绿色税收视角下产业结构变迁对中国碳排放的影响

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

周迪¹, 罗东权²

1. 广东外语外贸大学数学与统计学院,广州 510006

2. 中央财经大学中国财政发展协同创新中心,北京 102206

Green taxation, industrial structure transformation, and carbon emissions reduction

ZHOU Di¹, LUO Dongquan²

1. School of Mathematics and Statistics, Guangdong University of Foreign Studies, Guangzhou 510006, China

2. Center for China Fiscal Development, Central University of Finance and Economics, Beijing 102206, China

收稿日期:2020-03-27修回日期:2020-08-13网络出版日期:2021-04-25

基金资助:

国家自然科学基金青年项目.72003049
教育部人文社会科学研究项目.20YJC790191

Received:2020-03-27Revised:2020-08-13Online:2021-04-25
作者简介 About authors
周迪,男,湖北鄂州人,副教授,研究方向为区域经济、区域资源配置。E-mail: zhoudi19880101@163.com

摘要
从绿色税收视角探讨产业结构与碳排放的关系,有利于制定控制碳排放的财税政策,助力绿色发展转型。本文首先测算出2003—2016年中国30个省（市、区）的CO₂排放量,在扩展STRIPAT模型基础上,运用静态面板模型和面板门槛模型,对绿色税收下产业结构变迁的碳排放效应进行实证研究,并从产业结构合理化和产业结构高级化两个维度进行分析。研究发现：①产业结构变迁会显著影响中国CO₂排放总量,绿色税收对其影响具有门槛效应;②在达到门槛值之前,绿色税收有效地促进了产业结构合理化和产业结构高级化对碳排放的影响。跨越门槛值以后,绿色税收对产业结构变迁的作用出现差异。一方面,绿色税收对产业结构高级化的碳减排机制仍具有促进效应,但相比达到门槛值之前,作用有所降低;另一方面,绿色税收表现出对产业结构合理化的碳排放效应具有抑制作用;③部分省份的绿色税收强度在2009年后跨越了门槛值,消费税改革可能是这种变化出现的主要原因。基于实证结论,本文提出了相应的政策建议。
关键词： 碳排放;绿色税收;产业结构合理化;产业结构高级化;门槛效应;中国

Abstract

Exploring the relationship between industrial structure transformation and carbon emissions from the perspective of green tax is helpful for making public policies on controlling carbon emissions, as well as for promoting green development. This study first calculated the CO₂ emissions of 30 provinces in China’s mainland from 2003 to 2016, then examined the relationship between industrial structure transformation and carbon emissions based on the extended STRIPAT model by using the static panel model and panel threshold model, and analyzed the relationship from the dimensions of industrial structure rationalization and upgrading. The empirical results show that: (1) Industrial structure transformation significantly affects China’s carbon emissions, and the green tax has a threshold effect on the impact; (2) Before achieving the threshold value, the green tax level effectively strengthens the impact of industrial structure transformation on carbon emissions, but the impact is quite different when the threshold value has been achieved. On the one hand, green taxation still has a strong effect on the decline of carbon emissions when upgrading the industrial structure although the influence is lower than before. On the other hand, it hinders the effect of industrial structure rationalization in reducing carbon emissions; (3) The green tax levels in some provinces exceeded the threshold after 2009, probably mainly due to the tax reform.

Keywords：carbon emissions;green tax;industrial structure rationalization;industrial structure upgrading;threshold effect;China

PDF (1932KB)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
周迪, 罗东权. 绿色税收视角下产业结构变迁对中国碳排放的影响. 资源科学[J], 2021, 43(4): 693-709 doi:10.18402/resci.2021.04.05
ZHOU Di, LUO Dongquan. Green taxation, industrial structure transformation, and carbon emissions reduction. RESOURCES SCIENCE[J], 2021, 43(4): 693-709 doi:10.18402/resci.2021.04.05

1 引言

碳排放的增加是造成全球气候变化的一个重要因素,制约着人类社会的可持续发展。近年来,由于全球气温的上升和极端气候次数的增加,碳排放问题越来越受到全球的关注。2015年12月,各国于第21届联合国气候变迁会议上同意通过《巴黎协定》,并承诺通过自主减少碳排放将全球平均气温的增长幅度控制在工业化前的2 ℃以内。然而,2019年4月,国际能源署（IEA）发布的报告称,2018年全球CO₂排放量创历史新高,达到了330亿t,使得碳排放问题再一次成为了全球焦点。

中国的CO₂排放量自2007年起位居世界第一,因此一直面临着碳减排的压力。与此同时,经济发展也面临着发展方式粗放,结构调整阵痛,动能转换困难等多重挑战,产业结构问题成为经济改革的重点。在全球气候变化的背景下,党中央提出“美丽中国”的目标,把生态文明建设融入经济、政治、文化和社会建设,形成“五位一体”的总体布局。“十三五”规划提出了主动控制碳排放,落实减排承诺,增强适应气候变化能力,深度参与全球气候治理。环境治理的国际博弈中,中国更有必要主动实施节能减排和环境治理,选择积极参与和推进国际合作的“占优策略”^[1]。目前,中国已提前履行《巴黎协定》的部分承诺,并表示将继续坚定履行,在2030年使CO₂排放强度比2005年下降60%~65%^[2]。中国在人类命运共同体价值观的指导下,积极承担相应的国际责任和义务,希望通过履行承诺对外树立中国形象,提高国际公信力,对内构筑尊崇自然、绿色发展的生态体系,建立绿色低碳循环发展的经济体系,形成简约适度、绿色低碳的生活方式。然而,这也为中国发展带来了新的挑战——如何在产业结构转型下进一步落实碳减排,并兼顾经济利益与环境保护?本文试图从绿色税收的视角探讨此问题。

解决碳排放问题首先需要厘清碳排放的影响因素。国内外****对碳排放的影响因素问题展开了大量研究。绝大部分****聚焦于研究能源结构、产业结构和经济结构等因素对碳排放的影响。Roberts等^[3]将环境库兹涅兹假说中的SO₂替换为CO₂后发现,经济增长水平和CO₂排放强度间存在倒U型的关系。徐国泉等^[4]采用对数平均权重Divisia分解法,研究能源结构、能源效率和经济发展等因素变化对中国人均碳排放的影响,发现能源效率等抑制因素呈现倒U型,其降低中国人均碳排放的贡献率小于经济发展拉动中国人均碳排放的贡献率。张友国^[5]基于投入产出结构分解方法,分析了经济发展方式变化对中国GDP碳排放的影响,提出生产部门能源强度、能源结构、产业结构和产业内结构都会对碳排放产生显著影响。

随着碳排放驱动因素文献的不断丰富,****们开始用不同方法深入探讨产业结构对碳排放的影响,并产生了两种对立的观点。郭朝先^[6]采用LMDI方法将产业结构对碳排放的影响进行分析,认为产业结构变动会引起碳排放的增加,但未来产业结构变动有利于减少碳排放。随后Chang^[7]通过中国2007年的数据对经济发展与碳排放之间的最优化情况作出预测,认为中国可以通过调整产业结构使得CO₂排放总量由57.072亿t减少至54.521亿t,但需要牺牲8259亿人民币的GDP作为代价。王霞等^[8]利用动态空间自相关分析法和空间面板模型,发现产业结构调整有利于高碳制造业碳排放的减少。

