推文人 | 华岳

原文信息：Jingbo Cui,GianCarlo Moschini.2020. “Firm internal network, environmental regulation, and plant death”Journal of Environmental Economics and Management,101.

 

环境规制的作用长期以来存在争议，支持者认为环境污染的减少带来了显著的健康益处，而反对者则将生产率下降、失业和制造商搬迁归咎于环境监管，争论双方的一个关键问题涉及到企业如何应对环境规制。现有文献很少关注企业的内部工厂结构的作用，本文研究了环境规制对关闭工厂决策的影响，即严格的法规影响污染工厂退出某个行业的程度。多厂制企业（Multi-plant firms）相比单厂制企业（Single-plant firms）是否更有可能关闭附属工厂以应对严格的环境监管？本文利用隶属于同一总部的工厂数据来研究企业内部网络的作用，在三个不同的区域水平上测量内部网络效应：局部、邻近和更广泛的区域，并进一步关注内部网络效应如何与环境规制相互作用。

 

1990年的清洁空气法案（CAAA）要求美国环保署（EPA）根据SO2、CO、O3和TSPs四种标准空气污染物的环境浓度，将每个县划分为污染物未达标和达标两个类别，每年7月，EPA都会对美国每个县的污染物未达标/达标类别进行重新分类。工厂面临日益严格的环境规制显然会影响企业的生产成本，企业如何应对这种监管引发的成本冲击取决于许多因素（包括工厂的年龄和规模），工厂退出该行业是一种可能的应对措施。本文构造了1990年至2007年的美国制造业详细的工厂级数据集，并将工厂层面的数据与1990年CAAA）规定的未达标/达标县进行比对，实证检验了环境规制加强对工厂关闭决策的异质性影响。

 

 

数据及实证策略

 

本文的数据主要包括两部分：

 

（1）1990年至2007年美国制造业数据。本文从各种来源收集这些数据：工厂层面的数据来自National Establishment Time Series（NETS）数据库、县级业务模式（CBP）数据和业务动态统计（BDS）来自人口普查局（前者用于构建县-行业特征，后者用于创建行业层面的进入和退出率的衡量指标）、县级劳动力数据和行业层面生产者价格指数（PPI）来自美国劳工统计局（BLS）。

 

（2）县级环境规制数据。县级层面的环境规制来自EPA。

 

本文将NETS数据库与EPA的国家排放清单（NEI）相联系，创建独特的与环境标准相关的工厂样本。NEI数据库包含了美国所有地区的工厂排放空气污染物标准的信息，将这些记录的污染工厂与NETS数据库中收集的工厂进行比对。对于每个匹配的工厂，可通过母公司在NETS数据库中找到它们的相关工厂。

 

为了确定CAAA规则对工厂关闭决策的异质性影响，本文估计了一系列代表工厂关闭概率的Probit模型，基准模型如下：

Deathit表示工厂i在t年是否关闭的二值虚拟变量；Xit包含环境监管和企业网络变量；Zit表示其他解释变量（包括工厂特性）；Λcjt表示一系列固定效应，控制布局同一县所有工厂的县、行业和时间因素（县级法规、聚集经济的度量和各县的工资率）。模型（1）形式的变化主要是βXit，分为以下两种情况：

 

（1）单工厂和多工厂

Dirtyj表示是否为污染型工厂的二值虚拟变量，定义为污染行业中的工厂；Regct-1表示环境规制压力的虚拟变量，若c县在第t-1年四种空气污染物中至少一种不达标，则取值为1；Multiit-1表示是否为多工厂企业的二值虚拟变量。感兴趣的系数β11识别了与单工厂企业相比，环境监管对多工厂企业关闭污染工厂决策的影响。

 

（2）企业内部网络

LocalNetijct-1，NbrNetijct-1，WideNetijct-1是基于跨地区的关联工厂数量的三个企业内部网络指标，指标构造过程如下：

 

 

另外，为了避免违反环保规定，i工厂的母公司可能会关闭该工厂，关闭i工厂的决定可能受到与c县接壤县拥有该企业附属工厂数量的影响，特别是不受环境管制邻县拥有附属工厂的数量。因此本文估计以下模型来识别不同区域企业内部网络面临不同环境规制压力时的联合效应：

RegNbrNetijct-1、UnregNbrNetijct-1、RegWideNetijct-1、UnregWideNetijct-1与LocalNetijct-1、NbrNetijct-1、WideNetijct-1指标构造类似，只是将c的邻居县和c县之外的县区分为环境监管地区和非环境监管地区。模型估计了相对于环境监管c县的清洁工厂，位于不同区域（与c县接壤邻近县/c县之外的县）环境监管县和非环境监管县的企业内部网络如何影响环境监管c县同一企业污染工厂关闭概率。

 

主要结果

 

1.单工厂和多工厂

 

表5第（1）和（2）列是基准模型的全样本结果，考虑了污染工厂指标、县环境规制指标和多工厂状态指标三重交互作用，第（3）和（4）列是多工厂企业和单工厂企业的分样本估计结果，结果有力地支持了多厂停产决策与多厂生产状态正相关的假设，环境规制对多工厂企业的工厂关闭概率在5%显著性水平上具有显著的正向影响，但对单工厂企业样本不显著。第（5）和（6）列是污染部门和清洁部门的分样本估计结果，结果表明县环境管制对多工厂企业的关闭决策概率都有显著的正向影响，污染部门的工厂比清洁部门的工厂影响更明显。

