《Journal of Cleaner Production》：The policy triad: Designing the interactions of incentive, constraint, and enabling instruments on ecosystem value realization
编辑推荐：
摘要将生态资产转化为可持续的经济价值仍然是环境治理中的核心挑战。尽管生态系统生产总值（GEP）核算为生态系统产出提供了一种标准化指标，但政策组合与GEP变化之间的关联模式——包括其相对贡献、非线性阈值和交互效应——尚缺乏充分的量化研究。本研究构建并实证检验了一个整合性的"激励
摘要
将生态资产转化为可持续的经济价值仍然是环境治理中的核心挑战。尽管生态系统生产总值（GEP）核算为生态系统产出提供了一种标准化指标，但政策组合与GEP变化之间的关联模式——包括其相对贡献、非线性阈值和交互效应——尚缺乏充分的量化研究。本研究构建并实证检验了一个整合性的"激励-约束-赋能"（ICE）框架，以刻画中国各省份六类环境政策工具与GEP变化之间的异质性关联。研究运用机器学习方法（XGBoost-SHAP）对2014年至2023年的数据进行分析，识别出三种预测模式。第一，政策组合与GEP的大幅变化存在关联，并表现出非线性贡献模式，包括绿色金融在较高强度水平下边际贡献递减以及约束性工具在不同政策区间内贡献模式的差异化。第二，我们识别出各生态系统服务维度上贡献模式的差异：激励性工具对物质供给的预测贡献更强，约束性工具与调节服务关联更为紧密，而赋能性工具对文化服务的贡献更为显著。第三，政策有效性及其交互效应均受到区域社会生态背景的重新校准，相同的政策组合在某些地区产生协同效应，而在其他地区则产生拮抗效应。这些发现为精准环境治理提供了重要启示，强调了根据生态系统服务目标和区域条件差异来校准政策强度并将工具组合为情境敏感型政策组合的重要性。
引言
全球生态系统服务的衰退威胁着可持续发展，亟需建立将自然价值纳入经济体系的框架。欧洲绿色新政和中国的生态文明建设等倡议通过生态产品价值实现（EPVR）体现了这一优先事项。它们面临一个共同的挑战：设计能够将生态资产转化为可衡量效益的政策组合（Costanza et al., 2014）。然而，生态系统产出缺乏标准化的货币度量指标，阻碍了这一转变，导致政策协调不足以及生态存量与经济流量之间的持续差距（Rogge and Reichardt, 2016）。
生态系统生产总值（GEP）核算的出现为测量提供了关键性解决方案，为政策评估提供了一把标准化的货币标尺（Costanza et al., 1997）。然而，一个关键缺口仍然存在：GEP告诉我们自然价值多少，但并未系统性地指导我们如何通过政策提升这一价值（Su et al., 2020）。不明确的制度安排往往阻碍了从核算到实现的转化（Zheng et al., 2023）。研究中的"政策孤岛"思维进一步加剧了这一实施挑战。现有研究通常孤立地考察单一工具，忽视了治理中政策组合的现实（Rogge and Reichardt, 2016）。更根本的是，现有的方法学工具集不适合诊断政策组合的核心复杂性。传统计量经济模型虽然在因果识别方面较为稳健，但在捕捉政策组合所特有的非线性阈值和复杂交互效应方面存在固有限制（Goulder and Parry, 2008）。因此，现有证据基础无法回答紧迫的设计问题：不同政策的相对贡献是什么？政策变量是否表现出非线性贡献模式？它们如何交互？这导致了忽视关键情境的"一刀切"次优建议（B?rner et al., 2017）。为突破这一困境，需要一种能够解构这些交织效应的新型分析框架。
传统环境政策分析仍基于二元范式，区分基于科斯逻辑的市场激励和基于庇古原则的强制性约束。尽管这种二分法具有工具性价值，但它存在一个关键盲点：忽视了赋能性工具的基础性作用。市场激励和监管约束的有效性往往以国家能力——实施所需的行政、财政和监测基础设施——为前提条件（Goulder and Parry, 2008; Kern and Rogge, 2018）。为突破这一困境，我们提出整合性的"激励-约束-赋能"（ICE）框架。本研究构建并实证检验了这一框架，运用机器学习方法对省级数据进行分析，以刻画政策组合与GEP变化之间的关联方式。
