京津冀及周邊大氣污染聯防聯控政策實施效果評估
——基于多期差分的實證研究

朱治雙，廖 華

一、引 言

化石燃料的大規模使用在促進我國經濟增長的同時，也帶來了嚴重的空氣污染。《中國生態環境狀況公報》的數據顯示:2020年，全國337個地級及以上城市，仍然有40%的城市空氣質量超標。產業結構偏重、能源結構偏煤的現狀導致京津冀及周邊地區成為我國空氣污染最嚴重的地區。京津冀及周邊地區空氣優良天數比例比汾渭平原、長三角地區分別低7.1個百分點和21.7個百分點。168個重點城市空氣質量排名最差的20個城市中，除咸陽和渭南外，均位于京津冀及周邊區域。

我國長期采用屬地管理的環境治理模式，由于大氣污染物會在相鄰城市跨區域傳輸，該模式難以有效防治大氣污染。十八大以后，我國開始運用區域聯防聯控思維治理大氣污染，先后啟動京津冀及周邊地區、長三角地區、汾渭平原等區域的大氣污染聯防聯控工作，從城市層面攜手防治空氣污染。與傳統屬地治理模式相比，區域聯防聯控能否更好地改善地區空氣質量？其動態效果和異質性如何？對上述問題的深入研究，有助于全面科學地評估大氣污染聯防聯控的實施效果，為堅持和完善大氣污染區域聯防聯控機制提供科學依據和決策參考。

本文以京津冀及周邊地區 “2＋26”城市為研究對象，采用多期雙重差分模型，從城市層面評估大氣污染聯防聯控政策對京津冀及周邊地區空氣質量的影響。文章的主要貢獻包括:（1）在準自然實驗的條件下，采用多期雙重差分模型，識別京津冀及周邊地區大氣污染聯防聯控與空氣質量改善的因果關系，避免潛在的內生性問題，為科學評估大氣污染防治政策提供有益借鑒；（2）分階段考察京津冀及周邊地區聯防聯控政策的動態效果，突破以往單純從靜態和平均意義上評估大氣污染防治政策的效果，得出的結論更加豐富和精細化；（3）從不同視角考察京津冀及周邊地區大氣污染聯防聯控的異質性效果，能夠為不同類型城市大氣污染防治工作提供更具針對性的政策建議。

二、京津冀及周邊地區大氣污染聯防聯控政策梳理

面對嚴峻的空氣污染形勢，國務院于2013年9月10日正式發布 《大氣污染防治行動計劃》（簡稱 《大氣十條》），提出建立京津冀區域大氣防治協作機制，由區域內省級人民政府和國務院相關部門協調解決區域突出環境問題。9月17日，由環境保護部牽頭的六部門聯合印發 《京津冀及周邊地區落實大氣污染防治行動計劃實施細則》，提出在2013年底前，京津冀及周邊地區建立健全覆蓋區域、省、市的應急響應體系，實行聯防聯控。

2013年10月，京津冀及周邊地區大氣污染防治協作小組成立 （簡稱協作小組），旨在加強區域大氣污染防治的聯合協作，形成空氣污染治理合力。2014年6月，協作小組辦公室印發 《京津冀及周邊地區大氣污染聯防聯控2014年重點工作》，提出要統一行動和加強聯動，共同治理區域重點污染源和同步解決區域共性問題。

2015年5月26日，協作小組審議通過 《京津冀及周邊地區大氣污染聯防聯控2015年重點工作》，聯手在煤炭消費、化解過剩產能、揮發性有機物治理、機動車污染和港口及船舶污染、秸稈綜合利用和禁燒六大重點領域共同治污，并提出將北京、天津、保定、廊坊、唐山、滄州等6個城市劃為京津冀大氣污染防治核心區 （簡稱 “2＋4”城市），首次從城市層面聯合治理空氣污染。

2017年2月17日，環保部、發改委、財政部、能源局、京津冀晉魯豫聯合發布 《京津冀及周邊地區2017年大氣污染防治工作方案》，明確 “2＋26”城市攜手防治 （簡稱 “2＋26”城市），進一步加大京津冀大氣污染傳輸通道的治理力度。2017年12月5日，發改委、能源局等10部門聯合發布 《北方地區冬季清潔取暖規劃 （2017—2021年）》，提出到2019年，“2＋26”城市城區清潔供暖率達到90%；到2021年，“2＋26”城市城區全部實現清潔供暖。

