政府空气污染治理效应评估—来自中国“低碳城市”建设的经验研究

作者简介

宋弘

复旦大学经济学院、上海市国际金融与经济研究院

孙雅洁

新加坡国立大学房地产系

陈登科

复旦大学经济学院

摘要

党的十九大报告明确将污染防治列为决胜全面建成小康社会的三大攻坚战之一。在此背景下，本文以“低碳城市”建设试点政策为切入点，聚焦探讨政府环境治理的空气污染防治效应，利用双重倍差法解决文献中普遍面临的内生性问题，系统考察了低碳城市建设对空气质量的影响及其作用机制。研究发现，低碳城市建设显著降低了城市空气污染，其主要传导机制来自于企业排污的减少与工业产业结构的升级与创新。经过一系列稳健性检验后，上述结果依然成立。进一步的成本—收益分析结果表明，低碳城市建设的资金支出远远小于其可能带来的收益，这意味着低碳城市建设本身有助于实现污染防治与经济高质量发展的“双赢”目标。本文研究为科学实施大气污染防治行动，打赢蓝天保卫战提供了有益的政策启示。

    关键词：低碳城市 空气污染 污染防治 双重差分 绿色发展

一、引言

当前，中国经济正由高速增长阶段向高质量发展阶段转型，建设生态文明是关系人民福祉、关乎民族未来的大计，是实现中华民族伟大复兴中国梦的重要内容。党和政府历来高度重视生态文明建设，特别是党的十九大报告明确将污染防治列为决胜全面建成小康社会三大攻坚战之一，要求着力解决突出环境问题，推进绿色发展。在此背景下，如何打好、打赢污染防治攻坚战是当前中国社会各界所面临的重大课题，这事关新时期中国经济增长方式的成功转型、事关人民美好生活需要的有效满足。有鉴于此，本文以首次“低碳城市”试点政策为切入点，聚焦探讨政府环境治理的污染防治效应。特别地，本文在系统而严格的实证研究的基础上，尝试探讨如下核心但却尚未得到很好回答的问题：“低碳城市”试点政策是否有助于改善中国城市的空气质量？其影响空气质量的机制是什么？更进一步地，“低碳城市”试点政策的成本收益对比又如何？然而，上述问题的科学回答面临诸多挑战。其中之一便是现有文献所普遍面临的内生性问题。具体而言，低碳试点城市的选择并不是随机的，试点地区与非试点地区本身就具有不同的特征，比如经济发展水平的差异、地理位置的差异等，而这些不可观测的特征可能会对空气质量造成影响，从而导致直接回归所得到的估计结果存在偏差，即估计结果并非来自于“低碳试点”政策本身。针对这一问题，本文将2010年开始分地区逐步推行的“低碳城市”试点作为“准自然实验”，利用双重差分法这一环境政策评估的重要做法来控制地区固定效应与时间固定效应，缓解不可观测因素对于实证研究结果的不利影响。值得指出的是，低碳试点城市是自2010年起中国推出的一项与生态文明、人民福祉密切相关的重要环境改革制度。本文是文献中首次对这一环境政策进行系统的评估。

另外一大挑战来自城市层面空气污染历史数据获取和构建本身。众所周知，自2001年开始，环保部网址开始披露日度的空气污染数据，在 2013 年以前，环保部披露的日度指标为空气污染指数（API），自2013年起，环保部开始披露更为详细的空气污染指数（AQI），具体包括 PM10、SO2与NO2等。因此，空气污染数据指标在2013年前后并不一致，考虑到本文的时间范围选取在2005-2015 年间，本文遵循Andrews（2008）与Ebenstein等（2015）的方法，对空气质量度量指标进行转换，计算并构建了2005-2015年间PM10与API等空气质量指数。本文在城市—年度层面上具体测算了：年度平均污染指标、年度污染最大指数，以及一年内重度污染的日数等3个维度的数据。

在克服前述两大研究挑战的基础上，本文稳健地发现，低碳城市政策的确对地区空气质量有显著的改善，特别地，实施低碳城市建设试点的地区，PM10平均降低了9.8%，API平均降低了6.8%。进一步的机制分析表明，低碳城市建设有效地减少了企业排污，包括城市工业废水与二氧化硫气体的排放；有效改善了城市产业结构，减少了工业产业占比，尤其是重工业比重，显著地促进了城市的产业创新与升级。这些结果表明，低碳城市试点政策的确达到了政策设计的初衷，有效地改善了地区的空气质量。此外，进一步利用日度高频的医院就诊与消费数据进行成本收益分析表明，低碳城市建设的资金投入远小于其经济收益。以上结果为基于地区的环境治理与整治措施提供了实证的证据，进一步地，将为中国打赢污染防治攻坚战、实现经济由高速增长阶段向高质量发展阶段转型提供有益的启示。

