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。