劉亦文

[摘 要] 選取中國30個(gè)重點(diǎn)城市2003-2018年的面板數(shù)據(jù)，采用雙重差分方法研究“十二五”以來碳排放總量和強(qiáng)度雙約束政策對(duì)中國城市空氣質(zhì)量的影響?；趧?dòng)態(tài)因果效應(yīng)明確碳排放總量和強(qiáng)度雙約束政策實(shí)施年份;考察碳排放總量和強(qiáng)度雙約束政策對(duì)城市空氣質(zhì)量的平均因果效應(yīng);通過改變政策實(shí)施年份、樣本研究區(qū)間以及城市空氣質(zhì)量的衡量指標(biāo)對(duì)實(shí)證結(jié)果進(jìn)行穩(wěn)健性檢驗(yàn)。結(jié)果表明：碳排放總量和強(qiáng)度雙約束政策實(shí)施后，碳強(qiáng)度下降1%會(huì)使SO2平均濃度較之前多下降2.7633%，使NO2平均濃度較之前多下降1.0576%，使PM10平均濃度較之前多下降3.0981%，使綜合污染指數(shù)較之前多下降0.0869%。

[關(guān)鍵詞] 碳排放約束政策;空氣質(zhì)量;政策評(píng)估

[中圖分類號(hào)]? F062.2?? [文獻(xiàn)標(biāo)識(shí)碼] A?? [文章編號(hào)] 1008—1763（2022）02—0073—09

Effect of Carbon Emission Restriction Policies

on Air Quality in China's Key Cities

LIU Yi-wen

（1.School of Public Administration，Hunan University，Changsha 410082，China;

2.College of Resources and Environment，Hunan University of Technology and Business，Changsha 410205，China）

Abstract：This paper selects the panel data of 30 key cities in China from 2003 to 2018， and uses the double difference method to study the impact of carbon emission total and intensity dual constraint policy on urban air quality in China. Firstly， based on the Dynamic Causality effect， the implementation year of the total carbon emission and intensity double constraint policy is determined; secondly， the average causality effect of the total carbon emission and intensity double constraint policy on urban air quality is investigated; finally， the robustness of the empirical results is tested by changing the implementation year of the policy， the sample study area and the urban air quality. The results show that： after the implementation of the double constraint policy of total carbon emission and intensity， the average concentration of SO2 will be decreased by 2.7633%， the average concentration of NO2 will be decreased by 1.0576%， the average concentration of PM10 will be decreased by 3.0981% and the comprehensive pollution index will be reduced by 0.0869% after the implementation of the policy.

Key words： carbon intensity constraint policy; air quality; policy evaluation

一 問題的提出及文獻(xiàn)綜述

呼吸清潔空氣是人類最基本的需求，但令人遺憾的是，這在世界許多地方已經(jīng)變成了一種奢求。以亞洲和太平洋地區(qū)為例，參照世界衛(wèi)生組織基于公共健康保護(hù)提出的空氣質(zhì)量指導(dǎo)值，2015年該地區(qū)僅有不到8%的人口可以呼吸到滿足健康水平的空氣，剩下92%的40多億人都暴露在空氣污染之中，面臨不同程度的健康風(fēng)險(xiǎn)[1]?？諝馕廴臼窃斐扇蚣膊∝?fù)擔(dān)的重要風(fēng)險(xiǎn)因素，已成為地球上最大的健康威脅之一[2]，尤其是貧困和弱勢(shì)群體，例如老人、兒童等敏感人群。根據(jù)世界衛(wèi)生組織（WHO）的研究估算，每年空氣污染暴露導(dǎo)致全球700萬人過早死亡，其中近90%發(fā)生在低收入和中等收入國家[3]，而大約有三分之一的與空氣污染相關(guān)的死亡發(fā)生在亞洲和太平洋地區(qū)[1]。中國過去四十余年非凡的經(jīng)濟(jì)發(fā)展衍生了嚴(yán)重的空氣污染[4-6]，有研究指出超過50%的中國人口暴露在不安全的空氣中，五分之一的死亡可歸因于空氣污染[7]，每年有120萬至200萬人死于空氣污染[8]。而Chen等估計(jì)，由于冬季燃煤取暖，中國淮河以北城市居民的預(yù)期壽命比其他地區(qū)居民少約5.5年[9]。除了對(duì)人類健康的重大影響，空氣污染還對(duì)社會(huì)福祉、糧食生產(chǎn)和環(huán)境等造成嚴(yán)重?fù)p害。如2013年暴露于環(huán)境和室內(nèi)空氣污染造成全球約5.11萬億美元的福祉損失[10]。此外，由于能見度降低，空氣污染還會(huì)對(duì)人們的戶外出行頻率[11]、社交活動(dòng)[12]、生產(chǎn)率[13]產(chǎn)生負(fù)面影響，甚至影響股票收益[14]。F65CA0A0-EF63-45A0-9B42-F00D76C395E4

