環境規制與企業全要素生產率能實現雙贏嗎?
——基于兩控區政策的實證研究

(中國地質大學(武漢) 經濟管理學院,湖北 武漢 430074)

隨著環境問題日益惡化,世界各國政府開始重視環境規制。我國在現代化的過程中,雖然取得了GDP迅猛增長的巨大成就,但同時也為高能耗、高排放的粗放型增長方式付出了慘痛代價,嚴重影響了我國經濟的可持續增長和社會的和諧穩定發展。為推動我國生態文明建設邁上新臺階,國家提出了“綠水青山就是金山銀山”的新發展理念。但環境保護產業調整必然導致企業環保投資成本增加、技術效率相對遲緩,環境規制和企業生產率之間能實現“雙贏”有待深入考證。

除了本地環境規制強度外,區域互動性也可能對本地企業生產率造成影響。在政績考核體制和治理結構的雙重作用下,地方政府為經濟增長而展開競爭,環境規制可能存在向上或逐底競賽現象。那么,由于地方政府環境規制互動形式的影響,企業會在遷址和創新之間做何抉擇，從而如何影響本地企業生產率增長？此外,我國地域遼闊,各區域發展不平衡,在基礎設施、經濟水平、資源稟賦、環境污染等方面存在顯著差異。1998年我國提出酸雨控制區和二氧化硫污染控制區,即“兩控區"劃分方案,兩控區和非兩控區環境規制力度、經濟發展水平相差較大。如在綠色GDP十年研究中發現,如果按綠色GDP核算方法扣除,位于兩控區的河北省GDP幾乎是零增長甚至是負增長,而位于非兩控區的海南省環境污染損失最少,占GDP的比例也很少[1]。那么，我國兩控區環境規制政策是在提高環境質量的同時促進企業技術創新、刺激生產率增長,還是以降低經濟增長和企業生產率為代價來換取環境改善呢？基于此,本文擬將地理空間的環境規制數據和企業層面的微觀數據相結合,通過構建模型,探討本地與鄰近環境規制強度與企業生產率的關系,具體對兩控區與非兩控區進行對比分析,進一步討論產權異質性。

1 文獻綜述

在理論研究方面,對環境規制與企業生產率之間的關系存在兩種不同的觀點[2]。

一是環境規制有利于企業生產率提高。Porter認為，環境規制和企業生產率之間具備實現“雙贏"格局的現實可能性,合理的環境規制能刺激被管制企業在變動約束條件下,優化資源配置效率和改進技術水平,刺激出企業的“創新補償"效應,從而在部分抵消企業“遵循成本"的同時,提高生產率和國際競爭力[3,4];Berman、Bui通過對空氣質量環境規制研究發現,環境規制強度較大的地區企業全要素生產率反而有大幅提高[5];徐保昌等研究發現，我國排污征收費用和企業生產率呈“U"型關系,跨越門檻后才可促進企業生產率提升[6];吳明琴選擇“兩控區"政策下1992—2009年我國280個城市進行研究,發現相比非兩控區,兩控區的人均GDP增加了8.3%,環境保護與經濟增長呈“雙贏”局面[7];王俊、蔡濛萌、王佳等研究發現不管是貿易開放帶來的環境規制技術溢出還是R&D投入獲得的內生性綠色技術進步,都會帶動不同污染程度行業企業的生產率提升[8-10];張成等研究表明，環境規制對企業生產率具有促進作用,且長期效果明顯好于短期,說明創新補償效應需要一定的時間過程[11]。

