強度維度下的環境規制對綠色技術進步的影響

姚小劍，何 珊，楊光磊

（西安石油大學 經濟管理學院，西安 710065）

0 引言

上個世紀80年代一種普遍的觀點是環境規制對綠色技術進步存在“成本效應”，比較經典有代表性的是Collop和Roberts（1983）[1]和 Cray（1987）[2]的研究，他們認為環境規制會增加企業的成本，成本的增加限制了企業的科技研發支出，不利于綠色技術的研發。到了90年代，基于Porter等的研究基礎，Jaffe等（1995）[3]、Dean等（2000）[4]以及趙紅（2007）[5]、王兵等（2008）[6]和張成等（2010）[7]諸多學者的研究發現環境規制對綠色技術的影響主要取決于“創新補償效應”的大小，如果在一定的環境規制強度下，“創新補償效應”能夠彌補“成本效應”的部分，從時間維度上來看，這種彌補需要一個較長的時期，因此在短期內抑制效應更加明顯。顯然，他們之后的研究也是對波特假說的驗證，說明環境規制強度與綠色技術進步之間存在“U”型關系。為了更精確的說明環境規制強度與技術進步的“U”型關系，張成等（2010）[7]構建了環境規制強度與企業技術水平的數理模型，他采用不考慮非期望產出的數據包絡分析（DEA）測算技術水平，本文旨在研究環境規制強度對綠色技術進步的影響，通過構建一個基于期望產出和非期望產出的方向型距離函數，將環境因素納入技術效率的測算，進而分解出綠色技術進步指數。張成等[7]所構建的模型中的生產函數僅以資本作為投入要素，為了使模型中投入要素與考慮期望產出的數據包絡分析（DEA）保持一致，本文進一步引進勞動力和能源作為投入要素。

1 數理模型

首先，假設環境污染均是各地區在生產過程中產生的，產出越大，污染排放量越大。為了使模型便于理解，首先設定技術水平是希克斯中性的，同時各地區的污染排放不能超出環境規制最低排放要求，各地區的生產遵循利潤最大原則。設定地區的收益函數為R=P?A（KA,LA,EA）f(KP,LP,EP)，其中P為產品價格，A為生產技術水平，f為不變技術水平下的產出水平，A和f分別是KA、LA、EA和KP、LP、EP的函數，KA、LA、EA分別表示生產中技術資本投入量、勞動投入量和能源投入，KP、LP、EP分別表示生產中的資本投入量、勞動投入量和能源投入量。因此可以定義A（KA,LA,EA）f(KP,LP,EP)為生產函數，為方便本文用F表示生產函數。

同時，假設產品及要素市場都是出清狀態，產品及要素的價格不受產出影響。定義W(F,E)為污染排放函數，E為污染治理支出，由此可以看出污染排放函數是生產水平(F)和污染治理支出(E)的函數。根據Forster（1980）[8]、Selden和Song（1995）[9]對污染函數的描述，對W(F,E)進行偏導數運算得W′(F,Eˉ)＞0,W′(Fˉ,E)＜0 ，說明污染排放與產出水平正相關，污染治理支出保持不變，隨著產出水平的增加，污染排放隨之增加，污染治理支出與污染排放負相關，產出水平保持不變，隨著污染治理支出的增加，污染排放隨之減少。污染排放在生產過程中經常受到種種約束，污染治理支出也不會無限增加，即所有的生產都在一定的環境規制下進行。因此，面對環境規制的壓力，生產過程中往往會通過兩種途徑控制污染排放，其一是“治污技術進步效應”，即通過污染支出控制污染排放，其二是“創新補償效應”，即通過技術創新或者技術進步，提高產出水平，雖然產出水平的增加會帶來污染排放的增加，但技術帶來的產出水平可以有效彌補污染治理支出的部分。

