FDI是否加劇了中國制造業CO2排放？

張 寬

(重慶大學 經濟與工商管理學院，重慶 400044)

一、引言

2016年中國正式加入《巴黎氣候變化協定》，中國政府承諾2030年單位GDP碳排放將比2005年降低 60%-65%。改革開放以來，中國在高速工業化過程中CO2排放急劇增加，早在2009年就已經成為全球最大的碳排放來源國[1]。而在中國工業化過程中，特別是制造業的生產部門的碳排放問題不容忽視，根據2015年制造業能源消費數據，我們估計認為制造業CO2排放約占排放總量的54.9%。中國政府于2015出臺了制造強國戰略文件《中國制造2025》，其中提出將在2025年將單位增加值CO2排放在2015年基礎上降低40%。中國目前作為全世界最大的發展中國家經濟體和人口最多的國家，特別是自從加入世界貿易組織(WTO)，廣闊的市場前景和豐富而廉價的勞動力資源吸引了大量的外商直接投資(FDI)[2]。根據UNCTAD發布的2015年世界投資報告， 2014年中國FDI流入達到1290億美元，超越美國成為全球FDI流入最大的目的地①。再從FDI流入中國國內各個產業部門來看，根據《中國外商投資報告2014》數據，制造業部門一直位居FDI流入總量第一，這一情況直到2011年才有所改變，但目前制造業FDI流入量也僅次于服務業部門，成為中國第二大FDI流入部門。

很多研究均表明，FDI在中國經濟快速發展過程中扮演了相當重要的角色[3, 4]。然而伴隨經濟發展，環境污染問題其中又特別是碳排放問題引起學者們廣泛關注[5, 6]。近年來，許多學者圍繞FDI是否導致發展中國家環境惡化的話題展開了激烈的討論，形成了兩種針鋒相對的假說，即“污染天堂”和“污染光環”[7]。“污染天堂”假說認為，發達國家企業利用發展中國家較為輕松的環境規制水平[8]，將較多的重污染產業轉移至發展中國家，繼而FDI流入從而加劇了發展中國家的環境污染問題[9, 10]。與此相反，“污染光環”假說認為，來自發達國家或地區的FDI往往蘊含了較高的技術水平，跨國企業通過FDI將先進的清潔生產技術和管理經驗傳播至東道國，這種技術溢出效應將會緩解發展中國家由粗放發展模式導致的環境壓力[11]。當然還有一些基于發展中國家的樣本研究表明，FDI對東道國的環境并未產生顯著影響，形成了“中立假說”[12-14]。

本文的目的在于利用中國制造業細分行業層面的CO2和FDI數據，從行業層面檢驗FDI對CO2的影響，相關研究結論對政策制定者如何科學合理引導FDI流入不同部門和幫助制造業減少CO2排放顯得尤其重要。我們的研究在以下三個方面對現有文獻進行拓展。第一，由于中國政府并未公布制造業細分行業相關CO2排放數據，因此幾乎沒有文獻利用制造業細分行業的面板數據，對FDI和CO2關系進行實證檢驗。我們基于《中國能源統計年鑒》上制造業細分行業的八類能源消耗數據，采用IPCC碳排放核算公式，對中國27個細分制造業行業2003-2014碳排放量進行了測算。因此，據我們所知，本文是首次針對制造業各個細分行業，在EKC框架下，對FDI和CO2關系進行實證分析。第二，考慮到制造業各個細分行業的特有性質，一些行業對能源依賴度較高，反之較低。因此，根據污染程度不同，我們將27個細分行業分為高、中、低三類污染行業，分別進行行業異質性考察，以檢驗不同污染程度行業FDI對CO2排放影響的結論是否有所差異。第三，本文引入行業外資參與度作為核心解釋變量以替換人均FDI存量，從新考察了上述關系，結論非常穩健。本文基于上述三個主要方面的拓展，進一步豐富和加深了對FDI與CO2排放之間關系的理解。

二、文獻回顧

在經濟全球化迅速發展的今天，FDI已經成為跨國公司進行全球資源配置的重要方式和手段。面對FDI大量進入發展中國家和發展中國家環境污染問題日益嚴峻的事實，其中又特別是涉及到氣候變暖的碳排放問題引起了學者們廣泛注意。FDI作為一種要素在跨國之間的流動，對于流入國家而言，其根本目的在于助推本國經濟快速增長，因此在探討FDI與碳排放關系之前有必要從經濟增長與環境污染之間的關系談起。

