黄河流域生态补偿政策对空气质量的影响研究

冯英杰 ，朱爱孔，苗长虹

（1.郑州航空工业管理学院 经济学院，河南 郑州 450046；2.河南大学 黄河文明省部共建协同创新中心，河南 开封 475001；3.郑州航空工业管理学院 审计处，河南 郑州 450046）

黄河流域生态保护和高质量发展的战略背景下，空气质量是在生态门槛内实现经济可持续发展的基本保障，也是关乎居民福利水平能否持续提升的关键所在[1]。作为一项重要的生态保护政策，2020 年4 月，财政部等四部门联合发布《支持引导黄河全流域建立横向生态补偿机制试点实施方案》，强调探索建立黄河全流域生态补偿机制，协同推进大治理。黄河流域生态补偿对涉及区段水质改善、农户生计完善和地区生态压力减轻等的积极作用均得到了一定的验证[2]。相较而言，生态补偿的空气质量效应研究和实践开展却相对缓慢，而改善黄河流域空气质量水平，对于推动黄河流域高质量发展至关重要。鉴于此，以黄河流域生态补偿的空气质量效应为研究对象，需要回答几个主要问题：生态补偿是否能提高空气质量水平？如果是，生态补偿又是通过何种机制引导空气质量水平提高呢？生态补偿对于沿黄河九省的空气质量水平是否存在作用差异呢？本文旨在研究上述问题，对于寻找黄河流域空气质量水平新路径及提升生态补偿政策效果有一定的启示。

生态补偿之所以能够促进流域环境质量改善，主要原因在于生态补偿依据“受益者付费”和“破坏者付费”原则[3]，通过对上下游各地方政府之间的益本分摊进行优化，可以有效解决流域生态效益和经济效益发展不平衡及生态环境的“公地悲剧”问题[4-5]。流域生态补偿政策效应研究多聚焦于流域水质改善、农户生计完善和生态压力减轻等领域，鲜有文献涉及空气质量生态补偿。首先，就流域水质改善而言，有学者论证了生态补偿对于流域水质改善具有显著提升作用，以新安江流域为例，通过地表水断面生态补偿，实现了流域总体水质稳定向好态势[6-7]。其次，就农户生计完善而言，有学者论证了生态补偿对于黄河流域农户生计多样化和生计资本增加具有显著作用，以甘南黄河水源补给区为例，其成功取决于多样化的生态补偿方式与合理的生态补偿标准等生态补偿机制耦合产生的激励作用[2]。最后，也有学者论证了生态补偿对黄河流域生态压力减轻具有显著正效应，有助于持续改善水源涵养、土地利用、草原退化等功能[8]。王奕淇等[9]研究发现，合理的黄河流域生态服务价值横向补偿分摊方案，在遵循“谁受益、谁补偿”的原则上，可以兼顾效率和公平，能够有效强化各地方政府保护流域生态环境的使命感，推动全流域生态环境的改善。研究方法上，流域生态补偿政策效应评估经历了定性到定量的演变，学术界关注焦点主要为生态补偿政策绩效指标的构建及计量评估方法的运用。生态补偿绩效指标的构建方法主要有倾向值匹配法、成本分析法、运用层次分析法与模糊综合分析法[10]等，为了克服指标选取的主观性和度量偏差，部分学者运用诸如系统GMM 法和双重差分法（DID）等计量方法评估生态补偿政策效果[11]，特别是DID 法对我国渐进式政策改革效果评估，具有很好的拟合效果。目前有关生态补偿空气质量效应，尤其是流域范围内生态补偿空气质量效应的定量研究仍然较少，且仅停留在二者关系的定性概述和生态补偿机制的完善等方面，如新安江生态补偿模式中的环境空气质量生态补偿实践。因此亟须针对黄河流域生态补偿的空气质量效应进行有效性检验，以更好地助推黄河流域空气领域生态补偿制度的构建，促进黄河流域生态保护和高质量发展的稳步实施。

综上所述，本文基于生态福利绩效理论，构建空气质量水平指标，以黄河流域空气质量生态补偿政策的实施为准自然实验，采用DID 法检验黄河流域生态补偿政策的空气质量效应及影响机制，以为生态补偿方法应用于黄河流域空气质量的有效性提供科学证明。

