1. 引言
随着我国经济的快速发展,环境污染问题日益突出,减污降碳逐渐成为当前研究的焦点。在2020年的联合国大会上,习近平正式提出在2023年实现碳达峰、2060年实现碳中和的目标。在2023年全国生态环境保护大会上,习近平强调今后5年是美丽中国建设的重要时期,要牢固树立和践行绿水青山就是金山银山的理念,以高品质生态环境支撑高质量发展,加快推进人与自然的和谐共生。在此背景下,中国作为碳排放大国,仍然有较大的减排压力。为减少环境污染排放而引起的外部不经济性,各国政府采取环境规制政策,加速推动经济社会发展绿色化,实现经济的高质量发展。大量研究表明环境规制可以有效减少环境污染,由于二氧化碳与大气污染物同根同源,有学者研究发现环境规制在减少环境污染的同时可以协同促进碳减排,因此环境规制政策的实施对于我国实现“双碳”目标和建设美丽中国具有重要意义。
由于制度间存在耦合效应和协同效应,正式环境规制的政策效果会受到非正式环境规制的影响,同时,非正式环境规制的政策效果也会受到正式环境规制的影响。环境信息披露作为非正式的环境规制制度,因其在弱化信息不对称、保障公众对环境保护的知情权、参与权和监督权等方面的优势而兴起,是影响政策实施效果的重要变量。而环境规制政策的实施主体是政府,因而具有强制性、及时性等特点,能够有效保障政策的实施效果。环境信息披露和环境规制作为我国环境政策中推动经济绿色转型的重要组成部分,两者实施相辅相成,探究两者政策的叠加能否协同促进经济绿色发展,有助于探索其他政策间的组合和设计,为实现“双碳”目标奠定良好的制度基础。作为一项非正式的环境规制政策,环境信息披露能够发挥社会各方的监督作用,有利于消除信息不对称所导致的市场失灵,为促进我国经济绿色转型提供了新的思路。目前关于环境信息披露的相关研究,大多集中于探究信息披露对企业出口加成率、企业创新等其他微观企业层面的因素,鲜有文献从宏观层面探究环境信息披露对城市碳排放的影响。考虑到上述两个方面,本文从制度的协同性和耦合性出发进行研究,将正式环境规制和非正式环境规制同时纳入研究框架,探究环境信息披露对城市碳排放的影响与内在机制以及外部环境规制所发挥的调节作用。
2. 文献综述与研究假设
2.1. 环境信息披露对碳排放的影响
环境信息披露作为自愿型环境规制制度,表现为参与主题多元性、协商性、互动性等特征,弥补了正式环境规制在实施上具有程序化、强制化等的缺陷。现有研究表明,由于环境信息具有一定的专业性和相对封闭性,会在一定程度上影响到公众对于环境质量的知情权,从而影响到政府的环境治理、环境绩效。
目前,学术界对于环境信息披露与环境治理的研究,主要持有两种观点:一种观点认为,环境信息披露能够促进环境治理绩效的改善。powers et al. (2011) [1]研究发现通过减少企业与政府之间的信息不对称性,环境信息披露能够减少污染排放,如为政府提供更多的企业排放和减排措施的相关信息。prado-lorenzo j et al. (2009) [2]研究表明对于人口密度较高地区的企业、环保评级较低的企业和外商投资型企业,环境信息披露能够显著减少污染排放。shen zhong et al. (2021) [3]研究发现提高污染源信息公开水平可以显著增加城市的so2减排能力,并且污染源信息披露存在显著的正向的空间溢出效应,会促进周边城市的so2减排能力。daqian shi et al. (2021) [4]研究发现信息披露能够显著减少企业排放,并且政府的环境监管力度越大,信息披露的减排效果越明显。zhang h et al. (2022) [5]研究表明污染源信息公开指数(piti)的发布会在短期内提高环境效率。shi he et al. (2023) [6]研究发现信息披露能够促进企业减少碳排放,并且出口型企业和大型企业更有可能实现碳减排,同时环境法规和环保处罚会增强信息披露对于碳减排的影响。
另一种观点则是认为环境信息披露不能有效改善环境治理绩效。uchida (2007) [7]基于动态博弈模型发现,与没有环境信息披露的情况相比,信息公开可能会造成总体污染加大,原因可能是虽然每个产品的环境质量改善了,但是产品的总需求增加了,因此信息公开并未真正改善环境绩效。meng et al. (2019) [8]认为企业为了维护自己的声誉,可能会披露虚假的环境信息来降低处罚的风险,因此削弱了环境信息披露的有效性。seligsohn et al. (2018) [9]认为环境信息披露对环境治理的有效性取决于政府的公共问责制度。zhang and xie (2020) [10]研究发现企业与政府的合谋行为会导致环境信息披露不能有效减少环境污染。现有文献对于环境信息披露对碳排放影响的研究并未达成共识,通过梳理相关研究发现学者们所采用的方法与变量不尽相同,因此研究结果也有所差异。环境库兹涅茨曲线表明,许多的经济和社会因素与污染之间并非单一的线性关系,而是非线性关系。meng et al. (2014) [11]研究发现环境信息披露与环境污染之间存在非线性关系,并且通过在模型中加入环境信息披露的二次项来加以验证。基于学者们的研究,本文认为环境信息披露与碳排放也并未是简单的线性关系。根据上述分析,本文提出假说h1。
假说h1:环境信息披露与碳排放呈现“u”型曲线关系。
