绿色税收对工业绿色全要素生产率的影响研究

■赵 姝 刘生旺

工业作为我国国民经济的主导产业，在助力我国经济快速发展的同时造成了一定的环境压力和资源浪费，工业发展陷入了产能过剩、环境污染的困局。推进绿色技术研发和推广应用、建设绿色工业体系、促进工业绿色转型升级、提升绿色全要素生产率是实现工业绿色发展的必然选择。绿色税收以保护生态环境为目的，通过促进资源合理开发与利用，为实现清洁生产和绿色生活而实行的绿色税收政策，有利于实现工业绿色转型，提高绿色全要素生产率。

一、文献综述

双重红利理论是资源和环境税政策影响研究的核心，它可以将企业外部成本内部化而实现类似“双重红利”效果。绿色税收可以带来“红色红利”或者“绿色红利”，但是对于其是否能在促进绿色发展同时提高经济效率和社会公平，带来双重红利却存在争议。绿色全要素生产率也被称为环境全要素生产率，是在衡量全要素生产率的基础上加入了反映环境资源的指标。绿色税收对绿色全要素生产率的影响主要有促进关系、抑制关系、非线性关系这三种观点。

二、理论分析

绿色税收是一种有助于环境保护和可持续发展的税收政策，对于实现经济、社会和环境的可持续发展至关重要。可以说，绿色税收对我国工业绿色全要素生产率具有直接效应。

我国绿色税收直接影响工业绿色全要素生产率的过程就是绿色税收直接参与资源配置的过程，绿色税收政策通过改变企业的成本和收益结构，直接影响生产要素的流动，体现在：（1）绿色税收政策可以通过对污染行为或资源使用征收税费，改变企业的成本结构。这会促使企业重新评估其生产过程和投资决策，将资金投向更环保、更高效的技术和生产方式。此外，企业为了降低税费负担，可能会增加对绿色技术的研发投入，从而推动技术创新和升级。（2）绿色税收可以引导资源的合理配置。通过对资源使用征收税费，政府可以促使企业更加有效地利用资源，减少浪费和过度开采。这有助于推动资源可持续利用和经济可持续发展。基于此，提出如下假设1。

H1：绿色税收对我国工业绿色全要素生产率有直接促进作用。

三、研究设计

（一）数据来源

本文基于2012—2021 年我国30 个省（市、区）（因数据缺失，西藏、港澳台地区除外）的面板数据进行实证分析。数据来源于《中国税务年鉴》《中国统计年鉴》《中国环境统计年鉴》《中国工业统计年鉴》《中国能源统计年鉴》《中国科技统计年鉴》。对于缺失数据利用插值法补齐。

（二）指标体系

1.核心解释变量

根据区域研究特点与工业行业特点，选取既包括起核心作用的独立的环境保护税（费），也包括具有环保作用的其他主要环境类税种，即包含资源税、城镇土地使用税、城镇维护建设税、耕地占用税的广义绿色税收，并用绿色税收总收入与我国税收总收入（包括排污费）的比值来衡量我国的绿色税收收入水平。

2.被解释变量

借鉴已有研究，构建绿色全要素生产率的投入与产出指标体系并使用超效率-SBM 模型进行测算。具体指标和测算方法如表1：

表1 我国工业绿色全要素生产率指标体系

在讨论超效率-SBM 时，定义决策单元是有效的。那么超效率-SBM 模型构建如下：n表示DMU（决策单元）数量，x表示各个决策单元（DMU）投入变量，y表示各个决策单元产出变量，s、l分别为投入、产出的指标个数，分别表示投入、期望和非期望产出的松弛变量，为投入产出的权重向量。超效率-SBM 模型如下：

非期望产出超效率-SBM 模型只能用来测算静态的工业绿色全要素生产率，不能有效测算其动态变化情况，而Malmquist 指数法可以测度从t 期到t+1 期的绿色全要素生产率变化，从而实现对我国工业绿色全要素生产率的动态分析。GML 指数可分解为技术效率变化指数（EC）和技术变化指数（TC），从而可以进一步讨论生产率变动的主要原因。其公式可以表示如下：

3.控制变量

选取外商投资水平（fdi）、城镇化水平（urban）、对外开放程度（open）、工业化水平（industr）、产业结构（str）、研发投入（rd）作为控制变量。

上述指标体系及其说明见表2。

表2 指标体系及说明

（三）模型构建

为研究绿色税收对工业绿色全要素生产率的影响，设定如下面板模型：

GTFP为工业绿色全要素生产率；i为省份，t为年份；GT为省级绿色税收2 综合水平，是核心解释变量；x为外商投资水平、城镇化水平、对外开放程度等，是控制变量；α、β、γ为待估计参数；μi为地区固定效应，δt为年份固定效应，εit为随机扰动项。

