模糊時間序列在中國汽車產業規劃中的應用

胡世前　姜倩雯　王博

〔摘要〕本文以波特假說為切入點，從區域比較的視角，采用長期均衡關系模型探究環境規制強度與全要素生產率的關系，并對污染治理成本高的省區進行重點分析。結果顯示，環境規制強度的加大能產生一定的創新補償效應，但不足以彌補企業由此產生的規制遵循成本，全要素生產率有所降低，且環境規制強度對全要素生產率的影響程度存在地區差異，華東地區最低，華北地區和東北地區相對較高。河北、山西、貴州和寧夏四個污染治理成本偏高的重點省區中，只有河北和山西的環境規制強度與全要素生產率間存在顯著的長期均衡關系。

〔關鍵詞〕環境規制；Malmquist全要素生產率；長期均衡關系模型；區域比較

中圖分類號：F0615文獻標識碼：A文

章編號：10084096（2017）0100

一、引言

目前，環境保護的實踐效果并不理想，環境質量仍在不斷惡化。2013年亞洲開發銀行在“生態文明與國際社會作用”研討會上指出，中國500個城市中，只有不到1%的城市達到世界衛生組織推薦的空氣質量標準。環境保護是經濟社會可持續發展的必然要求，政府為此出臺了許多政策措施，但治理效果還有很大的提升空間。究其原因，大部分環境保護政策措施在實現保護環境、促進節能減排目標的同時，會給企業帶來額外的規制遵循成本，降低生產率，導致企業對環境保護的政策措施產生抵觸、不予履行。2014年APEC期間的“APEC BLUE”，就是以犧牲北京及其周邊的六個省區短期經濟效益為代價的。環境保護與經濟發展的這種矛盾，是實現經濟社會可持續發展的重要瓶頸。2016年人民網開展了“2016年兩會熱點調查”，環境保護排第七位，已經成為當今社會國計民生的重要課題。

環境污染具有“市場失靈”的特點，其負外部性不能受到市場調控，這就決定了環境規制的必要性。環境規制是政府控制環境污染的手段，能有效降低污染排放水平。談及環境規制強度與全要素生產率的關系，傳統的相互制約理論認為：在環境規制政策的約束下，企業或為排污行為付費，或降低排污水平，二者都會給企業增加額外的規制遵循成本，降低企業的資源配置效率，從而影響企業生產率的提高。然而，波特假說卻提出了相反的觀點，它指出：環境規制會對企業產生一種推動力，企業為了抵消規制遵循成本，會更加積極地去尋找技術創新機會，促進生產率提高，以獲得創新補償[1]。因此，探究環境規制強度與全要素生產率的關系，對實現環境和經濟的雙贏具有重要意義。

在波特假說出現之前，人們普遍認為嚴格的環境規制只會增加企業的污染防治成本，降低企業生產率，并且有大量的實證研究驗證了這個觀點[2]-[5]。直到波特假說被提出，人們才逐漸意識到環境規制也可能帶來超過規制成本的創新補償，使企業生產率得到提高。此后，國內外實證研究驗證或否定了波特假說，其主要的切入點為環境規制強度對全要素生產率的影響。