對于經濟增長與環境污染的關系，著名的庫茲涅茨假說(EKC)認為經濟增長與環境污染之間存在倒“U”型關系[15, 16]，其主要表現為一國收入水平和某些污染變量之間呈現的非線性關系。EKC假說的理論邏輯在于，在經濟發展初期，粗放的發展方式會消耗大量的能源和其他自然資源，在這一階段經濟增長與環境污染之間呈現正相關關系，當經濟發展到一定階段，即突破一定閾值之后，由于產業不斷升級和技術進步，對能源等資源的依賴度降低，進而減少環境污染[17, 18]。在經驗文獻方面，Grossman and Krueger在其開創性論文中，檢驗了包括空氣污染在內的四種環境質量指標和國家人均收入之間的關系，他們發現經濟增長并不會持續惡化環境質量，隨著人均收入接近8000美元后，環境質量隨著經濟增長不斷改善，首次給出了支持EKC假說的經驗證據[15]。后來大量文獻，利用CO2表征環境污染并圍繞EKC假說是否存在不斷尋找新的證據，但在結論上，分別形成了支持EKC假說的倒“U”型、和否認EKC假說的線性關系以及“N”型等[19-24]。目前，關于CO2與經濟增長之間的EKC假說爭論還未形成一致結論，已有文獻的經驗證據非常混亂[25]。

隨著EKC假說實證研究框架不斷拓展和完善，FDI變量廣泛被納入EKC模型分析框架進行深入分析。特別是，Copeland and Taylor基于南北貿易模型，首次提出了“污染天堂假說”(PHH)之后，大量文獻圍繞PHH假說以驗證發達國家是否利用發展中國家的寬松環境規制水平將重污染產業轉移至發展中國家，進而加劇了東道國環境惡化[10, 26-28]。本文將從結論、樣本數據選擇、研究方法三個方面歸納和總結目前關于FDI和CO2關系的研究文獻。

首先，從已有的研究結論來看，現有文獻給出了三種經驗證據。第一類文獻研究表明FDI對環境，污染變量具有顯著的正向影響，FDI惡化了東道國環境污染狀況，進而為“污染天堂”假說成立提供了大量的經驗證據[23, 24, 29, 30]。第二類經驗文獻卻支持與“污染天堂”假說相反的“污染光環”假說，這些文獻認為FDI流入降低了東道國的污染排放水平，改善了環境狀[1, 22, 31, 32]。第三類文獻研究結論介于前兩類之間，這類文獻研究并沒有發現FDI與環境污染變量之間顯著的相關關系或因果關系，形成了所謂的“中性”假說[3, 14, 33]。隨著一些經驗文獻逐漸重視對樣本異質性的考察，基于收入水平或制度等其他經濟變量的分組研究表明，不同地區或者國家支持不同的假說[34-37]。

其次，從樣本數據選擇的視角看，關于FDI對CO2影響的文獻，目前主要有三個方向。第一類，主要針對特定區域利用國家層面上的數據進行分析，例如東盟(ASEAN)、撒哈拉以南非洲國家、西非經濟共同體(ECOWAS)、京都協議簽署國家、中東和北非國家(MENA)、跨國集團組織(MNCs)、拉丁美洲國家、海灣合作委員會(GCC)、金磚國家組織(BRIC)、20國集團(G20)以及新興市場經濟體等[3, 22, 33, 34, 38-43]。第二類，并非針對特定區域而是以國家為個體的面板數據結構分析，同時也根據不同的分組標準進行國家間異質性考察[37, 44-46]。第三類，以特定單一國家為主要研究對象，利用長時間序列數據變量或者以單個國家內部的省市地區或其他單元要素組成的面板數據進行分析[26, 28, 29, 47]。這類文獻主要針對如中國、印度、越南、土耳其和馬來西亞等發展中國家經濟體。

最后，基于經驗文獻研究方法來看，主流文獻大致遵循以下兩條足跡。第一，從歷史維度視角切入，采用以單位根、協整分析和格蘭杰因果檢驗為代表現代時間序列計量經濟學方法，針對某一具體國家或地區考察FDI對環境污染變量的短期和長期動態影響效應[27, 32, 48, 49]。第二，從區域異質性視角出發，構建大樣本的跨國或者地區級面板數據集，面板單位根、面板協整和面板因果檢驗等方法被廣泛應用和拓展進行“污染天堂”假說檢驗[1, 31, 34, 45, 50]。近年來，隨著空間計量經濟學興起，在放松空間同質性假說前提下，FDI和環境污染的空間溢出效應也被逐漸重視[5]。

