大氣規制對全要素生產率的動態影響效應測算

王 玥， 譚 雪， 翁智雄， 石 磊*， 馬 中， 陸根法

1.中國人民大學環境學院, 北京 100872 2.國網能源研究院有限公司, 北京 102209 3.北京工業大學循環經濟研究院, 北京 100124 4.南京大學環境學院, 污染控制與資源化研究國家重點實驗室, 江蘇 南京 210023

京津冀地區是我國的經濟發展重地[1]，也是大氣污染防治重點區域之一[2]. 2017年，為加強區域大氣污染協同防控，原環境保護部將京津冀及周邊地區“2+26”城市(包括北京市、天津市、石家莊市、唐山市、保定市、廊坊市、滄州市、衡水市、邯鄲市、邢臺市、濟南市、淄博市、聊城市、德州市、濱州市、濟寧市、菏澤市、鄭州市、新鄉市、鶴壁市、安陽市、焦作市、濮陽市、開封市、太原市、陽泉市、長治市、晉城市)納入京津冀大氣污染傳輸通道，制定了高強度的大氣規制. 大氣規制是環境規制的重要領域之一，通過多種舉措(包括命令控制、市場激勵、自愿自發等形式)的實施以實現改善空氣質量、治理大氣污染的規制目標[3-5]. 大氣規制將“2+26”城市協同考慮，但各城市的經濟社會情況和資源稟賦條件等存在顯著差異，不宜采取“一刀切”的規制策略，有必要研究如何結合各地實際進行差異化規制，更好地激發區域協同減排效益，促進地區大氣環境質量改善和經濟協同發展.

環境規制對經濟發展會產生何種影響一直是學術界的爭議話題. 傳統觀點認為，環境規制使企業在減排上分配勞動力和資本，將阻礙生產力提升[6]. Porter等[7]提出的“波特假說”則具有不同的觀點，該假說有強、弱等分支[8]，其中，強波特假說認為，適宜的環境規制能夠提高生產力[9]；弱波特假說認為，環境規制能夠促進創新，但該創新能否提高生產力并不確定[10]. 波特假說著力于探究環境規制與生產力之間的關系，為學界提供了全新的研究思路，波特假說不僅能夠為環境規制的制定提供理論支撐，也對環境規制強度調整具有現實參考意義. 目前，對于波特假說及其分支的爭論仍未結束[11-12]，其是否適用于中國也尚未定論[13]. 當前檢驗波特假說的研究既有國家產業層面[14-15]，也拓展到了省級層面[16-17]，但城市層面的有關研究尚顯不足. “2+26”城市作為我國大氣規制重點施行區域，為從大氣規制角度研究波特假說提供了良好的條件，而全要素生產率(total factor productivity, TFP)作為表征生產力的重要指標[18]，被選為研究波特假說的核心因子.

TFP代表非生產要素投入對產出的貢獻，引起了國內外學者的廣泛關注. 20世紀末，Gray[19]利用美國450個制造行業數據測算了TFP，發現環境規制導致企業成本增加，而使得制造業的TFP降低；之后Barbera等[20]估算了美國工業產業的TFP，發現產業所受的環境影響與其對能源的依賴度有關. 我國也涌現了大批以技術創新或TFP作為標準來分析環境規制強度的研究，例如，李佳澍[21]利用中國2004—2018年省際面板數據檢驗了環境規制對TFP的影響，發現二者之間存在顯著的“U”型關系，且環境規制對TFP的影響存在顯著的區域異質性；黃金枝等[22]以東北老工業基地為研究對象，評估城市TFP并分析了環境規制與城市TFP、創新效率及經濟增長之間的關系，發現環境規制推動了城市TFP與創新效率的提高，波特假說在東北老工業基地可以成立. 2017年，“提高全要素生產率”出現在黨的十九大報告中，凸顯了黨和國家對TFP發展情況的高度重視. 然而，現有研究多關注于環境規制整體[23-24]，專門針對大氣規制的研究尚未充分開展，同時，對環境規制短期、長期效應的細化評測仍有待補充. TFP的變動趨勢對生產力發展模式的改進具有重要的參考作用，識別TFP的主要驅動因素，有利于深入剖析環境規制對TFP的影響，具有重要現實意義. 分析大氣規制沖擊下，“2+26”城市TFP及其主要驅動因素將受到何種影響，并考慮大氣規制效用的滯后性，從更長的時間尺度預測該影響的變化情況、持續時間，可以為大氣規制的制定、評估提供參考，也有利于探索“2+26”城市大氣環境與社會經濟的協同發展途徑.

