“2+26”城市霧霾治理政策效果評估

張中祥 曹歡

摘要 文章將《京津冀及周邊地區2017年大氣污染防治工作方案》和其后續“攻堅行動方案”的發布作為準自然實驗，使用雙重差分模型（DID）評估大氣污染治理的政策效果。回歸結果發現：①“方案”的發布對于“2+26”城市的空氣具有顯著的改善作用，并通過了穩健性檢驗，構成霧霾的主要污染物PM2.5、PM10和AQI 的改善程度最明顯，SO2、CO 和NO2的改善幅度次之，但O3濃度在政策處理期內不降反升，說明近年來O3污染程度加劇，亟須引起關注。②長期視角下SO2和NO2的治理效果較短期情況下相比有所提升，說明有些大氣污染物仍然具有進一步改善的潛力，印證了大氣污染治理是一項長久的“攻堅戰”。③引入空間DID分析，通過空間杜賓和雙重差分的嵌套模型，放松個體相互獨立的假設，從空間維度探討“方案”的政策效果，對比空間視角下的直接效應與間接效應得出，區域聯防聯控大氣治理手段相比單一地區空氣質量改善政策而言能夠使得治理效果事半功倍。④使用中介效應模型，探討了“方案”通過減少工業產值占GDP 的比重和減少能源消費總量達到空氣質量改善的兩種作用機制。最后，文章為接下來進一步有效治理大氣污染提出了相關的政策建議。

關鍵詞 “2+26”城市;雙重差分模型;空間DID;機制分析

中圖分類號 X51;F061.5? 文獻標志碼 A?? 文章編號1002-2104（2022）02-0026-11?? DOI：10.12062/cpre20211126

大氣污染是中國經濟不斷快速發展的一項負外部公共品，在中國，受空氣污染問題最多困擾的當屬京津冀及周邊地區[1-4]。國務院發布的“十三五”生態環境保護規劃中明確強調要“深化區域大氣污染聯防聯控、顯著削減京津冀及周邊地區顆粒物濃度”，因此京津冀及周邊地區成為大氣污染防治的重點覆蓋區域。2017年2月17日，原環境保護部發布了《京津冀及周邊地區2017年大氣污染防治工作方案》（以下簡稱《2017方案》），形成了以京津冀及周邊地區為主導的大氣污染防治協作組。該方案聯合河北、河南、山東、山西四省和北京、天津兩市，首次提出“2+26”大氣污染傳輸通道城市概念，旨在降低污染排放負荷、強化冬季治霾、提升區域空氣質量。在《2017方案》發布后，為進一步強化秋冬季大氣污染防治工作的實施，原環境保護部發布了《京津冀及周邊地區2017—2018年秋冬季大氣污染綜合治理攻堅行動方案》，生態環境部發布了《京津冀及周邊地區2018—2019年秋冬季大氣污染綜合治理攻堅行動方案》和《京津冀及周邊地區2019—2020年秋冬季大氣污染綜合治理攻堅行動方案》。這三個“攻堅行動方案”中的“秋冬季”指每年的10月份到次年3月份，由于該時期內氣象條件的改變會使得大氣擴散能力變差，集中供暖的開始又會加劇大氣中顆粒物污染情況，有關部門為保證《2017方案》的執行效果，在此基礎上，制定了后續的一系列“攻堅行動方案”。從某種程度上來看，《2017方案》與后續的“攻堅行動方案”具有很高的相似性，都是以改善京津冀及周邊地區大氣污染為核心。因此，文章將《2017方案》與后續的“攻堅行動方案”看作一個期限長達3年的政策整體，評估其對空氣質量改善的整體效果。

那么，在這些“方案”作用的三年時間內，京津冀及周邊地區大氣污染治理成效如何？這些“方案”是否能夠使得“2+26”城市的空氣質量發生顯著改善？若發生改善，那么這種改善是通過何種機制來具體產生影響？文章將對這些問題進行探索性分析和實證檢驗，從多角度評價這一系列大氣污染治理政策的效果，為接下來“十四五”期間的大氣污染治理政策的研究與制定提供科學的視角和依據。

相比以往的研究，文章的邊際貢獻與創新點在于：①與以往學者普遍研究的單項大氣污染治理政策不同，創新性地將《2017方案》和后續“攻堅行動方案”看作一項整體，從短期和長期兩方面評估政策整體對空氣改善的效用。②從多視角探究政策的治理效果，通過引入空間 DID模型有效解決大氣污染的空間相關性問題，從空間維度上討論大氣污染政策的治理效果，擴展了大氣污染政策效果評價的方法與思路。

