高质量发展目标下的环境规制与技术效率优化

王晓岭　陈语　王玲

摘 要：因其显著的经济、社会与环境影响，钢铁产业技术效率优化对其加快实现高质量转型发展具有重要意义。本文基于2006—2017中国29个省份的面板数据，先是构建全局网络方向距离系数模型测算钢铁产业技术效率，并进一步建立空间杜宾Tobit模型和面板门槛模型，分析环境规制等因素对产业技术效率的空间溢出与非线性影响。结果表明，观测期内，中国钢铁产业技术效率整体表现出波动上升趋势，且效率水平存在区域异质性和空间相关性;行政命令与公众参与型环境规制对钢铁产业技术效率优化都起到了显著的促进作用，市场激励型和自愿意识型规制的直接效应尚不显著，行政命令型规制在不同空间距离下都体现出了显著的溢出效应;四类环境规制均存在双重门槛，但各类规制的最优强度区间存在差异，体现出其对钢铁产业技术效率的非线性作用机理。

关键词：高质量发展;环境规制;钢铁产业;技术效率;空间效应;面板门槛模型

中图分类号：F262文献标识码：A

文章编号：1000-176X（2021）12-0039-10

一、问题的提出

作为国民经济基础性支柱产业，钢铁工业的发展是一国经济水平和综合国力的重要标志。1996年中国超过日本成为世界第一产钢大国，并保持了二十余年的高速发展。中国粗钢产量占全球份额从1996 年的13.50%逐步提高到2019年的53.10%。但与此同时，钢铁产业的技术相对落后、发展不均衡等问题一直未能得到根本解决，产能过剩的困境日益凸显。2013年以后，中国钢铁产业更是由相对产能过剩转变为绝对过剩。在此背景下，供给侧结构性改革政策在中国全面推进，2019年中国钢铁产业产能利用率达到80.00%，较2016年提升了8.30个百分点。但同时2019年中国粗钢产量达9.96亿吨，同比增长7.20%，去产能政策效果并不十分稳固，出现滑入过剩区间的风险。在此背景下，如何通过优化产业资源配置推动钢铁产业结构转型升级进而提升全要素生产率，推动钢铁产业高质量平稳发展成为关键。产业的结构升级和可持续增长都离不开生产过程技术效率的提升。一方面，技术创新与技术进步是改进生产能力的关键所在;另一方面，生产要素的投入和全要素生产率的提升至关重要，而全要素生产率又取决于资源配置效率和技术效率的提升。由此可见，技术效率的提升对中国钢铁产业结构升级和经济可持续发展至关重要。此外，在“一带一路”倡议不断推进的环境下，中国钢铁产业在世界钢铁部门中占有越来越高的地位。提升钢铁产业生产的技术效率，加快实现钢铁产业又好又快发展，有利于为国际社会提供多样化的产品，对于推动以国内大循环为主体、国内国际双循环相互促进新发展格局战略构想的实施具有重要意义。目前，中国钢铁产业仍然存在着资本利用率低、劳动力依赖性强等问题，不同地区产业技术进步、管理水平和投资能力也存在明显差异。如何实现在一定生产技术水平下，以更少的投入获得更多产出就成为关键问题。因此，探究中国钢铁产业技术效率水平及其影响因素，对实现钢铁产业优化生产、改进资源配置、提高综合效益具有重要的指导意义。

现有研究表明，环境规制是影响技术效率的一个重要因素。面临日益严格的法律法规管制，钢铁产业高能耗和高污染的特点决定了它的生产活动将受到环境规制等因素的影响。钢铁企业在环境污染控制下承受巨大的成本压力，为了提高竞争力和利润率，企业必须谋求在环境保护的同时提升技术效率改进生产，以取得全要素生产率的提高并实现可持续发展。根据波特假说，环境规制强度越高，全要素生产率水平相应也越高。说明适度的环境规制能够促使企业为降低成本而加快创新步伐，提高技术效率并相应地减少工业污染物的排放，进而推动产业可持续发展。

