The Impact of Energy Saving Target Constraint on Green Productivity of China's Industrial Sector

YANG Mian, HOU Yaru, DUAN Hongbo

China Journal of Econometrics ›› 2022, Vol. 2 ›› Issue (1) : 179-193.

PDF(1007 KB)
PDF(1007 KB)
China Journal of Econometrics ›› 2022, Vol. 2 ›› Issue (1) : 179-193. DOI: 10.12012/CJoE2021-0055

The Impact of Energy Saving Target Constraint on Green Productivity of China's Industrial Sector

Author information +
History +

Abstract

Formulating reasonable environmental policies to guide the continuous improvement of green total factor productivity (GTFP) is the key to accelerate the development of green industrial transformation in China. By matching the database of Chinese industrial enterprises with CEADs, this paper first constructs three-dimensional panel data across time, region, and industry, then taking the strong implementation of energy-saving target constraint policy (ESTC) as a quasi-natural experiment, the effect and mechanism of ESTC on China's industrial GTFP are discussed with the help of the SBM-GML and quasi-DID methods for each province in 1998 to 2008. The results show that the strict ESTC policy has significantly promoted the improvement of GTFP in China's industrial sectors, especially the values in high-energy-consuming and heavy-polluting industries, which reflects the targeted effect of ESTC policy. Meanwhile, the ESTC policy has a more obvious effect on the improvement of GTFP in industries where the enterprises are younger, the proportion of state-owned capital is higher, and the profit surplus is larger. Further mechanism test confirms that capital renewal - technology introduction, independent innovation - technology breakthrough and competition intensification - allocation optimization are the important driving forces for the improvement of GTFP in China.

Key words

industrial sector / energy saving target constraint / green total factor productivity / DID method

Cite this article

Download Citations
Mian YANG , Yaru HOU , Hongbo DUAN. The Impact of Energy Saving Target Constraint on Green Productivity of China's Industrial Sector. China Journal of Econometrics, 2022, 2(1): 179-193 https://doi.org/10.12012/CJoE2021-0055

1 引言

工业部门是国民经济的命脉, 也是一个国家整体竞争力最为直观的体现, 其效率提升与质量变革对引领产业转型升级、推动我国现代化经济体系建设至关重要. 近年来, 在相关经济政策的引导与支持下, 我国工业部门在提质增效方面取得了一系列积极的成就. 然而与此同时, 其所面临的资源环境问题也日趋严重, 以资源过度消耗、污染排放加剧为代价的粗放型发展模式仍是制约我国工业经济体系绿色转型发展的主要障碍(杨冕等(2018); 杨万平和李冬(2020)). 鉴于工业发展方式转变的根本问题在于全面提高其绿色全要素生产率(GTFP) (陈诗一(2010)), 制定科学合理的规制政策来引导工业经济发展和生态环境保护协同推进, 进而实现其GTFP的持续改善, 就成为加快我国工业绿色转型发展的关键所在(李斌等(2013)).
事实上, 我国早于2006年就开始实施节能目标约束政策, 提出"十一五"期间单位国内生产总值能耗下降20%的任务, 并首次将其作为强制性目标纳入到我国的中长期发展规划中. 作为能源消耗的主要环节, 工业部门自然成为我国节能工作的重点领域. 然而, 工业发展的不均衡性决定了上述规制政策在制定及实施过程中存在着较为明显的地区与行业差异. 从地区层面看, 中国地大物博, 各地自然资源禀赋和经济社会基础各异, 因而不同地区受到的节能规制程度也有所差异, 这将从宏观层面影响一地工业的GTFP发展水平与绿色转型路径. 从行业层面看, 为推动节能工作的顺利实施, 国务院对耗能、排放双高的行业设置贷款门槛, 实施差别电价, 即便在同一地区, 不同工业行业的GTFP提升也面临着不同的机遇和挑战.
因此, 如何科学识别节能目标约束政策对不同地区工业细分行业GTFP的差异化影响, 以便于未来因地制宜、因业制宜的设计针对性节能目标; 如何探寻节能目标约束政策对GTFP的作用机制, 以充分挖掘工业绿色转型发展的关键驱动力? 基于此, 本文通过将中国工业企业数据库(以下简称工企库)与CEADs数据库相匹配, 首先构建跨时间-地区-行业的三维面板数据, 继而采用SBM-GML指数测算了中国1998–2008年各地区工业二分位行业的GTFP. 在此基础上, 以2006年实施的节能目标约束政策为一次准自然实验, 运用广义DID方法实证考察了节能规制对各地区工业细分行业GTFP的异质性影响, 进而从技术进步、市场竞争等视角深入剖析了其作用机理. 本文的研究不仅为环境规制对中国工业GTFP的差异化影响提供了新的经验证据, 还进一步厘清了我国工业绿色转型发展的动力源泉, 为工业经济的提质增效提供了有益的政策参考.