為延續 《大氣十條》以降低顆粒物濃度和重污染天數的思路，2018年6月，國務院印發 《打贏藍天保衛戰三年行動計劃》，對2020年空氣治理目標提出了明確要求。該計劃提出到2020年采暖季前，京津冀及周邊地區基本完成生活和冬季取暖散煤替代，并對京津冀地區淘汰落后產能和壓減過剩產能、“散亂污”治理、機動車治理等方面提出了更高的要求。7月，協作小組進一步升格為京津冀及周邊地區大氣污染防治領導小組，進一步完善了京津冀及周邊地區大氣污染聯防聯控協作機制。

此外，為應對京津冀及周邊地區秋冬季重度污染天氣頻發的現狀，生態環境部、發改委等部門聯合京津冀晉魯豫6省市分別于2017年8月、2018年9月、2019年10月、2020年10月連續四次發布 《京津冀及周邊地區秋冬季大氣污染綜合治理攻堅行動方案》，提出PM2.5平均濃度、重度及以上污染天氣下降比例等目標。

三、文獻綜述

空氣污染給居民健康帶來了嚴重的威脅，進而影響人的行為選擇。Chen等[1]指出，秦嶺—淮河以北地區長期采用燃煤集中取暖，造成的空氣污染使得北方地區人均壽命減少5.5年。陳碩等[2]的研究表明，二氧化硫每增加100萬噸，萬人中死于呼吸系統疾病和肺癌的人數將分別增加0.5人和0.3人，由此導致每年醫療費用超過3000億元。一些研究還證實空氣污染會對人的心理健康產生負面影響[3]。此外，污染還會影響人的行為選擇。研究表明，空氣嚴重污染時，人們會減少出行[4]，學生會增加逃課幾率[5][6]；人們會避開在污染嚴重區域購房，使得該區域房價下降[7]；人們會增加醫療保健支出和防御性支出，如購買口罩和空氣凈化器[8][9][10]；空氣污染甚至還會影響到居民對政府的信任度。

很多學者對不同類型空氣污染防治政策的效果開展了深入分析。首先，研究交通限行政策的效果。多數學者發現車輛限行政策對空氣質量改善的積極影響[11][12]，但Davis[13]發現限行政策會扭曲居民的購車行為，居民會重新使用排放量更大的二手車或者購買第二輛車，汽油使用量不降反升，公共交通的使用率并沒有上升，空氣質量并沒有得到改善。曹靜等[14]也發現，當采用斷點回歸方法控制內生性問題后，尾號限行政策對北京市空氣質量的影響甚微。其次，研究節能環保法規對空氣質量的影響。Zheng等[15]發現節能法規和環境標準對改善空氣質量的積極影響。Wang等[16]基于雙重差分法，發現環保法規可顯著降低PM2.5和SO2的濃度。再次，研究某項單一政策對空氣質量的影響，包括燃煤電廠的脫硫補貼政策[17]、燃煤電廠的超低排放標準[18]、“煤改氣”或 “煤改電”政策[19][20][21]等對空氣質量的影響。最后，研究大事件下臨時空氣治理措施的效果，如2008年奧運會期間的限行政策[14]、2014年APEC會議和2015年勝利日游行的空氣污染控制政策[22][23][24]、兩會時期的空氣污染防治政策[25]。