該研究從城市層面出發，聚焦多種大氣規制手段綜合作用的效果，以探究大氣規制對各城市生產力發展的動態影響. 通過對“2+26”城市TFP動態指數的測算和影響因子分解，考察各城市經濟發展的狀態以及該城市群經濟發展質量的變動趨勢，并識別TFP變動的關鍵影響因素；在此基礎上，分析大氣規制對各城市TFP及其關鍵影響因素的短期、長期影響和影響持續時間，驗證強、弱波特假說在“2+26”城市的適用性. 該研究旨在根據波特假說的成立情況，以及各城市的大氣規制影響特點，提出相應的政策建議，為實現“全面布局、精準施策”的大氣規制設計提供參考.

1 研究方法

1.1 全要素生產率動態指數測算

繼瑞典經濟學家Malmquist[25]提出Malmquist指數后，Andersen等[26]提出了超效率數據包絡分析(data envelopment analysis，DEA)模型，在此基礎上建立的超效率DEA-Malmquist指數，能夠比較不同時期TFP的動態變化[27]，是當前用來研究TFP變動情況最為普遍的技術之一[28]. 表征相鄰時期TFP差異的Malmquist指數(Mi)形式如下：

Mi(xit+1,yit+1;xit,yit)=

(1)

式中：xit、yit為t時期的輸入、輸出向量，為全面評測各城市生產力狀況，除將傳統的資本、勞動力作為投入、經濟發展水平作為期望產出外，將能源納入投入要素，將工業SO2、工業煙粉塵排放量納入非期望產出要素，以使所測算的TFP變動指數可表征綠色生產力的變化情況；Dit(xit,yit)為t時期技術條件下第i個決策單元的距離函數值，其定義等同于被觀測點(xit,yit)與生產前沿面的距離，距生產前沿面越近，該點的生產率水平越高. 當Mi>1時，說明與t時期相比，t+1時期的TFP呈增長狀態；Mi=1時表示未發生變化；Mi<1時則呈下降態勢.

Malmquist指數可分解為技術效率、技術創新的形式：

Mi(xit+1,yit+1;xit,yit)=effch×techch=

(2)

式中：effch為t時期到t+1時期技術效率的變動，用于衡量決策單元對最佳生產前沿的追趕程度；techch為技術創新水平變動，表征t時期到t+1時期前沿技術方面的進退情況.

為保證數據的準確性，以全社會固定資產投資統計口徑發生變化的2004年為起點；為避免大氣規制的統一趨勢對結果的影響，以“2+26”城市劃定完成的2017年為時間節點. 在測算TFP動態指數時，資本要素的量化指標為用永續盤存法計算所得的固定資本存量[29]；勞動力要素的量化指標為各城市從業人員期末人數；能源要素的量化指標為各城市綜合能源消費量；經濟發展的量化指標為各城市地區生產總值(2005年為基準年). 主要投入產出指標的描述性統計如表1所示. 數據來源于2005—2018年《中國統計年鑒》、2007—2018年《中國城市統計年鑒》及各省份統計年鑒，中間缺失數據以插值法填充，首尾缺失數據以相鄰年份數據與其他年份平均增長率進行估算. 由于非期望產出與期望產出之間存在概念、單位等方面的差異，無法直接從期望產出中扣除，因此采用間接轉換法[30]，將非期望產出轉換為DEA模型可以求解的數據模式，即將取倒數后的非期望產出看作期望產出納入模型，從而達到“期望產出上升時，非期望產出下降”的研究目的.