1 制度背景及作用机理

黄河是中国第二大河，也是中国重要的生态屏障。生态补偿作为调节生态利益与经济利益的重要手段，黄河流域及其区段在生态补偿领域开展了较多的实践研究，如陕甘两省关于渭河环境保护的跨省流域上下游补偿，四川省关于“三江”（岷江、沱江和嘉陵江）流域水环境的双向补偿，山西省对全省主要流域实施的跨界断面水质考核生态补偿等。治理空气污染是中国生态文明建设中的一项重要任务，在中央对空气污染生态补偿做出顶层设计后，黄河流域中的陕西省、山西省、河南省和山东省根据自身社会经济发展水平和空气污染特征陆续实施了按月兑现的城市环境空气质量生态补偿政策（以下简称“月度城市空气质量生态补偿”）具有一定的创新性、典型性和流域特色。所谓的按月兑现的城市环境空气质量生态补偿政策，是指以PM10和PM2.5等指标为主要考核内容，由省环保厅按照分级阶梯标准进行支偿和得补资金的核算，对空气主要污染物月度浓度均值超过考核基数的地区，实施补偿资金扣收措施，反之，实施补偿金奖励措施。黄河流域月度城市空气质量生态补偿，借助对保护空气质量的行为进行补偿，提高该行为的收益，从而激励流域主体增加由此行为带来的外部经济性，同时对损害空气质量的行为进行收费，增加该行为的成本，从而倒逼流域主体减少由此行为带来的外部不经济性，其实质是省级政府间的横向财政转移支付制度，即生态补偿资金梯级地由空气质量较差的省份补偿给空气质量较好的省份[21]。

流域内的空气污染具有跨界性特征，导致流域内的每一行政主体都寄希望于周边省份的空气治理能够改善本辖区的空气质量，即流域空气污染治理存在大量的“搭便车”外部性，遏制了地方政府的治污动机。同时，空气污染物的流动性和叠加性，容易造成空气质量督查考核单位低估辖区空气污染防治工作能力，进一步降低了地方政府的治污积极性[12]。生态补偿政策之所以能够推动黄河流域空气质量水平，与生态补偿政策的外部成本内部化机制密切相关。具体地，某一地区实施生态补偿政策时，一般会先设定地区生态责任目标，即根据地区生态和环境被破坏的现状，通过明确补偿主体、落实受益主体、确定补偿标准和补偿模式等机制核算地区生态服务功能的价值，并分配地区环境治理成本，以实现保护环境和修复生态的目的，从而有助于提高地区的环境质量。根据空气质量水平“以更少的资源投入创造更多的经济价值和社会福利”的构造原理，假定各地区的环境资源禀赋条件由生态系统服务价值外生决定，生态补偿作为一项依生态系统而制定的环境保护和约束政策，其推动地区空气质量水平的基本途径在于引导地区的绿色生产生活行为，进而容易形成对空气质量水平的倒逼机制。大量的研究已经形成共识，这种倒逼效应机制主要来源于两方面：一是生态补偿政策能够对经济活动主体的污染行为产生约束，倒逼高耗能行业及企业提高技术水平，降低资源消耗量和提高资源使用效率[13]，如针对高污染企业采取的确定应缴税费或关停重污企业，推动企业清洁化改造的举措；二是生态补偿政策能够引导产业结构调整，推动地区产业结构的高级化、绿色化和合理化[14]，如明确资源密集产业的准入和淘汰要求，开展落后产能淘汰，发展绿色新型产业等的举措。基于上述分析，可得出黄河流域生态补偿空气质量水平效应的机制路径图（图1）。

图1 生态补偿空气质量水平效应机制路径

2 研究设计

2.1 特征化事实

为了验证黄河流域生态补偿政策的空气质量水平效应，在进行严格的回归之前，首先通过图2 直观地描述月度城市空气质量生态补偿政策实施省份与未实施省份的历年主要空气污染物变化情况。通过对比陕西、山西、河南和山东四省份实施月度城市空气质量生态补偿政策前后的主要空气污染物指标，发现这些省份的可吸入颗粒物、细颗粒物、二氧化硫和一氧化碳的年均下降速度由分别由2.60%提升至8.90%、由6.93%提升至8.52%、由9.02%提升至15.03%、由5.31%提升至7.44%，实施月度城市空气质量生态补偿省份的主要空气污染物指标情况均优于未实施月度城市空气质量生态补偿省份的主要空气污染物情况。可以初步推断出，生态补偿政策对黄河流域空气质量水平存在正向影响。

