投資型環境規制對綠色全要素生產率的非線性影響

楊 書，范博凱，顧 蕓

（1. 北京大學光華管理學院，北京 100871；2. 首都經濟貿易大學城市經濟與公共管理學院，北京 100070）

改革開放四十多年來，中國人均GDP 從1978 年的155 美元增加到2021 年的1.25 萬美元，實現了歷史性跨越。從經濟學角度看，這個發展過程先后經歷了要素驅動和投資驅動階段，且正邁入創新驅動發展階段，經濟發展逐步從高速增長轉向高質量發展階段。經濟高速增長是要素投資驅動型的粗放增長，與資源浪費、環境污染、生態破壞等問題相伴而行。為此，黨的十八大報告提出要大力推進生態文明建設，努力建設美麗中國；黨的十八屆五中全會提出“創新、協調、綠色、開放、共享”的新發展理念；黨的十九屆六中全會提出“綠色成為普遍形態”的理念。為應對全球氣候變化和促進綠色轉型，習近平在第七十五屆聯合國大會上宣布中國將采取更加有力的政策措施，二氧化碳排放力爭于2030年前達到峰值，努力爭取2060 年前實現碳中和。《2030 年前碳達峰行動方案》進一步明確，到2025 年，非化石能源消費比重達到20%左右，單位國內生產總值能源消耗比2020年下降13.5%，單位國內生產總值二氧化碳排放比2020 年下降18%。顯然，要實現綠色低碳轉型目標，環境規制是重要舉措之一。自第一次全國環境保護會議確立環境管理方針以來，中國環境規制政策經歷了從無到有、從初設到完善、從附屬到獨立的過程，環境規制為我國生態文明建設提供了制度基礎和保證機制。實際上，在高速增長和高質量發展兩個不同階段，經濟發展模式的底層邏輯不同，故而環境規制的綠色轉型發展影響具有差異性。因此，將資源和環境要素納入綠色轉型發展研究，探討不同發展階段的區域綠色發展特征，從不同視角揭示環境規制對綠色全要素生產率的影響機制，對于推動綠色高質量發展具有重要意義。

1 文獻綜述

環境規制與綠色全要素生產率關系的研究是一個熱門話題。“波特假說”從動態角度出發，認為一定程度的環境規制可以激發企業的創新補償效應，不僅能抵消遵循成本的損耗，而且能夠產生技術擴散和結構升級效應，進而促進經濟增長［1］。此后，國內外學者紛紛利用不同國家、地區或產業的數據檢驗“波特假說”。從現有文獻來看，環境規制與綠色全要素生產率間存在何種關聯未有定論，主要包括“促進說”“抑制說”和“非線性說”。如高藝等［2］采用空間計量模型實證發現，公眾參與型環境規制對綠色全要素生產率起顯著促進作用，而命令控制型和經濟激勵型環境規制對綠色全要素生產率起抑制作用。關海玲等［3］測算了2005—2017 年中國省級工業綠色全要素生產率，并基于空間杜賓模型證實環境規制與工業綠色全要素生產率呈正相關關系。

“非線性說”則考慮了環境規制與綠色全要素生產率之間的非線性關系，認為環境規制對綠色全要素生產率的影響存在倒“U”型關系或“U”型關系，即環境規制強度對綠色全要素生產率呈先促進后抑制或先抑制后促進的作用。例如，李玲等［4］將制造業分為重度污染、中度污染和輕度污染行業，實證發現不同行業的環境規制強度與綠色全要素生產率之間均存在倒“U”型關系。殷寶慶［5］認為中國省級環境規制強度與制造業綠色全要素生產率整體上呈倒“U”型關系，且這種關系在清潔型和非清潔型制造業中均成立。劉和旺等［6］和蔡烏趕等［7］則認為中國省級層面市場型環境規制對綠色全要素生產率的倒“U”型影響更突出。此外，宋典等［8］認為即使在技術引進、模仿創新路徑下，環境規制對工業綠色全要素生產率亦呈現先促進后抑制的作用。分區域來看，李德山等［9］認為我國東、中、西及東北部城市環境規制與綠色全要素生產率間皆呈倒“U”型關系。