目前采用計量經濟學中的政策評估方法，從城市維度和區域聯防聯控視角，科學識別大氣污染聯防聯控與空氣質量的因果關系的文章非常缺乏。經檢索，僅有杜雯翠等[24]和王恰等[26]兩篇文獻對這一問題有所涉及，二者得到的結論也不一致。杜雯翠等[24]采用雙重差分法，發現京津冀霧霾協同治理并沒有改善該區域空氣質量。王恰等[26]發現 《秋冬季大氣污染綜合治理攻堅行動方案》指導下京津冀及周邊地區 “2＋26”城市聯合行動有助于改善該區域空氣質量。與上述兩篇文獻均采用標準雙重差分模型不同，本文采用多期雙重差分模型來評估大氣污染聯防聯控的效果。標準的雙重差分模型適用于政策執行時間一致的情形。然而，京津冀及周邊地區聯防聯控存在明顯的從試點到推廣的過程，不同城市納入聯防聯控的時間并不完全一致，采用標準雙重差分模型估計的結果很有可能會出現偏誤，而多期雙重差分則能夠很好地捕捉政策的動態變化，從而更準確地測度大氣污染聯防聯控政策的效應。另外，本文在實驗組和控制組選擇、政策執行時間確定等研究設計上與上述兩篇文獻也不相同。此外，Song等[27]基于斷點回歸方法，分析了大氣污染聯防聯控范圍對空氣質量的影響，一些學者還對大氣污染防治的影響機制進行了探究[28][29][30]。

綜上所述，在大氣污染防治政策的效果評估方面，國內外研究文獻主要集中在評估某項具體政策對空氣質量的影響，缺乏從聯防聯控視角審視大氣污染防治效果的研究，并且現有研究在大氣污染防治政策的動態效果以及異質性方面缺乏深入分析。因此，本文以京津冀及周邊地區 “2＋26”為研究對象，運用多期雙重差分模型考察區域大氣污染聯防聯控的效果，并深入分析該政策的動態效果和異質性影響，從而豐富大氣污染防治政策評估領域的研究。

四、研究設計

（一）模型構建

當前大氣污染防治政策效果評估的方法主要包括三類。一是單差法。通過簡單比較政策執行前后的空氣質量變化來考察政策效果。該方法簡單直觀，但是沒有控制住其他影響空氣質量的因素，無法剝離空氣治理政策與其他政策對空氣質量的影響，也無法剝離城市空氣質量變化的固有趨勢[25]。二是斷點回歸方法。通過考察空氣質量在政策實施點上是否出現突變來評估政策效應。如果在政策實施前后空氣質量存在明顯的斷點，則說明空氣治理政策對空氣質量有顯著影響，不過其結論易受估計方法和窗寬選擇的影響。三是雙重差分法。將樣本城市分為實驗組和控制組，同時考察實驗組實施政策前后空氣質量的差異，以及實驗組與控制組空氣質量的差異。采用雙重差分法可以有效控制實驗組和控制組共同的空氣質量變化趨勢，能夠很好地克服內生性問題，其難點是控制組的選擇。本文采用雙重差分法來評估京津冀及周邊地區大氣污染防治政策的效果，構建的模型如下:

其中，Yc t表示城市c在日期t的空氣質量指數以及單項污染物濃度；Groupc表示城市c是否為實驗組或控制組，如果為實驗組，則取1，否則為0。Policyt表示政策是否執行的虛擬變量。政策執行前為0，執行后為1。交叉項Groupc×Policyt表示實驗組空氣質量在政策實施后的變化，其系數δ1可以用于衡量實施大氣污染防治政策的效果。Xc t為控制變量，表示影響空氣質量的其他因素，包括天氣狀況因素 （最高氣溫、最低氣溫、溫度變化、最大風力、是否下雨、是否下雪、是否有霧或霾）、節假日因素 （是否是公休日）以及供暖因素 （是否位于供暖期），另外本文還用一組表示季節的虛擬變量和一組表示地區的虛擬變量來控制季節因素和地區因素。αc表示城市固定變量，用來表示不隨時間但隨城市而異的不可觀測的變量。βt表示時間固定效應，即不隨城市但隨時間而變的不易觀測的變量。εc t表示隨機擾動項。

