非期望产出约束下环境规制对环境绩效的异质性效应研究
2018-03-30邱士雷王子龙刘帅董会忠
邱士雷 王子龙 刘帅 董会忠
摘要：环境问题是实现可持续发展的重大战略问题。能源消费所引致的环境绩效恶化问题已成为能源环境领域的一个重要议题。针对已有研究基于非期望产出角度探讨环境规制对环境绩效异质性效应的不足，本文利用SBM-DDF-SML测度了中国30个省份2004—2015年的环境效率与环境全要素生产率，并进行来源和成分分解。利用面板门槛模型深入研究环境规制工具对环境绩效影响的异质性效应。研究结果表明：①中国各省份环境效率普遍較低，且区域间差异显著；污染物过度排放和能源过度利用是导致环境无效率的主要原因。②尽管环境全要素生产率持续增长，但并未实现绿色可持续增长，西部地区尤为显著；技术进步是推动生产率增长的主要来源。③就环境规制的作用效果来看，环境规制与环境绩效存在非线性关系，不同类型的环境规制和规制强度的高低对环境绩效产生异质性效应，人均GDP、技术创新、FDI、结构因素对环境绩效均有不同程度影响，其中人均GDP、K/L和FDI的影响最为显著。依据以上结论，本文认为各地区应加大环境治理投资力度，加强节能减排技术的开发与应用，提高能源效率，减少污染排放，进一步发挥技术进步对环境绩效的推动作用。构建环境治理长效机制，保证环境治理政策的连续性和稳定性。审慎设计和制定环境规制工具，建立科学合理的环境政策体系，环境治理的关键不是“哪一种规制工具效果最好”，而是“哪一组规制组合效果最优”。政府应该结合不同类型环境规制工具的特点，选择最优的环境规制组合，建立长期有效的环境经济政策体系，这一点对综合治理环境污染，提高环境绩效尤其重要。
关键词 ：环境绩效；环境规制；SBM-DDF-SML；异质性效应
中图分类号 F205 文献标识码 A 文章编号 1002-2104（2018）12-0040-12 DOI：10.12062/cpre.20180719
随着中国经济的高速增长，面临的环境质量不断恶化。资源约束、环境污染问题凸显，成为制约经济可持续发展的重要因素[1]。设计和实施科学合理的环境规制越来越成为解决能源环境问题的有效手段[2]。2015年中国政府承诺2030年CO2排放强度比2005年降低60%～65%[3]；2020年单位GDP能耗比2015年下降15%，能源消费总量减少至50亿t内[4]。本文从环境规制政策入手，探讨环境规制对环境经济绩效的异质性效应。测度环境效率水平，分析地区环境污染治理是否存在显著差异；将不同类型的环境规制政策纳入统一框架，验证中国现阶段所采取的环境规制能否推动环境效率与环境全要素生产率的“双重改善”，检验环境规制政策是否真正发挥了节能减排作用。
1 文献综述
国内外学者对于环境规制能否改善环境绩效问题进行了一系列研究。早期研究认为严格的环境规制非但不能改善环境，还会增加企业负担，降低生产率[5]。原因在于企业不仅要承担减少污染排放的直接成本，如购买末端设备或必要的R&D投资，还要承担投资活动受到限制而导致的机会成本[6]。如Gray和 Shadbegian R J[7]认为环境规制导致美国钢铁行业全要素生产率下降9.3%；Greenstone等[8]认为严格的空气质量管理条例使美国制造业生产率降低2.6%；Rubashkina，Y等[9]利用欧盟17国的面板数据进行检验，研究结果表明环境规制的技术创新效应并不显著；Rexhuser 和Rammer [10]也认为环境规制的“波特假说”效应并不普遍存在，原因在于不同国家之间的环境规制存在显著差异。对此，Porter等[11]则提出具有挑战性的观点，认为科学合理的环境规制对生产率和企业竞争力有益。环境规制能够促进技术创新，降低合规成本，提高资源利用效率和产品价值，实现改善环境和提高企业竞争力的“双赢”局面。Lanoie和 Peuckert[12-13]认为尽管环境规制会增加企业负担，短期内对生产率产生消极作用，但随着环保技术的开发和应用，长期来看则是有益的。Franco 和Marin [14]通过对欧盟7国制造业能源税强度的调查，发现环境规制对生产率具有显著直接的推动作用。Hamamoto[15]和Yang等[16]通过调查日本和台湾技术创新和生产率的环境规制效应，认为环境规制是驱动技术创新和生产率提高的主要因素。Berman和Bui，Alpay，Wang.Y，Brnnlund，Zhang Yuejun等[17-21]也从不同视角证明“波特假说”的存在。