马素琳　韩君　杨肃昌

摘要 在STIRPAT模型的基础上，通过加入能源消费需求、工业化水平和产业集聚度变量，建立了拓展的STIRPAT模型，并使用动态面板GMM方法，分析了我国30个省会城市和直辖市2003-2012年间的面板数据，指出不同的城市规模与集聚程度会对空气质量有不同的影响。首先，从总体上来说，城市人口规模、富裕程度和技术水平是影响城市空气质量的主要因素，其中人口规模和技术水平对空气质量的影响均为正效应，而富裕程度对空气质量的影响呈现出倒N型EKC曲线形状；较高的能源消费需求和工业化水平会恶化空气质量，而较高的技术水平和产业集聚度会改善空气质量，这表明相关部门可以从不断提高科技水平和产业集聚度入手，通过各种方法减少能源消费需求、降低工业化水平，来达到改善空气质量的目的。其次，在总体回归的基础上，本文重点按照人口规模、经济规模和经济集聚度、人口集中度分析了城市规模与集聚对空气质量的影响情况，结果表明：欠发达城市和大中城市的回归结果与总体回归结果一致，而经济发达城市和特大城市的回归结果与总体回归结果有一定差异，本文认为导致这些差异的主要原因是科学事业费支出方向、社会消费品结构以及工业清洁能源利用及其利用效率等因素；低产业集聚度和低人口集中度城市的情形与总体较为相近，而高产业集聚度和高人口集中度城市的EKC曲线形状与工业化水平系数与总体结果相反，这两种差异分别与城市的发展阶段和城市的人口素质有关。因此，城市的相关部门在追求规模经济的同时应该注重科技投入结构的改善，注重提高能源使用效率和清洁能源的使用率，并且在不断提高产业集聚度与人口集中度的同时追求绿色GDP的实现，注重人口的文化教育以提高人口素质，从而提升公众的环保意识，以抵消随人口集中度提高带来的环境压力。

关键词 城市规模；城市集聚；空气质量；STIRPAT模型；动态面板GMM

中图分类号 X196；F061.5 文献标识码 A 文章编号 1002-2104（2016）05-0012-10 doi：10.3969/j.issn.1002-2104.2016.05.002

国家统计局公布2014年中国的城市化率为54.77%。欧美主要发达国家城市化伴随工业化基本同步完成并保持稳定，但我国城市化率未来增速仍保持在0.9个百分点，每年约1200万人口进入城市，排浪式、模仿型消费升级带来了较大的生活型消费污染，城市开发强度过大、生态空间压缩，大城市生态负荷超载（中国环境报：《环境质量何时能改善？难在哪儿？》）。《2014年中国环境状况公报》中的数据显示，2014年开展空气质量新标准监测的地级及以上城市共有161个，其中只有16个城市空气质量达标（好于国家二级标准），占9.9%；其他145个城市空气质量超标，占90.1%。2014年，全国31省市，二氧化硫、氮氧化物、一次PM2.5等三项污染物平均超载率分别为150%、180%和210%；与发达国家经济发展水平类似的历史同期相比，空气中PM₁₀、SO₂、NO₂浓度相当于美国、德国历史同期两倍多，煤炭消费强度是美国当年的5倍（中国环境报）。据《2015年9月京津冀、长三角、珠三角区域及直辖市、省会城市和计划单列市空气质量报告》报道的最新数据显示，2015年9月74个城市达标天数比例在43.3%-100%之间，其中仍有24个城市达标天数比例在80%以下。面对城市发展带来的巨大环境压力，学者们试图通过研究适度的城市规模来平衡经济与环境的关系，政策制定者们也试图制定适宜的产业政策和人口流动政策来引导企业和人口的迁移。然而，城市规模和城市集聚是加重了环境压力还是减轻了环境压力，学者们有着不同的观点。一种观点认为，城市规模扩张、产业集聚以及人口集中会增加资源和能源的消耗，给城市环境带来巨大压力，恶化空气质量；另一种观点认为，城市化通过产业集聚和人口集中提高资源和能源的利用效率，产生正的环境外部性而减少污染排放，缓解环境压力，改善空气质量。鉴于学者们研究的对象是省级单位且选取的代理变量各异，本文关注的核心问题是：省会城市城市化进程所带来的城市规模扩张、产业集聚和人口集中最终改善了空气质量还是恶化了空气质量？用达标天数作为空气质量的代理变量时，城市发展对环境空气质量是否具有动态影响？不同的城市经济规模、人口规模和不同的产业集聚度、人口集中度是否显著影响了城市发展对环境空气质量的作用？

