其他研究论文

不同环境规制工具对碳排放绩效的影响与作用机制

  • 田淑英 ,
  • 郭浩
展开
  • 安徽大学经济学院,合肥 230601

田淑英(1967- ),女,安徽安庆人,博士,教授,博士生导师,研究方向为财税理论与政策、资源环境经济与政策、可持续发展与政策。E-mail:

收稿日期: 2023-12-29

  修回日期: 2024-10-22

  网络出版日期: 2025-02-21

基金资助

安徽省哲学社会科学规划重大项目(AHSKZD2023D04)

The impact and mechanism of different environmental regulation tools on carbon emission performance

  • TIAN Shu-ying ,
  • GUO Hao
Expand
  • Economics School of AnHui University, Hefei 230601, China

Received date: 2023-12-29

  Revised date: 2024-10-22

  Online published: 2025-02-21

摘要

环境规制工具的合理选择与配置是助力经济增长与“双碳”目标动态平衡的关键。基于2003—2021年中国284个地级及以上城市面板数据,利用双向固定效应模型、双重差分模型、门槛效应模型等,实证研究了命令型和市场型环境规制对碳排放绩效的影响与作用机制,进一步分析了政府科技支出的门槛效应。结果发现:(1)命令型和市场型环境规制对碳排放绩效具有显著的正向作用,但市场型环境规制的实施效果大于命令型,上述结论同时得到“大气十条”和“SO2排污权交易试点”的经验佐证;(2)绿色技术创新和产业结构升级是两类环境规制提升碳排放绩效的重要机制;(3)两类环境规制的实施效果受到城市资源禀赋、市场化水平和地理区位差异的影响;(4)政府科技支出在两类环境规制影响碳排放绩效中存在显著的门槛效应。进一步,从环境规制体系建设、环境规制工具选择、政府科技支出策略等方面提出政策建议。

本文引用格式

田淑英 , 郭浩 . 不同环境规制工具对碳排放绩效的影响与作用机制[J]. 自然资源学报, 2025 , 40(3) : 812 -832 . DOI: 10.31497/zrzyxb.20250315

Abstract

The reasonable selection and configuration of environmental regulatory tools are key to balancing economic growth with the dynamic equilibrium of Carbon Peaking and Carbon Neutrality Goals. Based on panel data from 284 cities at the prefecture level and above in China from 2003 to 2021, this study empirically examines the impact and mechanisms of command-and-control and market-based environmental regulations on carbon emission performance using a two-way fixed effects model, a difference-in-differences model, and a threshold effect model. The study further analyzes the threshold effect of government technology support. The results show that: (1) Both command-and-control and market-based environmental regulations have a significant positive impact on carbon emission performance, with the effect of market-based regulations being stronger. These findings are also supported by empirical evidence from the "Action Plan for Air Pollution Prevention and Control" and the "SO2 Emission Trading Pilot". (2) Green technological innovation and industrial structure upgrading are important mechanisms by which both types of regulations improve carbon emission performance. (3) The implementation effects of the two types of environmental regulations are affected by differences in urban resource endowments, marketization levels and geographical locations. (4) Government science and technology support has a significant threshold effect on the impact of the two types of environmental regulations on carbon emission performance. Finally, policy recommendations are put forward in terms of the construction of environmental regulatory system, the choice of environmental regulatory tools, and the government's strategy for scientific and technological expenditures.

过去十余年间,全球二氧化碳平均浓度以2.37 ppm·yr-1的速度攀升[1],截至2022年已突破417.9 ppm。由二氧化碳等温室气体引致的干旱、火灾、暴雨、洪水等极端天气严重威胁着人类的生存、健康和发展[2]。面对日益严峻的气候变化问题,中国积极承担降碳减排责任,承诺力争2030年前实现碳达峰,2060年前实现碳中和(以下简称“双碳”目标)。然而,中国正处于城市化和工业化的快速发展时期,能源需求仍呈现刚性增长态势,导致碳减排压力较大[3]。同时,中央经济工作会议多次强调中国面临着需求收缩、供给冲击、预期转弱“三重压力”,使得宏观经济形势更为复杂。面对经济增速下滑和碳减排的双重压力,如何高效统筹经济增长与“双碳”目标,成为破解当下经济问题和环境问题的“七寸”所在。碳排放绩效作为衡量低碳经济发展的关键指标,在充分考虑碳排放问题的同时,准确反映了区域经济增长情况[4]。为此,识别影响碳排放绩效的关键因素,探索提高碳排放绩效的实践路径,对于促进低碳经济发展具有重要意义。
随着环境治理的不断深入,环境规制逐步成为政府协调经济增长和环境保护的有力工具[5]。考虑到环境规制主要包括以行政法规为主的命令控制型(以下简称“命令型环境规制”)和以经济手段为主的市场激励型(以下简称“市场型环境规制”)两类规制工具,如果忽视环境规制类型的差异,可能会导致研究结论出现偏差[6]。既有研究主要围绕命令型和市场型环境规制的影响效应和作用效果展开分析。在影响效应方面,已证明命令型和市场型环境规制对雾霾污染[7]、水污染控制[8]、产业结构升级[9]、技术创新[10]、企业绩效[11]等方面存在显著影响。在作用效果方面,部分研究认为命令型环境规制的作用强于市场型,如Tang等[12]发现命令型环境规制对环境效率的促进作用更强;Testa等[13]指出直接监管是促进企业创新最有效的政策工具,而经济手段对企业绩效产生了负面影响。相反,也有研究认为市场型环境规制的作用强于命令型,如曾倩等[14]基于中国省级面板数据研究发现市场型环境规制的治污效果最佳,更有利于环境质量的改善。
关于碳排放绩效的研究,既有研究主要聚焦于碳排放绩效的测度、时空演变与影响因素等方面。碳排放绩效测度层面,主要基于生产理论,综合考虑资本、劳动力、能源等要素对经济增长和碳排放的共同作用,并运用数据包络分析(DEA)、随机前沿方法(SFA)以及改进模型进行测度评价[3,15,16]。碳排放绩效时空演变层面,主要采用变异系数、泰尔系数、核密度估计、空间马尔科夫链等方法,发现碳排放绩效具有显著的区域差异性、时期波动性、空间溢出性等[17,18]。碳排放绩效影响因素层面,现有研究表明经济发展水平、生产要素结构、对外开放程度、产业结构、研发投入等对碳排放绩效具有显著影响[4,17]
针对环境规制与碳排放绩效之间的关系研究,既有文献主要聚焦于环境规制强度[19]、环境政策[20]等对碳排放绩效的影响,抑或是探究不同环境规制工具对碳排放总量[21]、净碳排放[22]、碳排放强度[23]等的影响。仅有少量文献研究不同环境规制工具对碳排放绩效的直接影响,如Song等[24]使用中国省级数据研究了命令型和市场型环境规制对碳排放效率的双向影响,发现命令型环境规制正向影响碳排放效率,市场型环境规制则相反;李小平等[25]研究发现,强制型环境规制会导致污染“就近转移”,市场型环境规制则会同时提高本地和邻地的碳生产率;Liu等[26]研究指出,单一使用命令型环境规制或与市场型环境规制相结合是提高碳排放绩效的有效手段。既有文献为本文提供了有益的参考和启发,但是针对不同环境规制对碳排放绩效的影响研究还未形成一致结论,也鲜有文献对其背后的作用机制、不同维度的异质性以及非线性关系展开深入研究。此外,既有研究多数为省级层面,而城市作为经济社会发展的重要空间载体,大约70%的碳排放来源于城市,提升城市碳排放绩效对于实现“双碳”目标意义重大[27]。鉴于此,本文基于中国284个地级及以上城市面板数据,实证研究了命令型和市场型环境规制对碳排放绩效的影响与作用机制,并进一步分析了政府科技支出的门槛效应,以期研究成果为推动低碳经济发展提供有益借鉴。
基于已有研究,本文主要的边际贡献可能体现在:(1)锚定“双碳”目标,立足低碳经济发展,基于碳排放绩效视角,实证分析并对比了命令型和市场型环境规制的实施效果,拓宽了不同环境规制工具在城市层面的研究视角。同时,探究了不同维度下两类环境规制实施效果的异质性,丰富了不同环境规制工具影响碳排放绩效的异质性研究,为政府因时制宜,因城施策,推进环境规制体系建设提供理论依据。(2)揭示了两类环境规制工具影响碳排放绩效的机制“黑箱”。绿色技术创新效应方面,从策略创新和实质创新双重视角切入,较为全面地剖析了绿色技术创新的作用机制,同时验证了“狭义波特假说”在样本观测期内成立;在产业结构升级效应方面,探究了两类环境规制对产业结构向高级化演进及产业间协调性和关联性的影响,深化了对不同环境规制工具影响碳排放绩效内在机理的理解。(3)不同于已有文献聚焦于环境规制与政府科技支出的协同(联合)效应,本文进一步研究了政府科技支出的门槛效应,填补了作为激励约束机制的环境规制和政府科技支出影响碳排放绩效的研究空隙,为政府优化财政科技支出策略,增强环境规制对碳排放绩效的提升效应提供决策参考。

