王敏，馮相昭，杜曉林，趙夢雪，王鵬，梁啟迪

(生態(tài)環(huán)境部環(huán)境與經(jīng)濟(jì)政策研究中心，北京 100029)

財(cái)政補(bǔ)貼是順利推進(jìn)北方地區(qū)冬季清潔取暖試點(diǎn)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(qū)市展開，特別是在中央財(cái)政補(bǔ)貼遴選的三個批次共43個試點(diǎn)城市積極推進(jìn)(1)第一批試點(diǎn)城市包括天津、唐山、石家莊、保定、廊坊、衡水、太原、濟(jì)南、鄭州、開封、鶴壁、新鄉(xiāng)12個城市；第二批試點(diǎn)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(jì)寧、濱州、聊城、菏澤、晉中、長治、晉城、運(yùn)城、臨汾、呂梁、陽泉、西安、咸陽23個城市；第三批試點(diǎn)城市包括定州、辛集、三門峽、濟(jì)源、銅川、渭南、寶雞、楊凌示范區(qū)8個城市(示范區(qū))。。各地清潔取暖改造資金主要來源于中央財(cái)政獎補(bǔ)資金、地方財(cái)政補(bǔ)貼資金和社會資本投入三方面。其中，中央財(cái)政獎補(bǔ)資金在2017—2019年分別投入60億元、139.2億元和152億元；地方財(cái)政補(bǔ)貼資金遠(yuǎn)超中央財(cái)政投入，如2017年和2018年，地方財(cái)政補(bǔ)貼資金達(dá)到中央財(cái)政投入的2.8倍。

如此龐大的財(cái)政投入對試點(diǎn)城市采暖月空氣質(zhì)量的改善效果究竟如何？目前還沒有形成一個統(tǒng)一的、科學(xué)的定量化結(jié)論。本文綜合運(yùn)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(bǔ)貼對第一批試點(diǎn)城市和第二批試點(diǎn)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(diǎn)工作評估和后續(xù)補(bǔ)貼政策制定提供技術(shù)和決策支撐。

1 模型、方法與數(shù)據(jù)

1.1 模型介紹與設(shè)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(shè)計(jì)處理組和控制組來評價一項(xiàng)政策或機(jī)制的實(shí)施效果。該方法既可以排除處理組和控制組在政策實(shí)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(yīng)用于對環(huán)境經(jīng)濟(jì)政策實(shí)施效果的評估，在大氣污染防治協(xié)作機(jī)制[2-3]、中央生態(tài)環(huán)保督察[4]、強(qiáng)化監(jiān)督[5]、環(huán)境規(guī)制[6]等空氣質(zhì)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(shè)定如下：

yit=α0+α1timeit+α2treatedit+

β(time×treated)it+α3xit+εit

式中，各變量下角標(biāo)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(bǔ)貼前取值0，補(bǔ)貼后取值1；treated是處理虛擬變量，若該城市有清潔取暖補(bǔ)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(shù)β為雙重差分項(xiàng)。x是一系列控制變量，即其他可能影響空氣質(zhì)量的因素，ε為隨機(jī)擾動項(xiàng)。處理組清潔取暖補(bǔ)貼前后的差分估計(jì)項(xiàng)為：y11-y10=α1+β，控制組差分估計(jì)項(xiàng)為：y01-y00=α1，清潔取暖補(bǔ)貼對空氣質(zhì)量改善作用的凈效應(yīng)為：(y11-y10)-(y01-y00)=β。

1.2 變量及描述性統(tǒng)計(jì)

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(shù)據(jù)來源于生態(tài)環(huán)境部綜合業(yè)務(wù)門戶網(wǎng)站(http：//10.100.249.24/)公布的城市空氣質(zhì)量日數(shù)據(jù)，統(tǒng)一為標(biāo)準(zhǔn)狀況并處理成月數(shù)據(jù)。，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(xiàng)(treated×time)。其中，處理虛擬變量(treated)設(shè)置為：第一批試點(diǎn)城市(12個)和第二批試點(diǎn)城市(23個)分別為處理組取值1，未實(shí)施清潔取暖補(bǔ)貼的20個城市為控制組取值0；時間虛擬變量(time)設(shè)置為：2018—2019年采暖月(補(bǔ)貼后)取值1，2016—2017年采暖月(補(bǔ)貼前)取值0?？刂平M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(qū)和汾渭平原所涉及的省份，且在地域上與第一批試點(diǎn)城市最為接近，以減小區(qū)域分布差異帶來的影響。結(jié)合圖1來看，清潔取暖補(bǔ)貼前后第一批試點(diǎn)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(shè)要求。

