環境規制和路徑依賴對水污染密集型行業分布的影響——基于長江流域的實證分析

田欣 陳帥 徐晉濤

環境規制和路徑依賴對水污染密集型行業分布的影響——基于長江流域的實證分析

田欣1陳帥2徐晉濤3,?

1.北京大學環境科學與工程學院, 北京 100871; 2.浙江大學中國農村發展研究院, 杭州 310058; 3.北京大學國家發展研究院, 北京 100871; ?通2信作者, E-mail: xujt@pku.edu.cn

基于中國規模以上工業企業數據庫和相關社會經濟信息, 通過赫芬達爾-赫希曼指數和區位熵分析路徑依賴效應, 使用面板固定效應模型, 實證考察環境規制和路徑依賴對長江流域水污染密集型行業分布的影響。在實證模型中采用兩階段最小二乘法解決環境規制指標的內生性, 提高了研究結論的可靠性。研究結果表明, 長江流域排放 COD 的水污染密集型行業集中度較低, 分布較為分散, 并且該行業在“十一五”規劃期間集中度逐年大幅下降?！笆濉币巹澠陂g, 排放 COD 的水污染密集型行業存在顯著的路徑依賴效應, 環境規制對其分布沒有顯著影響; “十一五”規劃期間, 該行業分布不再有顯著的產業集聚優勢, 環境規制顯著地降低該行業的產值及增長率。對于排放非 COD 的水污染密集型行業和非水污染密集型行業, 環境規制沒有顯著影響。從企業所有制類型來看, 集體企業、私營企業和外商投資企業在“十一五”規劃期間均受到顯著的影響, 國有企業和港澳臺企業則未受到顯著影響?？傮w上, 隨著路徑依賴和環境規制對水污染密集型行業分布的影響此消彼長, 環境規制對水污染密集型行業分布的影響越來越大, 繼續完善環境規制政策有助于長江流域的可持續發展。

長江流域; 水污染密集型行業; 環境規制; 路徑依賴; 兩階段最小二乘

隨著中國工業迅速發展, 各大流域的水質逐漸惡化。為了治理流域污染, 在“九五”和“十五”規劃期間, 中國推行污染物排放目標總量控制制度。通過開展工業污染源末端治理, 淘汰和關閉污染嚴重的企業等措施, 全國 23 萬家污染企業實現達標排放[1]?！笆晃濉币巹澠陂g, 全國水環境管理的目標從總量控制向容量總量控制轉變[2]?！笆晃濉币巹澨岢龅乃廴局卫矸桨钢? 要求實現化學需氧量(COD)比 2005 年減少 10%, 全國 COD 排放總量比2005 年下降 12.45%。但是, 長江流域的水質數據顯示 2010 年低于Ⅲ類水標準的河長比例(32.6%)比2005 年(27.4%)高, 表明只限制 COD 無法有效地控制流域水污染。此外, 中國氨氮排放量遠遠超過受納水體的環境容量, 污染負荷壓力大, “十二五”規劃將氨氮納入全國主要水污染物排放約束性控制指標?！笆濉币巹澠陂g, 長江流域低于Ⅲ類水標準的河長比例逐漸下降, 水質整體上逐漸變好。但是, 從總體上看, 2001—2013 年長江流域水質沒有明顯的改善。

長江流域在中國經濟和社會發展中起著重要的作用, 同時對全國的污染貢獻也很大。長江經濟帶的經濟總量超過全國的 40%[3], 是中國最重要的工業基地之一, 分布著大量高耗能和高污染的行業。這些行業對長江流域的經濟發展具有重要作用, 其中水污染密集型行業的貢獻很大。長江流域上、下游的經濟發展水平差異較大, 中下游地區經濟發展速度快, 上游地區經濟發展水平相對較低。除經濟地位的重要性以外，長江事關中國 5 億人的飲用水安全, 水質是否達標非常重要[4]。

影響工業企業分布的驅動因素包括土地、資本、勞動力和路徑依賴等傳統要素, 不斷增加的環境保護壓力促使企業將環境污染內化成生產成本, 因此地區的環境規制水平也成為一個重要的因素。關于路徑依賴的研究主要是理論分析[5–6], 通過梳理與路徑依賴相關的因素來衡量其對企業的影響, 但是目前缺乏關于污染企業是否存在路徑依賴的研究。