1 理论分析与研究假说

由于环境资源的公共物品属性、经济负外部性等因素影响,仅靠市场机制无法有效解决环境污染问题,需要借助政府、社会组织等第三方力量采取规制手段加以纠正[28]。因此,环境规制主要是针对各种环境污染问题制定的政策措施,其中包括对环境污染物和二氧化碳排放的控制。尽管环境污染物和二氧化碳在本质上有一定的区别,但他们之间也存在一致性,特别是在环境规制的范畴,从而有利于实现减污降碳协同增效,其内在的理论逻辑(图1)主要是:(1)常规污染物和二氧化碳具有同根、同源与时空排放一致性的特点,主要来源是化石能源的燃烧和利用[29],所以环境规制在控制污染物排放的同时,也能够有效降低碳排放。(2)环境规制一般具有综合性,如大气污染防治计划主要限制二氧化硫、氮氧化物等空气污染物排放,而这些污染物与能源利用和生产活动密切相关,会通过减少化石能源投入、增加清洁能源使用、使用绿色低碳生产技术等,实现减污降碳的双重效果。(3)实施环境规制还会产生经济效益,如通过引入碳税和排放权交易等经济激励措施,企业可以依据自身情况灵活调整减排策略,选择成本较低的减排方式,从而在降低碳排放量的同时,实现经济效益的提升。此外,中国环境治理将进入以降碳为重点战略方向、推动减污降碳协同增效的重要阶段,推进环境规制体系建设是降低污染物与碳排放的重要途径[30]。因此,探究不同环境规制对碳排放绩效的影响及作用机制具有一定的科学性、可行性与现实意义。
图1 环境规制实现减污降碳协同增效理论框架

Fig. 1 Theoretical framework for environmental regulation to achieve synergies in reducing pollution and carbon emissions

1.1 环境规制工具影响碳排放绩效的直接效应

环境规制对碳排放绩效的影响主要体现在降碳效应和经济效应两个方面。在降碳效应方面,环境规制可以直接降低碳排放量,政府通过运用环境规制工具对被规制企业进行严格控制,无论其采取缩减生产规模、增加污染治理投资、开展技术创新,抑或是选择迁移等策略规避环境规制,都会有助于碳排放量的降低。此外,实施环境规制还会增加清洁能源使用,中国以煤炭等化石能源为主的能源消费结构使得生产过程中会产生大量的二氧化碳等温室气体,面对严格的环境规制,被规制企业为达到规制标准会加大节能设施的技术改造力度,增加新能源、可再生能源等清洁能源使用,进而减少碳排放[21]。在经济效应方面,随着环境规制力度的加大会导致“优胜劣汰”,高污染、高能耗和高排放产业会逐渐被低污染、低能耗和低排放的新兴产业替代,带来一定的“结构性红利”,进而提升资源利用效率,推动经济高质量发展。
从不同类型环境规制工具看,命令型环境规制是指政府利用法律和行政等手段,通过设定碳排放标准和技术规范等措施以达到减少碳排放、保护生态环境的目的,具有及时性和强制性的特点[5]。但是,由于命令型环境规制通常采取统一排放标准,导致被规制企业只能被动接受,很难发挥主观能动性,在一定程度上可能会损害其经济效益。加之命令型环境规制的执行成本较高,环境监管机构很难将所有被规制企业纳入监管范围并进行长期动态监督,可能导致规制效果大打折扣[31]。市场型环境规制则是基于科斯定理和庇古税,综合运用诸如价格、税收、补贴、信贷等各种经济手段,间接调整被规制企业的生产成本和经营利润[5]。相较于命令型环境规制,市场型环境规制则给予被规制企业更多的减排自主性,更有利于市场调节机制的发挥,且执行成本较低,从而可以很大程度上减少因规制手段不合理导致的效益损失(图2)。由此,提出如下研究假说:
图2 环境规制影响碳排放绩效的理论框架

Fig. 2 A theoretical framework for environmental regulation affecting carbon emission performance

假说H1a:命令型和市场型环境规制均可以显著提升碳排放绩效。
假说H1b:市场型环境规制对碳排放绩效的提升效应强于命令型环境规制。

1.2 环境规制工具影响碳排放绩效的作用机制

波特假说指出适度的环境规制会倒逼企业进行技术创新,引发“创新补偿”,以弥补企业因合规成本增加产生的损失。Jaffe等[32]将波特假说细分为三种类型,其中狭义波特假说认为市场型环境规制具有一定的灵活性,更能有效激励企业技术创新。事实上,市场型环境规制一般会向被规制企业施加更多的经济成本,例如通过发放排放许可证、碳市场交易、排污收费、环境税收等方式。因此,企业污染排放越少,经济成本越低,甚至还可以利用市场交易等手段获得一定收益,此时作为“理性人”的企业则会加强绿色创新的研发与应用,从而寻求更加清洁、低碳的生产技术来降低治污边际成本,提高生产效率[33]。但是,在实行统一排放标准的命令型环境规制下,企业的污染排放量如果没有超过规制标准,则无需缴纳排污罚款,而绿色技术创新一般存在周期长、评估难、回报慢和风险大等特点,企业的短视行为可能导致其没有足够的动力和积极性去投入大量资金进行绿色技术创新。相反,企业的污染排放量如果超过规制标准,则会投入资金开展污染治理,而企业资金的有限性可能导致绿色技术创新投入受到制约,即创新挤出(图2)。由此,提出如下研究假说:
假说H2a:市场型环境规制可以激励绿色技术创新,进而提升碳排放绩效。
假说H2b:命令型环境规制对激励绿色技术创新的作用有限。
产业结构升级主要包括产业结构高级化和合理化两个维度,产业结构高级化是指产业结构整体质量和效率逐渐向更高水平状态演变的过程;产业结构合理化是指产业间的聚合质量,反映了产业间的协调能力和资源利用不断提升的过程。如前文所述,无论采取何种环境规制手段,被规制企业都会选择缩减生产规模、开展技术创新等应对策略,这也代表着污染企业数量或生产份额的减少,使得地方经济更多依靠服务业、高技术产业等第三产业带动,有利于地区产业结构向高级化攀升。但是,命令型环境规制手段一般要求被规制企业在限期内达到规制标准,具有较强的刚性,不易灵活调整,难以适应市场变化和产业发展的需要,可能导致企业生产份额下降,提供就业岗位减少,进而出现产业发展和就业市场结构性失衡现象。同时,在命令型环境下,资源往往由政府指导分配,而非利用市场机制调节,可能导致资源配置效率低下,从而限制了产业结构的合理调整与优化。而市场型环境规制手段主要依靠市场调节等经济手段,具有很强的灵活性,被规制企业能够自主决定生产规模和碳排放量,有利于促进劳动力、资金等生产要素更加合理配置,进而推动产业结构合理化(图2)。由此,提出如下研究假说:
假说H3a:市场型环境规制可以推动产业结构高级化和合理化,进而提升碳排放绩效。
假说H3b:命令型环境规制可以推动产业结构高级化,进而提升碳排放绩效。

1.3 政府科技支出的门槛效用

随着环境规制力度逐渐增大,企业治污成本不断上升,可能导致其生产的边际成本超过边际收益。此时,理性的企业会选择开展技术创新活动,以提高资源利用效率、降低污染排放,实现自身的长足发展。然而,技术创新需要大量的研发资金投入且获利周期长,若外部融资成本较高,使得技术创新的边际收益无法超过边际成本,那么企业就没有动力开展技术创新活动。政府科技支出一方面通过直接提供财政资金有效填补企业技术创新的资金缺口,降低创新活动中不确定性的风险,增强企业开展技术创新积极性;另一方面,政府科技支出兼具信号传递功能,会向外界释放出与政府存在“亲密关系”的信号,便于获得更多的银行贷款和风险投资,从而缓解企业融资约束问题[34]。既有研究已证明环境规制与政府科技支出的联合实施(协同效应)会产生显著的积极效应[35],本文不再赘述。但是,政府科技支出的作用效果可能是渐变的而不是突变的[36],政府支持力度的不同,可能导致环境规制对碳排放绩效的影响不同。首先,企业研发与应用新技术一般需要经历学习曲线,政府科技支出虽然能够加快企业技术转移速度,但是也需要一定的时间和实践积累,才会显著提升碳排放绩效。其次,在初期阶段,企业技术转型可能面临着高成本、高风险以及市场竞争力下降等负面影响,一定程度上削弱了企业的积极性,随着政府科技支出逐渐增多,政府提供的减税、补贴等经济激励不断增加,企业生产运营成本开始下降,从而加速企业技术转型并实现碳减排。因此,若政府科技支出较少,可能造成技术研发过程中资金链断裂,进而无法持续性开展研发活动,使得前期投入沦为沉没成本,非但不能引发积极的“创新补偿”,可能还会导致企业市场份额减少和生产效率下降,从而无法有效提升碳排放绩效(图3)。由此,提出如下研究假说:
图3 政府科技支出门槛效应的理论框架

