“蓝天保卫战”空气污染治理效应评估
2022-10-18蔡兴
蔡兴
(湖南师范大学商学院,湖南长沙,410081)
一、引言及文献综述
改革开放以来,中国经济取得了举世瞩目的成就。2020年,中国国民总收入达到100.55 亿元,人均国内生产总值达到71 828 元,接近世界高收入经济体水平①。然而,随着经济发展水平的不断提高,人们对美好生活的需要日益增长,因而也越发关注环境污染等影响生活质量的现实问题。空气污染问题尤其受到社会各界的广泛关注。已有研究表明,空气污染可能在一定程度上不利于居民的身心健康[1-4],也可能降低人们的认知能力[5]。不仅如此,空气污染还会增加经济社会成本[6],不利于中国经济的高质量发展[7]。
近年来,中央政府越来越重视环境污染治理工作,将污染防治列为全面建成小康社会的三大攻坚战之一,并制定和实施了一系列环境管制政策。学者们运用双重差分、断点回归等准自然实验方法对中国空气污染治理政策的有效性进行了广泛的研究和评估。部分研究验证了中国空气污染治理政策的有效性。Chen 和Cheng[8]运用双重差分方法评估了“两控区”政策的有效性,研究结果表明,“两控区”政策的实施显著减少了区域内工业企业的生产活动,降低了空气污染程度。罗知和李浩然[9]采用双重差分方法对“大气十条”政策效应进行了评估,研究结果显示,“大气十条”政策的实施有助于缓解北方地区冬季燃煤供暖所导致的空气污染。宋弘等[10]使用双重差分方法评估了中国“低碳城市”建设的空气污染治理效应,研究结果表明,“低碳城市”建设通过减少工业排污和产业结构升级等途径显著降低了试点城市的空气污染程度。Song等[11]运用断点回归方法进行的实证研究表明,大气污染联防联控政策的实施进一步改善了区域内空气质量。Zhang 等[12]利用双重差分方法研究了2003年中国大气污染防治重点城市划定政策的效果,研究结果表明,该政策实施后重点城市的空气质量得到更大幅度的改善。邓辉等[13]运用断点回归方法评估了中央环保督察制度的大气污染治理效果,研究发现,中央环保督察制度在短期和长期内均显著改善了城市空气质量。李倩等[14]利用双重差分方法以及2014年“长三角区域大气污染防治协作机制”这一准自然实验,检验了大气污染治理协作机制的效果,检验结果表明,该政策的实施使得长三角地区(尤其在省际边界地区)空气质量明显改善。徐盈之等[15]实证研究了环境保护税对雾霾污染治理的影响,研究结果表明,当环境保护税指数较高时,环境保护税能有效抑制雾霾污染。
与上述研究不同,另一些研究发现中国空气污染管制政策未显著改善空气质量,甚至降低了空气质量。曹静等[16]运用断点回归方法研究了北京奥运会后采取的限行政策对空气质量的影响,研究结果表明,限行政策的实施并未显著改善空气质量。石庆玲等[17]运用双重差分方法研究了“两会”期间更严格环境管制政策对空气质量的影响,研究发现,“两会”期间,PM2.5、PM10、SO2等高关注度污染指标显著改善,而NO2和O3等指标则没有显著改善。而且,空气质量改善也具有暂时性,“两会”过后空气质量会出现“报复性”恶化现象。Wang 等[18]利用双重差分方法评估了2012年修订后的《环境空气质量标准》对空气质量的影响,研究结果表明,新版《环境空气质量标准》的实施并未显著改善试点城市的空气质量。余长林和高宏建[19]认为,中国环境管制虽然减少了企业官方经济活动,但增加了更具隐蔽性的隐形经济活动,从而削弱环境管制政策的有效性,不利于环境质量改善。
综上所述,已有相关研究较为丰富,但仍存在有待进一步补充完善之处:一是缺少对《打赢蓝天保卫战三年行动计划》(以下简称“蓝天保卫战”)政策效果进行评估的相关研究。2018年6月,国务院颁布《打赢蓝天保卫战三年行动计划》,这是中国近年来最重要的大气污染治理政策之一。虽然“蓝天保卫战”已颁布4年,但鲜有研究对其政策效果进行评估。二是关于中国空气污染治理政策的有效性问题,已有研究对此仍存在较大争议,因此需要以新近环境治理政策为研究对象,获取更加丰富的经验证据。三是已有研究较少从成本-收益的角度全面评估政策效果,少量已有研究从直接资金支出方面衡量政策成本,从医疗支出减少的角度衡量政策收益[10],可能低估政策成本和政策收益。
