APP下载

机动车限行政策的空气质量效应评估
——以兰州市为典型的数据整合分析

2015-04-27黄恒君王思文

统计与信息论坛 2015年9期
关键词:尾号兰州市机动车

漆 威,黄恒君,王思文

(1.兰州大学 经济学院,甘肃 兰州 730000;2.兰州财经大学 a.统计学院,b.国际经济与贸易学院,甘肃 兰州 730020)

【统计应用研究】

机动车限行政策的空气质量效应评估
——以兰州市为典型的数据整合分析

漆 威1,黄恒君2a,王思文2b

(1.兰州大学 经济学院,甘肃 兰州 730000;2.兰州财经大学 a.统计学院,b.国际经济与贸易学院,甘肃 兰州 730020)

通过互联网异源数据采集整合、样本期控制、变量选择和微观数据分析,以典型污染城市兰州为研究对象,对机动车限行政策的空气质量效应进行整体效应和分时效应的评估与检验。研究结果表明:限行政策对二氧化氮和臭氧浓度具有明显的改善作用,而对一氧化碳浓度的改善作用小,没有证据表明限行政策影响到可吸入颗粒物的浓度;限行效果的变化特征与人类短周期活动规律一致;人们的驾驶欲望尚未受限行政策的影响。

机动车限行;空气质量;政策效应

一、引 言

清洁的空气是一种公共资源,随着大气污染事件在全球范围的频繁发生和不断升级,人们认识到大气污染严重影响着生产、生活及健康状况[1]。空气质量下降是一种“公地悲剧”,各国政府采用行政管制政策和经济政策来提高资源配置效率,从而优化社会利益。在中国,随着工业化和城市化进程不断深入,城市大气环境问题也日益突出,污染防治压力持续加大,这“既是环境问题,也是重大民生问题”。为切实改善空气质量,2013年9月国务院印发了《大气污染防治行动计划》,目前已有多地出台大气污染防治“新政”。环境政策措施的制定虽已经过了科学论证,但其执行效果仍受诸多不可控因素影响,需要采用量化手段进行评估,以评价政策的合意性和必要性,进而为后续政策的制定和改进提供依据。

环境政策及其执行效果因地而异、因污染源而异,针对单一区域和单一污染源的政策效应微观研究具有更加重要的现实意义。近年来,中国机动车保有量不断增加,城市交通问题凸显,尾气排放也大量增加。研究表明,中国城市机动车尾气排放导致的空气污染分担率逐年上升[2]。针对尾气污染及交通问题,机动车限行是一项实施简便、管理成本低的政策措施,已有不少城市依据车牌号码限制机动车在特定时间内通行,而该项环境政策的效应如何,人们看法不一。

为此,本文在梳理限行政策定量评估文献的基础上,以典型污染城市——兰州为研究对象,形成针对单一城市和污染源的空气质量政策评估思路,并试图回答以下问题:限行政策是否有助于空气质量的改善?对哪些大气污染物有显著影响?效应多大?限行政策效应是否与人类活动规律保持一致?

二、机动车限行政策及其效应

自1986年智利圣地亚哥实行机动车限行政策(Restricción Vehicular)以来,尽管已有数十年的实践经验,限行政策的定量评估研究却少见诸文献。在少量的研究中,墨西哥城“每周停驶一天”政策(Hoy No Circula, HNC)的评估最具影响。HNC政策自1989年以来持续执行,Eskeland等人以1984—1994年为样本期的研究表明,HNC政策并未有效抑制汽油需求,也没有缓解机动车保有量的增加[3];Davis对同样的时期进行分割并引入气象因素,采用断点回归方法,比较了HNC政策执行前后大气污染物水平,结果表明HNC政策对空气质量的影响效应不显著[4];Lin等人检验了圣保罗(Operaão Rodízio政策,1996—1998年内执行)、波哥大(Pico y Placa政策,1998年执行以来)、北京(尾号及单双限行政策,2008年执行以来)、天津(单双限行政策,2008年奥运期间执行)的空气质量效应,结果表明限行政策仅对个别时段有效,但总体上无益于空气质量改善[5];Sun等人以车牌数字偏好为切入点,依据2009年1月至2011年4月间的日数据,研究了机动车限行政策对北京市交通流量及PM10浓度的影响,测算结果表明限行有利于缓解交通压力,而无益于空气质量的改善[6]。

