环境规制、技术创新对全要素碳生产率的影响研究——基于中国省域的空间面板数据分析

郭卫香，孙 慧

（1.新疆大学新疆创新管理研究中心；2.新疆大学经济与管理学院，新疆乌鲁木齐 830046）

21 世纪以来，由于世界范围内的能源枯竭、环境恶化和气候变化等问题，全球变暖已成为不争的事实，绿色增长已然成为许多国家关注的重要问题［1］。温室气体，特别是二氧化碳，已被认为是全球变暖的主要驱动力。此外，科学研究已经明确指出，能源消耗是二氧化碳排放的最重要来源。鉴于这些观点，碳排放的限制，特别是与能源有关的碳排放可能影响全球气候和全球经济，引起了国际政府及众多学者间的广泛关注。

中国作为世界上最大的能源消费、碳排放国以及最大的发展中国家，面对着经济发展与节能减排两大困境，提高碳生产率则是其协调经济发展与实现碳减排的重要路径之一。因此，研究社会经济发展对中国碳生产率的影响，将为中国低碳经济发展提供政策建议。

自碳生产率概念的首次提出［2］，到实现政府间气候变化专门委员会（IPCC）的2050 年温室气体排放监管目标，未来几十年碳生产率需要提高10 倍［3］，根据这些目标中国有很大的潜力。在保持经济增长水平的前提下，提高碳生产率是中国低碳发展减少碳排放的有效途径，因此，研究中国的碳生产率具有重要的理论和实践意义。为了实现碳生产率的提升和保护环境，各级政府通常采用多种政策工具来实施环境规制政策。环境规制政策不可避免地影响企业层面对资源配置、资本投入和创新投入的决策，给受监管的企业带来一定成本的增加，但其主要机制是刺激提高产品质量和降低生产成本的创新。正如波特假说所言，长期环境规制能够激发创新，提升企业的生产力和产品质量，从而抵消规制成本［4］。虽然关于波特假说的文献很多，Ramanathan 等人［5］及其Huiban 等人［6］对波特假说理论进行了全面系统的实证证实，但关于环境规制对全要素碳生产率的实证证据一直没有定论。实施环境规制不可避免地会影响生产过程，资源重新分配，资本投资，劳动强度和研发创新的变化，进而引发全要素碳生产率的波动。那么如何在降低环境污染的同时提高全要素碳生产率？这一问题已成为政府和相关学者关注热点。

本研究采用中国30 个省级（不含港澳台地区）的面板数据来探讨环境政策对全要素碳生产率的影响。首先，详细阐述政策变量的测度，以期对不同省份的环境规制水平有一个基本的了解；其次，通过一个修正的基于松弛模型的方向距离函数（SBMDDF）模型，将温室气体排放量作为不良产出进行估计中国30 个省份的全要素碳生产率；第三，采用空间分析方法进行可视化描绘不同省份环境规制与全要素碳生产率的空间分布格局；第四，运用空间杜宾模型方法，对环境规制与全要素碳生产率之间的关系进行实证分析。此外，还考虑技术创新是否作为中介效应，进而影响环境规制对全要素碳生产率的空间溢出效应，以期实现在环境规制和经济增长的双重作用下再现“绿水青山”。

1 文献综述

通过查阅文献，关于环境规制与碳生产率关系研究主要包括以下3 种观点：

第一，环境规制抑制碳生产率的提升。最初，新古典主义认为，环境规制的实行必然会引发各地区污染治理成本的提高，加大生产的难度，从而降低碳生产率提升。Gao 等［7］基于高级计量经济学模型进行验证环境规制效应对不同工业部门碳生产率的耦合协调作用，研究结果认为，环境规制根据不同工业部门的污染程度不同，呈现不同的耦合协调作用。其中具体表现为低污染工业部门的环境规制与碳生产率存在正线性关系，高污染工业部门中环境规制与碳生产率之间呈非线性关系，而中等污染工业部门则表现为倒 U 形关系。Cheng 等［8］检验不同类型环境规制对碳减排效率的影响，基于动态空间面板模型进行了实证检验，研究结果表明异质性环境规制对碳减排效率存在显著的空间异质性，具体表现为命令控制型环境规制相对于市场控制型环境规制更有利于碳减排的效果实施。胡威［9］从地区和产业层面，利用空间面板杜宾模型，分别来检验环境规制对碳生产率在地区和产业上的空间相关性及其空间溢出作用，结果认为碳生产率存在显著的空间自相关性，环境规制抑制了对本地区及邻近地区碳生产率的提升。雷明等［10］分析环境规制对全要素碳生产率的影响，发现以工业污染治理投资完成额和排污费征收额表示的命令型环境规制显著抑制了低碳经济全要素生产率增长。

