楊斯悅 王鳳 劉娜

摘要 《大氣污染防治行動計劃》被認為是史上最嚴格的一項空氣污染治理政策。主要目標(biāo)是控制區(qū)域PM2.5和PM10等污染物的排放量，明確規(guī)定了全國地級及以上城市可吸入顆粒物濃度比2012年下降10%以上，該政策始于2013年9月，于2017年底結(jié)束。為了科學(xué)檢驗《大氣十條》的政策影響效應(yīng)，選取該政策執(zhí)行期間（2013—2017年）的125個地級及以上城市，包括72個處理組和53個控制組進行準(zhǔn)自然試驗，運用雙重差分法檢驗該政策對控制主要空氣污染物PM2.5、PM10、SO2、NO2、CO和O3月均排放量的影響，并運用平行趨勢檢驗、反事實檢驗等方法進行了穩(wěn)健性檢驗。描述性統(tǒng)計結(jié)果顯示：PM2.5、PM10、SO2、NO2和CO的月均排放量都得到了顯著降低，其中PM2.5和PM10的降幅分別是36.33%和31.87%。京津冀、長三角、珠三角等區(qū)域PM2.5濃度分別下降39.6%、34.3%、27.7%，三大區(qū)域PM10的降幅分別為38.3%、31.1%、21.9%，其中，北京市PM2.5月均濃度為57.33 μg/m3。但是 O3的排放量下降效果不顯著，其含量不降反增，成為我國空氣質(zhì)量新的威脅?；貧w結(jié)果說明，該政策對試點城市大氣中PM2.5、PM10、SO2、NO2和CO的排放量下降產(chǎn)生了顯著影響，在1%顯著性水平上，月均濃度分別下降685.14%、650.72%、479.05%、359.55%和7.06%。因此，總體上可以認為該項政策已經(jīng)達標(biāo)完成，控制了主要空氣污染物的排放量。但是分解不同污染物、分區(qū)域或者是具體到不同城市的空氣質(zhì)量絕對值仍未達到國家控制標(biāo)準(zhǔn)。最后提出執(zhí)行科學(xué)精細的空氣質(zhì)量監(jiān)督管理制度和空氣污染治理的長效政策等建議。

關(guān)鍵詞 《大氣污染防治行動計劃》;大氣十條;效果評估;雙重差分法

近些年來，隨著城市化的快速發(fā)展，中國大氣污染形勢嚴峻，以可吸入顆粒物（PM10）、細顆粒物（PM2.5）為特征污染物的區(qū)域性空氣污染問題日益突出，成為困擾經(jīng)濟社會發(fā)展和人們追求美好生活的瓶頸。尤其是以PM2.5為主要空氣污染物，會導(dǎo)致心腦血管系統(tǒng)的疾病，并誘發(fā)癌變等，直接威脅到了人們的健康預(yù)期壽命[1]。為了進一步改善空氣質(zhì)量，政府在積極治理霧霾中向全世界承諾，到2020年單位國內(nèi)生產(chǎn)總值二氧化碳排放比2005年下降40%～45%，二氧化碳排放2030年左右達到峰值，明確了政府治霾的決心和目標(biāo)。為此，2013年9月10日出臺了《大氣污染防治行動計劃》（以下簡稱《大氣十條》），于2017年底結(jié)束，被稱為史上最嚴格的空氣污染治理制度。政策影響評估是現(xiàn)代政府管理的一項先進技術(shù)手段，便于政策的篩選、追蹤與完善，而雙重差分法是該領(lǐng)域廣泛使用的一種影響評估方法，可以有效排除其他干擾因素準(zhǔn)確識別政策與治理目標(biāo)之間的因果關(guān)系。學(xué)術(shù)界對于《大氣十條》政策影響評估的實證研究較少，且主要使用傳統(tǒng)檢驗方法對污染物排放量的絕對值進行比較。因此，采用雙重差分法檢驗該項政策對空氣質(zhì)量影響的“凈效應(yīng)”，對空氣質(zhì)量的改善效果進行更加科學(xué)的因果分析和闡釋。即檢驗大氣十條是否真正有效？科學(xué)驗證這個期間我國主要空氣污染物排放降低是否來源于該項政策效果？運用我國125個地級及以上城市主要空氣污染物排放量的月均數(shù)據(jù)，選擇72個處理組和53個控制組進行準(zhǔn)自然試驗研究，評估《大氣十條》的政策有效性并提出進一步推進空氣污染治理的政策建議。