2 文献综述

随着资源与环境问题日益凸显, 科学评估GTFP及其影响因素的变动对经济的绿色转型发展具有重要意义. 常见的GTFP测度方法包括随机前沿分析法(SFA)和数据包络分析法(DEA)两种. 其中DEA方法因无需设定具体的生产函数形式、无需进行参数估计、能对GTFP的变动进行分解等多方面优点, 近年来在GTFP测算评估中受到了广泛关注. 如众多学者从国家(Wang et al. (2020); 王兵和刘光天(2015)、省份(Xia & Xu (2020); 陈星星(2019); 吴磊等(2020))、地级市(Chen et al. (2020); 赵明亮等(2020))等层面对GTFP展开了广泛而深入的研究, 结果普遍发现中国的GTFP在样本期间内经历了一个持续增长的过程, 但不同地区的GTFP增长幅度却存在着较为明显的时空异质性. 考虑到工业部门是能源消耗和CO2排放的最大来源, 还有不少文献聚焦于对工业及其细分行业GTFP的测算. 如陈超凡(2016)运用方向性距离函数以及ML指数探究了中国2004–2013年工业GTFP增长率的演变趋势, 结果发现其呈现倒退且不具收敛性的特征; 李斌等(2013)针对中国2001–2010年36个工业行业GTFP的研究也得到类似的结论, 认为工业越发显现粗放和外延性增长趋势. 相反, 李根等(2019)的实证结果表明中国2000–2016年制造业的能源生态效率整体上呈现上升趋势, Zhang et al. (2020)基于MML生产率指数法也发现中国2007–2017年化工行业的GTFP呈上升趋势, 且其主要来自于技术进步的驱动.
合理的环境规制是推动GTFP持续改善, 进而实现经济发展与生态保护双赢局面的关键所在. 就其测度而言, 部分学者将环境规制指标化, 并基于OLS、2SLS、Tobit等模型来探究环境规制带来的可能影响. 如傅京燕和李丽莎(2010)王杰和刘斌(2014)选择SO2去除率、烟尘去除率作为环境规制的效果指标; 纪建悦等(2019)郭进(2019)采用排污费、环境行政处罚数、环境保护财政支出以及地方性法规数作为环境规制的代理变量. 然而, 韩超和胡浩然(2015)指出上述方法存在代理变量与所考察对象间的内生性问题. 为缓解由于内生而带来的估计偏误, 部分学者依托政策评估框架, 将环境规制视为一次准自然实验, 采用双重差分(DID)、倾向得分匹配(PSM)、断点回归(RDD)等方法来分析环境规制带来的冲击. 如Shao et al. (2019)考察了命令控制型环境规制-能源强度约束政策的实施对中国36个工业行业能源效率的影响; 廖文龙等(2020)探究了经济激励型环境规制- 碳排放权交易试点政策的施行对中国绿色经济增长的影响; Blackman et al. (2010)评估了公众自愿型环境规制-国家环境审计项目的执行对墨西哥企业环境绩效的影响.
近些年来, 关于环境规制对TFP以及GTFP影响这一议题也逐渐成为学术界关注的焦点, 但是受研究视角、样本选择、指标选取等方面存在差异所影响, 目前学术界对上述议题的结论也莫衷一是. 部分学者支持"成本遵循说", 认为环境规制的实施会导致企业生产成本上升, 迫使企业挤占正常生产经营性投资, 从而造成企业生产率和利润率下降, 进而抑制其TFP、GTFP的增长(陈超凡(2016); 李胜兰等(2014)). 与之相反, 部分学者验证了"波特假说", 认为环境规制会带来显著的创新补偿效应, 即环境规制的实施可以通过倒逼企业加大研发, 采取工艺升级、技术革新等措施来推动企业TFP、GTFP的增长(佘硕等(2020); 王兵和刘光天(2015)). 此外, 还有学者提出市场竞争效应理论, 认为环境规制的实施通过挤出效应促进了企业的优胜劣汰, 进而引领资源的合理配置提高了企业的生产率(韩超等(2017); 张志强(2017)).
梳理现有研究脉络, 发现学者们已在GTFP测算以及环境规制等领域取得了积极的进展, 但尚存在一些可以拓展的空间. 首先, 囿于数据限制, 目前关于GTFP测算的研究主要集中在国家、省份、地级市以及行业层面, 而尚未有学者以省份-行业为协同视角, 将各省份的工业细分行业作为分析单元. 其次, 在考察环境规制对GTFP影响的文献中, 鲜有学者实证探究2006年实施的节能目标约束政策对中国工业GTFP的异质性影响, 遑论回答该强制性约束如何作用于GTFP, 进而推动工业部门的绿色转型发展. 本研究的边际贡献在于: 1)通过将中国工企库中微观企业的数据同时在省份与行业层面进行汇总, 继而与CEADs中的数据相匹配, 首次将GTFP评价的对象拓展到省份-行业层面, 丰富了GTFP测算的研究. 2)依托于因果评估框架, 以节能目标约束政策的实施为一次准自然实验, 运用广义DID方法系统评估了节能规制对各地区工业二分位行业GTFP的异质性影响, 并从技术改造、技术创新、市场竞争等视角深入剖析了上述政策驱动我国工业绿色转型发展的动力源泉.

3 政策背景与实证策略

3.1 政策背景

改革开放四十多年来, 中国经济高速增长, 创造了世界经济发展史上的奇迹, 但也不可避免地带来了大量的自然资源消耗. 面对能源供需矛盾与生态保护诉求, 早在21世纪初期, 我国就强调把经济增长建立在节约能源资源和保护环境的基础上, 大力推动可持续发展战略. 2006年批准通过的"十一五"规划纲要进一步将节约资源上升至国家战略层面, 提出"十一五"期间能源强度降低20%左右的约束性目标. 同时, 为保障上述节能工作的顺利开展, 我国根据经济发展水平、产业结构、资源禀赋等因素将上述任务在省份层面进行分摊, 如"十一五"期间北京能源强度下降目标为20%, 山东为22%, 而海南仅为17%, 并相继实施千家企业节能行动、差别电价、十大重点节能工程等配套措施. 然而, 2006年上半年全国能源消耗增长仍然明显快于经济增长, 节能工作未能达到有效预期. 基于此, 国务院连发行政命令, 将节能目标完成情况作为对地方人民政府及其负责人考核评价的内容, 建立"目标明确, 责任清晰, 措施到位, 一级抓一级, 一级考核一级"的节能目标责任和评价考核制度, 进一步坚定加强节能工作的决心. 在此背景下, 地方各级人民政府将节能降耗视为硬要求, 狠抓工业节能任务, 强化政策措施中的执行力, 拓展考核广度和监督深度, 节能工作取得了积极的进展. 至此, 节能目标约束政策成为中国工业经济结构优化和发展方式转变的内在要求, 为本文研究节能规制对工业绿色转型的影响提供了理想的机会.

