環境規制對中國地區工業綠色生產率的影響研究
——基于動態空間面板模型的分析

許夢博 潘遠超吉林大學中國國有經濟研究中心長春 300

2（吉林大學經濟學院，長春 130012）

引 言

為了緩解經濟發展中所造成的環境壓力，實現經濟發展方式的根本性轉變，我國政府制定了多種類型的環境規制措施，用來約束企業生產過程中的環境污染行為。從理論上來說，環境規制作為一種重要的政府政策工具，對綠色生產率應該具有重要的影響。但是從目前的實證分析結果來看，對于環境規制是否能夠提升地區綠色生產率還存在著較大的爭議。如Ederington和Minier（2003）［1］運用美國 1978～1992 年行業面板數據，檢驗了環境規制水平對行業綠色生產率的影響，研究證明環境規制對綠色生產率存在顯著的正向影響。 Bruunermerier和 Levinson （2004）［2］運用25個國家1990～2002年的面板數據，檢驗了國家層面環境規制水平對工業綠色生產率的影響，但是其研究結果發現環境規制水平對工業綠色生產率具有抑制作用。 Cole等 （2005）［3］運用美國1978～1992年的三分位行業數據，研究發現環境規制措施對行業綠色生產率的提升作用并不顯著。Mula?tuet等 （2010）［4］利用 1990～1994 年 13 個國家的面板數據，研究發現環境規制水平對工業綠色生產率的提升作用是顯著的。 Baghdadi等 （2013）［5］運用涉及43個國家1990～2000年的面板數據，檢驗發現環境規制水平對工業綠色生產率存在顯著的抑制作用。李靜和沈偉 （2012）［10］構造了3種污染物環境規制強度指數，研究發現環境規制與地區工業綠色生產率具有負相關關系。李斌等 （2013）［11］以2001～2010年中國工業行業數據為樣本數據，基于SBM方法對行業綠色全要素生產率進行測算，研究結果表明，環境規制對工業行業綠色生產率的影響具有非線性門檻效應。張江雪等 （2015）［12］則將環境規制分成行政型、市場型和公眾參與型3種不同的類型，研究發現行政型、市場型的環境規制的影響是正向的，但公眾參與型環境規制的結果是不顯著的。原毅軍和謝榮輝 （2016）［13］研究發現費用型規制與工業綠色生產率之間呈現先降后升的 “U”型關系，而投資型規制則起到了負向作用。謝榮輝 （2017）［14］發現，短期內，環境規制會對綠色生產率產生負面影響，但從長期看還是可以實現既能改善環境又能提高生產率的 “雙贏”狀態。陶鋒和王余妃 （2018）［15］認為環境規制對綠色生產率的影響可以通過 “創新補償”和 “遵從成本”兩個途徑產生作用。通過實證檢驗發現，對于我國來說，環境規制的 “創新補償”效應大于“遵從成本” 效應。吳傳清和張雅晴 （2018）［16］以1997～2015年長江沿線11個省區作為研究樣本，采用面板門限模型檢驗環境規制對綠色生產率的影響，結果表明，環境規制對綠色生產率存在雙重門檻效應，只有中等強度環境規制才能促進綠色生產率的提高。

對于上述實證研究， Becker （2011）［6］、 Mil?limet和 Jayjit （2016）［7］認為由于忽視了綠色生產率的地區異質性和空間溢出效應，導致模型中環境規制變量具有內生性是導致目前實證研究結果不一致的原因。相比現有的相關研究，本文的創新之處在于利用動態空間計量模型方法有效的控制地區工業綠色生產率的地區異質性和空間相關性，避免產生內生性所導致的實證分析的無效性。本文的實證研究結果，對于如何選擇及制定有效的環境規制措施，在改善環境污染的同時又能提高綠色生產率具有一定的啟示作用。

