论文部分内容阅读
摘 要：基于1998—2013年中国省级工业行业面板数据，构建动态面板模型并运用系统广义矩估计方法，实证检验环境规制通过工业结构变动对碳生产率的影响。结果表明：样本期内中国工业部门环境规制力度和碳生产率均呈现增长趋势，但省际间差距在不断加大；碳减排技术水平本身具有强化效应，其对碳生产率的影响较大；环境规制强度增加有利于工业碳生产率的提高，支持“波特假说”；我国工业部门结构变动对碳生产率的提高产生了阻碍作用，西部地区尤为显著，但重工业化越高的地区，加强环境规制可以有效提高碳生产率。
关键词：环境规制；工业结构；碳生产率
中图分类号：F429.9 文献标识码：A 文章编号：1003-3890（2016）06-0073-08
一、引言
改革开放以来，工业作为国民经济的主导部门，对中国经济的高速增长作出了重要貢献。但是，工业生产也伴随着大量的环境污染，尤其是二氧化碳等温室气体排放量不断增加。中国已于2007年超过美国成为温室气体排放第一大国，这无疑给碳减排增加了来自国际方面的压力（陈诗一，2010）[1]，中国政府承诺到2020年单位国内生产总值二氧化碳排放比2005年下降40%～45%。如何在碳减排约束下实现工业经济平稳增长是政府和学者们关注的焦点问题，提高碳生产率是破解这一“两难”困境的关键所在。碳生产率是指一段时间内一个国家或者地区国内生产总值与二氧化碳排放量之间的比值，以碳生产率作为衡量效率高低的标准是，既要求产出高，也要求碳排放少，这与我国当前的实际需要高度一致。
在生态文明建设成为中国全社会共同行动的大背景下，各省份对工业部门加强环境规制已经是一种必然的选择。传统观点认为，环境规制在控制环境污染的同时，会给经济带来不利的影响，因此，环境规制不一定能提高环境生产率。原因在于：（1）环境规制要求企业增加污染治理投入或缴纳排污税费等，导致生产成本增加。（2）环境规制促使企业采取更先进的制造工艺和生产设备，使得生产管理更复杂，管理难度加大，这种变化可能导致生产效率的降低。（3）环保投资可能会挤占其他生产性、盈利性投资，降低了资本的比较收益，从而对生产率产生消极影响。但是，Porter et al（1991，1995）对此提出了挑战，他们认为，从动态的角度看，由于企业并不总是能够作出最优的决策，所以合理设置的环境规制政策能够触发技术创新，促使企业在降低投入、削减浪费、减少污染等方面的技术进步和生产工艺改进，产生创新补偿效应，弥补甚至超过环境规制成本，达到经济绩效和环境绩效同时改进的“双赢”状态，从而显著地提高环境生产率，这一观点被称为“波特假说”[2-3]。
许多学者从不同角度对“波特假说”进行实证检验。Hamamoto（2006）研究发现，由于环境规制强度增加而诱发的R&D支出对全要素生产率增长有正效应[4]；Carrión-Flores et al（2010）[5]、Yang et al（2012）[6]也得出了类似的结论。但是，Gray et al（2005）研究表明，环境规制强度与产业生产率存在负相关关系[7]。Lee（2008）指出，环境规制与生产率的关系取决于不同行业的市场支配力[8]。国内学者在此领域的研究相对较晚，解垩（2008）将环保投资和工业二氧化硫排放作为环境规制代理变量，发现环境规制并没有对我国工业全要素生产率产生影响[9]。但李强 等（2010）对中国大中型工业企业的研究表明，环境规制可以通过促进创新和优化产业结构两个渠道显著提高工业生产率[10]。李斌 等（2013）研究发现，环境规制可以通过作用于绿色全要素生产率而影响中国工业发展方式转变，但存在环境规制强度的“门槛效应”[11]。蔡宁 等（2014）研究也发现，环境规制对绿色工业全要素生产率的增长有正的影响，但对各区域的影响随工业绿色发展水平的提高而降低[12]。同时，许多学者在研究模型上进行改进，他们假设环境规制与生产率之间并不是简单的线性关系。张成 等（2010）利用1996—2007年我国18个工业行业的数据研究发现，长期来看，环境规制对工业全要素生产率的促进作用比短期更为明显[13]。叶祥松 等（2011）研究表明，不同环境规制强度的情形下，环境规制对全要素生产率的影响也不尽相同[14]。李玲 等（2012）将中国制造业按照污染强度分为重度、中度和低度污染行业，不同类型行业环境规制对生产率影响存在较大差异[15]。李静 等（2012）认为环境规制能显著促进我国东部工业绿色全要素生产率，而对中西部地区的影响却不明显[16]，李鑫 等（2014）也得到了类似的结论[17]。王杰 等（2014）以中国工业企业数据为样本计量检验了环境规制对企业全要素生产率的影响，研究结论表明环境规制与企业全要素生产率之间符合“倒N型”关系[18]。
在上述文献的梳理中可以看出，现有关于我国环境规制的生产率效应研究主要局限于传统意思上的全要素生产率效应，很少有研究是在碳排放约束下展开的。当工业行业碳生产率增长成为工业经济可持续发展的关键路径时，对以下问题的研究具有重要意义：从碳生产率的视角看，波特假说在中国工业行业层面是否成立，即环境规制是否促进了工业碳生产率的增长？其作用机制是什么？本文以1998—2013年中国30个省份工业部门为样本，构建环境规制影响工业结构进而影响工业碳生产率的动态面板数据回归模型，并利用系统广义矩估计方法从全国层面以及东部、中部和西部三大地区层面对其进行估计以回答上述问题。
二、模型构建与数据处理
（一）模型构建
利用省级层面数据研究中国工业部门环境规制对碳生产率的影响，需要构建面板数据模型进行回归。被解释变量为碳生产率，核心解释变量是环境规制，同时将影响碳生产率的其他变量作为调节变量或者控制变量引入到模型中，包括：（1）工业结构变动。由于产业结构尤其工业部门内部结构是影响二氧化碳排放的重要因素（林伯强 等，2009[19]；张友国，2010[20]；Hammond et al，2012[21]；杨骞 等，2012[22]），因此将工业部门内部结构变动作为调节变量纳入模型中，研究环境规制、工业结构变动对碳生产率的直接影响和交互影响。（2）对外开放度。发达国家特别是美国和欧洲拥有大量先进的节能减排技术，如果我国各省份工业部门对外开放度越大，就会有更多的机会与发达国家在节能减排领域进行交流合作，实现技术的引进、消化、吸收和溢出，进而促进碳生产率的提高。（3）人力资本水平。一般来讲，一个地区公众的人力资本水平越高，其环境保护意识往往越强，在面临环境污染问题时，能有较强的抵御意识和能力，因此，该地区的碳生产率水平应该较高。（4）技术水平。技术水平特别是能源利用技术水平的提高，一方面可以加快新能源使用的步伐，改善能源消费结构，另一方面可以提高传统能源的利用效率，这两方面的作用可以促使在既定的产出水平下碳排放量进一步降低，进而提高碳生产率。 由于我国环境规制强度和碳生产率存在显著的区域差异以及时序波动等特征，传统的静态面板模型在估计时可能会出现偏差。因此，本文构建动态面板数据模型进行实证检验。具体实证模型设定为：
Cit=β1Ci，t-1+β2higzi，t-1+β3higzi，t-1*gyjgit+g4gyigit+β5dwdit+β6hrit+β7LNteit+β0+ui+εit （1）
其中，Cit、Ci，t-1、higz、gyjg、dwd、hr和te分别表示当期碳生产率、上一期碳生产率、环境规制强度、工业结构变动、对外开放度、人力资本水平以及技术创新。
（二）数据处理与指标说明
本文采用1998—2013年中国30个省份工业部门的面板数据，原始数据来自于历年的《中国统计年鉴》《中国环境年鉴》《中国能源统计年鉴》《中国人口统计年鉴》以及资讯行数据库。
