楊斯悅 王鳳 劉娜

摘要 《大氣污染防治行動(dòng)計(jì)劃》被認(rèn)為是史上最嚴(yán)格的一項(xiàng)空氣污染治理政策。主要目標(biāo)是控制區(qū)域PM2.5和PM10等污染物的排放量，明確規(guī)定了全國(guó)地級(jí)及以上城市可吸入顆粒物濃度比2012年下降10%以上，該政策始于2013年9月，于2017年底結(jié)束。為了科學(xué)檢驗(yàn)《大氣十條》的政策影響效應(yīng)，選取該政策執(zhí)行期間（2013—2017年）的125個(gè)地級(jí)及以上城市，包括72個(gè)處理組和53個(gè)控制組進(jìn)行準(zhǔn)自然試驗(yàn)，運(yùn)用雙重差分法檢驗(yàn)該政策對(duì)控制主要空氣污染物PM2.5、PM10、SO2、NO2、CO和O3月均排放量的影響，并運(yùn)用平行趨勢(shì)檢驗(yàn)、反事實(shí)檢驗(yàn)等方法進(jìn)行了穩(wěn)健性檢驗(yàn)。描述性統(tǒng)計(jì)結(jié)果顯示：PM2.5、PM10、SO2、NO2和CO的月均排放量都得到了顯著降低，其中PM2.5和PM10的降幅分別是36.33%和31.87%。京津冀、長(zhǎng)三角、珠三角等區(qū)域PM2.5濃度分別下降39.6%、34.3%、27.7%，三大區(qū)域PM10的降幅分別為38.3%、31.1%、21.9%，其中，北京市PM2.5月均濃度為57.33 μg/m3。但是 O3的排放量下降效果不顯著，其含量不降反增，成為我國(guó)空氣質(zhì)量新的威脅?；貧w結(jié)果說(shuō)明，該政策對(duì)試點(diǎn)城市大氣中PM2.5、PM10、SO2、NO2和CO的排放量下降產(chǎn)生了顯著影響，在1%顯著性水平上，月均濃度分別下降685.14%、650.72%、479.05%、359.55%和7.06%。因此，總體上可以認(rèn)為該項(xiàng)政策已經(jīng)達(dá)標(biāo)完成，控制了主要空氣污染物的排放量。但是分解不同污染物、分區(qū)域或者是具體到不同城市的空氣質(zhì)量絕對(duì)值仍未達(dá)到國(guó)家控制標(biāo)準(zhǔn)。最后提出執(zhí)行科學(xué)精細(xì)的空氣質(zhì)量監(jiān)督管理制度和空氣污染治理的長(zhǎng)效政策等建議。

關(guān)鍵詞 《大氣污染防治行動(dòng)計(jì)劃》;大氣十條;效果評(píng)估;雙重差分法

近些年來(lái)，隨著城市化的快速發(fā)展，中國(guó)大氣污染形勢(shì)嚴(yán)峻，以可吸入顆粒物（PM10）、細(xì)顆粒物（PM2.5）為特征污染物的區(qū)域性空氣污染問(wèn)題日益突出，成為困擾經(jīng)濟(jì)社會(huì)發(fā)展和人們追求美好生活的瓶頸。尤其是以PM2.5為主要空氣污染物，會(huì)導(dǎo)致心腦血管系統(tǒng)的疾病，并誘發(fā)癌變等，直接威脅到了人們的健康預(yù)期壽命[1]。為了進(jìn)一步改善空氣質(zhì)量，政府在積極治理霧霾中向全世界承諾，到2020年單位國(guó)內(nèi)生產(chǎn)總值二氧化碳排放比2005年下降40%～45%，二氧化碳排放2030年左右達(dá)到峰值，明確了政府治霾的決心和目標(biāo)。為此，2013年9月10日出臺(tái)了《大氣污染防治行動(dòng)計(jì)劃》（以下簡(jiǎn)稱《大氣十條》），于2017年底結(jié)束，被稱為史上最嚴(yán)格的空氣污染治理制度。政策影響評(píng)估是現(xiàn)代政府管理的一項(xiàng)先進(jìn)技術(shù)手段，便于政策的篩選、追蹤與完善，而雙重差分法是該領(lǐng)域廣泛使用的一種影響評(píng)估方法，可以有效排除其他干擾因素準(zhǔn)確識(shí)別政策與治理目標(biāo)之間的因果關(guān)系。學(xué)術(shù)界對(duì)于《大氣十條》政策影響評(píng)估的實(shí)證研究較少，且主要使用傳統(tǒng)檢驗(yàn)方法對(duì)污染物排放量的絕對(duì)值進(jìn)行比較。因此，采用雙重差分法檢驗(yàn)該項(xiàng)政策對(duì)空氣質(zhì)量影響的“凈效應(yīng)”，對(duì)空氣質(zhì)量的改善效果進(jìn)行更加科學(xué)的因果分析和闡釋。即檢驗(yàn)大氣十條是否真正有效？科學(xué)驗(yàn)證這個(gè)期間我國(guó)主要空氣污染物排放降低是否來(lái)源于該項(xiàng)政策效果？運(yùn)用我國(guó)125個(gè)地級(jí)及以上城市主要空氣污染物排放量的月均數(shù)據(jù)，選擇72個(gè)處理組和53個(gè)控制組進(jìn)行準(zhǔn)自然試驗(yàn)研究，評(píng)估《大氣十條》的政策有效性并提出進(jìn)一步推進(jìn)空氣污染治理的政策建議。

