空間溢出視角下的環境規制與綠色發展
——困境還是協調？

賴小東，王程田，林秀麗

（華南師范大學經濟與管理學院，廣東廣州 510631）

引言

黨的十八大將生態文明建設納入中國特色社會主義建設的總體布局中來，體現了黨和國家對環境問題和經濟可持續發展的高度重視。提高發展質量，實現產業結構升級，是未來的發展方向，也是當前工作的重點。在生態文明的建設過程中，必須要采取相應的環境規制政策，保證生態文明建設和高質量產業發展的順利進行。2020 年9 月，國家主席習近平在第七十五屆聯合國大會一般性辯論上明確提出“雙碳”目標。2021 年7 月，中國碳排放權交易市場正式啟動上線交易，同年10 月24 日，國務院發布《關于印發2030 年前碳達峰行動方案的通知》。“雙碳”目標的提出和一系列相關舉措的實施，標志著我國綠色發展邁上新臺階。在新發展階段，中國更加注重效率和發展與環境保護之間的協調。其中，提高全要素生產率是實現高質量發展的關鍵[1]。但是全要素生產率只考慮了資本和勞動投入，在產出端也只考慮期望產出，在進行可持續發展的分析時，無法準確衡量生產效率，因此，越來越多的研究開始將非期望產出和能源投入納入生產率的計算中。本文旨在通過研究環境規制對綠色全要素生產率（GTFP）的影響，從綠色發展視角，考察經濟發展和生態環境之間的協調關系，并實證驗證“綠水青山”與“金山銀山”的兼容性。

1 文獻評述

根據是否包含空間因素來分類，對現有文獻進行梳理，大致可以分為兩類，即無空間因素模型和空間因素模型。無空間因素模型主要通過面板回歸的方法來研究環境規制對綠色全要素生產率的影響，沒有考慮空間溢出效應。空間因素模型則在無空間因素模型的基礎上，納入了空間溢出效應。

首先，考察無空間因素模型。Martinez-Zarzoso等[2]對14 個OECD 國家的樣本進行分析，發現環境規制能夠促進企業研發支出，從而對綠色全要素生產率有正向影響。Manello[3]對德國和意大利化學行業企業的分析支持了上述結果。李玲等[4]研究發現環境規制對重度污染制造業綠色全要素生產率的影響呈倒U形，對中度和輕度污染制造業綠色全要素生產率的影響呈U 形。李鵬升等[5]采用企業層面數據研究發現，環境規制短期內會降低綠色全要素生產率，而長期來看則會促進綠色全要素生產率。與此相反，黃慶華[6]等實證研究發現，短期內減排政策能促進綠色全要素生產率，綠色全要素生產率也有助于降低減排成本，但長期來看，環境規制會抑制綠色全要素生產率。

上述研究忽略了綠色全要素生產率以及環境規制空間上的聯系。事實上，可以從以下3 個方面來看：①本地的環境規制政策不但會對本地產生作用，還可能通過模仿效應影響鄰近地區的環境規制政策；②根據污染避難所假說，當一個地區環境規制較強時，很可能使得該地區的污染密集產業向周邊環境規制較弱的地區轉移；③綠色全要素生產率本身也存在空間上的擴散效應，綠色全要素生產率反映了一個地區的技術進步，在信息高速傳播的今天，本地的技術創新很可能給其他地區帶來借鑒或直接為其他地區所用。綜合來看，將空間溢出效應納入對環境規制和綠色全要素生產率的分析中顯得尤為必要。

其次，對于空間因素模型，有些研究做了有益嘗試。Li 等[7]將中國273 個城市按政治屬性和地區分成6 類，發現在政治地位高的城市，環境規制對綠色全要素生產率具有顯著正向的空間溢出效應，而在政治地位低的城市則相反。朱金鶴等[8]構建綠色全要素生產率的空間溢出模型，發現環境規制對周邊地區綠色全要素生產率有抑制作用。邱兆林等[9]在工業部門也得到了類似的結論，環境規制對鄰近地區工業綠色全要素生產率的影響是負的。

