正式制度與非正式制度對霧霾污染的影響效應

吳士煒，余文濤

(福州大學經濟與管理學院,福建福州 350116)

一、引言與文獻綜述

2018年中國生態環境狀況公報數據顯示,338個地級市中僅有121個城市空氣質量達標,約占全部城市的35.8%,338個城市2018年發生重度污染與嚴重污染的天數分別為1 899與822天。以PM2.5為代表的空氣污染,不僅會危害居民身心健康,也不利于經濟與社會可持續發展,若空氣污染治理不恰當,中國更容易陷入“環境-健康-貧困”陷阱中。生態環境作為中國高質量發展的重要組成部分,如何合理有效利用生態環境治理手段以降低霧霾污染,這是值得深入探討的現實問題。

從生態環境治理手段來看,有關研究側重于經濟手段,即考察環境稅費、排污權交易、排污技術轉讓與政府補貼對環境污染治理效果。Sancho[1]與范慶泉等[2]認為,環境稅在短期內會降低工業產出,但該效應會隨著技術研發進步而降低,漸進遞增的動態環境稅有利于削弱企業對資源的依賴性,且實行差異化環保稅有助于降低對經濟的負向沖擊[3]。徐保昌等[4]指出,征收排污費會提高企業生產成本,但會倒逼企業增加環保技術研發與使用,提高企業生產效率,且調整排污費征收標準有利于降低工業SO2排放量[5]。涂正革等[6]與錢浩祺等[7]認為,硫碳排污權交易有利于緩解SO2、CO2排污權配置的無效率問題,且排污權交易會誘發企業綠色創新[8],加強排污權交易市場建設有助于實現“波特假說”。石光等[9]通過研究發現,激勵機制相對于倒逼機制更能促進環保技術研發,即政府補貼相對環境稅費效果更佳。葉光亮等[10]認為,固定費用授權方式相對于特許權收費,更有助于治污技術的推廣。

行政手段與法制手段也是生態環境治理不可或缺的手段。曹靜等[11]認為,限行政策有助于降低北京空氣污染,但會增加出行者成本。羅知等[12]指出,“大氣十條”政策有助于改善北方冬天空氣質量。馬本等[13]與鄭石明[14]指出,環境信訪有利于提高環境質量,且環境信訪制度在東部地區更有利于發揮效果。李蕾蕾等[15]與范子英等[16]通過研究發現,加快環境立法與環保法庭有助于提高行業資源配置效率與降低工業污染物排放量。此外,Nie et al.[17]研究發現,中國“兩會”期間霧霾污染有所下降,之后迅速惡化,即霧霾治理存在“政治藍天”假說。邵帥等[18]認為,霧霾污染促增因素未抑制、促降因素未發揮是我國霧霾污染居高不下的根本原因。

在生態環境污染治理過程中,非正式制度重要性日益凸顯,尤其是以網絡輿論為代表的社會輿論壓力。李欣等[19]利用百度搜索引擎獲得大氣污染詞條數作為網絡輿論替代變量,通過分析發現網絡輿論有助于降低霧霾污染。呂長明等[20]與潘愛玲等[21]認為,輿論媒體壓力有利于企業增加環保投資與綠色并購,緩解環境污染問題。Kathuria[22]將出版刊物中污染相關文章數作為非正式環境規制,通過研究發現其與水污染治理存在正相關性。此外,由于霧霾污染是空氣污染物之一,能夠隨氣流實現跨界傳播,即存在空間溢出效應,故分析霧霾污染問題時將空間地理因素納入分析范疇有助于提高模型估計效率[23]。

綜上所述,目前學者對生態環境治理研究側重于正式制度,且以經濟手段為主、行政手段與法制手段為輔,部分研究涉及網絡輿論為代表的非正式制度。不同于以往研究,本文基于成本-收益理論分析框架,通過構建包括正式制度與非正式制度兩部門模型,利用中國2000—2017年31個省份面板數據,結合空間經濟學相關理論考察正式制度與非正式制度對霧霾污染的影響,研究發現環境稅費、污染治理投資與環境信訪對霧霾污染影響更多的是被動防御而非主動出擊。