现有研究中关于效率的分析方法主要有两类：一类是以随机前沿分析（Stochastic Frontier Analysis， SFA）为代表的参数法;另一类是以数据包络分析（Data Envelopment Analysis， DEA）为代表的非参数法。相比之下，DEA方法因其独特的优势在技术效率、全要素生产率、创新效率、生态效率和资源利用率等的测算方面应用广泛。除了传统的CCR和BBC方法之外，很多学者在研究中对其作出了相应的改进，例如考虑松弛变量的Slack-Based Measure（SBM）、考虑抽样法的Bootstrap-DEA、考虑非期望产出的Malmquist-Luenberger指数等。在钢铁产业的研究中，DEA方法也同样被用于废气处理效率、能源效率、碳排放绩效等多方面的研究。在钢铁产业技术效率分析方面，刘文君和向冰[1]采用了基于松弛变量的超效率DEA模型分析了钢铁上市公司基于碳排放的技术效率;张庆芝等[2]以中国重点大中型钢铁企业为研究样本，采用Undesirable-SBM模型测算了钢铁产业的技术效率并分析了地区差异;Yang等[3]则利用Bootstrap—網络DEA分析了中国各省市钢铁产业的技术效率及其区域性差异。

波特假说指出，环境规制可以激励企业创新进而提高资源利用效率，产生创新补偿效应大于成本效应的效果，从而可以促使企业生产效率的提高。现有的研究中，

环境规制的分类方法较多。单一指标法中，多采用环境污染治理投资、排污费和排污补助、单位能源消费的GDP产出等作为环境规制的代理指标。在此基础上，有学者采用双分法区分环境规制类别，从实施主体来看有正式规制和非正式规制、行政命令型和市场激励型环境规制、费用型与投资型环境规制;从实施过程来看，可以分为治理投入和治理效果、规制成本和规制产出等。在近来的研究中，环境规制又被进一步分为三类，包括行政命令型、市场激励型和公众参与型或命令控制型、市场型和自主型。

关于环境规制对技术效率的影响方面尚未形成一致结论。例如，何枫等[4]运用非期望SBM模型测算了雾霾约束条件下中国省级环境技术效率，并证明了环境规制未能对环境技术效率产生显著的影响;Liu等[5]基于PP-SAF方法测算了中国31个省市快递行业的技术效率并分析了其影响因素，发现环境污染管制手段抑制了行业技术效率的提升;Pei等[6]以中国六大高能耗产业的省级面板数据为样本，研究发现环境规制强度的提升能够通过技术效率的改善并最终降低碳排放，但规制对技术效率在各细分行业的作用存在差异性。在异质性环境规制的作用方面，吴力波等[7]在研究中发现，命令控制型和经济激励型环境规制对中国煤炭发电企业成本技术效率的提高均产生抑制作用，且对重点减排地区企业成本技术效率的负面影响大于非重点减排地区受到环境规制的负面影响;Cheng等[8]研究表明，命令控制型环境规制和市场激励型环境规制均能促进中国制造业技术效率提升，进一步促进产能利用率提高，且命令控制型的作用强度更大。此外，尽管环境规制对技术效率的非线性作用已经得到了关注，但相关研究成果十分有限。并且现有研究主要选择采用加入平方项或立方项来进行分析，该方法不能在结果中显示门槛变量在门槛值两侧如何影响被解释变量，也不能体现门槛值所处的置信区间，难以揭示估计的统计意义，具有一定的局限性。

综上可知，首先，现有文献针对钢铁产业技术效率的分析较少，尽管随着网络DEA技术的发展现有研究已能够将钢铁产业的生产阶段性加以考虑，但目前对技术效率的测算方法中没有将生产技术前沿的变化纳入分析框架，也缺乏应对无效最小决策单元（DMU）影响效率评价的手段，从而忽略了样本的全面性，可能导致测算结果的有偏估计。其次，在环境规制作用研究方面，主要集中于两分法和三分法的探讨，缺乏将政府、市场、企业、公众等多主体同时纳入分析框架。最后，随着区域一体化战略等政策的实施，产业间的区域关联越来越强，环境政策以及产业发展政策也表现出越来越明显的区际影响和联动，因此，在研究环境规制对产业影响的过程中，空间影响成为不可忽视的重要因素之一。但在目前的研究中，探讨异质性环境规制对产业技术效率的空间溢出效应以及非线性作用的成果十分有限。

基于此，本文可能的学术贡献有以下三点：第一，通过将方向距离函数（DDF）与两阶段DEA方法相结合，融合全局思想构建全局网络DDF模型测算中国钢铁产业的技术效率，探讨钢铁产业技术效率的变化趋势。第二，将政府、市场、企业、公众等多主体纳入分析框架，采用四分法探讨异质性环境规制对钢铁产业技术效率的影响。第三，将空间杜宾 Tobit模型与面板门槛回归模型相结合，探究环境规制对中国钢铁产业的影响及地区间的溢出效应，并分析其非线性的作用特征及最优的强度范围。

