政策组合强度之于政策效能：“愈强愈善”抑或“过犹不及”？

摘要 政策组合强度作为政策组合设计的重要特征，关乎政策体系的系统性与可行性，影响政策效能的有效发挥。为探究政策组合强度如何影响政策效能，该研究在利用政策活动指数测算中国大气污染防治政策组合强度的基础上，采用2010—2022年31个省份的面板数据进行实证分析。结果表明：政策组合强度对政策效能的影响并非愈强愈善，而是呈现倒“U”形非线性关系，即强度适中的政策组合有助于政策效能的充分释放。进一步分析显示，政策组合强度对政策效能的影响呈现明显区域异质性，在东部和中部地区倒“U”形效果较为明显，在西部地区则呈现正向线性相关关系；相较行政指令型政策组合强度，政策效能对市场经济型政策组合强度的变化更为敏感。为后续打出长短结合、破立并举、精准发力的政策组合拳，建议政策组合强度设计应秉持适度和因地制宜的原则，并坚持不同类型政策组合强度的差异化布局。该研究为设计“适度”而非“过度”的政策组合，促进政策从“观念形态”向“现实效果”的有效转化提供了重要借鉴。

关键词 政策组合；政策组合强度；政策效能；大气污染防治政策

中图分类号 D63；X321 文献标志码 A 文章编号 1002-2104（2024）12-0085-13 DOI：10. 12062/cpre. 20240703

党的二十大报告指出“我国发展进入战略机遇和风险挑战并存、不确定难预料因素增多的时期”［1］，这一时期经济发展提档增速、新旧动能接续转换、行政体制改革不断深化，政策问题与政策环境也因而呈现出高度的复杂性和不确定性。传统政策实践中单一政策工具或多种政策工具的简单叠加难以抵御纷繁复杂的社会风险，探寻妥恰的政策组合成为适应复杂政策环境、解决系统性政策问题的重要抓手［2］。为此，中国政府在经济、政治、文化、社会、生态等各领域制定实施了一系列根本性、开创性、长远性的政策举措，以环环相扣的政策组合拳协同推进各领域实现了历史性、转折性和全局性的发展。与此同时，中国的政策体系也从早期的“政策短缺”、政策工具简单化的分化匮乏时代步入“政策拥挤”、政策工具冗杂化的组合敷裕时代。在纷繁复杂的政策场域之中，做好政策组合设计以实现科学决策和合理选择，成为提升政策组合效能的重要环节。而政策组合强度作为政策组合设计的关键特征，被认为是政策效能发挥的重要影响因素［3］。

政策组合强度是指政府在特定政策领域内所投入的资源、努力和活动的总量，是对多重政策目标与多元政策工具协调深度与实施力度的度量［4］。近年来，政策组合强度受到了学界广泛关注，一方面，学者们在政策组合强度测算方面开展了丰富探索，但主要聚焦于政策结果或政策工具的单维度、单要素考察，未充分考虑关键政策元素的动态变化和互动关系，难以泛化或拓展至更多政策领域。另一方面，既有研究表明，政策组合强度是优化政策结构、提升政策效能的关键要素，可有效促进社会经济发展、提升创新效率［5］。然而，在政策效能递减规律与政策积累法则交替作用的背景下，政策“提量”方可使强度“增效”的传统认知不可避免地陷入了“政策瞄偏”“政策微效”“政策增生”等实践困境［6］。那么，应如何实现对政策组合强度的全要素考察与多维度测量？政策组合强度与政策效能的关系是否符合“政策组合强度越高，政策效能越高”的线性基本假设？对以上问题的回答既是深化政策组合理论研究的必然要求，也是对提升政策实践效果的现实回应。

因此，本研究从政策组合视角切入，在全面测算政策组合强度的基础上，统筹考虑中央政策的统一性与区域发展、政策类型的异质性，系统研究政策组合强度与政策效能的关系，以期为政策组合强度的合理设计提供决策依据，并为激活政策效能、提升公共政策实效提供理论参考。本研究的边际贡献在于：①采用兼具理论性和应用性的政策活动指数，尝试直接从公共政策本身来测度政策组合强度，弥补了当前政策组合强度测算多使用政策结果代理变量而忽视政策文本内容和结构的缺陷，在增强政策组合强度测度多维性和可比性的同时，提升了测算结果的全面性与准确度。②聚焦于政策组合强度与政策直接效能的关系，即研究政策组合强度对于实际问题解决程度的影响，强调政策拟解决实际问题的效果，为提升政策组合设计的精准度和实施的可持续性提供参考。③在政策分类的基础上，探讨行政指令型、市场经济型政策组合强度对不同地区政策效能影响的差异及原因，兼顾政策类型异质性和地理区域异质性，为政策组合因时而动的调整和因地制宜的设计提供理论依据。

1 文献综述

“政策组合”一词最早出现在20世纪60年代美国经济学家Mundell［7］关于财政政策和货币政策研究的经济学文献之中，用以强调政策工具与政策目标的重要互动关系，后拓展至创新、环境、产业等政策领域［8］。其概念界定也从“政策工具组合”进一步丰富为政策目标、政策工具、政策过程、行为主体、治理层级等元素相互耦合的“系统组合”“整体组合”，并且逐步纳入政策要素变化的时间性、动态性，被认为是解决复杂政策问题、降低政策成本、提升治理效能的有效手段［2］。21世纪以来，日益多元的政策问题和日趋复杂的政策环境对政策组合设计的合理性、有效性提出更高要求。在不同的治理领域与治理情境中，通过寻求政策组合与政策产出之间的平衡点，设计更加优化的政策组合以发挥不同政策的最大效能，成为政策研究领域的热点话题。其中，以Howlett等［9］为代表的学者们关注到政策效能的问题并做出系列论述，引发了学界关于政策效能因变量问题的广泛讨论。

政策效能是指政策在实际执行中所达到的效果与效益，也即公共政策的有效性。然而，某一领域内政策的实际效能往往是多种政策的“组合效能”，而非单一政策的“净效能”。因此，无论是解释复杂的政策实践，还是评估已有政策的实际效能，都需要基于“组合”视角。Bali等［10］、何裕捷［11］的研究表明，政府机构能力的高低、政策工具的适当性以及政策组合复杂程度都将显著影响政策效能的发挥。Knill等［12］则引入政策强度的概念，认为政策强度同样是政策效能的关键影响因素。政策强度概念的初始化研究多围绕命令控制型政策工具展开，这一时期学者们对政策强度比较宽泛的定义是“政府对政策管制、规制的严厉程度”，并将“严格性”“重要性”“严谨性”等视为政策强度的同义词［13-14］。而政策组合是政策工具、政策目标、政策对象等基本要素的有机整合，这些要素的变化可以独立发生，也可能以不同的方式和速度发生，因此基本政策要素和政策节点对于衡量政策组合强度的变化至关重要，故除政策严格性外，政策主体、政策执行、政策工具等多种元素被逐步纳入政策组合强度的研究范畴［4，15］。

