“2+26”城市治霾方案效果评估：以山东省为案例的研究

毛显强 张庆勇

摘要 以京津冀大气污染传输通道“2+26”城市为对象的区域性雾霾专项治理已经开展两年有余。要判断“2+26”城市治霾方案的实施是否取得了显著成效需要通过科学的实证分析加以验证。采集山东省13个内陆城市2016—2018年每日空气质量指数（AQI）、六种单项污染物（PM2.5、PM10、SO2、NO2、CO、O3）浓度以及气象条件等数据，以其中属于“2+26”城市的7城市作为实验组，其余6城市作为对照组，基于双重差分法，对“2+26”城市治霾方案在山东省相关城市的实施效果进行评估，试图分离方案实施所带来的环境效应。结果表明：①“2+26”城市治霾方案的实施总体上有效，对污染传输通道7城市空气质量指数（AQI）指标的降低发挥了显著作用。②“2+26”城市治霾方案对污染传输通道城市的PM2.5、PM10、CO浓度的降低有显著贡献，但对SO2、NO2和O3指标的改善贡献并不明显。③对方案进行分时段动态效应分析发现，《京津冀及周邊地区2017年大气污染防治工作方案》的发布并未对污染传输通道城市空气质量改善产生立竿见影的效果，而《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》《京津冀及周边地区2018—2019年秋冬季大气污染综合治理攻坚行动方案》的落实和执行才是“2+26”城市治霾方案显著见效的保障。该研究在严格遵守双重差分法前提条件的同时，还通过了一系列稳健性检验确保评估结果的可靠性。

关键词 大气污染传输通道;“2+26”城市;治霾方案;治霾效果;双重差分法

根据《中国环境状况公报》显示，2016年中国338个城市中仅有84个城市空气质量达标，占全部城市的24.9%;其余254个城市空气质量均超标，占比75.1%;特别是京津冀地区更成为空气污染的重灾区，2016年京津冀地区PM2.5全年平均浓度达71ug/m3，对此实施区域性空气污染专项治理势在必行。2017年2月17日原环境保护部下发了针对“2+26”城市，即京津冀大气污染传输通道城市的《京津冀及周边地区2017年大气污染防治工作方案》（以下简称“工作方案”）;此后又分别于2017年8月21日和2018年9月21日出台了《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》（以下简称“2017攻坚行动方案”）和《京津冀及周边地区2018—2019年秋冬季大气污染综合治理攻坚行动方案》（以下简称“2018攻坚行动方案”）。这后续的两个“攻坚行动方案”在“工作方案”基础上做出了细致的实施安排，更强调督查手段的落实和量化问责，并辅以重污染天气执法检查、各地空气质量情况通报等配套措施，力促“2+26”城市的治霾工作切实推进。这些专门针对京津冀空气污染传输通道大气污染防治的措施方案（统称为“2+26”城市治霾方案）实施后的2017和2018年，京津冀地区雾霾天明显减少，空气质量显著提升[1]，这被认为是“人努力”和“天帮忙”共同作用的结果。那么“2+26”城市治霾方案实施的净效应有多大？该方案的政策效力是否具有长效性？该方案的政策效力还有哪些不足？针对这些问题，该研究尝试以山东省为案例开展评估。

1 文献综述

在评估环境治理政策和措施方案的效果时常用的计量方法主要有断点回归法、合成控制法以及双重差分法。其中断点回归法适用于考察政策和措施方案在实施前后的短期内是否会产生突变的效果，如曹静等[1]、Davis[2]都借助断点回归分别对北京和墨西哥的机动车限行措施效果进行了评估，结果显示北京的限行措施对空气质量的影响甚微，墨西哥的限行措施对空气质量也没有显著改善作用;石庆玲等[3]同样运用断点回归方法评估了“环保约谈”对当地空气污染的治理效果，结果表明该政策措施在短期内效果显著，长期无效。合成控制法适合于针对单一对象进行政策效果评估，通过人为构造一个对照组评估政策的实施效果，例如Zhang等[4]、王艳芳和张俊[5]运用该方法考察北京奥运会的举办对空气质量的影响，结果显示举办奥运使得2008年北京空气质量明显改善，2010年之后改善作用逐渐消失;Kim and Kim[6]使用合成控制法研究发现，区域温室气体倡议（RGGI）是美国东北部温室气体排放大幅减少的重要因素之一。

