大氣污染治理效率與環境政策工具選擇
——基于29個省市的經驗證據

鄭石明，羅凱方

(1.華南理工大學 公共管理學院，廣東 廣州 510641；2.中南大學 公共管理學院，湖南 長沙 410083)

大氣污染治理效率與環境政策工具選擇
——基于29個省市的經驗證據

鄭石明1，羅凱方2

(1.華南理工大學 公共管理學院，廣東 廣州 510641；2.中南大學 公共管理學院，湖南 長沙 410083)

基于我國29個省市2005-2014年大氣污染治理面板數據，運用超效率DEA模型測算出大氣污染治理效率，并運用面板校正標準誤(PCSE)模型評估三類政策工具對大氣污染治理效率的影響。研究顯示：對比2005年與2014年的聚類結果顯示，十年前后，海南、寧夏和內蒙古均居高效率組，湖南、廣東、四川和天津則一直處于低效率組，上海從高效率組跌至低效率組。政策工具的滯后回歸表明，我國管制型和市場型政策工具對大氣污染治理均有成效，與治理效率呈正相關，自愿型政策工具則對大氣污染治理效率暫無正向影響。該結果通過了穩健性檢驗。

大氣污染治理效率；環境政策工具；超效率DEA模型

Abstract：Based on the panel data of 29 provinces and municipalities in 2005-2014, super-efficiency DEA model is employed to measure the air pollution abatement efficiency. Subsequently we employ panel-corrected standard error model to evaluate the impacts of policy tools on air pollution abatement efficiency. The results suggest that Hainan, Ningxia and Inner Mongolia were clustered in high efficiency group in 2005 and 2014, while Hunan, Guangdong, Sichuan and Tianjin in low efficiency group. Shanghai dropped from the high efficiency group in 2005 to the low in 2014. The lag regression results of policy tools’ impacts reveal that regulatory and market-oriented policy tools are effective and positively correlated with air pollution abatement efficiency, while voluntary policy tools has been witnessed no positive correlation. The results above have passed the robustness test.

Keywords:air pollution abatement efficiency; environmental policy tools; super-efficiency DEA

一、引言

隨著中國工業化與城市化進程深入推進，空氣污染防治工作也進入了攻堅期和深水區。由京津冀、長三角和珠三角領銜的東中部區域作為中國經濟發展最為快速的區劃，近年來接連爆發大氣重污染事件，劇烈惡化的大氣質量不僅危害人民身體健康，還使得地區經濟社會可持續發展陷入瓶頸，迫使區域經濟必須應對愈發嚴峻的環境挑戰。首先，隨著大氣污染防治投入的逐年提高，許多學者用“效率”來評估大氣污染治理，追求以最少的治理投入帶來最大的產出。那么，我國各省份基于不同的經濟發展水平，是否在環境政策的推動下實現了大氣污染治理效率的改善？是什么因素在影響我國各省份的大氣污染治理效率？

其次，基于環境負外部性的特征，政府適時地進行政策干預十分必要。為提高大氣污染治理效率，環境政策正是關鍵因素。2000年以來，我國大氣污染物特征轉變，政府開始推廣信息公開和公眾參與等自愿型環境政策，持續完善和豐富環境法治[1]。近年來，重污染天氣頻頻爆發，大氣污染治理政策體系日益豐富，大氣污染防治政策工具從以管制型為主導逐步演變為以管制型、市場型和自愿型政策工具相結合的環境政策工具矩陣，說明僅僅依靠強制性手段已不能壓制愈加復雜的大氣污染現狀，必須接納多種政策工具共同參與的政策結構。這時衡量和評估各類環境政策工具的績效就顯得尤為重要。對中國來說，三種政策工具的大氣污染防治效果究竟如何？對大氣污染治理效率的影響是否存在差異？哪類政策工具對改善大氣污染起主要作用？面對不同類型的政策工具，中國應該如何從當前環境政策體系中構建出最合適的政策工具組合呢？這些都是優化我國環境政策工具體系，改善我國環境政策績效亟待解決的問題。

二、文獻綜述

污染治理效率一般用于衡量污染防治工作中投入與產出的相對有效性。在測算我國省際大氣污染治理效率方面，Super-SBM模型[2]和超效率DEA模型[3]均有使用。考慮到傳統DEA模型有效單元的最大值為100%，當多個單元效率值達到100%時無法區分高下，而超效率DEA模型則恰好彌補了這一點，本文也將選擇超效率DEA模型來測算中國省際大氣污染治理效率。