政策執行時間的確定。盡管早在2013年9月國務院發布的 《大氣污染防治行動計劃》中就提出建立京津冀區域大氣污染防治協作機制的要求，但是首次落實到京津冀城市層面的聯防聯控政策為2015年5月26日由京津冀及周邊地區大氣污染防治協作小組發布的 《京津冀及周邊地區大氣污染聯防聯控2015年重點工作》，該文件明確將北京、天津，以及河北省的唐山、廊坊、保定、滄州劃分為京津冀大氣污染防治核心區 （簡稱 “2＋4”城市）。因此，本文將 “2＋4”城市的政策執行時間從2015年6月1日開始設置為1。此外，2017年2月17日環保部等部門聯合京津冀晉魯豫6省市發布 《京津冀及周邊地區2017年大氣污染防治工作方案》，進一步加大京津冀大氣污染傳輸通道治理力度，明確 “2＋26”城市攜手防治 （簡稱 “2＋26”城市），將除 “2＋4”城市以外的另外22個城市 （河北省的石家莊、邢臺、邯鄲、衡水，山西省的太原、陽泉、長治、晉城，山東省的濟南、淄博、濟寧、德州、聊城、濱州、菏澤，河南省的鄭州、開封、安陽、鶴壁、新鄉、焦作、濮陽）也納入大氣污染聯防聯控范圍，并提出從2017年3月份開始，各省市安排專人定期報送相關工作。因此，本文將 “2＋26”城市中的另外22個城市的政策執行時間從2017年3月1日開始設置為1。

實驗組和控制組的確定。在標準的雙重差分模型中，政策的執行時間是唯一的。但是通過對前文政策執行時間的分析可以看出，“2＋26”城市中，“2＋4”城市的政策執行時間與其他22個城市的政策執行時間不一致，存在明顯的從試點到推廣的特征，因此本文的模型是一個多期雙重差分模型。在多期雙重差分模型下，可直接將已經將納入聯防聯控范圍的城市 （即 “2＋26”城市）設置為實驗組，當實驗組中某一個城市與政策執行的時間交互等于1時，說明在該時間點上該城市納入了大氣污染聯防聯控范圍，在該時間點之前，交互項為0。關于控制組的選擇，由于空氣質量在空間相鄰城市間具有相似性，因此本文根據地理位置相鄰原則，選擇與實驗組城市直接接壤的城市作為控制組，分別為河北省的張家口、承德、秦皇島，山西省的晉中、呂梁、臨汾、忻州，山東省的泰安、濰坊、棗莊、臨沂、東營以及河南省的洛陽、平頂山、許昌、周口、商丘，共17個城市。值得一提的是，在多期雙重差分模型中，由于城市固定效應和時間固定效應吸收掉了交互項中的主變量Groupc和Policyt，因此模型 （1）中不必單獨控制[17]。

（二）變量與數據說明

為了準確評估聯防聯控政策對空氣質量的影響，需要盡可能地控制住其他影響空氣質量的因素，比如天氣狀況、冬季采暖以及其他社會因素等。本文搜集了包含實驗組和控制組共45個城市2015年1月1日至2019年12月31日的日度數據，樣本觀測值為82170。由于控制變量中反映每日溫差的變量用日平均溫度的一階差分項獲得，因此在初始值上會產生45個缺失值，去除掉缺失值后的樣本數量為82125。以下對各變量進行詳細說明。

1.空氣質量。空氣質量數據包括空氣質量指數和單項空氣污染物。其中，空氣質量指數（Air Quality Index，AQI）是一個無量綱的綜合性指數，其取值范圍為0～500，數值越大表明大氣污染越嚴重。空氣質量數據來源于 “天氣后報”網站。

2.天氣狀況。天氣狀況會對空氣質量產生顯著影響。參考相關文獻[14][25]，本文控制的氣象因素包括:最高氣溫 （hightemp，℃）、最低氣溫 （lowtemp，℃）、最大風速 （maxwind）、是否有雨（rain）、是否有雪 （snow）、是否有霧 （霾）（smog）。另外，氣溫的變化可能對空氣質量產生影響，本文首先用最高氣溫和最低氣溫的算術平均值作為日平均值，然后用日平均值的一階差分項 （Dmeantemp）反映氣溫變化[31]。天氣狀況數據根據 “天氣后報”網站中的 “歷史天氣”菜單獲取整理。

3.其他變量。是否位于供暖期（heatsupply）。北方地區冬季空氣嚴重污染狀況頻發與冬季大量使用燃煤取暖有關。雖然不同城市均有官方規定的法定供暖期，但各城市具體供暖時間會根據當時的天氣狀況適時調整。當在法定供暖開始前或者法定供暖結束時點上出現大幅降溫的情況，供暖部門會提前供暖或者延遲停暖。因此，實際供暖期與法定供暖期并不完全一致。本文根據公開媒體報道收集實際供暖開始時間與結束時間。當處于供暖期時，取值為1，反之則為0。

