摘要 道路擁堵與城市霧霾是機(jī)動(dòng)車行駛帶來(lái)的兩個(gè)負(fù)溢出效應(yīng)，大量文獻(xiàn)揭示了城市機(jī)動(dòng)車行駛對(duì)二者帶來(lái)的影響，卻鮮有文獻(xiàn)關(guān)注道路擁堵程度與霧霾污染之間的內(nèi)在聯(lián)系。這其中的緣由在于，一則道路擁堵程度與霧霾污染之間互為因果，同時(shí)有共同的影響因素，由此帶來(lái)的內(nèi)生性難題難以有效解決;其次，采用統(tǒng)一標(biāo)準(zhǔn)來(lái)測(cè)度不同城市道路擁堵程度的數(shù)據(jù)難以獲得。為此利用高德地圖(Amap)根據(jù)機(jī)動(dòng)車定位導(dǎo)航系統(tǒng)提供的城市擁堵延時(shí)的大數(shù)據(jù)，來(lái)捕獲各省會(huì)城市每日道路交通的擁堵程度，同時(shí)運(yùn)用各城市每日的燃油銷售價(jià)格、國(guó)際市場(chǎng)原油價(jià)格以及上一周同一工作日道路的擁堵程度作為工具變量，通過(guò)兩階段最小二乘法(2SLS)估計(jì)道路擁堵程度對(duì)城市霧霾污染的影響。 回歸結(jié)果表明：①以城市燃油價(jià)格作為工具變量時(shí)，道路擁堵程度每增加1%，會(huì)導(dǎo)致省會(huì)城市PM2.5、PM10分別增加6.5%和6.7%;②以國(guó)際原油價(jià)格、上一周同一個(gè)工作日擁堵程度作為工具變量，以及改用GMM方法進(jìn)行估計(jì)時(shí)，基準(zhǔn)回歸的結(jié)論仍然穩(wěn)健，城市的治堵舉措與治霾舉措能夠相互協(xié)同;③進(jìn)一步以省會(huì)城市新增軌道交通來(lái)實(shí)現(xiàn)治堵和治霾的例子表明，發(fā)展軌道交通來(lái)實(shí)現(xiàn)治堵與治霾的協(xié)同效應(yīng)，要以有效治堵作為前提，否則減排治霾的協(xié)同效果無(wú)法實(shí)現(xiàn)。
關(guān)鍵詞 擁堵延時(shí);霧霾;機(jī)動(dòng)車尾氣;內(nèi)生性
《城市觀察》(雙月刊)創(chuàng)刊于2009年，是由廣州市社會(huì)科學(xué)界聯(lián)合會(huì)主辦的專業(yè)性學(xué)術(shù)經(jīng)濟(jì)期刊。本刊是以研究探索珠江三角區(qū)域內(nèi)經(jīng)濟(jì)、社會(huì)發(fā)展問(wèn)題為主的綜合性經(jīng)濟(jì)理論期刊。
化解道路擁堵和城市霧霾污染兩大難題，事關(guān)城市核心競(jìng)爭(zhēng)力的提升。有效化解這兩大難題，前提是厘清二者之間的內(nèi)在聯(lián)系。理論上，道路擁堵會(huì)增加機(jī)動(dòng)車的運(yùn)行時(shí)間，從而提高耗油量，加重尾氣污染。但同時(shí)，霧霾天又會(huì)降低行駛中的能見(jiàn)度，進(jìn)而造成大面積的交通擁堵。這種相互影響、互為因果的內(nèi)在聯(lián)系，導(dǎo)致難以有效估計(jì)二者之間的內(nèi)在聯(lián)系。另外，由于缺乏系統(tǒng)的數(shù)據(jù)以及樣本選擇存在的內(nèi)生性偏誤，導(dǎo)致系統(tǒng)估計(jì)道路擁堵的污染效應(yīng)，這類研究相對(duì)較少。為此，利用高德地圖(Amap)發(fā)布的城市間的大數(shù)據(jù)，測(cè)度道路擁堵對(duì)城市霧霾的影響，從中探索治堵與治霾之間的內(nèi)在聯(lián)系。
1 文獻(xiàn)綜述
