机动车限行政策能否有效改善西安市的空气质量？

袁晓玲，李 浩，杨万平

(西安交通大学 经济与金融学院，陕西 西安 710061)

一、引 言

机动车尾气排放一直被视作城市空气污染的重要来源之一[1]。机动车限行政策出台的初衷，一是为了减少道路堵塞，缓解城市道路交通压力；二是为了减少机动车尾气排放所形成的污染源，改善城市空气质量。1994年，上海市率先实施机动车限行限号政策，开创了机动车限行政策之先河。2007年8月17日至20日，北京市在“好运北京”综合测试赛期间实行了“单双号”限行政策。继上海、北京之后，广州、贵阳等城市也先后实行了机动车限行政策。然而，机动车限行政策的实施，是否达到了改善空气质量的效果备受学术界及社会公众的质疑。支持此项政策的学者，多以北京市机动车限行政策的实施，取得了改善空气质量的良好效果作为佐证[2]。持反对观点的学者则质疑北京市官方所提供大气污染数据的质量与真实性。理由是北京奥运会期间除机动车限行政策外，还有其他配套治污政策出台，包括停止施工、工厂停产、暂停夜市等政策[3]。近年来，对实施机动车限行政策能否有效改善空气质量的讨论始终没有停止。

西安市作为历史文化名城，是中国古代丝绸之路的起点。从国家“丝绸之路经济带”建设目标的确立，到2015年西安获批“全国全面创新改革试验区”、“国家自主创新示范区”及2017年“(陕西)西安自由贸易试验区”的揭牌，“三区”叠加的政策红利及西安具有的承东启西、贯通南北的区位优势，为这座千年古城实现伟大复兴开启了新的发展机遇。近年来，西安正以创新驱动与经济转型发展，深度融入到“一带一路”倡议之中。建设大西安，带动大关中，引领大西北，积极打造“一带一路”上的创新之都与区域经济的桥头堡。然而，长期以来，西安依靠粗放扩张的经济增长模式，使得能源消耗节节攀升，机动车数量大幅度增加，环境污染问题日益尖锐。如2016年西安市全年空气污染天数高达173天。尤其是每逢进入冬季供暖之际，西安市的空气质量指数屡屡严重超标，有关“雾霾袭城”的媒体报道屡见不鲜。雾霾的肆虐给西安经济增长中的生态环境敲响了警钟。这与“创新、协调、绿色、开放、共享”发展理念相违背，严重阻碍了“大西安”成为国际化大都市的进程。因此，要使西安发展得好、发展得快，既要准确把握西安发展战略定位与顶层设计，又要直面西安发展中急需解决的大气污染等问题。为降低西安市机动车污染物排放，改善区域内空气质量，2016年西安市政府在全市行政辖区内出台了“重污染天气机动车尾号限行管理办法”。然而，经过一段时期的机动车限行，西安市的空气质量并没有达到预期的改善效果。

本文暂不考虑西安市机动车限行政策缓解城市交通拥堵的相关问题，也不讨论西安市机动车限行政策出台的民主性及合法性等问题，仅就西安市机动车限行政策实施后，机动车尾气的排放对西安市空气质量指数的影响进行实证分析。本文利用西安市2016年机动车限行期间的历史空气质量相关数据，以及气象、季节和三大主要污染物排放行业月度产出增加值的相关历史数据，应用描述性统计法、单差法、断点回归法与双重差分法等分析方法，研究西安市机动车限行政策实施期间的AQI以及PM2.5、PM10、SO2、CO、NO2、O3等单项污染物浓度指数的实际变化情况，以验证西安市机动车限行政策的实施，对减少机动车尾气排放，进而对改善西安市空气质量的时效性及有效性等问题。