第二，环境规制有利于碳生产率的提升。Alessandro［11］以德国和意大利化工企业为例，实证验证了“波特假说”，严格的环境规制会促使企业使用新技术来减少污染排放，进而提高企业生产率。李小平等［12］研究了环境规制、创新驱动等对碳生产率的影响，结果表明，环境规制和创新驱动都能够显著提升，认为环境规制能够促进碳生产率提升。Yin 等［13］从污染天堂和污染避难所的视角下，研究环境规制对产业转移的影响，结果认为中国东部地区严格的环境规制可以迫使高碳排放产业向中部或西部地区转移，从而表面上达到东部地区经济增长与碳减排协调发展的局面。何康等［14］基于GLS 法和面板门槛回归模型，探究环境规制对全行业碳生产率的影响，研究发现增加环境规制强度能够显著提高全行业的全要素碳排放绩效。

第三，环境规制与碳生产率之间存在不确定作用。Guo 等［15］为了探究环境规制对碳排放及其碳排放强度的影响，采用了Tapio 脱钩模型和 GMM 模型进行系统的讨论后，发现中国省份间环境规制对碳排放及其碳排放强度之间存在显著的倒U 形曲线关系，其中东部地区环境规制对碳排放及其碳排放强度的调控作用高于中西部地区，但是，随着环境规制实施的不断深化，表现为环境规制对碳排放强度的倒U 形曲线逐渐变平。刘和旺等［16］利用省级层面的环境规制数据和微观层面的中国工业企业数据，实证检验了环境规制强度与企业全要素生产率之间存在倒“U”型关系。Zhao 等［17］从企业的微观视角下，基于计量分析方法，研究了3 种不同环境规制对中国电厂二氧化碳排放的影响，研究结果认为政府补贴和市场控制型的环境规制有利于碳减排效率提升，而命令控制型环境规制则不利于碳排放的降低。殷宝庆［18］利用27 个制造行业2002—2010 年的面板数据，研究环境规制对碳生产率的影响，发现环境规制强度与制造业绿色全要素生产率整体上呈现“U”型关系。

综上，关于环境规制与碳排放量和碳排放绩效等方面的研究相对较多，其中对地区和行业层面的环境规制对碳生产率的研究较多，然而鲜有学者基于空间溢出视角和全要素碳生产率的视角，针对环境规制与碳生产率之间的影响效应展开研究。

因此，本文基于空间溢出视角和全要素碳生产率的视角，以2006—2017 年省级层面的环境污染排放、研发投入、资本投入、劳动力和能源消费等数据为研究对象，采用空间计量分析方法研究环境规制对全要素碳生产率的影响，同时探索技术创新作为中介变量在环境规制对全要素碳生产率中的影响作用，以期为实现区域绿色低碳与可持续发展提供一定的借鉴。

2 数据来源与模型设计

2.1 数据来源

2.1.1 变量说明

（1）被解释变量。全要素碳生产率（TCP）：传统的生产率衡量方法通常忽略了不良产出(如污染)的产生，以及减少污染所导致的投入成本。这些条件可能导致生产效率的偏差结果，进而导致环境管制单位次优甚至错误的决定。Chung 等人［19］和Chambers 等人［20］认为同时考虑期望产出增加和非期望产出减少的松弛模型的方向距离函数（SBMDDF）模型能够很好规避上述问题。

假设T处于期望产出和投入的强处置性，非期望产出二氧化碳排放的弱处置性以及零结合公理。因此，在规模报酬边际效应不变时，环境生产技术T的表达式如下：

其中，M,K和I分别代表投入指标，期望产出指标和非期望产出指标。

然后，我们将环境生产技术定义为：

因此，本研究借鉴Zhou 等［22］的做法，采用松弛模型的方向距离函数（SBM-DDF）模型估计中国30 个省份全要素碳生产率情况。其基本公式表现为：

（2）核心解释变量。环境规制（ER）：环境规制不可避免地会影响企业生产过程，资源重新分配，资本投资，劳动强度和研发创新的变化，进而引发全要素生产率的波动。本文参照叶琴等［23］衡量环境规制的方法，计算步骤如下：

1）将各省份的污染物（废水、SO2、烟尘）排放量进行线性标准化。

其中，UEij为i省j污染物的单位产值污染物排放量，max（UEj）和min（UEj）为各指标在30 个省份中最大值、最小值，UESij为指标的标准化值。

2）因各省份之间的污染物排放量以及各污染物排放强度存在较大差异，使用调整系数近似反映污染物特性差异。调整系数计算公式为:

3）计算各省份环境规制的强度。ERi为i省份的环境规制强度。

（3）中介变量。技术创新（RD）：根据经济内生增长理论，经济越发达，企业研发投入和创新力度越大，有利于人才的集聚，新技术知识的溢出，从而优化工业流程，加快清洁技术开发的速度，提高全要素碳生产率，采用选用技术市场交易额/GDP来替代变量技术创新水平［24］。

（4）控制变量。全要素碳生产率不仅会受到环境规制、技术创新影响以外，还会受到经济发展水平、能源结构、产业结构、城镇化率、工业化率和对外直接投资等诸多因素的影响［25-26］。为了避免其他不可控因素对结果带来的偏倚，本研究引入相关潜在影响变量进行控制：1）经济发展水平（PGDP）：考虑到各地区的经济发展水平差异对全要素碳生产率的影响，本研究采用人均GDP 作为经济发展水平的替代变量；2）能源结构（ES）：碳生产率水平与能源消费结构密不可分，文章用煤炭和焦炭的消耗量与总能耗的占比表征，能源结构与碳生产率呈反比；3）产业结构（IS）：产业结构调整是提升全要素碳生产率的主要落脚点，本文采用二产产值/三产产值来衡量；4）城镇化水平（UL）：城镇化进程不仅是传统意义上的乡村人口向城市的转变过程，还包括生产生活方式的转变，比如应用更先进的技术，更清洁的能源和更合理的生活方式，因此，本文采用城镇人口/总人口来表征；5）贸易开放度（FDI）：本研究采用各省实际利用外商直接投资总额占GDP 比重来度量。

2.1.2 数据来源

本研究选取2006—2017 年间，除西藏以外（鉴于数据的连续性与原始可得性将西藏剔除）的中国大陆30 个省（市、自治区）级行政单位为研究对象。首先构建非径-DDF模型，聚义变量收集情况如下：1）劳动(L)，根据《中国统计年鉴》数据，选取年末就业总人口作为代替变量。2）资本(K)，先从《中国统计年鉴》获取2006—2017 年固定资产投资数据，然后采取永续盘存法计算，借鉴张军等［27］学者的研究算法，在假设每个省份的资本折旧率均为 0.096的前提下，进行计算2006—2017 年各省份的资本存量。3）能源投入(E)，本文采取《中国能源统计年鉴》中各省的能源消费总量作为替代。4）期望产出，选取各省份的 GDP 作为期望产出。5）非期望产出，鉴于本文研究的是全要素碳生产率，因此将二氧化碳作为非期望产出的代替变量，碳排放系数分别来源于《中国能源统计年鉴》和IPCC《国家温室气体排放清单指南》。技术创新等其他控制变量的相关数据来源于《中国统计年鉴》《中国能源统计年鉴》《中国工业统计年鉴》《中国科技统计年鉴》和各省份《统计年鉴》等。为剔除通货膨胀的影响，本文以2000年为基期不变价进行相关指标调整。

2.2 模型设计

检验环境规制是否会对全要素碳生产率产生空间溢出效应：

检验环境规制是否对技术创新产生空间溢出效应：

将环境规制与技术创新同时纳入空间计量模型，检验技术创新的中介效应对全要素碳生产率的空间效应是否显著：

3 实证结果与分析

3.1 全要素碳生产率的空间格局分析

2006—2017 中国30 个省份全要素碳生产率的空间差异性显著，并呈现逐年增多的趋势，全要素碳生产率超过1 的省份在2007 年为8 个、2012 年为10 个、2017 年增长至11 个，其态势呈现零星点状分布到连片集聚态势分布（详见图1）。说明这些地区的生态环境日益受到重视，通过加强技术创新力度，有序开发资源，合理利用能源，调整产业结构等方式控制污染排放，进而促使了地区全要素碳生产率的提升。

图1 2007 年、2012 年和2017 年中国全要素碳生产率的空间分布

为进一步探讨中国各省份全要素碳生产率的空间相关性，本文借鉴Long 等［25］关于Moran's I 指数的具体计算方法，从全局出发，分析2006—2017 年间中国省份全要素碳生产率全局Moran's I 指数，结果均显著性大于0，可以认为中国省份全要素碳生产率存在显著的空间自相关特征，详见表1。