大部分實證研究都認為環境規制強度對全要素生產率存在顯著影響，但影響形式和方向有所不同，主要存在三種觀點。第一，驗證波特假說，認為環境規制強度將在一定程度上促進全要素生產率的提高[6]-[8]，這些研究也同時證實了環境規制強度對全要素生產率的影響具有滯后性特點。此外，部分研究在此基礎上也表明這種正向影響存在行業、規模以及區位差異[9]-[12]。第二，對波特假說提出質疑和否定，認為環境規制將帶來額外的規制遵循成本，降低全要素生產率[4-5-13]。第三，認為環境規制強度對全要素生產率存在U型、倒U型或N型非線性影響[14]-[16]。通過上述實證研究分析總結環境規制強度對全要素生產率產生顯著影響的作用機制。政府命令控制型環境規制政策的實施，將直接限制企業的污染排放量以及達標排放中剩余的污染物含量，短期內企業只能通過提高污染處理率來滿足環境規制的要求，而這種行為只會給企業帶來額外的規制遵循成本、降低生產率。長期來看，利益最大化原則會激勵企業進行生產技術研發來降低污染排放量，降低單位污染治理成本，從而獲得創新補償，降低遵循成本，使收益最大化。綜合來看，污染治理技術創新能降低企業的規制遵循成本，從而提高企業利潤，使得企業有更多的資金進行生產技術創新，生產技術創新也同樣能作用于污染治理技術創新。企業獲得的創新補償能否抵消規制遵循成本，決定了生產率能否得到提高。

還有少量研究認為環境規制強度對全要素生產率不具有顯著影響。Conrad和Wastl [17]將環境規制看做一種投入來衡量生產率，發現更嚴格的環境規制會降低化纖產業生產率，但在其他一些行業不存在顯著影響。可以看出，環境規制強度對全要素生產率的影響是多樣的，尚不存在統一的結論。

綜合上述實證研究成果，基于不同數據口徑、指標體系、方法模型和國情文化等，都可能得出不同的結論。環境規制強度對全要素生產率的影響是顯性和隱性并存的，且一個指標往往都存在大量被忽略的其他影響因素，這些因素也影響著研究結論的準確性。可見，環境規制強度對全要素生產率影響的實證研究無法得出統一的結論，是因為這個統一的結論本就不存在。只有具體情況具體分析、理論聯系實際，才能挖掘出潛在的有價值的規律。基于此，本文將著眼于區域差異，選擇環境規制強度指標和Malmquist全要素生產率指標，分別探究六大區域以及部分重點省區的環境規制強度與全要素生產率的關系，并加以比較分析，以期為不同區域的環境規制政策制定提出合理的差異化建議。

二、研究方法

（一）基于DEA的Malmquist全要素生產率變化指數

全要素生產率是衡量單位總投入的總產量的生產率指標。全要素生產率變化指數常常被視為科技進步的指標，是指全部生產要素（包括資本、勞動、土地，但通常分析時都略去土地不計）的投入量不變時，產量仍能增加的部分。然而，全要素生產率變化指數并沒有完全包含技術水平的變化，資本投入還包含部分技術水平的變動，這部分技術水平的變動在模型中由于被內化而得不到體現。Malmquist全要素生產率變化指數（MPI）則是Lindgren和Ross（1992）對Farrell（1957）提出的DEA效率衡量方法的改進，克服了前者只能衡量生產技術不變前提下的生產率的缺陷，實現了對動態生產率變化狀況的考察和分析，主要被應用于動態效率變化趨勢的研究，其數學表達形式為：endprint

MPIt，t+1k=Etxt+1k，yt+1kCCREtxtk，ytkCCR×Et+1xt+1k，yt+1kCCREt+1xtk，ytkCCR12（1）

Malmquist全要素生產率變化指數可分解為生產技術運用效率和技術水平變化率（TC），生產技術運用效率又可分解為純技術效率變化率（PTEC）和規模效率變化率（SEC），即：

MPIt，t+1k=PTECt，t+1k×SECt，t+1k×TCt，t+1k （2）

（二）平穩性檢驗

平穩性檢驗用來判斷變量是否平穩，以避免出現虛假回歸，有DF檢驗和ADF檢驗等方法。本文采用ADF檢驗法，對變量進行其p階自回歸估計，若其p階自回歸系數之和小于1，則序列平穩；否則，序列不平穩。

