船舶排放控制区政策对城市空气质量影响的异质性分析

章强,陈万响

(上海海事大学交通运输学院,上海 201306)

随着绿色航运理念的不断深化,船舶大气污染问题在全球范围内受到了广泛关注。为改善大气环境质量,国际海事组织以及主要航运国家和地区纷纷采取措施控制船舶大气污染物排放,其中设立船舶排放控制区(emission control area,ECA)是国内外控制船舶大气污染物排放的典型政策手段。

我国于2015年12月出台了《珠三角、长三角、环渤海(京津冀)水域船舶排放控制区实施方案》,设立了三大ECA对船舶污染物排放进行限制。在此基础上,2018年底交通运输部又发布了《船舶大气污染物排放控制区实施方案》,对ECA政策实施范围、实施标准等提出了新的要求。现有研究表明我国ECA政策的实施对于减少船舶大气污染物排放具有明显成效。然而,ECA政策在不同港口的实施效果表现出一定的异质性,只是现有关于ECA政策实施效果异质性的研究所涉及的港口数量相对较少,研究结论的普适性有待进一步论证。为深入、准确地评估ECA政策实施效果在不同地区所表现出的异质性,本文在现有研究的基础上,扩大样本数量,在综合考量地理位置分布和数据可获得性的基础上,选取我国沿海28个港口城市作为研究对象,利用面板数据模型来探究ECA政策实施对不同港口城市空气质量的影响程度。

自2006年国际海事组织在波罗的海水域设立国际上首个ECA以来,ECA政策的实施效果及其有效性研究就受到学者们的关注。其中,“自下而上”和“自上而下”的船舶排放测算方法被广泛采用。近年来越来越多的学者开始探索使用新的定量研究方法来评估ECA政策的实施效果。具体来看,相关的研究可分为两大进路,一路侧重于船舶排放实测数据的对比,另一路引入计量经济学中的分析方法。

在基于实测数据的研究方面,SCHEMBARI等基于船上大气污染监测站所采集的数据,以地中海地区的4个港口为研究对象,指出欧盟层面推出的船舶在港排放控制政策能够有效降低港口大气中的SO质量浓度,平均降幅可达66%。陈鸿展等使用“碳平衡法”,通过对ECA政策实施前后实船排放数据的对比研究,指出使用低硫燃油后船舶污染物排放会不同程度地下降,进而证实了ECA政策的有效性,但该研究选取的实测船舶的数量少且未包含多种船型。李亚芳等利用卫星数据进行反演计算,得到了渤海地区大气中的SO质量浓度,通过分析比较实施ECA政策前后大气中的SO质量浓度的时空分布,认为设立环渤海ECA对保护海洋环境具有积极作用。

在引入计量经济学分析方法方面,WAN等采用双重差分法,通过对实验组和对照组的对比研究,证实了实施ECA政策能够降低港口城市大气中的SO质量浓度,还指出ECA政策的实施效果在不同地区具有一定的差异性。ZHANG等使用断点回归模型方法,研究了上海港实施ECA政策对上海市空气质量的影响,其结果证明实行ECA政策有助于降低上海市大气中日均SO质量浓度。章强等为探究ECA政策在我国不同港口实施的有效性,基于断点回归模型对ECA政策在上海港和天津港的实施效果进行了对比研究,结果表明实施ECA政策能有效降低港口城市大气中的SO质量浓度,ECA政策在我国不同地区表现出较好的普适性。尽管上述研究深入分析了ECA政策的有效性,并就政策实施效果的异质性进行了初步研究,但所选取的研究对象较少,沿海港口覆盖不足,对ECA政策实施效果的异质性研究还有待进一步加强。

