环境规制与工业绿色增长效率——基于空间计量模型的实证

一、引言

改革开放以来，中国经济始终保持高速增长。在1978—2015年，中国GDP年均增长率达到了9%以上，成为世界经济发展史上的“奇迹”。然而，与经济快速发展相伴随的是日益严重的环境污染，污染排放已近环境承载力的极限。工业在中国经济增长中承担了重要角色，但同时也造成了大量的资源消耗和污染排放。据陈诗一(2009)[1]的测算，改革开放30年来，占全国国内生产总值40.1%的工业消耗了全国67.9%的能源，并排放出了占全国83.1%的二氧化碳。可见实现工业绿色转型是建设“环境友好型”美丽中国的重中之重。而提升工业绿色增长效率无疑是加速工业绿色转型的重要途径。另一方面，随着资源、环境问题的日益凸显，政府监管部门也必将实施更为严格的环境规制。然而，环境规制对工业绿色发展究竟有着怎样的影响？不同类型环境规制的作用是否会有不同？研究这些问题对中国工业的绿色转型以及可持续发展有着重要的意义。

环境规制对经济增长的影响一直是学界关注的焦点，一些学者从其对生产率的作用视角进行了研究，但由于样本选取、变量设定以及研究方法的不同，得出的结论也有很大差异。总的来说，大致有三种观点。

第一种观点认为，环境规制会增加企业的生产成本，从而对效率造成负面作用。Gollop等(1983)[2]实证研究了1973—1979年期间美国的限制二氧化硫政策对电力企业生产率的影响，得出的结论是，环境规制的加强导致电力企业改用低硫煤，增加了生产成本，导致电力行业的全要素生产率下降了0.59%。Walley等(1996)[3]认为，环境规制容易导致企业在战略决策上出现失误，为了规避环境规制可能会缩减创新型投资，导致企业生产率降低。

第二种观点认为，环境规制会倒逼企业进行技术创新，促进效率的提升。张成等(2010)[4]的研究发现环境规制在长期内对全要素生产率有着明显的正向促进作用。Zhang(2011)[5]研究发现更加严格的环境规制会推动中国产业生产率的提高。屈小娥(2015)[6]使用面板数据模型检验了环境规制对中国工业行业绿色全要素生产率的影响，得出的结论是：环境规制强度的提高显著提升了企业的生产效率。

第三种观点认为，环境规制对效率的作用正负并不确定。查建平等(2014)[7]实证研究了环境规制对工业经济增长方式的影响，得出的结论是环境规制在全国和东部地区对工业经济增长方式的转变的影响显著为正，在中部和西部地区的影响不显著。吴朝霞等(2016)[8]研究发现，环境规制对制造业总体全要素生产率的增长起着促进作用，从行业分类角度来看，对重污染行业的影响显著为正；对中度污染行业影响显著为负；而对轻度污染行业的影响则不显著。靳亚阁等(2016)[9]基于中国2003—2013年280个地级市及以上城市的工业数据，使用动态面板模型检验了环境规制与工业全要素生产率之间的关系，得出结论：环境规制与生产率之间呈“倒U型”关系：东部、东北地区影响较大，中部、西部地区影响较小。

结合以往的研究，本文提出工业绿色增长的概念。过去的工业绿色发展概念难以体现出绿色发展理念，需要进行补充和完善。把工业特点、绿色原则以及环境友好概念有机结合起来，本文对工业绿色增长概念做以下定义：工业绿色增长以生态经济、循环经济、可持续发展为基础，是绿色经济在工业方面的具体表现，是指在发展经济的同时，通过技术水平提升等方式提高资源利用、减少污染排放，达到经济增长和环境保护双赢的目的。以往的研究为我们提供了很好的借鉴，然而仍存在以下不足：(1)仅从整体上研究了环境规制对经济增长的影响，没有区分不同环境规制的具体影响。(2)对工业绿色增长效率的测算大多是基于DEA方法进行的。DEA模型所构建的生产前沿面是非随机的，所有的偏差由于都被认为是技术无效率造成的，这就会导致测算结果的偏误。(3)对影响因素的分析大多没有考虑工业绿色增长的空间相关性。基于此，本文拟从以下几方面进行拓展：(1)考虑能源消耗和CO2排放的影响，采用超越对数随机前沿模型测算中国30个省区的工业绿色增长效率。相比DEA方法，SFA方法考虑了随机因素的影响，构造的生产前沿面是随机的，对模型中存在的误差可以进行分解，得出的结论更接近现实。(2)参考张江雪等(2015)[10]的分类方法，将环境规制分为行政型、市场型和公众参与型三类，分别研究了三种环境规制各自对工业绿色增长效率的影响。并尝试引入环境规制的平方项，来研究环境规制与工业绿色增长效率之间是否存在非线性关系。(3)考虑工业绿色增长效率的空间相关性，构建空间计量模型就环境规制对工业绿色增长效率的影响进行实证分析，避免了忽略空间相关性造成的估计偏误。

