空氣污染與中國工業企業社保繳費
——來自微觀數據的實證分析

□ 曹斯蔚

(中國人民大學 財政金融學院, 北京 100872)

[基金項目]國家自然科學基金項目“中國式政府競爭對空氣污染時空分布的影響研究”(71903008)、國家社會科學基金項目“推動經濟高質量發展的財政管理體制優化研究”(19BJY216)、中央高校基本科研業務費專項資金資助項目“新績效考核制度下中國式政府競爭對地方政府行為的影響及其福利效應研究”(20XNL002)。

一、引 言

保險作為一種風險轉移的工具,與空氣污染這一風險因子關系密切。已有成果研究了空氣污染對個人健康保險需求的影響(Chang et al.,2018[1];伍駿騫等,2019[2];袁成和劉舒亭,2020[3]),但作為對經濟社會影響最重大、廣泛的社會保險,其與空氣污染的因果關系并未理清。空氣污染對企業經營的風險效應與成本效應會對社保繳費產生影響,表現為提高風險感知水平和企業成本負擔擠占。一方面,社保是轉移風險的工具;另一方面,社保繳費增加了企業的用工成本負擔。邏輯上,空氣污染的風險感知效應是更直接的。對企業社保繳費的成本擠占效應則更間接、隱性且傳導鏈條更長,要影響到企業的實際生產經營,增加成本負擔,其作用門檻更高。輕微的空氣污染影響可能為風險感知效應所主導,在短期內拉動了企業社保繳費的上升,但嚴重的空氣污染卻大量地擠占了企業經營成本,造成社保繳費的“倒U型”逆轉下降。我國空氣污染極現象受到各方關注。其中,新疆和田、喀什一度位列全球空氣質量最差城市前二十,首都北京也曾被列為全球前100名霧霾城市(1)網易網:“報告 | 全球3000座城市霧霾排行榜,印度德里竟然擠不進前十名”,https:∥www.163.com/dy/article/E9GMVI7O0519LEUN.html.。空氣污染對社保繳費的影響更可能是經常性地被成本擠占效應所主導,空氣污染所造成的成本擠占效應也許可以為我國工業企業極為普遍的社保逃費現象提供一個新的環境視角的解釋與證據。

2012年以來,我國政府面向國內與國際社會推出了許多針對空氣污染與環境保護的指導性政策文件，如國內的具體有2000年的《大氣污染防治法》、2013年的《大氣污染防治行動計劃》、2018年的《打贏藍天保衛戰三年行動計劃》等。我國空氣污染防治已不僅是一個國內的經濟社會問題,還對我國國際形象的建立至關重要。我國積極推動空氣污染防治工作，這體現了大國擔當。工業企業的社保繳費遵從與逃費一直是我國社會保障體系構建的難點和輿論熱點，空氣污染對工業企業社保繳費究竟影響幾何?其值得關注。鑒于PM2.5濃度已是廣受國際社會接受的空氣污染測度指標(Ebenstein A et al.,2015)[4]，本文選取其作為空氣污染對中國工業企業社保繳費影響的核心解釋變量,力圖給出實證證據,以證明其之間“倒U型”關系的存在。

本文至少有三點政策含義。一是論證了大氣防治等環保治理措施對我國大多數企業,具有“降成本”的政策效應,可起到提高工業企業社保繳費遵從的助推作用。二是本文的證據表明:我國經濟要實現高質量發展,加強社會保障制度建設與環保治理措施在我國并不矛盾,還具有協同效應。三是在空氣質量良好、空氣污染不嚴重、但社保壓力大、經濟欠發達的地區,要注意空氣污染治理所帶來的風險感知鈍化效應,給予企業優惠與政策引導,減少因為環保規制而帶來的經濟成本與社保繳費規模下降。同時，本文的實證分析在理論上進一步豐富了環境風險與社保需求間關系的研究結論。

社保繳費因我國長期以來社保征管的“屬地化”管理原則,一直存在著激勵不足、地方政府自由裁量與企業不遵從的問題,制度上有很多模糊化、不透明、有爭議的地方。首先,在2019年以前，征管體制上由社保經辦機構征收、地方稅務部門征收、社保經辦機構委托地方稅務部門代為征收三種模式共存,且由地方政府自由選擇。社保內部各險種、各所有制征收對象間還存在著相互嵌套的“碎片化”(劉軍強,2011[5])。2018年,中共中央辦公廳、國務院辦公廳印發了《國稅地稅征管體制改革方案》,規定了各項社保費將由稅務部門統一征收,并于2019年正式移交實施(2)搜狐網:“重磅丨中辦國辦印發《國稅地稅征管體制改革方案》各項社保費將由稅務部門統一征收”,https:∥www.sohu.com/a/242711400_822893。,我國社保費的征繳部門之爭畫上句號。但改革的進度因為各種因素的影響,政策的執行暫定采用的是“成熟一省,移交一省”的漸進式改革思路(尹恒等,2021[6])。又因社保收支在地區間的不平衡、不充分,將統籌層次上移以進行中央的統一劃撥調劑一直被學界、實務界以及社會各階層所廣泛討論。但因統籌的上移會弱化地方實際征收機構的激勵和觸及地方政府的利益,下一步統籌層次上移對社保繳費征管的影響已被重點關注(朱恒鵬等,2020[7];趙仁杰和范子英,2020[8])。

