研发年度总结范文篇1

关键词：高校基础研究；经费投入；经济发展；公共政策

中图分类号：G647文献标识码：A文章编号：1672-4038（2013）01-0018-05

基础研究是进行知识创造和原始性创新活动、发展科学的重要源泉，也是培育创新型人才的重要途径。经费投入是进行基础研究的物质保障。在我国，基础研究经费主要投向企业、研发机构和高校三个组织实体，其中对高校投入的比重最大。根据2009年和2010年的数据统计，高校基础研究经费占全国基础研究经费的55%左右。近十年来，虽然金融危机在世界范围持续蔓延，但中国经济始终保持着较快速度的发展，为基础研究经费的投入提供了相对稳定的经济环境。这一时期，国家出台了几部旨在推动科技发展的重大规划，也出台了一系列专门针对基础研究的政策，这对于引导和扶持高校的基础研究产生了重要影响。对近十年高校基础科研经费投入情况进行准确地描述与恰当地评价，并提出改进的建议，对于合理地配置资源。推动高校的基础研究、增强高校自主创新能力及人才培养具有积极的意义。

一、近十年我国高校基础研究经费投入情况分析

（一）经费投入总量

经费投入总量是指单位时间内经费投入的总数量，是衡量高校基础研究整体发展水平的重要指标。近十年来，在国家一系列政策的引导和鼓励下，基础研究经费投入总量逐年增长。2001年我国高校基础研究经费投入总量为19亿元，到2010年达到179.9亿元，增长了近10倍。

（二）经费投入增长率

经费投入的增长率是指单位时间内经费投入的增长数与经费投入总数量之比，它是衡量高校基础研究经费投入稳定性的重要指标。增长情况分为年均增长和逐年增长两种情况。从年均增长情况来看，基础研究经费年均增长率为32.44%。从逐年增长情况来看。基础研究经费增长率总体波动幅度较大（如图1所示）。2012年高校基础研究经费投入比2001年增长46.3%，2003年比2002年仅增长18.3%，2004年比2003年增长45.6%，变化幅度较大，2008年到2010年，基础研究增长率呈下降趋势，从32.3%下降到23，6%。

（三）经费投入强度

经费投入强度是反映一个国家经费投入适度性程度的重要指标。国际上一般用基础研究经费占GDP的比值来衡量一个国家基础研究的投入强度。参照这一计算方法，本文将高校基础研究投入强度描述为高校基础研究经费占GDP的比率和高校基础研究经费占R&D经费的比率。

1.高校基础研究经费占GDP的比率

随着我国GDP的逐年增长，2001年至2010年，高校基础研究经费也逐年上升，经费投入强度基本呈上升趋势，但中间出现一些小的波动（如图2所示）。具体来说，2001至2005年，经费投入强度逐步上升，从0.173‰上升到0.307‰，但在2006、2007年间出现小幅下降，2006年基础强度为0.33‰，2007年基础强度为0.327‰。2008年之后，呈上升趋势，由0.366‰增长的0.452‰。

2.高校基础研究经费占R&D经费的比率

R&D包括基础研究、应用研究、试验发展三类活动。三者占R&D的比重可以衡量研发活动的结构状况。本文以高校基础研究经费投入占R&D的比重来反映高校研发活动的结构状况。与我国高校基础研究经费投入呈稳定性的逐年上升相比，基础研究所占R&D经费的比例不够稳定，但波动范围不大（如图3所示）。2002年，基础研究占研发投入的比例为21.3%，2003年降到20.3%，2004年投入比率上升到23.8%，2005年又微降到23.4%，2006-2009年呈稳定增长趋势，25.8%增至31.1%，但2010年又下降到30.1%。

（四）经费投入地域分布情况

经费投入的地域分布情况反映一个国家经费投入结构的均衡性程度。我国高校R&D经费和基础研究经费均呈现出由东至西逐级递减的趋势，同时，不同地区问的投人增长率和投入强度差别较大，呈现出不均衡性的特征（如图4所示）。

根据相关统计数据，东西部地区基础研究经费总量呈不断上升的趋势，但中部地区在2010年出现回落，由2009年的40.99亿元下降到2010年的37.52亿元。东部地区高校基础研究经费占全国基础研究经费的比重总体呈稳定趋势，始终保持在60%左右；西部地区呈现由降到升的趋势，2004到2006年由16.2%下降到12.6%，2006年到2010年由12.6%上升到16.3%：中部地区波动较大，2004年到2009年基本呈上升趋势，由23.7%增长到28.2%，2010年出现大幅下降，由2009年的28.2%下降到20.9%。

