空间溢出效应下的环境规制影响碳排放强度路径分析

刘晓晗，朱泯静

（1. 广州市社会科学院 财政金融研究所，广东 广州 510410；2. 广州市社会科学院 社会研究所，广东 广州 510410）

2021 年10 月24 日，《中共中央 国务院关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》（下文简称《意见》）正式发布。《意见》指出，实现碳达峰、碳中和，是以习近平同志为核心的党中央统筹国内国际两个大局作出的重大战略部署，是着力解决资源环境约束突出问题、实现中华民族永续发展的必然选择，是构建人类命运共同体的庄严承诺。从已有的研究来看，“双碳”目标的实现有多种路径和手段。陈诗一[1]指出能源强度的降低是碳排放强度波动性下降的主要且直接的决定因素；崔和瑞等[2]发现人均GDP 与产业结构对碳排放强度具有显著正向效应；籍艳丽和郜元兴[3]则提出生产模式的转变是碳排放强度下降的主要原因。但无论是能源强度的降低还是生产模式的转变，其实很大程度上都依赖于外部的环境规制。因此，环境规制作为纠正市场主体外部性的重要工具，其对于我国碳减排目标的实现具有重要作用。

但需要注意的是，作为碳排放主要来源的大气污染物，是可以在区域之间自由流动的，这就使得碳排放具有明显的空间外溢性，因此，即使在政绩考核中加入了碳减排这一指标，也很难规避部分地方政府的“搭便车”行为，这无疑大大提高了碳减排目标实现的难度，同时也不利于环境规制的顺利实施。换言之，空间外溢将会显著影响环境规制与碳排放强度之间的关系，并改变其作用路径。但遗憾的是，迄今为止，鲜有学者从空间外溢性的角度对两者之间作用的具体路径进行深入分析。本文将在理论分析的基础上对空间溢出效应下环境规制影响碳排放强度的路径进行具体分析，并提出相应的治理对策，从而初步推进该领域的研究。

1 文献综述与理论分析

王文普[4]指出环境污染的空间相关性会造成该地区采取严厉的环境规制而无法从其中得到全部收益，这就造成了环境规制的空间外部性。马丽梅和史丹[5]也提出一个辖区的碳排放程度受到本地和相邻区域环境规制强度的共同作用，周边地区规制强度的提高，可以更好地改善当地的环境质量。相反，朱向东等[6]则认为环境规制的影响不仅存在着负的本地效应，而且还发挥着积极的空间溢出效果，即本地规制水平的提高，会导致污染型企业迁移到周边地区，从而导致“污染天堂”的出现。由此可见，空间外溢性对于环境规制与污染排放之间的关系具有双重影响。一方面，由于空间外溢性的存在，一个地区环境规制水平的增强，会提高周边地区环境规制的强度，进而抑制其污染排放，并带来环境质量的改善；另一方面，一个地区环境规制的增强，也可能会导致本地污染企业外迁，进而加剧周边地区的污染，不利于周边地区环境质量的改善。那么在这两种异质性影响的共同作用下，环境规制对于污染排放尤其是碳排放强度的作用路径究竟是怎样的呢？

张俊和肖传友[7]通过中介效应法分析了环境规制对碳减排的直接效应和间接效应，结果发现随着环境规制执行力度由弱变强，其对碳排放的作用效果也会从无效变为有效。王康等[8]也发现东北三省严格的环境规制不仅直接抑制碳排放，还可以通过优化产业结构和精简粗放投资间接抑制碳排放。此外，张华和冯烽[9]使用渐进性的双重差分法估计环境信息公开对碳排放的影响，以考察非正式环境规制的碳排放效应，结果也发现环境信息公开有助于降低碳排放水平，这不仅验证了温室气体和大气污染物的协同控制策略，也彰显了非正式环境规制的碳减排作用。由此可以发现，环境规制对于碳排放的影响路径很有可能是非线性的，但这些研究都没有考虑环境外溢性的影响，本文将在考虑区域溢出效应的基础上深入分析环境规制影响碳排放强度的具体路径。

