低碳城市试点政策与FDI的区位选择

景国文

（南开大学 经济学院，天津 300071）

一、引 言

改革开放以来，中国经济快速发展并取得了重大成就，但也出现环境污染等方面的问题，如碳排放增加、地区生态环境恶化等，生态环境问题成为中国经济高质量发展的“拦路虎”。2018年中国国内生产总值占世界的比重也已达到15.9%，而碳排放量占世界的比重也已达到27.8%［1］。随着全球气候的变暖，控制并减少碳排放是当前重点关注的问题之一。

为了降低碳排放强度，缓解生态环境恶化带来的负面问题，2009 年11 月国务院提出到2020 年单位GDP 的碳排放量要比2005 年降低40%~45%。为此，2010年国家发展和改革委员会发布了《关于开展低碳省区和低碳城市试点工作的通知》，确定了广东、陕西等5省8市作为低碳城市试点地区，之后逐步扩大试点范围，2012 年又确立了28 个城市作为第二批试点地区，2017 年又确立了第三批试点地区。随着中国加入《巴黎协定》，中国力争到2030 年前实现碳达峰，力争2060 年前实现碳中和目标。

随着经济全球化的深入，近40年来FDI以13%的年均增长率持续增长，这对于缓解中国经济发展的资金短缺和克服技术瓶颈状况有重要意义［2］。中国凭借自己的劳动力、自然资源等优势，积极参与世界分工，吸引了大量外资。根据《全球投资趋势报告》相关数据显示，2014年中国的外资规模首次跃居世界第一，超过美国；2020年中国实际利用外资达1 443 亿美元，同比增长4.5%。然而伴随着FDI 的流入，出现碳排放增加［3］、环境污染程度加深［4-5］等现象。目前，随着低碳城市试点政策的实行，地方政府必然会采取环境规制等行政手段来实现低碳减排，这可能会对地区的FDI 区位选择产生影响。

基于此，本文选取2004—2018 年我国地级市面板数据，研究低碳城市试点政策对FDI区位选择的影响。这一研究既可以科学评估低碳试点政策的实施效果，也对如何科学合理利用FDI提供一定参考。

二、文献综述

从低碳城市试点政策实施内容来看，本质上属于环境规制的范畴，而环境规制对FDI区位选择的影响，学术界主要基于由Walter 等（1979）［6］提出的“污染避难者假说”，该假说认为如果一个地区的环境规制强度比较低，就可能会吸引一些国外的污染密集型企业来当地投资，造成当地的环境污染加剧。因此，当该地区提高环境规制强度时，会导致地区的FDI 流入减少；而当降低环境规制强度时，可能会吸引更多的FDI流入。

当前关于“污染避难者假说”的研究并没有得出一致的结论，主要观点分为两类：

一类学者的研究支持“污染避难者假说”。①从国外研究来看，List 和 Co（2000）［7］、Keller 和Levinson（2002）［8］、Hanna（2010）［9］先后研究了美国的环境规制对FDI的影响，发现美国的环境规制抑制了FDI 的流入。Wagner 等（2009）［10］采用一国制造业对163个国家的投资数据，发现该国的化工行业导致了东道国的环境污染。Adeel-Farooq 等（2018）［11］考察了 2003—2014 年 9 个亚洲发展中国家数据，结果表明跨国公司的绿地投资对9个亚洲发展中国家的环境绩效有不利影响。Sun 等（2020）［12］基于中国制造企业的微观数据，探讨了异质环境法规和外国直接投资对制造业污染排放的影响，结果表明外国直接投资显著增加了制造业污染排放。Jensen（2021）［13］通过研究希腊、意大利和土耳其三个经济体中外国公司与国内公司绿色行为之间存在差异，发现跨国公司通常比国内公司需要更多的能源，结论支持“污染天堂假说”。②从国内研究来看，杨涛（2003）［14］、陈刚（2009）［15］、郭建万和陶锋（2009）［16］、廖显春和夏恩龙（2015）［17］、张鹏杨等（2016）［18］先后利用省级面板数据研究发现环境规制抑制了FDI流入。林季红和刘莹（2013）［19］选择2001—2008 年36 个行业面板数据，采用工具变量解决内生问题后认为“污染避难者假说”成立。杨军等（2016［20］通过研究不同来源地FDI对中国碳排放的影响，研究发现FDI 导致了碳排放量增加。而随着政策评估计量方法的发展，吕朝凤和余啸（2020）［21］采用双重差分方法研究了排污费标准提高对FDI 区位选择的影响，发现SO2排污费标准提高抑制了 FDI 的流入。曹翔和王郁妍（2021）［22］通过构建分解FDI 转移指标，研究发现SO2排污费标准提高，短期抑制FDI 流入，但长期影响效果却不明显。

