返回 相似
资源描述:
第32卷第1期管理评论Vol. 32ꎬ No. 12020年1月Management Review Jan.ꎬ 2020大气污染协同治理能促进污染物减排吗 基于城市的三重差分研究赵志华1 吴建南2ꎬ31.西安交通大学公共政策与管理学院ꎬ西安710049ꎻ2.上海交通大学中国城市治理研究院ꎬ上海200030ꎻ3.上海交通大学国际与公共事务学院ꎬ上海200030摘要大气污染具有流动性ꎬ跨区域特征明显ꎬ协同治理至关重要ꎮ基于2010-2015年275个城市的面板数据ꎬ运用三重差分法DDD研究了大气污染协同治理对污染物减排的影响ꎮ从全样本分析结果来看ꎬ大气污染协同治理降低了工业二氧化硫排放量和工业烟粉尘排放量ꎬ而此结果并没有通过显著性检验ꎮ从子样本分析结果来看ꎬ大气污染协同治理显著降低了工业二氧化硫排放量ꎬ但对工业烟粉尘排放量没有产生显著影响ꎮ城市在促进不同污染物减排时存在差异ꎬ减排难度较低的污染物往往被优先完成ꎮ从时间效应来看ꎬ大气污染协同治理对污染物减排的影响存在时滞性ꎬ而且这种时滞性在不同污染物减排之间存在差异ꎮ关键词大气污染ꎻ协同治理ꎻ政策效果ꎻ三重差分收稿日期2018-07-17基金项目教育部哲学社会科学研究重大课题攻关项目17JZD025ꎻ国家自然科学基金面上项目71573176ꎮ作者简介赵志华ꎬ西安交通大学公共政策与管理学院博士研究生ꎻ吴建南通讯作者ꎬ上海交通大学国际与公共事务学院特聘教授ꎬ博士生导师ꎬ博士ꎮ引 言中国在经济发展取得巨大进步的同时ꎬ能源消耗量持续增加ꎬ大气污染防治压力持续加大ꎮ特别是大气污染具有较强的流动性ꎬ如果以行政区划为基础的属地治理模式来治理大气污染ꎬ各地区往往更多地考虑自身的利益ꎬ从而造成大气污染治理效果有限[1]ꎮ打破行政区划限制ꎬ实现协同治理是大气污染治理的关键[2]ꎮ中国政府已经意识到大气污染需要协同治理ꎬ从中央政府到地方政府已经出台了很多大气污染协同治理的政策ꎬ进行了诸多大气污染协同治理的实践ꎮ大气污染协同治理对污染物减排的影响值得研究ꎬ即大气污染协同治理能促进污染物减排吗协同治理是指不同公共部门、不同层级政府和公民等集体参与到公共政策决策的过程[3]ꎬ通过协商一致的集体决策来制定或执行公共政策或管理公共项目[4]ꎮ在协同治理的诸多研究中ꎬ关于协同治理对污染物减排影响的研究比较少见ꎮ在少有的几篇研究中ꎬ有学者研究了水污染领域协同治理对污染物减排的影响ꎮ例如Biddle和Koontz[5]研究了协同治理过程对环境治理效果的影响ꎬ发现设置特定的污染物减排目标能显著影响流域的环境改善ꎮ Scott[6]使用有代表性的流域质量数据系列对EPA的国家河流和溪流进行评估ꎬ对协同治理和流域质量之间的关系进行研究ꎬ发现协同治理改善了溪流的生态环境ꎮ也有学者研究了大气污染领域协同治理对污染物减排的影响ꎮ例如ꎬWang等[7]对北京及周边城市的大气污染联防联控进行研究ꎬ发现这些大气污染联防联控措施降低了除O3之外的污染物排放ꎬ并发现风等气象条件对城市PM2􀆰 5和PM10浓度有很强的相关性ꎮ杜雯翠和夏永妹[8]基于京津冀地区15个城市2014-2016年的每日AQI数据ꎬ用双重差分模型研究了京津冀雾霾协同治理措施的实施效果ꎬ发现一般性的协同治理措施和“大事件”的协同治理措施都没有从本质上改善京津冀的空气质量ꎮ除上述协同治理研究外ꎬ还有学者从政策协同的视角对节能减排进行研究ꎮ张国兴等[9]基于文献计量分析了1998年以来我国节能减排科技政策的状况ꎬ在此基础上分析了政策措施与政策目标的协同有效性ꎬ发现同一政策措施与不同政策目标的协同对节能减排科技政策效果的第1期赵志华ꎬ等大气污染协同治理能促进污染物减排吗 287 