“蓝天保卫战”如何影响减污降碳协同度？

摘要 2018年实施的《打赢蓝天保卫战三年行动计划》（以下简称“蓝天保卫战”）首次在政策目标中提出“污染物与温室气体协同控制”，但鲜有文献探究该政策的减污降碳协同控制效果。该研究基于中国2015—2021年265个地级市数据，首先构建减污降碳协同度指标，其次运用双重差分法考察“蓝天保卫战”对减污降碳协同度的影响及其在不同资源类型城市中的异质性，最后从产业结构、能源结构、运输结构以及用地结构4个维度分析该政策的作用机制。研究结果表明：①“蓝天保卫战”显著提高了“PM2. 5-O3”“烟粉尘（SD）-CO2”以及“NOX-CO2”的协同度，但对“SO2-CO2”协同度的影响不明显，说明SO2和CO2的减排联动性较低。这一结论也体现在非资源型城市中，而资源型城市仅“PM2. 5-O3”协同度显著提升。②能源结构调整是“蓝天保卫战”实现政策效果的主要传导机制，其中非资源型城市的能源结构优化幅度相对更大；而产业结构、运输结构和用地结构并未构成政策提高减污降碳协同度的传导机制，资源型城市的产业结构和运输结构调整进程较慢是可能的原因之一。③扩展性分析表明，“蓝天保卫战”也具有显著的单边减污效应和降碳效应，但单边评估结果难以反映污染物与温室气体的减排同向性。另外，“蓝天保卫战”对空气质量指数和逆温天数也有显著提高，有效推动了环境污染和气候变化的双重治理。基于上述结论提出，应增加减污降碳协同度指标作为环境政策效果评估依据，未来仍应继续加强产业结构、运输结构和用地结构的优化力度，结合城市资源类型出台更有靶向性的蓝天保卫战相关政策。

关键词 蓝天保卫战；减污降碳协同度；双重差分

中图分类号 X-01；X511 文献标志码 A 文章编号 1002-2104（2024）07-0066-10 DOI：10. 12062/cpre. 20240303

联合国政府间气候变化专门委员会（IPCC）第六次评估报告表明，1850—2019年历史累计净CO2 排放量占全球2 ℃温升情景碳预算的2/3［1］。国际能源署数据显示，中国的温室气体排放总量位居世界首位，2021 年达到128. 61亿t CO2 当量，约占全球总排放量的31. 5%，碳减排任务十分艰巨。以CO2为主的温室气体和各类污染物（尤其是大气污染物）有着“同根同源同过程”的特点，决定了减污和降碳需要协同控制［2］。生态环境部联合七部委于2022 年6 月印发了《减污降碳协同增效实施方案》（以下简称《方案》），进一步强调了减污降碳协同控制的重要性。中国具有实现美丽中国与“双碳”目标的双重压力，减污降碳协同控制是实现经济社会绿色转型的必然选择。2018年实施的《打赢蓝天保卫战三年行动计划》（以下简称“蓝天保卫战”）首次在政策目标中加入了“污染物与温室气体协同控制”的要求。不过，大气污染物和温室气体均具有多种类别，加之“蓝天保卫战”政策条目较多，各城市在执行政策时是否做到了减污和降碳的统筹兼顾，尚未可知。本研究将建立减污降碳协同度指标，剖析“蓝天保卫战”对减污降碳协同度的影响。

本研究的贡献主要有：第一，根据污染物和温室气体的不同种类和特性建立了4个减污降碳协同度指标，拓展了减污降碳协同度的外延，打破了已有研究将减污效应和降碳效应单独分析的割裂状态。目前学术界对“减污降碳协同度”指标的衡量尚没有定论，本研究基于CO2和O3 两种温室气体，构建了1 个基于浓度的协同度指标（“PM2. 5-O3”）和3个基于排放量的协同度指标（“烟粉尘（SD）-CO2”“SO2-CO2”以及“NOX-CO2”），响应了《方案》中减污降碳协同度指标的构建需求。第二，从全国城市层面考察了“蓝天保卫战”对减污降碳协同度的影响情况，补充了“蓝天保卫战”政策目标评估的研究。已有研究对“蓝天保卫战”的政策目标评估不完全，或者只是分析政策对某一具体城市的减污降碳效果，缺乏全国层面的系统分析。第三，在探讨产业结构、能源结构、运输结构和用地结构的传导机制基础上，进一步利用三重差分模型甄别出4类结构在不同资源类型城市中的效果差异，弥补了环境政策传导机制的差异性分析。

1 文献综述

发达国家在减污降碳协同治理方面形成了一些有效经验，英国、美国、法国、德国和意大利于21世纪初期已经完成了“碳硫双增→碳增硫减→协同防控”3 个治理阶段［3］。不同于此，中国由于环境政策的实施时间相对较晚，在减污降碳上几乎处于“分而治之”的阶段［3］。2018年之前，中国环境政策的目标以减污为主。2018年开始，应对气候变化职能被调整至生态环境部，建立了减污降碳协同治理的组织基础，推动行政规制型、市场经济型和社会参与型3类环境政策朝着减污降碳协同控制方向改进。

