论文部分内容阅读
摘要：自2013年以来，中国频繁出现大规模和持续性的雾霾天气，诸多地方政府不得不采取一系列措施来治理雾霾污染，其中包括广为效仿的机动车限行政策，但其实施效果在不同城市却显示出较大差异性。本文对实施限行政策的11个典型城市的PM2.5浓度进行结构突变点的筛选，并通过控制风速、雨水、湿度、温度等气象因素，建立多元回归模型以分析PM2.5浓度与机动车限行政策的相关性。结果发现，气象因素对于各城市的雾霾污染有着不同的影响。其中，风级、降雨、温度在大部分城市是负向且显著的影响，湿度在部分城市是正向且显著的影响。本文根据限行效果的不同将11个城市分为三类：限行有效、限行无效和限行效果不显著城市。为了进一步考察不同类型的典型城市限行的效果为何不同，选取了北京、天津、西安三个城市从经济、产业、能源以及交通等四个维度进行对比分析，发现不同类型的城市由于城市形态及雾霾成因各不相同，雾霾污染的治理措施也需要“因地制宜”。基于此，本文对不同形态的城市雾霾污染治理提出以下建议：①当城市发展处于高经济-低污染形态时，机动车限行政策是雾霾污染治理的有效手段，但治理的根本在于控制城市机动车保有量，优化城市发展职能，降低城市人口密度；②当城市发展形态处于高经济-高污染形态时，机动车限行政策不是城市治理雾霾污染的最有效手段，政府应加快产业结构转型升级，优化能源消耗结构，加大污染治理投资力度；③当城市发展处于中、低经济-高污染阶段时，机动车限行政策无效，城市发展应注重优化投资结构，转变产业发展模式。
关键词 ：PM2.5；雾霾污染；机动车限行；多元回归
中图分类号：X196
文献标识码 A 文章编号 1002-2104（2018）10-0081-07 DOI：10.12062/cpre.20180509
自2013年以来，中国冬季持续性地爆发大规模的雾霾污染，超过1/7的国土笼罩在雾霾污染的阴影之下，已对17个省市约142万km2的国土造成了严重影响，有监测数据的190个城市中172个城市的PM2.5年均浓度达到了35 μg/m3以上，为世界卫生组织公布的合理阈值（10 μg/m3以下）3倍以上。雾霾不仅严重影响居民身体健康，也导致城市品牌形象下降，部分城市旅游业受阻，甚至出现了严重的人才流失现象。为此，2017年国务院总理李克强在第12届全国人民代表大会上提出要打响“蓝天保卫战”，要求各级政府严格治理雾霾污染，停工限产、煤改气、限制供暖锅炉燃烧等一系列措施陆续出台，其中最具特色、应用最广的当属城市机动车限行政策。自2008年北京的机动车限行政策在一定程度上改善了大气质量后，天津、哈尔滨等10多个城市纷纷开始效仿。2013年全国大范围爆发雾霾污染以来，越来越多的城市将机动车限行政策常态化。然而，机动车尾气排放真的是造成中国城市冬季雾霾污染的罪魁祸首吗？机动车限行政策对城市雾霾污染治理真的有效吗？什么类型的城市适宜于使用机动车限行政策，其在何种条件和环境下可发挥作用，仍值得深入研究。
1 研究综述
随着雾霾污染形势日趋严峻，国内外研究中国雾霾污染成因的文献日益增多，如气候异常、工业排放、机动车尾气以及粗放的发展模式[1]，能源的过度消耗、能源结构不合理、粗放的工业经济发展方式[2-3]，优化能源结构[4-5]成为治理雾霾的关键。部分学者发现雾霾具有很强的空间溢出效应，应考虑建立城市间的联防联控[6-7]。
关于机动车尾气排放对空气污染的贡献率究竟有多大，学者们给出的意见各不相同。闫伶[8]通过观察机动车数量与PM2.5日平均浓度，发现汽车尾气对PM2.5浓度的影响有限。 孙坤鑫[9]认为机动车排放标准提升在短期内对于治理雾霾效果并不明显，长期效果则较为显著，因此机动车排放标准提升对于改善空气来说是必要不充分条件。吕效谱等[10]通过分析2013年1月中国大范围雾霾，认为机动车尾气污染是雾霾污染形成的重要原因。
近年来，政府都期望能实现缓解交通拥堵以及减轻雾霾治理的双赢局面，因此部分研究开始关注机动车限行政策的合理及有效性。相关研究表明，机动车限行政策不能盲目实施，而应建立在一个多元治理的整体环保措施中，保障人们的交通出行方便快捷[11-12]。针对城市限行政策有效性的研究方法大致分两种：倍差法和断点回归法。如Chen等[13]运用倍差法探讨北京奥运前后的政策对空气质量的治理影响，结果发现短期内空气质量好转，但奥运会后一个月空气污染指数迅速上升。Davis[14]通过断点回归剥离出墨西哥城限行政策对大气污染物浓度的影响，发现限行政策不仅没有减缓空气污染，反而使污染物排放增加，大气环境质量恶化。Viard等[15]运用断点回归方法发现限行政策使北京的空气质量改善了20%左右。
综上所述，前期研究对厘清限行政策的有效性起到了积极的推动作用，但仍存在一定不足：现有研究大多集中在对单一城市限行现状的分析，不同类型城市限行效果的差异性原因尚待挖掘。基于此，本研究拟选取当前中国已经实施机动车限行政策的城市作为研究样本，运用结构突变点筛选与多元回归方程来检验机动车限行是否抑制了城市PM2.5浓度的上升，并进一步选取不同类型的典型城市探讨限行效果存在差异的原因，以期能够厘清城市机动车限行与雾霾污染之间的关系。
2 城市機动车限行有效性探究
当前中国已有不少城市通过限行政策来治理雾霾污染，但大范围内限行政策的实施是在2016、2017年逐渐开始，且大部分处于冬季。为确保研究结果的可信性，需要尽可能延长研究样本的时间跨度以显示规律性特征。因此，本研究选取了全国范围内限行时长超过1年的北京、天津、哈尔滨、长春、贵阳、兰州、杭州、成都、南昌等9个城市作为本文机动车限行政策有效性探究的对象。西安、太原自2016年冬季起开始实施机动车限行政策，作为北方城市雾霾污染较为严重，限行是否有效对于城市雾霾污染治理有重要的意义，因此，将两城市纳入研究对象中。本文数据时间跨度为2014年11月—2017年2月（西安与太原时间跨度为2016年11月—2017年2月）。 2.1 机动车限行政策的结构突变点检验
从PM2.5浓度的变化上看，限行期间多个城市的PM2.5浓度值均发生了不同幅度的波动。如图1，以北京、天津、西安为例，城市日PM2.5浓度均值出现多次较大程度的突变，呈现出典型的区间结构突变特征，因此有必要结合结构突变点检验去分析机动车限行是否造成PM2.5浓度发生了较大程度的变化。方法借鉴Bai Perron[16]的结构突变理论，用以监测一个时间序列是否发生结构突变，以此判断结构突变点发生的时间点和突变次数。