二、数据来源、模型选取与描述性统计分析

(一)变量选择

空气质量指数(Air Quality Index，简称AQI)是对空气质量优劣的一种度量指标。因为大气污染的影响因素十分复杂，为了排除机动车限行期间其他一些重要因素对西安市空气质量的影响，我们首先选取了西安市2016年11月4日首次限行至2017年2月16日最后一次限行这一时间段以及前后一周时间内的空气质量数据，包括空气质量指数(AQI)及其合成空气质量污染物浓度指数数据，包括了细颗粒物(PM2.5)、可吸入颗粒(PM10)、二氧化硫(SO2)、一氧化碳(CO)、二氧化氮(NO2)及臭氧(O3)。上述数据来源于“中国空气质量在线检测分析平台”提供的西安地区历史日度数据。其次，由于雨雪天气、气温、风力等也是影响空气质量的重要因素[4]，因此，本文还考虑西安市每日的气象数据影响，并把限行政策执行期间的每日气象数据作为控制变量纳入回归分析中，包括每日的最高温度(TEMP_H)、最低温度(TEMP_L)、是否下雨(RAIN)、是否下雪(SNOW)、风力等级(WIND)等，以考察控制气象因素后机动车限行政策的实施对西安市空气质量的实际影响。上述天气历史数据来源于“2345天气网”。再次，由于西安市机动车限行政策实施的时间窗口是秋冬两季，正是西安市空气雾霾天气多发期。因为雾霾天气具有明显的季节性特征[2]，本文依据气象学对季节的划分方法，将季节也作为控制变量纳入回归方程中，这样能够更准确地考察机动车限行政策实施后，机动车尾气排放对西安市空气质量的真实影响。最后，根据环保部对我国九大空气污染重点防治城市(包括西安市)污染源所进行的解析，空气污染源主要包括：机动车尾气排放、燃烧的烟尘、工业粉尘、建筑粉尘、地面扬尘以及其他污染物发生化学反应后产生的二次污染物[5]。为了排除上述除机动车尾气外其他污染源对西安市机动车限行政策实施效果的干扰，本文将上述其他空气污染源用三大高污染源行业(非金属矿物业、黑色金属业、电力热力业)月度产出增加值数据作为其他污染源的替代变量也纳入回归方程中[3]。此外，考虑到中国居民存在明显的数字偏好问题，尾号为4与7的机动车尾号明显会少于6与9的机动车尾号。经过学者漆威以及Sun等人的研究结果显示，数字偏好并未产生显著的限行效应，机动车限行效果并不会因车牌尾号数字偏好产生影响[6-7]。因此，本文不考虑车牌尾号数字偏好对机动车限行政策效果的影响，仅仅将汽车增加值月度数据纳入回归方程中，以控制新增车辆尾气排放对空气污染的影响。

(二)模型选择

基于上文分析，在借鉴现有研究成果的基础上，构建如下模型：

Yit=β0+β1WHt+β2DSt+β3Wt+β4Pt+εt

(1)

在式(1)中，Yit代表被解释变量，i分别代表AQI、PM2.5、PM10、SO2、CO、NO2、O3等数据，t代表相应日期。用哑变量WHt来表示执行机动车尾号限行，如果在t日西安市采取尾号限行，即依照尾号数字0-9进行两两组合，分为五组，每次限行一组尾号，此时WHt取值为1，其他情况取值为0。用DSt表示执行单双号限行，即依据尾号数字单双号形式，根据当天日期单双号进行限行，若采取单双号限行，此时DSt取值为1，其他情况取值为0。此外，考虑到其他主要污染源对机动车限行政策有效性的影响，我们还选取了天气等系列控制变量。其中，天气因素W，包括最高气温(TEMP_H)、最低气温(TEMP_L)、是否下雨(RAIN)、是否下雪(SNOW)、风力等级(WIND)、所属季节(SEASON)等。用P表示三大主要污染物排放行业月度产出增加值的对数值以及汽车增加值月度数据，εt为随机扰动项，表示未能观测因素的综合影响。表1给出各主要变量的详细数据。

