下载掌阅APP，畅读海量书库
立即打开
借鉴Stokey（1998）和李珊珊（2015）的研究方法，将环境规制作为生产要素引入到生产函数中，构建同时包含环境规制、FDI与就业的模型，分析环境规制对FDI就业效应的影响。假设：（1）环境规制水平越高，企业在单位污染物治理上投入的生产要素越多，在模型中对环境规制取倒数，以反映环境规制水平的提高对企业经济活动产生的影响；（2）FDI通过资本投入影响企业产出，总资本由外商直接投资 K Dit 和国内资本 K Fit 构成；（3） i 地区 t 年代表性企业的生产函数符合柯布－道格拉斯形式。依据上述假设可以得到代表性企业的生产函数为：
式（1）中， α ∈（0，1）， Y it 、 A it 、 K Fit 、 K Dit 、 L it 、 ER it 分别表示 i 地区 t 年代表性企业的产出、技术水平、FDI数量、国内资本数量、劳动力数量、环境规制水平。劳动力的边际产出可以表示为：
假设市场结构为完全竞争市场，
i
地区
t
时期的实际工资为
it
，则有：
在（1）式两边求取 L it 的偏微分，可得：
在（3）式两边同时取对数可得：
（5）式只能用于考察环境规制对FDI就业水平效应的影响，不能明确对FDI就业技能结构效应的影响。因此，进一步假设
L
it
由高技能水平劳动力
L
itg
和低技能水平劳动力
L
itd
构成：
L
it
＝
，
θ
∈（0，1），将
L
it
代入（5）式可得：
在（7）式两边同时减去ln L itd ，可得：
（9）式中的
表示就业技能结构。由方程（6）和（9）可知，影响就业水平和就业技能结构的因素包括FDI、环境规制、实际工资水平、国内资本数量和技术水平，影响就业技能结构的因素还包括低技能劳动力就业水平。
根据理论分析，环境规制能通过影响FDI对就业水平和就业技能结构产生影响。为进一步检验环境规制通过FDI对就业产生的影响，在方程（6）式和（8）式中引入环境规制与FDI交乘项，交乘项ln
ER
it
×ln
K
Fit
用来捕捉环境规制通过FDI对就业产生的边际影响。考虑到环境规制与就业之间可能存在非线性关系（闫文娟，2012），同时引入环境规制二次项。此外，在模型中加入反映时间效应和个体效应的虚拟变量
δ
I
和
μ
I
，并用
JNJG
it
表示就业技能结构
，由此可以得到如下的估计模型：
主要变量包括环境规制、就业水平、就业技能结构、FDI、国内资本存量、实际工资、技术水平。借鉴王勇（2015）的方法构建环境规制指标，
ER
it
表示各地区在同一污染排放水平下的污染治理总投入，计算公式为：
ER
it
＝
I
i
t
／
TE
it
＝
，
I
it
为
i
地区
t
年污染治理总投入，包括“三同时”环保投资、工业污染源治理投资和工业废气、废水污染治理设施运行费用。
SE
ijt
＝
E
itj
／
，式中的
E
itj
表示
i
地区
t
年第
j
种污染物的排放量，
E
tj
表示全国
t
年
j
种污染物排放量的平均值，
SE
ijt
表示i地区
t
年第
j
种污染物无量纲化后的排放水平。
TE
it
表示i地区
t
年
j
种污染物加总的综合污染排放水平。污染物共有四种，分别为：二氧化硫、烟粉尘、化学需氧量和固体废弃物。环境规制指标
ER
it
包括多种污染物和污染治理支出，能够体现污染排放与环境治理措施的多样性。此外，由于各地区重污染行业分布情况不同，若直接采用污染总治理投入度量环境规制，则可能会低估清洁行业密集地区或高估污染行业密集地区的环境规制强度，而采用各地区在同一污染排放水平下的污染治理总投入度量环境规制有助于避免产生可比性问题。更加严格的环境规制意味着在污染治理上投入更多的资金，所以
ER
it
的数值越大，则表示一地区的环境规制越严格。
不同污染物排放强度不一致，各种污染物排放数量难以直接加总，本文构建的环境规制通过对每种污染物进行标准化去量纲，使不具有可加性的污染物能够加总为一个指标。在进行稳健性检验时，考虑到严格的环境规制需要更多的污染治理投入，借鉴张成（2011）的方法，采用各省单位产值的污染治理投入来表示环境规制。
其他变量分别为：就业水平，用城镇单位就业总人数表示；就业技能结构，用大专及以上学历的就业人员数与大专以下学历就业人数的比值表示；FDI，用各地区每年实际利用外商直接投资数量表示；工资水平，用城镇单位就业人员平均工资除以消费者物价指数来表示；技术水平，用研究与试验发展经费投入表示；国内资本存量，使用永续盘存法计算，折旧率采用9.6％。为了分析环境规制对不同地区FDI就业效应的影响，引入地区虚拟变量DB，当DB＝1时，表示东部地区，当DB＝0时，表示中西部地区。
选取1998—2015年中国30个省级行政区的面板数据作为研究样本，由于西藏数据严重缺失，未包括在内。所有具有时间价值的数据均以1998年为基期换算成不变价。原始数据来源于《中国劳动统计年鉴》、《中国统计年鉴》、《中国环境年鉴》、《中国科技统计年鉴》。
表1给出了主要变量的简单统计描述。在1998—2015年间，环境规制的均值为3.191，最大值为42.683，最小值为0.125。FDI的均值为3.051，最大值为22.328，最小值为0.005。可以看出，变量的最大值与最小值存在很大差异，且离散程度较高，反映了我国各地区在环境规制和利用外资方面均存在显著差异。由于主要变量的统计特征并不能反映环境规制、FDI与就业之间的关系，为进行更加深入的研究，下面通过计量模型来进行实证研究。
表1 变量描述性统计
首先使用传统的静态模型对方程（10）和（11）进行分析。然而，考虑到现实中存在就业刚性现象，当期的就业水平和就业技能结构水平可能受上一期数量的影响，在方程（10）和（11）中引入被解释变量的滞后一期。由于在模型中引入了被解释变量的一阶滞后项，构建了动态面板模型，内生性问题会使得OLS和固定效应估计量都是有偏差的，需要通过矫正偏差的方法得到一致的估计结果。此外，环境规制本身存在的内生性可能会干扰回归结果的稳健性。环境规制可能与其他决定就业的变量如经济发展水平等存在相关性，导致其具有一定的内生性。为此，在静态模型的基础上构建动态面板数据模型，并使用系统GMM方法进行估计。系统GMM估计量采用被解释变量和环境规制水平值的滞后项作为它们各自差分变量的工具变量，还进一步使用它们各自差分变量的滞后项作为水平值的工具变量，能够有效克服内生性问题。虽然差分GMM估计也能够解决内生性问题，但系统GMM将差分方程和水平方程作为一个方程系统进行估计，能克服差分GMM估计的弱工具变量等问题，提高了估计的效率。因此，选用系统GMM估计方法。使用该估计方法的一个关键假设是模型中的随机干扰项不存在序列相关，如果差分后的干扰项只存在一阶序列相关而不存在二阶序列相关，则表示这一假设是合理的。在实证结果中，报告了与该假设检验相关的AR（1）和AR（2）统计量。同时，为了检验工具变量的合理性，还报告了Sargan统计量。