一是環境規制會阻礙企業生產率提高。“制約假說"認為，大多數企業已根據自身技術、資源、市場需求等方面做出最優選擇,環境規制必然導致企業成本增加,短期內運用于生產經營的資金減少,會導致企業生產率下降[12]。“污染天堂假設"認為，當一個地區的生產成本因環境規制增加時,追求利潤最大化的企業傾向于將企業轉移到環境規制較輕區域,而這些區域成為污染密集型企業的“避難所"[13]。Simoes、Marques運用2001—2008年葡萄牙非平衡面板數據分析了5年環境規制對城市廢棄物處理行業的全要素生產率影響,發現盡管由于規制透明提高了服務質量,但是城市廢棄物處理行業全要素生產率卻呈下降趨勢[14];盛丹等研究發現，由于兩控區嚴格的環境規制,生產成本大幅增加,兩控區依然處在阻礙企業生產率增長的地位[15];孫文遠研究得出，我國實施的“兩控區"政策總體上不利于城市就業水平提高,導致城市人才流失嚴重,影響企業創新能力[16]。此外,金剛等研究發現因環境規制區域差異和逐底競爭現象,使污染密集型企業空間自選擇效應較大,往往選擇遷移至環境規制強度小的區域,導致環境規制區域互動和城市企業生產率形成以鄰為壑的關系[17]。

綜上所述,眾多文獻從不同的地區、行業和企業創新等角度出發剖析了環境規制與企業生產率關系。一是歐美等發達國家的環境規制嚴厲程度遠超我國,即使是采用相同的行業數據,兩者之間沒有可比性。二是我國研究時間大多較為久遠,一方面考慮到企業創新補償需要一定的時間,另一方面隨著我國環境規制政策不斷修訂與完善,可能存在理論研究與當前現實不符的情況。三是較少考慮區域互動性,未對其細分為本地環境規制和鄰近環境進行同時研究,且大多數僅片面判斷為促進或抑制關系。四是探討“兩控區"政策對企業生產率有何直接影響的文獻相對較少,大多數是研究經濟增長質量、污染治理績效、就業情況等。

鑒于此,本文從區域環境規制視角出發,深入研究了本地、鄰近環境規制強度對企業生產率的影響。首先,全樣本檢驗我國本地、鄰近環境規制與企業生產率之間呈何種關系;其次，將樣本劃分為兩控區、非兩控區,具體探討了“兩控區"政策下環境規制與企業生產率有何不同,并對產權異質性做了分析，以進一步厘清兩者之間的關系。

2 理論分析與研究假設

實現環境規制和企業競爭、經濟增長之間“雙贏"的關鍵在于“創新補償"效應的大小,準確地說,很大程度上取決于環境規制能否促進企業的生產技術進步。環境規制既有負面效應,也有正面效應。正如頡茂華所言,在生產管理投入一定的情況下,治理污染投入增加擠占了企業其他正常研發投入,必然導致企業生產率降低,這時本地環境規制與企業生產率、經營績效呈負相關[18]。隨著本地政府不斷加強環境規制力度,當達到一個“極點"以后,被動接受環境規制不尋求生產創新的企業需要支付更高昂的環境規制成本,最終只能被淘汰,存留下來的富有市場競爭力的優勢企業更重視技術創新。隨著時間的推移,在治污技術創新邊際績效遞減規律的作用下,企業更傾向于技術創新,通過提高企業的生產率水平或治污能力,最終減緩或抵消政府環境規制給企業增加的環境成本,稱為環境規制的“創新補償效應"。盡管在某些情況下生產中的污染排放可能會有所增多,但由于生產工藝的改進,提高了企業收益,可支付污染處理成本。正是在這種較強的環境規制下,企業生產率反而得到了較快提升。基于以上分析,提出假設1——本地環境規制強度與企業生產率呈“U"型關系。

考慮到各城市區域互動性既存在競相向上,又存在逐底競賽現象,鄰近城市環境規制強度會對本地企業生產率產生顯著影響。根據“污染天堂”假設,若地理相鄰城市間環境規制強度有所差異,則會引起污染企業的空間自選擇效應。隨著鄰近城市環境規制強度增大,不愿意就地創新的企業為了逃避環境規制成本,往往會選擇遷移到環境規制強度較小的地區。此類企業大多數屬于當地生產率較小的企業,考慮到相鄰城市間整體平均生產率相差不大,會導致接收地的企業整體平均生產率下降,此時出現“以鄰為壑"的現象。但隨著鄰近環境規制強度越來越大,兩地環境規制強度相差甚遠時,本地政府為了營造綠色良好環境，贏取外來投資者和公眾的歡心,也會加強環境規制,鄰近城市企業的污染轉移天堂不復存在。同時,鄰近地區環境規制強度加大,本地企業既無環境規制強度較小的地區轉移,又不進行企業創新而遭淘汰。相反,存留下來的富有競爭力的企業傾向于選擇就地創新,從而提高了本地企業生產率水平,此時出現“以鄰為伴"的現象。基于以上分析,提出假設2——鄰近環境規制強度與企業生產率呈“U"型關系。

