環境規制政策協同對經濟高質量發展影響的異質性

盧維學，吳和成，王勵文

（南京航空航天大學經濟與管理學院，江蘇南京 211106）

黨的十九大報告指出，“中國經濟已由高速增長階段轉向高質量發展階段”。2018年3月，中央經濟工作會議也強調“推動高質量發展，是保持經濟持續健康發展的必然要求”［1］。改革開放以來，雖然中國經濟發展取得了舉世矚目的成就，但也付出了巨大的生態環境代價。為應對氣候變化，遏制環境污染并保證經濟高質量發展，中國傳統消耗式的發展模式需要向綠色低碳式新的經濟發展模式轉變，推動文明形態由“工業文明”向“生態文明”轉變。當前，面對中國經濟增長方式轉變與環境治理兩方面的制約，不僅需要依靠市場機制有效約束環境污染，還需要政府部門實施相關政策來推動生態環境治理。此外，由于環境規制政策的多領域性和復雜性，過分強調使用單一政策會影響環境治理效果。政策間的相互掣肘和抵觸現象，同樣會降低環境治理效果，不利于經濟高質量發展。因此，協同使用多種政策就成為促進經濟高質量發展的必然與必須［2-3］。這就要求政府在設計和實施環境治理機制時需綜合考慮不同政策對經濟高質量發展的影響，兼顧環境治理和其他增長目標的協調推進［4］。然而，目前多重政策協同對經濟高質量發展的影響如何？政策組合的效果如何？在不同經濟高質量發展水平地區，政策協同對經濟高質量發展的影響是否存在異質性效應？相關研究甚少。厘清并回答上述問題，不僅有助于優化政策體系，提高政策效率，對環境治理和經濟高質量發展也具有重要的現實意義。

1 文獻綜述

目前，對環境規制政策的研究主要以命令型政策與市場激勵型政策為主［5］，且認為政策的作用效果不一致。如，從社會福利和投資效率角度，Rozenberg等［6］認為市場激勵型政策更具優勢。同樣，Baumol等［7］認為在實現相同減排目標時，市場激勵型政策具有更高的經濟效率。但Borras等［8］認為，行政命令型政策更具有確定性和可操作性。從環境治理效果角度，雖然已有文獻利用因子分析、聚類分析、DEA等方法評估這兩種政策的利與弊，但發現這兩種政策并沒有嚴格的優劣之分，只是在不同的發展環境需要靈活選擇合適的政策［9-10］。此外，李冬琴［11］認為多種政策組合使用能夠提高效率。

針對環境規制政策對經濟增長的影響研究，學者們主要從規模與質量兩個方面進行探討，主要有兩種觀點：一種是“遵循成本說”［12］，另一種是“創新補償說”［13］。學者們也從實際應用進行了證實［14-15］。此外，還有一些學者認為環境規制政策對經濟增長的影響是非線性的，如熊艷［16］發現它們之間的關系呈“U”形變化；王洪慶［17］從人力資本視角發現它們之間存在顯著的“門檻”效應；何興邦［18］從綠色與社會福利視角研究發現環境規制有利于經濟增長質量的改善；陶靜等［19］研究認為環境規制強度對經濟增長質量具有顯著的促進作用，且在分維度指數上存在明顯差異。

針對政策協同研究，多數學者從政策協同的穩定性及協同程度進行分析。Chen等［20］發現美國州際可再生能源政策組合的協同程度較低，存在較大的提升空間。Goel等［21］發現OECD成員國現有的復雜環境政策體系在政策執行和最終實際效果之間缺少協同效應。張國興等［22］認為隨著各級政府對節能減排的日益重視，節能減排政策數量在逐漸增多，但政策總效力在逐漸下降，其協同程度也較低。朱光喜［23］認為政策協同能有效避免政策間的“外部性”，降低政策執行成本，并將政策效應最大化。然而，目前關于政策協同的研究主要集中于探討政策協同的內涵、重要性、優越性等問題，較少關注政策內容本身或政策目標實現程度上的協同效果以及不同政策實施于同一主體后的影響。

綜上所述，雖然現有研究對政策與經濟增長規模、速度與質量等之間的關系進行了多方面的探討，但大多從單一政策視角開展研究，缺乏多重政策的協同性研究。作者從經濟高質量發展視角研究多重政策的協同效果及異質性效應，為中國宏觀經濟與環境政策的制定提供參考。

