张中祥 曹欢

摘要 文章将《京津冀及周边地区2017年大气污染防治工作方案》和其后续“攻坚行动方案”的发布作为准自然实验，使用双重差分模型（DID）评估大气污染治理的政策效果。回归结果发现：①“方案”的发布对于“2+26”城市的空气具有显著的改善作用，并通过了稳健性检验，构成雾霾的主要污染物PM2.5、PM10和AQI 的改善程度最明显，SO2、CO 和NO2的改善幅度次之，但O3浓度在政策处理期内不降反升，说明近年来O3污染程度加剧，亟须引起关注。②长期视角下SO2和NO2的治理效果较短期情况下相比有所提升，说明有些大气污染物仍然具有進一步改善的潜力，印证了大气污染治理是一项长久的“攻坚战”。③引入空间DID分析，通过空间杜宾和双重差分的嵌套模型，放松个体相互独立的假设，从空间维度探讨“方案”的政策效果，对比空间视角下的直接效应与间接效应得出，区域联防联控大气治理手段相比单一地区空气质量改善政策而言能够使得治理效果事半功倍。④使用中介效应模型，探讨了“方案”通过减少工业产值占GDP 的比重和减少能源消费总量达到空气质量改善的两种作用机制。最后，文章为接下来进一步有效治理大气污染提出了相关的政策建议。

关键词 “2+26”城市;双重差分模型;空间DID;机制分析

中图分类号 X51;F061.5  文献标志码 A   文章编号1002-2104（2022）02-0026-11   DOI：10.12062/cpre20211126

大气污染是中国经济不断快速发展的一项负外部公共品，在中国，受空气污染问题最多困扰的当属京津冀及周边地区[1-4]。国务院发布的“十三五”生态环境保护规划中明确强调要“深化区域大气污染联防联控、显著削减京津冀及周边地区颗粒物浓度”，因此京津冀及周边地区成为大气污染防治的重点覆盖区域。2017年2月17日，原环境保护部发布了《京津冀及周边地区2017年大气污染防治工作方案》（以下简称《2017方案》），形成了以京津冀及周边地区为主导的大气污染防治协作组。该方案联合河北、河南、山东、山西四省和北京、天津两市，首次提出“2+26”大气污染传输通道城市概念，旨在降低污染排放负荷、强化冬季治霾、提升区域空气质量。在《2017方案》发布后，为进一步强化秋冬季大气污染防治工作的实施，原环境保护部发布了《京津冀及周边地区2017—2018年秋冬季大气污染综合治理攻坚行动方案》，生态环境部发布了《京津冀及周边地区2018—2019年秋冬季大气污染综合治理攻坚行动方案》和《京津冀及周边地区2019—2020年秋冬季大气污染综合治理攻坚行动方案》。这三个“攻坚行动方案”中的“秋冬季”指每年的10月份到次年3月份，由于该时期内气象条件的改变会使得大气扩散能力变差，集中供暖的开始又会加剧大气中颗粒物污染情况，有关部门为保证《2017方案》的执行效果，在此基础上，制定了后续的一系列“攻坚行动方案”。从某种程度上来看，《2017方案》与后续的“攻坚行动方案”具有很高的相似性，都是以改善京津冀及周边地区大气污染为核心。因此，文章将《2017方案》与后续的“攻坚行动方案”看作一个期限长达3年的政策整体，评估其对空气质量改善的整体效果。

那么，在这些“方案”作用的三年时间内，京津冀及周边地区大气污染治理成效如何？这些“方案”是否能够使得“2+26”城市的空气质量发生显著改善？若发生改善，那么这种改善是通过何种机制来具体产生影响？文章将对这些问题进行探索性分析和实证检验，从多角度评价这一系列大气污染治理政策的效果，为接下来“十四五”期间的大气污染治理政策的研究与制定提供科学的视角和依据。

相比以往的研究，文章的边际贡献与创新点在于：①与以往学者普遍研究的单项大气污染治理政策不同，创新性地将《2017方案》和后续“攻坚行动方案”看作一项整体，从短期和长期两方面评估政策整体对空气改善的效用。②从多视角探究政策的治理效果，通过引入空间 DID模型有效解决大气污染的空间相关性问题，从空间维度上讨论大气污染政策的治理效果，扩展了大气污染政策效果评价的方法与思路。