綜上可以看出，已有文獻已經利用各種計量方法，從不同的樣本選擇視角對FDI和CO2排放的關系進行了廣泛地討論，這無疑對我們后面的研究工作提供了豐富的參考。但是我們同時應該看到，這類文獻還存在一些不足。第一，PHH假說的經驗證據混亂，結論大相徑庭。如果說，目前相關結論存在差異可能是樣本異質性導致的，但是從相關文獻我們不難發現，針對同一地區或國家的不同研究結論也不統一，還需尋找更加堅實的經驗證據。以中國為例，Hao and Liu、Zhang and Zhou針對中國29個省份面板數據研究均支持“污染光環”假說[1, 31]。而Zheng and Sheng[51]對中國30個省份的面板數據分析卻支持PHH假說，同時Sun et al.[29]對中國時間序列數據研究同樣支持PHH假說。Peng et al.[49]則對中國大陸16個省份進行了單獨分析發現，除了少數幾個省份支持PHH假說外，其他省份均支持“中性”假說。第二，已有文獻主要從國家宏觀層面來檢驗PHH假說，相對缺乏從一國內部具體行業層面的研究文獻，這導致對行業層面政策制定的經驗借鑒不足。中國目前作為最大的發展中國家，中國政府目前非常重視實體經濟發展和生態環境保護，制造業作為實體經濟核心，從制造業行業層面從新審視FDI和CO2關系，有助于政策制定者提升中國制造業發展質量和進一步降低CO2排放，同時也為后來相關研究提供了新的研究視角。第三，已有文獻忽視了行業異質性問題，不同污染程度行業，FDI與CO2關系可能存在顯著差異。因此，我們利用中國制造業27個細分行業數據，并從行業污染異質性的視角檢驗了FDI對CO2排放的影響。

三、研究設計

(一)模型設定與估計方法

1.模型設定

本文參考EKC模型框架相關文獻，與Baek、Chandran and Tang、Cole、Grossman and Krueger、Ko?ak and Sarkgunesi.以及Zhu et al.等一致[15, 21, 26, 33, 52, 53]，我們首先考慮以下基準模型：

(1)

在方程(1)的基礎上，加入本文核心解釋變量FDI，同時參考Beak、Paramati et al.、Shahbaz et al.、Solarin et al.、Tang and Tan、周杰琦和汪同三等[21, 24, 28, 45, 46, 54]，將能源消費和能源結構納入方程(1),最后，為了避免遺漏變量問題，我們還控制了隨個體變化的但不隨時間變化和隨時間變化但不隨個體變化的不可觀測因素，即個體固定效應和時間效應。最終模型改寫為下列形式：

+β3lnEnergyit+β4lnESit+γi+ηt+μit

(2)

在(2)式中，i表示具體行業，t表示時期，被解釋變量CO2為行業人均碳排放，y為人均實際GDP，y2為人均實際GDP平方，FDI為行業人均FDI存量，Energy為行業人均能源消費量，ES為行業能源消費結構，γi為行業個體效應，ηt為時間效應，μit為隨機誤差項。為了說明結論穩健性，我們進一步引入行業外資參與度(SFDI)替換方程(2)中的核心解釋變量FDI，則本文穩健性方程改寫為:

+β3lnEnergyit+β4lnESit+γi+ηt+μit

(3)

上述方程中具體變量度量方式見表1。其中，需要說明的是，在關于FDI對CO2排放的影響文獻中，一部分文獻利用人均FDI流量作為核心解釋變量[46, 55]，但Sapkota and Bastola[42]指出流量沒有充分考慮前期FDI流入的影響，使用存量指標更加合適，因此本文使用人均FDI存量指標。同時，SFDI表示制造業各個行業外商資本(包括港澳臺資本)占行業實收資本的比重，這一指標較能真實反映FDI在各個行業的積累程度[56]。CO2排放主要來源于各類能源消費，因此行業人均能源消費越高，其CO2排放可能越多[21, 24]。中國作為一個煤炭生產和消費大國，煤炭在能源消費中的比重非常大[57]。因此，利用行業煤炭消費量占行業能源消費總量(萬噸標準煤)比重表示能源消費結構，這一指標越小說明行業消耗的能源越清潔，因此預期符號為正[54]。根據方程(2)和(3)變量參數估計結果，我們可以得到以下命題：