3.2 模型设定

本研究以2006年实施的节能目标约束政策为准自然实验, 构建如下广义DID模型:
GTFPijt=α0+β0POSTt×EIi+β1Wi+λt+γij+εijt,
(1)
其中, 被解释变量为各地区工业细分行业的绿色转型发展水平, 以绿色全要素生产率GTFPijt衡量, 下标i表示省份, j表示工业二分位行业, t表示年份; POSTt是一个时间虚拟变量, 如果时间是在2006年及之后, 则取值为1, 否则取值为0; EIi是一个连续变量, 以节能目标约束中规定的各省份能源强度的下降幅度来衡量; Wi是省际层面的控制变量, 包括FDI、对外开放水平、政府支出、产业结构以及研发等. λt是时间固定效应, γij是省份与行业的交互固体效应, εijt是误差项. 需重点关注的参数β0, 它解释了节能目标约束对各省份工业细分行业GTFP的平均影响, 若其显著为正, 则表示更严格的节能规制将促进工业部门GTFP的增长, 推动中国工业的绿色转型发展.

3.3 数据说明

本文的被解释变量为各省份工业细分行业的GTFP, 这可由基于DEA模型的SBM-GML指数测算得到. 为构建GML指数, 选取中国1998–2008年各地区工业分行业的资本, 劳动与能源作为投入, 工业总产值作为期望产出, CO2作为非期望产出. 首先根据行业与地区代码将中国工企库中微观企业的数据同时在行业和省份层面进行汇总, 进而与CEADs中分省份分行业的能源与CO2数据相匹配, 整理得到GTFP测算的基础数据.
中国工企库由国家统计局建立, 其样本范围为全部国有工业企业及规模以上非国有工业企业. 由于其存在样本匹配混乱、部分指标缺失以及异常等问题, 本文借鉴杨汝岱(2015)Brandt et al. (2012)的做法, 对工企库中的原始数据进行构建面板、价格平减等处理, 并剔除了销售额、职工人数、总资产等关键指标缺失的观测值, 剔除了不满足规模以上(销售收入500万元及以上)、总资产小于流动资产, 总资产小于固定资产净值, 累计折旧小于当期折旧, 实收资本、工业增加值小于等于0的异常值.
CEADs是在国家自然基金委员会支持下编纂的中国及发展中国家、地区的多尺度碳核算清单及社会经济与贸易数据库. 本文首先利用该数据库中各省份细分行业的20种能耗数据计算了对应化石能源产生的CO2, 随后加上CEADs提供的各省份细分行业工业过程产生的CO2, 由此获得1998–2008年省际层面工业分行业CO2排放的完整数据.
基于上述处理后, 一些地区(海南、宁夏、新疆、西藏和港澳台)与部分行业(有色金属冶炼及压延加工业、废弃资源和废旧材料回收加工业)的投入产出数据仍然缺失严重, 故未将其纳入到研究范围内. 最终把研究对象限定在27个省份的31个工业行业. 此外, 考虑到GML指数测算的结果是GTFP增长率而非GTFP本身, 本文以基期为1对其进行逐年累积量化处理(陈超凡(2016)), 由此剔除了因数据缺失而不连续的样本, 最终形成包含了8635个观测值的平衡面板.
本文的核心解释变量为节能规制强度EI, 以节能目标约束政策中规定的各省份能源强度的下降幅度来度量, 是一个连续变量. 同时, 基于已有的理论基础和实证经验, 选取各省份的FDI、对外开放程度、政府支出、产业结构与研发作为控制变量. FDI指标以各省份实际使用外商投资占该地区当年生产总值的比例来衡量, 对外开放程度以进出口占该地区当年生产总值的比例来衡量, 政府支出以地方财政一般预算支出占该地区生产总值的比例来衡量, 产业结构以各省第二产业增加值占该地区当年生产总值的比例来衡量, 研发指标由各省份的研究与发展经费内部支出来衡量. 以上数据来自于《中国统计年鉴》《中国贸易外经统计年鉴》以及《中国科技统计年鉴》.
为消除异方差等影响, 对所有数据均采用对数处理, 表 1给出了变量的描述性统计.
表1 变量描述性统计
变量名称 样本量 均值 标准差 最小值 最大值
资本(亿元) 8635 803.179 1748.868 0.122 29256.180
劳动力(百万) 8635 64.512 120.903 0.046 2524.838
工业总产值(亿元) 8635 2166.091 6501.511 0.502 209807.200
能源(百万) 8635 118.364 356.700 0.020 8069.433
CO2 (百万) 8635 271.010 873.736 0.0001 20750.130
GTFP 8635 1.911 1.704 0.031 41.226
EI 8635 20.158 2.890 15.000 30.000
外商直接投资(%) 8635 0.041 0.039 0.004 0.152
对外开放程度(%) 8635 0.237 0.284 0.040 1.276
政府支出(%) 8635 0.138 0.050 0.057 0.357
产业结构 8635 0.466 0.070 0.310 0.600
研发经费内部支出(亿元) 8635 10.980 14.681 0.117 121.609

4 实证结果

4.1 基准回归结果分析

表 2第(1)(2)列考察了节能目标约束政策对GTFP的影响. 结果显示, 无论是否加入控制变量, DID (POSTt×EIi)前的系数均显著为正, 即政策规制的能源强度下降幅度越高, 各省份工业细分行业的GTFP也就越高, 说明更严格的节能规制促进了我国工业部门GTFP的提升, 实现了经济与环境的双赢. 平均而言, 能源强度下降目标每增加1%, 工业部门的GTFP将增长约0.78%, 这与命令控制型环境规制一般能够带来迅速的环境改善, 进而提升经济系统GTFP的结论相符(吴磊等(2020)). 考虑到能源强度(单位工业增加值能源消耗)与CO2强度(单位工业增加值CO2排放)也可在一定程度上表征工业的绿色转型发展, 本文分别采用这两个变量替代GTFP, 代入模型中进行回归. 表 2的第(3)(4)列报告了节能目标约束对能源强度的影响, 第(5)(6)列报告了对CO2排放强度的影响. 结果显示, 更严格的节能规制显著地降低了各地区工业分行业的能源强度与CO2强度, 证实了该环境政策的有效性. 事实上, 节能目标约束及其配套政策措施的制定, 是我国较早将节能绩效纳入到地方官员考核与晋升机制的尝试, 在该政策背景下, 各级政府充分认识到节能工作的重要性和紧迫性, 中国工业绿色转型发展稳中有进.
表2 基准回归
变量 (1) (2) (3) (4) (5) (6)
GTFP GTFP energy intensity energy intensity CO2 intensity CO2 intensity
DID 0.0083** 0.0078** 0.0154* 0.0133 0.0259* 0.0251*
(0.0033) (0.0032) (0.0089) (0.0087) (0.0147) (0.0146)
N 8635 8635 8635 8635 8635 8635
Adj R2 0.6830 0.6900 0.8571 0.8612 0.7888 0.7917
Controls No Yes No Yes No Yes
ProInd FE Yes Yes Yes Yes Yes Yes
Year FE Yes Yes Yes Yes Yes Yes
注: 括号内为聚类到省份二分位行业的标准误, ***, **, *分别表示在1%、5%和10% 的水平上显著.下表同.

