财政分权、政策协同与大气污染治理效率——基于京津冀及周边地区城市群面板数据分析

孙 静，马海涛，王红梅

(1.中央财经大学 政府管理学院，北京 100081；2.中央财经大学 财政税务学院，北京 100081)

一、引言

作为大气污染的重灾区，京津冀大气污染治理从一开始就受到社会公众的广泛关注，成为该地区亟需解决的首要环境问题。目前，京津冀及周边地区大气污染治理力度不断加强，但治理效果却差强人意。2017年，京津冀地区大气污染物浓度与2016年相比略有下降，但仍然维持在高位水平，PM2.5的年平均浓度为64μg/m3，远高于长三角、珠三角区域，在全国进行空气质量监测城市中，该区域城市群占据了空气质量相对较差10个城市中的9席(1)生态环境部.2017中国生态环境状况公报[EB/OL]. http://www.mee.gov.cn/gkml/sthjbgw/qt/201805/t20180531_442212.htm, 2018.，其大气污染治理仍然面临严峻挑战。京津冀及周边地区大气污染治理难度较大，其治理过程可为其它区域环境治理工作提供经验借鉴，治理成效可以彰显大气污染治理效果，具有重要的研究价值。

由于大气污染物流动性、外溢性特点，区域协同治理成为大气污染治理的必由之路。2010年，环境保护部等九部门发布了《关于推进大气污染联防联控工作改善区域空气质量指导意见》(2)中华人民共和国国务院办公厅.国务院办公厅转发环境保护部等部门关于推进大气污染联防联控工作改善区域空气质量指导意见的通知[EB/OL]. http://www.gov.cn/zhengce/content/2010-05/13/content_4736.htm, 2010.，首次提出区域协同“联防联控”的治理思路。2013年，国务院发布《大气污染防治行动计划》(3)中华人民共和国国务院. 国务院关于印发大气污染防治行动计划的通知[EB/OL]. http://www.gov.cn/zhengce/content/2013-09/13/content_4561. htm, 2013.，文中明确提出“建立京津冀区域大气污染防治协作机制”。 2017年，环境保护部等16部门发布了《京津冀及周边地区2017-2018年秋冬季大气污染综合治理攻坚行动方案》(4)中华人民共和国生态环境部. 关于印发《京津冀及周边地区2017-2018年秋冬季大气污染综合治理攻坚行动方案》的通知[EB/OL]. www.china-nengyuan.com/news/113450.html, 2017.，进一步落实责任，强化考核问责，打好“蓝天保卫战”。

当然，大气污染治理离不开各级财政的支持，政府的支出行为会直接影响污染治理的投入水平、治理效率[1]。改革开放以来，在以GDP为中心的绩效考核理念与制度的驱动下，地方政府在发展经济上获得了充分的激励动机，财政分权制度进一步赋予地方政府财政支配的自由裁量权，致使地方政府过于注重经济发展而忽略环境治理，产生“逐底效应”。与此同时，凭借“地方政府的信息优势”可以发挥“逐顶竞争”的观点又为财政分权与大气污染治理效率间的影响作用作出了对立的解释。本文聚焦大气污染协同治理问题，从财政分权的视角，以大气污染治理效率的影响因素为核心展开研究，并试图回答下列问题：财政分权与京津冀大气污染治理效率关系如何，政策协同对于大气污染治理效率的影响程度如何？如何在财政分权视角下，进一步强化区域大气污染协同治理力度，提升大气污染治理效率？这些都是公众、政府部门普遍关注的问题，也是改善我国大气环境治理效果迫切需要研究解决的问题。