1 文獻(xiàn)綜述

霧霾污染物成份主要是SO2、NO2、顆粒物（以下簡(jiǎn)稱PM）、一氧化碳、粉塵等，其中PM既是一種污染物，又是重金屬、多環(huán)芳烴等有毒物質(zhì)的載體。這些污染物的來(lái)源很廣泛。國(guó)內(nèi)學(xué)者對(duì)霧霾成因的研究主要從氣象學(xué)、社會(huì)經(jīng)濟(jì)和地理分布等視角展開(kāi)了較為深入的實(shí)證研究。

重污染天氣的成因根據(jù)大氣特點(diǎn)，可分為靜穩(wěn)型、沙塵型兩類。我國(guó)大部分地區(qū)屬于溫帶大陸性氣候，靜穩(wěn)型天氣造成的霧霾在秋冬季更易出現(xiàn)，所以我國(guó)霧霾污染存在顯著的季節(jié)性特征[2-3]。Zhang等[4]基于風(fēng)向、風(fēng)速、相對(duì)濕度、大氣凝結(jié)函數(shù)和大氣穩(wěn)定度等構(gòu)造出污染氣象條件指數(shù) （ Plam） ，用以定量表征氣象條件是否有利于污染天氣形成，其值越高表明氣象條件越不利，大于80 時(shí)容易形成霧霾天氣。呂效譜等[5]運(yùn)用主成分及相關(guān)性分析方法發(fā)現(xiàn)高濕、逆溫、低壓和靜風(fēng)等氣象條件與霧霾天氣的形成密切相關(guān)。

霧霾雖是一種天氣現(xiàn)象，但主要是由于不合理的經(jīng)濟(jì)活動(dòng)所致?，F(xiàn)有研究關(guān)于經(jīng)濟(jì)增長(zhǎng)對(duì)霧霾污染的影響存在兩種有爭(zhēng)議的結(jié)論，一種是符合庫(kù)茲涅茨曲線（EKC）假說(shuō)，認(rèn)為經(jīng)濟(jì)發(fā)展水平、對(duì)外開(kāi)放程度、城市規(guī)模與霧霾污染呈現(xiàn)出倒U型關(guān)系[3，6-8]。另一種是不符合EKC曲線的假說(shuō)，認(rèn)為霧霾污染與經(jīng)濟(jì)增長(zhǎng)存在顯著的U形關(guān)系[9]?；诓煌臄?shù)據(jù)和檢驗(yàn)方法，學(xué)者們得出以制造業(yè)為主的產(chǎn)業(yè)結(jié)構(gòu)、民用汽車保有量的增多、城市面積、城市常住人口、能源消耗總量、集中供熱普及率、房屋建筑施工面積、國(guó)際貿(mào)易活躍程度均對(duì)霧霾污染有顯著的正向促進(jìn)作用[10-15]，但人口密度、人口增長(zhǎng)、消費(fèi)結(jié)構(gòu)、綠化水平對(duì)霧霾污染的影響并不顯著[3，16];工業(yè)產(chǎn)出集聚、科教支出水平、財(cái)政自主度能夠顯著降低霧霾污染[8-9，17]。

我國(guó)霧霾還呈現(xiàn)出顯著的地理分布特征：由于東部地區(qū)將高耗能、高污染產(chǎn)業(yè)轉(zhuǎn)移到中、西部地區(qū)，所以對(duì)于東部地區(qū)的霧霾而言，經(jīng)濟(jì)發(fā)展、交通壓力、農(nóng)業(yè)生產(chǎn)以及來(lái)自毗鄰地區(qū)的污染是主要影響因素;而產(chǎn)業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)則是中、西部地區(qū)的關(guān)鍵影響因素[18]。潘慧峰等[19]認(rèn)為，在京津冀地區(qū)，霧霾污染具有較強(qiáng)的持續(xù)性，高污染狀態(tài)存在粘滯效應(yīng)，難以向低污染狀態(tài)變化，北京地區(qū)的霧霾會(huì)對(duì)其他地區(qū)產(chǎn)生正向沖擊作用。冷艷麗和杜思正[20]研究認(rèn)為，能源價(jià)格扭曲對(duì)東部地區(qū)霧霾的正向影響要大于中西部地區(qū)。李力等[21]研究發(fā)現(xiàn)，在珠三角地區(qū)FDI 與霧霾污染呈負(fù)相關(guān)關(guān)系。

各項(xiàng)環(huán)境政策一直以來(lái)都是政府霧霾治理的主要手段之一，特別是放置在我國(guó)自上而下的命令控制型環(huán)境管理體制里，政府應(yīng)該是治霾的主導(dǎo)力量。從國(guó)家《大氣污染防治法》的不斷修訂，到各地方政府配合頒布出臺(tái)了具體實(shí)施方案。2013年由國(guó)務(wù)院發(fā)布的《大氣十條》是專門針對(duì)大氣污染治理而制定的總體治理計(jì)劃。其內(nèi)容主要涵蓋加大污染源綜合治理力度、調(diào)整優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、加快企業(yè)綠色技術(shù)改造、增加清潔能源供應(yīng)、嚴(yán)格節(jié)能環(huán)保準(zhǔn)入、建立區(qū)域統(tǒng)籌管理機(jī)制、建立監(jiān)測(cè)預(yù)警應(yīng)急體系和動(dòng)員全民參與環(huán)境保護(hù)等諸多方面。主要目標(biāo)是自頒布日起到2017年底，全國(guó)地級(jí)及以上城市可吸入顆粒物濃度比2012年下降10%以上，優(yōu)良天數(shù)逐年提高;京津冀、長(zhǎng)三角、珠三角等區(qū)域細(xì)顆粒物濃度分別下降25%、20%、15%左右，其中北京市細(xì)顆粒物年均濃度控制在60 μg/m3左右。但對(duì)于其他污染物和城市并未明確規(guī)定具體達(dá)標(biāo)任務(wù)。

