经济增长、区域环境污染与环境规制有效性——基于京津冀地区的实证分析

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

冯斐^,¹, 冯学钢², 侯经川², 霍殿明², 唐睿³

1.汕头市发展和改革局发展计划研究所,汕头 515036

2.华东师范大学经济与管理学部,上海 200241

3.安徽大学创新发展战略研究院,合肥 230039

Effectiveness of regional environmental regulation, economic growth and environmental pollution: An emprical study of the Beijing-Tianjin-Hebei region

FENG Fei^,¹, FENG Xuegang², HOU Jingchuan², HUO Dianming², TANG Rui³

1. Institute of Development Planning, Shantou Municipal Bureau of Development and Reform, Shantou 515036, China

2. Faculty of Economics and Management, East China Normal University, Shanghai 200241, China

3. Innovation Development Institute, Anhui University, Hefei 230039, China

收稿日期:2019-11-28修回日期:2020-03-11网络出版日期:2020-12-25

Received:2019-11-28Revised:2020-03-11Online:2020-12-25
作者简介 About authors
冯斐,男,甘肃平凉人,博士,研究方向为产业经济与区域发展。E-mail: feiyang_416@126.com

摘要
环境污染和生态破坏属于市场失灵的一部分,需要政府采用环境规制工具对市场经济进行调整,但环境规制对环境污染和地区经济的影响又会受到自然条件的限制。为了剔除该限制,检验环境规制的有效性,本文以京津冀13个城市面板数据为例,通过构建包含生态环境状况和经济水平的区域生态效率体系,分析环境规制对区域生态效率的影响。研究表明：①与节能环保财政支出相比,环境不良企业监测对京津冀地区的区域生态效率起到显著正向促进作用,说明环境规制对区域生态效率的改善程度依赖于规制工具的选择,并且惩罚型环境规制工具对于京津冀地区的区域生态效率提升更为明显;②环境不良企业监测存在门限效应,随着其强度的增加,对京津冀地区区域生态效率的改善逐渐提升;并且伴随其强度的增加,也会引起节能环保财政支出对区域生态效率的负面影响逐渐降低。基于此,在污染较为严重的经济发达地区,采用严格的惩罚型环境规制工具,能够快速有效地提升该地区的生态环境状况,但在区域生态环境改善趋势明显时,应采取激励型为主、惩罚型为辅的环境规制工具运用策略,从而有效地兼顾地区经济增长与生态效率改善,实现区域生态环境与经济协调发展。
关键词： 环境规制;区域生态效率;经济增长;Super-SBM模型;门限回归;京津冀地区

Abstract

Environmental pollution and ecological damage are part of market failures, which require the government to adopt regulatory tools to adjust, and the impacts of environmental regulation on environmental pollution and regional economy are limited by natural conditions. In order to remove this constraint and test the effectiveness of environmental regulation, this study took the panel data of 13 cities from the Beijing-Tianjin-Hebei region as an example, and analyzed the impacts of environmental regulation on regional ecological efficiency by constructing a regional ecological efficiency framework that includes the ecological environment and economic development level. The results show that: (1) Compared with the financial expenditure on energy conservation and environmental protection, the monitoring of enterprises with poor environmental performance plays a significant positive role in promoting regional ecological efficiency in the Beijing-Tianjin-Hebei region, indicating that the improvement of regional ecological efficiency depends on the choice of regulatory tools, and the punitive environmental regulatory tools of government monitoring type are useful for the improvement of regional ecological efficiency in the Beijing-Tianjin-Hebei region; (2) There is a threshold effect in the monitoring of environmentally unhealthy enterprises. With the increase of monitoring intensity, the improvement of regional ecological efficiency in the region is gradually enhanced; meanwhile, the negative impacts of fiscal expenditure of energy conservation and environmental protection on regional ecological efficiency simultaneously decrease. Therefore, employing strict punitive environmental regulatory tools can rapidly and effectively improve the environment in economically developed areas with more serious pollution, yet once the environment is significantly improved, environmental regulatory tools should switch to mainly incentive types supplemented by punitive ones, so as to effectively give consideration to regional economic growth and ecological efficiency improvement, and realize the coordinated development of regional ecological environment and economy.

Keywords：environmental regulation;regional ecological efficiency;economic growth;Super-SBM model;threshold regression;Beijing-Tianjin-Hebei region

PDF (3064KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
冯斐, 冯学钢, 侯经川, 霍殿明, 唐睿. 经济增长、区域环境污染与环境规制有效性——基于京津冀地区的实证分析. 资源科学[J], 2020, 42(12): 2341-2353 doi:10.18402/resci.2020.12.07
FENG Fei, FENG Xuegang, HOU Jingchuan, HUO Dianming, TANG Rui. Effectiveness of regional environmental regulation, economic growth and environmental pollution: An emprical study of the Beijing-Tianjin-Hebei region. RESOURCES SCIENCE[J], 2020, 42(12): 2341-2353 doi:10.18402/resci.2020.12.07

1 引言

经济增长与资源环境压力的关系是区域可持续发展研究的重点^[1]。根据中国生态环境状况公报,2017年全国338个地级市中有239个城市空气质量不达标,占到了70.7%。环境污染和生态破坏属于市场失灵的一部分,需要政府采用环境规制工具对市场经济进行调整。但是,环境规制的实施并不是简单地进行污染的治理和生态的保护,还需要考虑到其对经济发展的影响。当前,中国经济进入了由“高速增长”向“高质量发展”转变的关键时期,社会主要矛盾已经转化为人民日益增长的美好生活需要和不平衡不充分发展之间的矛盾。在这一背景下,合理选择和实施符合现实发展需要的环境规制工具,对于促进区域经济、社会、生态和谐发展,满足人民日益增长的美好生活需要都具有重要意义。

