交通擁堵與空氣質量
——來自汽車尾號限行的證據

吉 霖, 張偉強, 侯 贏

(1.中民醫療投資股份有限公司，北京 100091; 2.清華大學 五道口金融學院，北京 100083; 3.國家機關事務管理局，北京 100017)

0 引言

空氣污染會導致各種社會成本增加?？諝馕廴驹黾恿藡雰旱乃劳雎剩s短居民壽命，引起勞動供給減少，提高居民的日死亡率，造成巨大的經濟損失[1～5]。亞洲開發銀行的國家環境分析報告[6]指出，中國500個最大的城市中，僅有不足1%的城市達到了世界衛生組織(WHO)的空氣質量建議標準，而世界上空氣污染最嚴重的10個城市中，中國占其中7席。盡管在政府的積極治理下，中國城市空氣質量總體有所改善，但形勢依舊不容樂觀，其中大城市的空氣污染情況尤其嚴峻。

與其他污染物相比，可吸入顆粒物對人的影響要更大。它是懸浮在空氣中的無機物和有機物、固體和液體的復雜混合物。這些顆粒常根據氣動直徑加以界定，例如，PM10是氣動直徑小于10微米的顆粒，PM2.5為氣動直徑小于2.5微米的顆粒。而PM2.5更具危險性，它可作為細菌、病毒的載體，侵入肺部，被吸入后可直達細支氣管壁，干擾氣體交換過程，嚴重影響人體健康。此外，它還導致城市能見度下降；具有更高的酸度，近年來有相對加劇的污染趨勢[7]。由于其污染作用往往超過傳統大氣污染物，世界衛生組織在制定的空氣質量準則時將PM2.5作為指示性指標。美國和歐盟分別于2002年和2008年開始監測和公布PM2.5數據。2012年1月21日，北京環境監測中心也開始了對PM2.5的監測。隨著陰霾等天氣現象頻發，一些區域的空氣質量嚴重影響著人們的生活工作。2013年以來，空氣污染問題獲得了空前的關注，而人們對于PM2.5指標的關心尤為密切。

要改善空氣質量所面臨的首要問題或許就是厘清空氣污染的形成機制和影響因素。可能影響空氣質量的因素眾多，除自然因素外，人為因素包括工廠排放、汽車尾氣、取暖燃煤、秸稈焚燒、鞭炮燃放，甚至是居民做飯。在眾多來源中，汽車尾氣顯得格外引人注意。究其原因，可能是因為，這個因素與大眾的生活體驗息息相關，也與政府的政策制定緊密相連。因此，交通擁堵是否影響空氣質量已成為一個需要研究的重要問題。

現有探討交通擁堵與空氣質量關系的文獻，大致可分為兩類。一類文獻通過環境科學的方法，根據空氣污染物成分，解析出主要來源。另一類文獻采用經濟學的方法，探討交通限行措施改善空氣質量的效果。環境科學領域的文獻運用自然科學的方法探討了我國空氣污染的特點和來源。Song等[8]使用2000年北京樣本，通過PMF(正矩陣因子)法，進行分析，指出在八種PM2.5的主要來源中，燃煤占19%居首位，而汽車尾氣只占6%。Zheng等[9]采集2000年北京樣本，利用CMB(化學質量平衡受體模型)法，分析指出土壤灰塵是PM2.5的主要來源，占比20%。Song等[10]使用2004年北京樣本，利用PMF法，進行來源分析，指出燃煤是冬季PM2.5的主要來源，二次產物是夏季PM2.5的主要來源。Zhang等[11]采集了2009至2010年北京樣本，利用PMF法解析出PM2.5的六個來源，其中工業污染占比28%，而汽車尾氣影響小于4%。于娜等[12]利用CMB法對北京PM2.5中的有機碳(OC)成分進行了來源分析，結果表明機動車和燃煤排放是OC的主要來源，且有加劇趨勢。汪婷和謝紹東[13]從環境科學的角度，運用OSPM模型，指出街道形狀對空氣污染有影響，交通限行可能降低一次污染物濃度，但二次污染物濃度可能上升。