英國(guó)經(jīng)濟(jì)與商業(yè)研究中心(CEBR)最新的研究表明，道路擁堵每年給英國(guó)、美國(guó)和德國(guó)造成至少約2 000億美元的損失，占到了這類國(guó)家每年經(jīng)濟(jì)總量的0.8%。同時(shí)，霧霾污染造成的損失，遠(yuǎn)遠(yuǎn)超過(guò)了道路擁堵。WHO提供的最新數(shù)據(jù)顯示，每年大約有700萬(wàn)人因接觸到污染空氣中可滲透到肺部和心血管系統(tǒng)的細(xì)微顆粒而死亡。對(duì)于中國(guó)這類發(fā)展中的新興經(jīng)濟(jì)體而言，由機(jī)動(dòng)車行駛帶來(lái)的諸如道路擁擠、尾氣污染問(wèn)題要嚴(yán)重得多。根據(jù)TomTom交通指數(shù)排名，擁堵程度排名前十的城市當(dāng)中，九座城市為新興經(jīng)濟(jì)體國(guó)家的城市，排名前三十的城市當(dāng)中，中國(guó)城市占到了1/3。同時(shí)機(jī)動(dòng)車尾氣貢獻(xiàn)了中國(guó)各大城市空氣當(dāng)中74%的碳?xì)浠衔铩?3%的CO和37%的NO2以及20%以上的懸浮物顆粒[1-2]。如何有效治堵同時(shí)減排治霾，成為各城市面臨的主要挑戰(zhàn)。
理論上，道路擁堵與尾氣排放都是機(jī)動(dòng)車在行駛過(guò)程中產(chǎn)生的負(fù)溢出效應(yīng)[3-4]，二者具有較強(qiáng)的正相關(guān)性。一系列因素，比如天氣、公共交通設(shè)施的運(yùn)行情況、城市道路里程、面積和路面質(zhì)量、人口密度、城市社區(qū)布局等，既影響城市道路的擁堵情況，也影響機(jī)動(dòng)車尾氣的污染程度 [5-7]。同時(shí)，道路的擁堵程度和尾氣排放之間還互為因果、相互影響。道路越是擁堵，機(jī)動(dòng)車路面行駛耗時(shí)就越長(zhǎng)，能源消耗和對(duì)應(yīng)的尾氣排放越多，給環(huán)境帶來(lái)的負(fù)外部性就越大 [8-11];反過(guò)來(lái)，霧霾天影響著能見(jiàn)度，進(jìn)而增加事故發(fā)生率和道路的擁堵程度。因此，要揭示二者之間的關(guān)系，內(nèi)生性問(wèn)題是急需解決的首要問(wèn)題。
大量研究為城市道路交通造成的空氣污染尋找著證據(jù)。Thijsse等[12]揭示了在德國(guó)柏林，80%至90%的城區(qū)空氣污染物來(lái)自于道路交通。Basaric'等[13-15]揭示了空氣當(dāng)中50%的NO2來(lái)自機(jī)動(dòng)車尾氣。這些研究為道路交通影響城市空氣質(zhì)量提供了直接證據(jù)。另一些研究為道路交通影響空氣污染提供間接證據(jù)[16-19]，認(rèn)為城市增加公共交通的供給水平，包括軌道交通、加開(kāi)公共汽車等，都有助于替代私家車出行而降低機(jī)動(dòng)車尾氣污染。另外，還有一類文獻(xiàn)檢驗(yàn)了提高油價(jià)、提升機(jī)動(dòng)車排放標(biāo)準(zhǔn)、收取擁堵稅、車輛限行等一系列行政舉措的治霾效果，也為道路交通影響空氣污染提供了間接證據(jù)[20-21]。
然而，上述文獻(xiàn)忽視了道路的擁堵程度所起到的作用，從而導(dǎo)致針對(duì)相同的研究主題，甚至利用同樣的樣本，卻難以得到統(tǒng)一的結(jié)論。Lalive等[22]利用德國(guó)1994—2004年的經(jīng)驗(yàn)數(shù)據(jù)，發(fā)現(xiàn)軌道交通只是減少了NO、NO2的排放量，但對(duì)另兩項(xiàng)重要的尾氣污染物CO和O3則沒(méi)有影響。Goel&Gupta[23]利用斷點(diǎn)回歸，揭示了印度的德里地鐵有效減少了NO2、CO的排放量，但對(duì)其他污染物沒(méi)有影響，從而無(wú)法為道路交通導(dǎo)致空氣污染，尤其是霧霾污染提供有效的間接證據(jù)。Vickery[24]發(fā)現(xiàn)新增的交通工具以及交通基礎(chǔ)設(shè)施，在存在轉(zhuǎn)移效應(yīng)或Mohring效應(yīng)的同時(shí)，也可能產(chǎn)生新的汽車出行需求，增加城市道路交通壓力。正是由于交通創(chuàng)造效應(yīng)的存在，使得政府即便增加交通投入，以及采取行政舉措控制機(jī)動(dòng)車總量，也可能起不到治霾的效果[25]。
