层级差异视角下减污降碳协同效应研究

1 引言

我国减污降碳协同政策体系已初步建立，但在实践中出现“中央热—地方温—企业冷”的执行落差。现有研究多聚焦于区域或行业差异，忽视了“组织层级”这一关键维度。事实上，同一技术改造项目在中央层面被评估为“优质协同”，在市县级却可能降为“初级协同”，甚至出现协同倒挂现象。厘清“层级—协同”作用机制，对破解政策衰减、提升治理效能具有重要意义。

减污降碳协同治理是破解环境质量改善与温室气体减排“双重压力”的核心抓手。自 IPCC 第三次评估报告首次提出“协同效益”概念以来 [1]，国际学界围绕“单一政策能否同时削减污染物与碳排放”展开了持续探索。Ramanathan 等证实，能源部门深度脱碳可同时减少黑碳、臭氧和甲烷排放 [1] ；Vandyck 等基于全球可计算一般均衡（CGE）模型发现，履行《巴黎协定》的碳减排承诺可带来相当于政策成本 30-80% 的空气质量改善收益 [2]。在区域尺度，欧盟 REFUEL 项目通过情景模拟指出，交通部门生物燃料替代可实现 CO2 与 NOx、PM2.5的协同削减，但 VOCs 焚烧治理却可能因能耗增加而推高 CO2 排放 [3]。上述研究为“技术 - 结构 - 政策”三元协同提供了国际经验，但多聚焦国家或行业宏观尺度，缺少对不同治理层级的差异化讨论。

国内研究起步稍晚，但发展迅速，大致可分为“三条主线、三类方法、三大缺口”。

（1）三条主线：①碳减排对大气污染物减排的协同效应。Xu 等基于工业面板数据构建了耦合协调度模型，发现“十一五”以来中国工业 CO2 与 SO2、NOx 呈现由拮抗向协同演变的阶段性特征 [4]。②环境治理对碳减排的反向协同。高庆先等评估《大气污染防治行动计划》后指出，末端脱硫脱硝设施普及可同时削减 5-8% 的 CO2排放[5]。③对策措施的协同效应评价。Li 等采用双重差分法验证低碳城市试点政策可使 CO2 与雾霾协同治理效率提升 8.4%[6]。

（2）三类方法：①指数分解类（LMDI、STIRPAT）侧重宏观驱动因素；②耦合协调类（CCD、协同度、超效率 SBM）强调系统耦合动态；③模拟优化类（GAINS-China、系统动力学、机器学习）用于政策情景比较[7-13]。尽管方法多元，但绝大多数研究以省域或城市群为分析单元，对市、县及企业层级的刻画仍停留在案例描述阶段 [14-15]。

（3）三大缺口：①组织层级缺位：已有研究尚未回答“同一项目在不同治理层级为何出现协同落差”。②多介质污染缺位：现有研究多聚焦大气污染物与CO ，对水、固废等多介质协同关注不足。③微观机制缺位：多数模型缺乏技术- 资金- 制度三维微观数据，难以追溯低层级组织协同失灵的根本原因。

综上，国际经验表明协同效应高度依赖政策设计与技术路径[2]，国内研究则揭示了区域异质性，但均未系统回答“同一项目、不同层级、协同差异”这一核心问题。本文以超低排放改造为切入点，构建全国—省域—地市—企业四级对照，旨在填补上述缺口，为破解政策落地“最后一公里”难题提供新证据。

2 研究方法

本研究以“同一超低排放改造项目”作为追踪对象，构建“全国—省域—地市—企业”四级嵌套样本，时间跨度2008—2022 年共15 年。以下从数据来源、变量测算、质量控制、模型参数四个维度，给出具体思路。

2.1 数据来源与获取路

2.1.1 国家层面

数据源为国家统计年鉴、生态环境部《全国生态环境统计公报》及能源平衡表。获取方式：①年鉴电子版（https：//www.stats.gov.cn/sj/ndsj/）。缺失年份用线性插值并经校核。

2.1.2 省域层面

数据来源于 31 个省级生态环境厅公开年报、省级能源平衡表。取方式为使用“省名 + 生态环境状况公报+filetype：pdf”批量爬取；能源平衡表通过国家统计局各省调查总队申请。数据格式统一采取如下思路将PDF年报转化为Excel，关键字段SO2、NOx、PM2.5、CO2 排放量按“省- 年度”对齐。

2.1.3 地市层面

数据源主要来自于各地市生态环境局月报、季度报；城管局“重点排污单位自动监控平台”。使用Python+Selenium 登录各地市平台，按“企业- 排口- 小时”下载CSV。平台接口不统一的，采用RPA（UiPath）脚本模拟人工点击，夜间0：30—4：30 运行，避开高峰。样本选择情况如下：①长三角：上海、苏州、无锡、常州、嘉兴；②京津冀：北京、天津、唐山、石家庄、保定；③成渝：成都、重庆主城、绵阳、宜宾、泸州。