关于环境规制效果的评估，顾阿伦等[22]认为我国通过工程减排、结构减排和监督减排等措施，使“十二五”规划的前两年减少污染物排放400万t，CO2减少1.72亿t。徐园[23]提出公众参与制度有效降低了中国工业废水和SO2的污染排放强度，但作用远远低于传统环境规制政策。Wang H [24]认为排污收费与企业降低排污的积极性成正相关，排污收费制度对节能减排具有更高的激励作用。综合上述文献发现，造成研究结论冲突的原因主要包括以下方面：首先，“波特假说”强调的不是选择何种规制工具，规定何种规制强度，才能达到提高效率的最优效果，而是设计科学完善的规制工具组合。现有文献均采用单一工具来捕获环境规制对环境绩效的影响，如Wang，Langpap，Chavez等[25-27]分别检验排污费、公众参与、市场激励型规制与环境绩效的关系，并未研究环境工具组合对环境的规制效应。其次，“波特假说”是在特定条件下产生的，并不具有普遍性。现有文献研究多数集中在发达国家，缺少对像中国这样既遭受严重的环境污染，又面临巨大的经济增长压力的发展中国家的研究[28]。最后，如何合理准确测度环境绩效至今尚无定论。既有文献测度环境绩效所采取的研究方法复杂多样，包括BP人工神经网络[29]、因子分析法[30]、DEA [31]等，尤其是DEA方法。由于存在投入产出松弛和角度问题，径向、角度的DEA效率测度方法计算的效率结果出现偏差，再加上投入产出变量选择的差异，对环境绩效的评价差异更大[32]。这一系列因素的差异都会影响环境规制工具的效果。
纵观已有国内外关于环境规制与环境绩效方面的研究，无论在理论方面还是实践方面，都取得了可喜成绩，但也存在一些问题。首先，研究对象单一，基本上均研究单一规制工具对环境绩效的影响。任何一国都不可能使用单一工具进行环境治理，往往强调的是不同工具的组合使用，对于不同工具组合搭配的相对效果的研究较少；其次，大多数研究成果集中在美国、欧盟、日本等发达国家和地区，对于发展中国家的研究较少；最后，现有文献效率测算方法大多采用BCC、CCR等传统距离函数模型，而这些模型存在角度和径向缺陷，造成测度结果并不准确。鉴于此，本文拟在以下方面有所突破：①运用SBM方向性距离函数和Luenberger生产率指数测度包含非期望产出的环境效率和环境全要素生产率，并对环境无效率的来源和环境全要素生产率增长成分进行分解。②为了考察对比不同规制工具对环境绩效的作用差异，将命令控制型、市场激励型和公众参与型统一纳入环境规制评价体系，以进一步验证不同类型环境规制对环境绩效影响的异质性效应。③利用面板门槛模型考察三种规制工具在不同规制强度下与环境效率和环境全要素生产率之间的关系，以确定最优强度的环境规制组合。
2 研究方法
非期望产出约束下的效率测度是在给定投入要素前提下，实现最大产出的同时尽可能减少污染物的排放。所以，必须区别对待期望产出和非期望产出。然而，无论是期望产出还是非期望产出，传统DEA模型[33-34]都将其处理为尽可能大，这显然与实际目的不符。为此，本文利用方向向量表示期望产出增加和非期望产出减少，将目前“单投入—单产出”的单要素效率模型扩展到包含非期望产出的“多投入—多产出”的全要素效率模型。为避免忽略松弛导致技术效率高估问题[35]，定义了考虑非期望产出的SBM方向性距离函数[36]，建立节能减排约束下包含非期望产出的全要素环境效率评价模型。
2.1 环境效率模型
本文以省为决策单元（DMU）构建各个时期省域环境效率的生产前沿，即环境技术。假设每一DMU使用n种投入x=（x1，x2，…，xn）∈R+N生产m种期望产出y=（y1，y2，…，ym）∈R+M和i种非期望产出b=（b1，b2，…，bi）∈R+I，省域k在时期t的投入和产出向量为（xk，t，yk，t，bk，t）。构建包含非期望产出的生产可能集[37]如下：
对于环境全要素生产率的分解，主要包括两种方式：一是在规模报酬不变约束下将环境全要素生产率增长分解为技术进步、纯效率变化和规模效率变化三部分[38]；二是在可变规模报酬约束下将环境全要素生产率分解为技术进步、纯效率变化与规模效率变化[39]。除纯效率变化相同外，其他两种变化尽管名称一致，但分解机理不同。前者对环境全要素生产率的测度是准确的，但分解并不合理；后者虽然分解思路准确，但生产率测度并不准确。因此，本文将上述两种分解方式整合在同一框架内。将生产率指标分解为纯效率变化（EPEC）、纯技术变化（EPTC）、规模效率变化（ESEC）和技术规模变化（ETPSC）[40]，公式表示如下：
