EN中文

Economic geography >

2019 , Vol. 39 >Issue 8: 21 - 28

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.08.003

Impact of Carbon Intensity Constraint Policy on Urban Air Quality in China

  • LI Yi , 1 ,
  • HU Zongyi , 1, ※ ,
  • LIU Yiwen 1, 2 ,
  • TANG Jianyang 1
Expand
  • 1. School of Finance and Statistics，Hunan University，Changsha 410079，Hunan，China
  • 2. School of International Business，Hunan University of Technology and Business，Changsha 410205，Hunan，China

Received date: 2018-11-13

  Revised date: 2019-03-28

  Online published: 2025-04-24

Fold

Abstract

This paper uses the panel data of China's 30 key cities from 2003 to 2016 and employs the difference-in difference (DID) method to examine the impact of carbon intensity restraint policies on urban air quality. Furthermore, this paper explores the heterogeneity of carbon intensity constraint policy on urban air quality from the perspective of institutional differences. Robustness test confirms the reliability of the conclusion. The results show that: The carbon intensity constraint policy can significantly reduce the air pollution concentration and improve the urban air quality. As time goes by, the effect of the carbon intensity restraint policy rises first and then decreases, which means that its short-term effect is obvious, and the medium-and long-term effects may face uncertainty. The impact of carbon intensity constraint policy on urban air quality is subject to the regional institutional environment. The higher government quality and marketization degree, the lower proportion of state-owned economy are conducive to improving the effect of carbon intensity restraint on urban air quality.

Key words： carbon intensity constraint policy; quasi-difference-in-difference; institutional environment; urban air quality; energy conservation and emission reduction; air pollution; ecological civilization

Cite this article

LI Yi , HU Zongyi , LIU Yiwen , TANG Jianyang . Impact of Carbon Intensity Constraint Policy on Urban Air Quality in China[J]. Economic geography, 2019 , 39(8) : 21 -28 . DOI: 10.15957/j.cnki.jjdl.2019.08.003

中国经济高速发展的同时付出了巨大的环境代价，环境状况日益恶化。以空气污染为例，2006年中国首次超越美国成为世界最大的CO2排放量国家，2016年中国CO2排放量超过欧美总和。2014年世界卫生组织发布的全球城市空气质量调查报告显示，中国只有9个城市空气质量进入前100达标城市行列。促进空气质量改善，建设美丽中国已成为当下全社会的普遍共识。为解决环境污染，党和国家不仅将生态文明和“美丽中国”建设提高到中国经济社会发展前所未有的战略高度，而且制定了世界上最大规模的节能减排计划。2009年，哥本哈根气候大会上，中国政府郑重承诺：到2020年单位GDP的CO2排放量比2005年下降40%~45%。2011年中国进一步将碳强度约束纳入“十二五”规划纲要，提出：2000—2015年碳排放强度下降17%。这是中国首次将碳强度约束纳入国家战略计划，并以国家规范性文件予以发布。“十三五”规划纲要又强调，要进一步控制温室气体排放。中国政府持续实施如此大规模的节能减排计划，其效果如何?是否能够有效控制空气污染物排放，进而改善中国城市空气质量?本文将碳强度约束实施视为政策干预，采用准倍差法，以中国重点城市（省会城市和直辖市）为研究对象，考察碳强度约束政策对中国城市空气质量的改善效果，并进一步探讨影响政策实施效果的地区制度异质性。相关研究结论能为将来中国制定实施各种环境政策提供参考依据。