二、研究设计

（一）变量选取与数据来源

为了探究中国钢铁产业技术效率及其相关影响因素，根据数据完整性和可得性，

由于2018年起中国全面实施排污费改税政策，排污费数据截至2017年。本文参考Lin等[9]的研究，选取中国29个省份2006—2017年的面板数据进行分析。其中，海南和西藏由于数据缺失较多且不具备研究的代表性被剔除，也不包括中国港澳台地区。所用数据均来自《中国统计年鉴》、《中国钢铁工业年鉴》、《中国环境统计年鉴》、《中国环境年鉴》、各省统计年鉴、中国经济与社会发展统计数据库以及政府网站。相关经济类指标均以2000年为基期进行平减折算，具体指标定义与数据选取如下。

1.被解释变量：钢铁产业技术效率（TE）

根据现有的研究经验，本文参考Yang等[3]的研究选取固定资产投资作为钢铁产业资本投入指标，选取钢铁产业年平均从业人数作为劳动投入指标。实际的生产过程往往分为不同的生产阶段，就钢铁产业而言，本文将其生产活动分为两个阶段并运用网络DEA方法分析其技术效率。在产出方面，本文选择粗钢产量作为中间产出，生铁和成品钢材的产量作为最终产出。

2.解释变量：环境规制

（1）行政命令型环境规制（ER1）。在环境污染治理的过程中，政府作为最重要的约束力量始终发挥着主导作用，促进和引导了各行各业的环境污染治理行为，在Li 等[10]研究的基础上，本文进一步根据《中国环境统计年鉴》关于环境污染治理投资的分类，选择工业污染源治理投资额、城市环境基础设施建设投资额、建设项目“三同时”环保投资/当年完成环保验收项目环保投资额三项指标作为行政命令型环境规制的衡量指标，并进一步采用熵值法得到综合指标衡量行政命令型环境规制的强度。

（2）市场激励型环境规制（ER2）。保护环境一方面要依靠政府力量的约束;另一方面也要受到市场的约束和激励，其中，比较具有代表性的市场约束行为就是征收排污费。本文参考范丹和孙晓婷[11]的研究，选取排污费作为市场激励型环境规制的衡量指标并将其标准化以保持数据的一致性。

（3）公众参与型环境规制（ER3）。除了政府和市场，公众在环境污染治理方面也逐渐发挥出重要作用。随着人口素质和教育水平的提高，人们对生活环境质量的要求也随之提升，越来越重视环境保护并且愿意参与到环境污染监督中去。因此，收入水平、受教育程度、人口密度和年龄结构与公众参与环境监督关系密切[12]。本文选择该四类因素并利用熵值法求其综合值作为衡量指标并进行标准化处理以反映公众参与型环境规制的强度。

（4）自愿意识型环境规制（ER4）。近年来，由于社会和国家的引导与提倡，越来越多的企业开始进行自发的环境污染治理投资和创新活动。中国自2006年起设立环境标志认证中心，并逐渐形成了完整的标准、认证、审核体系。因此，本文选择通过环境质量认证标准的企业数量作为衡量指标并进行标准化处理来反映自愿意识型环境规制的强度[13]。

3. 控制变量

（1）外商直接投资（fdi）。中国钢铁产业在世界钢铁产业中占据重要地位，不仅为国际市场提供了大量的钢铁产品，也在对外开放的过程中吸收和引进了国外的资金投入，同时带来了生产技术和管理能力的改进，是促进钢铁产业发展的重要因素之一。本文参考现有的研究成果[14]，选取实收外商资本总额体现外商投资的水平。（2）技术水平（tech）。钢铁生产往往需要消费大量的能源，包括煤、石油、天然气以及电力等，进而产生大量的废气、废渣污染。而减少污染、提高能源利用率的最有效手段就是改进生产技术和生产工艺，因而在一定程度上，单位产出所需要的能源消费量体现了产业的生产技术水平。基于以上分析，本文选择钢铁产业能源强度即单位产值综合能耗作为技术水平的衡量指标进行分析。（3）市场规模（scale）。钢铁产业是具有典型的规模效应的产业，生产规模越大，越容易节省能源、提高生产效率、增加技术创新，然而盲目扩大生产规模容易带来产能过剩等弊端，因此，市场规模的扩大能否带来效率的提升值得探讨，本文中采用工业销售产值来衡量钢铁产业市场规模[13]。（4）工业化水平（ind）。工业化往往需要大量的原料进行基础设施建设和产业发展，钢铁产品作为必不可少的原料在工业化进程中发挥着重要作用，工业化发展的需求结构也影响着钢铁产业的生产结构，本文采用工业总产值占GDP的比重来衡量中国各省市的工业化水平，进一步分析其对钢铁产业技术效率的影响。（5）城镇化水平（urb）。从消费层面来讲，城镇化的推进增加了基础设施的需求，进而产生了更多的钢铁产品需要。而从生产层面来讲，城镇化提高了人口素质，增加了居民收入，为鋼铁产业乃至工业生产带来了更多高素质的劳动力和更多的投资，因此，成为影响钢铁产业的另一个重要社会因素。本文选取城镇人口数量占总人口的比重来衡量城镇化水平。