大量文献得出多数环境政策具有显著的减污降碳效果，但几乎都是将减污效应和降碳效应单独分析。行政规制政策中，罗知等［4］、杨斯悦等［5］和陈林等［6］证实了《大气污染防治行动计划》显著改善了空气质量，但O3浓度不降反升；“蓝天保卫战”显著改善了空气质量［7］，并且在唐山市取得了较好的大气污染物和温室气体协同控制效果［8］ ；区域联防联控政策既促进了工业SO2的减排，又显著扩大了企业生产规模，一定程度上实现了经济和环境的双赢［9］；“生态文明先行示范区”政策显著提高了经济效益产出与资源环境投入比［10］。市场经济政策中，碳交易试点政策［11-13］以及用能权交易政策［14］均能够实现污染物和CO2排放的减少，开征环境保护税也可以降低CO2和污染物的排放［15］。社会参与型政策中，公众对环境的信访、人大代表建议及政协委员提案被证明能够促进污染物减排［16-17］。郑石明［18］研究发现，“三同时”制度、排污费制度以及环境信访制度均显著改善了环境质量。

也有一部分文献从污染物与温室气体的协同控制视角入手，建立了减污降碳协同控制评价方法或指标体系，但多适用于案例分析。毛显强等［19］提出了污染物减排量交叉弹性方法来反映钢铁行业的减污降碳协同控制程度，而后交通行业和固废管理领域都有该方法的相关应用［20-21］。杨儒浦等［22］运用层次分析法开发了工业园区减污降碳协同发展指数，并评价了包头市稀土高新区的减污降碳进展。

另有部分文献聚焦于分析环境政策效果的影响机制和效果差异。“生态文明先行示范区”、低碳城市试点、排污权交易等环境政策主要是通过优化产业结构、驱动技术创新［10］以及调整经济结构［23］等路径来实现减排效果，也有研究表示产业结构没有促进资源型可持续发展政策降低碳减排［24］。另外，环境政策的减排效应在不同情境下，其作用可能是不同的。Du等［ 25］表示，环境法规具有污染物和温室气体的减排效应，但减排效应会受到企业能源结构和消费的影响。薛飞等［14］发现，用能权交易制度的政策效果强弱是由实施地的节能潜力高低决定的。徐维祥等［26］得出资源型城市转型具有显著碳减排效应，但此效应在不同资源类型、不同发展阶段和不同空间区位具有异质性。

现有研究在量化环境政策的减污降碳效应等方面取得丰富成果，但仍有3点有待深入挖掘。①已有文献大多将减污效应和降碳效应独立研究，构建起二者之间“桥梁”（即减污降碳协同度）的相关研究较少，而且没有直观体现污染物和温室气体的减排同向性。②研究“蓝天保卫战”政策的已有文献要么仅评估其减污效果，要么仅以案例研究形式分析个别城市的减污降碳协同控制情况，对于“蓝天保卫战”政策是否在全国城市范围内提高了减污降碳协同度，尚未有足够关注。③多数文献往往忽视了不同情景下政策作用机制的差异，不利于避免政策执行的“一刀切”问题。因此，本研究首先建立减污降碳协同度指标，继而探究“蓝天保卫战”对减污降碳协同度的影响效果以及在不同资源类型城市的作用机制差异，为优化“蓝天保卫战”政策的细化措施提供科学依据。

2 影响机理分析

大气污染与气候变化存在内在联系，工业、交通、民用以及农牧业等均是污染物和温室气体的来源。除了具有相同的来源，大气污染物与温室气体还存在相互影响和一定转化关系，具体如图1所示。

由图1可知，NOX、VOCs以及CO可在大气中发生光化学反应生成O3；PM浓度的下降会导致羟基（OH）含量上升，从而加剧O3的形成，同时O3的氧化性又驱动了二次颗粒物的生成。

作为大气污染物，O3同时也是温室气体。与CO2在大气中存留的时间可高达200年不同，O3属于短期气候强迫因子，在大气中仅存留数周，且其与NOX和VOCs等具有显著的非线性关系［1］，并与颗粒物可相互影响和转化。因此，PM2. 5和O3的协同控制可在短期内起到缓解气候变化和提高空气质量的作用。

除了短期维度，大气污染物和CO2能否同时减排关系到长期维度上的减污降碳协同效果。CO2的清除过程非常缓慢，有一半以上可以在100年内从大气中清除，还有约20%的CO2 会在大气中存留数千年［27］，故碳减排过程是漫长且复杂的，只有驱动大气污染物和CO2同时减排，减少污染物之间的二次转化，才可能从最大程度上保障碳减排效果。根据中国污染物排放清单［28］，可知中国SO2的主要排放部门是电力和高耗能制造业，NOX的主要排放部门为电力、高耗能制造业和交通（电力部门仅占约1/3），烟粉尘的排放部门主要是高耗能制造业和生活民用部门。因此，有必要构建不同种类的大气污染物和CO2的协同度指标，以清晰把握各个部门的减污降碳协同治理进展和效果差异。

