-
改革开放以来,中国经济在要素红利驱动下实现了长达40余年的高速增长,也在客观上形成了粗放型的经济增长模式。当前不少地方政府的经济增长仍依赖于低质、低效的产业体系,资源配置扭曲、产能过剩、创新不足等系统性风险不断积累,生态环境承载力已逼近临界值[1],供给体系质量和效率的提高成为决定中国可持续发展的关键要素,也是新一代产业革命潮流下重塑国际地位的重要变量。在此背景下,党的十九大报告作出了“转向高质量发展阶段”的重要研判,要求尽快“建设现代化经济体系,提高全要素生产率”。无论从中国经济结构改革、资源环境约束的态势看,还是从外部环境复杂性、全球产业革命的趋势看,提高全要素生产率(以下简称TFP)都是推进经济高质量发展的核心动力源[2-3],内生增长理论也将TFP视作各国经济发展水平差距的决定要素[4]。TFP本质上是一种资源配置效率,强调一切除有形要素外的技术进步、体制改革等带来的产出增加,2014年中国TFP仅达到美国43%的水平,与其他发达国家相比也存在较大差距①,意味着中国必须加快转向效率提升的集约型增长路径。
在向更高水平的集约型增长路径迈进的过程中,除了促进TFP提高外,经济产出的负外部环境效应是一个需要控制的因素。环境规制是中国污染防治的主要政策工具,国家从“十一五”规划到“十四五”规划不断提升环境规制强度。环境经济学的传统观点认为,规制强度过高会挤占生产性投资,不可避免地会降低生产效率和产业竞争力[5];反之,如果规制强度不足,又难以激励企业在技术创新上的投入[6]。环境规制能否促进发展效率提升,不仅与环境规制的强度有关,关键要看传导机制对经济高质量发展的重要性与匹配性。大多数研究从技术创新视角剖析环境规制对高质量发展的作用通道,从理论角度看,尽管这些研究对波特假说提供了一定的支撑,但均未能从结构性视角进一步揭示高质量发展如何实现的问题。从现实角度看,当前中国经济正处在市场不完善、要素流动不通畅、企业缺乏利益约束下的非均衡状态[7-8],从经济非均衡状态向TFP提升的鞍点路径动态优化,不能忽视环境规制对市场失灵缺陷的矫正作用,也不能忽视产业结构转型对要素合理流向和发展效率提升的推动作用。目前环境规制与经济高质量发展的相关研究尚不多见,鲜有涉及作用通道优化的文献,本文基于高质量发展既需要环境规制引导又需要产业结构推动的典型事实,将三者纳入统一分析框架,不仅剖析环境规制对高质量发展的直接影响,而且从结构转换这一新的视角探索两者之间的可能性影响机制,相关结论为优化环境规制政策效力、推进环境规制和产业结构转型的协同作用、助益经济高质量发展提供新的突破口。
-
经济高质量发展是一个持续变化的动态进程,且可能存在惯性,将其代理指标GTFP的滞后项纳入模型中。为系统检验环境规制对高质量发展的影响和中介机制,构建如下模型
$$ {\mathrm{G}\mathrm{T}\mathrm{F}\mathrm{P}}_{it}={\alpha }_{0}+{\varphi }_{0}{\mathrm{G}\mathrm{T}\mathrm{F}\mathrm{P}}_{{it}-1}+{\alpha }_{1}\mathrm{E}{\mathrm{R}}_{it}+\xi {\mathrm{C}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}\mathrm{l}}_{it}+{\varepsilon }_{it} $$ (1) $$ \mathrm{T}{\mathrm{L}}_{it}={\alpha }_{0}+{\beta }_{1}\mathrm{E}{\mathrm{R}}_{it}+\xi {\mathrm{C}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}\mathrm{l}}_{it}+{\varepsilon }_{it} $$ (2) $$ \mathrm{T}{\mathrm{S}}_{it}={\alpha }_{0}+{\beta }_{2}\mathrm{E}{\mathrm{R}}_{it}+\xi {\mathrm{C}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}\mathrm{l}}_{it}+{\varepsilon }_{it} $$ (3) $$ {\mathrm{G}\mathrm{T}\mathrm{F}\mathrm{P}}_{it}={\alpha }_{0}+{\varphi }_{1}{\mathrm{G}\mathrm{T}\mathrm{F}\mathrm{P}}_{{it}-1}+{\lambda }_{1}\mathrm{E}{\mathrm{R}}_{it}+{\lambda }_{2}{\mathrm{T}\mathrm{L}}_{it}+{\lambda }_{3}{\mathrm{T}\mathrm{S}}_{it}+\xi {\mathrm{C}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}\mathrm{l}}_{it}+{\varepsilon }_{it} $$ (4) 其中,GTFP代表绿色全要素生产率;ER为环境规制强度;TL、TS分别代表产业结构合理化、高级化;
$ \mathrm{C}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}\mathrm{l} $ 表示控制变量。式(1)为检验环境规制对高质量发展影响的基准回归模型。其中,
$ {\varphi }_{0} $ 衡量了GTFP的动态变化;$ {\alpha }_{1} $ 衡量了ER对GTFP的总效应。进一步地,可将GTFP的分解项EFFCH、TECHCH作为因变量,依次检验环境规制对生产效率改善、生产技术进步的影响。式(2)~式(4)为验证中介机制的递归型模型,首先通过式(2)和式(3)考察环境规制对产业结构合理化、高级化的影响,若${\beta _{\rm{1}}}$ 、${\beta _{\rm{2}}}$ 通过显著性检验,则将TL、TS纳入式(4)进行中介效应估计,若$ {\lambda }_{1} $ 、$ {\lambda }_{2} $ 、$ {\lambda }_{3} $ 均通过显著性检验,表明环境规制与高质量发展间的中介机制存在。从效应大小来看,ER对GTFP的直接效应为$ {\lambda }_{1} $ ,直接效应占比$ {\lambda }_{1} $ /$ {\mathrm{\alpha }}_{1} $ ,产业结构合理化中介效应占比为$ {\lambda }_{2}{\beta }_{1} $ /$ {\alpha }_{1} $ ,产业结构高级化中介效应占比为$ {\lambda }_{3}{\beta }_{2} $ /$ {\alpha }_{1} $ 。 -
环境规制通过产业结构转型中介渠道,对生产效率和生产技术产生双重作用,进而影响本地区高质量发展水平(直接效应)。同时环境规制强度变化会引起邻地产业结构转变,进而影响区域高质量发展水平(空间溢出效应)。基于此,环境规制对GTFP的影响要素主要分为四个部分:地区间的客观异质性(
