环境规制对中国工业绿色增长指数的影响

张江雪+蔡宁+杨陈

摘要

为衡量工业增长对资源的消耗和环境的污染，本文构建了“工业绿色增长指数”，并运用基于松弛测度的方向距离函数（SBMDDF）对2007-2011年中国30省（区、市）进行测算，根据得分将其分成高绿化度地区、中绿化度地区和低绿化度地区;采用面板数据模型测算了行政型、市场型和公众参与型这三种类型的环境规制对工业绿色增长指数的影响，同时考察技术创新、工业结构对工业绿色增长的作用程度。研究发现：东部地区的工业绿色增长指数高于中西部地区;行政型和市场型环境规制对工业绿色增长的作用显著，市场型环境规制在高、中绿化度地区起主要作用，而低绿化度地区以行政型环境规制为主;公众参与型环境规制对工业绿色增长的作用有限;技术创新和工业结构也是影响工业绿色增长的重要因素。为促进工业绿色发展，中西部地区要树立绿色、低碳的理念对东部地区所转移的产业进行选择;高绿化度地区需在提高排污费标准的同时，逐步采用排污权交易等方式加大对环境污染总量的控制力度;低绿化度地区可在实行低标准排污费政策的同时，逐步实现从行政型向市场型环境规制的转变;逐步发挥并扩大公众参与型环境规制的作用;注重与节能减排相关的技术吸收和应用推广，降低高载能行业的比重。

关键词环境规制;工业绿色增长指数;SBMDDF模型;面板数据模型

中图分类号  F427 文献标识码A文章编号1002-2104（2015）01-0024-08doi：103969/jissn1002-2104201501004

改革开放以来，中国工业作为经济的主要推动力，用50多年的时间走完了西方发达国家100多年的发展历程，但主要依靠生产要素的大量投入而非生产率的提升，并付出了巨大的资源和环境代价。2011年，全国工业增加值占GDP的比重为399%，却消耗了711%的能源。据统计，全球10大空气污染城市有7个在中国[1]。传统的粗放型增长模式使我国资源环境对工业发展的承载能力接近极限。我国工业从依靠资源消耗、环境破坏维持竞争力向资源节约型、环境友好型增长方式转型的核心枢纽，在于实现工业的绿色转型。对工业绿色增长的衡量，不能单纯着眼于增长速度，而要综合考虑其对资源的消耗和环境的污染程度。环境资源的公共品性质决定了工业污染控制难以完全通过市场机制来解决，必须实施合理有效的规制手段。不同类型的环境规制对工业绿色增长的影响效果存在差异，对这一问题的研究非常重要。

当前对绿色工业的相关测算主要在两个层面：一是对众多子指数无量纲化处理后再加权平均来构建绿色工业的总指数[2-3]，该方法由于统计分析和技术手段简单，被各界学者广泛使用，但在权重确定方面主观性较强。二是基于全要素生产率，分析工业增长绩效或工业绿色全要素生产率[4-5]。估算方法多采用随机前沿分析（SFA）或数据包络分析（DEA）。随机前沿分析法在多投入单产出分析中优势明显，但不适用于多产出分析。数据包络分析是在测度生产效率中发展起来的，不少学者将自然资源与环境纳入其中。最初把污染排放物、能源与资本、劳动一样作为投入要素[6]。1997年，Chung et al提出了方向性距离函数（DDF）[7]，将污染物处置为非期望产出。2001年，Tone提出了非径向、非导向性基于松弛变量的测度方法（Slacks Based Measure， SBM）[8];2009年，Fukuyama and Weber将此种方法与方向距离函数相结合，构建了基于松弛测度的方向性距离函数（SBMDDF）[9]，有效避免了传统方向距离函数的径向性和导向性。

