双重差分模型在政策环境评价中的应用研究以农业支持保护补贴政策为例

刘婷, 徐鹤

刘婷,徐鹤.双重差分模型在政策环境评价中的应用研究:以农业支持保护补贴政策为例[J].环境工程技术学报,2022,12(6):1838-1844. DOI: 10.12153/j.issn.1674-991X.20220537
引用本文: 刘婷,徐鹤.双重差分模型在政策环境评价中的应用研究:以农业支持保护补贴政策为例[J].环境工程技术学报,2022,12(6):1838-1844. DOI: 10.12153/j.issn.1674-991X.20220537
LIU T,XU H.Application of difference-in-differences model in policy-based strategic environmental assessment: taking policy for agricultural support and protection subsidy as an example[J].Journal of Environmental Engineering Technology,2022,12(6):1838-1844. DOI: 10.12153/j.issn.1674-991X.20220537
Citation: LIU T,XU H.Application of difference-in-differences model in policy-based strategic environmental assessment: taking policy for agricultural support and protection subsidy as an example[J].Journal of Environmental Engineering Technology,2022,12(6):1838-1844. DOI: 10.12153/j.issn.1674-991X.20220537

双重差分模型在政策环境评价中的应用研究—以农业支持保护补贴政策为例

详细信息
    作者简介:

    刘婷(1992—),女,讲师,主要研究方向为环境影响评价、环境经济,1226691581@qq.com

    通讯作者:

    徐鹤(1971—),男,教授,主要研究方向为环境影响评价、环境管理与环境经济,seacenter@nankai.edu.cn

  • 中图分类号: X820

Application of difference-in-differences model in policy-based strategic environmental assessment: taking policy for agricultural support and protection subsidy as an example

  • 摘要:

    政策环境评价是环境影响评价体系的重要组成部分,开展其方法研究对政策环境评价制度完善及实践开展至关重要。双重差分(DID)是计量领域用于政策效果评估的主流方法之一,以农业支持保护补贴政策为例,采用多期DID评估该政策对农业面源污染的影响,探究DID在政策环境评价中的适用性。结果表明,DID在政策环境评价中具有较好的适用性,可用于政策实施后的环境影响评价和政策实施前相关政策的回顾性评价。未来应加强政策环境评价的技术方法研究,形成统一完善的技术方法体系,以促进政策环境评价制度的构建与实践的开展。研究发现,政策设计上环境利好的农业支持保护补贴政策在研究区域对农业面源控制的正向影响并不显著,甚至刺激农户施用更多农药,产生了负面影响。

    Abstract:

    Policy-based strategic environmental assessment (policy-based SEA) is an important part of the environmental impact assessment system. It is very important to carry out the method research of policy-based SEA for its system improvement and practice. Difference-in-differences (DID) is one of the main methods used to evaluate policy effects in econometrics. Taking the policy of agricultural support and protection subsidy as an example, multi-period DID was used to evaluate the impact of the policy on agricultural non-point source pollution, and explore the applicability of DID in policy-based SEA. This study found that DID had good applicability in policy-based SEA. In addition to the environmental impact assessment of post-implementation policies, DID could also be used for the retrospective evaluation of the relevant policies of pre-implementation policies. In the future, the research on technical methods of policy-based SEA should be strengthened, and a unified technical method system should be formed to promote the construction and improvement of policy-based SEA system. In addition, it was found that although the policy for agricultural support and protection subsidy was a favorable policy for environment, its positive impact on agricultural non-point source pollution was not significant, and even stimulated farmers to use more pesticides, resulting in a negative environmental impact.

  • 政策环境评价是战略环境评价在政策层面的应用,是环境影响评价体系的重要组成部分。目前,在我国的环境影响评价体系中,政策环境评价尚处于缺位状态,关于经济和技术政策环境评价的顶层设计依然不足[1]。为促进环境影响评价体系完善,自2014年起,我国先后在《中华人民共和国环境保护法》《重大行政决策程序暂行条例》《中央和国家机关有关部门生态环境保护责任清单》等法律法规中纳入了政策环境评价相关条款[2-3]。2020年生态环境部出台了《经济、技术政策生态环境影响分析技术指南(试行)》(环办环评函〔2020〕590号),为政策环境影响分析工作提供技术支持。这些法律法规及技术指南的出台为我国政策环境评价制度的构建与实践的开展提供了政策保障。随着这些政策的出台,我国也先后开展了多项试点研究工作。2014年新环保法出台后,生态环境部环境工程评估中心联合各高校及科研院所开展了重大社会经济政策环境评价研究试点工作;2020年《经济、技术政策生态环境影响分析技术指南(试行)》出台后,生态环境部环境影响评价与排放管理司组织进一步开展了相关试点研究工作,在2021年共组织开展了7项国家层面与10项省级层面的试点项目。政策环境评价试点项目的开展除针对相关政策开展实践研究外,也重在探索适合中国政策环境评价的模式框架与技术方法。这是政策环境评价制度确立与实践开展的基础,但目前相关研究仍存在些许不足。为此,笔者就其中的政策环境评价技术方法进行探讨,通过案例探究具体方法在政策环境评价中的适用性。

