【政策评估】中国清洁冬季供暖政策对空气质量效益的归因：机器学习与因果推理相结合

论文导读

供暖是空气污染的主要来源。中国的冬季集中供暖战略是全球最大的能源消耗系统之一。中国向秦岭-淮河以北地区提供11月至次年3月的免费或高额补贴的供暖服务，并将煤炭作为主要能源，这被认为与供暖期的空气污染事件有关。为改善空气质量，过去十年中国实施了一系列清洁供暖政策，并对“2+26城”（含北京、天津、河北、山西、山东、河南等26个城市）的清洁供暖比提出了更高的要求。在中国北方实施清洁供暖5年（2017-2021年）之后，评估集中供热相关政策的有效性势在必行。

过往的空气质量干预研究中，反事实浓度是通过化学传输模型(CTM) 模拟的，然而该方法严重依赖及时准确的排放清单；双重拆分法(DID) 是评估政策干预效果的常用方法，然而不同供暖方式的城市存在很大的排放强度与气象差别，不符合平行趋势假设。本文使用准自然实验设计，采纳一种新颖的、基于观察的因果推理方法评估了冬季供暖和清洁供暖政策对中国空气质量的影响。采用两步法，将基于机器学习的天气归一化方法与强化合成控制法(ASCM)模型相结合：首先使用基于随机森林的机器学习模型将气象学的影响与 189 个中国城市观测到的空气污染物浓度脱钩，之后将天气归一化(标准化为多年平均气象条件)后的浓度输入ASCM模型，从而将冬季供暖对空气质量的因果影响分离出来，可以可靠地将因果效应归因于政策干预。

编者按

要估计政策干预的因果影响，需要排除其他因素的干扰，构建反事实（即一切照旧）轨迹，从而与现实的政策干预情况进行对比。本研究巧妙利用了不同供暖方式和清洁供暖政策的城市，结合机器学习方法排除天气因素的干扰，从而逻辑严密地论证了清洁供暖政策带来的空气质量改善和公众健康福利。