下载:
-
改革开放以来，随着工业化进程的快速推进，中国经济社会发展取得显著成就，生产力水平得到极大提高、科学技术迅速发展、产业结构持续优化。然而，成就的背后，多数地区仍沿袭传统的“高投入、高消耗、高污染”的粗放型经济增长模式，对自然资源的消耗和废弃物的排放往往超过生态承载力，由此导致水污染、雾霾、热浪与洪涝等生态环境问题频发，时刻威胁着地区生态安全。如何提升生态韧性，降低气候突变及灾害突发等不确定因素造成的负面影响，实现绿色经济的良性发展，既是对“绿水青山就是金山银山”的深刻阐释，也是对“碳达峰、碳中和”理念的具体践行，更是新时代中国绿色经济发展的必然需要。从党的十七大首次提出建设“生态文明”目标，到党的十八大将生态文明建设纳入“五位一体”总体布局，再到党的十九大进一步明确“建设生态文明是中华民族永续发展的千年大计”，都彰显出国家对生态文明和绿色发展的重视。环境规制作为通过施加环境约束，对产业和企业进行强制性“精洗”的具体举措，能够产生“优胜劣汰”的作用价值，助力解决生态保护市场失灵的窘境，这使得环境规制成为实现生态文明建设的重要手段。党的十九大明确提出要构建以政府为主导、企业为主体、社会组织以及公众共同参与的环境治理体系，这进一步表明中国强化环境规制力度的决心。如何借助环境规制解决生态保护市场失灵问题，驱动产业和企业绿色发展，进而提高中国生态韧性，高质量推进生态文明建设，更加值得探讨。有鉴于此，本文着重从环境规制作用效果的视角对此问题加以探究，明确环境规制是提升生态韧性的有效手段，以期为未来中国生态韧性的提升提供决策参考。
关于生态韧性最早可以追溯到韧性这一概念内涵，韧性（resilience）源自拉丁文“resilio”，意为“回到原始状态”[1]。20世纪70年代，生态学家Holling[2]将韧性引入生态系统，随后逐渐从自然生态学向人类生态学延伸。早期对于韧性的研究多集中于灾害韧性层面，后期经历了由工程韧性到生态韧性再到演进韧性等进一步的理论发展，逐步强调生态系统的连续性、多稳态，以及冲击之后重组的过程[3]。赵瑞东等[4]认为，韧性是经济韧性、基础设施韧性、生态韧性以及社会韧性的复杂耦合系统。生态韧性也成为表征韧性的重要因素。Pickett等[5]鉴于生态系统所面临变化和挑战的广度与开放性，认为生态韧性尤其适用于研究如何使生态系统更具可持续性。对于生态韧性这一概念，Alberti等[6]基于人类生态学视角提出，生态韧性指生态系统遭到急性冲击与长期压力时，能最大程度化解危机、及时恢复，保障地区生态安全、维护地区可持续发展的能力，它强调良好的生态环境可以降低生态脆弱性，提高抵御风险、灾害的能力。随后，Folke[7]在此基础上指出，生态韧性不仅具备吸收干扰的能力，还包含适应、学习和自组织的能力，实现人与环境系统的协调发展。同时，环境变化与城市化作为影响生态韧性的重要因素备受关注[8]。Zhao等[9]认为中国快速的城市化和大规模的工业化已经对资源与环境产生了影响，阻碍了生态韧性的提升；王少剑等[10]也认为城镇化水平的提升推动了制造业崛起，导致生态赤字与环境污染日益严重，亟需借助法律管制与政策引导提高生态韧性。
长期以来，环境规制受到众多学者的热切关注与广泛研究。早期大量国内外学者在研究中直接将环境规制等同于政府主导下的正式环境规制[11-14]，主要依靠政府的行政指令实现生态环境治理。随着研究的深入，Pargal和Wheeler[15]提出非正式环境规制的概念，即公众通过协商、上访以及投诉等途径进行环保抗议，进而解决环境污染问题。此后，大量国内外学者在区分正式与非正式环境规制的基础上开展研究。关于正式环境规制，Blackman[16]通过发展中国家的实证研究发现，正式环境规制对环境绩效有积极影响。原毅军和谢荣辉[17]则认为正式环境规制能对产业进行强制性“精洗”，有效驱动产业结构调整，从源头消减污染。关于非正式环境规制，Kathuria[18]认为其主要借由社会力量施压来加大规制力度进而作用于地区生态治理。García等[19]研究表明，非正式环境规制作用下的环境信息公开有利于缓解环境污染。同时，也有少数学者同时考虑正式与非正式环境规制，Cole等[20]使用英国22个行业的宏观数据，通过实证分析得出正式与非正式环境规制均成功削弱了空气污染强度；彭文斌等[21]指出正式环境规制的污染减排效果较非正式环境规制更强烈。
通过对已有研究的梳理可以发现，研究内容上，关于生态韧性与环境规制，国内外学者分别展开了大量研究，多数学者研究表明环境规制有助于改善环境、提升生态质量，但鲜有学者对环境规制与生态韧性之间的关系展开探讨，环境规制是否影响以及如何影响生态韧性，仍需要进行深度挖掘；研究视角上，已有文献多针对单一环境规制进行分析，同时考虑正式与非正式环境规制视角的文献较为鲜少。为此，本文基于正式与非正式环境规制视角，重点对环境规制影响生态韧性的作用效果进行深度挖掘，这与中国在新发展格局下坚持生态优先、绿色发展的理念不谋而合，有助于中国在经济发展中促进绿色转型、在绿色转型中稳步提升生态韧性。本文的边际贡献在于：第一，本文创新性地将环境规制与生态韧性纳入同一分析框架，以生态韧性为研究对象，是对环境规制经济社会效应相关研究的一种丰富和拓展。第二，本文基于“本地—邻地”效应的视角，从正式与非正式环境规制两个层面分别研究其对生态韧性的影响，验明不同类型环境规制作用效果的异质性，以弥补单一变量难以全面表征环境规制的不足，从而全面剖析环境规制对生态韧性的影响。第三，考虑到环境规制作用于生态韧性的传导路径，本文运用中介效应模型，进一步探究技术创新在环境规制影响生态韧性过程中的作用，旨在为提升中国生态韧性以及推进生态文明建设提供新思路。
-
环境规制作为将外部环境成本内生化的有利工具，打造基于政府、企业、公众及社会组织的多元共治模式，对生态韧性产生重要影响。具体表现为，一方面，在政府主导下，环境规制能够提高企业的进入壁垒，重新调整市场中的企业名录，最小程度降低外界对生态系统的扰动。环境规制不但要求新进入企业安装治污设备，无形中增加了企业的沉没成本，进而形成资本壁垒；还要求新进入企业达到相应的生产技术标准，以此提高企业的技术规格，进而形成技术壁垒。同时，环境规制在部分程度上也能够促使企业通过“抱团”集聚进入相关产业园区，实现污染排放集中治理，降低规模效应的负外部性；且环境规制能对市场中污染企业进行“精洗”，部分中小企业因其规模小、资金实力弱，以及受限于边际治污成本提高的压力，会逐渐退出市场，降低地区污染密集度。另一方面，环境规制发挥环保非政府组织在政府、企业以及社会公众之间的桥梁作用，监督政府、企业环境信息公开，督促政府切实履行环保责任，监管企业污染排放与治理状况，呼吁更多公众参与到生态文明建设，进而提高生态系统抵御风险的能力。随着社会公众对环境问题关注度的不断提升以及网络的快速发展，信访渠道逐渐被拓宽，社会公众除了通过传统的书信、走访，还可以通过互联网信访平台、微信公众号等网上信访来参与到环境治理中，这无形中给地方政府以及污染企业施加了巨大压力，能够强化地方政府环保政策落实，促进企业绿色生产。同时，社会公众还能够通过向上级政府举报施压于地方政府，倒逼地方政府加大地区生态建设力度[22]，注重提升地区可持续发展能力，保障地区生态安全。
环境规制作为提升环境质量和影响生态韧性的重要变量，主要表现为以政府为主导的正式环境规制和依靠公众以及社会组织参与的非正式环境规制两类，二者在规制主体上的差异决定了其对生态韧性的影响机制不同。正式环境规制由中央对地方政府提出要求，地方政府直接对微观企业进行规制，自上而下的强制性政策对提升生态韧性产生内在激励。地方政府颁布的诸多排污限制和节能减排要求能够通过优胜劣汰促进地区产业结构的生态化转型，降低地区生态脆弱性；环保税的征收提高了企业生产经营成本，边际治污成本的提高会倒逼企业引入清洁生产设备、构建清洁生产部门，在清洁生产过程中提高系统的生态阈限，提升生态韧性。与之相对，社会公众对环境保护的关注参与、网络媒体的舆论引导以及环保非政府组织对环境污染信息披露是非正式环境规制作用的推动力，自下而上的社会压力对提升生态韧性产生外在激励。但是，在“强政府、弱社会”条件下，非正式环境规制存在规制失灵问题，且社会力量不如政府强制性执行作用力度强烈。基于此，本文提出以下假设：
假设1a.环境规制能有效提升本地生态韧性，且正式环境规制作用力度更为强烈。
