不同环境政策工具对我国碳生产率的影响.pdf

统计与决策2023年第16期总第628期0引言环境政策工具的效应研究一直是学术界关注的重点。在生态效应方面，有学者认为在短期内，政府的治理手段能够促进空气质量改善，但从长期来说，政策效果会随着时间推移而逐渐递减。郑石明（2019）1研究发现不同环境政策整体上促进了环境质量的提高，不同类型环境政策工具对环境污染的抑制作用不同。在经济效应方面，学者们认为环境政策工具能促进企业环境技术创新、提高绿色全要素生产率2,3。关于碳生产率的研究认为技术进步、对外贸易、工业化和城镇化等因素会对其产生影响。关于环境政策工具与碳生产率关系的研究，已有文献侧重于分析环境规制对碳生产率的影响，如王丽等（2020）4研究发现环境规制与碳生产率存在非线性关系，且技术创新在二者关系中存在中介作用。Hu和Wang（2020）5认为环境规制对碳生产率的影响存在阈值，随着环境监管力度不断增强，环境规制对碳生产率的影响由负变为正。总体来看，系统归纳不同类型环境政策工具对碳生产率影响的文献较少，缺乏探讨不同类型环境政策工具对碳生产率的影响及作用机制。基于此，本文分别以污染排放强度、碳排放交易机制为视角，分析命令控制型和市场激励型环境政策工具对碳生产率的影响效果；并将技术创新、能源结构纳入中介效应模型，分析不同环境政策工具影响碳生产率的传导机制。1理论分析与研究假设命令控制型环境政策工具（以下简称命令控制型工具）通过控制污染排放强度发挥作用，污染排放强度能够间接衡量命令控制型工具，较好地反映出命令控制型工具的实施效果。政府为平衡环境保护与经济发展的关系，制定有关环境保护的法律法规、规章制度，以强制性手段限制企业排放污染物，从而改善环境污染问题。而企业出于对环境成本的考虑，将改进生产设备以减少污染物的排放，降低污染排放强度，长期来看，对企业的经济效益及绿色发展具有重大意义。因此，命令控制型工具能够有效实现经济可持续发展，提升碳生产率。技术创新效应间接影响命令控制型工具的执行效果，技术进步在命令控制型工具提升碳生产率中发挥了重要作用，各地政府不断完善企业污染排放标准，严格控制污染排放强度。在此情况下，可倒逼企业加快技术创新，不断提升工艺水平，实现生产设备升级，从而达到提升碳生产率的效果。基于以上分析，本文提出：假设1：命令控制型工具能够显著提升碳生产率。假设2：命令控制型工具通过促进技术水平提升的方式提高碳生产率。市场激励型环境政策工具（以下简称市场激励型工具）通过实施碳排放交易机制发挥作用。碳排放交易机制作为一项具体的市场激励型工具，将碳排放权“商品化”，从而可以通过市场进行交易，由政府设定总的碳排放量目标，并将碳排放配额发放给相关主体6，相关企业会根据发放的配额来调整自身的生产经营活动。碳交易机制合理控制碳排放总量，推动实现碳减排目标；除此之外，碳排放交易机制引导相关行业减少煤炭等化石能源的消耗，优化能源消费结构，促进企业转型升级。因此，市场激励型工具能够有效实现“减排促经”效果，提升碳生产率。不同环境政策工具对我国碳生产率的影响范秋芳，张园园（中国石油大学（华东）经济管理学院，山东 青岛 266580）摘要：各类环境政策工具对碳生产率的提升具有重要影响。文章基于我国30个省份20062019年的面板数据，以污染排放强度、碳排放交易机制为视角，分别利用固定效应模型、双重差分模型探究命令控制型和市场激励型两类不同的环境政策工具对碳生产率的影响，并利用中介效应模型分析不同环境政策工具对碳生产率的传导机制。结果表明：命令控制型环境政策工具显著提升了碳生产率，并且通过技术创新路径产生显著的间接促进作用；市场激励型环境政策工具对碳生产率也有显著的提升作用，并通过能源结构产生间接影响。关键词：环境政策工具；碳生产率；污染排放强度；碳交易机制；技术创新；能源结构中图分类号：F205文献标识码：A文章编号：1002-6487（2023）16-0059-05基金项目：山东省社会科学规划项目（22CJJJ42）作者简介：范秋芳（1965），女，山东昌邑人，博士，教授，研究方向：能源经济与管理。