事实上,环境规制工具作用的发挥会受到来自于地区环境承载力、地形地貌等客观因素的制约^[2],在不同的自然条件约束下,环境规制工具对地区经济发展和生态环境保护的影响具有明显差异,即从全国范围内考虑环境规制工具对于区域生态效率的影响会受到当地自然条件的限制,从而造成对二者关系的估计出现偏差。同时,环境污染和生态破坏程度在全国范围内表现得并不均衡,其中京津冀地区环境污染状况比较突出,并且受到社会的广泛关注。根据《中国环境状况公报》数据显示,2013年以来,全国主要城市空气质量排名中,后10名中京津冀地区城市占一半以上。另外,作为中国三大城市群之一,京津冀地区是中国经济增长的重要引擎,但严峻的生态环境形势,已经成为制约当地区域高质量发展的重要因素。

因此,本文基于北京市、天津市和河北省下辖11个地级市共13个城市的数据,分析环境规制工具对包括经济发展和生态环境质量在内的区域生态效率产生的影响,探讨不同种类的环境规制工具对区域生态效率的作用,为京津冀地区的区域环境治理以及经济协调发展提供有价值的参考。

2 文献评述

环境规制是工业化和时代进步的产物,是政府这只看得见的手迫于人类生存危机而采取的应对措施^[3]。现阶段对于环境规制的研究集中在环境规制与经济增长之间的关系,其研究方向主要包括以下几个方面：环境规制对经济增长的影响、不同种类的环境规制工具对经济增长的作用是否存在差异、不同强度的环境规制工具对经济增长的影响程度。

2.1 环境规制与经济增长的关系

环境规制是否会促进经济增长,国内外文献在不同的假设、分析方法和样本选择的基础上得到的结论并不一致。①在环境规制对经济增长产生负面影响的观点中,主要认为环境规制工具的实施会造成企业将本来要投入到资本、劳动和能源等要素的资金,投入到减少污染物排放的设备当中,导致企业成本的提升,降低企业生产效率,即所谓的“成本假说”^[4]。该假说认为环境规制的实施增加了企业的运营成本,造成企业竞争力下降,从而影响整个社会经济的增长^[5]。Barbera等^[6]对1960—1980年美国化工、钢铁、造纸和有色金属等产业的绩效研究表明,由于环境规制迫使这些产业进行污染治理方面的投资,导致了10%~30%的生产率的下降。②而环境规制对经济增长产生正向作用的观点认为,合理的环境规制能够促使企业进行技术和管理水平上的创新,引发企业生产过程中对污染治理所产生的成本的弥补,这种成本上的弥补有可能超过企业治理污染过程中所产生的成本,使得环境规制和经济发展处于同步状态,被称为“波特假说”^[7]。之后诸多文献对“波特假说”中的企业创新能力和绩效水平进行了验证。Zhu等^[8]和Hamamoto^[9]分别对中国和日本制造业的治污成本与环境专利之间的关系进行了实证分析,发现这两种变量之间的存在正相关关系。关于环境规制提升生产率的验证,Yu等^[10]以中国30个省级行政单元的工业行业数据为例进行实证分析,发现环境规制强度可以显著提高工业产能利用效率。

环境规制对社会经济增长的判断之所以得到相反的结果,主要原因在于：“成本假说”是从静态角度单纯地考虑环境规制会引发企业和地区在环境保护和污染治理上的投资,导致生产要素投入的减少;而“波特假说”则从动态角度说明环境规制会刺激企业和地区进行环境保护和能源消耗节约上的一系列技术创新,间接引发环境规制促进经济发展。在当前技术创新对于经济的影响越来越受到关注的情况下,越来越多的****借助生态环境保护背景下的绿色技术创新视角,动态分析环境规制工具对经济增长的影响。

2.2 不同环境规制工具对经济增长的影响

对于环境规制工具的选择,不同的****具有不同的看法。现有文献对环境规制工具的分类主要有两种：一是行政法规规制手段和市场规制手段;二是激励型规制手段和阻碍型规制手段。

国内外****对于行政法规规制手段和市场规制手段对经济增长的影响所得结论并不统一。①支持市场规制手段方面,Jaffe等^[11]对“波特假说”引申出“狭义波特假说”,认为相较于刻板的命令型行政法规——环境规制,市场型环境规制手段具有灵活的特点,因此更能够激励企业创新,进而提升经济增长。Popp^[12]的研究发现,在提升企业的脱硫技术进步上,政府采用SO₂排放权自由交易等市场型环境规制工具,要比采取限制排放量等行政规制手段效率更高。②支持行政法规规制手段方面,Testa等^[13]则认为采取直接管制的方法对企业创新产生积极影响,而经济手段则产生出负面影响。叶琴等^[14]利用中国的数据也证实了Testa的结论,中国由于国有企业和公共研究机构是节能减排技术创新主体,因此造成行政法规的命令型环境规制工具的作用明显大于市场干预型环境规制工具,并且在对中国进行东、中、西部的分地区研究中,发现行政命令型环境规制工具对于企业绿色创新的作用并不显著,而市场型环境规制工具对企业创新起到了阻碍作用,并且这种阻碍作用在中部地区最为严重。

