梁建章：控制大城市人口对缓解雾霾适得其反

编者按：本文作者梁建章，财新网“人口与经济”专栏作家，“携程旅行网”创建者，现任北京大学光华管理学院教授；36氪经作者授权发布。

16岁末，严重雾霾再次笼罩华北地区，并将持续到2017年1月上旬。而仅在十几天前，中国大范围地区已经遭遇一次强雾霾天气，多地PM2.5指数爆表。这种频繁的空气污染严重危害了人们的日常生活和工作；不少地方的幼儿园和中小学甚至因此实施弹性停课。

雾霾的成因是大量悬浮颗粒物在特定气象条件下在空中堆积。通常认为，悬浮颗粒物主要来自机动车排放、燃煤、工业污染和建筑扬尘等，都是人类活动的产物。倘若没有高度的工业化和巨大的人口规模，也就没有严重的雾霾天气。

鉴于此，有人认为人口控制有利于缓解雾霾现象。我们曾在《雾霾天气与人口控制》一文详细反驳了这种观点。近年来，北京等大城市实施严控人口规模的政策，而频繁的雾霾天气正是许多人支持这一政策的直观理由之一。我们这篇文章的分析则表明，控制大城市人口对缓解雾霾天气的效果可能是适得其反。

一、大城市化缓解而非加剧空气污染

我们以2014年全国190个城市的年均PM2.5来代表这些城市的雾霾程度，并分析这个指标与城市人口、城市所属地域、所在省人口密度和人均GDP的关系。文章附录详列了数据来源、处理方法、分析结果以及相关的技术性问题。图1显示，地域对雾霾的影响要远大于城市人口的影响。根据附录中的统计分析，相同的人口规模下，华北城市的雾霾指数要比华东高出45.9%（注1）；而500万人口城市的雾霾指数只比100万和25万人口城市分别高出3.88% （注2）和21.41% （注3）。

不同城市的雾霾程度

这个结论与直觉相符。比如，数据中2014年雾霾最严重的10个城市全部在华北，其中有6个在河北。这说明北京的空气污染有很大的区域性因素，部分可能是北京所处的京津冀地区乃至周边河北省的污染源所致。如果整个区域的污染得不到整治，即使把北京的人口减少到河北一个中等城市的规模，北京的雾霾天气也未必能得到根本性缓解。相反，如果把控制人口的决心和力度用来治理污染，完全可能让环境改天换日。

在扣除城市人口、所在省人口密度和人均GDP的影响后，雾霾严重程度依次为：华北、西北、东北、华东、西南、中南；而大中城市的雾霾比小城市略微严重，但特大城市的雾霾却并没有更严重。城市人口与雾霾程度相关性从正变负的转折点在300万人到400万人之间。对于人口超过400万的城市，虽然由于数据点不多，我们不能确切地说，城市人口越多，雾霾越轻，但至少可以认为，人口更多的城市雾霾也更重的判断与证据不符。

基于附录中雾霾与所在省人均GDP的分析（表1），在各大区域内，比较相同人口规模的城市，雾霾程度与所在省的人口密度正相关，但与所在省的人均GDP负相关。根据模型的结果估算，所在省人口密度高10%，城市所对应的PM2.5要高1.88%（注4）；而所在省的人均GDP高6.7%，城市所对应的PM2.5要低1.90%（注5）。这意味着一个省份人口多出10%所对应的空气恶化只相当于目前经济发展一年所缓解的影响。这个结论与我们之前对全球各国建成区人口超过200万城市的空气污染与所在国人口密度和所在国人均GDP研究的结论吻合。

但在分析中添加所在省城市化率之后，原来所在省人均GDP的影响不再显著，这说明经济发展对缓解雾霾的影响，可以完全由所在省的城市化水平的变化所解释。基于附录中雾霾与所在省城市化率的模型（表2）估算，所在省人口密度高10%，城市所对应的PM2.5要高2.02%（注6）；而所在省的城市化水平提高6%，城市所对应的PM2.5要低2.05%（注7）。这意味着一个省份人口多出10%所对应的空气污染恶化相当于城市化提升6%所缓解的影响。