以上文献倾向于将限行对空气质量的无效性解释为人们对政策的反作用。例如,Sun等人认为限行政策刺激了人们在非限行时间的驾驶欲望,而Davis认为居民购置第二辆机动车的倾向影响了HNC政策的效果。事实上,鉴于人们对政策的响应具有滞后性,有人认为以上关于限行政策无效的解释可归结为研究样本期控制问题。Salas通过样本期的控制和方法选择,重新评估了Davis的数据,结果表明在执行HNC的初期,各项空气质量指标的效应在12%~18%之间,随着时间推移这种效应逐步减弱[7]。Salas的研究结果说明,各项限行政策对空气质量影响效应的研究结论有待重新探讨。换言之,这种衰减效果源于各种非可控条件的变化,而并非限行政策本身无效。Chen等人对2008年奥运会的空气质量效应进行研究,得到了类似的效应衰减结论[8]。

综上所述,限行政策对空气质量的积极效应是否存在,学界仍对此有所争议。由于宏观条件(诸如政策、公共交通、燃料价格、停车位情况等)的变化以及微观因素(如气象因素、化学反应、人类活动)的干扰,对政策效应的评估仍存在一定困难。

三、机动车限行政策影响因素及模型设定

(一)机动车限行政策

兰州作为中国空气污染严重城市之一,其典型地理与气候特征造成了大气污染物不易扩散[9]。近年来,兰州市机动车保有量迅猛增长,截至2014年7月,兰州市在册机动车65.09万辆*数据来源于《我市机动车总量已达65万辆,市民专家建言破解道路拥堵》,见《兰州日报》2014-08-13。,是2003年底的4.28倍,年均增速约为16%,机动车尾气也已成为重要大气污染源;加之市区道路基础设施建设滞后,长时间处于饱和状态,机动车平均车速较低,加、减、怠速频繁,尾气污染进一步加剧。

为此,兰州市政府采取了一系列的治堵防污措施。自2010年9月以来,兰州市区常年实行每个工作日两个尾号的限行政策 (简称“尾号限行”)*限行组合分别为:1和6、2和7、3和8、4和9、5和0,机动车按照车牌尾号对应的日期依次限行。;从2013年11月起,《兰州市重度污染天气应急预案》启动,规定当空气污染持续达到一定程度,兰州市区按车牌尾号实行单号单日通行、双号双日通行的单双号限行措施(简称“单双限行”)。2013年冬季以来,兰州市已数次实行了单双限行,机动车限行的侧重点已由最初的“治堵”过渡到了“防污”。

(二)政策效应的影响因素分析

城市空气质量受到自然条件和人类活动的双重影响,这些因素有可能会影响到限行政策的执行效果。为了量化机动车限行政策,需要对研究区域的空气质量影响因素进行分析。

1.自然条件。自然条件表现为空气质量的资源禀赋。为了研究机动车限行政策对空气质量的效应,首先要对自然禀赋的影响进行“固定”,以便于独立测算政策效应。影响空气质量的自然因素主要包括气象条件、地形特征和地理位置等[10]。对于气象条件,研究表明湿度、温度和风力条件的改变对兰州市的大气环境产生显著影响[11];对于地形特征和地理位置,本文涉及单一城市的研究是固定的,然而由于典型的河谷盆地特征,兰州市大气污染物向河谷外的扩散稀释能力表现出明显的季节性[12]。因此,机动车限行政策对空气质量的影响研究中还有必要引入季节效应。

