-
改革开放四十多年以来,中国经济实现了持续高速增长,创造了世界经济增长史上的奇迹[1]。其中,地方政府竞争被众多学者看作是推动中国经济长期持续高速增长的重要原因[2],同时外资的大量进入是推动中国经济高速发展的重要引擎[3]。在以GDP考核为基础的政绩考核机制的“鞭策”下,地方政府通过竞争纷纷降低土地价格、降低环境规制、实行税收优惠等政策进行招商引资,以完成地区经济增长的政绩考核和获取晋升资本[4-7],然而这种唯GDP论的增长模式导致环境恶化以及污染排放效率下降,造成巨额的资源消耗与严重的环境污染现象,产生“经济—环境”不可兼得的怪圈现象,严重阻碍了中国经济高质量发展的进程[8]。为满足经济高质量发展的迫切要求,实现中国经济绿色转型,提高环境综合利用价值[9]、提高污染排放效率将成为经济高质量发展的重要途径之一[10]。那么,地方政府竞争与外商直接投资是否会对污染排放效率造成影响,其影响机制是什么?地方政府竞争与外商直接投资的相互作用能否有利于污染排放效率的提升?进一步地,以上是否存在空间溢出效应?通过对以上问题的回答,为新时代背景下中国经济实现高质量发展以及绿色转型提供相关政策建议。
相较于以往的研究,本文有如下几个方面的边际贡献:(1)以污染排放效率指标代替传统的污染排放指标,该指标更能准确反映经济发展与环境保护之间的协调关系,更加贴近高质量发展的内涵意蕴。(2)基于地方政府竞争与FDI双重视角,将地方政府竞争、FDI与污染排放效率纳入统一分析框架,在理论分析的基础上,充分考虑变量间的空间相关性进行实证检验,采用双向面板空间杜宾模型可以有效解决由时间与空间引起的序列相关性和时空滞后引起的内生性问题[11]。(3)通过替换不同权重矩阵进行稳健性检验。(4)基于地方政府竞争对环境污染存在“逐底竞争”与“逐顶竞争”行为,通过构建面板门槛回归模型,分析在不同水平下的FDI,地方政府竞争对污染排放效率影响的非线性特征。
-
关于地方政府竞争对环境影响的相关研究,通过对相关文献梳理,主要围绕“逐底竞争”与“逐顶竞争”展开研究。其中,Rauscher[12]研究发现,当政府为了获得竞争优势同时进行税收竞争和放松环境规制时,易引发“逐底竞争”,进而不利于环境质量的提高。Hadjiyiannis等[13]认为,地方政府为争夺跨国流动性要素进行的竞争导致了本地环境污染。同时,基于政绩考核下的政府竞争,使得地方政府出现“重基本建设,轻公共服务”的扭曲,并且地方政府倾向在招商引资上实行策略竞争,降低生态环境监管标准,导致环境问题往往被忽略,对污染起到明显的“竞次”效应[14-15],甚至存在“逐底竞争”的行为倾向[16-17]。然而,李胜兰等[18]认为,地方政府环境策略标准的制定取决于政绩考核标准,当政绩考核中加入了“节能减排、环保可持续”等以后,地方政府竞争由“逐底竞争”变为“逐顶竞争”,对环境的影响由“抑制”变为“促进”。此外,Fredriksson等[19]认为,地方政府为了避免“邻避主义”及获得高质量外资,会竞相提高FDI门槛,以实现技术溢出,进而产生“逐顶竞争”。Holzinger等[20]也同样证明了“逐顶竞争”这一政府行为的存在。很显然,政府竞争对环境的影响是不确定的,这与政绩考核标准以及政府对环境保护的重视程度等都有一定关系,如薄文广等[21]认为,当中央意识到环境问题的重要性,政绩考核中不仅只以GDP为标准,还要兼顾环境效益时,地方政府会在“经济利益”与“环境效益”之间进行权衡。
有关FDI对环境污染的影响,国内外主流学者分别支持“污染避难所”与“污染光环”两种不同假说,即FDI在东道国扮演着“魔鬼”与“天使”的双重角色[22]。其中,支持“污染避难所”假说的学者认为,发达国家基于高昂的污染成本考虑,将高污染、高耗能和低技术产业转移到发展中国家,对环境产生负面影响,阻碍污染排放效率的提升[23-24]。范丹[25]基于中国工业行业微观数据研究发现,FDI对环境产生不利影响。李斌等[26]在已有研究基础上,基于中国宏观数据也得出相似的结论。然而,支持“污染光环”假说的学者认为,外商企业通过结构、规模和技术三方面的综合作用对环境产生影响,并通过示范效应等方式改善环境质量[27-28]。李金凯等[29]基于中国城市层面宏观数据,研究发现FDI通过示范效应、溢出效应和竞争效应提高了中国的环境质量;随着中国施行严格的环境规制,外资企业纷纷加大对生态环境创新的长期投入,从而催生产品和生产过程的“创新补偿”效应,从而实现经济绩效和环境绩效同时改进的“双赢”状态[18][30],支持“污染光环”假说。诚然,也有学者发现FDI对东道国环境的影响存在门槛效应的非线性关系,该效应主要取决于产业结构、人力资本等经济因素,同时也与政府干预等制度因素有关[31],杨世迪[32]进一步发现人力资本、要素禀赋、市场化进程和贸易开放对FDI促进绿色全要素生产率的提升具有显著的门槛效应。
-
地方政府竞争是指区域内部不同经济体的政府通过税收、财政支出、环境政策等手段,吸引资本与劳动力等流动性要素进入,以增强经济体自身竞争优势的行为[33]。地方政府竞争通过多路径改变宏观资源配置方式,间接对污染产生影响。借鉴Antweiler等[34]提出的环境质量的结构效应、技术效应和规模效应等三大因素,本文从产业结构与技术创新等路径分析地方政府竞争对污染排放效率的影响机制。
地方政府存在“为增长而竞争”与“为环保而竞争”行为[35-36]。一方面,地方政府为“增长而竞争”时,往往降低环境规制强度,追逐具有政治明星效应的重工业进行投资[37],这使得大量高耗能、高污染的企业进入[17][38],并且由于排污成本小于治污成本,助长企业“一味求产量不治污”的生产行为,从而不利于环境友好型技术的革新和产业结构的转型升级,导致环境质量下降和污染排放效率降低。同时,相邻地区地方政府为了防止“搭便车”而陷入“囚徒困境”,均不治理成了彼此的占优策略,导致相邻地方政府皆没有动力进行生态环境污染防治[39]。另一方面,地方政府“为环保而竞争”,制定环保政策,加强环境规制,从而提高了企业生产成本,迫使部分无力治理污染的企业迁移出该地区[36],降低了行业污染程度,促进了产业结构优化升级,从而有利于提升辖区内环境质量;同时也倒逼企业加强自主创新,研发和使用更加清洁、环保的技术和设备[40],从而显著减少了污染排放,提升了污染排放效率。
地方政府增加财政支出规模,鼓励企业开展技术创新活动,其创新环境与创新能力会进一步提升[41],产生“创新补偿效应”,带来低碳环保技术升级和绿色技术进步,甚至通过知识溢出促进邻近地区创新主体之间的学习与交流,产生“空间知识溢出”效应[42],进而提高污染排放效率。但科技研发活动作为一种生产性公共品,具有投资周期长等特征,虽然长期能提高企业绿色技术进步,但缺乏短期效应,易导致地方政府“为增长而竞争”,削减财政研发支出[43],造成“经济—环境”偏离,甚至地方政府利用溢出效应,向相邻地区输出污染[44],对周边环境产生不利影响。
-
遵循Grossman和Krueger[27]研究思路,FDI可以通过规模效应、结构效应、技术效应作用于环境问题,从而影响污染排放效率。
1. 规模效应。东道国为发展本国经济在引进外资的过程中通常会降低环境规制力度,导致越来越多的高能耗、高污染的产业转移到本国。外资在通过扩大市场规模极大地促进东道国经济发展的同时,也增加了对自然资源和能源的消耗,进而产生了很多经济活动的副产品(污染物),不利于污染排放效率的提高[45-46]。此外,FDI引进载体是经济规模扩张,它可以通过引致规模收益递增效应降低单位产出能耗,也可以通过并购与重组方式,提升企业的治污效率,改善本地的环境质量[47]。
2. 结构效应。外资企业在东道国设立子公司以后,会按照与母公司同样的高标准、高要求进行加工、生产,而与外资企业处于同一产业链上的上游内资企业,会努力提高产品生产技术、生产环境、使用性能,以达到外资企业的标准,促成与外资企业的合作;而对于处于同一产业链上的下游内资企业来说,也会积极改进生产设备、生产工艺,以与高水平的中间产品相匹配[48],因此,可以通过产业链上下游的关联效应和扩散效应,实现产业内部先进技术对传统技术的替换,促进劳动密集型产业向知识、技术密集型产业转变[49],从而有利于节能减排和污染排放效率的提高。然而,外资企业为了降低生产成本,将低端制造业转移到发展中国家,充分利用当地丰富的资源与廉价的劳动力进行生产,不利于劳动密集型产业向技术密集型产业的转型升级,不能有效推动产业结构合理化和高度化[50],进而不利于污染排放效率的提升。
3. 技术效应。地方政府执行严格的环境规制会迫使FDI发挥其先进环保技术优势,有效降低污染物排放。跨国公司对东道国的投资会带来更先进的清洁技术,技术标准与管理经验不仅在本地采用,还会通过产业关联效应和示范效应扩散到邻近地区,进而改善邻近地区环境质量[28][51],从而支持“污染光环”假说。此外,部分地方政府为了短期收益,经不住FDI低廉技术转移的诱骗,偏好引进大量过时、有害的技术,则会弱化FDI的技术溢出效应[47]。
-
在以经济增长为核心的政绩考核机制的“鞭策”下,地方政府为了实现经济赶超以获取晋升资本,就有动机通过弱化环境规制强度来降低当地企业“合规成本”[18],甚至降低税率以实现招商引资、吸引更多的FDI流入[52],这种“竞争到底”的根源在于地方政府间的竞争[17],即地方政府追求经济增长的目标时,发展晚、技术水平低的地区越倾向放松环境监管[53],最终可能导致环境状况的普遍恶化,降低污染排放效率。这一结果促使邻近地区政府出现“跟风”现象,导致地方政府一味追求外资数量与经济增长而忽视了环保问题[54-55]。此外,FDI的环境友好型技术也会降低地区环境污染,但异地交流激化了官员“为增长而竞争”激励,强化了“逐底竞争”行为,削弱了外商直接投资正向的环境效应,最终演变为负效应[56]。然而,伴随着绩效考核的多元化,地方政府通过提高市场准入、提高排放和技术标准、提高排污税费等政策工具,提高FDI的进入门槛和运营成本[57],通过大规模减少寻找“污染避难所”的外资,有效制约污染密集型产业转移,增强外资企业的环保意识,通过绿色技术进步等提高污染排放效率,降低商品污染密度,减少对东道国污染排放量。同时,地方政府加强区域联防联控合作,在一定程度上推动区域间清洁型技术要素的共享及产业结构优化升级,提高资源的分配与使用效率,降低单位产出的资源消耗和污染排放量[58-59],从而促进污染排放效率的提高。
-
由上文分析可知,中国省域地方政府竞争、FDI及其交互作用以及污染排放效率等变量均具有明显的空间相关特征,本文进一步构建空间计量模型并深入探究它们之间的定量关系。
常见的空间计量模型有空间滞后模型(SLM)[也称空间自回归模型(SAR)]、空间误差模型(SEM)、空间杜宾模型(SDM)。空间滞后模型(SLM)主要探究因变量是否存在空间相关关系,空间误差模型(SEM)主要探究模型中的遗漏变量或者随机误差项是否会产生空间溢出效应,而空间杜宾模型(SDM)是空间滞后模型和空间误差模型的一般形式[60],能同时说明自变量和因变量的空间相关性,在考虑溢出效应方面要优于空间滞后模型和空间误差模型[61],其模型如下
$${{\boldsymbol{Y}}_{it}} = \rho {\boldsymbol{W}}{{\boldsymbol{Y}}_{it}} + \alpha {{\boldsymbol{I}}_N} + {{\boldsymbol{X}}_{it}}\beta + {\boldsymbol{W}}{{\boldsymbol{X}}_t}\theta + {\mu _i} + {\lambda _t} + {\varepsilon _{it}}$$ (1) 其中,
