删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

高速铁路和城市蔓延对雾霾污染的异质性影响

本站小编 Free考研考试/2021-12-29
范建双,1,2, 周琳1,2, 虞晓芬1,21.浙江工业大学管理学院,杭州 310023
2.浙江工业大学中国住房和房地产研究院,杭州 310023

The heterogeneity effect of high-speed railway and urban sprawl on haze pollution

FAN Jianshuang,1,2, ZHOU Lin1,2, YU Xiaofen1,21. School of Management, Zhejiang University of Technology, Hangzhou 310023, China
2. China Academy of Housing & Real Estate, Zhejiang University of Technology, Hangzhou 310023, China

收稿日期:2020-03-9接受日期:2020-06-10网络出版日期:2021-04-10
基金资助:国家自然科学基金项目.71774142
教育部人文社科项目.17YJAZH022
教育部哲学社会科学研究重大课题攻关项目.18JZD033
浙江省自然科学基金重点项目.LZ20G030002
浙江省属高校基本科研业务费专项资金.GB201901002


Received:2020-03-9Accepted:2020-06-10Online:2021-04-10
作者简介 About authors
范建双（1980-）,男,辽宁盖州人,博士,教授,博士生导师,主要研究方向为房价、土地利用政策与碳排放。E-mail: fjshmy@zjut.edu.cn





摘要
为了探寻高铁开通能否抑制雾霾污染以及这种抑制作用在不同城市空间形态下是否存在异质性,本文首先分析了高铁和城市蔓延对雾霾污染的作用机制,在利用LandScan数据测算2003—2016年中国281个地级市城市蔓延指标的基础上,采用动态空间面板模型检验了城市蔓延与雾霾污染的空间动态关系。借助双重差分（DID）模型验证了高铁开通对雾霾污染的影响,并探究了不同城市蔓延程度、不同城市规模和不同地区间是否存在异质性影响。最后从拥堵缓解效应和交通替代效应两个维度检验了高铁开通对抑制雾霾污染的作用机制。研究发现：① 城市蔓延对雾霾污染的直接影响和空间溢出效应均显著为正。② 高铁开通显著抑制了雾霾污染,且该抑制作用具有持续性。每增设一个高铁站或一条高铁路线,将分别降低雾霾污染程度0.7%和1.3%。③ 蔓延水平越高、规模越大的城市,高铁对雾霾污染的抑制作用越强;南方地区的抑制作用显著高于北方。④ 高铁通过对公共交通和民航交通的替代效应以及拥堵缓解效应抑制雾霾污染。
关键词： 高速铁路;城市蔓延;雾霾污染;拥堵缓解效应;交通替代效应

Abstract
In order to find out whether high-speed rail operation can inhibit haze pollution and whether this inhibition shows certain heterogeneity under different urban spatial patterns and population density, this paper first analyzes the mechanism of high-speed rail opening and urban sprawl on haze pollution. We calculate the urban sprawl indicators of 281 prefecture-level cities in China from 2003 to 2016 by using the LandScan data, and then use the dynamic spatial panel model to verify the spatial dynamic relationship between urban sprawl and haze pollution. Second, this paper uses the Difference-In-Difference (DID) model to verify the impact of high-speed rail opening on haze pollution, and further explores the heterogeneous effect of urban high-speed rail on haze pollution between cities with high and low urban sprawl levels, cities with large and small population sizes, and cities belong to the south and north regions. In order to ensure the reliability of the empirical results, this paper conducts a parallel trend test and a placebo test, and further uses the Propensity Score Matching-DID (PSM-DID) method to test the robustness. Finally, this paper analyzes the mechanism of high-speed rail on haze pollution from the perspective of congestion mitigation effect and transport substitution effect. The results suggest that: (1) The direct effect and the spatial spillover effect of urban sprawl on haze pollution are both significantly positive. (2) The opening of high-speed rail significantly inhibits haze pollution. The inhibition effect of high-speed rail opening on haze pollution is increasing year by year, especially in the first two years after the high-speed rail is opened. Each new high-speed rail station or new high-speed railway line will reduce the haze pollution level by about 0.7% and 1.3% respectively, and the marginal effect has an increasing trend. (3) The impact of high-speed rail opening on haze pollution is heterogeneous. Among them, the higher the urban sprawl level and the larger the city size, the more significant the inhibition effect of high-speed rail on haze pollution. The inhibition effect of haze pollution by high-speed rail in the southern region is more obvious than that in the northern region. (4) High-speed rail can significantly alleviate road traffic congestion. The substitution effects of high-speed rail on highway public transportation and civil aviation transportation are both significant.
Keywords：high-speed rail;urban sprawl;haze pollution;congestion mitigation effect;transport substitution effect


PDF (1657KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex收藏本文
本文引用格式
范建双, 周琳, 虞晓芬. 高速铁路和城市蔓延对雾霾污染的异质性影响. 地理研究[J], 2021, 40(4): 1146-1164 doi:10.11821/dlyj020200178
FAN Jianshuang, ZHOU Lin, YU Xiaofen. The heterogeneity effect of high-speed railway and urban sprawl on haze pollution. Geographical Research[J], 2021, 40(4): 1146-1164 doi:10.11821/dlyj020200178


1 引言

改革开放40年,中国经济取得了令世人瞩目的成绩。然而多年来的粗放式生产和城镇化的蔓延式发展也产生了一系列负面效应,如资源的低效利用、环境污染等。特别是2013年中国遭遇了有史以来最严重的雾霾天气,“雾霾”成为年度关键词,强烈的空气污染持续席卷全国各地。这引起了学界和中国政府的极大关注。雾霾污染不仅降低大气可见度,还会危害人类健康[1],阻碍经济发展[2,3,4]。准确识别雾霾污染形成的根源是治理雾霾的关键。目前蔓延式的城镇化进程使得居民交通出行对机动车和民航客机的依赖性不断提高,加剧了汽车尾气和民航客机起飞过程中大气污染物的排放。据北京统计部门测算,汽车尾气占PM2.5污染源的20%[5]。而使用高硫燃油的民航客机一次性起飞过程中所排放的PM2.5相当于一辆国Ⅳ标准汽油车行驶7294 km[6]。因此,快速的城镇化进程和城市蔓延被认为是加剧雾霾污染的重要原因[7,8]。相对于蔓延式发展,精明增长的城市发展战略和单中心城市结构能够通过提高城市密度来改变居民的出行方式,增加公共交通的分担率,降低私家车的使用率,进而减少PM2.5排放[9,10,11]。然而,城市密度的增加又会带来交通拥堵问题,从而一定程度上加剧空气污染[12,13,14]。为了缓解城市内部的交通拥堵,地方政府不断重视轨道交通建设,这一定程度上降低了城市内部的空气污染[5,15]。然而,一个容易被忽视的问题是,相对于轨道交通等城市内部交通基础设施,高铁作为一种区域间交通基础设施同样具有降低雾霾污染的作用[16,17,18]。

高铁的大规模建设成为了城市间交流和运输的重要纽带。2008年以来,中国高铁的发展极其迅速,其营运里程已超过2.9万km,占据了全球60%以上的份额[19]。与汽车和飞机相比,高铁的能耗最低,是最环保的交通运输工具。考虑到高铁具有高速度和高密度的双高优势,****们普遍认为高铁能够加速生产要素的跨区域流动、降低运输成本和实现资源优化配置,并将高铁开通抑制环境污染的途径归纳为“规模效应”“技术效应”和“结构效应”[17,18]。除了上述机制,高铁加强了城市之间交通出行的便利性和快捷性,改变居民的交通出行方式,对机动车和民航交通产生替代作用,缓解路面交通和民航交通的拥堵,抑制雾霾污染。然而还鲜有文献对上述机制进行探讨。为此,本文将利用中国城市高铁开通这一自然实验,系统检验城市蔓延和高铁开通对雾霾污染的影响,并进一步考察这种影响在不同蔓延程度、不同规模和南北方城市间是否存在异质性。同时,本文还从拥堵缓解效应和交通替代效应的视角检验了高铁抑制雾霾污染的作用机制。为了解决内生性问题,本文采用了倾向性匹配和双重差分方法,分别选取开通高铁和未开通高铁的城市作为实验组和控制组进行识别。

本文可能的边际贡献主要有：① 为相关领域文献提供了新的视角。尽管****们开始关注城市蔓延和高铁开通对雾霾污染的影响,但都仅限于城市蔓延或者高铁开通的单一角度,还鲜有文献将城市蔓延和高铁同时纳入雾霾污染的研究体系中,忽视了高铁开通与城市蔓延交互作用对雾霾污染的异质性影响。② 实证研究思路创新。不同于现有文献仅采用普通面板数据模型进行实证测度,由于城市蔓延对雾霾污染的影响存在空间溢出效应和时间连续性特点,本文采用动态空间面板数据模型来实证检验城市蔓延对雾霾污染的动态变化和空间溢出效应。③ 为解决高铁开通研究的内生性问题提供了好的识别策略。即采用倾向性匹配的双重差分方法来进行稳健性检验,并引入时间虚拟变量来识别高铁开通对雾霾污染影响的动态边际效应。同时,不同于现有研究仅采用是否开通高铁来检验高铁的减霾效应,还采用城市高铁站点数量和高铁线路数量来进一步进行稳健性检验。④ 本文通过理论机制分析和机制检验系统分析了高铁开通对于抑制雾霾污染的作用路径和方向。

