推文人 | 息晨 

 

原文链接：

 

https://static1.squarespace.com/static/56034c20e4b047f1e0c1bfca/t/5e9c6a92708209258531f153/1587309206052/monitor_zou_202004.pdf

 

01 研究背景

 

有效的环境规制依赖于监管部门对排污行为的准确监测。但当财政经费有限时，出于监测结果的代表性与成本节约的折中考量，监管部门通常实行间歇性监管，而这可能导致排污主体的策略性应对行为（strategic responses）。本文在美国《清洁空气法案》背景下，使用卫星数据构建了代表空气污染程度的气溶胶浓度数据，分析每六天一次（1-in-6-day）的间歇性监测方式如何导致污染排放的策略性改变，并突出了当地政府在此种排污博弈中的协同作用。

 

根据《清洁空气法案》，EPA制定了不同行业颗粒物（PM）排放的标准，并对室外PM进行监测，以将空气污染水平维持在国家质量标准（NAAQS）之下。EPA根据NAAQS每年以县为单位判定该县空气污染是否超标，空气污染超标将导致州、县政府与企业的巨大成本，如持续不达标的县会被EPA限制开展公路项目、削减行政拨款等。超排的企业将被罚款、面临更频繁的检查、开发新产能时需要近乎不计成本地采用低排污技术，这将对企业的生产率造成巨大的负面影响。

 

为监测室外空气污染水平，EPA在美国设立了1200多个监测站。这些监测站设立在人口密度较高的地区，以期具有较好的代表性，其覆盖了600多个县、70%以上的美国人口。然而不同于臭氧等气态空气污染物的自动化监测，PM的监测依赖于过滤器，这需要大量的人工成本。为节约监测成本，EPA采用了Akland在1972年提出的每6天一次的间歇性监测方式，20世纪80年代后EPA逐渐采用了3天一次（1-in-3-day）的监测方式甚至逐日监测（1-in-1-day）的方式。2001-2013年间，42%的监测器每6天监测一次，33%的监测器每3天监测一次，22%的监测器每日均监测。同时，EPA的监测计划是对公众公开的，每年年末EPA会告知各县下一年不同监测站的监测计划。

 

由于违规的成本巨大，地方政府政府强烈厌恶违规风险。而EPA实行的间歇性监测计划为政府与企业的策略性应对提供了可能，本文对此进行了回顾性评估。

 

02 数据来源

 

监测站特征信息。2001-2013年间的颗粒物监测站信息来自EPA的空气质量监测系统（AQS）。包括监测站层面的计划监测日数、实际监测日数、监测站的经纬度、年PM2.5监测值（均值、最大值等）。根据每年监测60或61天识别6天1次的监测器，可类似地识别3天1次的监测器。

 

卫星数据。由于部分监测站实行间歇性监测计划，因而在未监测时无法获得此监测站附近的空气质量信息。作者使用来自NASA的卫星数据，构建了衡量大气污染程度的气溶胶指数，气溶胶指数以10km×10km栅格作为基本单元。作者根据监测站的地理位置，将其所在的栅格内气溶胶指数作为其对应的空气质量，据此构建了2001-2013年监测站对应的气溶胶指数日度面板数据。气溶胶指数越大，代表空气质量越差。许多大气科学文献证实了地面监测与卫星监测的空气质量间的强相关性，二者可互为补充。

 

03 实证分析设定与结果

 

（1）基准分析：6天一次的间歇性监测如何影响空气质量

 

 

实证结果。分析表明，对于6天一次的监测站，非工作日其周边空气质量较工作日平均低1.62%。事件分析法的结果进一步表明，此结果在6天的周期内是比较稳定的。基准分析印证了污染主体对间歇性监测存在策略性的应对行为。

、

稳健性检验。作者使用了更为灵活的监测站×时间FE进行分析。还以6天一次监测站退役作为冲击，以无间歇监测站作为参照组，使用DiD进行分析。稳健性检验表明基准分析的发现均是稳健的。

 

（2）间歇性监测对空气质量绝对水平的影响

 

基准分析聚焦于6天一次的间歇性监测对工作日与非工作日空气质量差异的影响，差异可能是由于工作日空气污染的减少、工作日与非工作日污染活动的替代、或二者兼有的原因导致的。此部分中，仍使用6天一次监测站的退役作为冲击，使用DiD设定分析间歇性监测本身对空气质量绝对水平（level）的影响。在t年，若s是一个有6天一次监测器退役的监测站，则将s所在州内t年所有未退役的6天一次监测监测站作为6天一次监测的参照组，将这些匹配到的未退役监测站称为s的一个群（group）。平行趋势检验表明此种参照组的选择是合适的。进而，使用如下的DiD设定考察间歇性监测计划如何影响工作日与非工作日的空气质量决定水平：