    与传统项目环境影响评价和规划环境影响评价不同,政策环境评价面向的不是一时一地、一个领域的个案[4],而是宏观地涉及政治、文化、社会、经济、技术等诸多领域的政策决策,其可能产生的环境影响具有广泛性、综合性、间接性、累积性、复杂性等特点。因此,在政策环境评价中,采用传统环境影响评价的方法具有一定局限性,应选择评估范围更广泛的方法,如经济学、管理学、政治学等跨学科的方法[5]。在现有研究中,一些适用于宏观层面的方法已被应用到政策环境评价中,如一般均衡模型[6]、情景分析[6]、投入产出分析[7]、综合指标分析[8]、多准则分析[9]、系统动力学[10]、生命周期分析[10]、成本效益分析[11]等。这些方法在政策环境评价中表现出了良好的适用性,其主要应用于政策环境影响的预测评价。然而政策环境评价中,由于政策的延续性强,除预测评价外,政策实施后的环境影响回顾评价亦非常重要,目前尚未涉及。就技术方法而言,上述所提及的评价方法虽在政策环境影响的预测评价中有良好适用性,但应用于政策环境影响的回顾评价则具有一定局限性。原因在于上述方法均难以有效剥离其他干扰因素的影响,准确识别及量化和评价政策实施所造成的环境影响。

    与上述方法相比,双重差分(difference-in-differences,DID)模型在个体和时间2个维度上进行差分,可较有效地克服传统政策评估方法的内生性问题[12],准确识别政策影响。目前,DID已被广泛应用于公共政策评估,其在环境领域也颇受欢迎,被大量应用于低碳发展[13]、绿色农业[14]、水资源保护[15]、大气污染防控[16]等资源环境相关政策的评估中。DID模型作为政策效果评估的有力工具,为精准量化评估政策实施的环境影响提供了参考方法。鉴于此,笔者以2015年改革实施的农业支持保护补贴政策为例,采用DID模型评估政策改革实施对中国当前水环境的重要污染源之一——农业面源污染[17]的影响。在此基础上,探讨DID模型在政策环境评价中的适用性,以期丰富政策环境评价的方法研究。

    农业支持保护补贴政策是2015年由财政部和农业部联合发文(《关于调整完善农业三项补贴政策的指导意见》财农〔2015〕31号)提出的。该补贴是由原农业“三项补贴”(农作物良种补贴、种粮农民直接补贴和农资综合补贴)合并调整得到的。此后相关部门又出台了《关于全面推开农业“三项补贴”改革工作的通知》(财农〔2016〕26号)、《农业支持保护补贴资金管理办法》(财农〔2016〕74号)等政策。2017年中央一号文件强调要深入推进农业“三项补贴”制度改革,进一步提高农业补贴政策的指向性和精准性。这些均为农业“三项补贴”政策改革工作的推进和改革后政策的落实提供了政策支撑。

    改革后的农业支持保护补贴政策包括耕地地力保护补贴和粮食适度规模经营补贴2个部分,其政策目标为加强耕地地力保护和促进粮食适度规模经营。改革后的农业支持保护补贴政策是一个利好农业生态环境的政策,诸多文件强调其实施要以绿色生态为导向,要通过补贴鼓励农户采取多种措施,创新方式方法,提高农作物秸秆综合利用水平,引导农民综合采取秸秆还田、深松整地、减少化肥农药用量、施用有机肥等措施,切实加强耕地质量保护,自觉提升耕地地力。从上述内容来看,农业支持保护补贴政策对农业生态环境的影响主要聚焦在耕地数量、农业废物回收与综合利用、农业面源污染等方面。为此,笔者采用DID模型评估农业支持保护补贴政策改革实施的环境影响,同时基于数据的可获取性,主要评估其对农业面源污染的影响。

    农业支持保护补贴政策自2015年起在试点区域(山东、浙江、安徽、湖南、四川)实行,2016年实施范围扩大到全国。在资料查找和梳理的过程中,发现河南省也于2015年实施了农业支持保护补贴政策。为此,选择山东、河南、河北和湖北4省的地级市为研究区域,各地实施政策的时间如表1所示。