相较于前面两种方法，双重差分法适用于评估环境治理政策措施实施前后的平均净效应，而且不受单一考察对象的局限。Chen等[7]运用双重差分方法评估了2008年北京奥运会采取的一系列应对措施对改善空气质量的效果;史贝贝等[8]、邹国伟与周振江[9]、宋弘等[10]借助该方法评估了“两控区”政策和低碳城市试点政策的实施效果;Sun等[11]、李静等[12]利用双重差分法对中国绿色信贷政策、“十一五”和“十二五”期间的减排政策实施效果进行了探究;Jia and Chen[13]通过构建多期双重差分模型对中央环保督查（CEPI）的短期和长期政策效果进行评估，发现CEPI确实对改善环境绩效有积极作用;Wang等[14]利用该方法分析发现中国空气质量新标准的出台无论长期还是短期都未显著降低PM2.5的浓度及SO2的排放量;杜雯翠和夏永妹[1]以6个京津冀核心城市为案例，运用双重差分法考察2014—2016年京津冀雾霾协同治理的效果，认为这期间的协同治理没有从根本上改善京津冀的空气质量状况。

通过对上述文献的梳理与回顾可知，第一，目前针对“2+26”城市治霾方案的实施效果尚缺乏科学严谨的综合评估;第二，在运用双重差分法进行政策效果评估时，部分研究忽视了该方法严格的前提假设要求，缺乏全面、严谨的稳健性检验[16]。鉴于此，拟将“2+26”城市治霾方案的实施作为一项准自然实验，利用山东省各地级市2016—2018年的每日空气质量面板数据，在严格遵循方法适用条件的前提下，基于双重差分法评估该政策方案在山东省的实施效果。

2 数据与方法

2.1 样本的选取

选取的样本为山东省13个内陆地级市。之所以选取山东省为案例是基于以下的考虑：①山东省作为一个经济大省同时也是一个人口大省，在中国具有一定的典型性和代表性。②山东省以雾霾为代表的空气污染问题严峻，17个地级市中有7个被纳入“2+26”城市。③山东省域内南北纬度跨度较小，省内中西部气候相近，整体自然环境相似。为保证研究对象的相对一致性，在运用双重差分模型进行研究时减少偏误，将山东省东部的青岛、烟台、威海和日照这4个大气扩散条件较好，空气质量显著优于其他地市的沿海城市排除，选择其余13个内陆城市作为研究对象。其中，以居于京津冀大气污染传输通道的“2+26”重点城市之列的济南、淄博、济宁、德州、聊城、滨州、菏泽等7市为实验组，以其余6市，枣庄、莱芜、泰安、东营、临沂、潍坊为对照组。这样的处理可以最大程度地满足随机分组、随机事件、同质性以及对照组不受政策影响的假设[17]。

研究以《京津冀及周边地区2017年大气污染防治工作方案》的下发日期2017年2月17日作为“2+26”城市治霾方案开始实施的时间节点。在时间范围的确定上主要基于两方面的考虑：一方面，若时间范围区间选取太短，样本数据太少，结果的显著性无法保证;另一方面，若时间范围区间选取太长，难以控制其他因素对结果的干扰。因此，将时间范围限定在政策方案实施时间节点前后共计3年（2016年1月1日至2018年12月31日）。

2.2 数据的收集与来源

首先采集13个样本城市2016—2018年每日空气污染物浓度指标及气象条件等面板数据。空气质量指数（AQI）是衡量一个地区空气质量状况的重要综合性指标。它是由六种单项污染物（PM2.5、PM10、SO2、CO、NO2和O3）浓度限值折算而来，取值范围为0～500，数值越大，代表空气质量状况越差。以AQI指数为衡量空气质量改善效果的主要变量。

