环境分权对低碳发展的异质性影响--基于省级面板数据的实证研究

毛益民, 史美婷

(浙江工商大学 公共管理学院, 杭州 310018)

推动低碳发展、应对气候危机,已经成为当前中国生态文明建设的关键议题。党的二十大报告明确指出:“推动经济社会发展绿色化、低碳化是实现高质量发展的关键环节”。在中国积极推动绿色低碳转型的大背景下,环境分权作为一种现代环境治理体系建设中的关键性制度安排,备受学界关注[1]。

环境分权水平反映了一个国家环境治理权责在不同层级政府间的配置情况,其程度越高则意味着地方政府在环境治理过程中享有更大的自主权。已有研究表明,环境分权会深刻地影响地方政府的环境治理绩效[2]。但就其能否促进低碳发展而言,学界却仍然存在一定的争议[3]。一些研究认为,地方政府相比于中央政府更具有信息优势,有利于碳排放问题的治理[4]。但另有研究则表示,环境分权可能会导致激励扭曲和约束不足等问题,从而导致地方政府环境治理的“逐底竞争”。之所以会产生这种争议,很大程度上是因为已有研究对两者关系异质性的认识不足[5]。也即,在探讨环境分权如何影响低碳发展时,研究者不能仅仅笼统地将其界定为促进还是遏制,而是要尽可能揭示其效应的潜在差异性。从逻辑上,环境分权的碳排放效应,既可能随着空间位置的变化而变化,也可能随分权水平的变化而变化。但是,以往研究通常都采用基于全局性视角的回归分析,缺乏对上述双重异质性的充分考量,因而难以有效揭示环境分权对低碳发展的复杂影响。

基于此,采用一种局部性分析视角着力揭示环境分权对低碳发展的异质性影响。具体而言,利用基于莫兰特征向量的空间滤波随机效应模型(Random effect eigenvector spatial filtering,RE-ESF)和包含空间和非空间的变系数估计成分(Random effect eigenvector spatial filtering with spatial and non-spatial varying coefficients,RE-ESF-SNVC)的空间滤波随机效应模型,立足2005-2015年我国30 个省(自治区、直辖市)(因数据缺失,未包含西藏地区和港澳台地区)的面板数据揭示环境分权与低碳发展之间可能存在的空间和非空间异质性关系。对这些异质性关系的实证揭示,将不仅有助于深入认识环境分权与低碳发展之间的关系,化解当前学界存在的争议,也有助于为我国环境治理体制的完善提供多元化的思路。

1 环境分权与低碳发展:被忽视的双重异质性

已有诸多研究对环境治理中的“集权-分权”问题进行了探讨。一类学者认为,环境分权对于污染排放具有抑制效应。就其机理而言,主要有如下解释:第一,相比中央政府,地方政府更为了解环境问题现实以及当地民众偏好,因而能够更针对性地制定公共政策,回应异质性需求,获得更高治理绩效。第二,环境分权可以促进地方政府之间的相互竞争,而在“用脚投票”机制的作用下,地方政府为赢得民众支持、企业投资,会致力于改善辖区环境。但与此同时,另一类学者则指出,环境分权的效果并不如预期那么理想,可能会进一步加剧污染问题。原因在于:第一,环境保护作为一种公共物品,存在明显的外部性,这就可能催生出“搭便车”行为。地方政府出于自身利益的诉求,可能会弱化本地环境政策的执行,进而导致诸多环境问题,尤其是跨行政区污染,难以得到有效治理。第二,“用脚投票”抑或其他社会监督机制可能失灵,而地方政府与污染企业之间则可能形成合谋,进而导致环境污染的加剧。第三,在自身利益的驱使下,政府间竞争也可能趋于“逐底”,如为了招商引资降低环境门槛,最终导致生态环境的恶化。就实证结果而言,结论并不一致。一些学者发现,环境分权有助于改善雾霾污染[6]、推动绿色发展等[7],而另有研究也发现,环境分权弱化了污染减排效果[8]。