二、工业绿色增长效率的测算

(一)研究方法

为了有针对性对工业绿色增长的投入产出关系进行研究，本文采用SFA模型对问题进行分析，SFA模型可以表示为：

 

(1)

其中，Yit代表第i个地区t时期的产出，xit表示矢量投入，β为一组待定的矢量参数。误差项为复合结构，v代表作用于生产活动的随机因素，符合N(0，σ2)分布。u(非负)代表那些对某个生产主体产生冲击的因素。

考虑到超越对数生产函数可以更好地研究投入要素之间的相互影响，且函数弹性可变，因此将变量之间的关系表示如下：

用 SPSS 23.0 软件对数据进行单因素方差分析ANOVA，组间两比较用SNK、L-SD检验。检验水准α=0.05。

lnyit=β0+βtt+0.5βitt2+βK(lnKit)+βL(lnLit)+βE(lnEit)+βC(lnCit)+βtKtlnKit+βtLtlnLit+βtEtlnEit+βtCtlnCit+0.5βKKln(Kit)2+0.5βLLln(Lit)2+0.5βEEln(Eit)2+0.5βCCln(Cit)2+0.5βKL(lnKitlnLit)+0.5βKE(lnKitlnEit)+0.5βKC(lnKitlnCit)+0.5βLE(lnLitlnEit)+0.5βLC(lnLitlnCit)+0.5βEC(lnEitlnCit)+vit-uit

(2)

由式(2)可以得出工业绿色增长效率。其中，Y代表工业增加值，i(i=1，2…30)代表中国30个省区(除西藏外)。t(t=1，2…15)代表2000—2014年共15年。K为工业企业固定资产净值，L为工业就业人数，E为工业企业能源消费，C为工业企业排放的二氧化碳。

(二)变量选取与数据来源

θi，t=α2ΣjWij×θi，t+εi，t

投入指标。使用各省区年末工业从业人员代表劳动力投入，以工业固定资产净值年平均余额作为工业资本存量的近似估算，通过固定资产价格指数进行折算，基期为2000年。

为测算工业绿色增长效率，将环境成本和能源消耗也作为投入要素纳入模型。使用能源总消费量来代表能源消耗，并通过能源折标系数统一折算，以万吨标准煤为单位。而环境成本则以工业CO2排放量来表示。考虑到统计年鉴中并没有CO2排放量的相关数据，因此利用IPCC(联合国政府间气候变化专门委员会)提出的办法进行估算，具体见公式(3)：

 

(3)

为分析环境规制对工业绿色增长效率的影响，构建如(5)式所示的空间计量模型。模型中，被解释变量为各个省区的工业绿色增长效率(PTE)，解释变量为环境规制(ER)。为检验环境规制与工业绿色增长效率之间是否存在非线性关系，在模型中加入环境规制的平方项。

我的顺风耳和以前的顺风耳不同，以前的顺风耳只能听到国内的，而我的顺风耳不仅能听到国内国外的，还可以把外国人的话翻译成中文。

产出指标。使用工业品出厂价格指数折算之后的地区工业增加值作为产出指标，2000年为基期价格。

(三)工业绿色增长效率的测算结果

交通设施对工业绿色增长效率的影响显著为正，说明交通基础设施的建设对工业绿色增长起着促进作用。发达的交通运输系统可以缩小各大小城市以及工业中心之间的距离，增强地区间的交通关联，从而打破地区间的行政区划分割，推动地区间先进技术的交流；同时，也会吸引其他地区的人口、劳动力、投资的聚集，刺激工业的发展。

