生态文明试点有助于生态全要素生产率提升吗?

来源 :中国人口·资源与环境 | 被引量 : 0次 | 上传用户:yujia599
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
  摘要 生态文明先行示范区与试验区的试点改革是中国加快推进生态文明建设的有益尝试,在优化国土空间格局、调整产业结构、推行绿色循环低碳生产方式、加大生态环境保护力度等方面发挥着指引作用,旨在探索符合中国国情的绿色发展之路。与以往生态文明评价指标的研究成果不同,文章重点关注生态文明试点改革对生态全要素生产率改进的政策效果。将2014年生态文明试点改革视为准自然实验,采用合成控制法构造试点省份的反事实参照组,客观评估生态文明试点政策对地区经济、生态环境和社会效益等的综合影响。基于2005—2018年中国省级面板数据的分析结果表明:①合成分析单元较好地拟合了试点实施之前的发展趋势。②试点改革实施后,福建和贵州两省份的生态全要素生产率的提升幅度很大,但江西省的提升幅度则不明显,这表明福建和贵州省的改革效果在一定程度上要明显优于江西省。③样本通过了安慰剂检验、排序检验和双重差分检验,在统计意义上具有一定的显著性。另外,作者从绿色金融角度分析了生态文明试点政策效果的内在机理:绿色金融通过发挥金融杠杆作用,促使社会资本流入生态产业,从而增强财政资金撬动社会资金参与补齐生态文明建设短板的能力,最终实现经济发展与生态文明建设的互利共赢。最后,文章从环境规制的角度分析了拓展波特假说的可能。总之,研究结果为加快生态文明建设进程提供了理论依据,并针对加快产业结构调整、提升资金配置效率、创新体制机制等方面提出了具体的政策建议。
  关键词 生态文明;生态全要素生产率;合成控制法;绿色金融
  中图分类号 F062.2;F064.1文献标识码 A文章编号 1002-2104(2021)05-0152-11DOI:10.12062/cpre.20200701
  改革开放40年来,中国经济高速增长,城镇化和工业化进程不断加快,取得了举世瞩目的成就。然而伴随着经济的快速发展,也出现了资源浪费、环境污染、生态系统严重退化等问题。大力推行绿色低碳的经济发展方式,改善生态环境,是中国乃至全世界面临的共同选择。自党的十八大以来,生态文明建设与经济、政治、文化、社会一并列入中国特色社会主义“五位一体”总体布局,环境保护与可持续发展意识逐渐加强。为进一步提升绿色发展水平、探索符合中国国情的生态文明发展模式,2014年国家发展改革委、财政部等六部委批准福建、江西、贵州、云南和青海五个省份为省级生态文明先行示范区,之后在此基础上又进一步将福建、江西、贵州三省份确定为生态文明试验区。国家生态文明先行示范区与生态文明试验区是生态文明体制改革的综合实验平台,在优化国土空间开发格局、调整优化产业结构、推行绿色循环低碳生产方式、创新体制机制、加大生态建设和环境保护力度等方面发挥着引领带头作用,旨在推动和促进生态文明建设先行先试,形成可复制、可推广的改革经验。那么经过近几年的改革探索,试点地区的生态环境是否得到了改善?经济效果究竟如何?绿色发展水平又是否得到提升了呢?这些问题亟待理论界对生态文明试点的政策效果与内在机理进行科学评判。虽然,以往学者从生态文明建设、生态文明试点地区等角度开展研究,但大多基于理论层面或仅以某一地区评价为主,运用科学评估方法进行定量与比较分析的文献较少。因此,作者旨在弥补上述研究的不足。
  近几年,在政策评估领域,倾向得分匹配法、双重差分法等评价方法越来越受到国内外学者的广泛关注。然而,这要求实验组和控制组在政策干预之前是可比的,但由于不同样本之间存在着先天性差异,这一要求很难得到满足,故容易导致政策的评估结果出现偏差。为克服上述研究方法的不足,Abadie等[1]提出一种新的政策评估方法,即合成控制法。该方法通过加权平均为每一个政策干预单元构造“反事实”的合成控制单元,模拟干预单元在不进行干预情况下的“反事实”结果,以此对比政策的实施效果。目前,已有部分国外学者运用合成控制法研究政治、公共政策等问题[2-3]。与此同时,该方法也受到国内学者的广泛关注,用来研究房产税试点、区域扩容、自贸区试点等政策评估问题[4-7]。
  鉴于此,研究拟运用合成控制法研究生态文明试点地区的政策效果。具体地,选取2005—2018年中国30个省份数据为初始样本,考虑到福建、贵州、江西两次被列为生态文明试点省份,试点经验较为丰富,故尝试将上述3个试点省份作为实验组,其余27个非试点省份作为控制组,科学评估生态文明试点省份的政策效果,并进一步分析其内在机制。文章的研究贡献主要体现在:①在研究方法上,研究创新性地运用合成控制法评估生态文明绩效,在一定程度上丰富了该领域的定量研究范畴。②在环境规制、绿色金融、技术创新等相关文献的基础上,从绿色金融促进生态文明建设角度出发,进一步分析了试点地区政策效果的内在机理,从而为提升生态文明建设水平提供有益探索。
  1理论基础
  1.1生态文明的演变
  1995年,美国学者Morrison[8]正式提出“生态文明”概念,并将其定义为工业文明之后的一種文明形式。国外学者对于生态文明的研究主要从基础理论、概念内涵等方面展开研究[9-10]。相比国内来讲,国外鲜有对生态文明评价的研究,但对于生态环境、可持续发展等评价研究较为丰富。Wackernagel等[11]提出的生态足迹理论,被广泛用于评价生态承载力、生态可持续性研究等。联合国可持续发展委员会基于“驱动力-状态-响应”模型,从经济、制度、环境和社会四个角度构建了可持续发展评价指标体系。尽管上述研究没有明确提到生态文明,但在要素选取和指标设计等方面对中国生态文明建设提供了很好的借鉴意义。