随着政策组合强度研究的兴起，政策组合强度测算成为了学者们关注的重点。主流政策组合强度测算方法大致可分为以下两种：一是指标替代法，二是赋值计算法。指标替代法包括：①单一性测度指标：围绕政策组合要素构成构建定义性指标，例如相关政策文本数量或监管型政策工具数量；以及反映政策效果的代理变量，例如污染物排放量等［16-17］。②综合性测度指标：运用统计学方法拟合成复合型指标，例如将排污费征收总额与缴费企业数比值作为环境政策组合强度的代理变量［18］；Botta等［19］基于市场型、非市场型政策工具的分类提出了EPS综合指标的计算框架。赋值计算法是依据政策主体权威性、内容有效性等对政策工具进行分级赋分量化，再将当年现行有效政策的强度值累加即为该年政策组合强度［20］。吕晓等［21］在量化赋值的基础上，依据专家评估或媒体报道对政策强度得分进行修正，确定政策组合中不同类型政策工具的“强度”权重。总体而言，虽既有研究中有关政策组合强度的测算方法较为丰富，但也存在一些问题：①数据可得性不足。相关测度指标数据的选择与获取存在困难，迫使选取一些替代指标。②指标类型相对单一。当前的测算方法大多是将同一类型的指标汇集，以环境政策组合强度为例，即便是综合性指标测度体系，也仅仅是将环境治理投资与污染排放量结合起来考虑。③内生性和并发性偏差难以避免。大多代理变量受多个领域政策的叠加影响，并不是单一领域政策作用的结果。④采用不同方法测算得到的结论相互背离。一方面，可选指标多样性与指标选择标准缺失的矛盾时有发生；另一方面专家媒体意识形态偏见也极易引发测量偏差，这便导致运用不同方法测量政策组合强度出现不同甚至相悖的结论。

针对面大量广、时间跨度较长的政策组合，探讨其强度对于政策效能的影响，为评价现行政策效果和完善政策组合设计提供了新向度和新思路。当前，已有部分学者关注到政策组合强度与政策效能的关系，但其作用结果并不能一概而论。如张可云等［22］分析了数字经济政策强度对制造业稳就业的促进作用；田成诗等［23］基于行业特征差异性视角揭示了环境政策组合强度抑制污染密集型企业技术创新的深层次作用逻辑；而孔令丞等［24］的研究表明省级开发升格政策强度与城市经济效率存在倒“U”形关系。总体来看，相关研究为完善政策组合强度测算方法并进一步拓展政策组合强度与政策效能关系的分析奠定了坚实的学理基础，但仍存在如下不足：既有研究对政策组合强度的测算方法较为单薄，缺乏横向测算维度拓展和纵向基于政策全过程的考量；同时，受工具理性和以实证为中心的科学主义思潮的广泛影响，现有研究多关注政策组合强度对技术创新及经济发展等政策间接效能的作用机制，鲜有文献探讨政策组合强度对政策直接效能的影响机理；此外，以往学者大多从整体性视角出发研究政策组合强度，缺乏对不同类型政策组合强度与政策效能关系的细致探讨。

鉴于此，本研究尝试运用政策活动指数实现对政策组合强度的精准测度，识别并比较不同地域、不同类型政策组合强度对政策效能的异质性影响，并据此提出优化政策组合强度设计的策略建议。

2 理论分析与研究假设

政策组合强度作为政策组合设计的重要特征，关乎政策体系的系统性与可行性，其适恰与否直接关系到政策效能的实现。政策组合强度内含政策主体、目标、工具等核心要素，涉及从政策目标设定到政策执行的全过程考察，其具有的环境优化效应、资源引导能力与战略导向功能对于政策效能的持续释放至关重要。

首先，政策组合强度可规范政策环境。政策组合强度对解决市场负外部性问题具有良好效果［25］。为实现公共利益和维护公共秩序，政府提高政策组合强度，对治理目标、责任主体、实施步骤等做出明确细致的规定，畅通政策执行机制，规范并限制市场负外部性对政策环境带来的扭曲和干扰，促使市场主体更加主动地内部化外部成本，使得参与治理的边际成本和边际收益达到均衡。其次，政策组合强度可引导资源流入。政策组合强度被定义为对资源的组织和安排，即投入或分配给特定政策工具的资源或支持的程度。也就是说，政策组合强度提升意味着投入更多的资源、努力或者活动，从而为政策效能更好地发挥创造条件［26］。再次，政策组合强度还具有要素优化与积累效应。例如，当产权政策组合实施强度处于合理区间时，产权政策对先进技术有一定的激励和保护作用，使得高技术产品出口的外汇和收入增加，从而引致更多优质要素投入该行业，行业内的要素不断实现优化积累作用，政策组合强度正外部性得以凸显［25］。最后，政策组合强度越高预示着政府更加稳定的承诺和长期的战略观，在降低企业风险承担水平的同时促使其积极应对政策环境不确定性和系统性风险［27］。例如，李源等［28］认为，研发费用加计扣除政策组合强度的持续提升为企业提供了明确的导向性作用，企业可能会将更多的资源投入到前沿创新活动以获取更高的市场竞争力，进而显著提升民营企业创新水平。张同斌［29］认为环境政策组合强度越高，越能够激发污染型企业的“创新补偿”能力，从而实现经济增长中的环境政策组合效应由“短期损失”向“长期收益”转化。

由上述分析可得，政策组合强度提升初期可迅速驱动资源流转、提振发展信心、营造稳定的政策环境。然而，部分学者研究表明，政策组合强度并不能盲目扩大，适当的强度才能实现政策边际效应的最优化［24，30］。一旦政策组合强度脱离合理区间，将引发政策制定者、政策执行者之间基于各自利益诉求的动态博弈。首先，在资源分配上，政府可能被迫将有限的资源分散至多项政策，引发政策空转，导致政策效率低下甚至出现政策失灵现象。其次，在信息传递上，政策组合强度的提升使政府在政策执行过程中面临更多信息不对称问题，促使政策对象采取策略性寻租行为，导致政策执行成本的提升以及管理复杂性的增加，影响政策效能的发挥。例如，唐林等［31］发现，环境政策强度对农户环境行为存在非线性影响，呈现出倒“U”形关系，即当环境政策强度超过某一阈值后，环境政策对农户环境行为产生负向影响，农户参与农村环境治理的概率随着环境政策强度的提高而降低。最后，过高的政策强度可能会与政策组合一致性产生冲突效应。政策组合一致性是指政策组合内各要素相互协调的程度，它的范围从要素间没有矛盾到存在协同作用，包括3个层次：一是政策目标的一致性，二是政策工具的一致性，三是政策目标和政策工具的一致性［32］。较高的政策组合强度将带来更加复杂的政策环境和作用条件，多元政策要素的“张力”难以调试和维系，造成政策目标与政策工具间不一致乃至冲突的情形，从而引发政策效能式微等后果。