我國在1998年批準實施的“兩控區"政策,一定程度上緩解了空氣污染加重的趨勢,那么對企業生產率有何影響呢？從假設1、2可推測:當一個地區實行較為嚴苛的環境規制政策時,有助于更快跨過門檻,進入“U"型曲線的右半部分,環境規制與企業生產率呈正相關階段。相比非兩控區,兩控區嚴格的環境規制,一方面使兩控區內低效率企業淘汰比例更高;另一方面企業“被逼"技術創新,提高了自身生產率,在彌補環境規制成本的同時,反而促進了地區生產率和經濟績效提升,“波特假說"在此得到驗證。相反,由于非兩控區環境規制管理較寬松,企業往往采取被動治理污染或企業遷址的態度,創新補償效應較弱,更多的是成本遵循,給企業帶來較大的經濟壓力,“制約假說"和“污染天堂假設"在此得到驗證。基于以上分析,提出假設3——兩控區較嚴格的環境規制強度促進了該地區的企業生產率,非兩控區則相反。

3 研究設計

3.1 樣本選取與數據來源

本文以2014—2017年A股上市公司為研究樣本。樣本篩選過程包括:①剔除被PT、ST、*ST、S*和S的上市公司;②考慮到西藏地區的特殊性和“三廢"數據較難收集,剔除了西藏地區的上市公司;③剔除某些計算指標缺失和異常的樣本。經過以上程序,最終獲得6152家樣本。

本文的數據來源主要包括:①工業產值、工業“三廢"數據來自于相關年份的《中國城市統計年鑒》、《中國環境統計年鑒》;②企業全要素生產率數據來自于國泰安數據庫;③控制變量主要來自于相關年份的《中城市國統計年鑒》、國泰安數據庫和上市公司的年報。

3.2 變量定義與衡量

被解釋變量:對企業生產率指標的選擇一直是相關研究的難點,也是本文的重點所在。本文參照魯曉東、胡曉琳和葉康濤的研究，選用全要素生產率(TFP)作為企業生產率指標,分別運用OLS方法和LP方法進行生產率計算[19-21]。全要素生產率通常表示扣除相關要素貢獻后的剩余生產率水平,更加貼合實際且具有研究意義。采取OLS方法估計TFP,作為以下方程得到的殘差,lnVA=α+βklnk+βllnL+FixedEffects+ε。其中,Fixed Effects為年度、行業固定效應。采用LP方法估計TFP,半參數回歸的因變量為lnVA,狀態變量為lnK,自由變量為lnL,計算時同樣控制了年度、行業固定效應。模型計算中的lnVA是按收入法計算的企業增加值取對數,該增加值為本期折舊攤銷額+營業稅金及附加+營業利潤+支付的職工薪酬+利息凈支出計算,并通過該省當年產品出廠價格指數平減。lnK為企業的固定資本存量取對數,該固定資產存量為企業固定資產和無形資產歷史成本金額計算,并通過該省當年固定資產投資價格指數平減；lnL是企業的勞動力投入即從業人數取對數；lnM為企業的中間品投入,取對數,中間品投入為總產值(以營業收入代替)與增加值之差,并通過該省當年產品出廠價格指數平減。

解釋變量:在目前的統計資料中,關于環境規制(ERS)措施的直接數據較難獲取,已有文獻采取多種不同的替代指標來衡量環境規制強度。環境規制指標分為不同類型,分別是行政命令型、市場激勵型、公眾參與型、環境規制總體綜合指數[22]。本文采取第四種綜合指數方法測量地區環境規制強度。由于環境規制的效果具有滯后性,選擇相較于樣本前一期的2013—2016年數據計算環境規制強度。

