中国环境治理水平的空间溢出效应研究

汤 慧,铁 卫,钟 飞

(1.西安财经大学 a.信息学院,b.经济学院,陕西 西安 710100;2.西安交通大学 经济与金融学院,陕西 西安 710061)

一、引 言

党的十九大召开以来,人民日益增长的美好生活需要和不平衡不充分发展之间的矛盾愈发突出,生态文明建设在中国特色社会主义制度和国家治理体系中的地位与日俱增。党的十八大把生态文明建设作为统筹推进“五位一体”总体布局和协调推进“四个全面”战略布局的重要内容。党的十九大报告进一步提出,构建“政府为主导、企业为主体、社会组织和公众共同参与”的现代化环境治理体系。在党中央致力于推进环境治理体系和治理能力现代化的背景下,如何科学评估中国环境治理的现实水平,识别其驱动因素,探索其提升路径将是“十四五”践行“人类命运共同体”,预防潜在的环境风险、提高区域环境治理能力所亟须解决的重要理论和现实问题。

面对全球性生态危机日益加剧,环境问题不再是单纯的地区性问题而是事关人类命运发展的全球性问题。为此,国内外学者针对环境治理评价体系构建及其影响因素展开了广泛深入研究。从评价方法看,自Tone提出非径向非角度的SBM模型,较好地解决了传统DEA方法无法解释的非期望产出以来,大量学者借鉴并应用SBM-DEA模型,从不同视角展开了环境治理量化评价[1]。其中,Vlontzos等利用SBM-DEA模型评估了欧盟各成员国的环境治理效率[2]。王兆峰等利用超效率SBM-DEA模型与Malmquist指数测度了湖南省14个城市的碳减排效率[3]。温婷等基于投入、产出和外部环境三方面指标构造三阶段超效率SBM-DEA模型对中国乡村环境污染治理效率进行评价[4]。但是,SBM模型方向向量的设定具有主观性,无法克服同一决策单元在不同的方向向量设定下存在的结果偏差[5]。此外,Mancin等通过三维生态足迹模型对自然资本动态演变进行了评估[6]。任保平等则基于PSR框架,利用AHP的模糊综合评价法,从生态环境质量压力、生态环境质量状态和生态环境质量人文等3个层面测度了各地区的生态环境质量指数[7]。

从驱动因素来看,不同角度的研究主要涉及经济发展水平、产业结构、城镇化水平、禀赋结构、产业聚集、财政分权、对外开放等诸多面[8-9]。特别是随着空间计量经济学的发展,因地方政府竞争而导致的区域间相互影响愈发受到学术界的关注。其中,李涛、郭庆旺等基于不同视角的实证研究均证实中国地方政府财政支出无论是在支出总规模上还是在人均支出上均存在着为经济增长而竞争的现象[10-11]。这种竞争在环境治理领域主要表现为地方政府作为治理投入主体的策略博弈模仿行为和作为地方环境供给代理人的放松污染排放管制行为[12-15]。其中,Hossein等的研究证明了环境污染在国家间存在着明显的空间相关[16]。张可等的研究发现环保投入作为公共品具有明显的外溢效应,本地环保投入的增加会促进相邻地区的环境改善[17]。王华春等通过实证研究也验证了地方政府间在环境保护支出方面存在模仿行为。同时,这种模仿行为具有显著的空间溢出效应[18]。张华基于中国地级市的面板数据研究发现缓解地区间“竞次”行为有利于遏制环境污染[19]。

以上研究通过构建不同的指标体系测度了区域环境指标,提出了环境治理的优化路径,为本研究提供理论借鉴和逻辑起点,对环境治理体系和治理能力现代化的战略的推进有着至关重要的参考价值。本研究在充分肯定和借鉴国内外学者已有研究所取得巨大成就的同时,也清楚地认识到,在现行财政分权体制下,政府在环境治理和管制方面面临着诸多复杂主客观条件的影响和制约,已有研究与探索还存在着完善的空间:一方面,从环境指标的选择上,环境治理水平涵盖环境治理投入和环境期望产出、非期望产出等多个方面,但受限于统计数据可得性等原因,大部分文献只是基于雾霾、二氧化硫以及污染排放物等单一视角进行论述,且在模型参数的设定方面存在较强的主观性,缺乏有效的科学依据与集成方法,不能够全面真实反映国家治理现代化要求下各地区的环境治理水平现状;另一方面,大多数研究局限于简单考察各因素对本区域环境治理水平的影响,忽略了由于环境污染的地理跨界效应和环境治理投入的正外部性而导致地方政府在环境规制和环境治理方面可能存在的策略性互动行为。