然而,這些制度性分析都沒有捕捉到企業主動的社保繳費遵從情況。空氣污染既會提高企業風險,也會增加企業負擔,產生風險效應與成本效應。社保本身是一攬子保險產品,其既是轉移風險的工具,也是附加于勞動力購買價格之上的成本負擔。空氣污染對企業風險的提高具有直接性。惡劣的工作環境、呼吸道中混雜的顆粒物與可見的霧霾彌漫會被人類個體先直接感知,企業更迫切地需要采取低端勞動力積累的勞動密集型經營策略,并在招工時給予員工更高工資以進行補貼式的健康補償。對于企業的成本效應則更隱性、更間接,比如嚴重的霧霾彌漫造成交通運輸限行、存貨周轉受阻(李超和李涵,2017[9]);使勞動生產率下降(陳詩一和陳登科,2018[10]; Fu et al.,2019[11];陳帥,張丹丹,2020[12]),直覺上，其均需要空氣污染達到一定的閾值條件才會產生。因此,空氣污染對工業企業社保繳費可能具有風險效應、成本效應交替主導的“倒U型”影響。本文選擇中國工業企業社保繳費規模作為實證分析的被解釋變量,以精確計算到縣的PM2.5濃度為指標,檢驗空氣污染對社保繳費的影響。識別使用逆溫差作為工具變量,較好地解決了識別的內生性問題,加入穩健性檢驗與異質性分析,得出了相對可信、穩定、信息豐富的結論,將社保繳費的因變量進行分解檢驗,還基于行業類型分組回歸以進行異質性分析。結論表明,空氣污染對企業存在直接的風險效應與間接的成本效應,同社保繳費間是“倒U型”關系。

本文使用中國工業企業數據(CIBPD)、美國國家航空航天局(NASA)氣象衛星遙感AOD(氣溶膠光學厚度)反演數據、中國氣象科學數據共享服務網(CNEMC)天氣數據數據庫,構建了一個非平衡的面板數據集。數據的處理上使用了衛星數據的柵格點,采取雙線插值的辦法,計算出了精確到縣的年均PM2.5濃度水平,檢驗縣域年均PM2.5濃度對社保繳費的“倒U型”影響。

結果表明,PM2.5濃度上升與轄區內工業企業的社保繳費規模存在“倒U型”關系,即社保繳費先為直接的風險效應所主導,達到一定的閾值后再出現負擔擠壓的間接成本效應，且這一實證結果具有穩健性。然后,對社保繳費規模的因變量進行分解,發現PM2.5對社保繳費的影響更多的是通過員工人數與人均工資起作用，在基于行業類型的分組回歸中存在異質性。其與前文形成對照,增加了本文結果的可靠性。

本文的創新點與邊際貢獻在于:實證發現了PM2.5增加與我國工業企業社保繳費規模的“倒U型”關系,并進行了基于行業類型分組的異質性分析,較為細致地闡明了PM2.5影響工業企業社保繳費的直接風險感知效應與間接成本擠占效應。本文還將社保繳費規模的因變量分解為員工人數、人均工資與社保費率以探明PM2.5影響社保繳費規模的方式,提供了環境因素對社保繳費、保險需求影響的新視角,為空氣污染對企業行為的研究提供了新的參考。

本文以后的結構安排如下:第二部分是文獻綜述與研究假設;第三部分是實證研究設計;第四部分是實證回歸結果;第五部分是穩健性與異質性檢驗;第六部分為結論與政策建議。

二、文獻綜述與研究假說

(一)文獻綜述

1.社保繳費的影響因素

我國工業企業社保逃費現象多發，因此，對社保繳費影響因素的研究成為重要課題。首先,關于稅務部門征收、社保經辦機構征收、社保經辦機構委托稅務部門代為征收“三元”征繳機構的選擇問題。劉軍強(2011)判斷存在征繳機構選擇多元化的原因在于，各部門間存在或顯性或隱性的資源與利益之爭。其剖析了1999—2008年歷時10年的社保征繳主體制度變遷,判斷地方稅務部門征收才能有效擴大社保繳費覆蓋面，增加社保基金收入。但彭雪梅等(2015)[13]手動搜集的我國31個省級行政單位的2002—2011年社保繳費數據卻顯示,由社保經辦機構征收的總體效果要明顯好于由地方稅務機關征收,結果穩健且顯著。唐玨和封進(2019)[14]則證明,社保繳費機構從社會保險部門變更為地方稅務部門,不僅會使企業實際繳費率上升3%,還會使得企業參保概率上升5%。總之,一般認為稅務部門具有較強的征管能力與征管資源,但社保經辦部門對個人參保者信息更了解且征收的內在激勵更強。不同征收機構對社保繳費的影響存在爭議,但判定稅務部門征收效果更好的成果稍多。在2018年黨中央國務院原本部署“社會保險費明年起由稅務部門統一征收”的情況下,2019年改革又暫時擱置,需要“成熟一省,移交一省”。其征收機構選擇問題還具有討論空間。