上述空間因素模型揭示了環境規制對綠色全要素生產率可能存在的空間溢出效應，但是其理論分析稍顯不足，無空間因素模型中所證實的一些效應在上述空間因素模型中沒有體現出來，加之對環境規制未做細致區分，導致所得結果與無空間因素模型中的結論有所沖突。環境規制如果對鄰近地區綠色全要素生產率只存在抑制作用，那么最好的結果是所有地區都不采取環境規制政策。由于環境規制對本地綠色全要素生產率有促進作用，對鄰近地區綠色全要素生產率卻有抑制作用，在這樣一個囚徒困境中，全社會最優的結果將不會被采納，也不是一個穩定的納什均衡，環境規制對綠色全要素生產率的影響將變得模糊，這就導致環境與效率只能在局部達到均衡。基于此，本文試圖通過細化理論分析和環境規制類型，從空間計量的角度來構建一個更合意的模型，以彌補現有文獻不足，同時給政策制定者提供實踐借鑒。

2 理論框架

2.1 環境規制對綠色全要素生產率影響的空間溢出分析

考慮空間因素情況下，可將環境規制對綠色全要素生產率的影響分為直接效應和間接效應。直接效應是指本地的環境規制政策對本地綠色全要素生產率的直接影響；間接效應是指本地的環境規制政策對鄰近地區綠色全要素生產率的影響，反映了環境規制的空間溢出效應。間接效應也可以理解為鄰近地區環境規制政策對本地綠色全要素生產率的影響。

環境規制的直接效應主要包括遵循成本效應和創新補償效應。遵循成本效應是指環境規制政策加重了企業的負擔，增加了企業的生產成本，更為嚴厲的規制政策可能使得高污染企業停止生產，效率也就無從談起。Porter 對上述觀點持反對態度，“波特假說”指出，環境規制能夠激勵企業從事創新活動，提升生產效率，從而抵消規制政策帶來的成本，即創新補償效應[10]。綜合來看，環境規制與GTFP 之間可能存在U形曲線關系，在環境規制力度較低時，遵循成本效應發揮作用，環境規制力度較高時，創新補償效應發揮作用。

環境規制的間接效應主要通過模仿效應、警示效應、譴責效應和污染避難所效應4 條渠道發揮作用。現有文獻對地區間政府政策的模仿行為、警示效應和污染避難所效應有細致的描述，但是卻經常忽略一種非正式的約束力量，即地區間的相互譴責，譴責效應并不是正式的或強制的約束，但它在一定程度上影響政府的行為，如果不遵循一定的行為規范，政府擔心可能會被周圍地區孤立，或影響本地區的形象。由此，本文提出用譴責效應來描述這種非正式的約束。

（1）模仿效應。張宏祥等[11]認為地方政府之間存在相互模仿行為，這種模仿行為主要是出于競爭的目的，如果周邊地區降低環境規制，政府為保證本地的相對競爭優勢，也傾向于減輕環境規制力度。

（2）警示效應。邵帥等[12]研究了中國霧霾污染的空間溢出情況，指出霧霾污染存在警示效應，即地方政府觀察到周邊地區的環境惡化情況后，會引以為鑒，加強環境規制，尤其是在環境指標納入官員績效的考核后，政府會更有動力改善環境。地方政府可以觀察到霧霾污染情況，同樣也可以觀察到其他環境污染情況，本文認為警示效應對于各類環境污染都存在，只要環境績效納入官員的考核當中，政府就有動力關注自身和周邊的環境情況。

（3）譴責效應。地方政府在關注當地環境狀況的同時，也會關注周邊的環境狀況，現實中這一情況普遍存在，因為許多污染物是不受限于行政區劃的，甲地產生的污染并非只影響甲地的環境。2020 年10 月17 日，日本《共同社》報道，日本政府計劃將核污水排放至太平洋，這一行為受到世界各國的普遍關注與譴責，原因無他，核污水一旦傾倒入太平洋，必然會隨著洋流擴散開來，導致相關國家利益受損。因此，本文采用譴責效應來描述政府關注鄰近地區污染狀況和環境政策的現象。當存在譴責效應時，地方政府可能會迫于周邊壓力，而不得不采取謹慎的政策行為。

（4）污染避難所效應。污染避難所效應原本指在國際貿易中，污染密集型產業傾向于向環境標準較低的國家和地區轉移，這種轉移通常是伴隨著外商直接投資（FDI）而來的。污染避難所假說是基于貿易自由化條件的，在一國境內，貿易自由化條件基本可以得到滿足，產業很大程度上可以自由地在不同區域間轉移。當一個地方的環境政策收緊，很可能迫使當地污染密集型產業向環境政策寬松的地區轉移。