顯然，將道路的擁堵程度納入到分析當(dāng)中，才能更加有效地解釋道路交通如何導(dǎo)致霧霾污染。已有文獻(xiàn)之所以未將擁堵程度納入到分析當(dāng)中，很大原因就在于難以處理?yè)矶屡c霧霾之間的內(nèi)生性以及系統(tǒng)數(shù)據(jù)的匱乏。即便如此，學(xué)者們嘗試著去尋找機(jī)動(dòng)車與道路擁堵或者城市霧霾之間間接的系統(tǒng)證據(jù)。馬麗梅等分別用私人汽車擁有量/城市公路總長(zhǎng)度來(lái)衡量城市面臨的道路交通壓力，并結(jié)合擁堵與油耗之間的關(guān)系來(lái)推斷擁堵與霧霾之間的聯(lián)系[26]。 然而，這些間接證據(jù)只反映了一段時(shí)間內(nèi)由機(jī)動(dòng)車行駛數(shù)量帶來(lái)的擁堵程度與霧霾污染程度，卻無(wú)法實(shí)時(shí)反映每天、每個(gè)小時(shí)的擁堵與霧霾狀況，但實(shí)時(shí)的信息更容易影響人們的出行決策。在接下來(lái)的內(nèi)容中，利用高德地圖(Amap)提供的實(shí)時(shí)數(shù)據(jù)，選取工具變量來(lái)處理內(nèi)生性問(wèn)題，從中揭示道路擁堵的霧霾污染效應(yīng)，彌補(bǔ)現(xiàn)有文獻(xiàn)的不足。
2 模型與數(shù)據(jù)
2.1 計(jì)量方程
為有效處理內(nèi)生性問(wèn)題，以燃油價(jià)格作為工具變量，利用下列兩階段回歸(2SLS)進(jìn)行分析。燃油價(jià)格分別包括汽油價(jià)格和柴油價(jià)格。選擇用燃油價(jià)格作為工具變量來(lái)解決內(nèi)生性，是基于以下兩點(diǎn)：①在中國(guó)，無(wú)論是汽油還是柴油，都實(shí)行政府指導(dǎo)價(jià)，先由國(guó)家發(fā)改委按噸計(jì)算并提供指導(dǎo)價(jià)格，然后省級(jí)主管部門根據(jù)國(guó)家發(fā)改委提供的噸位價(jià)格標(biāo)準(zhǔn)以及地區(qū)實(shí)際制定地方指導(dǎo)價(jià)，因此，對(duì)于機(jī)動(dòng)車在行駛過(guò)程中的尾氣排放及其污染程度，燃油價(jià)格是該系統(tǒng)以外的變量，作為工具變量滿足外生性。②燃油價(jià)格直接影響人們的汽車購(gòu)買決定和出行方式的選擇，進(jìn)而影響城市道路的擁擠程度，在統(tǒng)一的燃油標(biāo)準(zhǔn)下，這也是燃油價(jià)格作用于霧霾污染唯一的途徑，與道路的擁堵程度高度相關(guān)。基于上述兩點(diǎn)，分別利用汽油價(jià)格和柴油價(jià)格作為道路擁擠程度的工具變量，來(lái)進(jìn)行基準(zhǔn)回歸。當(dāng)然，該工具變量能否有效，將在下文進(jìn)一步論證。所用的兩階段回歸方程如下：其中，(1)式為第一階段回歸方程，(2)式為第二階段回歸方程。第一階段回歸中的Trafficiymd表示城市i在y年m月d日道路交通的擁堵程度，oilpriceiymd為該城市的燃油價(jià)格，分別包括汽油價(jià)格(priceq)和柴油價(jià)格(pricec)，在模型中先一一作為工具變量納入回歸分析當(dāng)中。另外，還取兩個(gè)價(jià)格的平均值，用來(lái)表示綜合的油品價(jià)格(price)，以此作為第三個(gè)工具變量納入回歸分析當(dāng)中。Xiymd為一系列控制變量，包括當(dāng)日的氣溫、降水、風(fēng)力大小等天氣變量，城市的工業(yè)化率、城市化率、人口密度、每百萬(wàn)人均地鐵通車?yán)锍獭⒚堪偃f(wàn)人汽車擁有數(shù)量等城市特征變量。