刘 政,蒋金荷*,叶希娴
1. 中国社会科学院数量经济与技术经济研究所,北京 100732
2. 杭州地铁集团有限责任公司,浙江 杭州 310018
大气环境治理是生态文明建设的主阵地. 国务院分别于2013年和2017年颁布了《大气污染防治行动计划》(简称“《大气十条》”)和《打赢蓝天保卫战三年行动计划》. 然而,这些以减排为主的政策尚未彻底扭转我国严峻的大气污染局面. 2020年,全国337个地级及以上城市中有超过1/3城市的空气质量超标〔HJ 663-2013《环境空气质量评价技术规范(试行)》〕,以PM2.5和臭氧(O3)为首要污染物的超标天数分别占总超标天数的51%和37.1%[1]. 我国大气环境进入PM2.5污染依然严峻和O3污染日益突出的新阶段.“十四五”规划《纲要》提出要推进PM2.5和O3污染协同控制,这将成为我国“十四五”及更长时期大气污染防治的重要任务.
我国长期以来将“减排”视作污染防治的唯一出路,这与应对气候变化所采用的“减缓”和“适应”的双重治理模式不同[2]. “减缓”与“减排”类似,强调排放端的治理;“适应”则强调吸附端的治理. “减排”作为污染防治的单一模式边际存在效用递减的问题,经济学理论认为此时探索“适应”模式的治理效果会具有比“减排”模式更大的边际效用. 因而,“适应”是当前污染防治的经济学出路. 我国近年来开始实施城市适应气候变化的试点. 2015年、2016年分两批在30个城市实施了“海绵城市”建设试点,2015年、2017年分三批在58个城市实施了“生态修复、城市修补”(简称“城市双修”)试点,2017年在28个城市实施了气候适应型城市建设试点. 这些试点的实施为研究“适应”模式的污染防治效果提供了多个准试验,然而,学界尚鲜见此类探究.
与环境科学领域所经常采用的相关性分析方法不同[3-5],环境经济学主要采用因果识别方法研究政策的效果. 梳理环境经济学的文献发现,相关研究主要采用双重差分、断点回归、工具变量等准试验方法,主要涉及区域、交通和能源三大政策领域. 除京津冀地区雾霾协同治理[6]外,我国大多数区域的减排政策(《大气十条》[7]、“2+26”城市治霾方案[8]和区域大气污染防治特护期[9])均对空气质量的改善有效. 研究表明:机动车尾号限行政策在墨西哥城[10-11]和北京市[12]短期无效,而在基多市[13]和北京市[14-16]长期有效;地铁的兴建或扩展在北京市[17-18]、南京市[19-20]、武汉市[21]、长沙市[22]、台北市[23]和德里市[24]均有效. 美国联邦政府实施的机制灵活的汽油成分管制对降低污染无效,而加州政府颁布的精准移除有害成分的非灵活汽油成分管制有效[25];我国的清洁取暖补贴对降低空气污染有效[26].
该研究立足于我国在“十四五”期间推进PM2.5和O3协同控制的需求,以2015年住房和城乡建设部在三亚市开展的首个“城市双修”试点为研究对象,采用准试验法,评估该“适应”试点对PM2.5和O3协同共治的效果,以期为PM2.5和O3的协同治理提供来自“适应”模式的建议.
2015年6月12日,我国首个“生态修复、城市修补”试点在海南省三亚市试行. 其中,生态修复是指有计划、有步骤地修复被破坏的山体、河流、植被,通过一系列手段恢复城市生态系统的自我调节功能;城市修补是指通过不断改善城市公共服务质量、市政基础设施条件,发掘和保护城市历史文化和社会网络,使城市功能体系及其承载的空间场所得到全面系统的修复、弥补和完善. 修复内容包含废弃矿山修复、黑臭水体修复、海岸带泥化恢复“三大工程”,以及拆除违章建筑、广告牌匾整治、城市绿化改造、城市色彩协调、城市亮化改造、城市天际线和街道立面改造等城市修补“六大战役”.