上述研究認為環境規制與綠色全要素生產率間存在倒“U”型關系，另有研究認為兩者間存在“U”型關系。如羅能生等［10］基于動態空間杜賓模型實證發現中國省級“治理投入型”環境規制與綠色全要素生產率之間存在“U”型關系。高葦等［11］基于省級礦業發展層面的研究發現，命令控制型和市場激勵型環境規制對礦業綠色發展表現出先抑制后促進的直接效應。許夢博等［12］測算了2002—2018 年工業綠色全要素生產率，并基于動態空間計量模型實證發現中國中部和西部地區的費用型規制與工業綠色生產率之間呈“U”型關系。此外，吳磊等［13］認為公眾自愿型和市場激勵型環境規制短期抑制綠色全要素生產率增長，而長期則起促進作用。

在環境規制的衡量方面，部分研究以單一指標表征，另有部分研究則討論了執行主體不同的異質型環境規制，相關指標的選擇則各不相同。例如，許夢博等［12］劃分了命令控制型、費用型以及投資型環境規制；關海玲等［14］劃分了正式和非正式環境規制；肖權等［15］劃分了命令控制型、市場激勵型以及自主型環境規制；吳磊等［13］劃分了命令控制型、市場激勵型以及公眾自愿型環境規制。其中，以“（工業）環境污染投資總額”為代表的投資型環境規制是這類研究的關注重點，也更能直接反映政府治理環境的成本。

關于綠色全要素生產率的測算。新近研究多采用以數據包絡分析法（DEA）為代表的非參數方法，比如吳翔［16］采用三階段DEA模型和Malmquist指數相結合的方法測算了綠色經濟效率，該方法的優點在于無須事先設定函數形式和不需考慮環境要素的價格信息。然而，傳統的DEA模型不能解決非期望產出問題。通常非期望產出的處理方法主要有投入產出轉置法、倒數轉換法、正向屬性轉換法和方向距離函數法等，其中部分研究將非期望產出作為投入或者取倒數作為產出納入生產效率評價模型［17-18］。為解決這一問題，Chung 等［19］提出了DDF 模型，但該模型假設期望產出的擴張以及投入要素和非期望產出的縮減嚴格等比例，這可能導致“松弛偏誤”［20］。因此，非徑向方向距離函數（NDDF）被發展出來，放松了等比例變化的假設條件［21-22］。此外，基于松弛變量的、非徑向、非角度的SBM模型也可解決“松弛偏誤”問題，不少學者利用該模型測算綠色全要素生產率。此外，以隨機前沿分析方法（SFA）為代表的參數方法和索羅余值方法亦可測算綠色全要素生產率。總體而言，相較于索羅余值法和隨機前沿分析法，基于DEA方法的全要素生產率測算考慮了多投入、多產出的線性規劃思想，更易比較決策單元與技術進步前沿面之間的距離，一定程度上擺脫了索羅余值法等的先驗生產函數設定偏誤，因此受到眾多研究者的青睞。

已有關于環境規制與綠色全要素生產率的研究尚存一定局限性：一是不同主體的環境規制對綠色全要素生產率的作用機制存在差異，“一概而論”的研究未能深入剖析投資型環境規制——政府主導的環境規制對綠色全要素生產率的異質影響機制；二是多數研究忽視環境規制的空間外部性，即忽略了環境規制影響綠色全要素生產率的空間效應；三是綠色全要素生產率的測算有待完善，相關研究較少綜合考慮技術進步因素、人力資本和創新投入，也較少考慮碳排放問題。鑒于此，文章可能的貢獻在于：一是針對性地研究投資型環境規制與綠色全要素生產率之間的影響機制，采取空間計量模型和多重門檻模型分析投資型環境規制對綠色全要素生產率的非線性影響，分別檢驗考慮空間效應后和考慮門檻效應后的影響機制異同；二是以2012年為分界點，區別看待經濟發展的高速增長階段和高質量發展階段，探討其不同發展階段的非線性影響特征；三是在綠色全要素生產率的測算方面采用考慮松弛變量的SBM 模型，納入人力資本投入和創新投入，并引入大氣污染與碳排放等非期望產出，一定程度上提高了綠色全要素生產率的測算精度。