AR（p）過程單位根檢驗的假設條件H0可以確定為ρ=0，H1則是ρ<0。

構建ADF統計量：

τ=S（）（3）

其中，S（）為參數ρ的樣本標準差。采用蒙特卡洛法，得到τ統計量的臨界值表。

（三）協整檢驗和長期均衡關系模型

盡管變量本身不是平穩序列，但兩個變量之間的組合可能是平穩的，應用協整分析方法來分析變量組合的平穩性。本文采用的協整檢驗方法是E-G兩步法，它要求組合的兩個變量是同階單整的。單整指的是變量本身不平穩，但原序列一階差分后的序列平穩。協整檢驗的假設條件H0是“多元非平穩序列之間不存在協整關系”，H1是“多元非平穩序列之間存在協整關系”。

E-G兩步法的步驟如下：第一，建立響應序列與輸入序列間的回歸模型（4）。第二，對回歸的殘差序列進行平穩性檢驗。若殘差序列是同平穩的，說明存在協整關系。通過協整檢驗即說明估計的長期均衡模型是穩定的，變量間存在估計方程所描述的長期均衡關系。

yt=0+1x1t+2x2t+……+kxkt+εt（4）

三、指標體系構建

（一）環境規制強度指標

環境規制強度指標的設計和選擇，一直是環境規制政策效應研究的重點問題。國內常用的環境規制強度指標主要有簡單投入型、簡單績效型以及指數型三類[18]。其中，簡單投入型主要包括污染治理投資額和治污運營成本；簡單績效型主要包括污染物排放量和排污費等；指數型主要是在污染物排放量這一績效性指標基礎上發展而來的，計算過程相對復雜。

基于研究主題，績效型的COD去除率、SO2去除率以及指數型的污染物綜合去除率都忽略了污染密度變化引起的治污費用變化，而投入型的單位產值治污費用指標卻很好地綜合了這些因素。選擇環境規制強度指標時，還要注意指標的統計口徑，需要與全要素生產率變化指數的統計口徑相同。此外，環境規制強度對全要素生產率產生的作用主要是一種成本效應，環境規制強度測度指標的設計應考慮企業所承擔的實際成本變化。綜合上述因素，采用單位產值治污費用作為環境規制強度的最終衡量指標更為合適，同時單位產值治污費用也能夠有效地消除區域間的經濟發展差異。

本文在參考趙紅[19]單位產值治污費用計算方法的基礎上，確定單位產值治污費用的計算方法為：單位產值治污費用=（廢氣治理設施本年運行費用+廢水治理設施本年運行費用）/地區生產總值×10000。

（二）全要素生產率指標

全要素生產率指標采用基于DEA的Malmquist全要素生產率變化指數，包括投入要素和產出要素兩個部分。其中，投入要素主要包括資本、土地和勞動力，但由于土地投入的計量所需數據可獲得性差，在計量各省區生產要素投入水平時暫不考慮其土地要素的投入。資本和勞動的投入主要指考慮要素投入質量的資本和勞動力的服務流量。

資本投入有固定資產凈值、固定資產存量、新增固定資產等，在研讀前人成果[20]的基礎上，本文認為這些指標并不能很好地反映資本的服務流量，因而本文選擇的資本投入指標是固定資本折舊，它反映了固定資本每年的真實消耗。

勞動力投入指標分為兩個部分。2006—2013年勞動力投入指標采用城鎮單位就業人口工資總額。但該指標到2006年才開始在《中國環境統計年鑒》上公布，無法獲得2006年以前的值。對于2001—2005年，通過其他指標的計算來近似替代，包括分地區的城鎮單位就業人口年末數和城鎮單位職工平均工資。勞動力投入的計算公式為：勞動力投入=（上年城鎮單位就業人口期末數+本年城鎮單位就業人口期末數）/2×城鎮單位職工平均工資。其中，城鎮單位職工平均工資指標到2009年停止公布，基于該公式的勞動力投入可以估算到2008年。因此，2006—2008年勞動力投入的估計值和真實值均可以獲得，經計算這三年各省區勞動力估計值與真實值的偏差平均不超過25%，可以認為2001—2005年勞動力投入的估計值能較好地代表真實值水平。

