基于空间计量方法的排污权交易驱动因素实证研究

吴朝霞,曾石安,侯新烁

(湘潭大学 商学院，湖南 湘潭 411005)

排污权是一项以市场手段对固定源进行管理的辅助型环境政策工具，旨在利用竞争机制和价格杠杆引导企业减排，从而实现减排目标和社会总治污成本最小化。本文引入空间计量方法考察地区经济因素对排污权交易的影响。湖南省排污权交易进展相对顺利，提升了环境治理水平,同时又具有我国排污权试点所具有的通病，如权利属性不明确、政策边界界定不清晰、二级市场不活跃等，因此本文选取湖南省[注]虽然研究数据为湖南省排污权交易数据，但是由于市州之间的差异性远小于排污权试点之间的差异性，因此其研究方法和结论在其他排污权交易试点以及全国范围也同样适用。为研究对象进行实证分析。而湖南省14个市州之间的产业结构、市场化程度、高等教育水平以及能源利用率等经济指标均存在较大差异，而且由于长株潭及其他地区之间的一体化可能带来明显的外溢效应，全局或者平均意义上对参数进行估计的普通最小二乘法无法反映空间局部的变化。因此，本文分别从空间自相关和空间异质性两个层面对排污权交易进行实证研究。Anselin提出Moran指数，用于度量空间单元属性值聚集程度，是目前计算空间自相关系数的常用方法。Fotheringham，charlton，Brunsdon提出了地理加权回归模型(GWR)，可以对空间上的每个参数进行估计。Huang B，Wu B等在此基础上对地理加权回归模型进行了扩展，将时间因素纳入了模型之中，提出了时空地理加权回归模型(GTWR)，并且分别对GWR、TWR、GTWR以及OLS方法进行了阐述和比较，结果表明GTWR相比其他模型拥有更好的解释力度。从目前来看，关于时空地理加权回归模型的参考文献较少，无论在国外还是国内都主要应用于住房价格的变化，大气污染物如雾霾、碳排放的时空分析以及对模型的检验及优化。而基于时空地理加权回归模型的排污权交易实证研究并未出现。综上，本文提出三个假设并且对其进行检验：H1，由于空间溢出效应，排污权交易存在空间自相关性；H2，排污权交易存在空间异质性以及时空非平稳特征；H3，解释变量在地区间存在不同的显著性水平。

一、理论模型

我国目前采取的是行政划分区域，这种划分更多的是出于政治原因和历史原因，而忽略了地理方面的差异性。即使是在同一省份区域内，市州之间的经济发展水平、资源禀赋等都存在较大的差异，而且由于省会城市受到国家政策的倾斜，往往较其他市州拥有更好的“资源”。以湖南省为例，株洲、湘潭的发展会明显受到长沙的溢出效应。[注]株洲、湘潭的发展在某种程度上会得益于长沙的发展，如长沙的需求则会解决株洲、湘潭的供给问题。因此，本文从空间自相关和空间异质性两个层面对湖南省排污权交易进行分析。

(一)空间自相关分析

在研究空间异质性之前，首先要进行空间自相关性分析，验证是否存在空间聚集效应。如果存在空间自相关，则可以进一步探讨空间的异质性问题。计算空间自相关的方法有多种，如Moran’s I、Geary’s C、Getis、Join count，等等。其中，Moran’s I是空间相关应有研究中常用的方法，[1]计算公式如下：

(1)

(二)空间异质性分析

1.地理加权回归模型

普通最小二乘法模型中由于β值不随时间和空间变化，因此无法反映空间局部的变化。而在很多情况下β值并不是恒定不变，回归系数在不同空间单元上可能是不一致的，[3]而地理加权回归模型由于赋予了不同空间单元不同的β，因此可以对空间上的每个参与进行估计从而解决了空间异质性问题。本文探索的是影响湖南省14市州的排污权交易活跃度的经济因素，GWR能够实现对各市州单独进行回归，从而得到市州间不同的回归参数。GWR模型如下：

(2)

式中，β0(ui,vi)为截距项，(ui,vi)为第i个样本点的空间坐标，βk(ui,vi)为i样本的回归系数。βk(ui,vi)与普通最小二乘法中的回归系数不同，该值随着i的变化而变化。如果式(1)中的k=1，2，3…p，即β1=β2=β3…=βp，则GWR模型与普通最小二乘法毫无差异。其中，假设接近i点的空间样本要比远处的样本联系更为密切，[注]由地理学第一定理可知，任何东西与别的东西之间都是相关的，近处的东西比远处的东西相关性更强。从而接近点i的样本能够有较大的空间距离权重，则模型为：

