田时中，瞿振鑫
（1.安徽大学经济学院，安徽合肥，230601；
2.厦门大学经济学院，福建厦门，361005）
2021 年11 月2 日，《中共中央、国务院关于深入打好污染防治攻坚战的意见》提出以更高标准打好蓝天、碧水、净土保卫战，设立了2025 年和2035年两个阶段污染防治目标。安徽省经济发展水平与苏浙沪存在一定差距，在经济追逐的过程中承接了较多的“三高”企业，且存在一批工业企业治污设施不完善、运行效率低等问题，给安徽省空气污染治理带来较大压力。基于经济发展具有政府主导性特征［1-2］，地方政府试图通过财税政策纠正环境污染造成的负外部性，以此改善城市空气质量。那么，探讨节能环保财政支出、环境税收对城市空气质量的影响，对有效发挥财税政策在城市空气污染治理中的激励协调作用，推动省内及跨省城市间大气污染协同治理，对实现安徽省绿色低碳高质量发展具有重要的现实意义。
有关财政支出与空气污染的关系研究，学界形成了一组竞争性的观点。一种观点认为增加财政支出将会加剧空气污染，降低空气质量。如政府高度管制更能有效抑制空气污染物的排放［3］；
空气污染物具有较强的空间外溢性，加之地方政府间环境治理具有策略性模仿趋势［4］，可能造成财政支出收益流失，降低了节能环保财政支出的资金使用效率；
纵向转移支付制度增加了中央财政压力，无法明晰空气污染外部性内部化的对应关系［5］。另一种观点则认为增加财政支出可以抑制空气污染，提高空气质量，如地方政府天然具备污染治理的信息和偏好优势［6］，“集权”体制将会促使地方政府协同治理空气污染［7］。
有关环境税收与空气污染的关系研究，是学者一直关注的热点之一。环境税收的理论根源于福利经济学家庇古提出的庇古税，即政府通过征税的手段纠正外部性［8］。国内外诸多学者基于本国实践情况对环境税收的污染治理效应展开了深入研究，采用实证分析探究环境税收对环境污染影响的传导机制［9］。其中达成共识的是，在企业追求利润最大化的过程中，且企业决策行为独立于公共部门时，环境税收能否有效治理空气污染，取决于环境税收给企业增加的税收负担与企业生产经营利润间的对比［10］。
上述研究对财税政策如何影响城市空气质量的研究提供了重要参考，但也有不足：多数研究关注财税政策的治污效应，较少将财政支出与环境税收纳入一个统一的分析框架；
缺乏对多类型空气污染物的时空演变格局的对比分析。基于此，本文结合安徽省空气污染的主要类型，采用熵值法测度安徽省16 市空气污染指数，展现城市空气质量时空演化特征，基于2011—2019 年安徽省16 个地级市面板数据进行实证分析，探究节能环保财政支出和环境税收对城市空气质量的影响，试图为探索城市空气污染治理和深入打好污染防治攻坚战提供新的研究视角和研究参考。
在中国式财政分权体制下，地方政府为引入劳动、资本和技术等流动性生产要素而不断调整税率降低企业实际税负，进而加剧地方政府间的税收竞争［11］。在这一过程中，地方政府为激励生产不可避免地引入高污染产业，导致节能环保财政支出被挤出，地方政府逐渐放松环境规制，加剧城市空气污染。但是，随着地方政府的关注重点从经济增长逐渐转向多元化的公众需求时，将绿色GDP 等指标纳入政绩考核体系［12］，敦促地方政府加强环境规制，调整原有的财政支出结构，加大节能环保财政支出，推进城市环境保护和生态文明建设，进而减少空气污染物的排放，提升城市空气质量。因此，提出以下假设：
假设1：受经济增长目标制约，节能环保财政支出加剧了城市空气污染排放。