基于以上分析，本文構建環境規制對綠色全要素生產率的影響機理如圖1 所示，其中“+”表示提升，“-”表示降低，“？”表示可能提高也可能降低（與鄰近地區環境規制力度同向相關）。反饋效應是指本地區環境規制影響鄰近地區的環境規制政策后，再反饋到本地GTFP 上，GTFP 的空間溢出效應是指不同地區綠色全要素生產率之間的相互作用。

圖1 環境規制對綠色全要素生產率影響的空間溢出機理

2.2 其他影響綠色全要素生產率的相關因素

經濟發展水平是影響綠色全要素生產率的重要因素。環境庫茲涅茨假說指出，經濟發展水平和環境污染呈倒U 形關系。經濟發展水平較低的時候，一國或一個地區為提升人均收入，通常會優先發展工業，并且對環境問題的關注較少。隨著一個地區經濟發展水平的提高，該地區會愈發重視環境問題，從而致力于減少污染和開發綠色環保型技術。經濟發展水平的空間溢出效應，一方面表現在經濟發展水平高的地區往往會對周邊地區存在虹吸作用，使得資源從發展落后的地區流入發達地區；另一方面表現在落后地區在技術創新上搭了發達地區的便車，落后地區并不需要有過多的創新投入，也能利用到先進或次先進的生產技術，從而提升了落后地區的綠色全要素生產率。

外商直接投資（FDI）通常意味著產業的跨國轉移。List 等[13]認為國外環境規制嚴格的地區會通過FDI 向環境規制寬松的地區轉移污染密集型產業，從而惡化了后者的環境，此即污染避難所假說。與上述觀點相反，Zarsky 等[14]、Albornoz 等[15]和Dardati等[16]認為東道國可以引入發達國家更為先進的環境友好型技術和管理制度，從而改善本國的環境質量，即污染暈輪效應。Wang 等[17]研究發現，在一國之內不同行政區域之間也存在污染暈輪效應。

進出口貿易對國際技術擴散有重要影響。首先，發展中國家的出口部門企業通過參與國際貿易，可以學習發達國家的先進技術，通過干中學效應提升本國的技術水平。其次，當一國參與到國際貿易中時，由于富有競爭力的跨國公司的存在，本國企業面臨著更加激烈的市場競爭，迫使本國企業更加注重科研投入和技術創新，通過競爭效應優勝劣汰本國企業，進而提升本國綠色全要素生產率[18]。

FDI 和進出口貿易都與對外開放有關，盡管有研究認為對外開放能夠引入先進技術（污染暈輪效應、干中學效應等），但是對外開放引入的先進技術可能并不是環境友好型技術，能夠提升全要素生產率（TFP）卻不一定能提升綠色全要素生產率（GTFP）。

3 模型與數據

3.1 模型設定

本文在原毅軍等的基礎上[19]，構建如下生產函數模型：

式中，Y表示生產總值；A(·)表示綠色全要素生產率；HJ 為環境規制；FZ 為經濟發展水平；FDI 為外商直接投資；Trade 為進出口總額；K為資本投資；L為勞動投入。

為簡化研究，將A(·)假定為如下形式：

式中，i表示省份；t表示年份；Ai0表示初始技術水平；a、b、c、d分別為對應系數。

將式（2）代入式（1）得：

式（3）兩端同時除以F(Kit,Lit)得到：

式（4）兩端同時取對數：

由于綠色全要素生產率在時間上存在路徑依賴，在式（5）中加入綠色全要素生產率的一期滯后項作為解釋變量，得到：

式中，α為時間滯后系數；X為相關影響因素向量［根據式（5）取對數處理］；β為系數向量；εit為隨機誤差項。

為考察綠色全要素生產率的空間溢出效應以及環境規制等因素對綠色全要素生產率的影響是否存在空間溢出，本文在式（5）的基礎上構建個體固定效應空間杜賓模型（SDM）：

式中，ρ為空間滯后系數，表示鄰近地區綠色全要素生產率對本地區綠色全要素生產率的影響；X為相關影響因素向量（與前文保持一致）；W為空間權重矩陣；β和θ為相應系數向量；εit為隨機誤差項。

相關影響因素對綠色全要素生產率的影響不僅包括直接效應，還包括間接效應，前者為解釋變量對本地區被解釋變量的影響，后者為解釋變量對鄰近地區被解釋變量的影響，即空間溢出效應，兩者的總的影響即是總效應。

