环境成效分行业面板数据.pdf
- 格式:pdf
- 大小:100.29 KB
- 文档页数:3
琢境规制、餐济多祥榷与饨源襪欢—基于省际面板数据的实证分析张瑞,陈雪,孙夏令(中国矿业大学(北京)管理学院,北京100083)内容提要:本文利用2003—2017年中国省际面板数据,建立面板数据模型,实证分析环境规制、经济多样性对能源强度的影响。
结果表明:能源强度、环境规制、经济多样性之间存在长期稳定关系;环境规制与能源强度存在显著非线性关系,东、中部地区环境规制与能源强度存在显著“倒U 型”非线性关系,西部地区存在显著“U型”非线性关系;经济多样性与能源强度存在显著负相关影响,东部地区环境壁垒已发挥积极作用。
因此,应充分考虑地区的差异,因地制宜地制定环境政策,加快形成产业准入的环境壁垒,淘汰落后高耗能产业,增加具有“节能倾向”的研发投入,“东缓西快”地推进城市化进程,进一步加快经济增长由“褐色”向“绿色”转变。
关键词:环境规制;经济多样性;能源强度;面板数据中图分类号:F061.3文献标识码:A文章编号:1001-148X(2021)01-0024-08—、弓[言环境规制是政府为改善环境质量实施的系列环境政策m。
中国实施环境规制,在改善环境质量的同时,意图倒逼企业“节能减排”。
目前环境规制在治理环境污染方面已取得显著成就,但关于环境规制对能源强度的影响效果,研究观点存在差异。
第一种是“遵从成本效应”的正向影响,即环境规制强度增加会提高企业污染治理支出,导致其生产成本增加,为保证自身收益,企业对能源需求大幅增加,提高能源强度。
彭树远、Jorgen-son支持这一观点ST,国内尤济红和高志刚通过对新疆地区实证研究,认为环境规制的增强不能提高能源效率⑷。
第二种是“创新补偿效应”的负向影响,即环境规制的增强可以倒逼企业进行节能技术创新,在产出不变的条件下降低了对能源的需求,从而降低能源强度。
万伦来等认为有力的环境规制可以降低能源强度。
第三种是“非线性”影响,环境规制对能源强度的影响既存在正向影响,也存在负向影响。
环境规制、行业异质性与就业效应——基于工业行业面板数据的经验分析李梦洁【摘要】基于生产的局部均衡模型从理论上分析了环境规制对于企业劳动力需求的规模效应、替代效应和治污与减排效应,并利用中国工业行业面板数据实证检验了各项影响途径,以分析在多重机制的综合作用下环境规制对于总就业及就业结构的影响.研究发现:环境规制与总就业之间呈“U”型关系,随着环境规制的增强其对就业的影响由负向转为正向,而我国目前仍处于“U”型曲线的下降阶段;依据污染程度和技术水平划分就业结构,发现行业的异质性导致U型曲线的形态及位置存在显著差异.因此,制定合理的环境规制水平、分行业实施差异性环境政策并促进行业技术升级对于实现环境治理与就业的双赢具有重要意义.【期刊名称】《人口与经济》【年(卷),期】2016(000)001【总页数】12页(P66-77)【关键词】环境规制;就业;行业异质性;技术升级【作者】李梦洁【作者单位】南开大学经济学院,天津300071【正文语种】中文【中图分类】F062.6近年来,随着环境问题和民生问题的凸显,可持续发展的内涵已经扩展为构建经济-生态-民生相和谐的社会。
而环境问题是由于公共产品产权难以界定引致的负外部性造成的,仅靠市场难以有效解决,因此亟须政府通过环境规制来弥补“市场失灵”的缺陷。
虽然环境规制是必须的,但是如果环境规制的施行在改善环境的同时会对经济与民生造成很大的负面影响,那么对于经济-生态-民生整体的和谐也将是不利的。
因此,对于环境规制的研究,不能仅仅局限在怎样更好地改善环境,还应该包括环境规制的经济效应和民生效应。