然而,也有一部分****认为产业结构对碳排放的影响并不明显,对产业结构的作用提出质疑。Schipper等^[9]对13个IEA国家的制造业碳排放进行了因素分解,认为碳排放的变化主要是由能源消费结构决定的,而产业结构的作用并不大。徐成龙等^[10]运用LMDI分解方法,研究了山东省1994—2010年产业结构调整对碳排放的影响,发现产业结构对碳排放增长的贡献率不大。赵欣等^[11]定量分析了经济规模、产业结构、技术进步与能源消耗结构对江苏省碳排放的影响,发现技术进步与能源消耗结构对江苏省的碳减排起决定性作用,产业结构变动的影响则较弱。黄亮雄等^[12]则对产业结构作用不明显的情况作出了一定的解释,认为可能由于省区产业结构调整存在“损人利己”效应,在改善了自身环境的同时却会恶化其他省区的环境。

上述文献运用模型实证分析了产业结构与碳排放之间的关系,得出了不尽相同的结论。产业结构变动对碳排放具有显著影响的观点得到了较为广泛的认可。于是****们进一步探索了产业结构、碳排放与其他变量之间的关系。孙叶飞等^[13]研究了产业结构、碳排放和城镇化的关系,发现产业结构高级化有利于发挥城镇化的“质量效应”,从而弱化其“扩张效应”所带来的高CO₂排放现象,但这种作用存在空间异质性。杨恺钧等^[14]分别采用静态面板和门槛效应模型,对老龄化、产业结构与碳排放三者之间的关系进行研究,认为在不同的老龄化程度下,产业结构对碳排放强度的影响效果存在显著的门槛效应。Li等^[15]从自然资源依赖视角,实证考察了产业结构变迁对碳排放的非线性影响,认为自然资源依赖程度较小的地区,产业结构变迁所产生的减排效果将更为明显。

梳理现有文献,围绕产业结构对碳排放影响的文献已较为丰富,但鲜有从税收视角出发进行研究。尽管早有****对税收政策与产业结构的关系进行研究,也有****对某一特定税种进行定性分析,但基本都缺乏对税收的系统性分析或者较为精确的定量研究。付莎等^[16]意识到了绿色税收对碳排放影响的作用,但未能将其与产业结构变迁三者有机联系起来。基于此,本文试图在绿色税收视角下诠释产业结构变迁对碳排放的影响。首先,本文提出绿色税收、产业结构变迁和碳排放关系的研究假设;其次,在STRIPAT模型基础上对模型进行拓展;进而,构建面板门槛模型,采用中国30个省（市、区）2003—2016年的面板数据进行实证研究;最后,基于实证结论的分析提出相应的政策建议。

2 机制假设与分析框架

2.1 产业结构对碳排放的影响机理

从现实来看,中国目前处于产业转型阶段,****们围绕产业结构转型进行了大量的研究。周振华^[17]将产业结构变迁划分为产业结构合理化和产业结构高级化两个维度,该观点随后得到了大量****的认可与支持。本文在遵循该理论框架基础上对产业结构如何影响碳排放提出相关设想。

2.1.1 产业结构合理化对碳排放的影响

产业结构合理化是指产业间的均衡和关联协调程度。其具体表现为：随着工业化中机器设备自动化与生产流程精细化的推进,各产业劳动生产率的差异会导致不同的收益率,引导生产要素大规模地由初级产品生产部门向制造部门,进而向服务部门转移,从而保持三大产业生产结构与就业结构之间的基本平衡。产业结构与就业结构的耦合性提高,将有利于实现资源的充分配置。在产业结构趋向合理化的过程中,技术设备的改进和供应链流程的优化降低了能源在开采、加工转换、贮运和利用过程中的损失,提高了能源利用效率,在同等资源投入的情况下,生产每单位产品所消耗的能源会更少^[18]。另一方面,劳动人员流向技术密集、人才密集型产业,意味着生产要素向高生产率部门转移,促进经济的增长。结合环境库兹涅茨曲线理论和中国处于后工业化转型阶段的现状,经济增长不再单纯依赖大规模消耗能源的重工业优先发展模式,逐渐转向对环境更为友好的高新技术产业,此时经济的快速增长可能有助于减少碳排放^[19]。为此,本文提出假设1：

假设1：产业结构合理化是抑制碳排放的重要手段。

2.1.2 产业结构高级化对碳排放的影响

产业结构高级化是产业结构升级的一种衡量标准,指的是产业结构从第一产业转向第二产业,进而以第三产业为主的过程。在拥抱科技浪潮的21世纪,经济结构的服务化是产业结构升级的一大特征,期间也伴随着低附加值产业向高附加值产业转变,或由初级产品产业占优势向制造中间产品、最终产品产业占优势的转换^[20]。林毅夫等^[21]的理论证明,若政府遵循比较优势发展战略,低收入国家需要经历从劳动密集型到技术密集型为主的4个发展阶段。本文认为产业结构高级化影响碳排放的途径主要有两种：①通过淘汰旧的生产模式。产业结构高级化的过程必然伴随着生产模式的转变,市场竞争的“自主净化”促进了生产进步,使得经济增长,也使得能源消耗随着整体配套设施的改进而减少,从而可能有效地减少碳排放。②新兴产业部门的萌芽。升级过程中的企业必然会诞生新的就业岗位,甚至出现新的产业部门。新的产业部门一般具有高附加值和低能耗的特点,且对原低能耗产业具有排斥效应。新能源、可再生能源的快速成长和发展,也是石油替代产品的培育、成长和发育过程^[22]。可再生能源的技术转化,一方面,减少了化石能源的使用;另一方面,其本身具备清洁性质能有效降低碳排放。产业结构高级化也促使产业内结构随之更新换代,带动新兴产业发展拉动社会潜在消费,促进经济增长,从而促进碳排放的减少。为此,本文提出假设2：

假设2：产业结构高级化是CO₂排放总量降低的重要方式。

2.2 绿色税收、产业结构与碳排放的传递机制

20世纪70年代,为保护自然环境,实现经济社会的可持续发展,欧洲部分国家陆续开始了环境税制的改革。随着市场经济的蓬勃发展,中国环境与经济之间的矛盾也逐渐开始凸显,并从次要矛盾逐渐向主要矛盾转化。中国财税****于20世纪90年代末借鉴国际上的先进经验,开始探索税收与环境之间的关系,并试图利用财税政策达到保护环境的目的,将与环境相关的税收称为“环境税收”或“绿色税收”。早期****们更多采用“环境税收”一词,随着生态文明建设的不断推进,越来越多****转而使用“绿色税收”的概念。从狭义上看,绿色税收是指政府出于节能减排、环境保护目的而特别制定的税收政策,在中国具体表现为环境保护税的开征。从广义上来说,绿色税收指政府制定的一系列与环境保护直接或间接相关的税收政策,除环境保护税外,还包括资源税、消费税等的征收。更精确来说,广义的绿色税收还应考虑增值税、企业所得税等税种中为环境保护而制定的税收优惠。由于广义的绿色税收更能全面反映中国税收的绿化程度,下文以此进行研究。