具体来说，在环境规制实施的初期，由于空间溢出效应的存在，本地区的环境规制实施效果会受到邻近地区环境规制实施强度的影响。即使本地区严格实施环境规制，其实施效果也会因受到空间外溢性的影响而大打折扣，因此缺乏动力进行严格的环境规制。与此同时，在实施严格环境规制的条件下，本地区的污染企业就会外迁到邻近地区，进而造成本地区产值和就业的下降。所以，一般来说，环境规制实施初期对于污染排放强度的影响是不显著甚至是负的（这是因为地方政府和企业预期环境规制会持续加强，因此会增加当期的产出和污染排放）。而随着环境规制力度的加强和持续实施，尤其是周边地区环境规制力度的强化，空间溢出效应会强化环境规制的实施效果，使得污染排放强度显著下降。因此，我们预期，由于受空间溢出效应的影响，环境规制对于碳排放强度的抑制作用在即期不显著（甚至为负），而在长期则显著为正。由此本文提出如下理论假说：

理论假说：在空间溢出效应的影响下，环境规制对于碳排放强度的抑制作用路径是非线性的，这种非线性表现为即期影响不显著甚至为负，但是长期则显著为正。

2 研究方法、模型构建与变量选取

2.1 探索性空间数据分析

2.1.1 全局空间自相关

为了探究我国30 个省份（不包括西藏、港澳台）碳排放的空间平均聚集状况，选择全局Moran’s I 指数来揭示区域碳排放的空间分布格局。全局Moran’s I 指数主要用于测度事件总体在空间上的平均关联程度，识别事件的空间聚集特征。当全局Moran’s I 指数大于0 且小于1 时，表示区域之间存在空间正相关，即高值和高值聚集、低值和低值聚集；当全局Moran’s I 指数大于-1且小于0 时，则表示区域之间存在空间负相关，即高值和低值聚集；当全局Moran’s I 接近于0 时，则表示区域在空间上呈现随机分布，无明显聚集状态，具体计算公式如下：

2.1.2 局部空间自相关

全局Moran’s I 指数主要测度空间的平均相关性，不能考察样本区域附近的空间集聚状况，故本文引入局部Moran’s I 指数来探究样本邻近地域地区碳排放强度的空间差异程度，具体计算公式如下：

2.2 模型的构建

2.2.1 静态空间面板模型

碳排放是一个具有长期性、累积性的过程，并且各地区碳排放聚集状况也会对后续的碳排放强度产生一定影响。在考察环境规制对于碳排放强度的影响时，应考虑到碳排放的空间外溢效应，其空间聚集特征会影响后续的碳排放强度，并且会呈现出一定的空间关联性以及依赖性等特征[10]。本文参考黄赜琳和姚婷婷[11]等学者的研究，采用空间滞后模型（SAR）进行计量分析。

空间面板滞后模型（SAR）主要探讨碳排放强度是否受其周边碳排放强度的影响，基本公式如下：

式中：i表示个体，t表示时间；CAit表示i地区t时期的碳排放强度；Xit表示自变量和控制变量；Wij表示进行标准化后的空间权重矩阵；εit表示随机误差项；μi表示年份固定效应；λt表示省份固定效应。

2.2.2 动态空间面板模型

动态空间面板模型，是在传统静态空间面板模型中引入时间滞后变量来反映动态滞后效应的模型。其相对于静态空间面板模型来说，优点在于能很好地解决模型内生性问题，并且可以将变量的影响分解为长短期效应进行研究。基于此，本文参考Elhorst[12]的做法，构建动态空间滞后模型对此进行探究，模型设定如下：

式中：CAit表示i地区t时的碳排放强度；REGit表示i地区t时的环境规制水平；Wij表示进行标准化后的空间权重矩阵；Xit表示其他影响碳排放强度的控制变量；εit表示随机误差项；μi表示年份固定效应；λt表示省份固定效应；其他变量为模型待估计参数。

