環境稅雙重紅利效應研究
——基于OECD國家能源和交通稅的實證分析

2019-05-22 00:37:34何平林沈華玉龍成鳳

中國軟科學 2019年4期

何平林，喬雅，寧靜，沈華玉，龍成鳳

(華北電力大學經濟與管理學院，新能源與低碳發展北京市重點實驗室，北京 102206)

一、引言

20世紀90年代至今，世界范圍內工業化與城市化進程不斷加快，由此導致的環境污染與氣候變化等問題引起了國際社會的廣泛關注。1997年12月，國際社會在日本京都通過《京都協議書》，首次以立法形式限制溫室氣體排放。西方國家率先開始尋求用稅收工具控制環境污染的方法，由此掀起開征環境稅的浪潮。環境稅的概念最早可追溯到經濟學家馬歇爾所提出的福利經濟學，而首次以稅收形式限制溫室氣體排放以降低污染的思想來自英國經濟學家庇古。庇古在馬歇爾的研究基礎上提出了環境“外部成本內部化”的理論[1]，提倡政府應該利用稅收治理污染，由此成為環境稅理論第一人。隨后科斯在其發表的《社會成本問題》一文中提出與庇古相反的理論，其認為在產權明確的前提下，市場交易即使出現了外部性問題也同樣有效。該理論的提出使得這一時期OECD國家的環保政策出現了一種新趨勢，即政府開始逐漸減少直接干預手段，代之以各種間接干預手段，環境稅就是其中控制排放降低污染的重要間接手段之一。20世紀初期，各國開始引入與環境相關的稅收或收費項目，力圖通過稅收政策減少能源消耗和治理環境污染。如瑞典在20世紀20年代引入燃油稅，1957年引入能源稅和天然氣稅，1991年引入碳稅。芬蘭在1990年開始征收適用于汽油、柴油、輕質燃料和重質燃料油、噴氣燃料等不同能源產品的燃油稅，1994年將燃油稅分為能源混合稅和碳稅。此外還有美國對石油、天然氣開征的資源稅，法國設置的水資源使用稅、噪音稅、農藥化肥稅等。環境稅種的不斷健全與豐富讓學者們開始思考征收環境稅的效果。能源稅和車輛交通稅均是OECD國家以實現綠色紅利為目標開征的環境稅。如：英國的“北海石油開采稅制”，這一在生產環節征收的能源稅可以從源頭限制或者控制環境污染、資源浪費的經濟活動，進而尋找能源替代品。挪威在2009年將二氧化碳排放作為新車登記稅計稅依據的政策進一步完善，以此激勵消費者購買碳效率更好的汽車。1994-2016年，大部分OECD國家的環境稅稅額呈現逐年增長趨勢，其稅額占總稅收的比重基本保持在5%以上。如愛沙尼亞環境稅稅收收入占比由1994年的4.63%上升到2014年的8.45%，韓國由1994年的8.94%上升至2014年的10.56%,土耳其從1994年的6.69%上升到2014年的13.30%。但伴隨著總稅收收入的增加，環境稅征收后高耗能產業的升級和環保類產品的增加而獲得稅收減免等諸多原因，部分國家的環境稅收入占比也呈下降趨勢，如葡萄牙由1994年的11.51%下降到2014年的6.64%(見圖1)。有關空氣污染物的研究發現，包括一氧化碳、氮氧化物、碳氫化合物等多數氣體排放物對人類健康均可能產生嚴重不良影響[2-3]，隨著業界對環境稅研究的日趨深入，人們也越來越關注環境稅的征收效果。

圖1 部分OECD國家環境稅與總稅收占比

圖2展示了1994-2016年OECD整體能源稅及交通車輛稅占總環境稅收入之比的平均水平。可以發現，OECD國家的環境稅以能源稅為主，車輛交通稅為輔，前者平均占比約為70%，后者約為25%。從變化情況上看，兩個細分稅種占比在1994-2016年間較為穩定，占比數值變化幅度不大。以2010年美元的不變價格計算，1994年OECD國家與環境相關的總稅收達到563178.56百萬美元，其中能源稅占比72.14%，交通車輛稅占比24.98%。2016年OECD國家與環境相關的總稅收為800012.56百萬美元，其中能源稅占比70.64%，交通車輛稅占比25.36%。環境稅收入總額在近20年間上漲42.05%左右，稅額漲幅較大，但能源稅與交通車輛稅的占比變化不大。在1994-2016年間，OECD國家能源稅與車輛交通稅每年的稅收占比總和都達到了環境稅總額的95%以上。可見，從OECD整體來看，來源于能源、車輛交通的稅收構成了當前OECD環境稅收入的主體，對上述兩種稅種的研究與考察成為探索OECD國家環境稅的主要窗口。