二、文献综述

(一)大气污染治理效率

目前针对大气污染治理效率已取得了一系列研究成果，其主要研究思路为设置投入产出指标，计算大气污染治理相对效率的排名。大气污染治理效率按照计算对象主要分为全国范围内省级效率和区域范围内地市级效率两种：王奇和李明全(2012)[2]利用超效率DEA模型计算了省级大气污染治理效率，并得出中部地区的治理效率高于西部和东部地区的省际分布格局；汪克亮等(2016)[3]基于生态效率理论定义了大气环境绩效评价指标，并利用非径向Luenberger生产率来测度省际大气环境绩效的动态变化；张璇等(2018)[4]利用DEA模型测算出各省多种计算口径下的环保投资效率，并构建Tobit模型验证了财政分权对环保投资效率存在明显负作用；郑石明和罗凯方(2017)[5]利用超效率DEA模型测算了29个省市的大气污染治理效率，并通过聚类分析将测算结果进行效率分组，得出了各省市的效率类型特征；张智楠(2018)[1]基于广东省各地市级面板数据利用DEA模型测算出了取值为[0,1]的环保支出相对效率，并进一步通过Tobit模型分析了财政分权、经济发展水平等因素对治理效率的影响。实证分析的结果普遍显示目前我国的大气污染治理效率普遍处于偏低水平，大多数评估地区尚未达到有效状态，进一步分析大气污染治理效率偏低可分为两种情况：一是大气污染治理投入不足导致[6]，应进一步加大治理投资水平，提升治理效率；二是治理投入的资源配置效率低下导致，因此应进一步优化调整治理投入配置格局，提高资金的使用效益。本研究在已有研究成果的基础上，利用超效率DEA模型选取京津冀及周边地区城市群2010-2015年面板数据计算各城市大气污染治理效率，计算结果作为被解释变量进入Tobit 模型验证模型变量与效率的影响机制。

(二)大气污染协同治理

近年来，大气污染区域协同治理的相关研究成果较为丰富，展开研究的角度包括大气污染治理的府际关系[7-10]、政策协同[11-13]、协作机制设计[14-18]、协同效果检验[19-20]等。其中，政策协同角度的研究主要是基于大气污染协同治理政策文本数据的量化分析，研判当前区域大气污染治理政策的协同程度[21]，研究结论显示当前治理政策的协同度不足，多主体联合发文的政策数量较少，政策目标、政策措施的协同度有待提高。大气污染协同治理效果检验主要基于面板数据，利用双重差分模型进行协同治理实施前后的效果检验，部分学者研究的实证结果表明目前由于存在污染治理“搭便车”行为，协同治理机制不完善等原因，大气污染协同治理尚未取得显著的治理效果[19-20]。

(三)财政分权与环境治理

针对财政分权对于环境治理的影响目前主要分为“逐底竞争(race to the bottom)”和“逐顶竞争(race to the top)”两类观点。逐底竞争观点认为财政分权会导致资本流向环境规制宽松的地区，地方政府为发展经济会降低当地环境标准，导致环境治理的趋劣竞争[22-23]。逐顶竞争观点则认为财政分权可以对环境治理产生正向促进作用，其原因在于“地方政府的信息优势”[24]以及选举辖区内选民“以脚投票”引发的地方政府竞争[25]，地方政府应满足当地公众的偏好，提高社会保障、环境治理水平。当前研究两者关系的方法体系大致分为两类：一种是基于博弈理论分析，研究财政分权背景下各地方政府在财政、政治晋升等激励与约束机制下大气污染治理支出偏好与环境规制选择策略[26]；另一种是将财政分权作为解释变量纳入实证模型，验证其与FDI、环境规制、晋升激励、地方政府竞争等因素对环境治理的直接或联合影响作用。杨刚强和李梦琴(2018)[27]分别研究了财政分权以及其与官员晋升激励制度对能源生态效率的影响，得出财政分权对能源生态效率影响作用为负，但与官员晋升的联合效应为正的结论。李强(2019)[28]利用长江经济带地市级数据构建静态面板模型分析了财政分权、FDI与环境污染的关系，研究结论显示财政分权加剧了当地环境污染，而FDI可有效改善污染水平，在此基础上提出了长江经济带发展“外向型经济”的政策建议。可以看出目前的研究结论大都体现财政分权对环境污染的“竞次效应”的特点，即在当前财政分权制度下，地方政府为了发展经济会忽视非生产性支出项目的供给，放松环境规制，造成当地环境污染加速恶化[29]，实证研究的结果也支持逐底竞争的结论[30-31]。

