基于DID模型的我国“煤改气”政策对天然气消费的影响

李宏勋， 马里成

（中国石油大学（华东）经济管理学院，山东青岛 266580）

“煤改气”是指用天然气替代煤炭以减少二氧化硫和烟尘排放，改善空气质量. 在我国能源结构改革和大气污染治理过程中，扮演着举足轻重的角色. 政府相关政策文件要求到2021年北方地区清洁取暖率要达到70%，替代散煤燃烧1.5亿t. 从“十二五”期间我国政府陆续发布相关的“煤改气”政策以来，北方多个地区相继采取了煤改措施，但有些地区在政策实施过程中出现了与预期效果不一致的现象，这从侧面暴露出我国“煤改气”政策和能源产业中存在的问题：“煤改气”政策究竟会取得什么样的效果，会给我国能源消费带来什么样的影响？一方面，随着“十三五”期间对环保要求进一步严格，我国“煤改气”政策实施力度进一步加大，这在一定程度上促进了天然气消费的增长和能源消费结构的合理化；另一方面，我国天然气储量有限、价格偏高、资源分布不均匀和对外依存度过高等不利因素，给我国天然气供应带来了挑战，“煤改气”政策的实施面临困境.

一般认为“煤改气”政策会促进天然气的消费，但由于天然气在推广时面临的诸多问题和挑战，两者到底是一种怎样的关系，需要进一步探讨. 双重差分法允许控制组和反事实参照组之间存在一定的固有差异，它可以通过差分的方法来剔除这种差异，然后得到政策实施的净效应，从而可以达到政策评估的目的.

有鉴于此，本文运用双重差分（DID）模型对“煤改气”的政策影响进行评估，选取2005—2018年国内30个省市的面板数据，分析实施“煤改气”政策对天然气消费量的影响.

1 文献回顾

1.1 关于“煤改气”政策的研究

“煤改气”政策的研究是一个热点问题，研究方面较为广泛.“煤改气”政策对空气质量的影响方面，Zhao 等［1］研究“煤改气”政策对北京周边大气污染的影响，发现该政策使2018年采暖期北京东南部地区氮氧化物显著增加，PM2.5有所减少；李少林等［2］研究“煤改气”和“煤改电”政策对绿色发展的影响，发现政策对减少工业烟、粉尘排放量的影响显著；Tanaka 等［3］发现“煤改气”政策与未来50～100年的气候稳定目标是一致的.“煤改气”政策对天然气供应的影响方面，Wang等［4］以农村个人用户和企业用户的数据为基础，并结合“煤改气”的特点，提出了预测冬季用气量的新方法.“煤改气”政策经济性和补贴方面，周淑慧［5］在对北方农村地区清洁取暖方式的研究中发现，燃气壁挂炉替代燃煤取暖是较为经济的选择；Xu等［6］对华北地区“煤改气”政策的可持续性和有效性进行评价，提出了相应的政策建议；Chen等［7］评估了“煤改气”和“煤改电”政策对京津和其他26个城市的建筑能源需求和排放的影响，提出了完善替代能源和社会补贴的政策建议. 通过以上这些对“煤改气”政策相关文献的研究可以发现，国内外关于“煤改气”的研究主要集中在大气环境和经济补贴两个方面，考虑其对能源消费影响的研究相对较少.

