《表5 直接效应与间接效应估计》

  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

《汾渭平原PM_(2.5)浓度的影响因素及空间溢出效应》

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:***、**、*分别表示通过了0.01、0.05、0.10水平的显著性检验.

直接效应指本地的影响因素对本地PM2.5的影响，间接效应指本地影响因素对邻近地区PM2.5的影响，或者解释为邻近地区影响因素对本地PM2.5的影响，可反映各影响因素的空间溢出效应.表4显示，PM2.5内生交互效应的空间回归系数为0.356，且通过了0.01显著性检验.说明汾渭平原PM2.5浓度有实质性的空间溢出效应，在控制其它解释变量的前提下，相邻地区PM2.5浓度每上升1%，将导致本地区PM2.5浓度上升0.356%.表5为SLM模型对各解释变量估计的直接效应和间接效应.根据各解释变量的系数及显著性，对本地PM2.5浓度的直接效应贡献强度由大到小依次为:年均气温>平均风速>年降水量#>植被覆盖度#>城镇化率>地形起伏度#>能源消费指数>年均人口（#表示负向影响），年均相对湿度、第二产业占GDP比重和人均GDP对PM2.5浓度没有显著的直接效应.各解释变量的间接效应影响强度排序为:年均气温>年降水量#>城镇化率>地形起伏度#>能源消费指数>年均人口（#表示负向影响），平均风速、年均相对湿度、植被覆盖率、第二产业占GDP比重和人均GPD对PM2.5浓度无显著的间接效应.可见，气温、城镇化率、能源消费指数和年均人口不仅与本地PM2.5浓度有显著的正相关，而且会加重邻近地区PM2.5污染年降水量和地形起伏度则不仅与本地PM2.5有显著的负相关，而且能降低邻近地区PM2.5浓度.风的传输作用能加重本地PM2.5污染，植被覆盖度能消减本地PM2.5浓度，但其间接效应都不显著.