環(huán)境稅雙重紅利效應(yīng)研究
——基于OECD國家能源和交通稅的實(shí)證分析

2019-05-22 00:37:34何平林沈華玉龍成鳳

中國軟科學(xué) 2019年4期

何平林，喬雅，寧靜，沈華玉，龍成鳳

(華北電力大學(xué)經(jīng)濟(jì)與管理學(xué)院，新能源與低碳發(fā)展北京市重點(diǎn)實(shí)驗(yàn)室，北京 102206)

一、引言

20世紀(jì)90年代至今，世界范圍內(nèi)工業(yè)化與城市化進(jìn)程不斷加快，由此導(dǎo)致的環(huán)境污染與氣候變化等問題引起了國際社會的廣泛關(guān)注。1997年12月，國際社會在日本京都通過《京都協(xié)議書》，首次以立法形式限制溫室氣體排放。西方國家率先開始尋求用稅收工具控制環(huán)境污染的方法，由此掀起開征環(huán)境稅的浪潮。環(huán)境稅的概念最早可追溯到經(jīng)濟(jì)學(xué)家馬歇爾所提出的福利經(jīng)濟(jì)學(xué)，而首次以稅收形式限制溫室氣體排放以降低污染的思想來自英國經(jīng)濟(jì)學(xué)家庇古。庇古在馬歇爾的研究基礎(chǔ)上提出了環(huán)境“外部成本內(nèi)部化”的理論[1]，提倡政府應(yīng)該利用稅收治理污染，由此成為環(huán)境稅理論第一人。隨后科斯在其發(fā)表的《社會成本問題》一文中提出與庇古相反的理論，其認(rèn)為在產(chǎn)權(quán)明確的前提下，市場交易即使出現(xiàn)了外部性問題也同樣有效。該理論的提出使得這一時(shí)期OECD國家的環(huán)保政策出現(xiàn)了一種新趨勢，即政府開始逐漸減少直接干預(yù)手段，代之以各種間接干預(yù)手段，環(huán)境稅就是其中控制排放降低污染的重要間接手段之一。20世紀(jì)初期，各國開始引入與環(huán)境相關(guān)的稅收或收費(fèi)項(xiàng)目，力圖通過稅收政策減少能源消耗和治理環(huán)境污染。如瑞典在20世紀(jì)20年代引入燃油稅，1957年引入能源稅和天然氣稅，1991年引入碳稅。芬蘭在1990年開始征收適用于汽油、柴油、輕質(zhì)燃料和重質(zhì)燃料油、噴氣燃料等不同能源產(chǎn)品的燃油稅，1994年將燃油稅分為能源混合稅和碳稅。此外還有美國對石油、天然氣開征的資源稅，法國設(shè)置的水資源使用稅、噪音稅、農(nóng)藥化肥稅等。環(huán)境稅種的不斷健全與豐富讓學(xué)者們開始思考征收環(huán)境稅的效果。能源稅和車輛交通稅均是OECD國家以實(shí)現(xiàn)綠色紅利為目標(biāo)開征的環(huán)境稅。如：英國的“北海石油開采稅制”，這一在生產(chǎn)環(huán)節(jié)征收的能源稅可以從源頭限制或者控制環(huán)境污染、資源浪費(fèi)的經(jīng)濟(jì)活動，進(jìn)而尋找能源替代品。挪威在2009年將二氧化碳排放作為新車登記稅計(jì)稅依據(jù)的政策進(jìn)一步完善，以此激勵(lì)消費(fèi)者購買碳效率更好的汽車。1994-2016年，大部分OECD國家的環(huán)境稅稅額呈現(xiàn)逐年增長趨勢，其稅額占總稅收的比重基本保持在5%以上。如愛沙尼亞環(huán)境稅稅收收入占比由1994年的4.63%上升到2014年的8.45%，韓國由1994年的8.94%上升至2014年的10.56%,土耳其從1994年的6.69%上升到2014年的13.30%。但伴隨著總稅收收入的增加，環(huán)境稅征收后高耗能產(chǎn)業(yè)的升級和環(huán)保類產(chǎn)品的增加而獲得稅收減免等諸多原因，部分國家的環(huán)境稅收入占比也呈下降趨勢，如葡萄牙由1994年的11.51%下降到2014年的6.64%(見圖1)。有關(guān)空氣污染物的研究發(fā)現(xiàn)，包括一氧化碳、氮氧化物、碳?xì)浠衔锏榷鄶?shù)氣體排放物對人類健康均可能產(chǎn)生嚴(yán)重不良影響[2-3]，隨著業(yè)界對環(huán)境稅研究的日趨深入，人們也越來越關(guān)注環(huán)境稅的征收效果。

