大气污染治理效率与环境政策工具选择——基于29个省市的经验证据

郑石明，罗凯方

(1.华南理工大学 公共管理学院，广东 广州 510641；2.中南大学 公共管理学院，湖南 长沙 410083)

大气污染治理效率与环境政策工具选择
——基于29个省市的经验证据

郑石明1，罗凯方2

(1.华南理工大学 公共管理学院，广东 广州 510641；2.中南大学 公共管理学院，湖南 长沙 410083)

基于我国29个省市2005-2014年大气污染治理面板数据，运用超效率DEA模型测算出大气污染治理效率，并运用面板校正标准误(PCSE)模型评估三类政策工具对大气污染治理效率的影响。研究显示：对比2005年与2014年的聚类结果显示，十年前后，海南、宁夏和内蒙古均居高效率组，湖南、广东、四川和天津则一直处于低效率组，上海从高效率组跌至低效率组。政策工具的滞后回归表明，我国管制型和市场型政策工具对大气污染治理均有成效，与治理效率呈正相关，自愿型政策工具则对大气污染治理效率暂无正向影响。该结果通过了稳健性检验。

大气污染治理效率；环境政策工具；超效率DEA模型

Abstract：Based on the panel data of 29 provinces and municipalities in 2005-2014, super-efficiency DEA model is employed to measure the air pollution abatement efficiency. Subsequently we employ panel-corrected standard error model to evaluate the impacts of policy tools on air pollution abatement efficiency. The results suggest that Hainan, Ningxia and Inner Mongolia were clustered in high efficiency group in 2005 and 2014, while Hunan, Guangdong, Sichuan and Tianjin in low efficiency group. Shanghai dropped from the high efficiency group in 2005 to the low in 2014. The lag regression results of policy tools’ impacts reveal that regulatory and market-oriented policy tools are effective and positively correlated with air pollution abatement efficiency, while voluntary policy tools has been witnessed no positive correlation. The results above have passed the robustness test.

Keywords:air pollution abatement efficiency; environmental policy tools; super-efficiency DEA

一、引言

随着中国工业化与城市化进程深入推进，空气污染防治工作也进入了攻坚期和深水区。由京津冀、长三角和珠三角领衔的东中部区域作为中国经济发展最为快速的区划，近年来接连爆发大气重污染事件，剧烈恶化的大气质量不仅危害人民身体健康，还使得地区经济社会可持续发展陷入瓶颈，迫使区域经济必须应对愈发严峻的环境挑战。首先，随着大气污染防治投入的逐年提高，许多学者用“效率”来评估大气污染治理，追求以最少的治理投入带来最大的产出。那么，我国各省份基于不同的经济发展水平，是否在环境政策的推动下实现了大气污染治理效率的改善？是什么因素在影响我国各省份的大气污染治理效率？

其次，基于环境负外部性的特征，政府适时地进行政策干预十分必要。为提高大气污染治理效率，环境政策正是关键因素。2000年以来，我国大气污染物特征转变，政府开始推广信息公开和公众参与等自愿型环境政策，持续完善和丰富环境法治[1]。近年来，重污染天气频频爆发，大气污染治理政策体系日益丰富，大气污染防治政策工具从以管制型为主导逐步演变为以管制型、市场型和自愿型政策工具相结合的环境政策工具矩阵，说明仅仅依靠强制性手段已不能压制愈加复杂的大气污染现状，必须接纳多种政策工具共同参与的政策结构。这时衡量和评估各类环境政策工具的绩效就显得尤为重要。对中国来说，三种政策工具的大气污染防治效果究竟如何？对大气污染治理效率的影响是否存在差异？哪类政策工具对改善大气污染起主要作用？面对不同类型的政策工具，中国应该如何从当前环境政策体系中构建出最合适的政策工具组合呢？这些都是优化我国环境政策工具体系，改善我国环境政策绩效亟待解决的问题。

二、文献综述

污染治理效率一般用于衡量污染防治工作中投入与产出的相对有效性。在测算我国省际大气污染治理效率方面，Super-SBM模型[2]和超效率DEA模型[3]均有使用。考虑到传统DEA模型有效单元的最大值为100%，当多个单元效率值达到100%时无法区分高下，而超效率DEA模型则恰好弥补了这一点，本文也将选择超效率DEA模型来测算中国省际大气污染治理效率。