因此,基于以往研究成果,本研究的创新在于:(1)突破以往文献针对单一环境治理效果指标考察,将环境治理的投入和产出指标纳入评价体系,基于熵权TOPSIS方法,构建多层次指标全面科学地测度了各地区的环境治理水平,有效避免SBM模型因为参数设定主观性而导致的结果误差;(2)不局限于简单考察区域内部各因素对环境治理水平的影响,而是基于中国式财政分权的背景,从理论上阐释了地方政府在污染排放和环境治理方面可能存在的策略互动行为;(3)构建空间面板模型对理论假说进行验证,着重分析了环境治理水平空间溢出效应,为建立环境污染治理的区域联防联控机制,提升区域环境治理水平提供理论指导;(4)将动态空间面板杜宾模型中各因素对环境治理的影响效应进行分解,准确识别其直接、间接效应,为政府有的放矢地制定环境治理政策提供科学依据。

二、理论机制与研究假说

传统的财政分权理论认为,地方政府相对于中央政府更具备信息优势,能够及时准确地了解本地区居民的偏好选择,在满足“用脚投票”的社会机制下,地方政府有动机根据本地居民诉求提供更有针对性的环境治理政策,促进本地区环境治理水平的提高。但中国的财政分权具有明显的政治集权与经济分权特征,地方政府官员作为“理性人”普遍存在追求个人政治权利和声誉的自利动机[20]。因此,在上级政府“自上而下的标尺竞争”的政治晋升激励下,地方政府官员往往会根据中央政府的政绩考核体系来制定相关政策,进而产生了中国特有的“晋升锦标赛”现象[21]。这种政治晋升激励使得地方政府在环境治理方面容易产生策略互动,即各地方政府在污染物排放和环境治理方面往往存在“模仿”(地理或经济)临近地区的行为,最终体现为各地区环境治理水平的空间溢出。据此,本文提出以下假说:

H1:各地区环境治理水平在空间分布上存在显著的关联效应,即本地区的环境治理水平可以通过地区间政府的治理策略互动行为来影响(地理或经济)临近地区的环境治理水平。

环境污染具有地理跨界效应,本地区的环境污染同时来自于周边地区的污染排放[22]。环境治理投入作为公共品,具有明显的正外部性。因此,在地方政府存在环境治理策略互动的假设前提下,各地区环境治理水平可能存在“逐底竞争”的负向溢出效应和“逐顶竞争”的正向溢出效应。当上级政府的政治激励以经济增长为导向,则地方政府在激烈的“GDP锦标赛”中为获取晋升优势,一方面会通过放松环境监管来吸引污染企业入驻,借助污染物排放的跨界特征,将当地排放的污染物跨界转移至邻近地区,即存在“你多排,我也多排”的策略互动;另一方面,鉴于环境治理投入的外溢特征,将有限的财政资金投入到与经济增长和政绩直接相关的生产性支出领域,减少环境治理等公共服务的支出,通过“搭便车”的方式共享临近地区的环境治理成果将是地方政府面临经济发展和考核晋升双重激励时的理性选择和惯性思维,最终在二者的共同作用下导致环境治理水平在区域间表现出“逐底竞争”的负向溢出效应[23]。

随着“新常态”以来中国经济由高速增长向高质量发展转变,中央对地方官员的政绩考核也逐渐从单一的经济增长指标转变为集经济、社会、文化、生态等多维度的综合性指标。在新型政绩考核背景下,生态文明因素愈发受到地方官员重视,本地区的环境治理投入和污染事件,也可能通过示范效应和警示效应促进(地理或经济)临近地区加强环境治理投入和减少污染排放,从而引致环境治理水平在区域间呈现“逐顶竞争”的正向溢出效应。据此,本文提出以下假说:

H2:环境治理水平溢出效应的正负取决于“逐顶竞争”和“逐底竞争”效应的比较,如果地方政府的行为选择基准更倾向于前者,那么本地区环境治理水平的提高则通过示范作用有助于相邻地区环境治理水平的提高。

三、中国省域环境治理水平的测度

(一)测度指标体系的构建

第一层为一级指标,本研究基于投入产出理论,从投入端构建环境治理投入指数,从产出端构建环境治理产出指数,将中国省域环境治理水平测度指数分解为双螺旋结构,即同时包含了环境治理绝对水平(投入)和环境治理相对效率(产出),主要通过各级指标加权分别得出。根据现代化环境治理体系多方参与的要求,在二级指标层构建“正式制度规制”与“非正式制度规制”两项准则指标,用以分别表征政府治理和社会治理。同时,考虑到目前政府治理的主导地位,在指标数量及权重方面向“正式制度规制”侧重。第三层次为三级指标,是对上述二级指标的进一步分解,主要参考彭星、邱金龙等相关研究,选取11项指标[24-25]。第四层为四级指标,是具体的测算指标,根据现代化环境治理体系的具体要求,选取了41个测评指标,具体如表1所示。