1 文献综述

碳强度约束政策属于环境规制范畴，环境规制是各国政府控制污染排放的主要手段，关于环境规制的减排效果一直都是学术界争论的焦点问题之一。根据研究结论不同，现有研究大致可分为三种不同观点。首先，部分学者认为，环境规制对污染排放具有促减效应。Laplante等指出，环境规制一般具有国家意志，能够促使企业定期对污染排放进行报告[1]。Magat等发现环境规制能够减少企业约20%的污染排放量[2]。国内学者郭庆、张同斌等基于不同方法得出环境规制强度与污染排放呈显著负相关关系的结论[3-4]。其次，部分学者认为，环境规制并没有起到控制污染排放的目的。颉茂华等认为高速增长的环保投资并未有效控制污染物排放[5]。贺灿飞等认为，中国目前较高的执行阻力和较低的执行能力导致环境规制没有达到预期效果[6]。Zheng等提出，目前中国环境规制强度过低，导致中国成为“污染避难所”，从而得出环境规制无法有效控制污染排放的结论[7]。最后，还有部分学者认为，环境规制对污染排放的影响效应具有不确定性。范庆泉等研究发现，实施单一的环境规制对企业减排的激励动机不足，多种环境规制类型的优化组合才能发挥环境规制政策的有效性[8]。但是，现实中这种最优组合一般很难实现，因而环境规制对污染减排的效果面临不确定性。Cheng等认为，环境规制的“减排降污”效应主要受环境规制强度和环境规制结构的影响[9]。中国环境规制规模和强度呈逐年上升趋势，短期内其“减污降排”效应显著，但长期来看，由于环境规制结构所引发的激励约束不足等问题抵消了“减污降排”效应，使其长期效应面临不确定性。
实证结果的不一致引发了学者们进一步思考，祁毓等认为，环境规制的实施效果主要受制于各地区所处的制度环境[10]。在中国这种制度环境因素（地区异质性）包括但不限于政府质量、所有制结构、市场化程度。当前中国环境规制以“行政命令”式工具为主，提高政府质量可以降低环境规制过程中的信息不对称、腐败和效率问题，从而提高环境规制的执行效率。对于所有制结构，Chen等发现，国有企业凭借其较高的政治地位，在外部补贴、产权保护和市场机会上具有非对称的优势[11]。这意味着，国有企业具备更强的与环境机构博弈的能力和消化政策额外成本的能力，从而使国有企业相对更少地受环境规制的影响。因此，Huang等提出，所有制属性可能是影响环境规制执行效应的重要原因之一[12]。市场化程度在一定程度上反映了该经济体的市场活力，市场化程度越高往往能够实现经济资源的合理配置[13]。韩晶等研究发现，市场化程度不仅能够为市场激励型环境政策提供良好的外部环境，而且能够有效遏制命令型规制所带来的弊端[14]。这主要是由于市场化程度较高的地区，市场激励环境和竞争环境相对优越，使得企业面对环境规制时，能够灵活地采取应对措施，尽可能降低环境规制的不利影响[15]。
综合国内外研究现状可以发现，目前已有文献关于环境规制的污染减排效果还未达成一致性的结论，不同环境规制类型由于其面临的情境千差万别，导致其减排效果大相径庭。因此，研究环境规制的减排效果需要具有针对性，不能以偏概全。本文尝试考察碳强度约束的政策效果，采用准倍差法研究碳强度约束对中国城市空气质量的影响，并从制度差异角度探讨碳强度约束政策对城市空气质量影响的异质性。

2 政策背景与计量模型

2.1 政策背景

作为世界上最大的能源消费国和CO2排放国，中国政府一直致力于减少CO2排放，提升环境治理。2009年12月在哥本哈根气候大会上，中国政府郑重承诺：到2020年单位GDP CO2排放比2005年下降40%~45%，并且将减排目作为约束性指标纳入国民经济和社会发展的长期规划，保证承诺的执行收到法律和舆论的监督。根据《中国人民共和国国民经济和社会发展第十二个五年规划纲要》的指导，2011年国务院制定了《“十二五”控制温室气体工作方案》（国发[2011]41号）。该政策要求大幅降低单位国内生产总值CO2排放，到2015年全国单位国内生产总值CO2排放比2010年下降17%。为保障工作落实，该政策规定各省（区、市）要将大幅度降低CO2排放强度纳入本地区经济社会发展规划和年度计划，明确任务，落实责任，确保本地区目标任务。为进一步确保减排责任，列出了“十二五”期间各地区单位生产总值CO2排放下降目标的具体数值。这是中国首次以文件形式规定各地区节能减排责任，对各地区的能源决策产生硬性约束。政策的实施周期是整个“十二五”期间，政策的稳定性为科学评估政策产生的各种影响提供了保障。