    表  1  样本选择及分组情况
    Table  1.  Sample selection and grouping
    具体区域政策实施年份
    山东省枣庄市、济南市、德州市、济宁市、临沂市、青岛市、泰安市、威海市、淄博市、菏泽市、烟台市、莱芜市、滨州市、东营市、聊城市、日照市2015
    河南省郑州市、开封市、洛阳市、平顶山市、安阳市、鹤壁市、新乡市、焦作市、濮阳市、许昌市、漯河市、三门峡市、商丘市、周口市、驻马店市、南阳市、
    信阳市、济源市
    2015
    河北省石家庄市、唐山市、秦皇岛市、邯郸市、邢台市、保定市、张家口市、承德市、沧州市、廊坊市、衡水市2016
    湖北省武汉市、黄石市、十堰市、宜昌市、襄阳市、鄂州市、荆门市、孝感市、荆州市、黄冈市、咸宁市、随州市、恩施土家族苗族自治州、仙桃市、潜江市、
    天门市、神农架地区
    2016
    下载: 导出CSV 
    | 显示表格

    由于农业支持保护补贴政策于2015年在试点实施,2016年在全国范围内实施,因此选择所有个体都进入试验组的多期DID模型来评估政策效应。评价时段为2010—2018年。设定的模型如下:

    $$ {\rm{{Poll\_agr}}}_{it}=\alpha +\beta \times{D}_{it}+{A}_{i}+{B}_{t}+\gamma \times {z}_{it}+{\varepsilon }_{it} $$ (1)

    式中:it分别表示城市和年份(个体和时间);${\rm{{Poll\_agr}}}_{it}$为解释变量;$ {A}_{i}\mathrm{和}{B}_{t} $分别为城市和年份虚拟变量的向量,分别表征个体和时间固定效应;zit为控制变量;${\varepsilon }_{it}$为随机扰动项;$ {D}_{it} $为虚拟变量,在各地级市实施政策的当年及其之后该变量取值为1,否则为0;$\alpha $$ \;\beta $$\gamma $为待估参数。

    着眼于系统性、科学性和简明性的原则,参考农业面源污染相关研究[18-20],选取11项研究变量,具体如表2所示。

    表  2  变量及其定义
    Table  2.  Variables and definitions
    变量性质子指标变量名称符号变量说明
    被解释
    变量
    农业面源污染指标化肥施用强度/(kg/hm2fer单位面积化肥施用量,化肥使用量(折纯量)/农作物种植总面积
    农药使用强度/(kg/hm2pes单位面积农药施用量,农药使用量(折纯量)/农作物种植总面积
    总氮产生强度/(kg/hm2TN单位面积总氮产生量,总氮产生量/农作物种植总面积
    总磷产生强度/(kg/hm2TP单位面积总磷产生量,总磷产生量/农作物种植总面积
    控制变量生产要素替代农业劳动力投入强度/(人/hm2lab单位面积劳动力投入量,农业劳动力数量/农作物种植总面积
    农业机械投入强度/(kW/hm2mac单位面积机械劳动力投入量,机械化总动力总量/农作物种植总面积
    灌溉水平/%irr灌溉面积/农作物种植总面积
    劳动生产经验上一年农村居民家庭人均
    收入/(元/人)
    inc全部折算为2009年不变价
    上一年粮食单产/(kg/hm2yie上一年单位面积粮食产量,上一年粮食总产量/上一年粮食种植面积
    种植结构种植结构/%str粮食种植面积/农作物种植总面积
    虚拟变量政策虚拟变量treat_time各地级市实施政策的当年及其之后该变量取值为1,否则为0
      注:在后续模型估计中,表中变量除种植结构和灌溉水平外,其他均转换为对数形式。
    下载: 导出CSV 
    | 显示表格

    被解释变量:在选取典型农业面源污染表征指标(单位面积化肥施用量和单位面积农药施用量)作为被解释变量的同时,考虑到化肥过量施用引起的主要是氮、磷污染,参考罗斯炫等[20]的研究,增加单位面积氮污染物产生量和单位面积磷污染物产生量作为被解释变量。其计算公式如下:

    $$ \mathrm{P}\mathrm{o}\mathrm{l}\mathrm{l}=\sum _{n}{F}_{n} \times{\partial }_{n} $$ (2)

    式中:Poll为单位面积氮污染或磷污染物产生量,kg/hm2Fn为单位面积第n种肥料的施用量,kg/hm2$ {\partial }_{n} $为第n种肥料单位面积上的产污系数,具体如表3所示。

    表  3  氮肥、磷肥、复合肥产污系数[20]
    Table  3.  Pollution production coefficient of nitrogen fertilizer, phosphate fertilizer and compound fertilizer
    污染物氮肥磷肥复合肥
    TN100.33
    TP00.440.15
    下载: 导出CSV 
    | 显示表格

    控制变量:从生产要素替代、劳动生产经验借鉴和种植结构3个方面,选取了农业劳动力投入强度、农业机械投入强度、灌溉水平、上一年粮食单产、上一年农村居民家庭人均纯收入和种植结构作为控制变量。