1 中國地區工業綠色生產率的測算

傳統的ML生產率指數存在如下的一些缺陷：（1）ML指數采用幾何平均的形式進行構建，不具備指數的循環性； （2）ML指數是利用方向距離函數進行構造，但方向距離函數在跨期進行計算時，常常出現線性規劃無解的情況，這使得ML指數難以準確反映綠色生產率的長期變化趨勢；（3）忽視了測算過程中評價單元之間是否存在技術異質性（Technological Heterogeneity）問題。 Fuku?yama 和 Weber （2009）［8］、 Oh （2010）［9］對上述ML指數的不足進行了修正，提出了全局Malmquist－Luenberger生產率指數 （GML指數）。本文后續實證研究中將利用GML指數測算地區綠色生產率的變化及其分解情況。

1.1 全局環境技術的描述

F?re等 （2007）指出為了在效率和生產率測算模型中包含對環境變量的考量，需要在一般的生產可能性集合中將產出區分為合意產出和非合意產出，這就是所謂的 “環境技術集合”。可以將每一個地區的工業生產過程抽象為利用N種投入x，生產M種合意產出y和排放出I種非合意產出b的生產決策單元。于是，第t期的環境技術可以用如下的生產可能性集合來表示：

為了構造GML指數，需要將第t期的環境技術聯合起來，構建全局生產可能性集合。

1.2 全局方向性距離函數和GML指數

全局生產可能性集合雖然從理論上刻畫了投入向量與合意產出向量、非合意產出向量之間的關系，但是單純依靠全局生產可能性集合這一概念是無法準確刻畫包含環境變量的生產可能性邊界。為此，本文引入方向性距離函數來對此生產過程進行模型化處理。將包含環境變量的全局SBM方向性距離函數定義為：

其中方向向量g＝（gy，－gb）表示產出變化的方向，β?為合意產出與非合意產出通過同比例增加和縮減向生產邊界靠攏的最大可行數量。

以 Fukuyama 和 Weber（2009）［8］、 Oh（2010）［9］提出的全局SBM方向性距離函數為基礎，構造如下綠色生產率指數，即GML指數。

GML指數可分解為全局效率變化指數（GEFF）和全局技術變化指數 （GTECH）。

1.3 中國地區工業綠色全要素生產率的測算結果及分析

本文選取中國省級地區作為研究對象，以30個地區 （考慮數據的可獲得性，不包括西藏及港、澳、臺地區）作為分析樣本，相關的變量選擇如下：

本文的產出既包括期望產出，也包括非期望產出。這里選擇地區工業總產值作為期望產出，同時利用以2000年為基期的定基比工業品出廠價格指數消除了價格影響。本文還選擇地區工業排放的二氧化碳作為地區工業生產過程中的非合意產出，二氧化碳排放量的估算借鑒了陳詩一 （2009）［17］的方法。在地區資本存量的測算上，現有文獻大都采用永續盤存法，但這種方法往往具有較為嚴格的數據要求。對于我國工業行業來說，由于缺乏相關數據，無法直接利用永續盤存法估算其資本存量。所以，本文利用工業部門固定資產投資凈值（固定資產投資原值減去累計折舊來計算）衡量地區工業資本投入水平。準確來說，勞動投入應該是每人每年勞動時間的加總。但由于無法獲得準確的勞動時間數據，同時考慮到研究年限內《中國勞動統計年鑒》中指標統計口徑的變化，本文采用工業城鎮單位從業人員數作為勞動投入的替代變量，從而可以保持歷年統計指標的一致性。數據來源于歷年 《中國工業經濟統計年鑒》、《中國勞動統計年鑒》、《中國統計年鑒》。

基于前述介紹的方法，本文測算得到2002～2018年中國地區工業GML指數。表1給出了GML指數的平均工業綠色全要素生產率以及全局技術效率變化指數和全局技術進步變化指數。