环境信息披露会通过中介变量间接影响碳排放量。从宏观产业层面,大多数研究发现环境信息披露可以促进产业结构升级,许梦博和李世斌(2021) [12]研究发现环境信息披露会迫使地方政府淘汰那些高污染的产业,同时地方政府也会加大对新兴产业的补贴,促进产业结构升级;从微观企业层面,关于技术创新作为中介变量的研究,主要分为遵循“创新补偿”效应和“成本规模”效应。ding et al. (2022) [13]以2008年中国城市污染源信息公开指数(piti)的发布作为准自然实验,研究发现环境信息披露能够促进高污染企业的绿色创新。lu and li (2020) [14]认为企业为了彰显自己的声誉形象和环境责任,环境信息披露会倒逼企业进行绿色创新,从而形成创新溢出效应来减少环境污染。由于环境信息披露属于环境规制,在环境规制的相关研究中,有学者发现环境规制会抑制技术创新,即遵循“成本规模”效应,认为随着环境规制的提升,会增加企业的生产成本,导致企业会相应地减少研发投入,从而不利于技术创新,因此本文认为环境信息披露对技术创新的影响中可能也存在“成本规模”效应。综上所述,本文提出假说h2。
假说h2:产业结构升级与技术创新在环境信息披露影响碳排放的过程中发挥中介作用。
2.2. 环境规制的调节作用
正式环境规制的实施会在很大程度上影响环境信息披露碳减排的效果。一方面,我国先后发布了许多与环境相关的法律法规,包括环保税、《中华人民共和国大气污染防治法》等,政府会根据企业环境信息披露的情况做出相应的处罚,因此企业不得不实施实质性的保护环境的措施(路正南和殷明星,2022) [15],从而有效提高环境绩效,因此环境规制的实施为企业的环境信息披露提供了硬支撑;另一方面,生态环境部印发了《企业环境信息依法披露格式准则》,要求企业披露碳排放信息、生态环境违法信息、相关投融资的生态环保信息等,为获得合法地位,企业往往利用环境信息公开对环境表现进行印象管理(neu d et al, 1998) [16],从而向市场传递良好形象,因此环境规制会对环境信息披露碳减排产生影响。基于以上分析,提出假设h3。
假说h3:环境规制在环境信息披露影响碳排放的过程中发挥调节作用。
进一步分析环境规制与环境信息披露的交互项通过哪些中介变量影响碳排放,即对环境规制进行有中介的调节变量分析。本文主要研究环境规制调节效应中的产业结构高级化和技术创新的中介渠道机制。一是严厉的环境规制政策将抑制污染密集型产业的增加,推动产业结构高级化,从而减少碳排放。因此本文考虑环境规制会通过产业结构高级化调节环境信息披露碳减排的效果。张忠杰(2019) [17]认为随着环境规制政策的引导和消费者环保意识的增加,那些拥有环保技术的企业在市场会更具有竞争优势,更有动力开发绿色产品。asici and acar (2018) [18]研究发现产业结构的调整和优化会促进资源利用率提高,生产方式由末端污染控制向前端清洁生产转变。二是环境规制对技术创新可能会产生“创新补偿”效应和“成本规模”效应,当环境规制水平越高时,环境信息披露对技术创新的影响越大,对碳排放的影响也会随之越大。一方面,wu et al. (2020) [19]认为从长期来看,环境规制对研发投入有挤出效应,即环境规制会增加企业的生产成本和污染治理成本,从而在一定程度上会减少企业的研发投入。另一方面,ouyang et al. (2020) [20]研究发现适当的环境规制可以激励企业进行技术创新,提高污染治理水平所产生的收益可以部分或者完全抵消环境规制政策下企业所增加的成本,从而产生“创新补偿”效应。基于以上分析,提出假说h4。
假说h4:环境规制在环境信息披露对碳排放影响中所发挥的调节效应通过产业结构高级化和技术创新的中介作用得以实现。
3. 研究设计
3.1. 模型构建
1) 基准回归
首先,本文以环境信息披露为解释变量,以城市碳排放为被解释变量,构建回归模型(1)
(1)
其中,
是城市i第t期的碳排放量;
是城市i第t期的环境信息披露水平;
是控制变量;
是随机扰动项。
2) 中介效应模型
本文选取产业结构高级化和技术创新作为中介变量,检验其在环境信息披露对碳排放的影响过程中发挥的作用,构建中介效应模型(2)和模型(3)
(2)
(3)
其中,
是中介变量,依次为产业结构高级化和技术创新,
和
分别为模型(2)和模型(3)中的随机扰动项,其余变量定义同上。
3) 调节效应模型
本文选取环境规制作为调节变量,构建调节效应模型(4)
(4)
其中,
为环境规制;
和
分别为环境信息披露一次项和二次项与环境规制的交互项;
为随机扰动项,其余变量定义同上。
4) 有中介的调节效应模型
构建模型(5)和模型(6)检验有中介的调节效应
(5)
(6)
其中,
和
分别是模型(5)和模型(6)的随机扰动项;其余变量定义同上。
3.2. 样本选择与数据来源
1) 被解释变量:碳排放(co2),参考吴建新和郭智勇(2016) [21]的研究方法计算所得,其中碳排放既包括煤气和液化石油气等直接能源产生的碳排放,也包含电能和热能消耗产生的碳排放。
2) 解释变量:环境信息披露(piti),采用公众环境研究中心(ipe)和自然资源保护协会(nrdc)共同发布了污染源监管信息公开指数(piti),piti指数是第三方机构对于污染源监管信息公开的系统评价,能够客观、公正地反映环境信息披露水平,piti指标包括“环境监管信息”、“污染源自行公开”、“互动回应”、“排放数据”、“环境影响评价信息”5个一级指标,8个二级指标,总分为100分,对于每一个评估项目都会进行“系统性”、“及时性”、“信息完整性”、“用户友好性”的评估,最后通过评分规则来确定分数。基于数据的公开度,本文选取2008~2018年120个地级及以上城市的数据。