一般情况下，当ETFP、EPEC、EPTC、ESEC和ETPSC的估计值均大于零时，表示生产率改善、效率提高、技术进步、规模效率提高和技术偏离CRS，否则相反。为减少环境全要素生产率无解的情况，本文运用序列DEA的方法，测度了节能减排约束下中国30个省份2004—2015年的环境效率与环境全要素生产率。
3 效率测度与分解
3.1 指标选取与数据来源
本文选取2004—2015年中国30个省级单位的面板数据，关于省份范围的确定，考虑到制度差异，不包括香港、澳门和台湾。由于数据缺省严重，也不包括西藏自治区。产出指标为地区生产总值和污染排放量，所选取的投入指标为人力资本，资本投入和能源投入。具体投入产出指标的界定和测算如下：
（1）期望产出（GDP）。目前相关文献中，对于产出指标的衡量有总产值、增加值和净产值等。由于本文将能源作为中间投入计入投入指标。所以选取按2000年不变价计算的各省份地区生产总值作为期望产出。
（2）非期望产出（PE）。国内外文献大多使用单一污染物指标作为非期望产出的代理变量，其中以SO2和CO2居多[41-43]。使用單一污染指标很难全面的衡量某一地区的整体环境污染状况，必须在兼顾污染数据可得性原则
下，综合考虑各种污染物的排放量。因此，本文选取各省份SO2、CO2、COD、烟尘、粉尘和固体废弃物6类污染物指标。根据它们各自对人类和社会损害的不同，以每种污染物的社会支付意愿作为权重，将上述6类指标合成一个环境污染综合排放指数。具体权重如表1所示。由于CO2排放量数据无法直接获得，本文将三种主要化石能源（煤、石油和天然气）消费量乘以各自的碳排放量系数然后加总求和得到各省份CO2排放量。
（3）能源投入（E）。能源作为环境污染主要来源纳入效率测度中。能源投入用三种主要能源消费总量表示。
（4）劳动力投入（L）。国内外文献大多采用从业人员数量作为劳动力投入指标，而这种方法只关注地区劳动力数量差异，却忽略了劳动力质量的差异。采用人力资本存量这一指标，不仅考虑了由于各省份经济发展水平差异导致的劳动力质量的差异，还考虑了人力资源投资和受教育年限等要素对地区经济增长的促进作用。从此角度出发，以各省份人力资本存量衡量地区劳动力投入水平[44]。具体方法为各省份就业人员数量（年末平均值）与就业人员平均受教育年限的乘积。
（5）资本投入（K）。采用永续盘存法估算按可比价计算的资本存量表示资本投入。在使用永续盘存法计算资本存量的过程中，新增投资指标选择按2000不变价固定资产价格指数平减后的固定资产形成额表示，基期资本存量参考单豪杰[45]方法得到2000年的资本存量，折旧率统一采取10.96%。
本文对区域的划分如下：西部地区包括内蒙古、广西、重庆、四川、贵州、云南、山西、甘肃、青海、宁夏、新疆11个省区；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南8个省区；东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南、河北11个省区。
表2从东、中、西三大地区对上述数据进行描述性统计，从地区经济、劳动投入、资本存量、能源利用以及污染排放来看，地区差异很大。
全国经济年均增长974%，能源消费年均增长628%，污染排放增长率614%，表明中国经济增长依然过度依赖能源消耗，并造成严重的环境破坏。西部地区经济增长最快，但伴随着高速的资本增长率、能源消耗增长率和污染排放增长率，这可能与近年来实施西部大开发战略，推动西部经济快速增长有关。西部大开发战略实施后，丰富的资源禀赋吸引中、东部地区资源密集型企业向西部地区转移，为西部地区带来先进技术和丰富资本的同时，导致了大量的能源消耗和严峻的环境污染。尽管中部地区经济增长速度低于西部地区，但高于东部及全国平均水平，且能源消耗与污染排放增长率最低，表现出良好的增长趋势。东部地区劳动力增长率最高，可能源于两个原因：①中、西部向东部大规模的人口流动。②东部地区教育资源丰富，人口平均受教育程度较高，人力资源增长快。虽然东部地区经济增长最慢，但从能源利用比例和污染排放比例来看，东部地区依然是能源的主要使用者（4529%）和污染物的主要排放者（4456%）。
32 效率测度结果
为了全面研究各省环境效率与环境全要素生产率的动态变化，分析各省环境无效率的原因，本文将效率测度分为两种类型：①不考虑污染排放量的经济效率和经济全要素生产率。②将污染排放作为非期望产出测度环境效率和环境全要素生产率。对两种效率及生产率进行分解，寻找其变化的原因。
3.2.1 环境效率测度及分解