2.2 计量模型

政策效果评估在环境政策领域应用十分广泛，其计量研究工具主要分为四种：单差法、倍差法、断点回归和动态一般均衡模型。倍差法适用于面板数据，能够部分控制不同地区共同的城市空气质量变化趋势，消除不可观测因素的影响，从而识别出因果效应。在应用研究中通常采用回归方法估计倍差法估计量，具体形式如下：
y i t = α + β D i + δ T i + τ D i × T i + ε i t
式中： D i表示区分干预组和控制组的哑变量， D i = 0代表控组个体， D i = 1代表干预组个体； T i表示区分政策实施前后的哑变量， T i = 0表示政策实施前， T i = 1表示政策实施后。在满足其他假设的前提下，估计系数 τ ^即为政策实施效应。但是，传统的双重差分方法需要寻找干预组和控制组，这有时是一件颇为困难的事。一方面，现实中所有个体都是独一无二的，很难找到除某一政策外其他因素都极为相似的“双胞胎”式的个体；另一方面，当一项政策在所有样本中实施时，所有样本均为干预组，不存在控制组。为此，Nunn等提出准倍差法，在研究土豆种植对世界人口和城市化率的影响时，将区分干预组和控制组的哑变量替换成土豆种植面积的连续型变量，考察土豆种植面积与时间哑变量的交叉项系数，以此反映土豆种植的影响效应[16]。考虑到碳强度约束政策是全国性的，无法区分对照组和处理组，因此，参考已有研究，本文采用准倍差法，考察碳强度约束政策实施前后城市空气质量的变化，具体模型形式如下：
y i t = β 0 + β 1 C I i t ⋅ I t p o s t + α i C V i t + λ t + μ i + ε i t
式中： y i t表示地区i第t年的空气质量，本文以各地区二氧化硫（SO2）、二氧化氮（NO2）、可吸入颗粒物（PM10）的年平均浓度和空气污染综合指数（P）表示； C I i t表示地区i第t年的碳排放强度（单位地区生产总值的CO2排放量，单位：t/万元）； I t p o s t是时间哑变量，虽然碳强度目标是2009年提出，但直到2011年才正式纳入国家“十二五”规划纲要，以文件硬性约束各地区的碳排放强度，因此，本文将2011年作为政策实施节点，2011年之前年份（2003、2004、2005、2006、2007、2008、2009、2010）的变量取值为0，2011年及之后年份（2011、2012、2013、2014、2015、2016）的变量取值为1； C V i t表示影响城市空气质量的其他控制变量。
本文关注的是系数 β 1，其估计系数 β ^ 1表示碳强度约束政策实施前后碳强度变化对城市空气质量的影响，系数显著为正说明碳强度约束政策实施后碳强度下降对空气质量的改善效果要明显优于碳强度政策实施前，从而说明碳强度约束政策实施有利于城市空气质量改善。为考察系数 β 1的动态变化，同时检验本文所选时间节点的合理性，构建如下模型：
y i t = β 0 + ∑ j = 2004 2016 β j C I i t ⋅ I t j + α i C V i t + λ t + μ i + ε i t
式中： β j表示分别以不同年份为政策起始点碳强度约束政策对城市空气质量的影响。碳强度约束政策实施年份为2011年，那么2011年之前年份的系数大小基本保持不变 β 2004 ≈ β 2005 ≈ β 2006 ≈ β 2007 ≈ β 2008 ≈ β 2009 ≈ β 2010，而2011年及之后年份系数应整体大于2011年之前年份的系数。

3 数据说明与统计分析

3.1 数据说明

本文关注中国城市空气质量，根据现有公开数据和统计年鉴，目前只能获得中国内地30个重点城市空气质量指标的连续年度数据，因此，本文选取中国内地30个重点城市为研究对象，时间范围为2003—2016年。

3.1.1 城市空气质量

根据《环境空气质量标准（2012）》，环境空气污染物主要包括SO2、NO2、CO、O3、PM10和PM2.5等。考虑到数据的可得性及连续性，本文采用《中国环境统计年鉴》提供的SO2、NO2和PM10这3种主要污染物的年平均浓度数据。此外，为确保实证结果可靠性，根据三种污染物数据计算综合污染指数（P），具体计算方法如下：
P t = ∑ i C i t / S i t
式中： C i t表示第t年i项空气污染物浓度的年平均值（单位：ug/m3）； S i t表示第t年i项空气污染物的年均值二级标准； P t表示第t年综合污染指数。哥伦比亚大学社会经济数据和应用中心公布了中国各地级市1998—2016年PM2.5年均浓度数据，考虑到数据标准与统计口径不一，本文暂不考虑将其放入基准回归方程，但是可以将其作为稳健性回归中的因变量。同时，本文还以空气质量达到二级及好于二级天数占全年天数的比率（Ratio）为因变量进行稳健性回归。

3.1.2 CO2排放量

CO2排放主要来自生产过程中的化石能源燃烧。本文采用IPCC的计算方法[17]，根据各城市主要能源消费量来估算CO2排放量，计算公式如下：
C O 2 = ∑ i = 1 n C O 2 i = ∑ i = 1 n E i × N C V i × C E F i × C O F i × ( 44 / 12 )
式中：CO2代表二氧化碳排放量；i代表能源种类；E代表能源消耗量（实物量）；NCV为各类能源的平均低位发热量（IPCC称为净发热值）；CEF为单位热值当量的碳排放系数；COF是碳氧化因子（化石燃料中只有很小一部分碳在燃烧过程中不会被氧化，99%~100%的碳都被氧化了，故缺省值设为1）。各种能源的平均低位发热量取自《综合能耗计算通则》（GB/T 2589-2008）附录A，碳排放系数来源于《2006 IPCC Guidelines for National Greenhouse Gas Inventories》第二卷第一章表1.3。

