京津冀大气污染协同治理政策效应评估及异质性研究

殷阿娜 ，李从欣

（1. 河北地质大学 自然资源资产资本研究中心，河北 石家庄 050031；2. 河北省矿产资源开发管理与资源型产业转型升级软科学研究基地，河北 石家庄 050031）

21世纪以来，中国在经济快速增长的同时，面临的生态压力剧增，环境污染问题频发。中国华北地区，特别是京津冀地区是中国空气污染的最严重区域，雾霾天气频频出现。2012年9月，中国制定实施《重点区域大气污染防治“十二五”规划》，明确提出建立京津冀、长三角、珠三角大气污染重点区域联防联控机制，标志着中国大气污染防治环境监管模式的重大战略转型[1]。随着京津冀协同发展上升为重大国家战略，京津冀大气污染协同治理也成了京津冀协同发展的核心内容之一。2012年以来，京津冀在内部需求与外部压力的双重推动下，借助政治与经济的区位优势，从“京津冀及周边区域大气污染防治协作小组”的成立到“京津冀大气污染防治联防联控行动计划”的制定和落实，走出了一条顶层推进、自上而下的“铁腕治霾”式大气污染协同治理道路，为环境问题的府际合作治理研究提供了典范。

1 文献综述

近年来，部分学者开始关注京津冀大气污染协同治理的政策效应，研究结论差异较大。一是部分学者研究发现京津冀大气污染协同治理政策的总体效应表现良好，如Wang等[2]运用相关性统计分析手段，对北京市及周边城市大气污染协同治理措施与六种空气污染物浓度进行相关关系分析，得出：京津冀联防联控措施显著降低了除O3之外的污染物排放；Wu等[3]基于监督能力、环境影响、社会影响和经济影响四个层面，构建京津冀大气污染协同治理政策绩效评估体系，运用灰色模糊综合评价法，评估得出京津冀大气污染协同治理政策总体效果良好。二是部分学者研究得出京津冀大气污染协同治理政策效应区域间存在显著差异，如赵志华和吴建南[4]基于2010—2015年中国城市面板数据，运用三重差分模型，研究发现：针对不同污染物减排时，协同治理政策效应城市间存在显著差异；朱俊庆[5]通过构建大气污染协同治理绩效评价指标体系，使用AHP层次分析法，实证评估了京津冀2015—2017年大气污染府际协同治理绩效，得出北京市大气污染治理绩效高于天津市高于河北省的结论。三是部分学者认为京津冀大气污染协同治理政策效应不显著或从本质上并未改善京津冀地区的空气质量，如杜雯翠和夏永妹[6]以京津冀地区六个核心城市为研究对象，使用双重差分模型，分析了2014—2016年京津冀大气污染协同治理政策的实施效果，研究发现：京津冀协同治理措施没有从根本上改善区域的空气质量；魏娜和孟庆国[7]基于“结构—过程—效果”分析框架，研究发现京津冀大气污染协同治理效果集中体现在重大活动的举办期间；孙静等[8]使用超效率DEA模型和Tobit模型，研究得出：京津冀大气污染治理政策的协同强度与大气污染治理效率的回归系数不显著。

综上所述，虽然目前学术界对京津冀大气污染协同治理政策效应的研究已取得了一定的进展，但研究结论依然存在较大分歧。在研究方法上，近期文献所用的政策评价方法如双重差分模型和三重差分模型，尽管弥补了传统方法的不足，但由于内生性偏差和样本选择偏误问题，导致结果可靠性大大降低；在研究对象上，学者们普遍以京津冀地区总体或某一省份为研究对象，忽视了京津冀地区城市间政策效应的异质性探讨。以学者们的研究为基础，本文的边际贡献主要有：一是采用非实验评估方法—合成控制法，克服了选择控制对象时可能出现的样本选择偏误和政策内生性问题；二是以京津冀城市群13个城市为政策评价对象，进一步细化京津冀大气污染协同治理政策效应的评估范围，聚焦京津冀城市间政策效应的异质性探讨；三是以2012年12月颁布的《重点区域大气污染防治“十二五”规划》为京津冀开启大气污染协同治理的标志性政策，研究数据范围涉及2003—2018年。