基于以上分析，本文將環境稅細分為能源稅與車輛交通稅，實證檢驗了OECD國家環境稅是否具有“雙重紅利”效應。本文的邊際貢獻如下：第一，本文采用面板ARDL模型，能夠克服一般回歸模型之下可能出現的內生性問題，在不需要變量同階單整的條件下檢驗變量之間的長短期關系。本文實證研究時考慮了變量的時間滯后影響因素，側重對能源稅與車輛交通稅滯后期效果的考察。而現有文獻多用CGE模型研究雙重紅利問題，本文豐富了現有研究方法。第二，本文拓展了環境稅的研究視角。現有文獻研究環境稅問題時，一般將環境稅作為一個整體變量加以衡量，而很少將其進一步細分為能源稅與車輛交通稅。第三，本文拓展了綠色紅利的研究視角，現有文獻大多聚焦于是否有效降低二氧化碳排放上。本文將環境稅對排放物的影響進一步延伸到硫氧化物排放和氮氧化物排放等。第四，本文拓展了藍色紅利的研究視角，本文將環保技術和稅負平移納入研究模型，考察環境稅對環保技術產出和稅負平移的影響。

本文后續安排如下：第二部分是文獻綜述與研究假設，第三部分是研究模型與變量解釋，第四部分是實證結果與分析，第五部分是結論及對我國的啟示。

二、文獻綜述與研究假設

(一)環境稅雙重紅利的文獻綜述

目前學術界對于環境稅雙重紅利存在與否尚未形成統一定論。在完全肯定環境稅雙重紅利方面，國外學者取得了一定的成果。Barker(1993)運用多模型對比分析英國電力行業后發現存在環境稅雙重紅利[4]。Takedaa(2007)建立了多部門動態CGE模型，發現日本存在環境稅雙重紅利[5]。Fraser(2013)拓展了CGE模型，研究發現澳大利亞也存在環境稅雙重紅利[6]。Landa(2016)利用Three-

圖2 OECD國家能源稅及車輛交通稅占總環境稅比重

ME模型，研究發現墨西哥存在環境稅雙重紅利[7]。關于此問題，國內學者也進行了有益探索，取得了一定的成果。楊志勇等(2011)指出環境稅本身具有較強的功能調節特征，實現環境稅的雙重紅利需要與宏觀稅負問題結合起來[8]。王喬等(2013)指出在設計環境稅稅制過程中要堅持各種稅負“有增有減”的原則，在減少開征環境稅阻力的同時保持總體稅負平衡以實現雙重紅利[9]。劉建徽等(2015)在肯定西方國家環境稅雙重紅利效果的基礎上，提出了諸如做好環境稅改革的頂層設計，建立覆蓋范圍廣的環境稅稅制體系等若干條有利于中國環境稅改革的建議[10]。范慶泉等(2016)研究發現環境稅有助于促進經濟增長、降低環境污染水平，進而實現雙重紅利，并指出環境稅有助于糾正能源的過度使用行為[11]。俞杰(2017)認為環境改善與經濟增長在短期內存在此消彼長的替代關系，政府在使用環境稅的同時需要運用其他經濟政策工具以保證第一重紅利的實現，而第二重紅利的獲取需要搭配使用其他配套政策[12]。此外，部分學者構建了不同的模型推演環境稅或碳稅在不同情形下的雙重紅利效果。劉鳳良等(2009)利用內生增長模型，研究發現：環境稅能夠改善環境質量，并有助于提高長期經濟增長率[13]。胡宗義等(2011)研究發現將碳稅收入用于補貼消費者，可以促進經濟增長和實現減排的雙重效果[14]。李虹等(2017)利用CGE模型研究了環境稅的政策效應，研究發現良好的環境稅制能夠優化要素投入結構，推動經濟增長[15]。

