“十一五”约束性污染控制的企业减排效应

张伟广,冯师钰,韩 超

“十一五”约束性污染控制的企业减排效应

张伟广1,2*,冯师钰1,韩 超3

(1.东北财经大学经济学院,辽宁 大连 116025；2.中国社会科学院工业经济研究所,北京 100006；3.东北财经大学产业组织与企业组织研究中心,辽宁 大连 116025)

依托2006年“十一五”约束性污染控制政策的实施,基于中国工业企业数据与企业污染排放数据的匹配数据库,探究总量控制与约束性的环境规制政策实施对企业减排的影响效果及其作用机制.研究发现:约束性污染控制政策实施后,受规制强度较高的企业SO2和COD的污染排放量分别下降了12.8%、12.1%,该效应经过一系列稳健性检验依然显著;机制分析发现,约束性污染控制实施后,SO2组样本的洁净能源消费量上升0.12%、技术效率提升53.56%,COD组样本洁净能源消费量上升0.14%、技术效率提升56.60%,企业通过能源消费结构的转变和技术效率的提升实现减排.异质性分析发现,国有企业和非国有企业、大规模企业和小规模企业、重污染行业企业和非重污染行业企业以及东西部地区企业在减排效果上均存在显著差异.企业到地理边界的距离与企业污染排放量存在着局部负相关关系.

约束性污染控制；环境规制；企业减排

我国的“十一五”规划首次提出环保目标责任制,将节能和减排的约束性指标与官员政绩考核相结合,在要求单位GDP能源消耗下降的同时,约束性污染控制政策针对污染物减排方面提出了明确的目标要求,规定在2006～2010年间各省份SO2、COD 2种污染物的排放总量下降至少达到10%以上.

环境政策是否有效直接取决于减排效应是否显著,中央提出的绿色发展理念能否转化为政策红利,取决于环境污染主体的应对策略.现有文献对环境规制影响企业减排的效应及其机理进行了深入探讨.关于环境规制的识别及其影响效果,相关学者分别使用企业治污资本投入或政府环境税费投入[1]、地区污染物去除率[2]、或者“两控区”“千家企业节能行动”“环保督查中心试点”[3-5]等制度或政策作为环境规制强度或政策识别,全面探讨了环境规制对经济增长、产业发展、产业结构变迁等方面的作用[6-7],以及环境规制对微观企业带来加重负担的“遵从成本”或促进技术创新的“波特假说”效应[8-11].具体到“十一五”约束性污染控制政策,多位学者研究了约束性污染控制政策出台对行业生产率水平的提升,进而实现资源再配置的效应[12-13],以及对企业绿色技术创新活动数量和质量[14]、污染企业转移[15]、企业减排[16]的影响,而鲜有结合微观企业排污数据,基于“十一五”规划中不同省份面临较大规制强度的结构性差异,考察该政策对企业减排具体效应及机制的探讨.

本文采用双重差分的方法,研究“十一五”约束性污染控制政策的出台对企业产生的减排效应及其作用机制,旨在为约束性污染控制政策的有效性提供现实依据,进一步拓宽我国实现减排任务目标要求的路径,为我国更快实现可持续发展提供政策参考.

1 研究方法

1.1 模型构建

2006年“十一五”约束性污染控制政策的出台,对不同省份规定了不同强度的减排约束,成为良好的准自然实验,为“十一五”约束性污染控制的政策效果检验提供了良好契机,构建计量模型如下:

式中: Emission分别代表企业在第年SO2排放量(kg)和COD排放量(kg),做取对数处理,在2种污染物的具体回归模型中分别表示为SO2_emission和COD_emission;在污染排放控制强度达2倍以上的样本企业中,强度较高的样本被定义为处理组,用Treat=1表示,强度较低的样本被定义为控制组,用Treat=0表示;Time表示政策虚拟变量,若时间在“十一五”约束性污染控制指标出台(2006年)之后,取Time=1,否则取0;交互项系数反映了约束性污染控制出台对企业减排的净效应,是本文关注的重点;是系列控制变量;和分别为控制企业、年份的固定效应;为随机误差项.

