环境规制的产业结构调整效应研究——基于皖江城市带的实证分析

姜 萱

(巢湖学院 经济与法学学院，安徽 合肥 238000)

改革开放以来，中国经济持续快速增长，综合国力和国民生活水平都有了大幅度的提升，但经济增长方式没有发生根本性的转变，很大程度上依旧保持着高能耗、高污染的粗放型特征，造成资源的日益枯竭与生态环境的持续恶化，“以环境换增长”的发展模式的转变迫在眉睫。在这样的背景下，皖江城市带(以下简称“皖江地区”)面临的环境压力也日益严峻。2005年，皖江地区的生产总值为2.375亿元，人均GDP为10113元(即1234美元)，至2016年，生产总值增长了近6倍，人均GDP增长了4倍多①。在经济快速增长的同时，环境问题日益凸显。据统计，2016年皖江地区的工业三废，即废水、废气和固体废物排放总量分别为31306.9万吨、18985.08亿标立方米和7320.2万吨，较之2005年分别增长了34.36%、742.79%和211.22%②。由此可见，皖江地区的环境状况实令人担忧，生态环境的恶化即是为经济快速增长所付出的代价。

当前，政府给予环境保护的重视程度越来越高，环境保护的实施标准也随之提高。2010—2017年间，先后出台了《安徽省环境保护目标责任考核办法(试行)》《安徽省大气污染防治条例》《安徽省“十三五”环境保护规划》以及修订后的《安徽省环境保护条例》等多项环保法律法规。环境保护措施的实施业已取得一定的成效，但根本性的问题尚未得到解决。

调整和优化产业结构是可持续发展与环境保护相协调的重要途径。产业结构的调整能够淘汰落后产能，实现产业结构的高度化与合理化，促进发展高新技术产业和环保产业，最终形成能够发挥资源禀赋比较优势的产业结构。中国市场经济起步较晚，产业结构的调整较多地依靠宏观经济政策的指引和干预，产业结构的调整缺乏内在激励和动力。而这样的内在激励和动力环境规制恰好能够提供。企业的内部成本因环境规制的实施而被抬高，上升的成本则必须要通过调整自身的产品结构、管理方式、技术水平来予以抵消，否则企业难以维持。环境规制标准的提高，是对产业和企业群体所进行的强制性的“精洗”，具有优胜劣汰的效应[1]。当前，皖江地区产业结构存在的问题在于：较之第二产业，第三产业的发展相对落后，未能居于主导地位。环境规制能否对皖江地区产业结构的调整优化产生作用？怎样实现这两者的协调融合。本文将从理论和实证的角度对此展开分析。

一、文献综述

最初，关于产业结构与环境规制关系的研究，鲜有学者直接涉及，研究的视角集中于环境规制的经济效应，主要是关于环境规制对于技术创新、产业绩效以及FDI等的影响。环境规制对产业(企业)的影响，基于静态和动态两种不同的分析视角，存在两种截然相反的观点，即“遵循成本”和“创新补偿”。关于环境规制对于FDI的影响，研究的焦点主要在于检验“污染避难所假说”，对此亦是“仁者见仁，智者见智”。在我国，一定程度上，由于产业结构不合理导致出现了严峻的环境问题。近几年国内学者致力于研究环境规制对于产业层面的影响，并取得了不少研究成果。李春米依据1985—2007年的数据，运用格兰杰因果检验对陕西省环境规制与产业结构之间的关系展开实证分析，研究表明：在第一产业的产值与环境规制之间，Granger因果关系不存在。但环境规制能够引起第二产业产值的变动，而第三产业产值的提升又能够强化环境规制[2]。梅国平研究指出，环境规制能通过消费需求、投资需求、企业进入、技术创新、国际贸易等中间变量影响产业结构，起到促进产业结构优化升级的作用，并且测算了基于不同途径对产业结构优化升级的影响绩效[3]。李强借助Baumol模型分析分析表明：环境规制促进产业结构调整的原因在于环境规制的存在使得服务业的占比提高[4]。原毅军、谢荣辉基于1999—2011年中国30个省份的面板数据，验证了环境规制对产业结构存在明显的倒逼效应，可以驱动产业结构的调整[5]。彭沙沙利用2003—2011年中国30个省市进行了面板数据的分析，证实了环境规制对产业结构合理化和高级化的影响，即环境规制政策有利于我国产业结构向服务经济的高级化转型，环境规制强度的提升则更为有益[6]。此外，部分学者认为环境规制的效应存在时滞性和区域差异。吕明元、安媛媛指出，环境规制作用的发挥存在一定的时滞性，滞后一期的环境规制促进产业结构调整的效应更佳[7]。王询、张为杰研究发现，在我国的区域范围内，环境规制的实施在东部与中部地区有比较明显的效应，而在西部地区则作用相对较弱，表明环境规制促进产业结构的调整存在区域差异[8]。