在部分肯定或完全否定環境稅雙重紅利方面，國外學者也取得了一定的成果。Bossier等(1995)以德國、法國、英國、意大利、荷蘭、比利時等六國為研究對象，發現環境稅僅具有就業方面的藍色紅利[16]。Glomm等(2008)研究發現美國的燃油稅具有推動經濟增長和提高社會福利的藍色紅利，但改善環境質量的綠色紅利并不顯著[17]。相反地，Ekins(2011)指出英國環境稅具有降低二氧化碳排放的綠色紅利，但推動經濟增長和實現就業的藍色紅利并不明顯[18]。而Oueslati(2014)通過內生增長模型，研究發現環境稅在短期內不存在雙重紅利[19]。Magdalena等(2017)的研究發現羅馬尼亞及歐盟的環境稅都不存在雙重紅利效應[20]。在國內，學者們普遍認可環境稅尤其是碳稅的綠色紅利效應，而認為藍色紅利方面的相關指標在短期內難以實現或直接指出開征環境稅將對經濟產生不利影響。高鵬飛等(2002)研究發現環境稅在減排效果方面能夠釋放綠色紅利，但抑制了經濟增長[21]。魏濤遠(2002)指出征收碳稅會降低二氧化碳排放量，但對中國經濟增長帶來負面影響[22]。朱永彬等(2010)研究發現生產性碳稅的綠色紅利優于消費性碳稅，其藍色紅利在不同經濟部門存在差異[23]。劉潔(2011)認為碳稅具有明顯的節能減排效果且能有效調整要素間的收入分配，但短期內對社會總產出、經濟增長產生消極影響[24]。陸旸(2011)利用VAR模型，研究發現綠色稅收政策能夠促進低碳產業的產出增長，但在短期內不能釋放就業方面的藍色紅利[25]。劉亦文(2015)基于動態CGE等模型發現，開征碳稅能降低單位GDP能耗及減少二氧化碳排放，但對宏觀經濟和就業水平等方面帶來較大負面沖擊[26]。國內文獻中完全否定環境稅雙重紅利的研究相對較少。司言武(2007)認為在中國環境稅不存在雙重紅利效應[26]。

現有文獻中也有細分環境稅稅種的研究。如在能源稅方面，Stanislav(2018)研究發現針對風能和太陽能征稅的節能減排作用較小，而針對核能和水能征稅對減少二氧化碳排放起到顯著作用[28]。Zhao(2011)研究了21個OECD國家的九個能源密集型行業，發現征收碳稅能夠顯著減少碳排放[29]。Morley(2014)針對歐盟和OECD國家的研究發現，環境稅的增加并沒有推動各個國家實現減排的目標[30]。在車輛交通稅方面，目前關于這一問題的研究尚不充分，研究交通稅與環境績效和經濟后果的文獻更是十分稀少。在此基礎上，本文選取了環境稅占比超過95%的能源稅和車輛交通稅，從能源消耗及其氣體排放、經濟發展、就業情況等視角研究OECD國家這兩大環境稅的環境績效與經濟績效，力求為我國環境稅法律體系及其運行優化提供有益借鑒。

(二)環境稅綠色紅利假設

征收環境稅可以控制污染行為，實現改善環境的目的；人類的生產和消費活動會排放污染物，進而破壞生態環境，產生社會成本(Takedaa，2007)[5]。因此，排放污染物成為一種負外部性的行為。為解決外部性行為造成的資源配置扭曲，提高經濟效率，經濟學家庇古提出了這樣一種思路，即通過政府征收從量稅來調節環境資源的負外部性[7]。如果這種稅收的稅率恰好等于排污造成的邊際環境損失，就可以將社會性的環境成本內化到生產行為或消費行為之中，進而通過經濟行為主體收益結構的變化，形成有效的減排激勵，抑制能源生產或消費行為的發生而直接減少污染物排放[11]。因此，環境稅的開征有利于環境質量的改善，產生第一重紅利，即綠色紅利。基于此，本文提出以下研究假設：