2 研究設(shè)計(jì)與數(shù)據(jù)來(lái)源

2.1 研究設(shè)計(jì)

雙重差分法（Differences-in-Differences，DID）又稱為倍差法，是用來(lái)進(jìn)行政策影響評(píng)估、制度績(jī)效評(píng)估和項(xiàng)目評(píng)價(jià)等的一種方法。通常選擇一組未受到政策影響的地區(qū)或個(gè)體作為控制組，而將受到政策影響的地區(qū)或個(gè)體作為處理組，控制組在政策實(shí)施前后的差異可以視為純粹的時(shí)間效應(yīng)，將處理組的前后變化減去控制組的前后變化即可得到政策的“凈效應(yīng)”。雙重差分法的準(zhǔn)自然試驗(yàn)可以有效地避免環(huán)境政策問(wèn)題的內(nèi)生性和遺漏變量等問(wèn)題。

近年來(lái)，越來(lái)越多的學(xué)者開(kāi)始用雙重差分法進(jìn)行政策影響評(píng)估的研究。有關(guān)國(guó)內(nèi)環(huán)境政策影響評(píng)估的研究諸如：Yang等[22]采用準(zhǔn)雙重差分法研究了2009年中國(guó)政府提出的碳強(qiáng)度約束政策對(duì)綠色生產(chǎn)的影響。Chen等[23]將“中國(guó)碳排放交易試點(diǎn)政策”作為準(zhǔn)自然試驗(yàn)，運(yùn)用雙重差分法識(shí)別這一環(huán)境政策對(duì)企業(yè)創(chuàng)新的凈因果效應(yīng)。發(fā)現(xiàn)該政策的實(shí)施總體上會(huì)顯著減少企業(yè)創(chuàng)新，與歐盟排放交易機(jī)制的因果效應(yīng)基本一致。Qiu和He[24]使用2004—2014年的省級(jí)SO2、NO2和PM10污染物排放的年度數(shù)據(jù)，運(yùn)用雙重差分法檢驗(yàn)了中國(guó)綠色交通政策對(duì)空氣質(zhì)量的影響。Li和Chen[25]探討了我國(guó)修訂《大氣污染防治法》的效果，認(rèn)為這種政策顯著提高了大氣污染嚴(yán)重行業(yè)的全要素生產(chǎn)率。也有來(lái)自其他國(guó)家環(huán)境政策影響評(píng)估的實(shí)證研究，Chabé-Ferret和Subervie[26]對(duì)法國(guó)農(nóng)業(yè)環(huán)境政策促進(jìn)農(nóng)戶綠色農(nóng)業(yè)生產(chǎn)消費(fèi)的影響效果進(jìn)行了評(píng)估。Rivers等[27]對(duì)加拿大多倫多市一次性塑料袋稅的政策影響進(jìn)行估計(jì)，發(fā)現(xiàn)征稅增加了購(gòu)物袋重復(fù)使用率的3.4個(gè)百分點(diǎn)。Gehrsitz[28]研究量化了德國(guó)污染物低排放區(qū)對(duì)空氣質(zhì)量和出生率的正向影響。Adan和Fuerst[29]研究了碳減排目標(biāo)及社區(qū)節(jié)能計(jì)劃實(shí)施對(duì)英國(guó)國(guó)內(nèi)天然氣及總能源消耗的影響，雙重差分結(jié)果顯示這些政策使住宅能耗明顯降低。

雙重差分法檢驗(yàn)政策效應(yīng)需要滿足兩個(gè)假設(shè)條件。一是平行趨勢(shì)假設(shè)，即污染物濃度隨時(shí)間的變化趨勢(shì)在處理組城市和控制組城市應(yīng)該是相同的，保證控制組可以作為處理組的反事實(shí)場(chǎng)景。研究處理組城市和控制組城市都是毗鄰城市，所處地理位置、氣候條件等都是相近的，故滿足這一假設(shè)。另一個(gè)假設(shè)是，試點(diǎn)項(xiàng)目的實(shí)施是隨機(jī)的，與誤差項(xiàng)無(wú)關(guān)。因?yàn)椤洞髿馐畻l》試點(diǎn)城市由政府發(fā)布，在一定程度上是強(qiáng)制性的。一個(gè)城市是否被選為試點(diǎn)城市并不依賴于城市本身，主要取決于該城市是否被納入國(guó)家規(guī)劃。所以政策是外生的，不存在內(nèi)生性問(wèn)題，故研究符合此假設(shè)。

