傅崇輝,焦桂花,傅 愈,王秋珵,李 兵

(1.廣東醫(yī)科大學(xué) 人文與管理學(xué)院，廣東 東莞 523808；2.深圳市云天統(tǒng)計(jì)科學(xué)研究所，廣東 深圳 518000；3.南昌大學(xué) 新聞與傳播學(xué)院，江西 南昌 330000)

近年來(lái)，我國(guó)機(jī)動(dòng)車保有量急速攀升，加劇了城市的擁堵和污染。隨著煤改清潔能源工程的逐漸推進(jìn)和工業(yè)企業(yè)外遷，各城市的空氣污染源結(jié)構(gòu)已經(jīng)發(fā)生了變化，機(jī)動(dòng)車消耗能源所排放的尾氣已經(jīng)成為各大城市的主要空氣污染源之一[1]。即便各大城市大力推廣新能源車輛，但也取決于電力生產(chǎn)技術(shù)，在我國(guó)目前的能源結(jié)構(gòu)下，電力生產(chǎn)的溫室氣體排放呈上升趨勢(shì)[2]。機(jī)動(dòng)車保有量的增長(zhǎng)不僅導(dǎo)致空氣污染，也加劇了城市的擁堵[3]，從而加重了城市運(yùn)行的社會(huì)成本[4]。

為治理?yè)矶潞臀廴締?wèn)題，我國(guó)先后有8個(gè)地區(qū)實(shí)行了小汽車增量調(diào)控政策(或稱“限牌限購(gòu)”政策)，政策目標(biāo)都是從源頭上控制機(jī)動(dòng)車總量增長(zhǎng)過(guò)快，從而緩解城市交通壓力和空氣污染問(wèn)題。相比于停車收費(fèi)、擁堵收費(fèi)等機(jī)動(dòng)車管理制度，這種總量控制方法被認(rèn)為是一種效率低下、不利于汽車產(chǎn)業(yè)發(fā)展、損失社會(huì)福利的政策選項(xiàng)，因而被多數(shù)發(fā)達(dá)國(guó)家所摒棄[5]。中國(guó)地方政府迫于環(huán)境治理的緊迫性和城市交通管理面臨的巨大壓力，選擇了機(jī)動(dòng)車總量控制的政策取向，短期內(nèi)或許能起到一定成效。近年來(lái)“網(wǎng)約車”等共享出行方式的興起，為放松“限牌限購(gòu)”提供了社會(huì)輿論契機(jī)，許多城市的小汽車增量調(diào)控政策到期后，正面臨著修訂或調(diào)整。經(jīng)過(guò)5～20多年的政策運(yùn)行，“限牌限購(gòu)”政策是否取得了預(yù)期的政策目標(biāo)？影響政策有效性的因素是什么？對(duì)這些問(wèn)題都需要有明確認(rèn)識(shí)，才能為下一步的政策選擇提供依據(jù)。

本文從人口與環(huán)境關(guān)系的理論視角，將人口、經(jīng)濟(jì)和家庭等因素納入到分析框架，考察小汽車增量調(diào)控政策的有效性。與以往研究相比，本文不僅包括人口數(shù)量因素，而且包括人口、經(jīng)濟(jì)、空間和家庭結(jié)構(gòu)等因素的影響，從而為深入細(xì)致地把握政策有效性提供可能，具有一定的創(chuàng)新性。

1 研究設(shè)計(jì)