选取恰当的方向向量将产出和投入松弛标准化，是准确测度效率的关键，本文选择每个省份的投入产出值作为方向向量。根据SBM-DDF方法的性质，我们所得到的结果表示每个DMU的无效率水平，值越大，效率水平越低。当结果为零时，表示该DMU处在最佳生产前沿，不存在投入和排放过度，期望产出不足。文章在CRS和VRS假设下对中国经济效率与环境效率进行测算，对无效率值进行分解。从空间维度上划分成东、中、西部地区，对比分析不同区域环境效率的差异。
表3表明，在CRS和VRS约束下所测得的效率结果有所不同。原因在于，CRS是在固定最优生产规模条件下测度环境绩效，而VRS则是在可变生产规模条件下测度，二者的差异是由规模效率差异引起的。当两种约束所得到的结果不同时，应采用VRS约束下所得到的结果[46]。因此，文章主要基于VRS约束下所得到的结果对经济效率与环境效率进行分析。
首先，在不考虑环境污染条件下，2004—2015年中国经济无效率的平均值为106%，按照传统径向DEA分析，各省应同比例减少劳动力投入106%，资本存量减少106%，能源投入减少106%，GDP增加106%，才能达到经济有效；考虑环境污染后，全国环境无效率值提高到193%，同样按照径向DEA分析，各省应该同比例减少劳动投入193%，资本存量投入减少193%，能源投入减少193%，GDP提高193%，污染排放减少193%，才能达到环境有效。但是在SBM-DDF模型中，由于考虑了松弛和调整方向，各省可以通过减少35%的劳动、07%的资本、54%的能源消耗，增加1%的GRP达到经济有效；同理，各省可以通过减少43%的劳动投入，06%的资本，54%的能源使用，提高03%的GRP，减少87%的污染排放使环境达到完全有效。在经济无效率中，劳动无效率占3302%，资本无效率占66%，能源无效率占5094%，GRP无效率占943%。能源利用无效率和劳动投入无效率是造成经济无效率的主要原因。在环境无效率中，劳动无效率占2228%，资本无效率占311%，能源无效率占2798%，GRP几乎没有出现无效率，污染排放无效率占4508%。污染排放成为环境无效率的主要来源。在不考虑环境因素的条件下，为了提高经济效率需要大幅度提高能源利用效率与劳动力投入效率，而考虑污染排放后，则需要重点考虑提高污染排放效率与能源利用效率。所以，在对效率评价中一味追求经济发展，忽视环境污染是有失偏颇的，容易造成政府决策失误。从环境效率的角度也可以看出，中国环境污染治理工作任重道远。
从东、中、西三大区域来看，环境无效率均高于经济无效率。中部地区的环境无效率水平（264%）远高于其他两个区域（东部，121%；西部，215%），且高于全国平均无效率水平（193%）。就不同区域中国环境无效率来源的相对贡献度来说，劳动投入无效率对中部地区环境无效率的贡献率最高（25%），其次是西部地区（204%），东部地区最低（1157%）。虽然东部地区人口稠密，劳动力平均增长率最高，但是在劳动力使用效率上，中、西地区拥有较大的提升空间；东部地区资本无效率对环境无效率的贡献度最高（661%），这与东部地区资本过度拥挤有关。另外，能源利用无效率和污染排放无效率对东部地区环境无效率的贡献率分别为314%和5041%，远高于中部和西部地区。尽管如此，能源利用无效率与污染排放无效率是三大区域环境无效率的主要来源。因此，节能减排成为各区域提高环境效率、实现可持续发展的重要关注点。
3.2.2 环境全要素生产率测度及分解
表4是2004—2015年中国各省份经济全要素生产率与环境全要素生产率及其分解。用计算而得的各省逐年环境TFP增长率除以对应的地区生产总值增长率，就可以得到由经济增长质量贡献所度量的可持续增长率[47]。
在这一时期内，全国经济TFP年均增长率为4.2%，低于环境TFP年均增长率（6.3%）。考虑环境污染等因素后，纯技术进步和技术规模效率进一步提高。表明近年来实施的一系列環境治理政策促进先进技术在节能减排领域的研发和运用，抵消了合规成本，导致环境TFP的提高，使得“波特假说”在中国得到验证。与王兵的研究结果相似，但要高于其环境全要素生产率的测度结果。可能的原因是非期望产出指标与考察时间不同。本文在选取污染排放指标时，并不是仅局限于SO2、COD或者两者简单相加，而是根据它们各自对人类和社会损害的不同，以每种污染物的社会支付意愿作为权重计算环境污染综合指数作为非期望产出。无论是经济全要素生产率和环境全要素生产率，技术进步是推动其增长的最主要来源。由此看出，技术进步不仅成为经济增长的重要来源，也是改善环境的重要手段。纯效率变化小于零，表示效率降低；技术规模效率大于零，表示经济技术前沿和环境技术前沿均向VRS变动。