二、理論機制與計量模型

霧霾是霧與霾的結合體,主要由SO2、NOX與可吸入顆粒物組成,是空氣污染物重要組成部分,居民長期居住生活在高霧霾環境中容易誘發呼吸道感染疾病。霧霾污染形成因素包括可控因素與不可控因素,能源消耗、工業污染、生活垃圾、汽車尾氣、麥稈燃燒、冬季取暖、城市基建等均是可控因素,而氣候溫度、地形地貌、沙塵暴、雨水濕度等均是不可控因素,抑制霧霾污染應更多地從可控因素入手,但也要考慮不可控因素。霧霾作為空氣污染物之一,治理主要是基于正式制度與非正式制度,其中正式制度以經濟手段、行政手段與法制手段為主,而非正式制度涵蓋網絡輿論、道德標準、文化習俗與企業家精神等,并且霧霾污染治理需要政府、企業與居民共同參與。本文基于經濟學的成本-收益理論分析框架,通過構建兩部門模型考察正式制度與非正式制度如何影響企業排污政策選擇。

(一)理論機制

本文借鑒靳來群[24]分析方法,將經濟體劃分為兩個部門：一個是由重污染型企業組成的部門,用m表示；一個是輕污染型企業組成的部門,用n表示；兩部門生產的產品各異,不具有可替代性。整個經濟體生產函數采用CES形式：

式(1)中,Y表示整個經濟體產出；Ym和Yn表示重污染型與輕污染型部門企業產出；δ表示彈性系數。每個i部門生產函數采用CES形式：

式(2)中,每個i部門有Ri家企業,每家企業的產品都具有差異性；Yij表示第i部門j企業產出；φ表示彈性系數。每個企業生產要素包括資本(K)與勞動(L),生產函數采用標準的C-D生產形式,并假設企業規模報酬不變：其中,Aij表示全要素生產率,?與1-?分別表示資本與勞動產出彈性系數。假定每個部門的勞動與資本要素總量等于該部門中所有企業該類生產要素總和,即同時,兩個部門投入要素的加總為該經濟體生產要素的總額,即L＝Lm+Ln,K＝Km+Kn。假設在生產過程中,兩部門企業均會產生工業SO2、NOX與粉塵污染物,企業在污染物排放方面有治理與不治理兩種選擇,若對污染物不加以治理會加劇地區霧霾污染,但若采取相關措施治理污染會增加企業生產成本。

不管是重污染型企業還是輕污染型企業均以利潤最大化為條件。假設重污染型企業為節省治理成本而選取不治理污染,此時企業治污成本為零,但企業面臨被環保部門查處并處罰的風險；假定其被查處概率是Pm,受到查處之后將面臨重度處罰與輕度處罰分別表示為CmH與CmL,相應的概率分別表示為PmH與PmL。政府部門可通過增加環保系統人員數、新增環保法律法規、加強環境監管與處罰,提高其被查處概率與受到重度處罰的概率,進而提高其排污成本。若重污染型企業采取增加環保研發投入以治理污染,政府可適當給予補貼以提高其環保技術研發概率,其污染治理成本與政府補貼假定分別為Cm與Gm,此時,企業不會面臨被環保機構查處與處罰的問題。重污染型企業不治理污染成本與治理污染成本分別為：

當Cm1＞Cm2時,重污染型企業占優策略是選擇治理污染；當Cm1＜Cm2時,重污染型企業占優策略是選擇不治理污染。

假設輕污染型企業不治理污染被查處概率與處罰金額分別是Pn與CnL,若采取污染治理策略時,污染治理成本與政府補貼金額分別為Cn與Gn。此外,輕污染型企業污染治理成本相對重污染型企業較低,且其被查處后將面臨輕度處罰。輕污染型企業不治理污染成本與治理污染成本分別為：

