中国区域环境规制“绿色悖论”研究——基于空间面板杜宾模型*

柴泽阳,孙 建

(重庆工商大学 a.长江上游经济研究中心;b.经济学院，重庆 400067)



中国区域环境规制“绿色悖论”研究
——基于空间面板杜宾模型*

柴泽阳a,孙 建b

(重庆工商大学 a.长江上游经济研究中心;b.经济学院，重庆 400067)

借鉴“绿色悖论”理论，利用中国2003—2012年省级面板数据，构建了空间面板杜宾模型来检验我国区域环境规制是否存在碳排放“绿色悖论”效应。结果表明：我国省区碳排放存在显著的空间相关性且呈现加强的趋势，60%左右的省区体现为高高聚集和低低聚集的碳排放特征；以工业污染治理完成投资额占地区生产总值的比重、工业SO2去除率、污染排放综合指数的逆指数为代表的三个环境规制变量均表现出明显的“绿色悖论”效应；值得注意的是，三个环境规制变量的“绿色悖论”效应存在空间溢出；人口规模和人均GDP对碳排放起推动作用且存在正向空间溢出效应，技术进步具有较好的碳减排效应且存在负向空间溢出效应。

环境规制；空间杜宾模型；绿色悖论；溢出效应

引言

改革开放以来，我国实现了经济的快速持续增长，人民生活水平不断提高，然而生态环境却逐年恶化，环境保护与经济发展之间的冲突也日益激化。虽然中央和地方政府制定了一系列的环境政策，各省区环境污染治理投资和环境监管力度逐年提高，但是环境的改善效果却不尽如人意。鉴于此，国内外部分学者对政府环境规制的监管效果提出了质疑。Sinn(2008)以碳税为研究对象，认为旨在限制气候变化的环境政策会导致化石能源的加速消费，从而增加温室气体的排放，造成环境状况进一步恶化，这被称为“绿色悖论”现象。然而，碳税并不是导致“绿色悖论”现象的唯一原因，除此之外，替代品价格下降、增加补贴和技术进步等也可产生同样的效应(Hoel,2011)。Strand(2007)利用不可再生能源开采的霍特林框架推导出京都协议国家致力于开发化石能源后备技术可能会对气候产生消极影响。Di Maria et al(2012)对提前宣布一项气候政策时煤炭和石油拥有者的反应进行了研究，结果表明不可再生资源的缺乏弹性供应可能会促使煤炭和石油拥有者在政策执行前降低价格，从而提高了污染排放。Sjak Smulders et al(2010)在C-D生产函数的基础上增加了碳税政策施行的不确定因素，结果表明在气候政策声明和执行的过渡期间，温室气体的排放会加剧。Gerlagh(2011)首次将“绿色悖论”分为“弱绿色悖论”和“强绿色悖论”，前者强调气候政策所导致的短期碳排放增加，后者则强调气候政策在长期所增加的气候成本。张华和魏晓平(2014)利用2000—2011年中国省级面板数据，采用两步GMM法分析了环境规制对碳排放的双重效应，结果表明环境规制对碳排放的影响呈现倒U形曲线，也就是说在环境规制强度提高的前期表现出“绿色悖论”现象，在后期体现为“倒逼减排”效应。张华(2014)认为就环境规制本身而言不存在“绿色悖论”效应，但在地方政府竞争的影响下，本地区与相邻地区的环境规制出现了“绿色悖论”现象。李玉婷(2015)对气候政策的“绿色悖论”研究进行了归纳分析，认为设计不完善的气候政策可能通过公告效应、泄露效应等机制引发“绿色悖论”。李程宇(2015)梳理了《京都议定书》签订以来全球低碳经济合作中的新挑战以及碳交易市场的建设状况，研究发现，国际合作的制度设计缺陷、对不可再生资源的征税以及对其替代品的补贴是造成“绿色悖论”的主要原因。

