第一章 绪论
1.1 研究背景
2020 年度中国宏观经济发展情况表明，虽然受到了新兴冠状疫情的冲击，全球疫情肆虐，中国的经济增速降至 40 多年来最低，但仍然超出预想。目前形势表明，中国的经济已经逐渐开始恢复到疫情前的水平，尤其与一些其他仍在饱受疫情折磨的大型经济体形成鲜明对比。尽管全年 GDP 增长率是自 1978 年改革开放以来的最低水平，刚刚超过 2%，但这一数字绝对是来之不易，与背后的努力密不可分。从第一季度同比下降 6.8%，到第四季度实现 6.5%的增长，中国经济过去一年实现的反弹难能可贵，也令世界印象深刻。在 2021 年 1 月下旬开幕的“达沃斯议程”对话中，世界经济论坛执行董事 Jeremy Jurgens 称赞，2020 年中国经济保持整体正增长，在全球所有经济体中屈指可数。十年前，没有人能够预料到中国将来能取得如此惊艳的发展，相信中国在接下来十年的发展仍将超出许多人的预期，继续让世界为之赞叹。
雾霾包含雾和霾两种物质。雾是当气温较低时，空气中的水蒸气凝结成的微小的水滴。霾是空气中存在的极其微小的颗粒物、尘埃等。雾与霾的混合造成了空气混浊，致使水平能见度降低。城市雾霾天气的反复发作深深地损害了公众的身心健康，研究表明，长期处于雾霾天气中容易引发心血管和呼吸系统等疾病[1]。除此之外，持续的雾霾天气模糊车辆行驶观察，视线受阻易造成交通事故，因此必须对雾霾污染实施必要的治理手段。悬浮颗粒物（PNO）是造成雾霾污染的罪魁祸首，细颗粒物（PM2.5）是环境空气中空气动力学当量直径小于等于 2.5 微米的颗粒物，也是悬浮颗粒物的重要组成成分[2]。PM2.5 的化学成分比较复杂，来源亦非常广泛[3]。研究表明人类的生产经营等活动引发了 PM2.5 污染，工业污染排放、机动车尾气排放以及扩散和稀释的不及时都有可能导致 PM2.5 积累，进而加剧雾霾天气。但经济的发展又无法离开人类活动，所以如何平衡人类活动与大气污染是当前研究的重点。
.....................
1.2 国内外文献述评
（1）PM2.5 的污染特征
2013 年，中国开始在重点城市布置细颗粒物地面监测站，统计近地面 PM2.5浓度。学者们针对 PM2.5 污染的讨论收获颇丰。关于 PM2.5 的污染特征研究主要围绕物质化学组成与来源、浓度分布与变化和时空演变特征等视角展开。物质组成与来源方面，郭佳灵等[4]通过 X 射线荧光光谱分析成都冬季细颗粒物的元素构成，结果显示，硅、硫和氯元素是 PM2.5 的主要元素。李丽萍[5]利用后向轨迹法和聚类分析等方法解析洛阳市 2018—2019 年大气 PM2.5 的来源，结论表明，细颗粒物的主要来源是煤炭的燃烧、交通源和扬尘源。Wang 等[6]根据长春市 10 个大气自动监测站每小时监测到的颗粒物质量浓度数据发现长春市颗粒物污染主要是由人为活动和沙尘的输送造成，且集中在长春市的中部、北部和西部。浓度变化方面，Tian 等[7]分析 2015 年杭州市春、夏、秋和冬季节 PM2.5 的浓度变化，春季和冬季的污染变化大于夏季和秋季。薛骅骎[8]研究发现合肥市 PM2.5 空间分布呈现北高南低的态势，且冬季的浓度变化大于春秋两季大于夏季。
在时空分布特征方面，为探究关中平原城市群细颗粒物分布时空演化规律，康博等[9]以“临汾市—咸阳市”为分界线，根据空间插值分析和空间自相关分析等实验得出结论，PM2.5 高污染集聚在分界线东北部和中部区域，且高污染集聚趋势逐年降低，低污染集聚在分界线西部和西北部。Yan 等[10]基于探索性空间分析方法研究 2016 年京津冀城市群 PM2.5 空间变化，研究证实不同季节的 PM2.5 空间相关程度由高到低依次为冬、秋、春、夏。石家庄市、衡水市等远离渤海湾的城市 PM2.5 浓度呈现高—高集聚，而承德市、秦皇岛市等沿海城市的 PM2.5 呈低—低集聚。
...........................