以《大氣十條》作為準(zhǔn)自然試驗(yàn)，采取雙重差分方法進(jìn)行因果識(shí)別。處理組（T）為2013 年第一批實(shí)施新的《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)（GB3095-2012）》并公開(kāi)PM2.5等指標(biāo)的74個(gè)試點(diǎn)城市，控制組（C）是未實(shí)施該政策標(biāo)準(zhǔn)的54個(gè)毗鄰城市，剔除拉薩、深圳、泰安三個(gè)空缺數(shù)據(jù)城市，總共獲得125個(gè)地級(jí)及以上城市樣本。其中，處理組72個(gè)城市，控制組53個(gè)城市，通過(guò)處理組和控制組內(nèi)樣本城市的對(duì)比來(lái)評(píng)估《大氣十條》的政策影響效果。構(gòu)建如下雙重差分模型：

其中，i代表城市，t代表月份;Emissionit表示i城市t月份在大氣中排放的污染物，選取5項(xiàng)主要空氣污染物來(lái)分析政策效果。policyit是《大氣十條》政策的虛擬變量;timeit是時(shí)間虛擬變量，政策實(shí)施之前取0，實(shí)施后取1。β1是交叉項(xiàng)的回歸系數(shù)，也是雙重差分模型重點(diǎn)考察的處理效應(yīng);γ1和γ2分別是兩個(gè)控制變量Income和SecondGDP的系數(shù)。ui為城市固定效應(yīng)，τt為時(shí)間固定效應(yīng)，εit是隨機(jī)擾動(dòng)項(xiàng)。

2.2 指標(biāo)選取和數(shù)據(jù)來(lái)源

被解釋變量：主要空氣污染物的排放量（Emissionit），分別選擇PM2.5、PM10、SO2、NO2、CO、O3 的月度排放量數(shù)據(jù)。原因在于霧霾主要由SO2、NOx和可吸入顆粒物等組成，以及臭氧會(huì)引起光化學(xué)煙霧事件等，故一并考慮。

核心解釋變量：policyit×timeit，即policyit和timeit的交叉項(xiàng)，表示2013年以后城市是否實(shí)施了《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)（GB3095-2012）》。如果屬于實(shí)施該政策標(biāo)準(zhǔn)的城市取值為1，反之為0。

控制變量：以往研究發(fā)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)、民用汽車保有量、城市常住人口、能源消耗總量、房屋建筑施工面積等對(duì)霧霾污染有顯著的正向促進(jìn)作用[10-15]。所以控制變量包括城鎮(zhèn)人均可支配收入（Income）、第二產(chǎn)業(yè)占GDP的比重（SecondGDP）。

研究數(shù)據(jù)來(lái)自于國(guó)家統(tǒng)計(jì)局統(tǒng)計(jì)年鑒、城市統(tǒng)計(jì)年鑒以及“真氣網(wǎng)”環(huán)保數(shù)據(jù)平臺(tái)（aqistudy.cn）上發(fā)布的2013年12月到2017年12月（共計(jì)49個(gè)月）樣本城市污染物排放的月均濃度指標(biāo)。共計(jì)6 125個(gè)觀測(cè)值。數(shù)據(jù)處理采用軟件STATA 13.0。

3 政策影響評(píng)估的實(shí)證檢驗(yàn)

3.1 描述性統(tǒng)計(jì)

描述性統(tǒng)計(jì)結(jié)果如表1所示。處理組和控制組的PM2.5、PM10、SO2、NO2、CO和O3的均值略有差異，但是，從我國(guó)空氣質(zhì)量標(biāo)準(zhǔn)的規(guī)定來(lái)看，兩組數(shù)據(jù)基本一致。控制組和處理組的PM2.5都沒(méi)達(dá)到35 μg/m3的年均濃度二級(jí)標(biāo)準(zhǔn)，PM10都未達(dá)到70 μg/m3的年均濃度二級(jí)標(biāo)準(zhǔn)，SO2都達(dá)到了二級(jí)標(biāo)準(zhǔn)，但未達(dá)到20 μg/m3的一級(jí)標(biāo)準(zhǔn)。對(duì)于NO2，處理組剛剛達(dá)到40 μg/m3的一級(jí)標(biāo)準(zhǔn)，控制組非常接近這一標(biāo)準(zhǔn)值。CO和O3同樣沒(méi)有太大差異。而且，整體上兩組數(shù)據(jù)最大值和最小值都比較相近，說(shuō)明樣本分布較為均勻，兩組數(shù)據(jù)具有可比性。處理組人均可支配收入約是每月2 997元，略高于控制組，全國(guó)城鎮(zhèn)居民人均可支配收入大約是每月2 609元，樣本城市人均收入水平顯然略高于全國(guó)平均值。處理組第二產(chǎn)業(yè)占總GDP的比重約為44.21%，略低于控制組，說(shuō)明首批施行《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)（GB3095-2012）》的城市總體經(jīng)濟(jì)發(fā)展水平較高，且工業(yè)對(duì)地方經(jīng)濟(jì)的貢獻(xiàn)較大。

