黃慶華　胡江峰　陳習定

摘要 有關(guān)環(huán)境規(guī)制與生產(chǎn)率的實證研究，大多集中在單向靜態(tài)關(guān)系的檢驗上，忽視了生產(chǎn)率對環(huán)境規(guī)制的反向影響，即環(huán)境規(guī)制與生產(chǎn)率之間可能存在雙向動態(tài)關(guān)系?；诖?，本文采用SBM函數(shù)和Luenberger生產(chǎn)率指數(shù)對2003—2015年中國36個工業(yè)行業(yè)的綠色全要素生產(chǎn)率進行測度，同時為了表現(xiàn)環(huán)境規(guī)制帶來的環(huán)境改善和成本負擔的雙重效應(yīng)，分別構(gòu)造污染排放強度指標和污染減排成本指標作為環(huán)境規(guī)制的代理變量，最后通過PVAR模型對“污染排放強度-污染減排成本-綠色全要素生產(chǎn)率”之間是否存在雙向動態(tài)關(guān)系進行實證檢驗。研究結(jié)果顯示：2003—2015年中國工業(yè)綠色全要素生產(chǎn)率呈波動變化，總體沒有上升或下降的趨勢；但在2008年前后其波動幅度具有明顯的階段性特征，在2008年之前綠色全要素生產(chǎn)率波動劇烈，其后逐漸向前沿面收斂。此外，綠色全要素生產(chǎn)率與污染減排成本互為Granger因果，但與污染排放強度僅存在單向Granger因果關(guān)系。GMM估計結(jié)果和脈沖響應(yīng)函數(shù)表明，短期而言，政府減排政策對綠色全要素生產(chǎn)率的影響具有時效性，近期的環(huán)境政策確實能夠促進綠色全要素生產(chǎn)率增長，同時綠色全要素生產(chǎn)率也有助于減少污染排放和補償減排成本；但長期來看，由于政策滯后性等特點，陳舊的環(huán)境政策不僅無法促進綠色全要素生產(chǎn)率持續(xù)增長，而且還誘發(fā)企業(yè)為補償污染減排成本而加速提高污染型經(jīng)濟產(chǎn)出的行為，進而惡化了環(huán)境狀況。由此，為實現(xiàn)經(jīng)濟發(fā)展和環(huán)境質(zhì)量改善的“雙贏”，中國政府應(yīng)該在設(shè)計合理的環(huán)境政策和提高綠色技術(shù)創(chuàng)新補貼兩方面發(fā)力。

關(guān)鍵詞 環(huán)境規(guī)制；綠色全要素生產(chǎn)率；SBM函數(shù)；Luenberger生產(chǎn)率指數(shù)；PVAR模型

中圖分類號 F426

文獻標識碼 A 文章編號 1002-2104（2018）11-0140-10 DOI：10.12062/cpre.20180706

近年來，為了改善生態(tài)環(huán)境，中國政府不僅頒布了一系列更為嚴格的環(huán)保法案，而且也在國際溫室氣體減排協(xié)議中積極承擔大國責任。然而，諸多研究表明，盡管環(huán)境規(guī)制的加強會倒逼企業(yè)加大對環(huán)保設(shè)施的投入，從而有利于提升環(huán)境質(zhì)量；但同時這些投資明顯擠占了企業(yè)正常生產(chǎn)性投資，進而會對企業(yè)競爭力或生產(chǎn)率造成不利影響[1-2]。由此，引發(fā)了學術(shù)界對中國經(jīng)濟或生產(chǎn)率是否會因環(huán)境規(guī)制趨緊而受損的擔憂。

新古典經(jīng)濟學家認為，由于“遵循成本”效應(yīng)，隨著環(huán)境規(guī)制趨緊，短期內(nèi)勢必會加重企業(yè)的環(huán)保負擔，抑制企業(yè)生產(chǎn)率和盈利能力，從而不利于經(jīng)濟增長[3]，這也是為什么特朗普政府決意退出《巴黎氣候協(xié)定》的重要原因[4]。不僅如此，一些學者基于不同層面的數(shù)據(jù)（區(qū)域、產(chǎn)業(yè)、企業(yè)）和方法在實證研究中也得到類似的結(jié)論[1-5]。然而，與傳統(tǒng)觀點不同的是，Porter[6-7]認為，適當?shù)沫h(huán)境規(guī)制將刺激企業(yè)進行環(huán)保技術(shù)方面的創(chuàng)新，綠色技術(shù)創(chuàng)新不但會降低污染，而且還能通過生產(chǎn)率的提高抵消環(huán)境規(guī)制所帶來的成本負擔，即“波特假說”。同樣地，“波特假說”也在一些實證研究中得到了驗證[8-11]。

以上研究表明，環(huán)境規(guī)制與生產(chǎn)率確實存在因果關(guān)系，但究竟是正向關(guān)系還是負向關(guān)系并沒有一個定論。究其原因，Lanoie[9]、Opaluch[12]、Telle[13]、Hille[14]以及Rubashkina[15]等學者分別從環(huán)境規(guī)制對生產(chǎn)率影響的時效性、生產(chǎn)率的測度方法和模型內(nèi)生性等方面做出了解釋。然而，值得注意的是，這些研究主要集中在環(huán)境規(guī)制對生產(chǎn)率單向靜態(tài)關(guān)系的檢驗上，忽視了生產(chǎn)率本身對環(huán)境規(guī)制的反作用。根據(jù)Opaluch[12]的觀點，更為嚴格的環(huán)境規(guī)制將激發(fā)企業(yè)創(chuàng)新和利用新技術(shù)的熱情，從而促進生產(chǎn)率增長。但與此同時，技術(shù)創(chuàng)新，尤其是環(huán)保技術(shù)進步，會促使政策制定者將環(huán)境規(guī)制力度提高到與現(xiàn)有技術(shù)水平相一致的強度上，從而又導(dǎo)致新一輪的技術(shù)進步和生產(chǎn)率增長。那么，是否意味著環(huán)境規(guī)制與生產(chǎn)率之間存在的關(guān)系，并非表現(xiàn)為單向靜態(tài)的因果關(guān)系，而是雙向動態(tài)關(guān)系呢？如果從環(huán)境規(guī)制與生產(chǎn)率之間存在的雙向動態(tài)關(guān)系來看，目前中國實施的一系列嚴格的環(huán)境政策可以實現(xiàn)經(jīng)濟發(fā)展與環(huán)境質(zhì)量改善的雙贏嗎？本文將在對現(xiàn)有文獻進行梳理的基礎(chǔ)上，采用SBM函數(shù)和Luenberger指數(shù)，設(shè)定模型和變量，選取相關(guān)指標和處理數(shù)據(jù)對工業(yè)綠色全要素生產(chǎn)率進行測度與分析。