基于此,本文试图考察环境规制对于民生的重要方面——就业的影响,因为环境规制会通过改变企业的成本函数而对企业的生产规模、劳动力份额、减排活动产生影响,并通过这些影响机制综合作用于企业的劳动力需求。
那么,环境规制对就业的影响到底是正向的?还是负向的?或者是非线性的?这是学术界和政策制定者亟须关注的问题。
一、引言 工业是国民经济的支柱产业,中国工业产值多年来始终占国民生产总值的40%左右,其经济效率因此被广泛重视,不少学者已采取多种方法进行工业经济效率评价。
其中,数据包络分析(DataEn-velopmentAnalysis,DEA)方法由于在处理多投入—多产出问题上的优势而被广泛应用于各工业行业的效率评价与比较中。
由于中国工业的发展具有高污染高能耗的特征,工业生产过程往往伴随着严重的环境问题,主要包括污染物的产生和排放,以及资源能源的消耗。
随着全球范围内对环境问题的日益重视,以及环保意识的不断提高,学者们在进行工业效率评价的过程中,已逐渐将工业的环境影响引入到评价模型中[1-5],本文将考虑了环境影响的经济效率评价称为经济—环境效率评价。
DEA方法是由Charnes、Cooper和Rhodes在1978年首先提出的,评价多个决策单元效率及其有效性的一种非参数方法[6]。
其基本思想是,通过一个数学规划模型,对各个决策单元的相对效率做出评价。
每一个决策单元(DecisionMakingUnit,DMU)都可以看作是相同功能的实体,通过对其投入、产出数据的综合分析,得到DMU的相对效率指标,相对效率在(0,1)区间内分布,其中效率值为1的DMU为有效单元,处于效率前沿。
DEA方法的经典模型是CCR和BCC模型,分别用于评价各决策单元的总效率和技术效率,并可利用总效率和技术效率计算规模效率。
经典DEA模型的相对效率评价思想要求投入尽可能地缩小而产出尽可能地扩大,即满足以最小的投入生产尽可能多的产出的目标。
利用DEA方法进行工业经济—环境效率评价,需要将工业的环境排放及资源消耗引入到评价模型中,但工业生产过程中产生的环境排放并不是人们期望的产出,而是所谓的“非期望产出”。
非期望产出必须尽可能地减小才能实现最佳效率,而经典DEA模型只能使非期望产出增加,因此,经典DEA模型由于无法处理非期望产出而不适用于工业经—环境效率评价。
为了利用DEA方法进行工业经济—环境效率评价,学者们采取了一些方法对经典DEA模型进行改进,其中主要包括六种方法[7],即作投入法、倒数法、双曲线法、转换向量法、方向距离函数法和SBM法,这些方法都使改进后的DEA模型更适用于带有非期望产出的评价问题。
但是,上述方法都存在一个问题,那就是,只对DEA模型的设定进行了改进,而没有考虑各环境排放物之间在环境影响程度上的差异,将它们之间的环境影响差异完全建立于排放量的不同上,而没有给予不同的环境排放物相应的权重,相当于默认各环境排放物的社会经济影响是相同的,这显然与实际情况不符。
由于这一缺陷,利用目前常用的六种改进方法进行工业经济—环境效率评价,虽然解决了经典DEA模型存在的结构性缺陷,但得到的效率评价结果依然与实际情况存在较大偏差。
本文引入社会支付意愿(WillingnesstoPay,WTP)这一概念,计算各工业行业主要环境污染排放物和资源消耗的社会支付意愿,并最终加总得到2005~2009年各工业行业的环境影响社会支付意愿,将其作为DEA模型中各工业行业的环境投入。