1. 工业碳生产率。根据碳生产率的内涵，采用工业增加值与二氧化碳排放量的比值表示。该变量计算的难点在于测算各省份各年工业二氧化碳排放量。考虑到碳排放主要是由于能源消耗引起，本文沿用杨骞 等（2012）的做法，通过各省份各年工业终端能源消费的数据进行估算[22]。具体估算公式如下：
CO2=■CO2，i=■Ei*Ri*Xi（2）
式（2）中，CO2为各省份工业二氧化碳排放总量；Ei分别代表各省份工业部门煤炭、石油、天然气的消耗量；Ri代表第i种能源的平均低位发热量；Xi代表第i种能源的碳排放系数，数据来源于IPCC（2006）。此外，为了消除由于价格波动带来的影响，本文采用工业生产者出厂价格指数对工业增加值变量进行平减以调整为可比价格，基期是1998年。
2. 环境规制强度。一般来讲，在服从理性人假设的前提下，某地区工业部门环境规制强度越大，其在环境保护方面的投入力度就会越大，环境污染物的处理率或达标排放率越大。因此，本文采用环境成本支付率即环境已支付成本占环境总成本的比重来衡量环境规制强度大小（金培，2010）[23]。环境成本支付率越大，说明该地区工业部门环境规制强度越大。具体测算公式如下：
ECLt=■（t=1，2，3…，T） （3）
式（3）中，ECLt表示第t年地区工业部门环境成本支付率；Iit表示第t年第i种污染排放物实际处理投资额，DEQit表示第t年第i种污染排放物的处理量或达标排放量，DEQit除Iit表示第t年第i种污染排放物的单位处理成本；TEQit表示第t年第i种污染排放物的实际排放量。具体计算时，本文选取工业二氧化硫、工业废水作为环境污染物的代表。
3. 其他变量。（1）工业结构变动。本文所考察的工业结构变动主要是指各地区工业部门中重工业和轻工业比重的变化，因此，采用各地区重工业总产值占工业总产值的比重来表示。（2）对外开放度。它主要包含国际贸易和国际投资两项内容，本文选择进出口总额占GDP的比重和实际外商直接投资额与GDP的比重衡量，其中进出口总额和外商直接投资额均按照每年美元兌人民币汇率的平均值换算成人民币。（3）人力资本水平。本文采用6岁及以上人口中不同文化程度的居民比重与其所对应的平均受教育年数乘积之和来表示。设定文盲半文盲、小学、初中、高中、大专以上教育程度的居民平均教育年数分别为0、6、9、12、16年。（4）技术创新。采用各地区全部专利授权量来表示。
三、我国工业部门环境规制强度与碳生产率动态演变情况
（一）全国总体及区域层面分析
表1是1998—2013年全国及东部、中部和西部①三大区域工业部门环境规制水平和碳生产率的测算结果。从表1可以看出，样本期内，我国工业部门整体环境规制水平呈逐年上升的趋势，平均值从1998年的0.353上升到2013年的1.521。进一步分析可以看出，从2009年开始，环境规制强度指数开始大于1，这表明我国工业部门不仅对当年所排放的环境污染物进行了适当的处理，还对部分往年累积未处理的排放物进行了整顿，而且力度在逐年加大，这与我国大力建设生态文明宗旨相一致。从三大区域的情况来看，西部地区的环境规制水平相对较低，平均值仅有0.733；中部地区和东部地区水平相当，分别是0.878和0.829。需要指出的是，1998—2006年东部地区的环境规制强度偏低，随着经济与环境之间矛盾日益突出，环境保护问题提到了前所未有的高度。从2005年起，东部地区的环境规制水平明显加强，2013年达到1.663；从2007年起东部地区开始超过中部地区，并保持领先地位，而西部地区一直处于较低水平。这与环境库兹涅茨曲线所描述的情形基本一致，即在经济发展初期，往往更注重经济增长而忽视了环境保护，环境规制水平可能会比较低，但是当经济发展到一定程度的时候，人们环境保护意识便会逐渐增强，环境规制水平也会逐步提高。
碳生产率能反映工业部门在碳减排方面所作出的努力。表1可以看出，1998—2013年我国工业部门碳生产率表现出明显增长的趋势，从1998年的0.250万元/吨增加到2013年的0.759万元/吨，年均增长率为7.75%。但三大区域工业部门碳生产率水平差距较为显著，1998—2013年，东部地区工业碳生产率平均值为0.692万元/吨，而中部和西部地区分别仅为0.323万元/吨和0.290万元/吨；从变化趋势看，1998年东部、中部和西部地区工业部门的碳生产率比较接近，分别为0.369万元/吨、0.200万元/吨和0.168万元/吨，但到2013年三大区域间的差距已经明显扩大，分别为1.080万元/吨、0.505万元/吨和0.491万元/吨，样本期内，东部地区的工业碳生产率一直保持快速的增长，而中部和西部地区基本上属于停滞不前，直到近几年才有了一定程度的增长。
（二）省级层面分析
上述分析简要地判断了全国以及三大区域工业部门环境规制强度和碳生产率的差距，本部分将从省级层面采用核密度估计（Kernel density estimation）方法进一步分析该差距的动态演变情况。相对于传统的概括性统计方法，核密度估计在描述区域经济变量演变趋势方面具有显著的优越性。一般而言，对于一组随机变量{x1，…，xi，…，xn}，固定带宽的核密度估计函数的形式如下： fh（x）=■■K■ （4）
式（4）中，h表示带宽或者光滑系数，K表示核函数或者权重。本文借用Sain et al（1996）的做法，选用二维Epanechikov核函数和Silverman最佳带宽[24]。图1和图2分别是1998年、2003年、2008年和2013年四个时期省级工业部门环境规制和碳生产率的核密度分布。
从图1和图2可以看出，首先，1998—2013年，无论是环境规制强度还是碳生产率的核密度分布图的水平位置都显著向右移动，尤其是环境规制强度在2003年之后向右移动的幅度比较大，这说明样本期内我国省级环境规制强度和碳生产率均存在明显的增长。其次，除了2008年环境规制强度和碳生产率的核密度分布图相对2003年来说垂直位置有所升高外，其他年份都是逐年降低的，这说明省级间环境规制和碳生产率的差距均有所拉大，出现发散的趋势。最后，从两个指标核密度估计图的“峰形”来看，2008年和2013年，环境规制强度和碳生产率均出现了“三峰”或者“多峰”的迹象，这说明这两个指标在此阶段可能存在俱乐部收敛的情形，且2008年和2013年碳生产率的核密度估计图还出现不断强化的右偏分布态势，说明有部分省份碳生产率在此期间出现大幅度增长，如上海、江苏、浙江和广东省等。
四、实证检验及结果分析
（一）实证检验
由于方程（1）的解释变量中含有被解释变量的滞后项，这可能会引起解释变量和随机扰动项相关，同时，解释变量均是经济变量，它们之间也可能存在内生性问题，可能会导致基于传统的估计方法所得出的统计结果是非一致的。因此本文采用相对一阶差分广义矩估计方法（简称DIF-GMM）来说有着更好的有限样本特征的系统广义矩估计方法（简称SYS-GMM）。它是由Blundell et al（1998）在一阶差分广义矩估计方法基础上提出的[25]，这个方法同时利用了差分方程和水平方程以及更多的矩条件。由于更加充分地利用了樣本信息，SYS-GMM的有限样本偏误明显降低，可以有效地克服内生性问题和弱工具性问题。而为了使得SYS-GMM的估计量具有一致性，必须检验方程（1）中的随机误差项εit是否存在序列相关和工具变量是否合适。本文首先采用Arellano et al（1991）提出的自相关方法Arellano-Bond test for AR（1）和Arellano-Bond test for AR（2）检验εit是否有一阶和二阶序列相关[26]，并采用Sargan检验约束条件是否过度限制，即对工具变量的合适性进行检验。由于无论差分后的残差项是否存在一阶序列相关，GMM都有效（Roodman，2006）[27]，因此仅关注AR（2）。