图2 黄河流域生态补偿政策实施省份与未实施省份环境空气质量指标下降情况对比

2.2 估计策略

为了评估沿黄河九省生态补偿对黄河流域空气质量水平的作用，一种简单直观的方法是通过比较地区生态补偿政策实施前后的空气质量差异来判断，但该种做法得到的政策效果结论通常是不准确的，原因是大量的因素会影响地区生态补偿政策的实施、执行与地区生态责任目标的设置上[15]。此外，同一时期实施的其他环境政策也可能对地区生态环境保护和修复产生重要影响，这些都可能干扰生态补偿政策的空气质量水平效应结果评估。因此，本文采用拟自然实验法处理生态补偿的空气质量水平效应评估过程中的内生性问题。

具体来讲，沿黄省份实施月度城市空气质量生态补偿政策的高峰期是2017 年，政策实施年份和省份的相对集中有利于较好排除时间维度的干扰，为黄河流域生态补偿政策效应的量化评估提供了难得的拟自然实验。本文将2017 年设置为政策实施年份，以此为中心，取前后对称的两年，将整体分析的窗口期定为2015—2019年（其中，2015—2016 年为生态补偿政策实施前的阶段，2017—2019 年为生态补偿政策实施后的阶段）。对照组的选择是倍差法的关键，选择2017 年未实施且在此之前也从未实施月度城市空气质量生态补偿政策的省份作为对照组，选择2017 年实施月度城市空气质量生态补偿政策的省份作为实验组，实证模型设定如下：

式中：因变量AQit表示i省t年的空气质量水平状况。核心解释变量SEEi用于识别2017 哪些省份实施了生态补偿政策，如果实施，为1（作为实验组），未实施，则为0（作为对照组）。Postt用于标识2017 年生态补偿政策实施前后，若年份t在2017 年之前（包含2017 年），则Postt=0，若年份t在2017 年之后，则Postt=1。Di表示地区固定效应，控制地区层面不随时间变化的因素对空气质量水平的影响，Dt表示年份固定效应，剔除时间趋势的影响，ζit为随机误差项。此外，在本文的拟自然实验中，实验组和对照组之间除是否实施生态补偿政策以外的其他一些因素也可能会对评估产生潜在影响，从而导致估计偏误。对此，控制了如下变量：经济发展水平（用人均GDP 的对数值表示）、人口密度（用人口总数/行政区域土地面积表示）、环境规制（用环境保护方面的法规数量和承办的环境相关人大及政协建议数来表示）[16]、政府预算支出（用地方财政预算内支出的对数值表示）。估计式中，α是本文关心的回归系数，若α＞0，说明生态补偿政策有利于地区空气质量水平提升，若α＜0，说明生态补偿政策不利于地区空气质量水平提升，若α=0，则生态补偿政策的空气质量水平效应不明显。

2.3 关键变量和数据选取

本文的研究主要涉及生态补偿政策和空气质量水平两个核心关键变量，其中前者信息来自沿黄河九省生态环境厅的按月/季度兑现的城市环境空气质量生态补偿实施情况。地区的空气质量水平要求在生态极限范围内改变传统的经济发展模式，并提高公众福利水平，从这个意义上说，空气质量指的是同步提高单位自然资本投入的经济产出与单位经济产出的福利贡献的过程，即提高生态经济效率和经济福利效率的过程。本文从生态福利绩效理论出发，在借鉴前人做法的基础上，综合构建了黄河流域空气质量水平的投入产出指标体系[17]，包括要素投入、期望产出和非期望产出三部分。其中，要素投入包括劳动力投入、资金投入和设备投入，分别选取各省的环境和公共设施管理业从业人员、污染治理投资、能源消耗量和污染物处理设施数量来表征[18]；期望产出主要由环境质量提升的最终目标来确定，即在生态门槛内持续为居民提供较高的综合福利水平，包括客观福利和主观福利两个维度，前者由平均受教育年限和人均预期寿命表征，后者用中国经济实验研究院城市生活质量研究中心的城市生活质量指标来测度[15]；非期望产出用二氧化硫排放量、氨氮化物排放量、氮氧化物排放量和烟（粉尘）排放量来表征，以排除采用单一污染物排放容易受地方政府主观行为的影响。在此基础上，采用基于方向距离函数的曼奎斯特—卢恩伯格生产率指数，可以测算出黄河流域空气质量水平指数（AQ）。根据CHUNG等[18]对环境技术集的定义，假设i（i=1, 2, …,I）生产单位在时期t（t=1, 2, …,T）内使用k种投入要素x（x=x1,x2, …,xk），产生m种合意产出y（y=y1,y2, …,ym）和n种非合意产出z（z=z1,z2, …,zn）。Dt表示t期的距离函数；g为产出扩张的方向向量；β为距离函数值；βg反映的是产出水平上按照方向g运动到生产前沿面时，期望产出提高和非期望产出同比降低的最大倍数；F(x)为可能生产集合，则空气质量水平指数的方向函数为：

