張 倩,曲世友
(1.哈爾濱工業大學管理學院,黑龍江 哈爾濱 150001;2.黑龍江科技大學經濟管理學院,黑龍江 哈爾濱 150027)
從全球范圍看,隨著礦產資源的大規模開發和耗用,礦產資源收益分配出現失衡、生態環境污染日益加劇,資源的可持續利用出現了危機。隨著十八大報告的出臺,礦產資源開發的生態補償問題,在發展戰略地位上得以鞏固。我國在有償使用礦產資源、開展生態價值補償、實現礦產資源型城市可持續發展等方面取得了很大成效。但是從長期來看,社會責任問題沒有引起足夠的重視,企業并未足額承擔社會成本,社會責任的履行顯得日益迫切,而且單純依靠市場機制的調節或者政府的行政干預都不能有效解決。基于履行社會責任的生態補償問題,在很大程度上就是為了解決礦產開發帶來的收益分配不合理問題,而各個利益相關者之間的博弈發揮了很大的作用。因此,研究社會責任下礦產資源開發的生態補償博弈問題,探討有效的礦產資源開發生態補償機制,提高可持續發展能力,是我國需要迫切研究的重要議題。本文通過研究企業、政府與公眾在生態補償過程中的博弈關系,以探討基于社會責任履行的生態補償策略。
近年來,世界各國都高度重視礦產資源開發的生態環境保護,并從生態補償概念、補償主體和客體、補償標準和機制等方面開展了大量研究。從博弈論的角度來看,生態補償屬于合作博弈范疇。礦產資源開發中生態補償的相關方主要是礦產企業、政府、社區和當地居民,生態補償的重點是找出影響補償的因素,調整利益主體之間的利益分配關系。梁麗娟等(2006)[1]借助博弈論,通過流域生態“囚徒困境”問題,研究了生態保護的誘使機制和生態補償的迫使機制。李鏡等(2007)[2]、鄧峰(2008)[3]、宋敏(2009)[4]從利益相關者角度,通過構建生態保護主體和受益者之間的博弈模型,研究了不同主體的利益分配及生態補償行為,認為促進政府、企業和公眾之間的信息交流與反饋,有助于市場化和社會化生態補償工作。熊鷹、徐翔(2007)[5]和劉雨林等(2008)[6]運用博弈論分析了政府-采礦企業之間的監管模型,認為加重對忽視生態補償礦產企業的處罰能督促補償工作的開展,加大對政府監管失職的懲處有助于強化監管職能。戈銀慶(2009)[7]和杜玲等(2010)[8]分別研究了黃河水源地生態補償和農田生態補償的博弈問題,并提出相應的生態補償策略。蔡紹洪等(2011)[9]通過對居民與居民、企業與企業以及居民與企業之間的博弈分析,認為行之有效的生態補償制度必須建立在博弈均衡理論基礎之上,并有賴于政府調節作用的發揮。
2.1.1 模型描述
礦產企業在礦產資源開發過程中的生態補償與政府監管的博弈過程是一場混合戰略均衡。企業的純選擇戰略是補償與不補償,政府的純選擇戰略是監管與不監管。假設在沒有公眾參與的情況下,表1運用混合策略概括了對應不同純戰略組合的支付矩陣。
其中,R1和R2分別為企業采取補償措施和不進行補償時獲得的收益,長期來看R1>R2;C為企業進行生態補償所支付的成本費用;T為企業向政府上交的生態補償基金、稅費等支出。P1和P2分別為政府對企業進行監管和不監管的情況下取得的收益,長期來看P1>P2;S為政府的監管支出;F為政府通過監管發現企業不進行補償而征收的罰款,假設企業不進行生態補償的情況下,由政府承擔補償支出,所以F>C。α為企業補償的概率,β為政府進行監管的概率。

表1 企業與政府之間的博弈收益矩陣
2.1.2 模型均衡策略及分析
1) 給定α,則政府監管的效用為
Ug(1,α)=
α(P1-S+T)+(1-α)(P1-S+F+T)
政府不監管的效用為
Ug(0,α)=αP2+(1-α)(P2-C)
由Ug(1,α)=Ug(0,α)得
α*=1-[(P2- (P1+T-S)]/(F+C)
若α<α*,政府的最優選擇是不監管;若α>α*,政府的最優選擇是加強監管。

2) 給定β,則企業補償的效用為
Uc(β,1)=β(R1-C-T)+(1-β)(R1-C)
企業不進行補償的效用為
Uc(β,0)=β(R2-F-T)+(1-β)R2
由Uc(β,1)=Uc(β,0)得
β*=[(R2-R1-C)]/F

由此看出,對企業生態破壞的處罰越嚴厲,補償成本越低,補償收益越大,則企業改善生態環境、開展補償工作的積極性越高;政府的監管成本越小,監管收益越大,則政府的監管力度也就越大。但是,在現實生活當中,往往會存在企業與政府共謀的情況,企業通過尋租支付規避成本給政府以逃避補償責任和罰金的繳納,而政府有時也會主動索租而與企業共謀。此時為開展生態補償工作,公眾的參與就顯得格外重要。
2.2.1 模型描述
為了避免政府與企業的共謀,充分開展生態補償以獲取更大的社會效益,公眾必須充分發揮監督作用。因此需要建立一個公眾、企業與政府三者博弈的模型(圖1)。
其中,UPi、Uci、Ugi分別代表不同情況下公眾、企業與政府的效用,具體數值見圖2。
其中,Rp1為企業與政府不共謀(注:此時是指企業不補償、政府不監管但是履行補償職能的情況)且公眾不監督時公眾獲得的收益;Rp2為企業與政府共謀且均不承擔補償責任時公眾獲得的收益;Rc和Rg分別是企業與政府共謀時為企業和政府帶來的收益;Cc和Cg分別是企業與政府的共謀成本,Cp為公眾的監督支出,L是企業與政府共謀帶來的社會福利損失。H和h分別是企業與政府共謀時被公眾發現而承擔的政府政治成本與企業聲譽損失。γ和δ分別是企業與政府共謀、公眾監督的概率。