當Cn1＞Cn2時,輕污染企業占優策略是選擇治理污染；當Cn1＜Cn2時,輕污染型企業占優策略是選擇不治理污染。

不管是重污染型企業還是輕污染型企業,要抑制企業排污行為最有效策略是在降低企業污染治理成本的同時,提高企業排污成本。若從生態環境治理正式制度來看,政府對企業環保技術研發補貼有助于降低企業治污成本,而排污費與環保稅會提高污染排放成本,且政府增加工業污染治理投資、環保系統人員數、環保法律法規與加強環境監管會提高企業排污被查處及受到重罰的概率。但由于環境污染具有負外部性特征,且治理過程中存在信息不對稱問題,會降低環保政策治理成效,而環境信訪與網絡輿論有助于解決因信息不對稱誘發的相關問題,從而抑制企業排污行為,并且網絡輿論有利于環保政策推廣與實施。

(二)計量模型

本文基于中國2000—2017年31個省份面板數據,將空間地理因素納入分析范疇,考察生態環境治理中正式制度與非正式制度對各地區霧霾污染(PM2.5)的影響。選取2000年作為時間節點,一方面,2000年之前空氣污染水平較低,社會各界對空氣污染關注度相對不高,污染治理分析側重于工業SO2、COX與NOX,且霧霾污染(PM2.5)數據可獲得性較低。另一方面,與本文選取的網絡輿論作為非正式制度相關,即選取百度搜索引擎中的各地區空氣污染網頁數作為替代變量,而百度搜索引擎是2000年1月份正式成立,故本文截取2000年之后數據加以考察,實證模型設定如下：

式(7)中,Wij代表空間權重矩陣(W)中第(i,j)個元素；?1,γ1,γ2與β表示參數系數。空間權重主要包括地理相鄰權重、地理距離權重與經濟距離權重三部分,本文采用地理距離權重,即,xi與yi分別表示省會城市和直轄市經緯度,且主對角元素值為0。ρ刻畫的是各地區霧霾污染是否存在空間溢出效應,若ρ≥0時,表示各地區霧霾污染之間存在正空間相關性,反之亦然。Publicit表示第i地區t年空氣污染網頁數,Govern表示環境稅費、政府補貼、污染治理投資、環境信訪、環保人員等正式制度指標。Xit表示影響霧霾污染(PM2.5)的其他控制變量,例如,經濟發展水平、城鎮化率、財政分權等因素。

三、研究設計

(一)變量定義

被解釋變量：霧霾作為大氣污染物,是霧與霾的結合體,主要由SO2、NOX與可吸入顆粒物組成,本文采用PM2.5濃度作為霧霾污染度量指標,即直徑小于等于2.5微米的污染顆粒物,其值相對PM10濃度能夠更加準確地反映城市霧霾污染程度。因數據來源受限,用省會城市和直轄市PM2.5濃度表示各地區霧霾污染,且2000—2016年數據來源于哥倫比亞大學國際地球科學信息網絡中心(http：//beta.sedac.ciesin.columbia.edu/),并利用ArcGIS 10.2提取各城市PM2.5濃度數據,2017年PM2.5濃度數據來源于《中國統計年鑒》,單位是μg/m3。

核心解釋變量：生態環境治理制度包括非正式制度與正式制度,隨著社會各界對霧霾污染關注度的提高,以網絡輿論為代表的非正式制度對霧霾污染影響力日益攀升,本文借鑒李欣等[19]的作法,采用網絡輿論壓力作為環境規制非正式制度度量指標,即利用百度搜索引擎進行網頁搜索以獲取中國2000—2018年各省份關于空氣污染信息的網頁數量。數據搜索過程為：利用IE瀏覽器,在百度搜索引擎上輸入關鍵詞“空氣污染+對應省份”,例如“空氣污染+北京市”,在搜索工具中設定時間,如2000.01.01—2000.12.31,從網頁代碼中查找空氣污染詞條出現的網頁數量,并剔除廣告、百度文庫等不相關網頁,進而獲得各地區歷年空氣污染詞條數作為網絡輿論替代變量。