1 文献回顾

城市集聚经济和不经济相互作用，共同决定了城市的生产效率和适度规模。马歇尔认为专业劳动力的汇聚、中间产品的规模经济和地方性的技术外溢等三大外部效应是集聚经济的来源。然而，随着城市规模扩张，地租上升和环境恶化也会削弱大城市对居民的吸引力，劳动力成本的上升则会使企业重新权衡在大城市获得的集聚效益和在其他城市可得的低成本劳动力，这些因素共同造成了集聚的不经济。学者们对城市规模的研究假设城市具有单一的最优规模，忽略了城市内在功能和结构的影响。对此，亨德森构建了基于城市规模经济和通勤成本的一般均衡模型，认为各城市因其行业的规模经济和集聚收益不同而形成专业化分工，不同行业所在的城市具有不同的最优规模。

近年来，国内外学者就城市规模与集聚对环境的影响也进行了必要的实证研究。一部分学者主要研究城市规模与环境质量的关系。王小鲁等的研究表明当城市规模过小时，外部成本较高而规模收益较低，当城市规模过大时，外部成本会抵消规模收益的效果，最优的城市规模在100万-400万人口之间。陈良文，杨开忠利用1996年、2000年和2004年我国各地级市数据分析了城市生产率与城市规模、城市劳动生产率与城市经济密度的关系，研究结果显示城市规模和城市经济密度对城市生产率的影响都显著为正，验证了城市集聚经济效应的存在。Birdsall、Dietz和Rosa、Lonngren和Bai、Jiang和Hardee以不同国家和时间段的数据和不同的研究方法所作的研究结论都表明，人口规模扩大会增加对石化能源的需求，因此城市人口规模与温室气体排放同步增长。孔爱国，郭秋杰认为城市规模不仅对空气污染和水污染有影响，城市空气和水的污染对城市规模也有影响，污染会进入其它企业的生产函数和城市居民的效用函数之中，政府对污染征税会使城市污染随之减少，居民福利上升；污染会同时影响到生产和消费模式，生产和消费又相互作用从而影响城市规模。付云鹏等在研究了人口因素对工业废气排放量等环境污染指标产生的影响效应之后认为人口规模、家庭户规模和人口年龄结构是影响环境污染各项指标的主要人口因素。许抄军认为有利于我国城市环境质量提高的最优城市规模为260万人，适度城市规模是200万人至350万人。

另一部分学者主要研究城市集聚与环境质量的关系。陆铭，冯皓认为人口和经济活动的集聚度提高有利于降低单位工业增加值的污染物质的排放强度，通过行政手段阻碍人口和经济活动向区域中心城市集聚的政策并不利于实现既定的减排目标。武俊奎认为城市规模扩张会使城市产业集聚度提高，从而提高城市能源利用率和城市专业化水平，进而提高劳动生产率，实现资源的集约利用。刘习平、宋德勇认为产业集聚能有效地改善城市环境状况，城市规模越大，产业集聚所带来的环境改善效应就越大；对于特大型城市来说，产业集聚和人口的过度集中，则会恶化城市环境。低居住密度的摊大饼式城市蔓延不仅使得人与人之间经济隔离而且会使环境恶化。王兴杰，谢高地以第一阶段实施新空气质量标准的74个城市为例考察了经济增长和人口集聚对城市环境空气质量的影响，他们认为人口密度不断提高是造成城市环境空气质量明显下降的根本原因，改善城市环境空气质量，必须适度、有序推进人口城镇化。高鸿鹰等构建了包括集聚效应的城市总量生产函数，从城市集聚经济的视角，应用中国数据证实了当前我国大城市蓬勃发展的经济理性，并认为我国100万人口以上的城市集聚效益较为明显。杨子江的研究发现提高人口密度的政策会鼓励厂商和劳动力的迁移，从而可能带来更多交通污染，他们认为一项针对单中心城市的人口高密度发展政策可能是不利于生态环境的。吉昱华等对分部门的城市集聚经济研究做了尝试，指出如果单纯考察工业经济，则集聚效益并不明显，而如果将第三产业也包含进来，则集聚效益明显。