此外，考慮到環境規制等因素對綠色全要素生產率的影響很可能存在路徑依賴，前一期的影響往往會延續到下一期，并且綠色全要素生產率當中所隱含的技術進步等因素本身也能夠通過累積效應作用到下一期，來促進下一期的技術進步。因此，本文將式（7）擴展為動態空間杜賓模型，通過引入綠色全要素生產率的一期滯后項來考察綠色全要素生產率的時間滯后效應。

式中，α為時間滯后系數，反映前一期綠色全要素生產率對當期的影響。本文接下來將根據式（8）的模型形式進行空間計量回歸。

3.2 空間權重矩陣

本文借鑒邵帥等的做法，以省會城市（自治區首府）之間距離的倒數作為權重，構造反距離矩陣（W1），反距離矩陣對鄰近的省份賦予更大的權重，對相隔較遠的省份賦予更低的權重。由于反距離矩陣只考慮了省份之間地理上的聯系，而忽略了經濟上的聯系，本文借鑒邵帥等構造的地理經濟距離空間權重矩陣（W2），將省份之間的經濟聯系納入權重矩陣中，其元素wij為i省（區、市）省會（自治區首府）與j省（區、市）省會（自治區首府）距離倒數乘以i省（區、市）人均GDP 年均值占所有省份人均GDP 年均值的比重[12]。

盡管以省會城市（自治區首府）作為一省（區、市）地理因素的概括存在很大弊病，現實中省域的面積十分遼闊，鄰接的兩省（區、市）也可能因省會城市（自治區首府）距離較遠而使得兩者間的權重較低，但是由于省會城市（自治區首府）在一個省份內通常具有全方位壓倒性的優勢地位，這表現為省會城市（自治區首府）在經濟、工業、科教等方面的領先，因此以省會城市（自治區首府）之間距離來粗略表示省份之間的距離，存在一定的合理性，同時也簡化了我們的分析。

3.3 空間溢出效應檢驗

本文采用全局莫蘭指數（Moran’sI）檢驗GTFP和環境規制的空間相關性，Moran’sI的計算公式為

式中，n為省份個數；wij為空間權重；x和分別為待檢測變量及其均值；-1≤I≤1，當0 ＜I≤1 時，說明x存在空間正相關，當-1≤I＜0 時，說明x存在空間負相關。

表1 中列出了GTFP 和環境規制的全局Moran’sI值，環境規制（總體規制HJ）采用環境污染治理投資總額表示。可以發現，GTFP 的Moran’sI值只在部分年份顯著為正，而ln HJ 的Moran’sI值在全部年份都顯著為正，這表明GTFP 和環境規制很可能存在空間溢出效應，但是否真的存在空間溢出還需要通過回歸結果來進一步判斷。

表1 歷年全局Moran’s I值

圖2 顯示的是2005 年和2019 年GTFP 和lnHJ的Moran 散點圖，橫坐標分別為標準化的GTFP 和ln HJ，縱坐標分別為GTFP 和ln HJ 的空間滯后項，從圖2 中可以發現，擬合線穿過第一和第三象限，表現為“高高”集聚和“低低”集聚。因此在考察環境規制對GTFP 的影響時不能忽略空間溢出效應。

圖2 2005年和2019年GTFP和ln HJ的Moran散點圖

3.4 數據來源與處理

本文數據來自歷年《中國統計年鑒》、各省（區、市）歷年統計年鑒、國泰安數據庫以及歷年《中國環境統計年鑒》。經收集整理，選定30 個省（區、市）①本文樣本不包括西藏自治區和港澳臺地區。2004—2019 年的面板數據作為樣本。

計算綠色全要素生產率需要期望產出、非期望產出和投入數據，期望產出是“好”的產出，一般采用生產總值指標，非期望產出是“壞”的產出，一般用污染物排放表示，投入除資本和勞動外，還包括能源投入，能源投入一般采用能源消費總量作為衡量指標。本文基于SBM 方向距離函數，采用MaxDEA 軟件測算Malmquist-Luenberger（ML）指數，ML 指數構造方法參考Fukuyama 等[20]、張娟等[21]，限于文章篇幅，本文不再贅述。

期望產出指標：采用30 個省級單位2004—2019年的生產總值（億元）作為期望產出。為使數據具有可比性，本文采用世界銀行公布的按GDP 平減指數衡量的中國年通貨膨脹率來剔除價格因素，以2000年為基期，將數據調整到以2000 年為不變價的可比水平。