2 理論機制與特征事實

2.1 理論機制分析

環境規制影響綠色全要素生產率的理論機制比較復雜，一方面依據Porter 等［1］提出的“創新補償效應”，一定程度的環境規制有利于企業的技術創新升級、降低環境污染，進而提升綠色全要素生產率；另一方面，Lanoie等［23］提出“遵循成本效應”，環境規制將直接提高企業生產成本，部分擠出創新投資，長期來看并不利于綠色全要素生產率增長。故當環境規制的執行成本大于創新補償時，環境規制將不利于提高綠色全要素生產率，而反之則有利。然而，環境規制與綠色全要素生產率在企業層面的影響機制，可能并不適用于探討區域層面上以政府為主導的投資型環境規制問題。因此，文章基于區域內部和區域間雙視角分析投資型環境規制與綠色全要素生產率間的影響機制。

從區域內部來看，投資型環境規制與綠色全要素生產率間可能存在非線性關系。一方面，投資型環境規制可以通過改善生態環境提高綠色全要素生產率，抑或由于環境治理投資效率較高，間接提高綠色全要素生產率。一般而言，單位GDP 能耗越高，環境污染越嚴重，投資型環境規制對綠色全要素生產率促進作用的邊際貢獻更大。另一方面，投資型環境規制可能囿于無法滿足環境治理需要，較難通過改善生態環境來提高綠色全要素生產率；抑或投資型環境規制強度過高，政府所負擔的治理環境成本加重，擠占政府財政的生產保障支出，從而不利于提高綠色全要素生產率。通常來說，單位GDP 能耗下降則環境污染隨之改善，相應投資型環境規制的邊際作用可能下降，此時過重的環境規制手段不利于綠色全要素生產率的提高。從區域間來看，本地區投資型環境規制和綠色全要素生產率可能會對其他地區的綠色全要素生產率產生正向溢出效應或虹吸效應。一方面，投資型環境規制可以通過改善本地生態環境吸引其他地區的企業或勞動力，使得其他地區的企業數量下降或勞動力減少，其他地區的經濟總量趨于下降，從而不利于其他地區的綠色全要素生產率提高。另一方面，投資型環境規制可能通過改善本地生態環境吸引更多清潔型產業和創新型企業，提高本地人力資本積累，提升本地知識溢出強度，從而通過知識溢出渠道促進其他地區的綠色全要素生產率提高；考慮到大氣循環和水循環等自然因素的區域關聯性，本地生態環境的改善可能同時優化了其他地區的生態環境，間接提高其他地區的綠色全要素生產率。當然，綠色全要素生產率的空間效應可能由于經濟集聚機制或知識溢出效應，引致其他地區綠色全要素生產率增長乏力或協同增長。

綜上，文章提出如下命題：①投資型環境規制與綠色全要素生產率之間可能存在非線性關系；②不同單位GDP 能耗條件下，投資型環境規制對綠色全要素生產率的影響具有異質性影響特征；③本地區投資型環境規制強度的增加有可能損害或提高其他地區的綠色全要素生產率；④本地區綠色全要素生產率對其他地區綠色全要素生產率可能產生溢出效應或虹吸效應。

2.2 特征事實分析

不同發展階段和不同地區的投資型環境規制具有差異性。從時間角度來看，中國工業污染治理完成投資額占GDP 比重在2001—2011 年間呈“U”型變化趨勢，而在2012—2019 年間則大體上呈下降趨勢。可能的原因是，黨的十八大之后，國家頂層設計治理環境污染問題，由“先污染后治理”的老路走向節能減排綠色發展之路，加大了污染減排、綠色技術創新和發展綠色產業等污染源頭上的防治力度。從區域角度看，東部地區的工業污染治理完成投資額占GDP 比重自2011 年起低于中西部地區，與中國東部與中西部地區的產業結構分布特征以及綠色技術應用現狀相吻合（圖1）。基于此差異性特征，后續研究應開展相應機制的時空異質性分析。

圖1 投資型環境規制變化趨勢圖（2001—2019年）

進一步地，相關性分析表明，投資型環境規制與綠色全要素生產率之間存在非線性關系（圖2）。具體來看，2001—2019年間，隨著投資型環境規制強度提高，綠色全要素生產率呈由上升轉為下降的倒“U”型趨勢，且投資型環境規制與綠色全要素生產率在2001—2011年和2012—2019年兩個時段均呈現倒“U”型關系。當然，這種關系是否可信仍需進一步實證檢驗。