在年均增长率方面，东中西部地区高校基础研究经费年均增长率普遍较高，分别为31.45%、26.95%和30.48%，但从逐年增长率方面看，东中西部则呈现出较大的差异：东部地区总体呈上升趋势，由2004年的18.4%增长到2010的38.5%；西部地区呈现由升到降的趋势，由2004年的4%增长到2007年的39%，2007年到2010年又由39%下降到29.1%；而中部地区则波动较大，2004年到2008年由27.2%上升到48.0%，2009年下降到39.5%，2010年出现大幅下降并出现了负增长，负增长率为8%。

在投入强度方面即高校基础研究经费占GDP的比重和高校基础研究经费占1K&D经费的比重两个方面，总体上看东部和西部地区均呈现出较高的比例，而中部地区则波动性较大。具体而言，东部地区高校基础研究经费占GDP的比重总体呈上升趋势，由0.180‰增长到0.284‰；西部地区在中间呈现小幅下降之后又逐步上升，分别由2004年的0.048‰下降至2006年的0.042‰，之后又增至0.07‰；而中部地区波动较大，2004年至2009年整体呈上升趋势，由0.071‰增长到0.12‰，2010年出现下降情况，由2009年的0.12‰降至0.09‰。同样，东部和西部地区高校基础研究经费占R&D经费的比重呈上升趋势，东部由24.0%上升到31.3%，西部由21.9%上升到28.5%，而中部地区则波动较大，2004年到2009年总体呈上升趋势，由24.9%增长到37.1%，2010年则出现大幅下降，由2009年的37.1%降至27.8%。

二、高校基础研究经费投入的影响因素分析

（一）经济发展水平因素

高校基础研究经费总量与增长率的提高是经济发展的一个必然结果。十年来，国家经济持续发展，经济总量不断增长，GDP总量由2001年的109655亿元增长到2011年的471564亿元，并超过日本跃居世界第二位。这为高校科研经费的持续投入奠定了物质基础。上述分析表明，十年来高校基础研究总量达到782.7亿元，年均增长比率为32.44%。可以说，我国经济总量的增长曲线与高校科研基础研究领域的经费投入总量持续增长具有很强的对应关系。

同样，经济发展水平对经费投入强度影响巨大。依据国际惯例，自主创新能力较强的发达国家基础研究经费占GDP的比重普遍高于4%0，而创新能力较弱的发展中国家则普遍低于2‰。2008年，我国基础研究投入强度为0.698‰，而同期的美国为4.8‰，韩国为5.4‰，日本为3.9‰，分别是中国的6.9倍、7.7倍和5.6倍。可见，与美国、日本等发达国家有较大差距，与新兴的工业化国家亚洲四小龙之一的邻国韩国相比也表现出明显的不足。我国高校基础研究占全国基础研究的一半以上，由此推断，我国高校基础研究投入强度并不高。当然，一个国家经费投入是否适度，不能仅以投入强度数值的简单地对比进行评价。同际经验表明，一个国家的基础研究投入强度与其经济发展阶段具有对应关系并呈现出一般的规律性：当一个国家处于工业化初期时，其R&D投入大多用于试验与发展，随着工业化的进一步发展、将会有更多的经费投入到基础研究中来。因此、工业化发展阶段与研究经费投入的对应性是对研究投入强度进行评价的一个维度。有研究表明，综合来看我国的工业化总体上处于中期阶段，且已出现向后期阶段过渡的明显特征。国际上研究经费投入的一般规律是，处于这一发展阶段的国家，正是R&D经费投入结构发生显著变化的时期。因此我国在高校基础研究的经费投入上应当进一步加强。

（二）公共政策导向因素

公共政策作为政府对资源进行权威性分配的有力手段，其导向性对于资源分配格局产生至关重要的影响。十年来，国家颁布了一系列针对基础研究的公共政策。2006年，《国家“十一五”基础研究发展规划》提出，把基础研究作为科技投入的重点，采取有效措施，切实加大投入力度，使基础研究的投入在“十一五”期间有明显的提高，为落实《规划纲要》确定的基础研究战略任务提供经费保障。同年，《国家中长期科学和技术发展规划纲要》提出，“对从事基础研究、前沿技术研究和社会公益研究的科研机构，国家财政给予相对稳定支持。”这些具有鲜明导向性政策的出台对于高校基础研究经费的增长也起到了有力的推动作用。同时，公共政策的影响在高校基础研究经费投入增长率的波动曲线中也可以得到反映。从图1中可以看到，2005年以前，经费投入增长率波动较大，但自2006年以来情况发生了较为明显的变化，期间虽有起伏但总体来看表现平稳，这种情况与2006年上述两个纲要的颁行时间高度吻合。同样，我同东中西部地域间高校基础研究经费投入的不均衡性问题，除了一直以来东部地区的经济发展水平高于中西部这一经济原因以外，西部地区还得益于西部大开发系列政策的影响，使得其经费增长的稳定性要高于中部地区。