利用社会支付意愿理论将工业环境排放和资源消耗统一为工业行业环境影响的社会支付意愿,并将其作为环境投入加入到DEA模型中,一方面,将工业环境排放由非期望环境产出转化为环境投入,满足经典DEA模型的设定,从而解决了经典DEA模型无法处理非期望产出的问题;另一方面,考虑了各环境污染排放物在影响程度上的差异,能够更真实地反映中国工业行业在环境排放问题上的发展变化情况。
二、工业环境影响社会支付意愿 社会对环境影响的支付意愿表现为社会为了将当前环境污染水平降低到某一个限度而付出的代价[8]。
环境税的税率可以反映社会对各环境影响的支付意愿,目前针对环境排污者和资源开采者的环境税分别是排污费和资源税。
科斯的产权理论指出,社会拥有环境的使用权,污染者向社会购买环境使用权的价格就是排污费或者资源税。
庇古的福利经济学理论认为,社会总能够将环境使用权的价格设定在外部环境边际损害曲线和厂商边际私人收益曲线的交点上[9]。
根据产权理论和福利经济学理论可以计算环境排放和资源消耗的社会支付意愿。
在之前国外对环境影响的社会支付意愿的研究中,瑞典的EPS系统使用了支付意愿理论来衡量环境影响[10],而Tellus系统以美国的环境税为权重,研究了美国社会对环境影响的支付意愿[11]。
但是,上述两个系统都存在各自的问题。
EPS系统考虑的是居民支付意愿,与社会支付意愿并不完全相同,而Tellus系统的涉及范围较小且没有考虑资源的消耗。
吴星[12-13]在对建筑工程环境影响评价的研究中,根据社会支付意愿理论对中国目前主要环境污染物的排污费和主要资源的资源税进行了分析与计算。
本文在吴星研究的基础上,根据中国环境统计年鉴,选择数据可得的工业环境排放和资源消耗进行社会支付意愿核算,用于汇总2005~2009年中国各工业行业环境影响的总社会支付意愿。
单位环境排放及资源消耗的社会支付意愿详见表1。
三、工业环境排放与资源消耗 各工业行业的年度环境排放数据和资源消耗数据来源于中国环境统计年鉴、中国工业统计年鉴以及中国统计年鉴,受到早年工业环境排放统计数据范围较小的限制,本文的研究范围是2005~2009年的中国各工业行业。
由于CO2排放量没有直接的统计数据,本文采用了目前研究中常用的根据行业能源消耗(E)j推算行业CO2排放量(CE)j的方法,计算公式为式(1):CEj=p×Ej(1)其中,ρ为能源消耗碳排放因子(吨CO2/吨标准煤),根据1994年中国国家温室气体清单的数据,取2.277(吨CO2/吨标准煤)。
根据单位环境排放和资源消耗的社会支付意愿值,以及2005~2009年各工业行业的环境排放和资源消耗量(受篇幅限制未列出),本文计算了2005~2009年各工业行业的环境影响社会支付意愿值,详见表2。
从表2的数据可以看出:以环境影响的社会支付意愿为衡量标准,无论是工业总的环境影响,还是各工业行业的环境影响,在2005~2009年基本都随着工业经济的发展而处于快速增长的状态;各工业行业在环境影响的绝对值上差异很大,其中,环境影响最大的工业行业为黑色金属冶炼及压延加工业,环境影响最小的行业为废弃资源和废旧材料回收加工业,它们的环境影响相差1000倍左右。
由于各工业行业在经济规模上差异较大,而行业的环境影响与行业规模紧密相关,因此,需要结合工业行业的经济投入产出和环境影响进行工业经济—环境效率评价。
四、超效率DEA模型计算 超效率DEA模型(Super-EfficiencyDataEnvel-opmentAnalysis,SE-DEA)是基于经典DEA模型的一种改进模型。
其在进行第j个决策单元效率评价时,将第j个决策单元的投入和产出用其他所有决策单元投入和产出的线性组合代替,从而把第j个决策单元排除在外,而传统DEA模型则将这一单元包括在内。
一个有效的决策单元可以使其投入按比例增加,而效率保持不变,其投入增加比例即其超效率评价值。
