环境法规与腐败：墨西哥城的汽车尾气排放

环境法规与腐败：墨西哥城的汽车尾气排放

推文作者:Shuai Jiang & Pak Hung Lam

限制污染物排放的环境法规在发展中国家十分常见，但其效力往往受制于腐败问题。2015年发表于Journal of Political Economy的“Environmental Regulations and Corruption: Automobile Emissions in Mexico City”分析了墨西哥城汽车排放规定的有效性及其腐败程度。作者Paulina Oliva设计了一个统计检验以甄别特定的腐败行为（例如贿赂检测人员），发现80个检测中心中有63个检测中心或存在腐败行为；此外，作者的结构性模型能预估车辆持有者关于“再检测”与“贿赂”的决策。该文的结果表明大约有9.6%的车主支付二十美元的贿赂费以规避审查。杜绝贿赂行为并提高再检测费用能减少3708吨的污染排放。

1.     引言

在发展中国家，汽车尾气是空气污染及温室气体排放的重要污染源。例如，在墨西哥城，汽车尾气贡献了45%的可挥发性有机物（volatile organic compounds）和81%的总氮氧化物（total nitrogen oxides）的排放（在美国这一比例则分别为29%和34%）。本该文旨在评估墨西哥城尾气排放监测中存在的腐败行为并研究该类行为会如何阻碍法规的有效实施。根据法律，在墨西哥城汽车驾驶者被要求进行一年两次的汽车尾气检查，但法律并未对多次重复检测作出限制。因此,排放检测能在两个月的监测窗口期内多次重复进行（该窗口期依照牌照过期日确定）。该法规虽本为控制汽车排放而设计，但贿赂检测技师等腐败行为能使车主在超过排放限值的情况下规避审查。

 

2.     车辆排放检测

对汽车排放浓度的强制监测是实施控制排放规定的重要方法。然而，在尾气监测中心监测到的污染物浓度与道路上的实际污染物浓度仍有差距，这不禁令人质疑法规的有效性。部分研究将这种差距归咎于污染浓度的变化及尾气排放控制的迅速失效，也有部分研究认为腐败行为导致了法规失效。自1990年起，墨西哥城对所有交通工具的作出强制检测规定，每六个月，车辆持有者需在两个月的窗口期内前往尾气检测中心进行检测，偶数次的检测费用可豁免（即第2，4，6….次检测）。检测期间，监测中心人员首先在电子系统内记录下车辆信息（车牌、车型、汽缸数量、车主地址及里程等）并进行肉眼检查，之后车辆将被放置在测试仪器上，测量仪器的将直接读出汽车尾气的排放浓度以进行排放审查，该读数为自动记录并且不能被手动更改，通过测试的车辆将于车牌上印上通过检测的证明。值得注意的是，检测人员在证明被打印出之前都无法知晓确切的浓度读数。当车辆通过测试，一个相应的证明贴纸将被贴在防风镜上；如果没有通过测试，车主可能需要重新进行检测，随之需要支付不定额的检测费用。大约有76%的车辆在初次检验中即通过测试，15%的车辆在第一次再检测(retest)中通过测试。每轮测试大约有2.5%的车辆不能通过测试，6.2%的车辆不能通过第一次再检测。未达标的车辆若在道路上行驶将面临850-3500比绍的罚款（大约79-325美元）。

 

3.数据

该研究收集了2003年尾气排放测试的车辆信息和测试结果作为研究数据。尾气检测中心的系统直接向当地环境部门运营的公共网站上传数据，其数据集包括多个监测站的数据。2003年的数据包括了160万辆汽车的检测及再检测结果，包括四种主要污染物的数据（HC、NO、CO和O₂），下表提供了详细的规定。

除了2003年的数据，作者还包括了2001、2002、2004和2005年的数据以包括未在2003年进行检测的车主，这主要是为了识别选择推迟检测并承担罚款风险的车主。下表主要呈现了车辆信息和检测结果的数据。