“蓝天保卫战”是中国近年来针对大气污染实施的一项重大行动，通过调整产业结构、能源结构、运输结构和用地结构等措施，减少大气污染物和温室气体排放。其中：①产业结构调整是指通过改变不同产业在总体经济中的比重，以实现经济发展的战略转型。工业是城市主要的污染排放源之一，在“蓝天保卫战”政策要求下，城市建成区重污染企业搬迁改造或关闭退出的进程加快。通过拆除、转移或整合产能过剩和重污染的产业，有利于优化产业结构，削减大气污染物和温室气体排放的源头。②能源结构调整是指改变地区所使用的能源种类和比重，减少煤炭消耗占比，从而使得大气污染物与CO2大幅减排。“蓝天保卫战”政策下，“煤改气”和“煤改电”的升级改造、煤炭消费总量控制以及大力发展清洁能源是调整能源结构的主要举措。通过“气代煤”，可以有效减少大气污染物的排放，特别是PM2. 5等细颗粒物。发展清洁能源，有利于减少煤炭的使用。③运输结构调整是指通过改变地区交通运输方式的比例减少道路交通污染。大型货车和私家车是VOCs、NOx以及烟粉尘的主要排放源之一，在“蓝天保卫战”政策实施下，优化货物运输结构、升级车船结构和油品质量以及大力淘汰老旧车辆等措施有助于促进公共交通和新能源汽车的发展，降低大气污染物和温室气体的排放。④用地结构调整是指改善地区土地资源的利用情况，从而减少大气污染。相关措施主要包括防风固沙绿化、推进露天矿山综合整治和加强扬尘综合治理等，这可以限制高污染企业新增“两高”项目，从而减缓碳排放和大气污染。

通过上述分析，产业结构调整、能源结构调整、运输结构调整和用地结构调整是“蓝天保卫战”政策的重点导向，各地政府对4类结构的优化程度决定了“蓝天保卫战”政策能否提高减污降碳协同度。不过，各城市除了在政策执行力方面存在差异，也在减污降碳的“起点”上存在不同。中国自然资源分布不均，对于资源禀赋不同的城市，其减污降碳协同度的提升空间是不同的。“蓝天保卫战”政策针对的重点区域中，地级及以上城市共81个，其中包括33个资源型城市和48个非资源型城市。资源型城市的重工业规模往往较大，减排难度较大，政策收效的时间也会较长；非资源型城市的政策执行难度可能相对较小，但污染物排放来源更为多元，对减排措施综合实施的要求更高。所以此处不提出“蓝天保卫战”如何影响减污降碳协同度的一般性研究假设，而是以探索性的方式开展研究，检验“蓝天保卫战”的政策效果及其在不同资源类型城市中的异质性。

3 模型构建与变量说明

3. 1 模型构建

为估计“蓝天保卫战”政策对减污降碳协同度的影响，构建双重差分基本模型，如（1）所示。

Yit = γ + ρTreati × Aftert +Σk = 18γkControlit + μi + υt + εit （1）

其中：Yit 代表被解释变量，包括“PM2. 5-O3”协同度、“烟粉尘（SD）-CO2”协同度、“SO2-CO2”协同度以及“NOXCO2”协同度共4个变量；Controlit代表控制变量；μi和υt分别为个体固定效应和时间固定效应；εit为随机干扰项。

3. 2 变量说明

（1）被解释变量：减污降碳协同度。包括“PM2. 5-O3”“SD-CO2”“SO2-CO2”和“NOX-CO2”4类协同度指标，分别以POXT、DCXT、SCXT 和NCXT 表示。本研究在毛显强等［29］提出的污染物减排量交叉弹性的基础上进一步根据污染物和温室气体的减排同向性将减污降碳协同度分为3个等级，分别赋值为-1，0和1，取值越大，代表减污降碳协同度越高。与前期成果Gao等［30］不同的是，本研究进一步增加了基于浓度的“PM2. 5-O3”协同度以及基于排放量的“NOXCO2”协同度。具体赋值过程如式（2）—式（6）所示。

其中：ΔP代表城市当年年均PM2. 5浓度减去上一年度年均PM2. 5浓度的差值，P 代表上一年度年均PM2. 5浓度；ΔGG1 代表城市当年年均O3浓度减去上一年度年均O3浓度的差值，GG1 代表上一年度年均O3浓度。类似地，ΔD代表城市当年年均烟粉尘（SD）排放量减去上一年度SD排放量的差值，ΔS 代表城市当年年均SO2排放量减去上一年度SO2排放量的差值，ΔN代表城市当年年均NOX排放量减去上一年度NOX排放量的差值，ΔGG2 代表城市当年年均CO2 排放量减去上一年度CO2 排放量的差值。由式（6），POXT 的赋值方法为：若“PM2. 5-O3”浓度降低率取值大于0且分子分母都为正数，则说明城市当年PM2. 5和O3的浓度同向增加，此时令POXT 取值为-1；若“PM2. 5-O3”降低率取值小于0，即分子分母一正一负（包含0），则说明城市当年最多只存在一方浓度的降低，协同效应不甚理想，但较之同向增加有好转，此时令POXT 取值为0；若“PM2. 5-O3”浓度降低率取值大于0且分子分母都为负数，则说明PM2. 5和O3 的浓度实现了同向降低，此时令POXT 取值为1。DCXT、SCXT 以及NCXT 的赋值方法同POXT。