3) 中介变量:产业结构升级(is)与技术创新(rd),其中,产业结构升级用第三产业增加值与第二产业增加值的比重来表示,比值的大小可以说明产业结构向服务化发展的程度;技术创新用各地级及以上城市的专利申请数来表示,专利申请数越多,则说明该地区的技术创新水平越高。
4) 调节变量:环境规制(er),参考陈诗一和陈登科(2018) [22]等的研究,采用地方政府工作报告中与环保相关词汇出现的词频占报告全文字数的比重作为环境规制的代理变量。该指标构建过程中包含丰富的环保词汇,能够比较全面的衡量环境规制;同时政府工作报告于年初公布,而环境污染的数据一般在年末或者下一年初公布,因此该指标可以很好地缓解环境规制的内生性问题(杨友才和牛晓童,2023) [23]。
5) 控制变量:选择经济发展水平(inel)、城镇化率(urb)、基础设施(if)、人口密度(inde)、能源消耗(ec)、政府支出(gov)作为控制变量。其中,经济发展水平采用人均实际gdp取对数衡量,城镇化率用常住人口中城镇人口占常住人口之比来表示,基础设施用道路面积占总人口之比来表示,人口密度用每平方公里的常住人口数取对数表示,能源消耗用单位gdp的能源消耗表示,政府支出用政府总支出占gdp的比重来表示。
本文采用2008~2018年中国120个地级及以上城市的面板数据进行研究。由于核心解释变量piti指数目前只更新到2018年,无法使用2019年及之后样本,同时基于数据的可得性以及样本的可比性,本文最终确定120个样本城市。数据主要来源为《中国统计年鉴》《中国城市统计年鉴》《中国能源统计年鉴》以及各地级及以上城市的《政府工作报告》,其中“污染源监管信息公开指数(piti)”由中国公众环境研究中心(ipe)和美国自然资源保护委员会(nrdc)提供。为避免交互项导致的多重共线性问题,对文中的交互项进行中心化处理。表1列出了主要变量的描述性统计。
table 1. descriptive statistics
表1. 描述性统计
变量定义 |
变量符号 |
样本数 |
均值 |
标准差 |
最小值 |
最大值 |
环境信息披露 |
piti |
1320 |
43.671 |
16.343 |
8.000 |
85.000 |
碳排放水平 |
co2 |
1320 |
1615.223 |
1919.764 |
51.010 |
13675.500 |
环境规制 |
er |
1320 |
3.437 |
1.328 |
0.000 |
11.931 |
产业结构升级 |
is |
1320 |
0.923 |
0.460 |
0.207 |
3.170 |
技术创新 |
rd |
1320 |
1.203 |
2.523 |
0.005 |
16.266 |
经济发展水平 |
inel |
1320 |
10.870 |
0.605 |
9.163 |
15.672 |
基础设施 |
if |
1320 |
16.150 |
6.959 |
1.370 |
60.070 |
城镇化率 |
urb |
1320 |
60.011 |
15.328 |
24.121 |
100.000 |
人口密度 |
inde |
1320 |
8.078 |
0.718 |
5.673 |
9.619 |
能源消耗 |
ec |
1320 |
0.112 |
0.185 |
0.005 |
5.585 |
政府支出 |
gov |
1320 |
14.422 |
5.286 |
4.388 |
42.309 |
4. 实证结果分析
4.1. 环境信息披露对碳排放的直接效应与机制检验
首先检验环境信息披露对碳排放的直接影响。表2中模型(1)的回归结果表示环境信息披露对碳排放的影响呈现先下降后上升的“u”型曲线关系,假说h1得到验证。进一步计算得到模型(1)中曲线的拐点piti = 44.81,研究期间piti的均值为43.67,因此当环境信息披露超过拐点值后,环境信息披露将对碳排放产生负面影响。在环境信息披露前期,信息公开所产生的“倒逼效应”效果显著,企业在政府和公众的监督之下,会倒逼企业加强污染管理。但是在取得一定的环境治理成效之后,环境信息披露的“声誉效应”所产生的效果会占主导,由于短期内环境治理会带来额外的成本,政府和企业对于环境信息披露的反映程度可能会降低,同时政府会优先关注社会公众关注度较高的污染(如雾霾),来换取上级领导和公众对其治理工作的积极评价(杨煜、陆安颉和张宗庆,2020) [24]从而导致污染治理的治标不治本,所以可能后期环境信息披露对碳减排的影响会减弱。目前,环境信息披露对碳减排的促进效应仍占主导地位。
table 2. the direct effect and mechanism of environmental information disclosure on carbon emissions
表2. 环境信息披露对碳排放的直接效应与机制检验
变量 |
碳排放 |
产业结构优化 |
技术创新 |
模型1 |
模型2 |
模型3 |
模型2 |
模型3 |
piti |
−0.0259*** |
0.00375** |
−0.0240*** |
−0.0992*** |
−0.0118* |
