高廣闊，蔣 雪，周 敏，魏志杰

（上海理工大學 管理學院，上海 200093）

一、引言

經(jīng)典的庫茲涅茲曲線反映了收入分配狀況隨經(jīng)濟發(fā)展過程而變化的一般規(guī)律[1]，由此引申并命名的環(huán)境庫茲涅茲曲線（Environmental Kuznets Curve）用以衡量經(jīng)濟與環(huán)境的關系[2-3]。而這兩條顯著相關的“倒U型”曲線的兩個同向縱坐標又演繹出環(huán)境治理與就業(yè)的對稱性效應的假說[4]。但大量實證研究表明：在發(fā)達地區(qū)，不同政府在不同發(fā)展階段，基于環(huán)境規(guī)制的不同強度，會通過多重影響機制綜合作用于企業(yè)的勞動力需求，即環(huán)境治理對就業(yè)具有非對稱性效應[5-6]。Kahn 和 Mansur（2013）[7]依照《美國清潔空氣法案》條例檢驗勞動力在不同地區(qū)間的配置情況，結果表明：相比高污染密集型行業(yè)，低污染密集型行業(yè)的勞動力具有明顯的聚集效應。Gray 和 Shadbegian（2014）[8]針對 2001 年美國環(huán)境保護署提出的綜合條例進行檢驗，發(fā)現(xiàn)環(huán)境治理不僅不會削減造紙行業(yè)就業(yè)，還會有微小的積極正效應。而國內(nèi)學者研究時間較晚，大多基于行業(yè)層面的視角對其進行研究[9-12]。張先鋒等（2015）[13]采用動態(tài)面板GMM估計方法，考察環(huán)境規(guī)制與環(huán)境規(guī)制通過影響產(chǎn)業(yè)升級以及污染產(chǎn)業(yè)轉移對就業(yè)規(guī)模和就業(yè)結構的影響。李珊珊（2015）[14]構建就業(yè)的影響因素模型，并運用1995—2012年省級動態(tài)面板數(shù)據(jù)實證檢驗了加強環(huán)境規(guī)制對勞動力就業(yè)的影響。李夢潔（2016）[15]構建計量模型并實證分析了不同環(huán)境治理強度對就業(yè)的影響，表明環(huán)境治理與就業(yè)呈“U型”關系，中國東部、中部、西部分別處于拐點右側、附近和左側。

綜上所述，國內(nèi)外學者主要聚焦在環(huán)境污染與收入間的影響和環(huán)境治理在不同行業(yè)、不同地區(qū)的影響，研究結果也大多呈現(xiàn)倒“U型”關系，但缺乏不同區(qū)域比較和不同行業(yè)的比較，更缺乏環(huán)境治理對就業(yè)非對稱性效應的深入分析。另外，各專家運用統(tǒng)計學方法時存在適用性問題，采用不同方法得出的結論明顯存在差異。國內(nèi)學者主要采用省級面板數(shù)據(jù)忽略了省轄不同地區(qū)與行業(yè)的影響差異性，因此研究結論會因為選擇數(shù)據(jù)的不同而出現(xiàn)不同的結果，所以研究增加了地區(qū)層面動態(tài)研究，選取中國52個地級市細化成東部、中部、西部城市，從縱向動態(tài)變化和橫向區(qū)域差異兩個維度，選用工業(yè)污染治理投資和排污費征收等數(shù)據(jù)分析中國環(huán)境治理的發(fā)展現(xiàn)狀；同時，增加行業(yè)層面動態(tài)研究，采用倍差法構建非線性計量模型，選取25個工業(yè)行業(yè)2006—2016年數(shù)據(jù)，通過研究不同區(qū)域中從業(yè)人員數(shù)量、就業(yè)份額和環(huán)境治理指標，考察環(huán)境治理強度的地區(qū)間非對稱差異對不同特征行業(yè)就業(yè)的影響。研究目標是從分地區(qū)、分行業(yè)的角度探究環(huán)境治理是否具有非對稱性，即相同的環(huán)境治理或治理政策在不同地區(qū)、不同特征行業(yè)是否會產(chǎn)生不同影響，從而是否會產(chǎn)生不同的政策效果。

