張中祥 曹歡

摘要 文章將《京津冀及周邊地區(qū)2017年大氣污染防治工作方案》和其后續(xù)“攻堅(jiān)行動(dòng)方案”的發(fā)布作為準(zhǔn)自然實(shí)驗(yàn)，使用雙重差分模型（DID）評(píng)估大氣污染治理的政策效果?；貧w結(jié)果發(fā)現(xiàn)：①“方案”的發(fā)布對(duì)于“2+26”城市的空氣具有顯著的改善作用，并通過(guò)了穩(wěn)健性檢驗(yàn)，構(gòu)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(nèi)不降反升，說(shuō)明近年來(lái)O3污染程度加劇，亟須引起關(guān)注。②長(zhǎng)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(shuō)明有些大氣污染物仍然具有進(jìn)一步改善的潛力，印證了大氣污染治理是一項(xiàng)長(zhǎng)久的“攻堅(jiān)戰(zhàn)”。③引入空間DID分析，通過(guò)空間杜賓和雙重差分的嵌套模型，放松個(gè)體相互獨(dú)立的假設(shè)，從空間維度探討“方案”的政策效果，對(duì)比空間視角下的直接效應(yīng)與間接效應(yīng)得出，區(qū)域聯(lián)防聯(lián)控大氣治理手段相比單一地區(qū)空氣質(zhì)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(yīng)模型，探討了“方案”通過(guò)減少工業(yè)產(chǎn)值占GDP 的比重和減少能源消費(fèi)總量達(dá)到空氣質(zhì)量改善的兩種作用機(jī)制。最后，文章為接下來(lái)進(jìn)一步有效治理大氣污染提出了相關(guān)的政策建議。

關(guān)鍵詞 “2+26”城市;雙重差分模型;空間DID;機(jī)制分析

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

大氣污染是中國(guó)經(jīng)濟(jì)不斷快速發(fā)展的一項(xiàng)負(fù)外部公共品，在中國(guó)，受空氣污染問(wèn)題最多困擾的當(dāng)屬京津冀及周邊地區(qū)[1-4]。國(guó)務(wù)院發(fā)布的“十三五”生態(tài)環(huán)境保護(hù)規(guī)劃中明確強(qiáng)調(diào)要“深化區(qū)域大氣污染聯(lián)防聯(lián)控、顯著削減京津冀及周邊地區(qū)顆粒物濃度”，因此京津冀及周邊地區(qū)成為大氣污染防治的重點(diǎn)覆蓋區(qū)域。2017年2月17日，原環(huán)境保護(hù)部發(fā)布了《京津冀及周邊地區(qū)2017年大氣污染防治工作方案》（以下簡(jiǎn)稱《2017方案》），形成了以京津冀及周邊地區(qū)為主導(dǎo)的大氣污染防治協(xié)作組。該方案聯(lián)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(fù)荷、強(qiáng)化冬季治霾、提升區(qū)域空氣質(zhì)量。在《2017方案》發(fā)布后，為進(jìn)一步強(qiáng)化秋冬季大氣污染防治工作的實(shí)施，原環(huán)境保護(hù)部發(fā)布了《京津冀及周邊地區(qū)2017—2018年秋冬季大氣污染綜合治理攻堅(jiān)行動(dòng)方案》，生態(tài)環(huán)境部發(fā)布了《京津冀及周邊地區(qū)2018—2019年秋冬季大氣污染綜合治理攻堅(jiān)行動(dòng)方案》和《京津冀及周邊地區(qū)2019—2020年秋冬季大氣污染綜合治理攻堅(jiān)行動(dòng)方案》。這三個(gè)“攻堅(jiān)行動(dòng)方案”中的“秋冬季”指每年的10月份到次年3月份，由于該時(shí)期內(nèi)氣象條件的改變會(huì)使得大氣擴(kuò)散能力變差，集中供暖的開(kāi)始又會(huì)加劇大氣中顆粒物污染情況，有關(guān)部門為保證《2017方案》的執(zhí)行效果，在此基礎(chǔ)上，制定了后續(xù)的一系列“攻堅(jiān)行動(dòng)方案”。從某種程度上來(lái)看，《2017方案》與后續(xù)的“攻堅(jiān)行動(dòng)方案”具有很高的相似性，都是以改善京津冀及周邊地區(qū)大氣污染為核心。因此，文章將《2017方案》與后續(xù)的“攻堅(jiān)行動(dòng)方案”看作一個(gè)期限長(zhǎng)達(dá)3年的政策整體，評(píng)估其對(duì)空氣質(zhì)量改善的整體效果。

那么，在這些“方案”作用的三年時(shí)間內(nèi)，京津冀及周邊地區(qū)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(zhì)量發(fā)生顯著改善？若發(fā)生改善，那么這種改善是通過(guò)何種機(jī)制來(lái)具體產(chǎn)生影響？文章將對(duì)這些問(wèn)題進(jìn)行探索性分析和實(shí)證檢驗(yàn)，從多角度評(píng)價(jià)這一系列大氣污染治理政策的效果，為接下來(lái)“十四五”期間的大氣污染治理政策的研究與制定提供科學(xué)的視角和依據(jù)。

相比以往的研究，文章的邊際貢獻(xiàn)與創(chuàng)新點(diǎn)在于：①與以往學(xué)者普遍研究的單項(xiàng)大氣污染治理政策不同，創(chuàng)新性地將《2017方案》和后續(xù)“攻堅(jiān)行動(dòng)方案”看作一項(xiàng)整體，從短期和長(zhǎng)期兩方面評(píng)估政策整體對(duì)空氣改善的效用。②從多視角探究政策的治理效果，通過(guò)引入空間 DID模型有效解決大氣污染的空間相關(guān)性問(wèn)題，從空間維度上討論大氣污染政策的治理效果，擴(kuò)展了大氣污染政策效果評(píng)價(jià)的方法與思路。

1 研究背景及假設(shè)