表1 2006—2017 年中国省份全要素碳生产率的全局空间自相关分析

表1 （续）

随后用局域Moran's I 指数散点图清晰刻画中国各省份全要素碳生产率的空间分布情况，其局部特征如图2 所示，证实了中国各省份全要素碳生产率存在显著的空间集聚特征。其中高-高集聚（H-H）省份多位于东部沿海发达地区，如上海、浙江、江苏和广东等；而低-低集聚（L-L）省份多位中西部欠发达地区，如陕西、山西、甘肃、宁夏和新疆等。

图2 2006 年、2017 年中国各省份全要素碳生产率局部Moran's I 散点图

3.2 环境规制、技术创新与全要素碳生产率的空间计量结果分析

在进行空间回归分析研究环境规制对全要素碳生产率的空间溢出效应时，最核心的问题就是检验采用哪种空间面板模型最优？是选定随机效应还是固定效应？因此，首先基于普通最小二乘法（OLS）进行面板回归，依据LMlag、R-LMlag、LMerror 和R-LMerror 对模型残差进行空间自相关检验，进而检验空间模型的适应性。研究结果表明，在1%的水平上，拒绝原假设，可认为本研究适应空间计量模型。其次进行Wald 和似然比（LR）进行检验SDM 是否能够简化成SEM 或SLM？从空间杜宾模型的固定效应和随机效应估计结果来看，Wald 和 LR 检验统计量均通过1%显著性水平检验，说明SDM 为最优模型，不能够简化成SEM 或SLM；然后再对空间计量模型进行Hausman 检验，确定选择固定效应还是随机效应？结果表明拒绝原假设，进而选择固定效应；最后，基于拟合优度R2 和极大似然比（LR）检验法进一步判断，选择双重固定效应进行探讨环境规制、技术创新对全要素碳生产率的空间溢出效应。

3.2.1 环境规制对全要素碳生产率的空间溢出效应检验

本文采用空间杜宾模型探讨环境规制是否能够提升全要素碳生产率这一现实问题，从基于经济距离权重下空间杜宾模型的全样本效应分解结果（详见表2），可以看出总效应和直接效应中环境规制对全要素碳生产率均为显著性的正相关，也可以说，当地的环境规制能够显著促进本地的全要素生产效率的提升，从而验证了波特假说理论的适应性。然而，在间接效应上，环境规制则抑制全要素碳生产率的提高，也就是说，本地的环境规制加强则会减缓邻近地区的全要素碳生产率的提高，加重邻近地区的污染程度，这可能与污染避难所效应有关。值得注意的是，环境规制和环境规制的平方对全要素碳生产率的效应相反，从而证实在直接效应中，环境规制与全要素碳生产率之间呈倒“U”型曲线，间接效应中，两者之间呈“U”型曲线。因此推测环境规制对全要素碳生产率的影响存在拐点，随着环境规制强度由弱变强，其对本地区碳生产率的影响效应将由正向影响逐渐变为负向影响，其对邻近地区碳生产率的影响效应则是相反。

对于控制变量，能源结构（ES）调整促进本地全要素碳生产率升高，则对邻近地区的全要素碳生产率的提升效果不明显。经济发展水平（PGDP）对全要素碳生产率的直接效应和间接效应均显著为正相关，由此可以认为中国经济增速超过了碳排放量的增速，因此，经济发展水平的提高不仅有利于本地区全要素碳生产率的提升，也有利于邻近地区全要素碳生产率的提升。产业结构（IS）对本地全要素碳生产率呈负相关，对邻近地区全要素碳生产率呈正相关，说明二产占比高不利于全要素碳生产率提升。城镇化水平无论是直接效应还是间接效应均与全要素碳生产率呈显著正相关，也可以认为城镇化进程形成的规模经济效应有利于提升全要素碳生产率。对外直接投资则是相反，其无论对本地还是邻地的全要素碳生产率，均呈显著抑制作用。

表2 2006—2017 年环境规制对全要素碳生产率的影响分析

表2 （续）

3.2.2 环境规制对技术创新的空间溢出效应检验

为了进一步检验技术创新的中介效应，在控制了能源结构、经济发展水平、产业结构、城镇化水平和对外直接投资变量后，检验环境规制与技术创新之间的关系，从表3 的（4）～（6）可知，无论是直接效应还是间接效应，技术创新与环境规制在1%的显著水平上呈正相关，说明技术创新的能力高低决定环境规制的强度。由表4 中（7）～（9）可知，环境规制、技术创新与全要素碳生产率均通过1%的显著性检验，且环境规制对全要素碳生产率的影响系数均小于表4（7）中环境规制对全要素碳生产率的影响，表明技术创新在环境规制全要素碳生产率的影响中存在部分中介效应。