3.1.3 控制变量

为研究碳强度约束政策对城市空气质量的净影响，本文选取气象变量作为控制变量，考虑到数据的可得性，具体变量选择如下：气温（用temp表示）、降水量（用prec表示）、日照时间（用sund表示）、平均气压（用pres表示），均采用年平均数据。数据来源《中国气象统计资料》。
大量研究表明，污染排放量与经济增长存在倒U型关系。借鉴已有研究，本文采用人均GDP（用income表示）代表经济增长，在回归方程中加入人均GDP的一次项和二次项，并取对数形式。各市的地区生产总值及人口数据来自各市统计年鉴。
Ang指出：影响一个国家或地区大气污染物排放的主要因素，除经济增长外，还包括能源结构。不同种类的能源所产生的空气污染物并不相同，煤炭作为中国能源结构中最主要的消费品种，其燃烧过程排放了大量空气污染物[18]。为此，本文以各市原煤消费量占该市一次能源消费总量的比重表示能源消费结构（用coal表示）。数据来源于各市统计年鉴。
“污染天堂假说”是学者们研究对外贸易与环境污染关系时讨论的热点问题。本文选取外商直接投资占GDP比重衡量对外贸易程度（用fdi表示）。
技术创新是高质量发展的源动力，加大技术创新投入有利于清洁能源技术开发，促进企业污染减排，从而改善城市空气质量。本文采用研究与实验发展经费内部支衡量示技术创新投入（用rd表示），将其纳入回归方程。数据来源于各市统计年鉴。

3.1.4 制度环境变量

本文选取政府质量、所有制结构和市场化程度表示地区制度环境变量，以此研究碳强度约束政策效果的异质性。
政府质量（用GOV表示）的相关数据来源于世界银行的调查报告《Governance，Investment Climate，and Harmonious Society：Competitiveness Enhancements for 120 Cities in China》。该项调查涵盖中国120个城市的124 000个公司，提供了关于不同城市的城市特点、政府有效性及和谐化社会的进程方面的细节数据。在具体度量指标上，本文借鉴La Portal、Fan等的研究[19-20]，从世界银行的调研数据选取了产权保护水平、当地企业对法庭的信心、企业娱乐开支和企业跟政府打交道的时间4个维度来测度地方政府质量[21]。
所有制结构（用PAT表示）采用国有及国有控股企业资产占规模以上工业企业资产的比重衡量，数据来源于各市统计年鉴。
市场化程度（用MAR表示）采用樊纲等提出的市场化指数衡量[13]，该指数从政府与市场的关系、非国有经济的发展、产品市场的发育程度、要素市场的发育程度、市场中介组织发育和法律制度环境五个方面反映市场化的进展。目前可得数据是各省市场化指数，基于数据可得性以及重点城市与所在省份经济社会的高度相似性，本文以重点城市所对应省份的市场化指数表示重点城市的市场化指数。

3.2 统计分析

表1列出碳强度约束政策实施前后所有城市空气质量指标的统计特征。从表中不难发现，政策实施前后，碳强度下降幅度较大，且统计显著。这说明碳强度约束政策在国家强制执行下得到切实贯彻。此外，碳强度约束政策实施后衡量城市空气质量的各项指标都出现不同程度的变化。其中，SO2、PM10、NO2以及P均出现较大幅度下降，且统计显著。这意味着碳强度约束政策实施有可能改善城市空气质量。
表1 政策实施前后城市空气质量统计特征

Tab.1 Statistical characteristics of urban air quality before and after implementation policy

时期 SO2 NO2 PM10 P CI
政策实施前 53.603（1.339） 42.996（0.844） 109.554（1.701） 3.253（0.052） 2.869（0.183）
政策实施后 38.089（1.068） 36.272（0.724） 95.872（1.627） 2.586（0.078） 1.415（0.134）
政策实施后—政策实施前 -15.515***（1.764） -6.723***（1.159） -13.681***（2.417） -0.948***（0.090） 1.454***（0.241）

注：*、**、***分别表示在10%、5%和1%的水平上显著；括号中的数值为标准误。

为进一步观察城市空气质量的变化，本文绘制按年平均的城市空气质量随时间变化图（图1）。图1显示SO2、NO2、PM10以及P的年平均值随时间变化的趋势，以2011年为分界点，碳强度约束政策实施前（2003—2010年），4个指标没有出现大幅波动；碳排放约束政策实施后（2011—2016年），4个指标数值均出现明显下降。因此，初步分析表明，碳强度约束政策可能改善城市空气质量。当然，在样本期间内，影响城市空气质量的可能还有其他因素，定量研究碳强度约束政策对城市空气质量的影响程度，需控制其他因素的影响。
图1 政策实施前后城市空气质量的变化

Fig.1 Changes in urban air quality before and after policy implementation

4 实证结果与分析

4.1 碳强度约束政策对空气质量的影响

基于式（2）考察碳强度约束政策对城市空气质量的平均影响程度，具体结果见表2。关于模型选择，采用豪斯曼检验进行说明。豪斯曼检验结果显示，本文采用的面板数据回归方程均拒绝扰动项与自变量不相关的原假设，应使用固定效应模型。此外，为控制时间趋势的影响，加入代表时间的变量Year。
表2 碳强度约束政策对城市空气质量的平均影响效应

