生態環境質量監測事權改革的政策效應研究——以環境空氣質量監測為例

熊雪鋒,原志聽,昌敦虎,董戰峰

生態環境質量監測事權改革的政策效應研究——以環境空氣質量監測為例

熊雪鋒1,原志聽2,昌敦虎3,董戰峰4*

(1.中國人民大學農業與農村發展學院,北京 100872；2.中國人民大學經濟學院,北京 100872；3.中國人民大學環境學院,北京 100872；4.生態環境部環境規劃院,北京 100012)

基于中國2007-2016年278個地級市面板數據,將《環境空氣質量標準(2012)》作為外生沖擊,運用多時點DID評估方法,考察了生態環境質量監測事權改革對空氣污染減排的影響效應、傳導機制和異質性.結果表明:(1)基準回歸表明,生態環境質量監測事權改革會顯著降低SO2排放量和PM2.5濃度,且減排效應與國控監測站點密度正相關,這一結論在進行安慰劑檢驗、排除其他政策干擾等一系列穩健性檢驗后依然成立;(2)傳導機制分析發現,地方政府環境規制強度和工業企業綠色創新是生態環境質量監測事權改革抑制空氣污染物排放的兩個重要傳導渠道,限制工業企業數量和增加公共交通投放有效抑制了空氣污染物排放;(3)異質性分析顯示,生態環境質量監測事權改革的空氣污染減排效應在初始排放量越大的城市和財政分權程度越高的城市越明顯,而財政壓力對其減排效應有削減作用.

環境質量監測；空氣污染；減排效應；信息不對稱；雙重差分

中國在創造高速經濟增長奇跡的同時,環境空氣質量問題也日益突出[1].環境空氣質量監測對抑制空氣污染排放起到基礎性作用,是生態環境治理體系和治理能力現代化的關鍵所在.然而,屬地管理為主的環境空氣質量監測體制下環境監測獨立性缺乏[2]、環境污染負外部性嚴重[3]和地方政企合謀、偽造數據[4]等,導致環境空氣質量治理績效不佳.為此,國家從國控環境空氣質量監測站點入手逐漸上收生態環境質量監測事權,一以貫之地推動環境空氣質量監測事權改革.如何進一步深化新時代環境監測體制改革,實現環境“質量監測上收,執法監測重心下移”改革目標,成為當前亟待回答的重大課題.為此,本文以《環境空氣質量標準(2012)》(以下簡稱《標準》)建立國控環境空氣質量監測站點為場景,研究生態環境質量監測事權改革對空氣污染排放的抑制效應,解釋其內在機制和政策含義.

深化生態環境監測體制改革具有深刻背景[5],現有研究普遍認為上收生態環境質量監測事權能夠確保生態環境監測數據“真、準、全”[6-7],應當制定監測事權清單[8]以推動生態環境監測現代化.然而,這類文獻偏重于政策研究和質性研究.在量化研究上,一方面,已有文獻從宏觀層面驗證了中央環境監管有利于抑制空氣污染、改善環境績效[9-10],也從微觀層面檢驗了中央環保督察的減排效應[11]、國家重點監控企業政策的地方執法改善效應[12]和跨區域環境督查的邊界污染治理效應[13].但是,這部分研究忽視了生態環境質量監測事權上收,尤其是國控環境空氣質量監測站點建設作為一種技術手段對抑制空氣污染排放的作用和機制.另一方面,與國控站點建設相關的研究驗證了《標準》實施前地方政府存在污染漏報現象[14],證明了其在優化治理結構、增進高管治理意愿、增加環保投資和提高全要素生產率等方面有積極影響[15-18],能夠通過促進環境信息公開提升空氣質量[19],也有助于污染行業提升環境績效、實現清潔生產[20].然而,關于《標準》的研究則側重于微觀影響,對環境監測事權改革宏觀設計缺乏參考價值.

相較于已有文獻,本文的邊際貢獻在于:第一,本文采用多時點DID實證檢驗了生態環境質量監測事權改革對空氣污染物排放的抑制作用,并提供了地級市層面的新證據.第二,本文從委托代理視角探討了生態環境質量監測事權改革減排效應的作用機制,通過中央政府、地方政府和工業企業三個主體的環境激勵和環境行為,分析生態環境質量監測事權改革對于解決信息不對稱和激勵不相容問題進而抑制污染排放的傳導機制,為完善我國環境監測體制提供了改進思路.

基于中國2007～2016年278個地級市面板數據,本文將國控環境空氣質量監測點建設作為外生沖擊,使用雙重差分法考察了委托代理視角下生態環境質量監測事權改革對于空氣污染排放的抑制作用和傳導機制,研究了財政壓力和財政分權上的異質性,以期為完善環境治理體系和治理能力、打贏打好污染防治攻堅戰、推動環境空氣質量好轉提供理論參考.

1 政策背景與理論假說

1.1 政策背景

在屬地管理的環境監測體制下,地方政府往往傾向于通過瞞報數據和環境規制“軟約束”謀求經濟增長,環境監管力度小、環境規制執行不到位導致環境治理效率低.因此,中央政府從環境空氣質量監測事權上收入手,推動生態環境質量監測事權改革.2012年2月29日,原國家環保部與國家質檢總局聯合發布了《標準》,不僅將PM2.5納入監測范圍,而且分階段在地級市建立國控環境空氣質量監測站,為生態環境質量監測事權上收提供了技術支撐,構成了生態環境質量監測事權改革的準自然實驗.

《標準》通過國控環境空氣質量監測站點建設賦能環境空氣質量監測事權改革,解決了信息不對稱和激勵不相容問題,有利于優化地方環境治理激勵,形成地方主動有為參與環境治理的新局面.一方面,《標準》解決環境治理信息不對稱的問題.不僅通過將PM2.5等環境空氣質量指標納入監測范圍完善了城市環境空氣質量監測指標體系,而且于2013年、2014年和2015年分批次建設國控環境空氣質量監測站點、實施空氣環境質量實時監測并直報中央環保部門,完成空氣質量監測事權上收.截止2021年底,全國共有國控城市環境空氣質量監測站點1734個.國控監測站點的數據監測事權收歸中央[21],其所有環境監測原始數據通過實時聯網直接上傳至中國環境監測總站,地方政府難以再策略性“優化”環境空氣質量數據[16],提升了中央獲取環境空氣監測數據的可得性、及時性和準確性,解決了信息不對稱問題[18].

另一方面,《標準》解決環境治理激勵不相容問題.在掌握環境空氣質量監測數據“主動權”的前提下,《標準》對地方政府污染排放指標施加限額、要求地方政府“應采取更嚴格的措施,按期實現達標規劃”,由此加強了中央環保部門對地方環境治理行為的監督,地方政府相較于環境空氣質量監測事權改革之前更有激勵采取積極環境治理措施抑制空氣污染排放.