近年来,绿色低碳发展已经成为我国推动经济社会高质量发展的内在要求。大量研究探讨了低碳发展的类型特征、驱动因素以及障碍[9]。其中,部分研究致力于揭示环境分权的碳排放效应。例如,张华等[3]对“中国式环境联邦主义”予以了概念化,并利用省级面板数据检验其对碳排放的影响,发现环境分权对碳排放水平具有显著正向影响。在他看来,中国式环境联邦主义深受财政分权和政治集权的影响,表现为自上而下的“层层加码”式的环境治理方式,且管理体制上又存在诸多“条块交叉”问题,导致地方政府环境保护动机不足、环保部门的独立性难以得到有效保障,最终阻碍了碳减排事业的推进。但与此不同的是,刘贤赵等[10]从碳排放空间依赖视角出发,利用省域数据考察了环境分权的碳排放效应,结果发现环境分权显著降低了碳排放量,且这种抑制效应在西部地区更为明显。此外,还有学者借助动态阈值效应分析发现,环境分权总体上对碳排放存在加剧效应,但这并不是简单的线性效应,而是呈现出一种非线性趋势[1]。由此可见,对于环境分权如何影响碳排放,目前学界的认识还不够充分,亟待做进一步的实证探索。

从实证分析方法上看,已有研究尚未充分考虑环境分权与低碳发展之间关系可能存在的双重异质性,即随空间位置变化产生的异质性和随变量水平变化产生的异质性。第一,尽管诸多学者都认识到了空间效应的存在,但其焦点更多是空间依赖性,而对空间异质性缺乏关注。一些研究将总样本分解为东、中、西3个区域,然后分别进行空间回归分析,以此揭示环境分权效果的区域性差异。但是,这种人为的划分明显过于武断,不一定能有效反映变量关系因空间位置变化而产生的差异性。第二,尽管一些学者捕捉到环境分权的非线性效应,但都是通过设定二次项的方式来实现。这种设定函数形式的分析方法可能掩盖了更为复杂的非线性关系。而且,由于缺乏对空间异质性的考虑,所估计的结果也可能存在偏差。因此,采用一种局部性分析视角并将这两重异质性都纳入分析模型,从而更为准确地认识环境分权对低碳发展的复杂影响。

2 研究方法与数据来源

2.1 基于莫兰特征向量的空间滤波模型

在对空间数据进行回归分析时,空间相关性和空间异质性通常是两个必须予以关注的问题[11]。前者指出空间观测之间可能存在相互依赖性,而后者则强调,这些观测间的关系也不一定呈现匀质性分布,而可能出现空间差异性。因此,回归分析若不考虑这些“空间性”,其在估计上就可能存在偏误。为此,Griffith和Chun[12]开发出基于莫兰特征向量的空间滤波(eigenvector spatial filtering, ESF)模型。通过对莫兰指数进行特征值分解,通过莫兰特征向量提取关于空间依赖性的信息,进而纳入回归模型以消除空间依赖性问题,让残差趋于正态分布。传统ESF模型是一种固定效应模型,而后续研究表明,将其拓展到随机效应模型(RE-ESF)后能够明显提升其估计的准确性且更有效率。

为了揭示变量间的局部性关系,该随机效应模型可以进一步包含空间和非空间的变系数估计成分(RE-ESF-SNVC)。所谓空间变系数,即自变量对应变量的影响随空间位置变化而变化,而非空间变系数则是表明自变量对应变量的影响随自变量水平的变化而变化。由此可见,该模型不仅可以估计全局性效应,也可以用来解释局部性关系。而且,相比传统地理加权模型,它不仅能更好地克服多重共线性问题,消除伪相关的影响,在计算效率和估计准确性上也更胜一筹。因此,采用RE-ESF以及RE-ESF-SNVC对省域面板数据进行实证分析。此外,作为一种随机效应模型,它也可以通过设定群组的形式,拓展到对面板数据的分析中,从而不仅揭示环境分权与碳排放之间的全局性关系,更试图揭示它们之间可能存在的空间和非空间异质性[13]。

2.2 变量定义与数据来源

2.2.1 被解释变量

被解释变量为低碳发展水平,以碳排放强度为衡量指标。碳排放强度为单位GDP碳排放,由各省(自治区、直辖市)的二氧化碳排放总量除以各省(自治区、直辖市)的GDP来表示,并将其取对数。

2.2.2 核心解释变量

核心解释变量为环境分权。以往有学者采用财政分权指标来代替环境分权,财政分权主要反映的是中央与地方之间财权的划分,而环境分权反映的是中央与地方政府环境管理事务权力的“事权”划分,这难以客观反映中国环境管理体制演进历程以及中国环境分权的特征。然而,构造一个准确、统一、全面的指标来衡量环境分权是较为困难的。因此,沿用祁毓等[2]的方法,采用不同层次政府环保机构的人员分布特征来刻画环境分权,其合理性在于:第一,从一般意义上来讲,机构和人员编制是政府履行公共职能和提供公共服务的重要载体,不同层级政府环保机构的人员设置在一定程度上体现了不同层级政府关于环境管理事务的权责分配;第二,从中央到地方的机构和人员规模都较为稳定,相比于其他部门,环保机构人员稳定,人员变动相对较少,政府内部有关环境事权的划分通过环保机构人员规模的变化反映出来;第三,中央和地方环保机构与人员编制的变动反映了中国政府体制改革带来的财政供养问题;第四,从国际通行的分权度量指标来看,相较于政府支出分布,人员分布及其变化更符合环境管理权的本质内涵。具体环境分权的计算公式为