進(jìn)一步對(duì)比政策實(shí)施前后污染物排放均值的變化情況，如表2所示。PM2.5、PM10、SO2、NO2和CO顯著降低，降幅最高近50%。其中PM2.5和PM10的降幅分別是36.33%和31.87%。分區(qū)域的PM10和PM2.5的排放變化比對(duì)，數(shù)據(jù)顯示，京津冀、長(zhǎng)三角、珠三角等區(qū)域PM2.5濃度分別下降39.6%、34.3%、27.7%，遠(yuǎn)遠(yuǎn)超過(guò)了減排25%、20%、15%左右的政策目標(biāo)。其中，北京市PM2.5月均濃度為57.33 μg/m3，達(dá)到了控制在60 μg/m3 左右的政策目標(biāo)。PM10三大區(qū)域降幅分別為38.3%、31.1%、21.9%，遠(yuǎn)遠(yuǎn)超過(guò)了政策目標(biāo)（在全國(guó)范圍內(nèi)下降10%）。然而，O3是唯一一個(gè)在政策實(shí)施之后不降反增的污染物，這也是我國(guó)近兩年空氣污染的新威脅。近地面的O3，是由排放到大氣中的前體污染物氮氧化物、CO和VOCs（揮發(fā)性有機(jī)化合物）的光化學(xué)反應(yīng)生成，而這些前體物主要來(lái)源于汽車尾氣排放、石油化工生產(chǎn)、火力發(fā)電等工業(yè)污染源排放，空氣中過(guò)量的臭氧會(huì)對(duì)人體健康產(chǎn)生顯著危害，容易引發(fā)像倫敦?zé)熿F事件或美國(guó)洛杉磯光化學(xué)煙霧事件等極端環(huán)境災(zāi)害。

3.2 DID檢驗(yàn)

為進(jìn)一步檢驗(yàn)政策影響，考慮到政策實(shí)施具有滯后效應(yīng)，選取滯后6期數(shù)據(jù)作為政策開(kāi)始的時(shí)間，即2014年6月為政策開(kāi)始的時(shí)間節(jié)點(diǎn)。從國(guó)家層面來(lái)看，《大氣十條》這種政策因素存在明顯的隨時(shí)間變化的趨勢(shì)，需要排除或控制，而且處理組和控制組城市個(gè)體差異較大，所以，同時(shí)控制時(shí)間效應(yīng)和城市效應(yīng)進(jìn)行回歸檢驗(yàn)，見(jiàn)表3。

由表3可知，《大氣十條》政策與城市污染物濃度變化之間存在高度的統(tǒng)計(jì)相關(guān)關(guān)系。從估計(jì)參數(shù)來(lái)看，PM2.5、PM10、SO2、NO2和CO的交互項(xiàng)policyit×timeit的系數(shù)在1%顯著水平上都顯著為負(fù)，說(shuō)明政策實(shí)施之后，試點(diǎn)城市大氣中PM2.5、PM10、SO2、NO2和CO的濃度在平均水平上分別下降685.14%、650.72%、479.05%、359.55%和7.06%。這些結(jié)果表明，《大氣十條》政策對(duì)空氣污染物的含量具有顯著負(fù)向影響，降低了PM2.5、PM10、SO2、NO2和CO等污染物的濃度。但是，政策對(duì)于O3沒(méi)有顯著抑制作用?？赡茉蚴恰洞髿馐畻l》主要是針對(duì)可吸入顆粒物的減排政策，較少針對(duì)O3生成前體物VOCs排放的控制。

城鎮(zhèn)人均可支配收入與PM2.5、PM10、SO2和CO顯著負(fù)相關(guān)。說(shuō)明城鎮(zhèn)人均可支配收入越高，PM2.5、PM10、SO2和CO污染物的含量就越低，可能的原因是在經(jīng)濟(jì)較發(fā)達(dá)的高收入城市，非工業(yè)經(jīng)濟(jì)是城市的主要支柱產(chǎn)業(yè)，且市民環(huán)保意識(shí)較高，政府環(huán)境管理水平較高，對(duì)建筑施工用地的浮塵管理較好，會(huì)減少空氣中可吸入顆粒物、硫化物和碳氧化物的排放。

城鎮(zhèn)人均可支配收入與NO2和O3存在顯著正相關(guān)關(guān)系。說(shuō)明城鎮(zhèn)人均可支配收入越高，NO2和O3的含量就越高，可能是由于NO2的排放主要來(lái)自汽車尾氣，收入越高的地區(qū)，私家車擁有量就越高，導(dǎo)致NO2排放量升高，前體物NO2含量的升高必然會(huì)帶來(lái)O3含量的升高。

第二產(chǎn)業(yè)占總GDP的比重（SecondGDP）與PM2.5、PM10、SO2、NO2和CO都是顯著正相關(guān)關(guān)系，說(shuō)明一個(gè)城市的第二產(chǎn)業(yè)比重越高，空氣中PM2.5、PM10、SO2、NO2和CO的含量就越多，這符合第二產(chǎn)業(yè)中主要包含采礦業(yè)、制造業(yè)、建筑業(yè)、重化工行業(yè)，需要消耗大量能源且綜合利用效率較低等特征導(dǎo)致污染物排放偏多。SecondGDP與O3的排放量存在顯著負(fù)相關(guān)關(guān)系。

3.3 穩(wěn)健性檢驗(yàn)

為保證回歸結(jié)果的可靠，分別采取平行趨勢(shì)假設(shè)、反事實(shí)分析、增加控制變量的方法對(duì)上述結(jié)果進(jìn)行穩(wěn)健性檢驗(yàn)。

3.3.1 平行趨勢(shì)檢驗(yàn)

通過(guò)動(dòng)態(tài)效應(yīng)驗(yàn)證平行趨勢(shì)假設(shè)，如圖1所示。處理組和控制組的PM2.5、PM10、SO2、NO2、O3和CO的均值在政策實(shí)施前呈同趨勢(shì)變化，不存在明顯的“阿森菲爾特沉降”（Ashenfelters dip），滿足平行趨勢(shì)假設(shè)。由于政策存在滯后效應(yīng)，從圖1可以明顯看出，PM2.5、PM10、SO2和NO2