1. 全国角度省级面板数据的检验结果。表2是利用全国省级面板数据进行回归的结果。结果（1）是采用SYS-GMM对计量方程（1）的估计结果，AR（2）的检验结果显示不能拒绝动态一阶自回归模型残差项不存在序列相关的零假设，这表明本文所构建的动态面板数据模型是合适的，同时，Sargan检验结果也表明所选取的工具变量是合适的。结果（2）和结果（3）分别是利用全国静态面板数据对方程（1）的固定效应模型和随机效应模型的估计结果。
（1）从全国层面的实证研究结果可以看出，LnCi，t-1的系数为正，且在1%的水平上显著，这说明如果采用静态面板数据模型即不考虑上一期碳生产率对本期生产率的影响会造成研究结果的偏差，采用动态面板数据模型更为合适。根据本文研究目的，上一期工业部门的碳生产率水平即Ci，t-1可以看作是该地区已有碳减排技术水平存量，其回归系数为0.308，这表明在其他条件不变的情况下，地区工业行业碳减排技术每提高1%，其下一年度的碳生产率就会增长0.308%。碳减排技术水平的增加可能会通过提升地区工业行业能源利用效率，如废弃物的循环利用和开发清洁能源等，进而降低能源消耗和二氧化碳排放，促进该地区工业碳生产率的提高。
（2）环境规制变量的系数与预期一致，其影响系数为0.242，这表明环境规制强度每提高1%，地区工业行业碳生产率会提高0.242%，环境规制对地区工业行业碳生产率的提高起到了积极的促进作用。一方面，环境规制本身就是指为了保护环境而采取的对经济活动具有限制性的一切措施、政策、法律及其实施过程，它对行业的污染行为可以进行直接控制，从而降低环境污染物的产生；另一方面，根据“波特假说”，环境规制可以通过影响企业的技术创新行为，进而提高行业内与二氧化碳排放等环境污染物控制有关的技术效率及技术进步率，实现行业的节能减排。总之，环境规制可以通过直接和间接两个渠道提高工业行业的碳生产率。
（3）地区工业结构对碳生产率的影响系数为
-0.020，这说明地区重工业水平越高，碳生产率水平越低；而样本期内，我国工业结构变动对碳生产率造成了负效应，这需要对我国现行的环境政策作出反思。行政管理手段一直是我国环境规制政策的“主体”，环境保护的重点被放在已经发生或者激化的问题上，前瞻性和预防性不够，具有典型的末端治理和应急治理特征。重工业一般都是各省份的支柱产业，受经济利益驱动，地方政府往往不愿或者不敢对其实施严格的环境规制，造成环境规制流于形式。此外，样本期间，我国受到美国次贷危机的严重影响，虽然环境保护呼声越来越高，但为保增长，各省份还是加大了重工业投资的力度。因此，完善环境规制体系，使之能够真正成为工业结构优化升级的驱动力，是解决这一问题的关键。从工业结构对环境规制与碳生产率关系的调节效应来看，系数为0.011，且在5%的水平上显著。这说明地区重工业化水平越高，环境规制对工业碳生产率水平的影响越大。这可能是由于一旦重工业化水平较高的地区加强环境规制力度，其产业结构优化升级如从能源密集型为主的重工业转向技术密集型产业和服务业的速度就会加快，从而促进该地区工业碳生产率的提高；而重工业水平相对较低的地区，其产业结构已经进行了优化调整，该类型的地区本身能源消费和碳排放就相对较少，因此，加强环境规制对工业碳生产率的影响会相对较小。 （4）本部分还考察了对外开放度、人力资本水平和技术创新等因素对工业碳生产率的影响，实证结果显示：首先，在其他条件不变的情况下，某地区的对外开放度水平每变化1%，该地区工业行业的碳生产率会提高0.022%，这说明以加快国际贸易发展和加大引资力度为特征的对外开放，在我国工业部门产生了显著的技术溢出效应，“污染避难所假说”在我国工业行业并不成立。其次，在其他条件不变的情况下，人力资本水平每提高1%，该地区工业行业的碳生产率会提高0.058%，这与本文的假设一致，人力资本水平越高的地区，民众的环保意识越强，这要求企业和政府作出相应的行动，在这样的背景下，地区的工业碳生产率会相对较高。最后，在其他条件不变的情况下，地区技术创新水平每提高1%，该地区工业行业的碳生产率会提高0.113%。地区技术创新是地区技术积累的重要来源，尤其对于以节能减排为目标的环境技术来讲，技术创新更为重要。地区所面临的环境污染风险变化多端，这需要企业适应形势变化，不断加大技术创新的步伐，以促进工业行业碳生产率的提高。
2. 三大区域角度省级面板数据的检验结果。表3的结果（4）—（6）分别是利用我国东中西部三大区域省级面板数据的回归结果，均采用SYS-GMM进行估计，三大区域面板数据的AR（2）检验结果和Sargan检验结果与全国层面的一致，即表明所构建的动态面板数据模型和所选取的工具变量均是合适的。
（1）三大地区样本的实证研究结果都显示，LnCi，t-1的系数为正，且都在1%的水平上显著。这说明碳减排技术对我国三大区域的工业碳生产率增长存在显著的正影响，尤其是东部地区凭借人才、资金、政策等方面的优势，碳减排技术水平相对较高，其对地区工业碳生产率的影响明显超过于中、西部地区。
（2）从Lnhjgzi，t-1的系数可以看出，东部、中部和西部地区的检验结果均在1%的水平上显著为正，分别为0.508、0.218和0.226，这说明环境规制力度每增加1%，东部、中部和西部地区的工业碳生产率分别增加0.508%、0.218%和0.226%。结果表明，样本期内我国三大地区所实施的环境规制政策均已经发挥了积极的直接作用。从系数的大小来看，东部地区的环境规制对工业碳生产率的直接影响最大，中西部地区在这方面相对较小。
（3）从工业结构的系数来看，东部地区和中部地区分别为0.002和-0.013，但其影响不显著。而西部地区的结果最为突出，其系数在1%的水平上显著为负，为-0.025，这说明西部地区工业结构变动对碳生产率产生了负的影响。样本期间，西部地区的重工业化程度不断提高，尤其是资源型经济发展迅猛。以煤炭开发为例，神东、陕北、黄陇等西部大型煤炭基地积极运用资源禀赋，吸引相关联产业进入，带动煤洗选、煤电、煤化工、煤炼焦等产业集群发展，但也导致二氧化碳等温室气体的大量排放。不断累积的负面效应使西部地区承担着日益增加的生态环境压力，产业结构变动反而阻碍了碳生产率的增长。而东部地区和中部地区系数未能通过显著性检验的原因可能是由于这两地区重工业化程度虽然在变化，但其幅度有限，尚未对工业碳生产率产生实质性的作用，但对其未来趋势应给予足够的重视。从三大地区工业结构对环境规制与碳生产率关系的调节作用来看，Lnhjgzi，t-1*gyigit的系数均显著为正，分别为0.005、0.004和0.006。这说明全国层面的现象在三大区域来看均有所体现，即重工业化水平越高的地区，环境规制对碳生产率的影响越大。
（4）对外开放度对东部地区碳生产率的影响显著为正，但是中部和西部地区样本却显示对两者的关系不显著。改革开放以来，“以市场换技术”战略的实施使得我国对外开放得到了较快发展。东部地区对外开放度比较高，学习和利用国外先进技术特别是节能减排技术的机会较多，促进了工业碳生产率较快增长；但是中西部地区由于对外开放较晚，程度较低，对碳生产率的影响尚不明显。人力资本水平和技术创新对三大地区工业碳生产率的影响与理论预期一致，均显著为正，但东部地区这两个因素对碳生产率的影响比其他两个地区大，如人力资本水平每增加1%，东部、中部和西部地区的工业碳生产率分别增加0.067%、0.026%和0.052%；技术创新每增加1%，东部、中部和西部地区的工业碳生产率分别增加0.137%、0.054%和0.076%。
五、结论和启示