综上，目前国内外学者在大气污染治理效率评价及财政分权影响作用分析方面已取得了较为丰富的研究成果，但当前财政分权与大气污染治理的影响作用研究多停留在本地政府属地自治情境下，由于大气污染物具有流动性和扩散性特点，其治理效率的影响因素与其他污染治理效率(如能源生态效率，环境投资效率等)不同[4,27]，应考虑跨区域协同治理强度的影响，在区域协同治理的情景下进行建模分析。在现有财政分权体系下，地方政府为保障属地经济发展，彼此间相互竞争抢夺流动资本容易形成“竞次效应”，加剧当地环境污染程度。另外，污染治理政策的协同又体现了各地方政府间污染治理的合作意识，通过治理主体的协同、治理措施的协同、治理目标的协同等保障大气污染的治理效果。那么“竞次效应”和“协作治理”两个相对因素在实际中对大气污染治理效率的影响作用如何，京津冀及周边地区的大气污染治理到底是“竞次效应”还是“协作治理”的提升效应，这需要将财政分权与政策协同强度同时纳入计量模型展开分析。

本文在前人研究的基础上，采集京津冀及周边地区27个环保重点城市2010-2015年面板数据，利用超效率DEA模型评价分析各环保重点城市的大气污染治理效率，在大气污染区域协同治理的背景下，进一步建立面板Tobit模型，将财政分权、政策协同强度作为解释变量分析其与大气污染治理效率间的影响关系。该研究可能的边际贡献主要包括：一是结合已有政策协同度研究，从主体协同的角度给出大气污染治理政策协同强度的测量方式；二是将政策协同强度、财政分权同时纳入分析框架，构建更加符合大气污染流动性和溢出性特点的计量模型，验证其与大气污染治理效率的影响关系，深入解析大气污染治理效率的影响机制，提升大气污染治理效果。

三、京冀津及周边地区城市群大气污染治理效率

大气污染治理效率评价分为绝对效率评价与相对效率评价两大类。绝对效率评价主要借助评价指标体系，通过专家打分等方式来输出各城市大气污染治理效率。相对效率评价主要通过DEA评价模型，输入投入产出指标数据，输出各城市大气污染治理效率相对排名。绝对效率评价结果受评价主体的主观影响较大，其一致性与稳定性较差，因此本文主要采用DEA评价模型来得出各城市大气污染治理相对效率值。

(一)DEA评价模型

DEA评价模型可计算具有相同投入产出指标决策单元的相对效率，其主要思想为利用数学规划理论，建立优化模型，代入投入产出指标数据，通过求解对偶规划的最优解来判断各决策单元DMU(Decision Making Units)是否为DEA有效，并输出各DMU的相对效率值。第一个DEA模型为CCR模型[32]，随着理论研究的不断深入，DEA模型也在不断改进和优化。传统的CCR或BCC模型输出的效率最大值为1，在多个DMU效率取值均为1的情况下无法解决DMU的冗余松弛问题。超效率DEA模型可有效解决冗余松弛问题，获得更加精细化的计算结果[33]。其在评价各DMUi的相对效率时，首先将当前DMUi排除DMU集合，如果DMUi是非DEA有效，排除后生产前沿面没有变化，超效率DEA模型和传统DEA模型结果一致；如果当前DMUi是DEA有效，排除后生产前沿面形状会发生变化，导致超效率DEA模型的计算结果可能大于1。本文采取了产出导向规模报酬可变非径向超效率DEA模型——Super-SBM模型来进行京津冀及周边地区城市群大气污染治理效率的评价，与径向模型CCR或BCC相比，SBM模型不要求投入和产出指标同比例变化，更符合实际情况。同时，超效率DEA模型可以进一步区分DEA有效的各DMU的相对效率，输出更为精确的效率值。