在中國(guó)，大氣污染治理一直是各方所密切關(guān)注的話題，大氣污染治理不能一蹴而就，從政策的制定、下發(fā)到落實(shí)，治理過(guò)程需循序漸進(jìn)。隨著人民日益增長(zhǎng)的美好生活需要不斷增加，民眾對(duì)“藍(lán)天”的呼聲也愈來(lái)愈高，為了營(yíng)造良好的大氣條件，舒適的居住環(huán)境，中央有關(guān)部門出臺(tái)了多條大氣污染治理長(zhǎng)效舉措。2013年9月國(guó)務(wù)院發(fā)布了《大氣污染防治行動(dòng)計(jì)劃》——即“大氣十條”政策。羅知等[5]的研究發(fā)現(xiàn)，“大氣十條”政策通過(guò)與供暖機(jī)制的聯(lián)合能夠使得北方冬季的空氣質(zhì)量得到顯著的改善;同樣，楊斯悅等[6]利用“大氣十條”充當(dāng)準(zhǔn)自然實(shí)驗(yàn)，證明了該項(xiàng)政策的總體有效性，但指出分解污染物在區(qū)域條件下并未達(dá)到政策的要求;石敏俊等[7]采用分位數(shù)回歸模型方法認(rèn)為“大氣十條”規(guī)定難以實(shí)現(xiàn)既定的PM2.5減排目標(biāo)，要想實(shí)現(xiàn)既定的污染物濃度指標(biāo)，需要進(jìn)一步加強(qiáng)減排力度。隨后，2018年7月，《打贏藍(lán)天保衛(wèi)戰(zhàn)三年行動(dòng)計(jì)劃》應(yīng)運(yùn)而生。肖翠翠等[8]對(duì)《藍(lán)天保衛(wèi)戰(zhàn)強(qiáng)化督查方案》進(jìn)行評(píng)估，得出該政策能夠有效改善京津冀及周邊地區(qū)的空氣質(zhì)量。隨著《2017方案》和后續(xù)“攻堅(jiān)行動(dòng)方案”的提出和落實(shí)，已有學(xué)者對(duì)其政策效果進(jìn)行了評(píng)價(jià)。王恰等[9]利用全國(guó)320個(gè)城市，將實(shí)驗(yàn)組和對(duì)照組分為“2+26城市”和非“2+26城市”，發(fā)現(xiàn)方案顯著降低了實(shí)驗(yàn)組城市的各類污染物濃度;毛顯強(qiáng)等[10]以山東省為例探究了該治理政策的實(shí)施效果，得出方案對(duì)PM2.5、PM10和 CO 三項(xiàng)濃度指標(biāo)有改善作用，并發(fā)現(xiàn)《2017方案》的治霾成功主要得益于政策實(shí)施之后的“攻堅(jiān)行動(dòng)方案”的執(zhí)行。

在已有的對(duì)大氣污染政策評(píng)價(jià)的研究中，學(xué)者們大多都采用基準(zhǔn)雙重差分模型，但基準(zhǔn)雙重差分模型對(duì)個(gè)體存在嚴(yán)格的獨(dú)立性假設(shè)，且只針對(duì)政策的直接效應(yīng)進(jìn)行測(cè)量。當(dāng)大氣污染和大氣污染的治理過(guò)程存在空間關(guān)聯(lián)性時(shí)，這種簡(jiǎn)單方法通常具有局限性。因此，文章在基準(zhǔn)雙重差分模型的基礎(chǔ)之上，引入空間 DID模型，通過(guò)空間杜賓與雙重差分的嵌套模型，測(cè)量“方案”給京津冀及周邊地區(qū)帶來(lái)空氣質(zhì)量改善的直接效應(yīng)與間接效應(yīng)（即空間溢出效應(yīng)），能夠使得文章的分析結(jié)果更加全面準(zhǔn)確。

在《2017方案》及后續(xù)“攻堅(jiān)行動(dòng)方案”提出之前，有關(guān)部門發(fā)布的大氣污染長(zhǎng)期治理政策往往是單一的，缺乏污染頻發(fā)季節(jié)細(xì)分和相關(guān)后續(xù)意見(jiàn)指導(dǎo)，從而可能造成政策效果不盡人意?！?017方案》和后續(xù)“攻堅(jiān)行動(dòng)方案”循序漸進(jìn)，讓一套大氣污染治理政策更加完整。其中“方案”提出化解過(guò)剩產(chǎn)能，重點(diǎn)關(guān)注鋼鐵類和制造加工類，實(shí)行工業(yè)企業(yè)錯(cuò)峰生產(chǎn)，規(guī)定排放限值，加大工業(yè)企業(yè)限產(chǎn)力度;實(shí)施清潔取暖，完成“小燃煤鍋爐”清零工作、實(shí)現(xiàn)煤炭消費(fèi)總量負(fù)增長(zhǎng)等一系列舉措?；谡叻结樀陌l(fā)布和目標(biāo)責(zé)任的落實(shí)，文章提出以下研究假設(shè)：

假設(shè)1：《京津冀及周邊地區(qū)2017年大氣污染防治工作方案》和后續(xù)發(fā)布的“攻堅(jiān)行動(dòng)方案”能顯著改善“2+26”城市的空氣污染狀況。

假設(shè)2：這種改善可以通過(guò)降低地區(qū)生產(chǎn)總值工業(yè)占比、減少能源消費(fèi)總量這兩種作用機(jī)制達(dá)成。

文章選擇的樣本為京津冀及周邊地區(qū)“四省兩市”范圍內(nèi)的“2+26”城市與非“2+26”城市，除在有無(wú)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(shè)，也能夠把問(wèn)題聚焦在京津冀及周邊地區(qū)本身，具有地區(qū)代表性。