本文在测算了全国总体以及东部、中部、西部三大区域的环境规制强度和碳生产率现状与动态演变特征的基础上，基于1998—2013年中国省级工业部门的面板数据构建动态面板模型，并利用系统广义矩估计方法实证检验了环境规制通过工业结构变动对工业碳生产率的影响。结果表明：样本期内，我国工業部门整体环境规制水平和碳生产率水平均呈逐年上升的趋势。从三大区域的情况来看，西部地区的环境规制水平相对较低，中部地区和东部地区水平相当，但东部地区碳生产率水平要远远超过中部和西部地区。从省级间的动态趋势来看，环境规制和碳生产率的差距均有所拉大，总体上呈现发散的趋势，但都存在俱乐部收敛的情形；碳减排技术水平本身具有强化效应，一个地区工业行业现有的碳减排技术对未来碳生产率的提高影响较大；环境规制强度增加有利于工业碳生产率的提高，东部地区环境规制对碳生产率的直接效应要强于中、西部地区；我国工业部门结构变动对碳生产率的提高产生了阻碍作用，西部地区尤为显著，但重工业化越高的地区，加强环境规制可以有效提高碳生产率；此外，对外开放、人力资本水平和技术创新均对我国工业部门的碳生产率提高起到了积极的作用。
上述研究结论表明，环境规制在我国工业部门减排压力日益增加以及碳生产率相对较低的情况下，作为一种倒逼机制可以通过改善工业部门结构进而促进碳生产率的提高。因此，本研究的政策启示包括：一是中西部地区特别是西部地区应加大从国外和东部发达地区引进低碳技术的力度，并将其有效地应用于工业生产领域，避免走“先破坏、后治理”的传统工业增长之路，在这个过程中，中部地区应做好“桥梁纽带”功能。二是西部地区生态环境异常脆弱，资源型产业集群蕴藏着巨大的生态环境风险，高能耗、高排放的重工业化发展模式使其碳减排形势更加严峻。西部地区亟需在资源开发利用过程中构建碳减排长效机制。中央政府可出台专门的总体规划，鼓励东部地区现有的一些劳动密集型企业向西部地区转移，推动西部地区产业结构调整的步伐，加快形成新的低碳产业体系。三是产业结构的演进反映了一个国家或地区经济增长方式的变化，但我国现行的环境规制政策并未真正起到优化产业结构、淘汰落后产能的作用，进而导致对碳生产率增长无法发挥应有的效果。综上所述，完善环境规制体系是推动中国工业碳生产率增长的战略性举措，应通过加大市场激励型环境规制工具的应用，引导和加快产业结构的良性转型，并在提高环境规制强度的同时，制定相应的补偿政策，有针对性地对低碳技术研发提供财政补贴或税收优惠。 注释：
①东部地区包括广东、江苏、上海、浙江、山东、北京、福建、天津、辽宁、河北和海南等11个省份；中部地区包括湖北、湖南、江西、河南、黑龙江、安徽、吉林和山西等8个省份；西部地区包括广西、四川、陕西、重庆、内蒙古、云南、甘肃、贵州、新疆、宁夏和青海等11个省份。
参考文献：
[1]陈诗一.节能减排与中国工业的双赢发展：2009—2049[J].经济研究，2010（3）：129-143.
[2]PORTER M E. America’s green strategy[J].Scientific American，1991，264（4）：193-246.
[3]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.
[4]HAMAMOTO M. Environmental regulation and the productivity of Japanese manufacturing industries [J]. Resource and Energy Economics，2006，28（4）：299-312.
[5]CARRI？魷N-FLORES C E，INNES R. Environmental innovation and environmental performance [J]. Journal of Environmental Economics and Management，2010，59（1）：27-42.
[6]YANG C，TSENG Y，CHEN C.Environmental regulations，induced R&D，and productivity：evidence from Taiwan’s manufacturing industries[J]. Resource and Energy Economics，2012，34（4）：514-532.
[7]GRAY W，SHADBEGIAN R.Pollution abatement expenditure and plant-level productivity：production function approach[J]. Ecological Economics，2005，54（2）：196-208.
[8]LEE M.Environmental regulation and production structure for the Korea iron and steel industry[J]. Resource and Energy Economics，2008，30（1）：1-11.
[9]解垩.环境规制与中国工业生产率增长[J].产业经济研究，2008（1）：19-25.
[10]李强，聂锐.环境规制与中国大中型企业工业生产率[J].中国地质大学学报：社会科学版，2010（4）：55-59.
[11]李斌，彭星，欧阳铭珂.环境规制、绿色全要素生产率与中国工业发展方式转变——基于36个工业行业数据的实证研究[J].中国工业经济，2013（4）：56-68.
[12]蔡宁，吴婧文，刘诗瑶.环境规制与绿色工业全要素生产率——基于我国30个省市的实证分析[J].辽宁大学学报：哲学社会科学版，2014（1）：65-73.
[13]张成，于同申，郭路.环境规制影响了中国工业的生产率吗——基于DEA与协整分析的实证检验[J].经济理论与经济管理，2010（3）：11-17.
[14]叶祥松，彭良燕.我国环境规制下的规制效率与全要素生产率研究：1999—2008[J].财贸经济，2011（2）：102-109.
[15]李玲，陶锋.中国制造业最优环境规制强度的选择——基于绿色全要素生产率的视角[J].产业经济，2012（5）：70-82.
[16]李静，沈伟.环境规制对中国工业绿色生产率的影响——基于波特假说的再检验[J].山西财经大学学报，2012（2）：56-65.
[17]李鑫，杜建国，金帅.环境规制对中国工业全要素生产率影响的实证[J].统计與决策，2014（13）：124-127.
[18]王杰，刘斌.环境规制与企业全要素生产率——基于中国工业企业数据的经验分析[J].中国工业经济，2014（3）：44-56.
[19]林伯强，蒋竺均.中国二氧化碳的环境库兹涅茨曲线预测及影响因素分析[J].管理世界，2009（4）：27-36.
[20]张友国.经济发展方式变化对中国碳排放强度的影响[J].经济研究，2010（4）：120-133.
[21]HAMMOND G P，NORMAN J B. Decomposition analysis of energy-related carbon emissions from UK manufacturing [J].Energy，2012，41（1）：220-227.
[22]杨骞，刘华军.中国二氧化碳排放的区域差异分解及影响因素——基于1995—2009年省际面板数据的研究[J].数量经济技术经济研究，2012（5）：36-49.
[23]金碚.资源环境管制与工业竞争力[M].北京：经济管理出版社，2010.
[24]SAIN S R，SCOTT D W.On locally density estimation [J].Journal of the American Statistical Association，1996，91（436）：1525-1534.
[25]BLUNDELL R，BOND S.Initial conditions and moment restrictions in dynamic panel data models[J]. Journal of Econometrics，1998，87（1）：115-143.