1.2 关于天然气消费影响因素的研究

影响天然气消费的因素很多，而且因素间的相互关系比较复杂. 大量研究表明，天然气的消费量与经济增长、人口数量、经济结构等因素有关. 卢全莹等［8］对天然气消费需求分析及预测的研究认为，人口和城镇化率是天然气消费的主要推动因素，GDP是天然气消费的主要限制因素；李宏勋等［9］认为，GDP、产业结构、能源消费结构、能源消耗强度的短期波动对天然气消费量的短期波动均有影响；徐国政［10］通过对我国天然气消费影响因素的研究发现，经济增长是影响我国天然气消费增长的主要因素；宋杰鲲等［11］基于Shapley值分解的基本模型，发现基础设施效应和人均财富效应分别是各地区天然气消费增加的第一、第二位驱动因素；柴建等［12］运用贝叶斯平均法构建了一个包含常用的6个影响天然气消费的因素基准模型，包括GDP、产业结构等因素；邹绍辉等［13］认为，人均生活用气量、天然气消耗占比、经济增长和人口城镇化率为影响天然气消耗的4个重要因素；穆献忠等［14］基于系统动力学模型研究发现，经济发展在促进天然气需求量增长中起主导作用；李君臣等［15］认为，GDP与总人口数量是影响我国天然气消费的重要因素.

1.3 关于双重差分法在政策影响中应用的研究

双重差分法由于其独特的优势，被广泛应用于政策研究. 任亚运等［16］采用双重差分法对碳交易政策的协同减排效应及作用机制进行实证检验，发现碳交易政策促进了试点地区的整体绿色发展；何靖［17］通过双重差分倾向得分匹配（PSM-DID）分析了商业银行稳健薪酬监管指引的政策冲击，发现延付高管薪酬增强了其通过贷款损失准备进行盈余管理的动机；王朋吾等［18］使用双重差分法检验国企混合所有制改革对东北地区国有企业活力的影响，发现混合所有制改革能显著提高东北地区上市国有企业的发展活力；郑新业等［19］发现，“省直管县”政策提高了被直管县的经济增长率1.3个百分点；刘晔等［20］采用PSM-DID的方法研究了国企混合所有制改革，发现改革后全要素生产率显著提高；李成等［21］通过双重差分模型检验了“营改增”改革的政策效应，发现改革显著提高了试点地区企业的固定资产投资.

综上所述，天然气消费量的影响因素主要有经济发展水平、人口数量、产业结构、城镇化水平和基础设施建设. 虽然国内外对于“煤改气”政策研究的方面很多，但是评估“煤改气”政策实施效果、考虑其对天然气消费影响的文献较少，因此对“煤改气”政策对天然气消费的影响进行研究，可以为我国能源替代政策和天然气政策完善提供政策建议和决策依据.

2 研究设计

2.1 变量说明

被解释变量为天然气消费量、解释变量为“煤改气”政策的实施，在参考前人研究并保证模型简洁性的基础上选取经济发展水平、人口数量、产业结构、城镇化水平和基础设施建设5个影响天然气消费的因素作为控制变量.

1）地区经济发展水平（GDP）用地区生产总值表示. 经济发展水平对天然气需求量有一定影响，不同地区的经济发展水平不一，所以将经济发展水平作为控制变量.

2）人口数量（Per），即年末的户籍人口数量，用年末地区总人口表示. 不同地区人口数量有很大差别，天然气主要作为生活用气，其消费量与人口数量密切相关，所以将人口数量作为控制变量.

3）产业结构（Ins）用第二产业占比表示.“煤改气”政策实施之后，许多工业企业从使用煤炭转变为天然气，所以产业结构对天然气消费量也会有影响.

4）城镇化水平（Ur）用城镇人口/总人口表示. 新型城镇化对高效清洁天然气的需求不断增长，根据刘晓瑞等［22］的研究城镇化对人均生活能源消费存在影响，所以将城镇化水平作为控制变量.

5）基础设施建设（Pel）用地区天然气管道长度表示，指从气源厂压缩机出口或门站出口至各类用户之间投入使用的管道长度. 管道输气是最方便经济的一种方式，基础设施建设也会影响天然气消费量.

2.2 样本选取与数据来源

选取2005—2018年全国30个省市的面板数据，经过对数化处理后使用. 考虑到2005年以后天然气的使用开始普及，因此起始年份设为2005年，由于部分年鉴最新年份为2018年（即2017年的数据），故2018年的部分数据通过皮书数据库（https：//www.pishu.com.cn/）和石油商报（https：//center.cnpc.com.cn/）搜集得到.相关原始数据来源：地区天然气消费量来自2006年至2018年《中国能源统计年鉴》，地区生产总值GDP、年末地区总人口、第二产业占比、城镇人口比例、地区天然气管道长度来自2006年至2019年《中国统计年鉴》.