在環境規制對污染企業影響的實證研究中有三類觀點。第一類觀點認同“污染避難所”假說, 認為環境規制嚴格程度低的地區會吸引工業企業[7–10]。全球化過程中, 資本從發達國家流轉到發展中國家, 國際企業為尋找最高的回報率, 將工廠轉移到發展中國家, 工廠選址過程中產生“逐底競爭”, 發展中國家不斷削減成本, 吸引國際企業在當地投資建廠, 在推動發展中國家經濟增長與增加就業機會的同時, 也增加了發展中國家的環境污染[8]。在中國現行水污染治理體制下, 流域內各區域污染治理強度不同且激勵措施不相容, 導致流域水污染加劇[11]。長江流域上游地區經濟發展水平低, 環境規制嚴格程度低, 在不發達的地區引入外來投資和增加當地就業等因素的驅動下, 越來越多的企業選擇在中、上游地區建廠, 但在流域傳輸的作用下, 中、上游排放的水污染物再次污染下游地區, 下游省份的環境容量被上游省份占據一部分[4]。第二類觀點認為環境規制對企業選址、就業、外商投資和跨境貿易等沒有顯著影響。Grossman 等[12]發現, 美國和墨西哥不同的環境規制對交界地區的資源分配和利用有很小的影響。Tobey[13]認為貿易格局取決于傳統要素稟賦所決定的比較優勢, 而非環境要素, 環境政策對產品凈出口沒有顯著影響。第三類觀點認為環境規制嚴格程度高的地區會吸引更多的工業企業。Becker 等[14]發現, 達標區和非達標區差異化的政策導致污染企業從不達標區向達標區轉移, 雖然降低了生產效率, 但會帶來環境收益的提升。Keller 等[15]的研究表明, 環境規制的提高對企業有利。Leiter 等[16]研究歐洲 1980—2008 年的工業企業, 發現較高的環境規制有利于吸引外商投資的進入。

除研究路徑依賴和環境規制對工業企業分布影響外, 也有學者探討企業分布是否受到收入及種族的影響[17–18]。根據經驗, 人們認為污染企業傾向于把工廠設在低收入地區和美國黑人集中居住地區, 但Been 等[17]的研究表明, 工廠選址與美國黑人集中居住地區沒有明顯的聯系。Wolverton[18]發現工廠選址不再關注種族, 并且低收入地區分布的污染企業數量更少。

水污染密集型行業造成流域水質惡化, 相同的企業分布在流域不同位置對水質產生不同的影響, 區域污染轉移導致企業分布影響環境政策效果, 因此研究水污染密集型行業在流域分布的驅動因素很重要, 其中環境規制和路徑依賴是兩個重要的驅動因素。目前的研究雖然認識到中國流域跨境水污染治理陷入困境, 卻鮮有從實證角度分析水污染密集型行業的分布及產業增長背后的驅動因素, 與此同時, 目前缺乏對全流域的研究, 導致對流域內企業分布情況的認識不充分。鑒于長江流域的經濟活動總量大, 上下游經濟發展水平差異較大, 并且在日益嚴格的環境規制下, 長江流域的水質控制效果不顯著, 本文選擇長江流域的工業企業進行研究, 將環境規制和路徑依賴作為切入點, 使用規模以上工業企業數據庫及相關社會經濟數據, 利用工具變量和兩階段最小二乘法, 估計兩個驅動因素對行業分布的影響, 從而解決現有研究中存在的環境規制內生性問題。

1 實證模型

本文使用面板固定效應模型, 估計環境規制和路徑依賴對長江流域工業企業分布的影響。計量經濟模型如式(1)和(2)所示:

Y=+βR+γX+u+θ+ε, (1)

R=+σZ+τX+μ+?+?, (2)

其中, 因變量Y是模型關注的可能受到環境規制和路徑依賴影響的長江流域工業企業分布指標, 包括行業產值和行業產值增長率;R是各城市每年的環境規制變量;Z代表工具變量;X是外生控制變量;u和μ代表體現城市差異的固定效應, 時間趨勢由θ和?控制。

本文構造的環境規制變量與體現工業企業分布的被解釋變量互相影響, 意味著環境規制變量具有內生性。為了解決內生性問題, 引入工具變量。本文選擇滯后一期的環境規制變量作為工具變量, 理由是滯后一期的環境規制與當期環境規制變量具有相關性, 且與當期的工業企業分布不相關, 具有外生性, 符合工具變量的標準[19–20]。借助工具變量, 采用兩階段最小二乘法(2SLS), 估計環境規制和路徑依賴對工業企業分布的影響, 在兩階段回歸中包括相同的外生控制變量。