$ {\alpha }_{0} $ )、地区内环境规制以及其他因素所造成的GTFP增长(${\delta }_{1}\mathrm{E}{\mathrm{R}}_{it}$ 、${\xi }_{1}{\mathrm{C}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}\mathrm{l}}_{it}$ )、地区间关联因素造成的GTFP增长($\rho {\displaystyle\sum }_{{j}=1}^{n}{{\boldsymbol{W}}}_{ij}\mathrm{G}{\mathrm{T}\mathrm{F}\mathrm{P}}_{jt}$ 、${\delta }_{2}{\displaystyle\sum }_{{j}=1}^{n}{{\boldsymbol{W}}}_{ij}\mathrm{E}{\mathrm{R}}_{jt}$ 、${\xi }_{2}{\displaystyle\sum }_{{j}=1}^{n}{{\boldsymbol{W}}}_{ij}{\mathrm{C}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}\mathrm{l}}_{jt}$ )以及其他未知因素($ {\mu }_{it} $ )。本文构建空间计量模型如下$$ {\mathrm{G}\mathrm{T}\mathrm{F}\mathrm{P}}_{it}={\alpha }_{0}+\rho {\displaystyle\sum }_{{j}=1}^{n}{{\boldsymbol{W}}}_{ij}\mathrm{G}{\mathrm{T}\mathrm{F}\mathrm{P}}_{jt}+{\delta }_{1}\mathrm{E}{\mathrm{R}}_{it}+{\delta }_{2}{\displaystyle\sum }_{{j}=1}^{n}{{\boldsymbol{W}}}_{ij}\mathrm{E}{\mathrm{R}}_{jt}+{\xi }_{1}{\mathrm{C}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}\mathrm{l}}_{it}+{\xi }_{2}{\displaystyle\sum }_{{j}=1}^{n}{{\boldsymbol{W}}}_{ij}{\mathrm{C}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}\mathrm{l}}_{jt}+ {\varsigma }_{i}+ {\varsigma }_{t}+{\mu }_{it} $$ (5) 其中,
${{\boldsymbol{W}}}_{ij}$ 代表空间权重矩阵;$ \rho $ 为空间自回归系数,反映GTFP的空间相依性;$ {\delta }_{2} $ 为空间滞后项系数,反映的是空间邻近省份ER对本省GTFP的影响,该系数符号有效,但无法直接解释空间效应的大小。为此根据Lesage和Pace[32]的方法进行效应分解,分别对解释变量求偏微分和交叉偏微分测算出本地效应和空间效应,若两种效应符号相反,表明地区间环境规制非对称执行,反之则反是,两种效应之和为总效应。根据Elhorst的方法,将估计系数的分解应用到空间计量模型中,即可解释空间效应的大小。 -
绿色全要素生产率(GTFP)。经济高质量发展既要求高效率、高效益的生产方式,又强调生产过程的可持续性。其中TFP是衡量效率的最重要指标,与著名经济学者吴敬琏和蔡昉所提倡的提高全要素生产率来促进高质量发展的观点相一致,另外环境效率是衡量发展可持续性的重要方面,进一步在TFP的基础上,构造了包含能源投入和污染排放的GTFP作为被解释变量。对于GTFP的测度,采用DEA—Malmquist方法,该方法基于线性规划技术得到生产前沿面,再以非径向距离函数(实际产出与前沿面最优产出之比)构造Malmquist指数,具体过程如下:
非径向距离函数
${D}({x},{y})$ 的线性规划为$$ \begin{aligned} &\qquad\; D\left(x,y,b,g\right)={\rm{max}}{w}_{m}^{x}{\beta }_{m}^{x}+{w}_{s}^{y}{\beta }_{s}^{y}+{w}_{j}^{b}{\beta }_{j}^{b} \\ & {\rm{s.t.}} \quad \displaystyle\sum _{r=1}^{R}\displaystyle\sum _{n=1}^{N}{z}_{n}^{r}{x}_{mn}\leqslant {x}_{m}-{\beta }_{m}^{x}{g}_{m}^{x} \;\;\;\;\;\;m=\mathrm{1,2},3,\cdots ,S \\ &\qquad\; \displaystyle\sum _{r=1}^{R}\displaystyle\sum _{n=1}^{N}{z}_{n}^{r}{y}_{sn}\geqslant {y}_{s}+{\beta }_{s}^{y}{g}_{s}^{y}\;\;\;\;\;\;s=\mathrm{1,2},3,\cdots, S \\ &\qquad\; \displaystyle\sum _{r=1}^{R}\displaystyle\sum _{n=1}^{N}{z}_{n}^{r}{b}_{jn}={b}_{j}-{\beta }_{j}^{b}{g}_{j}^{b}\;\;\;\;\;\;j=\mathrm{1,2},3,\cdots ,J \\ &\qquad\; {z}_{n}^{r}\geqslant 0\;\;\;\;\;\;n=\mathrm{1,2},3,\cdots ,N\;\;\;\;\;\;r=\mathrm{1,2},3,\cdots ,R\;\;\;\;\;\;{\beta }_{m}^{x}{\beta }_{s}^{y}{\beta }_{j}^{b}\geqslant 0 \end{aligned} $$ 基于产出角度的Malmquist指数根据
$ D(x,y) $ 构造$$ \begin{aligned}& {M}_{t}({x}_{t+1},{y}_{t+1},{x}_{t},{y}_{t})={D}_{t}({x}_{t+1},{y}_{t+1})/{D}_{t}({x}_{t},{y}_{t}) \\ & M({x}_{t+1},{y}_{t+1},{x}_{t},{y}_{t})={\left[\dfrac{{D}_{t}({x}_{t+1},{y}_{t+1})}{{D}_{t}({x}_{t},{y}_{t})}\times \dfrac{{D}_{t+1}({x}_{t+1},{y}_{t+1})}{{D}_{t+1}({x}_{t},{y}_{t})}\right]}^{\frac{1}{2}} \\ & M({x}_{t+1},{y}_{t+1},{x}_{t},{y}_{t})={\rm{EFFCH}}({x}_{t+1},{y}_{t+1},{x}_{t},{y}_{t})\times {\rm{TECHCH}}({x}_{t+1},{y}_{t+1},{x}_{t},{y}_{t}) \end{aligned} $$ 其中,
$ \left({x}_{t},{y}_{t}\right) $ 表示${t}$ 期投入产出组合;$ {M}_{t} $ 是在时期${t}$ 的技术条件${T}^{t}$ 下,从${t}$ 期到${t}+1$ 期的GTFP变化,同理可知技术条件$ {T}^{t+1} $ 下的$ {M}_{t+1} $ 。根据Caves均值思想,以$ {M}_{t} $ 和$ {M}_{t+1} $ 的几何均值M度量GTFP变化更为准确。在GTFP的实际测算中需要明确投入和产出指标,本文的投入指标设定为资本、劳动力和能源,产出指标设定为期望产出和非期望产出。其中,资本投入数据运用永续盘存法估算的各省份资本存量来表示;劳动力投入,采用各省份年末总就业人数表示;能源投入数据,以各地区能源消费总量测度;非期望产出数据,运用熵权法测算的各省份单位产出三废排放量的综合指标来衡量;期望产出数据,以各地区生产总值测度。根据2009—2018年30个省份(除西藏外)的投入产出数据,测算得到各省级区域的GTFP,并分解得到EFFCH和TECHCH。 -
环境规制(ER)。已有文献对ER的测度主要包括以下三类方法:一是使用污染治理投资指标度量ER,该方法认为一地环境污染治理投入越多,则环境规制强度越大。二是使用污染排放强度指标度量ER,通过对单位产值的各污染物排放量赋权加总,形成该地区的污染排放强度综合指数。三是使用征收的排污税费度量ER,该方法认为一地征收的排污费越多,环境规制强度越大。上述指标从污染治理投入或污染排放量层面测度ER掺杂了许多噪声,本文考虑从政府执行层面直接刻画更为准确,参考金刚和沈坤荣[33]的研究,以各省查处的环境违规企业数占地区企业总数比重度量ER,该数据来源于公众环境研究中心公布的全国企业环境监管记录数据库。
-
1)产业结构合理化(TL)。产业结构合理化反映的是产业间协调程度,基于偏离—均衡思想,一些学者构造结构偏离度指标度量合理化程度,但忽略了各产业权重差异。干春晖等[34]基于相对熵的思想,以不同产业部门占经济体比重加权构造了泰尔指数,既体现了产业间聚合质量,又体现资源有效利用程度。本文改进泰尔指数使其成为产业结构合理化的正向指标,具体方法如下