影响存在差异ꎬ在多数情况下ꎬ两项政策措施与政策目标的协同效果要优于单一政策措施与政策目标的协同效果ꎮ现有一些研究关注水污染领域协同治理对污染物减排影响ꎮ而大气污染比水污染有更强的流动性ꎬ更加需要协同治理ꎮ现有一些学者研究了大气污染领域协同治理对污染物减排影响ꎬ然而仍存在一些不足ꎬ需要进一步的研究ꎮ第一ꎬ针对大气污染协同治理对污染物减排影响的判断没有达成一致ꎬ需要进一步验证ꎮ比如ꎬWang等[7]发现协同治理能降低污染物减排ꎬ而杜雯翠和夏永妹[8]发现协同治理没有从本质上改善京津冀的空气质量ꎮ第二ꎬ现有实证研究中ꎬ双重差分法DID通过处理组和对照组的对比减少了分析结果的偏差ꎮ但大气污染协同治理的区域均为重污染区域ꎬ这些区域与非大气污染协同治理区域有较大的区别ꎬ并不符合双重差分法DID平行趋势的前提假设ꎮ第三ꎬ现有研究多选择京津冀等一个地区为研究对象[7ꎬ8]ꎬ没有发现基于整个中国的研究ꎮ然而ꎬ全国很多地区已经进行了大气污染协同治理ꎬ亟待从全国层面对其效果进行研究ꎮ此外ꎬ还有学者对政策措施与政策目标的协同有效性进行分析[9]ꎬ但大气污染具有较强流动性ꎬ不同行政区域之间的协同更加重要ꎬ有必要从不同行政区域协同的角度进行研究ꎮ基于此ꎬ本文选取2010-2015年中国大陆275个城市的面板数据ꎬ采用基于自然试验的三重差分法DDDꎬ就大气污染协同治理对污染物减排的影响进行研究ꎮ本文在实践上可在全国层面验证大气污染协同治理对污染物减排的影响ꎬ进而探索改进大气污染协同治理的途径ꎮ本文在学术上可弥补已有大气污染协同治理研究方法和研究对象的不足ꎮ在研究方法方面ꎬ本文选择能够较好解决平行趋势不成立问题的三重差分法DDDꎬ有效避免了因大气污染协同治理区域与非大气污染协同治理区域的差别而导致的结果偏差ꎮ在研究对象方面ꎬ本文选取全国275个城市进行研究ꎬ弥补了已有研究仅仅从京津冀等部分区域进行研究的缺陷ꎮ中国大气污染协同治理状况中国政府已经意识到大气污染需要协同治理ꎬ出台了一系列的大气污染协同治理的政策ꎬ在大气污染协同治理方面做出了很多的努力ꎮ在中央政府层面ꎬ2010年国家出台了«关于推进大气污染联防联控工作改善区域空气质量的指导意见»ꎬ在这个意见中提出了“联防联控”这一概念ꎬ这意味着国家开始重视大气污染协同治理ꎮ2012年ꎬ«重点区域大气污染防治“十二五”规划»比较系统、具体地提出大气污染协同治理ꎮ 2013年ꎬ«大气污染防治行动计划»进一步强调了大气污染协同治理的重要性ꎮ 2015年ꎬ新修订的«中华人民共和国大气污染防治法»中提到“国家建立重点区域大气污染联防联控机制”ꎬ这为大气污染协同治理提供了法律保障ꎮ与此同时ꎬ京津冀、长三角、珠三角等地方政府也出台了诸多的大气污染协同治理政策ꎮ比如ꎬ姜玲等[10]研究发现京津冀及周边地区省/直辖市层级就有多达19件政策提及建立和完善大气污染协同治理机制ꎮ面对诸多的大气污染协同治理的政策ꎬ要研究其是否能促进污染物减排比较困难ꎮ但通过对这些政策的分析发现ꎬ这些政策中«重点区域大气污染防治“十二五”规划»在全国层面比较系统、具体地提出大气污染协同治理ꎬ该政策为研究大气污染治理提供了较好的研究视角ꎮ本文选择这个政策ꎬ就大气污染协同治理对污染物减排的影响进行研究ꎮ«重点区域大气污染防治“十二五”规划»提出在重点区域率先推进大气污染联防联控工作ꎬ实现区域“统一规划、统一监测、统一监管、统一评估、统一协调”ꎬ其突破了原有以行政区域为主的属地治理模式的局限ꎬ充分考虑了大气的流动性的特征ꎮ重点区域即大气污染协同治理的范围ꎮ该规划提出的大气污染协同治理范围包括京津冀、长三角、珠三角、辽宁中部、山东、武汉及其周边、长株潭、成渝、海峡西岸、山西中北部、陕西关中、甘宁、新疆乌鲁木齐城市群ꎬ共13个区域ꎬ并提到这些大气污染协同治理范围的面积约132􀆰 56万平方千米ꎬ占到全部国土面积的13􀆰 81%ꎮ该规划划定的大气污染协同治理的范围由城市组成ꎬ比如京津冀包括北京市、天津市、石家庄市、唐山市等13个城市ꎬ长三角包括上海市、南京市、无锡市、徐州市等25个城市ꎮ这种准确的大气污染协同治理范围的划分使城市清晰地了解到与哪些城市进行协同ꎬ为不同城市更加有效地进行协同治理提供了基础ꎬ也为准确地区分大气污染协同治理区域和非大气污染协同治理区域提供了条件ꎮ«重点区域大气污染防治“十二五”规划»提出了明确的减排目标ꎬ还制定了严格的考核体系ꎬ从而有效地保证了该规划的有效落实ꎮ该规划提出“二氧化硫、氮氧化物、工业烟尘排放量分别下降12%、13%、10%ꎬ挥发性有机物污染防治工作全面展开ꎻ环境空气质量有所改善ꎬ可吸入颗粒物、二氧化硫、二氧化氮、细颗粒物年288 