区域大气污染防治特护期政策减排效果分析——基于长株潭地区的DID评估

胡东滨， 李敏倩

一、 研究背景

随着工业化进程的不断加速，大气污染物的排放量逐渐超过了区域环境容量，我国大气污染问题日益严峻，尤其在2013年，全国30个省(市、区)均出现了严重雾霾，且有10余个省份经历了持续的严重雾霾天气。湖南省作为欠发达省份，大气状况亦不容乐观，长株潭地区作为大气污染防治的重点区域之一，其大气污染对湖南省全省大气环境影响最大，为重点改善其大气环境，且考虑到秋冬季节的不利气象条件，湖南省人民政府办公厅于2015年10月印发《长株潭大气污染防治特护期工作方案》，在此方案中首次提出了大气污染防治特护期治理模式。

现有文献对环境政策效果的研究主要集中于政策实施带来的经济社会等方面的影响。于娟指出利用模糊评价法与层次分析法等数学方法评估环境政策是发展趋势(1)于娟. 环境政策评估的理论与方法研究[D].兰州：兰州大学, 2008.。姜林将暴露—反应模型与均衡理论模型结合，对能源环境税政策的实施效果进行综合评价(2)姜林. 环境政策的综合影响评价模型系统及应用[J].环境科学, 2006, 27(5):1035-1040.。李洁运用数据包络法对水资源生态政策进行评价并与其他评价方法进行对比，证明了数据包络法适用于生态政策评价(3)李洁. 基于数据包络方法的生态政策评价研究[D].大连：大连理工大学, 2013.。邓国营等改进了分布函数转化法并结合双重差分模型(difference in differences, DID)评估了环境治理对住房市场的影响(4)邓国营, 徐舒, 赵绍阳. 环境治理的经济价值：基于CIC方法的测度[J].世界经济, 2012(9):143-160.。曹洪华等运用DID模型分析农业生产方式与水污染指数，评估了生态农业政策的实施效果(5)曹洪华, 王荣成, 李琳. 基于DID模型的洱海流域生态农业政策效应研究[J].中国人口.资源与环境, 2014, 24(10):157-162.。戴嵘等运用DID模型分析低碳试点政策实施后的人均碳排放量，评估了该政策的减碳效果(6)戴嵘, 曹建华. 中国首次“低碳试点”政策的减碳效果评价——基于五省八市的DID估计[J].科技管理研究, 2015(12):56-61.。邓荣荣运用DID模型分析两型社会试点政策实施后的碳排放量和碳排放强度，评估了该政策的碳减排绩效(7)邓荣荣. 长株潭“两型社会”建设试点的碳减排绩效评价——基于双重差分方法的实证研究[J].软科学, 2016, 30(9):51-55.。DID模型作为政策评估的重要手段，不仅计量模型简单，而且能够避免政策评估中的内生性问题，对政策的实施效果进行无偏估计(8)石华军, 楚尔鸣. 政策效果评估的双重差分方法[J].统计与决策, 2017(17):82-85.。因此，DID模型在政策评估中应用广泛，但在环境政策评估方面的应用主要集中于相关政策对水环境、碳排放的影响，研究政策实施后主要大气污染物减排效果的文献还比较少。

大气污染防治特护期是湖南省率先提出的治理模式，《长株潭大气污染防治特护期工作方案》中定义特护期为每年10月至次年2月，在此期间内，进一步加大大气污染防治工作力度，加强长株潭地区的区域协同。为考察特护期政策的实施效果，本文以湖南省长沙市、株洲市、湘潭市为研究样本，选取与长株潭城市群发展相似的衡阳市、岳阳市、常德市作为对照组，借助大气污染国控质量监测站点的污染物浓度监测数据，利用DID方法建立模型，分析特护期政策的实施对主要大气污染物浓度的影响，并首次从行业层面分析了对特定污染物排放影响显著的行业。

二、 研究方法与设计

(一) 研究方法

DID方法将公共政策或实施的项目视为自然实验，实验组为政策覆盖或参与实施项目的个体，对照组为政策未覆盖或未参与实施项目的个体。此外，对照组还需满足三个假设：政策或项目的实施不改变对照组的研究变量、宏观环境对实验组和对照组影响相同、实验组和对照组的相关特征在政策或项目实施期间不随时间变化(9)傅京燕. 产业特征、环境规制与大气污染排放的实证研究——以广东省制造业为例[J].中国人口·资源与环境, 2009, 19(2):73-77.。