考虑一个6000万人口的省份有2500万城市人口，其中最大城市的人口分别为600万、300万、100万。假设人口自然变化和迁徙导致该省的总人口增长为6500万，城市人口增长到4500万，而三个最大城市的人口分别达到1000万、500万和150万。这种人口变化对雾霾的影响有三个方面，一是全省人口密度提升所推高的雾霾，二是全省城市化率提升所降低的雾霾，三是相应城市人口增加对雾霾的影响。根据回归分析的估算，这三大城市的雾霾指数预期将分别下降19.7%（注8）、17.9%（注9）、15.8%（注10）。这意味着，城市化尤其是大城市化更可能缓解而非加剧雾霾。

这个结论可能出乎很多人的预料。特别是，在长期的计划生育宣传下，许多人会理所当然地把各种问题归咎于人口过多。但正如我们这篇文章所反映的，影响环境的因素错综复杂，很多因果关系与人们的想当然并不一致。真正缓解雾霾天气等环境问题，需要对各种影响因素做深入而全面的分析，并从中估算出各种因素影响的程度。我们也希望本文的分析能抛砖引玉，引发更多领域的学者从各个方面探讨雾霾的相关因素。

实际上，只有基于对各种因素深入而细致的分析，决策者才有可能采取最有效的系列应对措施，有的放矢，对症下药，取得治理污染的最大效果。否则，仅凭想当然盲目决策，不会缓解而是进一步恶化环境，并带来其他更多问题。比如，在雾霾天施行机动车单双号限牌到底能降低多少雾霾浓度？又会给被限号的家庭带来多大的不便？如果对其效果没有进行过基本的估算，这种决策除了给公众留下假装在解决问题的印象之外，还有什么实质性意义呢？

二、为何大城市化有利于治理环境污染？

虽然相关性未必蕴含因果关系，但大城市化有利于治理环境污染的结论却可以从很多方面得到解释。

首先，城市化尤其是大城市化会提升经济发展水平。得益于规模效应和聚集效应，人口更多的城市经济效率也更高，所以通常也更发达和更富有。随着收入提升，人们开始注重生活品质，较之继续增加物资享受，改善环境变得更有价值。目前中国大城市的环保意识普遍比中小城市和农村地区更高，改善环境意愿也更强。因此，大城市也更容易推行各种环保措施。比如，北京、上海等地采用的油品质量标准就比其他地区更高，虽然这意味着公众需要承受更高的油价。

其次，大城市的产业大多为服务业或高端制造业，相比重工业污染较少。而且，大城市一般会对企业的环保要求采用更高的标准和更严厉的监管。而城市的聚集又提高了监管效率。相比之下，农村和小城镇地区普遍存在的高能耗、低标准的工业企业则是各种污染的重要源头，不仅环保标准低，而且难以监管。在中国工业生产能力过剩，服务业和高端制造业成为未来经济增长点的情况下，加速大城市化不仅有利于环境的改善，也有利于产业升级。

第三，城市人口越多，基础设施的利用效率就越高。而且，因为有更强的经济实力和更大的规模效应，大城市也可以在基础设施的建设和运营中采用更高的环保标准。比如，大城市可以建设舒适和密集的地铁网来解决出行难的问题，大幅减少汽车尾气排放。相比之下，中小城市就没有足够的人口规模来支撑地铁的建设与运营，而人口稀少的农村和小城镇地区甚至无法提供基本的公共交通。使用私家车或者低效的公共交通其实都会加剧污染排放。

本文的结论也与文献相符。在有关经济发展与环境关系方面被引用最多的一篇文章中，Grossman和Krueger (1995)分析了几十个国家的14项环境指标的历史变化。他们的结论是，在工业化初期，环境会随着经济发展而恶化，但几乎所有的环境指标都在人均GDP达到1万美元之前的某个转折点之后开始改善。而且，这些国家环境大幅改善发生在工业生产大规模迁至新兴国家之前，因此是得益于本国保护和治理措施，而非污染源被转移出去。目前中国各大城市的人均GDP大都超过1万美元，而一线城市都超过了1.5万美元；这些城市的发展水平已经超越了上文提出的转折点。实际上，雾霾天气早已成为当前中国的社会热点，人们环保意识日益高涨，解决污染问题的意愿在增强，这些迹象都表明中国环境逆转的社会条件逐渐成熟。