1.1 指標(biāo)設(shè)定

現(xiàn)有人口與環(huán)境關(guān)系的研究，環(huán)境變量既包括能源消費(fèi)[6-7]、機(jī)動(dòng)車使用[8]等導(dǎo)致環(huán)境壓力的原因，也有溫室氣體排放[9-10]、生物多樣性[11]等環(huán)境影響的結(jié)果。小汽車增量調(diào)控政策的目標(biāo)是抑制機(jī)動(dòng)車保有量過(guò)快增長(zhǎng)，機(jī)動(dòng)車使用過(guò)程中排放的尾氣勢(shì)必造成空氣污染，因此，將機(jī)動(dòng)車保有量作為對(duì)環(huán)境造成的壓力變量。另外，由于各城市的人口、經(jīng)濟(jì)和空間特點(diǎn)各不相同，機(jī)動(dòng)車保有量或其增速?zèng)]有可比性，同時(shí)，受私人汽車使用方面的數(shù)據(jù)可獲得性限制，本文假設(shè)汽車擁有量的增長(zhǎng)會(huì)導(dǎo)致汽車使用量增加，從而或多或少增加交通能源消費(fèi)，直接或間接產(chǎn)生環(huán)境壓力。本文采用人均私人汽車擁有量為環(huán)境變量，考察小汽車增量調(diào)控政策的有效性，即是否對(duì)人均私人汽車擁有量產(chǎn)生了抑制作用。

人口與環(huán)境關(guān)系的理論和實(shí)證研究主要有兩條分析路線：一是以環(huán)境庫(kù)茨涅茨曲線為代表[12-13]的模型，它側(cè)重于考察經(jīng)濟(jì)增長(zhǎng)給環(huán)境帶來(lái)的壓力，人口密度、家庭規(guī)模、人口城市化等人口因素常作為影響因素納入到分析模型中[14-15]；二是Ehrlich提出的IPAT模型[16]，指出環(huán)境壓力(I)主要受人口數(shù)量(P)、富裕(A)和技術(shù)(T)因素影響，并擴(kuò)展成為包括更多驅(qū)動(dòng)因子的隨機(jī)STIRPAT模型[17]，使得人口結(jié)構(gòu)性因素對(duì)環(huán)境的影響也能進(jìn)行定量分析。

私人小汽車是高價(jià)值的耐用消費(fèi)品，取決于市場(chǎng)飽和度和經(jīng)濟(jì)發(fā)展?fàn)顩r，并受到政策因素的調(diào)節(jié)影響。本文將人均GDP作為經(jīng)濟(jì)發(fā)展?fàn)顩r的測(cè)量指標(biāo)，而飽和度受到多重因素(特別是人口因素)的影響。私人小汽車一般以家庭為消費(fèi)單元，具有家庭的規(guī)模效應(yīng)[18]，即家庭規(guī)模越大、人均消費(fèi)水平越低，平均家庭規(guī)模是影響私人汽車消費(fèi)的因素之一。

人口城市化的早期表現(xiàn)是隨著收入水平的不斷提高，汽車消費(fèi)呈上升趨勢(shì)，但隨著城市化水平的進(jìn)一步提高，城市(特別是中心城區(qū))建成區(qū)的密度也在不斷攀升，私人汽車出行的需求部分被公共交通取代[19]。本文中的城市化有兩部分組成：一是本地城市化，也就是戶籍人口城市化；另一部分是流動(dòng)人口的城市化，隨著人口流入，城市的人口密度也進(jìn)一步提高。因此，本文采用城市化水平(城鎮(zhèn)人口占戶籍人口的比重)和流動(dòng)人口占常住人口的比重兩個(gè)指標(biāo)測(cè)量人口城市化對(duì)私人汽車保有量的影響。

另外，各城市由于人口數(shù)量、城市面積差異較大，對(duì)私人小汽車保有量構(gòu)成不同的影響，采用人口密度指標(biāo)測(cè)量人口數(shù)量對(duì)私人小汽車保有量的影響。

綜上所述，本文構(gòu)建如圖1所示的理論框架，用于分析小汽車增量調(diào)控政策是否起到了控制人均汽車保有量作用，如果有控制作用，這種作用隨時(shí)間如何變化的問(wèn)題等。

圖1 人口與私人汽車保有量關(guān)系的理論框架

根據(jù)現(xiàn)有的理論和實(shí)證研究，隨著社會(huì)經(jīng)濟(jì)的發(fā)展，人口變化和經(jīng)濟(jì)增長(zhǎng)是私人汽車保有量上升的直接因素，從而導(dǎo)致私人汽車能源消費(fèi)增加，進(jìn)而間接加大了環(huán)境壓力，但這種環(huán)境壓力同時(shí)還受到調(diào)控政策和技術(shù)因素(如汽車新能源技術(shù))的調(diào)節(jié)作用影響。但由于缺乏私人汽車行駛和能源消費(fèi)的數(shù)據(jù)，本文只對(duì)概念框架中私人小汽車保有量進(jìn)行實(shí)證分析，而能源消費(fèi)和尾氣排放程度不在本文的討論范圍之內(nèi)。