污染企业的区位选择存在由环境规制要求严格的地区到宽松地区迁移的显著特征[23]。落后污染企业进行“战略性”转移会给其他地区带来冗余与负担，迁入地易形成产业结构低端锁定，环境规制执行力会不断弱化，产生资源利用低效、技术进步停滞、污染积累等一系列危及生态结构的问题，生态系统更容易遭受外部冲击与干扰；而对于迁出地来说，污染企业的迁出会使本地区产业结构发生相应调整，对生态结构与经济结构起到优化作用，维护地区可持续发展的能力。此外，不同地区的企业存在生态机会主义，人的有限理性与信息不对称限制了对企业的有效监控，企业充分利用这一点进行机会主义环境信息公开[24]。相对落后地区由于环保信息反馈机制以及保障机制的不健全，环保部门面对企业经济利益和公众环境权益时进行差别对待，公众在参与环境决策与诉讼方面居于劣势，环境规制作用的发挥未能得到完善的权益保障。基于此，本文提出以下假设：
假设1b.环境规制对本地生态韧性的影响存在空间异质性。
-
数字化的信息时代，科技不再仅是第一生产力，也逐渐成为第一环保力，技术创新驱动已成为生态文明建设的重要动力。环境规制作为环境保护的重要手段，亦可通过影响企业技术创新行为进而影响生态韧性。
地方政府的一系列规制政策使清洁产业为主的战略新兴产业和高技术产业更加具有绿色发展的比较优势。高污染、低生产率的传统部门逐渐退出市场，产业部门不断细化升级，通过技术研发降低能耗、减少治污成本，从而产生创新补偿效应[25]；而技术创新能够优化资本结构，促使高能耗、高污染的低端产业向清洁型、低碳型的高端产业转型，产业结构与经济结构得到优化升级，促进绿色可持续生态经济形态的形成，生态经济的发展为生态系统应对外部冲击提供支撑，能够快速有效恢复生态系统稳态。随着环境规制强制措施的逐步深入，稀缺环境资源被赋予经济价值，这将刺激企业通过技术创新寻求新能源，用新技术替代传统的生产技术；而技术创新带来的先进生产技术可以采用绿色生态方式，实现废弃物的循环利用和开发清洁能源，提高资源利用率，进而优化调整生产资源要素，推动地区环境要素配置朝着可持续发展方向转变。政府通过设置排放限额以及环境标准对市场中企业的排污行为进行严格管控，企业迫于环境成本的压力，可能进行节能减排技术的创新，从而能够减少工艺活动对生态系统的破坏。社会公众的环保诉求以及加大的环境信息公开力度还能够给予企业充分的威慑力，出于环保信誉的考虑，企业必须对其技术水平做出相应调整来应对，使得技术创新成为企业减排的必经之路。此外，新的环保理念将使公众转向更为绿色环保的消费方式，为满足消费者需求、提高市场占有率，企业会主动加强技术创新和优化产品结构，开发生产满足环保要求的绿色产品；而技术创新又会带动公众绿色消费理念和环保产品高要求，产品市场供需循环作用会不断激励企业开展技术创新，引致公众绿色消费模式以及构建绿色产品市场[26]。相较而言，以地方政府为主导的正式环境规制可以通过创新补贴、税收优惠以及营造“不创新就被淘汰”的局面促使更多企业进行技术创新并将先进技术投入使用，而不会沦为“僵尸专利”。基于此，本文提出以下假设：
假设2.技术创新在环境规制影响生态韧性过程中发挥着中介效应，且中介效应在正式环境规制中更为强烈。
-
环境规制在影响本地生态韧性的同时，也会通过空间溢出效应影响邻地生态韧性。生态环境作为一种公共物品，存在着“搭便车”现象。由于污染物存在空间扩散的特点，当一个地区严格实施环境规制，减少了污染物排放，尤其是流动性大的废气、废水的排放，进而相邻地区便会搭上生态环境改善的“便车”，良好的生态环境能够降低生态脆弱性，提高生态系统自组织能力，即本地环境规制会对邻地生态韧性产生正向空间溢出效应。根据“污染天堂假说”，发达国家的企业为了减少高强度环境规制带来的成本，会将污染企业迁移至环保标准相对低的发展中国家[27]。污染天堂效应在地区间也广泛存在，环境规制倒逼污染企业向规制强度相对低的地区迁移，而区际竞争会促使相邻地区的地方政府制定更加严格、完善的规制政策，阻止污染企业迁入。同时，地方政府在制定环境规制政策时会对地理临近地区存在模仿行为，表现出“一荣俱荣”形态[28]，环境规制引致的“逐顶竞争”能使“本地”范围扩大，新的“邻地”再产生，进而整个区域的生态韧性得到提升。网络时代打破了时空上的距离，相比于包含行政程序的正式环境规制，非正式环境规制依靠公众自觉参与环境监督、网络媒体曝光污染事件、环保非政府组织协商谈判等多样化途径快速捕捉外部冲击，规制效果能更快速有效地辐射到周边地区，增强生态系统应对外部冲击的能力。同时，公众环境诉求具有正向空间溢出效应[29]，警醒相邻地区提高环境规制强度，营造稳健的生态系统，及时有效应对突发状况。基于此，本文提出以下假设：
假设3.环境规制对邻地生态韧性具有正向空间溢出效应，且非正式环境规制作用力度更为强烈。
-
1.被解释变量：生态韧性（cer）
生态韧性体现出生态系统在遭受灾害时能够承受冲击、维持稳定、迅速恢复到原有状态或向有序方向演化的能力。为能够更全面、准确地反映生态韧性，本文在借鉴蔡建明等[30]、陈晓红等[31]、张鹏等[32]的基础之上，从恢复力、适应力、抵抗力三个维度构建生态韧性评价指标体系，如表1所示。同时，本文在对数据进行标准化处理的基础上，运用熵值法对生态韧性单项指标赋权，求得生态韧性综合评价得分。
表 1生态韧性与环境规制综合评价指标体系
目标层 准则层 指标层 权重 类型 生态韧性 恢复力 人均公园绿地面积/平方米 0.1434 + 建成区绿化覆盖率/% 0.1477 + 地方财政环境保护支出/亿元 0.1339 + 适应力 一般工业固体废物综合利用量/万吨 0.1329 + 污水处理厂集中处理率/% 0.1479 + 生活垃圾无害化处理率/% 0.1475 + 抵抗力 工业二氧化硫排放量/万吨 0.1467 − 环境规制 正式环境规制 工业废水治理设施年度运行费用/亿元 0.3242 + 工业废气治理设施年度运行费用/亿元 0.3214 + 非正式环境规制 环境信访举报数及人口密度的几何平均数 0.3544 + 注：表中的权重根据熵值法进行求得，关于熵值法计算过程本文不再赘述。 2.核心解释变量：环境规制（er）
如前文所述，环境规制可划分为正式环境规制（fer）与非正式环境规制（ier）。鉴于数据的可得性和指标设计的合理性，同时考虑到当企业面临较严格的政府规制时，将提高治污费用，故此，对于正式环境规制，本文借鉴张成等[33]的做法，选取工业废水、工业废气治理设施年度运行费用来衡量。对于非正式环境规制，考虑到其与公众对环境行为的参与度有关，本文在借鉴沈宏亮和金达[34]、Xie等[35]的基础之上，采用环境信访举报数及人口密度的几何平均数来衡量。同时，本文在对数据进行标准化处理的基础上，运用熵值法对环境规制单项指标赋权，求得环境规制综合评价得分。
3.中介变量：技术创新（tec）
关于技术创新，大多数学者使用R&D经费支出或专利数量指标进行衡量[36-37]，本文借鉴张平等[38]的做法，使用地区专利授权量来衡量技术创新水平。
4.控制变量
影响生态韧性的因素众多，为能够确保估计结果的稳健性，本文借鉴罗能生和王玉泽、陈浩和罗力菲[39-40]的做法，选取以下控制变量：（1）产业结构（ind），用第二产业增加值占GDP比重表示；（2）城镇化水平（urban），用城镇人口占总人口比重表示；（3）对外开放水平（open），用当年进出口总额取对数表示；（4）人力资本水平（edu），用就业人员中大专以上学历人数所占比重表示；（5）基础设施水平（road），用人均道路面积表示；（6）经济发展水平（eco），用人均国内生产总值表示。
-
1.数据来源
鉴于数据的可获得性，本文以中国大陆30个省（市、区）为研究样本（由于数据缺失，西藏、台湾、香港以及澳门地区暂不纳入研究范围）。样本数据均来源于2008—2020年《中国城市建设统计年鉴》《中国环境年鉴》《中国环境统计年鉴》《中国统计年鉴》、中国国家统计局、中华人民共和国生态环境部以及各地区环境状况公报。
2.变量的描述性统计
本文分析的是2007—2019年中国大陆30个省（市、区）环境规制对生态韧性的影响，共有390组数据样本，相关变量的描述性统计如表2所示。可以看出，生态韧性的最大值为0.834，最小值为0.189，均值为0.532，表明中国生态韧性水平较高。正式与非正式环境规制的平均水平较为相似，其回归系数具有较好的可比性。总体来看，所选指标的标准差整体较小，表明样本对总体具有替代性，用样本的特征来推断总体具有真实性与可靠性。
表 2变量的描述性统计
变量 样本量 均值 标准差 最小值 最大值 cer 390 0.532 0.127 0.189 0.834 fer 390 0.106 0.100 0.001 0.557 ier 390 0.087 0.054 0.000 0.354 ind 390 0.453 0.086 0.162 0.615 urban 390 0.552 0.133 0.282 0.896 open 390 13.632 2.456 6.027 17.897 edu 390 0.160 0.100 0.030 0.622 road 390 14.512 4.657 4.040 26.200 eco 390 4.423 2.657 0.778 16.456 tec 390 0.408 0.669 0.002 5.274 -