1.1 路徑依賴

路徑依賴體現該地區過去的產業優勢對現在工業企業分布的影響。本文選取赫芬達爾–赫希曼指數(HHI)和區位熵作為體現路徑依賴的代理變量。HHI 指數可以體現市場中廠商規模的離散程度[21], 定義為市場中一個行業內所有競爭主體占行業總產值百分比的平方和:

其中,是市場內該行業的總產值,X是第個企業的產值,代表該行業的企業數量。

由于 HHI 指數不能體現行業集中度在空間上的差異, 因此引入區位熵作為各地區路徑依賴的代理變量。區位熵不僅反映行業集中度, 也反映行業集中度的地區差異, 從而可以構造面板數據, 計算公式如下:

其中, LQ代表地區的產業在全國的區位熵;q表示地區的產業的相關變量(如產值、勞動力數量等);q代表地區所有產業的相關變量;q是全國產業的相關變量。本文選擇產值作為行業的代理變量來計算區位熵。

1.2 環境規制

用于反映環境規制嚴格程度的變量是每年各地級市化學需氧量的減排量。Chen 等[4]構造兩個環境規制指標, 一個是各城市“十一五”規劃期間 COD減排任務, 另一個是各城市政府工作報告中與環境相關文字的占比, 并且證明這兩個指標具有穩健性。由于 COD 減排指標更加直觀, 因此本研究選擇 COD 減排量作為環境規制的代理變量, 且構造方法與 Chen 等[4]的算法不同。根據生態環境部2006 年公布的 COD 減排省內分配指南, 各地級市按照 COD 排放量占省內總排放量的份額進行減排。Chen 等[4]計算得到“十一五”規劃期間每年各省內不同城市的 COD 減排量相等, 而本研究區分年份異質性, 各城市 COD 減排量每年不同, 從而可以構成面板數據。由于各地區的 COD 排放量不是直接測量得到, 而是由政府工作人員根據生產活動估算得到[4], 因此本文直接采用地級市排放 COD 水污染密集型行業的產值占全省的份額來估計各地級市的 COD 排放份額。環境規制變量的計算方法如下:

2 數據描述

本研究使用的數據集包括《中國環境年鑒》、《中國城市統計年鑒》和中國規模以上工業企業數據庫, 時間范圍是 2000—2013 年。由于規模以上工業企業數據庫缺少 2010 年的數據, 因此本研究不包括 2010 年的數據。根據《長江年鑒》公布的長江流域行政區劃表, 本文選取長江流域的 119 個地級市和兩個直轄市(上海市和重慶市)作為研究區域。

根據《第一次全國污染源普查公報》公布的主要行業水污染物排放情況, 我們將主要行業分為 3組, 包括排放 COD 的水污染密集型行業、排放非COD 的水污染密集型行業和非水污染密集型行業, 其中后兩組作為對照組, 用于甄別水污染密集型行業受環境規制和路徑依賴因素的影響程度。排放COD 的主要行業包括造紙及紙制品業、紡織業、農副食品加工業、化學原料及化學制品制造業、飲料制造業、食品制造業和醫藥制造業, 排放非COD 的主要水污染行業包括有色金屬冶煉及壓延加工業、石油加工煉焦及核燃料加工業、皮革毛皮羽毛(絨)及其制品業、通用設備制造業、黑色金屬冶煉及壓延加工業、交通運輸設備制造業、金屬制品業、煤炭開采和洗選業、電力燃氣及水的生產和供應業, 非水污染密集型行業包括石油和天然氣開采業、黑色金屬礦采選業、有色金屬礦采選業、非金屬礦采選業、其他采礦業、林業、煙草制品業、紡織服裝及鞋帽制造業、木材加工及木、竹、藤、棕、草制品業、家具制造業、印刷業和記錄媒介的復制、文教體育用品制造業、化學纖維制造業、橡膠制品業、塑料制品業、非金屬礦物制品業、專用設備制造業、電氣機械及器材制造業、通信設備計算機及其他電子設備制造業、儀器儀表及辦公機械制造業、工藝品及其他制造業?？紤]到行業內企業的異質性, 本研究把排放 COD 的水污染密集型行業按照企業的登記注冊類型劃分為 5 個子樣本, 包括國有企業、集體企業、私營企業、外商投資企業和港澳臺投資企業。

