统计信息的问题是，即使我们的确观察到地方环境立法通过后的单位排污强度下降了，然而却难以简单将之归因为当地通过环境立法的结果。原因在于，环境质量、污染排放通常是包括立法与否在内的众多因素共同作用的结果，例如环境污染带来的效用损失上升、企业清洁型生产技术的采用、环境治理技术的研发与升级都会带来污染排放的下降。因此，试图准确评估环境立法的实施效果关键难点在于如何将这一措施与其他影响因素相分离，尤其是与影响环境污染的不可观测因素相区分。为了克服这一问题，本文采用广泛的倍差法(DID)思路，通过为每个通过环境立法的处理组挑选恰当的对照组，从而准确识别地方环境立法的实际效果。

　　三、估计模型与指标选取

　　本文研究目的是考察地方环境立法对当地环境污染的影响。我们将通过环境立法的省份视为处理组，将没有通过立法的省份视为对照组。以排污量的对数值ln(Pit)为被解释变量，倍差法具体估计方程设定如下:ln(P)it=β0+β1·du+β2·dt+γ·du×dt+εit其中，dui=1表示省份i通过了某项环境立法，dui=0则表示省份i为对照组。dt={0，1}为时期虚拟变量，其中dt=0则表示立法通过前一年份，dt=1则表示立法通过的后一年份。ε为估计扰动项，且有E(ε)it=0。交互项du×dt的估计系数γ即度量了地方环境立法对当地排污的真实影响。γ＜0意味着lnPdu=1，dt=1/Pdu=1，dt=0－lnPdu=0，dt=1/Pdu=0，dt=0＜0，即立法通过前、后两个时期间处理组省份排污下降相对多于参照组。

　　显然，倍差法估计结果准确与否很大程度依赖于参照组的选择，即参照组省份究竟能否客观反映出处理组省份在未通过立法这一反事实情形下的污染变化。为了得到稳健性的分析结果，我们选择了以下两类方法来挑选参照组省份。首先，倍差法估计系数的准确性取决于处理组与参照组省份的污染排放时间趋势一致原则。因此，我们依据在立法通过以前年份的两组样本排污变化为准则，确立了如下标准。以2002年天津市通过《天津市引滦水源污染防治管理条例》为例。首先，参照组省份在当年以及前、后3年内均未通过类似的立法，即参照组省份在1999—2004年期间没有在水污染排放方面采取相似的立法管制。其次，在立法通过的前3年，参照组省份的水污染排放量变化率应该与天津市较为相似，这也是挑选参照组最为关键的标准，即处理组在未通过立法的反事实状态下的排污变化应接近于参照组。具体地，我们在那些未通过水污染立法的省份中，挑选1999—2001年份的平均污水排放增速与天津市最为接近的，作为天津市的参照组。最后，由于中国不同区域在经济发展与环境污染方面存在的显著差异，我们还增加了同一区域省份作为额外标准。这一做法的考虑是污染排放与一个地区的经济规模与工业化进程等密切相关，选择同一区域的省份作为参照组，能够尽可能地控制那些不可观测因素对污染排放的影响。其次，我们也基于配对思想，运用倾向评分匹配方法(propensityscorematching，PSM)来选择参照组。具体地，我们首先采用二元选择模型(如probit)来估计全部样本省份通过立法的可能概率，并根据估计结果计算各自的立法概率，即倾向评分值来挑选参照组，以验证估计结果的稳健性。

　　由于倍差法分析结果的有效性可能受到变量缺失的威胁，我们也在式中加入其他控制变量cv:地方经济发展水平(lngdpvp)，为省市人均GDP对数值;地方工业污染治理投资力度(invshare)，度量指标为省市工业污染治理投资总额占GDP的比重值;地方环保系统人员规模(renshare)，为省市环保系统年末人员数占年末总人口数的比值;省市区域分布虚拟变量;立法时间虚拟变量，以控制污染排放的时间趋势变化。

