减污降碳协同环境保护技术：减污降碳的协同效应分析及其路径探究

减污降碳协同环境保护技术：减污降碳的协同效应分析及其路径探究5.对外经济贸易大学全球价值链研究院、国际经济贸易学院； 4.名古屋大学-中创碳投碳中和创新联合实验室； 张瑜1，2，孙倩3，薛进军4，5，6，杨翠红1，21.中国科学院数学与系统科学研究院；2.中国科学院大学； 3.西南石油大学经济管理学院；

推荐语：

2022年6月10日，生态环境部等七部门印发关于《减污降碳协同增效实施方案》（以下简称“方案”）的通知。方案提出，到2025年，减污降碳协同推进的工作格局基本形成；重点区域、重点领域结构优化调整和绿色低碳发展取得明显成效，形成一批可复制、可推广的典型经验，减污降碳协同度有效提升。到2030年，减污降碳协同能力显著提升，助力实现碳达峰目标；大气污染防治重点区域碳达峰与空气质量改善协同推进取得显著成效；水、土壤、固体废物等污染防治领域协同治理水平显著提高。

恰逢其时，日本名古屋大学薛进军团队与中国科学院杨翠红团队合作，在《中国人口·资源与环境》2022年第5期发表研究论文，选取2001—2019年中国30个省份的样本，利用面板回归模型和中介效应模型，分析了这一时期减污降碳政策的协同效应、动态演变过程以及实现路径。研究表明：减污和降碳政策具有显著的协同效应，减污政策的有效性和协同性均可以通过优化能源消费结构、降低碳排放强度、倒逼技术进步来实现，而这些协同效应有助于碳达峰碳中和目标的实现。该研究为最近国家出台的减污降碳协同增效实施方案提供了理论依据和实证支持，其有关实现减污降碳政策协同增效的基本路径的分析及其政策建议，也对方案的落实有一定的参考意义。

减污降碳的协同效应分析及其路径探究

张瑜1，2，孙倩3，薛进军4，5，6，杨翠红1，2

1.中国科学院数学与系统科学研究院；

2.中国科学院大学；
3.西南石油大学经济管理学院；

4.名古屋大学-中创碳投碳中和创新联合实验室；

5.对外经济贸易大学全球价值链研究院、国际经济贸易学院；

6.碳排放权交易湖北协同创新中心

摘要：后疫情时期中国面临经济复苏、空气质量达标、“双碳”目标实现等多重压力，在此背景下，研究减污降碳协同效应并厘清实现路径对中国在后疫情时期稳定经济增长的同时推动经济社会发展全面绿色转型具有重要的现实意义。该研究基于2001—2019年中国30个省份的省级面板数据，利用面板回归模型和中介效应模型分析了减污降碳政策的协同效应、动态演变过程以及实现路径。结果显示：①中国的减污和降碳政策具有显著的协同效应。其中，降碳政策对减污和降碳几乎具有相同的效力，而减污政策则主要以减污为主、降碳为辅，但其对空气污染物（即SO2和烟尘粉尘）和CO2排放的抑制作用大于降碳政策。此外，该研究分别从内生性问题、减污降碳政策指标设计稳健性、估计方法稳健性三个视角证实了基准估计结果的稳健性。②减污和降碳政策的协同效应具有明显的动态变化趋势；降碳政策自政策实施起便具有显著的减污协同效应，且政策实施时间越长，对减污的协同作用越强；而减污政策的降碳协同效应则是自2011年出台节能减排综合性方案以后才逐渐显著，随后呈现先上升后下降的态势。因此，长期而言以碳排放交易市场为主的降碳政策的减污协同效应显著优于减污政策的降碳协同效应，故在进行减污降碳协同增效的战略布局中应以构建碳市场为主。③减污政策的有效性和协同性均主要通过优化能源消费结构、降低碳排放强度、促进技术进步来实现，而降碳政策的有效性和协同性则主要通过前两条路径来实现。根据研究结论，提出了促进减污降碳协同增效的政策建议。