三、进一步改进高校基础研究经费投入的对策建议

从上述分析可以看出，十年来我国高校基础研究经费投入已经有了很大的变化，但是在投入总量、投入增长率、投入强度及投入均衡性等方面均需要进一步改进。2006年《国家中长期科学和技术发展规划纲要（2006-2023年）》指出“通过多方面的努力，使我国全社会研究开发投入占国内生产总值的比例逐年提高”。同年颁行的《国家“十一五”基础研究发展规划》也提出“把基础研究作为科技投入的重点，采取有效措施，切实加大投入力度，使基础研究的投入在‘十一五’期间有明显的提高，为落实《规划纲要》确定的基础研究战略任务提供经费保障。”这些政策为基础科研经费投入的改进提供了方向。

（一）充分发挥政府作为高校基础研究经费投入的主体作用

从性质上说，基础研究产出的知识具有公共产品的属性并具有显著的正外部性的特点，可以带来多重社会效益。同时，基础研究具有周期长、结果不确定性的特点。其中，周期长主要表现为投资回报周期长，在短时间内很难获得经济回报；不确定性表现为基础研究不但具有创新风险大、研究难度高的特点，而且表现为研究成果受益主体的不确定性，即投资者往往既不能保证其独占基础研究所带来的全部收益，也不能从其模仿者中得到应有的研究补偿。基于此，政府应该成为基础研究经费的当然投入主体。对此，国务院2006年颁行的《同家中长期科学和技术发展规划纲要（2006-2023）》明确指出，“国家财政投入主要用于支持市场机制不能有效解决的基础研究、前沿技术研究、社会公益研究、重大共性关键技术研究等公共科技活动。”2012年《国家基础研究发展“十二五”专项规划》再次强调，“充分发挥国家财政对基础研究投入的主体作用，继续加大对基础研究的投入力度，保持基础研究投入较快增长。”可以说，近十年来我国高校基础研究经费的增长与政府的财政投入密切相关，但与法定要求相比，财政投入的比例仍需提高。《国家中长期科学和技术发展规划纲要（2006-2023年）》中提出的具体目标是“使我国全社会研究开发投入占国内生产总值的比例逐年提高，到2010年达到2%，到2023年达到2.5%以上。”根据2010年科技统计年鉴的数据统计，我国全社会研究开发投入为7062亿元，国内生产总值为397983亿元，两者之比为1.77%，低于2%的目标。可见全社会研究开发投入总量并未达到纲要的基本要求。由此也可以推断，作为研发投入的重要组成部分的高校基础研究经费投入与要求相比尚存在距离。故此，应当按照国家法律和政策传递出的基本理念与具体要求，建立起与财政增长情况相挂钩的长效稳定的经费投入机制，以保障高校基础研究的经费投入稳定而持续性地增长。在财政投入地域结构上，应更注重向中西尤其是向中部地区倾斜，以增强地域间基础研究均衡性。同时，加大经费投入情况的监管力度，保证经费投入的及时到位且切实用于基础研究。

（二）拓展经费投入渠道，培育多元化投入主体

2012年2月17日，科学技术部、国家自然科学基金委员会联合颁布的《国家基础研究发展“十二五”专项规划》指出：“加强协同机制，拓宽基础研究的投入渠道；制定有关政策法规，引导和鼓励地方政府、企业和社会力量增加对基础研究的投入，逐步提高基础研究经费投入在全社会研究与试验发展（R&D）经费的比例，形成全社会支持基础研究的新局面。”可见，在经费投入主体方面，国家也把“引导企业”和引导“社会组织”进行科技投入作为发展战略的内容。