（通讯作者）张园园（1998），女，山东潍坊人，博士研究生，研究方向：能源经济系统管理与政策分析。统 计 观 察DOI:10.13546/ki.tjyjc.2023.16.01159统计与决策2023年第16期总第628期能源配置效应间接影响市场激励型工具的执行效果，碳排放交易机制作为市场激励型工具能够鼓励企业降低煤炭消费量，增加清洁能源使用比例，优化能源配置，引导企业逐渐改善目前的能源结构，在减少污染的同时实现可持续发展，进而提高碳生产率。基于以上分析，本文提出：假设3：市场激励型工具能够实现“减排促经”效果，显著提升碳生产率。假设4：市场激励型工具通过优化能源消费结构的方式提高碳生产率。2模型构建与变量选择2.1模型构建2.1.1基准回归模型为验证假设1，本文构建以下模型探讨命令控制型工具对碳生产率的影响：Crit=0+1lnER+2Controlit+ui+vt+it（1）其中，i表示省份，t表示年份，Crit为碳生产率，lnER为命令控制型环境政策工具衡量指标，Controlit表示控制变量，ui和vt分别表示地区和时间固定效应，it表示随机误差项。2.1.2双重差分模型本文参考已有文献7,8，采用双重差分法评估以碳排放交易机制为代表的市场激励型工具对碳生产率的影响，本文将实施市场激励型工具的省份作为实验组，包含北京、上海、天津、重庆、湖北和广东6个省份（含深圳），将未实施省份作为对照组。构建的模型如下：Crit=0+1treatitimet+2Controlit+ui+vt+it（2）式中，treati表示该省份是否受到政策工具影响，若为实施省份，则treat=1，若为未实施省份，则treat=0；timet表示各省份在2012年及以后是否实施政策工具，“是”取值为1，“否”则取值为0。其余符号含义同式（1）。2.1.3动态效应模型本文在式（2）中加入treati与每一年的时间虚拟变量timet的交互项来构建动态效应模型，分析市场激励型工具对碳生产率的提升是否具有持续推动作用。模型设定如下：Crit=0+t=2007t=2019ttreatitimet+1Controlit+ui+vt+it（3）其中，timet是年份虚拟变量，在分析t年时time=1，其余年份time=0。以2006年为基期，系数t的变化表示市场激励型工具对碳生产率的动态影响。2.1.4中介效应模型本文对命令控制型和市场激励型工具与碳生产率之间的传导机制进行深入分析，分别选取技术创新lntec、能源结构lnecs为中介变量IV，研究其在环境政策工具与碳生产率的关系中存在的传导作用。构建如下模型：Crit=0+1Xit+2Controlit+ui+vt+it（4）IVit=0+1Xit+2Controlit+ui+vt+it（5）Crit=b0+b1Xit+b2IVit+b3Controlit+ui+vt+it（6）其中，Crit为碳生产率，Xit为环境政策工具指标，IVit为中介变量。2.2变量选择与数据来源（1）被解释变量在进行碳生产率的测度之前，要先估算二氧化碳排放量。目前我国没有直接公布二氧化碳排放数据，综合已有研究，本文采用IPCC（2006）提供的方法进行测算，具体计算公式如下：CO2=i=1nEiNCViCCiCOFi4412（7）其中，CO2表示二氧化碳排放总量；i为能源消费种类，包含煤炭、焦炭、原油、汽油、煤油、柴油、燃料油和天然气共8种能源，Ei为第i种能源的消费量，NCVi、CCi和COFi分别表示第i种能源的平均低位发热值、含碳量和碳氧化因子，44为CO2分子量、12为C分子量。碳生产率Crit为:Crit=GDPitCO2（8）其中，GDPit为各省份地区生产总值，CO2为二氧化碳排放量。