1 文獻綜述

霧霾污染物成份主要是SO2、NO2、顆粒物（以下簡稱PM）、一氧化碳、粉塵等，其中PM既是一種污染物，又是重金屬、多環(huán)芳烴等有毒物質(zhì)的載體。這些污染物的來源很廣泛。國內(nèi)學(xué)者對霧霾成因的研究主要從氣象學(xué)、社會經(jīng)濟和地理分布等視角展開了較為深入的實證研究。

重污染天氣的成因根據(jù)大氣特點，可分為靜穩(wěn)型、沙塵型兩類。我國大部分地區(qū)屬于溫帶大陸性氣候，靜穩(wěn)型天氣造成的霧霾在秋冬季更易出現(xiàn)，所以我國霧霾污染存在顯著的季節(jié)性特征[2-3]。Zhang等[4]基于風(fēng)向、風(fēng)速、相對濕度、大氣凝結(jié)函數(shù)和大氣穩(wěn)定度等構(gòu)造出污染氣象條件指數(shù) （ Plam） ，用以定量表征氣象條件是否有利于污染天氣形成，其值越高表明氣象條件越不利，大于80 時容易形成霧霾天氣。呂效譜等[5]運用主成分及相關(guān)性分析方法發(fā)現(xiàn)高濕、逆溫、低壓和靜風(fēng)等氣象條件與霧霾天氣的形成密切相關(guān)。

霧霾雖是一種天氣現(xiàn)象，但主要是由于不合理的經(jīng)濟活動所致?，F(xiàn)有研究關(guān)于經(jīng)濟增長對霧霾污染的影響存在兩種有爭議的結(jié)論，一種是符合庫茲涅茨曲線（EKC）假說，認為經(jīng)濟發(fā)展水平、對外開放程度、城市規(guī)模與霧霾污染呈現(xiàn)出倒U型關(guān)系[3，6-8]。另一種是不符合EKC曲線的假說，認為霧霾污染與經(jīng)濟增長存在顯著的U形關(guān)系[9]。基于不同的數(shù)據(jù)和檢驗方法，學(xué)者們得出以制造業(yè)為主的產(chǎn)業(yè)結(jié)構(gòu)、民用汽車保有量的增多、城市面積、城市常住人口、能源消耗總量、集中供熱普及率、房屋建筑施工面積、國際貿(mào)易活躍程度均對霧霾污染有顯著的正向促進作用[10-15]，但人口密度、人口增長、消費結(jié)構(gòu)、綠化水平對霧霾污染的影響并不顯著[3，16];工業(yè)產(chǎn)出集聚、科教支出水平、財政自主度能夠顯著降低霧霾污染[8-9，17]。

我國霧霾還呈現(xiàn)出顯著的地理分布特征：由于東部地區(qū)將高耗能、高污染產(chǎn)業(yè)轉(zhuǎn)移到中、西部地區(qū)，所以對于東部地區(qū)的霧霾而言，經(jīng)濟發(fā)展、交通壓力、農(nóng)業(yè)生產(chǎn)以及來自毗鄰地區(qū)的污染是主要影響因素;而產(chǎn)業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)則是中、西部地區(qū)的關(guān)鍵影響因素[18]。潘慧峰等[19]認為，在京津冀地區(qū)，霧霾污染具有較強的持續(xù)性，高污染狀態(tài)存在粘滯效應(yīng)，難以向低污染狀態(tài)變化，北京地區(qū)的霧霾會對其他地區(qū)產(chǎn)生正向沖擊作用。冷艷麗和杜思正[20]研究認為，能源價格扭曲對東部地區(qū)霧霾的正向影響要大于中西部地區(qū)。李力等[21]研究發(fā)現(xiàn)，在珠三角地區(qū)FDI 與霧霾污染呈負相關(guān)關(guān)系。

各項環(huán)境政策一直以來都是政府霧霾治理的主要手段之一，特別是放置在我國自上而下的命令控制型環(huán)境管理體制里，政府應(yīng)該是治霾的主導(dǎo)力量。從國家《大氣污染防治法》的不斷修訂，到各地方政府配合頒布出臺了具體實施方案。2013年由國務(wù)院發(fā)布的《大氣十條》是專門針對大氣污染治理而制定的總體治理計劃。其內(nèi)容主要涵蓋加大污染源綜合治理力度、調(diào)整優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、加快企業(yè)綠色技術(shù)改造、增加清潔能源供應(yīng)、嚴格節(jié)能環(huán)保準(zhǔn)入、建立區(qū)域統(tǒng)籌管理機制、建立監(jiān)測預(yù)警應(yīng)急體系和動員全民參與環(huán)境保護等諸多方面。主要目標(biāo)是自頒布日起到2017年底，全國地級及以上城市可吸入顆粒物濃度比2012年下降10%以上，優(yōu)良天數(shù)逐年提高;京津冀、長三角、珠三角等區(qū)域細顆粒物濃度分別下降25%、20%、15%左右，其中北京市細顆粒物年均濃度控制在60 μg/m3左右。但對于其他污染物和城市并未明確規(guī)定具體達標(biāo)任務(wù)。