本地環境規制(ERS):借鑒黃志基、唐國平[23,24]關于“工業三廢"排放量綜合指數的計算方法,構建區域層面的環境規制強度指數ERSit。

計算城市在全國范圍內的環境污染排放相對強度POijt:

(1)

式中,POist為第i個城市第t年第s種污染物的環境污染排放相對強度;Mist為第i個城市第t年第s種污染物的排放總量;Nit為第i個城市第t年的實際工業總產值。POist的數值越大,表示第i個城市第t年第j種污染物的排放強度在全國范圍內相對越高,環境規制強度越弱。

計算環境污染排放相對強度綜合指數POit。由于POijt是一個無量綱變量,因此進行加總平均是有意義的,計算公式為:

(2)

式中,POit為第i個城市第t年的環境污染排放相對強度綜合指數。考察的3種污染物分別為：工業SO2、工業廢水和工業固體。

計算環境規制強度綜合指數:

ERSit=1/POit

(3)

式中,ERSit為第i個城市第t年的環境規制強度綜合指數。環境污染排放相對強度POit越小,ERSit越大,表明實行較為嚴格的環境標準；反之，則實行較為寬松的環境標準。

鄰近環境規制(WER):鄰近環境規制表示除了研究樣本所在城市以外的其他所有城市環境規制強度的加權平均和。本文運用地理距離權重矩陣法進行鄰近城市的權重計算,與簡單的Queen型0-1鄰接矩陣相比,該矩陣假設任何城市均存在環境規制互動行為,只是距離相距較遠則互動行為較弱,計算公式為:

(4)

式中,WERit為第t年除城市i之外所有城市環境規制執行程度的加權平均和;Wij為空間權重矩陣中的元素,指兩城市i與j之間距離倒數標準化后的值。

控制變量:企業全要素生產率增長與企業自身屬性和企業所在城市的區域屬性具有密切的關聯,因此本文選取以下相關變量加以控制:①企業層面控制變量，包括資產負債率(Lev)、企業全部從業人數(Size)、公司已上市的年齡(Age)、第一股東持股比例(Share1);②城市層面控制變量，包括法律保護水平(Law)、第二產業占GDP比重(Ind)、人均地區生產總值(Agdp),見表1。

表1 變量含義

3.3 模型設計

考慮到環境規制與企業全要素生產率不一定為簡單的線性關系,本文將環境規制的一次項和二次項同時引入回歸模型中,構建以下模型:

(5)

(6)

式中,TFPint為第i個城市第n個企業第t年的生產率,分為TFPOLS和TFPLP;ERSit-1、WERit-1分別為第i個城市第t-1年的本地環境規制強度、鄰近環境規制強度;controls為控制變量,如城市層面和企業層面等;ε為殘差項。模型估計采用Stata15.1軟件。

4 實證分析及結果

4.1 實證分析

變量的描述性統計:從表2可見,LP方法計算的企業全要素生產率(TFPLP)均值為15.28,標準差為0.804,最小值為12.80,最大值為19.00，兩者之間的差異不明顯,標準差較小,說明企業生產率的數據較集中,采用OLS法的特征相同。環境規制強度綜合指數(ERS)均值為3.798,最小值為0.218,最大值為11.45,最小值與最大值之間差距較大,表明本地環境規制強度存在明顯差異,且大多數本地環境規制強度較小。鄰近環境規制強度(WER)均值為2.461,標準差為0.691,最小值為0.674,最大值為4.580,說明不同地區的鄰近環境規制強度存在明顯差異。資產負債率(Lev)平均值為0.410,企業從業人數(Size)均值為6811。公司上市年齡(Age)均值為18.17,第一大股東持股比例(Share1)的均值為35.78%。該省法律保護水平(Law)的均值為9.147,第二產業占GDP比重(Ind)均值為41.43%,人均地區生產總值(Agdp)為74806。

相關性分析與共線性識別:相關分析可對變量之間的相關程度和相關方向進行初步了解,兩個變量之間的相關系數絕對值越大,說明兩個變量之間的相關性越強。一般情況下,解釋變量與控制變量之間的相關系數在0.8以上,說明模型有可能存在嚴重的多重共線性問題。各變量之間的Pearson相關系數見表3。

表2 變量描述性統計

表3 變量的Pearson相關系數檢驗

注:*、**、***分別表示通過10%、5%和1%的顯著性水平檢驗，表4、5、6同。

從相關系數可見,TFPLP、TFPOLS與ERS的相關系數為0.167、0.187,在1%的顯著性水平下呈顯著正相關,說明在沒有其他因素影響的情況下,本地環境規制強度越強,企業的生產率越高。TFPLP、TFPOLS與WER的相關系數分別為0.093、0.100,在1%的顯著性水平下顯著正相關,說明在沒有其他因素影響的情況下,鄰近環境規制強度越強,企業生產率越高。TFP與Lev、Size、Age、Share1、Law、Agdp均呈正相關性,與Ind呈負相關性。相關分析只是對變量間的相關性進行初步分析,并未加入其他變量進行控制,具體分析需要在回歸分析中進行驗證。此外,大部分解釋變量和控制變量之間的相關性都較低(在0.8以下),可推斷模型不存在嚴重的多重共線性問題。為了進一步準確驗證模型是否存在嚴重的多重性共線性問題,本文采用了方差膨脹因子檢驗,發現各變量的VIF值都較小(小于10),證實了模型確實不存在嚴重的多重共線性問題。

由表4可知,模型1的全樣本ERS回歸結果在LP、OLS方法下一次項系數分別為-0.0464、-0.0430,二次項系數分別為0.00476、0.00418,且都在1%的水平上顯著,說明本地環境規制強度對本地企業生產率存在“U"型,且結果穩健,驗證了假設1。模型2的全樣本WER回歸結果在LP、OLS方法下一次項系數分別為0.0536、0.0542,且在1%的水平上顯著,二次項系數分別為0.0347、0.0288,且在5%的水平上顯著,說明鄰近環境規制強度對本地企業生產率存在“U"型關系,且結果穩健,驗證了假設2。為了進一步考察兩控區、非兩控區不同環境規制強度對企業全要素生產率有何影響,本文將全樣本細分為兩控區和非兩控區,并帶入式(5)和式(6)進行檢驗。

表4 全樣本ERS及WER回歸結果

(續表4)

項目 模型1 模型2 TFPLPTFPOLSTFPLPTFPOLSShare1 0.00900??? 0.00899??? 0.00900??? 0.00899??? (15.84) (16.07) (15.85) (16.08)Law-0.00833???-0.00771??-0.00791??-0.00746?? (-2.60) (-2.45) (-2.46) (-2.35)Ind-0.0148???-0.0150???-0.0133???-0.0133??? (-8.82) (-9.05) (-12.26) (-12.45)Agdp 0.391??? 0.372??? 0.202??? 0.196??? (7.81) (7.56) (4.87) (4.80) -cons 8.730??? 7.876??? 10.77??? 9.776??? (15.39) (14.10) (23.03) (21.22)N 6152 6152 6152 6152R2 0.366 0.189 0.365 0.188

注:回歸系數下方括號內為t值,下表同。

由表4可知,模型1的兩控區ERS回歸結果在LP、OLS方法下一次項系數分別為-0.055、-0.053,二次項系數分別為0.006、0.0058,且在1%的水平上顯著,說明兩控區本地環境規制強度對本地企業生產率存在“U"型關系,且結果穩健。模型1的非兩控區ERS回歸結果在LP、OLS方法下的一次項系數分別為-0.0358、-0.0294,且分別在5%、10%的水平上顯著,說明非兩控區本地環境規制強度與本地企業全要素生產率存在著負相關關系。對于兩控區而言,非兩控區的環境規制強度較低,處在“U"型關系的左半部分,本地環境規制抑制了企業全要素生產率。因此,我國應加強對非兩控區的環境規制力度,以盡快突破拐點,進入“U"型的右半部促進階段。

由表5知,模型2的兩控區WER回歸結果在LP、OLS方法下一次項系數分別為0.0842、0.0805,且在1%的水平上顯著,說明兩控區鄰近環境規制強度與本地企業全要素生產率存在正相關關系,且結果穩健。模型2的非兩控區WER回歸結果在LP、OLS方法下二次項系數分別為0.129、0.132,且在1%的水平上顯著,說明非兩控區鄰近環境規制強度對本地企業生產率存在“U"型,且結果穩健。表明相對非兩控區而言,兩控區的各個城市鄰近環境規制強度大,處于“U"型關系的右半部分,對企業全要素生產率的促進作用顯著。同時，說明我國“兩控區政策"效果顯著,既保障了地區環境質量,又促進了企業全要素生產率。

表5 兩控區、非兩控區回歸結果

4.2 討論

考慮政策的實施效果會因企業產權性質有所不同,在前文的基礎上進行討論。設國企為1、非國企為0,對模型1、模型2分別加入環境規制二次項與產權性質的交乘項進行回歸(表6)。回歸結果發現，回歸系數顯著為正,且通過1%的顯著性水平檢驗，表明在兩控區和非兩控區中,產權性質差異對環境規制與企業生產率關系有顯著的正影響。即與非國有企業比較,國有企業與企業生產率的關系更強。我國國有企業承擔著大量的社會責任和政策性負擔,為實現全社會福利的最大化,政府常作為國有股權的行使者或國有企業的“保護傘",金融機構樂于向國有企業提供政策性信貸,而非國有企業卻面臨著嚴重的信貸歧視。國企相對于非國企具有更雄厚的實力和政策適應性,適應環境規制的能力更強,對企業生產率的促進作用明顯大于非國企。

表6 產權性質交乘項回歸結果

4.3 穩健性檢驗

為了驗證前面結果的可靠性,本文進行了穩健性檢驗:①將城市廢水、費氣污染治理設施當年運行費用之和與工業產值之比作為衡量環境規制強度的指標。②在回歸模型中添加其他可能影響企業全要素生產率的變量,如企業層面的產權比率、總資產凈利潤率,以及城市層面的地區生產總值、普通高等學校數等。③將樣本選取1/3,再次進行同樣的回歸。其穩健性檢驗結果顯示,本文的假設通過檢驗,說明本文模型的穩健性較好。

5 結論與建議

我國各地區環境規制強度相差較大,且平均值和中位數都較小,傾向于向最小值靠近。本地環境規制、鄰近環境規制強度與企業全要素生產率都呈“U"型關系。兩控區的鄰近環境規制與企業全要素生產率呈正相關關系，非兩控區的本地環境規制與企業全要素生產率呈負相關關系,說明兩控區更為嚴格的環境規制促進了企業生產率,非兩控區則相反。與非國有企業相比,國有企業對環境規制與生產率的促進作用更顯著。

綜上所述,環境規制強度與企業全要素生產率呈“U"型關系,而我國企業目前環境規制強度普遍偏低,本文提出以下幾方面建議:①政府必須做好引導作用。政府完善相關環境保護法律法規、強化環境規制執行力度是目前解決企業環境與企業生產率的前提和主要驅動力。我國現行環境規制強度整體偏低,政府還應加強各地區的環境規制力度,無論是兩控區還是非兩控區,都應制定更加嚴格且適當的法律措施,強化環境監督。此外,政府還應針對產權異質性“對癥下藥",切忌無的放矢,打擊非國有企業環境保護的積極性。②企業創新是第一要素。環境規制與企業生產率的最大問題取決于環境規制對企業發展產生何種作用,只有將外生的環境規制阻礙轉化為企業內在的發展動力才是當前和未來切實可行的方法。若企業能以環境規制作為契機,積極主動轉向綠色創新,升級技術與設備,不但環境問題將迎刃而解,而且企業的生產效率也將隨之提高,甚至有可能引領新一輪的經濟增長模式。但是解決環境問題并不能一蹴而就,實現環境保護與企業生產率“雙贏”也并非易事,只有在政府環境規制和企業自身創新這兩方面的不斷努力下,這些問題才能最終得以解決。