[26]ARELLANO M，BOND S.Some tests of specification for panel data：monte carlo evidence and an application to employment equations[J]. Review of Economic Studies，1991，58（2）：277-297.
[27]ROODMAN D.How to do xtabond2：an introduction to “difference”and“system”GMM in stata[R/OL]. 2006. http：//www.doc88.com/p-7703705001672.html.
责任编辑：许永兵
关键词：环境规制；工业结构；碳生产率
中图分类号：F429.9 文献标识码：A 文章编号：1003-3890（2016）06-0073-08
一、引言
改革开放以来，工业作为国民经济的主导部门，对中国经济的高速增长作出了重要貢献。但是，工业生产也伴随着大量的环境污染，尤其是二氧化碳等温室气体排放量不断增加。中国已于2007年超过美国成为温室气体排放第一大国，这无疑给碳减排增加了来自国际方面的压力（陈诗一，2010）[1]，中国政府承诺到2020年单位国内生产总值二氧化碳排放比2005年下降40%～45%。如何在碳减排约束下实现工业经济平稳增长是政府和学者们关注的焦点问题，提高碳生产率是破解这一“两难”困境的关键所在。碳生产率是指一段时间内一个国家或者地区国内生产总值与二氧化碳排放量之间的比值，以碳生产率作为衡量效率高低的标准是，既要求产出高，也要求碳排放少，这与我国当前的实际需要高度一致。
在生态文明建设成为中国全社会共同行动的大背景下，各省份对工业部门加强环境规制已经是一种必然的选择。传统观点认为，环境规制在控制环境污染的同时，会给经济带来不利的影响，因此，环境规制不一定能提高环境生产率。原因在于：（1）环境规制要求企业增加污染治理投入或缴纳排污税费等，导致生产成本增加。（2）环境规制促使企业采取更先进的制造工艺和生产设备，使得生产管理更复杂，管理难度加大，这种变化可能导致生产效率的降低。（3）环保投资可能会挤占其他生产性、盈利性投资，降低了资本的比较收益，从而对生产率产生消极影响。但是，Porter et al（1991，1995）对此提出了挑战，他们认为，从动态的角度看，由于企业并不总是能够作出最优的决策，所以合理设置的环境规制政策能够触发技术创新，促使企业在降低投入、削减浪费、减少污染等方面的技术进步和生产工艺改进，产生创新补偿效应，弥补甚至超过环境规制成本，达到经济绩效和环境绩效同时改进的“双赢”状态，从而显著地提高环境生产率，这一观点被称为“波特假说”[2-3]。
许多学者从不同角度对“波特假说”进行实证检验。Hamamoto（2006）研究发现，由于环境规制强度增加而诱发的R&D支出对全要素生产率增长有正效应[4]；Carrión-Flores et al（2010）[5]、Yang et al（2012）[6]也得出了类似的结论。但是，Gray et al（2005）研究表明，环境规制强度与产业生产率存在负相关关系[7]。Lee（2008）指出，环境规制与生产率的关系取决于不同行业的市场支配力[8]。国内学者在此领域的研究相对较晚，解垩（2008）将环保投资和工业二氧化硫排放作为环境规制代理变量，发现环境规制并没有对我国工业全要素生产率产生影响[9]。但李强 等（2010）对中国大中型工业企业的研究表明，环境规制可以通过促进创新和优化产业结构两个渠道显著提高工业生产率[10]。李斌 等（2013）研究发现，环境规制可以通过作用于绿色全要素生产率而影响中国工业发展方式转变，但存在环境规制强度的“门槛效应”[11]。蔡宁 等（2014）研究也发现，环境规制对绿色工业全要素生产率的增长有正的影响，但对各区域的影响随工业绿色发展水平的提高而降低[12]。同时，许多学者在研究模型上进行改进，他们假设环境规制与生产率之间并不是简单的线性关系。张成 等（2010）利用1996—2007年我国18个工业行业的数据研究发现，长期来看，环境规制对工业全要素生产率的促进作用比短期更为明显[13]。叶祥松 等（2011）研究表明，不同环境规制强度的情形下，环境规制对全要素生产率的影响也不尽相同[14]。李玲 等（2012）将中国制造业按照污染强度分为重度、中度和低度污染行业，不同类型行业环境规制对生产率影响存在较大差异[15]。李静 等（2012）认为环境规制能显著促进我国东部工业绿色全要素生产率，而对中西部地区的影响却不明显[16]，李鑫 等（2014）也得到了类似的结论[17]。王杰 等（2014）以中国工业企业数据为样本计量检验了环境规制对企业全要素生产率的影响，研究结论表明环境规制与企业全要素生产率之间符合“倒N型”关系[18]。
在上述文献的梳理中可以看出，现有关于我国环境规制的生产率效应研究主要局限于传统意思上的全要素生产率效应，很少有研究是在碳排放约束下展开的。当工业行业碳生产率增长成为工业经济可持续发展的关键路径时，对以下问题的研究具有重要意义：从碳生产率的视角看，波特假说在中国工业行业层面是否成立，即环境规制是否促进了工业碳生产率的增长？其作用机制是什么？本文以1998—2013年中国30个省份工业部门为样本，构建环境规制影响工业结构进而影响工业碳生产率的动态面板数据回归模型，并利用系统广义矩估计方法从全国层面以及东部、中部和西部三大地区层面对其进行估计以回答上述问题。
二、模型构建与数据处理
（一）模型构建
利用省级层面数据研究中国工业部门环境规制对碳生产率的影响，需要构建面板数据模型进行回归。被解释变量为碳生产率，核心解释变量是环境规制，同时将影响碳生产率的其他变量作为调节变量或者控制变量引入到模型中，包括：（1）工业结构变动。由于产业结构尤其工业部门内部结构是影响二氧化碳排放的重要因素（林伯强 等，2009[19]；张友国，2010[20]；Hammond et al，2012[21]；杨骞 等，2012[22]），因此将工业部门内部结构变动作为调节变量纳入模型中，研究环境规制、工业结构变动对碳生产率的直接影响和交互影响。（2）对外开放度。发达国家特别是美国和欧洲拥有大量先进的节能减排技术，如果我国各省份工业部门对外开放度越大，就会有更多的机会与发达国家在节能减排领域进行交流合作，实现技术的引进、消化、吸收和溢出，进而促进碳生产率的提高。（3）人力资本水平。一般来讲，一个地区公众的人力资本水平越高，其环境保护意识往往越强，在面临环境污染问题时，能有较强的抵御意识和能力，因此，该地区的碳生产率水平应该较高。（4）技术水平。技术水平特别是能源利用技术水平的提高，一方面可以加快新能源使用的步伐，改善能源消费结构，另一方面可以提高传统能源的利用效率，这两方面的作用可以促使在既定的产出水平下碳排放量进一步降低，进而提高碳生产率。 由于我国环境规制强度和碳生产率存在显著的区域差异以及时序波动等特征，传统的静态面板模型在估计时可能会出现偏差。因此，本文构建动态面板数据模型进行实证检验。具体实证模型设定为：
Cit=β1Ci，t-1+β2higzi，t-1+β3higzi，t-1*gyjgit+g4gyigit+β5dwdit+β6hrit+β7LNteit+β0+ui+εit （1）
其中，Cit、Ci，t-1、higz、gyjg、dwd、hr和te分别表示当期碳生产率、上一期碳生产率、环境规制强度、工业结构变动、对外开放度、人力资本水平以及技术创新。
（二）数据处理与指标说明
本文采用1998—2013年中国30个省份工业部门的面板数据，原始数据来自于历年的《中国统计年鉴》《中国环境年鉴》《中国能源统计年鉴》《中国人口统计年鉴》以及资讯行数据库。
1. 工业碳生产率。根据碳生产率的内涵，采用工业增加值与二氧化碳排放量的比值表示。该变量计算的难点在于测算各省份各年工业二氧化碳排放量。考虑到碳排放主要是由于能源消耗引起，本文沿用杨骞 等（2012）的做法，通过各省份各年工业终端能源消费的数据进行估算[22]。具体估算公式如下：