其次是社保統籌層次上移的影響。朱恒鵬等(2020)以委托—代理理論的的視角進行分析,認為社保統籌層次的上移雖能夠增強社保的風險分擔能力,但也會帶來基層政府社保征繳積極性下降的負面影響。趙仁杰和范子英(2020)將研究對象放在了占比社保繳費規模三分之二的養老保險統籌上,認為統籌力度越大,企業養老保險繳費率下降越明顯。社保經辦機構征收相對稅務部門征收提供了更多的可操作空間,認為征收機構變更與統籌層次上移的改革應該并舉。其基本都判定統籌層次的上移會對企業實際社保繳費率產生負向影響,還認為以移交稅務機關征收為代表的加強征管措施能夠起到改革風險對沖作用。

最后是各種相關因素的影響。趙紹陽和楊豪(2016)[15]發現,高工資企業的更高公積金等員工福利對社保繳費存在替代關系,有更強的社保逃費動機。劉子蘭等(2020)[16]則論證了最低工資制度與企業社保繳費的成本效應與替代效應,判斷地區最低工資標準的提高顯著降低了企業社會保險繳費率,消減了社保參保積極性。但其大多還是集中在征管體制改革的政策效應評估,或者員工福利制度對其繳費意愿的作用機制上,對于環境因素給其帶來的影響暫時空缺。

2. 空氣污染的影響

空氣污染作為全人類“同呼吸、共命運”的“會呼吸的痛”,其對經濟社會影響的測算已是國內外學者研究的熱點。對于人類個體,其造成嬰兒早夭(Arceo et al.,2016)[17],引起肥胖率上升(Deschenes O et al.,2020)[18],降低人均預期壽命(Ebenstein A et al.,2015,Ebenstein A et al.,2017[19]),還會干擾地區間人口流動(Chen et al.,2017)[20]。

空氣污染對企業行為的影響集中在直接的風險感知效應和間接的成本擠占效應兩大方面。嚴重的空氣污染先是產生了直接的風險效應,比如使之創新激勵減弱(羅能生等,2019)[21]。隨后,其還令存貨周轉受阻(李超和李涵,2017),損害人力資本質量(吳超鵬等,2021)[22],讓勞動生產率下降(陳詩一和陳登科,2018;Fu et al.,2019;陳帥和張丹丹,2020),還不得不使之增加職工薪酬以提供健康補償(沈永建等,2019)[23],間接地增加企業各項成本負擔。其改變了企業的行為偏向,并對其行為決策造成了全方位的消極影響。社保繳費既是廣大工業企業的“硬性”經營性支出負擔,又是一種轉移職工各類作業風險的政策性金融工具。空氣污染會通過直接風險效應和間接成本效應兩個渠道作用于其社保繳費行為。這值得進一步地開展實證分析。

3. 空氣污染對保險需求的影響

空氣污染作為一種環境風險因子,容易危害個體健康。理論上應對保險這一風險轉移工具的需求產生影響。因空氣污染對保險需求影響的研究起步較晚,國內外學者把研究對象主要放在了影響渠道最直接、機制最清楚的健康保險之上。

Chang et al.(2018)發現,經常性的空氣污染對購買或取消健康保險的決策有顯著影響,但這種影響與理性選擇理論不一致,即每日空氣污染增加一個標準差,當天賣出的保險合同數量就會增加7.2%。伍駿騫等(2019)的研究表明,公眾對霧霾污染影響健康的關注，增加了其對健康保險的需求,實證證據還顯示其對健康保險需求同時具有直接影響與空間溢出效應,公眾對霧霾污染影響健康的主觀認知還包含一定的時滯性。袁成和劉舒亭(2020)則再次證實了上述的認知時滯性特征,居民風險認知的調節效應在于放大了短期與長期空氣污染對商業健康保險消費的影響。空氣污染對健康保險需求的研究已初露端倪,即空氣污染會使得區域內的健康保險需求增加。但這一影響由于空氣污染的漸變性和認知轉變的緩慢,效應的作用時間相對長期且具有一定的滯后性。

商業健康險本就是社會保障體系的“第三支柱”。但空氣污染對最基本的、“第一支柱”的社會保險繳費的影響還未有人進行研究。其根本原因可能在于社保的強制參保性質,并不受個體購買意愿的影響。但我國社保繳費存在較為嚴重的自由裁量和企業遵從問題。這為本文的實證分析提供了研究的素材與土壤。空氣污染對企業的風險感知效應是相對直接的,因此也就更易被觸發。在空氣污染程度未達到一定閾值前,工業企業會把社保繳費更當作是一種轉移風險的手段,所以社保繳費規模不降反升。但一旦嚴重的空氣污染、超高濃度的PM2.5超過了一定程度的數量門檻,轄區內“伸手不見五指”。企業運輸被霧霾彌漫所籠罩,車輛遭遇“限行”管制,存貨流轉困難(李超和李涵,2017);健康風險的預警使得高質量人力資本大量“逃離”式流出(吳超鵬等,2021);招聘吸引力的下降使得企業用工成本陡升(沈永建等,2019);無形中糟糕的工作環境作用于雇工腦神經,其勞動生產率不可避免地逐漸下降(陳詩一和陳登科,2018;Fu et al.,2019;陳帥和張丹丹,2020)。這將導致企業各項經營性成本攀升,對社保繳費行為的影響也逐漸為更加間接的成本擠占效應所主導。PM2.5繼續上升,隨之社保繳費規模在達到“拐點”后急轉下降,從而呈現“倒U型”關系。