Tab.2 The average impact of carbon intensity restraint policy on urban air quality

SO2 NO2 PM10 P
l n C I × I p o s t 0.071***
（0.026）		 0.015***
（0.007）		 0.038***
（0.013）		 0.029***
（0.006）
l n p r e c -0.281***
（0.044）		 -0.091***
（0.025）		 -0.018***
（0.004）		 -0.129***
（0.024）
l n s u n d 0.173**
（0.081）		 0.049**
（0.024）		 0.007**
（0.003）		 0.159***
（0.052）
l n t e m p 0.129
（0.172）		 0.062
（0.116）		 0.028
（0.057）		 0.075
（0.067）
l n p r e s -1.105
（1.355）		 -1.108
（0.727）		 0.247
（0.444）		 -0.165
（0.526）
l n i n c o m e 0.136***
（0.202）		 0.109**
（0.055）		 0.010**
（0.048）		 0.123***
（0.042）
l n i n c o m e 2 -0.005**
（0.002）		 -0.033***
（0.013）		 -0.014**
（0.007）		 -0.022**
（0.011）
l n c o a l 0.271***
（0.092）		 0.167***
（0.052）		 0.117***
（0.043）		 0.210***
（0.015）
l n f d i 0.035**
（0.015）		 0.005**
（0.002）		 0.033**
（0.016）		 0.067**
（0.029）
l n r d -0.113***
（0.024）		 -0.087**
（0.039）		 -0.091***
（0.003）		 -0.078***
（0.017）
Year Y Y Y Y
R 2 0.719 0.725 0.739 0.753
Hausman 38.75*** 19.60** 15.02*** 8.09***
样本数/个 420 420 420 420

注：*、**、***分别表示在10%、5%和1%的水平上显著；括号中的数值为标准误，Y表示加入时间控制变量。

碳强度与时间哑变量的交叉项系数反映碳强度约束政策实施后，碳强度下降导致空气污染物排放的平均减少程度。4个空气污染指标下的碳强度与时间哑变量的交叉系数均显著为正，意味着碳强度约束政策能显著降低空气污染物排放，从而改善城市空气质量。其中，碳强度约束政策对四种空气污染指标的影响程度由大到小分别是：SO2、PM10、P和NO2。控制碳强度主要通过减少化石能源消费，而SO2主要来源于含硫化石燃料的直接燃烧，减少化石能源消费能直接减少SO2的排放，从而表现出碳约束政策对SO2较大的作用效果。PM10的来源复杂多样，有来自自然的风扬尘土等，也有来自人为的工业烟尘等。碳约束政策能够通过强制降低工业污染物排放而控制PM10的人为来源，但无法影响自然因素，因而碳强度约束政策对PM10排放的影响程度不大。据美国能源署2007年统计，NO2排放的最大来源是交通运输，其次是固定燃料源及工业生产过程。碳强度约束政策对交通运输行业影响有限，从而无法最大程度减少NO2排放。
从控制变量来看，气象条件中，降水量和日照时间对空气污染物浓度有显著影响。其中，降水量对空气污染物浓度具有显著负向影响，这主要是由于SO2、NO2能够溶于水，在湿润的环境下PM10无法长时间飘浮在空中；日照时间对空气污染物浓度具有显著正向影响，不难发现，中国长日照地区是北方地区，该地区干燥少雨，极易出现雾霾天气，空气污染物浓度自然偏高。与已有研究结论一致，经济增长与空气污染呈倒U型关系，人均GDP一次方与空气污染浓度呈显著正向关系，人均GDP二次方与空气污染浓度呈显著负向关系。能源消费结构对空气污染浓度具有显著正向影响，这主要是由于中国能源消费结构以煤为主，而其中有70%~80%的煤用于直接燃烧，这种利用方式效率偏低，产生了大量的SO2、氮氧化物以及烟尘。对外贸易与空气污染物浓度呈显著正相关关系，表明“污染天堂假设”在中国成立。长期以来，中国对外资的态度是“来者不拒”，使得大量劳动密集型、自然资源密集型、污染密集型产业流入中国，让我国在经济发展的同时带来了严重的环境污染。技术创新对空气污染物浓度具有显著负向影响。提高资源利用率是解决环境污染问题的根本手段，而资源利用率的提高靠的是技术创新，因此，加大技术创新力度能有效降低环境污染。
进一步考察碳强度约束政策随时间变化对城市空气质量产生的影响，基于式（3）进行实证检验，结果见表3。表3结果显示，碳强度与时间哑变量的交叉项系数随时间变化呈现阶段性特征：一是2004—2010年，系数大小基本保持稳定，不随时间变化而呈现剧烈波动；二是2011—2016年，系数大小相比于第一阶段有较大幅度提高，且均显著为正。这进一步说明碳强度约束政策能够显著降低空气污染物浓度，从而改善空气质量。进一步观察系数的动态变化趋势。系数在2011年发生突变，而2011年恰好是碳强度约束政策实施的元年，也是本文实证模型中设定的政策实施年份。这说明本文选取2011及之后年份作为碳强度约束政策的实施年份是合理的。进一步观察发展在碳强度政策实施之后的年份（2011—2016年），碳强度与时间哑变量交叉项系数大小随时间变化呈先上升后下降的趋势，这说明碳强度约束政策短期内实施效果明显，长期来看可能面临不确定性。其原因可能是：碳强度约束政策是典型的“命令型”环境规制，由于政府强制执行，短期内效果立竿见影，但长期来看，“命令型”环境规制的低效率、激励约束不足等缺点会逐渐凸显，从而抵消其正面效应。因此，本部分的实证结果表明，短期内碳强度约束政策能够有效降低污染、改善空气质量，中长期则面临不确定性。
表3 碳强度约束政策对城市空气质量影响的动态变化