Fig. 3 Theoretical framework of the threshold effect of government expenditure on science and technology

假说H4:当政府科技支出跨过一定门槛值后,两类环境规制才会显著提升碳排放绩效。

2 研究方法与数据来源

2.1 模型设定

2.1.1 双向固定效应模型

为检验命令型和市场型环境规制均可以显著提升碳排放绩效,且市场型环境规制的实施效果强于命令型的假设,参照李青原等[6]的做法,构建如下计量模型:
C E P i t = α + β 1 E R i t + β 2 M a r k e t i t + δ C o n t r o l i t + λ i + μ t + ε i t
式中:i表示年份;t表示城市;CEPit表示碳排放绩效;ERit表示命令型环境规制;Marketit表示市场型环境规制;Controlit表示一系列控制变量;α表示常数项;β表示各待估参数;δ表示控制变量的估计参数。Hausman检验显示P值为0.0028,强烈拒绝扰动项与解释变量以及控制变量不相关的原假设,为此,使用固定效应模型回归。 λ i μ t分别表示城市和年份固定效应; ε i t表示不可观测的随机扰动项。

2.1.2 双重差分模型

为进一步缓解基准回归的内生性问题并为研究结论提供现实经验支撑,参照许文立等的做法[33],构建如下双重差分模型:
C E P i t = α + μ 1 D I D _ E + μ 2 D I D _ M + δ C o n t r o l i t + λ i + μ t + ε i t
式中:DID_E表示“大气十条”政策虚拟变量;DID_M表示“SO2排污权交易试点”政策虚拟变量;μ表示各待估参数。

2.1.3 机制检验模型

鉴于传统“三步法”中介效应模型可能存在内生性偏误等问题,应聚焦于解释变量对机制变量的因果识别研究中[37]。为此,构建如下计量模型:
M i t = α + φ 1 E R i t + φ 2 M a r k e t i t + δ C o n t r o l i t + λ i + μ t + ε i t
式中:Mit表示命令型和市场型环境规制影响碳排放绩效的机制变量,包括绿色技术创新和产业转型升级;φ表示各待估参数。

2.1.4 面板门槛效应模型

为检验只有当政府科技支出跨过一定门槛值后,环境规制工具才会有效提升碳排放绩效的假设,参照叶祥松等[36]的做法,构建如下面板门槛模型:
C E P i t = α + γ 1 E R i t × I ( F E i t τ 1 ) + γ 2 E R i t × I ( τ 1 < F E i t τ 2 )                               + + γ k + 1 E R i t × I ( F E i t > τ k ) + M a k e t i t + δ C o n t r o l i t + ε i t
C E P i t = α + λ 1 M a r k e t i t × I ( F E i t τ 1 ) + λ 2 M a r k e t i t × I ( τ 1 < F E i t τ 2 )                                 + + λ k M a r k e t i t × I ( F E i t > τ k ) + E R i t + δ C o n t r o l i t + ε i t
式中:I(·) 表示指示性函数; τ 1 ,   τ 2 ,   ,   τ k为门槛值;FE为门槛变量,表示政府科技支出;γ表示各待估参数。

2.2 变量设定

2.2.1 被解释变量

被解释变量为碳排放绩效(CEP),借鉴余泳泽等[15]做法基于非径向、非角度的SBM(Slacks Based Measure)模型,并结合GML(Global Malmquist-Luenberger)指数测算各城市碳排放绩效。使用SBM-GML指数模型首先需要确定投入—产出变量。投入变量包括资本存量、劳动力投入量和能源消费量,其中,资本存量使用永续盘存法进行估计 ,劳动力投入以年末单位从业人员数表征,能源消费量以城市用电量表征。产出变量分为期望产出和非期望产出,期望产出以地区生产总值表示,使用GDP平减指数折算为2003年不变价格;非期望产出为碳排放量,借鉴徐丽笑等[38]的做法,基于投入产出法核算城市碳排放。

2.2.2 核心解释变量

核心解释变量为命令型环境规制(ER)和市场型环境规制(Market 。参考以往经验[5,39],选取工业污染源治理投资额作为命令型环境规制的代理变量,排污费征收额作为市场型环境规制的代理变量。然而,城市层面暂时缺少污染治理投资额和排污费相关数据,故借鉴宋鹏等[40]、孙兆旭等[5]的做法,使用间接方法推算上述指标。具体测算方法如下:根据城市工业二氧化硫排放量与所在省份二氧化硫排放量之比衡量该城市工业污染源治理投资额所占份额,而后与所在省份工业污染源治理投资额相乘推算城市工业污染源治理投资额。同理,由于工业废水是排污费征收的主要对象,使用城市工业废水排放量占所在省份工业废水排放份额推算城市排污费征收额。最后,分别计算城市工业污染源治理投资额和排污费征收额占第二产业增加值比例,以缓解经济结构的影响。

2.2.3 政策虚拟变量

将“大气十条”政策虚拟变量作为命令型环境规制的代理变量,用DID_E表示,如果在2013年之后且属于三大重点区域所下辖城市取值为1,否则为0 。将“SO2排污权交易试点”政策虚拟变量作为市场型环境规制的替代指标,用DID_M表示,如果在2007年之后且属于排污权交易试点的11个省(自治区、直辖市)取值为1,否则为0

2.2.4 机制变量

机制变量为绿色技术创新和产业结构升级。绿色专利情况作为绿色技术创新的外在体现,包括体现策略创新的绿色实用型专利(EGreen_S)和实质创新的绿色发明型专利(EGreen_F)。同时,相较于绿色专利申请量,经过授权的绿色专利更能够体现出一个城市绿色技术创新的实际产出。为此,本文参考盛荣[41]的做法使用绿色专利授权量作为绿色技术创新的代理变量,分别以绿色实用型专利和绿色发明型专利占城市年末总人口比例表示。
产业结构升级分为产业结构高级化(RIS)和合理化(AIS)。其中,产业结构高级化参考孔凡斌等[42]的做法使用产业结构升级系数衡量,产业结构合理化参考许文立等[33]的做法使用经济产出与劳动投入的匹配程度衡量。具体测算方法如下:
R I S = i = 1 3 Y i t Y t × i
式中:i表示三次产业;Yit/Yt表示三次产业增加值占总产出的比例;RIS表示产业结构高级化,其值越大,表示经济产出水平越为高端,产业结构越高级。
A I S = 1 - 1 3 i = 1 3 Y i t Y t - L i t L t
式中:Lit/Lt表示三次产业就业人数占比;|Yit/Yt-Lit/Lt|表示经济产出与投入的偏离程度;AIS表示产业结构合理化,其值越大,表示经济产出与就业结构越匹配,产业结构越合理。

2.2.5 门槛变量

门槛变量为政府科技支出(FE)。借鉴李鹏升等[43]的做法,使用政府财政科技支出占地区生产总值的比例作为政府科技支出的代理变量。

2.2.6 控制变量

基于徐英启等[3]、邵帅等[4]的研究,综合选取如下指标作为本文控制变量:
(1)经济发展水平(logrpgdp)。经济发展初期,随着收入水平的上升,资源消耗和能源使用不断增加,碳排放可能随之增加。当经济发展到一定水平后,由于技术进步、规模效应、环境诉求等因素影响,碳排放可能随之减少。本文使用2003年不变价格的人均生产总值的自然对数表征经济发展水平。
(2)人口密度(Density)。一方面,城市人口密度越大,越有利于公共服务和基础设施的集中提供,从而提高资源利用效率和碳排放绩效;另一方面,人口密度较大的地区能源需求更高,需要更多的能源来供暖、照明、交通等,可能导致碳排放增加。本文使用每平方公里的百人数表征人口密度。
(3)对外开放程度(FDI)。对外开放虽然有利于加强不同国家和地区之间的技术交流,从而推动经济持续发展,但是也可能导致一些高碳排放产业迁入。本文使用按汇率折算为人民币的实际利用外资金额占地区生产总值比例表征外开放程度。
(4)金融业发展水平(Finance)。金融业发展水平越高的地区,企业融资约束越小,企业获取信贷等资金服务相对容易,进而能够帮助企业开展绿色技术研发等活动,以提升碳排放绩效。本文使用年末金融机构贷款余额占地区生产总值比例表征金融业发展水平。
(5)生产要素结构(FS)。生产要素结构是指劳动力、资本等生产要素的组合,是构成生产力最基本的单元。在生产过程中,不同生产要素的组合配置,可能导致不同的资源消耗和产出水平,进而影响碳排放绩效。本文使用资本存量与从业人数之比(资本深化程度)表征生产要素结构。
(6)城镇化水平(Urban)。城镇化的核心是人口城镇化,人口向城市集聚的过程往往伴随着经济结构转型,表现为从传统的农业和重工业转向为服务业、高新技术产业等清洁行业,从而降低经济发展对高碳产业的依赖。本文使用城镇常住人口数占总人口数的比例表征城市化水平。