（二）全局网络DDF模型

网络DEA在多阶段生产效率的评价中是一种有效的方法。根据中国钢铁产业长流程的生产特点，第一阶段生产的粗钢可以作为第二阶段的投入变量，同时这种关系可以反映钢铁产业的生产特点。因此，本文首先选择两阶段DEA分析其生产技术效率。标准的两阶段DEA模型往往采用CCR方法来测算效率，这种方法将投入产出的比率限制在小于1的范围内，当投入产出变量超出限制范围，就会产生无效DMU。方向距离函数（DDF）是对径向DEA模型的一般化表达，它能够通过定义方向向量使无效DMU沿任意设定方向投影到前沿，进而改进效率评价方法。构建基于DDF的网络效率分析模型以克服标准两阶段DEA模型的局限性，能够更加有效地分析中国钢铁产业生产的技术效率，

表示投入变量，y表示产出變量，λ表示DMU的线性组合系数，gx和-gy表示投入产出方向向量，s-i和s+n分别表示投入产出松弛变量。另外，考虑到时期变化引起的生产技术前沿水平的变动，本文借鉴全局DEA技术构建了各期生产技术集PG（i=1，2，3…，t）：PG=P1UP2UP3U...UPt，并以此作为全局网络DDF模型的生产技术集。此时的DEA模型能够将所有生产技术集全部包络进而有效分析钢铁产业各个时期的技术效率差异。

（三）空间杜宾Tobit模型

中国疆域辽阔，各地区之间贸易便利，在发展中必然会因为地理临近、贸易往来而产生生产联系。因此，分析钢铁产业技术效率及其影响因素之间的空间关联对于分析产业生产状况、优化产业配置具有现实意义。本文采用地理距离矩阵进行空间分析，并采用将经济、地理因素纳入测算的地理经济距离矩阵进一步验证钢铁产业技术效率及其影响因素的空间效应，计算方法如式（3）和式（4）：

其中，dij为各省会城市之间的地理距离，Yi为i省的工业总产值。

在进行空间分析之前，首先要进行空间相关性分析。本文采用空间莫兰指数分析钢铁产业技术效率的空间相关性。莫兰指数计算方法如式（5）：

其中，Xi和Xj分别表示i省和j省的技术效率，X-为效率均值，X-=∑ni=1Xi/n，Wij表示空间权重矩阵。莫兰指数的取值范围为[-1， 1]，当其取值小于0时，表明两地区之间存在负向空间相关性，且取值越接近-1，相关性越强;当取值大于0时，表明两地区之间存在正向空间相关性，且取值越接近1，相关性越强;当Morans I趋近于0时，表明空间范围内各区域之间不存在相关性。

考虑到空间杜宾Tobit模型在分析空间溢出等关联效应方面具有的独特优势，也是各类空间模型中更具有一般性的形式，本文选取Tobit模型研究环境规制等影响因素对于钢铁产业技术效率的作用。此外，由于DEA所得效率值具有的非负截断性特征，本文将Tobit模型与SBM相结合，构建随机效应空间杜宾Tobit模型进行空间分析，具体模型如式（6）：

其中，TEit为i省钢铁产业在t年的技术效率值，ER1表示行政命令型环境规制，ER2表示市场激励型环境规制，ER3表示公众参与型环境规制，ER4表示自愿意识型环境规制;X表示一系列的控制变量，W为空间距离矩阵，μ表示随机扰动项。

（四）面板门槛回归模型

根据波特假说，合理的环境规制能够促进生产企业开展技术创新，减少能源消耗和污染排放，从而提高生产效率，进而取得更大的竞争优势。若环境规制强度过低，其约束作用可能难以得到发挥，若环境规制强度过高，则可能会使企业承受更多的成本压力从而挤占创新的资本等资源，反而抑制效率的提高。因此，在环境规制与技术效率的非线性关系中，识别环境规制门槛效应是否存在对于政策的制定与实施具有一定程度上的参考意义与价值。本文进一步构建单一、双重、三重门槛模型识别中国各省环境规制在钢铁产业是否存在门槛效应，基本模型如式（7）—式（9）：

