跨区域环境协同治理对企业全要素生产率的影响

张家豪,高 原

跨区域环境协同治理对企业全要素生产率的影响

张家豪,高 原*

(中国人民大学农业与农村发展学院,北京 100872)

以2017年“2+26”城市大气污染协同治理为准自然实验,选取2014～2019年沪深两市制造业上市公司数据,利用三重差分法考察跨区域环境协同治理对于企业全要素生产率的影响.研究发现,“2+26”城市环境治理能够有效提高企业全要素生产率,其作用机制来自于企业提高绿色创新能力､环保投资以及研发投入.异质性分析表明,在环保严格执法的地区以及绿色创新能力更强､融资约束较低和国有企业样本中,企业全要素生产率提升作用更加明显.本文的发现为中国进一步推进跨区域环境协同治理具有一定的政策启示.

跨区域环境治理；全要素生产率；“2+26”城市

近年来中国区域间污染传输问题仍旧存在,由于中国实行的是属地管理环境规制体制[1-2],地方政府仅负责本辖区内的环境污染防治,但是污染的流动性与外部性往往形成污染传输[3].工业企业活动作为环境污染的首要因素,部分地方政府在晋升激励下往往忽略了对污染企业的管制[4],这种策略性环境规制导致了污染的行政“边界效应”[5],使得环境政策的效果不尽人意[6],为此必须建立跨地区环境协同治理机制[7].工业污染排放治理是环境政策的重点,所以考察跨区域环境协同治理政策对于工业企业绿色转型升级的影响便具有重要的现实意义.环境规制已成为影响企业生产率､技术创新以及要素配置的重要因素[8],本研究重点便是考察跨区域环境协同治理能否提高企业全要素生产率,并分析其作用机理以及展开异质性分析,这不仅是为跨区域环境协同治理政策的作用效果提供微观企业层面的检验证据,而且对于中国实现环境治理与经济高质量发展具有重要的参考价值.

本研究选取近年来中国较有代表性的一项环境政策——即“2+26”城市环境规制政策作为“准自然实验”,并使用三重差分法实证检验跨区域环境协同治理对于企业全要素生产率的影响.“2+26”城市分布于京津冀及周边地区,工业污染排放､特殊的地理位置以及气候条件使得该地区容易发生污染聚集与转移.相关研究发现“2+26”城市环境协同治理有效改善了区域大气污染水平[9-10],但是跨域协同力度和环保执法力度仍有待加强[11-12].现有研究为跨区域污染协同治理提供了有效的经验证据,但是其多聚焦于考察宏观地区环境污染改善效应[13-14],较少聚焦考察微观企业层面的政策效果,而本研究从企业全要素生产率角度为“2+26”城市环境协同治理提供了更加综合的政策有效性检验.

1 研究设计

1.1 计量模型

1.1.1 双重差分模型 为了检验政策有效性,本研究首先利用双重差分法简要评估“2+26”城市环境协同治理的污染治理效应与环保执法效应.根据某地是否为“2+26”城市,将样本划分为处理组和对照组,其中处理组城市包括北京市和天津市2个直辖市、河北省8个城市、山东省7个城市、河南省7个城市以及山西省4个城市,处理组城市大致分布在空气污染较为严重的京津冀及周边地区.双重差分模型的具体设置见(1)式:

式中:c,t分别表示城市,年份.为城市层面的被解释变量,分别为工业SO2排放量、工业废水排放量以及环保行政处罚案件数.treat为政策分组虚拟变量,当城市属于“2+26”城市时则令treat为1,否则为0.post为政策实施时间虚拟变量,当年份为2017至2019年时post为1,否则为0.表示城市层面的一系列控制变量,包括地方人均GDP及其平方项、外商投资水平、政府财政支出、产业结构与人口密度.m和分别为年份和城市固定效应,误差项聚类到城市层面.在此,本研究主要关注系数1的估计值,其代表“2+26”城市环境协同治理政策的有效性.