命題1：當β0>0且通過顯著水平檢驗時，支持PHH假說。

命題2：當β0≤0且通過顯著水平檢驗時，支持“污染光環”假說。

命題3：當β0不顯著時，支持“中性”假說。

命題4：當β1>0，β2且通過顯著水平檢驗<0時，支持EKC假說。

2.估計方法

本文的實證策略在于：首先，利用2003-2014制造業27個細分行業面板數據，從行業層面整體評估FDI對CO2排放的影響；其次，從行業異質性的角度出發，參考余東華和胡亞男[58]利用污染物排放強度，對制造業細分行業分為重污染行業、中度污染行業和輕度污染行業(見表2)，然后分別評估FDI對CO2影響的差異性；最后，引入外資參與度(SFDI)，檢驗SFDI對CO2排放的影響，以驗證結論的穩健性。

為了得到方程(2)和(3)變量參數的一致有效估計量。首先，在驗證EKC和PHH假說時，我們利用過度約束識別檢驗來選擇是使用固定效應(FE)還是隨機效應(RE)模型。已有文獻，在檢驗面板數據模型時，通常利用Hausman[59]建立在隨機效應最有效率假設基礎上的Hausman檢驗，然而當模型擾動項存在異方差時，并不滿足這一前提假設，因此使用傳統的Hausman檢驗往往得出錯誤的結果。本文使用基于過度識別檢驗方法的穩健Hausman檢驗方法進行模型篩選。其次，面板數據通常存在組間異方差、組內自相關和組間同期相關等違反普通最小二乘回歸(OLS)經典假設的問題，使用OLS估計方法不能得到一致估計參數。因此，利用Greene[60]提出的Wald統計量檢驗組間異方差，而組內自相關使用Wooldridge[61]的方法進行檢驗，Pesaran[62]則發展了一種用來檢驗組間同期相關的統計量。這些檢驗結果見Table 5。最后，我們利用可行廣義最小二乘回歸(FGLS)來估計方程(2)和(3)的參數，這種方法能夠很好地克服上述問題對回歸參數估計的干擾。

(二)行業碳排放測算

目前，由于中國官方并未公布制造業各個行業的碳排放數據，因此，我們根據IPCC[63]給出的碳排放測算工具，選取制造業各個行業主要消費的8類能源數據，其測算公式如下：

(4)

公式(4)中，Ei表示i類能源消費量，NCVi、CEFi和COFi分別代表第i類能源凈發熱量、碳含量和碳氧化因子。8類能源及其碳排放系數ψi見表3。

根據式(4)，表4呈現了2003-2014年制造業總行業以及重污染、中度污染和低污染行業的CO2測算結果。從表4我們可以得出以下結論：①從整個制造業CO2排放趨勢看，隨著時間推移CO2排放總量呈現出不斷增加的趨勢。②從總體上看，2003-2014年間，中度和低度污染行業CO2排放總量呈現先上升后下降的倒“U”型特征，而重污染行業CO2排放總量呈現不斷上升態勢，并未有明顯較少趨勢。③從CO2排放總量的年度均值看，由高到底依次為重污染、中度污染和低度污染行業。

表1相關變量構建與衡量說明

表2根據污染強度進行制造業行業分類結果

注：A、B、C分別表示重污染行業、中度污染和輕度污染。

表3各類化石燃料的碳排放系數

注：NVC數據來源于《中國能源統計年鑒2015》，單位為kJ/kg(天然氣為kJ/m3)，CEF、COF數據來源于IPCC(2006)，單位為kgC/GJ，碳排放系數為tC/t(天然氣為kgC/m3).

表4 2003-2014年制造業CO2排放測算結果

注：根據公式(4)計算得到，其中各行業能源消費數據來源于中國能源統計年鑒2004-2015.