表1 中國地區工業綠色生產率指數及其分解的均值

表1結果表明，從全國整體來看，2002～2018年間，中國工業綠色全要素生產率GML指數的均值為1.1442，說明這個期間，我國綠色全要素生產率出現了明顯的改進趨勢，并且平均每年增長率達到6.74%。從綠色全要素生產率的兩個分解值來看，全局技術進步指數 （GTECH）和全局技術效率指數 （GEFF）均值分別為1.1095和1.0313。

從分地區的情況來看，不同地區的綠色全要素生產率及其分解值的變化還是有較大區別的。從全局技術效率變化指數 （GEFF）來看，該指數在中部、西部較高，分別為1.1132和1.0374，而東部較低，僅為1.0069。這說明，在過去十幾年間，中、西部地區的一些發展策略取得了一定的成效，特別是隨著中、西部地區吸引海外高質量外資力度的加大，以及東部地區的一些產業向中、西部地區的轉移。在外部先進企業的進入和轉移過程中，中、西部地區的管理理念、生產技術、企業組織架構都出現了明顯的改進，從而促進了技術效率的大幅提升。除此之外，生產要素的自由流動以及流動速度的加快，也在一定程度上對中、西部地區的資源配置產生了積極的影響。

從全局技術進步指數 （GTECH）的分布來看，東部最高，為1.1299，中部次之，為1.1173，西部最低，為1.0906。雖然促進技術進步、提高生產率發展水平已經成為一個共識，但由于不同地區的發展環境、人力資源、技術基礎等諸多方面的差別，使得技術進步的收效也存在很大不同：東部地區技術發展基礎最好，因此東部地區技術進步指數最高；西部地區技術發展基礎最差，因此，西部地區的技術進步指數也相對最低。在30個樣本地區中，幾乎所有的地區都出現了技術進步，雖然技術進步幅度多種多樣，技術進步指數卻都大于1。但海南、內蒙古兩個省份卻出現了技術倒退，技術進步指數均小于1。技術進步水平排在前5位的地區分別是廣東、河北、浙江、新疆、廣西，廣東省排在首位，年均技術進步率達到了19.48%。從各地區的全局工業綠色全要素生產率 （GML）指數的結果來看，中部地區綠色生產率指數最高，為1.1811；東部次之，為1.1307，而西部最低，為1.1193。可見，在樣本考查區間內，各地區的綠色全要素生產率的提高均比較顯著，說明各地區在產業結構調整和發展方式轉變上都取得了一定的成效。而在30個省區中，在考察區間內，綠色全要素生產率都出現了增長，只有海南省出現了下降，其中GML指數排名前5位的地區分別是湖北、江西、湖南、遼寧、廣東。

2 環境規制對地區工業綠色生產率影響的動態空間計量模型分析

2.1 動態空間面板模型的設定

本文構建如下動態空間計量模型，檢驗環境規制變量對工業綠色生產率的影響：

其中，GTFPit表示第i個地區在第t年的工業綠色生產率，ERit表示第i個地區在第t年的環境規制變量，為了考察環境規制變量對工業綠色生產率的非線性影響特征，模型中還加入了環境規制變量的平方項。Xit表示第i個地區在第t年的控制變量。τ表示工業綠色生產率一階滯后的回歸系數，反映了前期工業綠色生產率對本期工業綠色生產率的慣性影響。ρ表示空間滯后回歸系數。wij是空間權重矩陣的第（i，j）元素，本文以規范化的4階最近點空間權重矩陣方法構建空間權重矩陣。εit是模型中誤差項。