1.2 指标说明与数据处理

约束性污染控制的测度,是本文重点关注的解释变量.《“十一五”期间全国主要污染物排放总量控制计划》[17]规定各省污染物减排指标是根据地区经济水平和发展情况进行划分,部分相邻省份的减排约束相差较大,因而本文选择减排目标相差在2倍以上的边界县市作为约束性污染控制的识别标准.最终手工整理结果为:SO2组包含辽宁和吉林、辽宁和内蒙古、河北和内蒙古、山西和内蒙古、陕西和内蒙古、宁夏和内蒙古、河南和安徽、江苏和安徽、浙江和安徽、浙江和江西、广东和福建、广东和江西、贵州和云南、广西和云南、四川和云南、吉林和黑龙江共16个组别,共计113个规制强度较高的县市和105个规制强度较低的县市;COD组包含河北和内蒙古、山西和内蒙古、宁夏和内蒙古、宁夏和甘肃、河南和湖北、江苏和安徽、浙江和安徽、浙江和福建、浙江和江西、广东和福建、广东和江西、广西和云南、重庆和四川、重庆和湖北、陕西和湖北、湖南和湖北、湖南和江西共17个组别,共计121个规制强度较高的县市和124个规制强度较低的县市.

核心被解释变量是企业污染物SO2和COD的排放量,由中国工业企业数据库和企业污染数据库匹配得到.首先以工业企业代码为基准对2个数据库进行匹配;若匹配不上或存在代码重复问题时,其次使用企业名称进行匹配;最后对匹配后的数据库进行整理,去除重复匹配的部分,基于样本年份的重合性,保留得到1998～2012年的数据,而本文研究政策实施于2006年,与数据库年份跨度非常契合.

本文选取以下与企业污染排放量高度相关的变量作为控制变量:(1)企业规模(scale):以企业年末固定资产的对数测度,工业企业的全部要素投入被用来生产产品和减少环境“负产出”,因此企业规模也决定了环境污染处理效率[18];(2)企业年龄(age):以当前年份减企业成立时间加一取对数表示,反映企业改变原有生产模式的难度;(3)企业利润率(profit):以企业利润与资产总计之比表示,反映企业可用于减排的先进技术投入资金;(4)企业融资约束率(debt):以企业负债合计与资产总计之比表示,反映企业用于减排投入所需的融资难度;(5)企业资本密集度(capital):以固定资产合计与从业人数之比表示,反映企业先进技术利用和知识转化程度[19],资本密集型企业更接近技术前沿,更能反映企业减排技术、设备的先进程度.

1.3 描述性统计

表1报告了主要变量的描述性统计结果.

表1 描述性统计

2 基准分析

2.1 基准回归结果

为观测政策实施的宏观整体效果,本文首先对“十一五”约束性污染控制的总量效应进行分析.以样本县域内企业在各年的污染排放量均值表征各区县的年均污染排放量,分别表示为:mean_SO2、mean_COD,作为因变量代入计量模型(1).如表2所示,SO2和COD排放量回归方程的交互项系数均在1%的显著性水平上为负,这说明“十一五”约束性污染控制的实施,使规制强度较高县域的排污量显著低于规制强度较低的县域,宏观层面验证了约束性污染控制政策抑制了工业企业的污染物排放.

接下来,本文从微观企业层面考察其对企业排污产生的影响,被解释变量为企业SO2和COD的排放量,结果如表3所示.第(1)、(2)列给出了约束性污染控制对SO2排放量的回归结果,第(3)、(4)列给出了约束性污染控制对COD排放量的回归结果.其中,第(1)、(3)列控制了个体固定效应和年份固定效应,未加入控制变量,交互项系数均在1%的显著性水平上显著为负,这表明“十一五”约束性污染政策出台后,规制强度较高样本组的SO2排放量相对规制强度较低的样本组降低24.1%;COD排放量相对降低17.0%.第(2)、(4)列在控制了个体固定效应和年份固定效应的基础上,加入了控制变量.回归结果显示“十一五”约束性污染政策出台后,规制强度较高样本组的SO2排放量相对规制强度较低的样本组降低了12.8%;COD排放量相对降低了12.1%,约束性污染控制政策显著降低了微观企业的污染排放水平,具有显著的减排效应.

表2 宏观层面基准回归结果

注:括号内为标准差,***、**和*分别表示在1%、5%和10%的水平上显著,County FE表示控制了地区固定效应,Year FE表示控制了年份固定效应,Observations表示参与回归的样本数量,2表示拟合优度,YES表示回归模型中加入了该变量.下同.