环境政策是我国为实现环境质量改善而出台实施的一系列防治、控制和协调等环境措施的总和。国际上按强制程度划分环境政策工具，经济合作与发展组织(OECD)将环境政策工具划分为：命令-控制方法、经济手段和劝说式手段等三类[4]。世界银行(World Bank)则划分为：利用市场、创建市场、环境管制和公众参与[5]。国内学者也对划分环境政策工具有所研究，如张坤民等[6]认为中国环境政策常用四类手段：命令-控制手段、市场经济手段、自愿行动和公众参与。赵新峰等[7]结合我国区域大气污染防治实践划分为三大类：管制型、市场型和自愿型政策工具。

自环境政策面世以来，环境政策的绩效研究颇受学者们的青睐。陈傲[8]发现以排污费为代表的市场型政策工具对生态效率作用不显著。Xue[9]认为“十二五”实施的国家排放总量控制(NTEC)将降低2015年全国SO2和NO2的平均浓度，这类“政治性蓝天”的研究从侧面考察了管制型工具的治理效果。曾冰[10]则建立固定效应模型探讨环境政策工具对环境质量的改善作用，结果表明市场型工具对各类污染抑制作用显著，而管制型和自愿型工具仅对某类污染有效。

现有环境政策文献中基于经济学视角的研究较多，而基于政策工具的研究较少[11]；其次更少学者从政策工具入手，研究其对大气污染治理效率的影响，并进行政策工具的优化选择。

三、理论框架

基于政策网络视角，如图1所示，当前我国大气污染防治政策的运行，以中央政府、地方政府和排污企业及个人为核心，三者围绕大气污染防治政策进行互动博弈。对地方政府来说，在环境保护和经济增长的双重任务之间有一个权衡[12]，规制俘获视角下，地方政府易受区域经济发展激励的影响而放松对排污企业的规制[13]。从制度分析出发，中国特有的“政治集权、财政分权与行政分权”治理结构，引致政策制定与执行环节存在分离性[14]，中央政府、地方政府和排污企业间因信息不对称和监管缺失进行利益博弈。图2总结了管制型、市场型和自愿型政策工具提升大气污染治理效率的作用机理和路径。

图2 大气污染治理政策工具作用机理

四、大气污染治理效率测算

(一)模型的选择

Andersen等[15]创建超效率DEA模型，以实现DEA有效决策单元的再排序。式(1)为以产出为导向的径向规模报酬变化超效率DEA模型。假设有n个决策单元(DMUj:j=1,2,…,n)，各决策单元都针对大气污染治理投入了m种要素，xij(i=1,2,…,m)，产生了s种产出，yrj(r=1,2,…,s)，与要素投入和产出相对应的投入产出向量为(X，Y)。

(1)

(二)指标选择与数据来源

大气污染治理效率的测算包括投入变量和产出变量。投入变量方面，以“废气治理设施数”、“环境保护系统年末实有人数”和“废气治理运行费用”衡量人力物力投入。考虑到各省污染物排放量存在较大差距，起点不一，单独选取大气污染物的去除量不具参考性，因此本文将同时选取大气污染物的排放量和去除量作为产出变量。去除量和排放量数据由工业二氧化硫、烟尘、粉尘去除量构成。其中由于2011-2014年去除量数据缺失，笔者收集和整理数据的方式为：(1)搜集三种大气污染物的产生量信息，依据公式“产生量=排放量+去除量[16]”计算得到该阶段去除量数据。(2)由于《中国环境年鉴》将“工业烟尘”和“工业粉尘”合并成了“工业烟(粉)尘”指标，笔者也只能沿用。工业烟、粉尘同为产出变量，合并这两个指标不会对结果产生影响。考虑到排放量是大气污染治理的负产出，笔者对排放量数据取倒数。本文以2005-2014年中国29个省份、直辖市、自治州的相应大气环境数据为样本(不含西藏、青海、港澳台)，统计数据来源于2005-2014年《中国环境统计年鉴》和《中国环境年鉴》。