生態(tài)環(huán)境保護(hù)是黨百年輝煌歷史中的重要篇章。特別是黨的十八大以來，以習(xí)近平同志為核心的黨中央以前所未有的力度推進(jìn)生態(tài)文明建設(shè)，在實(shí)現(xiàn)世所罕見的經(jīng)濟(jì)快速發(fā)展奇跡和社會(huì)長(zhǎng)期穩(wěn)定奇跡的同時(shí)，取得了舉世矚目的綠色發(fā)展奇跡，為全面建成小康社會(huì)增添了綠色底色和質(zhì)量成色。碳達(dá)峰、碳中和目標(biāo)的提出標(biāo)志著我國生態(tài)環(huán)境保護(hù)進(jìn)入減污降碳協(xié)同治理新階段。面對(duì)經(jīng)濟(jì)社會(huì)高質(zhì)量發(fā)展、空氣質(zhì)量改善與碳達(dá)峰、碳中和的多目標(biāo)需求， 碳排放總量和強(qiáng)度雙約束政策被認(rèn)為是減污降碳協(xié)同治理的有效政策工具。理論上，為了實(shí)現(xiàn)碳減排目標(biāo)，化石燃料的消費(fèi)必須隨之下降，而這又會(huì)帶來大氣污染物的協(xié)同減排效應(yīng)。那么碳排放總量和強(qiáng)度雙約束政策在控制碳排放總量和強(qiáng)度的同時(shí)，能否促進(jìn)城市空氣質(zhì)量改善？?jī)烧咧g是否存在必然的因果關(guān)系？目前，針對(duì)中國碳排放總量和強(qiáng)度約束的研究存在以下不足：第一，現(xiàn)有研究主要關(guān)注碳稅和碳市場(chǎng)交易情景下中國碳排放總量和強(qiáng)度約束目標(biāo)是否能夠?qū)崿F(xiàn)，極少關(guān)注碳排放總量和強(qiáng)度雙約束的政策影響[15];第二，研究碳排放總量和強(qiáng)度約束的政策影響，主要集中在對(duì)宏觀經(jīng)濟(jì)以及居民福利等方面的考察，而對(duì)城市空氣質(zhì)量改善的溢出效應(yīng)關(guān)注很少，且研究方法大多采用仿真模擬[16-17]，僅考察碳排放總量和強(qiáng)度約束可能帶來的政策效果[18-19]，缺乏對(duì)碳排放總量和強(qiáng)度雙約束政策所帶來的實(shí)際效果的研究?；诖耍疚幕?003-2018年中國30個(gè)重點(diǎn)城市主要空氣污染物年度數(shù)據(jù)，采用雙重差分模型檢驗(yàn)了中國碳排放總量和強(qiáng)度雙約束政策是否能夠同時(shí)實(shí)現(xiàn)二氧化碳的直接減排和大氣污染物的協(xié)同減排。通過研究碳排放總量和強(qiáng)度雙約束政策對(duì)城市空氣質(zhì)量的影響，旨在全面考察碳排放總量和強(qiáng)度雙約束政策的有效性和溢出效應(yīng)，為中國如期實(shí)現(xiàn)碳達(dá)峰與碳中和目標(biāo)和空氣質(zhì)量達(dá)標(biāo)，推進(jìn)生態(tài)文明建設(shè)助力美麗中國夢(mèng)提供科學(xué)參考依據(jù)。

二 模型設(shè)定、數(shù)據(jù)來源與處理

（一）模型構(gòu)建

雙重差分方法通過部分控制不同地區(qū)共同的城市空氣質(zhì)量變化趨勢(shì)，可以有效消除不可觀測(cè)因素的影響，從而識(shí)別出環(huán)境政策的因果效應(yīng)。在應(yīng)用研究中通常采用回歸方法估計(jì)DID估計(jì)量，具體形式如下：

yit=α+βDi+δTi+τDi×Ti+εit（1）

其中：Di表示區(qū)分干預(yù)組和控制組的啞變量，Di=0代表控制組個(gè)體，Di=1代表干預(yù)組個(gè)體;Ti表示區(qū)分政策實(shí)施前后的啞變量，Ti=0表示政策實(shí)施前，Ti=1表示政策實(shí)施后。在滿足其他假設(shè)的前提下，估計(jì)系數(shù)即為政策實(shí)施效應(yīng)。