而从激励型规制手段和阻碍型规制手段视角进行的研究则结论较为一致。****们都肯定了激励型规制手段的积极作用。彭星等^[15]将环境规制手段分为命令控制型、经济激励和自愿意识型（其中后两项规制手段属于激励型规制手段）3种规制手段进行研究,结果表明后两种激励型环境规制手段对于地区绿色创新起到了正向作用,并且这两种环境规制工具的使用对于东、中、西部地区的绿色技术创新都起到了正向作用;而行政法规的命令型环境规制手段对于绿色技术创新不显著,甚至中、西部地区都呈现出负相关的结论。张平等^[16]的研究结果也证实了上述研究结论,相较于阻碍型环境规制手段单纯地对企业治理污染带来挤出效应而言,激励型规制手段通过对企业提供污染治理的资金或技术上的支持,弥补了由企业进行污染治理带来的资源挤出,从而刺激了企业进行绿色技术创新的动力。郭进^[17]以中国的数据证明,相较于颁布法律和行政处罚,收缴排污费用和环保财政支出对于经济增长更为有效。

2.3 环境规制强度与经济增长的关系

然而无论采取哪种环境规制手段,经济增长与环境污染治理方面均存在非线性关系^[18]。基于此,许多****对于二者之间的非线性关系进行了研究。赵霄伟^[19]认为经济增长与环境规制之间存在“U”形曲线关系,即随着环境规制的强度增加,经济增长出现下降,但到达临界点之后会对经济增长起到正向作用,并且这种情况也存在地区上的差别。徐志伟^[20]从工业的角度分析发现,随着工业产出的增长,环境规制强度增强,但是对于减排效果来说,只有东部地区比较显著,中西部地区并不显著。罗能生等^[4]发现“治理投入型”环境规制与生态效率之间存在“U”型关系。张平等^[16]利用门限回归的方法也证实了不同类型的环境规制手段对于绿色技术创新存在门限效应,即不同环境规制强度对于绿色技术创新所起到的作用存在差异。上述研究结论表明,不同的环境规制强度对于经济增长所产生的影响并不是线性的,而是随着环境规制的强度变换而变化的。

虽然当前文献对于环境规制的研究较为丰富,但大多数都是从环境规制与经济增长的角度进行研究,而环境规制的主要目的是改善生态环境,单纯分析其经济影响则忽视了环境规制对于生态环境改善的作用,因此分析环境规制与涵盖经济和生态环境两方面特征的区域生态效率之间的关系能够弥补上述文献单一分析其与经济增长之间关系的不足^[21]。然而现有研究对于环境规制与区域生态效率之间的关系存在不同结论,如李胜文等^[22]认为二者之间存在“U”形曲线关系,而沈能^[23]则认为二者之间的关系为倒“U”形。造成这种相左结论的原因主要在于：①没有区分环境规制的类型,单纯以治污成本作为环境规制工具的替代来判断对区域生态效率的影响;②没有考虑到中国各地区不同自然环境条件的约束,单纯从全国范围内研究环境规制工具对于区域生态效率的影响,这势必会造成研究结论出现不一致现象。

针对该领域现有研究存在的不足,本文从以下几个方面对环境规制与区域生态效率的影响进行拓展：①由于环境规制工具的作用发挥受到自然气候条件的影响,本文将经济水平较高、环境污染和生态破坏较严重、自然条件相似的京津冀地区作为研究对象,剔除掉自然条件不同造成的偏倚;②为了进一步明确不同类型的环境规制工具对区域生态效率所产生的影响是否一致,尤其是在经济水平较高、环境污染较严重的地区是否一致,本文将环境规制工具分为激励型环境规制工具和惩罚型环境规制工具两种类型^①（①相比较行政法规和市场型环境规制的分类,激励型和惩罚型环境规制能够从政府的参与方式上更容易区分,并且本文是以京津冀地区为例,行政法规和市场型受到区域范围的限制,并不能更好地体现出环境规制对于区域生态效率的作用,因此采用第二种环境规制分类方法。）,分析二者对京津冀地区区域生态效率所带来的影响;③另外,考虑到环境规制工具的强度对于区域生态效率会造成不同的影响,本文利用门限回归的方法对京津冀地区不同种类的环境规制工具进行非线性分析,考察不同种类环境规制工具强度对京津冀地区区域生态效率所造成的影响,为政府进行环境规制工具相关政策的制定提供参考。

3 实证模型与指标说明

3.1 实证模型

3.1.1 基准回归模型

本文以区域生态效率EE作为被解释变量,核心解释变量为环境规制工具ET,得到计量模型：

（1）

E E_{it} = α + βE T_{it - 1} + γ X_{it} + μ_{i} + ν_{t} + ε_{it}

式中：

E E_{it}

表示i地区t时期区域生态效率;

α

为常数项;

E T_{it - 1}

表示i地区t-1时期环境规制工具;

β

为环境规制工具对于区域生态效率的影响系数;

X_{it}

表示控制变量;

γ

表示控制变量对于区域生态效率的影响系数;

μ_{i}

、

ν

、

ε_{it}

分别表示地区的固定效应、时间效应和随机扰动项。

ET

作为核心解释变量包括：①惩罚型环境规制工具——环境不良企业监测firm;②激励型环境规制工具——环境保护财政支出fin。因此式（1）可以重新估计为：

（2）

E E_{it} = α + β_{2} fir m_{it - 1} + β_{3} fi n_{it - 1} + γ X_{it} + μ_{i} + ν_{t} + ε_{it}

式中：

β_{2}

表示惩罚型环境规制工具对于区域生态效率的影响系数;

β_{3}

表示激励型环境规制工具对于区域生态效率的影响系数。

3.1.2 门限回归模型

特定环境规制工具对于区域生态效率的影响,是否会受到自身及其他环境规制工具强度的影响,尚不明确。但从实际来看,不同类型环境工具共同作用的情况普遍存在。因此,本文利用门限回归模型,将一个环境规制工具作为门限变量,检验其执行强度的变化是否会影响到其他环境规制工具对于区域生态效率的影响。假设存在k个门限,那么环境规制对于区域生态效率的影响将会被截取k+1段,得到式（3）：

