毛顯強 張慶勇

摘要 以京津冀大氣污染傳輸通道“2+26”城市為對象的區(qū)域性霧霾專項治理已經開展兩年有余。要判斷“2+26”城市治霾方案的實施是否取得了顯著成效需要通過科學的實證分析加以驗證。采集山東省13個內陸城市2016—2018年每日空氣質量指數（AQI）、六種單項污染物（PM2.5、PM10、SO2、NO2、CO、O3）濃度以及氣象條件等數據，以其中屬于“2+26”城市的7城市作為實驗組，其余6城市作為對照組，基于雙重差分法，對“2+26”城市治霾方案在山東省相關城市的實施效果進行評估，試圖分離方案實施所帶來的環(huán)境效應。結果表明：①“2+26”城市治霾方案的實施總體上有效，對污染傳輸通道7城市空氣質量指數（AQI）指標的降低發(fā)揮了顯著作用。②“2+26”城市治霾方案對污染傳輸通道城市的PM2.5、PM10、CO濃度的降低有顯著貢獻，但對SO2、NO2和O3指標的改善貢獻并不明顯。③對方案進行分時段動態(tài)效應分析發(fā)現，《京津冀及周邊地區(qū)2017年大氣污染防治工作方案》的發(fā)布并未對污染傳輸通道城市空氣質量改善產生立竿見影的效果，而《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行動方案》《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行動方案》的落實和執(zhí)行才是“2+26”城市治霾方案顯著見效的保障。該研究在嚴格遵守雙重差分法前提條件的同時，還通過了一系列穩(wěn)健性檢驗確保評估結果的可靠性。

關鍵詞 大氣污染傳輸通道;“2+26”城市;治霾方案;治霾效果;雙重差分法

根據《中國環(huán)境狀況公報》顯示，2016年中國338個城市中僅有84個城市空氣質量達標，占全部城市的24.9%;其余254個城市空氣質量均超標，占比75.1%;特別是京津冀地區(qū)更成為空氣污染的重災區(qū)，2016年京津冀地區(qū)PM2.5全年平均濃度達71ug/m3，對此實施區(qū)域性空氣污染專項治理勢在必行。2017年2月17日原環(huán)境保護部下發(fā)了針對“2+26”城市，即京津冀大氣污染傳輸通道城市的《京津冀及周邊地區(qū)2017年大氣污染防治工作方案》（以下簡稱“工作方案”）;此后又分別于2017年8月21日和2018年9月21日出臺了《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行動方案》（以下簡稱“2017攻堅行動方案”）和《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行動方案》（以下簡稱“2018攻堅行動方案”）。這后續(xù)的兩個“攻堅行動方案”在“工作方案”基礎上做出了細致的實施安排，更強調督查手段的落實和量化問責，并輔以重污染天氣執(zhí)法檢查、各地空氣質量情況通報等配套措施，力促“2+26”城市的治霾工作切實推進。這些專門針對京津冀空氣污染傳輸通道大氣污染防治的措施方案（統稱為“2+26”城市治霾方案）實施后的2017和2018年，京津冀地區(qū)霧霾天明顯減少，空氣質量顯著提升[1]，這被認為是“人努力”和“天幫忙”共同作用的結果。那么“2+26”城市治霾方案實施的凈效應有多大？該方案的政策效力是否具有長效性？該方案的政策效力還有哪些不足？針對這些問題，該研究嘗試以山東省為案例開展評估。

1 文獻綜述

在評估環(huán)境治理政策和措施方案的效果時常用的計量方法主要有斷點回歸法、合成控制法以及雙重差分法。其中斷點回歸法適用于考察政策和措施方案在實施前后的短期內是否會產生突變的效果，如曹靜等[1]、Davis[2]都借助斷點回歸分別對北京和墨西哥的機動車限行措施效果進行了評估，結果顯示北京的限行措施對空氣質量的影響甚微，墨西哥的限行措施對空氣質量也沒有顯著改善作用;石慶玲等[3]同樣運用斷點回歸方法評估了“環(huán)保約談”對當地空氣污染的治理效果，結果表明該政策措施在短期內效果顯著，長期無效。合成控制法適合于針對單一對象進行政策效果評估，通過人為構造一個對照組評估政策的實施效果，例如Zhang等[4]、王艷芳和張俊[5]運用該方法考察北京奧運會的舉辦對空氣質量的影響，結果顯示舉辦奧運使得2008年北京空氣質量明顯改善，2010年之后改善作用逐漸消失;Kim and Kim[6]使用合成控制法研究發(fā)現，區(qū)域溫室氣體倡議（RGGI）是美國東北部溫室氣體排放大幅減少的重要因素之一。