表3 企业层面基准回归结果

注:Firm FE表示控制个体固定效应,下同.

2.2 动态效应分析

为了更精准地检验是否满足平行趋势假设前提,同时改进基准回归结果只能反映“十一五”约束控制对企业污染排放的平均影响而无法检验政策在不同时段内的动态效应问题,借鉴陶锋等[14]的做法,设定“十一五”约束政策实施的前一年(2005)为基准年,构建动态效应模型如下:

式中:参数表示政策实施当年与基准年份的差距,反映了“十一五”约束性污染控制的政策效应.SO2和COD如图1所示:政策实施前回归系数基本不显著,说明基本满足平行趋势前提,没有其他政策和突发事件的干扰.随着2006年约束性污染控制政策的实施,SO2排放量与政策实施前相比有显著的下降趋势,在政策实施第3年开始出现轻微反弹,但很快出现下降.COD排放量与政策实施前相比,具有更显著的下降趋势,且从政策实施后第4年开始,企业污染排放的下降幅度增大.

图1 SO2和COD动态效应

2.3 稳健性检验

2.3.1 倾向得分匹配法 为了提高稳健性,本文分别采用1:1和1:2最近邻匹配法的PSM,对处理组的每一个样本进行最相似特征识别,并将匹配范围设定到每年.表4第(1)、(2)列分别为采用1:1和1:2最近邻匹配法对SO2排放量进行双重差分的估计结果;第(3)、(4)列分别为采用1:1和1:2最近邻匹配法对COD排放量进行双重差分的估计结果.表4的结果显示,经过匹配后的估计结果仍然支持约束性污染政策具有显著减排效果的结论,即无论采用哪种匹配方法,“十一五”规制政策的出台对企业污染排放量均有显著的抑制作用,匹配后样本的DID回归与未经匹配的基准回归结果差异不大.

表4 倾向得分匹配后的基准回归结果

2.3.2 安慰剂检验 除了约束性污染控制政策之外,为排除同期可能存在的外生政策和其他因素的干扰,同时验证不存在其他随机因素导致处理组和控制组之间存在排污量的显著差异,本文假设政策实施时间在2010年.将2010～2012年作为政策干预年重新进行双重差分,回归结果如表5第(1)、(2)列所示,回归结果显示交互项系数均不显著,这表明排污量下降是“十一五”约束性控制政策出台的结果,不存在其他随机因素的干扰.

2.3.3 三重差分 约束性污染控制的影响对于不同的企业而言存在显著的差异[13],由于无法对所有企业展开调查,各地的规制行为可能强调“突出重点”,产生“抓大放小”的影响[9],因此企业污染排放可能存在依赖于规模的组间差异.本文将各年份处理组和控制组企业的生产总值按照顺序排列,以中值为界构造大规模组和小规模组的组别虚拟变量.依赖于生产总值的规模虚拟变量size,在模型中的设定如下:

表5 时间安慰剂检验和三重差分回归结果

2.3.4 排除样本因素干扰 前文在工业企业数据库和工业企业污染排放数据库匹配过程中,由于样本缺失等问题只完成了约50%的匹配,近一半数据的缺失可能会对基准回归结果产生影响,导致回归结果出现偏差.因此,借鉴韩超等[4]的处理方法,仅利用1998～2012年各年工业企业污染排放数据库进行合并、删重处理,稳健性检验利用处理后的污染库数据重新进行基准回归.回归结果如表6所示:第(1)、(2)列分别表示对SO2和COD排放量不加控制变量的基准回归结果,回归系数均显著为负,且与基准回归结果相似;第(3)、(4)列分别表示SO2和COD排放量加入控制变量的基准回归结果,系数回归结果均为负,虽然对COD的回归结果没有通过10%的显著性检验,但值为0.18,基本可以验证“十一五”约束性污染控制政策对企业污染排放的显著抑制作用,不存在样本干扰因素,验证了结论的稳健性.

表6 利用工业企业污染库数据基准回归结果

3 机制分析

3.1 企业能源消费结构的转变

企业转变能源使用结构,是减少对传统能源的使用量,转而使用清洁能源从而降低污染排放量.我国的重工业是煤炭消耗的“大户”[20],随着产业结构的升级和市场化改革的推进,煤炭消费量主要由石油和天然气来替代[21],天然气的能源利用效率高于煤炭,产生的污染也更少[22].