“波特假说”认为,环境规制能够激励企业进一步优化资源配置效率和改进技术水平,从而激发企业的“创新补偿”效应。有****结合中国的实际情况分析后,认为“波特假说”只有在一定的范围内才成立,即环境规制对产业结构倒逼机制的建立需要满足适度的规制强度,过于严厉或者放松的强度都可能不利于产业结构的优化调整^[23]。张莉^[24]的研究也佐证了这一观点。张成等^[25]将环境规制主要归纳为3类：①以标准、命令与控制为主的直接规制;②包括税费、可交易的排放许可证在内的经济工具;③“软”手段,例如资源产业协议、环境认证方案等。从微观经济层面来看,税收作为企业生产成本的重要组成部分,提高税率会直接降低企业利润,导致企业做出一系列的调整行为。因此,绿色税收也是环境规制中一种基于市场机制的重要调控方式^[26]。上述研究给了本文新的启发：作为环境规制的重要组成部分,绿色税收可能也会影响企业创新等行为,而在产业结构影响碳排放的过程中,绿色税收也可能存在类似环境规制的门槛效应。对此,本文提出如下的机制分析。

2.2.1 绿色税收通过产业结构合理化影响碳排放

当厂商创新活动的效用高于通过支付税费带来的效用时,绿色税收可能具有较好的倒逼减排效果,环保节能的机器设备得到开发并应用于相关产业。这种变化必然使相关生产部门对低端劳动力的需求大幅减少,促使劳动力在不同部门之间转移和流动,形成更高效的劳动生产率^[27]。劳动生产率的提高促进了产业结构合理化,进而降低能源消耗,促进经济发展,抑制碳排放。但是过高的绿色税收强度可能会超过企业承受的上限,企业通过相同创新支出所获得的利润由于税收强度的上升有所降低,甚至可能出现研发所带来的收入不足以覆盖税费和研发成本的情况,使得企业更倾向于维持经营现状或者选择压缩劳动力成本方式维持其利润,不愿意进行研发投入,进而产出和就业结构的耦合程度可能随之下降。

2.2.2 绿色税收通过产业结构高级化影响碳排放

同样地,绿色税收也可能通过产业结构高级化影响碳排放。本文认为绿色税收在此充当了类似催化剂的效果。伴随着公众的环保意识逐渐增强,消费者会倾向于购买绿色环保产品,企业须通过调整产品结构以更好地适应和满足市场需求的变化。当绿色税收强度较低时,绿色税收将促使部分企业改变原有生产模式,淘汰较为落后的技术设备,引进节能减排技术,提高能源和资本的配置效率,同时研发出更先进环保的产品增强企业的核心竞争力,以避免产品同质化竞争^[28]。企业也由此塑造了良好的声誉,承担社会责任的态度将更受投资者和消费者青睐。规模较小的企业风险抵抗能力弱,不愿意冒转型失败的风险进行创新研发,产品将逐渐被更具有竞争力的同行业产品所取代。因此,绿色税收的引入将加速淘汰竞争力较弱、高能耗、低附加值的企业,改变原有的产业结构。当绿色税收强度达到一定水平后,具备一定创新能力的企业生产积极性受到打击,为维护利润最大化,企业将减少研发行为维持现状,使得产业结构升级的速度有所减缓,其在产业结构高级化抑制碳排放当中的作用有所减弱^[29]。为此,本文提出假设3：

假设3：绿色税收使产业结构变迁对碳排放的影响存在“门槛效应”。

根据以上3点假设,本文重点探讨绿色税收政策对碳排放影响的门槛机制,构建了传递机制分析框架（图1）。

图1

新窗口打开|下载原图ZIP|生成PPT
图1绿色税收下产业结构变迁对碳排放影响的分析框架

Figure 1Analytical framework for industrial structure transformation’s impact on CO₂emissions under the influence green tax

3 计量模型与变量测度

3.1 计量模型

IPAT模型由Ehrlich等^[30]于1970年首次提出,认为人类活动对环境的影响I取决于人口P、富裕度A和技术T。然而,该模型将环境与各影响因素之间的关系简单地处理为线性关系,不能反映出各因素变化时环境影响的变化程度^[31]。因此,Dietz等^[32]对IPAT模型进行改造并提出STIRPAT随机模型：

（1）

I = a P^{b} A^{c} T^{d} e

式中：a为常数项,b,c和d均为待估参数,e为随机干扰项。本文借鉴Li等^[15]的做法,将STRIPAT模型两边取对数,同时,I用碳排放量Cbn来衡量,P用人口总数Pop来衡量,A用代表人均GDP指标的Pgdp来衡量,T用产业结构合理化指标Rat和产业结构高级化指标Upg来衡量,并在其基础上加入其他控制变量集合z,得到如下模型：

（2）

\begin{array}{l} \ln Cb n_{it} = x_{0} + x_{1} \ln Po p_{it} + x_{2} \ln Pgd p_{it} + \\ x_{3} \ln Ra t_{it} + x_{4} \ln Up g_{it} + x_{5} z_{it} + u_{it} \end{array}

式中：

x_{0}

为截距项,

x_{1}

、

x_{2}

、

x_{3}

、

x_{4}

和

x_{5}

分别为人口总数、人均GDP、产业结构合理化、产业结构高级化和控制变量对碳排放的效应,i和t分别表示省份和年份,本文选取中国30个省（市、区）（因数据缺失,不包括西藏、港澳台地区）为样本。根据假设3,将绿色税收强度Gretax作为门槛变量,通过Hansen^[33]的面板门槛模型将模型变为：

（3）

\begin{array}{l} \ln Cb n_{it} = v_{0} + v_{1} \ln Po p_{it} + v_{2} \ln Pgd p_{it} + \\ v_{3} \ln Up g_{it} + v_{4} \ln Ra t_{it} I^{*} (\ln Gretax \leq γ) + \\ v_{5} \ln Ra t_{it} I^{*} (\ln Gretax > γ) + v_{6} z_{it} + u_{it} \end{array}

（4）

\begin{array}{l} \ln Cb n_{it} = w_{0} + w_{1} \ln Po p_{it} + w_{2} \ln Pgd p_{it} + \\ w_{3} \ln Ra t_{it} + w_{4} \ln Up g_{it} I^{*} (\ln Gretax \leq γ') + \\ w_{5} \ln Up g_{it} I^{*} (\ln Gretax > γ') + w_{6} z_{it} + u_{it} \end{array}