非期望產出指標：對于非期望產出指標的選擇，考察已有的做法，本文認為污染物排放既包括廢氣排放也包括廢水排放，并且主要是來源于工業行業，綜合考慮數據的可得性。因此，本文采用工業廢氣排放量（億m3）和工業廢水排放量（萬t）作為非期望產出指標[22,23]。由于可獲取的相關年鑒中工業廢氣排放量只更新到2015 年，因此采用2016—2019 年工業二氧化硫排放量和工業煙（粉）塵排放量作為2016—2019 年工業廢氣排放量的替代指標。

資本投入指標：采用永續盤存法估算30 個省（區、市）的資本存量，公式為

式中，Kit為t年i省（區、市）的資本投入；δ為折舊率；Iit為t年i省（區、市）的固定資產投資；Pit為t年i省（區、市）的固定資產投資平減指數。本文以2000 年為基期，將固定資產投資調整到以2000年為不變價的水平。參照顏鵬飛等[24]的做法，采取δ=5%。

本文的資本原值數據采用張軍報告的結果[25]，該報告計算了2000 年當年價的各省（區、市）資本原值，并將四川和重慶的數據做了合并處理，本文根據2000 年重慶和四川的固定資產投資額比例（其中重慶的比重為28.76%，四川的比重為71.24%），將2000年報告中四川資本原值劃分成四川和重慶兩部分，作為四川和重慶各自的資本原值。

勞動投入指標：采用30 個省級單位2004—2019年從業人員數（萬人）作為勞動投入。

能源投入指標：采用30 個省級單位2004—2019年能耗總量（萬噸標準煤）為能源投入。

環境規制指標：本文將環境規制分為總體規制（HJ）、工業廢氣規制（FQ）、工業廢水規制（FS）、工業固廢規制（FG）和光污染規制（L），其中總體規制采用2004—2019 年環境污染治理投資額來衡量，工業廢氣規制采用2004—2019 年工業廢氣治理設施當年運行費用來衡量，工業廢水規制采用2004—2019年工業廢水治理設施當年運行費用來衡量，工業固廢規制采用2004—2015 年工業固體廢物處置量來衡量。對于光污染規制，可參考的文獻較少，本文構造如下變量來衡量光污染規制：

式中，GDP 表示人均GDP；mean(·)表示求均值；DN 為美國國家海洋和大氣管理局（NOAA）發布的夜間穩定燈光亮度指標（DN 值）。本文參考李雪萍等對DN 值源數據進行校正[26]，計算得到中國2004—2013 年各省（區、市）夜間燈光亮度值。Lit表示各省（區、市）人均GDP 相對全國人均GDP 平均值的偏離度比上各省（區、市）夜間燈光亮度相對全國夜間燈光亮度平均值的偏離度。Lit越接近1，表示夜間燈光亮度與經濟發展水平是相適應的；Lit＞1，表示夜間燈光亮度沒有達到經濟發展水平的高度，意味著政府對光污染的規制力度較大；Lit＜1，表示夜間燈光亮度超出了經濟發展水平應有的程度，意味著政府對光污染的規制力度寬松。

其他影響因素變量的選擇：經濟發展水平（FZ）通常采用人均GDP 來衡量，本文引入FZ 的二次項，來考察環境庫茲涅茨假說。對外開放采用外商直接投資（FDI）和進出口總額（Trade）來衡量。污染程度（WR）采用工業廢氣排放量和工業廢水排放量的乘積來衡量。所有變量取對數處理。

4 實證結果

4.1 總體規制的影響

雙向固定效應模型面板回歸結果如表2 所示。其中，ln GTFP 的一期滯后項系數都在1%的水平上顯著為正，表明綠色全要素生產率在時間上存在路徑依賴，因為技術具有累積效應，其影響作用隨著時間的拉長而逐漸累積。在不考慮空間溢出效應的情況下，環境規制對綠色全要素生產率有顯著的影響，無論是從總體規制角度，還是從工業廢氣、工業廢水以及工業固廢的角度來看，環境規制與綠色全要素生產率之間都呈現顯著的U 形曲線關系。環境規制相當于給企業增加了一項治理污染的成本，當環境規制力度較為寬松時，企業承擔的治污成本較小，沒有動力提高其生產技術和治污能力，在遵循成本效應下，企業以更高的成本進行生產，這就導致GTFP 的下降。當環境規制力度提升到一定程度后，一方面，一些高污染企業無法滿足環境規制要求，從而退出市場；另一方面，現有企業迫于成本壓力，不得不加大創新投入，努力提升技術水平、降低污染排放，以符合環境規制要求，這使得GTFP 提升。上述結論驗證了“波特假說”，即環境規制能夠促使企業從事創新活動以抵消環境規制的成本，產生創新補償效應。

