环境规制政策协同对经济高质量发展影响的异质性

卢维学，吴和成，王励文

（南京航空航天大学经济与管理学院，江苏南京 211106）

党的十九大报告指出，“中国经济已由高速增长阶段转向高质量发展阶段”。2018年3月，中央经济工作会议也强调“推动高质量发展，是保持经济持续健康发展的必然要求”［1］。改革开放以来，虽然中国经济发展取得了举世瞩目的成就，但也付出了巨大的生态环境代价。为应对气候变化，遏制环境污染并保证经济高质量发展，中国传统消耗式的发展模式需要向绿色低碳式新的经济发展模式转变，推动文明形态由“工业文明”向“生态文明”转变。当前，面对中国经济增长方式转变与环境治理两方面的制约，不仅需要依靠市场机制有效约束环境污染，还需要政府部门实施相关政策来推动生态环境治理。此外，由于环境规制政策的多领域性和复杂性，过分强调使用单一政策会影响环境治理效果。政策间的相互掣肘和抵触现象，同样会降低环境治理效果，不利于经济高质量发展。因此，协同使用多种政策就成为促进经济高质量发展的必然与必须［2-3］。这就要求政府在设计和实施环境治理机制时需综合考虑不同政策对经济高质量发展的影响，兼顾环境治理和其他增长目标的协调推进［4］。然而，目前多重政策协同对经济高质量发展的影响如何？政策组合的效果如何？在不同经济高质量发展水平地区，政策协同对经济高质量发展的影响是否存在异质性效应？相关研究甚少。厘清并回答上述问题，不仅有助于优化政策体系，提高政策效率，对环境治理和经济高质量发展也具有重要的现实意义。

1 文献综述

目前，对环境规制政策的研究主要以命令型政策与市场激励型政策为主［5］，且认为政策的作用效果不一致。如，从社会福利和投资效率角度，Rozenberg等［6］认为市场激励型政策更具优势。同样，Baumol等［7］认为在实现相同减排目标时，市场激励型政策具有更高的经济效率。但Borras等［8］认为，行政命令型政策更具有确定性和可操作性。从环境治理效果角度，虽然已有文献利用因子分析、聚类分析、DEA等方法评估这两种政策的利与弊，但发现这两种政策并没有严格的优劣之分，只是在不同的发展环境需要灵活选择合适的政策［9-10］。此外，李冬琴［11］认为多种政策组合使用能够提高效率。

针对环境规制政策对经济增长的影响研究，学者们主要从规模与质量两个方面进行探讨，主要有两种观点：一种是“遵循成本说”［12］，另一种是“创新补偿说”［13］。学者们也从实际应用进行了证实［14-15］。此外，还有一些学者认为环境规制政策对经济增长的影响是非线性的，如熊艳［16］发现它们之间的关系呈“U”形变化；王洪庆［17］从人力资本视角发现它们之间存在显著的“门槛”效应；何兴邦［18］从绿色与社会福利视角研究发现环境规制有利于经济增长质量的改善；陶静等［19］研究认为环境规制强度对经济增长质量具有显著的促进作用，且在分维度指数上存在明显差异。

针对政策协同研究，多数学者从政策协同的稳定性及协同程度进行分析。Chen等［20］发现美国州际可再生能源政策组合的协同程度较低，存在较大的提升空间。Goel等［21］发现OECD成员国现有的复杂环境政策体系在政策执行和最终实际效果之间缺少协同效应。张国兴等［22］认为随着各级政府对节能减排的日益重视，节能减排政策数量在逐渐增多，但政策总效力在逐渐下降，其协同程度也较低。朱光喜［23］认为政策协同能有效避免政策间的“外部性”，降低政策执行成本，并将政策效应最大化。然而，目前关于政策协同的研究主要集中于探讨政策协同的内涵、重要性、优越性等问题，较少关注政策内容本身或政策目标实现程度上的协同效果以及不同政策实施于同一主体后的影响。

综上所述，虽然现有研究对政策与经济增长规模、速度与质量等之间的关系进行了多方面的探讨，但大多从单一政策视角开展研究，缺乏多重政策的协同性研究。作者从经济高质量发展视角研究多重政策的协同效果及异质性效应，为中国宏观经济与环境政策的制定提供参考。