一般地，將總技術水平作為生產技術水平的函數，通常定義總技術水平為TA，且假設該技術是中性的。根據上述兩種效應可以發現，總技術水平函數是生產技術和污染治理技術的函數，污染治理技術實際上是綠色技術的一種，本文以污染治理技術表示綠色技術，把總技術水平看成是生產技術水平和污染治理技術水平的函數，將總技術水平定義為T(A,E)，“治污技術進步效應”和“創新補償效應”說明和均成立。事實上，總技術水平可以分離為生產技術進步(TA)和污染治理技術進步(TE)，即T＝TE+TA。進一步分析，若→∞，說明污染治理很小時，邊際污染治理技術進步十分明顯，若，說明污染治理支出接近產出水平時，邊際污染治理技術進步幾乎為0。本文為了更好描述環境規制對綠色技術的影響，假定所有的技術都是中性的，不具有偏向性，且將污染治理技術引入總技術水平，以此作為綠色技術，這里的綠色技術是中性的。

為了更清楚的分析環境規制強度對綠色技術進步的影響，因此，有必要對“治污技術進步效應”和“創新補償效應”進一步區分。各地區的總生產集是生產函數A(KA,LA,EA)f(KP,LP,EP)，總生產集會支出一部分用于污染治理，設αA（KA,LA,EA）f(KP,LP,EP),0＜α＜1為污染治理生產集，α是總產出中用于污染治理支出的部分，本文采用污染治理支出占比表示環境規制強度，為簡化形式將其定義為：αA（KA,LA,EA）f(KP,LP,EP)=E。此外，為方便區分，環境規制用M表示。

基于環境規制約束，定義各地區生產最優化行為如下：

約束條件：

最優化求解過程如下：

上述是最優化一階偏導數，結合復合函數求導方法，聯立式（3）和式（9）解得式（10）：

式（10）表明一階最優成立的條件是產出污染邊際增加量等于污染治理邊際減少量。W(F,E)表示在一定的環境規制約束下，最終所產生的污染。環境規制強度較弱時，最終所產生的污染比較多，環境規制強度較強，最終所產生的污染則較少，最終無污染產出只在理論上成立，現實中的經濟活動必會產生污染。此外，上述定義了各地區的技術函數中的，可以改寫為如下形式：

對污染排放函數中的生產技術水平進行偏導運算得到如下形式：

聯立式（10）、式（11）、式（12）可得如下形式：

由式（3）可以進一步變換為如下形式：

代回式（3）中，得到λ＜0，再繼續將λ＜0帶入式（10），得到

為了使環境規制強度與綠色技術進步的關系更加明確，上述分析已經得出環境規制強度與污染排放量存在負相關的關系，不妨回到式（13）中進行以下兩步分析。

①當α∈(0,0.5)，，且，由此推導出。環境規制強度處于下降趨勢時，各地區的技術水平也不斷下降。即環境規制強度較弱時，其與技術水平負相關。

②當α∈(0.5,1)，，且，由此推導出可正可負。但當α→1，說明廠商的污染治理支出很大，，則。因此，當環境規制強度很大時，能排放的污染持續降低，此時各地區的技術水平會得到提高。即環境規制強度較強時，其與技術水平正相關。

論證得到命題：環境規制強度較弱時，其與綠色技術進步負相關，環境規制強度較強時，其與綠色技術進步正相關，即環境規制強度與綠色技術進步之間符合“U”型關系。

2 計量模型及指標測算

由于環境規制強度對綠色技術的影響不再是簡單地線性關系，本文借鑒庫茲涅茨二次曲線分析法，構建計量模型如下：

其中，i表示各省份，t表示時間，被解釋變量為綠色技術進步指數（GTECH），核心解釋變量為環境規制強度（ER），控制變量主要有外商投資（FDI）、對外貿易（TRADE）、技術市場成交總額（MT）、研究與試驗發展經費內部支出（RD）和研究與試驗發展人員全時當量（FTE），α0表示截距項，β為待估參數，εit為隨機擾動項。由于環境相關數據難以獲取，所選實證樣本為中國30個省（市、直轄市）2000—2014年的面板數據，數據來源于《中國統計年鑒》、《中國環境統計年鑒》、《中國科技統計年鑒》、《中國能源統計年鑒》以及各省統計年鑒，其中對部分缺失的數據做了估算補充處理。具體測算方式如下：

