欢迎访问7天职称论文网! 

热点推荐词:

职称论文发表范文

低碳城市试点政策对火电上市企业绿色全要素生产率的影响及机制分析

文字:[大][中][小] 手机页面二维码 2022-05-14 12:00:03    

摘   要:火力发电占据我国电力生产的主导地位,同时也是污染排放的重要来源。在中国资源环境承载能力日渐减弱和低碳试点城市不断增加的背景下,经济增长方式的转变对火电企业提出了新要求,试点政策对火电企业的影响值得研究。基于 2009—2020 年沪深 A 股火电上市企业数据,采用 SBM 模型非径向非角度 ML 指数法测算火电上市企业绿色全要素生产率,在此基础上采用双重差分等方法,检验低碳城市试点政策对火电企业绿色全要素生产率的影响及传导机制,并考察低碳城市试点政策对不同规模和不同所有制火电企业绿色全要素生产率的异质效应。研究结果表明,低碳城市试点政策的实施抑制了火电上市企业绿色全要素生产率的提升, 该结论在经过一系列稳健性检验之后仍然成立。低碳城市试点政策在短期内并不能通过技术创新来提高火电企业的绿色全要素生产率,反而会通过缩减企业规模、降低人力资本水平以及增大能源消耗等带来负面效应。目前低碳城市试点政策并未显著降低火电上市企业的能源投入与污染排放,是其未能促进火电上市企业绿色发展的重要原因。此外,低碳城市试点政策对不同规模和所有制火电上市企业绿色全要素生产率的影响具有显著差异。因此政府应科学合理地制定火电行业环境规制强度,持续推动火电企业技术创新,尤其是要为中小企业和非国有企业创造良好的营商环境,实现火电企业转型升级和绿色发展。

关键词:低碳城市试点政策;火电企业;绿色全要素生产率;双重差分;环境规制

中图分类号:F205                              文献标志码:A                           文章编号:1673-9272(2022)02-0036-10

火电企业是我国电力的主要来源,也是工业“三废”(废水、废渣、废气、温室气体排放的主要区域单元。根据《中国环境统计年鉴》的数据显示,2018 年火电行业“三废”排放总量占全国工业排放量的比例分别达到 26.71%24.19% 7.8%,因此火电行业一直是国家环境政策管制的重点行业,火电企业节能减排亦是政府实施低碳政策的重要目标。2010 年,中国政府推行低碳城市试点政策,该政策的目标之一就是对传统能源产业实施技术改造和产业转型升级,提升能源企业绿色全要素生产率,建设良性的可持续的能源生态体系。在日趋严格的低碳城市试点政策下, 火电企业的发展方式亟需由高能耗、高排放的粗放型增长转变为减少污染产出、实现投入要素高效使用并提高经济产出效率的绿色增长,其本质上就是提高火电企业的绿色全要素生产率。促进以绿色全要素生产率增长驱动的火电企业经济高质量发展,实现火电企业经济增长与生态环境改善的双重目标,对于企业良好发展、社会稳定就业以及城市经济稳定增长具有重大战略意义 [1]

目前学界围绕低碳城市试点政策展开了诸多讨论,主要涉及低碳城市试点政策的成效以及评估。其中,低碳城市试点政策的碳减排效应吸引了较多学者的关注。例如,戴嵘等 [2] 利用开展低碳城市试点工作的广东、云南等五省八市的面板数据构造双重差分模型实证表明,实行低碳试点的地区显著降低了其人均碳排放量。邓荣荣 [3] 通过对实施低碳城市试点政策后的六个城市的数进行实证检验发现,低碳城市试点后各城市的碳排放强度呈持续下降趋势。陈楠等 [4] 则通过低碳城市建设评价指标体系对前两批试点城市进行研究,结果发现低碳城市试点对城市的低碳发展起到了积极作用,但也存在政策效果未完全发挥的缺陷。杨博文等 [5] 利用合成控制法研究了低碳城市试点政策对湖北和广东两省的影响,结果发现实施低碳试点省份政策对广东的碳减排效果影响明显,但对湖北的碳减排效果影响并不显著。

还有部分学者从技术创新、外商直接投资等视角评估了低碳城市试点政策的效果。例如,逯进等 [6]、刘鹏程等 [7] 使用双重差分方法对我国地级市面板数据进行实证研究,发现低碳城市试点政策显著提升了地级城市的技术创新水平。Tie 等 [8] 通过对政府层面的研究,发现实施低碳城市试点政策政府的领导行为能够显著促进政策层面的创新。龚梦琪等 [9] 使用我国地级市的面板数据并借助双重差分方法,发现我国在实施低碳试点政策的过程中会显著促进外商直接投资。

总的来看,现阶段关于低碳城市试点政策的研究大多集中在地区、行业层面的减排效果和经济绩效分析,企业角度少有。尤其是从火电企业经济高质量发展或绿色全要素生产率增长的视角,以微观火电企业为载体来评估低碳试点政策实施效果的研究成果更是鲜少。绿色全要素生产率(GTFP)将污染排放这一非期望产出或“坏” 产出纳入增长核算框架,更能表征经济高质量发展的真实水平 [10-11]。火电企业作为低碳城市试点政策的最直接影响对象,利用地区或行业层面的汇总信息讨论低碳城市政策的经济影响效果,会使火电企业受到的影响被平均化,政策对火电企业的异质性影响也被忽视,这不仅会导致结论偏差,也使不同火电企业的绿色全要素生产率对低碳城市试点政策的异质性反应成为一个少有人打开的“黑箱”。