关键词：减污降碳；协同治理；路径探究；动态分析

为应对全球气候变化问题，落实《巴黎协定》温控目标，中国在第七十五届联合国大会上郑重地做出了“双碳”目标承诺，努力争取在2030年之前实现碳达峰，在2060年之前实现碳中和。当前中国经济发展与环境保护的长期矛盾尚未根本缓解，叠加新冠肺炎疫情（以下简称“疫情”）对经济的冲击，这意味着中国在此阶段将面临经济复苏、空气质量达标、“双碳”目标实现等多重压力，且后疫情时期的经济复苏或将进一步增大空气质量达标以及“双碳”目标实现的难度。Zheng等［1］发现，受疫情期间管控措施的影响，2020年1—3月中国大气污染物排放显著低于2019年同期水平，但随着疫情逐步得到控制，2020年4月后中国大气污染物排放量迅速回升，2020年底基本恢复到2019年同期水平。陈菡等［2］发现，后疫情时期为了尽快实现地方经济的复苏，2020年上半年中国计划新增煤电项目量超过2019年全年新增总和，这将会使得CO2排放量增加1.6亿t。在此背景下，积极推动中国经济的绿色增长是十分迫切且必要的，这不仅事关中国经济的高质量可持续发展，而且是中国履行大国责任、实现“双碳”目标的重要基石，减污降碳协同增效正是促进中国经济发展全面绿色转型的重要途径。CO2和空气污染物均主要来源于人类生产生活中化石燃料的燃烧，这使得减污降碳协同增效的实现在理论上具有可行性，且减污降碳的协同治理有助于避免环境政策制定中的不一致性，进而大大提升政策实施的单位成本有效性［2-7］。“十四五”时期中国生态环境保护将进入减污降碳协同治理的新阶段，因此深入研究减污降碳政策的协同性、把握其动态演变过程、探明协同增效的作用路径不仅对中国经济在后疫情时期实现全面绿色转型具有重要的现实指导意义，而且为中国履行大国责任、实现“双碳”目标提供决策支持。

1、文献综述

根据中国环境与经济政策研究中心对减污降碳协同效应的定义，减污降碳协同效应一方面是指在控制温室气体排放中减少其他污染物的排放（即降碳政策的减污效应），另一方面是指在污染物排放控制和生态建设中减少或吸收CO2和其他温室气体的排放（即减污政策的降碳效应）［8］。

关于降碳政策的减污效应，Burtraw等［9］研究发现，美国电力部门采取的减少CO2排放政策也显著地减少了传统的空气污染物。Cao等［10］模拟发现，适度的碳税通过促进能源节约，不仅将大幅减少CO2排放，还将减少当地的空气污染，且其对空气污染的抑制作用将超过“十一五”时期减污政策的抑制作用。Yang等［11］模拟发现，中国2030年碳达峰目标的设定将使得2030年中国SO2、氮氧化物和PM2.5的排放量较2010年分别减少78.85%、77.56%和83.32%，即当CO2排放量达峰时也可以实现空气质量的达标。Wang等［12］研究发现，工业每减少排放1 000 t CO2，大气污染物综合排放将减少1 t，加大环境规制力度是协同增效的主要扩张路径，但这种协同效应存在区域差异，主要表现为西部地区工业碳减排与工业大气污染减排协同效应较高，而东部地区的协同效应则较低。赵立祥等［13］、李胜兰等［14］和Yan等［15］均研究发现，2013年启动的碳排放权交易试点政策对污染物有显著的抑制作用，具体来看，实行碳排放交易权省市的工业污染物和CO2排放总量和人均量均显著低于没有实行碳排放交易权的省市，且碳排放交易试点政策主要通过优化能源结构和促进技术创新两种方式来降低试点地区污染物的排放量。

关于减污政策的降碳效应，Morgenstern等［16］研究发现，山西太原地区逐步淘汰小锅炉的政策大约使得碳排放减少了50%~95%。Chae［17］研究发现，改用低硫燃料可以以最低成本实现改善空气质量和减少CO2排放的目标。张华［18］研究发现，环境规制提升CO2排放绩效的能力有效，具体来看，CO2排放绩效会随着环境规制强度的增加而先上升后下降，而中国当前的环境规制强度位于拐点左侧。Gu等［19］研究了中国“十一五”时期减污政策的降碳效应，研究发现燃煤电厂脱硫工程在减污中起着关键作用，结构性减污相对容易实现主要污染物与温室气体的协同效应，而管制减污并不容易达到协同效应。Du等［20］研究发现，环境规制可以促进企业污染物和温室气体排放的协同减排，这种协同减排效应会受到企业能源结构和消费的影响。郑石明等［21］研究发现，气候政策协同可以降低碳排放，且中央政府的气候政策协同程度较省级政府协同程度高。

现有文献已经分别对降碳政策的减污效应和减污政策的降碳效应进行了卓有成效的研究，但仍然存在以下不足：首先，根据中国环境与经济政策研究中心对减污降碳协同效应的定义，完整的减污降碳协同效应包含降碳政策的减污效应和减污政策的降碳效应两部分，目前大多数文献仅从单边视角出发研究了减污政策的降碳效应或者降碳政策的减污效应，而缺乏从双边视角出发全面探究中国减污与降碳政策的协同效应。其次，中国的减污和降碳政策在不断地完善、更新和调整，因此不同时期的协同效应可能不同，现有文献大多从静态视角研究协同效应，而缺乏从动态视角来考察减污降碳协同效应的演变过程。第三，现有文献大多仅从定性分析视角讨论减污降碳协同增效的路径，而缺乏从定量分析视角探明减污降碳协同增效的实现路径。基于此，该研究从双边视角出发考察了中国减污和降碳政策的协同效应，并从动态视角分析了协同效应的演变过程，此外，该研究根据现有文献梳理了减污降碳协同增效实现的三条路径，并对这三条路径进行了逐一检验。该研究可为制定减污降碳协同增效的环境政策，推动后疫情时期实现经济复苏和“双碳”目标提供决策参考。

