文章快速检索     高级检索
  中国环境管理  2021, Vol. 13 Issue (6): 61-69  
0

引用本文 

张静晓, 孙昕冉, 李慧. 排污权交易政策对绿色创新效率的影响研究[J]. 中国环境管理, 2021, 13(6): 61-69.
ZHANG Jingxiao, SUN Xinran, LI Hui. Research on the Impact of Emissions Trading Policy on the Green Innovation Efficiency[J]. Chinese Journal of Environmental Management, 2021, 13(6): 61-69.

基金项目

国家社会科学基金项目“数字化转型背景下中国建筑业高质量发展驱动机制与实施路径研究”(20BJY010);国家社科后期资助基金项目“环境规制下中国建筑业绿色全要素生产率评价与政策研究”(19FJYB017);国家社会科学基金“一带一路”建设重大研究专项项目“‘一带一路’倡议与联合国2030年可持续发展议程对接研究”(18VDL005)

作者简介

张静晓(1981-), 男, 教授, 博士生导师, 研究方向为建筑经济与服务管理、环境经济与管理, E-mail: zhangjingxiao964@126.com.

责任作者

李慧(1982-), 女, 副教授, 硕士生导师, 研究方向为低碳建筑与管理, E-mail: lihui9922@126.com.
排污权交易政策对绿色创新效率的影响研究
张静晓 1, 孙昕冉 1, 李慧 2     
1. 长安大学经济与管理学院, 陕西西安 710064;
2. 长安大学建筑工程学院, 陕西西安 710064
摘要: 在现有环境污染严重的背景下绿色转型成为经济发展的必要,为解决发展中的污染问题政府采取环境规制政策进行干预,环境规制政策的评价标准不仅要保护环境同时也要兼顾经济发展。目前关于检验排污权交易政策对绿色发展的影响研究较少。本文基于中国2004—2018年30个省份面板数据,通过双重差分法(DID)等实证检验排污权交易政策的实施效果和作用机制,并且采用PSM-DID等方法进行稳健性检验。研究发现:排污权交易政策的实施不仅减少了污染物SO2的排放,而且对工业绿色创新效率具有显著促进作用,有效推动经济可持续发展;通过作用机制分析可知,排污权交易政策提高绿色创新效率的作用途径是加大研发投入,并没有通过调整产业结构提高绿色创新效率;异质性分析表明在强环境规制下排污权政策的实施效果更好。中国政府有必要继续推动建设排污权交易政策的全国化,发挥政府激励作用,促使企业加大研发投入,提升绿色创新效率,推动经济可持续发展。本文从绿色创新效率的新视角检验了排污权交易政策的实施效果,有助于区域绿色发展的同时也为制定和完善排污权交易政策提供借鉴和参考。
关键词: 排污权交易政策    政策效应    减排    工业绿色创新效率    双重差分法    
Research on the Impact of Emissions Trading Policy on the Green Innovation Efficiency
ZHANG Jingxiao1 , SUN Xinran1 , LI Hui2     
1. School of Economics and Management, Chang'an University, Xi'an 710064, China;
2. School of Civil Engineering, Chang'an University, Xi'an 710064, China
Abstract: Green transformation has become a necessity for economic development under severe environmental pollution. In order to solve the pollution problem in the development, the government adopts environmental regulation policies to intervene. Therefore, when evaluating environmental regulations, it is necessary to not only protect the environment but also take into account economic development. At present, there are few studies on evaluating the impact of emissions trading policy on green development. Thus, using the panel data of 30 provinces in China from 2004 to 2018, the data envelopment analysis method and the difference in differences method were used to analyze the emission reduction effect of the emissions trading policy and the impact on the green innovation efficiency and mediating effects. The study found that the emissions trading policy reduced pollutant emissions (SO2), improved the industrial green innovation efficiency significantly, and promoted the sustainable development of the economy. Through the analysis of the mediating effect, it can be seen that the effect of the emissions trading policy to improve the green innovation efficiency was to increase R & D investment, and it did not improve the green innovation efficiency by adjusting the industrial structure. The heterogeneity analysis showed the implementation effect of the emissions trading policy under strong environmental regulations was better. It is necessary for Chinese government to continue to promote the nationalization of the construction of emissions trading policy, give full play to the government's incentive role, urge enterprises to increase R & D investment, improve the green innovation efficiency, and promote sustainable economic development. This study examined the implementation effects of emissions trading policy from a new perspective, which is helpful for regional green development and also provides references for formulating and improving emissions trading policy.
Keywords: emissions trading policy    policy effect    emissions reduction    industrial green innovation efficiency    difference in difference    
引言