1 研究背景及假设

在中国，大气污染治理一直是各方所密切关注的话题，大气污染治理不能一蹴而就，从政策的制定、下发到落实，治理过程需循序渐进。随着人民日益增长的美好生活需要不断增加，民众对“蓝天”的呼声也愈来愈高，为了营造良好的大气条件，舒适的居住环境，中央有关部门出台了多条大气污染治理长效举措。2013年9月国务院发布了《大气污染防治行动计划》——即“大气十条”政策。罗知等[5]的研究发现，“大气十条”政策通过与供暖机制的联合能够使得北方冬季的空气质量得到显著的改善;同样，杨斯悦等[6]利用“大气十条”充当准自然实验，证明了该项政策的总体有效性，但指出分解污染物在区域条件下并未达到政策的要求;石敏俊等[7]采用分位数回归模型方法认为“大气十条”规定难以实现既定的PM2.5减排目标，要想实现既定的污染物浓度指标，需要进一步加强减排力度。随后，2018年7月，《打赢蓝天保卫战三年行动计划》应运而生。肖翠翠等[8]对《蓝天保卫战强化督查方案》进行评估，得出该政策能够有效改善京津冀及周边地区的空气质量。随着《2017方案》和后续“攻坚行动方案”的提出和落实，已有学者对其政策效果进行了评价。王恰等[9]利用全国320个城市，将实验组和对照组分为“2+26城市”和非“2+26城市”，发现方案显著降低了实验组城市的各类污染物浓度;毛显强等[10]以山东省为例探究了该治理政策的实施效果，得出方案对PM2.5、PM10和 CO 三项浓度指标有改善作用，并发现《2017方案》的治霾成功主要得益于政策实施之后的“攻坚行动方案”的执行。

在已有的对大气污染政策评价的研究中，学者们大多都采用基准双重差分模型，但基准双重差分模型对个体存在严格的独立性假设，且只针对政策的直接效应进行测量。当大气污染和大气污染的治理过程存在空间关联性时，这种简单方法通常具有局限性。因此，文章在基准双重差分模型的基础之上，引入空间 DID模型，通过空间杜宾与双重差分的嵌套模型，测量“方案”给京津冀及周边地区带来空气质量改善的直接效应与间接效应（即空间溢出效应），能够使得文章的分析结果更加全面准确。

在《2017方案》及后续“攻坚行动方案”提出之前，有关部门发布的大气污染长期治理政策往往是单一的，缺乏污染频发季节细分和相关后续意见指导，从而可能造成政策效果不尽人意。《2017方案》和后续“攻坚行动方案”循序渐进，让一套大气污染治理政策更加完整。其中“方案”提出化解过剩产能，重点关注钢铁类和制造加工类，实行工业企业错峰生产，规定排放限值，加大工业企业限产力度;实施清洁取暖，完成“小燃煤锅炉”清零工作、实现煤炭消费总量负增长等一系列举措。基于政策方针的发布和目标责任的落实，文章提出以下研究假设：

假设1：《京津冀及周边地区2017年大气污染防治工作方案》和后续发布的“攻坚行动方案”能显著改善“2+26”城市的空气污染状况。

假设2：这种改善可以通过降低地区生产总值工业占比、减少能源消费总量这两种作用机制达成。

文章选择的样本为京津冀及周边地区“四省两市”范围内的“2+26”城市与非“2+26”城市，除在有无政策直接影响的维度外，其他特征较为相似，能够更好地满足 DID 模型的前提假设，也能够把问题聚焦在京津冀及周边地区本身，具有地区代表性。

2 模型构建及数据选取

以治理大气污染为例，评估政策的事件分析方法有多种，学者们常用双重差分模型（Difference‑in‑Differences  Model，简称 DID）、断点回归模型（Regression Discontinuity  Design，简称 RDD）及合成控制法（Synthetic Control Meth‑ od，简称SCM）评价政策的规制效果。王岭等[11]使用双重差分证实了中央政府首轮环保督察和“回头看”都使得 AQI、PM2.5和PM10显著下降，为由“督企”转变为“督政”的监督检查机制提供了理论与决策依据。Chen 等[12]利用双重差分模型探讨在2008年奥运会前后北京市的空气污染治理措施的实施效果，结果表明，空气质量指数API 在奥运会开始之前就已下降，而奥运会结束的一个月内，API 指数迅速升高。RDD 模型除了能解决内生性问题之外，还避免了因使用倍差法寻找控制组的困难。曹静等[13]发现当使用传统的 OLS 回归时显示北京的限行政策有很大的作用效果，但使用RDD 识别，排除掉模型内生性干扰，“尾号限行”并未改善城市的空气质量。合成控制法也能够比较准确地将政策实施的效果一探究竟，张俊[14]以北京奥运会为自然实验，使用北京和合成北京比较了奥运会前后北京市的空气质量变化，发现奥运会之后北京空气质量的改进主要发生在非冬季，而冬季时的空气质量没有得到明显改善。相对于 RDD 与 SCM，DID 更适用评价面板数据中有非单一实验组的情况;相对于“单差法”， DID可以更准确地计算实验组在政策实施前后排除自身趋势的变化，即解决一部分内生性问题。因此，文章选择 DID模型来评估大气污染治理政策的实施效果。