1.2 實(shí)證模型

考慮到我國(guó)地區(qū)間差異較大，為比較和分析不同城市人均私人小汽車保有量(因變量)與各自變量隨時(shí)間變化情況，本文選擇面板回歸模型作為分析模型。

對(duì)于面板回歸模型除了統(tǒng)計(jì)檢驗(yàn)外，還存在隨機(jī)效應(yīng)模型和固定效應(yīng)模型之間的選擇問(wèn)題，針對(duì)本研究選擇固定模型作為分析模型。首先，本研究的時(shí)間序列長(zhǎng)度能夠滿足固定模型的要求。一般認(rèn)為，當(dāng)時(shí)間序列太短時(shí)(小于6個(gè)時(shí)點(diǎn)的短面板數(shù)據(jù))，固定模型會(huì)因損失過(guò)多的自由度而出現(xiàn)誤差。其次，本文的時(shí)序面板數(shù)據(jù)沒(méi)有考慮不可觀測(cè)的非時(shí)變異質(zhì)因素(人文和自然環(huán)境因素)，當(dāng)考慮了這些因素對(duì)模型參數(shù)估計(jì)的影響時(shí)，為保證回歸參數(shù)估計(jì)的無(wú)偏性，應(yīng)將模型設(shè)定為個(gè)體固定效應(yīng)模型，使結(jié)果更能體現(xiàn)真實(shí)的關(guān)系。另外，在一般情況下，都應(yīng)把樣本個(gè)體視為隨機(jī)，但本研究所選取的樣本點(diǎn)(各城市)為特定的“限牌限購(gòu)”城市及其對(duì)照城市，可以認(rèn)為是非隨機(jī)的，這種情況下選擇固定效應(yīng)模型更為恰當(dāng)。最后，通過(guò)Hausman檢驗(yàn)(Prob.=0.000)發(fā)現(xiàn)應(yīng)拒絕選擇隨機(jī)效應(yīng)模型的零假設(shè)，支持選擇固定效應(yīng)模型。

固定效應(yīng)回歸模型的一般方程為

yit=at+bxit+cDi(t)+dDi(t)E(t)+

eDi(t)Fi(t)+αi+εit.

(1)

式中:i為觀測(cè)點(diǎn)(各城市)；t為年份(2008—2018年)；yit為i市t年的人均私人小汽車保有量；at為隨時(shí)間變化的截距；b，c，d，e為回歸系數(shù)矩陣；xit為隨時(shí)間變化的自變量(包括人口密度、城市化水平、流動(dòng)人口占比、平均家庭規(guī)模和人均GDP)；Di(t)為政策虛擬變量(實(shí)行“限牌限購(gòu)”政策時(shí)，D為1，否則為0)；E(t)為時(shí)間虛擬變量(t=2018時(shí)，E(t)為1,否則為0)；Fi(t)為城市虛擬變量(當(dāng)i為實(shí)行“限牌限購(gòu)”的7個(gè)城市時(shí)為1，否則為0)；α為不隨時(shí)間變化的誤差項(xiàng)，代表未觀測(cè)變量對(duì)y的影響；ε為隨機(jī)誤差。

式(1)中的政策虛擬變量可檢驗(yàn)小汽車增量調(diào)控政策是否有效，而政策虛擬變量和時(shí)間虛擬變量的交互項(xiàng)可檢驗(yàn)小汽車增量調(diào)控政策隨時(shí)間變化情況，政策虛擬變量和城市虛擬變量的交互項(xiàng)可檢驗(yàn)小汽車增量調(diào)控政策在不同城市的有效性情況。以政策虛擬變量和時(shí)間虛擬變量的交互項(xiàng)為例，交互項(xiàng)原理為：如果假設(shè)政策虛擬變量系數(shù)為c，且顯著，則交互項(xiàng)的回歸系數(shù)為d，且顯著，那么相對(duì)于其它參照時(shí)點(diǎn)，2018年小汽車增量調(diào)控政策的效應(yīng)由c變?yōu)閏+d，變化方向取決于d的正負(fù)情況；如果交互項(xiàng)的回歸系數(shù)不顯著，則說(shuō)明政策效應(yīng)不隨時(shí)間變化。模型采用stata21軟件進(jìn)行計(jì)算。