2.3 变量设定

（1）碳排放强度的测量。本文根据IPCC 的方法计算了中国大陆地区30 个省份（不包括西藏）的二氧化碳排放量数据，其中30 个省份在1996—2017 年消费的各种能源数据均来自1997—2018 年的《中国能源统计年鉴》。年鉴中提供了8 种化石燃料的消费量数据，其中包含了能源加工转换中的一些燃料投入和非能源使用的化石燃料。为了避免重复计算，本文选取了30 个省份1997—2018年的654 张能源平衡表，其中，1996—2009 年获取的能源平衡表中包括煤炭、焦炭、焦炉煤气、其他煤气、原油、汽油、煤油、柴油、燃料油、液化石油气和天然气共11种能源。2010—2017 年根据平衡表新增高炉煤气、转炉煤气以及液化天然气，总共14 种能源。逐年对每个省消费的各种能源剔除掉能源加工转换过程中的投入量、损失量以及工业生产中用作原料和材料的部分。从而得到30 个省份在1996—2017 年的（净）消费量。其中，海南缺失2002 年的数据，宁夏缺失2000—2002 年的数据，对于海南和宁夏缺失的数据，本文已通过线性插值法补齐。

（2）环境规制水平。由于工业仍然是我国碳排放的主要来源，而对于工业的环境规制可以是事前规制，也可以是事后规制。具体来说，政府可以实施源头预防性的环保规制手段，比如在事前颁布严格的法律法规，规定好碳排放标准以及生产技术要求，对可能发生的违法排放问题打好预防针。由于工业污染治理总额可以反映地方政府对于本地环境的关注度以及治理力度，因此，本文采用工业污染治理完成投资同工业增加值占比来衡量环境规制。

（3）控制变量。

①科学技术支出（SCI）。科学技术是第一生产力，是环保型创新动力的根本来源。科学技术支出对于地区碳排放强度具有举足轻重的地位，本文采用政府的科技支出占财政支出的比重来表示。

②贸易开放度（OPEN）。对外开放有利于吸引外商直接投资，改变区域产业结构，影响地区碳排放水平，本文采用“进出口总额占当年地区生产总值的比重”来表示贸易开放度。

③人力资本水平（HR）。人才兴国，人才强国，人才是民族复兴的基石。本文采用“劳动力平均受教育年限”来衡量人力资本水平，具体计算公式为：(小学学历×6+初中×9+高中×12+大学以上×16)/六岁以上人口。

④产业结构（STR）。产业结构优化是降低碳排放的重要渠道，本文采用“第二产业产值占地区生产总值的比重”来表示。

2.4 空间权重矩阵的设定

（1）邻接权重矩阵（W1）。邻接权重矩阵基于省际是否相邻来进行设定，只考虑区域之间相邻的空间关系，矩阵定义如下：

（2）地理距离权重矩阵（W2）。地理距离权重矩阵基于省际距离来进行设定，假设各地区之间随着距离增多而联系减弱，采用两个地区之间距离（dij）的倒数来表示，矩阵定义如下：

（3）经济距离权重矩阵（W3）。经济距离权重矩阵基于省际经济发展水平来进行设定，主要是利用两个地区之间的人均GDP 来进行构造，矩阵定义如下：

式中：GDPi和GDPj分别表示i和j地区的人均GDP。

2.5 描述性分析

本文数据来源于中国统计年鉴、各省份统计年鉴及中经网数据库。鉴于数据可获得性，本文选取中国大陆地区30 个省份（不包括西藏）作为样本，研究时间段为1996—2017 年。利用Stata16 软件进行数据可视化处理，描述性分析如表1 所示。

表1 描述性分析

3 环境规制对碳排放强度的空间计量分析

3.1 探索性空间数据分析结果

碳排放强度的全局Moran’s I 指数如表2 所示，所求全局Moran’s I 指数全部为正，1995—2018 年全局Moran’s I 指数均在1%的统计水平上显著为正，并且数值在0.2 ～0.25 之间，说明各省份碳排放强度存在明显的空间正关联性及依赖性。Moran’s I 指数浮动比较小，呈现稳中稍降的趋势，表明各省份碳排放强度存在明显集聚特征，邻近省份的碳排放强度具有一定的相似性，Moran’s I 指数减小说明邻近省份的碳排放强度逐渐向区域均衡发展的态势转变。