本文选择超效率DEA模型对中国各工业行业进行经济—环境效率评价。
超效率DEA模型能够避免出现经典DEA模型下多个决策单元均为有单元时无法进一步分析的情况,具有更好的适用性本文以总资产、从业人员和环境投入(各工业业环境影响的社会支付意愿)作为投入指标,以总值、主营业务收入和利润作为产出指标,根据2002009年中国39个工业行业的面板数据进行经济环境超效率DEA评价。
超效率DEA模型近年来被广泛应用于效率评中,其具体计算过程本文不再赘述,可参考之前的关研究与文献[14-16]。
超效率评价结果如表3所示。
表3显示,在2005~2009年间,中国各工业行业的经济—环境效率普遍呈现出稳步提高的趋势,表明近几年中国工业发展状况良好;同时可以看出,各工业行业间的效率评价值差异较大,尤其是工业行业总体的效率评价值很低,表明目前中国工业尚未达到各行业均衡发展的理想态势,低效行业规模大、数量多。
由于表3的评价结果无法体现环境投入对效率评价的影响程度,本文还以总资产、从业人员作为投入指标,总产值、主营业务收入和利润作为产出指标(在原模型的基础上剔除环境投入),再次利用2005~2009年的中国各工业行业的面板数据进行超效率DEA评价,新模型(无环境投入)计算结果如表4所示。
表4显示,在不考虑环境投入的情况下,超效率DEA模型的评价结果同样反映出各工业行业效率在2005~2009年间逐渐提高,表明环境投入并没有改变工业行业效率的总体发展趋势。
对比表3和表4的评价结果,从整个工业行业的角度来看,环境投入对工业整体的效率评价影响很小,但其对于不同工业行业的效率评价结果影响差异较大,在本文之后的研究中以“环境投入影响率”这个指标衡量环境投入对各工业行业效率评价的不同影响。
为了反映各工业行业经济—环境效率的综合情况,本文选择三个指标作为工业行业经济—环境效率的综合评价指标:效率均值(E)i;效率增长率(V)i;环境投入影响率(I)i。
效率均值为有环境投入情况下(表3)各工业行业2005~2009年间超效率DEA评价值的均值,反映了工业行业在2005~2009年的总体效率情况:E=(Ei,2005+Ei,2006+Ei,2008+Ei,2009)/5(2)效率增长率为有环境投入情况下各工业行业2005~2009年间超效率DEA评价值的增长率,反映了工业行业在2005~2009年的效率发展情况:Vi=(Ei,2009-Ei,2005)/Ei,2005(3)环境投入影响率为有无环境投入情况下的工业行业效率差值与无环境投入情况下(表4)的工业行业效率的比值,反映了环境投入对工业行业效率评价结果的影响程度:Ii=(Ei-Ei′)/Ei′(4)式中,Ei为有环境投入的工业行业效率,Ei′为无环境投入的工业行业效率。
各工业行业效率综合评价指标情况详见表5所示。
效率均值反映了2005~2009年各工业行业经济—环境效率的总体情况。
在39个工业行业中,效率最高的行业为石油加工、炼焦及核燃料加工业、烟草制造业,以及废弃资源和废旧材料回收加工业;效率最低的行业为水的生产和供应业,电力、热力的生产和供应业,以及燃气生产和供应业。
效率增长率反映了2005~2009年各工业行业经济—环境效率的发展情况。
绝大多数行业的经济—环境效率都处于良性增长的状态,只有水的生产和供应业,电力、热力的生产和供应业,以及石油和天然气开采业三个行业出现了效率降低的现象。
在39个工业行业中,效率发展最快的行业为燃气生产和供应业、化学纤维制造业及非金属矿物制品业。
环境投入影响率反映了环境投入对工业行业效率评价的影响,而表5的结果显示环境投入对不同行业的效率影响差异较大。