分析市场型环境规制下的回归结果，可以得出市场型环境规制与PTE之间存在非线性关系，排污费收入的一次项系数为负，平方项系数为正且在1%的水平对PTE的影响显著，表明两者之间呈“U”型关系。拐点为InMER=10.05。即当InMER的值小于10.05时，PTE随排污费的增加而减小。排污费征收的越多，工业绿色增长效率反而会下降。而在“U”型曲线的右侧，PTE与排污费呈正相关。造成这种现象的主要原因在于，当对企业征收的排污费较少时，企业的违约成本会低于技术创新的研发成本，企业出于追求收益最大化从而会选择缴纳排污费并将多余的资金用来购置新设备以扩大生产，而不对技术创新和采用新技术进行投资，导致工业绿色增长效率的下降。而当排污费跨过了10.05这个拐点以后，部分企业由于治污成本过高而重新选择发展方式，被规制的企业数量也会减少，存留下来的企业会更加重视技术创新。此时的排污费水平较高，超过了技术创新的研发成本，会刺激企业加大研发投入，进行技术革新，优化资源配置以推动工业绿色增长效率的提高。

三、环境规制对工业绿色增长效率影响的空间计量分析

(一)空间自相关分析

通常用来检验空间数据是否具有自相关性的方法为全域moran’I指数，具体见式(4)：

华南农大教授张承林教授认为，氯化钾价格更低、养分浓度更高、溶解速度更快，在灌溉水硬度大的地区不易沉淀、堵塞喷头，价格又比水溶性好的硝酸钾及磷酸二氢钾低，要大力发展水溶肥料“氯化钾”才是首选原料。水溶性结晶硫酸钾由于其中既有硫又有钾，被称之为“黄金搭档”。随着水溶肥发展，不管资源型还是加工型硫酸钾企业都在跃跃欲试。而碳酸钾也是水溶肥的优质原料，不仅可以提供植物必须的钾元素养分，还可以通过反应释放二氧化碳，增加土壤或大棚里的二氧化碳释放量。此外，硝酸钾在南方经济作物上的表现获得认同，弥补了价格“短板”。磷酸二氢钾0.1%以下的水溶性，无论经济作物还是大田作物，均有增产增收的明显效果。

学生是课本剧的主体，教师却是课本剧的引领者。教师对课本剧的评价可以从学生的表演、剧情的开展、学生的表达、场边情况、道具准备情况多方面对课本剧进行整体分析，让学生从大方向正确理解每一次课本剧的真实情况，从而让学生查缺补漏，在课本剧中全面成长。

 

 

(4)

空间计量模型的估计应该考虑固定效应和随机效应。按照Hausman检验结果，选择固定效应模型，并设置个体、时间双固定。回归结果如表3 所示。根据估计结果，三种环境规制下的空间误差项回归系数均在1%的水平上显著为正，表明中国工业绿色增长效率确实存在明显的空间相关性。相邻地区间呈现出正向外部溢出效应，表现出“局部俱乐部”特征。

  

图1 工业绿色增长效率全局moran’I值

2000—2014年中国省际工业绿色增长效率的moran’I指数的正态统计量的z值均通过了1%的显著性水平检验，说明我国各个省区间存在显著的地理空间依赖性。而正的相关性说明了我国省区间具有明显的正向空间集聚效应，也就是说，一些省区的相似值之间在空间上趋于集聚。除此之外，moran’I指数呈现出稳步上升的势头，说明了我国省区之间的空间相关性在增强。

(二)空间模型的设定

根据moran’I指数的分析，省际工业绿色增长效率在空间上有着显著的空间相关性特征。因此，如果模型的回归估计忽略了空间相关性，将会造成模型估计结果的偏误。为了保证估计结果的准确性，有必要把空间效应因素考虑进来。Anselin(1997)[11]根据引入的空间因素方式的不同，将空间计量模型分为空间滞后模型(SLM)与空间误差模型(SEM)，前者主要用于探讨j省区经济行为对i省区PTE是否存在空间溢出效应；后者则主要考察省区i和j之间的相互影响是否通过结构关系来实现的情况。

 

表1 2000—2014年中国各省份工业绿色增长效率值

  

