论文部分内容阅读
摘要 “绿色制造、转型升级”是中国政府为了平衡制造业快速发展与生态环境保护的矛盾所提出的国家级绿色治理方案。由于各地产业发展重点存在差异，地方政府推进该方案时通常会突出当地的产业特性，即针对城市重点行业的发展情况，采用特定的绿色治理政策组合。但是，这种地区性的行业绿色治理方案对当地产业经济与环境协调发展的影响往往难以评价，尤其是治理政策在微观层面对不同企业的影响效果与影响机制都还没有揭示清楚。本文选择浙江省湖州市治理纺织印染行业废水排放污染的案例进行实证研究，将国家工业企业数据库与湖州企业的污染排放数据进行匹配，并采用双重差分方法与面板数据回归，系统地评估了当地政府在2011年颁布的《湖州市印染行业转型升级发展规划（2011—2015）》的政策执行效果，研究重点关注了该政策对企业排污行为与企业经营表现的影响。基于湖州市694家企业在2010—2013年间1 271条样本数据的回归分析，发现湖州市政府针对该市纺织印染行业绿色治理政策的颁布，显著降低了相关企业的废水排放强度，但是并没有降低企业的全要素生产率。此外，通过分析研究数据，还发现绿色治理政策对企业排污行为的影响，受到了企业所属权与企业规模的调节作用。其中，绿色治理政策显著降低了内资企业、大中型企业的废水排放强度，而对于外资企业的废水排放强度影响不明显。总之，基于数据分析认为，湖州市的绿色治理政策有效促进了城市纺织印染行业的转型升级与可持续发展，为中国地方政府推进“绿色制造”政策提供了经验与实证支撑。
关键词 绿色治理；产业发展；环境绩效；纺织印染；双重差分模型
中图分类号 F420 文献标识码 A 文章编号 1002-2104（2018）09-0082-11 DOI：10.12062/cpre.20180402
党的十九大报告指出，“既要创造更多物质财富和精神财富以满足人民日益增长的美好生活需要，也要提供更多优质生态产品以满足人民日益增长的优美生态环境需要”[1]。解决工业发展与环境保护之间的不协调，是国家在绿色治理中所需要面对的主要矛盾。推动中国工业转型与可持续发展是政府无法推卸的责任[2]。为了更好地履行职责，一方面需要中央政府描绘发展愿景，构建制度体系，全面提高绿色治理能力；另一方面，也需要地方政府进行政策设计，加强政策执行力度，针对不同类型的环境问题，分行业、分地域采取不同的政策工具，从而避免“一刀切”的绿色治理政策对地方工业与经济发展产生的负面影响。其中，地方政府是国家绿色治理体系中的执行主体，也是落实绿色治理政策方案的关键与难点[3]。
为了解决环境保护与经济协调发展的问题，地方政府创新性地尝试了许多方法，比如围绕当地的主要行业制定了一系列的政策，包括促进企业迁入工业园集中治理污染，建立企业联盟，核算企业的绿色GDP以及计算产品的全生命周期等[4-5]。这些行业性的政策探索为地方政府提高绿色治理能力，解决制造业与环境保护的协调发展问题，提供了新的政策工具，积累了治理经验[6-7]。但是，地方政府实施行业性绿色治理方案到底能否发挥方案制定之初所期望的效果，绿色治理工具对经济与社会的影响机制又是怎样的？现有的政策评价研究还未给出量化结论。这主要由于当前很多政策评价量化研究还在以省域等宏观数据作为研究基础。尤其在评价某些行业性的治理政策时，缺少微观企业的环境与经济运营等多维调查数据，难以通过常规统计方法进行核算验证。因此，现有地方性绿色治理政策的定量评价信度与效度都有待提高。
为了提高政策评价的研究水平，推动地方政府积累行业性的绿色治理经验，本研究选择微观企业的环境与经济运营数据作为研究基础，定量评价了地方性绿色治理政策的执行效果。具体来讲，本研究采用中国唯一的“绿色制造”示范城市浙江省湖州市企业环境排放数据，并将企业环境排放数据与工业企业数据库中的企业运营数据进行匹配，作为评价绿色治理政策的基础。同时，本研究也分析了当地在一段时期内的政策变化。最终，基于研究时间内政策目标的变动，划定政策评价的时间区间，依托期间内的微观企业数据变化，定量探讨了地方性绿色治理政策对不同规模、不同所有制企业经营表现与环境表现的影响。
1 文献综述
中国绿色治理体系、治理能力与治理政策研究尚处起步阶段。其中，绿色治理的主要目的是让企业将生产中的负外部性问题通过内部化的方法予以解决。从绿色治理的政策类型区分，这些政策可以分为命令控制型与市场激励型。其中，命令控制型是由立法或者行政部门制定法规和政策，直接要求污染者执行环境保护行为；市场激励型，是利用市场方式鼓励企业采取环保行为[8-9]。不同治理工具的使用时间、适用条件与作用机制不尽相同。因此，本研究首先探讨了地方性绿色治理的现存问题，并讨论了数据驱动视角下的环境政策研究现状，为后续的实证研究与定量分析奠定基础。
1.1 中国绿色治理政策的执行效果评价研究现状
中国现有的绿色治理政策，在实际中往往由环保部门或者工业部门分别进行规划，从促进经济增长或者产业发展角度，分头推行落地。这种某个部门独自推进政策落地的做法，难以起到政策之间的协同作用，并不符合当今的多元治理发展趋势。因此，全面推进绿色治理工作，就要充分调动政府各部门进行互相配合，即在政策执行前，地方政府同样需要进行顶层设计，优化政策工具的组合使用，协调环保与工业部门之间政策执行。
长期以来，中国政府已经形成以“五年规划”为主要手段的长期发展战略设计与指导模式，统筹协调政府的各部门共同推进预期工作[10]。早在“十一五”期间，国家将减少主要污染物的排放总量设定为关键约束性指标，从国家的顶层设计角度对污染控制提出了明确目标。自2015年起，中央政府宣布实施“中国制造2025”战略，其五大工程之一“绿色制造”工程，就是從产业发展规划视角，解决制造业发展中的环境保护与产业发展的矛盾，更好地指导中国制造业在未来十年实践“绿水青山就是金山银山”的发展理念。这些顶层设计与战略发展规划的相继推出，中央政府开始关注现有环境治理中条块分割，政策组合缺乏，协同治理不足的困难。但是，地方政府在具体政策执行中，能否通过系统的政策设计，避免环境管理中的条块分割问题，还需要选择典型案例，综合性地探讨环境政策的执行效果。 从政策的执行过程区分，可以细分为五个阶段，分别是政府实施、企业响应、影响产生、影响感知，以及政策的评价与改进[11]。其中，政策评价环节直接影响公共政策的修正、调整与重新选择，具有十分重要的意义。与之对应，绿色治理的政策执行效果评价是一个体系化工作，既涉及到对政策内容的分析，也涉及到政策影响下环境、经济与社会方面客观指标的变化。现有政策执行效果评价的主要方法包括指标体系法[12]、文本分析法[13]、数据包络法[11]、面板数据法[8， 14]以及上述几种方法之间的组合使用。比如，韩超等[15]基于国家工业企业数据库的数据，通过面板数据的分析与挖掘，对中国首次施行的约束性污染控制的规制效果进行评价，并阐述了约束性环境政策工具的作用机制，即约束性规制政策工具促进了生产资源向高生产率企业聚集，降低了制造业的资源错配水平，提升行业整体生产率。史丹等[16]采用统计年鉴与《国家生态足迹账户》提供的面板数据，核算了中国不同年份的人均生态足迹，发现中国在加入世界贸易组织后，人均碳足迹发生了剧烈增长。而且，研究认为生态足迹的变化也能够用于评价一定时期内的国家产业与环保政策的执行效果。余东华等[17]采用制造业国际竞争力水平指数证实了环境规制能通过影响技术进步、积累人力资本并增加劳动技能，来提高中国制造业的国际竞争力。
基于上述方法的应用，现有的绿色治理工具执行效果的评价已经取得了一定的进展，但是依然存在两方面的问题：①现有的评价方法，更多考虑政策直接导致的环境影响，比如测量或者估计节能减排的程度，但是缺少对经济、社会影响的综合评估。②缺乏企业微观层面的数据支撑。比如，在中国环境政策对产业发展的影响的研究中，研究者多采用《中国统计年鉴》与《中国环境统计年鉴》等数据来计算行业层面的规制强度、行业性或者省际的全要素生产率等[18-19]。这种依托宏观数据进行研究的方式，湮没了环境政策的空间、时间与企业的异质性。
因而，基于上述宏观数据的环境政策研究结论，有可能导致环境保护的管理机构“一刀切”政策的出台，也难以从理论上支撑提升中国绿色转型治理能力的目标。针对上述问题，研究者认为，从企业微观层面收集数据，并进一步提高中国绿色治理政策方案的评价能力，实现企业经营绩效和环境绩效的可持续发展，是中国绿色治理方案效果研究的发展趋势。但是，现有的环境实证研究还需要进一步提升数据的数量与质量。
1.2 中国工业企业数据库的研究现状
中国工业企业数据库由国家统计局收集整理，是除了上市公司数据库以外，中国最为权威的企业微观数据库[19]。长期以来，为中国的宏观经济学、企业管理学与公共管理政策分析提供了丰富的实证支撑。该数据库中的企业微观数据，能够有效地弥补现有排污企业运营数据过于宏观，难以体现地域间以及企业间的差异的缺陷。
在工业企业数据库的相关研究中，库内数据主要用于分析影响企业运营、财务以及创新的关键因素。比如，王希泉[19]采用中国工业企业数据库中的研发投入强度，新产品开发绩效与企业其他财务指标（2005—2007年）进行面板数据研究，研究发现企业研发投入与新产品的开发绩效之间存在倒U型关系，以及外部融资比内部融资更适于投入风险较高的新产品领域；也有学者利用工业企业数据进行政策分析与评估，比如，刘志阔[20]分析了2001—2007年间的工业企业数据，识别了中国企业研发投入呈现的周期性变化，并以此为基础，探讨了国家研发政策对企业研发的影响。张辉等[21]采用2005—2007年工业企业数据库的数据，验证政府补贴与企业研发投入之间的非线性关系，其中政府补贴对民营企业、东部企业以及高端制造业的企业研发投入具有更为显著的影响。
但是，鉴于环境指标、监测机构的专业性，中国工业企业数据库一直没有将企业的环境表现纳入统计。因而，在绿色治理以及环境管理的研究中，难以从工业企业数据中获得有效的支撑。而工业企业数据研究，也无法从环保角度，评价产业政策或者绿色治理方案的有效性。上述的研究空白，为本研究提供了一个契机，即通过将工业企业数据与企业的环境排放数据匹配，从企业微观层面识别绿色治理方案对企业环境与经营绩效的影响。
根据上文对现有文献的梳理，本文针对性地提出了如下研究假设：
假设1：地方政府制定的行业性绿色治理方案，将提升特定行业所属企业的环境绩效，并对其经营表现产生影响。
假设2：在绿色治理方案的作用下，企业的自身属性（含企业规模、企业所属权）对企业的环境绩效与经营表现将产生影响。
2 研究方法
2.1 双重差分分析方法