2.1 基准双重差分模型

文章将《京津冀及周边地区2017年大气污染防治工作方案》及后续“攻坚行动方案”的发布看作“准自然实验”，来比较政策发布前后空气质量改善的幅度，建立如下基本模型：

其中，Yit代表空气质量指数（Air Quality Index，简称 AQI）和构成AQI 的六种单项污染物浓度（PM2.5、PM10、SO2、CO、 NO2和 O3），i代表城市，t 表示时间。Treati和Postt均为虚拟变量，当城市i为实验组时，Treati取值为1，反之为0;当时间t 为政策发布日后时，Postt取值为1，反之为0。Zit为一组控制变量，其中包括城市特征变量：人口自然增长率、人均地区生产总值、城市建成区面积、一般公共预算收入和一般公共预算支出;天气特征变量：是否下雨、是否下雪、是否多云、最高气温、最低气温、风力和风向;其他控制变量：是否海滨城市、是否处于冬季供暖期、是否法定节假日。μi为城市固定效应，用来控制城市维度上所有不随时间变化的因素，如地理区位等; Tt为月度时间固定效应，控制时间维度上不随地区而改变的特征，如宏观经济走势等;εit是残差项。模型中，重要的解释系数是α1，若其估计值小于零，则表明与控制组相比，政策的实施改善了“2+26”城市的空气质量。

2.2 空間双重差分模型

当研究问题具有内生性时，双重差分模型是解决内生性问题的“不二法则”。但个体间相互独立的假设被打破后，单纯使用 DID模型便很难使得回归结果准确可信。与基准 DID 模型相比，空间 DID模型既有 DID 模型的优点，又存在空间计量模型的优势，它能够放松空间单位之间相互独立的假设，认为本地区与邻近地区存在相互关系，即本地区的变动不仅直接影响本地区结果变量，也会影响其相邻地区的结果变量，也就是说，政策既具有直接效应，也具有空间溢出效应。

大气污染具有空间相关性，大气污染治理过程同样也具有这一特性[15-17]，鉴于此，使用空间双重差分模型对《2017方案》和后续“攻坚行动方案”进行政策评估。使用空间双重差分模型的好处是，既能够从一种新视角探究大气污染政策作用效果，也能对引入空间计量模型下政策的直接效应和间接效应进行分解，讨论和评估政策的空间溢出效应。这种方法不论是探究经济问题还是评估政策效果[18-22]都能够鞭辟入里。

常见的空间计量模型存在三种，空间滞后模型（SAR）、空间误差模型（SEM）和空间杜宾模型（SDM），当地区间的相互作用通过模型中的误差项来实现，即空间溢出效应来源于随机冲击时，通常选择SEM 模型;当自变量通过空间传导从而对其他地区产生影响时，通常选择 SAR 模型。SDM 可以看作是 SAR 与 SEM 的结合，模型同时包含自变量和因变量的滞后项，自变量的变化对本地区及相邻地区的因变量都会产生影响，在分析实际问题时具有以上两种模型的优点。

文章借鉴了 Chagas 等[23]以及范巧等[24]的处理方法，构造 SDMDID 模型，在传统 DID 模型上引入空间权重矩阵，模型形式设定如下：

其中，W是根据两两城市地理位置差异构建出的空间距离矩阵，i和j 表示两个不同的城市;dij为城市i与城市j之间的欧式距离，利用国家基础地理信息系统的经纬度数据计算得来;dmax表示城市之间的最大距离，若距离超过此值则地区间的相互作用忽略不计;ρ为空间自回归系数;θ是自变量空间滞后项参数;μi是城市固定效应; Tt为时间固定效应;α1是核心解释变量的系数，代表引入SDM 后，“方案”对“2+26”城市大气污染治理的影响程度。

2.3 数据选取

文章选取的实验组为“方案”中所规定的“2+26”城市，具体包括北京市，天津市，河北省石家庄、唐山、保定、廊坊、沧州、衡水、邯郸、邢台，山东省济南、淄博、聊城、德州、滨州、济宁、菏泽，河南省郑州、新乡、鹤壁、安阳、焦作、濮阳、开封，山西省太原、阳泉、长治、晋城，共计28个城市。对照组城市为“四省两市”中的非“2+26”城市，所选择的研究对象均为地级市。时间跨度为2015年1月1 日起至2019年12月31日止，单个城市样本量为1825条。考虑到“2+26”城市本就处于京津冀及周边地区范围内，从京津冀及周边地区“四省两市”出发，讨论“2+26”城市在特定地区内政策作用下空气质量改善的效果，从理论上和实际上看都更具有地区代表性。

文章数据指标选取及来源为：

（1）空气质量指标。AQI 以及构成AQI 的六种单项污染物浓度指标来自中国空气质量在线监测分析平台，该平台发布的数据源自中国环境检测总站。文章整理了2015年1月1日—2019年12月31日“四省两市”的日均 AQI 和六种污染物浓度数据。

（2）气象条件数据。气象条件会对空气质量产生重要影响，文章搜集了一系列气象条件数据。模型均控制了日度的最高气温、最低气温、是否多云、是否下雨、是否下雪、风力和风向情况。气象数据源自2345天气王。

（3）法定假日变量。节假日会影响人们的日常活动和社会的生产活动，进一步地影响空气质量，加入法定节假日这一虚拟变量能够控制假期因素对空气污染的异质性影响。法定节假日及调休安排来自国务院办公厅发布的通知。