(三)我国大气污染治理效率及结果分析

表1为大气污染治理效率测算结果。提取2005年与2014年的省际大气污染治理效率数据并标准化，运用SPSS 19.0进行聚类分析，划归为高效率组、中效率组和低效率组三类，对比十年前后大气污染治理的效果变化。由于海南省的效率值远高于其他省份，作为个案将会影响结果，因此在标准化和聚类分析时均将海南省剔除，默认海南省为高效率组。聚类结果见表2。

表1 2005-2014年各省大气污染治理超效率值

注：东、中、西部地区的排名平均值为所属各省份排名的算术平均值。

表2 大气污染治理效率值聚类结果对比

结合表1与表2，从省际维度看，海南、宁夏和内蒙古三省十年前后均位于高效率组，可能是因为这些省份污染少、污染物特征单一，大气污染治理工作较易有成效，同时对大气污染治理投入适当。尤其是海南省，其人力物力投入仅为其他省份的1/10，甚至1%，同时排放量又极低(仅为其他省份的1/50)，由此形成了海南省效率值极高的结果。此外，上海大气污染治理效率逐年递减，从2005年高效率组跌至2014年的低效率组，湖南、广东、四川和天津则一直处于低效率组，十年来污染治理进展缓慢。不难看出，东部地区尽管在资金和技术上独占鳌头，治理大气污染时依然处于下风，原因可能在于东部大气污染物数量庞大且特征复杂的固有缺陷，且随着大气污染治理纵深发展，治理难度逐步加大，加大环境资金与环保技术的投入也无法弥补治理难度大的劣势。

五、环境政策工具对大气污染治理效率的影响实证分析

(一)研究假设

基于理论分析，本文将环境政策分为三类，分别是管制型、市场型和自愿型政策工具。

管制型政策工具指由国家出台并强制实施的一系列法律法规，是我国环境政策的主导工具。排污企业往往费尽心机与其博弈，以求降低环保成本。因为在取得相应的环保成效后，治污企业可以更好地应对即将出台的环保标准。此外，若整个行业的污染治理情况都有所提高，那么未来针对该行业继续进行环境管制的可能性和严苛性都会有所降低。由此，提出假设1：管制型环境政策力度越强，大气污染治理效率越高。

市场型政策工具利用经济激励手段，通过改变污染排放者的经济成本或效益，间接达到环境质量改善的目的，其本质主要体现了“污染者付费原则(polluter pays principle，PPP原则)”。市场型政策工具的优势在于低成本高效率以及对技术革新扩散的持续激励[17]。由此，提出假设2：市场性政策工具执行力越强，大气污染治理效率越高。

自愿型政策工具的目标群体是社会公众，是除了管制型环境政策工具和市场型环境政策工具之外的所有环境政策，涵盖环境信息公开、环境宣教、公众参与等[18]。环境宣教为培养环境友好型习惯奠定基础，通过提升社会公众对环境政策的理解和接受程度，潜移默化地改变人们的态度和行为，进而提高环境政策绩效[19]。关于公众信访的不少研究表明公众对环境问题的关注可显著地增强排污企业的环境绩效，不论是在发达国家[20]，还是在发展中国家[21]。一般认为，公众关注度高，侧面体现了该地区当年污染严重，即大气污染治理效率与公众关注度应呈负相关关系。为避免研究结果出现该误解，本文将对政策工具的衡量指标做滞后处理，滞后回归不仅解决了公众关注度与大气污染治理效率互为因果的混乱问题，也还原了政策执行存在的时间滞后效应。由此，提出假设3：自愿型政策工具中公众关注度越高，大气污染治理效率越高。

(二)变量选择与模型设定

本文以2005-2014年各地区(不含西藏、青海、港澳台)的相关政策数据为研究样本。大气污染治理效率(Y)直接沿用上文超效率DEA模型的测算结果，引入面板数据模型。

影响大气污染治理效率的三类环境政策工具包括：

1．管制型环境政策

“三同时”制度是我国特有的一项管制型环境政策，它要求申请项目的污染防治设施应当与主体工程同时设计、同时施工、同时投产，“三同时”制度是中国环境政策中源头控制的有力手段。基于数据的可得性，本文以“三同时环保验收项目环保投资(ST3)”作为管制型环境政策的表征指标。