環境政策是我國為實現環境質量改善而出臺實施的一系列防治、控制和協調等環境措施的總和。國際上按強制程度劃分環境政策工具，經濟合作與發展組織(OECD)將環境政策工具劃分為：命令-控制方法、經濟手段和勸說式手段等三類[4]。世界銀行(World Bank)則劃分為：利用市場、創建市場、環境管制和公眾參與[5]。國內學者也對劃分環境政策工具有所研究，如張坤民等[6]認為中國環境政策常用四類手段：命令-控制手段、市場經濟手段、自愿行動和公眾參與。趙新峰等[7]結合我國區域大氣污染防治實踐劃分為三大類：管制型、市場型和自愿型政策工具。

自環境政策面世以來，環境政策的績效研究頗受學者們的青睞。陳傲[8]發現以排污費為代表的市場型政策工具對生態效率作用不顯著。Xue[9]認為“十二五”實施的國家排放總量控制(NTEC)將降低2015年全國SO2和NO2的平均濃度，這類“政治性藍天”的研究從側面考察了管制型工具的治理效果。曾冰[10]則建立固定效應模型探討環境政策工具對環境質量的改善作用，結果表明市場型工具對各類污染抑制作用顯著，而管制型和自愿型工具僅對某類污染有效。

現有環境政策文獻中基于經濟學視角的研究較多，而基于政策工具的研究較少[11]；其次更少學者從政策工具入手，研究其對大氣污染治理效率的影響，并進行政策工具的優化選擇。

三、理論框架

基于政策網絡視角，如圖1所示，當前我國大氣污染防治政策的運行，以中央政府、地方政府和排污企業及個人為核心，三者圍繞大氣污染防治政策進行互動博弈。對地方政府來說，在環境保護和經濟增長的雙重任務之間有一個權衡[12]，規制俘獲視角下，地方政府易受區域經濟發展激勵的影響而放松對排污企業的規制[13]。從制度分析出發，中國特有的“政治集權、財政分權與行政分權”治理結構，引致政策制定與執行環節存在分離性[14]，中央政府、地方政府和排污企業間因信息不對稱和監管缺失進行利益博弈。圖2總結了管制型、市場型和自愿型政策工具提升大氣污染治理效率的作用機理和路徑。

圖2 大氣污染治理政策工具作用機理

四、大氣污染治理效率測算

(一)模型的選擇

Andersen等[15]創建超效率DEA模型，以實現DEA有效決策單元的再排序。式(1)為以產出為導向的徑向規模報酬變化超效率DEA模型。假設有n個決策單元(DMUj:j=1,2,…,n)，各決策單元都針對大氣污染治理投入了m種要素，xij(i=1,2,…,m)，產生了s種產出，yrj(r=1,2,…,s)，與要素投入和產出相對應的投入產出向量為(X，Y)。

(1)

(二)指標選擇與數據來源

大氣污染治理效率的測算包括投入變量和產出變量。投入變量方面，以“廢氣治理設施數”、“環境保護系統年末實有人數”和“廢氣治理運行費用”衡量人力物力投入。考慮到各省污染物排放量存在較大差距，起點不一，單獨選取大氣污染物的去除量不具參考性，因此本文將同時選取大氣污染物的排放量和去除量作為產出變量。去除量和排放量數據由工業二氧化硫、煙塵、粉塵去除量構成。其中由于2011-2014年去除量數據缺失，筆者收集和整理數據的方式為：(1)搜集三種大氣污染物的產生量信息，依據公式“產生量=排放量+去除量[16]”計算得到該階段去除量數據。(2)由于《中國環境年鑒》將“工業煙塵”和“工業粉塵”合并成了“工業煙(粉)塵”指標，筆者也只能沿用。工業煙、粉塵同為產出變量，合并這兩個指標不會對結果產生影響。考慮到排放量是大氣污染治理的負產出，筆者對排放量數據取倒數。本文以2005-2014年中國29個省份、直轄市、自治州的相應大氣環境數據為樣本(不含西藏、青海、港澳臺)，統計數據來源于2005-2014年《中國環境統計年鑒》和《中國環境年鑒》。