(−5.47) |
(2.92) |
(−5.05) |
(−9.87) |
(−2.50) |
piti2 |
0.000289*** |
−0.000034* |
0.000273*** |
0.00104*** |
0.000141** |
(5.76) |
(−2.49) |
(5.42) |
(9.79) |
(2.83) |
is |
|
|
−0.237* |
|
|
|
|
(−2.18) |
|
|
rd |
|
|
|
|
0.135*** |
|
|
|
|
(10.32) |
_cons |
2.292** |
1.610*** |
3.12*** |
8.416*** |
1.262* |
(3.44) |
(9.39) |
(4.69) |
(5.96) |
(1.96) |
城市效应 |
是 |
是 |
是 |
是 |
是 |
年份效应 |
是 |
是 |
是 |
是 |
是 |
控制变量 |
是 |
是 |
是 |
是 |
是 |
sobel检验 |
|
|
−0.0138* |
|
−0.0572*** |
aroia检验 |
|
|
−0.0138* |
|
−0.0572*** |
goodman检验 |
|
|
−0.0138* |
|
−0.0572*** |
n |
1320 |
1320 |
1320 |
1320 |
1320 |
r2 |
0.46 |
0.63 |
0.46 |
0.42 |
0.51 |
注:*p < 0.10,**p < 0.05,***p < 0.01;括号内数值为t值。下同。
进一步检验产业结构高级化与研发创新是否可以作为环境信息披露影响碳排放的中介变量,本文参考温忠麟和叶宝娟(2014) [25]的研究进行检验。首先检验产业结构高级化的中介效应,表2中模型(2)的回归结果显示环境信息披露与产业结构高级化之间呈倒“u”型关系,可能的原因是在环境信息披露前期,企业在政府和公众的监督下,会促进资源利用率和环保技术的提高,进行产业结构的调整和优化,但是随着信息披露水平的提高,会导致部分中小企业因受到环保成本增加带来的巨大经营压力而被迫淘汰。模型(3)中产业结构高级化对碳排放的回归系数为−0.237,在10%的水平下显著,表明产业结构高级化能够减少碳排放,且环境信息披露与环境信息披露二次项的系数均在1%的水平下显著,说明产业结构高级化在环境信息披露影响碳排放的过程中发挥部分中介效应。
其次检验研发创新的中介效应,表2中模型(2)的回归结果表示环境信息披露与研发创新之间呈“u”型关系。在环境信息披露前期,企业的污染治理的成本增加会导致其降低技术创新的力度,但随着信息披露水平的提高,企业为了更好的彰显声誉形象和环境责任,会加大对环保技术研发的投入。模型(3)中研发创新对碳排放的回归系数0.135,在1%的水平下显著,表明研发创新的提高并未带来碳排放的减少,存在“成本规模”效应,原因可能是环保技术是一个从投入到产出的动态转化过程,具有一定的滞后效应,同时环保技术需要企业投入较高的成本,企业为避免过多的研发投入,会减少技术创新,从而不利于减少碳排放。环境信息披露与环境信息披露二次项均显著,说明研发创新在环境信息披露影响碳排放的过程中发挥部分中介效应。参考曲小娥和骆海燕(2021) [26]等的研究,采用sobel检验、aroian检验和goodman检验对中介效应的显著性进行检验,检验结果证明了中介效应存在,假说h2成立。
4.2. 环境规制的直接调节作用
由表3可知,环境信息披露与环境规制交互项和环境信息披露二次项与环境规制交互项的回归系数均在5%的水平下显著,由此可知环境规制在环境信息披露与碳排放关系会产生调节效应。为了更好的检验环境规制发挥的调节作用,本文参考haans et al. (2016) [27]等的研究,从曲线的拐点位置的移动、曲线的倾斜程度以及曲线形状的翻转进行分析,首先计算得到模型(4)中曲线的拐点piti = 45,与未加入环境规制这一调节变量相比,曲线的拐点向右移动,说明随着环境规制的提高,加快了环境信息披露碳减排拐点的到来;参考haans et al. (2016) [27]等的研究,曲线的倾斜程度由“u”型曲线的顶点曲率来决定,顶点曲率的变化主要由环境信息披露二次项与环境规制交互项系数的正负来决定,当系数为负时,u型曲线将较为平缓,由表3中模型(4)的结果可以看出,环境信息披露二次项与环境规制交互项的系数为−0.00014,在5%的水平下显著为负,因此随着环境规制的提高,环境信息披露与碳排放之间的u型曲线将变得平缓,降低了城市碳排放量的波动性;从表3中模型(4)的结果可以看出,加入环境规制这一调节变量后,环境信息披露与碳排放呈现倒“u”型曲线关系,与未加入调节变量相比,曲线形状发生了翻转,在此之前环境信息披露对碳排放的影响呈现显著“u”型,此时若进一步提高环境信息披露水平,将不利于碳减排,而在加入调节变量后,环境信息披露对碳排放的影响发生变化,这意味着在环境规制的作用下,环境信息披露水平越高对碳减排的促进作用越显著。环境规制政策的实施一方面弥补了环境信息披露作为第三方监督可能所存在的有效性不足的局限,有力保障了环境信息披露的政策效果;另一方面,环境规制所特有的强制性,能够有效助力完善环境信息披露制度。基于以上分析,环境规制在环境信息披露影响碳排放的过程中发挥调节作用,假说h3得到验证。
4.3. 环境规制的间接调节作用