运用结构突变的思想是考察外生冲击（比如限行政策的制定）是否使得PM2.5的浓度发生改变。
上式可以通过退去时间趋势而成为平稳过程，因此称作趋势平稳过程。如果在某一节点，式中的μ或δ发生变化，则称其发生了结构突变，而本文因结构突变趋势与突变点未知，属于内生性结构突变。为确保时间区间一致，研究选取了11个城市2016年冬半年（11月～2月）PM2.5数据，将截断参数ξ选取为0.15，并设置最大结构突变点数目M=5。PM2.5突变点假设发生在k期，将整个样本按下式进行退趋势化回归，令k逐渐增加，最终确定出结构突变点的具体时间，理论模型构建如下：
本文对11个城市的PM2.5浓度分别进行结构突变点的筛选，若筛选出的结构突变点当天实施机动车限行政策并且霧霾下降，则认为限行对于雾霾天气可能存在抑制作用，即为有效点；若筛选出的结构突变点当天没有限行，或是机动车限行但雾霾浓度上升，则视为无效点。11个城市PM2.5浓度结构突变点筛选结果见表1。
从表1可以看出，北京、天津等8个城市PM2.5浓度均发生了结构突变，结合各个城市PM2.5浓度变化情况，筛选出有效突变点当天PM2.5浓度下降的城市包括北京、天津、贵阳、西安以及兰州等5座城市。其中，北京在2016年12月17日（214～196 μg/m3）和2017年1月9日（36～32 μg/m3）分别发生了PM2.5浓度的结构突变，将这两日均视为有效结构突变点；西安分别在2016年12月18日与2017年1月6日产生了两个突变结构点，其中，西安市重污染天气应急指挥部从2017年1月6日起将西安市重污染天气一级应急响应降为二级，由单双号限行降为尾号限行，限行的强度降低，而当天的雾霾浓度反而下降，这有可能是由于降雨等气象因素造成的，因此将1月6日视为无效突变结构点。天津在2016年12月17日和2017年1月9日PM2.5浓度发生了结构突变，其中12月17日城市没有实施机动车限行政策，视为无效点；1月9日，城市PM2.5浓度下降且实施限行政策，视为有效点。贵阳在2016年12月5日和12月23日PM2.5浓度发生结构突变，这两日城市均实施了机动车限行政策，然而12月5日PM2.5浓度上升，12月23日PM2.5浓度下降，即12月23日为有效点。兰州在2017年1月6日PM2.5浓度发生了结构突变，当日实施限行且PM2.5浓度下降，视为有效点。从剩余结果看出，其他7个城市或是没有筛选出突变点，或是筛选出无效点。
通过对11个城市PM2.5浓度的结构突变点检验后发现，并非所有城市的限行政策都能有效降低PM2.5浓度。
同时，部分城市虽然出现了有效的结构突变点，但出现结构突变点可能与大风、温度、降雨等气象因素有关。因此，需要通过多元线性回归对PM2.5浓度与限行政策、气象条件的关系进行进一步验证。
2.2 雾霾污染与机动车限行的多元回归模型的建立与分析
2.2.1 多元回归模型建立
由于影响雾霾污染的天气每日演变超过2/3的方差可以由气象条件解释[17]，因此本文选取风速、雨水、湿度、最高温度作为控制变量，模型的具体变量及解释见表2。考虑到PM2.5浓度随时间会有动态变化，本文在模型中加入限行政策的滞后项，理论模型如下：
上式中，i表示11个城市，t表示日期，β0为常数项，εit为随机误差项，D1为机动车限行日，D2为机动车限行滞后期，W为风级，H为湿度，Htem为城市最高温度，Rain为城市降雨日。其中，城市机动车限行政策单双号限行记为虚拟变量2，尾号限行记为1，不限行记为0。降雨日为虚拟变量，发生记为1，未发生则记为0。
2.2.2 多元回归模型结果分析
分别对11个城市的PM2.5浓度、城市机动车限行以及降水、风级、湿度、温度等气象因素进行多元线性回归分析，结果如表3。
从回归结果看，气象因素对各城市PM2.5浓度变化有着不同的影响。其中，风级对北京、天津、贵阳、杭州、南昌等5个城市的PM2.5浓度均呈现出负向影响，当出现大风天气时，雾霾污染均有显著改善；降水对北京、天津、成都、贵阳、兰州、杭州以及南昌的PM2.5浓度变化有显著的负向影响，当出现降雨天气时，这7个城市的PM2.5浓度出现明显下降；温度对北京、西安、贵阳、兰州、哈尔滨、长春、杭州、南昌的PM2.5浓度变化有显著的负向影响，当城市温度升高，有利于这8个城市的雾霾扩散；湿度对城市PM2.5浓度变化的影响则相对较为复杂。其中，北京、西安、天津、成都、兰州以及太原等6个城市，湿度对其PM2.5浓度的变化呈现显著的正向影响，贵阳、杭州、南昌等3个城市则呈现出显著的负向影响。
从表3可以看出，11个城市中仅北京、西安、兰州等3个城市的限行政策回归结果较为显著（北京为滞后4期效果显著，兰州为滞后3期效果显著），其他城市限行效果均不显著。同时，又仅有北京的机动车限行政策回归结果呈现负相关，西安与兰州的限行结果呈现正相关。这说明北京的机动车限行政策较为有效地抑制了雾霾污染，西安与兰州的机动车限行政策则在一定程度上加重了雾霾污染。
控制气象因素对雾霾污染的影响之后，本研究发现大部分城市机动车限行政策是无效的。因此，按机动车限行政策有效性，可将11个城市分为抑制雾霾污染、促进雾霾污染以及对雾霾污染无显著影响等3类城市（见表4）。 从表4可以看出，城市机动车限行政策对雾霾污染治理的效果存在较大差异，大部分城市均未能取得显著的防
控效果。实施机动车限行政策的本质在于通过控制城市机动车尾气排放量来治理雾霾污染，然而机动车限行政策有效的重要前提在于城市雾霾污染主要是由机动车尾气排放造成的。上述11个城市，无论是在经济发展、产业结构还是能源消耗等方面均存在较大差异，因而机动车尾气的排放并不一定是造成城市雾霾污染的主要原因。
综上所述，为进一步探究城市机动车限行与雾霾污染防控之间的关系，本研究拟从三类城市中分别选取一个典型城市，就城市经济发展水平、产业结构、能源消耗、交通发达程度等多个维度进行案例分析，以期进一步厘清城市机动车限行有效性的差异。
3 典型城市机动车限行有效性差异探究
