基于雙重差分模型的清潔取暖補貼效果量化評估

王敏，馮相昭，杜曉林，趙夢雪，王鵬，梁啟迪

(生態環境部環境與經濟政策研究中心，北京 100029)

財政補貼是順利推進北方地區冬季清潔取暖試點工作的重要保障。近年來，我國清潔取暖改造工作在北方15省區市展開，特別是在中央財政補貼遴選的三個批次共43個試點城市積極推進(1)第一批試點城市包括天津、唐山、石家莊、保定、廊坊、衡水、太原、濟南、鄭州、開封、鶴壁、新鄉12個城市；第二批試點城市包括邯鄲、滄州、邢臺、張家口、安陽、焦作、濮陽、洛陽、淄博、德州、濟寧、濱州、聊城、菏澤、晉中、長治、晉城、運城、臨汾、呂梁、陽泉、西安、咸陽23個城市；第三批試點城市包括定州、辛集、三門峽、濟源、銅川、渭南、寶雞、楊凌示范區8個城市(示范區)。。各地清潔取暖改造資金主要來源于中央財政獎補資金、地方財政補貼資金和社會資本投入三方面。其中，中央財政獎補資金在2017—2019年分別投入60億元、139.2億元和152億元；地方財政補貼資金遠超中央財政投入，如2017年和2018年，地方財政補貼資金達到中央財政投入的2.8倍。

如此龐大的財政投入對試點城市采暖月空氣質量的改善效果究竟如何？目前還沒有形成一個統一的、科學的定量化結論。本文綜合運用雙重差分(Difference in Difference，DID)模型和冗余分析(Redundancy Analysis，RDA)方法，量化評估清潔取暖補貼對第一批試點城市和第二批試點城市采暖月主要污染物濃度的改善效果，以期為清潔取暖試點工作評估和后續補貼政策制定提供技術和決策支撐。

1 模型、方法與數據

1.1 模型介紹與設定

雙重差分方法最早由Ashenfelter和Card[1]于1985年提出，主要思想是通過設計處理組和控制組來評價一項政策或機制的實施效果。該方法既可以排除處理組和控制組在政策實施前就存在的差異，又可以控制其他因素對研究對象的影響，被廣泛應用于對環境經濟政策實施效果的評估，在大氣污染防治協作機制[2-3]、中央生態環保督察[4]、強化監督[5]、環境規制[6]等空氣質量改善效果方面也有研究案例。本文采用的雙重差分模型設定如下：

yit=α0+α1timeit+α2treatedit+

β(time×treated)it+α3xit+εit

式中，各變量下角標i表示城市；t表示采暖月份；y為污染物濃度；time為時間虛擬變量，清潔取暖補貼前取值0，補貼后取值1；treated是處理虛擬變量，若該城市有清潔取暖補貼則為處理組取值1，否則為控制組取值0；time×treated為時間虛擬變量和處理虛擬變量的乘積，其系數β為雙重差分項。x是一系列控制變量，即其他可能影響空氣質量的因素，ε為隨機擾動項。處理組清潔取暖補貼前后的差分估計項為：y11-y10=α1+β，控制組差分估計項為：y01-y00=α1，清潔取暖補貼對空氣質量改善作用的凈效應為：(y11-y10)-(y01-y00)=β。

1.2 變量及描述性統計

本文選取的被解釋變量包括SO2、CO、PM10和PM2.54種大氣污染物采暖月濃度(2)數據來源于生態環境部綜合業務門戶網站(http：//10.100.249.24/)公布的城市空氣質量日數據，統一為標準狀況并處理成月數據。，解釋變量包括處理虛擬變量(treated)、時間虛擬變量(time)和雙重差分項(treated×time)。其中，處理虛擬變量(treated)設置為：第一批試點城市(12個)和第二批試點城市(23個)分別為處理組取值1，未實施清潔取暖補貼的20個城市為控制組取值0；時間虛擬變量(time)設置為：2018—2019年采暖月(補貼后)取值1，2016—2017年采暖月(補貼前)取值0。控制組城市(3)20個控制組城市：寶雞、大同、東營、臨沂、漯河、平頂山、三門峽、商洛、商丘、朔州、忻州、泰安、銅川、濰坊、渭南、許昌、延安、榆林、棗莊、周口。均位于京津冀及周邊地區和汾渭平原所涉及的省份，且在地域上與第一批試點城市最為接近，以減小區域分布差異帶來的影響。結合圖1來看，清潔取暖補貼前后第一批試點城市和控制組城市采暖月SO2、CO、PM10和PM2.5濃度均值的變化趨勢基本一致，說明滿足共同趨勢的前提假設要求。