管理评论第32卷均浓度分别下降10%、10%、7%、5%ꎬ臭氧污染得到初步控制ꎬ酸雨污染有所减轻ꎻ建立区域大气污染联防联控机制ꎬ区域大气环境管理能力明显提高”等目标ꎮ该规划还针对具体的区域设定减排目标ꎬ比如ꎬ针对北京、天津、上海、江苏、浙江、珠三角、辽宁中部、山东等ꎮ该规划制定了严格的考核体系ꎬ提出“考核办法由环境保护部会同国务院有关部门制定ꎬ每年对重点区域大气污染防治规划实施情况进行评估考核ꎻ在规划期末ꎬ组织开展规划终期评估ꎮ规划年度考核与终期评估结果向国务院报告ꎬ作为地方各级人民政府领导班子和领导干部综合考核评价的重要依据ꎬ实行问责制ꎬ并向社会公开ꎮ对规划完成情况好、大气环境质量改善明显的省区、市ꎬ环境保护部会同财政、发展改革等部门加大对该地区污染治理和环保能力建设的支持力度ꎬ并予以表彰ꎻ对考核结果未通过的省区、市进行通报ꎻ对项目进展缓慢、大气环境污染严重的城市ꎬ实施阶段性建设项目环评限批ꎬ取消国家授予该地区的环境保护方面的荣誉称号”ꎮ研究设计1、样本选择本文选取2010-2015年中国大陆275个城市的面板数据ꎬ研究大气污染协同治理对污染物减排的影响ꎮ本文以城市为研究对象是因为城市是大气污染协同治理的重要政府层级ꎮ «重点区域大气污染防治“十二五”规划»划定的大气污染协同治理的范围即是以城市为单元ꎮ本文选取2010-2015年的数据ꎬ这个时间的数据横跨了«重点区域大气污染防治“十二五”规划»实施前后ꎬ有利于进行实施前后的比较ꎮ考虑到数据的可获得性ꎬ本文对数据缺失严重的城市进行了剔除ꎬ最终选取了275个城市作为研究对象ꎮ由于本文的因变量包括多种污染物ꎬ因此ꎬ本文样本由城市-年份-污染物组合而成ꎬ比如西安-2010-工业二氧化硫排放量是一个样本ꎬ西安-2010-工业烟粉尘排放量是一个样本ꎬ西安-2010-工业废水排放量是一个样本ꎬ等等ꎮ2、研究方法大气污染协同治理对污染物减排的影响往往受到自然特征、地理特征等影响ꎬ这往往会造成分析结果的偏差ꎮ为减少这种偏差ꎬ学术界比较成熟的方法是通过对处理组受到政策变化影响和对照组不受政策变化影响进行比较来完成ꎮ其中ꎬ双重差分法Difference ̄in ̄Differenceꎬ简称DID和三重差分法Difference ̄in ̄Difference ̄in- Differenceꎬ简称DDD在国内外得到了比较广泛的应用ꎮ比如ꎬKim等[11]、付明卫等[12]运用三重差分法进行了相关研究ꎮ双重差分法DID通过对受到政策变化影响的处理组和不受政策变化影响的对照组进行对比ꎬ以此反映政策变量对政策结果的实际影响ꎮ双重差分法DID一个关键是找到合适的对照组ꎬ要求对照组和处理组要有相似的特征ꎬ即平行趋势假设成立ꎬ否则会使分析的结果产生较大偏误ꎮ然而ꎬ大气污染协同治理的区域一般是大气污染严重的区域ꎬ这些区域与非大气污染协同治理区域之间存在较大的差别ꎬ尤其是ꎬ«重点区域大气污染防治“十二五”规划»划分的大气污染协同治理区域与非大气污染协同治理区域之间的差别很大ꎮ正如«重点区域大气污染防治“十二五”规划»提到“重点区域是我国经济活动水平和污染排放高度集中的区域ꎮ重点区域占全国14%的国土面积ꎬ集中了全国近48%的人口ꎬ产生了71%的经济总量ꎬ消费了52%的煤炭ꎬ排放了48%的二氧化硫、51%的氮氧化物、42%的烟粉尘和约50%的挥发性有机物ꎬ单位面积污染物排放强度是全国平均水平的2􀆰 9至3􀆰 6倍”ꎮ这不符合双重差分法DID平行趋势的前提假设ꎮ三重差分法DDD可解决平行趋势假设不成立的问题[12]ꎮ与双重差分法DID相比ꎬ三重差分法DDD需要找到另外一个对照组ꎬ以减少因平行趋势假设不成立而造成的结果偏误ꎮ考虑到工业废水排放量与工业二氧化硫等大气污染物同属于环境治理的主要污染物ꎬ并且大气和水都具有流动性ꎬ二者具有相似的特征ꎮ同时ꎬ大气污染协同治理仅针对大气领域而不针对水领域ꎬ其对工业废水排放量几乎没有影响ꎮ工业废水排放量的数据也可公开较容易的获得ꎬ选择工业废水排放量在数据获取方面具有可行性ꎮ因此ꎬ本文选择工业废水排放量作为这个对照组ꎮ本文采用的三重差分计量模型如下Y = α + β1TreatScope + β2TreatTime + β3TreatEmission + β4TreatScope∗ TreatTime +β5TreatScope∗ TreatEmission + β6TreatTime∗ TreatEmission +β7TreatScope∗ TreatTime∗ TreatEmission + β8CV + eij 1第1期赵志华ꎬ等大气污染协同治理能促进污染物减排吗 