3 綠色全要素生產率測算與分解

3.1 基于SBM模型的綠色全要素生產率測算方法

由于經典徑向DEA 模型要求投入要素按固定比例同步增長，難以衡量生產要素之間因發展環境、發展階段不同而導致的具有顯著差異性的邊際技術替代率，因此忽略了超大規模市場下發達地區與落后地區的增長路徑不統一的問題。文章借鑒Tone［24］提出的基于松弛變量的SBM 模型，該模型對每種要素均增加松弛變量的設定，能夠較好地解決處于不同生產階段的各要素之間投入變動不等比例問題。具體來說，以省域范圍作為基本決策單元，假定在同一時間段內，每一決策單元均使用M 種投入要 素，生 產 出N 種 期 望 產 出y =，以 及J 種 非 期 望 產 出

其中：i表示對應的省級單位，zti表示各時間截面上觀測值的權重，zti= 1，zti≥0 表示可變的規模報酬（VRS）。借鑒Fukuyama 等［20］SBM 模型處理方法，在VRS 條件下，構建包含非期望產出的當期SBM 方向性距離函數。若將StV各要素權重變量和為1的約束去掉，則退化為CRS條件下的方向性距離函數。

3.2 指標選取與數據來源

圖2 投資型環境規制與綠色全要素生產率相關性擬合圖

綠色全要素生產率測算的準確性主要受投入、產出指標選擇的影響，依據已有研究探討，同時為降低因指標選取片面、缺失等因素造成測算結果失真的可能性，投入指標選擇以兼顧全面性和美好生活導向性為宗旨，納入三類經濟要素和一類資源要素，產出指標包含期望和非期望兩大類，同時兼顧了總量和結構特征。具體來說：①期望產出。借鑒多數文獻指標選擇經驗，選用各省份以1985 年為基期的可比價GDP 衡量。②非期望產出。有關非期望產出的選擇，不同文獻之間差異性較大，但主要集中于工業污染排放層面，如考慮工業三廢排放［26］、涉及工業SO2和COD［27］、僅考察二氧化碳排放［28］、僅考慮工業SO2［29］。為實現碳達峰和碳中和目標，同時考慮到大氣污染已成為環境污染的主要組成部分，若經濟發展的非期望產出僅局限于工業污染排放則偏離高質量發展的初衷，因此效率測算模型中非期望產出應包含碳排放和PM2.5濃度，以同時考察經濟發展伴隨的氣候變化和環境污染雙重非期望約束，其中PM2.5原始濃度氣象柵格數據來自達爾豪斯大學，碳排放數據來自CEADs 數據庫。③勞動要素投入。采用各省份城鎮就業人員數指標代理，數據來自《中國勞動統計年鑒》，部分缺失數據已做線性插值處理。④資本要素投入。資本投入分為兩類，一類為經固定資產投資形成的固定資本存量，一類為人力資本存量，分別用以表征綠色效率變動中的實物資本和知識資本作用強度。固定資本存量采用單豪杰的計算方法所得；人力資本存量數據來自《中國人力資本指數報告》數據庫，該指標在衡量人力資本方面具有更高的準確性，且更貼近實際的人力資本存量值。⑤技術要素投入。與現有不考慮技術要素投入的效率測算方式不同，在此考慮以專利授權量衡量的技術投入對產出效率的影響，以期測算結果更加真實。分省專利授權量數據來自國家知識產權局。⑥資源要素投入。經濟活動與能源消耗密切相關，采用能源消耗總量代理經濟發展中的資源要素投入量，數據已折算為標準能源單位，數據來自《中國能源統計年鑒》。文中，東部、中部和西部地區的劃分依據參照國家統計局統計制度及分類標準。其中，東部地區包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南11 省份；中部地區包括山西、安徽、江西、河南、湖北、湖南、吉林和黑龍江8 省份；西部地區包括內蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏和新疆12省份。囿于數據可得性，研究不涉及港澳臺地區。

3.3 測算結果及分解分析

表1展示了2001—2011年和2012—2019年兩個階段中國綠色全要素生產率（GTFP）增長率、純效率變動（TECH）、技術進步（BPC）和規模效率變動（SECH）。經濟進入新常態（2012 年）前后比較可知，全國綠色全要素生產率增長率由0.1%增至0.62%，漲幅約為520%，其中技術進步的全國均值由負轉正，是其增長的主要動力。該測算值低于相關文獻結果［28，30-31］，主要原因有二：其一是相關文獻忽略了創新和人力資本對經濟增長的貢獻，其綠色全要素生產率測算結果包含兩者的增長貢獻，故其估算值高于實際值；其二是研究區間不同，多數研究未探討新常態前后高速增長階段和高質量發展階段的特征差異。實際上，不同發展階段綠色全要素生產率增長的驅動機制并不相同，如高速增長的2001—2011年階段，規模效率變動是綠色全要素生產率增長的主導動力，西部綠色全要素生產率增長較快、東部次之、中部均值為負；2012 年后的高質量發展階段，技術進步成為綠色全要素生產率增長的主導動力，中部綠色全要素生產率增長由負轉正，且居于首位，西部次之，東部第三。綜合而言，在高質量發展階段，綠色全要素生產率快速提升且省域間差距縮小，技術進步主導全國綠色全要素生產率增長。