进一步分析有关环境规制的“绿色悖论”文献，可以看到其研究结论并不一致，这可能与变量的选取及分析模型框架不同有关。首先，单一的环境规制变量指标可能导致研究结果出现偏差，不能较全面地保证模型的稳健性；其次，由于诸多因素的影响，二氧化碳等变量可能存在空间相关性，孙建(2015)根据研究指出，传统回归对存在空间相关性的样本不再有效；最后，大多数的研究着重于环境规制的直接效应，缺乏对环境规制溢出效应的思考。因此，本文从变量选取、模型设定以及溢出效应三个角度出发，采用多种环境规制指标进行敏感性研究，并结合多种环境规制指标对模型进行稳健性检验；通过严格的空间统计分析和空间模型检验来确定最终研究模型；从直接效应与溢出效应两方面来分析我国的环境规制是否存在“绿色悖论”现象。

一、模型设定及变量说明

(一)空间模型构建

几乎所有的空间数据都有可能表现出空间依赖性或空间自相关性的特征(Anselin et al,1992)，再加上大气环流的作用，碳排放更容易产生空间溢出效应。此外，我国工业分布、能源消费结构和环境投资力度所表现的空间集聚性也使得污染排放存在一定的空间相关性(Poon et al,2006)。传统面板数据模型在描述数据空间特性时，更多的是强调空间异质性，忽略了空间相关性，这在一定意义上影响了模型估计的稳健性(朱平辉 等，2010)。介于此，本文在处理“绿色悖论”相关的区域数据时，采用了空间计量分析方法。常用的空间计量模型有空间滞后模型(SAR)、空间误差模型(SEM)和空间杜宾模型(SDM)。与空间滞后模型和空间误差模型相比，空间杜宾模型不仅考虑了因变量的空间相关性，也考虑了自变量的空间相关性，既可以分析因变量受本地区自变量的影响，也可以分析受邻近地区自变量的影响(Lesage,2008)，该模型更为全面地处理了遗漏变量和空间异质性问题。此外，模型平均的贝叶斯方法有效解决了模型设定的不确定性，最终得出的模型形式为空间杜宾模型，具体推导过程见肖光恩、杨勇(2014)。

综合上述原因，本文将采用空间杜宾模型来检验区域环境规制是否存在“绿色悖论”效应，模型设定如下：

LNCO2it=ρW×LNCO2it+β1LNERit+β2LNPOPit+β3LNPGDPit+β4LNTECHit+β5LNINDit+β6LNURBit+d1W×LNERit+d2W×LNPOPit+d3W×LNPGDPit+d4W×LNTECHit+d5W×LNINDit+

d6W×LNURBit+εit

(1)

其中，LNCO2为各省区二氧化碳排放量(简称“碳排放”)的对数值；核心解释变量LNER为各省区环境规制强度的对数值；控制变量中，LNPOP为各省区人口数量的对数值；LNPGDP为各省区实际人均GDP的对数值；LNTECH为技术进步变量的对数值；LNIND为产业结构的对数值；LNURB为城镇化水平的对数值；ε为随机误差；ρ为空间自回归系数，表示碳排放的空间相关性；dk(k=1,2,…,6)为空间溢出系数，表示邻近省区解释变量变动对本省区碳排放的影响；W为经过行标准化的30个省份的空间权重矩阵；βk(k=1,2,…,6)为待估参数；ε为随机误差。York和Dietz等人于1994建立的STIRPAT模型将环境压力的影响因素解释为人口规模、富裕度、技术进步，鉴于此，本文同样将这三个因素加入模型中。其他控制变量的选取参考了毛明明和孙建(2015)等人的研究。

由于空间杜宾模型中引入了解释变量的空间滞后项，虽然系数估计值的符号与显著性依然有效，但并不代表解释变量对被解释变量的影响，因此需要利用直接效应、间接效应和总效应等统计量来解释空间效应(Lesage,2008)。其中，直接效应表示本省区的解释变量对被解释变量的平均影响；间接效应表示邻近省区解释变量对本省区被解释变量的平均影响；总效应表示解释变量对本地区被解释变量和邻近省区被解释变量变化总和的平均影响。