產出指標則采用分地區的地區生產總值。

四、實證分析

（一）數據來源與指標計算

本文數據主要來源于2001—2014年《中國環境統計年鑒》、《中國環境年鑒》和《中國統計年鑒》，選取中國內地除青海和西藏外的29個省區的投入產出及污染治理情況數據。由于Malmquist全要素生產率變化指數不受量綱影響，衡量環境規制強度的單位產值治污費用也是相對指標，其價格因素均可以在計算中抵消，因而直接采用各指標當年價格數據即可。此外，MPI反映的是相鄰兩年全要素生產率的變化率，將2001—2013的MPI通過連乘的方式將環比形式的MPI調整為以2001年為基期的形態。同時，為分析各區域ER與MPI的實際關系，將各省區的基層指標數據按中國區域劃分標準進行匯總計算，得出分區域的ER和MPI。中國的29個省區可分為六個區域：華北地區、東北地區、華東地區、中南地區、西南地區和西北地區。

（二）各區域ER和MPI整體變化情況分析endprint

1各區域ER整體變化情況

表1顯示了2001—2013年各區域環境規制強度的整體變化趨勢，各區域環境規制強度均呈上升趨勢。可見，隨著環境污染密度的加大，環境污染治理壓力和治理成本也不斷提高。2005年前各區域的環境規制強度差異很小，自2005年開始各區域間的差異逐漸增大。其中，中南地區的環境規制強度最低，增長趨勢也最平緩，華北地區和西南地區的環境規制強度較高，其趨勢也更為陡峭，東北地區、西北地區和華東地區環境規制強度處于二者之間（西北地區2008年、東北地區2011年出現的峰值為數據異常導致，忽略其影響）。可見，由于各區域環境污染密度不同，環境污染治理成本不同，環境規制強度也存在一定差異。

各省區的發展程度、產業結構、資源稟賦差異巨大，相應的污染治理成本和環境規制強度差異也很大。為選擇污染治理成本較高的省區作為下文重點分析地區，以各省區2001—2013年環境規制強度指標對29個省區進行聚類。聚類結果顯示，第一類的北京，屬于典型的低污染治理成本城市；第二類包括天津、內蒙古、遼寧、吉林、上海、江蘇、浙江、安徽、福建、江西、山東、河南、湖北、湖南、廣東、廣西、海南、重慶、四川、云南、陜西和新疆等22個省區，污染治理成本也較小，但要高于北京；第三類包括河北、山西和貴州，這類省區產業結構偏向于污染密集型，治污成本和治污壓力相對較大；第四類的黑龍江、第五類的甘肅分別在2011年和2008年表現異常，單位產值治污費用很高，而其他年份的變化趨勢則與第二類省區相當，考慮這種異常可能是由統計數據的質量問題導致的，將其歸入第二類；第六類的寧夏整體趨勢與第三類大致相同，上升趨勢更快更陡峭，說明寧夏的治污壓力上升迅速，且治污成本很高。綜合上述分析，中國污染密度較大的省區包括河北、山西、貴州和寧夏，這四個省區的治污成本高、治污壓力大，將其作為重點分析地區，探究其環境規制強度對全要素生產率的影響。

2各區域MPI整體變化情況

表2顯示了各區域MPI的整體情況，六個區域均呈現下降趨勢，說明整體經濟的MPI在下降，即經濟增長速度有所減緩，與中國整體經濟變動狀況相吻合。其中，華東地區的MPI的變化速度要明顯低于其他區域，說明華東地區的經濟增長加速度高于其他區域，與華東地區發達程度高、發展速度快的現實相一致。其他五個區域MPI的大小存在一定差異，但整體變化速度的差異并不明顯。此外可以發現，中國經濟增長速度已有逐漸變緩的趨勢，這正是中國轉變經濟增長方式的必經過程。