（2）解释变量从污染排放强度和碳排放交易机制视角出发构建不同环境政策工具指标，具体分为命令控制型和市场激励型工具，具体测度方法如下。命令控制型工具。借鉴徐建中和王曼曼（2018）9的方法，采用地区工业废水、二氧化硫、烟粉尘排放量共三类数据综合测算污染排放强度，并在此基础上构建命令控制型环境政策工具衡量指标。计算方法如下：pxli=pli1nj=1nplj，l=123（9）pxi=13()px1i+px2i+px3i（10）ERi=1pxi（11）其中，l=123分别表示地区工业废水、二氧化硫、烟粉尘共三类污染物，pli指i省份第l类污染物排放量与工业增加值的比值，即第l种污染物单位工业增加值排放量。pxli为i省份第l类污染物的单位工业增加值排放量占比。pxi指i省份三类污染物的单位工业增加值排放量占比的算术平均数，即污染排放强度。对pxi取倒数则是本文所测算的i省份命令控制型工具的衡量指标ERi，即工业“三废”排放量的减少，表示命令控制型环境政策工具实施力度越强，ERi值越大。市场激励型工具。碳排放交易机制作为市场激励统 计 观 察60统计与决策2023年第16期总第628期型工具的典型应用，对碳生产率具有重要影响，因此，本文采用碳排放交易机制来表征市场激励型工具，以交互项treattime作为解释变量，参考文献8选用2012年作为划分节点，若某省份在2012年及以后受到市场激励型工具影响，则treattime=1，否则treattime=0。（3）中介变量借鉴已有研究10，以技术创新、能源结构作为中介变量。技术创新（tec）以各地区R&D经费内部支出与地区生产总值的比值表示；能源结构（ecs）选用各地区煤炭消费量占能源消费总量的比重来反映能源结构水平。（4）控制变量参考文献10,11，本文选取城镇化水平、对外贸易、能源强度、就业情况和产业结构作为控制变量。城镇化水平（urb），以城镇人口占地区总人口的比重来表示；对外贸易（ie），以进出口总额占国内生产总值的比重来表示；能源强度（ec），用能源消费总量占GDP的比重来衡量；就业情况（em），用各地区就业人员数量来表示。考虑到数据的可获得性，本文选取20062019年我国30个省份（不含西藏和港澳台）的面板数据为研究样本，数据来源于 中国统计年鉴 中国城市统计年鉴 中国能源统计年鉴 中国环境统计年鉴，以及国家统计局官网和各省份统计年鉴。3实证结果分析3.1命令控制型工具对碳生产率的影响3.1.1基准回归分析表1展示了命令控制型工具对碳生产率影响的回归结果。列（1）不考虑固定效应，列（2）加入了时间和地区固定效应，但没有加入控制变量，列（3）同时考虑了固定效应和控制变量。可以看出：在三种情况下，lnER的系数均显著为正，表明命令控制型工具与碳生产率具有正相关关系，采用命令控制型工具显著提升了碳生产率。究其原因，一方面，各地政府采取强制性的环境政策工具来干预企业的排污活动，从而迫使企业减少污染物的排放，有效提升碳生产率；另一方面，企业会改进生产设备、增加环保低碳方面的技术研发投入，在减少污染物排放的同时，扩大产值规模，进而提升碳生产率。由此，假设1得证。就控制变量而言，城镇化水平、就业情况、能源强度与碳生产率具有负相关关系，对外贸易与碳生产率具有正相关关系。随着城镇化发展、就业人数增加，人口和经济的高度聚集，对环境造成较大压力，不利于碳生产率的提升；能源强度越高，表明单位国内生产总值的能源消费量越多，这会抑制地区碳生产率；对外开放能促进各种生产要素的流动，学习先进的技术及管理经验，进而促进各地区碳生产率的提升，但作用不显著。3.1.2异质性分析为进一步研究命令控制型工具对碳生产率影响的区域差异性，本文将我国30个省份分为东、中、西部和东北地区进行异质性分析，结果如表2所示。可以看出，命令控制型工具对碳生产率的影响存在较大的区域差异，东部地区和东北地区lnER的系数均在1%的水平上显著为正，说明命令控制型工具对该地区碳生产率具有显著的提升作用，西部地区系数为正但促进作用不显著，而中部地区影响不显著且具有抑制作用。