-
双碳战略的提出将引发中国全社会能源利用模式的深度变革,从根本上转变生产生活方式。相较于发达国家,中国面临更大的削峰压力、更短的实现周期以及更艰巨的发展任务,这不仅依赖于能源系统零碳化、工业流程再造、负碳技术以及集成耦合与优化等技术领域的不断突破,也需要配套的政策机制支持。据IEA(International Energy Agency)预测,中国电力、工业、交通系统实现深度脱碳仍需要15~20年时间①,因此短期内能效提升带来的减排效益远大于能源脱碳,也是实现高质量达峰的重要措施,提升能源效率仍是近期内实现节能减排的主要手段之一。
改革开放初期,中国高能耗、低效率的粗放型发展模式在大量消耗能源的同时造成环境不断恶化。2019年中国能源消费量在全球能源消费量中的占比达到24.3%,在净增量中占比超过75%[1]。然而,能源的稀缺性、环境污染的负外部性等问题使得仅依赖市场难以完成节能减排、提高能源效率的目标,因此必须通过环境规制来弥补市场失灵缺陷。中国共产党第十八届中央委员会第三次全体会议指出,要加大对环境保护管理制度的改革力度,核心是环境政策的制定与实施[2]。“十四五”规划提出“能源资源配置更加合理、利用效率大幅提高,生态环境持续改善”的发展目标②。截至2020年6月底,中国累计发布了2 140项环境标准 ,涉及空气、水、土壤等方方面面,为改善环境质量提供了有力支撑③。
环境规制作为政府进行宏观调控经济发展与生态环境平衡的重要手段,不同类型的规制工具及其组合会使市场的资源配置发生不同转变,进而对环境产生不同的影响[3]。一些学者的研究表明,环境规制对于能源效率提升也存在一定促进作用[4]。然而,在经济理论中能源效率作为一种衡量技术投入要素的指标,其通常无法直接测量,而是通过经济产出、能源投入等其他要素进行间接测算,以此全面反映能源与经济间的关系,得出全要素能源效率。因此环境规制对全要素能源效率的影响更多是通过对能源资源投入等因素产生作用,而其对全要素能源效率影响是由于技术进步的结果,抑或是投入端的倒逼机制的作用,有待于深入探究。分析不同类型环境规制与全要素能源效率的关系及其作用机理,对于提高能源利用效率、实现生态文明建设新进步具有重要意义。
-
本文选择全国30个省份(考虑到数据的可获得性,不含西藏及港澳台地区)2003—2018年面板数据为研究样本,数据来源于2004—2019年《中国统计年鉴》《中国劳动统计年鉴》《中国能源统计年鉴》《中国环境年鉴》《中国环境统计年鉴》《中国固定资产统计年鉴》及各省统计年鉴。具体指标说明如下:
1.全要素能源效率测算指标
1)投入指标
(1)劳动力,以各省城镇单位、私营企业及个体年末就业人数之和表示;(2)能源消费,以各省折算成标准煤的能源消费总量表示;(3)资本存量,本文参考张军等[42]的做法,利用永续盘存法进行计算
$$ {K_{i0}} = {K_{it - 1}}(1 - \delta ) + {I_{it}} $$ (1) 其中,
$K_{it}、K_{it-1}$ 分别表示省份$i$ 在当期和上一期的资本存量;$\delta $ 表示资本折旧率,统一取10.96%;$I_{it}$ 表示省份$i$ 当期的资本投资,本文用各年固定资产投资额表示,同时为消除价格变动的影响,以2000年为基期,使用固定资产投资价格指数进行平减。对于基期资本存量的计算,本文参考单豪杰[43]的研究,计算公式如下
$$ {K_{i0}} = {I_{i2000}}({\overline g _{i,2000 - 2018}} + \delta ) $$ (2) 其中,
$K_{i0}$ 表示省份$i$ 在2000年的资本存量;$I_{i2000 }$ 表示省份$i$ 在2000年的固定资产投资额;$\overline g_{ i,2000 - 2018}$ 表示2000—2018年投资额的平均增长率;$\delta $ 表示资本折旧率。2)产出指标
(1)期望产出,以2000年基期计算所得实际GDP表示;(2)非期望产出,以各地区废水排放中化学需氧量(COD)和废气排放中二氧化硫排放量(SO2)表示。
2.全要素能源效率影响指标
1)环境规制
目前关于环境规制的分类,主要有两种形式:一是分为命令控制型、市场激励型和公众自愿型[7];二是分为正式环境规制与非正式环境规制[8]。本文将环境规制分为正式环境规制和非正式环境规制两种类型:一是因为这种分类方式是根据主体进行分类,可以较好地衡量不同主体约束方式对能源效率产生的影响,其中正式环境规制包含了以法律法规为主导的命令控制型和以市场调节为主的市场激励型,非正式环境规制与公众自愿型含义类似,反映了公众的环保力量。二是因为考虑到指标的一致性和数据的可获得性,现有文献对市场激励型环境规制一般采用排污费进行表示,但该指标自2018年起改为环保税,含义发生变化。之后,选取有代表性的环境规制工具构建指标体系(如表1所示),并采用熵值法予以客观赋权计算,得出综合的两类环境规制指标。
表 1环境规制测度指标体系
环境规制 指标 单位 正式环境规制(ER1) 当年地方性环保法规、规章及环境保护标准数 件 工业污染源治理投资 亿元 环境行政处罚案件数 件 非正式环境规制(ER2) 环境污染信访数 件 人均受教育年限 年 承办的环境相关人大及政协建议数 件 正式环境规制主要反映政府强制性,正式环境规制的刻画有多种形式,比如钟茂初等[44]采用SO2去除率、工业烟尘去除率等构建综合指数,蔡海亚等[45]使用污染物排放量进行表示,徐盈之和魏瑞[46]利用工业污染源投资额与增加值比重来表示,石奕琛[47]使用环境保护方面的法规数量作为衡量指标。由于正式环境规制一般是对一定区域内所有企业同时起作用,故从宏观层面对其直接刻画更为准确。因此,本文参考徐盈之和魏瑞、石奕琛[46-47]的研究,并在此基础上构建指标体系,以更为全面地对正式环境规制进行刻画。其中,当年环保法规、规章、环境保护标准数体现了政府对企业环保行为的强制性要求,工业污染源治理投资反映了政府通过市场对企业行为的调控。同时,考虑到环境行政处罚案件数体现了政府对于环境污染行为的处罚力度,可以刻画政策的监督、执行程度,将其纳入指标体系。
非正式环境规制主要反映社会公众的环保观念、认知、行为等,各学者对于非正式环境规制的刻画并不统一,如原毅军和谢荣辉[32]利用收入水平、受教育程度、人口密度等构建综合指标,沈宏亮和金达[48]利用环境信访频次与人口密度取几何平均数进行表示,陈东景和冷伯阳[49]使用环境方面人大和政协提案数来表示。本文综合各学者的研究,选取环境污染信访数、人均受教育年限及承办的环境相关人大及政协建议数构建非正式环境规制综合指标体系,从公众监督、环保意识和公众参与三个角度进行刻画。其中,环境污染信访数体现了公众对环境污染行为的监督意识;人均受教育年限体现了公众文化程度,通常认为,公众的知识水平和文化层次越高,对环境问题认识越清晰,环保意识越强[50];承办的环境相关人大及政协建议数体现了公众参与环保监管的程度。
2)中介变量与控制变量
根据上述理论分析,可知环境规制可以通过影响技术创新、产业结构升级及外商直接投资间接影响全要素能源效率,故本文选取这三个指标作为中介变量进行分析。同时,在研究环境规制对全要素能源效率的直接影响效应时,将这三个指标作为控制变量处理。考虑到能源消费结构对全要素能源效率的重要影响,将其作为控制变量纳入模型。
(1)技术创新,本文选取R&D经费内部支出占地区生产总值的比重来表示,符号记为TEC;(2)产业结构升级,本文选取第三产业增加值与第二产业增加值之比来表示,符号记为INS;(3)外商直接投资,本文选取外商直接投资占地区生产总值的比重来表示,符号记为FDI,为统一单位,将外商直接投资乘以货币汇率(年平均价)进行转换;(4)能源消费结构,本文选取煤炭消费量占能源消费总量的比重来表示,符号记为ENS。
-
为准确测算包含非期望产出的中国全要素能源效率,同时考虑不同区域的生产技术差异性,本文运用SBM-Undesirable和Meta-frontier模型进行结合来对全要素能源效率进行测度。为探究不同类型环境规制对全要素能源效率的非线性影响,运用面板门槛模型将整个样本划分为若干子样本,分析直接影响效应。为探究不同类型环境规制通过技术创新、产业结构升级、外商直接投资对全要素能源效率的影响路径,运用中介效应模型计算自变量通过中介变量间接对因变量的影响程度,分析间接影响效应。模型构建如图4所示。
1.SBM-Undesirable和Meta-frontier模型
根据对全要素能源效率测算的相关文献分析,本文参照陈平和罗艳[16]的方法,使用SBM-Undesirable和Meta-frontier模型相结合进行测算,充分考虑中国不同区域的生产技术差异,从而获得更为准确的效率度量。
1)SBM-Undesirable模型
假设有n个决策单元(DMU),投入变量、期望产出、非期望产出的向量表示分别为
$ x\in {R}^{m}、{y}^{g}\in {R}^{s1}、{y}^{b}\in {R}^{s2} $ 。假定规模报酬不变,非径向非角度的SBM-Undesirable模型为$$ {\rho ^*} = \min \dfrac{{1 - \dfrac{1}{m}\displaystyle\sum\limits_{i = 1}^m {\dfrac{{s_i^ - }}{{{x_{i0}}}}} }}{{1 + \dfrac{1}{{{s_1} + {s_2}}}\left( {\displaystyle\sum\limits_{r = 1}^{{s_1}} {\dfrac{{s_r^g}}{{y_{r0}^g}} + \displaystyle\sum\limits_{r = 1}^{{s_2}} {\dfrac{{s_r^b}}{{y_{r0}^b}}} } } \right)}} $$ $$ \mathrm{s}.\mathrm{t}. \quad \begin{gathered} {x_0} - X{\boldsymbol{\lambda}} + {s^ - } = 0 \hfill \\ y_0^g - {Y^g}{\boldsymbol{\lambda}} + {s^g} = 0 \hfill \\ y_0^b - {Y^b}{\boldsymbol{\lambda}} - {s^b} = 0 \hfill \\ {s^ - } \geqslant 0\;\;\;\;\;\;{s^g} \geqslant 0\;\;\;\;\;\;{s^b} \geqslant 0\;\;\;\;\;\;{\boldsymbol{\lambda}} \geqslant 0 \hfill \\ \end{gathered} $$ (3) 其中,