現有環境科學領域文獻為我們描述了很多我國空氣污染的特點，但就回答來源問題而言，尚存在一些局限和不足：首先，從環境科學角度出發的文獻，多依賴于模型的假設?？諝馕廴驹捶N類繁多，一次污染后相互作用交錯復雜，此外，空氣質量也與街道形狀、氣象指標、城市發展息息相關，這些因素都增大了模型給出準確評估的難度。其次，現有文獻中的分析結果并未達成一致共識，對汽車尾氣影響的估計因選擇不同的分析方法、不同季節和同城內不同觀測點等波動很大，很難為制定相關政策提供穩健的依據。最后，通過自然科學的方法得到的汽車尾氣占比是存量化的。而制定相關政策時，如決策是否應推行交通限行政策時，更需計算的是限行所帶來的汽車數量的減少對空氣質量的增量影響。

目前經濟學領域的文獻也對交通擁堵和限行措施問題有所涉獵。研究交通擁堵的文章，很多以理論分析為主，運用中國數據進行嚴謹實證分析的文章較少。近年來，隨著一系列發展中國家面臨越來越嚴重的交通擁堵問題，不少國家紛紛采取了交通限行措施，這為經濟學家們研究交通與環境的問題提供了契機。Davis[14]指出墨西哥城交通限行政策并未改善空氣質量。Viard and Fu[15]利用日度數據，分析指出北京的限行政策降低了空氣污染程度。Percoco[16]認為意大利米蘭的交通擁堵治理措施在實施后幾天內起到了改善空氣質量的作用，但該作用隨后消失。Lin等[17]比較了巴西圣保羅、哥倫比亞波哥大、中國北京、中國天津四個城市的交通限行效果，指出特定時段的交通限行會使人們在非限行時段更多出行，避免空氣污染物的集中排放。Chen等[18]檢驗了北京奧運會舉辦前后空氣質量變化，指出奧運會期間北京空氣質量有短暫改善，改善的原因主要來自工廠關閉和交通限行。邱兆祥和劉帥[19]利用長期數據，并用天津市作為對照樣本，指出機動車限行改善了北京空氣質量。趙峰俠等[20]運用汽車全生命周期方法，指出限行的環境收益不敵巨額經濟成本。

經濟學領域的研究很好地利用了社會生活中自然實驗的作用，為我們認識交通擁堵與空氣質量關系問題提供了全新的視角。然而，現有評估限行效果的經濟學文章中，多選擇較長時間窗口，在限行實施前后幾年內，探討限行對空氣質量的影響。在這樣較長的時間內，很多變量都發生了變化(例如，新增汽車數量的增加甚至超過最初單日限行汽車數量，城市軌道交通的變化，出租車數量和收費機制的變化，新商業樓盤和居民區的建造，工廠排放政策和能源結構的變化，居民做飯和取暖時所用能源的變化，周邊區縣焚燒秸稈的治理等等)。于是，對應到回歸模型中，與限行措施實施之初比較，空氣質量的改善變得不再明顯。而且，這樣的比較是一種絕對值的比較，可能并不適當。研究限行措施的必要性時更需回答的問題是，在其他條件不變的情況下，限行措施的實施是否改善了空氣質量?，F有文獻中所嘗試的，用遠離主路的觀測點作為靠近主路的觀測點的對照組，用天津市作為北京市的對照組等方法，或許不能完全控制其他變量的變化，不能很好地解決上述問題。因此，交通擁堵是否影響空氣質量是一個亟待更多實證檢驗的問題。