国内外环境规制与绿色工业的相关研究大多集中在环境规制对企业技术创新、工业污染物排放和工业绿色全要素生产率的影响这三个方面。自20世纪90年代“波特假说”提出以来，环境规制便被认为有利于激励企业创新，推动企业技术进步[10-11]。但Jorgenson，Wilcoxen认为，环境规制提高了企业的生产成本，减少其生产性投资，因此自主创新投入不足，影响全要素生产率的增长[12]。张成等发现我国东中部地区的环境规制强度和生产技术进步符合“U”型关系，但西部地区不显著[13]。在环境规制对工业污染物排放的影响方面，Magat and Viscusi验证了环境规制对美国和加拿大纸浆和纸制品企业的生物需氧量和悬浮物排放量的影响[14];Bhattarai and Hammig发现亚洲、非洲及拉丁美洲的环境规制能明显减少森林砍伐，改善生态环境[15];王询和张为杰发现环境规制降低了东中部地区的工业污染水平，而在西部地区作用较小[16]。随着绿色经济日益引起关注，少数学者开始着眼于环境规制对工业绿色全要素生产率的研究。李玲和陶锋认为重度污染产业的环境规制强度相对合理，促进了产业绿色全要素生产率提高、技术创新和效率改进[17]。总的来看，国内外学者对环境规制与技术进步、污染物排放之间的关系进行了广泛而深入的研究，但对环境规制与工业绿色全要素生产率关系的研究较少，且对环境规制的测度比较单一。

为此，本文试图从两方面进行拓展：一是构建各地区的工业绿色增长指数（Green Growth Index of Industry—GGII），以衡量工业增长对资源和环境的影响程度，研究方法采用基于松弛测度的方向距离函数（SBMDDF）;二是分析行政型、市场型和公众参与型这三种类型的环境规制对中国工业绿色增长指数的影响效果及差异，以期为建立绿色、生态的工业发展模式提供借鉴和参考。

张江雪等：环境规制对中国工业绿色增长指数的影响

中国人口·资源与环境2015年第1期

1研究方法与数据来源

11工业绿色增长指数的测算

本文测度的工业绿色增长指数，是对综合考虑能源消耗和环境污染之后的工业发展质量的测度，是工业增长的绿色指数。

本文借鉴SBMDDF方法，以中国各省级行政单位的工业部门为决策单元构造前沿面。假设x表示各省（区、市）工业部门生产中的N种投入，x=（x1…xN）∈R*N;y表示M种期望产出，y=（y1…yM）∈R*M;b表示K种非期望产出，b=（b1…bK）∈R*K;则（xti，yti，bti）为第i个地区t时期的投入产出向量，（gx，gy，gb）为方向向量，（sxn，sym，sbk）为投入和产出的松弛向量。那么，第i个省（区、市）t时期工业部门的非径向、非导向的基于松弛测度的方向性距离函数（SBMDDF）定义为：

t（xi，yi，bi，gx，gy，gb）=13max（1N∑Nn=1snxgnx+1M∑Mm=1smygmy+

1K∑Kk=1sbkgbk）（1）

s.t xin=∑Ii=1xinλi+sxn，n;yim=

∑Ii=1yimλi-sym，m;bik=

∑Ii=1bikλi+sbk，k;

λi≥0，∑Ii=1λi=1，i;

sxn≥0，n;

sym≥0，m;

sbk≥0，k

由于本文是对工业绿色增长指数进行测度，重点关注工业在加速增长的同时对能源的消耗和环境的污染，因此以各省（区、市）的工业增加值作为期望产出，因为工业发展的质量和效益体现在工业增加值上;由于“十二五”时期重点监测的主要污染物是化学需氧量、二氧化硫、氨氮和氮氧化物，主要集中在工业废水排放和工业废气排放中，所以本文以工业废水排放总量、工业废气排放总量作为非期望产出，代表工业发展对环境的污染程度;以工业能源终端消费作为投入变量，反映工业发展对能源的消耗程度。由于式（1）是从无效率角度进行衡量的，因此求解该线性规划后，得到的是第i个省（区、市）工业部门t时期生产单位工业增加值所消耗的自然资源和所造成的环境污染程度，即基于资源环境约束的工业绿色增长的无效率值。该无效率值越大，则工业绿色增长的无效率水平越高，工业绿色增长水平越低;反之，无效率值越小，则工业绿色增长水平越高。