289 在公式1中ꎬY为因变量ꎬTreatScope、TreatTime和TreatEmission是三重差分的变量ꎮ本文选择TreatScope表示城市是否属于大气污染协同治理区域ꎻ选择TreatTime表示样本处于政策实施前还是实施后ꎻ选择Treat ̄Emission表示样本污染物是否受大气污染协同治理影响ꎮ TreatScope∗ TreatEmission表示TreatScope和TreatEmission的乘积ꎬTreatScope∗ TreatTime表示TreatScope和TreatTime的乘积ꎬTreatTime∗ TreatEmission表示Tre ̄atTime和TreatEmission的乘积ꎬTreatScope∗ TreatTime∗ TreatEmission表示TreatScope、TreatTime与TreatEmission三个变量的乘积ꎮ其中ꎬTreatScope∗ TreatTime∗ TreatEmission是三重差分的关键变量ꎬ反映政策的净效应ꎮ经过上述模型的设置ꎬ就从是否属于大气污染协同区域、样本处于政策实施前还是实施后、样本污染物是否受大气污染协同治理影响三个方面形成处理组和对照组ꎬ构建了三重差分的“准自然试验”研究ꎮ具体而言ꎬ所有数据可划分以下为8种类型ꎬ即TreatScope=1ꎬTreatTime=1ꎬTreatEmission=1、TreatScope=1ꎬTreat ̄Time=0ꎬTreatEmission = 1、TreatScope = 1ꎬTreatTime = 1ꎬTreatEmission = 0、TreatScope = 1ꎬTreatTime = 0ꎬTreatEmission=0、TreatScope= 0ꎬTreatTime = 1ꎬTreatEmission = 1、TreatScope = 0ꎬTreatTime = 0ꎬTreatEmission =1、TreatScope= 0ꎬTreatTime = 1ꎬTreatEmission = 0、TreatScope = 0ꎬTreatTime = 0ꎬTreatEmission = 0ꎮ其中ꎬTreatScope=1ꎬTreatTime=1ꎬTreatEmission=1是处理组ꎬ其余均为参照组ꎮ本文还选择了一些控制变量ꎬ其在公式1中用CV表示ꎮ各变量的回归系数用β1ꎬβ2ꎬβ3ꎬβ4ꎬβ5ꎬβ6ꎬβ7ꎬβ8表示ꎮ其中ꎬ三重差分关键变量的系数用β7表示ꎬ是本文最关心的系数ꎮ扰动项用eij表示ꎮ3、变量及测量本文因变量选取工业二氧化硫排放量、工业烟粉尘排放量和工业废水排放量ꎮ工业二氧化硫排放量和工业烟粉尘排放量是«重点区域大气污染防治“十二五”规划»列入减排目标的污染物ꎬ也是大气污染减排的主要一次污染物ꎮ同时ꎬ直到2013年开始才有PM2􀆰 5等细颗粒污染物的统计ꎬ囿于数据的限制ꎬPM2􀆰 5等细颗粒污染物暂不在本文范围之内ꎮ因变量中工业废水排放量是基于三重差分方法设置的对照组ꎮ借鉴张攀[13]的研究ꎬ本文的因变量采取合成的方式处理ꎬ即把工业二氧化硫排放量、工业烟粉尘排放量、工业废水排放量组合形成因变量ꎮ为减少数据的异方差性ꎬ本文首先对数据取对数ꎬ然后组合形成因变量ꎮ在组合的过程中ꎬ为了避免不同污染物单位不同的影响ꎬ本文对每种污染物分别单独进行标准化处理ꎬ然后依次排列形成因变量ꎮ组合中的因变量是城市在具体某一年某种污染物排放量取对数后再经过标准化的值ꎮ比如西安-2010-工业二氧化硫排放量取对数后再经过标准化的值ꎮ上述三种污染物中ꎬ工业二氧化硫排放量、工业烟粉尘排放量是«重点区域大气污染防治“十二五”规划»中设置的目标ꎬ其属于处理组ꎬ工业废水排放量是本文选择的对照组ꎮ此外ꎬ考虑到大气污染协同治理可能对不同污染物减排的影响存在差异[14]ꎬ本文将因变量分成两组ꎬ分别研究大气污染协同治理对不同污染物的减排效果ꎮ考虑到对照组和处理组的选择ꎬ本文将工业二氧化硫排放量、工业烟粉尘排放量分别与工业废水排放量进行组合ꎮ即第一组因变量由工业二氧化硫排放量、工业废水排放量组合形成ꎬ其中工业二氧化硫排放量为处理组ꎬ工业废水排放量为对照组ꎬ这组因变量用来研究大气污染协同治理对工业二氧化硫排放量的影响ꎻ第二组因变量以工业烟粉尘排放量、工业废水排放量组合形成ꎬ其中工业烟粉尘排放量为处理组ꎬ工业废水排放量为对照组ꎬ这组因变量用来研究大气污染协同治理对工业烟粉尘排放量的影响ꎮ本文的自变量按三重差分模型设计ꎮ «重点区域大气污染防治“十二五”规划»提出在重点区域率先进行大气污染协同治理ꎬ重点区域是实施大气污染协同治理的区域ꎮ因此ꎬ大气污染协同治理范围的城市ꎬTreat ̄Scope取值为1ꎬ其他城市TreatScope取值为0ꎻ«重点区域大气污染防治“十二五”规划»在2012年10月正式发布ꎬ发布时间在2012年的年底ꎬ本文认为该规划在次年即2013年以后产生效果ꎮ因此ꎬ选取2010-2012年为政策实施前ꎬ2013-2015年为政策实施后ꎮ即2010-2012年TreatTime取值为0ꎬ2013-2015年TreatTime取值为1ꎻ工业二氧化硫排放量、工业烟粉尘排放量是«重点区域大气污染防治“十二五”规划»设置的减排目标ꎬ这两个变量的样本TreatEmission取值为1ꎬ工业废水排放量是不受«重点区域大气污染防治“十二五”规划»影响的对照组ꎬ工业废水排放量目标样本TreatEmission取值为0ꎮ同时ꎬ本文根据已有研究选择了控制变量ꎬ以进一步消除产业结构、人口密度、经济特征等诸多因素的影响ꎬ使结果更加准确ꎮ为防止因果关系逆转ꎬ控制变量采取滞后一年的方式处理ꎮ比如ꎬ因变量选取2015年数据ꎬ全部控制变量都选取2014年的数据ꎮ变量的代码、测量和数据来源如表1所示ꎮ290 管理评论第32卷表1 变量一览表变量变量代码测量数据来源工业二氧化硫排放量或工业烟粉尘排放量或工业废水排放量Emission各城市工业二氧化硫排放量或工业烟粉尘排放量或工业废水排放量ꎬ取对数ꎬ做标准化处理中国城市统计年鉴工业二氧化硫排放量或工业废水排放量Emission1各城市工业二氧化硫排放量或工业废水排放量ꎬ取对数ꎬ做标准化处理中国城市统计年鉴工业烟粉尘排放量或工业废水排放量Emission2各城市工业烟粉尘排放量或工业废水排放量ꎬ取对数ꎬ做标准化处理中国城市统计年鉴TreatScope Treat ̄S位于大气污染协同治理范围的城市取值为1ꎬ其他取值为0作者编码TreatTime Treat ̄T 2010-2012年期间取值为0ꎬ2013-2015年期间取值为1作者编码TreatEmission Treat ̄E样本为工业二氧化硫排放量、工业烟粉尘排放量的取值为1ꎬ样本为工业废水排放量的取值为0作者编码TreatScope∗ TreatTime Treat ̄S∗ T TreatScope与TreatTime的乘积作者计算TreatScope∗ TreatEmission Treat ̄S∗ E TreatScope与TreatEmission的乘积作者计算TreatTime∗ TreatEmission Treat ̄T∗ E TreatTime与TreatEmission的乘积作者计算TreatScope∗ TreatTime∗TreatEmission DDDTreatScope、TreatTime与TreatEmission三者的乘积作者计算第二产业产值比重Industry各城市第二产业产值除以该城市GDP%中国城市统计年鉴GDP GDP各城市地区生产总值万元ꎬ取对数中国城市统计年鉴人口密度Population各城市人口除以该城市土地面积人/平方千米ꎬ取对数中国城市统计年鉴财政收入Revenue各城市地方财政收入万元ꎬ取对数中国城市统计年鉴地域虚拟变量East/ West以中部为参照组ꎬ设两个哑变量作者编码数据分析1、描述性分析表2显示了所选因变量、自变量和控制变量的描述性分析结果ꎮ其中ꎬEmission是本文的因变量ꎬ其最大值和最小值差距较大ꎬ说明各城市之间存在一定的差异ꎬ具有较大的解释空间ꎮ DDD是三重差分的关键变量ꎬ表示政策的净效应ꎮ各自变量和控制变量之间的差异也较大ꎬ这为较好的解释因变量提供了前提ꎮ表2 描述性分析结果变量样本数均值标准差最小值最大值Emission 4950 3􀆰 10e-09 0􀆰 9998 -6􀆰 7177 5􀆰 2522DDD 4950 0􀆰 1394 0􀆰 3464 0 1Treat ̄S∗ T 4950 0􀆰 2091 0􀆰 4067 0 1Treat ̄S∗ E 4950 0􀆰 2788 