本文在现有研究的基础上，利用2005—2016年皖江地区的数据，运用面板模型进行实证分析，研究环境规制对产业结构的调整是否存在影响。

二、选取和测度环境规制强度指标

本文研究的重要内容之一是选取合适的环境规制指标。由于各国统计数据的差异性，且环境规制水平的测度是比较复杂的事项，国内外尚未有统一的指标对其加以衡量。本文总结了目前较为流行的环境规制强度衡量的几种形式：1)有关环境保护的政策法规颁布实施的数量；2)污染治理方面的投资在相关企业总成本或总产值中所占的比重[9-10]；3)企业治污设施运行的费用或人均运行费用[11]；4)环保机构监督、检查企业排污的次数；5)环境规制背景下，污物排放数量或强度的变化[12-13]；6)此外，有学者研究表明，高度的相关性存在于收入水平与环境规制强度之间，因此，把人均收入作为内生环境规制的衡量指标[14-15]。

上述方法存在着缺陷，即所选取的皆是单一化的指标，难以全面准确地界定环境规制的水平。考虑到数据资料的可获得性和指标的可比性，本文借鉴傅京燕、李丽莎的方法[16]，选取皖江地区各个地市的工业三废(固体废物、废水、废气)的排放密度(污物排放量在各市规模以上工业企业工业增加值中的占比)三个单项指标，采集2005—2016年的相关数据，构建综合指标体系以测度环境规制强度，数据来源均为历年来的《安徽省统计年鉴》。

构建综合指标体系的具体方法如下：首先，由于上述单项指标单位不同，无法直接加以比较。同时，为了消除指标间的矛盾性，需要对三个指标采取线性标准化的处理方式。计算公式为：

其次，各单项指标调整系数(ωij, 即权重)的计算。不同地市,“三废”的排放程度存在较明显的差异;即便是特定的某一地市, “三废”的排放程度也有所不同。因此应赋予各地市的“三废”指标以不同的权重,通过调整各单项指标值的权重,以体现各地市“三废”的治理力度变化。计算权重的方法为：

其中,ωij为皖江某地市i中j污染物的调整系数，Eij为该地市j污染物的排放量,∑Eij为皖江地区j污染物排放的总量，Yi为该地市的工业增加值，∑Yi为皖江地区工业增加值之和。