（4）城市特征变量。城市特征变量能在一定程度上反映城市的发展水平，而城市发展水平与城市大气污染之间存在相关关系，控制城市特征变量可以消除一部分内生性。文章选择人口自然增长率、人均地区生产总值、建成区面积、一般公共预算收入和一般公共预算支出五项指标描述样本所在城市特征。选取的指标统计口径均为市辖区指标，数据源自2015—2019年的《中国城市统计年鉴》。

（5）冬季供暖变量。根据罗知等[5]的研究，大部分城市的供暖期在11月15日左右开始，到次年3月15日左右结束。由于冬季的供暖会在一定程度上影响空气质量，因此加入城市供暖期虚拟变量，处在11月15日到次年3月15日期间取值为1，反之为0。

（6）海滨城市变量。海滨城市气候和扩散条件均好于内陆城市，会对空气质量产生影响，加入海滨城市虚拟变量，城市靠海取值为1，反之为0。

数据的描述性统计见表1，在全样本期内，样本量高达十万多条，AQI 均值为103.5。

2.4 平行趋势检验

“方案”对“2+26”城市的空气质量有着显著的改善作用，另一个可能存在的原因是，在该“方案”发布之前，实验组城市的空气状况就已经发生了好转，进而给文章所评价的政策效果带来偏误。在应用 DID模型分析的问题中，为保证政策处理效果真实可靠，检验实验组和控制组的平行趋势是十分必要的。

文章通过设定相应的动态效应模型检验平行趋势。具体做法是以2017年“方案”发布为中间点，令政策窗口向前及向后分别移动1年和2年，通过核心解释变量系数的变化进而分析大气污染治理的政策效果，动态方程如下所示：

其中，n 表示与政策发布时间2017年所间隔的年份距离，考察政策发布当年以及前后两年的动态处理效果。核心解释变量依然是Treati×Postt，其余解释变量代表意义与公式（1）相同。图1显示，政策处理前两年，回归系数在0轴附近波动，说明实验组和对照组城市的AQI 无显著差别;政策处理当年，实验组城市AQI 并未发生显著下降，这是由于原环境保护部于2017年2月17日生成的“方案”，使当年秋冬季雾霾治理取得的成果平滑到一整年内不再显著，并且大气污染治理存在时间上的滞后性特征[17，25]。2018年，回歸系数显著降低，说明政策作用下相比于对照组城市，实验组城市的空气质量发生明显改善，但2019年时这种效果则又消失不见，说明政策效果的持续性较差。总体上看，实验组城市和对照组城市在政策处理前具有平行趋势，政策处理后实验组城市空气质量显著提升，即满足平行趋势的假设。

3 实证分析结果与稳健性检验

3.1 基准双重差分结果

首先使用2015年1月1日—2017年7月31日的短期数据，对《2017方案》单项政策的出台进行评估。模型中控制变量包括城市特征变量：人口自然增长率、人均地区生产总值、建成区面积、一般公共预算收入和一般公共预算支出;天气特征变量：是否下雨、是否下雪、是否多云、最高气温、最低气温、风力和风向;其他控制变量：是否海滨城市、是否处于冬季供暖期、是否法定节假日（以下各回归模型同样控制）。固定效应包括城市个体固定效应和月度时间固定效应和年度时间固定效应。表2中列（1）的回归结果表明“2+26”城市的空气质量发生了显著的改善，AQI 平均降低了10.18。列（2）-（7）六种单项污染物中，PM2.5、PM10、CO 和NO2四种污染物得到显著改善，这与《2017方案》中的各项治理规定密不可分;SO2系数为负但浓度下降并不显著，在短期情况下 SO2改善程度较小; O3 浓度在政策期内显著提升，平均浓度提高10.37，可能与其特殊的形成过程有关，说明了近年来在治理大气污染时忽视了O3这一污染物，导致O3污染加剧，因此亟须有关部门密切关注 O3污染问题，开展大气污染物协同治理等手段有效控制O3污染，这与许多学者的观点一致[26-28]。

其次，将《2017方案》与后续“攻坚行动方案”看作一个整体，检验《2017方案》和“攻坚行动方案”的长期政策效果。政策处理时间依然是《2017方案》的发布时间，但政策作用的时间变长，进而估计得到的结果是《2017方案》和“攻坚方案”一同作用的平均处理效应。由表3可知，在长期中，AQI、PM2.5、PM10和 CO 改善的效果依然显著，改善幅度相较短期基本一致，并且O3污染问题仍然存在。不同的是，长期情况下，SO2浓度平均降低5.52，改善效果优于短期情况，NO2的改善程度较短期略有提升。通过短期与长期回归结果的比较分析，长期情况下，造成雾霾的主要污染物 PM2.5和 PM10并没有因为政策时间延长而产生改善效果的稀释，可能得益于后续“攻坚行动方案”的发布;SO2和NO2在长期情况下仍然具有进一步改善的潜力，这也从侧面再次说明，治理大气污染是一项长久的“攻坚战”。