(二)模型变量与数据来源

本文按照京津冀及周边地区的界定范围，兼顾数据的可获得性，选取北京、天津、河北、河南、山东、山西等6个地区的27个环境保护重点城市作为样本对象展开深入研究(5)面板数据中的城市选取主要考虑数据的可获得性，选用《中国环境年鉴》中统计的隶属京津冀周边6个地区的27个环保重点城市作为样本数据，27个城市中不包括河南省开封市，原因在于与其他城市相比，开封市的投入指标过少，而各类污染物排放量过小导致产出指标过大，治理效率畸高，后续处理过程中将其作为极值点排除。，数据采集时间为2010-2015年(6)数据采集的时间起始于2010年，在该年度环境保护部等九部门发布了我国第一个综合性大气污染防治政策——《关于推进大气污染联防联控工作改善区域空气质量指导意见》，而废气治理设施运行费用指标《中国环境年鉴》只统计到2015年，基于此，设置数据采集时间为2010-2015。。综合考虑现有研究成果[2,5]，笔者将测算大气污染治理效率的DEA模型投入要素设置为各城市的废气治理设施数、废气治理设施运行费用两项指标，输出要素为各城市的工业二氧化硫去除量，工业二氧化硫排放量，工业氮氧化物排放量，工业烟、粉尘去除量，工业烟、粉尘排放量5项指标(7)由于《中国环境年鉴》中存在若干城市工业氮氧化物的去除量取值为0的情况，若以很小数值替代0值在使用DEA模型评价时会对DMU的测算结果产生很大的影响，输出结果不稳定，因此，在进行治理效率评价时未采用工业氮氧化物去除量指标。，数据来源于《中国环境年鉴》，具体如表 1所示。其中污染物去除量指标为正向指标，可以直接输入DEA模型。污染物排放量指标为逆向指标，在计算时，对其取倒数后再输入到DEA模型中进行计算。

表1 大气污染治理效率评价模型的投入产出指标

注：数据来源为2011-2016年《中国环境年鉴》。

(三)大气污染治理效率结果分析

将表1中的投入产出指标代入DEA Solver软件中的Super-SBM模型输出2010-2015年京津冀周边城市群的大气污染治理效率的测算结果，具体如表 2所示，表格数字大于1的城市表明已经达到了DEA有效状态。可以看出，各城市大气污染治理效率随时间波动的规律呈现多样化趋势，洛阳、平顶山、石家庄等城市的治理效率变动趋势呈现倒U型特征，郑州、潍坊、阳泉等城市呈微弱N型特征，青岛、秦皇岛、长治等城市的治理效率较为平稳，没有太大波动。此外，从表2中可知很多城市大气污染治理效率达到DEA有效状态后，并没有继续保持良好势态，在下一年度变为非DEA有效状态。大气污染治理效率结果显示出治理效率变动的复杂规律，为进一步解释说明其变动情况，本文在以往研究的基础上，选取了10个自变量构建实证模型，探究显著影响其治理效率的关键变量。

表 2 2010-2015年京津冀及周边地区27个环保重点城市大气污染治理效率

四、实证分析

(一)研究假设

本文利用2010-2015年京津冀及周边地区6省市27个环保重点城市群面板数据，分析财政分权、政策协同度对于大气污染治理效率的影响程度。本文所提出的研究假设如下：

H1：财政分权程度越高，大气污染治理效率越低。

财政分权程度体现了中央政府与地方政府间财政收入和支出权力的分配关系。本研究的财政分权通过财政收入分权和支出分权两个维度来进行衡量。财政收入分权程度越高，表明地方政府对中央政府转移支付依赖程度越小，其可支配财政收入越高。结合我国实际，可支配财政收入通常与当地企业生产规模呈正比，因此收入高的地区其污染程度相较于财政收入分权低的地区更为严重。同时，为获得更多流动资本推动经济增长，地方政府会降低环境标准，导致大量高污染企业聚集，致使大气环境污染加速恶化，治理难度加大，从而拉低了大气污染治理效率。从支出角度来看，财政支出分权越高，地方政府对财政支出分配的自由度越高，在以GDP为中心的考核和晋升体制下，地方政府财政支出更青睐高税收、经济效益好的生产性项目，忽视环境污染治理。相反，财政支出分权较低的地区支出自由度较差，受中央转移支付的制约较强，对中央政府环境治理政策的回应度较好[34]。据此，本文提出假设H1，财政收入分权与财政支出分权均与大气污染治理效率呈负相关关系。

H2：政策协同强度越高，大气污染治理效率越高。

大气污染物具有明显的区域外溢性、流动性特征，在以往的治理过程中，传统的地方政府自治模式并未取得令人满意的治理效果。污染治理责任的缺位更是造成地方政府治污过程中的“搭便车”行为，因此，区域协同治理是提升大气污染治理效率的必然选择[12]。政策协同强度是衡量区域协同治理的重要指标，政策协同强度越高，说明区域多主体协同治理实施的广度、深度越强，治理措施、治理目标的协同性更高，可有效避免属地治理邻区污染的治理乱象，提升大气污染的治理效率。