Tab.3 Dynamic changes of carbon intensity constraint policy on urban air quality

SO2 NO2 PM10 P
l n C I × I 2004 0.113
（0.072）		 0.062
（0.052）		 0.115***（0.039） 0.105**（0.041）
l n C I × I 2005 0.112
（0.081）		 0.058
（0.048）		 0.118**
（0.049）		 0.109**
（0.047）
l n C I × I 2006 0.115**
（0.065）		 0.059***
（0.015）		 0.119***
（0.043）		 0.104*
（0.063）
l n C I × I 2007 0.115*
（0.053）		 0.063**
（0.026）		 0.117***
（0.042）		 0.112***
（0.037）
l n C I × I 2008 0.114*
（0.068）		 0.060**
（0.031）		 0.123***
（0.046）		 0.108***
（0.039）
l n C I × I 2009 0.116*
（0.064）		 0.051
（0.045）		 0.121
（0.104）		 0.105**
（0.052）
l n C I × I 2010 0.117***
（0.071）		 0.057
（0.042）		 0.118**
（0.049）		 0.113***
（0.041）
l n C I × I 2011 0.229***
（0.082）		 0.091**
（0.043）		 0.175***
（0.068）		 0.162***
（0.052）
l n C I × I 2012 0.230***
（0.083）		 0.091**
（0.038）		 0.174**
（0.072）		 0.159***
（0.054）
l n C I × I 2013 0.231***
（0.079）		 0.093**
（0.039）		 0.178**
（0.085）		 0.158***
（0.049）
l n C I × I 2014 0.245***
（0.074）		 0.103**
（0.045）		 0.186***
（0.047）		 0.175**
（0.065）
l n C I × I 2015 0.243***
（0.089）		 0.093**
（0.051）		 0.189***
（0.063）		 0.173**
（0.071）
l n C I × I 2016 0.231***
（0.082）		 0.086**
（0.049）		 0.176***
（0.051）		 0.164**
（0.069）
控制变量 Y Y Y Y
Year Y Y Y Y
Hausman 82.13*** 131.34*** 42.95*** 110.67***
R 2 0.701 0.729 0.746 0.789
样本数 420 420 420 420

注：*、**、***分别表示在10%、5%和1%的水平上显著；括号中的数值为标准误；Y表示加入控制变量。

4.2 碳强度约束政策效果的制度异质性

本文主要选取三类地区制度特征变量反映碳强度约束政策所处的政府环境、市场环境，分别为政府质量（GOV）、市场化程度（MAR）和所有制结构（PAT）。为考察地区制度环境对碳强度约束政策效果的影响，根据各变量数值大小对各城市进行分组，采用分组回归估计不同组别下碳强度与时间哑变量交叉项系数，运用“自抽样法”来检验组间差异的显著性。为保证分组标准不对结果造成干扰，分别采用平均数、中位数和第75个百分位数数值为标准进行划分。以政府质量为例进行说明，将小于或等于标准值的城市划归为“低质量政府”组，将大于标准值的城市划归为“高质量政府”组。
表4反映的是碳强度约束政策对空气质量影响的制度异质性，由于篇幅限制，仅列出因变量为空气污染综合指数的回归结果，所列示的回归结果均包含了个体效应、时间效应和控制变量。表4结果显示，在不同地区制度环境下，碳强度约束政策对城市空气质量的影响效果具有显著差异。其中，政府质量较高的地区碳强度约束政策对城市空气质量的改善效果要明显好于政府质量低的地区，且这种差异在统计上显著。这是因为碳强度约束政策主要依靠政府的强制执行，提高政府质量能够有效降低政策执行过程中的信息不对称、腐败和效率等问题。市场化程度相对较高的地区碳强度约束政策对城市空气质量的改善效果要明显好于市场化程度较低地区，且这种差异在统计上显著。这主要是由于市场化程度较高的地区，市场激励环境和竞争环境相对优越，使得企业在面临碳强度约束时，能够激励更多企业采取适应性措施，尽可能降低碳强度约束所带来的不利影响。国有经济占比较低的地区碳强度约束政策对城市空气质量的改善效果要好于国有经济占比高的地区，且这种差异在统计上显著。这是因为国有企业凭借其特殊的政治地位、博弈谈判能力使其相对的更少受碳强度约束政策的影响，从而使碳强度约束政策在国有经济占比高的地区其执行效果不理想。本部分的实证结果表明，强度约束政策的污染减排效果受制于地区特征制度环境，政府质量越高、国有经济比重越低、市场化程度越高，碳强度约束政策的污染减排效果越强。
表4 碳强度约束政策效果的制度异质性