Yang 等[20]沿用Nunn 和Qian[21]的方法，考察碳排放總量和強(qiáng)度連續(xù)型變量與時(shí)間啞變量的交叉項(xiàng)系數(shù)，研究碳排放總量和強(qiáng)度雙約束政策對(duì)工業(yè)綠色生產(chǎn)率的影響。參考已有研究，本文采用連續(xù)型變量的雙重差分方法，考察碳排放總量和強(qiáng)度雙約束政策實(shí)施前后中國重點(diǎn)城市空氣質(zhì)量的變化，具體模型形式如下：

yit=β0+β1CIit·Ipostt+αiCVit+λt+μi+εit（2）

其中，yit表示地區(qū)i第t年的空氣質(zhì)量，本文以各地區(qū)二氧化硫（S02）、二氧化氮（NO2）以及可吸入顆粒物（PM10）的年平均濃度表示;CIit表示地區(qū)i第t年的碳排放強(qiáng)度（單位地區(qū)生產(chǎn)總值的二氧化碳排放量，單位：噸/萬元）;Ipostt是啞變量。中國碳減排目標(biāo)是2009年哥本哈根氣候大會(huì)提出，并以文件形式落實(shí)到“十二五”國家規(guī)劃，因此，本文選取“十二五”開局之年2010年作為政策起始點(diǎn)，2003-2010年變量取值為0，2010-2018年變量取值為1;CVit表示影響城市空氣質(zhì)量的其他控制變量，主要包括：天氣變量（包括平均氣溫、降水量、日照時(shí)間、平均氣壓）、第二產(chǎn)業(yè)增加值占地區(qū)總產(chǎn)值的比重、單位地區(qū)生產(chǎn)總值能耗。在式（2）中，β1的估計(jì)系數(shù)1表示碳排放總量和強(qiáng)度雙約束政策實(shí)施的政策效果程度。為考察系數(shù)β1的動(dòng)態(tài)變化，同時(shí)檢驗(yàn)本文所選時(shí)間節(jié)點(diǎn)的合理性，構(gòu)建如下模型：

yit=β0+∑2018j=2006βjCIit·Ijt+αiCVit+λt+μi+εit（3）

碳排放總量和強(qiáng)度雙約束政策實(shí)施年份為2010年，那么2010年之前年份的系數(shù)大小基本保持不變（β2003≈β2004≈β2005≈β2006≈β2007≈β2008≈β2009），而2010年及之后年份系數(shù)應(yīng)隨年份逐漸增大（…

β2009≤β2010≤β2011≤β2012≤β2013≤β2014≤β2015≤β2016≤β2017≤β2018），本文首先對(duì)此進(jìn)行檢驗(yàn)。

（二）變量選取與數(shù)據(jù)說明

本文選取中國內(nèi)地30個(gè)重點(diǎn)城市（直轄市和省會(huì)城市）為研究對(duì)象，拉薩市由于數(shù)據(jù)缺失嚴(yán)重暫不列入本文研究范圍，利用2003-2018年的年度數(shù)據(jù)進(jìn)行實(shí)證分析，主要變量說明具體如下：

1.城市空氣質(zhì)量

空氣污染物主要包括：二氧化硫（SO2）、二氧化氮（NO2）、一氧化碳（CO）、臭氧（O3）、PM10和PM2.5等。本文對(duì)SO2、NO2和PM10三種空氣污染物重點(diǎn)關(guān)注，并根據(jù)式（4）將三種污染物數(shù)據(jù)折算成綜合污染指數(shù)（P）。

Pt=∑iCit/Sit（4）

其中：Cit表示第t年i項(xiàng)空氣污染物濃度的年平均值（單位：ug/m3），Sit表示第t年i項(xiàng)空氣污染物的年均值二級(jí)標(biāo)準(zhǔn)（SO2：60ug/m3;NO2：40ug/m3;PM10：70ug/m3），Pt表示第t年綜合污染指數(shù)。