H1a：在其他條件相同的情況下，OECD國家的能源稅與車輛交通稅，能有效減少如石油和煤炭等一次能源消耗，進而改善生態環境，實現綠色紅利。

H1b：在其他條件相同的情況下，OECD國家的能源稅與車輛交通稅，能有效減少二氧化碳排放、硫氧化物排放、氮氧化物排放，進而改善生態環境，實現綠色紅利。

(三)環境稅藍色紅利假設

征收環境稅可以增加財政收入，政府可以利用增加的財政收入來調整稅收結構，減輕原有稅制給資本和勞動造成的扭曲，增加社會就業，推動經濟持續增長[13]，從而獲得第二重紅利——藍色紅利。較之綠色紅利，藍色紅利實現的條件和機制更為復雜。促使環境稅有效發揮藍色紅利的關鍵在于開征環境稅可以替代其他稅種產生的扭曲性稅收[8-9]。例如，可以依托環境稅所增加的稅收收入，綜合減免企業生產過程中的稅收，避免單方面的成本上升，從而穩定產出[14]。又如，開征環境稅之后減免勞動稅收，不僅可以降低企業的勞動成本，而且還可以提高勞動者勞動收益，增加勞動供給，進而促進就業。再者，利用環境稅稅收產生的稅負平移效應抑制了既有稅種對于資本、勞動等要素配置的扭曲，通過調節收入分配促進社會公平[6]。此外，即使不進行其他領域稅收的調整，單純依靠環境稅稅收進行節能減排方面的政府投資，也利于促進經濟增長與就業，在推動環保產業發展的同時，實現產業結構的優化與升級。同時稅收成本的增加還促進企業以減排為目標的環保技術研發，推動環保領域的技術進步。基于此，本文提出以下假設2：

H2a:在其他條件相同的情況下，OECD國家的能源稅和車輛交通稅有助于帶動經濟發展，增加就業機會，進而實現藍色紅利。

H2b: 在其他條件相同的情況下，OECD國家的能源稅和車輛交通稅有助于實現對其他稅種如個人所得稅或企業所得稅的稅負平移，保持稅收中性，進而實現藍色紅利。

H2c:在其他條件相同的情況下，OECD國家的能源稅和車輛交通稅可以促進高耗能高污染企業探索成本節約方法，促進環保技術、環保產業發展，進而實現藍色紅利。

三、研究模型與變量

(一)研究模型

根據所選取變量的數據特征，本文采用面板 ARDL[31]模型進行研究。面板ARDL模型對于樣本量大小并無限制，同時有助于深入分析各變量長短期關系。值得注意的是，面板ARDL模型相較于一般線性回歸模型，在避免被解釋變量與解釋變量的內生性問題方面的效果明顯[32]。因此，為驗證能源稅及車輛交通稅在能源消耗及氣體排放方面的綠色紅利假設1，本文分別針對能源稅及車輛交通稅設定研究模型(1)和(2)：

δ1LnOILi,t-1+δ2LnENE_TAXi,t-1+δ3IND_STRi,t-1+δ4GDPi,t-1+δ5TECHi,t-1+δ6ECTi,t-1+ε1i,t

(1)

δ1ENE_CO2i,t-1+δ2ENE_TAXi,t-1+δ3IND_STRi,t-1+δ4GDPi,t-1+δ5TECHi,t-1+δ6ECTi,t-1+ε1i,t

(2)

模型(1)中的被解釋變量為人均石油消費量的自然對數，解釋變量為能源稅稅額與國內生產總值的比值，控制變量為工業增加值、國內生產總值年增長率及環保技術。為簡化模型表述，保持模型(1)被解釋變量及控制變量不變的條件下，用車輛交通稅稅額占國內生產總值的比重替換解釋變量可得到車輛交通稅在石油消費方面的綠色紅利檢驗模型。與此類似，將被解釋變量替換為人均煤炭消費量的自然對數，即可得到能源稅及車輛交通稅在煤炭消費方面的綠色紅利模型。本文將石油及煤炭消費量用于考察能源消耗維度的目標，以驗證能源稅及車輛交通稅是否實現綠色紅利。

模型(2)中的被解釋變量為能源部門二氧化碳排放量與燃料燃燒產生的二氧化碳排放總量的比值，解釋變量為能源稅稅額與GDP的比值，控制變量與模型(1)相同。為檢驗車輛交通稅在二氧化碳排放方面的綠色紅利，可將被解釋變量替換為運輸部門二氧化碳排放量占燃料燃燒產生的二氧化碳的比值，解釋變量替換為車輛交通稅稅額占國內生產總值的比值，控制變量保持不變。此外，為檢驗能源稅及車輛交通稅在減排溫室氣體、氮氧化物、硫氧化物方面綠色紅利效應，對被解釋變量做相應替換即可。

為了檢驗能源稅及車輛交通稅在促進經濟發展，降低失業人數、實現稅負平移及推動環保技術發展方面的藍色紅利假設2，本文設定研究模型(3)-(5)：

(3)

(4)

(5)