2 研究設(shè)計與數(shù)據(jù)來源

2.1 研究設(shè)計

雙重差分法（Differences-in-Differences，DID）又稱為倍差法，是用來進行政策影響評估、制度績效評估和項目評價等的一種方法。通常選擇一組未受到政策影響的地區(qū)或個體作為控制組，而將受到政策影響的地區(qū)或個體作為處理組，控制組在政策實施前后的差異可以視為純粹的時間效應(yīng)，將處理組的前后變化減去控制組的前后變化即可得到政策的“凈效應(yīng)”。雙重差分法的準(zhǔn)自然試驗可以有效地避免環(huán)境政策問題的內(nèi)生性和遺漏變量等問題。

近年來，越來越多的學(xué)者開始用雙重差分法進行政策影響評估的研究。有關(guān)國內(nèi)環(huán)境政策影響評估的研究諸如：Yang等[22]采用準(zhǔn)雙重差分法研究了2009年中國政府提出的碳強度約束政策對綠色生產(chǎn)的影響。Chen等[23]將“中國碳排放交易試點政策”作為準(zhǔn)自然試驗，運用雙重差分法識別這一環(huán)境政策對企業(yè)創(chuàng)新的凈因果效應(yīng)。發(fā)現(xiàn)該政策的實施總體上會顯著減少企業(yè)創(chuàng)新，與歐盟排放交易機制的因果效應(yīng)基本一致。Qiu和He[24]使用2004—2014年的省級SO2、NO2和PM10污染物排放的年度數(shù)據(jù)，運用雙重差分法檢驗了中國綠色交通政策對空氣質(zhì)量的影響。Li和Chen[25]探討了我國修訂《大氣污染防治法》的效果，認為這種政策顯著提高了大氣污染嚴重行業(yè)的全要素生產(chǎn)率。也有來自其他國家環(huán)境政策影響評估的實證研究，Chabé-Ferret和Subervie[26]對法國農(nóng)業(yè)環(huán)境政策促進農(nóng)戶綠色農(nóng)業(yè)生產(chǎn)消費的影響效果進行了評估。Rivers等[27]對加拿大多倫多市一次性塑料袋稅的政策影響進行估計，發(fā)現(xiàn)征稅增加了購物袋重復(fù)使用率的3.4個百分點。Gehrsitz[28]研究量化了德國污染物低排放區(qū)對空氣質(zhì)量和出生率的正向影響。Adan和Fuerst[29]研究了碳減排目標(biāo)及社區(qū)節(jié)能計劃實施對英國國內(nèi)天然氣及總能源消耗的影響，雙重差分結(jié)果顯示這些政策使住宅能耗明顯降低。

雙重差分法檢驗政策效應(yīng)需要滿足兩個假設(shè)條件。一是平行趨勢假設(shè)，即污染物濃度隨時間的變化趨勢在處理組城市和控制組城市應(yīng)該是相同的，保證控制組可以作為處理組的反事實場景。研究處理組城市和控制組城市都是毗鄰城市，所處地理位置、氣候條件等都是相近的，故滿足這一假設(shè)。另一個假設(shè)是，試點項目的實施是隨機的，與誤差項無關(guān)。因為《大氣十條》試點城市由政府發(fā)布，在一定程度上是強制性的。一個城市是否被選為試點城市并不依賴于城市本身，主要取決于該城市是否被納入國家規(guī)劃。所以政策是外生的，不存在內(nèi)生性問題，故研究符合此假設(shè)。

以《大氣十條》作為準(zhǔn)自然試驗，采取雙重差分方法進行因果識別。處理組（T）為2013 年第一批實施新的《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)（GB3095-2012）》并公開PM2.5等指標(biāo)的74個試點城市，控制組（C）是未實施該政策標(biāo)準(zhǔn)的54個毗鄰城市，剔除拉薩、深圳、泰安三個空缺數(shù)據(jù)城市，總共獲得125個地級及以上城市樣本。其中，處理組72個城市，控制組53個城市，通過處理組和控制組內(nèi)樣本城市的對比來評估《大氣十條》的政策影響效果。構(gòu)建如下雙重差分模型：