(3)

式中，W(ui,vi)为空间距离权重，阵中非对焦线上的元素为0，而对角线上的每个元素都是观测值所在位置j与回归点i的空间位置之间的距离函数。实际研究中常用的空间距离权值计算公式有三种，分别为高斯距离权值，指数距离权值以及三次方距离权值，[4]由于高斯距离权值遵循高斯函数，随距离变化的权值增减幅度较小，因此本文采用高斯距离权值法。

2.时空地理加权回归模型

时空地理加权回归模型由Huang B等人提出，在地理加权回归模型的基础上纳入了时间因素，考虑了时间非平稳性的问题，但其形式与地理加权回归模型基本一样，模型如下：

(4)

(5)

在地理加权回归模型和时空地理加权回归模型中，h为非负衰减参数，称之为带宽。带宽越大，空间距离权值随距离的增加衰减得越缓慢，带宽越小，权值随距离的增加衰减得越快。当带宽无穷小时，只有回归点上的权值为无限接近于1，其他各观测点的权值都无限接近于0。当带宽无穷大时，所用的观察点权值都接近于1，此时每个空间单元的权值都相同，模型变成OLS，一般用交叉验证法(Cross-validation)确定最优带宽。

二、计量模型和变量选取

(一)模型设定

为验证上述三个假设，即排污权交易存在空间自相关性、排污权交易存在空间异质性和时空非平稳性以及解释变量在地区间存在不同的显著性水平，本文根据经验和文献选取了产业结构、市场化程度、能源产业产值贡献率、高等教育水平、高新技术水平、规模以上工业企业取水总量为解释变量。在此基础上，分别应用OLS、GWR、TWR和GTWR模型对解释变量进行回归，然后通过比较四种方法的拟合优度R2、RSS以及AIC(赤池信息准则)，从而验证假设2。若GTWR估计方法显著优于GWR估计方法，则回归系数在时间距离上具有非平稳性；若GTWR估计方法显著优于TWR估计方法，则回归系数在空间距离上具有非平稳性；若GTWR估计方法显著优于OLS估计方法，则回归系数较之全域数据具有局部非平稳性。[5][6]

OLS模型：

Yi,t=β0+β1IdSTi,t+β2Mkti,t+β3CEVi,t+β4EdLi.t+β5TLEi,t+β6UWVi,t+εi,t

(6)

OLS模型是在全局或者平均意义上对上述解释变量进行回归，并不能反映空间和时间上的变化，而GTWR模型能够捕捉时空动态变化，因此能够更好地反映解释变量和被解释变量在市州和时间上的关系。GTWR模型设定如下：

(7)

其中，β0为截距项，Wi为空间点坐标(ui,vi)，k为空间局部单元数。IdST、Mkt、CEV、EdL、TLE、UWV分别表示产业结构、市场化程度、能源产业产值贡献率、高等教育水平、高新技术水平、规模以上工业企业取水总量，βk为市州的解释变量参数，εi为影响排污权交易的干扰项。

(二)变量选取说明

1.被解释变量：排污权交易笔数(Y-transaction)

在排污权二级市场上，交易笔数、交易金额和交易数量都能在一定程度上反映二级市场的活跃度，但是由于交易金额和交易数量受某年份交易的影响较大，如张家界2012～2017年二氧化硫总交易数量为8404.8吨，而2014年的交易数量达7000.0吨，2014年的交易数量占总量的比例达83.29%；永州2012～2017年二氧化硫总交易数量为4139.3吨，而2013年的交易数量达3965.6吨，2013年的交易数量占总量的比例达95.80%，[注]这只是其中一部分市州的二氧化硫交易数据，其他市州以及其他交易指标也存在这种现象，而且由于交易金额=交易总量×交易基准价，交易金额受某年份交易数据的影响也较大。因此本文的被解释变量为14个市州2012～2017年的交易笔数。根据《湖南省新型城镇化规划2015～2020》，湖南省具体区域划分为长株潭城市群(长沙、株洲、湘潭)、洞庭湖城市组团(岳阳、常德、益阳)、湘南城市组团(衡阳、郴州、永州)和大湘西城市组团(邵阳、怀化、娄底、张家界、吉首)。图1为以上四个区域2012～2017年排污权平均交易笔数。[注]湖南省排污权交易中心官网、《湖南省统计年鉴》均称只有湘西州的数据，为了更好的研究，将湘西州视为城市纳入大湘西城市组团。如图1所示，2012～2015年，长株潭城市群和洞庭湖城市组团排污权交易笔数的趋势较为相同，然而2015年之后，洞庭湖城市组团交易笔数增长趋势强劲，并且在2017年超过了长株潭城市群，而湘南城市组团则与大湘西城市组团保持相同趋势稳定增长。