CO2=■CO2，i=■Ei*Ri*Xi（2）
式（2）中，CO2为各省份工业二氧化碳排放总量；Ei分别代表各省份工业部门煤炭、石油、天然气的消耗量；Ri代表第i种能源的平均低位发热量；Xi代表第i种能源的碳排放系数，数据来源于IPCC（2006）。此外，为了消除由于价格波动带来的影响，本文采用工业生产者出厂价格指数对工业增加值变量进行平减以调整为可比价格，基期是1998年。
2. 环境规制强度。一般来讲，在服从理性人假设的前提下，某地区工业部门环境规制强度越大，其在环境保护方面的投入力度就会越大，环境污染物的处理率或达标排放率越大。因此，本文采用环境成本支付率即环境已支付成本占环境总成本的比重来衡量环境规制强度大小（金培，2010）[23]。环境成本支付率越大，说明该地区工业部门环境规制强度越大。具体测算公式如下：
ECLt=■（t=1，2，3…，T） （3）
式（3）中，ECLt表示第t年地区工业部门环境成本支付率；Iit表示第t年第i种污染排放物实际处理投资额，DEQit表示第t年第i种污染排放物的处理量或达标排放量，DEQit除Iit表示第t年第i种污染排放物的单位处理成本；TEQit表示第t年第i种污染排放物的实际排放量。具体计算时，本文选取工业二氧化硫、工业废水作为环境污染物的代表。
3. 其他变量。（1）工业结构变动。本文所考察的工业结构变动主要是指各地区工业部门中重工业和轻工业比重的变化，因此，采用各地区重工业总产值占工业总产值的比重来表示。（2）对外开放度。它主要包含国际贸易和国际投资两项内容，本文选择进出口总额占GDP的比重和实际外商直接投资额与GDP的比重衡量，其中进出口总额和外商直接投资额均按照每年美元兌人民币汇率的平均值换算成人民币。（3）人力资本水平。本文采用6岁及以上人口中不同文化程度的居民比重与其所对应的平均受教育年数乘积之和来表示。设定文盲半文盲、小学、初中、高中、大专以上教育程度的居民平均教育年数分别为0、6、9、12、16年。（4）技术创新。采用各地区全部专利授权量来表示。
三、我国工业部门环境规制强度与碳生产率动态演变情况
（一）全国总体及区域层面分析
表1是1998—2013年全国及东部、中部和西部①三大区域工业部门环境规制水平和碳生产率的测算结果。从表1可以看出，样本期内，我国工业部门整体环境规制水平呈逐年上升的趋势，平均值从1998年的0.353上升到2013年的1.521。进一步分析可以看出，从2009年开始，环境规制强度指数开始大于1，这表明我国工业部门不仅对当年所排放的环境污染物进行了适当的处理，还对部分往年累积未处理的排放物进行了整顿，而且力度在逐年加大，这与我国大力建设生态文明宗旨相一致。从三大区域的情况来看，西部地区的环境规制水平相对较低，平均值仅有0.733；中部地区和东部地区水平相当，分别是0.878和0.829。需要指出的是，1998—2006年东部地区的环境规制强度偏低，随着经济与环境之间矛盾日益突出，环境保护问题提到了前所未有的高度。从2005年起，东部地区的环境规制水平明显加强，2013年达到1.663；从2007年起东部地区开始超过中部地区，并保持领先地位，而西部地区一直处于较低水平。这与环境库兹涅茨曲线所描述的情形基本一致，即在经济发展初期，往往更注重经济增长而忽视了环境保护，环境规制水平可能会比较低，但是当经济发展到一定程度的时候，人们环境保护意识便会逐渐增强，环境规制水平也会逐步提高。
碳生产率能反映工业部门在碳减排方面所作出的努力。表1可以看出，1998—2013年我国工业部门碳生产率表现出明显增长的趋势，从1998年的0.250万元/吨增加到2013年的0.759万元/吨，年均增长率为7.75%。但三大区域工业部门碳生产率水平差距较为显著，1998—2013年，东部地区工业碳生产率平均值为0.692万元/吨，而中部和西部地区分别仅为0.323万元/吨和0.290万元/吨；从变化趋势看，1998年东部、中部和西部地区工业部门的碳生产率比较接近，分别为0.369万元/吨、0.200万元/吨和0.168万元/吨，但到2013年三大区域间的差距已经明显扩大，分别为1.080万元/吨、0.505万元/吨和0.491万元/吨，样本期内，东部地区的工业碳生产率一直保持快速的增长，而中部和西部地区基本上属于停滞不前，直到近几年才有了一定程度的增长。
（二）省级层面分析
上述分析简要地判断了全国以及三大区域工业部门环境规制强度和碳生产率的差距，本部分将从省级层面采用核密度估计（Kernel density estimation）方法进一步分析该差距的动态演变情况。相对于传统的概括性统计方法，核密度估计在描述区域经济变量演变趋势方面具有显著的优越性。一般而言，对于一组随机变量{x1，…，xi，…，xn}，固定带宽的核密度估计函数的形式如下： fh（x）=■■K■ （4）
式（4）中，h表示带宽或者光滑系数，K表示核函数或者权重。本文借用Sain et al（1996）的做法，选用二维Epanechikov核函数和Silverman最佳带宽[24]。图1和图2分别是1998年、2003年、2008年和2013年四个时期省级工业部门环境规制和碳生产率的核密度分布。
从图1和图2可以看出，首先，1998—2013年，无论是环境规制强度还是碳生产率的核密度分布图的水平位置都显著向右移动，尤其是环境规制强度在2003年之后向右移动的幅度比较大，这说明样本期内我国省级环境规制强度和碳生产率均存在明显的增长。其次，除了2008年环境规制强度和碳生产率的核密度分布图相对2003年来说垂直位置有所升高外，其他年份都是逐年降低的，这说明省级间环境规制和碳生产率的差距均有所拉大，出现发散的趋势。最后，从两个指标核密度估计图的“峰形”来看，2008年和2013年，环境规制强度和碳生产率均出现了“三峰”或者“多峰”的迹象，这说明这两个指标在此阶段可能存在俱乐部收敛的情形，且2008年和2013年碳生产率的核密度估计图还出现不断强化的右偏分布态势，说明有部分省份碳生产率在此期间出现大幅度增长，如上海、江苏、浙江和广东省等。
四、实证检验及结果分析
（一）实证检验
由于方程（1）的解释变量中含有被解释变量的滞后项，这可能会引起解释变量和随机扰动项相关，同时，解释变量均是经济变量，它们之间也可能存在内生性问题，可能会导致基于传统的估计方法所得出的统计结果是非一致的。因此本文采用相对一阶差分广义矩估计方法（简称DIF-GMM）来说有着更好的有限样本特征的系统广义矩估计方法（简称SYS-GMM）。它是由Blundell et al（1998）在一阶差分广义矩估计方法基础上提出的[25]，这个方法同时利用了差分方程和水平方程以及更多的矩条件。由于更加充分地利用了樣本信息，SYS-GMM的有限样本偏误明显降低，可以有效地克服内生性问题和弱工具性问题。而为了使得SYS-GMM的估计量具有一致性，必须检验方程（1）中的随机误差项εit是否存在序列相关和工具变量是否合适。本文首先采用Arellano et al（1991）提出的自相关方法Arellano-Bond test for AR（1）和Arellano-Bond test for AR（2）检验εit是否有一阶和二阶序列相关[26]，并采用Sargan检验约束条件是否过度限制，即对工具变量的合适性进行检验。由于无论差分后的残差项是否存在一阶序列相关，GMM都有效（Roodman，2006）[27]，因此仅关注AR（2）。
1. 全国角度省级面板数据的检验结果。表2是利用全国省级面板数据进行回归的结果。结果（1）是采用SYS-GMM对计量方程（1）的估计结果，AR（2）的检验结果显示不能拒绝动态一阶自回归模型残差项不存在序列相关的零假设，这表明本文所构建的动态面板数据模型是合适的，同时，Sargan检验结果也表明所选取的工具变量是合适的。结果（2）和结果（3）分别是利用全国静态面板数据对方程（1）的固定效应模型和随机效应模型的估计结果。