1.2 理論假說

中央和地方環境治理委托代理中,屬地管理為主的生態環境監測體制引發了激勵不相容和信息不對稱兩大問題,這導致環境法規執行不力、環境治理績效不佳.《標準》通過將PM2.5納入監測范圍、建立國控環境空氣質量監測站點和監測數據直報中央的技術措施完成了環境空氣質量監測事權上收的賦能和落地,成為生態環境質量監測事權改革的重要探索.生態環境質量監測事權改革對抑制空氣污染排放具有兩方面的效應(圖1).一方面,生態環境質量監測事權改革抑制污染排放的直接效應,即環境空氣質量監測事權上收通過消除環境質量信息不對稱直接作用于地方環境治理行為和企業污染排放行為,從而抑制空氣污染物排放.另一方面,生態環境質量監測事權改革抑制污染排放的間接效應,即環境空氣質量監測事權上收有利于加大中央政府對地方空氣污染治理的監管力度,通過優化地方空氣污染治理激勵而解決激勵不相容問題,弱化了地方官員的環境標準“逐底行為”,使得地方環境規制“軟約束”轉變為“硬約束”,增強了企業環境創新激勵,由此帶來SO2排放和PM2.5濃度下降.基于此,本文提出以下三個假設用于檢驗生態環境質量監測事權改革對于抑制空氣污染物排放的作用及其機制.

圖1 環境空氣質量監測事權改革減排效應的作用機制

環境空氣質量監測活動中的信息不對稱具有雙重性質,不僅表現為中央政府和地方政府信息不對稱,還表現為地方政府與污染企業之間的信息不對稱,環境空氣質量監測事權上收解決了雙重不對稱的問題.一方面,中央政府通過國控監測站點直接獲取地方環境空氣質量監測數據,避免了地方政府數據瞞報、數據修改,加強了對于地方政府環境治理行為的監管,增強了地方政府環境治理意愿[22].另一方面,地方政府也利用環境空氣質量監測站點數據對企業生產、排污行為進行監管,有助于約束企業的排污行為.因此,環境空氣質量監測事權上收通過對環境治理執行者和環境污染排放者的有效監管[15],增強了地方政府環境治理意愿、抑制了污染企業排放行為,有利于改善地方空氣污染治理效率.由此,本文提出假說1.

假說1:生態環境質量監測事權改革消除了信息不對稱,對于城市空氣污染物排放有抑制作用,且站點建設密度越大、初始排污量越大、財政分權程度越高減排效果越明顯.

環境治理委托代理關系中,中央政府是環境目標和政策的制定者,而地方政府是中央環境目標和政策的實際執行者.如果中央政府無法對地方政府環境治理實施有效監督[23],地方政府經濟增長激勵強于環境治理激勵,地方政府傾向于運用瞞報數據、修改數據等手段規避中央政府環境監管從而換取高速經濟增長.生態環境質量監測事權改革解決了激勵不相容的問題.一方面,國控環境空氣質量監測站點直接將環境空氣質量監測數據傳輸給中央政府,中央政府利用這些環境空氣質量監測數據能夠準確掌握地方環境空氣質量狀況,由此增強了環境監管能力,地方政府的環境治理執行力度能夠被準確、快速識別出來[18].另一方面,中央有效監督之下,地方政府環境治理激勵因其不得不重視環境治理而得到強化,地方政府通過環境規制將環境治理的壓力轉移給工業企業,也通過行政手段減少本轄區污染物排放[24],由此應對中央環境監管帶來的監督考核壓力.由此,本文提出假說2.

假說2:生態環境質量監測事權改革通過強化中央環境監管能力增進了地方政府環境激勵,地方政府更加主動有為地加大環境規制強度,并且通過限制規模以上工業企業數量、增加公共營運汽電車投放促進減排.

企業環境污染治理的效能取決于環境規制強度,強度越高的環境規制越能倒逼企業減排和轉型升級[25].中央嚴格環境監管之下,地方政府更加主動有為的環境規制增加了工業企業成本[26].面對地方政府環境監測手段的完備和環境規制的強化,工業企業不得不改變原有策略轉而進行技術創新,通過技術創新帶來的生產效率提高來補償甚至抵消環境規制帶來的額外成本,由此帶來生產效率和環境保護的雙贏,這就是著名的“波特假說”[27].由此,本文提出假說3.

假說3:生態環境質量監測事權改革之后,中央環境監管強有力和地方政府環境規制“硬約束”增進了工業企業綠色創新激勵,工業企業通過技術創新實現減排.

2 研究設計

2.1 計量模型設定

為了檢驗生態環境質量監測事權改革是否通過解決環境空氣質量監測和空氣污染治理中的激勵不相容和信息不對稱進而抑制空氣污染排放,本文將《標準》這一外生沖擊視作生態環境質量監測事權改革的“準自然實驗”,建立多時點雙重差分模型,具體計量模型如下:

式中:表示城市,表示年份.Y為城市在時間的空氣污染物排放水平,包括SO2排放量和PM2.5濃度.Treat的取值規則為:若城市在政策實施當年及之后屬于試點地區,則Treat=1,否則,Treat=0.其系數0表示生態環境質量監測事權改革對空氣污染物排放的影響.X為控制變量,具體包括人口密度、人均年收入水平、技術水平、產業結構、城市公共交通等影響空氣污染排放的因素.η表示城市固定效應,控制了城市層面所有不隨時間變化的因素;γ表示時間固定效應,控制了時間層面不隨地區變化的因素,同時回歸模型將標準誤聚類到城市層面,允許同一城市不同時間的誤差項存在相關性.ε表示隨機擾動性.

為了檢驗生態環境質量監測事權改革中監管強度的減排效應,建立如下模型:

式中:Pnumber為監管強度,用單位面積監測站個數衡量, Post為是否在政策實施當期及之后,取值規則為:若城市在政策實施當年及之后,則Post=1,否則,Post=0.

2.2 變量選取和數據說明

本文的變量情況見表1,被解釋變量為城市空氣污染物排放水平,由于在《標準》實施之前只監測SO2濃度、NO2濃度和PM10三項指標,《標準》實施以后增加了O3、CO和PM2.5三項監測指標,根據前文所述,《標準》實施之前存在地方政府瞞報、謊報的行為,采用《標準》實施前后都存在的三項指標(SO2濃度、NO2濃度和PM10)可能對結果造成誤差,因此,基于數據可得性,本文選取SO2排放量和PM2.5濃度兩項指標,其中,SO2排放量采用《城市統計年鑒》中的統計數據,PM2.5數據采用哥倫比亞大學測量數據,且根據已有文獻[28-29],二者用來衡量空氣質量水平具有一定的代表性.解釋變量包括政策實施虛擬變量Treatit此外,本文借鑒石大千等[30]、邵帥等[31]的研究控制了人口密度、人均收入水平、技術水平、產業結構、城市公共交通等其他影響環境質量的因素.另外,由于先實施的城市普遍為沿海發達城市和省會城市,后實施城市為三四線不發達城市且大多分布在中西部地區.因此,為了避免可能存在的內生性問題,本文還控制其他政策實施前的城市特征變量,具體包括:政策實施年之前的平均GDP增長率、政策實施年之前的人均GDP平均值以及城市.

2.3 數據來源與描述性統計

中國地級市PM2.5濃度數據來源于哥倫比亞大學社會經濟數據和應用中心,從該中心基于衛星監測的全球 PM2.5濃度年均值柵格數據中提取.城市到最近港口的距離數據通過地理軟件ArcGis進行測算,環境詞匯詞頻來自于地方政府工作報告,城市綠色專利數據來源于國家知識產權局,其余變量均來自于2007-2016年《中國城市統計年鑒》,各變量的描述性統計見表2.

