近些年,PM2.5已成为社会关注的热点。过高的PM2.5浓度不仅影响居民身体健康,还会对未来环境治理等各个方面造成巨大的经济损失和负担。在可持续发展的战略要求下,如何实现环境保护和经济协调发展是目前一个重点和难点工作。因此,利用统计方法深入研究经济活动与PM2.5浓度间的动态关系,对今后降低PM2.5浓度,推动城市可持续发展,具有重要的现实意义。鉴于此,本文从PM2.5高污染地区选取北京、苏州和珠海三个典型样本城市,就2014年1月—2019年10月实时监测月度数据,利用长面板回归和CVAR-SV模型分析城市经济活动与PM2.5间的联动关系:首先,利用长面板方法进行建模,从修正参数估计结果发现,三个典型城市的房屋施工面积对PM2.5浓度的正向影响最大。同时,还发现模型的时间效应不显著,说明城市活动对PM2.5的影响在该阶段并未随时间变化而动态变化。但是具有显著的地区效应,有必要对各城市进行具体分析。然后,根据贝叶斯模型比较准则,从众多形式的VAR模型中,选出CVAR-SV模型进行实证分析。并利用脉冲响应函数分析各城市经济活动与PM2.5浓度的联动关系,结果发现:就北京市来看,PM2.5自身对其浓度影响最大且最持久,工业总产值次之,最后是房屋施工面积和货运周转量。就苏州市来看,房屋施工面积和货运周转量对PM2.5影响强度最大,随后是工业总产值,最后是PM2.5自身的影响,但其影响最持久。就珠海市来看,货运周转量影响强度最大,工业总产值和房屋施工面积以及自身影响强度大致相当,但是后两者影响持续性更持久。综合以上分析发现,三种经济活动对各城市PM2.5影响的确存在差距,故各城市制定降低PM2.5浓度措施时,要充分考虑本地现状,有针对治理。本文的主要贡献是,将CVAR-SV模型应用到城市经济活动与PM2.5联动关系的研究中,为大气污染领域研究治理提供定量研究支撑。