1 研究背景及假設

在中國，大氣污染治理一直是各方所密切關注的話題，大氣污染治理不能一蹴而就，從政策的制定、下發到落實，治理過程需循序漸進。隨著人民日益增長的美好生活需要不斷增加，民眾對“藍天”的呼聲也愈來愈高，為了營造良好的大氣條件，舒適的居住環境，中央有關部門出臺了多條大氣污染治理長效舉措。2013年9月國務院發布了《大氣污染防治行動計劃》——即“大氣十條”政策。羅知等[5]的研究發現，“大氣十條”政策通過與供暖機制的聯合能夠使得北方冬季的空氣質量得到顯著的改善;同樣，楊斯悅等[6]利用“大氣十條”充當準自然實驗，證明了該項政策的總體有效性，但指出分解污染物在區域條件下并未達到政策的要求;石敏俊等[7]采用分位數回歸模型方法認為“大氣十條”規定難以實現既定的PM2.5減排目標，要想實現既定的污染物濃度指標，需要進一步加強減排力度。隨后，2018年7月，《打贏藍天保衛戰三年行動計劃》應運而生。肖翠翠等[8]對《藍天保衛戰強化督查方案》進行評估，得出該政策能夠有效改善京津冀及周邊地區的空氣質量。隨著《2017方案》和后續“攻堅行動方案”的提出和落實，已有學者對其政策效果進行了評價。王恰等[9]利用全國320個城市，將實驗組和對照組分為“2+26城市”和非“2+26城市”，發現方案顯著降低了實驗組城市的各類污染物濃度;毛顯強等[10]以山東省為例探究了該治理政策的實施效果，得出方案對PM2.5、PM10和 CO 三項濃度指標有改善作用，并發現《2017方案》的治霾成功主要得益于政策實施之后的“攻堅行動方案”的執行。

在已有的對大氣污染政策評價的研究中，學者們大多都采用基準雙重差分模型，但基準雙重差分模型對個體存在嚴格的獨立性假設，且只針對政策的直接效應進行測量。當大氣污染和大氣污染的治理過程存在空間關聯性時，這種簡單方法通常具有局限性。因此，文章在基準雙重差分模型的基礎之上，引入空間 DID模型，通過空間杜賓與雙重差分的嵌套模型，測量“方案”給京津冀及周邊地區帶來空氣質量改善的直接效應與間接效應（即空間溢出效應），能夠使得文章的分析結果更加全面準確。

在《2017方案》及后續“攻堅行動方案”提出之前，有關部門發布的大氣污染長期治理政策往往是單一的，缺乏污染頻發季節細分和相關后續意見指導，從而可能造成政策效果不盡人意。《2017方案》和后續“攻堅行動方案”循序漸進，讓一套大氣污染治理政策更加完整。其中“方案”提出化解過剩產能，重點關注鋼鐵類和制造加工類，實行工業企業錯峰生產，規定排放限值，加大工業企業限產力度;實施清潔取暖，完成“小燃煤鍋爐”清零工作、實現煤炭消費總量負增長等一系列舉措。基于政策方針的發布和目標責任的落實，文章提出以下研究假設：

假設1：《京津冀及周邊地區2017年大氣污染防治工作方案》和后續發布的“攻堅行動方案”能顯著改善“2+26”城市的空氣污染狀況。

假設2：這種改善可以通過降低地區生產總值工業占比、減少能源消費總量這兩種作用機制達成。

文章選擇的樣本為京津冀及周邊地區“四省兩市”范圍內的“2+26”城市與非“2+26”城市，除在有無政策直接影響的維度外，其他特征較為相似，能夠更好地滿足 DID 模型的前提假設，也能夠把問題聚焦在京津冀及周邊地區本身，具有地區代表性。

2 模型構建及數據選取

以治理大氣污染為例，評估政策的事件分析方法有多種，學者們常用雙重差分模型（Difference?in?Differences? Model，簡稱 DID）、斷點回歸模型（Regression Discontinuity? Design，簡稱 RDD）及合成控制法（Synthetic Control Meth? od，簡稱SCM）評價政策的規制效果。王嶺等[11]使用雙重差分證實了中央政府首輪環保督察和“回頭看”都使得 AQI、PM2.5和PM10顯著下降，為由“督企”轉變為“督政”的監督檢查機制提供了理論與決策依據。Chen 等[12]利用雙重差分模型探討在2008年奧運會前后北京市的空氣污染治理措施的實施效果，結果表明，空氣質量指數API 在奧運會開始之前就已下降，而奧運會結束的一個月內，API 指數迅速升高。RDD 模型除了能解決內生性問題之外，還避免了因使用倍差法尋找控制組的困難。曹靜等[13]發現當使用傳統的 OLS 回歸時顯示北京的限行政策有很大的作用效果，但使用RDD 識別，排除掉模型內生性干擾，“尾號限行”并未改善城市的空氣質量。合成控制法也能夠比較準確地將政策實施的效果一探究竟，張俊[14]以北京奧運會為自然實驗，使用北京和合成北京比較了奧運會前后北京市的空氣質量變化，發現奧運會之后北京空氣質量的改進主要發生在非冬季，而冬季時的空氣質量沒有得到明顯改善。相對于 RDD 與 SCM，DID 更適用評價面板數據中有非單一實驗組的情況;相對于“單差法”， DID可以更準確地計算實驗組在政策實施前后排除自身趨勢的變化，即解決一部分內生性問題。因此，文章選擇 DID模型來評估大氣污染治理政策的實施效果。