表2 雙向固定效應回歸結果

光污染規制對GTFP 的影響是負的，這可能是因為目前我國許多工廠實現“三班倒”制度，即早、中、晚三班輪換，一旦對燈光進行限制，則會極大地影響晚班的生產。此外，很多生產車間全天都需要開燈運作，燈光供應不足會導致企業生產效率降低，甚至無法生產。

考察其他影響GTFP 的因素。經濟發展水平與GTFP 之間呈U 形曲線關系，驗證了環境庫茲涅茨假說。FDI 的系數顯著為負，表明污染避難所效應大于污染暈輪效應，發達國家將污染密集型產業轉移到環境規制更為寬松的中國。進出口貿易的系數除了在模型（5）中顯著為正以外，在其他的模型中都不顯著，這表明本土企業在參與國際貿易的過程中可能并沒有引進環境友好型技術。最后，污染物的排放增加會惡化環境狀況，從而降低GTFP。

上述分析是基于面板回歸結果的，沒有考慮空間溢出效應，當引入空間權重矩陣時，環境規制不但影響本地GTFP，還會對鄰近地區GTFP 產生作用。本文先考察總體規制的情況，結果如表3 所示。模型（6）和模型（8）是靜態空間模型，模型（7）和模型（9）是動態空間模型。從模型（7）和（9）中可以發現，ln GTFP 的滯后一期項系數α都在1%的水平上顯著為正，表明GTFP 存在路徑依賴，因此動態模型的設計是合理的，GTFP 的時間滯后效應不能被忽略。動態空間杜賓模型中的ρ在5%的水平上顯著為正，即GTFP 存在空間溢出效應，鄰近地區GTFP 越高，越能帶動本地區的GTFP 增長，這一結果與張科偉等[27]、任陽軍等[28]的研究結果相一致。模型（7）和（9）中，W×ln HJ 和W×(ln HJ)2的系數都在10%的水平上顯著，表明環境總體規制對GTFP 的影響存在空間溢出效應，即鄰地環境總體規制越嚴格，本地GTFP 先提升后下降，呈現倒U 形曲線關系。這是因為鄰地環境規制較弱時，鄰地環境狀況可能逐漸惡化，這對本地產生警示作用，本地從而努力改善環境狀況，使得本地GTFP 有所提升。當鄰地環境規制收緊時，根據污染避難所假說，一些高污染企業無法再在鄰地生存，只能轉移到環境規制更為寬松的本地，將污染也帶到本地區，使得本地GTFP 下降。

表3 空間計量回歸結果一

環境規制除了對GTFP 的影響存在空間溢出效應之外，其本身也可能存在空間溢出效應，即鄰近地區的環境規制政策會相互影響。本文采用環境規制作為被解釋變量進行空間回歸，計量模型為動態空間杜賓模型，結果如表4 所示。在兩種空間權重矩陣模型中，ρ都在1%的水平上顯著為正，這表明環境規制確實存在空間溢出效應，鄰近地區會相互模仿，使得環境規制力度趨同。并且采取嚴格環境規制的地區，為保護自身利益，通常也會譴責周圍環境規制力度較為寬松的地區，迫使對方采取和自己相近力度的環境規制政策。總之，模仿效應和譴責效應共同使地區間的環境規制力度趨同。

表4 總體規制作為被解釋變量

4.2 其他環境規制的影響

本文進一步考察工業廢氣規制、工業廢水規制、工業固廢規制和光污染規制的影響，空間計量回歸結果如表5 所示。從中可以發現，α都在1%的水平上顯著，說明GTFP 的時間滯后效應是穩健的。工業廢氣規制存在顯著的空間溢出效應，鄰地工業廢氣規制對本地GTFP 的影響是倒U 形的，這與總體規制的結果相類似。但是工業廢水規制的空間溢出效應是線性為正的，這表明鄰近地區工業廢水規制越強，越有利于本地區GTFP 的提升，這可能是因為工業廢水對環境造成的污染相比于工業廢氣而言，更加難以消除，容易積累并遺留在江河湖海中產生長期影響。并且產生工業廢水的行業如冶金行業、造紙業、化工業等，其分布通常與資源的地理分布有關，不會輕易轉移，地方政府一般也不會制定讓該行業無法存續的嚴苛政策，使得污染避難所假說不成立，因此工業廢水規制的空間溢出效應線性為正。

