碳减排约束政策对中国城市空气质量的影响研究

刘亦文

[摘 要] 选取中国30个重点城市2003-2018年的面板数据，采用双重差分方法研究“十二五”以来碳排放总量和强度双约束政策对中国城市空气质量的影响。基于动态因果效应明确碳排放总量和强度双约束政策实施年份;考察碳排放总量和强度双约束政策对城市空气质量的平均因果效应;通过改变政策实施年份、样本研究区间以及城市空气质量的衡量指标对实证结果进行稳健性检验。结果表明：碳排放总量和强度双约束政策实施后，碳强度下降1%会使SO2平均浓度较之前多下降2.7633%，使NO2平均浓度较之前多下降1.0576%，使PM10平均浓度较之前多下降3.0981%，使综合污染指数较之前多下降0.0869%。

[关键词] 碳排放约束政策;空气质量;政策评估

[中图分类号]  F062.2   [文献标识码] A   [文章编号] 1008—1763（2022）02—0073—09

Effect of Carbon Emission Restriction Policies

on Air Quality in China's Key Cities

LIU Yi-wen

（1.School of Public Administration，Hunan University，Changsha 410082，China;

2.College of Resources and Environment，Hunan University of Technology and Business，Changsha 410205，China）

Abstract：This paper selects the panel data of 30 key cities in China from 2003 to 2018， and uses the double difference method to study the impact of carbon emission total and intensity dual constraint policy on urban air quality in China. Firstly， based on the Dynamic Causality effect， the implementation year of the total carbon emission and intensity double constraint policy is determined; secondly， the average causality effect of the total carbon emission and intensity double constraint policy on urban air quality is investigated; finally， the robustness of the empirical results is tested by changing the implementation year of the policy， the sample study area and the urban air quality. The results show that： after the implementation of the double constraint policy of total carbon emission and intensity， the average concentration of SO2 will be decreased by 2.7633%， the average concentration of NO2 will be decreased by 1.0576%， the average concentration of PM10 will be decreased by 3.0981% and the comprehensive pollution index will be reduced by 0.0869% after the implementation of the policy.

Key words： carbon intensity constraint policy; air quality; policy evaluation

一 問题的提出及文献综述

呼吸清洁空气是人类最基本的需求，但令人遗憾的是，这在世界许多地方已经变成了一种奢求。以亚洲和太平洋地区为例，参照世界卫生组织基于公共健康保护提出的空气质量指导值，2015年该地区仅有不到8%的人口可以呼吸到满足健康水平的空气，剩下92%的40多亿人都暴露在空气污染之中，面临不同程度的健康风险[1]。空气污染是造成全球疾病负担的重要风险因素，已成为地球上最大的健康威胁之一[2]，尤其是贫困和弱势群体，例如老人、儿童等敏感人群。根据世界卫生组织（WHO）的研究估算，每年空气污染暴露导致全球700万人过早死亡，其中近90%发生在低收入和中等收入国家[3]，而大约有三分之一的与空气污染相关的死亡发生在亚洲和太平洋地区[1]。中国过去四十余年非凡的经济发展衍生了严重的空气污染[4-6]，有研究指出超过50%的中国人口暴露在不安全的空气中，五分之一的死亡可归因于空气污染[7]，每年有120万至200万人死于空气污染[8]。而Chen等估计，由于冬季燃煤取暖，中国淮河以北城市居民的预期寿命比其他地区居民少约5.5年[9]。除了对人类健康的重大影响，空气污染还对社会福祉、粮食生产和环境等造成严重损害。如2013年暴露于环境和室内空气污染造成全球约5.11万亿美元的福祉损失[10]。此外，由于能见度降低，空气污染还会对人们的户外出行频率[11]、社交活动[12]、生产率[13]产生负面影响，甚至影响股票收益[14]。F65CA0A0-EF63-45A0-9B42-F00D76C395E4