2.人类活动。人类活动影响则是对既定资源禀赋的开发分配。影响空气质量的人类活动涉及社会经济、生产生活各个方面,具体到兰州市机动车限行,依据宏观社会经济条件是否改变以及人们是否有足够时间作出影响政策执行效果的响应,则分长期和短期进行分析。

长期而言,经济发展水平的变化、人口规模的变动、排放标准的改进、燃料价格的升降、道路基础设施的完善和调整、配套环境政策的变化(如天然气供热设备改造、关停高污染小企业等),甚至人们新增机动车的动机等各种非可控因素及其交互作用,都可能增强或抵消限行政策的效果,而这种经济学意义下的“长期”可能只有短短几个月,研究时期选择不当和影响因素考虑不足,也能导致文献中“限行无益于空气质量改善”的结论[5]。由于宏观因素难以全面衡量,为此采用微观数据,将样本期控制在足够短的时间内,用以保证限行政策效应“独立”测算。在该样本期间,影响限行效果的宏观因素不发生变化,公众(包括政策制定者以及政策实施对象)也没有足够时间作出改变限行政策效应的行为响应。在“研究设计”部分,将讨论数据采集及样本期控制。

短期而言,即使宏观长期因素不发生变化,仍有一些人类活动因素影响着限行效应的度量:首先是数字偏好。一般来讲,中国人存在明显的数字偏好。依据笔者的调研资料*资料来源于兰州市公安局交警支队车辆管理所,数据截止日期为2014年3月。,数字偏好也反映在兰州市机动车尾号中,尾号为4和7的机动车所占比例明显少于尾号为8和9的机动车。尾号限行组合后数字偏好情况显著缓解,而单双号限行组合后单号和双号的比例为49.75∶50.25,基本保持平衡。Sun等人的结果也表明依据数字偏好的测算,并未得到显著的限行效应。为此,有理由认为人们的车牌数字偏好不会对限行的空气质量效应产生显著影响。其次是人类活动短周期规律明显。以日为周期,人们的用车行为与作息规律一致,早晚高峰特征显著,限行政策也据此在每日内设置限行时段。以周为周期,人们在工作日与周末的用车行为会有所差异。因此,在微观数据基础上,可以引入时间效应虚拟变量,用以控制或验证机动车限行政策在不同时间的作用效果。

(三)模型设定

依据以上因素分析,大气污染的形成是一个包含人类活动和自然力作用的复杂现象。参考Davis的模型框架,构建机动车限行政策的空气质量效应模型如下:

lnY=γ0+γ1Res+α′H+β′W+ε

(1)

其中因变量Y代表空气质量指标,包括二氧化氮(NO2)、臭氧(O3)、一氧化碳(CO)、可吸入颗粒物(PM10)等受汽车尾气影响的大气污染物浓度[2],研究变量为Res,其取值为:

ε为随机扰动,表示未能观测因素的综合影响。

依据自然因素对空气质量的影响,式(1)中引入变量W= (HUMI, TEMP, WIND, SEA_EFT) ,作为自然因素控制变量,其中HUMI为湿度、TEMP为气温、WIND为风力、SEA_EFT为季节效应虚拟变量。当然,季节效应虚拟变量也有助于人类活动季节差异(如取暖效应、限行以外环境政策差异)的抵消。进一步依据人类活动影响的分析,引入一组时间效应控制变量H= ( HOUR_EFT, WEEK_EFT),其中HOUR_EFT为限行时段效应虚拟变量,WEEK_EFT为工作日效应虚拟变量,这一组虚拟变量引入的必要性,将在“研究设计”部分得到进一步明确。

倘若模型设定是恰当的,由于研究变量对应的参数为:

(2)

则γ1解释为机动车限行政策对空气质量的百分比效应,预期符号为负,表示改善。

当然,依据Salas的研究结论,在该模型框架下机动车限行的政策效应能够从各种复杂综合因素中独立提取出来成为问题的关键。换言之,参数γ1的解释能力取决于研究样本期的控制。