然而，根据现实情况可知，大部分情况下，城市的规模扩张必然会带来人口向城市的集中并伴随着企业的迁移、产业的集中；城市的集聚度提高也会促使城市规模的不断扩展，城市规模与集聚是互相联系互相影响的。上述国内学者的贡献是对城市规模与城市集聚对环境质量的影响问题分别作了探讨，但他们均未综合研究我国城市规模与集聚对环境质量的影响，没有区分不同规模与不同集聚程度的城市对环境质量尤其是空气质量影响的独特表现。本文将在借鉴上述研究成果的基础之上，利用全国26个省会城市和4个直辖市（以下统称省会城市）2003-2012年的动态面板数据，着重探讨我国省会城市规模与集聚对环境空气质量的动态影响。

2 模型设定

2.1 理论模型

IPAT等式作为表征经济增长与资源环境关系的经典分析框架，最早由Erlich和Holdren提出，其基本形式为：I=PAT，他们把环境影响归结为人口、富裕和技术3个关键驱动力乘积的结果，且环境影响与各驱动力之间均成1：1等比例变化关系。后来，Dietz和Rosa拓展了IPAT等式，在保留IPAT等式各项环境影响因素的基础上，为克服IPAT模型的“各因素同比例影响环境”假设的不足而加入了随机项，从而建立了人口、富裕和技术的随机回归影响模型，即STIRPAT模型，这有助于后来的学者根据各自研究的特点对模型进行相应的改进来开展实证分析。STIRPAT模型形式如下：

I_i=β₀·P_i^β₁·A_i^β₂·T_i^β₃·ε_i （1）

式中：β₀为模型的比例常数项，β₁、β₂和β₃为指数项；ε_i为误差项。当β₀=β₁=β₂=β₃=ε_i=1时，STIRPAT模型即为IPAT等式。实际研究中，STIRPAT模型的对数形式更便于进行实证分析：

ln（I_i）=β₀+β₁ln（P_i）+β₂ln（A_i）+β₃ln（T_i）+ε_i （2）

其中，I_i代表环境压力，P_i代表人口规模，A_i代表富裕程度，T_i代表技术水平。

2.2 计量模型

基于上述（2）式所示的STIRPAT基准模型，设定本文的回归模型为如下形式：

lnday_it=β₀+β₁lnpop_it+β₂lnpgdp_it+β₅lntec_it+βX_it+ε_it （3）

其中，lnday_it为环境压力，以空气质量达到及好于二级的天数的对数值来代表；lnpop_it衡量人口规模，以各城市年末总人口数的对数值来代表；lnpgdp_it衡量城市富裕程度，以人均GDP的对数值来代表；lntec_it衡量技术水平，以地方财政预算内科学事业费支出的对数值来代表。

环境压力与经济富裕度之间的关系，我们用环境库兹涅茨曲线来拟合。然而，除了含人均GDP三次项的模型在样本区间内拟合得较好外，一次模型和大部分二次模型曲线在样本区间内就已远远偏离了样本点，因此为了能够更准确地反映二者关系，本文借鉴前人研究EKC曲线的经验，在式（3）的基础上引入人均GDP的二次项与三次项，据此我们可以把上述回归模型具体化为以下基准模型：

lnday_it=β₀+β₁lnpop_it+β₂lnpgdp_it+β₃（lnpgdp_it）²+β₄（lnpgdp_it）³+β₅lntec_it+βX_it+ε_it（4）