2 模型構(gòu)建及數(shù)據(jù)選取

以治理大氣污染為例，評(píng)估政策的事件分析方法有多種，學(xué)者們常用雙重差分模型（Difference?in?Differences? Model，簡(jiǎn)稱 DID）、斷點(diǎn)回歸模型（Regression Discontinuity? Design，簡(jiǎn)稱 RDD）及合成控制法（Synthetic Control Meth? od，簡(jiǎn)稱SCM）評(píng)價(jià)政策的規(guī)制效果。王嶺等[11]使用雙重差分證實(shí)了中央政府首輪環(huán)保督察和“回頭看”都使得 AQI、PM2.5和PM10顯著下降，為由“督企”轉(zhuǎn)變?yōu)椤岸秸钡谋O(jiān)督檢查機(jī)制提供了理論與決策依據(jù)。Chen 等[12]利用雙重差分模型探討在2008年奧運(yùn)會(huì)前后北京市的空氣污染治理措施的實(shí)施效果，結(jié)果表明，空氣質(zhì)量指數(shù)API 在奧運(yùn)會(huì)開(kāi)始之前就已下降，而奧運(yùn)會(huì)結(jié)束的一個(gè)月內(nèi)，API 指數(shù)迅速升高。RDD 模型除了能解決內(nèi)生性問(wèn)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(fā)現(xiàn)當(dāng)使用傳統(tǒng)的 OLS 回歸時(shí)顯示北京的限行政策有很大的作用效果，但使用RDD 識(shí)別，排除掉模型內(nèi)生性干擾，“尾號(hào)限行”并未改善城市的空氣質(zhì)量。合成控制法也能夠比較準(zhǔn)確地將政策實(shí)施的效果一探究竟，張俊[14]以北京奧運(yùn)會(huì)為自然實(shí)驗(yàn)，使用北京和合成北京比較了奧運(yùn)會(huì)前后北京市的空氣質(zhì)量變化，發(fā)現(xiàn)奧運(yùn)會(huì)之后北京空氣質(zhì)量的改進(jìn)主要發(fā)生在非冬季，而冬季時(shí)的空氣質(zhì)量沒(méi)有得到明顯改善。相對(duì)于 RDD 與 SCM，DID 更適用評(píng)價(jià)面板數(shù)據(jù)中有非單一實(shí)驗(yàn)組的情況;相對(duì)于“單差法”， DID可以更準(zhǔn)確地計(jì)算實(shí)驗(yàn)組在政策實(shí)施前后排除自身趨勢(shì)的變化，即解決一部分內(nèi)生性問(wèn)題。因此，文章選擇 DID模型來(lái)評(píng)估大氣污染治理政策的實(shí)施效果。

2.1 基準(zhǔn)雙重差分模型

文章將《京津冀及周邊地區(qū)2017年大氣污染防治工作方案》及后續(xù)“攻堅(jiān)行動(dòng)方案”的發(fā)布看作“準(zhǔn)自然實(shí)驗(yàn)”，來(lái)比較政策發(fā)布前后空氣質(zhì)量改善的幅度，建立如下基本模型：

其中，Yit代表空氣質(zhì)量指數(shù)（Air Quality Index，簡(jiǎn)稱 AQI）和構(gòu)成AQI 的六種單項(xiàng)污染物濃度（PM2.5、PM10、SO2、CO、 NO2和 O3），i代表城市，t 表示時(shí)間。Treati和Postt均為虛擬變量，當(dāng)城市i為實(shí)驗(yàn)組時(shí)，Treati取值為1，反之為0;當(dāng)時(shí)間t 為政策發(fā)布日后時(shí)，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(zhǎng)率、人均地區(qū)生產(chǎn)總值、城市建成區(qū)面積、一般公共預(yù)算收入和一般公共預(yù)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(fēng)力和風(fēng)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(jié)假日。μi為城市固定效應(yīng)，用來(lái)控制城市維度上所有不隨時(shí)間變化的因素，如地理區(qū)位等; Tt為月度時(shí)間固定效應(yīng)，控制時(shí)間維度上不隨地區(qū)而改變的特征，如宏觀經(jīng)濟(jì)走勢(shì)等;εit是殘差項(xiàng)。模型中，重要的解釋系數(shù)是α1，若其估計(jì)值小于零，則表明與控制組相比，政策的實(shí)施改善了“2+26”城市的空氣質(zhì)量。

2.2 空間雙重差分模型

當(dāng)研究問(wèn)題具有內(nèi)生性時(shí)，雙重差分模型是解決內(nèi)生性問(wèn)題的“不二法則”。但個(gè)體間相互獨(dú)立的假設(shè)被打破后，單純使用 DID模型便很難使得回歸結(jié)果準(zhǔn)確可信。與基準(zhǔn) DID 模型相比，空間 DID模型既有 DID 模型的優(yōu)點(diǎn)，又存在空間計(jì)量模型的優(yōu)勢(shì)，它能夠放松空間單位之間相互獨(dú)立的假設(shè)，認(rèn)為本地區(qū)與鄰近地區(qū)存在相互關(guān)系，即本地區(qū)的變動(dòng)不僅直接影響本地區(qū)結(jié)果變量，也會(huì)影響其相鄰地區(qū)的結(jié)果變量，也就是說(shuō)，政策既具有直接效應(yīng)，也具有空間溢出效應(yīng)。

大氣污染具有空間相關(guān)性，大氣污染治理過(guò)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(duì)《2017方案》和后續(xù)“攻堅(jiān)行動(dòng)方案”進(jìn)行政策評(píng)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(duì)引入空間計(jì)量模型下政策的直接效應(yīng)和間接效應(yīng)進(jìn)行分解，討論和評(píng)估政策的空間溢出效應(yīng)。這種方法不論是探究經(jīng)濟(jì)問(wèn)題還是評(píng)估政策效果[18-22]都能夠鞭辟入里。

常見(jiàn)的空間計(jì)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(dāng)?shù)貐^(qū)間的相互作用通過(guò)模型中的誤差項(xiàng)來(lái)實(shí)現(xiàn)，即空間溢出效應(yīng)來(lái)源于隨機(jī)沖擊時(shí)，通常選擇SEM 模型;當(dāng)自變量通過(guò)空間傳導(dǎo)從而對(duì)其他地區(qū)產(chǎn)生影響時(shí)，通常選擇 SAR 模型。SDM 可以看作是 SAR 與 SEM 的結(jié)合，模型同時(shí)包含自變量和因變量的滯后項(xiàng)，自變量的變化對(duì)本地區(qū)及相鄰地區(qū)的因變量都會(huì)產(chǎn)生影響，在分析實(shí)際問(wèn)題時(shí)具有以上兩種模型的優(yōu)點(diǎn)。

文章借鑒了 Chagas 等[23]以及范巧等[24]的處理方法，構(gòu)造 SDMDID 模型，在傳統(tǒng) DID 模型上引入空間權(quán)重矩陣，模型形式設(shè)定如下：

其中，W是根據(jù)兩兩城市地理位置差異構(gòu)建出的空間距離矩陣，i和j 表示兩個(gè)不同的城市;dij為城市i與城市j之間的歐式距離，利用國(guó)家基礎(chǔ)地理信息系統(tǒng)的經(jīng)緯度數(shù)據(jù)計(jì)算得來(lái);dmax表示城市之間的最大距離，若距離超過(guò)此值則地區(qū)間的相互作用忽略不計(jì);ρ為空間自回歸系數(shù);θ是自變量空間滯后項(xiàng)參數(shù);μi是城市固定效應(yīng); Tt為時(shí)間固定效應(yīng);α1是核心解釋變量的系數(shù)，代表引入SDM 后，“方案”對(duì)“2+26”城市大氣污染治理的影響程度。