考虑“十一五”约束性污染控制出台对企业减排的机制是否通过能源消费结构升级来实现,用工业企业每年的洁净燃气消费量占企业能源消费总量值gas度量企业能源消费结构的转变率.分别使用SO2减排和COD减排的样本组对洁净燃气消费量进行回归,回归结果如表7第(1)、(2)列所示.交互项系数均在1%的显著性水平上显著为正,其中,SO2样本组企业清洁能源使用率提高了0.12%,COD样本组企业清洁能源使用率提高了0.14%.这表明“十一五”约束性污染控制政策出台之后污染控制强度较高的样本企业积极转变能源结构,减少了以硫化物为代表的传统能源的使用,更多采用清洁能源进行生产.

表7 清洁能源使用和技术效率

3.2 企业技术效率的提升

波特假说认为,合理设计的环境规制政策会激励企业创新,最终提高盈利能力.由于环境政策改变了环境生产因素的相对价格,企业有动力找出节约使用它们的方法[23],因此合理的环境规制政策能够促进企业通过积极提高技术效率水平,降低污染排放量.以单位产出的污染排放量度量技术进步水平,表示为,该值越低,则技术效率水平越高.分别使用SO2减排和COD减排的样本组对企业技术效率回归,回归结果如表7第(3)、(4)列所示.规制政策实施后,SO2样本组企业技术效率水平提高了53.65%, COD样本组企业技术效率水平提高了56.60%.这表明“十一五”约束性污染控制作为环境规制政策重要类型之一,对企业技术效率提升有积极的促进作用,验证了“波特假说”的存在性,也验证了约束性污染控制政策能够通过企业技术效率的提升,作用于企业减排.

4 异质性分析

4.1 企业性质的异质性

表8 不同性质企业减排效应的异质性

国有制企业和非国有制企业在内生压力、工作效率等方面的差异决定了其应对环境政策这种外部冲击时的灵敏反应程度不同[24].因此,根据中国工业企业数据库的企业登记注册类型,将工业企业划分为:国有企业、外资企业、其他企业,探究不同所有制企业应对环境政策冲击时的减排效应差异.表8显示,对国有企业SO2和COD排放量进行回归,回归结果均不显著且交互项系数为正;对外资企业和其他企业SO2和COD排放量的回归结果显示,交互项系数均为负.因此约束性污染控制降低了非国有企业SO2和COD排放量,而并未显著降低国有企业的污染排放量.可能的原因是:国有企业多为政府投资或参与控制,在财政资金支持等方面具有优势,生存压力较小;受行政型治理压力、领导任期限制、工资限制等因素的影响,面对环境规制的压力时很难对技术研发人员进行工资或股权激励,更倾向于渐进性创新.而非国有企业自负盈亏[25],对环境规制带来的技术创新、能源结构转变压力都更为敏感;创新人员的激励机制市场化,更容易产生减排技术的突破性创新,因此减排效果更好.

4.2 企业规模的异质性

减排效果在不同的企业规模间可能存在异质性.分别根据SO2和COD处理组和控制组内样本企业的年末工业产值现值进行排序,将样本划分为大、中、小3个规模等级,并进行分组回归,结果如表9所示:大企业的SO2排放量和COD排放量均显著为负,这表明规制强度较高的大型企业,其SO2排放量在规制政策实施后相对降低了23.7%,COD排放量相对降低了15.8%;而中型企业的SO2排放量和COD排放量在政策实施后分别降低了4.9%和11.5%,但交互项系数均小于大型企业,且减排效果并不显著.可能的原因是:其一,大规模公司污染强度更低是因为更倾向于采用清洁技术作为末端处理技术,而小公司因为缺乏必要的利润率而无法充分利用采用清洁技术使得规模回报率不断增加的优势[11],减排效果较差;其二,在环境规制领域,大型企业更容易被政府监管,为节约征税成本,政府侧重于加强对少数大型企业的监管力度,即形成“抓大放小”效应,因而大型企业面临更严苛的环境规制强度,减排效果相对大于小企业.