再者，用各单项指标的平均权重乘以标准化值，得出皖江各地市的环境规制强度为：

其中，ERi的数值愈大，环境规制愈严格。

三、理论分析与研究假设

从产业理论的角度，环境规制可以通过供给、需求因素和产业政策来影响产业结构。环境规制标准的实施，提高了企业的生产成本，企业为追求利益最大化，可以采取以下几种做法：第一，通过提高相关产品的价格把增加的生产成本转嫁给消费者，消费者会减少此类产品的消费转而寻求替代品。消费结构发生了改变，从而产业结构随之改变；第二，企业以技术创新为路径来提高生产效率，以降低生产成本，技术的进步能够推进产业结构的升级；第三，受到环境规制约束的企业通过产业转移到环境规制强度相对较弱的地区去寻求新的发展空间。此外，环境规制还可以通过设置进入壁垒、改变贸易开放度等传导机制来促进产业结构的调整。当前，政府已经充分意识到“先污染后治理”的道路是行不通的，必须要采取控制和治理污染源的新方式。对于企业来说，是否进入市场？政府污染治理模式的转变对这一决策的做出有直接影响。一方面，新模式要求开展生产活动之前相关企业就要投入环境治理资金，用以控制污染源和消除污染；另一方面，在污染物的环境边际损害递增的前提下，政府提出“谁污染谁治理”的原则。这意味着新的市场进入者所面临的环境规制则更加严格。从而新的市场进入者在市场竞争中处于劣势，这也将影响到潜在市场进入者的进入决策，使资金流入无进入壁垒或进入壁垒低的清洁产业。长此以往，将会扩大清洁产业的规模，促进污染产业逐渐向清洁产业转变。再者，环境规制的实施和强度的提高会使得污染密集型产业的成本增加，产业规模萎缩，表现为经济上的替代效应。而贸易开放度的提高能够提高污染密集型产业的利润规模，呈现出相反的经济效应，即扩张效应。在经济全球化的背景下，不断扩大替代效应以促进产业结构的调整即为环境规制发挥的作用。

综上，提出研究假设H1：环境规制对皖江地区产业结构的优化升级呈正相关的关系。以下将构建模型对此进行验证，分析环境规制会否对皖江地区产业结构的优化升级产生作用。

四、变量的选取与模型的设定

(一)变量选取

为了准确地界定环境规制对皖江地区产业结构调整的影响，此处构建动态面板模型，该模型以产业结构调整指数INDi,t为被解释变量，环境规制ERi,t-1为核心解释变量，同时纳入影响产业结构调整的其他因素作为控制变量。具体见表1。

表1 变量定义一览表

(二)设定计量模型

关于皖江地区产业结构的优化升级，环境规制能否发挥作用？本文采用面板数据回归的方法对此加以实证检验。通常，需要较长的时间环境规制才能发挥作用，所以模型中引入其一期滞后变量。同时，也是本文的创新之处，在于将被解释变量的一期滞后值加入到解释变量当中。此外为了克服内生性问题，本文选用了IND的三阶滞后项作为工具变量，进行一阶差分IV估计。具体模型设定如下：

其中，i表示城市(i=1，2，3，…，9)，t表示时间。εi,t表示误差项。其他指标前文已述及。

(三)样本选择和数据说明

本文选取2005—2016年12年间皖江地区九个地级市作为研究对象，进行面板分析，共获得108个观测值。各项数据来源自历年的安徽省统计年鉴。此外，基于数据的可获得性和连贯性，文中皖江地区的各类数据中，其中六安市金安区和舒城县相关数据，以六安市整体数据代替。

(四)实证分析

1、数据的描述性统计分析

表2 变量的描述性统计

如表2，数据中存在极端异常值的可能性极小，不需要对数据进行预处理，可以直接进行回归分析。

2、回归结果分析

本文运用Stata11.0软件展开回归分析。以下将就各个解释变量对产业结构调整的效应作具体分析阐述。

表3 面板数据的回归估计结果

注：括号内数值即回归系数和截距项的Z值。*、**、***分别表示在10%、5%、1%的水平上变量显著。

如表3，各变量对皖江地区产业结构优化升级的影响是存在差异的。其中，在1%的显著性水平下，产业结构优化升级指标的滞后一期值、环境规制的滞后一期值、产业规模对皖江地区产业结构优化升级的影响为正，从而验证了H1。被解释变量的一阶滞后值存在于模型中且系数显著为正，表明产业结构的优化升级具有惯性和持续性。产业结构的优化升级受滞后一期的环境规制的影响显著，表明环境规制在皖江地区发挥作用具有时滞性。产业规模(即固定资产投资对数)的显著效应表明，产业的发展(主要是产业布局和产业结构)受到了固定资产投资的有效引导。可见，当前固定资产投资的结构有效地促进了皖江地区产业结构的升级。