本研究选取湖州纺织印染行业作为研究对象，以双重差分法作为实证研究的主要方法。双重差分（DifferenceinDifferences）是政策分析评估的常用方法，用來估算政策给作用对象所带来的“净影响”。比如，梁若冰等[22]采用双重差分方法考察了中国14个城市新开通45条线路对当地空气污染的影响，研究发现轨道交通具有显著且稳健的污染治理效应，而且轨道交通对出租车出行进行替代从而实现了城市的减排效应。这种政策评价的计量学方法的核心是设置对照组，对照组具有与实验组相似的时间趋势却不受政策影响，只有实验组才受到政策影响。然后通过筛选合理指标，观测在政策实施前与实施后的实验组和对照组指标变化量的差值来评估政策的“净影响”。在指标含义上，政策实施后实验组和对照组的差值由三部分组成，包括：①政策实施前实验组和对照组的差异，即分组效应；②政策实施后与实施前的差异，即时间效应（此处由于选定的对照组与实验组具有相似的时间趋势，故实验组的时间效应可用对照组的前后差异替代）；③政策实施对实验组的处理效应，即“净影响”。双重差分法能够同时对分组效应和时间效应进行控制，从而识别政策的“净影响”，更有效地评价政策的实施效果。
在变量选择方面，本研究采用纺织印染行业地方性绿色治理方案发布前后的单位GDP的废水排放量与全要素生产率作为因变量，并采用双重差分的方法进行数据分析。该方法一方面反映了企业在政策发布前后的排污行为与经营表现的变化；另一方面，该方法也反映了不受特定行业绿色治理的企业与受到特定行业绿色治理的企业之间的差异。基于双重差异形成的估计能够更为明显地识别政策发布与企业排污行为与经营表现的改变之间的因果效应。 鉴于学界中讨论的双重差分方法的适用条件问题[23]，从实验设计的角度来看，本研究属于自然实验与准实验的结合。政策对企业环境表现的影响属于准实验部分，因为该政策在政策设计之初就希望提升特定企业的环境表现；政策对企业全要素生产率的影响属于自然实验部分，因为在政策设计之初，治理意图并不是为了影响企业的全要素生产率，因而样本选择过程可以视为随机选择过程。这样更增强了双重差分方法的适用性与解释效果。
EIit=β0+β1T+β2P+β3T×P+β4Xit+μ（1）
TFPit=β0+β1T+β2P+β3T×P+β4Xit+μ（2）
EIij=Amount of emissionitGross Domestic Productit（3）
通过公式（1）估算綠色治理政策对企业排污指标的影响，通过公式（2）估算绿色治理政策对企业全要素生产率的影响。如公式（3）所示，EIit指企业i在年份t的单位GDP废水排放量（t）；TFPit指企业i在年份t的全要素生产率。公式（1）和（2）中的解释变量与控制变量是相同的。P指的是湖州企业的所属行业，P=1则属于纺织印染行业企业，P=0是属于非纺织印染行业企业，前者受到纺织印染行业绿色治理方案的影响。T=0是湖州发布纺织印染行业绿色治理方案前（2010年、2011年），而T=1，则表示湖州发布纺织印染行业绿色治理方案后（2012年、2013年）。而T和P的交互作用则表示实施行业绿色治理方案前后的净影响，该项在数学上的含义即是政策后实验组与对照组的差异减去政策发布前实验组与对照组的差异，即 “双重差分”。
此外，以上的公式中Xit是控制变量，主要用于表示年份t的企业i的相关属性对企业污染排放与全要素生产率的影响。在本研究中，所识别的企业控制变量包括：①企业规模；②企业所得到的补贴收入；③企业的研发投入；④企业的成立年限。选择的四个变量基于两方面的考虑，其一是这些因素在以往的研究中被证明对企业执行绿色治理方案有显著影响；其二是因为2010—2013年间，上述指标数据相对完整，能够更为完整地体现地方政策实施后对企业的影响。
本研究中为了阐明地方性绿色治理方案对企业全要素生产率的影响，对企业的全要素生产率进行了进一步的核算。其中，在计算全要素生产率方面，本文参照鲁晓东[24] ，赵志耘等[25]的研究，依托工业企业数据库数据，分别采用最小二乘法（OLS法）、Olley 和Pakes的回归模型（OP法）与Levinsohn和Petrin的回归模型（LP法），计算微观企业的全要素生产率（TFPit）值。
以上研究数据主要来自湖州市近年的环境工业废水排放数据，以及国家工业企业数据库的相关数据。在具体研究中，本文参照韩超等[15]的研究方法，首先对两个数据库中的企业按照“企业法人代码”进行匹配，若存在代码重复或者缺失，则采用“企业名称”进行匹配；若匹配存在问题，则使用“法人代码+地区（县）”进行尝试，以此类推，依次对“地区”“行业”“邮政编码”“主要产品”“登记注册类型”“控股情况”等关键字进行精确匹配，获得尽可能全面的匹配数据。然后对匹配后的数据进行清洗，排除数据缺失情况，最后形成研究所需的样本集合。
2.2 固定效应分析
为了进一步增强研究的信度，本研究考虑了回归中面临的固定效应。根据Pavel等[26]的研究，为了排除一系列的竞争性假说，DID回归分析需要考虑各种不同情况的固定效应。比如，在分析德国染料禁令对印度化学工业与印染工业的影响时，也在每个回归模型中采用了固定效应分析，从而减少时间、行业、企业的差异对回归结果的扰动，得到了较好的验证结论。Liu等[27]在考察太湖流域印染排污的研究中，采用了固定效应分析，减少由于不可观测变量造成的估计偏误。
根据研究需要，在本文中主要考虑了三类固定效应影响因素，分别是：①企业固定效应，避免由企业差别所造成的政策发布与实施效果之间的伪相关；②时间固定效应，避免由时间差异造成的政策发布与实施效果之间的伪相关；③时间在一次方，以及二次方层面的趋势效应，避免由时间发展造成的政策发布与实施效果之间的伪相关。
3 实证结果分析
3.1 湖州市纺织印染企业可持续发展的现状
近年来，湖州市对于纺织印染工业进行了持续的规划与引导。在2009年发布了特色纺织产业的振兴升级规划，其中强调如何打造纺织产业的核心竞争力。但是，自2011年起，湖州市又提出了《“十二五”工业转型升级规划》与《湖州市印染行业转型升级发展规划（2011—2015）》，将能源合同管理，严控纺织污染排放等条款作为产业政策的核心。因此，本研究将2012年确定为湖州市纺织印染行业环境整治的时间分界点，即本研究关注《湖州市印染行业转型升级发展规划（2011—2015）》的实施对纺织印染行业的企业经营与环保行为协调发展的影响。本研究主要采用的时间区间为2010—2013年的企业经营与环境数据，从而避免2009年因纺织振兴规划对数据整体趋势的影响，确保所研究的企业受到一致性的政策影响。
根据本研究的数据所示，纺织印染企业在湖州的工业中具有主体地位。如图1（A）所示，纺织印染企业数量常年占到湖州企业总数40%以上，并一度接近50%。但是，随着近年湖州市工业发展的产业结构调整，纺织印染企业在2013—2015年间数量逐年下降。如图1（B）所示，尽管纺织印染行业总产值的绝对量还有略微上升，但随着纺织印染行业的企业数量下降，其产值在工业中的比重也随之下降。从最高时期的高于40%，下降到2015年的15%左右。这说明城市工业实现了产业结构升级与调整，同期纺织印染行业的总产值也保持上升趋势。
同时，研究中的数据也显示了纺织企业废水治理能力日趋提升。如图1（C）所示，可知纺织印染企业废水排放量经历了一个先上升后下降的趋势。其中，2011年的废水排放总量达到峰值，考虑从2011—2015年，纺织印染企业的总产值并没有减少，而同期废水排放量有了一定下降，说明绿色治理政策起到了明显作用。但是，图1（C）同样显示了纺织印染企业排放废水量占总废水排放量的比例没有发生显著的减少，基本保持在60%上下，一方面说明了纺织产业高耗水的特性，另一方面也说明了该行业未来节水减排的任务依然艰巨。研究也比较了企业的废水排放强度，如图1（D）所示，纺织印染行业的单位产值的废水排放量呈现出逐年下降的趋势，造成这种状况的原因既有纺织印染行业产值的不断增加，更为重要的是当地纺织印染行业近年来污水排放与中水回用技术的使用与扩散。但是，从图1（D）还能发现，从绝对量上，纺织印染行业废水排放强度还是远远高于该地区企业的平均水平。这说明尽管纺织企业通过技术升级，不断提高水资源的利用率，但是由于行业的属性差异，纺织印染行业依然是一个高耗水、高排放的行业，需要积极推广更为先进的节水技术，进一步提高行业的水资源利用效率。 根据Liu等[27]的研究方法，本研究也对处理组（纺织印染企业）和控制组（非纺织印染企业）废水排放强度进行了平行假设检验。如图2所示，研究发现在行业绿色治理方案发布前，控制组与处理组的数据变化具有相似性，从而为后续双重差分研究提供了必要前提。而且，由图2同样可以发现在2011年前后，相比于非纺织印染行业，纺织印染行业的废水排放强度存在显著变化。基于趋势观察结论，后续研究将从统计学角度对绿色治理方案的实施效果，给出更为严密的研究结论。
3.2 湖州绿色治理政策对纺织印染企业的影响
3.2.1 主要变量的描述性研究
根据上文所述，在政策的统计性分析部分，本研究选择2010—2013年企业数据。如表1所示，经过数据清洗，在2010—2013年间，符合条件的企业样本数据共计1 271条，其中含纺织印染行业企业数据494条，占到总量的近38.9%，与纺织印染企业在当地产业中的分布比例相一致。另外，本研究也识别了研究中的控制变量，如企业规模、政府补贴、成立年限、研发投入与企业所属权。其中，政府补贴、研发投入、成立年限，直接使用记录数据；另一方面，本研究将企业规模、企业所属权作为虚拟变量，根据工业企业运营数据，将中小企业设为0，将大企业设为1；将内资企业设为0，而将外资企业设为1。
3.2.2 基于双重差分方法的统计性研究
根据上述变量，企业数据的回归分析结果如表2所示。双重差分方法（DID）从统计学的角度展示，当研究控制了相关变量、考虑不同固定效应的前提下，地方性行业绿色治理方案与工业废水减排之间依然存在着非常显著的相关性。
如表2模型（1）至模型（5）所示，将企业废水排放强度（EIit）作为因变量进行回归分析，考虑不同固定效应的情境下，可以得到如下结论：
首先，如模型（1）所示，在控制了时间固定效应的前提下，行业（P）污染排放量具有显著影响（Pvalue<0.01），且系数为正，说明研究假设获得了统计学的支持，即纺织印染行业相比于其他行业废水排放量有显著性增加，这种行业的特殊性，说明政府治理纺织印染行业的废水排放是有意义的；其次，如表2中模型（2）、（4）、（5）所示，在单独控制企业固定效应，以及同时控制企业固定效应，时间趋势的情况下，时间（T）对于企业废水排放影响都不显著。这说明在观测时期内，时间变化并不会导致企业废水排放强度发生显著变化。