在此基礎上，對上述六個區域以及河北、山西、貴州、寧夏四個省區2001—2013年ER指標和MPI指標分別進行多元時間序列分析，探索ER和MPI之間的關系并加以對比，判斷ER和MPI之間的關系是否存在地區域差異。

（三）平穩性檢驗與協整檢驗

首先檢驗ER和MPI兩個時間序列的平穩性，各區域的兩個指標都是非平穩的，但其一階差分后的變量均是平穩的，其ADF檢驗結果如表3所示。結果表明，在5%顯著性水平下，六大區域的ER和MPI的一階差分項都是平穩的，四個污染密集型省區中，只有寧夏的ER指標不滿足一階平穩的條件。

兩個非平穩、但序列間的變化存在一定規律的時間序列之間往往存在著某種內在的平穩機制，序列間可能存在非常密切的長期均衡關系。通過協整檢驗來判斷ER和MPI序列間是否存在這種長期均衡關系，協整檢驗要求序列間是同階單整的。檢驗結果表明，六大區域的ER和MPI均為一階單整，滿足協整檢驗的條件；四個污染密集型省區中，只有寧夏不滿足協整檢驗的條件。

對滿足條件的區域和省區進行協整檢驗。協整分析的殘差平穩性檢驗結果顯示，在5%顯著性水平下，除貴州外，其余區域和省區的ER和MPI之間都存在長期均衡關系。

綜合變量平穩性檢驗和殘差平穩性檢驗結果，確定華北地區、東北地區、華東地區、中南地區、西南地區、西北地區、河北和山西的ER和MPI之間存在長期均衡關系。

（四）環境規制強度與全要素生產率的關系分析

1六大區域的分析結果

根據六大區域的協整檢驗結果，構建長期均衡模型如下：

華北地區：MPIt=08310-00044ERt+εt （5）

東北地區：MPIt=08250-00036ERt+εt（6）

華東地區：MPIt=09630-00014ERt+εt（7）

中南地區：MPIt=09620-00060ERt+εt（8）

西南地區：MPIt=08920-00053ERt+εt（9）

西北地區：MPIt=08970-00030ERt+εt（10）

在ER和MPI的長期均衡模型中，截距項代表各區域全要素生產率變化指數的平均水平，而斜率的絕對值大小度量的則是環境規制強度變化對全要素生產率變化指數的影響程度，截距項的符號代表環境規制強度對全要素生產率變化指數的影響方向。

由上述長期均衡模型可知，六大區域的環境規制強度對全要素生產率變化指數均存在著逆向影響，即隨著環境規制強度的加大，全要素生產率變化指數將會下降，說明各區域短期內環境規制強度的加大均不能促進企業創造出能夠彌補企業規制遵循成本的創新補償效應，但影響程度和全要素生產率變化指數的平均水平都存在一定的差異。

對六大區域的模型結果加以對比，首先分析全要素生產率變化指數平均水平的區域差異，華東地區全要素生產率變化指數的平均水平最高，主要是因為其經濟發達，擁有大量高技術創新型企業，其技術進步水平領先于其他區域。中南地區的全要素生產率變化指數平均水平僅次于華東地區，但其區域內部各省區的產業結構、經濟發展水平和技術創新能力均存在較大差異，中南地區較高的全要素生產率變化指數主要依靠深圳等發達沿海城市拉動。西南地區和西北地區的全要素生產率變化指數平均水平非常接近，在六大區域中處于中間水平。東北地區和華北地區的全要素生產率變化指數平均水平接近，且略低于其他四個地區。東北地區作為中國最重要的工業基地，經濟發展速度本身就落后于東部沿海地區，而且東北地區的工業創新步伐受到國有大型企業既定的傳統創新路徑的限制，尚未能建立相對成熟的現代工業創新環境；華北地區很多城市的支柱產業為重化產業，其技術創新成本大、難度高。因此，這兩個區域的全要素生產率變化指數略低于其他區域，整體技術進步速度也相對落后。其次分析環境規制強度對全要素生產率變化指數的影響程度，華東地區的全要素生產率變化指數對環境規制強度的變化最不敏感，主要是由于華東地區污染密集型企業不多，環境污染治理壓力相對較低，環境規制強度的變化不會對其全要素生產率變化指數產生較大影響。華北地區和東北地區的敏感程度接近且相對較高，是由于這兩個區域所包含的省區均屬于污染密集型企業多、環境污染嚴重、污染治理壓力大的地區，當環境規制強度加大時，其環境規制遵循成本的增加幅度和生產率下降幅度均高于其他地區。endprint

