黄万华，王婷婷，谭志东，高红贵

（1.武汉工程大学 管理学院，武汉 430205；2.南京审计大学 会计学院，南京 211815；3.中南财经政法大学 经济学院，武汉 430072）

0 引言

近年来，随着工业化、城镇化的快速发展，长江流域水污染问题愈发严峻。为解决日益严重的长江流域水污染问题，河长制率先在长江流域推行，截至2018 年年底，全国范围内已全面推行河长制政策。河长制主要确定了省级及以下行政单元的治水责任，但以跨省界为特征的大江大河整体性的治水责任并未明确。流域治理中跨界省际协同问题始终未得到妥善解决，“属地管理”的河长制能否长期改善长江流域水污染，还需要科学验证。

河长制作为长江大保护的一项重要水环境治理政策，其政策效果近几年开始受到学界的高度关注。随着社会经济政策计量经济学的迅速发展，河长制政策效果评估的新方法不断涌现。为有效避免政策评估中的“内生性”问题，基于准自然实验的双重差分法逐渐成为公共政策评估的主流方法[1]。学者们运用双重差分法证实了河长制政策效果并不显著，存在治标不治本的粉饰性行为[2—4]，具有环境、经济双重红利效应和区域异质性[5,6]。河长制推行地区治污效果显著大于未推行地区[7]，存在“以邻为壑”和“囚徒困境”[8,9]，是省级政府的最优选择结果[10]。学界对河长制政策效果的研究，大多集中在以省份为单元对其进行分析，以省份为行政单元的河长制，能够有效应对省域内水污染问题。但跨省流域水污染治理过程中面临的省际协作难、激励难、监督难问题[11]，一直难以有效解决。当前鲜有文献对河长制在跨省界大江大河单一流域治理上的政策效果展开评估。

我国七大流域的经济、社会发展水平差异较大，河长制政策执行过程中存在明显的区域差异，河长制在不同流域的政策效果，还需结合流域区域差异展开精准评估，并根据“中国场景”进行流域管理体制机制创新。本文将长江流域河长制政策的实施视为一项准自然实验，运用多期双重差分法，检验以政区为单元的河长制政策对长江流域水环境质量影响的“净效应”和区域异质性，并对省际边界污染及其治理效果展开检验，以期为破除长江流域“统管部门统而不能统，分管部门分而不（能）分”的水污染治理困局提供理论支撑，同时，对推进长江流域协同大保护和高质量发展也具有十分重要的理论意义与现实意义。

1 研究设计

1.1 双重差分模型

双重差分法（DID），又称倍差法，即未受到政策影响的作为控制组，受到政策影响的作为实验组，实验组和控制组前后变化的差，即政策的“净效应”[12]。用双重差分法评估长江流域实施河长制的政策效应必须符合两个前提条件：一是平行趋势假设，即要求在实验组和控制组中，流域内水污染物随时间的变化趋势是大致相同的，本文作为实验组和控制组的城市均为长江流域沿线地级市，其位置、河流、气候条件相似，基本符合平行趋势假设的条件；二是政策的实施必须具备随机性，河长制在长江流域由各省份先后推行，试点城市的选择具有随机性，并且政策的实施在一定程度上具有强制性，所以政策是外生的，不存在内生性问题，故满足第二个假设条件。

传统的双重差分模型一般适用于所在地政策干预呈持续状态，且政策实施的时间节点多为同一时期的情况。但是现实中的很多政策试点地区和实施时间均不同，且接受政策干预的状态也在变化。由于长江流域各省份开始实施河长制政策的时间也不尽相同，江苏在2007 年最早开始试点实施河长制，其余省份随后也相继开始实施，因此本文采取多期DID 模型评估长江流域河长制政策的实施效果，将河长制政策在长江流域的推行视为准自然实验，运用长江流域2007—2021 年重点断面水环境质量的面板数据，固定地区和时间效应，构建双重差分模型，如式（1）所示：

其中，pollutionit是被解释变量，表示i断面t时间的水污染指标；policyit是政策实施的虚拟变量，实施了河长制政策的城市policyit取值为1，反之取值为0；timeit为时间虚拟变量，实施了河长制政策的城市timeit取值为1，反之取值为0；α1是政策处理效应的回归系数；Xit是控制变量，通过控制样本城市的经济发展水平、技术水平、人口等因素保证河长制政策评估的有效性；β是控制变量的系数；γt、μi和εit分别是时间固定效应、城市固定效应和随机扰动项。

1.2 变量选取

（1）被解释变量。使用年均化学需氧量(COD)和氨氮（NH3-N）浓度指数来表示水污染指标。COD 和NH3-N 指标数值越低，河流水质越好。

（2）解释变量。policyittimeit，为政策处理效应，表示实验组和控制组各地级市的河长制推行状况。

（3）控制变量。以往研究表明，人均GDP、GDP 增长率、产业结构、地方政府竞争程度、地区工业化水平、人口规模以及科技进步均对政策的实施产生一定程度的影响，本文将以上7 个指标作为控制变量。具体的指标说明如表1所示。