检验环境规制在环境信息披露对碳排放的影响中所发挥的调节作用是否通过产业结构高级化和技术创新两个中介渠道来实现。首先检验产业结构高级化有中介的调节作用,表3模型(5)中环境信息披露与环境信息披露二次项的系数分别为0.00497和−0.0000471,在1%的水平下显著;模型(6)中产业结构高级化与环境规制交互项的系数为0.149,在1%的水平下显著,因此环境规制通过调节产业结构高级化对碳排放的效应,间接调节了环境信息披露对碳排放的影响;同时模型(6)中环境信息披露与环境规制交互项的系数为0.00929,环境信息披露二次项与环境规制交互项的系数−0.000119,在10%的水平下显著,说明环境规制的调节效应存在部分中介。因此环境规制的调节效应通过产业结构高级化起作用。
其次检验研发创新有中介的调节作用,模型(5)中环境信息披露和环境信息披露二次项的系数分别为−0.0886和0.000919,均在1%的水平下显著;模型(6)中研发创新与环境规制交互项的系数为0.0166,在5%的水平下显著,因此环境规制通过调节研发创新对碳排放的效应,间接调节了环境信息披露对碳排放的影响;同时模型(6)中交互项的系数依次为0.0115和−0.000149,分别在10%和5%的水平下显著,说明环境规制的调节效应存在部分中介。因此环境规制的调节效应部分通过技术创新起作用。综上所述,环境规制和环境信息披露的交互项通过影响产业结构高级化和技术创新,进而影响碳排放。假说h4得到验证。
table 3. moderating effect test of environmental regulation
表3. 环境规制的调节效应检验
变量 |
碳排放 |
产业结构优化 |
技术创新 |
模型4 |
模型5 |
模型6 |
模型5 |
模型6 |
piti |
−0.0216*** |
0.00497*** |
−0.0199*** |
−0.0886*** |
−0.0118* |
(−4.10) |
(3.89) |
(−4.18) |
(−8.88) |
(−2.38) |
piti2 |
0.000251*** |
−0.0000471*** |
0.000229*** |
0.000919*** |
0.000142** |
(4.43) |
(−3.50) |
(4.56) |
(8.73) |
(2.72) |
er |
−0.0197 |
0.00573 |
−0.146*** |
−0.0535* |
−0.0137 |
(−1.40) |
(1.67) |
(−5.09) |
(−2.00) |
(−0.93) |
piti × er |
0.0126** |
−0.00271* |
0.00929 |
−0.0162 |
0.0115* |
(2.63) |
(−2.08) |
(1.92) |
(−1.60) |
(2.33) |
piti2 × er |
−0.000140** |
0.0000244 |
−0.000119* |
0.000185 |
−0.000149** |
(−2.60) |
(1.66) |
(−2.20) |
(1.62) |
(−2.62) |
is |
|
|
−0.785*** |
|
|
|
|
(−5.42) |
|
|
rd |
|
|
|
|
0.0685** |
|
|
|
|
(2.68) |
is × er |
|
|
0.149*** |
|
|
|
|
(5.38) |
|
|
rd × er |
|
|
|
|
0.0166** |
|
|
|
|
(2.89) |
_cons |
13.195*** |
8.185*** |
19.51*** |
62.76*** |
9.509** |
(4.08) |
(9.50) |
(5.89) |
(9.36) |
(2.84) |
城市效应 |
是 |
是 |
是 |
是 |
是 |
年份效应 |
是 |
是 |
是 |
是 |
是 |
控制变量 |
是 |
是 |
是 |
是 |
是 |
n |
1320 |
1320 |
1320 |
1320 |
1320 |
r2 |
0.47 |
0.66 |
0.49 |
0.46 |
0.48 |
4.4. 稳健性检验
该研究重点是环境规制在环境信息披露影响碳排放中所发挥的调节效应,下文对其进行稳健性检验。
4.4.1. 更换样本区间
由于污染源监管信息公开指数发布初始年份数据存在缺失,因此,本文使用2009~2018年的数据对模型进行重新估计,由表4可知,当更改样本区间后,主要变量的系数、大小和方向与上文一致,因此通过了稳健性检验。
table 4. regression results of the replacement sample interval
表4. 更换样本区间的回归结果
变量 |
碳排放 |
产业结构高级化 |
技术创新 |
模型1 |
模型4 |
模型5 |
模型6 |
模型5 |
模型6 |
piti |
−0.0247*** |
−0.0230*** |
0.00548*** |
−0.0216*** |
−0.0765*** |
−0.0157** |
(−4.58) |
(−3.86) |
(3.83) |
(−3.97) |
(−7.15) |
(−2.81) |
piti2 |
0.00027*** |
0.00026*** |