2 文献综述与研究假设

2.1 城市蔓延与雾霾污染

目前中国城镇化进程中普遍存在城市空间无序蔓延的现象。城市蔓延是指由于市场或政策失灵导致人口和土地要素在空间上的失衡错配所形成的人口空间分布的无序化和分散化状态。城市蔓延对雾霾污染的影响主要表现为：① 影响城市居民日常出行的交通方式。城市蔓延导致人口的空间分散化和职住分离。由于中心城区土地面积有限且房价较高,因此很多在中心城区工作的居民会选择位置相对较偏、价格相对较低的郊区居住,造成了居住地和工作地之间的空间错配。在职住分离的生活模式下,由于通勤距离和通勤时间的增加,居民出行对机动车的依赖性愈发强烈。尽管近年来汽车发动机已经变得更加清洁,但车辆行驶里程数的增加和私家车数量不断增长引起了交通拥堵和汽车尾气排放量的增加,从而加剧雾霾污染[20,21]。② 改变土地利用结构。城市蔓延过程中,城市边缘大量的农业用地转为建设用地。因此,城市蔓延对农用地产生了挤出效应,导致农用地比重不断降低。城市绿地面积的减少会弱化生态环境的净化能力,增强了城市热岛效应,从而加剧雾霾污染[22]。③ 改变产业结构。大量农用地转为建设用地意味着第一产业的土地和资本投入减少而第二、第三产业投入增加。第二、第三产业的污染排放会显著高于第一产业。这种产业结构的变化同样会加剧雾霾污染。④ 城市蔓延对雾霾污染的影响在空间上存在溢出效应。雾霾污染不是单纯的局部环境问题,在很大程度上能够通过大气环流等途径扩散和转移到相邻地区,因此存在空间溢出效应[23,24]。同时,城市蔓延过程在空间上也存在相互关系,相邻地区的城市空间形态也会影响本地区的城市发展[25,26,27]。因此,城市内部的雾霾污染会受到相邻地区城市蔓延的影响。综上,本文提出假说1。

假说1：城市蔓延对雾霾污染存在显著正向直接影响和空间溢出效应。

2.2 高铁开通与雾霾污染

高铁开通对雾霾污染的抑制作用主要表现为：① 交通替代效应。在高铁开通之前,中国城市居民的跨地区交通出行更多依赖机动车和飞机。高铁开通打破了居民出行对机动车和飞机的依赖,对二者产生了替代效应[28]。城市轨道交通是对城市内部道路交通产生替代效应,而高铁是对城市间的路面交通和民航交通同时产生替代效应。并且高铁开通对民航交通的替代效应要高于其对路面交通的替代效应[16]。高铁运行速度越快,替代作用越强[29]。高铁作为一种绿色交通工具,居民高铁出行的增加不会增加污染物排放。同时高铁的交通替代效应使得机动车和民航交通出行的数量和班次相应的减少,这会显著降低机动车尾气排放和飞机飞行全过程的大气污染物排放,从而抑制雾霾污染。② 拥堵缓解效应。机动车出行的减少会缓解路面的交通拥堵,降低由于路面交通拥堵而增加的汽车尾气排放,从而降低雾霾污染;民航交通出行班次的减少会降低航班起飞和降落过程中的拥堵,减少由于拥堵所增加的大气污染物排放,从而缓解雾霾污染（图1）。并且城市高铁站点和线路数量越多,居民跨地区出行越便利,居民选择高铁出行的可能性越大,其交通替代效应和拥堵缓解效应越显著,对雾霾污染的抑制作用越强。据此,本文提出研究假说2。

图1

新窗口打开|下载原图ZIP|生成PPT
图1高铁开通和城市蔓延对雾霾污染的影响机理

Fig. 1Impact mechanism of high-speed rail opening and urban sprawl on haze pollution



假说2：高铁开通能够有效抑制雾霾污染,其主要途径是通过替代路面交通和民航交通出行方式所产生的交通替代效应和拥堵缓解效应。并且高铁站点和线路数量越多,其对雾霾污染的抑制作用更强。

高铁开通存在正外部性,能够有效降低雾霾污染。但是中国城市间差异较大,不同规模和经济发展水平下高铁开通的正外部性可能存在差异。高铁开通无疑改善了城市的可达性,极大降低了居民日常出行的时间和成本,可有效缓解因城市蔓延增加的出行时间和成本。蔓延水平的提高会增加通勤距离和居民出行对机动车的依赖性,从而加剧交通拥堵[30]。因此蔓延水平越高的城市,居民高铁出行能够节约的时间和成本越多,高铁对路面交通的替代效应和拥堵缓解效应越显著,对雾霾污染的抑制作用越强。同时,由于高铁的载客容量要远高于机动车和飞机,高铁乘坐率的提高可以增加城市高铁站点数量、高铁线路数量和高铁发车频率,从而进一步提高乘坐率[5]。即高铁开通存在规模效应。人口规模越大的城市,居民交通出行的需求越大,高铁的乘坐率越高,高铁开通对路面交通和民航交通的替代效应越强,对雾霾的减排效应越显著。为此,提出研究假说3和假说4。

假说3：城市蔓延水平越高,高铁开通对雾霾污染的抑制作用越强。

假说4：城市规模越大,高铁开通对雾霾污染的抑制作用越强。

3 实证策略与数据说明

3.1 实证策略

任何地理要素在空间上都有一定的关联性[24,31]。考虑到雾霾污染在空间上具有扩散和转移效应[31],且在时间上具有一定持续性[12]。因此,本文引入包含空间滞后项、时间滞后项和时空滞后项的动态空间面板数据模型来分析城市蔓延对雾霾污染的影响。动态空间面板模型相比于静态空间面板模型具有以下优势：一是不仅考虑了雾霾污染在空间上的溢出效应,同时还考虑了雾霾污染在空间上的动态效应;二是考虑动态效应后可以有效避免模型中存在的内生性问题。因此,本文设定如下动态空间面板模型① (①动态空间面板数据模型包括动态空间自相关模型（SAR）和动态空间杜宾模型（SDM）等。关于最优动态空间面板数据模型的选择,一般通过LM检验、R-LM检验、LR检验、Wald检验等进行。本文经过上述一系列检验,表明动态空间杜宾模型（SDM）为最优。限于篇幅,本文未列出详细的模型选择过程。)：

lnSPit=ρ∑j=1nwijlnSPjt+σlnSPi,t-1+τ∑j=1nwijlnSPj,t-1+αUSit+λZit+β∑j=1nwijUSjt+γ∑j=1nwijZjt+vi+ut+εit
式中：i和j代表地区;t代表时间;SP是雾霾污染程度;US是城市蔓延水平;Z表示其他对雾霾污染有影响的控制变量集合;vi表示个体固定效应;ut表示时间固定效应;εit表示随机干扰项;wij表示空间权重矩阵,wij=1/dij2;dij表示两个城市之间的距离,实证过程中将所得的矩阵进行标准化处理。

为了检验高铁开通能否有效降低雾霾污染,本文将是否开通高铁作为一个准自然实验进行研究。考虑到每个城市高铁开通时间有先后顺序,本文构建了连续时间双重差分（DID）模型如下：

lnSPit=α0+β1Hsrit×Timeit+λZit+vi+ut+εit
式中：Hsrit是虚拟变量,表示城市i是否属于实验组。如果城市i在2003—2016年内开通了高铁则为实验组,其值取1;否则为控制组,其值取0。Timeit是时间虚拟变量,如果城市i在t年开通了高铁,则从t年到2016年取值均为1,否则为0。由于每个城市开通高铁的时间有先后,无法定义相同事件发生的时间,因此在式（2）的模型中,不再控制Hsrit和Timeit的虚拟变量。

3.2 变量与数据说明

3.2.1 被解释变量 被解释变量为雾霾污染,用PM2.5浓度来衡量。采用哥伦比亚大学社会经济数据和应用中心提供的2003—2016年全球PM2.5地表年均浓度栅格数据进行分析②(②社会经济数据和应用中心（SEDAC）：http://sedac.ciesin.columbia.edu/。)。利用ArcGIS 10.5软件,结合2010年的行政区划数据进行城市范围提取。根据提取的城市范围内的栅格数据计算该城市PM2.5年平均浓度。最终得到全国281个地级市的PM2.5年平均浓度数据,从而实现从市级层面对中国雾霾污染进行全面考察。

3.2.2 核心解释变量 核心解释变量分别是高铁开通和城市蔓延。① 高铁开通。借鉴宣烨等的度量方法[32],采用城市是否开通了高铁的虚拟变量来衡量,包括政策虚拟变量Hsrit③(③若该城市在1—6月开通高铁,则视为当年开通;若在7—12月开通高铁,则视为下一年开通。)、时间虚拟变量Timeit、政策虚拟变量与时间虚拟变量的交互项Hsrit ×Timeit（Hsrit ×Timeit=1表示城市i在t年份开通了高铁,反之则相反）。此外,本文将采用高铁开通的站点数量（Station）和高铁开通的线路数量（Route）替代政策虚拟变量Hsrit,进一步研究高铁站点和线路数量对雾霾污染的边际影响,并以此检验实证结果的稳健性。相关数据来源于中国研究数据服务平台（https://www.cnrds.com/）。② 城市蔓延。借鉴秦蒙等的研究[7],本文通过如下公式计算城市蔓延水平：