${{\boldsymbol{Y}}_{it}}$ 为$N \times 1$ 的被解释变量向量;矩阵${\boldsymbol{X}}$ 是所有解释变量的矩阵;${\boldsymbol{ W}}$ 是空间权重矩阵;${{\boldsymbol{I}}_N}$ 为单位向量;${\mu _i}$ 、${\lambda _t}$ 、${\varepsilon _{it}}$ 为空间效应、时间效应与扰动项向量;$\; \rho $ 、$\alpha $ 、$\;\beta $ 、$\theta $ 为对应的回归系数。若
$\theta = 0$ ,上述模型退化为空间滞后模型(SLM);若$\theta {\rm{ + }}\rho \beta {\rm{ = }}0$ ,则退化为空间误差模型(SEM)。具体选用哪个模型,本文将根据LR检验和Wald检验的结果进一步确定。 -
中国的引资能力已居于全球较高水平。2018年中国实际利用FDI额为1 383亿美元,规模为1983年的151倍,连续27年成为外资流入最多的发展中经济体。笔者关心的是,在不同FDI水平下,地方政府竞争对污染排放效率的影响是否存在非线性关系?为此,本文通过引入面板门槛模型进行探究。其中,单门槛模型如下
$$ \begin{aligned} \ln{\rm{PE}}_{it} = & {\alpha _0} + {\alpha _1}\ln {\rm{ECU}}_{it} \times I(\ln {\rm{FDI}}_{it} \leqslant {\gamma _1}) + {\alpha _2}\ln {\rm{ECU}}_{it} \times I(\ln {\rm{FDI}}_{it} > {\gamma _1}) +\\ & {\alpha _3}{\rm{Control}}_{{it}} + {\mu _{it}} \end{aligned} $$ (2) 其中,i表示省份;
$t$ 表示时间;$I( \cdot )$ 表示指示性函数;$\gamma $ 代表门槛值;$\ln {\rm{FDI}}_{it}$ 表示门槛变量(当$\ln{\rm{ FDI}}_{it} \leqslant $ $ {\gamma _1}$ 时,$I(\ln{\rm{FDI}}_{it} \leqslant {\gamma _1}) = 1$ ,$I(\ln {\rm{FDI}}_{it} > {\gamma _1}) = 0$ ;当$\ln {\rm{FDI}}_{it} > {\gamma _1}$ 时,$I(\ln {\rm{FDI}}_{it} > {\gamma _1}) = 1$ ,$I(\ln {\rm{FDI}}_{it} \leqslant $ $ {\gamma _1}) = 0$ );${\rm{Control}}{_{it}}$ 为控制变量,${\mu _{it}}$ 为随机误差项。进一步考察是否存在双门槛,对应的双门槛模型为
$$\begin{aligned} \ln{\rm{ PE}}_{it} = & {\alpha _0} + {\alpha _1}\ln {\rm{ECU}}_{it} \times I(\ln {\rm{FDI}}_{it} \leqslant {\gamma _1}) + {\alpha _2}\ln {\rm{ECU}}_{it} \times I({\gamma _1} < \ln {\rm{FDI}}_{it} \leqslant {\gamma _2}) +\\ & {\alpha _3}\ln {\rm{ECU}}_{it} \times I(\ln {\rm{FDI}}_{it} > {\gamma _2}) + {\alpha _4}{\rm{Control}}{_{it}} + {\mu _{it}} \end{aligned} $$ (3) -
本文采用Super-SBM-Undesirable模型计算出2000—2017年中国各省份的污染排放效率(PE),并将其作为模型被解释变量。
本文采用DEA方法测度中国各省份污染排放效率。考虑到传统径向DEA模型忽略了松弛变量从而导致测算出现偏差,本文采用Tone[62]SBM-Undesirable模型来测算污染排放效率。由于常规DEA模型无法实现完全有效的决策单元的排序,因此本文将超效率模型与SBM-Undesirable模型相结合,构建Super-SBM-Undesirable模型来解决这一问题。
假定有N个决策单元,每个决策单元使用M种投入
${\boldsymbol{X}} = ({x_1},{x_2},\cdots,{x_N}) \in {{\boldsymbol{R}}^{N \times M}}$ ,产生S1种期望产出${{\boldsymbol{Y}}^g} = ({y^{{g_1}}},{y^{{g_2}}},\cdots,{y^{{g_N}}}) \in {{\boldsymbol{R}}^{{S_1} \times N}}$ 与S2种非期望产出${{\boldsymbol{Y}}^b} = ({y^{{b_1}}},{y^{{b_2}}},\cdots,{y^{{b_N}}}) \in {{\boldsymbol{R}}^{{S_2} \times N}}$ ,则生产可能集(PPS)为$$P = \left\{ {\left( {x,{y^g},{y^b}} \right)|x \geqslant {\boldsymbol{X}}{\boldsymbol{\lambda}} ,{y^g} \leqslant {\boldsymbol{Y}}{\boldsymbol{\lambda}} ,{y^b} \geqslant {\boldsymbol{Y}}{\boldsymbol{\lambda}} ,{\boldsymbol{\lambda}} \geqslant {\bf{0}}} \right\}$$ (4) 其中,
${\boldsymbol{\lambda}} $ 为非负的权重向量。在规模报酬不变(CRS)假定下,求解污染排放效率的Super-SBM-Undesirable模型可以表示为$$\begin{array}{l} {h^*} = \min \dfrac{{\dfrac{1}{M}\displaystyle\sum\nolimits_{i = 1}^M {\dfrac{{{{\bar x}_i}}}{{{x_{io}}}}} }}{{\dfrac{1}{{{S_1} + {S_2}}}\left( {\displaystyle\sum\nolimits_{r = 1}^{{S_1}} {\dfrac{{\bar y_r^g}}{{y_{ro}^g}} + \displaystyle\sum\nolimits_{r = 1}^{{S_2}} {\dfrac{{\bar y_r^b}}{{y_{ro}^b}}} } } \right)}} \\ {\rm{s.t.}}\quad{\rm{ }}\bar x \geqslant \displaystyle\sum\nolimits_{j = 1, \ne o}^N {{\lambda _j}{x_j}} \\ \quad \;\;\;\;\; {{\bar y}^g} \leqslant \displaystyle\sum\nolimits_{j = 1, \ne o}^N {{\lambda _j}y_j^g} \\ \quad \;\;\;\;\; {{\bar y}^b} \geqslant \displaystyle\sum\nolimits_{j = 1, \ne o}^N {{\lambda _j}y_j^b} \\ \quad \;\;\;\;\; \bar x \geqslant {x_o},{{\bar y}^g} \leqslant y_o^g;{{\bar y}^b} \geqslant y_o^b,{{\bar y}^g} \geqslant 0,\lambda \geqslant 0 \end{array} $$ (5) 其中,o表示待评价单元;h*表示污染排放效率,
${h^*} \geqslant 0$ ,值越大表示效率越高,当${h^*} \geqslant 1$ 时,表示该单元处于生产前沿,实现了完全效率。 -
1)地方政府竞争(ECU)。有关地方政府竞争的测度方法,学者大致基于以下几种方法来构造:一是以FDI来测度地方政府竞争程度。改革开放以来,外资一直是推动中国经济发展的一个重要因素[63],因此地方政府之间的竞争很大程度上体现在对外资的竞争上,可以利用地区实际利用FDI额占地区GDP比例或地区实际利用FDI额占全国实际利用FDI额比例来表示地方政府的竞争程度[64]。二是以税收水平来测度地方政府竞争程度。在本地劳动、资本有限的情况下,地方政府主要靠流动性要素提高本地区竞争力以与邻近地区竞争,因此地方政府会为进入企业提供一定的税收优惠及减免,可以用企业税收收入占GDP比例或用企业相对实际税率来测度地方政府竞争[65]。三是以企业税负水平的倒数来表示地方政府竞争程度。该指标综合考虑了前两个指标的缺陷,考虑到了政府对内资的竞争及税收结构。然而依据Breton等[66]的做法,地方政府竞争是地区内政府通过提供技术、资金、税收、医疗、教育等优惠政策吸引流动性要素的行为,地方政府间的竞争主要体现在各地区经济发展之间的竞争与赶超[67]。以上指标尚不能全面反映地方政府行为,因此本文借鉴缪小林等[68]的做法,采用经济赶超来表示地方政府竞争程度,其计算公式为
$$ {\rm{ECU}}={\text{经济赶超水平}}=\frac{{\text{相邻省份最高人均}}{\rm{GDP}}}{{\text{本省人均}}{\rm{GDP}}}\times \frac{{\text{全国省份最高人均}}{\rm{GDP}}}{{\text{本省人均}}{\rm{GDP}}}$$ (6) 2)外商直接投资(FDI)。如前文所述,FDI对污染排放效率有双重影响效应:一是外资进入带来高污染、高耗能产业,在促进本地经济发展的同时造成了严重的资源消耗和环境污染,不利于污染排放效率的提高,即所谓的“污染避难所”假说;二是外资进入带来环保技术和清洁治理理念,提升国内环保水平和标准,有利于提高污染排放效率,即所谓的“污染光环”假说。本文借鉴龚新蜀等[69],选用实际利用FDI额占地区GDP的比例来度量FDI,并且按照人民币兑美元的年平均汇率进行折算。
-
借鉴已有研究,本文选取以下控制变量:(1)环境规制(HR)。一方面,环境规制会增加企业的生产成本,限制企业自主创新以降低污染排放效率;另一方面,环境规制会倒逼企业改革,提高自主创新能力,形成对生产成本的创新补偿,进而提高污染排放效率,这就是“波特假说”[70]所持有的观点。按照宋马林等[71]的做法,本文用地区环境污染治理投资额占GDP的比例来表示地区环境规制水平。(2)地区经济发展水平(GDP)。一方面,经济发展水平高的地区,能够提供更环保的技术和设备,并且会有充足的资金用于环境治理,因此有利于提高污染排放效率;但另一方面,经济的快速发展过程必然会带来大量的能源消耗,不利于污染排放效率的提高。本文借鉴黄寿峰等[72]选取地区人均GDP来表示地区经济发展水平。(3)人口密度(DENSITY)。地区人口密度高,往往说明该地区经济发展水平较高、潜力较大,有相对更为完善的基础设施,一定程度上能够促进污染排放效率的提高。借鉴Tian等[73]的做法,本文采用每平方千米人数来衡量地区人口密度。(4)技术创新(TECH)。技术创新能够为环境保护提供更多的技术和治理思路,从而有利于污染排放效率的提高。考虑到从产出角度来衡量技术创新有效避免了投入过程中的浪费,因此本文采用专利授权数来衡量[74]地区技术创新水平。(5)产业结构(INDUSTRY)。众所周知,以重工业为代表的第二产业比重的增加不利于污染排放效率的提高,因此本文选用第二产业产值占地区GDP比重来反映地区产业结构特点[75]。