生態環境治理中正式制度主要包括行政手段、法制手段與經濟手段,本文用各地區環保系統人員數作為行政手段替代變量,單位是百人。法制手段采用各地區環境信訪數表示,其中2010年之前為來信總數,2011—2015年是電話/網絡投訴數,2016年之后為當年接到群眾微信舉報件數,單位是萬件。經濟手段用各地區排污費收入總額與工業污染治理投資作為替代變量,單位為億元。數據來源于《中國環境年鑒》、《中國環境統計年鑒》與《中國統計年鑒》,部分數據缺失采用移動平均法換算。

控制變量：霧霾污染影響因素包括經濟、社會、政治與氣候環境等方面,本文主要考察經濟因素對霧霾污染的影響,故選取經濟發展水平、城鎮化率與財政分權作為控制變量。其中,經濟發展水平用人均GDP度量,單位是萬元；城鎮化率采用國內外慣用的城鎮常住人口率表示；財政分權用財政收入分權表示,即人均地方政府財政收入/(人均地方+人均中央政府財政收入)×100%表示。各變量具體計算方法及說明見表1。

表1 變量說明與定義

(二)變量描述

霧霾污染是霧與霾的結合體,是中國走“先污染、后治理”道路的必然產物。霧霾一詞最早出現在2004年的《北京日報》中,2011與2013年京津冀城市圈暴發大面積霧霾污染才逐漸被社會各界所重視。呂長明等[20]通過研究發現,京津冀、長三角與華北地區是中國霧霾污染高值聚集地,而東南沿海地區則是霧霾污染低值聚集地,且霧霾污染具有明顯的季節性特征,呈現秋冬高、春夏低特點,并能夠隨氣流實現跨界傳播。本文為驗證各地區霧霾污染是否存在空間集聚特征及觀察霧霾污染變動趨勢,將2000年、2008年、2017年31個省會城市和直轄市PM2.5濃度數據處理得到圖1結果。

圖1 31個城市PM2.5濃度

從霧霾污染(PM2.5)分布狀況來看,京津冀、長三角與華北中原地區是霧霾污染高值聚集地,其中京津冀城市圈更是霧霾污染重災區,尤其是在秋冬季節,與其獨特的氣候環境、地形地貌、雨水濕度、能源消耗、沙塵暴等密切相關；東南沿海城市是霧霾污染低值聚集地,尤其是福州與海口,與其森林覆蓋率高、降水量較多、污染型企業較少、氣候適宜等密切相關。從霧霾污染變動趨勢來看,2013年之前各地區PM2.5濃度整體呈上升趨勢,之后由于社會各界采取各種手段治理霧霾污染誘致PM2.5濃度值有所下降,但也應認識到2017年中國大部分省會和直轄市城市PM2.5濃度值均超過國家二級標準(35μg/m3),尤其是石家莊、濟南、鄭州與西安,說明我國霧霾污染治理任重道遠。

(三)空間相關性分析

霧霾污染(PM2.5)作為空氣污染物之一,能夠隨氣流實現跨界傳播,即存在空間溢出效應[23],誘致地理位置相鄰城市PM2.5濃度相近。國內外學者一般用MI、GC、G等指標來衡量各地區空間關聯度的大小,其中全局Moran I統計量：

式(8)中,Wij為空間權重矩陣中第(i,j)個元素；；i指的是各省份代碼。MI值在(-1,1),大于(小于)0表示各地區之間存在空間正(負)相關性,數值越大,空間相關性越強,等于0表示各地區之間不存在空間相關性。MI近似服從均值為E(I)和方差為V(I)的正態分布,即E(I)＝空間權重選取是衡量各地區之間霧霾污染是否存在空間相關性的前提,傳統空間權重包括地理相鄰、地理距離與經濟距離權重。本文空間權重選擇標準的車相鄰權重,即相鄰地區其值為1,不相鄰其值為0,且主對角線(i＝j)元素為零,并利用Matlab R2012b軟件計算中國2000—2017年31個省份霧霾污染(PM2.5)全局MI值,將數據代入處理后得到表2結果。