(1)

式中:ED为环境分权指数;i为地区;t为年份;NEPPt为第t年全国环保系统人员总数;LEPPit为i省第t年环保系统人员总数;POPit为i省第t年人口总数;POPt为全国人口总数;GDP为地区生产总值。采用1-(GDPit/GDPt)对所有的分权指数进行了分减,人员的增减反映的正是对于环境事权的介入,该比值越大,表示地方环境机构人员规模越大,即地方政府环境管理事权的介入也就越大,反之亦然。

2.2.3 控制变量

为控制各地区经济社会环境因素对碳排放的影响,选取城镇化水平、财政分权、人均GDP、人口规模、第二产业比重、第三产业比重和外商直接投资作为控制变量。城镇化水平用城镇人口占总人口的比重来表示;财政分权用各省(自治区、直辖市)预算内财政支出与中央预算内本级财政支出之比表示;外商直接投资用各省(自治区、直辖市)实际利用外商直接投资占GDP的比重来表示;人口规模、人均GDP、第二产业比重、第三产业比重分别用各省市区年末总人口、各省市区GDP除以人口总量和第二、三产业产值占GDP的比重来表示。所有变量均取对数。

考虑到数据样本的完整性与可获得性,采用2005-2015年我国30 个省(自治区、直辖市)(因数据缺失,未包含西藏地区和港澳台地区)的省级面板数据。相关变量的原始数据来源于历年《中国统计年鉴》与各省《统计年鉴》;各省(自治区、直辖市)碳排放数据来源于公众环境研究中心(IPE)统计的数据;历年全国环保系统人员数、各省(自治区、直辖市)环保系统人员数据来源于历年《中国环境年鉴》(2016年以后不再统计)。上述各变量的定义和描述性统计见表1。

表1 变量定义与描述性统计

3 分析结果与讨论

3.1 对碳排放强度的空间相关性分析

在利用RE-ESF进行全局性分析和RE-ESF-SNVC进行局部性分析前,先对省域低碳发展的空间相关性进行检验。莫兰指数(Moran’sI)是检测空间相关性最常用的方法,其值在[-1, 1]之间,I>0表示地区在空间上呈正相关性,I<0时表示地区在空间上呈负相关性,I=0时代表空间不相关,公式为

(2)

3.2 利用RE-ESF面板模型进行全局性分析

在获得空间相关性的初步证据后,采用RE-ESF进行全局性分析,以考察省域低碳发展的影响因素。该模型的拟合度很好,调整好的R2=0.964,因而具有很强的解释力。表2呈现了全局性分析的结果。从表2中可知,环境分权的回归系数为-0.053,但P值为0.329,这意味着环境分权对低碳发展的促进效应并不显著。然而,控制变量中有多个因素对碳排放强度具有显著影响。具体而言,城市化的推进、经济发展水平的提升以及省域人口规模的增加,都会对碳排放强度产生显著的抑制作用,而财政分权程度的提升、第二产业占比的增加,则会显著增加碳排放强度。需要强调的是,全局性分析只为每个变量提供一个回归系数,表达了该因素对结果的平均效应。但是,这种平均效应很可能掩盖了因素效应的异质性。正如Breitenecker和Harms[14]所指出的,全局性分析中回归系数的平均化处理,可能存在抵消效应(正效应被负效应所抵消)或稀释效应(强效应被弱效应所稀释)。因此,进一步采用局部性分析,以捕捉潜在的异质性关系。

表2 RE-ESF面板模型的估计结果

3.3 利用RE-ESF-SNVC面板模型进行局部性分析

对RE-ESF面板模型做适当拓展,使其包含空间和非空间的变系数估计成分,便成为RE-ESF-SNVC面板模型,进而可以对变量间关系进行局部性分析。表3呈现了该局部性分析模型的估计结果。从模型的拟合度来看,调整后的R2=0.986,高于之前的全局性分析模型,且AIC和BIC值也都明显小于前者。因此,在考虑空间和非空间的关系异质性后,模型拟合度得到了显著的提升。城市化水平与人口规模的系数没有任何变化,而其他变量的系数都出现了明显的变异性。