1%的显著性水平下，经济发展水平对皖江地区产业结构优化升级的影响为负，原因在于，皖江地区的产业结构中，第三产业的发展相对滞后，对于经济发展的拉动作用相对较弱。居于主导地位的依然是第二产业(2016年，第二产业在皖江地区生产总值中的占比高达51.44%，而第三产业仅为41.10%)；控制变量UR和OPEN与产业结构优化升级呈正相关，但OPEN对于产业结构优化的效应不显著，说明在环境规制发生作用的前提下，城镇化水平促进了皖江地区产业的优化升级，而对外开放度没有发挥显著的作用；GOV与产业结构优化升级，两者间呈现较显著的负相关的关系。表明皖江地区政策的实施效果很大程度上被扭曲了；FDI与产业结构优化升级，两者间存在不显著的负相关，表明在产业结构优化升级中，FDI没有发挥有效作用。

五、结论和启示

以上研究结果表明，环境规制对于皖江地区产业结构的优化升级具有明显的促进作用，但存在一定的时滞性。所以，皖江地区应坚持不懈地实施环境规制，健全环境保护的地方法规，制定合理的环境规制标准，建立全方位、多层次的环境保护体系[18]。并且，完善企业的退出机制，淘汰产能低、能源消耗量高的企业，从生产模式上进行改革，形成清洁的绿色产业结构。与此同时，要充分考虑到皖江不同地区经济发展水平与环境污染状况的差异，确定差异化的环境规制强度与实施手段，做到因地制宜。

产业规模(即固定资产投资)和城镇化水平是皖江地区产业结构优化升级实现的有效途径。扩大产业规模、增加固定资产投资是社会经济发展的重要动力。皖江地区应该建造或购置固定资产，采用先进的设备，大力发展高新技术产业，推动资源、劳动密集型产业向资本、技术密集型产业发展，从而达到调整经济结构的目的。城镇化水平亦为皖江地区产业结构升级的动力，因此，城镇化进程的推进毋庸置疑。城镇化发展要突出皖江地区的地域特色，把握皖江地区承接产业转移的契机，推进新型工业化与城镇化的互动发展，合理优化产业布局，本着节约土地和能源、生态环保的原则，采取集约化的发展模式，走绿色发展之路。

经济政策对皖江地区产业结构的优化升级呈现负面效应。众所周知，于产业结构的优化升级而言，政府的引导与支持是至关重要的，国内外不乏政策推动产业升级的成功案例。但是，由于现实情况的差异性，政策实施的效果往往会存在显著差异。换句话说，政策实施的效果取决于多种因素，如政府与产业、企业的关系，区域经济发展水平，市场化水平、不同类型政策之间的协调性等[19]。有时即便是同一项政策的实施，对于不同的产业来说，效果也会大相径庭。不能由于短期内皖江地区经济政策的实施效果被扭曲就全面排斥。另外，政策的实施具有阈值效应，并非越多越好。所以，要结合各地的情况合理制定经济干预政策。

提及皖江地区的经济发展水平，表现为第二产业主导，而第三产业基础薄弱、层次较低，对于经济的拉动作用不够。皖江地区应给予服务业以政策上的支持，培植服务业为主导产业，鼓励科技服务、工业设计、检验检测等新兴服务业的发展，促进信息服务、现代物流、健康服务等产业向着集群化、高端化的方向发展[20]。

在环境规制的约束下，皖江地区产业结构的优化升级是漫长而渐进的，在此过程中，务必始终坚持可持续的发展模式。充分考虑到地域的差异性，采取合理的环境规制标准。

注释：

①数据来源于2006和2017年安徽省统计年鉴。

②基于数据的可获得性和连贯性，文中皖江地区的各类数据，其中金安和舒城部分，以六安的数据代替。