论文标题：Watering down Environmental Regulation in China
中文标题：顺流而下的中国环境规制
原文来源：Guojun He, Shaoda Wang, Bing Zhang, 2020 Watering Down Environmental Regulation in China, The Quarterly Journal of Economics, Volume 135, Issue 4, November, Pages 2135–2185.
供稿：陈晴
封面图片来源：Pexels
编者按
文章利用中国水质监测系统中的空间回归不连续设计方法，评估了环境规制对企业生产率的影响。由于水质读数对政治评估很重要，而且监测站只收集上游地区的排放数据，地方政府官员会对监测站上游的企业执行更严格的环境标准，而非下游企业。研究结果表明，相比与下游污染者，上游污染者面临着超过24%的全要素生产率(TFP)下降，以及超过57%的化学需氧量排放下降。在无污染行业中并不存在TFP的不连续，这种不连续仅存在于政府明确将政治晋升与水质读数挂钩时的情形。而这主要是由职业驱动型领导人的地级市造成的。将TFP估计值与排放量估值联系起来，粗略计算表明，中国在2000至2007年期间的水资源管理的经济成本高达8000多亿元人民币。
研究背景
在中国和印度等发展中国家，每天有数十亿人生活在极端污染之下，但经济上仍依赖污染严重的制造业。现有的研究主要集中在美国，而对发展中国家减轻污染的经济成本却知之甚少。发展中国家由于工业结构和要素禀赋的不同，环境管制的成本以及政治制度和官僚动机可能相差很大。
中国是世界上最大的排放国和制造国，中央政府利用强有力的政治激励来实施环境监管，创造了一个独特的经验环境。为了解决中国严重的水污染问题，中央政府在主要的国家河流干线上设立了数百个国家控制的水质监测站，并利用水质读数来帮助确定地方政府官员的晋升。然而，由于监管不完善，中央和地方政府之间的这种政治契约受到了破坏。水监测站只能捕捉上游的排放，这给地方官员提供了空间上不连续的动机，让他们对监测站上游的污染者实施更严格的监管，而非下游的污染者。由于河流从高到低的高度流动，水质监测站只能检测来自上游的排放。当中央政府对水监测站的读数施加高政治风险时，地方官员会有强烈的动机去监管监测站上游的污染者，但却没有动机去监管下游的污染者。同时，由于中国政府直到2003年才实施严格的水污染控制措施，文章预计，在2003年之前，上游和下游污染企业之间的生产率差距是最小的，而在2003年之后，差距将大幅扩大。
研究设计
文章利用水质监测站周边监管严格的空间不连续性来评估监管对TFP的因果效应。企业与监测站之间的距离作为解释变量，检查位于监测站上游的公司是否比邻近的下游公司的生产率低。文章研究设计的识别假设是，由于空间邻接，位于监测站上下游的企业事先应该是相同的，但当上游企业面临更严格的监管时，它们将会有所不同。
不连续可以用参数方法和非参数方法来估计。文章利用Gelman和Imbens（2019）推荐的局部线性方法，估计下列方程。方程中，TFPijk是k监测站附近j产业中企业i的全要素生产率；当企业i (j产业)在k监测站的下游时，指标变量Downijk等于1,否则为0；Distijk测量公司i与监测站k之间的距离(上游为负，下游为正)；h为估计的均方误差最优带宽。文章在监测站水平上对标准误差进行聚类，以处理误差项的潜在空间相关性。除此之外，还控制了企业所在的行业和监测站的固定效应uj和vk。样本按照不同行业和年度进行分组回归，计算出残差用以衡量企业全要素生产率（TFP）。
数据与样本
从1999年至2010年中国环境年鉴、中国环境统计年鉴、中国环境质量统计年鉴等各类环境年鉴的地表水水质报告中收集水质监测站的信息。在两个以上不同来源中可用的数据进行交叉验证。在这些报告中，国家控制的监测站的数量在年份之间略有变化，范围从400到500个不等。文章对所有的水质监测站进行了地理编码。
企业层面的生产信息基于2000年至2007年工业企业年度调查(ASIF)。ASIF的数据包括年销售额超过500万元的私营工业企业和所有国有工业企业。作者对样本中出现的952,376家公司的位置进行地理编码，然后计算每个公司与其最近的水质监测站之间的距离。