本文采用經濟學的實證方法，利用限行的自然實驗和獨特的尾號4現象(每當限行尾號含有4時，交通異常擁擠)，通過雙重差分，對上述問題進行了較為嚴謹的探討。通過對2013年4月11日到2013年12月23日北京35個觀測點的逐時PM2.5濃度數據，進行雙重差分檢驗，濾除大量干擾因素，分析結果更加可靠。結果表明，在控制其他變量后，相較于限行尾號非4和9的工作日中由交通非繁忙時段到繁忙時段的變化趨勢，限行尾號為4和9的工作日中由交通非繁忙時段到繁忙時段PM2.5濃度顯著升高更多，相對升高幅度為7.666微克/立方米，約占PM2.5濃度均值的9.46%。各類穩健性檢驗也支持此結論，此外，我們利用三差法理念，使用五環內外政策差別所進行的安慰劑檢驗，進一步支持了上述基本結論。因此，我們認為，交通擁堵對空氣質量確有顯著影響。

本文與以往文獻主要存在以下不同之處：第一，將獨特的尾號4現象引入實證檢驗，提供了一個很好的衡量交通擁堵的指標；第二，采用了雙重差分的檢驗設計，很好的控制了其他變量的影響，使結果更加嚴謹可信，為自然科學領域的空氣污染來源研究提供了必要補充；第三，與大部分已有經濟學文獻不同，我們以PM2.5為主要觀測指標，PM2.5與其他指標相比，更符合科學機構對不同污染物危害程度的研究成果，更符合各國監測機構的最新重點，也更符合社會生活中人們的普遍關注。

本文的內容將如下開展：第二部分介紹了北京市工作日高峰時段區域限行交通管理措施，提出了獨特的尾號4現象；第三部分展示了文中所采用的數據與關鍵變量；第四部分具體闡述了模型設定和檢驗設計；第五部分列示了基準回歸、安慰劑檢驗和穩健性檢驗的實證結果；第六部分總結。

1 實驗設計

(1)空氣質量

本文考察的空氣質量指標是PM2.5(微克/立方米)指標，觀測數據來自北京市環境保護檢測中心相關網站。我們收集了2013年4月11日至2013年12月23日北京35個觀測點(其中22個觀測點在五環以內，13個觀測點位于五環內)的每小時數據。另外我們從中國氣象臺收集了2013年4月11日至2013年12月23日的氣象逐時數據，變量包括氣溫(攝氏度)、風速(公里每小時)、風向、降水、濕度(%)和氣壓(百帕)等。PM2.5和氣象數據的描述性統計分別見表1和表2。

(2)交通擁堵

2008年10月11日以來，北京連續實施了多階段的工作日高峰時段區域限行交通管理措施，意在緩解交通擁堵，減少空氣污染。各階段管理措施的具體細則和配套要求略有區別。2013年3月29日，北京市人民政府發布通告，自2013年4月11日至2014年4月10日繼續實施限行交通管理措施。主要措施如下：(1)北京市行政區域內的公務用車按車牌尾號每周停駛一天(0時至24時)，停駛范圍為全市行政區域內道路；(2)北京市其他機動車按車牌尾號每周一個工作日高峰時段停駛，限行時間為7時至20時，范圍為五環路以內道路(不含五環路)；(3)將限行車牌尾號分為五組，每個工作日限行一組，每13周輪換一次限行日。

表1 PM2.5和氣候觀測的描述性統計

表2 風向的描述性統計

隨著限行措施的實行，北京的道路上出現了一個有趣的現象：每當遇到限制尾號為4和9的工作日，交通異常擁擠。這個尾號4現象是出租車司機師傅的共識，也常在交通廣播中被提及。這一現象可能與中國的傳統文化習俗有關系。一些人認為數字4的諧音不吉利，從而盡量回避尾號為4的車牌。于是車牌尾號為4的車的數量相對而言非常少。在限制尾號為4和9的當天，基本上只限制了尾號為9的車[21]，所以比起限制其他尾號的工作日，限制尾號為4和9的當天顯得異常擁堵。

此外，2010年10月20日之后，北京交通管理局取消了“十選一”自動選牌環節候選車牌中所有包含數字4的車牌——即所有新車牌號都不包含數字4。對于喜歡含有數字4車牌的車主，可選擇自編號牌。這樣的做法，既是對過去尾號4車牌總被回避的反應，也是此后尾號4車牌將繼續維持數量較少的原因之一。Viard and Fu[15]在以北京四環內某停車場為樣本，統計了不同尾號的車輛數量，結果顯示，尾號為4的車牌數量確實大大低于其他尾號車牌數量。該抽樣統計結果也佐證了本文所述的尾號4現象。