1.3 數(shù)據(jù)說(shuō)明

目前，我國(guó)一共有8個(gè)城市和省份實(shí)行了汽車限購(gòu)限牌。1994年起，上海對(duì)新增車牌采取的是“拍賣制”；北京于2010年12月起，實(shí)行汽車限購(gòu)令，采用“搖號(hào)制”；貴陽(yáng)于2011年7月12日起對(duì)小客車將實(shí)行新號(hào)牌核發(fā)規(guī)定；廣州于2012年6月起，采取“半搖號(hào)、半拍賣”制度；天津于2013年12月16日開(kāi)始，采取無(wú)償搖號(hào)與有償競(jìng)價(jià)的方式進(jìn)行限牌；杭州于2014年3月26日起，通過(guò)“搖號(hào)”或“競(jìng)價(jià)”的方式進(jìn)行限牌；深圳于2014年12月29日起，實(shí)行小汽車限購(gòu)，電動(dòng)汽車也在限購(gòu)之列。海南省于2018年5月16日起實(shí)行小客車總量調(diào)控管理，正式成為第8個(gè)限牌試點(diǎn)。

由于海南省的政策實(shí)施時(shí)間較短，政策效應(yīng)還沒(méi)有完全釋放出來(lái)，本文只將其它7個(gè)“限牌限購(gòu)”城市列入樣本點(diǎn)，同時(shí)選擇8個(gè)與上述實(shí)行“限牌限購(gòu)”城市相近的城市作為對(duì)照樣本，分別為蘇州、南京、濟(jì)南、青島、遵義、佛山、東莞、重慶。

在時(shí)期選擇方面，各城市主要是2010年前后實(shí)施小汽車增量調(diào)控政策，本文觀測(cè)期設(shè)定為2008—2018年，共11年。

各城市“限牌限購(gòu)”政策主要是對(duì)符合公安部《機(jī)動(dòng)車類型術(shù)語(yǔ)和定義》(GA 802-2014)中機(jī)動(dòng)車規(guī)格術(shù)語(yǔ)分類表規(guī)定的小型、微型載客汽車進(jìn)行調(diào)控，政策對(duì)象包括個(gè)人和單位，但受影響最大的還是個(gè)人，因此，本文將民用汽車中的私人汽車作為因變量。為保證數(shù)據(jù)的權(quán)威性和一致性，所用數(shù)據(jù)來(lái)自相應(yīng)年份的“國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)”和“統(tǒng)計(jì)年鑒”。

表1為本文實(shí)證分析所用基礎(chǔ)數(shù)據(jù)的統(tǒng)計(jì)描述分析結(jié)果。其中，每百人私人汽車保有量來(lái)自各城市對(duì)應(yīng)年份的“國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)”；人均GDP和城市化率來(lái)自各城市對(duì)應(yīng)年份“統(tǒng)計(jì)年鑒”；人口密度、流動(dòng)人口占比和家庭規(guī)模根據(jù)各城市對(duì)應(yīng)年份的“統(tǒng)計(jì)年鑒”中的指標(biāo)經(jīng)簡(jiǎn)單計(jì)算而得；“是否限牌限購(gòu)”由作者根據(jù)相關(guān)政策頒布時(shí)間進(jìn)行編制。