其中，TEit为i省钢铁产业在t年的技术效率值，ER分别表示各类环境规制，同时也是门槛变量，X表示一系列的控制变量，γ表示门槛值，ε表示随机扰动项。

三、结果与分析

（一）钢铁产业技术效率

基于钢铁产业的统计数据，利用本文构建的全局网络DDF模型，对中国钢铁产业技术效率进行实证分析，研究结果如表1所示。

由表1可知，2006—2017年间，中国29个省市钢铁产业技术效率整体表现出上升趋势，其中2008年和2012年出现明显下降。2008年，受到全球经济危机的影响，一方面，市场衰退、需求下降，基础建设大量减少;另一方面，劳动、资本供给收紧，钢铁产业生产经历了萧条时期。但从2009年开始，中国政府采取各种政策措施，推动生产恢复和市场复苏，产业要素利用率提升，市场需求增加，钢铁产业技术效率恢复上升的趋势。此外可以明显看到，2009—2011年技术效率上升逐渐放缓，这是因为大力发展生产导致钢铁企业盲目扩张，小作坊、地条钢大量出现，最终导致钢铁产业产能由相对过剩转变为绝对过剩，导致技术效率再次出现下降。随后，去产能政策在钢铁产业大力推行，落后产能不断淘汰，小工厂、小作坊被取缔，政府鼓励技术创新、管理创新取得明显成效，钢铁产业技术效率提升稳定且明显[15]。

分地区来看，各地区技术效率发展趋势与全国基本一致，但也出现了一定的区域异质性特征——东部地区钢铁产业技术效率明显领先，成为全产业技术效率增长的主动力，其次是中部地区，东北地区位列第三，西部地区的技术效率水平最低。值得注意的是，2016—2017年东北地区技术效率已经超过中部地区和西部地区，尤其是西部地区在经历了2012年的效率下降后增长动能不足，逐渐落后于东北地区。其中的原因可能是，东北地区作为老工业基地拥有良好的生产基础和资源条件，“东北振兴”战略的实施也为其钢铁产业提升发展质量、提高经济效益、优化产业结构、释放基础优势注入了新活力，从而促进了技术效率的不断提升[16]。相对而言，西部地区交通条件和基础设施较为落后，产业和市场结构不够完善，生产结构仍需调整[17]。因此，西部地区可以在发展中探索适合地区特质的产业结构，学习其他地区先进的生产和管理经验，扩大产业合作，摆脱粗放型生产模式，进而降低成本、优化生产，提高效率水平。

（二）环境规制的空间效应

根据式（5）可以计算得到两个矩阵下的空间莫兰指数，结果如表2所示。

在地理距离矩阵下，除了2006年、2007年以及2016年以外，中国钢铁产业技术效率均表现出显著的空间相关性，这可能是因为钢铁产业早期发展水平较低时，各地的生产与消费流动性较小，空间关联性很弱。随着经济社会发展，地区间尤其是相邻地区间的生产发展合作增加、出现相互关联，莫兰指数出现提升。在经济地理距离矩阵下，2012年与2013年的莫兰指数也表现为不显著，这可能是因为全国范围内的钢铁生产严重过剩使得各个地区均处在供大于求的状况之下[18]。因此，在经济合作与产品往来方面沟通减弱，导致关联性降低。但总体而言，29个省市钢铁产业表现出较强的空间相关性，进行空间分析具有合理性。

根据空间杜宾Tobit模型可以得到空间面板回归结果，如表3所示。从直接影响来看，行政命令型环境规制对中国钢铁产业技术效率的提高产生了显著的促进作用。一方面，环境污染治理投资激励了生产企业推动技术革新，改进生产工艺，从而降低能耗、减少排放进而促进技术效率的提升;另一方面，政府在污染治理方面表现出的严格管理以及对于清洁生产的鼓励和提倡也督促企业提高生产效率，使生产的各个环节更加节能高效、符合要求。同时，公众参与型环境规制在研究期间也能够显著促进钢铁产业技术效率的提高。随着人口素质的提高和社会文明的进步，在市场改革和发展中，公众参与逐渐发挥越来越重要的作用。尤其是在环境保护领域，公众往往能第一时间发现问题，更具有敏锐性。近年来，中国政府采取了多种方式积极为公众参与环境规制拓宽渠道，增加平台，来信、上访、网络举报等方式极大地鼓舞了公众监督环境保护的积极性，对于政府强制性管制产生了有效的补充作用。此外，研究期间市场激励与自愿意识型环境规制对技术效率的改善尚未发生显著作用，该结果说明排污费征收制度取得的效果并不理想。因而从2018年起，政府已经着手实施污染排放的“费改税”，市场手段正在探索中改进。此外，环境质量标准认证可以有效促进企业开展绿色创新活动，降低原材料投入和生产成本，但是企业为了达到标准，可能会首先考虑尽快使末端污染合规，并为此购买相应的污染处理设备，由此挤占部分正常推进实施环境标准认证而进行技术创新和生产改进的资源投入。同时，环境质量标准认证之后，企业实际生产活动中实施的也可能存在严格性和连续性欠缺等问题，从而使认证流于形式[19]。此外，以环境管理体系认证为代表的自愿意识型工具本身也存在一定的不足，包括提高了组织复杂性和运行成本等，其实际效果也受到一定的质疑。