如表2中模型（3）至模型（5）所示，研究也显示了双重差分方法具有较高的信度，即在同时考虑控制变量，时（T×P）间固定效应、企业固定效应的情况下，政策的实施对于工业污水排放始终具有显著的负面影响（Pvalue<0.01）。上述结论表明，在《湖州市印染行业转型升级发展规划（2011—2015）》出台后，纺织印染企业的废水排放量显著下降。上述结论，支撑了本文初始的假设，即“地方性政府所制定的行业性绿色治理政策，将有效提升区域内企业的环境表现”。
然后，本研究进一步分析了綠色治理方案对于企业全要素生产率的影响。为了提高研究的信度，研究采用了三种不同的全要素生产率计算方法。研究结果如表2的模型（8）、模型（9）与模型（10）所示，无论企业的全要素生产率采用了何种计算方法，在同时考虑企业固定效应与时间固定效应的情境下，绿色治理政策对于企业的全要素生产率都没有显著的影响，即并没有发生由于环境监管水平上升而导致企业创新能力下降的现象。这说明绿色治理方案并没有显著影响企业的全要素生产率。
基于上述微观企业的样本回归结果，研究发现湖州推行的行业绿色治理政策明显降低了企业废水的排放强度，同时并没有影响企业的全要素生产率。因此，研究初步验证了在湖州行业性绿色治理政策的引导下，纺织印染企业实现了经济与环境的协调发展。从理论上看，该研究结论为“弱波特假说”提供了一个来自于中国的实证支撑，即政府提升环境规制强度，并不会限制企业的生产与创新活动[28]。同时，本研究结论也能够为创新政策中的演化经济学理论提供实证支撑，解释企业在环境规制压力下的创新行为。因为，演化经济学理论认为企业能够主动适应外界环境的变化，并通过创新来让企业满足新的目标[29-30]。此外，该研究结论与王勇等[31]的研究结论相一致，即加强环境规制能够有效降低污染密集型产业的污染排放强度，但并不会明显影响这些行业的发展。另一方面，现阶段中国许多环境政策研究得到的主要结论依然是环境规制强度上升，对企业与城市的发展有所阻碍。比如，谢振等[32]通过对临沂治污事件的剖析，认为“环保风暴治理”对当地企业经济发展造成了一定的影响。而石庆玲等[33]也通过“两会”期间全国空气质量分析，发现尽管在两会期间空气质量有明显上升，但是，当两会结束以后，全国空气质量都会发生“报复性”的恶化。而李婉红等[34]也提出了对于污染密集型企业的高强度的环境规制，将影响企业的创新能力。本研究与上述实证研究结论之间的差异，正恰好说明，湖州市是中国首个地市级生态文明先行示范区，也是中国“绿色制造”政策实施以来唯一的试点示范城市，它成功地为中国制造业探索到了可持续发展的新路径。而湖州市政府在积极推动绿色治理政策落实的同时，也积累了丰富的实践经验，有效推动了产业的可持续发展。其中，绿色治理政策对于环境与经济协调发展的影响机制，还需要在未来的研究中进行更加深入的案例剖析与经验归纳。
3.2.3 统计性研究的稳健性检验
为了进一步增强本研究的信度与效度，研究根据以往的研究方法，进行了一系列的统计检验。根据Chakraborty等[26]的研究，为了增强研究效度，本研究将对照组数据进行匹配。由于数据总量的制约，在本研究中难以采用倾向值匹配（PSM）方法对数据进行逐一配对。但是，可以通过排除差异较为显著的行业数据，增强方法效度。本研究认为，在污水排放较为密集的行业除了纺织业以外，还有食品加工、造纸、化工以及装备制造业。将上述行业作为纺 织印染行业的对照组，能有效避免次要的废水排放行业对回归结果的干扰。因此，比较表2中模型（3）与模型（6）可以发现，在考虑控制变量，企业固定效应以及不同时间效应的情况下，尽管对照组中减少了将近24%的样本数量，纺织印染行业的绿色治理方案能够显著减少企业的废水排放强度。因此，进一步说明双重差分方法评价纺织印染行业的绿色治理方案具有很好的效度。 为了进一步增强回归验证的效度，本研究还进行了平衡面板与非平衡面板的比较研究，以及证伪验证。与非平衡面板数据相比，平衡面板数据指的是在所调查的年份中，数据齐备，完全符合双重差分方法的计算原理，从而避免因为数据缺失而导致回归结果出现统计学意义的偏误。因为中国企业在发展中面临着各种困难，大量企业难以完整度过统计时间段，平衡面板数据量仅占统计数据总量的8.8%。如表2中模型（3）与（7）所示，采用平衡面板数据，政策对企业废水排放的约束效果依然显著（Pvalue < 0.01），且非平衡面板的系数在平衡面板系数95%的置信区间内，说明将观测样本限制在平衡面板中，以保证数据完整性为前提，绿色治理方案对废水排放量的削减效果并没有发生明显的改变，可以说明该政策评价方式具有较好的信度。此外，本研究将企业二氧化硫（SO2）排放强度作为因变量用于证伪研究，主要验证政策是否能减少其他污染物的排放，旨在避免因为其他潜在环境政策的发布影响实施效果。比较表2中模型（3）与（11）可以发现，在废水排放强度有显著下降的情境下，SO2的排放强度并没有受到政策的显著性影响，这说明针对纺织印染行业的治理方案，并不能影响废气排放强度。从另一方面说明本文的研究结论具有较高的效度。
3.2.4 企业异质性对于研究结论的影响
在上述结论的基础上，本研究分析了企业属性对政策实施效果的影响。如表3模型（1）到模型（3）所示，在考虑控制变量、企业固定效应以及不同时间效应的情况下，随着政策的实施，内资企业的废水排放强度发生明显的下降（p<0.01），而外资企业虽然并没有发生显著降低，但是作用方向也为负向。回归结果说明内资企业的环境绩效还有很多提升空间，而外资印染企业环保绩效并没有受到政策的显著冲击，原因可能是因为外资企业在过去已经达到了较好的环境绩效。该结论与张炳等[27]的研究结论相一致，即外资企业一般都已经有良好的环境表现。另一方面，如表3模型（4）到模型（6）所示，在政策实施后，大企业废水排放强度有显著下降，而并没有观测到小企业废水排放强度的变化。研究认为这与中国长期以来对大中型企业进行严格监管，能够通过“命令控制型”政策推动企业提升环境绩效有明显关系。
4 结论与启示
本文通过对微观企业环境排污与经济发展的面板数 据进行双重差分回归分析，从实证角度探讨了浙江省湖州市2011年实施纺织印染行业环境专项规划的执行效果。研究发现地方政府制定、实施行业性环境政策，能显著地减少当地纺织印染企业的废水排放强度，而且不降低当地纺织印染行业的技术进步与经济发展。因此，地方政府以顶层设计的方式，组合使用绿色治理工具，合理制定绿色治理方案，对提升当地重污染行业内企业的环境与经济协调发展具有积极意义。
从政策的外溢角度看，本研究认为湖州市作为国家唯一的“绿色制造”试点示范城市，通过整体设计工业绿色治理方案，实现了产业经济与环境保护的协調发展，对于中国绝大多数制造业城市中污染密集型行业绿色转型，以及深入推进“绿色制造”工程，具有借鉴意义。从方法创新的角度看，本案例为地区性绿色治理方案的执行效果评价提供了一种新的手段，即匹配微观层面的企业运营数据与污染排放数据，用于评价多目标的绿色治理方案执行效果，从而更为客观、细致地考察了工业发展与环境保护之间的协调程度，为中国绿色治理方案的设计，提供了方法支撑。从企业治理的角度看，基于统计数据的政策效果研究，能够反映政策对于不同企业实施效果的异质性，比如，由政府主导的绿色治理方案对大型企业经济与环境协调发展，具有更为明显的提升效果，而对中小企业的影响有限。然而，无法回避的是中国中小企业占据企业总数99%以上，其排污达到工业排污量的70%以上[35]。所以，在未来，还需要总结更多的绿色治理方案，既帮助企业实现持续成长，并持续提升他们的环境绩效，从而更显著地提升地区产业整体的绿色制造水平。从新公共管理的角度看，基于数据的统计回归结果，也能发现一些新的问题。比如，地方性的行业绿色治理方案，并没有显著降低区域内整体工业废水的排放强度。这意味着地方政府试图通过抓住关键行业进行整治的方式，没有带动区域内其他行业环境表现显著提升，没有达到政策预计中以点带面的示范效果。该现象说明要提升地区工业整体的绿色发展水平，是一个更为全面、系统而复杂的过程，需要在顶层设计中，从产业链视角进行整体的设计与考虑，有效提升当地工业的绿色发展水平，实现环境、经济与社会的协同发展。
此外，本研究并没有证实企业研发投入、政府补贴等其他属性与绿色治理效果之间显著的相关性。这并不能说明这些属性对于企业环境表现没有影响，而是有可能由于本研究的政策评价中还面临着诸如政策执行效果尚未显现、数据质量较差、指标选择范围有限等种种局限。因此，还需要未来在相关方面进行更为深入的研究。
总之，地方政府从顶层设计的角度规划绿色治理方案，能有效避免环境政策执行中的条块分割，也能在不妨碍企业经营的情况下，有效提升他们的环境表现。但是这种方法对提升区域内整体的环境表现还存在着一些问题。在未来的政策执行与政策研究中，应当更多地利用政策工具组合，为“全面、系统”地提升地区企业的环境绩效与产业发展做出政策探索。
（编辑：李 琪）
参考文献（References）
[1]习近平. 决胜全面建成小康社会 夺取新时代中国特色社会主义伟大胜利——在中国共产党第十九次全国代表大会上的报告[J]. 前进， 2017（11）：4-23.[XI Jinping. Secure a decisive victory in building a moderately prosperous society in all respects and strive for the great success of Socialism with Chinese Characteristics for a New Era： report at the 19th National Congress of the CPC[J]. Qianjin， 2017（11）：4-23.] [2]王海芹， 高世楫. 我国绿色发展萌芽、起步与政策演进：若干阶段性特征观察[J]. 改革， 2016（3）：6-26.[WANG Haiqin， GAO Shiji. Germination， starting and policy evolution of green development in China： observation of some stage characteristics[J]. Reform， 2016（3）：6-26.]