表2 31個省份霧霾污染(PM2.5)全局MI 值

從各地區霧霾污染(PM2.5)全局空間相關性視角來看,2000—2017年31個省份全局MI值均為正,且MIZ值在1%水平均高度顯著,即P值均小于0.01,說明中國各地區霧霾污染之間存在空間正相關性,即相鄰地區PM2.5濃度值相接近,與霧霾污染作為空氣污染物之一,能夠隨氣流實現跨界傳播及相鄰地區環境污染治理政策相似密切相關。

四、實證結果分析

本文基于中國2000—2017年31個省份面板數據,將空間地理因素納入分析范疇,從環境規制中的非正式制度與正式制度視角考查其對霧霾污染(PM2.5)的影響,即驗證環境規制正式制度與非正式制度是否均有利于抑制霧霾污染。通過對被解釋變量與解釋變量分別求對數,以降低因模型異方差性對估計結果造成的影響,并利用LLC方法檢驗被解釋變量序列是否存在單位根問題,檢驗結果顯示PM2.5濃度在AIC、BIC與HQIC信息準則得到的P值均低于0.05,說明被解釋變量(PM2.5)不存在單位根,即面板序列為平穩過程。

(一)空間面板模型

空間模型包括空間滯后模型(SAR)、空間誤差模型(SEM)與空間杜賓模型(SDM),即：

式(9)中,當β＝η＝0時,模型為SAR。當α＝β＝0時,模型為SEM。當η＝0時,模型為SDM。空間杜賓模型(SDM)由于兼顧空間滯后模型(SAR)與空間誤差模型(SEM)特點,即能夠同時反映空間系數項與空間誤差項對被解釋變量的影響,故本文選擇靜態空間杜賓模型(SDM)進行分析,并且由于普通最小二乘法(OLS)估計SAR、SEM與SDM模型存在偏誤,故使用極大似然估計(MLE)方法對靜態SDM模型進行估計,空間權重選用地理距離權重(W),即,xi與yi分別表示省會城市和直轄市經緯度,且主對角元素值為0,將數據代入Stata 13中得到表3結果。

靜態SDM模型實證檢驗結果顯示,核心解釋變量中,非正式制度網絡輿論對霧霾污染(PM2.5)影響為正,且系數在各模型中5%水平下高度顯著,說明霧霾污染越嚴重地區,關于空氣污染媒體報道數越多,與媒體報道自身特點密切相關,但也同時間接表明網絡輿論對霧霾污染報道更多的是抓時事熱點,網絡媒體監督機制發揮效果較低。正式制度中排污費收入對霧霾污染影響系數在10%水平下為正,環保系統人員數在SDM-RE模型中5%水平下顯著為正,間接說明當霧霾污染越嚴重時,政府會通過加征排污費收入與增加環保系統人員以降低霧霾污染,而環境信訪與工業污染治理投資系數在各模型中均不顯著。一方面,霧霾污染加劇會誘致環境信訪量與污染治理投資增加；另一方面,環境信訪與污染治理投資增加有利于抑制霧霾污染,故總效應呈不確定性。控制變量中,人均GDP系數在各模型中5%水平下顯著為正,與中國早期采取粗放型發展方式密切相關,城鎮化與財政收入分權系數在各模型中均不顯著。