1.1.2 三重差分模型 在(1)式的基础上,进一步使用三重差分法来识别“2+26”城市环境协同治理对企业全要素生产率的影响.相比于前述的经典双重差分模型设定,三重差分法进一步纳入行业污染密集度(行业污染属性)的第三重差分,从而排除随时间变化的地区层面不可观测因素带来的偏误影响.例如环境规制主要针对污染行业,通过比较环境规制对于污染行业与其他行业的全要素生产率的变化,可以剔除环境规制外其他政策的干扰影响[23].目前,三重差分法在环境经济学领域得到广泛使用.三重差分模型的具体设置见(2)式:

式中:i,j,c,t分别表示企业,行业,城市,年份.tfp即为企业全要素生产率.treat和post的设置与(1)式相同.ind为行业污染密集度,本研究将其设置为样本最初年份即2014年二位数行业工业SO2排放量占制造业排放总量的比重[24],该数据来自《中国环境统计年鉴》[25].需要指出,部分研究使用的第三重差分为虚拟变量,即企业是否属于重污染行业.而本研究将第三重差分设置为连续型变量[24],这是由于污染密集度更高的行业会面临更高的环境规制力度.和分别为企业以及城市层面的控制变量.和分别为年份和企业固定效应,误差项并聚类到城市层面.本研究在此主要关注1的估计值,其经济意义是“2+26”城市环境协同治理政策实施后企业全要素生产率的变化.如果1的系数为正,则意味着“2+26”城市环境协同治理提高了企业的全要素生产率;反之则降低.

1.2 变量选择与数据来源

本研究使用Levinsohn等[26]提出的LP法计算企业tfp.企业层面控制变量包括:企业规模、资产负债率、资产收益率以及上市年龄.城市层面的控制变量包括环境规制强度、官员特征、地方财政支出以及经济发展水平.其中,借鉴Chen等[27]使用地方政府工作报告中与环境保护有关的词频占比作为环境规制强度的代理变量.主要变量的描述性统计见表1,其中tfp的均值为13.918,标准差为0.859,最大值和最小值分别为16.279和11.972,这表明样本期内企业全要素生产率存在较大差异.

本研究主要使用2014～2019年A股制造业上市公司数据,借鉴文献的处理方式筛选样本企业:(1)删除部分指标缺失的企业;(2)删除ST类企业;(3)删除资产负债率大于1的企业.最终样本包括1342家企业,其中“2+26”城市企业有208家,其他地区企业共1134家.为避免极端值的影响,本研究对连续变量进行上下1%水平缩尾处理.企业数据来自Wind以及国泰安数据库,城市层面数据来自《中国城市统计年鉴》[28].

表1 描述性统计

2 实证分析

2.1 政策有效性检验

如表2所示,“2+26”城市环境协同治理显著降低了区域工业SO2排放总量,对工业废水排放量的影响则不明显,这反映出该政策的实施重点为大气污染治理.使用人均污染排放量作为被解释变量后,上述结论保持不变,所以该政策发挥了污染治理实效.为进一步检验环境执法效应,本研究从北大法宝网站统计了各地方环保行政处罚案件数量,将其对数值和人均值作为地方环保执法强度的代理变量,可以发现“2+26”城市环境协同治理明显提高了地方环保执法强度,所以此次跨区域环境治理是以环境执法“硬约束”为保障.总的来讲,可以认为“2+26”城市环境协同治理起到了明显实效,这也为后文从企业全要素生产率角度检验政策效应提供了证据支持.

表2 政策有效性检验

注:***、**、*分别代表1%、5%、10%的显著性水平.括号内为城市层面的聚类稳健标准误.

2.2 基准回归

使用三重差分法实证检验“2+26”城市环境协同治理对于企业全要素生产率的影响,回归结果见表3.第(4)列中同时控制了企业和年份固定效应, treat_post_ind在1%水平下显著为正,这说明“2+26”城市环境协同治理提高了企业的全要素生产率,所以本研究假说得到验证,即“2+26”城市环境协同治理能够有效提升企业生产技术水平.

血药浓度检测应用反相高效液相色谱法（RP-HPLC）[8]，NAT2检测应用非扩增荧光原位杂交法[9]。

表3 基准回归结果

注:***、**、*分别代表1%、5%、10%的显著性水平.括号内为城市层面的聚类稳健标准误.