那么,低碳城市试点政策的实施能否提升火电企业绿色全要素生产率?低碳城市试点政策通过何种途径影响火电企业的绿色全要素生产率? 政策效果在不同特征的火电企业之间是否存在不同的效果?这些都是目前火电企业要实现绿色发展亟待解决的重要问题。为了回答这一系列问题, 本研究拟采用 2009—2020 年我国火电上市企业面板数据,构建双重差分模型实证分析低碳城市试点政策对火电上市企业绿色全要素生产率的影响效应,并对政策效果的异质性以及机制进行深入探讨,为我国火电企业绿色高质量发展提供科学借鉴。

较前人的研究看来,本研究可能的贡献体现在:第一,现有关于低碳试点政策实施和绿色全要素生产率的文献很少,且多数基于行业层面, 从企业层面尤其是火电上市企业的层面探讨低碳城市政策与绿色全要素生产率关系的研究尤为缺乏。本研究从火电上市企业层面研究低碳城市试点政策对其绿色全要素生产率的影响,并使用双重差分法对低碳城市试点政策的管制效果进行实证分析,在一定程度上拓展了领域内的研究。第二,鉴于我国对不同地区实行差别化的低碳城市试点政策,以及企业自身在规模、所有制等方面存在差异,为避免忽略企业异质性对其绿色全要素生产率的影响,本研究将依据企业规模和企业所有制对火电上市企业进行划分,并基于划分结果考察低碳城市试点政策对不同规模以及不同所有制火电企业绿色全要素生产率的影响。

一、政策背景及影响机制分析

(一)低碳城市试点政策

气候变化是世界各国面临的重大挑战之一, 积极高效地应对气候变化是我国的一项重大战略。2010 年 7 月 19 日,国家发展改革委正式发布了《关于开展低碳省区和低碳城市试点工作的通知》,并在 5 个省和 8 个城市开展低碳省、低碳城市首批试点工作。为了使低碳城市试点政策的效果更好地进行把控,排除第一批政策所辖范围较广带来的影响,2012 年 11 月下发《关于开展第二批国家低碳省区和低碳城市试点工作的通知》,此次试点覆盖 3 个省和 28 个城市。基于前两次试点取得的积极成果,国家发改委 2017 下发基于进一步实施“十三五”规划绿色控制温室气体排放和《关于开展第三批国家低碳城市试点工作的通知》,实施第三批低碳试点政策。第三次试点进一步覆盖县级单位,包括 45 个市区、。将三批低碳城市试点结合起来看,可以发现对于试点地区或城市本身而言,总体上三批试点地区或城市的行政级别或能级依次下沉,政策试点的执行效力逐步得到提升。再一个就是对于试点省市的选择机制上,第一批试点省市是由中央自上而下确立的,而后边两批省市改为了自下而上的申报机制,更加具有政策上的适用性和科学性。而对于不同能源结构、不同发展阶段和不同产业结构的试点省市,政策也给予到了充分的考虑,基本上覆盖了经济发达地区、资源型地区和一些老的工业基地。最后就是基于试点城市和非试点城市的比例划分,东部城市比例最高,西部城市比例最低。

(二)基本假设

低碳城市试点政策作为一种分权管理式的环境规制政策,会根据不同地区的环境问题进行差异化的处理 [12]。实施低碳城市试点政策会使得能源利用效率提升、生产过程节能减排以及产业向低碳方向转型升级,从而降低城市整体层面的碳强度和碳排放总量。而这一过程也必然伴随着企业技术革新,促使企业升级已有技术,研发出符合绿色发展需求的创新技术,即实现“波特假说”。

“波特假说”认为环境规制政策会从两方面影响企业的生产经营决策。一方面,低碳城市试点政策会产生遵循成本效应,增加企业的减排及治污成本,即对于高能耗、高污染、高排放的火电企业来说生产单位产品的成本就会增加,但为了使利润不受影响,可能导致火电企业在短期内增加资本投入,从而使得企业的绿色全要素生产率降低。另一方面,制定有效的低碳城市试点政策会产生创新补偿效应,从而提升企业的绿色全要素生产率并最终获得经济收益。在适当的政策压力下,火电企业有动力进行技术创新,从而提升能源使用效率并减少生产过程的污染排放,以达到政策所要求的排放水平,最终实现环境和经济的双重效益。基于以上分析,本研究提出:

假设 H1a:低碳城市试点政策的实施,可能促进火电企业绿色全要素生产率的提升。

假设 H1b:低碳城市试点政策的实施,可能抑制火电企业绿色全要素生产率的提升。

(三)机制分析

根据低碳城市试点政策实施的主要目标,本研究从技术创新效应、企业规模效应以及人力资本效应几个角度来分析低碳城市试点政策与火电上市企业绿色全要素生产率之间的作用机制。

1.  低碳城市试点的技术创新效应

企业的合规成本通常随着环境规制的严格程度进行变动。根据“波特假说”的理论来看,企业如果能通过环境规制的创新效应来抵消环境的合规成本的话,那么企业的绿色全要素生产率就会提高。但是当企业加大环保投资时,由于技术改造的问题以及产品研发周期具有较大的不确定性,在进行生产技术改造或是研发新的环保产品时会存在较大的风险。这也为企业在环境规制期内想要通过技术创新及时达到环保要求增加了不确定性,所以在短期内技术创新难以取得良好的创新效果 [7,15-17],也就不能使得火电企业的绿色全要素生产率增加。

就此,本研究提出假设 H2:短期内低碳试点城市政策难以通过技术创新效应提升火电上市企业的绿色全要素生产率。

2.   低碳城市试点的企业规模效应和人力资本效应

低碳城市试点政策可能导致火电上市企业的环境治理支出挤占了生产性经营支出,从另一方面上造成了以生产性经营支出占企业净利润比重来衡量的企业规模的缩小。但是企业绿色全要素生产率和企业规模之间并非单调的递增递减关系,这是由于当企业规模较大时,企业为治理环境进行的必要支出较多,从而减少了三废排放物和温室气体的排放,有利于绿色全要素生产率的提高。而随着企业规模的逐步缩小,火电企业仍要承担相应的环境治理的责任和支出,从而导致生产性经营支出锐减,恶化了企业的资源配置效率,对火电企业的绿色全要素生产率带来负面影响。已经有学者就企业规模如何影响行业的全要素生产率做出了研究,并通过实证检验发现企业规模越小,企业所在行业的全要素生产率就有下降的趋势 [18]。