4.2 稳健性检验

4.2.1 动态效应评估

鉴于基准结果只探究了节能目标约束政策对GTFP的平均影响, 以下采用事件分析法, 加入每一年与节能规制的交互项, 将政策前一期作为基期, 进一步评估节能政策的动态效果. 表 3中, post表示当期的政策效果, 而before与after则分别体现了政策在实施前与实施后对结果的影响. 结果发现, 无论是GTFP, 能源强度亦或是CO2强度, before前的系数均不显著, 揭示了政策实施前各省份工业分行业绿色转型发展水平类似, 满足平行趋势检验. 同时, 由于当期难以及时调整工业企业的生产方式, post前的系数也并不显著, 与2006年全国没有实现节能降耗和污染减排目标的事实相符. 但从政策实施后的第二年开始, 系数变得显著, 说明更严格的节能目标约束将助推GTFP的提升、能源强度与CO2强度的下降, 如此短暂的滞后也证实了中国政府强烈的节能决心. 此外, after前的系数逐年变大, 表征政策的正向效果随着时间的推移而愈加明显, 再次论证了"十一五"期间节能目标约束的有效性. 图 1为平行趋势图.
表3 动态效应评估
变量 (1) (2) (3) (4) (5) (6)
GTFP GTFP energy intensity energy intensity CO2 intensity CO2 intensity
before5 0.0021 0.0008 0.0059 0.0036 0.0066 0.0044
(0.0024) (0.0025) (0.0064) (0.0065) (0.0085) (0.0086)
before4 0.0004 0.0000 0.0083 0.0080 0.0035 0.0054
(0.0030) (0.0029) (0.0090) (0.0089) (0.0137) (0.0137)
before3 0.0001 0.0012 0.0065 0.0036 0.0127 0.0148
(0.0023) (0.0024) (0.0085) (0.0085) (0.0139) (0.0138)
before2 0.0043 0.0038 0.0151 0.0121 0.0252 0.0235
(0.0035) (0.0035) (0.0109) (0.0109) (0.0166) (0.0167)
post 0.0038 0.0027 0.0065 0.0015 0.0068 0.0031
(0.0032) (0.0032) (0.0083) (0.0083) (0.0141) (0.0141)
after1 0.0069*** 0.0069*** 0.0170*** 0.0189*** 0.0388*** 0.0422***
(0.0024) (0.0024) (0.0055) (0.0055) (0.0141) (0.0140)
after2 0.0092*** 0.0096*** 0.0231*** 0.0265*** 0.0270** 0.0307**
(0.0029) (0.0030) (0.0083) (0.0084) (0.0137) (0.0140)
N 8635 8635 8635 8635 8635 8635
Adj R2 0.6832 0.6902 0.8571 0.8613 0.7889 0.7918
Controls No Yes No Yes No Yes
ProInd FE Yes Yes Yes Yes Yes Yes
Year FE Yes Yes Yes Yes Yes Yes
图1 平行趋势图

Full size|PPT slide

4.2.2 安慰剂检验

选取未实施节能目标约束的1998–2005年作为样本区间, 虚构政策时间进行回归. 假设政策的实施时间分别为2002与2003年, 如果基于上述某年份的估计结果仍然是显著的, 则说明GTFP的提升是由其他非节能降耗因素引致的. 表 4中第(1)与(2)列显示, DID前的系数均不显著, 结果稳健.
表4 稳健性检验
GTFP (1) (2) (3) (4) (5) (6) (7) (8) (9) (10)
post=2002 post=2003 2003–2008 2002–2008 换解释变量 换样本 tfp_op tfp_lp 缩尾0.25% 缩尾0.5%
DID 0.0043 0.0048 0.0046** 0.0056** 0.0760*** 0.0092*** 0.0187*** 0.0143** 0.0072** 0.0062**
(0.0029) (0.0031) (0.0022) (0.0025) (0.0280) (0.0032) (0.0044) (0.0065) (0.0031) (0.0030)
N 6280 6280 4710 5495 8635 7766 9641 9641 8635 8635
Adj R2 0.5923 0.5924 0.7953 0.7632 0.6903 0.6942 0.9707 0.9585 0.6976 0.7067
Controls Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes
ProInd FE Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes
Year FE Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes

4.2.3 时间敏感性分析

为测试时间敏感性, 本文对样本时间1998–2008年进行调整. 表 4中第(3)列给出了样本期为2003–2008年时的回归结果, 第(4)列给出了样本期为2002–2008年时的回归结果. 实证发现, DID前的系数依旧显著为正, 说明结果不是由特定的时间选择驱动, 结果稳健.

4.2.4 更换解释变量

本文的核心解释变量EI是一个连续变量, 由各省规定的能源强度下降目标来衡量, 接下来将其替换为虚拟变量. 如果一个省份要求下降的能源强度幅度高于20%, 则表征其担负了更严格的环境规制, 为其EI赋值为1, 否则赋值为0. 表 4第(5)列的回归结果显示, DID前的系数依旧显著为正, 说明更严格的节能规制促进了我国工业部门GTFP的上升, 结果稳健.