二、數(shù)據(jù)選取

研究選取的數(shù)據(jù)來源于《中國工業(yè)經(jīng)濟統(tǒng)計年鑒》和《中國環(huán)境年鑒》，剔除在地區(qū)層面存在較多缺失值行業(yè)后所獲2006—2016年全國52個地區(qū)25個工業(yè)行業(yè)數(shù)據(jù)。就業(yè)指標采取各地區(qū)各行業(yè)就業(yè)人數(shù)。

（一）環(huán)境治理強度指標

文章采取各地級市單位工業(yè)增加值的工業(yè)污染治理投資額進行環(huán)境治理強度的衡量。此外還需考慮各地級市工業(yè)產(chǎn)業(yè)結構的差別，否則污染行業(yè)密集市或清潔行業(yè)密集市的環(huán)境治理強度會被治理成本高估或低估。因此構建的環(huán)境治理強度指標為：

其中，Iit為各地區(qū)的工業(yè)污染治理投資額，Yit為各地區(qū)的工業(yè)增加值，Sit為各地區(qū)重污染行業(yè)增加值占工業(yè)增加值的比重。

（二）行業(yè)污染程度

采用Greenstone（2002）的方法來界定重污染行業(yè)。若某一行業(yè)工業(yè)廢水或廢氣排放量超過了整個工業(yè)部門廢水或廢氣排放總量的7%，則把該行業(yè)視為高污染行業(yè)，reguit值越大就表示環(huán)境治理力度越強，再將單位產(chǎn)值的廢氣和廢水排放量進行標準化來確定行業(yè)污染的程度，計算公式如下：

其中，Eij代表i行業(yè)j種污染物排放的平均值，max（Ej）和min（Ej）代表各個行業(yè)j種污染物排放的最大值和最小值，PEij代表i行業(yè)j種污染物的標準化值。

對各行業(yè)各種污染物的標準化值進行幾何平均，目的是為了避免污染物中極端值對計算結果的影響和權重選擇的隨意性。結果如下：

其中，polli代表第i個行業(yè)的污染排放指數(shù)，PEi1為排放廢氣的標準化值，PEi2為排放廢水的標準化值。表1是按照上述方法計算得出的25個工業(yè)行業(yè)在2006—2016年的污染指數(shù)平均值?？芍呶廴拘袠I(yè)主要包括造紙及紙制品行業(yè)、電力、熱力的生產(chǎn)業(yè)、化學纖維制造業(yè)、黑色金屬冶煉、紡織服裝業(yè)以及化學原料制造業(yè)六大行業(yè)。

（三）環(huán)境治理強度的測算

根據(jù)式（1）可以計算出2006—2016年52個地區(qū)環(huán)境治理強度平均值（見表2）。將52個地區(qū)2006—2016年依照環(huán)境治理強度平均值由高到低劃分為四個等級。

其中，高環(huán)境治理地區(qū)包括紹興市、嘉興市、福州市等11個地級市；較高環(huán)境治理地區(qū)包括石家莊市、保定市、太原市等14個地級市；較低環(huán)境治理地區(qū)包括吉林市、通化市、牡丹江市等16個地級市；低環(huán)境治理地區(qū)包括盤錦市、錦州市、鄭州市等11個地級市。

表1 各工業(yè)行業(yè)2006—2016年污染指數(shù)均值

表2 各地區(qū)環(huán)境治理強度測算

三、模型設定與結果分析

文章將地區(qū)特征和行業(yè)特征相結合，采用倍差法非線性計量模型，目的是為了更直接地研究地區(qū)環(huán)境治理力度的差異對于不同行業(yè)就業(yè)的非對稱影響和對于污染密集型行業(yè)就業(yè)的非對稱效應影響。計量模型如下：