研发年度总结范文篇2

关键词：研发效率；产业结构；创新示范区

中图分类号：F276.44文献标识码：A

摘要：文章主要运用对比分析法，利用中关村和东湖国家创新示范区2004～2010年的研发投入和产出数据分析了两地总体研发效率。研究结果显示，尽管东湖的研发投入不断升高而中关村的研发投入逐步降低，但中关村的研发效率明显高于东湖。研究认为东湖以制造业为主的产业结构导致了研发资金的大量占用，从而与以现代服务业为主导产业、研发资金投入应用灵活的中关村拉开了差距；东湖所处的制度环境和发展阶段的特点也是其研发效率落后于中关村的重要原因。

关键词：研发效率；产业结构；创新示范区

中图分类号：F276.44文献标识码：A

1988年启动建设的东湖高新技术产业开发区，经过20多年的建设和发展，已成为我国重要的科技资源密集区和高新技术产业基地，在以光电子信息为代表的高新技术创新与产业发展中具有重要的战略地位。2010年，东湖示范区完成企业总收入

2918亿元，工业总产值2503亿元，初步形成以光电子信息产业为代表的制造业为主的经济结构。但是与同样始创于1988年的中关村相比，东湖的经济规模要小得多。中关村2010年总收入已达到7959.1亿元，工业总产值4988亿元，基本形成以现代服务经济为主的经济结构。

随着国家建设创新型国家战略的提出，各级政府和企业都在提高创新能力方面做出了不懈努力以推动自身自主创新能力不断提高。2010年东湖和中关村的研发投入资金分别达到了78.73亿元和260.4亿元，在全国高新区研发投入强度排名中名列前茅。东湖的研发投入在不断增长，但是在研发效率上与中关村相比，如何提高东湖的研发效率，则是必须要考虑的问题。

目前对研发效率的比较研究主要集中在主要国家之间和我国地区之间的比较上，很少以自主创新示范区为单位来进行示范区之间研发效率的比较研究。本文正是基于东湖和中关村两个国家创新示范区，收集了2004年至2010年研发数据，（数据来源：中关村及东湖网站，部分数据来源火炬统计年鉴）分析数据结果，得出对比研究结论，在此基础上提出相应的对策和建议。

1两地研发效率评价

《弗拉斯卡蒂手册》中将研发投入产出指标分为投入指标（研发活动中投入的人、财、物资源）、产出指标（论文、专利等）、影响指标（如高技术产品出口、生产率等研发活动的贡献与影响）。基于以上体系，并考虑到统计数据的可获得性，本文在研发投入方面选择研发资金投入和研发人员两类指标。研发资金投入方面选择：研发投入强度（研发资金投入/总产值）、研发投入占总收入的比例、科技活动支出占总收入的比例、研发投入占科技活动支出的比例作为衡量项目。因为研发投入强度是研究研发效率时必不可少的指标之一，研发投入占总收入的比例反映该地在收入分配中对研发的重视，科技活动支出比例则作为一个与研发相关的参考指标，研发投入占科技活动支出的比例反映该地在科技活动中对自主创新的重视。研发人员方面选择研发人员在从业人员中的比例以及研发人员人均研发资金作为对比项目。研发产出方面选择人均专利申请量和人均专利授权量以及单位资金专利申请量和单位资金专利授权量来作为产出指标。考虑到新产品销售收入受到诸多因素影响，尤其是受营销因素的影响极大，并且难以计算有多大程度属于研发活动本身的产出，故本文未将新产品销售收入考虑在内。

由于两地规模的差异，各项研发投入和产出的绝对数据无法在对比中有效地反映问题，因而在两地的对比研究中采用相对数据对比和逐年趋势对比。

1.1研发投入

从数据上看，东湖的研发投入强度一直落后于中关村，虽然差距在逐步缩小，但是仍然难以企及中关村的投入强度水平。即使在2009年，中关村的研发投入强度跌破0.06，东湖投入强度仍然低于中关村近两个百分点。从趋势上看，武汉东湖从2005年开始保持平稳上升直至2009年，2010年下降到不及2006年投入水平（2006年0.315，2010年0.313）（见图1）；从2005年至2009年东湖科技投入和研发投入占总收入的比例在逐年上升，而中关村的这两个数据则逐年下降（见图2、3）；东湖的研发支出占科技支出的比例在逐年扩大，而中关村的这个数字基本是在逐年下降，虽然起始水平较高，但东湖已经后来居上。研发支出在科技支出中的比例一定程度上反映了该区对自主创新的重视水平，所以这个趋势也在一定程度上说明东湖对自主创新能力的重视在逐年上升（见图4）。