圖1 第一批試點城市、第二批試點城市及控制組采暖月污染物濃度

此外，本文還引入了一系列控制變量，以進一步減少因遺漏變量導致出現非平行趨勢的可能。控制變量包括兩類：一類是氣象變量，包括平均氣溫(tem)、平均氣壓(prs)、平均相對濕度(rhu)、平均風速(win)、降水量(pre)和日照時間(ssd)6個變量(4)基于中國氣象數據網(http：//www.nmic.cn)發布的中國地面氣候資料日值數據集(V3.0)處理成月數據。；另一類是社會經濟變量，包括城市年末常住人口(lnpop)、GDP(lngdp)、固定資產投資(lnfai)、人均國民生產總值(lnpgdp)、二產占GDP比重(secgdp)、人口密度(lnpopd)和萬元GDP能耗(gdpec)7個變量(5)數據來自各省區市統計年鑒及部分城市國民經濟和社會發展統計公報，均采用年度數據。，分別用于反映城市規模、經濟規模、投資規模、發達程度、產業結構、環境壓力和能源利用程度。其中，除secgdp和gdpec外，其余均進行對數化處理。變量描述性統計結果見表1。

1.3 變量解釋率排序

冗余分析(Redundancy Analysis，RDA)是一種回歸分析結合主成分分析的排序方法，能將多變量直接進行梯度分析，結合蒙特卡羅(Monte Carlo)置換檢驗可得到各解釋變量的重要性排序，同時消除解釋變量之間的共線性問題。本文基于第一批試點城市、第二批試點城市及控制組城市共55個城市2015年以來4個采暖季的空氣質量和控制變量月數據，采用冗余分析和蒙特卡羅置換檢驗方法，優化確定能最大限度地反映4種污染物濃度變化的控制變量線性組合，作為每種污染物對應的控制變量，結果如表2所示。

表1 變量描述性統計結果

表2 通過蒙特卡羅(Monte Carlo)置換檢驗的變量及其解釋率

2 對空氣質量改善作用的效果評估

2.1 清潔取暖補貼前后的對比

從污染物濃度均值變化率(圖2)看，2018—2019年采暖月相比2016—2017年采暖月，SO2濃度降低率表現為第二批試點城市>第一批試點城市>控制組，CO、PM10和PM2.5濃度降低率均表現為第一批試點城市>第二批試點城市>控制組城市。其中，試點城市SO2濃度降幅最大，在54.1%～60.7%之間；CO次之，降幅在30.2%～34.4%之間；PM10和PM2.5濃度降幅相對較小，在12.3%～26.0%之間。

結合污染物濃度分布格局(圖3)看，在2018—2019年采暖月，所有城市的SO2濃度以及除大同市和棗莊市之外的所有城市CO濃度較2016—2017年均有所下降；個別試點城市PM10和PM2.5濃度不降反升，如陽泉市PM10和PM2.5濃度較2016—2017年采暖月分別上升7.1%和6.8%，濟寧市PM10濃度較2016—2017年采暖月上升2.6%；控制組城市中的PM10和PM2.5濃度反彈現象明顯，其中，泰安、榆林、商洛和周口4市的PM10和PM2.5濃度以及商丘、臨沂、漯河和棗莊4市的PM2.5濃度均有不同程度的上升。

圖2 2018—2019年采暖月污染物濃度較2016—2017年變化率均值(%)

2.2 清潔取暖補貼效果的檢驗

清潔取暖補貼對第一批試點城市和第二批試點城市采暖月空氣質量改善效果的雙重差分結果如表3所示。從SO2檢驗結果看，第一批試點城市補貼后較補貼前的雙重差分項不顯著，第二批試點城市清潔取暖補貼后較補貼前的雙重差分項顯著為負，說明清潔取暖補貼對第一批試點城市SO2濃度改善作用不顯著，但使得第二批試點城市SO2濃度較補貼前顯著降低24.53μg/m3，對污染物濃度下降的貢獻度(以下簡稱貢獻度)為55.2%。從CO檢驗結果看，第一批試點城市和第二批試點城市的雙重差分項均顯著為負，說明清潔取暖補貼使得第一批試點城市采暖月CO濃度較補貼前顯著降低0.411mg/m3(貢獻度為56.0%)，使得第二批試點城市采暖月CO濃度較補貼前顯著降低0.345mg/m3(貢獻度為54.0%)。從PM10的檢驗結果看，第一批試點城市和第二批試點城市的雙重差分項均顯著為負，說明清潔取暖補貼使得第一批試點城市采暖月PM10濃度較補貼前顯著降低22.53μg/m3(貢獻度為65.2%)，使得第二批試點城市采暖月CO濃度較補貼前顯著降低13.33μg/m3(貢獻度為61.5%)。從PM2.5檢驗結果看，第一批試點城市和第二批試點城市的雙重差分項均顯著為負，說明清潔取暖補貼使得第一批試點城市采暖月PM2.5濃度較補貼前顯著降低15.45μg/m3(貢獻度為49.8%)，使得第二批試點城市采暖月CO濃度較補貼前顯著降低9.506μg/m3(貢獻度為46.5%)。

續表3

為進一步驗證雙重差分結果的可靠性，本文開展了安慰劑檢驗。重新設置時間變量，將2016—2017年采暖月取值為1，將2015—2016年采暖月取值為0(兩個時段均未實施清潔取暖補貼)，其他變量設置不變。安慰劑檢驗結果如表4所示，第一批試點城市和第二批試點城市4種污染物的檢驗結果均不顯著或均不是顯著為負，進一步說明上述4種污染物的雙重差分結果具有較高的可靠性。