表9 企业规模对污染减排效应的异质性

4.3 行业的异质性

根据《第一次全国污染源普查公报》[26],SO2排放量位居前5位的行业分别是:电力、热力生产和供应业、非金属矿物制品业、黑色金属冶炼和压延加工业、化学原料和化学制品制造业、有色金属冶炼和压延加工业;COD排放量位居前5位的行业分别是:农副食品加工业、化学原料和化学制品制造业、纺织业、造纸业及纸制品行业、饮料制造业.分别对SO2和COD污染排放重点行业和非重点行业企业进行回归,结果如表10所示,第(1)、(2)列结果显示,在5大重污染行业的样本企业中,规制强度较高的企业SO2排放量相对下降6.7%,但系数并不显著;而对非5大重污染行业的样本企业进行回归的结果表明,规制强度较高的企业污染排放量显著降低了17.8%,减排效果高于5大重污染行业企业.第(3)、(4)列结果显示,在5大污染行业的样本企业中,规制强度较高的企业COD排放量相对降低了29.1%,且通过了1%的显著性检验,而非5大污染企业减排效果则不显著.

表10 重点污染行业和非重点污染行业减排效果异质性

为了验证SO2高污染行业企业减排效果并不理想的原因,本文以SO2去除率作为因变量,表示企业减排技术质量或减排效率,回归结果显示:SO2的5大污染企业并没有显著提高减排技术和减排效率,因此污染减排效果并不显著.相反非5大污染企业积极提高了SO2的减排技术水平.

4.4 地区的异质性

将样本企业按照地理位置划分为东部、中部、西部并分别进行回归,结果如表11所示,东部地区工业企业在“十一五”约束实施后减排效果显著:规制强度较高的样本企业SO2排放量相对降低了34.7%, COD排放量相对降低了43.9%,且均通过了1%的显著性检验;中部地区样本企业SO2减排通过了10%的显著性水平检验,但高规制强度企业仅相对降低排污量16.3%,远低于东部地区企业的减排水平,COD的减排效果不显著;西部地区样本企业的SO2和COD减排效果均不显著.可能的原因是东部地区企业减排技术水平较高,东部地区产业集聚可以共享企业的污染末端处理技术,提高了污染减排的协作效率;同时,东部等发达地区财政资金相对充裕,在环境规制的属地管理体制下,治理环境污染的内在动机更强.

表11 东、中、西部地区企业减排效应异质性

5 讨论与建议

5.1 讨论

污染负外部性会对中心城市企业集聚产生抑制作用,外围城市受到辐射的程度要小于中心城市[27].同时,在边界地区存在搭便车效应:一个地区在污染控制方面的支出并不只对该地区有利,它也有利于邻近的地区[28].由于地区财政资源有限,其更喜欢把资金投资在能够获得最大收益的地方,即中心地区[29].在边界上,环境法规存在不连续性,省级监管机构在边境县执行政策时可能没有内陆县严格,从而使得污染企业更偏好由行政中心向行政边界转移[30].因此,污染企业与行政边界的距离对约束性污染控制减排效果的影响有待研究.

2006年“十一五”约束性污染政策出台后,样本按照各省相异的减排控制强度被分配到省界两侧,由于其处理状态完全按照省界进行分配,本文将省界作为断点,采用精确断点回归的方法,探究在断点附近局部范围内处理组和控制组的减排差异,以及样本与省界的距离大小对企业减排产生的影响.设置断点回归模型为:

表12第(1)、(2)列和第(3)、(4)列分别表示利用断点回归方法对样本距离和SO2排污量及COD排放量的局部线性回归估计结果.控制组样本与省界距离的单位变动将使SO2排放量下降6.93%;处理组样本与省界距离的单位变动将使SO2排放量下降2.43%.控制组样本与省界距离的单位变动将使COD排放量下降4.12%;处理组样本与省界距离的单位变动将使COD排放量下降3.11%,工业企业与省界线的距离与企业排污量呈显著的负相关关系.企业与省界的距离衡量了企业受规制主体规制政策辐射的大小:与省界的距离越小,企业受到规制的辐射强度越小,则污染排放强度上升.

表12 企业与省界距离对污染减排的影响

5.2 建议

环境规制实施要精准施策,避免“一刀切”的治理方式.在约束性污染控制政策对不同地区减排目标具有非对称性的基础上,对约束强度较高地区的企业要由政策倒逼减排向主动减排转变,同时提高规制强度较低地区污染企业的减排激励.注意减排政策在地区之间的协同效应,提高污染治理政策制定的效率.