(二)变量选择

1. 被解释变量

前文中Super-SBM模型输出的京津冀周边27个环保重点城市的大气污染治理效率为实证模型的被解释变量efficiency，在超效率DEA模型的条件下，其取值可以大于1。

2. 解释变量

目前，衡量财政分权程度的指标呈现多元化趋势，借鉴前人的研究成果[35]，本文通过如下方式计算财政分权程度：计算财政收入分权程度frd=各城市人均财政收入/全国人均财政收入，财政支出分权程度fed=各城市人均财政支出/全国人均财政支出[36]。

本研究所使用的政策协同强度指标主要从主体协同的角度来进行统计测量，协同政策分为行政区域内部协同政策和跨区域协同政策两种。行政区域内部协同政策主要指京津冀及周边地区同一省(城市)内两个或以上政府部门联合发文大气污染治理政策。跨区域协同政策主要指两个或多个中央部门或省级(市级)地方政府部门联合发文面向京津冀及周边地区大气污染治理政策。各城市按年度统计当年正在实施各项政策协同强度。政策协同强度policy主要受到两个因素的影响：政策联合发文的部门个数Ai和政策力度Bi，其中政策力度划分为7个等级，具体取值如表3所示[37]。各城市各年度的政策协同强度policy的计算公式为：

参与协同度计算的政策范围为：政策的发文单位、接收单位或政策文件中涉及京津冀及周边地区大气污染协同治理(8)政策协同强度policy在计算时应注意：由于27个环保重点城市中，存在直辖市和地级市两种不同的行政级别，在设置地级市的协同政策个数时，默认其所属省级协同政策适用于其省内各地级市。例如，2014年，工业和信息化部、国家发展和改革委员会、科学技术部、财政部、环境保护部、住房城乡建设部、国家能源局印发了关于《京津冀公交等公共服务领域新能源汽车推广工作方案》的通知，其接收对象为北京市、天津市、河北省有关部门，在计算政策协同强度时，仅对北京、天津以及隶属河北的地市级展开计算。。

表3 政策力度取值

3. 控制变量

基于现有文献的研究成果，大气污染治理效率可能还会受到当地经济发展水平、人口密度、工业化水平、城镇化水平、环境规制等因素的影响。

经济发展水平用各城市人均GDP指标pgdp来表示，根据环境库兹涅茨曲线(EKC)理论，经济发展水平与环境污染程度呈倒U型关系，环境污染会随着经济的发展呈现先恶化后改善的变动趋势。经济发展水平与大气污染治理效率之间的影响关系会受到经济发展结构的影响，在粗放式的规模经济发展模式下，经济的发展伴随着污染物的大量增长，会降低大气污染的治理效率；在绿色经济、高新技术推动的经济发展模式下，经济的发展会提升大气污染的治理效率，因此，其系数符号不确定。

人口密度(popuden)利用常住人口数量/城市行政区划面积来表示，人口密度越高的地区，其周边企业、公共服务设施等聚集程度越高，大气污染排放更为严重，不利于污染治理，预估其系数为负值。

工业化水平(industratio)利用第二产业生产总值占GDP比重来表示，其取值越高，经济发展对高能耗高污染企业的依赖越严重，不利于污染有效治理，系数预估结果为负值。

外商投资FDI利用各城市当年实际使用的外资金额表示，关于外商投资与环境污染关系研究目前存在“污染光环”(Pollution Halo)和“污染避难所”(Pollution Haven)两种对立假说[38]，无法预估其系数值的取值情况。

