《表5 GLS、SLM、SEM与SDM的估计结果比较》

  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

《中国城市环境污染监管水平的空间演化特征与影响因素》

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*分别表示在1%、5%和10%水平下通过显著性检验。

以2010—2016年120个地级城市的环境污染监管指数为被解释变量，根据中国独特的环境情况以及相关的研究成果选取社会、经济、环境等因素作为解释变量与控制变量进行分析。在回归分析之前对方程的两边同时做取对数化处理目的消除模型可能具有的多重共线性和异方差性。结果如（表5）所示，GLS1是对控制变量，包括城市年废水排放量，城市年二氧化硫排放量，城市年烟粉尘排放量等变量进行回归，GLS2模型是对可能影响城市污染监管水平高低产生影响的变量进行回归，包括城市辖区的人口密度、城市的建成区面积、城市的年末生产总值、城市的产业结构、能源结构等因素进行回归。GLS3模型是在控制污染物排放量可能会对结果造成影响的同时，对所有因素进行回归模拟。在拟合结果中，对各个模型的对数似然值（Log-likelihood）和Wald值进行对比，GLS3模型中的数值均高于GLS1和GLS2，也就验证了污染监管的水平高低是由多方面的因素所造成的。因为城市污染监管水平存在着明显的空间相关性，采用常用的面板回归模型方法对样本数据进行估计的结果会产生误差，选用空间计量模型对被解释变量进行分析更加具有科学性。