另一类观点认为该假说并不成立。①从国外的研究来看，Rezza 和Alief（2015）［23］发现在污染密集型产业或发展中国家中，很难支持“污染天堂假说”。Cheng 等（2018）［24］研究了中国环境规制与外国直接投资之间的双向机制，发现尽管跨国公司在中国投资时选择的城市环境法规较为宽松，但外国直接投资的流入增加了当地环境法规的数量和要求。Abdul 等（2020）［25］通过对一国的外来直接投资流入和四种污染物检验，发现外国直接投资流入与二氧化硫排放之间存在负的长期关系，没有发现该国存在“污染天堂假说”的确凿证据。②从国内研究来看，朱平芳等（2011）［26］利用地级市数据研究发现，环境规制对FDI 的影响平均而言并不显著。许和连和邓玉萍（2012）［27］利用省级面板数据研究发现，FDI 的地理集聚利于降低环境污染，认为“污染避难者假说”并不成立。李金凯等（2017）［28］通过构建面板平滑模型，研究发现FDI 通过“示范效应”等途径提高了环保水平，FDI 并不是导致环境污染的主要原因。冯梦青和于海峰（2018）［29］通过研究财政分权和FDI 对大气环境污染的影响，发现FDI 显著改善了我国的大气污染。

从以上的文献来看，关于“污染避难者假说”是否成立还没有得出一致的结论，而多数文献关于环境规制指标多采用单一或者综合合成指标，而采用SO2排污费征收标准提高政策与低碳试点政策的侧重点又有所不同，因而对FDI的影响可能存在差异。同时从当前低碳城市试点政策研究来看，龚梦琪等（2019）［30］通过筛选第二批低碳城市试点单位，最终选择18个城市为研究样本，研究发现低碳城市试点政策显著促进了FDI 流入。但是由于其研究样本有限，没有考虑第一批低碳政策试点城市，仅通过筛选第二批试点城市中的18 个城市为处理组，而实际上第一批、第二批试点城市分别有72 个、28 个，其研究得出的结论仅适用局部地区，可能存在样本选择问题，在当前扩大低碳试点地区的大背景下，所得出的结论未必具有代表性和政策参考价值，因而采用第一批、第二批和第三批试点城市为研究样本进行研究具有重要意义。

基于现有的文献，本文可能的边际贡献主要有以下几点：一是研究样本方面，本研究包括三批次低碳城市试点政策单位，所得出的结论更加稳健；二是研究方法方面，将低碳城市试点政策视为一项准自然实验，采用双重差分模型评估低碳城市试点政策对FDI区位选择的影响，同时进行平行趋势检验、安慰剂检验以及排除其他政策干扰，评估了低碳城市试点政策对FDI区位选择的影响，增强了结果的稳健性，以验证“污染避难者假说”在中国是否成立，丰富了低碳城市建设与FDI 相关的研究文献；三是机制分析方面，本文构建了低碳城市试点政策通过融资约束效应、环境规制效应、技术创新效应影响FDI区位选择的理论框架，并且进行实证检验。