2.1.4 企业层面

行业限定为钢铁、水泥、电力。样本框主要为在上述 15 个地市中，筛选 2013 年以后实施超低排放改造的78 家企业。数据获取方式包括①在线监测：CEMS 小时数据通过地市平台直接抓取；②手工补充：对缺失小时值，向企业发送《数据协查函》，要求5 个工作日内提供盖章版原始记录；③能源台账：企业需同时上传《能源购进、消费与库存表》（B605 表）扫描件，用于计算CO2 排放。

2.2 指标体系与变量测算

2.2.1 减排量计算

污染物减排率=（ 基期排放量- 当期排放量）/ 基期排放量 × 100%。

基期统一为超低排放改造批复前一年完整年度均值。

CO 排放采用《IPCC2006 指南》缺省系数+ 企业实测低位发热量，两者差异>5% 时以实测为准。

2.2.2 协同度计算耦合协调度D 采取如下步骤：

①无量纲化。使用极差法将SO 、NOx、PM2.5、CO 四个指标映射到0–1 ；

②计算子系统综合评价指数U1（ 减污）、U2（ 降碳） ；

$＼textcircled { 3 } ＼textcircled { ＼scriptsize { ＼mathrm { ～ D ～ } } } = ＼mathrm { ～ ＼surd ～ }$ （U₁·U₂）/[（U₁+U₂）/2]，D ∈ [0，1]，>0.7 为优质协同。

复合系统协同度 S ：采用廖重斌改进模型，设置 3 年滞后期检验稳健性。

编程实现：Python 3.9 + Pandas ；关键脚本保存于 GitHub 私有库，版本锁定 commit-id 以备复现。2.2.3 边际减排成本

模型主要为DEA-SBM 超效率+ 方向距离函数，投入变量为资本、劳动、能源，期望产出为工业增加值，非期望产出为 SO2、NOx、PM2.5、CO2。采取的软件主要包括 DEA-Solver Pro15 ；投入产出数据缺失采用三步链式多重插补（Stata 17 mi impute chained）。敏感性检验的方式为以 5% 截尾 Winsorize 处理极端值。

2.3 质量控制与数据清洗

1. 异常值判定：CEMS 小时数据超过3σ 视为异常；连续3 小时缺失按《固定污染源烟气（SO 、NOX、颗粒物）排放连续监测技术规范》（HJ 75-2017）线性插值，插值比例>10 % 的样本整年剔除。

2. 交叉验证：省—市—企业三级SO 排放量之和与全省排放清单误差<5%，否则回溯核查。

2.4 模型参数与运行环境

Dagum 基尼系数分解使用R 包“decomp”设定组间、组内、超变密度三成分，bootstrap500 次。

多层线性模型（HLM）：企业，变量包括末端治理投资、能源结构优化、技术人员占比；地市，变量包括制度距离（环保考核权重差值）、技术距离（人均专利授权差值）、资金距离（贷款利率差值）。软件：HLM8.0 ；收敛标准1E-6。

层级 - 协同敏感度模型，公式：∂D/∂Policy_k=（D −D ）/（ΔPolicy_k）。

政策k 取末端治理投资、前端能源结构优化两项，ΔPolicy_k 按各层级样本第75 与第25 分位数差值计算。3 结果分析

根据上述方法，分析结果如下：

3.1 计算结果及说明

首先协同水平随层级递减。从全国层面来看2022 年D=0.75（中级协调）；省域层面：D 均值0.66 ；地市层面：D 均值0.58 ；企业层面：D 均值0.51。优质协同比例从国家100% 降至企业19%。其次区域差异与层级差异叠加。在省级，东部D 均值0.73，中部0.61 ；同一省份内，地市差异显著：如江苏地市D 值极差0.14 ；同一地市内，企业差异更大：唐山钢铁行业 D 值极差 0.23。然后敏感度差异。末端治理投资方面，企业∂D/∂Invest=0.32，省级仅0.12 ；前端能源结构优化表明企业∂D/∂Clean=-0.05，省级0.13，表明企业更依赖末端而非源头治理。

3.2 机制解释

考核权重越向下越倾向“看得见”的污染指标，碳指标弱化；企业层面技术人员占比不足省级的 1/3 ；企业融资成本比省级平台高 1.8-3.4 个百分点。上述结果说明，第一，“木桶效应”与“马太效应”并存，低层级组织成为系统协同的短板，但资金、技术、人才进一步向高层级集中，加剧两极分化。第二，政策工具错位。排污权交易在地市级对协同度提升显著，但对企业层反而出现负效应；碳排放权交易在所有层级均未显著促进协同，提示市场工具需配套能力建设。