相較于前面兩種方法，雙重差分法適用于評估環(huán)境治理政策措施實施前后的平均凈效應，而且不受單一考察對象的局限。Chen等[7]運用雙重差分方法評估了2008年北京奧運會采取的一系列應對措施對改善空氣質量的效果;史貝貝等[8]、鄒國偉與周振江[9]、宋弘等[10]借助該方法評估了“兩控區(qū)”政策和低碳城市試點政策的實施效果;Sun等[11]、李靜等[12]利用雙重差分法對中國綠色信貸政策、“十一五”和“十二五”期間的減排政策實施效果進行了探究;Jia and Chen[13]通過構建多期雙重差分模型對中央環(huán)保督查（CEPI）的短期和長期政策效果進行評估，發(fā)現CEPI確實對改善環(huán)境績效有積極作用;Wang等[14]利用該方法分析發(fā)現中國空氣質量新標準的出臺無論長期還是短期都未顯著降低PM2.5的濃度及SO2的排放量;杜雯翠和夏永妹[1]以6個京津冀核心城市為案例，運用雙重差分法考察2014—2016年京津冀霧霾協同治理的效果，認為這期間的協同治理沒有從根本上改善京津冀的空氣質量狀況。

通過對上述文獻的梳理與回顧可知，第一，目前針對“2+26”城市治霾方案的實施效果尚缺乏科學嚴謹的綜合評估;第二，在運用雙重差分法進行政策效果評估時，部分研究忽視了該方法嚴格的前提假設要求，缺乏全面、嚴謹的穩(wěn)健性檢驗[16]。鑒于此，擬將“2+26”城市治霾方案的實施作為一項準自然實驗，利用山東省各地級市2016—2018年的每日空氣質量面板數據，在嚴格遵循方法適用條件的前提下，基于雙重差分法評估該政策方案在山東省的實施效果。

2 數據與方法

2.1 樣本的選取

選取的樣本為山東省13個內陸地級市。之所以選取山東省為案例是基于以下的考慮：①山東省作為一個經濟大省同時也是一個人口大省，在中國具有一定的典型性和代表性。②山東省以霧霾為代表的空氣污染問題嚴峻，17個地級市中有7個被納入“2+26”城市。③山東省域內南北緯度跨度較小，省內中西部氣候相近，整體自然環(huán)境相似。為保證研究對象的相對一致性，在運用雙重差分模型進行研究時減少偏誤，將山東省東部的青島、煙臺、威海和日照這4個大氣擴散條件較好，空氣質量顯著優(yōu)于其他地市的沿海城市排除，選擇其余13個內陸城市作為研究對象。其中，以居于京津冀大氣污染傳輸通道的“2+26”重點城市之列的濟南、淄博、濟寧、德州、聊城、濱州、菏澤等7市為實驗組，以其余6市，棗莊、萊蕪、泰安、東營、臨沂、濰坊為對照組。這樣的處理可以最大程度地滿足隨機分組、隨機事件、同質性以及對照組不受政策影響的假設[17]。

研究以《京津冀及周邊地區(qū)2017年大氣污染防治工作方案》的下發(fā)日期2017年2月17日作為“2+26”城市治霾方案開始實施的時間節(jié)點。在時間范圍的確定上主要基于兩方面的考慮：一方面，若時間范圍區(qū)間選取太短，樣本數據太少，結果的顯著性無法保證;另一方面，若時間范圍區(qū)間選取太長，難以控制其他因素對結果的干擾。因此，將時間范圍限定在政策方案實施時間節(jié)點前后共計3年（2016年1月1日至2018年12月31日）。