2.3 數(shù)據(jù)選取

文章選取的實(shí)驗(yàn)組為“方案”中所規(guī)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(tái)，山東省濟(jì)南、淄博、聊城、德州、濱州、濟(jì)寧、菏澤，河南省鄭州、新鄉(xiāng)、鶴壁、安陽(yáng)、焦作、濮陽(yáng)、開(kāi)封，山西省太原、陽(yáng)泉、長(zhǎng)治、晉城，共計(jì)28個(gè)城市。對(duì)照組城市為“四省兩市”中的非“2+26”城市，所選擇的研究對(duì)象均為地級(jí)市。時(shí)間跨度為2015年1月1 日起至2019年12月31日止，單個(gè)城市樣本量為1825條?？紤]到“2+26”城市本就處于京津冀及周邊地區(qū)范圍內(nèi)，從京津冀及周邊地區(qū)“四省兩市”出發(fā)，討論“2+26”城市在特定地區(qū)內(nèi)政策作用下空氣質(zhì)量改善的效果，從理論上和實(shí)際上看都更具有地區(qū)代表性。

文章數(shù)據(jù)指標(biāo)選取及來(lái)源為：

（1）空氣質(zhì)量指標(biāo)。AQI 以及構(gòu)成AQI 的六種單項(xiàng)污染物濃度指標(biāo)來(lái)自中國(guó)空氣質(zhì)量在線監(jiān)測(cè)分析平臺(tái)，該平臺(tái)發(fā)布的數(shù)據(jù)源自中國(guó)環(huán)境檢測(cè)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(shù)據(jù)。

（2）氣象條件數(shù)據(jù)。氣象條件會(huì)對(duì)空氣質(zhì)量產(chǎn)生重要影響，文章搜集了一系列氣象條件數(shù)據(jù)。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(fēng)力和風(fēng)向情況。氣象數(shù)據(jù)源自2345天氣王。

（3）法定假日變量。節(jié)假日會(huì)影響人們的日常活動(dòng)和社會(huì)的生產(chǎn)活動(dòng)，進(jìn)一步地影響空氣質(zhì)量，加入法定節(jié)假日這一虛擬變量能夠控制假期因素對(duì)空氣污染的異質(zhì)性影響。法定節(jié)假日及調(diào)休安排來(lái)自國(guó)務(wù)院辦公廳發(fā)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(fā)展水平，而城市發(fā)展水平與城市大氣污染之間存在相關(guān)關(guān)系，控制城市特征變量可以消除一部分內(nèi)生性。文章選擇人口自然增長(zhǎng)率、人均地區(qū)生產(chǎn)總值、建成區(qū)面積、一般公共預(yù)算收入和一般公共預(yù)算支出五項(xiàng)指標(biāo)描述樣本所在城市特征。選取的指標(biāo)統(tǒng)計(jì)口徑均為市轄區(qū)指標(biāo)，數(shù)據(jù)源自2015—2019年的《中國(guó)城市統(tǒng)計(jì)年鑒》。

（5）冬季供暖變量。根據(jù)羅知等[5]的研究，大部分城市的供暖期在11月15日左右開(kāi)始，到次年3月15日左右結(jié)束。由于冬季的供暖會(huì)在一定程度上影響空氣質(zhì)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(kuò)散條件均好于內(nèi)陸城市，會(huì)對(duì)空氣質(zhì)量產(chǎn)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(shù)據(jù)的描述性統(tǒng)計(jì)見(jiàn)表1，在全樣本期內(nèi)，樣本量高達(dá)十萬(wàn)多條，AQI 均值為103.5。

2.4 平行趨勢(shì)檢驗(yàn)

“方案”對(duì)“2+26”城市的空氣質(zhì)量有著顯著的改善作用，另一個(gè)可能存在的原因是，在該“方案”發(fā)布之前，實(shí)驗(yàn)組城市的空氣狀況就已經(jīng)發(fā)生了好轉(zhuǎn)，進(jìn)而給文章所評(píng)價(jià)的政策效果帶來(lái)偏誤。在應(yīng)用 DID模型分析的問(wèn)題中，為保證政策處理效果真實(shí)可靠，檢驗(yàn)實(shí)驗(yàn)組和控制組的平行趨勢(shì)是十分必要的。

文章通過(guò)設(shè)定相應(yīng)的動(dòng)態(tài)效應(yīng)模型檢驗(yàn)平行趨勢(shì)。具體做法是以2017年“方案”發(fā)布為中間點(diǎn)，令政策窗口向前及向后分別移動(dòng)1年和2年，通過(guò)核心解釋變量系數(shù)的變化進(jìn)而分析大氣污染治理的政策效果，動(dòng)態(tài)方程如下所示：

其中，n 表示與政策發(fā)布時(shí)間2017年所間隔的年份距離，考察政策發(fā)布當(dāng)年以及前后兩年的動(dòng)態(tài)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(shù)在0軸附近波動(dòng)，說(shuō)明實(shí)驗(yàn)組和對(duì)照組城市的AQI 無(wú)顯著差別;政策處理當(dāng)年，實(shí)驗(yàn)組城市AQI 并未發(fā)生顯著下降，這是由于原環(huán)境保護(hù)部于2017年2月17日生成的“方案”，使當(dāng)年秋冬季霧霾治理取得的成果平滑到一整年內(nèi)不再顯著，并且大氣污染治理存在時(shí)間上的滯后性特征[17，25]。2018年，回歸系數(shù)顯著降低，說(shuō)明政策作用下相比于對(duì)照組城市，實(shí)驗(yàn)組城市的空氣質(zhì)量發(fā)生明顯改善，但2019年時(shí)這種效果則又消失不見(jiàn)，說(shuō)明政策效果的持續(xù)性較差?？傮w上看，實(shí)驗(yàn)組城市和對(duì)照組城市在政策處理前具有平行趨勢(shì)，政策處理后實(shí)驗(yàn)組城市空氣質(zhì)量顯著提升，即滿足平行趨勢(shì)的假設(shè)。

3 實(shí)證分析結(jié)果與穩(wěn)健性檢驗(yàn)