(三)我國大氣污染治理效率及結果分析

表1為大氣污染治理效率測算結果。提取2005年與2014年的省際大氣污染治理效率數據并標準化，運用SPSS 19.0進行聚類分析，劃歸為高效率組、中效率組和低效率組三類，對比十年前后大氣污染治理的效果變化。由于海南省的效率值遠高于其他省份，作為個案將會影響結果，因此在標準化和聚類分析時均將海南省剔除，默認海南省為高效率組。聚類結果見表2。

表1 2005-2014年各省大氣污染治理超效率值

注：東、中、西部地區的排名平均值為所屬各省份排名的算術平均值。

表2 大氣污染治理效率值聚類結果對比

結合表1與表2，從省際維度看，海南、寧夏和內蒙古三省十年前后均位于高效率組，可能是因為這些省份污染少、污染物特征單一，大氣污染治理工作較易有成效，同時對大氣污染治理投入適當。尤其是海南省，其人力物力投入僅為其他省份的1/10，甚至1%，同時排放量又極低(僅為其他省份的1/50)，由此形成了海南省效率值極高的結果。此外，上海大氣污染治理效率逐年遞減，從2005年高效率組跌至2014年的低效率組，湖南、廣東、四川和天津則一直處于低效率組，十年來污染治理進展緩慢。不難看出，東部地區盡管在資金和技術上獨占鰲頭，治理大氣污染時依然處于下風，原因可能在于東部大氣污染物數量龐大且特征復雜的固有缺陷，且隨著大氣污染治理縱深發展，治理難度逐步加大，加大環境資金與環保技術的投入也無法彌補治理難度大的劣勢。

五、環境政策工具對大氣污染治理效率的影響實證分析

(一)研究假設

基于理論分析，本文將環境政策分為三類，分別是管制型、市場型和自愿型政策工具。

管制型政策工具指由國家出臺并強制實施的一系列法律法規，是我國環境政策的主導工具。排污企業往往費盡心機與其博弈，以求降低環保成本。因為在取得相應的環保成效后，治污企業可以更好地應對即將出臺的環保標準。此外，若整個行業的污染治理情況都有所提高，那么未來針對該行業繼續進行環境管制的可能性和嚴苛性都會有所降低。由此，提出假設1：管制型環境政策力度越強，大氣污染治理效率越高。

市場型政策工具利用經濟激勵手段，通過改變污染排放者的經濟成本或效益，間接達到環境質量改善的目的，其本質主要體現了“污染者付費原則(polluter pays principle，PPP原則)”。市場型政策工具的優勢在于低成本高效率以及對技術革新擴散的持續激勵[17]。由此，提出假設2：市場性政策工具執行力越強，大氣污染治理效率越高。

自愿型政策工具的目標群體是社會公眾，是除了管制型環境政策工具和市場型環境政策工具之外的所有環境政策，涵蓋環境信息公開、環境宣教、公眾參與等[18]。環境宣教為培養環境友好型習慣奠定基礎，通過提升社會公眾對環境政策的理解和接受程度，潛移默化地改變人們的態度和行為，進而提高環境政策績效[19]。關于公眾信訪的不少研究表明公眾對環境問題的關注可顯著地增強排污企業的環境績效，不論是在發達國家[20]，還是在發展中國家[21]。一般認為，公眾關注度高，側面體現了該地區當年污染嚴重，即大氣污染治理效率與公眾關注度應呈負相關關系。為避免研究結果出現該誤解，本文將對政策工具的衡量指標做滯后處理，滯后回歸不僅解決了公眾關注度與大氣污染治理效率互為因果的混亂問題，也還原了政策執行存在的時間滯后效應。由此，提出假設3：自愿型政策工具中公眾關注度越高，大氣污染治理效率越高。

(二)變量選擇與模型設定

本文以2005-2014年各地區(不含西藏、青海、港澳臺)的相關政策數據為研究樣本。大氣污染治理效率(Y)直接沿用上文超效率DEA模型的測算結果，引入面板數據模型。

影響大氣污染治理效率的三類環境政策工具包括：

1．管制型環境政策

“三同時”制度是我國特有的一項管制型環境政策，它要求申請項目的污染防治設施應當與主體工程同時設計、同時施工、同時投產，“三同時”制度是中國環境政策中源頭控制的有力手段。基于數據的可得性，本文以“三同時環保驗收項目環保投資(ST3)”作為管制型環境政策的表征指標。