在参考现有文献的基础上，本文考虑了能源消费需求（enAgr）、工业化水平（second）以及产业集聚度（ia）等控制变量，以期全面反映2003年以来影响城市空气质量的因素。因而，本文的拓展模型为：

lnday_it=β₀+β₁lnpop_it+β₂lnpgdp_it+β₃（lnpgdp_it）²+β₄（lnpgdp_it）³+β₅lntec_it+β₆ener_it+β₇second_it+β₈lnia_it+ε_i （5）

图1是利用Stata软件制作的各省会城市被解释变量的时序图，可见，空气质量序列在不同城市均存在时序上的延续性，即被解释变量的滞后项影响着其当期值，因而我们应当在拓展模型2的基础上加入滞后项以期反映该模型的动态属性，在通过多次试验后发现将被解释变量的二阶滞后项作为工具变量并将其一阶滞后项作为解释变量加入到模型中是较为合适的（即通过Sargan检验和Hansen J检验）。故本文的拓展模型的动态形式为：

lnday_it=β₀+δ（lndayi_i，t-1）+β₁lnpop_it+β₂lnpgdp_it+β₂（lnpgdp_it）²+β₄（lnpgdp_it）³+β₅lntec_it+β₆ener_it+β₇second_it+β₈ia_it+ε_i （6）

在拓展模型及其动态形式中，为避免出现异方差，对控制变量ia取自然对数，而对于控制变量second与ener，因二者均为百分数，取对数后没有经济意义，故保留其原值引入模型。

3 数据及变量构造

由于部分数据统计的缺失，本文以我国26个省会城市（除拉萨市外）和4个直辖市2003-2012年的空气质量和人口、经济、技术数据为研究对象。本文所选用的数据均来自《中国统计年鉴》《中国城市统计年鉴》和中经网统计数据库。

3.1 空气质量

空气质量（day）的衡量有多种形式，不同形式的测算结果也有差异。参考以前文献可知，大多数学者使用SO₂、NO₂、PM10排放浓度以及烟尘粉尘数据作为空气污染指标，这些指标均是负向指标，即值越大空气质量越差。本文选择使用空气质量达到及超过二级的天数这一正向指标，其值越大代表空气质量越好，这种选取指标的方式，目前国内也只有池建宇等、杨肃昌和马素琳的研究中涉及过，是对之前指标选取方式的一种创新和改进。相比空气中的污染物浓度指标而言，空气质量达标天数很好的综合了各项影响空气质量的因素，从居民对空气质量的综合感受出发，是一个更为合理的指标选择。

3.2 人口规模

现有文献大多采用年末总人口数来表征人口规模，本文也参照此方法选取年末总人口数（pop）来代表人口规模，另外，为了验证模型的稳健性，我们用年末非农业人口数（npop）来作为人口规模的另一代理变量。2014年11月21日，国务院发布《关于调整城市规模划分标准的通知》，正式调整我国城市规模划分标准，把城市划分为五类：城区常住人口50万以下的城市为小城市；50万以上100万以下的城市为中等城市；100万以上500万以下的城市为大城市；城区常住人口500万以上1000万以下为特大城市；1000万以上的城市称为超大城市。借鉴此划分方法，本文按2012年年末非农业人口数将30个省会城市划分为中等城市、大城市、特大城市和超大城市四类，但由于这种划分方法在做动态回归时容易出现奇异矩阵而导致方程无解，因此，本文将2012年（期末）年末非农业人口数在50万以上500万以下的城市归为大中城市，将年末非农业人口数在500万以上的城市归为特大城市，将这两种人口规模的城市做一比较分析。