（1）綠色技術進步指數的測算。本文的綠色技術進步指數是基于全局曼奎斯特-盧恩伯格生產率指數（GML）分解的結果，假設有K個面板決策單元和面板時間刻度T，在全局非徑向、非角度和考慮非期望產出的DEA框架下構建SBM方向型距離函數，以（xt,yt,bt）和（xt+1,yt+1,bt+1）為面板決策單元（各地區）在第t期和第t+1期的投入產出向量，并引入松弛變量，利用MaxDEA Pro 6軟件測算出技術效率θ。

借鑒zhou等（2008）[10]的做法，通過對SBM模型測算出來的全局第t+1期與第t期的技術效率θ構建全局曼奎斯特-盧恩伯格生產率函數（GML），并進一步對其分解，具體做法如下：

雖然景維民和張璐（2014）[11]在研究中使用全局曼奎斯特-盧恩伯格（GML）生產率指數作為綠色技術進步指數的衡量指標，事實上GML生產率指數還可以進一步分解為效率改善（GMLEC）和技術進步（GMLTC）兩部分，為了最大程度減少測算引起的偏誤，本文對GML指數進一步分解。張成等[7]在研究環境規制對企業技術進步影響時采用數據包絡分析（DEA）測算技術進步，本文將環境因素納入技術效率的測算框架，考慮了非期望產出，因此，本文以GMLEC為綠色技術進步（GTECH）的衡量指標。

為了測算全國30個省市的全局曼奎斯特-盧恩伯格生產率指數，需要各地區的投入產出數據。（1）投入指標。資本投入量（K），采用單豪杰（2008）[12]提出的永續盤存法，資本投入表示為：和σ依次表示第i個省第t年的資本存量、固定資本形成總額和固定資產價格平減指數以及資產折舊率；勞動投入量（L），用地區就業總人數表示；能源投入量（E），用地區能源消費總量表示。（2）產出指標。期望產出（GDP），對GDP做2010年不變價格處理；非期望產出（SO2），限于數據可獲取性及統計口徑的一致性，選用SO2排放量為非期望產出。見圖1所示。

圖1 全國及三大地區綠色技術進步指數

圖1是全國及三大地區綠色技術進步指數折線圖。如圖1所示，全國及三大地區的綠色技術進步指數波動趨勢基本一致，均呈波動上升趨勢，但上升幅度存在差異，2000年，三大地區的綠色技術進步都為1，截止2014年，東部地區上升到1.58，中部地區上升到1.31，西部地區上升到1.15，在三大地區中上升幅度最小。從2000—2014年整體來看，東部地區其指數高于中西部地區，中部地區從2002年之后一直高于西部地區，從圖中可以看出，綠色技術進步指數區域差異性比較明顯，也體現出分區域討論的必要性。

（2）環境規制強度的測算。環境規制所涉及的都是比較抽象且難以量化的政策法規，運用相關環境指標測算環境規制強度也僅僅是對強度的一種擬合，環境規制強度本身并沒有統一的衡量標準。為了與數理模型中環境規制強度保持一致，本文所構建的數理模型中環境規制強度用環境污染治理支出占GDP比重表示，本文以環境污染治理支出占比表示環境規制強度。見下頁圖2。

圖2是全國及三大地區環境規制強度折線圖。全國來看，2000—2014年環境規制強度呈波動上升趨勢，由2000年的1.06增加到2014年1.54，可以看出環境規制的力度在不斷增強。分地區來看，東中西部的環境規制強度均呈波動上升的趨勢，其中增幅最大的地區是西部，有2000年的1.29上升至2014年的1.98，中部地區在2000—2009年間，其環境規制強度相對弱于東部地區，從2009—2014年出現交替領先現象，從過去的15年總體相比較，東部地區的環境規制強度上升幅度最小。不管是全國還是三大地區，環境規制強度均上升的現象，表明污染治理投資總額的增幅大于地區生產總值的增幅。

圖2 全國及三大地區環境規制強度

（3）控制變量的測算。外商投資（FDI）用外商直接投資占該地區國民生產總值比重表示，對外貿易（TRADE）用進出口總額占該地區國民生產總值比重表示，科學技術支出（MT）用技術市場成交總額占該地區生產總值比重表示，研究與試驗發展經費內部支出（RD）和研究與試驗發展人員全時當量（FTE）。