2.3 数据来源

研究数据主要来源于《中国城市统计年鉴》《中国环境统计年鉴》《中国统计年鉴》、EPS数据库(https://www.epsnet.com.cn)、国泰安数据库(http://data.csmar.com)、国家统计局、国家知识产权局、各省(自治区、直辖市)统计局以及地方政府工作报告等。考虑到数据的连续性和完整性,剔除中国台湾、香港、澳门、西藏自治区、海南省的三沙市和儋州市、贵州省的毕节市和铜仁市、新疆维吾尔自治区的哈密市和吐鲁番市、青海省的海东市、安徽省的巢湖市、山东省的莱芜市等数据严重缺失、行政区划调整的城市和地区 。对于仍然存在的少量缺失数据,使用线性插值法补充,最终得到284个地级及以上城市样本。主要变量说明详见表1描述性统计
表1 描述性统计

Table 1 Descriptive statistics

变量 变量含义 观测值/个 平均值 标准差 最小值 最大值
CEP 碳排放绩效 5112 0.974 0.149 0.121 6.582
ER 命令型环境规制 5396 0.376 0.650 0.000 26.703
Market 市场型环境规制 5396 0.098 0.131 0.000 3.508
DID_E “大气十条”虚拟变量 5396 0.125 0.331 0.000 1.000
DID_M “SO2排污权交易试点”虚拟变量 5396 0.303 0.460 0.000 1.000
logrpgdp 经济发展水平 5396 9.995 0.770 4.353 12.798
Density 人口密度 5396 4.288 3.367 0.047 31.597
FDI 对外开放程度 5396 0.019 0.022 0.000 0.376
Finance 金融业发展水平 5396 0.918 0.568 0.075 9.622
FS 生产要素结构 5396 9.063 8.344 0.015 59.933
Urban 城镇化水平 5396 0.505 0.177 0.106 1.001
EGreen_S 绿色实用型专利授权 5396 0.459 1.160 0.000 20.510
EGreen_F 绿色发明型专利授权 5396 0.110 0.344 0.000 6.419
RIS 产业结构高级化 5396 2.260 0.145 2.006 2.710
AIS 产业结构合理化 5396 0.848 0.079 0.645 0.971
FE 政府科技支出 5396 0.206 0.245 0.000 6.310

3 结果分析

3.1 基准回归结果

表2汇报了基准回归结果,控制年份和城市固定效应之后,无论是否加入控制变量,所有回归结果的系数估计值均至少在10%水平上显著为正,说明命令型和市场型环境规制均显著提升了碳排放绩效,从而可以有效推动城市低碳经济发展,假说H1a得证。从回归系数看,加入控制变量之后,ER的系数估计值约为0.014,说明命令型环境规制每增加1单位,碳排放绩效约提高0.014个单位;Market的系数估计值约为0.043,说明市场型环境规制每增加1单位,碳排放绩效约提高0.043个单位,市场型环境规制对碳排放绩效的提升效应要强于命令型,假说H1b得证。
表2 基准回归结果

Table 2 Baseline regression results

变量 碳排放绩效(CEP
(1) (2) (3) (4) (5) (6)
ER 0.023*** 0.018** 0.018*** 0.014**
(0.007) (0.007) (0.006) (0.007)
Market 0.071** 0.052* 0.057** 0.043*
(0.029) (0.030) (0.024) (0.025)
logrpgdp -0.071*** -0.071*** -0.069***
(0.017) (0.017) (0.016)
Density -0.006** -0.006** -0.006**
(0.003) (0.003) (0.003)
FDI 0.113 0.116 0.113
(0.126) (0.125) (0.125)
Finance 0.018* 0.018* 0.017*
(0.009) (0.009) (0.009)
FS -0.004*** -0.004*** -0.004***
(0.001) (0.001) (0.001)
Urban 0.065** 0.066** 0.064*
(0.032) (0.033) (0.033)
常数项 0.966*** 0.967*** 0.962*** 1.681*** 1.686*** 1.667***
(0.002) (0.003) (0.003) (0.168) (0.171) (0.168)
城市和年份固定效应
样本量/个 5112 5112 5112 5112 5112 5112
R2 0.162 0.162 0.163 0.179 0.178 0.179

注:******分别表示p<0.1、p<0.05、p<0.01,括号内为聚类在城市层面的稳健标准误,下同。

从控制变量的回归结果看,logrpgdp系数估计值在1%水平上显著为负,说明样本观测期内经济发展水平还未越过环境库兹涅茨曲线拐点,经济发展仍会抑制碳排放绩效提升。Density系数估计值在5%水平上显著为负,说明人口密度越大的地区,可能消耗了更多的能源和资源,从而增加了碳排放。Finance系数估计值在10%水平上显著为正,说明金融业发展水平较高的城市,融资约束越小,企业能够以较少的成本获得外界资金的支持,有利于进行生产技术改造,绿色技术研发等活动,进而促进碳排放绩效提升。FS系数估计值在1%水平上显著为负,说明过度的资本深化,可能导致资本要素的边际报酬递减,进而恶化资本回报率,抑制碳排放绩效的提升[44]Urban系数估计值在10%水平上显著为正,说明中国城镇化进程可以有效兼顾经济增长和碳减排,进而提升碳排放绩效。FDI系数估计值不显著,说明其在样本观测期内并未对碳排放绩效产生显著影响。

3.2 环境规制政策的准自然实验

由于碳排放绩效是一个综合性指标,可能存在反向因果关系,而环境政策具有相对外生的特点,能够有效缓解潜在的内生性问题[45]。鉴于此,将以下两大环境政策作为准自然实验,以克服潜在的内生性问题,并为研究结论提供现实经验支撑。命令型环境政策方面,“大气十条”是2013年由中华人民共和国国务院出台,对京津冀、长三角、珠三角三大重点区域降低细颗粒物浓度提出明确要求,并将目标完成程度与官员政绩考核挂钩的一项政策,被称为史上最严格的环境规制政策。市场型环境政策方面,“SO2排污权交易试点”是2007年中央政府在11个省(自治区、直辖市)开展的有史以来最大的排污权交易实践,该政策通过设定SO2排放总量并赋予其商品属性,在地方政府严格监督管理下,允许排污单位在排污权交易中心进行交易,体现了由中央设计、地方监督以及市场主导的体制机制[46]
本文采用倾向得分匹配—双重差分法(PSM-DID)进行检验,使用半径匹配对样本进行处理,将卡尺范围定为0.05,按照1∶3的匹配比例进行有放回匹配,以缓解处理组和对照组之间存在的可观测和不可观测的混杂因素的影响。表3汇报了回归结果,无论是否加入控制变量,DID_EDID_M系数估计值均至少在10%的水平上显著为正,说明相较于未受到政策干预的城市,“大气十条”和“SO2排污权交易试点”均显著提升了受政策干预城市的碳排放绩效,表明在缓解内生性问题后,命令型和市场型环境规制仍然显著提升碳排放绩效。从回归系数看,加入控制变量之后,DID_M大于DID_E的系数估计值,说明以“SO2排污权交易试点”为代表的市场型环境规制对于碳排放绩效的实施效果依然强于以“大气十条”为代表的命令型环境规制,佐证了基准回归的稳健性。
表3 倾向得分匹配—双重差分法

Table 3 The propensity score matching-difference-in-differences

变量 碳排放绩效(CEP
(1) (2) (3) (4) (5) (6)
DID_E 0.021*** 0.021*** 0.014** 0.014*
(0.007) (0.007) (0.007) (0.007)
DID_M 0.017** 0.016* 0.015* 0.015*
(0.008) (0.008) (0.008) (0.008)
常数项 0.968*** 0.965*** 0.963*** 1.802*** 1.814*** 1.798***
(0.001) (0.003) (0.003) (0.172) (0.171) (0.171)
控制变量
城市和年份固定效应
样本量/个 4341 4341 4341 4341 4341 4341
R2 0.253 0.252 0.254 0.282 0.282 0.282

3.3 稳健性检验

为保证研究结论的可靠性,还进行如下稳健性检验:(1)替换被解释变量,使用CCR-GML指数并基于产出导向重新测算城市碳排放绩效,作为结果变量重新进行回归。(2)替换解释变量,借鉴叶琴等[10]的做法,使用工业废水、工业烟(粉)尘和工业二氧化硫三类污染物排放量的综合指数表征命令型环境规制,使用省级排污费缴纳额表征市场型环境规制,作为核心解释变量重新进行回归。(3)滞后控制变量,将所有控制变量进行滞后一期处理,以缓解碳排放绩效与控制变量的双向因果关系。(4)剔除直辖市样本,将北京、天津、上海和重庆四个直辖市样本剔除,以缓解样本“自选择偏差”问题。检验结果均证明基准回归结果是稳健的

