《表2 OLS、SLM、SEM与SDM的估计结果比较Tab.2 Estimation results of OLS, SLM, SEM and SDM》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《京津冀城市群大气污染的时空特征与影响因素解析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:***、**和*分别表示1%、5%和10%的显著性水平。

为了对解释变量进行初步预判并与空间计量模型进行比较，本文首先使用普通最小二乘法（OLS）进行模型估计。以2014年PM2.5年均浓度为被解释变量，以各个自然和人文因素为解释变量做回归分析。为使数据更符合正态分布并消除模型异方差性，在回归分析前对方程的两边同时做对数处理。结果如表2所示，OLS1、OLS2是分别仅对人文要素和自然要素做回归，OLS3是综合所有要素的回归，单纯从拟合效果来看，通过对比对数似然值（Log likelihood）、调整后的拟合优度（Adjusted R2），发现模型OLS3的估计效果最好，单纯用社会经济变量和单纯用自然环境变量做回归，拟合优度分别为0.564和0.895，而综合人文与自然因素后的回归拟合优度达到0.929，再次验证了大气污染是由自然与人文双重因素导致。然而，一方面被解释变量PM2.5存在显著的空间自相关性；另一方面对模型OLS3的回归标准差进行空间自相关分析（图3b），其Global Moran's I为0.231，Z值为11.23（>2.58），在0.01水平上也非常显著。因此，本研究若用普通OLS方法对非独立性样本数据进行估计，不符合线性回归模型的基本假设，结果会产生严重的偏误。