环境规制、绿色技术创新对物流业碳生产率影响的实证研究

牟红亮, 吴灼亮

(安徽财经大学 工商管理学院，安徽 蚌埠 233030)

近年来，环境问题已成为全社会关注的焦点。在理论界，围绕环境规制、绿色技术创新与碳生产率关系的相关研究亦成为热点之一,主要研究体现在三个方面：第一，环境规制和绿色技术创新的关系研究。张旭和王宇(2017)研究发现,加强环境规制和提高研发投入均有助于企业绿色技术创新[1]；刘章生等(2018)以环境规制为门槛变量，实证检验了环境规制与工业绿色技术创新的非线性关系，认为环境规制对绿色技术创新具有“创新补偿”和“遵循成本”两个不同方向的效应[2]；此外，Leeuwen G V等(2013)通过研究荷兰绿色技术创新证明了“弱”波特假说的存在，但没证实“强”波特假说[3]。第二，环境规制对碳生产率的影响。从多数研究结论看，环境规制强度直接影响碳排放效率，这种影响呈先上升、后下降的倒U型轨迹，如李珊珊和马艳芹(2019)[4]。从门槛数量看，邝嫦娥和邹伟勇(2018)认为环境规制对碳排放效率的影响存在门槛效应，且存在一个门槛值[5]；而路正南和冯阳(2016)认为环境规制与碳生产率关系呈U型轨迹，环境规制存在双门槛效应[6]。第三，技术创新对碳生产率的影响。从作用看，林善浪等(2013)通过1997-2009年中国的省域面板数据分析认为，技术创新对区域碳生产率作用没能有效充分发挥[7]；张先锋等(2014)通过研究中国30个省份2000-2010年的面板数据也发现：环境规制对碳排放效率“倒逼效应”不显著[8]，即认为当时我国环境规制没有充分发挥作用，没能通过技术创新有效减少碳排放。从行业来看，滕泽伟等(2017)通过对2004-2013年中国服务业的碳生产率测算，认为中国物流业碳生产率的发展较稳定，水平较低，技术创新是推动我国物流业碳生产率增长的主要因素[9]。

总体来看，研究行业主要是在工业或制造业，研究结论的行业差异性较大且多为单向影响研究，绿色技术创新相关的研究成果仍较少。本文在已有研究成果的基础上，拟采用较新的测度方法对2004-2017年中国30个省份的物流业碳生产率重新进行测算。此外，以环境规制和绿色技术创新交互项为门槛变量，研究二者间的交互效应，并分别以环境规制和绿色技术创新为核心解释变量，探究其对物流业碳生产率的影响。

一、研究假设与模型构建

(1) 研究假设 环境规制通过调节市场经济主体的活动来影响物流业碳生产率的变动。首先，环境规制强度较低时，市场活动主体对环保投入的研发创新意识不足，重视程度可能不够，加上绿色技术创新带来的成本负担和不确定性风险，激励性不强。其次，环境规制强度进一步提高，适中的环境规制强度，能够引起企业对环保的重视，此时，企业可能仍存在较高的环保投入成本，但可以承担。最后，环境规制处于高水平时，企业能够直接通过“直接效应”提高物流业碳生产率，但企业成本负担可能过重。综合以上分析，提出以下三点假设：