工业发展在推动世界经济发展的同时,也带来严重的环境污染问题[1]。随着能源、资源的不断消耗,工业的发展必须由传统的高能耗、高污染的粗放式发展转变为可持续发展[2]。绿色创新是实现经济可持续发展的重要途径[3]。绿色创新是指促进环境保护和可持续发展而进行的创新活动[4]。为治理环境污染问题,各国政府均在探索实施有效的环境规制政策。市场激励型因具有良好的灵活性而备受推崇,作为市场激励型环境规制政策代表之一的排污权交易政策在美国、日本、澳大利亚、中国等许多国家得到广泛应用[5],对于环境保护和可持续发展具有重要意义[6]

排污权交易政策主要是通过市场机制产生经济激励,进而激发企业采取创新性技术及方法实现减排[7],但由于污染排放成本等因素也会对环境规制政策的实施产生一定的约束。环境规制政策的实施是否能够在环境保护的同时促进经济增长成为研究的热点问题,环境规制对绿色创新效率的影响也逐渐成为学者关注的重点[3]

现有环境规制政策的效果评价研究存在促进性[5]、抑制性[8]和非线性[9]三种矛盾的观点;且现有排污权交易政策效果评价主要集中在环境效果评价[10-12]以及部分对经济效果的评价[6, 13],并未对该效果背后的影响途径进行深入分析。排污权交易政策对工业绿色创新效率的影响仍然是一个缺乏研究的领域。排污权交易政策的实施是否有效减少污染排放并提高企业绿色创新效率?排污权交易政策的具体影响途径是什么?不同的环境规制强度下排污权交易政策的实施效果是否会发生改变?本文以中国2007年的排污权交易政策为例,选取2004—2018年的省际面板数据,采用双重差分法(DID)实证检验排污权交易政策的环境和经济效果,并进一步探究该政策对绿色创新效率的影响路径和异质性。

本文在检验排污权交易政策有效性的基础上,从绿色创新效率的视角考察排污权交易政策对经济可持续发展的影响,更加准确、全面地评估排污权交易政策的实施效果,丰富排污权交易理论在国际层面的应用研究。通过研究排污权交易政策对工业绿色创新效率的影响途径,可更直观地揭示排污权交易政策如何在中国治理污染和发展经济中发挥长期作用,也有利于相关部门运用适当的手段发挥该政策的激励和引导作用,提高企业减排的动力。本文丰富排污权交易政策领域的相关研究,为排污权交易政策的全国推广以及其他相关政策的实施提供理论和经验支持,同时也可为其他污染严重的发展中国家实施排污权交易政策提供参考经验。

1 文献综述

随着环境污染问题的日益严峻,绿色发展成为关键,绿色创新效率也得到政府和学者们的重视。绿色创新效率在创新的基础上考虑了环境因素,体现绿色创新投入产出的效率,是有效地衡量绿色创新的指标[14]。目前绿色创新效率的研究主要集中于测度[1, 14]和影响因素[2]。为解决环境污染的负外部性问题,环境规制得到广泛应用[15]。因此学者就环境规制对绿色创新效率的影响展开研究。现有环境规制影响效果一直存在激烈的争论。新古典经济学认为环境规制会导致企业增加额外成本,对该国经济增长造成负面影响[16]。而波特假说则认为合理且严格的环境规制有利于激励企业开展创新活动,减少企业的额外环境成本,从而实现环境和经济的双赢[17]。Tang等[18]研究发现命令控制型环境规制对绿色创新效率具有抑制作用,并考虑企业规模、所有制和地区异质性产生的影响。刘明玉和袁宝龙[19]探究不同类型环境规制对长江经济带工业绿色创新效率的影响,其中市场激励型对绿色创新效率具有促进作用。许慧和李国英[1]分行业(高碳、低碳行业)检验环境规制对绿色创新效率的异质性,其中在全行业和高碳行业中均存在非线性的影响。现有研究中一些学者认为环境规制产生抑制性[8, 18];另一些学者认为环境规制可倒逼企业创新,促进经济的发展[5, 15, 19];也有学者认为两者并非线性关系,而是非线性关系[1, 9, 14]。不同学者对环境规制的效果检验结果不统一。