与本文密切相关的，主要有两方面的文献。第一支文献主要关注国内环境污染与经济社会发展的关系。这方面目前已有大量的研究，包括环境污染与经济发展的关系（王兵等，2008；林伯强、蒋竺均，2009；李小平等，2012；林伯强、李江龙，2015；陈诗一、陈登科，2018）；环境污染对于公共健康的影响（陈硕、陈婷，2014；杨继生等，2013；祁毓、卢洪友，2015）。与本文较为密切相关的，近年来，有一支文献聚焦评估了国内近年来一系列丰富的环境相关政策的效果。比如李树和陈刚（2013）利用中国《大气污染防治法》的实施开展准自然实验，采用倍差法分析了该法案对中国工业行业全要素生产率的影响；涂正革和谌仁俊（2015）考察了中国过去十几年排污权交易试点制度是否在短期实现波特效应；石大千等（2018）考察了智慧城市建设对环境污染的影响；Shi和Xu（2018）等利用中国“十一五规划”（2006~2010年），研究环境规制对企业出口的影响。第二支文献重点关注低碳城市建设的政策效应评估。低碳技术对经济社会变革的推动作用日益显著，全球发达城市纷纷把构建低碳城市作为提升城市乃至国家竞争力的重要手段。构建低碳城市是欧洲发达国家常用而重要的降低空气污染、提高居民幸福感的手段，国外已有文献对低碳城市建设的作用进行了全面的考察，但多是基于西方发达国家的背景（Ellison et al.，2013；Wolff，2014；Gehrsitz，2017）。其中，Wolff（2014）与Gehrsitz（2017）利用经济学实证方法，在解决内生性问题基础上考察低碳城市政策的效果。具体来说，Wolff（2014）利用双重差分法，构建地区与时间双重差分，评估了欧洲近年来实施的低碳区政策对于地区空气质量的影响。Gehrsitz（2017）利用双重差分法，研究了德国实施的低碳区政策对于空气质量与婴儿死亡率的影响。以上研究均发现低碳区政策显著地提高了欧洲当地的空气质量，降低了婴儿死亡率。值得强调的是，虽然低碳城市试点政策在中国自 2010 年开始，已经推行了 7 年，但是目前并未有研究从经济学的角度科学地评估这一试点的效果。此外，与欧美发达国家相比，发展中国家法律与体制的建设较为薄弱，较发达国家而言，基于地区的环境政策在执行层面往往会面临更大的阻碍与困难（Greenstone and Hanna，2014；Li et al.，2016）。因此，系统合理地评估中国低碳城市建设的效果兼具学术价值与现实意义。

综上，本文研究创新主要体现在以下几个方面：第一，从研究视角而言，构建低碳城市是欧洲发达国家常用而重要的降低空气污染、提高居民幸福感的手段，国外已有研究对其进行深入地考察，而尚未有研究将其拓展到中国的背景，在此基础上，本文首次考察了低碳城市试点的效果。第二，从数据与方法的角度出发，环境政策效果评估所面临的挑战之一，便是现有文献所普遍面临的内生性问题。由于国内环保政策起步较晚，以及数据的限制，较少有文献在有效解决内生性问题的基础上，考察环境整治的效果。在此基础上，本文构建了2005-2015年期间城市—年度层面的空气污染数据，并采用“低碳城市”建设作为自然实验，构建城市、时间层面的双重倍差，较好地缓解了内生性问题与数据限制的问题，为相关研究提供新的实证与数据思路。第三，近年来国内环境政策诸多，许多研究针对不同环境政策进行评估，根据作者掌握的文献来看，鲜有研究详细研究相关政策的成本与收益；众所周知，环境政策财政开支较大，其效果如何，不仅取决于对环境质量的改善程度，相关的财政成本也是重要的考量因素之一。有鉴于此，本文结合医疗医保数据，计算了低碳城市建设带来的健康维度的收益。在成本—收益分析方面，为相关文献作出一定的补充，也为相关环境财政政策的制定提供建议。

本文接下来的结构安排如下：第二节介绍“低碳城市”政策制定和实施的背景；第三节构建本文实证研究数据，并设定计量回归模型，讨论识别策略；第四节报告实证结果，并对实证模型有效性的关键假设进行检验；第五节考察并分解“低碳城市”影响空气质量的传导机制；第六节对“低碳城市”政策进行成本—收益分析，并总结全文，提出政策建议。

