采用双重差分等计量模型评估清洁取暖补贴措施效果.doc

采用双重差分等计量模型评估清洁取暖补贴措施效果 目录 TOC \o 1-9 \h \z \u 目录 1 正文 1 文1：采用双重差分等计量模型评估清洁取暖补贴措施效果 1 1、模型、方法与数据 2 2、对空气质量改善作用的效果评估 4 3、结论与建议 7 主要结论 7 文2：采油工艺措施效果经济评价方法 8 一、增产措施简介 8 二、增产措施项目经济评价的原则 9 三、油田增产项目经济评价的方法 9 （一）动态法 9 （二）静态法 10 四、采油工艺措施效果经济评价的注意事项 10 五、结语 11 参考文摘引言： 11 原创性声明（模板） 12 文章致谢（模板） 12 正文 采用双重差分等计量模型评估清洁取暖补贴措施效果 文1：采用双重差分等计量模型评估清洁取暖补贴措施效果 财政补贴是顺利推进北方地区冬季清洁取暖试点工作的重要保障。近年来，我国清洁取暖改造工作在北方15省区市展开，特别是在中央财政补贴遴选的三个批次共43个试点城市积极推进1。各地清洁取暖改造资金主要来源于中央财政奖补资金、地方财政补贴资金和社会资本投入三方面。其中，中央财政奖补资金在2017—2019年分别投入60亿元、亿元和152亿元;地方财政补贴资金远超中央财政投入，如2017年和2018年，地方财政补贴资金达到中央财政投入的倍。 如此庞大的财政投入对试点城市采暖月空气质量的改善效果究竟如何?目前还没有形成一个统一的、科学的定量化结论。本文综合运用双重差分模型和冗余分析方法，量化评估清洁取暖补贴对第一批试点城市和第二批试点城市采暖月主要污染物浓度的改善效果，以期为清洁取暖试点工作评估和后续补贴政策制定提供技术和决策支撑。 1、模型、方法与数据 模型介绍与设定 双重差分方法最早由Ashenfelter和Card[1]于1985年提出，主要思想是通过设计处理组和控制组来评价一项政策或机制的实施效果。该方法既可以排除处理组和控制组在政策实施前就存在的差异，又可以控制其他因素对研究对象的影响，被广泛应用于对环境经济政策实施效果的评估，在大气污染防治协作机制[2，3]、中央生态环保督察[4]、强化监督[5]、环境规制[6]等空气质量改善效果方面也有研究案例。本文采用的双重差分模型设定如下: 式中，各变量下角标i表示城市;t表示采暖月份;y为污染物浓度;time为时间虚拟变量，清洁取暖补贴前取值0，补贴后取值1;treated是处理虚拟变量，若该城市有清洁取暖补贴则为处理组取值1，否则为控制组取值0;time×treated为时间虚拟变量和处理虚拟变量的乘积，其系数β为双重差分项。x是一系列控制变量，即其他可能影响空气质量的因素，ε为随机扰动项。处理组清洁取暖补贴前后的差分估计项为:y11-y10=α1+β，控制组差分估计项为:y01-y00=α1，清洁取暖补贴对空气质量改善作用的净效应为:(y11-y10)-(y01-y00)=β。 变量及描述性统计 本文选取的被解释变量包括SO2、CO、PM10和种大气污染物采暖月浓度2，解释变量包括处理虚拟变量(treated)、时间虚拟变量(time)和双重差分项(treated×time)。其中，处理虚拟变量(treated)设置为:第一批试点城市(12个)和第二批试点城市(23个)分别为处理组取值1，未实施清洁取暖补贴的20个城市为控制组取值0;时间虚拟变量(time)设置为:2018—2019年采暖月(补贴后)取值1，2016—2017年采暖月(补贴前)取值0。控制组城市3均位于京津冀及周边地区和汾渭平原所涉及的省份，且在地域上与第一批试点城市最为接近，以减小区域分布差异带来的影响。结合图1来看，清洁取暖补贴前后第一批试点城市和控制组城市采暖月SO2、CO、PM10和浓度均值的变化趋势基本一致，说明满足共同趋势的前提假设要求。 图1第一批试点城市、第二批试点城市及控制组采暖月污染物浓度 此外，本文还引入了一系列控制变量，以进一步减少因遗漏变量导致出现非平行趋势的可能。控制变量包括两类:一类是气象变量，包括平均气温(tem)、平均气压(p)、平均相对湿度(rhu)、平均风速(win)、降水量(pre)和日照时间(ssd)6个变量4;另一类是社会经济变量，包括城市年末常住人口(lnpop)、GDP(lngdp)、固定资产投资(lnfai)、人均国民生产总值(lnpgdp)、二产占GDP比重(secgdp)、人口密度(lnpopd)和万元GDP能耗(gdpec)7个变量5，分别用于反映城市规模、经济规模、投资规模、发达程度、产业结构、环境压力和能源利用程度。其中，除secgdp和gdpec外，其余均进行对数化处理。变量描述