在选取典型城市进行案例分析时，考虑到北京是唯一一个机动车限行有效的城市，同时也是中国经济发展水平与城市化进程最高的城市之一，研究其限行有效性的机理对中国其他城市未来的发展具有重要参考意义；作为限行效果不显著的城市代表，天津毗邻北京，是中国经济最为发达的工业城市之一，能够与北京的城市发展形态形成对比，也为该类型城市治理雾霾污染起到借鉴作用；西安作为中西部代表性城市，其2016年冬季雾霾污染严重程度曾位列全国第一，研究其限行无效的原因对其他发展中城市具有重要借鉴意义。
北京经济发展水平较高，产业结构偏向于第三产业，属于典型的高经济-低污染形态的城市。从表5可以看出，北京的单位GDP能耗在三个城市中最低（0.49），但是技术水平提升的同时要注意能源回弹效应[18]，即技术提高后能效改进产生的节能效果中相当一部分会被资本追加及产出增长所带来的能源消耗“蚕食”，从而导致利用提升技术水平来治理雾霾的效果不明显。同时北京城市人口规模大、密度高，使得机动车保有量从2008年的350万辆跃升至2015年的533万辆，然而较为发达的公共交通事业（24.58辆/每万人）使居民在城市执行限行政策时愿意放弃私家车转而使用公共交通工具出行。因此，机动车限行政策在北京表现出较强的有效性，通过限行在一定程度上能降低城市机动车出行数量与尾气排放，但也暴露出限行有效只是解决城市雾霾污染问题的表象，真正的根源在于解决城市发展不平衡的问题。
如果说北京是中国城市发展的第一形态，那么天津则代表了中国城市发展的第二形态，即高经济-高污染城市形态。天津的人均GDP高于北京，但产业结构明显依赖于第二产业（46.58%），虽然依靠工业将经济发展起来了，但由于存在较多的高污染高能耗重工业企业，导致城市雾霾频频发生。因此，天津机动车限行政策并不能解决雾霾污染的问题，下一步的雾霾污染治理应该是调整结构，即从高经济-高污染的阶段向高经济-低污染的阶段过渡。
西安作为快速发展中的二线城市，可以看做城市发展的第三形态，即经济尚未发展起来但污染已十分严重，处于中低经济-高污染城市形态。西安耗能最高的行业为电力、热力生产供应业，占总能源消耗的64.16%。其中，冬季供暖使该行业能源消耗巨大，也是导致冬季雾霾污染严重、限行无效的重要原因。同时，西安近年来机动车保有量增速惊人，但城市公共交通事业远没有北京、天津等高形态城市发展成熟，城市每万人拥有公共交通数量仅为12.52辆，这也是雾霾污染下机动车限行无效的原因之一。当城市实施机动车限行政策给人们的出行带来不便，不排除会增加居民购买新车以及使用高排放的老旧车辆的可能。第三形态城市未來的发展有没有可能跳出高经济-高污染的城市形态阶段而直接转向高经济-低污染的更高一级城市形态，转变经济发展方式显得尤为重要。
综上所述，机动车限行政策对雾霾污染治理的效果存在一定差异，机动车尾气排放在城市间的贡献率是不同的，限行政策的实施需要与科学的城市规划和绿色的城市产能结构相结合，充分考虑到每个城市不同的发展程度，才能达到预期的效果。
4 结论与建议
4.1 结论
如今，中国面临的环境治理形势越来越严峻。机动车限行政策是否有效地减少雾霾污染这一说法还存在很多争议，本文通过实证研究，得出了以下结论：
在控制气象因素影响后发现，机动车限行政策对控制雾霾污染的效果并不明显，在不同类型城市中表现的作用也不同。只有北京是显著负相关，西安、兰州显著正相关，其余城市均为不显著。为了进一步考察不同类型的典型城市限行效果不同的原因，本文对北京、天津、西安三个城市，从经济、产业、能源以及交通等四个维度进行案例对比分析后发现，雾霾污染的治理措施需要“因地制宜”。
4.2 政策建议
不同发展形态的城市雾霾污染的主要原因各不相同，因此解决措施也不能相互效仿，而应对症下药。
城市处于高经济-低污染形态时，机动车限行政策是治理雾霾的有效手段，但治理的根本在于控制机动车保有量，优化城市发展职能，降低城市人口密度。如北京，无论是能源结构或是产业结构的发展已经超越中国其他城市，节能减排取得了初步的效果，但其存在大城市难以回避的问题——城市建设固化，即基础设施的建设发展难以满足日益增长的人口需求。北京的机动车尾气排放对于雾霾污染的贡献率很大，归根究底是城市人口密度过高，机动车保有量过大造成。因此，北京应重视人口的疏散，将城市部分职能疏导转移到周边城市（如雄安新区）中，这样既可以分担北京的一部分城市职能，同时也促进了周边地区的高新科技发展。
城市发展处于高经济-高污染时，机动车限行政策并非治理雾霾最有效的手段，政府应加快产业结构转型，优化能源结构，加大污染治理投资。天津如何从高经济-高污染转变为高经济-低污染的城市形态，成为丞待解决的问题。城市环境的治理不是弃高耗能产业或放弃经济的发展，而是要提高技术水平，促进产业结构转型。为改善其能源结构的状况，政府需要提高企业社会责任感，征收企业污染税，倒逼企业进行能源技术转型。 城市发展仍处于中低经济-高污染时，机动车限行政策对于抑制雾霾污染呈现出无效作用，政府应当优化城市投资结构，营造低碳绿色的营商环境，转变产业发展模式，不再走第二形态城市的发展老路。因此，在今后的经济发展中，不能盲目追求GDP的增长，应建立生态、文明、绿色的经济发展模式。如西安，先发展还是先治理是困扰城市发展的关键性问题，提高经济的增长，看重的不只是“量”，更应该是“质”。如何跨过高经济-高污染的城市形态，首先，应限制引进高污染高能耗产业，将更多的资金投资到节能技术水平较高的企业，以获得更高的减排效果；其次，加快实施煤改气、煤改电是改善冬季空气污染的重要手段。
城市形态的不同，造成雾霾污染的原因也不尽相同。虽然机动车限行政策是缓解城市交通拥堵的一剂良药，但并不是解决雾霾污染的根本途径。城市雾霾治理的切入点还是应该从源头着手，制定科学的顶层设计，转变经济发展方式，政府通过市场化手段倒逼产业结构、企业技术水平升级。雾霾污染治理是一个复杂的工程，要理性对待机动车限行政策，不能将限行政策视为拯救空气质量的唯一“救世主”，而应该根据城市自身的情况，合理制定相关政策，转变产业结构，提升科学技术水平，多角度全方位地改善城市的经济、生产、生活方式，实现雾霾治理与城市发展双赢的目的。
（编辑：刘照胜）
参考文献（References）
[1]周峤. 雾霾天气的成因[J]. 中国人口·资源与环境， 2015（s1）：211-212. [ZHOU Qiao. Cause of the haze weather[J]. China population，resources and environment， 2015（s1）：211-212.]