教育水平(stu)利用高等学校在校学生数来进行表示。一般来说，教育水平越高的地区，当地公众的环保意识越高，有利于提升大气污染的治理效率，预估其系数为正值。

科技水平(tech)利用地方财政一般预算内科学技术支出来表示，科技水平的进步有利于企业减少污染物排放率，其系数预估结果为正值。

环境规制(enr)的指标选取目前尚不存在权威标准，所采用的指标包括：环境标准及环境法规的累计颁布数量[39]、污染投资占企业总产值比重、主要污染物达标率指数[40]、污染治理设施运行费用[41]等多种形式。大气污染环境规制指标与一般环境规制指标有所不同，应仅考虑大气污染治理相关数据来进行测算，考虑到指标的有效性和数据的可获得性，本研究采用enr=废气污染设施运行费用÷工业总产值×1000来表示。环境规制与污染治理效率的影响可分为两个方面：一是环境规制减少污染物的排放来源，加大了污染物的处理力度，可以提升污染物的治理效率；二是由于资源配置结构扭曲造成规模边际效应递减，环境规制投入增加会造成大气污染的治理效率下降。因此，其系数符号不确定。

(三)数据来源与描述统计分析

本文利用2010-2015年京津冀周边地区27个环保重点城市面板数据来进行实证分析，其中被解释变量来自前文DEA模型的测算结果。模型自变量数据来源包括：北大法宝数据库、政府部门网站、各省市统计年鉴、《中国环境年鉴》、《中国城市统计年鉴》等，对模型变量描述统计结果如表 4所示。为尽量消除异方差所带来的影响，各模型变量除比率数据外，均先取对数再代入计量模型进行分析。

表4 模型变量描述统计分析

(四)模型设定与实证结果

由于大气污染治理效率值属于截取数据，若用OLS来计算会导致参数估计量是有偏的。基于此，本文采用受限因变量模型(Limited Dependent Variable Model)——面板数据Tobit模型来进行回归分析，并利用Stata 15软件来测算各自变量对大气污染治理效率的影响，模型具体形式如式(1)(2)所示：

efficiencyit=β0+β1frdit+β2lnpolicyit+β3industratioit+β4lnFDIit+β5lntechit+β6lnstuit+β7lnpgdpit+β8lnpopudenit+ui+εit

(1)

efficiencyit=β0+β1fedit+β2lnpolicyit+β3industratioit+β4lnFDIit+β5lntechit+β6lnstuit+β7lnpgdpit+β8lnpopudenit+ui+εit

(2)

其中，β0为常数项，β1-8表示各自变量系数，ui+εit为复合扰动项。

面板Tobit模型的输出结果如表5所示。其中Model(1)和Model(2)展示的是将财政收入分权和财政支出分权指标分别添加控制变量后的计量模型，Model(3)和Model(4)分别在Model(1)和Model(2)的基础上加入政策协同强度指标lnpolicy，进一步验证模型的测算结果。

表5 模型输出结果

注：表内数字表示变量系数估计值，括号内数字表示变量系数的标准差*代表p值<0.1，**表示p值<0.05，***表示p值<0.01

读取表 5中的模型输出结果，可以看出：

1. 财政收入分权程度与大气污染治理效率的回归系数为负值，在Model(1)和Model(3)中分别通过了1%和5%的显著性检验。财政支出分权程度与大气污染治理效率的回归系数为负值，在Model(2)和Model(4)中分别通过了1%和10%的显著性检验。这说明假设H1成立，京津冀及周边城市群的财政分权程度与大气污染治理效率存在明显负效应，财政分权导致环境治理的“竞次”效应明显。一方面，各地方政府为吸引投资，降低企业准入标准，高污染企业入驻“污染避难所”，污染物排放量大幅增长，大气污染治理难度加大；另一方面，污染的加剧又造成地区环境治理投入的相对不足，造成治理效率不能达到DEA有效状态。

2. 政策协同强度与大气污染治理效率的回归系数在Model(3)和Model(4)中的回归系数为正值，与预期一致，但在两个模型中均未通过显著性检验，意味着政策协同度与大气污染治理效率没有显著性影响，假设H2不成立。其可能原因包括：一是目前京津冀及周边地区尚未形成大气污染多主体协作治理的有效格局，大气治理尚以属地自治为主，多主体协作治理尚未有效发挥作用。二是存在大气污染协同治理的“集体行动困境”。由于大气的流动性和溢出性，大气污染的治理收益由京津冀及周边地区城市群共享，造成地方政府在治理过程中存在“搭便车”心理，主动参与大气治理的积极性不高，协同政策的执行力度不足。三是协同政策与各地方政府利益协调困难，导致政策协同强度不足，效果不佳。