-
考虑到数据可得性,本文对中国的西藏、香港、澳门、台湾的数据予以剔除,仅以其他30个省份(包括直辖市、自治区,在此统称省份)为研究对象,时间跨度为2000—2017年,上述变量数据均来源于相应年份的《中国统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》《中国科技创新统计年鉴》及各省市统计年鉴。主要变量描述性统计如表1所示。
表 1主要变量的描述性统计
变量 样本数 平均值 标准差 最小值 最大值 PE 540 0.468 3 0.267 5 0.132 6 1.232 4 ECU 540 6.024 1 5.063 0 0.389 6 29.910 1 FDI 540 0.025 8 0.022 3 0.000 4 0.146 5 HR 540 1.257 9 0.721 2 0.010 0 4.160 0 GDP 540 31 104.780 0 24 537.820 0 1 907.773 0 128 994.000 0 DENSITY 540 428.418 7 610.975 5 7.150 8 3 826.000 0 TECH 540 22 295.230 0 44 564.900 0 70.000 0 332 652.000 0 INDUSTRY 540 45.138 1 8.285 6 19.010 0 69.780 0 -
本文选取2000—2017年中国30个省份为研究对象,运用Super-SBM-Undesirable模型来测度污染排放效率,选取劳动、资本、能源为投入指标。其中,劳动投入选取各省份年末就业人数为替代变量;资本投入以各省份固定资本存量来衡量,由于无法直接获得资本存量的统计数据,本文参照单豪杰[76]的方法对各省份资本存量进行估算,并以2000年为基期进行折算;选取煤、石油、天然气及电力等主要能源消费量并将其转化为标准煤后加总作为能源投入指标。产出指标包括期望产出和非期望产出两大类。其中,期望产出选取地区GDP为代表,并以2000为基期进行折算。基于数据可获得性及准确性,选取各省份SO2及工业COD排放量为非期望产出的代表。以上各变量数据均来源于《中国统计年鉴》《中国环境统计年鉴》《中国能源统计年鉴》及各省份统计年鉴。
-
空间自相关指的是某个位置上的数据与其他位置上数据的相互依赖程度。为了检验政府竞争、FDI与污染排放效率之间是否存在空间相关关系,本文从全局空间自相关和局部空间自相关两个角度来分析。其中,全局空间自相关用莫兰(Moran’sI)指数来检验,其计算公式如下[77-78]
$${\rm{Moran\text{’}s}}\;{\rm{ }}I{\rm{ = }}\frac{{\displaystyle\sum\limits_{i = 1}^n {\displaystyle\sum\limits_{j = 1}^m {{\omega _{ij}}\left( {{Y_i} - \bar Y} \right)\left( {{Y_j} - \bar Y} \right)} } }}{{{S^2}\displaystyle\sum\limits_{i = 1}^n {\displaystyle\sum\limits_{j = 1}^m {{{\boldsymbol{\omega}} _{ij}}} } }}$$ (7) 其中,
${S^2} = \dfrac{1}{n}\displaystyle\sum\limits_{i = 1}^n {({Y_i}} - \overline Y {)^2}$ ;$\overline Y = \dfrac{1}{n}\displaystyle\sum\limits_{i = 1}^n {{Y_i}}$ ;${Y_i}$ 、${Y_j}$ 为第$i$ 、$j$ 地区的观测值;$n$ 为省份总数;${{\boldsymbol{\omega}} _{ij}}$ 为空间权重矩阵。莫兰指数的取值范围为[−1,1],如果值大于零,则说明是正相关,其值越大,空间相关性越强;如果值等于零,则说明不存在相关关系;如果值小于零,则说明是负相关,其值越小,空间差异性越大。局部空间自相关用莫兰指数散点图或Lisa图来检验。 -
在进行空间自相关分析之前,需要选择空间权重距离矩阵。考虑到地方政府竞争、FDI不仅会对本地区污染排放效率产生影响,还会通过技术溢出、示范效应等对邻近地区产生影响,而这一影响程度与经济距离密切相关,因此本文选用经济距离空间权重矩阵,莫兰指数测算结果如表2所示。从表2可以看出,2000—2009年污染排放效率的莫兰指数为正但不显著,2010—2017年其莫兰指数在1%的水平下显著为正,说明污染排放效率在2009年以前不具有空间集聚特征,在2009年以后逐渐呈现正向空间相关性。2000—2017年FDI也呈现一定的空间正相关性,但是相关性不强,而无论是地方政府竞争还是地方政府竞争与FDI的交互作用都呈现出较强的空间正相关性。
表 2ln PE、ln ECU、ln FDI与ln ECU*ln FDI的Moran’sI指数(2000—2017年)
年份 ln PE ln ECU ln FDI ln ECU×ln FDI Moran’sI z值 Moran’sI z值 Moran’sI z值 Moran’sI z值 2000 0.132* 1.735 0.232*** 2.870 0.117 1.606 0.270*** 3.173 2001 0.109 1.480 0.243*** 2.988 0.123* 1.652 0.258*** 3.041 2002 0.132* 1.733 0.254*** 3.103 0.177** 2.191 0.270*** 3.171 2003 0.125* 1.664 0.275*** 3.327 0.154** 1.961 0.304*** 3.526 2004 0.132* 1.746 0.282*** 3.420 0.114 1.549 0.314*** 3.636 2005 0.112 1.538 0.320*** 3.758 0.136* 1.819 0.354*** 4.075 2006 0.105 1.464 0.334*** 3.898 0.190** 2.399 0.359*** 4.125 2007 0.100 1.425 0.338*** 3.940 0.218*** 2.642 0.358*** 4.144 2008 0.101 1.431 0.358*** 4.140 0.176** 2.203 0.350*** 4.056 2009 0.087 1.285 0.374*** 4.300 0.134* 1.770 0.333*** 3.885 2010 0.176** 2.229 0.397*** 4.489 0.134* 1.761 0.339*** 3.908 2011 0.219*** 2.705 0.397*** 4.482 0.116 1.629 0.328*** 3.834 2012 0.235*** 2.886 0.401*** 4.511 0.117* 1.656 0.314*** 3.725 2013 0.274*** 3.276 0.406*** 4.551 0.096 1.402 0.314*** 3.704 2014 0.255*** 3.076 0.402*** 4.502 0.088 1.302 0.313*** 3.666 2015 0.250*** 3.028 0.399*** 4.468 0.062 1.029 0.305*** 3.602 2016 0.286*** 3.426 0.353*** 4.007 0.010 0.483 0.291*** 3.429 2017 0.287*** 3.465 0.344*** 3.925 0.037 0.773 0.261*** 3.242 注:*、**、***分别表示在10%、5%、1%的水平下通过了显著性检验。 -
以2000年、2006年、2012年、2017年为代表年份进行局部空间自相关分析,得到中国省域污染排放效率的Lisa图,如图1所示。从这几年的Lisa图可以看出,中国省域污染排放效率具有较强的空间依赖性,大部分省份呈现“高高(High—High, HH)”与“低低(Low—Low, LL)”集聚现象。
-
根据LR检验和Wald检验的结果,得出在1%的显著性水平下拒绝了
$\theta = 0$ 和$\theta {\rm{ + }}\rho \beta {\rm{ = }}0$ 的原假设,空间杜宾模型(SDM)结果最优,并且通过Hausman检验发现固定效应模型优于随机效应模型,因此本文选用固定效应空间杜宾模型。基准模型的估计结果如表3所示。表 3政府竞争、FDI与污染排放效率的空间计量实证结果
解释变量 (1) SDM_FE (2) SDM_RE ln ECU 0.078 5 0.123 7** (1.26) (2.27) ln FDI 0.086 2*** 0.004 5 (3.04) (0.20) ln ECU×ln FDI 0.018 3 0.031 4** (1.24) (2.45) ln GDP 0.360 7*** 0.149 4** (5.61) (2.4) HR −0.106 2*** −0.024 3** (−7.21) (−2.27) DENSITY 0.000 2*** 0.000 3*** (8.92) (6.96) ln TECH 0.087 0*** 0.057 8*** (9.26) (3.67) INDUSTRY −0.017 1*** −0.004 2*** (−13.95) (−3.30) W×ln ECU −0.602 9*** −0.421 5*** (−3.66) (−3.16) W×ln FDI 0.327 2*** 0.211 0*** (4.42) (3.64) W×ln ECU×ln FDI −0.160 9*** −0.095 4*** (−4.14) (−2.75) W×ln GDP −0.038 9 −0.336 7*** (−0.20) (−4.85) R2 0.537 2 0.691 8 log-Likehood 101.452 0 344.442 8 LR test 18.660 0*** 54.870 0*** [0.000 9] [0.000 0] Wald test 20.510 0*** 50.880 0*** [0.000 4] [0.000 0] Hausman test 189.740 0*** [0.000 0] 注:*、**、***分别表示在10%、5%、1%的显著性水平下显著;()内的是参数估计量的z值;[]内的是参数估计量的P值。 表3中固定效应模型的估计结果表明:(1)地方政府竞争与FDI以及它们的交互作用均能促进污染排放效率的提升,但这种促进作用不太显著。(2)从空间滞后角度来说,地方政府竞争对污染排放效率有显著抑制作用,FDI对污染排放效率有显著促进作用,地方政府竞争与FDI的交互作用对污染排放效率具有显著抑制作用。以上结果能大体说明地方政府竞争不仅会对本地区产生影响(直接效应),还会影响其邻近地区(间接效应)。为了进一步开展分析,本文对地方政府竞争、FDI及它们的交互作用对污染排放效率产生的直接效应、间接效应进行分解。结果如表4所示。
表 4地方政府竞争、FDI及其交互作用对污染排放效率影响的直接、间接效应分解