从东、中、西三大区域来看，无论是经济TFP增长率（4.4%）还是环境TFP增长率（7.2%），中部地区均高于东部与西部地区，并且对产出增长率的贡献度最高，表现出更为集约的增长方式。原因在于中部地区纯技术进步效率最高。由于经济发展程度不同，与东部地区相比，中部地区处在较低的节能减排阶段，节能减排边际成本较低，开发和运用新的节能减排技术就可以取得比东部地区较高的节能减排效果。西部地区由于极高的GRP增长率（12.1%）、最高的能源消耗增长率（8.23%）和污染物排放增长率（8.19%）导致环境TFP增长率（5.4%）和可持续增长指数最低（43.4%），意味着西部地区利用其丰富的资源禀赋促进经济增长的模式是不可持续的，严重破坏生态环境。因此，怎样打破“资源诅咒”，实现可持续的“绿色”增长，是当前中国面临的最大挑战。
4 实证设计与分析
4.1 面板门槛模型设定
本部分将利用固定效应面板门槛模型就当前的环境规制政策与环境效率和环境全要素生产率之间的非线性关系进行研究，以检验当前实行的环境治理政策的效果，寻求实现可持续发展路径。分别建立关于环境效率和环境全要素生产率的双重门槛模型如下：
选取合理的环境规制工具的代理变量是实现本论文研究目的关键点。一部分文献是利用污染治理与控制支出作为命令控制型规制的代理变量[48-49]。由于部分文献将其分为污染控制支出和污染治理费用两部分[50]。显然，无论使用哪一种支出代表命令控制型规制都有问题。还有文献使用地区环境标准个数作为命令控制型规制的代理变量，但环境标准个数无法对环境标准所拥有的控制力度进行客观反映。本文使用当年完成环保验收项目环境投资（LNEI）作为命令控制型规制的代理变量。国家在新建设项目环境影响评估过程中，要求环境投资比例必须达到5%以上，这一指标成为衡量项目是否达到环境标准的重要指标，具有很强的约束力和执行力。排污收费总额（LNPDF）作为市场激励型规制工具的代理变量。对于公众参与型规制工具的选择，具有较大弹性，包括人均收入、社区宣传、人口密度、当地员工比例、居民受教育程度、环保意识、污染报道次数和公民诉讼记录等[51-52]。考虑到数据的可得性，选取群众上访批次（LNCOM）作为公众参与型规制工具的代理变量。
为了尽可能降低其他变量遗漏对模型估计结果产生误差，本文选取以下变量作为控制变量：①经济发展水平（LNPGDP）：用人均GDP的对数表示，人均GDP对数的平方也包括在内，以检验环境效率、环境全要素生产率与经济发展之间的二次型关系。②技术进步（LNTI）：以国内发明专利授权量的对数表示，并预期对环境效率与环境全要素生产率具有积极影响。③结构因素：以资本—劳动比的对数表示禀赋结构（LNK/L）；以国有及国有控股企业总产值占工业总产值的比重表示所有制结构（LNSOES）；以第二产业增加值占GDP的比例表示产业结构（LNIS）；以煤炭消费量占能源消费总量的比重表示能源结构（LNES）。④外商直接投资（LNFDI）：FDI对环境效率与环境全要素生产率的影响不确定，一方面FDI能够为东道国
带来先进技术和管理经验；另一方面则由于发展中国家环境规制水平较低，导致大量FDI流入污染密集型产业，从而产生“污染天堂”效应。选取以2000年不变价外商投资额（含港澳台）检验中国是否存在“污染天堂”效应。
4.2 实证结果
以三种环境规制工具为门槛变量研究环境规制对环境效率和环境全要素生产率异质性效应，采取自抽样方法估算F统计量和P值，分别检验环境规制与环境效率和环境全要素生产率的非线性关系，确定门槛值。以门檻值作为非线性关系的拐点，将环境规制强度划分为不同区域，估计各区域系数。
表5表明，尽管三种规制工具的单一门槛、双重门槛及三重门槛均显著，但这并不意味着要分别对LNEI、LNPDF和LNCOM建立关于环境效率的三重门槛模型。以LNEI为例，第三门槛置信区间大于第一门槛，说明相对于第一个门槛值来说，第三个门槛值的残差平方和不是最小，应建立LNEI的双重门槛模型；同理，可以判断LNPDF、LNCOM的双重门槛模型。对于环境全要素生产率而言，LNEI的三重门槛检验在5%水平上显著，但三重门槛置信区间大于第一、第二重门槛，且第三门槛值接近于第一门槛值，应建立LNEI的双重门槛模型；LNPDF的单一门槛模型在10%水平上显著，LNCOM的双重门槛模型在10%水平上显著。针对环境全要素生产率，分别建立LNPDF的单重门槛模型与LNCOM的双重门槛模型。