根据定理：当方向向量gxn=xmaxn-xminn，n且gym=ymaxm-yminm，m时，则有 0≤St（xi，yi，bi，gx，gy，gb）≤1[9]，因此，我们构建各省（区、市）的工业绿色增长指数（Green Growth Index of Industry—GGII），公式如下：

GGII=1-St（xi，yi，bi，gx，gy，gb）（2）

s.t gxn=xmaxn-xminn，n;gym=ymaxm-yminm，m;

由于无效率值St介于0和1之间，所以GGII也介于0和1之间。GGII数值越高，则该地区的工业绿色增长水平越高。

12环境规制变量选择与面板数据模型的构建

基于已有研究成果和当前环境规制力促绿色工业的现实意义，本文以工业绿色增长指数GGII为因变量，以环境规制作为重点考察的影响因素，同时分析其他因素对工业绿色增长指数的作用效果，构建下列模型：

GGIIit=ai+biRegulationit+ciOtherit+εit（3）

其中，GGIIit表示第i省（区、市）在第t期的工业绿色增长指数;Regulationit表示第i省（区、市）在第t期的环境规制向量;Otherit表示一系列除了环境规制外的其他影响因素组成的向量;ai代表省级区域的固定效应;bi、ci分别代表环境规制、其他因素对工业绿色增长指数的影响程度;εit为随机扰动项。具体的影响因素指标选择如下：

（1）环境规制。考虑到中国环境保护体制及工业发展现状，特别是在由行政和市场双调控、民众适当参与的工业环保领域，不能简单将环境规制用某一个或一类指标来概括，赵玉民等将环境规制分为显性环境规制和隐性环境规制[18]，其中，显性环境规制又分为命令控制型环境规制、以市场为基础的激励性环境规制和自愿性环境规制。20世纪 70 年代以前，环境规制主要以命令控制型为主;70-80年代，激励性环境规制开始成为命令控制型环境规制的重要补充;90 年代之后，信息披露、参与机制、环境标志等自愿性环境规制逐渐引起人们的重视。为此，本文从行政型、市场型和公众参与型这三种类型对我国各地区的环境规制强度进行衡量绿色增长指数。

①行政型环境规制。行政立法和行政命令是中国政策得以有效实施的重要手段之一，相关的环境规章制度直接对工业生产中的环境行为进行规制和干预，对解决环境问题比较有效，包括事前规制、事中规制和事后规制三种类型：事前规制是行政型环境规制的重点和核心，便于操作;事中规制的规制成本较高，规制效果难以控制;而事后规制通常是对违规的对象进行处理，规制面相对较窄。相比之下，本文以事前规制比较典型的“三同时”制度的相关指标“实际执行‘三同时项目环保投资总额占工业增加值比重”（TIEEP）来衡量行政型环境规制的强度。

②市场型环境规制。市场型环境规制是通过税费形式或排放许可证交易等工具，将企业外部费用内部化，激励排污者降低排污水平，促使社会整体污染状况趋于优化。在市场体系不健全时，排污税、补贴和可交易的排污许可证等工具无法有效地发挥作用。由于我国的排污收费制度实施的时间较长，政策相对稳定，而排污许可证交易是近年来才兴起，处于研究探索阶段，故本文选取“排污费收入”（FLWD）衡量市场型环境规制的强度。