解释变量 直接效应 间接效应 总效应 ln ECU 0.113 0* −0.494 7*** −0.381 7*** (1.75) (−3.72) (−2.90) ln FDI 0.069 2** 0.235 8*** 0.305 0*** (2.44) (4.17) (5.01) ln ECU×ln FDI 0.028 2* −0.132 4*** −0.104 2*** (1.89) (−4.35) (−3.36) ln GDP 0.364 2*** −0.119 3 0.244 9* (5.50) (−0.74) (1.73) HR −0.108 2*** 0.028 4*** −0.079 8*** (−7.31) (4.52) (−6.92) DENSITY 0.000 2*** −0.000 5*** 0.000 1*** (8.95) (−4.89) (8.27) ln TECH 0.088 7*** −0.023 2*** 0.065 5*** (9.2) (−5.39) (7.80) INDUSTRY −0.017 5*** 0.004 6*** −0.012 9*** (−14.95) (5.71) (−11.43) 注:*、**、***分别表示在10%、5%、1%的显著性水平下显著;()内的是参数估计量的z值。 由表4可知:(1)地方政府竞争对污染排放效率的影响。一方面,地方政府竞争能够促进本地区污染排放效率的提高,这可能是由于各地方政府对本地区采取积极的政策鼓励支持引导企业的发展,逐步形成产业集聚,方便发挥科技创新的规模效应[79]。另一方面,地方政府竞争抑制了邻近地区污染排放效率的提高,地方政府竞争的影响有负向空间溢出效应,这表明各地方政府在环境治理中可能存在“以邻为壑”的倾向,由此产生的地方保护与竞争阻碍了地区间的技术交流与合作,不利于污染排放效率的提高。(2)FDI对污染排放效率的影响。FDI对污染排放效率的回归系数在直接效应中为正,表明FDI产生的正向技术溢出效应和产业联动效应大于负向规模效应和产业结构效应,从而有利于本地区污染排放效率的提升,“污染光环”假说在此得以证实。另外,FDI对污染排放效率的回归系数在间接效应中也为正,这说明FDI存在正向空间溢出效应,邻近地区会竞相模仿FDI带来的清洁环保技术和环保治理理念,并在模仿中不断创新,提高技术水平和生产率,从而促进了污染排放效率的提升。(3)地方政府竞争与FDI的交互作用对污染排放效率的影响。对本地区来说,随着中央政府对地方政府政绩考核标准的多元化以及环境规制的逐步加强,地方政府在招商引资竞争中会逐步提高环境规制门槛,只有更加清洁环保的高质量外资才被允许进入,从而有利于减少污染排放总量和提高污染排放效率,这与张为杰等[80]的研究结论保持一致。对邻近地区来说,地方政府竞争与FDI的交互作用对污染排放效率的影响显著为负,这说明虽然各地方政府通过引进高质量外资促进了本地区污染排放效率的提升,但是由于地方政府之间存在竞争,在外资引进和利用中存在市场分割以及各自为政现象,导致外资中的清洁型技术不能及时实现有效的交流与溢出,从而不利于环境污染的协同治理。
控制变量中,地区经济发展水平、人口密度、技术创新对污染排放效率的直接效应为正,这是由于经济发展水平高的地区具有更高水平的基础设施、技术,且有更多的财富用于环境污染治理,因此能提高污染排放效率;人口密度高的地区经济发展水平一般比较高,从而有利于提高污染排放效率;提高技术创新水平会带动环保技术的革新与进步,因而能够促进污染排放效率的提升。环境规制、产业结构对污染排放效率的直接效应为负,这表明虽然近年来中国环境治理投资的力度越来越大(2012年中国环境污染治理投资额为8 253.6亿元,2017年中国环境污染治理投资额增长到9 538.95亿元,5年增长了1 285.35亿元),但是对环境质量的改善效果还有待进一步提升。另外,以重工业为代表的第二产业一直是中国污染排放的主要来源,因此第二产业比重的增加会抑制污染排放效率的提升。环境规制、人口密度、科技创新对污染排放效率有显著正向的空间溢出效应,地区经济发展水平与产业结构对污染排放效率有显著的负向空间溢出效应。
-
对中国这样一个区域经济发展极不平衡的国家来说,地方政府竞争、FDI对污染排放效率的影响是否存在地区差异呢?为了回答该问题,本文将总样本划分为东部与中西部两大地区,分别运用空间杜宾模型进行回归。其结果如表5所示。
表 5污染排放效率的异质性分析
地区 解释变量 直接效应 间接效应 总效应 ln ECU 0.345 2* −0.600 8 −0.255 6 (1.95) (−1.10) (−0.37) 东部地区 ln FDI −0.083 4 0.401 6** 0.318 2 (−1.05) (1.97) (1.21) ln ECU×ln FDI 0.165 9*** −0.292 4* −0.126 5 (3.12) (−1.67) (−0.58) ln ECU 0.080 0 −0.535 7*** −0.455 6*** (1.12) (−4.11) (−3.28) 中西部地区 ln FDI 0.087 2*** 0.296 8*** 0.384 0*** (2.93) (5.37) (6.08) ln ECU×ln FDI −0.009 6 −0.124 6*** −0.134 3*** (−0.63) (−4.10) (−4.13) 注:*、**、***分别表示在10%、5%、1%的显著性水平下显著;()内的为参数估计量的z值。 由表5可知,东部地区地方政府竞争对本地的影响明显高于中西部地区,表明在以环境绩效为标准的考核体制下,东部地区地方政府凭借自身经济优势,展开为环境治理而竞争的行为,增加对当地污染的治理投资额;而中西部地区由于经济实力较弱,对污染治理方面的投资相对较低,因此对本地区污染排放效率的促进作用较小。中西部地区FDI明显提高了本地区污染排放效率,表明中西部地区地方政府在引资时逐步加大对清洁型FDI的引入力度,促进了本地区生产与清洁技术进步,有效减少了污染物排放。而东部地区FDI对污染排放效率的影响为负且没有通过显著性检验,这可能与子样本容量较少有关,导致影响作用并不明显。东部地区地方政府竞争与FDI交互作用对本地区污染排放效率提升具有明显的促进作用,而对中西部地区的作用并不显著。对于经济发达的东部地区而言,地方政府在选择有利于本区域发展的竞争策略时,往往选择引入高质量FDI,以便更好地发挥FDI在环境治理方面的技术优势和外溢效应,促进污染排放效率的提升,但中西部地区可能受市场化水平低、市场分割严重等因素的制约,其促进作用尚未显现。
进一步考虑空间溢出效应。首先,就地方政府竞争对污染排放效率的空间溢出效应而言,中西部地区表现为显著的负向溢出效应,这可能是由于经济欠发达的地区,污染排放存在明显的策略性竞争效应,即地区间的污染排放存在“逐底”竞争策略互动。其次,无论是东部地区还是中西部地区,FDI对污染排放效率的空间溢出效应均显著为正,表明随着对外开放的深化与经济的高质量发展转型,中国各个地区开始摒弃传统的以“经济发展”为导向的FDI引入,吸引具备更高清洁技术水平的外资企业从事“绿色”生产活动,从而有利于节能减排[58],尤其是东部沿海地区凭借雄厚的经济实力与完善的基础设施吸引了更多的外资企业在当地设立总部,从而更有利于发挥外资企业在节能减排技术的正外部效应。此外,若同时考虑地方政府竞争与FDI交互作用对污染排放效率的影响,无论是东部地区还是中西部地区对相邻地区的空间溢出效应均为负,表明地方政府在政绩考核和升迁压力下,地方政府对已有的粗放式增长模式产生一定的“锁定效应”[52],依旧存在对FDI盲目竞争,某一地区“环境友好型”FDI的增加,并不一定能够带动邻近地区提高对FDI“绿色”程度的甄别,很可能促使邻近地区政府一味“跟风”[54],出现地方政府的“免费搭便车”行为[72],不利于邻近地区环境质量的改善与污染排放效率的提高。
-
在确定模型形式之前需要确定门槛的个数,借鉴Hansen的做法,以ln FDI为门槛变量,以地方政府竞争为关键变量,基于面板门槛模型Bootstrap自抽样300次,在无门槛效应假说条件下进行检验,回归结果如表6与表7所示。可以发现,以ln FDI为门槛变量,存在单一门槛效应,说明地方政府竞争对污染排放效率的影响为非线性关系。
表 6面板门槛自抽样检测结果
门槛个数 F值 P值 10%临界值水平 5%临界值水平 1%临界值水平 样本数 单门槛 87.23*** 0.00 31.47 35.63 51.39 300 双门槛 78.94*** 0.44 24.23 31.50 46.38 300 注:*、**、***分别表示在10%、5%、1%的显著性水平下显著;()内的为参数估计量的z值。 表 7门槛估计值和置信区间
门槛变量 门槛数 估计值 置信区间 ln FDI 单一门槛 −3.004 1 [−3.017 6, −3.000 2] 从表8的门槛回归结果来看,地方政府竞争对污染排放效率具有显著的门槛特征,在ln FDI值小于−3.004 1时,地方政府竞争对污染排放效率的影响显著为负,系数为−0.168 1,而当ln FDI值大于−3.004 1时,地方政府竞争对污染排放效率的影响发生显著的变化,变为正值,且系数为0.008 7,即在FDI规模低于门槛值时,地方政府竞争会降低污染排放效率,而当FDI规模超过门槛值时,地方政府竞争将转为提高污染排放效率。这表明在FDI规模较低时,地方政府为促进当地经济发展而降低环境规制标准,竞相引进高污染、高排放的外资项目,导致污染物排放量增加,抑制了污染排放效率的提升。随着FDI规模的增加,地方政府迫于环境压力逐步提高外资进入门槛,外资企业通过自身技术进步,降低污染排放以达到当地政府环境政策标准。由此可见,在不同程度的招商引资下,地方政府竞争对污染排放效率的影响具有激励与抑制“双重”作用。
表 8面板门槛模型的估计结果
变量 门槛变量:ln FDI ln GDP −0.238 0*** (−9.67) HR −0.026 0** (−2.52) DENSITY 0.000 2*** (4.31) ln TECH 0.026 4* (1.76) INDUSTRY −0.003 5*** (−3.05) IND (ln FDI≤−3.004 1) −0.168 1*** (−6.87) IND (ln FDI>−3.004 1) 0.008 7 (0.33) 常数项 1.579 5*** (8.79) 注:*、**、***分别表示在10%、5%、1%的显著性水平下显著;()内的为参数估计量的t值。 -
关于地方政府竞争,本文采用经济赶超指标来衡量,如果更换指标,是否能得到与前文同样的结论?直辖市的经济发展水平和政策与其他省份存在差别,去掉直辖市以后是否能得出相同的结果?缩短样本时间以后是否还支持上文的结论?
-
地方政府竞争是本文的核心解释变量,其不同的衡量指标对本文结论的验证非常重要。考虑到较高的GDP增长率在一定程度上反映地方官员政绩较突出,也彰显了地方政府之间经济竞争的激烈程度[81],因此本文利用GDP增长率(GDPG)作为地方政府竞争的衡量指标进行稳健性检验,结果如表9所示。可以发现,除了地方政府竞争的直接效应不显著以外,其他核心解释变量的符号及显著性均没有变化,表明了本文基准回归结果的稳健性。
表 9地方政府竞争衡量指标差异的稳健性检验
变量 经济增长率 直接效应 间接效应 总效应 GDPG 0.007 7 −0.090 9*** −0.083 2*** (0.58) (−3.56) (−3.38) ln FDI 0.064 4** 0.250 6*** 0.315 0*** (2.06) (4.01) (4.92) ln ECU×ln FDI 0.005 5* −0.022 9*** −0.017 4*** (1.92) (−4.24) (−3.17) CONTROL YES YES YES 注:*、**、***分别表示在10%、5%、1%的显著性水平下显著;()内的为参数估计量的z值。 -