因此，同时考虑合意产出与非合意产出的t期到t+1 期的空气质量水平指数可以表示为：

本文选取2015—2019 年为研究区间，鉴于城市环境空气质量生态补偿政策数据建设中的缺憾，本文不得不更多依赖于增加检索项目来实现按月/季度兑现的城市环境空气质量生态补偿政策实验组样本单元的确定。这里需要强调的是，选择依据为按月/季度兑现的城市环境空气质量生态补偿，即按照年度兑现的城市环境空气质量生态补偿不在本文考虑范围内，样本来源平台是沿黄各省的生态环境厅。沿黄河九省份城市环境空气质量生态补偿政策的实施可以参考《河南省城市环境空气质量生态补偿暂行办法》《山东省环境空气质量生态补偿暂行办法》《陕西省环境空气质量生态补偿实施办法（试行）》和《山西省城市环境空气质量改善奖惩方案（试行）》。空气质量水平相关的指标数据主要源于《中国统计年鉴》《中国环境统计年鉴》及沿黄河九省份各自的统计年鉴和生态环境厅网站公布的环境统计公报等信息，各省份的生态补偿政策数据主要来自各省的生态环境厅。

3 生态补偿政策对空气质量水平影响的模型估计

3.1 基准回归结果

在估计公式（1）时，为控制潜在的序列相关和异方差问题，本文采用以省份聚类的稳健标准误进行分析，估计结果如表1 所示。第（1）列只控制了地区和时间固定效应，结果显示SEEi×Postt的系数显著为正，在第（2）列中进一步控制地区层面控制变量的影响，估计结果仍然显著为正，且比第（1）列大。基准回归结果表明，生态补偿政策实施后，实验组地区的空气质量水平相比对照组地区经历了更高程度的提升，因此可以认为黄河流域生态补偿政策能够显著推动空气质量水平的提升。根据空气质量水平指标的构造原理，进一步可知生态补偿政策推动地区环境质量发展的实质在于，实施生态补偿有效促进了资源环境投入的合理性和资源环境转化机制绿色化，换句话说，生态补偿政策有利于引导生态系统服务价值和生态福利向更绿色的生产部门进行再配置。

表1 黄河流域生态补偿政策对空气质量水平的影响分析

3.2 稳健性检验

为了保证估计结果的稳定性和可靠性，本文分别从双重差分法的识别假设条件、是否受非观测因素影响和测量误差方面进行稳健性检验，具体如下：

（1）识别假设条件检验。双重差分法对于政策评估中内生性问题的解决，首先是建立在一系列重要的假设基础上：①同趋势假设，要求如若没有外在政策影响，实验组和对照组的空气质量水平应按相同的趋势发展。将加入SEEi与各年份虚拟变量相乘（剔除首年以避免多重共线性），如表2 第（1）列所示，这些交互项的系数显示了两组的差异在生态补偿政策实施后的2018 年和2019年才展现出来，在政策实施前这些交互项的系数并不显著，说明两组数据具有可比性；②预期效应假设，要求两组在政策实施前不能形成有效预期。为此，在估计中进一步加入SEEi×D2017t，D2017t为本文中定义的生态补偿政策实施前一年的虚拟变量，如表2 第（2）列所示，此交互性的系数不显著且较小，SEEi×Postt的系数与基准回归结果相比也没有发生实质性变化，说明预期效应不存在；③序列相关问题检验，BERTRAND 等[19]指出使用双重差分法可能存在序列相关问题，从而易夸大SEEi×Postt系数的显著性，这里将总样本划分为2015—2017 年和2018—2019 年两个阶段，并采用两期双重差分法进行稳健性测试，如表2 第（3）列所示，估计结果是稳健的。