$$ \mathrm{T}\mathrm{L}=\frac{1}{{\displaystyle\sum }_{i=1}^{n}\left(\dfrac{{Y}_{i}}{Y}\right)\mathrm{ln}(\dfrac{\dfrac{{Y}_{i}}{{L}_{i}}}{\dfrac{Y}{L}})} $$ 其中,TL为泰尔指数;Y为产值;L为就业人数;
$ \dfrac{{Y}_{i}}{Y} $ 表示产出结构;$ \dfrac{Y}{L} $ 表示劳动生产率;i代表三次产业中的某一具体产业。2)产业结构高级化(TS)。产业结构高级化体现的是主导产业部门变迁和对技术创新吸收的过程,早期研究大多依据克拉克定律采用非农产业比值衡量高级化程度,但这种方法无法体现目前信息化的动向。信息化推动下的结构高级化表现为知识型、服务型趋势,众多学者以三产产值与二产产值之比度量TS[35],本文沿用这一方法。
-
影响经济高质量发展的因素众多,本文在模型中控制了一组地区特征变量,以尽可能降低模型设定偏误。这组变量分为地区经济因素、财政因素、开放性因素以及技术因素四个维度,分别用以下控制变量衡量:(1)经济发展水平(eco),采用各省人均GDP(万元)测度。(2)财政自主度(fiscal),采用各省预算内财政总收入占财政总支出比例测度。(3)对外开放水平(openness),以各省进出口总额占地区GDP比重测度。(4)人力资本水平(human),以各省高等学校平均在校生数占总人口比重测度。
-
本文数据来源于《中国统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》以及企业环境监管记录数据库等。在数据处理的过程中,遵循以下原则:(1)数据的可得性。在度量ER时,由于企业环境监管记录数据库中仅公布了2009年起的数据,以此作为研究的起点。(2)数据的准确性。如在GTFP测算中,一些文献直接将统计年鉴中提供的固定资产原值作为资本投入,本文在考虑货币时间价值和折旧率后,根据永续盘存法测算得到的资本投入数据更为准确。(3)数据的完整性。个别年份缺失数据采用指数平滑法补齐。变量的描述性统计结果如表1所示。
表 1变量的描述性统计
变量符号 变量名称 均值 标准差 GTFP 绿色全要素生产率 1.047 0.097 ER 环境规制强度 0.007 0.013 TL 产业结构合理化 3.162 1.280 TS 产业结构高级化 1.081 0.611 eco 经济发展水平 4.856 2.489 fiscal 财政自主度 0.507 0.192 openness 对外开放水平 0.277 0.321 human 人力资本水平 0.019 0.005 -
在面板回归之前,首先需要对数据的多重共线性、单位根进行预检验,经检验变量两两之间的相关系数最大值为0.63,进一步考察方差膨胀因子(VIF),各变量的VIF值均在2.25以下,说明变量间不存在严重的多重共线性问题。为避免模型中出现虚假回归问题,采用LLC法和IPS法进行了面板数据的单位根检验,在5%显著水平下各变量均拒绝了存在单位根的零假设,说明变量序列是平稳的。
模型(1)为动态面板模型,滞后一期GTFP作为解释变量出现,会产生内生性问题,为解决该问题对模型估计偏误的影响,采用SYS—GMM方法进行回归估计。表2报告了全国层面、不同规制强度分组的总效应估计结果,Sargan检验量说明不存在工具变量过度识别问题,AR(2)检验显示不存在二阶自相关,模型估计结果是有效且一致的。从全国层面的结果来看,第1列报告了环境规制对高质量发展的总效应为0.023,且通过了1%的显著性检验,表明政府查处环境污染企业的比例每提高1%,GTFP相应提高0.023%,证实了理论假设1。同时,GTFP滞后一期项的系数为正且显著,说明GTFP具有正向累积效应,与解垩[36]所说的追赶效应有所不同,本文发现初期位于生产前沿面的省份GTFP增长速度更快,可能的原因是这些省份在技术、知识、人力资本等要素上具有更高的积累,决定了其在实现GTFP的有效提高上具有更多优势。第2~第3列将因变量GTFP分别替换为EFFCH、TECHCH进行估计,ER变量仍在1%水平上显著,其中生产效率变化指数(EFFCH)的估计系数为0.012,意味着环境规制强度每提高1%,生产效率改进0.012%,技术进步指数(TECHCH)的估计系数为0.028,意味着环境规制强度每提高1%,生产技术进步0.028%。环境规制与效率改进和技术进步均为正相关,环境规制通过改善规模效率、资源配置效率以及激励技术创新,调节了经济增长的规模效应、结构效应、技术效应,支撑了GTFP增长。就影响效果而言,环境规制对技术进步的正向影响大于对效率改进的影响,技术进步是GTFP增长的主要原因,与原毅军和谢荣辉[37]的研究结论相近,可以看出中国目前环保督察制度取得良好成效,各地政府对污染企业的查处力度显著增强,激励更多企业选择能够获得长期潜在收益的技术创新,验证了“强波特假设”的成立性。
表 2环境规制影响高质量发展的总效应估计结果
变量 全国 高规制地区 中规制地区 低规制地区 GTFP EFFCH TECHCH GTFP GTFP GTFP GTFP Y(−1) 0.167** 0.139** 0.082*** 0.261* 0.219** 0.152** 0.106** (0.016) (0.021) (0.000) (0.070) (0.028) (0.032) (0.013) ER 0.023*** 0.012*** 0.028*** 0.031** 0.043*** 0.013** −0.014*** (0.000) (0.000) (0.000) (0.032) (0.000) (0.038) (0.000) ER2 2.508** (0.013) eco 0.052* 0.038** 0.061** 0.118* 0.107** 0.058*** 0.042** (0.067) (0.026) (0.034) (0.067) (0.046) (0.000) (0.022) fiscal −0.244 −0.373* −0.006* −0.253*** −0.031* −0.197* 0.132** (0.592) (0.073) (0.055) (0.003) (0.064) (0.062) (0.041) openness 0.130** 0.092** 0.189* 0.019** 0.167** 0.156* 0.077** (0.025) (0.033) (0.069) (0.036) (0.019) (0.085) (0.022) human 0.018*** 0.062*** 0.300** 0.033** 0.291** 0.036** −0.024* (0.006) (0.000) (0.034) (0.018) (0.023) (0.030) (0.063) AR(1) 0.000 0.002 0.001 0.005 0.001 0.002 0.008 AR(2) 0.205 0.215 0.308 0.294 0.341 0.165 0.260 Sargan test 0.340 0.313 0.275 0.172 0.318 0.251 0.209 注:*、**、***分别表示10%、5%和1%的显著性水平;回归系数括号里的数为p统计量;AR、Sargan test的数分别为prob>z、prob>chi2的值。 为进一步解析环境规制对经济高质量发展的非线性影响,本文引入了ER的二次项进行回归,对应表2中的第4列,ER2的估计系数为2.508且显著,也就是说,提高环境规制强度对经济高质量发展具有先抑制后促进的动态影响,与多数文献得到的“U形”动态规律相一致[20]。在确定了二者之间的“U形”关系后,明确环境规制强度处在“U形”曲线的上升阶段还是下降阶段,将给政策制定者带来更多的启示。由ER的一次项和二次项系数可推知曲线的拐点值为0.006,对于全国样本而言,ER的均值为0.007,这表明中国平均环境规制强度已经跨越了门槛值,对经济高质量发展的影响处于边际效应递增的阶段。考虑到各省份环境规制强度差异较大,不同规制强度地区可能处于“U形”曲线的不同位置,本文进一步将样本期内各省份ER从高到低排序,按每十个省份为一组进行分区,划分的结果为高规制强度组(ER>0.007)、中等规制强度组(0.004