表明我国各地区环境保护与经济发展的协调性差距较为明显，中西部地区大多以资源型产业为主，导致命令型环境政策工具的作用并不显著，甚至产生负向影响。表2区域异质性分析结果lnER控制变量地区固定效应时间固定效应常数项R2N东部地区0.2060*（3.41）YESYESYES10.6992*（8.42）0.9076140中部地区-0.0248（-0.93）YESYESYES0.6861（0.37）0.951784西部地区0.0126（1.06）YESYESYES4.0690*（3.28）0.8383154东北地区0.1309*（5.49）YESYESYES-1.8045（-1.02）0.9655423.1.3中介效应分析由上文分析可知，命令控制型工具显著影响碳生产率，那么前者是如何对碳生产率产生影响的呢？为了验证假设2，本文对技术创新水平进行中介效应检验，结果如下页表3所示。列（1）中lnER的回归系数显著为正，说明命令控制型工具对碳生产率有显著的正向影响，列（2）中lnER的回归系数显著为正，表明采用命令控制型工具推动了技术创新，列（3）中lnER和lntec的系数均显著为正，且与列（1）相比，lnER的回归系数变小。结果表明技术创新存在中介效应，验证了假设2。技术创新是推动碳生产率提升的中介变量，主要原因在于实施命令控制型工具使得企业的环境成本相对增加，从而倒逼企业增加技术创新方面的投入，进一步减少能源消耗量，提高企业的产品生产和管理水平，同时实现减排和产出增加，最终促进碳生产率的显著提升。统 计 观 察表1命令控制型工具对碳生产率的影响lnERlnurblnielneclnem地区固定效应时间固定效应常数项R2N（1）0.2343*（11.91）NONO0.5185*（30.81）0.2535420（2）0.0560*（3.24）YESYES0.2890*（9.78）0.5919420（3）0.0327*（2.21）-1.1122*（-6.77）0.0419（1.40）-0.4961*（-11.11）-0.0836*（-1.84）YESYES5.3357*（7.54）0.7140420注：括号内为t值，*、*、*分别表示在1%、5%、10%的水平上显著，下表同。61统计与决策2023年第16期总第628期表3中介效应分析：技术创新lnERlntec控制变量地区固定效应时间固定效应常数项R2（1）Cr0.0327*（2.21）YESYESYES5.3357*（7.54）0.7140（2）lntec0.0241*（1.76）YESYESYES-7.2296*（-11.05）0.6850（3）Cr0.0300*（2.02）0.1119*（2.01）YESYESYES6.1449*（7.57）0.71713.2市场激励型工具对碳生产率的影响3.2.1平行趋势检验本文通过绘制实施省份和未实施省份的碳生产率平均增长趋势图来进行平行趋势检验。由图1可知，实施市场激励型工具前，实验组与对照组的碳生产率具有相似的变化趋势；在实施市场激励性工具之后，实验组与对照组的变化趋势不同，实验组的碳生产率增长迅速，而对照组的碳生产率变化较小，平行趋势假设得到验证，表明可以使用DID方法来检验以碳排放交易机制为代表的市场激励型工具对碳生产率的影响。2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019年份1.61.41.21.00.80.60.40.20.0实验组对照组GDP/碳排放量图1 平行趋势检验3.2.2平均效应检验从表4列（1）可以看出，考虑了地区固定效应和时间固定效应后，treattime的系数在1%的水平上显著为正,说明在没有考虑控制变量时，市场激励型工具对碳生产率具有显著的正向影响。加入控制变量之后,交互项的系数仍显著为正。因此，无论是否加入控制变量，实行以碳交易机制为代表的市场激励型工具均能够显著提升碳生产率，从而假设3得以验证。