2．市場型環境政策

政府實施最早的手段是征收排污費。雖然近年來排污權交易和環境稅等新型環境措施開始走進公眾視野，但由于數據收集較難且數據不完整，故本文選擇“排污費征收總額(PWF)”作為其替代指標，為剔除物價波動的影響，本文以2005年的商品零售價格指數為基期，對排污費征收總額進行初步數據處理。

3．自愿型環境政策

目前在我國應用較少，2005-2014年間企業污染排放信息強制披露制度以及政府相關部門環境信息公開制度均未落實，故本文依據該類型環境政策的特征選取表征居民環保意識的“環境污染來信來訪總數(XF)”來衡量。

4．控制變量及其解釋

我們共引入四個控制變量：①各地區經濟發展水平，用人均GDP(PCGDP)衡量；②各地區工業依賴程度，用第二產業占GDP比重(SI)衡量；③各地區外商直接投資，用年末登記的外商投資企業投資額(FDI)衡量；④各地區研發投入，用各地區R&D研發經費支出(RD)衡量。其對因變量的影響如下：

(1)經濟發展水平和產業結構。除經濟增長與環境污染呈倒“U”型關系外，Grossman等[22]發現在不同經濟發展階段，產業結構演變與環境污染也呈倒“U”型關系。這兩個因素有兩種解讀：第一種解讀是當地方產業結構不合理時，比如第二產業占比大，經濟發展水平越高，工業行業“高污染、高能耗、高排放”的粗放模式將排放更多污染物，拉低大氣污染治理效率；第二種解讀是，在地方產業結構合理的情況下，第三產業或高新技術產業推動經濟增長，并逐漸開始追求良好的環境質量，進而提高大氣污染治理效率。

(2)外商直接投資。與“污染避難所”假說相反，Kirkulak等[23]認為加入WTO后，FDI的流入會減輕中國大氣污染，這一結果可歸因于FDI同時也是先進技術的主要來源。

(3)研發投入。排污企業主動或被動地增加對環保設備和技術的研發投入，有利于排污企業進行技術創新，開發出適宜企業的設備和技術，改進大氣污染治理措施。

綜上，設定面板滯后回歸模型如方程(2)，其中i為各省份、直轄市、自治州，t為年份(2005-2014)。β0-8表示估計系數，μt+εit為復合擾動項。

Yit=β0+β1ST3i(t-1)+β2PWFi(t-1)+β3XFi(t-1)+β4PCGDPit+β5SIit+β6FDIit+β7RDit+μt+εit

(2)

(三)數據來源與描述性統計

本文數據來自2005-2014 年中國29個地區(不含西藏、青海和港澳臺)。表2為具體數據來源，表4為變量描述性統計。

(四)實證結果與分析

首先基于F檢驗P值為0.0000的結果，拒絕使用混合模型，采用個體固定效應模型。其次通過“Wooldridge”和“Modified Wald”檢驗診斷模型是否存在自相關與異方差。結果表明固定效應模型存在異方差和自相關(見表5)。Beck和Katz[24]提出了面板校正標準誤方法，以面板校正標準誤來替換OLS標準誤，實現穩健預測。因而，本文也選取面板校正標準誤(PCSE)模型進行估計，來調整面板數據中存在個體效應的系數標準差，以控制異方差和自相關。PCSE模型滯后回歸結果見表6。

表3 數據來源表

資料來源：作者根據中華人民共和國國家統計局數據庫數據自制。

表4 變量描述性統計

注：數據根據四舍五入法則保留小數點后三位。

表5 面板數據模型的F檢驗、異方差和自相關檢驗結果

資料來源：作者根據中華人民共和國國家統計局數據庫數據自制。

表6 面板校正標準誤(PCSE)模型滯后回歸結果

注：*、**和***分別表示在10%、5%和1%的顯著性水平下顯著。數據依據四舍五入保留至小數點后四位。

回歸結果表明，幾乎所有參數都在5%甚至1%的置信水平下顯著，R-squared模型擬合優度為28.8%。下面，我們將具體分析各顯著性變量：

1.管制型政策工具對大氣污染治理效率有正向影響

三同時環保驗收項目環保投資與大氣污染治理效率在P值為5%的置信水平下呈正相關。且在其他因素不變的情況下，三同時環保驗收項目環保投資每增加1%，大氣污染治理效率提高0.7800。在中國環境治理情境下，以“三同時”制度為代表的管制型政策工具卓有成效。許多學者的研究都驗證了這一點。Zheng等[25]發現地方節能法規和環境排放標準有助于提高地方大氣質量。Brouhle等[26]實證研究的結論是：管制壓力對企業參與決策與企業環境績效的改善有顯著影響。驗證了假設1。