0􀆰 4485 0 1Treat ̄T∗ E 4950 0􀆰 3333 0􀆰 4715 0 1Treat ̄S 4950 0􀆰 4182 0􀆰 4933 0 1Treat ̄T 4950 0􀆰 5 0􀆰 5001 0 1Treat ̄E 4950 0􀆰 6667 0􀆰 4715 0 1Industry 4950 50􀆰 8558 10􀆰 2409 16􀆰 09 89􀆰 75GDP 4950 7􀆰 0722 0􀆰 3990 5􀆰 9441 8􀆰 3723Population 4950 2􀆰 4958 0􀆰 3999 0􀆰 6963 3􀆰 4229Revenue 4950 13􀆰 6012 1􀆰 0932 10􀆰 4714 17􀆰 6410第1期赵志华ꎬ等大气污染协同治理能促进污染物减排吗 291 2、相关性分析表3显示了本文的相关性分析结果ꎬ三重差分的关键变量DDD与本文的因变量Emission呈显著正相关关系ꎮ据此ꎬ本文得出初步的结论ꎬ即大气污染协同治理与因变量呈正相关关系ꎬ即城市在实施大气污染协同治理后污染物的排放量会增加ꎬ这是一个比较难以理解的结果ꎮ大气污染协同治理考虑到大气污染具有较强流动性ꎬ致力于促进多个地区协同来治理大气污染ꎮ大气污染协同治理理应与工业二氧化硫排放量、工业烟粉尘排放量呈负相关ꎬ而相关分析的结论正好与此相反ꎮ但值得注意的是ꎬ单靠相关系数无法完全检验大气污染协同治理对污染物减排的影响ꎬ特别是考虑到本文采用的是面板数据结构ꎬ相关系数无法捕捉时间等方面的影响ꎮ相关分析也仅能得出两个变量之间的关系ꎬ可能忽视了其他存在的没有控制的因素ꎬ从而抹杀了多个变量之间存在的复杂的影响机理ꎮ表3 相关性分析结果变量1 2 3 4 5 6 7 8 9 10 11 121 Emission 12 DDD 0􀆰1058∗ ∗ ∗ 13 Treat ̄S∗ T 0􀆰1575∗ ∗ ∗ 0􀆰7827∗ ∗ ∗ 14 Treat ̄S∗ E 0􀆰1451∗ ∗ ∗ 0􀆰6473∗ ∗ ∗ 0􀆰4448∗ ∗ ∗ 15 Treat ̄T∗ E 0􀆰0305∗ ∗ 0􀆰5692∗ ∗ ∗ 0􀆰3636∗ ∗ ∗ 0􀆰2198∗ ∗ ∗ 16 Treat ̄S 0􀆰2548∗ ∗ ∗ 0􀆰4747∗ ∗ ∗ 0􀆰6065∗ ∗ ∗ 0􀆰7334∗ ∗ ∗ -0􀆰0000 17 Treat ̄T 0􀆰0174 0􀆰4025∗ ∗ ∗ 0􀆰5142∗ ∗ ∗ 0􀆰0000 0􀆰7071∗ ∗ ∗ -0􀆰0000 18 Treat ̄E 0􀆰0000 0􀆰2846∗ ∗ ∗ -0􀆰0000 0􀆰4396∗ ∗ ∗ 0􀆰5000∗ ∗ ∗ -0􀆰0000 0􀆰0000 19 Industry 0􀆰2208∗ ∗ ∗ 0􀆰0203 0􀆰0259∗ 0􀆰0526∗ ∗ ∗ -0􀆰0059 0􀆰0718∗ ∗ ∗ -0􀆰0083 0􀆰0000 110 GDP 0􀆰5007∗ ∗ ∗ 0􀆰3063∗ ∗ ∗ 0􀆰3913∗ ∗ ∗ 0􀆰3464∗ ∗ ∗ 0􀆰1492∗ ∗ ∗ 0􀆰4723∗ ∗ ∗ 0􀆰2109∗ ∗ ∗ 0􀆰0000 0􀆰0795∗ ∗ ∗ 111 Population 0􀆰1955∗ ∗ ∗ 0􀆰1931∗ ∗ ∗ 0􀆰2467∗ ∗ ∗ 0􀆰2922∗ ∗ ∗ 0􀆰0050 0􀆰3985∗ ∗ ∗ 0􀆰0070 0􀆰0000 0􀆰0940∗ ∗ ∗ 0􀆰5058∗ ∗ ∗ 112 Revenue 0􀆰4837∗ ∗ ∗ 0􀆰3143∗ ∗ ∗ 0􀆰4015∗ ∗ ∗ 0􀆰3275∗ ∗ ∗ 0􀆰1908∗ ∗ ∗ 0􀆰4466∗ ∗ ∗ 0􀆰2698∗ ∗ ∗ 0􀆰0000 0􀆰0790∗ ∗ ∗ 0􀆰9477∗ ∗ ∗ 0􀆰4597∗ ∗ ∗ 1注∗ ∗ ∗ p0􀆰 01ꎬ∗ ∗ p0􀆰 05ꎬ∗ p0􀆰 