生态环境保护是党百年辉煌历史中的重要篇章。特别是党的十八大以来，以习近平同志为核心的党中央以前所未有的力度推进生态文明建设，在实现世所罕见的经济快速发展奇迹和社会长期稳定奇迹的同时，取得了举世瞩目的绿色发展奇迹，为全面建成小康社会增添了绿色底色和质量成色。碳达峰、碳中和目标的提出标志着我国生态环境保护进入减污降碳协同治理新阶段。面对经济社会高质量发展、空气质量改善与碳达峰、碳中和的多目标需求， 碳排放总量和强度双约束政策被认为是减污降碳协同治理的有效政策工具。理论上，为了实现碳减排目标，化石燃料的消费必须随之下降，而这又会带来大气污染物的协同减排效应。那么碳排放总量和强度双约束政策在控制碳排放总量和强度的同时，能否促进城市空气质量改善？两者之间是否存在必然的因果关系？目前，针对中国碳排放总量和强度约束的研究存在以下不足：第一，现有研究主要关注碳税和碳市场交易情景下中国碳排放总量和强度约束目标是否能够实现，极少关注碳排放总量和强度双约束的政策影响[15];第二，研究碳排放总量和强度约束的政策影响，主要集中在对宏观经济以及居民福利等方面的考察，而对城市空气质量改善的溢出效应关注很少，且研究方法大多采用仿真模拟[16-17]，仅考察碳排放总量和强度约束可能带来的政策效果[18-19]，缺乏对碳排放总量和强度双约束政策所带来的实际效果的研究。基于此，本文基于2003-2018年中国30个重点城市主要空气污染物年度数据，采用双重差分模型检验了中国碳排放总量和强度双约束政策是否能够同时实现二氧化碳的直接减排和大气污染物的协同减排。通过研究碳排放总量和强度双约束政策对城市空气质量的影响，旨在全面考察碳排放总量和强度双约束政策的有效性和溢出效应，为中国如期实现碳达峰与碳中和目标和空气质量达标，推进生态文明建设助力美丽中国梦提供科学参考依据。

二 模型设定、数据来源与处理

（一）模型构建

双重差分方法通过部分控制不同地区共同的城市空气质量变化趋势，可以有效消除不可观测因素的影响，从而识别出环境政策的因果效应。在应用研究中通常采用回归方法估计DID估计量，具体形式如下：

yit=α+βDi+δTi+τDi×Ti+εit（1）

其中：Di表示区分干预组和控制组的哑变量，Di=0代表控制组个体，Di=1代表干预组个体;Ti表示区分政策实施前后的哑变量，Ti=0表示政策实施前，Ti=1表示政策实施后。在满足其他假设的前提下，估计系数即为政策实施效应。

Yang 等[20]沿用Nunn 和Qian[21]的方法，考察碳排放总量和强度连续型变量与时间哑变量的交叉项系数，研究碳排放总量和强度双约束政策对工业绿色生产率的影响。参考已有研究，本文采用连续型变量的双重差分方法，考察碳排放总量和强度双约束政策实施前后中国重点城市空气质量的变化，具体模型形式如下：

yit=β0+β1CIit·Ipostt+αiCVit+λt+μi+εit（2）

其中，yit表示地区i第t年的空气质量，本文以各地区二氧化硫（S02）、二氧化氮（NO2）以及可吸入颗粒物（PM10）的年平均浓度表示;CIit表示地区i第t年的碳排放强度（单位地区生产总值的二氧化碳排放量，单位：吨/万元）;Ipostt是哑变量。中国碳减排目标是2009年哥本哈根气候大会提出，并以文件形式落实到“十二五”国家规划，因此，本文选取“十二五”开局之年2010年作为政策起始点，2003-2010年变量取值为0，2010-2018年变量取值为1;CVit表示影响城市空气质量的其他控制变量，主要包括：天气变量（包括平均气温、降水量、日照时间、平均气压）、第二产业增加值占地区总产值的比重、单位地区生产总值能耗。在式（2）中，β1的估计系数1表示碳排放总量和强度双约束政策实施的政策效果程度。为考察系数β1的动态变化，同时检验本文所选时间节点的合理性，构建如下模型：

yit=β0+∑2018j=2006βjCIit·Ijt+αiCVit+λt+μi+εit（3）

碳排放总量和强度双约束政策实施年份为2010年，那么2010年之前年份的系数大小基本保持不变（β2003≈β2004≈β2005≈β2006≈β2007≈β2008≈β2009），而2010年及之后年份系数应随年份逐渐增大（…