2．市场型环境政策

政府实施最早的手段是征收排污费。虽然近年来排污权交易和环境税等新型环境措施开始走进公众视野，但由于数据收集较难且数据不完整，故本文选择“排污费征收总额(PWF)”作为其替代指标，为剔除物价波动的影响，本文以2005年的商品零售价格指数为基期，对排污费征收总额进行初步数据处理。

3．自愿型环境政策

目前在我国应用较少，2005-2014年间企业污染排放信息强制披露制度以及政府相关部门环境信息公开制度均未落实，故本文依据该类型环境政策的特征选取表征居民环保意识的“环境污染来信来访总数(XF)”来衡量。

4．控制变量及其解释

我们共引入四个控制变量：①各地区经济发展水平，用人均GDP(PCGDP)衡量；②各地区工业依赖程度，用第二产业占GDP比重(SI)衡量；③各地区外商直接投资，用年末登记的外商投资企业投资额(FDI)衡量；④各地区研发投入，用各地区R&D研发经费支出(RD)衡量。其对因变量的影响如下：

(1)经济发展水平和产业结构。除经济增长与环境污染呈倒“U”型关系外，Grossman等[22]发现在不同经济发展阶段，产业结构演变与环境污染也呈倒“U”型关系。这两个因素有两种解读：第一种解读是当地方产业结构不合理时，比如第二产业占比大，经济发展水平越高，工业行业“高污染、高能耗、高排放”的粗放模式将排放更多污染物，拉低大气污染治理效率；第二种解读是，在地方产业结构合理的情况下，第三产业或高新技术产业推动经济增长，并逐渐开始追求良好的环境质量，进而提高大气污染治理效率。

(2)外商直接投资。与“污染避难所”假说相反，Kirkulak等[23]认为加入WTO后，FDI的流入会减轻中国大气污染，这一结果可归因于FDI同时也是先进技术的主要来源。

(3)研发投入。排污企业主动或被动地增加对环保设备和技术的研发投入，有利于排污企业进行技术创新，开发出适宜企业的设备和技术，改进大气污染治理措施。

综上，设定面板滞后回归模型如方程(2)，其中i为各省份、直辖市、自治州，t为年份(2005-2014)。β0-8表示估计系数，μt+εit为复合扰动项。

Yit=β0+β1ST3i(t-1)+β2PWFi(t-1)+β3XFi(t-1)+β4PCGDPit+β5SIit+β6FDIit+β7RDit+μt+εit

(2)

(三)数据来源与描述性统计

本文数据来自2005-2014 年中国29个地区(不含西藏、青海和港澳台)。表2为具体数据来源，表4为变量描述性统计。

(四)实证结果与分析

首先基于F检验P值为0.0000的结果，拒绝使用混合模型，采用个体固定效应模型。其次通过“Wooldridge”和“Modified Wald”检验诊断模型是否存在自相关与异方差。结果表明固定效应模型存在异方差和自相关(见表5)。Beck和Katz[24]提出了面板校正标准误方法，以面板校正标准误来替换OLS标准误，实现稳健预测。因而，本文也选取面板校正标准误(PCSE)模型进行估计，来调整面板数据中存在个体效应的系数标准差，以控制异方差和自相关。PCSE模型滞后回归结果见表6。

表3 数据来源表

资料来源：作者根据中华人民共和国国家统计局数据库数据自制。

表4 变量描述性统计

注：数据根据四舍五入法则保留小数点后三位。

表5 面板数据模型的F检验、异方差和自相关检验结果

资料来源：作者根据中华人民共和国国家统计局数据库数据自制。

表6 面板校正标准误(PCSE)模型滞后回归结果

注：*、**和***分别表示在10%、5%和1%的显著性水平下显著。数据依据四舍五入保留至小数点后四位。

回归结果表明，几乎所有参数都在5%甚至1%的置信水平下显著，R-squared模型拟合优度为28.8%。下面，我们将具体分析各显著性变量：

1.管制型政策工具对大气污染治理效率有正向影响

三同时环保验收项目环保投资与大气污染治理效率在P值为5%的置信水平下呈正相关。且在其他因素不变的情况下，三同时环保验收项目环保投资每增加1%，大气污染治理效率提高0.7800。在中国环境治理情境下，以“三同时”制度为代表的管制型政策工具卓有成效。许多学者的研究都验证了这一点。Zheng等[25]发现地方节能法规和环境排放标准有助于提高地方大气质量。Brouhle等[26]实证研究的结论是：管制压力对企业参与决策与企业环境绩效的改善有显著影响。验证了假设1。