${\boldsymbol{\lambda}}$ 代表权重向量;$ {s}^{-}、{s}^{g}、{s}^{b} $ 代表松弛变量;目标函数${\rho ^ * }$ 关于$ {s}^{-}、{s}^{g}、{s}^{b} $ 严格递减,且$0 < {\rho ^ * } \leqslant 1$ ;当且仅当${s^ - } = 0,{s^g} = 0,{s^b} = 0$ ,即${\rho ^{\text{*}}}{\text{ = }}1$ 时,决策单元有效;当$ {s}^{-}、{s}^{g}、{s}^{b} $ 三者中至少有一个不为0,即${\rho ^{\text{*}}} < 1$ 时,决策单元无效,存在改进空间[51]。2)Meta-frontier生产函数
设
$x \in {R^m},y \in {R^n}$ 分别为投入与产出向量,包络所有投入与产出的共同技术集合为$$ {T}^{\rm{meta}}=\left\{(x,y):x\geqslant 0,y\geqslant 0,x可生产y\right\} $$ (4) 所对应的生产可能性集为
$$ {P^{\rm{meta}}}(x) = \left\{ {y:(x,y) \in {T^{\rm{meta}}}} \right\} $$ (5) 共同技术效率(MTE)等价于共同距离函数
$$ 0 \leqslant {D^{\rm{meta}}}(x,y) = {\inf _\theta }\left\{ {\theta > 0;(\frac{y}{\theta }) \in {P^{\rm{meta}}}(x)} \right\} = {\rm{MTE}}(x,y) \leqslant 1 $$ (6) 群组技术集合
$$ {T}^{k}=\left\{(x,y):x\geqslant 0;y\geqslant 0;在群组k中x可生产y\right\} $$ (7) 所对应的生产可能性集为
$$ {P^k}(x) = \left\{ {y:(x,y) \leqslant {T^k}} \right\} $$ (8) 群组技术效率(GTE)等价于群组距离函数
$$ 0 \leqslant {D^k}(x,y) = {\inf _\theta }\left\{ {\theta > 0;(\frac{y}{\theta }) \in {P^k}(x)} \right\} = {\rm{GTE}}(x,y) \leqslant 1 $$ (9) 其中,距离函数
${D^{\rm{meta}}}$ 和${D^k}$ 利用式(3)所示的SBM-Undesirable模型进行测算。2.门槛效应模型
在回归分析中,当系数估计值不稳定时,需要将整个样本划分为若干子样本进行回归,门槛模型可以有效解决这一问题。根据假说1和假说2,环境规制对能源效率的影响会随其强度大小而变化。因此,为识别这种非线性影响关系,本文建立面板门槛模型[52]进行检验。具体模型如下
$$ {\rm{TFE}}_{it}^{}{\text{ = }}{\mu _i}{\text{ + }}{\beta _1}{\rm{ER1}}{_{it}} \times I(ER{1_{it}} \leqslant {\gamma _1}) + {\beta _2}{\rm{ER1}}{_{it}} \times I({\gamma _1} < {\rm{ER1}}{_{it}} \leqslant {\gamma _2}) + {\beta _3}{\rm{ER1}}{_{it}} \times I({\rm{ER1}}{_{it}} > {\gamma _2}) + \alpha {\rm{Control}}{_{it}} + {\varepsilon _{it}} $$ (10) $$ {\rm{TFE}}_{it}^{}{\text{ = }}\mu _i^{'}{\text{ + }}{\phi _1}{\rm{ER2}}{_{it}} \times I({\rm{ER2}}{_{it}} \leqslant {\delta _1}) + {\phi _2}{\rm{ER2}}{_{it}} \times I({\delta _1} < {\rm{ER2}}{_{it}} \leqslant {\delta _2}) + {\phi _3}{\rm{ER2}}{_{it}} \times I({\rm{ER2}}{_{it}} > {\delta _2}) + \lambda {\rm{Control}}{_{it}} + \varepsilon _{it}^{'} $$ (11) 其中,i、t分别表示时间和地区;TFEit表示全要素能源效率;ER1it、ER2it分别表示正式、非正式环境规制;Controlit表示控制变量;I(•)为示性函数,当括号内表达式为假时取值为0,反之取1;μi为个体固定效应;εit为随机误差项。
3.中介效应模型
中介效应模型用来检验自变量通过某一特定变量对因变量产生的影响。根据上文理论分析,环境规制可以分别通过影响技术创新、产业结构升级、外商直接投资对全要素能源效率产生间接影响,即中介效应。故本文参考温忠麟等[53]提出的中介效应检验方法,构建中介效应模型如下
$$ \begin{aligned} \;\\ {\rm{TFE}}_{it} = {\alpha _1} + \beta {\rm{ER}}_{it}^n + {\gamma _1}{\rm{Control}}{_{it}} + \nu \end{aligned}$$ (12) $$ {Z_{it}} = {\alpha _2} + \eta {\rm{ER}}^n + {\gamma _2}{\rm{Control}}{_{it}} + \mu $$ (13) $$ {\rm{TFE}}_{it} = {\alpha _3} + \beta '{\rm{ER}}_{it}^n + \lambda {Z_{it}} + {\gamma _3}{\rm{Control}}{_{it}} + \xi $$ (14) 其中,i、t分别表示时间和地区;TFEit表示全要素能源效率;ERnit表示环境规制,当n=1时,为ER1正式环境规制,当n=2时,为ER2非正式环境规制;Zit表示中介变量,分别取TEC、INS和FDI;Controlit表示控制变量,当把上述变量中某一个变量设为中介变量时,其他变量即为控制变量;υ、μ、ξ表示随机误差项。
根据中介效应检验程序,一是检验环境规制是否显著影响全要素能源效率,系数记为β;二是检验环境规制是否显著影响技术创新、产业结构升级和外商直接投资,系数记为η;三是检验环境规制和中介变量同时对全要素能源效率的影响是否显著,系数记为β’、λ。若β、η、λ同时通过显著性检验,说明三个变量间存在中介效应;若β’无法通过显著性检验,说明存在完全中介效应,若通过则说明存在部分中介效应。
-
根据上文所述方法和2003—2018年中国30个省份投入产出数据,利用MAXDEA Pro软件对各省全要素能源效率进行测算,列出测算结果年平均值如表2所示,能源效率年均值的变化趋势如图5所示。
表 22003—2018年中国各省(市)全要素能源效率测算结果年平均值
东部地区 能源效率平均值 中部地区 能源效率平均值 西部地区 能源效率平均值 北京 1.000 0 山西 0.283 8 内蒙古 0.375 6 天津 1.000 0 吉林 0.444 5 广西 0.425 9 河北 0.467 5 黑龙江 0.739 2 重庆 0.387 7 辽宁 0.510 7 安徽 0.502 4 四川 0.463 8 上海 1.000 0 江西 0.435 2 贵州 0.274 0 江苏 0.683 8 河南 0.504 7 云南 0.374 0 浙江 0.611 1 湖北 0.567 6 陕西 0.345 2 福建 0.890 3 湖南 0.521 3 甘肃 0.314 3 山东 0.632 5 青海 0.269 3 广东 0.789 9 宁夏 0.191 1 海南 0.722 5 新疆 0.316 9 均值 0.755 3 均值 0.499 8 均值 0.339 8 全国总平均 0.531 6 整体来看,2003—2018年中国全要素能源效率相对较低,总平均值为0.531 6,中国仍有46.84%的节能潜力。从时间维度看,中国全要素能源效率在2008年以前整体呈上升趋势,而2008年后呈逐年下降趋势,2018年全要素能源效率只有0.466 3,说明目前中国资源浪费较为严重,能源利用率较低,具有较大的提升空间。
分地区来看,东部地区能源效率均值为0.755 3,高于中部地区和西部地区的0.499 8、0.339 8,东、中、西部分别具有24.47%、50.02%、66.02%的节能潜力。其中,北京、天津、上海的能源效率均达到1,位于生产前沿面上,其次为福建和广东,分别达到0.890 3和0.789 9;而宁夏、青海、山西、甘肃、新疆这5个省份平均值最低,位于0.19~0.32之间。这说明中国能源效率存在较大的地域差异性,东部地区在经济发展水平、技术研发、产业结构层次等方面具有更大优势,因此全要素能源效率相对更高。而中、西部地区长期以来经济增长主要依靠能耗高、污染重的能源产业,技术创新水平较低,产业结构不够合理,导致能源消耗量大且利用率低。从变动趋势看,东、西部整体呈下降趋势,中部整体下降但在2017年时有所回升。经上述分析可知,中国目前大部分省份仍具有较大的全要素能源效率提升空间。