1 文獻綜述

環(huán)境規(guī)制作為解決污染外部性的一種非市場干預(yù)，對于滿足人們?nèi)找婷篮蒙鷳B(tài)環(huán)境需求意義重大。然而，環(huán)境規(guī)制對經(jīng)濟的影響，尤其是對生產(chǎn)率的影響，無論是理論還是實證上都沒有統(tǒng)一的答案。本文主要從環(huán)境規(guī)制對生產(chǎn)率影響的短期效應(yīng)和長期效應(yīng)、生產(chǎn)率的測度方法以及模型內(nèi)生性等三方面對現(xiàn)有文獻進行梳理，并從中汲取有益的思路和方法。

一般認為，在嚴格的環(huán)境規(guī)制中，企業(yè)不得不將原本用于生產(chǎn)性活動的要素（勞動、資本等），投入到以減少污染排放的非生產(chǎn)性活動中[1-2]。雖然，這一過程有助于企業(yè)綠色技術(shù)的創(chuàng)新和采用[16-18]，但由于環(huán)保設(shè)備的額外損耗以及生產(chǎn)資料與原有生產(chǎn)設(shè)備匹配度下降，最終會造成生產(chǎn)率損失[5]。而且，長遠來看，在信息不對稱的情況下，政府并不能確切地知道每個廠商施加的外部成本[19]，從而造成過高或過低的征稅和補貼，非但不能有效消除外部性，反而可能通過“稅收轉(zhuǎn)嫁機制”將“庇古稅”傳導(dǎo)給環(huán)境污染的最終受害者[20]，造成“外部性擴散”，不利于工業(yè)部門的長遠發(fā)展。與此相反，一些學者認為，盡管安裝環(huán)保設(shè)備、調(diào)整生產(chǎn)流程以及培訓(xùn)工人等一系列減少污染排放的措施短期內(nèi)擠占了生產(chǎn)性投資，不利于生產(chǎn)率增長[5]。但長期而言，由于環(huán)境規(guī)制將那些生產(chǎn)率較低且污染嚴重的企業(yè)擠出市場，留下高生產(chǎn)率和清潔型的企業(yè)[21]，從而有助于整體生產(chǎn)率或競爭力的提升[8-9]。Lanoie[9]和Opaluch[12]將環(huán)境規(guī)制的滯后項納入到實證模型中發(fā)現(xiàn)，環(huán)境規(guī)制對生產(chǎn)率的當期影響為負向，但環(huán)境規(guī)制的滯后變量對生產(chǎn)率具有正向影響。由此可見，環(huán)境規(guī)制對生產(chǎn)率的影響具有明顯的短期和長期差異。

與此同時，有學者指出，由于傳統(tǒng)的生產(chǎn)函數(shù)沒有將環(huán)境質(zhì)量考慮在內(nèi)，也會造成環(huán)境規(guī)制與生產(chǎn)率之間呈負向關(guān)系[22]。理由來自兩方面：一方面從產(chǎn)出績效來看，在生產(chǎn)過程中，期望產(chǎn)出和非期望產(chǎn)出往往相伴而生，環(huán)境規(guī)制的主要目標是減少污染排放，而現(xiàn)有研究在核算產(chǎn)出時并沒有將污染物排放減少作為一種產(chǎn)出納入到生產(chǎn)函數(shù)中，從而低估了生產(chǎn)效率[18]；另一方面從生產(chǎn)要素利用效率來看，資本和勞動不僅用于生產(chǎn)預(yù)期產(chǎn)出，而且也被用于污染減排，從而在現(xiàn)有產(chǎn)量水平上高估了要素投入量[23-24]?；诖耍珻hung[25]在測度瑞典紙漿廠的TFP時，提出了方向性距離函數(shù)，將污染排放看作非預(yù)期產(chǎn)出，以測算考慮環(huán)境因素的綠色全要素生產(chǎn)率，并在此基礎(chǔ)上構(gòu)建了基于比值的MalmquistLuenberger指數(shù)。自此，測算綠色全要素生產(chǎn)率的方法被廣泛使用。Telle[13]在比較了環(huán)境規(guī)制分別對傳統(tǒng)Malmquist生產(chǎn)率指數(shù)和環(huán)境Malmquist生產(chǎn)率指數(shù)影響差異的基礎(chǔ)上，發(fā)現(xiàn)環(huán)境規(guī)制僅對環(huán)境Malmquist生產(chǎn)率指數(shù)具有顯著的正向促進作用，并得出基于傳統(tǒng)全要素生產(chǎn)率的環(huán)境政策評價可能會產(chǎn)生偏差的結(jié)論。

進一步地，當存在投入過度或產(chǎn)出不足，即存在投入或產(chǎn)出的非零松弛（Slack）時，徑向型的DEA效率測度會高估評價對象的效率。為了解決這一問題， Fre[26]和Fukuyama[27]在Tone[28-29]非徑向基于松弛的（SBM）效率測度的基礎(chǔ)上發(fā)展出更加一般化的非徑向且基于松弛型的（SBM）方向性距離函數(shù)。同時，MolinosSenante[30]基于SBM函數(shù)對英格蘭和威爾士自來水公司的綠色全要素生產(chǎn)率進行了測度，并分別用MalmquistLuenberger指數(shù)和Luenberger指數(shù)進行分解，認為ML指數(shù)會高估生產(chǎn)率。自此，基于SBM函數(shù)和Luenberger生產(chǎn)率指數(shù)來測算綠色生產(chǎn)率的方法得到廣泛應(yīng)用。

