-
作为全球最大的二氧化碳排放国,中国积极参与全球气候治理,并提出明确的减排目标:CO2排放力争于2030年前达到峰值,争取2060年前实现碳中和。工业企业作为能源消耗大户,其年均能源消费约占中国能源消费总量的65%[1],工业企业低碳实践对中国碳达峰、碳中和目标的实现起着关键作用[2]。“十三五”规划期间,为引导企业创新低碳实践,中央和地方政府出台了一系列激励型补贴政策和约束型碳减排目标规制政策,工业企业在能源使用、产品设计、生产及管理过程等方面低碳实践整体取得明显进步,但不同类型工业企业间差距仍较大,碳减排“不平衡、不充分”现象较为突出。近期有学者提出应充分考虑企业异质性,制定更具针对性的节能减排政策[3-4],有效引导各类型工业企业低碳实践均衡提升。当前哪些类型工业企业对各低碳策略选择程度相对较高,哪些类型工业企业低碳实践仍有待改善?政府在工业企业低碳策略选择中是否发挥了作用?针对上述问题的解答,对工业企业碳减排政策工具设计具有重要意义。
近年来,随着全球气候变化的日益严峻和企业减排重要性的凸显,国内外学者对企业低碳策略的研究日益升温,取得了一些有价值的学术成果。Kolk和Pinkse[5]、王明喜等[6]、Lee[7]、廖华等[8]、Zhou和Wen[9]对企业低碳实践进行了收集和梳理,初步建立企业低碳实践的概念框架。部分研究发现企业自身特征与企业低碳实践存在一定的关系,企业家特质、企业人数、企业所有制、地域差异等因素影响企业低碳实践[8-11],但对异质性企业具体低碳实践表现还有待进一步探究。有学者对政府作用的研究主要聚焦于监管约束一侧,政府监管约束与企业低碳实践的相关性可能与地域因素有关,例如,Zhu和Sarkis[12]对中国制造商的样本数据进行分层回归分析发现,政府监管、市场规范等外部约束对企业低碳实践具有积极的促进作用,而Buysse和Verbeke[13]根据比利时样本研究发现,企业环境策略与政府间的联系似乎比预期要有限。通过梳理以往研究文献发现,探究异质性企业低碳表现和外部利益相关者对企业低碳策略的影响是近年来的研究热点,但企业异质性特征与其具体低碳策略选择间的关系还有待进一步探索,结合中国节能减排政策的影响机理分析仍有待加强。
从现实情况来看,工业企业低碳实践已经成为改善产业绿色发展、健全工业低碳经济体系的重要手段,对于以环境和经济为双核心的系统,需要构建包括政策目标在内的工业企业低碳策略选择模型,以满足企业、政府及宏观环境的多重需要[14]。“十三五”规划时期,山东省因其在中国高质量发展大局中重要的战略节点位置,被确定为首个新旧动能转换综合试验区,中央和地方政府相继出台相关政策,为工业企业创新低碳实践提供了良好环境,企业创新积极性得以激发,低碳实践取得的成效较为显著,这为本文相关理论研究提供了较为理想的现实依据;此外,高耗能行业能源效率提升、碳排放强度降低是中国碳减排目标实现的重要着力点[15-16],山东省传统资源型行业占比较高,企业能源消耗强度高、能源需求总量大,多年来的累计碳排放总量位居全国第一[17],以山东省高耗能、重污染工业企业为研究对象,所得结论能够对中国工业经济低碳转型提供重要启示。本文在以往学者对企业低碳实践概念框架研究的基础上,对中国工业企业采取的主要低碳策略进行梳理和总结,基于相关理论和《“十三五”节能减排综合工作方案》中明确的“企业主体”“政府主导”节能减排工作要求,建立“异质性企业—政府作用—低碳策略选择”的分析框架,采用“十三五”规划期间山东省工业企业相关数据,实证研究了企业异质性特征与各类低碳策略间的关系,又以政府低碳补贴和地方政府碳减排目标约束分别作为中介变量和调节变量,探讨政府对异质性工业企业低碳策略选择的影响机理。
-
低碳经济背景下,节能减排行为不再简单被视为一种企业负担,其相应策略选择构成了企业寻求新竞争优势的机会[18]。根据资源基础观(Resource-based View),优势的资源和能力是企业取得超常收益和占据可持续竞争优势的关键[19],企业会做出与之匹配的策略选择,以期获得资金、技术、环境等方面的良好表现。企业规模是刻画企业优势资源和能力差异的重要变量,企业规模会影响组织战略决策,致使企业资源的整合和配置结果不同[20],进而在具体低碳策略的选择上表现出差异。工业企业低碳实践需要占用和耗费大量组织资源,给企业生产带来成本负担,通常情况下规模越大的企业组织能力和资源条件表现更好,而规模较小的公司承担低碳实践成本的能力相对较弱,低碳实践积极性整体不高[8]。
部分学者发现转型经济背景下,企业自身制度是企业低碳实践的重要影响因素。企业产权性质可作为制度安排的潜在表征[21],不同产权类型企业在资源获取和管理能力上差异明显。政府因对国有企业进行投资进而形成了一种稳定的、经常性的财务关系,同时政府以投资者、社会管理者及经营者等多重身份对国有企业实施管理。因此,从满足工业企业低碳实践相关资源能力的角度来看,国有企业在资金实力和管理体制方面均有优势,相较于其他产权性质的企业低碳实践表现更好。
同时资源基础观强调企业自身能力在改善自然环境中的重要作用,低碳实践水平一定程度代表了企业改善环境的能力。受资源禀赋、技术水平、生产工艺等方面的影响,不同行业低碳实践的成本投入和产出效果存在较大差异[22],企业会选择与自身碳减排空间和减排潜力相适应的低碳策略以实现良好的减排绩效。碳排放强度是测量企业低碳程度的重要指标,工业企业间低碳实践呈现出比较优势差异,迫使能耗高的企业进行技术革新[23],Cadez和Czerny[24]发现所属行业碳排放量较高的企业参与碳减排实践的积极性更高。
随着对企业异质性特征影响研究的深入,有学者开始在资源基础观框架下纳入利益相关者理论(Stakeholder Theory),重视企业内部利益主体对低碳实践的影响[20]。企业高层领导作为企业低碳运营策略制定者,承担着识别组织环境、辨别组织能力及进行组织战略规划和改革的重任,其态度、知识、价值观等因素影响企业的运营策略及绩效表现[25]。当前低碳经济转型过程中道德缺位和道德失范等现象,引发学者开始关注领导伦理道德在企业绿色创新实践中的作用[26]。企业的伦理道德源自伦理型领导(Ethical Leadership)的战略导向,在可持续发展背景下,近年来学者不断完善和扩充伦理型领导内涵[27],解学梅和朱琪玮[28]提出伦理型领导不仅应具有正直、诚信、公正等人文主义伦理特征,还应具有提倡环保和关注可持续发展的环保主义特质。提倡可持续发展的伦理型领导能够识别利益相关者对环境规范的要求与期望,通过实施符合环境规范的低碳活动,满足利益相关者对企业“环境友好型”形象期望。