−0.000054*** |
0.00024** |
0.00076*** |
0.000178** |
(4.78) |
(4.12) |
(−3.61) |
(4.24) |
(6.87) |
(3.07) |
piti × er |
|
0.0135* |
−0.00248 |
0.0102 |
−0.0099 |
0.0118* |
|
(2.49) |
(−1.69) |
(1.86) |
(−0.91) |
(2.09) |
piti2 × er |
|
−0.00015* |
0.000023 |
−0.00013* |
0.00010 |
−0.000150* |
|
(−2.47) |
(1.38) |
(−2.10) |
(0.84) |
(−2.34) |
er |
|
−0.0273 |
0.00515 |
−0.161*** |
−0.0742** |
−0.0195 |
|
(−1.79) |
(1.39) |
(−5.22) |
(−2.71) |
(−1.22) |
is |
|
|
|
−0.859*** |
|
|
|
|
|
(−5.57) |
|
|
is × er |
|
|
|
0.0.155*** |
|
|
|
|
|
(5.32) |
|
|
rd |
|
|
|
|
|
0.0691* |
|
|
|
|
|
(2.56) |
rd × er |
|
|
|
|
|
0.0178** |
|
|
|
|
|
(2.96) |
_cons |
18.43*** |
15.15 |
7.98*** |
21.62*** |
62.11*** |
11.04** |
(4.92) |
(4.03) |
(8.17) |
(5.70) |
(8.51) |
(2.86) |
城市效应 |
是 |
是 |
是 |
是 |
是 |
是 |
年份效应 |
是 |
是 |
是 |
是 |
是 |
是 |
控制变量 |
是 |
是 |
是 |
是 |
是 |
是 |
n |
1200 |
1200 |
1200 |
1200 |
1200 |
1200 |
r2 |
0.47 |
0.47 |
0.66 |
0.49 |
0.45 |
0.48 |
4.4.2. 更换工具变量
考虑到可能存在的内生性问题,通过内生性分析进行稳健性检验。本文借鉴陈诗一和陈登科(2018) [22]的做法,选择环境规制滞后一期作为环境规制的工具变量,原因是滞后一期的环境规制与当期环境规制水平具有相关性,且不被当期的各经济变量影响,符合工具变量的标准(方颖和赵扬,2011) [28]。具体解释为:作为前定变量的滞后一期的环境规制不受本期各变量的影响,并且环境规制政策一般是根据前期已有环境规制而作出相应调整。回归结果如表5所示,结合中介效应检验,研究发现主要变量的系数大小和方向与上文一致,进一步证实了本文实证分析的稳健性。
table 5. regression results of the variable of the replacement tool
表5. 更换工具变量的回归结果
变量 |
碳排放 |
产业结构高级化 |
技术创新 |
模型1 |
模型4 |
模型5 |
模型6 |
模型5 |
模型6 |
piti |
−0.0637* |
−0.061619* |
−0.0194* |
−0.0432 |
−0.223*** |
0.0354 |
(−2.14) |
(−1.91) |
(−2.28) |
(−1.61) |
(−5.28) |
(1.57) |
piti2 |
0.00131*** |
0.001165*** |
0.000254** |
0.000836** |
0.00313*** |
−0.000301 |
(4.28) |
(3.50) |
(2.91) |
(3.01) |
(7.21) |
(−1.27) |
piti × er |
|
0.122508* |
−0.0120 |
−0.0162 |
−0.102 |
0.0161 |
|
(1.87) |
(−1.01) |
(−0.44) |
(−1.72) |
(0.50) |
piti2 × er |
|
−0.001230* |
0.000165 |
0.000191 |
0.00130* |
−0.000232 |
|
(−1.73) |
(1.27) |
(0.48) |
(2.02) |
(−0.64) |
er |
|
−0.042619 |
0.00287 |
−0.422*** |
0.158 |
−0.0354 |
|
(−0.51) |
(1.73) |
(−5.20) |
(1.92) |
(−0.67) |
is |
|
|
|
−0.455 |
|
|
|
|
|
(−1.83) |
|
|
is × er |
|
|
|
0.520*** |
|
|
|
|
|
(7.73) |
|
|
rd |
|
|
|
|
|
0.232*** |
|
|
|
|
|
(3.93) |
rd × er |
|
|
|
|
|
0.0684*** |
|
|
|
|
|
(4.75) |
_cons |
−47.77*** |
−8.18 |
8.199*** |
−16.02* |
27.93** |
−20.08*** |
(−6.23) |
(−3.53) |
(3.82) |