3.4 机制检验

3.4.1 绿色技术创新效应

绿色技术创新主要包括污染控制和预防、绿色产品设计、废弃物循环再生等所使用的新型环保技术,是推动低碳经济发展的核心动力[47]表4列 (1)~列 (3) 汇报了ERMarketEGreen_S的回归结果,Market系数估计值均至少在5%水平上显著为正,ER系数估计值均不显著,说明市场型环境规制对绿色实用型专利授权量具有显著正向影响,有利于促进城市策略创新,而命令型环境规制对绿色实用型专利授权量的作用有限。表4列 (4)~列 (6) 汇报了ERMarketEGreen_F的回归结果,回归结果与前述一致,说明市场型环境规制对绿色发明型专利授权量也存在显著正向影响,有利于促进城市实质创新,而命令型环境规制对绿色发明型专利授权量的作用依然有限。综上所述,相较于命令型环境规制,市场型环境规制可以同时促进策略创新和实质创新,从而更有利于促进绿色技术创新,验证了“狭义波特假说”成立。
表4 机制检验结果(一)

Table 4 Mechanism test results (1)

变量 绿色实用型专利授权量(EGreen_S 绿色发明型专利授权量(EGreen_F
(1) (2) (3) (4) (5) (6)
ER 0.011 0.003 0.003 -0.001
(0.013) (0.011) (0.004) (0.003)
Market 0.289** 0.286** 0.136** 0.137**
(0.135) (0.137) (0.063) (0.065)
常数项 3.901*** 3.780** 3.778** 1.031** 0.972** 0.973**
(1.500) (1.495) (1.494) (0.461) (0.443) (0.443)
控制变量
城市和年份固定效应
样本量/个 5396 5396 5396 5396 5396 5396
R2 0.769 0.770 0.770 0.734 0.735 0.735
关于绿色技术创新对碳排放绩效的影响,从理论分析和既有研究两方面进行验证。市场型环境规制通过建立激励机制,利用价格引导和市场需求来激励企业绿色技术创新。通过绿色创新技术研发,企业可以采用更为高效的太阳能、风能等清洁能源,从而降低对传统高碳能源的依赖,以减少生产过程中的碳排放。此外,企业还可以引入能源效率提升措施,如优化生产流程、采用节能设备等,降低能源消耗、减少碳排放。同时,绿色技术的应用还会提高生产效率,进而提升碳排放绩效。事实上,习近平总书记关于“要加强科技支撑,推进绿色低碳科技自立自强,把应对气候变化、新污染物治理等作为国家基础研究和科技创新重点领域”的重要讲话 ,更加充分体现了绿色技术创新对于生态环境保护和碳减排的重要性。在既有研究方面,邵帅等[48]的研究发现绿色技术创新能力对本地和空间关联地区碳排放绩效具有显著的正向的影响。至此,假说H2a和H2b得证。

3.4.2 产业结构升级效应

产业结构升级是由低附加值、高能耗和高排放行业向高附加值、低能耗和低排放行业演变的过程,并能够在升级中出现新的经济增长点[49],主要包括产业结构高级化(RIS)和产业结构合理化(AIS)两大维度,是推动低碳经济发展的关键支撑。表5列 (1)~列 (3) 汇报了ERMarketRIS的回归结果,ERMarket系数估计值均至少在10%水平上显著为正,说明无论是命令型还是市场型环境规制均显著促进了产业结构高级化。表5列 (4)~列 (6) 汇报了ERMarketAIS的回归结果,ER系数估计值均不显著,Market系数估计值均至少在5%水平上显著为正,说明命令型环境规制对产业结构合理化的促进作用有限,而市场型环境规制则可以显著提升三大产业间的协调度和关联度,增强产业间聚合质量,促进产业结构合理化。
表5 机制检验结果(二)

Table 5 Mechanism test results (2)

变量 产业结构高级化(RIS
产业结构合理化(AIS
(1) (2) (3) (4) (5) (6)
ER 0.004* 0.003* 0.003 0.002
(0.002) (0.002) (0.002) (0.002)
Market 0.032* 0.029* 0.037*** 0.034**
(0.017) (0.017) (0.014) (0.014)
常数项 2.009*** 1.999*** 1.997*** 0.821*** 0.808*** 0.806***
(0.093) (0.094) (0.094) (0.135) (0.133) (0.133)
控制变量
城市和年份固定效应
样本量/个 5396 5396 5396 5396 5396 5396
R2 0.921 0.922 0.922 0.567 0.569 0.569
关于产业结构升级对碳排放绩效的影响,一方面,产业结构高级化会表现出第二产业占比下滑和第三产业占比上升的趋势,而相较于第二产业,以服务业为主的第三产业对环境更加友好、产品附加值更高且能够吸引更多就业,可以实现更多经济产出、更少污染排放的效果;另一方面,产业结构合理化使得产业间协调度更强,能够促进要素资源合理配置,提高资源利用效率,进而提升碳排放绩效。学界同样已有大量的研究证明产业结构升级对碳排放绩效的提升效应。如Zhang等[50]研究发现产业结构升级会促进技术变革和提升生产效率,进而降低二氧化碳排放强度。刘志华等[51]利用面板向量自回归(PVAR)模型研究发现,产业结构升级能显著提升碳排放效率,且两者长期存在一定的动态耦合关系。至此,假说H3a和H3b成立。

3.5 异质性分析

3.5.1 区分城市资源禀赋

资源型城市与非资源型城市在自然资源禀赋、产业发展类型以及经济发展方式等方面存在显著差异。资源型城市主要依靠资源开采、加工等低端产业主导经济发展,导致污染物大量排放,所以环境污染是资源型城市亟需解决的严重问题;而非资源型城市的经济发展是以服务业、制造业等为主导产业,一般具备更加高级化的产业结构和良好的创新基础,所以非资源型城市的发展路径更加清洁化[52]。鉴于资源型与非资源型城市之间的差异,命令型和市场型环境规制可能对两种类型城市碳排放绩效产生不同的实施效果,本文将全样本划分为资源型城市和非资源型城市 ,分别进行回归分析。表6列 (1)和列 (2) 汇报了回归结果,命令型环境规制显著提升了资源型城市碳排放绩效,对非资源型城市碳排放绩效的提升效应有限,而市场型环境规制显著提升了非资源型城市碳排放绩效,对资源型城市碳排放绩效的提升效应有限。究其原因可能在于:一是与资源型城市相比,非资源型城市的碳排放涉及更多的行业和因素,导致碳排放问题更加复杂,需要更多的政策协调和管理,而简单依靠命令型环境规制可能无法有效提升非资源型城市碳排放绩效;二是资源型城市经济发展主要依赖能源开采、重工业等高碳排放行业,而这些行业一般具有较强的外部性和较高的市场集中度,更容易出现市场失灵的问题,从而限制了市场型环境规制对碳排放绩效的提升效应。
表6 异质性分析

Table 6 Heterogeneity analysis

变量 碳排放绩效(CEP
非资源型城市 资源型城市 高市场化水平 低市场化水平 东部沿海城市 中西部城市
(1) (2) (3) (4) (5) (6)
ER 0.029 0.140** 0.005 0.089*** 0.029 0.124*
(0.028) (0.064) (0.037) (0.022) (0.026) (0.069)
Market 0.020** 0.001 0.020** 0.002 0.019** 0.007
(0.009) (0.009) (0.010) (0.010) (0.009) (0.009)
常数项 1.638*** 1.350*** 1.615*** 1.692*** 1.899*** 1.247***
(0.213) (0.315) (0.250) (0.228) (0.301) (0.255)
控制变量
城市和年份固定效应
样本量/个 3348 1764 2052 3060 2808 2276
R2 0.164 0.319 0.136 0.268 0.161 0.317

3.5.2 区分市场化水平高低

市场化水平是指在经济发展过程中一个地区市场经济体制建设的成熟程度。高市场化水平城市有着完善的市场经济体制,可以有效利用市场机制调节经济运行,相反,低市场化水平城市政府干预经济较多,可能导致资源无法达到最优配置。鉴于两类环境规制执行手段的差异,可能对不同市场化水平城市碳排放绩效产生不同的实施效果,本文借鉴吕朝凤等[53]的做法使用樊纲市场化指数 作为市场化水平的代理变量,并将高于市场化总指数平均值的城市划分为高市场化水平城市,反之则为低市场化水平城市,分别进行回归分析。回归结果如表6列 (3) 和列 (4) 所示,命令型环境规制显著提升了低市场化水平城市碳排放绩效,对高市场化水平城市碳排放绩效的提升效应有限,而市场型环境规制显著提升了高市场化水平城市碳排放绩效,对低市场化水平城市碳排放绩效的提升效应有限。究其原因可能在于:一是在高市场化水平城市中,市场机制在一定程度上已经约束了碳排放行为,此时企业面对激烈的市场竞争,需要提升市场竞争力,因此可能会自愿采取措施来减少碳排放,而不是依靠命令型环境规制;二是市场型环境规制是以市场力量为导向,更加强调自由竞争、减少政府干预,而在缺乏竞争和市场激励机制的情况下,企业可能不会主动寻求诸如加大技术创新研发、更新生产技术工艺等更高效措施减少碳排放,导致市场型环境规制对低市场化水平城市碳排放绩效的提升效应有限。