圖1 第一批試點(diǎn)城市、第二批試點(diǎn)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(jìn)一步減少因遺漏變量導(dǎo)致出現(xiàn)非平行趨勢的可能?？刂谱兞堪▋深悾阂活愂菤庀笞兞?，包括平均氣溫(tem)、平均氣壓(prs)、平均相對濕度(rhu)、平均風(fēng)速(win)、降水量(pre)和日照時間(ssd)6個變量(4)基于中國氣象數(shù)據(jù)網(wǎng)(http：//www.nmic.cn)發(fā)布的中國地面氣候資料日值數(shù)據(jù)集(V3.0)處理成月數(shù)據(jù)。；另一類是社會經(jīng)濟(jì)變量，包括城市年末常住人口(lnpop)、GDP(lngdp)、固定資產(chǎn)投資(lnfai)、人均國民生產(chǎn)總值(lnpgdp)、二產(chǎn)占GDP比重(secgdp)、人口密度(lnpopd)和萬元GDP能耗(gdpec)7個變量(5)數(shù)據(jù)來自各省區(qū)市統(tǒng)計(jì)年鑒及部分城市國民經(jīng)濟(jì)和社會發(fā)展統(tǒng)計(jì)公報，均采用年度數(shù)據(jù)。，分別用于反映城市規(guī)模、經(jīng)濟(jì)規(guī)模、投資規(guī)模、發(fā)達(dá)程度、產(chǎn)業(yè)結(jié)構(gòu)、環(huán)境壓力和能源利用程度。其中，除secgdp和gdpec外，其余均進(jìn)行對數(shù)化處理。變量描述性統(tǒng)計(jì)結(jié)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(jié)合主成分分析的排序方法，能將多變量直接進(jìn)行梯度分析，結(jié)合蒙特卡羅(Monte Carlo)置換檢驗(yàn)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(diǎn)城市、第二批試點(diǎn)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(zhì)量和控制變量月數(shù)據(jù)，采用冗余分析和蒙特卡羅置換檢驗(yàn)方法，優(yōu)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(yīng)的控制變量，結(jié)果如表2所示。

表1 變量描述性統(tǒng)計(jì)結(jié)果

表2 通過蒙特卡羅(Monte Carlo)置換檢驗(yàn)的變量及其解釋率

2 對空氣質(zhì)量改善作用的效果評估

2.1 清潔取暖補(bǔ)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(xiàn)為第二批試點(diǎn)城市>第一批試點(diǎn)城市>控制組，CO、PM10和PM2.5濃度降低率均表現(xiàn)為第一批試點(diǎn)城市>第二批試點(diǎn)城市>控制組城市。其中，試點(diǎn)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(jié)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(diǎn)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(jì)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(xiàn)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(bǔ)貼效果的檢驗(yàn)

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

續(xù)表3

為進(jìn)一步驗(yàn)證雙重差分結(jié)果的可靠性，本文開展了安慰劑檢驗(yàn)。重新設(shè)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(shí)施清潔取暖補(bǔ)貼)，其他變量設(shè)置不變。安慰劑檢驗(yàn)結(jié)果如表4所示，第一批試點(diǎn)城市和第二批試點(diǎn)城市4種污染物的檢驗(yàn)結(jié)果均不顯著或均不是顯著為負(fù)，進(jìn)一步說明上述4種污染物的雙重差分結(jié)果具有較高的可靠性。

表4 安慰劑檢驗(yàn)結(jié)果

續(xù)表4

2.3 部分檢驗(yàn)結(jié)果的原因分析

清潔取暖補(bǔ)貼對第一批試點(diǎn)城市SO2濃度改善效果不顯著而對第二批試點(diǎn)城市改善作用顯著的原因主要是：(1)與試點(diǎn)城市產(chǎn)業(yè)結(jié)構(gòu)和能耗水平差異有關(guān)。第二批試點(diǎn)城市二產(chǎn)占GDP比重和萬元GDP能耗均值明顯大于第一批試點(diǎn)城市(表1)，且第二批試點(diǎn)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(diǎn)城市工業(yè)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(dǎo)致清潔取暖補(bǔ)貼帶來的改善效果可能被高估；(2)與試點(diǎn)城市SO2污染減排壓力大小有關(guān)。第一批試點(diǎn)城市2016—2017年采暖月SO2濃度為49.16μg/m3，而第二批試點(diǎn)城市達(dá)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(jìn)更為積極。