2.3 平行趋势检验

使用三重差分法需要满足平行趋势假设,即“2+26”城市环境协同治理政策实施之前,处理组污染企业与对照组污染企业的全要素生产率大致保持相同的变化趋势.本研究使用(3)式对此加以实证检验.以2014年为基准,构建2015～2019年各年份的虚拟变量,并与主回归(2)式中的treat和ind相乘得到交互项.模型的具体设置见(3)式:

(3)

竖线表示95%的置信区间

图1描绘了的估计系数,回归结果表明2015年和2016年的三重交互项系数皆不显著,故平行趋势检验得以通过.另一方面,2017年及之后的绝对值逐渐增大,这说明“2+26”城市环境协同治理对于企业生产率的提升作用随时间推移而逐渐加强.

2.4 稳健性检验

2.4.1 内生性讨论 为解决由反向因果与遗漏变量导致的内生性问题,本研究参考Fu等[29]使用2015年各城市逆温频率ti作为treat的工具变量.表4前两列表明第一阶段回归结果,ti_post_ind的系数显著为正并且值大于10,这表明工具变量的相关性条件得以成立且不存在弱工具变量问题.第二阶段回归结果表明treat_post_ind仍然显著为正.所以工具变量结果仍然支持本研究主要结论,即“2+26”城市环境协同治理能够提高企业全要素生产率.

2.4.2 替换估计方法和ind界定方法 一是使用OP法重新估计[30];二是将2014年SO2排放占比超过1%的行业定义为污染行业且ind取值为1,否则取0.表4第(3)和(4)列结果表明三重差分估计系数仍显著为正,所以经过上述处理本研究结论仍然稳健.

2.4.3 安慰剂检验 为避免遗漏变量带来的选择偏误,本研究参考Cai等[31]随机抽取28个城市作为“伪处理组”,其他城市为对照组,重新进行(1)式的回归估计.重复500次上述过程,图2展示了三重差分系数的核密度分布,其估计系数均值几乎为0,所以可以排除非观测因素的偏误影响,所以企业全要素生产率的提高的确是由“2+26”城市环境协同治理政策导致的.

图2 安慰剂检验

2.4.4 排除同期政策影响 任胜钢等[32]发现SO2排污权交易政策显著提高了企业全要素生产率,该政策影响可能会干扰本研究估计结果,故在此将SO2排污权交易试点的省份样本剔除.表4第(5)列表明三重差分估计系数仍然显著为正,说明SO2排污权交易政策并没有明显干扰“2+26”城市环境协同治理政策对于企业生产率的影响,本研究研究结论仍然稳健.

表4 稳健性检验

注:***､**､*分别代表1%､5%､10%的显著性水平.括号内为城市层面的聚类稳健标准误.

3 机制检验与异质性分析

3.1 机制检验

前文分析表明“2+26”城市环境协同治理能够提高企业全要素生产率,从而验证了“波特假说”,那么这一作用效果的实现机理又是如何?本研究从企业绿色创新､环保投资以及研发投入三个方面展开机制分析.

3.1.1 绿色创新 使用主回归(2)式考察“2+26”城市环境协同治理能否促进企业实现绿色创新,其中被解释变量为企业绿色专利授权量patent(加1后取对数值),相比专利申请量,专利授权量更能够代表企业实际创新能力[23].表5第(1)列中三重差分估计系数为正,虽不显著但值达到0.12,这说明“2+26”城市环境环境协同治理能够提高企业绿色创新水平.同时按照专利类型,本研究进一步将绿色专利划分为绿色发明专利授权量patent1和绿色实用新型专利授权量patent2.第(2)和(3)列结果说明企业绿色发明专利量明显增加,而绿色实用新型专利量变化不明显,这意味着企业为应对严格的环境规制,多选择“实质性创新”而非“策略性创新”[33],追求高质量的发明专利来进行绿色技术改造升级.此外考虑到专利授权存在时滞性,将上述变量滞后一年后结论保持不变.