生產(chǎn)率測算方法的改進，無疑增強了環(huán)境規(guī)制與生產(chǎn)率之間存在正向關(guān)系的解釋力度。然而，由模型內(nèi)生性導(dǎo)致結(jié)果偏差的問題也不容小覷。Hille[14]和Rubashkina[15]比較了控制模型內(nèi)生性前后的實證結(jié)果發(fā)現(xiàn)，一旦控制住模型內(nèi)生性，那么環(huán)境規(guī)制對生產(chǎn)率的影響由顯著的正向效應(yīng)變得不顯著，甚至反轉(zhuǎn)為負向效應(yīng)。進一步地，根據(jù)Gray[31]的觀點，環(huán)境規(guī)制對生產(chǎn)率產(chǎn)生沖擊的同時，生產(chǎn)率增長也會反向作用于環(huán)境規(guī)制。一般認為，生產(chǎn)率增長取決于行業(yè)或企業(yè)新技術(shù)采用能力和自主研發(fā)能力[32]。在嚴格的環(huán)境規(guī)制下，生產(chǎn)率較高的企業(yè)通過擴大R&D;投資和采用環(huán)保技術(shù)等措施來降低污染減排成本，從而能夠很快適應(yīng)嚴格的環(huán)境規(guī)制[33]。與此同時，由于技術(shù)具有正外部性和“準公共品”的特性，一旦被發(fā)明出來，則很難阻止其他廠商采用這項新技術(shù)[34]。因此對于那些生產(chǎn)率較低無法承擔高昂R&D;負擔的企業(yè)而言，仍可借助外部技術(shù)溢出效應(yīng)獲得遵循成本的補償，進而提升自身生產(chǎn)率。從而，在行業(yè)整體技術(shù)水平和生產(chǎn)率提高的背景下，政府又會實施新一輪更加嚴格的環(huán)境規(guī)制[12]。如此看來，環(huán)境規(guī)制與生產(chǎn)率之間可能存在雙向動態(tài)關(guān)系。這也表明，以往用于驗證單向靜態(tài)因果關(guān)系的計量模型，顯然不適用于對環(huán)境規(guī)制與生產(chǎn)率雙向動態(tài)關(guān)系的檢驗。

為了驗證各變量間存在的雙向動態(tài)關(guān)系，HoltzEakin[35]提出了面板向量自回歸模型（PVAR）。PVAR模型的優(yōu)點在于不以經(jīng)濟理論為基礎(chǔ)建立實證模型，同時能將系統(tǒng)中所有變量作為內(nèi)生變量，從而避免了模型設(shè)定錯誤和內(nèi)生性等問題。而且，還可以通過脈沖響應(yīng)函數(shù)探測在其他變量不變的情況下，一個變量受到另一個變量沖擊時表現(xiàn)出的短期響應(yīng)和長期變化趨勢。其后，PVAR模型被越來越多地應(yīng)用到政策與經(jīng)濟關(guān)系的實證研究中。Antonakakis[36]采用PVAR模型對“經(jīng)濟增長-能源消費-CO2排放”進行了系統(tǒng)研究，發(fā)現(xiàn)經(jīng)濟增長與能源消費之間存在雙向動態(tài)關(guān)系，經(jīng)濟增長提升了能源消費，同時能源消費的上升也促進了經(jīng)濟增長，結(jié)論是經(jīng)濟增長與環(huán)境質(zhì)量改善不可兼得。

總體來說，盡管現(xiàn)有研究分別從環(huán)境政策的時效性、生產(chǎn)率的測度方法和模型內(nèi)生性等角度，對環(huán)境規(guī)制與生產(chǎn)率之間正向或負向關(guān)系，做出了深刻的解釋，但也僅是基于其中某個視角，而沒有同時將這三種因素納入到統(tǒng)一的實證模型中，更沒有考慮到生產(chǎn)率對環(huán)境規(guī)制的反向影響，即環(huán)境規(guī)制與生產(chǎn)率之間可能存在雙向動態(tài)關(guān)系?；诖耍疚倪x取COD、氨氮、SO2和煙（粉）塵排放量作為非預(yù)期產(chǎn)出，采用SBM模型和Luenberger生產(chǎn)率指數(shù)測算2003—2015年中國36個工業(yè)行業(yè)的綠色全要素生產(chǎn)率，分別構(gòu)造污染排放強度指標和污染減排成本指標作為環(huán)境規(guī)制的代理變量，最后通過PVAR模型對污染排放強度、污染減排成本以及綠色全要素生產(chǎn)率之間存在的雙向動態(tài)關(guān)系進行實證檢驗。

3 綠色全要素生產(chǎn)率測度與分析

3.1 指標設(shè)定與說明

測算各行業(yè)綠色全要素生產(chǎn)率還需要構(gòu)造預(yù)期產(chǎn)出、非預(yù)期產(chǎn)出和要素投入相關(guān)指標。

（1）預(yù)期產(chǎn)出。由于2012年后不再公布工業(yè)總產(chǎn)值，本文借鑒劉傳江[38]的方法，選取和工業(yè)總產(chǎn)值較為接近的工業(yè)銷售產(chǎn)值來表示期望產(chǎn)出，并以1990年作為基期進行折算。

（2）非預(yù)期產(chǎn)出。對于非預(yù)期產(chǎn)出的選取，相關(guān)文獻存在較大的差異，考慮到中國工業(yè)污染治理費用僅包含廢水治理費用和廢氣治理費用，為貼合這兩類污染治理費用，本文選取COD、氨氮、SO2和煙（粉）塵排放量作為非預(yù)期產(chǎn)出。

（3）要素投入。資本存量，采用永續(xù)盤存法來測算當期資本存量，Ki，t=Ii，t+（1-δi，t）Ki，t-1；勞動資本投入，由于各行業(yè)勞動力用工時間無法獲取，本文利用《中國工業(yè)統(tǒng)計年鑒》中各行業(yè)平均從業(yè)人數(shù)代替人力資本投入；能源投入，選用工業(yè)部門細分行業(yè)的能源消耗量作為能源投入指標。