  在中国,生态文明最早由学者叶谦吉于1987年提出。之后学术界开始生态文明的广泛研究,一方面从不同维度对生态文明内涵进行解读,主要包括以下几点:①生态文明的本质属性和概念内涵研究[12-14];②生态文明建设的逻辑基础与有效路径[15-16];③生态文明建设指标的构建与测评[17-18]。另一方面从社会系统维度解读生态文明,如马世骏和王如松[19]首次提出“社会-经济-自然复合生态系统”理论,为生态文明融入经济、政治、文化、社会各方面和全过程的“五位一体”思路奠定了科学的理论基础。在评价体系方面,伴随着《绿色发展指标体系》与《生态文明建设目标评价考核办法》的出台,生态文明建设的绩效评价研究与日俱增,基本涵盖了省域、市域、生态文明建设示范区、农业、林业等,其评价指标通常由多个分级指标加权平均构成,但多数指标目标定位失之偏颇,偏离了生态文明的本质属性,导致无法科学准确地评判地区的生态文明建设水平[20-21]。   1.2生态文明试点的政策评价研究
  自实施生态文明先行示范区与生态文明试验区以来,已有部分学者针对试点地区开展了政策评价研究。如施生旭[22]从生态经济、生态社会、生态环境、生态文化与生态制度等五个方面探索了生态文明先行示范区建设的实施路径,并构建了相应的评价体系,最后以试点省份福建作为研究样本进行实证分析。刘亦晴等[23]比较了福建、贵州和江西三个生态文明试验区在资源储备、环境治理、文化建设、财政金融等方面的差异,在此基础上探讨了江西生态文明试验区建设的具体思路。张董敏等[24]运用准实验研究方法,将生态文明先行示范区的农村视为实验组,普通地区农村视为对照组,研究不同地区农村生态文明的建设水平,研究结果表明示范区农村的生态文明水平显著高于普通区。游建民等[25]结合绿色制造内涵与生态文明试验区试点经验,以试点省份贵州为例,对试验区绿色制造绩效的影响因素进行实证研究,并解释了产业结构优化、城镇化水平、外商直接投资等因素对绿色绩效的影响。综上所述,虽然已有部分学者针对生态文明试点效果展开研究,但多以单一地区评价为主,缺乏多地区之间的比较分析与定量研究。
  1.3全要素生产率及其发展
  一直以来,生产率都是经济学研究的永恒话题,即如何充分利用劳动、资本、土地等有限资源使产出或效用达到最优。索洛增长理论学派指出,生产效率是指剔除资本与劳动等投入要素之外的技术进步率,由此得出的索洛余值也就是全要素生产率,其主要来源于效率改善、技术进步和规模效应。国内外学者在测算全要素生产率时通常采用索洛余值法、随机前沿分析法和数据包络分析法[26-29]。全要素生产率多用来衡量国家或地区间的经济增长水平,但该指标仅将资本、劳动作为投入要素,而忽视了环境因素对产出的影响。
  因此,学术界开始将环境因素纳入到生产效率或全要素生产率的研究中,主要有两种方式:第一种是借鉴Korhonen等[30]对负产出的处理方法,将环境污染作为投入变量,但这种做法不符合实际生产过程。第二种是将环境污染作为非期望产出处理[31],利用SBM方向性距离函数考虑其对经济增长的消极影响,但该方法易存在“不可行解”的问题,仍需不断完善。
  伴随着绿色发展理念的盛行,国内外学者对绿色全要素生产率的研究也如雨后春笋般接踵而至。在宏观层面,黄秀路等[32]、高赢[33]基于SBM-DDF的Luenberger生产率指数,运用跨国面板数据测度并分析了“一带一路”沿线国家绿色全要素生产率的时空特征及其影响因素。齐绍洲等[34]运用SBM模型测算了“一带一路”沿线国家的绿色全要素生产率,并在此基础上研究了贸易开放对绿色全要素生产率提升的有效路径。在中微观层面,众多学者以不同省份、不同地级市以及不同行业企业为样本对绿色全要素生产率展开研究[35-38],之后有学者进一步探究了环境规制、外商直接投资、城镇化、绿色金融、产业集聚等因素对其的现实影响[39-42]。
  随着经济全球化的形成,经济发展与生态保护并重的全球意识日渐增强,国内外学者对生态效率和全要素生产率做了更深层次的研究,并逐渐出现了以全要素生态效率为测度指标的研究成果[43-46]。自党的十八大以来,生态文明建设与经济、社会、文化、政治建设被一并纳入“五位一体”总体布局,上升至国家发展战略高度,生态环境意识深入人心。部分学者[47-48]开始将生态因素纳入全要素生产率的框架中,由此得到的指标同样是对全要素生产率的绿色演绎,也是对可持续发展与生态文明建设背景下的绿色经济增长赋予新的时代意义。
  自此,全要素生产率研究已经从理论思考拓展至定量研究,从“纯粹的经济导向”转向“经济与生态环境并存导向”,为新时代中国的生态文明建设提供了多维视角和丰富经验。文章所涉及的,正是尝试将全要素生产率置于生态文明视角下构建基于生态环境的生态全要素生产率指标,并以此评估生态文明试点改革的政策效果。
  2研究设计
  生态全要素生产率的高低是判断生态文明建设试点改革是否有效的重要参考之一。给定K+1个省份在t∈[1,T]期内的样本数据,其中YNit表示第i∈[1,K+1]个省份在时间t上不进行试点改革的效率;YIit表示第i个省份在时间t上进行试点改革时的效率。假设第i个省份在时点t=T0被批准为试点改革省份,则[1,T0]期内该省份的生态全要素生产率不受试点的影响,即YIit=YNit;批准试点后,在[T0+1,T]期内,令eit=YIit-YNit表示改革试点给第i个省份在时间t所带来的生态全要素生产率的变化。对于试点省份,我们可以观测到,但假如目标省份未进行试点时的数据是無法观测到的。因此,借鉴Abadie等[2]研究中提出的模型:
  式(1)中的δt表示影响所有地区生态全要素生产率的时间固定效应,Zi是可观测到(r×1)维协变量,代表不受试点影响的控制变量;θt是(1×r)维未知参数向量,λt是(1×F)维无法观测到的公共因子向量,μi是(F×1)维不可观测的省份固定效应,εit是不能观测的短期冲击,假设在省份水平上满足均值为0。
  从某种程度讲,式(1)是对传统双重差分模型的拓展。传统的双重差分模型允许存在无法观测到的其他因素,但其处理效应不随时间改变,即λt为常数。在式(1)中,设定λt不为常数,使得无法观测的因素随时间改变,取时间差不会消除混杂因素,从而在更广泛的领域提供更有效的估计。
  通常情况下,如果试点之前的时间段相对于试点之后的时间范围较长,式(4)右边的均值将趋于0。因此,在[T0+1,T]期内,可将∑K+1k=2w*kYkt作为YN1t的无偏估计量,由此得到干预效应的估计值:
  3实证检验
  3.1数据来源
  基于数据可得性,文章选取2005—2018年中国30个省份数据为初始样本(研究未涉及西藏、台湾、香港和澳门地区),所需数据均来源于《中国统计年鉴》《中国环境年鉴》《中国国土统计年鉴》《中国能源统计年鉴》及各省份统计年鉴。如前文所述,文章将福建、江西和贵州作为试点省份,其余27个省份作为非试点省份。   3.2变量说明
  生态文明是一项贯穿经济、政治、社会、文化和生态环境各方面和全过程的系统工程。其中经济、社会和环境相辅相成,构成生态文明建设的核心和主体,而政治制度和文化意识又是生态文明建设的重要保障。从现有文献来看,由于文化和政治维度的指标数据较难获取,多数学者主张以经济效益或环境效益作为评价的主要指标,但由此得到的指标缺乏科学性与准确性。因此,文章根据生态文明建设的目标,在不失科学性与可比性原则并充分考虑指标可测性的基础上,借鉴王耕等[48]和柴琪宸等[49]基于“自然-经济-社会”复合生态系统理论和生态文明建设目标构建的效率指标,以自然资源消耗(能源、水资源、土地)、勞动力投入(三大产业劳动力就业总数)、资本投入资本存量,文章采用以2005年为基期的资本存量,运用永续盘存法,以10.96%的折旧率进行计算,计算过程参考单豪杰[50]的算法。作为投入指标,以地区生产总值和社会效益社会效益根据生态文明内涵和建设目标构建基于人民生活福祉的指标体系,从人居环境和生活质量界定社会效益指标,采用熵值法计算社会效益指标值。其中,人居环境指标主要涉及城市人口密度、人均公园绿地面积、人均城市道路面积、清扫保洁面积、工业污染治理投资;生活质量指标主要涉及人均GDP、城镇(农村)恩格尔系数、城镇(农村)人均教育文化娱乐支出费用、高等学校本专科授予学位数、每万人拥有卫生技术人员数、卫生机构床位数。作为期望产出,以环境污染指数环境污染指数主要涉及二氧化硫排放量、烟(粉)尘排放量、废水排放量、COD排放量,同样采用熵值法计算。作为非期望产出,运用MaxDEA软件对考虑非期望产出的超效率SBM模型进行效率测算,由此得到的指标本文命名为生态全要素生产率,即生态文明背景下的全要素生产率指标,并将其作为结果变量。以首次将福建、贵州和江西纳入改革试点地区的时间(2014年)作为政策起始年份。
  为了考虑合成控制对象的拟合效果及结果的稳健性,参考以往有关绿色全要素生产率或生态效率的文献并选择部分影响因素作为模型的预测变量[39-42,51-52],主要包括城镇化、产业结构、技术创新、外资利用、人均GDP和环境规制强度,其指标解释如下:①城镇化:城镇人口占总人口的比重;②产业结构:第二产业增加值占地区生产总值的比重;③技术创新:各省份专利授权量;④外资利用:外商投资额占地区生产总值的比重;⑤环境规制强度来源于各省份统计年鉴披露的指标数据。
  3.3实证结果分析
  虽然福建、贵州、江西三省份同一时间纳入生态文明建设试点,但由于先天的地理优势、生态环境及经济发展水平不同,三个省份在生态文明建设转型升级路径等方面存在差异。但这一差异并不会影响政策评估结果的稳健性,因为文章不采取将多个处理组混合研究的方法,而是分别构造福建、贵州和江西的合成控制省份。
  图1a、图1b、图1c分别代表了福建、贵州、江西的实际与合成的生态全要素生产率趋势图,其中垂直虚线代表试点省份的起始年份。考虑到生态全要素生产率这一综合指标是由众多小指标加权构成,其指标选取上存在一定的主观性且样本时间跨度较短,故趋势图呈现一定的波动性。但从整体来看,试点之前的实际与合成路径呈现某种相同的趋势,说明合成分析单元较好地拟合了试点实施之前各地区的生态文明建设情况。试点实施之后,福建和贵州两个地区的生态全要素生产率有了大幅度提升,能较好的发挥试点效应且效果显著;江西省虽然在试点年份之后也有所改善,但效果不明显。经查阅有关资料,刘亦晴等[53]运用EPS数据库、中国城乡数据库、国家生态文明建设评价报告等相关数据,对福建、贵州、江西三个生态文明试验区在绿色资源储量、财政金融基础、生态环境治理、乡镇生态文明建设、生态文明制度建设以及生态文明宣传教育六个方面进行了横向比较,得出相比福建和贵州,江西的生态文明试点虽然在绿色资源储量上略有优势,但在其他五个方面还存在许多不足,在创新绿色金融和强化生态文明建设投融资机制层面更是有所欠缺。另外,由于生态文明建设过程极其复杂且试点时间较短,因此,对江西省来讲,试点效果还有待检验。综合上述因素,作者在接下来的稳健性检验中仅对福建和贵州两个省份的试点效应做进一步阐述。