-
1.环境规制对全要素能源效率的直接影响
1)单位根与协整检验
本文所应用计量模型建立在平稳数据变量基础之上,故首先利用单位根检验判断数据的平稳性。分别运用LLC、IPS、Fisher-ADF和Fisher-PP四种方法进行单位根检验,发现将原始变量做一阶差分后序列平稳(如表3所示),说明原始变量是一阶单整的,可进一步进行协整检验。
表 3单位根检验结果
变量 LLC IPS Fisher-ADF Fisher-PP TFE −7.986 5*** −5.360 9*** 118.282 0*** 152.330 0*** ER1 −7.001 4*** −10.329 7*** 217.957 0*** 578.851 0*** ER2 −8.639 7*** −10.399 8*** 222.747 0*** 492.402 0*** TEC −9.671 2*** −7.501 2*** 169.014 0*** 310.357 0*** INS −12.199 6*** −8.677 3*** 193.375 0*** 211.229 0*** FDI −5.703 5*** −5.803 2*** 136.266 0*** 233.003 0*** ENS −11.913 2*** −8.957 3*** 193.664 0*** 306.162 0*** 注:*、**、***分别表示在10%、5%、1%的显著性水平下显著。 之后进行协整检验,主要是防止伪回归现象的出现。本文运用Kao检验方法对协整关系进行检验。根据表4的检验结果,Kao检验ADF统计量的t值为−2.714 448,对应P值小于0.01,因此可以判断原始变量间存在协整关系,不会出现伪回归现象。
表 4协整检验结果
统计量 t-Statistic Prob. ADF −2.714 448 0.003 300 Residual variance 0.000 054 HAC variance 0.000 014 2)固定效应检验
门槛回归的前提是使用固定效应模型进行估计。本文首先采用F检验来判断采用变截距模型或常截距模型,检验结果如表5所示,得到F统计量分别为153.10和158.11,对应P值均小于0.05,故应采用变截距模型对方程进行估计。之后,利用Hausman检验判断选择固定效应或随机效应模型,得到χ2统计量分别为32.95和31.46,对应P值均小于0.05,判断应使用固定效应模型进行估计。因此,可进一步进行门槛效应检验。
表 5固定效应检验结果
环境规制类型 F检验 Hausman检验 F值 P值 结论 χ2值 P值 结论 正式环境规制 153.10 0.000 0 变截距模型 32.95 0.000 0 固定效应模型 非正式环境规制 158.11 0.000 0 变截距模型 31.46 0.000 0 固定效应模型 3)门槛效应检验
本文基于自助法(Bootstrap),通过重复抽样1 000次求得F统计量、对应P值及临界值(如表6所示)。结果显示,正式环境规制对全要素能源效率的影响存在双重门槛效应,其单一门槛和双重门槛分别在1%、5%的显著性水平下显著;非正式环境规制对全要素能源效率的影响存在单一门槛效应,在1%的显著性水平下显著。
表 6门槛效应检验结果
门槛变量 门槛个数 F值 P值 10%临界值 5%临界值 1%临界值 正式环境规制 一门槛 32.85 0.000 0 19.907 5 22.641 3 27.539 7 二门槛 13.43 0.021 0 10.222 1 12.055 9 14.704 7 三门槛 5.83 0.991 0 22.889 6 25.498 0 30.512 2 非正式环境规制 一门槛 26.21 0.002 0 20.308 0 21.676 1 24.638 7 二门槛 7.17 0.916 0 16.180 0 17.985 4 21.879 4 三门槛 13.44 0.049 0 11.8856 13.3077 49.4936 利用LR检验进一步对门槛估计值的真实性进行检验,表7展示了门槛估计值和对应的置信区间,根据门槛值可将正式环境规制划分为ER1≤0.0374、0.0374
0.0913三个区间,将非正式环境规制划分为ER2≤0.0058、ER2>0.0058两个区间。图6展示了门槛估计值在95%置信区间下的似然比序列图,由图6可知门槛值远小于临界值,证明了估计结果的真实性和有效性。 表 7门槛估计值与置信区间
环境规制分类 门槛值 95%的置信区间 环境规制分类 门槛值 95%的置信区间 正式环境规制 0.037 4 (0.036 4,0.037 6) 非正式环境规制 0.005 8 (0.005 2,0.005 9) 0.091 3 (0.081 7,0.095 5) 4)估计结果分析
表8为门槛模型回归结果。其中,前三列为正式环境规制对全要素能源效率影响的回归结果,后三列为非正式环境规制对全要素能源效率影响的回归结果。两个模型F统计量分别为1 302.56、143.04,对应P值均小于0.01,说明方程总体在1%的水平下显著。
表 8门槛模型回归结果
变量(正式环境规制) 系数 P值 变量(非正式环境规制) 系数 P值 ER1(ER1≤0.0374) 6.160 5*** 0.000 ER2(ER2≤0.005 8) −29.191 9*** 0.000 ER1(0.0374 2.064 2*** 0.000 ER2(ER2>0.005 8) 0.970 1*** 0.005 ER1(ER1>0.0913) 0.806 5** 0.009 TEC 3.823 9*** 0.002 TEC 4.086 1*** 0.000 INS 2.355 6*** 0.000 INS 2.000 6*** 0.000 FDI 5.742 4*** 0.000 FDI 5.426 1*** 0.000 ENS −1.942 9*** 0.000 ENS −1.864 7 0.000 Constant 0.330 8*** 0.000 Constant 0.417 8*** 0.000 R2 0.660 8 R2 0.652 0 F 1 302.560 0 0.000 F 143.040 0 0.000 注:*、**、***分别表示在10%、5%、1%的显著性水平下显著。 当正式环境规制强度较低时(ER1≤0.037 4),其每增加1个单位,将引起中国全要素能源效率增加6.160 5;当正式环境规制强度位于中间水平(0.037 4
对于非正式环境规制,当其强度较低时(ER2≤0.005 8),其每增加1个单位,将引起中国全要素能源效率下降29.191 9;当其强度较高时(ER2>0.005 8),其每增加1个单位,将引起能源效率增加0.970 1,并均在1%的显著性水平下显著。这说明较高强度的非正式环境规制对全要素能源效率的提升更有效。在实施初期,公众诉求更偏向于自身利益,企业的某些经营活动可能完全合法却无法满足公众利益诉求,造成公众的信访或举报,使得企业压力增加,环保成本在短期内迅速上涨,挤占资本投入,经济产出下降,对能源效率产生抑制作用。当非正式环境规制政策实施到一定程度后,公众的个人利益诉求与社会利益愈发趋于一致,环境信访行为将更合理,所提出的人大及政协建议也将更符合实际,对企业行为产生良性影响,同时随着受教育程度的增加,公众环保意识增强,有利于这种良性影响的持续推进,促使企业在不影响经济产出的前提下采取节能减排措施,提高能源效率。分省份来看,2018年除青海非正式环境规制水平0.004在门槛值以下外,其余省份均已跨过门槛值,可对能源效率提升产生正向影响。因而,从非正式环境规制角度对假说2进行了验证。
控制变量中,TEC、INS、FDI三个变量的回归系数均为正,ENS变量回归系数为负,且在1%的显著性水平下显著,说明技术创新、产业结构升级、外商直接投资均对全要素能源效率产生正向影响,而能源消费结构对能源效率产生负向影响。技术创新可以有效降低能源消费量,提高生产力水平,优化能源消费结构,减少COD、SO2等污染物的排放,进而促进全要素能源效率的提升。在产业结构升级过程中,高能耗、低效益的产业将逐渐被低能耗、高效益的产业取代,另外产业间互动关系的加强使得资源要素配置更加合理,从而有利于提高能源效率。外商直接投资可以为中国带来更先进的技术、设备、管理模式等,刺激能源技术和生产方法的创新,有效提高中国企业的节能技术水平和管理能力,从而对中国能源效率的提高产生正向影响。能源消费结构由煤炭在能源消费总量中的占比来表示,煤炭占比量越大,排放污染物将越多,造成非期望产出增多,抑制全要素能源效率的提高。
2.环境规制对全要素能源效率的间接影响
1)技术创新为中介变量
表9展示了技术创新为中介变量时,环境规制对全要素能源效率的间接影响估计结果。在Sobel检验中,正式环境规制、非正式环境规制对应的SobelZ值分别为3.649、3.471,对应P值均小于0.01,说明中介效应显著。Sobel检验需要假定回归系数的乘积服从正态分布,具有一定的局限性,而Bootstrap检验无须满足这一假定,具有较高的统计效力[54]。故本文进一步运用Bootstrap法,设定重复抽样次数为1 000,检验结果如表10所示。在95%的置信水平下,当正式环境规制为解释变量时,中介效应和直接效应的置信区间分别为(0.128 0,0.460 8)、(0.046 6,1.146 6),当非正式环境规制为解释变量时,中介效应和直接效应的置信区间分别为(0.205 4,0.760 2)、 (0.790 5,2.449 9),置信区间均明显不包含0,说明中介效应和直接效应均显著,即存在部分中介效应。因此对假说3进行了验证。