3. 经济发展水平与大气污染治理效率的回归系数为正值，并在4个模型中均显著，与前人研究结果相一致[42-43]。其可能原因为：京津冀及周边地区的经济发展水平与地区科技水平、人才聚集度高度相关，经济发达的地区所拥有的技术优势和产业升级效应对于污染治理效率带来的促进效应要大于经济发展过程中污染物排放所产生的拉低效应。因此，经济发展水平显著促进了大气污染治理效率的提升。

4. 环境规制水平与大气污染治理效率的回归系数为负值，在4个模型中均通过了1%的显著度检验。在本研究中，环境规制水平主要利用环境治理投入指标来表示，其与大气污染治理效率的负效应说明目前京津冀及周边地区城市群的污染治理效率呈现规模效应递减特征。

5. 受教育水平与大气污染治理效率的回归系数显著为负，与预期不一致。其可能原因为：一是目前京津冀及周边地区公众的环保意识普遍不足，尚不能产生对大气污染效率的显著促进作用；二是结合京津冀及周边地区城市群的特点，高校在校学生数较多的地区都集中在北京、天津和各省的省会城市，这些城市人口、产业相对聚集，城镇化水平较高，在城镇化过程中会产生大量的污染气体排放，拉低城市的大气污染治理效率。

6.工业化水平与大气污染治理效率的回归系数为负值，与预期相一致，在Model(1)和Model(2)中分别通过了1%和5%的显著性检验，在Model(3)和Model(4)中加入政策协同强度变量后由于标准误变大而不再显著。可以看出第二产业依赖度越高的城市，大气污染现象越严重，其大气污染治理效率越低，这符合我国的实际情况。

7.科技水平、外商投资、人口密度三个自变量回归系数的符号均与预期一致，但在四个模型中均未通过显著性检验，对京津冀及周边地区大气污染治理效率没有显著影响。

(五)模型稳健性检验

1.各类稳健性检验

为进一步验证模型的可靠性，本文从以下方面展开模型稳健性检验：(1)改变大气污染治理效率的计算方式，采用BCC模型来计算各城市的大气污染治理效率，将其作为因变量纳入模型；(2)替换财政分权指标，采用财政自主度指标fd(9)财政自主度=市本级预算内财政收入/市本级预算内财政支出。代替财政收入分权和支出分权指标，代入计量模型输出分析结果。稳健性检验结果如表6所示(10)限于篇幅，未报告控制变量的稳健性检验结果。，Model(5)，Model(6)和Model(7)分别展示的是以BCC模型效率值为因变量，财政收入分权、财政支出分权和财政自主度指标为主要解释变量的输出结果。可以看出，财政分权、政策协同强度指标的系数符号未发生变化，财政分权与大气污染治理效率的负效应依旧显著，政策协同强度与大气污染治理效率的正效应仍不显著，本研究的结论具有一定的稳健性。

表6 模型稳健性检验结果

注：表内数字表示变量系数估计值，括号内数字表示变量系数的标准差*代表p值<0.1，**表示p值<0.05，***表示p值<0.01

2.内生性问题

政策协同强度与大气污染治理效率两者之间或存在双向因果关系，即大气污染治理效率反过来会影响地方政府政策协同强度，当大气污染治理效率较低时，各地方政府会更提升协同治理的合作意愿，加强政策协同强度。为检验模型的内生性问题，本部分将政策协同强度的一期滞后变量和二期滞后变量作为工具变量代入Ivtobit模型进行检验分析，结果显示Wald统计量均接受外生性原假设(11)政策协同强度为外生变量的可能原因：京津冀及周边地区的地方政府在大气污染协同治理过程中仍普遍存在“搭便车”心理，在治理效率低下的情景中亦是如此，协同治理参与意愿较弱，协同治理政策多依赖中央政府推动从而导致模型的反向因果关系不显著。，这说明原Tobit模型的估计结果较为稳健性，可有效识别因果关系。