(四)數據來源與經驗事實

1.數據來源

本文樣本數據為中國制造業2003-2014年27個細分行業的面板數據。其中各個行業能源消費數據來源于中國能源統計年鑒2004-2015。對于FDI存量指標和SFDI而言，由于缺乏各個細分行業的FDI數據，我們參考Ren et al.[64]的做法，利用各個行業年度實收資本中外商資本總量表示，外商資本包括港澳臺和外商資本，這些數據均來源于中國統計年鑒2004-2015。各個行業從業人數和總產值均來源于中國工業統計年鑒2004-2015。最后利用第二產業GDP平減指數，將人均GDP和人均FDI存量調整為以2003年為基期的可比值。表5給出本文研究涉及經濟變量取對數后描述性統計結果。

表5變量的描述性統計分析

續表5

樣本分組變量觀測值均值標準差最小值最大值輕度污染樣本組CO21321.5890.800-0.5683.173FDI13210.071.1566.27911.33SFDI1323.2341.546-2.0084.388y13212.870.70711.6614.90Energy1321.9750.5340.9443.002ES1323.1440.5251.6064.001

2. 經驗事實

圖1呈現了三類行業2003-2014年間人均CO2排放趨勢。我們從圖1中可以得出以下信息：①重度污染行業人均CO2排放量最高，中度污染行業次之，輕度污染行業最小。②重度污染行業人均CO2排放在樣本期限內，整體上呈現上升態勢，而中度污染和輕度污染行業人均CO2排放在2007和2006年出現一個拐點，開始不斷下降。

圖1 不同污染程度行業人均CO2排放

圖2 不同污染程度行業人均FDI擁有量

圖2揭示了人均FDI存量在三類行業2003-2014年的變化趨勢。我們從中可以看出：①人均FDI存量在三類污染程度行業走勢較為一致。2003-2009年，三類污染程度行業人均FDI存量都呈現上升趨勢，2009-2011則都呈現下降趨勢，2011-2014呈現緩慢上升趨勢。主要原因可能在于，中國制造業FDI流入受到2008年全球金融危機的影響。②樣本期內，輕度污染行業人均FDI存量最高，2003-2009中度污染行業人均FDI存量高于重度污染行業，2009-2014重度污染行業人均FDI存量超越了中度污染行業。

圖3展示了2003-2014年外資參與度在三類行業中的變化。從圖3中我們得出以下結論：①2003-2014重度污染行業外資參與度最低，中度和輕度污染行業外資參與度相當。②三類行業外資參與度均呈現不斷下降趨勢，其中，相比重度污染行業，中度和輕度污染行業外資參與度下降更快。特別是2008年以后，外資參與度在三類行業下降趨勢更加明顯，這與人均FDI存量變化軌跡類似。

圖3 不同污染程度行業外資參與程度

四、結果與分析

(一)全樣本分析

表6第1列對全行業樣本穩健Hausman檢驗表明，應該選擇固定效應模型。表7第1列檢驗顯示，全行業樣本存在組間異方差、組內自相關和組間同期相關，因此利用全面FGLS估計FDI對制造業CO2排放的影響，并控制時間和行業效應，結果見表8。模型(1)單獨估計FDI表明，FDI系數在1%水平顯著為正。模型(2)加入GDP后顯示，FDI與GDP估計系數均在1%水平顯著為正。模型(3)加入控制變量Energy和ES后估計結果顯示，FDI系數符號和顯著性并未改變，仍然在1%水平顯著為正。模型(4)加入GDP2以同時考察EKC假說和PHH假說。模型(4)FDI系數仍然顯著(1%)為正，說明中國制造業FDI存量增加導致CO2排放上升，FDI彈性系數約為0.107，表示制造業人均FDI存量每增加1%將會導致CO2排放上升0.107%。FDI系數估計結果，符合命題1，因此中國制造業支持PHH假說。模型(4)中GDP系數顯著為正，GDP2顯著為負，符合命題4，人均GDP與CO2之間存在倒“U”關系，中國制造業存在EKC假說。控制變量Energy與ES系數均顯著為正，符合理論預期，人均能源消費越多、能源消費結構中煤炭占比越大，CO2排放就越多。

表6過度約束識別檢驗

表7不同樣本群組間異方差、組內自相關和組間同期相關檢驗結果

注：括號為概率p值.

表8 FDI對制造業行業CO2排放的影響估計

注： 括號內為z統計量，*p< 0.1,**p< 0.05,***p< 0.01.