3.2 數(shù)據(jù)來源與處理

指標量化所需數(shù)據(jù)來源于2003—2015年的《中國工業(yè)經(jīng)濟統(tǒng)計年鑒》《中國環(huán)境統(tǒng)計年鑒》和《中國統(tǒng)計年鑒》。針對2012年前后工業(yè)某些中類劃分口徑不一致和部分數(shù)據(jù)缺失的問題，本文還對數(shù)據(jù)進行了如下處理。

（1）行業(yè)歸并與劈分。根據(jù)國家統(tǒng)計局在《國民經(jīng)濟行業(yè)分類》（2011）中的分類方法，2012年及以后中國工業(yè)共包含41個中類行業(yè)。其中，與2012年之前的工業(yè)行業(yè)對比發(fā)生了以下變化：開采輔助活動從石油天然氣開采行業(yè)中被剝離出來單獨成為一個行業(yè)，橡膠制品業(yè)和塑料制品業(yè)被合并為橡膠和熟料制品業(yè)，交通運輸設(shè)備制造業(yè)被拆分為汽車制造業(yè)和鐵路船舶航空業(yè)及其他運輸設(shè)備制造業(yè)，金屬制品機械設(shè)備修理業(yè)從以金屬為原材料的制造業(yè)中被剝離出來單獨成為一個行業(yè)。對于上述情況，為盡可能保持數(shù)據(jù)的真實性，本文對部分工業(yè)部門的細分中類進行了歸并和劈分。具體操作如下：首先將2012年之前的橡膠制品業(yè)和塑料制品業(yè)合并成為橡膠和熟料制品業(yè)；其次將2012年之后的開采輔助活動與石油天然氣開采行業(yè)重新歸并為石油天然氣開采行業(yè)，汽車工業(yè)和鐵路、船舶等運輸設(shè)備歸并為交通運輸設(shè)備工業(yè)，金屬制品機械設(shè)備修理業(yè)按照當年各指標的比例拆分重新歸并到以金屬為原材料的行業(yè)中；最后由于其他采礦、其他制造業(yè)和廢物制品回收業(yè)數(shù)值較小，本文將三者合并為其他工業(yè)。最終獲得2003—2015年36個工業(yè)行業(yè)的面板數(shù)據(jù)。

（2）缺失值處理。由于2012年的工業(yè)部門細分中類的就業(yè)人數(shù)缺失，本文采用線性擬合的方法補齊這部分缺失值，其他缺失數(shù)據(jù)也按此方法補齊。

3.3 綠色全要素生產(chǎn)率測度結(jié)果分析

按照上述理論方法和指標，本文對相關(guān)指標進行量化并基于matlab2015b軟件對考慮COD、氨氮、SO2和煙（粉）塵排放量作為非預(yù)期產(chǎn)出的工業(yè)綠色全要素生產(chǎn)率變化情況進行估算。圖1是2003—2015年工業(yè)GTFP及其來源分解的增長趨勢。

總體來看，2003—2015年中國工業(yè)綠色全要素生產(chǎn)率始終圍繞著前沿面上下波動，未表現(xiàn)出明顯的上升或下降的趨勢。但是，波動幅度在2008年前后存在明顯的差異，在2008年之前綠色全要素生產(chǎn)率變動幅度較大，2008年之后逐步向前沿面收斂。

具體而言：①2003—2008年，表現(xiàn)為劇烈波動階段。2003—2005年綠色全要素生產(chǎn)率受到技術(shù)利用效率疲軟的影響，呈現(xiàn)出明顯的下降趨勢，從1.46%降為-3.43%。在此期間，中國經(jīng)濟處在高速增長時期，平均增速為9.5%。然而，高速的經(jīng)濟增長也帶來了嚴重的環(huán)境污染問題。以大氣環(huán)境狀況為例，2003年工業(yè)二氧化硫排放量為1 791.4萬t，工業(yè)煙塵和粉塵排放量為1 867.2萬t，到2005年工業(yè)二氧化硫排放量達到2 168.4萬t，工業(yè)煙塵和粉塵排放量攀升到1 860.1萬t，大氣中污染物總量呈上升態(tài)勢。綠色全要素生產(chǎn)率、技術(shù)效率變化以及污染排放量的變化趨勢說明節(jié)能減排的艱巨性，也說明中國減排任務(wù)政策的脆弱性。②2005—2007年綠色全要素生產(chǎn)率受到技術(shù)效率改善的拉力，呈上升趨勢，并在2007年達到4.21%的峰值。本文認為，2006年正是中國“十一五”規(guī)劃實施的第一年，并且政府也首次將污染排放總量的顯著減少作為經(jīng)濟社會發(fā)展的約束性指標，因此在2005—2007年，綠色全要素生產(chǎn)率與技術(shù)效率變化之間表現(xiàn)出一種追趕的趨勢。③2007—2008年綠色全要素生產(chǎn)率迅速下降到3.01%，這主要是因為技術(shù)效率惡化以及技術(shù)進步對綠色全要素生產(chǎn)率的貢獻后勁不足導(dǎo)致的。值得注意的是，在此期間技術(shù)進步率表現(xiàn)出少有的上升，從-0.22%上升到2.36%。本文認為，2008年全球金融危機發(fā)生后，全球經(jīng)濟陷入低谷，而中國受此影響較小，吸引了大量技術(shù)相對先進的企業(yè)落戶國內(nèi)，從而使我國制造業(yè)綠色技術(shù)進步率在短時間內(nèi)實現(xiàn)“飛躍”。這也解釋了綠色全要素生產(chǎn)率的波動幅度在2008年前后存在明顯差異的原因。④2008年后，綠色全要素生產(chǎn)率、技術(shù)進步效率和技術(shù)進步的波動幅度都較為平緩，逐漸向前沿面收斂，表現(xiàn)了中國經(jīng)濟從高增長、高能耗、高污染的發(fā)展方式平穩(wěn)過渡到“新常態(tài)”的中低速增長、低能耗、低排放的綠色發(fā)展方式。

4 實證結(jié)果與分析

4.1 實證檢驗

為了避免可能存在的數(shù)據(jù)非平穩(wěn)性所造成的虛假歸回問題，本文首先對各變量進行了面板單位根檢驗。目前，面板單位根檢驗方法主要分為兩類：一是以LLC、Breitung和Hadri檢驗為主的相同單位根檢驗；二是以IPS、Fisher為主的不同單位根檢驗。出于穩(wěn)健性考慮，本文分別進行了LLC、Breitung、Fisher和IPS四種面板單位根檢驗，具體結(jié)果如表1所示。從表中可以看出所有變量均至少在5%水平上通過了顯著性檢驗，這表明所有變量為平穩(wěn)序列。