（3）

\begin{array}{l} E E_{it} = α + δ_{1} E T_{it - 1} (T \leq λ_{1}) + δ_{2} E T_{it - 1} (λ_{1} < T \leq λ_{2}) + ? \\ + δ_{k + 1} E T_{it - 1} (λ_{k} < T \leq λ_{k + 1}) + γ X_{it} + μ_{i} + ν_{t} + ε_{it} \end{array}

式中：

T

为其他类型的环境规制变量;

λ_{1}, \dots, λ_{k + 1}

表示待估算的门限值;

δ_{k}

表示当环境规制强度跨过第

k - 1

门限值时,当前环境规制对于区域生态效率的影响。

3.2 变量指标选取及数据来源

3.2.1 被解释变量

本文被解释变量为区域生态效率。关于区域生态效率的数据选取,不同****具有不同的观点。世界可持续发展工商理事会（World Business Council for Sustainable Development）根据生态效率的含义,于1992年在里约热内卢地球峰会上提出生态效率的测度方法：生态效率=产品和服务价值/生态环境负荷。其中“产品和服务价值”可以表示为一个地区的产品和服务的市场价值,而生态环境负荷可以表示为资源消耗和污染排放^[24]。根据这种生态效率的定义,****们针对存在非期望产出进行了相关研究,主要集中在数据包络分析方法。Hailu等^[25]将非期望产出当作投入进行数据包络分析测算;Seiford等^[26]对非期望产出数值取其相反数的方式进行测算;F?re等^[27]则利用距离函数的方法进行测算。本文对于非期望产出的处理是利用Hailu等^[25]的方法,将经济增长过程中污染物排放作为投入要素,然后使用Tone^[28]构建的径向模型（DEA）,对于无效率的测量使用不包含松弛变量的非径向模型——基于松弛测度的模型（SBM,Slacks-Based Measure）。本文对于区域生态效率指标测算方法选择SBM模型。具体测算方法如下：

（4）

\begin{array}{l} \min ρ = \frac{1 - \frac{1}{m} \overset{m}{\sum_{i}} \frac{g_{i}^{-}}{k_{io}}}{1 + \frac{1}{s} \overset{s}{\sum_{i = 1}} \frac{g_{j}^{+}}{y_{jo}}} \\ s.t. k_{io} = \overset{n}{\sum_{ρ = 1}} x_{iρ} λ_{ρ} + g_{i}^{-} \\ y_{jo} = \overset{n}{\sum_{ρ = 1}} y_{iρ} λ_{ρ} + g_{j}^{+} \\ λ \geq 0, g_{j}^{+} \geq 0, g_{i}^{-} \geq 0 \end{array}

式中：

ρ

表示测算出的区域生态效率值,取值范围为

0 \leq ρ \leq 1

;

k_{io}

和

y_{jo}

表示确定的决策单元,即

DMU (k_{io}, y_{jo})

;n为决策单元（DMU）数,m和s分别表示每个DMU拥有m个投入和s个产出,其中用向量形式表示为k

\in R^{m}

\in R^{s}

;K是投入矩阵,K=[k₁, k₂,…, k_n]

\in R^{m \times n}

;Y是产出矩阵,Y=[y₁, y₂,…, y_n]

\in R^{s \times n}

;

k_{io}

表示第o个DMU的第i项投入,

y_{jo}

表示第o个DMU的第j项产出,

λ_{ρ}

表示第

ρ

个DMU参考集的权重,

g_{i}^{-}

表示第i项投入要素的松弛变量,

g_{j}^{+}

表示第j项产出的松弛变量。

然而SBM模型只有当生产单元存在非效率的情况下才能够分辨出哪个生产单元效率较高,对于

ρ = 1

时的有效生产单元则不能判断出哪个生产单元最为有效。因此本文在式（4）的基础上采用超效率SBM模型对生产单元的效率进行测算,具体模型如下^[29]：

（5）

\begin{array}{l} \min θ = \frac{\frac{1}{m} \overset{m}{\sum_{i = 1}} \frac{\overset{ˉ}{k_{i}}}{k_{io}}}{\frac{1}{s} \overset{s}{\sum_{j = 1}} \frac{\overset{ˉ}{y_{j}}}{y_{jo}}} \\ s.t. \overset{ˉ}{k_{i}} \geq \overset{m}{\sum_{i = 1, i \neq 0}} λ_{i} k_{io} \\ \overset{ˉ}{y_{j}} \leq \overset{s}{\sum_{j = 1, j \neq 0}} λ_{j} y_{jo} \\ \overset{ˉ}{k_{i}} \geq k_{io}, \overset{ˉ}{y_{j}} \leq y_{jo} \\ λ \geq 0, \overset{ˉ}{y_{j}} \geq 0 \end{array}

式中：

θ

表示测算出的区域生态效率值,取值范围为

0 \leq θ \leq 1

;

\overset{ˉ}{k_{i}}

和

\overset{ˉ}{y_{j}}

为SBM超效率模型中的投影值,也就是模型的最优解。

本文依据李静等^[30]选取劳动、资本、工业污水排放量、烟尘排放量和SO₂排放量作为区域生态效率测算的指标数据。其中劳动投入依据涂正革等^[31]选取京津冀13个城市年末从业人员数;参照陶晓马等^[32]将全社会固定资产投入作为资本指标,工业污水排放量、烟尘排放量和SO₂排放量3项数据的选择参照李胜兰等^[21]的方法。产出要素包括京津冀13个城市的GDP。区域生态效率测算数据均来源于《中国城市统计年鉴》《北京统计年鉴》《天津统计年鉴》和《河北统计年鉴》。以上各项指标均进行标准化处理。