(二)行業異質性分析

FDI存量和CO2排放在不同污染程度行業分布均有顯著差異，那么PHH假說和EKC假說在不同污染程度行業是否存在差異？根據表6與表7檢驗結果，我們仍然采用向固定效應模型和全面FGLS估計方法，結果見表9。表9模型(1)-(3)分別為重度污染、中度污染和輕度污染行業估計結果。FDI系數估計結果顯示，各類污染程度行業FDI系數估計均為正，但只有中度污染(模型2)和輕度污染(模型3)中FDI系數在1%水平顯著，而重污染行業FDI系數不具有統計意義上顯著性。在中度污染行業和輕度污染行業，人均FDI每增長1%將會導致CO2排放分別上升0.11%和0.134%。上述結果表明，中國制造業的中低度污染行業FDI系數符合命題1，支持PHH假說，并且相較于中度污染行業，輕度污染行業FDI對CO2排放的積極作用更大。重污染行業FDI系數符合命題4，重污染行業支持“中性假說”而不支持PHH假說。

模型(1)與(3)GDP系數顯著為正，GDP2顯著為負，符合命題4，即EKC假說顯著存在于重污染行業和輕度污染行業。模型(2)GDP系數顯著為負，GDP2顯著為正，這與EKC假說相反，中度污染行業GDP與CO2之間存在“U”型關系。Energy與ES系數在不同污染程度行業均顯著為正，且Energy系數始終大于ES系數，說明人均能源消費與能源結構都是導致CO2增加的顯著因素，且人均能源消費的作用更大。

表9 PHH假說與EKC假說行業異質性檢驗結果

注： 括號內為z統計量，*p<0.1,**p< 0.05,***p< 0.01.

(三)穩健性檢驗

外資參與度(SFDI)反映了各個行業外資占據行業實收資本的比重，一定程度上能夠刻畫FDI在各個行業中的影響力。因此，我們利用SFDI指標替代上文的FDI指標，考察外資參與程度對CO2排放的影響，同時以驗證上文實證結果的穩健性。我們檢驗表明，同樣應該利用全面FGLS方法和固定效應模型對方程3進行估計，結果見表10。估計結果表明，利用外資參與度SFDI替換與人均FDI存量作為核心解釋變量，相關結論保持不變，本文實證檢驗具有較強的穩健性。

表10穩健性檢驗

注： 括號內為z統計量，*p< 0.1,**p< 0.05,***p< 0.01.

表10中模型(1)對整個制造業行業樣本估計發現，SFDI系數顯著(1%)為正(0.167)，說明中國制造業行業外資參與程度越高對CO2排放具有顯著的積極作用，依然支持PHH假說。SFDI彈性系數表明，中國制造業行業外資參與度每提升1%將導致CO2排放水平上升0.167%。GDP和GDP2系數分別顯著為正和負，同樣符合EKC假說。模型(2)-(4)同樣是基于污染程度的行業異質性考察，依次為重度污染、中度污染和輕度污染。模型(2)SFDI系數依然不顯著，說明重度污染行業外資參與度未對CO2排放造成顯著影響，符合中性假說。模型(3)和模型(4)SFDI系數顯著(1%)為正，說明中度污染和輕度污染行業均支持PHH假說。SFDI估計系數表明，外資參與程度每提高1%將分別導致中度污染和輕度污染行業CO2排放增長0.135%和0.16%，外資參與程度對輕度污染行業CO2積極影響更大。模型(2)與模型(4)GDP和GDP2系數估計結果與模型(1)在系數符號與顯著性上均一致，表明重污染行業與輕度污染行業支持EKC假說。而中度污染行業與表10中模型(2)結果類似，支持GDP與CO2存在“U”型關系。其他變量系數符號與顯著性結果與表9的結果基本一致。

五、對結果進一步討論

本文構建核心解釋變量人均FDI存量和外資參與度(SFDI)，研究均發現FDI對中國制造業CO2排放具有積極影響，即中國制造業支持PHH假說。這一研究結論與Ren et al.、Sun et al.、Zheng and Sheng以中國為研究對象的結論一致[29, 51, 64, 65]，但與Hao and Liu以及Zhang and Zhou的結論相反[1, 31]。中國制造業FDI與CO2排放之間的顯著正向關系表明，發達國家跨國企業將母國一些環境成本較高的產業轉移至中國進行生產，以利用中國相較于其母國更為輕松的環境規制水平，進而節約生產成本[6]。例如2012年中國環保組織披露大量跨國紡織企業在華的污染問題②，類似的在華跨國制造業企業污染事件可謂是屢見不鮮。中國加入WTO后，更加堅定地奉行1978年確定的對外開放政策，各級地方政府在政治晉升壓力下通過放松環境規制爭相引入FDI[66, 67]。在信息不對稱條件下，很多污染產業從發達國家順利轉移至中國，FDI流入進而加劇了中國制造業環境污染程度。