其中，lnlaborikt代表第t年地區(qū)i行業(yè)k就業(yè)人數(shù)的對數(shù)，reguit代表第t年地區(qū)i環(huán)境治理強度大?。籶ollk代表行業(yè)k污染程度；lnklkt代表第t年行業(yè)k資本勞動比率的對數(shù)。Xi反映地區(qū)特征的控制變量。αkt代表年份—行業(yè)的固定效應。γit代表年份—地區(qū)的固定效應。εikt為隨機誤差項。

鑒于行業(yè)污染指數(shù)相對來說較為固定，所以研究采用各行業(yè)污染指數(shù)的平均值來表示回歸方程中的污染指數(shù)。在Xi變量中，控制變量包括平均固定資產(chǎn)投資額占平均GDP的比重、平均外商實際投資額占平均GDP的比重、平均第二產(chǎn)業(yè)產(chǎn)值占平均GDP的比重、年平均交通密度、平均人口規(guī)模。

β0背后的含義就是在控制行業(yè)特征的前提下，環(huán)境治理強度對工業(yè)行業(yè)的直接就業(yè)影響。β1反映污染密集型行業(yè)就業(yè)集聚的效應。假設在兩個地區(qū)d1和d2有兩個污染程度相同的行業(yè)h1和h2，那么當兩個地區(qū)環(huán)境治理強度相同且在控制其他影響行業(yè)就業(yè)的因素前提下，兩個行業(yè)的就業(yè)應該完全相同，不存在任何差別。

假設在兩個地區(qū)d1和d2有兩個污染程度不相同的行業(yè)h1和h2，其中，d1表示高環(huán)境治理地區(qū)，d2表示低環(huán)境治理地區(qū)；h1表示高污染行業(yè)，h2表示低污染行業(yè)。那么在控制其他行業(yè)就業(yè)的因素前提下，高環(huán)境治理地區(qū)高污染行業(yè)和低污染行業(yè)間的就業(yè)差異為：

式（5）反映的是高污染行業(yè)和低污染行業(yè)在高環(huán)境治理地區(qū)和低環(huán)境治理地區(qū)就業(yè)的差異。在控制其他變量的前提下，環(huán)境治理強度就是導致高污染行業(yè)和低污染行業(yè)在高環(huán)境治理地區(qū)和低環(huán)境治理地區(qū)就業(yè)差異的重要因素。

通過研究不同特征行業(yè)，高環(huán)境治理地區(qū)與低環(huán)境治理地區(qū)的差異轉化為高污染行業(yè)與低污染行業(yè)就業(yè)水平的差異。如果β1為正，表明相對于低環(huán)境治理地區(qū)，高環(huán)境治理地區(qū)會承擔更多高污染行業(yè)人群就業(yè)；如果β1為負，表明相對于高環(huán)境治理地區(qū)，低環(huán)境治理地區(qū)會承擔更多的高污染行業(yè)人群就業(yè)。而且這種效應會根據(jù)β1的絕對值大小反映其顯著程度。

（一）初步回歸結果

表3以工業(yè)污染治理投資額占單位工業(yè)總產(chǎn)值作為環(huán)境治理的解釋變量，再以不同地區(qū)不同行業(yè)就業(yè)人數(shù)的對數(shù)值作為被解釋變量，來檢驗由于環(huán)境治理強度導致的就業(yè)效應和就業(yè)分布效應。

表3 回歸結果

在表3的I列中，在控制地區(qū)—時間固定效應和行業(yè)—時間固定效應后，引入環(huán)境治理*行業(yè)污染（regu*poll）的交叉項；II列中加入地區(qū)工資*資本勞動比（wage*lnkl）后進一步估計；III列中引入外商直接投資、交通密度、財政支出、固定資產(chǎn)投資額等地區(qū)特征變量之后再次回歸。從回歸結構可以看出，I列、II列和III列中解釋變量的系數(shù)、R方和F值均沒有發(fā)生顯著變化。