2.市场型政策工具对大气污染治理效率有正向影响

排污费征收总额与大气污染治理效率在P值为5%的置信水平下呈正相关。且在其他因素不变的情况下，排污费征收总额每增加1%，大气污染治理效率提高0.0802。理论一般认为，管制型政策工具灵活性差，成本高，是不经济、无效率的，从政策目标考量，比不上市场型工具，因为后者可通过外生加价，影响企业主的收益，拥有更高成本有效性。不少研究均肯定了污染收费政策的减排效果[27-28]。验证了假设2。

3.自愿型政策工具对大气污染治理效率暂无正向影响

环境污染来信来访总数与大气污染治理效率在P值为5%的置信水平下呈负相关。在其他因素不变的情况下，环境污染来信来访总数每增加1%，大气污染治理效率降低0.2183。该结果表明，公众的环境诉求还无法得到满足。一方面，非管制性压力尚不足以对企业的排污行为构成威胁。首先，中国公民对环境治理的态度较为消极，公众参与度不高。其次，《中国环境年鉴》中各地区每年环境来信来访数量与已办结数量间存在巨大差距，表明地方环保部门对公民环境诉求未予以足够重视，以致落实不及时，侧面体现社会公众的监督作用有限[29]。另一方面，自愿型环境政策的落实依赖管制压力。Arimuna等[30]发现自愿型工具与管制型工具组合使用效果更好。王惠娜[31]通过梳理文献得到：管制压力持续存在是企业自愿削减排污量的必要条件。但事实上中国环境管制与经济发展冲突，往往被地方政府弱化。综上所述，目前不论是环境管制压力还是非管制压力，中国都比较薄弱，即便企业违背自愿性削减协议，所需承担的违约成本往往极低。因此自愿型环境政策工具在中国环境治理中难以发挥效用，还需依靠管制压力。

4.控制变量

控制变量均与大气污染治理效率呈现高度相关性。(1)人均GDP与大气污染治理效率呈显著负相关。一方面，目前中国处于经济发展转型的过渡期，地方政府仍在走“重经济，轻环境”的老路；另一方面，总体上看，中国大部分省份尚未达到“倒U”曲线的拐点，随经济增长环境污染将不断加重[32]。(2)第二产业占GDP的比重与大气污染治理效率呈显著负相关。工业企业是大气污染物的主要来源，随着第二产业比重增加，排污强度加大，将耗费大量的设备和人力物力治污，污染治理效率自然下降。(3)外商投资企业投资额与大气污染治理效率呈显著正相关，但系数较小。该结果与“污染避难所”假说相反，尽管影响程度较小，但外商直接投资对治理污染的影响大体上是正向的。(4)R&D研发经费支出与大气污染治理效率呈显著负相关。环境研发投入的负效应表明，现阶段我国环境技术无法适应治理要求，科研经费投入仍未起到有效的抑制作用，需进一步加大教育及科技的投入。

(五)稳健性检验

首先运用传统DEA模型测算我国2005-2014年省际大气污染治理效率，接着运用加权最小二乘法考察我国环境政策工具对大气污染治理效率的影响。加权最小二乘法的回归结果如表7。

表7 加权最小二乘法结果

注：*、**和***分别表示在10%、5%和1%的显著性水平下显著。数据依据四舍五入保留至小数点后四位。

通过双边检验，所有参数都在5%甚至1%的置信水平下显著，且解释变量系数的正负方向与原模型一致，R-squared模型拟合优度为27.2%。该结果表明本文的实证研究结果是可靠的。