就控制变量而言，工业化水平提高抑制了钢铁产业技术效率的提升，而技术水平提高、市场规模扩大能够促进技术效率的提高。工业化的推进会带来更多的需求，钢铁企业为了追求利益可能通过一味地增加生产甚至盲目扩大规模维持利润，最终引致产能过剩，对技术效率的提高产生负面影响。另外，生产技术水平的提高能够降低成本、减少污染，生产工艺的改进也有利于提高效率，甚至引发产品结构的调整，而市场规模扩大意味着企业可以获得更多利润从而增加生产和技术创新投入，同时，生产结构也可能会发生变化，高技术含量和附加值的产品生产将会增加，这时技术效率也会提高，从而在生产中形成良性循环。

就空间效应而言，行政命令型环境规制在两种空间距离下都具有显著的正向溢出效应，表明其在相邻地区及经济相关地区之间能够发挥促进钢铁产业技术效率提高的作用。一方面，相邻或相关地区政府之间存在一定程度的模仿行为，治理与发展政策往往相互影响，彼此联动;另一方面，政府大力推进区域一体化发展战略等措施也加强了这种作用。其他三类环境规制不能产生显著的溢出效应。在控制变量中，技术进步和市场规模扩大表现出显著的正向溢出效应，这是因为技术和资本本身就具有溢出效应[20]。一个地区的技术水平提高，相近或相关地区会学习其发展经验，共享技术进步成果。同样，市场规模扩大将会同时增加相关联地区的需求，引导生产发展和效率提高，使其共同受益。工业化则具有负向溢出效应，这可能是因为地区之间经济发展的竞争和需求的吸引导致相关地区也大力推进工业化进程，最终导致生产趋同，抑制效率提升。另外，本地区工业化推进也很有可能产生资本、知识和人力资源的“虹吸效应”，对相关联地区钢铁产业技术效率的提升产生负面影响。

（三）环境规制的门槛效应

为了进一步探究促进钢铁产业技术效率提升的最优环境规制强度，本文进一步采用面板门槛模型分析环境规制的门槛效应。根据面板门槛模型，四类环境规制均存在双重门槛效应，检验结果如表4所示。

双重门槛的存在证明了四类环境规制与技术效率之间存在非线性的作用，其具体作用随强度变化的情况如表5所示。

由表5结果可知：行政命令型环境规制对技术效率的作用始终表现为正向促进，但是随着强度提升，其作用程度会逐渐下降。因此，行政命令型环境规制的强度不宜太高，因为环境污染治理投资中虽然政府发挥着主导作用，但资金的主要来源仍然是企业，在强度较为合理时可以促进企业开展技术创新;而一旦强度跨过第一门槛，过度的环境污染治理投资将会挤占研发和创新资金，提高生产成本，也就是创新补偿效应带来的效益并不足以弥补成本效应，这时企业为了保证经济效益将会采取消极措施应对环境污染，减少技术改进和研发投入，进而抑制生产技术效率的提升。市场激励型环境规制则是需要将其强度提升到一定的程度才能发挥正向促进作用。但是，对钢铁产业来说，為了将排污费征收的作用提升到有效的范围内需要多方面协调，如制定并实施配套监控办法，安排监测单位和管理人员。核算与费用征收等方面也需要花费大量人力和物力进行配合，这些问题实际执行中具有一定的局限性。因此，2018年以来在全国实施了排污费改税政策替代排污费制度。就公众参与型环境规制而言，其作用程度会随着强度的增加逐渐下降。随着受教育程度和生活水平的提升，公众参与环境监督能够更加及时有效地发现环境污染行为对政府和市场的作用进行补充，当其强度尚未越过第一个门槛值时，公众的监督行为与政府和市场的措施之间保持良好的匹配和互补。然而随着其强度的提升，相关信息的处理量和监察管理的成本将会逐渐提升，对于企业而言也将付出更多成本应对环境处罚，为了保证经济效益，企业的技术创新研发成本可能被挤占，进而使得公众参与环境规制对技术效率的促进作用不断下降。最后，自愿意识型环境规制也存在一个合理的强度区间：当其强度低于第一门槛值时，企业的环境保护意识尚且不足，为了尽快取得环境质量认证，企业可能采取的购买污染治理设备等急功近利的行动产生的环境保护相关支出将会挤占生产技术创新成本等，从而抑制了技术效率的提高。当强度提高越过第一个门槛值后，其正向促进作用开始得到发挥，但是随着该类环境规制强度的提升，即通过环境质量认证企业数量增加到一定程度，生产企业环境保护意识整体得到了全面的提升，环境质量认证成为普遍的生产资质。对于生产企业而言，这种优势对于增加利润、提高企业信誉等方面的促进作用被削减，自愿意识型环境规制的边际效用发生递减，其正向作用将不断减弱，直至不显著。