是否為法定節假日（holiday）。節假日因素會通過影響人們生產生活方式進而對空氣質量產生影響。一方面，節假日期間的生產污染排放相對較少。另一方面，假期出行可能會對空氣質量產生不利影響。法定假日和調休日的數據根據國務院辦公廳每年發布的放假安排整理獲得。如果是法定節假日或調休日則取1，反之則取0。

（三）描述性統計

表1為主要變量的描述性統計。從表1可以看出，空氣質量指數的均值為102.1，屬于輕度污染，不過這一數值掩蓋了不同組別城市在不同時間點上的空氣質量差異。本文進一步將樣本城市分為實驗組和控制組，結果如圖1所示。從空氣質量指數上看，實驗組歷年空氣質量指數的平均值均高于控制組。從空氣質量的變化率來看，2016年至2019年，實驗組空氣質量指數環比變動率分別為－5.77%、－4.30%、－6.82%、－4.28%，同期控制組空氣質量指數變化率分別為－3.09%、－0.57%、－3.98%、－1.27%。可以看出，實驗組空氣質量指數下降程度均大于同期控制組空氣質量下降幅度。不過這種降幅差異是否顯著，并且是否是由大氣污染聯防聯控政策導致的，還需要通過實證模型來進一步檢驗。

表1 主要變量的描述性統計

圖1 實驗組和控制組的空氣質量指數及其變化

五、實證分析

（一）基本結論

京津冀及周邊地區大氣污染聯防聯控政策對空氣質量的影響如表2所示。第 （1）列為OLS估計的結果。第 （2）列為個體固定效應模型的結果，該列僅控制了城市固定效應，沒有控制時間固定效應。第 （3）列為雙向固定效應模型的結果。從結果可以看出，京津冀及周邊地區大氣污染聯防聯控政策顯著改善了該地區空氣質量，空氣質量指數下降約－6.7，相當于樣本均值的6.6%，其他控制變量的估計結果基本上都符合預期。王恰等[26]以 “2＋26”城市為處理組，全國其他292個城市作為參照組，基于2016年10月1日和2018年3月31日的數據，采用雙重差分模型，發現實施 “2＋26”城市聯合防治政策后，AQI指數下降了－9.479，與本文的估計結果相似。與王恰等的研究不同，本文根據相鄰城市在空氣質量和氣候條件等因素相似的原則，選擇與 “2＋26”城市相鄰的17個城市作為控制組。其次，從 “2＋4”核心區到 “2＋26”城市，京津冀地區空氣治理政策存在明顯的從試點到推廣的特征，采用多期雙重差分模型比標準雙重差分模型更加科學，能夠更好地捕捉政策的動態特征。此外，本文的樣本時間從2015年1月1日至2019年12月31日，比王恰等的樣本時間更長，估計的結果更具代表性。

表2 基本回歸結果

（二）穩健性檢驗

1.平行趨勢檢驗。表2中估計結果無偏的前提條件是在空氣治理政策實施前，控制組和實驗組在空氣質量上應該具有相同的變動趨勢，即實驗組和控制組滿足平行趨勢假定。如果平行趨勢假設成立，則說明空氣質量的改善發生在空氣治理政策執行之后，在空氣治理聯合防治政策實施前，實驗組和控制組不存在顯著差異。本文在式 （1）的基礎上進一步構建如下模型開展平行趨勢檢驗:

其中，Policyt－i表示政策實施時間的虛擬變量。如果t－i期實施了空氣污染聯防聯控政策，則取1，否則取0。δ－5到δ－1表示空氣治理政策實施前的效果，δi到δ5表示空氣治理政策實施后的效果。為了防止共線性問題，本文采用政策執行當期作為基準組，其估計結果如圖2所示。圖中虛線表示 “2＋26”城市大氣污染聯防聯控政策實施的時間節點，各垂直線代表估計系數δi及其95%的置信區間。從圖中可以看出，在實施 “2＋26”城市協同治理政策前控制組和實驗組不存在顯著差異，平行趨勢假設成立。在實施 “2＋26”城市空氣污染聯防聯控后，AQI指數顯著下降，這說明“2＋26”城市聯防聯控確實有助于改善京津冀及周邊地區的空氣質量。