2.核心解释变量：产业结构、市场化程度、能源产业产值贡献率、高等教育水平、高新技术水平、工业企业取水总量

(1)产业结构(IdST-industrial structure)。排污权交易指标如二氧化硫、氮氧化物、氨氮、化学需氧量以及铅、砷、镉的排放主要来源于工业，《湖南省排污权试行办法》中明确了采取排污权交易的行业，其中有化工、石化、火电、钢铁、医疗、造纸、食品、建材八大行业，以上行业除医疗、建材行业外基本属于第二产业，所以本文以第二产业生产总值占地区生产总值的比值表示产业结构。

(2)市场化程度(Mkt-marketization)。经验表明，国家的政府财政支出规模与市场化程度存在密切关系，一般财政支出比重越高，则政府支出对GDP的贡献值越大，经济的市场化程度越低。由于排污权发挥作用的传导渠道是市场，因此市场化程度对排污权交易市场活跃度有正的效应。本文以财政支出占GDP的比值表示市场化程度。

(3)能源产业产值贡献率(CEV-contribution rate of energy industry output value)。CEV=第二产业总产值/能源消耗总量。CEV能体现当地的能源消耗与产业产值的关系，当CEV越大时，说明单位能源消耗量对第二产业的贡献率越大，第二产业产值对能源消耗的依赖性较小，反之则第二产业产值对能源消耗的依赖性较大。CEV指标的大小还能在一定程度上反映当地的生产技术水平，如果当地是粗放型经济增长，则CEV较小，相反如果当地的经济生产技术水平较高，较少的能源消耗即能拉动产业产值的提高，则CEV较大。

(4)高等教育水平(EdLE-education level)。排污权本身是“舶来品”，而且我国已经存在排污费、排污税等政策，这容易造成混淆。排污权是将环境容量资源稀缺化的环境经济政策。如果人们的接受能力不强，则会认为排污权只是政府变相征收税收的政策，从而产生对环境容量资源稀缺化的质疑。一般高等教育水平越高的地方，人们对美好生存环境的诉求和接受能力会增强，政府的新政策实施阻力将会减小，从而有利于新政策的推广和实施。本文以教育支出表示高等教育水平。

(5)高新技术水平(TLE-technology levle)。排污权发挥作用的效果是能够减小社会总治污成本以及推动企业绿色技术升级，而技术的升级和创新又能促进排污权的交易。当企业的除污技术水平提高时，排放量将减小，富余排污权配额则会相对增加，地区间边际生产成本差距加大，提升排污权交易的动机。本文以高新技术产业总产值表示高新技术水平。

(6)规模以上工业企业取水总量(IWN-industrial water needed)。在7个排污权交易指标中，化学需氧量(COD)主要来源于工业废水，因此选取工业企业取水总量作为解释变量是很有必要的。

(三)数据来源与描述性统计

湖南省排污权交易平台于2011年成立，其相关交易数据只有1笔，不做参考，而鉴于湖南省2018年统计年鉴(2017年数据)暂未公开，因此本文采用2012～2016年的湖南省面板数据，其中14个市州的交易笔数来源于湖南省排污权交易中心官网，解释变量来源于《湖南省统计年鉴》。各变量的描述性统计特征见表1。

表1 各变量描述性统计特征

三、实证检验与结果分析

(一)空间自相关检验

利用Open GeoDa软件计算出湖南省排污权交易笔数2012～2017年的Moran’s I指数，如表2所示，2012～2017年的Moran’s I指数除了2015年之外都为正，且大致通过了显著性水平5%、10%的检验。图2为2012、2014、2016年湖南省排污权交易的Moran’s散点图。这说明湖南省排污权交易在空间上并不是随机分布的，而是存在正向的空间相关性，即高—高正相关和低—低正相关，假设H1排污权交易存在空间自相关得到了验证。这也许和湖南省实行城市一体化的发展战略以及省内市州之间排污权交易流动性缺乏有关，因此理论上，考虑局部空间单元参数的GWR、TWR、GTWR模型要比全局性的OLS模型解释力度更好。