USit=USPit×USSit=(LPit%-HPit%)+12×(LSit%-HSit%)+12
式中：US代表城市蔓延水平,其取值0~1,US值接近0,表示城市蔓延水平较低,其值接近1,则表示城市蔓延水平较高;LP%和HP%分别表示城市内人口密度低于或高于全国平均值区域的人口占比。LS%和HS%分别表示城市内人口密度低于或高于全国平均值区域的面积占比。相关数据来源于LandScan全球人口动态分析数据（http://web.ornl.gov/sci/landscan/）。采用固定年份2010年的行政区划数据,将人口密度值2000人/km2作为提取的城市空间格局的阈值,利用ArcGIS 10.5提取了各城市相应年份的人口数据和面积数据。关于街区高低密度的判断,采用2002年全国城市平均人口密度值。该方法避免了人为设定的主观性,并且采用固定年份的平均值作为标准,使得各地区各年份之间的数据更具可比性。

此外,本文还考察了高铁开通对交通拥堵的影响。其中交通拥堵延时指数数据来源于Wind数据库。本文进一步考察了高铁开通对路面交通和民航交通的替代效应。其中公路公共交通客运量、民用车拥有量和私家车拥有量数据来源于CEIC数据库（https://www.ceicdata.com/zh-hans）,民航的旅客吞吐量、货邮吞吐量和起降架次数据来源于《中国民航统计年鉴》和《从统计看民航》各年。

3.2.3 控制变量 结合前文分析和已有研究,选择如下变量作为控制变量,以减少遗漏变量导致的模型估计偏差。① 经济发展水平。采用实际人均GDP（以2003年为基期）来衡量。根据已有研究发现,一个城市的环境变量与自身经济发展存在非线性关系[23]。因此,本文进一步在模型中引入人均GDP的二次项和三次项,以考察城市经济发展与雾霾污染的非线性关系。② 房地产投资规模。采用固定资产投资额中房地产投资额所占的比重来衡量。③ 政府财政支出。采用地方政府财政支出与GDP的比值来衡量。④ 城市内部交通基础设施建设。城市内部交通基础设施被认为是改善空气质量的重要手段。有****采用城市道路投资完成额和城市道路面积来反映城市内部交通基础设施情况,认为前者反映了城市对于改善交通基础设施的投入力度,后者反映城市交通基础设施建设的产出[15]。本文采用人均道路铺装面积来衡量。⑤ 工业化发展水平。采用GDP中第二产业产值所占比重来衡量。⑥ 服务业发展水平。采用GDP中第三产业产值所占比重来衡量。⑦ 居民收入水平。采用实际职工平均工资（以2003年为基期）来衡量居民收入水平。以上数据来源于CEIC数据库和《中国城市统计年鉴》（2004—2017年）。文中人均GDP和职工平均工资分别采用城市所在省份的GDP价格指数和CPI指数进行平减,价格指数来源于《中国统计年鉴》（2004—2017年）。表1是变量的描述性统计。

Tab. 1
表1
表1变量的描述性统计
Tab. 1Descriptive statistics of variables
变量名称变量缩写观测值均值标准差最小值最大值
雾霾污染lnSP39343.4890.4962.0054.333
城市蔓延US39340.4780.0530.3140.558
是否开通高铁Hsr39340.6160.4870.0001.000
高铁站点数量Station39340.5321.5120.00018.000
高铁路线数量Route39340.2630.6790.0007.000
经济发展水平lnPgdp393410.2820.8058.32512.081
房地产投资规模Real39340.1430.0890.0190.461
政府财政支出Gov39340.0630.0390.0100.206
城市内部交通基础设施建设lnProad39342.1510.6100.4323.604
工业化发展水平Inst39340.4870.1090.2100.793
服务业发展水平Serv39340.3680.0850.1680.652
居民收入水平lnAwage393410.1100.4479.10111.004

新窗口打开|下载CSV

4 结果分析

4.1 城市蔓延与雾霾污染

在进行动态空间面板模型检验之前,首先对雾霾污染指标和城市蔓延指标进行了空间自相关检验,以验证雾霾污染和城市蔓延的“扩散”特征。如图2所示,2003—2016年中国地级市雾霾污染和城市蔓延的全局Moran's I指数均为正,且均在1%显著性水平下显著。相比较而言,雾霾污染的空间相关性更强。这说明各地级市雾霾污染和城市蔓延的空间分布并非完全独立,各地级市之间雾霾污染和城市蔓延均存在显著的正向溢出效应,相邻地级市雾霾污染的增加会加剧本地的雾霾污染,同时,相邻地级市城市蔓延程度的增加会加剧本地的城市蔓延。因此,在实证中考虑城市蔓延和雾霾污染影响的空间效应是必要的。

图2

新窗口打开|下载原图ZIP|生成PPT
图22003—2016年城市蔓延和雾霾污染空间分布的全局Moran's I指数

注：2003—2016年城市蔓延和雾霾污染的Moran's I指数均在1%显著性水平下显著。
Fig. 2Global Moran's I index of spatial distribution of urban sprawl and haze pollution from 2003 to 2016



由于雾霾污染在空间和时间上存在溢出效应,本文将空间滞后项、时间滞后项和时空滞后项纳入城市蔓延对雾霾污染影响的模型中,以检验城市蔓延与雾霾污染之间的空间动态关系。为了便于比较,本文建立了三类动态空间杜宾模型（表2）。其中,模型（1）只包含了空间滞后项和时间滞后项;模型（2）只包含了空间滞后项和时空滞后项;模型（3）包含了空间滞后项、时间滞后项和时空滞后项。从表2不难看出,无论采用何种动态空间杜宾模型,其核心解释变量的回归结果均保持一致,说明结果是稳健的。比较Log-likelihood值和R2,模型（3）为最优。因此,后文的实证分析均基于模型（3）进行。模型（3）中雾霾污染的空间自相关系数（W*lnSP）显著为正,说明中国城市雾霾污染存在正向空间溢出效应,相邻城市雾霾污染程度的上升会加剧本地雾霾污染,表现出“一荣俱荣,一损俱损”的空间特征[24]。相邻城市PM2.5浓度每增加1%,本地区PM2.5浓度会提高约1.38%。表明雾霾污染的“扩散”效应明显,各级地方政府必须采取联防联动措施,而不是各自为政。从时间维度看,雾霾污染的时间滞后项系数（lag_lnSP）为0.134,且在1%显著性水平下显著,说明城市内部上一期的雾霾污染会持续影响到本地区下一期的雾霾污染水平,雾霾污染在时间上表现出路径依赖特征和“滚雪球效应”。从时空维度看,雾霾污染的时空滞后项系数（W*lag_lnSP）为0.485,也在1%显著性水平下显著,且W*lag_lnSP系数是lag_lnSP系数的3倍多,表明相邻城市的上一期雾霾污染对本地区雾霾污染的影响大于本地区上一期雾霾污染的影响。综合来看,雾霾污染在时空上具有相关性和延续性。可见雾霾污染治理是一项艰巨的任务,需各级政府进行跨区域的协同治理,且刻不容缓。

Tab. 2
表2
表2城市蔓延与雾霾污染的空间关系
Tab. 2Spatial relationship between urban sprawl and haze pollution
变量模型（1）
SDM（包含时间滞后项）		模型（2）
SDM（包含时空滞后项）		模型（3）
SDM（包含时间滞后项和时空滞后项）
W*lnSP1.404***(143.79)1.492***(156.87)1.380***(146.65)
lag_lnSP0.315***(31.37)0.134***(5.80)
W*lag_lnSP0.642***(53.16)0.485***(16.36)
US0.390***(3.65)0.558***(4.97)0.496***(4.82)
lnPgdp10.564***(16.61)10.928***(16.22)10.985***(18.02)
(lnPgdp)^2-1.026***(-16.59)-1.062***(-16.22)-1.068***(-17.98)
(lnPgdp)^30.033***(16.43)0.034***(16.08)0.034***(17.80)
Real0.007(0.812)-0.007(-0.22)-0.001(-0.03)
Gov-0.113(-1.10)-0.139(-1.30)-0.136(-1.36)
lnProad0.006(1.35)0.009*(1.77)0.008*(1.84)
Indu0.058(0.77)0.028(0.35)0.037(0.50)
Serv0.213**(2.28)0.159(1.63)0.183**(2.01)
lnAwage0.065***(5.84)0.064***(5.63)0.064***(5.80)
W*US2.662***(16.44)3.465***(20.59)3.100***(19.36)
W*lnPgdp130.302***(86.65)134.166***(85.36)134.884***(93.52)
W*(lnPgdp)^2-12.703***(-86.90)-13.103***(-85.76)-13.161***(-93.90)
W*(lnPgdp)^30.410***(86.54)0.424***(85.60)0.426***(93.60)
W*Real0.089(1.35)0.084(1.23)0.067(1.04)
W*Gov1.074***(4.08)1.513***(5.62)1.292***(4.91)
W*lnProad0.093***(5.70)0.100***(5.89)0.108***(6.82)
W*Indu-1.347***(-7.24)-1.419***(-7.34)-1.500***(-8.22)
W*Serv-1.500***(-8.06)-1.595***(-8.27)-1.659***(-9.05)
W*lnAwage0.042*(1.65)0.015(0.56)0.022(0.85)
Sigma2_e0.002***(11.83)0.002***(10.59)0.002***(12.06)
R20.0030.0060.006
LogL--10860.000-8625.4831
样本数365336533653
注：括号内为z值;***、**、*分别表示1%、5%和10%显著性水平下显著。