[38]。对于ER低于0.004的地区,政府应当持续加强对环境污染企业的查处比例以跨过“U形”曲线拐点,倒逼企业采取调整投入结构、改进生产工艺、提高技术水平等方式达到保持利润率的目的,尽早实现环境治理与效率提升的双重红利。 -
为考察产业结构转型在环境规制与高质量发展间的中介渠道,首先采用模型(2)和模型(3)检验环境规制的产业结构调整效应,表3中的第1~第2列展示了固定效应模型估计结果,TL、TS的估计系数均为正,且通过了1%的显著性检验,表明环境规制有效驱动了产业结构合理化和高级化进程。在此基础上,将TL、TS纳入中介效应模型中进行作用渠道检验,对应模型(4),表3中的第3列报告了系统GMM估计结果。模型(4)和模型(1)的变量符号均相同,表明环境规制与高质量发展间的正向关系具有稳定性,ER的直接效应为0.008,明显小于模型(1)总效应0.023,直接效应占比为34.78%,侧面说明部分中介效应存在。TL、TS的估计系数分别为0.169、0.232,结构合理化和结构高级化双中介渠道显著存在,验证了理论假设2。简单计算后可知,环境规制对高质量发展的促进作用中有40.65%可由产业结构中介机制进行解释:其一,产业结构合理化中介效应占比为15.43%(0.169×0.021/0.023),环境规制矫正了市场失灵下的资源错配现象,内生驱动生产要素流向技术水平高、研发能力强的产业部门,从而提升了要素配置效率和产业生产率。其二,产业结构高级化中介效应占比为25.22%,环境规制通过增加高素质人力资本需求,强化生产过程的技术创新以及促进要素升级,推进产业结构向服务化、信息化的高水平状态转型,对经济高质量发展带来了“结构红利”,这与产业结构软化导致中国经济发展“结构性减速”的观点相反[35],近年来中国出现的结构性减速应该归因于经济发展惯性以及要素组合方法的固化,而环境规制对经济结构和资源配置具有强干预作用,地方政府可通过环境规制引导产业结构转型升级,促使经济走向以效率为主线的高水平增长路径。
表 3产业结构转型中介效应估计结果
变量 模型(2) 模型(3) 模型(4) 高规制地区 中等规制地区 低规制地区 TL TS GTFP GTFP GTFP GTFP Y(−1) 0.210*** 0.257*** 0.243*** 0.221** (0.000) (0.000) (0.002) (0.037) ER 0.021*** 0.025*** 0.008*** 0.004*** 0.008*** 0.010*** (0.000) (0.000) (0.000) (0.000) (0.006) (0.000) TL 0.169*** 0.160** 0.209*** 0.023** (0.000) (0.026) (0.000) (0.013) TS 0.232*** 0.318*** 0.174*** 0.115*** (0.000) (0.002) (0.000) (0.000) eco 0.034*** 0.117*** 0.016** 0.135** 0.043* 0.014** (0.000) (0.001) (0.039) (0.017) (0.072) (0.030) fiscal −0.093** −0.311** −0.225** −0.182** −0.121 0.063* (0.045) (0.015) (0.022) (0.048) (0.447) (0.075) openness 0.460 0.259 0.101** 0.094* 0.075 0.036 (0.247) (0.588) (0.035) (0.086) (0.210) (0.135) human 0.194** 1.800*** 0.341*** 0.533** 0.384** 0.140** (0.025) (0.000) (0.000) (0.014) (0.032) (0.027) AR(1) 0.002 0.000 0.000 0.004 AR(2) 0.330 0.291 0.405 0.152 Sargan test 0.262 0.214 0.259 0.320 注:*、**、***分别表示10%、5%和1%的显著性水平;回归系数括号里的数为p统计量;AR、Sargan test的数分别为prob>z、prob>chi2的值。 为考察不同规制强度地区产业结构中介渠道的差异,在此延续之前的分组方式,对模型(4)进行分组中介效应检验。从估计结果来看,产业结构合理化和高级化两条中介路径在三个分组中均显著为正,说明无论环境规制强度高低,规制政策均能通过产业结构转型中介渠道发挥对高质量发展的正向促进作用。分渠道来看,中等规制地区的产业结构合理化效应最强,表明适中的环境规制强度对产业间比例协调和要素优化配置的作用更大。高规制地区的产业结构高级化效应最强,说明这类地区新旧动能转换的积极作用已经发挥出来,越严格的环境规制对工业的“创造性破坏”能力越强,即打破原有制度下的产业路径依赖,对新产业部门和新知识溢出的诞生产生强烈冲击[39]。
-
前文的实证分析重点考察了行政型环境规制对高质量发展的总效应与中介效应,采用公众环境研究中心公布的环境违规企业数据是否具有稳定性,还需要进行稳健性检验。为此,本文将市场型规制工具(排污费征收金额ER1、污染治理投资ER2)作为ER的替代变量,分别进行总效应和中介效应估计,表4报告了检验结果。在模型(1)的稳健性检验中,排污费收入、污染治理投资对高质量发展的平均边际效应均在1%水平上显著,前者边际效应为0.011,后者为0.017,表明ER对GTFP的总体正向影响是稳定的。在模型(4)的稳健性检验中,排污费收入下TL和TS的估计系数为0.082和0.179,污染治理投资下TL和TS的系数为0.066和0.103,中介变量均显著为正,说明不同类型的规制工具都将通过结构合理化和高级化双渠道,因而可通过环境规制工具的优化组合助推地区经济转型升级。从影响效应对比中可以发现,行政型环境规制对高质量发展的总效应和中介效应均大于市场型规制工具,这与冯志军等[40]的结论相一致,表明以“强制处理”为特征的行政型环境规制在保障经济发展质量上是切实有效的,通过强化地方政府的环境监管职能能够更快化解污染产能,置换环境容量和市场空间,这是协调产业间份额和提升供给体系效率的重要途径,而市场型规制工具引起的“挤出效应”使得多数企业技术创新投入缩减,对经济结构转型的促进作用有所弱化。
表 4稳健性检验结果
变量 模型(1) 模型(4) 模型(1) 模型(4) 总效应 中介效应 总效应 中介效应 Y(−1) 0.096** 0.127** 0.108*** 0.138** (0.033) (0.025) (0.000) (0.015) ER1/ER2 0.011*** 0.003*** 0.017*** 0.006*** (0.000) (0.000) (0.002) (0.000) TL 0.082*** 0.066*** (0.000) (0.000) TS 0.179*** 0.103** (0.000) (0.017) Control 控制 控制 控制 控制 AR(1) 0.006 0.001 0.002 0.001 AR(2) 0.402 0.355 0.249 0.398 Sargan test 0.146 0.227 0.213 0.252 注:*、**、***分别表示10%、5%和1%的显著性水平;回归系数括号里的数为p统计量;AR、Sargan test的数分别为prob>z、prob>chi2的值。 -
环境规制显著驱动了中国高质量发展,那么在整体效率和质量改善的情形下,是否存在局部的“政策洼地”?一些学者认为环境规制的积极效应受到地方政府间竞争行为的影响,金刚等[33]指出规制竞争会加剧污染产业转移、产业结构低级化和产能过剩问题。赵宵伟[41]发现了局部地区“逐底竞争”的证据,认为环境规制竞争对经济增长数量具有负向空间溢出。在中国分权治理结构下,各地区实际执行的环境规制强度存在较大差异,特别是当环境规制具有产业结构优化效应时,可能会造成区域经济发展质量的非均衡演进。为此,有必要分析环境规制竞争对高质量发展的空间效应,首先,对核心变量进行全局莫兰指数检验,如图2、图3所示,中国省际ER和GTFP的莫兰指数值均为正数,并且呈逐年上升趋势,对莫兰指数进行显著性检验均通过,表明变量序列具有稳定的空间相关性。其次,构建空间计量模型的前提是基础模型本身存在空间相关性,对模型(1)的残差序列进行LM和Robust LM检验,表5展示了三种估计方法下的回归结果,在10%显著性水平下,模型(1)既存在空间滞后自相关,又存在空间误差自相关,其中双固定效应模型下的LM统计量最为显著,因此采用双固定的空间杜宾模型进行效应估计,对应模型(5)。