二、政策背景

城市的经济发展伴随能源消耗量与温室气体排放量逐年上升。2009年中国城市能源消耗量占全国的60%（王伟光等，2013）。在此背景下，为了控制温室气体的排放量，国家陆续出台一系列推动节能减排的政策和要求。2010年“两会”期间，中国政府将低碳发展道路确定为经济社会发展的重大战略，具有中国特色的低碳发展道路已被列入“十二五”规划中。2010 年国家发改委印发了《关于开展低碳省区和低碳城市试点工作的通知》（简称《通知》），陆续启动了两批试点省市。第一批试点自2010年开始实施，包括广东、辽宁、湖北、陕西等省份与天津、重庆、深圳、厦门等城市（共包含82个城市），第二批试点自2013年开始实施，包括海南省及其他28个城市（共包含33个城市）。2010年，低碳试点城市的碳排放约占全国的54.16%，“十二五”期间，低碳城市试点项目期望在2010年的基础上将温室气体排放量降低17%。《通知》要求各个试点省市结合本地区自然条件、资源禀赋和经济基础等方面情况，探索适合本地区的低碳绿色发展模式。政府通过低碳城市建设来影响空气质量的主要途径包括以下几方面：第一，调整产业结构，传统产业可以通过技术改造实现低碳化升级；鼓励循环经济，减少二氧化碳的排放，其他产业可以通过产业结构的优化发展低碳产业，促进城市功能从工业化功能到服务商贸功能的转化，积极促进低碳产业发展。第二，使用绿色能源，各个试点省市应减少一次能源煤炭的使用量，推行清洁生产，提高能源的使用效率。积极发展低碳能源，加速太阳能、风能等新能源产业的发展，从而减排二氧化碳等温室气体的排放。第三，提倡建筑节能，在建筑中大规模推广使用太阳能、地热能等可再生能源，住宅的能源供应也应尽可能采用可再生资源，力求实现住宅的零排放。第四，发展低碳交通体系，积极发展公共交通，优先选用性能优良的车辆，建设良好的公共交通网络，保证公共交通的通畅和便利，尽最大可能减少对私家车的依赖，减少碳排放。此外，还应建立温室气体排放数据统计和管理体系，试点省市应编制本地区温室气体排放清单，加强温室气体排放统计工作，建立完整的数据收集和核算系统，为制定地区温室气体减排政策提供依据。

三、数据构建与实证模型设定

（一）数据构建

为了综合考察低碳城市建设对城市空气质量的影响及其影响机制，本文综合了多套统计数据，最终构建了包括空气质量数据、天气数据、城市与产业层面统计数据在内的综合数据库。具体介绍如下。

首先，空气质量数据的构建。本文的结果变量为城市空气质量，其数据来自于环保部。自2001年开始，环保部开始正式披露日度的空气污染数据，在2013年以前，环保部披露的日度指标是空气污染指数（API），自2013年起，环保部开始披露更为详细的空气质量指数（AQI），其具体包括PM10、SO2、NO2等。由于本文的时间范围选取在2005-2015年间，面临着数据指标标准不一致的问题。因此，本文借鉴Andrews（2008）与Ebenstein等（2015）的方法，对2013年前后的空气污染数据进行转换，由此构建了2005-2015年间口径一致、连续完整的PM10、API等空气质量数据。为更加精准地度量城市—年度层面的空气污染情况，本文计算了3个维度的指标：年度平均污染指标、年度污染最大指数以及一年内重度污染的日数。

其次，天气数据的构建。天气数据来自于国家气候数据中心（National Climatic Data Center），该中心隶属于美国国家海洋与大气管理局（US National Oceanic and Atmospheric Administration，NOAA），这一数据包括了降雨量、风度、湿度等丰富的日度天气指标变量，本文由此计算出城市—年份层面的平均天气状况。最后，城市与产业特征变量的构建。本文选择城市层面的部分数据变量进行机制的分析，具体包括：城市层面二氧化硫排放量、工业烟尘排放量、工业固体废物综合利用率、城市工业比重、重工业产业比重、城市产业创新指数以及交通网络状况等。此外，城市层面的控制变量包括 GDP、城市登记失业人口、总人口、高等教育人口数等。以上城市重工业产业比重数据是在系统处理 2005~2013 年中国工业企业微观数据库的基础上整理得到，城市产业创新指数数据来源于复旦大学寇宗来教授等构建的指数数据（寇宗来、刘学悦，2017），清洁型能源车辆比重数据来自于 2009~2015 年全国乘用车销售商品数据库，其余数据均来自2005-2015 年《中国城市统计年鉴》。以上被解释变量、核心解释变量以及一系列控制变量的数据说明与变量简单统计描述见表1。

（二）实证计量模型设定

本文探索的问题是，低碳城市建设是否有效地改善了城市空气质量。为了解决文献中普遍面临的内生性问题，本文利用这一试点政策作为“自然实验”构建双重倍差：第一层差异来自城市层面，第二层差异来自年份层面。具体而言，低碳试点城市目前执行了两个批次，第一批次自2010年开始实施，共包括82个城市；第二个批次自2013年开始实施，共包括33个城市。因此，本文双重差分法所比较的是试点城市与非试点城市的空气质量在政策执行前后的差异。计量模型如下：