列（3）和列（4）将被解释变量替换为人均碳生产率，treattime的系数仍在1%的水平上显著为正，表明市场激励型工具正向影响碳生产率的结论是稳健的。表4平均效应检验结果treattime控制变量地区固定效应时间固定效应常数项R2Cr（1）0.3853*（11.03）YESYES0.3005*（11.61）0.6831（2）0.2915*（8.37）YESYESYES3.4348*（4.94）0.7562PCR（3）1.3388*（8.91）YESYESYES1.1550*（10.37）0.4909（4）0.8749*5.52YESYESYES17.5454*（5.55）0.56153.2.3动态效应检验本文对市场激励型工具产生的动态效应进行检验，结果见表5。可以发现，在实行市场激励型工具之前，每年的treattime的系数都不显著，而在实行之后，其回归系数均在5%的水平上显著为正，并且随时间推移系数越来越大，表明影响效应越来越强。表5动态效应检验结果变量treattime2007treattime2008treattime2009treattime2010treattime2011treattime2012treattime2013treattime2014treattime2015treattime2016treattime2017treattime2018treattime2019控制变量地区固定效应时间固定效应常数项R2系数-0.00380.03470.07920.07100.11930.1592*0.2490*0.2776*0.3372*0.4288*0.4795*0.5103*0.6099*YesYesYes2.0055*0.7867t值-0.050.451.010.911.542.043.193.524.235.325.886.227.372.870.7867进一步绘制动态趋势图呈现式（3）的回归结果。如图2所示，虚线为交互项系数95%的置信区间，实线为碳生产率的边际效应。在2012年之前，交互项系数的置信区间都与横轴有交点，均不显著；在2012年之后，边际效应线向右上方倾斜，说明以碳排放交易机制为代表的市场激励型工具对碳生产率存在持续的促进作用，并且作用随时间逐渐增强。0.80.60.40.20-0.22007200820092010201120122013201420152016201720182019年份图2 动态趋势图3.2.4稳健性检验实证分析结果表明，以碳排放交易机制为代表的市场激励型工具显著提升了碳生产率，为保证实证结果的稳健性，本文采取增加控制变量和反事实检验两种方法进行稳健性检验。（1）增加控制变量，上文进行双重差分检验时选取了城镇化水平、对外贸易、能源强度和就业情况四个控制变量，进一步参考已有文献在回归中加入控制变量产业结构（lniav，用工业增加值占GDP的比重衡量），结果见表统 计 观 察62统计与决策2023年第16期总第628期6列（1）。可以看出，增加控制变量之后，交乘项系数仍在1%的水平上显著为正，说明结论较稳健。（2）反事实检验。随机抽取6个省份组成新的虚拟样本进行相同的回归分析，若回归结果仍是市场激励型工具显著促进碳生产率，则表明上文结论不可信；若treattime的系数不显著，则说明本文的实证结论是可信的。回归结果见表6中列（2）至列（4），可以看出，treattime的系数均不显著，反向说明以碳排放交易机制为代表的市场激励型工具提升碳生产率这一结论是成立的，再次验证了假设3。表6稳健性检验结果treattime原控制变量增加控制变量地区固定效应时间固定效应常数项R2（1）0.2930*（8.44）YESYESYESYES3.0830*（4.29）0.7585（2）-0.0099（-0.27）YESYESYES5.4734*（7.52）0.7103（3）0.0439（1.24）YESYESYES5.6522*（7.92）0.7115（4）-0.0489（-1.42）YESYESYES5.6773*（7.96）0.71183.2.5中介效应分析为了验证假设4，对能源结构lnecs进行中介效应检验，结果如表7所示。