对于城市CO2 排放量的衡量，本研究参考吴建新等［31］的核算方法，以城市当年的全社会用电、天然气、液化石油气和热能消耗量分别乘以其对应的碳排放因子，相加得到总的碳排放量。测算公式如（7）所示。

UC = αEe + βEg + χEp + δEh （7）

其中：UC 代表城市CO2排放量，Ee 代表城市当年的全社会用电量，Eg和Ep分别代表城市当年的天然气和液化石油气供气总量，Eh 代表城市蒸汽和热水两部分总的供热总量。α 代表电网基准线平均排放因子；β 代表天然气的碳排放系数2. 162 2 kg／m3；χ 为液化石油气的碳排放系数3. 101 3 kg／kg；δ为供热总量的碳排放系数0. 063 6万t/GJ（首先将供热量转化为原煤消耗量，再乘以原煤的碳排放系数而得）。电网基准线平均排放因子数据来自生态环境部每年公布的华北、东北、华东、华中、西北和南方6大区域电网的基准线排放因子；天然气和液化石油气的碳排放系数均来自2011 年发布的《省级温室气体清单编制指南（试行）》。

（2）核心解释变量：政策虚拟变量与时间虚拟变量的交乘项Treat×After。Treat 为政策虚拟变量，若该城市属于“蓝天保卫战”政策实施的重点区域（即实验组），则记为1，对照组记为0；After 为时间虚拟变量，2018年及之后记为1，2018年之前记为0。

（3）机制变量：①产业结构调整方面，选取产业结构高级化（TS）和产业结构合理化（THEIL）衡量。根据干春晖等［32］，产业结构高级化（TS）以城市第三产业增加值与第二产业增加值的比值测度，产业结构合理化（THEIL）用泰尔指数衡量，泰尔指数越接近0，表示产业结构越合理。②能源结构调整方面，选取煤炭消费量（LNC）和能源利用效率（ESRATE）。城市煤炭消费量是以夜间灯光数据将省级煤炭消费量分解到地级市层面获得［33］。能源利用效率（ESRATE）以能源消耗量与实际GDP的比值的倒数衡量。③运输结构调整方面，选取城市公路货运量（LN⁃ROAD）和省级层面的铁路货运量（LNRAIL）。“蓝天保卫战”政策实施下，加快货物运输“公转铁”和“公转水”是调整运输结构的关键所在。④用地结构调整方面，选取城市建成区绿化覆盖率（GRATIO）和机械化清扫率（MLE）共同衡量。绿化覆盖率体现了城市防风固沙绿化工程的治理成果，机械化清扫率是城市治理扬尘污染的主要手段。

（4）控制变量：参考相关研究［34-35］，还需控制：①经济发展水平（LNPGDP），对数化后的城市人均生产总值。②环境处罚（LNPU），城市当年环境行政处罚案件数量的对数值。③政府干预程度（GOV），城市财政支出占生产总值的比重。④环境关注度（ER），参考张家豪等［36］，用地级市政府工作报告中与环境保护相关的词频占比衡量。⑤绿色创新能力（GI），城市当年获得的绿色发明专利占地区获得专利总数的比重。⑥日照时数（LNSUN），城市年均日照时数的对数值。⑦风力（WIND），城市年均风力级数。⑧降水量（LNRAIN），城市年均降水量的对数值。

3. 3 数据来源与描述性统计

选取2015—2021年中国265个地级及以上城市为研究样本（未涉及东莞、中山、临沧、丽水、伊春、吕梁、平顶山、广安、拉萨、普洱、榆林、毕节、濮阳、焦作、绥化、舟山、运城、钦州、铜仁、雅安和马鞍山等地区），主要数据来自《中国城市统计年鉴》《中国城市建设统计年鉴》。其他还有：城市2020—2021年全社会用电数据来自草莓科研服务网（https：//www. caomeikeyan. com/）；PM2. 5 和O3 的浓度值来自中国空气质量在线监测分析平台（https：//www. aqistudy.cn/historydata/）；夜间灯光数据来自美国国家海洋和大气管理局（NOAA）；环境处罚数据来自北大法宝网中“法律检索”模块（https：//www. pkulaw. com/）；地市级政府工作报告环境类词频数据来自百度指数；绿色发明专利数据来自国家知识产权局（https：//www. cnipa. gov. cn/）；日照时数、风力和降水量数据来自国家气象科学数据中心（https：//data. cma. cn/）。