表1 主要变量的描述性统计

注：小数点后保留三位有效数字，样本量130。

(三)描述性统计

为了研究西安市机动车限行政策对改善空气质量的整体效果，本文首先进行描述性统计分析。表2分别给出了在“无限行”、“尾号限行”及“单双号限行”三种不同形式下的空气质量对比数据。表3给出了限行政策执行前、中、后三个时间段的空气对比数据。

表2显示，机动车限行政策实施后空气质量指数(AQI)及各项污染(PM2.5、PM10、SO2、CO、NO2)均明显高于没有实施限行政策期间的空气质量指标。单双号限行期间的各项指标(AQI、PM2.5、PM10、SO2、CO、NO2)也明显高于尾号限行期间的空气质量指标。

表2 “不同形式的限行政策”与“无限行政策”日期空气质量描述性统计

表3 “限行”政策实施前后空气质量描述性统计

表3显示，机动车限行政策实施期间空气质量的各项主要指标也均显著高于限性政策实施前后的各项数据。如果仅从数据上看，限行政策实施期间空气污染情况要更严重一些。在图1至图3中，本文分别给出2016年至2017年执行机动车限行政策期间的空气质量AQI变化趋势图(图1)、大气主要污染物PM2.5、PM10、CO污染物变化趋势图(图2)、大气主要污染SO2、NO2、O3污染物变化趋势图(图3)。

图1 空气质量AQI变化趋势图

图2 大气污染物PM2.5、PM10、CO污染物变化趋势图

图3 大气污染物SO2、NO2、O3污染物变化趋势图

在上述图1、2、3中，天气情况与限行情况在图中仅是便于观察，图中位置数值没有实际意义。

在空气质量AQI变化趋势图1中，我们发现机动车限行期间大部分空气质量指数值继续保持上升趋势。以2016年11月6日至2016年11月11日为期一周的“尾号限行”为例，限行后每日AQI值分别变动了16%、70%、79.4%、-13.6%，只有11月11日这一天的AQI值有所减少。12日没有执行机动车限行政策后，AQI值依然降低了28.6%。如果从西安市第一次连续三天(12月19日至21日)执行机动车单双号限行情况看，AQI值分别变动20.7%、7.75%、-55.3%。事实上，20日AQI值的大幅降低是由当天降雨所引起的。再以西安市无雨雪天气时间段(2017年1月3日至5日)的机动车“单双号限行”为例，此期间AQI值分别变动20.2%、15.9%、14.7%。从数据图上分析，雨雪天气的影响对西安市空气质量的改善作用更大一些。事实上，在西安市仅有的几次降雨历史天气中，AQI值分别变动了-68.9%、-75.6%、-55.3%、-37%、-55.9%、-25.7%。难免印证了网络上“空气治理靠风吹，雾霾消散靠雨水”的调侃语言。可见，雨雪天气对消除空气污染的效果比机动车限行政策效果更加明显。从图2与图3中还发现，PM2.5、PM10、SO2、CO、NO2、O3变化大致趋势与AQI变化趋势基本类似。因此，仅仅从描述性统计分析的结果可以初步得出结论：西安市机动车限行政策的实施并没有取得改善西安市空气质量的效果。

三、实证分析

前文采用描述性统计分析方法，从机动车限行、非限行及不同类型的机动车限行政策实施的实际效果看，西安市机动车限行政策的实施并没有带来空气质量的改善。下面我们继续用更为严谨的科学分析方法，进一步探讨机动车限行政策的实施，对改善空气质量是否有效，若有效其时效性有多强，并进行稳健性检验。

(一)单差法——限行政策的时效性分析

考虑到大气中主要污染物的消散需要一定的时间，机动车限行政策的效果不会立竿见影，以及天气、季节等气象因素会对不同污染物的影响效应存在一定的差异。为此，本文在控制其他影响因素后，对机动车限行政策实施当日及前一日的相关数据进行逐步回归分析，回归结果如表4、表5。