從表3回歸結果得到的模型如下：

結果發(fā)現(xiàn)β1的系數(shù)為負（-1.932），說明存在低環(huán)境治理地區(qū)承擔更多的高污染密集型行業(yè)①高污染密集型行業(yè)是指根據(jù)污染指數(shù)均值高低，造紙與紙制品、化學纖維制造、非金屬礦物制造、化學原料與制品、黑色金屬冶煉以及電熱力生產(chǎn)供應行業(yè)該六大行業(yè)。人群的就業(yè)。β2的系數(shù)顯著為正（0.674），表明在高環(huán)境治理地區(qū)大致分布在中部、西部地區(qū)，而且資本密集型行業(yè)的集聚度更高。β3的系數(shù)顯著為負（-0.036 8），這表明勞動密集型行業(yè)更大程度上集聚在工資水平較高的地區(qū)。

以III列為基準來分析環(huán)境治理強度所帶來的就業(yè)效應，就業(yè)彈性為：

將式（7）中帶入污染程度與資本勞動比的平均值得出就業(yè)彈性為-0.413。可以看到環(huán)境治理從總體上削弱了就業(yè)。相比低污染行業(yè)，環(huán)境治理強度對于高污染行業(yè)帶來的就業(yè)下降更為明顯。

（二）內(nèi)生性與穩(wěn)健性估計

通過STATA計算，采用行業(yè)就業(yè)人數(shù)的對數(shù)（labor）為被解釋變量時，得出Hausman統(tǒng)計量為198.24，P值為0（見表4）。由此可知，環(huán)境治理是內(nèi)生變量的。經(jīng)查閱相關文獻，采用標準煤為工具變量，對比發(fā)現(xiàn)結果與表3保持一致。

表4 內(nèi)生性檢驗

為了檢驗結果的穩(wěn)健性，通過更換環(huán)境治理指標來進行估計。通過引入單位排污收費額（reguII）和環(huán)境綜合治理率（reguIII）兩個環(huán)境指標，作為環(huán)境治理的代理變量重新對不同行業(yè)就業(yè)人數(shù)、行業(yè)就業(yè)份額進行回歸檢驗，得到如下模型：

對比表5的穩(wěn)健性估計結果，發(fā)現(xiàn)與表3保持一致，并且穩(wěn)定顯著，說明模型的結果是穩(wěn)定顯著的。

表5 穩(wěn)健性估計

依據(jù)污染程度和資本密集度差異性的特征，把各行業(yè)2006—2016年平均值作為基準值，高于基準值的劃分為高污染密集型行業(yè)或高資本密集型行業(yè)，基準值以下劃分為低污染密集型行業(yè)或低資本密集型行業(yè)。將工業(yè)行業(yè)大致分為四類并且對四類不同行業(yè)計算邊際就業(yè)，結果如表6所示。

表6 環(huán)境治理強度對不同特征行業(yè)的邊際就業(yè)影響

通過對比發(fā)現(xiàn)，高污染高資本密集型行業(yè)和低污染高資本密集型行業(yè)就業(yè)效應都顯著為正；但是對于高污染低資本密集型行業(yè)的就業(yè)效應就顯著為負?？赡艿脑蛟谟冢涸诟呶廴靖哔Y本密集型行業(yè)治理污染的過程中會增加勞動力的投入，這與治理成本相抵消后還有盈余；而高污染低資本密集型行業(yè)顯著為負，可能是因為治理污染所需要的成本過高，超過了行業(yè)所能承受的范圍，因此環(huán)境治理帶來了負向的就業(yè)效應。針對低污染低資本密集型行業(yè)來說，環(huán)境變化對就業(yè)的影響可能存在“門檻效應”，即在達到一定的人口規(guī)模之前，環(huán)境治理對勞動力的投入是正向的；處于一定區(qū)間內(nèi)，環(huán)境治理與勞動力供給不存在顯著影響；在超過某一水平之后，環(huán)境治理和勞動力投入間存在顯著負向效應。