圖 1 描述從“十五”規劃到“十二五”規劃期間(2001—2013 年)長江流域水質低于Ⅲ類比例的變化, 根據水質劃分標準, 水質低于Ⅲ類水標準時不可以作為飲用水, 因此縱軸取值越高, 表示水質越差。圖 1 表明 2001—2013 年長江流域水質沒有明顯的改善, 且在 2001—2009 年期間持續惡化。盡管 2010 —2013 年水質有所好轉, 但 2013 年水質與 2001 年的水平接近。有研究表明, 由于長江流域下游污染企業產值減少, 而上游污染企業產值增加, 流域內發生區域污染轉移導致“十一五”規劃時期長江流域水質逐漸惡化[4]。因此, 研究長江流域內水污染密集型行業的分布對分析長江流域水污染的成因非常重要。

2.1 路徑依賴

圖 2 描繪每年排放 COD 水污染密集型行業的HHI 指數, 表明在“十五”規劃期間, 排放 COD 的水污染密集型行業的集中度發生波動且沒有統一的變化趨勢, 但在 2005 年以后, “十一五”規劃期間和“十二五”規劃期間, 該行業的 HHI 指數逐年降低, 說明該行業的集中程度降低, 排放 COD 的水污染密集型企業在長江流域的分布更加分散。

對比三類行業集中度的平均值可以發現, 排放COD 的水污染密集型行業集中度最低, 該行業的分布最分散, 非水污染密集型行業的集中度排序第二, 排放非 COD 的水污染密集型行業集中度最高。三類行業集中度隨時間變化趨勢的分析結果表明, “十五”規劃期間, 水污染密集型行業集中度在小范圍內波動, 且保持相對穩定的水平, 但非水污染密集型行業集中度的波動較大, 沒有明顯的規律。在“十一五”規劃期間, 排放 COD 的水污染密集型行業集中度逐年下降且下降, 幅度較大, 排放非 COD的水污染企業集中度波動較大, 且沒有規律性, 非水污染密集型行業的集中度相對于“十五”期間整體下降, 但在“十一五”期間只在小范圍內波動, 保持相對穩定的水平。在“十二五”期間, 三類行業集中度都呈下降趨勢。

區位熵的值越大, 代表該地區產業集聚度越高。從圖 3 可以發現, 2000—2005 年期間, 排放COD 的水污染密集型行業在下游地區的分布更加密集; 而在 2006—2013 年期間, 該行業在長江流域的分布發生明顯的變化, 上游和中游地區的行業集中度明顯上升, 表明該行業在中上游的分布增多, 而在下游地區減少。由于該行業更加廣泛地分布在中上游地區, 而不再集中于個別地區, 因此可以在一定程度上解釋該行業 HHI 指數“十一五”期間下降的現象。

2.2 環境規制

如圖 4 所示, “十一五”規劃期間長江流域整體的環境規制嚴格程度比“十五”規劃期間顯著提高。下游的環境規制在進入“十一五”時期以后更加嚴格, 并且嚴格程度高于上游地區。

2.3 長江流域各類行業的分布

如圖 5 所示, 2000—2004 年期間, 排放 COD 的水污染密集型行業在下游地區的累積產值占全流域總產值的比例逐年增加, Chen 等[4]選取的下游地區是距離上海 900km 以內的地區, 本文選用此標準來劃分上下游。但是, 2005—2013 年, 下游地區排放COD 的水污染行業累積產值占整個流域的比例大幅度下降, 下降幅度接近 20%, 而上游地區 COD 水污染行業產值占比顯著增加。其中, 2005—2009 年下游地區的占比逐年下降, 并且 2009 年下游地區的占比遠遠小于下游地區該行業在 2000 年的比例, 我們推測這是由于 2005 年出臺的“十一五”規劃中, 明確提出各省 COD 減排目標, 各地區在此期間為了減少 COD 排放大量增加環保投入。2011—2013 年期間, 下游地區 COD 水污染行業占比也呈現大幅度下降的趨勢, 但是這 3 年的占比變化沒有統一的規律。

排放非化學需氧量的水污染密集型行業排放的主要水污染物包括氨氮、石油類和揮發酚等。從圖6 可以發現, 2000—2004 年, 下游地區排放非 COD的水污染密集型行業累積產值占全流域的比例上升, 但上升幅度較小。在 2005—2009 年, 下游地區排放非 COD 的水污染密集型行業占比(圖 6)的下降幅度比排放 COD 的水污染密集型行業占比(圖 5)的下降幅度小。由于在“十一五”規劃中未規定氨氮、石油類和揮發酚等污染物的減排目標, 因此排放這些污染物的行業受到的影響相對較小, 減排力度也小。2011—2013 年期間, 與 2009 年前相比, 下游地區的平均占比下降, 但是未呈現統一的變化趨勢。