1.2研发人员投入

从图5中可见，在研发人员占从业人员的比例方面，两地区差距不是很大，但中关村在2009年以前一直都高于东湖，东湖的这个数据在稳定的基础上有略微上升，中关村则从2006年之后呈逐渐下降趋势；武汉东湖的研发人员人均研发资金少于中关村，但从现有数据看其增速明显高于中关村，中关村的研发人员人均研发资金则保持基本稳定并在2007年后连续两年下降，在2009年，武汉东湖研发人员人均研发资金赶上并超过中关村，中关村17.28万，武汉东湖17.66万（按照园区研发人员实际人数计算）（如图6）。在2010年，中关村研发人员人均研发资金达到了前所未有的高度，但是这并非因为投入的增加，而是由于研发人员的大量减少（2009年136203人，2010年97000人）。

2研发产出

数据显示2008年之前东湖无论是单位研发资金还是单位研发人员产生的专利申请数量都要高于中关村，从2009年开始这两项指标同时被中关村超越。从趋势上看，2007年以前中关村单位研发人员产生的专利申请数量在稳步上升，从2007年开始，上升的速度明显加快；东湖的单位资金专利申请数量从2005年开始连续5年都在不断下降，单位研发人员专利申请数量在2006年略有上升之后又连续下降，但升降的幅度都不大（如图7、8）。

从图9和图10可以看出，专利授权的两项指标的数据趋势与专利申请的数据趋势基本一致。东湖单位研发资金专利授权和单位研发人员专利授权基本是逐年下降，中关村则两项指标直至2009年都是在不断上升，随着2009、2010年研发资金投入的减少，单位研发资金专利申请数量和授权数量在2010年开始下降。

3结论和原因分析

前文的描述和分析表明，虽然东湖在研发投入资金和人员两方面逐渐追上甚至赶超中关村，但是在衡量研发效率的两项指标中，东湖却落后于中关村。也就是说，本文的研究数据表明东湖的研发效率不及中关村。究其原因，本文认为这与两地的产业结构、制度环境和发展程度有着极大关系。

东湖的产业结构以制造业为主，光电子信息产业、生物产业、能源环保与新材料产业、现代装备制造产业4大产业构成了总收入的77.32%（2009年数据）。我国在高端机械制造方面与国外先进水平还有着较大差距，因而制造业的技术和设备引进，以及对引进的设备技术进行消化吸收占用了不少科技资金，也牵制了园区不少科研人力资源。虽然东湖的投入在不断加大，随着园区的发展，以制造业为主的产业格局也消化了更多的资金和人力。另一方面，我国劳动力的相对廉价以及高新区的各种优惠政策，使得制造业产品价格竞争力有着较强优势，这样的短期优势却造成制造业企业研发机构甚至其他社会研发机构更容易将注意力放在产品层面的发展研究去占领短期市场，而忽视从产品本身、生产技术更新换代出发的基础研究。这在一定程度上影响了东湖在研发方面的产出。中关村的产业构成却是以服务业为主，服务业和制造业并举。以2009年数据为例，中关村排名前5的产业（电子及通讯设备制造业、计算机服务业、软件业、专业技术服务业、技术交流和推广服务业）中有4个属于服务业，这4个产业收入构成总收入的38.52%，电子和通讯设备制造业则构成总收入的17.08%。服务业达到经济有效性的规模要求并不大，因而服务业大多以中小型企业为主，中小型企业与大企业相比虽然在经济实力方面有所不及，但由于服务业的创新主要依靠人力资本，中小企业能够避免大企业的僵化死板，更有灵活性，因而在效率方面反而有着大企业无法比拟的优势。

制度作为研发活动的环境对研发活动有着不可忽视的影响。尤其在我国，政府政策性的指导意见对高新区的发展有着举足轻重的作用。1999年，国务院批复加快中关村建设，并把它作为我国科技兴国战略的重要内容之一，从此，中关村的发展借助国家鼓励科技创新政策的东风，一步一个台阶稳稳站上了中国高新区老大的位置。

从发展程度来说，中关村是我国设立的第一个国家创新示范区，又地处北京，无论从人才、研发管理经验、投融资渠道、政策、资源、市场等各方面都有着很大的优势。而东湖则设立不久，在研发管理经验、投融资渠道等方面仍在探索自己的路径。这对研发资金的结构、研发人员的激励、研发人才的吸引和保持都有着极大影响，所以也是影响东湖研发效率的重要因素。