2. 区域企业内部网络效应

 

表6报告了模型（3）估计结果，（1）至（3）列结果表明三个区域网络（本地、邻近、广域）与污染行业指标和县环境规制指标的交互作用对工厂关闭概率都有积极影响，但只有邻近网络结果是显著的，当同时考虑三种区域网络效应时，结果基本不变。

3. 企业内部网络受到环境压力的影响

 

本文进一步将邻近网络和广域网络划分为环境规制区域网络和非环境规制区域网络，模型（4）的估计结果见表7。第（1）列结果表明污染行业指标、县环境规制指标和非环境规制邻近网络指标的交互系数显著为正，随着更多的附属工厂位于临近的没有环境规制压力的县，母公司更有可能关闭被监管县的污染工厂来处理环境合规问题，相反，当邻近网络也面临环境规制时，母公司不会关闭被监管县的污染工厂。第（2）列结果显示非环境规制广域网络指标与污染行业指标和县环境规制指标交互项的系数为正（但不显著）。相反地，环境规制广域网络指标与污染行业指标和县环境规制指标交互项系数显著为负，当公司在更广阔的地区也面临环境压力时，这就减少了特定管制县关闭工厂的概率。

4.稳健性检验

 

（1）时间段。本文将整个样本期分为两部分：1990-1999年和2000-2007年，前者是后CAAA时期，后者是新标准时期，回归结果见表9。在后CAAA时期，在不受环境管制的邻县，企业内部网络对本地工厂关闭的积极影响在10%的水平上仍然具有统计学显著性，为了应对地方监管机构的控制，总部更有可能关闭污染严重的工厂，将生产转移到附近不受环境规制约束邻县的附属工厂。此外，在受环境监管压力广域范围，本县环境规制对本地污染行业工厂的关闭概率显著下降，关闭工厂以应对当地环境合规的可能性下降；在新标准时期，不受管制县的邻域网络系数显著为正，这支持了不受管制的邻域网络确实影响本县企业关闭的结论。没有证据表明，环境管制区域广域网络对污染工厂的关闭决策有负面影响。

（2）特定污染物。在CAAA标准下，部分县的每一项空气污染物标准的指定状态会发生变化，本文就以每一个单项的污染物（SO2，CO， O3，TSPs）标准来衡量污染工业的指标，估计结果见表10，基于CO和O3作为规制指标时的估计结果与基准结果相似。

（3）变换估计方法。本文使用线性概率模型估计线性的工厂关闭概率模型，该模型包含了县和工厂的固定效应，这一替代模型有助于识别企业内部网络在当地严格的环境控制下对污染工厂关闭决策所起作用的因果影响，估计结果见表11。LPM估计在很大程度上与Probit模型的报告一致。

（4）安慰剂检验。本文随机在一个工厂和一个总部之间分配多工厂状态，将与多工厂企业有关联的工厂的比例与样本观测结果相匹配，利用这些伪区域网络测度，本文进行回归以检验伪内部网络对工厂关闭概率的影响。回归结果发现伪区域网络的估计结果在统计上不显著，这为基准结论的有效性和准确性提供了进一步的支持。

 

总结

 

本文基于1990-2007年美国制造业的数据，研究了企业结构在应对日益严格的环境规制时，对工厂关闭决定的影响，研究结果强有力地表明，为了应对监管压力，企业内部网络的结构至关重要。在严格的环境控制下，多工厂企业和单工厂企业的反应是不同的，多厂制企业有更大的灵活性来应对严格的环境控制，它们更有可能关闭位于有严格环境规制县的附属工厂，特别是那些位于远离母公司的工厂或在同一县有许多其他类似工厂的工厂，这种影响主要是由企业在不受监管邻县的内部网络所驱动的。

 

这篇文章扩展了我们对环境监管影响企业生产活动的理解，与单一工厂企业相比，多工厂企业在适应严格的环境规制方面确实表现出了更大的灵活性，这使得环境政策的设计和评估更具挑战性。

 

Abstract

 

This article examines the role of a firm’s internal network in determining plant shutdown decisions in response to environmental regulations. Using unique plant-level data for U.S. manufacturing industries from 1990 to 2007, we find evidence that, in response to increasingly stringent environmental regulations at the county level, multi-plant firms do exercise their greater flexibility in adjusting production, relative to single-plant firms. Specifically, in regulated counties, the likelihood of a plant shutting down is higher for multi-plant firms. Moreover, we measure the firm internal network effect at the local, neighborhood, and the wider-area levels, as defined by the number of affiliated plants clustered in different regional levels. Their effects on plant closure decisions for dirty subsidiaries vary with the network level. We further decompose the neighborhood network into those in regulated and unregulated neighborhood counties, and examine how these network metrics are associated with closure decisions of dirty plants affiliated with multi-plant firms. The presence of more sibling plants residing in neighboring counties that are free from regulatory controls are associated with a higher closure probability of dirty plants in a regulated county.