本文其余部分安排如下：第三部分分析低碳城市试点政策影响FDI区位选择的影响机制；第四部分介绍变量的选取、指标的说明、模型的构建；第五部分为实证回归结果，并且进行稳健性检验；第六部分实证检验影响机制；最后部分总结全文并且提出政策建议。

三、机制分析

本文将低碳城市试点政策影响FDI 区位选择的影响机制归纳为融资约束效应、环境规制效应、技术创新效应。

（1）融资约束效应。在经济发展中，地方政府为了促进地方经济发展，会对企业的贷款和土地等方面给予优惠，从而扩大企业投资。徐盈之和顾沛（2020）［31］等认为，地方会通过银行信贷资金的调控，将资金引导到能短期产生经济效益的项目中。吕朝凤和毛霞（2020）［32］认为，地方金融发展能通过扩大资金规模促进FDI 的流入。而低碳城市试点单位为了完成低碳城市建设的目标，会通过辖区内金融机构的信贷调控产生影响，如果低碳试点地区的外资主要流向污染密集型产业，那么低碳城市试点地区会通过融资约束效应增加外资污染企业的投资成本，进而抑制FDI的流入。

（2）环境规制效应。地方政府为了完成低碳城市的建设目标，在企业生产过程中，政府会要求企业减少污染物的排放，降低碳排放量，以此达到碳排放目标。而企业降低污染物排放必然会影响企业的成本和收益，因此会对一些外资污染企业的投资行为产生影响，如果投资成本增加，那么外资企业会选择到其他地区投资，导致FDI 资金的转移。因此，若低碳城市试点地区的外资企业主要集中在污染密集型产业，那么会通过环境规制效应来抑制FDI流入。

（3）技术创新效应。当前文献关于环境规制对企业创新的影响主要是基于“波特假说”，徐佳和崔静波（2020）［33］认为低碳试点政策会一定程度促进企业进行绿色技术创新。为了建设低碳城市目标，低碳城市试点单位必然会对区域内的企业排污行为进行干预，以控制当地企业温室气体排放，促使企业污染排放达标。而企业为了能够适应政府的干预，需要加大环保设备的投入，进行技术创新，但是如果企业主要集中在污染密集型产业，低碳城市试点政策会提高企业的研发成本，降低企业利润，从而影响投资，抑制FDI 的流入。

四、变量选取、数据说明与模型构建

（一）变量选取

1.被解释变量（fdi）

为避免不同地区的经济规模差异，可能会产生FDI总量异质性问题，本文借鉴张鹏杨等（2016）［18］的做法，采用各个地级市的当年FDI 占地级市的GDP比重作为被解释变量。

2.核心解释变量（treat_post）

双重差分的变量设定方法为：个体虚拟变量为treat，被选为低碳城市则treat=1，否则treat=0；时间虚拟变量为post，政策实施之后post为1，实施之前post为0；treat_post 为 treat 与post的乘积，为政策虚拟变量。

3.控制变量

本文选用产业结构、房地产投资、社会消费、政府干预、工资水平作为本文的控制变量。

（1）产业结构（inst）。产业结构是影响外资流入的重要因素，二、三产业结构比重较大的地区，更容易吸引外资来当地进行投资。本文采用地级市二、三产业产值占地级市国内生产总值的比重来表示产业结构。

（2）房地产投资（estate）。地区的房价是影响外商企业投资的重要因素，房价越高，外企投资的成本也会增加，因此借鉴吕朝凤和余啸（2020）［21］的做法，选用房地产投资占国内生产总值的比重来表示。

（3）社会消费（consumer）。地区消费水平越高，表明地区的消费市场越大，越容易吸引外资来当地进行投资，借鉴沈坤荣等（2017）［34］的做法，本文采用各个地级市社会零售总额占地级市GDP 的比重来表示地区消费水平。

