环境规制政策对京津冀地区煤炭消费量的影响

张倩倩，丁日佳

(中国矿业大学(北京) 管理学院，北京 100083)

为解决我国严重的大气污染问题，改善大气环境质量，满足人民日益增长的优美生态环境需要，2013年9月10日国务院发布了《大气污染防治行动计划》，其中重点对改善京津冀地区的大气质量做出安排，2013年9月20日，更加细致的《京津冀及周边地区落实大气污染防治行动计划实施细则》出台，以切实加快京津冀及周边地区大气污染综合治理。由于根据《中国“十三五”煤炭消费总量控制规划研究报告》，燃煤的一次性PM2.5贡献率为 63%，二次性PM2.5贡献率约为56%，因此，以改善大气环境质量为目标的环境规制政策必然倒逼煤炭消费量下降。截至当前，环境规制政策的实施已5年有余，其是否促使京津冀地区煤炭消费量下降、下降了多少，应成为重点关注的问题，这有利于了解政策的实施效果，为后续政策的制定和调整提供依据。

关于政策影响效应的研究方法，目前应用最广泛的就是双重差分法，其原理是将处理组在政策前后的差异减去对照组在政策前后的差异，作为政策的影响效应。不少学者运用该方法进行了研究，如，Gebel Michael和 Vossemer Jonas基于双重差分法研究了就业转型政策对德国人口健康状况的影响[1]，Boogen Nina等基于该方法研究了瑞士需求侧管理活动对居民用电需求的影响[2]，Souvik Datta和Massimo Filippini基于该方法研究了美国各州的退税政策对能源之星家用电器销售份额的影响[3]，张俊运用该方法研究了《可再生能源法》对清洁技术发电的企业技术效率的影响[4]，黄志平运用该方法研究了碳排放权交易制度对碳减排的影响[5]。但是使用双重差分法时，找到与处理组高度相似的对照组难度较大，对未受政策影响组的选择易存在偏误，容易导致政策效应被高估[6]，而合成控制法很好地解决了对照组难以选择的问题。该方法由Abadie和Gardeazabal提出，最早用于研究恐怖活动对西班牙巴斯克地区的经济影响[7]，在Abadie等基于合成控制法研究美国加利福尼亚州控烟政策的影响时，该方法被正式提出，其用不受控烟政策影响的地区线性拟合出虚拟的加州，用真实加州和虚拟加州人均烟草消费量的差来反映控烟政策的效果[8]。国内对合成控制法的应用还十分有限，以“合成控制法”为关键词在知网检索，相关期刊文献仅74篇，已有关于该方法的应用研究，多集中于房地产政策影响效应[9]、自贸区设立的经济影响效应[10-12]、区域规划与地区开发效应[13，14]，目前还没有应用该方法对京津冀地区环境规制政策的影响效应进行的研究。

因此，本文将运用合成控制法这一较新的政策效应评估方法，对2013年9月开始实施的《大气污染防治行动计划》这一环境规制政策对京津冀地区煤炭消费量的影响进行研究，并且构建双重差分模型探究政策对煤炭消费量影响的作用机制。

1 研究方法与数据来源

1.1 研究方法

本文基于Abadie 和Gardeazabal[7]提出的合成控制法进行研究，其基本思想是，将受政策影响地区作为处理组，通过将其他未受政策影响的地区进行加权平均，构造出在政策实施前与处理组主要特征尽可能相似的合成控制组，将其作为受政策影响地区的“反事实”替身，通过计算政策实施后处理组与其合成控制组的差异，反映政策的影响。

式(1)中，δt为影响所有地区煤炭消费量的时间固定效应；Zi为不受政策影响的可观测预测变量；μi为不可观测的地区固定效应；εit为扰动项；θt为未知参数向量；λt为不可观测的共同因子向量。

设(K×1)维权重向量W=(w2，…，wk+1)’，满足wk≥0且w2+…+wk+1=1，则可将合成控制的结果变量加权表示为：

因此，政策效应的估计需要通过求解权重向量W*。本文运用stata软件中的synth程序包进行计算。

1.2 数据来源与研究说明

为研究环境规制政策对京津冀地区煤炭消费量的影响，选取煤炭消费量为代理变量，选取第二产业比重、人均GDP以及政策实施前各年份的煤炭消费量作为预测控制变量。由于合成控制法只能对单个对象进行合成，而为了研究政策对京津冀地区的整体影响效应，需要将北京、天津、河北三个对象合并成一个新的对象。本文采取了将目标区域进行混合平均的研究方法，将京津冀地区的各变量值取算术平均值代表区域的整体情况。将京津冀地区整体作为受政策影响组(处理组)，将我国大陆的其他省份作为对照组，寻找其他省份最优的线性拟合得到合成京津冀。环境规制政策的正式实施以2013年9月《大气污染防治行动计划》的颁布为标志，本文通过计算2014—2016年实际京津冀的年均煤炭消费量与合成京津冀的年均煤炭消费量之差，得到环境规制政策的影响效果。