由于城市化、工業(yè)化、軌道交通通車?yán)锍痰茸兞坎淮嬖诿咳战y(tǒng)計(jì)數(shù)據(jù)，參照已有文獻(xiàn)的做法[2， 27]，選取對(duì)應(yīng)年份年初的指標(biāo)值進(jìn)行衡量。另外，分別控制城市的固定效應(yīng)σi，年、季、月、一周的星期幾、以及是否為工作日的時(shí)間固定效應(yīng)μt，剩下的εit是隨機(jī)誤差項(xiàng)，用來(lái)表示遺漏變量產(chǎn)生的影響。α0、α1、γ為回歸系數(shù)。第二階段回歸的被解釋變量Hazeiymd是城市i當(dāng)日的霧霾程度，分別包括PM2.5濃度和PM10濃度，核心解釋變量是從第一階段獲得的擁堵程度的估計(jì)值，β0、β1、φ為待估參數(shù)，其余變量和第一階段回歸的含義一樣。回歸當(dāng)中，分別對(duì)燃油價(jià)格、霧霾程度以及道路擁堵程度取對(duì)數(shù)形式。
2.2 樣本數(shù)據(jù)與描述性統(tǒng)計(jì)
被解釋變量Hazeiymd來(lái)自中國(guó)空氣質(zhì)量在線監(jiān)測(cè)平臺(tái)提供PM2.5和PM10的日數(shù)據(jù)，該指數(shù)越高，霧霾越嚴(yán)重。內(nèi)生變量Trafficiymd來(lái)自高德地圖(Amap)提供的各大城市每日高峰時(shí)段道路擁堵延時(shí)指數(shù)。該指數(shù)等于高峰時(shí)段的出行旅行時(shí)間/自由流旅行時(shí)間，數(shù)值越大，道路交通的擁堵程度越嚴(yán)重。選擇高峰時(shí)段(包括7～9時(shí)早高峰時(shí)段和17～19時(shí)的晚高峰時(shí)段)來(lái)衡量道路擁堵程度，是由于此時(shí)段在一天當(dāng)中的出行需求最大，該時(shí)段的擁堵?tīng)顩r最能體現(xiàn)道路交通面臨的壓力和尾氣排放程度。燃油價(jià)格來(lái)自CEIC數(shù)據(jù)庫(kù)。控制變量當(dāng)中的氣象數(shù)據(jù)來(lái)自“2345天氣網(wǎng)”提供的城市天氣歷史數(shù)據(jù)，城市化率、工業(yè)化率、人口密度來(lái)自《中國(guó)城市統(tǒng)計(jì)年鑒》，每百萬(wàn)人口平均軌道交通通車?yán)锍獭⒚堪偃f(wàn)人口平均汽車擁有數(shù)量是根據(jù)每年各城市統(tǒng)計(jì)公報(bào)整理而來(lái)，法定假日以及是否調(diào)休等，根據(jù)國(guó)務(wù)院辦公廳每年發(fā)布的節(jié)假日安排通知整理得到。考慮到城市之間的可比性和數(shù)據(jù)的可得性，剔除了四個(gè)直轄市以及海口、拉薩、烏魯木齊及港澳臺(tái)的數(shù)據(jù)，以剩余的24個(gè)省會(huì)城市作為回歸分析的樣本，樣本期間從2015年10月1日至2018年9月30日。變量的統(tǒng)計(jì)性描述見(jiàn)表1。
3 實(shí)證結(jié)果與分析
3.1 基準(zhǔn)回歸結(jié)果
回歸之前是對(duì)工具變量進(jìn)行有效性檢驗(yàn)。首先檢驗(yàn)工具變量與內(nèi)生變量之間的相關(guān)性，其次對(duì)工具變量進(jìn)行過(guò)度識(shí)別檢驗(yàn)，從中檢驗(yàn)工具變量能否滿足排他約束。表2展示了第一階段的回歸結(jié)果，從中可以發(fā)現(xiàn)，燃油價(jià)格與道路擁堵程度之間呈現(xiàn)出顯著的負(fù)向關(guān)系。當(dāng)然，這種因果關(guān)系是否是燃油價(jià)格影響機(jī)動(dòng)車尾氣污染的唯一途徑，即能否滿足排他性約束，還需進(jìn)行過(guò)度識(shí)別檢驗(yàn)。在對(duì)PM2.5的回歸中，SarganHansen統(tǒng)計(jì)量為12.5，P值大于10%，接受了汽油價(jià)格、柴油價(jià)格和油品價(jià)格均為外生的原假設(shè)。在對(duì)PM10的回歸當(dāng)中，SarganHansen統(tǒng)計(jì)量為4.168，P值為41.2，同樣接受了工具變量的外生性，通過(guò)過(guò)度識(shí)別檢驗(yàn)。因而用燃油價(jià)格來(lái)作為工具變量，檢驗(yàn)道路擁堵引發(fā)的霧霾是可行的。