表3 RE-ESF-SNVC面板模型的估计结果

就环境分权而言,其系数的最小值为-0.325,而其最大值则为0.296,中位数为-0.076。换句话说,环境分权对碳排放强度的影响呈现出多样化的状态,既有抑制也存在促进。若对其进行平均化处理,就会导致正负效应的相互抵消。这也是环境分权效应在全局性分析中显得微弱且不显著的原因。此外,财政分权的系数从0.058到0.394,第二产业比重的系数从0.908到1.645,两者皆始终为正,表明它们各自对碳排放强度的加剧效应会存在程度上的变化。经济发展水平、第三产业比重的系数均为负但存在变异性,也表明它们各自对碳排放强度会有程度不一的抑制效应。最后,对于外商直接投资,其系数介于-0.014～0.015,效应比较微弱但也表现出正负差异。

当然,此处局部性分析所得系数同时包含空间与非空间的异质性,可以对其进行进一步分解,以辨明异质性的来源。空间异质性则关注两者关系是否因地理位置不同而发生变化,也是是否存在省份间的差异,而非空间的关系异质性反映的是,环境分权对碳排放强度的影响是否会随环境分权水平的变化而变化,其本质在于考察两者是否存在非线性关系。从分析结果来看,环境分权对碳排放强度的影响存在显著的空间异质性,但并未呈现出显著的非线性特征。

由图2(a)可知,对于天津、辽宁、北京、河北、吉林等8个省市,环境分权的系数在99%置信水平上显著为正,而对于江苏、上海,环境分权的系数虽为正,但仅在95%置信水平上显著;对于贵州、云南、广西、四川等11个省区,环境分权的系数在99%置信水平上显著为负,而对于宁夏、湖北和陕西,环境分权的系数虽为负,但仅在95%置信水平上显著。此外,对于山西、安徽、浙江、河南、福建以及江西6个省份,环境分权对碳排放强度并没有显著影响。因此,环境分权对碳排放强度的影响呈现出“东北-西南”方向性差异:东北方向倾向于加剧效应,而西南方向则表现为抑制效应。但就非空间异质性而言,环境分权对碳排放强度的影响并未呈现出显著的非线性关系。如图2(b)所示,黑实线为环境分权的回归系数,而灰色阴影为95%置信区间。可以清晰地看到,在充分考虑空间异质性以后,环境分权对碳排放强度的影响为负但不显著,且不会因其水平的变化而变化。由此可见,环境分权对碳排放强度的异质性影响主要体现为空间位置上的差异性。

图2 环境分权对碳排放强度的异质性关系

4 结论与展望

对于环境分权与低碳发展之间的关系,目前学界已做出了许多研究,但实证研究仍然存在较多的争议。这种争议很大程度上源于对关系异质性的分析不够深入。这种异质性既可以体现为空间性的区域差异性,也可以体现为非空间性的非线性关系。因此,采用包含空间和非空间的变系数估计成分的空间滤波随机效应模型,揭示环境分权与低碳发展之间可能存在的异质性。实证结果表明,两者之间并没有表现出非线性关系,也即不存在非空间异质性,但两者关系存在非常显著的空间异质性,呈现出“东北-西南”方向性差异:环境分权对碳排放强度的影响,东北方向倾向于加剧效应,而西南方向则表现为抑制效应。

这个发现具有非常重要的理论与实践意义。从理论上看,它强调了局部性视角对于揭示变量间关系的重要性。在已有相关研究中,对环境分权效应的考察通常都采用全局性分析视角,但本研究表明这种分析视角存在明显的局限性。由于环境分权与碳排放强度之间的关系有正有负,造成了效应之间的相互抵消,导致变量间关系的复杂性难以得到有效揭示。然而,借助一种局部性视角,尤其是对考虑空间与非空间异质性的双重考虑,有助于深化对环境分权之减排效果的认识。从实践上看,本研究对空间异质性的揭示,有助于为政策制定者提供更针对性的建议,避免出现政策“一刀切”现象。依照本研究的分析结果,环境分权化有助于推动西南地区的低碳发展,而环境集权化则更有利于东北地区的低碳发展。这意味着有必要充分考虑分权效果的区域差异,进而推动环境治理权的合理配置。后续研究可以继续探索环境分权效果存在空间异质性的缘由,从而进一步深化对环境分权的认识,为更好地推动低碳发展提供有效的建议。