基于此,本文可能存在的边际贡献在于:第一,本文是较早使用完全覆盖政策时段(2015 至2020年)数据考察“蓝天保卫战”政策效应的研究。第二,本文为中国空气污染治理政策有效性的争议提供新的经验证据。“蓝天保卫战”将所有城市划分为重点区域和非重点区域,并在重点区域实施更严格的环境管制。这一准自然实验为中国环境管制与空气质量之间因果关系的识别提供了条件。我们以重点区域为处理组,非重点区域为对照组,检验更严格的环境法规是否能够更有效地改善空气质量。结果显示,重点区域城市更严格的环境管制政策产生了更好的空气污染治理效果。第三,本文从新视角来衡量环境管制政策成本和政策收益,从而完善了环境政策合理性的评估框架。具体而言,我们以政策实施导致的经济增长率下降来衡量政策成本,并运用双重差分方法对政策成本进行估算;以空气质量改善引致的医疗支出下降和居民幸福感提升来衡量政策收益,并利用中国家庭追踪调查数据(CFPS)进行估算。评估结果表明,政策收益远大于政策成本,由此可见,“蓝天保卫战”重点区域实施更严格管制政策具有较强的合理性。
二、政策背景
为落实党的十九大的重大决策部署,更好地满足人民日益增长的美好生活需要,促进经济高质量发展和美丽中国建设,国务院于2018年6月27日颁布了《打赢蓝天保卫战三年行动计划》。“蓝天保卫战”提出的具体目标是:“经过3年努力,大幅减少主要大气污染物排放总量,协同减少温室气体排放,进一步明显降低细颗粒物(PM2.5)浓度,明显减少重污染天数,明显改善环境空气质量,明显增强人民的蓝天幸福感。到2020年,二氧化硫、氮氧化物排放总量分别比2015年下降15%以上;未达标地级及以上城市PM2.5 浓度比2015年下降18%以上,地级及以上城市空气质量优良天数比率达到80%,重度及以上污染天数比率比2015年下降25%以上。”②
为实现上述目标,“蓝天保卫战”包含了全面而细致的管制措施,主要管制措施可归纳为“四个调整”:一是调整产业结构。加快重污染企业搬迁改造或关闭退出,严格控制高污染、高能耗行业(即“两高”行业)产能,综合整治“散乱污”企业,推进工业污染源全面达标排放,升级重点行业污染治理,对开发区、工业园区、高新区等实行循环改造,大力发展节能环保产业、清洁生产产业、清洁能源产业。二是调整能源结构。推进北方地区清洁取暖,开展燃煤锅炉综合整治,降低煤炭消费总量,提高能源利用效率,发展清洁能源和新能源。三是调整运输结构。大幅提升铁路货运比例,大力发展多式联运,推广使用新能源汽车,推进老旧车船的更新升级,加快油品质量升级,强化移动源污染防治。四是调整用地结构。提高城市建成区绿化覆盖率,推进露天矿山综合治理,加强扬尘综合治理,严控秸秆燃烧和农业源氨排放。
为聚焦重点、精准施策,京津冀及周边地区、长三角地区、汾渭平原等区域被划定为“蓝天保卫战”的重点区域③,对这些区域实施更为严格的管制政策与措施,主要体现在以下几方面:调整产业结构方面,重点区域在“两高”行业产能控制、落后产能和过剩产能压减、重点行业污染治理等方面实施更严苛的管制;调整能源结构方面,重点区域继续实施煤炭消费总量控制措施,同时,在散煤治理、燃煤锅炉整治等方面实施更严格管控;调整运输结构方面,对重点区域的铁路运输比例提升、新能源汽车使用,以及车船升级和油品升级等方面提出更严格的要求;调整用地结构方面,重点区域实施更严格的露天矿山综合整治措施、扬尘综合治理措施,建立秸秆禁烧网格化监管制度并开展专项巡查。
由上述政策介绍可以看出,“蓝天保卫战”主要通过“四个调整”来改善空气质量,而重点区域实施更为严格的“四个调整”政策,能实现较非重点区域更好的空气污染治理效果。
三、数据说明与计量模型设定