在面板單位根檢驗的基礎(chǔ)上，本文根據(jù)Pedroni[39]提出的異質(zhì)面板數(shù)據(jù)的協(xié)整檢驗方法，以回歸差為基礎(chǔ)構(gòu)造出7個統(tǒng)計量進行面板協(xié)整檢驗，結(jié)果如表2所示。由表2可知，只有Panel V和Group Rho沒有通過顯著性檢驗。但Pedroni的Monte Carlo模擬實驗結(jié)果表明，在小樣本條件下，Panel ADF和Group ADF統(tǒng)計量較其他統(tǒng)計量有更好的性質(zhì)，所以即便Panel V和Group Rho在5%的顯著性水平上不顯著，仍然對三個變量間存在協(xié)整關(guān)系的結(jié)論沒有影響。因此，表明變量GTFP、lnPCC和lnPEI之間存在一個長期的穩(wěn)定關(guān)系。

協(xié)整關(guān)系僅反映變量之間在長期內(nèi)存在因果關(guān)系，并不能明確二者因果關(guān)系的具體方向。因此，本文借助面板誤差修正模型對污染排放強度、治理成本與綠色全要素生產(chǎn)率之間進行格蘭杰因果檢驗，具體結(jié)果見表3。

由表可知，除GTFP與lnPEI之間僅存在單向Granger因果關(guān)系之外，其余變量之間在10%的顯著性水平上均存在雙向Granger因果關(guān)系。從而表明，綠色全要素生產(chǎn)率與污染排放強度之間的短期因果關(guān)系可能是通過環(huán)境規(guī)制成本這一路徑建立的，具體的短期和長期因果關(guān)系還需要通過GMM估計和脈沖響應(yīng)函數(shù)等計量工具的進一步檢驗。

4.2 GMM估計結(jié)果

PVAR模型滯后期數(shù)的選取會對模型中各統(tǒng)計量造成較大的影響，一般根據(jù)AIC、BIC和HQIC統(tǒng)計量最小準則選擇滯后期數(shù)。檢驗結(jié)果顯示AIC和HQIC統(tǒng)計量支持滯后2期為最佳滯后期數(shù)，而BIC統(tǒng)計量建議滯后1期，研究中一般結(jié)合一些基本檢驗結(jié)果和樣本長度選擇合適的滯后期數(shù)。有鑒于此，本文選擇滯后2期作為PVAR模型的最佳滯后期數(shù)。在選擇的最佳滯后期數(shù)基礎(chǔ)上本文還對模型參數(shù)進行了估計，PVAR模型的GMM估計結(jié)果如表4所示。

根據(jù)表4的估計結(jié)果，污染減排成本的滯后1期和滯后2期對綠色全要素生產(chǎn)率的影響始終為負，但直到滯后2期才顯著，表明污染減排成本負擔加重對綠色全要素生產(chǎn)率的負面影響是長期性的，而且隨著時間的推移這種不利影響也越發(fā)突出。其可能的原因是，在創(chuàng)新不足的情況下，污染減排成本會對企業(yè)生產(chǎn)性投資具有擠出作用，從而抑制了生產(chǎn)率的提升。污染排放強度滯后1期對綠色全要素生產(chǎn)率具有顯著的負向影響，這也與Lanoie[9]以及Opaluch[12]的結(jié)論相一致，表明污染排放強度的滯后項與綠色生產(chǎn)率之間呈反向關(guān)系。然而值得注意的是，污染排放強度的滯后2期對綠色全要素生產(chǎn)率的影響轉(zhuǎn)為正向，但不顯著，表明長期而言，如果政府的減排力度超過現(xiàn)有技術(shù)水平下所能達到的最大值，那么將會阻礙經(jīng)濟發(fā)展和環(huán)境質(zhì)量改善雙贏的實現(xiàn)[40]。由此可見，在滯后1期，環(huán)境規(guī)制對綠色全要素生產(chǎn)率的凈影響主要表現(xiàn)為顯著的促進作用；而在第2期反轉(zhuǎn)為顯著的抑制作用，這也解釋了有關(guān)環(huán)境規(guī)制對綠色全要素生產(chǎn)率的研究結(jié)論不一致的現(xiàn)象。

GMM估計結(jié)果還表明，綠色全要素生產(chǎn)率滯后1期和滯后2期始終對環(huán)境規(guī)制成本和污染排放強度具有負向影響。根據(jù)Albrizio[33]的研究，隨著生產(chǎn)率的提高企業(yè)將采取更加先進的技術(shù)來適應(yīng)新的環(huán)境規(guī)制，例如改良生產(chǎn)過程的技術(shù)，從而在降低污染排放傾向的同時節(jié)約污染減排成本。環(huán)境規(guī)制成本與污染排放強度二者之間在滯后1期和滯后2期始終具有負向影響，表明環(huán)境規(guī)制成本與污染排放強度之間實際上存在一種相互疊加的關(guān)系，即在末端上投入較多的污染治理費用，雖然能夠降低工業(yè)生產(chǎn)活動負的外部性，但同時污染排放減少又進一步加重了行業(yè)環(huán)境規(guī)制成本負擔，這也表明當不存在技術(shù)進步的情況下，環(huán)境改善和經(jīng)濟發(fā)展二者不可兼得。

總之，一味依靠政府行政命令的方式降低污染排放強度，那么必然帶來治理成本大幅度提升，從而不利于綠色全要素生產(chǎn)率的提升，環(huán)境規(guī)制對經(jīng)濟的凈影響偏向于“遵循成本”效應(yīng)。但與此同時，隨著污染排放強度降低，綠色全要素生產(chǎn)率也會顯著提升。而且，由于綠色全要素生產(chǎn)率蘊含了綠色技術(shù)進步的特性，從而在降低污染排放強度的同時也能抵消企業(yè)污染治理成本，最終實現(xiàn)經(jīng)濟發(fā)展與環(huán)境治理改善的雙贏。

