图片来源：人民日报微博

原文信息：

Zhang, Bing, and Daxuan Zhao.,2023. “Emission leakage and the effectiveness of regional environmental regulation in China.” Journal of Environmental Economics and Management,121: 102869.

原文链接：

https://doi.org/10.1016/j.jeem.2023.102869

本文利用中国独特的企业层面日度排放数据，构建一种新颖的实证模型识别工业污染的泄漏。通过比较不同行业内未监管地区的工业污染排放变化来估计平均泄漏效应。位于受监管地区的行业内企业会受到监管冲击的严重影响，并在未监管地区发生明显泄漏。

日度排放记录由工厂设施通风口的自动监测传感器生成，即中国的连续排放监测系统（CEMS）。高频数据使本文能够观察企业面对监管冲击的即时反应。本文讨论的地区环境监管是2017年3月1日发布的北京及其周边地区（简称“2+26”城市）大气污染防治工作计划，该计划旨在改善北京的空气质量。以未监管地区内的企业为对照组，日度排放数据显示，自2017年3月1日实施监管以来，受监管地区内企业排放量大幅下降。

本文首先使用一个简单的模型来说明泄漏效应的渠道。同一行业内企业具有相同的产出需求和投入供给。若监管减少了受监管地区内企业产量，则产品的全球价格将上涨，投入要素的全球价格将下降。价格机制刺激了未监管地区的生产。表明在受监管地区事先具有较多生产活动的行业在未监管地区会泄漏更多，因为其投入和产出市场受到监管的严重影响。基于监管地区内不同行业在未监管地区的污染排放变化来识别监管后的泄漏效应。

实证分析中首先按行业计算受监管地区与未监管区总产出的比率作为其受监管暴露的程度，发现高暴露未监管企业的排放量相对于低暴露未监管企业增加。通过估计表明，监管地区内约60%的减排总量发生泄漏。以SO2排放为例，由于泄漏效应，未监管地区排放量增加约2.44%，而监管地区的实际减排量约17.56%。总体而言，当考虑泄漏效应后，中国“2+26”城市环境监管的减排量不到2%。

本文认为，监管地区的高暴露和低暴露行业都应受到监管的一致影响。然而，泄漏效应可能会影响减排的估计结果。通过讨论高暴露和低暴露行业监管地区相对于未监管地区的减排情况，表明由于泄漏效应不明显，高暴露行业的减排量更大。此外，以钢铁行业为例说明价格机制。中国钢铁及其原材料铁矿石的价格在地区监管前同时波动，而监管后钢铁价格相对于铁矿石价格大幅上涨。这将激励未监管的钢铁生产商按照模型预期增加产量。

与既有文献相比，本文的贡献如下：已有文献通常认为监管会增加生产的难度或成本。尤其是中国环境监管的动机是自上而下对地方官员施加政治压力。有经验证据表明，它在受监管地区非常有效。然而，企业也可以减少产量或转移到监管范围之外的地区。中国实施严格的环境监管之后也存在排放的再分配，而目前的经验证据通常基于水污染，因为上下游之间的关系可以很好地识别。总体而言，既有研究均集中于地方政府如何在空间上安排生产，以平衡环境绩效和经济增长。然而，对未监管地区的影响却鲜为人知，本文可能是首篇关注中国环境监管对未监管地区影响的论文。

采用的工业排放数据来自原环境保护部安装的自动监测传感器，即连续排放监测系统（CEMS）。该项目允许政府机构从中国3000多家主要污染企业收集即时的排放数据。从技术上来说，传感器安装在企业的通风口，监测多种污染物的流量和强度。一家企业可能有多个通风口，因为其多个工厂设施单元会产生空气污染物。CEMS将安装多个传感器来监测工厂设施每个单元的污染排放。平均而言，每家企业在数据样本中均大约有2个传感器。本文以工厂设施的每个单元作为生产的基本单元。因为生产技术在短期内不变，传感器的排放数据可用于测量其生产活动。监测数据会自动上传到政府机构，得到即时排放量。本文关注气体排放，包括总悬浮颗粒（TSP）、二氧化硫（SO₂）和氮氧化物（NOx）等三种主要污染物。

使用2016年和2017年的日度排放数据来捕捉工业污染泄漏。此外，使用短期数据可以避免生产过程中可能发生的技术变化。因为本文假设污染是生产活动的副产品，所以线性关系可能会随着技术进步而改变。剔除了未提供超过100个日度记录的传感器，样本中有大约3000家企业和500多万个观测值。表1总结了样本中的企业、传感器和观测值数量，表明本文的研究涵盖了中国各地的大多企业。