表1 指标的选取与说明

（4）实验组与控制组：江苏在2007年最早开始试点实施河长制，其余省份在之后也相继开始实施。本文选取长江流域重点断面水质监测站点所在的40个地级市为样本城市，截至2016年，长江流域共有21个地级市先后实施了河长制，将其作为实验组，其余19个地级市作为控制组。

1.3 数据来源与描述性统计

（1）数据来源

COD 和NH3-N 指标的数据来自历年《全国主要流域重点断面水质自动监测周报》《中国生态环境状况公报》和《中国城市统计年鉴》；控制变量的数据来自历年《中国城市统计年鉴》和《中国统计年鉴》；各地区河长制政策的推行状况的相关数据来自地方政府网站，其中，人均GDP、GDP 增长率和人口规模均进行了取对数处理。时间跨度为2007—2021年，采用Stata 16.0软件进行数据处理。

（2）描述性统计

描述性统计结果如表2所示，实验组和控制组中年均化学需氧量和氨氮浓度指数的均值有略微差异，两组数据样本分布均匀，具有可比性。其中，实验组中的人均GDP、GDP 增长率、产业结构和技术进步均高于于控制组，并且COD 和NH3-N 含量均略低于控制组，COD和NH3-NNH3-N的数值越低，河流污染程度越轻，表明经济发展水平较高、科技支出占比较大的城市政策实施力度更大，河流污染治理的成效更为明显。

表2 2007—2021年各变量的描述性统计结果

如表3所示，长江流域各地级市水环境污染指标在河长制政策实施前后具有明显的差别，实验组和控制组的COD和NH3-N在河长制政策实施后均有所减低，实验组的水污染指标降幅高于控制组，最高降幅为30.76%。COD和NH3-N浓度越低，河流水质越好。

表3 长江流域河长制政策实施前后水环境质量指标平均值变化

2 实证分析

2.1 DID检验

本文运用双重固定效应的DID 模型评估河长制政策对长江流域水环境质量的影响，回归结果如表4所示。

表4 DID模型估计结果

表4 的DID 模型回归结果显示，在列（1）和列（3）中，仅仅考虑政策变量，其回归结果表明：随着河长制政策的实施，化学需氧量和氨氮含量显著下降，其系数分别在1%和5%的水平上显著为负，河长制政策的实施能够降低长江流域COD 和NH3-N 的含量，在一定程度上可以改善其水质状况。在列（2）和列（4）中加入控制变量后的回归结果显示：人均GDP和GDP增长率的提升，对于水中化学需氧量有一定程度上的正面影响；但随着产业结构的升级、第三产业所占比重的增加以及技术的进步，河流中化学需氧量和氨氮含量有所降低，产业结构的转型升级对于河流水质的改善具有一定作用。这表明短期内经济的快速增长可能会加重长江流域水污染，但是长期来看，产业结构转型升级有助于改善水环境状况。同时，地方政府竞争程度越大，越不利于水环境污染指标COD和NH3-N浓度降低，这可能是因为地方政府盲目追求经济的高速发展而忽略了环境治理，或者由于环境治理的前期投入成本高，见效周期长，而地方政府官员为了政治晋升，因此更注重追求经济的发展。

工业化水平的发展和人口规模的不断扩大，均对长江流域水环境质量的改善具有负面作用，这意味着长江流域应转变经济发展模式，大力发展第三产业，促进经济结构转型升级。

比较年均化学需氧量和氨氮浓度指数的回归系数可以发现，河长制对于河流中化学需氧量的改善程度优于氨氮，主要是因为化学需氧量很大程度上是由工业污染造成的，比如生活污水、工业废水的大量排放；而河流中氨氮浓度过高主要源于畜牧养殖、农业肥料等农业活动。相较于农业污染，地方政府在工业企业污染的治理方面出台了大量政策规定，如改进城市污水处理技术，完善相关基础设施建设，提高公民污水处理意识；而在农业污染方面，其污染面广、生产技术落后、资金支持力度不够、公民污染防治意识缺失等仍是农业污水治理的主要问题。因此，地方政府在工业企业的污染治理方面更为有效。

2.2 稳健性检验

2.2.1 平行趋势检验与动态效应检验

双重差分模型的应用前提是符合平行趋势检验。为避免实验组与控制组的自身差异影响政策的“净效应”，确保两组样本在政策发生前具有可比性，在政策执行前，实验组与控制组变化趋势应保持大致相同，即平行趋势，同时也可以考察长江经济带河长制实施的动态效应。其模型构建如式（2）所示：