4.3 脈沖響應(yīng)函數(shù)

PVAR模型參數(shù)的GMM估計只能較為宏觀地反映變 量之間的動態(tài)模擬過程，還不足以反映經(jīng)濟變量之間的動態(tài)傳導(dǎo)機制和影響路徑?；诖?，本文利用脈沖響應(yīng)函數(shù)對各變量間的長期動態(tài)關(guān)系做進一步考察。

為了刻畫各變量之間的長期動態(tài)交互過程和效應(yīng)，在進行蒙特卡洛（MonteCarlo）1 000次模擬的基礎(chǔ)上，得到在95%置信區(qū)間，滯后10期的脈沖響應(yīng)圖，如圖2。

由圖可知：①各變量對來自自身沖擊的響應(yīng)除綠色全要素生產(chǎn)率為負向之外，其余變量都顯著為正向。這是因為，技術(shù)具有正的外部性和“準公共品”性質(zhì)，一旦被發(fā)明出來，則很難阻止其他廠商采用這項新技術(shù)[40]，盡管綠色技術(shù)外溢有利于行業(yè)整體污染減排，但由此導(dǎo)致的“搭便車”行為會降低原始綠色技術(shù)創(chuàng)新的動力。此外，污染治理成本和污染排放強度自我增強的現(xiàn)象表明，如果選擇錯誤的治理方式或者對污染不采取任何措施，那么長期來看，將會對此形成路徑依賴。②綠色全要素生產(chǎn)率對來自污染治理成本和污染排放強度的沖擊都做出負向響應(yīng)。具體來看，當綠色全要素生產(chǎn)率受到來自污染減排成本一個單位標準差沖擊后，在滯后1期時表現(xiàn)為負向的響應(yīng)，但不明顯，這種負向響應(yīng)持續(xù)到滯后2期時達到最大并且顯著，然后迅速減弱；當綠色全要素生產(chǎn)率受到來自污染排放強度的沖擊，在滯后 1期做出顯著的負向響應(yīng)，滯后2期迅速減弱至不顯著。這表明，環(huán)境規(guī)制對綠色全要素生產(chǎn)率的影響具有雙重效應(yīng)，一方面，隨著污染排放強度的下降有利于環(huán)境質(zhì)量的改善；另一方面，由污染排放強度降低所導(dǎo)致的污染治理成本加重了行業(yè)負擔，從而不利于經(jīng)濟增長。③環(huán)境規(guī)制成本無論是對來自綠色全要素生產(chǎn)率的沖擊還是對來自污染排放強度的沖擊都表現(xiàn)為顯著的負向響應(yīng)。這表明，工業(yè)企業(yè)在不斷減少污染排放量的同時，環(huán)境規(guī)制成本也會持續(xù)上升，從而經(jīng)濟發(fā)展和環(huán)境質(zhì)量改善具有不可兼得性；但由于綠色全要素生產(chǎn)率所包含的技術(shù)特征具有正的外部性，綠色技術(shù)進步和擴散緩解了工業(yè)部門長期污染減排成本負擔。④污染排放強度對來自污染減排成本的沖擊始終為顯著的負向響應(yīng)，但對來自綠色全要素生產(chǎn)率沖擊的響應(yīng)較為復(fù)雜，在滯后2期時為顯著的負向響應(yīng)，之后迅速轉(zhuǎn)為正向響應(yīng)。理由來自兩個方面：一方面，在測算綠色全要素生產(chǎn)率時，生產(chǎn)函數(shù)同時包含了預(yù)期產(chǎn)出和非預(yù)期產(chǎn)出，因此綠色全要素生產(chǎn)率增長取決于預(yù)期產(chǎn)出增長和非預(yù)期產(chǎn)出增長速率對比，只要預(yù)期產(chǎn)出增長速率大于非預(yù)期產(chǎn)出增長，那么綠色全要素生產(chǎn)率就表現(xiàn)為增長；但同時，由于非預(yù)期產(chǎn)出在增長，從而污染排放強度也會上升。另一方面，綠色技術(shù)污染減排的效率存在邊際遞減的現(xiàn)象，隨著污染物的復(fù)雜性不斷增加，原有技術(shù)已經(jīng)難以為繼[41]。

總之，短期而言，政府減排政策對綠色全要素生產(chǎn)率的影響具有時效性，近期的環(huán)境政策確實能夠促進綠色全要素增長，同時綠色全要素生產(chǎn)率也有助于減少污染排放和補償減排成本。但長期來看，由于政策滯后性等特點，從而使得陳舊的環(huán)境政策不僅無法促進綠色全要素生產(chǎn)率持續(xù)增長，而且還誘發(fā)企業(yè)為補償污染減排成本而加速提高污染型經(jīng)濟產(chǎn)出的行為，進而惡化了環(huán)境狀況。

5 研究結(jié)論與啟示

目前，有關(guān)環(huán)境規(guī)制與生產(chǎn)率的實證研究，大多集中在二者之間簡單的單向關(guān)系的檢驗上，而忽視了生產(chǎn)率對環(huán)境規(guī)制的反向影響，即環(huán)境規(guī)制與生產(chǎn)率之間存在雙向動態(tài)關(guān)系。為了彌補這一空白，本文采用SBM函數(shù)和Luenberger指數(shù)測度2003—2015年中國36個工業(yè)行業(yè)的綠色全要素生產(chǎn)率，并通過PVAR模型對污染排放強度、污染減排成本與綠色全要素生產(chǎn)率之間存在的雙向動態(tài)關(guān)系進行實證檢驗。結(jié)果表明：2003—2015年中國工業(yè)的綠色全要素生產(chǎn)率呈波動變化，總體沒有上升或下降的趨勢；但在2008年前后其波動幅度具有明顯的階段性特征，在2008年之前綠色全要素生產(chǎn)率波動劇烈，其后逐漸向前沿面收斂。此外，綠色全要素生產(chǎn)率與污染減排成本互為Granger因果，但與污染排放強度僅存在單向Granger因果關(guān)系；GMM估計結(jié)果和脈沖響應(yīng)函數(shù)表明，短期而言，政府減排政策對綠色全要素生產(chǎn)率的影響具有時效性，近期的環(huán)境政策確實能夠促進綠色全要素生產(chǎn)率增長，同時綠色全要素生產(chǎn)率也有助于減少污染排放和補償減排成本；但長期來看，由于政策滯后性等特點，從而使得陳舊的環(huán)境政策不僅無法促進綠色全要素生產(chǎn)率持續(xù)增長，而且還誘發(fā)企業(yè)為補償污染減排成本而加速提高污染型經(jīng)濟產(chǎn)出的行為，進而惡化了環(huán)境狀況。