低碳城市试点政策对人力资本的影响,主要是低碳城市试点政策极有可能使得火电企业迫于环境压力导致产出下降从而促使企业迁出低碳试点城市,降低低碳试点城市劳动力的就业机会并影响其人才引进和知识成果的转化,进而降低了人力资本水平,导致企业的绿色全要素生产率下降。故人力资本水平也可以显著影响企业绿色全要素生产率 [19-20]。

就此,本研究提出假设 H3:低碳试点城市政策可以通过企业规模效应和人力资本效应抑制火电企业绿色全要素生产率。

二、实证设计与分析

(一)双重差分模型构建

第一批低碳城市试点包含 5 省 8 市,涵盖范围较小,而第三批试点主要围绕地级市展开,且实施时间较晚,故这两批试点都不具有研究代表性,因此我们以 2012 年实行的第二次低碳城市试点政策作为一次准自然实验。通过构造双向固定效应模型,并使用双重差分方法来识别低碳城市试点政策对火电上市企业绿色全要素生产率的影响,将省份—时间的联合固定效应一起纳入基本模型。借鉴逯进等 [21] 的研究,设定基准计量模型如下:

GTFPit = a + b treatpostit + g Xit + mi + lt + eit 。(1) 式(1) 中:i 和 t 分别表示企业和年份,GTFPit为火电上市企业绿色全要素生产率,treatpostit 为火电上市企业注册地所在城市的低碳试点状态, Xit 为一系列控制变量;μi 为个体固定效应;l t 为年份固定效应;e it 表示随机误差项。β 的估计结果为本研究重点考察的双重差分估计量,其代表了国家实行低碳试点政策对火电企业绿色全要素生产率的影响。

(二)重要变量及其测度

1.  核心解释变量—低碳城市试点(treatpost) 低碳城市试点定义为,上市企业注册地所在

一种方法,其中 Malmquist 指数通常用以衡量某一个决策单元在一个生产周期内全要素生产率的变化,而 Malmquist-Luenberger 指数法又可以将 Malmquist 指数的产出分为期望产出和非期望产出, 而且不用选择测算角度。因此本研究选用 DEA 模型中非径向非角度的 SBM 模型并结合

ML 指数来测算火电企业绿色全要素生产率。

在基于 Tone[24] 构建的模型基础上,加入了非期望产出的 SBM 模型,表达式为:

城市实施低碳试点的当年及之后各年取值为 1,否则为0。本研究样本期间内,共进行了两批试点,因此选择第一、二批试点城市作为处理组。由于两批试点地区名单存在交叉的情况,参考周迪

等 [22] 的研究,如果某省份实施低碳试点,则其所辖城市实施试点时间与该省份试点时间保持一致。映企业可持续发展的质量和绿色水平 [23]SBM (Slack-Based Measure) 模型考虑到了以往模型忽略松弛变量对效率测度影响的问题,同时避免传统 DEA 模型中产出投入同比例增长或者缩减而产生的无效测度的影响。传统 DEA 模型对于非期望产出的处理上往往要使用距离函数或者曲线测度评价来进行效率的测度,但是 SBM 模型刚好可以有效规避这一问题。Malmquist-Luenberger 指数法经常作为一种测度绿色全要素生产率的

变 量,l j 表示决策单元的权 重。当 ρ=1 时, w- = w+ = wb- = 0 ,表示决策单元投入和产出完全有效,当 0 < ρ < 1 时,代表决策单元效率损失。

决策单元由 t 期到下一期 t+1 期的绿色全要素生产率指数即 ML 指数,ML 指数还可以分解成技术进步指数(Technology Change)和技术效率指数(Efficiency Change),分解如下:

市企业 i 在第 t 期的投入, yt 表示火电上市企业 i 在第 t 期的期望产出, ut 表示火电上市企业 i t 期的非期望产出, Dt (xt , yt ,ut ) 表示企业 i

表示技术效率指数,即企业从 t 期到 t+1 期向生产可能性边界的靠近程度。

本研究选取 2009—2020 年 A 股的我国火电上市企业作为样本,经过一系列处理后总计 27 家 企业入选。投入产出指标均来源于公开处理信息, 包括但不限于来源于沪深两证券交易所和火电上市企业官网的年报。具体投入产出指标解释如下:

1) 劳动投入。劳动投入使用各年份各火电上市企业在职员工的数量来表示。

2) 资本投入。资本投入采用各年份各火电上市企业装机容量来表示。由于部分上市企业对火电厂非完全控股,为确保数据口径一致,本研究选取上市企业可控装机容量 [25]。

3) 能源投入。火电企业最重要的工业原料当属煤炭,本研究选择火电企业煤炭消耗量作为能源投入指标。由于不同煤具有不同的发热量,故将煤炭消耗量折合成煤当量进行计量和比较。

4) 期望产出。期望产出采用企业年发电量( 亿千瓦时)进行衡量。

5)  非期望产出。由于 NO2、SO2、烟尘和CO2 是火电企业排放的主要污染物,故本研究选择工业 NO2SO2、烟尘排放量和 CO2 作为非期望产出的衡量指标。