（1）从全国层面的实证研究结果可以看出，LnCi，t-1的系数为正，且在1%的水平上显著，这说明如果采用静态面板数据模型即不考虑上一期碳生产率对本期生产率的影响会造成研究结果的偏差，采用动态面板数据模型更为合适。根据本文研究目的，上一期工业部门的碳生产率水平即Ci，t-1可以看作是该地区已有碳减排技术水平存量，其回归系数为0.308，这表明在其他条件不变的情况下，地区工业行业碳减排技术每提高1%，其下一年度的碳生产率就会增长0.308%。碳减排技术水平的增加可能会通过提升地区工业行业能源利用效率，如废弃物的循环利用和开发清洁能源等，进而降低能源消耗和二氧化碳排放，促进该地区工业碳生产率的提高。
（2）环境规制变量的系数与预期一致，其影响系数为0.242，这表明环境规制强度每提高1%，地区工业行业碳生产率会提高0.242%，环境规制对地区工业行业碳生产率的提高起到了积极的促进作用。一方面，环境规制本身就是指为了保护环境而采取的对经济活动具有限制性的一切措施、政策、法律及其实施过程，它对行业的污染行为可以进行直接控制，从而降低环境污染物的产生；另一方面，根据“波特假说”，环境规制可以通过影响企业的技术创新行为，进而提高行业内与二氧化碳排放等环境污染物控制有关的技术效率及技术进步率，实现行业的节能减排。总之，环境规制可以通过直接和间接两个渠道提高工业行业的碳生产率。
（3）地区工业结构对碳生产率的影响系数为
-0.020，这说明地区重工业水平越高，碳生产率水平越低；而样本期内，我国工业结构变动对碳生产率造成了负效应，这需要对我国现行的环境政策作出反思。行政管理手段一直是我国环境规制政策的“主体”，环境保护的重点被放在已经发生或者激化的问题上，前瞻性和预防性不够，具有典型的末端治理和应急治理特征。重工业一般都是各省份的支柱产业，受经济利益驱动，地方政府往往不愿或者不敢对其实施严格的环境规制，造成环境规制流于形式。此外，样本期间，我国受到美国次贷危机的严重影响，虽然环境保护呼声越来越高，但为保增长，各省份还是加大了重工业投资的力度。因此，完善环境规制体系，使之能够真正成为工业结构优化升级的驱动力，是解决这一问题的关键。从工业结构对环境规制与碳生产率关系的调节效应来看，系数为0.011，且在5%的水平上显著。这说明地区重工业化水平越高，环境规制对工业碳生产率水平的影响越大。这可能是由于一旦重工业化水平较高的地区加强环境规制力度，其产业结构优化升级如从能源密集型为主的重工业转向技术密集型产业和服务业的速度就会加快，从而促进该地区工业碳生产率的提高；而重工业水平相对较低的地区，其产业结构已经进行了优化调整，该类型的地区本身能源消费和碳排放就相对较少，因此，加强环境规制对工业碳生产率的影响会相对较小。 （4）本部分还考察了对外开放度、人力资本水平和技术创新等因素对工业碳生产率的影响，实证结果显示：首先，在其他条件不变的情况下，某地区的对外开放度水平每变化1%，该地区工业行业的碳生产率会提高0.022%，这说明以加快国际贸易发展和加大引资力度为特征的对外开放，在我国工业部门产生了显著的技术溢出效应，“污染避难所假说”在我国工业行业并不成立。其次，在其他条件不变的情况下，人力资本水平每提高1%，该地区工业行业的碳生产率会提高0.058%，这与本文的假设一致，人力资本水平越高的地区，民众的环保意识越强，这要求企业和政府作出相应的行动，在这样的背景下，地区的工业碳生产率会相对较高。最后，在其他条件不变的情况下，地区技术创新水平每提高1%，该地区工业行业的碳生产率会提高0.113%。地区技术创新是地区技术积累的重要来源，尤其对于以节能减排为目标的环境技术来讲，技术创新更为重要。地区所面临的环境污染风险变化多端，这需要企业适应形势变化，不断加大技术创新的步伐，以促进工业行业碳生产率的提高。
2. 三大区域角度省级面板数据的检验结果。表3的结果（4）—（6）分别是利用我国东中西部三大区域省级面板数据的回归结果，均采用SYS-GMM进行估计，三大区域面板数据的AR（2）检验结果和Sargan检验结果与全国层面的一致，即表明所构建的动态面板数据模型和所选取的工具变量均是合适的。
（1）三大地区样本的实证研究结果都显示，LnCi，t-1的系数为正，且都在1%的水平上显著。这说明碳减排技术对我国三大区域的工业碳生产率增长存在显著的正影响，尤其是东部地区凭借人才、资金、政策等方面的优势，碳减排技术水平相对较高，其对地区工业碳生产率的影响明显超过于中、西部地区。
（2）从Lnhjgzi，t-1的系数可以看出，东部、中部和西部地区的检验结果均在1%的水平上显著为正，分别为0.508、0.218和0.226，这说明环境规制力度每增加1%，东部、中部和西部地区的工业碳生产率分别增加0.508%、0.218%和0.226%。结果表明，样本期内我国三大地区所实施的环境规制政策均已经发挥了积极的直接作用。从系数的大小来看，东部地区的环境规制对工业碳生产率的直接影响最大，中西部地区在这方面相对较小。
（3）从工业结构的系数来看，东部地区和中部地区分别为0.002和-0.013，但其影响不显著。而西部地区的结果最为突出，其系数在1%的水平上显著为负，为-0.025，这说明西部地区工业结构变动对碳生产率产生了负的影响。样本期间，西部地区的重工业化程度不断提高，尤其是资源型经济发展迅猛。以煤炭开发为例，神东、陕北、黄陇等西部大型煤炭基地积极运用资源禀赋，吸引相关联产业进入，带动煤洗选、煤电、煤化工、煤炼焦等产业集群发展，但也导致二氧化碳等温室气体的大量排放。不断累积的负面效应使西部地区承担着日益增加的生态环境压力，产业结构变动反而阻碍了碳生产率的增长。而东部地区和中部地区系数未能通过显著性检验的原因可能是由于这两地区重工业化程度虽然在变化，但其幅度有限，尚未对工业碳生产率产生实质性的作用，但对其未来趋势应给予足够的重视。从三大地区工业结构对环境规制与碳生产率关系的调节作用来看，Lnhjgzi，t-1*gyigit的系数均显著为正，分别为0.005、0.004和0.006。这说明全国层面的现象在三大区域来看均有所体现，即重工业化水平越高的地区，环境规制对碳生产率的影响越大。
（4）对外开放度对东部地区碳生产率的影响显著为正，但是中部和西部地区样本却显示对两者的关系不显著。改革开放以来，“以市场换技术”战略的实施使得我国对外开放得到了较快发展。东部地区对外开放度比较高，学习和利用国外先进技术特别是节能减排技术的机会较多，促进了工业碳生产率较快增长；但是中西部地区由于对外开放较晚，程度较低，对碳生产率的影响尚不明显。人力资本水平和技术创新对三大地区工业碳生产率的影响与理论预期一致，均显著为正，但东部地区这两个因素对碳生产率的影响比其他两个地区大，如人力资本水平每增加1%，东部、中部和西部地区的工业碳生产率分别增加0.067%、0.026%和0.052%；技术创新每增加1%，东部、中部和西部地区的工业碳生产率分别增加0.137%、0.054%和0.076%。
五、结论和启示
本文在测算了全国总体以及东部、中部、西部三大区域的环境规制强度和碳生产率现状与动态演变特征的基础上，基于1998—2013年中国省级工业部门的面板数据构建动态面板模型，并利用系统广义矩估计方法实证检验了环境规制通过工业结构变动对工业碳生产率的影响。结果表明：样本期内，我国工業部门整体环境规制水平和碳生产率水平均呈逐年上升的趋势。从三大区域的情况来看，西部地区的环境规制水平相对较低，中部地区和东部地区水平相当，但东部地区碳生产率水平要远远超过中部和西部地区。从省级间的动态趋势来看，环境规制和碳生产率的差距均有所拉大，总体上呈现发散的趋势，但都存在俱乐部收敛的情形；碳减排技术水平本身具有强化效应，一个地区工业行业现有的碳减排技术对未来碳生产率的提高影响较大；环境规制强度增加有利于工业碳生产率的提高，东部地区环境规制对碳生产率的直接效应要强于中、西部地区；我国工业部门结构变动对碳生产率的提高产生了阻碍作用，西部地区尤为显著，但重工业化越高的地区，加强环境规制可以有效提高碳生产率；此外，对外开放、人力资本水平和技术创新均对我国工业部门的碳生产率提高起到了积极的作用。