市场化环境治理由于市场带来的灵活性,更易激发污染型企业创新的自发性,降低污染治理的成本[10]。作为市场型环境规制的代表性政策之一,排污权交易政策逐渐成为有效治理环境污染的政策之一[12, 20]。排污权交易的理论起源是科斯定理[21],在交易成本为零以及产权界定明确的情况下,市场的自发性会自动调节资源成为帕累托最优,实现最优的资源配置状态。排污权交易政策的核心是在总量控制的基础上进行企业排放配额的分配,排污权可在市场上自由交易,高污染企业可购买多余的排放额,并且出售多余的排放额可增加企业收益,从而利用市场力量达到有效的资源分配[13]。一方面,通过规定污染企业的排放额,排污权交易政策可以实现污染物减排的效果。Zhang等[10]、Xuan等[11]、李永友和文云飞[12]、梅林海和朱韵琴[22]、路正南和罗雨森[23]等学者就排污权交易政策的减排效果展开研究。Zhou等[24]研究排放权交易对碳强度影响及其作用机制,发现该政策通过调整产业结构降低碳强度,而能源结构和能源强度未能发挥作用。另一方面,超额排放的企业必须降低污染排放或购买排放额[25],当购买成本高时企业更倾向于开展技术创新。排污权交易政策的有效实施不仅仅在于减排效果,还能促进经济绿色发展[7]。Martin等[26]从减排、经济表现、竞争力和创新等四方面回顾欧盟有关排污权交易制度(ETS)的影响研究,其中ETS的主要目标是减排,另一个长期目标是促进创新。Borghesi等[3]研究欧盟排放交易体系以检验与绿色创新之间的关系。Ren等[13]研究发现排污权交易政策不仅具有减排效果且促进企业创新和环境创新,并且在环境执法严格的地区实施效果更好。傅京燕和程芳芳[6]在证明减排效应的同时发现该政策可有效促进经济数量和质量的增长。游达明和袁静婕[25]发现该政策可促进企业的环保投资,并且在低行业竞争中更能发挥积极作用。任胜钢等[27]研究发现该政策减少SO2的排放并促进企业全要素生产率,影响途径为技术创新和资源配置效率。涂正革和谌仁俊[28]发现该政策在中国没有实现波特效应。齐红倩和陈苗[7]研究发现该政策具有减排效果,但在短期内未实现绿色发展。现有研究大多关注减排效果,且经济效果的研究结论也并不统一。

综上所述,现有绿色创新效率的研究集中于其测度和影响因素,环境规制对绿色创新效率的影响研究较少且研究结论并不统一。排污权交易政策的研究大多关注其减排效果,缺乏该政策对绿色创新效率的研究,也并未对该效果背后的影响途径进行深入分析。作为市场激励型环境规制重要政策之一,排污权交易政策具体效果如何值得深入研究。本文不仅检验该政策的减排效果,还考察了其对绿色创新效率的影响,弥补以往研究中的不足。同时分析研发投入和产业结构在排污权交易政策和绿色创新效率的中介效应以及不同环境规制强度下的异质性效应,深入探究排污权交易政策在中国治理污染和发展经济中发挥的长期作用。

2 研究方法 2.1 计量模型构建

Ashenfelter和Card [29]首次使用DID进行政策效果评价。DID是通过将处理组(政策实施地区)实施前后的差分和控制组(政策未实施地区)实施前后的差分再次进行差分以检验政策实施效果。DID可存在不可观测因素,故政策评估的条件有所放松,评估更加接近于经济现实,且DID也可有效减轻回归中的内生性问题[20],故DID被广泛应用于政策效果评估[28, 30]

知识生产函数模型中创新投入是创新产出的函数,我国学者李晓娣和赵健[31]进一步结合“C-D”函数提出研发投入和产出关系的生产函数模型,据此本文建立区域省份创新效率函数的基本模型。其基本形式为:innov i=Ai(inputi)β。等式两边取对数可得ln(innov i)=A+βln(inputi),等式左边为创新效率,右边为误差项、系数项和创新投入相关变量。结合创新效率函数建立双重差分模型,并将人力、资本、技术等纳入模型中。

(1)
(2)

在上述模型中,下标it分别指第i个省份和第t年;被解释变量lnSO2为工业SO2排放量的对数值;GIE为工业绿色创新效率;D为政策虚拟变量,实施政策省份取值为1,未实施省份取值为0;T为时间虚拟变量,政策实施后的年份取值为1,政策实施前的年份取值为0;D ×T为政策实施地区和时间的交互项,此交互项的系数为本文研究的重点,衡量政策实施效果。α1α2分别代表公式(1)、公式(2)中的常数,λ1λ2分别代表公式(1)、公式(2)中对控制变量的影响效应,这4个变量都可以利用回归方法估计。如果β1/β2>0则说明排污权交易政策对被解释变量Y有促进作用,反之,则对Y有抑制作用。ε是模型的随机扰动项;Z为控制变量,包括人力、资本、技术等;γ t为时间效应;μi为个体效应。