六、政策建议

本文构建“大气污染防治政策工具选择”的理论框架进行实证分析得到上述结果，现提出以下几点建议：①自愿型环境政策工具依赖管制压力才能发挥效力，因此还需保持管制型环境政策工具的主导地位，强化环境规制机构的管制权威，加大对大气污染治理的管制压力。②充分发挥市场型环境政策工具外生加价的作用，在不影响企业竞争力的情况下，政府应严格制定市场型环境政策标准，提高企业排污成本以约束排污行为，激励企业采纳环境友好型生产技术。③顺应世界环境管制潮流，提升自愿型环境政策工具在环境政策矩阵中的地位，鼓励公众参与大气污染防治活动，树立环保意识，与此同时将监督职能从政府分散给社会公民和大众媒体，结合媒体对大气污染防治成效的大力宣传，以及对排污企业行为的深层揭露，建立公民个人与大众媒体对政府和企业履行大气污染防治职能的监督反馈体系。④改革和完善当前基层地方政府的环境问责机制，推动当地基层地方政府环境信息公开，促进环境部门的规范化、透明化管理，落实当地政府的大气污染治理职责。⑤提升环境保护和生态建设在晋升考核中的比重，或建立“绿色GDP”考核制度，将环境绩效及其相关要素添加到考察范围，以平衡单一的“GDP锦标赛”竞争模式，建立更全面、绿色的多元竞争机制。而大气环境作为绿色发展重要指标，更应在地方考核体系中占据关键地位。

此外，为改进环境质量，各地应积极进行产业转型，不应盲目发展第二产业以单纯地追求GDP增长。加快产业结构升级，实现生产结构向更清洁行业或部门转移。同时，尽管外资对大气污染治理的总效应为正向，但系数较小，所以应严格执法，避免外资产生负面环境效应。

[1]冯贵霞．大气污染防治政策变迁与解释框架构建——基于政策网络的视角[J]．中国行政管理，2014(9)：16-20．

[2]蓝庆新，陈超凡．制度软化、公众认同对大气污染治理效率的影响[J]．中国人口·资源与环境，2015，25(9)：145-152．

[3]王 奇，李明全．基于DEA方法的我国大气污染治理效率评价[J]．中国环境科学，2012，32(5)：942-946．

[4]经济合作与发展组织．环境管理中的经济手段[M]．张世秋，李彬．北京：中国环境科学出版社，1996：8-9．

[5]K·哈密尔顿等．里约后五年：环境政策的创新[M]．张庆丰，张世秋，严琛译．北京：中国环境科学出版社，1998：10-11,22-31．

[6]张坤民，温宗国，彭立颖．当代中国的环境政策：形成、特点与评价[J]．中国人口·资源与环境，2007，17(2)：1-7．

[7]赵新峰，袁宗威．区域大气污染治理中的政策工具：我国的实践历程与优化选择[J]．中国行政管理，2016(7)：107-114．

[8]陈 傲．中国区域生态效率评价及影响因素实证分析——以2000-2006年省际数据为例[J]．中国管理科学，2008(s1)：566-570．

[9]XUE Wen Bo, WANG Jin Nan, NIU Hao, et al. Assessment of air quality improvement effect under the National Total Emission Control Program during the Twelfth National Five-Year Plan in China [J]. Journal of Changsha University of Science & Technology, 2013, 68(2): 74-81.

[10]曾 冰，郑建锋，邱志萍．环境政策工具对改善环境质量的作用研究——基于2001-2012年中国省际面板数据的分析[J]．上海经济研究，2016(5)：39-46．

[11]郑石明．基于文献计量的环境政策研究动态追踪[J]．中山大学学报(社会科学版)，2016，56(2)：154-162．

[12]WANG Chun Mei, LIN Zhao Lan. Environmental policies in China over the past 10 years: progress, problems and prospects [J]. Procedia Environmental Sciences, 2010, 2: 1701-1712.

[13]雷 平，高青山．区域环境规制强度影响因素研究：基于规制俘获的视角[J]．中国科技论坛，2017(5)：107-113．

[14]林 梅．环境政策实施机制研究——一个制度分析框架[J]．社会学研究，2003(1)：102-110．

[15]ANDERSEN P, PETERSEN N C. A procedure for ranking efficient units in data envelopment analysis [J]. Management Science, 1993, 39(10): 1261-1264.