式中：

v_{0}

、

w_{0}

为截距项,

v_{1}

、

v_{2}

、

v_{3}

、

v_{4}

、

v_{5}

和

v_{6}

为式（3）中各变量的系数,

w_{1}

、

w_{2}

、

w_{3}

、

w_{4}

、

w_{5}

和

w_{6}

为式（4）中各变量的系数,I^*（·）为示性函数,取值为0或1,

γ

为待估的门槛值。需要注意的是式（3）和（4）是单一门槛的情况,若存在多个门槛时,模型中指示函数个数将对应增加,具体形式不再赘述。

3.2 变量测度

本文相关变量的测量指标如表1所示。

Table 1
表1
表1变量的测量指标与数据来源
Table 1Measuring method and data source of variables

变量	指标	数据来源
CO₂排放量（Cbn）	CO₂排放测算公式	国泰安数据库和《中国能源统计年鉴》
产业结构合理化（Rat）	加权后的结构偏离度	中国国家统计局与各省（市、区）统计年鉴
产业结构高级化（Upg）	产业结构层次指数	中国国家统计局
人口总数（Pop）	各地区常住人口	中国国家统计局
人均GDP（Pgdp）	以2003年为基期平减的GDP/人口规模	中国国家统计局
能源强度（Eng）	能源消费量/人均GDP	中国国家统计局和《中国能源统计年鉴》
对外贸易程度（Trade）	进出口贸易总额	中国国家统计局、世界银行数据库
城镇化水平（Urb）	城镇人口/各地区总人口	中国国家统计局
绿色税收（Gretax）	7个具有绿化功能的税收+排污费/税收收入+排污费	《中国环境年鉴》《中国税务年鉴》和地方财政统计资料

新窗口打开|下载CSV

3.2.1 被解释变量

被解释变量为各省（市、区）CO₂排放总量Cbn。本文借鉴周迪^[34]的方法计算得到各省（市、区）的CO₂排放总量。具体方法为选取各省（市、区）的煤炭、焦炭、汽油、煤油、柴油、燃料油和天然气的能源消费总量以及水泥生产总量,通过对应的CO₂排放系数加权估算得到。

3.2.2 核心解释变量

核心解释变量为产业结构变迁。本文沿用周振华^[17]的观点,将产业结构变迁拆分为产业结构合理化和产业结构高级化两个维度。

根据本文机制假设,产业结构合理化Rat是要素投入结构与产出结构耦合和有效利用程度不断提高的过程,应着眼于要素资源在产业间的匹配层次。本文在表2中梳理了近年来产业结构合理化的度量方法,主要包括产业结构偏离度、泰尔指数以及Moore指数等。由于产业结构偏离度和泰尔指数能够较好地反映产业结构与就业结构的耦合程度,学界对采取这两种方法衡量产业结构合理化也达成了较为一致的共识。然而,产业结构偏离度忽略了不同产业的重要性;泰尔指数虽然考虑了各产业在经济发展中的地位,但忽视了绝对值的作用,可能出现不同产业抵消,从而在某种程度上可能造成“假合理”情况^[35];Moore值则侧重反映产业结构调整的速度,而非要素资源与产出的耦合情况。为此,韩永辉等^[36]构造了新的指标,在结构偏离度的基础上对各产业根据占比进行加权计算,其优点在于既考虑了产业的重要性,又能保留结构偏离度本身的含义。其计算公式如下：

（5）

Rat 1 = \overset{3}{\sum_{j = 1}} (\frac{Y_{j}}{Y}) |\frac{\frac{Y_{j}}{L_{j}}}{\frac{Y}{L}} - 1| = \overset{3}{\sum_{j = 1}} (\frac{Y_{j}}{Y}) \sqrt{{(\frac{\frac{Y_{j}}{Y}}{\frac{L_{j}}{L} - 1})}^{2}}

式中：

Y_{j}

为第j产业的增加值,Y为总产值,

L_{j}

为第j产业的就业人数,L为就业总人数。Y_j/Y表示产出结构,而L_j/L则表示就业结构,当产出结构和就业结构协调发展时,Y_j/Y=L_j/L等式成立,此时Rat1数值为0;当Rat1数值趋近于0时,表明产业结构趋向均衡状态,产业结构达到趋向于最合理的程度;Rat1数值越高,则代表产业结构越不均衡,资源在各产业部门的分配越不合理,资源越亟待充分配置。

Table 2
表2
表2产业结构合理化化指标归纳
Table 2Summary of indicators of industrial structure rationalization

具体指标	相关文献
结构偏离度	Lu等^[37]
泰尔指数	袁航等^[38]
结构偏离度与模糊数学中的Hamming贴近度评价方法结合	邓慧慧等^[39]
Moore值	王兵等^[40]
结构偏离度加权法	韩永辉等^[36]

新窗口打开|下载CSV

产业结构高级化Upg的内涵突出表现在两方面：①产业结构演进的过程,产业结构由第一产业为主向第二产业为主,再向第三产业为主过渡;②产业从价值链低端走向高端,由低附加值向高附加值产品部门转移的过程。在大多数实证研究中,产业结构高级化的衡量指标如表3所示。本文将其分为5类,其中****们使用最为广泛的是产业结构比例法。产业结构比例传统上采用配第-克拉克定律,即非农业产值或者就业人数占据总体的比重进行度量。近年来,不少****使用第二产业与第三产业之比以及第二、第三产业在GDP中占比,作为产业结构高级化的衡量指标。该类方法能够反映产业结构高级化中第二产业或者第三产业的升级情况,但往往不能体现出产业结构从第二产业再向第三产业发展的趋势。在经济发展程度较低地区,第一产业比重较大,第二和第三产业尚未迅速发展,也可能出现该指标数值较大的情况。有****沿用刘伟等^[41]的做法,对产业结构进行加权,以各产业占GDP的比重乘以标准化后的劳动生产率来衡量高级化。本文认为该方法中劳动生产率的权重实质为对产业结构合理化的描述。此外,内部结构升级法则提供了更为精细的指标。傅元海等^[42]采用高端技术产业占制造业的比例以及高端技术制造业与中端技术制造业之比对其进行衡量。张权^[43]将第二产业中制造业划分为劳动、资本密集型行业和知识、技术密集型行业,第三产业划分为生产性和生活性服务业,再通过其内部的变化趋势来反映产业结构升级。该类指标能更为精准地反映产业结构内部升级从低端走向高端,从低附加值走向高附加值的趋势,但往往因为数据值的缺失,只能对符合数据要求的部分年份进行测算。结合数据的可获得性和局限性,本文倾向于借鉴唐宇娣等^[44]的做法,采用产业结构层次指数来代表产业结构高级化水平

Upg 1

,其计算公式如下：

（6）

Upg 1 = \overset{3}{\sum_{j = 1}} M_{j} \times j = M_{1} \times 1 + M_{2} \times 2 + M_{3} \times 3

式中：M_j为第j产业产值占GDP的比重,该指数越大表明地区的产业结构升级水平越高。该指标在不同产业中加上相应的权重,能更好地反映产业结构高级化的趋势。

Table 3
表3
表3产业结构高级化指标归纳
Table 3Summary of indicators of industrial structure upgrading