综上,提出如下假设:
H1.企业规模与各类低碳策略的选择呈正相关关系。
H2.相较于其他产权性质的企业,国有企业对各类低碳策略的选择程度更高。
H3.企业所属行业碳排放强度与各类低碳策略的选择呈正相关关系。
H4.领导伦理型特质与各类低碳策略的选择呈正相关关系。
-
依据利益相关者理论,企业外部利益相关者虽然没有控制组织关键资源的能力,但是有能力规范、支持企业低碳实践[25]。政府是当前中国工业企业低碳实践最重要的外部利益相关者,其补贴为企业低碳创新提供了资金支持,降低了企业低碳创新所带来的风险,直接促进企业增加节能减碳设备投资、提升节能技术。但以往研究发现企业会因自身异质性在政府补贴获取上存在差异[21]。
异质性企业在政府补贴获取上的差异,导致其利用和管理政府补贴资金进行低碳实践的机制上也有所不同[28]。根据信号理论(Signal Theory)和利益相关者理论,政府补贴可作为政府传递给企业乃至其所处行业认可的信号,亦即,该企业低碳创新技术或项目得到了政府的认可与支持,基于这一信号企业可以获取更多外部投资者提供的创新资源,进而提升低碳创新绩效[29]。同时这种信号也会影响企业供应链其他利益相关者的决策行为,例如部分供应链中下游客户会优先考虑符合环境法规、使用低碳原料、采取低碳化工艺或技术的供应商[30],企业也会选择与之需求相对应的低碳策略以保证竞争优势。表现特征较为明显的实质性竞争优势,通常需要持续性的技术和资金投入,与之相比管理类的象征性低碳实践资源投入和带来的风险则相对较少。政府补贴偏向性带来的投资能力和风险上的差异,也会导致异质性工业企业在具体低碳策略选择上存在偏向性。基于此,提出如下假设:
H5.政府低碳财政补贴对各异质性工业企业低碳策略的选择具有中介效应。
-
中央政府是碳减排目标的制定者,层层分配后最终由地市政府执行,地方政府碳减排目标约束强化了碳规制行为[31],地方政府碳减排目标任务越艰巨,实施的管制措施也越严格,企业须遵守政府制定的碳排放配额和满足当地的生产作业标准,否则将面临当地监管机构相应的处罚[12]。研究发现政府的指导性目标能够对工业排放起到约束作用[32],政府的碳规制政策,增加了企业生产的碳排放成本,迫使企业改进生产与经营方式,实现碳排放量的下降。
从异质性角度看,工业企业对政策的感知存在差异[4],Wu等[33]检验了环境规制在污染密集型行业再分配中的关键作用,结果表明不同的行业特征对环境规制的变化有不同的反应。当不同地区碳减排目标值的设定存在差异时,地方政府约束性减排目标引致的监管力度差异,对企业产生冲击程度也会不同,进而影响工业企业的低碳策略选择结果。基于此,提出如下假设:
H6.地方政府碳减排目标约束对异质性工业企业低碳策略的选择具有调节作用。
-
上市公司整体拥有较好的知识获取和资源应用能力,采取的运营管理手段也更为广泛,山东省内传统动能占比较高,主营业务收入排前列的轻工、化工、纺织、冶金等行业多为高耗能、重污染产业。因此,本文采用山东省高耗能、重污染上市工业企业为研究样本,探究工业企业低碳实践相关理论。本文主要采用内容分析的方法对样本上市企业的年报、企业社会责任报告、可持续发展报告及企业官网等进行数据获取[34],为保障数据的可靠性和全面性,严格按照如下步骤筛选研究对象和获取数据:(1)通过中国证券监督管理委员会山东监管局信息公开目录,获取截至2017年12月31日山东省辖区内注册A股上市企业名录,共计168家;(2)根据《2010年国民经济和社会发展统计报告》高耗能行业和2010年环保部公布的《上市公司环境信息披露指南》中涉及的重污染行业分类,进一步筛选出山东省内注册的高耗能、重污染企业,共75家;(3)考虑到火电行业碳排放量占比高及山东省内石油炼化体量大的现实情况,特将华能国际(600011)、国电电力(600795)、大唐发电(601991)和中国石化(600028)等四家在山东省内生产业务占比较高的电力和石化行业纳入研究样本,随后剔除数据缺失样本,最终获取到76家上市工业企业数据。其中化学原料和化学制品、医药制造业、非金属矿物制品业的样本比重较大,分别占30.3%、18.4%、11.8%;其次为纺织业、电力热力生产和供应业、造纸和纸制品业,均占6.6%;有色金属冶炼业、酿造及黑色金属矿采分别占5.3%、3.9%、2.6%;黑色金属冶炼业、燃气生产和供应业、煤炭开采、有色金属矿采、化学纤维和石油加工业,各占1.3%。
本文中地方政府碳减排目标数据,来自《山东省低碳工作发展方案(2017—2020)》公布内容,为与该项数据的起止时间对应,严格参照各变量定义及解释,对应手工整理收集了2017—2020年相关工业企业低碳实践、政府低碳补贴、企业人数、企业营业收入、领导伦理型特质等数据。中国统计年鉴各行业能源消耗量数据公布存在滞后,因此采用2015—2018年的数据计算各行业年均碳排放量。
-
1.工业企业低碳策略
本文在Sarkis等[20]、 Zhou和Wen[9]企业低碳实践概念研究的体系下,以所选取样本公司的企业可持续发展报告、企业社会责任报告、企业年报等资料内容为数据来源,参考英国碳信息披露项目2019调查问卷(CDP Climate Change 2019 Questionnaire),按工业企业生产的具体环节或方面,将梳理出的12种低碳实践归纳为产品低碳设计、能源低碳化、生产过程低碳化、管理过程低碳化等四种低碳策略。具体工业企业低碳实践理论概念框架,如表1所示。将工业企业低碳实践设为虚拟变量,根据Albertini[34]内容分析法的编码准则,若在企业的年报、社会责任报告、可持续发展报告及企业官网等中存在符合表1相关定义的低碳实践,对应赋值为1,否则用0表示。
表 1山东省工业企业低碳实践概念理论框架