(一)数据说明
为考察“蓝天保卫战”重点区域更严格管制措施是否更有效地改善空气质量,我们收集了中国城市空气质量数据、气象数据和经济社会数据等。
我们首先收集了中国293 个地级市2015年至2020年空气质量的日度数据,该数据来自中国生态环境部。2013年前,中国生态环境部公布重点城市的空气污染指数,即API 指数,空气污染物仅包括PM10、NO2、SO2。自2013年开始,中国生态环境部开始公布重点城市的空气质量指数,即AQI 指数,新增PM2.5、CO、O3三项空气污染物。2015年,中国生态环境部开始公布全国所有城市的AQI 指数。在综合考虑数据统计口径、样本城市数量以及“蓝天保卫战”政策覆盖时间后,我们将研究的样本区间设定为2015至2020年。由于“蓝天保卫战”多数管制政策为中长期政策,政策效果可能在政策实施一段时期后才能体现出来,因此,我们将空气质量日度数据转换为年度数据,即计算空气质量日度数据的年度均值,最终得到全国293 个地级市2015至2020年的年度空气质量数据。为了全面反映城市空气质量状况,我们借鉴宋弘等[10]的方法,计算了多维度空气质量衡量指标即AQI、PM2.5、PM10 的年度均值和最大值,以及一年内AQI、PM2.5 超过100 的天数的比例和PM10 超过150的天数的比例。
为控制气象因素对空气质量的影响,我们收集了中国地级市日度气象数据,包括日最高气温、日最低气温、天气情况、风向、风力等,该数据来源于中国研究数据服务平台(Chinese Research Data Services Platform,CNRDS)。同样,我们将日度气象数据处理成年度气象数据,具体处理方法如下:(1)气温数据——求各城市各年日最高气温和日最低气温的年度均值,从而得到最高气温年均值和最低气温年均值;(2)天气数据——计算雨雪天气、雾霾天气天数占全年天数的比例;(3)风向数据——计算各城市各年刮不同类型风向天数占全年天数的比例④;(4)风力数据——先计算日平均风力,然后根据中国气象局制定的风力等级对照表,将日平均风力换算为日平均风速⑤,最后计算得到各城市各年风速的年度均值。
相关研究表明,经济社会因素也对中国空气污染产生了重要的影响[20-21]。为了控制这些因素的影响,我们收集了中国地级市经济社会方面的年度数据。该数据来自2015 至2019年的《中国城市统计年鉴》。表1 展示了上述所有数据的描述性统计结果。
表1 描述性统计结果
(二)计量模型设定
已有研究主要采用断点回归和双重差分两种准自然实验方法评估环境管制政策的效果。时间断点回归方法将环境管制政策实施时点作为断点(阈值),在控制其他连续性因素对空气质量影响的情况下,观察断点前后空气质量是否发生突变,进而干净地识别政策效应。时间断点回归方法要求在断点附近存在大量的观测值,且一般情况下只能研究较短时期内的政策效果。然而,“蓝天保卫战”的治理措施以中长期措施为主,其政策效果可能在短期内无法充分体现。因此,断点回归方法不完全适合本文的研究目的。幸运的是,“蓝天保卫战”将全国划分为重点区域和非重点区域,并对重点区域实施更严格的环境管制措施,这一区域差异化政策为我们运用双重差分方法开展研究提供了基础。
基于此,本文运用双重差分方法进行研究,将“蓝天保卫战”重点区域的80 个样本城市视为实验组,非重点区域的213 个样本城市视为对照组。“蓝天保卫战”于2018年6月颁布,因此我们将2018年视为政策实施的当期,而将2019年和2020年视为政策冲击后的年份。由此构建如下计量模型:
其中,AQit表示第i个城市、第t年的空气质量,主要用AQI 指数、PM2.5 和PM10 的年均值、年度最大值以及严重污染天数占比来衡量。treatit为实验组虚拟变量(keyareai)与政策实施时间虚拟变量(year2018t)的交叉乘积项。当城市i属于“蓝天保卫战”划定的重点区域时,则keyareai=1,反之则为0;当年份t大于2018 时,则year2018t= 1,反之则为0。φi为城市固定效应,用来控制城市层面不随时间变化而变化的因素。ωt为时间固定效应,用来控制时间层面不随城市变化而变化的因素。Xit为一系列控制变量,主要包括气温、天气、风向、风速等气象控制变量,以及经济社会控制变量,具体包括人均GDP、第二产业占GDP 的比重、人口密度、工业二氧化硫排放量、工业烟粉尘排放量、建成区绿化覆盖率、年末实有公共汽(电)车营运车辆数和科学技术支出占公共财政支出的比例。所有经济社会控制变量均取自然对数形式。由于经济社会控制变量缺少2020年数据,因此,在进行基准回归时只添加气象控制变量,在稳健性检验时加入经济社会控制变量,以考察经济社会变量遗漏是否会对估计结果产生重要影响。εit为随机误差项。我们关心的核心系数是β,如果β显著为负,则表明“蓝天保卫战”实施后,重点区域空气质量改善程度大于非重点区域,也就意味着更严格的环境管制政策更好地改善了空气质量。
四、实证分析
(一)基准回归结果
表2 报告了基准回归结果。第(1)列到第(3)列只控制了城市固定效应和时间固定效应,在第(4)列到第(6)列进一步添加了气象控制变量。表2所有列中treatit的估计系数均在1%的水平上显著为负,这表明“蓝天保卫战”实施后,重点区域城市AQI 指数、PM2.5、PM10 浓度的下降幅度均显著大于非重点区域城市。以第(4)列到第(6)列的估计结果为例,相对于非重点区域城市,“蓝天保卫战”使重点区域城市的AQI 指数、PM2.5、PM10 浓度分别多下降了3.510 5、4.741 3和5.592 2 微克/立方米。2015 至2018年全国所有城市AQI 指数、PM2.5 浓度、PM10 浓度的均值分别为77.63、47 和82.82 微克/立方米。上述估计系数表明,政策冲击后,相对于非重点区域城市,重点区域城市AQI 指数、PM2.5 浓度、PM10浓度分别多下降了4.5%、10.08%和6.75%。
表2 基准回归结果
(二)稳健性检验
1.平行趋势检验
双重差分方法需要满足平行趋势假设,即在“蓝天保卫战”实施前,重点区域城市与非重点区域城市的变化趋势须保持一致。我们借鉴Jacobson 等[22]提出的事件分析法,在模型中加入各年份的虚拟变量ωt与实验组虚拟变量keyareat的交叉乘积项,以此进行平行趋势检验,具体检验模型如下:
模型(2)中所有变量含义与模型(1)相同。由于本研究的实验组受到政策冲击的时间为2018年,因此,将所有年份虚拟变量与实验组虚拟变量的乘积项放入模型中,会导致完全共线性。因此,我们按照通常处理方法,将政策冲击的前一期(即2017年)作为基期,并在模型(2)中省略该年的乘积项。估计系数θt的含义是第t年实验组和对照组空气质量的差异。当θt显著不为0 时,则意味着实验组和对照组空气质量在第t年存在显著差异;反之,当θt不显著时,表明实验组和对照组空气质量在第t年不存在显著差异。平行趋势假设要求政策实施前的估计系数θ2015、θ2016不显著。
图1 报告了以AQI年均值、PM2.5年均值和PM10年均值作为被解释变量的平行趋势检验结果。可以看出,在95%的显著性水平上θ2015和θ2016均不显著,这表明“蓝天保卫战”实施前,重点区域城市与非重点区域城市的空气质量具有相同的变化趋势,满足平行趋势假设。而θ2018、θ2019和θ2020均在95%的显著性水平上小于0,且呈现不断下降的趋势,这表明相对于非重点区域城市,“蓝天保卫战”实施当年就使重点区域城市空气质量得到更大幅度改善,且这一差异随时间的推移不断扩大。
图1 空气质量的平行趋势检验
2.安慰剂检验