新窗口打开|下载CSV

城市蔓延（US）的回归系数显著为正,说明城市蔓延加剧了雾霾污染。这验证了假说1,也验证了秦蒙等的研究发现[7]。即城市空间的蔓延式发展导致了居民机动车出行时间和距离的增加、农地非农化规模增加、土地利用结构和产业结构发生改变,从而加剧了雾霾污染。空间滞后项系数（W*US）也显著为正,表明城市蔓延对雾霾污染产生显著正向空间溢出效应,相邻城市蔓延水平的提高会加剧本地区的雾霾污染,从而为假说1提供了证据。

考虑到城市经济发展与雾霾污染之间可能存在非线性关系,本文引入了人均GDP的二次项和三次项。基于模型（3）的回归结果,人均GDP的一次项、二次项和三次项的直接影响和空间影响的回归系数均显著,且三次项的回归系数显著为正,说明城市经济发展水平对雾霾污染的直接影响和空间影响均存在“N型”关系,即雾霾污染随着城市经济发展呈现先增加后减少再增加的变化趋势。进一步根据人均GDP的一次项、二次项和三次项回归系数计算雾霾污染随经济增长变化的拐点,得到经济增长对雾霾污染直接影响的第一拐点为7996元,第二个拐点为155507元。就2016年各城市的经济数据数据来看,几乎所有城市的人均GDP均处于第一拐点右侧,第二拐点左侧。表明现阶段一味地追求GDP而忽视环境可持续的经济发展模式已不符合基本国情,城市发展已愈发重视绿色经济,正努力实现经济增长和环境友好的双赢局面。1998年中国平均经济发展水平超过第一拐点,当年第一、第二和第三产业生产总值占比约为18.4 ∶48.7 ∶32.9,消费、投资和净出口的生产总值占比约为63.3 ∶34.3 ∶2.4;至2017年,国内第一、第二和第三产业生产总值占比约为7.9 ∶40.5 ∶51.6,消费、投资和净出口的生产总值占比约为53.6:44.4:2.0④(④数据来源于各年度《中国统计年鉴》。);说明中国产业结构逐渐向第三产业转移,经济增长逐渐由消费驱动转向投资驱动,产业结构的优化和生产生活方式的转变意味着经济由粗放发展方式向绿色发展方式转变,有利于缓解雾霾污染。从空间影响效应来看,经济增长对雾霾污染影响的第一拐点为14548元,第二拐点为60540元,2016年所有地级市的人均GDP均超过第一拐点,其中有144个地级市处于第一拐点和第二拐点之间,这些城市经济增长对雾霾污染存在负向溢出效应,其余137个地级市处于第二拐点右侧,这些城市经济增长对雾霾污染存在正向溢出效应。

4.2 高速铁路开通与雾霾污染

4.2.1 双重差分方法 本文通过构建双重差分法（DID）模型来检验高铁开通是否降低了雾霾污染,实证结果如表3中模型（1）和模型（2）所示。不难看出,无论是否加入控制变量,Hsr*Time的回归系数均显著为负,说明高铁开通显著抑制了雾霾污染。在假定其他条件给定的情况下,开通高铁城市的雾霾污染程度比未开通高铁城市低2%。这一结果与已有研究[18]的结论非常接近,同时也验证了假说2。此外,本文将是否开通高铁变量替换成高铁站点和线路数量,以检验高铁开通对雾霾污染的边际影响,结果如表3中模型（3）和模型（4）所示。不难看出,城市每多建设一个高铁站,将降低雾霾污染程度约0.7%;城市每新增一条高铁线路,将降低雾霾污染程度约1.3%。这一结果进一步验证了假说2。

Tab. 3
表3
表3高铁开通对雾霾污染的影响
Tab. 3Impact of high-speed rail opening on haze pollution
变量模型（1）模型（2）模型（3）模型（4）
Hsr*Time-0.014**(-2.13)-0.020***(-2.95)
Station*Time-0.007***(-4.18)
Route*Time-0.013***(-3.44)
lnPgdp-1.889**(-2.42)-1.455*(-1.85)-1.554**(-1.97)
(lnPgdp)^20.170**(2.25)0.126(1.64)0.136*(1.78)
(lnPgdp)^3-0.005**(-2.13)-0.004(-1.49)-0.004(-1.64)
Real-0.003(-0.06)-0.001(-0.01)-0.001(-0.01)
Gov0.051(0.47)-0.042(-0.38)0.051(0.47)
lnProad0.007(1.06)0.008(1.07)0.007(1.05)
Indu-0.227***(-2.92)-0.226***(-2.91)-0.232***(-2.98)
Serv-0.218**(-2.34)-0.229**(-2.46)-0.236**(-2.54)
lnAwage0.001(0.07)0.003(0.21)0.001(0.04)
Constant3.432***(537.49)10.672***(3.96)9.256***(3.41)9.580***(3.52)
城市固定YESYESYESYES
年份固定YESYESYESYES
R20.2800.2880.2890.288
样本数3934393439343934
注：括号内为t值;***、**、*分别表示1%、5%和10%显著性水平下显著。

新窗口打开|下载CSV

4.2.2 平行趋势检验 为了保证以上双重差分回归结果的无偏性,首先对高铁开通城市和未开通城市的雾霾污染程度进行平行趋势检验。如果实验组和控制组在事件发生前存在时间趋势上的差异,则会质疑雾霾污染变化不是由高铁开通与否引起的,而是由于事前二者的系统性差异引起的。从图3可知,在高铁开通前,实验组和控制组的雾霾污染水平大致保持相同变动趋势,符合双重差分模型要求实验组和控制组的变化趋势上不存在系统性差异的前提[18]。高铁开通之后实验组的雾霾污染水平存在明显的下降趋势,而控制组在2008—2010年间出现了明显的递增趋势。可见,在高铁开通后,实验组和控制组的雾霾污染出现了不同的变动趋势。因此,可以认为2008年前后,实验组和控制组雾霾污染变化趋势的不同是由高铁引起的,即本文使用的双重差分模型符合平行趋势前提假设。

图3

新窗口打开|下载原图ZIP|生成PPT
图3高铁开通城市和未开通城市的雾霾污染平行趋势检验

Fig. 3The parallel trend examination of haze pollution in treatment group and control group



4.2.3 安慰剂检验 为了保证实证结果的稳健性,本文通过改变模型中高铁开通的时点进行安慰剂检验。除了是否开通高铁这一事件外,可能还存在其他因素对城市的雾霾污染产生影响。为了排除这些因素的影响,本文将每个城市高铁开通时间分别提前到2008年、2007年、2006年和2005年。若假设高铁开通时间提前,Hsr*Time的回归系数仍显著为负,则说明雾霾污染降低很有可能是其他政策因素和随机性因素引起的;若Hsr*Time的回归系数不显著,则说明雾霾污染降低是得益于高铁开通。表4模型（1）~模型（4）分别表示将城市高铁开通时间分别提前到2008年、2007年、2006年和2005年,结果显示Hsr*Time的回归系数均不显著。这说明城市雾霾污染降低确实是来自于高铁开通,前文的实证结果是稳健的。

Tab. 4
表4
表4安慰剂检验
Tab. 4Placebo test
变量模型（1）
Time=2008		模型（2）
Time=2007		模型（3）
Time=2006		模型（4）
Time=2005
Hsr*Time-0.010(-1.31)-0.001(-0.15)-0.004(-0.49)0.008(0.80)
Time0.083(1.64)0.077(1.51)0.079(1.55)0.070(1.36)
lnPgdp-1.996**(-2.56)-1.974**(-2.53)-1.987**(-2.55)-1.940**(-2.49)
(lnPgdp)^20.182**(2.40)0.181**(2.38)0.182**(2.39)0.178**(2.34)
(lnPgdp)^3-0.006**(-2.30)-0.006**(-2.29)-0.006**(-2.30)-0.006**(-2.26)
Real-0.005(-0.11)-0.005(-0.13)-0.005(-0.12)-0.006(-0.15)
Gov0.047(0.43)0.043(0.40)0.043(0.40)0.042(0.39)
lnProad0.008(1.08)0.007(1.08)0.007(1.08)0.007(1.08)
Indu-0.224***(-2.88)-0.225***(-2.89)-0.225***(-2.89)-0.225***(-2.89)
Serv-0.223**(-2.40)-0.224***(-2.40)-0.224***(-2.41)-0.221***(-2.38)
lnAwage-0.001(-0.04)0.001(0.03)0.001(0.02)0.001(0.08)
Constant11.017***(9.57)10.910***(4.04)10.959***(4.06)10.767***(9.57)
城市固定YESYESYESYES
年份固定YESYESYESYES
R20.2860.2860.2860.286
样本数3934393439343934
注：括号内为t值;***、**、*分别表示1% 、5% 和10%显著性水平下显著。