除了收集山东省13城市3年间每日AQI数据，为考察“2+26”城市治霾方案的实施对单项污染物浓度的影响，还同时收集了六种单项污染物的日均浓度数据。空气质量数据采自“中国空气质量在线监测分析平台”公益网站，该平台提供了全国367个城市自2013年12月以来的空气质量状况每日数据，其数据来源于中国环境保护总站。此外，由于气象条件对于空气质量状况有着显著的影响[18]，同步收集了山东省13城市3年间每日气象条件数据，包括最高气温、最低气温、降水以及风力等指标。气象条件数据采集自“2345天气网”，该网站数据来源于中国气象局。所有数据经人工收集汇总，去除缺失数据后最终得到14 245个样本数据。

2.3 数据的初步统计分析

表1是对政策实施前后，属于“2+26”城市的7个实验组城市与6个对照组城市的空气质量指标简单描述性统计结果。从表1可以看出，实验组城市和对照组城市的大部分空气质量指标在政策实施后都有明显下降，而实验组城市下降幅度要高于对照组城市。但不管是实验组城市还是对照组城市，O3平均浓度非但没有下降反而比政策实施前升高。

尽管初步观察发现实验组城市大多数污染物指標的浓度有所下降，但仅通过这种简单的“单差法”比较尚不能确定这种下降究竟在多大程度上由“2+26”城市治霾方案的实施带来。

图1为2016—2018年山东省13城市3年每月的AQI趋势图，从图中可以看出，各年AQI的变化具有相似的月度趋势和季节特征。一般来说，2—4月和7—10月AQI指数相对较低，而11月至次年1月AQI指数相对较高，因此必须对回归模型进行季节和月度调整，以控制季节和月份变化对AQI的影响。同时，为控制如宏观经济年际波动等干扰效应，还需对回归模型进行年度调整。

2.4 回归模型

研究中把“2+26”城市治霾方案的实施视作一项“准自然实验”，根据“双重差分”思想，在比较政策干预前后状况的“单差法”基础上，为了排除样本城市自身发展趋势对环境质量的影响（即控制实验组自身在政策实施前后的“自然”变化），首先设置一个与“实验组”尽可能接近的“对照组”，然后将“实验组在政策实施前后的平均变化”减去“对照组在政策实施前后的平均变化”，结果便是“净”政策效应。由此建立的双重差分模型如下：

式中，下标i、t分别表示该数据所对应的城市i和t日期;Yit为被解释变量，具体指空气质量指数AQI或者六种单项污染物浓度;city为城市虚拟变量，用于反映该城市

注：①方案实施前，即“工作方案”下发前的时间范围，具体指2016年1月1日至2017年2月16日;方案实施后，即“工作方案”下发后的时间范围，具体指2017年2月17日至2018年12月31日。②实验组，是指山东省内属于“2+26”城市的7城市;对照组，是指山东省内不属于“2+26”城市的其余6城市（不包括4个沿海城市）。表内数据由作者整理获得。

拟变量（weekend）和节假日虚拟变量（holiday）。根据对数据初步的统计分析得知，空气质量状况存在明显的年度变化趋势和月度变化趋势，因此设置了年份虚拟变量（属于某一年取值为1，否则为0）和月度虚拟变量（属于某一月份取值为1，否则为0），用以控制年度和季节效应。此外，考虑到是否为工作日或节假日也会影响人类生产活动，进而对污染排放产生影响[22]，还设置了工作日虚拟变量（周一到周五取值为1，否则为0）和节假日虚拟变量（法定节假日取值为1，否则为0），用以控制工作日和节假日效应。

γt为时间趋势项。由于空气污染治理是全国性的行动，并且“气十条”早在2013年便逐步实施，因此不排除所有城市空气质量状况均存在随时间推移整体向好的趋势。为此本研究设置了时间趋势项的一次项以控制这种趋势效应。