2.2 变量选取

本文的被解释变量之一为绿色创新效率(GIE)。GIE的测度多采用数据包络分析法(DEA)。最初将环境、资源等作为投入,随着研究方法的改进,更多的学者将DEA和方向距离函数(DDF)结合并将环境污染作为非期望产出进行测算。由于传统的DDF存在投入和产出的径向性和导向性,会导致偏离真实的绿色创新效率值。故学者将SBM和DDF结合得到非径向、非导向性基于松弛测度的方向距离函数(SBM-DDF) 这一分析工具,更加真实地测度GIE。因此本文运用SBM-DDF测度工业绿色创新效率。参考普遍做法选取投入和产出指标。投入指标分为人力投入、资金投入和能源投入,人力投入(L)使用规模以上工业企业研究与试验发展(R & D)人员全时当量衡量[2, 14, 32],资金投入(K)用规上企业R & D经费内部支出衡量[2, 14, 32],能源投入采用能源消费总量衡量[2, 16, 33]。产出指标分为期望产出和非期望产出,期望产出为规上企业发明专利申请量[2, 14, 32](P)和规上企业新产品销售收入[2, 32, 33] (G),非期望产出(E)为工业SO2排放量[2, 16, 32]

本文具体控制变量如下:①经济发展水平(GDP),采用地区人均国内生产总值对数值来衡量[22, 33];②外商直接投资(FDI),采用当年实际使用的外资金额占生产总值的比值来衡量[2, 22, 33];③教育水平(EDU),采用财政性教育经费占财政总支出比重来衡量[2, 22];④工业规模(SIZE),采用工业总产值与企业数量的比值来衡量[2, 16]

2.3 数据选择

早在1987年,排污权交易就在中国上海开展。2002年,7个省份和中国华能集团被原环境保护部选为二氧化硫排污权交易制度的示范地区。2007年又有11个省份被批准为中国排污权交易试点地区[6]

因为2007年实施的政策比2002年的政策更加完善,排污权交易规模、范围也得到扩大,交易的活跃程度更高,可获得更可信的实证结果[20],因此本文选取2007年实施的政策开展研究。由于部分年鉴最新年份为2019 (即2018年的数据),故本文选取我国除香港、台湾、澳门、西藏外30个省份2004—2018年的面板数据。

本文所需的数据主要来源于《中国统计年鉴》《中国科技统计年鉴》《中国环境统计年鉴》《中国能源统计年鉴》以及各省份的统计年鉴。以2003年为基期对相关原始数据进行平减换算[1]。具体各变量的描述性统计如表 1所示。

表 1 变量的描述性统计
3 实证结果与分析 3.1 回归结果 3.1.1 排污权交易政策的有效性检验

根据Hausman检验结果选择固定效应模型,为控制个体效应和时间效应,本文采用双向固定效应模型开展实证检验[5, 23]。研究排污权交易政策与工业绿色创新效率关系的前提是该政策的有效实施[6],故本文先检验该政策对工业SO2排放量的影响。通过逐步加入控制变量(GDP、FDI、EDU、SIZE)来增强模型的稳健性。结果如表 2所示。随着控制变量的加入,交互项系数始终显著为负,表明该政策的实施有效减少工业SO2的排放。系数符号和大小保持不变,表明结果具有稳健性。R2值也在逐渐增加,说明模型拟合效果得以提高。

表 2 排污权交易政策的减排效果
3.1.2 排污权交易政策对工业绿色创新效率的影响

在满足政策有效性的前提下,本文进一步检验排污权交易政策对工业绿色创新效率的影响。最终回归结果如表 3所示。随着控制变量的逐步加入,交互项系数始终显著为正,表明该政策对绿色创新效率具有正向影响。变量的系数和显著性并未发生变化,R2值也逐渐提高,表明模型具有稳健性和良好的拟合效果。