列（1）中，交互项系数显著为正，说明市场激励型工具对碳生产率的正向影响显著；列（2）中，交互项的回归系数显著为负，说明采用市场激励型工具能够降低煤炭消费的比重，从而优化能源消费结构；列（3）中，treattime的系数为正、lnecs的系数为负，且均在1%的水平上显著，对照列（1）发现，交互项系数值变小。表明以碳排放交易机制为代表的市场激励型工具能够通过优化能源结构的方式来提高碳生产率，假设4得以验证。在实施市场激励型工具的情况下，各企业出于环境成本的考虑，会减少煤炭消费量，加大对清洁能源领域的研发与利用，从而改善整体的能源消费结构，市场激励型工具通过能源配置效应提高碳生产率水平。表7中介效应分析：能源结构treattimelnecs地区固定效应时间固定效应常数项R2（1）Cr0.2915*（8.37）YESYES3.4348*（4.94）0.7562（2）lnecs-0.1722*（-3.40）YESYES-4.5685*（-4.53）0.4960（3）Cr0.2073*（8.32）-0.4890*（-19.45）YESYES1.2007*（2.39）0.87934结论本文通过分析不同类型环境政策工具对碳生产率的影响及传导机制，得出如下结论：（1）基于固定效应模型分析来看，以污染排放强度衡量的命令控制型工具能够显著提升碳生产率，并且该影响具有区域差异性，东部和东北地区存在明显的正向作用，西部地区促进作用不显著，而中部地区具有不显著的抑制作用。（2）基于双重差分模型分析来看，以碳排放交易机制为代表的市场激励型工具对碳生产率有显著的正向影响，经过动态效应检验发现，市场激励型工具对碳生产率具有持续性的促进作用，并且提升作用逐渐增强。（3）基于中介效应模型分析来看，技术创新、能源结构在环境政策工具与碳生产率的关系中起到传导作用，命令控制型工具通过提高技术创新促进碳生产率的提升，市场激励型工具通过优化能源结构提升碳生产率。参考文献：1郑石明.环境政策何以影响环境质量?基于省级面板数据的证据J.中国软科学,2019,(2).2李冬琴.环境政策工具组合、环境技术创新与绩效J.科学学研究,2018,36(12).3吴磊,贾晓燕,吴超,等.异质型环境规制对中国绿色全要素生产率的影响J.中国人口 资源与环境,2020,30(10).4王丽,张岩,高国伦.环境规制、技术创新与碳生产率J.干旱区资源与环境,2020,34(3).5Hu W,Wang D.How Does Environmental Regulation Influence China s Carbon Productivity?An Empirical Analysis Based on the Spatial Spillover Effect J.Journal of Cleaner Production,2020,(257).6范秋芳,张园园.碳排放权交易政策对碳生产率的影响研究J.工业技术经济,2021,40(12).7黄向岚,张训常,刘晔.我国碳交易政策实现环境红利了吗?J.经济评论,2018,(6).8任晓松,马茜,刘宇佳,等.碳交易政策对工业碳生产率的影响及传导机制J.中国环境科学,2021,41(11).9徐建中,王曼曼.绿色技术创新、环境规制与能源强度基于中国制造业的实证分析J.科学学研究,2018,36(4).10孙振清,成晓斐,谷文姗.异质性环境规制对工业绿色发展绩效的影响J.华东经济管理,2021,35(8).11李小平,余东升,余娟娟.异质性环境规制对碳生产率的空间溢出效应基于空间杜宾模型J.中国软科学,2020，(4).（责任编辑/方思）统 计 观 察63