H1：环境规制强度较低时，环境规制对物流业碳生产率的影响不显著。

H2：环境规制强度适中时，环境规制对物流业碳生产率起促进作用，影响显著。

H3：环境规制强度较高时，环境规制对物流业碳生产率起积极影响，影响较显著。

胡安军(2019)等研究发现，技术创新和环境规制之间存在着相互作用的激励配合效应，主要表现在两个方面：环境规制对技术创新起激励作用，技术创新对环境规制起配合作用[10]。首先，环境规制强度较低时，市场主体的环保意识往往较低，此时，绿色技术创新水平较低，本身对碳生产率的贡献就不足，没法影响企业的生产方式，也没法实现环境保护和社会经济发展的双赢目标。其次，环境规制强度适中时，此时政府可能会出台一些财政补贴、税收减免和绿色奖励等激励政策来促进绿色技术创新水平的提高，这将降低企业绿色技术创新的成本，激励性强，从而能够激励企业通过提高绿色技术创新水平实现经济转型发展的目的，实现“创新补偿”效应，有利于企业通过绿色技术创新水平提高碳生产率。最后，环境规制强度过高时，企业成本负担过重，“创新补偿”效应带来的激励效果降低，可能会大幅度降低企业在绿色技术开发层面的研发投入，绿色技术创新水平会快速下降，即出现显著的“遵循成本”效应和“挤占效应”。综合以上分析，提出以下三点假设：

H4：环境规制强度较低时，绿色技术创新对物流业碳生产率的影响不显著。

H5：环境规制强度适中时，绿色技术创新对物流业碳生产率起促进作用，影响显著。

H6：环境规制强度较高时，绿色技术创新对物流业碳生产率起积极影响，影响不显著。

(2) 模型构建 根据已有研究成果分析，环境规制和物流业碳生产率，绿色技术创新和物流业碳生产率之间存在非线性关系，且滞后一期明显，同时，环境规制与绿色技术创新之间存在着相互作用关系。此外，由于具体门槛数量未知，为探究物流业环境规制和绿色技术创新对碳生产率的影响以及分析两者之间关系，分别构建以物流业环境规制与绿色技术创新交互项(ρ)为门槛变量，环境规制(ER)和绿色技术创新(ETI)为核心解释变量的双门槛模型，其表达式如模型(1)和(2)所示：

TFPit=αi+β1ERit-1×I(ρ≤γ)+β2ERit-1×I(γ<ρ≤γ2)+β3ERit-1×I(ρ>γ2)+β4Zit+εit

(1)

TFPit=αi+β1ETIit-1×I(ρ≤γ)+β2ETIit-1×I(γ<ρ≤γ2)+β3ETIit-1×I(ρ>γ2)+β4Zit+εit

(2)

其中：下标i和t分别表示地区和年份；αi代表不同地区个体特征；I(#)为指示函数；ρ为门槛变量；γ为门槛值；ε为扰动项。TFP是物流业碳生产率；ER代表环境规制；ETI是绿色技术创新；Z代表控制变量，包括城镇化水平(Urban)、基础设施水平(Infra)、研究与试验发展经费内部支出(RD)、经济开放度(KFD)、资本密集度(K)和经济发展水平(PGDP)。

二、物流业碳生产率的测度

本文借鉴杨翔等(2015)[11]和滕泽伟等(2017)[9]对服务业碳生产率测算的方法，利用STATA14.0软件，采用以SBM方向性距离函数为基础的Global Malmquist-Luenberger(GML)指数，对2004-2017年中国30个省份物流业的碳生产率(TFP)进行测度。

1.构建SBM方向性距离函数

这里将考虑“非期望产出”(CO2)的SBM方向性距离函数定义如下：

2.构建GML生产率指数

根据Oh(2010)[12]的思路，以SBM函数为基础，采用GML指数来测算中国物流业的碳生产率，可以将其表示为：

3.指标选取和数据来源说明

根据以上测度方法，本文搜集了全国物流业30个省份(不含西藏和港澳台地区)2004-2017年的相关指标数据，并进行了如下数据处理：

(1)产出指标的选取及说明 物流业期望产出：考虑到数据的可得性、数据口径的一致性及相关学者的研究结论，这里用物流业的产业增加值来衡量物流业的产出，按照GDP价格指数进行平减，折算到以2004年为基期的数值。

物流业非期望产出：这里所要测算的物流业的碳生产率是一种考虑了CO2这种“非期望产出”的碳生产率指数，其CO2排放量的测算是计算其碳生产率的关键。目前官方并没有统计CO2排放量的直接数据。利用《中国能源统计年鉴》提供的参数和政府间气候变化专门委员会(IPCC)编制的《2006年IPCC国家温室气体清单指南》能够进行碳排放量测算。物流业的碳排放总量可以由物流业消耗各种能源所产生的CO2排放量所得，计算公式如下所示：