表1 主要投入產出指標描述性統計結果

1.2 大氣規制影響效應評估

1.2.1大氣規制強度綜合指數構建

“2+26”城市群劃定前，各城市大氣規制制定比較分散，強度存在明顯差異. 以排放標準為例，北京市、山東省制定了本地大氣污染物綜合排放標準，天津市、河北省、河南省僅在行業層面出臺了地方排放標準，山西省則主要執行GB 16297—1996《大氣污染物綜合排放標準》，規制背景的異質性為研究各城市的差異化管理提供了有利條件，各城市TFP的響應情況能夠為城市分類管理提供參考. 對于大氣規制強度的量化，目前尚未形成固定的模式和體系，現有的環境規制強度量化思路，主要有根據規制實施的過程衡量、根據規制產生的結果衡量兩個角度，前者多關注治理支出，如減排成本占總成本的比重[31]、減排成本占附加值的比重[32]等，然而該類指標受當地財政收入、經濟水平等因素影響較大，在不同城市之間的可比性不高；后者多關注污染排放，如不同污染物的排放密度[33]等，但因污染物的排放與當地的工業發展水平、產業結構等因素關系密切，這類指標也很難反映出各城市所感受到的規制壓力. 大氣規制強度受到經濟、環境等多方面的影響，應用單一指標很難進行量化，且由于各污染物之間、各城市之間存在差異，難以直接進行比較. 考慮到相較于規制實施過程而言，規制結果更接近各城市感受到的實際壓力和做出的反應，因此選擇從規制結果角度出發，以實現“2+26”城市大氣規制強度可比性為目的，參考傅京燕等[34]的方法，構建與大氣規制強度(atmospheric regulation strength，ARS)正相關的綜合指數. 不同地區、不同行業所關注的大氣污染物有所不同，為使各城市大氣規制強度具有可比性，需選取“2+26”城市大氣規制均聚焦的污染物. 通過比對各地的排放標準，基于數據的可得性，以工業SO2、工業煙粉塵的去除率為主要指標進行指數構造.

對大氣污染物的去除率進行去量綱化：

(3)

式中：Rkj為城市k大氣污染物j的無量綱指數，rkj為城市k大氣污染物j去除率的原始值，%；Max(rj)、Min(rj) 分別為大氣污染物j在所有城市中當年去除率的最大值、最小值，%.

通過調整系數對不同城市、不同污染物的指標進行調整：

(4)

式中:Wkj為城市k大氣污染物j的調整系數，Ekj為城市k大氣污染物j的排放量，104t;Dk為城市k的地區生產總值,108元. 對城市k來說，大氣污染物j的排放量越大、經濟發展水平越低，大氣規制造成的壓力就會越大，城市k大氣污染物j被賦予的調整系數就越高.

根據式(3)(4)的計算結果，通過(5)得出各城市當年的大氣規制強度比較矩陣(ARSk).

(5)

1.2.2基于向量自回歸模型的脈沖響應函數

TFP除受自身滯后效應的影響外，同時還受到大氣規制滯后效應的影響，這種動態關系可以用向量自回歸(vector autoregression，VAR)模型擬合. 在滯后階數為p的情況下，VAR(p)可用式(6)[35]表示：

VAR(p)l=v+A1VAR(p)l-1+…+

ApVAR(p)l-p+ul

(6)

式中，A1～Ap為變量系數，l代表被解釋變量VAR(p)的所在時期,VAR(p)l-1～VAR(p)l-p代表VAR(p)l的滯后1期至滯后p期，即將VAR(p)l表示為其過去1期至p期值的線性函數，v為常數，ul為隨機誤差.

僅通過VAR模型尚無法直觀識別變量間的因果關系，脈沖響應函數(impulse response function，IRF)作為研究動態系統內變量之間因果關系的方法，被廣泛用于VAR模型的補充分析[36]. 運用該方法探究大氣規制對各城市TFP變動的短期、長期因果效應，并預測大氣規制影響的持續時間，以期在“2+26”城市大氣規制的制定和評估中為決策者提供該規制的短期、長期經濟影響估計，并提出有參考價值的政策調整和評估周期，進而通過提高大氣規制設計的科學性和合理性，促進大氣環境質量與經濟發展質量的“雙贏”.

2 結果與討論

2.1 TFP動態指數測算分解

對“2+26”城市的TFP動態指數(Malmquist指數)進行測算，并在規模報酬不變的假設下，分解得到技術效率、技術創新的貢獻指數，從空間角度進行城市間的對比分析(見圖1).

圖1 “2+26”城市平均TFP動態指數測算及分解Fig.1 Estimation and decomposition of average dynamic TFP index in ‘2+26’ cities

整體上看，石家莊市、衡水市、德州市、開封市、新鄉市、濮陽市的平均TFP動態指數均超過臨界值1，TFP呈上升態勢，而其他22個城市的TFP有不同程度的下降. 根據TFP動態指數的分解結果，技術效率指數區間為[0.950，1.024]，各城市差距并不顯著；而技術創新指數區間為[0.818，1.097]，各城市差別相對較大，且技術創新指數值與TFP動態指數值較為接近.