2.3 模型设定

“煤改气”政策的实施可视为一种准自然实验，双重差分法的思路主要是设置或者构造一个政策实施的实验组和一个未实施的对照组，通过控制其他影响因素，然后将实验组的一个具体指标在政策实施前后的平均改变量与对照组该指标在政策实施前后的平均改变量的差距视为该项政策实施的实际效果.

通过查阅相关政策文件，并参考李少林等［2］的研究，发现我国“煤改气”政策于2011年在北京、天津、河北、山西、山东等12个省市逐步实施，因此将这12个省市作为“煤改气”政策的实验组，其余18个省市作为对照组. 基于此，建立基本模型如下：

式中：CGit为天然气消费量；α0为常数项；α1为时间虚拟变量的系数；α2为地区虚拟变量的系数；α3为交乘项系数；i为地区；t为时间；postt为时间虚拟变量，postt=1表示t 时期实施了“煤改气”政策，postt=0表示t时期没有实施“煤改气”政策；treati为地区虚拟变量，treati=1表示地区i实施了“煤改气”政策，treati=0表示地区i未实施“煤改气”政策；为了检验“煤改气”政策影响，设立交互项treati×postt，以衡量“煤改气”政策对天然气消费量的影响；λi、δt分别为个体固定效应和时间固定效应；εit为扰动项. 主要关注的是交乘项系数α3，其代表“煤改气”政策对天然气消费的影响程度.

基本模型（1）可以有效解决样本选择偏差问题，但是存在遗漏变量的可能，在参考卢全莹［8］、李宏勋［9］等研究的基础上，将地区经济发展水平、人口数量、产业结构、城镇化水平等5个控制变量引入，得到模型（2）：

式中：Xit代表一组控制变量；其他变量的含义同模型（1），主要变量的统计见表1.

表1 主要变量的描述性统计表Tab.1 Descriptive statistics of the main variables

3 回归结果及分析

3.1 共同趋势假设检验

运用DID模型的前提是必须满足共同趋势假设，即如果不存在“煤改气”政策，实验组和对照组的被解释变量应具有同样的变动趋势. 如图1，通过观察实验组和对照组的消费量均值逐年变化情况的折线图，在政策实施前（2005—2010年）实验组和对照组的平均消费量大致平行，初步判断符合共同趋势假设，但是需要更科学严格的检验.

图1 天然气消费量趋势对比Fig.1 Comparison of natural gas consumption trends

对政策的动态效应进行检验，可以准确验证是否满足共同趋势假设. 由图2可以看出，2011年之前政策未实施年份的交互项系数置信区间与0轴相交，说明2007—2010年政策效应为0，比较符合实际情况. 2011年政策在一些地区开始初步实施，取得的效果不明显，2012年政策效果开始提升，但在实施过程中可能遇到一系列问题，如上游气源供应及用气价格问题，遭遇瓶颈，2013年效果下降. 之后，政府对环保要求进一步提高，加速推进“煤改气”进程，政策效果逐渐明显，天然气消费量有了较大幅度提升.

3.2 “煤改气”政策实施效果的DID模型回归分析

为便于横向比较各变量系数的大小，直观地分析各变量对因变量的弹性大小，对非虚拟变量进行了对数化处理. 表2是运用Stata16.0进行回归的结果，其中，模型（1）是不含控制变量的基础模型，模型（2）是增加了控制变量后的模型，模型（3）是在控制个体效应的基础上控制时间效应的模型.