4.2.5 更换样本

本文的分析单元是各地区的工业细分行业, 其统计口径包括制造业以及电力、燃气及水的生产和供应业2个门类, 共涉及31个二分位工业行业. 鉴于制造业是国民经济的主体, 且其占据了工企库90%以上的样本, 本文接下来只关注制造业. 表 4中第(6)列显示, 能源规制强度每增加1%, 各省份制造行业的GTFP将平均提升0.92%, 该系数略高于全样本时的系数, 说明相较于燃气及水的生产和供应业, 制造业更具有政策敏感性.

4.2.6 排除异常值

为测算各省份工业分行业的GTFP, 有两种做法. 一是先将企业层面数据汇总到各省份工业分行业层面, 进而基于DEA方法测算GTFP. 二是先测算企业的GTFP, 继而将企业层面的GTFP加总到省份工业分行业层面. 本文在基准回归中采用了前者, 该方法要求平衡面板, 由此删除了部分不连续的观测值. 为排除这部分观测值对结果的影响, 本文接下来采用第二种方法进行回归. 考虑到企业能源与CO2数据的缺乏, 本文仅探析了节能目标约束对TFP的影响. 即先利用OP、LP法测算出企业的TFP, 随后将企业的TFP加总到省份行业层面, 最后考察节能目标约束对各省份工业分行业TFP的影响. 表 4第(7)(8)列发现, 节能目标约束政策显著的促进了工业部门TFP的提升, 其实施效果并不受删除观测值的影响. 同时, 为排除极端异常值的影响, 本文还对重要观测值进行了缩尾, 表 4第(9)列展示了缩尾0.25%的结果, 第(10)列展示了缩尾0.5%的结果. DID前的系数依旧显著为正, 结果稳健.

5 异质性分析与机制检验

5.1 异质性分析

5.1.1 行业异质性分析

鉴于节能目标约束主要是针对高耗能、重污染行业, 为检验其政策针对性, 本文以下探讨节能目标约束对上述两类行业的异质性影响.
借鉴龚健健和沈可挺(2011)的划分方法, 将造纸及纸制品业, 石油加工、炼焦及核燃料加工业, 化学原料及化学制品制造业, 化学纤维制造业, 非金属矿物制品业, 黑色金属冶炼及压延加工业, 有色金属冶炼及压延加工业以及电力、热力的生产和供应业界定为高耗能行业, 为其eninten赋值为1, 为其它行业的eninten赋值为0. 类似地, 借鉴傅京燕和李丽莎(2010)的研究, 在高耗能行业中进一步区分出重污染行业, 将造纸及纸制品业, 化学原料及化学制品制造业, 非金属矿物制品业, 黑色金属冶炼及压延加工业, 有色金属冶炼及压延加工业定义为重污染行业, 为其dirty赋值为1, 为其它行业的dirty赋值为0.
表 5结果发现, 无论是否加入控制变量, DID与eninten交互项、DID与dirty交互项的系数均显著为正, 表明更严格的节能规制目标促进了各省份高耗能、重污染行业GTFP的提升. 具体来看, 能源强度下降目标每增加1%, 高耗能行业将较非高耗能行业的GTFP上升0.23%, 重污染行业将较非重污染行业的GTFP上升0.22%. 这显然是符合经济直觉的, 石油、化工、有色金属等高耗能、重污染行业是推动我国经济增长的重要基石, 也是节能减排的关键领域, 其在严格的节能规制下自然首当其冲. 一方面, 部分高耗能、重污染企业由于未达到节能要求, 被迫整顿关停, 由此促进了整个行业平均GTFP的提升. 另一方面, 上述企业也会主动采取调整工艺, 优化生产与排污处理过程等方式降耗减排, 进而促进该行业GTFP的增加.
表5 行业异质性分析
GTFP (1) (2) (3) (4)
energy intensive energy intensive dirty dirty
DIDeninten 0.0023** 0.0023**
(0.0010) (0.0010)
DIDdirty 0.0022*** 0.0022***
(0.0008) (0.0008)
DID 0.0077** 0.0072** 0.0080** 0.0075**
(0.0034) (0.0032) (0.0033) (0.0032)
N 8635 8635 8635 8635
Adj R2 0.6837 0.6907 0.6834 0.6904
Controls No Yes No Yes
ProInd FE Yes Yes Yes Yes
Year FE Yes Yes Yes Yes

5.1.2 企业异质性分析

由于各地区工业细分行业的数据由企业数据加总得到, 本文进一步探讨回归结果是否会受企业差异化性质的影响. 首先, 分别统计了每年各省份工业分行业中所有企业以及每年所有企业的年龄、国有资本占总资本的比值以及利润, 随后计算两者的比值, 将其作为各省份工业分行业中表征企业特征的代理变量.
表 6显示, 如果一个省份工业二分位行业中的企业成立时间越短、国有资本比重越高、盈余利润越大, 则节能规制对GTFP的提升作用就越大. 究其原因, 相较于成熟的老企业, 成长阶段中的年轻企业扩张较快, 导致其生产率迅猛增长, GTFP也随之提高. 更为重要的是, 年轻企业往往使用更加清洁高效的年轻机器, 这将直接导致其GTFP的明显改善. 此外, 相较于民营与外资企业, 国企当时在获取政府补贴、银行融资以及负担税收等方面具有更大的优势, 因此国有资本密集的行业也更容易响应政府的号召, 积极推进绿色转型. 同时, 相较于低利润企业, 盈余高的企业可以将更多的资金投入到购买末端治理设备、攻克节能减排技术、改造核心工艺、调整产品结构中, 从而通过管理性节能、技术性节能、结构性节能提升该省份工业行业的GTFP.
表6 企业异质性分析
(1) (2) (3) (4) (5) (6)
age age nationcap nationcap profit profit
DID 0.0079** 0.0076** 0.0064** 0.0057* 0.0080** 0.0077**
(0.0033) (0.0032) (0.0032) (0.0031) (0.0033) (0.0032)
DIDage 0.4473*** 0.2496**
(0.1152) (0.1161)
age 0.7621 1.5979
(1.6335) (1.7039)
DIDnationcap 0.0959* 0.1185**
(0.0565) (0.0594)
nationcap 2.6898*** 2.7772***
(0.5516) (0.6944)
DIDprofit 0.0317 0.2032*
(0.1204) (0.1163)
profit 15.6136*** 13.4752***
(3.5533) (3.2801)
N 8635 8635 7850 7850 8635 8635
Adj R2 0.6836 0.6902 0.6612 0.6672 0.6861 0.6926
Controls No Yes No Yes No Yes
ProInd FE Yes Yes Yes Yes Yes Yes
Year FE Yes Yes Yes Yes Yes Yes