2.二氧化碳排放量

本文采用IPCC[22]二氧化碳排放量估算方法對(duì)各城市二氧化碳排放量進(jìn)行估算，估算方法如下：

CO2=∑ni=1CO2i=∑ni=1Ei×NCVi×CEFi×COFi×（44/12）（5）

3.控制變量說明

城市的空氣污染物排放量在短時(shí)間內(nèi)一般不會(huì)出現(xiàn)劇烈波動(dòng)，但其濃度卻能出現(xiàn)幾倍甚至幾十倍的差異。這主要是由于大氣對(duì)污染的稀釋能力會(huì)隨著氣象條件的不同而發(fā)生巨大變化。影響大氣污染散布的氣象因子主要有：熱力因子（太陽輻射量、氣溫垂直分布等）、大氣中的水分（濕度、云、雨、霧等）、大氣壓強(qiáng)等。因此，為研究碳排放總量和強(qiáng)度雙約束政策對(duì)城市空氣質(zhì)量的凈影響，本文選取了氣溫、降水量、日照時(shí)間和平均氣壓作為控制變量。F65CA0A0-EF63-45A0-9B42-F00D76C395E4

影響一個(gè)國家或地區(qū)大氣污染物排放的主要因素有經(jīng)濟(jì)增長(zhǎng)、能源消費(fèi)強(qiáng)度和能源結(jié)構(gòu)等。同時(shí)，世界各國均以降低能源消費(fèi)強(qiáng)度作為減少空氣污染排放的主要手段之一。沿用已有研究，本文采用單位地區(qū)生產(chǎn)總值的能源消費(fèi)（用intensity表示）衡量能源消費(fèi)強(qiáng)度。據(jù)“中國煤炭消費(fèi)總量控制和政策研究”課題組估算，2012年煤炭直接燃燒造成的SO2、NO2和煙塵排放量分別占中國相應(yīng)污染排放量總量的79%、57%和44%[23]。因此，本文中的能源消費(fèi)結(jié)構(gòu)（用coal表示）用各市原煤消費(fèi)量占該市一次能源消費(fèi)總量的比重來表示。根據(jù)《2015年環(huán)境統(tǒng)計(jì)年報(bào)》顯示，工業(yè)源依然是大氣污染物的最主要來源。粗放型的工業(yè)發(fā)展方式造成了巨大的能源消耗和污染物排放，使城市空氣質(zhì)量變得越來越壞。學(xué)者們一般用工業(yè)生產(chǎn)總值占地區(qū)生產(chǎn)總值比重考察工業(yè)發(fā)展對(duì)大氣污染物的影響[24]。由于部分城市統(tǒng)計(jì)資料沒有公布工業(yè)生產(chǎn)總值數(shù)據(jù)，為保證變量統(tǒng)一性，本文采用第二產(chǎn)業(yè)生產(chǎn)總值占地區(qū)生產(chǎn)總值比重衡量工業(yè)發(fā)展（用industry表示）。以上變量數(shù)據(jù)均來源于各城市統(tǒng)計(jì)年鑒。

在變量形式上，自變量和因變量的雙對(duì)數(shù)變換可以降低異方差，同時(shí)對(duì)數(shù)變換后，自變量的系數(shù)可以理解為對(duì)因變量的彈性，具有較強(qiáng)的應(yīng)用意義。因此，本文對(duì)所有連續(xù)型變量均取對(duì)數(shù)處理。各變量統(tǒng)計(jì)特征如表1所示。

（三）統(tǒng)計(jì)分析

表2列出了實(shí)施碳排放總量和碳排放強(qiáng)度雙重約束政策前后中國內(nèi)地30個(gè)重點(diǎn)城市（直轄市和省會(huì)城市）空氣質(zhì)量變化的統(tǒng)計(jì)特征。從表2不難發(fā)現(xiàn)，實(shí)施碳排放總量和碳排放強(qiáng)度雙重約束政策后，中國內(nèi)地30個(gè)重點(diǎn)城市（直轄市和省會(huì)城市）碳排放總量和碳強(qiáng)度均顯著下降。這表明碳排放總量和碳排放強(qiáng)度雙重約束政策在中國政府強(qiáng)制執(zhí)行下取得了有效成效。同時(shí)，碳排放總量和碳排放強(qiáng)度雙重約束政策的實(shí)施對(duì)中國內(nèi)地30個(gè)重點(diǎn)城市（直轄市和省會(huì)城市）SO2、NO2、PM10、P和CI等污染物減排都有不同程度的正向作用，其中，SO2、PM10、P顯著下降， NO2雖也有所下降，但統(tǒng)計(jì)并不顯著。不難發(fā)現(xiàn)，實(shí)施碳排放總量和碳排放強(qiáng)度雙重約束政策，是可以有效地改善中國城市空氣質(zhì)量。