3.  低碳城市试点政策强度(PI)测度

由于本研究从微观层面考察低碳城市试点政策对于火电上市企业绿色全要素生产率的影响, 借鉴已有研究的常用方法 [26],考虑到指标有效性

除主营业务非火力发电的样本企业,剔除即将退市的样本企业,剔除同时发行 A 股和 B 股的样本企业,剔除重要数据披露缺失的样本企业。

三、实证结果与分析

(一)双重差分模型基准回归

低碳城市试点政策对火电上市企业绿色全要素生产率的回归结果见表 1。第(1)列是没有添加地区和时间固定效应以及添加控制变量的情形,结果显示低碳城市试点政策对火电上市企业绿色全要素生产率的回归系数为 -0.159(在 5% 水平上显著)。第(2)列和第(3)列分别表示在固定了时间和地区效应之后没有添加控制变量和添加的控制变量的情况,结果显示低碳城市试点政策对火电上市企业绿色全要素生产率的影响均通过了 1% 显著性水平下的检验。添加控制变量和固定效应为第(4)列,结果显示低碳城市试点政策对火电上市企业绿色全要素生产率的回归系数为 -0.137(在 1% 水平上显著)。这表明低碳城市试点政策显著抑制了火电上市企业绿色全要素生产率。从实证结果上来看,短期内,低碳城市试点政策会显著抑制火电企业绿色全要素生产率的提升。至此,假设 H1b 得到验证。 

表 1 基准回归模型 † 

和数据可得性,本研究低碳城市试点政策强度采                                                                                      


 

变量        (1)

(2)

(3)

(4)

0.367***

treat

0.596**

0.013*

0.478***

(0.042)

(0.281)

(0.033)

(0.125)

-0.121***

-0.062

-0.099***

-0.049**

post

(0.048)

(0.052)

(0.030)

(0.058)

-0.159**

-0.166***

-0.152***

-0.137***

treatpost

(0.078)

(0.037)

(0.056)

(0.019)

 

AR


0.139***

(0.026)

0.049*

(0.019)

 

FS


-0.096**

(0.032)

-0.267***

(0.058)



0.159

0.026

FC


(0.014)

(0.018)

 

HR


-0.058**

(0.025)

-0.042***

(0.012)

 

T


0.647***

(0.151)

0.258***

(0.134)

-0.625**

_cons

-0.696**

0.057

-0.967**

(0.037)

(0.024)

(0.274)

(0.398)

N                324.000

324.000

324.000

324.000

R2                          0.299

0.854

0.572

0.895

year                  No

Yes

No

Yes

areafip               No

Yes

No

Yes

 

 

用每千元主营业务成本的排污费来表示。

4.  控制变量

为了控制其他因素对火电企业绿色全要素生产率的影响,本研究在基准模型中加入下列控制变量:企业规模(FS),使用火电企业实际在职员工人数的自然对数来表示。技术创新水平(T), 采用企业研发投入金额(亿元人民币)表示。人力资本水平(HR),借鉴李鹏升等 [27] 的方法, 采用企业本科及以上学历员工数占总员工人数比值来衡量。资产负债率(AR),资产负债率反映了企业负债水平,采用负债与总资产比值衡量。融资约束水平(FC),使用利息支出与固定资产净额的比值表示 [28]。

(三)数据来源

本研究选取 2009—2020 年 A 股上市的我国火电企业作为研究样本。在职员工数量、可控装机容量、燃料消耗量、年发电量、各项财务指标以及排污费数据均来自于火电上市企业年报公开披露信息。NO2、SO2、烟尘排放量以及 CO2 指标数据来源于火电上市企业年报公开披露信息以及可持续发展报告。为保证样本的稳定性和有效性,本研究对火电上市企业进行了如下处理:剔

† 1)括号内为标准误;2)*、**、*** 分别表示各解释变量的影响在10%5%1% 的置信水平上显著。后同。 

(二)平行趋势检验和时滞效应分析

进行平行趋势检验是保证 DID 模型有效性的重要前提,本研究借鉴 LI 等相关研究的做法 [29],采用事件研究法对模型的平行趋势进行检验,模型如下:

 GTFPit = a + å bk Dk + xit y + mi + lt + eit  4k =-3

式(4)中:绿色全要素生产率为火电上市企业的绿色全要素生产率。 Dk 为虚拟变量,表示低碳城市试点政策实施前或者实施后的第 k 年(-3 ≤

k ≤ 7)。检验中重点关注参数b k,该参数反映了实施低碳城市试点政策前后对火电上市企业绿色全要素生产率的影响。其他变量和基准回归模型的变量设定保持一致。当 k 小于 0 时,参数b k 不显著异于 0,满足平行趋势假设。

image.png

图 1 反映了上述模型中参数b k 的估计值及其95% 的置信区间。当k 0 时,尤其是k=-1 -2 时, 参数b k 的估计值均不能拒绝估计值为0 的原假设, 这表明在实施低碳城市试点政策之前,添加相关控制变量后,处理组和控制组满足了平行趋势假设。从动态效应上看,在实施低碳城市试点政策的第一年b k 的估计值就已经开始显著并小于 0说明低碳城市试点政策对火电上市企业绿色全要素生产率的影响没有时滞性,并且政策实施初期影响是负向的。原因可能在于:政策实施初期, 火电上市企业并不能很好地转化能源结构,加之环境规制日益严格,企业的成本迅速增加,从而导致了绿色全要素生产率的下降。但在低碳城市试点实施的第三年之后,参数b k 并不显著,原因在于:企业技术创新能够影响企业的绿色全要素生产率,但是创新具有投资大、周期长的特点, 所以在第三年之后企业技术创新开始发挥作用, 使低碳城市试点的作用开始体现。