尾號4現象為本文提供了一個獨特的衡量交通擁堵的指標。這個指標是相對外生的，獨立于工廠排放、居民日常生活排放等其他影響空氣質量的因素。此外，限行措施中限行4和9的工作日定期輪換。該輪換機制去除了不與此輪換頻率一致的其他因素的干擾。2013年限行車牌尾號輪換規定見表3。

表3 汽車限行尾號順序限

(3)實驗設計

本文的實證檢驗部分主要使用了雙重差分，以有效過濾各種非交通因素對空氣質量的影響。雙重差分要求包含兩個差別，在本文中，第一個差別是指限制尾號4和9的工作日與其他工作日之間的差別，可將限行尾號為4和9的工作日視為控制組，其他工作日視為對照組；第二個差別指交通繁忙時段與非交通繁忙時段之間的差別。具體而言，在基準回歸中，選取早7點至早10點為交通繁忙時段，早3點到早6點為非交通繁忙時段。在限行尾號為4和9的工作日，且在限行時段內(交通繁忙時段包含在限行時段內，而非交通繁忙時段在限行時段外)，交通異常擁擠，此處兩個差別的設計正是利用了這獨特的尾號4現象。透過這兩個差別，可以較為純粹的識別出交通擁堵，過濾掉其他因素對空氣質量的影響。

雙重差分的含義可以通過作圖的方式更直觀的表現出來。圖1描述了五環內PM2.5逐時變化情況。其中，實線代表限行尾號為4和9的工作日樣本，虛線代表限行尾號為其他數字的工作日樣本。從圖1中可以看到，在五環內，限行尾號為4和9的工作日中，進入交通繁忙時間段后(早7點至早10點)PM2.5明顯上升，即實線在早7點之后明顯上升；而限行尾號為其他數字的工作日中，進入交通繁忙時間段后(早7點至早10點)PM2.5并無明顯上升表現，即虛線早7點之后較為平穩，并無上升趨勢。將兩條線的變化趨勢做一對比，可以看出，與限行尾號為其他數字的工作日中的逐時變化趨勢相比，限行尾號為4和9的工作日中進入交通繁忙時段后PM2.5明顯上升更多。

為什么更簡單的比較不可取，一定要通過雙重差分的兩層比較，才能得到較為準確的結果呢？這個問題可以分兩步考慮。第一，若簡單用實線的后半段(早7點之后)與虛線的后半段(早7點之后)相比，誠然，實線在虛線之上，即限行尾號為4和9的工作日比其他工作日的早高峰時段PM2.5濃度更高，但這并不必然導出交通擁堵惡化空氣質量的結論。原因是，這樣的比較忽略了實線與虛線的基礎水平不同的事實，即忽略了限行尾號為4和9的工作日與其他工作日可能存在其他不逐時變化的固有差別的事實。因此直接比較實線后半段與虛線后半段，不能排除限行尾號為4和9的工作日與其他工作日之間的固有差別(除限行導致的尾號4現象外)。第二，若簡單用實線的后半段(早7點之后)與實線的前半段(早7點之前)比較，誠然，實線的后半段比前半段相對上漲，即限行尾號為4和9的工作日中早高峰開始后比早高峰開始前PM2.5濃度更高，但這并不必然導出交通擁堵惡化空氣質量的結論。原因是，雖然交通情況變化是早高峰開始后與非早高峰開始前這兩個時段間的重要變化，但是除了交通情況變化之外，還有大量可能影響空氣質量的因素也在這兩個時段間發生著變化。例如，居民開始活動、工廠開始排放、做飯頻數增加等等。因此，直接比較實線的后半段與前半段，并不能排除交通因素外固有的逐時變化趨勢的影響。