圖2 平行趨勢檢驗

2.反事實檢驗。反事實檢驗的基本思想是通過人為設置政策的執行時間，然后觀察政策對空氣質量的影響。如果人為構造的空氣治理政策下也出現了空氣質量的改善，則說明前文空氣質量改善的原因可能是由其他未觀測到的因素引起的。本文假定2015年6月1日前為政策執行期，即在2015年6月1日前，政策虛擬變量設置為1，從2015年6月1日后開始設置為0，估計結果如表3所示。從表3中可以看出，在人為構造的空氣治理政策效應下，實驗組的空氣質量與控制組的空氣質量并沒有顯著差異，這反過來證明了前文基本結論的穩健性。

表3 空氣污染聯防聯控政策的反事實檢驗

3.剔除可能造假的空氣質量數據。由于空氣質量指數在100前后被人為地劃分為良和輕度污染兩個級別，部分城市為了完成上級規定的優良天數占比目標，在實際空氣質量指數超過100但不多的情況下，有可能會存在人為調低空氣質量指數的情況[25]。為了排除偽造數據對基本結論的影響，本文剔除 [95，105]之間的數據后重新估計，估計結果如表4所示。從表4的結果可以看出，剔除可能的偽造數據后，前文的基本結論仍然是成立的，這說明大氣污染聯防聯控政策確實能夠達到改善空氣質量的目的①為了保證結論的穩健性，本文還剔除空氣質量指數在 [90，110]之間的數據后重新估計，結論是一致的。。Greenstone等[32]將2013年以來的中國實時監測數據與衛星數據以及美國駐中國大使館數據展開對比，發現不同數據源的數據高度吻合，從而認為中國在全國范圍內的空氣質量實時監測系統的數據是比較可靠的，基于該數據的實證結果是相對可靠的。

表4 剔除掉A Q I位于 [95,105]區間的數

（三）聯防聯控政策的動態效果

京津冀及周邊地區大氣污染聯防聯控分為兩個階段，分別為2015年5月26日將 “2＋4”城市設為大氣污染防治核心區，以及2017年2月17日進一步提出 “2＋26”城市攜手共治。本文設置第一個階段政策執行變量Policy1，政策執行區間為2015年6月1日至2017年3月1日，實驗組為“2＋4”核心城市，其他39個城市為控制組。同理，本文設置第二個階段政策執行變量為Policy2，政策執行時間為2017年3月1日及以后，實驗組為 “2＋26”城市，其他17個城市為控制組。從表5中可以看出，第一個階段的大氣污染防治效果并不明顯，實驗組和控制組之間并沒有顯著差異，但是在第二階段上大氣污染防治效果變得顯著，空氣質量指數下降了大約9，大約相當于樣本均值的8.5%。該結論表明，當大氣污染聯防聯控范圍擴展到 “2＋26”城市后，空氣質量改善的效果才開始顯現出來。Song等[27]指出，大氣污染聯防聯控范圍的擴大有助于更好更快地完成集體行動，并且嚴格的監督和問責制減少了聯盟成員 “搭便車”的行為。

表5 兩個階段空氣治理政策的效果差異

（四）聯防聯控政策的異質性影響

部分學者研究發現，空氣污染治理政策的效果在不同城市存在差異[33][34]。本部分分析京津冀及周邊地區大氣污染聯防聯控對不同特征城市的異質性影響。主要嘗試回答以下問題:污染越嚴重的城市在納入聯防聯控實施范圍后空氣質量的改善是否越明顯？離政治中心城市的距離是否會影響大氣污染聯防聯控的效果？經濟發展程度差異是否會影響不同城市空氣治理的效果？