2.2 變量說明與處理

被解釋變量：本文選擇各個省級地區的工業綠色生產率 （GTFP）作為模型的被解釋變量。

解釋變量：本文將環境規制區分為命令控制型環境規制 （DEM）、費用型環境規制 （COST）、投資型環境規制 （INV）。其中命令控制型環境規制選用各地區當年受理環境行政處罰案件數來衡量。費用型環境規制選用各地區當年排污費收入總額來衡量，排污費收入總額越高的地區，其環境規制越嚴厲。同時考慮到價格因素的影響，本文利用GDP平減指數對排污費收入總額的當期值進行價格平減，基期為2000年。對于投資型環境規制選擇各地區當年工業環境污染投資總額來衡量，投資總額越高的地區，環境規制水平越高。同樣，借助GDP平減指數對工業環境污染投資總額的名義值進行實際值的處理。

控制變量：在上述理論分析的基礎上，結合現有相關研究的處理方法，本文在模型中引入了貿易開放度 （OPEN）、研發投入 （R＆D）、人力資本 （HUM）、市場化程度 （MAR），作為模型的控制變量。

為了與前文保持一致，本文選取2002～2018年中國30個省份的面板數據，模型中變量進行對數化處理，原始數據來自于歷年的 《中國統計年鑒》、《中國環境統計年鑒》、 《中國環境統計公報》、《中國環境統計年報》、 《中國能源統計年鑒》、《中國工業經濟統計年鑒》和 《中國勞動統計年鑒》。

2.3 動態空間模型的估計結果

本文除了使用全國樣本進行分析之外，還分別對東部地區、中部地區和西部地區①進行空間GMM估計，表2是模型系數的全國樣本和分地區樣本的GMM估計結果。

表2 動態空間模型估計結果

從全國樣本的估計結果看，綠色生產率滯后一期，對當期綠色生產率的影響為正且顯著。說明綠色生產率在時間維度存在慣性，綠色生產率呈現自相關的影響特征，即地區綠色生產率之間存在明顯的空間溢出作用。

2.3.1 費用型環境規制與GTFP

從全國整體來看，費用型環境規制對GTFP的作用是 “U”型的。之所以出現這種非線性作用方式的原因在于，當企業的排污費征收強度不同時，對企業的收益曲線影響是不同的。在 “U”型曲線的左側，對企業排污收費水平較低，這個時候由于排污費的征收，企業的成本增加。因此，會導致GTFP出現下降。雖然企業由于排污征收導致成本增加，但企業此時仍然是獲益的，企業的經營戰略也不會發生變化，小額成本的增加并不足以激勵企業改變生產技術，加大研發投入，因為做如此大的改變要承擔一定風險，而企業一般偏向風險規避。但隨著排污費征收標準的不斷提高，企業面臨的壓力逐漸增大，企業收益也不斷被壓榨，如不改進生產技術，企業將無法長期可持續發展。因此，企業不得不加大研發力度，調動更多的資源進行研發創新，提高綠色生產技術，從而使綠色全要素生產率開始不斷上升。而從不同地區的實證結果來看，費用型環境規制對不同地區的GTFP的影響是不同的。在中、西部地區，費用型環境規制對GTFP的影響與全國整體情況相同，也是 “U”型的非線性影響。但在東部地區，費用型環境規制對GTFP的影響則是線性的，起到了正向促進作用。而之所以出現地區間的差異，本文認為可能是由于產業結構差別造成的。在我國，重工業、偏污染型工業主要集中在中、西部地區，這些產業依靠 “低污染規制收入”成分較大，因此，較低的排污費征收無法激勵其改變技術、加強創新，只有較高的規制強度才能對這些企業的生產方式造成影響。因此，費用型環境規制對GTFP的影響是非線性的。但我國東部地區的產業結構層次較高，高技術產業也主要集中在東部地區，這些企業自身受國際市場競爭影響較大，其提升自身科技創新水平的積極性也較強，因此，排污費用的征收只會進一步激勵企業向創新路徑上發展，從而促進GTFP的提升。