4 基于空間計量模型的實證檢驗

4.1 空間計量模型選擇

根據理論機制分析，投資型環境規制對于綠色全要素生產率的影響具有空間外部性，在此采用空間計量模型檢驗投資型環境規制對綠色全要素生產率的空間影響。空間計量模型的一般形式為：

表1 中國綠色全要素生產率分時間段描述

當λ = 0，上式簡化為SDM 模型；當λ = 0，且δ = 0，則為SAR模型；當τ = 0，且δ = 0，則為SAC模型；當τ = 0時，則為SDEM 模型；如果τ=ρ= 0，且δ = 0，則為SEM 模型。ρ為空間自相關系數；δ表征解釋變量空間效應強度；λ為空間誤差自相關系數；vit為隨機干擾項；w′i為空間權重行向量。在空間權重矩陣的選擇上，采用Queen鄰接權重矩陣和地理距離權重矩陣。地理距離權重矩陣的元素取值隨地區間空間距離增加呈指數形式衰減，具體設定如下：

其中：δ為空間關聯的距離衰減參數，在此取值為1；dij為i省省會城市到j省省會城市的歐氏距離。

4.2 變量選取與數據來源

文章主要考察投資型環境規制對綠色全要素生產率的影響，因此核心解釋變量為投資型環境規制。羅能生等［10］、許夢博等［12］選取（工業）環境污染投資總額這一絕對量指標衡量“治理投入型環境規制”或“投資型環境規制”，該指標與地方GDP總量密切相關，故不能較好地反映地區的投資型環境規制水平。此外，考察中國污染排放結構不難發現，以重工業和能源業為主的工業污染是我國污染排放的最主要來源，因此針對工業的污染治理投資對于考察中國整體的投資型環境規制具有良好代表性。鑒于此，文章借鑒楊丹等［32］的研究，以工業污染治理完成投資額占GDP比重衡量投資型環境規制（environ_r）（下文簡稱為“環境規制”），其中的工業污染治理完成投資包含了工業廢水、廢氣、固體廢物、噪聲等治理項目的投資；同時，考慮到投資型環境規制與綠色全要素生產率之間可能存在非線性關系，在計量模型中一并納入投資型環境規制二次項。

控制變量主要選取衡量經濟發展能源依賴強度的單位GDP能耗（energy_g）、勞均研發支出（rd_l）、勞均人力資本（human_e）、人力資本投入結構（human_c）、創新質量（patent_q）、創新產出效率（patent_e），同時納入創新產出效率與技術合同成交總額（pat）交互項（patent_e×pat）考察創新成果轉換效率對綠色全要素生產率的影響。其中：①已有文獻對于研發強度的設定因各有側重而不盡相同，借鑒楊林等［33］以結構指標衡量單位產值研發強度的思想，以研發支出與城鎮就業人員比值衡量勞均研發支出（rd_l），衡量全社會的平均研發強度。②周茂等［34］證實在物質資本匱乏條件下，人力資本的擴張可通過技術進步和要素再配置渠道顯著促進制造業出口升級，且已有文獻證明技術進步具有綠色偏向性［35］，為檢驗人力資本與物質資本相對結構變化對綠色全要素生產率的影響，以實際勞動力人力資本存量與實際物質資本存量比值代理人力資本投入結構（human_c）變量。③人力資本水平反映了勞動力模仿技術、吸收知識和創新創造的能力，是衡量勞動力技能水平較為合適的代理指標［36］，以人力資本與城鎮就業人員數的比值代理勞均人力資本（human_e）。④借鑒黎文靖等［37］、李延喜等［38］的研究經驗，創新質量（patent_q）以發明專利申請量與專利申請量比值衡量，創新產出效率（patent_e）以專利授權量與R&D人員全時當量比值衡量。