其中，c表示城市，t表示年份。Treat_ct=1表示城市c在年份t属于低碳城市试点城市，反之，Treat_ct=0表示城市c在年份t不属于低碳城市试点地区。Y_ct表示空气质量，本文构建了一系列指标，包括PM10年度平均值、最大值、年度重度污染天数；API年度平均值、最大值以及年度重度污染天数。X_ct表示城市—年份层面的一系列控制变量，包括城市 GDP、人口、城镇登记失业人数和普通高校学生人数；η_c表示城市固定效应，控制了所有城市层面不随时间变化而变化的因素，比如地理位置等；γ_t表示时间固定效应，控制了时间层面不随地区变化而变化的特征，比如宏观经济形势的变化等。在以上估计式中，本文关注的系数是β，若得到的估计值β^＜0，则表示与非试点城市相比，低碳城市建设提高了试点城市的空气质量。

四、实证分析

在这一节中，本文首先报告双重差分法实证回归结果，即：低碳城市建设对空气污染的影响，然后对一系列实证假设与稳健性问题进行检验。

（一）实证结果

主要结果在表2中呈现。列（1）、列（2）控制了城市固定效应与时间固定效应，列（3）、列（4）在此基础上控制了天气控制变量，列（5）、列（6）进一步控制了城市—时间层面的城市控制变量。本文发现，所有回归结果系数均为负且在1%的统计意义上显著，表明低碳城市建设显著地降低了试点城市的空气污染程度。利用列（5）与列（6）的估计值进行解释分析，发现低碳城市建设对于空气污染的估计作用约为-9.31与-4.92，即与控制组相比，低碳城市建设项目使得试点城市PM10污染指数下降9.31，API污染指数下降了4.92。由于控制组城市的 PM10均值为 93.56，API均值为70.69，这一估计系数表明低碳城市建设降低了城市 PM10约9.9个百分点，降低了API约为6.9个百分点。这一结果与基于欧洲背景的双控区研究的结果具有可比性：具体而言，Wolff（2014）与Gehrsitz（2017）利用双重差分法分别考察了欧洲与德国低碳区建设的效果，Wolff（2014）发现了在交通中心，低碳区降低了9%的空气污染；Gehrsitz（2017）发现低碳区平均降低了约4%悬浮颗粒物，在污染最严重地区，降低了8%的悬浮颗粒物。

（二）假设检验

双重差分法的合理性建立在一系列的假设基础之上。为确保估计结果的可信性和稳定性，本文接下来逐一对重要的识别假设进行检验。

1.平行趋势检验：事件分析法

双重差分法有效性重要的前提假设是趋同假设，即如果没有执行低碳城市试点政策，低碳城市与其他城市空气质量的变化趋势应该是平行的。为了检验这一点，本文借鉴 Jacobson 等（1993）的做法，利用事件分析法来进行平行趋势的检验。具体而言，采用如下的估计式：

其中，D_C,t0+K是一系列的虚拟变量，表示低碳城市试点开始实施的第k年。具体来说，t₀表示城市c实施低碳城市的第一年，k表示开始低碳试点之后的第k年。本文的数据是从2005年到2015年，因此覆盖了实施前的 6 年，与开始实施之后的4年。本文关注刻画的变量是βk，表示“低碳城市试点”在政策开始第k 年时，实验组与控制组之间的空气污染差异。如果β_k在k＜0 期间的趋势较为平缓，则证明符合平行趋势假设，反之，如果在k＜0期间的发展趋势显著上升或下降，则证明实验组与控制组在政策执行之前，已经有了显著的差异，不符合平行趋势假设。这一趋势检验结果在图1 中汇报，可以看到，k＜0的区间，β^ 的值均非常平缓，表明试点城市与非试点城市在此之前并无显著差异，然而，从k=0开始，β^则开始显著大幅的下降，表明低碳城市建设显著地降低了试点城市的空气污染程度。

2.其他不可观测的特征的影响：安慰剂检验

关于双重差分法识别假设的另一个担忧是其他不可观测的随着时间变化而变化的城市特征对估计结果产生的影响。不同的城市具有其他许多不同的特质，虽然前文的识别中通过加入城市固定效应控制了所有不随时间变化而变化的城市特质对于空气污染的影响，但是部分特质可能随着时间变化会具有不同的影响，从而影响识别假设，而这些影响是本文的模型无法控制的。对此，本文首先控制了一系列可观测的主要城市特征，包括城市GDP、人口、城镇登记失业人数和普通高校学生人数等，但是本文无法控制所有的特征，尤其是不可观测的特征的影响。对此，本文采用了一个间接性的安慰剂检验，该方法在相关文献中被广泛的使用（Chetty et al.，2009；LaFerrara et al.，2012）。首先，根据式（1）可以得出系数β^的表达式为：