表 5基准模型LM检验结果
统计量 OLS 个体固定效应 双固定效应 LMLAG 13.866*** 11.341*** 18.425*** LMERR 2.105* 2.975* 15.804*** R_LMLAG 23.734*** 18.379*** 23.023*** R_LMERR 11.973*** 10.013** 20.402*** 注:*、**、***分别表示10%、5%和1%的显著性水平。 模型(5)中具有空间相关性的变量为ER、GTFP,对于空间权重矩阵W的选择,考虑到空间相关性来源于地方政府规制竞争,从区域竞争和经济竞争两个角度构建权重矩阵:(1)地理距离权重矩阵(W1)。Wij用省份i与省份j直线距离的倒数来衡量,
${{\boldsymbol{w}}}_{ij}{=}{1}{/}\left|{d}_{i}-{d}_{j}\right|$ 。(2)经济距离权重矩阵(W2)。Wij用省份i与省份j人均GDP差值的倒数来衡量,${{\boldsymbol{w}}}_{ij}{=}{1}{/}\left|\mathrm{p}\mathrm{g}\mathrm{d}{\mathrm{p}}_{i}-\mathrm{p}\mathrm{g}\mathrm{d}{\mathrm{p}}_{j}\right|$ 。表6报告了空间杜宾模型的估计结果,两种权重矩阵下WGTFP的估计系数均显著为正,高质量发展水平呈现出空间集聚的特征,W1矩阵下GTFP的估计系数大于W2,说明地理邻接是空间溢出的主要途径,本地区经济发展质量水平的提升,在很大程度上辐射带动了周边地区GTFP的提升,这既与地理分布、资源禀赋等自然因素相关,也与交通便利、技术扩散、劳动力共享等社会经济因素相关[42]。行政型环境规制对经济高质量发展具有负向空间影响,为保证空间杜宾模型估计的稳健性,将ER变量替换为排污费收入(ER1)、污染治理投资(ER2)再次回归,分别对应第3、第4列,可以看出异质性环境规制工具对高质量发展的空间影响均稳定存在,但行政型环境规制的负向空间溢出大于市场型环境规制,这可能是因为环保部门的执法效率容易受到地方政府的干预,出于利润激励的政府竞争行为对区域高质量发展具有更大的空间影响。表 6空间杜宾模型估计结果
变量 模型(5) 稳健性检验(替换ER) W1 W2 W1 W1 W×GTFP 0.126*** 0.096** 0.087** 0.059*** (0.000) (0.022) (0.039) (0.004) ER 0.015*** 0.007*** 0.011** 0.006** (0.000) (0.000) (0.018) (0.031) W×ER −0.008*** −0.003** −0.006** −0.003* (0.000) (0.035) (0.023) (0.065) Control 控制 控制 控制 控制 LR_Lag 76.297*** 80.310*** 65.414*** 68.827*** LR_Err 83.103*** 69.681*** 53.052*** 61.362*** logL 320.199 288.614 243.015 289.238 R2 0.553 0.416 0.498 0.505 注:*、**、***分别表示10%、5%和1%的显著性水平;括号里的数为p统计量。 空间杜宾模型的系数符号显著有效,但并不能准确刻画解释变量的边际影响,分解后的直接效应、间接效应和总效应才能真实反映“本地—邻地”效应,因此在拟合优度较好的W1矩阵下,对行政型环境规制的空间效应以及区域异质性进一步探讨,估计结果如表7所示。
表 7环境规制的直接、间接和总效应分解结果
变量 效应分解 全国 东部地区 中部地区 西部地区 ER 直接效应 0.019*** 0.026*** 0.017*** 0.008** (0.000) (0.000) (0.000) (0.039) 间接效应 −0.003*** −0.005** 0.007*** 0.004** (0.000) (0.024) (0.000) (0.033) 总效应 0.016*** 0.021*** 0.024*** 0.012*** (0.000) (0.003) (0.000) (0.000) 注:*、**、***分别表示10%、5%和1%的显著性水平;括号里的数为p统计量。 表7的第1列展示了全样本分解结果,ER的直接效应为0.019,且在1%的水平上显著,与不考虑空间溢出时ER的估计系数0.023相比明显减小,可见模型(1)中环境规制对本地高质量发展的影响被高估。ER的空间效应为−0.003,说明环境规制对整体高质量发展存在负向空间溢出,验证了假设3。结合本地效应和空间效应,可以发现地方政府在环境规制执行上呈现差别化竞争的局面,使得一些地区沦为“污染天堂”,产业结构被低端锁定,难以对高质量发展起到良好的助推作用。考虑到中国不同区域间环境规制强度和经济发展水平的非均衡现状,有必要进行区域异质性讨论。
表7的第2~第4列报告了分样本分解结果,从直接效应上看,各区域ER对本地GTFP的影响均显著为正,其中东部ER的直接效应为0.026,中部和西部分别为0.017和0.008。东部较强的本地影响来源于较高的市场化程度,其包含了中国主要的经济发达省份,具有较高的技术水平、较完善的资源市场、较好的产业基础,环境规制政策充分利用了产业结构转型中介渠道,从而对GTFP增长起到更大的促进作用。中西部环境规制的本地效应虽不及东部,但也呈现出显著正向影响,中部作为工业生产的核心区域,长期以来形成了依靠单一要素红利发展(如劳动力红利、资源富集红利等)的产业路径依赖,环境规制对落后产能退出形成了有效的倒逼机制,促进该地区经济发展质量的提升,西部地区经济基础较为薄弱,实施与该地区相适宜的环境规制政策能够指引产业发展方向,激励技术创新,进而提升了经济增长活力[16]。
从间接效应上看,东部和中西部呈现截然相反的局面。ER对东部区域GTFP具有负向溢出效应,估计系数为−0.005,也就是说邻近省份环境规制强度提高了1%,便会使得本省绿色全要素生产率下降0.005%,结合正向的直接效应0.026,反映了各省份环境规制间存在明显的竞争效应,识别为“你强我弱”的差异化竞争行为,这与郑金铃[43]得出的结论一致,实践中中国东部各省产业层次差异明显,为协调区域的经济发展,在产业转移的过程中存在区域定点对接现象,经济实力较弱的地区为吸引利高税大产业流入,更有可能降低环境规制强度,导致产业低端锁定和产业结构恶化,地方政府竞争下的“污染天堂负效应”对GTFP增长产生了显著的抑制作用。与东部区别明显的是,中、西部ER均产生了正向溢出效应,分别为0.007和0.004,结合正向的本地效应,说明中西部各省份环境规制趋于对称执行,污染产业转移无利可图,环境规制加强不仅可以激励本地产业结构合理化、高级化效应,还将通过示范效应带动邻地规制执行力加强,“竞相向上”的规制竞争策略促进了中西部区域整体GTFP增长。
从总效应来看,东、中、西部ER的总效应分别为0.021、0.024、0.012,中部地区环境规制的总效应最强。虽然东部ER的直接效应明显高于中部地区,但负向空间效应显著削弱了本地产业结构优化效应,弱化了东部区域环境规制的质量提升效应。因此在推进经济高质量协同发展的进程中,优化环境规制的空间溢出非常重要,经济环境迥异的省与省之间,需着力控制高污染产业转移,政府应加快构建区域一体化环境规制体系,使得各地政府相互监督、相互学习环境政策,充分发挥污染治理和产业升级的正外部性。
The Influence of Environmental Regulations on High-quality Development and Spatial Effects
——Based on the Intermediate Perspective of Industrial Structure Transformation
-