圖1 限行尾號為4和9的工作日與其他工作日PM2.5逐時變化對比

注：圖中顯示的是所有限行尾號非4和9的工作日與限行尾號為4和9的工作日進行比較。如果將限行尾號非4和9的工作日拆分為限行尾號為5和0、限行尾號為1和6、限行尾號為2和7、限行尾號為3和8四組工作日，分別與限行尾號為4和9的工作日進行比較，所得結果與上圖一致。

而雙重差分則可以較好的解決上述問題。具體而言，雙重差分先令兩條線的后半段分別與自身的前半段做差，即，實線的后半段與實線的前半段做差，虛線的后半段與虛線的前半段做差。假定限行尾號為4和9的工作日與其他工作日之間的除尾號4現象外的固有差別在早高峰前后的短短幾小時內基本維持不變，則同一條線上后半段與前半段的差值去除了兩類工作日除尾號4現象外的固有差別的影響。進而，雙重差分令實線后半段與前半段的差值，減去虛線后半段與前半段的差值，得到倍差。假定交通因素外的固有逐時變化趨勢在兩類工作日間沒有明顯差異，則倍差去除了交通因素外固有的逐時變化趨勢的影響。因此，經過兩層比較后所得到的倍差，恰能過濾大量其他可能影響空氣質量的因素，正好捕捉到交通擁堵對空氣質量的影響。上文依托圖1描述的雙重差分過程僅供直觀說明，較為粗略，而具體雙重差分的計量模型見下公式1：

PM2.5=α+β1Restrict49+β2BusyTime+β3Restrict49×

BusyTime+MonthFixedEffect+WeatherControl+ε

(1)

其中，PM2.5每小時濃度觀測為因變量。Restrict49是啞變量，當該工作日限制尾號4和9時為1，其他工作日為0。BusyTime為啞變量，當該小時處于交通繁忙時段時為1，處于非交通繁忙時段時為0。在控制變量方面，北京四季分明，尤其在入冬之后，居民取暖或可對空氣質量產生重要影響，因此，模型中引入了月度的固定效應，用以控制不同月份空氣質量影響因素不易觀測的變化。此外，空氣質量與各氣象因素聯系緊密，因此，模型中控制了風速、風向、降水、氣溫、氣壓和濕度。

在本文的基準回歸中，我們運用北京市13個五環內觀測點的數據，使用上述模型設定，來估計交通擁堵對空氣質量的影響。如上文所述，在基準回歸中，選取早7點至早10點為交通繁忙時段，早3點到早6點為非交通繁忙時段。公式(1)中交叉項前系數β3是我們最關心的系數，它表示了雙重差分下交通擁堵對空氣質量的影響程度。而上文所述的圖1中的經兩層比較得到的倍差恰恰是式1中交叉項前系數β3的直觀表現。當然，需要說明的是，由于圖中并未控制氣象因素和月度固定效應變量等，圖1中的結論較下文即將報告的回歸結果而言仍略顯粗糙。在基準回歸的實證結果中，若β3顯著為正，則表明，限行尾號為4和9的當天與其他工作日相比，交通繁忙時段比非交通繁忙時段PM2.5顯著升高更多，即交通擁堵確實是空氣質量變差的重要影響因素。

下面就檢驗設計中的三個特殊問題，逐一說明如下：(1)為什么在選取早7點至早10點為交通繁忙時段情況下，要選擇早3點至早6點為非交通繁忙時段進行對照？這里的設計借鑒了斷點回歸的理念，讓控制組和對照組盡量保持連續，這樣可以減少其他變量的變化，以免干擾檢驗結果。因此，在給定早7點至早10點為控制組的情況下，選擇早3點至早6點作為對照組比選擇早1點到早4點作對照組更為適當；(2)為什么定義交通繁忙時段時，刻意去掉了早6點至早7點的區間？這個區間處在過渡階段，較難定義。舉例來說，雖然對于大多數上班族，早7點之后才開始開車上班，但是有些居民會為了方便在早6點就開始出門，7點前到單位，晚上8點限行解除以后再回家；(3)為什么選取早高峰時段，而不是晚高峰時段？誠然，根據限行政策的相關規定，從理論上說，晚高峰結束前可作為控制組，而晚高峰結束后可作為對照組。但是，晚高峰比早高峰更難界定，人們的出行行為在晚高峰時段表現得差異更大，所謂晚高峰可能被稀釋。因此，為了保證檢驗的有效性，本文選取了早高峰進行實證分析。