此外，文章還控制了每單位GDP 的外商投資企業投資總額、市場化指數、第二產業增加值占GDP 比重、人均GDP、城市生活成本指數、政府財政支出占GDP 比重等可能的影響因素，以求最大限度地避免遺漏變量。相關研究數據來自《中國統計年鑒》《中國環境統計年鑒》、中央財經大學《中國人力資本指數報告》和CNRDS 數據庫；市場化指數［39］來自《中國分省份市場化指數報告（2018）》，部分缺失數據使用報告推薦計算方法插補完善；城市生活成本指數來自《中國人力資本指數報告》［40］。

4.3 空間相關性分析

經濟變量具有空間相關性是空間計量模型順利開展的前提，在此采用多權重面板數據Moran’sI指數檢驗中國省域綠色全要素生產率及其主要影響因素是否具有空間相關性。表2展示相關結果，中國省域綠色全要素生產率及其主要影響因素均呈現較強且顯著的空間正相關性，集聚特征明顯。其中，GTFP的空間相關性在不同空間權重測度下的結論保持穩健；環境規制（environ_r）的空間相關性相對較弱，Queen鄰接權重空間相關強度小于地理距離權重；單位GDP能耗（energy_g）的空間相關特征最強；以勞均研發支出（rd_l）衡量的知識溢出的空間相關性僅次于能源消耗；勞均人力資本（human_e）表現出較強的空間集聚特征。

4.4 基準回歸結果分析

為準確刻畫環境規制對綠色全要素生產率的空間影響，依次采用鄰接權重和距離權重下的SAR、SEM 和SDM模型估計相關參數，結果見表3。環境規制的一次項系數顯著為正，二次項系數顯著為負，這一結果在各類模型中均保持穩健。可見，在全國層面上，環境規制與綠色全要素生產率存在倒“U”型關系，適當的環境規制有助于提高綠色全要素生產率，但超過最優環境規制強度后（工業污染治理完成投資額占GDP 平均比重為1.35%），其對綠色全要素生產率的改善功效逐步衰減。如對于河北、山西、內蒙古、青海等“生態欠賬”積累已久省份，短期內較強的環境規制能夠顯著降低污染排放，但對改善綠色全要素

生產率的作用有限。從列（1）—列（2）的空間滯后項來看，其系數分別為0.158 和4.772，且通過了5%和10%的顯著性水平檢驗，表明本區域綠色全要素生產率與其鄰近地區（相鄰和距離相近的周邊區域）的綠色全要素生產率之間存在空間互動機制。從列（3）—列（4）的空間誤差系數λ來看，其估計值分別為0.177和5.665，表明地理相關權重吸收的空間誤差沖擊正向促進綠色全要素生產率。此外，基于地理距離權重測得的分省綠色全要素生產率空間效應半徑約為465 km，空間誤差沖擊的距離衰減半徑位于90～120 km和410～491 km區間內。

表2 2001—2019年相關變量Moran’s I指數

表3 空間計量回歸結果——基準回歸

從控制變量估計結果來看，單位GDP能耗（energy_g）和人力資本投入結構（human_c）的系數顯著為負，表明單位GDP能耗越高和人力資本投入結構越差，綠色全要素生產率則越低；勞均人力資本（human_e）、創新質量（patent_q）和創新產出效率（patent_e）的系數顯著為正，表明勞均人力資本、創新質量和創新產出效率正向促進綠色全要素生產率增長。創新成果轉換效率對綠色全要素生產率的促進機制尚未體現。

SDM 模型估計結果顯示，鄰地環境規制增強顯著促進本地綠色全要素生產率增長，而在距離權重刻畫下這一影響強度由正轉負且不顯著。一定程度表明相鄰區域間的環境規制更多呈現“以鄰為伴”模式，有利于本地綠色發展，而在較大空間范圍內距離相近區域間的環境規制可能呈現“以鄰為壑”模式，阻礙本地綠色發展；鄰近地區單位GDP能耗的升高有利于本地綠色全要素生產率提升，即增大與鄰近區域間經濟發展的能源依賴落差，降低本地能源依賴強度，有助于實現本地綠色增長；鄰近地區勞均人力資本增強顯著抑制本地綠色全要素生產率增長，表明人力資本的虹吸效應不利于區域綠色協調發展；鄰近地區勞均研發支出增大顯著促進本地綠色全要素生產率增長，研發支出擴張引致的知識溢出有利于區域綠色協調發展。綜上而言，環境規制的空間協同治理顯著促進本地綠色全要素生產率提升，強化知識溢出渠道、合理配置人力資本和環境規制協同治理是促進中國綠色全要素生產率增長的有效渠道。