2.2 數據的收集與來源

首先采集13個樣本城市2016—2018年每日空氣污染物濃度指標及氣象條件等面板數據?？諝赓|量指數（AQI）是衡量一個地區(qū)空氣質量狀況的重要綜合性指標。它是由六種單項污染物（PM2.5、PM10、SO2、CO、NO2和O3）濃度限值折算而來，取值范圍為0～500，數值越大，代表空氣質量狀況越差。以AQI指數為衡量空氣質量改善效果的主要變量。

除了收集山東省13城市3年間每日AQI數據，為考察“2+26”城市治霾方案的實施對單項污染物濃度的影響，還同時收集了六種單項污染物的日均濃度數據?？諝赓|量數據采自“中國空氣質量在線監(jiān)測分析平臺”公益網站，該平臺提供了全國367個城市自2013年12月以來的空氣質量狀況每日數據，其數據來源于中國環(huán)境保護總站。此外，由于氣象條件對于空氣質量狀況有著顯著的影響[18]，同步收集了山東省13城市3年間每日氣象條件數據，包括最高氣溫、最低氣溫、降水以及風力等指標。氣象條件數據采集自“2345天氣網”，該網站數據來源于中國氣象局。所有數據經人工收集匯總，去除缺失數據后最終得到14 245個樣本數據。

2.3 數據的初步統計分析

表1是對政策實施前后，屬于“2+26”城市的7個實驗組城市與6個對照組城市的空氣質量指標簡單描述性統計結果。從表1可以看出，實驗組城市和對照組城市的大部分空氣質量指標在政策實施后都有明顯下降，而實驗組城市下降幅度要高于對照組城市。但不管是實驗組城市還是對照組城市，O3平均濃度非但沒有下降反而比政策實施前升高。

盡管初步觀察發(fā)現實驗組城市大多數污染物指標的濃度有所下降，但僅通過這種簡單的“單差法”比較尚不能確定這種下降究竟在多大程度上由“2+26”城市治霾方案的實施帶來。

圖1為2016—2018年山東省13城市3年每月的AQI趨勢圖，從圖中可以看出，各年AQI的變化具有相似的月度趨勢和季節(jié)特征。一般來說，2—4月和7—10月AQI指數相對較低，而11月至次年1月AQI指數相對較高，因此必須對回歸模型進行季節(jié)和月度調整，以控制季節(jié)和月份變化對AQI的影響。同時，為控制如宏觀經濟年際波動等干擾效應，還需對回歸模型進行年度調整。

2.4 回歸模型

研究中把“2+26”城市治霾方案的實施視作一項“準自然實驗”，根據“雙重差分”思想，在比較政策干預前后狀況的“單差法”基礎上，為了排除樣本城市自身發(fā)展趨勢對環(huán)境質量的影響（即控制實驗組自身在政策實施前后的“自然”變化），首先設置一個與“實驗組”盡可能接近的“對照組”，然后將“實驗組在政策實施前后的平均變化”減去“對照組在政策實施前后的平均變化”，結果便是“凈”政策效應。由此建立的雙重差分模型如下：

式中，下標i、t分別表示該數據所對應的城市i和t日期;Yit為被解釋變量，具體指空氣質量指數AQI或者六種單項污染物濃度;city為城市虛擬變量，用于反映該城市

注：①方案實施前，即“工作方案”下發(fā)前的時間范圍，具體指2016年1月1日至2017年2月16日;方案實施后，即“工作方案”下發(fā)后的時間范圍，具體指2017年2月17日至2018年12月31日。②實驗組，是指山東省內屬于“2+26”城市的7城市;對照組，是指山東省內不屬于“2+26”城市的其余6城市（不包括4個沿海城市）。表內數據由作者整理獲得。

擬變量（weekend）和節(jié)假日虛擬變量（holiday）。根據對數據初步的統計分析得知，空氣質量狀況存在明顯的年度變化趨勢和月度變化趨勢，因此設置了年份虛擬變量（屬于某一年取值為1，否則為0）和月度虛擬變量（屬于某一月份取值為1，否則為0），用以控制年度和季節(jié)效應。此外，考慮到是否為工作日或節(jié)假日也會影響人類生產活動，進而對污染排放產生影響[22]，還設置了工作日虛擬變量（周一到周五取值為1，否則為0）和節(jié)假日虛擬變量（法定節(jié)假日取值為1，否則為0），用以控制工作日和節(jié)假日效應。