表 3 排污权交易政策对工业绿色创新效率的影响

本文研究发现排污权交易政策的实施是有效的且显著促进工业绿色创新效率。在减排效果检验中本文与Zhang等[10]、任胜钢等[27]的研究结果一致。基于市场的排污权交易政策使得企业在减排过程中具有更大的灵活性[18],因此更易达到减排效果。排污企业在市场上售卖排污权也可得到经济补偿,从而减轻企业的减排成本[10, 27]。本文进一步从工业绿色创新效率角度研究排污权交易政策的实施效果,与Zhang等[5]、傅京燕等[6]的研究结果类似。该政策可通过经济激励倒逼企业的创新,实现环境和经济的双赢[6]。排污企业需要在购买排污权和降低污染排放中做选择,购买排放额会增加企业成本,相反,在市场上出售多余的排放额可获得利润,当市场交易价格较高,企业将在利益的推动下选择技术创新等降低污染物的排放[7, 13]。一方面,环境成本增加会促使企业由高能耗产业转向低能耗产业,推动企业产业结构转型升级,使用清洁能源减少污染排放,从而促进绿色创新效率;另一方面,排污权交易政策会激励企业加大研发创新投入,降低污染排放,最终促进绿色创新效率,实现绿色发展[6, 13]

对于控制变量,FDI提高了工业企业的绿色创新效率,这与Wang和Shao [33]的研究相同,否定“污染天堂假说”在中国的存在,外商直接投资越多,引入的新技术以及严格的环境准则越多,越有利于工业企业的绿色创新效率。而工业规模对工业绿色创新效率具有抑制作用,与许慧和李国英[1]的结果一致。是由于规模大的企业较难管理,进而造成企业部分效率的降低。

3.2 稳健性检验

为缓解本文实证分析中的内生性问题和确保本文结果的稳健性,本文进行以下稳健性检验。

(1) 平行趋势检验。双重差分法需在政策实施之前满足处理组和控制组企业的绿色创新效率,维持基本平行的时间趋势,即使用双重差分法的前提条件是满足平行趋势假设[10, 22]。本文首先绘制处理组和控制组的绿色创新效率时间趋势图,以直观揭示两组的变化差异。为剔除异常值对估计结果的影响,对绿色创新效率进行缩尾处理。由图 1可知,排污权交易政策实施之前,两组的绿色创新效率变化趋势基本平行,初步验证平行趋势假设成立。

图 1 时间趋势图

在此基础上,本文引入政策虚拟变量与排污权交易政策实施之前各年度虚拟变量的交互项(D× T1D× T2D× T3)进行平行趋势检验。若政策实施前的交互项不显著,则说明满足平行趋势检验。由表 4的模型(1)可知,2006年仅在10% 的水平下显著,且这3个交互项联合不显著,表明实证结果满足平行趋势检验,即排污权交易政策出台之前,处理组与控制组的绿色创新效率没有显著差异。

表 4 稳健性检验

(2) 在选择试点省市的过程中可能存在样本选择偏误,并且实际中绝对的平行趋势也难以满足,因此本文采用倾向得分匹配双重差分法(PSM-DID)进行稳健性检验[6, 20]。PSM-DID是先通过匹配消除两组样本的差异再进行差分。本文选用Logit模型并以经济发展水平、教育水平、外商直接投资和工业规模等为协变量,使用近邻匹配法,匹配后的平衡性检验如表 5所示。匹配后所有变量的标准偏差绝对值均在10% 左右(未超过20%)且变量的t值不显著,表明两组的匹配有效且效果较好。表 4的模型(2)和模型(3)是未加入和加入控制变量后的PSM-DID结果,核心变量交互项系数未发生明显改变,表明本文结果具有稳健性。

表 5 匹配变量的平衡性检验

(3) 为排除其他影响因素产生的偏差,故改变政策的实施时间进行反事实检验[22, 30]。假设政策实施年份为2006年,且样本期选择2004—2008年。若结果交互项不显著为正,说明工业绿色创新效率的提高是由于实施的排污权交易政策,否则是其他因素导致的。由表 4的模型(4)可知交互项不显著,表明本文结果的稳健性。

(4) 为检验政策效果是否是由一些不可观察因素导致的,本文进一步采用随机选取试点省份进行稳健性检验[27, 30]。检验结果不显著表明结果可靠,否则本文结果存在偏差。本文在30个省份中通过随机抽样选取11个省份为处理组,其余省份为控制组。结果如表 4的模型(5)所示,交互项不显著,证明本文的实证结果是稳健的。

(5) 为避免因可能存在遗漏变量而产生内生性问题,本文在回归中进一步加入更多控制变量,其中包括产业结构(第二产值占GDP比重)、政府支持(地方科技支出占财政总支出比重)、工业化程度(工业总产值占GDP比重)以及技术水平(技术市场成交合同额占工业产值比重)。结果如表 4的模型(6)所示,政策效应的交互项仍显著为正。

(6) 为处理衡量偏误造成的内生性,通过加入绿色专利指标进一步衡量绿色创新效率(GIE1)。如表 4的模型(7)所示,检验结果与前文一致,交互项系数仍然是显著为正的。