DID方法的核心是双重差分估计量的构造，结合实验组与对照组在实施与否的截面比较与实施前后的时间的比较，第一次差分消除两组与时间无关的异质性，第二次差分消除两组时间引起的增量，将政策或项目实施的真正影响有效分离出来(10)叶芳, 王燕. 双重差分模型介绍及其应用[J].中国卫生统计, 2013, 30(1):131-134.。如公式(1)所示：

(1)

在具体分析政策或项目实施后的效果时，选择所需考察的被解释变量、实验组对象、控制组对象，建立DID模型的基本描述：

yit=α0+α1Periodit+α2Policyit+α3Periodit·Policyit+εit

(2)

式(2)中，y表示被解释变量；i表示个体；t表示时间点；Period表示时间虚拟变量，政策或项目实施后Period=1，实施前Period=0；Policy表示是否处于实施区域的虚拟变量，区域内个体Policy=1，区域外个体Policy=0；Period·Policy表示时间与实施区域虚拟变量的交互影响；εit表示残差。

因此，政策或项目实施的真正影响dDID为

即α3为最需关注的政策或项目实施后的双重差分估计量。本文以DID模型的基本描述为基本方法，以主要污染物浓度为被解释变量分析特护期政策实施的减排效果，并从行业层面分析对各污染物影响较为显著的行业。

(二) 研究对象与样本选择

1. 研究对象。由于湖南省人民政府办公厅在2013年12月印发《贯彻落实〈大气污染防治行动计划〉实施细则》后开始全面实施大气污染防治，仅针对长株潭地区的《长株潭大气污染防治特护期工作方案》于2015年10月印发，且本研究进行时统计年鉴暂更新至2017年，因此本文选择2014—2017年作为研究时间段，其中，2014年、2015年与2016年、2017年分别为特护期政策实施前后的年份。

《长株潭大气污染防治特护期工作方案》中提出秋冬季节的气象条件不利于大气污染防治，应把每年的10月至次年2月作为大气污染防治特护期，特护期重点聚焦工业企业、施工工地、机动车和燃煤设施，强化工业、建筑业、交通运输业以及餐饮业的管控措施，严格控制大气污染排放。傅京燕提出环境政策规制越严格，大气污染物的减排效果越好(11)傅京燕. 产业特征、环境规制与大气污染排放的实证研究——以广东省制造业为例[J].中国人口·资源与环境, 2009, 19(2):73-77.。因此特护期政策的提出在理论上应具备一定的减排效果，为考察该模式对长株潭地区大气环境的影响，本文选择长沙、株洲、湘潭三市为实验组。

由于各省对大气污染防治颁布的政策存在差异性，考虑到对照组需满足宏观环境对实验组与对照组影响相同的条件，本文将对照组的选取范围划定在湖南省内，对照组选取过程如下：

首先，双重差分方法要求选取的对照组自身的条件与实验组相似，因此政策实施前对照组与实验组的大气污染情况越相似，越有利于政策影响结果的有效分离。本文拟依据湖南省各地级市的空气综合污染情况进行备选对照组筛选，而湖南省在2015年前采用了两套环境空气质量评价标准，无法在全省各地级市间进行比较，因此本文采用《环境空气质量标准》(GB3095-2012)中各地级市2015年1月—2015年12月的空气质量综合指数为筛选依据(详见下页表1，数据来源于湖南省生态环境厅)。由于张家界市、郴州市与吉首市的空气质量综合指数明显低于实验组，娄底市与永州市的空气质量综合指数变化趋势与实验组的变化趋势有较大差异，因此本文选择了备选对照组A={邵阳市，岳阳市，常德市，益阳市，衡阳市，怀化市}。其次，丁焕峰指出大气污染的主要影响因素为GDP等经济因素(12)丁焕峰. 中国区域污染影响因素:基于 EKC 曲线的面板数据分析[J].中国人口·资源与环境, 2010(10):121-126.，本文根据湖南省各地级市2014—2017年的GDP平均值筛选出与实验组经济发展水平最接近的岳阳市、常德市、衡阳市、郴州市(如下页表2所示)，即备选对照组B={岳阳市、常德市、衡阳市、郴州市}。最后，本文综合备选对照组A与B，选择二者交集C={岳阳市、常德市、衡阳市}作为对照组，与湖南省其他地级市相比，岳阳市、常德市、衡阳市的大气污染情况以及经济情况与实验组更相似，因此本文选取岳阳市、常德市、衡阳市作为对照组，可起到较好的对照作用。