低碳策略 低碳实践 低碳实践解释 NY:能源低碳化 NY1:煤改气 煤炭改换为天然气 NY2:新能源动力 通过太阳能、生物质能、风能等清洁可再生能源提供生产动力 NY3:余热回收 工业余热回收再利用 CP:产品低碳设计 CP1:淘汰落后产能 淘汰碳排放强度高的产能 CP2:低碳产品研发 低碳或无碳产品的研发 GC:生产过程低碳化 GC1:设备置换 更换能耗低的生产设备 GC2:设备部件改造 通过设备部件的加装、更换,降低能耗,减少碳排放 GC3:工艺优化 通过优化原有工艺流程,节能降耗 GC4:CO2捕获、封存及再利用等 CO2捕捉封存、废气零排放循环利用等 GL:管理过程低碳化 GL1:低碳目标设定 制定节能减排目标 GL2:建立低碳考核制度 建立低碳相关的考核管理制度 GL3:智慧管理系统 采用先进的智慧管理系统,提升管理效率 2.企业异质性特征
本文研究样本覆盖多行业,避免行业异质性对企业规模划分标准带来的影响,参考《统计上大中小微型企业划分办法(2017)》,通过企业从业人员数、营业收入两项指标刻画企业规模。参照杨洋等[21]研究,将企业产权性质处理为虚拟变量,GQ = 1为国有企业,GQ = 0时为非国有企业。本文是在企业碳减排背景下探讨伦理型领导,该背景又从属于企业绿色创新实践方向,因此基于Wang等[27]研究,对解学梅和朱琪玮[26]关于企业绿色创新实践背景下伦理型领导测度量表进一步修正,采用7个指标从人文关怀导向和环境可持续发展导向两个维度度量伦理型领导,同上,基于Albertini[34]内容分析法,如果相关资料中存在指标描述内容,赋值为1,否则赋值为0。各异质性特征及其表征变量如表2所示。
行业碳排放强度数据需要进一步计算得到,本文根据中国统计年鉴的行业分类标准,对样本所涉及的行业做了进一步的细分,共得到19种细分行业数据。参考2006年政府间气候变化委员会制定的国家温室气体清单指南,计算了各行业年均CO2排放量。
表 2企业异质性特征及其表征变量
异质性特征 表征变量 企业规模(QYGM) SR:企业年营业收入均值的自然对数 RS:企业在职员工数均值的自然对数 产权性质(CQXZ) CQ:虚拟变量,国有企业取1,非国有企业取0 所属行业碳排放强度(HYTQ) TQ:细分行业碳强度加1后取自然对数 伦理型领导(LXLD) LD1:对来自员工的批评和不同意见持开放态度 LD2:将员工的利益置于最重要的位置 LD3:与员工讨论伦理和价值问题 LD4:在道德上树立合理处理问题的榜样 LD5:关注环境问题并倡导回收利用 LD6:以社会利益为重 LD7:提倡环境友好型工作方式 3.中介变量和调节变量
参照郭玥[29]研究,政府低碳补贴数据是依据本文企业低碳实践定义,从上市公司年报财务报表附注中“政府补助明细”具体项目整理得到。各地方政府碳减排目标约束,参照《山东省低碳工作发展方案(2017—2020)》中对研究样本公司所在各市“十三五”规划期间碳减排目标的要求,按减排下降幅度的大小划分为五个级别。相关变量设计说明如表3所示。
表 3政府低碳补贴和碳减排目标约束变量设计
显变量 潜变量 政府低碳补贴(DTBZ) BZ:企业收到政府年均低碳补贴金额的自然对数 碳减排目标约束(JTYL) YL:虚拟变量,按各市减排目标降幅划分为五个等级,由高到低依次为:5滨州;4聊城;3青岛、淄博、枣庄、烟台、潍坊、济宁、泰安;2济南、临沂、德州、菏泽;1东营、威海 -
偏最小二乘—结构方程(PLS-SEM)模型应用非参推断方法,样本数据不需要满足正态分布,可有效规避各变量之间可能存在的多重相关性和克服模型因结构复杂带来的识别和收敛问题[35],对交互效应的估计比其他技术的结构方程更精确。此外,PLS-SEM特别适用于理论基础较弱的领域和数据量相对较少的研究中[36],适宜本文做工业企业低碳实践相关探索性理论的实证检验。
本文通过构建PLS-SEM模型,探究工业企业异质性特征与各类低碳策略间的关系,及厘清政府对异质性工业企业低碳策略选择的作用。采用Smartpls 3软件对模型路径系数和相关检测指标进行测算,模型参数的显著性检验采用Bootstrap方法。
-
测量模型结构内部一致可靠性通常采取克朗巴哈系数或组合信度系数验证,而Alghababsheh和Gallear[36]认为,组合信度系数相较于克朗巴哈系数受题项的数量影响敏感度较低,因此本文选用组合信度系数
$ {\rho }_{c} $ 检测结构一致性。采用平均方差提取值$ {\rho }_{v} $ 对结构收敛效度进行测算。结果发现四个模型的各测量结构组合信度$ {\rho }_{c} $ 均在0.7以上,测量模型结构内部一致可靠性较好;平均方差提取值$ {\rho }_{v} $ 除各模型生产过程低碳化策略(GC)及伦理型领导(LXLD)介于0.4~0.5,其余均在0.5以上。Alghababsheh和Gallear[36]指出异质—单质比率法(HTMT)是一种普适性较强的判别有效性检验方法,在PLS-SEM中适用性较高,通常要求结构间保守阈值小于0.85,适当可放宽至0.90,通过检测,本文各模型结构的HTMT测算值均小于0.90。综合各指标研判,各模型的可靠性、有效性及判别效度均在接受范围。 -
本文构建测试政府低碳补贴和地方政府碳减排目标约束对企业低碳策略选择的中介效应和调节效应理论模型。采用
${{R}}^{2}$ 测量模型的预测效果,${{R}}^{2}$ 达到0.67、0.33和0.19,分别表示模型具有较强、中等及较弱的预测能力[35],本文各模型被解释变量企业低碳策略的${{R}}^{2}$ 值均高于0.19,模型整体拟合优度在接受范围内,具体结果如表4所示。表 4异质性工业企业低碳策略选择路径总效应和直接效应