(二)研究假說

嚴重的空氣污染對工業企業有著直接的風險效應,如使得企業進行技術創新的激勵減弱(羅能生等,2019);還會逐漸產生間接的成本效應,比如阻礙企業存貨周轉(李超和李涵,2017),使人力資本質量滑坡(吳超鵬等,2021),令勞動生產率明顯下降(陳詩一和陳登科,2018;Fu et al.,2019;陳帥和張丹丹,2020),還會以提供健康補償的方式增加勞動力雇傭成本(沈永建等,2019)。但因空氣污染本身的無形風險性質,其對風險感知、風險意識的影響理應更直接、更易于觸發,而不附帶作用門檻局限。相反,產生成本負擔的效應可能更間接,需要達到一定的污染閾值條件。社保既是轉移風險的金融工具,也會形成企業支出負擔,微弱的空氣污染可能會提高其風險意識,使得企業對勞動力提高工資以進行健康補償,推動社保繳費規模上升。但空氣污染的嚴重程度一旦到達了一定閾值,空氣污染對轄域內企業產生全方位的間接成本效應,企業各類負擔上升,經營出現困難。其出于節省經營成本的考慮減少雇傭、削減工資而減少社保繳費支出規模。所以,本文做出如下假說:

假說一:嚴重的空氣污染會對我國工業企業社會保險繳費產生直接的風險效應與間接的成本效應,對繳費規模有先上升后下降的“倒U型”關系。

因為企業調整繳費費率更容易面臨征管處罰的危險,空氣污染對社保繳費規模的影響可能更多的是通過直接風險效應和間接成本擠占效應改變了企業的行為傾向,而進行調整用工人數、人均工資的相機抉擇。對應的假說如下:

假說二:空氣污染與工業企業社保繳費規模的“倒U型”關系是其組成部分中員工人數與人均工資的變化而導致的。

不同行業類型企業的要素結構不同,空氣污染對勞動、資本、技術要素的影響存在差異性。因而,本文再做出如下假說:

假說三:空氣污染與工業企業社保繳費的“倒U型”關系，以及對其組成結構的影響在不同行業類型間呈現一定的異質性。

本文采用中國工業企業數據、美國國家航空航天局氣象衛星遙感AOD反演數據、中國氣象科學數據共享服務網天氣數據構成的非平衡面板數據集,對以上假設進行檢驗。

三、實證研究設計

(一)實證設計

本文先以標準的OLS模型,使用縣內柵格點平均得到的縣級PM2.5作為地區空氣污染程度的衡量指標,以進行估計分析。然后,為了解決識別的內生性問題,使用逆溫差作為工具變量,再采用2SLS方法再次進行估計以對比。接下來,本文實證分析空氣污染中的縣域年度PM2.5濃度對中國工業企業社保繳費的影響。

1.計量模型

(1)OLS估計模型

本文將首先使用OLS模型,實證檢驗空氣污染中的縣域年均PM2.5濃度與我國工業企業社保繳費的關系,回歸模型為(1):

θXi,j,t+ρWj,t+αi+μt+εi,j,t

(1)

(2)工具變量估計模型

要想得到OLS方法的一致估計量,模型(1)需要外生性假設。但模型(1)很可能因存在遺漏變量或者逆向因果而產生內生性問題(Angrist,2008)[24],使得OLS估計產生偏誤。但遺漏變量問題是,可能有遺漏的變量可以直接影響工業企業社保繳費,也可以間接通過PM2.5影響企業社保繳費，比如因為當地政府較差的行政管理能力,對社保繳費征收與環境規制的執行能力都很差,從而同時影響到了PM2.5濃度與公業企業社保繳費。逆向因果問題可以這樣形成,社保繳費本就反映了工業企業的一種社會責任意識,而社會責任意識也會影響工業企業的排污行為,從而反向影響到PM2.5濃度。

為了更好地解決識別的內生性問題,本文參考Deschenes O et al.(2020)的做法,采用逆溫差作為空氣污染的工具變量。縱觀現有的研究成果,這一識別策略在應用上已經成熟,大量成果也已發表。Arceo et al.(2016)使用逆溫差,以墨西哥的數據實證了空氣污染對新生嬰兒死亡率的影響。陳帥和張丹丹(2020)用監獄工廠計件工人的數據,以逆溫差識別并實證了空氣污染對勞動生產率的負面影響。Deschenes O et al.(2020)使用逆溫差的工具變量識別策略,發現了空氣污染會造成身體質量指數(Body Mass Index, BMI)和肥胖相關指標的惡化。吳超鵬等(2021)還以逆溫差量化了空氣污染對上市公司高管流動的擾動效應,證明了其對高管層的人力資本質量產生了負面影響。