[2]王立平， 陈俊. 中国雾霾污染的社会经济影响因素——基于空间面板数据EBA模型实证研究[J]. 环境科学学报， 2016， 36（10）：3833-3839. [WANG Liping， CHEN Jun. Socioeconomic influential factors of haze pollution in china： empirical study by EBA Model using spatial panel data[J]. Acta scientiae circumstantiae， 2016， 36（10）： 3833-3839.]
[3]何枫， 马栋栋. 雾霾与工业化发展的关联研究——中国74个城市的实证研究[J]. 软科学， 2015（6）：110-114. [HE Feng， MA Dongdong. Association study between haze pollution and industrialization：an empirical study based on 74 cities in China[J]. Soft science， 2015（6）：110-114.]
[4]GUO S， HU M， ZAMORA M L， et al. Elucidating severe urban haze formation in China[J]. Proceedings of the national academy of sciences of the United States of America， 2014， 111（49）：17373.
[5]陳诗一， 陈登科. 能源结构、雾霾治理与可持续增长[J]. 环境经济研究， 2016（1）：59-75. [CHEN Shiyi， CHEN Dengke. Energy structure， haze governance and sustainable growth[J]. Environmental economy research， 2016（1）：59-75.]
[6]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[J]. 经济研究， 2016（9）：73-88. [SHAO Shuai， LI Xin， CAO Jianhua， et al. China’s economic policy choices for governing smog pollution based on spatial spillover effects[J]. Economic research journal， 2016（9）：73-88.]
[7]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（4）：19-31. [MA Limei， ZHANG Xiao. The spatial effect of China’s haze pollution and the impact from economic change and energy structure[J]. China industrial economies， 2014（4）：19-31.]
[8]闫伶. 城区机动车尾气排放量与雾霾关系研究[J]. 环境科学与管理， 2017， 42（1）：67-69. [YAN Ling. Relationship between vehicle amount and haze in Keqiao district[J]. Environmental science and management， 2017， 42（1）：67-69.]
[9]孙坤鑫. 机动车排放标准的雾霾治理效果研究——基于断点回归设计的分析[J]. 软科学， 2017（11）：93-97. [SUN Kunxin. Study on effect of haze treatment on vehicle emission standard：analysis based on regression discontinuity design[J]. Soft science， 2017（11）：93-97.] [10]呂效谱， 成海容， 王祖武，等. 中国大范围雾霾期间大气污染特征分析[J]. 湖南科技大学学报（自然科学版）， 2013， 28（3）：104-110. [LV Xiaopu， CHENG Hairong， WANG Zuwu， et al. Analysis of a wide range haze pollution in China[J]. Journal of Hunan University of Science & Technology（natural science edition）， 2013， 28（3）：104-110.]
[11]竺效. 机动车单双号常态化限行的环境法治之辨[J]. 法学， 2015（2）：3-10.[ZHU Xiao.The debate on environment of normalization of vehicle’s odd and even plate number restriction rule[J]. Law science， 2015（2）：3-10.]
[12]谭俊杰. 尾号限行，城市交通发展的陷阱[C]//海口：2014中国城市规划年会，2014. [TAN Junjie. Tail limit line， the trap of urban traffic development[C]// Haikou：Annual National Planning Conference 2014， 2014.]
[13]CHEN Yuyu， JIN G Z， KUMAR N， et al. The promise of Beijing： evaluating the impact of the 2008 Olympic Games on air quality [J]. Journal of environmental economics & management， 2013， 66（3）：424-443.
[14]DAVIS L W. The Effect of driving restrictions on air quality in Mexico City[J]. Journal of political economy， 2008， 116（1）：38-81.
[15]VIARD V B， FU S. The effect of Beijing’s driving restrictions on pollution and economic activity [J]. Journal of public economics， 2015， 125（8）：98-115.
[16]BAI J， PERRON P. Estimating and testing linear models with multiple structural changes[J]. Econometrica， 1998， 66（1）：47-78.
[17]张人禾， 李强， 张若楠. 2013年1月中国东部持续性强雾霾天气产生的气象条件分析[J]. 中国科学：地球科学， 2014， 44（1）：27-36. [ZHANG Renhe， LI Qiang， ZHANG Ruonan. Meteorological conditions for the persistent severe fog and haze over eastern China in January 2013[J]. Science China：earth sciences， 2014， 44（1）：27-36.]
[18]邵帅， 杨莉莉， 黄涛. 能源回弹效应的理论模型与中国经验[J]. 经济研究， 2013（2）：96-109. [SHAO Shuai， YANG Lili， HUANG Tao. Theoretical model and experience from China of energy rebound effect[J]. Economic research journal， 2013（2）：96-109.]
Abstract As there has been more frequent， largescale and persistent haze weather in China since 2013， many local governments had to take series of measures to control the haze pollution. Among which， the driving restriction policy has been widely adopted， and it has shown varied effects in different cities. This study attempts to conduct data mining on the data of PM2.5 concentration of 11 provincial capital cities in China with driving restriction policies， and find the structural breaks points. Multivariate regression model is applied to explore the correlation of PM2.5 and restriction policy by controlling the climate factors such as wind level， rainfall， humidity and so on. The results show that meteorological factors in each city have a different impact on haze pollution. Among them， wind level， rainfall and temperature have significant negative impact in most cities and humidity has significant positive impact in some cities. As for the different effects of driving restrictions， the 11 provincial capital cities can be divided into three categories， the effective， the ineffective and the insignificant. In order to investigate the reasons behind the differences， Beijing， Tianjin and Xi’an are chosen in each category for comparative analysis in four dimensions： economy， industrial structure， energy consumption and transportation condition. It is found that the fundamental cause of haze pollution varies in different cities， therefore different measures need to be taken to ease the haze pollution rather than rely simply on the driving restriction policy： ① When the city is at the status of higheconomic development with lowpollution level， the driving restriction policy is an effective means to control haze pollution， the local government is suggested to control the quantity of motor vehicles， optimize urban development functions， and reduce urban population density. ②When the city is at the status of higheconomic development with highpollution level， the driving restriction policy is not the most effective way to control haze pollution. The local government should emphasize more on speeding up the transformation and upgrading of industrial structure， optimizing the energy consumption structure and increasing investment in pollution control. ③When the city at the status of medium/loweconomic development and highpollution level， the driving restriction policy is rather ineffective. Urban development should focus on optimizing investment structure and upgrading industry development mode to be more sustainable.