2 研究方法

2.1 随机森林变量选择

变量选择在分类与回归模型中是关键问题，常见的方法有赤池信息准则（Akaike Information Criterion，AIC）、贝叶斯信息准则（Bayesian Information Criterion，BIC）等，但这些方法都存在适用条件苛刻、结果不稳健与过拟合等缺点。随机森林算法能够克服这些不足。随机森林是Leo Breiman［24］于2001年提出的基于决策树的集成学习算法，其优点为不需要假设数据产生于特定模型，对多重共线性不敏感，调节的参数少，对数据的异常值和噪声具有很好的容忍度，可以评估自变量的重要性，据此可对变量进行筛选。

随机森林算法两个重要参数分别为：ntree和mtry。ntree表示决策树数目，在实际应用中ntree需足够大，以便模型能提供稳定、可重复的结果；mtry表示每个节点选取的预测变量个数。在分类问题中，mtry通常设定为自变量总个数的平方根或者是总个数的1/3，当变量个数小于3时，mtry取1。随机森林变量选择步骤［25］为：①根据自变量个数确定mtry值；②根据假定的ntree初始值与mtry值构建随机森林，获得袋外数据（OOB）误差，并在基础上绘制误差曲线图，寻找合适的ntree值；③利用变量的重要性对自变量进行筛选。

2.2 惩罚面板分位数回归

分位数回归由Koenker等［26］首次提出，该方法不仅能度量自变量对因变量分布中心的影响，还能度量自变量对因变量整个分布的影响，且不需要对模型的随机扰动项做任何分布假设，回归估计量具有大样本性质。此外，该方法不仅能够充分考虑异常值的影响，还有对异方差影响较小等优点。然而，传统分位数回归无法处理面板数据不可观测的个体特异性，面板分位数回归的发展弥补了这一缺陷，并得到广泛应用［27］。但该方法在模型协变量较多时效率较低，针对这一问题，Koenker［28］提出惩罚面板分位数回归，通过加入惩罚因子来提升参数估计效率。该方法通过求解最小化问题

获得βτ的第τ分位点估计：

其中：i表示区域个数（i=1，2，…，N），t表示每个地区的观测个数（t=1，2，…，T），k表示分位数个数（k=1，2，…，K）。x代表自变量矩阵，ρτk为分位损失函数，ωk为第k个分位点权重。ωk的选取与Alexander等［29］的研究保持一致。λ为调整参数，旨在降低个体效应差异，提高β的估计精度。对此，参照Damette等［30］的研究，取λ=1。

3 研究设计

该研究按照图1的思路展开：首先，为着重检验“政策协同”成效，将“政策协同度”及其平方项引入模型（4）；其次，利用随机森林算法对变量进行筛选，并分别从定量与定性角度分析变量的基本情况，以确保模型设定准确；最后，利用惩罚面板分位数回归对模型（3）与（4）求解，并对结果进行分析，给出政策建议。

图1 研究设计

3.1 计量模型构建与变量测度

3.1.1 模型构建

为探讨环境规制政策协同（environmental regulation policy synergy，ERS）对经济高质量发展（high-quality economic development，HED）影响的异质性，在柯布-道格拉斯（Cobb-Douglas，C-D）生产函数框架基础上引入政策协同变量。模型形式为：

考虑到政策协同对经济高质量发展可能存在非线性影响，在模型（3）基础上加入政策协同平方项。式（3）变为

其中：i、t分别代表地区和时间，αi、ηt、εit分别代表地区个体效应、时间效应和随机扰动项；β0τ为常数项，β1τ、β2τ分别代表政策协同度及其平方项的弹性系数，β3τ为劳动产出弹性系数，β4τ为资本产出弹性系数；Z为其他控制变量矩阵；φ为相应变量弹性系数矩阵。HED为被解释变量，ERS为核心解释变量。此外，分别对β1τ，β2τ的实际意义进行设定：①当β1τ＜0、β2τ＞0时，表明ERS对HED的影响呈“U”型态势；②当β1τ＞0、β2τ＜0时，表明ERS对HED的影响呈倒“U”型态势。

3.1.2 变量测度

（1）经济高质量发展综合指数。针对HED综合指数的测度，参考魏敏等［31］、师博等［32］的研究，选取分项指标构建HED综合评价指标体系，利用变异系数法［33］与熵权法［34］计算各级评价指标权重，最后计算HED综合指数。具体步骤为：