由此，本研究假设：政策组合强度对政策效能的影响呈现倒“U”形非线性关系。

3 研究设计

3. 1 样本选取

中国大气污染治理历经点源控制、法治管控、综合防治，后逐步转向合作共治、联合防治，大气污染防治政策也经历了从无到有、从单一到复杂的发展过程［33］。日臻完善的大气污染防治政策组合不仅体现了中国环境治理体系和治理能力现代化的进程，而且满足了社会公众对于优质空气质量的需求，更促进了社会生态文明的高质量发展，成为中国特色环保政策体系的重要组成部分。本研究选取大气污染防治政策文本作为分析样本的具体原因如下：①大气污染防治是一个持续的动态过程，相关政策颁布覆盖时间长、影响范围广，为本研究探索政策组合强度对政策效能影响的动态变化趋势提供了良好的研究场域。②大气污染防治政策数量较多且类型丰富，为不同类型政策组合强度的异质性检验提供了可能。因高位中央政策对地方大气污染防治具有极为明显的导向作用，故本研究以北大法宝数据库为基础数据源，结合中国政府网、国家各部委政府门户网站、地方政府门户网站等在线资源，以2010—2022年为样本期，对“大气污染防治”“空气质量”“雾霾治理”等关键词进行检索，在对检索结果进行数据清洗（转发、批准许可等类型的政策文件不计入）后，最终获得样本期内现行有效的中央层级大气污染防治政策241份、省级政策661份作为分析样本。

3. 2 指标选择和变量测量

3. 2. 1 政策组合强度

为解决政策组合强度测量中数据可得性、单维性、内生性、并发性等问题，Schaffrin等［4］从政策文本内容出发，充分考虑政府投入的资源、努力和活动，创建了贯穿政策制定、政策执行和政策监督全过程的政策活动指数（IPA），以减少测度结果与实际强度的偏差。根据IPA，区分基本政策要素对于政策组合的衡量至关重要，任何类型的政策都包含“目标、范围、整合、预算、执行、监督”在内的6种要素，这就为跨类型、跨时空、跨领域的政策组合强度测算和比较研究提供了理论支撑。由于中国大气污染防治政策综合使用多种政策工具，单独测算政策工具的强度难以保证政策的完整性、系统性。因此本研究结合Pischke等［34］的修正思路，将单项大气污染防治政策作为整体，根据上述6项测量指标对每一项政策编码赋分，具体编码规则见表1。

“目标”是对政策目标明确程度的衡量。如某项政策严格规定了可再生能源产量，那该政策则是以能源污染防治的间接目标推动大气污染防治，编码值为0. 500；如果某项政策明确提出了大气污染防治目标，但并未阐述具体防治要求，编码值为0. 750；如果某项政策明确提出大气污染防治目标，并将政策目标具体化，如全年空气质量提升5%，则赋值为1。

“范围”衡量的是政策目标群体范围和政策拟解决问题的范围。如果个人、企业、行业组织、各级政府及其附属机构均是政策目标群体，则编码值为0. 500；对于仅包含某一类目标群体的政策，编码值为0；每增加一类目标群体，编码值增加0. 166（0. 166为0. 5与目标群体数量减1后的比值）；政策拟解决问题编码规则同理。

“整合”衡量的是该项政策多大程度上属于政策组合的一部分。其中，框架政策是指为解决大气污染问题而制定的包含宏观性战略规划和系统性指导原则的纲领性政策，其通常概述了影响大气污染防治各领域内更具体政策和措施制定的一般原则、目标和指导方针，如《中华人民共和国大气污染防治法》《大气污染防治行动计划》《打赢蓝天保卫战三年行动计划》等均为大气污染防治领域的框架政策。如果某项政策是独立存在的，未提及其他政策，编码值为0；如果该政策中提及了其他政策但并未包括框架政策，表现出政策之间一定的一致性和连贯性，则编码值为0. 500；如果该项政策提及且包含了框架政策，意味着该项政策不仅与其他政策协调一致，而且还处于更广泛的政策组合之中，在政策目标和政策执行等方面具备更强的整合能力，则赋值为1。例如，为提升空气质量，国家发展和改革委员会、国家能源局和原环境保护部（现为生态环境部）明确指出“为贯彻落实国务院发布的《大气污染防治行动计划》”，联合出台《能源行业加强大气污染防治工作方案》，协同推进大气污染防治工作落实，则《能源行业加强大气污染防治工作方案》的该指标编码值为1。

“预算”衡量的是与政策有关的公共支出情况。如政策中未提及预算，编码值为0；若提及预算但未给出具体预算数额，编码值为0. 500；若提及预算并有明确的预算金额，则编码值为1。

“执行”衡量的是政策执行主体的数量以及政策执行程序的规范程度。在政策执行主体方面，Schaffrin等［4］认为，单一政策执行主体具有降低合作成本、提升执行效率以及有效缓解复杂委托代理关系中的问题和冲突的优点，因此，当政策中没有关于政策执行的具体说明时，编码值为0；若有关于政策执行主体及执行规则的说明，编码值为0. 250；在说明政策执行主体及执行规则的基础上将政策分配给单一主体执行，额外增加0. 250，得分最高为0. 500。在政策执行规则方面，如果实施规则是严格的，且不允许标准或规则的随意改变，编码值为0. 250；此外，政策存在对不遵守行为的制裁程序则额外增加0. 250，即政策最高得分为0. 500。

“监督”衡量的是政策监督力度，包括是否有监督程序以及是否有相关主体承担监督责任。如果政策未提及监督事宜，编码值为0；如果由政策参与主体进行内部监督，编码值为0. 500；如果提及监督考核事宜并且设置独立于政策执行主体的专门机构进行监督，则赋值为1。

上述6个指标取值范围均为［0，1］。其中，“范围”和“执行”指标均由两个编码问题组成，为方便计算，这些问题被赋予相等的权重，6项指标得分的平均值为该项政策的强度得分［34］。本研究的编码赋值工作由3名编码员完成，为确保编码的准确性和可信度，3名研究员根据编码规则独立编码赋值，对于赋值存在分歧的变量，则进一步讨论直至达成共识。某年度内现行有效的中央及省级大气污染防治政策强度之和即为该年政策组合强度。为便于后续分析计算，此处对强度值取对数处理。