2.1 基準雙重差分模型

文章將《京津冀及周邊地區2017年大氣污染防治工作方案》及后續“攻堅行動方案”的發布看作“準自然實驗”，來比較政策發布前后空氣質量改善的幅度，建立如下基本模型：

其中，Yit代表空氣質量指數（Air Quality Index，簡稱 AQI）和構成AQI 的六種單項污染物濃度（PM2.5、PM10、SO2、CO、 NO2和 O3），i代表城市，t 表示時間。Treati和Postt均為虛擬變量，當城市i為實驗組時，Treati取值為1，反之為0;當時間t 為政策發布日后時，Postt取值為1，反之為0。Zit為一組控制變量，其中包括城市特征變量：人口自然增長率、人均地區生產總值、城市建成區面積、一般公共預算收入和一般公共預算支出;天氣特征變量：是否下雨、是否下雪、是否多云、最高氣溫、最低氣溫、風力和風向;其他控制變量：是否海濱城市、是否處于冬季供暖期、是否法定節假日。μi為城市固定效應，用來控制城市維度上所有不隨時間變化的因素，如地理區位等; Tt為月度時間固定效應，控制時間維度上不隨地區而改變的特征，如宏觀經濟走勢等;εit是殘差項。模型中，重要的解釋系數是α1，若其估計值小于零，則表明與控制組相比，政策的實施改善了“2+26”城市的空氣質量。

2.2 空間雙重差分模型

當研究問題具有內生性時，雙重差分模型是解決內生性問題的“不二法則”。但個體間相互獨立的假設被打破后，單純使用 DID模型便很難使得回歸結果準確可信。與基準 DID 模型相比，空間 DID模型既有 DID 模型的優點，又存在空間計量模型的優勢，它能夠放松空間單位之間相互獨立的假設，認為本地區與鄰近地區存在相互關系，即本地區的變動不僅直接影響本地區結果變量，也會影響其相鄰地區的結果變量，也就是說，政策既具有直接效應，也具有空間溢出效應。

大氣污染具有空間相關性，大氣污染治理過程同樣也具有這一特性[15-17]，鑒于此，使用空間雙重差分模型對《2017方案》和后續“攻堅行動方案”進行政策評估。使用空間雙重差分模型的好處是，既能夠從一種新視角探究大氣污染政策作用效果，也能對引入空間計量模型下政策的直接效應和間接效應進行分解，討論和評估政策的空間溢出效應。這種方法不論是探究經濟問題還是評估政策效果[18-22]都能夠鞭辟入里。

常見的空間計量模型存在三種，空間滯后模型（SAR）、空間誤差模型（SEM）和空間杜賓模型（SDM），當地區間的相互作用通過模型中的誤差項來實現，即空間溢出效應來源于隨機沖擊時，通常選擇SEM 模型;當自變量通過空間傳導從而對其他地區產生影響時，通常選擇 SAR 模型。SDM 可以看作是 SAR 與 SEM 的結合，模型同時包含自變量和因變量的滯后項，自變量的變化對本地區及相鄰地區的因變量都會產生影響，在分析實際問題時具有以上兩種模型的優點。

文章借鑒了 Chagas 等[23]以及范巧等[24]的處理方法，構造 SDMDID 模型，在傳統 DID 模型上引入空間權重矩陣，模型形式設定如下：

其中，W是根據兩兩城市地理位置差異構建出的空間距離矩陣，i和j 表示兩個不同的城市;dij為城市i與城市j之間的歐式距離，利用國家基礎地理信息系統的經緯度數據計算得來;dmax表示城市之間的最大距離，若距離超過此值則地區間的相互作用忽略不計;ρ為空間自回歸系數;θ是自變量空間滯后項參數;μi是城市固定效應; Tt為時間固定效應;α1是核心解釋變量的系數，代表引入SDM 后，“方案”對“2+26”城市大氣污染治理的影響程度。

2.3 數據選取

文章選取的實驗組為“方案”中所規定的“2+26”城市，具體包括北京市，天津市，河北省石家莊、唐山、保定、廊坊、滄州、衡水、邯鄲、邢臺，山東省濟南、淄博、聊城、德州、濱州、濟寧、菏澤，河南省鄭州、新鄉、鶴壁、安陽、焦作、濮陽、開封，山西省太原、陽泉、長治、晉城，共計28個城市。對照組城市為“四省兩市”中的非“2+26”城市，所選擇的研究對象均為地級市。時間跨度為2015年1月1 日起至2019年12月31日止，單個城市樣本量為1825條。考慮到“2+26”城市本就處于京津冀及周邊地區范圍內，從京津冀及周邊地區“四省兩市”出發，討論“2+26”城市在特定地區內政策作用下空氣質量改善的效果，從理論上和實際上看都更具有地區代表性。

文章數據指標選取及來源為：

（1）空氣質量指標。AQI 以及構成AQI 的六種單項污染物濃度指標來自中國空氣質量在線監測分析平臺，該平臺發布的數據源自中國環境檢測總站。文章整理了2015年1月1日—2019年12月31日“四省兩市”的日均 AQI 和六種污染物濃度數據。

（2）氣象條件數據。氣象條件會對空氣質量產生重要影響，文章搜集了一系列氣象條件數據。模型均控制了日度的最高氣溫、最低氣溫、是否多云、是否下雨、是否下雪、風力和風向情況。氣象數據源自2345天氣王。