2 研究设计

2.1 研究方法

合成控制法（synthetic control method）是由Abadie& Gardeazabal[9]于2003年提出的一种反事实框架分析方法，即假想该地区未发生某个重大的事件或受到政策干预时的情况，并与事实上受到影响或干预的实际数据对比，通过二者之差来估算事件或政策的影响[10]。相较于双重差分法、三重差分法和PSM-DID方法，合成控制法更能有效地控制内生性和选择性偏差问题，近年来在政策评价研究中得到了广泛应用。

合成控制法的关键在于控制组的选取和指标权重的设定。为了评估京津冀大气污染协同治理的政策效应，用y1it表示个体i在t期受到协同治理政策影响的潜在结果，y0it表示个体i在t期没有受到协同治理政策影响的潜在结果，因此，政策效应为：τit=y1it-y0it。

假设y0it可以用模型（1）表示：

式中：λt是影响京津冀地区大气质量因素的时间固定效应；zi是K×1维可观测的协变量向量，θt是1×K维未知系数向量，λt是1×F维的未观测公共因子，ui是F×1维不可观测的固定效应，εit是不可观测的暂时性冲击。

为了估算出y0it，使用控制组加权进行近似拟合，相应权重向量为w=(w2,w3, …,wN+1)，满足wj≥0，且w2+w3+…+wN+1=1，即用控制组个体的凸组合来合成控制组，是为了避免外推造成的可能偏差。y0it的拟合值如公式（2）所示：

Abadie等[11]的研究证明，如果是非奇异的，干预之前时期够长时，下面式（4）将趋近于零，从而干预组的反事实结构近似可以用合成控制组来表示。

求得y0it的最优无偏估计后，关键是求得最优权重矩阵，即方法是通过min|X1-X0w|求得，X0和X1分别是控制组和干预组的事前特征矩阵。得到最优权重组合后，就可以加权构造一个与处理组在京津冀大气污染协同治理政策实施前的特征非常相似的合成控制组，最后比较政策实施后处理组与合成控制组之间的评估差异即τit，从而得到政策的处理效应。

2.2 变量选取和数据说明

首先，本文选用PM2.5浓度来衡量京津冀地区的空气质量或大气污染状况。其次，借鉴前人研究成果，选择影响区域大气质量的预测变量包括：（1）人均GDP，反映经济发展水平对区域大气环境的影响；（2）第二产业增加值占GDP的比重，反映工业发展和产业结构对区域大气环境的影响；（3）人口密度，反映城市化发展和人口集聚对区域大气环境的影响；（4）气象因素，纳入年平均气压、平均气温、平均相对湿度、平均降水量、平均每秒风速和平均日照时长6个指标，综合反映气候等自然因素对区域大气环境的影响。

以2012年12月颁布的《重点区域大气污染防治“十二五”规划》为京津冀开启大气污染协同治理的标志性政策，为了构造“反事实”控制组，本文剔除了《重点区域大气污染防治“十二五”规划》中涉及的京津冀、长三角、珠三角重点区域城市，以及京津冀大气污染协同治理中涉及的“2+26”通道城市。基于数据的可得性，去掉西藏、港澳台地区和其他几个数据缺失严重的城市后，最终获得220个中国城市作为控制组。由于中国官方PM2.5监测数据始于2013年，本研究中京津冀2003—2018年的PM2.5监测数据采用达尔豪斯大学大气成分分析组（Atmospheric Composition Analysis Group）公开的数据库，原始数据为栅格数据，使用ArcGIS软件进行了转化。气象数据来源于中国气象数据网。其他预测变量原始数据来源于各年度《中国城市统计年鉴》《河北经济年鉴》《北京统计年鉴》《天津统计年鉴》以及EPS数据库，变量进行了取对数处理。借助Stata统计软件，得到京津冀13个城市的最优合成控制组及其权重如表1所示。