由表2可以看出，在增加控制变量及固定效应的过程中，调整R2也在不断变大，这表明模型的估计结果比较稳健. 由表2 模型（3）可知，从核心解释变量交互项来看，“煤改气”政策对天然气消费量的回归系数为0.486，且回归系数在5%水平上显著为正，这表明“煤改气”政策显著刺激了实施地区的天然气消费量增长. 还可以看到，控制变量中产业结构对天然气消费量的回归系数为1.975，在1%水平上显著，表明在“煤改气”政策实施后许多工业企业的燃煤锅炉转变为燃气锅炉，由此第二产业占比高的地区天然气消费量增长更快. 基础设施建设系数为0.222，在10%水平显著，表明基础设施建设促进了天然气消费量增长. 由表2还发现，在加入时间固定效应之后，地区经济发展水平对天然气消费出现了不显著的负向影响，表明同一个时期经济发展水平会对天然气消费产生正向影响，同一个地区的不同时期经济发展水平与天然气消费之间是负向关系，说明了“煤改气”政策会对经济增长带来一定的负面影响.

图2 “煤改气”政策对天然气消费的动态效应Fig.2 Dynamic effect of“coal to gas”policy on natural gas consumption

表2 “煤改气”政策对天然气消费量的影响—双重差分法Tab.2 Influence of“coal to gas”policy on natural gas consumption by using difference-in-differences method

4 稳健性检验

政策实施地区和政策未实施地区出现的天然气消费的差异可能是由于其他不可观测的、不随时间变化的因素产生的，而双重差分倾向得分匹配法（PSM-DID）可以消除这种偏差，更改窗口期的检验则可以考虑到政策的时效性问题. 为进一步检验回归结果的可靠性，避免结论的局限性，分别采用这两种检验方法.

4.1 PSM-DID稳健性检验

PSM-DID是首先通过倾向得分匹配，找到与处理组具有尽可能相似的参照组，进而通过双重差分得到政策影响的平均处理效应，这样使得结果更加可靠［23］. 双重差分倾向得分匹配法步骤为首先根据处理变量与协变量估计倾向得分；然后对于处理组的每位个体i，确定与其匹配的全部控制组个体，对于处理组的每位个体i，计算其结果变量的前后变化；然后对于处理组的每位个体i，计算与其匹配的全部控制组的前后变化；最后根据公式进行倾向得分核匹配或局部线性回归匹配.

本文的具体思路为采用Logit模型，以treat为因变量，以经济发展水平、人口数量、城镇化水平和基础设施建设作为相应的匹配变量，值得注意的是只有产业结构这个变量匹配前P值较大，不显著，且试验组较对照组P值变化不明显，因此在建模的时候可以考虑把这个变量排除，然后采用卡尺最近邻匹配法进行样本匹配. 为保证样本的“干净”，首先以“煤改气”政策实施前年份的数据作为处理对象，将政策实施地区与未实施地区的数据进行倾向得分匹配，删除未匹配上数据，而后与政策实施后年份数据进行纵向匹配，并删除匹配数据中未出现的地区，各控制变量的倾向得分匹配结果如表3所示.

表3 倾向得分匹配结果Tab.3 Propensity score matching results

用于匹配变量的标准化差异百分比的绝对值在匹配后都在10%以内，表明在完成匹配后，两组样本的各个方面特征已经非常接近，满足倾向得分匹配的平衡性基本假设，通过平衡性检验，最后对匹配完成后的数据再进行回归见表4. 由回归结果可知，核心解释变量交互项系数在5%水平显著，与上述主回归保持一致，证明回归结果稳健，“煤改气”政策总体上取得了较好的实施效果.

4.2 更改窗口期稳健性检验

考虑到政策前后的时效性，该部分将样本设为更为均衡的2008—2014年区间再次进行稳健性回归，回归结果见表5. 由表5可知，核心解释变量交互项系数全部在5%及10%水平显著，与前文主回归保持一致，再次证明回归结果的稳健性，即我国“煤改气”政策的实施对天然气消费量具有显著正向作用.