3.3 富裕程度

对于富裕程程度指标的选取，学者们多以GDP或者人均GDP（pgdp）来作代理变量，因为数据可得性较好且GDP是一个较为综合的指标，因此本文也用该指标代表富裕程度。本文采用的人均GDP是以2003年为基期计算的可比价人均GDP。在人均GDP指数处理上，将各年环比指数全部转换为以2003年为基期的定基指数，然后进行计算可比价人均GDP，其中，沈阳市、石家庄市、太原市、南京市、杭州市、合肥市、福州市、济南市、武汉市、海口市、贵阳市、昆明市、拉萨市、银川市、乌鲁木齐市等市的数据缺失，由所在省的数据代替；郑州市2005年、成都市2004年的数据缺失，分别由河南省2005年、四川省2004年数据代替；湖北省2012年数据缺失，由前9年数据的平均值代替；所有数据在进行了四舍五入之后只保留两位小数。

为了便于比较富裕程度（或称经济规模，下文均称经济规模）对空气质量的影响差异，我们将省会城市按经济规模不同划分为两组：第一组城市的期末人均GDP高于期末人均GDP平均值；第二组城市的人均GDP低于期末人均GDP平均值。由于环境与经济的关系常以EKC曲线来描述，故本文还引入了人均GDP的二次项与三次项以分析EKC曲线形状。

3.4 技术水平

技术水平（tec）的代理变量通常有科技活动经费占产品销售收入比重、企业科技开发项目内部支出占工业总产值的比重（研发强度）与单位能源消费量的工业总产值（能源效率）、碳排放量占GDP的比重、清洁能源消费比重、单位GDP的能源消费量（能源强度）等，考虑到省会城市相关数据的可得性，我们选取地方财政预算内科学事业费支出占当年GDP的比重作为技术水平的代理变量。

3.5 产业集聚、人口集中及其他控制变量

产业集聚程度越高的地区其环境污染可能越严重，Ciccone等研究认为，相对于城市规模而言，城市内部的经济密度即每单位面积土地上的产出更能衡量经济活动的集聚程度。因此Ciccone和Ciccone用经济密度反映城市的产业集聚程度。本文借鉴此方法，选取单位城市土地面积上的GDP来表示产业集聚程度（ia），以反映第二产业在城市的集聚程度对空气质量的影响。我们还将城市按产业集聚度不同划分为两组，一组高于产业集聚度期末平均值，一组低于产业集聚度期末平均值。然后分组进行回归来探讨产业集聚程度对空气质量的影响。

一般来讲，工业化水平（second）代表着一个城市生产活动中的环境污染状况——第二产业比重高的城市其环境污染较严重。本文使用第二产业产值占GDP的比重来表征工业化水平，用来分析不同工业化水平对空气质量的影响。

研究环境问题难免会谈到能源消费需求，鉴于省会城市数据的可得性，我们用社会消费品零售总额占GDP的比重来表示能源消费需求（ener），用以研究其对空气质量的影响程度。

另外，人口作为影响生产与生活的根本原因，其在城市越集中环境污染程度可能越高或者越低，所以我们有必要研究人口集中程度对空气质量的影响，本文选取城市人口密度来作为人口集中程度的划分依据，将城市按人口密度划分为高于平均值组和低于平均值组，以便比较分析不同人口集中程度的城市对空气质量的不同影响。

以上数据中存在2012年数据缺失的，用前三年数据的平均值代替。

4 实证分析

在计量检验中，我们首先估计了总体上人口规模、富裕程度、技术水平对空气质量动态影响的回归系数，作为分析城市规模与集聚对空气质量动态影响的基础。其次，我们以年末非农业人口数作为人口规模的另一个代理变量，对本文所建立的动态模型进行了稳健性分析。最后，比较分析了不同规模和不同集聚程度的城市发展对空气质量的动态影响，并分析其影响效果存在的差异。

4.1 总体动态GMM回归

本文采用Eviews8.0软件对面板数据进行动态GMM估计。表2是本文动态模型的估计结果，通过逐步加入控制变量的方法观察各影响因素对空气质量的作用大小及其显著性。