表 9正式、非正式环境规制通过技术创新对全要素能源效率的间接影响
变量 正式环境规制 非正式环境规制 TFE(总) TEC TFE TFE(总) TEC TFE ER1 0.900 8*** 0.066 9*** 0.633 5*** (4.08) (5.62) (2.84) ER2 1.978 7*** 0.141 7*** 1.515 7*** (6.07) (8.19) (4.41) TEC 3.997 6*** 3.266 3*** (4.80) (3.83) Controls 控制 控制 控制 控制 控制 控制 Constant 0.429 9*** 0.008 9*** 0.394 5*** 0.366 0*** 0.004 4*** 0.351 8*** (15.13) (5.80) (13.72) (11.80) (2.65) (11.42) Adj-R2 0.587 2 0.430 6 0.605 5 0.603 5 0.467 8 0.614 6 F检验 171.35 91.55 148.03 183.27 106.26 153.78 F检验-P值 (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.0000 ) 中介效应 0.267 3*** 0.46 29*** SobelZ 3.649(0.000 3) 3.471(0.000 5) Goodman-1Z 3.616(0.000 3) 3.450(0.000 6) Goodman-2Z 3.683(0.000 2) 3.493(0.000 5) 中介效应占比 0.296 7 0.234 0 注:*、**、***分别表示在10%、5%、1%的显著性水平下显著。 表 10技术创新为中介变量时的Bootstrap检验
Bootstrap检验 正式环境规制 非正式环境规制 中介效应 0.267 3*** 0.462 9*** Z检验 3.22 3.39 百分位置信区间 (0.128 0, 0.460 8) (0.205 4, 0.760 2) 直接效应 0.633 5** 1.515 8*** Z检验 2.20 3.63 百分位置信区间 (0.046 6,1.146 6) (0.790 5, 2.449 9) 注:*、**、***分别表示在10%、5%、1%的显著性水平下显著。 进一步分析作用方向并从理论上阐述因果关系。根据中介效应回归结果,正式环境规制每增加一个单位,可通过技术创新这一路径间接引起能源效率增加0.267 3。正式环境规制可对技术创新产生正向影响,其强度每增加1个单位,将引起技术创新水平增加0.066 9,这验证了“波特假说”的成立。政府实施正式环境规制会对企业污染行为形成严格限制,企业为达到环保要求将对生产环节进行优化,采用新技术达到环保标准或避免处罚,形成的“创新补偿”效应大于因治污成本增加挤占创新资金形成的“遵循成本”效应。技术创新可推动全要素能源效率的增长,其每增加1个单位,将引起全要素能源效率增加3.997 6。技术创新一方面可以减少生产过程中的能源损失,促进非能源要素对能源要素的替代,减少能源投入并降低污染物排放,另一方面可以提高生产力水平,促进经济增长,从而提高全要素能源效率。经上述分析可知,正式环境规制与全要素能源效率之间,存在正式环境规制→促进技术创新→提升全要素能源效率的因果链。
同理,对于非正式环境规制,同样存在类似的因果链,可表示为非正式环境规制→促进技术创新→提升全要素能源效率。根据回归结果,非正式环境规制对全要素能源效率的中介效应弹性系数为0.462 9,大于正式环境规制。这可能是因为中国正式环境规制实施较早,政策已逐步趋于完善,企业在原有技术基础上只需做出部分改善便能满足要求,而非正式环境规制主要体现了公众环保意识的提高与对环保行为监督和参与的增强,这将为企业带来新的挑战,刺激企业进行新的技术革新,对技术创新产生更大的影响作用,从而对全要素能源效率的间接影响效应更明显。在回归结果中,非正式环境规制对技术创新的影响系数为0.1417,是正式环境规制对应系数的两倍多,也说明了非正式环境规制对技术创新更为明显的影响效果。
2)产业结构升级为中介变量
表11、表12展示了产业结构升级为中介变量时,环境规制对全要素能源效率的间接影响估计结果。在Sobel检验中,正式、非正式环境规制对应的SobelZ值分别为−2.993、−4.399,对应P值均小于0.01,说明中介效应均显著。在Bootstrap检验中,在95%的置信水平下,当正式环境规制为解释变量时,中介效应和直接效应的置信区间分别为(−0.340 6,−0.069 7)、(0.052 5,1.174 3),当非正式环境规制为解释变量时,中介效应和直接效应的置信区间分别为(−0.970 0,−0.356 1)、(0.813 9,2.342 2),置信区间均明显不包含0,说明中介效应和直接效应均显著,即存在部分中介效应。因而,对假说4进行了验证。
表 11正式、非正式环境规制通过产业结构升级对全要素能源效率的间接影响
变量 正式环境规制 非正式环境规制 TFE(总) INS TFE TFE(总) INS TFE ER1 0.453 4** −0.091 6*** 0.633 5*** (2.03) (−4.17) (2.84) ER2 0.882 2*** −0.256 8*** 1.515 7*** (2.68) (−8.29) (4.41) INS 1.9661*** 2.467 2*** (4.30) (5.19) Controls 控制 控制 控制 控制 控制 控制 Constant 0.422 6*** 0.014 3 0.394 5*** 0.402 9*** 0.020 7*** 0.351 8*** (14.83) (5.10) (13.72) (13.44) (7.36) (11.42) Adj−R2 0.591 0 0.397 3 0.605 5 0.593 6 0.454 1 0.614 6 F检验 174.03 79.93 148.03 175.88 100.61 153.78 F检验−P值 (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.000 0) 中介效应 −0.180 2*** −0.633 5*** SobelZ −2.993(0.002 8) −4.399(0.000 0) Goodman−1Z −2.952(0.003 2) −4.376(0.000 0) Goodman−2Z −3.036(0.002 4) −4.422(0.000 0) 中介效应占比 −0.397 4 −0.718 0 注:*、**、***分别表示在10%、5%、1%的显著性水平下显著。 表 12产业结构升级为中介变量时的Bootstrap检验
Bootstrap检验 正式环境规制 非正式环境规制 中介效应 −0.180 2*** −0.633 5*** Z检验 −2.66 −4.06 百分位置信区间 (−0.340 6, −0.069 7) (−0.970 0, −0.356 1) 直接效应 0.633 5** 1.515 7 Z检验 2.20 3.80 百分位置信区间 (0.052 5, 1.174 3) (0.813 9, 2.342 2) 注:*、**、***分别表示在10%、5%、1%的显著性水平下显著。 进一步分析作用方向可知,产业结构升级在正式、非正式环境规制对中国全要素能源效率的影响中存在负向中介效应,即遮掩效应。正式、非正式环境规制每增加1 个单位,将分别引起能源效率下降0.180 2、0.633 5。根据表中回归结果,产业结构升级可对能源效率产生正向促进作用,但两种类型环境规制均会阻碍产业结构升级,导致中介效应为负值。这可能是因为中国中、西部的大部分省份仍以高污染、高能耗产业作为核心竞争力产业,这类产业受环境规制约束较强,环境规制水平的提高将使其面临巨大的污染治理成本,挤占了企业对改造生产工艺或绿色项目的投资,不利于企业完成转型。同时,部分企业会选择搬离环境规制水平较高的区域,向较低环境规制地区转移,使得迁入地产业结构恶化,造成迁出地的虚假升级,整体来看并不利于产业结构升级。产业结构的恶化会导致能源消耗与排放污染物的增加,因此抑制能源效率的提高。故可推断环境规制与全要素能源效率之间,存在正式环境规制→阻碍产业结构升级→抑制全要素能源效率提高,非正式环境规制→阻碍产业结构升级→抑制全要素能源效率提高的两条因果链。对比来看,非正式环境规制通过影响产业结构升级对能源效率的抑制作用更强,这可能是因为非正式环境规制是公众环保意愿的直接反映,无须繁琐的行政程序,作用更加灵敏。
3)外商直接投资为中介变量
表13、表14展示了外商直接投资为中介变量时,环境规制对全要素能源效率的间接影响估计结果。在Sobel检验中,正式、非正式环境规制作为解释变量的SobelZ值分别为3.220、3.701,对应P值均小于0.01,说明中介效应均在1%的显著性水平下显著。在Bootstrap检验中,在95%的置信水平下,当正式环境规制为解释变量时,中介效应和直接效应的置信区间分别为(0.142 1,0.889 1)、(0.076 5,1.207 5),当非正式环境规制为解释变量时,中介效应和直接效应的置信区间分别为(0.373 8,1.448 8)、(0.792 9,2.373 9),置信区间均明显不包含0,说明中介效应和直接效应均显著,即存在部分中介效应。因而,验证了假说5成立。
表 13正式、非正式环境规制通过外商直接投资对全要素能源效率的间接影响