表4 限行政策对空气质量指数的影响

注：括号内数值为回归系数的异方差稳健标准误。*、**、***分别表示10%、5%、1%的显著性水平，下同。

在回归结果表4中，本文分别利用当日限行及前一日限行的相关空气质量数据作为被解释变量，对机动车限行效果的时间趋势进行研究。模型AQI(1)与AQI(4)主要研究西安市机动车限行政策的实施与西安市空气质量指数之间的直接关系；模型AQI(2)与AQI(5)将天气、季节因素纳入回归模型中，以控制天气、季节因素对回归结果的影响；在模型AQI(3)与AQI(6)中，在既考虑天气、季节因素的前提下，将三大污染行业月度产出值纳入回归方程中，以验证其他主要空气污染源对空气质量指数回归结果的影响。

研究发现，当执行尾号限行时，在当日限行数据与前一日限行数据回归分析中，尾号限行回归系数均显著为正；当执行单双号限行时，当日限行数据依然显著为正，在单双号限行政策经过一日后，回归结果符号依然为正，但是不再显著。表明机动车限行政策实施后，机动车尾气的排放并没有显著改善西安市的空气质量。在控制三大污染行业控制变量之后，从表4的回归结果可以发现，在尾号限行模型与单双号限行模型中，其回归系数都相应减小。且在前一日单双号限行中，机动车限行单双号限行政策与AQI指数的回归系数不再显著。这表明在控制天气、季节以及其他主要污染源污染物排放后，西安市的机动车限行政策经过一日的实施后，虽不能有效降低空气污染，但是可以相对减缓大气污染的增加速度。

为进一步研究机动车限行政策实施后，机动车尾气排放对空气污染物指数浓度的影响，下面我们以各项污染物浓度数据作为被解释变量进行回归分析，回归结果见表5。

表5 单项污染物浓度回归结果

注：表中同时控制了天气与季节效应，括号内数值为回归系数的异方差稳健标准误。

从表5回归结果可以看出，在当日单双号限行期间，除臭氧(O3)的系数为负值，SO2的浓度没有显著变化外，其余AQI及其合成的污染物浓度指数均显著为正。表明构成AQI的单项污染物浓度指数并没有因为机动车限行政策的实施而出现显著的下降趋势。在前一日单双号限行期间，除CO浓度显著上升外，其余污染物浓度数据在1%的显著性水平下也不再显著。通过将三大污染行业月度产出值对数进行回归分析后发现，三大污染行业月度产出值系数都显著为正，表明三大污染行业对西安市空气的污染程度加深有显著影响。

如果在样本数据中剔除包含雨雪天气的限行数据后，分别计算限行期间与不限行期间的空气质量指数(AQI)的变化情况。可以发现，限行期间每日AQI的增长均值为16.55%，不限行期间每日AQI增长均值为45.35%。这表明，西安市机动车限行政策在一定程度上降低了空气质量指数上涨的速度。结合前文描述性统计分析与表4、表5的回归结果，对上述情况的一个客观且现实的解释是：

第一，《西安市重污染天气应急预案》实施的前提是，“西安市空气污染情况已经相当严重”。也就是说，西安市的限行政策是在空气污染已经很严重的情况下才开始实施的。事实上，空气污染是多方面因素共同作用的结果，引起空气污染的原因非常复杂。根据中科院地球科学研究所对西安市空气污染源的解析，西安市机动车尾气污染占整个污染源的比例为17%[8]。机动车尾气污染只是西安市整个污染源的一部分，况且空气污染物的消散需要一个过程。因此，短期的机动车限行政策，尤其是在西安市空气污染已经十分严重的情况下，机动车限行政策很难起到明显改善空气质量的效果。