3. 2. 2 政策效能

根据政策作用效果的不同，本研究将政策效能划分为政策直接效能和政策间接效能。直接效能是指与政策目标直接相关的结果和影响，间接效能则强调政策对其他相关领域的作用和影响。大气污染防治政策的直接效能主要表现为空气质量的改善、污染物排放量降低等，间接效能表现为提升经济发展水平、推动科技研发与创新等。

SO2排放量与空气质量直接相关，是衡量大气污染防治政策直接效能的主要指标。由于SO2排放量为逆指标，为使实证结果更为直观，本研究采用标准化处理后的 SO2排放量表征空气质量。

3. 2. 3 控制变量

为了更准确地探讨大气污染防治政策组合强度对政策直接效能——空气质量改善的影响，避免遗失其他重要影响因素而造成的实证结果失真，参考已有研究［35-37］，本研究选取的控制变量CV 包括：经济发展水平（DE），用的地区生产总值的增长率表示；人口规模（PD），以人口数量与行政区域面积的比值衡量；对外开放度（IG），用贸易密集度表示；产业结构（IS），用工业增加值与地区生产总值之比测度；财政分权（FD），用地方政府财政收入与支出之比测量；环境基础设施建设水平（PG），用人均公园绿地面积表征；政策执行力度（PE），用工业废气污染治理投资完成额表示。

3. 3 数据来源

鉴于统计口径和数据的可得性，本研究未涉及香港、澳门和台湾，最终选取2010—2022年中国东中西部共31个省份的面板数据作为样本进行实证分析。其中，东部省份样本包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南；中部省份包括山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南；西部省份包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆。数据主要来自历年《中国统计年鉴》《中国财政年鉴》《中国环境年鉴》及各地区统计年鉴、国家统计局网站等。针对部分数据缺失的问题，主要通过插补法对缺失数据进行平滑处理。数据处理及实证过程通过Ex⁃cel与Stata/MP 18. 0软件予以实现。各变量的基本描述性统计见表2。

3. 4 实证模型构建

由于省份间的区域差异，可能存在不随时间而变的遗漏变量，即存在“个体效应”，也可能存在不随个体异质性变化的“时间效应”，而双向固定效应模型是既存在“个体效应”又存在“时间效应”的模型，因此本研究根据豪斯曼检验结果建立双向固定效应模型。为避免因政策措施时滞性产生的估计偏误，故将解释变量滞后一期，模型结构见式（1）。

4 实证结果分析

4. 1 基础回归分析

4. 1. 1 大气污染防治政策组合强度对政策效能的影响

基于前述基准模型设定进行回归分析，结果见表3。模型1、模型2是没有添加控制变量的回归结果，模型1中核心解释变量PI 的回归系数为0. 388，在1%的置信水平下显著为正，表明大气污染防治政策组合强度提升有利于空气质量改善；模型2中核心解释变量PI 的回归系数为7. 194，二次项PI_2的回归系数为-0. 825，均在1% 的置信水平下显著，证实大气污染防治政策组合强度对于空气质量具有倒“U”形影响，如图1所示。模型3、模型4为加入控制变量后的回归结果。从各列回归结果中解释变量系数来看，加入控制变量后PI 和PI_2的回归系数符号仍未改变，且回归系数差异较小，表明加入控制变量后大气污染防治政策组合强度对空气质量的倒“U”形影响依旧存在，研究假设得证。

在倒“U”形曲线转折点左侧，大气污染防治政策组合强度与空气质量的关系正显著；转折点右侧，大气污染防治政策组合强度与空气质量的关系负显著。进一步计算，发现达到倒“U”形曲线拐点的政策组合强度约为75. 489。大气污染防治政策组合强度的初始效应明显的原因可从如下几个方面考虑：第一，对于企业来说，当政策组合强度处于适度状态时，企业拥有更充裕的时间和更宽松的政策环境进行技术改造和产业升级，面对政策环境的波动也可对自身行为进行适度调整和灵活修正，避免了过高的政策压力对企业造成冲击，大气污染防治政策效能持续显现。第二，对于政府来说，较低水平的政策组合强度可减少政府政策执行梗阻，更易获得社会各相关利益方的支持和配合，一些政策问题能够被迅速处理，例如关闭高污染高能耗的工厂、淘汰老旧车辆等，政策执行的可操作性和可持续性均处于较高水平。第三，对于政策本身来说，随着大气污染防治政策组合强度的提升，政策目标体系更加明确，覆盖范围逐步扩大，从单一污染物减排到新能源开发、扬尘污染防治、农业和其他污染防治，政策组合的协同度、系统性、互动性和融通度不断增强；政策工具结构亦实现了命令控制、经济激励与公众参与等多方位的完善，政策目标及工具相互协调、有效配合，政策效能亦能更稳定地发挥。

当越过拐点之后，大气污染防治政策组合强度对政策效能的影响由积极驱动变为消极抑制，可能的原因包括：第一，相关企业减排压力显著提升。一方面，政策组合强度增强意味着排污成本的增加，需要企业投入更多的资金进行技术创新和结构性改革。部分企业无法紧跟大气污染防治政策变化，参与大气污染防治工作的意愿与行为严重脱节，因而短期内难以实现大气污染物减排目标。另一方面，一些企业为规避愈发严格的政策规制，采取偷排、转移等非法手段，导致非正规排放增加，实际污染物排放量不降反增。

第二，地方政府的政策执行惰性和投机性。近年来，城市群内府际竞争激烈，地方政府作为政治市场中追求自身利益最大化的“经济人”，在公共投资方向的选择上更加倾向于能够短期带来显著经济效益的或具备可视性特征的公共品［38］。随着大气污染防治进入攻坚期和深水区，作为典型的非经济性公共物品，空气质量难以持续受到重视，大气污染防治政策执行的法制化、规范化和可持续化降低。伴随政策组合强度的增强，地方政府可能会为追求自身利益最大化而“选择性执行”某些政策，甚至放宽高污染企业限制条件，使得大气污染治理效能下降。