1.空间权重矩阵构造和空间自相关检验
在空间计量模型中，相较于空间邻接矩阵，地理距离矩阵能更好地衡量不相邻但地理距离较近的两个地区间的相互作用，本文利用经纬度位置计算各地区间的地表距离，以两地区间距离的倒数构造地理距离矩阵
${{\boldsymbol{W}}_{ij}}$ 。具体如式（1）所示$$ {{\boldsymbol{W}}_{ij}} = {{\boldsymbol{W}}_{ji}} = \left\{ {\begin{array}{*{20}{c}} {\dfrac{1}{{{d_{ij}}}},i \ne j} \\ {0,i = j} \end{array}} \right. $$ (1) 其中，
${d_{ij}}$ 为地区i与地区j的地表距离。空间自相关揭示了地区间的集聚现象，构造空间权重矩阵旨在进一步分析地区间的空间相关性，本文采用全局
${\text{Moran's }}I$ 来检验生态韧性的空间相关性。具体如式（2）所示$${\text{Moran's}}\;I = \frac{{n\displaystyle\sum\limits_{i = 1}^n {\displaystyle\sum\limits_{j = 1}^n {{{\boldsymbol{W}}_{ij}}} } \left( {{{{\rm{cer}}}}{_i} - {{\overline{\rm{cer}}}}} \right)\left( {{{{\rm{cer}}}}{_j} - {{\overline{\rm{cer}}}}} \right)}}{{\displaystyle\sum\limits_{i = 1}^n {\displaystyle\sum\limits_{j = 1}^n {{{\boldsymbol{W}}_{ij}}\displaystyle\sum\limits_{i = 1}^n {{{\left( {{{{\rm{cer}}}}{_i} - {{\overline{\rm{cer}}}}} \right)}^2}} } }}} $$ (2) 其中，n为研究的地区总数；
$ {\text{ce}}{{\text{r}}_i} $ 为地区i的生态韧性；${{\overline {\rm{cer}}}}$ 为生态韧性平均值。$ {\text{Moran's }}I $ 取值范围为[−1,1]，当${\text{Moran's }}I > 0$ 、${\text{Moran's }}I < 0$ 、${\text{Moran's }}I = 0$ 时，分别表示存在空间正相关性、负相关性、不相关。2.空间计量模型构建
已有研究表明，环境规制、生态韧性均具有较强的空间相关性[41-42]，若忽略空间因素则会影响结果的准确性，因此更适合运用空间计量模型进行实证检验。现有空间计量模型主要包括空间滞后模型（SAR）、空间误差模型（SEM）和空间杜宾模型（SDM），本文在基于不含空间效应OLS估计的基础上，进行一系列检验以确定最适合的空间计量模型，结果如表3所示。
表 3空间计量模型检验结果
检验 指标 统计值 检验 指标 统计值 LM检验 $ {\text{Moran's }}I $ 15.676*** LR检验 LR_SAR 33.930*** LM_Error 212.672*** LR_SEM 21.980*** RLM_Error 41.536*** Wald检验 Wald_SAR 36.390*** LM_Lag 333.336*** Wald_SEM 21.960*** RLM_Lag 162.200*** Hausman检验 Hausman 46.940*** 注： ***、**、*分别表示在1%、5%、10%显著性水平下显著。 首先，LM检验结果说明SEM模型、SAR模型均适用，该情况下通常优先考虑SDM模型；其次，LR检验和Wald检验结果显示SDM模型不会退化为SEM或SAR模型，说明SDM模型很好地刻画了生态韧性的空间相关性问题；此外，Hausman检验说明采用固定效应模型，故本文构建SDM模型，具体如式（3）所示
$$ {\text{ce}}{{\text{r}}_{it}} = {\alpha _1} + {\rho _1}\sum\limits_{j = 1}^n {{{\boldsymbol{W}}_{ij}}{\text{ce}}{{\text{r}}_{jt}} + {\alpha _2}{\text{e}}{{\text{r}}_{it}} + } {\rho _2}\sum\limits_{j = 1}^n {{{\boldsymbol{W}}_{ij}}{\text{e}}{{\text{r}}_{jt}} + {\alpha _c}{X_{it}} + {\rho _c}\sum\limits_{j = 1}^n {{{\boldsymbol{W}}_{ij}}{X_{jt}} + {\mu _i} + {\zeta _t} + {\varepsilon _{it}}} } $$ (3) 其中，i表示地区；t表示时间；cer表示生态韧性；er表示环境规制，本文将其细分为正式环境规制（fer）与非正式环境规制（ier）；X表示一系列的控制变量；
$\mu $ 为个体固定效应；$\zeta $ 为时间固定效应；$\varepsilon $ 为随机误差项。3.中介效应模型构建
根据前文理论分析，环境规制对生态韧性的影响能够通过技术创新这一中介变量发挥作用。为实证检验这一中介机制，本文构造了中介效应模型，具体如式（4）、式（5）所示
$$ {\text{te}}{{\text{c}}_{it}} = {\beta _1} + {\theta _1}\sum\limits_{j = 1}^n {{{\boldsymbol{W}}_{ij}}{\text{te}}{{\text{c}}_{jt}} + {\beta _2}{\text{e}}{{\text{r}}_{it}} + } {\theta _2}\sum\limits_{j = 1}^n {{{\boldsymbol{W}}_{ij}}{\text{e}}{{\text{r}}_{jt}} + {\beta _c}{X_{it}} + {\theta _c}\sum\limits_{j = 1}^n {{{\boldsymbol{W}}_{ij}}{X_{jt}} + {\mu _i} + {\zeta _t} + {\varepsilon _{it}}} } $$ (4) $$ \begin{gathered} {\text{ce}}{{\text{r}}_{it}} = {\gamma _1} + {\eta _1}\sum\limits_{j = 1}^n {{{\boldsymbol{W}}_{ij}}{\text{ce}}{{\text{r}}_{jt}} + {\gamma _2}{\text{e}}{{\text{r}}_{it}} + } {\eta _2}\sum\limits_{j = 1}^n {{{\boldsymbol{W}}_{ij}}{\text{e}}{{\text{r}}_{jt}} + {\gamma _3}{\text{te}}{{\text{c}}_{it}} + {\eta _3}\sum\limits_{j = 1}^n {{{\boldsymbol{W}}_{ij}}{\text{te}}{{\text{c}}_{jt}} + } {\gamma _c}{X_{it}} + {\eta _c}\sum\limits_{j = 1}^n {{{\boldsymbol{W}}_{ij}}{X_{jt}}} } + {\mu _i} + {\zeta _t} + {\varepsilon _{it}} \end{gathered} $$ (5) 本文借鉴温忠麟等[43]的做法，采用依次检验回归系数法来检验技术创新在环境规制影响生态韧性过程中是否起到中介效应及其效应大小。
第一步，检验式（3）的系数
${\alpha _2}$ ，如果系数${\alpha _2}$ 显著，则表明环境规制对生态韧性有显著影响，可以进行下一步，否则中介效应检验停止。第二步，检验式（4）和式（5）的系数
$\;{\beta _2}$ 和${\gamma _3}$ ，如果二者均显著，则表明中介效应通过检验；如果$\;{\beta _2}$ 、${\gamma _3}$ 其中有一个不显著，则需进行sobel检验。第三步，检验式（5）的系数