(三)稳健性检验

1.  时间安慰剂检验

本研究中低碳城市试点政策是从 2012 年开始实施的,采用提前或者延后政策的实施时间来进行时间安慰剂稳健性检验。借鉴盛丹等 [30] 的做法,分别假设 2011 年、2013 年和 2014 年为低碳城市试点政策实施的年份,也就是假设低碳城市试点政策分别提前一年、延后一年和延后两年,并对应调整时间虚拟变量的取值。若基于这三个虚构政策实施年份的低碳城市试点变量的回归系数均不显著,那就说明导致火电企业绿色全要素生产率下降的确是由于低碳城市试点政策,因此排除其他环境政策的影响。具体回归结果如表 2 所示, 通过表中我们看到,无论政策提前一年或是延后一年到两年,其对应的低碳城市试点变量均没有通过显著性检验,这也说明了本研究基准回归结果是稳健的。

2.  调整样本期

因为低碳城市试点政策的实施一共有三个时间点,在本研究选取的数据时间范围(2009—2020 年)中也包含了最后一批也就是第三批低碳城市试点政策实施的时间节点(2015 年),为消除样本期内其他时间节点低碳城市试点政策引起的估计偏误,将样本期调整为 20092014 年, 然后重新进行基准DID 回归估计(表 2 4 列)。可以看出,在 1% 的显著性水平上,低碳城市试点政策仍对火电上市企业的绿色全要素生产率具有显著的抑制作用,与基准回归结论一致。

3.     更换解释变量

将双重差分模型中的解释变量 treatpost 替换为用火电上市企业排污费计算的低碳城市试点政策强度(PI),其余控制变量和条件均不变,再使用基准回归模型进行估计(表 2 第 5 列)。可以看出,在 5% 的显著性水平上,低碳城市试点政策仍对火电上市企业的绿色全要素生产率具有显著的抑制作用,与基准回归结论一致。

四、异质性检验及结果分析

(一)不同规模企业回归结果

为考察低碳城市试点政策下不同规模企业对火电企业绿色全要素生产率的影响,将观察期内企业平均装机容量超过 500 万千瓦时的划分为大型企业,观察期内企业平均装机容量没有超过500 万千瓦时的划分为中小型企业,对这两类企业分别做实证检验,回归估计结果如下表 3 所示。

其中列 (1) 和列 (2) 分别考察中小型火电企业和大型火电企业受到环境规制下的绿色全要素生


 

表 2

稳健性检验


(1)

(2)

(3)

(4)

(5)


did2011

did2013

did2014

didtz

genghuan

 

treatpost

-0.056       2

(-1.132       7)

-0.074       6

(-1.753       7)

0.058       9

(0.375       8)

-0.171 1***

(-3.523       8)


 

PI





-0.025 6**

(-2.002       3)

 

AR

0.336       6*

(2.128       2)

0.356 8**

(2.136       7)

0.347 9**

(2.253       7)

-0.241       5

(-0.841       1)

0.376 0**

(2.125       7)

 

FS

-0.167       1

(-1.632       8)

-0.092       6

(-1.487       7)

-0.082       5

(-1.421       7)

-0.097       2**

(-2.152       3)

-0.117 2***

(-2.679       9)


0.001       6*

0.000       9*

0.000       8

0.004       7

0.001       5**


(1.764       5)

(1.549 2)

(1.187 5)

(1.361 0)

(1.836 0)

 

HR

0.000       0

(1.288       5)

0.000       0

(1.257       3)

0.000       0

(1.375       9)

0.000       0*

(1.715       5)

0.000       0

(1.285       7)

 

FC

-0.265       3

(-1.586       2)

-0.314 2*

(-1.799       5)

-0.195       2

(-1.206       8)

-0.298       6*

(-1.886       3)

0.075       6

(0.763       4)

N

324.000       0

324.000       0

324.000       0

162.000       0

323.000       0

R2_a

0.399       1

0.406       7

0.442       2

0.548       4

0.466       5

F

4.426       8

4.388       8

4.289       5

14.006       0

13.409       7

 

 



表 3 异质性检验

提升绿色全要素生产率,故需要加大技术创新的力度。但是中小型火电企业相对于大型火电企业而言无论是资产规模、融资规模还是装机数量都处于行业内劣势地位,再加上火电行业固来具有固定资产比例高、产品生命周期长的特点,中小型火电企业经营业务范围不广,融资约束较多, 更容易面临新技术研发投入不足、现有技术改造经验缺乏等问题,技术创新发挥的影响作用因此更为明显。融资约束水平(FC)在大型企业组回归系数未通过显著性检验,在中小型企业组均通过 5% 显著性水平,这说明中小型火电企业受到的融资约束较多,更容易抑制绿色全要素生产率的提高。人力资本水平(HR)在大型火电企业中回归系数并不显著,但在中小型火电企业中显著, 说明中小型企业应重视科研人才的引进和培养。资产负债率(AR)回归系数在中小型企业组更为显著且绝对值更大,说明中小型火电企业面临的负债压力相对于大型火电企业更容易导致其绿色产率的受影响情况。可以看到低碳城市试点政策显著抑制了列 (1) 中小型火电上市企业的绿色全要素生产率,但对列 (2) 的大型火电上市企业并无显著性的影响。对控制变量而言,技术创新T在两个模型中均通过了显著性检验,且对中小型企业的影响更为显著。大型火电企业往往规模庞大并且实力雄厚,在技术创新方面科研人才和科研基金的优势,但因为科研创新的滞后性,在科研创新初期并没有发挥应有的效果,因而并没有全要素生产率的下降。