三 回歸結(jié)果

（一）動(dòng)態(tài)因果效應(yīng)

基于式（3），通過比較j在政策實(shí)施前后的動(dòng)態(tài)變化，可以考察碳排放總量和強(qiáng)度雙約束政策的實(shí)施對(duì)中國內(nèi)地30個(gè)重點(diǎn)城市（直轄市和省會(huì)城市）空氣質(zhì)量的影響與效用，回歸結(jié)果如表3所示。分別考慮不加入控制變量和加入控制變量的模型結(jié)果，不難發(fā)現(xiàn)加入控制變量的模型結(jié)果不管是模型整體擬合效果，還是變量顯著性都優(yōu)于不加入控制變量的模型結(jié)果，因此，本文采用加入控制變量的回歸結(jié)果。豪斯曼檢驗(yàn)結(jié)果表明，應(yīng)使用固定效應(yīng)模型?？傮w來看，碳排放總量和強(qiáng)度雙約束政策能夠改善城市空氣質(zhì)量。樣本期間內(nèi)，碳排放總量和強(qiáng)度雙約束政策對(duì)城市空氣質(zhì)量的影響分為兩個(gè)階段：一是2003-2009年，碳排放總量和強(qiáng)度雙約束政策與時(shí)間啞變量的交叉項(xiàng)系數(shù)隨時(shí)間變化波動(dòng)不大，且其顯著性表現(xiàn)不明顯;二是2010-2018年，碳排放總量和強(qiáng)度雙約束政策與時(shí)間啞變量的交叉項(xiàng)系數(shù)相比于第一階段有較大幅度提高，隨時(shí)間變化呈逐步遞增趨勢(shì)，且基本通過顯著性檢驗(yàn)。碳排放總量和強(qiáng)度雙約束政策與時(shí)間啞變量的交叉項(xiàng)系數(shù)的動(dòng)態(tài)變化如圖1所示。交叉項(xiàng)系數(shù)從2010年開始持續(xù)上升，而2010年恰好是碳排放總量和強(qiáng)度雙約束政策實(shí)施的元年，其后年份始終堅(jiān)持該政策，在控制其他影響城市空氣質(zhì)量的因素時(shí)，該結(jié)果表明碳排放總量和強(qiáng)度雙約束政策能夠改善城市空氣質(zhì)量。同時(shí)，本文選取2010年為政策實(shí)施分界點(diǎn)是合理的。接下來，驗(yàn)證碳排放總量和強(qiáng)度雙約束政策對(duì)城市空氣質(zhì)量改善的平均因果效應(yīng)。

（二）平均因果效應(yīng)

基于式（3）考察碳排放總量和強(qiáng)度雙約束政策的實(shí)施對(duì)中國內(nèi)地30個(gè)重點(diǎn)城市（直轄市和省會(huì)城市）空氣質(zhì)量的平均影響程度，具體結(jié)果如表4所示。表4中（1）和（2）分別表示無時(shí)間效應(yīng)和有時(shí)間效應(yīng)的模型回歸結(jié)果。表4結(jié)果顯示，考慮時(shí)間效應(yīng)的模型回歸結(jié)果優(yōu)于未考慮時(shí)間效應(yīng)的模型回歸結(jié)果，且時(shí)間變量的聯(lián)合顯著性檢驗(yàn)表明應(yīng)拒絕“無時(shí)間效應(yīng)”。本文在回歸方程中將考慮時(shí)間效應(yīng)。碳排放總量和強(qiáng)度雙約束政策與時(shí)間啞變量的交叉項(xiàng)系數(shù)反映碳排放總量和強(qiáng)度雙約束政策實(shí)施后碳排放總量和強(qiáng)度下降導(dǎo)致空氣污染物排放的平均減少程度。其中，SO2、NO2、PM10和P四個(gè)空氣污染指標(biāo)下的碳排放總量和強(qiáng)度雙約束政策與時(shí)間啞變量的交叉系數(shù)均顯著為正。具體而言，碳排放總量和強(qiáng)度雙約束政策實(shí)施后碳排放總量與強(qiáng)度下降1%會(huì)使SO2平均濃度較之前多下降2.7633%，使NO2平均濃度較之前多下降1.0576%，使PM10平均濃度較之前多下降3.0981%，使綜合污染指數(shù)（P）較之前多下降0.0869%。控制碳排放總量與強(qiáng)度主要通過減少化石能源消費(fèi)，而SO2主要來源于含硫化石燃料的直接燃燒，減少化石能源消費(fèi)能直接減少SO2的排放，從而表現(xiàn)出碳減排約束政策對(duì)SO2較大的作用效果。碳減排約束政策能夠通過強(qiáng)制降低工業(yè)污染物排放而控制PM10的人為來源，但無法影響自然因素，碳減排約束政策對(duì)PM10排放的影響程度不大。