${\gamma _2}$ 。当${\gamma _2}$ 不显著时，表明技术创新发挥完全中介效应，即环境规制对生态韧性的影响全是通过技术创新实现；当${\gamma _2}$ 显著时，表明技术创新发挥部分中介效应，即环境规制对生态韧性的影响有一部分是通过技术创新实现。环境规制对生态韧性的直接效应为${\gamma _2}$ ，直接效应占比为$\dfrac{{{\gamma _2}}}{{{\alpha _2}}}$ ，技术创新的中介效应占比为$\dfrac{{{\beta _2}{\gamma _3}}}{{{\alpha _2}}}$ 。第四步，进行sobel检验，若通过则说明中介效应通过检验，否则不通过。
-
研究环境规制对生态韧性影响的空间效应，首先要进行空间相关性分析。基于地理距离矩阵可以得出，2007—2019年中国大陆30个省（市、区）生态韧性的全局
$ {\text{Moran's }}I $ 统计检验结果（表4）。可以看出，2007—2019年中除2018年以外中国生态韧性的全局莫兰指数均显著为正，这足以说明生态韧性存在空间集聚现象。因此，本文使用空间计量模型考察环境规制对生态韧性的影响更加稳健。表 4生态韧性的全局
$ {\text{Moran's }}I $ 检验结果年份 $ {\text{Moran's }}I $ 年份 $ {\text{Moran's }}I $ 2007 0.069*** 2014 0.056*** （2.64） （2.31） 2008 0.079*** 2015 0.070*** （2.89） （2.69） 2009 0.090*** 2016 0.043** （3.18） （1.98） 2010 0.057*** 2017 0.058*** （2.35） （2.36） 2011 0.026* 2018 0.003 （1.57） （0.95） 2012 0.049** 2019 0.018* （2.17） （1.35） 2013 0.052** （2.21） 注：***、**、*分别表示在1%、5%、10%显著性水平下显著；括号内为z统计量值。 -
1.基准回归结果
由表5中第（1）列可知，正式环境规制的系数在1%的水平上显著为正，说明正式环境规制有利于削弱外部冲击对本地生态系统带来的负面影响，即正式环境规制有利于提升本地生态韧性。政府的一系列规制政策能够对企业进行“精洗”，产生环保规模效应，更加符合生态经济的要求；同时也有助于提高新进入企业绿色进入壁垒，优化市场产业结构，产业间紧密的前后联系会带动更多产业绿色化运作，进而提高生态系统稳定性，降低生态脆弱性，提升生态韧性。由表5中第（2）列可知，非正式环境规制的系数在5%的水平上显著为正，也表明非正式环境规制有利于提升本地生态韧性。非正式环境规制作为公众环境意识的外在表现，对于生态韧性的促进作用日益凸显。社会公众信访行为所形成的社会压力能够将环保责任内化到政府、企业的决策中；社会公众对企业污染环境行为的信访投诉、对地方政府环保不作为的举报等都能够促进地区生态治理，保障地区生态安全，增强生态系统韧性。与非正式环境规制相比，正式环境规制的系数以及显著性均较高，这表明正式环境规制对本地生态韧性的作用力度较非正式环境规制更为强烈。正式环境规制是政府出台相应政策法规对企业实施强制性要求，同时还具有惩罚机制，作用效果相较于以社会力量为主体的非正式环境规制更为强烈。因此，假设1a得证。
表 5环境规制对“本地—邻地”生态韧性的影响
变量 本地 邻地 （1） （2） （3） （4） fer 0.221*** 0.385*** （5.11） （2.58） ier 0.153** 0.498** （2.50） （2.20） ind 0.184*** 0.124* 0.190 −0.012 （2.59） （1.74） （0.96） （−0.06） urban 0.001 0.106 −0.075 −0.177 （0.01） （0.94） （−0.22） （−0.52） open 0.003 0.004 −0.006 0.002 （1.19） （1.34） （−0.45） （0.16） edu −0.033 −0.071 0.490* 0.662** （−0.35） （−0.74） （1.66） （2.18） road 0.005*** 0.006*** −0.000 0.002 （3.91） （5.04） （−0.07） （0.46） eco −0.021*** −0.015*** −0.036*** −0.018** （−6.52） （−4.76） （−3.82） （−2.23） 时间效应 是 是 是 是 个体效应 是 是 是 是 N 390 390 390 390 R2 0.602 0.001 0.602 0.001 注：***、**、*分别表示在1%、5%、10%显著性水平下显著；括号内为z统计量值。 2.异质性回归结果
考虑到中国区域发展不平衡，本文按照国家地理区域划分标准，将中国30个省（市、区）划分为东部、中部、西部进行分区回归，以比较环境规制对本地生态韧性影响的空间异质性。
由表6可知，在东、中部地区，正式环境规制对生态韧性的影响分别在1%、5%的水平上显著为正，说明在东、中部地区实施正式环境规制有助于提升本地生态韧性；而在西部地区，正式环境规制对生态韧性的影响在1%的水平上显著为负，说明在西部地区正式环境规制对本地生态韧性具有负向作用。这是由于东部地区经济起步早，地方政府对环境规制足够重视，通过政策性补贴扶持绿色科技产业；中部地区属于资源禀赋型区域，资源型产业集群在政府环境规制下不仅能够产生循环经济，还可以减少环境压力，中部崛起战略也督促地方政府平衡经济发展与环境保护；而西部地区相对落后，地方政府具有“相机抉择”特征，环境规制的非完全执行对大型污染企业没有形成有效约束，企业的环境成本较低，难以对污染企业进行“精洗”，大量污染企业仍留存在市场上，这会对当地生态环境抗风险能力产生负向影响。另外，正式环境规制的实施还会使重污染型企业从规制强度高的东部地区迁移到环境规制“洼地”的西部地区，进而造成东部地区高技术、低污染产业集聚，地区节能减排效果显著，助益地区生态绿色化、高质量发展；而西部地区急于经济发展的考虑，新企业的进入壁垒较低，重污染型企业以及低层次企业的流入造成西部地区产业结构低端锁定，引发地区自然资源消耗过大以及生态环境恶化，不利于生态稳定性。
表 6环境规制对本地生态韧性影响的空间异质性
变量 正式环境规制 非正式环境规制 东部 中部 西部 东部 中部 西部 fer 0.328*** 0.163** −0.261*** (5.56) (2.20) (−4.81) ier 0.341*** 0.042 −0.233*** (4.14) (0.38) (−2.97) ind −0.142 0.095 0.201** −0.154 −0.081 0.309*** (−1.47) (0.80) (2.30) (−1.59) (−0.63) (3.34) urban −0.327** −0.425** 0.613*** −0.083 −0.568*** 0.560*** (−2.03) (−2.18) (4.26) (−0.53) (−2.80) (3.86) open −0.013*** 0.022*** −0.003 −0.015*** 0.030*** −0.007* (−3.30) (4.57) (−0.87) (−3.90) (5.84) (−1.84) edu −0.052 −0.316** 0.290** −0.067 −0.441** 0.379*** (−0.40) (−1.97) (2.46) (−0.52) (−2.53) (3.03) road −0.002 0.007*** 0.001 −0.001 0.010*** −0.001 (−1.35) (3.25) (0.56) (−0.66) (4.35) (−0.89) eco 0.024*** −0.036*** −0.006 0.028*** −0.024*** −0.016*** (5.41) (−6.65) (−1.60) (6.72) (−4.24) (−3.90) 时间效应 是 是 是 是 是 是 个体效应 是 是 是 是 是 是 N 143 117 130 143 117 130 R2 0.180 0.143 0.461 0.371 0.310 0.166 注：（1）东部包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南；中部包括山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北、湖南；西部包括广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆。（2）***、**、*分别表示在1%、5%、10%显著性水平下显著；括号内为z统计量值。 由表6可知，在东部地区，非正式环境规制对生态韧性的影响在1%的水平上显著为正，说明在东部地区实施非正式环境规制有助于提升本地生态韧性；在西部地区，非正式环境规制对生态韧性的影响在1%的水平上显著为负，说明在西部地区实施非正式环境规制对本地生态韧性具有阻碍作用；而在中部地区，非正式环境规制对本地生态韧性的影响表现为正向作用但不显著。这是由于东部地区发展进程快，对生态环境重视时间较早，率先建立起完善的环境保护制度体系以及信息反馈保障机制，环境信访处理率高；同时，公众的环保意识较强，能积极地参与环境监督、生态保护，对提升生态韧性具有显著的促进作用。而西部地区环保体制相对不健全，环境信访处理效率较低[44]，缺乏有效的强制措施；且当地相关部门并没有将公众诉求充分落到实际中，公众参与到生态保护与治理的积极性不足；作为西部地区的地方经济支柱，工业企业的生产决策相对独立，公众信访难以影响地方政府与企业的环保决策行为，“先污染、后治理”的老路难以完全杜绝，非正式环境规制的保障机制以及政策地位仍需进一步加强。因此，假设1b得证。