模型 自变量 因变量 总效应 直接效应 R2 β t值 β t值 1 QYGM CP 0.428 4.397*** 0.206 1.311 0.233 NY 0.636 8.552*** 0.545 4.696*** 0.449 GC 0.689 11.129*** 0.539 5.198*** 0.497 GL 0.480 5.433*** 0.340 2.150** 0.270 2 CQXZ CP 0.302 2.815*** 0.195 1.825* 0.237 NY 0.397 3.506*** 0.279 2.687*** 0.390 GC 0.342 3.124*** 0.198 1.780* 0.389 GL 0.276 2.570** 0.170 1.541 0.248 3 HYTQ CP 0.391 4.713*** 0.189 1.678* 0.224 NY 0.401 2.871*** 0.112 0.745 0.299 GC 0.397 2.332** 0.066 0.380 0.358 GL 0.248 2.332** -0.014 0.099 0.201 4 LXLD CP 0.444 4.773*** 0.271 2.071** 0.384 NY 0.541 5.794*** 0.394 3.349*** 0.419 GC 0.532 7.541*** 0.305 3.271*** 0.465 GL 0.592 6.836*** 0.500 3.786*** 0.404 注:***、**和*分别表示1%、5%和10%的显著性水平。 由表4可以看出,各模型中工业企业低碳策略选择路径的总效应均为正,且均在p<5%的水平下显著,即假设H1、H2、H3、H4均得到支持。此外,可发现各模型中企业低碳策略选择路径的直接效应较总效应均有明显的减小,满足中介效应存在的部分条件[20]。运用Bootstrap方法对政府低碳补贴进行中介效应检验,样本量设为5 000,置信区间的置信水平设为95%[37],政府低碳补贴(DTBZ)对异质性企业低碳策略选择的中介效应测试结果具体如表5所示,发现除在模型1企业规模(QYGM)分别与能源低碳化(NY)和管理低碳化(GL)间的关系,及模型4企业领导伦理型特质(LXLD)与管理低碳化策略(GL)间的关系中未表现出显著的中介效应外,在其余关系中的中介效应均通过显著性检验,即假设H5中政府低碳补贴对异质性工业企业的部分低碳策略选择存在显著的中介效应。
表 5中介效应的Bootstrap检验结果
模型 自变量 中介
变量因变量 效应值 Bootstrap 5 000 Samples Percentile 95% CI BC 95% CI Lower Upper Lower Upper 1 QYGM DTBZ CP 0.222** 0.055 0.418 0.045 0.404 NY 0.090 −0.068 0.254 −0.066 0.256 GC 0.150* 0.038 0.299 0.033 0.289 GL 0.140 −0.055 0.368 −0.053 0.371 2 CQXZ CP 0.107** 0.036 0.200 0.035 0.199 NY 0.118** 0.035 0.203 0.046 0.211 GC 0.144** 0.049 0.239 0.054 0.240 GL 0.106* 0.026 0.210 0.039 0.228 3 HYTQ CP 0.202** 0.073 0.353 0.075 0.359 NY 0.289*** 0.140 0.456 0.150 0.467 GC 0.331*** 0.174 0.473 0.201 0.503 GL 0.262** 0.093 0.459 0.097 0.466 CP 0.173** 0.073 0.313 0.075 0.318 4 LXLD NY 0.147** 0.029 0.270 0.033 0.273 GC 0.227*** 0.117 0.345 0.120 0.351 GL 0.092 −0.028 0.228 −0.017 0.248 注:***、**和*分别表示1%、5%和10%的显著性水平。 参照Becker等[38]提出的PLS-SEM调节结构的建模方法,检验地方政府碳减排目标约束对异质性企业低碳策略选择的调节效应。构建调节效应模型时,建立了政府碳减排目标约束和各低碳策略间的关系路径,数据处理结果显示政府碳减排目标约束和各低碳策略间未表现出显著的相关性。表6显示出调节效应结果,CQXZ×JTYL分别与NY、GL间得路径系数为正,且分别在p<5%和p<10%的水平下通过显著性检验;LXLD×JTYL与CP间的路径系数为正,且在p<1%的水平下显著;QYGM×JTYL与NY在p<10%的水平下通过显著性检验,但路径系数为负,即假设H6中地方政府碳减排目标约束对异质性工业企业的部分低碳策略选择存在显著的调节效应。
表 6各模型地方政府碳减排目标约束的调节效应检测结果
模型 交互项 因变量 β t值 1 QYGM×JTYL CP 0.158 1.025 NY −0.235 1.701* GC −0.004 0.026 GL 0.124 0.828 2 CQXZ×JTYL CP −0.034 0.304 NY 0.202 2.174** GC 0.015 0.142 GL 0.144 1.836* 3 HYTQ×JTYL CP 0.044 0.280 NY 0.197 1.019 GC 0.126 0.775 GL −0.007 0.962 4 LXLD×JTYL CP 0.396 2.852*** NY −0.194 1.219 GC 0.213 0.950 GL 0.189 0.926 注:***、**和*分别表示1%、5%和10%的显著性水平。 -
1.异质性工业企业低碳策略选择
根据产业组织、创新理论等,规模较大的企业在重要技术创新、市场开发、研发投资与组织等方面均具有显著的规模经济效应[39],与此对应规模较大的工业企业对各类低碳策略选择程度整体较高,这与廖华等[8]研究结论相近。且规模更大的工业企业更倾向选择实施更换能耗低的生产设备、技术改造、CO2捕捉存储技术、废气零排放循环利用等创新成本高、技术应用相对密集的生产过程低碳化策略相关的碳减排项目。
国有企业普遍有较强的资金优势,进行企业低碳技术创新与研发,因此相较于其他产权性质的企业,国有企业对能源低碳化、生产过程低碳化和产品低碳设计策略的选择程度更高。此外,国有企业一定比例的高层管理人员由政府行政任命产生[21],根据制度理论,国有企业紧随政策导向,保持与政府的关系是其天然的主导逻辑[28],因此国有企业也倾向通过制定减排目标,将节能减排纳入到企业日常的考核等方式进行管理过程的低碳化。