表2 的基准回归虽然加入了气象控制变量、城市固定效应和时间固定效应,但未能控制随时间变化而变化的不可观测因素对空气质量的影响。如果不可观测因素与treatit相关,将会得到有偏的估计结果。为了考察表2 的核心结果是否由不可观测因素驱动,我们采用通常的做法进行安慰剂检验[23-25]。具体检验设计如下:从293 个城市中随机选取100 个城市作为虚拟实验组,其余城市为对照组,并生成虚拟的treat_randomit替代真实的treatit,然后对模型(1)进行估计,得到虚拟的估计系数_random。从理论上来讲,treat_randomit不会对空气质量产生影响,即_random应该为0。一旦_random显著不为0,则意味着我们的模型设定有误,不可观测因素对估计结果产生了重要影响。我们将上述随机分配过程重复进行500 次,生成500 个_random,图2 报告了所有_random的分布。可以看出,估计系数分布在0 值附近且服从正态分布,真实估计系数均远离_random的分布。这些结果表明,表2 的估计结果不是由不可观测因素驱动的。
图2 空气质量的安慰剂检验
3.自选择问题的缓解
大多数政策效应评估研究均存在自选择问题,即实验组与对照组并非随机选择。宋弘等[10]认为,环境管制政策试点城市的选择往往与其地理位置、现有经济社会发展水平、开放程度等因素密切相关,并且这些因素会在不同时期对试点城市空气质量产生不同的影响。同样,本研究也可能存在自选择问题,“蓝天保卫战”重点区域的选择可能也受到类似因素的影响。为了缓解自选择问题,我们进行了两方面的处理。一是采用Edmonds 等[26]、Chen 等[27]和宋弘等[10]的方法,在模型(1)中加入基准变量与时间趋势的乘积项作为控制变量,以控制这些基准因素对估计结果的影响。依据宋弘等[10]的研究,选择如下基准变量:是否为“两控区”城市、是否是直辖市或省会城市、是否为经济特区城市、是否为北方城市。二是进一步增加经济社会控制变量,具体变量见前文计量模型设定部分。表3 报告了缓解自选择问题后的估计结果,其中,第(1)列到第(3)列控制了基准变量与时间趋势的乘积项,第(4)列到第(6)列进一步控制了经济社会变量。在所有回归结果中,treatit的估计系数均显著为负,表明表2 基准回归结果是较为稳健的。
表3 缓解自选择问题后的回归结果
4.考虑其他环境政策的影响
在本研究的样本期间内,中国密集实施了多项环境保护政策,由此产生的一个担心是基准回归结果可能受到其他环境政策的影响,从而无法干净地反映“蓝天保卫战”的政策效果。基于此,我们着重考虑样本期间内三项最重要的空气污染治理政策的影响。一是2015年建立的中央环保督察制度。相关研究表明,中央环保督察工作的开展显著改善了空气质量[28],因此,该政策可能对本文研究结果产生影响。二是《京津冀及周边地区2017年大气污染防治工作方案》(下称“2+26”城市政策)的制定与实施。该政策在京津冀大气污染传输通道范围内的“2+26”城市实施。“2+26”城市全部属于“蓝天保卫战”重点区域,因此,“2+26”城市政策也可能影响本文的研究结果。为了控制中央环保督察和“2+26”城市政策对前文研究结果的影响,我们在控制变量中加入中央环保督察的政策虚拟变量(该省份当年受到中央环保督察时等于1,否则等于0)以及“2+26”城市政策虚拟变量(属于“2+26”城市且年份大于2017 时等于1,否则等于0)。表4第(1)列到第(3)列显示了回归结果,可以看出,treatit仍显著为负,表明上述两项政策并未对基准回归结果产生干扰。
需要考虑的第三项政策是“大气十条”政策。“大气十条”政策从2013年开始实施,于2017年结束。“大气十条”政策效果可能存在延续性,虽然政策已经结束,但政策效果可能持续到“蓝天保卫战”实施期间,从而对本文研究结果产生干扰。“大气十条”政策划定了京津冀、长三角和珠三角三大重点区域,其中只有珠三角地区不属于“蓝天保卫战”划定的重点区域。因此,如果“大气十条”政策效果持续到“蓝天保卫战”实施期间,那就意味着2018年后,珠三角地区的空气质量相对于其他非重点区域将出现更大幅度的改善。基于此,我们以珠三角地区城市为实验组,以其他非重点区域城市为对照组,以treat_zhusanjiaoit(当城市属于珠三角地区且年份大于2018 时等于1,否则等于0)为核心解释变量,进行再回归。表4 第(4)列到第(6)列报告了回归结果,treat_zhusanjiaoit的估计系数不显著或者显著为正,这表明“大气十条”政策效果并未延续到“蓝天保卫战”实施期间,因而不会对“蓝天保卫战”政策效果造成干扰。