(二)测度模型设定与数据来源

1.测度模型设定

本研究主要采用熵权法来测度中国省域环境治理水平综合指数和构成指数,一方面,熵权TOPSIS结合了熵权法和TOPSIS两种方法的优点,对于较为复杂指标评价结果更具有客观性和合理性;另一方面,该方法将宏观层面的环境治理水平评价指标视为一个系统多属性决策分析问题,建立了理想上的最优方案,避免了以往方法因为参数设置的主观性而导致的误差。测度方法具体步骤如下:

第一,指数标准化。为使不同量纲的指标可以进行比较计算,采用极差法对环境治理水平指标层各项数据进行标准化处理:

(1)

(2)

其中,xij表示第i省份、第j项指标的原始数据值,min{xij}与max{xij}分别为xij的最大值与最小值,yij为处理后的标准值。其次,确定指标权重。运用熵权法计算第j项指标的熵权ej、效用值gj以及权重ωj,其中:

表1 中国省域环境治理水平评价指标体系表

(3)

gj=1-ej

(4)

(5)

第二,构建加权规范化矩阵。根据熵权法求出的权重,构建环境治理水平评价指标的加权矩阵R。

(6)

(7)

(8)

第三,计算各评价对象与理想方案的相对接近程度Ci,公式如下:

(9)

其中,相对接近程度Ci是衡量环境治理水平的一个重要指标,它的取值范围为[0,1],Ci值越大表明该省份环境治理水平越接近最优方案,治理水平越优;反之,Ci值越小表明该省份环境治理水平越差。

2.数据来源

由于港澳台地区和西藏自治区部分指标相关数据缺失,本研究选择除港澳台地区和西藏自治区以外的全国30个省份作为研究对象。由于涉及指标数据环境监测业务费、生态环境社会组织个数等由2007年才开始向外公布数据,故样本时间为2009—2019年。数据来源方面,二氧化碳排放量根据《国家温室气体清单指南》(IPCC2006)提供的参考方法,通过各省份披露的能源平衡表中17种化石能源消耗量乘以对应的碳排放因子估算所得;计算公众参与指标时所涉及的企业数据来源于中国合格评定国家认可委员会(https:∥www.cnas.org.cn);其余测度指标计算时用到的基础研究数据资料均来源于国家统计局国家数据官网(http:∥data.stats.gov.cn)和2010—2020年《中国统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》《中国环境年鉴》《中国农村统计年鉴》《中国科技统计年鉴》《中国财政统计年鉴》等。对于少量缺失数据,通过均值法、移动平均法进行处理。另外,进出口数据单位美元已经根据当年平均汇率折算成人民币单位。为消除物价因素的影响,相关数据均采用省级层面的GDP指数(2009年=100)进行平减处理。

3.测度结果分析

根据式(1)～(9)测算全国30个省份环境治理水平总指数与各维度指标指数,通过STATA计算其四分位数,并根据测算结果将30个省份的环境治理水平总指数均值分为四个梯队,结果如图1所示。从图1可以看出,第一梯队为北京、上海、江苏、广东、山东、浙江和四川7省份,样本区间内总指数处于0.21以上;第二梯队为河北、陕西、天津、云南、广西、河南、甘肃、辽宁8省份,总指数处于0.17～0.21区间;第三梯队为内蒙古、福建、湖北、安徽、湖南、重庆、山西、新疆8省份,总指数处于0.13～0.17区间;第四梯队为黑龙江、贵州、青海、江西、吉林、海南和宁夏7省份,总指数处于0.13以下区间。从区域分布来看,东部地区环境治理水平最高,中部与西部地区较为接近。

区域环境治理水平分项指标测度结果如表2所示(1)由于篇幅限制,各省份测度结果在本文中并未展示,有兴趣的读者可以向作者索取。,环境治理投入指数居于0.060～0.276之间,全国均值水平为0.144,东部地区最高,西部地区次之,中部地区最低。其中正式制度规制指数居于0.063～0.247之间,全国均值水平为0.142,其中东部地区最高,西部地区次之,中部地区最低,说明中部地区在对环境治理财力、物力投入以及监督管理方面可能存在策略性“搭便车”现象。非正式制度规制指数居于0.39～0.268之间,全国均值水平为0.130,其中东部地区最高,中部地区次之,西部地区最低,说明相较于东中部地区,西部地区环境治理更多地依赖政府投入,需要加大环境治理宣传力度,引导公众参与到环境治理中来。