第二章 研究理论与方法
2.1 研究理论
2.1.1 环境库兹涅茨曲线
一直以来，以库兹涅茨曲线理论为基础，学术界关于环境污染与经济增长展开诸多讨论。经典环境库兹涅茨曲线[26]（Environmental Kuznets Curve，EKC）假说认为经济对环境的影响主要表现为三个阶段。第一阶段中，随着经济的不断发展，经济水平的逐渐提高，环境污染态势加剧，环境开始恶化。第二阶段中，当经济发展到一定水平后，可能会迎来拐点。第三阶段是指，当经济水平突破拐点后，经济的发展会减缓环境的污染。在第三阶段中，能够实现环境改善与经济发展双赢的局面。也就是说，经典环境库兹涅茨曲线推测环境质量与经济发展之间表现为倒“U”型曲线关系。而后也有不少研究人员通过判定经济指标的平方项或者三次方项系数是否显著扩展了库兹涅茨曲线形状，如“U”型[27]、倒“N”型以及“N”型[28]等形状。
不少学者以国家、省份或地级市为研究对象，就环境污染与经济增长之间是否真正存在倒“U”型或其他类型关系展开了研究。崔鑫生等[29]基于 2009—2015年 30 个国家的经济数据为样本，构建国家发展度指标。利用广义矩估计等方法探究不同发展水平国家的大气污染库兹涅茨曲线形态。结论显示，高发展度的国家大气污染与人均 GDP 之间确实存在稳定的倒“U”型关系，低发展度国家的曲线也表现出倒“U”形态。于竹青等[30]以工业“三废”（废水、废气、固体废弃物）排放量表征环境指标，探究江苏省经济与环境的关系，结论表示，该地区“三废”排放量与人均 GDP 之间不符合倒“U”型曲线关系。严雅雪等[31]以中、东和西城市地理位置划分子样本，检验中国 1998—2016 年 227 个城市雾霾污染与人均GDP 的库兹涅茨曲线关系。结果表明，东部城市的雾霾库兹涅茨曲线没有呈现出三次曲线形状，中部区域的城市曲线表现为显著的倒“U”型，西部城市呈现为“N”型的曲线，各曲线的拐点不同。
..........................
2.2 研究方法
2.2.1 标准差椭圆
在一定时期内，地理要素可能在区域空间上呈现某些规律性的特点，如方向性和聚集性等特征。1926 年，D. Welty Lefever [37]首次提出使用标准差椭圆分析（Standard Deviational Ellipse, SDE）揭示要素在空间分布的方向性特征。后经Yuill 等[38]学者的研究和扩展，近年来该方法已经发展成为空间分布方向性分析的经典方法之一，被广泛应用在经济[39]、人口[40]和生态环境[41]等社会科学问题的研究中。标准差椭圆分析法依据生成的椭圆确定要素在地区的平均中心、长轴、短轴和旋转角等参数，从而定量表达要素的空间分布的中心性、展布性和方向性等特征[42]。具体计算公式如式（1）—式（4）所示。
一般为了探究因素之间的影响驱动或因果关系，会对搜集到的数据进行回归分析，普通最小二乘法（OLS）是最经典的线性回归分析模型之一[46]。但是该方法存在两个缺陷，其一，模型在使用过程中需要符合多个经典假设条件，如随机误差需服从零均值，同方差的正态分布假设等[47]。其二，模型没有考虑到要素之间呈现的空间关联性，但有些要素极易存在空间上的关联。这样的缺陷可能导致研究结果或推论缺乏可信的解释力。
图 2 高斯核函数图
第三章 长三角地级市 PM2.5 与经济发展空间演化特征..................20
3.1 长江三角洲区域概况..................20
3.2 PM2.5与夜间灯光数据来源及处理.......................20
第四章 长三角地级市 PM2.5 影响因素时空异质性...................30
4.1 PM2.5影响因素的选取及地理加权回归模型构建...................30