β2009≤β2010≤β2011≤β2012≤β2013≤β2014≤β2015≤β2016≤β2017≤β2018），本文首先对此进行检验。

（二）变量选取与数据说明

本文选取中国内地30个重点城市（直辖市和省会城市）为研究对象，拉萨市由于数据缺失严重暂不列入本文研究范围，利用2003-2018年的年度数据进行实证分析，主要变量说明具体如下：

1.城市空气质量

空气污染物主要包括：二氧化硫（SO2）、二氧化氮（NO2）、一氧化碳（CO）、臭氧（O3）、PM10和PM2.5等。本文对SO2、NO2和PM10三种空气污染物重点关注，并根据式（4）将三种污染物数据折算成综合污染指数（P）。

Pt=∑iCit/Sit（4）

其中：Cit表示第t年i项空气污染物浓度的年平均值（单位：ug/m3），Sit表示第t年i项空气污染物的年均值二级标准（SO2：60ug/m3;NO2：40ug/m3;PM10：70ug/m3），Pt表示第t年综合污染指数。

2.二氧化碳排放量

本文采用IPCC[22]二氧化碳排放量估算方法对各城市二氧化碳排放量进行估算，估算方法如下：

CO2=∑ni=1CO2i=∑ni=1Ei×NCVi×CEFi×COFi×（44/12）（5）

3.控制變量说明

城市的空气污染物排放量在短时间内一般不会出现剧烈波动，但其浓度却能出现几倍甚至几十倍的差异。这主要是由于大气对污染的稀释能力会随着气象条件的不同而发生巨大变化。影响大气污染散布的气象因子主要有：热力因子（太阳辐射量、气温垂直分布等）、大气中的水分（湿度、云、雨、雾等）、大气压强等。因此，为研究碳排放总量和强度双约束政策对城市空气质量的净影响，本文选取了气温、降水量、日照时间和平均气压作为控制变量。F65CA0A0-EF63-45A0-9B42-F00D76C395E4

影响一个国家或地区大气污染物排放的主要因素有经济增长、能源消费强度和能源结构等。同时，世界各国均以降低能源消费强度作为减少空气污染排放的主要手段之一。沿用已有研究，本文采用单位地区生产总值的能源消费（用intensity表示）衡量能源消费强度。据“中国煤炭消费总量控制和政策研究”课题组估算，2012年煤炭直接燃烧造成的SO2、NO2和烟尘排放量分别占中国相应污染排放量总量的79%、57%和44%[23]。因此，本文中的能源消费结构（用coal表示）用各市原煤消费量占该市一次能源消费总量的比重来表示。根据《2015年环境统计年报》显示，工业源依然是大气污染物的最主要来源。粗放型的工业发展方式造成了巨大的能源消耗和污染物排放，使城市空气质量变得越来越坏。学者们一般用工业生产总值占地区生产总值比重考察工业发展对大气污染物的影响[24]。由于部分城市统计资料没有公布工业生产总值数据，为保证变量统一性，本文采用第二产业生产总值占地区生产总值比重衡量工业发展（用industry表示）。以上变量数据均来源于各城市统计年鉴。

在变量形式上，自变量和因变量的双对数变换可以降低异方差，同时对数变换后，自变量的系数可以理解为对因变量的弹性，具有较强的应用意义。因此，本文对所有连续型变量均取对数处理。各变量统计特征如表1所示。

（三）统计分析

表2列出了实施碳排放总量和碳排放强度双重约束政策前后中国内地30个重点城市（直辖市和省会城市）空气质量变化的统计特征。从表2不难发现，实施碳排放总量和碳排放强度双重约束政策后，中国内地30个重点城市（直辖市和省会城市）碳排放总量和碳强度均显著下降。这表明碳排放总量和碳排放强度双重约束政策在中国政府强制执行下取得了有效成效。同时，碳排放总量和碳排放强度双重约束政策的实施对中国内地30个重点城市（直辖市和省会城市）SO2、NO2、PM10、P和CI等污染物减排都有不同程度的正向作用，其中，SO2、PM10、P显著下降， NO2虽也有所下降，但统计并不显著。不难发现，实施碳排放总量和碳排放强度双重约束政策，是可以有效地改善中国城市空气质量。