3.3 进一步分析 3.3.1 影响机制分析

由上述可知该政策的实施显著提高了工业绿色创新效率,并且分析可知可能存在产业结构和研发投入这两条影响途径。故本文借鉴温忠麟等[34]的三步法检验中介效应。首先,检验政策交互项对绿色创新效率的影响,前文已进行过该检验且交互项结果显著。其次,检验政策交互项对中介变量的影响,若显著则继续检验。最后,将政策效应和中介变量共同加入模型中检验对绿色创新效率的影响,若中介变量系数显著且政策效应的系数显著减少或不显著,则说明存在中介效应。根据上述检验步骤,建立如下中介效应模型:

(3)
(4)

在上式中,Mit是中介变量(产业结构和研发投入);GIE是绿色创新效率;D×T是政策效应和时间效应的交互项;β3~β5为相应的估计系数,例如β3为政策对中介变量的影响效应,α3α4分别代表公式(3)、公式(4)中的常数,利用回归的方法可以估计;λ3λ4分别代表公式(3)、公式(4)中对控制变量的影响效应,利用回归的方法可以估计;其余变量同上。

首先检验产业结构这一影响途径,产业结构(IS)用第三产业产值占第二产业产值比重进行衡量。检验结果如表 6的模型(1)和模型(2)。检验结果发现第三步中产业结构的系数并不显著,表明不存在中介效应,即排污权交易政策无法通过调整产业结构进而改变绿色创新效率。这可能是由于排污权在初始分配中不能及时根据不同产业的差异化减排效果进行调整,降低政策的激励效果,从而产业调整的动力低。并且排污权交易政策的试点主要是污染排放较高的企业,优化产业结构的难度较大。

表 6 进一步分析结果

其次检验研发投入这一影响途径,研发投入强度(RI)使用研发经费内部支出占GDP的比重来衡量。检验结果如表 6的模型(3)和模型(4)。模型(3) 的核心交互项显著为正,表明排污权交易政策的实施对研发投入具有显著正向影响,即该政策的实施促使企业加大研发投入。同时加入研发投入和交互项后发现,研发投入仍显著为正,交互项系数减少且不显著,说明研发投入的中介效应成立,即排污权政策通过加大研发投入来提高绿色创新效率。排污权交易政策可激励企业加大研发投入开发低污染技术,在节能减排的同时出售多余的排放指标,进一步提高企业收益,从而实现环境和经济的双赢。

3.3.2 异质性分析

制度因素会影响排污权交易政策的实施效果,因为政策的有效实施需要严格的环境监管和执行[13]。本文选取工业污染治理投资额占GDP的比重来衡量环境规制强度[6],并以中位数为标准将环境规制划分为强、弱环境规制。表 6的模型(5)和模型(6)分别为在强、弱环境规制下的模型。结果表明在强环境规制下排污权交易政策的实施效果更好。

这与Ren等[13]的结果一致,重视环境治理的政府会采取更严格的环境规制。严格的环境规制会使企业面临高额的违法行为,降低企业偷排漏排等违法行为的可能性,进而保证排污权交易政策实施的有效性[27]。严格的环境规制倒逼高污染企业为降低减排成本而开展技术创新[6]。随着污染治理资金投入的增多更易推动企业科技研发,进而提高绿色创新效率。

4 结论和政策建议 4.1 结论

本文首先基于2004—2018年30个省份的面板数据,通过双重差分法检验排污权交易政策对环境和经济的影响;其次用PSM-DID等方法对本文结果进行稳健性检验;再次采用三步法检验产业结构和研发投入的中介效应;最后通过分组检验排污权交易对环境规制强度的异质性效应。主要结论如下:

(1) 排污权交易政策的实施显著降低工业二氧化硫排放,表明政策的实施具有减排效果。

(2) 排污权交易政策的实施显著促进工业绿色创新效率,表明该政策的实施有利于促进地区经济的绿色发展,从而实现环境和经济的双赢。通过PSM-DID等一系列稳健性检验证明本文结果具有稳健性。

(3) 通过中介效应检验发现排污权交易政策可通过加大研发投入促进绿色创新效率,但并未通过调整产业结构促进绿色创新效率。通过异质性分析可知,在强环境规制地区排污权交易政策的实施效果更好,显著提高工业绿色创新效率。总体而言,本文发现排污权交易政策的实施能够促进中国的污染减排和绿色创新效率,表明排污权交易政策可以实现环境和经济的双赢,有利于实现经济的可持续发展。