3 實證檢驗

3.1 變量的統計特征

各變量描述性統計性質見表1。本文所選樣本為全國30個省（市、自治區）2000—2014年的面板數據（由于西藏自治區數據缺失嚴重，故將其從研究中剔除），共計450個樣本數據。從統計性質來看，我國綠色技術水平整體較低，均值為1.155，由于平均變化率大于1，說明總體綠色技術在不斷進步，環境規制強度的平均值只有1.282，說明我國目前的環境規制強度依然處于相對較低的水平。從標準差來看，變量均存在較大差異，波動明顯，存在明顯變異性，表明通過相關變量的調整來促進綠色技術進步具有很大潛力，也反映出該數據適合回歸使用。

表1 各變量描述性統計

3.2 異方差及相關性檢驗

表2是計量模型的異方差及相關性檢驗結果。由表2可知，以下三種檢驗在顯著性水平1%時均顯著，故檢驗強烈拒絕“無組間異方差”、“無組內自相關”和“無組間同期相關”的原假設，即計量模型存在“組間異方差”、“組內自相關”和“組間同期相關”。若計量模型存在異方差及相關性，仍然進行OLS回歸，會對估計結果的有效性產生很大的傷害，針對異方差及相關性問題，運用全面FGLS估計時可以有效消除以上問題對估計結果的干擾，全面FGLS估計則比OLS更加有效，因此本文選擇全面FGLS進行估計。

表2 異方差及相關性檢驗

3.3 實證檢驗結果及分析

考慮到中國各區域間在經濟發展水平與環境規制政策存在較大的差異，因此，將中國30個省份劃分為東部、中部和西部三大區域進行分析。采用stata12.1軟件，根據存在異方差及相關性的全面FGLS回歸方法，回歸結果見表3。

表3是全國及三大地區環境規制強度對綠色技術進步的計量模型估計結果。由表3可知，環境規制強度與綠色技術進步之間存在“U”型相關關系，不管是全國還是三大地區，從環境管制強度與綠色技術進步的關系來看，一次項彈性系數為負，二次項彈性系數為正，并且在給定的統計水平上均顯著，全國及三大地區的“U”型關系依次通過了5%、1%、10%和1%的顯著性水平檢驗。檢驗結果恰好與理論推導結果相吻合，即強度維度上的環境規制與綠色技術進步之間存在顯著地“U”型關系。從拐點來看，東中西三大地區的拐點依次為0.6619、1.3214、0.9463，說明東部和西部地區相較于中部地區更易突破“U”型曲線的拐點，東部地區又比西部地區更容易突破“U”型曲線的拐點。

表3 全國及三大地區環境規制強度對綠色技術進步的模型估計結果

從計量模型中所選擇的五個控制變量來看，對我國三大地區的綠色技術進步也有不同程度的影響。外商投資（fdi）和東部、西部地區綠色技術進步負相關，但這種相關性在統計上不顯著，從顯著性來看，其和中部地區的綠色技術進步在1%的顯著性水平上顯著正相關。對外貿易（trade）對東部地區的綠色技術進步有促進作用，抑制中部和西部地區的綠色技術進步負相關，但僅有西部地區通過了1%的統計水平檢驗。技術市場成交額占比（mt）和東部地區的綠色技術進步負相關，但在統計上并不顯著，但對中西部地區的綠色技術進步有促進作用，且通過了5%和1%的顯著性水平檢驗。研究與試驗發展經費內部支出（rd）和東部、西部地區的綠色技術進步正相關，只有前者通過了顯著性檢驗，后者在統計上不顯著，與中部地區的綠色技術進步負相關，不過沒有通過顯著性檢驗。研究與試驗發展人員全時當量（fte）對東部地區的綠色技術進步存在抑制作用，且沒有通過統計上10%的顯著性檢驗，對中部和西部地區的綠色技術進步有明顯的促進作用，并依次通過1%和5%的顯著性水平檢驗。