將燃油價(jià)格作為工具變量納入到計(jì)量方程，得到的基準(zhǔn)回歸結(jié)果見(jiàn)表3。結(jié)果當(dāng)中，前3欄分別是以汽油價(jià)格、柴油價(jià)格、以及油品價(jià)格作為工具變量，對(duì)PM2.5指數(shù)的回歸結(jié)果;第4～6欄是利用相同的處理辦法對(duì)PM10的回歸結(jié)果。結(jié)果顯示，在其他因素保持不變的前提下，城市擁堵指數(shù)每增加1%會(huì)導(dǎo)致PM2.5和PM10濃度分別增加6.5%和6.7%，二者之間呈現(xiàn)出顯著的正向因果關(guān)系。當(dāng)然，基準(zhǔn)回歸的結(jié)論能否穩(wěn)健，還需要進(jìn)一步檢驗(yàn)。
3.2 穩(wěn)健性檢驗(yàn)
3.2.1 國(guó)際原油價(jià)格作為工具變量
雖然燃油的政府指導(dǎo)價(jià)對(duì)于地方的空氣污染而言是外生的，但發(fā)改委在調(diào)整油價(jià)時(shí)可能會(huì)考慮實(shí)際的經(jīng)濟(jì)運(yùn)行狀況，甚至包括全國(guó)總體的環(huán)境狀況，從而導(dǎo)致油價(jià)與霧霾之間可能存在一定的相關(guān)性。為此，選取國(guó)際原油價(jià)格來(lái)替代國(guó)內(nèi)燃油價(jià)格作為工具變量，帶入基準(zhǔn)模型當(dāng)中進(jìn)行檢驗(yàn)。顯然，國(guó)際原油價(jià)格相對(duì)于國(guó)內(nèi)的經(jīng)濟(jì)運(yùn)行狀況以及環(huán)境污染情況而言，是嚴(yán)格外生的，理論上滿足工具變量的屬性。將國(guó)際油價(jià)帶入式(1)當(dāng)中，得到的系數(shù)符號(hào)顯著為負(fù)(-0.017)，滿足與內(nèi)生變量——擁堵程度的相關(guān)性假設(shè)，同時(shí)通過(guò)SarganHansen過(guò)度識(shí)別檢驗(yàn)。以國(guó)際原油價(jià)格作為工具變量的回歸結(jié)果見(jiàn)表4。表4第1～2欄是未控制城市特征變量的回歸結(jié)果，第3～4欄控制了城市特征變量。結(jié)果顯示估計(jì)系數(shù)顯著為正，進(jìn)一步驗(yàn)證了基準(zhǔn)回歸的結(jié)論。
3.2.2 以上周同一工作日的擁堵程度作為工具變量
考慮到人們出行方式的選擇還受到以往出行經(jīng)歷的影響，尤其是上周同一工作日出行經(jīng)歷的影響。為此，選取上周同一工作日的擁堵程度作為工具變量，能揭示當(dāng)日出行決定如何影響城市霧霾的污染程度。顯然，理論上上周同一工作日的擁堵程度對(duì)于本周當(dāng)日的出行決定是嚴(yán)格外生的，并且上周同一工作日的擁堵程度直接作用于當(dāng)日出行方式的選擇，從而影響當(dāng)日道路的擁堵程度，除此之外別無(wú)其它途徑影響當(dāng)日的霧霾濃度，基本符合工具變量的特征。將上周同一工作日的擁堵程度納入到第一階段回歸當(dāng)中，得到的回歸系數(shù)顯著為負(fù)(-0.230)，并且通過(guò)SarganHansen過(guò)度識(shí)別檢驗(yàn)，因此滿足實(shí)證檢驗(yàn)當(dāng)中工具變量的特征。兩階段回歸結(jié)果見(jiàn)表5。
第1～2欄是不包括城市特征變量的回歸結(jié)果，第3～4欄加入了城市特征變量。結(jié)果表明，即便以上周同一個(gè)工作日的擁堵程度作為工具變量，當(dāng)日道路的擁堵程度仍然顯著影響霧霾濃度。
3.2.3 GMM分析