就研究方法而言,面板数据是截面数据与时间序列数据的综合,依托面板数据既可以分析个体之间的差异,又可以分析个体的动态变化特征。面板数据模型在很多研究领域有着广泛的应用,其中也包括环境污染治理领域。例如,沙文兵等基于短面板数据,通过构建变截距固定效应模型研究了外商投资对工业废气排放的影响,结果显示,外商的直接投资对我国的生态环境具有负面影响,且外商直接投资对东、中、西部三大区域生态环境的负面效应呈现出明显的东高西低的梯度特征。金殿臣等采用面板数据固定效应模型探究了我国省级区域工业污染与工业增长的关系,指出我国大部分地区仍处于工业固体废物生成量随工业增长而不断增加的阶段。李婉红等利用短面板数据,通过建立变截距固定效应模型研究了环境规制强度对污染密集行业绿色技术创新的影响,研究结果显示,由于受经济和企业特征等多方面因素影响,环境规制政策不会对所有污染密集型行业形成有效规制。现有文献的研究成果充分表明,可以利用面板数据模型来研究评估ECA政策对城市空气质量的影响。

2.1 变量的选取与说明

本文旨在探究ECA政策在我国不同港口城市实施效果的异质性。鉴于ECA政策的主要内容在于限制船用燃油的含硫量以减少船舶的硫氧化物排放,进而改善港口城市的空气质量,为准确评估ECA政策对港口城市空气质量的影响,选取港口城市年均SO质量浓度作为被解释变量。核心解释变量为ECA政策变量,将其设为虚拟变量,港口城市实施ECA政策前该虚拟变量取值为0,实施政策后则取值为1。考虑到港口城市大气中的SO质量浓度除受船舶废气排放影响外,还主要受汽车尾气排放以及城市工业生产过程中废气排放的影响,结合相关数据的可获得性,本文将能够反映到港船舶规模的港口货物吞吐量、反映城市工业生产规模的第二产业产值占城市生产总值的比例和反映汽车尾气排放规模的城市民用汽车保有量作为控制变量引入最终模型。

2.2 样本选取与数据来源

选取2014—2019年我国28个沿海港口城市作为研究样本,通过构建短面板数据模型展开研究。选取的这28个沿海港口城市遍布我国五大港口群,港口及城市规模具有明显差异,有助于对ECA政策实施效果的异质性进行研究。各港口城市大气中年均SO质量浓度数据来自各城市历年《统计年鉴》和生态环境主管部门发布的年度数据,港口货物吞吐量、城市第二产业产值占城市生产总值的比例和城市民用汽车保有量数据来自各城市历年的《统计年鉴》,其中城市第二产业产值占城市生产总值的比例是通过采集到的第二产业产值和国民生产总值数据计算得出的。表1为相关变量的描述性统计结果。

表1 相关变量的描述性统计

2.3 模型形式设定前的检验

根据有无个体影响和结构变化,面板数据模型可以分为无个体影响的不变系数模型、有个体影响的变截距模型和有个体影响的变系数模型3种形式,分别表示为

式中:为截面个体,=1,2,…,;
为每个截面个体的观测时期,=1,2,…,;
为被解释变量;
和为截距项;
为解释变量;
和为变量系数;
为随机误差项。

为准确构建面板数据模型,首先需要明确是否存在个体影响。现假设==…=,==…=,若这个假设成立,则选用无个体影响的不变系数模型。本文利用Stata计量软件进行个体效应检验得到,在1%显著性水平上拒绝原假设,也即存在个体效应。由于个体效应可能以固定效应的形式存在,也可能以随机效应的形式存在,故需要对其进行进一步明确。本文采用豪斯曼检验来检验个体影响与解释变量之间的相关性,该检验的原假设为随机效应模型中个体影响与解释变量不相关。在该假设下,采用普通最小二乘法估计固定效应模型参数,采用广义最小二乘法估计随机效应模型参数,得到的估计参数都是无偏且一致的,不会有显著的差异。基于此,建立豪斯曼检验统计量:

=(-)(-)

(4)

式中:和分别表示最小二乘虚拟变量法(least squares dummy variable, LSDV)和可行广义最小二乘法(feasible generalized least squares, FGLS)所估计出的变量系数向量;
表示经LSDV或FGLS估计后得到的协方差矩阵。经检验,拒绝原假设,需要选用固定效应模型。由于变化的截距仅能反映面板数据模型中忽略的反映个体差异的变量的影响,而不能体现反映经济结构的相关解释变量系数随截面个体变化而产生的变化,所以需要进一步判别是选用固定影响变截距模型还是选用固定影响变系数模型。本文利用参数稳定性检验方法进行模型的最终选择,该检验的原假设为==…=;
经检验,拒绝原假设,故本文最终选用固定影响变系数模型。