從控制變量來看，降水量和日照時(shí)間對(duì)空氣污染物濃度有顯著影響，經(jīng)濟(jì)增長(zhǎng)與空氣污染呈倒U型關(guān)系，人均地區(qū)生產(chǎn)總值一次方與空氣污染濃度呈顯著正向關(guān)系，人均地區(qū)生產(chǎn)總值二次方與空氣污染濃度呈顯著負(fù)向關(guān)系。能源消費(fèi)結(jié)構(gòu)、能源消費(fèi)強(qiáng)度以及第二產(chǎn)業(yè)占比對(duì)空氣污染濃度具有顯著正向影響，目前我國正處于工業(yè)化進(jìn)程，工業(yè)發(fā)展走的是高耗能、粗放型的道路，且我國能源消費(fèi)結(jié)構(gòu)主要以煤為主，而煤是空氣污染物的主要來源之一，因此，不管是能源消費(fèi)結(jié)構(gòu)、能源消費(fèi)強(qiáng)度還是第二產(chǎn)業(yè)占比都會(huì)對(duì)空氣污染物減排產(chǎn)生正向影響。

（三）穩(wěn)健性檢驗(yàn)

本文考慮對(duì)樣本期間進(jìn)行如下處理：（1）選取政策實(shí)施前的年份進(jìn)行處理，即將研究區(qū)間定為2003-2009年，假定政策實(shí)施年份為2006年;（2）為消除樣本容量不對(duì)稱可能帶來的問題，將研究區(qū)間定為2003-2015年，2010年為政策實(shí)施年份。相應(yīng)實(shí)證結(jié)果見表5。F65CA0A0-EF63-45A0-9B42-F00D76C395E4

表5結(jié)果顯示，選取政策實(shí)施前年份為研究區(qū)間，假定碳排放總量與強(qiáng)度雙約束政策已經(jīng)實(shí)施，此時(shí)碳排放總量與強(qiáng)度雙約束政策對(duì)城市空氣質(zhì)量改善并沒有顯著促進(jìn)作用。這表明政策并未實(shí)際實(shí)施，政策效果還未彰顯。此外，控制碳排放總量與強(qiáng)度雙約束政策實(shí)施前后的樣本容量相同，結(jié)果表明，碳排放總量與強(qiáng)度雙約束政策的實(shí)施能顯著影響四種空氣污染物濃度，意味著碳排放總量與強(qiáng)度雙約束政策實(shí)施后能夠顯著改善城市空氣質(zhì)量。

進(jìn)一步驗(yàn)證本文實(shí)證結(jié)果的可靠性，將研究對(duì)象以長(zhǎng)江劃分為南北區(qū)域，探究不同區(qū)域內(nèi)城市空氣質(zhì)量與碳排放約束政策之間的相互作用，結(jié)果如表6所示。表6結(jié)果表明碳排放總量和強(qiáng)度雙約束政策與時(shí)間啞變量的交叉系數(shù)顯著，表明碳排放總量與強(qiáng)度雙約束政策實(shí)施后不同區(qū)域內(nèi)的城市空氣質(zhì)量得到明顯的改善。

采用“空氣質(zhì)量達(dá)到及好于二級(jí)的天數(shù)”（Day）作為城市空氣質(zhì)量的代理指標(biāo)更進(jìn)一步驗(yàn)證本文實(shí)證結(jié)果的可靠性。結(jié)果如表7所示。表7結(jié)果顯示，碳排放總量和強(qiáng)度雙約束政策與時(shí)間啞變量的交叉項(xiàng)系數(shù)顯著為負(fù)，表明碳排放總量與強(qiáng)度雙約束政策實(shí)施后能夠顯著提高城市空氣優(yōu)良天數(shù)。