其中，year为时间虚拟变量，当样本城市i在第t年实施河长制政策时，year-t取值为1,否则取值为0。对于河长制政策的实施年份,year0作为基准年，取值为0。其他变量与式（1）的定义基本一致。若实验组和控制组满足平行趋势检验，则β-k的系数不显著，表明政策实施前实验组和控制组的变化趋势大致相同，结果如表5所示。

表5 平行趋势检验与动态效应检验结果

表5报告了COD和NH3-N的平行趋势和动态效应检验结果。可以发现，COD和NH3-N在河长制政策实施前三年的交互项policyit yeart系数均不显著，表明河长制政策实施前实验组和控制组的变化趋势大致相同，满足平行趋势检验。同时，从政策实施的基准年开始，河长制政策对于长江流域水污染的治理效果呈现先强后弱的规律。从表5可以看出，化学需氧量在河长制政策实施当年以及随后两年显著降低，治理效果显著，在第三年其政策效果开始逐渐减弱，虽然化学需氧量的含量依然在不断降低，但在第三年时其治理效果开始下降；河长制对于氨氮的治理效果同样不具有持久性，从政策实施当年起其治理效果也在逐渐下降。总体来看，河长制政策的实施效果呈现短期显著有效、长期逐渐减弱的动态趋势变化，不具备发展的长期可持续性。这可能是因为短期内地方政府官员面临着绩效考核压力，会着重解决地区环境污染治理问题。从长期来看，地方政府面临着发展经济与治理环境的“两难”决择，也会影响河长制政策的长期效果。因此，如果没有中央政府的强力介入，地方政府就很难主动实现深度的河流污染治理。

2.2.2 安慰剂检验

安慰剂检验常作为稳健性检验的内容，在DID模型中比较常见。在实证分析中，安慰剂检验是指为了识别某种政策或者冲击的影响，随机制定实验组和控制组，然后观测交互项的系数分布情况，若其核密度曲线是均值接近于零的近似正态分布的曲线，则认为原有结果是稳健的，而不是随机结果。也就是说，如果随机假设处理组与对照组得到的结果仍与原有结果一致，就证明其结果不是受到政策冲击造成的。

为了进一步验证长江流域河长制对于流域水污染治理影响的稳健性，本文假设部分城市已经实施了河长制政策，即随机在40 个样本城市中抽取11 个城市作为虚拟处理组，相应地，其他城市作为控制组进行双重差分。随机抽取的11 个样本城市要确保构建的自变量policyittimeit对水污染指标没有影响。本文进行了500次的随机抽样，并按式（1）进行基准回归。检验发现，估计系数均匀分布在零点两边，绝大部分的系数在10%的水平上不显著，故通过安慰剂检验如图1所示。

图1 安慰剂检验

2.2.3 替换相邻控制组

本文选取昆明、昭通、十堰、荆门、随州、常德、长沙、宿州、淮北、宜城这10个与原控制组同省相邻的地级市作为新的控制组样本城市，进行DID回归。河长制是一项由上到下的水环境治理政策，选择“同省”的样本城市能够保证所选样本的经济发展水平差异较小，面临的上级行政压力大致相同；“相邻”表明各样本城市的河流污染程度基本一致。替换控制组后的回归结果与本文的结论基本一致，因此本文所得的结论是稳健的。

2.2.4 用倾向得分匹配法处理样本选择偏差问题

选择长江流域实施河长制的地级市可能具有非随机性，这种非随机性可能会对河长制政策效果的评估造成内生性偏差，本文采用倾向得分匹配法（PSM）解决样本自选择偏差问题。首先，利用Logit模型计算倾向得分，选择人均GDP、地区工业化程度、人口规模等作为控制变量；然后用近邻匹配法进行匹配，保留观测样本；最后，用多期DID进行回归。回归结果见表6，其结果与上文结论一致，表明研究结论具有稳健性。

表6 PSM+DID检验

2.2.5 考虑其他环境政策的影响

2007 年起，国家发改委和相关部门批复了天津、河北、山西、湖北等11 个省份开展排污权交易试点，2014 年12月，山东的青岛也加入了试点范围，本文设置虚拟变量排污权交易（PRT），某一城市在实施排污权交易试点之后取1，实施之前取0，未实施排污权试点的城市均取0。回归结果见下页表7，在控制排污权交易等其他环境政策的影响后，结论仍然稳健。

表7 考虑其他环境政策的影响

3 进一步分析

3.1 地区异质性分析

由于地区间经济发展水平的差异，地方政府对于流域环境治理的态度并不相同，因此在经济水平不同的地区实施河长制政策，其政策效果通常具有地区异质性。地方政府往往会因为盲目追求经济发展或者官员缺乏晋升激励而忽视环境监管[13]。长江流域上、中、下游由于地理位置、气候因素等原因，经济发展水平具有明显的差异性，河长制政策在经济发展水平不同地区的政策效果可能存在差异，本文对其进行了地区异质性检验，如表8所示。