所属行业碳排放强度异质性企业低碳策略选择实证结果表明,碳排放强度越高的工业企业对各类低碳策略选择的程度整体较高。能源低碳化是高碳行业减排的关键手段,企业倾向采用煤改气、余热回收及新能源项目降低能源碳强度,以电力行业为例,当前大部分电力企业已经开始逐步减少火电装机数量,转向光伏发电、风力发电等新能源。“十三五”规划期间,山东省大力推进新旧动能转换,传统落后产能淘汰的速度加快,高耗能、重污染企业中多为大型制造类企业,集聚大量创新资源,因此除能源低碳化策略表现较为突出外,生产过程低碳化和产品设计低碳化等创新投入密集型低碳策略表现较好。
领导伦理型特质异质性企业低碳策略选择研究结果证明,领导伦理型特质越强的工业企业对各类低碳策略选择程度普遍较高。伦理型领导对环境可持续发展问题关注度较高,拥有较强的资源节约和节能减排意识[27],倾向利用管理职能直接影响和改变组织文化、制度规章等,以满足外界对公司“低碳友好型”形象期待,实现组织可持续发展战略目标,因此领导伦理型特质与管理过程低碳化策略路径系数较高。此外,与其他异质性工业企业低碳策略选择结果相似,企业伦理型领导也更倾向选择能源低碳化和生产过程低碳化策略。
2.政府低碳补贴的中介效应分析
政府低碳补贴对规模异质性工业企业选择产品低碳设计、生产过程低碳化策略起到显著的中介作用,而对选择能源低碳化和管理过程低碳化策略的中介效应不显著。结合表4中企业规模与产品低碳设计间直接效应不显著的结果,采用Sarkis等[20]对中介效应的分析方法,得出政府低碳补贴对规模异质性工业企业选择生产过程低碳化策略表现出部分中介作用,对选择产品低碳设计策略表现出完全中介作用,即表明企业规模与获取到的政府低碳补贴呈正相关,且企业更倾向于将政府低碳补贴用于产品低碳设计和生产过程低碳化策略相关的低碳实践,规模较大的企业选择产品低碳化策略甚至完全依赖于政府低碳补贴。
政府低碳补贴对产权性质异质性工业企业选择各类低碳化策略均起显著的中介效应,即表明国有企业在政府低碳补贴的获得上具有较强的“政治”优势,同时各类低碳策略的选择均对政府低碳补贴存在一定的依赖性,结合表4企业产权性质异质性与管理过程低碳化策略直接效应不显著的结果,得出政府补贴对产权性质异质性企业实施管理过程低碳化策略表现出完全中介效应。
政府低碳补贴对行业碳排放强度异质性工业企业低碳策略选择的中介效应测试结果显示,政府低碳补贴在行业碳强度异质性特征与各类低碳化策略关系中均存在中介效应。山东省内碳排放强度高的工业企业多集中在石化、电力、冶金等能耗强度大的行业,此类企业作为政府减碳的重点对象,在获得政府低碳项目补贴上更具优势,政府补贴有助于这些企业从能源供应源头、生产及管理过程中降碳。结合表4行业碳强度异质性企业选择能源低碳化、生产过程低碳化及管理过程低碳化策略直接效应不显著的结果,可得出当前高碳行业在实施上述低碳策略时对政府补贴的依赖性较强。
政府低碳补贴对企业伦理型领导的低碳策略选择中介效应测试结果显示,政府低碳补贴对伦理型领导选择产品低碳设计、能源低碳化和生产过程低碳化策略均存在显著的中介效应,对选择管理过程低碳化策略不存在显著的中介效应,表明伦理型领导对政府低碳补贴政策的感知性更强,将获取到的政府相关低碳补贴,用于产品低碳设计、能源低碳化和生产过程低碳化策略相关低碳实践,结合表4伦理型领导与各类低碳策略直接效应均显著存在的结果,得出伦理型领导在进行产品低碳设计、能源低碳化和生产过程低碳化策略时不会完全依赖政府补贴,特别是对管理过程低碳化策略的实施与政府低碳补贴基本无关联,其低碳策略选择的动机可能来自于对低碳实践的自觉性。
3.地方政府碳减排目标约束的调节效应分析
地方政府碳减排目标约束负向调节规模异质性工业企业对能源低碳化策略的选择。由图1所示,随着政府碳减排目标约束增大,企业规模与能源低碳化策略的关系会被削弱,即高碳减排目标约束会缩小不同规模企业对能源低碳化策略选择程度的差异。
地方政府碳减排目标约束正向调节产权异质性工业企业对能源低碳化策略的选择。由图2可以发现,在地方政府约束性碳减排目标分别处于较高(减排目标约束处于均值加上一个标准的水平时)和较低时(减排目标约束处于均值减去一个标准的水平时),连线方向均朝上,但高减排目标约束的斜率更大,意味者高碳减排目标约束会进一步扩大不同产权性质企业对能源低碳化策略选择程度的差异。
地方政府碳减排目标约束正向调节不同产权工业企业对管理过程低碳化策略的选择。由图3所示,当政府碳减排目标约束处于较高水平时,企业产权异质性和管理过程低碳化间的斜率较大,即表明在高减碳目标约束下,国有企业相较于其他产权类型企业对管理过程低碳化策略的选择程度会加强,意味着高碳减排目标约束会进一步扩大不同产权性质工业企业对管理过程低碳化策略选择程度的差异。
地方政府碳减排目标约束正向调节企业伦理型领导对产品低碳化设计策略的选择。由图4所示,与较低碳减排目标约束时的斜率相比,当处于较高碳减排目标约束时,伦理型领导和产品低碳设计策略间的斜率显著增大,即表明高减碳目标约束会进一步扩大领导伦理型特质不同的企业对产品低碳化策略选择程度的差异。
-
掌握当前各类工业企业低碳策略选择现状,厘清政府对异质性工业企业低碳策略选择的作用,有助于政府制定更精确的碳减排政策,提升企业整体碳减排能力,实现企业碳减排引导从“粗放型”向“精准型”的转变。本文利用山东省上市工业企业数据,对微观企业层面的低碳策略选择、政府低碳补贴的中介效应及碳减排目标约束的调节效应做了探索性研究。研究结果表明:(1)规模较大、行业碳排放强度较高、领导伦理型特质较强及具有国有产权特征的四种类型工业企业,对各低碳策略选择的程度普遍较高,且普遍倾向选择能源低碳化和生产过程低碳化策略,而与之相对特征的工业企业对各类低碳策略的选择程度普遍较低;(2)政府低碳补贴对企业各类低碳策略的选择普遍具有显著的中介作用,规模越大、行业碳排放强度越高、领导伦理型特质越强及具有国有产权特征的四类工业企业,在政府低碳补贴获取上更具优势,且均倾向于将政府低碳补贴用于产品低碳化设计和生产过程低碳化策略相关的低碳实践;(3)地方政府碳减排目标约束不是当前工业企业低碳策略选择主要影响因素,其仅对个别低碳策略选择路径存在调节效应,具体表现为高碳减排目标约束,会缩小不同规模企业对能源低碳化策略的选择程度的差异,但会进一步扩大不同产权性质企业对能源低碳化策略和管理过程低碳化策略,及不同领导伦理型特质的企业对产品低碳化策略选择程度的差异。