（3）法定假日變量。節假日會影響人們的日常活動和社會的生產活動，進一步地影響空氣質量，加入法定節假日這一虛擬變量能夠控制假期因素對空氣污染的異質性影響。法定節假日及調休安排來自國務院辦公廳發布的通知。

（4）城市特征變量。城市特征變量能在一定程度上反映城市的發展水平，而城市發展水平與城市大氣污染之間存在相關關系，控制城市特征變量可以消除一部分內生性。文章選擇人口自然增長率、人均地區生產總值、建成區面積、一般公共預算收入和一般公共預算支出五項指標描述樣本所在城市特征。選取的指標統計口徑均為市轄區指標，數據源自2015—2019年的《中國城市統計年鑒》。

（5）冬季供暖變量。根據羅知等[5]的研究，大部分城市的供暖期在11月15日左右開始，到次年3月15日左右結束。由于冬季的供暖會在一定程度上影響空氣質量，因此加入城市供暖期虛擬變量，處在11月15日到次年3月15日期間取值為1，反之為0。

（6）海濱城市變量。海濱城市氣候和擴散條件均好于內陸城市，會對空氣質量產生影響，加入海濱城市虛擬變量，城市靠海取值為1，反之為0。

數據的描述性統計見表1，在全樣本期內，樣本量高達十萬多條，AQI 均值為103.5。

2.4 平行趨勢檢驗

“方案”對“2+26”城市的空氣質量有著顯著的改善作用，另一個可能存在的原因是，在該“方案”發布之前，實驗組城市的空氣狀況就已經發生了好轉，進而給文章所評價的政策效果帶來偏誤。在應用 DID模型分析的問題中，為保證政策處理效果真實可靠，檢驗實驗組和控制組的平行趨勢是十分必要的。

文章通過設定相應的動態效應模型檢驗平行趨勢。具體做法是以2017年“方案”發布為中間點，令政策窗口向前及向后分別移動1年和2年，通過核心解釋變量系數的變化進而分析大氣污染治理的政策效果，動態方程如下所示：

其中，n 表示與政策發布時間2017年所間隔的年份距離，考察政策發布當年以及前后兩年的動態處理效果。核心解釋變量依然是Treati×Postt，其余解釋變量代表意義與公式（1）相同。圖1顯示，政策處理前兩年，回歸系數在0軸附近波動，說明實驗組和對照組城市的AQI 無顯著差別;政策處理當年，實驗組城市AQI 并未發生顯著下降，這是由于原環境保護部于2017年2月17日生成的“方案”，使當年秋冬季霧霾治理取得的成果平滑到一整年內不再顯著，并且大氣污染治理存在時間上的滯后性特征[17，25]。2018年，回歸系數顯著降低，說明政策作用下相比于對照組城市，實驗組城市的空氣質量發生明顯改善，但2019年時這種效果則又消失不見，說明政策效果的持續性較差。總體上看，實驗組城市和對照組城市在政策處理前具有平行趨勢，政策處理后實驗組城市空氣質量顯著提升，即滿足平行趨勢的假設。

3 實證分析結果與穩健性檢驗

3.1 基準雙重差分結果

首先使用2015年1月1日—2017年7月31日的短期數據，對《2017方案》單項政策的出臺進行評估。模型中控制變量包括城市特征變量：人口自然增長率、人均地區生產總值、建成區面積、一般公共預算收入和一般公共預算支出;天氣特征變量：是否下雨、是否下雪、是否多云、最高氣溫、最低氣溫、風力和風向;其他控制變量：是否海濱城市、是否處于冬季供暖期、是否法定節假日（以下各回歸模型同樣控制）。固定效應包括城市個體固定效應和月度時間固定效應和年度時間固定效應。表2中列（1）的回歸結果表明“2+26”城市的空氣質量發生了顯著的改善，AQI 平均降低了10.18。列（2）-（7）六種單項污染物中，PM2.5、PM10、CO 和NO2四種污染物得到顯著改善，這與《2017方案》中的各項治理規定密不可分;SO2系數為負但濃度下降并不顯著，在短期情況下 SO2改善程度較小; O3 濃度在政策期內顯著提升，平均濃度提高10.37，可能與其特殊的形成過程有關，說明了近年來在治理大氣污染時忽視了O3這一污染物，導致O3污染加劇，因此亟須有關部門密切關注 O3污染問題，開展大氣污染物協同治理等手段有效控制O3污染，這與許多學者的觀點一致[26-28]。

其次，將《2017方案》與后續“攻堅行動方案”看作一個整體，檢驗《2017方案》和“攻堅行動方案”的長期政策效果。政策處理時間依然是《2017方案》的發布時間，但政策作用的時間變長，進而估計得到的結果是《2017方案》和“攻堅方案”一同作用的平均處理效應。由表3可知，在長期中，AQI、PM2.5、PM10和 CO 改善的效果依然顯著，改善幅度相較短期基本一致，并且O3污染問題仍然存在。不同的是，長期情況下，SO2濃度平均降低5.52，改善效果優于短期情況，NO2的改善程度較短期略有提升。通過短期與長期回歸結果的比較分析，長期情況下，造成霧霾的主要污染物 PM2.5和 PM10并沒有因為政策時間延長而產生改善效果的稀釋，可能得益于后續“攻堅行動方案”的發布;SO2和NO2在長期情況下仍然具有進一步改善的潛力，這也從側面再次說明，治理大氣污染是一項長久的“攻堅戰”。