私人部门是环境污染的主要制造者。理想状态下，按照“谁污染谁付费”的原则［13］，公共部门必然会干预和约束私人部门的环境污染行为，对私人部门课征环境税收，提高私人部门的排污成本。而作为一个理性的经济人，私人部门为追求利润最大化，不得不改进生产工艺，提高能源利用效率，减少空气污染物的排放。但是，“污染者付费”机制可能引起政府与企业间的博弈，环保未达标企业可能采取谎报瞒报排污行为等手段规避环境税收，又加之税务部门暂不具备监测与核定空气污染物排放量的技术手段和设备，大大提升了税务部门征收环境税的成本，综合降低环境税收的征收效率和空气污染治理效率［14］，难以实现“以税治污”的立法目的，导致无法有效治理城市空气污染，反而加剧空气污染物在城市间的扩散，降低了城市空气质量。由此，提出以下假设：
假设2：利益博弈机制下，环境税收加剧了城市空气污染排放。
节能环保财政支出是地方政府纠正空气污染造成负外部性的重要手段，是新时期中国综合防治大气污染的重要财税政策工具［15］。随着安徽省深度融入长三角一体化，长三角区域空气污染联防联治的阶段性成效显著。地方政府受环境治理激励作用，在逐年提高节能环保财政支出总量的基础上，不断注重长期经济发展效益，加强环境规制，采取提高环境税率或扩大环境税收的征税对象等措施，倒逼企业加大对科技研发的投入或提高对排污设备的购置成本，促使企业节能、降污和减排，充分释放节能环保财政支出和环境税收的交互作用对空气污染治理的正向效应，促使城市空气质量提升。基于上述讨论，提出以下假设：
假设3：节能环保财政支出与环境税收的交互作用抑制了城市空气污染排放，有利于提升城市空气质量。
（一）综合指数法
仅以某一特定大气污染物评估城市空气质量具有片面性。因此，遵循数据可获得性、典型性和科学性等原则，综合选取可吸入颗粒物（PM10）、二氧化硫（SO2）和二氧化氮（NO2）三项大气污染物指标测算安徽省16 市空气污染指数，以此表征安徽省16 个城市的空气质量。另外，为避免主观赋权的人为因素影响，使用熵值法确定三项指标的权重，采用极值法对原始数据进行标准化处理［16］。据此，测算空气污染指数：
式中，i= 1，2，3；
j= 2011，2012，…，2019，pollij为城市空气污染指数，表征空气质量，指数越大，表明城市空气质量越差，反之则越优。
（二）模型设定及变量选择
若被解释变量存在明显切割特点，则可采用Tobit 模型进行回归分析［17］。根据各解释变量对被解释变量的影响，确定Tobit 回归方程组为：
基准回归模型可以细化为：
式（3）中，poll 表示城市空气污染指数，fin 和etax 则分别表示节能环保财政支出和环境税收。X为控制变量，φ是回归系数，ε表示随机误差项，i、t分别表示城市与年份。
被解释变量：空气污染指数。本文选择可吸入颗粒物、二氧化硫和二氧化氮年均浓度三项指标测算城市空气污染指数，在此基础上以城市空气污染指数作为被解释变量。
核心解释变量：（1）节能环保财政支出（fin）。反映政府用于污染防治、污染减排和能源节约利用等方面的支出。（2）环境税收（etax）。由于《中华人民共和国环境保护税法》于2018 年1 月1 日正式实施，环境保护税数据在样本研究期间不具有连续性，故以环境保护税为界采用多个环境相关税收数据汇总测算环境税收，一是以资源税、城市维护建设税和车船税之和求得环境税收Ⅰ（etaxⅠ）；
二是以资源税、城市维护建设税、车船税和环境保护税之和求得环境税收Ⅱ（etaxⅡ）。
城市空气污染的原因较为复杂，影响因素众多，故引入控制变量至回归模型中。具体包括：经济发展水平（pgdp，人均GDP，万元/人）；
城镇化（urban，城镇人口/总人口，%）；
科技创新（tech，专利申请授权量，项）；
人口密度（pden，总人口/行政区面积，人/平方公里）；