四、研究设计

(一)数据及预处理

鉴于“短期”的样本期控制需要,本文采用微观数据(小时),其中空气质量信息包括二氧化氮、臭氧、一氧化碳和可吸入颗粒物,数据来源于中国环境监测总站实时监测结果;气象因素信息包括气温、湿度和风力,来源于中国气象局发布的实时气象信息*数据标准见中国环境监测总站(www.cnemc.cn)和中国天气网(www.weather.com.cn)的描述。,数据由笔者从互联网实时采集整合。

为了对兰州市限行政策空气质量的效应作出测算和评估,提取涉及兰州市的子数据集:兰州市设有5个空气质量监测点(铁路设计院、生物制品所、兰炼宾馆、职工医院、榆中兰大校区)。由于“榆中兰大校区”监测点在兰州河谷之外,远离兰州市区,基本不受限行政策影响,不在本文研究范围之中。事实上,完全处于限行区域内的空气质量监测点为2个(铁路设计院、生物制品所),但由于机动车的跨区空间流动性[5],故选取了兰州市区的所有4个监测点,并以4个监测点污染物浓度的均值作为因变量,用以研究限行政策对兰州市空气质量的整体效果。

由于发布或采集的客观原因,本文所使用的数据集存在缺失情况,故在模型分析之前预先对缺失数据进行了插补。气象数据集缺失率较低,介于0.08%~0.26%之间,采用k临近均值插补方法,k=4。空气质量数据集缺失率(包括显性缺失和隐性缺失*显性缺失指采集的数据本身缺失;隐性缺失是指采集到的数据为0或负数,但笔者认为空气污染物浓度不应小于或等于0,故将这些情形替换为缺失处理。)较高,均在4%以上,故采用回归样条平滑插补,样条基底数量设定为51。经以上插补处理后,待分析数据构成了完整的可分析数据集。

(二)研究样本期设置

依据以上描述,2010年9月以来,兰州市常年实行尾号限行政策,若类似于Davis的做法,依据尾号限行时期与非限行时期(2010年以前)的比较,已然失去了可比的宏观环境,也难以获得历史微观数据。依据Salas的研究结论,为了满足短期条件,以2013年冬季以来两次限行时段可比的单双限行时期为中心,分别左右外推1个月,以保持单双限行与尾号限行在样本量上的平衡及短期的可比性,并藉此测算限行政策效应。具体样本期选择见表1。

表1 研究样本期设置表

需要说明的是,表1中7∶00~20∶00的限行时段与人们的出行、作息一致。为了直观表明限行效果与限行时段的一致性,图1以NO2为例,绘制了研究样本期内尾号限行与单双限行时期污染物浓度的分时差异。

图1 单双限行分时效果图(NO2为例,比较基准:尾号限行)

在图1中,横轴表示一天24小时,纵轴表示污染物浓度(μg/m3),“○”代表尾号限行对应的污染物浓度,“×”代表单双限行对应的污染物浓度,两条垂直虚线之间表示限行时段。为清晰起见,在绘图过程中对数据点加入横向随机抖动。直观上看,单双限行政策在每个时间点都可能存在积极效应,且在不同时段的效应可能有所差异。当然,该直观判断还有待模型实证结果的检验,因而在模型设定中引入限行时段效应虚拟变量(HOUR_EFT)也就顺理成章了。

进一步讲,表1中的限行时段在单双限行和尾号限行期间有着细微差异,表现在尾号限行期间,周末及节假日不限行;在单双限行期间,周末及节假日依旧限行。据此,模型设定中引入工作日效应虚拟变量(WEEK_EFT),一来用于剔除人们工作日与非工作日的驾驶行为差异;二来为了验证限行政策是否会刺激人们在非限行时期的驾驶欲望。