需要進一步解釋說明的是，二者之間為什么會存在“U”型相關關系，比較合理的解釋是從成本的角度來看，污染治理支出和綠色技術研發支出都會產生一定的成本，即環境成本和綠色技術成本，兩種成本之間存在“替代效應”。當環境規制強度較弱時，意味著該地區從產出中抽離用于環境污染治理的比例很小，即環境成本小于綠色技術成本，該地區會將綠色技術研發中的部分支出抽出用于污染治理，這樣會大大縮減綠色技術研發開支，從而不利于綠色技術進步，實際上，只要綠色技術研發成本大于環境污染治理成本，環境規制就會對綠色技術進步有抑制作用，這主要是由于環境成本和綠色技術成本之間存在“成本替代效應”。按照上述解釋，環境規制強度較強時，對應的環境成本較大，而綠色技術研發成本相對比較穩定，環境成本會高于綠色技術研發成本，這種“成本替代效應”便會消失，該地區重點偏向成本較小的綠色技術研發，綠色技術研發開支增加，盡管綠色技術研發支出增加會增加綠色技術成本，但綠色技術會一定程度減少環境成本，因此會提高綠色技術的研發力度，從而有利于綠色技術進步，這主要是由于環境成本和綠色技術成本之間存在“綠色技術創新補償效應”。因此，環境規制強度與綠色技術進步之間會存在“U”型相關關系。基于三大地區“U”型曲線轉折點的不同，可能的解釋是，經濟發展水平和環境規制形式本身存在一定的差異，東部地區更容易突破拐點是由于產出水平本身大于中西部地區，用于發展綠色技術和污染治理的開支較大，還有另外一種可能是由于東部地區近年來更注重創新驅動發展，其綠色技術研發相比較中西部具有明顯優勢，西部地區易于中部地區突破拐點由于中部地區重點發展重工業，其污染排放量本身大于西部地區。

4 結論

本文從強度維度的視角下，理論和實證分析了全國30個省（市、自治區）環境規制對綠色技術進步的影響。通過構建數理模型，推導出有關環境規制強度與綠色技術進步的相關關系，運用2000—2014年各省面板數據對理論命題進行檢驗。首先，通過數理推導得出命題：強度維度上的環境規制與綠色技術進步具有“U”型相關關系。其次，實證檢驗結果表明，三大地區的環境規制強度與綠色技術進步符合理論分析中的“U”型關系。最后，通過對“U”型曲線拐點的計算，發現三大地區的拐點并不會同時出現，東部地區相較于中西部地區更容易突破拐點，西部地區比中部的地區更易突破拐點。

參考文獻：

[1]Gollop F M,Roberts M J.Environmental Regulations and Productivity Growth：The Case of Fossil-Fueled Electric Power Generation[J].Journal of Political Economy,1983,91(4).

[2]Gray W B.The Cost of Regulation：OSHA,EPA and the Productivity Slowdown[J].American Economic Review,1987,77(77).

[3]Jaffe A B,Stavins R N.Dynamic Incentives of Environmental Regulations：The Effects of Alternative Policy Instruments on Technology Diffusion[J].Journal of Environmental Economics&Management,1995,29(3).

[4]Dean T J,Brown R L,Stango V.Environmental Regulation as a Barrier to the Formation of Small Manufacturing Establishments：A Longitudinal Examination[J].Journal of Environmental Economics&Management,2000,40(1).

[5]趙紅.環境規制對中國產業技術創新的影響[J].經濟管理,2007,(21).

[6]王兵,吳延瑞,顏鵬飛.環境管制與全要素生產率增長：APEC的實證研究[J].經濟研究,2008,(5).

[7]張成,陸旸,郭路等.環境規制強度和生產技術進步[J].經濟研究,2011,(2).

[8]Forster B A.Optimal Energy Use in a Polluted Environment[J].Journal of Environmental Economics&Management,1980,7(4).

[9]Selden T M,Song D.Neoclassical Growth,the J Curve for Abatement,and the Inverted U Curve for Pollution[J].Journal of Environmental Economics&Management,1995,29(2).

[10]Zhou P,Ang B W,Poh K L.A Survey of Data Envelopment Analysis in Energy and Environmental Studies[J].European Journal of Operational Research,2008,189(1).

[11]景維民,張璐.環境管制、對外開放與中國工業的綠色技術進步[J].經濟研究,2014,(9).

[12]單豪杰.中國資本存量K的再估算：1952—2006年[J].數量經濟技術經濟研究,2008,(10).