表6表明，对于环境效率而言，LNEI的两个门槛值分别为10659和11754； LNPDF的门槛值分别为9765和11664 LNCOM的两个门槛值分别为482和5861。对于环境全要素生产率而言，LNEI的两个门槛值分别为10205和11766；LNPDF有单一门槛值为934；LNCOM门槛值分别为5804和8055。
一旦确定门槛值和门槛区域，就可以利用面板门槛模型进行估计。表7表明，对于环境效率而言，命令控制型规制工具与环境效率存在非线性关系：当LNEI小于10659，命令型规制对环境效率有显著的促进作用
（0012）；当10659
表8表明，命令控制型规制对环境全要素生产率的影响存在两个拐点（10.205、11.766），规制强度过低（LNEI≤10.205），命令控制型规制对ETFP的促进作用较小，但规制强度过高（LNEI>11.766），则会抑制ETFP增长。因此，存在最优的命令控制型规制强度区间（10.205 当LNPDF≤934，市场激励型规制对ETFP产生负向作用。在环境治理初期，市场机制不完善，导致生产率大打折扣；当LNPDF>934，其系数在5%水平显著为正，市场激励型规制的促进作用开始显现。目前，26个省份处于LNPDF>934，说明对于大多数省份来说，市场激励规制对ETFP的提升非常有效。当LNCOM≤5804，公众参 与型规制对ETFP的作用系数在5%水平上显著为正，当5804 从控制变量看，模型1～3表明经济发展水平与环境效率之间存在U型关系。模型6表明，经济发展水平与环境全要素生产率也存在U型关系，意味着经济发展水平只有越过一定阀值，伴随着技术进步与产业升级，环境效率与环境全要素生产率才有所改善，支持“环境库兹涅茨曲线”假说[54]。技术创新对环境全要素生产率的正向作用显著，但对环境效率的正向作用不显著。模型1～6均表明FDI对环境效率与环境全要素生产率具有显著的正向作用，否定了发展中国家是外商直接投资的“污染天堂”假说。在结构因素中，资本-劳动比对环境全要素生产率具有抑制作用。資本-劳动比上升意味着该地区产业结构由劳动密集型产业向资本密集型产业升级，而资本密集型产业往往集中在重污染行业。资本-劳动比对环境效率具有正向作用，资本密集型产业技术进步抵消了其对环境效率的负面影响。产业结构对环境效率具有显著负影响，说明随着工业化程度的提高，环境效率将下降。对环境全要素生产率虽呈现正向作用，但不显著。所有制结构对环境效率与环境全要素生产率也具有显著的负向影响，这意味着减少国有及国有控股企业比例，尤其是减少重污染省份的国有企业比例，能够显著的提高环境效率和环境全要素生产率[55]。能源结构对于环境效率与环境全要素生产率具有显著正向作用，可能的原因在于现有能源结构所带来的经济效益和社会效益抵消了对环境的负面影响。 5 主要结论与政策启示 本文将SBMDDFSML模型与面板门槛模型相结合，测度了全国30个省份的环境效率水平，并进行来源和成分分解，考察了地区间环境绩效差异。从效率视角研究了环境规制政策对环境绩效的冲击，探讨了环境效率和环境全要素生产率双赢的问题。主要研究结论如下： （1）区域间环境绩效差异显著，污染排放无效率与能源利用无效率是导致环境无效率的主要原因。研究发现，各省份2004—2015年经济无效率的平均值为106%，环境无效率的平均值为193%。东部地区环境效率最高，其次是西部地区，中部地区环境效率最低。经济全要素生产率的平均值为42%，低于环境全要素生产率62%。无论是经济全要素生产率还是环境全要素生产率，技术进步是推动生产率增长的主要动力。考虑环境因素后，技术进步的推动作用进一步增强。中部地区生产率最高，其次是东部地区，西部地区最低。 （2）“高能耗、高污染”的粗放型经济增长方式并未改变，中国经济远没有实现“绿色”可持续增长。受金融危机影响，国家为保持经济稳定增长实施宽松的财政政策和货币政策，以高排放、高污染为特征的重型工业化经济抬头，导致污染排放和能源消耗出现“回弹效应”，环境全要素生产率普遍降低，“绿色”可持续增长受到阻碍。 （3）环境规制的“波特假说”效应在中国开始产生，但环境规制对环境绩效的影响存在异质性。具体如下：当LNEI≤11766，随着命令型规制强度的增加，环境效率与环境全要素生产率“双重改善”；当LNEI高于11766时，提高规制强度导致环境效率与环境全要素生产率“双重恶化”。市场激励型规制对环境效率与环境全要素生产率在LNPDF>9765时具有双重推动作用。目前已有80%的省份越过这一拐点，表明现阶段的市场激励型规制工具对于大部分省份来说是合理的。对于公众参与型规制工具来说，当482 依据上述实证结论，本文提出以下政策建议。 （1）加大环境治理投资力度，促进节能减排技术研发与应用。企业普遍存在资金短缺问题，很难依靠自身力量开展节能减排技术研发与创新。中央和地方政府应通过税收减免、财政拨款、科技创新奖励等手段加大对企业节能减排技术研发的资金支持，对审批立项的节能减排技术创新课题和项目提供更多无偿支持和贴息贷款，加强对项目资金使用监督。支持环保项目优先上马，对未达到环保技术标准的项目及时叫停整顿。通过科技人才派遣和引进计划，加快节能减排技术在区域间的扩散和吸收，缩小区域技术差距，促进环境绩效的整体改善。 （2）保持环境治理政策的执行力、连续性和稳定性，构建环境治理长效机制。实施连续的、稳定的环境规制政策，坚持节能减排的稳定和长效机制，不要因为外部环境变化放松对重型工业的管制。可以根据能源强度和污染排放强度划分不同级别的管制区域和行业，重点管制和治理“高能耗、高污染”的地区和产业，深入挖掘重化工业节能减排潜力，促进效率改善。必须实施差异化的环境规制政策，统筹兼顾经济绩效和环境绩效。对于东部地区，通过环境财政、排污权交易、绿色资本市场和生态补偿等政策，建立市场和政府“两手抓，两手都要硬” 的环境治理模式，鼓励企业通过设备改造升级和技术进步实现节能减排。中西部地区在努力发展经济的同时，积极引进东部地区资金和先进技术，缩小与东部地区的差距。
（3）審慎设计和制定环境规制工具，建立科学合理的环境政策体系。研究表明，命令型规制强度不是越高越好，而应将其控制在合理的强度区间，实现环境效率与环境全要素生产率的“双重改善”。充分发挥市场激励型规制工具在能源消耗和环境治理等方面的决定性作用。自2018年1月1日起，我国开始征收环境税，进一步强化了市场机制在环境治理方面的决定性作用。借鉴发达国家排放贸易体系，探索建立适合中国国情的排污权交易市场。公众参与型规制随着公众环保意识增强逐渐发挥重要作用，必须完善公众参与环境治理机制，拓宽社会公众获取环境信息的公开制度和渠道，增强环境信息公开的广度和深度，自觉接受社会公众监督。社会公众要善于使用法律赋予的权利，忠实履行环境监督责任，对污染直排、偷排漏拍等污染行为及时向政府有关部门反映。政府应该结合不同类型环境规制工具的特点，选择最优的环境规制组合，建立长期有效的环境经济政策体系。
（编辑：于 杰）
参考文献
[1]世界银行.中国循环经济的发展：要点和建议[R]. 世界银行“促进中国循环经济发展”技援项目政策报告， 2009.
[2]TAO X， WANG P， ZHU B. Provincial green economic efficiency of China： a nonseparable inputoutput SBM approach[J]. Applied energy， 2016， 171（1）： 58-66.
[3]NA J H， CHOI A Y， JI J H， et al. Environmental efficiency analysis of Chinese container ports with CO2 emissions： an inseparable inputoutput SBM model[J]. Journal of transport geography， 2017， 65： 13-24.
[4]黄清煌， 高明. 中国环境规制工具的节能减排效果研究[J]. 科研管理， 2016， 37（6）： 19-27.
[5]WANG Y， SHEN N. Environmental regulation and environmental productivity： the case of China[J]. Renewable & sustainable energy reviews， 2016， 62： 758-766.
[6]PALMER， K， OATES W E， PORTNEY P R. Tightening environmental standards： the benefitcost or the nocost paradigm[J]. Journal of economic perspectives， 1995， 9（4）： 119-132.
[7]GRAY W B， SHADBEGIAN R J. Plant vintage， technology， and environmental regulation[J]. Journal of environmental economics & management， 2003， 46（3）： 384-402.