3.2 空間DID模型

進行空間 DID 回歸前，文章已對模型進行漠然檢驗，各污染物通過了漠然檢驗，漠然指數為正，表明大氣污染在空間維度上呈現正相關，適合引入空間計量模型分析文章問題。其次，對空間計量模型的設定也進行了檢驗，使用拉格朗日乘數（LM）檢驗和穩健拉格朗日乘數（Ro? bust?LM）檢驗空間滯后項和空間誤差項是否需要納入模型中，表4中 test lag 和 test error 的結果顯示（P值為0）整體上都通過了顯著性檢驗，即空間滯后項與空間誤差項均應納入文章的模型當中，應用 SDMDID 模型更適合于文章的分析。θ和ρ系數顯著表明自變量和因變量都具有空間效應，也證明了模型選擇的合理性。

由表4可知，通過空間 DID模型得到的回歸結果顯示，“方案”的治理效果依然顯著，雖然除 CO 外的各項污染物回歸的系數絕對值相比基準 DID 結果變小，但這是使用空間計量模型分析問題，引入空間權重矩陣后所不可避免的。回歸結果表明，當使用 SDMDID 模型對“方案”的政策效果進行評估，控制空間層面上的一部分內生性問題，政策的落實依然對空氣質量改善起到了至關重要的作用。

進一步地，使用Elhorst[29]的方法，對 SDMDID 的空間效應進行偏微分分解。表5中，Directα1為直接改善效應，即本地區的政策對本地區空氣改善的作用成果;Indi?rectα1為間接效用，即空間溢出，是本地區改善對周邊城市的平均影響; Totalα1是兩種效應的和。重點關注空間視角下政策帶來的直接效應與間接效應之間的關系，在間接效應中，政策對 SO2和 O3的改善并不明顯，其中 SO2污染物不易轉移，在有 NO2和 O3的條件下易被氧化為 SO3，易溶于水且附著于物體表面形成硫酸鹽物質，擴散能力較差; O3則極不穩定，具有強氧化性，因此這兩種污染物的改善只與本地區空氣質量提升有關，不具有空間溢出的改善。相比之下，PM2.5和PM10的粒徑小，不易沉降，遷移擴散能力極強，因此間接效應即空間溢出效應較高。

整體來看，效應分解后，除 SO2和 O3外的大氣污染物本地區政策的間接效應大于其直接效應，且間接效應占總效應很大一部分比重，可能原因是文章所研究的實驗組城市在空間維度上高度集聚，形成了集聚的城市群，這種集聚的狀態導致空間溢出效應較高，因此政策效果轉化比例也較高，相鄰城市可以通過“搭便車”從而得到空氣質量改善的好處，而城市高度集聚情況下導致的城市之間互相“搭便車”，又會進一步推動空間溢出效應的擴張。在一定程度上也能說明，在大氣治理的過程中，采用區域協同治理手段得到的最終成效往往好于單獨地區的政策實施，由于大氣污染存在空間上的關聯性，采用區域聯防聯控手段所帶來的空間溢出效應能夠使得大氣污染治理效果事半功倍。

3.3 穩健性檢驗

3.3.1 虛擬政策時間

參考曹翔等[30]，呂越等[31]的做法，文章虛擬政策時間，在基準 DID模型的基礎上人為地把《2017方案》的發布提前，每次提前一個月。若此時方程中交互項系數不顯著，則證實了空氣質量的改善是《2017方案》實施的結果。表6中列（1）顯示當政策提前一個月時，交互項系數顯著。由于2017年1月正值冬季污染頻發時段，空氣重污染預警信息頻繁發布，本就處于治理冬季空氣污染的重要時段，且政策發布前各單位已預知相關空氣治理政策即將發布，為政策的落實提前做好了準備，“預知效應”造成了政策提前一個月，交互項系數的顯著。列（4）系數一星顯著為正，不會對文章的分析造成影響。除列（1）和列（4）外，其余交互項系數均不顯著，因此有理由相信，正是由于“方案”的實施，才帶來了空氣質量的改善。

3.3.2 更換因變量度量方式

根據中國多尺度排放清單MEIC 模型[32]中測算的其他大氣污染物濃度，文章選取PM?coarse（氣溶膠顆粒物）和 OC（大氣污染物中的有機碳）作為模型中因變量進行基準 DID 回歸。表7顯示，更換被解釋變量后，模型交互項系數依然顯著，在政策實施期間，PM?coarse 和 OC 污染物濃度均產生了顯著的下降，證實了基準回歸結果，表明“方案”的實施確實能夠有效改善空氣質量。

3.3.3 縮短時間跨度

2018年6月27日，國務院印發了《打贏藍天保衛戰三年行動計劃的通知》，新的一項大氣污染治理措施落地實行，該項空氣治理政策所針對的重點區域完全涵蓋了文章所研究的“2+26”城市。既包括京津冀及周邊地區，又囊括了長三角和汾渭平原等地。考慮到這項計劃的發布可能會影響文章估計的結果，因此，文章選擇縮短樣本時間跨度，刪除2018年6月27日之后的數據再次進行基準 DID 回歸，表8顯示，各種污染物的回歸結果與前文一致，即除O3外，各項污染物濃度均在“方案”作用下顯著下降，因此“藍天保衛戰”未對文章的估計造成偏誤。