-
基于以上实证结论,本文提出的政策建议包含以下三个方面:第一,研究发现政府低碳补贴对当前工业企业低碳实践起到重要的支持作用,但规模较小、行业碳排放强度较低及非国有产权三类工业企业对各类低碳策略选择的程度普遍较低,且获得的政府低碳补贴相对较少。为缩小各类型企业低碳实践水平,充分拓展企业整体碳减排能力,建议逐渐加强对中小类、行业碳排放强度相对较低及非国有等类型企业的低碳补贴力度,同时还应采取优化知识产权保护、健全法治环境等配套措施来维护企业通过低碳创新取得效益,以减少上述对政府补贴获取能力较低类型企业低碳创新实践风险。第二,中国企业低碳实践驱动要实现由政府补贴向企业自主的转变,离不开企业领导者环境伦理道德的培养与提高,建议通过政企合作等方式广泛引导企业家积极参与各类低碳管理活动,帮助企业确立并强化绿色低碳责任意识,增强低碳实践的自主性。第三,结论显示当前地方政府碳减排目标约束和企业各类低碳策略的选择未表现出直接相关性,且仅对个别低碳策略选择路径表现出调节效应。结合中国当前主要的企业碳减排政策工具使用现状,建议进一步完善碳交易市场建设,通过将更多类型企业纳入到交易体系的方式,压实工业企业碳减排责任。
Government Subsidies, Constraints on Emission Reduction Targets and Firm’s Low-carbon Strategy Selections in Industrial Sector
-
摘要:工业企业是碳排放的主要贡献者,其低碳实践对于实现国家碳减排目标起着重要作用,探究不同类型政策如何影响企业低碳实践能够为制定积极有效的碳减排政策提供决策依据。以首个新旧动能转换综合试验区——山东省为例,构建偏最小二乘结构方程模型对山东省高耗能上市工业企业数据进行分析。实证结果表明:规模较大、行业碳排放强度较高、领导伦理型特质较强和具有国有产权特征的四类工业企业对各低碳策略选择的程度普遍较高,且更倾向选择能源低碳化和生产过程低碳化策略,其低碳策略的实施普遍受到政府补贴的支持作用,而与之相对特征的四类工业企业低碳策略选择程度普遍较低,且受到政府补贴作用相对较小;地方政府碳减排目标约束不是影响当前工业企业低碳策略选择的主要因素,其仅对个别低碳策略选择路径存在调节效应。Abstract:Industrial companies are the main contributors to carbon emissions, and their low-carbon practices play a key role in achieving national carbon reduction targets. Investigating how different types of governmental policies influence firm’s low-carbon practices would provide decision support for designing and making effective carbon abatement policies. Based on the data of energy-intensive listed industrial companies in Shandong Province, we develop partial least squares structural equation models to explores the relationship between corporate heterogeneity and their low-carbon strategies, and to examine the mediation of government low-carbon subsidies and the moderation of CO 2emissions reduction pressure. The empirical results show that the four types industrial companies with larger scale, higher carbon emission intensity, stronger leadership ethics or the characteristics of state-owned property rights have better low-carbon performance, and prefer to choose low-carbon energy and production process strategies, and their low-carbon strategies are generally supported by government subsidies. While those companies with opposite characteristics have a lower level of low-carbon practice, and they can acquire less government low-carbon subsidies; The pressure of local government on carbon emission reduction is not the main factor affecting low-carbon strategy choice, but which has a moderation effect on a small number of choice path.