表3 靜態空間杜賓模型(SDM)回歸結果

從空間系數來看,霧霾污染(PM2.5)空間系數項在靜態SDM模型中1%水平下均顯著為正,即霧霾污染具有空間溢出效應,與PM2.5能夠隨氣流實現跨界傳播相關,故霧霾污染治理應以區域聯合治理為主。核心解釋變量中,網絡輿論與環境信訪空間系數在各模型中均不顯著,環保系統人數與工業污染治理投資空間系數在各模型中5%水平下分別顯著為負、正,而排污費收入空間系數在SDM-RE模型中5%水平下顯著為負。控制變量中,財政收入分權空間系數在各模型中1%水平下顯著為負,人均GDP與城鎮化率空間系數在非正式制度SDM-RE模型中5%水平下分別顯著為負、正,而在正式制度模型中10%與5%水平下分別顯著為負、正。

(二)動態面板模型

為降低解釋變量與隨機干擾項相關誘致方程內生性問題,本文采取差分與系統GMM方法,并利用Arellano-BondAR(1)和AR(2)檢驗發現,不管是差分GMM還是系統GMM均通過擾動項無自相關檢驗,Sargan檢驗發現所有工具變量均有效,即模型不存在過度識別問題,將數據代入Stata 13中得到表4結果。

表4 GMM模型回歸結果

動態面板模型(差分與系統GMM)實證檢驗結果顯示,非正式制度網絡輿論系數在差分GMM模型中10%水平下為正,正式制度中工業污染治理投資與排污費收入系數在各模型中1%水平下顯著為正,而環境信訪與環保系統人員系數在差分GMM模型中5%水平下分別顯著為正、負。控制變量中,人均GDP與財政收入分權系數在各模型中1%水平下顯著為負,而城鎮化率系數在各模型中1%水平下顯著為正。此外,霧霾污染(PM2.5)一階滯后系數在系統GMM模型與差分GMM模型(非正式制度)中1%水平下顯著為正,說明霧霾污染(PM2.5)存在時滯性,即上年度霧霾污染會對本年度霧霾污染產生影響。

(三)穩健性檢驗

由前文分析可知,地區霧霾污染(PM2.5)越高,當年網絡媒體報道數、環境信訪、環保人員數、工業污染治理投資額與排污費收入越多,即核心解釋變量與被解釋變量之間存在一定的內生性問題,為降低方程內生性問題,本文核心解釋變量用滯后一期作替代變量,并利用靜態空間杜賓模型(SDM)進行實證檢驗,空間權重仍選用地理距離權重(W),將數據代入Stata 13中得到表5結果。

表5 穩健性檢驗回歸結果

穩健性檢驗結果表明,網絡輿論、環保系統人員數與排污費收入系數在各模型中10%水平下顯著為正,而環境信訪與工業污染治理投資額系數在各模型中均不顯著,與前文得到的結果相一致,進一步說明正式制度與非正式制度對霧霾污染影響更多地表現為被動式策略,即地區霧霾污染越嚴重,關于空氣污染媒體報道數越多,且政府為抑制霧霾污染會增加環保人員與征收排污費。控制變量中,人均GDP系數在各模型中10%水平下顯著為正,城鎮化與財政分權系數在各模型中均不顯著。此外,霧霾污染(PM2.5)空間系數項在各模型中1%水平下顯著為正,進一步驗證了各地區霧霾污染存在正的空間相關性。

(四)擴展性分析

由前文分析發現非正式制度與正式制度均會對霧霾污染(PM2.5)造成顯著影響,但若用其他指標度量空氣污染水平,是否也存在相似的結果呢? 本文用單位SO2排放量作為空氣污染替代變量,利用靜態SDM模型檢驗非正式制度與正式制度對空氣污染的影響,空間權重選用地理距離權重(W)。通過LLC檢驗方法發現單位SO2排放量在AIC、BIC與HQIC信息準則得到的P值均為0.00,說明面板數據不存在單位根,將數據代入處理后得到表6結果。

靜態SDM模型實證結果表明,核心解釋變量中僅有排污費收入對工業SO2排放量影響系數在1%水平下顯著為正,說明環保稅費對工業SO2排放影響更加顯著,而網絡輿論、環境信訪、環保人員與污染治理投資系數均不顯著,與征收環境稅費對企業排污存在直接影響相關。控制變量中,人均GDP系數在非正式制度模型中5%水平下顯著為正,其他變量系數在各模型中均不顯著。