    虚拟变量:treat_time为研究关注的虚拟变量,其系数$\; \beta $表示实施改革后的政策对所选择的各农业面源指标的影响。

    数据主要来自于2011—2019年的《山东统计年鉴》《河北农业农村统计年鉴》《河北经济统计年鉴》《河南统计年鉴》《湖北统计年鉴》,以及山东、河北、河南和湖北的各地级市统计年鉴。

    参考Beck等[21]的研究进行平行趋势检验,结果如图1所示。采用全部时间段的数据,其中处理前有5期,处理后有3期。从图1可以看出,在政策实施的前5期,虚拟变量的系数均在0值上下波动,且与0值没有显著差异,表明满足平行趋势假设。

    图  1  平行趋势检验
    Figure  1.  Results of the parallel trend test

    控制了双向固定效应之后的多期双重差分结果如表4所示。其中,单数列为没有增加控制变量的回归结果,双数列为增加了控制变量的回归结果。由列(1)~(6)中treat_time的系数β可知,无论是否加入控制变量,农业支持保护补贴政策的改革对单位面积化肥施用强度(ln fer)、总氮产生强度(ln TN)和总磷产生强度(ln TP)的处理效应在统计上均不显著。说明农业支持保护补贴政策的改革实施并没有对化肥的使用强度、总氮和总磷的产生强度产生明显影响。从农药使用强度(ln pes)来看,不论是否增加控制变量,其treat_time的系数β都在5%的水平上显著为正,说明就所研究区域而言,农业支持保护补贴改革后农药的使用强度增大了。比较ln pes的treat_time系数β可知,在增加控制变量后,β虽略有下降,但农业支持保护补贴政策的改革实施对农药施用强度的正向影响依然显著。

    表  4  多期双重差分结果
    Table  4.  Results of multi-period DID
    项目(1)(2)(3)(4)(5)(6)(7)(8)
    ln ferln ferln TNln TNln TPln TPln pesln pes
    treat_time−0.010
    (0.044)
    −0.022
    (0.046)
    0.043
    (0.070)
    0.023
    (0.066)
    0.065
    (0.061)
    0.059
    (0.056)
    0.044**
    (0.018)
    0.035**
    (0.016)
    str__−0.076
    (0.373)
    __−0.362*
    (0.192)
    __−0.243
    (0.242)
    __−0.498**
    (0.246)
    irr__0.152
    (0.191)
    __−0.104
    (0.082)
    __−0.130
    (0.075)
    __0.063
    (0.139)
    ln mac__0.012
    (0.045)
    __0.005
    (0.040)
    __0.071
    (0.052)
    __−0.069
    (0.038)
    ln lab__−0.111
    (0.204)
    __0.226*
    (0.123)
    __0.162
    (0.103)
    __0.082
    (0.061)
    ln in__−0.082
    (0.069)
    __−0.154**
    (0.074)
    __0.004
    (0.087)
    __−0.109
    (0.075)
    ln yie__−0.107
    (0.334)
    __0.082
    (0.298)
    __−0.007
    (0.337)
    __0.152
    (0.100)
    常数项6.025***
    (0.058)
    8.461***
    (2.490)
    5.438***
    (0.069)
    4.940
    (3.212)
    3.882***
    (0.06)
    2.871
    (3.052)
    2.300***
    (0.022)
    1.942
    (1.590)
    R20.0260.0440.0220.0470.0340.0520.3020.372
    样本数566563562560562560538536
      注:单数列(1)、(3)、(5)、(7)为没有增加控制变量的回归结果,双数列(2)、(4)、(6)、(8)为增加了控制变量的回归结果。******分别表示待估系数在1%、5%、10%水平上显著;括号内数字为标准误差。表5同。
    下载: 导出CSV 
    | 显示表格

    从双重差分的结果来看,尽管政策是向环境利好方向改革,但改革之后的农业支持保护补贴政策在面源污染的控制上并没有达到政策预期的效果,甚至出现了与政策导向相反的结果,即改革后的农业支持保护补贴促进农户增大农药施用强度。

    根据多期双重差分的结果,政策的改革及其实施会增大农药施用强度。为验证该估计结果的稳健性,采用时间反事实检验进行了安慰剂检验。在保证其他变量不变的情况下,将政策发生的时间分别提前1年、2年进行估计。安慰剂检验结果如表5所示。