表2对主要变量进行了描述性统计，给出了它们的均值、标准差、最小值和最大值。数据显示，山东省13城市近3年日均AQI值为108.9，可见山东省空气污染的严峻性。

3 结果与讨论

3.1 基准回归

首先进行全样本基准回归，回归结果报告在表3中。表3中第（1）列为既不含地区固定效应，也不含时间固定效应时的结果;第（2）列和第（3）列分别为仅加入地区固定效应或时间固定效应的结果;第（4）列为包含上述两种效应时的结果;第（5）列则是在控制住地区固定效应和时间固定效应的基础上，加入了时间趋势项的一次项时的结果。did回归系数代表政策的净效应。从表3第（1）～（5）列的回归结果可以看出，无论是否加入地区固定效应、时间固定效应或时间趋势项，did回归系数至少在10%的显著水平下显著为负，说明“2+26”城市治霾方案的实施显著改善了空气质量。特别是在控制住时间固定效应后，回归系数的显著性提高，通过了5%的显著性水平检验。在同时控制住上述所有效应后，表3第（5）列中did回归系数值约为-4.7，表明治霾方案的实施使得实验组7城市AQI指数平均下降4.7左右。结合前文表1给出实验组城市在治霾方案实施后AQI指数平均下降15.0，可以推知实施治霾方案的贡献率约为31.3%（4.7/15.0），即在控制住天气效应、城市固定效应、时间固定效应以及时间趋势项后，“2+26”城市治霾方案的实施解释了大约31.3%的AQI的变动，效果显著。

3.2 单项污染物指标回归分析

由于AQI指数代表了综合的空气环境质量状况，为进一步探讨“2+26”城市治霾方案对六种单项污染物的影响，分别再以这六种单项污染物作为被解释变量进行模型回归，结果见表4。观察表4中（1）～（6）列可以发现，did回归系数在以PM2.5、PM10和CO为被解释变量时都显著为负，且至少都通过了5%的显著性水平检验，这说明治霾方案的实施对这三种污染物的治理效果较好。

虽然表1中简单比较方案实施前后变化的“单差法”结果显示， SO2的NO2平均浓度在政策实施后也有明显下降，但双重差分分析表明方案实施对实验组城市SO2和NO2的浓度变化并无显著影响。对照组和实验组城市SO2和NO2的浓度均下降应系由“气十条”等其他环保政

注：①括号内为以城市為聚类的聚类稳健标准误。②*、**和*** 分别表示 10%、5%和 1%的显著性水平。常数项略去。表内数据是作者基于Stata软件估计获得。

策措施的落实引致。“2+26”城市治霾方案也未对O3产生效果，O3浓度指标上升，与方案实施无关。

对上述结果可作如下解释。

（1） “2+26”城市治霾方案目标直指减少以PM2.5超标为主的重污染天气，两个“攻坚行动方案”都明确将PM2.5平均浓度下降比例作为严格考核指标，绝大部分具体措施围绕降低颗粒物污染展开。所以“2+26”城市治霾方案的实施对PM2.5和PM10产生了显著的改善效果。CO浓度降低也是随着减少煤炭使用以及严格控制机动车排放等治霾措施产生的协同效应。

（2）对于SO2和NO2，方案中虽然也明确提出了对于二氧化硫和氮氧化物的治理要求，但是二者在“十一五”和“十二五”期间已分别被列为约束性污染物总量减排指标，“气十条”等环保政策措施无论在实验组还是在对照组城市都已得到普遍充分落实，对于它们的末端治理已经

取得了较大进展，“2+26”城市治霾方案并未对它们的减排做出显著的额外贡献。

（3）O3平均浓度在方案实施后不减反增，这是由于O3并非源于直接排放，其浓度升高与VOC排放量仍然较大，且NO2的削减暂时打破了大气化学平衡等复杂因素相关。降低O3浓度还有待对VOC减排的强化。