变量 正式环境规制 非正式环境规制 TFE(总) FDI TFE TFE(总) FDI TFE ER1 1.132 6*** 0.082 3*** 0.633 5*** (4.24) (3.30) (2.84) ER2 2.390 3*** 0.147 5*** 1.515 7*** (5.86) (3.82) (4.41) FDI 6.062 7*** 5.928 1*** (14.95) (14.74) Controls 控制 控制 控制 控制 控制 控制 Constant 0.555 7*** 0.026 6*** 0.394 5*** 0.486 2*** 0.022 7*** 0.351 8*** (17.21) (8.82) (13.72) (13.70) (6.76) (11.42) Constant 0.555 7*** 0.026 6*** 0.394 5*** 0.486 2*** 0.022 7*** 0.351 8*** (17.21) (8.82) (13.72) (13.70) (6.76) (11.42) Adj-R2 0.420 6 0.187 8 0.605 5 0.439 2 0.194 0 0.614 6 F检验 87.93 28.69 148.03 94.79 29.82 153.78 F检验-P值 (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.000 0) 中介效应 0.499 0*** 0.874 6*** SobelZ 3.220(0.001 3) 3.701(0.000 2) Goodman-1Z 3.214(0.001 3) 3.693(0.000 2) Goodman-2 Z 3.227(0.001 2) 3.709(0.000 2) 中介效应占比 0.440 6 0.365 9 注:*、**、***分别表示在10%、5%、1%的显著性水平下显著。 表 14外商直接投资为中介变量时的Bootstrap检验
Bootstrap检验 正式环境规制 非正式环境规制 中介效应 0.499 0*** 0.874 6 Z检验 2.62 3.19 百分位置信区间 (0.142 1, 0.889 1) (0.373 8, 1.448 8) 直接效应 0.633 5** 1.515 7*** Z检验 2.20 3.82 百分位置信区间 (0.076 5, 1.207 5) (0.792 9, 2.373 9) 注:*、**、***分别表示在10%、5%、1%的显著性水平下显著。 由表13可知,外商直接投资在环境规制影响中国全要素能源效率的过程中具有中介效应,弹性系数分别为0.499 0、0.874 6。正式、非正式环境规制对外商直接投资具有正向促进作用,外商直接投资可促进全要素能源效率的提高,因此,正式、非正式环境规制可通过外商直接投资这一路径对全要素能源效率产生正向显著的间接影响。这说明中国环境规制可以吸引较高质量的外商直接投资。环境规制政策的实施可以提高外资企业的进入门槛,促进绿色清洁产业的进入,降低外资企业的能源消耗和污染排放。高质量的外商投资也可为中国带来先进的技术、设备、管理方法等等,发挥技术溢出和示范效应,促进中国企业学习模仿,改进已有技术,提高产量并降低能耗,从而提高全要素能源效率。在这一影响过程中,存在正式环境规制→高质量外商投资→提升能源效率和非正式环境规制→高质量外商投资→提升全要素能源效率这两条因果链。因而,验证了假说5的成立。通过与技术创新路径的对比可以发现,外商直接投资的中介效应更大,这可能是因为外商直接投资也可通过技术创新这一路径影响能源效率,在外商投资发挥的中介效应中,包含了部分技术创新的影响。
进一步分析中介效应占比可知,在环境规制对全要素能源效率的促进作用中,正式环境规制有29.67%可由技术创新路径进行解释,有44.06%可由外商直接投资路径进行解释;非正式环境规制有23.4%可由技术创新路径解释,有36.59%可由外商直接投资路径解释。正式环境规制中介效应占比大于非正式环境规制,在总的影响效应中,正式环境规制通过中介效应发挥的作用更大。这可能是因为政府在制定政策时往往会全面考虑,更注重对企业的激励,而非正式环境规制反映的是公众直接的环保诉求,更倾向于直接影响企业的生产决策。
Impacts of Different Types of Environmental Regulations’ on Total Factor Energy Efficiency of China
-
摘要:不同类型环境规制会使市场资源配置发生不同转变,进而对全要素能源效率产生不同影响。基于2003—2018年中国省级面板数据,将环境规制分为正式、非正式两种类型并构建综合指标评价体系,运用SBM和共同前沿模型相结合测度考虑地区生产技术差异的全要素能源效率,利用面板门槛和中介效应模型从直接和间接两个维度研究环境规制在促进全国全要素能源效率提升过程中的影响效应。研究发现:正式环境规制对中国全要素能源效率提升发挥积极影响,但当其超过合理阈值时将减弱;非正式环境规制对中国全要素能源效率的影响呈先抑制、后促进的“U形”趋势。正式、非正式环境规制可通过影响技术创新和外商直接投资间接促进全要素能源效率的提高,且非正式环境规制的促进作用更强;产业结构升级在不同类型环境规制影响能源效率过程中存在遮掩效应,且非正式环境规制的遮掩效应更大。因此,应进一步优化环境规制工具,以科学的环境规制政策促进企业创新能力的提升和高质量外商投资的增加,增加全要素能源效率。Abstract:Different types of environmental regulations cause different changes in the allocation of market resources, which in turn have different effects on total factor energy efficiency. Based on provincial panel data from 2003 to 2018, in this paper, environmental regulations were divided into formal and informal types, a comprehensive index evaluation system was built, the combination of SBM and Meta-frontier model was used to measure total factor energy efficiency considering regional production technology differences, and the panel threshold and the intermediary effect model were used to study the promotion of environmental regulations from both direct and indirect dimensions. Results show that: formal environmental regulations have a positive impact on the improvement of total-factor energy efficiency of China, but the effect will weaken when it exceeds a reasonable threshold; the impact of informal environmental regulations on total-factor energy efficiency is a “U-shaped” trend that first decreases and then increases. Formal and informal environmental regulations can indirectly promote the improvement of total factor energy efficiency by influencing technological innovation and foreign direct investment, and informal environmental regulations have a stronger promoting effect. The industrial structure upgrade has a masking effect in the process of different types of environmental regulations affecting energy efficiency, and the masking effect of informal environmental regulations is greater. Therefore, environmental regulatory tools should be further optimized, and scientific environmental regulatory policies should be used to promote the improvement of corporate innovation capabilities and the increase of high-quality foreign investment, thereby increasing total factor energy efficiency.注释:1) An Energy Sector Roadmap to Carbon Neutrality in China. International Energy Agency. September 2021. https://www.iea.org/reports/an-energy-sector-roadmap-to-carbon-neutrality-in-china。2) 中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要.共产党员网. 2021年3月13日. https://www.12371.cn/2021/03/13/ARTI1615598751923816.shtml。3) 生态环境部举行2020年6月例行新闻发布会. 中华人民共和国国务院新闻办公室. 2020年6月30日. http://www.scio.gov.cn/xwfbh/gbwxwfbh/xwfbh/hjbhb/document/1683058/1683058.htm。