3.1 基準(zhǔn)雙重差分結(jié)果

首先使用2015年1月1日—2017年7月31日的短期數(shù)據(jù)，對(duì)《2017方案》單項(xiàng)政策的出臺(tái)進(jìn)行評(píng)估。模型中控制變量包括城市特征變量：人口自然增長(zhǎng)率、人均地區(qū)生產(chǎn)總值、建成區(qū)面積、一般公共預(yù)算收入和一般公共預(yù)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(fēng)力和風(fēng)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(jié)假日（以下各回歸模型同樣控制）。固定效應(yīng)包括城市個(gè)體固定效應(yīng)和月度時(shí)間固定效應(yīng)和年度時(shí)間固定效應(yīng)。表2中列（1）的回歸結(jié)果表明“2+26”城市的空氣質(zhì)量發(fā)生了顯著的改善，AQI 平均降低了10.18。列（2）-（7）六種單項(xiàng)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(xiàng)治理規(guī)定密不可分;SO2系數(shù)為負(fù)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(nèi)顯著提升，平均濃度提高10.37，可能與其特殊的形成過(guò)程有關(guān)，說(shuō)明了近年來(lái)在治理大氣污染時(shí)忽視了O3這一污染物，導(dǎo)致O3污染加劇，因此亟須有關(guān)部門密切關(guān)注 O3污染問(wèn)題，開(kāi)展大氣污染物協(xié)同治理等手段有效控制O3污染，這與許多學(xué)者的觀點(diǎn)一致[26-28]。

其次，將《2017方案》與后續(xù)“攻堅(jiān)行動(dòng)方案”看作一個(gè)整體，檢驗(yàn)《2017方案》和“攻堅(jiān)行動(dòng)方案”的長(zhǎng)期政策效果。政策處理時(shí)間依然是《2017方案》的發(fā)布時(shí)間，但政策作用的時(shí)間變長(zhǎng)，進(jìn)而估計(jì)得到的結(jié)果是《2017方案》和“攻堅(jiān)方案”一同作用的平均處理效應(yīng)。由表3可知，在長(zhǎng)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(wèn)題仍然存在。不同的是，長(zhǎng)期情況下，SO2濃度平均降低5.52，改善效果優(yōu)于短期情況，NO2的改善程度較短期略有提升。通過(guò)短期與長(zhǎng)期回歸結(jié)果的比較分析，長(zhǎng)期情況下，造成霧霾的主要污染物 PM2.5和 PM10并沒(méi)有因?yàn)檎邥r(shí)間延長(zhǎng)而產(chǎn)生改善效果的稀釋，可能得益于后續(xù)“攻堅(jiān)行動(dòng)方案”的發(fā)布;SO2和NO2在長(zhǎng)期情況下仍然具有進(jìn)一步改善的潛力，這也從側(cè)面再次說(shuō)明，治理大氣污染是一項(xiàng)長(zhǎng)久的“攻堅(jiān)戰(zhàn)”。

3.2 空間DID模型

進(jìn)行空間 DID 回歸前，文章已對(duì)模型進(jìn)行漠然檢驗(yàn)，各污染物通過(guò)了漠然檢驗(yàn)，漠然指數(shù)為正，表明大氣污染在空間維度上呈現(xiàn)正相關(guān)，適合引入空間計(jì)量模型分析文章問(wèn)題。其次，對(duì)空間計(jì)量模型的設(shè)定也進(jìn)行了檢驗(yàn)，使用拉格朗日乘數(shù)（LM）檢驗(yàn)和穩(wěn)健拉格朗日乘數(shù)（Ro? bust?LM）檢驗(yàn)空間滯后項(xiàng)和空間誤差項(xiàng)是否需要納入模型中，表4中 test lag 和 test error 的結(jié)果顯示（P值為0）整體上都通過(guò)了顯著性檢驗(yàn)，即空間滯后項(xiàng)與空間誤差項(xiàng)均應(yīng)納入文章的模型當(dāng)中，應(yīng)用 SDMDID 模型更適合于文章的分析。θ和ρ系數(shù)顯著表明自變量和因變量都具有空間效應(yīng)，也證明了模型選擇的合理性。

由表4可知，通過(guò)空間 DID模型得到的回歸結(jié)果顯示，“方案”的治理效果依然顯著，雖然除 CO 外的各項(xiàng)污染物回歸的系數(shù)絕對(duì)值相比基準(zhǔn) DID 結(jié)果變小，但這是使用空間計(jì)量模型分析問(wèn)題，引入空間權(quán)重矩陣后所不可避免的?；貧w結(jié)果表明，當(dāng)使用 SDMDID 模型對(duì)“方案”的政策效果進(jìn)行評(píng)估，控制空間層面上的一部分內(nèi)生性問(wèn)題，政策的落實(shí)依然對(duì)空氣質(zhì)量改善起到了至關(guān)重要的作用。

進(jìn)一步地，使用Elhorst[29]的方法，對(duì) SDMDID 的空間效應(yīng)進(jìn)行偏微分分解。表5中，Directα1為直接改善效應(yīng)，即本地區(qū)的政策對(duì)本地區(qū)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(qū)改善對(duì)周邊城市的平均影響; Totalα1是兩種效應(yīng)的和。重點(diǎn)關(guān)注空間視角下政策帶來(lái)的直接效應(yīng)與間接效應(yīng)之間的關(guān)系，在間接效應(yīng)中，政策對(duì) SO2和 O3的改善并不明顯，其中 SO2污染物不易轉(zhuǎn)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(zhì)，擴(kuò)散能力較差; O3則極不穩(wěn)定，具有強(qiáng)氧化性，因此這兩種污染物的改善只與本地區(qū)空氣質(zhì)量提升有關(guān)，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(kuò)散能力極強(qiáng)，因此間接效應(yīng)即空間溢出效應(yīng)較高。

整體來(lái)看，效應(yīng)分解后，除 SO2和 O3外的大氣污染物本地區(qū)政策的間接效應(yīng)大于其直接效應(yīng)，且間接效應(yīng)占總效應(yīng)很大一部分比重，可能原因是文章所研究的實(shí)驗(yàn)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(tài)導(dǎo)致空間溢出效應(yīng)較高，因此政策效果轉(zhuǎn)化比例也較高，相鄰城市可以通過(guò)“搭便車”從而得到空氣質(zhì)量改善的好處，而城市高度集聚情況下導(dǎo)致的城市之間互相“搭便車”，又會(huì)進(jìn)一步推動(dòng)空間溢出效應(yīng)的擴(kuò)張。在一定程度上也能說(shuō)明，在大氣治理的過(guò)程中，采用區(qū)域協(xié)同治理手段得到的最終成效往往好于單獨(dú)地區(qū)的政策實(shí)施，由于大氣污染存在空間上的關(guān)聯(lián)性，采用區(qū)域聯(lián)防聯(lián)控手段所帶來(lái)的空間溢出效應(yīng)能夠使得大氣污染治理效果事半功倍。