表4 考虑其他环境政策的回归结果
5.替换被解释变量
“蓝天保卫战”提出的主要目标不仅包括改善城市整体空气质量,还要求减少重污染的天数。前文用AQI、PM2.5、PM10 的年均值作为被解释变量,能较好地衡量城市整体空气质量,但无法反映城市一年内出现重污染的天数以及当年空气污染的最大程度。鉴于此,我们进一步用严重污染天数占全年的比重(即本年度AQI、PM2.5 超过100 的天数的比例、PM10 超过150的天数的比例),以及AQI、PM2.5、PM10 的年度最大值作为被解释变量。表5 报告了替换被解释变量后的回归结果,其中,第(1)列到第(3)列以严重污染天数占全年的比重为被解释变量,第(4)列到第(6)列以年度最大值为被解释变量。所有列的treatit均在1%水平上显著为负,表明“蓝天保卫战”实施后,相较于非重点区域城市,重点区域城市严重污染天数和空气污染的峰值均出现更大幅度的下降。
表5 替换被解释变量后的回归结果
五、成本-收益分析
前文研究发现,“蓝天保卫战”重点区域城市实施的更严格管制政策能产生更好的空气污染治理效果。但这并不意味着加强管制就是最优选择。因为管制政策在改善空气质量、提高社会福利的同时,也产生经济社会成本。因此,还需要通过成本-收益分析对管制政策的合理性进行评估[29]。
(一)成本分析
环境管制政策成本包括直接成本和间接成本,直接成本是支持政策实施的资金支出,而间接成本是指管制政策降低经济增长速度所导致的潜在经济增长损失。一般情况下,环境管制政策会以行政手段对经济活动进行干预,因而在一定程度上降低经济效率;另外,限制“两高”企业生产、降低廉价但高污染能源消耗等管制措施也会直接抑制经济增长。已有研究主要从直接资金支出角度来测算管制政策的成本[10],相对忽略了管制政策的间接成本,因而在较大程度上低估了管制政策成本。基于此,本文主要从潜在经济增长损失的角度,来测算“蓝天保卫战”重点区域更严格管制政策所导致的政策成本。为了更准确地估计潜在经济增长损失,本文构建如下双重差分模型:
其中,GDPRit表示第i个城市、第t年的经济增长率。Zit表示一系列城市经济社会控制变量。参考陈晓玲和连玉君[30]、李涛等[31]等的研究,选取如下控制变量:①人均GDP,用以控制经济发展水平对经济增长速度的影响。经济增长理论认为经济增长具有收敛性,经济发展水平较高的地区经济增速相对较慢。②人口密度,用以控制人口集聚程度对经济增速的影响。人口经济学理论认为人口集聚能通过资源优化配置、竞争效应、信息和技术共享等机制促进经济增长。③普通高等学校在校学生数,用以控制人力资本对经济增速的影响。内生增长理论认为人力资本是经济增长的源泉。④科学技术支出占公共财政支出的比例,用以控制科技创新投入对经济增速的影响。创造性破坏理论认为科技创新是推动经济长期发展的根本动力。⑤第二产业产值占GDP 的比重,用以控制产业结构对经济增速的影响。一般认为服务业技术进步速度要远低于制造业,因此产业结构服务化会拉低整体经济增速。所有控制变量均取自然对数形式。其余变量含义均与模型(1)相同。
表6 报告了回归结果,其中第(1)列控制了城市固定效应和时间固定效应,第(2)列进一步控制了城市经济社会控制变量。可以看出,treatit的估计系数均为负,且在第(2)列中显著,表明“蓝天保卫战”重点区域更严格的管制政策的确降低了经济增长率。从第(2)列的估计结果来看,政策实施后,重点区域城市的经济增长率比非重点区域城市平均低0.5884%。