1）为消除量纲的影响，运用极差法对各指标进行标准化。

其中：i、j、t分别表示区域、测度指标、年份；Xijt和Yijt分别表示原始数据与标准化后的HED测度指标值；max(Xijt)和min(Xijt)分别表示Xijt的最大值与最小值。

4）计算经济高质量发展综合指数（由于数据较多，在此未列出，备索）。

（2）环境规制政策协同度。针对政策协同度，一方面选择合适的环境规制政策：政策1参考原毅军等［35］的做法，以单位工业增加值的环境税征收衡量市场型政策；政策2参考胡志高等［36］的做法，以单位环境污染排放量的治理投资额衡量另一市场型政策；政策3参考姚瑶［37］的做法，以环境保护系统管理人员数衡量命令控制型环境政策。另一方面，参考徐海峰等［38］的研究，使用耦合协调度模型计算政策协同度。考虑到目前各级政府都没有对各个政策的重要性进行排序，因此在计算不同政策组合的协同度时分别假定各个政策的重要性是等同的。所有变量的具体形式及衡量方法见表1。

表1 变量名称及符号

3.2 数据来源与描述性分析

基于数据的可获得性与计算口径的一致性，选取中国30个省2000—2019年数据作为样本，研究未涉及港澳台及西藏。所有数据均通过《中国统计年鉴》《中国环境统计年鉴》、地方统计年鉴及统计公报等整理计算得到，部分缺失数据采用GM（1，1）［40］及二分法进行补全，并对部分变量进行对数处理，以降低异方差的影响。此外，为消除量纲的影响，对所有变量进行标准化处理。表2汇报了变量的描述性统计。

由原始数据及表2可知，各省变量存在明显差异。例如：对于HED，2019年北京达到0.941 8，处于所有省份的最高水平；宁夏只有0.5717，为最低水平，且低于2015年各省平均水平0.592 9。对于ERS，2019年处于最高水平的是北京，达到0.786 9；最低为福建，仅0.219 0。

表2 描述性分析

4 计量模型检验与结果分析

4.1 随机森林变量选择

一般而言，模型自变量间具有较低相关性，且对被解释变量的影响具有较高重要性。然而，表3显示lnTEI与lnFDI存在高度相关。为解决这一问题，先利用随机森林算法对自变量的重要性进行筛选。由于自变量个数为11，故取mtry=4，并假定ntree=1 000，构建随机森林，获得袋外数据误差。通过袋外误差曲线图（图2）发现，当ntree=600时，误差值基本稳定，故取ntree=600。进一步利用随机森林算法对自变量在模型（4）中的重要性进行验证，重要性程度结果见图3。图3左边为各变量相对重要性图，右边为节点纯度图。从图3可知，lnTEI对HED的影响最大，lnF次之，而lnFDI和IS对HED的影响较小。综合分析，变量lnFDI和IS被剔除。

图2 误差曲线图

图3 各因子相对重要性和节点纯度

表3 相关系数矩阵

4.2 平稳性、协整与多重共线性检验

为避免模型出现“伪回归”，分别利用LLC检验、IPS检验和Fisher-ADF检验方法对变量进行单位根检验。表4结果表明，所有变量的原序列不平稳，一阶差分序列平稳，即一阶单整。该结果已满足协整检验的前提条件，为此对变量之间是否存在均衡的协整关系进行单位根检验。表5表明被解释变量与解释变量间都存在稳定的均衡关系。因此，实证过程仍可采用原序列进行分析。此外，通过计算可知，各个解释变量的方差膨胀因子（Variance inflation factor，VIF）VIF值均小于10，认为各解释变量间不存在多重共线性，这一结果进一步保证了模型构建的有效性。

表4 面板数据单位根检验

表5 面板数据协整检验

4.3 结果分析

处理面板数据，通常需要消除个体效应以减少待估参数个数，从而有效避免模型“附带参数”问题［41］。为考虑不同政策组合对经济高质量发展的异质性影响，将模型（3）中的政策协同度分别用ERS、ERS12、ERS13、ERS23代替，并对其求解。为提供在经济高质量发展不同分位点的完整描述，将分位点分别取值为0.1～0.9，间隔为0.1。