“城市双修”试点为期2年,已于2017年6月结束. 三亚市在2017年1月被列为第3批国家低碳试点城市,剔除2017年的数据以排除低碳试点的干扰.2017年实施的第2、3批“城市双修”试点对研究未造成干扰,可研究的最长试点时段为2015年6月-2016年12月,共1.5年;同时选取试点前1.5年作为对照时段. 全样本时段为2014-2016年,共3年.
分别收集空气质量数据和气象数据. 空气质量数据收集自空气质量历史数据查询平台(https://www.aqistudy.cn/historydata),该公益平台报告了我国重点城市的空气质量指数(AQI)和6种单项污染物(PM2.5、PM10、SO2、CO、NO2、O3)浓度月均值,数据来源于生态环境部. 气象数据收集自后知气象平台(http://hz.zc12369.com/home),该平台报告了我国主要城市的气象要素(包含最低气温、最高气温、平均气温、相对湿度、风速、风级、气压、能见度、总降水量、平均总云量10个气象变量)月均值,数据来源于中国气象局. 根据需要,将空气质量和气象数据整合为面板数据进行后续分析.
由于“城市双修”试点的实施与三亚市的空气污染状况没有必然联系,因而,可将“城市双修”的实施作为研究适应模式污染防治效果的准试验. 选取一个与三亚市足够相似的城市,即可通过双倍差异法识别“城市双修”试点对三亚市空气污染影响的因果效应.
城市所处的地理位置、气候条件、经济状况等均会对城市的空气质量产生重要影响[10,16]. 通过考察以上3个要素,从我国众多城市中筛选出一个与三亚市足够相似的对照城市.
首先,考察地理位置. 三亚市地处我国最南部的岛屿-海南岛,纬度与其他省份城市均存在较大差异. 纬度通过影响气温来影响绿植生长,从而影响植物对空气污染物的吸附. 为排除纬度对空气质量的影响,对照城市的筛选缩小至与三亚市处于相似纬度的海南省.
其次,考察气候条件. 三亚市是沿海城市,与内陆城市在温差、湿度等气象要素上存在差异(例如,沿海城市的相对湿度一般较内陆城市高,且昼夜温差较小),故对照城市的筛选缩小至海南省的沿海城市.
最后,考察经济状况. 空气污染与经济发展密切相关(例如,CO、PM2.5、PM10的主要来源均是汽车尾气,而通常经济越发达,汽车保有量越高),因而,对照城市的选取缩小至与三亚市经济发展水平相似的城市. 三亚市是海南省的4个地级市之一,其他3个地级市(位于最北端沿海的海口市、位于正西北内陆的儋州市和位于西沙群岛的三沙市)在经济发展水平上更适合作为三亚市的对照城市. 排除位于内陆的儋州市和纬度与三亚市差别较大的三沙市,仅剩下海口市可作三亚市的对照城市.
为进一步证实海口市与三亚市在经济发展水平上类似,对比了两市在2010-2019年间的经济总量(见图1). 由图1可见,海口市的经济总量虽是三亚市的2倍多,但经济发展速度在多数年份与三亚市相当. 2010-2013年,海口市的经济增速比三亚市稍快;2014年,海口市的经济增速达到最高点;2014年后,海口市的经济增速放缓至与三亚市大致平行. 研究时段2014-2016年恰好处于两市经济增速大致平行的时段.
图 1 2010−2019年三亚市和海口市经济发展状况对比Fig.1 The annual economic development conditions of Sanya and Haikou from 2010 to 2019
三亚市和海口市空气质量状况的描述性统计如表1所示. 经对比可知:试点前,两市AQI和CO、NO2浓度平均值基本持平,试点后三亚市AQI和NO2浓度平均值比海口市分别低6和3 μg/m3,CO浓度平均值未有明显变化;试点前三亚市PM2.5、PM10和SO2浓度平均值比海口市分别低4、6和3 μg/m3,试点后分别低7、10和3 μg/m3;试点前三亚市O3浓度平均值比海口市高15 μg/m3,试点后低8 μg/m3. 描述性统计结果显示,相比于未实施试点的海口市而言,实施试点的三亚市在AQI和4项污染物(NO2、PM2.5、PM10、O3)浓度平均值上都出现了明显下降.
