环境污染因子及解决方法

3.3.4　实证结果

3.3.4.1　环境需求方程（ED）的计量结果

环境需求方程回归结果总体上拟合得较好（参见表3-8）。计量结果表明，工业部门对污染收费是敏感的，PLW的弹性为-0.327左右，具有统计显著性。由于在1994—2002年研究期的污染收费有很大的变动，这意味着污染收费在降低污染密度上是有作用的。大企业产出份额的系数具有我们先验估计的符号，但其系数较小，而且不具有统计显著性。但是回归结果至少表明，与Wang和Wheeler的研究结果不同，1994年以来大企业产出份额的增加并没有显著改善所在地区的污染程度。国有企业产出份额的系数没有支持我们的先验估计，而且不具有统计显著性，这证实了Wang和Wheeler关于国有企业对省级污染程度没有显著影响的结论。可能存在其他影响企业环境需求的因素，例如国有企业的产出效率有可能相对较低，或者有更强的抵制规制的能力，从而抵消了其对越界污染进行内部化的效果。关于不同性质企业的污染行为与环境规制两者之间关系的研究显然还有进一步拓展的潜力，不过这一主题已经超出了本书所讨论的范围。

回归结果拒绝了所有工业部门参数为0的联合假设，这意味着工业部门构成对均衡污染密度存在显著影响，一个合理的解释是各省的环境规制强度没有针对不同部门的污染密度和削污成本进行适当的调整。

表3-8　环境需求方程回归结果（因变量：lg（CODI））

注：（1）＊表示在10％的水平上显著；＊＊表示在5％的水平上显著；＊＊＊表示在1％的水平上显著。

（2）括号中的数字为t统计值。

3.3.4.2　环境供给方程（ES）计量结果

表3-9给出了环境供给方程的固定效应计量结果。为避免联立性偏误问题，我们按照TSLS的实施步骤，用工具变量法计算CODI的拟合值，再建构CODD的数值进行环境供给方程的估计。为与理论模型相一致，人口密度的系数值被设为1。我们给出了五个环境供给方程，回归结果总体上拟合得较好。方程1同时考察了工业化程度（IND）和收入水平（PCC）的影响，但是为了避免这两个密切相关的变量可能带来的共线性问题，方程2和方程3分别将教育和收入两个变量纳入模型进行估计，方程4和方程5则是在方程2和方程3的基础上引入了地理区位因素，即省份的地理位置这一虚拟变量与年虚拟变量的交互值。

首先，计量结果表明PLW对污染密度（CODD）的弹性大于0但小于1（（ω₁-1）在-0.799到-0.993之间），这说明污染的严重程度会显著提高各地区以污染定价为特征的环境规制强度，但是越界污染将降低各地区环境规制强度的提高幅度。其次，我们用变量IND来考察工业化程度对环境规制强度的影响，计量结果表明，该变量具有先验估计的负向影响，而且具有统计显著性。看来1994—2002年期间工业化进程并没有促进各地区加强对环境的规制强度，而是出现了“竞争到底”的规制弱化现象。收入水平（PCC）和教育程度（EDU）的影响符合我们的先验估计，一个地区收入水平和教育程度越高，所采取的环境规制强度就越高。

我们较为关注的是地理区位对环境规制强度的影响。上下游虚拟变量与年虚拟变量的交互作用项的估计值由负值转为正值，基本符合我们的先验估计，而且这些正值均具有统计显著性。估计值有逐年扩大的趋势，这表明地理区位会影响到各地区环境规制强度的选择，与上游地区相比，下游地区的环境规制强度随着时间的推移逐步提高，这在一定程度上证实了我们在3.2节的研究结果。