圖1 部分OECD國家環(huán)境稅與總稅收占比

圖2展示了1994-2016年OECD整體能源稅及交通車輛稅占總環(huán)境稅收入之比的平均水平?？梢园l(fā)現(xiàn)，OECD國家的環(huán)境稅以能源稅為主，車輛交通稅為輔，前者平均占比約為70%，后者約為25%。從變化情況上看，兩個(gè)細(xì)分稅種占比在1994-2016年間較為穩(wěn)定，占比數(shù)值變化幅度不大。以2010年美元的不變價(jià)格計(jì)算，1994年OECD國家與環(huán)境相關(guān)的總稅收達(dá)到563178.56百萬美元，其中能源稅占比72.14%，交通車輛稅占比24.98%。2016年OECD國家與環(huán)境相關(guān)的總稅收為800012.56百萬美元，其中能源稅占比70.64%，交通車輛稅占比25.36%。環(huán)境稅收入總額在近20年間上漲42.05%左右，稅額漲幅較大，但能源稅與交通車輛稅的占比變化不大。在1994-2016年間，OECD國家能源稅與車輛交通稅每年的稅收占比總和都達(dá)到了環(huán)境稅總額的95%以上?？梢姡瑥腛ECD整體來看，來源于能源、車輛交通的稅收構(gòu)成了當(dāng)前OECD環(huán)境稅收入的主體，對上述兩種稅種的研究與考察成為探索OECD國家環(huán)境稅的主要窗口。

基于以上分析，本文將環(huán)境稅細(xì)分為能源稅與車輛交通稅，實(shí)證檢驗(yàn)了OECD國家環(huán)境稅是否具有“雙重紅利”效應(yīng)。本文的邊際貢獻(xiàn)如下：第一，本文采用面板ARDL模型，能夠克服一般回歸模型之下可能出現(xiàn)的內(nèi)生性問題，在不需要變量同階單整的條件下檢驗(yàn)變量之間的長短期關(guān)系。本文實(shí)證研究時(shí)考慮了變量的時(shí)間滯后影響因素，側(cè)重對能源稅與車輛交通稅滯后期效果的考察。而現(xiàn)有文獻(xiàn)多用CGE模型研究雙重紅利問題，本文豐富了現(xiàn)有研究方法。第二，本文拓展了環(huán)境稅的研究視角。現(xiàn)有文獻(xiàn)研究環(huán)境稅問題時(shí)，一般將環(huán)境稅作為一個(gè)整體變量加以衡量，而很少將其進(jìn)一步細(xì)分為能源稅與車輛交通稅。第三，本文拓展了綠色紅利的研究視角，現(xiàn)有文獻(xiàn)大多聚焦于是否有效降低二氧化碳排放上。本文將環(huán)境稅對排放物的影響進(jìn)一步延伸到硫氧化物排放和氮氧化物排放等。第四，本文拓展了藍(lán)色紅利的研究視角，本文將環(huán)保技術(shù)和稅負(fù)平移納入研究模型，考察環(huán)境稅對環(huán)保技術(shù)產(chǎn)出和稅負(fù)平移的影響。

本文后續(xù)安排如下：第二部分是文獻(xiàn)綜述與研究假設(shè)，第三部分是研究模型與變量解釋，第四部分是實(shí)證結(jié)果與分析，第五部分是結(jié)論及對我國的啟示。

二、文獻(xiàn)綜述與研究假設(shè)

(一)環(huán)境稅雙重紅利的文獻(xiàn)綜述

目前學(xué)術(shù)界對于環(huán)境稅雙重紅利存在與否尚未形成統(tǒng)一定論。在完全肯定環(huán)境稅雙重紅利方面，國外學(xué)者取得了一定的成果。Barker(1993)運(yùn)用多模型對比分析英國電力行業(yè)后發(fā)現(xiàn)存在環(huán)境稅雙重紅利[4]。Takedaa(2007)建立了多部門動態(tài)CGE模型，發(fā)現(xiàn)日本存在環(huán)境稅雙重紅利[5]。Fraser(2013)拓展了CGE模型，研究發(fā)現(xiàn)澳大利亞也存在環(huán)境稅雙重紅利[6]。Landa(2016)利用Three-