为进一步证实海口市满足实施双倍差异法的假设条件,对两市的空气质量状况做平行趋势检验(见图2). 由图2可见,试点前,两市AQI月均值几乎重合,符合平行趋势检验的最佳条件-重叠. 试点前,两市PM2.5和PM10浓度月均值重合度较高,CO和O3浓度月均值在大多数月份平行(不同之处在于海口市CO浓度月均值较高、三亚市O3浓度月均值较高),SO2和NO2浓度月均值仅在不到1/2的月份平行(海口市SO2浓度月均值较高,代表其较高的工业发展水平). 上述检验表明,后续实证分析有关AQI、PM2.5、PM10、CO和O3推断的可信度较高,而有关NO2和SO2推断的可信度较低.
图 2 “城市双修”试点前三亚市和海口市空气质量月均值的变化趋势Fig.2 The monthly air quality trends in Sanya and Haikou before the UDR pilot
表 1 2014—2016年三亚市与海口市空气质量状况的描述性统计Table 1 Summary statistics of air quality in Sanya and Haikou from 2014 to 2016
以海口市作为三亚市的空间对照,以试点前时段作为试点后时段的时间对照,建立一个基于空间和时间的双倍差异模型:
式中:Yit为AQI及6种单项污染物浓度在城市i、时间t的月均值;Ci为识别试验城市的虚拟变量,若是三亚市,值为1,否则为0;Tt为识别试点后时间t的虚拟变量,若是试点后,值为1,否则为0;εit为随机误差项;β3为双倍差异项的系数,用于估计三亚市相对于海口市在试点后的平均空气质量变化,是研究试点效果的系数. 式(1)记为模型1.
考虑到气候条件、季节性变化和经济发展状况均会对空气质量产生重要影响,因此,在模型1的基础上依次加入各控制变量:
式中:Wit是代表气象状况的向量变量,包含一组气象变量(气温、相对湿度、风速、风级、气压、能见度、降水量和云量等10个气象变量);Fit是代表时间固定效应的向量变量,包含年固定效应和月固定效应;b为1阶时间趋势,b2为2阶时间趋势. 依次增加气象变量、时间固定效应、1阶、2阶时间趋势的模型分别记为模型2~5.
实证分析基于Stata 16平台,结果运行包含三部分:①估计“城市双修”试点对三亚市空气质量影响的平均处理效应(average treatment effect). 使用模型1~5估计“城市双修”对AQI的影响,从中挑选出拟合度最好的模型估计“城市双修”对6种单项污染物浓度的影响. ②估计“城市双修”试点对三亚市空气质量影响的动态处理效应(dynamic treatment effect).使用拟合度最好的模型估计“城市双修”在试点后3个半年(依次构建3个时间虚拟变量T1t、T2t、T3t代替Tt)的动态处理效应. ③估计安慰剂试点的效果. 使用拟合度最好的模型分别估计将试点提前6、9、12个月(依次构建3个虚拟变量B6t、B9t、B12t替换Tt)的3个安慰剂试点的效果.
