数字经济理念下异质型环境规制对绿色全要素生产率的双重影响
基金项目：1.2021年江苏高校哲学社会科学研究项目一般项目《环境规制对企业环保投资的影响研究》（课题编号：
2021SJA0906）2.2023年无锡市科协软科学研究课题《环境规制对苏南经济高质量发展的影响研究》（编号：KX-23-0045）

孙梦丹

      【摘要】在“双碳”目标背景下如何通过异质性环境规制来实现经济增长与环境保护的协同发展已成为重要议题。为此，本文基于2014—2024年我国284个地级市面板数据，并借助SBM-GML模型测算绿色全要素生产率，同时系统地考察了异质型环境规制对绿色全要素生产率的影响效应及其作用机制，研究表明命令型环境规制与绿色全要素生产率呈“U型”关系，市场型环境规制显著地促进绿色全要素生产率提升，而自愿型环境规制的影响存在区域异质性，因此数字经济在环境规制影响绿色全要素生产率的过程中发挥着显著的调节作用。
      【关键词】异质性环境规制；经济；环境；绿色全要素生产率
引言
      我国已进入数字经济时代，数字经济以数字要素作为核心生产要素，并与各行各业紧密结合，从而使其成为推动经济高质量发展、实现经济绿色化转型的关键动力，数字经济必然会影响异质性环境规制与绿色全要素生产率（GreenTotalFactorProductivity,GTFP）之间的关系。为此本文将从区分命令型、市场型和自愿型三类环境规制入手详细分析其对GTFP的影响，并揭示数字经济在异质性环境规制影响GTFP过程中的具体作用，以期为今后的环境政策体系的优化提供借鉴。一、理论分析与研究假设
      （一）异质型环境规制对绿色全要素生产率的影响效应
      环境规制的异质性特征对GTFP的影响呈现显著的差异性，为此基于规制强度与作用方式的差异可将环境规制划分为命令型、市场型和自愿型三类，其作用机理各不相同。其中命令型环境规制（Command-and-controlEnvironmentalRegulation，CER）主要是以政府行政命令为主要特征，其影响呈现典型的非线性特征，在初始阶段CER通过设定强制性排放标准和技术规范短期内会增加企业的合规成本，从而产生“遵循成本效应”。
      市场型环境规制（Market-basedEnvironmentalRegulation，MER）主要是通过价格信号引导资源配置，其作用机制更为平滑，其中排污权交易、环境税等市场化工具通过改变要素相对价格来促使企业优化生产决策。自愿型环境规制（VoluntaryEnvironmentalRegulation，VER）的效果则表现出明显的区域异质性，其在制度环境完善的东部地区VER（如ISO14001认证）的系数可达0.09（p<0.05），而在中西部地区则相对的不显著，其说明自愿机制的有效性依赖于完善的监管框架和市场秩序。
      （二）异质型环境规制影响绿色全要素生产率的作用机制
      1.通过数字经济影响绿色全要素生产率
      数字经济（DigitalEconomy，DE）通过改变信息结构和交易成本来重塑异质型环境规制的传导路径，为此构建包含数字经济的生产函数：

      其中A（DE）表示数字技术增强的全要素生产率，当DE指数超过0.6的归一化处理时CER对GTFP的边际效应将会由-0.05转为0.11，这种结构性变化源于数字技术的三重效应：
      (1)信息透明化效应：降低环境监管的边际成本，监管成本发生变化；
      (2)智能匹配效应：提升排污权交易效率，市场出清速度提高约40%；
      (3)数据驱动效应：使环境绩效评估更精准，政策时滞缩短2～3个季度。
      2.通过技术进步影响绿色全要素生产率
      异质型环境规制通过诱导研发投入推动技术创新，通过具体类型的划分可知：
      (1)CER主要通过“倒逼机制”促进突破式创新，其中专利质量（引用量）提升23%；
      (2)MER更利于渐进式创新，其研发效率（每万元研发投入的专利数）提高18%；
      (3)VER的创新效应集中在工艺改进领域，其能耗强度年均下降1.2%。
      3.通过技术效率影响绿色全要素生产率
      环境规制通过重构要素配置影响技术效率，通过具体类型的划分可知：
      (1)CER主要降低规模无效率（贡献度62%），通过强制标准倒逼企业规模重组，在重污染行业效果尤为显著；
      (2)MER更有效提高配置效率（边际效应0.17），通过价格信号引导资源流动，对市场化程度高的地区作用更强；
      (3)VER在管理效率提升方面表现突出（Tobit模型系数0.09）。其中Tobit模型是指因变量虽在正值上大致连续分布，但包含一部分以正概率取值为0的观察值的模型。通过认证体系优化管理流程，在制度完善区域表现突出。
      综上所述，数字经济背景下异质性环境规制与GTFP的协同效应主要源于数字技术降低要素流动壁垒，从而使得异质性环境规制引发的结构调整更为顺畅。
二、研究设计
      （一）模型构建为准确识别异质型环境规制对绿色全要素生产率的影响，本文构建动态面板模型如下：