3.1.2 环保投资与研发投入 在“2+26”城市环境协同治理的环保压力下,企业可能会增加环保投资和研发投入,例如购置减排设备以及进行生产过程的环保升级改造[34].为检验这一作用机制,本研究将企业环保投资与研发投入(皆使用总资产进行标准化处理)作为被解释变量纳入模型(2)进行回归分析,表5最后两列结果说明“2+26”城市环境协同治理促使企业提高了环保投资和研发投入,这为企业绿色技术升级提供了支持,进而有利于企业全要素生产率的提高.

表5 机制分析

注:***、**、*分别代表1%、5%、10%的显著性水平.括号内为城市层面的聚类稳健标准误.

3.2 异质性分析

在识别“2+26”城市环境协同治理对于企业全要素生产率的平均处理效应的基础之上,本研究进一步考察这一政策的差异性影响效果,并主要从地区执法强度等四个角度展开异质性分析,基于主回归(2)式的分样本估计结果见表6.

3.2.1 环保执法强度 按照地方环境行政处罚案件数量中位数分组,将全样本分为环保执法较严地区和环保执法较弱地区.前两列结果显示,在环保执法较为严格的地区,“2+26”城市环境协同治理对于企业生产率的提升作用更加明显.这是因为严格的环境执法是促进环境政策有效实行的必要条件[22],这也再次印证了前文对于政策有效性的分析,即环境执法的“硬约束”保障了“2+26”城市环境政策的治理效果.

3.2.2 绿色创新能力 计算“2+26”城市环境政策实施前各企业的绿色专利授权总量,并按照中位数将样本划分为绿色创新能力强和绿色创新能力弱的企业.第(3)和(4)列结果表明对于绿色创新能力更强的企业,其生产率提升作用更加明显.这是因为企业绿色创新存在路径依赖[35],绿色创新能力越强的企业更容易达到环保要求并提升市场竞争力,从而有利于提高全要素生产率[36].

3.2.3 融资约束 使用SA指数计算企业融资约束水平,并按中位数将样本划分为融资约束高和融资约束低的企业.第(5)和(6)列结果表明“2+26”城市环境协同治理主要提高了融资约束较低企业的全要素生产率,这是因为融资便利的企业拥有更多资源支持,更有可能投资于环保项目并实现技术改进.

3.2.4 企业所有制 按照企业实际控制人将样本划分为国有企业和非国有企业,最后两列结果表明“2+26”城市环境协同治理仅提高了国有企业的全要素生产率,而对非国有企业的影响则不明显.这可能因为国有企业多扮演政府“代言人”的角色并承担更多政策性导向任务[37],其需要承担更多污染减排任务,同时可依赖政治联系获得更多资源支持,所以国有企业更有可能动力与资源支持进行环保改造与生产率提升.

表6 异质性分析

注:***、**、*分别代表1%、5%、10%的显著性水平.括号内为城市层面的聚类稳健标准误.

4 结论与政策建议

跨区域环境协同治理是解决区域污染传输问题的有效方案,对于严格落实环境规制政策、实现环境质量改善与经济绿色转型发展具有重要现实意义.本研究以“2+26”城市环境协同治理为例,使用三重差分法考察了跨区域环境协同治理对于企业全要素生产率的影响.本研究发现,“2+26”城市环境协同治理在降低区域污染排放、提高环保执法强度的同时,能够有效提高企业全要素生产率.这一发现的实现路径在于企业提高绿色创新能力、环保投资以及研发投入.异质性分析显示,在环保严格执法的地区以及绿色创新能力更强、融资约束较低和国有企业样本中,企业全要素生产率的提升效果更为明显.总的来讲,本研究认为跨区域环境协同治理不仅是区域污染减排的可行方案,而且也是地方产业转型升级的重要推手.