2 實證結果

本文的實證檢驗分為三個步驟：基準回歸、安慰劑檢驗(Placebo Test)和穩健性檢驗。其中，基準回歸講述了本文的基本故事和結論，為后續檢驗提供了一個對照基準；安慰劑檢驗將北京觀測點范圍從基準回歸中的五環內換成了限行強度較弱的五環外，若所得結果符合預期(下文將詳細闡述)，則可進一步增強基準回歸中結論的可信度；穩健性檢驗從基準回歸出發，通過剔除樣本異常值、改變變量取值、增加控制變量、以及引入穩健性殘差等方式，驗證本文基本故事和結論的穩健度。

(1)基準回歸

表4展示了基準回歸的結果。第一列是未加入氣象控制變量和月度固定效應的回歸結果，第二列是加入氣象控制變量和月度固定效應之后的回歸結果。我們最感興趣的是交通擁堵日(限行尾號為4和9的工作日)與交通繁忙時段(基準回歸中是早7點到10點)的交叉項前的系數。在第一列中該系數的點估計為7.813，第二列中該系數的點估計為7.666，均在1%的水平下顯著。這意味著，在控制了其他變量后，限行尾號為4和9的當天與其他工作日相比，交通繁忙時段比非交通繁忙時段PM2.5顯著多升高7.666微克/立方米(以第二列為例)，約占PM2.5濃度均值的9.46%(9.46%=7.666/81，其中81為表2中所示的本文樣本內PM2.5濃度均值)。因此，交通擁堵確實是空氣質量變差的重要影響因素。除交叉項外，表4中也展示了各氣象指標對空氣質量的影響。如第二列所示，在其他變量不變的情況下，若風速增加1公里/小時，則PM2.5濃度下降0.713微克/立方米；如該小時內存在降水，則PM2.5濃度下降27.42微克/立方米；若氣溫升高1攝氏度，則PM2.5濃度上升3.982微克/立方米；若氣壓升高1百帕，則PM2.5濃度上升0.614微克/立方米；若濕度增加1個百分點，則PM2.5濃度增加1.854微克/立方米。

表4 基于五環內空氣質量觀測站點的基準回歸

注:***，**，*分別表示在1%，5%，10%的水平下顯著。

(2)安慰劑檢驗

根據限行措施，在尾號限行日，公車全市范圍內限行，而非公車在五環內限行。這意味著五環外也會受到限行政策的影響，但是強度比五環內弱。據此推斷，用尾號4現象衡量的交通擁堵對空氣質量的影響在五環內更為明顯，在五環外雖然也會觀測到交通擁堵對空氣質量的影響，但是影響幅度較小。這一五環內外的政策差異為我們的提供了極好的雙重差分中兩個差別之外的第三個差別。因此，本文利用了三差法的理念，構建安慰劑檢驗，選擇22個五環外觀測點作為樣本，使用與基準回歸中類似的模型設定，將所得的安慰劑檢驗實證結果與基準回歸中的結果兩相比較，若相應的β3為正但數值小于基準回歸中的對應系數，則基準回歸中的結論將得到進一步驗證。

表5 基于五環外空氣質量觀測站點的安慰劑檢驗

注:***，**，*分別表示在1%，5%，10%的水平下顯著。

表5列示了安慰劑檢驗的實證結果。同樣，第一列是未加入氣象控制變量和月度固定效應的回歸結果，第二列是加入氣象控制變量和月度固定效應之后的回歸結果。我們最關心的仍是交叉項前的系數，但此時我們不僅關注該系數的絕對數值，更關心該系數與基準回歸中對應系數的對比結果。在第一列中該系數為3.303，但不顯著；第二列中該系數為3.461，在10%的水平下顯著。表5中的交叉項系數為正，但其點估計值和顯著性都小于基準回歸中的對應系數(基準回歸的結果反映在表4，其中第一列中交叉項前系數為7.813，第二列中交叉項前系數為7.666，均在1%的水平下顯著)。這樣的結果與第五部分中所述的預期一致。因此，表5利用五環內和五環外觀測點的差別，進一步支持了基準回歸中的結論。