-
表 1环境规制测度指标体系
环境规制 指标 单位 正式环境规制(ER1) 当年地方性环保法规、规章及环境保护标准数 件 工业污染源治理投资 亿元 环境行政处罚案件数 件 非正式环境规制(ER2) 环境污染信访数 件 人均受教育年限 年 承办的环境相关人大及政协建议数 件 表 22003—2018年中国各省(市)全要素能源效率测算结果年平均值
东部地区 能源效率平均值 中部地区 能源效率平均值 西部地区 能源效率平均值 北京 1.000 0 山西 0.283 8 内蒙古 0.375 6 天津 1.000 0 吉林 0.444 5 广西 0.425 9 河北 0.467 5 黑龙江 0.739 2 重庆 0.387 7 辽宁 0.510 7 安徽 0.502 4 四川 0.463 8 上海 1.000 0 江西 0.435 2 贵州 0.274 0 江苏 0.683 8 河南 0.504 7 云南 0.374 0 浙江 0.611 1 湖北 0.567 6 陕西 0.345 2 福建 0.890 3 湖南 0.521 3 甘肃 0.314 3 山东 0.632 5 青海 0.269 3 广东 0.789 9 宁夏 0.191 1 海南 0.722 5 新疆 0.316 9 均值 0.755 3 均值 0.499 8 均值 0.339 8 全国总平均 0.531 6 表 3单位根检验结果
变量 LLC IPS Fisher-ADF Fisher-PP TFE −7.986 5*** −5.360 9*** 118.282 0*** 152.330 0*** ER1 −7.001 4*** −10.329 7*** 217.957 0*** 578.851 0*** ER2 −8.639 7*** −10.399 8*** 222.747 0*** 492.402 0*** TEC −9.671 2*** −7.501 2*** 169.014 0*** 310.357 0*** INS −12.199 6*** −8.677 3*** 193.375 0*** 211.229 0*** FDI −5.703 5*** −5.803 2*** 136.266 0*** 233.003 0*** ENS −11.913 2*** −8.957 3*** 193.664 0*** 306.162 0*** 注:*、**、***分别表示在10%、5%、1%的显著性水平下显著。 表 4协整检验结果
统计量 t-Statistic Prob. ADF −2.714 448 0.003 300 Residual variance 0.000 054 HAC variance 0.000 014 表 5固定效应检验结果
环境规制类型 F检验 Hausman检验 F值 P值 结论 χ2值 P值 结论 正式环境规制 153.10 0.000 0 变截距模型 32.95 0.000 0 固定效应模型 非正式环境规制 158.11 0.000 0 变截距模型 31.46 0.000 0 固定效应模型 表 6门槛效应检验结果
门槛变量 门槛个数 F值 P值 10%临界值 5%临界值 1%临界值 正式环境规制 一门槛 32.85 0.000 0 19.907 5 22.641 3 27.539 7 二门槛 13.43 0.021 0 10.222 1 12.055 9 14.704 7 三门槛 5.83 0.991 0 22.889 6 25.498 0 30.512 2 非正式环境规制 一门槛 26.21 0.002 0 20.308 0 21.676 1 24.638 7 二门槛 7.17 0.916 0 16.180 0 17.985 4 21.879 4 三门槛 13.44 0.049 0 11.8856 13.3077 49.4936 表 7门槛估计值与置信区间
环境规制分类 门槛值 95%的置信区间 环境规制分类 门槛值 95%的置信区间 正式环境规制 0.037 4 (0.036 4,0.037 6) 非正式环境规制 0.005 8 (0.005 2,0.005 9) 0.091 3 (0.081 7,0.095 5) 表 8门槛模型回归结果
变量(正式环境规制) 系数 P值 变量(非正式环境规制) 系数 P值 ER1(ER1≤0.0374) 6.160 5*** 0.000 ER2(ER2≤0.005 8) −29.191 9*** 0.000 ER1(0.0374 2.064 2*** 0.000 ER2(ER2>0.005 8) 0.970 1*** 0.005 ER1(ER1>0.0913) 0.806 5** 0.009 TEC 3.823 9*** 0.002 TEC 4.086 1*** 0.000 INS 2.355 6*** 0.000 INS 2.000 6*** 0.000 FDI 5.742 4*** 0.000 FDI 5.426 1*** 0.000 ENS −1.942 9*** 0.000 ENS −1.864 7 0.000 Constant 0.330 8*** 0.000 Constant 0.417 8*** 0.000 R2 0.660 8 R2 0.652 0 F 1 302.560 0 0.000 F 143.040 0 0.000 注:*、**、***分别表示在10%、5%、1%的显著性水平下显著。 表 9正式、非正式环境规制通过技术创新对全要素能源效率的间接影响
变量 正式环境规制 非正式环境规制 TFE(总) TEC TFE TFE(总) TEC TFE ER1 0.900 8*** 0.066 9*** 0.633 5*** (4.08) (5.62) (2.84) ER2 1.978 7*** 0.141 7*** 1.515 7*** (6.07) (8.19) (4.41) TEC 3.997 6*** 3.266 3*** (4.80) (3.83) Controls 控制 控制 控制 控制 控制 控制 Constant 0.429 9*** 0.008 9*** 0.394 5*** 0.366 0*** 0.004 4*** 0.351 8*** (15.13) (5.80) (13.72) (11.80) (2.65) (11.42) Adj-R2 0.587 2 0.430 6 0.605 5 0.603 5 0.467 8 0.614 6 F检验 171.35 91.55 148.03 183.27 106.26 153.78 F检验-P值 (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.0000 ) 中介效应 0.267 3*** 0.46 29*** SobelZ 3.649(0.000 3) 3.471(0.000 5) Goodman-1Z 3.616(0.000 3) 3.450(0.000 6) Goodman-2Z 3.683(0.000 2) 3.493(0.000 5) 中介效应占比 0.296 7 0.234 0 注:*、**、***分别表示在10%、5%、1%的显著性水平下显著。 表 10技术创新为中介变量时的Bootstrap检验
Bootstrap检验 正式环境规制 非正式环境规制 中介效应 0.267 3*** 0.462 9*** Z检验 3.22 3.39 百分位置信区间 (0.128 0, 0.460 8) (0.205 4, 0.760 2) 直接效应 0.633 5** 1.515 8*** Z检验 2.20 3.63 百分位置信区间 (0.046 6,1.146 6) (0.790 5, 2.449 9) 注:*、**、***分别表示在10%、5%、1%的显著性水平下显著。 表 11正式、非正式环境规制通过产业结构升级对全要素能源效率的间接影响
变量 正式环境规制 非正式环境规制 TFE(总) INS TFE TFE(总) INS TFE ER1 0.453 4** −0.091 6*** 0.633 5*** (2.03) (−4.17) (2.84) ER2 0.882 2*** −0.256 8*** 1.515 7*** (2.68) (−8.29) (4.41) INS 1.9661*** 2.467 2*** (4.30) (5.19) Controls 控制 控制 控制 控制 控制 控制 Constant 0.422 6*** 0.014 3 0.394 5*** 0.402 9*** 0.020 7*** 0.351 8*** (14.83) (5.10) (13.72) (13.44) (7.36) (11.42) Adj−R2 0.591 0 0.397 3 0.605 5 0.593 6 0.454 1 0.614 6 F检验 174.03 79.93 148.03 175.88 100.61 153.78 F检验−P值 (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.000 0) 中介效应 −0.180 2*** −0.633 5*** SobelZ −2.993(0.002 8) −4.399(0.000 0) Goodman−1Z −2.952(0.003 2) −4.376(0.000 0) Goodman−2Z −3.036(0.002 4) −4.422(0.000 0) 中介效应占比 −0.397 4 −0.718 0 注:*、**、***分别表示在10%、5%、1%的显著性水平下显著。 表 12产业结构升级为中介变量时的Bootstrap检验