与其他省份相比,直辖市有明显的区位优势和政治经济优势,因此参照林伯强等[82]将北京、天津、上海、重庆四个直辖市剔除以后,用基准经济距离权重矩阵进行回归分析,如表10所示。结果表明,变量的符号和显著性与基准模型基本一致。进一步将直辖市剔除以后运用邻接矩阵进行空间杜宾回归分析,结果仍然与基准回归结果基本一致,表明了前文结果的有效性,进一步说明回归结果较为稳健。
-
本文的时间样本是2000—2017年,为了避免由于样本时间选择造成的误差,本文首先将2017年剔除,运用经济距离矩阵进行回归,其次再用邻接矩阵回归,结果如表11所示。表11的结果再次证明了地方政府竞争、FDI及其交互项对污染排放效率的影响与上文一致,回归结果较稳健。
综上所述,无论是替换核心解释变量、剔除直辖市及更换权重矩阵还是缩短样本时间及更换空间权重矩阵,得到的估计结果均与表4基本一致,表明了前文的假说及结论的有效性,说明基准回归结果比较稳健。
表 10去除直辖市的稳健性检验
变量 经济距离矩阵 邻接矩阵 直接效应 间接效应 总效应 直接效应 间接效应 总效应 ln ECU 0.030 1 −0.473 3*** −0.443 2*** 0.052 9 −0.640 0*** −0.587 1*** (0.36) (−3.47) (−3.19) (0.79) (−4.53) (−3.50) ln FDI 0.115 6*** 0.214 9*** 0.330 4*** 0.005 5 0.323 2*** 0.328 7*** (3.30) (3.64) (5.12) (0.21) (5.39) (4.46) ln ECU×ln FDI 0.003 0 −0.120 2*** −0.117 2*** 0.027 6* −0.138 7*** −0.111 1*** (0.16) (−3.69) (−3.40) (1.86) (−3.94) (−2.58) CONTROL YES YES YES YES YES YES 注:*、**、***分别表示在10%、5%、1%的显著性水平下显著;()内的是参数估计量的z值。 表 11缩小时间样本的稳健性检验
变量 经济距离矩阵 邻接矩阵 ln ECU 0.124 3* −0.511 0*** −0.386 7*** 0.004 2 −0.483 1*** −0.479 0*** (1.88) (−3.78) (−2.89) (0.07) (−3.48) (−2.81) ln FDI 0.068 5** 0.225 8*** 0.294 3*** 0.010 2 0.287 6*** 0.297 8*** (2.31) (3.83) (4.67) (0.42) (4.99) (4.18) ln ECU×ln FDI 0.030 5** −0.130 7*** −0.100 2*** 0.023 2* −0.103 4*** −0.080 2* (1.97) (−4.14) (−3.13) (1.67) (−3.02) (−1.89) CONTROL YES YES YES YES YES YES 注:剔除2017年数据;*、**、***分别表示在10%、5%、1%的显著性水平下显著;()内的是参数估计量的z值。 -
随着中国经济迈入高质量发展阶段,如何处理经济发展与环境保护之间的关系,实现绿色转型是高质量发展的重要任务。地方政府与外资在经济发展与环境治理方面均发挥重要作用。本文基于2000—2017年中国30个省份的面板数据,通过构建空间计量模型实证分析地方政府竞争、FDI及其交互作用与污染排放效率的关系,并进一步运用面板门槛模型,分析在不同FDI投资水平下,地方政府竞争对污染排放效率影响的非线性特征。主要结论有如下几点:(1)中国省际污染排放效率不断下降,呈现东、中、西部递减趋势,并且有较强的空间集聚特征。(2)地方政府竞争对污染排放效率的直接效应为正,间接效应为负。FDI不仅能提高本地区污染排放效率,而且还对邻近地区有正向空间溢出效应。地方政府竞争和FDI之间的交互作用可以提高本地区污染排放效率,但对邻近地区产生负向的空间溢出。(3)FDI具有明显的门槛效应,当外商投资规模处于低门槛时,地方政府竞争对污染排放效率的提高起到抑制作用,当外商投资规模高于门槛值时,地方政府竞争显著地促进污染排放效率的提升。通过替换核心解释变量和缩短样本时间进行稳健性检验,均证明以上结论稳健。
上述结论包含深刻的政策意涵:(1)建议中央政府进一步完善政绩考核标准,提高对地方政府的环境绩效考核。对地方政府恶性竞争行为、恶性引资行为给予一定程度的监督和管理,着力建设跨区域的生态环境补偿机制,健全地方环保责任机制。同时,地方政府必须摒弃“重经济发展,轻环境保护”的发展观与政绩观,坚持经济增长和生态环境保护并重,践行“绿水青山就是金山银山”的新型发展理念。(2)地方政府在引进外资过程中,一方面,可综合运用环境税、研发补贴等经济手段,对FDI的“清洁”程度进行筛选与甄别,提高外资企业的环保准入门槛,有计划、有目的、多领域和多层次地引进高质量外资;另一方面,地方政府应与FDI形成良性互动机制,充分发挥FDI在环境治理方面的技术优势和外溢效应,促进FDI更好地通过“污染晕轮效应”和技术外溢效应实现对污染排放效率的促进作用。(3)地方政府应加强区域间合作与交流,尤其是在环境治理方面,建立“联防联控”的区域合作机制。同时,发挥东部地区的技术优势,进一步实现“腾笼换鸟”,将一些先行研发环保技术逐步推广到中西部,中西部地方政府积极承接东部地区的技术转移,逐步形成环境污染的协同治理格局。
Local Government Competition, FDI and Pollution Emission Efficiency
-
摘要:伴随着中国经济步入高质量发展阶段,提高污染排放效率、倡导节能减排是实现经济高质量发展的重要举措。基于地方政府竞争与FDI双重视角,将地方政府竞争、FDI与污染排放效率纳入统一分析框架。在理论分析基础上,基于2000—2017年中国30个省份的面板数据,结合面板空间杜宾模型与面板门槛回归模型,实证分析地方政府竞争、FDI与污染排放效率之间的关系及空间效应。结果表明:中国省际污染排放效率具有明显的空间相关性。地方政府竞争对污染排放效率的影响存在“逐底竞争”与“逐顶竞争”双重效应。FDI对污染排放效率的影响满足“污染光环”假说。二者交互作用有利于本地区污染排放效率的提升,但通过“以邻为壑”等阻碍了邻近地区污染排放效率的提升。进一步研究发现,FDI存在门槛效应,适度引进高质量FDI才能充分发挥地方政府竞争在节能减排中的作用。基于此,需要进一步完善政绩考核机制,提升引资质量,提高污染排放效率,以推动中国经济实现高质量发展。Abstract:As China’s economy enters a stage of high-quality development, improving pollution emission efficiency and advocating energy conservation and emission reduction are important measures to achieve high-quality economic development. Based on the dual perspectives of local government competition and FDI, this paper incorporates local government competition, FDI and pollution emission efficiency into a unified analysis framework. On the basis of theoretical analysis, and panel data of 30 provinces in China from 2000 to 2017, combined with panel Spatial Durbin model and panel threshold regression model, empirical analysis of the relationship and spatial effects among local government competition, FDI and pollution emission efficiency are analyzed. The results show that: China’s inter-provincial pollution emission efficiency has obvious spatial correlation. The impact of local government competition on pollution emission efficiency has the dual effects of “competition to the bottom” and “competition to the top”. The impact of FDI on pollution emission efficiency meets the “pollution halo” hypothesis. The interaction between the two is conducive to the improvement of the pollution emission efficiency of the local area, but it hinders the improvement of the pollution emission efficiency of neighboring areas through “beggar thy neighbor”. Further research has found that FDI has a threshold effect, and only by appropriately introducing high-quality FDI can the role of local government competition in energy conservation and emission reduction be fully brought into play. Based on this, it is necessary to further improve the performance evaluation mechanism, enhance the quality of attracting investment, and improve the efficiency of pollution emissions in order to promote the high-quality development of the Chinese economy.
-
表 1主要变量的描述性统计
变量 样本数 平均值 标准差 最小值 最大值 PE 540 0.468 3 0.267 5 0.132 6 1.232 4 ECU 540 6.024 1 5.063 0 0.389 6 29.910 1 FDI 540 0.025 8 0.022 3 0.000 4 0.146 5 HR 540 1.257 9 0.721 2 0.010 0 4.160 0 GDP 540 31 104.780 0 24 537.820 0 1 907.773 0 128 994.000 0 DENSITY 540 428.418 7 610.975 5 7.150 8 3 826.000 0 TECH 540 22 295.230 0 44 564.900 0 70.000 0 332 652.000 0 INDUSTRY 540 45.138 1 8.285 6 19.010 0 69.780 0 表 2ln PE、ln ECU、ln FDI与ln ECU*ln FDI的Moran’sI指数(2000—2017年)