3.3.4 加入固定效應交互項回歸

在基準 DID 回歸方程的基礎上加入年份和城市的交互項、月份和城市的交互項進一步控制不可觀測的異質性，表9顯示，加入城市-年份固定效應交互項后，AQI 改善幅度進一步提高;加入城市-月份固定效應交互項，對 AQI 改善幅度影響不大，文章基準回歸結果依然穩健。

4 機制檢驗

上述結果均已表明，《2017方案》和后續“攻堅行動方案”能夠顯著改善“2+26城市”的污染狀況。那么，這種改善通過何種作用途徑達到？結合生態環境部印發的《2017方案》[33]和后續“攻堅行動方案”中所涉及的工作任務與具體措施，文章通過中介效應模型將從地區生產總值工業占比與能源消費總量兩種機制考察“方案”的作用路徑。

一方面，“方案”明確提出產業結構調整需取得實質性進展：化解過剩產能，化解鋼鐵類的過剩產能是工作的重中之重;加大鋼鐵企業限產力度、取締“小散亂污”，重點關注有色金屬熔煉廠、橡膠、化工、制革等制造加工業。同時對工業企業的排放做出了高標準和嚴要求，大力推進工業企業在采暖季錯峰生產，對排放規定限值等。通過對產業結構調整，降低工業產業在總產業中的比重，以及對工業企業進行生產和排放等方面的限制，能夠減輕工業生產過程中對大氣污染造成的負面影響。鑒于數據可得性，文章選取地區生產總值工業占比作為中介變量來檢驗這一機制。另一方面，“方案”還提出，實施清潔取暖，以電代煤、完成“小燃煤鍋爐”清零工作、實現煤炭消費總量負增長等舉措，治理空氣污染狀況。因此選取能源消費總量作為中介變量進行這一機制的檢驗。地區生產總值工業占比及能源消費總量數據分別來自中經網統計數據庫及中國城市統計年鑒。

根據 Baron and Kenny[34]和溫忠麟等[35]的研究，設定如下中介效應機制檢驗模型：

其中Sit和 Cit都代表中介變量，Sit為地區生產總值工業占比，Cit為能源消費總量，其余解釋變量同上文一致。根據溫忠麟等[36]的研究方法，使用 Sobel 和 Bootstrap 方法檢驗中介變量的有效性。表10中 Sobel 檢驗P值為0，證明了中介效應的成立。此外，文章還采用 Bootstrap 檢驗對中介效應進行再次檢驗，設定抽樣次數分別為500和1000，得到回歸結果的P值依然顯著為0，且通過 Bootstrap 計算得到的置信區間均未包含0，中介效應成立。Bootstrap 檢驗結果限于篇幅原因，未在正文進行報告，如有需要可向作者索取。機制1的第三列回歸結果顯示，適當降低工業產值占地區生產總值的比重，對改善大氣污染具有顯著促進作用;同理，機制2第三列的回歸結果表明，減少能源消費總量也是影響空氣質量改善的有效機制。

5 結論與政策性建議

文章從京津冀及周邊地區的“四省兩市”出發，對《京津冀及周邊地區2017年大氣污染防治工作方案》和后續發布的一系列“攻堅行動方案”進行政策評估，系統全面地評估其發布以來空氣污染治理的總體成效。使用基準 DID模型實證分析發現，AQI 和除O3外的五種單項大氣污染物，均在政策處理期顯著改善，并使用多種穩健性分析方法增加了結果的可靠性。O3濃度在政策期顯著提高可能與 O3特殊的形成原因有關，這也提醒了有關部門要對 O3問題產生足夠的重視，通過大氣污染物協同治理等方法有效控制O3污染。對比短期視角和長期視角下的基準 DID 回歸結果得到，AQI 和造成霧霾的主要污染物PM2.5、 PM10的改善幅度在長短期內大體相當。但長期情況下 SO2和 NO2的治理效果較短期情況下相比有所提升，說明有些大氣污染物仍然具有進一步改善的潛力，印證了治理大氣污染不能一蹴而就，而是一項長久的“攻堅戰”的觀點。

引入空間 DID分析，通過空間杜賓和雙重差分的嵌套模型，在放松個體相互獨立假設的前提條件下，從空間維度討論大氣污染的政策效果，得到的大氣污染治理效果依然顯著，與基準回歸一致。進一步對比政策的直接效應和間接效應得到，在間接效應中，政策對 SO2和 O3的改善并不明顯，其中SO2污染物不易轉移，O3則極不穩定，因此這兩種污染物的改善只與本地區政策有關，很難受到相鄰地區大氣治理政策的影響。相比之下，PM2.5和 PM10的粒徑小，不易沉降，遷移擴散能力極強，間接效應即空間溢出效應較高。整體來看，效應分解后，主要污染物政策的間接效應大于其直接效應，且間接效應占總效應很大一部分比重，可能原因是文章所研究的實驗組城市在空間維度上高度集聚，形成了集聚的城市群，這種集聚的狀態導致空間溢出效應較高，因此政策效果轉化比例也較高，相鄰城市可以通過“搭便車”從而得到空氣質量改善的好處，而城市高度集聚情況下導致的城市之間互相“搭便車”，又會進一步推動空間溢出效應的擴張。這意味著，在大氣治理的過程中，采用區域協同治理手段得到的最終成效往往好于單獨地區的政策實施。最后的機制檢驗顯示，政策能夠通過調整工業占GDP 的比重、減少能源消費總量兩種渠道影響“方案”的治理成效。