-
表7中第（1）列表明正式环境规制对生态韧性的总效应存在；第（2）列表明正式环境规制显著促进技术创新水平提高；在此基础上，第（3）列表明正式环境规制与技术创新均在1%的水平上显著为正，说明存在部分中介效应，且中介效应占比为33.45%，意味着正式环境规制可以通过提高技术创新水平进而提升生态韧性。究其原因，正式环境规制既可以敦促企业创新发展生产技术，打破传统生产模式的非环保性；也可以高效配置生产要素，削弱环境要素利用的非均衡性；还可以深度调整产业结构，摒弃低端污染产业的非生态性，进而降低地区生态结构的脆弱性，使其面临外部冲击时，抗冲击能力较强，生态韧性稳步提升。
表 7技术创新的中介效应检验
变量 正式环境规制 非正式环境规制 （1） （2） （3） （4） （5） （6） fer 0.221*** 2.640*** 0.140*** （5.11） （7.39） （3.39） ier 0.153** 1.435*** 0.145** （2.50） （2.78） （2.54） tec 0.028*** 0.034*** （4.83） （5.79） ind 0.184*** −1.003* 0.224*** 0.124* −1.392** 0.162** （2.59） （−1.72） （3.57） （1.74） （−2.30） （2.49） urban 0.001 −1.463 −0.118 0.106 0.488 −0.078 （0.01） （−1.52） （−1.12） （0.94） （0.51） （−0.74） open 0.003 −0.025 0.005* 0.004 −0.042* 0.007*** （1.19） （−1.07） （1.88） （1.34） （−1.73） （2.78） edu −0.033 −0.869 −0.153* −0.071 −1.032 −0.162* （−0.35） （−1.10） （−1.78） （−0.74） （−1.25） （−1.79） road 0.005*** −0.020** 0.006*** 0.006*** −0.010 0.008*** （3.91） （−2.03） （5.94） （5.04） （−0.96） （6.91） eco −0.021*** 0.217*** −0.024*** −0.015*** 0.266*** −0.020*** （−6.52） （8.13） （−7.54） （−4.76） （9.99） （−5.92） 时间效应 是 是 是 是 是 是 个体效应 是 是 是 是 是 是 N 390 390 390 390 390 390 R2 0.602 0.576 0.063 0.001 0.459 0.738 注：***、**、*分别表示在1%、5%、10%显著性水平下显著；括号内为z统计量值。 表7中第（4）列表明非正式环境规制对生态韧性的总效应存在；第（5）列表明非正式环境规制显著促进技术创新水平提高；在此基础上，第（6）列表明非正式环境规制与技术创新分别在5%、1%的水平上显著为正，说明存在部分中介效应，且中介效应占比为31.89%，意味着非正式环境规制可以通过提高技术创新水平进而提升生态韧性。公众的信访举报会使企业面临信誉危机，企业出于维护声誉和避免卷入恶性污染事件的考虑，在一定程度上会进行技术创新、优化生产工艺，采用先进的源头治理加末端处理技术，整顿环境污染问题，进而增强生态系统对不确定干扰的适应与调整能力。与非正式环境规制相比，在正式环境规制中技术创新的中介效应占比更大，说明以地方政府为主导的正式环境规制更能推动企业技术创新，发挥技术创新驱动效应，提升生态韧性。因此，假设2得证。
-
由表5中第（3）列可知，正式环境规制的系数在1%的水平上显著为正，说明正式环境规制具有较强的正向空间溢出效应。多数情况下，相邻地区之间会存在环境“搭便车”现象，同时知识溢出效应会使本地的绿色环保技术能够在相邻地区发挥作用。此外，为了遏制“污染避难所效应”，相邻地区的政府也会加大环境监管，使“邻地”变为“本地”，从而扩大“本地”范围，改善整个区域的生态环境。由表5中第（4）列可知，非正式环境规制的系数在5%的水平上显著为正，说明非正式环境规制同样具有较强的正向空间溢出效应。网络媒体的迅速崛起以及影响力增速之大，扩大了中国非正式环境规制的作用途径，使各地政府也都较为关注网络舆论，当相邻地区被爆出环境恶性事件时，本地也会加大环保力度，进行严格排查与监督，进而会提升生态系统面对外部冲击时的抗风险能力。与正式环境规制相比，非正式环境规制的系数较大，这表明非正式环境规制对邻地生态韧性的正向空间溢出效应大于正式环境规制。因此，假设3得证。
-
1.考虑不同空间权重矩阵的稳健性检验
为进一步检验结果的稳健性，本文借鉴蒋乾和杨筠[45]的做法，构建经济距离矩阵，即将区域经济活动纳入空间权重矩阵中。具体来说，以两个地区经济发展水平差距的倒数构造经济距离矩阵
${\boldsymbol{W}}_{ij}^e$ ，具体如式（6）所示$$ {\boldsymbol{W}}_{ij}^e = {\boldsymbol{W}}_{ji}^e = \left\{ {\begin{array}{*{20}{c}} {\dfrac{1}{{\left| {{{\bar Y}_i} - {{\bar Y}_j}} \right|}}{\text{ }},i \ne j} \\ {0,i = j} \end{array}} \right. $$ (6) 其中，
${\bar Y_i}$ 代表第i个省（市、区）在2007—2019年经GDP平减指数平减后的GDP均值。更换空间权重矩阵后的回归结果如表8所示，与采用地理距离矩阵回归结果基本一致，仅在数值上有细微差异，说明研究结果具有稳健性。
表 8稳健性检验
变量 更换空间权重矩阵 第一阶段回归 第二阶段回归 cer cer fer ier cer cer fer 0.191*** 0.632*** (4.53) (3.12) ier 0.127** 0.175*** (2.08) (2.35) fer(t−1) 0.892*** (15.77) ier(t−1) 0.510*** (6.45) ind 0.162** 0.115 0.039** 0.060*** −0.263*** −0.302*** (2.36) (1.64) (2.18) (2.79) (−5.97) (−6.07) urban 0.021 0.092 −0.044 −0.044 −0.150** −0.113* (0.17) (0.77) (−1.25) (−1.39) (−2.41) (−1.65) open 0.004 0.004 0.003** 0.007*** 0.005** −0.000 (1.24) (1.32) (2.26) (5.54) (2.09) (0.00) edu −0.043 −0.089 −0.032 −0.047 0.256** 0.244** (−0.43) (−0.87) (−0.42) (−1.00) (2.41) (2.15) road 0.005*** 0.006*** 0.002*** −0.001** 0.011*** 0.013*** (3.61) (4.78) (3.32) (−2.52) (10.94) (12.49) eco −0.019*** −0.013*** 0.004 0.003 0.015*** 0.015*** (−5.72) (−4.00) (1.12) (1.40) (3.58) (3.33) 时间效应 是 是 是 是 是 是 个体效应 是 是 是 是 是 是 N 390 390 390 390 390 390 F 248.81*** 41.629*** R2 0.570 0.099 0.865 0.580 0.600 0.568 注：***、**、*分别表示在1%、5%、10%显著性水平下显著；括号内为z统计量值。 2.考虑内生性问题的稳健性检验