-
表 1山东省工业企业低碳实践概念理论框架
低碳策略 低碳实践 低碳实践解释 NY:能源低碳化 NY1:煤改气 煤炭改换为天然气 NY2:新能源动力 通过太阳能、生物质能、风能等清洁可再生能源提供生产动力 NY3:余热回收 工业余热回收再利用 CP:产品低碳设计 CP1:淘汰落后产能 淘汰碳排放强度高的产能 CP2:低碳产品研发 低碳或无碳产品的研发 GC:生产过程低碳化 GC1:设备置换 更换能耗低的生产设备 GC2:设备部件改造 通过设备部件的加装、更换,降低能耗,减少碳排放 GC3:工艺优化 通过优化原有工艺流程,节能降耗 GC4:CO2捕获、封存及再利用等 CO2捕捉封存、废气零排放循环利用等 GL:管理过程低碳化 GL1:低碳目标设定 制定节能减排目标 GL2:建立低碳考核制度 建立低碳相关的考核管理制度 GL3:智慧管理系统 采用先进的智慧管理系统,提升管理效率 表 2企业异质性特征及其表征变量
异质性特征 表征变量 企业规模(QYGM) SR:企业年营业收入均值的自然对数 RS:企业在职员工数均值的自然对数 产权性质(CQXZ) CQ:虚拟变量,国有企业取1,非国有企业取0 所属行业碳排放强度(HYTQ) TQ:细分行业碳强度加1后取自然对数 伦理型领导(LXLD) LD1:对来自员工的批评和不同意见持开放态度 LD2:将员工的利益置于最重要的位置 LD3:与员工讨论伦理和价值问题 LD4:在道德上树立合理处理问题的榜样 LD5:关注环境问题并倡导回收利用 LD6:以社会利益为重 LD7:提倡环境友好型工作方式 表 3政府低碳补贴和碳减排目标约束变量设计
显变量 潜变量 政府低碳补贴(DTBZ) BZ:企业收到政府年均低碳补贴金额的自然对数 碳减排目标约束(JTYL) YL:虚拟变量,按各市减排目标降幅划分为五个等级,由高到低依次为:5滨州;4聊城;3青岛、淄博、枣庄、烟台、潍坊、济宁、泰安;2济南、临沂、德州、菏泽;1东营、威海 表 4异质性工业企业低碳策略选择路径总效应和直接效应
模型 自变量 因变量 总效应 直接效应 R2 β t值 β t值 1 QYGM CP 0.428 4.397*** 0.206 1.311 0.233 NY 0.636 8.552*** 0.545 4.696*** 0.449 GC 0.689 11.129*** 0.539 5.198*** 0.497 GL 0.480 5.433*** 0.340 2.150** 0.270 2 CQXZ CP 0.302 2.815*** 0.195 1.825* 0.237 NY 0.397 3.506*** 0.279 2.687*** 0.390 GC 0.342 3.124*** 0.198 1.780* 0.389 GL 0.276 2.570** 0.170 1.541 0.248 3 HYTQ CP 0.391 4.713*** 0.189 1.678* 0.224 NY 0.401 2.871*** 0.112 0.745 0.299 GC 0.397 2.332** 0.066 0.380 0.358 GL 0.248 2.332** -0.014 0.099 0.201 4 LXLD CP 0.444 4.773*** 0.271 2.071** 0.384 NY 0.541 5.794*** 0.394 3.349*** 0.419 GC 0.532 7.541*** 0.305 3.271*** 0.465 GL 0.592 6.836*** 0.500 3.786*** 0.404 注:***、**和*分别表示1%、5%和10%的显著性水平。 表 5中介效应的Bootstrap检验结果
模型 自变量 中介
变量因变量 效应值 Bootstrap 5 000 Samples Percentile 95% CI BC 95% CI Lower Upper Lower Upper 1 QYGM DTBZ CP 0.222** 0.055 0.418 0.045 0.404 NY 0.090 −0.068 0.254 −0.066 0.256 GC 0.150* 0.038 0.299 0.033 0.289 GL 0.140 −0.055 0.368 −0.053 0.371 2 CQXZ CP 0.107** 0.036 0.200 0.035 0.199 NY 0.118** 0.035 0.203 0.046 0.211 GC 0.144** 0.049 0.239 0.054 0.240 GL 0.106* 0.026 0.210 0.039 0.228 3 HYTQ CP 0.202** 0.073 0.353 0.075 0.359 NY 0.289*** 0.140 0.456 0.150 0.467 GC 0.331*** 0.174 0.473 0.201 0.503 GL 0.262** 0.093 0.459 0.097 0.466 CP 0.173** 0.073 0.313 0.075 0.318 4 LXLD NY 0.147** 0.029 0.270 0.033 0.273 GC 0.227*** 0.117 0.345 0.120 0.351 GL 0.092 −0.028 0.228 −0.017 0.248 注:***、**和*分别表示1%、5%和10%的显著性水平。 表 6各模型地方政府碳减排目标约束的调节效应检测结果
模型 交互项 因变量 β t值 1 QYGM×JTYL CP 0.158 1.025 NY −0.235 1.701* GC −0.004 0.026 GL 0.124 0.828 2 CQXZ×JTYL CP −0.034 0.304 NY 0.202 2.174** GC 0.015 0.142 GL 0.144 1.836* 3 HYTQ×JTYL CP 0.044 0.280 NY 0.197 1.019 GC 0.126 0.775 GL −0.007 0.962 4 LXLD×JTYL CP 0.396 2.852*** NY −0.194 1.219 GC 0.213 0.950 GL 0.189 0.926 注:***、**和*分别表示1%、5%和10%的显著性水平。 -
[1] 左前明. 能源结构调整是碳中和重中之重[N]. 中国能源报, 2021-06-07(4). [2] 周德群, 邓海东, 王义忠, 等. 传统工业园区实现“双碳”目标路径研究: 以江北新材料科技园为例[J]. bob手机在线登陆学报(社会科学版), 2022(3): 62−76. [3] TANG W, BO M, WU L. The impact of regulatory and financial discrimination on China's low-carbon development: considering firm heterogeneity[J]. Advances in Climate Change Research, 2020, 11(2): 72-84.doi:10.1016/j.accre.2020.06.002 [4] QIAN H, XU S, CAO J, et al. Air pollution reduction and climate co-benefits in China’s industries[J]. Natural Sustainability, 2021, 4: 417–425.doi:10.1038/s41893-020-00669-0 [5] KOLK A, PINKSE J. Business responses to climate change: identifying emergent strategies[J]. California Management Review, 2005, 47(3): 6-20.doi:10.2307/41166304 [6] 王明喜, 王明荣, 汪寿阳, 等. 最优减排策略及其实施的理论分析[J]. 管理评论, 2010, 22(06): 42-47doi:10.14120/j.cnki.cn11-5057/f.2010.06.002 [7] LEE S Y. Corporate carbon strategies in responding to climate change[J]. Business Strategy and the Environment, 2012, 21(1): 33-48.doi:10.1002/bse.711 [8] 廖华, 付莹, 黄巍巍. 上市公司碳减排行动指数研究[J]. bob手机在线登陆学报(社会科学版), 2022, 24(02): 13-20. [9] ZHOU P, WEN W. Carbon-constrained firm decisions: from business strategies to operations modeling[J]. European Journal of Operational Research, 2020, 281(1): 1-15.doi:10.1016/j.ejor.2019.02.050 [10] 朱淀, 王晓莉, 童霞. 工业企业低碳生产意愿与行为研究[J]. 中国人口·资源与环境, 2013, 23(02): 72-81.doi:10.3969/j.issn.1002-2104.2013.02.011 [11] 蒋海涛, 陈卓欣, 任润, 等. 实质性与象征性企业低碳行为: 企业内部影响因素[J]. 