表1列出了基准模型和拓展模型的动态回归估计结果，并在第二列列出了基准模型的静态面板双固定回归结果，来作为基准模型动态回归的参照。如表所示，基准模型的动态回归估计结果显然要好于静态回归结果，并且没有改变静态回归中EKC曲线的形式，均为倒N型，这也符合学者们近年来对EKC曲线的研究结论。表1第三列显示，基准模型进行动态回归后，其各项变量均在1%的水平上显著，这说明用STIRPAT模型的动态形式来考察空气质量与城市发展关系是合适的，人口规模（pop）、富裕程度（pgdp）和技术水平（tec）确实是影响城市空气质量的主要影响因素，且人口规模和技术水平对空气质量的作用均为正向的。第四列中我们加入了影响空气质量的能源消费需求（erter）变量，虽然该变量在模型中不够显著（0.1530）且其系数很小（-0.001846），但我们仍然可以从该模型回归结果中得到以下信息：其一，能源消费需求对空气质量的作用是负向的，即能源消费需求越大则空气质量越差，这符合我们的预期；其二，该变量的引入并没有改变模型中其他变量的显著性及其符号，因此我们有理由认为该变量对模型是有用且合理的，并对其不予剔除。因此，我们在第四列基础上再加入工业化水平变量（second）来考察其是否对空气质量有显著影响。与富裕程度所代表的经济在总量上对空气质量的影响不同，工业化水平代表经济在结构上对空气质量的影响，从第五列的结果中我们可以看到，这种影响是显著的且为负数（-0.004306），即工业化水平越高空气质量越差，只是这种影响比起经济总量的影响（144.6029）而言是比较小的。由于该变量的引入也没有改变其他变量在模型中的显著性和符号，我们对其予以保留，并继续引入最后一个控制变量——产业集聚度（ia）。如第六列所示，引入后的回归结果很好，各变量的回归系数和显著性都保持稳定。具体来讲，产业集聚度对空气质量的影响显著为正，即产业集聚度越高，空气质量越好；且其系数的绝对值（0.049127）大于能源消费需求变量和工业化水平变量的系数绝对值（0.009159和0.004729），这说明，较之减少能源消费需求或者降低工业化水平而言，提高产业集聚度能够更有力度的改善空气质量。

4.2 稳健性检验

为了保证分析结果的稳健性，我们还以年末非农业人口数作为城市人口规模的另一个代理变量对基准模型和拓展模型进行估计，估计结果如表2所示。研究发现，以非农业人口数作为人口规模代理变量的情况下，模型仍然具有动态效应。基准模型和拓展模型动态回归的各变量系数的符号、大小及其显著性均与之前保持一致，EKC曲线形状也没有改变。即本文的基本结论是稳健的，城市发展的各项因素确实影响着空气质量，且该影响效果不依赖于代理变量的选择。

4.3 不同规模和集聚程度的动态GMM回归

在前面总体回归的基础上，我们进一步检验不同城市规模和不同城市集聚度对空气质量的不同影响。

在上文所述的划分基础上，我们按不同的分组对拓展模型（4）进行动态回归。表3是城市分不同规模的动态GMM回归估计结果，表4是城市分不同集聚度的动态GMM回归估计结果。