[3]YE Q. Annual review of lowcarbon development in China： 2010[M]. Beijing：World Scientific， 2013.
[4]KONG D， FENG Q， ZHOU Y， et al. Local implementation for greenmanufacturing technology diffusion policy in China： from the user firms perspectives[J]. Journal of cleaner production， 2016，129：113-124.
[5]LIU P， ZHOU Y， ZHOU D K， et al. Energy performance contract models for the diffusion of greenmanufacturing technologies in China： a stakeholder analysis from SMEs’ perspective[J]. Energy policy， 2017，106：59-67.
[6]CHEN L， ZHOU Y， ZHOU D， et al. Clustering enterprises into ecoindustrial parks： can interfirm alliances help small and mediumsized enterprises？[J]. Journal of cleaner production， 2017，168：1070-1079.
[7]CHEN L， XU J， ZHOU Y. Regulating the environmental behavior of manufacturing SMEs： interfirm alliance as a facilitator[J]. Journal of cleaner production， 2017，165：393-404.
[8]張倩. 环境规制对绿色技术创新影响的实证研究[J]. 工业技术经济， 2015（7）：10-18.[ZHANG Qian. An empirical study of environmental regulations influence on green technology innovation[J]. Journal of industrial technological economics， 2015（7）：10-18.]
[9]HU Y. Implementation of voluntary agreements for energy efficiency in China[J]. Energy policy， 2007，35（11）：5541-5548.
[10]鄢一龙， 吕捷， 胡鞍钢. 整体知识与公共事务治理[J]. 管理世界， 2014（12）：70-78.[YAN Yilong， LV Jie， HU Angang. Integrated knowledge and public affairs[J]. Management world， 2014（12）：70-78.]
[11]GOGGIN M L， MAZMANIAN D A， SABATIER P A. Implementation and public policy[J]. Acoustics speech & signal processing newsletter IEEE， 1983，14（4）：159.
[12]杨存， 高羽， 陈功， 等. 公共政策评价核心指标体系构建的理论及方法[J]. 中国卫生经济， 2011，30（8）：28-30.[YANG Cun， GAO Yu， CHEN Gong，et al. Theory and methods on the construction of core public policy evaluation index system[J]. Chinese health economics， 2011，30（8）：28-30.]
[13]董战峰， 葛察忠， 王金南， 等. “十一五”环境经济政策进展评估——基于政策文件统计分析视角[J]. 环境经济， 2012（10）：22-31.[DONG Zhanfeng， GE Chazhong， WANG Jinnan， et al. The evaluation on the environmental economics policies implementation during the Eleventh FiveYear Plan：based on the context analysis[J]. Environmental economy， 2012（10）：22-31.]
[14]吕康娟， 程余， 范冰洁. 环境规制对中国制造业绿色全要素生产率的影响分析[J]. 生态经济， 2017，33（4）：49-52.[LV Kangjuan， CHENG Yu， FAN Bingjie. The relations study on environmental regulation and green total factor productivity of China’s manufacturing industry[J]. Ecological economy， 2017，33（4）：49-52.] [15]韩超， 张伟广， 冯展斌. 环境规制如何“去”资源错配——基于中国首次约束性污染控制的分析[J]. 中国工业经济， 2017（4）：115-134.[HAN Chao， ZHANG Weiguang， FENG Zhanbin. How does environmental regulation remove resource misallocation：an analysis of the first obligatory pollution control in China[J]. China industrial economics， 2017（4）：115-134.]
[16]史丹， 王俊杰. 基于生态足迹的中国生态压力与生态效率测度与评价[J]. 中国工业经济， 2016（5）：5-21.[SHI Dan， WANG Junjie. Measurement and evaluation of China’s ecological pressure and ecological efficiency based on ecological footprint[J]. China industrial economics， 2016（5）：5-21.]
[17]余东华， 孙婷. 环境规制、技能溢价与制造业国际竞争力[J]. 中国工业经济， 2017（5）：35-53.[YU Donghua， SUN Ting. Environmental regulation， skill premium and international competitiveness of manufacturing industry[J]. China industrial economics， 2017（5）：35-53.]
[18]李玲， 陶锋. 中国制造业最优环境规制强度的选择——基于绿色全要素生产率的视角[J]. 中国工业经济， 2012（5）：70-82.[LI Ling， TAO Feng. Selection of optimal environmental regulation intensity for Chinese manufacturing industry：based on the green TFP perspective[J]. China industrial economics， 2012（5）：70-82.]
[19]王希泉， 申俊龙. 融资约束背景下的企业研发投入与新产品开发绩效——基于中国工业企业数据库的面板模型分析[J]. 科技管理研究， 2016，36（11）：131-138.[WANG Xiquan， SHEN Junlong. R&D investment，financing constraints and new product development performance：based on panel data analysis of industrial enterprises data of China[J]. Science and technology management research， 2016，36（11）：131-138.]
[20]刘志阔， 蒋坤宏. 中国研发投入的周期性及其非对称性[J]. 世界经济文汇， 2014（3）：84-97.[LIU Zhikuo， JIANG Kunhong. Periodicity and asymmetry on Chinese research investment[J]. World economic papers， 2014（3）：84-97.]
[21]张辉， 刘佳颖， 何宗辉. 政府补贴对企业研发投入的影响——基于中国工业企业数据库的门槛分析[J]. 经济学动态， 2016（12）：28-38.[ZHANG Hui， LIU Jiaying， HE Zonghui. The effect of subsidy on the enterprises investments：based on the Chinese industrial database[J]. Economic perspectives， 2016（12）：28-38.]
[22]梁若冰， 席鵬辉. 轨道交通对空气污染的异质性影响——基于RDID方法的经验研究[J]. 中国工业经济， 2016（3）：83-98.[LIANG Ruobing， XI Penghui. Heterogeneous effects of rail transit on air pollution： an empirical study with RDID[J]. China industrial economics， 2016（3）：83-98.]
[23]陈林， 伍海军. 国内双重差分法的研究现状与潜在问题[J]. 数量经济技术经济研究， 2015（7）：133-148.[CHEN Lin， WU Haijun. Research status and potential problems of differencesindifferences method in China[J]. The journal of quantitative & technical economics， 2015（7）：133-148.]
[24]鲁晓东， 连玉君. 中国工业企业全要素生产率估计：1999—2007[J]. 经济学（季刊）， 2012（2）：541-558.[LU Xiaodong， LIAN Yujun. Estimation of total factor productivity of industrial enterprises in China： 1999-2007[J]. China economic quarterly， 2012（2）：541-558.] [25]郭庆旺， 赵志耘， 贾俊雪. 中国省份经济的全要素生产率分析[J]. 世界经济， 2005（5）：46-53.[GUO Qingwang， ZHAO Zhiyun， JIA Junxue. The analysis of provincial total productivity in China[J]. World economics， 2005（5）：46-53.]
[26]CHAKRABORTY P， CHATTERJEE C. Does environmental regulation indirectly induce upstream innovation？ new evidence from India[J]. Research policy， 2017，46（5）：939-955.
[27]LIU M， SHADBEGIAN R， ZHANG B. Does environmental regulation affect labor demand in China？ evidence from the textile printing and dyeing industry[J]. Journal of environmental economics & management， 2017，86：277-294.
[28]PORTER M E， DER LINDE C V. Toward a new conception of the environmentcompetitiveness relationship[J]. Journal of economic perspectives， 1995，9（4）：97-118.
[29]VONORTAS N S， ROUGE P C， ARIDI A. Innovation policy： a practical introduction[M/OL]. https：//www.researchgate.net/publication/321617900_Innovation_Policy_A_Practical_Introduction， 2015.
[30]柏明国，李中娟.传统制造企业绿色创新的驱动机理研究[J].西南石油大学学报（社会科学版），2018，20（3），13-20.[BAI Mingguo， LI Zhongjuan. Research on the driving mechanism of green innovation in traditional manufacturing enterprises[J]. Journal of Southwest Petroleum University（social sciences edition），2018，20（3），13-30.]
[31]王勇， 刘厚莲. 中国工业绿色转型的减排效应及污染治理投入的影响[J]. 经济评论， 2015（4）：17-30.[WANG Yong， LIU Houlian. The abatement effect of Chinas industrial green transformation and the impact of pollution control investment[J]. Economic review， 2015（4）：17-30.]
[32]陳诗一， 谢振. 经济发展与环境保护双赢政策初探——从临沂治污事件谈起[J]. 中国环境管理， 2015（4）：14-20.[CHEN Shiyi， XIE Zhen. An inquiry into the WinWin policy for economic development and environmental protection：start with the Linyi air pollution abatement incident[J]. Chinese journal of environmental management， 2015（4）：14-20.]
[33]石庆玲， 郭峰， 陈诗一. 雾霾治理中的“政治性蓝天”——来自中国地方“两会”的证据[J]. 中国工业经济， 2016（5）：40-56.[SHI Qingling， GUO Feng， CHEN Shiyi. ‘Political Blue Sky’ in fog and haze governance： evidence from the local annual ‘Two Sessions’ in China[J]. China industrial economics， 2016（5）：40-56.]
[34]李婉红， 毕克新， 孙冰. 环境规制强度对污染密集行业绿色技术创新的影响研究——基于2003—2010年面板数据的实证检验[J]. 研究与发展管理， 2013（6）：72-81.[LI Wanhong， BI Kexin， SUN Bing. Research on the effect of environmental regulation intensity on green technological innovation of pollution intensive industries： empirical test based on panel data of 2003-2010[J]. R&D management， 2013（6）：72-81.]
[35]HILLARY R. Environmental management systems and the smaller enterprise[J]. Journal of cleaner production， 2004，12（6）：561-569. Abstract ‘Green manufacturing， transformation and upgrading’ is a systematic governance plan， which tries to solve the dilemma between industrial development and environmental protection. During the implementation stage of this plan， the local government usually enacts specific industrial developing plans for local industry， because of the considerations of variations of industrial developing mode in different places. However， it is difficult to evaluate how green governance policy makes a balance between environmental performance and industrial development. Especially at the level of enterprises， discussion remains inconclusive regarding the impacts and mechanism caused by green governance policy. In this research， we selected the green governance policy on special industry in Huzhou as our case study， namely the developing plan for transformation and upgrading of textile， dyeing and printing industry in Huzhou （2011-2015）. We matched the waste water data with Chinese industrial enterprises data， and then constructed a panel data and adopted differenceindifferences （DID） model to evaluate the impact of abovementioned industrial policy in Huzhou. We mainly focused on how policy affected the waste water discharge behaviors and operational performance of enterprises. Our data set consisted of 692 local enterprises from 2010-2013， which gave us 1 271 enterpriseyear observations. The DID estimates indicated that the green governance policy on specific industry was an essential approach for promoting the environmental performance of enterprises during the policy implementation. Meanwhile， the total factor productivities of treated enterprises were not significantly affected by this environmentalfriendly policy. In addition， the policy had heterogeneous impacts on different types of enterprises， significantly reducing the waste water discharge intensity in domestic enterprises and largescale enterprises， while had insignificant impacts on foreign enterprises. In conclusion， the green governance policy in Huzhou promoted the environmental performance and industrial development in textile， dyeing and printing industry. The result from the research could provide experience and empirical evidence for sustainable governance ability in China.