圖 7 描繪長江流域非水污染密集型行業在各時間段的分布。2000—2004 年, 長江下游地區的非水污染密集型行業占比大幅度增加, 而在 2005—2009 年, 下游地區非水污染密集型行業占比逐年下降, 但 2009 年下游地區該行業的占比仍然大于2000 年, 表明在“十一五”期間, 非水污染密集型行業在一定程度上受到環境規制的影響, 但與排放COD 類的水污染密集型行業相比, 受到的影響相對較小。

綜上所述, 長江流域下游地區水污染密集型行業比非水污染密集型行業減少幅度大, 其中主要減少的是排放 COD 的水污染密集型行業, 排放非COD 的水污染密集型行業減少幅度較小。長江流域上游地區增加大量的水污染密集型行業, 其中排放 COD 的水污染密集型行業增加最多。雖然非水污染密集型行業在長江上游地區也有所增加, 但增加幅度比水污染密集型行業小。根據長江流域各類行業的分布, “十一五”規劃期間, 造成排放 COD 水污染密集型行業集中度下降的主要原因是該行業在下游地區的占比大幅度下降, 而上游地區的占比大幅度上升。

2.4 變量的描述統計

本研究選取各城市行業產值和行業產值增長率, 分別作為因變量來衡量該行業在各地區的分布及變化。行業產值及其增長率利用中國規模以上工業企業數據庫中的工業總產值計算得到。由于缺乏2010 年的數據, 并且 2011 以后納入規模以上工業企業的標準從年主營業務收入 500 萬元提高到 2000萬元, 工業企業庫的統計標準發生變化, 因此不考慮 2010 以后的樣本, 即回歸分析的時間范圍是2000—2009 年。表 1 描述這 3 類行業的產值及其增長率、環境規制指標、路徑依賴程度和控制變量, 數據集中包含體現社會經濟水平的外生控制變量, 包括人均GDP、人口和外商投資額。

各行業的路徑依賴程度用區位熵計算, 區位熵值越高, 說明該地區產業集聚水平越高。當區位熵大于 1 時, 認為該地區的這個產業在全國具有優勢;如果區位熵小于 1, 則認為該地區的產業在全國處于劣勢。表 1 中 3 個行業區位熵的平均值都大于 1, 意味著長江流域的區域經濟在全國具有明顯優勢, 長江流域是中國工業最發達的區域。通過分析區位熵對行業產值及其增長率的影響, 可以研究行業分布是否存在路徑依賴, 即該行業是否傾向于在具有產業優勢的地區發展。為了保證外生性, 回歸模型中使用滯后一期的區位熵, 估計路徑依賴對產業分布的影響。

將數據集劃分為上游和下游兩組樣本, 對2000 —2009 年期間的數據進行統計描述, 如表 2 所示。長江下游各行業平均產值大于上游地區, 但是, 對比長江流域上游和下游各行業的產值增長率發現, 長江上游的水污染密集型行業增長率大于該行業在長江流域下游的增長率, 其中排放 COD 的水污染密集型行業在上游地區的增加幅度大于排放非 COD 的水污染密集型行業, 而長江流域下游的非水污染密集型行業增長率大于該行業在長江流域上游的增長率。根據表 2 中環境規制指標的統計結果, 長江流域下游地區環境規制比上游地區嚴格, 并且下游地區的人均 GDP 較高, 經濟發達, 外商投資多, 人口數量大。

3 計量結果與分析

3.1 回歸分析結果

將樣本按照“十一五”規劃分為 2000—2005 年和2006—2009 年兩個時間段進行分段回歸分析, 并使用工具變量和 2SLS 方法, 對面板固定效應模型進行估計, 得到環境規制和路徑依賴因素對長江流域水污染企業分布的影響情況。

表 3 和 4 展示長江流域排放 COD 的水污染密集型行業產值受環境規制和路徑依賴因素影響的回歸分析結果。如表 3 所示, 2000—2005 年期間, 環境規制對排放 COD 的水污染密集型行業產值分布沒有產生顯著影響, 而路徑依賴對該行業產值有顯著正影響, 表明在 2000—2005 年期間有產業優勢的地區, 該行業產值較高, 具有路徑依賴效應, 但與當地環境規制水平沒有顯著關系。如表 4 所示, 2006 —2009 年期間, 環境規制指標的系數顯著為負, 表明在“十一五”規劃期間, 環境規制嚴格程度高的地區, 排放 COD 的水污染密集型行業產值較低, 證明了“十一五”規劃中對 COD 排放量控制政策的有效性。但是, 路徑依賴因素的系數不再顯著, 表明產業集聚地區不再具有發展該行業的優勢, 路徑依賴對該行業產值沒有顯著影響。