Tab.4 Effect heterogeneity of carbon intensity constraint policy for urban air quality

平均数 中位数 75th百分位数
高质量政府 低质量政府 高质量政府 低质量政府 高质量政府 低质量政府
l n C I × I p o s t 0.097**（0.039） 0.039（0.025） 0.116**（0.054） 0.041**（0.019） 0.216**（0.098） 0.038**（0.019）
样本数 182 238 210 210 98 322
Hausman 39.08*** 31.53*** 19.42*** 21.53*** 42.64*** 35.49***
R 2 0.503 0.437 0.514 0.472 0.357 0.572
经验p值 0.042 0.014 0.002
高度市场化 轻度市场化 高度市场化 轻度市场化 高度市场化 轻度市场化
l n C I × I p o s t 0.108**（0.055） 0.038**（0.018） 0.114**（0.052） 0.045**（0.022） 0.121***（0.043） 0.029（0.019）
样本数 196 224 210 210 98 322
Hausman 27.17*** 34.67*** 36.72*** 31.85*** 40.85*** 55.47***
R 2 0.513 0.527 0.497 0.501 0.419 0.385
经验p值 0.034 0.027 0.005
高度国有化 轻度国有化 高度国有化 轻度国有化 高度国有化 轻度国有化
l n C I × I p o s t 0.008（0.005） 0.057*（0.031） 0.011**（0.006） 0.062**（0.028） 0.009**（0.004） 0.064***（0.021）
样本数 196 224 210 210 98 322
Hausman 31.09*** 27.64*** 26.83*** 18.45*** 50.96*** 37.43***
R 2 0.403 0.479 0.509 0.532 0.417 0.562
经验p值 0.044 0.031 0.019

注：*、**、***分别表示在10%、5%和1%的水平上显著；括号中的数值为标准误；“经验p值”用于检验组间调整系数差异的显著性，通过自抽样1 000次得到。

4.3 稳健性检验

本文从如下几个方面检验了本文研究结论的稳健性。①采用哥伦比亚大学社会经济数据和应用中心公布的各地级市PM2.5年均浓度数据和各市每年空气质量达到二级及好于二级天数占全年天数的比率来衡量城市空气质量。②为消除样本容量不对称可能带来的问题，将研究区间定为2005—2016年，列出因变量为空气污染综合指数的结果。③“碳强度约束”是2011年正式纳入国民经济计划，强制要求各省（市）执行，但早在2009年12月中国在哥本哈根气候大会就曾提出。考虑到各省（市）可能提前布局，将碳强度约束政策实施年份设定为2010年，检验本文计量模型中对年份哑变量划分的准确性，列出因变量为空气污染综合指数的结果。④为防止分组分界点对本文结论的影响，分别以政府质量、市场化程度和所有制结构的第25个百分位数和第75个百分位数作为分组分界点进行划分，将小于或等于第25个百分位数的城市划归为一组，将大于第75个百分位数的城市划归为另外一组，比较两组的系数差异是否显著。由于篇幅限制，本文未列出具体回归结果。结果表明，碳强度约束政策能够改善城市空气质量，该结论是稳健的。同时，结果表明，碳强度约束政策对城市空气质量的影响受地区制度环境的影响，政府质量越高、国有经济比重越低、市场化程度越高，碳强度约束政策的污染减排效果越强，对城市空气质量的改善效果越明显，该结论在不同分组界点下是稳健的。