2、模型构建与数据

2.1　模型构建

该研究采用面板回归模型来研究减污降碳政策的协同效应，具体而言，就是在同一数据集下面分别对减污政策的降碳效应以及降碳政策的减污效应进行建模。对于减污政策的降碳效应，根据Kaya恒等式［22］，CO2排放量可以进行如下分解：

式（1）

其中：为CO2排放量，为能源消费总量，为国内生产总值，为总人口。因此，CO2排放量可分解为单位能源消费产生的CO2 、单位GDP能耗、人均以及人口四个变量。由于与煤炭消费占总能源消费的比重（即能源消费结构）存在很强的正相关性，因此也常被能源消费结构替代。故影响CO2排放的因素有能源消费结构、单位GDP能耗（即能源强度）、人均GDP以及人口总量。

袁路等［23］指出尽管Kaya恒等式是目前分析CO2排放驱动因素的主要方法，但其只能解释碳排放流量的变化，而无法解释存量变化，故在研究CO2排放总量方面还需要结合其他因素进行分析。因此，该研究进一步结合现有文献获得影响CO2排放的其他主要因素，例如科技进步水平［12，13］、温度［12］等。此外，结合研究主题，该研究又纳入了与减污和降碳相关的政策变量，最终构建CO2的回归方程如下：

式（2）

其中：和分别表示省份和年份，记号ln表示对某一变量取自然对数；表示降碳政策，表示减污政策，表示能源消费结构；表示能源强度；表示科技进步水平，用专利申请数与GDP的比值表示；表示人均GDP；表示人口总数；表示年平均气温；和分别表示省份和年份固定效应；为不被模型解释的随机误差。估计系数反映了减污政策的降碳效应，也是该研究重点关注的估计系数，如果显著为负则表示减污政策具有显著的降碳效应；如果显著为正则表示减污政策加剧了CO2排放；如果不显著则表示减污政策对CO2的影响不显著。

对于降碳政策的减污效应，由于CO2排放与空气污染的同根同源性，类似地，可以构建空气污染物的回归方程见式（3）。与CO2回归方程（即式（2））略有不同的是，在式（3）中加入了人均GDP对数值的二次项，主要原因是当前中国的空气污染物排放与经济发展水平已经满足环境库兹涅茨曲线，即空气污染物排放与人均GDP呈现二次函数曲线关系［24-26］，而中国在CO2排放与经济发展水平上尚未呈现库兹涅茨曲线趋势。

式（3）

其中：表示某种空气污染物排放量，该研究选取的空气污染物有二氧化硫和烟尘粉尘；表示人均GDP对数值的二次项；表示年平均降雨量。估计系数刻画了降碳政策的减污效应，是该研究重点关注的另一个估计系数，如果显著为负则表示降碳政策具有显著的减污效应；如果显著为正则表示降碳政策加剧了空气污染物的排放；如果不显著则表示降碳政策对空气污染物的影响不显著。

2.2　数据来源与处理

在兼顾样本容量足够大以及数据可得性的情形下，该研究选取2001—2019年中国除香港、澳门、台湾和西藏以外的30个省份作为研究样本。与该研究相关的数据主要有三大部分：CO2和空气污染物（包括SO2和烟尘粉尘，由于氮氧化物排放量的数据从2011年才开始完整，样本总量较小，因此样本中没有包含氮氧化物）排放量数据、减污和降碳政策变量数据以及其他控制变量数据。其中，CO2排放数据来自中国碳核算数据库（CEADs）；空气污染物排放数据来自《中国能源统计年鉴》。关于减污政策变量，目前没有现成的数据以及官方公布的相关指标，文献中常用来刻画减污政策强度的变量有单位工业增加值的污染治理投资额［13，27］，环境处罚案例数［12，28］，或通过固体废物利用率、污水排放率、SO2去除率、烟尘粉尘去除率等指标构造综合指数来衡量环境规制［20，29］。考虑到数据的连贯性、可获取性以及反映减污政策强度的可靠性，该研究采用中国在“十五”期间（2001—2005年）、“十一五”期间（2006—2010年）、“十二五”期间（2011—2015年）以及“十三五”期间（2016—2020年）出台的空气污染物防控规划中制定的污染物排放量削减比例来作为衡量减污政策强度的变量，削减比例越大表示减污政策强度越强，这些空气污染物防控规划详细地制定了各省份在这一时期对SO2、化学需氧量、氨氮排放量等污染物排放量的削减比例，为该研究构建减污政策变量提供了权威的数据库。