此外，门槛模型中控制变量的回归结果与空间杜宾Tobit模型结果具有较高的一致性，也验证了空间面板模型结果的稳健性。

四、结论及政策建议

钢铁产业在推动经济增长、社会建设等方面发挥着重要作用，在环保意识逐渐增强、环境政策日益完善的趋势下，探究环境规制对钢铁产业生产活动的影响具有现实意义。本文以中国29个省市相关数据为样本，基于全局网络DDF模型测算了钢铁产业的技术效率，并进一步利用空间杜宾 Tobit模型和面板门槛模型分析了四类环境规制及相关影响因素对其产生的作用，研究发现：首先，研究期间钢铁产业技术效率整体呈现波动上升趋势，尤其进入“十三五”以后增长势头更加明显，分地区来看，表现为东部>中部>东北>西部;其次，在四类环境规制中，行政命令型环境规制与公众参与型环境规制能够显著促进钢铁产业技术效率的提升，而市场激励型和自愿意识型环境规制的作用尚不显著，同时空间溢出效应中行政命令型环境规制能够显著促进相关联地区技术效率的提升;再次，在门槛效应的分析中，四类环境规制均存在双重门槛，行政命令型和公众参与型环境规制的强度在不超过第一个门槛值时，其正向作用得以最大限度地发挥，市场激励型环境规制的促进作用需要将其强度提升至第二个门槛值以上才能得以发挥，自愿意识型环境规制则保持在两个门槛值之间;最后，技术水平提高和市場规模扩大能够促进钢铁产业技术效率的提升，而工业化水平的提高则表现为抑制作用，此外，技术进步和市场规模扩大具有显著的正向溢出效应，工业化溢出效应为负向。

基于此，为了进一步促进中国钢铁产业提升技术效率，更好地发挥环境规制的积极作用，本文提出以下政策建议：

第一，钢铁产业技术效率增长良好，去产能政策和鼓励创新导向效果明显，相关部门可以通过进一步完善相关法律法规体系、增加配套管理措施，促进钢铁产业有序发展，促进技术创新和效率提高。第二，钢铁产业发展仍存在较大的区域性差异，东部地区技术效率水平明显领先于全国及其他地区，应当采取措施加快东部地区先进生产技术、管理经验和投资等向中西部及东北地区溢出。第三，环境规制的制定和实施要符合产业和地区的发展要求，一方面，探索合理的异质性环境规制强度和手段，适应各个地区钢铁产业发展的差异化需求，完善市场制度，积极配合“费改税”等政策实施，避免“一刀切”政策;另一方面，也要综合考虑不同类型环境规制之间相互影响的协同作用，建立起综合性强、配合度高的环境规制体系。同时，要进一步完善政策实施的手段和方式、拓宽公众参与环境监督渠道，提高信息处理效率。生产企业也要积极开展技术创新，响应政府和市场的鼓励引导，充分发挥政府、市场、企业和公众之间相互协调对钢铁产业技术效率提升的促进作用。第四，自愿意识型规制手段与实施需要进一步优化和落地。此外，还需要进一步完善和丰富现有的自愿意识型治理工具，并积极开发适用于中国情境和符合中国企业实际情况的企业环境与能源管理体系。

参考文献：

[1]刘文君，向冰.基于碳排放的中国钢铁上市公司技术效率研究[J].中国人口·资源与环境，2016，（26）：10-13.

[2]张庆芝，何枫，雷家骕.环境约束下的我国钢铁企业技术效率研究[J].科学学与科学技术管理，2013，（10）：103-111.