（4）政府干预（govern）。地方政府在经济发展中发挥着重要作用，为了吸引外商直接投资，会对外商企业在土地、税费等方面给予优惠，在此借鉴安孟和张诚（2019）［35］的做法，采用地方财政预算支出占当地国内生产总值的比重来表示政府干预程度。

（5）工资水平（wage）。工资水平高低是影响外商企业决定投资的关键因素，工资低意味着企业的生产成本低，因此会吸引外资投资。本文借鉴张鹏杨等（2016）［18］的做法，工资水平采用地级市的职工工资占国内生产总值的比重来表示。

4.中介变量

（1）金融发展水平（finance）。外资企业在进行投资时，需要考虑投资地区的融资成本，融资成本过高会导致企业投资成本提高，而低碳试点城市为了能完成低碳城市建设目标，地方政府可能会采取金融信贷约束手段来抑制污染企业投资，而当前有些外商企业属于污染密集型企业，因此预期低碳城市试点单位会通过金融信贷政策影响FDI 的区位选择。本文采用各个地级市年末金融机构贷款额占GDP的比重来表示，金融发展水平越低，表明融资约束效应越强。

（2）环境规制（lnsmoke）。当前关于环境规制指标衡量的方法比较多，没有统一的标准，一些学者采用人均GDP 的高低作为环境规制的代理变量［36］，一些学者如宋弘等（2019）［37］采用污染物的排放量来表示。本文主要研究低碳城市试点政策对FDI区位选择的影响，低碳城市试点政策主要针对碳排放，因此地方政府环境规制的目标更多是二氧化碳、二氧化硫、工业烟尘等污染物的排放，而由于地级市层面数据缺乏，为此考虑二氧化碳通常和工业烟尘等污染物一起排放，本文借鉴宋弘等（2019）［37］的方法，采用工业烟尘去除量的对数来衡量地方政府环境规制的代理变量，该数值越大越能说明城市的环境规制力度增强，从而环境规制效果越好。

（3）技术创新（tech）。为完成低碳城市建设目标，在地方政府的干预下，企业必然要加大技术投入，加强技术创新，走绿色可持续发展之路。为更加综合反映地级市层面的创新水平，避免单独采用专利申请数据可能存在的片面性，基于数据的可得性和连续性，本文采用各个地级市科学技术支出占GDP的比重表示。

（二）数据说明

本文采用的低碳城市试点数据来自国家发展和改革委员会网站，外商直接投资、社会消费品零售总额、GDP、房地产开发投资、职工工资总额、汇率数据来自《中国城市统计年鉴》、EPS 数据库、各省市统计年鉴。数据描述性统计见表1所列。

表1 数据描述性统计

（三）模型构建

为研究低碳城市试点政策是否会对FDI 的区位选择产生影响，本文将低碳城市试点政策看作是一项准自然实验，采用多期双重差分模型解决因遗漏变量等产生的内生性问题。本文的研究样本包含低碳试点城市2010年、2012年、2017年三批次样本，基准回归模型设置如下：

其中：fdi 表示地级市FDI 占地级市GDP 的比重；treat_post 为 treat 与 post 两者的乘积；treat 为个体虚拟变量；post 为时间虚拟变量，由于低碳城市试点政策2010年7月之后出台，因此政策的起始时间设置为2011年；controlit代表一系列的控制变量；μ代表个体效应；v代表时间效应；下标t和i分别表示时间和个体；ε为随机误差项。

五、实证检验

（一）平行趋势检验

使用双重差分模型进行实证分析的前提是处理组和控制组样本满足平行趋势假设，即在政策未实施之前低碳城市试点单位与非试点单位之间不存在显著的差异。本文的具体做法是：低碳试点城市为处理组，treat 赋值为1，其余为控制组赋值为0。低碳试点城市实施之后一年为1，记为post_1，其余赋值为0；实施之前一年为-1，记为pre_1，其余赋值为0。依次类推，分别赋值到2011年前6年和 2011 年后 5 年，借鉴 Beck 等（2010）［38］的做法，以政策实施之前两期为基准期，进行动态效应回归。由图1 可知，在实施政策之前回归系数的置信区间包含0，实施政策之后第4 期的回归系数置信区间不包含0，因此回归系数显著，表明低碳城市的政策效果通过了平行趋势检验，并且存在滞后性。