表1 2015年1—12月湖南省地级市空气质量综合指数

表2 2014—2017年实验组与备选对照组经济发展情况

2. 样本数据选择。大气污染物浓度是影响健康最直接的变量(13)陈宇. 中国城市大气污染的影响因素研究[D].杭州：浙江大学,2016.，也是衡量污染治理效果的直接指标，为考察特护期政策对长株潭地区大气环境的影响，本文考虑到数据可得性，根据《环境空气质量评价技术规范(试行)》(HJ663—2013)选择SO2、NO2、PM2.5、PM10的年均浓度(μg/m3)以及CO的24小时平均第95百分位浓度(mg/m3)作为被解释变量，如下页表3所示。污染物浓度数据来源于各城市的大气污染国控质量监测站点的日均浓度监测数据。

表3 污染物浓度年评价项目及平均时间

Ehrlich和Holdren提出的IPAT等式认为影响环境的决定因素包括人口因素、富裕程度以及技术水平(14)EHRLICH P R, HOLDREN J P. Impact of population growth[J].Science, 1971, 171(3977):1212-1217.，本文以此为基础结合其他文献改进了控制变量的选取。根据朱琴等的研究，人口总量对大气环境影响不显著，但城市化水平对其影响显著(15)朱勤, 彭希哲, 陆志明, 等. 中国能源消费碳排放变化的因素分解及实证分析[J].资源科学, 2009, 31(12):2072-2079.，因此本文选择城市化水平作为人口因素控制变量，用Level表示。根据Grossman和Krueger(16)GROSSMAN G M, KRUEGER A B . Economic growth and the environment[J].NBER working papers, 1994, 110(2):353-377.提出的“环境库兹涅茨”曲线，人均GDP是环境污染的重要影响因素，本文选择人均GDP作为富裕程度因素控制变量，用PGDP表示。李达等提出单位GDP能耗可代表技术水平的进步对环境带来的影响(17)李达, 王春晓. 我国经济增长与大气污染物排放的关系——基于分省面板数据的经验研究[J].财经科学, 2007(2):43-50.，本文选择单位GDP能耗作为技术水平因素控制变量，用Energy表示。除IPAT等式中的三类因素外，产业结构和机动车拥有量也是影响大气环境的重要因素，Panayotou提出第二产业的比重对环境影响最大(18)PANAYOTOU T. Demystifying the environmental kuznets curve: turning a black box into a policy tool[J].Environment and development economics， 1997(25):465-484.，本文选择第二产业在地区生产总值的占比作为产业结构控制变量，用Secondary表示；王素平提出车辆排放尾气也是大气污染物的重要来源，而民用车辆在地区机动车总量中占比最大(19)王素平. 机动车尾气污染对大气环境质量影响分析[J].环境工程, 2004, 22(3):72-72.，因此本文选择地区民用车辆拥有量作为控制变量，用Vehicles表示。

由于在特护期政策中提出了强化管控工业、建筑业、交通业以及餐饮业，本文选择工业、建筑业、交通运输业以及餐饮业的行业增加值作为行业变量，分别用Industry、Construction、Traffic、Catering表示。借鉴伍德里奇的经验，人均GDP、工业、建筑业、交通运输业以及餐饮业的行业增加值与市场价值有关(20)伍德里奇. 计量经济学导论：现代观点[M].北京：中国人民大学出版社，2010:176-178.，对其数据进行取对数处理，可降低内生性、消除可能的异方差影响。人均GDP、城市化水平、单位GDP能耗、第二产业比重、民用车辆拥有量、工业、建筑业、交通运输业以及餐饮业的行业增加值数据均来源于《湖南统计年鉴》(2015—2018年)。