诊断ICE框架所假设的多工具政策组合内部非线性剂量和交互效应的复杂关系，提出了独特的方法学挑战。虽然传统计量经济模型在估计单一政策的平均效应方面较为稳健，但在缺乏限制性函数形式假设的情况下，难以捕捉这些复杂性（Athey and Imbens, 2019）。为此，我们采用了一种可解释的机器学习方法，将XGBoost算法（Chen and Guestrin, 2016）与SHAP值（Lundberg and Lee, 2017）相结合。这种组合使我们能够在无需预设函数形式的情况下建模政策与GEP之间的关系，并且关键的是，能够基于合作博弈论量化政策的边际和交互贡献。在ICE框架的指导下，我们利用这一方法学工具集回答了一系列相互关联的问题：不同政策类型对GEP的相对贡献是什么？政策是否表现出非线性拐点？它们如何交互？以及这些效应如何随着具有不同社会生态背景的区域而被重新配置（Egami and Hartman, 2023）？
本研究通过整合性分析弥合了生态系统测量与有效治理之间的关键缺口。在实证层面，我们建立了中国首个省级GEP数据库，实现了在多样化区域背景下对生态价值动态的首次系统分析。在理论层面，我们构建并实证检验了ICE框架，为分析环境政策组合提供了更为整体的方法，尤其适用于发展中经济体。在方法学层面，我们将机器学习（XGBoost）与可解释人工智能（SHAP）相结合，刻画了非线性贡献模式并量化了复杂的政策交互效应，为政策分析作出了贡献。在实践层面，我们的发现为精准环境治理提供了诊断框架，在识别政策优先级、理解强度依赖的贡献模式、识别互补性政策组合以及解释政策组合的区域异质性方面具有实际应用意义。这些发现直接服务于生态价值实现的追求，为循证环境治理提供了一种可迁移的框架，尤其适用于发展中经济体。
章节片段
理论框架：从GEP核算到ICE政策三元结构
生态系统生产总值（GEP）核算已从基础性的全球价值评估概念演变为一种标准化的政策评估货币工具（Costanza et al., 1997），为生态系统价值的"价值多少"问题提供了关键答案（Ouyang et al., 2020; Zheng et al., 2023）。方法学上的改进，如综合经济-生态产品核算，进一步巩固了其作为应用性政策工具的能力（Ma et al., 2020; Wang et al., 2021），成为旨在
数据来源
本研究使用的数据来自多个官方统计和科学数据库。社会经济和财政变量数据来自中国国家统计局和各省级统计年鉴。在GEP核算方面，生态系统相关的生物物理数据——包括土地覆盖、植被生产力、气候变量、水资源、污染排放和旅游统计——采集自国家地球系统科学数据中心、资源与
GEP的描述性特征与时空动态
为对后续政策驱动因素分析提供背景，我们首先诊断中国GEP的基础性结构趋势。2014年至2023年核密度估计的演变揭示了中国生态系统服务价值内部发生的深刻结构性转变，而这些转变被GEP总量的表面稳定性所掩盖（图2）。尽管整体分布仅呈现轻微右移，表明增长已趋于平缓，但持续的左尾表明部分省份
综合ICE逻辑：理解GEP导向政策的诊断框架
我们的分析超越了单纯的 policy 贡献测量，致力于刻画政策组合与GEP变化之间复杂且具有情境依赖性的关联模式。通过建立连贯的洞见递进——从认识政策提升GEP的整体潜力，到诊断其在GEP各组成要素中的专业化功能，最终揭示这些驱动因素如何被区域
CRediT作者贡献声明
施映霜：论文撰写——审阅与编辑、论文撰写——初稿撰写、可视化、方法论、形式分析、概念化。安启光：论文撰写——审阅与编辑、监督指导、资源提供、经费获取、概念化。
利益冲突声明
作者声明不存在可能影响本文所报告工作的已知竞争性经济利益或个人关系。
施映霜|安启光