新窗口打开|下载CSV

4.3 高铁开通对雾霾污染的异质性影响

由于城市空间结构、城市规模和南北方气候条件等差异会影响各城市对高铁的使用程度,因此本文进一步探讨了高铁开通对雾霾污染的异质性影响。实证结果如表5所示。

Tab. 5
表5
表5高铁开通对雾霾污染影响的空间异质性
Tab. 5Spatial heterogeneity impact of high-speed rail opening on haze pollution
变量城市蔓延水平城市规模地区
模型（1）高模型（2）低模型（3）大模型（4）小模型（5）南方模型（6）北方
Hsr*Time-0.017**(-2.09)-0.015(-1.14)-0.018**(-2.53)-0.045(-1.47)-0.016**(-2.08)-0.006(-0.57)
lnPgdp-2.054**(-2.09)-1.444(-0.42)-2.383***(-2.93)0.438(0.16)1.121(1.28)-3.823***(-3.25)
(lnPgdp)^20.183*(1.88)0.132(0.41)0.217***(2.75)-0.034(-0.13)-0.111(-1.32)0.341***(2.98)
(lnPgdp)^3-0.006*(-1.74)-0.004(-0.38)-0.007***(-2.64)0.001(0.12)0.004(1.43)-0.010***(-2.72)
Real0.085*(1.77)-0.219***(-2.85)-0.011(-0.25)0.057(0.46)0.033(0.73)-0.053(-0.85)
Gov0.106(0.83)0.053(0.25)0.037(0.31)0.243(0.77)0.165(1.18)0.105(0.73)
lnProad0.005(0.70)0.011(0.64)0.008(1.06)0.007(0.35)0.003(0.32)0.012(1.21)
Indu-0.230***(-2.74)-0.451*(-1.87)-0.274***(-3.28)0.047(0.21)0.154(1.49)-0.133(-1.23)
Serv-0.184*(-1.77)-0.500*(-1.97)-0.272***(-2.77)0.029(0.10)1.115(0.97)-0.446***(-3.52)
lnAwage0.002(0.09)-0.016(-0.40)-0.009(-0.46)0.056(1.16)-0.024(-1.19)0.027(1.11)
Constant11.382***(3.40)8.978(0.72)12.674***(4.51)0.438(0.05)-0.482(-0.16)17.621***(4.35)
城市固定YESYESYESYESYESYES
年份固定YESYESYESYESYESYES
R20.3010.2890.3060.2300.4480.409
样本数2968966337456021281806
注：括号内为t值;***、**、*分别表示1%、5%和10%显著性水平下显著。

新窗口打开|下载CSV

4.3.1 城市空间结构的异质性影响 表5的模型（1）和模型（2）报告了不同蔓延水平下高铁开通对雾霾污染的异质性影响。本文按照蔓延水平是否超过全国平均水平将样本城市分为高蔓延组和低蔓延组。其中,高蔓延组的回归结果显著为负,而低蔓延组的回归结果不显著。这说明城市蔓延水平越高的地区,高铁开通对雾霾污染的抑制作用越显著,这验证了假说3。城市蔓延增加了城市的公共道路投资,通勤距离的增加扩大了私家车的需求,导致污染物排放增加。高铁开通对由于城市蔓延导致的出行距离增加和交通拥堵的缓解效应更显著,对路面交通的替代效应更显著。

4.3.2 城市规模的异质性影响 本文按照城市人口规模是否高于50万将研究样本分为两组：大城市组和小城市组。表5的模型（3）和模型（4）报告了不同规模城市高铁开通对雾霾污染的异质性影响。不难发现,大城市组的回归结果显著为负而小城市组不显著。即高铁的减霾效应随着城市规模的增加而提高。这与假说4保持一致。规模较大的城市人口规模或者人口密度越高,对私家车的依赖性越强,城市交通拥堵现象越严重。大量的汽车尾气排放加之其不完全燃烧加剧了雾霾污染。规模越大的城市居民对公共交通的需求量越大,相应高铁站点和线路数量越多,高铁开通对大城市路面交通和民航交通的替代效应越显著。高铁的准时性特点进一步强化了其对民航交通的替代效应,因此对大城市降霾效果越明显;相反,规模较小的城市人口规模或人口密度较低,对公共交通需求低,高铁的开通对路面交通的替代效应并不显著,因而减霾效果也不明显。

4.3.3 南北方地区的异质性影响 本文根据城市的地理位置,将281个样本城市分为南方和北方。其中秦岭淮河以南为南方,秦岭淮河以北为北方。回归结果如表5模型（5）和模型（6）所示。可以发现,南方地区高铁开通对雾霾污染具有显著的抑制作用,而北方地区高铁开通对雾霾污染的抑制作用不显著。北方地区冬季寒冷而普遍采取供暖政策,南方地区没有该福利。由于北方地区冬季供暖多以燃烧煤炭为主,由此产生的大量污染物排放导致其雾霾污染程度明显高于南方地区。北方地区供暖所产生的雾霾污染远大于高铁开通所减少的雾霾污染。因此,有效快速推进北方地区清洁供暖是改善空气质量的重要举措。

4.4 稳健性检验

由于城市之间经济发展水平等存在差异,很难具备完全一致的时间效应。本文进一步要解决的问题是：在经济发展等保持一致的情况下,若一个城市开通了高铁,那么其雾霾污染状态会发生怎样的变化?倘若能同时观测到每个城市开通高铁和未开通高铁状态下的雾霾污染情况,那么是否开通高铁的平均处理效应就是两者之间的差异。然而在现实城市发展过程中,只能观测到城市开通高铁或未开通高铁某一实际状态下的雾霾污染情况,这时就需要通过反事实结果来识别高铁开通对雾霾污染的平均处理效应。因此,本文采用倾向得分匹配-双重差分法（PSM-DID）选择城市发展特征与实验组尽可能相似的“非高铁城市”控制组,以消除样本选择偏误,通过识别平均处理效应进行稳健性检验。

4.4.1 PSM处理 由于2010年以前中国高铁建设尚处于起步阶段,仅有少数城市开通了高铁（实验组较少）,2010年及以后许多城市都相继开通了高铁,高铁建设速度明显加快。因此,本文将2010年作为政策执行的时间节点,选择2009年及以前未开通而在2010年开通了高铁的城市（共计37个）作为实验组,选择2008—2016年期间一直未开通高铁的城市（共计108个）作为控制组。本文采用核匹配法（Kernel Matching）确定权重,并使用Probit模型估计倾向得分。在进行DID检验之前,需要对PSM的样本进行平衡性检验,以确保满足共同支撑条件,即匹配后样本的实验组和控制组在政策实施前不存在显著差异。表6是平衡性检验结果。T检验结果显示,匹配后样本中所有匹配变量的T检验均不显著,说明各匹配变量不存在组间均值差异,且匹配后各匹配变量的标准化差异均出现大幅度下降。从Pseudo R2值来看,匹配后R2值很小。这些都说明匹配变量对于城市是否开通高铁的解释力很弱,即城市是否开通高铁对匹配后样本而言是随机的。

Tab. 6
表6
表6平衡性检验结果
Tab. 6Balance test results
变量样本均值差异检验标准化差异检验
实验组均值控制组均值T检验（P值）标准化差异降幅（%）
lnPgdp匹配前10.2859.6934.80(0.000)91.685.5
匹配后10.17910.0930.54(0.591)13.2
Real匹配前0.1840.1037.02(0.000)113.693.4
匹配后0.1550.1500.30(0.763)7.5
Gov匹配前0.0560.0530.56(0.587)10.412.4
匹配后0.0540.0520.36(0.721)9.1
lnProad匹配前2.1601.8663.01(0.003)59.968.6
匹配后2.0982.194-0.74(0.462)-18.8
Inst匹配前4.8634.6570.94(0.350)19.754.0
匹配后4.9034.8090.40(0.693)9.1
Serv匹配前4.0073.4344.21(0.000)80.087.2
匹配后3.8433.917-0.37(0.713)-10.3
lnAwage匹配前9.9389.7394.68(0.000)83.991.5
匹配后9.9009.8840.28(0.784)7.1
Pseudo R2匹配前0.313
匹配后0.034

新窗口打开|下载CSV

4.4.2 高铁开通对雾霾污染的平均处理效应 在PSM处理的基础上,本文进一步对高铁开通与雾霾污染的影响进行DID处理。表7是平均处理效应的回归结果。其中,模型（3）和模型（4）分别用高铁站点数量和线路数量替换了是否开通高铁变量。从模型（1）和模型（2）可以看出,无论是否加入控制变量,Treated*Time的回归系数均显著为负。说明高铁开通显著抑制了雾霾污染。这与前文DID的回归结果一致。从模型（3）和模型（4）可知,城市每多建设一个高铁站,将降低雾霾污染5.6%。城市每新增一条高铁线路,将降低雾霾污染15.5%。这一结果也与前文结果一致。