Key words green manufacturing； environmental regulating； dyeing and printing； differenceindifferences method
关键词 绿色治理；产业发展；环境绩效；纺织印染；双重差分模型
中图分类号 F420 文献标识码 A 文章编号 1002-2104（2018）09-0082-11 DOI：10.12062/cpre.20180402
党的十九大报告指出，“既要创造更多物质财富和精神财富以满足人民日益增长的美好生活需要，也要提供更多优质生态产品以满足人民日益增长的优美生态环境需要”[1]。解决工业发展与环境保护之间的不协调，是国家在绿色治理中所需要面对的主要矛盾。推动中国工业转型与可持续发展是政府无法推卸的责任[2]。为了更好地履行职责，一方面需要中央政府描绘发展愿景，构建制度体系，全面提高绿色治理能力；另一方面，也需要地方政府进行政策设计，加强政策执行力度，针对不同类型的环境问题，分行业、分地域采取不同的政策工具，从而避免“一刀切”的绿色治理政策对地方工业与经济发展产生的负面影响。其中，地方政府是国家绿色治理体系中的执行主体，也是落实绿色治理政策方案的关键与难点[3]。
为了解决环境保护与经济协调发展的问题，地方政府创新性地尝试了许多方法，比如围绕当地的主要行业制定了一系列的政策，包括促进企业迁入工业园集中治理污染，建立企业联盟，核算企业的绿色GDP以及计算产品的全生命周期等[4-5]。这些行业性的政策探索为地方政府提高绿色治理能力，解决制造业与环境保护的协调发展问题，提供了新的政策工具，积累了治理经验[6-7]。但是，地方政府实施行业性绿色治理方案到底能否发挥方案制定之初所期望的效果，绿色治理工具对经济与社会的影响机制又是怎样的？现有的政策评价研究还未给出量化结论。这主要由于当前很多政策评价量化研究还在以省域等宏观数据作为研究基础。尤其在评价某些行业性的治理政策时，缺少微观企业的环境与经济运营等多维调查数据，难以通过常规统计方法进行核算验证。因此，现有地方性绿色治理政策的定量评价信度与效度都有待提高。
为了提高政策评价的研究水平，推动地方政府积累行业性的绿色治理经验，本研究选择微观企业的环境与经济运营数据作为研究基础，定量评价了地方性绿色治理政策的执行效果。具体来讲，本研究采用中国唯一的“绿色制造”示范城市浙江省湖州市企业环境排放数据，并将企业环境排放数据与工业企业数据库中的企业运营数据进行匹配，作为评价绿色治理政策的基础。同时，本研究也分析了当地在一段时期内的政策变化。最终，基于研究时间内政策目标的变动，划定政策评价的时间区间，依托期间内的微观企业数据变化，定量探讨了地方性绿色治理政策对不同规模、不同所有制企业经营表现与环境表现的影响。
1 文献综述
中国绿色治理体系、治理能力与治理政策研究尚处起步阶段。其中，绿色治理的主要目的是让企业将生产中的负外部性问题通过内部化的方法予以解决。从绿色治理的政策类型区分，这些政策可以分为命令控制型与市场激励型。其中，命令控制型是由立法或者行政部门制定法规和政策，直接要求污染者执行环境保护行为；市场激励型，是利用市场方式鼓励企业采取环保行为[8-9]。不同治理工具的使用时间、适用条件与作用机制不尽相同。因此，本研究首先探讨了地方性绿色治理的现存问题，并讨论了数据驱动视角下的环境政策研究现状，为后续的实证研究与定量分析奠定基础。
1.1 中国绿色治理政策的执行效果评价研究现状
中国现有的绿色治理政策，在实际中往往由环保部门或者工业部门分别进行规划，从促进经济增长或者产业发展角度，分头推行落地。这种某个部门独自推进政策落地的做法，难以起到政策之间的协同作用，并不符合当今的多元治理发展趋势。因此，全面推进绿色治理工作，就要充分调动政府各部门进行互相配合，即在政策执行前，地方政府同样需要进行顶层设计，优化政策工具的组合使用，协调环保与工业部门之间政策执行。
长期以来，中国政府已经形成以“五年规划”为主要手段的长期发展战略设计与指导模式，统筹协调政府的各部门共同推进预期工作[10]。早在“十一五”期间，国家将减少主要污染物的排放总量设定为关键约束性指标，从国家的顶层设计角度对污染控制提出了明确目标。自2015年起，中央政府宣布实施“中国制造2025”战略，其五大工程之一“绿色制造”工程，就是從产业发展规划视角，解决制造业发展中的环境保护与产业发展的矛盾，更好地指导中国制造业在未来十年实践“绿水青山就是金山银山”的发展理念。这些顶层设计与战略发展规划的相继推出，中央政府开始关注现有环境治理中条块分割，政策组合缺乏，协同治理不足的困难。但是，地方政府在具体政策执行中，能否通过系统的政策设计，避免环境管理中的条块分割问题，还需要选择典型案例，综合性地探讨环境政策的执行效果。 从政策的执行过程区分，可以细分为五个阶段，分别是政府实施、企业响应、影响产生、影响感知，以及政策的评价与改进[11]。其中，政策评价环节直接影响公共政策的修正、调整与重新选择，具有十分重要的意义。与之对应，绿色治理的政策执行效果评价是一个体系化工作，既涉及到对政策内容的分析，也涉及到政策影响下环境、经济与社会方面客观指标的变化。现有政策执行效果评价的主要方法包括指标体系法[12]、文本分析法[13]、数据包络法[11]、面板数据法[8， 14]以及上述几种方法之间的组合使用。比如，韩超等[15]基于国家工业企业数据库的数据，通过面板数据的分析与挖掘，对中国首次施行的约束性污染控制的规制效果进行评价，并阐述了约束性环境政策工具的作用机制，即约束性规制政策工具促进了生产资源向高生产率企业聚集，降低了制造业的资源错配水平，提升行业整体生产率。史丹等[16]采用统计年鉴与《国家生态足迹账户》提供的面板数据，核算了中国不同年份的人均生态足迹，发现中国在加入世界贸易组织后，人均碳足迹发生了剧烈增长。而且，研究认为生态足迹的变化也能够用于评价一定时期内的国家产业与环保政策的执行效果。余东华等[17]采用制造业国际竞争力水平指数证实了环境规制能通过影响技术进步、积累人力资本并增加劳动技能，来提高中国制造业的国际竞争力。
基于上述方法的应用，现有的绿色治理工具执行效果的评价已经取得了一定的进展，但是依然存在两方面的问题：①现有的评价方法，更多考虑政策直接导致的环境影响，比如测量或者估计节能减排的程度，但是缺少对经济、社会影响的综合评估。②缺乏企业微观层面的数据支撑。比如，在中国环境政策对产业发展的影响的研究中，研究者多采用《中国统计年鉴》与《中国环境统计年鉴》等数据来计算行业层面的规制强度、行业性或者省际的全要素生产率等[18-19]。这种依托宏观数据进行研究的方式，湮没了环境政策的空间、时间与企业的异质性。
因而，基于上述宏观数据的环境政策研究结论，有可能导致环境保护的管理机构“一刀切”政策的出台，也难以从理论上支撑提升中国绿色转型治理能力的目标。针对上述问题，研究者认为，从企业微观层面收集数据，并进一步提高中国绿色治理政策方案的评价能力，实现企业经营绩效和环境绩效的可持续发展，是中国绿色治理方案效果研究的发展趋势。但是，现有的环境实证研究还需要进一步提升数据的数量与质量。
1.2 中国工业企业数据库的研究现状
中国工业企业数据库由国家统计局收集整理，是除了上市公司数据库以外，中国最为权威的企业微观数据库[19]。长期以来，为中国的宏观经济学、企业管理学与公共管理政策分析提供了丰富的实证支撑。该数据库中的企业微观数据，能够有效地弥补现有排污企业运营数据过于宏观，难以体现地域间以及企业间的差异的缺陷。
在工业企业数据库的相关研究中，库内数据主要用于分析影响企业运营、财务以及创新的关键因素。比如，王希泉[19]采用中国工业企业数据库中的研发投入强度，新产品开发绩效与企业其他财务指标（2005—2007年）进行面板数据研究，研究发现企业研发投入与新产品的开发绩效之间存在倒U型关系，以及外部融资比内部融资更适于投入风险较高的新产品领域；也有学者利用工业企业数据进行政策分析与评估，比如，刘志阔[20]分析了2001—2007年间的工业企业数据，识别了中国企业研发投入呈现的周期性变化，并以此为基础，探讨了国家研发政策对企业研发的影响。张辉等[21]采用2005—2007年工业企业数据库的数据，验证政府补贴与企业研发投入之间的非线性关系，其中政府补贴对民营企业、东部企业以及高端制造业的企业研发投入具有更为显著的影响。
但是，鉴于环境指标、监测机构的专业性，中国工业企业数据库一直没有将企业的环境表现纳入统计。因而，在绿色治理以及环境管理的研究中，难以从工业企业数据中获得有效的支撑。而工业企业数据研究，也无法从环保角度，评价产业政策或者绿色治理方案的有效性。上述的研究空白，为本研究提供了一个契机，即通过将工业企业数据与企业的环境排放数据匹配，从企业微观层面识别绿色治理方案对企业环境与经营绩效的影响。
根据上文对现有文献的梳理，本文针对性地提出了如下研究假设：
假设1：地方政府制定的行业性绿色治理方案，将提升特定行业所属企业的环境绩效，并对其经营表现产生影响。
假设2：在绿色治理方案的作用下，企业的自身属性（含企业规模、企业所属权）对企业的环境绩效与经营表现将产生影响。
2 研究方法
2.1 双重差分分析方法
本研究选取湖州纺织印染行业作为研究对象，以双重差分法作为实证研究的主要方法。双重差分（DifferenceinDifferences）是政策分析评估的常用方法，用來估算政策给作用对象所带来的“净影响”。比如，梁若冰等[22]采用双重差分方法考察了中国14个城市新开通45条线路对当地空气污染的影响，研究发现轨道交通具有显著且稳健的污染治理效应，而且轨道交通对出租车出行进行替代从而实现了城市的减排效应。这种政策评价的计量学方法的核心是设置对照组，对照组具有与实验组相似的时间趋势却不受政策影响，只有实验组才受到政策影响。然后通过筛选合理指标，观测在政策实施前与实施后的实验组和对照组指标变化量的差值来评估政策的“净影响”。在指标含义上，政策实施后实验组和对照组的差值由三部分组成，包括：①政策实施前实验组和对照组的差异，即分组效应；②政策实施后与实施前的差异，即时间效应（此处由于选定的对照组与实验组具有相似的时间趋势，故实验组的时间效应可用对照组的前后差异替代）；③政策实施对实验组的处理效应，即“净影响”。双重差分法能够同时对分组效应和时间效应进行控制，从而识别政策的“净影响”，更有效地评价政策的实施效果。