从表3的回归结果来看，城市按不同规模划分后各变量的显著性明显降低，相较而言，分组中城市个数较多的组其显著变量的个数也较多，这可能是因为数据个数越多，分组回归结果就越接近总体回归。虽然各变量的系数绝对值同总体回归的系数绝对值无太大差距，但对于变量的符号来说，各组与总体相比，出现了一些差异。就富裕程度（lnpgdp）的系数来看，除经济规模高于平均值组之外，其他三组系数对应的EKC形状与总体回归一致，均为倒N型。经济规模高于平均值组的城市其EKC形状为N型，意味着经济发达城市在越过下降的拐点后，经济总量增加开始伴随着环境压力的上升，这组城市应该注重产业结构的改善以及清洁能源的使用来调整经济结构，而不能单纯追求经济总量的增加。就技术水平（lntec）而言，特大城市组与总体回归结果不同，技术水平的提高反而会带来空气质量的下降，这可能与特大城市的地方财政预算内科学事业费支出方向有关，如果将这项支出用于高技术同时又是高污染的行业，则该项支出的增加必然会带来空气质量的下降。特大城市的工业化水平（second）的系数符号也与总体回归结果相反，即工业化水平的提高会改善空气质量。由于我们用第二产业产值比重来表示工业化水平，所以这一结果说明特大城市的第二产业可能较多地使用了清洁能源或者对工业废气进行了有效地处理，从而使其比重增加并未导致环境压力的增大。低人口规模组和低经济规模组的回归结果与总体回归结果保持一致。高经济规模组的能源消费需求（ener）系数为正，说明经济发达城市的能源消费需求越高空气质量越好，这看似与我们的预期不符，但其指标“社会消费品零售总额占GDP比重”的选取能够很好地解释为何会出现这种“反常”现象，即公众在进行消费时选择了更绿色更清洁生产的消费品，消费结构发生了变化，从而使总的消费比重增加并没有导致环境压力的增大，反而减轻了环境压力，改善了空气质量。

我们观察城市不同集聚度的回归结果（表4所示）发现，高产业集聚度和高人口集中度的城市其EKC曲线为N型，而低产业集聚度和低人口集中度的城市其EKC曲线为倒N型，即经济密度或人口密度越高的城市，经历“高增长带来高污染——高增长减少污染——高增长带来高污染”的过程；而经济密度或人口密度越低的城市，经历“高增长减少污染——高增长加重污染——高增长减少污染”的过程。人口规模（pop）变量在低产业集聚度组出现了变化，与总体回归结果不同，该组人口规模的增加导致了城市空气质量的恶化（-0.119473），一般而言人口年龄结构、教育结构等因素的不同均会导致人口素质差异，从而使公众的环保意识与环保行为也出现差异，这就难免会出现人口总量增加导致空气质量恶化的情形。还与总体回归结果不同的是，工业化水平（second）在高产业集聚度组和低人口密度组出现了变化，这两组城市的工业化水平越高空气质量越好，与前面分析的一样，这可能与工业结构的改善有关，所以出现这样的差异也是合理的。

5 结论与启示

通过改进STIRPAT模型，本文利用省会城市的面板数据印证了城市发展对空气质量有影响的事实。在分析总体模型的基础之上，本文还依据经济规模、人口规模和产业集聚度、人口集中度的分组标准对不同城市规模、不同城市集聚度对空气质量的影响进行了探究。从城市规模来看，大中城市和经济欠发达城市与总体回归结果基本一致（滞后项符号相反），而特大城市和经济发达城市，或是EKC形状或是个别变量的符号，与总体回归结果有较大差异，在这些差异中我们发现，科学事业费支出方向、社会消费品结构以及工业清洁能源利用及其利用效率等深层因素才是导致这些差异的实质原因。从城市集聚度来看，高产业集聚度和高人口集中度的城市其EKC曲线为N型，低产业集聚度组人口规模的增加导致了城市空气质量的恶化，这两种差异分别与城市的发展阶段和城市的人口素质有关。

因此，本文的政策启示是：

一方面，投资主体在追求总量上的规模经济时，应该更加注重投资结构特别是科技投入结构的改善，政府应倡导低碳消费的理念，注重发展绿色GDP，提倡企业和居民在生产和生活上增加清洁能源的使用，并不断提高资源使用的效率，以实现节能减排从而改善空气质量的效果；

另一方面，政策制定者们在不断追求高产业集聚度与高人口集中度的同时，应当提高人口素质、提升公众的环保意识，从而减轻伴随高产业集聚度和高人口集中度而来的空气质量恶化程度，使高产业集聚度与高人口集中度的城市实现最优的集聚经济效应，并促进空气质量的不断改善。

（编辑：尹建中）