4.2 政策建议

根据本文的研究结果得出以下政策建议:

(1) 应继续推进全国排污权交易建设。结果表明中国实施的排污权交易政策能有效减排且显著提高工业绿色创新效率,相关部门要重视排污权交易政策的建设,持续推进排污权交易政策的全国化。政府应吸取试点地区优秀经验,并结合各自地区的特点建立健全的排污权交易制度。例如,试点地区的严格排放上限以及建立为企业排污权交易提供便利的排污交易中心。同时加强不同地区之间的合作交流,积极促进跨区域交易的开展,发挥市场交易的灵活性与有效性。

(2) 强化政府激励作用。本文发现排污权交易政策的影响途径是加大企业研发投入。政府应完善定价和配额的制度设计,提高市场交易效率,发挥政府的激励作用,激励企业积极参与,加大自身研发投入,开发低污染、清洁的新技术提高绿色创新效率。各地区政府也可联合其他环境政策共同实施,充分发挥市场作用和政府的干预监管作用,共同促进经济可持续发展。

(3) 建立完善的监督制度。本文研究发现强环境规制地区的实施效果更好,这表明政策的有效实施仍需要健全的环境监督。因此,政府应加快完善排污权交易政策的相关立法,加大监管力度以及各部分协同监管。严格的排放监管是排污权交易政策的关键,因此政府应确保监测企业污染排放的准确性和有效性。增强市场交易信息的透明度,建立诚信交易平台,对于失信企业处罚并计入诚信平台。各地区政府应结合当地的发展水平和资源配置等情况,制定差异化政策,逐渐形成当地的环境规制最优力度,最大程度发挥排污权交易政策的效果,避免资源的浪费。

本文的研究不足在于研究数据为区域层面,在接下来的研究中可以考虑从国家层面或者企业层面进行研究,从而得到更加具有针对性的政策建议。并且本文仅对于工业企业,如果在接下来的研究中可以得到更多其他行业的数据,可使结果具有通用性,更好地促进排污权交易政策发挥作用。

