推文人 | 温家喻

 

原文信息：

 

Guojun He, Shaoda Wang, Bing Zhang, Watering Down Environmental Regulation in China, The Quarterly Journal of Economics, Volume 135, Issue 4, November 2020, Pages 2135–2185, https://doi.org/10.1093/qje/qjaa024

 

水是生命之源。除了日常生活的用途之外，水还是企业生产的重要原材料。然而，企业在生产过程中不按照要求排污，会导致严重的地表水污染，进而危害居民的身体健康。因此，政府需要对企业的排污行为进行监管，并对水质进行监测。那么，加强水质监测会影响企业乃至行业的全要素生产率吗？Guojun He, Shaoda Wang和Bing Zhang 发表在2020年6月QJE的论文《Watering Down Environmental Regulation in China》以2003年提出的科学发展观作为自然实验，估计了中国政府的水质监测对行业全要素生产率（TFP）的影响。

 

由于水质监测站的数据只能反映其上游水质，因此，相较于下游的污染行业而言，位于水质监测站上游的污染行业会面临更严格的水质监管。基于此，本文利用水质监测站上下游面临的环境规制的断点来分析水质监测对全要素生产率的影响。

 

尽管存在大量关于环境监管如何影响企业生产率的经验文献(Jaffe et. al, 1995; Berman and Bui, 2001; Greenstone, 2002; Greenstone, List and Syverson, 2012)，但这些研究大多关注发达国家，对发展中国家环境监管的研究还较少。此外，由于数据和识别方面的困难，正如Keizer and Shapiro(2019b)所指出的，关于环境监管的文献主要集中在空气污染，而较少关注水污染，且关于水污染的现有研究侧重于水监管的环境效益(Greenstone and Hanna, 2014; Keiser and Shapiro, 2019a,b)。

 

本文的研究贡献在于：第一，提供了在发展中国家进行环境监管的经济成本的经验证据；第二，突破数据的局限性和识别的困难，给出了水质监测与全要素生产率关系的经验证据。

 

01 研究背景

 

在20世纪90年代的中国，GDP的增长被视为一项重要的工作。为了实现GDP的高速增长，政府并没有设定严格的减排和水质改善目标。工业制造额经过近20年的高速增长后，中国面临日益严峻的环境挑战，其中就包括地表水水质恶化。根据世界银行（2007）的数据，在2000年，中国大约70％的河流水质不能达到人们安全使用的标准。面临日益严峻的环境形势，加强对水质的监管势在必行。

 

为了收集各地的地表水质量信息，当时的环境保护部（现为生态环境部）在20世纪90年代建立了国家水质监测系统。环保部建立了水质监测站以收集中国所有主要河段，湖泊和水库的各种水污染指标，以及水质等级的数据。水质监测站的分布位置主要取决于水文因素（地表水的深度，流速、宽度以及河岸的土壤特征）。因此，成立初期的水质监测网络主要是用于科学研究目的，而非用于水质监管目的。

 

中央政府为实现减排目标，动员地方官员保护环境。中央政府向各省下达减排要求，各省省长必须与中央政府签订个人责任书，详细记录他们的减排计划和减排承诺。省长又会进一步对下辖的市、县官员施加减排压力。治理成果直接与官员晋升挂钩，鉴于这种强有力的政治晋升激励，地方政府将目光投向污染企业，因为污染企业排放的污染物是水质下降的直接推手。但是，由于水质监测站的数据只能反映其上游水质，因此，地方政府的目光主要集中在位于水质监测站上游的污染企业。

 

作者通过研究大量政策文件，以了解地方政府如何监管污染企业在生产经营中排放污染物。地方政府通过让污染企业“停产”或者“暂时停产”来进行整改，从而让污染企业购买减排设备并且进行生产工艺的调整，继而尽可能减少排放污染物到水体当中污染水源。而用于减少污染物排放的资本投资会占据企业资金投入的很大一部分，但减排设备的投入对增加企业产出的贡献非常少。因此，作者预计受到严格监管的污染企业的全要素生产率将会降低。

 

02 数据来源

 

本文使用了以下数据库：1.水质监测站数据，来自于1999年-2010年各种环境年鉴中的地表水质报告；2. 2000-2007年中国工业企业数据库，包括了企业的投入，产出，销售，税收和利润等变量，以及企业的位置信息；3.企业层面的排放数据（Environmental Survey and Reporting Database），该数据库囊括了所有主要污染源的污染排放数据，包括严重污染的工业企业，医院，居民排污单位，危险废物处理厂和城市污水处理厂；4. 2002年20个省的中国县域统计年鉴；5. 国家统计局2010年的乡一级层面的GIS边界数据和水利部提供的中国流域系统的GIS数据。作者通过GIS高程数据来识别河流的上游和下游，最后将这些GIS数据集与经过地理编码的乡镇和企业数据集进行匹配。

 

在数据匹配过程中，本文首先删除位于湖泊和水库上的监测站和无法确定上下游关系的监测站。其次，剔除无河流经过的乡镇地区。最后，针对保留的位于河流干流上的监测站，在匹配其所在地乡镇后，本文以乡镇的几何中心点画一个半径为10km的圆，基于高程数据和水流向数据，识别出乡镇的上下游关系。这个匹配过程能更好地识别研究对象，匹配水质监测站河段后的上下游企业如下图所示。

03 研究方法

 