年份 ln PE ln ECU ln FDI ln ECU×ln FDI Moran’sI z值 Moran’sI z值 Moran’sI z值 Moran’sI z值 2000 0.132* 1.735 0.232*** 2.870 0.117 1.606 0.270*** 3.173 2001 0.109 1.480 0.243*** 2.988 0.123* 1.652 0.258*** 3.041 2002 0.132* 1.733 0.254*** 3.103 0.177** 2.191 0.270*** 3.171 2003 0.125* 1.664 0.275*** 3.327 0.154** 1.961 0.304*** 3.526 2004 0.132* 1.746 0.282*** 3.420 0.114 1.549 0.314*** 3.636 2005 0.112 1.538 0.320*** 3.758 0.136* 1.819 0.354*** 4.075 2006 0.105 1.464 0.334*** 3.898 0.190** 2.399 0.359*** 4.125 2007 0.100 1.425 0.338*** 3.940 0.218*** 2.642 0.358*** 4.144 2008 0.101 1.431 0.358*** 4.140 0.176** 2.203 0.350*** 4.056 2009 0.087 1.285 0.374*** 4.300 0.134* 1.770 0.333*** 3.885 2010 0.176** 2.229 0.397*** 4.489 0.134* 1.761 0.339*** 3.908 2011 0.219*** 2.705 0.397*** 4.482 0.116 1.629 0.328*** 3.834 2012 0.235*** 2.886 0.401*** 4.511 0.117* 1.656 0.314*** 3.725 2013 0.274*** 3.276 0.406*** 4.551 0.096 1.402 0.314*** 3.704 2014 0.255*** 3.076 0.402*** 4.502 0.088 1.302 0.313*** 3.666 2015 0.250*** 3.028 0.399*** 4.468 0.062 1.029 0.305*** 3.602 2016 0.286*** 3.426 0.353*** 4.007 0.010 0.483 0.291*** 3.429 2017 0.287*** 3.465 0.344*** 3.925 0.037 0.773 0.261*** 3.242 注:*、**、***分别表示在10%、5%、1%的水平下通过了显著性检验。 表 3政府竞争、FDI与污染排放效率的空间计量实证结果
解释变量 (1) SDM_FE (2) SDM_RE ln ECU 0.078 5 0.123 7** (1.26) (2.27) ln FDI 0.086 2*** 0.004 5 (3.04) (0.20) ln ECU×ln FDI 0.018 3 0.031 4** (1.24) (2.45) ln GDP 0.360 7*** 0.149 4** (5.61) (2.4) HR −0.106 2*** −0.024 3** (−7.21) (−2.27) DENSITY 0.000 2*** 0.000 3*** (8.92) (6.96) ln TECH 0.087 0*** 0.057 8*** (9.26) (3.67) INDUSTRY −0.017 1*** −0.004 2*** (−13.95) (−3.30) W×ln ECU −0.602 9*** −0.421 5*** (−3.66) (−3.16) W×ln FDI 0.327 2*** 0.211 0*** (4.42) (3.64) W×ln ECU×ln FDI −0.160 9*** −0.095 4*** (−4.14) (−2.75) W×ln GDP −0.038 9 −0.336 7*** (−0.20) (−4.85) R2 0.537 2 0.691 8 log-Likehood 101.452 0 344.442 8 LR test 18.660 0*** 54.870 0*** [0.000 9] [0.000 0] Wald test 20.510 0*** 50.880 0*** [0.000 4] [0.000 0] Hausman test 189.740 0*** [0.000 0] 注:*、**、***分别表示在10%、5%、1%的显著性水平下显著;()内的是参数估计量的z值;[]内的是参数估计量的P值。 表 4地方政府竞争、FDI及其交互作用对污染排放效率影响的直接、间接效应分解
解释变量 直接效应 间接效应 总效应 ln ECU 0.113 0* −0.494 7*** −0.381 7*** (1.75) (−3.72) (−2.90) ln FDI 0.069 2** 0.235 8*** 0.305 0*** (2.44) (4.17) (5.01) ln ECU×ln FDI 0.028 2* −0.132 4*** −0.104 2*** (1.89) (−4.35) (−3.36) ln GDP 0.364 2*** −0.119 3 0.244 9* (5.50) (−0.74) (1.73) HR −0.108 2*** 0.028 4*** −0.079 8*** (−7.31) (4.52) (−6.92) DENSITY 0.000 2*** −0.000 5*** 0.000 1*** (8.95) (−4.89) (8.27) ln TECH 0.088 7*** −0.023 2*** 0.065 5*** (9.2) (−5.39) (7.80) INDUSTRY −0.017 5*** 0.004 6*** −0.012 9*** (−14.95) (5.71) (−11.43) 注:*、**、***分别表示在10%、5%、1%的显著性水平下显著;()内的是参数估计量的z值。 表 5污染排放效率的异质性分析
地区 解释变量 直接效应 间接效应 总效应 ln ECU 0.345 2* −0.600 8 −0.255 6 (1.95) (−1.10) (−0.37) 东部地区 ln FDI −0.083 4 0.401 6** 0.318 2 (−1.05) (1.97) (1.21) ln ECU×ln FDI 0.165 9*** −0.292 4* −0.126 5 (3.12) (−1.67) (−0.58) ln ECU 0.080 0 −0.535 7*** −0.455 6*** (1.12) (−4.11) (−3.28) 中西部地区 ln FDI 0.087 2*** 0.296 8*** 0.384 0*** (2.93) (5.37) (6.08) ln ECU×ln FDI −0.009 6 −0.124 6*** −0.134 3*** (−0.63) (−4.10) (−4.13) 注:*、**、***分别表示在10%、5%、1%的显著性水平下显著;()内的为参数估计量的z值。 表 6面板门槛自抽样检测结果
门槛个数 F值 P值 10%临界值水平 5%临界值水平 1%临界值水平 样本数 单门槛 87.23*** 0.00 31.47 35.63 51.39 300 双门槛 78.94*** 0.44 24.23 31.50 46.38 300 注:*、**、***分别表示在10%、5%、1%的显著性水平下显著;()内的为参数估计量的z值。 表 7门槛估计值和置信区间
门槛变量 门槛数 估计值 置信区间 ln FDI 单一门槛 −3.004 1 [−3.017 6, −3.000 2] 表 8面板门槛模型的估计结果
变量 门槛变量:ln FDI ln GDP −0.238 0*** (−9.67) HR −0.026 0** (−2.52) DENSITY 0.000 2*** (4.31) ln TECH 0.026 4* (1.76) INDUSTRY −0.003 5*** (−3.05) IND (ln FDI≤−3.004 1) −0.168 1*** (−6.87) IND (ln FDI>−3.004 1) 0.008 7 (0.33) 常数项 1.579 5*** (8.79) 注:*、**、***分别表示在10%、5%、1%的显著性水平下显著;()内的为参数估计量的t值。 表 9地方政府竞争衡量指标差异的稳健性检验
变量 经济增长率 直接效应 间接效应 总效应 GDPG 0.007 7 −0.090 9*** −0.083 2*** (0.58) (−3.56) (−3.38) ln FDI 0.064 4** 0.250 6*** 0.315 0*** (2.06) (4.01) (4.92) ln ECU×ln FDI 0.005 5* −0.022 9*** −0.017 4*** (1.92) (−4.24) (−3.17) CONTROL YES YES YES 注:*、**、***分别表示在10%、5%、1%的显著性水平下显著;()内的为参数估计量的z值。 表 10去除直辖市的稳健性检验
变量 经济距离矩阵 邻接矩阵 直接效应 间接效应 总效应 直接效应 间接效应 总效应 ln ECU 0.030 1 −0.473 3*** −0.443 2*** 0.052 9 −0.640 0*** −0.587 1*** (0.36) (−3.47) (−3.19) (0.79) (−4.53) (−3.50) ln FDI 0.115 6*** 0.214 9*** 0.330 4*** 0.005 5 0.323 2*** 0.328 7*** (3.30) (3.64) (5.12) (0.21) (5.39) (4.46) ln ECU×ln FDI 0.003 0 −0.120 2*** −0.117 2*** 0.027 6* −0.138 7*** −0.111 1*** (0.16) (−3.69) (−3.40) (1.86) (−3.94) (−2.58) CONTROL YES YES YES YES YES YES 注:*、**、***分别表示在10%、5%、1%的显著性水平下显著;()内的是参数估计量的z值。 表 11缩小时间样本的稳健性检验
变量 经济距离矩阵 邻接矩阵 ln ECU 0.124 3* −0.511 0*** −0.386 7*** 0.004 2 −0.483 1*** −0.479 0*** (1.88) (−3.78) (−2.89) (0.07) (−3.48) (−2.81) ln FDI 0.068 5** 0.225 8*** 0.294 3*** 0.010 2 0.287 6*** 0.297 8*** (2.31) (3.83) (4.67) (0.42) (4.99) (4.18) ln ECU×ln FDI 0.030 5** −0.130 7*** −0.100 2*** 0.023 2* −0.103 4*** −0.080 2* (1.97) (−4.14) (−3.13) (1.67) (−3.02) (−1.89) CONTROL YES YES YES YES YES YES 注:剔除2017年数据;*、**、***分别表示在10%、5%、1%的显著性水平下显著;()内的是参数估计量的z值。 -