月均濃度在2014年6月以后呈周期性下降趨勢(shì);而O3則呈明顯周期性上漲趨勢(shì);CO下降趨勢(shì)不明顯（符合DID檢驗(yàn)中下降比例較少的結(jié)果）。各污染物的周期性波動(dòng)是由于空氣污染物受氣候因素的影響，霧霾污染季節(jié)性特征明顯，秋冬季污染較為嚴(yán)重，春夏季污染物濃度較低。

3.3.2 反事實(shí)分析

使用時(shí)間反事實(shí)檢驗(yàn)對(duì)其他影響因素進(jìn)行排除，將政策發(fā)生的時(shí)間推遲1a，即2015年，其他變量不改變，并進(jìn)行估計(jì)。如果估計(jì)結(jié)果顯著，則說(shuō)明存在其他因素的干擾;如果估計(jì)不顯著，則說(shuō)明模型具有穩(wěn)定性。反事實(shí)回歸結(jié)果顯示不顯著，并沒(méi)有得到與真實(shí)效應(yīng)相同的顯著負(fù)效應(yīng)，其中CO還顯著為正，說(shuō)明DID模型回歸結(jié)果穩(wěn)?。ū砺裕?/p>

3.3.3 增加控制變量

汽車尾氣排放是城市空氣污染的一個(gè)重要原因。為此，除了Income和SecondGDP以外，增加城市私人汽車擁有量（萬(wàn)輛，縮寫為Car）作為控制變量來(lái)檢驗(yàn)?zāi)Ｐ偷姆€(wěn)定性，回歸后得到與之前一致的研究結(jié)果（表略），說(shuō)明DID回歸模型穩(wěn)健性較好。

4 結(jié)論與政策建議

基于我國(guó)125個(gè)地級(jí)及以上城市6 125個(gè)觀測(cè)面板數(shù)據(jù)，通過(guò)DID法評(píng)估《大氣十條》的政策影響。研究結(jié)論：該政策基本實(shí)現(xiàn)了預(yù)期目標(biāo)，即政策實(shí)施后使可吸入顆粒物濃度比2012年下降10%以上。全國(guó)平均PM2.5和PM10的實(shí)際降幅分別是36.33%和31.87%，京津冀、長(zhǎng)三角、珠三角等區(qū)域PM2.5濃度分別下降39.6%、34.3%、27.7%，三大區(qū)域PM10的降幅分別為38.3%、31.1%、21.9%，其中，北京市PM2.5月均濃度為57.33 μg/m3，已經(jīng)控制在60 μg/m3左右的政策目標(biāo)。O3的排放量控制效果不顯著。而且，DID模型估計(jì)結(jié)果進(jìn)一步證實(shí)了這種政策影響，該政策對(duì)試點(diǎn)城市大氣中PM2.5、PM10、SO2、NO2和CO的排放量控制存在顯著負(fù)效應(yīng)，在1%顯著性水平上月均濃度分別下降了685.14%、650.72%、479.05%、359.55%和7.06%。因此，總體上看該項(xiàng)政策已經(jīng)達(dá)標(biāo)完成，一定程度上控制了主要空氣污染物的排放量，但是分解不同污染物、分區(qū)域或者是具體到不同城市的空氣質(zhì)量絕對(duì)值仍未達(dá)到國(guó)家空氣質(zhì)量控制標(biāo)準(zhǔn)。

該研究結(jié)論與國(guó)內(nèi)學(xué)者類似研究結(jié)果基本一致。曹志文等[30]僅選取了政策實(shí)施期間部分時(shí)段（2013—2016年）的74個(gè)地級(jí)市年均PM2.5濃度數(shù)據(jù)，運(yùn)用多元回歸分析檢驗(yàn)了《大氣十條》發(fā)布前后PM2.5年均值的差異及其影響因素。高文康等[31]通過(guò)對(duì)比2013—2014年74個(gè)重點(diǎn)城市在《大氣十條》頒布前后主要污染物濃度數(shù)據(jù)和OMI衛(wèi)星數(shù)據(jù)，分析不同地區(qū)PM2.5濃度下降的原因。不同于前二者，該研究運(yùn)用雙重差分法評(píng)估政策影響，通過(guò)準(zhǔn)自然試驗(yàn)分別選擇72個(gè)處理組和53個(gè)控制組進(jìn)行比對(duì)，排除其他因素的干擾影響，檢驗(yàn)了該政策與主要空氣污染物排放量之間的因果關(guān)系，不僅僅驗(yàn)證了PM2.5排放量的達(dá)標(biāo)完成是該政策的實(shí)施效果之一，更是檢驗(yàn)了包括PM10、SO2、NO2、CO、O3等污染物濃度的下降水平與該政策實(shí)施之間的因果關(guān)系，觀測(cè)數(shù)據(jù)包括此政策實(shí)施5年間的（2013—2017年）月均排放濃度。

盡管短期看此項(xiàng)政策產(chǎn)生了積極影響，但是，全部樣本城市的空氣質(zhì)量距離國(guó)家規(guī)定PM2.5年均標(biāo)準(zhǔn)濃度35 μg/m3還有很大的差距，大氣污染依然嚴(yán)峻。治理大氣污染更是需要出臺(tái)長(zhǎng)期有效的政策，為此，提出以下政策建議。