模型(3)中的被解釋變量為國內生產總值年增長率，解釋變量為能源稅稅額與國內生產總值的比值，控制變量為第二產業增加值、人均石油消費量的自然對數以及環保技術。為得到車輛交通稅在促進經濟增長方面的藍色紅利效應模型，保持控制變量不變，將模型(3)中的解釋變量替換為車輛交通稅與GDP的比值。模型(4)中的被解釋變量為失業人數的自然對數，解釋變量為能源稅稅額與國內生產總值的比值，控制變量為第二產業增加值、GDP年增長率以及環保技術。為檢驗車輛交通稅在增加就業機會方面的藍色紅利效應，保持控制變量不變，將模型(4)的解釋變量替換為車輛交通稅與GDP的比值。為檢驗能源稅及車輛交通稅在降低個人所得稅及企業所得稅稅負方面的藍色紅利效應，可將模型(4)的被解釋變量分別替換為個人所得稅和企業所得稅稅額。模型(5)的被解釋變量為環保技術占比，控制變量為第二產業增加值、GDP年增長率以及與環境相關的政府預算占比，解釋變量可依次替換為能源稅及車輛交通稅與國內生產總值的比值，該模型用于檢驗OECD國家開征能源稅及車輛交通稅在促進環保技術創新方面的藍色紅利假設。

考慮到能源稅及車輛交通稅在節能減排、促進經濟增長、降低失業率、實現稅負平移以及推動環保技術發明方面的影響可能存在滯后性，同時為避免變量數據內生性問題，本文將被解釋變量分別作了滯后一期、滯后二期以及滯后三期處理。Δ和εki,t(k=1,2,3)是各變量的一階差分項和白噪聲項。此外，αi表示不同國家的截距項，下標i為特定單位從1到N的變化。同時，本文基于Schwarz信息準則(SBIC)的最小化來確定每個變量的最優滯后項。

(二)變量解釋及描述性統計

本文研究對象為35個OECD國家或地區，包括澳大利亞、奧地利、比利時、加拿大、智利、捷克共和國、丹麥、愛沙尼亞、芬蘭、法國、希臘、匈牙利、冰島、以色列、愛爾蘭、意大利、日本、韓國、拉脫維亞、盧森堡、墨西哥、荷蘭、新西蘭、挪威、波蘭、葡萄牙、斯洛文尼亞、西班牙、瑞典、瑞士、土耳其、德國、斯洛伐克、英國、美國。研究時間范圍為1994-2014年，各變量具體解釋見表1。

表1 變量解釋

為避免變量的計量單位和數量級差異對實驗結果產生的影響，本文統一對所選取的變量取自然對數。Cong等[33]和Cong，Shen[34]也支持對絕對數值取對數以減少數量間極差對實驗結論影響。本文選用面板數據增加了觀測值，包含更多信息，數據的可變性更大，變量之間的共線性更低，自由度更高，估算效率更高[35]。與截面數據相比，可以獲得更多的動態信息，與時間序列數據相比，更適用于多主體的比較研究。表2為本文各個變量的描述性統計值，由表2可知，OECD國家的能源稅稅收收入占國內生產總值的均值、中位數、最大值等指標均稍稍大于車輛交通稅，進一步表明OECD國家環境稅以能源稅為主，車輛交通稅為輔。在能源消耗及氣體排放指標方面，OECD整體存在不同程度的異質性。值得注意的是，絕大部分變量的標準差較小，表明比值型指標可以消除數據的波動性。

(三)樣本選擇

本文數據來源于世界銀行數據庫、BP石油公司數據和OECD數據庫。樣本來自35個OECD國家1994-2014年度變量能源稅、車輛交通稅、能源部門二氧化碳排放、運輸部門二氧化碳排放、硫氧化物排放、氮氧化物排放、國內生產總值、失業人數、個人所得稅、企業所得稅、環保技術、產業結構等相關數據，共計735個觀測值。

四、實證結果與分析

(一)平穩性及協整檢驗

在對面板數據進行回歸估算之前，必須分析數據的動態特性，為避免回歸出現誤差，檢驗面板數據的穩定性是十分必要的，為此首先進行單位根檢驗。本文采用了Levin, Lin和Chu (2002)[36]，Im，Pesaran和Shin(2003)[37]，ADF(Maddala和Wu (1999))[38]以及PP((Choi (2001))[39]面板單位根檢驗方法。表3可以看到面板單位根檢驗結果，Level表示原序列，Difference表示相應的一階差分序列。可以看到變量TRA_TAX，SOE，NOE，GDP，IND_TAX，COR_TAX，TECH，ENV_BUD，IND_STR等變量在四種方法下原序列單位根檢驗均拒絕原假設，原序列零階平穩。其余變量在至少一種方法下原序列平穩，一階差分序列均平穩。總體而言，面板單位根檢驗結果顯示，本文所選變量呈現零階與一階混合平穩，且在一階差分情況下，所有變量均平穩。