CO2=∑CO2,i=∑Ei×NCVi×CEFi×COFi×44/12

其中，i为最终能源消费种类(化石燃料)，本文选取《中国能源统计年鉴》最终能源消费中的原煤、原油、汽油、煤油、柴油、燃料油、液化石油和天然气等七种能源作为物流业能源消耗主要来源。Ei表示第i种化石燃料的消耗量；NCVi表示第i种化石燃料的低位发热量；CEFi为第i种化石燃料的含碳量；COFi为第i种化石燃料的氧化率；44和12分别表示二氧化碳和碳的分子量；碳排放系数=低位发热量×含碳量×氧化率，即通过NCVi×CEFi×COFi×44/12公式可以计算各种化石燃料的碳排放系数，结果如下表1所示。

表1 燃料的折煤系数、发热量、含碳量、氧化率及碳排放系数表

(2)投入指标的选取 这里的投入要素包括劳动投入、能源投入和资本投入。考虑到数据的可靠性、完整性和口径的一致性，劳动投入以每年物流业的“年末从业人员数”作为变量指标；资本投入选取物流业的年末固定资产投资作为变量指标；能源投入能源是社会经济能够运行的保证，本文以物流业的能源消耗总量(换算为标准煤)作为能源投入变量。

4.数据来源说明

物流业的碳排放量(C)的来源前文已详细说明。物流业的资本投入(I)数据来源于《中国固定资产投资统计年鉴》，物流业的劳动投入(L)数据选自《中国人口和就业统计年鉴》和《中国第三产业统计年鉴》，物流业的能源投入(R)数据来自《中国能源统计年鉴》，物流业的产业增加值(T)数据通过《中国第三产业统计年鉴》《中国统计年鉴》及统计公报获取。

三、实证分析

1.解释变量的选取与数据来源

(1)环境规制(ER) 环境规制变量(ER)表示一个地区对其环境的治理投资强度。本文借鉴学者崔立志等(2016)做法采用环境污染治理投资总额占GDP比重指标表示[13]，其中环保投资额由城市环境基础设施建设投资额、工业污染源治理投资额和当年完成环保验收项目环保投资额三部分构成。

(2) 物流业绿色技术创新(ETI) 学术界的相关术语尚未统一，以往文献中多数学者采用绿色技术创新效率或绿色全要素生产率作为该变量指标[14]，也有研究者以绿色专利数来衡量该变量[15-16]，本文以物流产业专利发明授权数(发明专利和实用新型专利)来衡量物流业的绿色技术创新水平。根据WIPO(世界知识产权组织)提供的《国际专利分类绿色清单》进行相应的IPC(国际专利分类)分类号查找，为避免遗漏和重复，分类号以2003-2018年的公开(公告)日为准。

(3) 其他控制变量 包括城镇化水平(Urban)、基础设施水平(Infra)、研究与试验发展经费内部支出(RD)、经济开放度(KFD)、资本密集度(K)和经济发展水平(PGDP)。其中城镇化水平(Urban)：本文参考高文静等(2017)的研究方法，用城镇人口占各地区总人口比重来衡量[17]；基础设施水平(Infra)：本文借鉴李小平等(2016)的方法用每万人拥有公路里程数来表示[18]；研究与试验发展经费内部支出(RD)：采用各地区每年物流业的研究与试验发展经费内部支出表示；经济开放度(KFD)：采用刘传江等(2015)的做法以各省份进出口总额占GDP比重衡量，其中外汇用各年度人民币对美元的平均汇率进行折算[19]；资本密集度(K)：本文采用固定资产投资额与就业人数之比或固定资产完成投资额与就业人数之比来衡量，其中，每年的投资额或完成投资额按照GDP价格指数进行平减，折算到以2004年为基期的数值[20]。经济发展水平(PGDP)：使用各省市的人均GDP表示。