Bootstrap检验 正式环境规制 非正式环境规制 中介效应 −0.180 2*** −0.633 5*** Z检验 −2.66 −4.06 百分位置信区间 (−0.340 6, −0.069 7) (−0.970 0, −0.356 1) 直接效应 0.633 5** 1.515 7 Z检验 2.20 3.80 百分位置信区间 (0.052 5, 1.174 3) (0.813 9, 2.342 2) 注:*、**、***分别表示在10%、5%、1%的显著性水平下显著。 表 13正式、非正式环境规制通过外商直接投资对全要素能源效率的间接影响
变量 正式环境规制 非正式环境规制 TFE(总) FDI TFE TFE(总) FDI TFE ER1 1.132 6*** 0.082 3*** 0.633 5*** (4.24) (3.30) (2.84) ER2 2.390 3*** 0.147 5*** 1.515 7*** (5.86) (3.82) (4.41) FDI 6.062 7*** 5.928 1*** (14.95) (14.74) Controls 控制 控制 控制 控制 控制 控制 Constant 0.555 7*** 0.026 6*** 0.394 5*** 0.486 2*** 0.022 7*** 0.351 8*** (17.21) (8.82) (13.72) (13.70) (6.76) (11.42) Constant 0.555 7*** 0.026 6*** 0.394 5*** 0.486 2*** 0.022 7*** 0.351 8*** (17.21) (8.82) (13.72) (13.70) (6.76) (11.42) Adj-R2 0.420 6 0.187 8 0.605 5 0.439 2 0.194 0 0.614 6 F检验 87.93 28.69 148.03 94.79 29.82 153.78 F检验-P值 (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.000 0) (0.000 0) 中介效应 0.499 0*** 0.874 6*** SobelZ 3.220(0.001 3) 3.701(0.000 2) Goodman-1Z 3.214(0.001 3) 3.693(0.000 2) Goodman-2 Z 3.227(0.001 2) 3.709(0.000 2) 中介效应占比 0.440 6 0.365 9 注:*、**、***分别表示在10%、5%、1%的显著性水平下显著。 表 14外商直接投资为中介变量时的Bootstrap检验
Bootstrap检验 正式环境规制 非正式环境规制 中介效应 0.499 0*** 0.874 6 Z检验 2.62 3.19 百分位置信区间 (0.142 1, 0.889 1) (0.373 8, 1.448 8) 直接效应 0.633 5** 1.515 7*** Z检验 2.20 3.82 百分位置信区间 (0.076 5, 1.207 5) (0.792 9, 2.373 9) 注:*、**、***分别表示在10%、5%、1%的显著性水平下显著。 -
[1] 邵帅, 张可, 豆建民. 经济集聚的节能减排效应: 理论与中国经验[J]. 管理世界, 2019, 35(1): 36-60+226.doi:10.3969/j.issn.1002-5502.2019.01.004 [2] 李强, 左静娴, 王琰. 环境分权对全要素能源效率的影响: 基于空间杜宾模型的分析[J]. 地域研究与开发, 2019, 38(1): 123-127.doi:10.3969/j.issn.1003-2363.2019.01.023 [3] 马海良, 董书丽. 不同类型环境规制对碳排放效率的影响[J]. bob手机在线登陆学报(社会科学版), 2020, 22(4): 1-10. [4] 史丹, 李少林. 排污权交易制度与能源利用效率: 对地级及以上城市的测度与实证[J]. 中国工业经济, 2020(9): 5-23.doi:10.3969/j.issn.1006-480X.2020.09.001 [5] DASGUPTA P S, HEAL G M. Economic theory and exhaustible resources: renewable resources[M]. New York:Cambridge University Press, 1980: 113−152. [6] 李怡娜, 叶飞. 制度压力、绿色环保创新实践与企业绩效关系: 基于新制度主义理论和生态现代化理论视角[J]. 科学学研究, 2011, 29(12): 1884-1894. [7] 吴磊, 贾晓燕, 吴超, 等. 异质型环境规制对中国绿色全要素生产率影响研究[J]. 中国人口·资源与环境, 2020(10): 82-92. [8] 周海华, 王双龙. 正式与非正式的环境规制对企业绿色创新的影响机制研究[J]. 软科学, 2016, 30(8): 47-51. [9] JORGENSON D W, WILCOXEN P J. Intertemporal general equilibrium modeling of U. S. environmental regulation[J]. Journal of Policy Modeling, 2004, 12(4): 715-744. [10] NASO P, HUANG Y, SWANSON T. The porter hypothesis goes to China: spatial development, environmental regulation and productivity[J/OL]. CIES Research Paper Series, 2017, 53. https://econpapers.repec.org/paper/giiciesrp/cies_5frp_5f53.htm. [11] 游伟民. 环境规制对中美贸易影响的实证分析[J]. 经济问题, 2010(10): 58-61. [12] 游达明, 张杨, 袁宝龙. 财政分权与晋升激励下环境规制对产业结构升级的影响[J]. 吉首大学学报(社会科学版), 2019, 40(2): 21-32. [13] 陈海跃. 中国区域能源效率及其影响因素分析: 基于DEA-Malmquist模型[J]. 贵州财经大学学报, 2017(6): 32-39.doi:10.3969/j.issn.1003-6636.2017.06.003 [14] TONE K. A slacks-based measure of efficiency in data envelopment analysis[J]. European Journal of Operational Research, 2001, 130(3): 498-509.doi:10.1016/S0377-2217(99)00407-5 [15] MENG F, SU B, THOMSON E, et al. Measuring China’s regional energy and carbon emission efficiency with DEA models: a survey[J/OL]. Applied Energy, 2016, 183(1): 1-21.https://www.sciencedirect.com/science/article/pii/S0306261916312673. [16] 陈平, 罗艳. 中国工业生态全要素能源效率异质性研究: 基于SBM-Undesirable和Meta-frontier模型的分析[J]. 商业研究, 2017(4): 154-160. [17] 彭代彦, 张俊. 环境规制对中国全要素能源效率的影响研究: 基于省际面板数据的实证检验[J]. 工业技术经济, 2019, 38(2): 59-67.doi:10.3969/j.issn.1004-910X.2019.02.008 [18] CURTIS E M, LEE J M. When do environmental regulations backfire? Onsite industrial electricity generation, energy efficiency and policy instruments[J]. Journal of Environmental Economics and Management, 2019, 96: 174-194.doi:10.1016/j.jeem.2019.04.004 [19] DIRCKINCK-HOLMFELD K. The options of local authorities for addressing climate change and energy efficiency through environmental regulation of companies[J]. Journal of Cleaner Production, 2015, 98(1): 175–184. [20] 尤济红, 高志刚. 政府环境规制对能源效率影响的实证研究: 以新疆为例[J]. 资源科学, 2013, 35(6): 1211-1219. [21] 高志刚, 尤济红. 