上述研究結(jié)論蘊含著相應(yīng)的政策涵義：①應(yīng)制定與產(chǎn)業(yè)發(fā)展特性相適應(yīng)的減排目標。根據(jù)Porter[6-7]的觀點，環(huán)境規(guī)制的合理性是促進生產(chǎn)率增長的關(guān)鍵因素，也是環(huán)境規(guī)制與綠色全要素生產(chǎn)率之間雙向互動關(guān)系長期維持的保障機制。雖然，嚴格的環(huán)境規(guī)制有利于環(huán)境質(zhì)量的提升，但如果環(huán)境規(guī)制的機會成本超出中國產(chǎn)業(yè)所能承受的最大極限時，勢必導(dǎo)致經(jīng)濟方面的巨大代價。有鑒于此，政府在制定污染排放標準時，只有選擇與產(chǎn)業(yè)特性相適應(yīng)的環(huán)境規(guī)制強度，才能夠真正促進技術(shù)進步和效率改進，實現(xiàn)經(jīng)濟和環(huán)境的雙贏。②應(yīng)加大對綠色技術(shù)創(chuàng)新的補貼力度。眾所周知，創(chuàng)新具有高風險性，而且由于綠色技術(shù)創(chuàng)新目的并非完全為提高生產(chǎn)率，因此如果企業(yè)在環(huán)保技術(shù)創(chuàng)新方面投入過多，可能會擠出企業(yè)生產(chǎn)性投資，不利于企業(yè)競爭力的提升[5，42]。不僅如此，由于技術(shù)具有正的外部性和“準公共品”性質(zhì)，當其他企業(yè)感知到綠色技術(shù)所帶來的好處大于潛在成本時就會模仿該項技術(shù)，從而使得原始創(chuàng)新企業(yè)在市場上喪失技術(shù)創(chuàng)新優(yōu)勢，不利于綠色技術(shù)的再次創(chuàng)新。有鑒于此，政府應(yīng)該從兩個方面加大對綠色技術(shù)創(chuàng)新的補貼力度：一方面通過加大創(chuàng)新過程的扶持力度來降低創(chuàng)新風險；另一方面通過降低綠色產(chǎn)品稅費來鼓勵綠色技術(shù)擴散。

（編輯：劉照勝）

參考文獻（References）

[1]GRAY W B，SHADBEGIAN R J. Environmental regulation， investment timing， and technology choice[J]. Journal of industrial economics， 1998， 46（2）：235-256.

[2]AMBEC S，COHEN M A，ELGIE S， et al. The porter hypothesis at 20：can environmental regulation enhance innovation and competitiveness？[J]. Review of environmental economics and policy， 2013， 7（1）：2-22.

[3]GRAY W B，SHADBEGIAN R J. Environmental regulation and manufacturing productivity at the plant level[J]. Social science electronic publishing， 1993.

[4]TOMAIN J P. A U.S. clean energy transition and the Trump administration[J]. Social science electronic publishing， 2017.

[5]HANCEVIC P I. Environmental regulation and productivity： the case of electricity generation under the CAAA-1990[J]. Energy economics， 2016， 60：131-143.

[6]PORTER M E，LINDE C V D. Toward a new conception of the environmentcompetitiveness relationship[J]. Journal of economic perspectives， 1995， 9（4）：97-118.

[7]PORTER M E. Towards a dynamic theory of strategy[J]. Strategic management journal， 1991， 12（S2）：95-117.

[8]BERMAN E，BUI L T M. Environmental regulation and productivity： evidence from oil refineries[J]. Review of economics & statistics， 2001， 83（3）：498-510.

[9]LANOIE P，PATRY M，LAJEUNESSE R. Environmental regulation and productivity： testing the Porter Hypothesis[J]. Journal of productivity analysis， 2008， 30（2）：121-128.

[10]WANG Y，SHEN N. Environmental regulation and environmental productivity： the case of China[J]. Renewable & sustainable energy reviews， 2016， 62：758-766.

[11]XIE R H，YUAN Y J，HUANG J J. Different types of environmental regulations and heterogeneous influence on ‘green productivity： evidence from China[J]. Ecological economics， 2017， 132：104-112.

[12]OPALUCH J J，JIN D，GRIGALUNAS T A. Environmental regulations and technological change in the offshore oil and gas industry[J]. Land economics， 2005， 81（2）：303-319.

[13]TELLE K，LARSSON J. Do environmental regulations hamper productivity growth？ how accounting for improvements of plants environmental performance can change the conclusion[J]. Ecological economics， 2007， 61（2）：438-445.

[14]HILLE E， MBIUS P. Environmental policy， innovation， and productivity growth：controlling the effects of regulation and endogeneity[R]. 2017.

[15]RUBASHKINA Y，GALEOTTI M，VERDOLINI E. Environmental regulation and competitiveness： empirical evidence on the Porter Hypothesis from European manufacturing sectors[J]. Energy policy， 2015， 83（35）：288-300.

[16]NESTA L，VONA F，NICOLLI F. Environmental policies， competition and innovation in renewable energy[J]. Journal of environmental economics & management， 2014， 67（3）：396-411.

[17]POPP D，NEWELL R G，JAFFE A B. Chapter 21： energy， the environment， and technological change[R]. NBER，2009.

[18]GHOSAL V，STEPHAN A，WEISS J. Decentralized regulation， environmental efficiency and productivity[J]. IEEE/RSJ International Conference on Intelligent Robots and Systems， 2014， 5（6）：4200-4200.

[19]GOLUIN M，IVANOVIC' O M，F(xiàn)ILIPOVIC' S， et al. Environmental taxation in the european unionanalysis， challenges， and the future[J]. Journal of renewable & sustainable energy， 2013， 5（4）：160-169.