對比表 3 與表 4 發現, 在“十五”規劃期間, 排放 COD 的水污染密集型行業分布的驅動因素主要是路徑依賴, 在具有產業優勢的地區, 該行業持續發展; 進入“十一五”規劃時期以后, 環境規制成為影響該行業分布的主導因素, 未發現路徑依賴效應, 表明該行業的發展不再依賴于產業集聚地區, 而是傾向于選擇環境規制寬松的地區。

3.2 穩健性分析

產值增長率可以反映行業分布的變化情況。將排放 COD 的水污染密集型行業產值增長率作為因變量, 采用相同的模型和估計方法, 檢驗上述結論的穩健性。根據表 5 所示的結果, 環境規制在“十一五”規劃期間對排放 COD 的水污染密集型行業產值增長率為負向顯著影響。結合由表 4 得出的結論, 表明環境規制對該行業的分布及增長速度都產生顯著的負影響, 環境規制有效地控制了排放 COD 的水污染密集型行業的分布及增長速度, 因此環境規制對該行業的影響具有穩健性。

表1 主要變量描述

表2 長江流域上游、下游樣本統計描述

表3 排放COD的水污染密集型行業面板固定效應模型的2SLS回歸分析結果(2000—2005年)

說明: 括號內為標準誤估計值; *, **和***分別表示10%, 5%和1%的顯著水平。下同。

表4 排放COD的水污染密集型行業面板固定效應模型的2SLS回歸分析結果(2006—2009年)

路徑依賴的系數顯著為負, 表明具有產業優勢的地區該行業增長率較低。結合回歸分析結果(表5), 在“十五”規劃期間, 具有產業優勢的地區行業產值較大, 但是行業增長率較低; 在“十一五”規劃期間, 產業集聚地區的行業分布不再具有優勢, 反而在集聚程度低的地區行業增長迅速。

3.3 安慰劑檢驗

接下來, 對排放非 COD 的水污染密集型行業和非水污染密集型行業進行回歸分析, 作為排放COD 的水污染密集型行業的安慰劑檢驗。如表 6所示, 在“十五”規劃和“十一五”規劃期間, 環境規制對兩類行業產值的影響系數都不顯著, 意味著環境規制政策對這兩類行業的分布沒有產生顯著影響。與排放 COD 的水污染密集型行業相比, “十一五”規劃期間的環境規制政策顯著影響排放 COD 的水污染密集型行業, 而不排放 COD 的行業, 包括排放其他水污染物行業和非水污染行業, 都未受到環境規制的影響。因此, 這些未受環境規制約束的行業排放污染導致長江流域的水質未發生明顯改善, 甚至導致水質進一步惡化。將因變量替換為該行業的產值增長率, 得到的結論相似。

兩類行業的路徑依賴系數在 2000—2005 年期間顯著為正, 表明在“十五”規劃期間, 該行業存在路徑依賴效應, 該行業在具有產業優勢的地區分布更廣泛; 但是在“十一五”規劃期間, 路徑依賴系數不顯著, 表明產業集聚的地區不再具有優勢。對比排放 COD 的水污染密集型行業的路徑依賴系數, 發現這三類行業在“十五”規劃期間都存在路徑依賴效應, 產業集聚地區在發展中更具優勢; 而在“十一五”規劃期間未出現路徑依賴的現象, 意味著產業集聚地區不再是吸引產業發展的顯著因素。

表5 產值增長率的2SLS回歸分析結果

表6 排放非 COD水污染密集型行業和非水污染密集型行業面板固定效應模型的2SLS回歸分析結果

3.4 異質性分析: 不同注冊類型企業的驅動因素

通過 2SLS 方法, 對不同注冊類型企業的面板數據進行回歸分析, 結果如表 7 所示。2000—2005 年期間, 環境規制因素對 5 個類型的企業都未產生顯著影響, 而路徑依賴因素對國有企業、集體企業和私營企業的產值具有顯著影響, 其中路徑依賴因素對國有企業產值產生顯著負影響, 表明該行業的國有企業在產業不集聚地區的分布增加; 路徑依賴因素對集體企業和私營企業具有顯著正影響, 意味著該行業在集體企業和私營企業集聚地區的產值分布增加。