其中，W包括其他所有控制变量和固定效应，γ为非观测因素对被解释变量的影响，如果γ=0，则非观测因素不会影响到估计结果，即证明β^是无偏的，但这一点无法直接验证。为此，本文采用了间接安慰剂检验的方法，其逻辑是找到一个理论上不会对结果变量产生影响的错误变量替代Treat_ct，由于随机产生，β=0；如果这个错误的估计变量实际上对结果产生影响，即β^不为零，则证明本文的估计方程有误，表明其他特征因素会影响到估计结果。具体地，本文随机产生一个低碳城市名单，从而产生一个错误的估计：β^^random，再将这个过程重复500 次，从而相应产生500个β^^random。附录图1描绘了β^^random的分布，不难发现，β^^random分布在零的附近且服从正态分布，符合安慰剂检验的预期。

3.加入基准变量缓解选择的影响

双重差分法作为类似自然实验的一种，其最理想的情况是，试点城市与非试点城市是随机选择的。然而在现实中，相关政策的选择大多不是随机的。同样地，试点城市名单的确定也不是随机的：试点地区名单与城市的地理位置、现有的经济、社会发展水平与开放程度等密切相关，而这些原本存在的城市之间的差异，随着时间的趋势，对于城市的环境可能具有不同的影响，从而造成估计的偏差。为了控制这些因素的影响，采用Edmonds等（2010）和Lu等（2017）的方法，本文在回归中加入这些基准因素与时间线性趋势的交叉项，具体而言，采用以下的估计方程：

其中，Z'_c包括城市所在的地理位置与原有的政治经济特征等。具体而言，本文采用该城市是否为1998年“两控区”试点城市、是否为省会城市、是否为经济特区城市以及是否为北方城市作为这些先决因素的代理变量。trend_t代表时间线性趋势。因此，Z'_c×trend_t从线性的角度控制了城市之间原来固有的特征差异对于环境污染的影响，在一定程度上再度缓解了由于实验组与控制组选择的不随机造成的估计偏差。表3列（1）汇报了加入基准变量之后的估计结果，交叉项系数依然显著为负，表明考虑到固有的地区间差异可能的影响后，估计结果依然稳健。

4.其他基于地区的环境政策的影响

此外，还有一个可能的担忧在于在此时间区间内推行的其他环境政策，尤其是基于地区的环境政策对相关估计结果的影响。为此，本文搜集并整理了自2010年起的基于城市层面的大型环境政策，包括2012年起实施的官方 PM2.5监测政策、2013 年起实施的大气污染物特别排放限值政策，以及 2010 年起实施的新能源汽车补贴试点政策，在回归方程中加入了相关政策的虚拟变量（包括PM2.5重点监测城市名单虚拟变量、大气排放限值试点城市名单虚拟变量与新能源汽车点城市虚拟变量）与时间线性趋势的交叉项，从而控制相关基于地区的环境政策对估计结果的影响。结果在表 3 列（2）中报告，不难发现，Treat_ct的系数与表2基准回归的结果较为相似，且其他环境政策虚拟变量与时间趋势交叉项前的系数均较小且统计意义上不显著，表明以上基于地区的环境政策并未造成估计结果的偏误。

5.其他稳健性检验

为进一步确保研究结论的可靠性，本文同样以式（1）的双重差分模型为基准进行一系列稳健性检验。相应的结果在表3列（3）-（6）中予以报告。

首先，考察预期因素对于结果分析的影响。低碳城市建设的提出经历了漫长的准备过程，不同地区针对这一政策可能有不同的预期和准备工作，而这些可能的预期可能对结果的估计造成偏差。为了避免预期的影响，本文在回归方程中加入了开展低碳城市试点之前一年的虚拟项。结果在表3列（3）中汇报，不难发现，主要估计系数仍然显著为负且与表2估计结果较为一致，而预期的估计系数很小且不显著，表明针对低碳城市开展的预期没有对估计的结果造成影响。

其次，与大多数双重差分法研究框架类似，本文的分析基于全国所有的样本，采用除了试点地区之外的所有城市作为控制组。为使实验组与对照组更为相似，本文进一步进行了两个检验：第一，本文剔除了所有没有试点城市的省份，第二，本文选取试点城市的地理相邻城市作为控制组，将研究样本限定在试点城市以及试点城市相邻的城市，回归结果分别在表3列（4）与列（5）中汇报，发现主要估计系数仍然显著为负，证明估计的结果并未受到控制组地区选择的影响。

此外，低碳试点城市绝大多数位于胡焕庸线的右侧，其人口特征与地理位置等因素的差异，可能也会对估计结果产生影响，为此，进一步加入胡焕庸线左右侧的虚拟变量与时间线性趋势的交叉项，HHY_c×f（t），控制与胡焕庸线相关的地理因素在线性维度对结果估计的影响。结果在表3列（6）中汇报。不难发现，主要估计系数仍然与表2估计结果非常一致，说明其并未对估计结果造成影响。