4.5 穩健性檢驗

為確保研究穩健性，將技術要素投入的專利授權量更替為專利申請量，GTFP值由全局GML指數更替為相鄰參比GML指數，重新估計相關參數以檢驗實證結論的穩健性。從穩健性檢驗結果來看（限于篇幅，留存備索），environ_r和environ_r2的估計結果與基準回歸結果一致，即環境規制與綠色全要素生產率呈現倒“U”型關系。同時，其他控制變量和空間效應的估計結果與基準回歸結果也基本一致，表明研究結果較為穩健。

4.6 時空異質性分析

為探討環境規制對綠色全要素生產率的時空異質性影響，在此依據發展階段和地理區位劃分子樣本，借助空間杜賓模型分析相應機制的時空異質性。

由表4 可知，在高速增長階段（2001—2011 年）和高質量發展階段（2012—2019 年），環境規制及其二次項系數與基準回歸結果基本一致，但在高速增長階段，投資型環境規制對綠色全要素生產率的促進強度高于高質量發展階段，這意味著高質量發展階段的綠色全要素生產率提高將愈發依賴創新等其他影響因素。此外，在高質量發展階段，鄰近地區綠色全要素生產率的提升顯著促進本地綠色全要素生產率增長，這一促進強度高于高速發展階段。這一經驗證據表明，高質量發展階段的綠色全要素生產率具有更突出的空間依賴特征，空間一體化的綠色發展是這一階段的主要特征。

表4 不同發展階段和不同區域的空間杜賓模型回歸結果

分區域來看，東部和中西部地區的environ_r 和environ_r2系數方向與基準回歸結果基本一致，且中西部的回歸系數明顯高于東部。這一證據表明，環境規制對綠色全要素生產率的影響與區域經濟發展水平密切相關，經濟發展水平相對落后地區的綠色全要素生產率受投資型環境規制的影響較大，而經濟發展水平相對發達地區的綠色全要素生產率受創新等其他因素的影響更大。綜合而言，環境規制對綠色全要素生產率的影響具有非線性時空異質性特征。

5 基于多重門檻模型的實證檢驗

5.1 多重門檻模型設定

根據理論機制分析，經濟發展的能源依賴特征是影響投資型環境規制功效發揮的重要因素。單位GDP能耗是反映地區經濟發展能源依賴強度的良好指標。此外，單位GDP能耗在一定程度上亦可反映綠色技術進步水平和產業結構優化特征，即單位GDP能耗越低，意味著地區綠色技術進步水平越高，高能耗產業比重越小。因此，文章以單位GDP 能耗作為門檻變量，采用多重門檻模型檢驗環境規制影響綠色全要素生產率的影響機制，計量模型設定如下：

式中：下標i、t分別表示省份和年份；ui和γt分別表示個體和時間固定效應，為保證回歸結果的穩健，采用了僅省份固定、省份時間雙向固定兩種模型；εit為隨機干擾項。y為被解釋變量，即綠色全要素生產率；Xit為控制變量。energy_git為門檻條件變量，即單位GDP 能耗；th表示門檻值；I(·)為示性函數，當energy_git和th 滿足括號內條件時，取值為1，否則為0。

5.2 回歸結果分析

表5報告了多重門檻模型的回歸結果，列（1）—列（3）僅控制省份固定效應，列（4）—列（6）控制省份、時間雙向固定效應。列（1）和列（4）中的單一門檻模型結果顯示，跨過門檻值后，environ_r的回歸系數由顯著為負轉為不顯著為負；列（2）和列（5）的雙門檻模型結果顯示，跨過第二門檻值后，environ_r 的回歸系數由顯著為正轉為不顯著；列（3）和列（6）的三重門檻模型結果顯示，當跨過第三門檻值時，environ_r 回歸系數的有效大小未出現顯著變化。綜合來看，當energy_g＞3.337 時，環境規制對綠色全要素生產率的影響并不顯著；當energy_g 位于3.337～1.662 區間時，環境規制對綠色全要素生產率的影響顯著為正；當energy_g＜1.662 時，即低于每萬元GDP 消耗0.53 t 標準煤，環境規制對綠色全要素生產率的影響顯著為負。換言之，隨著單位GDP能耗的下降，環境規制對綠色全要素生產率的影響由不顯著轉為顯著，且由積極影響轉為消極影響。在現實中，隨著《完善能源消費強度和總量雙控制度方案》和《2030年前碳達峰行動方案》的落實，以投資型環境規制提升綠色全要素生產率的發展模式逐步式微。需要注意的是，2020 年中國每萬元GDP 消耗0.49 t標準煤，已低于0.53 t標準煤門檻值。