图1 平行趋势检验结果

（二）基准回归结果

表2 列示了基准回归结果。第（1）列和第（2）列表示不加入控制变量时，分别控制地区效应、时间和地区效应的回归结果，由第（1）列和第（2）列可知，核心解释变量的回归系数显著为负，表明低碳试点城市政策显著抑制了外商直接投资资金的流入。第（3）列和第（4）列表示加入控制变量之后，分别控制地区效应、时间和地区效应的回归结果，可知核心解释变量显著为负，在控制地区和时间效应以及加入控制变量之后，核心解释变量的回归系数绝对值有所降低，表明加入控制变量以及控制时间和地区效应之后，减少了遗漏变量等因素对回归结果的干扰，增强了结论的可靠性。

表2 基准回归结果

续表2

从控制变量的回归结果来看，政府干预、房地产投资的回归系数为正，表明政府对经济的干预能够影响外商直接投资的流入，政府通过税收、土地等政策能够吸引外商直接投资资金的流入；房地产投资越高，表明地区的投资机会越多，获利空间越多，因此越吸引外商直接投资的资金流入。工资水平的回归系数为正，表示工资越高，则外商企业的生产成本越高，因此利润降低，导致外资流向其他地区。而社会消费和产业结构的回归系数并不显著。

（三）稳健性检验

（1）加入其他控制变量。为进一步增强本文回归结果的稳健性，本文增加了人口密度（lnpeople）、城镇登记失业人数（lnunemploy）、普通高等学校在校人数（lnstudent）的对数。从表3的第（1）列可知，核心解释变量的回归结果显著为负，表明本文回归结果的稳健性。

（2）排除其他政策的干扰。低碳城市试点政策在降低碳排放的同时，也存在其他政策对低碳城市试点政策对FDI区位选择产生干扰，为了减少同期其他政策对本文基准回归结果的影响，本文考虑了二氧化硫排污费征收标准提高政策冲击的影响。在2007之后中国各省实行了二氧化硫排污费征收标准提高，如果城市实施则为处理组，其余为对照组，如果政策发生在当年的7月1日之前，则视为当年，否则视为下一年，政策虚拟变量设置为treat_so。从表3 的第（2）列可知，核心解释变量的回归系数依然显著为负，表明在加入二氧化硫排污费征收标准提高后，本文的回归结果依然显著，表明本文的回归结果是稳健的。

表3 稳健性回归结果

（3）安慰剂检验。本文借鉴史丹和李少林（2020）［39］的做法，采用随机抽样的方法，对处理组进行随机抽取政策开始时间，整个过程重复2 000次，最后绘出回归系数的p值和t值图。从图2 可知，大部分回归系数的p值都大于0.1，并且大部分回归系数的t值小于0.2，因此通过安慰剂检验，验证了本文回归结果的稳健性。

续表3

图2 安慰剂检验结果

（4）内生性问题。尽管本文采用双重差分模型一定程度上可以减少内生性问题，为避免因遗漏变量等因素导致的内生性问题，本文采用两阶段最小二乘法进行回归，为此采用以各个地级市滞后一期的建成区绿化覆盖面积（iv）作为低碳城市试点政策的工具变量，主要原因有两点：一是建成区绿化覆盖面积能够反映各个地级市为改善环境、降低环境污染、减少碳排放所做出的努力，因此满足工具变量的相关性条件；二是滞后一期的建成区绿化覆盖面积并不直接影响FDI 的区位选择，因此满足外生性条件。回归结果见表4 所列，第一阶段的回归结果中F统计量为102.60，大于10，并且从第二阶段的回归结果来看核心解释变量显著为负，表明本文的结果是稳健的。