注:地图基于国家测绘地理信息局标准服务网站下载的、审图号为GS(2020)4632的标准地图制作,底图无修改。下图同。图1 2009—2019年中国各省份环境治理水平指数(均值)分布

环境治理产出指数居于0.100～0.445之间,全国均值水平为0.224,其结果同样呈现东部地区较高,西部地区次之,中部地区最低的格局。其中,治理期望产出指数居于0.120～0.443之间,全国均值水平为0.216,东部地区较高,中西部地区较为接近,说明在环境优化和绿色生活等相关环境治理期望产出方面,中西部地区有进一步提升的空间。治理非期望产出指数(负向)居于0.794～0.552之间,全国平均水平为0.657,东部和中部地区指数较为接近,西部地区指数(负向)较高,说明西部地区经济发展与环境污染、资源消耗和生态破坏依间的矛盾依旧突出,环境治理工作任重道远。

表2 2009—2019年中国环境治理水平分项指标测度结果

四、中国省域环境治理水平影响因素的空间计量分析

(一)空间自相关分析

为进一步揭示中国省域环境治理水平指数的空间关联性,本研究采用全局空间自相关(Global Moran’sI)和局域空间自相关来刻画中国省域环境治理水平综合指数的时空变化特征。

1.全局空间自相关检验

全局空间自相关反映了相关变量在区域整体范围内的空间依赖程度,其Moran’sI计算公式为:

(10)

通过Stata17.0软件对中国省域环境治理水平综合指数进行空间自相关性检验的结果如表3所示。根据表3可知,2009—2019年环境治理水平总指数的全局Moran’sI均通过显著性检验,且在1%的显著水平下显著,验证了假设1,即地方政府在环境治理中存在明显的策略互动行为,表现为各省份环境治理水平存在较明显的空间依存关系。具体来看,Moran’sI指数以2015年为明显的分界点,2015年前地方政府在环境治理方面存在明显的“竞次”行为,倾向于享受相邻地区环境治理成果的正外部性。党的十八大之后,对生态文明考核办法的确立和奖惩机制的完善,中国环境治理水平全局Moran’sI指数明显表现为正向的溢出效应,即综合指数较高的省份会对其邻近省份产生积极的示范作用。

表3 2009—2019年中国环境治理水平全局Moran’s I指数

2.局部空间自相关检验

局部空间自相关反映每个省份与相邻省份之间的空间关联程度,其Moran’sI计算公式为:

(11)

根据Ii的值,通过莫兰散点图可将本省与临省的环境治理水平的相关关系划分为HH(高高)、HL(高低)、LH(低高)和LL(低低)四种类型,其中,HH(LL)集聚型表示相邻省份间存在正的空间自相关,且存在高(低)环境治理水平省份的空间集聚效应。HL(LH)表示相邻省份间存在负的空间自相关,高(低)环境治理水平省份被低(高)环境治理水平省份包围。

图2 2009年中国省份环境治理水平指数象限分类图

图3 2019年中国省份环境治理水平指数象限分类图

图2和图3刻画了2009年和2019年中国省域环境治理水平总指数象限分类情况(2)由于篇幅所限,中间各年份省域环境治理水平总指数象限分类情况本文并未完全给出。,这两个图基于国家测绘地理信息局标准服务网站下载的、审图号为GS(2020)4632的标准地图制作,底图无修改。从图2和图3可以看出,环境治理水平综合指数集中分布在HH集聚区和LL集聚区,说明中国省域环境治理水平存在显著的空间关联性,综合指数较高的省份会对其邻近省份产生积极的互动效应。从年份来看,在2009年,HH集聚区仅有北京等7省份,LH集聚区有辽宁等8省份,LL集聚区有内蒙古等11省份,HL集聚区有河北等4省份;2019年,HH集聚区则增加为11省份,LH集聚区为7省份,LL集聚区下降为9省份,HL集聚区则有3省份。从集聚区域的变化情况可以明显看出,各区域环境治理水平的策略互动正由“逐底竞争”向“逐顶竞争”逐步转变。

(二)模型构建和相关指标的选择

1.模型构建

作为参照,设定普通面板回归模型,如式(12)所示:

lnEit=α0+α1lnFisit+α2lnAggit+α3Xit+ηit+λit+εit

(12)