指标分类	具体指标	相关文献
产业结构比例法（产值或就业人数）	第三产业从业人员占从业人数比重	贾敬全等^[45]
	第三产业占第二产业比重	邓慧慧等^[39]
	第三产业占GDP比重	成金华等^[46]
	第二产业占GDP比重	张辉等^[47]
产业结构比例加权法	产业结构层次指数	唐宇娣等^[44]
	第二产业产值×0.4+第三产业×0.6	Xu等^[48]
	各产业比重×劳动生产率	刘伟等^[41]
技术复杂度法	企业各类型产品产出×技术复杂度	周茂等^[49]
夹角余弦法	Moore指数	王波等^[50]
内部结构升级法	通过对第二产业以及第三产业的细分行业或从业人员进行分类后构建相应的指标制造业升级、服务业升级指标	傅元海等^[42]
内部结构升级法	通过对第二产业以及第三产业的细分行业或从业人员进行分类后构建相应的指标制造业升级、服务业升级指标	张权^[43]

新窗口打开|下载CSV

3.2.3 门槛变量与控制变量

（1）门槛变量

绿色税收是一系列能够直接或间接起到环境保护作用的税收集合。对于绿色税收的衡量指标,学术界尚未形成一致观点。马蔡琛等^[51]认为绿色税收不仅环境保护税,还需要包括资源类、能源类、运输类等税种。而祝遵宏等^[52]采用资源税、耕地占用税、城镇土地使用税、城市维护建设税、车船税以及车辆购置税作为绿色税收的指标。吕敏等^[53]则认为绿色税收还应包含土地增值税和已废止的车船使用税。以上****的观点虽形成了百家争鸣的格局,但较为一致地认可了资源税、车船税等税种在环境保护中的作用。由于数据的局限性,上文提到的增值税、企业所得税等其他税种中与环境保护相关的税收优惠政策无法量化,因此,本文借鉴付莎等^[16]的广义绿色税收强度指标,以具备环境保护功能的8个税费收入之和占据税收总收入的比例作为本文绿色税收的指标,这8个税费分别为：排污费、资源税、消费税、耕地占用税、城镇土地使用税、城市维护建设税、车辆购置税和车船税。将排污费纳入绿色税收的原因在于其与环境保护税实则“一脉相承”。2018年“费改税”后的环境保护税与原排污费相关规定相比变动较小。资源税、城镇土地使用税和耕地占用税有利于限制对资源的过度开采和土地的过度占用;消费税、车辆购置税和车船税则有利于将厂商和消费者的行为向节能减排方向引导,而城市维护建设税的税款主要用于改善环境质量和维护基础公共设施,用于集中供热以及清洁燃料供应等^[54]。绿色税收强度Gretax的计算公式为：

（7）

Gretax = \frac{Fee + \overset{7}{\sum_{n = 1}} Ta x_{n}}{Toltax + Fee}

式中：Fee为排污费收入,

Ta x_{n}

为具有绿色调节功能的7个税种,Fee和7个税种组成了8个税费,

Toltax

为税收总收入。当绿色税收强度数值较大时,代表该地区与环境保护相关的税收收入比例较高,税制绿化程度较高。中国30个省（市、区）Gretax的测算结果如图2所示。

图2

新窗口打开|下载原图ZIP|生成PPT
图22003、2009和2016年中国30个省（市、区）的绿色税收强度

Figure 2Green tax levels in 30 provinces in China’s mainland, 2003, 2009, and 2016

（2）控制变量

本文对STRIPAT模型进行扩展,引入能源强度Eng、对外贸易程度Trade、城镇化水平Urb3个控制变量进行分析,并分别采用单位GDP能源消耗量,进出口总额以及城镇人数占总人口比重来衡量。

3.3 数据来源

本文使用2003—2016年全国30个省（市、区）（因数据缺失,不包括西藏、港澳台地区）为样本的面板数据为样本。数据来源如表1所示。其中,进出口贸易总额根据各年份人民币兑美元的平均汇率将单位美元转化为人民币。表4为数据的基本描述性信息。为消除异方差,对变量取自然对数。

Table 4
表4
表4相关变量的描述性统计
Table 4Descriptive statistics of variables

变量	均值	标准差	最小值	最大值
CO₂排放量/亿t	2.870	2.120	0.130	10.730
产业结构合理化	4.010	0.800	1.200	5.870
产业结构高级化	229.350	12.620	202.770	279.730
人口总数/万人	4415.410	2654.740	534.000	10999.000
人均GDP/亿元	3.270	2.280	0.370	11.550
能源强度/（亿t标准煤/亿元）	1178.900	686.730	271.220	4524.430
对外贸易程度/亿元	6213.680	11313.700	28.080	67678.050
城镇化水平/%	50.580	14.450	13.890	89.600
绿色税收/%	18.820	7.490	4.260	42.670

新窗口打开|下载CSV

4 实证结果与分析

4.1 面板模型类型判别

为验证产业结构变迁与CO₂排放总量之间的关系,本文采用Stata 14.0软件进行计算分析。首先,对上述模型进行类别判断,采用Hausman检验判断建立个体随机效应模型或者个体固定效应模型。该检验的原假设为建立个体随机效应模型,备择假设为建立个体固定效应模型。经检验,所有模型的P值均小于0.05,即支持备择假设建立个体固定效应模型。此外,本文研究的对象是全国30个省（市、区）的CO₂排放量等变量,不存在从总体中随机抽样问题,因此,相比随机效应模型来说,建立个体固定效应模型更为合适。

4.2 回归结果分析

4.2.1 基准回归分析

本文对式（3）进行了回归,结果如表5。其中第（2）列是在第（1）列基础上加入控制变量后的结果,下文均对加入控制变量的估计结果进行分析。

Table 5
表5
表5基准回归分析结果
Table 5Regression results for the basic panel models

解释变量	（1）	（2）
lnRat1	0.018* （0.010）	0.031** （0.013）
lnUpg1	-2.165*** （0.456）	-2.191*** （0.444）
lnPop	-0.462*** （0.149）	-0.504*** （0.146）
lnPgdp	0.596*** （0.149）	0.592*** （0.020）
lnEng		0 .128*** （0.025）
lnTrade		0.010 （0.007）
lnUrb		0.036 （0.055）
截距项	15.728*** （2.439）	15.242*** （2.377）
F值	164.290***	160.450***
Within R²	0.838	0.849
N	420	420

注：*、**、***分别代表10%、5%和1%的显著性水平,括号中为标准误,下同。

新窗口打开|下载CSV

由第（2）列可以看出产业结构合理化对抑制碳排放量有显著作用。产业结构合理化的指标加权结构偏离度与CO₂排放量正相关,且通过了5%的显著性检验。加权结构偏离度是一个反向指标,其数值越高,代表产业结构越不合理。当其他变量不变时,中国各省（市、区）的加权结构偏离度每增加1%,意味着产业结构不合理程度增加1%,CO₂排放量平均提高0.031%。因此回归结果符合研究假设1,验证了产业结构合理化有利于抑制碳排放。其具体原因可能在于,产业结构合理化程度提高时,加权结构偏离度数值会降低,产业结构与就业结构的耦合性程度变强,资源能够更加充分利用,使得能源效率较高,此时会抑制CO₂排放量的增长。