Tab. 7
表7
表7高铁开通对雾霾污染影响的平均处理效应
Tab. 7Average treatment effect of high-speed rail opening on haze pollution
变量模型（1）
Hsr		模型（2）
Hsr		模型（3）
Station		模型（4）
Route
Treated*Time-0.137***(-3.31)-0.147***(-3.51)-0.056***(-3.17)-0.155***(-3.60)
Time-0.104***(-3.86)0.466**(2.55)0.480***(2.62)0.474**(2.59)
Treated--0.065***(2.78)0.173***(3.26)
lnPgdp-0.032(-0.11)-0.043**(-0.15)-0.055(-0.19)
(lnPgdp)^2-0.133**(-2.59)-0.127**(-2.45)-0.127**(-2.46)
(lnPgdp)^30.006**(2.47)0.005**(2.25)0.005**(2.29)
Real-0.130(-0.68)-0.147(-0.76)-0.151(-0.78)
Gov0.076(0.15)0.006(0.01)0.027(0.15)
lnProad0.033(1.00)0.028(0.85)0.031(0.93)
Inst0.578(0.89)0.509(0.78)0.565(0.87)
Serv-0.098(-0.12)-0.200(-0.24)-0.104(-0.12)
lnAwage-0.156*(-1.82)-0.158*(-1.84)-0.158*(-1.84)
Constant3.549***(205.67)13.046***(4.69)13.099***(4.69)13.042***(4.69)
城市固定YESYESYESYES
年份固定YESYESYESYES
R20.1070.1320.1290.133
样本数749749749749
注：括号内为t值;*** 、**、*分别表示1%、5%和10%显著性水平下显著。模型（1）和模型（2）中由于是否开通高铁这一政策虚拟变量Treated不随时间变动,在采用固定效应时会被自动剔除,并不影响实验结果。

新窗口打开|下载CSV

4.4.3 高铁开通对雾霾污染的动态边际影响效应 本文在平均处理效应的基础上引入时间虚拟变量,进一步检验高铁开通对雾霾污染的动态边际影响（表8）。由模型（1）和模型（2）可知,2010年城市开通高铁后高铁对雾霾污染的边际效应在2011年和2012年均显著为负,说明高铁开通对雾霾污染的抑制作用具有持续性,尤其在高铁开通后的两年内,高铁对雾霾污染的抑制作用在逐年增大。2013年和2014年的动态边际效应并不显著,但是2014年以后高铁开通对雾霾污染的边际效应又开始逐渐增强。除模型（3）中Treated*t2013的系数不显著外,模型（3）和模型（4）中高铁站点和线路数量的动态边际效应均显著为负。因此,从整体上来看,两个模型的边际效应均呈逐年递增趋势。说明每新建一个高铁站点或每新增一条高铁线路对雾霾污染的抑制作用在不断增强。

Tab. 8
表8
表8高铁开通对雾霾污染的动态边际影响效应
Tab. 8Dynamic marginal impact of high-speed rail opening on haze pollution
变量模型（1）
Hsr		模型（2）
Hsr		模型（3）
Station		模型（4）
Route
Treated *t2011-0.141***(-2.72)-0.150***(-2.90)-0.059***(-2.75)-0.166***(-3.41)
Treated *t2012-0.199***(-3.83)-0.210***(-4.04)-0.082***(-3.81)-0.217***(-4.48)
Treated *t2013-0.032(-0.61)-0.048(-0.92)-0.028(-1.30)-0.134***(-2.80)
Treated *t20140.007(0.13)0.003(0.06)-0.037*(-1.82)-0.132***(-2.75)
Treated *t2015-0.103**(-1.98)-0.121**(-2.30)-0.054***(-2.66)-0.172***(-3.53)
Treated *t2016-0.355***(-6.83)-0.372***(-7.03)-0.105***(-5.01)-0.237***(-4.70)
t2011-0.034(-1.24)0.060(1.31)0.067(1.46)0.076(1.63)
t2012-0.061**(-2.23)0.122*(1.65)0.144*(1.90)0.154**(2.03)
t20130.112(0.42)0.271***(2.65)0.316***(3.30)0.329***(3.14)
t2014-0.023(-0.84)0.309**(2.43)0.378***(2.90)0.384***(2.93)
t2015-0.022(-0.81)0.382**(2.51)0.439**(2.82)0.450***(2.88)
t2016-0.043(-1.57)0.429**(2.45)0.274**(2.63)0.470**(2.60)
Treated--0.104***(3.92)0.238***(3.95)
lnPgdp-0.025(-0.09)-0.034(-0.12)-0.035(-0.12)
(lnPgdp)^2-0.138***(-2.80)-0.124**(-2.45)-0.128**(-2.50)
(lnPgdp)^30.006***(2.84)0.005**(2.30)0.006**(2.37)
Real-0.103(-0.56)-0.133(-0.70)-0.098(-0.51)
Gov0.406(0.81)-0.161(-0.31)0.250(0.48)
lnProad0.046(1.45)0.034(1.03)0.040(1.21)
Inst0.607(0.97)0.488(0.76)0.606(0.94)
Serv-0.081(-0.10)-0.225(-0.28)-0.074(-0.09)
lnAwage-0.155*(-1.89)-0.169**(-2.00)-0.168*(-1.98)
Constant3.549***(214.76)12.174***(4.57)12.764***(4.67)12.741***(4.64)
城市固定YESYESYESYES
年份固定YESYESYESYES
R20.1880.2120.1730.164
样本数749749749749
注：括号内为t值;***、**、*分别表示1%、5%和10%显著性水平下显著。模型（1）和模型（2）中由于是否开通高铁这一政策虚拟变量Treated不随时间变动,采用固定效应时会被自动剔除,这并不影响实验结果。

新窗口打开|下载CSV

5 机制检验

假说2的理论机制分析中,本文提出高铁开通能够减少路面交通和民航交通的拥堵状况,对机动车和飞机出行产生替代作用,从而对雾霾污染产生抑制作用。因此,本文将检验上述中间机制是否存在。

5.1 拥堵缓解效应

考虑到民航交通的拥堵数据无法获取,本文仅分析了高铁开通对路面交通的拥堵缓解效应。路面拥堵采用高德地图的交通拥堵延时指数来衡量,将交通拥堵延时指数作为因变量进行实证分析。基于交通拥堵数据的可得性,本文以2015年10月1日到2018年12月31日全国99个城市的日度数据作为研究对象。表9报告了高铁开通对路面交通拥堵的缓解效应。不难看出,控制不同的时间固定效应后高铁开通对交通拥堵的回归系数均显著为负。说明高铁开通确实有利于缓解城市路面交通拥堵,从而验证了假说2。

Tab. 9
表9
表9高铁开通与路面交通拥堵
Tab. 9High-speed rail opening and road traffic congestion
变量模型（1）模型（2）模型（3）
Hsr*Time-0.011**(-2.06)-0.016***(-3.27)-0.016***(-3.75)
Constant1.712***(339.2)1.705***(323.2)1.546***(323.9)
城市固定YESYESYES
年份固定YESYESYES
月份固定NOYESYES
星期固定NONOYES
R20.0240.0900.308
样本数105417105417105417
注：括号内为t值;***、**、*分别表示1%、5%和10%显著性水平下显著。

新窗口打开|下载CSV

5.2 交通替代效应

5.2.1 路面交通的替代效应 受到数据的限制,本文重点分析了高铁开通对公路公共交通客运量、民用汽车拥有量以及私家车拥有量的替代效应（表10）。样本范围仍然是2003—2016年全国281个地级市的面板数据。不难看出,高铁开通对公路公共交通客运量的回归系数显著为负。高铁开通后旅客更愿意选择高铁出行,高铁对公路公共交通存在显著替代效应。高铁开通对民用汽车拥有量和私家车拥有量的回归系数均不显著。说明高铁对民用汽车和私家车的替代效应均不明显。这与梁若冰等的结论[5]基本一致。高铁开通在不同交通工具之间的替代效应存在显著差异,高铁开通对路面交通的替代作用主要通过替代公共交通出行来实现雾霾减排。原因在于公共交通的价格弹性和替代弹性较高,而私家车和民用汽车越来越成为家庭和企业生活和工作的必需品,其替代弹性较低。

Tab. 10
表10
表10高铁开通对路面交通和民航交通的替代效应
Tab. 10Substitution effects of high-speed rail opening on road traffic and air traffic
变量模型（1）
公路公共交通客运量		模型（2）
民用汽车拥有量		模型（3）
私家车拥有量		模型（4）
飞机旅客吞吐量		模型（5）
飞机起降架次
Hsr*Time-0.083***(-2.91)0.015(1.06)0.017(1.10)-0.146**(-2.57)-0.220***(-3.32)
lnPgdp-3.735(-1.17)-2.153(-1.31)-2.335(-0.94)-21.769***(-2.98)-5.541(-0.68)
(lnPgdp)^20.449(1.43)0.251(1.57)0.286(1.20)2.213***(3.16)0.528(0.67)
(lnPgdp)^3-0.017(-1.64)-0.009(-1.63)-0.010(-1.33)-0.074***(-3.29)-0.019(-0.74)
Real0.535***(3.24)-0.028(-0.32)-0.247**(-2.37)-0.024(-0.07)-0.073(-0.19)
Gov-1.148**(-2.44)0.486**(2.01)1.446***(5.24)0.007(0.01)-1.143(-1.04)
lnProad0.108***(3.81)0.011(0.76)0.022(1.17)0.035(0.47)-0.016(-0.18)
Indu1.534***(4.83)1.495***(8.88)1.263***(4.88)3.075***(3.78)5.706***(6.07)
Serv2.038***(5.52)1.795***(8.90)0.816***(2.63)3.899***(4.30)4.811***(4.56)
lnAwage0.129*(1.89)0.039(1.09)0.009(0.21)0.755***(4.46)0.182(0.93)
Constant10.187(0.92)7.261(1.28)7.973(0.93)72.268***(2.84)23.106(0.81)
城市固定YESYESYESYESYES
年份固定YESYESYESYESYES
R20.4320.9100.9030.6620.523
样本数34393638279315991602
注：括号内为t值;***、**、*分别表示1%、5%和10%显著性水平下显著。