其中,对所涉及变量均采用自然对数处理,用ln表示。下标i和t分别为省份和年份,α0表示常数项,α1、α2、α3为估计系数,Eit为被解释变量,表示各省份的环境治理水平;核心解释变量Fisit、Aggit分别表示财政分权度、产业集聚度;Xit表示相关控制变量,用于控制影响环境治理水平的其他因素。为了降低样本数据的波动以及可能产生的异方差,本文对相关变量进行取自然对数处理,用ln表示。εit为随机误差项,ηit和λit分别表示个体固定效应和时间固定效应,用来捕捉那些无法观测的、不随时间变化的因素和宏观性政策冲击对环境治理水平的影响。

从理论分析可知,各地区环境治理水平因地方政府在环境治理方面存在策略性互动而具有较强的空间关联特征,但仅利用普通面板回归模型无法在统计学上具体刻画出这种关联特征。因此,本研究将各变量的空间滞后项引入模型,采用空间杜宾模型(SDM)来检验地区间环境治理水平的空间关联特征,主要原因在于:第一,相关变量的空间相关性存在不同来源,既可能来自变量本身,也可能来自其他变量及误差项,空间杜宾模型则能够很好表征这一状况;第二,空间杜宾模型相比其他空间计量模型更具一般性,可通过调整系数设定条件变换为常见的空间滞后模型(SAR)和空间误差模型(SEM)。综上所述,在普通面板回归模型式(12)的基础上,设定静态空间面板杜宾模型:

(13)

其中,Wit表示所选取的空间权重矩阵,β0表示常数项,β1、β2、β3表示估计系数;θ1～θ4表示相关变量的空间交互项系数;υit、ξit分别表示个体固定效应和时间固定效应;μit表示随机误差项;其他变量界定与普通面板回归模型相同。

进一步考虑到静态空间面板杜宾模型在可能存在内生性以及在处理时间滞后效应上的缺陷而导致估计结果出现偏误,本文引入被解释变量的一阶滞后项作为解释变量来考察和控制环境治理水平变化的时间滞后效应,具体模型设定如式(14)所示:

(14)

其中,ρ0表示常数项,ρ1、ρ2、ρ3、ρ4表示估计系数;σ1～σ4表示相关变量的空间交互项系数;Eit-1表示各省环境治理水平的一阶滞后项,εit为随机误差项;λit和μit分别表示个体固定效应和时间固定效应,用来捕捉那些无法观测的、不随时间变化的因素和宏观政策冲击对环境治理水平的影响,其他变量界定与静态空间面板杜宾模型式(13)相同。

2.相关指标的选择

(1)被解释变量

环境治理水平(E):采用上文测度的区域环境治理水平指数表征。如前文所述,以往文献普遍采用的单一维度指标和测度方法不足以客观反映多维度的环境治理水平,而本文基于熵权TOPSIS方法,依托现代化环境治理体系构建的多维度环境治理水平指标则有效克服了这一缺陷。

(2)解释变量

财政分权(Fis):从现有文献来看,财政分权指标常从收入分权角度、支出分权角度和自有收入分权来衡量。鉴于上文理论框架中主要从地方政府的财政支出责任范围来讨论财政分权影响机制,因此本研究采用支出角度的财政分权作为衡量指标,用地方人均预算内外财政支出/(地方人均预算内外财政支出+中央人均预算内外财政支出)的比值来表征。理论上,该指数越大,说明本地区政府有更充足的自有资金投入到环境治理领域,因此相应的环境治理水平较高。该指数越小,根据前文分析,地方政府更倾向于将有限的财政资金投入到与经济增长和政绩直接相关的领域,从而减少环境治理投入,进而环境治理水平也相对较低。

(3)控制变量

除了主要影响因素财政分权,鉴于各地区环境治理水平还受到其他诸多因素的影响,根据以往研究成果,本研究引入了与产业聚集度、城市化水平、对外开放水平、人力资本、物质资本、金融发展水平等相关控制变量,具体说明如下:

城市化(Urb):采用城镇人口占总人口的比重来衡量。一方面,从非期望产出角度来看,城市化进程会引致更多的生活污染物排放,导致生态环境恶化;另一方面,从环境治理角度来看,当城市化达到一定程度时,伴随着绿色技术进步、产业结构调整、民众环境需求增加、基础设施改善及城市发展模式转变等因素均有利于促进环境污染治理[28]。

对外开放(Open):采用实际利用外商直接投资占GDP比重表示。目前学术界对于外资与环境关系问题存在两种针锋相对的观点,一方面,根据“污染避难所”假说,外资会通过高污染企业造成流入地环境质量恶化;另一方面,“污染物天堂”假说则认为吸引外资也会带来环境友好型产品和技术进步,从而改善流入地的环境质量。