3.3 政策效果动态分析

自“工作方案”发布后，相应的“攻坚行动方案”并未立即出台，直到“2017攻坚行动方案”出台前，存在一个“行动方案空档期”（2017.2.17—2017.8.20）;在“2017攻坚行动方案”到期后，直到“2018攻坚行动方案”出台前，同样存在另一个“行动方案空档期”（2018.4.1—2018.9.20）。仅发布“工作方案”而缺乏系统明确的“攻坚行动方案”支撑，“2+26”城市治霾方案是否能够产生及时、持续、显著的治霾效果？

为了回答这一问题，按照“2+26”城市治霾方案出台后有无“攻坚行动方案”支撑，将方案出台后的时间划分为4个时段，设置相应虚拟变量date1（2017.2.17—2017.8.20）、date2（2017.8.21—2018.3.31）、date3（2018.4.1—2018.9.20）和date4（2018.9.21—2018.12.31），取值规则为：处于对应时段内则为1，否则为0。接着让这4个时段虚拟变量分别与city虚拟变量相乘，生成相应的交互项after1、after2、after3和after4，并纳入双重差分模型中。借鉴Beck 等[23]、Wang[24]和吴建祖、王蓉娟[25]的思路构造出新的动态估计模型：

其中，系数βm（m=1，2，3，4）表示相应时段内的政策净效应。表5是模型（2）的具体回归结果，从中可以看出，无论是否控制地区固定效应、时间固定效应或者时间趋势项，只有after2和after4的系数均显著为负的，after1和after3的系数并不显著，具体解释如下。

（1）after1的系数不显著，说明在“工作方案”发布后直至“2017攻坚行动方案”发布前的“行动方案空档期”内，“2+26”城市治霾方案并没有发挥出立竿见影的政策效力。这是由于“工作方案”内容本身缺乏细化分解可操作的要求以及相应的考核督导措施，由此导致地方政府缺乏激励，治理方案落实不到位。

after3系数不显著，同样说明在第二个“行动方案空档期”内，治霾方案无法发挥改善空气质量的显著效力，仅靠重污染天气执法检查、每月通报各地空气质量情况等配套措施，“2+26”城市治霾方案便不会产生显著的政策效力。

（2）after2和after4系数显著，说明由于两个“攻坚行动方案”对治霾措施做出了细致的分解和布置，并制定了严格监督方案，使得各项“2+26”城市治霾方案的措施能够落地执行。

以上分析表明，若缺失对治霾行动方案的细化分解和严格的考核督导，则“2+26”城市治霾方案仍难以落地实施，真正发挥作用。

4 稳健性检验

陈林、伍海军[18]认为，并非所有的政策冲击都可以用双重差分方法来分析，因为该方法有四个较为严苛的前提条件——随机分组、随机事件、同质性以及对照组不受政

注：①表中报告的是同时控制了天气变量、地区固定效应、时间固定效应以及时间趋势项一次项时的回归结果。②样本数量为14 245个。③括号内为以城市为聚类的聚类稳健标准误。④**和*** 分别表示 5%和 1%的显著性水平。常数项略去。表内数据是作者基于Stata软件估计获得。

策的影响，

应用双重差分法应至少保证四个前提假设中的三个得以满足，否则估计结果会存在很大的偏误。下面对这四个前提条件进行检验，来检验研究结果的稳健性。

4.1  随机分组假设检验

理想情况下，实验组城市应是随机挑选的，不受任何因素影响，特别是要保证实验组城市的选取和被解释变量无关。如果实验组城市的选择不能满足一定的随机性，就会产生双向因果效应，使得估计结果有偏。为了检验是否符合随机分组假设，研究求取了“2+26”城市治霾方案实施之前的2016年山东省13个城市的年度AQI均值，并且按照数值从大到小进行排列，结果见表6。从表中可见，方案实施城市的选取并未遵循AQI由高到低的顺序，在数值上具有一定的随机性，例如“2+26”城市中的济南、淄博、济宁和滨州四市2016年AQI年度均值分别排在第4、7、9和12名。可以认为，虽然“2+26”城市的选取条件是处于“京津冀污染传输通道”上，但AQI的大小并不是“2+26”城市选取的主要依据。研究中实验组城市的选取和AQI的大小无必然联系，满足一定随机性条件。