表1 變量統(tǒng)計(jì)描述

觀測(cè)期內(nèi)，私人汽車保有量經(jīng)歷了快速增長(zhǎng)，各樣本城市的年平均增長(zhǎng)率在8%～30%之間，2018年每百人私人汽車保有量最大的城市是東莞，而不是實(shí)行了“限牌限購(gòu)”政策的城市。在2010—2018年，各樣本城市人均GDP的年均增長(zhǎng)率在6%～16%之間，中、西部地區(qū)起始年份的基數(shù)較低，增速普遍較高。人口密度的差異較大，最高的深圳比最低的遵義高出近30倍；人口密度的變化較小，年均增長(zhǎng)率最高的廣州只有6.63%，其它城市都在5%以下。北、上、廣、深等一線城市的流動(dòng)人口占比普遍較高，但近年來(lái)趨于穩(wěn)中有降，而中西部的二三線城市的流動(dòng)人口占比偏低，重慶市和遵義市甚至為凈人口流出。所有城市的城市化率都在65%以上，最高的深圳達(dá)到100%，其它城市化率較高的城市則穩(wěn)定在80%以上。平均家庭規(guī)模的變化較小，但表現(xiàn)出兩種不同的趨勢(shì)，上海、廣州和天津的平均家庭規(guī)模略有下降，而北京、貴陽(yáng)、深圳和杭州的平均家庭規(guī)模略微上升。在所有樣本點(diǎn)中，有30%的樣本正處于“限牌限購(gòu)”政策的調(diào)控中。

2 實(shí)證結(jié)果

2.1 模型檢驗(yàn)

本文的數(shù)據(jù)是一組15(城市)×11(時(shí)期)的面板數(shù)據(jù)，需要事先對(duì)數(shù)據(jù)進(jìn)行檢驗(yàn)。

1)運(yùn)用LLC、IPS、ADF、PP 4種檢驗(yàn)方法對(duì)基礎(chǔ)數(shù)據(jù)進(jìn)行單位根檢驗(yàn)，表2的檢驗(yàn)結(jié)果顯示，模型所選取的變量存在單位根的概率值均小于0.10，各變量的時(shí)間序列平穩(wěn)，可進(jìn)一步進(jìn)行協(xié)整檢驗(yàn)。

表2 單位根檢驗(yàn)結(jié)果

2)本文運(yùn)用協(xié)整KAO方法對(duì)各變量的時(shí)間序列進(jìn)行協(xié)整檢驗(yàn)，協(xié)整KAO檢驗(yàn)的原假設(shè)不存在協(xié)整方程，但備選假設(shè)存在協(xié)整方程。檢驗(yàn)結(jié)果顯示，統(tǒng)計(jì)量(T)的P值為0.000，故拒絕原假設(shè)，接受本文所選取的因變量和自變量之間存在協(xié)整關(guān)系的備選假設(shè)，基礎(chǔ)數(shù)據(jù)可用于模型擬合。

3)檢驗(yàn)?zāi)Ｐ褪欠翊嬖趥€(gè)體效應(yīng)，如果存在則考慮采用面板回歸模型進(jìn)行擬合，并進(jìn)一步檢驗(yàn)是否為個(gè)體固定效應(yīng)或是個(gè)體隨機(jī)效應(yīng)，如果不存在個(gè)體效應(yīng)，則直接采用混合模型(一般多元回歸)。采用冗余固定效應(yīng)檢驗(yàn)(Redundant Fixed Effects-Likelihood Ratio)模型的個(gè)體效應(yīng)F值檢驗(yàn)顯示，其顯著性水平(p-value)在0.032～0.007之間，因此認(rèn)為模型1～3不同個(gè)體(城市)的截距不同，可采用面板回歸模型進(jìn)行擬合。

4)面板模型分為個(gè)體固定效應(yīng)模型和個(gè)體隨機(jī)效應(yīng)模型，區(qū)分選擇使用哪種模型的最常用方法是Hausman檢驗(yàn)，Hausman檢驗(yàn)的原假設(shè)是使用個(gè)體隨機(jī)效應(yīng)模型，備選假設(shè)是使用個(gè)體固定效應(yīng)模型。檢驗(yàn)結(jié)果顯示，統(tǒng)計(jì)量的P值為0.000，故拒絕原假設(shè)，選用個(gè)體固定效應(yīng)模型。

另外，從各模型的整體顯著性檢驗(yàn)看(Log likelihood，見(jiàn)表2)，各模型的因變量與所有解釋變量之間的線性關(guān)系總體上顯著。模型的解釋力度(R2)在50%左右，各模型能夠較好地解釋因變量的方差變異。