3.2 空间DID模型

进行空间 DID 回归前，文章已对模型进行漠然检验，各污染物通过了漠然检验，漠然指数为正，表明大气污染在空间维度上呈现正相关，适合引入空间计量模型分析文章问题。其次，对空间计量模型的设定也进行了检验，使用拉格朗日乘数（LM）检验和稳健拉格朗日乘数（Ro‑ bust‑LM）检验空间滞后项和空间误差项是否需要纳入模型中，表4中 test lag 和 test error 的结果显示（P值为0）整体上都通过了显著性检验，即空间滞后项与空间误差项均应纳入文章的模型当中，应用 SDMDID 模型更适合于文章的分析。θ和ρ系数显著表明自变量和因变量都具有空间效应，也证明了模型选择的合理性。

由表4可知，通过空间 DID模型得到的回归结果显示，“方案”的治理效果依然显著，虽然除 CO 外的各项污染物回归的系数绝对值相比基准 DID 结果变小，但这是使用空间计量模型分析问题，引入空间权重矩阵后所不可避免的。回归结果表明，当使用 SDMDID 模型对“方案”的政策效果进行评估，控制空间层面上的一部分内生性问题，政策的落实依然对空气质量改善起到了至关重要的作用。

进一步地，使用Elhorst[29]的方法，对 SDMDID 的空間效应进行偏微分分解。表5中，Directα1为直接改善效应，即本地区的政策对本地区空气改善的作用成果;Indi⁃rectα1为间接效用，即空间溢出，是本地区改善对周边城市的平均影响; Totalα1是两种效应的和。重点关注空间视角下政策带来的直接效应与间接效应之间的关系，在间接效应中，政策对 SO2和 O3的改善并不明显，其中 SO2污染物不易转移，在有 NO2和 O3的条件下易被氧化为 SO3，易溶于水且附着于物体表面形成硫酸盐物质，扩散能力较差; O3则极不稳定，具有强氧化性，因此这两种污染物的改善只与本地区空气质量提升有关，不具有空间溢出的改善。相比之下，PM2.5和PM10的粒径小，不易沉降，迁移扩散能力极强，因此间接效应即空间溢出效应较高。

整体来看，效应分解后，除 SO2和 O3外的大气污染物本地区政策的间接效应大于其直接效应，且间接效应占总效应很大一部分比重，可能原因是文章所研究的实验组城市在空间维度上高度集聚，形成了集聚的城市群，这种集聚的状态导致空间溢出效应较高，因此政策效果转化比例也较高，相邻城市可以通过“搭便车”从而得到空气质量改善的好处，而城市高度集聚情况下导致的城市之间互相“搭便车”，又会进一步推动空间溢出效应的扩张。在一定程度上也能说明，在大气治理的过程中，采用区域协同治理手段得到的最终成效往往好于单独地区的政策实施，由于大气污染存在空间上的关联性，采用区域联防联控手段所带来的空间溢出效应能够使得大气污染治理效果事半功倍。

3.3 稳健性检验

3.3.1 虚拟政策时间

参考曹翔等[30]，吕越等[31]的做法，文章虚拟政策时间，在基准 DID模型的基础上人为地把《2017方案》的发布提前，每次提前一个月。若此时方程中交互项系数不显著，则证实了空气质量的改善是《2017方案》实施的结果。表6中列（1）显示当政策提前一个月时，交互项系数显著。由于2017年1月正值冬季污染频发时段，空气重污染预警信息频繁发布，本就处于治理冬季空气污染的重要时段，且政策发布前各单位已预知相关空气治理政策即将发布，为政策的落实提前做好了准备，“预知效应”造成了政策提前一个月，交互项系数的显著。列（4）系数一星显著为正，不会对文章的分析造成影响。除列（1）和列（4）外，其余交互项系数均不显著，因此有理由相信，正是由于“方案”的实施，才带来了空气质量的改善。

3.3.2 更换因变量度量方式

根据中国多尺度排放清单MEIC 模型[32]中测算的其他大气污染物浓度，文章选取PM‑coarse（气溶胶颗粒物）和 OC（大气污染物中的有机碳）作为模型中因变量进行基准 DID 回归。表7显示，更换被解释变量后，模型交互项系数依然显著，在政策实施期间，PM‑coarse 和 OC 污染物浓度均产生了显著的下降，证实了基准回归结果，表明“方案”的实施确实能够有效改善空气质量。

3.3.3 缩短时间跨度

2018年6月27日，国务院印发了《打赢蓝天保卫战三年行动计划的通知》，新的一项大气污染治理措施落地实行，该项空气治理政策所针对的重点区域完全涵盖了文章所研究的“2+26”城市。既包括京津冀及周边地区，又囊括了长三角和汾渭平原等地。考虑到这项计划的发布可能会影响文章估计的结果，因此，文章选择缩短样本时间跨度，删除2018年6月27日之后的数据再次进行基准 DID 回归，表8显示，各种污染物的回归结果与前文一致，即除O3外，各项污染物浓度均在“方案”作用下显著下降，因此“蓝天保卫战”未对文章的估计造成偏误。