4.2  随機事件假设检验

为了确保“2+26”城市治霾方案的实施符合随机事件假设，即政策实施时间具有随机性，不具有预期效应，以进一步验证政策的外生性，研究借鉴Lu 等[26]和蒋灵多、陆毅[27]对随机事件假设进行的安慰剂检验，假设政策方案的颁布时间分别提前3个月、6个月和9个月进行回归。表7第（1）～（3）列为具体回归结果，从表中的结果可以看出，不论是提前3个月、6个月还是9个月，did的估计系数均不显著，这说明政策方案实施之前不具有预期效应，政策方案在发生时间上具有随机性，从而随机事件假设成立;同时还可以说明实验组城市空气质量指标与对照组城市偏离，确实是由“2+26”城市治霾方案导致，而非其他随机因素造成，可进一步验证本研究结果的稳健性。

4.3 同质性（平行趋势）假设检验

为了说明研究对象的同质性，对实验组城市和对照组城市被解释变量的平行趋势假设进行检验。借鉴文献[28-30]中常用的平行趋势假设检验方法，绘制政策方案实施前实验组城市和对照组城市的月度AQI平均值（通过求取月度AQI平均值可以较好地平滑由随机因素造成的波动）走势图（见图2）。可以直观地看出，在政策方案实施之前实验组城市和对照组城市月度AQI值走势基本平行甚至部分接近重合，表明两组城市之间AQI月度均值没有明显的系统差异，符合平行趋势假设。

4.4 对照组不受政策影响假设检验

实验组城市和对照组城市同属山东省，并且互相毗邻，虽然这有利于保证两组城市所处宏观环境相似，但也正因如此，对照组城市有可能会受到“2+26”城市治霾方案实施的影响，即产生政策的溢出效应，使得估计结果存在一定偏差。这种政策溢出效应，一方面体现在实验组城市的举措会刺激邻近的对照组城市加强空气污染的治理，另一方面体现在实验组城市强化减排减少了扩散到邻近城市的污染物，使得对照组城市空气质量得到一定程度改善。

注：①括号内为以城市为聚类的聚类稳健标准误。②*、** 分别表示 10%、5%的显著性水平。③样本数量为14 245个。常数项略去。表内数据是作者基于Stata软件估计获得。

为了确认该政策是否存在显著的溢出效应，本研究进行了反事实检验：由于莱芜、泰安两个对照组城市在地理位置上几乎被实验组城市包围，这两个城市理当受实验组城市政策溢出效应影响最大，因此把这两个城市作为新的实验组城市，其余四个对照组城市作为新的对照组城市进行回归（结果见表7第（4）列），结果显示系数并不显著。这在一定程度上验证了“2+26”城市治霾方案未对对照组城市产生显著影响或政策溢出效应不显著假设。毕竟，尽管进行了系列稳健性检验，但仍应该承认，由于空气质量的变化所受影响因素极为复杂，既有人为因素也有自然因素，对政策方案影响研究的边界条件控制难度也远大于实验室状态。一项政策的实施通常带有主观目的性，潍坊104.60注：标*的济南、淄博、济宁、德州、聊城、滨州、菏泽市为实验组城市。

不可能是绝对的随机发生的“自然事件”，因此只能将“2+26”城市治霾方案的实施视为一项“准自然实验”。尽管在稳健性检验中对于政策溢出效应的检验结果为不显著，但仍不能完全排除该效应的存在，而该效应的存在会使得研究对政策效应的估计结果偏小。尽管存在低估的可能，但反映政策效果的did回归系数依然显著为负，也间接支持了研究对“2+26”城市治霾方案有效性的判断。

