基于VAR模型的重庆市大气污染物分析及研究

作者：安军; **

来源：重庆工商大学学报(自然科学版), 2023, 40(05): 72-80.

DOI：10.16055/j.issn.1672-058X.2023.0005.010

• PM2.5
• VAR模型
• 广义脉冲响应
• 方差分解分析

目的 研究重庆市首要空气污染物PM2.5与PM10、SO2、NO2、CO、O3的动态影响关系，为政府制定防治大气污染措施及相关政策提供有价值的建议。方法 收集重庆市2021-05-01—2021-10-31日的PM2.5、PM10、SO2、NO2、CO、O3这6项大气污染物的日浓度数据，利用Eviews8.0软件，对原始数据进行序列平稳性检验；根据Granger因果检验结果选择变量，建立时间序列VAR模型，并检验模型的稳定性；利用广义脉冲响应分析和方差分解分析，研究各污染物浓度对PM2.5的动态影响及相对重要性。结果 Granger因果检验表明：PM10、SO2、NO2、O3是PM2.5的Granger原因，CO不是PM2.5的Granger原因；广义脉冲响应分析表明：NO2对PM2.5的影响最大；方差分解分析表明：NO2的浓度对PM2.5的影响最大；O3对PM2.5的影响次之，对SO2的影响作用最小。所以，从长期影响效应看，NO2对PM2.5具有长期较大的影响，SO2对PM2.5的影响最弱。结论 防治PM2.5对重庆市空气的污染应着重控制NO2的污染，因此，政府应大力发展绿色交通，控制交通污染；大力监管高污染行业，将烟雾、粉尘、颗粒物等排放量较大的行业作为工业污染源治理的重点；大力发展清洁能源，加快化石燃料替代资源的开发利用。

• 单位
  重庆工商大学