表1 京津冀地区各城市合成控制组及权重

3 政策效应评估结果分析及检验

3.1 评估结果分析

以年均PM2.5浓度作为京津冀城市空气质量状况的代表性指标，以2012年作为京津冀开始实施大气污染协同治理政策的关键时间点，使用合成控制法，得到京津冀13个城市处理组与合成控制组年均PM2.5浓度以及处理效应，如图1和图2所示，其中，横轴表示年份；纵轴表示PM2.5浓度，单位为μg/m3。

从图1中可以看出，2012年之前，北京市年均PM2.5真实值与合成控制组的拟合值拟合效果较好，说明合成控制组能很好地代表未实施大气协同治理政策的北京市大气质量状况。2012年京津冀大气污染联防联控协同治理政策实施后，2012—2016年北京市PM2.5真实值高于合成控制组拟合值，说明京津冀大气污染协同治理政策对北京市大气质量的影响具有显著时滞性和短期负效应冲击。2017年后，北京市PM2.5真实值低于合成控制组拟合值，说明京津冀大气污染协同治理政策对北京市大气环境的改善（即PM2.5浓度降低）起到显著的促进作用，且积极的政策效应有逐年增大的趋势。综上所述，京津冀大气污染协同治理政策的实施对北京市大气环境的影响具有短期负效应冲击和长期大气环境改善的实际效果。

图1 北京市实际与合成组年均PM2.5浓度变化对比图

从图2中可以看出，各城市合成控制组的拟合值拟合效果较好，2012年京津冀大气污染联防联控协同治理政策实施后，天津市和河北省11个地级市大气质量均呈现一定时间跨度的政策负效应冲击，50%的城市目前已呈现积极的政策效应，即京津冀大气污染协同治理政策真实地促进了区域大气污染的减少，但仍有50%的城市依然处于政策负效应冲击阶段。从各城市政策效应具体情况来看，天津市2017年后政策效应由负效应冲击转变为正向促进，2017年后京津冀大气污染协同治理政策对天津市大气质量有显著改善效应，但政策处理效应绝对值较小，明显较北京市低，说明京津冀协同治理政策对天津市大气环境的改善效应较北京市差一些；在河北省的11个城市中，京津冀大气污染协同治理政策实施后，承德市、秦皇岛市、廊坊市、唐山市和张家口市在经历了短期的政策负效应冲击后，多数城市在2015年左右政策效应转向提升大气质量的积极效应，且承德市、秦皇岛市、唐山市和张家口市的政策积极效应近年来呈现逐年增大的良好趋势；石家庄市、邯郸市、邢台市、保定市、沧州市和衡水市2012年后一直呈现政策负效应冲击，即PM2.5真实值高于合成控制组拟合值，但近年来消极政策效应呈现逐步减弱的趋势，可预期未来几年将实现改善大气质量的积极政策效应。

图2 天津市及河北11市实际与合成组年均PM2.5浓度变化对比图

3.2 稳健性检验

为确保实证结果的有效性，本文使用Abadie等[11]提出的基于经典随机化推理方法——安慰剂检验法（Placebo test），即对一个没有在特定年份实施大气污染府际协同治理政策的城市，假设其与目标城市在相同的年份实施了同样的政策，再根据合成控制法利用其他对照组城市构造这个城市的合成控制对象，得到该城市与未实施政策的合成控制组对象的PM2.5浓度差异[12]。剔除均方预测误差（MSPE）大于处理组2倍的城市，检验结果如图3和图4所示。图中黑色实线是京津冀地区各城市真实的年均PM2.5浓度和合成控制组PM2.5浓度的差值，即“处理效应”，灰色虚线是其他省份的处理效应。使用均方预测误差（MSPE）进行显著性检验，得出：5%显著性水平下，实证结果并不随合成控制组城市的不同而变化，与实证结果一致。