四、实证分析

（一）指标分析

根据测算结果，发现我国各省的工业绿色全要素生产率发展极不平衡，最大值为5.284，最小值为0.446，相差近12 倍。绿色税收最小值为0.245，最大值为4.225，发展也很不均衡。控制变量方面，外商投资水平、对外开放水平等也存在一定差距，这些因素也在很大程度上影响着我国各省市工业绿色生产力水平的变化。在后面的实证分析中，这些因素将作为重要的控制变量。

（二）回归分析

由下表3 可知，绿色税收对工业绿色全要素生产率的回归系数为0.077，在1%水平下通过检验，即绿色税收每提高1个单位，会使得工业绿色全要素生产率指数提高0.077个单位。这表明我国绿色税收体系在一定程度上对工业绿色全要素生产率具有正向激励效应，即假设1 成立。广义绿色税收因其征税范围更广会导致工业企业税收负担更重，纳税痛感更加明显，绿色税收政策作用更加有效，从而刺激工业企业从源头改善经营，注重对生产要素投入产出的效率。

表3 基准回归结果

（三）稳健性检验

稳健性检验选取更换核心解释变量的方法，将原被解释变量，即绿色税收总量占税收总量比重替换为绿色税收总量取对数再次进行实证研究，结果验证了绿色税收依然对我国工业绿色全要素生产率具有促进作用。

（四）异质性分析

一般来说，经济发展水平高的地区通常拥有更多的资源、更先进的技术和更完善的基础设施，而经济发展水平低的地区可能面临资源匮乏、技术落后和基础设施不完善等挑战。通过比较这两个地区，可以研究经济因素对研究对象的作用是否存在差异。如果在经济发展水平高和低的地区都观察到类似结果，那么可以认为研究对象受经济因素的影响具有一定的普适性。相反，如果结果存在差异，那么可能需要进一步探究其他因素的作用。因此为进一步验证本文的有效性和可靠性，采用经济发展水平高低来进行区域异质性分析，将大于或等于人均GDP 中位数的地区视为经济发展水平高地区，反之为经济发展水平较低地区。

根据表4 实证结果显示，绿色税收对我国工业绿色全要素生产率的影响在经济发展水平低的地区更大。其原因可能有以下几方面：

表4 异质性分析

（1）经济发展水平较低的地区可能主要依赖于工业和资源密集型产业，这些产业对环境的影响相对较大。绿色税收政策可以促使这些地区的企业更加注重资源利用效率和环境保护，推动技术创新和产业升级，从而提高工业绿色全要素生产率。（2）对于经济发展水平较低的地区，实施绿色税收政策可以为企业创造公平的竞争环境。相比发达地区的企业，这些地区的企业在资源和技术方面可能相对落后。通过绿色税收政策的引导，它们可以加大对绿色技术和清洁生产的投入，提升自身的竞争力，实现可持续发展。（3）政府可能会在经济发展水平较低的地区更加积极地推动绿色税收政策，以促进地区的经济转型和可持续发展。这可以吸引更多的投资和企业参与，推动工业绿色全要素生产率的提高。（4）经济发展水平较低的地区可能面临更大的环境压力，如资源短缺、污染等问题。绿色税收政策可以鼓励企业采取更环保的生产方式，减少对环境的负面影响，同时提高生产效率。

五、结论与建议

本文从广义的绿色税收角度研究其对我国工业绿色全要素生产率的作用机制，并通过实证研究结果可靠性，具体结论如下：（1）我国各省的工业绿色全要素生产率与绿色税收发展不均衡；（2）绿色税收对我国工业绿色全要素生产率的影响显著为正。根据以上结论，提出如下建议：

第一，因地制宜制定区域差异化绿色税收政策。从差异化税率、产业政策引导、差异化税收优惠政策等方面因地制宜采取措施。 第二，不断健全和完善我国绿色税收政策。进一步明确绿色税收体系政策目标，如减少污染、保护环境、推动可持续发展等。再根据政策目标，合理设计税率和税基。此外，优化绿色税收机制，以环境税为主，资源税等为辅，根据环境生态污染程度公平设置绿色税种。不断拓展绿色税种，提高绿色税收对不同产业、经营范围的覆盖面。第三，发挥政府宏观调控作用。不断完善价格机制和竞争机制，通过征收绿色税收，提高污染排放和资源消耗的成本，促使企业更加重视环境保护，从而引导企业采用更环保的生产方式，提高绿色要素生产率。■