根据以上结论,本研究的政策启示如下:第一,“2+26”城市环境协同治理政策发挥减排实效、提高企业生产率的关键,都离不开以环保严格执法的“硬约束”为保障,所以建议在后续跨地区环境协同治理的相关政策安排中,进一步加强跨域环境执法的法律制度建设,统筹协调各地方的环境协同治理工作,加强环境执法的权威性.为此可以进一步探索跨地区环保机构的建设工作,从而确保跨域环境治理工作得到有效推进.第二,跨区域环境协同治理能够推动企业全要素生产率提升,而这一效果依赖于环境规制压力下企业加强绿色创新与环保投资治理,为此地方政府需要加强对绿色技术的研发资金投入,引导企业进行环保改造与绿色技术创新,从而促进全社会实现绿色转型发展.同时,考虑到跨域环境治理中各地方政府的财政能力存在差异,中央政府也需要加大跨域污染防治专项资金的支持力度,重点用于工业污染治理与转型升级等领域.第三,跨区域环境协同治理对企业生产率的影响存在明显异质性,所以在推进跨域污染防治与环保严格执法的过程中,地方政府需要根据企业异质性特点制定差异化且有针对性的环境规制政策安排,实施“一厂一策”的环保治理方案,尤其要加大对融资紧张､技术落后以及非国有企业的资金支持和绿色技术支持力度,杜绝“一刀切”等不合理的管制行为.

[1] 李 静,杨 娜,陶 璐.跨境河流污染的“边界效应”与减排政策效果研究——基于重点断面水质监测周数据的检验[J]. 中国工业经济, 2015(3):31-43.

Li J, Yang N, Tao Lu, et al. Study on the “boundary effect” of transboundary river pollution and emissions mitigation policy impact--An empirical research based on the key monitoring sections’ weekly data [J]. China Industrial Economics, 2015,(3):31-43.

[2] 陈晓红,蔡思佳,汪阳洁.我国生态环境监管体系的制度变迁逻辑与启示[J]. 管理世界, 2020,36(11):160-172.

Chen X H, Cai S J, Wang Y J et al. The institutional and policy logic of the implementation of the environmental protection supervision system in China [J]. Management World, 2020,36(11):160-172.

[3] Markusen J R, Morey E R, Olewiler N. Competition in regional environmental policies when plant locations are endogenous [J]. Journal of Public Economics, 1995,56(1):55-77.

[4] Cai H, Chen Y, Gong Q. Polluting thy neighbor: Unintended consequences of China׳ s pollution reduction mandates [J]. Journal of Environmental Economics and Management, 2016,76:86-104.

[5] Kahn M E, Li P, Zhao D. Water pollution progress at borders: the role of changes in China's political promotion incentives [J]. American Economic Journal: Economic Policy, 2015,7(4):223-42.

[6] 韩 超,孙晓琳,李 静.环境规制垂直管理改革的减排效应——来自地级市环保系统改革的证据[J]. 经济学(季刊), 2021,21(1):335- 360.

Han C, Sun X L, Li Jing et al. Emission reduction effect of vertical management reform in environmental regulation—Evidence from environmental system reform in cities [J]. China Economic Quarterly, 2021,21(1):335-360.

[7] 胡志高,李光勤,曹建华.环境规制视角下的区域大气污染联合治理——分区方案设计、协同状态评价及影响因素分析[J]. 中国工业经济, 2019,(5):24-42.

Hu Z G, Li G Q, Cao J H, et al. Air pollution regional linkage control and prevention from the perspective of environmental regulation--The scheme design, state evaluation and influencing factors analysis [J]. China Industrial Economics, 2019,(5):24-42.

[8] Albrizio S, Kozluk T, Zipperer V. Environmental policies and productivity growth: Evidence across industries and firms [J]. Journal of Environmental Economics and Management, 2017,81:209-226.

[9] 王 恰,郑世林.“2+26”城市联合防治行动对京津冀地区大气污染物浓度的影响[J]. 中国人口·资源与环境, 2019,29(9):51-62.

Wang Q, Zheng S L. Impact of joint prevention and control action on atmospheric pollutant concentration in “2+26” cities [J]. China Population, Resources and Environment, 2019,29(9):51-62.

[10] 毛显强,张庆勇.“2+26”城市治霾方案效果评估:以山东省为案例的研究[J]. 中国人口·资源与环境, 2020,30(3):83-92.

Mao X Q, Zhang Q Y. Evaluation of the effectiveness of “2+26” cities’ haze control scheme: a case study of Shandong Province [J]. China Population, Resources and Environment, 2020,30(3):83-92.