Key words PM2.5； haze pollution； driving restriction； multivariate regression
关键词 ：PM2.5；雾霾污染；机动车限行；多元回归
中图分类号：X196
文献标识码 A 文章编号 1002-2104（2018）10-0081-07 DOI：10.12062/cpre.20180509
自2013年以来，中国冬季持续性地爆发大规模的雾霾污染，超过1/7的国土笼罩在雾霾污染的阴影之下，已对17个省市约142万km2的国土造成了严重影响，有监测数据的190个城市中172个城市的PM2.5年均浓度达到了35 μg/m3以上，为世界卫生组织公布的合理阈值（10 μg/m3以下）3倍以上。雾霾不仅严重影响居民身体健康，也导致城市品牌形象下降，部分城市旅游业受阻，甚至出现了严重的人才流失现象。为此，2017年国务院总理李克强在第12届全国人民代表大会上提出要打响“蓝天保卫战”，要求各级政府严格治理雾霾污染，停工限产、煤改气、限制供暖锅炉燃烧等一系列措施陆续出台，其中最具特色、应用最广的当属城市机动车限行政策。自2008年北京的机动车限行政策在一定程度上改善了大气质量后，天津、哈尔滨等10多个城市纷纷开始效仿。2013年全国大范围爆发雾霾污染以来，越来越多的城市将机动车限行政策常态化。然而，机动车尾气排放真的是造成中国城市冬季雾霾污染的罪魁祸首吗？机动车限行政策对城市雾霾污染治理真的有效吗？什么类型的城市适宜于使用机动车限行政策，其在何种条件和环境下可发挥作用，仍值得深入研究。
1 研究综述
随着雾霾污染形势日趋严峻，国内外研究中国雾霾污染成因的文献日益增多，如气候异常、工业排放、机动车尾气以及粗放的发展模式[1]，能源的过度消耗、能源结构不合理、粗放的工业经济发展方式[2-3]，优化能源结构[4-5]成为治理雾霾的关键。部分学者发现雾霾具有很强的空间溢出效应，应考虑建立城市间的联防联控[6-7]。
关于机动车尾气排放对空气污染的贡献率究竟有多大，学者们给出的意见各不相同。闫伶[8]通过观察机动车数量与PM2.5日平均浓度，发现汽车尾气对PM2.5浓度的影响有限。 孙坤鑫[9]认为机动车排放标准提升在短期内对于治理雾霾效果并不明显，长期效果则较为显著，因此机动车排放标准提升对于改善空气来说是必要不充分条件。吕效谱等[10]通过分析2013年1月中国大范围雾霾，认为机动车尾气污染是雾霾污染形成的重要原因。
近年来，政府都期望能实现缓解交通拥堵以及减轻雾霾治理的双赢局面，因此部分研究开始关注机动车限行政策的合理及有效性。相关研究表明，机动车限行政策不能盲目实施，而应建立在一个多元治理的整体环保措施中，保障人们的交通出行方便快捷[11-12]。针对城市限行政策有效性的研究方法大致分两种：倍差法和断点回归法。如Chen等[13]运用倍差法探讨北京奥运前后的政策对空气质量的治理影响，结果发现短期内空气质量好转，但奥运会后一个月空气污染指数迅速上升。Davis[14]通过断点回归剥离出墨西哥城限行政策对大气污染物浓度的影响，发现限行政策不仅没有减缓空气污染，反而使污染物排放增加，大气环境质量恶化。Viard等[15]运用断点回归方法发现限行政策使北京的空气质量改善了20%左右。
综上所述，前期研究对厘清限行政策的有效性起到了积极的推动作用，但仍存在一定不足：现有研究大多集中在对单一城市限行现状的分析，不同类型城市限行效果的差异性原因尚待挖掘。基于此，本研究拟选取当前中国已经实施机动车限行政策的城市作为研究样本，运用结构突变点筛选与多元回归方程来检验机动车限行是否抑制了城市PM2.5浓度的上升，并进一步选取不同类型的典型城市探讨限行效果存在差异的原因，以期能够厘清城市机动车限行与雾霾污染之间的关系。
2 城市機动车限行有效性探究
当前中国已有不少城市通过限行政策来治理雾霾污染，但大范围内限行政策的实施是在2016、2017年逐渐开始，且大部分处于冬季。为确保研究结果的可信性，需要尽可能延长研究样本的时间跨度以显示规律性特征。因此，本研究选取了全国范围内限行时长超过1年的北京、天津、哈尔滨、长春、贵阳、兰州、杭州、成都、南昌等9个城市作为本文机动车限行政策有效性探究的对象。西安、太原自2016年冬季起开始实施机动车限行政策，作为北方城市雾霾污染较为严重，限行是否有效对于城市雾霾污染治理有重要的意义，因此，将两城市纳入研究对象中。本文数据时间跨度为2014年11月—2017年2月（西安与太原时间跨度为2016年11月—2017年2月）。 2.1 机动车限行政策的结构突变点检验
从PM2.5浓度的变化上看，限行期间多个城市的PM2.5浓度值均发生了不同幅度的波动。如图1，以北京、天津、西安为例，城市日PM2.5浓度均值出现多次较大程度的突变，呈现出典型的区间结构突变特征，因此有必要结合结构突变点检验去分析机动车限行是否造成PM2.5浓度发生了较大程度的变化。方法借鉴Bai Perron[16]的结构突变理论，用以监测一个时间序列是否发生结构突变，以此判断结构突变点发生的时间点和突变次数。
运用结构突变的思想是考察外生冲击（比如限行政策的制定）是否使得PM2.5的浓度发生改变。
上式可以通过退去时间趋势而成为平稳过程，因此称作趋势平稳过程。如果在某一节点，式中的μ或δ发生变化，则称其发生了结构突变，而本文因结构突变趋势与突变点未知，属于内生性结构突变。为确保时间区间一致，研究选取了11个城市2016年冬半年（11月～2月）PM2.5数据，将截断参数ξ选取为0.15，并设置最大结构突变点数目M=5。PM2.5突变点假设发生在k期，将整个样本按下式进行退趋势化回归，令k逐渐增加，最终确定出结构突变点的具体时间，理论模型构建如下：