摘要:在污染治理和经济转型的双重压力下,环境规制是否以及如何影响经济高质量发展,目前学术界尚未形成共识。基于2009—2018年中国30个省级行政区的面板数据,从结构转换这一新的视角解构环境规制与经济高质量发展的作用通道,构建空间杜宾模型刻画环境规制竞争,探索对高质量发展的空间溢出效应。研究结果显示:(1)环境规制对经济高质量发展具有显著且稳定的促进作用,效率改进和技术进步是提升发展质量的主要来源。环境规制与高质量发展间存在“U形”动态规律,中国平均环境规制强度已经处在“U形”曲线的上升阶段,但低规制强度组尚处在“U形”曲线的下降阶段。(2)环境规制通过产业结构合理化和高级化中介通道间接促进发展质量提升,且产业结构中介效应大于环境规制的直接效应,环境规制有助于激励产业结构合理化对要素重置效率的促进效应,增强产业结构高级化对要素升级的促进效应,进而助益经济高质量发展。(3)考虑空间相关性后,全局层面环境规制对高质量发展的促进作用有所减弱,局部区域环境规制竞争产生了异质性的空间影响,东部地方政府在环境规制执行上缺乏协同性,对高质量发展具有负向空间溢出,而中西部环境规制竞争具有正向空间溢出。从环境规制政策的制定和执行角度,提出优化产业结构效应和空间效应的对策,为推进经济高质量发展提供可行路径。Abstract:Under the dual pressures of pollution control and economic transformation, the academic community has not yet reached a consensus on whether and how environmental regulations affect high-quality economic development. Based on the panel data of 30 province-level administrative regions from 2009 to 2018, this paper analyzed the relationship of environmental regulation and high-quality economic development from the perspective of structural transformation, and the spatial Durbin model was used to describe the competition of environmental regulations and explore the spatial spillover effect on high-quality development. The research found that: (1) Environmental regulation had a significant and stable promotion effect on high-quality development, in which efficiency improvement and technological progress were the main sources. There was a U-shaped dynamic law in environmental regulation and high-quality development. Now China’s average environment regulation is already in the ascending stage of the U-shaped curve, but the low-regulation intensity group is still in the descending stage of the U-shaped curve. (2) Environmental regulation indirectly promoted the high-quality development through the intermediary channels of industrial structure rationalization and advancement, and the intermediary effect was greater than the direct effect. Environmental regulation is conducive to fully encouraging the industrial structure rationalization to reduce the efficiency of factor replacement, and enhance the positive effects of industrial structure advancement on the upgrading of factors, thereby contributing to high-quality development. (3) After the spatial relevance was considered, the effect of environmental regulations in promoting high-quality development weakened, and the competition of environmental regulations among local governments showed a heterogeneous impact. The eastern region lacked synergy in the implementation of environmental regulations, thus producing negative spatial spillovers, while in central and western regions, environmental regulations had positive spatial spillovers on high-quality development. Finally, in the formulation and implementation of environmental regulatory policies, the effects of industrial structure and spatial effects were optimized, and a feasible path to promote high-quality economic development was provided.注释:1) 数据来源于美国宾夕法尼亚大学建立的“佩恩表”数据库(PWT9.0)。
-
表 1变量的描述性统计
变量符号 变量名称 均值 标准差 GTFP 绿色全要素生产率 1.047 0.097 ER 环境规制强度 0.007 0.013 TL 产业结构合理化 3.162 1.280 TS 产业结构高级化 1.081 0.611 eco 经济发展水平 4.856 2.489 fiscal 财政自主度 0.507 0.192 openness 对外开放水平 0.277 0.321 human 人力资本水平 0.019 0.005 表 2环境规制影响高质量发展的总效应估计结果