其中，i代表城市，t代表月份;Emissionit表示i城市t月份在大氣中排放的污染物，選取5項主要空氣污染物來分析政策效果。policyit是《大氣十條》政策的虛擬變量;timeit是時間虛擬變量，政策實施之前取0，實施后取1。β1是交叉項的回歸系數(shù)，也是雙重差分模型重點考察的處理效應(yīng);γ1和γ2分別是兩個控制變量Income和SecondGDP的系數(shù)。ui為城市固定效應(yīng)，τt為時間固定效應(yīng)，εit是隨機擾動項。

2.2 指標(biāo)選取和數(shù)據(jù)來源

被解釋變量：主要空氣污染物的排放量（Emissionit），分別選擇PM2.5、PM10、SO2、NO2、CO、O3 的月度排放量數(shù)據(jù)。原因在于霧霾主要由SO2、NOx和可吸入顆粒物等組成，以及臭氧會引起光化學(xué)煙霧事件等，故一并考慮。

核心解釋變量：policyit×timeit，即policyit和timeit的交叉項，表示2013年以后城市是否實施了《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)（GB3095-2012）》。如果屬于實施該政策標(biāo)準(zhǔn)的城市取值為1，反之為0。

控制變量：以往研究發(fā)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)、民用汽車保有量、城市常住人口、能源消耗總量、房屋建筑施工面積等對霧霾污染有顯著的正向促進作用[10-15]。所以控制變量包括城鎮(zhèn)人均可支配收入（Income）、第二產(chǎn)業(yè)占GDP的比重（SecondGDP）。

研究數(shù)據(jù)來自于國家統(tǒng)計局統(tǒng)計年鑒、城市統(tǒng)計年鑒以及“真氣網(wǎng)”環(huán)保數(shù)據(jù)平臺（aqistudy.cn）上發(fā)布的2013年12月到2017年12月（共計49個月）樣本城市污染物排放的月均濃度指標(biāo)。共計6 125個觀測值。數(shù)據(jù)處理采用軟件STATA 13.0。

3 政策影響評估的實證檢驗

3.1 描述性統(tǒng)計

描述性統(tǒng)計結(jié)果如表1所示。處理組和控制組的PM2.5、PM10、SO2、NO2、CO和O3的均值略有差異，但是，從我國空氣質(zhì)量標(biāo)準(zhǔn)的規(guī)定來看，兩組數(shù)據(jù)基本一致。控制組和處理組的PM2.5都沒達到35 μg/m3的年均濃度二級標(biāo)準(zhǔn)，PM10都未達到70 μg/m3的年均濃度二級標(biāo)準(zhǔn)，SO2都達到了二級標(biāo)準(zhǔn)，但未達到20 μg/m3的一級標(biāo)準(zhǔn)。對于NO2，處理組剛剛達到40 μg/m3的一級標(biāo)準(zhǔn)，控制組非常接近這一標(biāo)準(zhǔn)值。CO和O3同樣沒有太大差異。而且，整體上兩組數(shù)據(jù)最大值和最小值都比較相近，說明樣本分布較為均勻，兩組數(shù)據(jù)具有可比性。處理組人均可支配收入約是每月2 997元，略高于控制組，全國城鎮(zhèn)居民人均可支配收入大約是每月2 609元，樣本城市人均收入水平顯然略高于全國平均值。處理組第二產(chǎn)業(yè)占總GDP的比重約為44.21%，略低于控制組，說明首批施行《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)（GB3095-2012）》的城市總體經(jīng)濟發(fā)展水平較高，且工業(yè)對地方經(jīng)濟的貢獻較大。

進一步對比政策實施前后污染物排放均值的變化情況，如表2所示。PM2.5、PM10、SO2、NO2和CO顯著降低，降幅最高近50%。其中PM2.5和PM10的降幅分別是36.33%和31.87%。分區(qū)域的PM10和PM2.5的排放變化比對，數(shù)據(jù)顯示，京津冀、長三角、珠三角等區(qū)域PM2.5濃度分別下降39.6%、34.3%、27.7%，遠遠超過了減排25%、20%、15%左右的政策目標(biāo)。其中，北京市PM2.5月均濃度為57.33 μg/m3，達到了控制在60 μg/m3 左右的政策目標(biāo)。PM10三大區(qū)域降幅分別為38.3%、31.1%、21.9%，遠遠超過了政策目標(biāo)（在全國范圍內(nèi)下降10%）。然而，O3是唯一一個在政策實施之后不降反增的污染物，這也是我國近兩年空氣污染的新威脅。近地面的O3，是由排放到大氣中的前體污染物氮氧化物、CO和VOCs（揮發(fā)性有機化合物）的光化學(xué)反應(yīng)生成，而這些前體物主要來源于汽車尾氣排放、石油化工生產(chǎn)、火力發(fā)電等工業(yè)污染源排放，空氣中過量的臭氧會對人體健康產(chǎn)生顯著危害，容易引發(fā)像倫敦?zé)熿F事件或美國洛杉磯光化學(xué)煙霧事件等極端環(huán)境災(zāi)害。

3.2 DID檢驗

為進一步檢驗政策影響，考慮到政策實施具有滯后效應(yīng)，選取滯后6期數(shù)據(jù)作為政策開始的時間，即2014年6月為政策開始的時間節(jié)點。從國家層面來看，《大氣十條》這種政策因素存在明顯的隨時間變化的趨勢，需要排除或控制，而且處理組和控制組城市個體差異較大，所以，同時控制時間效應(yīng)和城市效應(yīng)進行回歸檢驗，見表3。

由表3可知，《大氣十條》政策與城市污染物濃度變化之間存在高度的統(tǒng)計相關(guān)關(guān)系。從估計參數(shù)來看，PM2.5、PM10、SO2、NO2和CO的交互項policyit×timeit的系數(shù)在1%顯著水平上都顯著為負，說明政策實施之后，試點城市大氣中PM2.5、PM10、SO2、NO2和CO的濃度在平均水平上分別下降685.14%、650.72%、479.05%、359.55%和7.06%。這些結(jié)果表明，《大氣十條》政策對空氣污染物的含量具有顯著負向影響，降低了PM2.5、PM10、SO2、NO2和CO等污染物的濃度。但是，政策對于O3沒有顯著抑制作用?？赡茉蚴恰洞髿馐畻l》主要是針對可吸入顆粒物的減排政策，較少針對O3生成前體物VOCs排放的控制。

城鎮(zhèn)人均可支配收入與PM2.5、PM10、SO2和CO顯著負相關(guān)。說明城鎮(zhèn)人均可支配收入越高，PM2.5、PM10、SO2和CO污染物的含量就越低，可能的原因是在經(jīng)濟較發(fā)達的高收入城市，非工業(yè)經(jīng)濟是城市的主要支柱產(chǎn)業(yè)，且市民環(huán)保意識較高，政府環(huán)境管理水平較高，對建筑施工用地的浮塵管理較好，會減少空氣中可吸入顆粒物、硫化物和碳氧化物的排放。

城鎮(zhèn)人均可支配收入與NO2和O3存在顯著正相關(guān)關(guān)系。說明城鎮(zhèn)人均可支配收入越高，NO2和O3的含量就越高，可能是由于NO2的排放主要來自汽車尾氣，收入越高的地區(qū)，私家車擁有量就越高，導(dǎo)致NO2排放量升高，前體物NO2含量的升高必然會帶來O3含量的升高。

第二產(chǎn)業(yè)占總GDP的比重（SecondGDP）與PM2.5、PM10、SO2、NO2和CO都是顯著正相關(guān)關(guān)系，說明一個城市的第二產(chǎn)業(yè)比重越高，空氣中PM2.5、PM10、SO2、NO2和CO的含量就越多，這符合第二產(chǎn)業(yè)中主要包含采礦業(yè)、制造業(yè)、建筑業(yè)、重化工行業(yè)，需要消耗大量能源且綜合利用效率較低等特征導(dǎo)致污染物排放偏多。SecondGDP與O3的排放量存在顯著負相關(guān)關(guān)系。

3.3 穩(wěn)健性檢驗

為保證回歸結(jié)果的可靠，分別采取平行趨勢假設(shè)、反事實分析、增加控制變量的方法對上述結(jié)果進行穩(wěn)健性檢驗。

3.3.1 平行趨勢檢驗

通過動態(tài)效應(yīng)驗證平行趨勢假設(shè)，如圖1所示。處理組和控制組的PM2.5、PM10、SO2、NO2、O3和CO的均值在政策實施前呈同趨勢變化，不存在明顯的“阿森菲爾特沉降”（Ashenfelters dip），滿足平行趨勢假設(shè)。由于政策存在滯后效應(yīng)，從圖1可以明顯看出，PM2.5、PM10、SO2和NO2

月均濃度在2014年6月以后呈周期性下降趨勢;而O3則呈明顯周期性上漲趨勢;CO下降趨勢不明顯（符合DID檢驗中下降比例較少的結(jié)果）。各污染物的周期性波動是由于空氣污染物受氣候因素的影響，霧霾污染季節(jié)性特征明顯，秋冬季污染較為嚴重，春夏季污染物濃度較低。

3.3.2 反事實分析

使用時間反事實檢驗對其他影響因素進行排除，將政策發(fā)生的時間推遲1a，即2015年，其他變量不改變，并進行估計。如果估計結(jié)果顯著，則說明存在其他因素的干擾;如果估計不顯著，則說明模型具有穩(wěn)定性。反事實回歸結(jié)果顯示不顯著，并沒有得到與真實效應(yīng)相同的顯著負效應(yīng)，其中CO還顯著為正，說明DID模型回歸結(jié)果穩(wěn)?。ū砺裕?/p>

3.3.3 增加控制變量

汽車尾氣排放是城市空氣污染的一個重要原因。為此，除了Income和SecondGDP以外，增加城市私人汽車擁有量（萬輛，縮寫為Car）作為控制變量來檢驗?zāi)Ｐ偷姆€(wěn)定性，回歸后得到與之前一致的研究結(jié)果（表略），說明DID回歸模型穩(wěn)健性較好。

4 結(jié)論與政策建議

基于我國125個地級及以上城市6 125個觀測面板數(shù)據(jù)，通過DID法評估《大氣十條》的政策影響。研究結(jié)論：該政策基本實現(xiàn)了預(yù)期目標(biāo)，即政策實施后使可吸入顆粒物濃度比2012年下降10%以上。全國平均PM2.5和PM10的實際降幅分別是36.33%和31.87%，京津冀、長三角、珠三角等區(qū)域PM2.5濃度分別下降39.6%、34.3%、27.7%，三大區(qū)域PM10的降幅分別為38.3%、31.1%、21.9%，其中，北京市PM2.5月均濃度為57.33 μg/m3，已經(jīng)控制在60 μg/m3左右的政策目標(biāo)。O3的排放量控制效果不顯著。而且，DID模型估計結(jié)果進一步證實了這種政策影響，該政策對試點城市大氣中PM2.5、PM10、SO2、NO2和CO的排放量控制存在顯著負效應(yīng)，在1%顯著性水平上月均濃度分別下降了685.14%、650.72%、479.05%、359.55%和7.06%。因此，總體上看該項政策已經(jīng)達標(biāo)完成，一定程度上控制了主要空氣污染物的排放量，但是分解不同污染物、分區(qū)域或者是具體到不同城市的空氣質(zhì)量絕對值仍未達到國家空氣質(zhì)量控制標(biāo)準(zhǔn)。

該研究結(jié)論與國內(nèi)學(xué)者類似研究結(jié)果基本一致。曹志文等[30]僅選取了政策實施期間部分時段（2013—2016年）的74個地級市年均PM2.5濃度數(shù)據(jù)，運用多元回歸分析檢驗了《大氣十條》發(fā)布前后PM2.5年均值的差異及其影響因素。高文康等[31]通過對比2013—2014年74個重點城市在《大氣十條》頒布前后主要污染物濃度數(shù)據(jù)和OMI衛(wèi)星數(shù)據(jù)，分析不同地區(qū)PM2.5濃度下降的原因。不同于前二者，該研究運用雙重差分法評估政策影響，通過準(zhǔn)自然試驗分別選擇72個處理組和53個控制組進行比對，排除其他因素的干擾影響，檢驗了該政策與主要空氣污染物排放量之間的因果關(guān)系，不僅僅驗證了PM2.5排放量的達標(biāo)完成是該政策的實施效果之一，更是檢驗了包括PM10、SO2、NO2、CO、O3等污染物濃度的下降水平與該政策實施之間的因果關(guān)系，觀測數(shù)據(jù)包括此政策實施5年間的（2013—2017年）月均排放濃度。

盡管短期看此項政策產(chǎn)生了積極影響，但是，全部樣本城市的空氣質(zhì)量距離國家規(guī)定PM2.5年均標(biāo)準(zhǔn)濃度35 μg/m3還有很大的差距，大氣污染依然嚴峻。治理大氣污染更是需要出臺長期有效的政策，為此，提出以下政策建議。

（1）空氣質(zhì)量管理監(jiān)督更加科學(xué)化和精細化?；谟油晟频沫h(huán)境管理大數(shù)據(jù)，可以更加方便和有效地進行環(huán)境監(jiān)督和管理?！洞髿馐畻l》主要是針對可吸入顆粒物的減排政策，而對于揮發(fā)性有機物（VOCs）和O3的排放并沒有具體限制，僅僅只提出要推進揮發(fā)性有機物污染治理，而具體VOCs降低多少，石化、有機化工、表面涂裝、包裝印刷等行業(yè)在該項政策執(zhí)行中完成質(zhì)量如何都沒有具體規(guī)定和有效監(jiān)督。有研究表明，PM2.5濃度降低導(dǎo)致氣溶膠對大氣中自由基的吸收減少，進而導(dǎo)致O3生成增加，因此針對O3含量逐漸增多的威脅，政府應(yīng)該盡快出臺限制臭氧生成前體物VOCs排放量的相關(guān)政策，協(xié)同控制PM2.5和O3污染，并監(jiān)督相關(guān)行業(yè)的具體執(zhí)行效果，及時報告并信息公開?！洞髿馐畻l》中還缺乏對于移動源污染的控制，針對CO的排放量減排，一方面要發(fā)展清潔能源和可再生能源，調(diào)整能源結(jié)構(gòu)，推廣民用燃料清潔化政策;另一方面，關(guān)于燃煤電廠、燃煤鍋爐和工業(yè)窯爐的污染治理設(shè)施建設(shè)與改造工作沒有得到良好執(zhí)行以及系統(tǒng)監(jiān)督，政府要全面推進“大氣污染防治網(wǎng)格化綜合信息平臺”在各省市的投入與使用，通過統(tǒng)一平臺、統(tǒng)一數(shù)據(jù)、統(tǒng)一監(jiān)管，實現(xiàn)環(huán)保數(shù)字化監(jiān)管，政策指向性更加精準(zhǔn)，即針對不同污染物制定控制政策，使空氣質(zhì)量管理更加科學(xué)化和精細化。

（2）空氣污染治理需要長效政策。《大氣十條》僅給出了五年的階段性任務(wù)，而空氣質(zhì)量的改善是一個長期的系統(tǒng)工程，不可能一蹴而就，政府要出臺空氣污染治理的長效政策，要重視橫向政府間與縱向政府間各類環(huán)境政策性文件的連貫性，在治理目標(biāo)上達成一致。進行政策評估并不斷跟蹤評估效果，公開政策評估信息，根據(jù)不同階段、不同地區(qū)的具體執(zhí)行情況不斷改進制度。下一步政策的制定不只是針對PM2.5和PM10的短期排放控制，要增加SO2、NO2、CO和O3等污染物的具體排放控制指標(biāo)，逐漸提高空氣質(zhì)量標(biāo)準(zhǔn)，爭取早日達到世界衛(wèi)生組織設(shè)定的空氣質(zhì)量標(biāo)準(zhǔn)，便于中國更加積極地進行環(huán)境外交并參與全球大氣污染防治。

該研究的不足之處在于未考慮這項政策的長期影響，而且僅僅就排放量下降的百分比進行了比對和識別，未使用優(yōu)良空氣天數(shù)來直接考量空氣質(zhì)量控制效果。數(shù)據(jù)處理方面還可以加入建筑工地施工面積等更多的控制變量，從更多視角進行深入研究。

（編輯：李 琪）

參考文獻

[1]STEPHEN S L， THEO V， ABRAHAM D F， et al. A comparative risk assessment of burden of disease and injury attributable to 67 risk factors and risk factor clusters in 21 regions， 1990-2010： a systematic analysis for the global burden of disease study 2010[J]. Lancet， 2012， 380（9859）：2224-2260.

[2]周嶠. 霧霾天氣的成因[J]. 中國人口·資源與環(huán)境， 2015（S1）：211-212.

[3]張生玲， 王雨涵， 李躍， 等. 中國霧霾空間分布特征及影響因素分析[J]. 中國人口·資源與環(huán)境， 2017（9）：15-22.

[4]ZHANG X Y，WANG Y Q，LIN W L，et al. Changes of atmospheric composition and optical properties over Beijing 2008 Olympic Monitoring Campaign[J].

Bulletin of the American Meteorological Society，2009，90（11）：1633-1651.

[5]呂效譜，成海容，王祖武，等.中國大范圍霧霾期間大氣污染特征分析[J].湖南科技大學(xué)學(xué)報（自然科學(xué)版）， 2013， 28（3）： 104-110.

[6]任毅， 郭豐. 長江經(jīng)濟帶霧霾污染空間效應(yīng)與影響因素分析[J]. 經(jīng)濟與管理， 2019， 33（1）： 49-56.