2 研究方法

2.1 隨機森林變量選擇

變量選擇在分類與回歸模型中是關鍵問題，常見的方法有赤池信息準則（Akaike Information Criterion，AIC）、貝葉斯信息準則（Bayesian Information Criterion，BIC）等，但這些方法都存在適用條件苛刻、結果不穩健與過擬合等缺點。隨機森林算法能夠克服這些不足。隨機森林是Leo Breiman［24］于2001年提出的基于決策樹的集成學習算法，其優點為不需要假設數據產生于特定模型，對多重共線性不敏感，調節的參數少，對數據的異常值和噪聲具有很好的容忍度，可以評估自變量的重要性，據此可對變量進行篩選。

隨機森林算法兩個重要參數分別為：ntree和mtry。ntree表示決策樹數目，在實際應用中ntree需足夠大，以便模型能提供穩定、可重復的結果；mtry表示每個節點選取的預測變量個數。在分類問題中，mtry通常設定為自變量總個數的平方根或者是總個數的1/3，當變量個數小于3時，mtry取1。隨機森林變量選擇步驟［25］為：①根據自變量個數確定mtry值；②根據假定的ntree初始值與mtry值構建隨機森林，獲得袋外數據（OOB）誤差，并在基礎上繪制誤差曲線圖，尋找合適的ntree值；③利用變量的重要性對自變量進行篩選。

2.2 懲罰面板分位數回歸

分位數回歸由Koenker等［26］首次提出，該方法不僅能度量自變量對因變量分布中心的影響，還能度量自變量對因變量整個分布的影響，且不需要對模型的隨機擾動項做任何分布假設，回歸估計量具有大樣本性質。此外，該方法不僅能夠充分考慮異常值的影響，還有對異方差影響較小等優點。然而，傳統分位數回歸無法處理面板數據不可觀測的個體特異性，面板分位數回歸的發展彌補了這一缺陷，并得到廣泛應用［27］。但該方法在模型協變量較多時效率較低，針對這一問題，Koenker［28］提出懲罰面板分位數回歸，通過加入懲罰因子來提升參數估計效率。該方法通過求解最小化問題

獲得βτ的第τ分位點估計：

其中：i表示區域個數（i=1，2，…，N），t表示每個地區的觀測個數（t=1，2，…，T），k表示分位數個數（k=1，2，…，K）。x代表自變量矩陣，ρτk為分位損失函數，ωk為第k個分位點權重。ωk的選取與Alexander等［29］的研究保持一致。λ為調整參數，旨在降低個體效應差異，提高β的估計精度。對此，參照Damette等［30］的研究，取λ=1。

3 研究設計

該研究按照圖1的思路展開：首先，為著重檢驗“政策協同”成效，將“政策協同度”及其平方項引入模型（4）；其次，利用隨機森林算法對變量進行篩選，并分別從定量與定性角度分析變量的基本情況，以確保模型設定準確；最后，利用懲罰面板分位數回歸對模型（3）與（4）求解，并對結果進行分析，給出政策建議。

圖1 研究設計

3.1 計量模型構建與變量測度

3.1.1 模型構建

為探討環境規制政策協同（environmental regulation policy synergy，ERS）對經濟高質量發展（high-quality economic development，HED）影響的異質性，在柯布-道格拉斯（Cobb-Douglas，C-D）生產函數框架基礎上引入政策協同變量。模型形式為：

考慮到政策協同對經濟高質量發展可能存在非線性影響，在模型（3）基礎上加入政策協同平方項。式（3）變為

其中：i、t分別代表地區和時間，αi、ηt、εit分別代表地區個體效應、時間效應和隨機擾動項；β0τ為常數項，β1τ、β2τ分別代表政策協同度及其平方項的彈性系數，β3τ為勞動產出彈性系數，β4τ為資本產出彈性系數；Z為其他控制變量矩陣；φ為相應變量彈性系數矩陣。HED為被解釋變量，ERS為核心解釋變量。此外，分別對β1τ，β2τ的實際意義進行設定：①當β1τ＜0、β2τ＞0時，表明ERS對HED的影響呈“U”型態勢；②當β1τ＞0、β2τ＜0時，表明ERS對HED的影響呈倒“U”型態勢。

3.1.2 變量測度

（1）經濟高質量發展綜合指數。針對HED綜合指數的測度，參考魏敏等［31］、師博等［32］的研究，選取分項指標構建HED綜合評價指標體系，利用變異系數法［33］與熵權法［34］計算各級評價指標權重，最后計算HED綜合指數。具體步驟為：