3.3.4 加入固定效应交互项回归

在基准 DID 回归方程的基础上加入年份和城市的交互项、月份和城市的交互项进一步控制不可观测的异质性，表9显示，加入城市-年份固定效应交互项后，AQI 改善幅度进一步提高;加入城市-月份固定效应交互项，对 AQI 改善幅度影响不大，文章基准回归结果依然稳健。

4 机制检验

上述结果均已表明，《2017方案》和后续“攻坚行动方案”能够显著改善“2+26城市”的污染状况。那么，这种改善通过何种作用途径达到？结合生态环境部印发的《2017方案》[33]和后续“攻坚行动方案”中所涉及的工作任务与具体措施，文章通过中介效应模型将从地区生产总值工业占比与能源消费总量两种机制考察“方案”的作用路径。

一方面，“方案”明确提出产业结构调整需取得实质性进展：化解过剩产能，化解钢铁类的过剩产能是工作的重中之重;加大钢铁企业限产力度、取缔“小散乱污”，重点关注有色金属熔炼厂、橡胶、化工、制革等制造加工业。同时对工业企业的排放做出了高标准和严要求，大力推进工业企业在采暖季错峰生产，对排放规定限值等。通过对产业结构调整，降低工业产业在总产业中的比重，以及对工业企业进行生产和排放等方面的限制，能够减轻工业生产过程中对大气污染造成的负面影响。鉴于数据可得性，文章选取地区生产总值工业占比作为中介变量来检验这一机制。另一方面，“方案”还提出，实施清洁取暖，以电代煤、完成“小燃煤锅炉”清零工作、实现煤炭消费总量负增长等举措，治理空气污染状况。因此选取能源消费总量作为中介变量进行这一机制的检验。地区生产总值工业占比及能源消费总量数据分别来自中经网统计数据库及中国城市统计年鉴。

根据 Baron and Kenny[34]和温忠麟等[35]的研究，设定如下中介效应机制检验模型：

其中Sit和 Cit都代表中介变量，Sit为地区生产总值工业占比，Cit为能源消费总量，其余解释变量同上文一致。根据温忠麟等[36]的研究方法，使用 Sobel 和 Bootstrap 方法检验中介变量的有效性。表10中 Sobel 检验P值为0，证明了中介效应的成立。此外，文章还采用 Bootstrap 检验对中介效应进行再次检验，设定抽样次数分别为500和1000，得到回归结果的P值依然显著为0，且通过 Bootstrap 计算得到的置信区间均未包含0，中介效应成立。Bootstrap 检验结果限于篇幅原因，未在正文进行报告，如有需要可向作者索取。机制1的第三列回归结果显示，适当降低工业产值占地区生产总值的比重，对改善大气污染具有显著促进作用;同理，机制2第三列的回归结果表明，减少能源消费总量也是影响空气质量改善的有效机制。

5 结论与政策性建议

文章从京津冀及周边地区的“四省两市”出发，对《京津冀及周边地区2017年大气污染防治工作方案》和后续发布的一系列“攻坚行动方案”进行政策评估，系统全面地评估其发布以来空气污染治理的总体成效。使用基准 DID模型实证分析发现，AQI 和除O3外的五种单项大气污染物，均在政策处理期显著改善，并使用多种稳健性分析方法增加了结果的可靠性。O3浓度在政策期显著提高可能与 O3特殊的形成原因有关，这也提醒了有关部門要对 O3问题产生足够的重视，通过大气污染物协同治理等方法有效控制O3污染。对比短期视角和长期视角下的基准 DID 回归结果得到，AQI 和造成雾霾的主要污染物PM2.5、 PM10的改善幅度在长短期内大体相当。但长期情况下 SO2和 NO2的治理效果较短期情况下相比有所提升，说明有些大气污染物仍然具有进一步改善的潜力，印证了治理大气污染不能一蹴而就，而是一项长久的“攻坚战”的观点。

引入空间 DID分析，通过空间杜宾和双重差分的嵌套模型，在放松个体相互独立假设的前提条件下，从空间维度讨论大气污染的政策效果，得到的大气污染治理效果依然显著，与基准回归一致。进一步对比政策的直接效应和间接效应得到，在间接效应中，政策对 SO2和 O3的改善并不明显，其中SO2污染物不易转移，O3则极不稳定，因此这两种污染物的改善只与本地区政策有关，很难受到相邻地区大气治理政策的影响。相比之下，PM2.5和 PM10的粒径小，不易沉降，迁移扩散能力极强，间接效应即空间溢出效应较高。整体来看，效应分解后，主要污染物政策的间接效应大于其直接效应，且间接效应占总效应很大一部分比重，可能原因是文章所研究的实验组城市在空间维度上高度集聚，形成了集聚的城市群，这种集聚的状态导致空间溢出效应较高，因此政策效果转化比例也较高，相邻城市可以通过“搭便车”从而得到空气质量改善的好处，而城市高度集聚情况下导致的城市之间互相“搭便车”，又会进一步推动空间溢出效应的扩张。这意味着，在大气治理的过程中，采用区域协同治理手段得到的最终成效往往好于单独地区的政策实施。最后的机制检验显示，政策能够通过调整工业占GDP 的比重、减少能源消费总量两种渠道影响“方案”的治理成效。

