FDI是否加剧了中国制造业CO2排放？

张 宽

(重庆大学 经济与工商管理学院，重庆 400044)

一、引言

2016年中国正式加入《巴黎气候变化协定》，中国政府承诺2030年单位GDP碳排放将比2005年降低 60%-65%。改革开放以来，中国在高速工业化过程中CO2排放急剧增加，早在2009年就已经成为全球最大的碳排放来源国[1]。而在中国工业化过程中，特别是制造业的生产部门的碳排放问题不容忽视，根据2015年制造业能源消费数据，我们估计认为制造业CO2排放约占排放总量的54.9%。中国政府于2015出台了制造强国战略文件《中国制造2025》，其中提出将在2025年将单位增加值CO2排放在2015年基础上降低40%。中国目前作为全世界最大的发展中国家经济体和人口最多的国家，特别是自从加入世界贸易组织(WTO)，广阔的市场前景和丰富而廉价的劳动力资源吸引了大量的外商直接投资(FDI)[2]。根据UNCTAD发布的2015年世界投资报告， 2014年中国FDI流入达到1290亿美元，超越美国成为全球FDI流入最大的目的地①。再从FDI流入中国国内各个产业部门来看，根据《中国外商投资报告2014》数据，制造业部门一直位居FDI流入总量第一，这一情况直到2011年才有所改变，但目前制造业FDI流入量也仅次于服务业部门，成为中国第二大FDI流入部门。

很多研究均表明，FDI在中国经济快速发展过程中扮演了相当重要的角色[3, 4]。然而伴随经济发展，环境污染问题其中又特别是碳排放问题引起学者们广泛关注[5, 6]。近年来，许多学者围绕FDI是否导致发展中国家环境恶化的话题展开了激烈的讨论，形成了两种针锋相对的假说，即“污染天堂”和“污染光环”[7]。“污染天堂”假说认为，发达国家企业利用发展中国家较为轻松的环境规制水平[8]，将较多的重污染产业转移至发展中国家，继而FDI流入从而加剧了发展中国家的环境污染问题[9, 10]。与此相反，“污染光环”假说认为，来自发达国家或地区的FDI往往蕴含了较高的技术水平，跨国企业通过FDI将先进的清洁生产技术和管理经验传播至东道国，这种技术溢出效应将会缓解发展中国家由粗放发展模式导致的环境压力[11]。当然还有一些基于发展中国家的样本研究表明，FDI对东道国的环境并未产生显著影响，形成了“中立假说”[12-14]。

本文的目的在于利用中国制造业细分行业层面的CO2和FDI数据，从行业层面检验FDI对CO2的影响，相关研究结论对政策制定者如何科学合理引导FDI流入不同部门和帮助制造业减少CO2排放显得尤其重要。我们的研究在以下三个方面对现有文献进行拓展。第一，由于中国政府并未公布制造业细分行业相关CO2排放数据，因此几乎没有文献利用制造业细分行业的面板数据，对FDI和CO2关系进行实证检验。我们基于《中国能源统计年鉴》上制造业细分行业的八类能源消耗数据，采用IPCC碳排放核算公式，对中国27个细分制造业行业2003-2014碳排放量进行了测算。因此，据我们所知，本文是首次针对制造业各个细分行业，在EKC框架下，对FDI和CO2关系进行实证分析。第二，考虑到制造业各个细分行业的特有性质，一些行业对能源依赖度较高，反之较低。因此，根据污染程度不同，我们将27个细分行业分为高、中、低三类污染行业，分别进行行业异质性考察，以检验不同污染程度行业FDI对CO2排放影响的结论是否有所差异。第三，本文引入行业外资参与度作为核心解释变量以替换人均FDI存量，从新考察了上述关系，结论非常稳健。本文基于上述三个主要方面的拓展，进一步丰富和加深了对FDI与CO2排放之间关系的理解。

二、文献回顾

在经济全球化迅速发展的今天，FDI已经成为跨国公司进行全球资源配置的重要方式和手段。面对FDI大量进入发展中国家和发展中国家环境污染问题日益严峻的事实，其中又特别是涉及到气候变暖的碳排放问题引起了学者们广泛注意。FDI作为一种要素在跨国之间的流动，对于流入国家而言，其根本目的在于助推本国经济快速增长，因此在探讨FDI与碳排放关系之前有必要从经济增长与环境污染之间的关系谈起。

对于经济增长与环境污染的关系，著名的库兹涅茨假说(EKC)认为经济增长与环境污染之间存在倒“U”型关系[15, 16]，其主要表现为一国收入水平和某些污染变量之间呈现的非线性关系。EKC假说的理论逻辑在于，在经济发展初期，粗放的发展方式会消耗大量的能源和其他自然资源，在这一阶段经济增长与环境污染之间呈现正相关关系，当经济发展到一定阶段，即突破一定阈值之后，由于产业不断升级和技术进步，对能源等资源的依赖度降低，进而减少环境污染[17, 18]。在经验文献方面，Grossman and Krueger在其开创性论文中，检验了包括空气污染在内的四种环境质量指标和国家人均收入之间的关系，他们发现经济增长并不会持续恶化环境质量，随着人均收入接近8000美元后，环境质量随着经济增长不断改善，首次给出了支持EKC假说的经验证据[15]。后来大量文献，利用CO2表征环境污染并围绕EKC假说是否存在不断寻找新的证据，但在结论上，分别形成了支持EKC假说的倒“U”型、和否认EKC假说的线性关系以及“N”型等[19-24]。目前，关于CO2与经济增长之间的EKC假说争论还未形成一致结论，已有文献的经验证据非常混乱[25]。

随着EKC假说实证研究框架不断拓展和完善，FDI变量广泛被纳入EKC模型分析框架进行深入分析。特别是，Copeland and Taylor基于南北贸易模型，首次提出了“污染天堂假说”(PHH)之后，大量文献围绕PHH假说以验证发达国家是否利用发展中国家的宽松环境规制水平将重污染产业转移至发展中国家，进而加剧了东道国环境恶化[10, 26-28]。本文将从结论、样本数据选择、研究方法三个方面归纳和总结目前关于FDI和CO2关系的研究文献。

首先，从已有的研究结论来看，现有文献给出了三种经验证据。第一类文献研究表明FDI对环境，污染变量具有显著的正向影响，FDI恶化了东道国环境污染状况，进而为“污染天堂”假说成立提供了大量的经验证据[23, 24, 29, 30]。第二类经验文献却支持与“污染天堂”假说相反的“污染光环”假说，这些文献认为FDI流入降低了东道国的污染排放水平，改善了环境状[1, 22, 31, 32]。第三类文献研究结论介于前两类之间，这类文献研究并没有发现FDI与环境污染变量之间显著的相关关系或因果关系，形成了所谓的“中性”假说[3, 14, 33]。随着一些经验文献逐渐重视对样本异质性的考察，基于收入水平或制度等其他经济变量的分组研究表明，不同地区或者国家支持不同的假说[34-37]。

其次，从样本数据选择的视角看，关于FDI对CO2影响的文献，目前主要有三个方向。第一类，主要针对特定区域利用国家层面上的数据进行分析，例如东盟(ASEAN)、撒哈拉以南非洲国家、西非经济共同体(ECOWAS)、京都协议签署国家、中东和北非国家(MENA)、跨国集团组织(MNCs)、拉丁美洲国家、海湾合作委员会(GCC)、金砖国家组织(BRIC)、20国集团(G20)以及新兴市场经济体等[3, 22, 33, 34, 38-43]。第二类，并非针对特定区域而是以国家为个体的面板数据结构分析，同时也根据不同的分组标准进行国家间异质性考察[37, 44-46]。第三类，以特定单一国家为主要研究对象，利用长时间序列数据变量或者以单个国家内部的省市地区或其他单元要素组成的面板数据进行分析[26, 28, 29, 47]。这类文献主要针对如中国、印度、越南、土耳其和马来西亚等发展中国家经济体。

最后，基于经验文献研究方法来看，主流文献大致遵循以下两条足迹。第一，从历史维度视角切入，采用以单位根、协整分析和格兰杰因果检验为代表现代时间序列计量经济学方法，针对某一具体国家或地区考察FDI对环境污染变量的短期和长期动态影响效应[27, 32, 48, 49]。第二，从区域异质性视角出发，构建大样本的跨国或者地区级面板数据集，面板单位根、面板协整和面板因果检验等方法被广泛应用和拓展进行“污染天堂”假说检验[1, 31, 34, 45, 50]。近年来，随着空间计量经济学兴起，在放松空间同质性假说前提下，FDI和环境污染的空间溢出效应也被逐渐重视[5]。

综上可以看出，已有文献已经利用各种计量方法，从不同的样本选择视角对FDI和CO2排放的关系进行了广泛地讨论，这无疑对我们后面的研究工作提供了丰富的参考。但是我们同时应该看到，这类文献还存在一些不足。第一，PHH假说的经验证据混乱，结论大相径庭。如果说，目前相关结论存在差异可能是样本异质性导致的，但是从相关文献我们不难发现，针对同一地区或国家的不同研究结论也不统一，还需寻找更加坚实的经验证据。以中国为例，Hao and Liu、Zhang and Zhou针对中国29个省份面板数据研究均支持“污染光环”假说[1, 31]。而Zheng and Sheng[51]对中国30个省份的面板数据分析却支持PHH假说，同时Sun et al.[29]对中国时间序列数据研究同样支持PHH假说。Peng et al.[49]则对中国大陆16个省份进行了单独分析发现，除了少数几个省份支持PHH假说外，其他省份均支持“中性”假说。第二，已有文献主要从国家宏观层面来检验PHH假说，相对缺乏从一国内部具体行业层面的研究文献，这导致对行业层面政策制定的经验借鉴不足。中国目前作为最大的发展中国家，中国政府目前非常重视实体经济发展和生态环境保护，制造业作为实体经济核心，从制造业行业层面从新审视FDI和CO2关系，有助于政策制定者提升中国制造业发展质量和进一步降低CO2排放，同时也为后来相关研究提供了新的研究视角。第三，已有文献忽视了行业异质性问题，不同污染程度行业，FDI与CO2关系可能存在显著差异。因此，我们利用中国制造业27个细分行业数据，并从行业污染异质性的视角检验了FDI对CO2排放的影响。

三、研究设计

(一)模型设定与估计方法

1.模型设定

本文参考EKC模型框架相关文献，与Baek、Chandran and Tang、Cole、Grossman and Krueger、Ko?ak and Sarkgunesi.以及Zhu et al.等一致[15, 21, 26, 33, 52, 53]，我们首先考虑以下基准模型：

(1)

在方程(1)的基础上，加入本文核心解释变量FDI，同时参考Beak、Paramati et al.、Shahbaz et al.、Solarin et al.、Tang and Tan、周杰琦和汪同三等[21, 24, 28, 45, 46, 54]，将能源消费和能源结构纳入方程(1),最后，为了避免遗漏变量问题，我们还控制了随个体变化的但不随时间变化和随时间变化但不随个体变化的不可观测因素，即个体固定效应和时间效应。最终模型改写为下列形式：

+β3lnEnergyit+β4lnESit+γi+ηt+μit

(2)

在(2)式中，i表示具体行业，t表示时期，被解释变量CO2为行业人均碳排放，y为人均实际GDP，y2为人均实际GDP平方，FDI为行业人均FDI存量，Energy为行业人均能源消费量，ES为行业能源消费结构，γi为行业个体效应，ηt为时间效应，μit为随机误差项。为了说明结论稳健性，我们进一步引入行业外资参与度(SFDI)替换方程(2)中的核心解释变量FDI，则本文稳健性方程改写为:

+β3lnEnergyit+β4lnESit+γi+ηt+μit

(3)

上述方程中具体变量度量方式见表1。其中，需要说明的是，在关于FDI对CO2排放的影响文献中，一部分文献利用人均FDI流量作为核心解释变量[46, 55]，但Sapkota and Bastola[42]指出流量没有充分考虑前期FDI流入的影响，使用存量指标更加合适，因此本文使用人均FDI存量指标。同时，SFDI表示制造业各个行业外商资本(包括港澳台资本)占行业实收资本的比重，这一指标较能真实反映FDI在各个行业的积累程度[56]。CO2排放主要来源于各类能源消费，因此行业人均能源消费越高，其CO2排放可能越多[21, 24]。中国作为一个煤炭生产和消费大国，煤炭在能源消费中的比重非常大[57]。因此，利用行业煤炭消费量占行业能源消费总量(万吨标准煤)比重表示能源消费结构，这一指标越小说明行业消耗的能源越清洁，因此预期符号为正[54]。根据方程(2)和(3)变量参数估计结果，我们可以得到以下命题：

命题1：当β0>0且通过显著水平检验时，支持PHH假说。

命题2：当β0≤0且通过显著水平检验时，支持“污染光环”假说。

命题3：当β0不显著时，支持“中性”假说。

命题4：当β1>0，β2且通过显著水平检验<0时，支持EKC假说。

2.估计方法

本文的实证策略在于：首先，利用2003-2014制造业27个细分行业面板数据，从行业层面整体评估FDI对CO2排放的影响；其次，从行业异质性的角度出发，参考余东华和胡亚男[58]利用污染物排放强度，对制造业细分行业分为重污染行业、中度污染行业和轻度污染行业(见表2)，然后分别评估FDI对CO2影响的差异性；最后，引入外资参与度(SFDI)，检验SFDI对CO2排放的影响，以验证结论的稳健性。

为了得到方程(2)和(3)变量参数的一致有效估计量。首先，在验证EKC和PHH假说时，我们利用过度约束识别检验来选择是使用固定效应(FE)还是随机效应(RE)模型。已有文献，在检验面板数据模型时，通常利用Hausman[59]建立在随机效应最有效率假设基础上的Hausman检验，然而当模型扰动项存在异方差时，并不满足这一前提假设，因此使用传统的Hausman检验往往得出错误的结果。本文使用基于过度识别检验方法的稳健Hausman检验方法进行模型筛选。其次，面板数据通常存在组间异方差、组内自相关和组间同期相关等违反普通最小二乘回归(OLS)经典假设的问题，使用OLS估计方法不能得到一致估计参数。因此，利用Greene[60]提出的Wald统计量检验组间异方差，而组内自相关使用Wooldridge[61]的方法进行检验，Pesaran[62]则发展了一种用来检验组间同期相关的统计量。这些检验结果见Table 5。最后，我们利用可行广义最小二乘回归(FGLS)来估计方程(2)和(3)的参数，这种方法能够很好地克服上述问题对回归参数估计的干扰。

(二)行业碳排放测算

目前，由于中国官方并未公布制造业各个行业的碳排放数据，因此，我们根据IPCC[63]给出的碳排放测算工具，选取制造业各个行业主要消费的8类能源数据，其测算公式如下：

(4)

公式(4)中，Ei表示i类能源消费量，NCVi、CEFi和COFi分别代表第i类能源净发热量、碳含量和碳氧化因子。8类能源及其碳排放系数ψi见表3。

根据式(4)，表4呈现了2003-2014年制造业总行业以及重污染、中度污染和低污染行业的CO2测算结果。从表4我们可以得出以下结论：①从整个制造业CO2排放趋势看，随着时间推移CO2排放总量呈现出不断增加的趋势。②从总体上看，2003-2014年间，中度和低度污染行业CO2排放总量呈现先上升后下降的倒“U”型特征，而重污染行业CO2排放总量呈现不断上升态势，并未有明显较少趋势。③从CO2排放总量的年度均值看，由高到底依次为重污染、中度污染和低度污染行业。

表1相关变量构建与衡量说明

表2根据污染强度进行制造业行业分类结果

注：A、B、C分别表示重污染行业、中度污染和轻度污染。

表3各类化石燃料的碳排放系数

注：NVC数据来源于《中国能源统计年鉴2015》，单位为kJ/kg(天然气为kJ/m3)，CEF、COF数据来源于IPCC(2006)，单位为kgC/GJ，碳排放系数为tC/t(天然气为kgC/m3).

表4 2003-2014年制造业CO2排放测算结果

注：根据公式(4)计算得到，其中各行业能源消费数据来源于中国能源统计年鉴2004-2015.

(四)数据来源与经验事实

1.数据来源

本文样本数据为中国制造业2003-2014年27个细分行业的面板数据。其中各个行业能源消费数据来源于中国能源统计年鉴2004-2015。对于FDI存量指标和SFDI而言，由于缺乏各个细分行业的FDI数据，我们参考Ren et al.[64]的做法，利用各个行业年度实收资本中外商资本总量表示，外商资本包括港澳台和外商资本，这些数据均来源于中国统计年鉴2004-2015。各个行业从业人数和总产值均来源于中国工业统计年鉴2004-2015。最后利用第二产业GDP平减指数，将人均GDP和人均FDI存量调整为以2003年为基期的可比值。表5给出本文研究涉及经济变量取对数后描述性统计结果。

表5变量的描述性统计分析

续表5

样本分组变量观测值均值标准差最小值最大值轻度污染样本组CO21321.5890.800-0.5683.173FDI13210.071.1566.27911.33SFDI1323.2341.546-2.0084.388y13212.870.70711.6614.90Energy1321.9750.5340.9443.002ES1323.1440.5251.6064.001

2. 经验事实

图1呈现了三类行业2003-2014年间人均CO2排放趋势。我们从图1中可以得出以下信息：①重度污染行业人均CO2排放量最高，中度污染行业次之，轻度污染行业最小。②重度污染行业人均CO2排放在样本期限内，整体上呈现上升态势，而中度污染和轻度污染行业人均CO2排放在2007和2006年出现一个拐点，开始不断下降。

图1 不同污染程度行业人均CO2排放

图2 不同污染程度行业人均FDI拥有量

图2揭示了人均FDI存量在三类行业2003-2014年的变化趋势。我们从中可以看出：①人均FDI存量在三类污染程度行业走势较为一致。2003-2009年，三类污染程度行业人均FDI存量都呈现上升趋势，2009-2011则都呈现下降趋势，2011-2014呈现缓慢上升趋势。主要原因可能在于，中国制造业FDI流入受到2008年全球金融危机的影响。②样本期内，轻度污染行业人均FDI存量最高，2003-2009中度污染行业人均FDI存量高于重度污染行业，2009-2014重度污染行业人均FDI存量超越了中度污染行业。

图3展示了2003-2014年外资参与度在三类行业中的变化。从图3中我们得出以下结论：①2003-2014重度污染行业外资参与度最低，中度和轻度污染行业外资参与度相当。②三类行业外资参与度均呈现不断下降趋势，其中，相比重度污染行业，中度和轻度污染行业外资参与度下降更快。特别是2008年以后，外资参与度在三类行业下降趋势更加明显，这与人均FDI存量变化轨迹类似。

图3 不同污染程度行业外资参与程度

四、结果与分析

(一)全样本分析

表6第1列对全行业样本稳健Hausman检验表明，应该选择固定效应模型。表7第1列检验显示，全行业样本存在组间异方差、组内自相关和组间同期相关，因此利用全面FGLS估计FDI对制造业CO2排放的影响，并控制时间和行业效应，结果见表8。模型(1)单独估计FDI表明，FDI系数在1%水平显著为正。模型(2)加入GDP后显示，FDI与GDP估计系数均在1%水平显著为正。模型(3)加入控制变量Energy和ES后估计结果显示，FDI系数符号和显著性并未改变，仍然在1%水平显著为正。模型(4)加入GDP2以同时考察EKC假说和PHH假说。模型(4)FDI系数仍然显著(1%)为正，说明中国制造业FDI存量增加导致CO2排放上升，FDI弹性系数约为0.107，表示制造业人均FDI存量每增加1%将会导致CO2排放上升0.107%。FDI系数估计结果，符合命题1，因此中国制造业支持PHH假说。模型(4)中GDP系数显著为正，GDP2显著为负，符合命题4，人均GDP与CO2之间存在倒“U”关系，中国制造业存在EKC假说。控制变量Energy与ES系数均显著为正，符合理论预期，人均能源消费越多、能源消费结构中煤炭占比越大，CO2排放就越多。

表6过度约束识别检验

表7不同样本群组间异方差、组内自相关和组间同期相关检验结果

注：括号为概率p值.

表8 FDI对制造业行业CO2排放的影响估计

注： 括号内为z统计量，*p< 0.1,**p< 0.05,***p< 0.01.

(二)行业异质性分析

FDI存量和CO2排放在不同污染程度行业分布均有显著差异，那么PHH假说和EKC假说在不同污染程度行业是否存在差异？根据表6与表7检验结果，我们仍然采用向固定效应模型和全面FGLS估计方法，结果见表9。表9模型(1)-(3)分别为重度污染、中度污染和轻度污染行业估计结果。FDI系数估计结果显示，各类污染程度行业FDI系数估计均为正，但只有中度污染(模型2)和轻度污染(模型3)中FDI系数在1%水平显著，而重污染行业FDI系数不具有统计意义上显著性。在中度污染行业和轻度污染行业，人均FDI每增长1%将会导致CO2排放分别上升0.11%和0.134%。上述结果表明，中国制造业的中低度污染行业FDI系数符合命题1，支持PHH假说，并且相较于中度污染行业，轻度污染行业FDI对CO2排放的积极作用更大。重污染行业FDI系数符合命题4，重污染行业支持“中性假说”而不支持PHH假说。

模型(1)与(3)GDP系数显著为正，GDP2显著为负，符合命题4，即EKC假说显著存在于重污染行业和轻度污染行业。模型(2)GDP系数显著为负，GDP2显著为正，这与EKC假说相反，中度污染行业GDP与CO2之间存在“U”型关系。Energy与ES系数在不同污染程度行业均显著为正，且Energy系数始终大于ES系数，说明人均能源消费与能源结构都是导致CO2增加的显著因素，且人均能源消费的作用更大。

表9 PHH假说与EKC假说行业异质性检验结果

注： 括号内为z统计量，*p<0.1,**p< 0.05,***p< 0.01.

(三)稳健性检验

外资参与度(SFDI)反映了各个行业外资占据行业实收资本的比重，一定程度上能够刻画FDI在各个行业中的影响力。因此，我们利用SFDI指标替代上文的FDI指标，考察外资参与程度对CO2排放的影响，同时以验证上文实证结果的稳健性。我们检验表明，同样应该利用全面FGLS方法和固定效应模型对方程3进行估计，结果见表10。估计结果表明，利用外资参与度SFDI替换与人均FDI存量作为核心解释变量，相关结论保持不变，本文实证检验具有较强的稳健性。

表10稳健性检验

注： 括号内为z统计量，*p< 0.1,**p< 0.05,***p< 0.01.

表10中模型(1)对整个制造业行业样本估计发现，SFDI系数显著(1%)为正(0.167)，说明中国制造业行业外资参与程度越高对CO2排放具有显著的积极作用，依然支持PHH假说。SFDI弹性系数表明，中国制造业行业外资参与度每提升1%将导致CO2排放水平上升0.167%。GDP和GDP2系数分别显著为正和负，同样符合EKC假说。模型(2)-(4)同样是基于污染程度的行业异质性考察，依次为重度污染、中度污染和轻度污染。模型(2)SFDI系数依然不显著，说明重度污染行业外资参与度未对CO2排放造成显著影响，符合中性假说。模型(3)和模型(4)SFDI系数显著(1%)为正，说明中度污染和轻度污染行业均支持PHH假说。SFDI估计系数表明，外资参与程度每提高1%将分别导致中度污染和轻度污染行业CO2排放增长0.135%和0.16%，外资参与程度对轻度污染行业CO2积极影响更大。模型(2)与模型(4)GDP和GDP2系数估计结果与模型(1)在系数符号与显著性上均一致，表明重污染行业与轻度污染行业支持EKC假说。而中度污染行业与表10中模型(2)结果类似，支持GDP与CO2存在“U”型关系。其他变量系数符号与显著性结果与表9的结果基本一致。

五、对结果进一步讨论

本文构建核心解释变量人均FDI存量和外资参与度(SFDI)，研究均发现FDI对中国制造业CO2排放具有积极影响，即中国制造业支持PHH假说。这一研究结论与Ren et al.、Sun et al.、Zheng and Sheng以中国为研究对象的结论一致[29, 51, 64, 65]，但与Hao and Liu以及Zhang and Zhou的结论相反[1, 31]。中国制造业FDI与CO2排放之间的显著正向关系表明，发达国家跨国企业将母国一些环境成本较高的产业转移至中国进行生产，以利用中国相较于其母国更为轻松的环境规制水平，进而节约生产成本[6]。例如2012年中国环保组织披露大量跨国纺织企业在华的污染问题②，类似的在华跨国制造业企业污染事件可谓是屡见不鲜。中国加入WTO后，更加坚定地奉行1978年确定的对外开放政策，各级地方政府在政治晋升压力下通过放松环境规制争相引入FDI[66, 67]。在信息不对称条件下，很多污染产业从发达国家顺利转移至中国，FDI流入进而加剧了中国制造业环境污染程度。

我们进一步发现，FDI对CO2排放的正向作用伴随行业污染程度而不同。在中度和轻度污染行业我们发现了支持PHH假说的显著证据，反而在重度污染行业没有显著证据表明FDI导致CO2排放增加。结合中国实施节能减排政策的事实可知，重污染行业一直都是监管的重点对象[68]。例如，各种政府文件均将重污染行业作为节能减排的重点选择，相比其他行业，中国各级政府对重污染行业实施了更加严格的环境规制水平[69]。Zheng and Shi[30]对中国污染产业一项研究表明，PHH假说的有效性依赖于环境政策工具和行业特征。他们认为各种环境政策的综合效应解释了PHH假说为什么不能始终如一地被观测到。

此外，中国制造业行业总体上支持EKC假说，这与Neequaye et al.、Sapkota and Bastola基于发展中国家样本分析得出的结论相吻合[42, 44]。行业经济发展水平与CO2排放之间存在显著的倒“U”型关系，意味着中国制造业发展规模随大但行业经济增长质量还有待提升。这一结论隐含的启示在于中国制造业只有走内涵式发展道路，不断提高经济增长质量和效益才能顺利步入拐点下行的环境友好型经济增长阶段。分组样本检验还发现，不是所有行业均支持EKC假说，其中中度污染行业只支持“U”型假说，这与Mert and Boluk、Baek对部分国家分组考察研究结果是一致的[21, 22]。这表明EKC假说是否存在还与不同行业污染程度的异质性显著相关。最后，本研究还确认了能源消费水平和能源结构对CO2排放的正向效应，这与多数经验文献结论相同[70, 71]。同时，各类组别样本检验表明Energy系数总是高于ES系数，这意味着虽然提高能效效率、减少能源消费水平和使用更加清洁能源以优化能源结构都能显著减少CO2排放水平，但后者比前者的减排作用可能更大。

六、结论与政策含义

随着经济高速发展，中国已经成为最大的能源消费和CO2排放国家，现阶段面临着严峻的CO2减排任务。中国制造业作为CO2排放的重要来源和吸引FDI的主要行业，将现有关于FDI与CO2排放关系的研究从跨国和区域层面拓展到中国制造业行业层面具有一定价值。本文构建了中国制造业26个部门2003-2014年研究数据集，这一数据集不仅为我们系统评估EKC假说和PHH假说是否适合中国制造业提供了证据，还为从不同污染程度的行业异质性视角进一步研究建立了条件。

本文在EKC研究框架下，细致考察中国制造业FDI是否导致CO2排放增加。使用稳健Hausman检验，确认我们应该选择时空双向固定效应模型。同时，我们还考虑了面板模型存在的组间异方差、组内自相关和组间同期相关等问题，运用FGLS方法估计时空双向固定效应模型以检验FDI对CO2排放的影响。我们的研究发现，中国制造业显著支持PHH假说和EKC假说，即FDI流入是造成中国制造业CO2排放水平上升的显著因素，行业经济发展水平则与CO2排放存在倒“U”型关系。基于污染程度的行业异质性分析发现，只有中低污染行业支持PHH假说，而重污染行业没有发现FDI显著影响CO2排放的证据。EKC假说只存在于重污染和低污染行业，而中度污染行业支持“U”型假说。最后，我们还发现能源消费水平和能源消费结构对CO2排放具有显著正向作用，但前者正向效应更大。

上述研究发现隐含了一些重要政策启示。为了控制CO2排放水平，中国政府应该制定更加严格的环境规制水平，特别是不能忽略一些污染水平不高的行业，在强化环境规制水平的基础上合理引导FDI流入不同的行业。相关地方政府，应该注重制造业FDI流入的质量，全面评估FDI是否会带来潜在污染，对外资企业和国有企业以及民营企业在环境监管上平等对待。制造业企业则应该加大环境治理投资，强化技术创新，提升能源利用效率。政府同时也应该鼓励企业使用更加清洁的能源，减少煤炭等化石能源在经济活动中的投入，进而优化能源消费结构。

[注 释]

① http://unctad.org/en/PublicationsLibrary/wir2015_en.pdf.

② http://finance.ifeng.com/news/corporate/20121009/7120733.shtml