(4) 数据来源 本文的面板数据由全国30个省份物流业2004-2017的碳生产率(TFP)、2003-2016年的环境规制(ER)、2003-2016年物流业绿色技术创新(ETI)和2004-2017年前述六个控制变量构成。我国物流业碳生产率(TFP)数据由以SBM方向性距离函数为基础的GML指数测算所得；环境规制(ER)数据来源于两部分，其中2004-2016年数据来自《中国环境统计年鉴》中的环境统计数据，2003年数据由《中国城市建设统计年鉴》和《中国科技统计年鉴》数据计算所得；物流业绿色技术创新(ETI)数据通过国家重点产业专利信息服务平台，按照国际绿色专利分类号查找统计所得；控制变量中的城镇化水平(Urban)数据来自《中国人口和就业统计年鉴》和《中国第三产业统计年鉴》，基础设施水平(Infra)数据来自《中国固定资产投资统计年鉴》，研究与试验发展经费内部支出(RD)数据来自《中国科技统计年鉴》和《中国第三产业统计年鉴》，资本密集度(K)数据来自《中国固定资产投资统计年鉴》和《中国人口和就业统计年鉴》，经济开放度(KFD)和经济发展水平(PGDP)数据来自《中国统计年鉴》和各地区统计年鉴及统计公报。

2.数据的稳健性检验

根据以上方法获取的数据，采用Stata14.0软件进行稳健性检验。

(1) 面板数据的平稳性检验 为保证实证结果的严谨性和可靠性，在进行门槛回归前，需要进行数据平稳性检验，即面板数据的单位根检验(Unit Root Test)，以避免出现假回归结果。本文使用Stata14.0软件，采用Fisher-PP和LLC方法检验，分别对TFP、ER、ETI、Urban、In fra、KFD、K、ln RD和ln PGDP作平稳性检验，发现原序列有部分变量是不平稳的，一阶差分后的变量则是平稳的，结果如下表2所示，可认为TFP、ER、ETI、Urban、In fra、KFD、K、ln RD和ln PGDP面板数据均拒绝原含有单位根假设，数据平稳。

表2 面板数据的单位根检验表

续表

(2)面板数据的协整检验 运用STATA14.0软件，利用KAO检验法分别对模型1和模型2变量进行协整检验，置信水平为99%，结果表明：模型1和模型2中各变量间存在着某种稳定的协整关系，检验结果分别如下表3所示。

表3 模型1和2的协整检验表

3. 实证检验与结果分析

(1) 模型1和模型2的实证检验 根据上文构建的面板门槛模型，利用stata14.0分别对模型1和模型2进行单门槛和多门槛检验，运用Bootstrap反复抽样300次得到模型1和模型2的P值和临界值结果。其中，TFP为被解释变量，ER和ETI的滞后一期为核心解释变量，以环境规制和绿色技术创新的交互项ER×ETI的滞后一期为门槛变量，Urban、In fra、KFD、K、ln RD和ln PGDP为控制变量进行分析，具体结果如表4和表5所示。结果表明：以ER的滞后一期为核心解释变量的门槛变量ER×ETI的单门槛F值为12.09，P值为0.293 3，在10%的显著性下不显著；双门槛F值为20.11，P值为0.073 3，在10%的显著性水平下显著；三门槛F值为9.74，P值为0.686 7，在10%的显著性下不显著，说明以ER的滞后一期为核心解释变量的门槛变量ER×ETI的滞后一期存在双门槛效应。同理，ETI的滞后一期在10%的显著性水平下存在双门槛效应。

表4 模型1和模型2的门槛检验表

表5 模型1和模型2的门槛值检验结果表

ER的滞后一期的第一个门槛值为24.57，第二个门槛值为28.00；ETI的滞后一期的第一个门槛值为19.04，第二个门槛值为20.50。同时还分别得到了其在95%水平下的置信区间,如表5所示。