虽然以京津冀及周边地区为代表的区域协同大气污染治理目前已经取得了一定成效，但在“十四五”时期，全国大气污染治理的重点与难点依然存在，治理大气污染不容松懈。“2+26”城市这种区域协作、统一标准、联动治理的大气污染治理方法，值得在更大范围进行推广。通过文章的分析，带给“2+26”城市乃至全国各地区“十四五”时期以及未来大气污染治理以下四点思考：①进一步提高区域大气污染协作治理力度，构建多部门参与治理格局。实现区域统一规划，多部门分工合作，提升大气污染物的区域协同治理和污染物协同治理能力，强化区域大气污染治理的顶层设计。②打造区域大气污染动态治理体系，规划“中长期”大气污染治理方案，实施大气污染改善动态推进。一方面巩固既有治理成果，另一方面推动治理效能提升。③优化产业、能源结构，满足绿色低碳转型和可持续高质量发展的核心要求，助力“双碳”目标实现。④致力于大气污染方针精细化落实。明确治理主体责任、治理目标、治理方法，推动政策方针多元化，精准搭配不同政策，为大气污染有效治理保驾护航。

致谢：感谢胡文皓、邵珠琼和评审人提出的修改建议。文责自负。

参考文献

[1]李晓燕.京津冀地区雾霾影响因素实证分析[J].生态经济，2016，32（3）：144-150.

[2]王情，朱欢欢，杜鹏，等.京津冀及周边地区“十四五”及中长期 PM2.5污染控制目标的健康效益预估研究[J].环境科学研究，2021，34（1）：220-228.

[3]马丽梅，张晓.中国雾霾污染的空间效应及经济、能源结构影响[J].中国工业经济，2014（4）：19-31.

[4]谢杨，戴瀚程，花岡達也，等. PM2.5污染对京津冀地区人群健康影响和经济影响[J].中国人口·资源与环境，2016，26（11）：19-27.

[5]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.

[6]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].中國人口·资源与环境，2020，30（5）：110-117.

[7]石敏俊，李元杰，张晓玲，等.基于环境承载力的京津冀雾霾治理政策效果评估[J].中国人口·资源与环境，2017，27（9）：66-75.

[8]肖翠翠，郭培坤，常杪，等.大气污染防治督查结果特征分析与政策效果评估：以京津冀及周边地区大气污染传输通道城市为例[J].干旱区资源与环境，2019，33（11）：42-48.

[9]王恰，郑世林.“2+26”城市联合防治行动对京津冀地区大气污染物浓度的影响[J].中国人口·资源与环境，2019，29（9）：51-62.

[10]毛显强，张庆勇.“2+26”城市治霾方案效果评估：以山东省为案例的研究[J].中国人口·资源与环境，2020，30（3）：83-92.

[11]王岭，刘相锋，熊艳.中央环保督察与空气污染治理：基于地级城市微观面板数据的实证分析[J].中国工业经济，2019（10）：5-22.

[12]CHEN Y Y，JIN G Z，KUMAR N，et al. The promise of Beijing： evaluating the impact of the 2008 Olympic Games on air quality [J]. Journal of environmental economics and management，2013，66（3）：424-443.

[13]曹静，王鑫，钟笑寒.限行政策是否改善了北京市的空气质量？[J].经济学（季刊），2014，13（3）：1091-1126.

[14]张俊.环境规制是否改善了北京市的空气质量：基于合成控制法的研究[J].财经论丛，2016（6）：104-112.

[15]潘慧峰，王鑫，张书宇.雾霾污染的持续性及空间溢出效应分析：来自京津冀地区的证据[J].中国软科学，2015（12）：134-143.

[16]肖翠翠，周景博，郑晨昱.雾霾的区域性特征及空间关联关系研究：以辽中南城市群为例[J].东北大学学报（社会科学版），2021，23（3）：22-29.

[17]范丹，梁佩凤，刘斌.雾霾污染的空间外溢与治理政策的检验分析[J].中国环境科学，2020，40（6）：2741-2750.

[18]沈坤荣，金刚.中国地方政府环境治理的政策效应：基于“河长制”演进的研究[J].中国社会科学，2018（5）：92-115，206.

[19]王金杰，盛玉雪.社会治理与地方公共研发支出：基于空间倍差法的实证研究[J].南开经济研究，2020（1）：199-219.