研究表明, 2006—2009 年期間環境規制因素對集體企業和外商投資企業的產值分布產生顯著負影響, 說明這兩類企業對環保成本的提高更敏感, 環境規制嚴格程度的提高會導致該行業產值下降。相比之下, 國有企業對環保成本較不敏感, 而港澳臺企業一方面具有先進的清潔技術, 另一方面具有優惠政策, 因此環境規制對這兩類企業也不顯著。私營企業存在許多小規模企業, 這些企業在追求利潤最大化的過程中對環保的投入較低, 環境規制對其效果不顯著。在此期間, 路徑依賴因素對這 5 類企業的產值分布不具有顯著影響。

接下來, 對不同類型企業產值增長率的驅動因素進行回歸分析。不同注冊類型企業產值增長率的驅動因素有差異。如表 8 所示, 2000—2005 年期間, 環境規制因素和路徑依賴因素對所有注冊類型企業的產值增長率影響系數都不顯著; 2006—2009 年期間, 環境規制對集體企業、私營企業和外商投資企業的產值增長率產生顯著負影響, 對國有企業和港澳臺企業的產值增長率的影響不顯著。這表明在“十一五”規劃期間, 集體企業、私營企業和外商投資企業的增長速度受到環境規制的顯著負影響, 環境管制越寬松的地區, 這 3 類企業的產值增長率越高。環保成本對上述 3 類企業的影響更顯著, 相比之下, 國有企業和港澳臺投資企業對環保投入的成本不敏感, 這兩類企業享有優惠政策, 因此環境規制對這兩類企業的影響也不顯著。這與產值作為因變量得到的結論基本上一致, 驗證了上述結論的穩健性。

表7 不同注冊類型企業產值的2SLS回歸結果

表8 不同注冊類型企業產值增長率的驅動因素(2SLS回歸分析)

2006—2009 年期間, 該行業的國有企業、私營企業和港澳臺企業的產值增長率受到路徑依賴因素的顯著影響。國有企業增長存在顯著為正的路徑依賴效應, 產業集聚地區的產值增長率更高; 路徑依賴因素對私營企業和港澳臺企業產生顯著負向影響, 即產業集聚地區這兩類行業的產值增長率較低, 反之在產業不發達的地區, 產值增長率更大, 發展更快。

4 結論

本文考察了環境規制和路徑依賴因素對長江流域水污染密集型行業分布的影響, 得到如下結論。在“十五”規劃期間, 產業集聚地區具有發展優勢, 存在顯著的路徑依賴效應; 在“十一五”規劃期間, 傳統的工業集聚地區不再具有優勢, 環境規制成為影響排放 COD 的水污染密集型行業的重要因素。但是, 由于“十一五”規劃中只對排放COD 的水污染密集型行業進行限制, 因此環境規制對其他行業沒有產生顯著影響, 導致長江流域的水質沒有明顯改善。

我們認為目前的環保政策存在如下局限性: 1)忽略了環境規制的外部性; 2)忽略了地區政治經濟發展水平的差異; 3)尚未建立起有效的流域上下游生態補充和污染賠償機制。未來應完善環境規制政策, 實現長江流域的可持續發展。

致謝 感謝北京大學環境經濟學學科發展項目(EEPC)組劉士磊、夏凡、陳燕等各位同學。

[1] 閻世輝. 關于我國水環境形勢的分析及政策建議. 環境保護, 2001(3): 10–13

[2] 孟偉, 蘇一兵, 鄭丙輝. 中國流域水污染現狀與控制策略的探討. 中國水利水電科學研究院學報, 2004, 2(4): 242–246

[3] 杜焱強, 包存寬. 長江經濟帶工業綠色發展須做好加減法. 環境經濟, 2017(17): 22–25

[4] Chen Z, Kahn M E, Liu Y, et al. The consequences of spatially differentiated water pollution regulation in China. Journal of Environmental Economics and Ma-nagement, 2018, 88: 468–485

[5] 陳傳明. 企業戰略調整的路徑依賴特征及其超越. 管理世界, 2002(6): 94–101

[6] 劉漢民. 路徑依賴理論研究綜述. 經濟學動態, 2003(6): 65–69

[7] Levinson A. Environmental regulations and manufa-cturers’ location choices: evidence from the census of manufactures. Journal of Public Economics, 2004, 62 (1/2): 5–29