人力资本(L):采用各地区人均受教育年限度量。一方面,随着人均受教育程度提升,整个社会公民环保意识将不断增强,环境破坏行为会减少,环境参与度会提高;另一方面,高素质人才将会为清洁生产技术与工艺研发提供丰富的智力支持,进而有助于降低污染排放。

物质资本(K):采用全社会固定资产投资总额占GDP的比重进行量化。物质资本一定程度上可以反映投资驱动对当地经济增长作用大小,通常而言,当物质资本增加时,资本密集程度也会提高,在此过程中可能伴随着环境污染加剧。

金融发展(Fin):采用金融机构存贷款总额占GDP的比重表征。一方面,金融发展引起企业规模扩张,进而刺激大量的能源消费需求,在当前中国以煤炭为主的能源消费结构下,可能引起污染排放增加;另一方面,金融发展有助于资源在产业间均衡配置,促进产业结构服务化、清洁化,进而促进环境质量的提高[29]。

工业化水平(Ind):采用第二产业产值占GDP比重来衡量。目前工业企业是环境污染主要源头,工业化进程促进经济增长的同时,也不可避免导致生态环境的恶化[30]。在工业化进程初始阶段,钢铁、水泥、建材、化工等原材料制造业生产规模扩大,导致工业污染物排放增加。但随着资源型工业化向技术密集型工业化调整升级,资源利用效率与污染排放控制变得更为有效。

空间权重矩阵:鉴于空间计量模型对空间权重矩阵的选择较为敏感,本研究基于理论分析主要选择了地理邻接空间权重矩阵(W1)和经济距离空间权重矩阵(W2)来分别佐证空间模型实证结果的稳健性。其中,W1是最常用的二值邻接空间权重矩阵,即当两地区地理邻接时W1取值为1,非地理邻接时W1取值为0。W2是以i省份人均GDP与j省份人均GDP年的绝对差值的倒数为权重的空间权重矩阵。二者分别用以检验地理相邻地区和经济相邻地区是否在环境治理方面存在策略性互动行为。

3.数据来源

为了保证相关数据的连续性和口径一致性,本研究的样本由2009—2019年中国30个省份的面板数据组成。相关数据来源于历年《中国统计年鉴》《中国环境统计年鉴》《中国金融统计年鉴》《中国劳动统计年鉴》和国家统计局官网。其中,对于个别缺失数据采用均值法、移动平均法进行补充;各类涉及价格因素的指标均以2009年为基期,根据GDP指数进行了平减调整。

4.实证结果分析

为了确定模型中是否存在空间交互效应,Burridge和Anselin提出拉格朗日乘子(LM)检验法以检验空间滞后被解释变量和空间误差相关性,结果如表4所示:

表4 模型空间效应判定结果分析

表4中,静态空间面板模型(W1)、静态空间面板模型(W2)、动态空间面板模型(W1)、动态空间面板模型(W2)的LM空间滞后、稳健LM空间滞后、LM空间误差、稳健LM空间误差均拒绝原假设,即模型滞后项和误差项均存在空间相关性,因此根据Lesage和Pace的结论,采用空间杜宾模型(SDM)是合理的。

为了保证估计结果的稳健性,本研究分别采用了传统固定效应模型(3)根据Hausman检验结果,面板模型更适合采用固定效应进行估计。、非空间动态面板模型(GMM)以及静态和动态空间杜宾模型(SDM)来进行回归分析。通过对比估计与检验结果,选择最优模型,定量甄别中国各地区环境治理水平的主要影响因素。其相关估计结果如表5所示。

由表5的结果可知,残差的一阶自相关AR(1)在1%的显著水平下显著,但二阶自相关AR(2)并不显著,Sargan统计量不显著,即接受工具变量不存在过度识别的原假设,即工具变量的选取是合适的。从固定效应模型(FE)和动态面板模型(GMM)的估计结果来看,城镇化水平、金融发展水平、市场化水平等重要控制变量的估计系数表现为不显著,说明忽略模型内生性和空间相关性均可能导致估计结果偏误。从静态空间面板杜宾模型和动态空间面板杜宾模型的估计结果看,环境治理水平的一阶滞后项在1%的显著水平下显著,说明环境治理水平确实存在明显的路径依赖,将其纳入估计模型中是合理的。此外,从动态空间面板杜宾模型的估计结果看,采用地理邻接空间权重矩阵(W1)和经济距离空间权重矩阵(W2)的估计结果并无较大差异,环境治理水平的一阶滞后项和空间滞后项以及主要解释变量的系数至少在5%的显著水平上显著,且符号并没有发生变化,说明回归结果具有稳健性。综上,本研究主要根据动态空间面板杜宾模型(W1)和动态空间面板杜宾模型(W2)的估计结果进行重点分析。