(二)不同所有制企业回归结果

在我国市场环境下,企业所有制类型对企业的绿色全要素生产率有重要影响,为此本研究进一步检验不同企业所有制下低碳城市试点政策对火电企业绿色全要素生产率的影响。

国有企业相较于非国有企业来说承担更多的社会责任和政策性负担,国有企业的政治特殊性决定了其更容易获得政府以及银行的融资贷款, 来扩大生产经营和增加技术投入。但是在国有企业中更容易存在创新效率及生产效率的双重损失。为了响应低碳城市试点政策,实现能源转型, 促进低碳绿色发展,火电企业必然要增加企业经营成本进而导致融资压力,由于不同所有制的火电企业在融资方面存在差异,因此本研究将验证该差异,检验不同所有制企业面对低碳城市试点政策时企业绿色全要素生产率受到的影响。本研究讨论的国有企业是指国资委控股的企业,非国有企业是指除国有企业之外的企业。实证结果如上表 3 所示,回归结果显示低碳城市试点政策对(3) 非国有制火电上市企业和列 (4) 国有制火电上市企业的绿色全要素生产率均有显著影响,但影响方向正好相反,低碳城市试点政策并没有显著提升非国有火电企业的绿色全要素生产率,而对于国有火电企业的绿色全要素生产率却有显著提升的效果。

对控制变量而言,除了企业规模(FS)大部分都通过了显著性检验。技术创新(T)仅在国有企业模型中通过了显著性检验,对中小型企业的影响并不显著。原因之一可能是由于非国有企业受到的融资约束较多,导致其创新研发投入不足,进而影响了创新成果的转化,所以技术创新水平并没有发挥对绿色全要素生产率的影响效应。对融资约束水平(FC)而言,非国企组回归系数绝对值比国企组要大,说明非国企企业受到的融资约束水平较高,从而抑制企业绿色全要素生产率的提高。人力资本水平(HR)两个样本组回归系数相差不大,说明科研研发人员对国有企业和非国有企业的技术创新同等重要。国有企业组资产负债率(AR)系数绝对值比非国有企业组系数绝对值要大,说明国有企业负债水平低于非国有企业。

五、机制解释

前文在理论机制中提出了低碳城市试点政策可能通过技术创新效应、企业规模效应和人力资本效应抑制火电企业绿色全要素生产率的假设, 接下来本研究使用 Baron 等提出的中介效应检验模型来进一步验证上述三条假设 [30-31]:

(7)                                     式(5)~(7)中:Mit 中介变量,包含技术创新变量(T)、企业规模变量(FS)和人力资本变量HR。上述模型中5式反映了低碳城市试点变量和火电企业绿色全要素生产率变量之间的关系;(6式反映了低碳城市试点变量和技术创新变量T、人力资本变量HR和企业规模变量(FS)之间的关系;(7)式反映了低碳城市试点变量、技术创新变量T、人力资本变量HR和企业规模变量FS以及火电企业绿色全要素生产率变量之间的关系。在前两式中低碳城市试点变量均显著的情况下,如果最后一式中的低碳城市试点变量显著系数明显降低或者变得不再显著的话,那么证明中介效应确实存在。

中介效应的计量实证结果如下表 4 所示。列(1)  的中介计量效应结果显示,低碳城市试点变量的系数在 5% 的显著性水平下为负,由此可见并未加入中介变量进行回归的时候,低碳城市试点政策显著抑制了火电企业绿色全要素生产率的提高,这也与上述双重差分的实证结果一致。列 (2) 中低碳城市试点变量treatpost 变量系数显著为负, 说明低碳城市试点政策短期内并没有提升火电企业的技术创新水平。列 (3) 在加入技术创新水平变量后,treatpost 变量系数绝对值较列 (1) 变小, 说明低碳城市试点政策短期内能够通过降低企业的技术创新水平进而使得火电企业的绿色全要素生产率降低这与假设 H2 一致。

表 4 列 (4) 中 treatpost 变量在 5% 的显著性水平下为负,可见,低碳城市试点政策会抑制企业规模。列 (5) 在加入企业规模变量后,低碳城市试点变量 treatpost 变量系数绝对值较列 (1) 变小,说明低碳城市试点政策能够迫使企业进行规模缩减进而使得火电企业绿色全要素生产率减低。列 (6) 中 treatpost 变量在 1% 的显著性水平下为负,这表明低碳城市试点政策会使得企业的人力资本水平下降。列 (7) 在加入人力资本变量后,低碳城市试点变量 treatpost 变量系数绝对值较列 (1) 变小,说明低碳城市试点政策的确能够通过降低人力资本水平使得火电企业绿色全要素生产率下降,假设 H3 得到验证。

六、结论与政策启示

(一)研究结论

本研究基于我国火电上市企业 2009—2020年的微观层面数据,使用加入非期望产出的 SBM

 


(1)

(2)

(3)

(4)

(5)

(6)

(7)

GTFP

T

GTFP

FS

GTFP

HR

GTFP

 

treatpost

-0.152       0**

(0.056       0)

-0.008       5**

(-1.295       3)

-0.149       0***

(-0.082       0)

-0.042       0**

(-1.633       2)

-0.148       0***

(0.074       0)

-0.014       2***

(-1.627       7)

-0.145       0***

(0.057       0)




-0.004 2**








(-0.887 5)





 

FS





-0.007       5*

(-1.913       7)



 

HR







-0.365       5*

(-1.574       9)

N

324.000 0

324.000       0

324.000       0

324.000       0

324.000       0

324.000       0

324.000       0

R2_a

0.572 0

0.450       8

0.285       4

0.426       4

0.297       6

0.432       0

0.367       1

F

46.192 7

3.562       2

2.554       3

3.879 8

1.985 0

10.116       2

8.012       7

 

 

表 4    中介效应计量结果

模型计算了火电企业绿色全要素生产率,并通过实证分析和机制解释,讨论了低碳城市试点政策对火电上市企业绿色全要素生产率的影响机制。为了更深一步研究企业异质性对绿色全要素生产率的影响,按照企业规模和企业所有制对火电上市企业进行分组,以此验证低碳城市试点对火电上市企业绿色全要素生产率的异质性影响。