[20]BOVENBERG A L，HEIJDRA B J. Environmental tax policy and intergenerational distribution[J]. Journal of public economics， 1998， 67（1）：1-24.

[21]ACEMOGLU D，AGHION P，BURSZTYN L， et al. The environment and directed technical change[J]. The American economic review， 2012， 102（1）：131-166.

[22]REPETTO R，ROTHMAN D，F(xiàn)AETH P， et al. Has environmental protection really reduced productivity growth？ we need unbiased measures[J]. Challenge， 1997， 40（1）：46-57.

[23]GRAY W B，SHADBEGIAN R J，GRAY W B， et al. Notice， is given to the source. ‘optimal pollution abatement： whose benefits matter， and how much？[R]. NBER， 2002.

[24]SHADBEGIAN R J，GRAY W B. What determines environmental performance at paper mills？ the roles of abatement spending， regulation， and efficiency[J]. Topics in economic analysis & policy， 2003， 3（1）：1144.

[25]CHUNG Y，F(xiàn)ARE R. Productivity and undesirable outputs： a directional distance function approach[J]. Microeconomics， 1997， 51（3）：229-240.

[26]FRE R，GROSSKOPF S. Theory and calculation of productivity indexes[J]. Models & measurement of welfare & inequality， 1994：921-940.

[27]FUKUYAMA H， WEBER W L. A directional slacksbased measure of technical efficiency[J]. Socioeconomic planning sciences，2009，43 （4）：274-287.

[28]TONE K. A slacksbased measure of superefficiency in data envelopment analysis[J]. European journal of operational research， 2002， 143（1）：32-41.

[29]TONE K. Dealing with undesirable outputs in dea： a slacksbased measure （SBM） approach[R]. The Operations Research Society of Japan， 2004.

[30]MOLINOSSENANTE M，MAZIOTIS A，SALAGARRIDO R. The luenberger productivity indicator in the water industry： an empirical analysis for England and Wales[J]. Utilities policy， 2014， 30（9）：18-28.

[31]GRAY W B. The cost of regulation： OSHA， EPA and the productivity slowdown[J]. American economic review， 1987， 77（77）：998-1006.

[32]ACEMOGLU D，AGHION P，ZILIBOTTI F. Distance to frontier， selection， and economic growth[J]. Journal of the European economic association， 2006， 4（1）：37-74.

[33]ALBRIZIO S，KOZ'LUK T，ZIPPERER V. Environmental policies and productivity growth： evidence across industries and firms[J]. Journal of environmental economics & management， 2016， 81：209-226.

[34]BRETSCHGER L，LECHTHALER F，RAUSCH S， et al. Knowledge diffusion， endogenous growth， and the costs of global climate policy[J]. European economic review， 2017， 93：47-72.

[35]HOLTZEAKIN D，NEWEY W，ROSEN H S. Estimating vector autoregressions with panel data[J]. Econometrica， 1988， 56（6）：1371-1395.

[36]ANTONAKAKIS N，CHATZIANTONIOU I，F(xiàn)ILIS G. Energy consumption， CO2 emissions， and economic growth： an ethical dilemma[J]. Renewable & sustainable energy reviews， 2017， 68（Part 1）：808-824.

[37]CHAMBERS R G，F(xiàn)A-URE R，GROSSKOPF S. Productivity growth in APEC countries[J]. Pacific economic review， 1996， 1（3）：181-190.

[38]劉傳江，趙曉夢. 強“波特假說”存在產(chǎn)業(yè)異質(zhì)性嗎？——基于產(chǎn)業(yè)碳密集程度細分的視角[J]. 中國人口·資源與環(huán)境， 2017， 27（6）：1-9.

[39]PEDRONI P. Purchasing power parity tests in cointegrated panels[J]. Review of economics & statistics， 2001， 83（4）：727-731.

[40]MACHOSTADLER I，PREZCASTRILLO D. Optimal enforcement policy and firms emissions and compliance with environmental taxes[J]. Journal of environmental economics & management， 2004， 51（1）：110-131.

[41]HEAL G，TARUI N. Investment and emission control under technology and pollution externalities[J]. Resource & energy economics， 2010， 32（1）：1-14.

[42]CHRISTAINSEN G B，HAVEMAN R H. The contribution of environmental regulations to the slowdown in productivity growth[J]. Journal of environmental economics & management， 1981， 8（4）：381-390.

Abstract The empirical research on environmental regulation and productivity is mostly focused on the static unidirectional causality test， ignoring the reverse effect of productivity on environmental regulation. Namely there may be a bidirectional dynamic relationship between environmental regulation and productivity. Based on this， this paper used slacksbased measure （SBM） and Luenberger Productivity Index to calculate the green total factor productivity （GTFP） of 36 industrial sectors in China from 2003 to 2015. At the same time， in order to show the dual effects of environmental regulation and cost burden， the pollution emission intensity index （PEI） and pollution control cost index （PCC） were constructed as the proxy variables of environmental regulation respectively. Finally， the panel vector autoregression （PVAR） model tested whether there is a bidirectional dynamic relationship between ‘PEIPCCGTFP. The results showed that the Chinese industrial GTFP fluctuated， and was no upward or downward trend from 2003 to 2015. However， its volatility had obvious stage characteristics around 2008. Before 2008， the GTFP fluctuated sharply， and then gradually converged to the frontier. Additionally， GTFP and PCC were mutually causal， but there was only unidirectional Granger causality relationship with PEI. GMM estimation results and impulse response function showed that in the short term， the impact of governments emission reduction policies on GTFP had timeliness. Current environmental policies could indeed promote GTFP growth. At the same time， GTFP could also help reduce PEI and offset PCC. But in the long run， due to the characteristics of the policy lag， the old environmental policy not only failed to promote the continuous GTFP growth， but also induced firms to accelerate pollutionbased economic output to compensate the abatement cost. Thus， in order to achieve ‘winwin for Chinas economic development and environmental quality improvement， the government should make efforts to design reasonable environmental regulation and increase subsidy for green technology innovation.

Key words environmental regulation； green total factor productivity； SBM function； Luenberger productivity index； PVAR model