4 政策建议

结合上述分析，提出以下三方面政策建议：

4.1 纵向分级治理：构建穿透式政策传导体系

首先，建立四级协同档案系统。建立“国家- 省- 市- 企”数字化管理平台，实时采集企业末端治理投资、能源结构、排放强度等12 项核 6 时，系统自动触发“红黄灯”预警，红灯企业 路线图》，要求每季度向地市生态环境局提交进度报 5⩽D⟨0.6） 诊断，匹配“技术改造库”中的30 项适用技术（如烧 层考核信息不对称问题。其次，积极推进动态考 ≥30%），矫正“重末端、轻源头”的行为扭曲（敏感 7%），预计可使中西部地市协同度在5 年内收敛至东部水平的9

4.2 横向分区施策：破解区域性能力瓶颈

东部地区，发挥东部技术积累 联合体攻关深度脱碳。组建“企业 - 突破以下三大技术， 处置，推动捕集 CO 心积极推进风光储一 瓦级基地，配套特 按热值折算）；进一 步 北地区，核心为余热余 发电机组，热贷款”，允协同债券”，进一步完善补 元）；优先支持“光伏 +治沙” 固 等多介质协

4.3 靶向分类激励：消除企业规模能力鸿沟

大型企业，试行碳污协同信贷挂钩绩效。建立“协同度 - 融资成本”联动机制，中小企业重点为减污降碳券降低技术门槛，设计“技术采纳赋能包”，积极探索减污降碳券、技术托管服务，比如省级平台组建 200 个专家小组，“一企一策”驻点解决技术难题（如 SCR 脱硝调试），积极探索绿色设备租赁：由政府担保公司提供征信，企业以年付10% 租金获取高效设备。

总之，通过政策体系的协同性设计，推动纵向 - 横向 - 靶向三维联动，强化动态评估机制，结合中国式分级治理创新，推动全球经验本土化，为新兴经济体提供范式。

参考文献：

[1] Ramanathan V， Carmichael G. Global and regional climate changes due to black carbon[J]. Nature Geoscience， 2008， 1（4）： 221-227. DOI：10.1038/ngeo156.

[2] Vandyck T， Keramidas K， Saveyn B， et al. The economic value of climate policy： A CGE analysis of the Paris Agreement[J]. Environmental Research Letters， 2020， 15（6）： 064019. DOI：10.1088/1748-9326/ab7e08.

[3] von Schneidemesser E， Monks P S， Allan J D， et al. Chemistry and the linkages between air quality and climate change[J]. Chemical Reviews， 2015， 115（10）： 3856-3897. DOI：10.1021/ cr5004947.

[4] Xu H， Liu H， Zhang Y， et al. Coupling coordination between CO₂ emissions and air pollutants in China industrial sector[J]. Journal of Cleaner Production， 2019， 231： 1137- 1147. DOI：10.1016/j.jclepro.2019.05.299.

[5] Gao Qingxian， Zhang Yuejun， Ma Qiang， et al. Co-benefits of air pollution control on carbon emission reduction China[J]. Advances in Climate Change Research， 2020， 11（3）： 235- 243. DOI：10.1016/j.accre.2020.07.001.

[6] Li Jun， Wang Can， Zhang Bo. Assessment of co-benefits of low-carbon city pilot policy in China based on DID method[J]. China Environmental Science， 2021， 41（5）： 2377-2387.

[7] IPCC. Climate Change 2021： The Physical Science Basis. Chapter 6： Short-lived Climate Forcers[R]. Geneva： IPCC， 2021： 323-422. https：//www.ipcc.ch/report/ar6/wg1/downloads/report/ IPCC_AR6_WGI_Chapter06.pdf .

[8] Shindell D， Kuylenstierna J C I， Vignati E， et al. Simultaneously mitigating near-term climate change and improving human health and food security[J]. Science， 2012， 335（6065）： 183- 189. DOI：10.1126/science.1210026.

[9] Lee Y， Shindell D T， Faluvegi G， et al. Potential impact of a US climate policy and air quality regulations on future air quality and climate change[J]. Atmospheric Chemistry and Physics， 2016， 16（8）： 5323-5342. DOI：10.5194/acp-16-5323-2016.

[10] Le Quéré C， Jackson R B， Jones M W， et al. Temporary reduction in daily global CO₂ emissions during the COVID-19 forced confinement[J]. Nature Climate Change， 2020， 10（7）： 647- 653. DOI：10.1038/s41558-020-0797-x .

[11] 高庆先， 王金南， 杨金田， 等.《大气污染防治行动计划》的碳减排协同效应研究[J]. 中国环境 科学 ， 2016， 36（8）： 2245-2252.

[12] 徐华清， 刘慧， 张永亮， 等. 中国工业CO₂ 与大气污染物排放耦合协调度时空演变[J]. 环境科学 学报 ， 2019， 39（12）： 4010-4019.

[13] 李君， 王灿， 张博. 中国低碳城市试点政策的协同效益评估——基于双重差分法[J]. 中国环境科 学 ， 2021， 41（5）： 2377-2387.

作者简介：姓名：刘永红；性别：男；出生年月：1988 年7 月；籍贯：甘肃省平凉市; 民族：汉；最高学历：硕士；目前职称：环保工程师；研究方向：低碳环保