圖2 OECD國家能源稅及車輛交通稅占總環(huán)境稅比重

ME模型，研究發(fā)現(xiàn)墨西哥存在環(huán)境稅雙重紅利[7]。關(guān)于此問題，國內(nèi)學(xué)者也進(jìn)行了有益探索，取得了一定的成果。楊志勇等(2011)指出環(huán)境稅本身具有較強(qiáng)的功能調(diào)節(jié)特征，實(shí)現(xiàn)環(huán)境稅的雙重紅利需要與宏觀稅負(fù)問題結(jié)合起來[8]。王喬等(2013)指出在設(shè)計(jì)環(huán)境稅稅制過程中要堅(jiān)持各種稅負(fù)“有增有減”的原則，在減少開征環(huán)境稅阻力的同時(shí)保持總體稅負(fù)平衡以實(shí)現(xiàn)雙重紅利[9]。劉建徽等(2015)在肯定西方國家環(huán)境稅雙重紅利效果的基礎(chǔ)上，提出了諸如做好環(huán)境稅改革的頂層設(shè)計(jì)，建立覆蓋范圍廣的環(huán)境稅稅制體系等若干條有利于中國環(huán)境稅改革的建議[10]。范慶泉等(2016)研究發(fā)現(xiàn)環(huán)境稅有助于促進(jìn)經(jīng)濟(jì)增長、降低環(huán)境污染水平，進(jìn)而實(shí)現(xiàn)雙重紅利，并指出環(huán)境稅有助于糾正能源的過度使用行為[11]。俞杰(2017)認(rèn)為環(huán)境改善與經(jīng)濟(jì)增長在短期內(nèi)存在此消彼長的替代關(guān)系，政府在使用環(huán)境稅的同時(shí)需要運(yùn)用其他經(jīng)濟(jì)政策工具以保證第一重紅利的實(shí)現(xiàn)，而第二重紅利的獲取需要搭配使用其他配套政策[12]。此外，部分學(xué)者構(gòu)建了不同的模型推演環(huán)境稅或碳稅在不同情形下的雙重紅利效果。劉鳳良等(2009)利用內(nèi)生增長模型，研究發(fā)現(xiàn)：環(huán)境稅能夠改善環(huán)境質(zhì)量，并有助于提高長期經(jīng)濟(jì)增長率[13]。胡宗義等(2011)研究發(fā)現(xiàn)將碳稅收入用于補(bǔ)貼消費(fèi)者，可以促進(jìn)經(jīng)濟(jì)增長和實(shí)現(xiàn)減排的雙重效果[14]。李虹等(2017)利用CGE模型研究了環(huán)境稅的政策效應(yīng)，研究發(fā)現(xiàn)良好的環(huán)境稅制能夠優(yōu)化要素投入結(jié)構(gòu)，推動經(jīng)濟(jì)增長[15]。

在部分肯定或完全否定環(huán)境稅雙重紅利方面，國外學(xué)者也取得了一定的成果。Bossier等(1995)以德國、法國、英國、意大利、荷蘭、比利時(shí)等六國為研究對象，發(fā)現(xiàn)環(huán)境稅僅具有就業(yè)方面的藍(lán)色紅利[16]。Glomm等(2008)研究發(fā)現(xiàn)美國的燃油稅具有推動經(jīng)濟(jì)增長和提高社會福利的藍(lán)色紅利，但改善環(huán)境質(zhì)量的綠色紅利并不顯著[17]。相反地，Ekins(2011)指出英國環(huán)境稅具有降低二氧化碳排放的綠色紅利，但推動經(jīng)濟(jì)增長和實(shí)現(xiàn)就業(yè)的藍(lán)色紅利并不明顯[18]。而Oueslati(2014)通過內(nèi)生增長模型，研究發(fā)現(xiàn)環(huán)境稅在短期內(nèi)不存在雙重紅利[19]。Magdalena等(2017)的研究發(fā)現(xiàn)羅馬尼亞及歐盟的環(huán)境稅都不存在雙重紅利效應(yīng)[20]。在國內(nèi)，學(xué)者們普遍認(rèn)可環(huán)境稅尤其是碳稅的綠色紅利效應(yīng)，而認(rèn)為藍(lán)色紅利方面的相關(guān)指標(biāo)在短期內(nèi)難以實(shí)現(xiàn)或直接指出開征環(huán)境稅將對經(jīng)濟(jì)產(chǎn)生不利影響。高鵬飛等(2002)研究發(fā)現(xiàn)環(huán)境稅在減排效果方面能夠釋放綠色紅利，但抑制了經(jīng)濟(jì)增長[21]。魏濤遠(yuǎn)(2002)指出征收碳稅會降低二氧化碳排放量，但對中國經(jīng)濟(jì)增長帶來負(fù)面影響[22]。朱永彬等(2010)研究發(fā)現(xiàn)生產(chǎn)性碳稅的綠色紅利優(yōu)于消費(fèi)性碳稅，其藍(lán)色紅利在不同經(jīng)濟(jì)部門存在差異[23]。劉潔(2011)認(rèn)為碳稅具有明顯的節(jié)能減排效果且能有效調(diào)整要素間的收入分配，但短期內(nèi)對社會總產(chǎn)出、經(jīng)濟(jì)增長產(chǎn)生消極影響[24]。陸旸(2011)利用VAR模型，研究發(fā)現(xiàn)綠色稅收政策能夠促進(jìn)低碳產(chǎn)業(yè)的產(chǎn)出增長，但在短期內(nèi)不能釋放就業(yè)方面的藍(lán)色紅利[25]。劉亦文(2015)基于動態(tài)CGE等模型發(fā)現(xiàn)，開征碳稅能降低單位GDP能耗及減少二氧化碳排放，但對宏觀經(jīng)濟(jì)和就業(yè)水平等方面帶來較大負(fù)面沖擊[26]。國內(nèi)文獻(xiàn)中完全否定環(huán)境稅雙重紅利的研究相對較少。司言武(2007)認(rèn)為在中國環(huán)境稅不存在雙重紅利效應(yīng)[26]。