  为了更加具体地分析试点政策为福建和贵州生态文明发展带来的显著影响,文章进一步分析了试点实施之后,目标单元与合成单元的结果差异。总体来讲,目标单元的实际值与合成值之间的差异明显,即试点省份的生态全要素生产率在2014年之后有显著提升,详见图2a、2b。这主要源于福建和贵州自生态文明试点以来在体制机制创新、绿色环境治理、生态产业转型升级等方面所做的有益尝试。以福建为例,作为国家首批生态文明试点省份,共实施38项生态文明体制机制创新、制度改革方案,其中22项改革成果在全国推广[54]。在创新投融资机制方面,以生态文明PPP为切入点,带动社会资本流入生态产业链,有效提升了生态治理效率。同时,针对林农的林权分散,抵押贷款难、权益变现周期长等瓶颈问题,政府同金融机构提出贷款需求,并成立相应的中介组织提供担保,极大地解放了林区林农的生产力。贵州省虽属于西部欠发达地区,但作为西部地区生态文明试点建设的核心关键,坚持发展生态利用型、循环高效型、低碳清洁型、环境治理型等绿色经济,“四型”产业占比预计2020年将达到50%(数据来源:东方财富网,国家生态文明试验区建设“贵州经验”探析)。同时,贵州省在五级河长制、生态保护红线、排污权有偿使用、污染第三方治理等方面也取得了良好的试点效果。
  3.4稳健性检验一:安慰剂检验
  为验证实证结果的有效性,分析生态全要素生产率差异主要是由试点政策的影响而非某些未观测到的外在因素,例如有关生态环境的其他政策。文章借鉴Abadie等[2]在稳健性检验中的安慰剂检验方法,假设对一个在特定年份没有进入试点的省份进行同样的分析,如果发现该省份的生态全要素生产率与其合成省份之间有显著差异,并且与福建或贵州的变化情况类似,则说明合成控制法并没有提供一个有力的证据来说明试点政策对生态全要素生产率的影响。   根据权重最大化原则,我们选择江苏作为福建的替代样本,选择云南作为贵州的替代样本,分别进行合成比较,结果如图3a、3b所示。我们可以看到,在试点年份前后,江苏和云南的实际生态全要素生产率变化并不明显,与图1相比,这种波动的幅度都相对小。因此,这进一步证明了生态文明试点改革影响了福建和贵州的生态全要素生产率,而不是其他共同的偶然因素。
  3.5稳健性检验二:排序检验
  为进一步增强研究结论的有效性,文章将依旧采用Abadie等[2]提出的一种类似于统计中秩检验的排序检验方法,以判断是否还有除试点省份之外的其他省份出现类似的情况,其出现的概率有多大。具體地,假设所有控制组省份在2014年开始进行生态文明试点改革,使用合成控制法构造相应省份的合成控制单元,比较试点省份真实情况下产生的效果与控制组省份假设情况下产生的效果。
  如果两者之间存在明显差异,那么在一定程度上说明试点政策效果显著。该检验方法要求政策实施之前试点省份与其合成控制省份具备良好的拟合效果,如果某省份在试点之前的拟合效果不佳,即RMSPERMSPE(RootMeanSquarePredictionError,均方预测误差的平方根)衡量了一个地区与其合成控制对象之间的拟合程度。值较大,即使后期表现出明显的差异,也不能反映该试点政策的真实效果。
  因此,文章借鉴相关研究,剔除了2014年之前RMSPE值超过试点省份RMSPE值2倍的省份,图4a、4b展示了排除上述省份后的差值分布。其中图4a代表福建与其他省份的生态全要素生产率差异曲线,黑色实线代表福建的预测误差,灰色虚线代表其他省份的预测误差。由图可知,黑色实线位于大多数灰色虚线之上,从统计学的角度来讲,只有2/22,即9%的概率出现福建省这种情况,这类似于统计推断中的显著性水平,因此,可以认为福建的生态全要素生产率提升在10%的水平上是显著的。类似地,贵州省与其他省份的生态全要素生产率差异曲线如图4b所示。同福建相比,贵州的差异更明显一些,其黑色实线全部位于灰色虚线之上,在5%的显著性水平上通过检验。
  3.6稳健性检验三:双重差分检验
  双重差分是目前政策评估领域应用较多的准实验研究方法,其基本原理同样是将样本区分为受政策影响的处理组和不受政策影响的控制组,进而运用反事实思维将处理组与控制组进行对比从而得出政策效果。文章为进一步验证生态文明试点政策的实施效果,将运用双重差分模型再次对试点省份进行检验。具体地,将试点省份划分为处理组,非试点省份划分为控制组,政策实施点即为2014年。因此,双重差分的基准模型可表示如下:
  其中,Treatment为政策虚拟变量;After为时间虚拟变量;系数β3则代表了政策实施对处理组的净效果。具体回归结果如表1所示。
  表1结果显示,Treatment×After交互项系数显著为正,这表明生态文明试点政策的实施显著提升了试点省份的生态全要素生产率,与前面运用合成控制法得到的估计结果相一致,但公式(6)由于只能用来评估政策的平均处理效果,不能反映政策实施前后时间上的动态差异,因此借鉴范子英等[55]的做法,对生态文明试点政策的动态效果做进一步检验,具体模型和估计结果如下所示:
  表2的动态效应结果显示,生态文明试点实施前几年(如2010—2013年)的交互项系数不显著,而实施后几年则显著表现为正(仅2015年不显著,可能存在一定的滞后效应),这进一步验证了前面结果的可靠性,使研究结论更具说服力。