表1 變量指標及定義

表2 變量描述性統計

3 實證分析

3.1 基準回歸

本文對模型(1)實證結果見表3.其中,列(1)、列(4)控制了城市固定效應和年份固定效應.列(2)、列(5)在此基礎上加入了城市層面控制變量,列(3)、列(6)進一步控制了城市初始特征變量與時間固定效應交互,即控制了歷年因初始稟賦不同對污染排放的影響.從回歸結果可以看出,對于SO2,無論是否加入控制變量,《標準》對SO2的排放都具有顯著負向效果.對于PM2.5,加入控制變量后結果在10%水平上顯著.利用列(3)與列(6)的估計結果進行分析發現,《標準》的實施會使得試點城市與非試點城市相比SO2排放量下降13.8%,PM2.5濃度下降2.73%,相比之下,生態環境質量監測事權改革對SO2的減排效應大于對PM2.5的減排效應.

因此,基準回歸驗證了生態環境質量監測事權改革對于空氣污染物減排的直接效應.其經濟含義是,《標準》通過將PM2.5納入監測從而擴大了環境空氣質量監測范圍、監測數據直報中央,中央環保部門能夠及時、準確地掌握環境空氣質量監測數據,在技術層面實現了環境空氣質量監測事權上收,解決了中央政府和地方政府、地方政府和工業企業之間的信息不對稱問題,增強了中央環境監管能力,由此帶來SO2排放量的減少和PM2.5濃度的下降.值得注意的是,基準回歸結果中PM2.5的效果在未加入控制變量的情況下不顯著,在加入控制變量后在10%的水平下顯著,因此,PM2.5不顯著的原因一方面可能是遺漏了控制變量造成估計偏差,另一方面可能是由于政策效果存在異質性,導致綜合效果并不明顯,相比SO2的減排效應,PM2.5的減排效應較小,其原因在于PM2.5濃度是由多種污染物顆粒組成,SO2是單一污染物,且由于二者量綱的不同,以濃度衡量的PM2.5標準差遠小于以排放量衡量的SO2的標準差(表2),生態環境質量監測事權改革的減排作用更直接地體現在SO2上,PM2.5濃度的下降正是SO2等污染物排放量下降帶來的綜合性結果.總之,表3的基準回歸驗證了生態環境質量監測事權改革對于空氣污染減排存在直接的抑制作用.

表3 政策的直接效應估計結果

注:*、**、***分別表示在10%、5%、1%的水平下顯著;括號中的數值是聚類到地級市的穩健標準誤.

3.2 平行性趨勢檢驗

雙重差分法使用的前提是滿足平行性趨勢假設,即在生態環境質量監測事權改革之前,處理組與對照組城市平均空氣質量的變化趨勢應該是平行的.本文運用事件分析法,將事件窗口縮短至政策實施前四年和政策實施后三年.借鑒Beck等[32]的做法,通過加入一系列虛擬變量來衡量每年的政策改革對污染排放的動態影響,具體模型如下:

(a)SO2排放量 (b)PM2.5濃度

圖2 SO2和PM2.5的政策效果動態效應

Fig.2 Dynamic impact of policy on SO2and PM2.5emissions

式中:為是否在政策實施前或者政策實施后的第年的一系列虛擬變量,當右上角的取值小于0時,取值標準為:當城市處于政策實施前的第年時D取1,否則取0,同樣,當右上角的取值大于0時,取值標準為:當城市處于政策實施后的第年時D取1,否則取0.本文排除了D-1的虛擬變量,相當于以政策前一年為基期,估計結果及置信區間如圖2所示,可以看出:在政策實施之前,空氣污染物排放抑制效果并不顯著,說明污染物排放在政策實施之前并沒有統計學意義上顯著的下降趨勢.在政策實施之后,SO2排放量和PM2.5濃度立即出現顯著下降,并且在政策實施后的3年內二者都表現出持續的下降趨勢,這說明政策出臺前后空氣污染排放存在明顯差異.因此,政策實施之前滿足平行性趨勢假設,可以使用雙重差分法進行政策評估.

3.3 穩健性檢驗

為了驗證多時點DID回歸結果是否穩健和有效,本文采取了安慰劑檢驗、替換解釋變量、競爭性假說排除和Goodman-Bacon分解以檢驗計量結果的穩健性和有效性.

3.3.1 安慰劑檢驗 為了進一步檢驗結果變量Y的變動不是由別的政策因素或者隨機因素造成的,本文通過為每一組處理組虛構一組核心解釋變量Treat來進行安慰劑檢驗.具體做法:為每組處理組隨機抽取一年作為政策實施年,用生成的偽政策虛擬變量Treat進行回歸,將此過程重復500次得到500個回歸結果,最后我們可以繪制出500個“偽政策虛擬變量”估計系數的概率密度分布及相應的值,直觀展示安慰劑檢驗的結果.

從圖3中可以看出:虛構核心解釋變量的情形下,SO2和PM2.5的估計系數大部分分布在零值附近,且大部分值在0.1的水平下不顯著,而二者的實際估計系數分別為-0.1844和-0.0255,相對大多數估計結果為明顯異常值.因此,估計結果不太可能是偶然情況下得到的,實證結果具有穩健性,并不是由其他政策和隨機因素造成.

3.3.2 將政策實施虛擬變量替換為國控站點密度 地方政府在應對生態環境質量監測方面也存在一定的策略行為,出于治污成本、短期效果的考慮,地方政府會更加注重監測站周邊地區的環境治理,而對遠離監測站或未設立監測站的地區治理力度較小,使得污染治理效應呈現水紋狀“擴散效應”[33].因此,政策的實施效果與監測站的分布密度有很大關系,本文用單位面積監測站個數來衡量國控站點密度,將核心解釋變量Treat替換成單位面積監測點個數Pnumber,運用連續型DID實證檢驗國控站點分布密度對減排效果的影響.結果見表4.其中,列(1)、列(4)控制了城市固定效應和年份固定效應.列(2)、列(5)在此基礎上加入了城市層面控制變量,列(3)、列(6)進一步控制了城市初始特征×時間固定效應, 即控制了歷年因初始稟賦不同對污染排放的影響.從表中可以看出:無論是SO2排放量還是PM2.5濃度,國控站點高密度分布對于二者的排放都具有顯著抑制作用.同時,政策對于SO2排放量和PM2.5濃度影響的大小仍然維持了主回歸的結果——SO2的減排效應大于PM2.5,再次驗證了政策直接作用于SO2排放量而間接作用于PM2.5濃度的判斷.

圖3 安慰劑檢驗

值得注意的是,《標準》既增設PM2.5濃度指標從而擴大監測范圍,也將推動了國控環境空氣質量監測站點建設,盡管二者同屬于解決環境空氣質量監測中信息不對稱問題的方式,但是后者對于實現環境空氣質量監測事權上收具有更直接的賦能作用,因為前者僅僅是增加信息,而后者是解決了獲取信息的技術可能性.表4的檢驗結果展示了國控環境空氣質量監測站點密度對空氣污染減排的影響,實際上驗證了國控環境空氣質量監測站點建設這種具有技術賦能的手段對環境空氣質量監測事權上收的減排效應更具關鍵作用,排除了增設PM2.5濃度指標具有減排效應這種可能干擾.也就是說,即使增設了PM2.5濃度指標,如果中央不能通過國控環境空氣質量監測點完整、及時地獲取準確的環境空氣質量監測數據,增設PM2.5濃度指標同以往本來就存在的監測指標一樣,不能發揮減排作用.