第三，运动式治理色彩浓厚。运动式治理是指在短期内调动一切资源投向一个目标，进而实现积极政策效果的治理方式［39］。大气污染的运动式治理源自科层官僚运行困境和中央政府的政治需求，适时适度的运动式治理模式具有探索性、协同性、突击性，可在短期内实现大气污染的高效治理［40］。然而，面对高强度的大气污染防治绩效考核、财政支持巡视、问责追责等，部分地方政府从常规治理转向经常性的运动式治理，并将政策目标设定为简化的、便于考核和评估的数量指标，导致政策扭曲、政策异化现象发生，甚至陷入“绿色悖论”的陷阱［41］。例如，尽管环境执法行动使得大量污染企业被关闭，但当执法行动结束、当地环境监管放松时，许多污染企业又重新恢复营业。长此以往，大气环境质量仅在短期内有所改观，大气生态环境长期善治效果难以实现。

第四，政策组合可能存在冲突效应。政策组合强度的提升伴随着政策数量的增加，而数量众多的政策可能会导致政策混乱的状态［42］。首先，就政策工具而言，其数量和类型的增加有助于保障政策组合的均衡性和综合性，提升政策效能。然而，理论上政策工具不成比例地出现或是简单叠加到某一数值，可能会导致更大的不一致性，进而引发政策工具间消极或矛盾的相互作用，造成工具冗余、“反生产力”等在内的多种风险，加剧政策组合冲突效应。其次，就政策目标而言，目标多元的“拼盘式”政策组合短期内可明确政策导向，提升政策效率，但长期看来，多重政策目标并驾齐驱将导致部分政策效能相互抵消，因此，在最优政策目标导向下，政策制定者会策略性选择关注、推进某一特定目标。然而，这一非均衡性政策目标建构的过程，在集中资源促进特定政策目标实现的同时，也限制了其他政策目标的建构，同样使得政策效能大打折扣。最后，就政策目标与政策工具的互动关系来看，政策工具是政策目标达成的具体方式，政策目标的增加使得政策工具选择和搭配问题更加复杂，更容易引发政策工具之间互相排斥、政策合力相互抵消、资源运作重复浪费等情况，政策衔接难以达到帕累托最优，因而导致政策效能降低。

4. 1. 2 其他控制变量对政策效能的影响

控制变量方面，以表3中模型4的回归结果为准进行分析。由模型4估计结果可知，控制变量中回归系数显著为正且绝对值较大的依次是经济发展水平（DE）、对外开放度（IG）、环境基础设施水平（PG），表明这些因素能够提升空气质量，这与丁日佳等［43］、李圆［44］的结论相一致。首先，与以往多数研究中经济增长负向影响空气质量的结论不同，本研究认为经济发展所带来的结构效应、技术效应与规模效应能够促进空气质量改善，这也是中国从以牺牲环境为代价的粗放经济发展方式转变为注重环境经济协调高质量发展模式的又一力证。其次，对外开放程度提高意味着更加频繁的人才交流和绿色技术的跨区域流动，这使得以技术溢出为核心的“污染光环”效应占据了主导地位，进而空气质量得以提升。最后，环境基础设施水平越高不仅表明生态承载力与大气净化能力越强，而且往往也意味着当地政府和居民对环保的重视程度提升，从而有利于大气环境的改善。回归系数显著为负且绝对值较大的是产业结构（IS）和财政分权（FD），说明工业增加值比重的增加与地方财政自主性的增强加剧了大气污染，张喜光等［45］、成前等［46］的研究也证明了这一结论。此外，虽人口规模（PD）以及政策执行力度（PE）的回归系数在统计学意义上并不显著，但估计结果有助于了解其对空气质量的影响方向。

4. 2 稳健性检验

为确保实证分析结果的可靠性，本研究通过以下6种方式进行稳健性检验（表4）。

（1）Utest检验。Lind等［47］指出，仅以二次项系数的显著性作为倒“U”形关系的标准缺乏科学性和严谨性，因此，引入更准确的Utest 检验。结果见表4 列（1），t 值为3. 03，在1% 显著性水平上接受曲线为倒“U”形的假设。同时，曲线的拐点为4. 324，且斜率区间包含负值，说明模型具有一定的稳健性。

（2）控制变量滞后一期。为避免在模型设定过程中选取的控制变量可能存在反向因果关系，将所有控制变量做滞后一期处理［48］，回归结果见表4列（2），各变量系数和符号方向与前文基本一致。

（3）替换被解释变量。选取归一化处理后的氮氧化物排放量作为空气质量的替代变量，对模型进行重新回归。回归结果见表4列（3），结果依旧稳健。

（4）借鉴Fox等［49］的做法，使用随机效应模型进行稳健性检验，回归结果见表4列（4）。输出结果与基础模型结论保持一致，表明模型具有足够的稳健性，采用固定效应或随机效应对结果未能产生根本性影响。

（5）考虑到新冠肺炎疫情冲击影响［50］，本研究剔除2020年及之后的样本进行稳健性检验，见表4列（5），回归结果仍未发生实质性变化，研究结论稳健。

（6）由于回归结果不可避免地受到其他并行政策的影响，为保证估计结果的可靠性，本研究根据已有研究选取碳排放权交易政策进行控制［51］，并构建了其虚拟变量加入模型中进行分析，见表4列（6），回归结果依旧显著，表明研究结果可靠。

4. 3 异质性检验

4. 3. 1 地理位置异质性检验

考虑到中国地域辽阔，区域间发展不平衡，且大气污染防治政策的实施及成效往往受到地区大气污染现状、地方政府管制意愿等的影响，因此本研究依照国家统计局网站的统计制度及分类标准中的有关规定，将研究样本划分为东部、中部、西部3个区域，以检验大气污染防治政策组合强度对区域政策效能的差异化影响。分地区回归结果见表5。

由于各地区资源禀赋、人口结构、社会发展水平等因素的不同，大气污染防治政策组合强度对政策效能的影响呈现较大差距。在东、中部地区，大气污染防治政策组合强度对空气质量的影响呈现倒“U”形，与基准回归结果保持高度一致，呈倒“U”形关系的原因前已述及；但是在西部地区则呈现线性正相关关系。具体而言，大气污染防治政策组合强度在东部地区一次项系数为9. 314，二次项系数为-1. 090；在中部地区一次项系数为11. 548，二次项系数为-1. 359，均具有统计学显著性，经计算，拐点值依次为4. 272、4. 248。

出现这一现象的可能解释是：与中部地区相比，东部地区作为《国务院关于印发大气污染防治行动计划的通知》《国务院关于印发打赢蓝天保卫战三年行动计划的通知》等政策的先行区，拥有较为完善的绿色基础设施、丰富的政策人才储备和前沿的绿色创新技术。在这些先发优势的助力下，东部地区经济发展与空气质量提升较早地趋于“稳态”，加之当地政府及公众对于环境保护以及空气质量本身具有较强的意识，因此更高强度的大气污染防治政策组合对东部地区的冲击可能不大，政策边际效应较小，因而需要更高强度的政策组合持续发力，正向推动空气质量改善。