本文首次提出考察被强化管控的行业在特护期政策实施后对大气环境的影响，以期针对不同污染物分析得出对该污染物影响最大的行业。

3. 模型构建。为考察特护期政策的实施效果，本文选择SO2、NO2、PM2.5、PM10的年均浓度以及CO的24小时平均第95百分位浓度作为被解释变量，结合本文所需变量数据，运用DID方法，拟建立三个模型。

模型一，考察特护期政策实施效果的DID基本模型：

yit=α0+α1Periodit+α2Policyit+α3Periodit·Policyit+εit

(3)

式(3)中，y表示污染物年均浓度；i表示城市个体；t表示时间点；Period表示特护期政策实施的时间虚拟变量，特护期政策实施后Period=1，实施前Period=0；Policy表示是否处于特护期政策实施区域的虚拟变量，长株潭地区内的城市Policy=1，长株潭地区外的城市Policy=0；Period·Policy表示时间与实施区域虚拟变量的交互影响；εit表示残差；α0、α1、α2、α3为待估参数值。

由于大气污染物浓度还受到地区富裕程度、人口因素、技术水平、产业结构、机动车拥有量、相关行业发展水平的影响，在DID基本模型中加入人均GDP、城市化水平、单位GDP能耗、第二产业比重、民用车辆拥有量作为控制变量，加入工业、建筑业、交通运输业以及餐饮业的行业增加值作为行业变量，以期获得更准确的DID估计结果。

模型二，在模型一基础上加入所有控制变量与行业变量：

yit=α0+α1Periodit+α2Policyit+α3Periodit·Policyit+λ1PGDP+λ2Level+
λ3Energy+λ4Secondary+λ5Vehicles+λ6Industry+λ7Construction+
λ8Traffic+λ9Catering+εit

(4)

式(4)中，PGDP、Level、Energy、Secondary、Vehicles分别表示人均GDP对数值、城市化水平、单位GDP能耗、第二产业比重、民用车辆拥有量；Industry、Construction、Traffic、Catering分别表示工业、建筑业、交通运输业以及餐饮业的行业增加值对数值；α0、α1、α2、α3、λ1、λ2、λ3、λ4、λ5、λ6、λ7、λ8、λ9为待估参数值。

考虑到各行业主要排放的大气污染物不同，其对不同大气污染物浓度造成的影响大小不同，根据参数估计结果，去除对目标污染物浓度影响较小的行业变量，以期获得更准确的DID估计结果并针对不同污染物分析得出对该污染物影响最大的行业。

模型三，在模型二的基础上去除影响较小的行业控制变量：

yit=α0+α1Periodit+α2Policyit+α3Periodit·Policyit+λ1PGDP+
λ2Level+λ3Energy+λ4Secondary+λ5Vehicles+θiKi+εit

(5)

式(5)中，Ki为选择保留的行业变量，为工业、建筑业、交通运输业以及餐饮业中某些行业的行业增加值对数值；α0、α1、α2、α3、λ1、λ2、λ3、λ4、λ5、θi为待估参数值。

在模型进行参数估计之前，需进行豪斯曼(hausman)检验以确定模型形式，豪斯曼检验的原假设为随机效应模型中个体效应与解释变量无关，而经检验得到所有p值均大于0.01，说明在1%显著性水平下无法拒绝原假设，因此本文选择随机效应模型，基于STATA14.0运用OLS估计法进行参数估计。

三、 估计结果与分析

(一) 参数估计及分析

1. 模型一参数估计及分析。分别以SO2、NO2、PM2.5、PM10的年均浓度以及CO的24小时平均第95百分位浓度为被解释变量，代入模型一中得到的参数估计结果如表4所示。由于Periodit·Policyit的系数是本文最需关注的DID估计量，根据表4中结果可知，五种污染物年均浓度的DID估计中，只有CO和PM2.5的DID估计量显著，说明特护期政策的实施只对CO和PM2.5的排放有显著影响，对SO2、NO2、PM10治理效果不显著，因此本文后续研究中仅深入探讨实施特护期政策对CO与PM2.5排放的影响。CO的R2值为0.609，PM2.5的R2值为0.501，说明模型一的拟合效果一般。CO年均浓度的DID估计结果为正，在10%显著性水平下显著，说明该方案的实施没有减少CO的排放，反而对CO的年均浓度有促进效应；PM2.5年均浓度的DID估计结果为负，在10%显著性水平下显著，说明该方案的实施降低了PM2.5的年均浓度，起到了较好的减排效果。