变量 全国 高规制地区 中规制地区 低规制地区 GTFP EFFCH TECHCH GTFP GTFP GTFP GTFP Y(−1) 0.167** 0.139** 0.082*** 0.261* 0.219** 0.152** 0.106** (0.016) (0.021) (0.000) (0.070) (0.028) (0.032) (0.013) ER 0.023*** 0.012*** 0.028*** 0.031** 0.043*** 0.013** −0.014*** (0.000) (0.000) (0.000) (0.032) (0.000) (0.038) (0.000) ER2 2.508** (0.013) eco 0.052* 0.038** 0.061** 0.118* 0.107** 0.058*** 0.042** (0.067) (0.026) (0.034) (0.067) (0.046) (0.000) (0.022) fiscal −0.244 −0.373* −0.006* −0.253*** −0.031* −0.197* 0.132** (0.592) (0.073) (0.055) (0.003) (0.064) (0.062) (0.041) openness 0.130** 0.092** 0.189* 0.019** 0.167** 0.156* 0.077** (0.025) (0.033) (0.069) (0.036) (0.019) (0.085) (0.022) human 0.018*** 0.062*** 0.300** 0.033** 0.291** 0.036** −0.024* (0.006) (0.000) (0.034) (0.018) (0.023) (0.030) (0.063) AR(1) 0.000 0.002 0.001 0.005 0.001 0.002 0.008 AR(2) 0.205 0.215 0.308 0.294 0.341 0.165 0.260 Sargan test 0.340 0.313 0.275 0.172 0.318 0.251 0.209 注:*、**、***分别表示10%、5%和1%的显著性水平;回归系数括号里的数为p统计量;AR、Sargan test的数分别为prob>z、prob>chi2的值。 表 3产业结构转型中介效应估计结果
变量 模型(2) 模型(3) 模型(4) 高规制地区 中等规制地区 低规制地区 TL TS GTFP GTFP GTFP GTFP Y(−1) 0.210*** 0.257*** 0.243*** 0.221** (0.000) (0.000) (0.002) (0.037) ER 0.021*** 0.025*** 0.008*** 0.004*** 0.008*** 0.010*** (0.000) (0.000) (0.000) (0.000) (0.006) (0.000) TL 0.169*** 0.160** 0.209*** 0.023** (0.000) (0.026) (0.000) (0.013) TS 0.232*** 0.318*** 0.174*** 0.115*** (0.000) (0.002) (0.000) (0.000) eco 0.034*** 0.117*** 0.016** 0.135** 0.043* 0.014** (0.000) (0.001) (0.039) (0.017) (0.072) (0.030) fiscal −0.093** −0.311** −0.225** −0.182** −0.121 0.063* (0.045) (0.015) (0.022) (0.048) (0.447) (0.075) openness 0.460 0.259 0.101** 0.094* 0.075 0.036 (0.247) (0.588) (0.035) (0.086) (0.210) (0.135) human 0.194** 1.800*** 0.341*** 0.533** 0.384** 0.140** (0.025) (0.000) (0.000) (0.014) (0.032) (0.027) AR(1) 0.002 0.000 0.000 0.004 AR(2) 0.330 0.291 0.405 0.152 Sargan test 0.262 0.214 0.259 0.320 注:*、**、***分别表示10%、5%和1%的显著性水平;回归系数括号里的数为p统计量;AR、Sargan test的数分别为prob>z、prob>chi2的值。 表 4稳健性检验结果
变量 模型(1) 模型(4) 模型(1) 模型(4) 总效应 中介效应 总效应 中介效应 Y(−1) 0.096** 0.127** 0.108*** 0.138** (0.033) (0.025) (0.000) (0.015) ER1/ER2 0.011*** 0.003*** 0.017*** 0.006*** (0.000) (0.000) (0.002) (0.000) TL 0.082*** 0.066*** (0.000) (0.000) TS 0.179*** 0.103** (0.000) (0.017) Control 控制 控制 控制 控制 AR(1) 0.006 0.001 0.002 0.001 AR(2) 0.402 0.355 0.249 0.398 Sargan test 0.146 0.227 0.213 0.252 注:*、**、***分别表示10%、5%和1%的显著性水平;回归系数括号里的数为p统计量;AR、Sargan test的数分别为prob>z、prob>chi2的值。 表 5基准模型LM检验结果
统计量 OLS 个体固定效应 双固定效应 LMLAG 13.866*** 11.341*** 18.425*** LMERR 2.105* 2.975* 15.804*** R_LMLAG 23.734*** 18.379*** 23.023*** R_LMERR 11.973*** 10.013** 20.402*** 注:*、**、***分别表示10%、5%和1%的显著性水平。 表 6空间杜宾模型估计结果
变量 模型(5) 稳健性检验(替换ER) W1 W2 W1 W1 W×GTFP 0.126*** 0.096** 0.087** 0.059*** (0.000) (0.022) (0.039) (0.004) ER 0.015*** 0.007*** 0.011** 0.006** (0.000) (0.000) (0.018) (0.031) W×ER −0.008*** −0.003** −0.006** −0.003* (0.000) (0.035) (0.023) (0.065) Control 控制 控制 控制 控制 LR_Lag 76.297*** 80.310*** 65.414*** 68.827*** LR_Err 83.103*** 69.681*** 53.052*** 61.362*** logL 320.199 288.614 243.015 289.238 R2 0.553 0.416 0.498 0.505 注:*、**、***分别表示10%、5%和1%的显著性水平;括号里的数为p统计量。 表 7环境规制的直接、间接和总效应分解结果
变量 效应分解 全国 东部地区 中部地区 西部地区 ER 直接效应 0.019*** 0.026*** 0.017*** 0.008** (0.000) (0.000) (0.000) (0.039) 间接效应 −0.003*** −0.005** 0.007*** 0.004** (0.000) (0.024) (0.000) (0.033) 总效应 0.016*** 0.021*** 0.024*** 0.012*** (0.000) (0.003) (0.000) (0.000) 注:*、**、***分别表示10%、5%和1%的显著性水平;括号里的数为p统计量。 -