γt為時間趨勢項。由于空氣污染治理是全國性的行動，并且“氣十條”早在2013年便逐步實施，因此不排除所有城市空氣質量狀況均存在隨時間推移整體向好的趨勢。為此本研究設置了時間趨勢項的一次項以控制這種趨勢效應。

表2對主要變量進行了描述性統計，給出了它們的均值、標準差、最小值和最大值。數據顯示，山東省13城市近3年日均AQI值為108.9，可見山東省空氣污染的嚴峻性。

3 結果與討論

3.1 基準回歸

首先進行全樣本基準回歸，回歸結果報告在表3中。表3中第（1）列為既不含地區(qū)固定效應，也不含時間固定效應時的結果;第（2）列和第（3）列分別為僅加入地區(qū)固定效應或時間固定效應的結果;第（4）列為包含上述兩種效應時的結果;第（5）列則是在控制住地區(qū)固定效應和時間固定效應的基礎上，加入了時間趨勢項的一次項時的結果。did回歸系數代表政策的凈效應。從表3第（1）～（5）列的回歸結果可以看出，無論是否加入地區(qū)固定效應、時間固定效應或時間趨勢項，did回歸系數至少在10%的顯著水平下顯著為負，說明“2+26”城市治霾方案的實施顯著改善了空氣質量。特別是在控制住時間固定效應后，回歸系數的顯著性提高，通過了5%的顯著性水平檢驗。在同時控制住上述所有效應后，表3第（5）列中did回歸系數值約為-4.7，表明治霾方案的實施使得實驗組7城市AQI指數平均下降4.7左右。結合前文表1給出實驗組城市在治霾方案實施后AQI指數平均下降15.0，可以推知實施治霾方案的貢獻率約為31.3%（4.7/15.0），即在控制住天氣效應、城市固定效應、時間固定效應以及時間趨勢項后，“2+26”城市治霾方案的實施解釋了大約31.3%的AQI的變動，效果顯著。

3.2 單項污染物指標回歸分析

由于AQI指數代表了綜合的空氣環(huán)境質量狀況，為進一步探討“2+26”城市治霾方案對六種單項污染物的影響，分別再以這六種單項污染物作為被解釋變量進行模型回歸，結果見表4。觀察表4中（1）～（6）列可以發(fā)現，did回歸系數在以PM2.5、PM10和CO為被解釋變量時都顯著為負，且至少都通過了5%的顯著性水平檢驗，這說明治霾方案的實施對這三種污染物的治理效果較好。

雖然表1中簡單比較方案實施前后變化的“單差法”結果顯示， SO2的NO2平均濃度在政策實施后也有明顯下降，但雙重差分分析表明方案實施對實驗組城市SO2和NO2的濃度變化并無顯著影響。對照組和實驗組城市SO2和NO2的濃度均下降應系由“氣十條”等其他環(huán)保政

注：①括號內為以城市為聚類的聚類穩(wěn)健標準誤。②*、**和*** 分別表示 10%、5%和 1%的顯著性水平。常數項略去。表內數據是作者基于Stata軟件估計獲得。

策措施的落實引致?！?+26”城市治霾方案也未對O3產生效果，O3濃度指標上升，與方案實施無關。

對上述結果可作如下解釋。

（1） “2+26”城市治霾方案目標直指減少以PM2.5超標為主的重污染天氣，兩個“攻堅行動方案”都明確將PM2.5平均濃度下降比例作為嚴格考核指標，絕大部分具體措施圍繞降低顆粒物污染展開。所以“2+26”城市治霾方案的實施對PM2.5和PM10產生了顯著的改善效果。CO濃度降低也是隨著減少煤炭使用以及嚴格控制機動車排放等治霾措施產生的協同效應。

（2）對于SO2和NO2，方案中雖然也明確提出了對于二氧化硫和氮氧化物的治理要求，但是二者在“十一五”和“十二五”期間已分別被列為約束性污染物總量減排指標，“氣十條”等環(huán)保政策措施無論在實驗組還是在對照組城市都已得到普遍充分落實，對于它們的末端治理已經