（1）空氣質(zhì)量管理監(jiān)督更加科學(xué)化和精細(xì)化。基于愈加完善的環(huán)境管理大數(shù)據(jù)，可以更加方便和有效地進(jìn)行環(huán)境監(jiān)督和管理?！洞髿馐畻l》主要是針對(duì)可吸入顆粒物的減排政策，而對(duì)于揮發(fā)性有機(jī)物（VOCs）和O3的排放并沒(méi)有具體限制，僅僅只提出要推進(jìn)揮發(fā)性有機(jī)物污染治理，而具體VOCs降低多少，石化、有機(jī)化工、表面涂裝、包裝印刷等行業(yè)在該項(xiàng)政策執(zhí)行中完成質(zhì)量如何都沒(méi)有具體規(guī)定和有效監(jiān)督。有研究表明，PM2.5濃度降低導(dǎo)致氣溶膠對(duì)大氣中自由基的吸收減少，進(jìn)而導(dǎo)致O3生成增加，因此針對(duì)O3含量逐漸增多的威脅，政府應(yīng)該盡快出臺(tái)限制臭氧生成前體物VOCs排放量的相關(guān)政策，協(xié)同控制PM2.5和O3污染，并監(jiān)督相關(guān)行業(yè)的具體執(zhí)行效果，及時(shí)報(bào)告并信息公開(kāi)?！洞髿馐畻l》中還缺乏對(duì)于移動(dòng)源污染的控制，針對(duì)CO的排放量減排，一方面要發(fā)展清潔能源和可再生能源，調(diào)整能源結(jié)構(gòu)，推廣民用燃料清潔化政策;另一方面，關(guān)于燃煤電廠、燃煤鍋爐和工業(yè)窯爐的污染治理設(shè)施建設(shè)與改造工作沒(méi)有得到良好執(zhí)行以及系統(tǒng)監(jiān)督，政府要全面推進(jìn)“大氣污染防治網(wǎng)格化綜合信息平臺(tái)”在各省市的投入與使用，通過(guò)統(tǒng)一平臺(tái)、統(tǒng)一數(shù)據(jù)、統(tǒng)一監(jiān)管，實(shí)現(xiàn)環(huán)保數(shù)字化監(jiān)管，政策指向性更加精準(zhǔn)，即針對(duì)不同污染物制定控制政策，使空氣質(zhì)量管理更加科學(xué)化和精細(xì)化。

（2）空氣污染治理需要長(zhǎng)效政策。《大氣十條》僅給出了五年的階段性任務(wù)，而空氣質(zhì)量的改善是一個(gè)長(zhǎng)期的系統(tǒng)工程，不可能一蹴而就，政府要出臺(tái)空氣污染治理的長(zhǎng)效政策，要重視橫向政府間與縱向政府間各類環(huán)境政策性文件的連貫性，在治理目標(biāo)上達(dá)成一致。進(jìn)行政策評(píng)估并不斷跟蹤評(píng)估效果，公開(kāi)政策評(píng)估信息，根據(jù)不同階段、不同地區(qū)的具體執(zhí)行情況不斷改進(jìn)制度。下一步政策的制定不只是針對(duì)PM2.5和PM10的短期排放控制，要增加SO2、NO2、CO和O3等污染物的具體排放控制指標(biāo)，逐漸提高空氣質(zhì)量標(biāo)準(zhǔn)，爭(zhēng)取早日達(dá)到世界衛(wèi)生組織設(shè)定的空氣質(zhì)量標(biāo)準(zhǔn)，便于中國(guó)更加積極地進(jìn)行環(huán)境外交并參與全球大氣污染防治。

該研究的不足之處在于未考慮這項(xiàng)政策的長(zhǎng)期影響，而且僅僅就排放量下降的百分比進(jìn)行了比對(duì)和識(shí)別，未使用優(yōu)良空氣天數(shù)來(lái)直接考量空氣質(zhì)量控制效果。數(shù)據(jù)處理方面還可以加入建筑工地施工面積等更多的控制變量，從更多視角進(jìn)行深入研究。

（編輯：李 琪）

參考文獻(xiàn)

[1]STEPHEN S L， THEO V， ABRAHAM D F， et al. A comparative risk assessment of burden of disease and injury attributable to 67 risk factors and risk factor clusters in 21 regions， 1990-2010： a systematic analysis for the global burden of disease study 2010[J]. Lancet， 2012， 380（9859）：2224-2260.

[2]周嶠. 霧霾天氣的成因[J]. 中國(guó)人口·資源與環(huán)境， 2015（S1）：211-212.

[3]張生玲， 王雨涵， 李躍， 等. 中國(guó)霧霾空間分布特征及影響因素分析[J]. 中國(guó)人口·資源與環(huán)境， 2017（9）：15-22.

[4]ZHANG X Y，WANG Y Q，LIN W L，et al. Changes of atmospheric composition and optical properties over Beijing 2008 Olympic Monitoring Campaign[J].

Bulletin of the American Meteorological Society，2009，90（11）：1633-1651.

[5]呂效譜，成海容，王祖武，等.中國(guó)大范圍霧霾期間大氣污染特征分析[J].湖南科技大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2013， 28（3）： 104-110.

[6]任毅， 郭豐. 長(zhǎng)江經(jīng)濟(jì)帶霧霾污染空間效應(yīng)與影響因素分析[J]. 經(jīng)濟(jì)與管理， 2019， 33（1）： 49-56.