2.2 結(jié)果分析

基于上述理論模型，對(duì)2008—2018年中國(guó)大陸7個(gè)實(shí)行“限牌限購(gòu)”的城市和8個(gè)對(duì)照城市的人均私人汽車保有量(因變量)進(jìn)行面板回歸分析，共得到11(觀測(cè)時(shí)點(diǎn))×15(觀測(cè)點(diǎn))個(gè)數(shù)據(jù)，共165組配對(duì)的面板數(shù)據(jù)。

本研究共構(gòu)建如表3所示的3個(gè)統(tǒng)計(jì)分析模型。其中，模型1為基準(zhǔn)模型，包括表1中的政策虛擬變量和其它控制變量；模型2為時(shí)間交互模型，在基準(zhǔn)模型的基礎(chǔ)上，引入政策與時(shí)間虛擬變量的交互項(xiàng)(Di(t)×E(t=2018))；模型3為個(gè)體交互模型，在基準(zhǔn)模型的基礎(chǔ)上，引入政策和城市虛擬變量交互項(xiàng)(Di(t)×Fi(t))。

表3 模型的估計(jì)結(jié)果

1)基準(zhǔn)模型為一般回歸模型，用于檢驗(yàn)自變量與因變量之間是否存在顯著性關(guān)系。從模型1各自變量的回歸系數(shù)對(duì)應(yīng)的P值看，經(jīng)濟(jì)發(fā)展水平(Ln(GDP))、人口密度(D_P)、城市化水平(U_P)、家庭規(guī)模(H_S)和“限牌限購(gòu)”政策虛擬變量(D)對(duì)私人汽車保有量有顯著性影響，但流動(dòng)人口占比則沒(méi)有顯著性影響。其中，人均GDP和城市化水平回歸系數(shù)為正值，表明人均GDP越高、人均私人汽車保有量越多，城市化水平越高、人均私人汽車保有量越多；人口密度、家庭規(guī)模和“限牌限購(gòu)”政策的回歸系數(shù)為負(fù)，表明人口密度越高、人均私人汽車保有量越少，平均家庭規(guī)模越大、人均私人汽車保有量越少，“限牌限購(gòu)”政策對(duì)人均私人汽車保有量有抑制作用。意外的是流動(dòng)人口占比并不顯著，由于各樣本城市的戶籍人口在觀測(cè)期內(nèi)趨于穩(wěn)定，常住人口數(shù)量的變化主要由流動(dòng)人口引起，而人口密度又由常住人口數(shù)量決定，因此，兩個(gè)指標(biāo)之間可能存在多重共線性問(wèn)題，故在后面的分析模型中應(yīng)刪除流動(dòng)人口占比(F_P)。政策虛擬變量的回歸系數(shù)為-0.027，盡管強(qiáng)度小于其它幾個(gè)具有顯著性意義的指標(biāo)，至少說(shuō)明本文設(shè)計(jì)的模型能夠體現(xiàn)“限牌限購(gòu)”政策對(duì)人均私人汽車保有量的統(tǒng)計(jì)意義。

2)時(shí)間交互模型是引入了政策和時(shí)間虛擬變量交互項(xiàng)的個(gè)體固定模型，用于檢驗(yàn)政策效應(yīng)隨時(shí)間變化情況。在模型中，刪除了具有多重共線性的流動(dòng)人口占比后，除增加的交互項(xiàng)外，其它變量的系數(shù)、符號(hào)和顯著性水平都與基準(zhǔn)模型相似，進(jìn)一步驗(yàn)證了基準(zhǔn)模型的穩(wěn)健性。政策和時(shí)間虛擬變量交互項(xiàng)(D×E)的回歸系數(shù)為0.018，且顯著，其符號(hào)正好與政策虛擬變量(D)相反。也就是說(shuō)在其它條件相同的情況下，2018年的政策效應(yīng)比其它年份平均低0.018個(gè)單位，說(shuō)明“限牌限購(gòu)”政策正在隨時(shí)間推移而下降。