2.市場型政策工具對大氣污染治理效率有正向影響

排污費征收總額與大氣污染治理效率在P值為5%的置信水平下呈正相關。且在其他因素不變的情況下，排污費征收總額每增加1%，大氣污染治理效率提高0.0802。理論一般認為，管制型政策工具靈活性差，成本高，是不經濟、無效率的，從政策目標考量，比不上市場型工具，因為后者可通過外生加價，影響企業主的收益，擁有更高成本有效性。不少研究均肯定了污染收費政策的減排效果[27-28]。驗證了假設2。

3.自愿型政策工具對大氣污染治理效率暫無正向影響

環境污染來信來訪總數與大氣污染治理效率在P值為5%的置信水平下呈負相關。在其他因素不變的情況下，環境污染來信來訪總數每增加1%，大氣污染治理效率降低0.2183。該結果表明，公眾的環境訴求還無法得到滿足。一方面，非管制性壓力尚不足以對企業的排污行為構成威脅。首先，中國公民對環境治理的態度較為消極，公眾參與度不高。其次，《中國環境年鑒》中各地區每年環境來信來訪數量與已辦結數量間存在巨大差距，表明地方環保部門對公民環境訴求未予以足夠重視，以致落實不及時，側面體現社會公眾的監督作用有限[29]。另一方面，自愿型環境政策的落實依賴管制壓力。Arimuna等[30]發現自愿型工具與管制型工具組合使用效果更好。王惠娜[31]通過梳理文獻得到：管制壓力持續存在是企業自愿削減排污量的必要條件。但事實上中國環境管制與經濟發展沖突，往往被地方政府弱化。綜上所述，目前不論是環境管制壓力還是非管制壓力，中國都比較薄弱，即便企業違背自愿性削減協議，所需承擔的違約成本往往極低。因此自愿型環境政策工具在中國環境治理中難以發揮效用，還需依靠管制壓力。

4.控制變量

控制變量均與大氣污染治理效率呈現高度相關性。(1)人均GDP與大氣污染治理效率呈顯著負相關。一方面，目前中國處于經濟發展轉型的過渡期，地方政府仍在走“重經濟，輕環境”的老路；另一方面，總體上看，中國大部分省份尚未達到“倒U”曲線的拐點，隨經濟增長環境污染將不斷加重[32]。(2)第二產業占GDP的比重與大氣污染治理效率呈顯著負相關。工業企業是大氣污染物的主要來源，隨著第二產業比重增加，排污強度加大，將耗費大量的設備和人力物力治污，污染治理效率自然下降。(3)外商投資企業投資額與大氣污染治理效率呈顯著正相關，但系數較小。該結果與“污染避難所”假說相反，盡管影響程度較小，但外商直接投資對治理污染的影響大體上是正向的。(4)R&D研發經費支出與大氣污染治理效率呈顯著負相關。環境研發投入的負效應表明，現階段我國環境技術無法適應治理要求，科研經費投入仍未起到有效的抑制作用，需進一步加大教育及科技的投入。

(五)穩健性檢驗

首先運用傳統DEA模型測算我國2005-2014年省際大氣污染治理效率，接著運用加權最小二乘法考察我國環境政策工具對大氣污染治理效率的影響。加權最小二乘法的回歸結果如表7。

表7 加權最小二乘法結果

注：*、**和***分別表示在10%、5%和1%的顯著性水平下顯著。數據依據四舍五入保留至小數點后四位。

通過雙邊檢驗，所有參數都在5%甚至1%的置信水平下顯著，且解釋變量系數的正負方向與原模型一致，R-squared模型擬合優度為27.2%。該結果表明本文的實證研究結果是可靠的。