表5 空間計量回歸結果二

工業固廢規制的空間滯后項不顯著，不具有空間溢出效應，這是因為固體廢物難以流動，基本上只對本地區的環境狀況產生影響，因此工業固廢規制主要是針對本地區，表現為本地影響。同理，光污染規制的空間溢出效應不顯著，這可能是因為光污染主要影響本地區的環境狀況，幾乎很難影響鄰近地區。

為考察鄰近地區環境規制政策是否會影響本地區環境規制政策，分別采用工業廢氣規制、工業廢水規制、工業固廢規制和光污染規制作為被解釋變量進行空間計量回歸，結果如表6 所示。可以發現，工業廢氣規制、工業廢水規制和工業固廢規制的ρ分別在5%、1%和5%的水平上顯著為正，表明三者存在顯著的空間溢出效應，不同地區之間的工業“三廢”規制政策會相互影響，與上文對總體規制的分析相一致。而光污染規制的ρ并不顯著，說明光污染規制并不存在空間溢出效應，這可能是因為光污染問題尚不嚴重，沒有得到政府的重視，地方政府也不會過多關注鄰近地區的光污染情況。

表6 其他環境規制作為被解釋變量

5 結論及政策建議

習近平總書記強調，“既要綠水青山，又要金山銀山”。環境規制是解決環境問題和促進經濟高質量發展的重要抓手，本文通過研究環境規制對綠色全要素生產率的影響作用，從實證角度證明了“綠水青山就是金山銀山”理念的科學性和合理性，即“綠水青山”和“金山銀山”是可以兼容的，人不負青山，青山定不負人，改善環境和提升效率并不矛盾，環境規制能夠促進綠色全要素生產率，實現經濟高質量發展。

實證分析發現，GTFP存在路徑依賴，前一期的GTFP 能夠促進下一期GTFP，同時，GTFP 存在空間溢出效應，相鄰地區的GTFP 越高越能帶動本地區的GTFP 提升，從而形成局部俱樂部現象。在面板回歸中，環境總體規制與GTFP 之間呈現U 形曲線關系，說明在環境規制力度較低時，遵循成本效應發揮作用，環境規制力度較高時，創新補償效應發揮作用，工業廢氣規制、工業廢水規制和工業固廢規制的結果也支持了這個結論。光污染規制對GTFP 的影響是負向的，這可能與企業生產運作過程中對燈光的大量需求有關。在引入了空間因素后，環境總體規制對GTFP 的影響存在空間溢出效應，但具體來看，各項規制的影響各不相同，工業廢氣規制的空間溢出效應是倒U 形的，工業廢水規制的空間溢出效應是線性為負的，而工業固廢規制和光污染規制的空間溢出效應不顯著。這主要是因為空氣污染和水污染具有流動性，能夠對周圍地區的環境產生影響，而固體污染和光污染的流動性較低，更多地表現為本地影響。

針對本文實證結果，提出如下建議：第一，環境規制存在空間溢出效應，中央政府應對環境規制政策進行統一協調，充分考慮地區之間環境規制政策對綠色全要素生產率的空間溢出作用，在總的方針指導下，各地又可以根據自身情況適當制定符合自身發展規律的環境規制政策。第二，針對工業廢氣、工業廢水、工業固體廢物和光污染應制定不同的環境規制政策，而不是“一刀切”，不同行業效率不同，產生的效益也不同，關鍵是要把握效率提升和環境治理之間的平衡點。第三，對于綠色全要素生產率低下的地區——通常是以資源開發為主的地區，要引導其進行經濟轉型。這些地區經濟發展水平和發達地區不能同日而語，許多污染密集型產業是其賴以生存的支柱型產業，或者本身就是從發達地區轉移而來的，作為補償，對這些地區的環境標準要求可以適當放寬，但根本目的還是經濟高質量、可持續發展。第四，綠色全要素生產率存在空間溢出效應，各個地區可以互相借鑒先進的技術和管理模式，但需警惕人為設置壁壘，阻礙要素自由流動，造成市場分割，進而削弱其技術擴散效應，政府應當努力消除省際的市場分割現象，為國內大循環打下良好的基礎。