2.3.2 投資型環境規制與GTFP

從全國整體來看，投資型環境規制與GTFP的關系是線性的、負相關關系。這與費用型環境規制的影響不同。出現這一結果的原因可能有兩個，考慮投資型環境規制措施的資金來源，企業進行工業治污的資金投入有兩個來源，企業自身投入和政府補貼。其中政府補貼的比重較高，可以大大減少企業的治污壓力。因此，在投資型環境規制的背景下，企業只承擔一部分由于其自身污染所造成的外部成本，其對企業進行綠色技術升級、創新轉型的壓力要大大小于費用型環境規制；另外，企業的資源是有限的，環境治理資金的投入在一定程度上還是會對企業的研發創新投入造成 “替代擠出”效應。因此，對企業綠色生產率的提高起到負面作用。從分地區影響結果來看，投資型環境規制對中、西部地區綠色生產率同樣產生負向作用。但對東部的影響卻相反，投資型環境規制對東部地區綠色生產率提高產生了正向促進作用。本文認為，出現不同結果的原因可能還與東西部地區企業治污路徑的差別有關。一般來說，企業治理污染總共有兩種方式： （1）前端預防，主要指對清潔生產技術的研發投入和創新；（2）末端治理，主要指針對污染減排設施的安裝和使用。對于東部地區企業來說，其治理污染的措施以前端預防為主，而中、西部地區由于以重工業企業為主，沉淀成本較高，如果完全改變生產技術和設備，需要的投資太大，因此，短期內還是以末端治理為主。而東部地區的前端預防是積極性的，即使沒有政府補貼，企業也會投入資金自行研發，在加入政府補貼后，就會促進技術的研發進程及技術的轉型升級，從而為綠色生產率的提高帶來促進作用。但中、西部地區的末端治理是被動型的，即使政府補貼較高，企業仍然被迫投入預期外成本，因此對綠色生產率造成負面影響。

2.3.3 命令控制型環境規制與GTFP

無論從全國整體情況來看，還是從地區結果來看，命令控制型環境規制對綠色生產率的提高均具有正向促進作用，但不存在顯著的非線性影響。可見，嚴格的政府執法確實可以改變企業經營者的投機心理和經營預期。當企業管理者意識到一旦排污違法，定會付出更大的損失后，就會調整企業內含的長期盈利模式，使得企業經營者以更長遠的眼光看待企業的收益問題，從而會積極采取措施，促進企業綠色生產技術的引進、研發，進而會有效促進綠色生產率的提高。

3 結論及啟示

本文以2002～2018年中國地區工業數據作為樣本數據，測算得到了我國地區工業綠色生產率水平，并通過構建動態空間計量模型檢驗了環境規制措施對綠色生產率的影響，得到如下結論及啟示：

（1）從全國及各地區的工業綠色生產率指數及分解結果來看，我國綠色生產率出現了明顯的改進趨勢，無論技術效率還是技術進步都處于不斷改善的過程中，但技術進步在推動我國綠色生產率增長的過程中起到的作用更大。從分地區的情況來看，東部地區的綠色生產率 （增長率）要明顯高于中、西部地區，說明東部沿海地區的經濟增長方式出現了較為明顯的變化，在先進生產技術的創新和推廣使用方面顯著優于中、西部地區，且取得了更好的污染治理效果，其內部的增長驅動力已經逐漸改善。因此，中、西部地區未來應進一步提升自己的技術水平，增加創新投入，提高創新效率，中央政府也應采取措施鼓勵中、西部地區加快產業結構及經濟增長方式改變，加快工業部門低碳、綠色增長模式的建立，避免重蹈東部地區 “先污染、后治理”的覆轍。需要指出的是，中、西部地區技術進步率雖然增長速度不是很快，但技術效率卻增長較快，這也體現了中、西部向環境技術前沿的追趕效應。此外，我國東部地區雖然在技術進步率上增長較快，但技術效率卻相對較低，這說明在中國步入改革深水區的大背景下，東部工業企業的技術效率存在著較大的提升空間，因此，對于我國東部地區企業來說，除了關注技術上的發展外，還要進一步關注 “干中學”、“管理效率”等方面的提升，對于地方政府來說，要進一步進行體制改革，創造有利于企業技術效率提升的體制條件。