(二)空间权重矩阵

空间计量中的相邻关系包括车相邻(rook contiguity)、象相邻(bishop contiguity)和后相邻(queen contiguity),本文依据车相邻关系，构建空间权重矩阵，即如果区域i与区域j有共同的边，则Wij=1；反之，则Wij=0。由于本文的研究样本中海南岛出现孤岛现象，因此借鉴大多数文献的处理方法，将海南岛与广东省设为相邻。最后，对所构建的空间权重矩阵进行行标准化处理，使得每行的元素之和为1。本文采用这一行标准化的空间权重矩阵进行二氧化碳的空间相关性检验以及空间模型的估计。

(三)环境规制强度

考虑到环境规制指标难以准确量化，单一指标的选择可能会对模型结果产生影响，实证中采用三种环境规制变量来弥补这一问题，并同时将三种环境规制变量加入模型以检验单一变量的稳定性。LNER1为第一种环境规制强度指标的对数值，即每亿元地区生产总值的工业污染治理完成投资额的对数值，该指标属于投入型指标，反映了各省区生产总值的增加值每提高一个单位，对工业环境污染治理的投资力度，力度越大则表明环境规制强度越大；LNER2为第二种环境规制强度指标的对数值，即工业SO2去除率的对数值，该指标属于绩效型指标，反映了工业生产过程中SO2的利用情况，去除率越高则说明利用率较高，环境规制强度较高；LNER3为第三种环境规制强度指标的对数值，即污染排放综合指数逆指标的对数值，该指标属于绩效型指标，综合考虑了废水、废尘和二氧化硫三种代表性污染物，污染排放综合指数的逆指数越高，则环境规制强度越高，反之，环境规制强度越弱，该指标的计算借鉴了朱平芳、张征宇等(2011)的研究。

(四)碳排放测算

各省区碳排放总量的测算采用2006年IPCC所制定的国家温室气体清单指南给出的方法：

(2)

其中，Ei为第i种能源消耗所产生的碳排放量；Ci为各种能源的消费量；NCVi表示平均低位发热量(净发热值)；CEFi表示碳排放系数；COFi表示碳氧化因子；44和12分别是CO2和C的分子量；i表示本文选取的7种能源，分别是煤炭、原油、汽油、煤油、柴油、燃料油、天然气。表1显示了各种能源的平均低位发热量、碳排放系数和碳氧化因子。

表1 能源碳排放系数

注：平均低位发热量来自《中国能源统计年鉴》；碳排放系数和碳氧化因子均来自IPCC2006的数据。

(五)控制变量及数据来源

人口规模采用各省区年末常住人口数来表示；经济发展水平采用以2003年为基期的各省区实际人均地区生产总值来表示；技术进步用能源消费强度来表示，该值的降低反映了单位GDP所耗能源减少，生产技术水平提高；产业结构用工业生产总值占地区生产总值的比重来表示；城镇化水平用各省区城镇人口与总人口的比重来表示。

本文研究样本为中国大陆30个省、市、自治区(西藏除外)2003—2012年的上述数据，来源于《中国统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》，少量空缺的数据采用线性插值法补齐。

二、实证结果与分析

(一)全局空间相关分析

空间计量分析的前提是被解释变量存在空间相关性，因此在使用空间计量模型之前需要检验被解释变量的空间相关性。Moran在1950年提出的Moran’s I指数能够较为准确的检验整个研究区域中临近地区之间的空间相关性。本文计算了样本期间二氧化碳的Moran’s I指数，计算过程中用到的空间邻接关系即为前文中的基于车相邻原则的行标准化空间权重矩阵。计算结果如表2所示。

表2 碳排放的Moran’s I指数

注：**、***分别表示在5%、1%的显著性水平下显著

从表2来看，2003—2012年中国碳排放的Moran’s I指数均为正且均在1%的显著性水平下显著，说明碳排放在各省区之间存在一定的关联特征，各省区碳排放表现出明显的正空间相关性。也就是说，碳排放较高的省区形成空间集聚，碳排放较低的省区也形成空间集聚。从时间维度来看，Moran’s I指数呈现波动上升的趋势，表明各省区之间的经济关系越来越紧密，联动性逐步加强，二氧化碳的空间集聚效应也趋于增强。

(二)局部空间相关分析

全局空间相关分析的结果只能说明我国区域碳排放存在空间集聚的现象，但并不能体现出省区集聚的特征。因此，本文还将运用Moran散点图来分析碳排放的省区集聚特征。图1和图2分别给出了研究样本初期和末期我国区域碳排放的Moran散点图。由图1可见，2003年位于第一象限的省市区有河北、山西、内蒙古、辽宁、上海、江苏、山东、河南，这些省区的碳排放呈现高高集聚的空间特征；位于第二象限的有北京、天津、吉林、福建、江西、海南，这些省区的碳排放呈现低高集聚的空间特征；位于第三象限的有湖南、广西、重庆、四川、贵州、云南、甘肃、青海、宁夏、新疆，这些省区的碳排放呈现低低集聚的空间特征；位于第四象限的有黑龙江、浙江、湖北、广东，这些省区的碳排放呈现高低集聚的空间特征；安徽位于第一、二象限的交界处，陕西位于第二、三象限的交界处。由图2可见，2012年位于第一象限的省市区有河北、山西、内蒙古、辽宁、江苏、山东、河南，这些省区的碳排放呈现高高集聚的空间特征；位于第二象限的有北京、吉林、上海、安徽、海南、宁夏，这些省区的碳排放呈现低高集聚的空间特征；位于第三象限的有福建、江西、湖南、广西、重庆、四川、贵州、云南、甘肃、青海、新疆，这些省区的碳排放呈现低低集聚的空间特征；位于第四象限的有浙江、湖北、广东，这些省区的碳排放呈现高低集聚的空间特征；黑龙江位于第一、二象限交界处，天津于第二、三象限的交界处，陕西位于第一、四象限的交界处。

综合图1、图2的散点分布，位于一、三象限的省区约占研究样本的60%，位于二、四象限的省市区大约有30%，还有10%左右的省市区处于象限交界处。而且，从2003年至2012年，位于一、三象限和二、四象限的省区均没有较大幅度的变化。因此，可以认为我国区域碳排放确实存在较为稳定的正空间相关性。

图1 2003年我国碳排放Moran散点图

(三)空间面板杜宾模型估计结果

本文利用STATA13.0估计了环境规制对碳排放的空间影响效应，表3报告了模型I、II、III、IV的估计结果，在模型的估计过程中，由于产业结构LNIND和城镇化水平LNURB的估计结果始终不显著，因此进一步的模型调整并不包括这两个变量，同时在空间滞后变量的选择中也根据显著性只保留了人口规模LNPOP和第三个环境规制变量LNER3。根据Hausman检验拒绝原假设的结果，4个模型均为空间固定效应杜宾模型。各个模型的拟合水平均较高，R2分别为0.879 2、0.881 3、0.887 8、0.892 5，表明解释变量对碳排放有较高的解释程度。此外，表3还报告了各解释变量的直接效应、间接效应、总效应。

图2 2012年我国碳排放Moran散点图

解释变量模型Ⅰ模型Ⅱ模型Ⅲ模型ⅣLNER10.0669***0.0040.0585***0.008LNER20.0713***0.0010.0537***0.008LNER30.1553***0.0000.1280***0.001LNPOP0.3059*0.0440.11290.4600.3070**0.0350.2662*0.073LNPGDP1.0537***0.0001.0230***0.0001.1089***0.0001.0490***0.000LNTECH0.8857***0.0000.9085***0.0000.8293***0.0000.8690***0.000W×LNPOP0.5576**0.0490.5690**0.0430.7000***0.0110.6338**0.019W×LNER30.1943**0.0150.1645**0.037Rho0.1776***0.0040.1681***0.0070.1125*0.0710.1290**0.036Direct-LNER10.0671***0.0010.0584***0.002Direct-LNER20.0715***0.0000.0555**0.013Direct-LNER30.1607***0.0000.1353***0.001Direct-LNPOP0.3463**0.0280.15140.3540.3390**0.0280.2871**0.033Direct-LNPGDP1.0683***0.0001.0366***0.0001.1185***0.0001.0659***0.000Direct-LNTECH0.8994***0.0000.9215***0.0000.8382***0.0000.9010***0.000Indirect-LNER10.0142*0.0670.0087*0.080Indirect-LNER20.0142*0.0550.00810.114Indirect-LNER30.2503***0.0040.1978**0.050Indirect-LNPOP0.7626**0.0140.7263**0.0160.8500***0.0060.7700***0.010Indirect-LNPGDP0.2215***0.0080.2015**0.0110.13540.1160.1575**0.037Indirect-LNTECH0.1896**0.0190.1824**0.0240.10400.1310.1363*0.063Total-LNER10.0813***0.0010.0671***0.002Total-LNER20.0857***0.0000.0636**0.012Total-LNER30.4111***0.0000.3332***0.000Total-LNPOP1.1090***0.0000.8777***0.0011.1890***0.0001.0570***0.000Total-LNPGDP1.2900***0.0001.2381***0.0001.2539***0.0001.2234***0.000Total-LNTECH1.0891***0.0001.1039***0.0000.9422***0.0001.0373***0.000R20.87920.88130.88780.8925LOG-likelihood274.6919276.4234285.2155291.5146Hausman53.75***0.00085.62***0.00020.67***0.00020.26***0.003

注：*、**、***分别代表在10%、5%和1%的显著性水平下显著。

模型Ⅰ、Ⅱ、Ⅲ分别为考察第一、第二、第三个环境规制变量时的估计结果。这三个模型中变量Rho的估计值分别为0.1776、0.1681、0.1125，且均较为显著，说明邻近省市区碳排放量的增加会使得本省市区碳排放量增加，即碳排放存在溢出效应。这一溢出效应可能由外力造成，如大气环流等；也可能由经济系统的内力造成，如经济竞争、政策模仿等。这三个模型中环境规制变量LNER1、LNER2、LNER3的直接效应分别为0.067 1、0.071 5、0.160 7，且均在1%的显著性水平下显著，说明各省市区的环境规制强度每提高1%会使得其碳排放提高0.067 1%～0.160 7%。可见，各省市区环境规制对碳排放的影响确实存在“绿色悖论”效应，只是替代变量的选取差异会导致效应强度产生差异。产生“绿色悖论”效应的原因可能有：虽然政府制定了足够的法律法规来惩治污染行为，但是可能由于惩治力度不足，企业从成本收益的角度仍然铤而走险；由于我国市场机制仍不健全，环境规制政策以命令控制型为主，研究表明这一类政策存在高成本、低效率、低激励的弊端(赵玉民,朱方明等,2009；江珂,2010)；受到技术水平的限制以及经济发展的导向作用，大多数省市区不可能立即改变原有的“高排放”生产模式；随着各省市区的经济增长且各省市区之间的经济关系越来越紧密，其间的竞争也会随之扩大，为了维持本省市区的经济增长态势，政府和企业可能会在加大环境污染治理投资的基础上，继续原有的甚至更粗放的生产模式。总而言之，表面上环境规制强度在提高，实际上污染仍在继续。这三个模型中环境规制强度变量LNER1、LNER2、LNER3的间接效应分别为0.014 2、0.014 2、0.250 3，且分别在10%、10%、1%的显著性水平下显著，虽然3个模型中环境规制强度变量的显著性水平有所不同，但也足以说明邻近省区的环境规制对本省区的碳排放具有正向溢出效应，即“绿色悖论”溢出效应，邻近省区环境规制强度的提高在一定程度上会增加本省区碳排放。从产业转移的角度来看，东部沿海地区的污染产业逐渐向环境规制强度较低的内陆转移，因此当东部沿海地区的环境规制强度提高时，与其相邻的内陆地区的碳排放正在加剧，并且碳排放又存在较为显著的溢出效应，由此产生“绿色悖论”溢出效应不无可能；从区域竞争的角度来看，随着经济不断发展，各省区会增加环境污染治理投资、改进生产技术等，以保证其环境不再继续恶化，但是为了同时维持较高的经济发展和环保投资水平，各省区又可能会降低污染标准，导致碳排放仍在提高，这样就为“邻近省区高规制，本省区高排放”作出了“贡献”。由此，也可以看出，虽然各个省区在行政规划上是互相独立的，但在经济、政策以及环保等方面是相互关联的，各个省区在政策制定、污染治理等方面应该以区域协调发展为最终目标。

此外，模型Ⅰ、Ⅱ、Ⅲ中人口规模LNPOP的直接效应分别为0.346 3、0.151 4、0.339 0，虽然模型Ⅱ中的人口规模并不显著，但模型Ⅰ和模型Ⅲ中的人口规模均在5%的显著性水平下显著，综合看来各省区人口规模对其碳排放有明显的驱动作用，这与多数研究(朱勤，彭希哲等，2009；陈婧，2011；胡艳兴，潘竟虎等，2015)结果一致；这三个模型中，人口规模LNPOP的间接效应分别为0.762 6、0.726 3、0.850 0，且分别通过了5%、5%、1%的显著性检验，说明了人口压力所带来的碳排放压力存在正向空间溢出效应且这一效应强度比直接效应强度更为明显和强烈。人口数量的上升使得各省区能源消耗增加，碳排放随之增加。同时，由于本省区的邻近省区可能不止一个，因此当邻近省区的人口增加时，无论是从生产角度还是运输角度都将会有更高的能源消耗，这样由邻近省区人口压力所导致的本省区碳排放压力就可能会高于由本省区人口压力所带来的碳排放压力。这三个模型中，人均地区生产总值LNPGDP的直接效应分别为1.068 3、1.036 6、1.118 5，且均在1%的显著性水平下显著，说明各省区人均GDP对其碳排放具有较为强烈的驱动效应，“碳减排”在很大程度上为经济发展让了路；人均地区生产总值LNPGDP的间接效应分别为0.221 5、0.201 5、0.135 4，前两个估计值分别在1%、5%的显著性水平下显著，第三个估计值不显著，综合来看，邻近省区人均地区生产总值对本省区的碳排放同样也具有一定程度的正向溢出效应。邻近省区的经济增长会对本省区产生竞争压力，迫使本省区通过降低污染门槛来实现经济增长，以保持和邻近省区处于同一水平。这三个模型中，能源消费强度LNTECH的直接效应分别为0.899 4、0.921 5、0.838 2，且均在1%的显著性水平下显著，间接效应分别为0.189 6、0.182 4、0.104 0，前两个估计值在5%的显著性水平下显著，第三个估计值不显著。由于本文使用能源消费强度来代替技术进步变量，因此，该值的降低体现了生产技术的进步，估计结果表明技术进步有显著的碳减排效应。因此，在控制其他因素不变的情况下，改进生产技术、提高能源利用率和碳再利用率等是较为有效的碳减排方案。同时，邻近省区生产技术的进步对本省区的碳排放具有一定程度的负向溢出效应，即邻近省区生产技术的提高能够缓解本省区的碳排放。这一负向溢出效应主要来源于本省区对邻近省区先进生产技术的学习和模仿。

为了检验模型Ⅰ、Ⅱ、Ⅲ的稳定性，模型Ⅳ综合考察了三种环境规制变量的空间固定效应杜宾模型。变量Rho的估计值为0.1290且在5%的显著性水平下显著，说明碳排放的空间相关性较为稳定，与前文的估计结果一致。环境规制变量LNER1、LNER2、LNER3的直接效应分别为0.058 4、0.055 5和0.135 3，且分别在1%、5%、1%显著性水平下显著，间接效应分别为0.008 7、0.008 1、0.197 8，第1、3个估计值分别在10%、5%的显著性水平下显著，第2个估计值不显著。人口规模、人均地区生产总值和能源消费强度的直接效应和间接效应的符号和估计值均与前三个模型一致且显著性水平较高。因此，可以认为估计结果稳定且值得信赖。各省区环境规制强度对碳排放的影响确实存在“绿色悖论”效应，且邻近省区环境规制对本省区碳排放的影响存在一定程度的“绿色悖论”溢出效应。

三、结论与政策建议

本文利用空间计量经济模型研究了我国区域环境规制是否存在碳排放的“绿色悖论”效应。通过空间统计分析及空间杜宾模型的分析，得出如下主要结论。

第一，省区碳排放存在显著的正空间相关性，且随着时间的推移，这一空间相关性正在逐步加强。由Moran散点图可知，60%左右的省区表现为高高集聚和低低集聚。

第二，就各省区自身而言，无论单独考察1个环境规制变量还是综合考察3个环境规制变量，环境规制总是表现出“绿色悖论”效应，尽管这一效应并不强烈，但足以说明我国目前的环境规制政策并没有起到预期的碳减排作用。各省区对污染的惩治力度不足、省区间的经济竞争以及“高排放”生产模式的惯性等均是产生“绿色悖论”效应的潜在动因。就省区关联而言，环境规制带来的“绿色悖论”效应存在正向空间溢出，即邻近省区环境规制强度的提高会使得本省区的碳排放上升。产业转移、区域竞争等均为“绿色悖论”效应的空间溢出提供了条件。

第三，控制变量中，人口规模和人均GDP对碳排放起推动作用且存在正向空间溢出效应，各省区人口规模的扩大和经济发展提高了能源消耗，且各省区之间的竞争压力降低了污染门槛，从而使得碳排放上升。技术进步具有较好的碳减排效应且存在负向空间溢出效应，生产技术的改进提高了能源利用效率和碳再利用率，同时知识的溢出效应使得先进技术得以扩散，进而有利于降低污染水平。

上述结论对于我国制定相关政策有重要的启发意义。经济竞争有效地促进了各省区的经济发展，但是唯“GDP”的政绩观使得经济竞争趋于恶化，碳排放加剧。因此本文认为，政绩考核体制应该逐步实现绿色化，环境绩效的考核比例应当逐渐扩大，削弱地方政绩与经济增长的直接关系，从而为实现经济社会协调发展拓宽道路。各省区环境规制的实施应当切实做到“执法必严”“违法必究”。完善环境规制体系，充分利用环境规制的激励性作用，使“倒逼减排”逐步升级为“积极减排”。将区域经济合作扩展到技术及环境领域合作，共同研究开发先进的生产技术和治污减排技术，充分发挥知识的溢出效应，从污染的根源来降低污染水平，实现区域协调一致发展。

[1] Sinn H W. Public policies against global warning: A supply side approach[J]. International Tax Public Finance，2008，15(4):360-394.

[2] Hoel M. The supply side of CO2with country heterogeneity[J].The Scandinavian Journal of Economics，2011，113 (4):755-958.

[3] Strand J. Technology treaties and fossil fuels extraction[J].The Energy Journal，2007，28(4):129-142.

[4] Di Maria C， Smulders S， Van Der Werf E. Absolute abundance and relative scarcity: announced policy, resource extraction, and carbon emissions[R].FEEM Working Paper， 2008.

[5] Smulders S， Tsur Y， Zemel A. Uncertain climate policy and the green paradox[R]. Discussion Paper，2010.

[6] Gerlagh R. Too much oil[R]. CESifo Economic Studies，2011 (1):79-102.

[7] 张华，魏晓平．绿色悖论抑或倒逼减排——环境规制对碳排放影响的双重效应[J]．中国人口、资源与环境，2014(9):21-29.

[8] 张华．“绿色悖论”之谜：地方政府竞争视角的解读[J]．财经研究，2014(12):114-127．

[9] 李玉婷.气候政策的绿色悖论文献述评[J].现代经济探讨，2015(8):88-92.

[10] 李程宇．《京都》15年后：分阶段减排政策与“绿色悖论”问题[J]．中国人口、资源与环境，2015 (1):1-8．

[11] 孙建．中国区域碳排放EKC曲线异质性研究空间过滤的面板数据分析[J]．资源开发与市场，2015(7):787-790．

[12] Anselin L， Getis A. Spatial statistical analysis and geographic information systems[J].Annals of Regional Science，1992，26(1):19-33.