表3 环境规制对技术创新的空间溢出效应检验

3.2.3 环境规制、技术创新与全要素碳生产率的空间溢出效应检验

技术创新在环境规制对全要素碳生产率影响的中介效应（详见表4），可以发现：在总效应和直接效应中，技术创新在环境规制对全要素碳生产率影响中具有显著的正向调节作用，即技术创新能力越强，环境规制对全要素碳生产率影响的促进作用就越大，而且，技术创新不仅能优化本地全要素碳生产率，也能带动邻近地区全要素碳生产率的提升。技术进步与碳排放之间的关系是复杂的。技术创新是一种具有经济属性的技术进步，可以通过促进经济增长来促进碳生产率的提升。然而，较强的环境规制一方面促使企业进一步改进其管理流程，优化其工艺流程，以期提高能源利用效率,另一方面由于地区存在政绩竞标赛效应，为了最大限度的增加本地区GDP，地方政府不遗余力地从外部引入先进技术，通过与先进企业合作融资等，在实现经济增长的同时实现碳减排，从而达到全要素碳生产率的提升。

间接效应中，技术创新在环境规制对全要素碳生产率影响中具有显著的负向调节作用，可以认为技术创新会抑制本地环境规制对邻近地区全要素碳生产率的推动作用。因此，环境规制会促进省域全要素碳生产率的提升，环境规制对全要素碳生产率的“本地效应”大于“邻地效应”，而且技术创新在环境规制对全要素碳生产率的影响中存在部分中介效应。

表4 环境规制、技术创新与全要素碳生产率的空间溢出效应检验

3.2.4 稳健性检验

本文通过替换空间权重矩阵的测度方式进行稳健性检验，采用邻接空间权重矩阵、地理距离权重矩阵，重新SDM 模型回归，主要解释变量和空间计量模型的显著性和方向基本一致，说明本文研究结论具有一定的稳健性，详见表5。

表5 稳健性检验

4 研究结论与政策启示

4.1 研究结论

环境规制与技术创新的耦合协调作用能优化生产要素空间布局、提高资源配置效率，是促进区域绿色低碳与可持续发展的重要途径。本文通过分析2006—2017 年的中国30 个省（市、自治区）的面板数据，首先基于同时考虑期望产出和非期望产出的非径向-DDF 测度全要素碳生产率；然后基于空间自相关方法，刻画了中国省域全要素碳生产率的空间演化格局；最后利用空间杜宾模型进行探讨环境规制对全要素碳生产率的空间溢出效应，同时探讨了技术创新在环境规制对全要素碳生产率影响中的中介效应。研究结果发现：

（1）中国各省份全要素碳生产率存在显著的空间集聚特征，其中高-高集聚（H-H）省份多位于东部沿海发达地区，而低-低集聚（L-L）省份多位中西部欠发达地区。

（2）环境规制会促进全要素碳生产率的提升，且环境规制对全要素碳生产率的“本地效应”大于“邻地效应”，也就是说，本地的环境规制能够显著促进本地的全要素生产效率的提升，却抑制邻近地区全要素碳生产率的提升。

（3）技术创新在环境规制对全要素碳生产率的影响中存在部分中介效应。

4.2 政策启示

（1）继续实施环境规制政策，注重完善区域环境规制政策的差异化。由于全要素碳生产率的空间非均衡型特征，针对各省实际的环境污染程度，有针对性的匹配制定差异化的环境规制政策，提高甚至关停高耗能、高排放和高污染企业，尽可能避免形成“污染集聚”效应，进而激励环境规制对全要素碳生产率的提升作用，促使环境规制变得更加灵活有效，尽可能达到环境规制的帕累托最优，以期实现区域绿色低碳与协调发展。

（2）完善空气污染预测预警方案，加强区域间联防联控协同治理。研究结果表明环境规制对全要素碳生产率的空间溢出效应均显著相关，且“本地效应”大于“邻地效应”。大气污染可通过空气、水等载体在空间上流动和转移，因此在进行污染防治攻坚战中，推进区域间联防联控协同治理是最优化方案之一，以期实现“低碳”与“经济”增长双重目标，为促进区域协调发展提供新的思路。

（3）加强技术创新力度，努力构建清洁低碳、安全高效的能源体系。政策制定者应该把重点放在改善低碳生产技术上，通过提高自主研发能力，增强技术创新力度，加快科研创新成果转化，提升国内碳生产率。在工业互联网背景下，追求清洁低碳、安全高效的现代能源体系将是低碳、智能、共享能源的未来。