[7]ASUMADU S S， VLADIMIR S. Empirical study of the Environmental Kuznets Curve and Environmental Sustainability Curve hypothesis for Australia， China， Ghana and USA[J]. Journal of cleaner production， 2018，201： 98-110.

[8]郭愛君， 胡安軍. 中國城市霧霾的影響因素研究[J]. 統(tǒng)計與決策， 2018， 34（19）：105-108.

[9]東童童，李欣，劉乃全. 空間視角下工業(yè)集聚對霧霾污染的影響——理論與經(jīng)驗研究[J].經(jīng)濟管理，2015（9）：29-41.

[10]LARKIN A， VAN D A， GEDDES J A， et al. Relationships between changes in urban characteristics and air quality in East Asia from 2000 to 2010[J]. Environmental science & technology， 2016， 50： 9142-9149.

[11]HAN L J， ZHOU W Q， PICKETT S T， et al. Multicontaminant air pollution in Chinese cities[J]. Bulletin of the world health organization， 2018， 96： 233-242.

[12]馮少榮， 馮康巍. 基于統(tǒng)計分析方法的霧霾影響因素及治理措施[J]. 廈門大學(xué)學(xué)報（自然科學(xué)版）， 2015， 54（1）：114-121.

[13]陳弄祺， 許瀛. 北京霧霾污染影響因素實證分析[J]. 中國人口·資源與環(huán)境， 2016（S2）： 82-85.

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

[15]LI Z，XU N，YUAN J.New evidence on trade-environment linkage via air visibility[J]. Economics letters，2015，128：72-74.

[16]GUAN D，SU X，ZHANG Q，et al.The socioeconomic drivers of Chinas primary PM2.5 emissions[J]. Environmental research letters， 2014， DOI： 10.1088/1748-9326/9/2/024010.

[17]李根生，韓民春.財政分權(quán)、空間外溢與中國城市霧霾污染： 機理與證據(jù)[J]. 當(dāng)代財經(jīng)， 2015（6）：26-34.

[18]王美霞. 霧霾污染的時空分布特征及其驅(qū)動因素分析——基于中國省級面板數(shù)據(jù)的空間計量研究[J]. 陜西師范大學(xué)學(xué)報（哲學(xué)社會科學(xué)版）， 2017（3）： 38-48.

[19]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——來自京津冀地區(qū)的證據(jù)[J]. 中國軟科學(xué)，2015（12）：134-143.

[20]冷艷麗，杜思正. 能源價格扭曲與霧霾污染——中國的經(jīng)驗證據(jù)[J]. 產(chǎn)業(yè)經(jīng)濟研究， 2016（1）：71-79.

[21]李力，唐登莉，孔英，等. FDI 對城市霧霾污染影響的空間計量研究——以珠三角地區(qū)為例[J]. 管理評論， 2016， 28（6）：11-24.

[22]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.

[23]CHEN F， BEIBEI S， RONG K. Does environmental policy reduce enterprise innovation？ evidence from China[J]. Sustainability， 2017， 9（6）： 872-879.

[24]QIU L Y， HE L Y. Can green traffic policies affect air quality？ evidence from a Difference-in-Difference estimation in China[J]. Sustainability， 2017， doi：10.3390/su9061067.

[25]LI S， CHEN G. Environmental regulation and the growth of productivity in China： evidence from the revision of air pollution prevention and control law in 2000[J]. Economic research journal， 2013（1）： 17–31.

[26]CHAB-FERRET S， SUBERVIE J. How much green for the buck？ estimating additional and windfall effects of French agro-environmental schemes by DID-matching[J]. Journal of environmental economics and management， 2013， 65（1）： 12-27.

[27]RIVERS N， SHENSTONE-HARRIS S， YOUNG N. Using nudges to reduce waste？ the case of Torontos plastic bag levy[J]. Journal of environmental management， 2017，188： 153-162.

[28]GEHRITZ M. The effect of low emission zones on air pollution and infant health[J]. Journal of environmental economics and management， 2017，83： 121-144.

[29]ADAN H， FUERST F. Do energy efficiency measures really reduce household energy consumption？ a Difference-in-Difference analysis[J]. Energy efficiency， 2015， 9（5）： 1-13.

[30]曹志文， 石影， 牛曉葉. 我國大氣污染防治行動計劃的有效性檢驗與評價——基于會計實證方法角度[J]. 商業(yè)會計， 2018 （21）： 41-44.

[31]高文康， 唐貴謙， 吉東生， 等. 2013—2014年《大氣污染防治行動計劃》實施效果及對策建議[J]. 環(huán)境科學(xué)研究， 2016， 29（11）：1567-1574.