表2 黄河流域生态补偿政策对空气质量水平的稳健性检验

（2）是否受非观测因素影响和测量误差检验。虽然本文在双重差分法中加入了对照组的对照，控制了地区特征变量和双向固定效应以减轻遗漏变量问题，但仍可能忽视某些随时间、地点变化难以观测和控制的因素，从而可能导致估计偏误。对此，表2 第（4）列进一步控制了省份所在地区×时间的固定效应，发现估计结果仍然是稳健的；空气质量水平的测量，除采用数据包络分析方法外，也可以通过构建评价指标体系的方法进行评价。为了测度本文所构建的空气质量的准确性，这里借鉴淦振宇等[12]的研究，分别利用大气污染物PM2.5、PM10、SO2和NO2的月均浓度、空气质量指数（AQI）对本文所构建的空气质量水平进行替代估计，表2 第（5）列显示估计结果是稳健的。

4 生态补偿政策对空气质量水平影响的机制及异质性分析

前面的模型估计表明，生态补偿政策对空气质量水平具有显著的提升效应。那么，这种效应是通过何种机制实现的？同时，考虑到黄河流域地区经济发展极不平衡的突出特点，因此，值得研究的问题是，生态补偿作为一项要长久普遍推行的生态环境保护政策，对于不同禀赋条件和发展水平地区的空气质量水平作用是否存在差异性呢？应具备何种区域特征才能更好地发挥生态补偿政策的空气质量水平效应呢？为了厘清上述问题，本节将进一步开展机制与异质性的讨论。

4.1 生态补偿政策效应的传导机制

通过查阅以生态补偿政策效应传导机制研究的文献[13-14]，并结合前述生态补偿空气质量水平效应机制路径分析，认为技术进步和产业结构调整是影响空气质量水平政策效应能否有效发挥的重要传导机制。（1）技术进步指标选取。现有技术进步研究大多使用全要素生产率、R&D 投入等指标来表征，它们虽然在一定程度上代表了技术进步水平，但也存在一定的缺陷，全要素生产率提升不一定全部是由生态补偿政策所致，R&D 投入指标侧重反映地区自主创新能力，容易忽视外部技术的引进和吸收。相比之下，发明型专利授权数量是地区原始技术创新能力和科技综合能力的直接体现，因此，本文使用其作为技术进步水平指标。（2）产业结构调整指标选取。产业结构调整通常指三次产业内部和产业间的结构变化。改革开放以来，我国第一产业向第二产业转变的产业结构调整，使得环境质量水平不断恶化。新时期由于产业结构发生了由第二产业向第三产业调整的变化，环境质量发展水平有所提升。本文这里将产业结构调整定义为三次产业间的结构变化，用产业结构合理化指标表征，即各省份第二产业产值占GDP 的比重[20]。在此基础上，本文逐一验证了上述两个影响机制，结果如表3 所示，生态补偿政策对技术进步水平和产业结构合理化的影响都显著为正，表明黄河流域生态补偿政策对于空气质量水平的推动作用可以通过推动技术进步和产业结构合理化两个渠道实现。

表3 黄河流域生态补偿政策推动空气质量水平提升的传导机制分析

4.2 生态补偿政策效应的异质性

对于黄河流域沿黄河九省份平均而言，生态补偿政策能够有效推动地区空气质量水平，但是由于初始禀赋和地区经济发展战略等方面的差异，沿黄河九省份的资源环境和社会经济发展呈现出不平衡发展的特点。在此背景下，生态补偿作为一项依地制定的环境保护和修复政策，对于不同地区的空气质量水平作用是否存在异质性呢？对于该问题的探讨，有助于从另外一个角度理解生态补偿空气质量效应的发生机制。