表2 碳排放强度的全局Moran’s I指数结果

3.2 环境规制对碳排放强度的当期（静态模型）实证结果

考虑到碳排放强度之间存在空间相关性，本文首先采用静态空间滞后模型考察环境规制对于本地碳排放强度的当期影响，实证结果如表3 所示。基于不同的权重矩阵估计结果基本一致，系数在大小方面略有差别。可以看出，无论是使用邻接权重矩阵、地理距离权重矩阵还是经济距离权重矩阵，环境规制系数均在1%的统计水平上显著为正，即环境规制对于当期碳排放强度的影响为正。这表明在存在空间外溢性的情况下，如果周边地区的环境规制加强，那么本地为了吸引到更多的要素资源来达到政绩考核标准，就会实施与邻地相反的规制策略，即选择放松规制，出现“逐底竞争”态势，于是大量高碳型产业转移到此，进而加重了碳排放强度。控制变量方面，科学技术支出系数显著为负，表明科学技术支出越多，越有利于碳减排。对外开放系数显著为正，人力资本系数显著为正，这表明我国的对外开放和人力资本结构是不利于碳减排的。产业结构系数显著为正，这可能是第二产业主要是高碳排放型产业，不利于碳减排目标的实现。值得注意的是，模型的R2拟合度不高，这可能是由于静态空间滞后模型的整体适配度较低，变量时间滞后项在模型中起到重要的角色，而静态模型未将其纳入进行分析，故本文采用动态空间滞后模型进行再次分析，具体研究结果见下文。

表3 静态空间滞后模型检验结果

3.3 环境规制对碳排放强度的跨期（动态模型）实证结果

在静态空间滞后模型的基础上，将时间滞后和时空滞后项加入模型进行实证，检验结果如表4 所示。可以看出，时间滞后系数θ在1%的统计水平上显著为正，这表明碳排放强度具有惯性，即地区前期碳排放强度会影响当前碳排放强度。空间滞后系数ρ在1%的统计水平上显著为负，时空滞后系数α在1%的统计水平上显著为正，并且空间滞后系数ρ绝对值远小于时空滞后系数α。这表明周边地区前期和当期碳排放强度会对本地区产生异质性影响，具体表现为前期促进，当期抑制。

表4 动态空间滞后模型检验结果

借鉴Elhorst[12]的做法，进一步将自变量对于因变量的影响分解为直接影响和间接影响，在时间维度上分解为短期影响和长期影响。其中，直接影响表示自变量对本地因变量的总体影响，主要包括两方面：一方面是自变量对于本地因变量的影响，另一方面是本地自变量影响相邻地区因变量，产生“反馈效应”，从而影响本地因变量。间接影响表示本地自变量对于相邻地区因变量的影响。总效应表示本地自变量对于各地区因变量的总影响。从直接影响来看，环境规制在短期内对本地区碳排放强度的影响在1%的统计水平上显著为正，这与静态空间滞后模型的当期影响不谋而合；长期在1%的统计水平上显著为负，这可能是由于随着碳排放治理压力的逐渐增大，环境问题也得到政府部门的重视。当邻地加大碳排放治理力度时，那么本地会选择跟随与模仿，也相应地强化环境规制，产生一种“竞相向上”现象，从而有助于碳减排。以上结果表明环境规制对于本地碳排放强度的作用大小及方向具有时间异质性，短期为正，长期则为负。从间接影响来看，环境规制在短期内对相邻地区碳排放强度的影响在1%的统计水平上显著为负，长期显著为正。但总体来看，环境规制对碳排放强度的影响在短期内为正，长期则显著为负。这表明随着我国对碳排放治理力度和压力的增加，环境规制最终是有利于碳减排的。