在表1的样本期设置下,图2以NO2数据为例,给出了研究样本期设计的总体概况。图2中:横轴表示日期,纵轴表示污染物浓度(μg/m3),研究样本期以两条虚线包含;单双限行期以两条点线包含;黑点表示样本期内污染物浓度数据,灰点表示非样本期数据。可直观看出,限行的空气质量效应可能存在,但冬季与夏季表现截然不同。因此,为了将限行效应单独提取出来,在模型设定中引入季节效应(SEAS_EFT)是必要的。

图2 总体研究设计及样本数据图(NO2为例)

(三)描述统计

依据变量选择及研究样本期设置,本文所涉及变量基本描述统计结果见表2,包括因变量、自变量的描述及包括缺失率、均值和标准差等统计量。

需要说明的是,由于气象因素对大气污染影响可能存在滞后效应和非线性效应,在实证分析中气象因素变量HUMI、TEMP、WIND除当前项外,还包括一阶滞后项和平方项。

表2 自变量描述及基本统计表

五、实证结果

(一)政策效应测算结果

测算结果表明,兰州市的限行政策对于NO2和O3浓度具有明显的改善作用,对CO浓度的改善作用较小,没有证据表明限行政策影响到PM10浓度。具体来讲,对于NO2和O3,限行政策的空气质量改善比率分别为21.11%和14.74%;对于CO,限行政策的改善比率仅为2.66%;对于PM10,虽然测算结果显示了1.80%的反向效应,但由于统计显著性的原因无法对该项数据作出任何有意义的解释,机动车尾气与污染物之间的关联性[13],有理由认为NO2和O3的测算结果是可信的;对于PM10,由于兰州市区的地理、气象条件,机动车尾气对颗粒物的分担率较低[14],因而没能测算出机动车限行对PM10的显著影响效应。

鉴于表3 限行政策整体效果表(样本量n=5 460)

注:括号中的数值为回归标准误;*** 和** 分别表示1%和5%的显著水平。

倘若笔者的样本期控制使短期条件得到满足,则可认为表3的测算结果已经是限行政策的单独效果,进一步结合数字偏好不影响限行政策效应的分析,则上述测算结果可以解释为30%的理论限行量所带来的空气质量效应*比较基准为尾号限行和单双限行,其中尾号限行的理论限行量为20%,单双限行的理论限行量为50%。。如此一来,可依据以下公式:

(3)

粗略地推算各种限行政策本身的效应,即比较基准为不限行情况下的政策效应,如表4所示。

表4 限行效果测算表(比较基准:不限行)

从表4的结果看,每增加10%的边际限行量,NO2、O3和CO的改善比率分别为7.04%、4.91%和0.89%。以此为基础,则兰州的尾号限行、单双限行对NO2、O3和CO的效应就可以推算出来。

(二)人类活动影响

在表5中,需要强调的是依据研究设计,“周末”子样本的比较基础为尾号限行与单双限行期间的周末与法定节假日。尾号限行期间,周末不限行;单双限行期间,周末限行,因此周末的最大理论限行量为50%;“工作日”子样本的比较基础是20%的尾号限行与50%的单双限行,因此最大理论限行量为30%,故通过不同子样本的比较,表5的结果给出了一些额外的结论。

表5 受人类活动影响分割效应表

注:括号中的数值为回归标准误;***、**和*分别表示1%、5%和10%的显著水平。

首先,工作日限行效果与人类活动规律一致。抛开统计上不显著的PM10不计,限行政策在工作日内对各种污染物的影响因限行时段而存在明显差异,限行时段的政策效应强于非限行时段,这符合人们的直观认识:当早7点开始限行之后,伴随着交通“早高峰”到来,限行效果逐步显现;当晚8点结束限行,随着“晚高峰”的褪去,限行效果逐步减弱;对于限行以外的时间,由于道路上机动车数量较少,限行效果也相对较弱[15]。当然,由于短期内机动车具有跨空间和跨时间的流动性以及尾气形成污染物,以致扩散和稀释,并需要一定的化学反应和既定时间。 因此,在限行时段以外仍能看到限行所带来的空气质量效应,而对于不同污染物这种效应的衰减程度有所差异,这也在更加微观的层面上进一步说明了限行政策的效果。