    表  5  安慰剂检验结果
    Table  5.  Results of placebo test
    项目政策执行时间提前1年政策执行时间提前2年
    无控制变量有控制变量无控制变量有控制变量
    treat_time0.023
    (0.019)
    0.025
    (0.019)
    −0.004
    (0.016)
    0.001
    (0.018)
    str__−0.506 **
    (0.244)
    __−0.503 **
    (0.246)
    irr__0.078
    (0.135)
    __0.067
    (0.140)
    ln mac__−0.072*
    (0.039)
    __−0.070*
    (0.039)
    ln lab__0.075
    (0.063)
    __0.083
    (0.061)
    ln inc__−0.111
    (0.075)
    __−0.114
    (0.076)
    ln yie__0.159
    (0.099)
    __0.149
    (0.101)
    常数项2.321***
    (0.026)
    1.973
    (1.588)
    2.348***
    (0.024)
    2.055
    (1.61)
    R20.2990.3700.2980.368
    样本数538536538536
    下载: 导出CSV 
    | 显示表格

    表5可见,不论政策提前1年还是2年实施,treat_time的系数β均不显著,说明表4中ln pes关于农药施用强度的多期双重差分的估计结果稳健、可信。

    从多期双重差分的结果来看,改革之后的农业支持保护补贴政策对化肥施用没有产生明显影响,但会刺激农户增大农药施用强度。对此参考彭慧蓉[22]研究中实际调研的数据,本文认为多数地区农户可获得补贴与改革之前3项补贴的总和相比明显增多,而补贴的增多会促使农户增大生产要素投入量。

    采用多期DID模型评估农业支持保护补贴政策改革实施对农业面源污染的影响,结果表明,DID在政策环境评价中具有一定适用性。具体体现在以下几方面:1)DID作为因果推断的典型方法,可以排除其他因素的干扰,精准识别与量化事件影响。其应用于政策环境评价中,可以准确识别政策的环境影响。2)DID除评估政策的环境影响外,还可以评估政策的社会、经济影响,利于应用于政策环境评价中开展政策的社会、经济及环境综合影响评价。3)DID除用于已实施政策的环境影响评价外,也可用于政策决策过程中的环境影响评价,其主要是用于相关政策的回顾性评价。可根据对相关政策影响的回顾性评价,对比目标政策的内容,为目标政策的优化提供建议。4)DID存在多种变形,如多期DID、反向DID等,可应用于不同实施状况的政策的环境影响分析,其可应用范围相对较广。

    以DID为代表的因果推断方法使政策环境影响的精确量化成为可能,为政策的事后评估提供了强有力的方法支撑,有助于提升政策环境评价的质量。未来应进一步推进DID、合成控制法、断点回归等因果推断模型在政策环境评价中的应用。与此同时开展其他方法的应用研究,基于政策的复杂性、综合性等特点,借鉴社会学、管理学、经济学、计量学等各学科的研究方法开展政策环境评价的方法研究,形成统一完善的技术方法体系。

    结合前述分析及研究过程中开展的农户调研情况,就政策对农业面源污染控制效果不显著甚至产生负面影响的原因进行了分析。

    (1)政策无法解决农户进行农药化肥减量化、绿色化所面临的关键问题。通过调研了解到农户对农药化肥过度使用的现状及危害已经有了较为清晰的认识,但农户仍选择大量使用农药化肥来保障稳产增收。从农户视角来看,一方面是农业生产行为存在惯性,对农药化肥有极强依赖性;另一方面,农户认为绿色农药化肥成本高,且对其使用效果存在质疑。从深层次来看,一方面是现有的农业面源污染控制的相关技术和产品无法满足农户的需求,价廉且有效是农户是否采纳新产品和新技术的关键;另一方面是目前的农业生产管理和现代化水平较低,难以有效推动传统农业生产方式的转变,促进政策效能发挥。

    (2)政策对于农户农药化肥施用行为缺乏约束力。尽管农业支持保护补贴政策切实涉及到了农业生态环境保护,但除耕地数量外,国家和地方政策鲜少与其他农业生态环境问题挂钩。关于农药化肥的减量化、绿色化,目前仅少数区域提出了有针对性的限制要求或鼓励条件作为补贴发放的依据,多数区域仅作为优化条件提出,并不会对农户的具体行为产生约束或激励的作用。而设置了限定要求或鼓励条件的区域,往往由于无法有效监督和核实实际效果,也难以具有实质性的作用。

    (3)政策在实施过程中宣传不到位。从以上分析可以看出,因农业支持保护补贴政策未涉及农业面源污染防控的关键问题,且在农药化肥减量化、绿色化问题上不具约束性和激励作用,因此其在农业面源污染防控上的作用仅可能通过政策的引导作用发挥。然而研究发现调研地区农户对农业支持保护补贴的知晓度和了解度均不高,在294户调研农户中,约有30%的农户对其完全不了解。而且绝大多数知道农业支持保护补贴政策的农户,对政策的具体内容并不清楚。这与地方政府的政策宣传不到位有关。政府宣传是农户了解政策的重要途径,但从被调研农户来看,仅约1/3的农户是通过政府的宣传知道和了解政策的。政府宣传强度弱、解读不到位等影响了政策对于农业生态环境保护的有效引导。