衡量产业结构高级化的产业结构层次指数则与碳排放负相关,在其他变量不变情况下,中国各省（市、区）产业结构层次指数每增加1%,CO₂排放量平均降低2.191%,符合假设2。本文认为原因在于,当产业结构层次指数上升较快时,代表企业的转型升级和新型产业部门的出现。一方面,在同一产业内部淘汰了碳排量大的产业部门;另一方面,尽管服务业占比上升也会增加碳排放,但由于重工业的碳排放情况远远高于第三产业,总体来说当产业结构从第二产业为主转向第三产业为主过程中依然会显著地降低碳排放,因而产业结构高级化与碳排放呈反向相关^[55]。

4.2.2 稳健性检验

为进一步保证上述产业结构变迁对碳排放影响研究结论的稳健,本文进行了多重稳健性检验,并从以下3个方面展开。

（1）更改研究样本

本文采用winsorize缩尾对异常值进行剔除,并利用新的样本对式（3）进行重新估计,回归结果如表6的第（1）列所示。结果显示,重新估计时产业结构合理化与高级化的系数分别在5%和1%的水平上显著,虽然系数估计值和表5第（2）列中略有变化,但变化较小,且显著性没有发生变化。

（2）更换产业结构变迁的度量指标

首先,本文借鉴干春晖等^[56]的方法采用泰尔指数构建Rat2。计算公式如下：

（8）

Rat 2 = \overset{3}{\sum_{j = 1}} (\frac{Y_{j}}{Y}) \ln (\frac{\frac{Y_{j}}{L_{j}}}{\frac{Y}{L}}) = \overset{3}{\sum_{j = 1}} (\frac{Y_{j}}{Y}) \ln (\frac{\frac{Y_{j}}{Y}}{\frac{L_{j}}{L}})

式中：变量的具体含义与加权结构偏离度类似,Y_j/Y表示产出结构,L_j/L表示就业结构。

其次,本文采取了第三产业占第二产业产值的比重Upg2作为产业结构高级化的新指标,替换式（6）中的产业结构层次指数Upg1,结果如第（3）列所示。将Rat1和Upg1同时替换为Rat2和Upg2,回归结果如第（4）列所示。指标的替换差异使得该部分检验中不能直接比较系数大小,因此应该关注产业结构合理化和高级化系数的符号方向及其显著性。结果显示,在产业结构合理化和高级化的新指标下,系数在5%和1%的水平上显著,且系数估计值的方向与表5第（2）列相符。

（3）潜在的内生性问题

尽管在考察产业结构对碳排放影响时候,本文通过控制变量考虑了影响碳排放的部分因素。但影响碳排放的因素众多,在考察时会存在遗漏变量的问题。产业结构变迁可以抑制碳排放,但碳减放和产业结构变迁之间可能存在反向因果影响,其减少可能有利于产业结构往更合理更高级方向发展。由于动态面板系统GMM模型的假设较为宽松,本文借鉴李强^[57]的做法,将碳排放滞后一期项作为工具变量,采用系统GMM进行分析。结果如表6第（5）和（6）列所示,其中第（5）列以Rat1和Upg1作为产业结构变迁的指标,第（6）列中将Upg1替换为Upg2后进行进一步检验。结果显示,Sargan检验统计量的伴随概率都大于0.1,因此接受工具变量有效的原假设,同时AR（1）检验统计量的伴随概率均小于0.1,但是AR（2）的伴随概率都大于0.1,接受不存在二阶自相关的原假设。在使用CO₂排放量的一阶滞后项作为工具变量时,产业结构合理化的系数方向、产业结构高级化的系数估计值显著性和方向与表5中第（2）列结果基本一致。

Table 6
表6
表6稳健性检验的估计结果
Table 6Results of robutness test of models

解释变量	（1）	（2）	（3）	（4）	（5）	（6）
L.Cbn					0.928*** （0.041）	0.915*** （0.056）
lnRat1	0.033** （0.035）		0.112*** （0.036）		0.008 （0.012）	0.005 （0.011）
lnRat2		0.031** （0.013）		0.035 （0.040）
lnUpg1	-2.269***（0.462）	-0.270*** （0.039）			-0.928*** （0.309）
lnUpg2			-1.790*** （0.461）	-0.247*** （0.048）		-0.129*** （0.041）
控制变量	是	是	是	是	是	是
常数项	11.445*** （2.583）	1.764 （1.207）	11.788*** （2.609）	1.496 （1.236）	5.253*** （1.334）	0.269 （0.451）
Within R²	0.868	0.857	0.851	0.855
F值	155.24***	124.810***	105.120***	94.560***
AR（1）					-2.347 [0.019]	-2.392 [0.017]
AR（2）					-0.078 [0.938]	0.083 [0.934]
Sargan					27.490 [0.778]	26.372 [0.822]
N	420	420	420	420	420	420

注：[ ]中为统计量的P值。L.表示一阶滞后项符号。

新窗口打开|下载CSV

4.3 门槛效应分析

4.3.1 门槛效应检验

为确定门槛值及门槛的个数,本文运用Bootstrap抽样法模拟LR统计量400次,估计出门槛值及相关的统计量,具体结果见表7与表8。其中Rat3与Upg3均为未加入3个控制变量时Rat1和Upg1情况,而Rat4与Upg4为加入控制变量后的相应情况。

Table 7
表7
表7产业结构合理化的门槛效应自抽样检验
Table 7Threshold effect estimation of industrial structure rationalization

解释变量	门槛变量	门槛数量	F值	P值	BS次数	临界值
解释变量	门槛变量	门槛数量	F值	P值	BS次数	1%	5%	10%
Rat3	Gretax	单一门槛	37.970*	0.055	400	33.213	39.008	49.813
		双重门槛	3.140	0.998	400	29.382	33.303	41.903
		三重门槛	3.710	0.993	400	19.472	23.436	27.177
Rat4	Gretax	单一门槛	40.350**	0.040	400	34.549	39.129	44.991
		双重门槛	3.920	0.993	400	28.579	31.545	39.506
		三重门槛	5.400	0.958	400	24.261	27.837	34.983

新窗口打开|下载CSV

从表7可以看到,以绿色税收强度作为门槛变量时,解释变量Rat4单一门槛效应的F统计量在5%的水平上通过显著性检验,但双重门槛和三重门槛模型未通过。因而本文认为绿色税收对产业结构合理化存在单门槛效应。从表8可以看到Upg3和Upg4在单一门槛效应下P值为0.043和0.020,均通过了5%水平上的显著性检验,而双重与三重门槛效应均不显著,可见绿色税收对产业结构高级化也存在单门槛效应。经检验,本文将绿色税收强度作为门槛变量。绿色税收强度对产业结构的影响存在单重门槛效应的非线性影响,门槛值为-1.875,通过了95%的置信区间检验。本文将-1.875的绿色税收强度对数值还原为取对数前的数值,可得绿色税收强度的门槛值为15.330%。