关于降碳政策变量，中国对碳减排权政策的实施较减污政策的实施起步晚［19］，国家发展和改革委员会于2011年10月通知北京市、上海市、广东省、深圳市、湖北省、天津市、重庆市七省市于2013年开展碳排放交易试点工作，碳排放权交易试点运行至今表现良好且降碳效果显著，中国于2021年7月16日开展全国范围的碳排放权交易市场（以下简称“碳市场”）。碳市场是中国实现“双碳”目标的重要政策工具之一，因此该研究选取虚拟变量是否开展碳排放权交易来作为降碳政策的替代变量，如果该省份在某一年开展碳排放权交易，则取1，否则取0。

在其他控制变量数据中，能源消费结构由作者根据《中国能源统计年鉴》数据计算得到；能源强度由作者根据《中国能源统计年鉴》和《中国统计年鉴》数据计算得到；科技进步水平、人均GDP均来自中经网或者由中经网数据计算得到；年平均温度和降雨量来自《中国统计年鉴》。表1展示了在回归分析中各变量的描述性统计分析。

3、结果分析

表1　样本的描述性统计分析

注：除In dust变量以外，其余变量的覆盖范围均为2001—2019年中国除香港、澳门、台湾和西藏外的30个省份；In dust变量的覆盖范围为2003—2019年中国除香港、澳门、台湾和西藏外的30个省份，《中国能源统计年鉴》中对烟尘粉尘排放量的统计从2003年才开始，且2018年和2019年样本中个别省份的数据存在缺失。

3.1　减污降碳政策的协同效应分析

表2是采用固定效应面板模型对回归方程（2）和（3）进行估计的结果，通过观察解释变量和的估计系数有两点重要发现：一是中国实施的以碳市场试点为主的降碳政策不仅显著抑制了CO2排放，也显著减少了空气污染物的排放，且其对降碳和减污的作用相差不大。具体来看，列（9）中的估计系数为-0.221 2且在1%显著性水平上为负，表明降碳政策显著地降低了CO2排放，该结论与相关研究［13-15］的结论一致；列（3）和列（6）中的估计系数为-0.452 5和 -0.225 1，且分别在1%和10%的显著性水平上为负，表明降碳政策也显著地抑制了SO2和烟尘粉尘的排放；对比列（3）、列（6）和列（9）中的估计系数发现，降碳政策对CO2排放的抑制作用与对空气污染物的抑制作用相差不大，表明以碳市场试点为主的降碳政策在降碳和减污方面几乎具有同等的效力。

表2　减污降碳政策的协同效应分析（基准结果）

注：* P<0.10，** P<0.05，*** P<0.01；括号内为稳健的标准误。

二是中国的减污政策大幅降低了空气污染物的排放，同时也在一定程度上抑制了CO2排放，但其减污作用显著高于降碳作用，即当前减污政策仍然是以减污为主、降碳为辅。具体来看，列（3）和列（6）中的估计系数为-1.313 1和-0.553 2，且分别在1%和10%的显著性水平上为负，表明减污政策大幅减少了SO2和烟尘粉尘的排放；列（9）中的估计系数为-0.330 1且在10%显著性水平上为负，表明减污政策也具有显著的降低碳排放的作用。此外，该估计系数的绝对值大于估计系数的绝对值（0.221 2）表明，减污政策的降碳作用大于降碳政策的降碳作用，即中国相对完善的减污政策为当前尚未形成体系的降碳政策在降低碳排放方面提供了支持和帮助。对比列（3）、列（6）和列（9）中的估计系数发现，减污政策对空气污染物的抑制作用远高于对CO2排放的抑制作用，表明减污政策仍然以减污为主、降碳为辅，因此减污政策的减污降碳协同效应尚有较大的提升空间。

综上所述，中国的减污政策和降碳政策均具有显著的协同效应，即一种环境政策对标多种空气污染物与温室气体的综合治理。其中，以碳市场试点为主的降碳政策对减污和降碳具有几乎相同的效力，而减污政策则仍然主要以减污为主、降碳为辅。此外，由于中国的减污政策实施的时间较长、经验较丰富且执行力度较大，因此其对空气污染物和CO2排放的抑制作用更大。

3.2　减污降碳协同增效的动态分析

为了判断不同年份之间减污降碳协同效应是否存在显著差异，该研究进一步对减污降碳协同效应进行了动态分析（表3），具体而言，该研究在基准回归方程式（2）和式（3）中分别加入了和与时间虚拟变量的交互项，交互项前估计系数的含义则表示对应年份不同政策协同效应的大小。根据表3的估计结果，第一个发现是以碳市场试点为主的降碳政策自实施起便具有显著的减污协同效应，且政策实施时间越长，对减污的协同作用越强。具体来看，列（1）中的估计系数一直显著为负，且其绝对值呈现递增的趋势，表明降碳政策对SO2的协同抑制作用自政策实施起便一直显著，且随着政策实施时间越长，协同抑制作用越大。列（2）中的估计系数虽然没有一直显著为负，但且其绝对值也呈现明显的递增趋势，表明降碳政策对烟尘粉尘的协同抑制作用自政策实施起便一直存在，且政策实施时间越长，协同抑制作用越大。

