾霾污染影响系数绝对值最大， 并且为正， 说明人口集聚是导致雾霾污染的首要因素， 此外， 研发投入的增加、以工业为主的产业结构、工业烟粉尘的排放以及城市建设进程的发展均对雾霾污染有促进作用。
4 结论与建议
4.1 结论
对Ciccone等[12]的产出密度模型进行扩展， 构建了经济集聚与雾霾污染关系的理论模型， 选取长三角26个核心城市2015~2017年相关数据， 采用空间插值和探索性数据分析刻画了雾霾污染的时空分布特征以及空间相关性， 运用空间计量方法对理论模型进行实证分析。研究表明： （1） 雾霾污染确实存在季节性变化特征并且近年来各地区雾霾污染状况逐渐好转。 （2） 雾霾污染具有显着的局域集聚特征和空间异质性， 杭州、宁波和台州呈现显着的低-低集聚特征， 而滁州、扬州、镇江和泰州为高-高集聚， 污染区域主要集中于省界处， 污染程度自长三角西北向东南逐渐降低。 （3） 城际雾霾污染存在空间正相关性和空间溢出效应， 周边地区的雾霾污染强度的增加会加剧本地区雾霾污染。 （4） 人口集聚、研发投入、产业结构、工业烟粉尘排放以及城市建设均对雾霾污染产生正向影响；对外开放、能源消耗以及降水等因素对雾霾污染产生负向影响；雾霾污染与经济增长之间并不存在库兹涅茨曲线关系。经济集聚通过优化生产要素的空间分布与组合、共享治污基础设施等途径产生传导效应， 从而能够有效抑制雾霾污染。
4.2 建议
（1） 根据雾霾污染影响因素传导效应， 从末端治理转变为源头防控。雾霾污染问题不仅仅需要治理， 更重要的是从污染源加以控制。研究表明人口集聚、研发投入、产业结构、工业烟粉尘排放以及城市建设等是导致雾霾污染的主要原因， 而对外开放水平和能源消费结构对雾霾污染有负向影响。针对该结论建议如下：一是在城市规划中适度控制大城市人口规模， 积极培育中小城镇， 加强基础服务设施建设， 提升城市环境承载力；二是合理配置研发投入， 加强对治污技术的研究， 自主研发推广绿色环保的生产技术， 提升清洁生产水平， 减少污染排放；三是促进产业结构调整升级， 引导粗放低效的高污染产业向知识密集型、资本密集型产业转型， 大力发展节能环保产业等战略性新兴产业；四是推动绿色节能建筑建设， 实行住宅产业化， 从而最大限度的降低工地施工所产生的扬尘；五是降低能源结构中煤炭所占比重， 推广清洁型能源使用， 可以从源头上减少污染排放。
（2） 根据雾霾污染空间相关性， 出台区域联防联控政策。雾霾污染存在显着的空间溢出效应， 表明各地区“独善其身”的治霾方式并不能长期有效地解决区域间的雾霾污染问题， 联合治理势在必行。雾霾污染的主要来源在于经济活动。因此， 区域联合防治应从协同经济发展着手， 同时辅以必要的政策管理手段。一是根据不同城市的发展水平和资源禀赋， 协调地区间的产业结构， 打破行业壁垒， 充分发挥各地区的分工合作效应；二是将环境保护纳入到区域发展规划中， 建立经济和环境协调发展的共同行动纲领， 如打造排污交易市场， 通过市场对污染的排放权进行有效配置， 实现污染的内部化， 以达到限制污染排放的目的。同时， 由于区域间污染产业的转移会影响雾霾污染和经济活动的空间格局， 雾霾污染的跨界转移会对临近地区产生不利影响， 需构建相应的生态补偿机制， 通过核算生态环境的经济价值， 由污染排放地区给予生态补偿， 二者共同承担生产过程中的治污成本。
参考文献
[1] CHEN Y, EBENSTEIN A, GREENSTONE M, et al. Evidence on the impact of sustained exposure to air pollution on life expectancy from China's Huai River policy[J]. Proceedings of the National Academy of Sciences of the United States of America, 2013, 110 （32） :12936-12941.
[2] LAMICHHANE D K, KIM H C, CHOI C M, et al. Lung cancer risk and residential exposure to air pollution:A Korean populationbased case-control study[J]. Yonsei Medical Journal, 2017, 58 （6） :1111-1118.