研究所用数据为2005—2016年，数据来自各年份的《中国统计年鉴》《中国能源统计年鉴》以及各省份的统计年鉴。由于西藏地区缺乏相关统计数据，故在研究时将西藏删除。此外，由于《大气污染防治行动计划》也对长三角和珠三角地区提出了约束要求，本文在研究中删去了上海、江苏、浙江、安徽、广东五个省份的数据，以消除其他受政策影响地区的干扰。

2 实证结果

2.1 合成控制法估计结果

以京津冀地区为处理组，以全国大陆省(区、市)除去西藏、长三角和珠三角地区以外的剩余22个省级行政区为对照组，首先用简单的对照法观察环境规制政策对京津冀地区煤炭消费量变化的影响，如图1所示。

图1 京津冀与我国大陆其他省(区、市)的平均煤炭消费量对比

图1中，实线是京津冀地区的煤炭消费量均值，虚线为其余22个省级行政区的煤炭消费量均值，垂直虚线表示环境规制政策开始实施的年份，即2014年。由图1可知，自2005年以来，京津冀地区的年均煤炭消费量均小于其他地区，但2014年以前，这一差距尚不十分显著，从2014年开始，差距越来越大。图1将处理组和对照组在环境规制政策实施前后的变化进行对比，直观地展示了政策对京津冀煤炭消费量变化的影响。但由于2014年以前其他地区煤炭消费量均值高于京津冀地区，控制组的简单算术平均作为一个特殊情形的合成控制组不能很好地拟合政策实施前京津冀地区的煤炭消费情况，故在政策实施后二者的差距也并不能反映政策实施对于处理组的影响。因此，需要用合成控制法拟合出一个与京津冀地区有相似特征的控制组后，再将合成的京津冀地区与真实京津冀地区的差值作为政策效果。

本文运用Synth程序包进行了合成控制法模型估计，得到了对照组中我国大陆省(区、市)对应的权重，结果见表1，合成京津冀地区的省份有7个。

表1 合成京津冀的大陆省(区、市)及其权重

京津冀与合成京津冀的煤炭消费量对比如图2(a)所示，图中实线为实际京津冀的煤炭消费量，虚线为合成京津冀的煤炭消费量。由图可知，在环境规制政策实施之前，合成京津冀与实际京津冀几乎重合，反映出合成京津冀能够很好地拟合政策发生前实际京津冀的煤炭消费变化路径。在2013—2014年间，二者开始出现偏离，这主要是因为环境规制政策是在2013年9月份发布的，本文为了更好的衡量政策效果，将2014年作为事件开始年度，但实际上从2013年9月开始政策效果已经逐步显现。自2014年起，二者的差距逐渐扩大，这反映出，相对于没有受政策影响的京津冀而言，环境规制政策的实施促使京津冀地区煤炭消费量出现了显著下降。

图2 京津冀与合成京津冀的煤炭消费量及差值

为了更清晰地展现环境规制政策产生的影响，本文将京津冀与合成京津冀煤炭消费量的差值进行计算，结果如图2(b)所示。2013年之前二者的差值很小并且围绕0上下波动，在政策实施后，差值急剧增大，具体而言，2014—2016年实际京津冀地区的年均煤炭消费量分别为12133万t、11549万t、11061万t，合成京津冀的年均煤炭消费量分别为12868万t、12350万t、12074万t，环境规制政策促使2014—2016年实际京津冀的年均煤炭消费量分别下降了735万t、801万t、1013万t，这意味着，促使2014—2016年实际京津冀地区总体的煤炭消费量分别下降了2205万t、2403万t、3039万t。

2.2 稳健性检验

为了验证实证分析结果中煤炭消费量的变化确实是由于环境规制政策的影响而非其他因素导致的，本文将通过Abadie等[8]提出的安慰剂检验法验证前文结果的稳健性。具体做法是，将处理组的22个我国大陆省(区、市)分别假设为受政策影响组，运用合成控制法分别合成这些地区的对照组，得到各地区与其合成地区煤炭消费量的差值，如果发现某省级行政区的煤炭消费量与其合成省级行政区煤炭消费量的差值大于京津冀地区，则不能说明京津冀煤炭消费量下降是由环境规制政策导致的；反之，如果所有假设地区的差值均小于京津冀地区，则反映出环境规制政策对京津冀煤炭消费量影响效应的稳健性。