1）為消除量綱的影響，運用極差法對各指標進行標準化。

其中：i、j、t分別表示區域、測度指標、年份；Xijt和Yijt分別表示原始數據與標準化后的HED測度指標值；max(Xijt)和min(Xijt)分別表示Xijt的最大值與最小值。

4）計算經濟高質量發展綜合指數（由于數據較多，在此未列出，備索）。

（2）環境規制政策協同度。針對政策協同度，一方面選擇合適的環境規制政策：政策1參考原毅軍等［35］的做法，以單位工業增加值的環境稅征收衡量市場型政策；政策2參考胡志高等［36］的做法，以單位環境污染排放量的治理投資額衡量另一市場型政策；政策3參考姚瑤［37］的做法，以環境保護系統管理人員數衡量命令控制型環境政策。另一方面，參考徐海峰等［38］的研究，使用耦合協調度模型計算政策協同度。考慮到目前各級政府都沒有對各個政策的重要性進行排序，因此在計算不同政策組合的協同度時分別假定各個政策的重要性是等同的。所有變量的具體形式及衡量方法見表1。

表1 變量名稱及符號

3.2 數據來源與描述性分析

基于數據的可獲得性與計算口徑的一致性，選取中國30個省2000—2019年數據作為樣本，研究未涉及港澳臺及西藏。所有數據均通過《中國統計年鑒》《中國環境統計年鑒》、地方統計年鑒及統計公報等整理計算得到，部分缺失數據采用GM（1，1）［40］及二分法進行補全，并對部分變量進行對數處理，以降低異方差的影響。此外，為消除量綱的影響，對所有變量進行標準化處理。表2匯報了變量的描述性統計。

由原始數據及表2可知，各省變量存在明顯差異。例如：對于HED，2019年北京達到0.941 8，處于所有省份的最高水平；寧夏只有0.5717，為最低水平，且低于2015年各省平均水平0.592 9。對于ERS，2019年處于最高水平的是北京，達到0.786 9；最低為福建，僅0.219 0。

表2 描述性分析

4 計量模型檢驗與結果分析

4.1 隨機森林變量選擇

一般而言，模型自變量間具有較低相關性，且對被解釋變量的影響具有較高重要性。然而，表3顯示lnTEI與lnFDI存在高度相關。為解決這一問題，先利用隨機森林算法對自變量的重要性進行篩選。由于自變量個數為11，故取mtry=4，并假定ntree=1 000，構建隨機森林，獲得袋外數據誤差。通過袋外誤差曲線圖（圖2）發現，當ntree=600時，誤差值基本穩定，故取ntree=600。進一步利用隨機森林算法對自變量在模型（4）中的重要性進行驗證，重要性程度結果見圖3。圖3左邊為各變量相對重要性圖，右邊為節點純度圖。從圖3可知，lnTEI對HED的影響最大，lnF次之，而lnFDI和IS對HED的影響較小。綜合分析，變量lnFDI和IS被剔除。

圖2 誤差曲線圖

圖3 各因子相對重要性和節點純度

表3 相關系數矩陣

4.2 平穩性、協整與多重共線性檢驗

為避免模型出現“偽回歸”，分別利用LLC檢驗、IPS檢驗和Fisher-ADF檢驗方法對變量進行單位根檢驗。表4結果表明，所有變量的原序列不平穩，一階差分序列平穩，即一階單整。該結果已滿足協整檢驗的前提條件，為此對變量之間是否存在均衡的協整關系進行單位根檢驗。表5表明被解釋變量與解釋變量間都存在穩定的均衡關系。因此，實證過程仍可采用原序列進行分析。此外，通過計算可知，各個解釋變量的方差膨脹因子（Variance inflation factor，VIF）VIF值均小于10，認為各解釋變量間不存在多重共線性，這一結果進一步保證了模型構建的有效性。

表4 面板數據單位根檢驗

表5 面板數據協整檢驗

4.3 結果分析

處理面板數據，通常需要消除個體效應以減少待估參數個數，從而有效避免模型“附帶參數”問題［41］。為考慮不同政策組合對經濟高質量發展的異質性影響，將模型（3）中的政策協同度分別用ERS、ERS12、ERS13、ERS23代替，并對其求解。為提供在經濟高質量發展不同分位點的完整描述，將分位點分別取值為0.1～0.9，間隔為0.1。