Table 8
表8
表8产业结构高级化的门槛效应自抽样检验
Table 8Threshold effect estimation of industrial structure upgrading

解释变量	门槛变量	门槛数量	F值	P值	BS次数	临界值
解释变量	门槛变量	门槛数量	F值	P值	BS次数	1%	5%	10%
Upg3	Gretax	单一门槛	43.240**	0.043	400	35.162	42.409	51.879
		双重门槛	4.790	0.983	400	28.635	31.294	39.788
		三重门槛	5.480	0.885	400	17.743	19.984	37.609
Upg4	Gretax	单一门槛	44.530**	0.020	400	31.010	37.540	48.627
		双重门槛	4.260	0.995	400	28.487	32.380	45.458
		三重门槛	3.650	0.970	400	17.384	20.972	29.369

新窗口打开|下载CSV

4.3.2 门槛回归结果

应用单门槛效应检验结果,本文根据绿色税收的强度划分两个区间,第一个区间为lnGretax≤ -1.875,即绿色税收强度低于15.330%的情况（下文简称区间一）;第二个区间为lnGretax>-1.875,绿色税收强度高于15.330%的情况（下文简称区间二）。

（1）绿色税收对产业结构合理化传递机制的影响

表9中第（1）、（2）列结果表明,加权结构偏离度与碳排放系数正相关,符合假设3。第（2）列中,当lnGretax≤-1.875时,各省（市、区）加权结构偏离度在其他条件不变的前提下每增加1%,CO₂排放量平均提高0.026%。对比表5第（2）列一般情形中CO₂排放量平均提高0.031%的情况,在绿色税收强度低于15.330%的门槛值时,加权结构偏离度提高带来的碳排放更低,说明绿色税收会显著增强产业结构合理化对碳排放的抑制作用。本文认为原因在于:绿色税收在强度较低时会激励生产能力较强企业的创新研发行为,企业通过创新研发行为来规避税收政策带来的税费,其产生的效益高于研发和税收带来的支出,因而会选择较为清洁的技术。创新研发行为将会使得更为先进的环保设备以及更高效率的流程应用于实践当中,对人员在不同产业部门间流动产生影响,促进了产业结构的合理化^[58]。当lnGretax>-1.875时,弹性系数为0.058,说明在其他变量不变的情况下,加权结构偏离度增加1%,碳排放量平均提高0.058%。对比在门槛值前0.026的弹性系数以及一般情形0.031的弹性系数,跨越门槛值后绿色税收加剧了产业结构不合理情形下的碳排放。原因可能在于,当绿色税收强度超过企业承受上限时,研发创新所获得的利润降低,甚至可能出现不足够弥补税费和研发费用带来损失的情况,使得企业减少甚至停止相关创新行为,影响了成果转化带来的高劳动效率,而劳动力更多停滞在原有产业部门,使得绿色税收抑制产业结构合理化的影响行为。这与Sinn^[59]提出的“绿色悖论”（Green Paradox）具有一定的共性。

Table 9
表9
表9产业结构合理化与高级化的面板门槛回归模型估计结果
Table 9Regression results for the threshold models for industrial structure transformation

解释变量	（1）	（2）	（3）	（4）
lnRat·I（lnGretax≤15.330%）	0.008** （0.004）	0.026** （0.012）
lnRat·I（lnGretax>15.330%）	0.023** （0.009）	0.058*** （0.013）
lnRat			0.015** （0.006）	0.034*** （0.012）
lnUpg·I（lnGretax≤15.330%）			-2.297*** （0.435）	-2.327*** （0.422）
lnUpg·I（lnGretax>15.330%）			-2.271*** （0.435）	-2.302*** （0.422）
lnUpg	-2.234*** （0.437）	-2.260*** （0.424）
lnPop	-0.475*** （0.142）	-0.520*** （0.139）	-0.470*** （0.141）	-0.517*** （0.139）
lnPgdp	0.565*** （0.018）	0.561*** （0.020）	0.562*** （0.018）	0.556*** （0.020）
lnEng		0.124*** （0.024）		0.121*** （0.024）
lnTrade		0.007 （0.007）		0.008 （0.007）
lnUrb		0.041 （0.053）		0.050 （0.052）
截距项	16.254*** （2.337）	15.832*** （2.272）	16.462*** （2.325）	16.055*** （2.263）
F值	180.260***	177.140***	182.420***	178.890***
Within R²	0.852	0.863	0.854	0.864
N	420	420	420	420

新窗口打开|下载CSV

（2）绿色税收对产业结构高级化传递机制的影响

本文对产业结构高级化的传递机制也进行了检验,结果如表9第（3）和（4）列所示。第（4）列中,当绿色税收处于区间一时,产业结构高级化在其他变量不变的情况下,层次系数每增加1%,碳排放平均减少2.327%。当绿色税收进入到区间二时,产业结构高级化在其他条件不变时每增加1%,绿色税收强度平均减少2.302%。与表5第（2）列的2.191%相比,数值均有所下降,说明绿色税收的引入使得产业结构高级化抑制碳排放的效果增强。已有研究和基准回归均表明,产业结构高级化能够有效减少碳排放^[60,61,62]。相较于已有研究,本文进一步发现了产业结构高级化对碳排放的影响随绿色税收强度的高低出现了差异。尽管绿色税收对产业结构高级化的影响不像产业结构合理化一样存在类似“波特假说”与“绿色悖论”的情况,两者在门槛效应上却是殊途同归。绿色税收在区间一中产业结构高级化影响碳减排的作用要大于区间二。原因可能在于,企业出于利润最大化考虑,在绿色税收不超出区间一的范围内加大创新研发,带来先进环保设备淘汰原有设备,一方面,自身往更高附加值的方向发展,另一方面,也淘汰了竞争力较低的高能耗低附加值的同行其他企业,改变了原有的产业结构,促进了产业结构的高级化。而当强度进入区间二的范围时,企业减少研发行为,对其他竞争企业的排挤减轻,使得产业结构升级的速度有所减缓,碳减排效果降低。

结合表5和表9的控制变量来看,无论在固定效应模型还是面板门槛模型中,人均GDP、能源强度与对外贸易程度均与碳排放显著正相关,表明它们的提高均提高了CO₂排放总量,这与已有的大多数研究结论相符。人口规模的系数情况则与博斯拉普主义^[63]的观点相符。对比以上不同变量,在不同模型中的系数符号均一致。

4.3.3 时空异质性分析

上文已经验证,绿色税收在产业结构变迁影响碳减排中具有门槛效应。在此基础上,本文进一步对绿色税收是否存在时空异质性进行了考察。表10中列出了2003—2016年不同区间内样本的数目,绿色税收强度较宽松的区间一（Gretax ≤15.330%）的样本数较少,为159个,占总样本的37.860%。