它山之石可以攻玉。世界其他大城市治理空气污染的经验值得借鉴。伦敦曾被称为雾都，1952年持续五天的大雾霾导致12000人非正常死亡（Bell等，2004）。此后，英国痛定思痛，通过一系列法案加大措施治理空气污染。虽然伦敦都会区的人口比1952年增加了15%，但近年来伦敦的空气质量在全球143个人口200万以上的城市中居第38位（世界卫生组织，2011）。

又比如，洛杉矶从1943年至1980年代也经历过严重的雾霾天气，突出表现是1955年9月的光化学烟雾污染事件。但在各方共同努力下，特别是1970年美国《空气清洁法案》实施后，洛杉矶的空气质量逐步改善；一级污染天数从1977年的121天降到1989年的54天，再降到1999年0天。从1950到2000年，大洛杉矶都市区的人口从425万增至1466万，汽车数量翻了数倍，其间空气质量却经历了脱胎换骨的提升。伦敦和洛杉矶的例子也都表明，提升空气质量不需要控制人口。

三、中国大城市化严重不足

通常来说，一个国家的人口规模越大，其最发达的城市的人口规模也越大。在各数据源中，Demographia（2013）的城市聚集体定义最具经济学意义和可比性。该数据源把城市聚集体定义为空间上连成一片的建成区，其面积主要根据卫星地图按统一的规则计算，人口数则将次级相关行政区域的人口统计数据加总后扣除农业人口得出。上海是中国人口最多的城市。但根据上面的数据源，上海建成区的2177万人口（不含建成区以外人口和农业人口）在全球仅排第5位，远低于日本东京的3724万，甚至低于韩国首尔的2287万，而日本的人口只有一亿多，韩国人口不到5000万。北京作为一个十多亿人口的国家的政治文化和高科技中心，不含远郊区在内的建成区人口甚至不到2000万，在全球排不进前10位。

作为十多亿人口国家的最大城市，北京和上海按照正常的经济规律，需要至少以5000万人口的规模来规划，才能够把中国人口的规模优势充分发挥出来。如果北京和天津能够放开户籍限制，吸引2000多万河北劳动力进行服务业转型，那么河北就不需要过度依赖煤炭、钢铁等重工业，这样既能改善河北的环境，也能缓解北京的雾霾天气。

不久前北京、上海等地规定网约车司机必须有本地户籍。根据滴滴出行发布的《移动出行支持重点去产能省份下岗再就业报告》，目前中国有50万钢铁煤炭产业工人通过开网约车再就业，其中来自山西、四川、黑龙江占比最高。如果网约车新政剥夺了他们充当专车司机的资格，迫使他们回归环保标准更低的重工业，那整体环境污染恐怕会更加严重。

限制性的户籍政策导致中国的城市化滞后于经济发展水平。根据国家统计局数据，2015年中国有56.1%的人口居住在城镇。这个比例低于朝鲜，甚至低于韩国在1970年代末的水平和高收入国家在1960年代之前的水平。相比之下，人均GDP与中国上下差距在2000美元以内国家的城市人口比例普遍超过70%，而高收入国家目前达到81.1%。而且，中国数据中的城镇人口指的是常住人口，其中有很大比例为外地户籍，在一线城市尤其如此。比如，2014年年末，北京常住人口中外地户籍的 比例38.1%、上海为41.1%、广州为35.6%、深圳为69.2%。由于不少权利和福利只有本地户籍者才享有，外地户籍者虽然在当地居住和工作，但并不是完整意义的市民，这种区隔在绝大部分国家都不存在。这意味着，中国的实际城市化水平比数据显示的还要低。

由于中国的城市化率比同样GDP的国家低了约20%，城市过于分散，大城市人口比例偏低。特别是，小城镇集聚了几亿人，在这些地方其中很多人从事重污染的产业。如果一线城市能够吸引一亿人口，二线城市再吸引两三亿人口，那样不仅中国的经济发展能够更上一层楼，整体环境也能得到显著的改善。而且，由于大城市的人均占地面积通常要小于中小城市，更小于农村，从全国范围来说，大城市化实际上会节约大量土地。