[11] 魏 娜,孟庆国.大气污染跨域协同治理的机制考察与制度逻辑——基于京津冀的协同实践[J]. 中国软科学, 2018,(10):79-92.

Wei N, Meng Q G. Mechanism and institutional logic of cross- regional collaborative governance of air pollution--Based on the cooperative practice of Jing-Jin-Ji region [J]. China Soft Science, 2018,(10):79-92.

[12] 王超奕.“打赢蓝天保卫战”与大气污染的区域联防联治机制创新[J]. 改革, 2018,(1):61-64.

Wang C Y. “Winning the Blue Sky Defense War” and the air pollution regional joint prevention and treatment mechanism innovation [J]. Reform, 2018,(1):61-64.

[13] 赵志华,吴建南.大气污染协同治理能促进污染物减排吗?——基于城市的三重差分研究[J]. 管理评论, 2020,32(1):286-297.

Zhao Z H, Wu J N. Can air pollution collaborative governance promote pollutant emission reduction? --A difference-in- difference-in-difference estimation across cities [J]. Business Review, 2020,32(1):286-297.

[14] 洪 扬,王佃利.京津冀协同治理对区域污染排放的影响研究——基于双重差分模型的实证分析[J]. 软科学, 2021,35(7):51-58.

Hong Y, Wang D L. Research on the impact of Beijing-Tianjin-Hebei coordinative governance on regional pollution emissions--An analysis based on the DID model [J]. Soft Science, 2021,35(7):51-58.

[15] Greenstone M, List J A, Syverson C. The effects of environmental regulation on the competitiveness of US manufacturing [R]. National Bureau of Economic Research, 2012.

[16] Hering L, Poncet S. Environmental policy and exports: Evidence from Chinese cities [J]. Journal of Environmental Economics and Management, 2014,68(2):296-318.

[17] Porter M E, Van der Linde C. Toward a new conception of the environment-competitiveness relationship [J]. Journal of Economic Perspectives, 1995,9(4):97-118.

[18] Lanoie P, Patry M, Lajeunesse R. Environmental regulation and productivity: testing the porter hypothesis [J]. Journal of Productivity Analysis, 2008,30(2):121-128.

[19] Calel R, Dechezleprêtre A. Environmental policy and directed technological change: evidence from the European carbon market [J]. Review of Economics and Statistics, 2016,98(1):173-191.

[20] 徐 佳,崔静波.低碳城市和企业绿色技术创新[J]. 中国工业经济, 2020,(12):178-196.

Xu J, Cui J B. Low-carbon cities and firms’ green technological innovation [J]. China Industrial Economics, 2020,(12):178-196.

[21] 陶 锋,赵锦瑜,周 浩.环境规制实现了绿色技术创新的“增量提质”吗——来自环保目标责任制的证据[J]. 中国工业经济, 2021, (2):136-154.

Tao F, Zhao J Y, Zhou H, et al. Does environmental regulation improve the quantity and quality of green innovation--Evidence from the target responsibility system of environmental protection [J]. China Industrial Economics, 2021,(2):136-154.

[22] Greenstone M, Hanna R. Environmental regulations, air and water pollution, and infant mortality in India [J]. American Economic Review, 2014,104(10):3038-72.

[23] 齐绍洲,林 屾,崔静波.环境权益交易市场能否诱发绿色创新?——基于我国上市公司绿色专利数据的证据[J]. 经济研究, 2018, 53(12):129-143.

Qi S Z, Lin S, Cui J B, et al. Do environmental rights trading schemes induce green innovation? Evidence from listed firms in China [J]. Economic Research Journal, 2018,53(12):129-143.

[24] Shi X, Xu Z. Environmental regulation and firm exports: Evidence from the eleventh Five-Year Plan in China [J]. Journal of Environmental Economics and Management, 2018,89:187-200.

[25] 中国环境统计年鉴 [M]. 中国统计出版社, 2019.

China Environmental Statistics Yearbook [M]. China Statistics Press, 2019.

[26] Levinsohn J, Petrin A. Estimating production functions using inputs to control for unobservables [J]. The Review of Economic Studies, 2003, 70(2):317-341.