图3 北京市政策效应稳健性检验图

图4 天津市和河北11市政策效应稳健性检验图

4 政策效应异质性的原因探析

4.1 模型构建与变量说明

为了进一步探析京津冀大气污染协同治理政策效应的区域异质性原因，构建面板数据计量模型如式（5）所示：

该面板模型旨在考察2012—2018年考虑时间固定效应的基础上，探讨影响京津冀城市间政策效应异质性的社会经济因素。其中，被解释变量（score）为经过规格化处理的2012—2018年京津冀13个城市的政策效应，即合成控制法得到的处理效应值，规格化处理方式如式（6）所示，政策效应得分值区间范围为20～100，得分越高，大气污染协同治理政策效应越好。解释变量包括：（1）政府财政收入（gr），反映地区政府治理环境公共问题的实力；（2）专利申请授权量（te），反映地区科技创新的能力；（3）普通高校在校学生数（hc），反映地区人力资本存量状况；（4）每平方千米人口数（pd），反映地区人口密度；（5）第三产业增加值所占GDP比重（ins），反映地区产业结构升级状况。λt为时间固定效应，体现不随城市而变化但随时间而变化的京津冀大气协同治理政策的配套性、细节性的政策环境变化。μit为既随时间而变化又随个体而变化的随机性冲击。解释变量数据来源于《中国统计年鉴》《天津统计年鉴》《北京统计年鉴》和《河北经济统计年鉴》，所有变量均进行了取对数处理。

4.2 实证结果分析

模型实证结果如表2所示。该面板模型属于固定效应模型还是随机效应模型，要进行科学判断[13]。分别使用组内估计量法和广义最小二乘法进行模型估计，然后借助Hausman检验法进行判断，检验结果为接受原假设，即该面板数据应看作随机效应模型进行系数估计更有效。因此，从随机效应模型的广义最小二乘法估计结果来看：导致京津冀大气污染协同治理政策效应异质性的经济与社会因素主要有：（1）地区政府财政实力的差异性。gr变量正向显著，表明京津冀13个城市中，地区政府财政实力越强，意味着治理空气污染问题的能力越强，其协同治理政策效应越好。（2）人力资本的差异性。hc变量正向显著，表明京津冀地区中人力资本越雄厚的城市，由于其民众对大气污染的认识越是深刻，以及对大气污染的治理需求、关注度及践行度也越高，京津冀大气污染协同治理政策的区域效应越好。（3）人口密度的差异性。pd变量负向显著，说明京津冀地区中人口密度越高的城市，生态与环境资源的稀缺性越严重，协同治理政策实施的效率会相对较低，导致大气污染协同治理政策效应降低。

表2 模型实证结果

为了进一步观察京津冀大气污染协同治理政策的时间演变冲击效应，使用最小二乘虚拟变量法进行模型估计，可以看出：2015年和2016年时间固定效应正向显著，说明2015年和2016年有正向的政策环境变化冲击。查阅相关资料，发现2015—2016年京津冀大气污染协同治理政策在顶层设计、法律保障、组织实施方面具有显著的合作突破，期间，《京津冀协同发展规划纲要》颁布，标志着京津冀协同发展正式上升为国家重大战略；《中华人民共和国大气污染防治法（2015修订）》中提出“建立重点区域大气污染联防联控机制”，为京津冀大气污染协同治理提供了法律依据；《京津冀及周边地区大气污染防治中长期规划》《京津冀区域环境保护率先突破合作框架协议》和《京津冀大气污染防治强化措施》正式出台，标志着京津冀大气污染协同治理政策的深化推进与政策完善。