原理上,合格、有效、干凈的工具變量選擇必須滿足兩個假設條件,即相關性(與核心解釋變量相關)與外生性(與誤差項不相關)(Angrist,2008)。一是空氣污染的PM2.5濃度必須與逆溫差相關。正常情況下,隨著大氣中氣流的不斷縱向上升,空氣中的懸浮顆粒會隨著大氣密度的稀薄而在半空消散。按照物理學原理,大氣溫度應該隨著海拔的升高而穩定地逐漸降低。但大氣中會隨機地產生一種“逆溫”現象,使得上下層空氣不易交換、對流減少,溫度結構隨著離地高度增加而溫度上升。這會導致空氣中懸浮著的顆粒物因無法進行縱向流動而被圍困下沉在地面。氣流受阻、顆粒物堆積,PM2.5濃度攀升。氣象學結果表明,大氣層結構中的“逆溫”強度與PM2.5濃度存在高度正相關關系,并且這一結論已經被世界各地氣象觀測的高清分辨率解析圖所反復驗證(Niska H et al.,2005)[25]。本文的工具變量回歸一階段估計中已經驗證,逆溫差強度對PM2.5濃度的影響系數也顯著為正,通過了弱工具變量檢驗。二是逆溫差強度不會通過PM2.5濃度的其他途徑,即不存在遺漏變量問題，企業社保繳費不會反過來影響逆溫差強度,但逆溫差強度可以直接影響企業社保繳費行為(exclusion restriction)。“逆溫”是一種懸浮于高空之上大氣層間的天氣現象,基本上難以被個體單位所觀測,大氣層間溫度的差異更難以為企業所感知,這一內生性問題基本上可以被判定為不存在。“逆溫”是一種自然現象,是隨機生成的、外生沖擊式的,社保繳費等企業行為基本上無法對其生成過程起到任何作用(Niska et al.,2005)。此外,還存在一個強有力的證據,即在2001年以后,我國雖然PM2.5濃度急劇上升與經濟高速增長同時發生,但對應的相關地區逆溫差強度卻沒有產生多大的變化(Niska et al.,2005)。為了進一步剔除自然環境變量對逆溫差工具變量回歸結果的影響以得到回歸估計的無偏估計量,本文再參考Chen et al.(2017)的處理辦法,添加了天氣方面的控制變量。本文回歸模型借鑒已有研究成果,通過控制其他天氣變量的辦法,使得逆溫差強度已經與人類生產活動、企業行為高度不相關,季節性氣候變化因素的影響也已經極度微弱(Fu et al.,2019)。所以,本文判定接下來的回歸估計結果可以得到無偏估計量。

本文將逆溫差作為空氣污染中縣域年均PM2.5濃度的工具變量以進行識別,再使用兩階段最小二乘法(2SLS)對模型進行估計。第二階段回歸模型與模型(1)相同,而第一階段的回歸模型為:

ρWj,t+αi+μt+ηi,j,t

(2)

(二)數據來源與描述性統計

1. 數據來源

為了分析空氣污染中的縣域年度PM2.5濃度與中國工業企業社會保險繳費的關系,本文使用中國工業企業數據、美國國家航空航天局(NASA)氣象衛星遙感AOD(氣溶膠光學厚度)反演數據、中國氣象科學數據共享服務網(CNEMC)天氣數據組成的統計數據庫,構建了一個非平衡的縱向面板數據集。其中,中國工業企業數據庫是針對我國規模以上(年主營業務收入500萬元以上)企業的百萬級別數據庫,統計區域具體到了縣級。作為企業數據來源,其樣本巨大、變量充足、信息豐富。本文的核心解釋變量,即空氣污染物中的PM2.5——環境空氣中直徑小于等于2.5微米的顆粒物濃度和逆溫差強度,數據來源于全球模擬與同化辦公室發布的MERRA-2(Modern-Era Retrospective analysis for Research and Applications,Version 2)數據集,這一數據集通過測量塵埃和霧霾等空氣懸浮顆粒物所吸收、反射日光照射的數量和強度,估計特定污染物，尤其是缺乏地面監測時估算的地區空氣污染物濃度,以月為單位,按0.5度×0.625度的經緯度柵格,記錄了1980年至今各項空氣污染指標,時間跨度從1980年開始長達40年,覆蓋全國幾乎所有縣級單位范圍,而且還避免了地面監測站污染數據可能發生的人為操縱,達到了數據質量與精細程度的高要求(Donkelaar A V et al.,2010)[26]。地區天氣的控制變量數據則來自于中國氣象科學數據共享服務網(CNEMC)天氣數據,其包括了多維度的天氣變量數據。

2. 變量的構造

PM2.5參照V. Buchard et al.(2016)[27]的雙線插值法,使用Arcgis10.0軟件,以柵格點位置作為參考系坐標,從橫縱的X、Y軸兩個方向,首先在x方向進行線性插值,然后在y方向進行線性插值,用matlab先算出衛星反演的柵格點PM2.5濃度數據縣域平均值,再按年度進行平均,得到了全國各縣級單位的年度平均PM2.5濃度數據,設為解釋變量PM2.5。逆溫差強度的數據也源自NASA全球模擬與同化辦公室的MERRA-2數據集,其按0.5度×0.625的經緯度柵格,以6小時一次的頻率,分42個垂直層分別記錄了距地面110米到36 000米的空氣溫度。本文借鑒Deschenes O et al.(2020)的計算方法,使用第二層空氣(320米)溫度減去第一層(110米)溫度的差值,設為逆溫差變量,并將數據樣本識別到縣級區域、每6小時數據加總平均到年以進行構造。