5 结论及建议

近年来京津冀地区雾霾污染频频来袭，严重危害着人民身体健康，“2+26”城市治霾方案的出台和实施势在必行。为了能够科学评估该方案的治理效果，以山东省为案例，基于该省13城市2016—2018年的每日面板数据，利用双重差分法对“2+26”城市治霾方案的实施效果进行分析评估。

研究的主要结果：①双重差分回归发现，“2+26”城市治霾方案的出台和实施，对山东省7个京津冀大气污染传输通道城市的空气质量改善效果显著，该方案对AQI指数改善的总体贡献率约为31.3%。

注：①表中报告的是同时控制了天气变量、地区固定效应、时间固定效应以及时间趋势项一次项时的回归结果。②表中（1）～（3）列为4.2检验结果，第（4）列为4.4节的检验结果。表内数据是作者基于Stata软件估计获得。

图2 政策方案实施前实验组城市和对照组城市的AQI月度走势行回归发现，“2+26”城市治霾方案实施仅对PM2.5、PM10和CO改善效果显著，而对SO2、NO2和O3没有产生差异化（相较于对照组城市）的治理效果。③通过对该方案的动态评估发现，2017年初“工作方案”的发布并没有产生立竿见影的治霾效果;“2+26”城市治霾方案最终见效主要归功于2017和2018年秋冬季“攻坚行动方案”的实施使得治霾措施得以切实落地。

基于上述研究结果，认为：①治理雾霾、提高空气质量是一个系统性、长期性的工程，对于治霾措施方案在确定目标、框架、路线之后，需要进行细致的任务分解和安排，并通过建立并执行严格的督导、考核、奖惩制度，促使政策方案措施在地方真正落地实施，最大程度发挥出方案的政策效力。②目前已经执行的“2+26”城市治霾方案侧重于对颗粒物的治理，今后需要更加重视全面协同治理多种大气污染物，特别是要切实加强对VOC等污染物的治理，解决O3浓度不降反升问题。③对于山东省空气污染问题严重的对照组城市，要充分借鉴“2+26城市”治霾方案实施的成功经验，因地制宜采取有力措施，进一步改善全省空气质量。

（编辑：李 琪）

参考文献

[1]寇江泽. 人民日报生态论苑： 大气治理容不得半点懈怠[N/OL]. 北京： 人民日报， （2018-11-24）[2019-03-12]. http：//opinion.people.com.cn/n1/2018/1124/c1003-30419437.html.

[2]曹静， 王鑫， 钟笑寒. 限行政策是否改善了北京市的空气质量？[J]. 经济学（季刊）， 2014， 13（3）： 1091-1126.

[3]DAVIS L W. The effect of driving restrictions on air quality in Mexico City[J]. Journal of political economy， 2008， 116（1）： 38-81.

[4] 石庆玲， 陈诗一， 郭峰. 环保部约谈与环境治理：以空气污染为例[J]. 统计研究， 2017， 34（10）： 88-97.

[5] ZHANG J， ZHONG C P， YI M. Did Olympic Games improve air quality in Beijing？ based on the synthetic control method[J]. Collected essays on finance & economics， 2016， 18（1）： 21-39.

[6] 王艳芳， 张俊. 奥运会对北京空气质量的影响：基于合成控制法的研究[J]. 中国人口·资源与环境， 2014， 24（S2）： 166-168.

[7] KIM M K， KIM T. Estimating impact of regional greenhouse gas initiative on coal to gas switching using synthetic control methods[J]. Energy economics， 2016， 59： 328-335.

[8] CHEN Y Y， JIN G Z， KUMAR N， et al. The promise of Beijing： evaluating the impact of the 2008 Olympic Games on air quality[J]. Journal of environmental economics and management， 2013， 66（3）： 424-443.

[9]史贝贝， 馮晨， 张妍， 等. 环境规制红利的边际递增效应[J]. 中国工业经济， 2017（12）： 42-60.