 

4.腐败行为

2002年，一家报纸秘密访问了七间尾气检测中心，其中六间均提供获得通过检测证明的付费服务，这一部分“小费”由5-40美元不等。大部分报道表示检测人员往往采用“替代检测”的方法提供检测服务，即用一辆“清洁车”替代车主的“污染车”通过测试。由于该“清洁车”在一个车道内被连续多次测试，作者因此可以捕捉这类腐败行为。下表主要描述了这一类“可疑”数据，列1是测试时间，列2-4分别是车型发布时间、汽缸数量和排气量，其余的数据主要是四种污染物浓度读数（24km/h和40km/h下的读数）。值得注意的是，标星号的数据表现出惊人的相似，尽管其汽车车型、气缸数量等有很大差别。

 

作者建立了一个捕捉该类行为的序列相关性测试，并对每一类污染物数据使用自回归模型以评估连续读数的序列相关性；该测试若显着正相关，则说明有贿赂行为。

定义为汽车i于t时间内污染物j的真实排放量;是排放量的最佳线性预测，其中i指示具体的汽车，在汽车i之后进入检测的汽车为i+1;是时间t的一个指标，因为同一辆车在不同时间测试其结果可能不同。作者将决定贿赂技术人员而获得证书的人定义为“cheater”，当存在“cheat”行为时，同一辆车(“清洁车”)可能被检测多次。例如，若i-1是用于替代测试的“清洁车”，i是“cheater”，i+1是“cheater”，则尾气检测中心的数据将会为，，；如果其中并没有“cheater”，尾气检测中心的记录则为，，。

捕捉腐败行为的依据是“清洁车”的排放读数及“清洁车”为“cheater”提供服务所记下的读数，作者依此有以下假设:

假设A1：“清洁车”提供服务的所有车辆，其读数将在同一个车道上被连续地读取。该假设并未考虑当正常车辆获得测试后，“清洁车”进入顶替“cheater”的测试位的情况；亦未考虑用不同的仪器检测“清洁车”排放水平以为“cheater”获取达标证明的情况；但该假设考虑了用一辆“清洁车”为多辆“cheater”获得证明的可能性。

当并不存在腐败现象时，自然可以假设连续的排放浓度读数之间没有依赖关系；上述的两个假设表明：（1） 不连续相关（2）污染物的单变量非观察成分与之前的汽车特性无关。

污染物读数的可观测决定因素包括汽车的品牌、服务、大小的固定效应，也包括汽车车龄、里程等的影响。除了这些影响因素，也包含许多能影响连续相关性的不可观察特性（即使不存在腐败情况），因此作者需要进一步控制这些变量。作者首先包括了检测中心和检测设备的固定效应，这些可能导致连续相关性；其次，作者使用了日期数据作为时间变量；最后，作者加入了天气的控制变量，因为大气温度可能对污染物浓度有一定影响。此外，作者删除了同一检测中心中不同车道内同时测试的车辆的数据（部分车主或有多辆汽车，这些汽车有相似的保养度）。

将定义为检测中心的排放浓度读数，若无舞弊行为时，应该为真实浓度读数；若腐败行为存在，排放浓度读数可能是真实读数或“清洁车”的读数，具体情况可表达为：

                               

是汽车i于时间t的所测污染物浓度，是在汽车i前的“清洁车”的真实排放量，是一个二进制变量，若i是“cheater”时，c_i=1。k是未知数，且真实浓度未知，但可以观测到（车i-1于时间t-1的排放浓度读数）。基于假设A1-A3，作者用最小二乘法回归对腐败行为进行检验：

最小二乘法系数的t统计量用于检验“无腐败行为”的零假设。在假设A2和A3下，有，检测结果表明，80个检测中心中有63个检测中心或存在腐败行为，此外作者进行了稳健性检验以证明观察到的连续相关性并非其他因素导致，主要的检验结果如下表：