“城市双修”试点对三亚市AQI月均值的影响如表2所示,CT(双倍差异交互项)的估计系数为试点的平均处理效应. 控制气象要素的模型2~5均显示负显著的CT估计系数,说明相比于未实施试点的海口市,“城市双修”试点显著降低了三亚市的AQI月均值. 降幅在控制气象要素和固定效应的模型3中最小,在控制1阶、2阶时间趋势的模型4和模型5中依次递增. 从模型1~5的R2的变化趋势可知,控制气象要素可额外解释约82%的数据变化,说明控制气象要素(尤其是相对湿度、风速、能见度)的必要性非常大.R2的最大值出现在模型4和模型5,说明这2个模型的拟合水平均较好. 综上,将拟合度最好且估计出最大政策净效应的模型5作为理想模型进行后续分析. 模型5中CT的估计系数为-11.03(P<0.01),说明相比于海口市而言,“城市双修”试点显著降低了三亚市的AQI月均值,降幅约为27%.
基于模型5,“城市双修”试点对三亚市6种大气污染物浓度月均值的平均处理效应如表3所示. CT的估计系数显示,相比于未实施试点的海口市,“城市双修”试点显著降低了三亚市的PM2.5、PM10、NO2和O3浓度月均值,平均降低约7、10、2和30 μg/m3(降幅分别约为39%、28%、14%和47%),试点对SO2浓度月均值的降低效果不明显,CO浓度月均值不降反增(增加约0.1 mg/m3,增幅约为15%).R2值显示,对于除NO2以外的其余5种污染物,模型5能解释约90%的数据变化;可见,对大多数污染物而言,模型5的拟合度较好. 与描述性统计通过简单比较而得到的结果不同,模型5排除了气象、季节、经济等因素对空气质量的影响,仅反映试点对空气质量影响的因果效应. 因而,双倍差异法所估计的试点效果比描述性统计所得到的PM2.5、PM10和O3浓度变化平均高出4、6和7 μg/m3.
表 2 “城市双修”试点对三亚市AQI月均值的平均处理效应Table 2 The average treatment effect of the UDR on monthly AQI in Sanya
表 3 “城市双修”试点对三亚市6种大气污染物月均浓度的平均处理效应(基于模型5)Table 3 The average treatment effect of the UDR pilot on monthly concentrations of six pollutants in Sanya(based on Specification 5)
以上模型分析结果表明,“城市双修”大幅降低了三亚市的O3污染,O3浓度降幅高达47%,并对降低PM2.5污染起到了协同作用,PM2.5浓度降幅达39%. 挥发性有机物(VOCs)和氮氧化物(NOx)是产生O3的重要前体物[27]. 根据此化学机理,笔者对所得结果做如下解释:①O3浓度的大幅降低可能与城市修补大量减少了O3形成所需要的辐射及前体物VOCs有关(VOCs主要包含工业源和生活源,其中生活源中的建筑装饰装修是城市修补的对象);②PM2.5、PM10和NO2浓度的显著降低可能与生态修复所增加的绿植吸收了更多的颗粒物[28]及O3前体物NOx[29]
有关,这也是O3浓度大幅降低的另一原因;③CO浓度的增加可能与“城市双修”试点的实施增加了往返工程地的交通量有关(CO的主要来源是机动车尾气);④SO2浓度未出现明显变化,可能与“城市双修”试点未涉及工业治理有关. 与大多数减排政策(如“2+26”城市治霾方案、大气污染防治特护期方案、清洁取暖补贴等)显著降低了PM2.5污染有所不同,“城市双修”这项适应政策大幅降低了O3污染,并对PM2.5污染的治理起到了协同作用. 识别对O3污染治理显著且对PM2.5污染治理起到协同作用的“城市双修”措施,有助于我国在“十四五”期间攻克O3治理及其与PM2.5协同共治的难题.