  4进一步分析
  上述实证结果表明,生态文明试点在一定程度上显著提升了试点省份的生态全要素生产率,但试点政策是如何发挥作用的?其内在的作用机制是什么?这些问题需进一步探讨。近年来,为应对能耗增加和环境污染问题,国内外大力倡导发展绿色金融,其目的是运用金融杠杆的手段来弥补生态保护的资金缺口。据央行测算,“十三五”时期我国为发展绿色经济每年需投入约3%的GDP(超过2万亿元),而政府财政仅能提供10%~15%的资金需求。
  此外,政府投资易存在投资效率低下、投资结构不合理等问题。因此,政府在环境污染治理中要逐渐向“元治理”的角色转变,积极与金融机构开展绿色项目,探索绿色金融促进生态文明建设提升的有效路径。
  1995年以来,国家发布了《关于运用绿色信贷促进环保工作的通知》《关于贯彻信贷政策与环保工作的通知》等一系列政策文件,对金融支持生态文明建设实践指明了方向。2015年,国务院发布的《生态文明体制改革总体方案》明确提出建立绿色金融体系,推广绿色信贷,相关部门采取财政贴息等方式加大扶持力度,鼓励各类金融机构加大绿色信贷的工作力度等。2017年,十九大报告强调积极发展绿色金融,建立健全绿色和低碳经济发展制度,从多方面引导资金流向节能环保、低碳绿色等生态产业,促进经济高质量发展。生态文明建设的主要目标是改变工业文明时期重经济增长、轻环境保护的传统发展方式,将环境资源与经济资源有效匹配,提高资源配置效率。然而,现实需要政府和金融机构在推动稳增长、调结构、促改革的过程中,积极重视相关产业的资金配置绩效,大力开展绿色金融,从而增强财政资金撬动社会资金参与补齐生态文明建设短板的能力,进一步促进经济结构的绿色转型。例如,中国人民银行在落实新发展理念的基础上,将绿色金融确定为当前以及“十四五”时期的一项重点工作,在货币政策方面,通过优惠利率、绿色专项再贷款等支持工具,激励金融机构为碳减排提供资金支持;在完善标准体系方面,修订《绿色债券支持项目目录》,删除化石能源相关内容,共同推动绿色分类标准的国际趋同,更好地服务碳达峰、碳中和目标,从而加快推进生态文明整体布局优化。在生态文明建设试点地区的实施意见中,同样也提出了绿色金融加快生态文明改革的重要举措,并且在前文也阐明了绿色金融、投融资机制等在生态文明建设中所发挥的重要作用。   现阶段,由于生态产业具有的“强位弱势”特质和产业项目的前期投入高、项目回收期长以及潜在风险高等特点,导致多数项目难以获取一般性商业贷款而形成一种融资约束状态。然而,绿色金融体系规模的扩大有望缓解生态产业所面临的融资约束问题,是银行业服务实体经济、助力经济绿色转型、支持生态文明建设的重要举措。其中,绿色信贷作为绿色金融的主要实现形式,发挥着越来越重要的作用。人民银行发布的《中国绿色金融发展报告2018》显示,生态文明建设制度背景下,我国绿色信贷规模稳步推进,2017年6月末,我国节能环保项目和服务贷款预计每年可节约标准煤2.15亿t,减排化学需氧量283.45万t、二氧化硫464.53万t、氮氧化物313.11万t,节水7.15亿t,环境效益显著(数据来源:银监会)。2013年末至2018年末,我国21家主要银行机构绿色信贷余额由5.2万亿元增长至9.66万亿元。其中,投向绿色交通运输项目和可再生能源及清洁能源项目贷款余额分别为3.83万亿和2.07万亿,同比分别增长18.1%和12.7%,合计占绿色贷款余额的71.6%;全年分别增加5858亿和2337亿,合计占同期绿色贷款增量的72.7%。绿色贷款等金融工具通过在信贷领域建立环境准入门槛,对高耗能、高污染行业限制发放贷款,倒逼企业进行产业结构调整,进而促进生态创新与经济发展[56-58]。因此,探索如何发挥金融杠杆带动社会资本流入生态产业成为构建绿色金融的有效着力点,并进而提升生态文明建设水平,其基本逻辑如图5所示[59]。但总体来讲,文章在内在机制探讨部分仍存在一定的局限性,毕竟生态文明建设过程极具复杂与多样性,作者只是将绿色金融这一重要的投融资机制作为分析重点,后续研究还有待完善。
  5结论与启示
  文章基于2005—2018年省级面板数据,采用合成控制法构造了试点省份的反事实参照组,以此对比试点改革的实施效果,同时样本通过了安慰剂检验、排序检验和双重差分检验,在统计意义上具有一定的显著性。如前文所述,由于生态全要素生产率指标是由众多小指标加权构成,其指标选取存在一定的主观性且样本时间跨度较短,故趋势图呈现一定的波动性,这也是文章的局限性所在。但总体来看,合成分析单元较好地拟合了试点实施之前的发展趋势。试点实施之后,福建和贵州两个省份的生态全要素生产率有了大幅提升,在一定程度上解释了试点改革的政策效果。江西省虽然在试点年份之后也有所改善,但效果不明显,文章在实证分析部分对此进行了原因阐述。最后,文章从绿色金融角度对生态文明试点改革的政策效果作了进一步剖析,其内在机理表现为:绿色金融通过发挥金融杠杆作用,带动社会资本流入生态产业,为生态产业链注入资金、技术、人才、信息等,促使其研发投入增加,产业结构优化升级,从而实现经济发展与生态文明建设的互利共赢。除此之外,作者认为将生态文明试点政策与环境规制联系起来,从环境规制影响生态创新进而影响生态文明建设的角度拓展波特假说的理论范畴,以此作为未来研究的重要补充[60-62]。