[20]王晓红，张少鹏，张奔.创新型城市试点政策与城市产学研知识流动：基于长三角城市群的空间 DID 模型分析[J].科学学研究，2021，39（9）：1671-1682.

[21]DIAO M，LEONARD D，SING T F. Spatial‑difference‑in‑differenc‑ es models for impact of new mass rapid transit line on private hous‑ing values[J]. Regional science and urban economics，2017，67：64-77.

[22]SUNAK Y，MADLENER R. The impact of wind farm visibility on property values：a spatial difference‑in‑differences analysis[J].En‑ergy economics，2016，55：79-91.

[23]CHAGAS A L S，AZZONI C R，ALMEIDA A N. A spatial difference‑ in‑differences analysis of the impact of sugarcane production on re ‑spiratory diseases[J]. Regional science and urban economics，2016，59：24-36.

[24]范巧，吴丽娜.国家级新区对属地省份经济增长影响效应评估[J].城市问题，2018（4）：48-58.

[25]邵帅，李欣，曹建华，等.中国雾霾污染治理的经济政策选择：基于空间溢出效应的视角[J].经济研究，2016，51（9）：73-88.

[26]张鸿宇，王媛，卢亚灵，等.我国臭氧污染控制分区及其控制类型识别[J].中国环境科学，2021，41（9）：4051-4059.

[27]胡忠玲.我国臭氧污染逐年加剧[J].生态经济，2020，36（9）：5-8.

[28]姜华，常宏咪.我国臭氧污染形势分析及成因初探[J].环境科学研究，2021，34（7）：1576-1582.

[29]ELHORST J P. Applied spatial econometrics：raising the bar[J]. Spatial economic analysis，2010，5（1）：9-28.

[30]曹翔，滕聪波，张继军.“一带一路”倡议对沿线国家环境质量的影响[J].中国人口·资源与环境，2020，30（12）：116-124.

[31]吕越，陆毅，吴嵩博，等.“一带一路”倡议的对外投资促进效应：基于2005—2016年中国企业绿地投资的双重差分检验[J].经济研究，2019，54（9）：187-202.

[32]LI M，LIU H，GENG G N，et al. Anthropogenic emission invento‑ries in China：a review[J]. National science review，2017，4（6）：834-866.

[33]《京津冀及周边地区2017年大气污染防治工作方案》发布[J].环境与发展，2017，29（2）：4.

[34]BARON R M，KENNY D A.The moderator‑mediator variable dis‑ tinction in social psychological research：conceptual，strategic，and statistical considerations[J].Journal of personality and social psy‑chology，1986，51（6）：1173-1182.

[35]温忠麟，张雷，侯杰泰，等.中介效应检验程序及其应用[J].心理学报，2004，36（5）：614-620.

[36]温忠麟，叶宝娟.中介效应分析：方法和模型发展[J].心理科学进展，2014，22（5）：731-745.

Quantitative assessment of the effects of the air pollution control policy in the ‘2+26’ cities

ZHANG Zhongxiang1，2，CAO Huan3

（1. Ma Yinchu School of Economics， Tianjin University， Tianjin 300072， China;

2. China Academy of Energy， Environmental and Industrial Economics， Tianjin 300072， China;

3. College of Management and Economics， Tianjin University， Tianjin 300072， China）

Abstract  Taking the release of the ‘2017 Work Plan for Prevention and Control of Atmospheric Pollution in Beijing-Tianjin-Hebei and Surrounding Areas ’ and its follow-up ‘Action Plan for Comprehensive Management of Air Pollution ’ as a quasi-natural experi‑ment， this article employed a difference-in-differences （DID） model to evaluate the effects of the air pollution control policy. Our regres‑sion results showed that：① The release of the plans could significantly improve the air quality of the ‘2+26’ cities. The improvement of PM2.5， PM10 and AQI， the main pollutants constituting haze， was the most obvious， followed by SO2， CO and NO2. However， O3 concen‑tration did not decrease but increased during the policy period， indicating the intensification of the degree of O3 pollution in recent years， which needs to be paid attention to. The robustness test showed that the findings remained valid.② From the long-term perspec?tive， the treatment effects of SO2 and NO2 improved compared with those in the short-term， indicating that some air pollutants still have the potential for further improvement in the long-term， confirming that air pollution control is a long-term tough battle.③ Based on the spatial DID analysis and the relaxed assumption of individual independence through the nested spatial Durbin model and DID model， this article discussed the policy effects of the aforementioned plans from the spatial dimension， compared the direct and indirect effects， and drew the conclusion that regional joint prevention and atmospheric control action can achieve twice the result with half the effort compared with individual implementation of air quality improvement policy in separate cities.④ Using the intermediary effect model， this article further explored the two mechanisms of air quality improvement by reducing the proportion of industrial output value in GDP and reducing total energy consumption. Finally， this article puts forward relevant policy recommendations for further effective control of air pollution.

Key words ‘2+26’ cities; difference‑in‑differences model; spatial DID; mechanism analysis

（责任编辑：刘呈庆）