三 回归结果

（一）动态因果效应

基于式（3），通过比较j在政策实施前后的动态变化，可以考察碳排放总量和强度双约束政策的实施对中国内地30个重点城市（直辖市和省会城市）空气质量的影响与效用，回归结果如表3所示。分别考虑不加入控制变量和加入控制变量的模型结果，不难发现加入控制变量的模型結果不管是模型整体拟合效果，还是变量显著性都优于不加入控制变量的模型结果，因此，本文采用加入控制变量的回归结果。豪斯曼检验结果表明，应使用固定效应模型。总体来看，碳排放总量和强度双约束政策能够改善城市空气质量。样本期间内，碳排放总量和强度双约束政策对城市空气质量的影响分为两个阶段：一是2003-2009年，碳排放总量和强度双约束政策与时间哑变量的交叉项系数随时间变化波动不大，且其显著性表现不明显;二是2010-2018年，碳排放总量和强度双约束政策与时间哑变量的交叉项系数相比于第一阶段有较大幅度提高，随时间变化呈逐步递增趋势，且基本通过显著性检验。碳排放总量和强度双约束政策与时间哑变量的交叉项系数的动态变化如图1所示。交叉项系数从2010年开始持续上升，而2010年恰好是碳排放总量和强度双约束政策实施的元年，其后年份始终坚持该政策，在控制其他影响城市空气质量的因素时，该结果表明碳排放总量和强度双约束政策能够改善城市空气质量。同时，本文选取2010年为政策实施分界点是合理的。接下来，验证碳排放总量和强度双约束政策对城市空气质量改善的平均因果效应。

（二）平均因果效应

基于式（3）考察碳排放总量和强度双约束政策的实施对中国内地30个重点城市（直辖市和省会城市）空气质量的平均影响程度，具体结果如表4所示。表4中（1）和（2）分别表示无时间效应和有时间效应的模型回归结果。表4结果显示，考虑时间效应的模型回归结果优于未考虑时间效应的模型回归结果，且时间变量的联合显著性检验表明应拒绝“无时间效应”。本文在回归方程中将考虑时间效应。碳排放总量和强度双约束政策与时间哑变量的交叉项系数反映碳排放总量和强度双约束政策实施后碳排放总量和强度下降导致空气污染物排放的平均减少程度。其中，SO2、NO2、PM10和P四个空气污染指标下的碳排放总量和强度双约束政策与时间哑变量的交叉系数均显著为正。具体而言，碳排放总量和强度双约束政策实施后碳排放总量与强度下降1%会使SO2平均浓度较之前多下降2.7633%，使NO2平均浓度较之前多下降1.0576%，使PM10平均浓度较之前多下降3.0981%，使综合污染指数（P）较之前多下降0.0869%。控制碳排放总量与强度主要通过减少化石能源消费，而SO2主要来源于含硫化石燃料的直接燃烧，减少化石能源消费能直接减少SO2的排放，从而表现出碳减排约束政策对SO2较大的作用效果。碳减排约束政策能够通过强制降低工业污染物排放而控制PM10的人为来源，但无法影响自然因素，碳减排约束政策对PM10排放的影响程度不大。

从控制变量来看，降水量和日照时间对空气污染物浓度有显著影响，经济增长与空气污染呈倒U型关系，人均地区生产总值一次方与空气污染浓度呈显著正向关系，人均地区生产总值二次方与空气污染浓度呈显著负向关系。能源消费结构、能源消费强度以及第二产业占比对空气污染浓度具有显著正向影响，目前我国正处于工业化进程，工业发展走的是高耗能、粗放型的道路，且我国能源消费结构主要以煤为主，而煤是空气污染物的主要来源之一，因此，不管是能源消费结构、能源消费强度还是第二产业占比都会对空气污染物减排产生正向影响。