3.5.3 区分地理区位差异

中国幅员辽阔,各地区在经济发展水平、产业结构类型、技术创新基础等方面存在较大差异,因此两类环境规制工具可能对不同地区碳排放绩效产生不同的实施效果。本文将284个城市划分为东部沿海城市和中西部城市两组样本分别重新进行回归分析。表6列 (5) 和列 (6) 汇报了回归结果,命令型环境规制显著提升了中西部城市碳排放绩效,对东部沿海城市碳排放绩效的提升效应有限;而市场型环境规制显著提升了东部沿海城市碳排放绩效,对中西部城市碳排放绩效的提升效应有限。究其原因可能在于:一是东部沿海地区的城市虽然创新基础较好、创新水平较高,但不同行业和企业的技术水平存在一定差异,实行统一排放标准的命令型环境规制可能无法较好地考虑到这些差异,从而影响整体碳排放绩效的提升;二是相较于东部沿海城市,中西部城市面临产业结构较为单一、技术创新基础较差、市场化水平较低等劣势,使得实施市场型环境规制工具缺乏必要的社会经济环境,导致对碳排放绩效的提升效应有限。

3.6 进一步研究

根据前述理论分析与研究假说,在不同政府科技支出(FE)下,环境规制工具与碳排放绩效之间可能存在非线性关系,本文尝试基于面板门槛模型验证此假设,采用Bootstrap方法分别对政府科技支出在命令型和市场型环境规制影响碳排放绩效中的单一门槛、双重门槛、三重门槛进行300次自抽样。表7汇报了自抽样结果,当以ER作为核心解释变量时,FE双重门槛检验的P值大于0.1,未通过显著性检验;单一门槛检验P值为0.060,且在10%水平上通过显著性检验,说明此时FE存在单一门槛。当Market作为核心解释变量时,FE三重门槛检验的P值大于0.1,未通过显著性检验;单一门槛和双重门槛检验的P值为均小于0.1,通过显著性检验,说明此时FE存在双重门槛。综上所述,本文基于政府科技支出的单一门槛和双重门槛效应展开进一步研究。
表7 Bootstrap检验

Table 7 Bootstrap test

门槛变量 核心解释变量 门槛数 自抽样次数/次 F P 临界值
10% 5% 1%
政府科技支出(FE 命令型环境规制(ER 单一门槛 300 21.04 0.060 17.628 23.039 58.591
双重门槛 300 13.82 0.170 17.514 20.235 33.903
政府科技支出(FE 市场型环境规制(Market 单一门槛 300 21.50 0.048 18.780 21.220 28.317
双重门槛 300 36.42 0.067 16.043 19.364 27.464
三重门槛 300 4.25 0.990 27.130 32.330 47.087
表8列 (1) 汇报了以ER作为核心解释变量,FE作为门槛变量的单一门槛回归结果。当FE位于门槛值左侧时(FE≤0.037),ER系数估计值并不显著,随着FE跨过门槛值(FE>0.037),ER系数估计值变为在1%水平上显著为正,表明只有当政府科技支出跨过0.037的门槛值后,命令型环境规制才会显著提升碳排放绩效。从总体样本看,在样本观测期内有939个样本未跨过门槛值,约占总样本的18%;从时间维度看,2003年有213个城市样本未跨越门槛值,2020年仅剩5个城市样本未跨越门槛值。
表8 门槛效应分析

Table 8 Threshold effect analysis

变量 碳排放绩效(CEP
(1) (2)
ERFEτ1 -0.006
(0.008)
ERFE>τ1 0.032***
(0.008)
MarketFEτ1 -0.001
(0.028)
Marketτ1<FEτ2 8.957
(6.031)
MarketFE>τ2 0.104**
(0.042)
常数项 0.825*** 0.772***
(0.082) (0.076)
控制变量
样本量/个 5112 5112
R2 0.018 0.017
表8列 (2) 汇报了Market作为核心解释变量,FE作为门槛变量的双重门槛回归结果。当FE低于第一门槛值时(FE≤0.054),Market系数估计值为负,但是并不显著,随着FE跨过第一门槛值并小于第二门槛值时(0.054<FE≤0.058),Market系数估计值逐渐变为正数,但是依然不显著,只有当FE跨过第二门槛值后(FE>0.058),Market数估计值变为在5%水平上显著为证,表明只有当政府科技支出跨过0.058的门槛值后,市场型环境规制才会显著提升碳排放绩效。从总体样本看,在样本观测期内有1194个样本未跨过第二门槛值,约占总样本的23%;从时间维度看,2003年有247个城市样本未跨越第二门槛值,2020年仅剩15个城市样本未跨越门槛值。至此,假说H4得证。

4 结论与政策建议

基于2003—2021年中国284个地级及以上城市面板数据,实证检验了命令型和市场型环境规制对碳排放绩效的影响及作用机制,并进一步探究了政府科技支出的门槛效应。结果发现:(1)从总体看,命令型和市场型环境规制均显著提升了碳排放绩效。从实施效果看,市场型环境规制对碳排放绩效的提升效应要强于命令型环境规制。上述结论同时得到来自“大气十条”和“SO2排污权交易试点”经验的佐证。(2)从机制检验看,市场型环境规制主要通过激励绿色技术创新、促进产业结构合理化和高级化提升碳排放绩效;命令型环境规制主要通过促进产业结构高级化提升碳排放绩效。(3)从异质性分析看,命令型环境规制显著提升了资源型城市、低市场化水平城市和中西部城市碳排放绩效,对非资源型城市、高市场化水平城市和东部沿海城市碳排放绩效的提升效应有限,而市场型环境规制的作用效果恰恰相反。(4)从门槛效应分析看,当政府科技支出跨过0.037的门槛值后,命令型环境规制显著提升了碳排放绩效;当政府科技支出跨过0.058的门槛值后,市场型规制显著提升了碳排放绩效。
基于以上研究结论,提出如下政策建议:
(1)推进中国式环境规制体系的建设和完善。在市场型环境规制方面,必须坚持市场主体地位,以“双碳”目标为引领,通过建立跨市场信息平台、丰富市场交易产品等途径,将全国碳排放权交易市场与温室气体自愿减排交易市场、试点碳排放权交易市场等其他资源环境要素市场有效衔接,打造高效统一的碳交易市场;必须更好地发挥政府作用,坚持“管事到位、放权到位”原则,在建立健全碳市场政策制度保障的同时,减少政府对碳排放空间资源的直接配置和其他直接干预市场交易活动的行为。同时,不断优化命令型环境规制,通过完善环境保护相关法律法规、健全环境监测监察体系、加大环境执法力度、加强对“三高”产业的能源约束等,提高命令型环境规制的执行力度,确保碳排放标准得到有效实施,助推碳排放总量和强度实现“双控双降”。
(2)发挥环境规制的绿色技术创新和产业结构升级效应,促进低碳经济发展。绿色技术革新和产业结构升级时间长、牵涉面广,需要政府、市场和个人多方协同推进。首先,政府应根据科技进步和环境的不断变化,建立动态调整机制,不断调整完善环境规制体系。其次,企业应注重长远发展利益,积极向低碳、绿色方向转型,及时淘汰落后的生产设备,加大绿色创新投入、加速技术工艺革新,实现经济效益和环境效益的双赢。最后,加强环境保护宣传教育,提升公众对节能减排的认知,推动公众践行绿色低碳消费理念,以倒逼社会绿色技术创新和产业转型升级,促进低碳经济发展。
(3)重视地区差异,因地制宜选择不同环境规制工具。从整体看,虽然市场型环境规制对碳排放绩效的提升效应要大于命令型,但也受到城市资源禀赋、市场化水平和地理区位差异的影响,所以实施差异化的环境规制手段是促进低碳经济发展的必要条件。具体来说,资源型城市、低市场化水平城市及中西部城市应继续发挥命令型环境规制的强制作用,通过适当提高环境标准,来引导和调控企业生产经营活动,以减少环境违法违规事件发生,实现碳减排和保护生态环境的目的。非资源型城市、高市场化水平城市及东部沿海城市则应充分发挥市场型环境规制的激励作用,强化市场在资源配置中的决定性作用,促进绿色创新和结构升级,引导企业和个人自发节能减排,从而以较小的规制成本推动低碳经济发展。
(4)优化环境规制下财政科技支出策略,发挥环境规制与政府科技支出的协同效应。研究发现,政府科技支出在两类环境规制影响碳排放绩效中存在显著的门槛效应。为此,应及时调整与优化财政支出结构,将科学技术作为财政支出的重点领域,通过不断加强科技人才培养、增加科技金融投入、推进科技基础设施建设等,助力碳减排技术创新,增强环境规制与政府科技支出提升碳排放绩效的协同效应。同时,探索建立政府科技支出长效机制,通过提前谋划部署财政科技支出预算、设定科技支出长期目标和优先领域、建立科学可行的绩效评估体系等,为科技创新提供更加稳定、长期的资金及政策保障。
[1]
蒋昀辰, 钟苏娟, 王逸, 等. 全国各省域碳达峰时空特征及影响因素. 自然资源学报, 2022, 37(5): 1289-1302.