3.3 穩(wěn)健性檢驗(yàn)

3.3.1 虛擬政策時(shí)間

參考曹翔等[30]，呂越等[31]的做法，文章虛擬政策時(shí)間，在基準(zhǔn) DID模型的基礎(chǔ)上人為地把《2017方案》的發(fā)布提前，每次提前一個(gè)月。若此時(shí)方程中交互項(xiàng)系數(shù)不顯著，則證實(shí)了空氣質(zhì)量的改善是《2017方案》實(shí)施的結(jié)果。表6中列（1）顯示當(dāng)政策提前一個(gè)月時(shí)，交互項(xiàng)系數(shù)顯著。由于2017年1月正值冬季污染頻發(fā)時(shí)段，空氣重污染預(yù)警信息頻繁發(fā)布，本就處于治理冬季空氣污染的重要時(shí)段，且政策發(fā)布前各單位已預(yù)知相關(guān)空氣治理政策即將發(fā)布，為政策的落實(shí)提前做好了準(zhǔn)備，“預(yù)知效應(yīng)”造成了政策提前一個(gè)月，交互項(xiàng)系數(shù)的顯著。列（4）系數(shù)一星顯著為正，不會(huì)對(duì)文章的分析造成影響。除列（1）和列（4）外，其余交互項(xiàng)系數(shù)均不顯著，因此有理由相信，正是由于“方案”的實(shí)施，才帶來(lái)了空氣質(zhì)量的改善。

3.3.2 更換因變量度量方式

根據(jù)中國(guó)多尺度排放清單MEIC 模型[32]中測(cè)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(jī)碳）作為模型中因變量進(jìn)行基準(zhǔn) DID 回歸。表7顯示，更換被解釋變量后，模型交互項(xiàng)系數(shù)依然顯著，在政策實(shí)施期間，PM?coarse 和 OC 污染物濃度均產(chǎn)生了顯著的下降，證實(shí)了基準(zhǔn)回歸結(jié)果，表明“方案”的實(shí)施確實(shí)能夠有效改善空氣質(zhì)量。

3.3.3 縮短時(shí)間跨度

2018年6月27日，國(guó)務(wù)院印發(fā)了《打贏藍(lán)天保衛(wèi)戰(zhàn)三年行動(dòng)計(jì)劃的通知》，新的一項(xiàng)大氣污染治理措施落地實(shí)行，該項(xiàng)空氣治理政策所針對(duì)的重點(diǎn)區(qū)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(qū)，又囊括了長(zhǎng)三角和汾渭平原等地?？紤]到這項(xiàng)計(jì)劃的發(fā)布可能會(huì)影響文章估計(jì)的結(jié)果，因此，文章選擇縮短樣本時(shí)間跨度，刪除2018年6月27日之后的數(shù)據(jù)再次進(jìn)行基準(zhǔn) DID 回歸，表8顯示，各種污染物的回歸結(jié)果與前文一致，即除O3外，各項(xiàng)污染物濃度均在“方案”作用下顯著下降，因此“藍(lán)天保衛(wèi)戰(zhàn)”未對(duì)文章的估計(jì)造成偏誤。

3.3.4 加入固定效應(yīng)交互項(xiàng)回歸

在基準(zhǔn) DID 回歸方程的基礎(chǔ)上加入年份和城市的交互項(xiàng)、月份和城市的交互項(xiàng)進(jìn)一步控制不可觀測(cè)的異質(zhì)性，表9顯示，加入城市-年份固定效應(yīng)交互項(xiàng)后，AQI 改善幅度進(jìn)一步提高;加入城市-月份固定效應(yīng)交互項(xiàng)，對(duì) AQI 改善幅度影響不大，文章基準(zhǔn)回歸結(jié)果依然穩(wěn)健。

4 機(jī)制檢驗(yàn)

上述結(jié)果均已表明，《2017方案》和后續(xù)“攻堅(jiān)行動(dòng)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(guò)何種作用途徑達(dá)到？結(jié)合生態(tài)環(huán)境部印發(fā)的《2017方案》[33]和后續(xù)“攻堅(jiān)行動(dòng)方案”中所涉及的工作任務(wù)與具體措施，文章通過(guò)中介效應(yīng)模型將從地區(qū)生產(chǎn)總值工業(yè)占比與能源消費(fèi)總量?jī)煞N機(jī)制考察“方案”的作用路徑。

一方面，“方案”明確提出產(chǎn)業(yè)結(jié)構(gòu)調(diào)整需取得實(shí)質(zhì)性進(jìn)展：化解過(guò)剩產(chǎn)能，化解鋼鐵類的過(guò)剩產(chǎn)能是工作的重中之重;加大鋼鐵企業(yè)限產(chǎn)力度、取締“小散亂污”，重點(diǎn)關(guān)注有色金屬熔煉廠、橡膠、化工、制革等制造加工業(yè)。同時(shí)對(duì)工業(yè)企業(yè)的排放做出了高標(biāo)準(zhǔn)和嚴(yán)要求，大力推進(jìn)工業(yè)企業(yè)在采暖季錯(cuò)峰生產(chǎn)，對(duì)排放規(guī)定限值等。通過(guò)對(duì)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，降低工業(yè)產(chǎn)業(yè)在總產(chǎn)業(yè)中的比重，以及對(duì)工業(yè)企業(yè)進(jìn)行生產(chǎn)和排放等方面的限制，能夠減輕工業(yè)生產(chǎn)過(guò)程中對(duì)大氣污染造成的負(fù)面影響。鑒于數(shù)據(jù)可得性，文章選取地區(qū)生產(chǎn)總值工業(yè)占比作為中介變量來(lái)檢驗(yàn)這一機(jī)制。另一方面，“方案”還提出，實(shí)施清潔取暖，以電代煤、完成“小燃煤鍋爐”清零工作、實(shí)現(xiàn)煤炭消費(fèi)總量負(fù)增長(zhǎng)等舉措，治理空氣污染狀況。因此選取能源消費(fèi)總量作為中介變量進(jìn)行這一機(jī)制的檢驗(yàn)。地區(qū)生產(chǎn)總值工業(yè)占比及能源消費(fèi)總量數(shù)據(jù)分別來(lái)自中經(jīng)網(wǎng)統(tǒng)計(jì)數(shù)據(jù)庫(kù)及中國(guó)城市統(tǒng)計(jì)年鑒。