根据前文分析，生态补偿政策对空气质量改善的影响主要取决于三方面的作用：一是生态补偿政策的约束变化，二是地方政府环境保护的行为动机，三是地方绿色生产生活行为转型迫切性。另外，根据祁毓等[21]的研究，支偿和得补的资金规模可以反映生态补偿政策的执行强度，资金规模越大，其对区域损害和保护生态环境的制约效应和激励效应也将越大，越能在经济上抑制地方政府的环境损害行为和支持地方政府的环境保护行为；根据刘春腊等[3]的研究，目前我国较为常见的生态补偿模式为政府主导型，生态补偿政策效果受各地区保护生态环境的能力异质性的影响；根据尤济红等[22]的研究，能源消耗与环境质量密切相关，且反映了地方政府绿色生产生活行为转型迫切性。由此可见，不同地区的生态补偿规模、政府治理能力以及能源消耗等，可能会使得生态补偿政策对空气质量水平提升产生不同的影响效应，这里将探讨生态补偿规模异质性、政府治理能力异质性和能源消耗异质性对生态补偿空气质量水平效应的影响。

（1）生态补偿规模异质性。为了分析黄河流域生态补偿规模差异可能带来的异质性，参照缪小林等[23]的研究，按照生态补偿政策年均支偿和得补的资金规模大小分组，进行生态补偿规模对环境质量改善的异质性分析。具体地，根据窗口期内各省月度城市空气质量生态补偿政策年均支偿和得补的资金规模，将河南省和山东省划分为生态补偿规模大组，将陕西省和山西省划分为生态补偿规模小组，分析其对生态补偿政策效应的影响。表4 第（1）和（2）列结果显示，对于生态补偿规模较小组，生态补偿政策对空气质量水平的影响系数在5%水平下显著为负，原因可能在于在增加生态补偿规模的过程中，如果生态补偿政策仅发挥资金规模效应，可能会对地区的生态环境保护支出行为产生挤出，从而会削弱地区自身生态环境保护的积极性。而对于生态补偿规模较大组，生态补偿政策对空气质量水平的影响系数在1%水平下显著为正，说明随着生态补偿逐步完善和健全，生态补偿规模越大，将有利于实现生态补偿政策的空气质量水平效应，有利于地区更有效地保护生态环境。

表4 生态补偿政策效应异质性分析

（2）政府治理能力异质性。参照祁怀锦等[24]的研究，本文从政府效率、市场化程度、公平公正和清廉程度四个维度衡量政府治理能力，并使用窗口期内生态补偿政策实施前（2015 年和2016 年）的政府治理能力初始平均指数将各省均分为高低两组，分析其对生态补偿空气质量效应的影响。表4 第（3）和第（4）列结果表明，较于政府治理能力较低的地区，生态补偿政策的实施效果在政府治理能力较高的地区更为显著，即政府治理能力对生态补偿政策的空气质量效应具有促进作用，原因在于生态补偿政策的实施主体主要是政府部门，政府治理能力越高，对于生态补偿政策的执行效率也越高，越能发挥生态补偿政策对于空气质量水平的提升作用。

（3）能源消耗异质性。根据窗口期内生态补偿政策实施前（2015 年和2016 年）的单位地区生产总值能耗平均指数，将排名前三的青海、山西和宁夏划分为能耗高省份，将剩下的省份划入能耗低省份。表4 第（5）和第（6）列结果显示，虽然生态补偿政策能够在黄河流域能耗较低的省份取得显著的空气质量水平效果，但是这种效果在能耗较高的省份更大，即黄河流域能耗越高的省份，实施生态补偿政策对于空气质量水平的政策引导功能就越显著。因此，在煤炭、石油、天然气、矿产等资源丰富的黄河流域，应该建立全流域的生态补偿长效机制，以更好地推动黄河流域生态保护和高质量发展。

综合来看，基准回归分析得出黄河流域生态补偿政策空气质量水平效应尚有提升空间，异质性分析中表明原因可能来源于地区生态补偿规模太小、政府治理能力不足以及能源消耗改善空间较低等原因，这也是未来如何激发地区生态补偿政策空气质量水平效应，真正实现激励地区生态保护进而改善环境质量的突破点。