第二，空气污染物排放强度与速度远远超过空气自净化能力与自净化速度。据相关专家测算，当采取单双号机动车限行时，最大理论限行量为50%；当采取尾号限行时，最大限行量仅为20%[6]。西安市限行办法规定：公共汽车、学校校车、单位班车、执行任务的特殊车辆(消防车、救护车、军警车辆、工程车辆等)不属于限行机动车范围。在2016年11月至次年2月期间，西安市新购机动车辆月均值为4.44万辆。因此，在西安市机动车限行期间，机动车限行量远达不到理论限行值。只要有机动车上路行驶，就一定会对空气产生污染。再加上其他污染源的污染物排放，那么空气污染物的排放速度一定超过空气自净速度。这样就不难理解，为什么机动车限行政策实施后，西安市的空气污染指数依然保持上升态势。

第三，减煤工作不实，燃煤锅炉与劣质煤炭的大量使用。由于历史原因，关中地区重化工行业占比一直较大。不少企业无脱硫设备或设备落后，烧结机长期违规运行，超标排放严重。以2015年为例，陕西省火电装机规模、煤化工产能、水泥熟料产能分别较2013年增加约13.0%、17.7%和8.4%，火电装机规模两年增加13.0%。2015年陕西省规模以上工业300万吨减煤任务仅完成11万吨。渭河发电、大唐渭河热电、陕西华电瑶池等3家企业2014年减煤25.67万吨，但实际增加燃煤18.73万吨。这不仅进一步加剧西安区域的大气污染，也为今后产业结构调整带来沉重负担。在表5中，当我们控制三大行业污染物排放后，单双号限行的回归结果显示，SO2、NO2以及O3的浓度回归系数不再显著，其他污染物的回归系数也均有不同程度的下降。这说明西安市大气污染有很大一部分来自于三大污染行业的污染物排放。这也是为什么采取机动车限行政策后，西安市的大气污染仍然没有得到有效改善的重要原因之一。

第四，餐饮、扬尘及“废土、废渣、渣石”等污染源的影响。西安市现拥有10多家驻军单位，几十所大专院校，众多的行政机关及企事业单位。这些单位的集体食堂以及不少餐饮用户仍然使用原煤等高污染燃料。2016年卫星遥感监测数据显示，秦岭区域内有270多处矿山开采点，其中60%以上存在违规、违法问题。这些开采点形成的扬尘、细小颗粒及“废土、废渣、渣石”等也是西安市空气污染的重要污染源。此外，西安市城乡接合部存在大量冶金、塑料、建材等小企业，这些中小企业的污染物排放也十分严重。

第五，特殊的地理位置及气象条件。西安市介于北纬33°43'～34°44'，东经107°40'～109°49'之间，南面有秦岭阻隔，北面面对黄土高原，西面开阔平坦，东南狭窄，整体地貌成“口袋型”，极易遭受西北方向空气污染物入侵，而且全年1/3时间为静风天气，不利于大气扩散，空气自净能力不足。所以，每当西安市治污减霾工作刚取得一定成效，西安区域内的空气污染物浓度有所降低时，外来污染物又随西北风乘虚而入，在“口袋底部”西安市聚集，导致西安市空气污染再次反弹，这从另一个侧面可以解释为什么西安市空气污染严重与难治理的原因。

考虑到无法了解执行机动车限行政策的同时，西安市是否还有其他减污治霾政策的实施，可能导致上述回归结果会出现偏差等问题，进而可能影响回归结果的准确性。此外，由于西安市是2016年首次执行机动车限行政策，样本数量较少也可能导致模型回归结果出现一定偏差。为此，下面使用断点回归的方法进行分析。