（2）從全國整體來看，費用型環境規制對GTFP的作用是 “U”型的。說明當企業的排污費征收強度較低時，排污費的征收只是增加了企業的成本，并不會改變企業的發展策略，只有排污費征收強度跨過特定的 “拐點”才能起到逐漸促進綠色要素增長的效果。而從不同地區的實證結果來看，費用型環境規制對不同地區的GTFP的影響是不同的。在中、西部地區，費用型環境規制對GTFP的影響與全國整體情況相同，也呈 “U”型的非線性影響。但在東部地區，費用型環境規制對GTFP的影響則是線性的，起到了正向促進作用。而之所以出現地區間的差異，主要是由于產業結構差別造成的。在我國，重工業、偏污染型工業主要集中在中、西部地區，這些產業依靠 “低污染規制收入”成分較大，因此，較低的排污費征收無法激勵其改變技術、加強創新，只有較高的規制強度才能對這些企業的生產方式造成影響。因此，費用型環境規制對GTFP的影響是非線性的。但我國東部地區的產業結構層次較高，高技術產業也主要集中在東部地區，這些企業自身本就受到國際市場競爭影響較大，提升自身科技創新水平的積極性較強，排污費用的征收只會進一步激勵企業向創新路徑上發展，從而促進GTFP的提升。因此，在未來環境規制制定策略上，針對不同地區、不同產業類型，應該采取不同的規制措施，避免 “一刀切”的做法。

（3）從全國整體來看，投資型環境規制與GTFP的關系是線性負相關關系。這與費用型環境規制的影響是不同的。排污費屬于懲罰型規制，而工業治污投資屬于補貼型規制，兩種環境規制的不同特點決定了二者對經濟系統和環境系統具有不同的作用機制，進而導致了投資型環境規制對地區綠色生產率影響的不同。在中、西部地區，投資型環境規制對綠色生產率同樣產生負向作用。但對東部的影響卻相反，投資型環境規制對東部地區綠色生產率提高產生了正向促進作用。產生這種不同結果的原因在于，東部地區的污染治理主要在前端預防，即針對清潔生產技術的研發投入和創新。而中、西部地區屬于末端治理，主要指針對污染減排設施的安裝和使用。由于投資型治污本質上屬于補貼型，主要在既定發展路徑上起到推動作用，因此，對于不同產業結構、不同發展方式的地區，所產生的效果也是不同的。由此可見，從長遠來看，只有鼓勵企業在排污控制方面逐漸向 “前端預防”型靠近，才有利于在長期內對排污企業產生有效的技術創新激勵。

（4）無論從全國整體情況來看，還是從地區結果來看，命令控制型環境規制對綠色生產率的提高均具有正向促進作用，但這種正向促進作用并不是很大。這個結果說明兩個問題：①嚴格的政府執法確實可以改變企業經營者的投機心理和經營預期。當企業管理者意識到一旦排污違法，一定會付出更大的損失后，就會調整企業內含的長期盈利模式，使得企業經營者以更長遠的眼光看待企業的收益問題，從而會積極采取措施，促進企業綠色生產技術的引進、研發，進而會有效促進綠色生產率的提高。因此，我國地方政府一定要加強環保執法力度，完善懲罰機制，避免 “尋租”行為；②只靠行政命令為主要環境規制的工具，所取得的效果是有限的。實際上，環境規制工具多種多樣，且各有其 “用武之地”，因此，針對不同的地區、不同的發展狀況，應有針對性的采取多種不同的環境規制工具，改變我國當前以行政控制型規制長期占據主導地位的現實狀況，從而更好的實現提高生態環境水平與促進綠色生產率提高的 “雙贏”發展。

注釋：

①東部地區包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南，中部地區包括山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南，西部地區包括內蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆。