环境规制对工业绿色发展的影响及调节效应——来自差异化环境规制工具视角的解释

闫 莹，孙亚蓉，俞立平，展婷变

（1.中北大学经济与管理学院，山西太原 030051；2.浙江工商大学统计与数学学院，浙江杭州 310018；3.中北大学，山西太原 030051）

1 研究背景

《2018 全球环境绩效指数》报告显示我国的环境绩效排名在全部参与排名的国家中始终处于较为靠后的位置，空气质量方面更是排在倒数第4 名［1］。此外，能源供需矛盾加剧、经济发展的粗放格局难以维持等种种问题已成焦灼态势。面对能源与环境的双重压力，我国政府颁布实施了一系列差异化的环境规制工具，以此来强调绿色经济发展的重要性。而工业作为我国经济发展的主导产业，同时也是能源消耗与污染排放量占全社会总能耗、总排放量70%以上的产业，其绿色发展决定了我国绿色技术及绿色经济的发展水平。

绿色全要素生产率作为考虑能源和资源消费的投入产出率，是政府制定长期可持续增长政策的重要依据，引领我国绿色经济的发展。用工业绿色全要素生产率指标来衡量工业绿色发展，进而探讨在经济持续增长与降低污染排放的双重压力之下，作为被动实施的差异化环境规制工具会从时间和规制强度两方面如何影响并调节我国工业绿色发展？政府又该如何充分利用好各类环境规制工具对工业绿色发展的影响及调节作用？这些问题的进一步探讨对于政府推动工业在经济与环境之间实现双赢具有重要的现实意义。故此，本文基于SBM-ML 指数法测算出的工业绿色全要素生产率表征工业绿色发展水平，借助面板门槛及面板向量自回归模型分别探讨差异化环境规制工具对工业绿色发展的影响及调节效应。

本文可能的创新点在于：一是将环境规制工具细分为命令控制型、市场激励型和公众自愿型3 种类型，从时间和规制强度两个维度出发，通过构建面板门槛及面板向量自回归模型来探讨差异化环境规制工具对工业绿色发展的影响及调节效应，有助于政府更为有效地实施各类环境规制工具；二是基于经济与环境协调发展的现实需求，以工业绿色全要素生产率指标来衡量工业绿色发展，揭示差异化环境规制工具对工业绿色发展的不同影响结果，有助于为我国工业绿色发展寻找高效的环境规制工具组合。

2 文献概述

2.1 环境规制工具类型划分

作为环境经济学热点之一的环境规制问题广泛存在于目前的学术研究中，但工具类型的划分却不尽相同，主要倾向于以下几种：其一，将环境规制视为一个整体或仅划分为命令控制型规制工具类型进行研究。其中：张娟等［2］将环境规制视为一个整体，采用污染治理投资总额与工业总产值的比值，即单位工业产值治理成本来度量环境规制强度，以此论证环境规制与工业绿色技术创新之间的关系；吴传清等［3］亦将环境规制视为一个整体，采用工业化学需氧量、工业SO2去除率及工业固体废弃物综合利用率来展现环境规制对长江经济带工业绿色生产率的影响效果；张艳云等［4］则仅将环境规制划分为命令控制型规制工具，用能源环境政策数进行表征后探讨其与我国工业企业创新能力之间的关系。其二，将环境规制划分为命令控制型与市场激励型两种规制工具类型进行研究。其中：高苇等［5］分别用采矿许可证批准登记发证数及为恢复矿山环境所投资金与环境污染治理投资总额的比值来衡量两种环境规制工具的强度，以此研究不同环境规制工具对矿业绿色发展的影响；申晨等［6］亦选取环保法规、行政规章及环境标准数衡量命令控制型规制强度，以排污费及试点城市开始设立实施排污权交易平台的时间虚拟变量反映市场激励型环境规制工具，进而探究环境规制与工业绿色转型之间的关系。其三，将环境规制划分为命令控制型、市场激励型与公众自愿型3 种规制工具类型进行研究。现有文献主要采用污染事件的媒体曝光率、议会选举的投票率等指标对公众自愿型环境规制工具进行表征［7］；限于数据的获取，Pargal 等［8］尝试选取收入水平、受教育程度、人口密度和年龄结构等指标来构建用于衡量公众自愿型环境规制工具的综合指标；Xie 等［9］亦是采用受教育程度及环境污染投诉指标进行衡量。但这些指标的选取并不能很好地反映公众自愿型环境规制工具的强度。

2.2 环境规制与生产率

作为产业领域饱受关注的生产率问题一直是衡量产业发展的重要指标。近年来，环境规制与生产率之间的相互关系引起了学术界的高度关注并形成了3 种不同的观点：其一，认为环境规制政策的落实会使企业生产成本增加，进而与生产率之间形成制约关系。如：Korhonen 等［10］以北欧的硫排放为例探讨了环境规制与造纸行业之间的关系，表明严格的规制利于生态，但长远来看，硫排放规制政策的实施不利于造纸行业竞争力的发展；Barbera 等［11］更是得出美国七八十年代生产率的明显下降是环境规制所致。其二，认为环境规制会通过诱导企业创新进而与生产率之间形成双赢关系。其中：Jorge 等［12］在西班牙中小企业之间验证了环境规制与创新补偿效应关系的存在；Costa-Campi 等［13］则在西班牙制造业部门之间得出环境规制政策是创新研发投资的驱动因素；Chakraborty 等［14］更是在印度皮革和纺织行业内发现有力证据。其三，认为环境规制与生产率之间的关系还会受诸多外界因素的干扰，进而两者之间形成不确定的关系。其中：冯志军等［15］基于我国2008—2015 年省际面板数据得出环境规制与我国区域经济绿色增长之间的关系因环境规制类型和区域的不同而表现出一定差异；刘章生等［16］发现环境规制与绿色技术创新之间具有“创新补偿”和“遵循成本”两个不同方向的效应；Rubashkina等［17］以1997—2009 年间欧洲17 个国家的制造业为研究对象，考察了“波特假说”的弱、强两个版本后发现环境规制对创新活动的产出具有不确定性，进而导致环境规制与生产率之间具有不确定的影响关系。

基于已有的文献研究发现：第一，当前有关环境规制工具分类与产业发展的研究极少考虑公众参与环境规制政策实施的因素，均倾向于将环境规制看作一个整体，亦或是将其分为命令控制型和市场激励型两种工具类型进行研究；第二，现有环境规制与生产率间的文献研究并未形成统一观点，且多为生产率或全要素生产率的研究，较少涉及能源需求与资源约束背景下的绿色全要素生产率。

综上，本文将采用SBM-ML 指数法测算工业绿色全要素生产率，以此来衡量我国工业绿发展水平，进而借助面板门槛模型，利用细分后3 种差异化的环境规制工具着重分析其具体的规制强度分别对工业绿色发展的影响效应，同时，采用面板向量自回归模型进一步探究差异化环境规制工具对于工业绿色发展的动态调节效应，探讨时间轴上各类环境规制工具对工业绿色发展的冲击力度和延续模式，进而提出相应的对策建议。

3 模型构建及变量选取

3.1 模型构建

3.1.1 SBM-ML 指数模型

本文选择能够恰当处理非期望产出的SBM 模型并构建相邻参比Malmquist 指数模型来测算我国不同省份工业绿色全要素生产率指数（GTFP），以此来考察不同省份工业绿色发展的变化情况［18-21］。假定规模报酬可变，将每个省份规模以上工业企业作为一个决策单元，每个决策单元都存在L种投入种 期望产出种非期望产出则省份i在第t年所包含的期望产出和非期望产出的非径向、非角度SBM 方向性距离函数为：

进而，引入跨期动态的概念，借鉴几何平均值思路，构建t与t+1 连续两年参比的SBM-ML 指数。其中，基于Malmquist 方法的工业绿色全要素生产率指数（GTFP）又可以进一步分解为技术效率指数（Ec）和技术进步指数（Tc）。公式如下：

3.1.2 门槛回归模型

为避免人为划分环境规制强度区间对相关研究造成的结果偏差，本研究采用面板门槛回归模型对差异化环境规制工具与工业绿色发展之间的非线性关系进行门槛效应检验［22-23］，并通过自动识别样本数据，捕捉不同类型的环境规制工具对工业绿色发展的门槛特征，以此探讨差异化环境规制工具在具体规制强度方面对工业绿色发展的影响效应。

鉴于差异化环境规制工具对工业绿色发展存在非线性特征，为避免模型存在内生性问题，本研究分别设定命令控制型、市场激励型及公众自愿型的环境规制工具为门槛变量对最优环境规制强度进行检验。同时，考虑到差异化环境规制工具对工业绿色发展的影响可能存在一个或若干个门槛，跨越不同的门槛值后环境规制工具对其影响可能不同，因此本研究分别建立单一、双重及三重门槛模型，具体如下：

式（4）（5）（6）中：I为门槛示性函数；为门槛变量，分别为3 类差异化的环境规制工具；为具体的门槛值；Control 为一组会对工业绿色发展产生影响的控制变量，本文选取的控制变量有产业规模、产权结构、外商投资、对外开放、研发强度及基础设施6 种。

3.1.3 面板向量自回归（PVAR）模型

PVAR 模型具有识别所有变量均为内生变量的优点，可真实反映差异化的环境规制工具与工业绿色发展之间的互动及调节关系［24］，故此，本文构建了包含不同环境规制工具与工业绿色发展的PVAR模型，以便进一步研究差异化环境规制工具对于工业绿色发展的动态调节效应，并考察时间轴上各类环境规制工具对工业绿色发展的冲击力度、延续模式及其贡献大小。

3.2 变量选取与数据来源

本文借鉴已有研究成果并结合我国经济发展现状，选取我国环境规制政策自深化稳定阶段至今（2008—2017 年）为本文研究的时间节点［25］。限于数据的获取，以我国30 个省、自治区、直辖市（未包含西藏和港澳台地区）规模以上工业企业为研究对象。选取资本、人力、能源3 种投入指标，总产值及利润2 种期望产出指标，以及废水、废气排放量、固体废弃物产生量3 种非期望产出指标对工业绿色全要素生产率进行测算，具体指标定义如表1 所示。

表1 工业绿色全要素生产率投入产出变量定义

面板门槛及面板向量自回归模型均以工业绿色发展水平作为被解释变量、差异化环境规制工具作为核心解释变量（门槛变量），就影响及调节效应进行回归分析；而控制变量的选取则分别从行业、技术和研发3 个方面选取产业规模和产权结构、外商投资和对外开放以及研发强度指标进行研究；另外，便利发达的交通网络可通过环境基础设施的共享提高工业绿色发展水平，故基础设施也被选取作为本文的控制变量。具体各变量定义如表2 所示。所选数据均来自于《中国统计年鉴》《中国环境年鉴》《中国环境统计年鉴》及《中国工业经济统计年鉴》。

表2 面板门槛及面板向量自回归模型变量定义

4 实证结果与分析

4.1 工业绿色全要素生产率指数测算结果与分析

4.1.1 30 省份工业绿色全要素生产率指数分析

我国30 个省份工业绿色全要素生产率指数及其来源分解如表3 所示。由表3 可知，我国工业绿色全要素生产率整体稳中向好、动力强劲，但动力来源发展不平衡。其中，就30 个省份的平均值来看，工业绿色全要素生产率指数年均增长5.3%，工业高质量转型升级初步成果显著；其分解得到的技术效率指数与技术进步指数呈现出相同的增长趋势，但增长幅度仍有较大差距，分别为年均增长0.2%、5.1%。说明我国工业绿色全要素生产率指标主要依赖于工业产业的技术进步状况，而技术效率指数过于缓慢的增长则表明我国工业产业的技术效率还有很大的提升空间，工业绿色全要素生产率的动力来源急需平衡协同发展。