(−2.34) |
(2.62) |
(−3.65) |
城市效应 |
是 |
是 |
是 |
是 |
是 |
是 |
年份效应 |
是 |
是 |
是 |
是 |
是 |
是 |
控制变量 |
是 |
是 |
是 |
是 |
是 |
是 |
n |
1200 |
1200 |
1200 |
1200 |
1200 |
1200 |
r2 |
0.44 |
0.4 |
0.23 |
0.56 |
0.40 |
0.71 |
4.5. 异质性分析
考虑到中国各个城市之间存在差异,本文将120个样本城市按照规模大小划分为大中型城市和小型城市;按照是否为资源型城市划分为资源型城市和非资源型城市,进一步探究环境规制所发挥调节效应的区域异质性。具体来说,依据国务院《关于调整城市规模划分标准的通知》,将一、二、三线城市划归为大中型城市,四、五线城市划归为小型城市;依据《全国资源型城市可持续发展规划(2013~2020年)》将样本城市划分为资源型城市和非资源型城市。
由表6可知,无论是大中型城市还是小型城市,环境信息披露对碳排放的影响均呈“u”型曲线。对于大中型城市而言,模型(1)中“u”型曲线的拐点为piti = 44,在模型(4)中加入环境规制这一调节变量后曲线的拐点变为46,说明随着环境规制的提高,环境信息披露与碳排放的“u”型曲线拐点将向右移动;环境信息披露与碳排放的“u”型曲线的顶点曲率显著为负,说明随着环境规制的提高,曲线将变得平缓;对于小型城市而言,环境规制的调节效应并未通过显著性检验。即对于大中型城市而言,环境规制在环境信息披露对碳排放影响中所发挥的调节效应要大于小型城市。产生这一差异的主要原因是大中型城市的经济发达,与小型城市相比,可能对于环境治理的关注度会更高,居民的环保意识也相对较强,同时在中央政府环保考核下,大中型城市政府对于环境政策的响应度会相对偏高,因此环境规制政策和环境信息披露发挥的政策组合效应高于小型城市。
由表7可知,对于资源型城市和非资源型城市,环境信息披露对碳排放的影响均呈“u”型曲线关系,对于资源型城市而言,环境信息披露的二次项在5%水平下显著,但一次项不显著;而对于非资源型城市,环境信息披露的一次项和二次项均在1%水平下显著,因此环境信息披露对碳排放的影响作用在非资源型城市更明显,主要的原因是非资源型城市通常以第三产业为主,会更注重发展绿色经济,公布当地的环境信息可能会吸引更多的投资从而促进当地经济绿色发展,除此之外,非资源型城市可能更注重技术创新与应用,包括环境监测、评估等方面的技术,这些技术的应用可能会使得环境信息的收集和披露更为准确和高效,对于城市碳排放的监测也比较及时和有效率,从而更有效地制定减排策略,因此环境信息披露对碳排放的作用在非资源型城市更为显著。当加入环境规制这一调节变量后,环境规制的调节作用仅在非资源型城市通过了显著性检验,可能的原因是非资源型城市的技术创新水平更高,加入政府的环境规制政策后,政府和企业能够更快利用绿色低碳技术,有效减少城市碳排放;而资源型城市对于传统资源产业比较依赖,在技术创新和转型方面可能会面临更多挑战,环境规制对环境信息披露碳减排的调节作用受到限制。因此对于非资源型城市而言,环境规制政策和环境信息披露发挥的政策组合效应要大于资源型城市。
table 6. heterogeneity test of city scale
表6. 城市规模异质性检验
变量 |
大中型城市 |
小型城市 |
模型1 |
模型4 |
模型1 |
模型4 |
piti |
−0.0217*** |
−0.0190** |
−0.0227** |
−0.0228** |
(−3.56) |
(−3.12) |
(−3.30) |
(−3.25) |
piti2 |
0.000249*** |
0.000227*** |
0.000237** |
0.000238** |
(3.96) |
(3.61) |
(3.16) |
(3.13) |
er |
|
0.00135 |
|
−0.0109 |
|
(0.09) |
|
(−0.55) |
piti × er |
|
0.0181** |
|
0.000784 |
|
(3.17) |
|
(0.10) |
piti2 × er |
|
−0.000195** |
|
−0.0000113 |
|
(−3.07) |
|
(−0.13) |
_cons |
22.40*** |
22.59*** |
26.40*** |
26.10*** |
(5.27) |
(5.36) |
(4.14) |
(4.04) |
城市效应 |
是 |
是 |
是 |
是 |
年份效应 |
是 |
是 |
是 |
是 |
控制变量 |
是 |
是 |
是 |
是 |
n |
660 |
660 |
660 |
660 |
r2 |
0.98 |
0.98 |
0.84 |
0.84 |
table 7. heterogeneity test of resource-based cities
表7. 资源型城市异质性检验
变量 |
资源型城市 |
非资源型城市 |
模型1 |
模型4 |
模型1 |
模型4 |
piti |
−0.00901 |
−0.00401 |
−0.0189** |
−0.0175** |
(−1.47) |
(−0.62) |
(−2.93) |
(−2.68) |
piti2 |
0.000155* |