其次,没有证据表明限行政策刺激了人们的驾驶欲望。必须承认,限行政策必然会禁锢人们在限行时段的用车欲望,倘若禁锢作用很强,人们自然要在非限行时段作出反弹而进行更多的驾驶。倘若这种行为对多数人成立,非限行期间的空气质量状况会趋向恶化,但也应当注意到,表5(后三行)的测算结果表明(除PM10外),无论是限行时段还是非限行时段,周末的限行效应在数值上明显低于工作日。换言之,50%理论限行量下的效应远小于30%理论限行值下的效应,因此只能得到一个有悖于直观的结论,即与Sun等人的解释不同,兰州市的限行政策并没有全面刺激出人们的驾驶欲望。进而,与Davis解释相悖的一个不严格的推论是,人们为用于抵消限行作用而普遍购置第二辆机动车的时机尚未成熟。

六、结束语

以2013年10月以来兰州市单双限行与尾号限行比较为基础,本文通过样本期控制和模型建立,在剥离各种影响因素的情况下,独立测算了机动车限行政策对空气质量的效应。结果表明,机动车限行政策本身有助于空气质量改善,特别是对于NO2和O3污染物浓度而言,限行政策改善效果明显。

需要指出的是,任何政策都是特定社会实践和发展的产物,也只能在特定的社会环境下发挥作用。社会环境发生变化,政策效用也必然发生衰减削弱的变动。换言之,我们的限行政策不会“独立”运行,也不可能长期有效。我们将限行效果独立测算出来,目的在于为限行政策是否被削弱,何时被削弱,削弱程度如何,什么因素导致其削弱,又如何破解等一系列后续研究问题提供数量基础。

还需要指出,任何一项政策不会完美无瑕,总会涉及到成本、效率、公平等一系列不可调和的现实矛盾。限行政策实施的同时,需要适时引入一些替代方式或互补措施,采用各种激励措施,以达到优化社会福利的目的。如公共交通发展策略、交通拥堵费政策、机动车限购措施等,都不失为公平有效的替代或互补方案。当然,政策的提出需要科学的论证和政策模拟,政策的执行需要实践的检验。例如对于空气质量而言,一项替代政策与限行政策相比,成本收益如何?一项互补政策与限行政策的配合效用有多高?这显然需要定量结果的支撑。

必须指出,定量有其局限性。环境治理需要从整个社会发展的全局考虑,既需要强制手段控制,也需要整个社会把环境治理思想融入到人们的生活中,并成为一种自觉习惯。

[1] 叶小青,李先玲.环境质量、居民收入与医疗健康支出关系研究——基于截面相关的省际面板数据模型[J].统计与信息论坛, 2013(12).

[2] Chan C K, Yao X.Air Pollution in Mega Cities in China[J].Atmospheric Environment, 2008(1).

[3] Eskeland G S, et al.Is Demand for Polluting Goods Manageable? An Econometric Study of Car Ownership and Use in Mexico[J].Journal of Development Economics, 1997(2).

[4] Davis L W.The Effect of Driving Restrictions on Air Quality in Mexico City[J].Journal of Political Economy, 2008(1).

[5] Lin C, Zhang W, Umanskaya V I.The Effects of Driving Restrictions on Air Quality: São Paulo, Bogotá, Beijing, and Tianjin[C].Agricultural and Applied Economics Association Annual Meeting.Pittsburgh, Pennsylvania, 2011.

[6] Sun C, Zheng S Q, Wang R.Restricting Driving for Better Traffic and Clearer Skies: Did It Work in Beijing?[J].Transport Policy, 2014(2).