本文对11个城市的PM2.5浓度分别进行结构突变点的筛选，若筛选出的结构突变点当天实施机动车限行政策并且霧霾下降，则认为限行对于雾霾天气可能存在抑制作用，即为有效点；若筛选出的结构突变点当天没有限行，或是机动车限行但雾霾浓度上升，则视为无效点。11个城市PM2.5浓度结构突变点筛选结果见表1。
从表1可以看出，北京、天津等8个城市PM2.5浓度均发生了结构突变，结合各个城市PM2.5浓度变化情况，筛选出有效突变点当天PM2.5浓度下降的城市包括北京、天津、贵阳、西安以及兰州等5座城市。其中，北京在2016年12月17日（214～196 μg/m3）和2017年1月9日（36～32 μg/m3）分别发生了PM2.5浓度的结构突变，将这两日均视为有效结构突变点；西安分别在2016年12月18日与2017年1月6日产生了两个突变结构点，其中，西安市重污染天气应急指挥部从2017年1月6日起将西安市重污染天气一级应急响应降为二级，由单双号限行降为尾号限行，限行的强度降低，而当天的雾霾浓度反而下降，这有可能是由于降雨等气象因素造成的，因此将1月6日视为无效突变结构点。天津在2016年12月17日和2017年1月9日PM2.5浓度发生了结构突变，其中12月17日城市没有实施机动车限行政策，视为无效点；1月9日，城市PM2.5浓度下降且实施限行政策，视为有效点。贵阳在2016年12月5日和12月23日PM2.5浓度发生结构突变，这两日城市均实施了机动车限行政策，然而12月5日PM2.5浓度上升，12月23日PM2.5浓度下降，即12月23日为有效点。兰州在2017年1月6日PM2.5浓度发生了结构突变，当日实施限行且PM2.5浓度下降，视为有效点。从剩余结果看出，其他7个城市或是没有筛选出突变点，或是筛选出无效点。
通过对11个城市PM2.5浓度的结构突变点检验后发现，并非所有城市的限行政策都能有效降低PM2.5浓度。
同时，部分城市虽然出现了有效的结构突变点，但出现结构突变点可能与大风、温度、降雨等气象因素有关。因此，需要通过多元线性回归对PM2.5浓度与限行政策、气象条件的关系进行进一步验证。
2.2 雾霾污染与机动车限行的多元回归模型的建立与分析
2.2.1 多元回归模型建立
由于影响雾霾污染的天气每日演变超过2/3的方差可以由气象条件解释[17]，因此本文选取风速、雨水、湿度、最高温度作为控制变量，模型的具体变量及解释见表2。考虑到PM2.5浓度随时间会有动态变化，本文在模型中加入限行政策的滞后项，理论模型如下：
上式中，i表示11个城市，t表示日期，β0为常数项，εit为随机误差项，D1为机动车限行日，D2为机动车限行滞后期，W为风级，H为湿度，Htem为城市最高温度，Rain为城市降雨日。其中，城市机动车限行政策单双号限行记为虚拟变量2，尾号限行记为1，不限行记为0。降雨日为虚拟变量，发生记为1，未发生则记为0。
2.2.2 多元回归模型结果分析
分别对11个城市的PM2.5浓度、城市机动车限行以及降水、风级、湿度、温度等气象因素进行多元线性回归分析，结果如表3。
从回归结果看，气象因素对各城市PM2.5浓度变化有着不同的影响。其中，风级对北京、天津、贵阳、杭州、南昌等5个城市的PM2.5浓度均呈现出负向影响，当出现大风天气时，雾霾污染均有显著改善；降水对北京、天津、成都、贵阳、兰州、杭州以及南昌的PM2.5浓度变化有显著的负向影响，当出现降雨天气时，这7个城市的PM2.5浓度出现明显下降；温度对北京、西安、贵阳、兰州、哈尔滨、长春、杭州、南昌的PM2.5浓度变化有显著的负向影响，当城市温度升高，有利于这8个城市的雾霾扩散；湿度对城市PM2.5浓度变化的影响则相对较为复杂。其中，北京、西安、天津、成都、兰州以及太原等6个城市，湿度对其PM2.5浓度的变化呈现显著的正向影响，贵阳、杭州、南昌等3个城市则呈现出显著的负向影响。
从表3可以看出，11个城市中仅北京、西安、兰州等3个城市的限行政策回归结果较为显著（北京为滞后4期效果显著，兰州为滞后3期效果显著），其他城市限行效果均不显著。同时，又仅有北京的机动车限行政策回归结果呈现负相关，西安与兰州的限行结果呈现正相关。这说明北京的机动车限行政策较为有效地抑制了雾霾污染，西安与兰州的机动车限行政策则在一定程度上加重了雾霾污染。
控制气象因素对雾霾污染的影响之后，本研究发现大部分城市机动车限行政策是无效的。因此，按机动车限行政策有效性，可将11个城市分为抑制雾霾污染、促进雾霾污染以及对雾霾污染无显著影响等3类城市（见表4）。 从表4可以看出，城市机动车限行政策对雾霾污染治理的效果存在较大差异，大部分城市均未能取得显著的防
控效果。实施机动车限行政策的本质在于通过控制城市机动车尾气排放量来治理雾霾污染，然而机动车限行政策有效的重要前提在于城市雾霾污染主要是由机动车尾气排放造成的。上述11个城市，无论是在经济发展、产业结构还是能源消耗等方面均存在较大差异，因而机动车尾气的排放并不一定是造成城市雾霾污染的主要原因。
综上所述，为进一步探究城市机动车限行与雾霾污染防控之间的关系，本研究拟从三类城市中分别选取一个典型城市，就城市经济发展水平、产业结构、能源消耗、交通发达程度等多个维度进行案例分析，以期进一步厘清城市机动车限行有效性的差异。
3 典型城市机动车限行有效性差异探究
在选取典型城市进行案例分析时，考虑到北京是唯一一个机动车限行有效的城市，同时也是中国经济发展水平与城市化进程最高的城市之一，研究其限行有效性的机理对中国其他城市未来的发展具有重要参考意义；作为限行效果不显著的城市代表，天津毗邻北京，是中国经济最为发达的工业城市之一，能够与北京的城市发展形态形成对比，也为该类型城市治理雾霾污染起到借鉴作用；西安作为中西部代表性城市，其2016年冬季雾霾污染严重程度曾位列全国第一，研究其限行无效的原因对其他发展中城市具有重要借鉴意义。