五、结论与政策建议

本文利用京津冀及周边地区27个环保重点城市2010-2015年连续6年的面板数据，通过超效率DEA模型测算了大气污染治理的效率值，并构建Tobit模型对财政分权、政策协同强度与大气污染治理效率间的关系进行了测算检验，输出上述具有稳健性的实证结果。本文的主要研究结论如下。

第一，通过Super-SBM评价模型计算各城市大气污染治理效率，输出结果显示：京津冀及周边地区城市群大气污染治理效率历年均值为0.69，尚未完全达到DEA有效的状态；不同城市间的大气污染治理效率随时间呈现多样化变动趋势，不存在特定的变动规律；部分城市在效率值达到DEA有效状态后，在后续年份中又下降至无效状态，并未能一直保持良好态势。

第二，构建Tobit模型分析财政分权、政策协同强度对大气污染治理效率的影响机理，输出结果显示：财政收入分权和财政支出分权均与大气污染治理效率存在显著的抑制作用；政策协同强度与大气污染治理效率的回归系数为正值，但在各模型中并未通过显著性检验，尚未对大气污染治理效率产生显著的促进作用。

基于对实证结果的分析，笔者提出如下政策建议。

1.财政分权应与地方政府的财权、环境治理事权和支出责任相匹配。目前我国环境治理事权的支出责任主要定位在地方政府，但在分税制改革后，央地政府间的财权上移事权下移现象日益严重，地方政府为弥补财政缺口优先发展经济，造成环境“逐底竞争”。环境恶化对地方政府提出了更高的支出要求，但同时财权上移又使得地方政府缺乏财力基础保障大气污染治理投入。因此，中央政府应加强污染治理投入的统筹和协调力度，进一步扩大中央财政转移支付，统筹整合各类生态保护类专项资金，在当前财政分权框架下优化生态补偿转移支付制度，减轻地方政府的财政压力，引导地方政府增加环境治理财政投入。

2. 进一步加大环境治理绩效考核比重，引导地方政府强化环境治理力度。在财政分权较高的地区，其财政支出结构很大程度受到官员绩效考核方式和晋升机制的影响，环境治理绩效考核制度的缺位促使地方政府盲目追求经济增长而忽视环境治理。目前，地方官员绩效考核体系已逐步纳入“生态文明建设”、“可持续经济发展”等考核因素(12)中共中央组织部：《关于改进地方党政领导班子和领导干部政绩考核工作的通知》，人民网，2013年12月9日。，“环境保护”绩效权重的强化在一定程度上能够缓解当前的地方政府环境治理的“竞次”效应，转变官员的为政方式。但是，由于选择性执行、替代性执行等执行偏差存在，仅依赖绩效考核等约束性奖惩措施在实际中不能发挥很好的效果。在此基础上，应建立常态化的环境绩效考核机制，科学设计彰显环境治理绩效的“绿色GDP”指标体系，进一步提高环境治理效果、环境治理协作等要素的考核比重。同时，健全环境审计制度，加强环境治理奖惩措施执行的严格程度，出台地方官员环境追责细则并保障执行力度，逐步强化政府官员与民众的环保意识。

3. 强化京津冀及周边地区大气污染治理政策协同强度，建立权威性协调和监督机构，推进协同治理的广度与深度。目前大气污染治理仍然处于地方政府区域自治主导状态，由于各方利益诉求不同，行政壁垒和地方保护主义阻碍了协同治理的推进和发展。基于此，笔者建议在协同治理实施过程中，首先应加强现有京津冀及周边地区大气污染防治协调机构的权威性，强调其协调与监督职能，理顺各地方政府之间的权责关系，统筹推进协同治理工作。其次应进一步完善大气污染协同治理的顶层设计，规范协同治理的目标、标准和要求，加强协同治理制度的约束力，出台对应的奖惩机制，保障协同治理的执行力度。

4. 优化大气污染治理支出结构，提高资金使用效率。京津冀及周边城市群的大气污染治理投入同时呈现投入规模不足与规模边际效应递减的特征。京津冀及周边城市群的大气污染治理形势仍然严峻，增加治理投入是政府履行污染治理职责的应有之义。但在增加投入的过程中，应优化各类投入要素的资源配比结构，寻找投入要素资源分配的短板效应，有导向性的分配治理资金，保障大气污染治理效率。