参考文献
[1]
许慧, 李国英. 环境规制对绿色创新效率的影响研究[J]. 财经问题研究, 2018(9): 52-58.
[2]
吴超, 杨树旺, 唐鹏程, 等. 中国重污染行业绿色创新效率提升模式构建[J]. 中国人口·资源与环境, 2018, 28(5): 40-48.
[3]
BORGHESI S, CAINELLI G, MAZZANTI M. Linking emission trading to environmental innovation: evidence from the Italian manufacturing industry[J]. Research policy, 2015, 44(3): 669-683. DOI:10.1016/j.respol.2014.10.014
[4]
RENNINGS K. Redefining innovation-eco-innovation research and the contribution from ecological economics[J]. Ecological economics, 2000, 32(2): 319-332. DOI:10.1016/S0921-8009(99)00112-3
[5]
ZHANG L, CAO C C, TANG F, et al. Does China's emissions trading system foster corporate green innovation?Evidence from regulating listed companies[J]. Technology analysis&strategic management, 2019, 31(2): 199-212.
[6]
傅京燕, 程芳芳. 二氧化硫排污权交易对经济增长"量"和"质"的影响研究[J]. 暨南学报(哲学社会科学版), 2020, 42(6): 94-107. DOI:10.3969/j.issn.1000-5072.2020.06.009
[7]
齐红倩, 陈苗. 中国排污权交易制度实现污染减排和绿色发展了吗?[J]. 西安交通大学学报(社会科学版), 2020, 40(3): 81-90.
[8]
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[J]. 改革, 2020(5): 122-138.
[9]
关成华, 李晴川. 环境规制对技术创新效率的影响分析——基于创新链视角的两阶段实证检验[J]. 中国环境管理, 2020, 12(2): 105-112.
[10]
ZHANG H J, DUAN M S, DENG Z. Have China's pilot emissions trading schemes promoted carbon emission reductions?-The evidence from industrial sub-sectors at the provincial level[J]. Journal of cleaner production, 2019, 234: 912-924. DOI:10.1016/j.jclepro.2019.06.247
[11]
XUAN D, MA X W, SHANG Y P. Can China's policy of carbon emission trading promote carbon emission reduction?[J]. Journal of cleaner production, 2020, 270: 122383. DOI:10.1016/j.jclepro.2020.122383
[12]
李永友, 文云飞. 中国排污权交易政策有效性研究——基于自然实验的实证分析[J]. 经济学家, 2016(5): 19-28.
[13]
REN S G, HU Y C, ZHENG J J, et al. Emissions trading and firm innovation: evidence from a natural experiment in China[J]. Technological forecasting and social change, 2020, 155: 119989. DOI:10.1016/j.techfore.2020.119989
[14]
LI D, ZENG T. Are China's intensive pollution industries greening?An analysis based on green innovation efficiency[J]. Journal of cleaner production, 2020, 259: 120901. DOI:10.1016/j.jclepro.2020.120901
[15]
ZHAO X L, ZHAO Y, ZENG S X, et al. Corporate behavior and competitiveness: Impact of environmental regulation on chinese firms[J]. Journal of cleaner production, 2015, 86: 311-322. DOI:10.1016/j.jclepro.2014.08.074
[16]
XIE R H, YUAN Y J, HUANG J J. Dif ferent t yp es of environmental regulations and heterogeneous influence on "green" productivity: evidence from China[J]. Ecological economics, 2017, 132: 104-112. DOI:10.1016/j.ecolecon.2016.10.019
[17]
PORTER M E, VAN DER 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
[18]
TANG K, QIU Y, ZHOU D. Does command-and-control regulation promote green innovation performance?Evidence from China's industrial enterprises[J]. Science of the total environment, 2020, 712: 136362. DOI:10.1016/j.scitotenv.2019.136362
[19]
刘明玉, 袁宝龙. 环境规制与绿色创新效率的空间异质效应——基于长江经济带工业企业数据[J]. 财会月刊, 2018(24): 144-153.
[20]
闫文娟, 郭树龙. 中国排污权交易政策与企业就业效应——基于微观企业数据的分析[J]. 产经评论, 2017, 8(6): 45-53.
[21]
COASE R H. The problem of social cost[M]//GOPALAKRISHNAN C, ed. Classic Papers in Natural Resource Economics. London: Palgrave Macmillan, 1960: 87-137.
[22]
梅林海, 朱韵琴. 排污权交易政策能否改善环境质量?[J]. 生态经济, 2019, 35(2): 180-186.
[23]
路正南, 罗雨森. 中国碳交易政策的减排有效性分析——双重差分法的应用与检验[J]. 干旱区资源与环境, 2020, 34(4): 1-7.
[24]
ZHOU B, ZHANG C, SONG H Y, et al. How does emission trading reduce China's carbon intensity?An exploration using a decomposition and difference-in-differences approach[J]. Science of the total environment, 2019, 676: 514-523. DOI:10.1016/j.scitotenv.2019.04.303
[25]
游达明, 袁静婕. 排污权交易政策对企业环保投资的影响研究——以造纸企业为例[J/OL]. 林产工业, 2020: 1-7. (2020-07-03). https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CAPJLAST&filename=LCGY20200701000.
[26]
MARTIN R, MUÛLS M, WAGNER U J. The impact of the european union emissions trading scheme on regulated firms: What is the evidence after ten years?[J]. Review of environmental economics and policy, 2016, 10(1): 129-148. DOI:10.1093/reep/rev016
[27]
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[J]. 中国工业经济, 2019(5): 5-23.
[28]
涂正革, 谌仁俊. 排污权交易机制在中国能否实现波特效应?[J]. 经济研究, 2015, 50(7): 160-173. DOI:10.3969/j.issn.1672-5719.2015.07.128
[29]
ASHENFELTER O, CARD D. Using the longitudinal structure of earnings to estimate the effect of training programs[J]. The review of economics and statistics, 1985, 67(4): 648-660. DOI:10.2307/1924810
[30]
YANG X Y, JIANG P, PAN Y. Does China's carbon emission trading policy have an employment double dividend and a porter effect?[J]. Energy policy, 2020, 142: 111492. DOI:10.1016/j.enpol.2020.111492
[31]
李晓娣, 赵健. 跨国公司在华R&D投资对区域创新能力影响的实证研究——基于双对数线性知识生产函数模型的分析[J]. 科学学与科学技术管理, 2010, 31(9): 67-70.
[32]
DU J L, LIU Y, DIAO W X. Assessing regional differences in green innovation efficiency of industrial enterprises in China[J]. International journal of environmental research and public health, 2019, 16(6): 940. DOI:10.3390/ijerph16060940
[33]
WANG X L, SHAO Q L. Non-linear effects of heterogeneous environmental regulations on green growth in g20 countries: evidence from panel threshold regression[J]. Science of the total environment, 2019, 660: 1346-1354.
[34]
温忠麟, 张雷, 侯杰泰, 等. 中介效应检验程序及其应用[J]. 心理学报, 2004, 36(5): 614-620.