(二)断点回归法——限行政策的内生性分析

断点回归法(RD)的基本思想就是将某一项自变量作为一个突然变化的影响因素(机动车限行政策即符合条件)，进而采取相应的方法把自变量与其它一些变量的影响区别开来，然后对这一自变量的影响加以识别[3]。采用RD方法，可以有效避免单差法中与时间趋势有关的被忽略变量带来的内生性问题，可以较好地解决遗漏变量问题[9]。在机动车限行政策实施效应的评估中，假如我们能够观测到空气质量在机动车限行政策实施时间前后产生突变，而其他一些影响因素没有发生巨大改变，则有理由认为西安市空气质量的突变是由机动车限行政策实施后带来的效果。如果没有观测到空气质量发生突变，则可认为机动车限行政策对改善空气质量是无效的，至少可以说明西安市的机动车限行政策的实施对改善空气质量效果不明显。

由于西安市出现大面积持续重度空气污染天气一般是进入11月份以后，为了控制雾霾天气随天气、季节的变化而产生变化，我们把机动车限行政策实施前10天的天气、季节以及三大污染产业等数据纳入回归式进行考查。结合现有研究文献以及断点回归的思想[3，9]，我们在回归中加入时间趋势1次项、2次项及3次项，以进一步控制空气污染随季节变化而出现的渐进变化[10]。由于加入不同次方的时间趋势项后经计算对回归结果影响不大，本文统一采用时间趋势的3次项进行回归，计算结果如表6所示。

表6 限行政策对空气质量的影响(RD回归)

注：括号内数值为回归系数的异方差稳健标准误。

通过表6可以发现，除了臭氧(O3)外，其它空气污染物指数(AQI、PM2.5、PM10、SO2、CO、NO2)并没有因西安市机动车限行政策的实施而有所改善。进一步验证了西安市限行政策的实施并没有达到改善空气质量的效果，也印证了前文中应用单差法实证得到的结论。下面我们再使用双重差分方法对限行城市与非限行城市进行比较分析。

(三)双重差分法——限行政策的比较性分析

双重差分法(DID)是通过选取情况类似的城市，设置为对照组，同时考查限行期间与非限行期间，限行城市与非限行城市间之间的差异[11]。应用双重差分法进行分析的前提是，必须找到除控制变量以外其他因素都极为相似的城市。由于西安市每年的气候、机动车、行业等相关因素都在变化，即使选取2015年西安市的空气质量指数数据作为参照组，也不能完全排除限行政策以外的差异问题。另外，每个城市都有自身独有的特点，由于西安市2016年是第一次采取机动车限行政策，所以本文很难找到完全类似的城市进行对比分析。

为进行比较分析，本文选取了西安市2016年限行时间段内的空气质量数据作为样本组，选取2015年10月至2016年2月与西安市实施机动车限行政策(2016年至2017年)同一时间段内的空气质量数据作为对照组，通过双重差分法验证西安市实施机动车限行政策实施前后的空气质量指数变化情况。

表7 限行政策对空气质量的影响(DID回归)

注：括号内数值为回归系数的异方差稳健标准误。

从DID回归结果中依然可以看出，除臭氧(O3)的回归系数为负值外，其他空气质量指数(AQI)以及其余空气污染物(PM2.5、PM10、SO2、CO、NO2)的浓度并没有因机动车限行政策的实施而出现下降趋势，这与前文单差法与断点回归方法研究所得结论相一致。

需要说明的是，此处选取的双重差分法仅仅是对前文研究结果的进一步验证。为了确保上述实证分析使用的AQI数据的真实性及可靠性，本文需要对国家环境保护部数据中心公布的西安市AQI数据进行稳健性分析。

(四)稳健性分析

本文通过计算可以发现，国家环保部公布的AQI数据同中国环境质量检测平台公布的AQI数据之间的相关系数为0.98。表明中国空气质量在线检测分析平台与国家环境保护部发布的数据具有较高的相关性。下面我们选取国家环保部公布的每日AQI数据以及中国环境质量检测平台公布的日AQI数据最高值与最低值进行稳健性分析，回归结果见表8。

表8 被解释变量AQI的稳健性

注：括号内数值为回归系数的异方差稳健标准误。其中AQI_HBB表示环保护公布的AQI数据，AQI_H与AQI_L分别表示日AQI数据的最高值与最低值。前后15天数据是指限行政策正式开始前15天以及彻底结束限行后15天数据，目的是利用不同观察窗口数据对结果稳健性进行检验。