以“蓝天保卫战”政策实施的重点区域（京津冀及周边地区、长三角地区和汾渭平原）为实验组，非重点区域内的城市为对照组，研究样本包括72 个实验组城市和193个对照组城市。所有变量的描述性统计见表1。样本量总数为1 855，POXT、DCXT、SCXT 和NCXT 的均值分别为0. 218、0. 105、0. 175以及0. 099，可以看出，“PM2. 5-O3”的平均协同度较其他3 种更高些。再者，POXT、DCXT、SCXT 和NCXT 的中位数均为0，75分位数均为1，这表示，对于每一类减污降碳协同度，仅有约25%的样本达到了污染物和温室气体同向减排（下降），约75%的城市还存在较大的减污降碳协同度提升空间。

4 实证结果与分析

4. 1 基本回归结果

基于模型（1），“蓝天保卫战”政策对减污降碳协同度的基本回归结果见表2。

由表2可知，Treat×After 对POXT、DCXT 和NCXT 的影响均显著为正，回归系数分别为0. 300（P<0. 01）、0. 126（P<0. 05）和0. 136（P<0. 05），而对SCXT 无显著影响。这表明，“ 蓝天保卫战”政策显著提高了“PM2. 5-O3”“SDCO2”以及“NOX-CO2”的协同度，而SO2和CO2的协同度没有明显提升。减污降碳协同度反映的是污染物和温室气体的减排（下降）同向性，折射出减排措施的协同实施情况。如果各城市在部署减污降碳工作时出现“污染高的时候专门减污”或者“碳排放高的时候专门减碳”现象，那就会造成减污和降碳措施的割裂和脱节，降低了协同减排效率。“蓝天保卫战”是一项综合性政策，突出特点就是更注重源头治理而非简单割裂的末端控制，源头治理方法对应污染物和温室气体的“同根同源”性，有利于同时减少污染物和温室气体，提高减污降碳协同度。从回归结果看，政策实施后的3年时间里，实验组城市总体上做到了PM2. 5和O3浓度的同向降低，做到了烟粉尘和CO2的同向减排，也在NOX和CO2的同向减排上取得了较好的成果，但在SO2和CO2的同向减排上收效不明显。可能的原因是，根据《中国大气污染防治回顾与展望报告2018》，完成超低排放改造的燃煤电厂在2017年时就已占比71%，所以2018年“蓝天保卫战”实施后，电力部门的污染物减排空间就已经较小。因此比起CO2，SO2的减排基础较好，故而在“SO2-CO2”协同度的提升过程中会存在不平衡现象，这是持续打好“蓝天保卫战”的政策调整重点。

4. 2 稳健性检验

采用平行趋势检验、增加控制变量、安慰剂检验、PSM‑DID检验以及排除同期其他因素影响5类（共7种）方法进行稳健性检验。其中：①平行趋势检验采用事件研究法，引入各年度虚拟变量和政策变量Treat 的乘积回归而得；②增加控制变量法采用在原有控制变量基础上增加地方政府环境治理投资的对数值（LNEI）和该城市当年拥有的属于六大高污染行业的上市公司数量（CORPS），再次回归而得；③安慰剂检验参考刘斌等［37］，采用随机500 次抽样虚构处理组的方法进行回归；④PSM‑DID检验采用卡尺匹配（卡尺标准为0. 25×倾向得分标准差=0. 046）后的样本重新回归；⑤为排除《大气污染防治行动计划》政策效果延续性影响，借鉴蔡兴［7］，以珠三角地区的城市为实验组，非重点区域城市为对照组，构建新的政策虚拟变量Treat3，时间虚拟变量After 不变，得到新的核心解释变量Treat3×After 重新回归；⑥为排除同时期实施的《中华人民共和国环境保护税法》政策影响，设置虚拟变量TAXDID（提高环保税税率的城市在2018年及之后时等于1，否则等于0），加入控制变量中重新回归；⑦为排除2020年的外部因素冲击，将2020年的数据删去后重新回归。结果发现，上述方法得到的结论均能证明表2回归结果是稳健的。由于篇幅所限，具体检验结果可联系作者获取。

4. 3 异质性分析

考虑到“蓝天保卫战”政策实施的重点区域包括33个资源型城市和48个非资源型城市，并且资源型城市和非资源型城市在产业结构和能源消耗等方面存在明显差异，减污降碳的进步空间不同，因此有必要探索“蓝天保卫战”对减污降碳协同度的政策效果在不同资源类型城市上的差异，为制定差异化环境政策提供启示。

依据《全国资源型城市可持续发展规划（2013—2020年）》，将样本城市按照资源型城市和非资源型城市分组后分别双重差分回归，结果见表3。

由表3 可知，对于资源型城市样本，Treat×After 对POXT 的回归系数在1%的水平上显著为正，对其他因变量的回归系数不显著。这表明，“蓝天保卫战”政策显著促进了资源型城市PM2. 5浓度和O3浓度的同时下降，但没有促进其他大气污染物与CO2排放量的同向下降。对于非资源型城市样本，Treat×After 对POXT、DCXT 和NCXT的回归系数均显著为正，说明“蓝天保卫战”政策显著提高了非资源型城市的“PM2. 5-O3”“SD-CO2”和“NOX-CO2”协同度，政策效果在非资源型城市样本中较好。

上述结果说明，在“蓝天保卫战”政策实施下，比起非资源型城市，资源型城市减污降碳不平衡现象较为突出，可能的原因是资源型城市减排基数大，产业转型周期长，大气污染物和温室气体的源头治理措施需要逐步落地，因此减污降碳协同度的提高在3年内并不明显。

4. 4 机制分析

产业结构调整、能源结构调整、运输结构调整以及用地结构调整是“蓝天保卫战”政策的重点内容，接下来探究4类结构调整在“蓝天保卫战”实施中的传导机制作用（表4），并采用三重差分法考量作用机制在不同资源类型城市的差异性，回归结果见表5。

由表4可知，Treat×After 对TS 的回归系数显著为负，对THEIL 的影响显著为正，说明“蓝天保卫战”显著降低了产业结构高级化水平和合理化水平，产业结构并不是“蓝天保卫战”实施3年以来的政策作用路径。在能源结构方面，Treat×After 对LNC 的回归系数显著为负（-0. 034，P<0. 05），对ESRATE 的影响显著为正（2. 508，P<0. 05），这体现出，“蓝天保卫战”显著降低了城市煤炭消费量，并且显著提升了能源利用效率，政策对能源结构调整的效果十分明显，是政策提高减污降碳协同度的关键路径。在运输结构和用地结构上，“蓝天保卫战”政策显著提高了公路货运量（0. 065，P<0. 05），并显著降低了铁路货运量（-0. 036，P<0. 01）；Treat×After 对GRATIO 和MLE 的回归系数均显著为负，即城市绿化覆盖率和机械化清扫率均显著降低。上述表示，“蓝天保卫战”政策并未有效优化运输结构和用地结构，说明运输结构和用地结构均不构成政策提高减污降碳协同度的主要途径。

综上，“蓝天保卫战”政策实施3年以来，能源结构的调整是其提高减污降碳协同度的关键机制，而产业结构、运输结构和用地结构的传导机制效果并不理想。

表5报告了引入资源类型（Type）的三重差分项后的机制效应。可以看出，在Treat×After 对THEIL 的回归系数显著为正的基础上，三重交互项Treat×After×Type 对THEIL 的回归系数显著为负。由于Type 为虚拟变量，属于资源型城市记为1，否则为0，这表明，“蓝天保卫战”政策实施后，与非资源型城市相比，资源型城市的THEIL 的提升幅度更大，即产业结构变得不合理的幅度更大。在能源结构方面，在Treat×After 对LNC 的回归系数显著为负的基础上，三重交互项Treat×After×Type 对LNC 的回归系数显著为正，说明与资源型城市相比，非资源型城市的煤炭消费量的降低幅度更大；Treat×After×Type 对ESRATE 的回归系数不显著，表示资源型城市与非资源型城市在能源利用效率的提高幅度上相差不大。在运输结构方面，Treat×After×Type 对LNRAIL 的回归系数显著为负，说明与非资源型城市相比，资源型城市的铁路货运量的降低幅度更大。在用地结构方面，Treat×After×Type 对GRATIO 和MLE 的回归系数均不显著，说明资源型城市与非资源型城市不存在显著差异。

综上所述，“蓝天保卫战”政策对能源结构的优化主要体现在非资源型城市上，非资源型城市煤炭消费量的降低较之资源型城市的幅度更大。而“蓝天保卫战”未能较好地改善产业结构和运输结构，资源型城市的调整进程较慢是可能的原因之一。

4. 5 扩展性分析

为全面把握“蓝天保卫战”政策效果，接下来评估单边减污和降碳效应。引入城市年均PM2. 5浓度（LNPM2. 5）、烟粉尘排放量（LNSD）、SO2排放量（LNSO2）、NOX排放量（LN⁃NOX）、年均O3浓度（LNO3）以及城市CO2排放量（LNCO2）分别作为因变量，另外增加年均空气质量指数（LNAQI）和城市逆温天数（LNDAY）分别探究“蓝天保卫战”对环境治理和气候变化应对的综合情况，结果见表6。

表6 揭示出“蓝天保卫战”政策显著降低了PM2. 5 浓度、烟粉尘排放量、SO2排放量、NOX排放量以及CO2排放量，但O3浓度显著提高。此外，列（7）和列（8）显示，Treat×After 对LNAQI 的回归系数显著为正，对LNDAY 的回归系数显著为负，说明“蓝天保卫战”显著提高了城市空气质量指数，并且显著降低了逆温天数，在更大范围上发挥了较好的环境污染治理和气候变化应对效果。

结合表6 和表2 的结果，可以得出以下结论。一方面，尽管PM2. 5浓度显著降低，O3浓度显著升高，但“PM2. 5-O3”协同度POXT 是显著提升的，这说明重点实施城市在执行“蓝天保卫战”政策时采用了有利于PM2. 5和O3协同控制的措施，并收效较好，应继续保持，直至带动O3浓度显著降低。另一方面，尽管SO2和CO2在总量上均显著降低，但二者协同度SCXT 不显著，这说明SO2和CO2的减排联动性较低，譬如减排过程中“减硫增碳”等不同步的现象仍然较多。