西部地区大气污染防治政策组合强度二次项系数不显著，一次项系数为0. 201，表明统计期内大气污染防治政策组合强度与空气质量虽呈现显著正向相关关系，但影响效果有限。原因可能在于，一方面，西部地区生产主要以围绕自然资源开采的基础工业为主，加之煤炭消耗占比相对较高、能源结构调整速度缓慢，故西部地区政策效能发挥相对缓慢。另一方面，人力资源、技术手段等要素的短缺，导致西部地区在政策执行力度、速度等方面与东、中部地区存在较大差距，因此在西部地区政策组合强度与政策效能呈现线性相关关系，尚未迎来强度拐点。这意味着要从根本上破除大气污染的困境，西部地区需要更高强度的政策组合规制和更长的政策执行时间轴。

4. 3. 2 政策类型异质性检验

不同类型的政策组合强度对政策效能的影响程度可能有较大差异。根据国家公权力干预程度的不同，大气污染防治政策类型可划分为行政指令型、市场经济型和公众参与型3类，但由于公众参与型政策数量较少，发挥效力的时滞性较长且容易流于形式，因此本研究仅对前两类政策进行分析［53-54］。行政指令型政策通常设定污染排放总量指标或技术指标，或者实施特定的管控措施（如限产、停产等），具有执行权威性，可调动经济体制内的丰富资源以实现大气污染防治政策目标。市场经济型政策包括排放税、可交易许可证、研发补贴等，可利用市场有效配置资源的优势并通过价格信号建立起大气污染防治激励，本质上是将大气污染的外部性内部化，由排污企业而非社会公众来承担大气污染排放造成的社会福利损失。本研究分别对两类大气污染防治政策组合强度对政策效能的影响进行分析，AdIn、AdIn_2分别代表行政指令型政策组合强度及其平方项，MaIn、MaIn_2则分别代表市场经济型政策组合强度及其平方项，结果见表6—表7。

在全国层面，行政指令型政策组合强度一次项系数为5. 319，二次项系数为-0. 631；市场经济型政策组合强度一次项系数为5. 486，二次项系数为-1. 317，表明二者对空气质量的影响均呈现显著的倒“U”形。结合地理区划，行政指令性政策组合强度与空气质量在东部、中部地区呈现倒“U”形关系（表6），进一步计算，其拐点值较为接近，依次为4. 142、4. 154；在西部地区则呈现正向线性相关关系，符合全样本回归结果。出现这一结果的可能解释是：西部地区生产技术相对落后，生产能源消耗大，资源型产业较多，产业转型难度大、时间长，在大气污染防治政策领域行政指令型政策仍有较大发挥空间，因而其正向引导作用在西部地区会持续更长时间。

市场经济型政策组合强度与空气质量在东、中部地区均呈现显著倒“U”形关系，其影响程度在东部地区最大、中部地区次之，经计算，拐点值依次为2. 098、1. 998，在西部地区二者同样具有显著正相关性（表7）。对于这一现象，可能的解释是：与中部地区相比，东部地区市场开放程度高、社会力量活跃、经济敏感度高，市场经济型政策引导市场与社会主体共同参与大气污染防治的空间较大，故拐点值更大。而西部地区经济发展水平普遍低于东部和中部地区，绿色金融、排污权交易等市场化手段在大气污染防治领域尚未形成成熟的应用机制，落实率较低；并且西部地区以煤化工、采矿等产业为主，这些传统产业多处于产业链前端、价值链低端，市场化转型难度较大，交易平台和市场主体的双重缺乏使得西部地区市场经济型政策组合强度对政策效能的影响尚未到达正相关的顶点。

总之，不论是全国样本还是分地区样本，异质性分析结果的系数均表明，现阶段更具灵活性的市场经济型政策组合强度相较强制性的行政指令型政策组合强度对空气质量的影响作用更明显，这与申晨等［54］有关工业绿色全要素生产率的研究结果具有一致性。可能的原因是：中国大气污染防治领域行政指令型的政策体系已较为完善，加之减排技术和产业结构不断优化，空气质量随行政指令型政策组合强度变化的幅度趋缓。而当前中国环境政策体系正逐渐从行政指令型向市场经济型过渡，市场经济型大气污染防治政策内嵌的竞争机制和利益驱动逻辑能更好地激励和约束行业企业的排放行为，其强度变化可显著调节利益相关者的行为及预期，积极引导市场中的理性经济人在获得更高利润的同时提升大气污染防治效能［55-56］。

5 研究结论与政策建议

5. 1 研究结论

本研究以中国大气污染防治政策组合为例，在利用IPA 测度政策组合强度的基础上，选取全国31 个省份2010—2022年的面板数据作为研究样本，通过建立双向固定效应模型，实证检验了政策组合强度对政策效能的影响。

首先，政策组合强度对政策效能的影响存在显著的倒“U”形关系。以大气污染防治政策组合为例，大气污染政策组合强度提升初始阶段，强度的增加对于空气质量改善有正面影响；但政策组合强度达到一定程度后，强度的持续上升会导致空气质量水平不升反降。这也意味着政策组合强度并非越大越好，理论上应存在一个有效促进政策直接效能发挥的最佳强度区间。

其次，政策组合强度对政策效能的影响呈现区域异质性。大气污染防治政策领域的实证结果表明，在东部和中部地区，政策组合强度对空气质量的影响与全国样本一致，表现为先促进后抑制的倒“U”形关系，且在中部地区作用更显著；在西部地区，政策组合强度对空气质量的影响表现为显著促进作用。

最后，政策组合强度对政策效能的影响呈现政策类型异质性特征。全国范围内，行政指令型和市场经济型政策组合强度对空气质量的影响同样呈现倒“U”形，且市场经济型政策组合强度的拐点明显小于行政指令型。结合地理区划，两种类型的政策组合强度回归结果基本与地理区域异质性的结论保持一致。

本研究的实证结果表明，政策组合强度与政策效能并非简单线性相关。在实践过程中，政策效能不可避免受到政策执行过程中资源供给不足、利益冲突等复杂因素的影响，因此既有研究在政策效能视角下选择政策组合强度表征指标或构建政策组合强度指标体系的测量方法，对变量测度的本质性、构成性、完备性、排除性要求构成了挑战，其解释力、可比性和可靠性有待进一步商榷［57］。

5. 2 政策建议

鉴于政策组合强度与政策效能之间的倒“U”形关系，为确保政策组合强度保持在合理区间，避免其陷入“过犹不及”的尴尬境地，基于上述理论分析与实证结果，本研究提出以下政策建议。