（三）稳健性检验

本文考虑对样本期间进行如下处理：（1）选取政策实施前的年份进行处理，即将研究区间定为2003-2009年，假定政策实施年份为2006年;（2）为消除样本容量不对称可能带来的问题，将研究区间定为2003-2015年，2010年为政策实施年份。相应实证结果见表5。F65CA0A0-EF63-45A0-9B42-F00D76C395E4

表5结果显示，选取政策实施前年份为研究区间，假定碳排放总量与强度双约束政策已经实施，此时碳排放总量与强度双约束政策对城市空气质量改善并没有显著促进作用。这表明政策并未实际实施，政策效果还未彰显。此外，控制碳排放总量与强度双约束政策实施前后的样本容量相同，结果表明，碳排放总量与强度双约束政策的实施能显著影响四种空气污染物浓度，意味着碳排放总量与强度双约束政策实施后能够显著改善城市空气质量。

进一步验证本文实证结果的可靠性，将研究对象以长江划分为南北区域，探究不同区域内城市空气质量与碳排放约束政策之间的相互作用，结果如表6所示。表6结果表明碳排放总量和强度双约束政策与时间哑变量的交叉系数显著，表明碳排放总量与强度双约束政策实施后不同区域内的城市空气质量得到明显的改善。

采用“空气质量达到及好于二级的天数”（Day）作为城市空气质量的代理指标更进一步验证本文实证结果的可靠性。结果如表7所示。表7结果显示，碳排放总量和强度双约束政策与时间哑变量的交叉项系数显著为负，表明碳排放总量与强度双约束政策实施后能够显著提高城市空气优良天数。

四  结论及政策建议

生态环境治理政策工具的选择、设计与应用是关系生态环境治理和绿色发展效果、政策执行成败的关键性因素。当前，中国面临着二氧化碳减排和空气污染物减排的双重任务，迫切需要找到一条合理且高效的环境规制道路，实现碳排放总量控制目标、大气污染物减排和经济社会发展的共赢。大气污染物与温室气体排放具有同根同源性，都主要来自于化石燃料的燃烧。同时，降低碳排放与减少污染物排放的相关政策要求和基本路径本质上是一致的。减污降碳协同治理能在一定程度上降低政策实施成本，避免政策失效风险，还可以带来额外效益。本文采用连续变量的双重差分方法，基于2003-2018年中国30个重点城市（直辖市和省会城市）面板数据，考察碳排放总量和强度双约束政策对中国重点城市大气污染物的协同减排影响。实证结果表明，碳排放总量和强度双约束政策对SO2、NO2以及PM10的浓度具有显著影响，同时对综合污染指数具有显著影响。特别是碳排放约束政策实施后，碳强度下降1%会使SO2平均浓度较之前下降2.7633%，使NO2平均浓度较之前下降1.0576%，使PM10平均浓度较之前下降3.0981%，使综合污染指数较之前下降0.0869%。气象条件中，年平均降水量对空气污染物浓度具有显著负向影响，日照时间对空气污染物浓度具有显著正向影响。经济发展水平与空气污染物浓度呈倒U型关系。煤炭消费占能源消费总量比重、能源消费强度以及第二产业生产总值占地区生产总值比重均对空气污染物浓度具有显著正向影响。

碳排放总量和强度雙约束政策是一项行政命令控制型减排措施，具有执行力强、见效快的特点，短期内对城市空气质量具有明显改善作用。在当前市场型环境政策工具与手段推广（如碳交易市场建设）困难重重，资源环境形势日益严峻的形势下，碳排放总量和强度双约束政策仍将是我国今后一段时期内延续的政策。值得注意的是，作为一项行政命令控制型环境规制，碳排放总量和强度双约束政策在执行过程可能会引起诸多不良后果，如损害居民福利、违背市场经济规律等，因此，政府在执行该项政策时，要充分考虑各地区实际情况，结合当地环境状况、经济发展程度以及气象条件等，合理分配各地区碳减排目标，尽可能降低行政干预带来的不良后果。

[参 考 文 献]

[1] Climate and Clean Air Coalition （CCAC），United Nations Environment Programme （UNEP）.Air pollution in Asia and the Pacific： Science-based solutions[R]. the United Nations Environment Programme，2019.