为了检验上述双重差分方法是否符合假设条件,我们对表6 第(2)列的回归结果进行平行趋势检验和安慰剂检验。图3 显示了平行趋势检验结果,可以看出,在95%的显著性水平上,2015年和2016年时间虚拟变量与实验组虚拟变量交叉乘积项的估计系数均不显著,表明“蓝天保卫战”实施前,重点区域与非重点区域城市的经济增长率保持相同的趋势,符合平行趋势假设。图4 展示了500 次随机分配实验组后的安慰剂检验结果,可以看出,虚拟估计系数分布在0 值附近且符合正态分布,同时,真实估计系数在安慰剂检验中属于较明显的异常值。这意味着表6 第(2)列的回归结果不是由不可观测因素驱动的。
表6 更严格管制对经济增长率影响的回归结果
图3 城市经济增长率的平行趋势检验
图4 城市经济增长率的安慰剂检验
基于上述实证研究结果,我们以表6 第(2)列的回归结果为基础,来估算“蓝天保卫战”重点区域城市更严格管制所带来的成本。2018年,“蓝天保卫战”重点区域的GDP 总值约为38.03万亿元,占全国GDP 的41.55%。由此可以计算得出,2019年,“蓝天保卫战”重点区域由于更严格管制政策所导致的潜在经济增长损失为2 237.7 亿元(即38.03 万亿元×0.5884%)。
(二)收益分析
环境管制政策改善空气质量,进而产生多方面的社会福利提升效应,如公共健康改善、医疗支出减少、居民幸福感提升和企业生产效率提高等[32-36]。然而,要对空气质量改善的收益进行全面测算,显然是不可行的。一方面,我们无法穷尽所有空气质量改善所带来的社会福利影响;另一方面,数据不足和主观收益难以量化也大大限制了这项研究工作的开展。例如,我们无法精确量化空气质量改善通过延长预期寿命所带来的收益。另外,空气质量改善通过提高企业生产效率所带来的收益,已经涵盖在管制政策对经济增长率的影响之中,无需再次计算。基于此,我们使用较为易于量化的好处——减少医疗支出和提升居民幸福感,来衡量“蓝天保卫战”重点区域更严格管制政策的收益。
大量研究测算了空气质量变化对医疗支出的影响程度,但这些研究的测算结果都不适用于本文的研究目的。如Deryugina 等[32]是针对美国的测算,显然美国的测算结果不适用于中国。陈硕和陈婷[2]、Zhang 等[33]是对中国早期空气污染与医疗支出之间的关系进行测算,其测算时间与“蓝天保卫战”政策实施时间相差较大,因而不适用于本研究。王玉泽和罗能生[37]、关楠等[38]分别运用中国健康与养老追踪调查(CHARLS)和中国老年健康影响因素跟踪调查(CLHLS)等微观调查数据测算空气质量对医疗支出的影响。然而,CHARLS 的调查对象为45 岁及以上中老年人,而CLHLS 的调查对象为65 岁及以上老年人,并且我们无法获取不同年龄组居民的医疗支出数据,因此也无法参考他们的研究结果。
中国家庭追踪调查(CFPS)的调查对象为所有年龄段居民,且包含个人医疗支出变量,因此,我们将空气质量数据与CFPS2020年数据进行匹配,以此来估计空气质量变化对个人医疗支出的影响。由于个人医疗支出数据存在较多0 值,因此,我们使用Tobit 模型进行估计,估计结果由表7 第(1)列报告。可以看出,在控制了性别、年龄和收入水平后,AQI 的升高(即空气质量恶化)将增加个人医疗支出。Tobit 模型的估计系数无法反映边际效应,进一步的边际效应计算结果表明,AQI 每升高1 单位,个人医疗支出增加67.26元。这一测算结果低于王玉泽和罗能生[37]的测算结果(144.91 元),这可能反映了我国45 岁及以上中老年人医疗支出要明显高于其他年龄段居民。
表7 空气质量对居民医疗支出、主观幸福感影响的回归结果