5.2 机制分析

5.2.1 技术进步

在节能目标的强制约束下, 一方面, 企业可能通过自主创新-技术突破的方式推动自身的转型升级. 另一方面, 对于研发能力不足的企业, 其可能通过资本更新-技术引进的方式来推动自身的转型升级. 前者称之为技术创新, 后者称之为技术改造.
本文首先基于GML指数将GTFP分解为体现技术创新的创新指数(TC)与表征技术改造的效率指数(EC), 进而采用DID模型从技术进步的角度探寻影响我国工业部门GTFP改善的驱动力. 表 7的第(1)(2)列结果显示, 节能目标约束政策不仅会诱致企业采用学习模仿等方式推动各省份工业分行业的技术向当期生产前沿逼近, 形成技术改造效应, 还会倒逼企业采用自主创新等方式推动当期技术前沿面移向跨期技术前沿面, 形成技术创新效应.
表7 机制分析-技术改造与技术创新
变量 (1) (2) (3) (4)
TC EC invest depreciation
DID 0.0090*** 0.0069** 0.0292** 0.0215***
(0.0032) (0.0034) (0.0124) (0.0081)
N 8635 8635 6677 9612
Adj R2 0.6631 0.6522 0.7595 0.9289
Controls Yes Yes Yes Yes
ProInd FE Yes Yes Yes Yes
Year FE Yes Yes Yes Yes
此外, 考虑到更年轻的机器生产率更高且排污量更少, 企业可能通过增加投资、加速折旧等方式引进更加先进环保的生产设备来替代传统落后的生产设备(万攀兵等(2021)), 表 7第(3)(4)列进一步回归了节能规制政策对工业投资与折旧的影响. 结果发现, 各省工业细分行业的固定资产投资上升了2.92%, 当期折旧上升了2.15%, 即节能规制通过加快企业淘汰落后工艺与产品、购买新治污和生产设备等技术改造方式达到了工业行业转型升级的目的.

5.2.2 市场竞争

除了技术进步, 节能目标约束政策还可能通过加剧市场竞争来实现各地区工业细分行业GTFP的提升. 严格的节能规制在短期内增加了企业的生产成本, 这将直接引发市场竞争加剧, 促使资本、人力等资源由低效率、弱竞争力的企业转移到高效率、强竞争力的企业, 导致在位企业的市场势力提高, 进而优化资源配置效率, 改善行业内的GTFP水平.
为刻画该作用机制, 本文首先计算了各企业的市场势力与从业人员人数, 随后将其汇总到省份行业层面, 作为市场竞争的代理变量. 借鉴周夏飞和周强龙(2014)的做法, 采用两种勒纳指数(li)评估企业的市场势力, 其中li1 = (主营业务收入主营业务成本)/主营业务收入, li2 =折旧及息税前利润/销售额. 表 8第(1)(3)列显示, 勒纳指数的系数显著为正, 从业人数的系数显著为负, 即节能目标规制通过挤出效应促进了企业的优胜劣汰, 减少了劳动力的需求, 增强了在位企业的市场势力.
表8 机制分析-市场竞争
变量 (1) (2) (3) (4)
li1 li2 workforce revenue
DID 0.0139** 0.0114* 0.0126** 0.0167**
(0.0057) (0.0066) (0.0057) (0.0073)
N 10482 8390 10590 10590
Adj R2 0.9456 0.9147 0.9449 0.9492
Controls Yes Yes Yes Yes
ProInd FE Yes Yes Yes Yes
Year FE Yes Yes Yes Yes
另外, 如果节能规制通过加剧市场竞争促进了工业GTFP的提升, 我们预期该政策规制将显著地提升各省份工业细分行业的销售收入. 一方面, 市场竞争的加剧淘汰了一批产能落后的小企业, 导致留存企业的生存空间变大, 销售收入提高. 另一方面, 留存企业的市场势力较大, 拥有更强的定价能力, 销售收入也随之提高. 第(4)列结果显示, DID前的系数显著为正, 结果稳健.

6 结论与政策建议

改革开放以来, 工业在助推我国经济高速增长的同时也不可避免地带来了大量的能源消耗, 而"十一五"节能工作的全面部署与强力推行, 是首次正式将节能降耗纳入到国家战略高度的要以之举, 为我开辟中国特色能源发展新道路奠定了坚实的基础. 本文以GTFP为着手点, 通过构建跨时间-地区-行业的三维面板数据, 综合运用SBM-GML指数与广义DID方法系统探析了节能目标约束对我国各地区工业细分行业GTFP的差异化影响及其作用机理.
研究发现, 节能目标约束政策的实施显著地促进了我国工业部门的绿色转型发展, 平均而言, 政策规定的能源强度下降目标每增加1%, 中国工业部门的GTFP将提高0.78%. 同时, 受针对性节能措施的影响, 高耗能与重污染行业的GTFP会较其他行业的GTFP上升幅度更大, 具体来看, 能源强度下降目标每增加1%, 高耗能行业将较非高耗能行业的GTFP上升0.23%, 重污染行业将较非重污染行业的GTFP上升0.22%. 此外, 如果一个省份行业中的企业成立时间越短, 国有资本比重越高、利润盈余越大, 则节能规制对其GTFP的提升作用越明显. 通过路径检验, 本文进一步证实资本更新-技术引进、自主创新-技术突破以及竞争加剧-配置优化是节能目标约束政策驱动我国工业部门GTFP提升的重要动力源泉.
根据上述主要研究结论, 提出以下政策建议: 一是强化节能规制措施. 节能目标约束政策是我国实现工业绿色转型的重要手段, 但较小的回归系数表明其作用效果仍有潜在的上升空间. 未来应加强与财税、金融、创新政策的协调配合, 进一步加大环境监管执法力度. 二是关注重点单位节能. 更严格的节能目标约束会促进高耗能、重污染行业GTFP的增长, 并引致国有资本比重高、利润盈余多企业所在行业GTFP的提升. 因此, 国家应设置针对性、梯度性的节能规制目标, 通过先改善关键领域的GTFP进而带动整个工业部门的绿色转型发展. 三是发挥市场在资源配置中的关键作用, 全面提升节能降耗技术. 技术进步与市场竞争是驱动节能目标约束促进工业部门GTFP增长的关键动力. 在新一轮科技革命和产业变革的背景下, 我国应遵循市场机制推动技术进步, 发挥市场对技术研发方向、创新要素配置、知识产权保护以及研发机构孵化的导向作用.