從不同政策組合下政策協同度的彈性系數變化圖（圖4）可知，在0.1分位點，政策2與政策3組合的政策協同度對經濟高質量發展的影響最大。這可能是由于，在經濟高質量發展欠發達地區，為發展地區經濟，地方政府大力推動工業建設，對工業污染的治理力度較弱。在其他分位點，3種政策組合的協同效果最優。

圖4 不同政策組合的協同效果

為考慮政策協同對經濟高質量發展影響的異質性，以3種政策組合的協同度ERS為例，利用懲罰面板分位數回歸對模型（4）進行求解，具體結果見表6。同時，為了與傳統面板均值回歸進行比較，表6還列出了固定效應面板回歸下的參數估計結果（FE列）。此外，為進一步衡量不同分位點下模型（4）的擬合效果及預測性能，表6還列出了模型（4）的擬合優度R2值和均方誤差（MSE）。

由表6可知，各分位點的R2＞0.85，且MSE值較小，表明懲罰面板分位數回歸能較好地對模型（4）進行擬合。特別在0.6分位點，R2=0.9952，MSE=0.0147，模型擬合效果最優。從解釋變量的顯著性來看，除了0.1～0.5，0.8分位點下lnF，0.1、0.2分位點下EDU，0.9分位點下POP；0.1～0.5，0.9分位點下的UR，0.8、0.9分位點下的lnP；0.1分位點下的lnTEI不顯著，其他情形均通過10%顯著性檢驗，且彈性系數間存在顯著差異。

對于核心解釋變量。①總體看，政策協同對經濟高質量發展具有顯著的非線性影響，呈“U”形態勢，即隨著政策協同度的不斷增大，經濟高質量發展程度呈“先降后升”的趨勢。②從各分位點看，政策協同對經濟高質量發展的影響存在明顯的區域異質性，即在經濟高質量發展較低分位點處，政策協同變量的彈性系數較小；在較高分位點處其彈性系數較大。此外，基于政策協同對經濟高質量發展影響的“U”形變化，計算了各個分位點下政策協同的對稱軸、政策協同度各分位點的值，以及它們之間的距離，結果報告見表6。從表6可知，在經濟高質量發展的0.1分位點處，ERS的值在對稱軸左側，未到達“拐點”，即當下政策組合的協同度較低，一定程度抑制地區經濟高質量發展。然而，其他分位點處ERS值均在對稱軸右側，且隨著分位點的增加，政策協同度與對稱軸的距離越大，這表明現階段政策組合的協同度能有效促進經濟高質量發展。

表6 模型參數估計結果

從控制變量看，lnF的彈性系數在0.1～0.3分位點處為負數，在其他分位點為正。這表明在經濟高質量發展水平欠發達地區，工業建設與生活基礎設施比較薄弱，現階段資產仍以投資為主。然而在經濟高質量發展水平較發達地區，資本投入越高越促進地區經濟高質量發展。對于EDU，其彈性系數均為正，表明受教育程度越高，越有利于經濟高質量發展。這也側面反映教育在社會發展、經濟建設中的重要性。對于GS，隨著分位點的增大，其彈性系數逐漸減小。這表明在經濟高質量發展水平欠發達地區，地區政府會控制財政資金的使用，將資金重點放到經濟建設上；在經濟高質量發展水平越發達地區，政府越會將財政資源等支出轉移到民生建設方面，較少程度對財政資金過多干預與控制。對于POP，其彈性系數在各個分位點均為負，且負向逐漸減小。其中，在0.1分位點負向最大為-0.0819，這表明在經濟高質量發展水平欠發達地區，消費性人口比重增加，生產性人口比重減少，撫養負擔加重，進一步導致社會收入減少，制約資本形成，從而不利于經濟高質量發展；在經濟高質量發展水平越發達地區，人民生活水平不斷提升，社會對撫養支出的總體比重有所下降，但這并不代表撫養負擔支出降低。對于UR，隨著分位點的增加，其彈性系數逐漸從負轉正，且其值越來越大。這表明在經濟高質量發展水平較發達地區，會采取措施吸引大量的農村剩余勞動力，使得勞動力與資源等生產要素發生聚集，吸引企業入駐，促進產業結構調整，增加就業等推動經濟高質量發展。對于lnP與lnTEI，彈性系數逐漸減少，這表明在經濟高質量發展水平發達地區，創新技術水平較高，依靠傳統勞動力發展經濟模式已經徹底改變，依靠高新技術產業促進經濟高質量發展已成為首選。綜上，無論是核心解釋變量還是控制變量對經濟高質量發展的影響均具有較大差異。