    (1)采用多期DID模型评估农业支持保护补贴政策改革实施对农业面源污染的影响,研究发现,DID在宏观层面的政策环境评价中具有良好适用性,为政策环境影响的量化评估提供了有价值的方法。未来应进一步探索DID等因果推断方法在政策环境评价中的应用。

    (2)农业支持保护补贴政策在政策设计上利好资源环境,但自其实施以来,对所评价区域农业面源污染的防控并未产生明显正向影响,甚至在农药的施用上产生了负面影响。

    (3)从农业支持保护补贴政策的内容与其实施过程来看,尽管该政策强调农药化肥减量化和清洁化,但并未触及制约农户农药化肥减量化和清洁化的关键问题,缺乏针对性。此外,农户对于政策的知晓度和了解度均不高,政策无法起到引导农户行为的作用,甚至补贴金额的增大会刺激农户增大农药使用量。

    未来要提升农业支持保护补贴政策在农业面源污染控制上的作用,可从以下几方面着手:1)因势利导将农户农药化肥减量化、绿色化的意愿转化为积极行动,这需要在推行农业支持保护补贴政策的同时,大力推动与农药化肥减量化、绿色化相关的更具针对性的政策,形成政策合力。2)加强农业技术和产品创新,以技术和产品解决农业收益与农业生态环境改善难以并重的问题;与此同时,提高农业生产管理和现代化水平,打通政策实施路径,为政策的有效实施提供保障。3)设立一些试点区域,将农业支持保护补贴的发放与农药化肥减量化、绿色化挂钩,提升政策效能。4)各级政府应认真贯彻落实农业支持保护补贴政策,积极宣传农业生态环境保护,提高农户农业生态环境保护的认知,促使农户积极参与农药化肥的减量化、绿色化。

  • 图  1   平行趋势检验

    Figure  1.   Results of the parallel trend test

    表  1   样本选择及分组情况

    Table  1   Sample selection and grouping

    具体区域政策实施年份
    山东省枣庄市、济南市、德州市、济宁市、临沂市、青岛市、泰安市、威海市、淄博市、菏泽市、烟台市、莱芜市、滨州市、东营市、聊城市、日照市2015
    河南省郑州市、开封市、洛阳市、平顶山市、安阳市、鹤壁市、新乡市、焦作市、濮阳市、许昌市、漯河市、三门峡市、商丘市、周口市、驻马店市、南阳市、
    信阳市、济源市
    2015
    河北省石家庄市、唐山市、秦皇岛市、邯郸市、邢台市、保定市、张家口市、承德市、沧州市、廊坊市、衡水市2016
    湖北省武汉市、黄石市、十堰市、宜昌市、襄阳市、鄂州市、荆门市、孝感市、荆州市、黄冈市、咸宁市、随州市、恩施土家族苗族自治州、仙桃市、潜江市、
    天门市、神农架地区
    2016
    下载: 导出CSV

    表  2   变量及其定义

    Table  2   Variables and definitions

    变量性质子指标变量名称符号变量说明
    被解释
    变量
    农业面源污染指标化肥施用强度/(kg/hm2fer单位面积化肥施用量,化肥使用量(折纯量)/农作物种植总面积
    农药使用强度/(kg/hm2pes单位面积农药施用量,农药使用量(折纯量)/农作物种植总面积
    总氮产生强度/(kg/hm2TN单位面积总氮产生量,总氮产生量/农作物种植总面积
    总磷产生强度/(kg/hm2TP单位面积总磷产生量,总磷产生量/农作物种植总面积
    控制变量生产要素替代农业劳动力投入强度/(人/hm2lab单位面积劳动力投入量,农业劳动力数量/农作物种植总面积
    农业机械投入强度/(kW/hm2mac单位面积机械劳动力投入量,机械化总动力总量/农作物种植总面积
    灌溉水平/%irr灌溉面积/农作物种植总面积
    劳动生产经验上一年农村居民家庭人均
    收入/(元/人)
    inc全部折算为2009年不变价
    上一年粮食单产/(kg/hm2yie上一年单位面积粮食产量,上一年粮食总产量/上一年粮食种植面积
    种植结构种植结构/%str粮食种植面积/农作物种植总面积
    虚拟变量政策虚拟变量treat_time各地级市实施政策的当年及其之后该变量取值为1,否则为0
      注:在后续模型估计中,表中变量除种植结构和灌溉水平外,其他均转换为对数形式。
    下载: 导出CSV

    表  3   氮肥、磷肥、复合肥产污系数[20]

    Table  3   Pollution production coefficient of nitrogen fertilizer, phosphate fertilizer and compound fertilizer