表5 中国各地区环境治理水平影响因素的回归结果

从动态空间面板杜宾模型的估计结果来看,地理邻接空间权重矩阵(W1)和经济距离空间权重矩阵(W2)的空间自相关系数ρ分别为0.197和0.612,且在5%的显著水平下显著为正,表明中国的环境治理水平存在着明显的空间聚集特征,即本省的环境治理水平与地理邻接或经济距离相近的省域环境治理水平密切相关,本省环境治理水平每提高1%,地理邻接省份的环境治理水平将提高0.197%,经济水平相近的省份将会提高0.612%。结合前文空间自相关分析结果,说明“新常态”以来政绩考核指标的逐步完善促使中国地方政府的环境治理行为由“逐底竞争”向“逐顶竞争”转变,而这种“逐顶竞争”在经济发展临近的省份表现更为显著。同时,环境治理水平具有显著的时间滞后效应和空间溢出效应。其中,上期环境治理水平每增加1%,本期环境治理水平在不同空间权重下将分别增加0.351%和0.428%。地理邻接和经济距离相近省域的环境治理水平每增加1%,本地区环境治理水平将分别增加0.071%和0.126%。

核心解释变量财政分权和各控制变量在不同估计方法和空间权重矩阵下的估计结果基本一致,且相应的符号没有发生变化,同时通过变换工具变量和替换控制变量进行的稳健性检验结果也说明了表5估计结果具有较强的稳健性(4)由于篇幅限制,稳健性检验结果在本文中并未展示,有兴趣的读者可以联系作者。。

为了进一步探究各因素对环境治理水平的直接和间接效应,根据LeSage和Pace的研究,将动态空间面板杜宾模型中各因素对环境治理水平的影响分解为直接效应和间接效应。其中,直接效应测度的是自变量的变化对本省环境治理水平的影响效应,包括空间杜宾模型的系数和反馈效应之和。间接效应即空间溢出效应,测度的是某一单位自变量的变动对邻近(或经济发展相近)省域环境治理水平的影响。总效应则是直接效应和间接效应之和。根据动态空间面板模型估计结果计算而得的各因素影响的效应分解结果如表6所示:

表6 各因素影响的效应分解结果

可以看到,无论是地理邻接空间权重矩阵(W1)还是经济距离空间权重矩阵(W2)的分解结果均显示,财政分权对本地环境治理水平的直接效应均显著为正,但间接效应显著为负,同时这种负向作用在地理邻接省份表现得更为显著。说明本地财政分权对周边地区环境治理水平具有负向溢出效应,即随着财政分权度的提高,本地政府在增加环境治理投入的同时也提高了环境管制门槛,迫使本地区污染企业向地理相邻地区迁移,导致地理相邻地区环境治理水平的下降[31]。

产业集聚度对本地区和(地理、经济)临近地区的环境治理水平的提升有显著的促进作用,即随着地区产业集聚度提高,技术溢出效应也会更加明显,有利于跨区域企业间环保减排技术的相互交流和学习,从而有效促进环境治理水平提高,同时这种促进效用在经济地理邻近地区更为明显。城市化指标在不同的空间矩阵下的直接与间接效应都显著为正,说明较高的城市化水平不仅有利于本地环境治理水平的提高,同时又通过“示范效应”引导相邻或经济发展相近地区提高环境治理水平。对外开放度的直接效应在统计学上并不显著,但间接效应在不同的空间权重中均显著为正,其中经济相邻地区的促进效用更为明显,这说明以往为增长而恶性竞争的招商引资策略所导致的环境问题已经逐步受到地方政府重视,同时也对地理和经济邻近地区政府的招商引资行为起到了警示作用。人力资本对本地与临近地区或经济发展水平接近地区的环境治理水平均具有正向促进作用,这说明随着辖区内公民教育程度的提高,公众环保意识不断增强,既对本辖区环境保护提供了人力保障,也通过示范效应促进其他地区环境治理水平的提高。社会资本对本地与周边地区的效应均为负值,但在统计学上表现得并不显著。金融发展对本地环境治理水平具有显著的促进作用,对地理或经济临近地区的促进作用并不显著。随着工业化向成熟阶段推进,产业结构得到优化升级,工业化水平提高在降低本地区污染排放的同时,也会引导邻近地区和经济发展相近地区降低污染排放,进而提高环境治理水平。