表8结果显示，无论是利用国家环保部公布的AQI数据，还是利用中国空气质量在线检测分析平台公布的AQI数据的最大值与最小值，或者是利用限行政策前后15天的样本数据进行回归分析，回归结果均显示，机动车限行政策并没有显著地降低西安市空气污染指数。这说明本文前文分析所使用的AQI数据具有一定的可靠性。

此外，我们通过对西安市机动车限行政策实施前后空气质量指数进行简单计算后发现，实施机动车限行政策后，西安市机动车限行政策实施期间的空气质量指数的日均增加值比不实施机动车限行期间的空气质量指数低28.8%。这说明机动车限行政策的实施，在一定程度上可以减缓空气污染指数的增加速度，进一步验证了前文单差法给出的研究结论。由此说明西安市实施机动车限行政策的实施对防控空气污染仅仅起到了一定的减缓作用。

四、结 语

习近平总书记在党的十九大报告中指出：“坚持全民共治、源头防治，持续实施大气污染防治行动，打赢蓝天保卫战”。前文应用多种分析方法表明，在控制天气、季节以及三大污染产业影响因素后，无论是采取何种类型的机动车限行政策，均没有达到显著改善西安市的空气质量的效果。西安市机动车限行政策的实施，尽管空气质量指数及单项污染物浓度依然保持上升态势，但相对于不采取机动车限行政策而言，机动车限行政策的实施还是相对减缓了西安市空气污染加重的速度。因此，要解决西安市机动车尾气排放及大气污染问题，西安市及周边地区要区域联动，摸清西安市的空气污染源，通过经济手段及法律约束等综合手段，调整地区能源消费结构，引导低附加值、高耗能、高污染的企业进行产业升级或转移，使区域内的能源结构向更加节能化、清洁化方向发展。即使实施机动车限行政策，也不能等到西安市空气污染指数“爆表”的情况下才临时组织实施，需制定科学、合理、综合的空气污染治理政策。另外，强化环境问责制度建设，使“党政同责”理念在实践中得到贯彻执行，这对于改善西安市的环境质量十分重要[12]。

参考文献：

[1] 吴小强，李鹏.城市交通对大气质量的影响和对策[J].城市问题，1999(3).

[2] 石庆玲，郭峰，陈诗一.雾霾治理中的“政治性蓝天”——来自中国地方“两会”的证据[J].中国工业经济，2016(5).

[3] 曹静，王鑫，钟笑寒.限行政策是否改善了北京市的空气质量?[J].经济学(季刊)，2014，13(2).

[4] Wang W，Primbs T，Tao S，et al.Atmospheric Particulate Matter Pollution during the 2008 Beijing Olympics[C]// AGU Spring Meeting.AGU Spring Meeting Abstracts，2009.

[5] 佚名.九大重点城市大气污染源解析结果出炉[J].城市问题，2015(4).

[6] 漆威，黄恒君，王思文.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[J].统计与信息论坛，2015，30(9).

[7] Sun C，Zheng S，Wang R.Restricting Driving for Better Traffic and Clearer Skies：Did It Work in Beijing?[J].Transport Policy，2014，32(1).

[8] 张婷，曹军骥，吴枫，等.西安市春夏季气体及PM2.5中水溶性组分的污染特征[J].中国科学院大学学报，2007，24(5).

[9] 梁若冰，席鹏辉.轨道交通对空气污染的异质性影响——基于RDID方法的经验研究[J].中国工业经济，2016(3).

[10] Davis L W.The Effect of Driving Restrictions on Air Quality in Mexico City[J].Journal of Political Economy，2008，116(1).

[11] 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.

[12] 任恒.我国环境问责制度建设中的“党政同责”理念探析[J].北京工业大学学报：社会科学版，2018(2).