建成区绿化覆盖率（green，绿化面积/建成区面积，%）。
（三）数据来源
选取安徽省16 市2011—2019 年的变量数据作为研究样本，测算空气污染指数所用的PM10、SO2和NO2三项大气污染物浓度值均来源于《安徽省统计年鉴（2012—2020）》自然资源和环境保护对应的科目，其他变量原始数据均来自中经网统计数据库（https：//db.cei.cn/）。另外，个别缺失数据采用插值法补足或回归方程预测填充。
（一）安徽省空气质量时空演变特征
就安徽省整体而言，从2011—2019 年空气污染指数呈“波动上升”的时序特征（图1），
图1 空气污染浓度值及空气质量时序演变
值得注意的是，二氧化氮与二氧化硫的浓度均值之差自2013 年以来越来越大。从2011 年起，安徽省凭借其良好地缘优势，积极融入长三角经济圈，逐步承接苏浙沪相对落后或不具有比较优势的产业，为经济高质量发展开拓新局面。但安徽省在承接相对落后产业的同时，高耗能高污染产业也不断入驻皖江城市带，空气污染排放量上升。随着《大气污染防治行动计划》和《打赢蓝天保卫战三年行动计划》政策的陆续出台和实施，2019 年安徽省PM10和SO2的年均浓度值较2013 年都显著降低。
使用软件ArcGIS10.7 对安徽省16 市空气污染指数进行空间可视化分析（图略，备索），并采用自然断裂法，将各年度的空气污染指数分为高污染、中高污染、中低污染和低污染四类。样本考察期内，16 市的空气污染指数具有“高值锁定”和“低值锁定”的空间特征，即高污染城市相对固定在铜陵市，低污染城市固定在黄山市。中高污染的城市的个数在2011 年、2015 年和2019 年分别有9 个、7 个和5 个，分别占样本总量的56.25%、43.75% 和31.25%；
中低污染城市个数则在样本研究期间有所上升。总体来看，安徽省空气污染较严重的城市主要集中在铜陵、马鞍山、芜湖、淮南、蚌埠、淮北，重污染城市连片分布特征较为显著。
就PM10浓度而言，以合肥市为中心，PM10逐渐向皖北蔓延，即PM10年均浓度值皖北显著高于皖南。就SO2浓度而言，中低污染及低污染城市个数由2011 年的7 个增长至2019 年的9 个；
从SO2浓度绝对值来看，SO2浓度最大值由55 微克每立方米降至15 微克每立方米。从NO2浓度分布来看，二氧化氮污染严重的地区逐渐由皖中向皖北和皖南扩张，主要集聚在合肥、芜湖、马鞍山、铜陵、滁州和蚌埠等城市。总之，安徽省大气污染防治仍处于“先污染，后治理”的发展阶段，加之大气污染是一个典型性的复杂系统，从末端治理到源头管控，再到污染防治效果持续显现需要较长一段时间。
（二）基准回归分析
为减少数据的异方差性和序列自相关及共线性所带来的“伪回归”问题，研究中对所有的解释变量进行对数化处理。Tobit 模型回归结果如表1 所示。
表1 基准回归结果
一是从节能环保财政支出的影响来看（模型1），节能环保财政支出对城市空气污染指数的影响系数为正，且在10%水平下显著，表明安徽省各市增加节能环保财政支出，并未有效降低空气污染排放。究其原因，一方面，节能环保财政支出总量与控制空气污染、改善大气环境的需求差异较大。尽管安徽省的节能环保财政支出总量逐年增长，但是在样本考察期内安徽省的节能环保财政支出占生产总值的比例仅为0.50%～0.84%，该比例与国际经验标准差距较大，节能环保财政支出对于解决复杂的大气污染问题只是杯水车薪。另一方面，安徽省16 市节能环保财政支出的资金使用效率不高，对于环境科技投入不足。由于大气具有流动性，空气污染呈现跨区域流动的典型特征，污染影响范围并不仅限于特定的行政管辖区。而安徽省16 市间并未建成完整的大气污染防治协作机制，且环境保护事权划分不明确，使得大气污染防治的重点和方向不明确，进一步降低节能环保财政支出的资金使用效率，使得空气污染指数居高不下，城市空气质量未见显著提升。