單位根檢驗的結果為進一步進行協整檢驗以研究各變量間的長期共整合關系奠定了基礎，便于進一步了解變量間的長期動態關系。因此，本文進行了Pedroni (1999,2004)[40-41]面板協整檢驗。表4報告了能源稅與車輛交通稅及其相關變量的協整檢驗結果。Pedroni協整檢驗的原假設為各變量之間沒有協整關系，檢驗結果中PP統計值，修正的PP值和ADF統計值均顯著拒絕了變量間不存在協整關系的原假設。因此，變量之間存在長期協整關系。

(二)能源稅綠色紅利的面板ARDL回歸結果

為研究增長率的影響及考慮到變量之間可能存在時間滯后的影響，本文分別建立了滯后一期、滯后二期及滯后三期的面板ARDL模型。表5和表6為能源稅在Panel-ARDL模型下作為解釋變量的長短期綠色紅利效應回歸結果。其中，(1)-(3)列分別是滯后一期、滯后二期及滯后三期的回歸結果。

表3 變量平穩性檢驗

注：括號值為t統計量的精確P值，***、**、和*分別表示在1%、5%和10%的置信水平上拒絕原假設。

表4 面板數據協整檢驗結果

注：***,**, 和*分別表示在1%，5%和10%的置信水平上拒絕原假設。

表5展示了Panel-ARDL模型下能源稅與石油消耗量(OIL)、煤炭消耗量(COAL)之間長短期動態關系。就能源稅與石油消耗量的作用來看，短期內OECD國家的能源稅(ENE_TAX)與石油消耗量滯后一期、二期、三期的回歸系數分別為-1.075、-1.069和-1.078，但在10%水平上并不顯著。GDP與OIL滯后一期的系數為0.236,在1%的置信水平上顯著,即上期GDP增長1%，本期石油消耗量增長0.236%；GDP與OIL滯后二期的系數為0.238，在1%的置信水平上顯著，即當期GDP增長1%，影響未來兩年石油消耗增長0.238%，說明經濟高速發展對石油資源的依賴程度依然處于較高水平。就能源稅對煤炭消耗量的作用來看，長短期內能源稅均顯著降低了煤炭消耗量。短期內ENE_TAX與COAL的滯后三期系數分別為-5.264、-5.254、-5.290，均在10%的置信水平顯著，即能源稅增加1%，煤炭消耗量在在滯后三期內分別顯著減少5.264%、5.254%和5.290%；長期內滯后三期內能源稅與滯后三期內煤炭消耗量系數分別為-1.854、-1.852、-1.870，均在5%的置信水平上顯著，即當期能源稅增加1%，未來三年煤炭消耗量分別降低1.854%、1.852%和1.870%。其次GDP對煤炭消耗量具有顯著的積極作用，短期內GDP對煤炭消耗量量滯后三期內系數均顯著為正。此外，長期內工業增加值對煤炭消耗滯后三期內系數也顯著為正，說明工業部門發展對煤炭資源的依賴依然較大。其次，環保技術與COAL的滯后三期系數分別為-0.236、-0.237和-0.237，該系數在10%水平上顯著，即環保技術增加1%，石油消耗量減少0.236%、0.237%和0.237%，說明OECD國家環保技術的發展對節約煤炭資源能耗具有顯著積極作用。