北京经济发展水平较高，产业结构偏向于第三产业，属于典型的高经济-低污染形态的城市。从表5可以看出，北京的单位GDP能耗在三个城市中最低（0.49），但是技术水平提升的同时要注意能源回弹效应[18]，即技术提高后能效改进产生的节能效果中相当一部分会被资本追加及产出增长所带来的能源消耗“蚕食”，从而导致利用提升技术水平来治理雾霾的效果不明显。同时北京城市人口规模大、密度高，使得机动车保有量从2008年的350万辆跃升至2015年的533万辆，然而较为发达的公共交通事业（24.58辆/每万人）使居民在城市执行限行政策时愿意放弃私家车转而使用公共交通工具出行。因此，机动车限行政策在北京表现出较强的有效性，通过限行在一定程度上能降低城市机动车出行数量与尾气排放，但也暴露出限行有效只是解决城市雾霾污染问题的表象，真正的根源在于解决城市发展不平衡的问题。
如果说北京是中国城市发展的第一形态，那么天津则代表了中国城市发展的第二形态，即高经济-高污染城市形态。天津的人均GDP高于北京，但产业结构明显依赖于第二产业（46.58%），虽然依靠工业将经济发展起来了，但由于存在较多的高污染高能耗重工业企业，导致城市雾霾频频发生。因此，天津机动车限行政策并不能解决雾霾污染的问题，下一步的雾霾污染治理应该是调整结构，即从高经济-高污染的阶段向高经济-低污染的阶段过渡。
西安作为快速发展中的二线城市，可以看做城市发展的第三形态，即经济尚未发展起来但污染已十分严重，处于中低经济-高污染城市形态。西安耗能最高的行业为电力、热力生产供应业，占总能源消耗的64.16%。其中，冬季供暖使该行业能源消耗巨大，也是导致冬季雾霾污染严重、限行无效的重要原因。同时，西安近年来机动车保有量增速惊人，但城市公共交通事业远没有北京、天津等高形态城市发展成熟，城市每万人拥有公共交通数量仅为12.52辆，这也是雾霾污染下机动车限行无效的原因之一。当城市实施机动车限行政策给人们的出行带来不便，不排除会增加居民购买新车以及使用高排放的老旧车辆的可能。第三形态城市未來的发展有没有可能跳出高经济-高污染的城市形态阶段而直接转向高经济-低污染的更高一级城市形态，转变经济发展方式显得尤为重要。
综上所述，机动车限行政策对雾霾污染治理的效果存在一定差异，机动车尾气排放在城市间的贡献率是不同的，限行政策的实施需要与科学的城市规划和绿色的城市产能结构相结合，充分考虑到每个城市不同的发展程度，才能达到预期的效果。
4 结论与建议
4.1 结论
如今，中国面临的环境治理形势越来越严峻。机动车限行政策是否有效地减少雾霾污染这一说法还存在很多争议，本文通过实证研究，得出了以下结论：
在控制气象因素影响后发现，机动车限行政策对控制雾霾污染的效果并不明显，在不同类型城市中表现的作用也不同。只有北京是显著负相关，西安、兰州显著正相关，其余城市均为不显著。为了进一步考察不同类型的典型城市限行效果不同的原因，本文对北京、天津、西安三个城市，从经济、产业、能源以及交通等四个维度进行案例对比分析后发现，雾霾污染的治理措施需要“因地制宜”。
4.2 政策建议
不同发展形态的城市雾霾污染的主要原因各不相同，因此解决措施也不能相互效仿，而应对症下药。
城市处于高经济-低污染形态时，机动车限行政策是治理雾霾的有效手段，但治理的根本在于控制机动车保有量，优化城市发展职能，降低城市人口密度。如北京，无论是能源结构或是产业结构的发展已经超越中国其他城市，节能减排取得了初步的效果，但其存在大城市难以回避的问题——城市建设固化，即基础设施的建设发展难以满足日益增长的人口需求。北京的机动车尾气排放对于雾霾污染的贡献率很大，归根究底是城市人口密度过高，机动车保有量过大造成。因此，北京应重视人口的疏散，将城市部分职能疏导转移到周边城市（如雄安新区）中，这样既可以分担北京的一部分城市职能，同时也促进了周边地区的高新科技发展。
城市发展处于高经济-高污染时，机动车限行政策并非治理雾霾最有效的手段，政府应加快产业结构转型，优化能源结构，加大污染治理投资。天津如何从高经济-高污染转变为高经济-低污染的城市形态，成为丞待解决的问题。城市环境的治理不是弃高耗能产业或放弃经济的发展，而是要提高技术水平，促进产业结构转型。为改善其能源结构的状况，政府需要提高企业社会责任感，征收企业污染税，倒逼企业进行能源技术转型。 城市发展仍处于中低经济-高污染时，机动车限行政策对于抑制雾霾污染呈现出无效作用，政府应当优化城市投资结构，营造低碳绿色的营商环境，转变产业发展模式，不再走第二形态城市的发展老路。因此，在今后的经济发展中，不能盲目追求GDP的增长，应建立生态、文明、绿色的经济发展模式。如西安，先发展还是先治理是困扰城市发展的关键性问题，提高经济的增长，看重的不只是“量”，更应该是“质”。如何跨过高经济-高污染的城市形态，首先，应限制引进高污染高能耗产业，将更多的资金投资到节能技术水平较高的企业，以获得更高的减排效果；其次，加快实施煤改气、煤改电是改善冬季空气污染的重要手段。
城市形态的不同，造成雾霾污染的原因也不尽相同。虽然机动车限行政策是缓解城市交通拥堵的一剂良药，但并不是解决雾霾污染的根本途径。城市雾霾治理的切入点还是应该从源头着手，制定科学的顶层设计，转变经济发展方式，政府通过市场化手段倒逼产业结构、企业技术水平升级。雾霾污染治理是一个复杂的工程，要理性对待机动车限行政策，不能将限行政策视为拯救空气质量的唯一“救世主”，而应该根据城市自身的情况，合理制定相关政策，转变产业结构，提升科学技术水平，多角度全方位地改善城市的经济、生产、生活方式，实现雾霾治理与城市发展双赢的目的。
（编辑：刘照胜）
参考文献（References）
[1]周峤. 雾霾天气的成因[J]. 中国人口·资源与环境， 2015（s1）：211-212. [ZHOU Qiao. Cause of the haze weather[J]. China population，resources and environment， 2015（s1）：211-212.]