上文改用其他工具變量放入計(jì)量方程當(dāng)中，仍然不改變基準(zhǔn)回歸所得的推斷，當(dāng)然如果更換一種分析方法，若結(jié)論依然和基準(zhǔn)回歸保持一致，那么就有充足的理由相信道路擁堵程度與霧霾之間的因果關(guān)系。為此，利用GMM對(duì)原模型進(jìn)行回歸，回歸結(jié)果見(jiàn)表6。從結(jié)果中可以發(fā)現(xiàn)，即便利用GMM替代2SLS進(jìn)行回歸，回歸結(jié)果依然顯示道路擁堵程度顯著與霧霾濃度之間正相關(guān)，因此基準(zhǔn)回歸的結(jié)果穩(wěn)健。
4 進(jìn)一步討論：以軌道交通為例揭示城市治堵與治霾之間的關(guān)系
4.1 新增軌道交通的治堵效應(yīng)
樣本期間，各省會(huì)城市新增軌道交通44條，其中37條線路新增通車?yán)锍虜?shù)超過(guò)10km。作為城市應(yīng)對(duì)擁堵和空氣污染的難題，利用軌道交通能否有效緩解城市的擁堵，進(jìn)而起到減排治污的效果?為了回答這一問(wèn)題，收集整理24個(gè)省會(huì)城市樣本期間新增軌道線路的樣本，以新增當(dāng)日為斷點(diǎn)，前后30天作為觀察期，采用斷點(diǎn)分析(RD)來(lái)檢驗(yàn)這一舉措的治堵減排效應(yīng)。治堵效應(yīng)和減排效應(yīng)的回歸方程分別見(jiàn)式(3)(4)。式中Did是代表新增軌道交通線路的虛擬變量，i城市在新線路開(kāi)通運(yùn)營(yíng)日期之后為1，之前為0。x是執(zhí)行變量，用來(lái)表示距離軌道交通新線路開(kāi)通運(yùn)營(yíng)當(dāng)天的天數(shù)，開(kāi)通運(yùn)營(yíng)當(dāng)日為0，之前小于0，之后大于0，f(x)是以x為自變量的多項(xiàng)式函數(shù)。回歸當(dāng)中，控制每天的天氣變量Xiymd，包括氣溫、降水、下雪、風(fēng)力大小等。
非參數(shù)斷點(diǎn)回歸時(shí)分別選擇了最優(yōu)帶寬、一半帶寬和二倍帶寬，回歸結(jié)果見(jiàn)表7第1欄。在最優(yōu)帶寬時(shí)，新增軌道交通顯著降低了道路的擁堵程度，新增一條線路使道路擁堵程度下降0.11/1.772=6.2%。當(dāng)然，新增軌道交通的治堵效應(yīng)并不長(zhǎng)期有效，當(dāng)觀察期增加到最優(yōu)帶寬的2倍時(shí)，新增軌道交通的回歸系數(shù)雖然為負(fù)，卻不再顯著。說(shuō)明隨著時(shí)間的增加，新增軌道交通缺乏長(zhǎng)期有效的治堵效應(yīng)。
4.2 新增軌道交通的霧霾減排效應(yīng)
對(duì)回歸方程(4)的非參數(shù)斷點(diǎn)回歸結(jié)果見(jiàn)表7第2～3欄。結(jié)果顯示，在一半帶寬和最優(yōu)帶寬時(shí)，新增軌道交通顯著減少懸浮顆粒的排放。在最優(yōu)帶寬時(shí)，增加軌道線路前PM2.5的均值為58.298，PM10的均值為92.405，各種的減排效應(yīng)分別為11.68/58.298和18.91/92.405，即新增軌道交通線路使PM2.5減少20.03%，PM10減少20.46%。然而當(dāng)帶寬增加到兩倍時(shí)，這種減排效應(yīng)不再存在，說(shuō)明新增軌道交通并不能長(zhǎng)期降低霧霾水平，只是短期內(nèi)緩解了霧霾的嚴(yán)重程度。
從表7第1～3欄的分析結(jié)論能夠推斷，一旦城市新增軌道交通，能夠在短期內(nèi)替代汽車出行，從而降低了城市道路的擁堵程度，進(jìn)一步減少尾氣排放，減輕PM2.5和PM10濃度，然而，這種治堵與減排效應(yīng)不可持續(xù)，不具有長(zhǎng)期影響。這其中的原因在于新增軌道交通不僅僅能夠產(chǎn)生交通分流效應(yīng)，還會(huì)創(chuàng)造出新的道路出行需求，比如人們會(huì)利用便捷的交通搬離擁擠的市區(qū)，從而增加從市郊到市區(qū)往返的道路交通需求，進(jìn)而增加城區(qū)道路的擁擠程度，降低軌道交通的減排效果[28]。因此，分析道路交通如何導(dǎo)致霧霾濃度的變化，如果回避探討對(duì)擁堵程度造成的影響，就難以得到一致結(jié)論。