[7]ASUMADU S S， VLADIMIR S. Empirical study of the Environmental Kuznets Curve and Environmental Sustainability Curve hypothesis for Australia， China， Ghana and USA[J]. Journal of cleaner production， 2018，201： 98-110.

[8]郭愛(ài)君， 胡安軍. 中國(guó)城市霧霾的影響因素研究[J]. 統(tǒng)計(jì)與決策， 2018， 34（19）：105-108.

[9]東童童，李欣，劉乃全. 空間視角下工業(yè)集聚對(duì)霧霾污染的影響——理論與經(jīng)驗(yàn)研究[J].經(jīng)濟(jì)管理，2015（9）：29-41.

[10]LARKIN A， VAN D A， GEDDES J A， et al. Relationships between changes in urban characteristics and air quality in East Asia from 2000 to 2010[J]. Environmental science & technology， 2016， 50： 9142-9149.

[11]HAN L J， ZHOU W Q， PICKETT S T， et al. Multicontaminant air pollution in Chinese cities[J]. Bulletin of the world health organization， 2018， 96： 233-242.

[12]馮少榮， 馮康巍. 基于統(tǒng)計(jì)分析方法的霧霾影響因素及治理措施[J]. 廈門大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2015， 54（1）：114-121.

[13]陳弄祺， 許瀛. 北京霧霾污染影響因素實(shí)證分析[J]. 中國(guó)人口·資源與環(huán)境， 2016（S2）： 82-85.

[14]馬麗梅，張曉.中國(guó)霧霾污染的空間效應(yīng)及經(jīng)濟(jì)、能源結(jié)構(gòu)影響[J].中國(guó)工業(yè)經(jīng)濟(jì)，2014（4）：19-31.

[15]LI Z，XU N，YUAN J.New evidence on trade-environment linkage via air visibility[J]. Economics letters，2015，128：72-74.

[16]GUAN D，SU X，ZHANG Q，et al.The socioeconomic drivers of Chinas primary PM2.5 emissions[J]. Environmental research letters， 2014， DOI： 10.1088/1748-9326/9/2/024010.

[17]李根生，韓民春.財(cái)政分權(quán)、空間外溢與中國(guó)城市霧霾污染： 機(jī)理與證據(jù)[J]. 當(dāng)代財(cái)經(jīng)， 2015（6）：26-34.

[18]王美霞. 霧霾污染的時(shí)空分布特征及其驅(qū)動(dòng)因素分析——基于中國(guó)省級(jí)面板數(shù)據(jù)的空間計(jì)量研究[J]. 陜西師范大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版）， 2017（3）： 38-48.

[19]潘慧峰，王鑫，張書宇. 霧霾污染的持續(xù)性及空間溢出效應(yīng)分析——來(lái)自京津冀地區(qū)的證據(jù)[J]. 中國(guó)軟科學(xué)，2015（12）：134-143.

[20]冷艷麗，杜思正. 能源價(jià)格扭曲與霧霾污染——中國(guó)的經(jīng)驗(yàn)證據(jù)[J]. 產(chǎn)業(yè)經(jīng)濟(jì)研究， 2016（1）：71-79.

[21]李力，唐登莉，孔英，等. FDI 對(duì)城市霧霾污染影響的空間計(jì)量研究——以珠三角地區(qū)為例[J]. 管理評(píng)論， 2016， 28（6）：11-24.

[22]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.

[23]CHEN F， BEIBEI S， RONG K. Does environmental policy reduce enterprise innovation？ evidence from China[J]. Sustainability， 2017， 9（6）： 872-879.

[24]QIU L Y， HE L Y. Can green traffic policies affect air quality？ evidence from a Difference-in-Difference estimation in China[J]. Sustainability， 2017， doi：10.3390/su9061067.

[25]LI S， CHEN G. Environmental regulation and the growth of productivity in China： evidence from the revision of air pollution prevention and control law in 2000[J]. Economic research journal， 2013（1）： 17–31.

[26]CHAB-FERRET S， SUBERVIE J. How much green for the buck？ estimating additional and windfall effects of French agro-environmental schemes by DID-matching[J]. Journal of environmental economics and management， 2013， 65（1）： 12-27.

[27]RIVERS N， SHENSTONE-HARRIS S， YOUNG N. Using nudges to reduce waste？ the case of Torontos plastic bag levy[J]. Journal of environmental management， 2017，188： 153-162.

[28]GEHRITZ M. The effect of low emission zones on air pollution and infant health[J]. Journal of environmental economics and management， 2017，83： 121-144.

[29]ADAN H， FUERST F. Do energy efficiency measures really reduce household energy consumption？ a Difference-in-Difference analysis[J]. Energy efficiency， 2015， 9（5）： 1-13.

[30]曹志文， 石影， 牛曉葉. 我國(guó)大氣污染防治行動(dòng)計(jì)劃的有效性檢驗(yàn)與評(píng)價(jià)——基于會(huì)計(jì)實(shí)證方法角度[J]. 商業(yè)會(huì)計(jì)， 2018 （21）： 41-44.

[31]高文康， 唐貴謙， 吉東生， 等. 2013—2014年《大氣污染防治行動(dòng)計(jì)劃》實(shí)施效果及對(duì)策建議[J]. 環(huán)境科學(xué)研究， 2016， 29（11）：1567-1574.