表4 監測點密度的污染減排效應

注:*、**、***分別表示在10%、5%、1%的水平下顯著;括號中的數值是聚類到地級市的穩健標準誤.

表5 競爭性假說排除

注: *、**、***分別表示在10%、5%、1%的水平下顯著;括號中的數值是聚類到地級市的穩健標準誤.

3.3.3 競爭性假說排除 實施《標準》的城市在政策實施期間可能會有其他相關環境政策,對政策評估結果造成一定影響,全國層面的減排政策還包括2010年開始分批實施的低碳城市政策,該政策第二批試點城市于2014年實施,這些試點城市主要包括北京、上海、石家莊等33個城市.因此,本文借鑒Cook等[34],通過剔除這些試點城市樣本的方法重新對結果進行估計,排除低碳政策試點城市對結果造成的影響.

結果見表5,其中,列(1)～列(4)全部加入了控制變量、時間固定效應和個體固定效應.從表5中可以看出,無論是政策實施還是國控站點密度,對于剔除了低碳試點政策樣本之后的城市的SO2排放量和間接作用于PM2.5濃度的影響結果都在90%水平上負向顯著,由此說明本文的估計結果并不受其他政策的影響.

3.3.4 Goodman-Bacon分解檢驗估計結果 有研究表明,式(1)中基準回歸中的單系數DID估計值是一組別單時點DID處理效應的加權平均[35].本文通過Goodman-Bacon分解法,將DID模型中的單系數分解為6組2′2DID系數的加權平均,具體為:(1)第一批試點城市為處理組,第二批試點城市為對照組.(2)第一批試點城市為處理組,第三批試點城市為對照組.(3)第二批試點城市為處理組,第三批試點城市為對照組.(4)第二批試點城市為處理組,第一批試點城市為對照組.(5)第三批試點城市為處理組,第一批試點城市為對照組.(6)第三批試點城市為處理組,第二批試點城市為對照組.分解結果見圖4,其中,橫軸表示權重,縱軸表示各情形下DID估計值.橫線所對應的估計值為式(1)中的單系數DID估計值,為以上六種情形下的單時點DID估計值的加權平均值.

(a)SO2排放量

(b)PM2.5濃度

圖4 SO2和PM2.5的goodman-bacon分解圖

Fig.4 Goodman-bacon decomposition analysis for SO2and PM2.5emissions

橫軸表示權重,縱軸表示估計系數

雙向固定效應DID估計值的因果解釋需要滿足處理效應不隨時間改變,當使用已經處理過的單位作為控制組,且處理效應隨時間而改變時會對結果造成偏差.因此,我們特別關注“先處理組”與“后處理組”作為對照組的2′2DID估計結果,即前三種情形的估計值,在圖4中用淺色表示.從圖中可以看出無論SO2排放量還是PM2.5濃度,前三種情形的估計值都接近于整體的加權平均估計值且權重較大.表6中給出了整體分解,二者的單系數DID估計值中的大部分權重來自于“先處理組”與“后處理組”比較(約74%),這表明之前的估計結果是可靠的.

表6 Goodman-bacon分解的權重和估計值

4 傳導機制檢驗及異質性分析

生態環境質量監測事權改革對空氣污染排放的抑制效應由直接效應和間接效應兩個部分構成,直接效應主要體現為通過解決雙重信息不對稱而帶來的減排,在上文的基準回歸及其穩健性檢驗中已經得到驗證.間接效應則通過解決激勵不相容問題,改變地方政府環境治理治理和工業企業環境創新激勵而實現,本文通過以下的傳導機制分析和異質性分析予以檢驗.

4.1 傳導機制檢驗

為檢驗《標準》通過何種途徑達到減排的效果,可以建立如下模型:

式中:M為中介變量,式(4)表示處理變量Treat對中介變量M有因果影響,式(5)表示中介變量M對被解釋變量Y有因果影響.0為Treat對Y的直接效應,10為Treat對Y(通過M傳導)的間接效應.然而,由于中介變量發生在處理變量之后,是一種“壞”的控制變量[36],因此,在(5)式中控制了中介變量M后,并不能得到0的一致估計,根據江艇的研究[37],中介變量的選取應當與被解釋變量之間的因果關系在理論上比較直觀,無需再通過因果識別來驗證中介變量與被解釋變量之間的關系,因此,本文的傳導機制只檢驗模型(4).

地方政府環境治理激勵不強以及環境規制“軟約束”成為制約環境治理績效的主要原因,《標準》通過國控環境空氣質量監測站點建設解決了信息不對稱問題,由此改變了地方政府的激勵機制,地方政府改變一味追求經濟增長而忽略環境治理的模式,采取更加主動有為的環境治理措施和更有強度的環境規制抑制空氣污染排放.參考陳詩一和陳登科[38],本文采用地級市政府工作報告中環境詞匯出現頻數占比來衡量地方政府環境規制強度,頻數占比越高地方政府環境規制強度越大.回歸結果見表7.從中可以看到,無論是否加入了控制變量,《標準》對于地方政府環境規制強度產生了顯著的正向影響,表明生態環境質量監測事權改革之后中央環境監管能力的強化使地方環境規制得到強化,從“軟約束”轉向“硬約束”.

表7 傳導機制分析(一)

注: *、**、***分別表示在10%、5%、1%的水平下顯著;括號中的數值是聚類到地級市的穩健標準誤.

地方政府環境規制既有市場手段,也有行政手段,而行政手段對于觀察地方政府環境治理行為更為直接.已有研究表明,二產畸高的產業結構、以煤為主的產業結構、公路交通運輸強度提升等因素,共同促使霧霾污染加劇[38].《標準》實施以后,地方政府環境治理激勵得以增強,可能會通過關停或限制準入等方式減少排污量高的工業企業數量、提升公共營運汽電車投入使用等多種措施針對性地減少污染排放.因此,本文選取規模以上工業企業數scale、年末實有公共營運汽電車輛數trolley為中介變量進行相關檢驗,實證結果見表8.從中可以看出,規模以上工業企業數量估計結果顯著為負,而公共營運汽電車數量估計結果顯著為正,表明生態環境質量監測事權改革之后地方政府采取了減少工業企業數量、增加公共交通的主動有為的治理手段.

工業企業是空氣污染物的實際排放者,地方政府環境治理規制增強實際上將中央環境監管壓力傳導到工業企業.在此情況下,企業通過綠色技術創新提升生產率,從而抵消環境規制帶來的成本,實現污染減排和經濟增長雙贏的“波特效應”[27].

表8 傳導機制分析(二)

注:*、**、***分別表示在10%、5%、1%的水平下顯著;括號中的數值是聚類到地級市的穩健標準誤.