[1] 李建伟. 中国经济增长四十年回顾与展望[J]. 管理世界, 2018, 34(10): 17-29. [2] 傅强, 朱浩. 中央政府主导下的地方政府竞争机制: 解释中国经济增长的制度视角[J]. 公共管理学报, 2013, 10(1): 19-30.doi:10.3969/j.issn.1672-6162.2013.01.003 [3] 周忠宝, 邓莉, 肖和录, 等. 外商直接投资对中国经济高质量发展的影响: 基于Index DEA和面板分位回归的分析[J/OL]. 中国高校人文社会科学信息网(2020-04-25)[2020-10-19].https://www.sinoss.net/uploadfile/2020/0415/20200415103443852.pdf. [4] LANDRY P, LÜ X, DUAN H. Does performance matter? evaluating political selection along the Chinese administrative ladder[J]. Comparative Political Studies, 2017, 51(8): 001041401773007. [5] LIU L, LI L. Effects of fiscal decentralisation on the environment: new evidence from China[J]. Environmental ence and Pollution Research, 2019, 26: 36878–36886.doi:10.1007/s11356-019-06818-z [6] RENARD M, XIONG H. Strategic interactions in environmental regulation enforcement: evidence from Chinese provinces[R/OL]. Working Paper, 2012. [2020-10-26].https://www.researchgate.net/publication/254418706_Strategic_Interactions_in_Environmental_Regulation_Enforcement_Evidence_from_Chinese_Provinces. [7] 周黎安. 晋升博弈中政府官员的激励与合作: 兼论我国地方保护主义和重复建设问题长期存在的原因[J]. 经济研究, 2004, 39(6): 33-40. [8] ZHAO J, ZHAO Z, ZHANG H. The impact of growth, energy and financial development on environmental pollution in China: new evidence from a spatial econometric analysis[J/OL]. Energy Economics, (2019-01)[2020-10-22].https://doi.org/10.1016/j.eneco.2019.104506. [9] YAN Y, WANG C, QUAN Y, et al. Urban sustainable development efficiency towards the balance between nature and human well-being: connotation, measurement, and assessment[J]. Journal of Cleaner Production, 2018, 178: 67-75.doi:10.1016/j.jclepro.2018.01.013 [10] FENG Y, ZHONG S, LI Q, et al. Ecological well-being performance growth in China (1994—2014): from perspectives of industrial structure green adjustment and green total factor productivity[J/OL]. Journal of Cleaner Production, (2019-11-01)[2020-10-28].https://doi.org/10.1016/j.jclepro.2019.07.031. [11] 马明, 薛晓达, 赵国浩. 交通基础设施、人力资本对区域创新能力影响的实证研究[J]. bob手机在线登陆学报(社会科学版), 2018, 20(1): 95-101. [12] RAUSCHER M. Economic growth and tax-competing leviathans[J]. International Tax & Public Finance, 2005, 12(4): 457-474. [13] HADJIYIANNIS C, HATZIPANAYOTOU P, MICHAEL M S. Cross-border pollution, public pollution abatement and capital tax competition[J]. Journal of International Trade and Economic Development, 2014, 23(1-2): 155-178. [14] 傅勇, 张晏. 中国式分权与财政支出结构偏向: 为增长而竞争的代价[J]. 管理世界, 2007(3): 4-12. [15] 刘建民, 陈霞, 吴金光. 财政分权、地方政府竞争与环境污染: 基于272个城市数据的异质性与动态效应分析[J]. 财政研究, 2015(9): 36-43. [16] 周黎安. 中国地方官员的晋升锦标赛模式研究[J]. 经济研究, 2007, 42(7): 36-50. [17] 陈刚. FDI竞争、环境规制与污染避难所: 对中国式分权的反思[J]. 世界经济研究, 2009(6): 3-7. [18] 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. [19] FREDRIKSSON P G, MILLIMET D L. Strategic interaction and the determination of environmental policy across U. S. States[J]. Journal of Urban Economics, 2002. 51(1): 101-122.doi:10.1006/juec.2001.2239 [20] HOLZINGGER K, SOMMERER T.“Race to the Bottom”or“Race to Brussels”Environmental competition in Europe[J]. Jcms Journal of Common Market Studies, 2011, 49(2): 315-339.doi:10.1111/j.1468-5965.2010.02135.x [21] 薄文广, 徐玮, 王军锋. 地方政府竞争与环境规制异质性: 逐底竞争还是逐顶竞争?[J]. 中国软科学, 2018 (11): 76-93.doi:10.3969/j.issn.1002-9753.2018.11.009 [22] 张宇, 蒋殿春. FDI、政府监管与中国水污染: 基于产业结构与技术进步分解指标的实证检验[J]. 经济学(季刊), 2014, 13(2): 491-514. [23] COLE M A, FREDRIKSSON E P G. Endogenous pollution havens: does FDI influence environmental regulations?[J]. Scandinavian Journal of Economics, 2006, 108(1): 157-178.doi:10.1111/j.1467-9442.2006.00439.x [24] 聂飞, 刘海云. FDI, 环境污染与经济增长的相关性研究: 基于动态联立方程模型的实证检验[J]. 国际贸易问题, 2015(2): 72-83. [25] 范丹. 经济转型视角下中国工业行业环境全要素生产率及增长动力分析[J]. 中国环境科学, 2015, 35(10): 3177-3186.doi:10.3969/j.issn.1000-6923.2015.10.039 [26] 李斌, 祁源, 李倩. 财政分权、FDI与绿色全要素生产率: 基于面板数据动态GMM方法的实证检验[J]. 国际贸易问题, 2016(7): 119-129. [27] GROSSMAN G M, KRUEGER A B. Economic growth and environment[J]. The Quarterly Journal of Economics, 1995, 110(2): 353-377.doi:10.2307/2118443 [28] SUNG B, SONG W Y, PARK S D. How foreign direct investment affects CO2emission levels in the Chinese manufacturing industry: evidence from panel data[J]. Economic Systems, 2018, 42(2): 320-331.doi:10.1016/j.ecosys.2017.06.002 [29] 李金凯, 程立燕, 张同斌. 外商直接投资是否具有“污染光环”效应?[J]. 中国人口·资源与环境, 2017, 27(10): 74-83. [30] 霍伟东, 李杰锋, 陈若愚. 绿色发展与FDI环境效应: 从“污染天堂”到“污染光环”的数据实证[J]. 财经科学, 2019(4): 106-119. [31] DOYTCH N, UCTURN M. Globalization and the environmental impact of sectoral FDI[J]. Economic Systems, 2016, 40(4): 582-594.doi:10.1016/j.ecosys.2016.02.005 [32] 杨世迪, 韩先锋, 宋文飞. 对外直接投资影响了中国绿色全要素生产率吗[J]. 山西财经大学学报, 2017, 39(4): 14-26. [33] 周业安, 冯兴元, 赵坚毅. 地方政府竞争与市场秩序的重构[J]. 中国社会科学, 2004(1): 56-65. [34] ANTWEILER W, COPELAND B R, TAYLOR M S. Is free trade good for the environment?[J]. American Economic Review, 2001(91): 877-908. [35] LI H, ZHOU L A. Political turnover and economic performance: the incentive role of personnel control in China[J]. Journal of Public Economics, 2003, 89(9-10): 1743-1762. [36] 范玉波, 刘小鸽. 基于空间替代的环境规制产业结构效应研究[J]. 中国人口·资源与环境, 2017, 27(10): 30-38. [37] 王燕武, 王俊海. 