年份地区 2000200220042005200620072008200920102011201220132014平均值北京 0.40 0.43 0.45 0.47 0.48 0.49 0.51 0.52 0.53 0.54 0.56 0.57 0.58 0.49天津 0.55 0.57 0.59 0.61 0.62 0.63 0.64 0.65 0.66 0.67 0.68 0.69 0.70 0.62河北 0.33 0.36 0.39 0.40 0.42 0.43 0.44 0.46 0.47 0.48 0.50 0.51 0.52 0.42山东 0.63 0.65 0.67 0.68 0.69 0.70 0.71 0.72 0.73 0.74 0.74 0.75 0.76 0.69广东 0.95 0.95 0.95 0.96 0.96 0.96 0.96 0.96 0.96 0.97 0.97 0.97 0.97 0.95上海 0.69 0.71 0.73 0.73 0.74 0.75 0.76 0.77 0.77 0.78 0.79 0.80 0.80 0.74江苏 0.77 0.79 0.80 0.81 0.81 0.82 0.82 0.83 0.84 0.84 0.85 0.85 0.86 0.81浙江 0.66 0.68 0.70 0.71 0.72 0.72 0.73 0.74 0.75 0.76 0.77 0.77 0.78 0.72福建 0.61 0.64 0.66 0.67 0.68 0.69 0.70 0.71 0.71 0.72 0.73 0.74 0.75 0.68海南 0.11 0.13 0.15 0.16 0.17 0.18 0.19 0.21 0.22 0.23 0.24 0.26 0.27 0.18东部0.570.590.600.620.620.630.640.650.660.670.680.690.690.63山西 0.15 0.17 0.20 0.21 0.22 0.23 0.25 0.26 0.27 0.28 0.30 0.31 0.33 0.23河南 0.38 0.41 0.44 0.45 0.47 0.48 0.49 0.51 0.52 0.53 0.54 0.56 0.57 0.47湖北 0.34 0.36 0.39 0.40 0.42 0.43 0.45 0.46 0.47 0.49 0.50 0.51 0.52 0.43湖南 0.35 0.37 0.40 0.41 0.43 0.44 0.45 0.47 0.48 0.49 0.51 0.52 0.53 0.44安徽 0.33 0.36 0.39 0.40 0.42 0.43 0.44 0.46 0.47 0.48 0.50 0.51 0.52 0.42

(续表1)

  

年份地区 2000200220042005200620072008200920102011201220132014平均值江西 0.26 0.29 0.32 0.33 0.35 0.36 0.37 0.39 0.40 0.41 0.43 0.44 0.45 0.35中部0.300.320.350.360.380.390.400.420.430.440.460.470.480.39辽宁 0.33 0.36 0.39 0.40 0.41 0.43 0.44 0.46 0.47 0.48 0.49 0.51 0.52 0.42吉林 0.28 0.31 0.33 0.35 0.36 0.37 0.39 0.40 0.42 0.43 0.44 0.46 0.47 0.37黑龙江 0.20 0.22 0.25 0.26 0.28 0.29 0.30 0.32 0.33 0.34 0.36 0.37 0.38 0.28东北0.270.290.320.330.350.360.370.390.400.410.430.440.450.35重庆 0.37 0.40 0.43 0.44 0.45 0.47 0.48 0.49 0.51 0.52 0.53 0.54 0.56 0.46四川 0.34 0.37 0.40 0.41 0.42 0.44 0.45 0.46 0.48 0.49 0.50 0.52 0.53 0.43贵州 0.10 0.12 0.14 0.15 0.16 0.18 0.19 0.20 0.21 0.22 0.24 0.25 0.26 0.17云南 0.20 0.23 0.25 0.26 0.28 0.29 0.30 0.32 0.33 0.35 0.36 0.37 0.39 0.29陕西 0.26 0.29 0.31 0.33 0.34 0.35 0.37 0.38 0.39 0.41 0.42 0.44 0.45 0.35甘肃 0.09 0.11 0.13 0.14 0.15 0.16 0.17 0.18 0.19 0.20 0.22 0.23 0.24 0.15青海 0.08 0.09 0.11 0.12 0.13 0.14 0.15 0.16 0.17 0.18 0.19 0.21 0.22 0.14宁夏 0.05 0.07 0.08 0.09 0.10 0.11 0.12 0.12 0.13 0.14 0.16 0.17 0.18 0.10新疆 0.10 0.12 0.14 0.15 0.16 0.17 0.19 0.20 0.21 0.22 0.23 0.25 0.26 0.17广西 0.21 0.24 0.26 0.28 0.29 0.30 0.32 0.33 0.34 0.36 0.37 0.39 0.40 0.30内蒙古 0.22 0.24 0.27 0.28 0.29 0.31 0.32 0.33 0.35 0.36 0.38 0.39 0.40 0.30西部0.180.200.220.240.250.260.270.280.300.310.320.340.350.26全国0.340.360.390.400.410.420.430.440.450.470.480.490.500.41