表9 傳導機制分析(三)

注:*、**、***分別表示在10%、5%、1%的水平下顯著;括號中的數值是聚類到地級市的穩健標準誤.

本文分別采用地級市綠色發明專利數量ingrvg和綠色實用新型專利數量ugrmg來衡量綠色創新技術水平,本文選取地級市的綠色發明專利數量和綠色實用新型專利數量來替代地級市的工業企業綠色創新水平,主要基于以下原因:一是工業企業數據庫公認可供使用的僅更新到2014年,無法滿足本文的選取時間范圍要求;二是通過統計工企綠色創新申請量與總綠色創新申請量歷年變動趨勢發現,二者呈現高度一致;三是工業企業的綠色專利需求不僅僅由自身滿足,也會促進科研機構等主體進行綠色創新,由此推進整個城市的綠色創新.實證檢驗生態環境質量監測事權改革以后當地企業是否存在“波特效應”,回歸結果見表9.從中可以看出,列(1)～列(4)的估計系數均在1%水平下顯著為正,表明工業企業在倒逼之下提升了綠色創新.

通過傳導機制分析,本文檢驗了生態環境質量監測事權改革抑制空氣污染排放的理論邏輯.《標準》為生態環境質量監測事權改革提供了技術賦能,國控環境空氣質量監測站點建設使得中央環保部門能夠及時、有效地獲取準確的環境空氣質量監測數據,信息不對稱問題的解決使中央環保部門能夠加強對地方政府環境治理行為的監督、檢查和約束,增強了中央環境監管能力,這是增強地方政府環境治理激勵和工業企業環境創新激勵的前提條件.

在此基礎上,生態環境質量監測事權改革的空氣污染減排效應是通過層層傳導實現的.一方面,生態環境質量監測事權改革增強了地方政府環境治理激勵,提高了地方政府環境規制強度.結合傳導機制(一)和傳導機制(二)可以得知,生態環境質量監測事權改革在技術賦能下增強了中央的環境監管能力,環境保護在中央治理目標和考核列表中越來越重要,地方政府不得不采取主動有為的環境治理行為.因此,地方政府環境規制強度不斷增強,并且采取關停和限制工業企業數量、增加公共交通投放等方式來契合中央環境要求、達到環境治理目標.

另一方面,地方政府主動有為環境治理和高強度環境規制增強了工業企業環境創新激勵,提升了工業企業綠色創新水平.結合傳導機制(三)可以得知,工業企業因為地方政府高強度的環境規制而承接了環境保護壓力,企業為了應對環境規制帶來的壓力和生產成本而進行了環境創新,因此工業企業的綠色發明專利數量和綠色實用新型專利數量都有顯著增加,而綠色創新正是工業企業實現污染減排和效益增長、產業實現綠色轉型的關鍵之所在.

由此,《標準》實際上從技術賦能層面為環境空氣質量監測事權改革創造了條件,解決了中央和地方環境治理委托代理關系中的信息不對稱和激勵不相容問題,提高了生態環境質量監測數據可得性、及時性和準確性.在此基礎上,中央、地方和企業的環境權責得到有效界分,中央負責制定環境目標、完善環境保護法律法規并重點監管地方政府及其環境治理行為,地方政府在中央監管下執行環境目標、落實環境保護法律法規并制定實施環境規制,工業企業在地方政府環境規制下從事開展經濟活動、推動綠色創新并推動產業綠色轉型,形成了中央、地方和企業相互協調、相互配合的環境治理格局.

4.2 異質性分析

4.2.1 政策影響對初始排放量的異質性《標準》通過在全國層面制定統一標準來限制各城市污染排放額度,超過排放限額將會影響當地官員的晉升.因此,假設在初始排污量高的城市地方官員出于晉升壓力更有動力進行環境治理,減排效果會更明顯.在初始排污量低的城市,地方官員環境治理激勵由于沒有超額排放壓力而相對較弱,減排效果不明顯.如果新標準政策主要是通過對初始排污量比較大的城市發揮作用,那么在政策實施之前排污量增長較快的城市,在政策實施后會下降的更快.為檢驗這一政策效果的個體異質性,本文借鑒Beck等[32]的做法,構建如下計量模型:

上式在(1)的基礎上,通過引入一個新的初始變量0來衡量各城市在實施新標準之前的排污值.由于本文的研究起始時間是2007年,因此選取2007年所有城市的初始排放值為衡量指標,用initinal表示.另外,單一年份排污量的波動性可能比較大,為保證結果的穩健性,本文還采用所有城市在實施新標準之前的排污量平均增長率來衡量初始值,由于最早一批的城市實施年份為2013年,本文選擇2007-2012年之間排污量平均增長率,用pro-average表示.

回歸結果如表10所示,可以看出交互項Treat× initinal和Treat×pro-average都顯著為負.無論是用initinal還是用pro-average衡量的初始值,對于SO2排放量和PM2.5濃度,政策的減排效應在初始值的25%分位數上都不顯著,隨著初始值分位數的增加,變量Treat與初始值Z0的交互項由不顯著變為顯著,且系數逐漸增大,說明政策對污染的減排效應隨著初始值的增加逐漸增強.綜合來看,政策的減排效果主要是對初始排放值比較高的城市抑制空氣污染物排放起到更大作用,初始排放水平越高減排效果越明顯.

4.2.2 政策影響對財政壓力和財政分權的異質性 財政壓力是地方政府進行數據瞞報和環境規制軟約束的客觀原因,財政分權則為地方政府進行數據瞞報和環境規制軟約束提供了制度空間,這兩者從不同維度對于污染排放具有正向促進作用.本文選擇2007～2016年的財政缺口比重來衡量財政壓力,其計算公式為地級市一般公共預算收支缺口/地級市一般公共預算收入,用pressure表示.同時,本文選擇2007～2016年的財政支出分配情況來衡量財政分權,由地級市人均財政支出/(地級市人均財政支出 +省級人均財政支出+全國人均財政支出)計算而得,用decentralization表示.

表10 新空氣質量標準對初始排污量的異質性

注:*、**、***分別表示在10%、5%、1%的水平下顯著;括號中的數值是聚類到地級市的穩健標準誤.

表11的實證結果顯示,交互項Treat×pressure對于SO2排放量的影響顯著為正,其經濟含義是財政壓力作為對于地方政府的客觀硬性約束,只能通過發展經濟的方式加以解決,在技術水平一定的情況下經濟發展目標和環境保護目標是相矛盾的.因此,《標準》實施之后,財政壓力對于污染排放的正向作用仍然存在,并且抵消掉了一部分抑制污染排放的政策影響.同時,交互項Treat×decentralization對于SO2排放量的影響顯著為負,其經濟含義為財政分權作為一個制度性條件,財政分權程度越高的地區越傾向于強化經濟發展而弱化環境治理,空氣污染物排放越多.生態環境質量監測事權改革強化了中央對地方環境治理的監督力度,地方政府不得不以主動有為的硬約束進行環境治理,在數據上表現為財政分權程度越高的地級市SO2排放量下降幅度越大.

表11 新空氣質量標準對財政分權和財政壓力的異質性

注:*、**、***分別表示在10%、5%、1%的水平下顯著;括號中的數值是聚類到地級市的穩健標準誤.