表6展示了Panel-ARDL模型下能源稅與能源部門二氧化碳排放(ENE_CO2)、溫室氣體排放(GHE)、硫氧化物排放(SOE)、氮氧化物排放(NOE)變量間長短期動態關系。就能源稅對能源部門二氧化碳排放的作用來看，能源稅與滯后三期內能源部門二氧化碳排放系數分別為-0.106、-0.103和-0.099，該系數均在1%置信水平上顯著，即當期能源稅增長1%，未來三期內能源部門二氧化碳排放量分別顯著減少0.106%、0.103%和0.099%，能源稅對能源部門二氧化碳具有顯著的減排作用。GDP與能源部門二氧化碳排放量滯后三期內系數分別為-0.022、-0.023和-0.023，即GDP增長1%，滯后一期能源部門二氧化碳減少0.022%，滯后二期與滯后三期能源部門二氧化碳排放減少0.023%，說明GDP增長對于減少二氧化碳排放量具有顯著的積極作用。就能源稅與溫室氣體排放的關系來看，長期內能源稅與溫室氣體排放滯后三期內的系數分別為-0.251、-0.239和-0.231，分別在5%、5%和10%置信水平上顯著，即能源稅增加1%，滯后一期的溫室氣體排放減少0.251%，滯后二期溫室氣體排放減少0.239%，滯后三期溫室氣體排放減少0.231%，能源稅對溫室氣體排放起到了顯著的“減排”作用。此外經濟增長GDP與溫室氣體排放之間的長期滯后項回歸系數在滯后一期為0.062，滯后二期為0.063，滯后三期為0.072，三個系數均在1%置信水平上顯著，即GDP增加1%，滯后一期溫室氣體排放增加0.062%，滯后二期溫室氣體排放增加0.063%，滯后三期溫室氣體排放增加0.072%，說明高速經濟發展帶來了溫室氣體排放，而能源稅對減少這些排放起到了顯著的積極作用。就能源稅與硫氧化物排放的關系來看，能源稅與滯后三期內的硫氧化物排放量回歸系數分別為-0.038、-0.036和-0.036，在5%置信水平上顯著，即能源稅增加1%，滯后一期硫氧化物排放減少0.038%，滯后二期硫氧化物減少0.036%，滯后三期硫氧化物減少0.036%。此外，經濟增長GDP與硫氧化物排放之間的長期滯后項回歸系數在滯后三期內分別為0.006、0.006和0.007，三個系數均在5%置信水平上顯著，即GDP增長尚不具有顯著的減少硫氧化物排放的作用。同時，工業增加值(IND_STR)與硫氧化物之間的系數顯著為負，即工業發展中硫化物減排效果已十分明顯，但環保技術對于減少硫氧化物排放的作用有待進一步加強。就能源稅與氮氧化物排放的關系來看，能源稅與滯后三期氮氧化物排放之間的系數分別為-0.001、-0.001和0.001，但該系數并不顯著。GDP與氮氧化物排放之間的系數顯著為負，GDP與滯后三期氮氧化物排放之間的系數均為-0.002，即GDP增長1%，氮氧化物排放量在滯后三期內均減少0.002%。同時滯后三期環保技術(TECH)與氮氧化物排放的滯后三期內系數均顯著為正，即目前環保相關技術對于減少氮氧化物排放的作用尚未突顯，針對硫氧化物、氮氧化物排放減排的環保技術有待進一步提高。

表5 能源稅對石油和煤炭消耗的面板ARDL回歸結果

注：括號內是相應統計量的精確p值，***，**，*分別在1%，5%和10%置信水平上顯著。

(三)車輛交通稅綠色紅利的面板ARDL回歸結果

表7展示了Panel-ARDL模型下車輛交通稅與石油消耗量(OIL)，煤炭消耗量(COAL)之間長短期動態關系。就車輛交通稅與石油消耗量關系來看，滯后三期的車輛交通稅與滯后二期內石油消耗量之間的系數分別為-0.773和-0.755，在10%置信水平上顯著。即車輛交通稅增加1%，石油消耗量在滯后二期內分別減少0.773%和0.755%。同時GDP與石油消耗量之間系數顯著為正，說明經濟發展對石油資源的需求依然很高。環保技術與石油消耗量之間的系數為負且不顯著，說明環保技術對石油消耗的抑制作用尚未體現。就車輛交通稅與煤炭消耗量關系來看，車輛交通稅與煤炭消耗量之間系數為負但并不顯著，說明車輛稅未起到顯著降低煤炭消耗量的作用。工業增加值與煤炭消耗量之間顯著正相關，經濟增長與煤炭消耗量之間顯著正相關，說明的工業產業及經濟發展較高程度依賴于煤炭消耗。同時環保技術與煤炭消耗量之間系數為負但不顯著，說明環保技術對煤炭資源消耗的抑制作用也有待進一步實現。