雖然以京津冀及周邊地區為代表的區域協同大氣污染治理目前已經取得了一定成效，但在“十四五”時期，全國大氣污染治理的重點與難點依然存在，治理大氣污染不容松懈。“2+26”城市這種區域協作、統一標準、聯動治理的大氣污染治理方法，值得在更大范圍進行推廣。通過文章的分析，帶給“2+26”城市乃至全國各地區“十四五”時期以及未來大氣污染治理以下四點思考：①進一步提高區域大氣污染協作治理力度，構建多部門參與治理格局。實現區域統一規劃，多部門分工合作，提升大氣污染物的區域協同治理和污染物協同治理能力，強化區域大氣污染治理的頂層設計。②打造區域大氣污染動態治理體系，規劃“中長期”大氣污染治理方案，實施大氣污染改善動態推進。一方面鞏固既有治理成果，另一方面推動治理效能提升。③優化產業、能源結構，滿足綠色低碳轉型和可持續高質量發展的核心要求，助力“雙碳”目標實現。④致力于大氣污染方針精細化落實。明確治理主體責任、治理目標、治理方法，推動政策方針多元化，精準搭配不同政策，為大氣污染有效治理保駕護航。

致謝：感謝胡文皓、邵珠瓊和評審人提出的修改建議。文責自負。

參考文獻

[1]李曉燕.京津冀地區霧霾影響因素實證分析[J].生態經濟，2016，32（3）：144-150.

[2]王情，朱歡歡，杜鵬，等.京津冀及周邊地區“十四五”及中長期 PM2.5污染控制目標的健康效益預估研究[J].環境科學研究，2021，34（1）：220-228.

[3]馬麗梅，張曉.中國霧霾污染的空間效應及經濟、能源結構影響[J].中國工業經濟，2014（4）：19-31.

[4]謝楊，戴瀚程，花岡達也，等. PM2.5污染對京津冀地區人群健康影響和經濟影響[J].中國人口·資源與環境，2016，26（11）：19-27.

[5]羅知，李浩然.“大氣十條”政策的實施對空氣質量的影響[J].中國工業經濟，2018（9）：136-154.

[6]楊斯悅，王鳳，劉娜.《大氣污染防治行動計劃》實施效果評估：雙重差分法[J].中國人口·資源與環境，2020，30（5）：110-117.

[7]石敏俊，李元杰，張曉玲，等.基于環境承載力的京津冀霧霾治理政策效果評估[J].中國人口·資源與環境，2017，27（9）：66-75.

[8]肖翠翠，郭培坤，常杪，等.大氣污染防治督查結果特征分析與政策效果評估：以京津冀及周邊地區大氣污染傳輸通道城市為例[J].干旱區資源與環境，2019，33（11）：42-48.

[9]王恰，鄭世林.“2+26”城市聯合防治行動對京津冀地區大氣污染物濃度的影響[J].中國人口·資源與環境，2019，29（9）：51-62.

[10]毛顯強，張慶勇.“2+26”城市治霾方案效果評估：以山東省為案例的研究[J].中國人口·資源與環境，2020，30（3）：83-92.

[11]王嶺，劉相鋒，熊艷.中央環保督察與空氣污染治理：基于地級城市微觀面板數據的實證分析[J].中國工業經濟，2019（10）：5-22.

[12]CHEN Y Y，JIN G Z，KUMAR N，et al. The promise of Beijing： evaluating the impact of the 2008 Olympic Games on air quality [J]. Journal of environmental economics and management，2013，66（3）：424-443.

[13]曹靜，王鑫，鐘笑寒.限行政策是否改善了北京市的空氣質量？[J].經濟學（季刊），2014，13（3）：1091-1126.

[14]張俊.環境規制是否改善了北京市的空氣質量：基于合成控制法的研究[J].財經論叢，2016（6）：104-112.

[15]潘慧峰，王鑫，張書宇.霧霾污染的持續性及空間溢出效應分析：來自京津冀地區的證據[J].中國軟科學，2015（12）：134-143.

[16]肖翠翠，周景博，鄭晨昱.霧霾的區域性特征及空間關聯關系研究：以遼中南城市群為例[J].東北大學學報（社會科學版），2021，23（3）：22-29.

[17]范丹，梁佩鳳，劉斌.霧霾污染的空間外溢與治理政策的檢驗分析[J].中國環境科學，2020，40（6）：2741-2750.

[18]沈坤榮，金剛.中國地方政府環境治理的政策效應：基于“河長制”演進的研究[J].中國社會科學，2018（5）：92-115，206.