地方政府行为与地区产业结构趋同的理论及实证分析[J]. 南开经济研究, 2009(4): 33-49.doi:10.3969/j.issn.1001-4691.2009.04.003 [38] 刘洁, 李文. 中国环境污染与地方政府税收竞争: 基于空间面板数据模型的分析[J]. 中国人口资源与环境, 2013(4): 81-88. [39] 陆凤芝, 杨浩昌. 环境分权、地方政府竞争与中国生态环境污染[J]. 产业经济研究, 2019(4): 113-126. [40] POPP D, NEWELL R G, JAFFE A B. Energy, the environment, and technological change[J]. Nber Working Papers, 2009, 2: 873-937. [41] 卞元超, 吴利华, 白俊红. 财政科技支出竞争是否促进了区域创新绩效提升: 基于研发要素流动的视角[J]. 财政研究, 2020(1): 45-58. [42] FALLICK B, FLEISCHMAN C, REBITZER J B. Job-hopping in silicon valley: some evidence concerning the micro-foundations of a high technology cluster[J]. Review of Economics and Statistics, 2006, 88(3): 472-481.doi:10.1162/rest.88.3.472 [43] 顾元媛, 沈坤荣. 地方政府行为与企业研发投入: 基于中国省际面板数据的实证分析[J]. 中国工业经济, 2012(10): 77-88. [44] WALLACE E O, ROBERT M S. Economic competition among jurisdictions: efficiency enhancing or distortion inducing?[J]. Journal of Public Economics, 1988, 35(3): 333-354.doi:10.1016/0047-2727(88)90036-9 [45] 于峰, 齐建国. 我国外商直接投资环境效应的经验研究[J]. 国际贸易问题, 2007(8): 104-112. [46] 张彦博, 郭亚军. FDI的环境效应与我国引进外资的环境保护政策[J]. 中国人口·资源与环境, 2009(4): 7-12.doi:10.3969/j.issn.1002-2104.2009.04.002 [47] 谷继建, 郑强, 肖端. 绿色发展背景下FDI与中国环境污染的空间关联分析[J]. 宏观经济研究, 2020(9): 119-129, 175. [48] 邵玉君. FDI、OFDI与国内技术进步[J]. 数量经济技术经济研究, 2017, 9(34): 21-38. [49] 韩永辉, 黄亮雄, 王贤彬. 产业结构优化升级改进生态效率了吗?[J]. 数量经济技术经济研究, 2016, 33(4): 40-59. [50] 贾妮莎, 韩永辉, 邹建华. 中国双向FDI的产业结构升级效应: 理论机制与实证检验[J]. 国际贸易问题, 2014(11): 109-120. [51] NING L, WANG F. Does FDI bring environmental knowledge spillovers to developing countries? the role of the local industrial structure[J]. Environmental and Resource Economics, 2018, 71(2): 381-405.doi:10.1007/s10640-017-0159-y [52] 沈坤荣, 周力. 地方政府竞争、垂直型环境规制与污染回流效应[J]. 经济研究, 2020, 55(3): 35-49. [53] 李猛. 财政分权与环境污染: 对环境库兹涅茨假说的修正[J]. 经济评论, 2009(5): 54-59. [54] 邵帅, 李欣, 曹建华, 等. 中国雾霾污染治理的经济政策选择: 基于空间溢出效应的视角[J]. 经济研究, 2016, 51(9): 73-88. [55] 周杰琦, 夏南新, 梁文光. 外资进入、自主创新与雾霾污染: 来自中国的证据[J]. 研究与发展管理, 2019, 31(2): 78-90. [56] 刘胜, 顾乃华. 官员治理、外商直接投资与地区环境污染: 基于官员激励及其异质性视角[J]. 经济体制改革, 2017(2): 24-30. [57] 蔡乌赶, 许凤茹. 环境规制如何影响空气污染: 基于中国284个地级市数据的实证研究[J]. 福州大学学报(哲学社会科学版), 2020, 34(5): 33-40. [58] 许和连, 邓玉萍. 外商直接投资导致了中国的环境污染吗: 基于中国省际面板数据的空间计量研究[J]. 管理世界, 2012(2): 36-49. [59] 李光龙, 范贤贤. 贸易开放、外商直接投资与绿色全要素生产率[J]. 南京审计大学学报, 2019, 16(4): 103-111.doi:10.3969/j.issn.1672-8750.2019.04.011 [60] LESAGE J P R K. Introduction to spatial econometrics[M]. New York: CRC Press, 2009. [61] VEGA S H, ELHORST J P. The SLX model[J/OL]. Journal of Regional Science(2015-02-06)[2020-10-28].https://doi.org/10.1111/jors.12188. [62] Tone K. A slacks-based measure of super-efficiency in data envelopment analysis[J]. European Journal of Operational Research, 2002, 143(1): 32-41.doi:10.1016/S0377-2217(01)00324-1 [63] 邓玉萍, 许和连. 外商直接投资、地方政府竞争与环境污染: 基于财政分权视角的经验研究[J]. 中国人口·资源与环境, 2013, 23(7): 155-163.doi:10.3969/j.issn.1002-2104.2013.07.024 [64] 李晓龙, 徐鲲. 地方政府竞争、环境质量与空间效应[J]. 软科学, 2016, 30(3): 31-35. [65] 张宏翔, 张宁川, 匡素帛. 政府竞争与分权通道的交互作用对环境质量的影响研究[J]. 统计研究, 2015, 32(6): 74-80.doi:10.3969/j.issn.1002-4565.2015.06.010 [66] BRETON A. Competitive governments: an economic theory of politics and public finance[M]. Cambridge: Cambridge University Press, 1996. [67] 何爱平, 安梦天. 地方政府竞争、环境规制与绿色发展效率[J]. 中国人口·资源与环境, 2019, 29(3): 21-30. [68] 缪小林, 王婷, 高跃光. 转移支付对城乡公共服务差距的影响: 不同经济赶超省份的分组比较[J]. 经济研究, 2017, 52(2): 52-66. [69] 龚新蜀, 王曼, 张洪振. FDI、市场分割与区域生态效率: 直接影响与溢出效应[J]. 中国人口·资源与环境, 2018, 28(8): 95-104. [70] Porter M E, Linde C V D. Towards a new conception of the environment-competitiveness relationship[J]. Journal of Economic Perspectives, 1995, 4(4): 97-118. [71] 宋马林, 王舒鸿. 环境规制, 技术进步与经济增长[J]. 经济研究, 2013, 48(3): 122-134. [72] 黄寿峰. 财政分权对中国雾霾影响的研究[J]. 世界经济, 2017, 40(2): 127-152. [73] Tian Z, Tian Y, Chen Y, et al. The economic consequences of environmental regulation in China: from a perspective of the environmental protection admonishing talk policy[J]. Business Strategy and the Environment, 2020, 29(4). [74] 罗能生, 王玉泽. 财政分权、环境规制与区域生态效率: 基于动态空间杜宾模型的实证研究[J]. 中国人口·资源与环境, 2017, 27(4): 110-118. [75] DONG K, HOCHMAN G, KONG X, et al. Spatial econometric analysis of China’s PM10pollution and its influential factors: evidence from the provincial level[J]. Ecological Indicators, 2018, 96: 317-328. [76] 单豪杰. 中国资本存量K的再估算: 1952—2006年[J]. 数量经济技术经济研究, 2008, 25(10): 17-31. [77] MORAN P A P. The interpretation of statistical maps[J]. Journal of the Royal Statistical Society, 1948, 10: 243-251. [78] MORAN P A P. Notes on continuous stochastic phenomena[J]. Biometrika, 1950, 37(1-2): 17-23.doi:10.1093/biomet/37.1-2.17 [79] 刘兰剑, 滕颖. 提高科技创新水平依靠技术效率还是规模效应: 来自中国与OECD国家的测度研究[J]. 科学学与科学技术管理, 2020, 41(7): 50-61. [80] 张为杰, 任成媛, 胡蓉. 中国式地方政府竞争对环境污染影响的实证研究[J]. 宏观经济研究, 2019(2): 133-142. [81] SONG Y, YANG T, LI Z, et al. Research on the direct and indirect effects of environmental regulation on environmental pollution: empirical evidence from 253 prefecture-level cities in China[J/OL]. Journal of Cleaner Production, 2020: 269(2020-10-01)[2020-11-03].https://doi.org/10.1016/j.jclepro.2020.122425. [82] 林伯强, 谭睿鹏. 中国经济集聚与绿色经济效率[J]. 经济研究, 2019, 54(2): 119-132. -