2.4 模型的最终构建

经过上述一系列检验,选用固定影响变系数模型,具体形式为

=+1,+2,+3,+4,+

(5)

式中:=1,2,…,28分别代表28个港口城市;
=1,2,…,6分别代表2014—2019年间不同的观察年;
表示经对数处理后的各港口城市大气中年均SO质量浓度;
1,表示各港口城市ECA政策虚拟变量,为虚拟变量的系数;
2,、3,、4,分别表示经对数处理后的各港口城市的港口货物吞吐量、第二产业产值占城市生产总值的比例和城市民用汽车保有量,、、分别为对应的变量系数;
为扰动项;
为截距项。

对式(5)进行系统估计所需估计的参数较多,从而导致自由度的损失。为减少所需估计的参数的数量,同时考虑到本文重点是ECA政策实施对港口城市空气质量的影响,本文采用变系数模型中的部分变系数模型,即仅允许ECA政策虚拟变量系数依个体而变,而其余解释变量的系数不依个体变化而变化。此时,需要利用LSDV进行模型估计,在回归方程中引入个体虚拟变量以及个体虚拟变量与解释变量1,的交互项。=1表示第个观测个体,=0表示不是第个观测个体。因此,本文最终设定的估计模型为

(6)

3.1 面板数据回归分析

利用Stata计量软件对所构建的固定影响变系数模型进行估计,回归模型可决系数达0.835 4,表明模型拟合度较好。得到的各港口城市的截距项和ECA政策虚拟变量系数估计结果见表2。由表2可以看出:ECA政策在大多数沿海港口城市均表现出良好的实施效果,即体现ECA政策减排能力的虚拟变量系数的估计值在一定的显著性水平上为负数;
ECA政策在不同港口城市的实施效果表现出明显的异质性,例如,在盐城该系数估计值为-1.09,而在汕头该系数估计值仅为-0.001;
厦门、秦皇岛、唐山和中山这4个港口城市的政策虚拟变量系数估计值为负数,但不显著;
福州、东莞、珠海、湛江、北海这5个港口城市的政策虚拟变量系数估计值显著为正数,反映出ECA政策未能发挥出其降低城市大气中SO质量浓度的应有作用,对此将在后文进一步讨论。

表2 固定影响变系数模型参数估计结果

3.2 回归结果的稳健性检验

为确保实证研究结果的可靠性,需要对上述回归结果开展稳健性检验。在使用面板数据模型的研究中,子样本回归法常被用来进行结果的稳健性检验。

由于到港船舶数量与港口货物吞吐量密切相关,所以一般港口货物吞吐量较少的港口城市受船舶排放污染的影响相对较小,这会使得ECA政策的实施对这类城市空气质量的改善并不明显,可能会影响研究的准确性。现从28个港口城市中剔除年均港口货物吞吐量最少的5个港口城市滨州、威海、汕头、中山和北海,对其余的23个港口城市进行回归分析,得到的各港口城市的截距项和ECA政策虚拟变量系数估计结果见表3。由表3可以发现,政策虚拟变量系数显著为负数、不显著为负数和显著为正数的港口城市分布与表2结果总体保持一致,说明原实证研究结果具有稳健性。

表3 减少样本后的模型参数估计结果

从表2不难发现,ECA政策的实施效果在我国沿海城市表现出较为明显的地域差异。具体而言,ECA政策在环渤海地区的整体实施效果较为明显,其中最为明显的3个港口城市为东营、潍坊和天津,实施ECA政策后这3个港口城市大气中的SO质量浓度分别降低了0.834 6%、0.623 5%、0.598 0%。ECA政策在长三角地区的整体实施效果也较好,但不及在环渤海地区的实施效果,以上海和宁波为例,实施ECA政策后这2个港口城市大气中的SO质量浓度分别降低了0.290 2%和0.148 0%。相比环渤海地区和长三角地区,ECA政策在东南沿海、珠三角和西南沿海地区的实施效果表现出不稳定性,在部分港口城市表现出一定的减排成效,如深圳、广州和江门市大气中的SO质量浓度有一定程度的降低,但在部分港口城市如福州、珠海、北海则出现了统计意义上的不减反增现象。