表3 减污降碳政策的协同效应动态分析

注：* P<0.10，** P<0.05，*** P<0.01；括号内为稳健标准误。year2013表示如果年份是2013年则取1，否则取0。

第二个发现是减污政策的降碳协同效应是在“十二五”期间出台节能减排综合性方案以后（即2011年以后）才开始显著，随后其降碳协同效应呈现先波动上升后波动下降的趋势。具体来看，列（3）中的估计系数从才开始显著为负，表明“十五”期间、“十一五”期间减污政策主要以减少空气污染物为主，而对降低碳排放的协同作用并不显著。这一点从中国在这一时期出台的减污政策中也可以看出，例如“十五”期间出台的《“两控区”酸雨和二氧化硫污染防治的“十五”规划》、“十一五”期间出台的《现有燃煤电厂二氧化硫治理的“十一五”规划》，这些政策均以降低空气污染物为主，且减污措施主要是末端治理，即对燃煤电厂实施超低排放改造，对重点行业和机动车尾气排放实施严格的控制等，而末端减污措施可能会增加能源消耗和额外的温室气体排放，因此很难实现减污政策对降碳的协同作用［2，6，19，21］。而自2011年起，中国便开始提倡末端治理与降低单位GDP能耗“两条腿走路”的治理模式，重要表现是在“十二五”和“十三五”时期的节能减排综合性工作方案中加入了对各省份单位GDP能耗降低的方案，因此CO2排放也会被显著降低。

综上所述，以碳市场试点为主的降碳政策自政策实施起便具有显著的减污协同效应，且随着政策实施时间越长，对减污的协同作用越强；而减污政策的降碳协同效应则是自“十二五”期间出台节能减排综合性方案以后才开始显著的，随后呈现先上升后下降的态势。此外，动态分析的结果也反映出，长期而言以碳市场为主的降碳政策的减污协同效应显著优于减污政策的降碳协同效应，因此，在促进减污降碳协同增效的战略布局中应以构建碳市场为主，全国碳排放权交易市场的开放将在全国范围内降低CO2排放和空气污染物排放，助力“双碳”目标和空气质量达标的实现。

3.3　减污降碳协同增效的路径及检验

图1展示了减污降碳协同增效的三条路径。根据Kaya恒等式［22］以及CO2和空气污染物同根同源的特性，两者的排放量均主要取决于能源消费结构、能源强度、人均GDP和人口数量。由此得出减污降碳协同增效的两条路径。路径1：减污和降碳政策通过优化能源消费结构实现减污降碳协同效应；路径2：减污和降碳政策通过降低能源强度实现减污降碳协同效应。此外，根据Wang等［12］和赵立祥等［13］，减污和降碳政策也会显著地倒逼技术进步，进而降低CO2和空气污染物的排放。因此，该研究得出减污降碳协同增效的第三条路径，路径3：减污和降碳效应通过倒逼技术进步来优化能源消费结构、降低能源强度，间接实现减污降碳协同效应。

图1 减污降碳协同增效路径

如下将对减污降碳协同增效的这三条路径进行检验，核心思路是检验减污和降碳政策是否会优化能源消费结构、降低能源强度以及促进科技进步。如果减污和降碳政策显著地优化了能源消费结构、降低了能源强度、促进了科技进步，则表示当前的减污降碳政策确实是通过这三条路径来实现协同增效的。表4展示了减污降碳协同效应路径的检验结果，其中，列（1）—列（3）检验了减污降碳协同增效的路径1，和的估计系数均显著为负，表明降碳政策和减污政策均显著地降低了煤炭消费在总能源消费中的比重，因此当前的减污和降碳政策通过优化能源消费结构实现了协同增效。列（4）—列（6）检验了减污降碳协同增效的路径2，和的估计系数均显著为负，表明降碳和减污政策同样显著地降低了能源强度（即单位GDP能耗），因此当前的减污和降碳政策也通过降低GDP能耗来实现协同增效。列（7）和列（8）检验了减污降碳协同增效的路径3，的估计系数显著为正，表明减污政策显著地提升了科技水平；而的估计系数则不显著，表明降碳政策对科技水平的促进作用不显著，因此当前的减污政策还通过倒逼技术进步来实现协同效应，而降碳政策则并未通过该路径实现协同效应。

表4　检验减污降碳协同增效的路径

注：* P<0.10，** P<0.05，*** P<0.01；括号内为稳健的标准误。

综上所述，减污政策的有效性和协同性均主要通过优化能源消费结构、降低碳排放强度、倒逼技术进步来实现；而以碳市场试点为主的降碳政策的有效性和协同性主要是通过前两条路径来实现。此外，通过对比表4中和估计系数的绝对值发现，估计系数的绝对值大于估计系数的绝对值，表明减污政策对能源结构的优化作用、能源强度的降低作用以及倒逼技术进步作用均大于降碳政策，这也是在基准模型中减污政策的降碳和减污效应均显著高于降碳政策的原因。产生该结果的主要原因是中国在减污政策方面起步较早，已经具备了全面且完善减污政策体系，通过优化能源消费结构、降低GDP能耗以及倒逼技术进步这三条路径高效地实现了减污和降碳；而中国降碳政策起步较晚，且主要以碳市场为主，因此降碳政策对技术进步的倒逼作用还未完全体现。