  基于现有指标评价体系与实证分析结果,文章提出以下政策建议:①加快产业结构调整[63]。有针对性的制定产业扶持政策,引导传统产业改造升级,在保证工业高质量发展的同时,积极推进服务业、旅游业等第三产业的发展。②提高资金配置效率[64-66]。政府部门与金融机构应当充分发挥绿色信贷、绿色债券、绿色环保基金等新一代金融产品在改善生态产业融资约束中的作用,提升财政资金与社会资金的协同治理水平。③创新体制机制。各部门要健全生态环境保护的法律法规,提高项目准入门槛,加大对破坏生态环境行为的惩罚力度,坚持以人为本的理念,健全医疗卫生、劳动就业等基本公共服务体系等。综上所述,文章的研究结论在一定程度上为加快推进生态文明建设提供了理论与实践上的参考。
  参考文献
  [1]ABADIEA,GARDEAZABALJ.Theeconomiccostsofconflict:acasestudyoftheBasqueCountry[J].TheAmericaneconomicreview,2003,93(1):113-132.
  [2]ABADIEA,DIAMONDA,HAINMUELLERJ.Syntheticcontrolmethodsforcomparativecasestudies:estimatingtheeffectofCalifornia’stobaccocontrolprogram[J].JournaloftheAmericanStatisticalAssociation,2010,105(6):493-505.
  [3]PEPITAB,MARTINM,SANJAYB,etal.ImpactoftheNorthAmericanFreeTradeAgreementonhigh-fructosecornsyrupsupplyinCanada:anaturalexperimentusingsyntheticcontrolmethods[J].CanadianMedicalAssociationjournal,2017,189(26):881-887.
  [4]刘甲炎,范子英.中国房产税试点的效果评估:基于合成控制法的研究[J].世界经济,2013,36(11):117-135.
  [5]苏治,胡迪.通货膨胀目标制是否有效:来自合成控制法的新证据[J].经济研究,2015,50(6):74-88.
  [6]刘乃全,吴友.长三角扩容能促进区域经济共同增长吗[J].中国工业经济,2017(6):79-97.
  [7]韩瑞栋,薄凡.自由贸易试验区对資本流动的影响效应研究:基于准自然实验的视角[J].国际金融研究,2019(7):36-45.
  [8]MORRISONR.Ecologicaldemocracy[M].Boston:SouthEndPress,1995.   [9]ULRICHB.Beyondgreencapitalism:social-ecologicaltransformationandperspectivesofaglobalgreen-left[J].Fudanjournalofthehumanitiesandsocialsciences,2016,9(1):101-105.
  [10]BELLAMYFOSTERJ.Theearth-systemcrisisandecologicalcivilization:aMarxianview[J].Internationalcriticalthought,2017,7(4):59-61.
  [11]WACKERNAGELM,REESW.Ourecologicalfootprint:reducinghumanimpactontheearth[M].GabriolaIsland:NewSocietyPublishers,1996.
  [12]申曙光.生态文明及其理论与现实基础[J].北京大学学报(哲学社会科学版),1994(3):31-37.
  [13]廖曰文,章燕妮.生态文明的内涵及其现实意义[J].中国人口·资源与环境,2011,21(S1):377-380.
  [14]黄勤,曾元,江琴.中国推进生态文明建设的研究进展[J].中国人口·资源与环境,2015,25(2):111-120.
  [15]谷树忠,胡咏君,周洪.生态文明建设的科学内涵与基本路径[J].资源科学,2013,35(1):2-13.
  [16]张智光.生态文明阈值和绿值二步测度:指标-指数耦合链方法[J].中国人口·资源与环境,2017,27(9):212-224.
  [17]成金华,李悦,陈军.中国生态文明发展水平的空间差异与趋同性[J].中国人口·资源与环境,2015,25(5):1-9.
  [18]田时中,丁雨洁.长三角城市群绿色化测量及影响因素分析:基于26城市面板数据熵值-Tobit模型实证[J].经济地理,2019,39(9):94-103.
  [19]马世骏,王如松.社会-经济-自然复合生态系统[J].生态学报,1984(1):1-5.
  [20]龙亮军.中国主要城市生态福利绩效评价研究:基于PCA-DEA方法和Malmquist指数的实证分析[J].经济问题探索,2019(2):69-79.
  [21]刘凯,吴怡,陶雅萌,等.中国省域生态文明建设对碳排放强度的影响[J].中国人口·资源与环境,2019,29(7):50-56.
  [22]施生旭.生态文明先行示范区建设的水平评价与改进对策:福建省的案例研究[J].东南学术,2015(5):67-73.