六、政策建議

本文構建“大氣污染防治政策工具選擇”的理論框架進行實證分析得到上述結果，現提出以下幾點建議：①自愿型環境政策工具依賴管制壓力才能發揮效力，因此還需保持管制型環境政策工具的主導地位，強化環境規制機構的管制權威，加大對大氣污染治理的管制壓力。②充分發揮市場型環境政策工具外生加價的作用，在不影響企業競爭力的情況下，政府應嚴格制定市場型環境政策標準，提高企業排污成本以約束排污行為，激勵企業采納環境友好型生產技術。③順應世界環境管制潮流，提升自愿型環境政策工具在環境政策矩陣中的地位，鼓勵公眾參與大氣污染防治活動，樹立環保意識，與此同時將監督職能從政府分散給社會公民和大眾媒體，結合媒體對大氣污染防治成效的大力宣傳，以及對排污企業行為的深層揭露，建立公民個人與大眾媒體對政府和企業履行大氣污染防治職能的監督反饋體系。④改革和完善當前基層地方政府的環境問責機制，推動當地基層地方政府環境信息公開，促進環境部門的規范化、透明化管理，落實當地政府的大氣污染治理職責。⑤提升環境保護和生態建設在晉升考核中的比重，或建立“綠色GDP”考核制度，將環境績效及其相關要素添加到考察范圍，以平衡單一的“GDP錦標賽”競爭模式，建立更全面、綠色的多元競爭機制。而大氣環境作為綠色發展重要指標，更應在地方考核體系中占據關鍵地位。

此外，為改進環境質量，各地應積極進行產業轉型，不應盲目發展第二產業以單純地追求GDP增長。加快產業結構升級，實現生產結構向更清潔行業或部門轉移。同時，盡管外資對大氣污染治理的總效應為正向，但系數較小，所以應嚴格執法，避免外資產生負面環境效應。

[1]馮貴霞．大氣污染防治政策變遷與解釋框架構建——基于政策網絡的視角[J]．中國行政管理，2014(9)：16-20．

[2]藍慶新，陳超凡．制度軟化、公眾認同對大氣污染治理效率的影響[J]．中國人口·資源與環境，2015，25(9)：145-152．

[3]王 奇，李明全．基于DEA方法的我國大氣污染治理效率評價[J]．中國環境科學，2012，32(5)：942-946．

[4]經濟合作與發展組織．環境管理中的經濟手段[M]．張世秋，李彬．北京：中國環境科學出版社，1996：8-9．

[5]K·哈密爾頓等．里約后五年：環境政策的創新[M]．張慶豐，張世秋，嚴琛譯．北京：中國環境科學出版社，1998：10-11,22-31．

[6]張坤民，溫宗國，彭立穎．當代中國的環境政策：形成、特點與評價[J]．中國人口·資源與環境，2007，17(2)：1-7．

[7]趙新峰，袁宗威．區域大氣污染治理中的政策工具：我國的實踐歷程與優化選擇[J]．中國行政管理，2016(7)：107-114．

[8]陳 傲．中國區域生態效率評價及影響因素實證分析——以2000-2006年省際數據為例[J]．中國管理科學，2008(s1)：566-570．

[9]XUE Wen Bo, WANG Jin Nan, NIU Hao, et al. Assessment of air quality improvement effect under the National Total Emission Control Program during the Twelfth National Five-Year Plan in China [J]. Journal of Changsha University of Science & Technology, 2013, 68(2): 74-81.

[10]曾 冰，鄭建鋒，邱志萍．環境政策工具對改善環境質量的作用研究——基于2001-2012年中國省際面板數據的分析[J]．上海經濟研究，2016(5)：39-46．

[11]鄭石明．基于文獻計量的環境政策研究動態追蹤[J]．中山大學學報(社會科學版)，2016，56(2)：154-162．

[12]WANG Chun Mei, LIN Zhao Lan. Environmental policies in China over the past 10 years: progress, problems and prospects [J]. Procedia Environmental Sciences, 2010, 2: 1701-1712.

[13]雷 平，高青山．區域環境規制強度影響因素研究：基于規制俘獲的視角[J]．中國科技論壇，2017(5)：107-113．

[14]林 梅．環境政策實施機制研究——一個制度分析框架[J]．社會學研究，2003(1)：102-110．

[15]ANDERSEN P, PETERSEN N C. A procedure for ranking efficient units in data envelopment analysis [J]. Management Science, 1993, 39(10): 1261-1264.