研发年度总结范文篇3

[关键词]PM2.5；居民全死亡；分布滞后非线性模型；时间序列；关联性

[中图分类号]R56；X51[文献标识码]B[文章编号]1673-9701（2016）28-0131-05

PM2.5是重要的大气污染物之一，2011年北京灰霾和沙尘期间PM2.5日均质量浓度分别高达301.8μg/m3和284.8μg/m3，是美国EPAPM2.5日均质量浓度限值（35μg/m3）的8.62倍和8.14倍[1]。居民死亡率及其死亡原因的变化是反映人群健康状况的重要指标之一，是制定卫生政策、评价卫生工作质量和干预效果的科学依据，也是研究人口自然变动规律的重要内容，因此世界各国都非常重视死亡资料的统计分析。我们将进行“2012～2015年北京市丰台区PM2.5与居民总死亡的时间序列分析”，通过收集2012年3月～2015年2月PM2.5污染数据、气象数据、居民总死亡数据，进行描述性分析和相关性分析，建立分布滞后非线性模型分析PM2.5对居民造成的超额死亡危险，为丰台区居民的疾病防治提供科学依据。

1资料与方法

1.1资料来源

PM2.5浓度资料从丰台区内PM2.5三个监测点（丰台花园、云岗、南三环）获得；气象资料从北京市气象局获得气温、气压、相对湿度等；居民总死亡资料从“人口死亡信息登记报告管理系统”中丰台区各级医疗机构报告的死亡信息和区民政局、区公安局以及街/乡镇政府提供的死亡信息中获得。

1.2研究对象

以2012年3月～2015年2月北京市丰台区居民死亡病例作为研究对象。

1.3资料整理

本研究的研究时间为2012年3月～2015年2月，为了方便后文叙述，本研究将2012年3月～2013年2月划分为2012年度、2013年3月～2014年2月划分为2013年度、2014年3月～2015年2月划分为2014年度。在描述性统计部分，根据中国北方气温变化情况，本研究按季节分组，即3～5月为春季；6～8月为夏季；9～11月为秋季；12月～次年2月为冬季。

1.4统计学方法

采用SAS9.2软件对2012年3月～2015年2月北京市丰台区PM2.5浓度、气象因素和居民总死亡水平进行描述性分析及相关性分析，对PM2.5、温度、相对湿度、气压进行正态性检验，若是满足正态性，则采用Pearson相关分析研究PM2.5与温度、相对湿度、气压的相关性，若是不满足正态性，则采用Spearman秩相关分析方法。对PM2.5与总死亡数的相关性采用Spearman秩相关进行分析。利用R3.0.3软件建立分布滞后非线性模型，分析2012年3月～2015年2月北京市丰台区PM2.5对居民造成的超额死亡危险。

2结果

2.1描述性统计分析

2.1.1PM2.5的描述性分析2012年3月～2015年2月北京市丰台区PM2.5平均浓度为91.94μg/m3，超过国家规定二级标准（75.00μg/m3）22.49%，其中每年度平均有180d超过国家规定二级标准，超标率为49.59%。日均浓度最高为475.00μg/m3，是国家二级标准的6.33倍，最低为3.00μg/m3。季节分布呈冬季最高，春、秋季次之，夏季最低的特点，见表1、图1。

2.1.2气象因素的描述性分析

2.1.2.1气温的描述性分析2012年3月～2015年2月北京市丰台区平均气温12.69℃，最高气温为31.00℃，最低为-12.00℃。总体呈夏季最高，春、秋季次之，冬季最低的特点，见表2、图2。

2.1.2.2气压的描述性分析2012年3月～2015年2月北京市丰台区平均气压为101.61kPa，最高气压为104.30kPa，最低为99.40kPa，总体呈冬季最高，春、秋季次之，夏季最低的特点，见表3、图3。

2.1.2.3相对湿度的描述性分析2012年3月～2015年2月北京市丰台区平均相对湿度为52.89%，最高相对湿度为98.00%，最低相对湿度为8.00%，总体呈夏季最高，冬季次之，春、秋季较低的趋势，见表4、图4。

2.1.3居民总死亡数的描述性分析2012年3月～2015年2月居民总死亡数为23138人，居民全死因死亡平均每日20.8人，每日死亡人数最小值为0人，最大值为38.0人。2012年度、2013年度和2014年度的平均每日死亡人数差异不大，分别为20.7人、20.9人、20.9人。其中2012年度有358个值，缺失7d，占1.92%。见表5。