表2 2012～2017年14个市州排污权交易笔数全局Moran’s统计指标

①0.1572-0.07690.11991.97870.046∗∗①该栏为2012～2017年排污权交易总笔数的全局Moran s统计指标。
注：(1)**、*分别为5%、10%的显著性水平检验(2)E( I )为-1/(n-1)，表示I的期望值；Sd( I )为I值的方差；Z为I值的检验值，P值为其Z值对应的概率，由Open Geoda中的Randomization做蒙特卡罗模拟999次得到。

(二)空间非平稳性检验结果

用Arcgis软件分别运行OLS、GWR、TWR、GTWR模型，回归结果如表3所示，GWR、TWR、GTWR模型的R2分别为0.94606、0.77593、0.933723，说明GWR、GTWR的数据拟合度较好；GWR、TWR、GTWR模型的RSS分别为50491.1、209742、62038.9，说明GWR、GTWR的残差平方和较小，模型预测值与观测数据的拟合越为接近；GWR、TWR、GTWR模型的AIC分别为766.245、780.398、762.949，说明GWR、GTWR模型优于TWR模型；而OLS模型的R2为0.755，小于GWR、TWR、GTWR模型R2，RSS为225693.4，大于GWR、TWR、GTWR模型RSS，AIC为778.14，大于GWR、TWR、GTWR模型AIC。因此，考虑局部单元的GWR、TWR、GTWR模型要优于全局的OLS模型，而纳入空间因素的GWR、GTWR模型则要优于纳入时间因素的TWR模型。这可能与湖南省排污权交易在空间上存在显著的空间非平稳性和较弱的时间非平稳性有关。因为湖南省的经济发展水平、资源禀赋和发展战略等在地域上存在较大差异，从而造成排污权交易存在空间异质性，而由于湖南省2011年才建立排污权交易中心，真正的大范围排污权交易基本上是从2012年才开始形成，交易的时间较短，从而时间非平稳性较弱。

由表3可知GTWR、GWR、TWR模型显著优于OLS模型，说明排污权交易存在空间异质性；GTWR显著优于GWR，说明排污权交易存在时间非平稳性；GTWR显著优于TWR，说明排污权交易存在空间非平稳性。综上，排污权交易存在空间异质性以及时间非平稳性，假设H2排污权交易存在空间异质性以及时空非平稳特征得到了验证。

表3 时空非平稳性检验结果

(三)GTWR模型估计

如表4[注]由于Arcgis软件运行结果缺少t值，表7数据的t值为MATLAB软件单独的运行结果，其对应的P值由excel中的TDIST函数根据其已知自由度sig单侧算出。所示，为14市州解释变量回归系数中位数[注]由于每个市州就有5年回归结果，14市州则有70个回归方程。限于篇幅，因此其具体结果不一一列出。感兴趣的读者可跟笔者联系，1048612458@qq.com。及其对应的显著性水平，表5由表4的结果对湖南省市州进一步分组团的显著性结果。从表4、表5可知：(1)在产业结构解释变量中，除了长沙、湘潭、怀化、湘西外，其他市州均显著。这可能是因为长沙、湘潭的产业结构出现了一定的固化，在较短时间内产业结构的调整无法促进排污权交易的增加。而怀化、湘西的第二产业比重较小，排污企业数量较少，限制了排污权交易的动机。(2)在市场化程度解释变量中，除了长沙、湘潭、怀化和湘西外，其他市州均显著。这可能是因为长沙、湘潭的市场化程度过高，而怀化、湘西的市场化程度过低所致。排污权是一项环境经济政策，按照西方国家实践经验，市场化程度越高，越有利于排污权交易。然而，由于我国市场激励机制缺乏，企业的理性行为有限，以及政府父爱主义浓厚，导致市场化程度过高和过低都不利于排污权交易的发展。(3)在能源产业产值贡献率解释变量中，除了长沙、湘潭、怀化外，其他市州均显著。这有可能是因为长沙、湘潭聚集了绝大部分的重工业企业以及国企，导致能源的刚性需求，而且技术水平的提升在短期内无法完成。(4)在高等教育水平解释变量中，除了湘潭、邵阳、益阳、永州、娄底、湘西显著外，其他市州均不显著。这有可能有两个方面的原因，一是教育支出并没有显著提高人们的认知水平，二是因为缺乏排污权政策的宣传力度。即使人们接受能力较强、认知水平高，但缺乏认识排污权政策的途径，同样不利于排污权政策的运行。(5)在高新技术水平解释变量中，14个市州均显著，由于在排污权实践中，企业间的边际生产成本差异能够增强排污权交易的动机，从而促进排污权的交易。(6)在规模以上企业取水总量解释变量中，除株洲、衡阳、岳阳外，其余市州均显著，而且其参数系数在14市州中均为负。该变量可以在一定程度上反映具有规模重工业企业数量，而规模以上的重工业一般都为国企。国企由于肩负着社会责任而且不以利润最大化为追求目标，对排污权政策的经济激励作用并不敏感。总之，不同的城市组团之间甚至在同一城市群、组团内存在一定的差异性，但是同一组团内城市的解释变量显著性差异性较小，而不同的城市组团中则存在较大的差异。