[16]於 方．中国环境经济核算技术指南[M]．北京：中国环境科学出版社，2009：30．

[17]保罗·R·伯特尼，罗伯特·N·史蒂文斯．环境保护的公共政策[M]．穆贤清，方志伟译．上海：上海人民出版社，2004：55．

[18]余 伟，陈 强，陈 华．不同环境政策工具对技术创新的影响分析——基于2004-2011年我国省级面板数据的实证研究[J]．管理评论，2016，28(1)：53-61．

[19]THATHONG K, LEOPENWONG S. The development of environmental education activities for Forest resources conservation for the youth [J]. Procedia-Social and Behavioral Sciences, 2014, 116: 2266-2269.

[20]LANGPAP C, SHIMSHACK J P. Private citizen suits and public enforcement: Substitutes or complements? [J]. Journal of Environmental Economics and Management, 2010, 59(3): 235-249.

[21]KATHURIA V. Informal regulation of pollution in a developing country: Evidence from India [J]. Ecological Economics, 2007, 63(2): 403-417.

[22]GROSSMAN G, KRUEGER A. Economic environment and the economic growth [J]. Quarterly Journal of Economics, 1995, 110(2): 353-377.

[23]KIRKULAK B, QIU Bin, YIN Wei. The impact of FDI on air quality: Evidence from China [J]. Journal of Chinese Economic and Foreign Trade Studies, 2011, 4(2): 81-98.

[24]BECK N, KATZ J N. What to do (and not to do) with time-series cross-section data [J]. American political science review, 1995, 89(3): 634-647.

[25]ZHENG Shi Ming, YI Hong Tao, LI Hui. The impacts of provincial energy and environmental policies on air pollution control in China [J]. Renewable and Sustainable Energy Reviews, 2015, 49: 386-394.

[26]BROUHLE K, GRIFFITHS C, WOLVERTON A. Evaluating the role of EPA policy levers: An examination of a voluntary program and regulatory threat in the metal-finishing industry [J]. Journal of Environmental Economics and Management, 2009, 57(2): 166-181.

[27]李永友，沈坤荣．我国污染控制政策的减排效果——基于省际工业污染数据的实证分析[J]．管理世界，2008(7)：7-17．

[28]WANG Hua, WHEELER D. Financial incentives and endogenous enforcement in China's pollution levy system [J]. Journal of Environmental Economics and Management, 2005, 49(1): 174-196.

[29]郑石明，雷 翔，易洪涛．排污费征收政策执行力影响因素的实证分析——基于政策执行综合模型视角[J]．公共行政评论，2015(1)：29-52．

[30]ARIMURA T H, HIBIKI A, KATAYAMA H. Is a voluntary approach an effective environmental policy instrument? A case for environmental management systems [J]. Journal of Environmental Economics and Management, 2008, 55(3): 281-295.

[31]王惠娜．自愿性环境政策工具在中国情境下能否有效?[J]．中国人口·资源与环境，2010，20(9)：89-94．

[32]符 淼．我国环境库兹涅茨曲线：形态、拐点和影响因素[J]．数量经济技术经济研究，2008(11)：40-55．

(本文责编：辛城)

AirPollutionAbatementEfficiencyandSelectionofEnvironmentalPolicyTools:EmpiricalEvidenceof29ProvincesorMunicipalities

ZHENG Shi-ming1, LUO Kai-fang2

(1.SchoolofPublicAdministration,SouthChinaUniversityofTechnology,Guangzhou510641,China;2.SchoolofPublicAdministration,CentralSouthUniversity,Changsha410083,China)

D035.5

A

1002-9753(2017)09-0184-09

2016-11-08

2017-07-21

国家自然科学基金面上项目“绿色创新政策对环境治理绩效的影响：机制、路径及其效应”(71673308)；教育部重大攻关项目“我国社会治理体系构建及其运行机制研究”(16JZD026)以及湖南省社科基金项目“地方政府环境政策对城市空气质量的影响研究”(15YBA387)。

郑石明(1967-)，男，湖南永州人，华南理工大学公共管理学院教授，博士；研究方向：环境政策，创新政策，治理创新。