本文运用合成控制法，对其余的22个我国大陆省(区、市)逐一进行了估计。由于政策发生前较大的估计误差会导致合成地区对实际地区的近似程度很差，造成政策发生后的差异不能很好地反映政策效果。因此，本文删除了政策发生前MSPE大于京津冀地区两倍的省份后，共剩余13个省(区、市)，这些地区的政策效应如图3所示。

图3 安慰剂检验结果

图3中，粗线条代表环境规制政策对京津冀地区煤炭消费量变化的影响，细线条代表环境规制政策对其他省(区、市)煤炭消费量变化的影响。由图可知，政策发生后，代表京津冀地区煤炭消费量变化的线条位于最下方，该线条的下降幅度大于任何其他线条，反映出京津冀地区煤炭消费量下降且降幅最大，只有1/13即7.69%的概率出现实际京津冀与合成京津冀煤炭消费量的相同变动趋势，说明政策效应在7.69%的显著性水平上显著。

此外，为进一步验证实证结果的稳健性，将京津冀与2014年前MSPE小于京津冀地区MSPE两倍省级行政区在政策发生前后MSPE的比值分布情况进行计算，结果如图4所示。因为2014年以前MSPE值越小表示合成京津冀对实际京津冀的拟合程度越高，而2014年后MSPE值越大，表示政策的影响效果越显著，所以，对于京津冀地区而言，政策发生后的MSPE值与政策发生前MSPE值之比越大，表明政策效应越显著。由图4可知，京津冀地区政策发生前后MSPE的比值为45.49，大于其他所有省(市、区)，表明环境规制政策确实是促使京津冀地区煤炭消费量出现显著下降的原因，验证了前文实证结果的稳健性。

图4 政策发生后MSPE/政策发生前MSPE的分布

2.3 作用机制分析

环境规制政策的实施，可能倒逼产业结构优化升级，第二产业比例下降会促使煤炭消费量减少；也可能倒逼用能企业加强科技投入、引入清洁用能设备等，提高科技水平，从而提高能源效率，减少煤炭消费量。为进一步探究环境规制政策促使京津冀地区煤炭消费量减少的作用机制，本文构建了双重差分模型见式(6)。

yit=β0+β1·du+β2·dt+γ·du×dt+εit

(6)

式中，du为地区哑变量，du=1代表受环境规制政策影响的地区，即处理组。du=0代表不受影响地区，即对照组；dt为时间哑变量，dt=1代表环境规制政策实施之后的年份，dt=0代表实施之前的年份；ε为随机扰动项。交互项dudt的系数衡量了环境规制政策的实施所产生的影响。

为研究环境规制政策对煤炭消费量产生影响的作用机制，将产业结构、科技水平、能源效率分别作为被解释变量，研究其在环境规制政策实施后的变化。其中，产业结构用第二产业的比例表示，科技水平用各地区R&D经费投入占GDP的比例表示，能源效率用单位GDP能耗量表示，估计结果见表2。

根据表2可知，环境规制政策的实施促使北京市能源效率提高了22.24%，促使天津市第二产业比例下降了4.11%、科技水平提高了0.39%、能源效率提高了16.49%，促使河北省科技水平提高了0.18%。环境规制通过倒逼产业结构优化升级、提高科技水平和能源效率三种机制促使京津冀地区煤炭消费量下降。

表2 环境规制对煤炭消费量影响的作用机制

注：***、**、*分别表示在1%、5%、10%的显著性水平下显著；括号内数值为估计系数值的标准误差。

3 结论与建议

本文运用合成控制法定量评估了《大气污染防治行动计划》的实施对京津冀地区煤炭消费量的影响。得到了该政策显著降低了京津冀地区的煤炭消费量，与未实施政策相比，政策的实施促使2014—2016年京津冀地区的煤炭消费量分别下降了2205万t、2403万t、3039万t，三年间共计下降了7647万t。并且对结论的稳健性进行了检验，证明了政策效应在7.69%的显著性水平上显著。进一步的作用机制分析发现，环境规制政策通过倒逼产业结构优化升级、提高科技水平和能源效率三种机制促使京津冀地区煤炭消费量下降。

基于上述研究结论，提出如下建议：①短期内，可继续充分发挥命令控制型政策工具在减少煤炭消费量中的重要作用，通过相关政策的制定和实施，运用政府强制力促使企业降低煤炭消费量；②长期来看，要深入研究市场型手段，可运用基于庇古理论的利用市场型(如征税、费、补贴等)和基于科斯理论的创建市场型(构建用能权交易市场)的经济激励手段，将外部性问题内部化，促进市场主体自发地减少煤炭消费量、改善环境质量。