5 结论与政策建议

本文采用准倍差方法，基于中国30个重点城市2003—2016年的面板数据，研究碳强度约束政策对中国城市空气质量的影响，并使用分组回归方法从制度差异角度探讨碳强度约束政策对城市空气质量影响的异质性。结果表明：碳强度约束政策能够显著降低空气污染浓度，改善城市空气质量，随着时间推移，碳强度约束政策的效果呈先上升后下降的趋势。这意味着碳强度约束政策短期内对城市空气质量的改善效果立竿见影，但中长期则面临不确定性。碳强度约束政策对城市空气质量的影响受制于地区制度环境，政府质量越高、市场化程度越高以及国有经济占比越低碳强度约束政策对城市空气质量的改善效果越明显。
总体而言，碳强度约束政策对城市空气质量改善具有积极显著的作用，是新时期中国应对环境污染和气候变化的重要策略，中国政府应进一步优化政策设计，避免政策执行过程中可能出现的问题，最大限度达到政策预期效果。具体措施如下：第一，碳强度约束政策短期效果立竿见影，长期效果面临不确定性，因此，需要将碳强度约束长期目标短期化、阶段化，在保证长期目标实现的前提下，可以根据前一年政策实施效果，动态调整下一年碳强度约束目标与执行计划，保证碳强度约束政策能及时发挥应有作用。第二，良好的制度环境对于放大碳强度约束政策的正面效应具有重要意义，在碳强度约束政策执行过程中必须辅之以配套的政策，这既体现在产业层面的市场化竞争能力的提升，也体现在市场化程度、政府质量的提升等方面。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Laplante B, Rilstone P. Environmental Inspections and Emissions of the Pulp and Paper Industry in Quebec[J]. Journal of Environmental Economics & Management, 2004, 31(1):19-36.

[2]
Magat W A, Viscusi W K. Effectiveness of the EPA's Regulatory Enforcement:The Case of Industrial Effluent Standards[J]. Journal of Law & Economics, 1990, 33(2):331-360.

[3]
郭庆. 环境规制政策工具相对作用评价——以水污染治理为例[J]. 经济与管理评论, 2014, 30(5):26-30.

[4]
张同斌. 提高环境规制强度能否“利当前”并“惠长远”[J]. 财贸经济, 2017, 38(3):116-130.

[5]
颉茂华, 刘向伟, 白牡丹. 环保投资效率实证与政策建议[J]. 中国人口·资源与环境, 2010, 20(4):100-105.

[6]
贺灿飞, 张腾, 杨晟朗. 环境规制效果与中国城市空气污染[J]. 自然资源学报, 2013, 28(10):1651-1663.

DOI

[7]
Zheng D, Shi M. Multiple environmental policies and pollution haven hypothesis:Evidence from China's polluting industries[J]. Journal of Cleaner Production, 2017, 141(1):295-304.

[8]
范庆泉, 张同斌. 中国经济增长路径上的环境规制政策与污染治理机制研究[J]. 世界经济, 2018, 41(8):171-192.

[9]
Cheng Z, Li L, Liu J. The emissions reduction effect and technical progress effect of environmental regulation policy tools[J]. Journal of Cleaner Production, 2017, 149(1):191-205.

[10]
祁毓, 卢洪友, 张宁川. 环境规制能实现“降污”和“增效”的双赢吗——来自环保重点城市“达标”与“非达标”准实验的证据[J]. 财贸经济, 2016(9):126-143.

[11]
Chen S, Sun Z, Tang S, et al. Government intervention and investment efficiency:Evidence from China[J]. Journal of Corporate Finance, 2011, 17(2):259-271.

[12]
Huang J. On the solvability of the regulator equations for a class of nonlinear systems[J]. IEEE Transactions on Automatic Control, 2003, 48(5): 880-885.

[13]
樊纲, 王小鲁, 马光荣. 中国市场化进程对经济增长的贡献[J]. 经济研究, 2011, 46(9):4-16.

[14]
韩晶, 刘远, 张新闻. 市场化、环境规制与中国经济绿色增长[J]. 经济社会体制比较, 2017(5):105-115.

[15]
Newell P. The marketisation of global environmental governance:manifestations and implications[M]. London: Routledge Press, 2008.

[16]
Nunn N, Qian N. The potato's contribution to population and urbanization:evidence from a historical experiment[J]. The Quarterly Journal of Economics, 2011, 126(2):593-650.

[17]
Eggleston S, Buendia L, Miwa K, et al. 2006 IPCC Guidelines for National Greenhouse Gas Inventories[M]. Hayama: Institute for Global Environmental Strategies, 2006.

[18]
Ang B W. The LMDI approach to decomposition analysis:a practical guide[J]. Energy policy, 2005, 33(7):867-871.

[19]
La Porta R, Lopez-de-Silanes F, Shleifer A,etal. TheQuality of Government[J]. Journal of Law,Economics,and Organization, 1999, 15(1):222-279.

[20]
Fan J P H, Wei K, Xu X. Corporate Finance and Gover-nance in Emerging Markets:A Selective Review and an Agendafor Future Research[J]. Journal of Corporate Finance, 2011, 17(2):207-214.

[21]
世界银行. 中国政府治理、投资环境与和谐社会:中国120个城市竞争力提高[EB/OL]. http://documents.shihang.org/curated/zh/685061468236992287/pdf/377590CHINESE0191020 060120cities1cn.pdf2006-10-08/2019-03-20.

Options
Outlines

/

〈 〉