不仅要注重总量减排,更要重视减排的实现途径.应警惕边界污染企业跨地转移的“污染避难所”效应,对整体污染减排目标带来不利干扰.同时应更加注重生产过程中的技术进步、能源消费结构转变,从根本上减少污染物的产生量,降低仅通过增加末端处理技术的资本投入所带来污染去除量短暂提升,将污染减排纳入可持续的实现路径.

根据企业自身属性及其所处行业、地区的异质性,制定实施相应的引导政策,以激发企业技术创新、绿色发展的积极性.大规模企业相对承担了较多的减排任务,应注重效益补贴;非国有企业相对于国有企业更易于实现突破性技术创新,应健全市场化的激励机制;发挥经济发达地区在污染治理、减排技术等方面的优势,通过区域协作,提升全局减排效果.

6 结论

6.1 “十一五”约束性污染控制显著降低了微观企业SO2和COD的排放量,并在引入控制变量、进行倾向得分匹配、三重差分、安慰剂检验等一系列稳健性检验后依然成立.

6.2 “十一五”约束性污染政策的出台可能会通过提升企业技术效率和转变能源消费结构的方式降低企业污染排放量,而且企业到地理边界的距离与减排效应存在局部线性的负相关关系.

6.3 通过异质性分析,发现国有企业、小规模企业和中西部地区企业的减排效果并不显著,而非国有企业、规模较大企业和东部地区具有显著的减排效应;SO2污染排放的前5大行业减排效果并不显著,而COD污染排放的前5大行业承担了主要的减排任务.

[1] 范庆泉,张同斌.中国经济增长路径上的环境规制政策与污染治理机制研究[J]. 世界经济, 2018,(8):171-192.

Fan Q Q, Zhang T B. A study of environmental regulations and pollution abatement mechanism on China's economic growth path [J]. The Journal of World Economic, 2018,(8):171-192.

[2] 沈春苗,郑江淮.环境规制、企业更替与制造业生产率——基于工业企业污染排放数据的实证检验[J]. 南京社会科学, 2021,(3):10- 18,2.

Shen C M, Zheng J H. Environmental regulations, firm’s dynamics and total factor productivity in manufacturing: an empirical analysis using industrial enterprises’pollution emissions data [J]. Social Sciences in Nanjing, 2021,(3):10-18,2.

[3] 盛 丹,张国峰.两控区环境管制与企业全要素生产率增长[J]. 管理世界, 2019,(2):24-42,198.

Sheng D, Zhang G F. Environmental regulations of two control zones and enterprise total factor productivity growth [J]. Management World, 2019,(2):24-42,198.

[4] 韩 超,陈 震,王 震.节能目标约束下企业污染减排效应的机制研究[J]. 中国工业经济, 2020,(10):43-61.

Han C, Chen Z, Wang Z. Study on the mechanism of firms' pollution reduction under the constraint of energy-saving target [J]. China Industrial Economics, 2020,(10):43-61.

[5] 赵 阳,沈洪涛,刘 乾.中国的边界污染治理——基于环保督查中心试点和微观企业排放的经验证据[J]. 经济研究, 2021,(7):113- 126.

Zhao Y, Shen H T, Liu Q. Border pollution governance in China—— evidence from the pilot project of environmental protection supervision center and establishment emission data [J]. Economic Research Journal, 2021,(7):113-126.

[6] 贯 君,苏 蕾.双重环境规制下政府经济竞争对绿色高质量发展的影响 [J]. 中国环境科学, 2021,41(11):5416-5426.

Guan J, Su L. Influence of government economic competition on green high-quality development under dual environmental regulations [J]. China Environmental Science, 2021,41(11):5416-5426.

[7] 黄清子,马 亮.环境规制破解资源诅咒的异质效应[J]. 中国环境科学, 2021,41(7):3453-3462.

Huang Q Z, Ma L. The heterogeneous effects of environmental regulations on resource curse [J]. China Environmental Science, 2021, 41(7):3453-3462.

[8] 沈坤荣,金 刚,方 娴.环境规制引起了污染就近转移吗? [J]. 经济研究, 2017,(5):44-59.