4.1.2 各地区工业绿色全要素生产率指数分析

由表3 可知1），我国各地区工业绿色全要素生产率呈现出中部、东部及西部依次递减的发展趋势。其中：东部的工业绿色全要素生产率指数增长幅度居中，增幅为6.2%，其分解后的技术进步指数增长6.2%；技术效率指数却仅展现出0.1%的增长幅度，对工业绿色全要素生产率指数的贡献几乎为零；而中部地区则随着中部崛起战略的深化，各省份工业绿色全要素生产率指数表现出极大的增长潜力，展现出超越东部8.5%的增幅，且技术效率指数同步增长1.2%、技术进步指数增长7.4%，更有湖南、江西等省份表现出全国领先的工业绿色全要素生产率指数增长幅度；西部则整体工业绿色全要素生产率指数最低，由于西部相对较差的资源条件不利于工业发展，导致西部地区工业绿色全要素生产率指数仅有2.1%的增幅，其分解后的技术效率指数更是负增长0.4%。

表3 2008—2017 年我国30 省份工业绿色全要素生产率指数及其来源分解

4.2 门槛回归模型估计结果与分析

4.2.1 门槛效应检验

我国差异化环境规制工具的门槛效应检验结果如表4 所示，其中命令控制型与公众自愿型环境规制工具均存在双重门槛，其中前者单一门槛在5%的水平下显著、双重门槛在1%的水平下显著，后者则显示单一门槛在1%的水平下显著、双重门槛在5%的水平下显著；而市场激励型环境规制工具则仅有单一门槛在1%的水平下显著。进一步，本文分别对命令控制型和公众自愿型环境规制工具的双重门槛模型估计结果进行重点分析后得知：命令控制型环境规制工具相应的两个门槛值分别为，其95%的置信区间分别是［0.007，0.012］和［0.008，0.013］；公众自愿型环境规制工具相应的两个门槛值分别为其95%的置信区间分别是［0.001，0.003］和［0.001，0.003］；而市场激励型环境规制工具相应的单一门槛值则为，其95%置信区间为［0.000，0.001］。

表4 2008—2017 年我国差异化环境规制工具的门槛效应检验结果

4.2.2 门槛回归结果分析

根据上述检验结果，对差异化环境规制工具的门槛模型进行回归，结果如表5 所示。

（1）命令控制型环境规制工具对工业绿色发展呈整体倒“U”型的影响趋势。具体来说，当其小于第一个门槛值处于低规制强度时，该变量对工业绿色发展具有负向抑制效应，但不显著；当其越过第一个门槛值处于中等规制强度时，该变量对工业绿色发展的正向影响在1%的显著性水平下大幅上升；当其越过第二个门槛值处于高规制强度时，该变量对工业绿色发展的影响效应则逐步下降趋于零且不再显著。说明命令控制型环境规制工具只有在中等合理的规制强度范围内才会产生最优激励，实现环境与工业发展的双赢。

（2）市场激励型环境规制工具对工业绿色发展的影响趋势与规制强度呈反比。回归结果显示，处于低规制强度区间的市场激励型环境规制工具对工业绿色发展具有1%显著性水平下的正向作用；一旦跨越单个门槛值后，该变量对工业绿色发展的影响效应则在1%的水平下迅速下降、由正转负，呈现出显著的负向抑制作用。说明现阶段过高的市场激励型环境规制强度仍会给工业企业发展带来压力，迫切需要创新驱动企业绿色发展，进而抵消规制成本；此外，相较于其他环境规制工具实现环境与工业发展之间的双赢而言，市场激励型环境规制工具对工业绿色发展的正向影响弹性系数较小，提升空间较大。