[10]邹国伟， 周振江. 环境规制、政府竞争与工业企业绩效——基于双重差分法的研究[J]. 中南财经政法大学学报， 2018（6）： 14-22，159-160.

[11]宋弘， 孙雅洁， 陈登科. 政府空气污染治理效应评估：来自中国低碳城市建设的经验研究[J]. 管理世界，2019（6）： 95-108.

[12]SUN J X， WANG F， YIN H T， et al. Money talks： the environmental impact of Chinas green credit policy[J]. Journal of policy analysis and management， 2019，38： 653-655.

[13]李静， 杨娜， 陶璐. 跨境河流污染的“边界效应”与减排政策效果研究——基于重点断面水质监测周数据的检验[J]. 中国工业经济， 2015（3）： 31-43.

[14]JIA K， CHEN S W. Could campaignstyle enforcement improve environmental performance？ evidence from Chinas central environmental protection inspection[J]. Journal of environmental management， 2019，245： 282-290.

[15]WANG K L， YIN H C， CHEN Y W. The effect of environmental regulation on air quality： a study of new ambient air quality standards in China[J]. Journal of cleaner production， 2019， 215： 268-279.

[16]杜雯翠， 夏永妹. 京津冀區域雾霾协同治理措施奏效了吗？——基于双重差分模型的分析[J]. 当代经济管理， 2018（9）： 53-59.

[17]胡日东， 林明裕. 双重差分方法的研究动态及其在公共政策评估中的应用[J]. 财经智库， 2018， 3（3）： 84-111.

[18]陈林， 伍海军. 国内双重差分法的研究现状与潜在问题[J]. 数量经济技术经济研究， 2015（7）： 133-148.

[19]郭勇涛， 佘峰， 王式功， 等. 兰州市空气质量状况及与常规气象条件的关系[J]. 干旱区资源与环境， 2011， 25（11）： 100-105.

[20]ZHANG X P， GONG Z Z. Spatiotemporal characteristics of urban air quality in China and geographic detection of their determinants[J]. Journal of geographical sciences， 2018， 28（5）： 563-578.

[21]刘霞. 中国城市空气质量的影响因素分析[D]. 济南： 山东大学， 2018.

[22]刘旖. 我国空气污染的时空分布特征及影响因素分析[D]. 北京： 北京交通大学， 2018.

[23]陈强， 孙丰凯， 徐艳娴. 冬季供暖导致雾霾？——来自华北城市面板的证据[J]. 南开经济研究， 2017（4）： 25-40.

[24]BECK T， LEVINE R， LEVKOV A. Big bad banks？ the winners and losers from bank deregulation in the United States[J]. Journal of finance， 2010， 65（5）： 1637-1667.

[25]WANG J. The economic impact of special economic zones： evidence from Chinese municipalities[J]. Journal of development economics， 2013， 101： 133-147.

[26]吴建祖， 王蓉娟. 环保约谈提高地方政府环境治理效率了吗？——基于双重差分方法的实证分析[J]. 公共管理学报， 2019， 16（1）： 54-65，171-172.

[27]LU Y， TAO Z G， ZHU L M. Identifying FDI spillovers[J]. Journal of international economics， 2017， 107： 75-90.

[28]蒋灵多， 陆毅. 最低工资标准能否抑制新僵尸企业的形成[J]. 中国工业经济， 2017（11）： 118-136.

[29]郭峰， 熊瑞祥. 地方金融机构与地区经济增长——来自城商行设立的准自然实验[J]. 经济学（季刊）， 2017， 17（1）： 221-245.

[30]黄志平. 碳排放权交易有利于碳减排吗？——基于双重差分法的研究[J]. 干旱区资源与环境， 2018， 32（9）： 32-36.

[31]SHI B B， FENG C， QIU M， et al. Innovation suppression and migration effect： the unintentional consequences of environmental regulation[J]. China economic review， 2018， 49： 1-23.