1.污染狀況對大氣污染防治政策效果的影響。首先需要明確在實施區域聯防聯控前各城市的污染狀況。由于京津冀及周邊地區大氣污染聯防聯控包含兩個階段，這里分別以第一階段 （2015年6月1日）和第二階段 （2017年3月1日）前各城市空氣質量的均值按照從大到小排序，設置一個虛擬變量Pollution，令排名的前50%的城市為1，其余城市為0。模型估計方程如下所示。

δ是本文重點關心的系數，它表示空氣污染更嚴重的城市在納入區域聯防聯控范圍后空氣質量的改善程度。模型的估計結果如表6所示。從結果可以看出，無論是按照第一階段還是第二階段的各城市空氣質量的排序劃分污染狀況，三重交互項的系數均為負。這表明污染越嚴重的城市，在納入大氣污染聯防聯控實施范圍后，其空氣質量的改善程度越大，達14%左右。

表6 空氣污染狀況對區域聯防聯控效果的影響

2.離政治中心的距離對空氣治理效果的頁碼 電子書="156" 紙書="151"/>影響。各城市空氣治理的效果是否與離政治中心的遠近有關系？本文從兩個角度來分析:一是離首都北京的距離，二是離各自省會的距離。從表7可以看出，三重交互項均不顯著，即并沒有經驗證據表明離首都或者各自省會的距離越近，空氣質量改善程度越強①本文也考察了大城市 （省會城市和直轄市）與其他城市在空氣治理效果上的差異，發現大城市在空氣治理效果方面與其他城市并沒有顯著性差異。，大氣污染防治的效果并不存在首都效應或者省會效應。

表7 離政治中心距離對聯防聯控政策效果的影響

3.經濟發展狀況對空氣治理效果的影響。經濟發展狀況可能會影響大氣污染防治的效果。Greenstone等[32]對2015—2018年中國空氣質量開展空間異質性分析后發現，經濟發展程度越高的城市，其空氣質量改善的程度越明顯。本文分別以各城市2017年的人均地區生產總值和地區生產總值來衡量城市的經濟發展狀況，數據來源于中國城市統計年鑒 （2018），考察城市經濟發展差異對空氣污染防治政策效果的影響。從表8可以看出，無論是采用人均地區生產總值（PGDP）還是地區生產總值 （GDP），三重交互項的系數在統計意義上都不顯著，即城市經濟發展差異對空氣污染治理效果沒有顯著影響。這在一定程度上表明，當前京津冀及周邊地區大氣污染防治更多是由政府驅動的，而非市場 （經濟）驅動的。本文的結論與Greenstone等的結論存在差異，其原因是Greenstone等只是從統計相關性角度揭示了經濟發展程度和空氣質量改善的相關關系，但并非二者的因果關系。

表8 城市經濟發展程度對空氣治理效果的影響

（五）兩項代表性大氣污染防治政策的效果分析

1.秋冬季大氣污染綜合治理攻堅行動方案。秋冬季是京津冀及周邊地區重污染天氣頻發的季節。為了有效應對重污染天氣，生態環境部從2017年開始連續四年印發 《京津冀及周邊地區秋冬季大氣污染綜合治理攻堅行動方案 （以下簡稱 “攻堅方案”）》，規定了秋冬季PM2.5平均濃度和重度及以上污染天氣數量的下降目標，實施時間為當年10月1日到次年3月31日，實施范圍為“2＋26”城市。秋冬季攻堅方案的效果如表9所示。從表9中可以看出，考慮時間固定效應后，無論是整體效果還是分年效果，攻堅方案實施期間，空氣質量均得到一定程度上的改善，結論與王恰等[26]相似。相較而言，本文的政策效果更小 （王恰等的估計系數為－9.479），其主要原因是王恰等比較了兩個秋冬季之間空氣質量的差異，而本文是比較秋冬季攻堅方案與其他季節空氣質量的差異，考慮到秋冬季的空氣污染更為嚴重，攻堅方案治理空氣污染的效果在一定程度上被部分抵消。分季節看，攻堅方案主要是改善了秋冬季的空氣質量，符合政策制定者的預期，對其他季節的空氣質量則沒有顯著影響。