（3）公众自愿型环境规制工具对工业绿色发展的影响亦是呈现出倒“U”型的趋势。当公众自愿型规制强度处于低规制强度范围时，其对工业绿色发展具有负向抑制作用，但抑制幅度小、效果不显著；随着公众自愿型环境规制强度的不断上升、处于中等规制强度范围后，负向抑制作用变为正向激励，且在1%的水平下显著；但当其跨越第二个门槛值处于高规制强度范围后，激励作用大幅减小且效果已不再显著。说明目前伴随我国公民环境意识的提升，工业绿色发展亦呈现出良好的发展态势。此外，三阶段内公众自愿型环境规制工具对工业绿色发展影响的弹性系数均小于命令控制型，说明目前我国公众自愿型环境规制工具对工业绿色发展的影响力还有待提升。

表5 2008—2017 年我国差异化环境规制工具门槛效应估计结果

4.3 PVAR模型结果与分析

4.3.1 平稳性检验

本文采用LLC 检验、ADF 检验和PP 检验的方法对面板向量自回归模型所选变量进行了单位根检验，结果见表6 所示，所有变量均在经过一阶差分以后全部显著，表现出良好的平稳性，从而确保了面板模型估计结果的有效性。

表6 2008—2017 年我国30 省份面板向量自回归模型变量的单位根检验结果

表6 （续）

4.3.2 脉冲响应函数分析

为了进一步考察差异化环境规制工具对于工业绿色发展的动态调节机制，本研究对各环境规制工具施加一个正的标准差冲击，探讨工业绿色发展的具体变化，差异化环境规制工具的脉冲响应函数结果分别如图1 至图3 所示。

（1）给予命令控制型环境规制工具一个正的冲击，工业绿色发展在当期就迅速增长至第2 期达到正峰值，随后经历下滑，正向效应减小至负值，在第5 期时又开始缓慢上升至第6 期后轻微下降，直至第9 期趋于稳定。这与门槛效应检验结果一致，反映出命令控制型环境规制工具对于工业绿色发展具有前期正向波动，短期内与受冲击变量变化相反的影响特征说明命令控制型环境规制工具对工业绿色发展具有较灵活的短期正向调节作用，进而使工业绿色发展在较短的时期内迅速变化，但后期影响变动甚微。

（2）给予市场激励型环境规制工具一个正的冲击，工业绿色发展在中前期缓慢上升至第4 期达到正峰值，随后经历先显著减小再缓慢下降直至第9期趋于稳定，这与门槛效应检验结果一致。这反映出市场激励型环境规制工具对于工业绿色发展具有长期持续稳定的正向调节作用，对工业绿色发展的结构和因素具有很好的长期矫正作用，进而调整工业绿色发展的增长方式，使其达到近似合理的状态，最后达到两者的和谐发展。

（3）给予公众自愿型环境规制工具一个正的冲击，工业绿色发展迅速下降至第2 期达到负峰值后快速上升，呈“V”型影响趋势，在第5 期时转负为正缓慢上升，随后轻微下降至第9 期达到平稳。这与门槛效应检验结果一致，反映出公众自愿型环境规制工具对工业绿色发展具有前期负向波动、短期内与受冲击变量变化一致的影响特征，说明公众自愿型环境规制工具对工业绿色发展具有不同于前两种工具的短期负向调节作用，且调节幅度大、作用显著，对于短期内调节工业绿色发展具有举足轻重的地位。