References

陈超凡, 中国工业绿色全要素生产率及其影响因素——基于ML生产率指数及动态面板模型的实证研究[J]. 统计研究, 2016, 33 (3): 53- 62.
Chen C F , China's Industrial Green Total Factor Productivity and Its Determinants — An Empirical Study Based on ML Index and Dynamic Panel Data Model[J]. Statistical Research, 2016, 33 (3): 53- 62.
陈诗一, 节能减排与中国工业的双赢发展: 2009-2049[J]. 经济研究, 2010, 45 (3): 129- 143.
Chen S Y , Energy-Save and Emission-Abate Activity with Its Impact on Industrial Win-Win Development in China: 2009-2049[J]. Economic Research Journal, 2010, 45 (3): 129- 143.
陈星星, 非期望产出下我国能源消耗产出效率差异研究[J]. 中国管理科学, 2019, 27 (8): 191- 198.
Chen X X , Difference of Energy Efficiency in China Based on Non-Expected Output[J]. Chinese Journal of Management Science, 2019, 27 (8): 191- 198.
傅京燕, 李丽莎, 环境规制、要素禀赋与产业国际竞争力的实证研究——基于中国制造业的面板数据[J]. 管理世界, 2010, (10): 87- 98.
Fu J Y , Li L S , A Case Study on the Environmental Regulation, The Factor Endowment and the International Competitiveness in Industries[J]. Management World, 2010, (10): 87- 98.
龚健健, 沈可挺, 中国高耗能产业及其环境污染的区域分布——基于省际动态面板数据的分析[J]. 数量经济技术经济研究, 2011, 28 (2): 20- 36.
Gong J J , Shen K T , Regional Distribution and Environment Pollution of Energy-Intensive Industries in China[J]. The Journal of Quantitative & Technical Economics, 2011, 28 (2): 20- 36.
郭进, 环境规制对绿色技术创新的影响——"波特效应"的中国证据[J]. 财贸经济, 2019, 40 (3): 147- 160.
Guo J , The Effects of Environmental Regulation on Green Technology Innovation — Evidence of the Porter Effect in China[J]. Finance & Trade Economics, 2019, 40 (3): 147- 160.
韩超, 胡浩然, 清洁生产标准规制如何动态影响全要素生产率——剔除其他政策干扰的准自然实验分析[J]. 中国工业经济, 2015, (5): 70- 82.
Han C , Hu H R , How Does Clean Production Standards Regulation Dynamically Affect TFP — A Quasi-Natural Experiment Analysis with Policy Interference Eliminated[J]. China Industrial Economics, 2015, (5): 70- 82.
韩超, 张伟广, 冯展斌, 环境规制如何"去"资源错配——基于中国首次约束性污染控制的分析[J]. 中国工业经济, 2017, (4): 115- 134.
Han C , Zhang W G , Feng Z B , How Does Environmental Regulation Remove Resource Misallocation — An Analysis of the First Obligatory Pollution Control in China[J]. China Industrial Economics, 2017, (4): 115- 134.
纪建悦, 张懿, 任文菡, 环境规制强度与经济增长——基于生产性资本和健康人力资本视角[J]. 中国管理科学, 2019, 27 (8): 57- 65.
Ji J Y , Zhang Y , Ren W H , Research on the Relationship Between Environmental Regulation Intensity and China's Economic Growth Rate — Based on Physical Capital and Human Capital Perspective[J]. Chinese Journal of Management Science, 2019, 27 (8): 57- 65.
李斌, 彭星, 欧阳铭珂, 环境规制、绿色全要素生产率与中国工业发展方式转变——基于36个工业行业数据的实证研究[J]. 中国工业经济, 2013, (4): 56- 68.
Li B , Peng X , Ouyang M K , Environmental Regulation, Green Total Factor Productivity and the Transformation of China's Industrial Development Mode — Analysis Based on Data of China's 36 Industries[J]. China Industrial Economics, 2013, (4): 56- 68.
李根, 刘家国, 李天琦, 考虑非期望产出的制造业能源生态效率地区差异研究——基于SBM和Tobit模型的两阶段分析[J]. 中国管理科学, 2019, 27 (11): 76- 87.
Li G , Liu J G , Li T Q , Regional Differences of Energy Eco-Efficiency in Manufacturing Industry Under Consideration of Undesirable Outputs Based on the SBM-Tobit Two-Stage Model[J]. Chinese Journal of Management Science, 2019, 27 (11): 76- 87.
李胜兰, 初善冰, 申晨, 地方政府竞争、环境规制与区域生态效率[J]. 世界经济, 2014, 37 (4): 88- 110.
廖文龙, 董新凯, 翁鸣, 陈晓毅, 市场型环境规制的经济效应: 碳排放交易、绿色创新与绿色经济增长[J]. 中国软科学, 2020, (6): 159- 173.
Liao W L , Dong X K , Weng M , Chen X Y , Economic Effect of Market-Oriented Environmental Regulation Carbon Emission Trading Green Innovation and Green Economic Growth[J]. China Soft Science, 2020, (6): 159- 173.
佘硕, 王巧, 张阿城, 技术创新、产业结构与城市绿色全要素生产率——基于国家低碳城市试点的影响渠道检验[J]. 经济与管理研究, 2020, 41 (8): 44- 61.
She S , Wang Q , Zhang A C , Technological Innovation, Industrial Structure and Urban GTFP-Channel Test Based on National Low-Carbon City Pilots[J]. Research on Economies and Management, 2020, 41 (8): 44- 61.
万攀兵, 杨冕, 陈林, 环境技术标准何以影响中国制造业绿色转型——基于技术改造的视角[J]. 中国工业经济, 2021, (9): 118- 136.
Wan P B , Yang M , Chen L , How Do Environmental Technology Standards Affect the Green Transition of China's Manufacturing Industry — A Perspective from Technological Transformation[J]. China Industrial Economics, 2021, (9): 118- 136.