1ꎮ3、三重差分分析结果本文采取全样本分析和子样本分析来检验大气污染协同治理对污染物减排的影响ꎮ其中ꎬ全样本分析反映的是大气污染协同治理对污染物减排的整体影响ꎮ子样本分析反映的是大气污染协同治理对不同的污染物减排的影响ꎮ此外ꎬ鉴于本文选择的数据是面板数据ꎬ首先采用Hausman检验来确定采用随机效应模型或固定效应模型ꎮ本文所有模型Hausman检验的卡方值均不显著ꎬ因此本文所有模型均选择随机效应模型ꎮ1全样本分析结果表4显示了基于三重差分法的全样本分析结果ꎮ其中ꎬ模型1是没有加入控制变量的分析结果ꎬ模型2是加入了控制变量后的分析结果ꎮ无论是没有加入控制变量的分析结果ꎬ还是加入控制变量的分析结果ꎬ三重差分的关键变量DDD的系数虽都为负值ꎬ但都没有通过显著性检验ꎮ大气污染协同治理对工业二氧化硫排放量、工业烟粉尘排放量没有产生显著影响ꎮ大气污染协同治理虽然致力于打破行政区划来考虑大气污染治理问题ꎬ但其对污染物的减排效果并不显著ꎮ中国出台了诸多的大气污染协同治理政策ꎬ进行了诸多的大气污染协同治理的实践ꎬ然而数据显示对污染物减排影响的系数虽为负值ꎬ但没有通过显著性检验ꎮ这有必要从子样本来进一步研究大气污染协同治理对不同污染物的影响ꎮ分析大气污染协同治理对哪一种污染物减排没有产生显著影响而造成了全样本分析结果的不显著ꎮ2子样本分析结果表5显示了基于三重差分法子样本的分析结果ꎮ模型3和模型4显示了大气污染协同治理对工业二氧化硫排放量的影响ꎮ模型3是没有加入控制变量的分析结果ꎬ模型4是加入了控制变量后的分析结果ꎮ从表5可以看出ꎬ无论是没有加入控制变量的分析结果ꎬ还是加入控制变量的分析结果ꎬ三重差分的关键变量DDD的系数均显著为负ꎮ大气污染协同治理显著降低了工业二氧化硫排放量ꎮ模型5和模型6显示了大气污染协同治理对工业烟粉尘排放量的影响ꎮ模型5是没有加入控制变量的分析结果ꎬ模型6是加入了控制变量后的分析结果ꎮ从表5可以看出ꎬ无论是没有加入控制变量的分析结果ꎬ还是加入控制变量的分析结果ꎬ三重差分的关键变量DDD的系数均不显著ꎮ大气污染协同治理对工业烟粉尘排放量没有产生显著影响ꎮ大气污染协同治理对工业二氧化硫排放量和对工业烟粉尘排放量的影响之间存在明显的差异ꎮ大气292 管理评论第32卷污染协同治理不是对任何污染物都没有产生减排效果ꎬ其对工业烟粉尘排放量的影响不显著导致了全样本分析结果的不显著ꎮ表4 全样本三重差分分析结果变量模型1因变量工业二氧化硫排放量或工业烟粉尘排放量或工业废水排放量模型2因变量工业二氧化硫排放量或工业烟粉尘排放量或工业废水排放量DDD -0􀆰 01830􀆰 0553 -0􀆰 01830􀆰 0557Treat ̄S∗ T -0􀆰 02800􀆰 0397 -0􀆰 00760􀆰 0399Treat ̄S∗ E -0􀆰 3372∗ ∗ 0􀆰 1306 -0􀆰 3372∗ ∗ ∗ 0􀆰 1093Treat ̄T∗ E 0􀆰 1618∗ ∗ ∗ 0􀆰 0402 0􀆰 1618∗ ∗ ∗ 0􀆰 0401Treat ̄S 0􀆰 7158∗ ∗ ∗ 0􀆰 1180 0􀆰 4306∗ ∗ ∗ 0􀆰 1001Treat ̄T -0􀆰 0562∗ 0􀆰 0306 -0􀆰 2579∗ ∗ ∗ 0􀆰 0320Treat ̄E 0􀆰 06400􀆰 0866 0􀆰 06400􀆰 0738Industry 0􀆰 0076∗ ∗ ∗ 0􀆰 0021GDP 0􀆰 9841∗ ∗ ∗ 0􀆰 1788Population -0􀆰 2465∗ ∗ ∗ 0􀆰 0838Revenue 0􀆰 05130􀆰 0558N 4950 4950R ̄squared overall 0􀆰 0968 0􀆰 3011Wald chi2 130􀆰 35∗ ∗ ∗ 369􀆰 91∗ ∗ ∗选择模型随机效应模型随机效应模型地域效应Control Control注∗ ∗ ∗ p0􀆰 01ꎬ∗ ∗ p0􀆰 05ꎬ∗ p0􀆰 1ꎻ括号内为标准误ꎮ表5 子样本分析结果变量模型3因变量工业二氧化硫排放量或工业废水排放量模型4因变量工业二氧化硫排放量或工业废水排放量模型5因变量工业烟粉尘排放量或工业废水排放量模型6因变量工业烟粉尘排放量或工业废水排放量DDD -0􀆰 1361∗ ∗0􀆰 0580-0􀆰 1361∗ ∗0􀆰 05780􀆰 09950􀆰 06610􀆰 09950􀆰 0667Treat ̄S∗ T -0􀆰 02800􀆰 0398 -0􀆰 01690􀆰 0394 -0􀆰 02800􀆰 0398 -0􀆰 00840􀆰 0398Treat ̄S∗ E -0􀆰 14880􀆰 1543 -0􀆰 14880􀆰 1328 -0􀆰 5255∗ ∗ ∗0􀆰 1450-0􀆰 5255∗ ∗ ∗0􀆰 1249Treat ̄T∗ E 0􀆰 02580􀆰 046 0􀆰 02580􀆰 0456 0􀆰 2977∗ ∗ ∗0􀆰 04730􀆰 2977∗ ∗ ∗0􀆰 0473Treat ̄S 0􀆰 6514∗ ∗ ∗0􀆰 12180􀆰 3776∗ ∗ ∗0􀆰 10610􀆰 6937∗ ∗ ∗0􀆰 12240􀆰 3670∗ ∗ ∗0􀆰 1035Treat ̄T -0􀆰 0562∗0􀆰 0306-0􀆰 1836∗ ∗ ∗0􀆰 0316-0􀆰 0562∗0􀆰 0306-0􀆰 2844∗ ∗ ∗0􀆰 0327Treat ̄E 0􀆰 07780􀆰 1075 0􀆰 07780􀆰 0937 0􀆰 05010􀆰 0986 0􀆰 05010􀆰 0834Industry 0􀆰 0062∗ ∗ ∗0􀆰 00240􀆰 0054∗ ∗0􀆰 0026GDP 0􀆰 9379∗ ∗ ∗0􀆰 21441􀆰 1874∗ ∗ ∗0􀆰 2082Population 0􀆰 07030􀆰 1022 -0􀆰 2488∗ ∗0􀆰 1000Revenue -0􀆰 05820􀆰 0646 0􀆰 03820􀆰 0666N 3300 3300 3300 3300R ̄squared overall 0􀆰 1349 0􀆰 3470 0􀆰 1346 0􀆰 3251Wald chi2 176􀆰 71∗ ∗ ∗ 352􀆰 79∗ ∗ ∗ 214􀆰 25∗ ∗ ∗ 428􀆰 35∗ ∗ ∗选择模型随机效应模型随机效应模型随机效应模型随机效应模型地域效应Control Control Control Control注∗ ∗ ∗ p0􀆰 01ꎬ∗ ∗ p0􀆰 05ꎬ∗ p0􀆰 1ꎻ括号内为标准误ꎮ第1期赵志华ꎬ等大气污染协同治理能促进污染物减排吗 293 为进一步检验大气污染协同治理对工业二氧化硫排放量和对工业烟粉尘排放量影响的差异ꎬ本文设置子样本进行再检验ꎮ具体而言ꎬ把工业烟粉尘排放量设置为对照组ꎬ把工业二氧化硫排放量设置为处理组ꎮ因变量即工业二氧化硫排放量或工业烟粉尘排放量ꎮ与本文表1的因变量处理方式相同ꎬ本部分因变量同样取对数并做标准化处理ꎮ TreatEmission测量为样本为工业二氧化硫排放量的取值为1ꎬ样本为工业烟粉尘排放量的取值为0ꎮ其余自变量和控制变量与表1相同ꎮ本部分选择的样本是工业二氧化硫排放量和工业烟粉尘排放量样本ꎮ表6显示了子样本再检验的分析结果ꎬ模型7是没有加入控制变量的分析结果ꎬ模型8是加入了控制变量后的分析结果ꎮ从表6可以看出ꎬ无论是没有加入控制变量的分析结果ꎬ还是加入控制变量的分析结果ꎬ三重差分的关键变量DDD的系数均显著为负ꎮ大气污染协同治理对工业二氧化硫排放量和对工业烟粉尘排放量的影响存在差异ꎮ进一步论证了大气污染协同治理往往优先促进工业二氧化硫排放量减排ꎮ表6 子样本再检验变量模型7因变量工业二氧化硫排放量或工业烟粉尘排放量模型8因变量工业二氧化硫排放量或工业烟粉尘排放量DDD -0􀆰 2356∗ ∗ ∗ 0􀆰 0676 -0􀆰 2356∗ ∗ ∗ 0􀆰 0684Treat ̄S∗ T 0􀆰 07150􀆰 0529 0􀆰 1008∗ 0􀆰 0541Treat ̄S∗ E 0􀆰 3767∗ ∗ 0􀆰 1494 0􀆰 3767∗ ∗ ∗ 0􀆰 1290Treat ̄T∗ E -0􀆰 2720∗ ∗ ∗ 0􀆰 0498 -0􀆰 2720∗ ∗ ∗ 0􀆰 0499Treat ̄S 0􀆰 2766∗ ∗ 0􀆰 1166 0􀆰 04680􀆰 1003Treat ̄T 0􀆰 2416∗ ∗ ∗ 0􀆰 0361 0􀆰 01030􀆰 0398Treat ̄E 0􀆰 02770􀆰 1092 0􀆰 02770􀆰 0909Industry 0􀆰 0110∗ ∗ ∗ 0􀆰 0026GDP 0􀆰 7162∗ ∗ ∗ 0􀆰 2268Population -0􀆰 5347∗ ∗ ∗ 0􀆰 1010Revenue 0􀆰 1752∗ ∗ 0􀆰 0708N 3300 3300R ̄squared overall 0􀆰 0619 0􀆰 2699Wald chi2 211􀆰 93∗ ∗ ∗ 422􀆰 16∗ ∗ ∗选择模型随机
点击查看更多>>
网站客服QQ:123120571
环境100文库手机站版权所有
经营许可证编号:京ICP备16041442号-6