③公众参与型环境规制。公众参与型环境规制是公众表达环境利益的有效途径。公众对工业企业污染的监督举报、对抗等会影响厂商的排污决策，包括是否需要调整现有生产模式、引进排污少的仪器设备等。在实践中，由于存在公民参与能力和水平差异、政府体制可参与性限制等约束，公众可以参与的环境规制形式有限，仅有环境信访、环境投诉等方面。由于环境起诉等每年发生的次数较少，数据不够稳定，随机性较强，本文选取“各地区环境信访来信总数”（EP）衡量公众参与型环境规制的强度。

（2）其他影响因素。影响工业绿色增长的因素很多，本文重点分析环境规制这一核心要素，对其他因素择重要选取，借鉴相关研究，我们选择的其他变量有：

①技术创新。技术创新是工业绿色发展的根本动力，会提高要素利用率，促使自然资源的节约和循环利用，导致在给定产出下自然资源消耗降低，进而污染排放减少。关于技术创新水平的衡量指标有专利、技术合同成交额、企业新产品产值等。考虑到技术创新的最终目的是科技成果的市场化、产业化，而技术合同交易额这一指标更能反映技术本身的市场价值，为此本文采用各地区的“技术合同成交额”（TVTM）进行衡量。

②工业结构。工业结构的优化是提高工业企业绿色发展效率的有效途径。由于我国工业内部产业结构过度倚重高载能的重化工业，造成能源等资源消耗总量较多。2005-2011年间，我国六大高载能行业（电力与热力的生产和供应业，化学原料及化学制品制造业，黑色金属冶炼及压延加工业，非金属矿物制品业，石油加工、炼焦及核燃料加工业和有色金属冶炼及压延加工业）在工业总产值中所占的比重始终在33%以上，而同期美国这六大行业占工业总产值的份额仅为7%左右[19]。本文用“高载能行业产值占工业增加值比重”（HEI）对工业结构进行衡量。

为提高模型估计的准确性，本文在构建模型时对部分变量取对数。由于本文测算年份选为2007-2011年，重点是分析区域差异，且时间较短，所以假定各系数只是针对不同的地区有变化，满足时间一致性，面板模型可表示为：

GGIIit=αi+β1iTIEEPit+β2ilnFLWDit+β3ilnEPit

+β4ilnTVTMit+β5iHEIit+εit （4）

其中，GGIIit表示第i省（区、市）在第t期的工业绿色增长指数;TIEEPit表示第i省（区、市）在第t期的行政型环境规制强度;lnFLWDit表示第i省（区、市）在第t期的市场型环境规制强度;lnEPit表示第i省（区、市）在第t期的公众参与型环境规制强度;lnTVTMit表示第i省（区、市）在第t期的技术创新水平;HEIit表示第i省（区、市）在第t期的工业结构;αi代表省级区域的固定效应;β′=（β1，β2，β3，β4，β5）表示各影响因素对工业绿色增长指数的作用程度。

在参数不随时间变化的情况下，截距和斜率除了出现式（4）这样斜率不同、截距不同的情况外，还有以下两种假设：

假设1：斜率相同，但截距不同，模型为：

GGIIit=αi+β1TIEEPit+β2lnFLWDit+β3lnEPit+

β4lnTVTMit+β5HEIit+εit（5）

其中，β′=（β1，β2，β3，β4，β5）的取值对于不同的省（区、市）而言是相同的，即：环境规制等因素对工业绿色增长指数的影响在一定显著水平下相同;各省（区、市）的差异体现在不同的αi