0.0001 |
0.000120** |
0.000189** |
(2.13) |
(1.32) |
(3.04) |
(2.84) |
er |
|
0.0323 |
|
0.00225 |
|
(1.53) |
|
(0.14) |
piti × er |
|
0.00687 |
|
0.0130* |
|
(1.07) |
|
(2.07) |
piti2 × er |
|
−0.00006 |
|
−0.000149* |
|
(−0.76) |
|
(−2.16) |
_cons |
2.11 |
0.167 |
46.93*** |
47.68*** |
(0.57) |
(0.04) |
(8.11) |
(8.19) |
城市效应 |
是 |
是 |
是 |
是 |
年份效应 |
是 |
是 |
是 |
是 |
控制变量 |
是 |
是 |
是 |
是 |
n |
418 |
418 |
902 |
902 |
r2 |
0.91 |
0.91 |
0.96 |
0.96 |
5. 研究结论与政策建议
中国已经成为全球第二大经济体,在经济高速增长的同时环境问题日趋严重,如何设计环境治理政策成为了实现中国生态环境质量持续改善和经济高质量发展的重要话题。我国环境容量有限,生态环境脆弱,环境质量并未得到根本改善,政府的环境保护工作仍然具有一定的艰巨性和复杂性。习近平主席在党的二十大报告中强调:“必须牢固树立和践行绿水青山就是金山银山的理念,站在人与自然和谐共生的高度谋划发展。”在习近平生态文明思想指引下,我国生态文明建设以降碳为重点战略方向,深化环境政策改革,灵活运用环境政策组合形式,加速推动经济社会发展绿色化,实现经济的高质量发展。因此,环境规制政策间的互补性和协调性对碳排放的影响作用是一个十分值得探讨的问题,本文创新性地将正式环境规制和非正式环境规制同时纳入研究框架,探究环境信息披露对城市碳排放的影响与内在机制以及环境规制所发挥的调节作用。
基于此,本文以2008~2018年中国120个地级及以上城市作为研究样本,从制度之间的协同性和耦合性的视角出发,运用调节效应模型、有中介的调节效应模型研究环境规制影响环境信息披露碳排放的调节效应及影响机制。实证结果表明:① 环境信息披露与城市碳排放之间呈现“u”型非线性关系,且现阶段环境信息披露对碳减排的促进效应仍占主导地位。这一结论在一系列稳健性检验中均成立;② 机制研究表明,环境信息披露通过以下两条路径对城市碳排放产生影响。一是环境信息披露能够优化城市产业结构,促进资源利用率和环保技术的提高,从而减少城市碳排放;二是环境信息披露通过技术创新对碳排放产生影响,实证分析得出存在“成本规模”效应,即环境信息披露并未带来技术创新水平的提高,主要的原因是企业为减轻过多的成本投入带来的经营压力,会相应降低对技术创新的投入。而从长期来看,环境规制的后续发力会对上述关系产生调节作用,将促进环境信息披露碳减排效应;③ 异质性分析表明,环境规制政策和环境信息披露发挥的政策组合效应在大中型城市和非资源型城市更为明显,政策的叠加在具有特殊性质的城市中发挥的作用更为明显。
基于以上研究结论,本文的政策启示在于:① 持续完善环境信息披露政策。鉴于环境信息披露对于降碳具有重要作用,政府应督促企业积极披露环境信息,为市场提供更为全面和准确的环境信息,着力形成企业自律、管理有效、监督严格、支撑有力的环境信息依法披露制度。同时完善相应的监督和惩戒机制,在环境信息监督方面,政府应抽取相应比例的企业进行数据的真实性核查;在处罚机制方面,政府对违规披露行为应明确相关的行政罚款、法院民事罚款等责任追究机制,提高环境信息披露政策的有效性,进一步促进碳减排。② 不断探索环境政策碳减排的作用路径,最大化发挥环境政策的降碳效应。将环境信息披露作为政府环境治理的有效措施,充分发挥其对产业结构升级的促进作用,加快引导市场主体发展低耗能低排放行业,逐步降低经济增长对高耗能高排放发展路径的依赖,进一步推动产业转型升级,促进企业清洁生产和城市的低碳发展,实现环境治理和产业效率的共同发展。考虑到企业在研发创新影响环境信息披露碳减排过程中,会面临较大的环保成本压力,政府应增加财政支出,充分发挥好财政资金“四两拨千斤”的撬动作用,积极推动金融资源和社会资本更多投向技术创新,提高对企业清洁生产的补贴力度,引导企业实现治污技术和生产技术的双重进步。③ 发挥环境政策组合优势,加强政策间的联动效应。考虑到环境规制政策的加入对环境信息披露碳减排的促进作用,政府应构建正式环境规制与非正式环境规制政策有机结合的多元化降碳政策体系,促进政府、企业、公众等关键利益方构建多元主体环境治理模式,积极调动城市和企业的污染防治行为,将环保绩效最大化,助力城市的低碳绿色转型;由于环境规制政策和环境信息披露发挥的政策组合效应在大中型城市和资源型城市更为显著,政府应改善和转变在不同类型城市中环境规制政策的实施策略,例如加大对小型城市的财政补贴力度,调动当地科技创新的积极性,进一步促进环境政策碳减排效应,通过推进环境政策差别化机制,提升区域间绿色经济高质量均衡发展。
致 谢
首先我要感谢秦炳涛老师、林敢老师和俞勇伟师兄的指导,他们的支持和鼓励是我坚持走下去的动力,此外我要特别感谢学校提供的优良学术环境和资源,让我顺利完成这篇论文。
基金项目
上海市“科技创新行动计划”软科学研究项目(编号:23692121700)。
notes
*通讯作者。