第一，政策组合强度设计应秉持适度原则。首先，应将政策设计置于充足的实地调研基础之上，在政策效能最大化导向下，依据政策组合复杂程度与政策效能的基本关系模式，对资金、人力、物力等资源进行科学配置。其次，坚持政策试点等方式，鼓励“渐进式”政策推行，在逐步提升顶层设计与实践探索适配性的过程中，充分延展政策组合的一致性、连续性及可持续性，避免政策组合要素冲突所导致的强度异化。再次，加强跨区域跨层级跨部门协作沟通，通过建立健全政策制定和实施过程中的沟通机制，确保政策设计与整合过程中各要素间的协同、支持及互补，减少不必要的政府失灵、市场扭曲和资源浪费。最后，应积极利用大数据、人工智能等现代化技术手段落实政策跟踪反馈机制，将政策组合设计及调整由经验决策逐步转变为数据驱动。

第二，遵循政策组合强度因地制宜的设计原则。不同地区对于政策组合强度的变化具有不同的策略反应，加之地方政府在属地信息获取等方面所具有的天然优势，因此，为实现最佳政策效能，中央政府不应“一个方子抓药”，而应给予地方政府更多话语权，使其能够根据政策实施情况及地区发展要求制定差异化的配套政策并实行异质化的政策资源配置，以实现对政策组合强度的灵活把控。这不仅有助于提升政府科学规划、精准施策的能力，还将有效激发地方政府政策制定与执行的积极性与主动性。

第三，坚持不同类型政策组合强度的差异化设计。政策组合的实际运行过程复杂，不同政策类型存在异质性的传导路径与运行机理。一方面，应破除政策使用类型的地区惯性和部门惯性，组织专家对各类政策预期效能、潜在风险进行评估，避免因盲目提高某类政策使用频率或范围而导致其“适得其反”。另一方面，还应平衡优化不同类型政策组合结构，在明确各类政策比较优势的基础上寻求不同类型政策效能的优势互补与叠加。这一过程不仅要关注其组合作用效果的优劣，还应推动各类政策组合内部要素的创新及重构，这是后续打出长短结合、破立并举、精准发力的政策组合拳的关键所在。

本研究也存在以下不足之处：①由于篇幅有限，本研究并未就政策组合强度测算的6个维度与政策效能的关系展开深入探讨，未来可尝试从不同维度出发解构政策组合强度与政策效能的关系。②大气污染防治政策是环境政策领域的重要组成部分，并且与经济、技术、财税等领域的政策都有直接或间接的交集，因而本研究结论可能对上述相关领域政策组合强度的合理把控具有较高参考价值，但在其他政策领域中的解释力尚不得而知。未来应在教育、文化、卫生等领域展开更为深入的研究，以增强研究结论的严谨性和解释力。

参考文献

［1］ 习近平. 高举中国特色社会主义伟大旗帜为全面建设社会主义

现代化国家而团结奋斗［N］. 人民日报，2022-10-26（1）.

［2］ 张剑，李鑫. 复杂情境下系统性政策问题的应对：政策组合理论

的研究评述［J］. 公共管理与政策评论，2022，11（3）：155-168.

［3］ SCHMIDT T S，SEWERIN S.Measuring the temporal dynamics of

policy mixes：an empirical analysis of renewable energy policy mix⁃

es' balance and design features in nine countries［J］.Research poli⁃

cy，2019，48（10）：103557.

［4］ SCHAFFRIN A，SEWERIN S，SEUBERT S. Toward a comparative

measure of climate policy output［J］. Policy studies journal，2015，

43（2）：257-282.

［5］ 李楠博，孙弘远. 基于云模型的区域企业绿色技术创新环境成

熟度评价［J］. 科技进步与对策，2021，38（22）：50-57.

［6］ 兰剑，慈勤英. 后脱贫攻坚时代农村社会救助反贫困的困境及

政策调适［J］. 西北农林科技大学学报（社会科学版），2019，19

（3）：63-68.

［7］ MUNDELL R A. The appropriate use of monetary and fiscal policy

for internal and external stability［J］. Staff papers，1962，9（1）：

70-79.

［8］ 柳婷，段晓美. 创新政策组合研究回顾与展望［J］. 创新科技，

2023，23（4）：22-32.

［9］ HOWLETT M，CASHORE B. The dependent variable problem in

the study of policy change：understanding policy change as a meth⁃

odological problem［J］. Journal of comparative policy analysis：re⁃

search and practice，2009，11（1）：33-46.

［10］ BALI A S，CAPANO G，RAMESH M. Anticipating and designing

for policy effectiveness［J］. Policy and society，2019，38（1）：1-13.

［11］ 何裕捷. 政策组合复杂程度如何影响政策效能：基于新能源汽

车推广的分析［J］. 公共管理学报，2024，21（1）：41-55.

［12］ KNILL C，SCHULZE K，TOSUN J. Regulatory policy outputs and

impacts：exploring a complex relationship［J］. Regulation amp; gover⁃

nance，2012，6（4）：427-444.

［13］ TANGUAY G A，LANOIE P，MOREAU J. Environmental policy，

public interest and political market［J］. Public choice，2004，120

（1）：1-27.

［14］ GRANT J T，KELLY N J. Legislative productivity of the U. S. con⁃

gress，1789–2004［J］. Political analysis，2008，16（3）：303-323.

［15］ 张炜，费小燕，肖云，等. 基于多维度评价模型的区域创新政策

评估：以江浙沪三省为例［J］. 科研管理，2016，37（S1）：

614-622.

［16］ 李胜兰，初善冰，申晨. 地方政府竞争、环境规制与区域生态效

率［J］. 世界经济，2014，37（4）：88-110.

［17］ LI L X，WANG Z Q，WANG Q. Do policy mix characteristics mat⁃

ter for electric vehicle adoption：a survey⁃based exploration［J］.

Transportation research part D：transport and environment，2020，

87：102488.

［18］ 葛林. 环境规制政策强度与经济高质量发展：基于省际面板数

据的实证研究［J］. 生态经济，2020，36（9）：169-174.

［19］ BOTTA E， KOŹLUK T. Measuring environmental policy stringen⁃

cy in OECD countries： a composite index approach. ECO/WKP，

2014， 73.

［20］ 彭纪生，孙文祥，仲为国. 中国技术创新政策演变与绩效实证

研究（1978—2006）［J］. 科研管理，2008，29（4）：134-150.

［21］ 吕晓，黄贤金，陈志刚，等. 中国耕地保护政策的粮食生产绩效

分析［J］. 资源科学，2010，32（12）：2343-2348.