由于“城市双修”中生态修复的效果并非即时显现(待生态系统恢复其功能后才会完全发挥作用),将试点后时期划分为不同时段可识别“城市双修”的动态效应. “城市双修”在试点后3个半年对不同空气质量指标的动态处理效应见表4,CT1、CT2、CT3的估计系数分别代表“城市双修”在试点后第1、2、3个半年的动态效应. 聚焦于每种污染物,可知“城市双修”试点对PM2.5、PM10、NO2和O3这4种污染物浓度存在不同程度的动态效应:①“城市双修”对O3浓度的动态效应在试点后第1、2、3个半年分别为-29.08(P<0.1)、-29.45(P<0.1)和-32.58(P<0.1),说明“城市双修”对O3的治理幅度在3个半年大致相当;②“城市双修”对PM2.5、PM10和NO2浓度的动态效应类似,都表现为在试点后第1个半年不显著,在试点后第2、3个半年显著. 具体而言,“城市双修”对PM2.5浓度的动态效应在试点后第1、2、3个半年分别 为-4.261、-8.578(P<0.1)、-8.745(P<0.1),对PM10浓 度 的 动 态 效 应 分 别 为-6.358、-12.73(P<0.01)、-10.83(P<0.01),对NO2浓度的动态效应为-0.728、-3.033(P<0.05)、-3.270(P<0.1),说明“城市双修”对这3种污染物的治理集中在第2、3个半年且治理幅度大致相当.
动态效应回归结果表明:“城市双修”对O3污染的治理有持续效果;对PM和NO2污染的治理有延迟效果,延迟时间约为半年. 这说明“城市双修”在不同时段所采取的措施对不同污染物的治理有异质性效果. “城市双修”在第1个半年即实现了对O3污染的治理,可能是由该时段所实施的具有即时效果的城市修补措施所致;城市双修”在第2、3个半年实现了对PM和O3污染的协同治理,可能是由第1个半年所采取的具有滞后效果的生态修复措施,以及第2、3个半年所采取的具有即时效果的城市修补措施所致. 识别这些措施有助于精准治理O3污染,实现PM和O3污染协同共治. 但是,具体是哪些修复措施在发挥作用有待进一步证实. 另外,该研究基于三亚市的个案,是否具有代表性还需要通过更多城市的研究案例来证实.
表 4 “城市双修”在试点后3个半年的动态处理效应(基于模型5)Table 4 The dynamic treatment effect of the UDR on three halfyear post-pilot phases (based on Specification 5)
为确保以上结果的发生不是由于两市空气质量的时空变化所导致,该研究通过安慰剂检验进行验证. 将“城市双修”试点分别提前6、9、12个月的安慰剂试点模拟了未实施试点情境下两市空气质量的时空变化,结果如表5所示. CB6、CB9、CB12的估计系数显示,安慰剂试点对三亚市空气质量未产生显著影响,说明两市在未实施试点的状况下空气质量并不存在显著的时空差异,因而,真实试点的效果确为三亚市“城市双修”的因果效应.
表 5 将“城市双修”试点提前6、9、12个月的安慰剂检验(基于模型5)Table 5 The placebo tests of advancing the UDR pilot by 6, 9, 12 months (based on Specification 5)
a) 借鉴应对气候变化问题所采取的减缓与适应的两种不同治理模式,探索适应模式的污染防治效果. 以我国首个“城市双修”试点城市-三亚市为例,采用准试验法,评估其效果. 以海口市作为三亚市的空间对照,以试点前1.5年作为试点后1.5年的时间对照,建立双倍差异模型识别“城市双修”试点对三亚市空气质量的影响效果.
b) 双倍差异回归结果显示,相比于未实施试点的海口市,“城市双修”试点大幅降低了三亚市O3、PM2.5和PM10污染,降幅分别为47%、39%和28%.分时段动态效应显示,“城市双修”对O3污染的治理有持续效果,对PM2.5和PM10污染的治理有滞后半年的效果. 安慰剂检验显示,将“城市双修”提前6、9、12个月的安慰剂试点均未发现对三亚市空气质量有任何显著影响.
c) 评估结果表明,“城市双修”试点对三亚市PM2.5和O3污染的协同控制具有意外显著的效果. 建议推广“城市双修”试点至其他城市以实现PM2.5和O3的协同治理. 甄别“城市双修”在不同时段所采取的修复措施有助于实现PM2.5和O3污染的精准治理.