從時間角度對“2+26”城市群的TFP動態指數及其分解因子進行歷年變化趨勢分析，結果見圖2. 2014—2015年及以前，TFP動態指數尚未達到1，此時“2+26”城市群的TFP處于下降態勢；2015—2016年后TFP動態指數突破臨界值1，說明TFP已轉為上升態勢. 整體上看，TFP動態指數的平均值為0.954，表明TFP總體上降低了4.6%. 技術創新指數與TFP動態指數具有相似的變化趨勢，而技術效率指數總體上略有下降.

圖2 TFP動態指數及技術效率、技術創新指數變化趨勢Fig.2 Trends of TFP dynamic index, technological efficiency index and technological innovation index

綜上，“2+26”城市的TFP變動情況存在區域差異，2006—2017年間經歷了先降后升的過程. 技術創新為TFP變動的主要驅動因素，而技術效率對TFP的貢獻率則有待提升. 然而，僅通過TFP動態指數及其分解因子的時間、空間分析，尚無法得知大氣規制對TFP及其主要驅動因素(技術創新)的具體效應，需進一步定量分析.

2.2 大氣規制的影響效應分析

以各城市ARS指數為解釋變量，分別以TFP動態指數、技術創新指數為被解釋變量建立VAR模型，采用單位根方法進行平穩性檢驗，“2+26”城市中僅有衡水市未通過數據平穩性檢驗，表明該城市當前的數據對于其未來發展態勢不具有代表性. 根據楊婷等[37]的研究，衡水市作為河北省曾經污染最嚴重的城市，近年來的減排措施起到了顯著效果，2017年其主要大氣污染物的排放總量均有較大幅度下降. 該城市的減排效果得以從圖1所示的測算結果證實，衡水市平均TFP動態指數最高，表明其TFP增幅最大，綠色生產力提高顯著，這也使得其數據出現較大波動，僅使用當前的數據難以對該城市未來的發展情況進行準確評測. 與此同時，楊婷等[37]發現，衡水市大氣污染物的外地貢獻率高于其本地貢獻率，鑒于該城市臨近重工業污染城市——保定市、邢臺市等，該城市大氣規制所產生的影響存在諸多不確定性，應結合區域發展情勢、大氣污染物傳輸規律等進行具體分析. 各城市的IRF輸出結果如圖3～4所示，界定被解釋變量的1期響應為短期效應，2期及以上響應為長期效應，IRF圖像在橫軸上方時，表示ARS的沖擊產生正向效應，在橫軸下方時則代表負向效應.

圖3 “2+26”城市變量TFP對變量ARS的IRF圖Fig.3 IRF of variable TFP on variable ARS in ‘2+26’ cities

圖4 “2+26”城市變量techch對變量ARS的IRF圖Fig.4 IRF of variable techch on variable ARS in ‘2+26’ cities

根據IRF的輸出結果對“2+26”城市進行歸類，結果如表2所示. 在大氣規制對TFP產生有利影響時，強波特假說成立；在其對技術創新產生有利影響時，弱波特假說成立. 由表2可見，強波特假說并非適用于所有區域，且其成立情況隨時間的延長有所改變，這與熊航等[38]的研究結論相符合；同樣，弱波特假說的成立情況也在區域、時間階段上存在差異，這與于鵬等[39]的研究結果相似. 從長期效應來看，大氣規制對TFP和技術創新的影響會持續15～20年甚至更長時間，因此大氣規制的設計、制定需審慎對待.

表2 “2+26”城市大氣規制效應歸類

值得注意的是，波特假說在邯鄲市短期內不成立，但在大氣規制施行后的2～4年內轉為成立. 通過對各投入產出指標進行深入分析發現，邯鄲市是研究時間范圍內能源消費增幅最大的城市，綜合能源消費量變化率高達187.05%，能源消費是其經濟發展的關鍵動力，在大氣規制出臺后受到一定程度的抑制，短期內其TFP受到了負面沖擊，但隨著時間的延長，技術創新在大氣規制的刺激下將有所突破，能源替代率提高，能源消費對TFP的限制減弱，大氣規制對TFP的有利作用開始顯現. 相對應地，波特假說在天津市、淄博市短期內成立，但在大氣規制施行后的2年內轉為不成立. 從指標數據來看，這兩個城市的工業廢氣排放量均位于“2+26”城市的前4位，限制了其TFP的發展. 大氣規制出臺后，刺激污染物減排，減排產生的效益對TFP產生有利影響，但隨著時間的延長，城市的減排潛力下降，大氣規制對其能源投入、經濟發展等領域的抑制作用逐漸顯現，對TFP的影響開始轉為負面.