图1 命令控制型环境规制工具脉冲响应函数

图2 市场激励型环境规制工具脉冲响应函数

图3 公众自愿型环境规制工具脉冲响应函数

4.3.3 方差分解结果分析

为了更加准确地探讨差异化环境规制工具与工业绿色发展之间相互影响的程度，本文采用方差分解的方法进一步比较了不同环境规制工具对于工业绿色发展的贡献程度。工业绿色发展的方差分析结果表明（见表7）：工业绿色发展主要受自身的影响，自身的方差贡献率在其中占据绝对重要的地位，而3 类环境规制工具对工业绿色发展的贡献依次为公众自愿型>命令控制型>市场激励型。具体来看，命令控制型与市场激励型环境规制工具对工业绿色发展的贡献率随预测期的增加而逐渐上升，且命令控制型的上升幅度相对较大；而公众自愿型环境规制工具却随预测期的增加呈现出先增后减的贡献率。

表7 2008—2017 年我国工业绿色发展的方差分解结果

5 结论与建议

本文基于我国环境政策深化及稳定成熟阶段（2008—2017 年）的省际工业面板数据，采用SBM-ML 指数法测算出的工业绿色全要素生产率表征工业绿色发展水平，分别借助面板门槛模型和PVAR 模型，从规制强度和时间维度两方面探讨了差异化环境规制工具对工业绿色发展的影响及动态调节效应。具体分析后得出以下结论：（1）不同环境规制工具对工业绿色发展的影响效应不同。其中：命令控制型与公众自愿型环境规制工具对工业绿色发展的影响趋势一致，即随规制强度的增加呈倒“U”型，但前者影响更大；市场激励型环境规制工具对工业绿色发展的影响趋势则与规制强度呈反比，且在低规制强度区间的正向影响效应更大。。（2）不同环境规制工具对工业绿色发展的调节效应不同。其中：就短期来看，命令控制型环境规制工具对工业绿色发展的正向调节效应最灵活，而公众自愿型环境规制工具则拥有不同于其他两者的负向调节作用，且调节幅度大、作用效果明显；长期而言，市场激励型环境规制工具表现出持续积极的正向调节效应，而另外两类环境规制工具则呈现出中后期趋于稳定且较小的正向调节效应。（3）从方差分解结果来看，我国现行的差异化环境规制工具对工业绿色发展的贡献依次为公众自愿型>命令控制型>市场激励型。其中：命令控制型与市场激励型环境规制工具对工业绿色发展的贡献率随预测期的增加而逐渐上升，且命令控制型环境规制工具的贡献率上升幅度较大；而公众自愿型环境规制工具的贡献率却随预测期的增加呈现出先增后减的贡献率。

基于以上结论，本文认为我国今后在运用环境规制工具与工业发展政策时应该注意考虑以下几点：首先，依据差异化环境规制工具对工业绿色发展的影响效应实施合理的规制强度。政府应对企业的环境活动和经营状况进行全面、及时的调查，根据最新数据展开实时研究，进而制定更为合理的、适应企业承受成本增加能力的环境规制强度，并做好及时的动态调整。其次，协调运用差异化环境规制工具对工业绿色发展的长短期调节效应。基于目标要求选择合适的规制工具，在实现环境与经济双赢的迫切需求下抓好命令控制型与公众自愿型环境规制工具相反且灵活的短期调节效应，加大惩治力度、及时处理；注重市场激励型环境规制工具长期持续稳定的正向调节效应，稳中求进良性发展，进而找到差异化环境规制工具之间的平衡点，发挥好彼此之间的协调作用。最后，综合差异化环境规制工具建立一个平衡、动态协调的环境规制混合系统。目前我国的环境规制工具对工业绿色发展的贡献程度层次不齐，政府应该致力于结合不同类型的法规政策，如环境标准、可交易的排放、污染税和环境信息披露等建立一个平衡的环境规制混合系统，基于经济战略去刺激和打造工业企业的竞争力。

此外，对于我国现行的差异化环境规制工具之间如何充分协调，进而更好地引领环境与经济的良性发展是接下来需要研究的问题。

注释：

1）参考国家统计局区域划分，表中东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南11 个省（市）；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南8 个省；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆11 个省（区、市）。