值得說明的是,交互項Treat×pressur和Treat× decentralization對于PM2.5濃度影響的系數在方向上同SO2排放量相一致,在一定程度上說明了上述作用.但是,交互項對PM2.5的影響并不顯著,其原因在于PM2.5作為一個由SO2、煙塵和粉塵等污染物共同混合形成的一個綜合性結果,受到來自于工農業生產、交通運輸和社會生活等各方面活動的影響,然而財政壓力和財政分權同工業生產活動密切相關,其變化并不能顯著地影響PM2.5濃度.

地方政府財政壓力是地方政府行政干預環境監測數據和采取環境規制“軟約束”從而導致空氣污染排放難以得到抑制的客觀原因,而財政分權則是地方政府重視經濟增長而忽視環境治理的制度原因.因此,本文通過異質性分析研究了生態環境質量監測事權上收對于不同初始排放量、不同財政壓力和不同財政分權程度城市的空氣污染排放的影響.

一方面,生態環境質量監測事權改革的減排效應在初始排放量上存在異質性,且初始排放量越高的城市減排效應越大.空氣污染排放是環境治理政府失靈的結果,初始排放量越高說明環境治理政府失靈帶來的后果越嚴重,而關于初始排放量的異質性分析表明初始排放量越高的城市減排作用越大,由此從結果上說明生態環境質量監測事權改革能夠減緩環境治理政府失靈帶來的空氣污染排放;

另一方面,生態環境質量監測事權改革在財政分權和財政壓力上存在異質性,財政分權程度越高的城市減排作用越大而財政壓力越大的城市減排作用越小.財政分權賦予了地方政府主導地方經濟發展的權利,在不考慮財政壓力的情況下,地方政府出于晉升激勵和經濟增長的需求,會主動利用財政分權賦予的權利最大限度地謀求經濟發展,由此帶來空氣污染排放的增加.異質性分析表明,生態環境質量監測事權改革有效遏制了這種傾向,對財政分權程度越高的城市具有更大的減排作用,這是通過改變地方政府激勵實現的.相較于財政分權,財政壓力導致污染排放更具有客觀性,財政壓力越大則地方政府迫于客觀條件不得不采取犧牲環境而謀求經濟增長的策略.異質性分析表明,財政壓力越大的城市所發揮的減排作用越小,財政壓力削減了生態環境質量監測事權改革的空氣污染減排效應.

5 結論

(1)理論分析表明,《標準》通過國控環境空氣質量監測站建設從技術層面實現了環境空氣質量監測事權上收,一方面解決了環境空氣質量監測和空氣污染治理中的信息不對稱問題,加強了中央對地方環境治理的監督,避免了瞞報、修改監測數據等問題,也強化了地方對企業排污行為的管制.另一方面,解決了激勵不相容問題,強化了地方政府空氣污染治理激勵和工業企業綠色創新激勵,由此顯著地抑制了當地的空氣污染物排放.

(2)基準回歸表明,生態環境質量監測事權改革會顯著抑制空氣污染物排放,且抑制效應與監管強度呈正相關,即監測站密度越大的城市減排效應越大.這一結論在經過使用安慰劑檢驗、競爭性假說排除和以Goodman-Bacon分解檢驗估計結果之后仍然成立.

(3)傳導機制分析表明,生態環境質量監測事權改革對于空氣污染物排放的抑制作用通過改變地方政府環境治理激勵和工業企業環境創新激勵而實現,地方政府環境規制強度顯著變大,并且采取了限制工業企業數量和增加公共交通投入等措施,在環境規制硬約束下工業企業綠色創新也顯著增加.

(4)異質性分析表明,初始排放量越高、財政分權程度越高的城市減排效果越明顯,但是財政壓力越大的城市減排效應越不明顯,這說明財政壓力抵消了生態環境質量監測事權改革抑制空氣污染物排放的效果.

6 建議

(1)提升環境空氣質量監測能力.適應社會經濟發展需求,加快國控環境空氣質量監測站點建設,加大環境空氣質量監測能力建設投入,更新環境空氣質量監測設備,強化環境空氣質量監測機構人員培訓,確保環境空氣質量監測結果及時、準確.根據城市建設發展、環境功能區變化、地方產業結構、污染源分布特征等因素,有針對性地開展環境空氣質量監測站點考核調整,避免出現監測站點布局缺位、錯位等問題.加強縣域環境空氣質量站點建設,依據縣域特征建設“優勢互補、各具特色”環境空氣質量監測站點,利用有基礎的縣域監測站點打破區劃限制,建立相鄰縣域監測站相互配合、相互監督,對于基礎條件上不能支撐監測能力的地方,推動社會化監測機構作為第三方承擔監測任務,構建起多級監測聯動、政府市場配合的監測能力體系.

(2)健全環境空氣質量監測體制.加快推進環境空氣質量監測事權改革,推動屬地管理為主、中央管理為輔的模式向中央管理為主、屬地管地為輔的模式轉變,促進環境空氣質量監測事權上移,積極落實“國家考核、國家監測”的管理方針,強化中央環保部門垂直監測力度.進一步明晰環境空氣質量監測權責劃分,國控環境空氣質量監測站點的經費撥付、人事安排和監測工作等由中央監測部門直接管理,地方環境空氣質量監測部門由省級環境空氣監測機構垂直管理,中央監測部門定期對對省級監測機構及其直管站進行評估和考核,持續優化省級站及其直管站運營管理,依托技術進步加快空氣質量監測事權上收、擴大中央監測部門直接管理的范圍,通過上收和垂管等方式確保監測工作規范化、有序化開展,提高信息數據監管結果的辨別力度.

(3)完善空氣質量監測質控規范.完善空氣自動監測運行與質控規范,強化國控監測站點網絡化,構建國控監測站點監測數據聯網監督和質控體系,充分利用人工智能、大數據、衛星遙感等先進技術,健全國控監測站點質量監督預警機制.建立健全統一質量控制規范體系,對國家級、省級、市級和社會化監測機構實施統一的質控規范,建立健全重點區域、重點城市環境空氣質量監測質量考核機制,加強對質量監測與質控工作的監督檢查.同時,建立健全社會化監測機構常規化監督考核機制,對社會化監測機構開展技術監督、方案考核,規范社會化監測機構運營行為,保證各級、各類環境空氣質量監測數據可得、及時和準確.

(4)優化地方空氣質量考核機制.創新環境空氣質量目標考核辦法,從源頭上杜絕行政干預.一方面,探索環境和經濟雙考核制度,建立綠色政績GDP考核體系,引導地方政府逐漸扭轉唯GDP至上的政績觀,優化環境空氣質量績效考核和空氣污染問責機制.另一方面,合理設定地方空氣質量考核指標,按照發展水平、財政壓力等指標綜合設置差異化考核方案,探索建立綠色發展財政獎補機制、區域綠色發展協同機制,通過轉移支付、生態保護補償和生態產品交易等方式為創造生態價值的經濟落后地區緩解財政壓力,避免“一刀切”式的空氣質量考核.

[1] Almetwally A A, Bin-Jumah M, Allam A A. Ambient air pollution and its influence on human health and welfare: An overview [J]. Environmental Science and Pollution Research, 2020,27(20):24815- 24830.