[8]GREENSTONE M， LIST J A， SYVERSON C. The effects of environmental regulation on the competitiveness of US manufacturing[R]. NBER， 2012.
[9]RUBASHKINA Y， GALEOTT M， VERDOLINI E. Environmental regulation and competitiveness： empirical evidence on the Porter Hypothesis from European manufacturing sectors[J]. Energy policy， 2015， 83： 288-300.
[10]REXHAUSER S， RAMMER C. Environmental innovations and firm profitability： unmasking the Porter Hypothesis [J]. Environmental & resource economics ， 2014， 57 （1）： 145-167.
[11]PORTER M C， VAN DER L. Toward a new conception of the environment competitiveness relationship[J]. Journal of economic perspectives， 1995， 9（5）： 97-118.
[12]LANOIE P， PATRY M， LAJEUNESSE R. Environmental regulation and productivity： testing the Porter Hypothesis[J]. Journal of productivity analysis， 2008， 30： 121-128.
[13]PEUCKERT J. What shapes the impact of environmental regulation on competitiveness？ evidence from executive opinion surveys[J]. Environmental innovation & societal transitions， 2014， 10： 77-94.
[47]陳诗一. 中国各地区低碳经济转型进程评估[J]. 经济研究， 2012 （8）：32-44.
[48]BRUNNEIMER S， COHEN M. Determinants of environmental innovation in USmanufacturing industries[J]. Journal of environmental economics & management， 2003， 45（2）： 278-293.
[49]HAMAMOTO M. Environmental regulation and the productivity of Japanese manufacturing industries[J]. Resource & energy economics， 2006， 28（4）：299-312.
[50]YANG C H， TSENG Y H， CHEN C P. Environmental regulations， induced R&D， and productivity： evidence from Taiwans manufacturing industries[J]. Resource & energy economics， 2012， 34（4）： 514-532.
[51]PARGAL S， WHEELER D. Informal regulation of industrial pollution in developing countries： evidence from Indonesia[R]. World Bank， 1996.
[52]GOLDAR B， BANERJEE N. Impact of informal regulation of pollution on water quality in rivers in India[J]. Journal of environmental management， 2004， 73（2）： 117-130.
[53]XIE R H， YUAN Y J， HUANG J J. Different types of environmental regulations and heterogeneous influence on ‘green productivity： evidence from China[J]. Ecological economics， 2017， 132： 104-112.
[54]WU Y. Analysis of environmental efficiency in Chinas regional economies [C]. CERDIIDREC， Faculté des Sciences Economiques et de Gestion Université dAuvergne， CNRS， France， 2007.
[55]WANG H， WHEELER D.Endogenous enforcement and effectiveness of Chinas pollution levy system[R]. Policy research working paper， 2000.
Abstract Environmental problem is a major strategic issue for achieving sustainable development. The deterioration of environmental performance derived from excessive energy consumption has been widely invested. For inadequacies of heterogeneous effect of environmental regulations on environmental performance based on undesired output perspectives. This paper applied SBMDDFSML to measure environmental performance and its components in China from 2004 to 2015. Then panel threshold model was used to examine the heterogeneous influence of environmental regulation tools on environmental performance. The results showed that the environmental efficiency of all provinces in China was generally low and had significant differences. Excessive emission of pollutants and overuse of energy are the main reasons of environmental inefficiency. Although environmental total factor productivity （ETFP） grew constantly， Chinese economy is not yet on the path towards green， sustainable growth， especially in the western region. Technological progress was a major source of productivity growth. Regression results showed that environmental regulation and environmental performance had a nonlinear relationship. Different types and stringency of environmental regulations had different effects on environmental performance. Per capita GDP， technological innovation， FDI and structural factors have different influence on environmental performance， among which the per capita GDP， K/L， and FDI had the most significant impact. In addition， this paper pointed out that all regions should increase environmental investment， strengthen development and application of energysaving and emission reduction technologies， improve energy efficiency， reduce pollution emissions， and further play a decisive role of technological progress in environmental performance. Governments should build a longterm mechanism for environmental governance to ensure the continuity and stability of environmental policies. The policy makers should also design and develop environmental regulation tools prudently and establish a scientific and reasonable environmental policy system. The key to environmental governance is not ‘what kind of regulatory tool works best， but ‘what set of regulatory combinations work best. Government should combine the characteristics of all environmental regulation tools， select the optimal combination of environmental regulation tools， and establish a longterm effective environmental economic policy system. We argue that this is especially relevant for harnessing environmental pollution and improving environmental performance comprehensively.
Key words environmental performance； environmental regulation； SBMDDFSML； heterogeneous effect