在变量选择方面，本研究采用纺织印染行业地方性绿色治理方案发布前后的单位GDP的废水排放量与全要素生产率作为因变量，并采用双重差分的方法进行数据分析。该方法一方面反映了企业在政策发布前后的排污行为与经营表现的变化；另一方面，该方法也反映了不受特定行业绿色治理的企业与受到特定行业绿色治理的企业之间的差异。基于双重差异形成的估计能够更为明显地识别政策发布与企业排污行为与经营表现的改变之间的因果效应。 鉴于学界中讨论的双重差分方法的适用条件问题[23]，从实验设计的角度来看，本研究属于自然实验与准实验的结合。政策对企业环境表现的影响属于准实验部分，因为该政策在政策设计之初就希望提升特定企业的环境表现；政策对企业全要素生产率的影响属于自然实验部分，因为在政策设计之初，治理意图并不是为了影响企业的全要素生产率，因而样本选择过程可以视为随机选择过程。这样更增强了双重差分方法的适用性与解释效果。
EIit=β0+β1T+β2P+β3T×P+β4Xit+μ（1）
TFPit=β0+β1T+β2P+β3T×P+β4Xit+μ（2）
EIij=Amount of emissionitGross Domestic Productit（3）
通过公式（1）估算綠色治理政策对企业排污指标的影响，通过公式（2）估算绿色治理政策对企业全要素生产率的影响。如公式（3）所示，EIit指企业i在年份t的单位GDP废水排放量（t）；TFPit指企业i在年份t的全要素生产率。公式（1）和（2）中的解释变量与控制变量是相同的。P指的是湖州企业的所属行业，P=1则属于纺织印染行业企业，P=0是属于非纺织印染行业企业，前者受到纺织印染行业绿色治理方案的影响。T=0是湖州发布纺织印染行业绿色治理方案前（2010年、2011年），而T=1，则表示湖州发布纺织印染行业绿色治理方案后（2012年、2013年）。而T和P的交互作用则表示实施行业绿色治理方案前后的净影响，该项在数学上的含义即是政策后实验组与对照组的差异减去政策发布前实验组与对照组的差异，即 “双重差分”。
此外，以上的公式中Xit是控制变量，主要用于表示年份t的企业i的相关属性对企业污染排放与全要素生产率的影响。在本研究中，所识别的企业控制变量包括：①企业规模；②企业所得到的补贴收入；③企业的研发投入；④企业的成立年限。选择的四个变量基于两方面的考虑，其一是这些因素在以往的研究中被证明对企业执行绿色治理方案有显著影响；其二是因为2010—2013年间，上述指标数据相对完整，能够更为完整地体现地方政策实施后对企业的影响。
本研究中为了阐明地方性绿色治理方案对企业全要素生产率的影响，对企业的全要素生产率进行了进一步的核算。其中，在计算全要素生产率方面，本文参照鲁晓东[24] ，赵志耘等[25]的研究，依托工业企业数据库数据，分别采用最小二乘法（OLS法）、Olley 和Pakes的回归模型（OP法）与Levinsohn和Petrin的回归模型（LP法），计算微观企业的全要素生产率（TFPit）值。
以上研究数据主要来自湖州市近年的环境工业废水排放数据，以及国家工业企业数据库的相关数据。在具体研究中，本文参照韩超等[15]的研究方法，首先对两个数据库中的企业按照“企业法人代码”进行匹配，若存在代码重复或者缺失，则采用“企业名称”进行匹配；若匹配存在问题，则使用“法人代码+地区（县）”进行尝试，以此类推，依次对“地区”“行业”“邮政编码”“主要产品”“登记注册类型”“控股情况”等关键字进行精确匹配，获得尽可能全面的匹配数据。然后对匹配后的数据进行清洗，排除数据缺失情况，最后形成研究所需的样本集合。
2.2 固定效应分析
为了进一步增强研究的信度，本研究考虑了回归中面临的固定效应。根据Pavel等[26]的研究，为了排除一系列的竞争性假说，DID回归分析需要考虑各种不同情况的固定效应。比如，在分析德国染料禁令对印度化学工业与印染工业的影响时，也在每个回归模型中采用了固定效应分析，从而减少时间、行业、企业的差异对回归结果的扰动，得到了较好的验证结论。Liu等[27]在考察太湖流域印染排污的研究中，采用了固定效应分析，减少由于不可观测变量造成的估计偏误。
根据研究需要，在本文中主要考虑了三类固定效应影响因素，分别是：①企业固定效应，避免由企业差别所造成的政策发布与实施效果之间的伪相关；②时间固定效应，避免由时间差异造成的政策发布与实施效果之间的伪相关；③时间在一次方，以及二次方层面的趋势效应，避免由时间发展造成的政策发布与实施效果之间的伪相关。
3 实证结果分析
3.1 湖州市纺织印染企业可持续发展的现状
近年来，湖州市对于纺织印染工业进行了持续的规划与引导。在2009年发布了特色纺织产业的振兴升级规划，其中强调如何打造纺织产业的核心竞争力。但是，自2011年起，湖州市又提出了《“十二五”工业转型升级规划》与《湖州市印染行业转型升级发展规划（2011—2015）》，将能源合同管理，严控纺织污染排放等条款作为产业政策的核心。因此，本研究将2012年确定为湖州市纺织印染行业环境整治的时间分界点，即本研究关注《湖州市印染行业转型升级发展规划（2011—2015）》的实施对纺织印染行业的企业经营与环保行为协调发展的影响。本研究主要采用的时间区间为2010—2013年的企业经营与环境数据，从而避免2009年因纺织振兴规划对数据整体趋势的影响，确保所研究的企业受到一致性的政策影响。
根据本研究的数据所示，纺织印染企业在湖州的工业中具有主体地位。如图1（A）所示，纺织印染企业数量常年占到湖州企业总数40%以上，并一度接近50%。但是，随着近年湖州市工业发展的产业结构调整，纺织印染企业在2013—2015年间数量逐年下降。如图1（B）所示，尽管纺织印染行业总产值的绝对量还有略微上升，但随着纺织印染行业的企业数量下降，其产值在工业中的比重也随之下降。从最高时期的高于40%，下降到2015年的15%左右。这说明城市工业实现了产业结构升级与调整，同期纺织印染行业的总产值也保持上升趋势。
同时，研究中的数据也显示了纺织企业废水治理能力日趋提升。如图1（C）所示，可知纺织印染企业废水排放量经历了一个先上升后下降的趋势。其中，2011年的废水排放总量达到峰值，考虑从2011—2015年，纺织印染企业的总产值并没有减少，而同期废水排放量有了一定下降，说明绿色治理政策起到了明显作用。但是，图1（C）同样显示了纺织印染企业排放废水量占总废水排放量的比例没有发生显著的减少，基本保持在60%上下，一方面说明了纺织产业高耗水的特性，另一方面也说明了该行业未来节水减排的任务依然艰巨。研究也比较了企业的废水排放强度，如图1（D）所示，纺织印染行业的单位产值的废水排放量呈现出逐年下降的趋势，造成这种状况的原因既有纺织印染行业产值的不断增加，更为重要的是当地纺织印染行业近年来污水排放与中水回用技术的使用与扩散。但是，从图1（D）还能发现，从绝对量上，纺织印染行业废水排放强度还是远远高于该地区企业的平均水平。这说明尽管纺织企业通过技术升级，不断提高水资源的利用率，但是由于行业的属性差异，纺织印染行业依然是一个高耗水、高排放的行业，需要积极推广更为先进的节水技术，进一步提高行业的水资源利用效率。 根据Liu等[27]的研究方法，本研究也对处理组（纺织印染企业）和控制组（非纺织印染企业）废水排放强度进行了平行假设检验。如图2所示，研究发现在行业绿色治理方案发布前，控制组与处理组的数据变化具有相似性，从而为后续双重差分研究提供了必要前提。而且，由图2同样可以发现在2011年前后，相比于非纺织印染行业，纺织印染行业的废水排放强度存在显著变化。基于趋势观察结论，后续研究将从统计学角度对绿色治理方案的实施效果，给出更为严密的研究结论。
3.2 湖州绿色治理政策对纺织印染企业的影响
3.2.1 主要变量的描述性研究
根据上文所述，在政策的统计性分析部分，本研究选择2010—2013年企业数据。如表1所示，经过数据清洗，在2010—2013年间，符合条件的企业样本数据共计1 271条，其中含纺织印染行业企业数据494条，占到总量的近38.9%，与纺织印染企业在当地产业中的分布比例相一致。另外，本研究也识别了研究中的控制变量，如企业规模、政府补贴、成立年限、研发投入与企业所属权。其中，政府补贴、研发投入、成立年限，直接使用记录数据；另一方面，本研究将企业规模、企业所属权作为虚拟变量，根据工业企业运营数据，将中小企业设为0，将大企业设为1；将内资企业设为0，而将外资企业设为1。
3.2.2 基于双重差分方法的统计性研究
根据上述变量，企业数据的回归分析结果如表2所示。双重差分方法（DID）从统计学的角度展示，当研究控制了相关变量、考虑不同固定效应的前提下，地方性行业绿色治理方案与工业废水减排之间依然存在着非常显著的相关性。
如表2模型（1）至模型（5）所示，将企业废水排放强度（EIit）作为因变量进行回归分析，考虑不同固定效应的情境下，可以得到如下结论：
首先，如模型（1）所示，在控制了时间固定效应的前提下，行业（P）污染排放量具有显著影响（Pvalue<0.01），且系数为正，说明研究假设获得了统计学的支持，即纺织印染行业相比于其他行业废水排放量有显著性增加，这种行业的特殊性，说明政府治理纺织印染行业的废水排放是有意义的；其次，如表2中模型（2）、（4）、（5）所示，在单独控制企业固定效应，以及同时控制企业固定效应，时间趋势的情况下，时间（T）对于企业废水排放影响都不显著。这说明在观测时期内，时间变化并不会导致企业废水排放强度发生显著变化。
如表2中模型（3）至模型（5）所示，研究也显示了双重差分方法具有较高的信度，即在同时考虑控制变量，时（T×P）间固定效应、企业固定效应的情况下，政策的实施对于工业污水排放始终具有显著的负面影响（Pvalue<0.01）。上述结论表明，在《湖州市印染行业转型升级发展规划（2011—2015）》出台后，纺织印染企业的废水排放量显著下降。上述结论，支撑了本文初始的假设，即“地方性政府所制定的行业性绿色治理政策，将有效提升区域内企业的环境表现”。
然后，本研究进一步分析了綠色治理方案对于企业全要素生产率的影响。为了提高研究的信度，研究采用了三种不同的全要素生产率计算方法。研究结果如表2的模型（8）、模型（9）与模型（10）所示，无论企业的全要素生产率采用了何种计算方法，在同时考虑企业固定效应与时间固定效应的情境下，绿色治理政策对于企业的全要素生产率都没有显著的影响，即并没有发生由于环境监管水平上升而导致企业创新能力下降的现象。这说明绿色治理方案并没有显著影响企业的全要素生产率。