除上述研究结果外,还要考虑到影响大气中SO质量浓度的因素是复杂且多元的,包括气候条件、社会经济结构等。对于很多城市,特别是第二产业即工业较为发达的城市,非金属矿物制品业、电力与热力的生产和供应业、黑色金属冶炼及压延加工业等是城市大气中SO的主要来源。近年来,我国沿海港口城市在实施ECA政策减少船舶排放的同时,也在不断加大工业减排力度。相比而言,北方环渤海地区港口城市的第二产业产值占城市生产总值的比例较大,如上文提及的东营、潍坊和天津在2014—2019年间第二产业产值占城市生产总值比例的平均值分别为60.34%、42.70%、42.75%,因此这些港口城市的大气污染物减排空间相对较大。在实施ECA政策前,东营、潍坊和天津市大气中年均SO质量浓度分别为50.25、40.50、31.67 μg/m,而位于珠三角地区的江门、深圳、广州市大气中年均SO质量浓度分别仅为16.00、8.33、14.00 μg/m。

模型估计结果显示,实施ECA政策使得大气中SO质量浓度不减反增的港口城市有5个,分别为福州、东莞、珠海、湛江和北海,这些港口城市的一个共同特征是在实施ECA政策前空气质量就长期保持良好水平。福州市空气质量排名近10年来一直在全国名列前茅,在实施ECA政策前的2014—2018年间,其年均SO质量浓度仅为6.6 μg/m。西南沿海的湛江和北海在实施ECA政策前的2014—2018年间年均SO质量浓度分别为10.40、9.80 μg/m,均处于较低水平。处于珠三角地区的东莞和珠海于2017年就开始实施ECA政策,而在实施ECA政策前就采取了“腾笼换鸟”等措施,将高污染、高能耗的企业外迁,这些措施使得大气污染物排放明显减少,城市空气质量显著提高。上述港口城市出现的统计意义上的不减反增现象可能有两个方面的原因,一是船舶废气排放在整个城市大气污染物排放中占比较小,二是这些城市空气质量整体上已保持在稳定的良好水平,ECA政策发挥成效的空间十分有限。

本文基于我国28个沿海港口城市的面板数据进行研究,结果显示ECA政策在大多数沿海港口城市均表现出良好的实施效果,能够起到降低大气中SO质量浓度的作用,进而改善城市空气质量,但ECA政策在不同地区的实施效果表现出一定的差异性。总体而言,在北方港口城市的减排效果整体上优于在南方港口城市的减排效果,这在很大程度上受气候条件、社会经济结构、现有空气质量等多重因素的影响。

鉴于ECA政策在船舶废气减排方面的积极表现,我国应继续坚持实施ECA政策,以2018年出台的《船舶大气污染物排放控制区实施方案》为基础,继续稳步推进现行ECA政策中关于硫氧化物和颗粒物排放控制要求的升级。针对ECA政策在不同地区的实施效果表现出的差异性,建议在未来ECA政策的实施过程中,采取分区域形式在不同地区实施具有一定差异化控制要求的ECA政策。

猜你喜欢 港口城市面板系数 第 一 季度AMOLED面板出货量京东方全球第二中国计算机报(2019年28期)2019-09-04小小糕点师娃娃乐园·3-7岁综合智能(2017年9期)2018-02-01苹果屋娃娃乐园·3-7岁综合智能(2017年8期)2018-02-01嬉水娃娃乐园·3-7岁综合智能(2017年7期)2018-02-01宁波港口与城市发展研究合作经济与科技(2017年6期)2017-03-13海上丝绸之路上港口与港口城市的互动发展机制研究财经理论与实践(2017年1期)2017-02-16面板厂商向大尺寸转移2015年LCD电视面板增长目标仅为3%消费电子(2014年12期)2014-12-20不要了环球时报(2013-02-08)2013-02-08Voice中学生天地·高中学习版(2012年3期)2012-03-27待定系数法在分解因式中的应用初中生·作文(2004年11期)2004-11-25

推荐访问:控制区 空气质量 排放