[13] Poon J P H， Casas I， He C F. The impact of energy， transport, and trade on air pollution in China[J].Eurasian Geography and Economics，2006，47(5):1-17.

[14] 朱平辉，袁加军，等.中国工业环境库兹涅茨曲线分析——基于空间面板模型的经验研究[J].中国工业经济，2010(6):65-74.

[15] Lesage J P. An introduction to spatial econometrics[J]. Revue Deconomie Industrielle, 2008(3):19-44.

[16] 肖光恩，杨勇，等.空间计量经济学导论[M].北京:北京大学出版社，2014:20-24.

[17] 毛明明，孙建．区域FDI的碳排放影响路径分析——基于京津冀地区面板联立方程模型[J]．经济与管理，2015(4):91-96．

[18] 朱平芳，张征宇，等．FDI与环境规制：基于地方分权视角的实证分析[J]．经济研究，2011(6):133-145．

[19] 赵玉民，朱方明，等.环境规制的界定、分类与演进研究[J].中国人口、资源与环境,2009(6):85-90.

[20] 江珂.我国环境规制的历史、制度演进及改进方向[J].改革与战略，2010(6):31-33.

[21] 朱勤，彭希哲，等.中国能源消费碳排放变化的因素分解及实证分析[J].资源科学，2009(12):2072-2079.

[22] 陈婧.人口因素对碳排放的影响[J].西北人口,2011(2):23-27.

[23] 胡艳兴，潘竟虎，等.基于ESDA-GWR的1997—2012年中国省域能源消费碳排放时空演变特征[J].环境科学学报，2015(6):1896-1906.

[24] 王鹏，曾坤.创新环境因素对区域创新效率影响的空间计量研究[J].贵州财经大学学报,2015,33(02):74.

(责任编校：朱德东)

A Study of Regional Environmental Regulation’s “Green Paradox” in China—Based on Spatial Panel Durbin Model

CHAI Ze-yang，SUN Jian

(ResearchCenterofEconomyoftheUpperReachesoftheYangtzeRiver,ChongqingTechnologyandBusinessUniversity,Chongqing400067,China)

This paper constructs the spatial panel Durbin model to test the existence of “green paradox” effect of carbon emissions in regional environmental regulation in China according to the theory of “green paradox” and the panel data of China’s 30 provinces from 2003 to 2012. The results show that the provincial carbon emission in China has significant spatial correlation which presents intensive trend. And about 60% of the provinces show the carbon emission characteristics of high gathering and low gathering. The proportion of investment completed in industrial pollution treatment to regional GDP, removal rate of industrial SO2and the reverse index of pollution composite index have obvious “green paradox” effect, and the three environmental regulation variables have spatial spillover effect, which is worth noting. The size of population and per capita GDP have driving effect and have positive spatial spillover effect in carbon emissions. The technical progress has carbon emission reduction effect and negative spatial spillover effect.

environmental regulation; spatial Durbin model; green paradox; spillover effect

10.3969/j.issn.1672- 0598.2016.06.006

2016-07-04

国家社科基金一般项目“中国区域技术创新碳减排效应及优化政策研究(13BJY024)”；重庆市社科规划博士项目“中国技术创新宏观绩效一般均衡分析及政策优化研究(2012BS13)”；重庆工商大学研究生创新型科研项目“中国环境规制碳减排效应及优化对策研究(yjscxx2015-41-03)”；重庆工商大学研究生创新型科研项目“中国工业碳排放影响因素及碳减排潜力研究(yjscxx2015-41-05)”

柴泽阳(1990—)，男，山西晋城人；重庆工商大学长江上游经济研究中心硕士研究生，主要从事计量经济分析与预测研究。 孙建(1974—)，男，四川崇州人；博士，重庆工商大学经济学院副教授，主要从事应用数量经济、产业与组织、政策绩效评价研究。

X-01

A

1672- 0598(2016)06- 0033- 09