[7] Salas C.Evaluating Public Policies with High Frequency Data: Evidence for Driving Restrictions in Mexico City Revisited[R].Instituto de Economia.Pontificia Universidad Católica de Chile, 2010.

[8] Chen Y, Jin G Z, Kumar N, et al.The Promise of Beijing: Evaluating the Impact of the 2008 Olympic Games on Air Quality[R].National Bureau of Economic Research, 2011.

[9] Chu P C, Chen Y, Lu S, et al.Particulate Air Pollution in Lanzhou China[J].Environment International, 2008, 34(5).

[10]Shaddick G, Yan H J, Vienneau D.A Bayesian Hierarchical Model for Assessing the Impact of Human Activity on Nitrogen Dioxide Concentrations in Europe[J].Environmental and Ecological Statistics, 2013, 20(4).

[11]陈雷华,余晔,陈晋北,等.2001-2007年兰州市主要大气污染物污染特征分析[J].高原气象, 2010(6).

[12]谢学军,李杰,王自发.兰州城区冬季大气污染物日变化的数值模拟[J].气候与环境研究, 2010(5).

[13]Cropper M L, Jiang Y, Alberini A, et al.Getting Cars off the Road: The Cost-Effectiveness of an Episodic Pollution Control Program[J].Environmental & Resource Economics, 2014(1).

[14]杨丽萍,陈发虎.兰州市大气降尘污染物来源研究[J].环境科学学报, 2002(4).

[15]漆威.函数型数据视角下的空气质量政策效应评估——以兰州市机动车单双号限行效应测算为例[J].统计与信息论坛, 2014(9).

(责任编辑:郭诗梦)

Traffic Restrictions Effect on Air Quality:Data Integration Analysis for Lanzhou City

QI Wei1, HUANG Heng-jun2a, WANG Si-wen2b

(1.Dept.of Economics, Lanzhou University, Lanzhou 730000, China; 2a.Dept.of Statistics,2b.Dept.of International Economics and Trade, Lanzhou University of Finance and Economics, Lanzhou 730020, China)

By internet multi-source data integration, samples control, variable selection and high frequency micro data analysis, this paper evaluates the effect of traffic restriction policy in Lanzhou city since 2013.Our results show that: (1) the policy improves the level of nitrogen dioxide and ozone concentration obviously, small effect on carbon monoxide, as while as no evidence for affecting the particulate matter concentration level, (2) the policy effect is consistent with the short period of human activity, and (3) no evidence show the policy stimulate people's driving desire.

traffic restriction; air quality; policy effect

2015-04-10;修复日期:2015-06-09

国家社会科学基金青年项目《基于大数据整合的空气质量测度方法研究》(14CTJ009);全国统计科学研究重点项目《海量异源异构数据的采集、存储和分析方案研究》(2013LZ44);陇原青年创新人才支持计划项目《基于大数据整合的‘废旧数据’应用研究》(14GSD95);甘肃省财政厅高校基本科研业务费项目《大数据整合下的统计调查技术及其经济应用研究》(GZ14007)

漆 威,女,甘肃天水人,博士生,研究方向:环境经济; 黄恒君,男,浙江温州人,经济学博士,副教授,硕士生导师,研究方向:调查技术与统计分析; 王思文,女,甘肃金昌人,经济学博士,副教授,硕士生导师,研究方向:产业政策。

X24∶O212

A

1007-3116(2015)09-0074-08

猜你喜欢

尾号兰州市机动车
让机动车交通安全统筹更
身份证号码中的“Ⅹ”该怎么读
由一起厂内机动车事故引发的思考
手机尾号5个“8”拍出225万元
阳光少年的飞驰年华——兰州市第四十六中学轮滑社团活动掠影
北京推出高考考生车辆不限行等措施
《兰州市公共场所控制吸烟条例》实施效果分析
兰州市艺彩少儿美术作品选登
铁路机动车管理信息系统
《兰州市再生资源回收利用管理办法)》8月起实施