從空間系數來看,工業SO2排污量空間系數在各模型中1%水平下均顯著為正,說明各地區工業SO2排放量之間存在空間正相關性,歸因于SO2能夠隨氣流實現跨界傳播。核心解釋變量中,環境信訪與排污費收入空間系數在SDM-RE模型中10%水平下為負,而工業污染治理投資空間系數在SDMFE模型中10%水平下為正。控制變量中,財政收入分權空間系數在非正式制度模型中5%水平下顯著為負,且人均GDP空間系數項在SDM-RE模型中10%水平下為負。

五、結論與啟示

中國經濟正由高速增長轉向高質量發展,在轉型過程中,生態環境作為高質量發展重要組成部分,如何合理有效利用生態環境治理政策中的正式制度與非正式制度以協調好經濟發展與生態環境關系,是實現我國高質量發展的關鍵所在。本文基于成本-收益理論分析框架,通過構建兩部門模型分析正式制度與非正式制度對霧霾污染的影響,利用中國2000—2017年31個省份面板數據,將空間地理因素納入分析范疇,使用靜態空間杜賓模型(SDM)與動態面板模型(差分與系統GMM),實證考察網絡輿論、環境信訪、環保人員、污染治理投資與排污費對霧霾污染(PM2.5)的影響,得到以下結論：

表6 擴展性分析回歸結果

第一,企業環保政策選擇是基于成本-收益分析的理性結果,當排污成本超過污染治理成本時,企業占優策是治理污染,反之亦然。但在污染治理過程中,由于政府-企業-居民信息不對稱問題會降低治污成效,而環境信訪與網絡輿論有助于降低因信息不對稱誘發的相關問題。

第二,靜態SDM與GMM模型實證檢驗表明,非正式制度中網絡輿論對霧霾污染報道更多的是抓時事熱點,媒體監督機制效果不佳,且政府會采取加征排污費與增加環保人員以降低霧霾污染,但環境信訪與工業污染治理對霧霾污染影響較弱,與此同時,靜態SDM實證檢驗發現,環境規制中僅排污費制度對工業SO2排放量存在顯著影響,其他制度均不顯著。

上述結果表明非正式制度與正式制度均會對霧霾污染(PM2.5)造成顯著影響,但實證結果顯示的是網絡輿論、排污費、環保人員、環境信訪與污染治理投資對霧霾污染影響是被動式策略,即當地區霧霾污染問題加重時,政府會采取加征排污費、增加環保人員與提高污染治理投資,并通過網絡輿論與環境信訪來抑制霧霾污染,而非主動采取這些措施以提高企業排污成本,進而降低霧霾污染。基于此,本文提出以下政策建議：

1.完善企業環境信息披露機制,鼓勵居民和媒體參與環境保護監管,以降低因政府-企業-居民信息不對稱誘致環保政策效率低下。政府加大對企業環保技術研發補貼,并加強環保監管以提高環境污染處罰力度,通過雙管齊下以降低企業排污量。

2.霧霾(PM2.5)是空氣污染物之一,能夠隨氣流實現跨界傳播,即存在空間溢出效應,在治理過程中容易出現“免費搭便車”問題,故霧霾污染治理應采取區域聯治。霧霾污染形成因素包括可控因素與非可控因素,各地區霧霾污染形成存在較大差異,例如,京津冀霧霾污染是沙塵暴、冬天取暖、汽車尾氣、地形地貌等因素共同誘致的,故霧霾污染治理政策制定與實施要充分考慮地區特色,不能一概而論。

3.霧霾污染治理應采取“預防為主、治理為輔”,在制定霧霾污染治理政策時應是主動式而非被動式,即通過利用媒體輿論、環保稅費、污染投資與環境信訪來抑制企業排污,并加強環境保護監管來落實環保政策。