为了调查水质监测是否确实减少了与水有关的排放，从环境调查和报告(ESR)数据库中收集企业层面的排放数据。根据COD和二氧化硫(SO2)的排放水平对污染源进行排序，将某县排放总量前85%的污染源纳入数据库。这里使用2000年至2007年的ESR数据。除了COD排放，文章还通过观察氨氮(NH3-N)排放和废水排放来证实公司排放结果。
国家统计局每年对乡镇情况进行一次调查，收集了中国所有乡镇的社会经济数据。文章获得了2002年20个省的调查数据，并使用乡镇一级的数据来评估上下游乡镇之间的相似性。
使用了水利部提供的中国流域系统的GIS数据，来识别上下游关系。然后，将这些GIS数据集与地理编码的乡镇和企业数据集进行匹配。
实证分析
下图是根据“到相应监测站的距离”绘制的TFP(吸收站固定效应和行业固定效应)图。每个点代表一个距离范围内的公司的平均TFP日志;也展示了90%置信区间。图上覆盖了一条拟合曲线，以说明监测站周围的不连续性。图A中恰好在水监测站的位置，污染行业的TFP发生了急剧变化，上游企业的全要素生产率显著低于下游企业。处理效果仅适用于上游(<5 km)的企业，且随着企业距离监测站越近，处理效果越强。在图B中，我们没有观察到无污染行业TFP的任何可比的空间不连续。
-图1- （A）污染企业的TFP （B）非污染企业的TFP
在下列表1中，A组列出污染及非污染工业在没有任何管制的情况下的研发预算。可发现，位于监测站下游附近的污染企业的TFP显著高于位于上游附近的污染企业，而非污染企业则没有类似的模式。但这些结果在统计上并不显著。
B组中控制了站点和行业的固定效应。将面板B和A比较，可以看到，估算的效果在数量上是相似的。它暗示了站点和行业特有的特征虽然是企业TFP的重要决定因素，但与处理状态不相关。当控制固定效应时，RD系数就会得到更精确的估计，从而在统计上变得显著。
在面板C中，控制了行业和站点的固定效应，比较了同一行业中在空间上彼此相邻的上下游企业。结果显示在污染行业中，与下游企业相比，上游企业的TFP大幅显著下降，而在非污染行业中则不存在这种不连续。
-表1- 上下游企业TFP差距
为调查TFP中基线不连续的动态，在下图中，分别绘制了每年的RD估计值。结果表明：2000年至2002年，污染企业的TFP中断率接近于零，2003年TFP中断率显著增加。在之后几年里，TFP的差距持续存在，并在2006年达到顶峰，这标志着“十一五”计划的开始。而无污染企业中，估计的RD系数在零附近波动，且都不具有统计学意义。
-图2- 不同投资组合回报与DGDP回归结果
受2003年上游和下游污染者之间的“突破趋势”的启发，作者采用了一个扩大的“间断差异”规范，研究在2003年引入严格的水监测计划前后企业内部TFP的变化。使用“偏差修正”方法来估计以下模型:
其中Post03t是哑变量，若t≥2003则取1，否则为0。TFPijkt表示吸收了企业固定效应、行业-固定效应和站点-年固定效应的TFP。表二报告了以2003年为(前后)截止点的不连续差异估计数。在(1)-(3)栏中，与下游同行相比，在2003年水质监管变得严格之后，上游污染者经历了19%的TFP (e−0.21−1)损失。相比之下，如第(4)-(6)栏所示，上游和下游非污染者之间的趋势没有这种中断。
-表2- 上下游企业TFP差距：双重差分估计
文章通过一些额外测试，证明基线RD结果并不是由(i)内生的监测站位置;(ii)污染企业的分类;(iii)上下游企业间的溢出效应;(iv)基准TFP测量的潜在偏差;(v)在RD估算中做出的具体选择所驱动的。
第一，作者使用工具变量(IV)方法处理监测站潜在的内在位置；第二，调查了污染企业可能有系统地远离监测站上游的可能性，如表二所示，当仅利用企业内部变异时，研发结果是有效的，这表明“内生排序”并不是我们研究结果背后的主要驱动力；第三，进行了安慰剂试验，使用2003年后的数据估计“实际上游企业”和“安慰剂下游企业”之间的不连续性。由于“安慰剂下游企业”和“实际的上游企业”相距并不近，并未发现上下游污染者之间存在显著的溢出效应；第四，调查实证结果是否反映了TFP测量本身的潜在偏差，为了解决这个问题，构建了一系列替代的全要素生产率指标，基线结果在质量和数量上都适用于所有这些替代TFP措施；最后，提出了一系列额外的稳健性检验，包括估计参数RD模型，对RD估计进行偏置校正，以及采用替代带宽选择器，所有的主要发现在这些替代规范中在数量上保持相似。进行了安慰剂检验，将原来的监测站向上或向下移动5公里，并重新评估这些“安慰剂”监测站的RD模型。发现，TFP的不连续性只在实际监测站附近显现，而不是在这些安慰剂站附近。