  [23]刘亦晴,张建玲.比较视角下江西生态文明试验区建设研究:基于福建、江西、贵州三个首批生态文明试验区的比较[J].生态经济,2018,34(10):214-220.
  [24]张董敏,齐振宏.农村生态文明水平评价指标体系构建与实证[J].统计与决策,2020,36(1):36-39.
  [25]游建民,张伟.国家生态文明试验区绿色制造绩效评价及影响因素研究:以贵州为例[J].贵州社会科学,2018(12):120-128.
  [26]LINBQ,LONGHY.AstochasticfrontieranalysisofenergyefficiencyofChina’schemicalindustry[J].Journalofcleanerproduction,2015,87(1):235-244.
  [27]CHENL,JIAGZ.EnvironmentalefficiencyanalysisofChina’sregionalindustry:adataenvelopmentanalysis(DEA)basedapproach[J].Journalofcleanerproduction,2017,142(1):846-853.
  [28]崔元硕,黄昊,张琼.全要素生产率中的加成定价与规模报酬效应[J].数量经济技术经济研究,2017,34(10):128-143.
  [29]胡亚茹,陈丹丹.中国高技术产业的全要素生产率增长率分解:兼对“结构红利假说”再检验[J].中国工业经济,2019(2):136-154.
  [30]KORHONENP,LUPTACIKM.Eco-efficiencyanalysisofpowerplants:anextensionofdataenvelopmentanalysis[J].Europeanjournalofoperationalresearch,2004,154(2):437-446.
  [31]TONEK.DealingwithundesirableoutputsinDEA:aslacks-basedmeasure(SBM)approach[C]//ProceedingsoftheNorthAmericanProductivityWorkshop.Toronto,Canada,2004:44–45.
  [32]黄秀路,韩先锋,葛鹏飞.“一带一路”国家绿色全要素生产率的时空演变及影响机制[J].经济管理,2017,39(9):6-19.
  [33]高赢.“一带一路”沿线国家低碳綠色发展绩效研究[J].软科学,2019,33(8):78-84.
  [34]齐绍洲,徐佳.贸易开放对“一带一路”沿线国家绿色全要素生产率的影响[J].中国人口·资源与环境,2018,28(4):134-144.   [35]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,2009,44(4):41-55.
  [36]匡远凤,彭代彦.中国环境生产效率与环境全要素生产率分析[J].经济研究,2012,47(7):62-74.
  [37]XINBG,QUYM.Effectsofsmartcitypoliciesongreentotalfactorproductivity:evidencefromaquasi-naturalexperimentinChina[J].Internationaljournalofenvironmentalresourcepublichealth,2019,16(13):2396.
  [38]FENGYJ,ZHONGSY,LIQY,etal.Ecologicalwell-beingperformancegrowthinChina(1994-2014):fromperspectivesofindustrialstructuregreenadjustmentandgreentotalfactorproductivity[J].Journalofcleanerproduction,2019,236(11):117556.
  [39]陈阳,唐晓华.制造业集聚对城市绿色全要素生产率的溢出效应研究:基于城市等级视角[J].财贸研究,2018,29(1):1-15.
  [40]傅京燕,胡瑾,曹翔.不同来源FDI、环境规制与绿色全要素生产率[J].国际贸易问题,2018(7):134-148.
  [41]谢贤君.要素市场扭曲如何影响绿色全要素生产率:基于地级市经验数据研究[J].财贸研究,2019,30(6):36-46.
  [42]余泳泽,容开建,苏丹妮,等.中国城市全球价值链嵌入程度与全要素生产率:来自230个地级市的经验研究[J].中国软科学,2019(5):80-96.
  [43]LIJL,LINBQ.Ecologicaltotal-factorenergyefficiencyofChina’sheavyandlightindustries:whichperformsbetter?[J].Renewableandsustainableenergyreviews,2017,72(5):83-94.
  [44]XINGZC,WANGJG,ZHANGJ.Total-factorecologicalefficiencyandproductivityinYangtzeRiverEconomicBelt,China:anon-parametricdistancefunctionapproach[J].Journalofcleanerproduction,2018,200(11):844-857.
  [45]閆明喆,李宏舟,田飞虎.中国的节能政策有效吗:基于SFA-Bayes分析框架的生态全要素能源效率测定[J].经济与管理研究,2018,39(3):89-101.
  [46]李姣,周翠烟,张灿明,等.基于生态足迹的湖南省洞庭湖生态经济区全要素生态效率研究[J].经济地理,2019,39(2):199-206.
  [47]李兰冰.中国能源绩效的动态演化、地区差距与成因识别:基于一种新型全要素能源生产率变动指标[J].管理世界,2015(11):40-52.
  [48]王耕,李素娟,马奇飞.中国生态文明建设效率空间均衡性及格局演变特征[J].地理学报,2018,73(11):2198-2209.
  [49]柴琪宸,郭亚军,宫诚举,等.中国省域生态文明建设协调发展程度的综合评价[J].中国管理科学,2017,25(7):184-190.
  [50]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.
  [51]王恕立,王许亮.服务业FDI提高了绿色全要素生产率吗:基于中国省际面板数据的实证研究[J].国际贸易问题,2017(12):83-93.
  [52]郑强.城镇化对绿色全要素生产率的影响:基于公共支出门槛效应的分析[J].城市问题,2018(3):48-56.
  [53]刘亦晴,张建玲.比较视角下江西生态文明试验区建设研究:基于福建、江西、贵州三个首批生态文明试验区的比较[J].生态经济,2018,34(10):214-220.