    污染物氮肥磷肥复合肥
    TN100.33
    TP00.440.15
    下载: 导出CSV

    表  4   多期双重差分结果

    Table  4   Results of multi-period DID

    项目(1)(2)(3)(4)(5)(6)(7)(8)
    ln ferln ferln TNln TNln TPln TPln pesln pes
    treat_time−0.010
    (0.044)
    −0.022
    (0.046)
    0.043
    (0.070)
    0.023
    (0.066)
    0.065
    (0.061)
    0.059
    (0.056)
    0.044**
    (0.018)
    0.035**
    (0.016)
    str__−0.076
    (0.373)
    __−0.362*
    (0.192)
    __−0.243
    (0.242)
    __−0.498**
    (0.246)
    irr__0.152
    (0.191)
    __−0.104
    (0.082)
    __−0.130
    (0.075)
    __0.063
    (0.139)
    ln mac__0.012
    (0.045)
    __0.005
    (0.040)
    __0.071
    (0.052)
    __−0.069
    (0.038)
    ln lab__−0.111
    (0.204)
    __0.226*
    (0.123)
    __0.162
    (0.103)
    __0.082
    (0.061)
    ln in__−0.082
    (0.069)
    __−0.154**
    (0.074)
    __0.004
    (0.087)
    __−0.109
    (0.075)
    ln yie__−0.107
    (0.334)
    __0.082
    (0.298)
    __−0.007
    (0.337)
    __0.152
    (0.100)
    常数项6.025***
    (0.058)
    8.461***
    (2.490)
    5.438***
    (0.069)
    4.940
    (3.212)
    3.882***
    (0.06)
    2.871
    (3.052)
    2.300***
    (0.022)
    1.942
    (1.590)
    R20.0260.0440.0220.0470.0340.0520.3020.372
    样本数566563562560562560538536
      注:单数列(1)、(3)、(5)、(7)为没有增加控制变量的回归结果,双数列(2)、(4)、(6)、(8)为增加了控制变量的回归结果。******分别表示待估系数在1%、5%、10%水平上显著;括号内数字为标准误差。表5同。
    下载: 导出CSV

    表  5   安慰剂检验结果

    Table  5   Results of placebo test

    项目政策执行时间提前1年政策执行时间提前2年
    无控制变量有控制变量无控制变量有控制变量
    treat_time0.023
    (0.019)
    0.025
    (0.019)
    −0.004
    (0.016)
    0.001
    (0.018)
    str__−0.506 **
    (0.244)
    __−0.503 **
    (0.246)
    irr__0.078
    (0.135)
    __0.067
    (0.140)
    ln mac__−0.072*
    (0.039)
    __−0.070*
    (0.039)
    ln lab__0.075
    (0.063)
    __0.083
    (0.061)
    ln inc__−0.111
    (0.075)
    __−0.114
    (0.076)
    ln yie__0.159
    (0.099)
    __0.149
    (0.101)
    常数项2.321***
    (0.026)
    1.973
    (1.588)
    2.348***
    (0.024)
    2.055
    (1.61)
    R20.2990.3700.2980.368
    样本数538536538536
    下载: 导出CSV
  • [1] 李海生, 李小敏, 赵玉婷, 等.基于文献计量分析的近40年国内外环境影响评价研究进展[J]. 环境科学研究,2022,35(5):1091-1101. DOI: 10.13198/j.issn.1001-6929.2022.02.16

    LI H S, LI X M, ZHAO Y T, et al. Environmental impact assessment research in domestic and foreign literature in past four decades based on scientometric reviews[J]. Research of Environmental Sciences,2022,35(5):1091-1101. DOI: 10.13198/j.issn.1001-6929.2022.02.16

    [2] 朱源. 精准科学依法优化环境影响评价对象[N]. 中国环境报, 2020-07-17.
    [3] 耿海清, 李天威, 徐鹤.我国开展政策环评的必要性及其基本框架研究[J]. 中国环境管理,2019,11(6):23-27.

    GENG H Q, LI T W, XU H. The necessity and basic framework of China's policy strategic environmental assessment[J]. Chinese Journal of Environmental Management,2019,11(6):23-27.

    [4] 刘经纬. 我国政策环境影响评价制度的证成与展开[D]. 泉州: 华侨大学, 2019.
    [5] 费希尔. 战略环境评价理论与实践: 迈向系统化[M]. 北京: 科学出版社, 2008.
    [6] 潘硕, 刘婷, 徐鹤.CGE模型在政策环境影响评价中的应用[J]. 环境影响评价,2016,38(5):17-22.

    PAN S, LIU T, XU H. The application of CGE model in policy environmental impact assessment[J]. Environmental Impact Assessment,2016,38(5):17-22.