SDM模型能够有效解决由于遗漏变量所引起的内生性问题，但不能解决环境规制与生态韧性的双向因果关系造成的内生性问题。环境规制与生态韧性可能存在互为因果关系。一方面，环境规制提高企业的治污成本，企业出于利润最大化考虑会被迫退出市场或提高技术创新投入以谋求可持续发展，这均会影响生态韧性；另一方面，地区生态质量恶化会促使公众通过一定途径对政府以及企业施压，这同样会影响环境规制。为确保研究结论不会受双向因果关系的影响，本文引入使用工具变量的两阶段最小二乘法来检验，结果如表8所示。本文借鉴李小平等、秦炳涛等[46-47]的研究，将环境规制的t−1期滞后项作为工具变量。一方面，环境规制的t−1期滞后项与当期环境规制高度相关；另一方面，由于生态韧性当期水平不可能影响上一期的环境规制，满足外生性要求，因此双向因果问题能够得到很好的解决。由表8第一阶段回归结果可知，正式、非正式环境规制与相应的工具变量均在1%的水平上显著正相关，且F统计量大于10%水平的标准值16.38，这说明不存在弱工具变量问题；且由于工具变量个数与内生解释变量个数相等，故不存在过度识别问题。由表8第二阶段回归结果可知，使用工具变量预测的正式与非正式环境规制仍在1%的水平上对生态韧性产生显著正向影响，考虑双向因果问题的两阶段最小二乘模型与前文基准回归结果基本一致，故本文研究结果具有可靠性与稳健性。
-
本文基于“本地—邻地”效应的视角，以中国大陆30个省（市、区）为研究样本，运用空间计量模型实证分析了2007—2019年环境规制对生态韧性的影响及其空间异质性，并检验了技术创新的中介效应。研究表明：（1）环境规制能有效提升本地生态韧性，相较于非正式环境规制，正式环境规制作用力度更为强烈；环境规制对本地生态韧性的影响存在空间异质性，具体表现为东、中部地区具有促进作用，西部地区具有显著的阻碍作用。（2）技术创新在环境规制影响生态韧性过程中发挥着中介效应，相较于非正式环境规制，技术创新的中介效应在正式环境规制中更为强烈。（3）环境规制对邻地生态韧性具有正向空间溢出效应，相较于正式环境规制，非正式环境规制作用力度更为强烈。
基于上述研究结论，并考虑到中国发展的实际，本文提出如下政策建议：
第一，强化非正式环境规制的作用力度。政府应更加完善环境信访与举报相关制度，确保全体公众能广泛参与到环境保护与治理进程中，定期公示办案情况，接受社会监督，提高处理效率；大力支持与推动环保非政府组织的建立与发展，发挥其在环境保护中的监督者角色，强化其对政府以及企业的监管。同时，为了避免一些污染企业承接地的西部地区走上“先污染、后治理”的老路，西部地区各级政府要完善各项污染治理配套设施，切忌唯GDP论。
第二，增加对企业环保创新的补贴力度。提升中国生态韧性，最长远最有效的方式便是通过技术创新提升生态系统的抗风险能力。地方政府可以设立针对绿色环保技术研发、产品生产设备升级以及先进技术引进的专项基金，遏制企业的短视行为，减少技术创新风险，激发企业产生创新补偿效应，推动地区产业结构从污染密集型向技术密集型、清洁型产业转型升级。
第三，引导地区间合理制定环境规制措施。中央政府应强化环境规制的顶层制度设计，提高相邻地区间在环保政策、生态执法等方面的协调配合，实行生态环境联防联控策略；相邻地区应实行环保治理一体化，共同制定排放约束，充分发挥环境规制的正向空间溢出效应；同时，还应调整地方官员晋升评价体系，建立各级政府的环境保护问责制，形成地方政府间环境规制竞相向上的良性局面。
Impact of Environmental Regulation on Ecological Resilience
——A Perspective of “Local-neighborhood” Effect
-
摘要:在国家高度重视生态文明与绿色发展的背景下，环境规制是否影响以及如何影响生态的韧性更加值得探讨。基于“本地—邻地”效应的视角，以中国大陆30个省（市、区）为研究样本，运用空间计量模型实证分析了2007—2019年环境规制对生态韧性的影响及其空间异质性，并检验了技术创新的中介效应。结果表明：（1）环境规制能有效提升本地生态韧性，相较于非正式环境规制，正式环境规制作用力度更为强烈；环境规制对本地生态韧性的影响存在空间异质性，即东、中部地区具有促进作用，西部地区具有显著的阻碍作用。（2）技术创新在环境规制影响生态韧性过程中发挥着中介效应，且在正式环境规制中更为强烈。（3）环境规制对邻地生态韧性具有正向空间溢出效应，相较于正式环境规制，非正式环境规制作用力度更为强烈。上述研究结论为如何利用环境规制提升中国生态韧性提供了决策参考。Abstract:Under the background that the country attaches great importance to ecological civilization and green development, whether and how environmental regulation affects ecological resilience is worthy of more discussion. Based on the perspective of “local-neighborhood” effect, In this paper, 30 provinces, municipalities and autonomous regions in mainland China were taken as research samples, and the spatial econometric model was used to empirically analyze the impact of environmental regulation on ecological resilience and its spatial heterogeneity from 2007 to 2019, and the mediating effect of technological innovation was examined. The results are as follows. （1） Environmental regulation effectively improved local ecological resilience, and the effect of formal environmental regulation was stronger than that of informal environmental regulation. There was spatial heterogeneity in the impact of environmental regulation on local ecological resilience, that is, the eastern and central regions had a promoting effect, and the western region a significant hindering effect.（2） Technological innovation played a mediating effect in the impact of environmental regulation on ecological resilience, and it was stronger in formal environmental regulation.（3） Environmental regulation had a positive spatial spillover effect on adjacent ecological resilience, and the effect of informal environmental regulation was stronger than that of formal environmental regulation. These results provide reference for the decision-making about how to use environmental regulation to improve China’s ecological resilience.