从不同政策组合下政策协同度的弹性系数变化图（图4）可知，在0.1分位点，政策2与政策3组合的政策协同度对经济高质量发展的影响最大。这可能是由于，在经济高质量发展欠发达地区，为发展地区经济，地方政府大力推动工业建设，对工业污染的治理力度较弱。在其他分位点，3种政策组合的协同效果最优。

图4 不同政策组合的协同效果

为考虑政策协同对经济高质量发展影响的异质性，以3种政策组合的协同度ERS为例，利用惩罚面板分位数回归对模型（4）进行求解，具体结果见表6。同时，为了与传统面板均值回归进行比较，表6还列出了固定效应面板回归下的参数估计结果（FE列）。此外，为进一步衡量不同分位点下模型（4）的拟合效果及预测性能，表6还列出了模型（4）的拟合优度R2值和均方误差（MSE）。

由表6可知，各分位点的R2＞0.85，且MSE值较小，表明惩罚面板分位数回归能较好地对模型（4）进行拟合。特别在0.6分位点，R2=0.9952，MSE=0.0147，模型拟合效果最优。从解释变量的显著性来看，除了0.1～0.5，0.8分位点下lnF，0.1、0.2分位点下EDU，0.9分位点下POP；0.1～0.5，0.9分位点下的UR，0.8、0.9分位点下的lnP；0.1分位点下的lnTEI不显著，其他情形均通过10%显著性检验，且弹性系数间存在显著差异。

对于核心解释变量。①总体看，政策协同对经济高质量发展具有显著的非线性影响，呈“U”形态势，即随着政策协同度的不断增大，经济高质量发展程度呈“先降后升”的趋势。②从各分位点看，政策协同对经济高质量发展的影响存在明显的区域异质性，即在经济高质量发展较低分位点处，政策协同变量的弹性系数较小；在较高分位点处其弹性系数较大。此外，基于政策协同对经济高质量发展影响的“U”形变化，计算了各个分位点下政策协同的对称轴、政策协同度各分位点的值，以及它们之间的距离，结果报告见表6。从表6可知，在经济高质量发展的0.1分位点处，ERS的值在对称轴左侧，未到达“拐点”，即当下政策组合的协同度较低，一定程度抑制地区经济高质量发展。然而，其他分位点处ERS值均在对称轴右侧，且随着分位点的增加，政策协同度与对称轴的距离越大，这表明现阶段政策组合的协同度能有效促进经济高质量发展。

表6 模型参数估计结果

从控制变量看，lnF的弹性系数在0.1～0.3分位点处为负数，在其他分位点为正。这表明在经济高质量发展水平欠发达地区，工业建设与生活基础设施比较薄弱，现阶段资产仍以投资为主。然而在经济高质量发展水平较发达地区，资本投入越高越促进地区经济高质量发展。对于EDU，其弹性系数均为正，表明受教育程度越高，越有利于经济高质量发展。这也侧面反映教育在社会发展、经济建设中的重要性。对于GS，随着分位点的增大，其弹性系数逐渐减小。这表明在经济高质量发展水平欠发达地区，地区政府会控制财政资金的使用，将资金重点放到经济建设上；在经济高质量发展水平越发达地区，政府越会将财政资源等支出转移到民生建设方面，较少程度对财政资金过多干预与控制。对于POP，其弹性系数在各个分位点均为负，且负向逐渐减小。其中，在0.1分位点负向最大为-0.0819，这表明在经济高质量发展水平欠发达地区，消费性人口比重增加，生产性人口比重减少，抚养负担加重，进一步导致社会收入减少，制约资本形成，从而不利于经济高质量发展；在经济高质量发展水平越发达地区，人民生活水平不断提升，社会对抚养支出的总体比重有所下降，但这并不代表抚养负担支出降低。对于UR，随着分位点的增加，其弹性系数逐渐从负转正，且其值越来越大。这表明在经济高质量发展水平较发达地区，会采取措施吸引大量的农村剩余劳动力，使得劳动力与资源等生产要素发生聚集，吸引企业入驻，促进产业结构调整，增加就业等推动经济高质量发展。对于lnP与lnTEI，弹性系数逐渐减少，这表明在经济高质量发展水平发达地区，创新技术水平较高，依靠传统劳动力发展经济模式已经彻底改变，依靠高新技术产业促进经济高质量发展已成为首选。综上，无论是核心解释变量还是控制变量对经济高质量发展的影响均具有较大差异。