企业对监管的反应研究
本节主要探究企业如何应对更严格的水质规定。根据模型，作者评估了水质监测对几个关键变量的影响：
在表3中，通过分别估算企业产出和投入的上下游差距，对基准TFP结果进行分解。面板A报告了与产出相关的措施的结果:增值和利润。对于上游污染者而言，这两项指标似乎都较低，但并不显著；在面板B中，主要关注与投入相关的措施:劳动力、资本和中间投入。上游污染企业雇佣更多的员工，使用更多的中间投入，但这些影响不显著。最显著的模式是，上游污染企业虽然产出并不比下游高，但却拥有更高水平的资本资产；从面板C中上游的劳动生产率似乎略低，但差异并不具有统计学意义，而上游的资本生产率显著低于上游，幅度超过22%。在表3(4) -(6)栏中，使用2003年以前的数据报告了研发费用估计数。我们可以看到，在2003年环境监管成为约束性约束之前，上下行污染者之间不存在任何显著的投入和产出差距。
-表3- 上下游企业投入与产出水平差距
污染企业通常可以采取两种措施来减少排放。首先，他们可以改变生产过程(过程中改变)，定义为对生产过程进行调整，以减少产生的污染；第二，它们可以采取“管道末端”干预措施，在生产过程结束时进行调整，通过消除产生的污染物减少排放到环境中的污染。
在表4中，调查了上游企业正在采取何种行动来应对更严格的环境监管。首先，在面板A中，发现下游企业的运营时间比上游企业的运营时间长，估计差异在每年200小时左右；在面板B中，检查了在生产过程中有多少淡水被用作投入，发现上游企业在生产中比下游企业使用的水要少得多；在面板C和D中，上游企业平均有一套额外的废水处理系统，这增加了他们的最大处理能力——超过7300吨每天。
表4的结果表明，过程中的改变和管道末端的调整都有助于上游污染者减少排放的努力。上游企业安装昂贵的废水处理设施以减少排放，使用更少的水密集型生产技术，并略微减少运营时间。这些投资和调整导致上游污染企业的全要素生产率显著下降。
-表4- 上下游企业减排努力水平的差距
本节正式研究了水质监测对企业排放和排放强度的影响。检验了来自ESR数据集的8种污染结果度量:1. COD排放总量;2.COD排放强度；3.NH3-N排放总量;4.NH3-N排放强度;5.废水排放总量;6.废水排放强度;7.SO2排放总量;8.NOx排放总量。
在表5的Panel A中，可以看到下游企业的COD排放量和COD排放强度都显著升高；如Panel B所示，上游污染者的NH3-N排放强度远低于下游污染者；在Panel C中，观察到，上游企业排放的废水无论是绝对水平还是产量调整强度都减少了；在Panel D中，发现各水质监测站的SO2和NOx排放没有明显的不连续性，这证实了上下游差距是水污染独有的。
-表5- 上下游企业排放差距
研究结论
研究表明，由于国家控制的监测站的水质读数对政治宣传很重要，而且只能反映上游的排放，地方政府官员有强烈的动机去监管监测站上游附近的污染企业，而不是下游附近的污染企业。研究估计，监测站直接上游的污染企业与直接下游的污染企业相比，TFP损失了24%。TFP的上下游差距只存在于污染行业，直到2003年水质读数成为政治优先事项时才出现。
进一步的分析表明，生产力损失主要是上游污染者为应对更严格的监管而增加对(非生产性)减排设备的投资造成的，不能用监测站或污染企业的内生位置来解释。文章还调查了水质监测对污染的影响发现，通过绝对排放水平和产量调整后的排放强度衡量，上游污染企业的COD、NH3-N和工业废水排放量显著减少。而且上游污染者是通过调整生产流程和减少管道末端排放来应对更严格的监管。
结合研发对全要素生产率和排放的估计，计算了中国水污染控制政策的总体经济成本。本文估计，减少10%的COD排放可以使中国污染行业的全要素生产率下降3.38%-3.81%。这表明，在2000年至2007年，中国为减少COD排放所做的努力导致了超过8000亿元的工业产值损失。最后，文章指出鉴于当前基于目标的监管机制在分散执行下容易发生扭曲，替代市场政策工具(如总量管制与交易市场)的可行性和成本效益对政策制定是很重要的。
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.