在时间变化方面,2003—2008年中国大部分省（市、区）处于区间一的宽松绿色税收强度范围,这一时期产业结构变迁对碳排放的抑制作用更为明显;2009—2016年期间大部分省（市、区）的绿色税收强度处于较强的区间二绿色税收强度,这一时期产业结构变迁对碳排放的抑制效应变弱。

在空间变化方面,本文通过表11中各省（市、区）的分布结构进行分析。从门槛分布看,北京、天津、河北、山西、内蒙古、上海、江苏、浙江、福建、山东、广东、广西、海南、青海、宁夏和新疆等16个省（市、区）的绿色税收强度在2003年时位于区间一中。上述16个省（市、区）主要分布在西部地区（以下简称为A区域）以及经济发展较为突出的京津冀、江浙沪和粤闽琼一带（以下简称为B区域）。2008年时处于区间一的各省（市、区）分布结构与2003年基本保持不变。

综合表10和表11来看,2009年前后,各省（市、区）原来相对稳定的门槛分布结构出现了巨大变化,A地区和B地区的部分省（市、区）从区间一跨越门槛值进入区间二,此后该分布结构基本稳定不变。中国2008年末对消费税成品油中部分税目进行了调整,《国务院关于实施成品油价格和税费改革的通知》（国发[2008]37号）的颁布,大幅度提高了成品油的单位税额,部分成品油税目的单位税额提高到原来的5倍和8倍,使得成品油的税负陡然增高,一跃成为消费税的最大税目^[64]。相比2006年与2014年的两次较为缓和的改革,2008年燃油税改革的影响巨大。成品油在生产销售环节征收消费税,而黑龙江,海南等省（市、区）的油田资源丰富,是中国主要的成品油生产地,导致其绿色税收强度剧增。这可能解释了A地区的税收强度从低于门槛值到高于门槛值的情况。A地区产业结构在变迁过程中,随着绿色税收强度的增长,企业治污成本超过了排污成本,企业从战略层面更倾向于考虑控制成本获取营业利润,研发技术更偏向于注重产品产量,对环境保护的意识不高^[65]。企业相对少地承担相应社会责任,反而不利于其减少碳排放,出现了减排“回弹”。与A地区不同的是,B地区的绿色税收强度始终处于门槛值以下,这可能是因为B地区各省（市、区）地理位置优势明显,相较于其他地区有更活跃的经济活动,劳动力等资源要素丰富,企业类型多集聚在第三产业,受到成品油改革的影响小,因而需要承担的绿色税收较为稳定。B地区的企业拥有更充分的资本要素,企业生产效率更高,战略层面需要更重视企业社会责任对企业长期的影响,因而更积极投入于改进负外部性强的活动,将资金投入到降低碳排放当中,产业结构的合理化与高级化对碳排放的抑制作用较为明显^[66]。

Table 10
表10
表10 门槛前后省份数目
Table 10 Changes in the number of provinces with different green tax levels

年份	Gretax≤15.330%	Gretax>15.330%	合计
2003	16	14	30
2004	17	13	30
2005	19	11	30
2006	18	12	30
2007	18	12	30
2008	16	14	30
2009	7	23	30
2010	6	24	30
2011	6	24	30
2012	7	23	30
2013	8	22	30
2014	8	22	30
2015	6	24	30
2016	7	23	30
合计	159	261	420

新窗口打开|下载CSV

Table 11
表11
表11 2003、2008、2009和2016年绿色税收强度处于区间一的省份
Table 11 Provinces with green tax levels below the threshold value, 2003, 2008, 2009 and 2016

年份	Gretax≤15.330%的省（市、区）
2003	北京天津河北山西内蒙古上海江苏浙江福建山东广东广西海南青海宁夏新疆
2008	北京天津河北山西内蒙古黑龙江上海江苏浙江福建山东广东海南青海宁夏新疆
2009	北京天津山西上海江苏浙江广东
2016	北京天津上海江苏浙江福建广东

新窗口打开|下载CSV

5 结论与政策启示

5.1 结论

虽然已有众多文献探讨碳排放的影响因素,但研究绿色税收影响产业结构对碳排放作用的文献仍较为罕见。本文利用中国2003—2016年30个省（市、区）的面板数据,采用Hansen^[34]的面板门槛模型,实证分析了绿色税收对产业结构变迁影响碳排放的门槛效应。研究结论如下：

（1）基准回归表明,产业结构变迁会显著影响碳排放,产业结构合理化和高级化均有利于减少碳排放。门槛回归则发现绿色税收对其影响具有门槛效应。

（2）在达到门槛值前,绿色税收有效地促进了产业结构合理化和高级化对碳减排的影响。但在跨越门槛值以后,绿色税收的作用在产业结构合理化和高级化影响碳排放过程中出现了变化。一方面,绿色税收在产业结构高级化影响碳排放的过程中仍能够促进碳减排,但相比门槛值前作用有所削弱;另一方面,产业结构合理化减少碳排放的效果相比基准回归情形受到了抑制。

（3）各省份在2009年之前绿色税收强度较为稳定,但部分省份的强度在2009年后跨越了门槛值,形成了新的绿色税收门槛分布结构。2009年针对成品油的消费税改革可能是这种变化出现的主要原因。

5.2 政策启示

根据产业结构变迁对碳排放具有门槛效应,针对消费税改革可能导致绿色税收强度在2009年前后变化较大的问题,本文提出如下建议：

（1）从环境保护的角度来看,尽管绿色税收政策对环境保护起到了调节作用,但绿色税收的强度并非越高越好,在低于15.330%时方能发挥更佳的调节作用。2016年中国30个省（市、区）中只有7个省（市、区）的绿色税收强度低于15.330%,而其他23个省（市、区）的强度均大于15.330%,并未能使产业结构对碳减排的影响达到较优水平。针对2009年后消费税改革可能导致了绿色税收强度变化的情况,本文认为可以借消费税立法之“东风”,对消费税税率进行结构性改革,适度下调成品油的单位税额,调整绿色税收强度的水平,使相关省（市、区）的绿色税收总体水平降低到15.330%以下的强度,以更好地促进产业结构合理升级,达到降低碳排放总量的效果。

（2）从财政和经济发展的角度看,税收收入是中国财政收入最重要的来源,调整税收政策也是中国科学宏观调控的一大重要手段。在中国总体减税降费大背景下,本文建议财政部、国家税务总局以及各省（市、区）政府等具备制定规章权力的主体应动态调整相应的税收政策,以进一步促进产业结构升级,降低碳排放。在中央层面,可以进一步完善对购买新能源汽车车辆购置税的免税政策的适用时间和范围,或对达到一定绿色标准的企业减征相应的城镇土地使用税;在地方政府层面,经济发展相对落后地区的人民政府可以适当调整城镇土地使用税的适用税额幅度。

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]

陈林, 万攀兵. 《京都议定书》及其清洁发展机制的减排效应: 基于中国参与全球环境治理微观项目数据的分析
[J]. 经济研究, 2019,54(3):55-71.