(2)模型1的结果与分析 ER的滞后一期存在双门槛效应。双门槛模型回归估计结果见表6。

表6 双门槛模型的回归结果表

从表6回归结果表的系数估计可以看出：以环境规制ER的滞后一期为核心解释变量的门槛变量ER×ETI的滞后一期的双门槛值分别为24.57和28.00。当环境规制和绿色技术创新的交互项ER×ETI(ER的滞后一期为核心解释变量)的强度低于24.57时，ER×ETI的影响系数为零，P值约为0.99，不显著，接受假设H1；强度处于两门槛值之间时，ER×ETI的影响系数约为0.017，且通过了1%的显著性水平检验，说明环境规制对物流业碳生产率起显著地正向作用，接受假设H2；强度大于28.00时，ER×ETI的影响系数约为0.004，通过了10%的显著性水平检验，表明环境规制对物流业碳生产率有着较显著的正向效应，同时也反映出这种影响强度大幅下降，接受假设H3。综上，表明环境规制强度较低或过高时，环境规制对物流业碳生产率的影响减弱，特别是环境规制强度较低时，其促进作用偏低。究其原因，环境规制强度过低，没法引起企业对碳生产率的重视，激励性不强，“创新补偿”效应无法体现，企业没有投入相应的环境成本，这使得期望产出在快速增加的同时，非期望产出也在迅速增加。而过高的环境规制强度，虽然能够有效地降低非期望产出，但相关企业的环境成本过大，尚在转型期的物流业企业无法实现“创新补偿”效应，严重影响企业的生产积极性，这就可能出现企业期望产出的增速开始放缓并低于非期望产出的增速，从而使得物流业的碳生产率增速呈现下降趋势。因此，适当的环境规制强度，企业能够承担的企业环保投入，不仅能够激励物流企业加快转型、激励企业提高绿色技术创新水平，同时也能够使企业通过“创新补偿效应”和“学习效应”实现企业、社会和环境的共同发展。

(3) 模型2的结果与分析 ETI的滞后一期存在双门槛效应。双门槛模型回归估计结果见表7。

表7 双门槛模型的回归结果表

续表

从表7回归结果表的系数估计可以看出：以绿色技术创新ETI的滞后一期为核心解释变量的门槛变量ER×ETI的滞后一期的双门槛值分别为19.04和20.50。当环境规制和绿色技术创新的交互项ER×ETI(ETI的滞后一期为核心解释变量)的强度低于19.04时，ER×ETI的影响系数为-0.000 4，P值通过了10%的显著性水平检验，表明绿色技术创新对物流业的碳生产率有着不明显的消极影响，因此，拒绝假设H4；强度处于19.04和20.50门槛值之间时，ER×ETI的影响系数约为-0.003 8，通过了1%的显著性水平检验，说明绿色技术创新对物流业的碳生产率起显著地负向作用，但影响仍然很小，拒绝假设H5；强度大于20.50时，ER×ETI的影响系数为0.000 1，为正且很小，表明ETI对物流碳生产率具有不显著的促进作用，所以，接受假设H6。对比以往学者研究得出的技术创新与碳生产率关系，可以发现如刘传江等(2015)[19]和林善浪等(2013)[7]学者认为的在不同产业、不同时期技术创新对碳生产率影响微弱，甚具有抑制作用的结论得到印证。同时，显著水平下的环境规制也会影响其系数和显著性变化，当社会整体绿色技术创新水平和公众环保自觉意识较低时，环境规制强度的高低直接影响绿色技术创新水平。同样地，绿色技术创新水平也能反映环境规制的强度，我国正处于该阶段。所以，当绿色技术创新强度低于19.04时，较低的环境规制强度不能促使企业重视绿色技术的发展，这使得绿色技术的贡献率远低于非期望产出增速，从而产生了我国物流业绿色技术创新对碳生产率影响不显著或起较低的消极影响。当绿色技术创新强度在19.04和20.50之间时，适中的环境规制强度和社会需求趋势迫使企业加大对绿色技术的开发，绿色技术创新对物流业碳生产率影响的显著性增强。由于我国物流业的经济发展方式以粗放式发展为主，经济转型周期长，发展起步晚，同时，绿色技术创新作用的体现需要较长时间，因此，得出了绿色技术创新对物流业碳生产率影响显著，但系数为负的结论。当绿色技术创新强度超过20.50门槛值时，绿色技术创新对碳生产率起不显著的促进作用，这说明我国物流业的绿色技术创新水平还很低，对环境规制的依赖性强，“创新补偿”效应不明显。随着绿色技术创新水平的不断提高，绿色技术创新对碳生产率的提升作用会不断凸显，随着我国产业的转型升级，这种影响会越发明显和突出。因此，不管是企业、社会还是国家都应该重视绿色技术创新，将推动社会持续发展的两大动力——技术创新和绿色环保融合在一起，实现人类社会和环境的永久可持续发展。