借鑒現有文獻與結合數據庫的變量缺失值情況,企業社保繳費以工業企業數據庫中數據最為完整的“勞動、待業保險費”變量為基礎,計算公式為“社保繳費=ln(1+勞動、待業保險費)”,進行變量構造。

在企業屬性的控制變量方面,企業年齡計算方式為“ln(1+年份-開業年)”;企業規模的計算公式為“ln(1+工業銷售產值)”;企業盈利能力等于利潤總額除以資產總計;企業產權則根據國有企業、集體企業、私營企業、混合所有制、港澳臺、外資的產權類型設置虛擬變量。

天氣控制變量方面,降水量、氣壓、氣溫、相對濕度、日照時數的數據則以中國氣象科學數據共享服務網(CNEMC)天氣數據為基礎,同樣平均到縣、加總到年。

3. 數據處理

中國工業企業數據則先以Brandt et al.(2012)[28]的經典方法進行識別,再參照聶輝華等(2012)[29]的處理辦法,進行數據清理:一是按企業代碼id和時間將不同年份的數據進行縱向匹配,獲得一個非平衡面板;二是刪除了工業總產值、工業銷售產值、員工人數、中間投入、固定資產、銷售額、實收資本小于零,單期折舊小于累計折舊,固定資產、流動資產小于總資產等明顯異常、不合邏輯、數據錯誤的觀測值;三是還刪除了出口交貨值、工業銷售產值等關鍵變量缺失的樣本;四是對職工人數小于8人、沒有完整的會計系統的企業樣本,銷售額小于500萬、不符合規模以上企業定義的樣本,進行刪除;五是為了消除極端值的影響,還對關鍵變量進行了上下1%的縮尾處理。最終得到了1998—2007年的1,221,215個觀測值。1998—2007年的數據區間為2008年金融危機前,中國經濟高度騰飛和環境污染逐漸嚴重的代表性10年,中國工業企業數據庫又具有統計指標比較多、統計范圍比較全、分類目錄比較細、準確程度高的特點,且由各省、自治區、直轄市統計局和國務院各有關部門報送給國家統計局,是代表我國工業企業經營狀況的權威數據。本文認為其數據已具有了較好的可靠性、可推廣性和一定的現實政策意義。

4.描述性統計

表1給出了各變量的名稱、定義及統計描述。

表1 變量的描述性統計

(1)被解釋變量

被解釋變量為企業社保繳費(Insurance),均值為1.518,標準差為2.213。

(2)核心解釋變量

核心解釋變量為縣域空氣污染中的縣域年均PM2.5濃度(PM2.5)。PM2.5濃度的均值為36.44,方差為10.38。工具變量逆溫差(Ⅳ)的均值為-0.969,方差為0.352。

(3)企業屬性控制變量

企業屬性變量包括企業年齡、企業規模、企業盈利能力和企業產權。在使用中國規模以上工業企業數據庫的現有文獻中,企業規模有使用總資產、固定資產規模、員工人數等多種衡量辦法,考慮到變量的缺失值等問題,本文使用ln(1+工業銷售產值)為企業規模的衡量指標。

(4)天氣控制變量

天氣控制變量包括降水量、氣壓、氣溫、相對濕度、日照時數,分別為當日20時到次日20時的24小時累積降水量的整年加權值、一年內日平均氣壓的加權平均值、一年內日平均氣溫的加權平均值、一年內日平均相對濕度的加權平均值(大氣干燥程度的物理量)、一年內太陽在一地實際照射的時數。

四、實證回歸結果

(一)基本回歸結果

基本回歸由OLS模型與Ⅳ模型的估計結果組成,第一部分匯報OLS模型的實證回歸結果;第二部分匯報Ⅳ模型的實證回歸結果。

1. OLS回歸結果

表2中的(1)～(3)匯報了縣域年均PM2.5濃度對企業社保繳費的OLS的逐步回歸結果,第(2)列控制了企業屬性的控制變量,第(3)列同時控制了企業與天氣控制變量。第(1)～(3)均控制了年份與企業固定效應,考慮到縣域企業、企業不同年份隨機擾動項之間相關性產生的統計檢驗標準誤偏差。本文的所有回歸均將標準誤聚類到縣級層面。后文相同,不再重復贅述。

由表2的OLS逐步回歸結果所示,第(1)列的PM2.5回歸系數為0.037 465,PM2.5的二次項回歸系數為-0.00 0434。第(2)列的PM2.5回歸系數為0.043 308,PM2.5的二次項回歸系數為-0.000 519。第(3)列的PM2.5回歸系數為0.049 515,PM2.5的二次項回歸系數為-0.000 548,且均在1%的水平下顯著。按照回歸估計結果,在暫未考慮識別內生性問題的情況下,空氣污染與企業社保繳費存在明顯的“倒U型”關系。