-
表 1生态韧性与环境规制综合评价指标体系
目标层 准则层 指标层 权重 类型 生态韧性 恢复力 人均公园绿地面积/平方米 0.1434 + 建成区绿化覆盖率/% 0.1477 + 地方财政环境保护支出/亿元 0.1339 + 适应力 一般工业固体废物综合利用量/万吨 0.1329 + 污水处理厂集中处理率/% 0.1479 + 生活垃圾无害化处理率/% 0.1475 + 抵抗力 工业二氧化硫排放量/万吨 0.1467 − 环境规制 正式环境规制 工业废水治理设施年度运行费用/亿元 0.3242 + 工业废气治理设施年度运行费用/亿元 0.3214 + 非正式环境规制 环境信访举报数及人口密度的几何平均数 0.3544 + 注：表中的权重根据熵值法进行求得，关于熵值法计算过程本文不再赘述。 
下载:
导出CSV
表 2变量的描述性统计
变量 样本量 均值 标准差 最小值 最大值 cer 390 0.532 0.127 0.189 0.834 fer 390 0.106 0.100 0.001 0.557 ier 390 0.087 0.054 0.000 0.354 ind 390 0.453 0.086 0.162 0.615 urban 390 0.552 0.133 0.282 0.896 open 390 13.632 2.456 6.027 17.897 edu 390 0.160 0.100 0.030 0.622 road 390 14.512 4.657 4.040 26.200 eco 390 4.423 2.657 0.778 16.456 tec 390 0.408 0.669 0.002 5.274 下载:
导出CSV
表 3空间计量模型检验结果
检验 指标 统计值 检验 指标 统计值 LM检验 $ {\text{Moran's }}I $ 15.676*** LR检验 LR_SAR 33.930*** LM_Error 212.672*** LR_SEM 21.980*** RLM_Error 41.536*** Wald检验 Wald_SAR 36.390*** LM_Lag 333.336*** Wald_SEM 21.960*** RLM_Lag 162.200*** Hausman检验 Hausman 46.940*** 注： ***、**、*分别表示在1%、5%、10%显著性水平下显著。 下载:
导出CSV
表 4生态韧性的全局
$ {\text{Moran's }}I $ 检验结果年份 $ {\text{Moran's }}I $ 年份 $ {\text{Moran's }}I $ 2007 0.069*** 2014 0.056*** （2.64） （2.31） 2008 0.079*** 2015 0.070*** （2.89） （2.69） 2009 0.090*** 2016 0.043** （3.18） （1.98） 2010 0.057*** 2017 0.058*** （2.35） （2.36） 2011 0.026* 2018 0.003 （1.57） （0.95） 2012 0.049** 2019 0.018* （2.17） （1.35） 2013 0.052** （2.21） 注：***、**、*分别表示在1%、5%、10%显著性水平下显著；括号内为z统计量值。 下载:
导出CSV
表 5环境规制对“本地—邻地”生态韧性的影响
变量 本地 邻地 （1） （2） （3） （4） fer 0.221*** 0.385*** （5.11） （2.58） ier 0.153** 0.498** （2.50） （2.20） ind 0.184*** 0.124* 0.190 −0.012 （2.59） （1.74） （0.96） （−0.06） urban 0.001 0.106 −0.075 −0.177 （0.01） （0.94） （−0.22） （−0.52） open 0.003 0.004 −0.006 0.002 （1.19） （1.34） （−0.45） （0.16） edu −0.033 −0.071 0.490* 0.662** （−0.35） （−0.74） （1.66） （2.18） road 0.005*** 0.006*** −0.000 0.002 （3.91） （5.04） （−0.07） （0.46） eco −0.021*** −0.015*** −0.036*** −0.018** （−6.52） （−4.76） （−3.82） （−2.23） 时间效应 是 是 是 是 个体效应 是 是 是 是 N 390 390 390 390 R2 0.602 0.001 0.602 0.001 注：***、**、*分别表示在1%、5%、10%显著性水平下显著；括号内为z统计量值。 下载:
导出CSV
表 6环境规制对本地生态韧性影响的空间异质性
变量 正式环境规制 非正式环境规制 东部 中部 西部 东部 中部 西部 fer 0.328*** 0.163** −0.261*** (5.56) (2.20) (−4.81) ier 0.341*** 0.042 −0.233*** (4.14) (0.38) (−2.97) ind −0.142 0.095 0.201** −0.154 −0.081 0.309*** (−1.47) (0.80) (2.30) (−1.59) (−0.63) (3.34) urban −0.327** −0.425** 0.613*** −0.083 −0.568*** 0.560*** (−2.03) (−2.18) (4.26) (−0.53) (−2.80) (3.86) open −0.013*** 0.022*** −0.003 −0.015*** 0.030*** −0.007* (−3.30) (4.57) (−0.87) (−3.90) (5.84) (−1.84) edu −0.052 −0.316** 0.290** −0.067 −0.441** 0.379*** (−0.40) (−1.97) (2.46) (−0.52) (−2.53) (3.03) road −0.002 0.007*** 0.001 −0.001 0.010*** −0.001 (−1.35) (3.25) (0.56) (−0.66) (4.35) (−0.89) eco 0.024*** −0.036*** −0.006 0.028*** −0.024*** −0.016*** (5.41) (−6.65) (−1.60) (6.72) (−4.24) (−3.90) 时间效应 是 是 是 是 是 是 个体效应 是 是 是 是 是 是 N 143 117 130 143 117 130 R2 0.180 0.143 0.461 0.371 0.310 0.166 注：（1）东部包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南；中部包括山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北、湖南；西部包括广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆。（2）***、**、*分别表示在1%、5%、10%显著性水平下显著；括号内为z统计量值。 下载:
导出CSV
表 7技术创新的中介效应检验
变量 正式环境规制 非正式环境规制 （1） （2） （3） （4） （5） （6） fer 0.221*** 2.640*** 0.140*** （5.11） （7.39） （3.39） ier 0.153** 1.435*** 0.145** （2.50） （2.78） （2.54） tec 0.028*** 0.034*** （4.83） （5.79） ind 0.184*** −1.003* 0.224*** 0.124* −1.392** 0.162** （2.59） （−1.72） （3.57） （1.74） （−2.30） （2.49） urban 0.001 −1.463 −0.118 0.106 0.488 −0.078 （0.01） （−1.52） （−1.12） （0.94） （0.51） （−0.74） open 0.003 −0.025 0.005* 0.004 −0.042* 0.007*** （1.19） （−1.07） （1.88） （1.34） （−1.73） （2.78） edu −0.033 −0.869 −0.153* −0.071 −1.032 −0.162* （−0.35） （−1.10） （−1.78） （−0.74） （−1.25） （−1.79） road 0.005*** −0.020** 0.006*** 0.006*** −0.010 0.008*** （3.91） （−2.03） （5.94） （5.04） （−0.96） （6.91） eco −0.021*** 0.217*** −0.024*** −0.015*** 0.266*** −0.020*** （−6.52） （8.13） （−7.54） （−4.76） （9.99） （−5.92） 时间效应 是 是 是 是 是 是 个体效应 是 是 是 是 是 是 N 390 390 390 390 390 390 R2 0.602 0.576 0.063 0.001 0.459 0.738 注：***、**、*分别表示在1%、5%、10%显著性水平下显著；括号内为z统计量值。 下载:
导出CSV
表 8稳健性检验
变量 更换空间权重矩阵 第一阶段回归 第二阶段回归 cer cer fer ier cer cer fer 0.191*** 0.632*** (4.53) (3.12) ier 0.127** 0.175*** (2.08) (2.35) fer(t−1) 0.892*** (15.77) ier(t−1) 0.510*** (6.45) ind 0.162** 0.115 0.039** 0.060*** −0.263*** −0.302*** (2.36) (1.64) (2.18) (2.79) (−5.97) (−6.07) urban 0.021 0.092 −0.044 −0.044 −0.150** −0.113* (0.17) (0.77) (−1.25) (−1.39) (−2.41) (−1.65) open 0.004 0.004 0.003** 0.007*** 0.005** −0.000 (1.24) (1.32) (2.26) (5.54) (2.09) (0.00) edu −0.043 −0.089 −0.032 −0.047 0.256** 0.244** (−0.43) (−0.87) (−0.42) (−1.00) (2.41) (2.15) road 0.005*** 0.006*** 0.002*** −0.001** 0.011*** 0.013*** (3.61) (4.78) (3.32) (−2.52) (10.94) (12.49) eco −0.019*** −0.013*** 0.004 0.003 0.015*** 0.015*** (−5.72) (−4.00) (1.12) (1.40) (3.58) (3.33) 时间效应 是 是 是 是 是 是 个体效应 是 是 是 是 是 是 N 390 390 390 390 390 390 F 248.81*** 41.629*** R2 0.570 0.099 0.865 0.580 0.600 0.568 注：***、**、*分别表示在1%、5%、10%显著性水平下显著；括号内为z统计量值。 下载:
导出CSV
-