通过对上述问题的深入分析,本研究得到以下结论:

第一,低碳城市试点政策的实施显著抑制了火电上市企业的绿色全要素生产率,即低碳城市试点政策并没有对我国火电上市企业的绿色发展产生积极影响,这显然与该政策实施的初衷相悖。

第二,低碳城市试点政策对绿色全要素生产率的影响具有企业规模和企业所有制的异质性。对企业规模大的火电上市企业而言,低碳城市试点政策会抑制绿色全要素生产率提升,但这种影响并不显著,而对企业规模小的火电上市企业来说,低碳城市试点政策显著降低其绿色全要素生产率水平。此外,低碳城市试点政策在国有制企业和非国有制企业的实施效果也不同,低碳城市试点政策显著促进国有制企业的绿色发展,但阻碍了非国有制企业的绿色发展。

第三,从影响机制来看,低碳城市试点政策在短期内并不能通过技术创新来提高火电企业的绿色全要素生产率,而且还会通过缩减企业规模、降低人力资本水平以及增大能源消耗等带来更大的负面效应。当企业加大环保投资时,由于技术改造的问题以及产品研发周期具有较大的不确定性,在短期内技术创新难以取得良好的创新效果, 从而不能使得火电企业绿色全要素生产率得到提高。低碳城市试点政策使得火电企业迫于严格的环境要求而迁出企业所在城市,这样不仅减少试点城市内劳动力就业机会,使得其人才引进和创新活动的转化大打折扣,进而使得试点城市的人力资本水平下降,更使得火电企业的规模缩减, 降低了火电企业的绿色全要素生产率。低碳城市试点政策并未显著降低火电上市企业的能源投入与污染排放,这可能是低碳城市试点政策未能促进火电上市企业绿色发展的主要原因。

(二)政策建议

碳中和碳达峰的任务对环境保护和低碳发展提出了更严格的要求,通过高效贯彻实施环境规制政策以带动技术创新发展和能源高效率利用, 从而提升火电企业绿色全要素生产率,是亟待解决并且具有远大经济愿景的主题。而在火电企业经济绿色增长的过程中,企业规模和企业类型的异质性也影响了政策的实际调节作用。依据本研究实证结论,提出以下政策建议:

第一,科学合理地制定火电企业环境规制政策与强度。鉴于目前低碳城市试点政策并没有提高火电企业的绿色全要素生产率,故应在不减少火电企业电力生产的前提下,正确引导火电企业的环境治理,杜绝污染治理无力的乱象,从而从根本上提高火电企业的绿色全要素生产率。

第二,大力开展火电企业技术创新活动。政府应做好企业制度环境制定的引路人,充分发挥政策对于火电企业研发创新活动的引导和激励效应,以实现火电技术创新的调节作用。对非国有企业而言,应该充分改善其营商环境,并大力支持其项目开发政策的实施,使其研发投入能够切实有效地转化为创新产出,发挥技术研发活动对火电企业绿色全要素生产率提升的调节作用。

第三,政府应加大对火电企业的能源转型补贴和环境保护补贴等,适时引导金融放贷机构和银行减少对火电企业的融资约束,缓解火电企业的经营压力。特别是对非国有火电企业以及中小型火电企业而言,政策性银行和金融中介对其融资时可适当提高担保额度,以此来降低火电企业融资成本。 

参考文献: 

[1]   彭璟, 李军, 丁洋. 低碳城市试点政策对环境污染的影响及机制分析 [J]. 城市问题 ,2020(10):88-97.

[2]   戴嵘 , 曹建华 . 中国首次 “ 低碳试点 ” 政策的减碳效果评价—基于五省八市的 DID 估计 [J]. 科技管理研究 ,2015(12): 56-61.

[3]   邓荣荣 . 我国首批低碳试点城市建设绩效评价及启示 [J]. 经济纵横 ,2016(8):41-46.

[4]   陈楠 , 庄贵阳 . 中国低碳试点城市成效评估 [J]. 城市发展研究 ,2018(10):88-95,156.

[5]   杨博文, 尹彦辉. 顾此失彼还是一举两得: 对我国碳减排经济政策实施后减排效果的检视 [J]. 财经论丛 ,2020(2):104-112.

[6]   逯进 , 王晓飞 . 低碳试点政策对中国城市技术创新的影响—基于低碳城市试点的准自然实验研究 [J]. 中国地质大学学报 ,2019(6):128-141.

[7]   刘鹏程 , 慈鑫鑫 . 政府环境管制促进了城市创新吗 ?—基于低碳城市试点政策的准自然实验 [J]. 中南林业科技大学学报( 社会科学版 ),2020,14(4):22-32.

[8]   TIE M, QIN M, SONG Q J, et al. Why does the behavior of local government leaders in low-carbon city pilots influence policy innovation?[J]. Resources, conservation and recycling, 2020, 152:104483.

[9]   龚梦琪, 刘海云, 姜旭. 中国低碳试点政策对外商直接投资的影响研究 [J]. 中国人口·资源与环境 ,2019,29(6):50-57.

[10]   余泳泽 , 杨晓章 , 张少辉 . 中国经济由高速增长向高质量发展的时空转换特征研究 [J]. 数量经济技术经济研究 ,2019, 36(6):3-21.

[11]   上官绪明 , 葛斌华 . 科技创新、环境规制与经济高质量发展 : 来自中国 278 个地级及以上城市的经验证据 [J]. 中国人口·资源与环境 ,2020,30(6):95-104.

[12]   王亚飞 , 陶文清 . 低碳城市试点对城市绿色全要素生产率增长的影响及效应 [J]. 中国人口·资源与环境 ,2021,31(6):78-89.