2.2相关性分析

2.2.1PM2.5与气象因素的相关性对PM2.5以及气象因素（温度、相对湿度和气压）进行正态性检验，结果见表6。Kolomogorov-Simirnov（K-S）检验结果显示4个变量均不满足正态分布（P0，K>0）；气压和相对湿度呈正偏态和低峰度（S>0，K

2012年3月～2015年2月北京市丰台区PM2.5、气象因素之间的Spearman相关分析结果见表7。即PM2.5c平均温度呈负相关关系（r=-0.10，P0.05）。平均温度和相对湿度呈正相关关系（r=0.38，P

2.3PM2.5与居民总死亡数的关系

Spearman秩相关分析结果显示，PM2.5与居民总死亡数呈正相关关系（r=0.11，P0.05）。

在上述模型的基础上，控制温度、湿度、气压等混杂因素的的影响，分析PM2.5对总死亡水平的影响，如图7所示，PM2.5对总死亡水平的影响仍然无统计学意义（P>0.05）。

2.4PM2.5与总死亡的暴露反应关系

在研究期间内，控制时间的长期趋势、星期几效应、温度、湿度、气压等因素的影响后，分析PM2.5与污染当日全死因死亡的暴露反应关系，由图8可见，暴露-反应关系在低浓度时（约80μg/m3）和较高浓度时（约300μg/m3）分别存在一个拐点，当PM2.5的浓度约达到300μg/m3时，人群总死亡的风险会显著增加。

3讨论

2012年3月～2015年2月北京市丰台区PM2.5平均浓度为91.94μg/m3，超过国家规定二级标准22.49%，其中每年平均有180d超过国家规定二级标准，超标率为49.59%；2013年度北京市PM2.5年平均浓度为100.02μg/m3，超过国家规定二级标准33.36%，超标率为55.07%。同北京市数据相比[2]，北京市丰台区大气PM2.5污染水平较北京市低。2013年丰台区PM2.5污染最严重，与2013年的气象条件密切相关，稳定的大气环流形势为污染的持续提供了有利环境，风速较小、湿度较大、持续逆温影响大气污染物的扩散，是造成严重污染的重要原因[3]。

2012年3月～2015年2月北京市丰台区PM2.5浓度与气象因素中的日平均相对湿度、日平均气压呈正相关关系，与日平均气温呈负相关关系。与周洪霞等[4]结果PM2.5浓度与日平均相对湿度呈正相关关系大致相同；与刘晓剑等[5]研究结果显示PM2.5浓度与日平均相对湿度呈负相关关系，与日平均气压呈正相关系相比不同，造成其结果不同的原因可能是：北京市属于大陆性季风气候，相对湿度与风速呈负相关关系，当相对湿度较大时，风速较小，地面大气层处于较稳定的状态，不利于大气污染物的扩散；而深圳市属于亚热带海洋性气候，雨量充沛，湿度较大，降雨能有效的清除大气颗粒物[6]。

PM2.5的短期暴露与居民死亡的关系，已经在全球不同地点、不同大气污染背景、不同人群取得了相似的结果，并且初步得到了证实[7-9]。本研究选取北京市丰台区作为研究现场，结果发现PM2.5对总死亡人数的影响无统计意义，这与以往的研究结果是不一致的。例如：美国国家空气污染与死亡率和发病率关系的研究，对美国20个城市近5000万人的资料分析显示，人群死亡率与死亡前日颗粒物浓度相关[10]。在中国沈阳市[11]、广州市[12]和深圳市[13]的研究也发现，PM2.5污染与人群总死亡率呈现正相关，且PM2.5对总死亡率的影响在65岁以上的老年人群更为明显。

本研究的研究结果提示，PM2.5与居民死亡的暴露反应关系呈现一定的非线性关系。以往在欧美等发达国家的研究结果提示，颗粒物污染与死亡/发病的暴露反应关系呈现近似的线性关系[14-16]。例如：美国Schwartz等[17]学者运用层次模型发现PM2.5与全死因死亡的暴露反应关系呈现线性关系并没有阈值效应，这一结果在欧洲的一个队列研究中也得到了证实，该研究提示，即使在低于欧洲现在的年均标准限值（

本次研究仅仅纳入一个区的数据，每日各类别的死亡人数较少，这对模型的稳定性会产生一定的影响，还有可能是因为北京市大气污染物水平长期较高造成的人群适应性增加，污染源类型差异造成污染物结构成分的不同，以及人群的年龄构成和居民对污染物的敏感程度的不同。