表4 两阶段最小二乘法回归结果

六、机制分析

从以上分析可以看出，低碳城市试点政策显著抑制了FDI 的流入，为此基于前文的机制分析，本文从融资约束效应、环境规制效应、技术创新效应三方面进行分析。为了验证本文的理论假设，具体借鉴温忠麟等（2004）［40］的三步法进行验证：第一步验证低碳城市试点政策是否会对FDI 的区位选择产生影响；第二步验证低碳城市试点政策是否会对中介变量产生影响；第三步将中介变量带入第一步方程进行回归。机制检验模型的设定如下：

其中：M表示中介变量；Y表示被解释变量；X表示解释变量。若b、d系数显著，并且a系数显著，则说明存在中介效应；若d系数不显著，则说明存在完全中介效应；当a、b至少存在一个系数不显著时，则说明需要进行sobel 检验，若sobel 检验发现不显著，则说明中介效应不存在。

中介机制分析回归结果见表5所列。

表5 中介机制分析回归结果

表5 的第（1）列至第（6）列分别表示环境规制、融资约束、技术创新机制效应回归结果。第（1）列和第（2）列表示环境规制效应回归结果，可知核心解释变量对环境规制的回归系数并不显著，并且回归系数为负，sobel 检验后p值为0.867 6，因此中介效应并不存在。第（3）列和第（4）列表示融资约束效应的回归结果，第（3）列表示核心解释变量促进了金融发展，但是并不显著，sobel 检验发现p值为0.838 8，因此，中介效应并不存在。第（5）列和第（6）列表示技术创新效应的回归结果，第（5）列回归系数显著，表示核心解释变量显著促进了技术创新，而第（6）列技术创新的回归系数为负，但是并不显著，sobel 检验发现p值为0.013 8，因此中介效应存在，表明低碳试点城市政策通过促进技术创新抑制了外商直接投资资金的流入。

七、结论与启示

本文以2004—2018年中国地级市面板数据为研究样本，采用双重差分模型将低碳城市试点政策视为一项准自然实验，研究低碳城市试点政策是否会对FDI 区位选择产生影响，并且从作用机制进行了分析。研究发现，低碳城市试点政策确实会对FDI 的区位选择产生影响，低碳城市试点政策显著抑制了FDI 流入，但是影响效果存在滞后性；中介机制研究发现，低碳城市试点政策主要通过技术创新效应对FDI 的区位选择产生影响，融资约束效应和环境规制效应并不显著。本文的研究为科学实施低碳城市试点政策和合理利用FDI提供了参考依据。

本文得到启示如下：

一是扩大低碳城市的试点范围，同时要充分考虑低碳城市试点政策对外商直接投资可能存在的影响。外资企业在地方经济发展中发挥着重要作用，本文的研究结果表明，低碳城市试点政策对FDI 的区位选择存在滞后影响，抑制了FDI 流入。因此，地方政府在建设低碳城市过程中要引导FDI资金流入环保产业，在引进FDI促进当地经济发展的同时，通过优惠措施鼓励外资企业进行技术创新，降低碳排放，减少对环境的污染，以促进经济高质量发展。

二是完善融资约束、环境规制、技术创新等配套措施，降低对FDI 的负面影响。地方政府在引进外资时，要积极引进当地急需的高科技产业，充分发挥外资企业的技术优势，带动当地科技产业的发展；优化财税政策，降低企业技术创新投资成本，鼓励企业进行技术创新，发挥技术在碳减排过程中的作用；要加大环保整治力度，对污染企业要加强管理，降低污染物的排放；要充分发挥金融工具在经济发展中的重要作用，将外商投资资金积极引导投入到科技产业、环保产业。