5 结论和政策启示

在中国经济步入新常态阶段背景下，空气质量水平是实现经济高质量发展的基本保障。本文最大的意义在于，立足黄河流域生态保护和高质量发展现实情况，从生态补偿政策角度探讨了提升空气质量水平的新路径。具体地，依据陕西、山西、河南和山东四省2017 年开始实施的月度城市空气质量生态补偿政策，构建可用于政策评估的生态补偿政策拟自然实验，实证评估了黄河流域生态补偿政策对空气质量水平的影响。研究发现：生态补偿作为一项生态保护和环境修复政策，能够有效推动黄河流域空气质量水平，这一结论在考虑了识别假设条件、是否受非观测因素影响以及测量误差三方面的稳健性检验后依然成立；传导机制分析发现，生态补偿政策通过提高技术进步水平和推动产业结构合理化，引导地区的绿色生产生活行为，形成对地区空气质量水平的倒逼机制，从而推动地区空气质量水平；针对生态补偿政策的约束变化、地方政府环境保护的行为动机和地方绿色生产生活行为转型迫切性三类异质性检验结果发现，生态补偿规模越大、地方政府治理能力越高、地区能源消耗越大，均有助于强化生态补偿政策对空气质量水平的改善作用。基于此，本文的政策启示如下：

（1）探索和完善适合黄河流域现实形势和目标任务的生态补偿长效机制。本文的实证分析表明，生态补偿政策实施后，能够有效提升黄河流域空气质量水平，然而黄河流域生态补偿长效机制尚未形成。首先，涉及借助生态补偿政策实现黄河全流域共建共享和公平发展，黄河流域干支流和上下游环境质量问题复杂，既有生态补偿主客体因“补偿种类”而异，补偿标准难以涵盖地方政府生态环境治理投入和发展权益损失，流域整体缺乏系统性、整体性、全覆盖的生态补偿政策。因此，亟需推进建立黄河流域上下游跨省横向生态补偿机制，借助科学合理的补偿标准优化上下游各地政府的益本分摊问题。其次，黄河流域的生态补偿方式以政府主导型为主，依赖中央财政转移支付和相关专项资金，资金渠道和补偿模式狭窄单一，地方政府用于生态保护补偿资金有限，可能抑制地方政府生态保护行为，需健全黄河流域市场化、多元化补偿机制，推进生态补偿模式由政府主导型向市场运作型和社会参与型转变。最后，统筹的组织架构和技术支撑等配套保障必不可少，应构建涵盖黄河流域生态补偿各涉及部门的组织架构，强化黄河流域生态补偿标准制度、补偿绩效评估、环境质量监测、数据信息共享等技术支撑。

（2）遵循黄河全流域协同治理原则，借助各地区技术进步和产业结构调整的比较优势，充分发挥生态补偿的空气质量水平政策效应。作为一项重要的环境政策，要更大化地发挥生态补偿政策对于黄河流域空气质量水平目标和绿色生产生活行为的引导和优化作用，不应狭隘独立地看待个别地区生态补偿和空气质量水平之间的关系，或者个别种类生态补偿和空气质量水平之间的关系，应从黄河流域全域范围、全流域角度去考虑。因此，应进一步破除黄河流域不同流段、不同地区的要素分割和市场保护，扫清黄河全流域乃至与其他流域间资源跨区、域跨流域流动的障碍，在统一目标的引导下，促进资源更顺畅地实现优化配置，实现流域整体的空气质量水平。并且，在此过程中，应充分考虑各流段、各地区的技术进步和产业结构的比较优势，因势利导地引导其绿色生产生活行为，进而发挥生态补偿的空气质量水平政策效应。

（3）注重不同地区的异质性，着力优化各地区生态补偿政策效果的差异化提升路径。对于地理位置不同的沿黄河九省份而言，在流域大协同治理的背景下，应充分考虑所处黄河流段的主要矛盾和具体问题，选择具有针对性的差异化生态补偿政策工具和多目标的地方政府生态补偿激励机制，以巩固和提升全流域整体的生态补偿政策效果；对于生态补偿规模较小的地区，应该结合本地区的环境资源现状和潜在后发优势，因地制宜地实施和扩大生态补偿规模，并转变传统的牺牲资源环境以发展经济发展的思路，挖掘本地区绿色的生态产业经济；对于政府治理能力低的地区，需要进一步完善地方政府的激励机制，深化和完善地方政府官员生态文明建设目标考核实施办法，使得地方政府能够在自身利益最大化中实现经济发展和环境保护的双赢；对于能耗大省来说，在巩固和提升生态补偿政策推动空气质量水平效果的同时，也要集中攻破节能减排的瓶颈，有助于大大提升地区空气质量水平的总体效果。