[2] Fang D L， Chen B， Hubacek K，et al. Clean air for some： Unintended spillover effects of regional air pollution policies[J]. Science Advances，2019（4）： aav4707.

[3] WHO. Ambient Air Pollution： a  global assessment of exposure and burden of disease[R]. World Health Organization，Geneva，Switzerland，2016.

[4] Liu J， Diamond J.Chinas environment in a globalizing world[J]. Nature，2005（7046）：1179-1186.

[5] Lyu W， Li Y， Guan D， et al. Driving forces of Chinese primary air pollution emissions： an index decomposition analysis[J]. Journal of Cleaner Production，2016（133）：136-144 .

[6] Zhao D， Chen H， Li X， et al. Air pollution and its influential factors in China hot spots[J]. Journal of Cleaner Production，2018（185）：619-627.

[7] Hsu A， Esty D C， Levy M， et al. Environmental Performance Index （EPI）[R].Yale University，New Haven，2016.F65CA0A0-EF63-45A0-9B42-F00D76C395E4

[8] Yang X， Wang S J， Zhang WZ， et al. The impact of anthropogenic emissions and meteorological conditions on the spatial variation of ambient SO2 concentrations：a panel study of 113 Chinese cities[J]. Science of  the Total Environment，2017（584）：318-328.

[9] Chen Y， Zhe J G， Naresh K， 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（3）：424-443.

[10]World Bank and Institute for Health Metrics and Evaluation. The cost of air pollution： strengthening the economic case for action[R]. Washington， DC： World Bank，2016.

[11]Sexton A L. Health and environmental implications of Americans' time use responses to external stimuli： essays on air-quality alerts and daylight savings time[J]. International Journal of Work Organisation and Emotion，2012（1）：87-102.

[12]郑思齐，张晓楠，宋志达，等.空气污染对城市居民户外活动的影响机制：利用点评网外出就餐数据的实证研究[J].清华大学学报（自然科学版），2016（1）：89-96.

[13]Graff Z J， Neidell M. The impact of pollution on worker productivity[J]. American Economic Review，2012（7）：3652-3673.

[14]Wu X， Chen S， Guo J， et al. Effect of air pollution on the stock yield of heavy pollution enterprises in China's key control cities[J]. Journal of Cleaner Production，2018（170）：399-406.

[15]林伯强，孙传旺.如何在保障中国经济增长前提下完成碳减排目标[J].中国社会科学，2011（1）：64-76.

[16]张同斌，劉琳.中国碳减排政策效应的模拟分析与对比研究——兼论如何平衡经济增长与碳强度下降的双重目标[J].中国环境科学，2017（9）：3591-3600.

[17]朱佩誉，凌文.不同碳排放达峰情景对产业结构的影响——基于动态CGE模型的分析[J].财经理论与实践，2020（5）：110-118.

[18]Zhang D， Rausch S， Karplus V J， et al. Quantifying regional economic impacts of CO2， intensity targets in China[J]. Energy Economics，2013（2）：687-701.

[19]周四军，江秋池.基于动态SDM的中国区域碳排放强度空间效应研究[J].湖南大学学报（社会科学版），2020（1）：40-48.

[20]Yang Z， Fan M， Shao S， et al. Does carbon intensity constraint policy improve industrial green production performance in China？ A quasi-DID analysis[J]. Energy Economics，2017（68）： 271-282.

[21]Nunn N， Qian N. The potatos contribution to population and urbanization：evidence from a historical experiment[J]. The Quarterly Journal of Economics，2011（2）： 593-650.

[22]IPCC.2006 IPCC guidelines for national greenhouse gas inventories[R]. Intergovernmental Panel on Climate Change，2006.

[23]“中国煤炭消费总量控制和政策研究”课题组.中国“十三五”煤炭消费总量控制规划研究报告（2016-2020）[R].自然资源保护协会（NRDC），2016.

[24]Zhang S， Worrell E， Crijns-Graus W， et al. Modeling energy efficiency to improve air quality and health effects of Chinas cement industry[J]. Applied Energy，2016（184）：574-593.F65CA0A0-EF63-45A0-9B42-F00D76C395E4