[27] Chen Z, Kahn M E, Liu Y, et al. The consequences of spatially differentiated water pollution regulation in China [J]. Journal of Environmental Economics and Management, 2018,88:468-485.

[28] 中国城市统计年鉴 [M]. 中国统计出版社, 2019.

China Urban Statistical Yearbook [M]. China Statistics Press, 2019.

[29] Fu S, Viard V B, Zhang P. Air pollution and manufacturing firm productivity: Nationwide estimates for China [J]. The Economic Journal, 2021,131(640):3241-3273.

[30] Olley G S, Pakes A. The dynamics of productivity in the telecommunications equipment industry [R]. National Bureau of Economic Research, 1992.

[31] Cai X, Lu Y, Wu M, et al. Does environmental regulation drive away inbound foreign direct investment? Evidence from a quasi-natural experiment in China [J]. Journal of Development Economics, 2016, 123:73-85.

[32] 任胜钢,郑晶晶,刘东华,等.排污权交易机制是否提高了企业全要素生产率——来自中国上市公司的证据[J]. 中国工业经济, 2019,(5): 5-23.

Ren S G, Zheng J J, Liu D H, et al. Does emissions trading system improve firm’s total factor productivity--Evidence from Chinese listed companies [J]. China Industrial Economics, 2019,(5):5-23.

[33] 黎文靖,郑曼妮.实质性创新还是策略性创新?——宏观产业政策对微观企业创新的影响[J]. 经济研究, 2016,51(4):60-73.

Li W J, Zheng M N. Is it substantive innovation or strategic innovation?--Impact of macroeconomic policies on micro-enterprises' innovation [J]. Economic Research Journal, 2016,51(4):60-73.

[34] He G, Wang S, Zhang B. Watering down environmental regulation in China [J]. The Quarterly Journal of Economics, 2020,135(4):2135- 2185.

[35] Aghion P, Dechezleprêtre A, Hemous D, et al. Carbon taxes, path dependency, and directed technical change: Evidence from the auto industry [J]. Journal of Political Economy, 2016,124(1):1-51.

[36] Qiu L D, Zhou M, Wei X. Regulation, innovation, and firm selection: The porter hypothesis under monopolistic competition [J]. Journal of Environmental Economics and Management, 2018,92:638-658.

[37] 沈洪涛,周艳坤.环境执法监督与企业环境绩效:来自环保约谈的准自然实验证据[J]. 南开管理评论, 2017,20(6):73-82.

Shen H T, Zhou Y K. Supervision of environmental policy enforcement and firm environmental performance: Evidence from a quasi-natural experiment [J]. Nankai Business Review, 2017,20(6): 73-82.

Impacts of cross-regional environment collaborative governance on the total factor productivity of enterprises.

ZHANG Jia-hao, GAO Yuan*

(School of Agricultural Economics and Rural Development, Renmin University of China, Beijing 100872, China)., 2022,42(9)：4457～4464

The “2+26” cities' environmental coordinated governance is used as a quasi-natural experiment in this study to empirically test the impact of cross-regional environment collaborative governance on the total factor productivity (TFP) of enterprises. And the triple difference method is used to handle the data from manufacturing companies listed in both Shanghai and Shenzhen in the period from 2014 to 2019. We find that “2+26” cities environmental governance can improve firms’ TFP; because such the mechanism promotes firms to enhance their green innovation capabilities, environmental protection investment, and R&D expenditure. Heterogeneity analysis shows that in areas where environmental protection is strictly enforced and those firms with stronger green innovation capabilities and lower financing constraints and controlled by state, the effect of upgrading TFP of firms is more obvious. Therefore, our results and conclusions may provide certain policy enlightenment for the implementation of cross-regional environment collaborative governance in China.

cross-regional environmental governance；total factor productivity；"2+26" cities

X196

A

1000-6923(2022)09-4457-08

2022-02-28

北京市社会科学基金规划项目(21GLB032)

*责任作者, 副教授, hlbbk@163.com

张家豪(1997-),男,山东潍坊人,中国人民大学硕士研究生,主要研究方向为环境经济学.