新窗口打开|下载CSV

5.2.2 民航交通的替代效应 随着高铁技术的逐渐成熟,其大规模的运营投入对民航交通同样产生了较强的替代效应。从表10不难发现,高铁开通对飞机旅客吞吐量和飞机起降架次的回归结果均显著为负,说明高铁开通对民航交通产生了显著替代效应。这与王姣娥等的研究结论[29]保持一致,也验证了假说2。

6 结论与建议

本文基于LandScan数据测度了2003—2016年全国281个地级市的城市蔓延指数,在分析了高铁开通和城市蔓延对雾霾污染影响的理论机制的基础上,利用动态空间面板模型验证了城市蔓延与雾霾污染的空间动态关系。其次,借助双重差分（DID）模型验证了高铁开通对雾霾污染的影响,并对不同城市蔓延水平、不同城市规模和南北方进行了异质性分析。最后,本文从拥堵缓解效应和交通替代效应两方面检验了高铁对雾霾污染的作用机制。主要研究结论如下：① 城市蔓延对雾霾污染存在显著正向影响和空间溢出效应。城市内部的蔓延将导致本地区雾霾污染程度的加剧,相邻地区的城市蔓延同样会加剧本地区雾霾污染。② 高铁开通对雾霾污染的抑制作用具有持续性和边际效应递增趋势。高铁开通对雾霾污染的抑制作用具有持续性,尤其在高铁开通后的两年内,高铁开通对雾霾污染的抑制作用在逐年增大。每增设一个高铁站点或一条高铁路线,将分别降低雾霾污染程度约0.7%和1.3%,且边际效应存在递增的趋势。③ 高铁开通对雾霾污染存在异质性影响。城市蔓延水平越高、城市规模越大,高铁开通对雾霾污染的抑制作用越强;南方地区高铁开通对雾霾污染的抑制作用比北方地区更显著。④ 高铁开通能够通过公共交通替代效应和拥堵缓解效应抑制雾霾污染。其中,高铁对公路公共交通和民航交通的替代效应较为显著,对民用汽车和私家车的替代效应不明显。经过一系列稳健性检验,上述结论依然成立。当然,在研究期内全国高铁不断兴建的同时,国家也投入大量人力物力用于雾霾治理,出台了一系列的政策措施。但是这些政策措施基本是全国层面的政策,因此对所有城市均产生雾霾污染的降低效果。而本文的研究结果表明,与未开通高铁的城市相比,高铁开通会显著降低开通高铁城市的雾霾污染。即高铁开通的降霾效果并未涵盖所有城市。因此,本文的研究结论不会受上述政策的影响。

基于上述研究结论,本文提出以下几点建议：① 地方政府在城镇化进程中应合理把握城市土地的出让规模和出让结构,加强土地高效利用,实现城市空间布局的优化。同时在人口规模和密度较大的城市大力发展公共交通基础设施尤其是城市轨道交通,方便居民出行,减少居民对私家车的依赖,提高城市环境质量。② 地方政府应注重高铁的选址,注重高铁站点和沿线区域的空间发展,并适度增加与城市人口规模增速相匹配的高铁站点和线路的投资,尤其是人口净流入速度较快的一线和二线城市,从而在改善区域间交通出行条件的同时,也能够适当分流部分城市内部的交通压力,减少城市内交通的机动车依赖,从而降低雾霾污染,实现城市间交通与城市内交通的平衡与充分发展。③ 应该整合城市周边资源和人口分布,合理规划高铁新城的建设和发展,优化高铁网络布局,形成以高铁为核心的城市群,疏解核心城市的部分功能,坚定不移的推进长三角一体化、粤港澳大湾区等国家重大发展战略,注重城市群（都市圈）发展与高铁等区域间交通基础设施的发展战略和规划的有机结合,实现城市群内部轨道交通和高铁的无缝对接,进而促进城市群（都市圈）内部的协同发展。④ 推进北方地区清洁供暖,提高清洁能源的生产技术,强化监管部门的管理职责,稳步推进试点工作,积极探索清洁供暖的成功模式,尤其是近年来政府部门不断推广的“煤改电”和“煤改气”等清洁措施。同时,雾霾污染的治理工作应该加强地方政府之间的联防联动。⑤ 除了城市间和城市内交通基础设施的不断完善,还应该采取更多的措施来应对空气污染,如大力推进共享单车、共享汽车等共享经济等。同时,地方政府在对交通基础设施和相关政策进行实施之前,必须充分对其成本和收益进行评估,避免盲目投资和资源浪费。

致谢：

真诚感谢匿名评审专家在论文评审中所付出的时间和精力,评审专家对引言综述、雾霾数据方法介绍、结果分析、结论梳理方面的修改意见,使本文获益匪浅。


参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

Kan H D, Chen R J, Tong S L. Ambient air pollution, climate change, and population health in China
Environment International, 2012,42:10-19. DOI: 10.1016/j.envint.2011.03.003.
DOI:10.1016/j.envint.2011.03.003URLPMID:21440303 [本文引用: 1]
As the largest developing country, China has been changing rapidly over the last three decades and its economic expansion is largely driven by the use of fossil fuels, which leads to a dramatic increase in emissions of both ambient air pollutants and greenhouse gases (GHGs). China is now facing the worst air pollution problem in the world, and is also the largest emitter of carbon dioxide. A number of epidemiological studies on air pollution and population health have been conducted in China, using time-series, case-crossover, cross-sectional, cohort, panel or intervention designs. The increased health risks observed among Chinese population are somewhat lower in magnitude, per amount of pollution, than the risks found in developed countries. However, the importance of these increased health risks is greater than that in North America or Europe, because the levels of air pollution in China are very high in general and Chinese population accounts for more than one fourth of the world's totals. Meanwhile, evidence is mounting that climate change has already affected human health directly and indirectly in China, including mortality from extreme weather events; changes in air and water quality; and changes in the ecology of infectious diseases. If China acts to reduce the combustion of fossil fuels and the resultant air pollution, it will reap not only the health benefits associated with improvement of air quality but also the reduced GHG emissions. Consideration of the health impact of air pollution and climate change can help the Chinese government move forward towards sustainable development with appropriate urgency.

Au C C, Henderson J V. Are Chinese cities too small?
Review of Economic Studies, 2006,73(3):549-576. DOI: 10.1111/j.1467-937X.2006.00387.x.
[本文引用: 1]

Chang T, Zivin J G, Gross T, et al. Particulate pollution and the productivity of pear packers
American Economic Journal: Economic Policy, 2016,8(3):141-69. DOI: 10.1257/pol.20150085.
DOI:10.1257/pol.20150085URL [本文引用: 1]

陈诗一, 陈登科. 雾霾污染、政府治理与经济高质量发展
经济研究, 2018,53(2):20-34.
[本文引用: 1]

[ Chen Shiyi, Chen Dengke. Air pollution, government regulations and high-quality economic development
Economic Research Journal, 2018,53(2):20-34.]
[本文引用: 1]

梁若冰, 席鹏辉. 轨道交通对空气污染的异质性影响: 基于RDID方法的经验研究
中国工业经济, 2016, (3):83-98.
[本文引用: 4]

[ Liang Ruobing, Xi Penghui. Heterogeneous effects of rail transit on air pollution: An empirical study with RDID
China Industrial Economics, 2016, (3):83-98.] DOI: 10.19581/j.cnki.ciejournal.2016.03.007.
[本文引用: 4]

韩博, 刘雅婷, 陈鑫, 等. 民航飞机起飞过程细粒子排放特征
中国环境科学, 2017,37(5):1620-1627.
[本文引用: 1]

[ Han Bo, Liu Yating, Chen Xin, et al. Fine particles emission characterization of civil aviation aircraft during takeoff
China Environmental Science, 2017,37(5):1620-1627.]
[本文引用: 1]

秦蒙, 刘修岩, 仝怡婷. 蔓延的城市空间是否加重了雾霾污染: 来自中国PM2.5数据的经验分析
财贸经济, 2016, (11):146-160.
[本文引用: 3]

[ Qin Meng, Liu Xiuyan, Tong Yiting. Does urban sprawl exacerbate haze pollution: An empirical study of fine particles (PM2.5) in Chinese cities
Finance & Trade Economics, 2016, (11):146-160.] DOI: 10.19795/j.cnki.cn11-1166/f.2016.11.011.
[本文引用: 3]

邵帅, 李欣, 曹建华. 中国的城市化推进与雾霾治理
经济研究, 2019,54(2):148-165.
[本文引用: 1]

[ Shao Shuai, Li Xin, Cao Jianhua. Urbanization promotion and haze pollution governance in China
Economic Research Journal, 2019,54(2):148-165.]
[本文引用: 1]

Holden E, Ingrid T. Three challenges for the compact city as a sustainable urban form: Household consumption of energy and transport in eight residential areas in the Greater Oslo region
Urban Studies, 2005,42(12):2145-2166. DOI: 10.1080/00420980500332064.
DOI:10.1080/00420980500332064URL [本文引用: 1]