表2 社保繳費的OLS估計結果

2. Ⅳ回歸結果

表3中的(1)～(3)匯報了縣域年均PM2.5濃度對企業社保繳費的Ⅳ估計逐步回歸結果,第(2)列控制了企業層級的控制變量,第(3)列同時控制了企業與天氣控制變量。第(1)～(3)均控制了年份與企業固定效應。另外,表3最后還匯報了第(1)～(3)列的第一階段回歸結果。可見,根據第一階段的回歸結果,逆溫差強度對PM2.5有顯著正向影響。本文表格中各列回歸的Kleibergen-Paap F值均大于Stock-Yogo 10%的臨界值水平(約為7.0左右),回歸不存在弱工具變量的問題。

如表3所示,在PM2.5對企業社保繳費Ⅳ估計的第二階段逐步回歸結果中,第(1)列中的PM2.5回歸系數為0.313 702,且在1%的水平下顯著；PM2.5的二次項回歸系數為-0.002 731,且在5%的水平下顯著。第(2)列中的PM2.5回歸系數為0.311 414,且在1%的水平下顯著；PM2.5的二次項回歸系數為-0.002 724,且在5%的水平下顯著。第(3)列的PM2.5回歸系數為0.273 744,且在1%的水平下顯著;PM2.5的二次項回歸系數為-0.002 335,且均在5%的水平下顯著。回歸結果是穩健的,相比OLS估計結果,Ⅳ估計的回歸系數絕對值有所增加。這是由于OLS估計遺漏變量導致的向下偏誤造成的。回歸結果證明了PM2.5與社保繳費的“倒U型”關系。

表3 社保繳費的Ⅳ估計結果

(二)因變量分解的Ⅳ回歸結果

接下來,本文嘗試將工業企業社保繳費的因變量進行分解,以探明空氣污染與企業社保繳費“倒U型”關系的源頭。因為“社保繳費”等于“員工人數”、“人均工資”、“社保費率”之乘積,本文將“社保繳費”這一因變量分解為“員工人數”、“人均工資”、“社保費率”,分別實證檢驗PM2.5對其的影響。回歸使用逆溫差強度工具變量進行識別,表4匯報了PM2.5對企業員工人數、人均工資、社保費率影響的Ⅳ估計結果。表4中第(1)～(3)列回歸的被解釋變量分別為:員工人數、人均工資、社保費率。表4最后還匯報了第(1)～(3)列的第一階段回歸結果。可見,根據表4第一階段的回歸結果,逆溫差強度對PM2.5有顯著正向影響,且本文表格中各列回歸的Kleibergen-Paap F值均大于Stock-Yogo 10%的臨界值水平(約為7.0左右),回歸不存在弱工具變量的問題。

表4 因變量分解的Ⅳ估計結果

正如表4所示,在使用逆溫差強度識別的Ⅳ第二階段回歸結果中,PM2.5對員工人數的影響系數為16.317 029,且在1%的水平下顯著,PM2.5的二次項的影響系數為-0.216 317,且在1%的水平下顯著;PM2.5對人均工資的影響系數為1.645 636,且在1%的水平下顯著,PM2.5二次項的影響系數為-0.018 39,且在5%的水平下顯著;PM2.5及其二次項則對社保費率并無任何顯著影響。實證結果顯示,PM2.5與工業企業社保繳費的“倒U型”關系是由于增減用工人數、以及調整在空氣污染環境下作業工資以進行健康風險補償所導致的。企業在空氣污染直接的風險感知效應下,增加用工人數并對人均工資進行健康風險補償,從而拉動社保繳費規模的增加。隨著空氣污染的不斷惡化,成本擠占效應使得工業企業不得不壓縮用工人數,削減職工工資,從而造成社保繳費規模的下降。

五、穩健性與異質性檢驗

(一)穩健性檢驗

為了檢驗工具變量2SLS估計結果的穩健性,本文進行了兩組檢驗,即表5中的第(1)列和第(2)列。第(1)列將工具變量構造的逆溫差強度替換為一年內逆溫現象出現的天數,即將“逆溫”變換為計數指標。如果320米的第二層大氣溫度減去110米的第一層大氣溫度的數值大于0,當天“逆溫”現象出現,逆溫差變量數值增加1。如此統計出一年內逆溫現象出現的天數,構造逆溫差變量。第(2)列變更PM2.5變量的計算方式,將前文使用雙線加權法進行縣平均的計算方式,變更為使用最鄰近點之間距離加權、進行縣域平均的PM2.5濃度(mpm25b)。對應的穩健性檢驗結果如表5所示。另外,為了節省篇幅,本文未匯報第一階段的回歸結果。根據第一階段的回歸結果,逆溫差強度對PM2.5有顯著正向影響。文中表格各列回歸的Kleibergen-Paap F值均大于Stock-Yogo 10%的臨界值水平(約為7.0左右),回歸不存在弱工具變量問題。下文一系列2SLS估計的第一階段回歸結果類似,且都通過了弱工具變量檢驗。為節省篇幅,本文同樣未做匯報,不再贅述。