我們進一步發現，FDI對CO2排放的正向作用伴隨行業污染程度而不同。在中度和輕度污染行業我們發現了支持PHH假說的顯著證據，反而在重度污染行業沒有顯著證據表明FDI導致CO2排放增加。結合中國實施節能減排政策的事實可知，重污染行業一直都是監管的重點對象[68]。例如，各種政府文件均將重污染行業作為節能減排的重點選擇，相比其他行業，中國各級政府對重污染行業實施了更加嚴格的環境規制水平[69]。Zheng and Shi[30]對中國污染產業一項研究表明，PHH假說的有效性依賴于環境政策工具和行業特征。他們認為各種環境政策的綜合效應解釋了PHH假說為什么不能始終如一地被觀測到。

此外，中國制造業行業總體上支持EKC假說，這與Neequaye et al.、Sapkota and Bastola基于發展中國家樣本分析得出的結論相吻合[42, 44]。行業經濟發展水平與CO2排放之間存在顯著的倒“U”型關系，意味著中國制造業發展規模隨大但行業經濟增長質量還有待提升。這一結論隱含的啟示在于中國制造業只有走內涵式發展道路，不斷提高經濟增長質量和效益才能順利步入拐點下行的環境友好型經濟增長階段。分組樣本檢驗還發現，不是所有行業均支持EKC假說，其中中度污染行業只支持“U”型假說，這與Mert and Boluk、Baek對部分國家分組考察研究結果是一致的[21, 22]。這表明EKC假說是否存在還與不同行業污染程度的異質性顯著相關。最后，本研究還確認了能源消費水平和能源結構對CO2排放的正向效應，這與多數經驗文獻結論相同[70, 71]。同時，各類組別樣本檢驗表明Energy系數總是高于ES系數，這意味著雖然提高能效效率、減少能源消費水平和使用更加清潔能源以優化能源結構都能顯著減少CO2排放水平，但后者比前者的減排作用可能更大。

六、結論與政策含義

隨著經濟高速發展，中國已經成為最大的能源消費和CO2排放國家，現階段面臨著嚴峻的CO2減排任務。中國制造業作為CO2排放的重要來源和吸引FDI的主要行業，將現有關于FDI與CO2排放關系的研究從跨國和區域層面拓展到中國制造業行業層面具有一定價值。本文構建了中國制造業26個部門2003-2014年研究數據集，這一數據集不僅為我們系統評估EKC假說和PHH假說是否適合中國制造業提供了證據，還為從不同污染程度的行業異質性視角進一步研究建立了條件。

本文在EKC研究框架下，細致考察中國制造業FDI是否導致CO2排放增加。使用穩健Hausman檢驗，確認我們應該選擇時空雙向固定效應模型。同時，我們還考慮了面板模型存在的組間異方差、組內自相關和組間同期相關等問題，運用FGLS方法估計時空雙向固定效應模型以檢驗FDI對CO2排放的影響。我們的研究發現，中國制造業顯著支持PHH假說和EKC假說，即FDI流入是造成中國制造業CO2排放水平上升的顯著因素，行業經濟發展水平則與CO2排放存在倒“U”型關系。基于污染程度的行業異質性分析發現，只有中低污染行業支持PHH假說，而重污染行業沒有發現FDI顯著影響CO2排放的證據。EKC假說只存在于重污染和低污染行業，而中度污染行業支持“U”型假說。最后，我們還發現能源消費水平和能源消費結構對CO2排放具有顯著正向作用，但前者正向效應更大。

上述研究發現隱含了一些重要政策啟示。為了控制CO2排放水平，中國政府應該制定更加嚴格的環境規制水平，特別是不能忽略一些污染水平不高的行業，在強化環境規制水平的基礎上合理引導FDI流入不同的行業。相關地方政府，應該注重制造業FDI流入的質量，全面評估FDI是否會帶來潛在污染，對外資企業和國有企業以及民營企業在環境監管上平等對待。制造業企業則應該加大環境治理投資，強化技術創新，提升能源利用效率。政府同時也應該鼓勵企業使用更加清潔的能源，減少煤炭等化石能源在經濟活動中的投入，進而優化能源消費結構。

[注 釋]

① http://unctad.org/en/PublicationsLibrary/wir2015_en.pdf.

② http://finance.ifeng.com/news/corporate/20121009/7120733.shtml