[19]王金杰，盛玉雪.社會治理與地方公共研發支出：基于空間倍差法的實證研究[J].南開經濟研究，2020（1）：199-219.

[20]王曉紅，張少鵬，張奔.創新型城市試點政策與城市產學研知識流動：基于長三角城市群的空間 DID 模型分析[J].科學學研究，2021，39（9）：1671-1682.

[21]DIAO M，LEONARD D，SING T F. Spatial?difference?in?differenc? es models for impact of new mass rapid transit line on private hous?ing values[J]. Regional science and urban economics，2017，67：64-77.

[22]SUNAK Y，MADLENER R. The impact of wind farm visibility on property values：a spatial difference?in?differences analysis[J].En?ergy economics，2016，55：79-91.

[23]CHAGAS A L S，AZZONI C R，ALMEIDA A N. A spatial difference? in?differences analysis of the impact of sugarcane production on re ?spiratory diseases[J]. Regional science and urban economics，2016，59：24-36.

[24]范巧，吳麗娜.國家級新區對屬地省份經濟增長影響效應評估[J].城市問題，2018（4）：48-58.

[25]邵帥，李欣，曹建華，等.中國霧霾污染治理的經濟政策選擇：基于空間溢出效應的視角[J].經濟研究，2016，51（9）：73-88.

[26]張鴻宇，王媛，盧亞靈，等.我國臭氧污染控制分區及其控制類型識別[J].中國環境科學，2021，41（9）：4051-4059.

[27]胡忠玲.我國臭氧污染逐年加劇[J].生態經濟，2020，36（9）：5-8.

[28]姜華，常宏咪.我國臭氧污染形勢分析及成因初探[J].環境科學研究，2021，34（7）：1576-1582.

[29]ELHORST J P. Applied spatial econometrics：raising the bar[J]. Spatial economic analysis，2010，5（1）：9-28.

[30]曹翔，滕聰波，張繼軍.“一帶一路”倡議對沿線國家環境質量的影響[J].中國人口·資源與環境，2020，30（12）：116-124.

[31]呂越，陸毅，吳嵩博，等.“一帶一路”倡議的對外投資促進效應：基于2005—2016年中國企業綠地投資的雙重差分檢驗[J].經濟研究，2019，54（9）：187-202.

[32]LI M，LIU H，GENG G N，et al. Anthropogenic emission invento?ries in China：a review[J]. National science review，2017，4（6）：834-866.

[33]《京津冀及周邊地區2017年大氣污染防治工作方案》發布[J].環境與發展，2017，29（2）：4.

[34]BARON R M，KENNY D A.The moderator?mediator variable dis? tinction in social psychological research：conceptual，strategic，and statistical considerations[J].Journal of personality and social psy?chology，1986，51（6）：1173-1182.

[35]溫忠麟，張雷，侯杰泰，等.中介效應檢驗程序及其應用[J].心理學報，2004，36（5）：614-620.

[36]溫忠麟，葉寶娟.中介效應分析：方法和模型發展[J].心理科學進展，2014，22（5）：731-745.

Quantitative assessment of the effects of the air pollution control policy in the ‘2+26’ cities

ZHANG Zhongxiang1，2，CAO Huan3

（1. Ma Yinchu School of Economics， Tianjin University， Tianjin 300072， China;

2. China Academy of Energy， Environmental and Industrial Economics， Tianjin 300072， China;

3. College of Management and Economics， Tianjin University， Tianjin 300072， China）

Abstract? Taking the release of the ‘2017 Work Plan for Prevention and Control of Atmospheric Pollution in Beijing-Tianjin-Hebei and Surrounding Areas ’ and its follow-up ‘Action Plan for Comprehensive Management of Air Pollution ’ as a quasi-natural experi?ment， this article employed a difference-in-differences （DID） model to evaluate the effects of the air pollution control policy. Our regres?sion results showed that：① The release of the plans could significantly improve the air quality of the ‘2+26’ cities. The improvement of PM2.5， PM10 and AQI， the main pollutants constituting haze， was the most obvious， followed by SO2， CO and NO2. However， O3 concen?tration did not decrease but increased during the policy period， indicating the intensification of the degree of O3 pollution in recent years， which needs to be paid attention to. The robustness test showed that the findings remained valid.② From the long-term perspec?tive， the treatment effects of SO2 and NO2 improved compared with those in the short-term， indicating that some air pollutants still have the potential for further improvement in the long-term， confirming that air pollution control is a long-term tough battle.③ Based on the spatial DID analysis and the relaxed assumption of individual independence through the nested spatial Durbin model and DID model， this article discussed the policy effects of the aforementioned plans from the spatial dimension， compared the direct and indirect effects， and drew the conclusion that regional joint prevention and atmospheric control action can achieve twice the result with half the effort compared with individual implementation of air quality improvement policy in separate cities.④ Using the intermediary effect model， this article further explored the two mechanisms of air quality improvement by reducing the proportion of industrial output value in GDP and reducing total energy consumption. Finally， this article puts forward relevant policy recommendations for further effective control of air pollution.

Key words ‘2+26’ cities; difference?in?differences model; spatial DID; mechanism analysis

（責任編輯：劉呈慶）