表8 地区异质性检验

表8 的结果显示，中、下游地区河长制政策效果整体上显著优于上游地区。其中，COD的回归结果表明，在中、下游地区（经济较发达地区）推行河长制政策对于水质的改善均在5%的水平上显著优于上游地区（经济欠发达地区）；NH3-N的回归结果显示，下游地区的河长制政策效果在5%的水平上显著优于上、中游地区。由此可以看出，以政区为单元的河长制政策效果在长江流域上、中、下游存在着明显的地区异质性。

3.2 跨省河流边界污染检验

基于长江流域2007—2021年重点断面水环境质量的面板数据，本文借鉴李静等（2015）[14]的研究，在回归模型中加入边界地区虚拟变量，检验长江流域是否存在河流污染边界效应。模型如式（3）所示：

其中，boundit为长江流域省界变量，在省界时其取值为1，否则为0；P为省界地区河流污染程度的平均效应，若P显著为正，则表明存在河流污染边界效应，省界地区河流污染程度比省域内部更严重。模型中其他变量与式（1）的定义基本一致。

回归结果如表9所示。其中，在地区效应和时间效应固定的情况下，结果显示，COD和NH3-N在省界的变量回归系数分别在1%和5%的水平上显著为正，表明COD和NH3-N在省界河流的含量更高，相较于省域内部地区，省界地区的河流污染程度更高。说明地方政府在跨省界河流治理过程中存在“以邻为壑”的行为，与国内学者的研究结论一致。

表9 跨省河流边界污染检验

3.3 “政区单元”河长制对跨省河流边界污染治理效果检验

在式（3）的基础上，加入河长制政策与省界变量的交互项policyitboundit，运用多期双重差分模型检验河长制在长江流域边界污染的政策治理效果。如式（4）所示：

其中，pollutionit是被解释变量，表示水污染指标；policyit为政策虚拟变量，实施政策的样本城市取值为1，反之为0；交互项policyitboundit表明政策实施前后省界地区河流污染程度的变化，反映河长制政策对长江流域边界污染的治理效果。若回归系数显著为负，则表明河长制政策在省界地区的实施能够显著减少河流污染物，有效治理河流边界污染。

如下页表10 所示，对式（4）进行DID 回归，验证河长制政策对省界河流污染的治理效果。其中，列（1）固定了地区和时间效应，河长制与省界变量的交互项policyitboundit系数在1%的水平上显著为负，说明河长制政策能够减少省界地区河流中COD 的浓度，一定程度上减轻了省界地区河流污染程度，但从交互项系数可以看出，COD的浓度平均减少了0.142个单位，其含量并没有大幅度降低。列（3）表明在地区效应和时间效应固定的情况下，交互项policyitboundit系数在5%的水平上显著为负，说明河长制政策的实施对于降低省界地区河流中的NH3-N浓度也有一定效果，但其交互项系数表明NH3-N 浓度平均减少了0.093 个单位，河流水质没有得到明显改善。从列（2）与列（4）的时间变化上来看，河长制对于COD 的治理效果在政策实施的前一到两年持续显著，随后政策效果逐渐减弱；同样河长制对于NH3-N 的治理效果在政策实施的前3年持续显著，但显著性水平在不断降低。上述结果表明，河长制政策在长江流域省界地区的实施能够在一定程度上促使河流COD 和NH3-N 浓度平均减少0.142 和0.093个单位，但没有大幅提升河流水质，河长制政策的推行在短期内对于省界河流污染治理有着一定程度的改善，但随着时间的推移其环境保护效应逐渐减弱，没有维持一个长期的可持续性，这说明，从长远来看，以政区为单元的河长制并未明显改善长江流域的整体水质。

表10 河长制治理效果检验

4 结论

本文利用长江流域多个地方政府渐进性推行河长制的准自然实验，基于2007—2021 年长江流域重点断面水环境质量的面板数据，运用双重差分法检验了“政区单元”河长制政策效应。研究结果显示：

（1）在跨省河流水污染治理方面，河长制政策的实施能够降低长江流域COD和NH3-N的含量，并且COD的改善程度优于NH3-N，一定程度上改善了水质，但从长期来看，河长制政策对于长江流域水质的改善并不具有可持续性。

（2）长江流域地区异质性分析结果表明，河长制政策效果在不同经济发展水平的地区具有明显的异质性，长江流域中、下游地区河长制政策效果显著优于上游地区。

（3）相较于省域内部地区，省界地区河流水质污染比省域内部更为严重，地方政府在跨省界河流治理中存在“以邻为壑”的行为，从长远来看，以政区为单元的河长制未能明显改善跨省界河流整体水质。