控制变量方面，从直接影响来看，科学技术支出在短期内对碳排放强度的直接影响显著为正，长期内显著为负，这可能是由于技术资金投入产生的成效具有时滞性，一开始投入收不到成效，随着研发的推进，长期内技术得到创新，其对碳排放强度的影响会达到质的变化。对外开放短期内对碳排放强度的直接影响显著为正，长期内显著为负，这可能是由于短期对外开放吸引的外商直接投资直接拉动了经济增长，但是由于对外开放水平较低，并且门槛不高，外商产业投资主要集中在高能耗、低附加值行业，导致其影响显著为正，但是随着对外开放水平和层次的提高，其对于碳排放强度的影响将显著为负。人力资本水平在短期内对本地碳排放强度的直接影响显著为正，长期内显著为负，这也意味着随着我国人力资本素质和水平的提高，其也将有利于我国碳减排的顺利推进。产业结构在短期内对碳排放强度的直接影响显著为正，长期内显著为负，这也意味着我国的产业结构长期来看是有利于碳减排的。从间接影响来看，科学技术支出短期内对相邻地区碳排放强度的影响显著为负，长期内显著为正。同样的，对外开放、人力资本和产业结构短期内对相邻地区碳排放强度的影响显著为负，长期内显著为正。但是从总效应来看，无论是环境规制还是其他控制变量，其对于碳排放强度的影响短期内为正，但是长期内则显著为负。

4 结论与建议

在“双碳”目标的约束之下，碳减排已经成为一项重要的国家战略，但是与其他污染不同，碳排放具有明显的空间外溢性，这就导致传统的计量方法难以科学识别出环境规制对于碳减排的真实影响。本文则采用探索性空间数据分析来研究地区碳排放强度的空间聚集特征，并构建静态和动态空间滞后模型，实证检验空间溢出效应下环境规制对于碳排放强度的具体影响路径。理论研究发现，在空间溢出效应的影响下，环境规制对于碳排放强度的抑制路径具有非线性特征，这种非线性表现为即期影响不显著甚至为负（这是因为地方政府和企业预期环境规制会持续加强，因此会增加当期的产出和污染排放），但是长期则显著为正。经验研究则发现省际碳排放强度之间具有空间正相关性，且呈现稳中有降的趋势，这表明各省份碳排放强度存在明显的空间集聚特征。与此同时，虽然静态空间滞后模型结果显示环境规制对于当期碳排放强度呈现促进作用，但动态空间滞后模型结果则表明环境规制在长期内最终会抑制本地碳排放水平的提高。这说明进一步强化碳减排的目标约束、加强环境规制是有利于我国“双碳”目标顺利实现的。

需要注意的是，环境规制作为一种工具，其最终的效果取决于一系列的外部条件。在不存在空间溢出效应的情况下，中央政府可以通过污染治理结果来考核环境规制的实施情况，此时环境规制一般是有效的。但是在存在显著的空间溢出效应的情况下，污染治理的效果不仅受本地区环境规制的影响，还受邻近地区环境规制的影响，此时环境规制就可能是无效或者低效的。这就提示我们在实施环境规制时，必须要考虑其可能具有的空间外部性。此外，本文动态空间滞后模型的估计结果进一步表明，即使存在空间外溢性，长期来看，只要强化目标约束，将压力切实传导到基层政府，那么环境规制最终也会有利于碳减排。因此，在推进碳减排、实现“碳达峰”和“碳中和”的过程中，应该在切实加强对地方政府碳减排政绩目标考核的同时，赋予地方政府更多的环境规制手段和规制工具，最终发挥出环境规制对于碳减排的积极作用。

具体来说，为更好地发挥环境规制对于碳减排的促进作用，首先，要防止可能存在的短视行为，即地方政府可能会利用空间外溢性的“烟雾弹”在环境规制前期增大碳排放强度，因此，要加强对“规制者”的规制，建议成立“碳排放”督察组，以明察暗访的形式监督地方政府对环境规制尤其是碳减排的落实效果。其次，在考核地方政府碳减排完成效果的过程中，要切实考虑空间外溢的影响，建议以“考核区间”的形式对地方政府碳减排进行激励和约束，可以由专家组在综合考量当地实际和空间外溢效应的基础上设立碳减排的下限，如果地方政府未达到下限，则实行一票否决制，由此提高地方政府推进碳减排的积极性和责任感。最后，随着环境规制实施强度的提高，各地方政府又会在空间溢出效应的影响下加码碳减排的力度，此时中央政府也应该及时调整规制路径，鼓励地方政府将碳减排和区域经济增长有机结合，积极探索绿色低碳的高质量发展模式。