[3]赵晨曦， 王云琦， 王玉杰， 等。北京地区冬春PM2. 5和PM10水平时空分布及其与气象条件的关系[J].环境科学， 2014, 35 （2） :418-427.ZHAO C X, WANG Y Q, WANG Y J, et al. Spatial and temporal distribution of PM2. 5and PM10in winter and spring in Beijing and their relationship with meteorological conditions[J].Environmental Science, 2014, 35 （2） :418-427.
[4]刘婉琪， 任毅， 丁黄艳。长江经济带雾霾污染的空间特征及影响因素研究[J].资源与环境， 2017, 33 （10） :1220-1226.LIU W Q, REN Y, DING H Y. Spatial characteristics and influencing factors of haze pollution in the Yangtze River Economic Belt[J]. Resources and Environment, 2017, 33 （10） :1220-1226.
[5]毛婉柳， 徐建华， 卢德彬， 等。 2015年长三角地区城市PM2. 5时空格局及影响因素分析[J].长江流域资源与环境， 2017, 26 （2） :264-272.MAO W L, XU J H, LU D B, et al. Analysis of spatial and temporal patterns and influencing factors of PM2. 5in the Yangtze River Delta Region in 2015[J]. Resources and Environment in the Yangtze Basin, 2017, 26 （2） :264-272.
[6]张生玲， 王雨涵， 李跃， 等。中国雾霾空间分布特征及影响因素分析[J].中国人口·资源与环境， 2017, 27 （9） :15-22.ZHANG S L, WANG Y H, LI Y, et al. Analysis on spatial distribution characteristics and influencing factors of fog and haze in China[J]. China Population, Resources and Environment, 2017, 27 （9） :15-22.
[7] CAI W J, LI K, LIAO H, et al. Weather conditions conducive to Beijing severe haze more frequent under climate change[J].Nature Climate Change, 2017, （7） :257! 262.
[8] ZOU Y F, WANG Y H, ZHANG Y Z, et al. Arctic sea ice, Eurasia snow, and extreme winter haze in China[J]. Science Advances, 2017, 3 （3） :e1602751.
[9]郭春颖， 施润和， 周云云， 等。基于遥感与地理探测器的长江三角洲空气污染风险因子分析[J].长江流域资源与环境， 2017, 26 （11） :1805-1814.GUO C Y, SHI R H, ZHOU Y Y, et al. Analysis of air pollution risk factors in the Yangtze River Delta based on remote sensing and geographical detectors[J]. Resources and Environment in the Yangtze Basin, 2017, 26 （11） :1805-1814.
[10]马丽梅， 张晓。中国雾霾污染的空间效应及经济、能源结构影响[J].中国工业经济， 2014, 313 （4） :19-31.MA L M, ZHANG X. The spatial effect of haze pollution in China and the impact of economic and energy structure[J].China Industrial Economics, 2014, 313 （4） :19-31.
[11]严雅雪， 齐绍洲。外商直接投资对中国城市雾霾 （PM2. 5） 污染的时空效应检验[J].中国人口·资源与环境， 2017, 27 （4） :68-77.YAN Y X, QI S J. The temporal and spatial effects of foreign direct investment on the haze pollution （PM2. 5） of Chinese cities[J]. China Population, Resources and Environment, 2017, 27 （4） :68-77.
[12] CICCONE A, HALL R. Productivity and the density of economic activity[J]. American Economic Review, 1996, 86 （1） :54-70.
[13] GROSSMAN G M, KRUEGER A B. Economic growth and the environment[J]. The Quarterly Journal of Economics, 1995, 110 （2） :353-378.
[14] KRUGMAN P. Increasing returns and economic geography[J].Journal of Political Economy, 1991, 99 （3） :483-499.
[15]刘晨跃， 尚远红。雾霾污染程度的经济社会影响因素及其时空差异分析[J].经济与管理评论， 2017, （1） :75-82.LIU C Y, SHANG Y H. Analysis of economic and social influencing factors of haze pollution degree and its spatio-temporal difference[J]. Review of Economy and Management, 2017, （1） :75-82.
[16]陈安宁。空间计量学入门与GeoDa软件应用[M].浙江：浙江大学出版社， 2014.CHEN A N. Introduction to spatial metrology and application of GeoDa[M]. Zhejiang:Zhejiang University Press, 2014.