表5 穩健性檢驗

正如上述表5中兩組穩健性檢驗的回歸結果所示,PM2.5、PM2.5二次項對社保繳費規模的影響系數分別顯著為正、顯著為負。空氣污染與工業企業社保繳費都存在明顯的“倒U型”關系,本文的Ⅳ估計結果非常穩健。

(二)異質性檢驗

1. 基于行業類型的異質性分析

首先,基本回歸和穩健性檢驗的估計結果證實:地區PM2.5濃度上升與我國的工業企業社保繳費規模間存在顯著的“倒U型”關系。然后,對工業企業社保繳費的因變量進行分解后,實證表明：這一“倒U型”關系是由于企業員工人數增減、人均工資的健康風險補償效應引起的。直覺上,不同行業類型企業的生產要素結構不同,而不同生產要素受到空氣污染的影響敏感程度不同,因此空氣污染對企業的社會保險繳費行為的影響應具有行業類型間異質性。本文將以分組回歸的方式進行行業異質性檢驗,以驗證結論的可靠性。

2. 基于行業類型的分組回歸結果

理論上,不同行業類型企業的生產要素組成結構與密集程度必然存在差異性。我國工業企業社保繳費規模與空氣污染“倒U型”關系的異質性影響也亟待實證檢驗。本文參照魯桐和黨印(2014)[3]的分類辦法,先按照行業的要素密集情況進行聚類,再將最終聚類后重新劃分的21個行業分為勞動密集型行業、資本密集型行業、技術密集型行業三大類型,然后基于行業類型進行分組回歸。最后,使用逆溫差工具變量識別的估計結果如表6所示。

表6給出了基于行業類型的分組樣本Ⅳ二階段估計結果。第(1)～(3)列分別是對分屬于勞動密集型、資本密集型、技術密集型行業的企業分組樣本Ⅳ二階段估計結果。在縱向上,還對PM2.5濃度對社保繳費、員工人數、人均工資、社保費率的影響,分別進行了回歸估計。Panel A、Panel B、Panel C、Panel D分別為在使用逆溫差的工具變量識別下,按照行業類型樣本分組的PM2.5濃度對社保繳費、員工人數、人均工資、社保費率的Ⅳ二階段估計結果。

首先,從Panel A中第(1)～(3)列中來看,PM2.5濃度與社保繳費規模的“倒U型”關系只在資本密集型、技術密集型行業企業中存在,在勞動密集型行業的企業中則并不存在。

其次,在Panel B中第(1)～(3)列中,PM2.5與員工人數的“倒U型”關系在勞動密集型、資本密集型、技術密集型行業中全部顯著存在。

再次,由Panel C中第(1)～(3)列可以看出,PM2.5濃度與人均工資補償的“倒U型”效應只在資本密集型行業企業中顯著存在。

最后,再看Panel D中第(1)～(3)列,PM2.5與社保費率在勞動密集型、資本密集型、技術密集型行業的企業中均無“倒U型”關系,只會導致技術密集型行業企業的社保費率顯著增加。

表6 基于行業類型的分組回歸結果

六、結論與政策建議

本文通過使用衛星反演的空氣污染數據、中國工業企業數據庫、中國氣象科學數據共享服務網天氣數據數據庫共同構建了縱向的非平衡面板數據集,并使用了大氣層中的逆溫差工具變量作為識別策略,實證發現了縣域年均PM2.5濃度和中國工業企業社會保險繳費規模的“倒U型”關系。本文還將社保繳費規模的被解釋變量進行分解,探明了PM2.5對員工人數增減和人均工資健康風險補償的影響才是“倒U型”關系效應的產生根源,還加入穩健性檢驗以提高結論的可靠性,并基于不同行業類型進行分組回歸,探析了這一“倒U型”關系的行業異質性。

本文的實證證據可為我國的大氣防治等環保治理措施和提高社保繳費收入規模的問題提供參考,并得到了以下結論:

一是空氣污染中的PM2.5濃度上升與我國工業企業社保繳費規模存在“倒U型”關系;

二是空氣污染與社保繳費的“倒U型”關系源自于雇傭員工人數的增減與工資的健康風險補償效應;

三是空氣污染與社保繳費的“倒U型”關系在不同行業類型間存在異質性。

結合結論,本文提出以下政策建議:

首先,環保治理和提高社保收入具有政策上的協同效應。更好的空氣質量才能降低企業成本負擔,提高企業社保繳費遵從。這在全球疫情流行使得企業經營成本大幅提高、社保隱性赤字壓力巨大、統籌層級上移改革弱化“屬地化”征管激勵的情況下尤為重要。“綠水青山就是金山銀山”,更好的環境質量可以助推企業“降成本”,驅動工業企業增加社保繳費規模。

其次,對于本身環境質量良好、但社保負擔壓力大、工業化程度低的地區,政府要善于抓住主要矛盾,柔性地調整和把控好環保治理的力度,降低隱性的經濟社會成本。另外,還要注意這些地區因為良好環境條件、空氣質量所帶來的風險感知鈍化效應,注意加強對其駐地內工業企業的社保征管。

最后,要實現我國經濟高質量發展,經濟發展和生態保護需要注意政策協調,以一攬子政策“組合拳”的形式相互配合、協同和助力。□