[1] KLEIN R J T, NICHOLLS R J, THOMALLA F. Resilience to natural hazards: how useful is this concept? [J]. Environmental Hazards, 2003, 5(1): 35-45.doi:10.1016/j.hazards.2004.02.001 [2] HOLLING C S. Resilience and stability of ecological systems [J]. Annual Review of Ecology and Systematics, 1973, 4(1): 1-23.doi:10.1146/annurev.es.04.110173.000245 [3] ADGER W N. Social and ecological resilience: are they related? [J]. Progress in Human Geography, 2000, 24(3): 347-364.doi:10.1191/030913200701540465 [4] 赵瑞东, 方创琳, 刘海猛. 城市韧性研究进展与展望[J]. 地理科学进展, 2020, 39(10): 1717-1731.doi:10.18306/dlkxjz.2020.10.011 [5] PICKETT S T A, MCGRATH B, CADENASSO M L, et al. Ecological resilience and resilient cities [J]. Building Research & Information, 2014, 42(2): 143-157. [6] ALBERTI M, MARZLUFF J M, SHULENBERGER E, et al. Integrating humans into ecology: opportunities and challenges for studying urban ecosystems [J]. Bioscience, 2008, 53(12): 143-158. [7] FOLKE C. Resilience: the emergence of a perspective for social–ecological systems analyses [J]. Global Environmental Change, 2006, 16(3): 253-267.doi:10.1016/j.gloenvcha.2006.04.002 [8] 张明斗, 冯晓青. 中国城市韧性度综合评价[J]. 城市问题, 2018, 37(10): 27-36.doi:10.13239/j.bjsshkxy.cswt.181004 [9] ZHAO R, FANG C, LIU H, et al. Evaluating urban ecosystem resilience using the DPSIR framework and the ENA model: a case study of 35 cities in China [J/OL]. Sustainable Cities and Society, 2021, 72(4): 102997. https://www.researchgate.net/publication/351635560_Evaluating_urban_ecosystem_resilience_using_the_DPSIR_framework_and_the_ENA_model_A_case_study_of_35_cities_in_China. [10] 王少剑, 崔子恬, 林靖杰, 等. 珠三角地区城镇化与生态韧性的耦合协调研究[J]. 地理学报, 2021, 76(04): 973-991.doi:10.11821/dlxb202104013 [11] GOLLOP F M, ROBERTS M J. Environmental regulations and productivity growth: the case of fossil-fueled electric power generation [J]. Journal of Political Economy, 1983, 91(4): 654-674.doi:10.1086/261170 [12] GRAY W B, SHADBEGIAN R J. Plant vintage, technology, and environmental regulation [J]. Journal of Environmental Economics and Management, 2003, 46(3): 384-402.doi:10.1016/S0095-0696(03)00031-7 [13] 谭娟, 陈晓春. 基于产业结构视角的政府环境规制对低碳经济影响分析[J]. 经济学家, 2011, 23(10): 91-97. [14] 钟茂初, 李梦洁, 杜威剑. 环境规制能否倒逼产业结构调整: 基于中国省际面板数据的实证检验[J]. 中国人口•资源与环境, 2015, 25(8): 107-115. [15] PARGAL S, WHEELER D. Informal regulation of industrial pollution in developing countries: evidence from Indonesia [J]. Journal of Political Economy, 1996, 104(6): 1314-1327.doi:10.1086/262061 [16] BLACKMAN A. Alternative pollution control policies in developing countries [J]. Review of Environmental Economics and Policy, 2010, 4(2): 234-253.doi:10.1093/reep/req005 [17] 原毅军, 谢荣辉. 环境规制的产业结构调整效应研究: 基于中国省际面板数据的实证检验[J]. 中国工业经济, 2014, 31(8): 57-69. [18] KATHURIA V. Informal regulation of pollution in a developing country: evidence from India [J]. Ecological Economics, 2007, 63(2): 403-417. [19] GARCÍA J H, AFSAH S, STERNER T. Which firms are more sensitive to public disclosure schemes for pollution control? evidence from Indonesia’s PROPER program [J]. Environmental and Resource Economics, 2009, 42(2): 151-168.doi:10.1007/s10640-008-9211-2 [20] COLE M A, ELLIOTT R J R, SHIMAMOTO K. Industrial characteristics, environmental regulations and air pollution: an analysis of the UK manufacturing sector [J]. Journal of Environmental Economics and Management, 2005, 50(1): 121-143.doi:10.1016/j.jeem.2004.08.001 [21] 彭文斌, 吴伟平, 邝嫦娥. 环境规制对污染产业空间演变的影响研究: 基于空间面板杜宾模型[J]. 世界经济文汇, 2014, 58(6): 99-110. [22] 郑思齐, 万广华, 孙伟增, 等. 公众诉求与城市环境治理[J]. 管理世界, 2013, 29(6): 72-84. [23] WU H Y, GUO H X, ZHANG B, et al. Westward movement of new polluting firms in China: pollution reduction mandates and location choice [J]. Journal of Comparative Economics, 2017, 45(1): 119-138.doi:10.1016/j.jce.2016.01.001 [24] ZHANG L, MOL A P J, HE G, et al. An implementation assessment of China’s environmental information disclosure decree [J]. Journal of Environmental Sciences, 2010, 22(10): 1649-1656.doi:10.1016/S1001-0742(09)60302-8 [25] PORTER M E, LINDE C V D. Toward a new conception of the environment-competitiveness relationship [J]. The Journal of Economic Perspectives, 1995, 9(4): 97-118.doi:10.1257/jep.9.4.97 [26] KAMMERER D. The effects of customer benefit and regulation on environmental product innovation [J]. Ecological Economics, 2009, 68(8): 2285-2295. [27] COPELAND B R, TAYLOR M S. North-south trade and the environment [J]. The Quarterly Journal of Economics, 1994, 109(3): 755-787.doi:10.2307/2118421 [28] 吴伟平, 何乔. “倒逼”抑或“倒退”: 环境规制减排效应的门槛特征与空间溢出[J]. 经济管理, 2017, 39(2): 20-34. [29] 张宏翔, 王铭槿. 公众环保诉求的溢出效应: 基于省际环境规制互动的视角[J]. 统计研究, 2020, 37(10): 29-38. [30] 蔡建明, 郭华, 汪德根. 国外弹性城市研究述评[J]. 地理科学进展, 2012, 31(10): 1245-1255.doi:10.11820/dlkxjz.2012.10.001 [31] 陈晓红, 娄金男, 王颖. 哈长城市群城市韧性的时空格局演变及动态模拟研究[J]. 地理科学, 2020, 40(12): 2000-2009. [32] 张鹏, 于伟, 张延伟. 山东省城市韧性的时空分异及其影响因素[J]. 城市问题, 2018, 37(9): 27-34. [33] 张成, 于同申, 郭路. 环境规制影响了中国工业的生产率吗: 基于DEA与协整分析的实证检验[J]. 经济理论与经济管理, 2010, 30(3): 11-17.doi:10.3969/j.issn.1000-596X.2010.03.002 [34] 沈宏亮, 金达. 非正式环境规制能否推动工业企业研发: 基于门槛模型的分析[J]. 科技进步与对策, 2020, 37(2): 106-114.doi:10.6049/kjjbydc.2019010291 [35] XIE R, YUAN Y, HUANG J. Different types of environmental regulations and heterogeneous influence on “Green” productivity: evidence from China [J]. Ecological Economics, 2017, 132(2): 104-112. [36] BRUNNERMEIER S B, COHEN M A. Determinants of environmental innovation in US manufacturing industries [J]. Journal of Environmental Economics and Management, 2003, 45(2): 278-293.doi:10.1016/S0095-0696(02)00058-X [37] 王国印, 王动. 波特假说、环境规制与企业技术创新: 对中东部地区的比较分析[J]. 中国软科学, 2011, 26(1): 100-112.doi:10.3969/j.issn.1002-9753.2011.01.011 [38] 张平, 张鹏鹏, 蔡国庆. 不同类型环境规制对企业技术创新影响比较研究[J]. 中国人口•资源与环境, 2016, 26(4): 8-13. [39] 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(04): 110-118. [40] 陈浩, 罗力菲. 环境规制对经济高质量发展的影响及空间效应: 基于产业结构转型中介视角[J]. bob手机在线登陆学报(社会科学版), 2021, 23(6): 27-40. [41] 邝嫦娥, 田银华, 李昊匡. 环境规制的污染减排效应研究: 基于面板门槛模型的检验[J]. 世界经济文汇, 2017, 58(3): 84-101. [42] 孙亚南, 尤晓彤. 城市韧性的水平测度及其时空演化规律: 以江苏省为例[J]. 南京社会科学, 2021, 32(7): 31-40+48. [43] 温忠麟, 张雷, 侯杰泰, 等. 中介效应检验程序及其应用[J]. 心理学报, 2004, 49(5): 614-620. [44] 任胜钢, 蒋婷婷, 李晓磊, 等. 中国环境规制类型对区域生态效率影响的差异化机制研究[J]. 经济管理, 2016, 38(1): 157-165. [45] 蒋乾, 杨筠. 环境政策、科技投入与区域生态效率: 基于“本地—邻地”视角的分析[J]. 城市问题, 2020, 39(9): 51-59. [46] 李小平, 卢现祥, 陶小琴. 环境规制强度是否影响了中国工业行业的贸易比较优势[J]. 世界经济, 2012, 35(4): 62-78. [47] 秦炳涛, 余润颖, 葛力铭. 环境规制对资源型城市产业结构转型的影响[J]. 中国环境科学, 2021, 41(7): 3427-3440.doi:10.3969/j.issn.1000-6923.2021.07.048 -
点击查看大图
表 (8)
计量
- 文章访问数:433
- HTML全文浏览量:49
- PDF下载量:19
- 被引次数:0