最后，本文主回归采用PM10与API的年度均值作为衡量空气污染程度的年度指标。相比均值，公众可能对污染最大值或重度污染天数更为敏感。基于这一认识，本文采用年度最大值与重度污染天数作为衡量空气污染程度的指标，相关结果在表4中汇报，表明低碳城市建设的确减少了重度污染天数以及年度污染最大值。具体而言，就PM10指标而言，低碳城市建设减少了年度污染最大值约16.39μg /m3，减少了年重度污染天数约7.49天。

五、机制分析与分解

（一）机制分析

以上研究表明，低碳城市试点显著地降低了所在地区的空气污染，那么，其具体的传导机制是什么呢，换而言之，政府低碳政策通过影响哪些关键变量来改变空气污染水平？根据低碳城市试点方案的政策实施细节，本文将从企业排污行为、工业产业结构、城市产业创新升级以及城市交通网络几方面来综合考察低碳城市试点提高环境质量的具体机制。

首先，低碳城市试点可能通过限制与降低企业排污来提高空气质量。一方面，传统产业可以通过技术改造实现低碳化升级，鼓励循环经济，减少二氧化碳的排放；另一方面，试点地区可以通过减少能源煤炭的使用量，推行清洁生产，提高能源的使用效率，减少污染气体的排放。为验证这一机制，本文采用城市工业废水排放量、二氧化硫排放量、工业烟尘排放量以及城镇污水集中处理率作为企业排污的代理变量，表5呈现了机制分析的结果，不难发现，低碳城市政策显著地降低了所在城市的二氧化硫与工业烟尘的排放量，提高了污水集中处理率，通过限制与降低企业排污提高了空气质量。

其次，低碳城市建设可能通过改变城市工业产业结构、促进城市产业创新与升级来提高空气质量。传统产业可以通过技术改造实现低碳化升级，其他产业可以通过产业结构的优化发展低碳产业，促进城市整体的产业创新与升级，从而减少污染排放。为验证这一机制，本文基于2005~2013年工业企业调查数据构建了城市重工业企业比重数据，同时结合城市不同产业占比来作为城市产业结构变化的代理变量。结果在表6中汇报。列（2）中城市工业产业比重的系数显著为负，表明低碳城市建设显著地减少了工业生产的比重约1.2%，列（4）中重工业占比的系数显著为负，表明低碳城市建设不仅显著地减少了工业比重，更是减少了重工业生产的比重约1.9%。更为重要地，考虑到低碳城市设计的初衷之一是通过低碳技术，促进城市产业转型升级，从而实现污染防治与经济高质量发展的“双赢”目标；相对应地，本文通过由专利数据构建获得的城市产业创新指数数据，进一步考察低碳城市建设对于城市的产业创新与升级的影响，列（5）汇报了这一结果，发现低碳城市建设显著地提高了城市总体的产业创新约 19.7%。更进一步地，本文利用细分到产业—城市层面的专利指数数据，利用关键词（包括能源、节能、污染等）定义环境污染相关的产业，估计低碳城市建设对环境污染相关专利指数的影响，结果在表 6 列（6）中汇报，不难发现，其估计系数显著为正，且在数值上大于采用总体专利估计得到的系数；综合来说，低碳城市建设一方面提高了环境污染相关产业的创新水平，利用优化的排污或减排创新技术，直接提高了空气质量；另一方面，低碳城市对于产业整体的升级创新也具有正面促进作用。以上结果全面且稳健地表明低碳城市建设显著地改善了工业产业结构、促进了产业创新与升级，这也与低碳城市设计的初衷相一致。

最后，低碳城市试点也可能通过改变城市交通结构与网络影响空气质量，具体地，可能改变公共交通网络，保证公共交通的通畅和便利，从而减少对私家车的依赖，来减少碳排放，也有可能通过鼓励公众购买清洁型能源车辆来减少碳排放。为验证相关机制，本文选取《中国城市统计年鉴》中公共汽车营运车辆数、全年公共汽车客运总量以及每万人拥有公共汽车辆数作为公共交通的代理变量。利用2009-2015年全国各城市乘务车销售与上牌数据计算清洁型能源燃料（定义为电动或电动汽油混合）车辆所占所有车辆的比重，作为清洁型能源车辆市场份额的代理变量。表7列（1）-（3）报告了公共交通相关的回归结果，不难发现，与公共交通相关的估计结果系数均很小且不显著，表明短期内并没有证据支持低碳城市建设通过改善公共交通提高了空气质量这一机制；表7列（4）报告了清洁型能源车辆销售上牌相关的结果，不难发现，低碳城市建设显著地提高了清洁型能源车辆的市场份额比重；但是，考虑到清洁型能源车辆本身的基期市场份额较小，这一影响的程度依然是有限的。以上结果表明低碳城市建设通过交通网络结构对空气质量的影响较小，且其主要的影响可能来自于清洁型能源车辆使用比重的增加。