 5.贿赂行为的模型

据以上分析，说明腐败行为是墨西哥城排放控制法规的主要问题，作者进一步模拟了车主决定“贿赂”背后的主要考虑因素，鉴于主要的违规车是型号较老且不能豁免排放检查的车辆，该模型主要针对这一部分车辆。

墨西哥城的尾气检测规定检测费用为16美元，不限制“再检测”次数且双数次检测费用可豁免；尾气不达标而没有相关证明的车辆或面临79美元的罚款，因此所有车主均可选择贿赂检测人员而规避该罚款，贿赂费由检测中心人员规定。

每次检测或“再检测”时，车主会作出相应的选择，其主要选择模式可表达为:。其中，B代表选择向检测中心人员支付贿赂费；A代表依照法律进行尾气排放检测；X代表未在规定时间内进行检测。除此之外，作者依据单数次检测和双数次检测定义检测费用，，，上式体现了单数次费用（s）和双数次费用（s’）的不同。与选择i相关的u_i（u_i’）被认为与s（s’）（金钱和时间花费）和随机效用冲击（random utility shocks）线性相关，即。

如果车主错过尾气检查期（i=X），车主将避免现需的所有花费，但下一个尾气检查期的时候可能会面临罚款，即/ 。是面临罚款的几率乘以折现率；f是罚款，即79美元。如果车主支付贿赂费（即i=B），那么车主可以通过尾气检测。鉴于有大量的检测中心且其提供的服务是同类的，作者认为各个中心之间就贿赂服务处于完全竞争。该情况可用公式表示为和；如果车主按照法律接受尾气检测，车主不需要承担贿赂费用，因此有和。然而，车主可能无法通过尾气检测，如果没有通过尾气检测，车主将再次面临决定，且车主可以进行无限次的“再检测”，因此有：

建立该模型的目的是为了捕捉未被观察到的腐败现象及随之带来的私人成本，同时该模型也能帮助预测政策变化导致的结果。作者首先介绍了车主作出各个选择的概率，即代表奇数次检测作出决定的概率，代表偶数次检测做出决定的概率。除此之外，作者通过预测可以将无腐败现象的检验中心的测试结果和汽车特性相联系的简化模型，以预估每辆汽车通过检验的概率。

不能通过第一次测试的概率为：               

                                            

不能通过“再测试”的概率为（在不能通过第一次测试的基础上）：

未能达到测试要求的概率（未前往检测中心检测）为：

未能达到测试要求的概率（第一次未通过测试）为：

该结构性模型的预测是基于最大似然估计进行的。因为贿赂的决定不能被观察到，作者罗列经过两次测试后可能出现的结果：

结果1（O1）：错过测试

结果2（O2）：通过测试（依法通过或通过贿赂）

结果3（O3）：错过测试（在未通过第一次测试后）

结果4（O4）：第一次测试失败后，通过“再测试”（依法通过或通过贿赂）

结果5（O5）：未能通过“再测试”

这些结果可以用公式表示为：

可能性可表示为：

6.预测结果

表5和表6是模型主要参数的预估值

 

表7预测了作者考虑的五种政策的实施结果:

 7. 主要结果及结论

该模型的最大似然估计得出预估的贿赂金额约为20美元 (该估算值也在报纸报道的范围内)。个人决定模型的模拟结果表示有9%的车主选择支付贿赂费而规避尾气检查。结果表明政策所带来的排放量降低比墨西哥城一天的交通排放量还少，并且增加了该国的交通成本，每一个检测期所有车主要向检测中心多支付370万美金的费用，种种结果表明一年两次的尾气检查并非是个成本效益高的政策。

作者表明利用清洁技术如催化式排气净化器或更为有效，虽然其具体效益并未在墨西哥的背景下有过研究，但有其他相关研究已经评估过该类政策并证明了其有效性。

 

(Photo source: kknews)