3)城市交互模型是引入了政策和城市虛擬變量交互項(xiàng)的個(gè)體固定效應(yīng)模型，用于檢驗(yàn)各城市的政策效應(yīng)情況。在模型中，各實(shí)施“限牌限購(gòu)”城市的政策效應(yīng)有較大差異，上海是最早實(shí)施“限牌限購(gòu)”政策的城市，其政策效應(yīng)也最大；北京的“限牌限購(gòu)”政策也有一定效果，“限牌限購(gòu)”政策使得每百人私人汽車擁有量下降了0.102個(gè)單位。廣州、天津、深圳的政策效應(yīng)還要低于北京，而杭州的政策效應(yīng)則更低。值得注意的是，貴陽(yáng)作為三線或準(zhǔn)二線城市，其政策效應(yīng)并不顯著，表明“限牌限購(gòu)”政策在貴陽(yáng)并沒(méi)有起到預(yù)期效果。

雖然各城市的政策措施各不相同，如上海的“拍賣制”與北京的“搖號(hào)制”，廣州、深圳、天津和杭州的“半拍賣、半搖號(hào)”制，以及貴陽(yáng)的“專段號(hào)牌搖號(hào)”制，但它們都有一個(gè)共同特點(diǎn)，即無(wú)論采取何種措施都有一定的指標(biāo)配額，也就是說(shuō)不論采取何種措施其對(duì)新增私人汽車數(shù)量的限制作用相似?？傮w看，“限牌限購(gòu)”政策對(duì)抑制人均私人汽車增長(zhǎng)有一定效果，但其作用程度遠(yuǎn)小于經(jīng)濟(jì)和人口因素，并隨時(shí)間的推移還在逐漸削減。在所有考察因素中，人均GDP、人口密度、人口城市化和平均家庭規(guī)模也對(duì)人均私人汽車擁有量有一定影響，其中經(jīng)濟(jì)因素是驅(qū)動(dòng)人均私人汽車擁有量上升的首要因素。

2.3 拐點(diǎn)檢驗(yàn)

根據(jù)庫(kù)茨涅茨環(huán)境曲線原理，隨著人均GDP增加，環(huán)境污染程度將呈現(xiàn)上升趨勢(shì)；隨著人均GDP的進(jìn)一步提高，環(huán)境污染程度會(huì)逐年呈現(xiàn)下降趨勢(shì)，其擬合結(jié)果如表4所示。如前所述，經(jīng)濟(jì)因素對(duì)私人汽車擁有量的影響最大，如果庫(kù)茨涅茨環(huán)境曲線的拐點(diǎn)還沒(méi)有到來(lái)，那么它將繼續(xù)起到高強(qiáng)度的影響；如果拐點(diǎn)已經(jīng)過(guò)去，它對(duì)私人汽車擁有量的影響將逐步減弱，也意味著未來(lái)的私人汽車擁有量增長(zhǎng)的壓力將減輕，這對(duì)未來(lái)的政策調(diào)整具有重要意義。

表4 庫(kù)茨涅茨環(huán)境曲線的擬合結(jié)果

上海作為最早實(shí)施“限牌限購(gòu)”政策的城市，其曲線拐點(diǎn)也較早到來(lái)，大約在人均GDP達(dá)到9萬(wàn)元時(shí)(大約在2013年前后)，經(jīng)濟(jì)因素對(duì)私人汽車的推動(dòng)作用已經(jīng)開(kāi)始衰減。北京的曲線拐點(diǎn)在人均GDP達(dá)到11萬(wàn)元時(shí)到來(lái)(大約在2016年前后)，廣州、天津、杭州、深圳的曲線拐點(diǎn)都在9萬(wàn)～18萬(wàn)元人均GDP的位置，目前已經(jīng)達(dá)到或超過(guò)了曲線拐點(diǎn)。比較特殊的情況發(fā)生在貴陽(yáng)，其曲線拐點(diǎn)為人均GDP達(dá)到11.43萬(wàn)元時(shí)，而其在2018年的人均GDP僅為7.45萬(wàn)元，離曲線拐點(diǎn)還有一定距離。按照目前的經(jīng)濟(jì)發(fā)展趨勢(shì)，貴陽(yáng)的“限牌限購(gòu)”政策效應(yīng)在很大程度上將被經(jīng)濟(jì)的驅(qū)動(dòng)作用所抵消。