二是从环境税收的影响看（模型2），安徽省地级市的环境税收与空气污染指数呈正相关关系，且在1%水平下显著，说明环境税收显著加剧了城市空气污染排放，降低了城市空气质量。第一，安徽省目前的环境税收并未针对二氧化碳排放行为进行征税，主要核定大气污染物、水污染物、固体废物和噪声的污染当量值进行征税，对于碳减排的协同作用有限；
第二，安徽省以当前税率水平征收得到的环境税收收入未能完全覆盖空气污染治理支出，导致地方政府为纠正污染物排放所带来的负外部性需要额外承担空气污染治理支出；
第三，在大气污染防治攻坚战中，环境保护税法未规定税务机关、环境保护主管部门及其他相关单位的权利与义务，在法律层面上未对不同部门进行明确分工，导致税务部门和环保部门之间可能存在利益冲突，导致部门间相互推诿，导致安徽省16 市的空气污染防治效果不佳。
三是从节能环保财政支出与环境税收的交互作用来看（模型3-4），该变量对城市空气污染指数的影响系数为负，且在5%水平下显著，表明在节能环保财政支出的激励作用下，环境税收持续改善空气质量，环境税收的协调作用得以有效发挥。安徽省16 市对空气污染治理能力较弱，但如果地方政府在增加节能环保财政支出总量的基础上，合理设置环境税收相关税率，扩大对大气污染物的征税范围，明确税务部门和环保部门的权责，那么将会提升安徽省空气污染的治理效果，提升城市空气质量。值得警惕的是（模型4），节能环保财政支出增加1%使城市空气污染指数增加0.6004%，环境税收增加1%使城市空气污染指数增加0.7362%，而节能环保财政支出与环境税收的交互作用增加1%将使城市空气污染指数降低0.0517%，表明安徽省仍然还处于环境库兹涅茨曲线拐点左侧，空气污染治理投资的增加不能有效降低空气污染指数，还需优化具体机制，协同治理污染。
从控制变量来看（模型1-4），经济发展水平促进空气污染治理水平提升，科技创新有利于改善城市空气质量，而人口密度和城镇化降低了空气质量。此外，建成区绿化覆盖率与城市空气污染指数呈不显著的正相关关系，究其原因，安徽省各城市在绿化工程建设过程中，可能会造成空气污染等环境保护问题。
（三）稳健性检验
为了保证实证结论具备可靠性，将环境保护税考虑其中，替换环境税收的具体测算指标，将etaxⅠ替换为etaxⅡ对基准回归结果进行稳健性检验（表2）。
表2 稳健性检验
稳健性检验结果表明（模型5-7），环境税收与城市空气污染指数在1%水平下显著正相关，节能环保财政支出与城市空气污染指数显著正相关；
而从环境税收与节能环保财政支出对城市空气污染指数的回归系数可以发现，在节能环保财政支出激励下，环境税收总体上会显著降低空气污染程度，提升空气质量，这与前文结论保持一致，通过了稳健性检验。
（四）内生性解决
为解决实证研究中可能存在的内生性问题，借鉴毛建辉等［18］、王育宝等［19］研究方法，分别引入环境税收Ⅰ、环境税收Ⅱ的一阶滞后项作为工具变量，采用极大似然法（MLE）分别进行二次回归。表3 的回归结果显示，作为工具变量的环境税收Ⅰ、环境税收Ⅱ的一阶滞后项在10%水平下显著为正，表明环境税收的一阶滞后项显著加剧污染排放，交互项依然为负，与前文结论一致，进一步验证了在节能环保财政支出的激励作用下，环境税收持续改善空气质量，环境税收对于空气污染治理具有一定的协调作用，也说明仅仅依靠环境税收难以有效治理空气污染，需要环境税收与财政政策一起，形成组合拳，才能有效治理空气污染，提升空气质量。两个模型中，经济发展水平、城镇化、科技创新、人口密度、建成区绿化覆盖率等控制变量与表2 基准回归的研究结论高度一致，相关系数符号未见变化，验证了本文的实证模型和结论是稳健的。