王兵, 刘光天, 节能减排与中国绿色经济增长——基于全要素生产率的视角[J]. 中国工业经济, 2015, (5): 57- 69.
Wang B , Liu G T , Energy Conservation and Emission Reduction and China's Green Economic Growth — Based on a Total Factor Productivity Perspective[J]. China Industrial Economics, 2015, (5): 57- 69.
王杰, 刘斌, 环境规制与企业全要素生产率——基于中国工业企业数据的经验分析[J]. 中国工业经济, 2014, (3): 44- 56.
Wang J , Liu B , Environmental Regulation and Enterprises' TFP — An Empirical Analysis Based on China's Industrial Enterprises Data[J]. China Industrial Economics, 2014, (3): 44- 56.
吴磊, 贾晓燕, 吴超, 彭甲超, 异质型环境规制对中国绿色全要素生产率的影响[J]. 中国人口·资源与环境, 2020, 30 (10): 82- 92.
Wu L , Jia X Y , Wu C , Peng J C , Impact of Heterogeneous Environmental Regulation on Green Total Factors Productivity[J]. China Population Resources and Environment, 2020, 30 (10): 82- 92.
杨汝岱, 中国制造业企业全要素生产率研究[J]. 经济研究, 2015, 50 (2): 61- 74.
Yang R D , Study on the Total Factor Productivity of Chinese Manufacturing Enterprises[J]. Economic Research Journal, 2015, 50 (2): 61- 74.
杨万平, 李冬, 中国生态全要素生产率的区域差异与空间收敛[J]. 数量经济技术经济研究, 2020, 37 (9): 80- 99.
Yang W P , Li D , Study on the Regional Differences and Spatial Convergence of Ecological Total Factor Productivity in China[J]. The Journal of Quantitative & Technical Economics, 2020, 37 (9): 80- 99.
杨冕, 卢昕, 段宏波, 中国高耗能行业碳排放因素分解与达峰路径研究[J]. 系统工程理论与实践, 2018, 38 (10): 2501- 2511.
Yang M , Lu X , Duan H B , Analysis on the Determinants and Peaking Paths of CO2 Emissions in China's High Energy-Consuming Industries[J]. Systems Engineering — Theory & Practice, 2018, 38 (10): 2501- 2511.
张志强, 环境规制提高了中国城市环境质量吗?——基于"拟自然实验"的证据[J]. 产业经济研究, 2017, (3): 69- 80.
Zhang Z Q , Does Environmental Regulation Improve the Urban Environmental Quality in China? Evidence Based on a "Quasi-Natural Experiment"[J]. Industrial Economics Research, 2017, (3): 69- 80.
赵明亮, 刘芳毅, 王欢, 孙威, FDI、环境规制与黄河流域城市绿色全要素生产率[J]. 经济地理, 2020, 40 (4): 38- 47.
Zhao M L , Liu F Y , Wang H , Sun W , Foreign Direct Investment, Environmental Regulation and Urban Green Total Factor Productivity of the Yellow River Basin[J]. Economic Geography, 2020, 40 (4): 38- 47.
周夏飞, 周强龙, 产品市场势力、行业竞争与公司盈余管理——基于中国上市公司的经验证据[J]. 会计研究, 2014, (8): 60- 66.
Zhou X F , Zhou Q L , Product Market Power, Industry Competition, and Corporate Earnings Management — Based on the Empirical Evidence of Chinese Listed Companies[J]. Accounting Research, 2014, (8): 60- 66.
Blackman A , Lahiri B , Pizer W , Rivera Planter M , Muñoz Piña C , Voluntary Environmental Regulation in Developing Countries: Mexico's Clean Industry Program[J]. Journal of Environmental Economics and Management, 2010, 60 (3): 182- 192.
Brandt L , Van Biesebroeck J , Zhang Y , Creative Accounting or Creative Destruction? Firm-Level Productivity Growth in Chinese Manufacturing[J]. Journal of Development Economics, 2012, 97 (2): 339- 351.
Chen W , Ning S , Chen W , Liu E , Wang Y , et al. Spatial-temporal Characteristics of Industrial Land Green Efficiency in China: Evidence from Prefecture-Level Cities[J]. Ecological Indicators, 2020, 113, 106256.
Shao S , Yang Z , Yang L , Ma S , Can China's Energy Intensity Constraint Policy Promote Total Factor Energy Efficiency? Evidence from the Industrial Sector[J]. The Energy Journal, 2019, 40 (4): 101- 128.
Wang Y , Sun X , Wang B , Liu X , Energy Saving, GHG Abatement and Industrial Growth in OECD Countries: A Green Productivity Approach[J]. Energy, 2020, 194, 116833.
Xia F , Xu J , Green Total Factor Productivity: A Re-Examination of Quality of Growth for Provinces in China[J]. China Economic Review, 2020, 62, 101454.
Zhang Y , Song Y , Zou H , Transformation of Pollution Control and Green Development: Evidence from China's Chemical Industry[J]. Journal of Environmental Management, 2020, 275, 111246.

Funding

National Natural Science Foundation of China(72073105)
National Natural Science Foundation of China(71774122)

RIGHTS & PERMISSIONS

All rights reserved, without authorization
PDF(1007 KB)

1606

Accesses

0

Citation

Detail

Sections
Recommended

/