表4 模型一参数估计结果

2. 模型二参数估计及分析。模型二在模型一的基础上增加了控制变量与行业变量，参数估计结果如下页表5所示。与模型一的参数估计结果相比，CO和PM2.5的R2值有了明显提高，说明加入控制变量之后模型的拟合效果显著提升，DID估计值的准确性也相应有所提升。模型二中CO浓度的DID估计结果为0.505，在5%显著性水平下显著，PM2.5年均浓度的DID估计结果为-9.471，在5%显著性水平下显著，CO和PM2.5的DID估计值均有所增长，说明控制变量与行业变量的加入提升了特护期政策实施的双重差分估计效果。

3. 模型三参数估计及分析。根据模型二的参数估计结果，在特护期政策提出加强管控的工业、建筑业、交通运输业和餐饮业中，建筑业和交通运输业的发展对CO年均浓度的影响最小且不显著，在CO年均浓度的模型二中选择去除Construction和Traffic两个控制变量，使用模型三重新进行DID估计；工业和餐饮业的发展对PM2.5年均浓度的影响最小且不显著，在PM2.5年均浓度的模型二中选择去除Industry和Catering两个控制变量，使用模型三重新进行DID估计。

据表5可得，与模型二相比，在去除影响较小的行业变量后，模型三更能体现方案的实施效果。CO年均浓度的模型三DID估计值为0.527，在5%显著性水平下显著，说明特护期政策的实施对CO的排放有0.527的促进效应，相对于模型二其估计值有所增加；PM2.5年均浓度的模型三DID估计值为-11.68，在1%显著性水平下显著，说明特护期政策的实施对PM2.5的排放有-11.68的减排效应，相对于模型二其估计值有所增加且显著性水平有所上升。在行业变量的估计结果中，对CO排放影响最大的行业为餐饮业，估计值为1.252，在10%显著性水平下显著，说明在特护期政策实施后，餐饮业生产总值的增加会增加CO浓度；对PM2.5排放影响较大的行业为建筑业和交通运输业，估计值分别为49.87和41.10，均在5%显著性水平下显著，说明在特护期政策实施后，建筑业增加值和交通运输业增加值的上升会提升PM2.5年均浓度。

表5 模型一、模型二和模型三参数估计结果对比

续表

(二) 稳健性检验

为了证明DID参数估计结果的可靠性，需要进行稳健性分析。改变参数估计方法是常用的稳健性检验方法之一，本文采用tobit估计方法分别对模型一与模型三进行参数估计来进行稳健性检验，检验结果如表6所示。模型四表示用tobit估计方法对模型一的估计，模型五表示用tobit估计方法对模型三的估计。由于双重差分估计量为最需关注的估计值，因此表6中只截取了双重差分估计量、区域虚拟变量与时间虚拟变量的系数估计结果。

由表6可知，不论是对模型一还是对模型三用tobit估计，本文最关注的DID估计量均在一定显著性水平下显著，表明本文的检验结果较为稳健。通过稳健性检验可知，特护期政策实施后CO浓度上升，没有达到减排目的；对PM2.5年均浓度产生了负向影响，抑制了PM2.5的排放，具有较好的减排效果。