［22］ 张可云，庄宗武. 数字经济政策强度对制造业稳就业的影响研

究［J］. 吉林大学社会科学学报，2024，64（4）：155-171.

［23］ 田成诗，韩振乙. 严厉的环境政策鼓励企业技术创新吗？［J］.

科研管理，2021，42（10）：166-173.

［24］ 孔令丞，柴泽阳. 省级开发区升格改善了城市经济效率吗：来

自异质性开发区的准实验证据［J］. 管理世界，2021，37（1）：

60-75.

［25］ 姚博. 产权政策强度、贸易结构与国民收入提升［J］. 经济与管

理研究，2014，35（3）：36-46.

［26］ ALBRECHT J，ARTS B. Climate policy convergence in Europe：an

assessment based on national communications to the UNFCCC［J］.

Journal of European public policy，2005，12（5）：885-902.

［27］ 祁敬宇，杨小洋，蒋佳伶，等. 宏观审慎政策对企业风险承担的

影响研究［J］. 金融论坛，2023，28（10）：48-58.

［28］ 李源，王阳，罗浩泉，等. 研发费用加计扣除政策改革促进了民

营企业创新吗：基于2018年政策调整的实证研究［J］. 南方经

济，2022（7）：87-102.

［29］ 张同斌. 提高环境规制强度能否“利当前” 并“惠长远”［J］. 财

贸经济，2017，38（3）：116-130.

［30］ 康志勇，张宁，汤学良，等.“减碳” 政策制约了中国企业出口吗

［J］. 中国工业经济，2018（9）：117-135.

［31］ 唐林，罗小锋，张俊飚. 环境政策与农户环境行为：行政约束抑

或是经济激励：基于鄂、赣、浙三省农户调研数据的考察［J］. 中

国人口·资源与环境，2021，31（6）：147-157.

［32］ ROGGE K S，REICHARDT K. Policy mixes for sustainability tran⁃

sitions：an extended concept and framework for analysis［J］. Re⁃

search policy，2016，45（8）：1620-1635.

［33］ 冯贵霞. 大气污染防治政策变迁与解释框架构建：基于政策网

络的视角［J］. 中国行政管理，2014（9）：16-20.

［34］ PISCHKE E C，SOLOMON B，WELLSTEAD A，et al.From Kyoto

to Paris：Measuring renewable energy policy regimes in Argentina，

Brazil，Canada，Mexico and the United States［J］.Energy research

amp; social science，2019，50：82-91.

［35］ 牛子恒，崔宝玉. 网络基础设施建设与大气污染治理：来自“宽

带中国” 战略的准自然实验［J］. 经济学报，2021，8（4）：

153-180.

［36］ 冉启英，朱为利，任思雨. 对外开放、城市蔓延与大气污染［J］.

华东经济管理，2021，35（6）：42-52.

［37］ 邓力平，朱云格，王智烜. 环境保护税的大气环境效应：RD实

证研究［J］. 经济与管理评论，2022，38（4）：5-16.

［38］ 吴敏，周黎安. 晋升激励与城市建设：公共品可视性的视角

［J］. 经济研究，2018，53（12）：97-111.

［39］ JIA K，CHEN S W.Could campaign⁃style enforcement improve en⁃

vironmental performance：evidence from China's central environ⁃

mental protection inspection［J］.Journal of environmental manage⁃

ment，2019，245：282-290.

［40］ 王文婷，黄家强. 论压力型大气污染治理的财税优化逻辑［J］.

首都师范大学学报（社会科学版），2019（1）：63-73.

［41］ 陆建明，王娟.“绿色悖论” 内涵、产生机制与对策：一个文献综

述［J］. 贵州大学学报（社会科学版），2022，40（3）：23-32.

［42］ SORRELL S. Carbon trading in the policy mix［J］. Oxford review

of economic policy，2003，19（3）：420-437.

［43］ 丁日佳，张诗悦. 进口贸易、技术溢出的环境效应与工业大气

污染：基于省级面板数据的中介路径分析［J］. 北京理工大学学

报（社会科学版），2021，23（3）：22-37.

［44］ 李圆. 绿色金融对我国环境空气质量的影响［J］. 税务与经济，

2024（3）：80-88.

［45］ 张喜光，马栋栋. 基于STIRPAT模型的科技创新效率对雾霾污

染影响研究［J］. 财会通讯，2023（5）：83-88.

［46］ 成前，李月，刘畅. 财政分权与空气污染：以“省直管县” 改革为

例的研究［J］. 技术经济，2021，40（3）：47-53.

［47］ LIND J T，MEHLUM H.With or without U：the appropriate test for

a U⁃shaped relationship［J］.Oxford bulletin of economics and sta⁃

tistics，2010，72（1）：109-118.

［48］ 马本，胡天贶，赵康. 中国地方环境分权与制度变迁：多级分权

度测算与污染治理效应评估［J］. 管理评论，2022，34（5）：

304-317.

［49］ FOX A，FENG W H，REYNOLDS M.The effect of administrative

burden on state safety⁃net participation：evidence from food assis⁃

tance，cash assistance，and Medicaid［J］.Public administration re⁃

view，2023，83（2）：367-384.

［50］ 吴力波，任飞州，徐少丹. 新冠肺炎疫情防控一级响应对城市

空气污染物减排的影响［J］. 环境经济研究，2020，5（3）：1-20.

［51］ 张国兴，樊萌萌，马睿琨，等. 碳交易政策的协同减排效应［J］.

中国人口·资源与环境，2022，32（3）：1-10.

［52］ 岳立，任婉瑜，曹雨暄. 异质型环境规制对绿色经济的影响研

究：基于绿色创新的中介效应分析［J］. 软科学，2022，36（12）：

57-64.

［53］ 余泳泽，尹立平. 中国式环境规制政策演进及其经济效应：综

述与展望［J］. 改革，2022（3）：114-130.

［54］ 申晨，贾妮莎，李炫榆. 环境规制与工业绿色全要素生产率：基

于命令—控制型与市场激励型规制工具的实证分析［J］. 研究

与发展管理，2017，29（2）：144-154.

［55］ 朱朝晖，林雯，曾爱民，等.“绿色工厂” 认定对企业绿色创新的

影响研究［J］. 当代财经，2023（7）：3-16.

［56］ WHITTEN S， VAN BUEREN M， COLLINS D. An overview of

market⁃based instruments and environmental policy in Australia

［C］//AARES symposium. 2003.

［57］ 李焕宏，薛澜，徐建华. 用概念分析指导公共政策定量研究的

变量测度：以环境规制强度测度为例［J］. 公共管理学报，2024，

21（1）：29-40.

（责任编辑：蒋金星）