4结论

2012年3月～2015年2月北京市丰台区PM2.5的污染严重，2013年PM2.5的污染最严重；2012年3月～2015年2月北京市丰台区居民总死亡呈冬季最高的趋势；2012年3月～2015年2月北京市丰台区PM2.5浓度与气象因素中的日平均相对湿度、日平均气压呈正相关关系，与日平均气温呈负相关关系；PM2.5浓度与居民总死亡数呈正相关关系。

PM2.5对居民总死亡水平的影响无统计学意义，研究人员可进一步深入研究PM2.5与具体死因间的关联性，找到PM2.5对居民健康影响的重点疾病，为进一步的健康教育、疾病的干预提供基础，为公共卫生工作提供依据，为城市大气污染健康效应评价、保护人群健康提供依据。

[⒖嘉南]

[1]王志娟，韩力慧，陈旭锋，等.北京典型污染过程PM2.5的特性和来源[J].安全与环境学报，2012，12（5）：122-126.

[2]王琪，孙巍，张新宇.北京地区PM2.5质量浓度分布及其与气象条件影响关系分析[J].计算机与应用化学，2014，31（10）：1193-1196.

[3]程念亮，李云婷，张大伟，等.2013年1月北京市一次空气重污染成因分析[J].环境科学，2015，3（4）：1154-1163.

[4]周洪霞，蒋守芳，郭忠，等.唐山市大气污染对居民心血管疾病日门诊和日住院人数的影响[J].现代预防医学，2015，42（12）：2138-2141.

[5]刘晓剑，吴永胜，付英斌，等.深圳市空气PM2.5与心脑血管疾病死亡的广义相加模型分析[J].中华疾病控制杂志，2016，20（2）：207-209.

[6]李军，孙春宝，刘咸德，等.气象因素对北京市大气颗粒物浓度影响的非参数分析[J].环境科学研究，2009，22（6）：663-669.

[7]DaiL，ZanobettiA，KoutrakisP，etal.AssociationsoffineparticulatematterspecieswithmortalityintheUnitedStates：Amulticitytime-seriesanalysis[J].EnvironHealthPerspect，2014，122（8）：837-842.

[8]LeeH，HondaY，HashizumeM，etal.Short-termexposuretofineandcoarseparticlesandmortality：Amulticitytime-seriesstudyinEastAsia[J].EnvironPollut，2015，207：43-51.

[9]LeeM，KoutrakisP，CoullB，etal.AcuteeffectoffineparticulatematteronmortalityinthreeSoutheasternstatesfrom2007-2011[J].JExpoSciEnvironEpidemiol，2016，26（2）：173-179.

[10]SametJM，DominiciF，CurrieroFC，etal.Fineparticulateairpollutionandmortalityin20U.S.cities，1987-1994[J].NEnglJMed，2000，343（24）：1742-1749.

[11]MaY，ChenR，PanG，etal.FineparticulateairpollutionanddailymortalityinShenyang，China[J].SciTotalEnviron，2011，409（13）：2473-2477.

[12]YangC，PengX，HuangW，etal.Atime-stratifiedcase-crossoverstudyoffineparticulatematterairpollutionandmortalityinGuangzhou，China[J].IntArchOccupEnvironHealth，2012，85（5）：579-585.

[13]ZhangF，LiuX，ZhouL，etal.Spatiotemporalpatternsofparticulatematter（PM）andassociationsbetweenPMandmortalityinShenzhen，China[J].BMCPublicHealth，2016，16：215.

[14]DanielsMJ，DominiciF，ZegerSL，etal.TheNationalMorbidity，Mortality，andAirPollutionStudy.PartIII：PM10concentration-responsecurvesandthresholdsforthe20largestUScities[J].ResRepHealthEffInst，2004（94Pt3）：1-21，23-30.

[15]SchwartzJ，CoullB，LadenF，etal.Theeffectofdoseandtimingofdoseontheassociationbetweenairborneparticlesandsurvival[J].EnvironHealthPerspect，2008，116（1）：64-69.

[16]ZhengS，WangM，WangS，etal.Short-termeffectsofgaseouspollutantsandparticulatematterondailyhospitaladmissionsforcardio-cerebrovasculardiseaseinLanzhou：EvidencefromaheavilypollutedcityinChina[J].IntJEnvironResPublicHealth，2013，10（2）：462-477.

[17]SchwartzJ，LadenF，ZanobettiA.Theconcentration-responserelationbetweenPM（2.5）anddailydeaths[J].EnvironHealthPerspect，2002，110（10）：1025-1029.