      其中，i和t分别表示城市和年份；μi为个体固定效应；λt为时间固定效应；X{it}为控制变量集，其主要包括经济发展水平（人均GDP）、产业结构（第二产业占比）、外资依存度（FDI/GDP）、环境治理投入（环保财政支出占比）等。
      （二）变量选取与计算
      采用非径向、非角度的方向性距离函数（SlacksBasedMeasure，SBM）模型处理松弛变量问题，并结合GML指数（GlobalMalmquist-LuenbergerIndex，GML）计算跨期效率变化，即：

      其中投入要素包括资本存量（永续盘存法测算）、劳动力（从业人员数）；期望产出为实际GDP；非期望产出包含工业三废排放量，根据测算结果显示GTFP的年均增长2.3%，东部地区显著高于中西部（t=4.72,p<0.01）。
      （三）数据说明与描述性统计
      研究样本涵盖2014—2024年我国284个地级市，数据来源于《我国城市统计年鉴》《我国环境统计年鉴》及各地方统计公报，其中缺失数据采用多重插补法处理，连续变量插补模型R2均高于0.7，为此可知关键变量统计特征如下表所示：

      数据预处理主要包括：（1）异常值检测采用3σ原则，替换占比不足1%；（2）面板平稳性检验，所有变量IPS检验统计量均拒绝原假设（p<0.05）；（3）方差膨胀因子平均值为2.17，排除多重共线性问题。为控制潜在空间相关性，后续分析将加入空间权重矩阵的稳健性检验。
三、实证结果分析
      考虑到经济发达地区可能存在特殊政策环境，为此将会剔除北京、上海、广州、深圳四个一线城市样本后重新估计，其中子样本回归显示核心结论具有普适性，此时CER的U型拐点为0.36（标准误0.05），MER系数为0.14（p<0.01），VER在东部地区的系数为0.08（p<0.05）。通过构建地区虚拟变量与规制的交互项，此时可发现中西部地区CER的拐点更高为0.42，由此可以说明欠发达地区需要更强的规制强度才能触发创新补偿效应。数字经济的调节效应同样通过稳健性检验，其采用数字金融发展指数替代综合数字经济指标后，其调节效应系数保持在0.20-0.25区间（p<0.01），此时数字经济的边际调节效应呈递增特征（Q25:0.18；Q50:0.22；Q75:0.26），由此可以说明高技术效率地区更能发挥数字化的协同效应。
四、结语
      本文基于2014—2024年我国地级市面板数据并系统考察了数字经济背景下异质型环境规制对绿色全要素生产率的影响机制。研究发现，在未来的发展进程中需进一步加强建立市场激励主导、公众参与监督与政府宏观调控相结合的环境规制体系，不同类型环境规制工具的协调配合才能充分发挥异质型环境规制对绿色全要素生产率的促进作用。
参考文献
张慧毅,么成雨.数字经济背景下异质型环境规制对绿色全要素生产率的双重影响[J].商业研究,2024,66(6):142-147.
高素英,王迪,马晓辉.产业协同集聚对绿色全要素生产率的空间效应研究——来自京津冀城市群的经验证据[J].华东经济管理,2023,37(1):73-83.
杨丽华,金糠麟,王康.数字经济促进了技术寻求型OFDI的逆向绿色技术溢出吗[J].财经理论与实践,2024,45(5):124-132.
刘建秋，尹广英，吴静桦。碳排放权交易政策是否促进了企业数字化转型？[J].经济学动态，2024,14(8):75-92.