四、 结论与建议

(1) 结论 基于1994-2017年我国30个省份的相关指标数据，测算了我国物流业碳生产率，并利用非线性面板门槛模型研究了环境规制(ER)和绿色技术创新(ETI)对我国物流业碳生产率的影响。结论如下：环境规制和绿色技术创新之间存在着相互作用的激励配合效应，环境规制和绿色技术创新具有双门槛效应，滞后一期特点显著，在不同的强度水平下对物流业碳生产率起不同的作用。现阶段，我国绿色技术创新对环境规制的依赖性较强，环境规制强度影响着绿色技术创新对物流业碳生产率的门槛效应，绿色技术创新对我国物流业碳生产率的影响不显著。在模型1和模型2中，基础设施水平(Infra)对物流业碳生产率影响的结论不一致，前者为不显著的促进，后者起不显著的抑制作用。经济开放度(KFD)是提高物流业碳生产率的重要途径，研究与试验发展经费(RD)是提高物流碳生产率水平的重要保证。

(2) 建议 根据研究结论，提出如下建议：第一，制定适当的环境规制强度。当前物流业发展方式以粗放式发展为主，环保投入成本可能对企业影响很大，但较低的环境规制强度很难促进其碳生产率的提高。所以，应适当地提高环保投入成本，实现经济发展方式的过渡。虽然较高的环境规制强度有利于碳生产率的提高，但也应就具体行业做出具体的针对性方案。当前环境规制对物流业碳生产率的促进作用没有充分发挥，应适当加大对物流业的环保投入，制定适当的环境规制强度标准。第二，加大研发投入，提高绿色技术创新水平。绿色技术是实现环境保护与经济发展“双赢”目标的关键。发展绿色技术满足社会需求，符合发展趋势，能够为企业带来市场竞争优势。此外，政府为解决发展带来的环境污染问题，可能会出台一系列支持绿色发展的政策。物流业企业应抓住这次机遇，加大对绿色技术研发的投入，将减少成本、提高效率和降低污染作为发展的着力点和目标，利用技术创新带来的现代化信息技术和物流设施，打造节能高效的物流服务体系，逐步实现物流的自动化和智能化，推动物流业实现产业发展方式的转型升级。第三，加强政府引导和社会宣传。碳生产率的提高不仅要依靠相关企业，更需要社会和政府支持。政府应加大社会的环保宣传，增强公众的环保意识，形成人人重环保的社会氛围为企业提供良好的社会动力，引导公众树立自发性的环保意识。其次，鼓励改变能源消费结构，降低煤炭等化石燃料在能源消费结构中的比重，鼓励开发可再生清洁能源，提高清洁能源的使用度，减少碳排放。最后，借助媒体进行宣传，让清洁生产和节能使用源深入人心，逐渐在全社会建立起低碳的消费生活理念，实现绿色发展、健康发展。