四、主要結論與政策啟示

（一）主要結論

基于2006—2016年中國52個地級市分行業(yè)的工業(yè)數(shù)據(jù)，運用倍差法非線性計量模型的實證方法考察環(huán)境治理強度的地區(qū)間非對稱差異對不同特征行業(yè)就業(yè)的影響，結論顯示：

第一，從環(huán)境治理對地區(qū)就業(yè)的非對稱效應來看：低環(huán)境治理地區(qū)承擔更多高污染行業(yè)人群的就業(yè)，即存在污染密集型行業(yè)向低環(huán)境治理地區(qū)集聚的效應；在東部、中部、西部區(qū)域，高環(huán)境治理地區(qū)大致分布在中部、西部地區(qū)，其資本密集型行業(yè)的集聚度更高，存在資本密集型行業(yè)就業(yè)分布的非對稱效應。出現(xiàn)這種現(xiàn)象的原因是政府在中部、西部地區(qū)的投資力度更大，比如西部發(fā)展戰(zhàn)略。反觀京津冀地區(qū)、珠三角地區(qū)、長三角地區(qū)和東北地區(qū)等一些東部地區(qū)由于較低的環(huán)境治理力度，滋生了高污染密集型行業(yè)生存環(huán)境。這些地區(qū)大都是勞動密集型產(chǎn)業(yè)，產(chǎn)業(yè)升級較為緩慢。

第二，從環(huán)境治理對行業(yè)就業(yè)的非對稱效應來看：環(huán)境治理對高污染高資本密集型行業(yè)和低污染高資本密集型行業(yè)就業(yè)存在正效應；環(huán)境治理對高污染低資本密集型行業(yè)就業(yè)存在負效應；環(huán)境治理對低污染低資本密集型行業(yè)的就業(yè)影響不確定，會隨就業(yè)人口的規(guī)模有所變化，可能存在“門檻效應”。即在達到一定人口規(guī)模前，環(huán)境治理對勞動力的投入是正向的；而處于一定人口規(guī)模區(qū)間內(nèi)，不存在顯著影響；在超過某一水平后則存在顯著負向效應。

（二）政策啟示

文章研究結論蘊含的政策含義主要表現(xiàn)為：

第一，增加高污染高資本密集型行業(yè)治理力度，促進技術進步。環(huán)境治理雖然給高污染高資本密集型行業(yè)帶來了損失，但同時也增加了勞動力投入、創(chuàng)造了就業(yè)機會。因此實行嚴格有效的治理是有利而無害的。先進的技術是產(chǎn)業(yè)升級的核心，對產(chǎn)業(yè)升級有正向積極作用，先進的科學技術能讓高污染行業(yè)向精細化和專業(yè)化兩個方面發(fā)展，帶來更多產(chǎn)品需求，吸引更多優(yōu)秀人才，促進就業(yè)提升。

第二，鼓勵高污染企業(yè)模式轉變、創(chuàng)新環(huán)境管理制度，政府應該通過激勵機制適當補貼高污染低資本密集型企業(yè)，使得這類企業(yè)在控制影響的前提下轉變自身模式。同時必須在管理上有所創(chuàng)新、有所突破。一方面要建立環(huán)境產(chǎn)權制度，科學有效的環(huán)境產(chǎn)權制度能夠大大降低環(huán)保成本；另一方面要建立綠色稅收制度。

第三，加強對低環(huán)境治理地區(qū)的監(jiān)管力度，實施科學的環(huán)境治理責任制，既要考慮到保持地區(qū)產(chǎn)業(yè)間的合理差異，又要考慮到現(xiàn)階段各地區(qū)和各行業(yè)現(xiàn)有的環(huán)境治理強度。低環(huán)境治理力度絲毫不能給污染密集型行業(yè)敲響警鐘。政府應該根據(jù)行業(yè)的特征性，制定更為完善的目標、加大監(jiān)管力度并且增加處罰手段。在環(huán)境治理方面，一定要規(guī)避西方國家“先污染后治理”的老路，堅決走“環(huán)境治理和就業(yè)并重”的雙贏新路。