Shen K R, Jin G, Fang X. Does environmental regulation cause pollution to transfer nearby? [J]. Economic Research Journal, 2017, (5):44-59.

[9] 王 勇,李雅楠,俞 海.环境规制影响加总生产率的机制和效应分析[J]. 世界经济, 2019,(2):97-121.

Wang Y, Li Y N, Yu H. Environmental regulation and the evolution of aggregate productivity: identifying its mechanism and deconstructing its effect [J]. The Journal of World Economic, 2019,(2):97-121.

[10] Shapiro J, Walker R. Why is pollution from us manufacturing declining? the roles of environmental regulation, productivity, and trade [J]. The American Economic Review, 2018,108(12):3814-3854.

[11] Qi J, Tang X, Xi X. The size distribution of firms and industrial water pollution: a quantitative analysis of China [J]. American Economic Journal: Macroeconomics, 2021,13(1):151-183.

[12] 范 丹,付嘉为.环境信息披露对企业全要素生产率的影响[J]. 中国环境科学, 2021,41(7):3463-3472.

Fan D, Fu J W. The impact of environmental information disclosure on enterprises' total factor productivity [J]. China Environmental Science, 2021,41(7):3463-3472.

[13] 韩 超,张伟广,冯展斌.环境规制如何“去”资源错配——基于中国首次约束性污染控制的分析[J]. 中国工业经济, 2017,(4):115-134.

Han C, Zhang W G, Feng Z B. How does environmental regulation “remove” resource misallocation——an analysis of the first obligatory pollution control in China [J]. China industrial economics, 2017,(4): 115-134.

[14] 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. 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.

[15] 金晓雨.环境规制与国内污染转移——基于“十一五”COD排放控制计划的考察[J]. 产业经济研究, 2018,(6):115-125.

Jin X Y. Environmental regulation and domestic pollution transfer— empirical study based on COD emission control plan in “11th five-year” plan [J]. Industrial Economics Research, 2018,(6):115- 125.

[16] 韩 超,王 震,田 蕾.环境规制驱动减排的机制:污染处理行为与资源再配置效应 [J]. 世界经济, 2021,(8):82-105.

Han C, Wang Z, Tian L. The mechanism of environmental regulation driving emission reduction: pollution treatment behavior and resource reallocation effect [J]. The Journal of World Economic, 2021,(8): 82-105.

[17] 国务院.国务院关于“十一五”期间全国主要污染物排放总量控制计划的批复[EB/OL]. http://www.gov.cn/zhengce/content/2008-03/28/ content_4988.htm.

State Council. Reply of the state council on the national total discharge control plan of major pollutants during the “eleventh five- year” plan period [EB/OL]. http://www.gov.cn/zhengce/content/2008-03/28/ content_4988.htm.

[18] 陈 林,肖倩冰,牛之琳.考虑环境治理成本的企业成本函数模型及其应用 [J]. 数量经济技术经济研究, 2020,37(11):139-156.

Chen L, Xiao Q B, Niu Z L. Enterprise cost function model considering environmental governance cost and its application [J]. The Journal of Quantitative & Technical Economics, 2020,37(11):139- 156.

[19] 黄先海,金泽成,余林徽.出口、创新与企业加成率:基于要素密集度的考量 [J]. 世界经济, 2018,41(5):125-146.

Huang X H, Jin Z C, Yu L H. Exports, innovation and markup ratio: an analysis from the perspective of factor intensity [J]. The Journal of World Economic, 2018,41(5):125-146.

[20] 马乐宽,王金南,王 东.国家水污染防治“十二五”战略与政策框架 [J]. 中国环境科学, 2013,33(2):377-383.

Ma L K, Wang J N, WANG D. The strategy and policy framework for water pollution control in China during the “twelfth five-year” plan period [J]. China Environmental Science, 2013,33(2):377-383.

[21] 张 伟,朱启贵,李汉文.能源使用、碳排放与我国全要素碳减排效率 [J]. 经济研究, 2013,(10):138-150.

Zhang W, Zhu Q G, Li H W. Energy use、carbon emission and China's total factor carbon emission reduction efficiency [J]. Economic Research Journal, 2013,(10):138-150.

[22] 庞 军,吴 健,马 中,等.我国城市天然气替代燃煤集中供暖的大气污染减排效果 [J]. 中国环境科学, 2015,35(1):55-61.

