社科纵横稿件信息
基于季节效应的限行政策对北京市空气质量影响研究
周 梅 韩天赐
（北方工业大学理学院统计系，100144，北京）
摘 要：近年来北京地区的大气污染状况受到人们的广泛关注，政府也采取了限行等一系列措施。分析限行政策的施行是否对北京地区空气质量的改善有显著影响具有一定的现实意义。
本文以北京周边几个观测点数据和限行政策时刻为切入点，用双差分模型对限行政策效果进行实证，同时考虑到季节效果；发现限行政策确实有助于空气质量的改善，但并非决定性因素；建议有关部门形成系统性的政策方案，更加有效地改善空气质量。
1 引言
最近几年北京及其周边地区空气污染问题变得愈发严重，政府对北京地区的空气污染问题的重视程度得到不断提升，因此提出了汽车尾号限行政策等一系列措施。
本文主要是对北京2017年限行政策和主要城区污染情况进行相关性分析，同时还分析在不同季节下限行政策的实施效果。
2.1指标的选取和数据来源
根据北京市气象局公布的2017年实时数据，本文选用东四空气站点作为实验组，定陵站点作为对照组进行研究；解释变量采用虚拟变量的形式，对不同时间段建立时间虚拟变量，对不同的组别建立分组虚拟变量；指标则使用官方公布的AQI，PM2.5，PM10等浓度作为空气污染程度的指标。
AQI作为评判空气质量的综合指标可以很清晰的判别空气质量的高低。然而综合指标很容易让人忽略其他次污染物的变化情况，因此为避免上述问题的出现，下文将对空气中6种主要空气污染物进行逐个分析，从而判断限行政策以及季节效应下，空气中主要污染物的变化情况。同时我们将尽可能地去探索在不同季节下车辆限行政策对空气质量的改善效果是否显著。
2.2车辆尾号限行对空气质量影响分析
为考察北京市车辆限行政策对北京地区空气质量的影响，我们选用考察政策效果时所使用的双重差分计量模型。
实验组选用北京市东四站点的实时监测数据，对照组则采用定陵站点数据作为对照。首先我们要建立虚拟变量，记样本的分组变量为
，实验组即东四为
，对照组即定陵为
；同时建立时间虚拟变量，记所有样本的时间变量为
，由于所得到的数据样本有限，没有得到政策实施以前的样本数据，因此选择周末、法定假日和工作日的非限行时段为未实施政策时间，工作日限行时段为实施政策时间。因此非限行时段
，而限行时段
，从而表明政策冲击是否发生。
然后建立双差分估计量
，即时间虚拟变量和分组虚拟变量二者之间的乘积我。我们所研究的主要目标就是判断
的影响是否显著，因此将模型建立为：
|
|
|
（2.1） |
我们认为定陵和东四二者之间地理位置上虽然相隔一定距离，但是从二者空气质量的影响因素来看，在同一时间段内，影响因素应相近。因此在模型中，我们假定个体差异的控制变量
。而由于双重差分模型成立的基本条件为：
|
|
|
（2.2） |
要保证上述条件的成立，必须实现分组与实验的随机性。使虚拟变量成为外生变量。从而得到实验处理的政策效应
即：
|
|
|
（2.3） |
由政策效果可知，如果
，则说明限行政策对空气质量有正向效果，如果
则说明有负效果，而
则说明没有政策效果。
我们对所建立的方程进行拟合分析，利用统计软件首先得出方程的联合检验情况
|
表2.1 方程联合检验 |
||||||
|
模型 |
平方和 |
df |
均方 |
F |
Sig. |
|
|
|
回归 |
1561700.177 |
3 |
520566.726 |
112.845 |
.000 |
|
残差 |
78446222.039 |
17005 |
4613.127 |
|
|
|
|
总计 |
80007922.216 |
17008 |
|
|
|
|
从表2.1中易知方程联合F检验的结果为112.85，P值小于0.05，说明方程的线性关系显著，可以做进一步分析。
继续对方程中各个系数进行T检验，得到结果如下：
|
表2.2 双差分方程系数检验 |
||||||
|
模型 |
非标准化系数 |
标准系数 |
t |
Sig. |
||
|
B |
标准 误差 |
试用版 |
||||
|
|
(常量) |
70.752 |
.936 |
|
75.629 |
.000 |
|
dt |
3.660 |
1.500 |
.026 |
2.440 |
.015 |
|
|
dj |
21.984 |
1.333 |
.160 |
16.493 |
.000 |
|
|
|
-8.387 |
2.136 |
-.048 |
-3.926 |
.000 |
|
由表2.2可知，所有解释变量系数的T检验的P值均小于0.05，因此可以说方程的系数均显著。
我们重点考察的是限行政策的效果，因此对
的系数即
最为关注。从结果来看，
小于0，说明存在负的效果，证明空气质量综合指标AQI与北京市车辆限行政策存在负相关，也就是说机动车限行政策使北京地区空气质量得到了有效改善。
下一步，我们要对限行政策的施行对空气中主要污染物的影响效果进行逐一分析。
表2.3 空气主要污染物双差分模型系数以及T检验结果
|
主要污染物 |
|
T |
Sig |
|
PM2.5 |
-6.992 |
-3.581 |
.000 |
|
PM10 |
-18.518 |
-6.758 |
.000 |
|
SO2 |
-1.1912 |
-5.985 |
.000 |
|
NO2 |
-10.616 |
-12.885 |
.000 |
|
O3 |
4.47 |
2.702 |
.007 |
|
CO |
-.093 |
-3.550 |
.000 |
表2.3显示，除臭氧以外，对其他污染物都存在负的相关性，说明限行政策的实施，降低了空气中主要污染物浓度。只是在显著性水平是0.001时，臭氧的T检验结果不显著，可见限行政策对臭氧的影响无法通过双差分模型进行考察。
综上分析我们可以判断出，北京地区车辆限行政策对空气质量存在显著影响，空气中主要污染物浓度在限行期间均呈现下降趋势。说明北京地区车辆限行政策对空气质量的改善存在积极影响。
2.3北京地区空气质量的季节效应
为考察不同季节北京的空气质量是否会有所不同，我们对空气中污染物进行单因素方差分析，试图判断各污染物之间在不同季节下是否存在显著差异。
|
表2.4 空气主要污染物单因素方差分析 |
||||||
|
|
平方和 |
df |
均方 |
F |
显著性 |
|
|
PM2.5/(μg/m3) |
组间 |
49106.178 |
3 |
16368.726 |
5.497 |
.001 |
|
组内 |
1074968.030 |
361 |
2977.751 |
|
|
|
|
总数 |
1124074.208 |
364 |
|
|
|
|
|
PM10/(μg/m3) |
组间 |
93904.156 |
3 |
31301.385 |
5.751 |
.001 |
|
组内 |
1964952.211 |
361 |
5443.081 |
|
|
|
|
总数 |
2058856.367 |
364 |
|
|
|
|
|
SO2/(μg/m3) |
组间 |
6569.814 |
3 |
2189.938 |
41.765 |
.000 |
|
组内 |
18928.789 |
361 |
52.434 |
|
|
|
|
总数 |
25498.603 |
364 |
|
|
|
|
|
CO/(mg/m3) |
组间 |
33.394 |
3 |
11.131 |
20.173 |
.000 |
|
组内 |
199.198 |
361 |
.552 |
|
|
|
|
| ||||||