本文進一步考察秋冬季攻堅方案在改善空氣質量的持續性。參照石慶玲等[25]的做法，本文分別引入秋冬季攻堅方案開始實施前2周、前1周，以及攻堅方案實施結束后1周、后2周來考察秋冬季攻堅方案效果的持續性，模型估計結果如表10所示。可以看出，在攻堅方案實施開始實施之前，監管部門通過治理 “散亂污”企業、強化面源污染防控等措施，空氣質量改善的效果已經提前顯現。但是，在次年3月份秋冬季攻堅方案結束以后，空氣質量指數出現了反彈，空氣質量又出現惡化趨勢，這可能與秋冬季攻堅行動結束后污染企業復工復產以及環保督察放松有關。這說明秋冬季攻堅方案在改善空氣質量的效果是臨時的，缺乏持續性。

2.清潔取暖計劃。我國北方地區取暖用能以燃煤為主，截至2016年底，燃煤取暖面積占北方地區取暖總面積的83%。為了改善空氣質量，2017年，國家發展和改革委員會印發 《北方地區冬季清潔取暖計劃》，提出到2019年，北方地區清潔取暖率達到50%。并且提出要以 “2＋26”城市為重點，到2019年，“2＋26”城市城區清潔取暖率要達到90%以上。本文設置虛擬變量H e a t代表是否開展清潔供暖，從2017年下半年開始設置為1。表11考察了清潔取暖計劃的效果，從表中的結果可以看出，清潔取暖計劃有助于改善空氣質量。史丹等[21]的研究也發現，推行煤改氣、煤改電等清潔供暖計劃能夠減少粉塵和二氧化硫排放量，從而改善空氣質量。

類似地，本文進一步考察清潔取暖計劃在改善空氣質量上的持續性。從表12可以看出，清潔取暖計劃政策對空氣質量的改善作用主要發生在供暖期間，在非供暖期間，清潔取暖政策對空氣質量沒有顯著的改善作用。

六、結論與建議

本文基于多期雙重差分模型考察了京津冀及周邊大氣污染聯防聯控對地區空氣質量的影響。結果表明，京津冀及周邊地區大氣污染聯防聯控政策確實有助于改善該地區的空氣質量，平均而言，大氣污染聯防聯控使得京津冀及周邊地區空氣質量指數下降－6.7，相當于樣本均值的7%左右。從政策的動態效果看，當聯防聯控實施范圍從 “2＋4”核心區城市擴大到 “2＋26”通道城市后，空氣質量改善的效果才顯現出來。剔除可能偽造的數據、反事實檢驗等一系列穩健性檢驗均表明基本結論的可靠性。在政策效果的異質性方面，本文發現，污染程度越高的城市，在納入區域聯防聯控實施范圍后，其空氣質量改善的程度越大；而離政治中心 （首都或省會）距離、城市經濟發展水平差異對大氣污染防治的效果均沒有顯著性影響。最后，無論是秋冬季攻堅方案還是清潔取暖計劃，在政策實施期間都能夠在一定程度上改善空氣質量，但是空氣質量的改善并不具有持續性。本文的研究結論能夠為進一步推進和完善大氣污染聯防聯控機制提供決策參考。

根據上述結論，本文提出如下政策建議。

1.持續推進區域大氣污染聯防聯控。打破傳統的基于屬地治理的環境管理模式，持續推進區域大氣污染聯防聯控，增強各級政府聯合治污的合力，有助于將外部污染內部化，能夠有效防止地方政府在空氣治理上的 “搭便車”行為以及污染的跨區域轉移現象，從而實現區域空氣質量的整體改善。

2.更加科學地評估大氣污染防治政策的效果。簡單地將政策實施前后空氣質量的改善全部歸因于大氣污染防治政策可能會導致政策評估存在偏誤。相關部門在評估大氣污染防治政策時，應盡可能將影響空氣質量變化的政策因素和其他因素剝離開，科學識別大氣污染防治政策與空氣質量改善之間的因果關系。

3.關注大氣污染防治效果的持續性。通過上文對秋冬季攻堅行動方案和清潔取暖計劃的考察，發現空氣質量改善主要發生在政策執行期，在政策執行期結束后，空氣質量并沒有持續改善，甚至出現了污染反彈的跡象。因此，相關部門應該進一步加大環保督察和執法力度，堅決清理整治 “散亂污”企業，防止污染反彈。