综上，减污效应和降碳效应的单边评估结果主要刻画排放量的平均变动情况，却难以反映污染物与温室气体减排同向性的变化。因此，未来在评估环境政策效果时，建议将大气污染物和温室气体的排放量和减排同向性结合分析，全面把握现实情况。

5 研究结论与政策启示

以2015—2021年中国265个城市为样本，构建了4个减污降碳协同度指标，分析了“蓝天保卫战”对减污降碳协同度的影响，并剖析了政策效果在资源型城市和非资源型城市中的异质性及影响机制。研究结论如下。

（1）“蓝天保卫战”显著提高了“PM2. 5-O3”“SD-CO2”和“NOX-CO2”的协同度，但对“SO2-CO2”协同度的提高不明显。表明“蓝天保卫战”总体上提高了减污降碳协同度，但SO2与CO2的减排过程中尚有不同步情况。

（2）异质性分析表明，“蓝天保卫战”政策仅显著提高了资源型城市“PM2. 5-O3”协同度，对其他类型的减污降碳协同度无显著作用；对于非资源型城市，“蓝天保卫战”政策显著提高了其“PM2. 5-O3”“SD-CO2”和“NOX-CO2”协同度。

（3）机制分析表明，“蓝天保卫战”政策实施3年以来，主要是通过优化能源结构来实现的减污降碳协同治理，其中非资源型城市的能源结构优化幅度更大；产业结构和运输结构的调整虽然也是政策实施重点，但“蓝天保卫战”对此的收效甚微，可能的原因是资源型城市的产业和运输结构调整较慢。

（4）扩展性分析显示，减污效应和降碳效应的单边评估结果主要刻画排放量的平均变动情况，难以反映污染物与温室气体的减排同向性。此外，“蓝天保卫战”显著提高了重点实施城市的空气质量指数，并显著降低了逆温天数，实现了更广泛意义上的环境和气候的双重治理。

从上述研究结论可得出的政策启示有：①应根据污染物不同种类分别构建减污降碳协同度指标，作为政策效果评估依据或政府考核指标。目前尚无统一的减污降碳协同增效的衡量指标，本研究提出的按污染物不同种类分别构建减污降碳协同度指标的方法有利于窥探治理过程中污染物和温室气体的联动情况。②各地政府应继续保持对“PM2. 5-O3”“SD-CO2”和“NOX-CO2”的协同治理力度，同时加强对“SO2-CO2”协同减排措施的改进，避免出现碳污“分而治之”的现象，做到统筹兼顾。③“蓝天保卫战”在产业结构、运输结构和用地结构上的调整效果并不理想，未来在出台或改进持续深入打好蓝天保卫战系列政策时要注重加强政策的执行力度；同时也要结合城市资源类型出台更有针对性的结构调整政策，推动减污降碳协同治理。

参考文献

［1］ Intergovernmental Panel on Climate Change. Climate change 2023：Synthesis report.［ R］. Geneva： IPCC， 2023.

［2］ 郑逸璇，宋晓晖，周佳，等. 减污降碳协同增效的关键路径与政策研究［ J］. 中国环境管理， 2021， 13（ 5）： 45-51.

［3］ 易兰，杨田恬，杜兴，等. 减污降碳协同路径研究：典型国家驱动机制及对中国的启示［J］. 中国人口·资源与环境，2022，32（9）：53-65.

［4］ 罗知，李浩然.“大气十条”政策的实施对空气质量的影响［J］.中国工业经济，2018（9）：136-154.

［5］ 杨斯悦，王凤，刘娜.《大气污染防治行动计划》实施效果评估：双重差分法［J］. 中国人口·资源与环境，2020，30（5）：110-117.

［6］ 陈林，肖倩冰，蓝淑菁. 基于产业结构门槛效应模型的环境政策治污效益评估：以《大气污染防治行动计划》为例［J］. 资源科学，2021，43（2）：341-356.

［7］ 蔡兴.“蓝天保卫战”空气污染治理效应评估［J］. 中南大学学报（社会科学版），2022，28（5）：78-91.

［8］ 邢有凯，毛显强，冯相昭，等. 城市蓝天保卫战行动协同控制局地大气污染物和温室气体效果评估：以唐山市为例［J］. 中国环境管理，2020，12（4）：20-28.

［9］ 程芳芳，傅京燕. 区域联防联控环境治理政策对企业生产规模的影响研究［J］. 中国人口·资源与环境，2020，30（9）：46-53.

［10］ 梁琦，肖素萍，刘玉博. 环境政策对城市生态效率的影响与机制研究：基于生态文明先行示范区的准自然实验［J］. 西安交通大学学报（社会科学版），2022，42（3）：61-70.

［11］ 任亚运，傅京燕. 碳交易的减排及绿色发展效应研究［J］. 中国人口·资源与环境，2019，29（5）：11-20.