Clark L P, Millet D B, Marshall J D. Air quality and urban form in U.S. urban areas: Evidence from regulatory monitors
Environmental Science & Technology, 2011,45(16):7028-7035. DOI: 10.1021/es2006786.
DOI:10.1021/es2006786URLPMID:21766846 [本文引用: 1]

Kashem S B, Irawan A, Wilson B. Evaluating the dynamic impacts of urban form on transportation and environmental outcomes in US cities
International Journal of Environmental Science and Technology, 2014,11(8):2233-2244. DOI: 10.1007/s13762-014-0630-z.
[本文引用: 1]

马丽梅, 刘生龙, 张晓. 能源结构、交通模式与雾霾污染: 基于空间计量模型的研究
财贸经济, 2016,37(1):147-160.
[本文引用: 2]

[ Ma Limei, Liu Shenglong, Zhang Xiao. Study on haze pollution induced by energy structure and transportation: Based on spatial econometric model analysis
Finance & Trade Economics, 2016,37(1):147-160.] DOI: 10.19795/j.cnki.cn11-1166/f.2016.01.012.
[本文引用: 2]

王卉彤, 刘传明, 赵浚竹. 交通拥堵与雾霾污染: 基于职住平衡的新视角
财贸经济, 2018,39(01):147-160.
[本文引用: 1]

[ Wang Huitong, Liu Chuanming, Zhao Junzhu. Traffic jam and haze pollution: A new perspective based on jobs-housing balance
Finance & Trade Economics, 2018,39(1):147-160.]
[本文引用: 1]

刘华军, 雷名雨. 交通拥堵与雾霾污染的因果关系: 基于收敛交叉映射技术的经验研究
统计研究, 2019,36(10):43-57.
[本文引用: 1]

[ Liu Huajun, Lei Mingyu. The causality between traffic congestion and smog pollution: An empirical study using covergent cross mapping
Statistical Research, 2019,36(10):43-57.] DOI: 10.19343/j.cnki.11-1302/c.2019.10.004.
[本文引用: 1]

孙传旺, 罗源, 姚昕. 交通基础设施与城市空气污染: 来自中国的经验证据
经济研究, 2019, (8):136-151.
[本文引用: 2]

[ Sun Chuanwang, Luo Yuan, Yao Xin. The effects of transportation infrastructure on air quality: Evidence from empirical analysis in China
Economic Research Journal, 2019, (8):136-151.]
[本文引用: 2]

Chang Y, Lei S H, Teng J J, et al. The energy use and environmental emissions of high-speed rail transportation in China: A bottom-up modeling
Energy, 2019,182:1193-1201. DOI: 10.1016/j.energy.2019.06.120.
[本文引用: 2]

Yang X H, Lin S L, Li Y, et al. Can high-speed rail reduce environmental pollution? Evidence from China
Journal of Cleaner Production, 2019,239:118-135. DOI: 10.1016/j.jclepro.2019.118135.
[本文引用: 2]

张华, 冯烽. 高铁开通能降低雾霾污染吗?
经济学报, 2019,6(3):114-147.
[本文引用: 4]

[ Zhang Hua, Feng Feng. Green high-speed railway: Does high-speed railway reduce haze pollution?
China Journal of Economics, 2019,6(3):114-147.] DOI: 10.16513/j.cnki.cje.20190906.001.
[本文引用: 4]

新华社北京. 2018, 见证中国高铁新发展
http://www.xinhuanet.com/politics/2019-01/10/c_1123972679.htm, 2019-1-10.
URL [本文引用: 1]

[ Xinhua News Agency, Beijing. 2018, witnessed the new development of China's high-speed rail
http://www.xinhuanet.com/politics/2019-01/10/c_1123972679.htm, 2019-1-10.]
URL [本文引用: 1]

Brownstone D, Golob T F. The impact of residential density on vehicle usage and energy consumption
Journal of Urban Economics, 2009,65(1):91-98. DOI: 10.1016/j.jue.2008.09.002.
[本文引用: 1]

Zheng S Q, Wang R, Glaeser E L, et al. The greenness of China: Household carbon dioxide emissions and urban development
Journal of Economic Geography, 2011,11(5):761-792. DOI: 10.3386/w15621.
[本文引用: 1]

李平星, 樊杰. 城市扩张情景模拟及对城市形态与体系的影响: 以广西西江经济带为例
地理研究, 2014,33(3):509-519.
[本文引用: 1]

[ Li Pingxing, Fan Jie. Scenario simulation of regional urban expansion and effects on urban form and system: A case study of Xijiang River Economic Belt in Guangxi
Geographical Research, 2014,33(3):509-519.] DOI: 10.11821/dlyj201403010.
[本文引用: 1]

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
经济研究, 2016, (9):73-88.
[本文引用: 2]

[ Shao Shuai, Li Xin, Cao Jianhua, et al. China's economic policy choices for governing smog pollution: Based on spatial spillover effects
Economic Research Journal, 2016, (9):73-88.]
[本文引用: 2]

徐冬, 黄震方, 黄睿. 基于空间面板计量模型的雾霾对中国城市旅游流影响的空间效应
地理学报, 2019,74(4):814-830.
[本文引用: 3]

[ Xu Dong, Huang Zhenfang, Huang Rui. The spatial effects of haze on tourism flows of Chinese cities: Empirical research based on the spatial panel econometric model
Acta Geographica Sinica, 2019,74(4):814-830.] DOI: 10.11821/dlxb201904014.
[本文引用: 3]

Fan J S, Zhou L. Three-dimensional intergovernmental competition and urban sprawl: Evidence from Chinese prefectural-level cities
Land Use Policy, 2019,87:104035. DOI: 10.1016/j.landusepol.2019.104035.
[本文引用: 1]

Gómez-Antonio M, Hortas-Rico M, Li L. The causes of urban sprawl in Spanish urban areas: A spatial approach
Spatial Economic Analysis, 2016,11(2):219-247. DOI: 10.1080/17421772.2016.1126674.
DOI:10.1080/17421772.2016.1126674URL [本文引用: 1]

秦蒙, 刘修岩, 李松林. 中国的城市蔓延之谜: 来自政府行为视角的空间面板数据分析
经济学动态, 2016, (7):21-33.
[本文引用: 1]

[ Qin Meng, Liu Xiuyan, Li Songlin. The mystery of urban sprawl in China: An analysis of spatial panel data based on perspective of government behavior
Economic Perspectives, 2016, (7):21-33.]
[本文引用: 1]

Kamga C, Yazici M A. Achieving environmental sustainability beyond technological improvements: Potential role of high-speed rail in the United States of America
Transportation Research Part D 2014,31:148-164. DOI: 10.1016/j.trd.2014.06.011.
[本文引用: 1]

王姣娥, 景悦, 杨浩然. 高速铁路对国内民航旅客运输的替代效应测度
自然资源学报, 2019,34(9):1933-1944.
[本文引用: 2]

[ Wang Jiao'e, Jing Yue, Yang Haoran. Impacts of high-speed rail on China's domestic air transportation
Journal of Natural Resources, 2019,34(9):1933-1944.] DOI: 10.31497/zrzyxb.20190910.
[本文引用: 2]

Stone B J. Urban sprawl and air quality in large US cities
Journal of Environmental Management, 2008,86:688-698. DOI: 10.1016/j.jenvman.2006.12.034.
URLPMID:17368703 [本文引用: 1]

杨昆, 杨玉莲, 朱彦辉, 等. 中国 PM2.5污染与社会经济的空间关系及成因
地理研究, 2016,35(6):1051-1060.
DOI:10.11821/dlyj201606005URL [本文引用: 2]
2.5污染的主要诱因,为了弄清PM2.5的本质,着重研究PM2.5污染的产出机理与模型。首先用逐步回归分析法,确定对PM2.5影响较大的变量,再对PM2.5及其相关变量进行空间相关分析,在GIS技术与空间统计学的支持下,建立中国区域性细颗粒物空气污染评估模型。结果表明：中国PM2.5污染具有东高西低的区域差异特点,这与中国人口分布密度特征曲线（胡焕庸线）所划分出的人口空间分布特点相一致。考虑了空间效应影响的模型拟合度（R2=0.71）优于传统统计模型（R2=0.62）。PM2.5与总人口、人均汽车保有量的平方、第二产值比例的平方成正比,与森林覆盖率的平方成反比,其中对PM2.5贡献率最大的是人均汽车保有量。]]>
[ Yang Kun, Yang Yulian, Zhu Yanhui, et al. Social and economic drivers of PM2.5 and their spatial relationship in China
Geographical Research, 2016,35(6):1051-1060.] DOI: 10.11821/dlyj201606005.
[本文引用: 2]

宣烨, 陆静, 余泳泽. 高铁开通对高端服务业空间集聚的影响
财贸经济, 2019,40(9):117-131.
[本文引用: 1]

[ Xuan Ye, Lu Jing, Yu Yongze. The impact of high-speed rail opening on the spatial agglomeration of high-end service industry
Finance & Trade Economics, 2019,40(9):117-131.] DOI: 10.19795/j.cnki.cn11-1166/f.20190909.009.
[本文引用: 1]

相关话题/城市 污染 交通 空间 检验

Free考研考试FreeKaoYan.Com
欢迎来到Free考研考试，"为实现人生的Free而奋斗"

© 2020 FreeKaoYan! . All rights reserved.