　　因此，加入控制变量后的扩展模型为:ln(P)it=β0+β1·du+β2·dt+γ·du×dt+Σjθjcvjit+εit。

　　四、环境立法的效果分析

　　(一)基准估计结果

　　倍差法估计的一个主要问题估计残差可能存在序列自相关，从而导致估计参数标准误的低估(Bertrandetal．，2004)，即可能高估地方环境立法作用的统计显著性。为了克服残差自相关带来的估计偏误，我们以各省份相关的污染排放水平对标准误进行稳健性修正。

　　估计结果。我们发现，几乎没有证据表明地方环境立法有助于减缓当地的污染排放。无论加入控制变量与否，核心变量dudt估计系数均为正，且未能通过统计显著性检验。我们也考虑了其他的污染度量指标。例如，我们以污染排放量对数值lnP'作为被解释变量，重新估计了模型。然而，与排污强度这一指标的估计结果类似，我们仍然没有发现环境立法对污染排放量的抑制作用，dudt的估计系数都未能通过显著性检验。总体而言，表2估计结果支持了倍差法分析的适当性。与表1所揭示的处理组省份立法通过后单位排污强度的确下降的事实相反，表2表明一旦加入了参照组作为对照，环境立法对排污强度的政策效果并非预期的那般大，原因就在于即使在那些未采取环境立法的参照组，其排污强度出现了同样的下降。以工业废水排污强度为例，处理组省份在立法前一年单位GDP排放量为37.5吨/万元，立法通过后下降至27.2吨/万元，降幅约为27.4%。然而，未通过立法的参照组省份这一指标同样从立法前的38.4吨/万元下降了27.3%。显然，比较处理组与参照组在立法前、后年份的排污强度变化，我们难以发现通过立法的处理组省份出现了相对更大的降幅。

　　在影响污染排放的其他控制变量方面，我们发现人均GDP的提高、用于环境治理的投资都有助于减少的污染排放。无论是单位GDP的排污强度，还是污染排放总量，人均GDP、环境治理投资的估计系数都显著为负，这与已有研究发现是一致的。较高人均GDP对应了较高经济发展阶段，意味着污染排放带来的边际效用损害越大，同时也更有可能在环保型生产技术进行研发投入。更多的污染治理投资表明当地对抑制污染与环境监管的投入越大，能够有效地改善环境质量。

　　(二)立法效果的滞后效应

　　政策实施效果的滞后往往会影响人们对政策作用的客观评估。很多政策的制定与实施都需要较长一段时期才能显露出作用。政策的制定、调整与实施通常不是一蹴而就的，政策的制定者需要一定时期来适当传递其信号，人们也需要一段适应期来准确理解政策信息并作出合理反应。例如，当企业观察到当地政府有意通过更为严厉的环境监管来改善环境质量，企业需要一段调整期对其产出计划、生产技术等进行改进来适应;企业也可能暂时持观望态度，来判断此项政策是否真正得到有力执行。为了反映地方环境立法的滞后效果，我们重新将期末年份定义为该项立法通过后的第二个年份。例如，对于一项在2000年通过的环境立法，我们考察2002年作为期末的污染排放变化，以此来判断是否存在地方环境立法的时间滞后作用。但表3估计结果表明，地方环境立法的这种滞后效果也并不显著。

　　(三)不同污染物排放

　　我们也考虑不同污染物排放形式的差异。具体地，本文选择的污染物包括工业粉尘、二氧化硫、粉尘以及固体废弃物四类污染物形式，我们通过区分不同污染物来单独进行估计。表4给出了不同污染物的估计结果。我们发现，虽然对应于不同污染物的dudt估计系数存在差异，例如二氧化硫与粉尘排放的单位排放量出现了下降，但在所有估计结果中都未能通过显著性水平。因此，即使我们单独观察每一类具体污染物排放强度的变化，仍然没有有力证据支持地方环保立法起到了实际的效果。

　　(四)基于配对方法(matching)的估计结果

　　倍差法估计结果严格依赖于对照组省份的选择。作为稳健性检验，我们采用了基于倾向评分匹配方法(propensityscorematching)，来为每一个通过立法的处理组省市挑选可供比较的参照组。

　　对应于每一个参照组，我们在其余所有未通过立法的备选参照组中，通过配对方法来挑选对照组。