四? 結(jié)論及政策建議

生態(tài)環(huán)境治理政策工具的選擇、設(shè)計(jì)與應(yīng)用是關(guān)系生態(tài)環(huán)境治理和綠色發(fā)展效果、政策執(zhí)行成敗的關(guān)鍵性因素。當(dāng)前，中國面臨著二氧化碳減排和空氣污染物減排的雙重任務(wù)，迫切需要找到一條合理且高效的環(huán)境規(guī)制道路，實(shí)現(xiàn)碳排放總量控制目標(biāo)、大氣污染物減排和經(jīng)濟(jì)社會(huì)發(fā)展的共贏。大氣污染物與溫室氣體排放具有同根同源性，都主要來自于化石燃料的燃燒。同時(shí)，降低碳排放與減少污染物排放的相關(guān)政策要求和基本路徑本質(zhì)上是一致的。減污降碳協(xié)同治理能在一定程度上降低政策實(shí)施成本，避免政策失效風(fēng)險(xiǎn)，還可以帶來額外效益。本文采用連續(xù)變量的雙重差分方法，基于2003-2018年中國30個(gè)重點(diǎn)城市（直轄市和省會(huì)城市）面板數(shù)據(jù)，考察碳排放總量和強(qiáng)度雙約束政策對(duì)中國重點(diǎn)城市大氣污染物的協(xié)同減排影響。實(shí)證結(jié)果表明，碳排放總量和強(qiáng)度雙約束政策對(duì)SO2、NO2以及PM10的濃度具有顯著影響，同時(shí)對(duì)綜合污染指數(shù)具有顯著影響。特別是碳排放約束政策實(shí)施后，碳強(qiáng)度下降1%會(huì)使SO2平均濃度較之前下降2.7633%，使NO2平均濃度較之前下降1.0576%，使PM10平均濃度較之前下降3.0981%，使綜合污染指數(shù)較之前下降0.0869%。氣象條件中，年平均降水量對(duì)空氣污染物濃度具有顯著負(fù)向影響，日照時(shí)間對(duì)空氣污染物濃度具有顯著正向影響。經(jīng)濟(jì)發(fā)展水平與空氣污染物濃度呈倒U型關(guān)系。煤炭消費(fèi)占能源消費(fèi)總量比重、能源消費(fèi)強(qiáng)度以及第二產(chǎn)業(yè)生產(chǎn)總值占地區(qū)生產(chǎn)總值比重均對(duì)空氣污染物濃度具有顯著正向影響。

碳排放總量和強(qiáng)度雙約束政策是一項(xiàng)行政命令控制型減排措施，具有執(zhí)行力強(qiáng)、見效快的特點(diǎn)，短期內(nèi)對(duì)城市空氣質(zhì)量具有明顯改善作用。在當(dāng)前市場(chǎng)型環(huán)境政策工具與手段推廣（如碳交易市場(chǎng)建設(shè)）困難重重，資源環(huán)境形勢(shì)日益嚴(yán)峻的形勢(shì)下，碳排放總量和強(qiáng)度雙約束政策仍將是我國今后一段時(shí)期內(nèi)延續(xù)的政策。值得注意的是，作為一項(xiàng)行政命令控制型環(huán)境規(guī)制，碳排放總量和強(qiáng)度雙約束政策在執(zhí)行過程可能會(huì)引起諸多不良后果，如損害居民福利、違背市場(chǎng)經(jīng)濟(jì)規(guī)律等，因此，政府在執(zhí)行該項(xiàng)政策時(shí)，要充分考慮各地區(qū)實(shí)際情況，結(jié)合當(dāng)?shù)丨h(huán)境狀況、經(jīng)濟(jì)發(fā)展程度以及氣象條件等，合理分配各地區(qū)碳減排目標(biāo)，盡可能降低行政干預(yù)帶來的不良后果。

[參 考 文 獻(xiàn)]

[1] Climate and Clean Air Coalition （CCAC），United Nations Environment Programme （UNEP）.Air pollution in Asia and the Pacific： Science-based solutions[R]. the United Nations Environment Programme，2019.

[2] Fang D L， Chen B， Hubacek K，et al. Clean air for some： Unintended spillover effects of regional air pollution policies[J]. Science Advances，2019（4）： aav4707.

[3] WHO. Ambient Air Pollution： a? global assessment of exposure and burden of disease[R]. World Health Organization，Geneva，Switzerland，2016.