有人担心，如果放开户籍限制，大量的外地人涌进大城市，会导致交通拥堵、高房价等大城市病。但事实上，大城市病并不是因为淡水和自然资源不足，更不是因为人口态度。我们之前详细分析过，所谓北京水资源紧张、上海土地资源匮乏都是完全站不住脚的。以北京的交通拥堵为例，按机动车数量来计算，北京在全球大城市中排不上前几位，但拥堵却比较严重，这与北京的城市规划和道路规划不足有关。北京的城市规划曾一度按照800万人口的规模来规划，道路、地铁、学校和医院等设施严重不足，导致交通拥堵等各种城市病。如果按照5000万人口规模来规划，交通会比现在好得多。人口密度高的城市，实际更能支撑高效的公共交通；只要规划充足，交通拥堵问题完全可以解决。东京、纽约的中心地区的人口密度和规模都不亚于北京、上海，但这些城市很好地解决了城市交通问题。

严控城市规模通过限制土地使用，采用苛刻的入户和入学条件, 来限制大城市人口规模。这种做法只能暂时减少需求，但是这种减少需求的方式是违背经济规律和不可持续的。相反，严控城市规模的政策使得很多城市的土地供应不足，反而推高了房价。合理的做法是通过增加供应和加大基础设施投入来抑制房价的过快上涨。

如果北京、上海城市真的居住了5000万人，如何解决居住和交通问题呢？方案之一是开发和建设郊区，并用高速轨道交通将城市中心与郊区、郊区与郊区之间连接起来。目前的郊区轨道交通，要么是平均2公里一站的低速地铁，要么是50公里一站的城际高铁。从郊区的发展来看，建设10公里左右一站的郊区高铁，才具有更大的社会和经济效益。比如，在日本，横滨距离东京市中心不到30公里，两地就是通过只停1到2站的高速列车连接。为了进一步减少通勤时间，郊区的卫星城，可以规划商业和教育资源，混合居民区、商业区、办公区、学校和医院等，而不一定要集中建设商务中心。新加坡就通过在居住区附近规划购物、学校等各种便利设施大幅减少了通勤时间。万达商业地产的成功之处就是把办公、商业、酒店混在一起集中开发。

在北京、上海等城市，合理规划和开发郊区，并建设便捷的高速轨道交通，可以大大提高住宅有效供应，抑制这些城市，尤其是其郊区的房价。在充分利用郊区土地资源的情况下，郊区的房价可能只有市区的三分之一，那样就可以继续保持对于年轻人的吸引力，而不是让高房价成为阻挡优秀人才的门槛。

大城市的优势体现为集聚效应，更多有进取精神也有条件的人聚集在一起，会激发更旺盛的创造力，更多相同和不同行业的企业集聚在一起会创造更多的机会，并提升效率。就像我们不应刻意阻止年轻人创业一样，也不应阻止年轻人去大城市实现自己的梦想。中国经济现在面临升级的挑战，尤其需要创新来推动，而大城市则是最具有创新经济的引擎。现在中国几乎各个行业都面临产能过剩，找不到很好的投资方向。对三四线城市的投资收益已经越来越低；唯有对一二线城市的投资还有比较高的回报率，在这些城市的地产和基础设施建设依然是拉动内需和消化产能的良药。

大城市有优质的教育、医疗等公共资源，更有良好的职业环境，能够吸引全球最顶尖的人才；这些人需要家政、保洁、保安、快递等各种服务人员。大城市不仅能创造很多高技能的就业机会，更能容纳很多低技能的就业机会。如果大量的农村人到大城市工作，即使他们在大城市只能从事各种相对低技能的底层工作，他们的家庭收入和未来的出路也要远比留在偏远的农村更好。因此，放开户籍限制，让更多外地人在北京、上海等大城市生活和工作，不仅能促进中国的创新和经济发展，缩小贫富差距，还有助于缓解目前严重的环境污染问题。