本文的数据有几点优势。第一，它是一个独特的高频数据，可以捕捉每日排放量的变化，并能捕捉日常生产活动。其他数据通常无法识别监管的即时响应。第二，传感器的读数是总排放量的真实值，而不是其他方式提供的估计值。它可以准确地反映企业的生产活动。第三，由于它仍处于实验阶段，传感器的数据并未直接作为中国政府惩罚的证据。企业没有动机操纵这些数据。

若p和w为常数，方程（2）得出∂q/∂τ<0。环境监管使生产成本增加并减少了受监管地区的产量。而方程（1）表明未监管地区的产出与环境监管τ无关。

受监管地区的减产将降低产出要素的供给和投入要素的需求。因此，全球价格可能发生变化。假设最终产品的需求函数p=P(Q)，投入要素的供给函数w=w(X)，将方程（1）分解：

其中，dqu/qu是未监管地区总产量的百分比变化；dqr/qr是受监管地区总产量的百分比变化；Qu/Qr为未监管和受监管地区间的总产量比率。x′>0,p′<0和w′>0，Qr/Qu的系数为负，即从受监管地区到未监管地区的泄漏效应。

由于存在泄漏，监管对减排的总体效果为：

若边际生产成本增加，x″>0，δ<1，监管地区δ的减少存在泄露。若边际生产成本恒定，x″=0，δ=1，Δ=0即完全泄漏，受监管地区的减产通过在未监管地区增产得到缓解。方程（5）表明系数δ衡量了泄漏效应，表示受监管地区泄漏的减排量。因此，本文可以使用工业污染排放数据估计δ。

最后，基于方程（4）推导实证模型，其差分形式为：

其中，eijlt是传感器i在日期t对行业l内污染物j的总排放量读数，并加1取对数。Exposure=Qr,l/Qu,l，Qr,l和Qu,l分别是监管前受监管和未监管地区行业l的总产量。感兴趣的估计系数是γ，是监管的平均减排量。假设环境监管通常适用于受监管地区内的所有污染行业。

实证模型（7）的核心变量是每个行业受监管冲击的暴露，它被定义为监管前行业的总产量在受监管和未监管地区之间的比率。为了构建不同行业的这一核心变量，首先从2014年中国工业企业年度调查数据库中获得企业的产出，受监管和未监管地区之间每个行业的总产出按照行业三位SIC码加总；然后将暴露指标与基于三位SIC码的排放数据合并；最终样本涵盖71个行业，这些行业为后文估计提供了较多的泄漏效应变化。

其中，eijt是传感器i在日期t对污染物j的总排放量读数，并加1取对数。若日期t在2017年3月1日实施监管之后，post等于1，否则为0。

估计结果见表2。第（1）列使用全样本并控制传感器-污染物交互和日期固定效应。系数θ显著为负，表明相对于未监管地区，2017年3月1日后受监管地区的日均排放减少约15.3%。列（2）、（3）和（4）分别考虑TSP、SO₂和NOx排放，与列（1）结果几乎一致，意味着北京及其周边地区更严格的环境监管明显减少了生产活动。

表2中的估计系数是受监管地区相对于未监管地区的排放变化，它应该是受监管地区排放的减少量和未监管地区排放的增加量之和。然而，上述估计无法直接说明环境监管的总减排量。后文根据企业在监管和未监管地区之间的分布识别泄漏效应，将总排放差异分解为减排和泄漏。

上述估计证明了从受监管地区到未监管地区的部分泄漏效应。若一个行业在监管和未监管地区之间平均分配，那么受监管地区减排1%将在未监管地区泄漏约60%，意味着排放量增加约0.6%。

若排放和暴露变量之间的相关性由泄漏效应导致，则当监管政策实施后估计系数才显著。发现政策实施前大多系数在0附近，而监管后的几个月，系数显著为正。表明本文的发现由监管后产量大幅下降引起的泄漏效应驱动。