圖1 公眾、企業與政府之間的博弈分析

圖2 公眾、企業和政府之間的博弈收益矩陣
2.2.2 模型均衡策略及分析
1) 給定γ時,公眾監督的效用為
Up(1,γ)=
γ(Rp2-L-Cp+h+H)+(1-γ)(Rp1-Cp)
公眾不監督的效用為
Up(0,γ)=γ(Rp2-L)+(1-γ)Rp1
由Up(1,γ)=Up(0,γ)得出
γ*=Cp/(h+H)

2) 給定δ,則企業進行共謀的效用為
Uc(δ,1)=
δ(R2-Cc-h)+(1-δ)(R2+Rc-Cc)
企業不進行共謀的效用為
Uc(δ,0)=δ(R1-C-T)+(1-δ)R2
由Uc(δ,1)=Uc(δ,0),得
δ*=
(Rc-Cc)/[(h+Rc)+(R1-C-T)-R2]
δ>δ*時,企業選擇共謀;δ<δ*時企業的最優策略是不共謀。δ取值與Rc、Cc、、h、Rc、R1、C、T、R2相關,(Rc-Cc)是企業共謀凈收益,值越大,共謀可能性越大;(R1-C-T)和R2分別為企業進行補償和不補償時的凈收益,如果(R1-C-T)>R2而且由于共謀帶來的聲譽損失h及共謀成本越大,則企業進行生態補償,而不是選擇共謀。
3) 給定δ,則政府進行共謀的效用為
Ug(δ,1)=
δ(P2-Cg-H)+(1-δ)(P2+Rg-Cg)
政府不進行共謀的效用為
Ug(δ,0)=
δ(P1-S+T)+(1-δ)(P2-C)
由Ug(1,δ)=Ug(0,δ)得出
δ*=(Rg-Cg+C)/
[(P1-S+T)-(P2-C)+H+Rg]
δ<δ*時政府的最優選擇是不共謀,δ>δ*時政府的最優選擇是共謀。
δ的取值與(Rg-Cg)、C、(P1-S+T)、(P2-C)、H、Rg相關。(Rg-Cg)為政府共謀凈收益,C是政府承擔補償責任需支出的補償費用,共謀凈收益與生態補償費用越大,政府越不愿意補償和監管,此時共謀可能性越大。(P1-S+T)>(P2-C),政府監管可能性越大,則政府與企業共謀的可能性也就越小。H越大,政府因合謀而導致的政治成本越大,則共謀可能性越小。Rg越大,則δ越大,說明共謀的概率越大,但是此時公眾越可能采取各種措施加強監督。
通過上述博弈分析,發現礦產資源開發生態補償工作的開展需要企業、政府和公眾的共同努力,政府要發揮引導和監管的作用,企業要提高社會責任意識自愿開展補償工作,同時應發揮公眾監督的作用。可見生態補償工作的開展有賴于政府監管、企業自愿補償和公眾參與的長效機制(圖3)。

圖3 生態補償的利益相關者約束機制
為了完善我國生態補償機制,應通過加強法制建設,健全執法監測體系,建立長效的綜合監管機制,充分結合行政手段和市場機制,加大對不履行監管責任部門的處罰力度,抑制不監管的動機失。通過先進的手段和信息化等途徑降低監管成本,杜絕地方主義,建立健全機構設置和人員配備,建立一個綜合的監管體系,強化政府監管職責。并且引導企業充分利用先進技術,引入創新機制,降低企業生態補償成本,增加生態補償的社會效益,加大不補償的處罰力度,強化公眾監督,樹立和諧發展的理念,實現由強制型生態補償向自愿型補償轉變,開展補償工作,杜絕企業的尋租行為。
[1]梁麗娟,葛顏祥,傅奇蕾.流域生態補償選擇性激勵機制[J].農業科技管理,2006(8):49-52.
[2]李鏡,張丹丹,申紅芳,曾維忠.岷江上游生態補償的博弈論分析[J].新疆農墾經濟,2007(10):42-47.
[3]鄧峰.基于不完全執行污染排放管制的企業與政府博弈分析[J].預測,2008(1):67-71.
[4]宋敏.生態補償機制建立的博弈分析[J].學術交流,2009(5):83-87.
[5]熊鷹,徐翔.政府環境監管與企業污染治理的博弈分析及對策研究[J].云南社會科學,2007(4):60-63.
[6]劉雨林.關于西藏主體功能區建設中的生態補償制度的博弈分析[J].干旱區資源與環境, 2008,22(1):7-15.
[7]戈銀慶.黃河水源地生態補償博弈分析[J].蘭州大學學報:社會科學版,2009,37(5):106-111.
[8]杜玲,陳阜.基于博弈論模型的北京市農田生態補償政策研究[J].中國農業大學學報,2010,15(1) :89-94.
[9]蔡紹洪,李仁發,向秋蘭.礦產資源開發中的生態補償博弈分析[J].礦業研究與開發,2011,31(3):103-107.