[4] Liu J， Diamond J.Chinas environment in a globalizing world[J]. Nature，2005（7046）：1179-1186.

[5] Lyu W， Li Y， Guan D， et al. Driving forces of Chinese primary air pollution emissions： an index decomposition analysis[J]. Journal of Cleaner Production，2016（133）：136-144 .

[6] Zhao D， Chen H， Li X， et al. Air pollution and its influential factors in China hot spots[J]. Journal of Cleaner Production，2018（185）：619-627.

[7] Hsu A， Esty D C， Levy M， et al. Environmental Performance Index （EPI）[R].Yale University，New Haven，2016.F65CA0A0-EF63-45A0-9B42-F00D76C395E4

[8] Yang X， Wang S J， Zhang WZ， et al. The impact of anthropogenic emissions and meteorological conditions on the spatial variation of ambient SO2 concentrations：a panel study of 113 Chinese cities[J]. Science of? the Total Environment，2017（584）：318-328.

[9] Chen Y， Zhe J G， Naresh K， 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（3）：424-443.

[10]World Bank and Institute for Health Metrics and Evaluation. The cost of air pollution： strengthening the economic case for action[R]. Washington， DC： World Bank，2016.

[11]Sexton A L. Health and environmental implications of Americans' time use responses to external stimuli： essays on air-quality alerts and daylight savings time[J]. International Journal of Work Organisation and Emotion，2012（1）：87-102.

[12]鄭思齊，張曉楠，宋志達(dá)，等.空氣污染對(duì)城市居民戶外活動(dòng)的影響機(jī)制：利用點(diǎn)評(píng)網(wǎng)外出就餐數(shù)據(jù)的實(shí)證研究[J].清華大學(xué)學(xué)報(bào)（自然科學(xué)版），2016（1）：89-96.

[13]Graff Z J， Neidell M. The impact of pollution on worker productivity[J]. American Economic Review，2012（7）：3652-3673.

[14]Wu X， Chen S， Guo J， et al. Effect of air pollution on the stock yield of heavy pollution enterprises in China's key control cities[J]. Journal of Cleaner Production，2018（170）：399-406.

[15]林伯強(qiáng)，孫傳旺.如何在保障中國經(jīng)濟(jì)增長(zhǎng)前提下完成碳減排目標(biāo)[J].中國社會(huì)科學(xué)，2011（1）：64-76.

[16]張同斌，劉琳.中國碳減排政策效應(yīng)的模擬分析與對(duì)比研究——兼論如何平衡經(jīng)濟(jì)增長(zhǎng)與碳強(qiáng)度下降的雙重目標(biāo)[J].中國環(huán)境科學(xué)，2017（9）：3591-3600.

[17]朱佩譽(yù)，凌文.不同碳排放達(dá)峰情景對(duì)產(chǎn)業(yè)結(jié)構(gòu)的影響——基于動(dòng)態(tài)CGE模型的分析[J].財(cái)經(jīng)理論與實(shí)踐，2020（5）：110-118.

[18]Zhang D， Rausch S， Karplus V J， et al. Quantifying regional economic impacts of CO2， intensity targets in China[J]. Energy Economics，2013（2）：687-701.

[19]周四軍，江秋池.基于動(dòng)態(tài)SDM的中國區(qū)域碳排放強(qiáng)度空間效應(yīng)研究[J].湖南大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2020（1）：40-48.

[20]Yang Z， Fan M， Shao S， et al. Does carbon intensity constraint policy improve industrial green production performance in China？ A quasi-DID analysis[J]. Energy Economics，2017（68）： 271-282.

[21]Nunn N， Qian N. The potatos contribution to population and urbanization：evidence from a historical experiment[J]. The Quarterly Journal of Economics，2011（2）： 593-650.

[22]IPCC.2006 IPCC guidelines for national greenhouse gas inventories[R]. Intergovernmental Panel on Climate Change，2006.

[23]“中國煤炭消費(fèi)總量控制和政策研究”課題組.中國“十三五”煤炭消費(fèi)總量控制規(guī)劃研究報(bào)告（2016-2020）[R].自然資源保護(hù)協(xié)會(huì)（NRDC），2016.

[24]Zhang S， Worrell E， Crijns-Graus W， et al. Modeling energy efficiency to improve air quality and health effects of Chinas cement industry[J]. Applied Energy，2016（184）：574-593.F65CA0A0-EF63-45A0-9B42-F00D76C395E4