(3)穩健性檢驗

在穩健性檢驗中，我們以基準回歸為標尺，通過四種不同的方式驗證基準回歸中結論的穩健性。第一種方式中，我們在樣本中剔除了天氣異常值；第二種方式中，我們在維持其他設定不變的情況下，變換了基準回歸中交通繁忙時段的定義：定義早7點至早9點為交通繁忙時段，早4點至早6點為非交通繁忙時段；第三種方式中，我們向基準回歸的模型設定中加入了觀測點固定效應；第四種方式中，將穩健性殘差引入了基準回歸的回歸方程。在表6的穩健性檢驗中，我們剔除了樣本中的極端天氣值。風速大小和是否降水常被認為是決定空氣質量的關鍵性因素。剔除當天3點到10點內風速較大(微風級別以上)和存在降水的觀測值后的檢驗能夠更好的體現出基準回歸中結論的穩健性。具體而言，表6中第一列剔除了風速異常值，即，若該日樣本期間內某觀測點的平均風速>=20km/h(微風級別以上)，則剔除該觀測點該日所有觀測；第二列剔除了降水異常值，即，若該日樣本期間內某觀測點有降水(降水量不為0)，則剔除該觀測點該日所有觀測；第三列同時剔除了風速異常值和降水異常值。表6各列中交叉項前系數均為正，且均在1%的水平下顯著。這進一步支持了基準回歸中所得結論。

表6 剔除天氣異常值后的穩健性檢驗

注：剔除風速異常值是指若該日樣本期間內某觀測點的平均風速>=20km/h(微風級別以上)，則剔除該觀測點該日所有觀測；剔除降水異常值是指若該日樣本期間內某觀測點有降水(降水量不為0)，則剔除該觀測點該日所有觀測。***，**，*分別表示在1%，5%，10%的水平下顯著。

表7 定義早7點至早9點為交通繁忙時段的穩健性檢驗

注:***，**，*分別表示在1%，5%，10%的水平下顯著。

表7進行了針對交通繁忙時段選取的穩健性檢驗。在基準回歸中，我們選取早7點至早10點交通繁忙時段，與之對應的，早3點至早6點為非交通繁忙時段。在表7的穩健性檢驗中，我們選取早7點至早9點為交通繁忙時段，早4點至早6點為非交通繁忙時段。同樣，第一列是未加入氣象控制變量和月度固定效應的回歸結果，第二列是加入氣象控制變量和月度固定效應之后的回歸結果。我們最關心的仍是交叉項前的系數。在第一列中該系數為6.389，在10%的水平下顯著；第二列中該系數為7.719，在1%的水平下顯著。這進一步驗證了基準回歸中得到的結論。

表8加入了觀測點固定效應，進行穩健性檢驗。加入觀測點固定效應的好處是，可以更精準地將同一觀測點的不同小時內的情況進行比較。表8中模型設定和基準回歸基本一致，不同之處僅表現在加入了觀測點固定效應。這里我們關心的仍是交叉項前的系數。在第一列中該系數為7.813，第二列中該系數為7.638，均在1%的水平下顯著。這進一步驗證了基準回歸中得到的結論。

表8 控制空氣質量觀測站點固定效應的穩健性檢驗

注：***，**，*分別表示在1%，5%，10%的水平下顯著。

在表9中，我們在基準回歸模型設定的基礎上，加入了穩健性殘差的考慮，其結果同樣支持基準回歸中的結論。

3 研究結論

空氣質量問題與居民日常生活休戚相關，受到了越來越多的關注。在各種空氣污染源的爭議中，有一個問題顯得愈發重要，但又遠未達成共識——交通擁堵是否是空氣污染的重要因素？空氣污染來源多樣，交通擁堵不易衡量，這些都增加了準確回答上述問題的難度。本文嘗試提供更為嚴密的證據，分析交通擁堵對空氣質量的影響。北京市實施工作日高峰時段區域限行交通管理措施以來，出現了限行尾號為4和9的當天路上異常擁堵的現象，這種獨特的尾號4現象提供了一個很好的衡量交通擁堵狀況的指標。