表5 多重門檻模型回歸結果

6 結論與建議

文章立足生態文明建設要求和綠色發展理念，首先在分析投資型環境規制影響綠色全要素生產率的理論機制基礎上，基于納入碳排放、PM2.5等非期望產出的SBM模型，測算2001—2019年省級層面綠色全要素生產率，并從純效率、技術進步和規模效率角度分解三者貢獻，揭示其不同發展階段的驅動特征差異；而后針對環境規制與綠色全要素生產率間具有非線性關系的特征事實，基于SAR、SEM 和SDM 空間計量模型和多重門檻模型，分析投資型環境規制對綠色全要素生產率的非線性影響。研究發現：①全國層面，與2001—2011 年相比，2012—2019 年綠色全要素生產率增長從0.1%增至0.62%，技術進步是其主要驅動力；綠色全要素生產率的區域差距呈現縮小趨勢。②在考慮空間效應后，投資型環境規制與綠色全要素生產率間存在顯著倒“U”型關系，且相對于高速發展階段和中西部地區而言，高質量發展階段和東部地區的投資型環境規制影響更弱。③中國省域綠色全要素生產率具有顯著的空間相關特征，投資型環境規制對綠色全要素生產率具有顯著的正向空間促進效應，且不同時期、不同區域的空間促進效應具有異質性。④投資型環境規制對綠色全要素生產率的影響具有隨能源依賴強度變動的非線性門檻效應，當單位GDP 能耗低于一定門檻條件后，弱化投資型環境規制方能促進綠色全要素生產率提高。

基于以上結論，嘗試提出如下對策建議：

（1）科學把握、綜合評估投資型環境規制對綠色全要素生產率的非線性門檻影響。一方面，要注重投資型環境規制政策的動態調整性，隨著中國各省單位GDP 能耗的不斷下降，各地政府應基于本地實際情況動態調整政策力度。另一方面，要注重投資型環境規制政策的區域異質性，對于能耗水平過高的區域而言，要合理選擇投資型環境規制方式，堅決遏制高污染、高能耗項目盲目發展，落實能耗雙控要求；對于能耗水平較高的區域而言，要充分發揮投資型環境規制的引領作用，以投資型環境規制撬動綠色轉型發展；對于能耗水平較低的區域而言，要鼓勵積極創新多元市場化環境規制方式，切實打好不同環境規制方式的“組合拳”，避免投資型環境規制政策的實施給當地經濟發展帶來治污負擔，降低其擠出創新投資的風險。

（2）要充分利用投資型環境規制的空間溢出效應。一方面，要從國家宏觀層面探索區域協同高效的環境規制和跨區生態補償政策，構建國家層面支持、地方政府主導、區域間協同配合的空間聯動體系，不斷優化投資型環境規制政策舉措，切實提升投資型環境規制效益，力爭從制度上避免因經濟利益沖突而導致的區域環境低效治理問題；另一方面，要探索區域間橫向投資型環境規制合作機制，鼓勵鄰近區域構建環境規制的跨界合作網絡體系，促進區域間自然資源的合理利用和環境治理的提質增效。

（3）要充分發揮綠色技術對于實現綠色高質量發展的根本性作用。一方面，強化綠色技術轉型，重視綠色技術自主創新，探索制定支持綠色技術研發的長期性政策，加大低碳、負碳等綠色技術創新研發力度，支持綠色低碳技術的研發、推廣和應用，推動數字經濟的創新發展；同時加大對綠色低碳發展的宣傳、推廣工作，推動更多企業、市民參與到節能減排的實踐中來，普及綠色低碳基礎知識，倡導節能減排生活和生產方式。另一方面，要搭建綠色技術共商共建共享機制，引導企業主動參與創新鏈、產業鏈、價值鏈分工合作，推進創新鏈與產業鏈緊密融合，加快生產高端化、產品高端化、產業鏈高端化，促進產業發展向低碳、綠色、高端優化升級。