5 研究结论与政策建议

5.1 研究结论

本文以京津冀地区13个城市为研究对象，以2012年《重点区域大气污染防治“十二五”规划》作为京津冀启动大气环境协同治理的标志性政策，排除中国重点区域大气污染协同治理中涉及的长三角和珠三角城市群，以及京津冀大气污染协同治理中涉及的“2+26”通道城市，科学拟合控制组，实证评估了京津冀大气污染协同治理的政策效应，并在此基础上构建计量模型，探讨了京津冀大气污染协同治理政策效应异质性的原因。研究结论如下：

（1）京津冀大气污染协同治理政策效应具有显著的时滞性和短期负效应冲击。大气污染协同治理本质上是一项非常复杂的环境工程，由于独特的地理区位与气候特征、长期经济增长与人口集聚，京津冀地区积累形成的严重雾霾必将是件积重难返的事情。京津冀大气污染协同治理政策的核心路径是促进产业升级和污染型产业转移，而这并不是一蹴而就的事情。因此，京津冀大气污染协同治理的艰巨性、复杂性和长期性决定了大气污染协同治理政策效应具有时滞性和短期的负效应冲击。

（2）京津冀大气污染协同治理政策效应具有显著的区域异质性。2012年京津冀大气污染联防联控政策实施后，近年来，呈现出积极政策效应（即政策实施显著降低区域PM2.5浓度）的京津冀地区城市有：北京市、天津市、承德市、秦皇岛市、廊坊市、唐山市和张家口市，一直呈现政策负效应冲击的京津冀地区城市有：石家庄市、邯郸市、邢台市、保定市、沧州市和衡水市。总的来看，京津冀大气污染协同治理政策对区域大气质量的改善效果由高到低依次为：北京市、天津市、河北省。

（3）地区政府财政实力、人力资本和人口密度是影响京津冀大气污染协同治理政策效应异质性的重要原因。在其他因素不变的情况下，财政实力和人力资本越雄厚的城市，其府际大气污染协同治理政策效应越好；人口密度越大的城市，大气污染协同治理政策效应越差。

5.2 政策建议

（1）夯实协同根基，提升协同效率。一是建立健全京津冀大气污染联防联控地方协同立法机制，建立科学统一的京津冀大气污染协同治理法律体系，重点厘清京津冀大气污染协同防治中北京市、天津市和河北省的事权划分，以及制定合理的成本—收益分担机制、政策执行与监督机制和信息共享机制等核心内容，从立法角度保障京津冀大气污染协同治理的有效性[14-15]；二是积极构建基于物联网的京津冀立体环境监测系统和风险管理模式，实现京津冀环保、国土、气象、水利和环境科研系统资源与信息共享[16-17]，以及实现跨区域统一联合监察执法，提升京津冀大气污染协同治理政策执行与监督管理效率；三是将“碳达峰与碳中和”战略纳入到京津冀大气污染联防联控机制中，成立京津冀绿色能源技术发展基金，借助京津科研优势，大力推进京津冀地区电力行业绿色能源替代[18]，不断创新京津冀大气污染协同治理新路径。

（2）重视“异质性”影响，突出“差异化”共治。一是高度重视京津冀城市间发展特征的差异性，以实现京津冀全域环境效益最大化为目标，完善能源消费双控制度，建立适度弹性制的能源消费总量控制制度，优先支持和大力推进河北省可再生能源发展和战略性低碳新兴产业发展，增加京津冀地区总体产业的绿色“增量”，更好地提高京津冀大气污染治理效果；二是在现有以省为单位的财税体制下，京津冀三地应借助中央政府宏观调控，健全京津冀地区生态建设和环境保护的市场机制，加快建立面向河北的中央纵向生态补偿和京津两地横向生态补偿，除财政资金补偿方式外，积极探索经济、科技、人才、金融等领域合作的多层面跨区域生态补偿方式，提升京津冀协同共治的向心力[19-22]；三是大力推进京津冀三地实现基本公共服务均等化目标[23-24]，通过提高京津冀人才与科技资源的流动性和优化配置，最终有效解决京津的“大城市病”问题和改善区域空气质量。