附录：数据分析

我们使用的数据是绿色和平从国家环保部公开信息平台上收集整理的190个城市2014年年均PM2.5指数、《中国城市建设统计年鉴2014》的城区人口与城区暂住人口、国家统计局的各省市自治区2014年的人口和GDP。我们的分析基于有完整数据的187个城市。为了降低行政区划对结论的扭曲，我们在分析中将北京和天津归入河北，上海归入江苏，重庆归入四川。在考虑地域因素时，我们按通用的华北、东北、华东、中南、西南、西北来分区，这各大区域大致反映了不同的地理条件。此外，我们还使用了其他区域花费来检验结论的可靠性。在本文的研究中，城市人口定义为《中国城市建设统计年鉴2014》的城区人口加上城区暂住人口，城市化率为《中国城市建设统计年鉴2014》中各省的城市人口占该省总人口的比例。我们分析各种因素与log(城市年均PM2.5)的关系。

表1是有关雾霾与所在省人均GDP的分析，表2是有关雾霾与所在省城市化率的分析。两个分析都包括了log(城市人口)一次项、log(城市人口)二次项、log(所在省人口密度) 等3个背景变量。在第二个分析中，log（所在省人均GDP）非常不显著，因此表2的回归分析不包括这个辩论。在两个表格中，log(城市人口)一次项的估值为正，log(城市人口)二次项的估值为负，意味着空气污染与城市人口的关系，对小城市来说为正，但对大城市为负。针对表1和表2的模型，这种关系逆转所对应的城市人口分别为333万（注11）和384万（注12）。但注意城市人口项的结果都不具有统计显著性。

表1 雾霾与所在省人均GDP

表2 雾霾与所在省城市化率

最后值得指出几点：

一、如果不把北京、天津、上海、重庆四个直辖市归入相邻省份，分析结果会更支持我们的结论。尽管如此，我们认为直辖市与一般省份不具有直接的可比性，而且这些直辖市与相邻省份在地域上难以分割，因此单列直辖市的分析具有误导性。

二、为了探讨分析结论是否对行政区划敏感，我们将前面分析使用的27省级行政区再按地理相似度归并为15个再重复上述分析，发现结论依然成立。

三、由于中南部涵盖华南与中部，地理跨度较大，我们还考虑将原属华东的江西与原属中南的河南、湖北、湖南归为华中；把原属华东的福建与原属中南的广东、广西、海南归为华南。基于这样区域划分的估算结论依然不变，只是一些估值变得不具有统计显著性。

四、由于各个省份具有地理等未被模型中变量解释的共同因素，采用混合效应（Mixed Effects）模型，可能会比简单的回归模型更好地描述各种因素与雾霾程度的关系。在当前的应用场景下，这种模型应该不会改变估值的方向，但可能会降低估值的显著性。

五、我们在分析中把各省的城市化率定义为《中国城市建设统计年鉴2014》所列各城市的城区人口加上城区暂住人口之和占全省人口的比例。由于不包括镇的人口，这个城市化率要低于一般统计口径的城镇化率。但由于我们关注的不是城镇化，而是城市化尤其是大城市化，采用这个更高标准的城市化率更符合文章的要求。

　　注1：exp(3.38235-3.00448)-1

　　注2：exp(0.34447*log(500/100) - 0.02965 * (log(500)^2-log(100)^2))-1

　　注3：exp(0.34447*log(500/25) - 0.02965 * (log(500)^2-log(25)^2))-1

　　注4：exp(0.19528*log(1.1))-1

　　注5：1-exp(0.29011*log(1.067))

　　注6：exp(0.20995*log(1.1))-1

　　注7：1-exp(-0.35504*log(1.06))

　　注8：1-exp(0.31536 *log(1000/500)-0.02650*((log(1000))^2-(log(500))^2) + 0.20995*(log(6000/6500))- 0.35504*(log(4500/6500)-log(2500/6000)))

　　注9：1-exp(0.31536 *log(500/300)-0.02650*((log(500))^2-(log(300))^2) + 0.20995*(log(6000/6500))- 0.35504*(log(4500/6500)-log(2500/6000)))

　　注10：1-exp(0.31536 *log(150/100)-0.02650*((log(150))^2-(log(100))^2) + 0.20995*(log(6000/6500))- 0.35504*(log(4500/6500)-log(2500/6000)))

　　注11：exp(0.5*0.34447/0.02965)

　　注12：exp(0.5*0.31536/0.02650)