为了量化空气质量改善提升居民幸福感所带来的收益,我们参考杨继东等[35]使用的生活满意度法(Life Satisfaction Approach)。CFPS 调查问卷中有关于居民幸福感的问题——“您有多幸福(0—10 分)”,我们以该问题得分来衡量个人主观幸福感,并估计AQI 指数和收入水平对个人主观幸福感的影响,估计结果见表7 第(2)列。在第(2)列中,AQI 指数的估计系数为-0.019 5,且在统计上显著,意味着AQI 指数每升高1 单位,居民个人主观幸福感降低0.019 5 分;主要工作收入对数的估计系数显著为正且边际效应为0.174 1。根据CFPS 数据计算得到人均主要工作收入为38 806.72 元。进一步依据公式:空气污染的定价=-(AQI 指数的边际效应/主要工作收入对数的边际效应)×人均主要工作收入,计算得到1 单位AQI 指数的降低引致居民幸福感提升所带来的收益为 4 346.53 元(即 0.019 5× 38 806.72 元÷0.174 1)。
基于以上估算结果,可进一步计算“蓝天保卫战”重点区域更严格管制政策所带来的总收益。2019年,“蓝天保卫战”重点区域年末户籍人口总数为4.53 亿,占全国总人口数的32.2%。由此计算得到:2019年,“蓝天保卫战”重点区域更严格管制带来的总收益为70 190.59 亿元,其中,医疗支出节约金额为1 069.61 亿元(即67.26 元×3.510 5×4.53 亿),提高居民幸福感获得收益为69 120.98 亿元(即4 346.53 元×3.510 5×4.53 亿)。上述测算结果表明,即使不考虑其他难以量化的收益,“蓝天保卫战”重点区域实施更严格管制政策的收益(医疗支出减少和居民幸福感提升)也远大于成本(潜在经济增长损失)。由此可见,“蓝天保卫战”重点区域实施更严格管制政策具有合理性。
六、结论与启示
本文全面评估了近年中国最重要的大气污染防治政策——《蓝天保卫战三年行动计划》的政策效果。运用双重差分方法考察了重点区域更严格的环境管制政策对空气质量的影响。研究发现,“蓝天保卫战”实施后,重点区域城市AQI指数、PM2.5 浓度、PM10 浓度比非重点区域城市分别多下降了3.510 5、4.741 3 和5.592 2 微克/立方米,表明更严格环境管制产生了更好的空气污染治理效果。进一步对重点区域更严格的环境管制政策进行了成本-收益分析:以空气质量改善所引致的医疗支出减少和居民幸福感提升来衡量政策收益,以更严格管制措施引致的潜在经济增长损失来衡量政策成本。测算结果显示,“蓝天保卫战”重点区域更严格的环境管制所产生的政策收益远大于政策成本,表明“蓝天保卫战”重点区域政策是合理的。
本文的研究结果对于我国大气污染防治具有重要的启示作用。首先,本文的实证研究表明,环境管制能有效改善空气质量,因此,我国仍应将环境管制作为大气污染治理的重要手段。其次,本文研究结果显示,空气质量改善所带来的最主要收益是居民幸福感的提升,而提升居民幸福感也是发展经济的根本目的,这启示我们应从居民幸福水平的角度来考虑环境管制政策的收益。最后,本文研究结果还表明,提高环境管制程度会对地区经济增长产生不利影响。地方政府可考虑出台适宜的产业政策和经济刺激政策,鼓励和支持新产业、新业态和新商业模式等新兴经济的发展,从而实现大气污染治理与经济高质量发展的“双丰收”。
注释:
①数据来源于国家统计局网站。
②资料来源于http://www.gov.cn/zhengce/content/2018-07/03/content_5303158.htm。
③“蓝天保卫战”划定的重点区域具体如下:京津冀及周边地区,包含北京市,天津市,河北省石家庄、唐山、邯郸、邢台、保定、沧州、廊坊、衡水等城市以及雄安新区,山西省太原、阳泉、长治、晋城等城市,山东省济南、淄博、济宁、德州、聊城、滨州、菏泽等城市,河南省郑州、开封、安阳、鹤壁、新乡、焦作、濮阳等城市;长三角地区,包含上海市、江苏省、浙江省、安徽省;汾渭平原,包含山西省晋中、运城、临汾、吕梁等城市,河南省洛阳、三门峡等城市,陕西省西安、铜川、宝鸡、咸阳、渭南等城市以及杨凌示范区等。
④风向包括东风、西风、南风、北风、东北风、东南风、西北风和西南风等八种。
⑤该风速为离地10 米处的风速。