2重點省區的分析結果

在河北、山西、貴州和寧夏四個重點省區中，只有河北與山西通過協整檢驗，構建其長期均衡模型如下：

河北：MPIt=10230-00008ERt+εt（11）

山西：MPIt=09000-00025ERt+εt（12）

河北和山西同屬于環境污染密度相對較大的華北地區，將河北、山西的模型結果與華北地區整體模型結果對比發現，河北與山西的全要素生產率增長速度均高于華北地區的整體水平，且環境規制強度對其全要素生產率變化指數的逆向影響均小于華北地區的整體水平。其中，河北擁有最高的全要素生產率變化指數，并且對環境規制強度的變化最不敏感。

基于Malmquist全要素生產率變化指數的分解，進一步分析河北環境規制強度與技術進步效率（TC）之間的關系，在5%顯著性水平下，河北的ER時間序列和TC時間序列均通過了平穩性檢驗和協整檢驗，構建長期均衡模型如下：

河北：TCt=10450-00006ERt+εt（13）

華北地區：TCt=10470-00005ERt+εt（14）

由模型結果可知，河北和華北地區的環境規制強度對技術進步效率均有顯著的正向影響，河北技術進步效率的平均水平略低于華北地區整體水平，但河北環境規制強度對技術進步效率的影響程度高于華北地區。可見，河北環境規制強度對其全要素生產率變化指數的逆向影響相對較小的原因是河北污染密度更高，環境規制帶來的治污成本更大，但長期來看由環境規制引起的技術水平的提高對技術應用效率的下降起到了一定的彌補作用。

對未通過協整檢驗的貴州和寧夏的ER和MPI之間的關系進行探索分析。由圖1可知，貴州的ER和MPI之間的關系與對數線性關系較為相近，而寧夏的對數線性趨勢則不明顯。對貴州和寧夏的ER和MPI做對數變換后進行平穩性檢驗，但由于ER指標的波動太大，檢驗結果并不顯著，無法構建能夠擬合貴州和寧夏ER和MPI之間的關系的模型，只能通過簡單的描述性統計和省區間的對比來分析貴州和寧夏的ER和MPI之間的相互影響。由圖1可以看出，河北的ER對MPI的逆向影響最小，而隨著環境規制強度的加大，山西和貴州的MPI下降更明顯。結合上文的長期均衡模型，可以得出以下結論：（1）與河北和山西相比，貴州和寧夏環境規制政策的波動較大，且規制強度的提高速度更快，可見貴州和寧夏政府的環境規制強度要高于其他省區；（2）環境規制給各省區生產部門帶來了創新補償，但并不能彌補由此帶來的規制遵循成本；（3）污染密度越大的區域，環境規制政策的創新激勵作用越明顯。