Pang J, Wu J, MA Z, et al. Air pollution abatement effects of replacing coal with natural gas for central heating in cities of China [J]. China Environmental Science, 2015,35(1):55-61.

[23] Earnhart D, Rassier D G. “Effective regulatory stringency” and firms' profitability: the effects of effluent limits and government monitoring [J]. Journal of Regulatory Economics, 2016,50(2):1-35.

[24] 李卫兵,张凯霞.空气污染对企业生产率的影响——来自中国工业企业的证据 [J]. 管理世界, 2019,35(10):95-112,119.

Li W B, Zhang K X. The impact of air pollution on enterprise productivity——evidence from Chinese industrial enterprises [J]. Management World, 2019,35(10):95-112,119.

[25] 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.

[26] 中华人民共和国自然资源部.第一次全国污染源普查公报[EB/OL]. http://g.mnr.gov.cn/201701/t20170123_1428261.html.

Ministry of Natural Resources of the people's Republic of China. Bulletin of the first national general survey of pollution sources [EB/OL]. http://g.mnr.gov.cn/201701/t20170123_1428261.html.

[27] 兰秀娟,张卫国.经济集聚、空间溢出与区域经济发展差异——基于“中心—外围”视角分析 [J]. 经济问题探索, 2020,(10):68-80.

Lan X J, Zhang W G. Economic Agglomeration, space spillovers and regional economic development differences——analysis based on “center—periphery” perspective [J]. Inquiry Into Economic Issues, 2020,(10):68-80.

[28] Sigman H. International spillovers and water quality in rivers: do countries free ride? [J]. American Economic Review, 2002,92(4): 1152-1159.

[29] Cai H, Chen Y, Gong Q. Polluting thy neighbor: unintended consequences of China pollution reduction mandates [J]. Journal of Environmental Economics & Management, 2016,76(3):86-104.

[30] Duvivier C, Xiong H. Transboundary pollution in China: a study of polluting firms' location choices in Hebei province [J]. Environment and Development Economics, 2013,18(4):459-483.

Enterprises emission reduction effect of the "Eleventh Five-Year Plan" obligatory pollution control.

ZHANG Wei-guang1,2*, FENG Shi-yu1, HAN Chao3

(1.School of Economics, Dongbei University of Finance and Economics,Dalian 116025,China；2.Institute of Industrial Economics, Chinese Academy of Social Sciences, Beijing 100006, China；3.Center for Industrial and Business Organization, Dongbei University of Finance and Economics, Dalian 116025, China)., 2022,42(11)：5436～5446

Relying on the implementation of the "Eleventh Five-Year" obligatory pollution control in 2006, based on the matching database of Chinese industrial enterprise data and enterprise pollution emission data, this paper analyzed the effect and mechanism of the implementation of total control and obligatory environmental regulation policy on enterprise emission reduction. Results suggested that the pollution emissions of SO2and COD of enterprises with high regulatory intensity decreased by 12.8% and 12.1% respectively after the implementation of obligatory pollution control, and the effect remained significant after a series of robustness tests. Mechanism analysis showed that after the implementation of obligatory pollution control, clean energy consumptions and technical efficiency of SO2group increased by 0.12% and 53.56% respectively; while for COD group, clean energy consumptions and technical efficiency increased by 0.14% and 56.60% respectively. Emissions of enterprises indeed decreased via the the change of energy consumption structure and the improvement of technical efficiency. Heterogeneity analysis showed that there were significant differences in emission reduction effects between state-owned enterprises and non-state-owned enterprises, large-scale enterprises and small-scale enterprises, heavy pollution industry enterprises and non-heavy pollution industry enterprises, as well as enterprises in the eastern and western regions. There was a local negative correlation between enterprises' distance to geographical boundary and the enterprises pollution emissions.

obligatory pollution control；environmental regulation；enterprise emission reduction

X32

A

1000-6923(2022)11-5436-11

张伟广(1991-),男,河南上蔡人,讲师,博士,主要从事环境规制与企业减排方面的研究.发表论文10余篇.

2022-04-28

辽宁省教育厅项目(LN2020Q37);东北财经大学科研项目(DUFE2020Q09)

* 责任作者, 讲师, sunshine_zwg@163.com