4.4 不同政策组合协同效果对比分析

为进一步分析其他政策组合对经济高质量发展影响的异质性，重复上述过程，结果报告于表7。从表7中不难发现，其参数估计结果与上述结果一致。

表7 不同政策组合的协同效果

4.5 稳健性分析

采用三种不同的方式对模型的稳健性进行检验。一是对惩罚面板分位数回归中的惩罚项进行调整，在此参数分别取λ=0.9，λ=1.5，λ=2；二是在计量模型（3）与（4）的基础之上加入对外开放水平变量（lnFDI）；三是考虑到环境规制政策对经济高质量发展的影响可能存在内生性，采用工具变量面板分位数回归（IVQR）［42］进行检验。其中采用ERS的二阶滞后项作为ERS的工具变量，利用该方法对模型（3）与（4）进行求解，具体结果见表8。表8显示各个组合下政策协同度均对经济高质量发展具有显著的正向影响。此外，通过与图4对比也发现，各组合下核心解释变量的弹性系数符号均一致。综上，无论是改变λ取值、加入对外开放变量，还是IVQR方法，核心解释变量的符号及显著性均未发生明显变化，且系数变化程度较小，即模型（3）、（4）的参数结果均具有较好的稳健性（由于篇幅限制，前几种方法结果未列出，备索）。

表8 基于工具变量面板分位数回归的稳健性检验

5 结论与政策建议

该研究首先以“五大发展理念”为指导构建经济高质量发展指标体系，提出熵权法与变异系数法相结合方式测算经济高质量发展综合指数；其次，基于变量的重要性，利用随机森林算法对变量进行筛选；最后，利用惩罚面板分位数回归探讨了政策协同对经济高质量发展影响的异质性。结果表明：政策协同对经济高质量发展影响具有明显异质性。①在经济高质量发展水平0.1分位点，政策2与政策3组合的协同效果最优；在其他分位点处，3种政策组合的协同效果最优。②政策协同整体上显著促进经济高质量发展，且存在“U”形变化。③在经济高质量发展水平欠发达地区，政策协同的产出弹性值未越过“拐点”，其结论支持“遵循成本说”；然而，在经济高质量发展水平较发达地区其产出弹性值均越过“拐点”，结论支持“创新补偿说”。

基于以上发现，为进一步促进经济高质量发展，提出几点建议：第一，因地制宜选择环境规制政策，避免政策趋同造成的不利影响。为促进地区经济高质量发展，在经济欠发达地区应该实施相对较为宽松的环境规制政策，经济较发达地区实施较为严格的环境规制政策，并且要避免经济发达地区的工业企业向经济欠发达地区转移，造成“污染避难所效应”。第二，避免不同政策间的相互掣肘，促进政策间的协同。基于不同政策组合对不同地区经济高质量发展的影响差异，政府相关部门在颁布与实施相关环境规制政策之前，应该加强政府部门间的合作，避免政策间的相互掣肘，促进政策间的协同，同时也能够降低政策执行成本。此外，地方政府应根据经济发展需求和当前环境状况，积极调整政策组合，不断提高政策协同度，提升政策组合效率，突破“拐点”，有效提升地区经济高质量发展。第三，不断积累人力资本，缩小地区经济差距。经济高质量发展欠发达地区应结合自身特点，充分发挥地方特色，吸引人才就业与企业入驻，不断积累劳动与资本，缩小地区间的差距，实现地区经济均衡发展。第四，降低抚养比，大力推动老龄产业发展。随着中国人口结构转变，人口老龄化的加剧，导致劳动年龄人口下降、人口红利逐渐消失。对此，政府需要制定各种措施提升地区生育水平，大力推动老龄产业发展，充分挖掘老年群体潜力，努力实现从“人口红利”向“人才红利”转变，从而有效促进经济高质量发展。

该研究为经济高质量发展的环境规制政策协同异质性效应研究提供了一个经验证据，但这只是一个初步研究，还有待做进一步深入分析。第一，经济高质量发展是一个涉及多维度因素的综合指标，而现有测算方法均存在优缺点，因此，如何更精确测度经济高质量发展水平是今后进一步的研究方向。第二，诸多学者对环境规制政策的选择千差万别，如何高效率选择适宜地区经济高质量发展的环境规制政策也是进一步研究的重点。