3.4　稳健性检验

为了确保以上减污降碳政策协同效应分析基准结果的稳健性，该研究分别从内生性问题、减污政策指标稳健性、估计方法稳健性三个视角进行验证（表5）。同时，还分别展示了采用新的降碳政策指标进行减污降碳协同效应分析、动态演变分析以及路径分析的结果。

表5　减污降碳政策的协同效应稳健性检验

注：* P<0.10，** P<0.05，*** P<0.01；括号内为稳健的标准误。

内生性可能出现的原因是式（3）中减污政策与空气污染物排放存在反向因果（即空气污染物排放越多，减污政策力度越大），因此该研究采用常用的工具变量法来处理内生性问题。具体地，选取减污政策的一阶滞后项作为工具变量，再采用工具变量面板模型来估计式（3），式（2）的处理也类似。表5列（1）—列（3）展示了工具变量面板模型的估计结果，可以看出和估计系数的大小与显著性均与基准模型（即表2中列（3）、列（6）和列（9））的估计系数相差不大，说明基准模型不存在严重的内生性问题。为了检验减污政策指标选取对结果的稳健性，该研究参照Du等［20］以及Jiang等［27］构造减污政策综合指数（以下简称“综合指数”），即选取工业固体废物处理量、工业SO2去除量、工业烟尘去除量、工业粉尘去除量四个指标归一化后的平均数值作为综合指数，这四个指标的数据均来自《中国能源统计年鉴》。列（4）—列（6）展示了将减污政策替换为综合指数的估计结果，可以看出和估计系数的大小与显著性均与基准模型的估计系数相差不大，这说明该研究构建的减污政策指标具有一定的合理性，且基准模型的估计结果具有较强的稳健性，并不会因为减污政策指标选取的不同而产生不同的结果。此外，该研究又分别采用最小二乘虚拟变量（LSDV）估计和广义最小二乘（GLS）估计来进一步验证基准模型估计方法的稳健性（见列（7）—列（12）），可以发现和估计系数的大小与显著性均与基准模型的估计系数相差不大，这说明该研究基准模型的估计方法是稳健的。

此外，该研究将是否开展碳排放权交易这一虚拟变量作为降碳政策的替代变量存在单一性，因此进一步构建综合降碳政策指标，具体构建方法为：参考减污政策变量的设置，采用中国在“十二五”和“十三五”期间印发的控制温室气体排放工作方案中详细指定的各省份在2011—2015年和2016—2020年间单位国内生产总值CO2排放的下降比例来作为衡量降碳政策强度的变量之一，下降比例越大表示降碳政策强度越大。将该指标与降碳政策替代变量（即是否开展碳排放权交易）取平均值得到新的降碳政策指标。从表6—表8可以看出，综合降碳指标与降碳政策替代变量得到的实证结果具有一致性，这进一步佐证了该研究结论的稳健性。

表6　减污降碳政策的协同效应分析（综合降碳政策指标）

注：* P<0.10，** P<0.05，*** P<0.01；括号内为稳健的标准误。

表7　减污降碳政策的协同效应的动态分析（综合降碳政策指标）

注：* P<0.10，** P<0.05，*** P<0.01；括号内为稳健的标准误。表示如果年份是2011年则取1，否则取0。

表8　检验减污降碳协同增效的路径（综合降碳政策指标）

注：* P<0.10，** P<0.05，*** P<0.01；括号内为稳健的标准误。

4、结论与政策建议

该研究利用2001—2019年中国30个省份的省级面板数据，从减污政策的降碳效应和降碳政策的减污效应双边视角研究了中国减污和降碳政策的协同效应，并从动态视角考察了减污降碳协同效应的演变过程，同时，该研究基于现有文献梳理了减污降碳协同增效实现的三条路径，并对这三条路径进行了逐一检验。得出如下主要结论：

第一，中国的减污和降碳政策具有显著的协同效应，即一种政策同时对标空气污染物与温室气体的综合治理。其中，以碳市场试点为主的降碳政策对减污和降碳具有几乎相同的双赢效力，而减污政策的效力则仍然以减污为主、降碳为辅。由于中国的减污政策实施的时间较长、经验较丰富，因此其对空气污染物和CO2的抑制作用更大。该研究分别从内生性问题、减污降碳政策指标设计稳健性、估计方法稳健性三个视角证实了基准估计结果的稳健性。