3.2.2 核心解释变量——环境规制

由于环境规制工具包括两种类型,一种是激励型环境规制,一种是惩罚型环境规制,本文参考现有研究将模型中的环境保护财政支出fin作为激励型环境规制工具变量,具体数据用京津冀13个城市的年度节能环保财政支出总额来表示^[17];将具有环境不良企业监测的数量firm作为惩罚型环境规制工具^[33]。其中,节能环保数据来源于京津冀地区统计年鉴、财政决算公开和河北省财政统计年鉴;具有环境不良企业监测的企业数量来源于非盈利机构“公众环境研究中心”,该数据库中心不仅仅包括环保部门处罚企业部门,还包括所有环境污染违规的企业,可靠性强^[34]。

3.2.3 控制变量

为了保证文章的估计准确性和防止遗漏解释变量的情况,根据以往研究,选取以下变量作为模型的控制变量。控制变量数据均来源于京津冀13个城市统计年鉴。

（1）所有制结构（cd）。由于中国的国有企业对于环境规制工具的技术创新具有非常大的作用^[14],因此以国有及国有控股企业总产值与规模以上企业总产值的比重来表示国有企业占比,而这也是所有制结构的一种表现形式。

（2）对外依存度（xm）。京津冀地区作为中国重要的城市群之一,国际贸易交流较为频繁,对外贸易情况对该地区的经济发展具有重要的影响,而当前国际形势复杂多变,对外依存度也会通过影响总体经济,进而影响到区域生态效率,因此以进出口总额占地区GDP比重来表示。

（3）产业结构（id）。根据郭进^[17]关于产业结构的数据选择,以各地区的工业总产值占地区GDP比重来表示。

（4）地区开放程度（fi）。根据沈国兵等^[35]的研究,选择外商直接投资占地区GDP比重来表示。

（5）经济发展水平（pgdp）。王国印等^[36]认为地区经济发展水平会对区域生态效率造成影响,因此本文以各地区经过价格调整的人均GDP来表示城市经济发展水平。

被解释变量、核心解释变量和控制变量描述性统计如表1所示。

Table 1
表1
表1主要变量描述性统计结果
Table 1Descriptive statistics of the main variables

变量	单位	样本量	平均值	标准差	最小值	最大值
EE	%	116	124.45	1.54	54.52	1044.05
fin	万元	117	333510.11	636073.24	30175.46	4584400.00
firm	个	117	659.91	1277.37	14.00	6744.00
id	%	117	41.06	0.09	15.26	56.19
cd	%	117	29.42	0.16	7.14	71.05
xm	%	117	3.05	0.05	0.13	23.97
pgdp	元	117	46045.13	27046.72	15114.04	128994.13
fi	%	117	1.44	0.04	0.01	16.09

新窗口打开|下载CSV

4 实证结果分析

为了验证京津冀地区不同环境规制工具与区域生态效率之间的关系,本文首先进行基准回归,总结出不同种类的环境规制工具对区域生态效率的总体影响,然后借助门限回归模型,验证特定环境规制工具的强度与其自身、与其他环境规制工具,以及与区域生态效率之间的非线性关系。如果存在非线性关系,则进一步结合基准回归结果对京津冀地区不同环境规制工具与区域生态效率之间的门限回归结果进行分析。

4.1 基准回归

本文将fin、firm和pgdp取对数的方式进行模型回归分析,并且模型通过Hausman检验得到p值为0.000,拒绝扰动项与个体特征不相关的原假设,因此本文模型选择固定效应模型进行回归分析。表2中的模型（1）展示了回归结果。

Table 2
表2
表2地区生态效率与不同环境规制工具的基准回归和稳健性检验
Table 2Benchmark regression and robust test of regional ecological efficiency and different environmental regulatory tools

变量	基准回归模型（1）	稳健性检验模型（2）
lnfirm(-1)	0.069* (0.042)
lnfin(-1)	-0.050 (0.106)
plnfirm(-1)		0.424* (0.257)
plnfin(-1)		-0.252 (0.531)
id	6.014*** (1.450)	6.014*** (1.450)
cd	1.422* (0.795)	1.422* (0.795)
xm	-46.302*** (2.339)	-46.302*** (2.339)
lnpgdp	0.304 （0.332）	0.304 (0.332)
fi	-0.494 (1.103)	-0.494 (1.103)
常数项	-2.857 (3.581)	-3.194 (3.730)
sigma_u	4.157	4.157
sigma_e	0.278	0.278
rho	0.996	0.996
R²	0.518	0.518
N	104	104

注：圆括号内的值是异方差标准误。***表示在1%水平上显著,**表示在5%水平上显著,*表示在10%水平上显著。下同。

新窗口打开|下载CSV

从表2模型（1）的基准回归结果可以看出,当两种环境规制工具滞后一阶的情况下,惩罚型环境规制工具对京津冀13个城市的区域生态效率的影响F检验在10%水平上显著,而激励型环境规制则不显著。回归结果说明,政府节能环保财政支出对于京津冀13个城市区域生态效率的作用并不明显,而环境不良企业监测数量对京津冀13个城市的区域生态效率则呈现出正相关,从而可以看出在污染情况较为严重的京津冀地区,激励型环境规制工具对于该地区生态效率的改善并没有太大的帮助,而运用较为严格的惩罚型环境规制工具对京津冀地区的区域生态效率则显示出正向影响。造成惩罚型环境规制工具具有正向促进作用的原因可能在于,京津冀地区属于经济发达、同时环境污染较为严重的地区,通过采取严格的环境惩罚措施可以淘汰部分环境污染严重的企业,淘汰这些企业所带来的生态效益能够弥补其导致的经济损耗,因此能够促进京津冀地区区域生态效率的提升;而激励型环境规制工具由于其实施具有较长的时效性,对于京津冀地区生态环境的改善效果并不明显。并且,由于激励型环境规制工具的实施,使得短期内当地政府的资源投入是用于环境改善,而不是直接用于经济投资,因此会造成经济效率的小幅度下降。这两方面原因可能共同导致激励型环境规制工具对区域生态效率的影响不显著,这需要进一步分析。

