基于VAR模型的武汉市PM2.5影响因素研究

近年来大气污染与雾霾天气对公众健康已造成严重危害,影响了社会与经济的正常秩序。本文利用武汉市2017年1月1日—2018年3月31日空气质量相关数据,基于向量自回归(VAR)模型,综合运用广义脉冲响应函数和方差分解方法分析PM2.5与其影响因素的动态关系,探讨其他大气污染物对PM2.5的影响作用。实证研究表明:武汉市PM2.5与其影响因素构成的动态系统是稳定的,SO2、NO2和PM10的正向变动会引起PM2.5浓度增加,CO和O3的正向变动则会引起PM2.5浓度降低。因此建议将综合治理与专项治理措施相结合,保持政策持续性和协调性。