基于上述微观企业的样本回归结果，研究发现湖州推行的行业绿色治理政策明显降低了企业废水的排放强度，同时并没有影响企业的全要素生产率。因此，研究初步验证了在湖州行业性绿色治理政策的引导下，纺织印染企业实现了经济与环境的协调发展。从理论上看，该研究结论为“弱波特假说”提供了一个来自于中国的实证支撑，即政府提升环境规制强度，并不会限制企业的生产与创新活动[28]。同时，本研究结论也能够为创新政策中的演化经济学理论提供实证支撑，解释企业在环境规制压力下的创新行为。因为，演化经济学理论认为企业能够主动适应外界环境的变化，并通过创新来让企业满足新的目标[29-30]。此外，该研究结论与王勇等[31]的研究结论相一致，即加强环境规制能够有效降低污染密集型产业的污染排放强度，但并不会明显影响这些行业的发展。另一方面，现阶段中国许多环境政策研究得到的主要结论依然是环境规制强度上升，对企业与城市的发展有所阻碍。比如，谢振等[32]通过对临沂治污事件的剖析，认为“环保风暴治理”对当地企业经济发展造成了一定的影响。而石庆玲等[33]也通过“两会”期间全国空气质量分析，发现尽管在两会期间空气质量有明显上升，但是，当两会结束以后，全国空气质量都会发生“报复性”的恶化。而李婉红等[34]也提出了对于污染密集型企业的高强度的环境规制，将影响企业的创新能力。本研究与上述实证研究结论之间的差异，正恰好说明，湖州市是中国首个地市级生态文明先行示范区，也是中国“绿色制造”政策实施以来唯一的试点示范城市，它成功地为中国制造业探索到了可持续发展的新路径。而湖州市政府在积极推动绿色治理政策落实的同时，也积累了丰富的实践经验，有效推动了产业的可持续发展。其中，绿色治理政策对于环境与经济协调发展的影响机制，还需要在未来的研究中进行更加深入的案例剖析与经验归纳。
3.2.3 统计性研究的稳健性检验
为了进一步增强本研究的信度与效度，研究根据以往的研究方法，进行了一系列的统计检验。根据Chakraborty等[26]的研究，为了增强研究效度，本研究将对照组数据进行匹配。由于数据总量的制约，在本研究中难以采用倾向值匹配（PSM）方法对数据进行逐一配对。但是，可以通过排除差异较为显著的行业数据，增强方法效度。本研究认为，在污水排放较为密集的行业除了纺织业以外，还有食品加工、造纸、化工以及装备制造业。将上述行业作为纺 织印染行业的对照组，能有效避免次要的废水排放行业对回归结果的干扰。因此，比较表2中模型（3）与模型（6）可以发现，在考虑控制变量，企业固定效应以及不同时间效应的情况下，尽管对照组中减少了将近24%的样本数量，纺织印染行业的绿色治理方案能够显著减少企业的废水排放强度。因此，进一步说明双重差分方法评价纺织印染行业的绿色治理方案具有很好的效度。 为了进一步增强回归验证的效度，本研究还进行了平衡面板与非平衡面板的比较研究，以及证伪验证。与非平衡面板数据相比，平衡面板数据指的是在所调查的年份中，数据齐备，完全符合双重差分方法的计算原理，从而避免因为数据缺失而导致回归结果出现统计学意义的偏误。因为中国企业在发展中面临着各种困难，大量企业难以完整度过统计时间段，平衡面板数据量仅占统计数据总量的8.8%。如表2中模型（3）与（7）所示，采用平衡面板数据，政策对企业废水排放的约束效果依然显著（Pvalue < 0.01），且非平衡面板的系数在平衡面板系数95%的置信区间内，说明将观测样本限制在平衡面板中，以保证数据完整性为前提，绿色治理方案对废水排放量的削减效果并没有发生明显的改变，可以说明该政策评价方式具有较好的信度。此外，本研究将企业二氧化硫（SO2）排放强度作为因变量用于证伪研究，主要验证政策是否能减少其他污染物的排放，旨在避免因为其他潜在环境政策的发布影响实施效果。比较表2中模型（3）与（11）可以发现，在废水排放强度有显著下降的情境下，SO2的排放强度并没有受到政策的显著性影响，这说明针对纺织印染行业的治理方案，并不能影响废气排放强度。从另一方面说明本文的研究结论具有较高的效度。
3.2.4 企业异质性对于研究结论的影响
在上述结论的基础上，本研究分析了企业属性对政策实施效果的影响。如表3模型（1）到模型（3）所示，在考虑控制变量、企业固定效应以及不同时间效应的情况下，随着政策的实施，内资企业的废水排放强度发生明显的下降（p<0.01），而外资企业虽然并没有发生显著降低，但是作用方向也为负向。回归结果说明内资企业的环境绩效还有很多提升空间，而外资印染企业环保绩效并没有受到政策的显著冲击，原因可能是因为外资企业在过去已经达到了较好的环境绩效。该结论与张炳等[27]的研究结论相一致，即外资企业一般都已经有良好的环境表现。另一方面，如表3模型（4）到模型（6）所示，在政策实施后，大企业废水排放强度有显著下降，而并没有观测到小企业废水排放强度的变化。研究认为这与中国长期以来对大中型企业进行严格监管，能够通过“命令控制型”政策推动企业提升环境绩效有明显关系。
4 结论与启示
本文通过对微观企业环境排污与经济发展的面板数 据进行双重差分回归分析，从实证角度探讨了浙江省湖州市2011年实施纺织印染行业环境专项规划的执行效果。研究发现地方政府制定、实施行业性环境政策，能显著地减少当地纺织印染企业的废水排放强度，而且不降低当地纺织印染行业的技术进步与经济发展。因此，地方政府以顶层设计的方式，组合使用绿色治理工具，合理制定绿色治理方案，对提升当地重污染行业内企业的环境与经济协调发展具有积极意义。
从政策的外溢角度看，本研究认为湖州市作为国家唯一的“绿色制造”试点示范城市，通过整体设计工业绿色治理方案，实现了产业经济与环境保护的协調发展，对于中国绝大多数制造业城市中污染密集型行业绿色转型，以及深入推进“绿色制造”工程，具有借鉴意义。从方法创新的角度看，本案例为地区性绿色治理方案的执行效果评价提供了一种新的手段，即匹配微观层面的企业运营数据与污染排放数据，用于评价多目标的绿色治理方案执行效果，从而更为客观、细致地考察了工业发展与环境保护之间的协调程度，为中国绿色治理方案的设计，提供了方法支撑。从企业治理的角度看，基于统计数据的政策效果研究，能够反映政策对于不同企业实施效果的异质性，比如，由政府主导的绿色治理方案对大型企业经济与环境协调发展，具有更为明显的提升效果，而对中小企业的影响有限。然而，无法回避的是中国中小企业占据企业总数99%以上，其排污达到工业排污量的70%以上[35]。所以，在未来，还需要总结更多的绿色治理方案，既帮助企业实现持续成长，并持续提升他们的环境绩效，从而更显著地提升地区产业整体的绿色制造水平。从新公共管理的角度看，基于数据的统计回归结果，也能发现一些新的问题。比如，地方性的行业绿色治理方案，并没有显著降低区域内整体工业废水的排放强度。这意味着地方政府试图通过抓住关键行业进行整治的方式，没有带动区域内其他行业环境表现显著提升，没有达到政策预计中以点带面的示范效果。该现象说明要提升地区工业整体的绿色发展水平，是一个更为全面、系统而复杂的过程，需要在顶层设计中，从产业链视角进行整体的设计与考虑，有效提升当地工业的绿色发展水平，实现环境、经济与社会的协同发展。
此外，本研究并没有证实企业研发投入、政府补贴等其他属性与绿色治理效果之间显著的相关性。这并不能说明这些属性对于企业环境表现没有影响，而是有可能由于本研究的政策评价中还面临着诸如政策执行效果尚未显现、数据质量较差、指标选择范围有限等种种局限。因此，还需要未来在相关方面进行更为深入的研究。
总之，地方政府从顶层设计的角度规划绿色治理方案，能有效避免环境政策执行中的条块分割，也能在不妨碍企业经营的情况下，有效提升他们的环境表现。但是这种方法对提升区域内整体的环境表现还存在着一些问题。在未来的政策执行与政策研究中，应当更多地利用政策工具组合，为“全面、系统”地提升地区企业的环境绩效与产业发展做出政策探索。
（编辑：李 琪）
参考文献（References）
[1]习近平. 决胜全面建成小康社会 夺取新时代中国特色社会主义伟大胜利——在中国共产党第十九次全国代表大会上的报告[J]. 前进， 2017（11）：4-23.[XI Jinping. Secure a decisive victory in building a moderately prosperous society in all respects and strive for the great success of Socialism with Chinese Characteristics for a New Era： report at the 19th National Congress of the CPC[J]. Qianjin， 2017（11）：4-23.] [2]王海芹， 高世楫. 我国绿色发展萌芽、起步与政策演进：若干阶段性特征观察[J]. 改革， 2016（3）：6-26.[WANG Haiqin， GAO Shiji. Germination， starting and policy evolution of green development in China： observation of some stage characteristics[J]. Reform， 2016（3）：6-26.]
[3]YE Q. Annual review of lowcarbon development in China： 2010[M]. Beijing：World Scientific， 2013.
[4]KONG D， FENG Q， ZHOU Y， et al. Local implementation for greenmanufacturing technology diffusion policy in China： from the user firms perspectives[J]. Journal of cleaner production， 2016，129：113-124.
[5]LIU P， ZHOU Y， ZHOU D K， et al. Energy performance contract models for the diffusion of greenmanufacturing technologies in China： a stakeholder analysis from SMEs’ perspective[J]. Energy policy， 2017，106：59-67.