第二，中国减污和降碳政策的协同效应具有明显的动态变化趋势。其中，降碳政策自政策实施起便具有显著的减污协同效应，且政策实施时间越长，对减污的协同作用越强；而减污政策的降碳协同效应则是自“十二五”期间出台节能减排综合性方案以后才开始显著的，随后呈现先上升后下降的态势。动态分析的结果也反映出，长期而言以碳市场为主的降碳政策的减污协同效应显著优于减污政策的降碳协同效应，因此，在促进减污降碳协同增效的战略布局中应以构建碳市场为主，全国碳排放权交易市场的开放将在全国范围内降低CO2排放和空气污染物排放，助力“双碳”目标和空气质量达标的实现。

第三，减污政策的有效性和协同性均主要通过优化能源消费结构、降低碳排放强度、倒逼技术进步来实现；而降碳政策的有效性和协同性则主要通过前两条路径来实现。此外，降碳政策对能源结构的优化作用、能源强度的降低作用以及倒逼技术进步作用均大于减污政策，这也是在基准模型中减污政策的降碳和减污效应均显著高于降碳政策的深层次原因。

基于以上研究结果，该研究提出在“双碳”目标下促进减污降碳协同增效的建议如下：①减污和降碳政策均具有显著的协同效应，在减污和降碳过程中表现出事半功倍的效果，因此应该尽快建立和完善空气污染物与温室气体排放协同控制的治理体系。具体来说，在不断完善应对气候变化执法规范和细则的同时，加速融合气候治理与生态环境保护的法规体系；清除与减污降碳协同增效不相适应的政策；设立减污降碳协同增效专门的智库与宣传教育人员，为减污降碳协同增效提供及时有效的决策支持，以及服务于减污降碳协同增效相关政策和意识的宣传与推广。此外，该研究显示当前减污政策则主要以减污为主、降碳为辅，因此国家在制定减污政策的过程中要兼顾政策的减排协同效应，以便提升政策的成本有效性。②减污和降碳政策均通过优化能源消费结构、降低单位GDP能耗来实现了政策的有效性与协同性，因此政府及相关部门应该继续实施与优化能源消费结构和降低单位GDP能耗相关的政策来促进减污降碳协同增效，例如继续淘汰耗能高、排放高的老旧锅炉、交通工具等，特别是经济欠发达地区。③继续大力发展和支持低碳和环保相关行业或企业的技术创新与技术突破。能源和环境领域的技术创新与突破仍然是实现“双碳”目标与空气质量达标的根本途径，因此一方面国家需要加大对相关专业或领域人才的培养，另一方面对相关的企业给予一定的政策补贴，如下调缴税比例、放宽银行信贷约束等。此外，需要进一步加快高校的相关成果转化，积极促进高校与企业互联互通。④动态分析结果证实了中国开放全国碳排放权交易市场的合理性与前瞻性，碳排放权交易市场作为实现“双碳”目标的重要工具，不仅显著地降低了碳排放，其也显著地减少了空气污染物的排放，且其减污协同效应随时间不断扩大，因此未来国家应该重点规范和实时监测全国碳排放权交易市场的运行，以便更好地发挥碳市场实现“双碳”目标与促进减污协同增效的双重功能。

参考文献

［1］ ZHENG B，ZHANG Q，GENG G N，et al.Changes in China’s anthropogenic emissions and air quality during the COVID‑19 pandemic in 2020［J］.Earth system science data，2021，13（6）：2895-2907.

［2］ 陈菡，陈文颖，何建坤.实现碳排放达峰和空气质量达标的协同治理路径［J］.中国人口·资源与环境，2020，30（10）：12-18.

［3］ NAM K M，WAUGH C J，PALTSEV S， et al.Carbon co‑benefits of tighter SO2 and NOx regulations in China［J］.Global environmental change，2013，23（6）：1648-1661.

［4］ 杨树旺，刘航，覃志立.雾霾防治背景下的中国碳排放权交易市场建设研究［J］.理论与改革，2015（4）：81-84.

［5］ 黄蕊，刘昌新.中国参与全球气候治理的影响分析［J］.地理研究，2017，36（11）：2213-2224.

［6］ 蔡佳楠，高烁，孙星，等.环境、经济与社会发展协同效益研究综述［J］.中国人口·资源与环境，2016，26（S2）：35-38.

［7］ 周丽，夏玉辉，陈文颖.中国低碳发展目标及协同效益研究综述［J］.中国人口·资源与环境，2020，30（7）：10-17.

［8］ 胡涛，田春秀，李丽平.协同效应对中国气候变化的政策影响［J］.环境保护，2004，32（9）：56-58.

［9］ BURTRAW D，KRUPNICK A，PALMER K，et al.Ancillary benefits of reduced air pollution in the US from moderate greenhouse gas mitigation policies in the electricity sector［J］.Journal of environmental economics and management，2003，45（3）：650-673.