从控制变量来看,产业结构（id）、所有制结构（cd）、对外依存度（xm）在基准模型中的F检验在1%或10%水平上显著,通过显著性检验。

从检验系数来看,产业结构（id）与区域生态效率呈现出显著的正相关关系,这种情况与传统意义上认为的工业占比越高,区域生态效率越低的分析结论相反。造成这种情况的原因在于：①京津冀地区工业占比较高的区域往往也是经济较为发达的城市,这些城市由于拥有明显的技术优势,在保护生态环境的压力下推行清洁生产技术更容易,清洁技术的推广带来生态环境的改善,因此整体区域生态效率也要高于其他经济发展水平较低的区域;②中国采取大规模基础建设投资以缓解2008年出现的金融危机带来的经济冲击,京津冀地区的工业生产主要集中在钢铁、水泥等部门,基建领域的快速发展催生对建筑材料的需求增加,导致其价格上涨,使得本地区主要工业部门的经济收益能够弥补其所带来的生态环境污染,使得id对于区域生态效率产生促进作用。

所有制结构（cd）对于区域生态效率也起到促进作用,主要原因在于京津冀地区的工业较为发达,同时国有企业的占比较大。相较于民营工业企业,国有工业企业在执行政府环境规制政策方面,执行动力更高,执行力度也更大,使得较高的国企占比能快速有效推动京津冀地区区域生态效率的提升。

对外依存度（xm）对区域生态效率的改善产生阻碍作用,出现这种情况的原因可能是由于京津冀地区的进出口主要集中在钢铁、水泥等环境污染度高的行业,这使得进出口贸易的活跃会加重区域生态环境的负担。另外,当前中国正处于经济转型期,产能过剩情况较为严重,并且主要集中在钢铁等行业^[37,38],京津冀地区贸易集中在该领域会抑制产业转型和新兴产业培育,导致整体经济效率下降,从而使得京津冀地区的xm与区域生态效率呈现出负相关的情况。

其他控制变量经济发展水平GDP（lnpgdp）和地区开放程度（fi）则显著性水平较低,并不能确定这些变量对于区域生态效率的影响。

4.2 稳健性检验

为了保证基准回归结果可信,本文采用替换变量的方法将模型（1）中的lnfirm(-1)和lnfin(-1)两个变量替换为plnfirm(-1)和plnfin(-1)。稳健性检验中的替换变量来源于两种环境规制的标准化处理结果。即：

（6）

q x_{qi} = \frac{x_{qi} - \min x_{q}}{\max x_{q} - \min x_{q}}

式中：q、i分别表示环境规制的类型和地区,

\max x_{q}

表示q种环境规制工具强度的最大值,

\min x_{q}

表示q种环境规制强度的最小值。

利用替换变量的方法得到稳健性检验回归模型（2）（表2）,根据稳健性检验结果可以看出,由于核心解释变量数值的改变,其系数的大小也发生了改变,在基准回归模型中lnfirm(-1)和lnfin(-1)的系数分别为0.069和-0.050,在稳健性检验回归中 plnfirm(-1)和plnfin(-1)的系数分别为0.424和 -0.252,但是其符号并没有改变,环境不良企业监测数量与区域生态效率呈正相关,而节能环保财政支出与区域生态效率呈现出负相关,并且与基准回归相比较,控制变量在稳健性检验回归所得到的结果与基准回归中的系数相差不大（除去常数项外,其他控制变量系数相同）,因此可以看出该基准回归模型通过稳健性检验,具有可信性。

4.3 门限回归^②

（②由于门限回归要求平衡面板数据,2017年北京市区域生态效率测算结果超出边界,出现无解,为此我们将其设置为大于最大值1044.05%的最小正数1100%,作为2017年北京市区域生态效率值。）

由于环境规制对于绿色技术创新的影响并不是线性的^[17],而绿色技术创新的变化会导致区域生态效率的变化,因此不同程度的环境规制强度对于区域生态效率的效果不同。在现实情况中,两种环境规制工具一般会同时运用,某项环境规制运用强度的不同也有可能影响另一种环境规制作用的发挥,因此本文采用门限回归的方法对两种类型的环境规制工具实施强度进行实证分析。

4.3.1 门限回归检验

在进行门限回归之前,首先对该模型进行门限回归的检验,从而判断两种不同类型的环境规制变量是否存在门限效应。本文依据Hansen^[39]和Wang^[40]自举法（Bootstrap Method）进行抽样检测,得到单一门限检测结果（表3）。

Table 3
表3
表3单门限检验结果
Table 3Single threshold test results

			门限解释变量
			lnfin(-1)	lnfirm(-1)
门限解释变量	lnfin(-1)	门限估计值	13.104	13.091
		F检验值	30.62	12.07
		P值	0.003	0.247
		置信区间	[13.046,13.200]	[12.842,13.104]
	lnfirm(-1)	门限估计值	3.367	3.637
		F检验值	12.13	11.76
		P值	0.070	0.113
		置信区间	[3.332,3.637]	[3.332,3.637]