從波特假說的分支來看，弱波特假說在唐山市、邢臺市、滄州市、濱州市始終成立，2006—2017年，該4個城市的工業廢氣污染物減排情況相對其他城市較差，在唐山市、濱州市、滄州市甚至出現工業煙粉塵排放量增加的現象，其增長率分別為71.8%、57.4%、2.7%. 相對于其他城市而言，這些城市的減排任務更加難以完成，僅憑傳統的、強制性的手段難以實現，因此更傾向于采取具有持續性、靈活多樣的手段，與此相關的減排激勵也會更多，這對當地的技術創新有著更大的促進作用，為弱波特假說的實現創造了有利條件. 值得注意的是，以上城市中，強波特假說僅在邢臺市出現不成立的情況，原因在于邢臺市的污染物減排情況(變化率為-26.2%)優于唐山市、滄州市、濱州市等3個城市，減排壓力相對較小. 除此之外，邢臺市的技術創新雖然被大氣規制推動，但該城市的技術效率發展態勢不佳，對TFP的平均貢獻率僅有0.98(見圖1)，新技術出現后未能及時普及，導致該城市的TFP沒有得到提升. 相較而言，唐山市、滄州市、濱州市的技術效率變動率都在0.99以上(見圖1)，發展態勢穩定，在技術有所創新后，新技術能夠高效地普及，從而促進TFP提升，有利于強波特假說實現. 對于廊坊市、鄭州市、開封市、安陽市來說，雖然弱波特假說存在不成立的情況，但強波特假說得以成立，表明這些城市的大氣規制并非主要通過技術創新提升TFP，而是通過社會經濟的其他不可觀測因素，如執行力、環保意識等. 在所研究的時間范圍內，廊坊市、鄭州市、開封市、安陽市SO2去除率的平均值低于其他城市，反映其污染物去除技術可能難以在短時間內有較大突破，需積極從其他角度謀求減排，大氣規制對其社會經濟系統的影響更為廣泛和深入，對TFP產生有利影響.

3 結論與建議

a) 在大氣規制日趨協同化的背景下，“2+26”城市的TFP經歷了先降后升的過程，發展態勢總體趨好，但后期的上升尚未彌補前期的損失，2006—2017年仍存在4.6%的降幅. 技術創新是“2+26”城市TFP變動的主要驅動因素，為穩固和優化TFP發展態勢，應注重前沿技術的普及和推廣，著力提升該城市群整體技術效率.

b) 大氣規制對TFP、技術創新的影響可持續15～20年甚至更長時間，波特假說并非適用于所有地域和時間范圍. 減排壓力相對較大的城市更有利于波特假說的實現，而該假說能否長期成立則與城市的能源依賴度、減排潛力有關. 大氣規制的效應轉變多發生在其施行后的2～4年內，對于能源依賴度較高的城市，大氣規制對TFP的有利影響在規制施行一定時間后才得以顯現；而對于當前減排潛力較大的城市，大氣規制對TFP的促進作用會隨著減排潛力的下降而削弱.

c) 對于波特假說成立的城市，可結合本市產業的反應速度，穩步提升大氣規制強度. 對于不符合波特假說的城市，應在保持本市大氣規制強度穩定的同時，通過組織管理改進、經濟結構升級等方式促進TFP提升，逐步改良發展模式以轉變當前狀態.

d) 對于波特假說短期成立、長期不成立的城市，決策者應在效應發生轉變之前(2年內)及時對大氣規制進行評估和調整，以避免該規制對TFP、技術創新產生不利影響. 對于波特假說短期不成立、長期成立的城市，決策者除持續施行大氣規制(2年以上)外，還應激勵技術創新、提升TFP水平，以縮短臨界點的到達時間，加快該影響方向的轉變.

e) 研究顯示，大氣規制影響力持久，各城市在大氣規制的標準和政策制定施行前應慎重考評，對潛在的負面影響制定規避策略. 除此之外，應在本市大氣規制影響消失前(多為20年內)及時對其進行評估、調整或修訂，以維持其影響.