环境规制强度与中国全要素能源效率研究[J]. 经济社会体制比较, 2015(6): 111-123. [22] WU H T, HAO Y, REN S Y. How do environmental regulation and environmental decentralization affect green total factor energy efficiency: Evidence from China[J]. Energy Economics, 2020, 91: 104880.doi:10.1016/j.eneco.2020.104880 [23] 张华, 王玲, 魏晓平. 能源的“波特假说”效应存在吗?[J]. 中国人口·资源与环境, 2014, 24(11): 33-41.doi:10.3969/j.issn.1002-2104.2014.11.005 [24] 王腾, 严良, 何建华等. 环境规制影响全要素能源效率的实证研究: 基于波特假说的分解验证[J]. 中国环境科学, 2017(4): 1571-1578.doi:10.3969/j.issn.1000-6923.2017.04.046 [25] XIE R H, YUAN Y J, HUANG J J. Different types of environmental regulations and heterogeneous influence on energy efficiency in the industrial sector: evidence from Chinese provincial data[J/OL]. Ecological Economics, 2017, 132:104−112. https://www.sciencedirect. com/science/article/pii/S0921800916302804. [26] PAN X F, AI B W, LI C Y, et al. Dynamic relationship among environmental regulation, technological innovation and energy efficiency based on large scale provincial panel data in China[J]. Technological Forecasting and Social Change, 2019, 144: 428-435.doi:10.1016/j.techfore.2017.12.012 [27] 叶红雨, 李奕杰. 异质性环境规制对中国全要素能源效率的影响研究[J]. 资源开发与市场, 2020, 36(7): 688-694.doi:10.3969/j.issn.1005-8141.2020.07.004 [28] 李颖, 徐小峰, 郑越. 环境规制强度对中国工业全要素能源效率的影响: 基于2003—2016年30省域面板数据的实证研究[J]. 管理评论, 2019, 31(12): 40-48. [29] 侯洋. 环境规制对能源效率的影响研究[D]. 昆明: 云南财经大学, 2020. [30] 李德山, 张郑秋. 环境规制对城市绿色全要素生产率的影响[J]. bob手机在线登陆学报(社会科学版), 2020, 22(4): 39-48. [31] PARGAL S, WHEELER D. Informal Regulation of Industrial Pollution in Developing Countries: Evidence from Indonesia[J]. Journal of Political Economy, 1996, 104(6): 1314-1327.doi:10.1086/262061 [32] 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. [33] PORTER M E, LINDE C. Toward A New Conception of the Environment-Competitiveness Relationship[J]. Journal of Economic Perspectives, 1995, 9(4): 97-118.doi:10.1257/jep.9.4.97 [34] OUYANG X L, ZHUANG W X, SUN C W. Haze, health, and income: An integrated model for willingness to pay for haze mitigation in Shanghai, China[J/OL]. Energy Economics, 2019, 84: 104535.https://www.sciencedirect.com/science/article/pii/S0140988319303305. [35] 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[J]. 经济研究, 2018, 53(11): 182-198. [36] 肖兴志, 徐信龙. 区域创新要素的配置和结构失衡: 研究进展、分析框架与优化策略[J]. 科研管理, 2019, 40(10): 1-13. [37] 郑晓舟, 郭晗, 卢山冰. 双重环境规制与产业结构调整: 来自中国十大城市群的经验证据[J]. 云南财经大学学报, 2021, 37(3): 1-15. [38] 李平, 丁世豪. 进口技术溢出提升了制造业能源效率吗?[J]. 中国软科学, 2019(12): 137-149.doi:10.3969/j.issn.1002-9753.2019.12.012 [39] KOLSTAD C D, XING Y. Do lax environmental regulations attract foreign investment?[J/OL]. Environmental and Resource Economics, 2002, 21 : 1−22. https://link.springer.com/article/10.1023/A:1014537013353. [40] 林伯强, 刘泓汛. 对外贸易是否有利于提高能源环境效率: 以中国工业行业为例[J]. 经济研究, 2015, 50(9): 127-141. [41] ZHANG J X, LIU Y M, CHANG Y, et al. Industrial eco-efficiency in China: a provincial quantification using three-stage data envelopment analysis[J/OL]. Journal of Cleaner Production, 2017, 143(1): 238−249. https://www.sciencedirect. com/science/ article/pii/S0959652616321862?via%3Dihub. [42] 张军, 吴桂英, 张吉鹏. 中国省际物质资本存量估算: 1952—2000[J]. 经济研究, 2004(10): 35-44. [43] 单豪杰. 中国资本存量K的再估算: 1952~2006年[J]. 数量经济技术经济研究, 2008, 25(10): 17-31. [44] 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(08): 107-115.doi:10.3969/j.issn.1002-2104.2015.08.014 [45] 蔡海亚, 赵永亮, 焦微玲. 环境规制对制造业价值链攀升的影响效应[J]. bob手机在线登陆学报(社会科学版), 2020, 22(6): 11-19. [46] 徐盈之, 魏瑞. 双重环境规制、能源贫困与包容性绿色发展[J]. 中南大学学报(社会科学版), 2021, 27(2): 109-125.doi:10.11817/j.issn.1672-3104.2021.02.011 [47] 石奕琛. 环境规制、行业异质性与出口技术复杂度[D]. 杭州: 浙江大学, 2021. [48] 沈宏亮, 金达. 非正式环境规制能否推动工业企业研发: 基于门槛模型的分析[J]. 科技进步与对策, 2020, 37(2): 106-114.doi:10.6049/kjjbydc.2019010291 [49] 陈东景, 冷伯阳. 异质型环境规制对雾霾污染的影响——基于空间杜宾模型[J]. 江汉学术, 2021, 40(4): 54-62. [50] 刁心薇, 曾珍香. 环境规制对中国能源效率影响的研究——基于省际数据的实证分析[J]. 技术经济与管理研究, 2020(3): 92-97.doi:10.3969/j.issn.1004-292X.2020.03.016 [51] 李小胜, 张焕明. 中国碳排放效率与全要素生产率研究[J]. 数量经济技术经济研究, 2016, 33(8): 64-79+161. [52] HANSEN B E. Threshold effects in non-dynamic panels: Estimation, testing, and inference[J]. Journal of Econometrics, 1999, 93(2): 345-368.doi:10.1016/S0304-4076(99)00025-1 [53] 温忠麟. 张雷, 侯杰泰, 刘红云. 中介效应检验程序及其应用[J]. 心理学报, 2004(5): 614-620. [54] 温忠麟, 叶宝娟. 中介效应分析: 方法和模型发展[J]. 心理科学进展, 2014, 22(5): 731-745.