还对所有企业划分，比较高暴露和低暴露行业间排放的平行趋势。使用以下模型估计：

其中，M是一个虚拟变量，系数β捕捉高暴露和低暴露行业间的排放差异。结果显示2017年3月监管实施后，系数均显著为正。

（2）季节性影响

一个特定行业的生产通常可能具有一定的季节性。若样本中的高暴露行业在每年的年初时停止生产，结果可能受到生产的季节性干扰。为了缓解这种担忧，首先剔除了1月和2月的所有观测值，并重新估计方程（10），交互项的系数将捕获两年间同一时期（3—12月）的不同排放行为。表4第（1）列显示，交互项系数与基准结果一致。

此外，还按年份划分两个子样本。表4列（3）和（4）分别汇报2016和2017年样本的估计值。交互项系数仅在2017年显著，表明本文发现不太可能受到季节性的干扰。

（3）环境执法强度异质性

若低暴露行业受到更严格的执法，本文发现可能来自不同行业环境执法的异质性。首先，样本中所有企业均为污染行业，这些企业都可能受到当地环境监管和执法。若监管和执法与行业相对排放强度有关，则不同污染物排放强度和暴露指标无关。其次，当地政府执法可能与行业排放强度无关。为了减轻该担忧，研究不同行业的环境违法行为，根据日均排放强度定义环境违法行为。与法定标准对比后，发现约6%样本的排放强度超标。实证模型如下：

其中，v是虚拟变量，若传感器i在日期t对j污染物的排放强度读数超过法定标准，v取1，否则为0。

表5显示交互项的系数并不显著为正，且系数很小。表明低暴露行业不太可能违反排放标准，本文结果未受到低暴露行业的环境执法影响。

（4）高和低暴露行业的监管

本文发现，与低暴露行业相比，高暴露行业将向未监管地区泄漏更多污染排放。那么，高暴露行业的减排效果应该比低暴露行业更大。

为了验证该观点，基于方程（10）分别估计了高和低暴露行业，检验它们是否受到监管的异质影响。图5显示高和低暴露行业减排的动态效应。在监管前，对于高和低暴露行业来说，监管和未监管地区间的减排量均不明显。而在监管后，与未监管地区相比，监管地区内两个行业的排放量均大幅下降。此外，估计系数表明高暴露行业的排放差异大于低暴露行业。

4.4横截面检验

进一步对方程（7）和（10）进行横截面检验。首先，基于企业所有权将样本划分为国有和非国有企业。已有研究表明国有企业存在治理问题，无法快速响应市场。由于泄漏效应依赖于价格机制，预计国有企业的泄漏效应较弱。

表6的Panel A显示，与列（1）的国有企业相比，列（2）的非国有企业暴露指标的系数更显著。Panel B使用高暴露的虚拟变量而非连续指标，结果类似。表明泄漏现象在非国有企业中更明显。

此外，基于企业与受监管地区之间的距离划分样本。监管地区包括河北、山西、河南、山东4省的26个地级市，将这4省的其余城市定义为临近地区。这些地区的企业非常接近受监管地区，更愿意分享投入和产出要素。因此，这些企业更可能存在污染泄漏。

表6列（3）首先估计临近地区内企业，交互项的系数均在1%水平下显著。列（4）显示其余地区的估计系数显著，但小于列（3）。表明泄漏效应与市场份额相关。

4.5泄漏的总效应

进一步以SO₂排放为例，计算监管的实际效果。基于表2的估计值，与未监管地区相比，受监管地区内企业的减排量约20%。意味着。若不考虑泄漏效应，未监管地区的排放恒定，如表7 Panel A所示，监管地区的排放将减少20%，二氧化硫排放总量减少3.76%。

将两个方程合并求解，得到。受监管地区的减排量约17.56%；未监管地区的排放增加约2.44%。因此，总减排量仅约1.32%（3.76%-2.44%）。表明泄漏效应削弱了环境管制的影响。

本文探讨了中国“2+26”城市的环境监管对未监管地区存在明显的污染泄漏。由于受监管地区内外的企业共享相同的投入和产出市场，因此会发生泄漏。使用独特的日度污染监测数据进行实证检验发现，北京及周边地区60%的减排由于未监管地区排放增加而被削弱，降低了污染治理效果。在监管实施后，钢铁行业投入产出要素价格迅速变化，说明了泄漏的价格机制。本文强调了监管后污染排放的再分配问题，由于受管制地区通常人口稠密和环境敏感，污染排放的再分配可能意味着整个经济的福利改善。

小结：上有政策，下有对策。近年来，区域环境管制导致的跨界污染问题日益突出，建立“成本共担、效益共享、合作共治”的跨区域保护与治理长效机制是监管的关键。让环境“有价”，谁污染谁买单！