［10］ CAO J，HO M，JORGENSON D.An integrated assessment of the economic costs and environmental benefits of pollution and carbon control［J］.Chinese economy，2012：274-305.

［11］ YANG X，TENG F.Air quality benefit of China’s mitigation target to peak its emission by 2030［J］.Climate policy，2018，18（1）：99-110.

［12］ WANG B，WANG Y F，ZHAO Y Q.Collaborative governance mechanism of climate change and air pollution：evidence from China［J］.Sustainability，2021，13（12）：6785.

［13］ 赵立祥，赵蓉，张雪薇.碳交易政策对我国大气污染的协同减排有效性研究［J］.产经评论，2020，11（3）：148-160.

［14］ 李胜兰，林沛娜.我国碳排放权交易政策完善与促进地区污染减排效应研究：基于省级面板数据的双重差分分析［J］.中山大学学报（社会科学版），2020，60（5）：182-194.

［15］ YAN Y X，ZHANG X L，ZHANG J H，et al.Emissions trading system （ETS） implementation and its collaborative governance effects on air pollution：the China story［J］.Energy policy，2020，138：111282.

［16］ MORGENSTERN R，KRUPNICK A，ZHANG X H.The ancillary carbon benefits of SO2 reductions from a small‑boiler policy in Taiyuan， PRC［J］.The journal of environment & development，2004，13（2）：140-155.

［17］ CHAE Y.Co‑benefit analysis of an air quality management plan and greenhouse gas reduction strategies in the Seoul metropolitan area［J］.Environmental science & policy，2010，13（3）：205-216.

［18］ 张华.环境规制提升了碳排放绩效吗：空间溢出视角下的解答［J］.经济管理，2014，36（12）：166-175.

［19］ GU A L，TENG F，FENG X Z.Effects of pollution control measures on carbon emission reduction in China：evidence from the 11th and 12th Five‑year Plans［J］.Climate policy，2018，18（2）：198-209.

［20］ DU W J，LI M J.Assessing the impact of environmental regulation on pollution abatement and collaborative emissions reduction：micro⁃evidence from Chinese industrial enterprises［J］.Environmental impact assessment review，2020，82：106382.

［21］ 郑石明，何裕捷，邹克.气候政策协同：机制与效应［J］.中国人口·资源与环境，2021，31（8）：1-12.

［22］ KAYA Y.Impact of carbon dioxide emission control on GNP growth：interpretation of proposed scenarios IPCC energy and industry subgroup，response strategies working group［R］. 1990.

［23］ 袁路，潘家华.Kaya恒等式的碳排放驱动因素分解及其政策含义的局限性［J］.气候变化研究进展，2013，9（3）：210-215.

［24］ 张轩瑜，宋晓军，虞吉海.时空效应下PM2.5的环境库兹涅茨曲线：基于动态空间面板视角［J］.环境科学学报，2020，40（1）：315-324.

［25］ 余长林，高宏建.环境管制对中国环境污染的影响：基于隐性经济的视角［J］.中国工业经济，2015（7）：21-35.

［26］ ZHU Y F，WANG Z L，YANG J，et al.Does renewable energy technological innovation control China’s air pollution：a spatial analysis［J］.Journal of cleaner production，2020，250：119515.

［27］ JIANG X，LU W X，ZHAO H Q，et al.Quantitative evaluation of mining geo‑environmental quality in Northeast China：comprehensive index method and support vector machine models［J］.Environmental earth sciences，2015，73（12）：7945-7955.

［28］ VAN VUUREN D P，COFALA J，EERENS H E，et al.Exploring the ancillary benefits of the Kyoto Protocol for air pollution in Europe［J］.Energy policy，2006，34（4）：444-460.

［29］ 毛显强，曾桉，邢有凯，等.从理念到行动：温室气体与局地污染物减排的协同效益与协同控制研究综述［J］.气候变化研究进展，2021，17（3）：255-267.

（责任编辑：张士秋）

引用本文： 张瑜，孙倩，薛进军，等.减污降碳的协同效应分析及其路径探究［J］.中国人口·资源与环境，2022，32（5）：1-13. (ZHANG Yu，SUN Qian，XUE Jinjun，et al.Synergistic effects of pollution control and carbon reduction and their pathways［J］.China population， resources and environment，2022，32（5）：1-13.)

作者简介：张瑜，博士生，主要研究方向为投入产出技术、能源经济与政策评估、全球价值链。E‑mail：zhangyu18@amss.ac.cn。

通讯作者：薛进军，博士，教授，博导，主要研究方向为气候变化与低碳经济学、能源与环境经济学、全球价值链。E-mail：xuejj1010@gmail.com。

中图分类号： X24

文章编号：1002-2104（2022）05-0001-13

文献标识码： A

DOI：10.12062/cpre.20220202

文章来源：中国人口资源与环境公众号

原文链接：https://mp.weixin.qq.com/s/FZO0hdsOTKpLF9IDd6zlaA

#人口##环境##论文##环境污染##期刊#