结果表明，在6天一次的监测站退役后，尽管相较于参照组其周边空气污染加剧，但估计是不显著的。将工作日与非工作日分开估计的结果表明，间歇性监测站的退役显著降低了工作日时监测站周边的空气质量，而对非工作日空气质量无显著影响。这意味着当无间歇性监测计划时，工作日的空气污染将趋近于非工作日的污染水平。此外，结果表明基准分析中工作日与非工作日的空气质量差异主要是由6天一次监测站工作时空气污染的短期下降驱动的，而非长期、有计划的工作日与非工作日污染排放的替代引起，这凸显了策略性应对行为的本质。

（3）策略性应对行为何时发生？

 

（4）谁在进行博弈？政府的协同作用

 

尽管企业是污染排放的主体，但减排并非依靠单一企业的力量可以实现，而是需要地区的企业间相互协调合作，在缺乏引导时企业间自发协调减排的难度较大。此外，由于EPA的监管是针对县政府展开的，单一的企业没有动机为实现政府的监管目标牺牲产能进行减排。前述分析表明，上一月的空气质量对策略性应对行为具有显著影响，企业较难获得上月的空气质量监测信息，但政府负责每日的监测、分析与空气质量预测，其更能及时了解空气污染违规的“关键时期”何时出现，因而政府更可能是进行策略性应对博弈的主体。

 

此部分中，作者借助政府向市民发布“Action Day”预警，考察政府在策略性应对博弈中的协同作用。“Action Day”是当地区的空气质量恶化，可能对人体健康造成威胁时政府向民众发布的警告。此警告呼吁市民采取改善空气质量的行动，如减少能源与汽车的使用等。虽然“Action Day”的发布与空气质量紧密相关，但其发布不是程式化的，在各个空气质量区间政府均有可能发布警告。作者使用来自EPA的AirNow项目数据库，分析政府是否会倾向在6天一次监测站工作日发布“Action Day”预警以实现策略性应对。此数据库记录了2004-2013年美国346个地区“Action Day”的发布记录，涵盖了美国近50%的人口，具有较好的代表性。由于一项“Action Day”通常持续一段时间，作者主要关注其发布的首日，并将数据加总到core-based metro area（CBSA）层面，以避免地理区域的重叠计算，最终得到6232条CBSA×日层面的预警发布信息。

 

结果表明，相较于6天一次监测站的非工作日，政府在工作日发布“Action Day”预警的概率平均高0.108%，且此种效应更多出现在之前曾被EPA认定为违规的州。这凸显了政府在实现策略性应对行为中的协同作用。

（5）策略性应对行为较强的县有什么特征？

 

采用基于模型（1）的设定，首先计算了每个县的策略性应对行为强度（即b），并将强度位于前10%的县定义为热点县（Hotspots counties），使用横截面数据考察监管特征（县内是否有6天一次的监测站、县是否曾颗粒物排放违规、平均空气质量水平）与行业特征（县是否是34个高污染行业的高就业人口比重县）在热点县与非热点县之间的差异。

 

分析结果表明，拥有间歇性监测站、曾经PM监测违规、空气质量较差的县更可能成为热点县，这体现了地方政府采取策略性应对行为的意愿因素。而在行业结构中，该县的木材制造业与采矿业就业比重较高更可能成为热点县。木材制造业通常以部分产能进行生产，可灵活地根据监测情况改变生产行为，其生产调整成本较低。这体现了采取策略性应对行为的能力因素。

 

04 总结

 

本文借助美国6天一次的颗粒物排放监测政策，考察了间歇性污染监测如何引致策略性应对行为，从而对空气质量产生影响。本文的一大亮点是使用详实的卫星数据，解决了地面监测数据在监测站不工作时无读数的问题，从而使对策略性应对行为的分析成为可能。

 

文章发现6天一次监测计划确实导致了监测站工作时企业少排污的短期响应，政府在其中起重要的协同作用。不同县间的策略性应对强度存在较大差异，规避排污违约风险意愿越强的县强度越大，且县实现策略性应对的能力也有重大影响。本文发现提高空气污染监测的频率（如提高到3天一次）可有效降低此种策略应对行为，突出了采用先进仪器进行连续监测，取代现行的间歇离散监测的必要性，以实现提高空气质量的最终政策目标。

 

Abstract

 

Intermittent monitoring of environmental standards may induce strategic changes in polluting activities. This paper documents local strategic responses to a cyclical, once-every-six-day air quality monitoring schedule under the federal Clean Air Act. Using satellite data of monitored areas, I show that air quality is significantly worse on unmonitored days. This effect is explained by short-term suppression of pollution on monitored days, especially during high-pollution periods when the city’s noncompliance risk is high. Cities’ use of air quality warnings increases on monitored days, which suggests local governments’ role in coordinating emission reductions.