新窗口打开|下载CSV

从检验结果来看,当lnfin(-1)和lnfirm(-1)作为lnfin(-1)的门限变量时,检验P值分别为0.003和0.070,在10%水平上显著,因此可以认为lnfin(-1)和lnfirm(-1)对于lnfin(-1)存在单门限,门限值分别为13.104和3.367,而当lnfin(-1)和lnfirm(-1)作为 lnfirm(-1)的门限变量时,检验P值分别为0.247和0.113,在10%水平上不显著,即不能拒绝线性模型优于单门限模型,但是由于lnfirm(-1)作为自身门限模型的检验值接近10%,可以将其视为具有单门限模型,而lnfin(-1)则不能通过其作为lnfirm(-1)的单门限检验结果。

4.3.2 门限回归结果及分析

通过单门限检验,本文可以得到3种单门限回归模型,如表4所示。

Table 4
表4
表4单门限回归结果
Table 4Single threshold regression results

门限变量	lnfirm(-1)		lnfin(-1)
门限变量	模型(3)	模型(4)	模型(5)
门限值	3.367	3.367	13.104
lnfin(-1)	-0.060 (0.101)
lnfirm(-1)		-0.012 (0.0466)	0.089** (0.0367)
id	6.167*** (1.378)	6.221*** (1.376)	4.009*** (1.329)
cd	1.226* (0.758)	1.252* (0.756)	0.873 (0.705)
xm	-48.071*** (2.289)	-48.069*** (2.284)	-49.139*** (2.122)
pgdp	0.278 (0.315)	0.284 (0.314)	0.158 (0.292)
fi	0.784 (1.121)	0.853 (1.125)	-1.365 (0.981)
lnfin(-1)0		-0.080 (0.101)	-0.110 (0.093)
lnfin(-1)1		-0.051 (0.100)	-0.188* (0.096)
lnfirm(-1)0	-0.115* (0.069)
lnfirm(-1)1	-0.006 (0.046)
常数项	-2.002 (3.411)	-2.173 (3.401)	0.523 (3.205)
sigma_u	4.323	4.319	4.579
sigma_e	0.264	0.263	0.243
rho	0.996	0.996	0.997
R²	0.534	0.534	0.559
N	104	104	104

注：其中lnfin(-1)0、lnfin(-1)1分别表示当门限变量小于门限值和大于门限值时所得到的门限被解释变量值,lnfirm(-1)0、 lnfirm(-1)1同理。其他变量与表2相同。

新窗口打开|下载CSV

当lnfirm(-1)作为自身门限变量时,如表4模型（3）所示,可以看出环境不良企业监测数量的不同,对于区域生态效率的影响不同。从系数中可以看出,当环境不良企业监测数量低于3.367时,对于区域生态效率的影响为-0.115;当大于3.367这个门限值时,该影响变化为-0.006;可以看出随着环境不良企业监测数量强度的增加,对于区域生态效率的负面影响呈现出下降的趋势。但与基准回归模型中lnfirm(-1)的0.069相比较,其在两个不同门限值下对区域生态效率均起到负向影响。从表面上看,这与基准回归估计结果相矛盾,但实际上从门限回归系数中可以看出,lnfirm(-1)对于京津冀地区区域生态效率的负面影响逐渐减弱,并且当lnfirm(-1)处在第二个门限值时,其检验结果无法通过,因此当 lnfirm(-1)处于第二个门限值时,并不能准确判断区域生态效率的影响方向。不过,可以与上文中提到的基准回归模型相结合进行分析,得出随lnfirm(-1)的持续增加,对于区域生态效率的影响能够达到正向作用。虽然在门限回归中lnfirm(-1)在第二个门限值下检验不通过,但是通过与前文结合分析,发现随着lnfirm(-1)增加,对区域生态效率的负向作用逐渐减弱,并在总体上达到正向促进作用。

当lnfirm(-1)作为lnfin(-1)的门限变量时,如表4模型（4）所示,其自身所取数值的大小对于 lnfin(-1)的影响并不显著,并且相较基准回归模型而言,lnfirm(-1)在该门限回归模型中对于区域生态效率的解释能力并不显著。这说明虽然在门限检验时,不同lnfirm(-1)对于lnfin(-1)的影响并不相同,即存在门限效应,但是实证结果显示这种门限效应在回归模型检验中并不能通过F检验,因此可以看出当lnfirm(-1)作为lnfin(-1)的门限变量时,其强度的大小对lnfin(-1)的影响并不能够确定。

当lnfin(-1)作为自身门限变量时,如表4模型（5）所示,可以看出lnfin(-1)的门限值为13.104;当lnfin(-1)小于13.104时,其对于区域生态效率EE的影响为-0.110;当lnfin(-1)大于13.104时,对于区域生态效率的影响为-0.188;说明lnfin(-1)对于区域生态效率的影响为负,并且随着lnfin(-1)的增加,其对于区域生态效率的负面影响会持续上升。模型（5）相较于基准模型（1）,在保证lnfirm(-1)的F统计量显著的情况下,得到的测算结果也能够保证 lnfin(-1)在10%水平上显著,无论从检验还是回归结果来看,门限回归模型的实证更具有说服力。

从控制变量角度来看,3种不同类型的门限回归模型除去模型（5）的fi不同以外,其他控制变量的符号均相同。由于fi的F检验并没有通过,因此可以将其忽略,而且在10%显著性水平上,各自的控制变量结果相差不大,同时与基准回归模型相比,其对于区域生态效率的影响相同,并且回归系数与基准回归模型相差不大,因此从控制变量角度可以看出两种类型的实证回归结果相同,具有可信性。