取得了較大進展，“2+26”城市治霾方案并未對它們的減排做出顯著的額外貢獻。

（3）O3平均濃度在方案實施后不減反增，這是由于O3并非源于直接排放，其濃度升高與VOC排放量仍然較大，且NO2的削減暫時打破了大氣化學平衡等復雜因素相關。降低O3濃度還有待對VOC減排的強化。

3.3 政策效果動態(tài)分析

自“工作方案”發(fā)布后，相應的“攻堅行動方案”并未立即出臺，直到“2017攻堅行動方案”出臺前，存在一個“行動方案空檔期”（2017.2.17—2017.8.20）;在“2017攻堅行動方案”到期后，直到“2018攻堅行動方案”出臺前，同樣存在另一個“行動方案空檔期”（2018.4.1—2018.9.20）。僅發(fā)布“工作方案”而缺乏系統明確的“攻堅行動方案”支撐，“2+26”城市治霾方案是否能夠產生及時、持續(xù)、顯著的治霾效果？

為了回答這一問題，按照“2+26”城市治霾方案出臺后有無“攻堅行動方案”支撐，將方案出臺后的時間劃分為4個時段，設置相應虛擬變量date1（2017.2.17—2017.8.20）、date2（2017.8.21—2018.3.31）、date3（2018.4.1—2018.9.20）和date4（2018.9.21—2018.12.31），取值規(guī)則為：處于對應時段內則為1，否則為0。接著讓這4個時段虛擬變量分別與city虛擬變量相乘，生成相應的交互項after1、after2、after3和after4，并納入雙重差分模型中。借鑒Beck 等[23]、Wang[24]和吳建祖、王蓉娟[25]的思路構造出新的動態(tài)估計模型：

其中，系數βm（m=1，2，3，4）表示相應時段內的政策凈效應。表5是模型（2）的具體回歸結果，從中可以看出，無論是否控制地區(qū)固定效應、時間固定效應或者時間趨勢項，只有after2和after4的系數均顯著為負的，after1和after3的系數并不顯著，具體解釋如下。

（1）after1的系數不顯著，說明在“工作方案”發(fā)布后直至“2017攻堅行動方案”發(fā)布前的“行動方案空檔期”內，“2+26”城市治霾方案并沒有發(fā)揮出立竿見影的政策效力。這是由于“工作方案”內容本身缺乏細化分解可操作的要求以及相應的考核督導措施，由此導致地方政府缺乏激勵，治理方案落實不到位。

after3系數不顯著，同樣說明在第二個“行動方案空檔期”內，治霾方案無法發(fā)揮改善空氣質量的顯著效力，僅靠重污染天氣執(zhí)法檢查、每月通報各地空氣質量情況等配套措施，“2+26”城市治霾方案便不會產生顯著的政策效力。

（2）after2和after4系數顯著，說明由于兩個“攻堅行動方案”對治霾措施做出了細致的分解和布置，并制定了嚴格監(jiān)督方案，使得各項“2+26”城市治霾方案的措施能夠落地執(zhí)行。

以上分析表明，若缺失對治霾行動方案的細化分解和嚴格的考核督導，則“2+26”城市治霾方案仍難以落地實施，真正發(fā)揮作用。

4 穩(wěn)健性檢驗

陳林、伍海軍[18]認為，并非所有的政策沖擊都可以用雙重差分方法來分析，因為該方法有四個較為嚴苛的前提條件——隨機分組、隨機事件、同質性以及對照組不受政

注：①表中報告的是同時控制了天氣變量、地區(qū)固定效應、時間固定效應以及時間趨勢項一次項時的回歸結果。②樣本數量為14 245個。③括號內為以城市為聚類的聚類穩(wěn)健標準誤。④**和*** 分別表示 5%和 1%的顯著性水平。常數項略去。表內數據是作者基于Stata軟件估計獲得。

策的影響，

應用雙重差分法應至少保證四個前提假設中的三個得以滿足，否則估計結果會存在很大的偏誤。下面對這四個前提條件進行檢驗，來檢驗研究結果的穩(wěn)健性。

4.1? 隨機分組假設檢驗

理想情況下，實驗組城市應是隨機挑選的，不受任何因素影響，特別是要保證實驗組城市的選取和被解釋變量無關。如果實驗組城市的選擇不能滿足一定的隨機性，就會產生雙向因果效應，使得估計結果有偏。為了檢驗是否符合隨機分組假設，研究求取了“2+26”城市治霾方案實施之前的2016年山東省13個城市的年度AQI均值，并且按照數值從大到小進行排列，結果見表6。從表中可見，方案實施城市的選取并未遵循AQI由高到低的順序，在數值上具有一定的隨機性，例如“2+26”城市中的濟南、淄博、濟寧和濱州四市2016年AQI年度均值分別排在第4、7、9和12名?？梢哉J為，雖然“2+26”城市的選取條件是處于“京津冀污染傳輸通道”上，但AQI的大小并不是“2+26”城市選取的主要依據。研究中實驗組城市的選取和AQI的大小無必然聯系，滿足一定隨機性條件。

4.2? 隨機事件假設檢驗

為了確?！?+26”城市治霾方案的實施符合隨機事件假設，即政策實施時間具有隨機性，不具有預期效應，以進一步驗證政策的外生性，研究借鑒Lu 等[26]和蔣靈多、陸毅[27]對隨機事件假設進行的安慰劑檢驗，假設政策方案的頒布時間分別提前3個月、6個月和9個月進行回歸。表7第（1）～（3）列為具體回歸結果，從表中的結果可以看出，不論是提前3個月、6個月還是9個月，did的估計系數均不顯著，這說明政策方案實施之前不具有預期效應，政策方案在發(fā)生時間上具有隨機性，從而隨機事件假設成立;同時還可以說明實驗組城市空氣質量指標與對照組城市偏離，確實是由“2+26”城市治霾方案導致，而非其他隨機因素造成，可進一步驗證本研究結果的穩(wěn)健性。

4.3 同質性（平行趨勢）假設檢驗

為了說明研究對象的同質性，對實驗組城市和對照組城市被解釋變量的平行趨勢假設進行檢驗。借鑒文獻[28-30]中常用的平行趨勢假設檢驗方法，繪制政策方案實施前實驗組城市和對照組城市的月度AQI平均值（通過求取月度AQI平均值可以較好地平滑由隨機因素造成的波動）走勢圖（見圖2）?？梢灾庇^地看出，在政策方案實施之前實驗組城市和對照組城市月度AQI值走勢基本平行甚至部分接近重合，表明兩組城市之間AQI月度均值沒有明顯的系統差異，符合平行趨勢假設。

4.4 對照組不受政策影響假設檢驗

實驗組城市和對照組城市同屬山東省，并且互相毗鄰，雖然這有利于保證兩組城市所處宏觀環(huán)境相似，但也正因如此，對照組城市有可能會受到“2+26”城市治霾方案實施的影響，即產生政策的溢出效應，使得估計結果存在一定偏差。這種政策溢出效應，一方面體現在實驗組城市的舉措會刺激鄰近的對照組城市加強空氣污染的治理，另一方面體現在實驗組城市強化減排減少了擴散到鄰近城市的污染物，使得對照組城市空氣質量得到一定程度改善。

注：①括號內為以城市為聚類的聚類穩(wěn)健標準誤。②*、** 分別表示 10%、5%的顯著性水平。③樣本數量為14 245個。常數項略去。表內數據是作者基于Stata軟件估計獲得。

為了確認該政策是否存在顯著的溢出效應，本研究進行了反事實檢驗：由于萊蕪、泰安兩個對照組城市在地理位置上幾乎被實驗組城市包圍，這兩個城市理當受實驗組城市政策溢出效應影響最大，因此把這兩個城市作為新的實驗組城市，其余四個對照組城市作為新的對照組城市進行回歸（結果見表7第（4）列），結果顯示系數并不顯著。這在一定程度上驗證了“2+26”城市治霾方案未對對照組城市產生顯著影響或政策溢出效應不顯著假設。畢竟，盡管進行了系列穩(wěn)健性檢驗，但仍應該承認，由于空氣質量的變化所受影響因素極為復雜，既有人為因素也有自然因素，對政策方案影響研究的邊界條件控制難度也遠大于實驗室狀態(tài)。一項政策的實施通常帶有主觀目的性，濰坊104.60注：標*的濟南、淄博、濟寧、德州、聊城、濱州、菏澤市為實驗組城市。

不可能是絕對的隨機發(fā)生的“自然事件”，因此只能將“2+26”城市治霾方案的實施視為一項“準自然實驗”。盡管在穩(wěn)健性檢驗中對于政策溢出效應的檢驗結果為不顯著，但仍不能完全排除該效應的存在，而該效應的存在會使得研究對政策效應的估計結果偏小。盡管存在低估的可能，但反映政策效果的did回歸系數依然顯著為負，也間接支持了研究對“2+26”城市治霾方案有效性的判斷。

5 結論及建議

近年來京津冀地區(qū)霧霾污染頻頻來襲，嚴重危害著人民身體健康，“2+26”城市治霾方案的出臺和實施勢在必行。為了能夠科學評估該方案的治理效果，以山東省為案例，基于該省13城市2016—2018年的每日面板數據，利用雙重差分法對“2+26”城市治霾方案的實施效果進行分析評估。

研究的主要結果：①雙重差分回歸發(fā)現，“2+26”城市治霾方案的出臺和實施，對山東省7個京津冀大氣污染傳輸通道城市的空氣質量改善效果顯著，該方案對AQI指數改善的總體貢獻率約為31.3%。

注：①表中報告的是同時控制了天氣變量、地區(qū)固定效應、時間固定效應以及時間趨勢項一次項時的回歸結果。②表中（1）～（3）列為4.2檢驗結果，第（4）列為4.4節(jié)的檢驗結果。表內數據是作者基于Stata軟件估計獲得。

圖2 政策方案實施前實驗組城市和對照組城市的AQI月度走勢行回歸發(fā)現，“2+26”城市治霾方案實施僅對PM2.5、PM10和CO改善效果顯著，而對SO2、NO2和O3沒有產生差異化（相較于對照組城市）的治理效果。③通過對該方案的動態(tài)評估發(fā)現，2017年初“工作方案”的發(fā)布并沒有產生立竿見影的治霾效果;“2+26”城市治霾方案最終見效主要歸功于2017和2018年秋冬季“攻堅行動方案”的實施使得治霾措施得以切實落地。

基于上述研究結果，認為：①治理霧霾、提高空氣質量是一個系統性、長期性的工程，對于治霾措施方案在確定目標、框架、路線之后，需要進行細致的任務分解和安排，并通過建立并執(zhí)行嚴格的督導、考核、獎懲制度，促使政策方案措施在地方真正落地實施，最大程度發(fā)揮出方案的政策效力。②目前已經執(zhí)行的“2+26”城市治霾方案側重于對顆粒物的治理，今后需要更加重視全面協同治理多種大氣污染物，特別是要切實加強對VOC等污染物的治理，解決O3濃度不降反升問題。③對于山東省空氣污染問題嚴重的對照組城市，要充分借鑒“2+26城市”治霾方案實施的成功經驗，因地制宜采取有力措施，進一步改善全省空氣質量。

（編輯：李 琪）

參考文獻

[1]寇江澤. 人民日報生態(tài)論苑： 大氣治理容不得半點懈怠[N/OL]. 北京： 人民日報， （2018-11-24）[2019-03-12]. http：//opinion.people.com.cn/n1/2018/1124/c1003-30419437.html.

[2]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.

[3]DAVIS L W. The effect of driving restrictions on air quality in Mexico City[J]. Journal of political economy， 2008， 116（1）： 38-81.

[4] 石慶玲， 陳詩一， 郭峰. 環(huán)保部約談與環(huán)境治理：以空氣污染為例[J]. 統計研究， 2017， 34（10）： 88-97.

[5] ZHANG J， ZHONG C P， YI M. Did Olympic Games improve air quality in Beijing？ based on the synthetic control method[J]. Collected essays on finance & economics， 2016， 18（1）： 21-39.

[6] 王艷芳， 張俊. 奧運會對北京空氣質量的影響：基于合成控制法的研究[J]. 中國人口·資源與環(huán)境， 2014， 24（S2）： 166-168.

[7] KIM M K， KIM T. Estimating impact of regional greenhouse gas initiative on coal to gas switching using synthetic control methods[J]. Energy economics， 2016， 59： 328-335.

[8] 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.

[9]史貝貝， 馮晨， 張妍， 等. 環(huán)境規(guī)制紅利的邊際遞增效應[J]. 中國工業(yè)經濟， 2017（12）： 42-60.