［12］ 赵立祥，赵蓉，张雪薇. 碳交易政策对我国大气污染的协同减排有效性研究［J］. 产经评论，2020，11（3）：148-160.

［13］ 张国兴，樊萌萌，马睿琨，等. 碳交易政策的协同减排效应［J］.中国人口·资源与环境，2022，32（3）：1-10.

［14］ 薛飞，周民良. 用能权交易制度能否提升能源利用效率？［J］.中国人口·资源与环境，2022，32（1）：54-66.

［15］ MARDONES C， CABELLO M. Effectiveness of local air pollutionand GHG taxes： the case of Chilean industrial sources ［J］. Energyeconomics， 2019， 83（9）： 491-500.

［16］ 陆安颉. 公众参与对环境治理效果的影响：基于阶梯理论的实证研究［J］. 中国环境管理，2021，13（4）：119-127.

［17］ 张国兴，雷慧敏，马嘉慧，等. 公众参与对污染物排放的影响效应［J］. 中国人口·资源与环境，2021，31（6）：29-38.

［18］ 郑石明. 环境政策何以影响环境质量：基于省级面板数据的证据［J］. 中国软科学，2019（2）：49-61，92.

［19］ 毛显强，曾桉，刘胜强，等. 钢铁行业技术减排措施硫、氮、碳协同控制效应评价研究［J］. 环境科学学报，2012，32（5）：1253-1260.

［20］ ALIMUJIANG A， JIANG P. Synergy and co‑benefits of reducingCO2 and air pollutant emissions by promoting electric vehicles：acase of Shanghai［J］. Energy for sustainable development， 2020（55）： 181-189.

［21］ SINHA A， SCHNEIDER N， SONG M， et al. The determinants ofsolid waste generation in the OECD： evidence from cross‑elasticitychanges in a common correlated effects framework［J］. Resources，conservation and recycling， 2022（ 182）： 106322.

［22］ 杨儒浦，王敏，胡敬韬，等. 工业园区减污降碳协同增效评价方法及实证研究［J］. 环境科学研究，2023，36（2）：422-430.

［23］ 王莉，亢延锟，薛飞，等. 环境政策效果的综合框架：来自16项试点政策的经验证据［J］. 财贸经济，2022，43（4）：98-112.

［24］ 张艳，郑贺允，葛力铭. 资源型城市可持续发展政策对碳排放的影响［J］. 财经研究，2022，48（1）：49-63.

［25］ Du W J， LI M J. Assessing the impact of environmental regulationon pollution abatement and collaborative emissions reduction： micro‑evidencefrom Chinese industrial enterprises［J］. Environmentalimpact assessment review，2020（82）： 106382.

［26］ 徐维祥，郑金辉，周建平，等. 资源型城市转型绩效特征及其碳减排效应［J］. 自然资源学报，2023，38（1）：39-57.

［27］ Intergovernmental Panel on Climate Change. Climate change2007： Synthesis report.［ R］. Geneva： IPCC， 2007.

［28］ ZHENG B， TONG D， LI M， et al. Trends in China′s anthropogenicemissions since 2010 as the consequence of clean air actions［J］. Atmosphericchemistry and physics， 2018， 18（19）： 14095-14111.

［29］ 毛显强，邢有凯，高玉冰，等. 温室气体与大气污染物协同控制效应评估与规划［J］. 中国环境科学， 2021， 41（7）：3390-3398.

［30］ GAO X W， LIU N， HUA Y J. Environmental Protection Tax Lawon the synergy of pollution reduction and carbon reduction in China：evidence from a panel data of 107 cities［J］. Sustainable productionand consumption， 2022，33： 425-437.

［31］ 吴建新，郭智勇. 基于连续性动态分布方法的中国碳排放收敛分析［J］. 统计研究， 2016， 33（ 1）： 54-60.

［32］ 干春晖，郑若谷，余典范. 中国产业结构变迁对经济增长和波动的影响［J］. 经济研究， 2011， 46（ 5）： 4-16，31.

［33］ 史丹，李少林. 排污权交易制度与能源利用效率：对地级及以上城市的测度与实证［J］. 中国工业经济，2020（09）：5-23.

［34］ 李红霞，郑石明，要蓉蓉. 环境与经济目标设置何以影响减污降碳协同管理绩效？［J］. 中国人口·资源与环境，2022，32（11）：109-120.

［35］ 李治国，车帅，王杰. 碳排放权交易试点政策的实施效果考察［J］. 统计与决策， 2022， 38（ 18）： 166-170.

［36］ 张家豪，范文雨，高原. 环境司法制度改革与地方绿色创新：来自公益诉讼试点的证据 ［J］. 财经研究， 2022， 48 （10）：19-33.

［37］ 刘斌，李秋静，李川川. 跨境铁路运输是否加快了中国向西开放：基于城市—产品层面的经验证据［ J］. 管理世界， 2022， 38（8）： 101-118.

（责任编辑：蒋金星）

基金项目：国家社会科学基金西部项目“数字赋能制造业‘链主’企业碳足迹减排的影响机制研究”（批准号：23XGL025）。