（1）精确断点回归（Sharp RD）

其中，TFPijk表示在第k个水质监测站在半径10km之内的第j个行业第i个企业的全要素生产率，作者使用Olley and Pakes（1996）的方法来计算企业的全要素生产率；Downijk：虚拟变量，第j个行业第i个企业位于第k个水质监测站的下游取值为1，上游取值为0；Distijk：第j个行业第i个企业到第k个水质监测站的距离。

 

（2）RD-DD估计

其中，Post03t是一个虚拟变量，在2003年及之后取值为1，否则为0；f (Distijk) 表示的是关于第j个行业第i个企业到第k个水质观测站的距离的二次多项式。

 

04 实证结果

Figure IV的图A是对污染行业进行精确断点回归画出的图，图B是对非污染行业进行精确断点回归分析画出的图。通过比较上图A和上图B，可以发现，TFP的断点只存在于污染行业当中，即监测站上游污染企业的TFP显著低于下游污染企业， 且这一作用仅在5km范围内显著，距离监测站越近效果越强，非污染行业没有TFP的断点。

 

Figure Ⅴ给出了对污染行业在水质监测站的上游与下游之间的TFP差异的动态趋势检验。结果表明，水质监测站上下游间的污染行业的TFP差异在2003年之后变得显著，这一效应并没有随着时间变化而消失。因此，这并不是短期效应。

Table III通过比较监测站上下游企业在2003年前后投入和产出之间差异，估计结果表明：在2003年及之后，位于水质监测站上游的污染行业投资更多的资本品，工业增加值与资本存量的比重更低。

Table Ⅳ进一步分析了水质监测对上游污染行业TFP下降的影响机制，估计结果表明：为改善水质，水质监测站的上游污染行业减少了运营时间和水资源的投入量，增加了污水处理设备的投入和每天处理污水的吨数。

Table Ⅴ进一步比较了同一河流监测站上下游行业间排放污染物的差异，估计结果表明：水质监测站上游污染行业减少了化学需氧量物质的排放及其排放强度、氨的排放强度和污水排放强度（排放强度用总排放物除以总产出来衡量）。

Table Ⅵ进一步分析了水质监测背后的政治经济学逻辑。估计结果表明：在面临更强的政治晋升激励的领导治理期间（县级领导人年龄低于57岁可以得到提拔），水质监测站上游污染行业被征收更多的污水排放费，水质监测站上游污染行业的TFP下降得更多，自动传送数据的水质监测站的上游污染行业比手工记录水质监测站上游的污染行业的TFP下降更多。

Table Ⅷ进一步对水质监测站上游污染行业实行更严格的水质监管进行了成本收益分析。估计结果表明：这一水质监测政策造成了超过8000亿元的经济损失。此外，平均而言，排放到水当中的化学需氧量物质每下降10%，上游污染行业的全要素生产率就会下降2.12%-3.81%。

05 总结和评论

 

Guojun He, Shaoda Wang和Bing Zhang（2020）这篇文章以2003年的科学发展观作为自然实验，估计了中国政府的水质监测与行业全要素生产率的影响。本文指出，地方政府在政治激励下要改善水质，但水质监测站的数据只反映水质监测站上游水质污染程度，位于水质监测站上游的污染行业会面临更加严格的监管，使得这些污染行业的全要素生产率下降。位于水质监测站上游的污染行业全要素生产率下降的作用渠道有：减少运营时间和水资源的投入，增加污水处理设备的投入和污水处理设备每天处理污水的吨数。这些位于水质监测站上游的污染行业在面临更加严格的水质监管的情况下，降低了化学需氧量物质的排放及其排放强度，减少氨的排放强度和污水排放强度。此外，由水质监测站构成的地理断点只对污染河流的排放物有显著效应，如COD、NH3-N等。由于政治激励的存在，水质监测站上游污染行业被征收更多的污水排放费。在面临更强的政治晋升激励的领导治理期间，水质监测站上游污染行业的TFP下降得更多。此外，自动传送数据的水质监测站的上游污染行业比手工记录的水质监测站上游的污染行业的TFP下降更多。

 

本文的优点在于用了丰富的数据对这一研究假说进行了干净的识别，识别的过程当中使用断点回归设计很好地解决了内生性问题。另外一个亮点是，在实证分析的基础之上，本文还对水质的环境监管进行了相应的成本收益分析。值得注意的是，由于作者不知道人们对清洁的地表水的支付意愿，因此，本文给出的经验证据不能表明现行对水质监管的程度应该加强还是减弱。

 

Abstract

 

This article estimates the effect of environmental regulation on firm productivity using a spatial regression discontinuity design implicit in China’s water quality monitoring system. Because water quality readings are important for political evaluations and the monitoring stations only capture emissions from their upstream regions, local government officials are incentivized to enforce tighter environmental standards on firms immediately upstream of a monitoring station, rather than those immediately downstream. Exploiting this discontinuity in regulation stringency with novel firm-level geocoded emission and production data sets, we find that immediate upstream polluters face a more than 24% reduction in total factor productivity (TFP), and a more than 57% reduction in chemical oxygen demand emissions, as compared with their immediate downstream counterparts. We find that the discontinuity in TFP does not exist in nonpolluting industries, only emerged after the government explicitly linked political promotion to water quality readings, and was predominantly driven by prefectural cities with career-driven leaders. Linking the TFP estimate with the emission estimate, a back-of-the-envelope calculation indicates that China’s water regulation efforts between 2000 and 2007 were associated with an economic cost of more than 800 billion Chinese yuan.