3 結(jié) 語(yǔ)

目前，各城市實(shí)行的小汽車增量調(diào)控政策對(duì)抑制私人汽車的過(guò)快增長(zhǎng)確實(shí)起到了一定作用，為這些城市的交通和環(huán)境治理贏得了寶貴時(shí)間和空間[20]。但也應(yīng)看到，政策效應(yīng)正在隨時(shí)間的推移而下降，任何政策都會(huì)因社會(huì)環(huán)境的變化而發(fā)生改變，適時(shí)的修訂或調(diào)整政策是基于對(duì)政策環(huán)境、政策目標(biāo)和政策效應(yīng)的審慎判斷，而本文的結(jié)論無(wú)疑能提供一些參考。

私人汽車擁有量快速增長(zhǎng)的動(dòng)力來(lái)源于經(jīng)濟(jì)發(fā)展、人口結(jié)構(gòu)和家庭結(jié)構(gòu)的變動(dòng)，其中經(jīng)濟(jì)發(fā)展是首要因素。在中國(guó)經(jīng)濟(jì)新常態(tài)下，增速放緩已是共識(shí)[21]，且部分一、二線城市已經(jīng)越過(guò)了庫(kù)茨涅茨環(huán)境曲線的拐點(diǎn)，未來(lái)經(jīng)濟(jì)因素對(duì)私人汽車保有量增長(zhǎng)的促進(jìn)作用將得到緩解。人口條件也不支持私人汽車保有量繼續(xù)快速增長(zhǎng)，人口數(shù)量增長(zhǎng)明顯放緩[22-23]；平均家庭規(guī)模已接近較低水平，且伴隨著生育政策的調(diào)整有回升跡象[24]；人口流動(dòng)發(fā)生部分逆轉(zhuǎn)，大規(guī)模向大中型城市聚集的現(xiàn)象很難重演[25]。本文的分析結(jié)果還表明：人口密度與私人汽車保有量負(fù)相關(guān)，部分原因是人口密度較高的大中型城市私人汽車保有量已接近飽和，人口增長(zhǎng)不會(huì)顯著增加人均私人汽車保有量，反而會(huì)使人均私人汽車保有量下降。

另外，貴陽(yáng)的“限牌限購(gòu)”政策并不顯著，杭州的政策虛擬變量回歸系數(shù)很小，說(shuō)明其政策效應(yīng)十分有限，值得對(duì)現(xiàn)有的“限牌限購(gòu)”政策進(jìn)行反思?！跋夼葡拶?gòu)”政策對(duì)社會(huì)福利和汽車產(chǎn)業(yè)發(fā)展將會(huì)造成一定損失[26]，相關(guān)政策的實(shí)施和修訂需要權(quán)衡社會(huì)福利、汽車產(chǎn)業(yè)發(fā)展、交通和環(huán)境治理等多方面利益，至少二、三線城市應(yīng)積極提高城市道路交通管理和環(huán)境治理水平，不能盲目地觀望等待，并寄希望于“限牌限購(gòu)”政策來(lái)應(yīng)對(duì)未來(lái)的擁堵和污染問(wèn)題。2019年9月，貴陽(yáng)已經(jīng)正式宣布取消“限牌限購(gòu)”政策，這對(duì)于正在實(shí)施或醞釀“限牌限購(gòu)”政策的城市是一個(gè)積極啟示。

受數(shù)據(jù)限制，本文只對(duì)“限牌限購(gòu)”政策與私人汽車擁有量關(guān)系進(jìn)行研究，但從環(huán)境保護(hù)和交通治理角度看，更直接的政策影響是汽車使用量(人均行駛里程)或交通能源消費(fèi)(人均交通能耗)，下一步如果能從這兩個(gè)方面進(jìn)行分析，將會(huì)得出更直接的政策效應(yīng)分析結(jié)果，會(huì)對(duì)“限牌限購(gòu)”政策效果做出更準(zhǔn)確的判斷。