[16]於 方．中國環境經濟核算技術指南[M]．北京：中國環境科學出版社，2009：30．

[17]保羅·R·伯特尼，羅伯特·N·史蒂文斯．環境保護的公共政策[M]．穆賢清，方志偉譯．上海：上海人民出版社，2004：55．

[18]余 偉，陳 強，陳 華．不同環境政策工具對技術創新的影響分析——基于2004-2011年我國省級面板數據的實證研究[J]．管理評論，2016，28(1)：53-61．

[19]THATHONG K, LEOPENWONG S. The development of environmental education activities for Forest resources conservation for the youth [J]. Procedia-Social and Behavioral Sciences, 2014, 116: 2266-2269.

[20]LANGPAP C, SHIMSHACK J P. Private citizen suits and public enforcement: Substitutes or complements? [J]. Journal of Environmental Economics and Management, 2010, 59(3): 235-249.

[21]KATHURIA V. Informal regulation of pollution in a developing country: Evidence from India [J]. Ecological Economics, 2007, 63(2): 403-417.

[22]GROSSMAN G, KRUEGER A. Economic environment and the economic growth [J]. Quarterly Journal of Economics, 1995, 110(2): 353-377.

[23]KIRKULAK B, QIU Bin, YIN Wei. The impact of FDI on air quality: Evidence from China [J]. Journal of Chinese Economic and Foreign Trade Studies, 2011, 4(2): 81-98.

[24]BECK N, KATZ J N. What to do (and not to do) with time-series cross-section data [J]. American political science review, 1995, 89(3): 634-647.

[25]ZHENG Shi Ming, YI Hong Tao, LI Hui. The impacts of provincial energy and environmental policies on air pollution control in China [J]. Renewable and Sustainable Energy Reviews, 2015, 49: 386-394.

[26]BROUHLE K, GRIFFITHS C, WOLVERTON A. Evaluating the role of EPA policy levers: An examination of a voluntary program and regulatory threat in the metal-finishing industry [J]. Journal of Environmental Economics and Management, 2009, 57(2): 166-181.

[27]李永友，沈坤榮．我國污染控制政策的減排效果——基于省際工業污染數據的實證分析[J]．管理世界，2008(7)：7-17．

[28]WANG Hua, WHEELER D. Financial incentives and endogenous enforcement in China's pollution levy system [J]. Journal of Environmental Economics and Management, 2005, 49(1): 174-196.

[29]鄭石明，雷 翔，易洪濤．排污費征收政策執行力影響因素的實證分析——基于政策執行綜合模型視角[J]．公共行政評論，2015(1)：29-52．

[30]ARIMURA T H, HIBIKI A, KATAYAMA H. Is a voluntary approach an effective environmental policy instrument? A case for environmental management systems [J]. Journal of Environmental Economics and Management, 2008, 55(3): 281-295.

[31]王惠娜．自愿性環境政策工具在中國情境下能否有效?[J]．中國人口·資源與環境，2010，20(9)：89-94．

[32]符 淼．我國環境庫茲涅茨曲線：形態、拐點和影響因素[J]．數量經濟技術經濟研究，2008(11)：40-55．

(本文責編：辛城)

AirPollutionAbatementEfficiencyandSelectionofEnvironmentalPolicyTools:EmpiricalEvidenceof29ProvincesorMunicipalities

ZHENG Shi-ming1, LUO Kai-fang2

(1.SchoolofPublicAdministration,SouthChinaUniversityofTechnology,Guangzhou510641,China;2.SchoolofPublicAdministration,CentralSouthUniversity,Changsha410083,China)

D035.5

A

1002-9753(2017)09-0184-09

2016-11-08

2017-07-21

國家自然科學基金面上項目“綠色創新政策對環境治理績效的影響：機制、路徑及其效應”(71673308)；教育部重大攻關項目“我國社會治理體系構建及其運行機制研究”(16JZD026)以及湖南省社科基金項目“地方政府環境政策對城市空氣質量的影響研究”(15YBA387)。

鄭石明(1967-)，男，湖南永州人，華南理工大學公共管理學院教授，博士；研究方向：環境政策，創新政策，治理創新。