[8] Jeppesen T, List J A, Folmer H. Environmental regu-lations and New Plant Location Decisions: evidence from a meta-analysis. Journal of Regional Science, 2002, 42(1): 19–49

[9] List J A, Shogren J F. “Beggar Thy Neighbor”: testing for free riding in state-level endangered species ex-penditures. Public Choice, 2002, 111(3): 303–315

[10] Gray W B, Shadbegian R J. “Optimal” pollution. aba-tement — whose benefits matter, and how much?. Journal of Environmental Economics and Manage-ment, 2004, 47(3): 510–534

[11] 孫澤生, 曲昭仲. 流域水污染成因及其治理的經濟分析. 經濟問題, 2008(3): 47–50

[12] Grossman G M, Krueger A B. Environmental impacts of a North American free trade agreement. Social Science Electronic Publishing, 1991, 8(2): 223–250

[13] Tobey J A. The effects of domestic environmental policies on patterns of world trade: an empirical test. Kyklos, 1990, 43(2): 191–209

[14] Becker R, Henderson V. Effects of air quality regu-lations on polluting industries. Journal of Political Economy, 2000, 108(2): 379–421

[15] Keller W, Levinson A. Environmental compliance costs and foreign direct investment inflows to U.S. states. Review of Economics & Statistics, 2002, 84 (4): 691–703

[16] Leiter A M, Parolini A, Winner H. Environmental regulation and investment: evidence from European industry data. Ecological Economics, 2011, 70(4): 759–770

[17] Been V, Gupta F. Coming to the nuisance or going to the barrios? A longitudinal analysis of environmental justice claims. Ecology law quarterly, 1996, 24(1): 1–56

[18] Wolverton A. Race does not matter: an examination of a polluting plant’s location decision. Washington, DC: US Environmental Protection Agency, 2002

[19] Angrist J D, Krueger A B. Does compulsory school attendance affect schooling and earnings?. Quarterly Journal of Economics, 1991, 106(4): 979–1014

[20] 方穎, 趙揚. 尋找制度的工具變量: 估計產權保護對中國經濟增長的貢獻. 經濟研究, 2011(5): 138–148

[21] 瞿衛東. 西方銀行業兼并與赫芬達爾——赫希曼指數. 國際金融研究, 2001(4): 14–17

Environmental Regulation, Path Dependence and Distribution of Water Pollution Industries: An Empirical Analysis Based on the Yangtze River Basin

TIAN Xin1, CHEN Shuai2, XU Jintao3,?

1. College of Environmental Sciences and Engineering, Peking University, Beijing 100871; 2. China Academy for Rural Development, Zhejiang University, Hangzhou 310058; 3. National School of Development, Peking University, Beijing 100871; ? Corresponding author, E-mail: xujt@pku.edu.cn

Based on the data of the Annual Census of Enterprises and relevant socio-economic information, this article empirically investigates the impacts of environmental regulation and path dependence on the distribution of water pollution industries in the Yangtze River basin. The article analyses the path dependence effect through HHI and location entropy. In the empirical model, the two-stage least squares method is used to solve the endogeneity of environmental regulation indicators, which improves the reliability of the conclusions. The results show that the concentration of water pollution industries discharging COD in the Yangtze River is relatively low and dispersed, and the concentration of this industry declines significantly year by year during the period of Eleventh Five-Year Plan. During the period of Tenth Five-Year Plan, the path-dependent effect of water pollution industries discharging COD is significant, while environmental regulation has no significant impact on their distribution. During the period of Eleventh Five-Year Plan, the path dependence no longer has significant impact, and environmental regulation significantly reduces the output and growth rate of the industry. For non-COD water pollution industries and non-water pollution industries, environmental regulation has no significant impact on them. From the perspectives of enterprise ownership types, collective enterprises, private enterprises and foreign-funded enterprises are significantly affected during the Eleventh Five-Year Plan period, while state-owned enterprises and HMT enterprises are not significantly affected. Generally speaking, with the impact of path dependence and environmental regulation on the distribution of water pollution industries shifting from one to another, and with the impact of environmental regulation on the distribution of water pollution industries increasing, continuing to improve environmental regulation polices will contribute to the sustainable development of the Yangtze River basin.

Yangtze River basin; water pollution industries; environmental regulation; path dependence; two-stage least squares

10.13209/j.0479-8023.2019.131

2019–03–11;

2019–05–22