[1] 何强. 要素禀赋、内在约束与中国经济增长质量[J]. 统计研究, 2014(1): 70-77doi:10.3969/j.issn.1002-4565.2014.01.011 [2] 国家发展改革委经济研究所课题组. 推动经济高质量发展研究[J]. 宏观经济研究, 2019(2): 5-17 [3] 王一鸣. 百年大变局、高质量发展与构建新发展格局[J]. 管理世界, 2020, 36(12): 1-13doi:10.3969/j.issn.1002-5502.2020.12.002 [4] EASTERLY W, LEVINE R. It is not factor accumulation: stylized facts and growth models[J]. World Bank Economic Review, 2001(15): 177-219. [5] DENISON E F. Accounting for slower economic growth: the United States in the 1970s[J]. Southern Economic Journal, 1981, 47(4): 132-146. [6] PORTER M E. America's green strategy[J]. Scientific American, 1991(4): 168. [7] 范庆泉, 张同斌. 中国经济增长路径上的环境规制政策与污染治理机制研究[J]. 世界经济, 2018, 41(8): 171-192 [8] 刘志彪, 凌永辉. 结构转换、全要素生产率与高质量发展[J]. 管理世界, 2020, 36(7): 15-29doi:10.3969/j.issn.1002-5502.2020.07.004 [9] 贺晓宇, 沈坤荣. 现代化经济体系、全要素生产率与高质量发展[J]. 上海经济研究, 2018(6): 25-34 [10] 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[J]. 数量经济技术经济研究, 2019, 36(6): 3-21 [11] 上官绪明, 葛斌华. 科技创新、环境规制与经济高质量发展: 来自中国278个地级及以上城市的经验证据[J]. 中国人口·资源与环境, 2020, 30(6): 95-104 [12] 逄锦聚, 林岗, 杨瑞龙, 等. 促进经济高质量发展笔谈[J]. 经济学动态, 2019(7): 3-19 [13] 王群勇, 陆凤芝. 环境规制能否助推中国经济高质量发展: 基于省际面板数据的实证检验[J]. 郑州大学学报(哲学社会科学版), 2018, 51(6): 64-70 [14] 何兴邦. 环境规制与中国经济增长质量: 基于省际面板数据的实证分析[J]. 当代经济科学, 2018, 40(2): 1-10 [15] 孙玉阳, 宋有涛, 杨春荻. 环境规制对经济增长质量的影响: 促进还是抑制: 基于全要素生产率视角[J]. 当代经济管理, 2019, 41(10): 11-17 [16] 陶静, 胡雪萍. 环境规制对中国经济增长质量的影响研究[J]. 中国人口·资源与环境, 2019, 29(6): 85-96 [17] 童健, 刘伟, 薛景. 环境规制、要素投入结构与工业行业转型升级[J]. 经济研究, 2016, 51(7): 43-57 [18] 沈能. 环境效率、行业异质性与最优规制强度: 中国工业行业面板数据的非线性检验[J]. 中国工业经济, 2012(3): 56-68 [19] 李强. 环境规制与产业结构调整: 基于Baumol模型的理论分析与实证研究[J]. 经济评论, 2013(5): 100-107 [20] 钟茂初, 李梦洁, 杜威剑. 环境规制能否倒逼产业结构调整: 基于中国省际面板数据的实证检验[J]. 中国人口·资源与环境, 2015, 25(8): 107-115doi:10.3969/j.issn.1002-2104.2015.08.014 [21] 原毅军, 谢荣辉. 环境规制的产业结构调整效应研究: 基于中国省际面板数据的实证检验[J]. 中国工业经济, 2014(8): 57-69 [22] 李小平, 卢现祥, 陶小琴. 环境规制强度是否影响了中国工业行业的贸易比较优势[J]. 世界经济, 2012, 35(4): 62-78 [23] 李平, 付一夫, 张艳芳. 生产性服务业能成为中国经济高质量增长新动能吗?[J]. 中国工业经济, 2017(12): 5-21 [24] 张永恒, 郝寿义. 高质量发展阶段新旧动力转换的产业优化升级路径[J]. 改革, 2018(11): 30-39 [25] KUZNETS S. Quantitative aspects of the economic growth of nations: industrial distribution of national product and labor force[J]. Economic Development and Cultural Change, 1957, 5(4): 1-111. [26] 蔡跃洲, 付一夫. 全要素生产率增长中的技术效应与结构效应: 基于中国宏观和产业数据的测算及分解[J]. 经济研究, 2017, 52(1): 72-88 [27] 肖兴志, 李少林. 环境规制对产业升级路径的动态影响研究[J]. 经济理论与经济管理, 2013(6): 102-112doi:10.3969/j.issn.1000-596X.2013.06.010 [28] ACEMOGLU D, AGHION P, BURSZTYN L, et al. The environment and directed technical change[J]. American Economic Review, 2012, 102(1): 131-166.doi:10.1257/aer.102.1.131 [29] 林秀梅, 关帅. 环境规制推动了产业结构转型升级吗: 基于地方政府环境规制执行的策略互动视角[J]. 南方经济, 2020(11): 99-115 [30] 张华. 地区间环境规制的策略互动研究: 对环境规制非完全执行普遍性的解释[J]. 中国工业经济, 2016(7): 74-90 [31] 沈坤荣, 金刚, 方娴. 环境规制引起了污染就近转移吗?[J]. 经济研究, 2017, 52(5): 44-59 [32] LESAGE J P, PACE R K. Introduction to spatial econometrics[M]. Boca Raton: CRC Press, 2009: 355-376. [33] 金刚, 沈坤荣. 以邻为壑还是以邻为伴: 环境规制执行互动与城市生产率增长[J]. 管理世界, 2018, 34(12): 43-55doi:10.3969/j.issn.1002-5502.2018.12.005 [34] 干春晖, 郑若谷, 余典范. 中国产业结构变迁对经济增长和波动的影响[J]. 经济研究, 2011, 46(5): 4-16+31 [35] 于斌斌. 产业结构调整与生产率提升的经济增长效应: 基于中国城市动态空间面板模型的分析[J]. 中国工业经济, 2015(12): 83-98 [36] 解垩. 环境规制与中国工业生产率增长[J]. 产业经济研究, 2008(1): 19-25+69doi:10.3969/j.issn.1671-9301.2008.01.003 [37] 原毅军, 谢荣辉. 环境规制与工业绿色生产率增长: 对"强波特假说"的再检验[J]. 中国软科学, 2016(7): 144-154doi:10.3969/j.issn.1002-9753.2016.07.016 [38] 蒋伏心, 王竹君, 白俊红. 环境规制对技术创新影响的双重效应: 基于江苏制造业动态面板数据的实证研究[J]. 中国工业经济, 2013(7): 44-55 [39] SCHULZE A, PAUL MACDUFFIE J, TAUBE F A. Introduction: knowledge generation and innovation diffusion in the global automotive industry-change and stability during turbulent times[J]. Industrial and Corporate Change, 2015, 24(3): 603-611.doi:10.1093/icc/dtv015 [40] 冯志军, 陈伟, 杨朝均. 环境规制差异、创新驱动与中国经济绿色增长[J]. 技术经济, 2017, 36(8): 61-69doi:10.3969/j.issn.1002-980X.2017.08.009 [41] 赵霄伟. 地方政府间环境规制竞争策略及其地区增长效应: 来自地级市以上城市面板的经验数据[J]. 财贸经济, 2014(10): 105-113 [42] 陈黎明, 王俊昊, 赵婉茹, 等. 中国区域绿色全要素生产率的影响因素及其空间特征[J]. 财经理论与实践, 2020, 41(4): 122-132 [43] 郑金铃. 分权视角下的环境规制竞争与产业结构调整[J]. 当代经济科学, 2016, 38(1): 77-85doi:10.3969/j.issn.1002-2848.2016.01.008