根據(jù) Baron and Kenny[34]和溫忠麟等[35]的研究，設(shè)定如下中介效應(yīng)機(jī)制檢驗(yàn)?zāi)Ｐ停?/p>

其中Sit和 Cit都代表中介變量，Sit為地區(qū)生產(chǎn)總值工業(yè)占比，Cit為能源消費(fèi)總量，其余解釋變量同上文一致。根據(jù)溫忠麟等[36]的研究方法，使用 Sobel 和 Bootstrap 方法檢驗(yàn)中介變量的有效性。表10中 Sobel 檢驗(yàn)P值為0，證明了中介效應(yīng)的成立。此外，文章還采用 Bootstrap 檢驗(yàn)對(duì)中介效應(yīng)進(jìn)行再次檢驗(yàn)，設(shè)定抽樣次數(shù)分別為500和1000，得到回歸結(jié)果的P值依然顯著為0，且通過(guò) Bootstrap 計(jì)算得到的置信區(qū)間均未包含0，中介效應(yīng)成立。Bootstrap 檢驗(yàn)結(jié)果限于篇幅原因，未在正文進(jìn)行報(bào)告，如有需要可向作者索取。機(jī)制1的第三列回歸結(jié)果顯示，適當(dāng)降低工業(yè)產(chǎn)值占地區(qū)生產(chǎn)總值的比重，對(duì)改善大氣污染具有顯著促進(jìn)作用;同理，機(jī)制2第三列的回歸結(jié)果表明，減少能源消費(fèi)總量也是影響空氣質(zhì)量改善的有效機(jī)制。

5 結(jié)論與政策性建議

文章從京津冀及周邊地區(qū)的“四省兩市”出發(fā)，對(duì)《京津冀及周邊地區(qū)2017年大氣污染防治工作方案》和后續(xù)發(fā)布的一系列“攻堅(jiān)行動(dòng)方案”進(jìn)行政策評(píng)估，系統(tǒng)全面地評(píng)估其發(fā)布以來(lái)空氣污染治理的總體成效。使用基準(zhǔn) DID模型實(shí)證分析發(fā)現(xiàn)，AQI 和除O3外的五種單項(xiàng)大氣污染物，均在政策處理期顯著改善，并使用多種穩(wěn)健性分析方法增加了結(jié)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(guān)，這也提醒了有關(guān)部門要對(duì) O3問(wèn)題產(chǎn)生足夠的重視，通過(guò)大氣污染物協(xié)同治理等方法有效控制O3污染。對(duì)比短期視角和長(zhǎng)期視角下的基準(zhǔn) DID 回歸結(jié)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(zhǎng)短期內(nèi)大體相當(dāng)。但長(zhǎng)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(shuō)明有些大氣污染物仍然具有進(jìn)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(xiàng)長(zhǎng)久的“攻堅(jiān)戰(zhàn)”的觀點(diǎn)。

引入空間 DID分析，通過(guò)空間杜賓和雙重差分的嵌套模型，在放松個(gè)體相互獨(dú)立假設(shè)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(zhǔn)回歸一致。進(jìn)一步對(duì)比政策的直接效應(yīng)和間接效應(yīng)得到，在間接效應(yīng)中，政策對(duì) SO2和 O3的改善并不明顯，其中SO2污染物不易轉(zhuǎn)移，O3則極不穩(wěn)定，因此這兩種污染物的改善只與本地區(qū)政策有關(guān)，很難受到相鄰地區(qū)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(kuò)散能力極強(qiáng)，間接效應(yīng)即空間溢出效應(yīng)較高。整體來(lái)看，效應(yīng)分解后，主要污染物政策的間接效應(yīng)大于其直接效應(yīng)，且間接效應(yīng)占總效應(yīng)很大一部分比重，可能原因是文章所研究的實(shí)驗(yàn)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(tài)導(dǎo)致空間溢出效應(yīng)較高，因此政策效果轉(zhuǎn)化比例也較高，相鄰城市可以通過(guò)“搭便車”從而得到空氣質(zhì)量改善的好處，而城市高度集聚情況下導(dǎo)致的城市之間互相“搭便車”，又會(huì)進(jìn)一步推動(dòng)空間溢出效應(yīng)的擴(kuò)張。這意味著，在大氣治理的過(guò)程中，采用區(qū)域協(xié)同治理手段得到的最終成效往往好于單獨(dú)地區(qū)的政策實(shí)施。最后的機(jī)制檢驗(yàn)顯示，政策能夠通過(guò)調(diào)整工業(yè)占GDP 的比重、減少能源消費(fèi)總量?jī)煞N渠道影響“方案”的治理成效。

雖然以京津冀及周邊地區(qū)為代表的區(qū)域協(xié)同大氣污染治理目前已經(jīng)取得了一定成效，但在“十四五”時(shí)期，全國(guó)大氣污染治理的重點(diǎn)與難點(diǎn)依然存在，治理大氣污染不容松懈。“2+26”城市這種區(qū)域協(xié)作、統(tǒng)一標(biāo)準(zhǔn)、聯(lián)動(dòng)治理的大氣污染治理方法，值得在更大范圍進(jìn)行推廣。通過(guò)文章的分析，帶給“2+26”城市乃至全國(guó)各地區(qū)“十四五”時(shí)期以及未來(lái)大氣污染治理以下四點(diǎn)思考：①進(jìn)一步提高區(qū)域大氣污染協(xié)作治理力度，構(gòu)建多部門參與治理格局。實(shí)現(xiàn)區(qū)域統(tǒng)一規(guī)劃，多部門分工合作，提升大氣污染物的區(qū)域協(xié)同治理和污染物協(xié)同治理能力，強(qiáng)化區(qū)域大氣污染治理的頂層設(shè)計(jì)。②打造區(qū)域大氣污染動(dòng)態(tài)治理體系，規(guī)劃“中長(zhǎng)期”大氣污染治理方案，實(shí)施大氣污染改善動(dòng)態(tài)推進(jìn)。一方面鞏固既有治理成果，另一方面推動(dòng)治理效能提升。③優(yōu)化產(chǎn)業(yè)、能源結(jié)構(gòu)，滿足綠色低碳轉(zhuǎn)型和可持續(xù)高質(zhì)量發(fā)展的核心要求，助力“雙碳”目標(biāo)實(shí)現(xiàn)。④致力于大氣污染方針精細(xì)化落實(shí)。明確治理主體責(zé)任、治理目標(biāo)、治理方法，推動(dòng)政策方針多元化，精準(zhǔn)搭配不同政策，為大氣污染有效治理保駕護(hù)航。

致謝：感謝胡文皓、邵珠瓊和評(píng)審人提出的修改建議。文責(zé)自負(fù)。

參考文獻(xiàn)

[1]李曉燕.京津冀地區(qū)霧霾影響因素實(shí)證分析[J].生態(tài)經(jīng)濟(jì)，2016，32（3）：144-150.