[6]CHEN L， ZHOU Y， ZHOU D， et al. Clustering enterprises into ecoindustrial parks： can interfirm alliances help small and mediumsized enterprises？[J]. Journal of cleaner production， 2017，168：1070-1079.
[7]CHEN L， XU J， ZHOU Y. Regulating the environmental behavior of manufacturing SMEs： interfirm alliance as a facilitator[J]. Journal of cleaner production， 2017，165：393-404.
[8]張倩. 环境规制对绿色技术创新影响的实证研究[J]. 工业技术经济， 2015（7）：10-18.[ZHANG Qian. An empirical study of environmental regulations influence on green technology innovation[J]. Journal of industrial technological economics， 2015（7）：10-18.]
[9]HU Y. Implementation of voluntary agreements for energy efficiency in China[J]. Energy policy， 2007，35（11）：5541-5548.
[10]鄢一龙， 吕捷， 胡鞍钢. 整体知识与公共事务治理[J]. 管理世界， 2014（12）：70-78.[YAN Yilong， LV Jie， HU Angang. Integrated knowledge and public affairs[J]. Management world， 2014（12）：70-78.]
[11]GOGGIN M L， MAZMANIAN D A， SABATIER P A. Implementation and public policy[J]. Acoustics speech & signal processing newsletter IEEE， 1983，14（4）：159.
[12]杨存， 高羽， 陈功， 等. 公共政策评价核心指标体系构建的理论及方法[J]. 中国卫生经济， 2011，30（8）：28-30.[YANG Cun， GAO Yu， CHEN Gong，et al. Theory and methods on the construction of core public policy evaluation index system[J]. Chinese health economics， 2011，30（8）：28-30.]
[13]董战峰， 葛察忠， 王金南， 等. “十一五”环境经济政策进展评估——基于政策文件统计分析视角[J]. 环境经济， 2012（10）：22-31.[DONG Zhanfeng， GE Chazhong， WANG Jinnan， et al. The evaluation on the environmental economics policies implementation during the Eleventh FiveYear Plan：based on the context analysis[J]. Environmental economy， 2012（10）：22-31.]
[14]吕康娟， 程余， 范冰洁. 环境规制对中国制造业绿色全要素生产率的影响分析[J]. 生态经济， 2017，33（4）：49-52.[LV Kangjuan， CHENG Yu， FAN Bingjie. The relations study on environmental regulation and green total factor productivity of China’s manufacturing industry[J]. Ecological economy， 2017，33（4）：49-52.] [15]韩超， 张伟广， 冯展斌. 环境规制如何“去”资源错配——基于中国首次约束性污染控制的分析[J]. 中国工业经济， 2017（4）：115-134.[HAN Chao， ZHANG Weiguang， FENG Zhanbin. How does environmental regulation remove resource misallocation：an analysis of the first obligatory pollution control in China[J]. China industrial economics， 2017（4）：115-134.]
[16]史丹， 王俊杰. 基于生态足迹的中国生态压力与生态效率测度与评价[J]. 中国工业经济， 2016（5）：5-21.[SHI Dan， WANG Junjie. Measurement and evaluation of China’s ecological pressure and ecological efficiency based on ecological footprint[J]. China industrial economics， 2016（5）：5-21.]
[17]余东华， 孙婷. 环境规制、技能溢价与制造业国际竞争力[J]. 中国工业经济， 2017（5）：35-53.[YU Donghua， SUN Ting. Environmental regulation， skill premium and international competitiveness of manufacturing industry[J]. China industrial economics， 2017（5）：35-53.]
[18]李玲， 陶锋. 中国制造业最优环境规制强度的选择——基于绿色全要素生产率的视角[J]. 中国工业经济， 2012（5）：70-82.[LI Ling， TAO Feng. Selection of optimal environmental regulation intensity for Chinese manufacturing industry：based on the green TFP perspective[J]. China industrial economics， 2012（5）：70-82.]
[19]王希泉， 申俊龙. 融资约束背景下的企业研发投入与新产品开发绩效——基于中国工业企业数据库的面板模型分析[J]. 科技管理研究， 2016，36（11）：131-138.[WANG Xiquan， SHEN Junlong. R&D investment，financing constraints and new product development performance：based on panel data analysis of industrial enterprises data of China[J]. Science and technology management research， 2016，36（11）：131-138.]
[20]刘志阔， 蒋坤宏. 中国研发投入的周期性及其非对称性[J]. 世界经济文汇， 2014（3）：84-97.[LIU Zhikuo， JIANG Kunhong. Periodicity and asymmetry on Chinese research investment[J]. World economic papers， 2014（3）：84-97.]
[21]张辉， 刘佳颖， 何宗辉. 政府补贴对企业研发投入的影响——基于中国工业企业数据库的门槛分析[J]. 经济学动态， 2016（12）：28-38.[ZHANG Hui， LIU Jiaying， HE Zonghui. The effect of subsidy on the enterprises investments：based on the Chinese industrial database[J]. Economic perspectives， 2016（12）：28-38.]
[22]梁若冰， 席鵬辉. 轨道交通对空气污染的异质性影响——基于RDID方法的经验研究[J]. 中国工业经济， 2016（3）：83-98.[LIANG Ruobing， XI Penghui. Heterogeneous effects of rail transit on air pollution： an empirical study with RDID[J]. China industrial economics， 2016（3）：83-98.]
[23]陈林， 伍海军. 国内双重差分法的研究现状与潜在问题[J]. 数量经济技术经济研究， 2015（7）：133-148.[CHEN Lin， WU Haijun. Research status and potential problems of differencesindifferences method in China[J]. The journal of quantitative & technical economics， 2015（7）：133-148.]
[24]鲁晓东， 连玉君. 中国工业企业全要素生产率估计：1999—2007[J]. 经济学（季刊）， 2012（2）：541-558.[LU Xiaodong， LIAN Yujun. Estimation of total factor productivity of industrial enterprises in China： 1999-2007[J]. China economic quarterly， 2012（2）：541-558.] [25]郭庆旺， 赵志耘， 贾俊雪. 中国省份经济的全要素生产率分析[J]. 世界经济， 2005（5）：46-53.[GUO Qingwang， ZHAO Zhiyun， JIA Junxue. The analysis of provincial total productivity in China[J]. World economics， 2005（5）：46-53.]
[26]CHAKRABORTY P， CHATTERJEE C. Does environmental regulation indirectly induce upstream innovation？ new evidence from India[J]. Research policy， 2017，46（5）：939-955.
[27]LIU M， SHADBEGIAN R， ZHANG B. Does environmental regulation affect labor demand in China？ evidence from the textile printing and dyeing industry[J]. Journal of environmental economics & management， 2017，86：277-294.
[28]PORTER M E， DER LINDE C V. Toward a new conception of the environmentcompetitiveness relationship[J]. Journal of economic perspectives， 1995，9（4）：97-118.
[29]VONORTAS N S， ROUGE P C， ARIDI A. Innovation policy： a practical introduction[M/OL]. https：//www.researchgate.net/publication/321617900_Innovation_Policy_A_Practical_Introduction， 2015.
[30]柏明国，李中娟.传统制造企业绿色创新的驱动机理研究[J].西南石油大学学报（社会科学版），2018，20（3），13-20.[BAI Mingguo， LI Zhongjuan. Research on the driving mechanism of green innovation in traditional manufacturing enterprises[J]. Journal of Southwest Petroleum University（social sciences edition），2018，20（3），13-30.]
[31]王勇， 刘厚莲. 中国工业绿色转型的减排效应及污染治理投入的影响[J]. 经济评论， 2015（4）：17-30.[WANG Yong， LIU Houlian. The abatement effect of Chinas industrial green transformation and the impact of pollution control investment[J]. Economic review， 2015（4）：17-30.]
[32]陳诗一， 谢振. 经济发展与环境保护双赢政策初探——从临沂治污事件谈起[J]. 中国环境管理， 2015（4）：14-20.[CHEN Shiyi， XIE Zhen. An inquiry into the WinWin policy for economic development and environmental protection：start with the Linyi air pollution abatement incident[J]. Chinese journal of environmental management， 2015（4）：14-20.]
[33]石庆玲， 郭峰， 陈诗一. 雾霾治理中的“政治性蓝天”——来自中国地方“两会”的证据[J]. 中国工业经济， 2016（5）：40-56.[SHI Qingling， GUO Feng， CHEN Shiyi. ‘Political Blue Sky’ in fog and haze governance： evidence from the local annual ‘Two Sessions’ in China[J]. China industrial economics， 2016（5）：40-56.]
[34]李婉红， 毕克新， 孙冰. 环境规制强度对污染密集行业绿色技术创新的影响研究——基于2003—2010年面板数据的实证检验[J]. 研究与发展管理， 2013（6）：72-81.[LI Wanhong， BI Kexin， SUN Bing. Research on the effect of environmental regulation intensity on green technological innovation of pollution intensive industries： empirical test based on panel data of 2003-2010[J]. R&D management， 2013（6）：72-81.]
[35]HILLARY R. Environmental management systems and the smaller enterprise[J]. Journal of cleaner production， 2004，12（6）：561-569. Abstract ‘Green manufacturing， transformation and upgrading’ is a systematic governance plan， which tries to solve the dilemma between industrial development and environmental protection. During the implementation stage of this plan， the local government usually enacts specific industrial developing plans for local industry， because of the considerations of variations of industrial developing mode in different places. However， it is difficult to evaluate how green governance policy makes a balance between environmental performance and industrial development. Especially at the level of enterprises， discussion remains inconclusive regarding the impacts and mechanism caused by green governance policy. In this research， we selected the green governance policy on special industry in Huzhou as our case study， namely the developing plan for transformation and upgrading of textile， dyeing and printing industry in Huzhou （2011-2015）. We matched the waste water data with Chinese industrial enterprises data， and then constructed a panel data and adopted differenceindifferences （DID） model to evaluate the impact of abovementioned industrial policy in Huzhou. We mainly focused on how policy affected the waste water discharge behaviors and operational performance of enterprises. Our data set consisted of 692 local enterprises from 2010-2013， which gave us 1 271 enterpriseyear observations. The DID estimates indicated that the green governance policy on specific industry was an essential approach for promoting the environmental performance of enterprises during the policy implementation. Meanwhile， the total factor productivities of treated enterprises were not significantly affected by this environmentalfriendly policy. In addition， the policy had heterogeneous impacts on different types of enterprises， significantly reducing the waste water discharge intensity in domestic enterprises and largescale enterprises， while had insignificant impacts on foreign enterprises. In conclusion， the green governance policy in Huzhou promoted the environmental performance and industrial development in textile， dyeing and printing industry. The result from the research could provide experience and empirical evidence for sustainable governance ability in China.
Key words green manufacturing； environmental regulating； dyeing and printing； differenceindifferences method