[13]   张娟 , 耿弘 , 徐功文 , 等 . 环境规制对绿色技术创新的影响研究 [J]. 中国人口·资源与环境 ,2019,29 (1):168-176.

[14]   宁论辰, 郑雯, 曾良 .2007—2016 年中国省域碳排放效率评价及影响因素分析—基于超效率 SBM-Tobit 模型的两阶段分析 [J]. 北京大学学报 , 2021(1):181-188.

[15]   关宇航 , 师一帅 , 李莉 . 低碳城市政策提升企业全要素生产率了吗 ?基于高质量发展要求的审视 [J]. 海南大学学报 , 2021(8):1-10.

[16]  BANSAL P, HUNTER T. Strategic Explanations for the Early Adoption of Iso 14001[J].Journal of Business Ethics, 2003(3): 289-299.

[17]  BORGHESI S, CAINELLI G, MAZZANTI M. Linking Emissions Trading to Environmental Innovation: Evidence From the Italian Manufacturing Industry[J]. Research Policy, 2015(3): 669-683.

[18]  郑梦宇 , 汪彩君 . 规模异质性企业全要素生产率的实证研究 [J]. 上海管理科学 , 2019(5):85-91.

[19]  AIYAR S S, FEYRER J. A contribution to the empirics of total factor productivity[J]. Dartmouth College Working Paper, 2002(1):2-9.

[20]  李卫兵, 刘方文, 王滨. 环境规制有助于提升绿色全要素生产率吗?—基于两控区政策的估计 [J]. 华中科技大学学报, 社会科学版 ,2019,33(1):72-82.

[21]  逯进 , 王晓飞 , 刘璐 . 低碳城市政策的产业结构升级效应—基于低碳城市试点的准自然实验 [J]. 西安交通大学学报 ,2020,40(2):114-115.

[22]  周迪, 周丰年, 王雪芹. 低碳试点政策对城市碳排放绩效的影响评估及机制分析 [J]. 资源科学 ,2019,41(3):546-556.

[23]  蔡昉. 中国经济改革效应分析—劳动力重新配置的视角 [J].经济研究 ,2017(7):4-17.

[24]  TONE K. A slacks-based measure of efficiency in data envelopment analysis[J]. European Journal of Operational Research, 2001,130(3):498-509.

[25]  王兵, 卢金勇, 陈茹. 环境约束下的中国火电行业技术效率及其影响因素实证研究 [J]. 经济评论 ,2010(4):90-97.

[26]  祁毓 , 卢洪友 . 环境规制能实现“降污”和“增效”的双赢吗 [J]. 财贸经济 ,2016(9):126-143.

[27]  李鹏升 , 陈艳莹 . 环境规制、企业议价能力和绿色全要素生产率 [J]. 财贸经济 ,2019(11):147.

[28]  徐斌, 陈宇芳, 沈小波. 清洁能源发展、二氧化碳减排与区域经济增长 [J]. 经济研究 ,2019(7):188-202.

[29]  LI P, LU Y, WANG J. Does flattening government improve economic performance? Evidence from China[J]. Journal of Development Economics, 2016(9):18-37.

[30]  盛丹 , 张慧玲 . 环境管制与我国的出口产品质量升级—基于两控区政策的考察 [J]. 财贸经济 ,2017(8):80-97.

[31]  BARON R M, KENNY D A. The moderator-mediator variable distinction in social psychological research: conceptual, strategic, and statistical considerations[J]. Journal of Personality and Social Psychology, 1986,51(6):1173-1182.

Influence and Mechanism Analysis of Low-carbon City Pilot Policy on

Green Total Factor Productivity of Listed Thermal Power Enterprises 

LI Hui, YIN Ruicheng

(School of Economics, Qingdao University, Qingdao 266061, Shandong, China)

 Abstract: Thermal power generation plays a dominant role in China’s electricity production and is also an important source of pollution emissions. Under the background of weakening resource and environment carrying capacity and increasing low-carbon pilot cities in China, the transformation of economic growth mode makes new requirements for thermal power enterprises, and the influence of pilot policies on thermal power enterprises is worth studying. Based on the data of a-share listed thermal power enterprises in Shanghai and Shenzhen from 2009 to 2020, this paper uses the non-radial and non-angular ML index method of SBM model to measure the green total factor productivity of listed thermal power enterprises. On this basis, the impact of low-carbon city pilot policy on green total factor productivity of thermal power enterprises and its transmission mechanism are tested by using differential method. The heterogeneous effects of low-carbon city pilot policies on green total factor productivity of thermal power enterprises of different sizes and ownership are also investigated. The results show that the implementation of low-carbon city  pilot policy inhibits  the improvement of green total factor productivity of listed thermal power enterprises, and this conclusion is still valid after a series of robustness tests. In the short term, the low-carbon city pilot policy cannot improve the green total factor productivity of thermal power enterprises through technological innovation, but it will bring more negative effects by reducing enterprise scale and human capital level, and increasing energy consumption. At present, the pilot low-carbon city policy does not significantly reduce the energy input and pollution emission of listed thermal power enterprises, which is an  important reason why  it  fails to  promote the  green development of listed thermal power enterprises. In addition, the impacts of low-carbon city pilot policies on green total factor productivity of listed thermal power enterprises of different sizes and ownership have significant differences. Therefore, the government should formulate   the environmental regulation intensity of the thermal power industry scientifically and rationally, continuously promote the technological innovation of thermal power enterprises, especially to create a good business environment for small  and medium-sized enterprises and non-state-owned enterprises, and realize the transformation and upgrading and green development of thermal power enterprises.

Keywords: low-carbon city pilot policy; thermal power enterprises; green all-factor productivity; double differential;environmental regulation

返回上一步
打印此页
  • 电话咨询

  • 13838208225