注：限于篇幅，没有列出全部年份的工业绿色增长效率，数据备索；平均值是2000—2014年省份工业绿色增长效率的算术平均值。

式(3)中，CFi代表每种能源平均低位发热量，CCi代表能源含碳量，COFi代表碳氧化因子，44/12代表CO2气化系数。Ei代表工业能源消费量；i代表能源的类别，包括原煤、洗精煤、型煤、焦炭、焦炉煤气、原油、汽油、煤油、柴油、燃料油、液化石油气、炼厂干气、天然气共13种能源。所有数据均来源于《中国统计年鉴》、《中国能源统计年鉴》和《中国工业经济统计年鉴》。

1)制作SNS网站名单，收录该名单内信息，并提供普通检索服务。不提供或有限制提供如site，inurl等语法的使用。

将技术水平、外商投资、能源消费结构、交通设施等作为模型控制变量。技术水平：技术创新可以促进工业生产率的提高，但有的企业会因为追求利润而忽视其对环境的影响。外商投资：吸引外商投资可以引进国外先进技术，提升内资企业的生产率；但外商企业的进入也会激化市场竞争，从而对内资企业产生挤出效应，对生产率的增加产生负面作用。能源消费结构：我国以煤炭等化石能源消费为主，相对于天然气、核能、风能等能源来讲，单位能源消耗产生的热量偏低，从而不利于增长效率的提高。交通设施：交通的发达便利程度对工业的绿色增长究竟有着怎样的影响，值得深入分析。

网络系统的严格管理是企业、机构及用户免受攻击的重要措施。对网络的管理思想麻痹，对网络安全保护不够重视，舍不得投入必要的人力、财力、物力来加强网络的安全管理。

 

选取实际工业增加值作为产出变量，劳动力、能源投入、环境成本、资本作为投入变量，对中国30个省区(由于西藏、香港、澳门、台湾的部分数据缺失，不予考虑)2000—2014年的工业绿色增长效率进行测算。相关指标及数据说明如下：

(5)

模型中，α1是空间滞后系数，α2是空间误差系数。当α1的值取0时，此模型为空间误差模型(SEM)。当α2的值取0时，则为空间滞后模型。ui和vt分别代表着空间固定效应以及时间固定效应。PTEi，t代表i省份第t年的工业绿色增长效率。ER(A，M，P)分别代表不同类型的环境规制：ER(A)代表行政型环境规制，选用各地区污染治理项目年度完成投资衡量行政型环境规制强度；ER(M)表示市场型环境规制，选用各地区排污费收入来衡量市场型环境规制强度；ER(A)和ER(M)均采用GDP指数将其平减为以2000年为基期的价格；ER(P)表示公众参与型环境规制，以各地区因环境信访总数来衡量公众参与型环境规制强度；ER(A，M，P)2代表各环境规制变量的二次项，旨在检验其对工业绿色增长效率的非线性效应。另，FDI代表外商投资，选用外商实际投资额占GDP的比重表示。ESC代表能源消费结构，以工业煤炭消费量占能源消费量的比重表示。TL代表技术水平，以技术合同成交额表示。TF代表交通设施，选取铁路营业里程和公路里程的几何平均值表示。为消除异方差的影响，对非比例变量进行对数处理。Wij代表空间权重矩阵，若两省区地理相邻，则Wij=1，否则Wij=0(i≠j)。

以上数据均取自《中国统计年鉴》、《中国环境年鉴》。

(三)实证检验结果及分析

空间计量模型的LM检验结果如表2所示，从LM检验结果看，三种环境规制下，LM(error)与LM(lag)均显著，而Robust LM(error)的显著性明显高于Robust LM(lag)。所以使用空间误差模型进行估计。

 

表2 空间相关性检验结果

  

检验行政型市场型公众参与型LM(lag) 97.641(0.000) 27.243(0.000) 53.610(0.000)RobustLM(lag) 5.417(0.012) 134.256(0.007) 59.847(0.032)LM(error) 81.362(0.000) 16.657(0.000) 49.812(0.000)RobustLM(error) 7.172(0.000) 141.163(0.000) 56.622(0.000)