[2] 韓 超,劉鑫穎,王 海.規制官員激勵與行為偏好——獨立性缺失下環境規制失效新解[J]. 管理世界, 2016,(2):82-94.

Han C, Liu X Y, Wang H. Regulation officials' incentives and behavioral preferences - a new solution to environmental regulation failure under the lack of independence [J]. Management World, 2016, (2):82-94.

[3] 劉 軍,羅陜緣,韋光龍.中國式行政集權的企業減排效應——基于撤縣設區改革的微觀分析視角[J]. 中國環境科學, 2023,43(7): 3796-3807.

Liu J, Luo S Y, Wei G L. The effect of Chinese administrative centralization on enterprises' emission reduction -- based on the micro-analysis of the reform of disbanding counties and setting up districts [J]. China Environmental Science, 2023,43(7):3796-3807.

[4] 郭 峰,石慶玲.官員更替、合謀震懾與空氣質量的臨時性改善[J]. 經濟研究, 2017,52(7):155-168.

Guo F, Shi Q L. Official turnover, collusive deterrence, and temporary improvement in air quality [J]. Economic Research, 2017,52(7):155- 168.

[5] 柏仇勇,陳傳忠,趙 岑.找準定位科學布局抓住關鍵確保環境監測改革取得扎實成效[J]. 中國環境監測, 2017,33(5):1-6.

Bai Q Y, Chen C Z, Zhao C. Find the right positioning, scientific layout and seize the key to ensure the solid results of environmental monitoring reform [J]. China Environmental Monitoring, 2017,33(5): 1-6.

[6] 王金南,秦昌波.環境質量管理新模式:啟程與挑戰[J]. 中國環境管理, 2016,8(1):9-14.

Wang J N, Qin C B. New model of environmental quality management: Departure and challenge [J]. China Environmental Management, 2016,8(1):9-14.

[7] 柏仇勇,趙 岑.中國生態環境監測40年改革發展與成效[J]. 中國環境管理, 2019,11(4):30-33.

Bai Q Y, Zhao C. Reform, development and effect of ecological environment monitoring in China in the past 40years [J]. China Environmental Management, 2019,11(4):30-33.

[8] 吳季友,陳傳忠,趙 岑,等.國家生態環境監測“十四五”展望[J]. 中國環境管理, 2020,12(4):62-67.

Wu J Y, Chen C Z, Zhao C, et al. Outlook of national ecological environment monitoring “14th Five-Year Plan” [J]. China Environmental Management, 2020,12(4):62-67.

[9] 韓 超,孫曉琳,李 靜.環境規制垂直管理改革的減排效應:來自地級市環保系統改革的證據[J]. 經濟學(季刊), 2021,21(1):335-360.

Han C, Sun X L, Li J. Emission reduction effect of environmental regulation vertical management reform: Evidence from the reform of environmental protection system in prefecture-level cities [J]. China Economic Quarterly, 2021,21(1):335-360.

[10] 吳金群,游 晨,田傳浩.垂直監管改革與空氣污染:來自縣(市)改區的證據[J]. 中國人口·資源與環境, 2023,33(2):11-18.

Wu J Q, You C, Tian C H. Vertical regulatory reform and air pollution: evidence from county (city) reform [J]. China Population, Resources and Environment, 2023,33(2):11-18.

[11] 王 嶺,劉相鋒,熊 艷.中央環保督察與空氣污染治理——基于地級城市微觀面板數據的實證分析[J]. 中國工業經濟, 2019,(10): 5-22.

Wang L, Liu X F, Xiong Y. Central environmental protection inspectors and air pollution control-an empirical analysis based on micro panel data of prefecture-level cities [J]. China Industrial Economy, 2019,(10):5-22.

[12] Zhang B, Chen X, Guo H. Does central supervision enhance local environmental enforcement? Quasi-experimental evidence from China [J]. Journal of Public Economics, 2018,(164):70-90.

[13] 趙 陽,沈洪濤,劉 乾.中國的邊界污染治理——基于環保督查中心試點和微觀企業排放的經驗證據[J]. 經濟研究, 2021,56(7): 113-126.

Zhao Y, Shen H T, Liu Q. Border pollution management in China - empirical evidence based on pilot environmental inspection centers and micro-firm emissions [J]. Economic Research, 2021,56(7):113- 126.

[14] Greenstone M, Hanna R. Environmental regulations, air and water pollution, and infant mortality in India [J]. The American Economic Review, 2014,(10):3038-3072.

[15] Chen Z, Kahn M E, Liu Y, et al. The consequences of spatially differentiated water pollution regulation in China [J]. Journal of Environmental Economics and Management, 2018,(88):468-485.

[16] 張 琦,鄭 瑤,孔東民.地區環境治理壓力、高管經歷與企業環保投資——一項基于《環境空氣質量標準(2012)》的準自然實驗[J]. 經濟研究, 2019,54(6):183-198.

Zhang Q, Zheng Y, Kong D M. Regional environmental governance pressure, executive experience and corporate environmental investment--a quasi-natural experiment based on Ambient Air Quality Standards (2012) [J]. Economic Research, 2019,54(6):183-198.

[17] 顧和軍,嚴蔚然.空氣污染治理對企業全要素生產率的影響——基于《環境空氣質量標準(2012)》的準自然實驗[J]. 中國人口·資源與環境, 2021,31(11):59-67.

Gu H J, Yan W R. Impact of air pollution control on total factor productivity of enterprises--a quasi-natural experiment based on Ambient Air Quality Standards (2012) [J]. China Population - Resources and Environment, 2021,31(11):59-67.

[18] 王 馨,王 營.環境信息公開的綠色創新效應研究——基于《環境空氣質量標準》的準自然實驗[J]. 金融研究, 2021,(10):134-152.

Wang X, Wang Y. A study on the green innovation effect of environmental information disclosure--a quasi-natural experiment based on the Ambient Air Quality Standard [J]. Financial Research, 2021,(10):134-152.

[19] 潘旭文,付文林.環境信息公開與地區空氣質量——基于PM2.5監測的準自然實驗分析[J]. 財經研究, 2022,48(5):110-124.

Pan X W, Fu W L. Environmental information disclosure and regional air quality--an analysis of a quasi-natural experiment based on PM2.5monitoring [J]. Financial Research, 2022,48(5):110-124.

[20] 王賢彬,鐘夏洋.中央垂直監管如何影響企業環境績效?——基于《環境空氣質量標準》的準自然實驗[J]. 產業經濟研究, 2022,(6): 29-42.

Wang X B, Zhong X Y. How does central vertical regulation affect corporate environmental performance? --A quasi-natural experiment based on the Ambient Air Quality Standard [J]. Industrial Economics Research, 2022,(6):29-42.

[21] Zhang F, Shi Y, Fang D. Monitoring history and change trends of ambient air quality in China during the past four decades [J]. Journal of Environmental Management, 2020,(260):1-17.

[22] Tu Z G, Hu T Y, Shen R J. Evaluating public participation impact on environmental protection and ecological efficiency in China: Evidence from PITI disclosure [J]. China Economic Review, 2019,55:111?123.

[23] 陳真玲,王文舉.環境稅制下政府與污染企業演化博弈分析[J]. 管理評論, 2017,29(5):226-236.