从实证结果来看,京津冀地区两种不同类型的环境规制工具对于区域生态效率的影响与之前****分析的结论相反,即惩罚型环境规制工具起到显著的正向作用,而激励型环境规制工具对于区域生态效率的影响并不显著。造成这种情况的原因可能是由于京津冀地区作为中国环境污染较为严重的地区,自身生态系统相比同级别经济发展水平的地区要脆弱,而激励型环境规制工具对于地区生态环境的改善效果较为迟缓,进而造成对于区域生态效率的改善所起到的作用有限。同时,现阶段以节能环保财政支出为主要手段的激励型环境规制工具,容易造成激励投入的精准性不足,进一步导致公共财政资源利用效率的低下,进而阻碍京津冀地区的经济增长。相对而言,惩罚型环境规制工具则具有见效快的特点,尤其是在京津冀地区,工业作为主要的支撑产业,也是环境污染和生态破坏的主要来源,因此采用惩罚型环境规制工具控制污染物的排放,要比激励型环境规制工具效果更好,这间接提升了京津冀地区的区域生态效率。从两种不同类型的环境规制工具的强度来看,某种环境规制工具的使用强度对于另一种环境规制的影响并不显著,而自身环境规制强度影响较为显著,尤其是激励型环境规制工具对于区域生态效率起到负向作用,并且这种作用随着激励型环境规制工具运用强度的增加而提升,这也进一步验证了波特假说“弱”版本^[41],以及政府激励型规制工具的选择存在显著的地区依赖特征^[42]。相对而言,惩罚型环境规制工具的强度对于区域生态效率的负面影响则呈现出递减的趋势,并且伴随其强度的增加,使其从总体上能够对区域生态效率产生正向作用。

5 结论与讨论

5.1 结论

本文以京津冀地区数据为例,并利用Super-SBM模型测算出京津冀13个城市2009—2017年间的区域生态效率,并分析了激励型和惩罚型两种环境规制工具对于区域生态效率的门限效应及其影响。研究结论如下：

（1）京津冀地区13个城市的区域生态效率与经济发展水平存在不一致性,比如2017年衡水市的区域生态效率要高于经济较好的石家庄市。针对这一现象,本文借助激励型环境规制工具和惩罚型环境规制工具对京津冀13个城市区域生态效率的影响进行实证分析,结果表明惩罚型环境规制工具对于区域生态效率呈现出显著的正向影响,而激励型环境规制工具对区域生态效率的影响并不显著。

（2）在此背景下,针对环境规制工具使用强度的不同是否会对区域生态效率产生不同的影响,本文利用门限回归对区域生态效率和两种环境规制工具重新分析,检验结果表明惩罚型环境规制工具的强度对于其自身和激励型环境规制工具的影响存在不同效应。根据门限回归结果显示,惩罚型环境规制工具的强度对于激励型环境规制工具的影响并不显著,而对于其自身的影响显著性较强。

（3）惩罚型环境规制工具在低水平时会对区域生态效率产生负向作用,但是随着其强度的增加,负向作用下降,结合基准回归模型结果,在总体上起到正向的促进作用。而激励型环境规制工具的强度只对其自身具有影响,并且激励型环境规制工具的使用对于区域生态效率的影响则是负向影响,这种负向影响随着该种类环境规制工具运用强度的增加而增加。

值得注意的是,造成这种现象的原因可能是由于京津冀地区自身的独特性——较为发达的区域经济水平伴随着较为脆弱的生态环境。这种地区独特性使得影响其区域生态效率的变化主要集中在生态环境方面,相比较激励型环境规制工具需要进行绿色技术应用和环保设备升级的长效性、持续性成本投入,惩罚型环境规制工具的实施更加直接,决策时间更短,通过行政强制执行的手段惩罚和淘汰污染严重企业,从而能够在较短的时间内改善区域生态环境,提升区域生态效率。

5.2 政策建议

基于本文的实证结果和分析,地方政府作为环境治理主体,在政策实施过程中应重点关注以下几个方面：

（1）环境规制工具运用要根据区域具体情况而定。当一个地区经济发展水平较高而生态环境状况较差时,采用严格的惩罚型环境规制工具能够快速有效地提升该地区的生态环境状况,通过淘汰污染严重、技术落后的企业,提升区域生态效率,提高经济发展质量,实现该地区产业结构的优化升级,保证未来经济的可持续发展。

（2）对于经济水平较高而生态环境较差的地区,地方政府如果采用惩罚型环境规制工具,则其实施力度必须较大,才能起到显著效果。由于惩罚型环境规制工具的运用能够对污染较为严重的地区生态效率起到显著作用,而这种显著作用是随着实施力度的增加逐渐从负向转为正向的,并在总体上最终起到正向促进作用,因此对于环境污染较为严重的地区,惩罚型环境规制工具的使用强度要高,当突破实施强度的临界点之后,便能够促进像京津冀城市群这类污染较为严重地区的区域生态效率。

（3）惩罚型环境规制工具并非“万灵药”,在区域生态环境改善趋势明显时,应及时调整激励型和惩罚型两种环境规制工具的运用比重,避免惩罚型环境规制工具的过度实施。激励型环境规制工具作为比较注重经济发展自由化的一种环境规制工具形式,在生态环境改善常态化趋势下,强化该种环境规制工具的作用能够让企业更好地分配自身要素资源,同时又有效地缓解惩罚型环境规制工具实施过程中对经济发展带来的约束效应。但在具体实施过程中,仍然需要根据不同地区的产业结构、经济发展、资源禀赋以及自然生态条件,制定与地区条件相适应的具体激励措施,真正发挥激励型环境规制工具的积极作用。

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]

彭红松, 郭丽佳, 章锦河, 等. 区域经济增长与资源环境压力的关系研究进展
[J]. 资源科学, 2020,42(4):593-606.