5 結(jié)論與政策啟示
利用2015年10月至2018年9月24個(gè)省會(huì)城市的歷史數(shù)據(jù)，以燃油價(jià)格、國(guó)際原油價(jià)格以及上一周同一個(gè)工作日的道路擁堵程度作為工具變量來(lái)估計(jì)道路擁堵程度對(duì)霧霾污染的影響。研究發(fā)現(xiàn)，道路交通的擁堵程度顯著影響城市霧霾的嚴(yán)重程度，二者存在正向的因果關(guān)系。進(jìn)一步以城市新增軌道交通為例的研究表明，新增軌道交通能否起到減排治污的效果，須改變道路交通的擁堵程度作為前提。研究認(rèn)為，任何回避擁堵程度來(lái)探討道路交通的污染效應(yīng)，以及為道路交通導(dǎo)致空氣污染尋找直接或間接證據(jù)的文獻(xiàn)，都必須首先考慮道路交通的相關(guān)舉措如何改變道路的擁堵程度，否則難以得到一致并且足夠信服的結(jié)論。
該項(xiàng)研究的政策啟示是：①政府采取各種舉措來(lái)緩解城市的尾氣排放，比如新增軌道交通、增加公共汽車的投放數(shù)量、增加道路里程或面積等等，都必須首要考慮這些舉措對(duì)道路擁堵程度會(huì)造成什么影響，否則容易帶來(lái)新的環(huán)境污染問(wèn)題。②城市擴(kuò)張過(guò)程中新建的基礎(chǔ)設(shè)施，要盡量起到疏散交通，降低道路擁堵程度的作用，從而才能有效地增加社會(huì)公共福利。
(編輯：李 琪)
參考文獻(xiàn)：
[1]李文興，尹帥.城市軌道交通成本構(gòu)成分析[J].交通運(yùn)輸系統(tǒng)工程與信息， 2012(2)：9-14.
[2]梁若冰，席鵬輝.軌道交通對(duì)空氣污染的異質(zhì)性影響——基于RDID方法的經(jīng)驗(yàn)研究[J].中國(guó)工業(yè)經(jīng)濟(jì)，2016(3)：83-98.
[3]OLUWANDE P A. Automobile traffic and air pollution in a developing country： an example of affluencecaused environmental problems[J]. International journal of environmental studies， 1977， 11(3)： 197-203.
[4]PARRY W H， SMALL K A. Does Britain or the United States have the right gasoline tax?[J]. American economic review， 2005， 95(4)： 1276-1289.
[5]ANDERSON P W， KANAROGLOU S P， MILLER J E. Urban form， energy and the environment： a review of issues， evidence and policy[J]. Urban studies， 1996， 33(1)： 7-36.
[6]LOHREY S， CREUTZIG F. A ‘sustainability windowof urban form[J]. Transportation research Part D： transport and environment， 2016， 45： 96-111.
[7]DURANTON G， TURNER M A. Urban form and driving： evidence from US cities[J]. Journal of urban economics， 2018， 108： 170-191.
[8]ZHANG K， BATTERMAN S. Air pollution and health risks due to vehicle traffic[J]. Science of the total environment， 2013， 450： 307-316.
[9]HITCHCOCK G， CONLAN B， KAY D， et al. Air quality and road transport： impacts and solutions[R].London：Royal Automobile Club Foundation for Motoring Ltd，2014.
[10]RAJE F， TIGHT M， POPE F D. Traffic pollution： a search for solutions for a city like Nairobi[J]. Cities， 2018， 82： 100-107.
[11]SHI K， DI B， ZHANG K， et al. Detrended crosscorrelation analysis of urban traffic congestion and NO2 concentrations in Chengdu[J]. Transportation research Part D： transport and environment， 2018， 61： 165-173.
[12]THIJSSE T R， ROEMER M G M， VAN OSS R F. Trends in largescale VOC concentrations in the Southern Netherlands between 1991 and 1997[J]. Atmospheric environment， 1999， 33(23)： 3803-3812.
[13]BASARIC V， DORIC V. Effects of traffic on NO2 and PM10 emissions in Novi Sad[J]. Polish journal of environmental studies， 2014， 23(5) ： 1837-1842.
[14]FREY H C， UNAL A， ROUPHAIL N M， et al. Onroad measurement of vehicle tailpipe emissions using a portable instrument[J]. Journal of the air & waste management association， 2003， 53(8)： 992-1002.
[15]SHON Z H， KIM K H， SONG S K. Longterm trend in NO2 and NOx levels and their emission ratio in relation to road traffic activities in East Asia[J]. Atmospheric environment， 2011， 45(18)： 3120-3131.
[16]CHEN Y， WHALLEY A. Green infrastructure： the effects of urban rail transit on air quality[J]. American economic journal： economic policy， 2012， 4(1)： 58-97.
[17]GENDORCARRIER N， GONZALEZNAVARRO M， POLLONI S， et al. Subways and urban air pollution[R]. National Bureau of Economic Research， 2018.
[18]高明，陳麗強(qiáng)，郭施宏.軌道交通、BRT與空氣質(zhì)量——一個(gè)城市異質(zhì)性的視角[J].中國(guó)人口·資源與環(huán)境，2018(6)：73-79.
[19]HUANG X， CAO X J， YIN J， et al. Effects of metro transit on the ownership of mobility instruments in Xian， China[J]. Transportation research Part D： transport and environment， 2017， 52： 495-505.
[20]VOARD V B， FU S. The effect of Beijings driving restrictions on pollution and economic activity[J]. Journal of public economics， 2015， 125： 98-115.
[21]易蘭，周憶南，李朝鵬，等. 城市機(jī)動(dòng)車限行政策對(duì)霧霾污染治理的成效分析[J].中國(guó)人口·資源與環(huán)境，2018，28(10)：81-87。
[22]LALIVE R， LUECHINGER S， SCHMUTZLER A. Does supporting passenger railways reduce road traffic externalities?[R]. Social Science Research Network， 2013.
[23]GOEL D， GUPTA S. The effect of metro rail on air pollution in Delhi[R]. India Environment Portal， 2014.
[24]VICKREYI W S. Congestion theory and transport investment[J]. The American economic review， 1969， 59(2)： 251-260.
[25]BEAUDOIN J， FARZIN Y H， et al. Public transit investment and sustainable transportation： a review of studies of transits impact on traffic congestion and air quality[J]. Research in transportation economics， 2015， 52： 15-22.
[26]馬麗梅，張曉.中國(guó)霧霾污染的空間效應(yīng)及其經(jīng)濟(jì)、能源結(jié)構(gòu)影響[J].中國(guó)工業(yè)經(jīng)濟(jì)，2014(4)：19-31.
[27]吳建南，文婧.環(huán)保約談管用嗎?——來(lái)自中國(guó)城市大氣污染治理的證據(jù)[J].中國(guó)軟科學(xué)，2018(11)：66-75.
[28]馮國(guó)強(qiáng)，李菁.城市軌道交通減排效應(yīng)評(píng)估[J].中國(guó)人口·資源與環(huán)境，2019，29(10)：143-151.
本文由中國(guó)期刊網(wǎng)首發(fā)，一個(gè)權(quán)威專業(yè)的學(xué)術(shù)論文發(fā)表知識(shí)網(wǎng)。
文章名稱：道路交通擁堵與城市霧霾污染的關(guān)系研究