4.1.1 PM2.5 影响因素的选取...................30
4.1.2 地理加权回归模型构建...................30
第五章 总结与展望........................40
5.1 主要研究结论.....................40
5.2 展望......................40
第四章 长三角地级市 PM2.5 影响因素时空异质性
4.1 PM2.5影响因素的选取及地理加权回归模型构建
4.1.1 PM2.5 影响因素的选取
由 1.2 节文献分析可知，PM2.5 的主要影响要素是社会经济因素和自然因素。基于此，本文选取的影响指标从社会经济因素和自然因素这两个角度综合考虑。
社会经济因素方面，利用平均夜间灯光指数表示区域经济发展综合水平。自然因素的选择中，1.2 节 PM2.5 与气象因素研究可知，温度，风速等能够显著影响细颗粒物浓度变化。自然因素数据如风速和平均气温等数据均来自各地级市或省份的统计年鉴和统计公报。PM2.5 年均浓度值和平均夜间灯光指数的来源和处理过程详见 3.2 节。由于地理加权回归本质上是局部回归，因此要求指标之间不可以存在较高的共线性，所以需要对搜集到的平均夜间灯光指数、平均气温、风速和降水量等指标进行共线性分析，防止因信息重叠造成估计结果无效。
在 SPSS 中对搜集到的解释变量逐年进行多元线性回归分析和相关系数分析，受篇幅限制，这里仅展示 2009 年的回归结果。结果如表 7 和表 8 所示，由这两个表可知，风速、降水量和日照时数等指标的方差膨胀因子（VIF 值）远大于 10，而且部分指标的 Pearson 相关系数超过了 0.5。因此，剔除掉风速、降水量和日照时数指标。仅保留平均夜间灯光指数、平均气温和相对湿度三个指标重复上述操作，各指标的 VIF 值小于 10。表明此时选择的指标不会出现共线性问题。
表 7 线性回归指标遴选归结果
第五章 总结与展望
5.1 主要研究结论
本文基于 2009—2018 年长三角地区 41 个地级市为研究对象，利用校正后的平均夜间灯光值（ANL 指数）表征综合城市发展水平。首先运用标准差椭圆分析和空间自相关分析法，探究地区 PM2.5 污染与经济发展之间的空间依赖，聚集等演化特征，从时空的角度对比二者的发展状态。其次凭借地理加权回归对影响PM2.5 的经济因素和主要的自然因素进行时空异质性分析，再利用空间面板模型和细分样本的方式检验结论的稳健性和可靠性。相关的结论整理如下：
（1）2009—2018 年，长三角 41 个地级市 PM2.5 浓度均值约为 51.95μg/m3。其中，2009—2014 年 PM2.5 浓度均值约为 56.57μg/m3，2015—2018 年 PM2.5 浓度大幅下降，整体均值降至 45.01μg/m3。说明近年来针对细颗粒物的改善举措效果非常显著。但是仍未降到二类浓度限值（国标要求 35μg/m3），且存在污染下降和增长波动反弹的情况，表明改善的效果不够稳定，有必要继续针对 PM2.5 污染推进相关治理约束政策。
（2）空间格局分析显示，第一，从 PM2.5 和 ANL 指数的中心坐标位置和中心迁移轨迹来看，2009—2018 年长三角 PM2.5 的中心集中在南京市西偏南方位，ANL 指数的中心集中在无锡市与常州市交界的位置，在 PM2.5 聚集区域的东南方位。总体上，PM2.5 的中心迁移总距离超过 ANL 指数，PM2.5 中心的分散程度大于 ANL 指数。经度方向及纬度方向的变化显示，PM2.5 的中心整体向西北方向变化。ANL 指数的中心在 2015—2018 年向东南方向运动，这与 PM2.5 的中心污染的移动轨迹相悖。
参考文献（略）