[3]Yang，W.， Shi， J.， Qiao， H.， et al. Regional Technical Efficiency of Chinese Iron and Steel Industry Based on Bootstrap Network Data Envelopment Analysis[J]. Socio-Economic Planning Sciences， 2017，（57）：14-24.

[4]何枫，马栋栋，祝丽云.雾霾约束下中国环境技术效率测度及影响因素研究——基于SBM-Undesirable的省际面板数据[J].研究与发展管理，2016，（5）：34-43.

[5]Liu， H.， Yang， R.， Shi， H. The Impact of the Platform Economy and Environmental Regulations on the Technical Efficiency of the Express Delivery Industry[J]. International Journal of Logistics Research and Applications， 2021，（5）： 1-18.

[6]Pei， Y.， Zhu， Y.， Liu， S.， et al. Environmental Regulation and Carbon Emission： The Mediation Effect of Technical Efficiency[J]. Journal of Cleaner Production， 2019，（236）：117599.

[7]吴力波，孙可哿，时志雄.环境规制下中国煤炭发电企业成本技术效率研究[J].中国人口·资源与环境，2018，（8）：31-38.

[8]Cheng， Z.， Liu， J.， Li， L.， et al. The Effect of Environmental Regulation on Capacity Utilization in Chinas Manufacturing Industry[R]. Environmental Science and Pollution Research， 2020.

[9]Lin， B.， Tan， R. Chinas CO2 Emissions of a Critical Sector： Evidence From Energy Intensive Industries[J]. Journal of Cleaner Production， 2017，142（4）： 4270-4281.

[10]Li， H. L.， Zhu， X. H.， Chen， J. Y.， et al. Environmental Regulations， Environmental Governance Efficiency and the Green Transformation of Chinas Iron and Steel Enterprises[J]. Ecological Economics， 2019， 165（5）：106397.

[11]范丹，孙晓婷.环境规制，绿色技术创新与绿色经济增长[J].中国人口· 资源与环境，2020，（6）：105-115.

[12]余东华，崔岩.双重环境规制、技术创新与制造业转型升级[J].财贸研究，2019，（7）：15-24.

[13]Ju， K. Y.， Zhou， D. J.， Wang， Q. W.， et al. What Comes After Picking Pollution Intensive Low-Hanging Fruits？ Transfer Direction of Environmental Regulation in China[J]. Journal of Cleaner Production，2020，（258）：120405.

[14]Hu， W.， Wang， D. How does Environmental Regulation Influence Chinas Carbon Productivity？ An Empirical Analysis Based on the Spatial Spillover Effect[J]. Journal of Cleaner Production， 2020， （257）： 120484.

[15]任繼球.供给侧改革中的钢铁行业：发展成效与趋势展望[J].宏观经济管理，2018，（7）：23-30.

[16]安树伟，张双悦.新中国的资源型城市与老工业基地：形成、发展与展望[J].经济问题，2019，（9）：10-17.

[17]张峰，任仕佳，殷秀清.产业集聚、技术创新与绿色供应链效率——基于28家大中型钢铁企业面板数据的PVAR分析[J].中国科技论坛，2020，（4）：51-64.

[18]马军，窦超.我国钢铁行业产能利用率的测度及产能过剩影响因素分析[J].经济问题，2017，（2）：85-90.

[19]任胜钢，项秋莲，何朵军.自愿型环境规制会促进企业绿色创新吗？——以ISO14001标准为例[J].研究与发展管理，2018，（6）：1-11.

[20]王娟，张鹏.服务转型背景下制造业技术溢出突破“锁定效应”研究[J].科学学研究，2019，（2）：276-290.

（责任编辑：杨全山）

收稿日期：2021-10-08

基金项目：国家自然科学基金项目“环境规制对高耗能产业绿色转型影响机理研究： 以钢铁产业为例”（71704010）;北京市社会科学基金研究基地项目“区域异质性视角下京津冀绿色增长评价与实现路径研究”（18JDYJB021）;中央高校基本科研业务费“具有钢铁生产特征的混合流水车间调度问题研究”（FRF-BR-20-04B）;国家社会科学基金一般项目“新常态下我国装备制造业海外并购风险异质性与预警机制研究”（16BGL020）

作者简介：

王晓岭（1983-），女，辽宁阜新人，副教授，博士，主要从事能源经济与环境政策研究。E-mail：wangxiaoling@ustb.edu.cn

陈 语（1996-），女，河南平顶山人，硕士研究生，主要从事环境管理研究。

王 玲（1997-），女，山西榆社人，硕士研究生，主要从事绩效评价研究。