表3 工具变量回归结果
研究结论：一是从整体上看，安徽省空气污染较严重的城市主要集聚在铜陵、马鞍山、芜湖、淮南、蚌埠、淮北等，重污染城市连片分布特征较为显著。可吸入颗粒物年均浓度值皖北显著高于皖南，二氧化硫年均浓度值在样本考察期内整体呈现先上升后下降的特征，二氧化氮污染严重的地区逐渐由皖中向皖北和皖南扩张。二是Tobit 回归结果表明，安徽省各城市节能环保财政支出和环境税收都不利于改善城市空气污染，但节能环保财政支出与环境税收的交互项作用利于减少城市空气污染。系列控制变量显示，城镇化、人口密度和建成区绿化覆盖率会加剧城市空气污染，降低空气质量；
而经济发展水平和科技创新会降低城市空气污染，提升空气质量。
政策建议如下：
第一，完善城市间空气污染联防联控协同治理体系。安徽省空气污染较严重的城市主要集中在铜陵、马鞍山、芜湖、淮南、蚌埠、淮北等，而部分城市为降低空气治理成本存在“搭便车”现象。同时，税务部门和环保部门的权责尚未明晰，“画地为牢”式承担环境治理责任可能造成大气污染防治资金的浪费。因此，为避免“公地悲剧”，安徽省应进一步探索税务部门和环保部门协作模式，提升综合执法能力，积极鼓励和引导省内16 个地级以上城市进一步完善空气污染联防联控协同治理体系，完善区域大气污染治理财政合作机制，提高空气污染治理效率。
第二，将节能环保财政支出效率纳入地方政绩考核。对于经济发达的合肥、芜湖、马鞍山等城市，其空气污染多与重化工业发展有关，应将节能环保财政支出用于优化产业结构，以技术创新改造“三高”企业，逐步淘汰高消耗高污染产业，大力发展绿色低碳经济和节能环保产业。对于经济稍落后的铜陵、淮北、淮南等城市，其空气污染多与能源消耗有关，应将节能环保财政支出用于开发新能源和可再生能源，建立城市低碳评估指标体系，在保障能源电力供应的基础上实现绿色低碳转型，充分发挥碳考核的指挥棒作用。
第三，扩大环境税的征收范围并适度提高环境税率。现行环境保护税法条款明确了环保税的征税范围是直接向环境排放的大气、水、固体和噪声等污染物，未专门针对二氧化碳、挥发性有机物等污染物进行征税，可逐步扩大环保税征税范围，进一步完善环境保护税法。同时，适度提高环境保护税税率标准，对排污达标企业给予适当税收优惠，激励企业主动减排降污，使环境保护税税率与环境污染治理边际成本之间保持平衡，充分发挥环境税收对空气污染的调节作用。
猜你喜欢 财政支出空气质量安徽省 成长相册少儿画王（3-6岁）(2022年6期)2022-07-19安徽省家庭教育促进条例家教世界(2021年7期)2021-03-23安徽省家庭教育促进条例家教世界(2021年5期)2021-03-11安徽省家庭教育促进条例家教世界(2021年2期)2021-03-03中央和地方财政支出及比重中国财政年鉴(2017年0期)2017-07-042016年各省、自治区、直辖市财政支出完成预算情况中国财政年鉴(2017年0期)2017-07-04“空气质量发布”APP上线环境保护与循环经济(2017年3期)2017-03-03车内空气质量标准进展汽车与安全(2016年5期)2016-12-01重视车内空气质量工作 制造更环保、更清洁、更健康的汽车汽车与安全(2016年5期)2016-12-01开展“大气污染执法年”行动 加快推动空气质量改善中国环境监察(2016年11期)2016-10-24