表6 稳健性检验结果

四、 讨论与结论

(一) 结果讨论

本文使用DID方法检验特护期政策实施前后长株潭地区各类污染物的治理效果，并通过增减行业变量找出对各污染物影响最大的行业，从而为提高大气污染防治方案实施效果提出相关建议。特护期政策的实施对CO的排放有促进效应。由陈军等研究可知，长株潭地区CO的主要来源为化石燃料且化石燃料为长株潭地区的主要消耗能源(21)陈军，李楠，谭菊，等. 长沙市人为源大气污染物排放清单及特征研究[J].环境科学学报, 2017(3):833-843.。尽管特护期政策中提出了对大型燃煤锅炉进行脱硫、脱硝及除尘处理，但没有实施降低CO排放的具体措施。在特护期政策下，企业注重于脱硫脱硝与除尘控制，在污染减排成本的约束下忽视了CO浓度的控制，再加上由于天气寒冷，居民生活中能源消耗增加导致CO排放增加，且特护期政策中对居民生活用煤未实行管控，使得特护期政策的实施对CO浓度起到了0.527的促进效应。对于餐饮业，尽管特护期政策中提出了餐饮服务场所必须使用清洁能源，但在政策实施阶段未实现有效监管，餐饮业的发展仍对CO排放起到了1.252的促进效应，说明特护期政策对餐饮业的管控力度还需加强，应落实对餐饮业能源消耗的监督途径，控制餐饮业的污染物排放，严格惩治污染排放过大的餐饮服务场所， 才能实现对CO浓度的有效控制。为控制地区的CO排放，特护期政策中应增加针对CO减排的特定配套内容，以实现较好的CO污染减排效果。

特护期政策的实施对PM2.5实现了较好的减排效果。由于近年来长株潭地区的首要污染物大多为PM2.5(22)何甜, 帅红, 朱翔. 长株潭城市群污染空间识别与污染分布研究[J].地理科学, 2016, 36(7):1081-1090.，且在特护期期间，雾霾天气发生相对较频繁，针对降低PM2.5的管控措施较为全面，如严格执行黄标车淘汰任务等，因此，特护期政策的实施对PM2.5年均浓度起到了-11.68的抑制效应，实现了较好的减排效果。但由于PM2.5来源较广(23)ZHOU L, TIAN X, ZHOU Z . The effects of environmental provisions in RTAs on PM2.5 air pollution[J].Applied economics, 2017, 49(27):2630-2641.，从唐湘博对长株潭地区PM2.5的溯源结果(24)陈晓红, 唐湘博, 田耘. 基于PCA-MLR模型的城市区域PM2.5污染来源解析实证研究——以长株潭城市群为例[J].中国软科学, 2015(1):139-149.来看，建筑水泥尘与交通尘是长株潭地区的主要污染来源之一，本文参数估计结果也表明建筑业与交通运输业的发展分别对PM2.5排放起到了49.87和41.10的促进效应，特护期政策应加强对建筑业和交通运输业的管控，才能有效提高PM2.5的减排效果。特护期政策中对于PM2.5的减排措施应继续实施，并应在现有模式上进行优化，以实现更好的PM2.5减排效果。

(二) 主要结论

1. 特护期政策的实施对不同污染物减排效果不同。由于不同污染物的来源和特征存在差异性，且污染物之间的相互作用较为复杂(25)吴丹, 张世秋. 中国大气污染控制策略与改进方向评析[J].北京大学学报(自然科学版), 2011, 47(6):1143-1150.，特护期政策中提出的防治措施未实现对所有大气污染物排放进行全面减排的效果,该模式的实施只对CO与PM2.5的年均浓度产生了较明显的影响。在制定大气污染防治方案时，应更多地从污染控制技术层面入手，实现同时去除多种污染物的治理效果。

2. 从行业层面针对不同污染物加强管控。由于每个行业的生产活动存在差异性，其污染物排放也存在不同。由参数估计结果可知，在特护期政策管控的行业中，餐饮业对CO排放影响显著，建筑业和交通运输业对PM2.5排放影响显著。根据大气污染特征，在特护期内针对不同污染物加强管控不同行业，将有效提高大气污染防治效果。

3. 大气污染防治特护期治理模式值得推广但应注意增加CO减排特定配套内容。由于全国大部分地区都存在较严重的PM2.5污染，从本文双重差分估计结果来看，尽管特护期方案的实施对CO排放治理效果欠佳，但对PM2.5排放的治理效果显著，确实具有较好的减排效果，且特护期政策实施后PM2.5的减排效应显著大于CO排放的促进效应，因此特护期方案的实施可在很大程度上改善大气整体质量，值得其他地区借鉴，但在推广大气污染防治特护期治理模式的同时，应当根据当地大气污染特征，增加针对CO减排的特定配套内容，进一步提高大气污染防治效果。