表4 湖南省14市州GTWR模型回归结果

注：括号内为t统计量；***、**和*分别表示1%、5%和10%的显著水平。

表5 湖南省市州组团显著性水平

注：其中显著性水平0.01、0.05、0.10视为显著，并且显著用√表示。

高新技术水平几乎在14市州均显著以及规模以上工业企业取水总量符号均为负，而其余解释变量在14市州的显著性水平以及符号均存在较大差异。产业结构与市场化程度显著性水平分布较为一致，湘南城市组团、株洲以及部分大湘西城市组团(张家界、娄底、邵阳)均在1%水平显著，洞庭湖城市组团在5%水平显著。能源产业产值贡献率与市场化程度显著性水平分布基本一致，只不过前者在湘西不显著，而后者在湘西1%水平显著。而高等教育水平的分布不同于前面三者，在部分大湘西城市组团(娄底、邵阳、湘西)以及湘潭显著。总之，解释变量在地区之间存在不同的显著性水平，假设H3解释变量在地区间存在不同的显著性水平得到了验证。综上，产业结构、市场化程度、高新技术水平以及能源利用率对湘南城市组团以及洞庭湖城市组团的交易活跃度有较大影响。

四、结论与政策建议

排污权环境经济政策在我国发展近30年，然而各试点的排污权二级市场活跃度普遍不高，排污企业参与积极性较弱。造成这种叫好不叫座现状的因素有很多，如缺少相关法律顶层设计、市场激励性缺乏、严格的市场准入制度等。但本文认为，除了上述因素之外，地区本身是否具有实现排污权交易的条件至关重要。结合GTWR模型的回归结果，为促进排污权交易提出如下建议。

第一，加强试点内市州之间的联系，扩大排污权交易主体。我国目前的排污权交易现状是不支持试点之间的交易，而试点内跨市州的交易也相对较少。因此，在未允许跨试点交易之前，应鼓励和支持市州之间的排污权交易，优化市州之间排污权交易的流程，扩大排污权交易主体，减少交易成本，而且市州之间的资源禀赋、产业结构等存在一定的差异，而差异是形成企业间排污权富余和缺口的条件之一。

第二，加速经济发展转型，提高绿色生产比例，实现“黑色经济”向“绿色经济”的转变。排污权发挥作用在于某个地理位置条件相近的地区，企业间的生产技术水平存在差异。在排污权总量一定的情况下，企业之间进行排污权交易达到减排的效果。然而，如果某个地区大量集中了生产技术较低、粗放型增长的企业，而污染治理水平在较短时间内存在刚性，因此会出现“热点”问题，即该地区企业大量购买排污权继续从事生产活动，从而加剧环境污染。

第三，加大有效性财政性教育支出投入和环境保护宣传力度，增强人们的环保意识。由于排污权本身是“舶来品”，而且我国已经存在排污费、排污税等政策，如果人们的接受能力不强或者对排污权政策认识不到位，则政策可行性会降低，加大排污权运行的阻力。在排污权实践中，如果对排污权政策的解读出现错误，那么该政策不但不能实现减排的目标，还会逆向激励企业污染排放。

第四，政府应根据不同地区的经济因素差异性，制定更为科学和更有针对性的排污权政策。排污权作为一项环境经济政策，其发挥作用的渠道为市场，而市场又与当地的经济因素密切相关。因此，政府制定排污权政策时短期内应考虑地区间的差异性，将地区的产业结构、工业布局、技术创新水平等纳入其政策制定之中；长期则应逐渐缩小地区之间的差距，促使排污权交易平稳运行。