    [7]

    LENZEN M, MURRAY S A, KORTE B, et al. Environmental impact assessment including indirect effects: a case study using input-output analysis[J]. Environmental Impact Assessment Review,2003,23(3):263-282. DOI: 10.1016/S0195-9255(02)00104-X

    [8] 邱怡慧, 苏时鹏.集体林权制度改革环境影响评价方法学分析[J]. 林业资源管理,2017(6):20-26.

    QIU Y H, SU S P. Methodological analysis of environmental impact assessment on the reform of collective forest tenure reform[J]. Forest Resources Management,2017(6):20-26.

    [9]

    ABAZA H, HAMWEY R. Integrated assessment as a tool for achieving sustainable trade policies[J]. Environmental Impact Assessment Review,2001,21(6):481-510. DOI: 10.1016/S0195-9255(01)00091-9

    [10] 毛显强, 宋鹏.探路中国政策环境影响评价: 贸易政策领域先行实践[J]. 环境保护,2014,42(1):37-40. DOI: 10.3969/j.issn.0253-9705.2014.01.009
    [11] 李天威. 政策环境评价理论方法与试点研究[M]. 北京: 中国环境出版社, 2017.
    [12]

    ANGRIST J D, PISCHKE J S. Mostly harmless econometrics[M]. New Jersey: Princeton University Press, 2009.

    [13]

    ZHOU B, ZHANG C, SONG H Y, et al. How does emission trading reduce China's carbon intensity: an exploration using a decomposition and difference-in-differences approach[J]. Science of the Total Environment,2019,676:514-523. DOI: 10.1016/j.scitotenv.2019.04.303

    [14]

    YI X Y, YU L R, CHANG S H E, et al. The effects of China's Organic-Substitute-Chemical-Fertilizer (OSCF) policy on greenhouse vegetable farmers[J]. Journal of Cleaner Production,2021,297:126677. DOI: 10.1016/j.jclepro.2021.126677

    [15]

    DU M Z, LIAO L P, WANG B, et al. Evaluating the effectiveness of the water-saving society construction in China: a quasi-natural experiment[J]. Journal of Environmental Management,2021,277:111394. DOI: 10.1016/j.jenvman.2020.111394

    [16]

    MARDONES C, CORNEJO N. Ex-post evaluation of environmental decontamination plans on air quality in Chilean Cities[J]. Journal of Environmental Management,2020,256:109929. DOI: 10.1016/j.jenvman.2019.109929

    [17] 谢培, 宫健, 陈诚.北京市农业面源污染负荷特征分析及控制分区[J]. 环境工程技术学报,2020,10(4):613-622. DOI: 10.12153/j.issn.1674-991X.20190139

    XIE P, GONG J, CHEN C. Analysis of pollution load characteristics and control zones division of agricultural non-point sources in Beijing City[J]. Journal of Environmental Engineering Technology,2020,10(4):613-622. DOI: 10.12153/j.issn.1674-991X.20190139

    [18] 杨秀玉, 乔翠霞.农业补贴对生态环境的影响: 从化肥使用角度分析[J]. 中国农业资源与区划,2018,39(7):47-53.

    YANG X Y, QIAO C X. Impacts of agricultural subsidies on ecological environment: from the perspective of fertilizer use[J]. Chinese Journal of Agricultural Resources and Regional Planning,2018,39(7):47-53.

    [19] 于伟咏, 漆雁斌, 余华.农资补贴对化肥面源污染效应的实证研究: 基于省级面板数据[J]. 农村经济,2017(2):89-94.
    [20] 罗斯炫, 何可, 张俊飚.增产加剧污染: 基于粮食主产区政策的经验研究[J]. 中国农村经济,2020(1):108-131.

    LUO S X, HE K, ZHANG J B. The more grain production, the more fertilizers pollution: empirical evidence from major grain-producing areas in China[J]. Chinese Rural Economy,2020(1):108-131.

    [21]

    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. DOI: 10.1111/j.1540-6261.2010.01589.x

    [22] 彭慧蓉. 中国粮食主产区农业补贴政策评价与研究: 基于农民视角的考察[M]. 武汉: 华中科技大学出版社, 2019.
  • 期刊类型引用(2)

    1. 万欣,张怡,苏鹏程,骆心怡,林佳欣. 农村水环境政策与污染的时空迁移特征及关系. 农业环境科学学报. 2024(04): 886-895 . 百度学术
    2. 蔡文倩,周丽,余婷,王谦,邹国燕. 农业有机废物还田利用促进土壤健康和应对气候变化的路径及研究建议. 环境工程技术学报. 2024(05): 1532-1540 . 本站查看

    其他类型引用(8)

图(1)  /  表(5)
计量
  • 文章访问数:  770
  • HTML全文浏览量:  258
  • PDF下载量:  46
  • 被引次数: 10
出版历程
  • 收稿日期:  2022-05-29
  • 网络出版日期:  2022-09-21
  • 刊出日期:  2022-11-23

目录

/

返回文章
返回