  [54]钟自炜.生态福建交出绿色答卷[N].人民日报,2018-08-13(14).
  [55]范子英,彭飞,刘冲.政治关联与经济增长:基于卫星灯光数据的研究[J].经济研究,2016,51(1):114-126.
  [56]黄建欢,吕海龙,王良健.金融发展影响区域绿色发展的机理:基于生态效率和空间计量的研究[J].地理研究,2014,33(3):532-545.
  [57]谢婷婷,刘锦华.绿色信贷如何影响中国绿色经济增长?[J].中国人口·资源与环境,2019,29(9):83-90.
  [58]丁杰.绿色信贷政策、信贷资源配置与企业策略性反应[J].经济评论,2019(4):62-75.
  [59]陈经伟,姜能鹏,李欣.“绿色金融”的基本逻辑、最优边界与取向选择[J].改革,2019(7):119-131.
  [60]WANGY,SUNX,GUOX.Environmentalregulationandgreenproductivitygrowth:empiricalevidenceontheporterhypothesisfromOECDindustrialsectors[J].Energypolicy,2019,132(9):611-619.
  [61]任小静,屈小娥.我国区域生态效率与环境规制工具的选择:基于省际面板数据实证分析[J].大连理工大学学报(社会科学版),2020,41(1):28-36.
  [62]董杨.生态文明建设视阈下农业环境规制的投资效率问题研究[J].宏观经济研究,2020(5):118-129,175.
  [63]李晓萍,张亿军,江飞涛.绿色产业政策:理论演进与中国实践[J].财经研究,2019,45(8):4-27.
  [64]王艳丽,类晓东,龙如银.绿色信贷政策提高了企业的投资效率吗:基于重污染企业金融资源配置的视角[J].中国人口·资源与环境,2021,31(1):123-133.
  [65]秦昌才,韦洁成.山东省城市生态文明综合评价研究[J].经济与管理评论,2018(2):153-161.
  [66]刘锡良,文书洋.中国的金融机构应当承担环境责任吗:基本事实、理论模型与实证检验[J].经济研究,2019,54(3):38-54.
  (责任编辑:于杰)
其他文献
An in situ groundwater remediation process,termed EGCW,was developed in this study by integrating in-well groundwater electrolysis into groundwater circulation
摘要 大气污染,特别是细颗粒物(PM2.5)污染,对人类生产生活造成极大负面影响,是全球共同关注的热点问题,也是我国社会经济高质量发展所面临的巨大考验。环境吸收能力是大气环境系统自身结构与功能健康的保障,对人类在生产生活过程中产生的大气污染物的自动容纳、吸收和消化等作用不容忽视。了解环境中各要素对PM2.5的吸收能力,深入探索环境吸收能力对PM2.5浓度的影响,对开拓大气污染治理新思路有重要意义。
文章通过梳理中国21世纪以来劳动力迁移新特征和政策演变,综述影响劳动力迁移决策的因素.结果 显示,尽管决定微观个体劳动力迁移决策的因素较多且各不相同,现有研究主要关注
The existing intelligent fault diagnosis techniques of bevel gear focus on single-sensor signal analysis under the steady operation condition.In this study,a ne
Standard plenoptic camera can be used to capture multi-dimensional radiation information of high temperature luminous flame to reconstruct the temperature distribution. In this study, a novel method f
文章基于2018年中国家庭收入调查数据,从父母受教育水平、政治面貌、职业地位、社会关系和城乡背景等方面分析家庭背景对个人教育回报率的影响.研究发现:(1)父母受教育水平对个人的教育回报率存在显著的正向影响,意味着家庭教育背景的优势会通过子女的教育投资转化为子女收入的优势;(2)父母社会关系和父母从事非农就业对个人的教育回报率有显著负向影响,说明教育更有利于提高出身于家庭社会关系较弱和农民家庭的个人的收入;(3)父母的政治面貌及职业地位对个人的教育回报率的影响不显著,表明家庭政治背景和职业背景通过教育实现代
Boron nitride(BN)nanomaterials share the same atomic structures as their carbon counterparts,with mechanical and thermal properties second only to carbon counte
摘要 近年来雾霾天气的频发彰显了中国经济发展与资源环境的严重不协调,深入挖掘雾霾污染的影响因素有利于制定行之有效的雾霾治理对策。文章从财政分权与政府创新偏好这一全新视角研究雾霾污染的影响机制。在理论分析基础上,基于2000—2018年中国30个省份的面板数据,采用逐步回归法和面板分位数回归法开展实证研究。主要结论如下:基准回归结果表明,财政分权与政府创新偏好均能缓解雾霾污染,但二者的交互作用却加剧
摘要 城镇化进入加速阶段、经济转向高质量发展时期,准确把握城镇化率与城乡收入差距之间的关系,对于更好地解决城乡不平衡发展具有重要意义。基于城乡二元经济模型和已有相关研究,从城镇化率与城乡收入差距之间“倒U型”关系理论假设出发,进一步理清城镇化进程影响城乡收入差距的具体机制。为验证这一假设,以我国经济最发达的长江三角洲为例,基于2000—2018年城市尺度数据,采用空间计量模型,对城镇化率与城乡收入
摘要 排污权交易机制的合理性和科学性是环境经济政策有效实行的关键所在。就中国而言,排污权交易的试点实践中存在着因机制的不完备导致的信息不对称、监管效率低、政企行为异化等现象。区块链技术的引入将创新传统交易模式,形成去中心化、点对点交易、可信任的排污权交易市场。为此,文章首先从目前的排污权交易机制和区块链技术特征出发进行核心技术与应用场景功能需求耦合。在此基础上,分别从排污权交易监管、二级交易市场构