五、結論與展望

本文以波特假說為切入點，選擇簡單投入型環境規制強度指標和基于DEA的Malmquist全要素生產率指標，從區域比較的視角分析環境規制強度與全要素生產率的關系，并對污染治理成本高的省區進行重點分析，在全要素生產率分解的基礎上探究其環境規制強度對技術進步效率的影響。基于以上分析，得出如下結論：第一，從區域比較的視角研究環境規制強度對全要素生產率的影響，選擇單位產值治污費用作為環境規制強度的測度指標更為合適，既考慮了治污費用帶來的成本變化，又與全要素生產率變化指數的統計口徑相同，同時也能有效消除地區間的經濟發展差異。第二，六大區域的環境規制強度均呈上升趨勢，隨著環境污染密度的加大，環境污染治理壓力和治理成本也在不斷提高，六大區域環境規制強度間的差距也在逐漸擴大；六大區域的全要素生產率變化指數均呈現下降趨勢，即經濟增長速度有所減緩，與中國整體經濟變動狀況相吻合。第三，納入分析范圍的29個省區中，河北、山西、貴州和寧夏的產業結構偏向于污染密集型，環境規制政策對這些省區的污染防治效果將更加顯著。第四，基于當前的指標體系和分析對象，環境規制強度的加大，雖然能產生一定的創新補償效應，但尚不足以彌補企業由此產生的規制遵循成本，全要素生產率有所降低，但影響幅度存在地區差異。在六個區域中，華東地區的全要素生產率變化指數平均水平最高，華北地區和東北地區全要素生產率變化指數平均水平相對較低，對環境規制強度變化最不敏感的區域是華東地區，主要是由于華東地區環境污染治理壓力相對較低，環境規制強度的變化不會對其生產率產生較大影響。第五，在四個污染密集型省區中，只有河北和山西的環境規制強度與全要素生產率指數間存在長期均衡關系，其中河北擁有最高的全要素生產率變化指數，并且對環境規制的變化最不敏感，在全要素生產率指數分解的基礎上發現環境規制強度對生產技術進步效率存在顯著的正向影響，可見雖然河北污染密度高，環境規制帶來的治污成本大，但長期來看由環境規制引起的技術水平的提高對技術應用效率的下降起到了一定的彌補作用。而貴州和寧夏的環境規制強度與全要素生產率變化指數間不存在顯著的長期均衡關系，與河北和山西對比發現，貴州和寧夏環境規制政策的波動較大，且環境規制強度的提高速度更快，說明貴州和寧夏的環境規制強度要高于其他省區。

基于上述結論，為使環境規制能更大限度地產生創新補償效應，提出如下建議：第一，加強環境規制政策的創新激勵作用。環境規制能夠帶來創新補償，但當前各地區環境規制政策的創新激勵作用都還比較弱，應從國家整體調控和地方切實監管兩個層次提高環境規制的創新激勵作用，使其能夠最大限度地彌補規制遵循成本，長期目標是實現環境規制強度對全要素生產率的正向影響，這也是實現環境保護和經濟發展和諧統一的最優手段。第二，環境規制政策的制定要充分考慮地區差異，根據不同地區的實際情況制定差異性政策，對于污染密度大的華北地區和東北地區，應繼續加大環境規制強度，除嚴格控制污染密集型企業的排污標準外，政府還應在企業環境技術改進方面提供一定的財力和政策支持，同時加快建立相對成熟的現代工業創新環境。此外，也應適當加大河北、山西、貴州和寧夏四個污染密集型省區的環境規制強度，通過促進其技術創新來降低污染排放，如加大技術創新投入力度徑。而對于華東、中南、西南、西北等地區，環境規制強度對全要素生產率變化指數的影響相對較低，且包含的大部分省區的污染密度相對較低，其環境規制形勢尚不嚴峻，但仍需繼續保持對企業生產的環境管制。endprint

與當前多數文獻不同，本文著眼于區域比較的視角，對中國六大區域進行全面分析，同時重點關注四個高污染密度省區的狀況。基于當前的指標體系和分析對象，得出部分地區環境規制強度對生產率存在顯著影響的結論，與多數研究相一致，但基于2001—2013年數據得出的環境規制強度對全要素生產率變化指數存在逆向影響的具體結果與部分文獻存在一定的差異，這與當前關于環境規制強度對全要素生產率的影響不存在統一結論的研究現狀相符，更加說明對這一問題的研究應具體情況具體分析，這也正是本文選擇從區域視角研究環境規制強度對全要素生產率影響的初衷。不過，在分析環境規制強度與全要素生產率變化指數之間的關系時，指標口徑主要是區域而非省區，在一定程度上內化了變量間影響的省域特征。此外，由于中國環境數據不夠健全且獲取難度較大，研究的時間跨度是2001—2013年，而環境規制強度對全要素生產率的影響是短期和長期并存的，在此研究區間內，二者之間的長期作用可能沒有得到充分體現，這也是未來研究中需要改進之處。