表4 PSM-DID回归结果Tab.4 PSM-DID regression results

表5 更改窗口期稳健性检验Tab.5 Robustnes tests of change window period

5 研究结论与政策建议

5.1 研究结论

根据双重差分法的实施思路建立评估模型，同时分别运用PSM-DID和更改窗口期的方法进行稳健性检验，从回归结果和稳健性检验的结果中发现：

1）“煤改气”政策的实施对我国天然气消费产生显著正向影响，这从侧面反映了政策的实施总体上取得了较好的效果. 但在动态效应检验中2013年出现交互项系数的置信区间与0轴相交现象和更改窗口期后出现政策效果的显著性水平略有下降的现象，均反映了在政策实施过程中遇到的一些问题和阻碍，如气价高和气源不稳定等，使得政策实施效果出现波动.

2）产业结构也对天然气消费产生正向影响.“煤改气”政策使得传统工业因环保要求由燃煤转变为燃气，工业用气大幅增加，由于燃气比燃煤生产成本更高，生产成本增加的压力给第二产业的发展带来挑战，但给第三产业的发展创造了良好条件；输气管道及燃气管道的铺设等基础设施建设的发展会促进天然气消费，“煤改气”政策的实施促进了基础设施的建设和发展，截至2019年，我国天然气管道总里程约8.5万km［24］，促进了天然气的消费.

3）除以上两点之外，研究还发现在加入时间固定效应之后，地区经济发展水平对天然气消费出现了负向影响，说明政府为保障“煤改气”政策的顺利实施付出了一定的经济代价，体现了国家推广清洁能源和治理空气污染的决心. 该现象也反映出东部和中西部天然气消费的差异，东部地区天然气使用率较高，而“煤改气”政策在中西部地区会有更大的发展空间.

5.2 政策建议

针对分析得到的结论并结合我国天然气供应、基础设施等实际情况，提出以下3个方面的建议：

1）继续完善“煤改气”政策，提高天然气供应的稳定性. 针对分析研究中发现的实施过程中效果出现波动的现象，及时总结“煤改气”政策的经验教训，发现其中存在的问题. 通过逐步扩大天然气进口国家的范围，加强国际合作，实现贸易方式多样化. 同时要加快非常规天然气的研究和勘探进程，拓展气源种类，从而逐步解决天然气气源问题. 还有一方面要加强价格监管工作，整治不合理收费现象，另一方面要继续推进天然气价格改革，完善定价体系，促进天然气价格市场化，不断提高天然气供应的稳定性.

2）完善相应配套基础设施和补贴政策，促进产业结构调整. 在发展经济和深化改革的过程中，“煤改气”政策在一定程度上促进了产业结构的调整. 为扩大产业结构的变化对天然气消费的正向影响，要继续完善相应的配套基础设施，如天然气管网和储气库等. 进入后“煤改气”时代，要关注农村地区基础设施的运营维护和更新保障工作，考虑到农村地区房屋分散且保暖性差，壁挂炉取暖达不到满意的效果，应逐渐推进集体供暖，提高取暖效率. 在推进燃煤向燃气转变的过程中遇到的改革成本较高和企业效益受损等问题，应制定合适的补贴和鼓励政策，加大对“煤改气”的融资支持，有效降低取暖成本，促进管网等基础设施的发展，从而巩固和深化“煤改气”政策实施效果.

3）综合考虑“煤改气”政策的实施效果，促进能源结构的合理化.“煤改气”政策虽然短期内会给经济发展带来一定的负面影响，但相比其所产生的环境生态价值，这样的付出是可接受的. 为避免政策对经济发展产生严重的影响，一方面要合理把控“煤改气”的实施力度，不同的地区要综合考虑技术安全性、资源条件、环境效益以及政策支持力度等因素，实行差异化的“煤改气”政策，另一方面要不断开发新技术，提高天然气利用效率；东西部地区天然气消费的差异反映了我国资源分布不均匀的现状，为降低其带来的负面影响，更好地推广清洁能源，要充分把握“西气东输”工程带来的良好机遇，抓住国家油气管网公司成立的良好契机，不断促进我国东西部能源消费结构的合理化.