[2]王情，朱歡歡，杜鵬，等.京津冀及周邊地區(qū)“十四五”及中長(zhǎng)期 PM2.5污染控制目標(biāo)的健康效益預(yù)估研究[J].環(huán)境科學(xué)研究，2021，34（1）：220-228.

[3]馬麗梅，張曉.中國(guó)霧霾污染的空間效應(yīng)及經(jīng)濟(jì)、能源結(jié)構(gòu)影響[J].中國(guó)工業(yè)經(jīng)濟(jì)，2014（4）：19-31.

[4]謝楊，戴瀚程，花岡達(dá)也，等. PM2.5污染對(duì)京津冀地區(qū)人群健康影響和經(jīng)濟(jì)影響[J].中國(guó)人口·資源與環(huán)境，2016，26（11）：19-27.

[5]羅知，李浩然.“大氣十條”政策的實(shí)施對(duì)空氣質(zhì)量的影響[J].中國(guó)工業(yè)經(jīng)濟(jì)，2018（9）：136-154.

[6]楊斯悅，王鳳，劉娜.《大氣污染防治行動(dòng)計(jì)劃》實(shí)施效果評(píng)估：雙重差分法[J].中國(guó)人口·資源與環(huán)境，2020，30（5）：110-117.

[7]石敏俊，李元杰，張曉玲，等.基于環(huán)境承載力的京津冀霧霾治理政策效果評(píng)估[J].中國(guó)人口·資源與環(huán)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(jié)果特征分析與政策效果評(píng)估：以京津冀及周邊地區(qū)大氣污染傳輸通道城市為例[J].干旱區(qū)資源與環(huán)境，2019，33（11）：42-48.

[9]王恰，鄭世林.“2+26”城市聯(lián)合防治行動(dòng)對(duì)京津冀地區(qū)大氣污染物濃度的影響[J].中國(guó)人口·資源與環(huán)境，2019，29（9）：51-62.

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

[11]王嶺，劉相鋒，熊艷.中央環(huán)保督察與空氣污染治理：基于地級(jí)城市微觀面板數(shù)據(jù)的實(shí)證分析[J].中國(guó)工業(yè)經(jīng)濟(jì)，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(zhì)量？[J].經(jīng)濟(jì)學(xué)（季刊），2014，13（3）：1091-1126.

[14]張俊.環(huán)境規(guī)制是否改善了北京市的空氣質(zhì)量：基于合成控制法的研究[J].財(cái)經(jīng)論叢，2016（6）：104-112.

[15]潘慧峰，王鑫，張書宇.霧霾污染的持續(xù)性及空間溢出效應(yīng)分析：來(lái)自京津冀地區(qū)的證據(jù)[J].中國(guó)軟科學(xué)，2015（12）：134-143.

[16]肖翠翠，周景博，鄭晨昱.霧霾的區(qū)域性特征及空間關(guān)聯(lián)關(guān)系研究：以遼中南城市群為例[J].東北大學(xué)學(xué)報(bào)（社會(huì)科學(xué)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(yàn)分析[J].中國(guó)環(huán)境科學(xué)，2020，40（6）：2741-2750.

[18]沈坤榮，金剛.中國(guó)地方政府環(huán)境治理的政策效應(yīng)：基于“河長(zhǎng)制”演進(jìn)的研究[J].中國(guó)社會(huì)科學(xué)，2018（5）：92-115，206.

[19]王金杰，盛玉雪.社會(huì)治理與地方公共研發(fā)支出：基于空間倍差法的實(shí)證研究[J].南開(kāi)經(jīng)濟(jì)研究，2020（1）：199-219.

[20]王曉紅，張少鵬，張奔.創(chuàng)新型城市試點(diǎn)政策與城市產(chǎn)學(xué)研知識(shí)流動(dòng)：基于長(zhǎng)三角城市群的空間 DID 模型分析[J].科學(xué)學(xué)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(guó)家級(jí)新區(qū)對(duì)屬地省份經(jīng)濟(jì)增長(zhǎng)影響效應(yīng)評(píng)估[J].城市問(wèn)題，2018（4）：48-58.

[25]邵帥，李欣，曹建華，等.中國(guó)霧霾污染治理的經(jīng)濟(jì)政策選擇：基于空間溢出效應(yīng)的視角[J].經(jīng)濟(jì)研究，2016，51（9）：73-88.

[26]張鴻宇，王媛，盧亞靈，等.我國(guó)臭氧污染控制分區(qū)及其控制類型識(shí)別[J].中國(guó)環(huán)境科學(xué)，2021，41（9）：4051-4059.

[27]胡忠玲.我國(guó)臭氧污染逐年加劇[J].生態(tài)經(jīng)濟(jì)，2020，36（9）：5-8.

[28]姜華，常宏咪.我國(guó)臭氧污染形勢(shì)分析及成因初探[J].環(huán)境科學(xué)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(duì)沿線國(guó)家環(huán)境質(zhì)量的影響[J].中國(guó)人口·資源與環(huán)境，2020，30（12）：116-124.

[31]呂越，陸毅，吳嵩博，等.“一帶一路”倡議的對(duì)外投資促進(jìn)效應(yīng)：基于2005—2016年中國(guó)企業(yè)綠地投資的雙重差分檢驗(yàn)[J].經(jīng)濟(jì)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(qū)2017年大氣污染防治工作方案》發(fā)布[J].環(huán)境與發(fā)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(yīng)檢驗(yàn)程序及其應(yīng)用[J].心理學(xué)報(bào)，2004，36（5）：614-620.

[36]溫忠麟，葉寶娟.中介效應(yīng)分析：方法和模型發(fā)展[J].心理科學(xué)進(jìn)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(zé)任編輯：劉呈慶）