五、结论与启示

本研究通过熵权TOPSIS方法从投入—产出角度构建多层次指标测度了2009—2019年中国30个省份的环境治理水平指数。在此基础上,从财政分权的视角提出地方政府在环境治理方面的策略性假设,并结合空间面板计量模型对理论假设进行了验证。同时将环境治理水平的各影响因素分解,探讨各影响因素的直接效应和间接效应。研究表明:第一,样本区间内各地区环境治理水平有了较为显著的提高;从区域看,东部地区环境治理水平最高,中部地区与西部地区环境治理水平较为接近,西部地区的治理非期望产出指数明显高于东中部地区。第二,全局空间自相关检验证实,地方政府在环境治理中存在明显的策略互动行为,具体表现为省域环境治理水平指数存在着较明显的空间依存关系。局部空间自相关检验证明了省域环境治理水平综合指数存在显著的空间集聚特征。同时,随着时间的推移,这种聚集特征逐渐表现为HH(高高)聚集,说明地方政府在环境治理中的策略互动行为正逐步由“逐底竞争”向“逐顶竞争”转变。第三,空间动态面板模型的实证检验显示,本省的环境治理水平与地理邻接或经济距离相近的省域环境治理水平密切相关,且呈现出“逐顶竞争”的正向溢出效应,且这种正向溢出效应在经济发展水平接近的省份表现得更为显著。第四,各影响因素的分解结果表明,财政分权以及产业集聚、城市化、人力资本、金融发展、工业化等因素通过直接和间接效应影响本地区及经济和地理相邻地区的环境治理水平。

基于以上结论,提出以下建议:首先,构建多元化、绿色化的政绩评价体系,更有效地引导地方政府间环境治理水平向“逐顶竞争”转变。政绩考核体系作为推动地方政府发挥环境治理职能的顶层设计和重要导向,虽然近年来随着国家环境责任审计的实施,地方政府间的策略互动逐步由“逐底竞争”向“逐顶竞争”转变,但经济增长作为最显而易见的政绩指标,地方官员更倾向以隐蔽方式获得相邻地区环境治理投入带来的溢出效应。具体表现为环境治理水平的正向溢出效用较为微弱,尤其在地理临近地区。因此,规范和优化地方政府竞争机制将是消除和缓解地方政府间“竞次”策略互动的主要抓手。一方面,中央政府要全方位推动环境规制立法、执法、监督的积极作用。建立环境污染长效问责机制,加大逾越“生态红线”的惩罚力度。同时,实行环境“党政同责、一岗双责、终身追责”的环境问责机制,有效遏制环境治理水平较低地区间因增长竞争而产生的环境治理“竞次”行为。另一方面,进一步完善政府绩效评价体系,将生态文明、绿色GDP、环境治理水平等高质量发展指标全面纳入官员考核体系中并增加其权重,并按期向社会进行公示,落实政府、企业和公众三方参与的社会监督机制。

其次,全面建立环境污染治理的区域联防联控机制,形成有效环境治理的区域合力。环境污染的地理跨界特征意味着“单边”的治理投入可能因区域间环境污染的“溢出效应”而变得徒劳无功,因此,全面提高区域环境治理水平的关键是建立区域联防联控机制。具体措施上可借鉴黄河文化遗产系统保护工程的先进经验,通过共同制定和实施环境治理方案来打破行政区域的界限,在共同的环境治理目标下实现区域内个体的治理成本最小化,最终达到控制溢出型环境污染、共享治理成果的目的。具体包括在全国范围内构建信息共享与合作平台,实行区域环境信息共享,帮助中西部落后地区提高环境治理水平。在环境治理水平低低集聚区构建统一的环境规制行动与监测平台,倒逼以上地区重视环境治理;在高低、低高集聚区筹措跨区域合作治理基金和建立区域内部的污染补偿机制,遏制地方政府在环境治理投入方面的“搭便车”行为。

最后,因地制宜,完善环境治理支出保障制度。从测度结果看,经济落后地区经济发展与环境治理的矛盾尤为突出,财权和事权的错配使得地方政府无力承担用于环境污染治理的巨额资金投资,从而被迫接受发达地区的污染转移,具体表现为财政分权度的负向空间效应。因此,针对区域环境治理水平的差异化,中央政府需要充分考虑各地区的区位因素和经济发展水平,完善中央与地方政府财政关系,通过加大一般和专项转移支付力度来提高经济发展落后地区政府环境治理投入的积极性,进而实现落后地区经济发展与环境保护的“共赢”。