Chen Z L, Wang W J. Analysis of the evolutionary game between government and polluting enterprises under the environmental tax system [J]. Management Review, 2017,29(5):226-236.

[24] 趙 剛,張亞賓,趙明升,等.減排措施對大氣顆粒物粒徑分布特征的影響——基于2022年北京冬奧會前后的觀測[J]. 中國環境科學, 2023,43(6):2744-2754.

Zhao G, Zhang Y B, Zhao M S, et al. Effects of emission reduction measures on the particle size distribution characteristics of atmospheric particulate matter: Based on the observations before and after the 2022 Beijing Winter Olympic Games [J]. China Environmental Science, 2023,43(6):2744-2754.

[25] 相瑞兵,田成詩,張焰朝.環境規制與企業研發投入:擠出抑或誘發——來自二氧化硫排污費征收的經驗證據[J/OL]. 中國環境科學:1-20.DOI:10.19674/j.cnki.issn1000-6923.20230814.002.

Xiang R B, Tian C S, Zhang Y C. Environmental regulation and firm R&D investment: crowding out or inducing -- Empirical evidence from the collection of sulfur dioxide pollution fees [J/OL]. China Environmental Science:1-20.DOI:10.19674/j.cnki.issn1000-6923.20230814.002.

[26] 袁寶龍.制度與技術雙“解鎖”是否驅動了中國制造業綠色發展? [J]. 中國人口·資源與環境, 2018,28(3):117-127.

Yuan B L. Does the dual “unlocking” of system and technology drive the green development of China's manufacturing industry? [J]. China Population, Resources and Environment, 2018,28(3):117-127.

[27] Porter M E, Linde C. Toward a new conception of the environment-competitiveness relationship [J]. Journal of Economic Perspectives, 1995,(4):97-118.

[28] 趙妤希,任家豪,陳義珍,等.氣象要素變化對城市空氣質量影響的評估方法與應用——以PM2.5為例[J]. 中國環境科學, 2022,42(12): 5610-5616.

Zhao Y X, Ren J H Chen Y Z, et al. Evaluation method and application of meteorological factors change on urban air quality: A case study of PM2.5[J]. China Environmental Science, 2022,42(12):5610-5616.

[29] 尹曉梅,李梓銘,喬 林,等.北京冬季疫情期間空氣質量及氣象影響分析[J]. 中國環境科學, 2021,41(5):1985-1994.

Yin X M, Li Z M, Qiao L, et al. Analysis of air quality and meteorological impact during winter epidemic in Beijing [J]. China Environmental Sciences, 2021,41(5):1985-1994.

[30] 石大千,丁 海,衛 平.智慧城市建設能否降低環境污染[J]. 中國工業經濟, 2018,(6)117-135.

Shi D Q, Ding H, Wei P. Can smart city construction reduce environmental pollution [J]. China Industrial Economy, 2018,(6):117- 135.

[31] 邵 帥,李 欣,曹建華.中國霧霾污染治理的經濟政策選擇——基于空間溢出效應的視角[J]. 經濟研究, 2016,51(9):73-88.

Shao S, Li X, Cao J H. Economic policy options for haze pollution management in China-based on the perspective of spatial spillover effects [J]. Economic Research, 2016,51(9):73-88.

[32] Beck T, Levine R, Levkov A. Big bad banks? The winners and losers from bank deregulation in the United States [J]. The Journal of Finance, 2010,65(5):1637-1667.

[33] 陳金皇.空氣污染的政策效應:財政分權、環保約談和信息披露[D]. 北京:中國人民大學, 2022.

Chen J H. Policy effects of air pollution: fiscal decentralization, environmental interviews, and information disclosure [D]. Beijing: Renmin University of China, 2022.

[34] Cook C J, Shah M. Aggregate effects from public works: Evidence from India [J]. The Review of Economics and Statistics, 2022,104 (4):797-806.

[35] Goodman-Bacon A. Difference-in-differences with variation in treatment timing [J]. Journal of Econometrics, 2021,225(2):254-277.

[36] Angrist J D, Pischke J. Mostly harmless econometrics: An empiricist's companion [M]. New Jersey: Princeton University Press, 2009.

[37] 江 艇.因果推斷經驗研究中的中介效應與調節效應[J]. 中國工業經濟, 2022,(5):100-120.

Jiang T. Mediating effects and moderating effects in causal inference [J]. Chinese Industrial Economy, 2022,(5):100-120.

[38] 陳詩一,陳登科.霧霾污染、政府治理與經濟高質量發展[J]. 經濟研究, 2018,53(2):20-34.

Chen S Y, Chen D. Haze pollution, government governance and high- quality economic development [J]. Economic Research, 2018,53(2): 20-34.

Assessing policy effects of the ecological environment quality monitoring authority reform: A case study on ambient air quality monitoring.

XIONG Xue-Feng1, YUAN Zhi-Ting2, CHANGDun-Hu3,Dong Zhan-Feng4*

(1.School of Agricultural Economics and Rural Development, Renmin University of China, Beijing 100872, China；2.School of Economics,Renmin University of China, Beijing 100872, China；3. School of Environment and Natural Resources, Renmin University of China, Beijing 100872, China；4.Chinese Academy of Environmental Planning,Ministry of Ecology and Environment, Beijing 100012, China)., 2023,43(12)：6740～6754

Based on the panel data of 278 prefecture cities in China from 2007 to 2016, this study levages arguably exogenous variation in the Ambient Air Quality Standard Reform in 2012 and employs a multi-time point DID model to identify the impact, transmission mechanism, and heterogeneity of environmental quality monitoring authority on air pollution. We find that the reform significantly reduces SO2emissions and PM2.5concentration. The emission reduction effect is positively correlated with the density of state-controlled monitoring sites. Importantly, the result remains consistent after a series of robustness tests, including placebo tests and the exclusion of other external policy impacts. Moreover, mechanism analysis uncovers two channels, namely the stringency of local government environmental regulations and green innovation of industrial enterprises, through which the reform curbs air pollution. Strategies such as limiting the number of industrial enterprises and increasing public transportation investment have proven effective in suppressing air pollutant emissions. Lastly, heterogeneity analysis shows that the air pollution reduction effect is more significant in cities with larger initial emissions and higher fiscal decentralization levels, although such effect is smaller in cities with higher fiscal pressure.

environmental quality monitoring；air pollution；emission reduction；asymmetric information；DID

X321/324,F062.2

A

1000-6923(2023)12-6740-15

熊雪鋒,原志聽,昌敦虎,等.生態環境質量監測事權改革的政策效應研究——以環境空氣質量監測為例 [J]. 中國環境科學, 2023,43(12):6740-6754.

Xiong X F, Yuan Z T, ChangD H, et al. Assessing policy effects of the ecological environment quality monitoring authority reform: A case study on ambient air quality monitoring [J]. China Environmental Science, 2023,43(12):6740-6754.

2023-05-19

國家社會科學基金重大項目(20&ZD092)

* 責任作者, 研究員, dongzf@caep.org.cn

熊雪鋒(1993-),男,重慶人,助理教授,主要從事制度變革與綠色發展方向研究.發表論文20余篇.xxfruc@163.com.