DOI

[JIANG Y C, ZHONG S J, WANG Y, et al. Spatio-temporal characteristics and influencing factors of carbon emission peak by province of China. Journal of Natural Resources, 2022, 37(5): 1289-1302.]

[2]
陈明星, 程嘉梵, 周园, 等. 碳中和的缘起、实现路径与关键科学问题: 气候变化与可持续城市化. 自然资源学报, 2022, 37(5): 1233-1246.

DOI

[CHEN M X, CHENG J F, ZHOU Y, et al. Origin, realization path and key scientific issues of carbon neutrality: Climate change and sustainable urbanization. Journal of Natural Resources, 2022, 37(5): 1233-1246.]

[3]
徐英启, 程钰, 王晶晶, 等. 中国低碳试点城市碳排放效率时空演变与影响因素. 自然资源学报, 2022, 37(5): 1261-1276.

DOI

[XU Y Q, CHENG Y, WANG J J, et al. Spatio-temporal evolution and influencing factors of carbon emission efficiency in low carbon city of China. Journal of Natural Resources, 2022, 37(5): 1261-1276.]

[4]
邵帅, 尹俊雅, 范美婷, 等. 僵尸企业与低碳转型发展: 基于碳排放绩效的视角. 数量经济技术经济研究, 2022, 39(10): 89-108.

[SHAO S, YIN J Y, FAN M T, et al. Zombie firms and low-carbon transformation development: A perspective on carbon emission performance. Journal of Quantitative & Technological Economics, 2022, 39(10): 89-108.]

[5]
孙兆旭, 赵领娣. 中国海岸带城市环境规制对经济—资源—环境系统协调发展的影响与作用机制. 自然资源学报, 2023, 38(11): 2773-2791.

DOI

[SUN Z X, ZHAO L D. The influence and mechanism of environmental regulation on the coordinated development of economy-resources-environment system in coastal cities of China. Journal of Natural Resources, 2023, 38(11): 2773-2791.]

[6]
李青原, 肖泽华. 异质性环境规制工具与企业绿色创新激励: 来自上市企业绿色专利的证据. 经济研究, 2020, 55(9): 192-208.

[LI Q Y, XIAO Z H. Heterogeneous environmental regulation tools and green innovation incentives: Evidence from green patents of listed companies. Economic Research Journal, 2020, 55(9): 192-208.]

[7]
张明, 张鹭, 宋妍. 异质性环境规制、空间溢出与雾霾污染. 中国人口·资源与环境, 2021, 31(12): 53-61.

[ZHANG M, ZHANG L, SONG Y. Heterogeneous environmental regulations, spatial spillover and haze pollution. China Population, Resources and Environment, 2021, 31(12): 53-61.]

[8]
PAN D, TANG J. The effects of heterogeneous environmental regulations on water pollution control: Quasi-natural experimental evidence from China. Science of the Total Environment, 2021, 751: 141550, Doi: 10.1016/j.scitotenv.2020.141550.

[9]
WANG L H, WANG Z, MA Y T. Heterogeneous environmental regulation and industrial structure upgrading: Evidence from China. Environmental Science and Pollution Research International, 2022, 29(9): 13369-13385.

[10]
叶琴, 曾刚, 戴劭勍, 等. 不同环境规制工具对中国节能减排技术创新的影响: 基于285个地级市面板数据. 中国人口·资源与环境, 2018, 28(2): 115-122.

[YE Q, ZENG G, DAI S Q, et al. Research on the effects of different policy tools on China's emissions reduction innovation: Based on the panel data of 285 prefectural-level municipalities. China Population, Resources and Environment, 2018, 28(2): 115-122.]

[11]
CHEN W Z, CHEN S, WU T T. Research of the impact of heterogeneous environmental regulation on the performance of China's manufacturing enterprises. Frontiers in Environmental Science, 2022, 10: 948611, Doi: 10.3389/fenvs.2022.948611.

[12]
TANG M G, LI X Z, ZHANG Y, et al. From command-and-control to market-based environmental policies: Optimal transition timing and China's heterogeneous environmental effectiveness. Economic Modelling, 2020, 90: 1-10.

[13]
TESTA F, IRALDO F, FREY M. The effect of environmental regulation on firms' competitive performance: The case of the building & construction sector in some EU Regions. Journal of Environmental Management, 2011, 92(9): 2136-2144.

[14]
曾倩, 曾先峰, 刘津汝. 产业结构视角下环境规制工具对环境质量的影响. 经济经纬, 2018, 35(6): 94-100.

[ZENG Q, ZENG X F, LIU J R. The impact of environmental regulation instruments on environment quality from the perspective of industrial structure. Economic Survey, 2018, 35(6): 94-100.]

[15]
余泳泽, 杨晓章, 张少辉. 中国经济由高速增长向高质量发展的时空转换特征研究. 数量经济技术经济研究, 2019, 36(6): 3-21.

[YU Y Z, YANG X Z, ZHANG S H. Research on the characteristics of time and space conversion of China's economy from high-speed growth to high-quality development. The Journal of Quantitative & Technical Economics, 2019, 36(6): 3-21.]

[16]
DONG F, LI X H, LONG R Y, et al. Regional carbon emission performance in China according to a stochastic frontier model. Renewable and Sustainable Energy Reviews, 2013, 28: 525-530.

[17]
蔺雪芹, 边宇, 王岱. 京津冀地区工业碳排放效率时空演化特征及影响因素. 经济地理, 2021, 41(6): 187-195.

[LIN X Q, BIAN Y, WANG D. Spatiotemporal evolution characteristics and influencing factors of industrial carbon emission efficiency in Beijing-Tianjin-Hebei Region. Economic Geography, 2021, 41(6): 187-195.]

[18]
张明斗, 席胜杰. 资源型城市碳排放效率评价及其政策启示. 自然资源学报, 2023, 38(1): 220-237.

DOI

[ZHANG M D, XI S J. Evaluation of carbon emission efficiency of resource-based cities and its policy enlightenment. Journal of Natural Resources, 2023, 38(1): 220-237.]

[19]
ZHANG C Y, LIN J. An empirical study of environmental regulation on carbon emission efficiency in China. Energy Science & Engineering, 2022, 10(12): 4756-4767.

[20]
LIU C J, MA C B, XIE R. Structural, innovation and efficiency effects of environmental regulation: Evidence from China's carbon emissions trading pilot. Environmental and Resource Economics, 2020, 75(4): 741-768.

[21]
WU H T, XU L N, REN S Y, et al. How do energy consumption and environmental regulation affect carbon emissions in China? New evidence from a dynamic threshold panel model. Resources Policy, 2020, 67: 101678, Doi: 10.3389/fenvs.2022.948611.

[22]
HUANG X L, TIAN P. How does heterogeneous environmental regulation affect net carbon emissions: Spatial and threshold analysis for China. Journal of Environmental Management, 2023, 330: 117161, Doi: 10.1016/j.jenvman.2022.117161.

[23]
李菁, 李小平, 郝良峰. 技术创新约束下双重环境规制对碳排放强度的影响. 中国人口·资源与环境, 2021, 31(9): 34-44.

[LI J, LI X P, HAO L F. Impact of dual environmental regulations on carbon emission intensity under the constraint of technological innovation. China Population, Resources and Environment, 2021, 31(9): 34-44.]

[24]
SONG W F, HAN X F. Heterogeneous two-sided effects of different types of environmental regulations on carbon productivity in China. Science of the Total Environment, 2022, 841: 156769, Doi: 10.1016/j.scitotenv.2022.156769.

[25]
李小平, 余东升, 余娟娟. 异质性环境规制对碳生产率的空间溢出效应: 基于空间杜宾模型. 中国软科学, 2020, (4): 82-96.

[LI X P, YU D S, YU J J. Spatial spillover effect of heterogeneous environmental regulations on carbon productivity: Spatial durbin model. China Soft Science, 2020, (4): 82-96.]

[26]
LIU L, LI M Y, GONG X J, et al. Influence mechanism of different environmental regulations on carbon emission efficiency. International Journal of Environmental Research and Public Health, 2022, 19(20): 13385, Doi: 10.3390/ijerph192013385.

[27]
陈良侃, 陈明星, 张晓平, 等. 宜居地球、碳中和与全球可持续城市化. 自然资源学报, 2022, 37(5): 1370-1382.

DOI

[CHEN L K, CHEN M X, ZHANG X P, et al. Habitable earth, carbon neutrality and global sustainable urbanization. Journal of Natural Resources, 2022, 37(5): 1370-1382.]