综上，机制分析结果表明：首先，低碳城市试点地区显著地减少了城市企业排污；其次，低碳城市显著地降低了工业生产的比重，并改善了城市产业结构，降低了城市重工业企业比重，促进城市产业创新与升级，从而发展低碳技术、减少污染排放；最后，低碳城市建设通过增加节能型能源车辆市场占比提高了空气质量，但是尚未有证据表明低碳城市试点通过短期内改善公共交通提高城市空气质量。

（二）机制量化分解

以上检验对相关机制做出了定性的分析，为了更进一步地检验与量化以上机制，本文采用 Heckman等（2013）与Gelbach（2016）的方法，对其进行机制量化分解，分解公式如下：

其中，c表示城市，t表示年份，j 表示机制；M^j_ct表示城市c年份t的机制j；其他变量与系数设定与主回归方程式（1）一致。Gelbach（2016）证明：

因此，机制j所解释的效果为κ^jδ^j，剩下未解释的部分为γ^。因此，机制j所解释的效果比重为κ^ j

δ^ j/^。对应的量化结果在图 2 中汇报，加总可得，由于企业行为变化（包括污水废水处理排放、工业SO2排污、工业烟尘排放）带来的解释比重为 25.7%，由于产业升级与创新（包括第二产业占比、重工业比重、产业创新升级）带来的解释比重为 30.7%，由于城市交通转型带来（包括清洁能源车辆占比）的解释比重为 0.6%，一共解释了57%的效果。这一结果表明以上两方面的机制考察具有较强可信度与一定的解释力。

六、成本—收益分析与政策含义

（一）成本—收益分析

上述分析结果稳健地表明，低碳城市建设显著地降低了城市空气污染，提高了空气质量，其影响机制主要来自于城市企业排污的减少、产业结构与工业结构的改善。然而，虽然低碳城市被证明具有显著的正面效果，但其公共支出也是昂贵的，合理评估此类公共政策，还需要将其成本—收益的对比纳入考量（Revesz，1999；Ackermanand Heinzerling，2002）。

有鉴于此，本文基于成本—收益分析的框架，考察低碳城市建设带来的福利改变。一方面，从收益的角度出发，显著提高的空气质量对经济社会具有一系列正面的影响，包括公共健康的提高、婴儿死亡率的下降、劳动生产率的提高、犯罪率的下降等等（Arceo et al.，2016；Chayand Greenstone，2005；Greenstoneand Hanna，2014；Eben⁃stein et al.，2017；Hanna andOliva，2015；Zhang and Mu，2018）。由于数据与背景的限制，本文无法穷尽每一方面的福利提高。本节仅从医疗健康角度出发，考察其收益。为了客观地估计环境污染造成的医疗损失，本文采用上海市2015年医疗服务利用调查数据进行收益分析，数据来源于人力资源社会保障部中国医疗保险研究会。该数据收集了上海市不同级别医院的医保病人管理数据（抽样比例为 5%）。数据调查的主要内容包括门诊或住院患者的个人信息、疾病信息、就诊费用金额等。在本文的设定下，这一数据的优势在于，可以客观真实地度量每天上海市所有医院的就诊人数以及就诊金额，通过与日度空气污染数据的匹配，可以较为客观地估计出空气污染对就医人数以及医疗支出的影响。同时结合文献的结论加以讨论，将会使得这一成本—收益分析部分的结果更为细腻与严谨。估计方程式如下：

其中，i表示医院，d 表示日期，Yid表示医院i在日期 d 的就诊人数与就诊金额，pollution_d表示空气污染程度，与主回归模型相一致，此处使用 PM10日度平均值作为度量空气污染的指标，W'_d表示一系列的日度天气控制变量（与上文相一致，包括温度（摄氏度）、露点（摄氏度）、海平面气压（百帕斯卡）、风速（米/秒）与降雨量指标（毫米）），以此控制天气的影响；f1表示空气污染的影响方程式，比如线性方程、非线性方程等，此处使用最为基本的当日空气污染的线性方程式作为主回归模型。D'包括了一系列固定效应控制变量，包括月度固定效应、周一至周六（day of week）固定效应、医院控制变量等。估计结果在表8中报告：列（1）-（2）汇报了日度空气污染程度对总就诊人数与总就诊金额的影响；作为稳健性检验，列（3）-（4）汇报了日度空气污染程度对呼吸科肺科相关科室就诊人数与就诊金额的影响；作为安慰剂检验，列（5）-（6）汇报了对骨科相关人数与金额的影响；结果表明，PM10上升10μg /m3 增加总就诊人数约 0.49%，增加总就诊金额约0.47%。同时，发现其对呼吸科肺科的影响较大，相反地，对骨科的影响较小且统计意义上不显著，这一结果也是符合直觉与事实的。进一步地，结合统计数据（抽样样本中，平均每天就诊总金额为 2320000 元，抽样比例为 5%人群）与上文估计系数（9.3μg/m3），可计算得到由于低碳城市建设带来的上海市医疗支出降低了约4.17亿元。根据《中国城市统计年鉴》2015 年各地区医院床位数的统计，可得若按4.17亿元计算，利用各地医疗床位数加权，计算可得低碳城市建设2010-2015年期间在全国范围内，减少医疗支出约208.5亿元。注意到此处估计的收益仅仅来自于医疗这一方面，并未考虑其他维度的收益（比如劳动生产率的提高、犯罪率的下降等带来的经济收益），因此可视其为收益的下边界，相对真实的收益应该是低估的。