表9 控制穩健性殘差的穩健性檢驗

注：***，**，*分別表示在1%，5%，10%的水平下顯著。

我們搜集了北京35個觀測點的PM2.5逐時數據，使用雙重差分進行實證檢驗，這樣的檢驗設計濾除了其它大量因素的干擾，分析結果更加可靠。結果表明，在控制其他變量后，相較于限行尾號為其他數字的工作日中非交通繁忙時段到交通繁忙時段的變化趨勢，限行尾號為4和9的工作日中非交通繁忙時段到交通繁忙時段PM2.5濃度顯著多升高7.666微克/立方米，相對升高幅度約為PM2.5濃度均值的9.46%。針對不同交通繁忙時段選擇或不同區域選擇進行的穩健性檢驗也支持此結論。因此，交通擁堵對空氣質量確實有著顯著影響。該結論通過了各種穩健性檢驗，此外，我們利用三差法理念，使用五環內外政策差別所進行的安慰劑檢驗，進一步支持了上述基本結論。

針對本文基準回歸的基礎結論中所提到的9.46%的數值，在此對其含義做進一步解釋。誠然，某種意義上說，9.46%可直觀的理解為交通擁堵對PM2.5濃度的影響程度，但在解讀中需注意以下幾點。首先，本文中交通擁堵的影響不等同于交通排放或汽車尾氣的影響。根據本文的檢驗設計可知，本文用獨特的尾號4現象所衡量的交通擁堵是一個增量的概念，而交通排放或汽車尾氣是一個總量的概念，并不相同。如若用于評估類似限行等人為干預措施的影響，增量概念可能更為恰當。其次，在交通不擁堵的情況下和交通擁堵的情況下，單位車輛排放對于PM2.5濃度的邊際影響可能并不相同。換言之，隨著交通擁堵情況惡化，單位車輛對于空氣質量的負面作用可能呈類指數狀增長。由于車輛數量對于空氣質量的影響可能是非線性的，因此，如欲根據交通擁堵的增量影響，推算交通因素的總量影響，則需加謹慎。再者，計算上述數值時，本文選取的分母為樣本期內PM2.5濃度均值。由表2的描述性統計可以看出，本文樣本期內PM2.5濃度的波動較大。因此，若改變計算時分母的選擇，則估算結果可能會產生一定程度的變化。最后，為了檢驗中能有效過濾其他影響因素，得到更準確的估計，本文選取了早高峰開始前和早高峰開始后兩個時段進行比較，如欲將所得估計結果進行延拓，則需加謹慎。

本文提出的主要問題是交通擁堵對空氣質量的影響，由于利用了交通限行所帶來的尾號4現象，所以看似部分分析了交通限行改善空氣質量的效果。從一方面來說，本文對限行政策影響的分析是嚴謹準確的，例如，在本文的基準回歸中，我們采用了雙重差分，加之限行尾號工作日輪換機制，使本文能夠很好的控制其他變化的因素，純凈而有效的考量限行政策對空氣質量的影響。而從另一方面說，本文對限行影響的評估可能遠非全面，我們并未考慮交通限行實施后，人們行為的改變(例如，更多人選擇在周末出行等)所帶來的非限行日空氣質量可能的惡化，也未進一步考慮這種行為改變是否避免了空氣中污染物的過分聚集，產生空氣質量平滑的效果，以及平滑空氣質量會怎樣改變社會的整體效用。當然，如果希望全面評估交通限行政策，則應不僅關注空氣質量的變化，也需衡量交通運輸效率，勞動力供給等各方面的收益和成本。這些課題有待在后續研究中繼續探討。