表6 能源稅對氣體排放的面板ARDL回歸結果

注：括號內是相應統計量的精確p值，***，**，*分別在1%，5%和10%置信水平上顯著。

表7 車輛交通稅對石油和煤炭消耗的面板ARDL回歸結果

注：括號內是相應統計量的精確p值，***，**，*分別在1%，5%和10%置信水平上顯著。

表8展示了Panel-ARDL模型下車輛交通稅與交通運輸部門二氧化碳排放量(TRA_CO2)，溫室氣體排放(GHE)，硫氧化物排放(SOE)，氮氧化物排放(NOE)變量間長短期動態關系。就車輛交通稅與交通運輸部門二氧化碳排放關系來看，車輛稅與運輸部門二氧化碳排放之間系數為負但不顯著。總體而言，車輛交通稅對減少石油消耗量具有顯著的綠色紅利效應，但其對于減少煤炭消耗量與運輸部門二氧化碳排放的紅利效果尚未體現，需通過進一步提高針對化的環保技術，優化產業結構等方式實現。就車輛交通稅與溫室氣體排放的關系來看，短期內車輛交通稅與溫室氣體排放三期內的系數分別為-1.371，-1.322和-1.208，但均不顯著說明車輛稅對溫室氣體排放尚未起到顯著抑制作用。此外，長期內經濟增長與溫室氣體排放系數在滯后一期為0.073，滯后二期為0.064，滯后三期為0.063，三個系數均在1%置信水平上顯著，即隨著GDP增長，溫室氣體排放顯著增加，而車輛交通稅對溫室氣體排放起到了顯著的減排作用。就車輛交通稅與硫氧化物排放的關系來看，短期內車輛交通稅與硫氧化物排放量滯后三期內系數分別為-0.345、-0.329和-0.337，均在1%置信水平上顯著，即車輛交通稅增加1%，滯后一期硫氧化物排放減少0.345%，滯后二期硫氧化物排放減少0.329%，滯后三期硫氧化物排放減少0.337%。此外，長期內經濟增長與硫氧化物排放之間的系數在滯后一期為0.005，滯后二期為0.006，滯后三期為0.006，三個系數分別在10%、5%和5%的置信水平上顯著，即GDP增長1%，滯后三期內硫氧化物分別增加0.005%、0.006%和0.006%。而車輛交通稅對減少硫氧化物排放起到了積極的作用。就車輛交通稅與氮氧化物排放的關系來看，車輛交通稅與滯后三期內氮氧化物排放之間的系數均不顯著，反而短期內經濟增長與氮氧化物排放之間的系數均在1%置信水平上顯著為負，經濟增長與滯后三期內氮氧化物排放之間的系數均為-0.002，即GDP增長1%，氮氧化物排放量減少0.002%。同時滯后三期環保技術與氮氧化物排放的系數均顯著為正，說明目前環保技術對抑制氮氧化物排放的作用尚未體現，鼓勵與支持環保技術進一步發展是十分必要的。

(四)能源稅藍色紅利的面板ARDL回歸結果

表9展示了面板ARDL模型下能源稅與經濟發展(GDP)和失業人數(UNE)之間的動態關系。就能源稅與經濟增長的關系來看，短期內能源稅與GDP滯后一期系數為13.207，在1%置信水平顯著，即能源稅增長1%，滯后一期GDP增加13.207%；能源稅與GDP滯后二期系數為13.264，在1%置信水平顯著，即能源稅增加1%，滯后二期GDP增加13.207%；能源稅與GDP滯后三期系數為13.208，在1%置信水平顯著，即能源稅增加1%，滯后三期GDP增加13.208%。同時短期內石油消耗量與GDP滯后三期系數分別為-1.100、-1.096和-1.110，三個系數均在1%置信水平上顯著為負，短期石油消耗增加1%，滯后三期內GDP分別減少1.100%、1.096%和1.110%。同時長期內環保技術與GDP滯后三期的系數分別為0.281、0.276和0.278，均在10%置信水平上顯著，即長期內環保技術增加1%，滯后一期GDP增長0.281%，滯后二期GDP增長0.276%，滯后三期GDP增長0.278%，說明環保技術進步拉動了社會經濟發展。就經濟增長與失業人數的關系來看，短期內能源稅與失業人數滯后三期的系數分別為13.207、13.264和13.208，均在1%置信水平上顯著，即能源稅增加1%，短期內失業人數在滯后一期增加13.207%，滯后二期增加13.264%，滯后三期增加13.208%，說明隨著能源稅的增加，失業人數不但沒有減少，反而顯著增加，這與開征能源稅淘汰高耗能企業有關。長期能源稅與失業人數滯后三期的系數分別為-1.729、-2.041和-2.032，分別在10%、5%和5%置信水平上顯著，即能源稅增加1%，失業人數在滯后一期減少1.729%，滯后二期減少2.041%，滯后三期減少2.032%，說明長期內能源稅對減少失業人數起到了顯著的積極作用。