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

3 結(jié)論與建議

3.1 主要結(jié)論

一是清潔取暖補(bǔ)貼對第一批試點(diǎn)城市采暖月SO2濃度的改善效果不顯著，但對第二批試點(diǎn)城市的改善作用顯著。SO2雙重差分結(jié)果顯示，清潔取暖補(bǔ)貼對第一批試點(diǎn)城市SO2濃度改善作用不顯著，但使得第二批試點(diǎn)城市較補(bǔ)貼前顯著降低24.53μg/m3，對SO2濃度下降的貢獻(xiàn)度為55.2%。這主要與試點(diǎn)城市二產(chǎn)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(guān)。

二是清潔取暖補(bǔ)貼對試點(diǎn)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(diǎn)城市的貢獻(xiàn)更大。第一批試點(diǎn)城市補(bǔ)貼后采暖月CO、PM10和PM2.5濃度分別較補(bǔ)貼前顯著降低0.411mg/m3、22.53μg/m3、15.45μg/m3，貢獻(xiàn)度分別為56.0%、65.2%、49.8%，均大于第二批試點(diǎn)城市的改善幅度(分別顯著降低0.345mg/m3、13.33μg/m3、9.506μg/m3，貢獻(xiàn)度分別為54.0%、61.5%、46.5%)。這主要與清潔取暖改造實(shí)施年限、中央和地方財(cái)政投入、社會經(jīng)濟(jì)發(fā)展水平、空氣質(zhì)量改善壓力等因素有關(guān)。

三是清潔取暖補(bǔ)貼后，個別試點(diǎn)城市采暖月PM10和PM2.5濃度未實(shí)現(xiàn)下降。2018—2019年采暖月，第一批試點(diǎn)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(diǎn)城市SO2和CO也實(shí)現(xiàn)了下降，但個別城市PM10和PM2.5濃度出現(xiàn)反彈。如陽泉市PM10和PM2.5濃度較2016—2017年相關(guān)7.1%和6.8%，濟(jì)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(jìn)緩慢、取得實(shí)效不明顯等因素有關(guān)。

3.2 對策建議

一是構(gòu)建和完善差異化補(bǔ)貼機(jī)制。以往的清潔取暖試點(diǎn)補(bǔ)貼額度是依據(jù)城市行政級別確定，行政級別越高，補(bǔ)貼額度越大。但從空氣質(zhì)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(bǔ)貼機(jī)制，對社會經(jīng)濟(jì)發(fā)展水平低、二產(chǎn)占GDP比重小、能源綜合利用程度低、農(nóng)村居民分布密集、空氣質(zhì)量改善壓力大的地區(qū)予以重點(diǎn)補(bǔ)貼。

二是優(yōu)化調(diào)整清潔取暖補(bǔ)貼資金使用方式。目前，清潔取暖補(bǔ)貼資金主要用于采暖設(shè)備購置補(bǔ)貼和運(yùn)行補(bǔ)貼方面，較少用于農(nóng)居建筑保溫節(jié)能改造。建議加大對農(nóng)居建筑保溫節(jié)能改造方面的投入，通過實(shí)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(nóng)村建筑熱環(huán)境和能效水平，實(shí)現(xiàn)節(jié)能性和經(jīng)濟(jì)性兼具的效果。

三是引導(dǎo)地方政府探索建立中長期財(cái)政補(bǔ)貼機(jī)制。補(bǔ)貼期限到期后，地方財(cái)政補(bǔ)貼壓力加大，降低清潔取暖補(bǔ)貼投入就顯得至關(guān)重要。建議地方政府評估現(xiàn)有清潔取暖改造技術(shù)路徑和實(shí)施效果，積極借鑒“鶴壁模式”等地方經(jīng)驗(yàn)，選擇最經(jīng)濟(jì)有效的清潔取暖技術(shù)改造路徑。同時，探索引入社會資本，形成科學(xué)合理的商業(yè)模式，推動農(nóng)村清潔取暖市場化運(yùn)轉(zhuǎn)。