式(4)中，Yi和Yj分别表示i区域和j区域的观测值。n为地区总数；Wij为空间权重矩阵，表示空间对象的相互临近关系。如果两个区域相邻，则W=1，如果不相邻，则W=0。全局moran’I值区间为[-1，1]，如果moran’I值在0.05水平上显著，则说明观测值拥有显著的空间自相关性，也就是说，相邻地区具有集聚趋势。利用Geoda计算历年中国工业绿色增长效率的全局moran’I值，如图1所示。

占要素数量最大的3个分类分别为居民地及设施、交通、水系，占总要素数量的50%以上，说明民用标准中更侧重于表达城市、交通、水系等与经济和人文相关的地理信息。

1.行政型环境规制与PTE的关系

根据模型的回归结果，污染治理当年完成投资的一次项系数为负且显著，二次项系数为正但不显著，可知样本期内行政型环境规制与工业绿色增长效率之间没有非线性关系，而主要呈负相关关系。市场经济提倡市场起决定作用，市场的引导使得生产过程自发地实现资源的最优配置。政府作为市场上“看得见的手”，合理的调节可以促进经济的发展；但如果政府的行政干预不合理，反而会起到负面的作用。另一方面，行政干预容易形成腐败并由此产生利益共同体，从而影响市场经济的运行效率。资源的合理配置受到影响，相应的绿色增长效率便会降低。

2.市场型环境规制与PTE的关系

专科护士在有一定临床经验基础上，经过专科护士培训，能够有意识地培养和提升自己的科研能力，在临床工作中对特殊情况进行总结、书写个案、总结经验，为广大同人参考；对疑难有待改进的临床操作进行科学的科研设计，验证出更合理有效的、更有益的护理方法，因此在专科护士培训后，各位毕业后的学员均在本岗位上能够有所思考，积极进行科研设计，取得多项科研立项，在血液净化护理方面做出卓著的贡献。

奶牛隐性乳腺炎并不会表现出典型的临床症状，但却有特有的症候群。随着病情进一步加重，奶牛的产奶量和泌乳量持续减少，乳汁中含有的成分发生明显变化，乳汁中原来的弱酸性变成弱碱性，乳汁质量普遍下降，容易腐败变质。隐性乳腺炎如果不及时治疗，就会转变为典型的乳房炎，伴随明显的临床症状，导致养殖场奶牛淘汰率升高。本次研究该养殖场发病的23头患病奶牛并没有出现死亡现象。

拐点的排污费水平为23 155.7869，中国各个省区2000—2014年所征收的排污费的平均水平达到这个值的只有广东、江苏、浙江、河北、辽宁、河南、山东、山西8个省份。其余22个省区仍然处在“U”型曲线的左侧。因此，从整体上看，中国市场型环境规制强度过低，并没有对工业的绿色增长起到足够的促进作用。

3.公众参与型环境规制与PTE的关系

根据表3的回归结果，因环境污染信访总数的平方项对PTE的影响不显著，可知公众参与型环境规制与工业绿色增长效率之间没有非线性关系。公众参与型环境规制对工业绿色增长效率的影响显著为正，但是影响系数非常小，仅为0.0004，这表明当前我国公众对环境的监督并没有起到有效减少环境污染的作用。这是因为我国民众普遍缺乏环保意识，造成企业对环境的破坏得不到及时的反应且引起政府应有的重视。

4.控制变量与PTE的关系

技术水平对工业绿色增长效率的影响显著为正，但是影响系数的数值较小，说明我国总体上的技术水平依然较低，有关部门对工业行业的技术创新没有足够重视。这也从侧面反映出大部分企业排污的违约成本低于技术创新的研发成本，没有足够的动力去进行技术创新。

FDI对工业绿色增长效率的影响显著为负，这说明在我国，外商投资对工业的绿色增长起着负面作用。外商投资可以分为资源寻求型、市场寻求型以及技术寻求型。由于我国经济发展水平与发达国家存在着较大差距，对环境重视不够，使得许多发达国家的高污染企业来华投资，资源寻求型的外商投资远远大于市场寻求型和技术寻求型。这样吸引来的外资不仅达不到互利共赢的目的，反而会阻碍我国工业的绿色发展。能源消费结构对工业绿色增长效率的影响显著为负，这说明以煤炭为主导的能源消费结构对工业绿色增长效率具有抑制作用。一方面，在能源消费结构中，煤炭的品质相对来说比较低，单位能源消费产生的热量明显低于天然气、石油等能源，大大的影响产出效率。另一方面，煤炭的利用一般集中在重工业企业，这些企业普遍的特点是生产粗放、能耗高。煤炭消费占比较高说明工业部门中重工业企业较多，工业产业结构优化不够，从而对工业绿色产出效率产生负面作用。这就需要我们优化能源结构，发展循环经济，提高可再生能源以及非化石能源比重。积极推动太阳能、风能、核能等清洁能源的发展，加大对节能减排技术研发与推广的投资，提高能源生产率。