[2]王立平， 陈俊. 中国雾霾污染的社会经济影响因素——基于空间面板数据EBA模型实证研究[J]. 环境科学学报， 2016， 36（10）：3833-3839. [WANG Liping， CHEN Jun. Socioeconomic influential factors of haze pollution in china： empirical study by EBA Model using spatial panel data[J]. Acta scientiae circumstantiae， 2016， 36（10）： 3833-3839.]
[3]何枫， 马栋栋. 雾霾与工业化发展的关联研究——中国74个城市的实证研究[J]. 软科学， 2015（6）：110-114. [HE Feng， MA Dongdong. Association study between haze pollution and industrialization：an empirical study based on 74 cities in China[J]. Soft science， 2015（6）：110-114.]
[4]GUO S， HU M， ZAMORA M L， et al. Elucidating severe urban haze formation in China[J]. Proceedings of the national academy of sciences of the United States of America， 2014， 111（49）：17373.
[5]陳诗一， 陈登科. 能源结构、雾霾治理与可持续增长[J]. 环境经济研究， 2016（1）：59-75. [CHEN Shiyi， CHEN Dengke. Energy structure， haze governance and sustainable growth[J]. Environmental economy research， 2016（1）：59-75.]
[6]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[J]. 经济研究， 2016（9）：73-88. [SHAO Shuai， LI Xin， CAO Jianhua， et al. China’s economic policy choices for governing smog pollution based on spatial spillover effects[J]. Economic research journal， 2016（9）：73-88.]
[7]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（4）：19-31. [MA Limei， ZHANG Xiao. The spatial effect of China’s haze pollution and the impact from economic change and energy structure[J]. China industrial economies， 2014（4）：19-31.]
[8]闫伶. 城区机动车尾气排放量与雾霾关系研究[J]. 环境科学与管理， 2017， 42（1）：67-69. [YAN Ling. Relationship between vehicle amount and haze in Keqiao district[J]. Environmental science and management， 2017， 42（1）：67-69.]
[9]孙坤鑫. 机动车排放标准的雾霾治理效果研究——基于断点回归设计的分析[J]. 软科学， 2017（11）：93-97. [SUN Kunxin. Study on effect of haze treatment on vehicle emission standard：analysis based on regression discontinuity design[J]. Soft science， 2017（11）：93-97.] [10]呂效谱， 成海容， 王祖武，等. 中国大范围雾霾期间大气污染特征分析[J]. 湖南科技大学学报（自然科学版）， 2013， 28（3）：104-110. [LV Xiaopu， CHENG Hairong， WANG Zuwu， et al. Analysis of a wide range haze pollution in China[J]. Journal of Hunan University of Science & Technology（natural science edition）， 2013， 28（3）：104-110.]
[11]竺效. 机动车单双号常态化限行的环境法治之辨[J]. 法学， 2015（2）：3-10.[ZHU Xiao.The debate on environment of normalization of vehicle’s odd and even plate number restriction rule[J]. Law science， 2015（2）：3-10.]
[12]谭俊杰. 尾号限行，城市交通发展的陷阱[C]//海口：2014中国城市规划年会，2014. [TAN Junjie. Tail limit line， the trap of urban traffic development[C]// Haikou：Annual National Planning Conference 2014， 2014.]
[13]CHEN Yuyu， JIN G Z， KUMAR N， et al. The promise of Beijing： evaluating the impact of the 2008 Olympic Games on air quality [J]. Journal of environmental economics & management， 2013， 66（3）：424-443.
[14]DAVIS L W. The Effect of driving restrictions on air quality in Mexico City[J]. Journal of political economy， 2008， 116（1）：38-81.
[15]VIARD V B， FU S. The effect of Beijing’s driving restrictions on pollution and economic activity [J]. Journal of public economics， 2015， 125（8）：98-115.
[16]BAI J， PERRON P. Estimating and testing linear models with multiple structural changes[J]. Econometrica， 1998， 66（1）：47-78.
[17]张人禾， 李强， 张若楠. 2013年1月中国东部持续性强雾霾天气产生的气象条件分析[J]. 中国科学：地球科学， 2014， 44（1）：27-36. [ZHANG Renhe， LI Qiang， ZHANG Ruonan. Meteorological conditions for the persistent severe fog and haze over eastern China in January 2013[J]. Science China：earth sciences， 2014， 44（1）：27-36.]
[18]邵帅， 杨莉莉， 黄涛. 能源回弹效应的理论模型与中国经验[J]. 经济研究， 2013（2）：96-109. [SHAO Shuai， YANG Lili， HUANG Tao. Theoretical model and experience from China of energy rebound effect[J]. Economic research journal， 2013（2）：96-109.]
Abstract As there has been more frequent， largescale and persistent haze weather in China since 2013， many local governments had to take series of measures to control the haze pollution. Among which， the driving restriction policy has been widely adopted， and it has shown varied effects in different cities. This study attempts to conduct data mining on the data of PM2.5 concentration of 11 provincial capital cities in China with driving restriction policies， and find the structural breaks points. Multivariate regression model is applied to explore the correlation of PM2.5 and restriction policy by controlling the climate factors such as wind level， rainfall， humidity and so on. The results show that meteorological factors in each city have a different impact on haze pollution. Among them， wind level， rainfall and temperature have significant negative impact in most cities and humidity has significant positive impact in some cities. As for the different effects of driving restrictions， the 11 provincial capital cities can be divided into three categories， the effective， the ineffective and the insignificant. In order to investigate the reasons behind the differences， Beijing， Tianjin and Xi’an are chosen in each category for comparative analysis in four dimensions： economy， industrial structure， energy consumption and transportation condition. It is found that the fundamental cause of haze pollution varies in different cities， therefore different measures need to be taken to ease the haze pollution rather than rely simply on the driving restriction policy： ① When the city is at the status of higheconomic development with lowpollution level， the driving restriction policy is an effective means to control haze pollution， the local government is suggested to control the quantity of motor vehicles， optimize urban development functions， and reduce urban population density. ②When the city is at the status of higheconomic development with highpollution level， the driving restriction policy is not the most effective way to control haze pollution. The local government should emphasize more on speeding up the transformation and upgrading of industrial structure， optimizing the energy consumption structure and increasing investment in pollution control. ③When the city at the status of medium/loweconomic development and highpollution level， the driving restriction policy is rather ineffective. Urban development should focus on optimizing investment structure and upgrading industry development mode to be more sustainable.
Key words PM2.5； haze pollution； driving restriction； multivariate regression