另一方面，成本—收益分析还需要获得其资金支出的信息。本文并未获得直接披露低碳城市建设工程财政总投入的官方统计文件。在此基础上，为了尽可能精准地估计其资金支出，结合官网资料与新闻媒体报告，尽可能准确地搜集各城市财政预算信息，最终获取了25个城市的“低碳城市建设”相关的财政支出信息。本文发现各试点城市财政支出信息差异较大，大多数城市的财政支出在 300 万元-500 万元，而支持力度最大的城市每年安排2000万元作为低碳节能方面的建设专项资金。据此估计，该项目在2010-2015年115个试点城市中最多投入共计138 亿元，即 138 亿元可视为项目成本的上限。综上可知，低碳城市建设项目实施的预期收益远高于其成本（注意到，此处的收益为收益的下限，因为仅考虑了医疗支出的减少；而成本为上限，因为使用低碳财政投入最多的城市作为估算），这在一定程度上意味着低碳城市建设能够实现污染防治与经济发展的“双赢”目标。

（二）政策含义与总结性评论

本文以“低碳城市”试点政策为切入点，聚焦探讨政府环境治理的污染防治效应。本文的发现包括：第一，低碳城市建设显著降低了城市空气污染；第二，其主要传导机制来自于企业排污的减少、工业结构的转型、城市产业的升级与创新；第三，进一步的成本—收益分析结果表明，低碳城市建设的资金支出远远小于其可能带来的收益，这意味着，低碳城市建设本身有助于实现污染防治与经济高质量发展的“双赢”目标。

本文的研究结果具有以下三方面政策含义：第一，本文实证结果证明低碳城市建设显著降低了城市空气污染。近 20 年来，低碳技术对经济社会变革的推动作用日益显著，全球发达城市纷纷把构建低碳城市作为提升城市乃至国家竞争力的重要手段。构建低碳城市是欧洲发达国家常用而重要的降低空气污染、提高居民幸福感的手段，与发达国家相比，发展中国家法律与体制的建设较为薄弱，基于地区的环境政策在执行层面往往会面临更大的阻碍与困难，本文的结果表明低碳城市这一基于地区的环境政策在最大的发展中国家—中国同样具有理想的效果，因此可以考虑作为有效降低环境污染的手段。第二，基于机制分析的结果表明，低碳城市建设主要的效果来自于企业行为的改变与产业升级与创新，而公共交通的作用比较有限；这表明低碳城市政策设计与规划时，针对公共交通网络，应有更明确的规划与设计，同时，与之相关地，当地政府也应该加强低碳交通、低碳出行方式的宣传，引导公众出行习惯的改变，使得从公共交通网络减少碳排放、提高空气质量成为可能。第三，基于成本—收益分析框架所得到的结果表明，低碳城市建设的资金支出远远小于其可能带来的收益。今天的中国已然面临着环境质量严重恶化与经济发展持续下行的双重挑战，要想破解环境恶化与经济高质量发展的两难挑战，只有对大气污染进行彻底的治理。本文的发现意味着以低碳城市建设为特征的政府环境治理政策能够实现污染防治与经济发展的“双赢”目标，为新时代下经济由高速增长阶段向高质量发展阶段转换与打赢决胜全面建成小康社会污染防治攻坚战提供有益的政策启示。30多年的经济持续高速增长，带来了严峻的资源环境压力，缓解这一压力需要进行持续不断的努力与改革，而低碳城市试点正是众多环境改革中颇具代表性的改革之一。科学系统地评估这一基于地区试点政策的效果，从短期来看，为相关环境污染防治政策的制定提供了经验与启示；从长期来看，对于建设生态文明这一永续发展的千年大计具有重要的现实意义。

往期推荐

本期编辑：小胖师兄

文章来源：《管理世界》2019年第6期