经济科学, 2017(02): 88-100. [12] ZHU, Q, SARKIS, J. The moderating effects of institutional pressures on emergent green supply chain practices and performance[J]. International Journal of Production Research, 2007, 45(18-19), 4333-4355.doi:10.1080/00207540701440345 [13] BUYSSE K, VERBEKE A. Proactive environmental strategies: a stakeholder management perspective[J]. Strategic Management Journal, 2003, 24(5): 453-470doi:10.1002/smj.299 [14] 赵晓丽, 姚进, 刘志文, 宋翠. 基于ABM模型的企业低碳行为管理模式转变分析[J]. 管理评论, 2013, 25(10): 91-99doi:10.14120/j.cnki.cn11-5057/f.2013.10.009 [15] 王群伟, 周鹏, 周德群. 中国二氧化碳排放绩效的动态变化、区域差异及影响因素[J]. 中国工业经济, 2010(01): 45-54. [16] 魏一鸣, 余碧莹, 唐葆君, 等. 中国碳达峰碳中和时间表与路线图研究[J]. bob手机在线登陆学报(社会科学版), 2022(4): 11−24. [17] 王文举, 陈真玲. 中国省级区域初始碳配额分配方案研究——基于责任与目标、公平与效率的视角[J]. 管理世界, 2019, 35(03): 81-98.doi:10.3969/j.issn.1002-5502.2019.03.006 [18] 曹春辉, 席酉民, 曹瑄玮. 企业节能减排的动因探析与策略选择[J]. 管理评论, 2013, 25(07): 3-10.doi:10.14120/j.cnki.cn11-5057/f.2013.07.005 [19] BARNEY J B. Firm resources and sustained competitive advantage[J]. Journal of Management, 2009, 17(1): 3-10. [20] SARKIS J, GONZALEZ-TORRE P, ADENSO-DIAZ B. Stakeholder pressure and the adoption of environmental practices: the mediating effect of training[J]. Journal of Operations Management, 2010, 28(2): 163-176.doi:10.1016/j.jom.2009.10.001 [21] 杨洋, 魏江, 罗来军. 谁在利用政府补贴进行创新?——所有制和要素市场扭曲的联合调节效应[J]. 管理世界, 2015(01): 75-86+98+188.doi:10.19744/j.cnki.11-1235/f.2015.01.009 [22] 涂正革. 中国的碳减排路径与战略选择——基于八大行业部门碳排放量的指数分解分析[J]. 中国社会科学, 2012(03): 78-94+206-207. [23] ACEMOGLU D, AGHION P, BURSZTYN L, et al. The environment and directed technical change[J]. American Economic Review, 2012, 102(1): 131-66.doi:10.1257/aer.102.1.131 [24] CADEZ S, CZERNY A. Climate change mitigation strategies in carbon-intensive firms[J]. Journal of Cleaner Production, 2016, 112(5): 4132-4143. [25] SHARMA S. Managerial interpretations and organizational context as predictors of corporate choice of environmental strategy[J]. Academy of Management Journal, 2000, 43(4): 681-697. [26] 解学梅, 朱琪玮. 企业绿色创新实践如何破解“和谐共生”难题?[J]. 管理世界, 2021, 37(01): 128-149+9.doi:10.3969/j.issn.1002-5502.2021.01.009 [27] WANG D, FENG T. , LAWTON A. Linking ethical leadership with firm performance: a multi-dimensional perspective[J]. Journal of Business Ethics, 2015, 145: 1-15 [28] 陈红, 张玉, 刘东霞. 政府补助、税收优惠与企业创新绩效——不同生命周期阶段的实证研究[J]. 南开管理评论, 2019, 22(03): 187-200.doi:10.3969/j.issn.1008-3448.2019.03.017 [29] 郭玥. 政府创新补助的信号传递机制与企业创新[J]. 中国工业经济, 2018(09): 98-116.doi:10.19581/j.cnki.ciejournal.2018.09.016 [30] NEWMAN G E, GORLIN M, DHAR R. When going green backfires: How firm intentions shape the evaluation of socially beneficial product enhancements[J]. Journal of Consumer Research, 2014, 41(3): 826-839. [31] 余泳泽, 孙鹏博, 宣烨. 地方政府环境目标约束是否影响了产业转型升级?[J]. 经济研究, 2020, 55(08): 57-72. [32] 胡鞍钢, 鄢一龙, 刘生龙. 市场经济条件下的“计划之手”——基于能源强度的检验[J]. 中国工业经济, 2010(07): 26-35.doi:10.19581/j.cnki.ciejournal.2010.07.003 [33] WU J, WEI Y, CHEN W, et al. Environmental regulations and redistribution of polluting industries in transitional China: understanding regional and industrial differences[J]. Journal of Cleaner Production, 2019, 206: 142–155.doi:10.1016/j.jclepro.2018.09.042 [34] ALBERTINI E A. Descriptive analysis of environmental disclosure: a longitudinal study of French companies[J]. Journal of Business Ethics, 2014, 121(2): 233-254doi:10.1007/s10551-013-1698-y [35] PENGA DX, LAI F. Using partial least squares in operations management research: a practical guideline and summary of past research[J]. Journal of Operations Management, 2012, 30(6): 467-480doi:10.1016/j.jom.2012.06.002 [36] ALGHABABSHEH M, GALLEAR D. Socially sustainable supply chain management and suppliers' social performance: the role of social capital[J]. Journal of Business Ethics, 2020, 173: 855–875. [37] PREACHER K I, Hayes A F. Asymptotic and resampling strategies for assessing and comparing indirect effects in multiple mediator[J]. Behavior Research Methods, 2008, 40(3): 879-891doi:10.3758/BRM.40.3.879 [38] BECKER J M, RINGLE C M, SARSTEDT M. Estimating moderating effects in PLS-SEM and PLSc-SEM: interaction term generation data treatment[J]. Journal of Applied Structural Equation Modeling, 2018, 2(2): 1-21.doi:10.47263/JASEM.2(2)01 [39] 王伟光, 冯荣凯, 尹博. 产业创新网络中核心企业控制力能够促进知识溢出吗?[J]. 管理世界, 2015(06): 99-109.doi:10.19744/j.cnki.11-1235/f.2015.06.009 -