基于关联规则的智能药柜内药品储位设置研究…………………………………………………… 沈颖燕等（23）：3285

本文使用Frontier 4.1计算效率，结果见表1。表1的结果表明，从全国层面看，工业绿色增长效率在样本期间呈现出缓慢增长态势，年均增长率为2.92%。但全国工业绿色增长效率总体水平依然偏低，2000—2014年间，工业绿色增长效率平均值仅为0.41，表明工业企业在绿色增长方面仍有很大的提升空间。从区域层面看，东部地区的平均工业绿色增长效率值最高，为0.63；紧随其后的是中部和东北地区，分别为0.39和0.35；最后是西部地区，仅为0.26。从不同区域效率增长率来看，考察期内，西部地区的效率值增幅最大，上升较为迅猛；东部地区增幅最小，上升比较平稳。从省区层面看，广东、江苏、上海、浙江、山东是中国工业绿色增长效率最高的五个省区，它们都是东部省份。在考察期内，这五个省区的工业绿色经济效率始终排在全国前五位；宁夏、青海、甘肃、新疆、贵州是中国工业绿色经济效率最低的五个省区，其中宁夏的工业绿色增长效率始终排在全国末位，并且远远落后于其他地区。

 

表3 不同环境规制对PTE作用的空间误差模型估计结果

  

变量行政型市场型公众参与型InER-0.0396 (-3.3367)InMER -0.0201 (-2.9539)InPER 0.0003 (-3.2363)InAER20.0016(0.9781)InMER2 0.0010 (2.8575)InPER2 0.0004(0.9475)FDI-0.0801 (-2.8889)-0.0935 (-3.4939)-0.0837 (-3.1532)ESC-0.1008 (-4.6313)-0.0996 (-4.7309)-0.1102 (-5.3648)InTL0.0046 (2.2367)0.0055 (2.7045)0.0044 (2.1960)TF0.0895 (35.3055)0.0871 (33.7967)0.0850 (32.4482)α20.1786 (5.124)0.1692 (4.367)0.172 (4.972)R0.97800.98720.9675Hausman检验85.8371(0.0000)218.1749(0.0000)104.4436(0.0000)Log-L746.31421166.9412738.7217

注：、、 分别表示在10%、5%与1%的水平上显著；括号内为z统计量。

四、结论与政策建议

本文采用超越对数的SFA模型对我国2000—2014年30个省区的工业绿色增长效率进行了测算，在此基础上，构建空间计量模型分别从行政型、市场型、公众参与型三个维度考察了环境规制对工业绿色增长效率的影响。研究发现：中国相邻地区间呈现出正向外部溢出效应。行政型和公众参与型规制与PTE之间不存在非线性关系。行政型的影响为负，公众参与型的为正，但是作用非常小。市场型环境规制与工业绿色增长效率之间存在 “U”型关系。能源消费结构、FDI、技术水平、交通运输也是影响工业绿色增长效率的重要因素。

根据上述研究结论，本文提出以下政策建议：

第一，由于我国工业绿色增长效率的地区差距过大，地区间存在正向外溢，应当积极推动西部大开发、中部崛起、振兴东北老工业基地等战略的落实，改善区域工业发展不平衡的现状。东部地区应发挥工业增长效率高值区的“示范作用”和“涓滴效应”，通过环境规制、技术创新等多方面的区域合作，加强对中西部的带动作用。地方政府也应停止使用地方保护主义和市场分割等阻碍工业绿色发展的正向溢出效应的手段。

第二，加强市场型环境规制强度，激励企业技术创新。根据本文研究结果，市场型环境规制水平较低，只有8个省区的排污费跨过了(23 155.7869)拐点。较为宽松的环境约束难以有效激励企业加大研发投入进行技术创新。因此，政府应当根据各地区工业的不同特点，提高相应的排污费水平，同时要保证强度适中、循序渐进，确保不要超过企业的承载能力。当企业研发的绿色技术进行扩散时，排污水平会降低，此时，应当对企业征收的排污费进行及时调整，以达到加速推动新技术扩散的作用。