表4 安慰劑檢驗結果

續表4

2.3 部分檢驗結果的原因分析

清潔取暖補貼對第一批試點城市SO2濃度改善效果不顯著而對第二批試點城市改善作用顯著的原因主要是：(1)與試點城市產業結構和能耗水平差異有關。第二批試點城市二產占GDP比重和萬元GDP能耗均值明顯大于第一批試點城市(表1)，且第二批試點城市包括許多煤炭資源型城市，一定程度上說明第二批試點城市工業燃煤鍋爐和散煤污染治理帶來的SO2減排量占比相對較大，導致清潔取暖補貼帶來的改善效果可能被高估；(2)與試點城市SO2污染減排壓力大小有關。第一批試點城市2016—2017年采暖月SO2濃度為49.16μg/m3，而第二批試點城市達到73.12μg/m3，其所面臨的SO2污染減排壓力更大，使得其清潔取暖改造工作推進更為積極。

清潔取暖補貼對第一批試點城市CO、PM10和PM2.5濃度的改善幅度大于第二批試點城市的原因主要是：(1)與清潔取暖補貼和工作推進早晚有關。第一批試點城市在2017年5月就被正式列入試點，而第二批試點城市中位于京津冀及周邊地區的16個城市，雖在2017年就開始推進清潔取暖改造，但在2018年7月才被正式列入試點補貼范圍，其他7個城市則是在被列入試點后才開始實施清潔取暖改造。(2)與中央和地方財政投入、社會經濟發展水平和空氣質量改善壓力等因素有關。第一批試點城市多為直轄市和省會城市，中央財政獎補資金力度相對較大，且社會經濟發展水平和空氣質量改善壓力大于第二批試點城市，從而使得第一批試點城市清潔取暖改造工作推進相對較快。

3 結論與建議

3.1 主要結論

一是清潔取暖補貼對第一批試點城市采暖月SO2濃度的改善效果不顯著，但對第二批試點城市的改善作用顯著。SO2雙重差分結果顯示，清潔取暖補貼對第一批試點城市SO2濃度改善作用不顯著，但使得第二批試點城市較補貼前顯著降低24.53μg/m3，對SO2濃度下降的貢獻度為55.2%。這主要與試點城市二產占GDP比重、能源綜合利用程度和SO2污染減排壓力等存在差異有關。

二是清潔取暖補貼對試點城市采暖月CO、PM10和PM2.5濃度均有顯著改善作用，且對第一批試點城市的貢獻更大。第一批試點城市補貼后采暖月CO、PM10和PM2.5濃度分別較補貼前顯著降低0.411mg/m3、22.53μg/m3、15.45μg/m3，貢獻度分別為56.0%、65.2%、49.8%，均大于第二批試點城市的改善幅度(分別顯著降低0.345mg/m3、13.33μg/m3、9.506μg/m3，貢獻度分別為54.0%、61.5%、46.5%)。這主要與清潔取暖改造實施年限、中央和地方財政投入、社會經濟發展水平、空氣質量改善壓力等因素有關。

三是清潔取暖補貼后，個別試點城市采暖月PM10和PM2.5濃度未實現下降。2018—2019年采暖月，第一批試點城市的4種污染物濃度較2016—2017年均有不同程度降低，第二批試點城市SO2和CO也實現了下降，但個別城市PM10和PM2.5濃度出現反彈。如陽泉市PM10和PM2.5濃度較2016—2017年相關7.1%和6.8%，濟寧市PM10濃度較2016—2017年反彈2.6%。這可能與反彈地市清潔取暖改造推進緩慢、取得實效不明顯等因素有關。

3.2 對策建議

一是構建和完善差異化補貼機制。以往的清潔取暖試點補貼額度是依據城市行政級別確定，行政級別越高，補貼額度越大。但從空氣質量改善效果看，污染物濃度改善效果并不因行政級別高而更好。建議推行差異化補貼機制，對社會經濟發展水平低、二產占GDP比重小、能源綜合利用程度低、農村居民分布密集、空氣質量改善壓力大的地區予以重點補貼。

二是優化調整清潔取暖補貼資金使用方式。目前，清潔取暖補貼資金主要用于采暖設備購置補貼和運行補貼方面，較少用于農居建筑保溫節能改造。建議加大對農居建筑保溫節能改造方面的投入，通過實施部分外墻外保溫、加裝保溫窗簾、保溫門簾和保溫吊頂以及屋頂改造等方式，改善農村建筑熱環境和能效水平，實現節能性和經濟性兼具的效果。

三是引導地方政府探索建立中長期財政補貼機制。補貼期限到期后，地方財政補貼壓力加大，降低清潔取暖補貼投入就顯得至關重要。建議地方政府評估現有清潔取暖改造技術路徑和實施效果，積極借鑒“鶴壁模式”等地方經驗，選擇最經濟有效的清潔取暖技術改造路徑。同時，探索引入社會資本，形成科學合理的商業模式，推動農村清潔取暖市場化運轉。