參考文獻：

[1]王國印，王動波特假說、環境規制與企業技術創新——對中東部地區的比較分析[J]中國軟科學，2011，（1）：100-112

[2]Denison， EFAccounting for Slower Economic Growth： The United States in the 1970s[J]Southern Economic Journal， 1981， 47（4）： 1191-1193

[3]Gollop， FM， Roberts， MJEnvironmental Regulations and Productivity Growth： The Case of Fossil-Fueled Electric Power Generation [J]The Journal of Political Economy， 1983， 91（4）： 654-674

[4]Gray， WBThe Cost of Regulation： OSHA， EPA and the Productivity Slowdown[J] American Economic Review， 1987， 77（5）： 998-1006

[5]Barbera， AJ， Mcconnell， VDThe Impact of Environmental Regulations on Industry Productivity： Direct and Indirect Effects [J] Journal of Environmental Economics and Management， 1990， 18（1）： 50-65

[6]Lanoie， P， Patry， M， Laieunesse， REnvironmental Regulation and Productivity： Testing the Porter Hypothesis [J]Journal of Productivity Analysis， 2008， 30（2）： 121-128

[7]陳詩一中國的綠色工業革命：基于環境全要素生產率視角的解釋（1980—2008）[J]經濟研究， 2010，（11）： 21-34

[8]李樹， 陳剛環境管制與生產率增長——以 APPCL2000 的修訂為例[J]經濟研究， 2013，（1）： 17-31

[9]Alpay， E， Kerkvliet， J， Buccola， SProductivity Growth and Environmental Regulation in Mexican and US Food Manufacturing [J]American Journal of Agricultural Economics， 2002， 84（4）： 887-901

[10]Lee， MEnvironmental Regulations and Market Power： The Case of the Korean Manufacturing Industries [J]Ecological Economics， 2008， 68（1）： 205-209

[11]張三峰， 卜茂亮環境規制、環保投入與中國企業生產率： 基于中國企業問卷數據的實證研究[J] 南開經濟研究， 2011， （2）： 129-146

[12]陳坤銘， 季彥達， 張光南環保政策對“中國制造”生產率的影響[J]統計研究， 2013， （9）： 37-43

[13]Jorgenson， DW， Wilcoxen， PJEnvironmental Regulation and US Economic Growth [J]The RAND Journal of Economics， 1990， 21（2）： 314-340

[14]張成， 陸旸， 郭路， 等環境規制強度和生產技術進步[J]經濟研究， 2011，（2）： 113-124

[15]沈能環境效率、行業異質性與最優規制強度——中國工業行業面板數據的非線性檢驗[J] 中國工業經濟， 2012，（3）： 56-68

[16]王杰， 劉斌環境規制與企業全要素生產率——基于中國工業企業數據的經驗分析[J]中國工業經濟， 2014，（3）：44-56

[17]Conrad，K， Wastl， DThe Impact of Environmental Regulation on Productivity in German Industries [J]Empirical Economics， 1995， 20（4）： 615-633

[18]李鋼，李穎環境規制強度測度理論與實證進展[J]經濟管理， 2012， （12）：154-165

[19]趙紅環境規制對中國產業技術創新的影響[J]經濟管理， 2007，（21）：57-61

[20]孫琳琳，任若恩資本投入測量綜述[J]經濟學（季刊）， 2005，（4）：823-842

（責任編輯：韓淑麗）endprint