高质量发展目标下的环境规制与技术效率优化
作者:dqwlunwen
分类:经济管理
时间:2022-01-05
关键词:
职称论文发表,职称评审,
期刊投稿,经济管理论文发表
摘 要:因其显著的经济、社会与环境影响,钢铁产业技术效率优化对其加快实现高质量转型发展具有重要意义。本文基于2006—2017中国29个省份的面板数据,先是构建全局网络方向距离系数模型测算钢铁产业技术效率,并进一步建立空间杜宾Tobit模型和面板门槛模型,分析环境规制等因素对产业技术效率的空间溢出与非线性影响。结果表明,观测期内,中国钢铁产业技术效率整体表现出波动上升趋势,且效率水平存在区域异质性和空间相关性;行政命令与公众参与型环境规制对钢铁产业技术效率优化都起到了显著的促进作用,市场激励型和自愿意识型规制的直接效应尚不显著,行政命令型规制在不同空间距离下都体现出了显著的溢出效应;四类环境规制均存在双重门槛,但各类规制的最优强度区间存在差异,体现出其对钢铁产业技术效率的非线性作用机理。
关键词:高质量发展;环境规制;钢铁产业;技术效率;空间效应;面板门槛模型
中图分类号:F262文献标识码:A
文章编号:1000-176X(2021)12-0039-10
《中国集体经济杂志》注重性、学术性,努力做到风格清新、雅俗共赏。创刊于1985年,经新闻总署批准公开发行的专业性学术期刊,CN:11-3946/F。创刊以来一直是各种经济信息交流的重要平台。
一、问题的提出
作为国民经济基础性支柱产业,钢铁工业的发展是一国经济水平和综合国力的重要标志。1996年中国超过日本成为世界第一产钢大国,并保持了二十余年的高速发展。中国粗钢产量占全球份额从1996 年的13.50%逐步提高到2019年的53.10%。但与此同时,钢铁产业的技术相对落后、发展不均衡等问题一直未能得到根本解决,产能过剩的困境日益凸显。2013年以后,中国钢铁产业更是由相对产能过剩转变为绝对过剩。在此背景下,供给侧结构性改革政策在中国全面推进,2019年中国钢铁产业产能利用率达到80.00%,较2016年提升了8.30个百分点。但同时2019年中国粗钢产量达9.96亿吨,同比增长7.20%,去产能政策效果并不十分稳固,出现滑入过剩区间的风险。在此背景下,如何通过优化产业资源配置推动钢铁产业结构转型升级进而提升全要素生产率,推动钢铁产业高质量平稳发展成为关键。产业的结构升级和可持续增长都离不开生产过程技术效率的提升。一方面,技术创新与技术进步是改进生产能力的关键所在;另一方面,生产要素的投入和全要素生产率的提升至关重要,而全要素生产率又取决于资源配置效率和技术效率的提升。由此可见,技术效率的提升对中国钢铁产业结构升级和经济可持续发展至关重要。此外,在“一带一路”倡议不断推进的环境下,中国钢铁产业在世界钢铁部门中占有越来越高的地位。提升钢铁产业生产的技术效率,加快实现钢铁产业又好又快发展,有利于为国际社会提供多样化的产品,对于推动以国内大循环为主体、国内国际双循环相互促进新发展格局战略构想的实施具有重要意义。目前,中国钢铁产业仍然存在着资本利用率低、劳动力依赖性强等问题,不同地区产业技术进步、管理水平和投资能力也存在明显差异。如何实现在一定生产技术水平下,以更少的投入获得更多产出就成为关键问题。因此,探究中国钢铁产业技术效率水平及其影响因素,对实现钢铁产业优化生产、改进资源配置、提高综合效益具有重要的指导意义。
现有研究表明,环境规制是影响技术效率的一个重要因素。面临日益严格的法律法规管制,钢铁产业高能耗和高污染的特点决定了它的生产活动将受到环境规制等因素的影响。钢铁企业在环境污染控制下承受巨大的成本压力,为了提高竞争力和利润率,企业必须谋求在环境保护的同时提升技术效率改进生产,以取得全要素生产率的提高并实现可持续发展。根据波特假说,环境规制强度越高,全要素生产率水平相应也越高。说明适度的环境规制能够促使企业为降低成本而加快创新步伐,提高技术效率并相应地减少工业污染物的排放,进而推动产业可持续发展。
现有研究中关于效率的分析方法主要有两类:一类是以随机前沿分析(Stochastic Frontier Analysis, SFA)为代表的参数法;另一类是以数据包络分析(Data Envelopment Analysis, DEA)为代表的非参数法。相比之下,DEA方法因其独特的优势在技术效率、全要素生产率、创新效率、生态效率和资源利用率等的测算方面应用广泛。除了传统的CCR和BBC方法之外,很多学者在研究中对其作出了相应的改进,例如考虑松弛变量的Slack-Based Measure(SBM)、考虑抽样法的Bootstrap-DEA、考虑非期望产出的Malmquist-Luenberger指数等。在钢铁产业的研究中,DEA方法也同样被用于废气处理效率、能源效率、碳排放绩效等多方面的研究。在钢铁产业技术效率分析方面,刘文君和向冰[1]采用了基于松弛变量的超效率DEA模型分析了钢铁上市公司基于碳排放的技术效率;张庆芝等[2]以中国重点大中型钢铁企业为研究样本,采用Undesirable-SBM模型测算了钢铁产业的技术效率并分析了地区差异;Yang等[3]则利用Bootstrap—網络DEA分析了中国各省市钢铁产业的技术效率及其区域性差异。