中，包括工业绿色增长水平、工业结构、环境规制等初始水平的差异。

假设2：斜率和截距都相同，模型为：

GGIIit=α+β1TIEEPit+β2lnFLWDit+β3lnEPit+

β4lnTVTMit+β5HEIit+εit（6）

其中，各省（区、市）斜率和截距的取值

无显著差异，相当于多个时期的截面数据放在一起作为样本数据。

具体选用哪种模型形式要通过两个F检验进行协方差分析来确定。分别构造假设1的检验统计量：F1=（S2-S1）/[（N-1）K]S1/[NT-N（K+1）];和假设2的检验统计量：F2=（S3-S1）/[（N-1）（K+1）]S1/[NT-N（K+1）];其中，S1、S2、S3分别代表模型（4）、（5）、（6）的残差平方和。在假设1和假设2的情况下，统计量F1和F2服从特定自由度的F分布。如果F2大（等）于某置信度下的同分布临界值，则拒绝假设2，继续检验，找出非齐次的来源;反之，利用模型（6）拟和样本。在已确定参数存在非齐次的基础上，如果F1大（等）于某置信度下的同分布临界值，则拒绝假设1，用模型（4）拟和样本;反之，用模型（5）拟合。如果确定模型形式为模型（4），则各省（区、市）环境规制等因素对工业绿色增长指数的影响不同，不能用统一的系数β′=（β1，β2，β3，β4，β5）来表示;如果模型形式为（5）或（6），β′=（β1，β2，β3，β4，β5）对于该样本组的每个省市是相同的，就可以得到该组各影响因素对工业绿色增长指数的影响系数。

13数据来源

由于2008年之后的《中国工业统计年鉴》不再公布各省（区、市）的工业增加值数据，本文中2007年的工业增加值（当年价）来源于《中国工业统计年鉴》，2008-2011年的工业增加值（可比价）则根据中国统计局网站的分地区工业增加值的增长速度计算;环境污染数据来源于《中国环境统计年鉴》;工业能源终端消费以《中国能源统计年鉴》地区能源平衡表（实物量）中各省（区、市）的工业终端消费量为基础，根据国家统计局公布的能源标准系数计算。环境规制、技术创新和工业结构等方面的数据来源于《中国环境统计年鉴》、《中国环境统计年报》、《中国统计年鉴》、《中国工业经济统计年鉴》。由于西藏部分统计指标缺失，本文研究对象为除西藏外的其余30个省（区、市）。

2实证结果与分析

21工业绿色增长指数测度结果及分析

基于SBMDDF方法，应用Matlab软件，我们测算了2007-2011年中国30个省（区、市）的工业绿色增长指数，结果参见表1。这5年均值排名前十位的省（区、市）依次是：北京、广东、上海、海南、天津、江苏、浙江、山东、青海和黑龙江，我们称其为“高绿化度地区”，排名前八位的省（区、市）均位于东部地区，其中，北京市的工业绿色增长指数得分为1，位于工业绿色增长效率前沿，这与地方政府贯彻工业绿色发展理念密不可分。“十一五”时期以来，北京在工业发展中强调“低碳高端，环境友好”的发展模式，已经分阶段将污染强度较大的企业转移出北京。广东省工业绿色增长指数分值为0999 9，接近工业绿色增长效率前沿。中部地区和西部地区都各1个省位于“高绿化度地区”。位于第11-20名的10个省（区、市）我们称其为“中绿化度地区”，其中，东部地区1个，是福建;中部地区4个，分别是吉林、江西、安徽、湖北;西部地区5个，分别是陕西、甘肃、内蒙古、宁夏、贵州。排名后10位的省（区、市）我们称其为“低绿化度地区”，东部地区2个，分别是辽宁和河北;中部地区3个，分别是湖南、河南、山西;西部地区5个，分别是新疆、云南、四川、重庆、广西。其中，山西省的工业绿色增长指数排名倒数第二位，这与山西省为全国其它地区提供能源支持有密切关联，长期高强度的资源开发，导致支柱产业单一粗放、生态环境破坏严重、资源利用水平偏低、资源枯竭问题日益突出。河北省工业绿色增长指数五年均值排名最后，既与其粗放型的生产方式有直接关系，也与其特殊的地理位置相关。由于地处两大直辖市之间，而北京、天津两大直辖市对环境保护水平要求较高，将较多的传统制造业迁往河北省，比如首钢，这都对河北省的工业绿色增长带来一定的负面影响。