上述研究结论表明，环境规制在我国工业部门减排压力日益增加以及碳生产率相对较低的情况下，作为一种倒逼机制可以通过改善工业部门结构进而促进碳生产率的提高。因此，本研究的政策启示包括：一是中西部地区特别是西部地区应加大从国外和东部发达地区引进低碳技术的力度，并将其有效地应用于工业生产领域，避免走“先破坏、后治理”的传统工业增长之路，在这个过程中，中部地区应做好“桥梁纽带”功能。二是西部地区生态环境异常脆弱，资源型产业集群蕴藏着巨大的生态环境风险，高能耗、高排放的重工业化发展模式使其碳减排形势更加严峻。西部地区亟需在资源开发利用过程中构建碳减排长效机制。中央政府可出台专门的总体规划，鼓励东部地区现有的一些劳动密集型企业向西部地区转移，推动西部地区产业结构调整的步伐，加快形成新的低碳产业体系。三是产业结构的演进反映了一个国家或地区经济增长方式的变化，但我国现行的环境规制政策并未真正起到优化产业结构、淘汰落后产能的作用，进而导致对碳生产率增长无法发挥应有的效果。综上所述，完善环境规制体系是推动中国工业碳生产率增长的战略性举措，应通过加大市场激励型环境规制工具的应用，引导和加快产业结构的良性转型，并在提高环境规制强度的同时，制定相应的补偿政策，有针对性地对低碳技术研发提供财政补贴或税收优惠。 注释：
①东部地区包括广东、江苏、上海、浙江、山东、北京、福建、天津、辽宁、河北和海南等11个省份；中部地区包括湖北、湖南、江西、河南、黑龙江、安徽、吉林和山西等8个省份；西部地区包括广西、四川、陕西、重庆、内蒙古、云南、甘肃、贵州、新疆、宁夏和青海等11个省份。
参考文献：
[1]陈诗一.节能减排与中国工业的双赢发展：2009—2049[J].经济研究，2010（3）：129-143.
[2]PORTER M E. America’s green strategy[J].Scientific American，1991，264（4）：193-246.
[3]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.
[4]HAMAMOTO M. Environmental regulation and the productivity of Japanese manufacturing industries [J]. Resource and Energy Economics，2006，28（4）：299-312.
[5]CARRI？魷N-FLORES C E，INNES R. Environmental innovation and environmental performance [J]. Journal of Environmental Economics and Management，2010，59（1）：27-42.
[6]YANG C，TSENG Y，CHEN C.Environmental regulations，induced R&D，and productivity：evidence from Taiwan’s manufacturing industries[J]. Resource and Energy Economics，2012，34（4）：514-532.
[7]GRAY W，SHADBEGIAN R.Pollution abatement expenditure and plant-level productivity：production function approach[J]. Ecological Economics，2005，54（2）：196-208.
[8]LEE M.Environmental regulation and production structure for the Korea iron and steel industry[J]. Resource and Energy Economics，2008，30（1）：1-11.
[9]解垩.环境规制与中国工业生产率增长[J].产业经济研究，2008（1）：19-25.
[10]李强，聂锐.环境规制与中国大中型企业工业生产率[J].中国地质大学学报：社会科学版，2010（4）：55-59.
[11]李斌，彭星，欧阳铭珂.环境规制、绿色全要素生产率与中国工业发展方式转变——基于36个工业行业数据的实证研究[J].中国工业经济，2013（4）：56-68.
[12]蔡宁，吴婧文，刘诗瑶.环境规制与绿色工业全要素生产率——基于我国30个省市的实证分析[J].辽宁大学学报：哲学社会科学版，2014（1）：65-73.
[13]张成，于同申，郭路.环境规制影响了中国工业的生产率吗——基于DEA与协整分析的实证检验[J].经济理论与经济管理，2010（3）：11-17.
[14]叶祥松，彭良燕.我国环境规制下的规制效率与全要素生产率研究：1999—2008[J].财贸经济，2011（2）：102-109.
[15]李玲，陶锋.中国制造业最优环境规制强度的选择——基于绿色全要素生产率的视角[J].产业经济，2012（5）：70-82.
[16]李静，沈伟.环境规制对中国工业绿色生产率的影响——基于波特假说的再检验[J].山西财经大学学报，2012（2）：56-65.
[17]李鑫，杜建国，金帅.环境规制对中国工业全要素生产率影响的实证[J].统计與决策，2014（13）：124-127.
[18]王杰，刘斌.环境规制与企业全要素生产率——基于中国工业企业数据的经验分析[J].中国工业经济，2014（3）：44-56.
[19]林伯强，蒋竺均.中国二氧化碳的环境库兹涅茨曲线预测及影响因素分析[J].管理世界，2009（4）：27-36.
[20]张友国.经济发展方式变化对中国碳排放强度的影响[J].经济研究，2010（4）：120-133.
[21]HAMMOND G P，NORMAN J B. Decomposition analysis of energy-related carbon emissions from UK manufacturing [J].Energy，2012，41（1）：220-227.
[22]杨骞，刘华军.中国二氧化碳排放的区域差异分解及影响因素——基于1995—2009年省际面板数据的研究[J].数量经济技术经济研究，2012（5）：36-49.
[23]金碚.资源环境管制与工业竞争力[M].北京：经济管理出版社，2010.
[24]SAIN S R，SCOTT D W.On locally density estimation [J].Journal of the American Statistical Association，1996，91（436）：1525-1534.
[25]BLUNDELL R，BOND S.Initial conditions and moment restrictions in dynamic panel data models[J]. Journal of Econometrics，1998，87（1）：115-143.
[26]ARELLANO M，BOND S.Some tests of specification for panel data：monte carlo evidence and an application to employment equations[J]. Review of Economic Studies，1991，58（2）：277-297.
[27]ROODMAN D.How to do xtabond2：an introduction to “difference”and“system”GMM in stata[R/OL]. 2006. http：//www.doc88.com/p-7703705001672.html.
责任编辑：许永兵