[10]鄒國偉， 周振江. 環(huán)境規(guī)制、政府競爭與工業(yè)企業(yè)績效——基于雙重差分法的研究[J]. 中南財經政法大學學報， 2018（6）： 14-22，159-160.

[11]宋弘， 孫雅潔， 陳登科. 政府空氣污染治理效應評估：來自中國低碳城市建設的經驗研究[J]. 管理世界，2019（6）： 95-108.

[12]SUN J X， WANG F， YIN H T， et al. Money talks： the environmental impact of Chinas green credit policy[J]. Journal of policy analysis and management， 2019，38： 653-655.

[13]李靜， 楊娜， 陶璐. 跨境河流污染的“邊界效應”與減排政策效果研究——基于重點斷面水質監(jiān)測周數據的檢驗[J]. 中國工業(yè)經濟， 2015（3）： 31-43.

[14]JIA K， CHEN S W. Could campaignstyle enforcement improve environmental performance？ evidence from Chinas central environmental protection inspection[J]. Journal of environmental management， 2019，245： 282-290.

[15]WANG K L， YIN H C， CHEN Y W. The effect of environmental regulation on air quality： a study of new ambient air quality standards in China[J]. Journal of cleaner production， 2019， 215： 268-279.

[16]杜雯翠， 夏永妹. 京津冀區(qū)域霧霾協同治理措施奏效了嗎？——基于雙重差分模型的分析[J]. 當代經濟管理， 2018（9）： 53-59.

[17]胡日東， 林明裕. 雙重差分方法的研究動態(tài)及其在公共政策評估中的應用[J]. 財經智庫， 2018， 3（3）： 84-111.

[18]陳林， 伍海軍. 國內雙重差分法的研究現狀與潛在問題[J]. 數量經濟技術經濟研究， 2015（7）： 133-148.

[19]郭勇濤， 佘峰， 王式功， 等. 蘭州市空氣質量狀況及與常規(guī)氣象條件的關系[J]. 干旱區(qū)資源與環(huán)境， 2011， 25（11）： 100-105.

[20]ZHANG X P， GONG Z Z. Spatiotemporal characteristics of urban air quality in China and geographic detection of their determinants[J]. Journal of geographical sciences， 2018， 28（5）： 563-578.

[21]劉霞. 中國城市空氣質量的影響因素分析[D]. 濟南： 山東大學， 2018.

[22]劉旖. 我國空氣污染的時空分布特征及影響因素分析[D]. 北京： 北京交通大學， 2018.

[23]陳強， 孫豐凱， 徐艷嫻. 冬季供暖導致霧霾？——來自華北城市面板的證據[J]. 南開經濟研究， 2017（4）： 25-40.

[24]BECK T， LEVINE R， LEVKOV A. Big bad banks？ the winners and losers from bank deregulation in the United States[J]. Journal of finance， 2010， 65（5）： 1637-1667.

[25]WANG J. The economic impact of special economic zones： evidence from Chinese municipalities[J]. Journal of development economics， 2013， 101： 133-147.

[26]吳建祖， 王蓉娟. 環(huán)保約談提高地方政府環(huán)境治理效率了嗎？——基于雙重差分方法的實證分析[J]. 公共管理學報， 2019， 16（1）： 54-65，171-172.

[27]LU Y， TAO Z G， ZHU L M. Identifying FDI spillovers[J]. Journal of international economics， 2017， 107： 75-90.

[28]蔣靈多， 陸毅. 最低工資標準能否抑制新僵尸企業(yè)的形成[J]. 中國工業(yè)經濟， 2017（11）： 118-136.

[29]郭峰， 熊瑞祥. 地方金融機構與地區(qū)經濟增長——來自城商行設立的準自然實驗[J]. 經濟學（季刊）， 2017， 17（1）： 221-245.

[30]黃志平. 碳排放權交易有利于碳減排嗎？——基于雙重差分法的研究[J]. 干旱區(qū)資源與環(huán)境， 2018， 32（9）： 32-36.

[31]SHI B B， FENG C， QIU M， et al. Innovation suppression and migration effect： the unintentional consequences of environmental regulation[J]. China economic review， 2018， 49： 1-23.