4.4 不同政策組合協同效果對比分析

為進一步分析其他政策組合對經濟高質量發展影響的異質性，重復上述過程，結果報告于表7。從表7中不難發現，其參數估計結果與上述結果一致。

表7 不同政策組合的協同效果

4.5 穩健性分析

采用三種不同的方式對模型的穩健性進行檢驗。一是對懲罰面板分位數回歸中的懲罰項進行調整，在此參數分別取λ=0.9，λ=1.5，λ=2；二是在計量模型（3）與（4）的基礎之上加入對外開放水平變量（lnFDI）；三是考慮到環境規制政策對經濟高質量發展的影響可能存在內生性，采用工具變量面板分位數回歸（IVQR）［42］進行檢驗。其中采用ERS的二階滯后項作為ERS的工具變量，利用該方法對模型（3）與（4）進行求解，具體結果見表8。表8顯示各個組合下政策協同度均對經濟高質量發展具有顯著的正向影響。此外，通過與圖4對比也發現，各組合下核心解釋變量的彈性系數符號均一致。綜上，無論是改變λ取值、加入對外開放變量，還是IVQR方法，核心解釋變量的符號及顯著性均未發生明顯變化，且系數變化程度較小，即模型（3）、（4）的參數結果均具有較好的穩健性（由于篇幅限制，前幾種方法結果未列出，備索）。

表8 基于工具變量面板分位數回歸的穩健性檢驗

5 結論與政策建議

該研究首先以“五大發展理念”為指導構建經濟高質量發展指標體系，提出熵權法與變異系數法相結合方式測算經濟高質量發展綜合指數；其次，基于變量的重要性，利用隨機森林算法對變量進行篩選；最后，利用懲罰面板分位數回歸探討了政策協同對經濟高質量發展影響的異質性。結果表明：政策協同對經濟高質量發展影響具有明顯異質性。①在經濟高質量發展水平0.1分位點，政策2與政策3組合的協同效果最優；在其他分位點處，3種政策組合的協同效果最優。②政策協同整體上顯著促進經濟高質量發展，且存在“U”形變化。③在經濟高質量發展水平欠發達地區，政策協同的產出彈性值未越過“拐點”，其結論支持“遵循成本說”；然而，在經濟高質量發展水平較發達地區其產出彈性值均越過“拐點”，結論支持“創新補償說”。

基于以上發現，為進一步促進經濟高質量發展，提出幾點建議：第一，因地制宜選擇環境規制政策，避免政策趨同造成的不利影響。為促進地區經濟高質量發展，在經濟欠發達地區應該實施相對較為寬松的環境規制政策，經濟較發達地區實施較為嚴格的環境規制政策，并且要避免經濟發達地區的工業企業向經濟欠發達地區轉移，造成“污染避難所效應”。第二，避免不同政策間的相互掣肘，促進政策間的協同。基于不同政策組合對不同地區經濟高質量發展的影響差異，政府相關部門在頒布與實施相關環境規制政策之前，應該加強政府部門間的合作，避免政策間的相互掣肘，促進政策間的協同，同時也能夠降低政策執行成本。此外，地方政府應根據經濟發展需求和當前環境狀況，積極調整政策組合，不斷提高政策協同度，提升政策組合效率，突破“拐點”，有效提升地區經濟高質量發展。第三，不斷積累人力資本，縮小地區經濟差距。經濟高質量發展欠發達地區應結合自身特點，充分發揮地方特色，吸引人才就業與企業入駐，不斷積累勞動與資本，縮小地區間的差距，實現地區經濟均衡發展。第四，降低撫養比，大力推動老齡產業發展。隨著中國人口結構轉變，人口老齡化的加劇，導致勞動年齡人口下降、人口紅利逐漸消失。對此，政府需要制定各種措施提升地區生育水平，大力推動老齡產業發展，充分挖掘老年群體潛力，努力實現從“人口紅利”向“人才紅利”轉變，從而有效促進經濟高質量發展。

該研究為經濟高質量發展的環境規制政策協同異質性效應研究提供了一個經驗證據，但這只是一個初步研究，還有待做進一步深入分析。第一，經濟高質量發展是一個涉及多維度因素的綜合指標，而現有測算方法均存在優缺點，因此，如何更精確測度經濟高質量發展水平是今后進一步的研究方向。第二，諸多學者對環境規制政策的選擇千差萬別，如何高效率選擇適宜地區經濟高質量發展的環境規制政策也是進一步研究的重點。