第三，扩大公众对环境保护的参与。在我国，公众对环境保护的参与程度较低。因此，应当加大对环境保护的宣传力度，让社会公众认识到环境保护的重要性。同时还要制定相关政策激励公众参与环境保护。另一方面，要不断推动环境信息的公开化。政府应当及时公开各类环境信息和污染事故信息，这样既可以警示污染者，也有利于形成保护环境的公众舆论和公众监督。此外，还要加强立法来保障公众参与环境保护的权力。当前，我国的各项法律在公众参与环境保护的方式、程度、权利等细节方面的规定仍然缺失。因此，应当根据宪法以及相关法律对公众参与环境保护的权利做出明确规定，为公众行使环境权提供强有力的法律保障。

鉴于农作物害虫种类繁多，其形态、习性都会随着环境不断改变，识别模型也需要根据实际情况不断完善。在这种形势下，构建基于深度学习的害虫图像识别模型，并从样本和算法两方面进行系统优化，是实现田间复杂环境下害虫自动识别的发展趋势。将深度学习技术与传感器相结合，实现田间农作物害虫自动化、智能化的实时监测，并通过物联网将数据信息融入到农业大数据当中，构建基于“互联网+”的信息化服务平台，真正实现智慧农业。

第四，FDI、能源消费结构都对工业绿色发展产生负面影响。技术水平和交通运输产生了正向作用。因此，应当优化能源结构，发展循环经济，提高再生能源比重，积极推动太阳能、风能、核能等清洁能源的发展。同时，应当加强对外商投资的监管，禁止高污染外资企业的进入，转而鼓励和支持引进高新技术企业的投资。不能仅仅依靠外资企业来转移先进技术，自身也应加大投入进行技术革新。此外，还要加大对交通建设的投资，建立完善的交通系统，把交通建设与区域经济发展联系起来，使交通运输带动地区工业经济的发展。

参 考 文 献

[1]陈诗一.能源消耗、二氧化碳排放与中国工业的可持续发展[J].经济研究，2009，(4)：41-55.

[2]Gollop F M，Roberts M J.Environmental Regulations and Productivity Growth；The Case of Fossil-fueled Electric Power Generation[J].The Journal of Political Econmy，1983(91):654-674.

[3]Walley N，whitehead.“It's Not Easy Been Green” in R.Welford and R.Sturbey[R].The Earth Scan in Business and the Environment，London，Earth scan，1996:334-337.

[4]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，(5)：11-17.

[5]Zhang C，Liu H，Bressers H T A，et al Productivity growth an environmental regulations-accounting for undesirable outputs：Analysis of China's thirty provincial regions using the Malmquist-Luenberger index[J].Ecological Economics，2011，70(12):2369-2379.

[6]屈小娥.行业特征、环境管制与生产率增长——基于“波特假说”的检验[J].软科学，2015，(2)：24-27.

r1和r2的置信度分别为0.89和1。虽然r1和r2均为高置信度规则,但是r2的高置信度具有潜在的欺骗性,因为它覆盖的样例太少,所蕴含的知识可能不具有一般性,这也意味着规则r2的泛化能力可能很弱。因此,考虑到规则的覆盖能力也是衡量提取规则的一个重要标准,本文在置信度量的基础上,引入文献[20]中度量规则r的覆盖能力的似然比统计量,即

[7]查建平，郑浩生，范莉莉.环境规制与中国工业经济增长方式转变——来自2004—2011年省份工业面板数据的证据[J].山西财经大学学报，2014，(5)：54-63.

[8]吴朝霞，张智颖.环境规制对中国制造业全要素生产率的影响研究[J].湘潭大学学报(哲学社会科学版)，2016，40(7)：77-81.

[9]靳亚阁，常蕊.环境规制与工业全要素生产率——基于280个地级市的动态面板数据实证研究[J].经济问题，2016，(11)：18-23.

[10]张江雪，蔡宁，杨陈.环境规制对中国工业绿色增长指数的影响[J].中国人口·资源与环境，2015，(1):24-31.

[11]Aigner D，Lovell C A，Schmidt P．Formulation and estimation of stochastic frontier production function models[J]．Journal of Econometrics，1977，6(1)：21-37.