[28]
黄永源, 朱晟君. 公众环境关注、环境规制与中国能源密集型产业动态. 自然资源学报, 2020, 35(11): 2744-2758.

DOI

[HUANG Y Y, ZHU S J. Public environmental concerns, environmental regulations and energy-intensive industrial dynamics in China. Journal of Natural Resources, 2020, 35(11): 2744-2758.]

[29]
SWART R, AMANN M, RAES F, et al. A good climate for clean air: Linkages between climate change and air pollution. Climatic Change, 2004, 66(3): 263-269.

[30]
孙博文, 郑世林. 环境规制的减污降碳协同效应: 来自清洁生产标准实施的准自然实验. 经济学(季刊), 2024, 24(2): 624-642.

[SUN B W, ZHENG S L. The synergistic effect of pollution reduction and carbon reduction of environmental regulation: Evidence from the quasi-natural experiment of cleaner production standards implementation. China Economic Quarterly, 2024, 24(2): 624-642.]

[31]
李欣, 顾振华, 徐雨婧. 公众环境诉求对企业污染排放的影响: 来自百度环境搜索的微观证据. 财经研究, 2022, 48(1): 34-48.

[LI X, GU Z H, XU Y J. The impact of public environmental appeals on enterprise pollution emissions: Micro evidence from Baidu environmental search. Journal of Finance and Economics, 2022, 48(1): 34-48.]

[32]
JAFFE A B, PALMER K. Environmental regulation and innovation: A panel data study. Review of Economics and Statistics, 1997, 79(4): 610-619.

[33]
许文立, 孙磊. 市场激励型环境规制与能源消费结构转型: 来自中国碳排放权交易试点的经验证据. 数量经济技术经济研究, 2023, 40(7): 133-155.

[XU W L, SUN L. Market-incentive environmental regulation and energy consumption structure transformation. Journal of Quantitative & Technological Economics, 2023, 40(7): 133-155.]

[34]
VAN WERVEN R, BOUWMEESTER O, CORNELISSEN J P. The power of arguments: How entrepreneurs convince stakeholders of the legitimate distinctiveness of their ventures. Journal of Business Venturing, 2015, 30(4): 616-631.

[35]
戴魁早, 骆莙函. 环境规制、政府科技支持与工业绿色全要素生产率. 统计研究, 2022, 39(4): 49-63.

[DAI K Z, LUO J H. Environmental regulation, government science and technology support and industrial green total factor productivity. Statistical Research, 2022, 39(4): 49-63.]

[36]
叶祥松, 刘敬. 异质性研发、政府支持与中国科技创新困境. 经济研究, 2018, 53(9): 116-132.

[YE X S, LIU J. Heterogeneous R&D, government support and China's technological innovation dilemma. Economic Research Journal, 2018, 53(9): 116-132.]

[37]
CHEN Y, FAN Z Y, GU X M, et al. Arrival of young talent: The send-down movement and rural education in China. American Economic Review, 2020, 110(11): 3393-3430.

[38]
徐丽笑, 王亚菲. 我国城市碳排放核算: 国际统计标准测度与方法构建. 统计研究, 2022, 39(7): 12-30.

[XU L X, WANG Y F. City carbon emission accounting in China: International statistical standards measurement and methodology construction. Statistical Research, 2022, 39(7): 12-30.]

[39]
游达明, 欧阳乐茜. 环境规制对工业企业绿色创新效率的影响: 基于空间杜宾模型的实证分析. 改革, 2020, (5): 122-138.

[YOU D M, OUYANG L Q. The impact of environmental regulation on the green innovation efficiency of industrial enterprises: An empirical analysis based on the spatial durbin model. Reform, 2020, (5): 122-138.]

[40]
宋鹏, 朱琪, 张慧敏. 环境规制执行互动与城市群污染治理. 中国人口·资源与环境, 2022, 32(3): 49-61.

[SONG P, ZHU Q, ZHANG H M. Implementation interaction of environmental regulations and pollution control in urban agglomerations. China Population, Resources and Environment, 2022, 32(3): 49-61.]

[41]
盛蓉. 中国生态产品供给效率改善的影响因素研究: 基于技术创新与制度整合双重视角. 自然资源学报, 2023, 38(12): 2966-2985.

DOI

[SHENG R. Efficiency of ecological products supply in China and its influencing factors from perspectives of technology innovation and institutional integration. Journal of Natural Resources, 2023, 38(12): 2966-2985.]

DOI

[42]
孔凡斌, 王宁, 徐彩瑶. 山区林业产业发展对城乡收入差距的影响机制: 基于就业与收入中介效应的视角. 自然资源学报, 2024, 39(1): 62-83.

DOI

[KONG F B, WANG N, XU C Y. The influence mechanism of forestry industry development in mountainous areas on urban-rural income gap: Based on the perspective of the mediating effect of employment and income. Journal of Natural Resources, 2024, 39(1): 62-83.]

[43]
李鹏升, 陈艳莹. 环境规制、企业议价能力和绿色全要素生产率. 财贸经济, 2019, 40(11): 144-160.

[LI P S, CHEN Y Y. Environmental regulation, bargaining power of enterprises and green total factor productivity. Finance & Trade Economics, 2019, 40(11): 144-160.]

[44]
谢荣辉. 环境规制、引致创新与中国工业绿色生产率提升. 产业经济研究, 2017, (2): 38-48.

[XIE R H. Environmental regulation, induced innovation, and growth of green productivity in China. Industrial Economics Research, 2017, (2): 38-48.]

[45]
陈诗一, 刘朝良, 金浩. 环境规制、劳动力配置与城市发展. 学术月刊, 2022, 54(2): 48-62.

[CHEN S Y, LIU C L, JIN H. Environmental regulation, labor allocation and high-quality urban development. Academic Monthly, 2022, 54(2): 48-62.]

[46]
任胜钢, 郑晶晶, 刘东华, 等. 排污权交易机制是否提高了企业全要素生产率: 来自中国上市公司的证据. 中国工业经济, 2019, (5): 5-23.

[REN S G, ZHENG J J, LIU D H, et al. Does emissions trading system improve firm's total factor productivity: Evidence from Chinese listed companies. China Industrial Economics, 2019, (5): 5-23.]

[47]
胡森林, 鲍涵, 郝均, 等. 环境规制对长三角城市绿色发展的影响: 基于技术创新的作用路径分析. 自然资源学报, 2022, 37(6): 1572-1585.

DOI

[HU S L, BAO H, HAO J, et al. Research on the impact of environmental regulation on urban green development in the Yangtze River Delta: An analysis of intermediary mechanism based on technological innovation. Journal of Natural Resources, 2022, 37(6): 1572-1585.]

[48]
邵帅, 范美婷, 杨莉莉. 经济结构调整、绿色技术进步与中国低碳转型发展: 基于总体技术前沿和空间溢出效应视角的经验考察. 管理世界, 2022, 38(2): 46-69, 4-10.

[SHAO S, FAN M T, YANG L L. Economic restructuring, green technical progress, and low-carbon transition development in China: An empirical investigation based on the overall technology frontier and spatial spillover effect. Journal of Management World, 2022, 38(2): 46-69, 4-10.]

[49]
林伯强. 能源革命促进中国清洁低碳发展的“攻关期”和“窗口期”. 中国工业经济, 2018, (6): 15-23.

[LIN B Q. The period of carrying out energy revolution to promote low carbon clean development in China. China Industrial Economics, 2018, (6): 15-23.]

[50]
ZHANG F, DENG X Z, PHILLIPS F, et al. Impacts of industrial structure and technical progress on carbon emission intensity: Evidence from 281 cities in China. Technological Forecasting and Social Change, 2020, 154: 119949, Doi: 10.1016/j.techfore.2020.119949.

[51]
刘志华, 徐军委, 张彩虹. 科技创新、产业结构升级与碳排放效率: 基于省际面板数据的PVAR分析. 自然资源学报, 2022, 37(2): 508-520.

DOI

[LIU Z H, XU J W, ZHANG C H. Technological innovation, industrial structure upgrading and carbon emissions efficiency: An analysis based on PVAR model of panel data at provincial level. Journal of Natural Resources, 2022, 37(2): 508-520.]

[52]
李虹, 邹庆. 环境规制、资源禀赋与城市产业转型研究: 基于资源型城市与非资源型城市的对比分析. 经济研究, 2018, 53(11): 182-198.

[LI H, ZOU Q. Environmental regulations, resource endowments and urban industry transformation: Comparative analysis of resource-based and non-resource-based cities. Economic Research Journal, 2018, 53(11): 182-198.]

[53]
吕朝凤, 朱丹丹. 市场化改革如何影响长期经济增长? 基于市场潜力视角的分析. 管理世界, 2016, 32(2): 32-44.

[LYU C F, ZHU D D. How does market-oriented reform affect long-term economic growth? Analysis from the perspective of market potential. Journal of Management World, 2016, 32(2): 32-44.]

文章导航

/