現(xiàn)有文獻(xiàn)中也有細(xì)分環(huán)境稅稅種的研究。如在能源稅方面，Stanislav(2018)研究發(fā)現(xiàn)針對風(fēng)能和太陽能征稅的節(jié)能減排作用較小，而針對核能和水能征稅對減少二氧化碳排放起到顯著作用[28]。Zhao(2011)研究了21個(gè)OECD國家的九個(gè)能源密集型行業(yè)，發(fā)現(xiàn)征收碳稅能夠顯著減少碳排放[29]。Morley(2014)針對歐盟和OECD國家的研究發(fā)現(xiàn)，環(huán)境稅的增加并沒有推動各個(gè)國家實(shí)現(xiàn)減排的目標(biāo)[30]。在車輛交通稅方面，目前關(guān)于這一問題的研究尚不充分，研究交通稅與環(huán)境績效和經(jīng)濟(jì)后果的文獻(xiàn)更是十分稀少。在此基礎(chǔ)上，本文選取了環(huán)境稅占比超過95%的能源稅和車輛交通稅，從能源消耗及其氣體排放、經(jīng)濟(jì)發(fā)展、就業(yè)情況等視角研究OECD國家這兩大環(huán)境稅的環(huán)境績效與經(jīng)濟(jì)績效，力求為我國環(huán)境稅法律體系及其運(yùn)行優(yōu)化提供有益借鑒。

(二)環(huán)境稅綠色紅利假設(shè)

征收環(huán)境稅可以控制污染行為，實(shí)現(xiàn)改善環(huán)境的目的；人類的生產(chǎn)和消費(fèi)活動會排放污染物，進(jìn)而破壞生態(tài)環(huán)境，產(chǎn)生社會成本(Takedaa，2007)[5]。因此，排放污染物成為一種負(fù)外部性的行為。為解決外部性行為造成的資源配置扭曲，提高經(jīng)濟(jì)效率，經(jīng)濟(jì)學(xué)家庇古提出了這樣一種思路，即通過政府征收從量稅來調(diào)節(jié)環(huán)境資源的負(fù)外部性[7]。如果這種稅收的稅率恰好等于排污造成的邊際環(huán)境損失，就可以將社會性的環(huán)境成本內(nèi)化到生產(chǎn)行為或消費(fèi)行為之中，進(jìn)而通過經(jīng)濟(jì)行為主體收益結(jié)構(gòu)的變化，形成有效的減排激勵(lì)，抑制能源生產(chǎn)或消費(fèi)行為的發(fā)生而直接減少污染物排放[11]。因此，環(huán)境稅的開征有利于環(huán)境質(zhì)量的改善，產(chǎn)生第一重紅利，即綠色紅利。基于此，本文提出以下研究假設(shè)：

H1a：在其他條件相同的情況下，OECD國家的能源稅與車輛交通稅，能有效減少如石油和煤炭等一次能源消耗，進(jìn)而改善生態(tài)環(huán)境，實(shí)現(xiàn)綠色紅利。

H1b：在其他條件相同的情況下，OECD國家的能源稅與車輛交通稅，能有效減少二氧化碳排放、硫氧化物排放、氮氧化物排放，進(jìn)而改善生態(tài)環(huán)境，實(shí)現(xiàn)綠色紅利。

(三)環(huán)境稅藍(lán)色紅利假設(shè)

征收環(huán)境稅可以增加財(cái)政收入，政府可以利用增加的財(cái)政收入來調(diào)整稅收結(jié)構(gòu)，減輕原有稅制給資本和勞動造成的扭曲，增加社會就業(yè)，推動經(jīng)濟(jì)持續(xù)增長[13]，從而獲得第二重紅利——藍(lán)色紅利。較之綠色紅利，藍(lán)色紅利實(shí)現(xiàn)的條件和機(jī)制更為復(fù)雜。促使環(huán)境稅有效發(fā)揮藍(lán)色紅利的關(guān)鍵在于開征環(huán)境稅可以替代其他稅種產(chǎn)生的扭曲性稅收[8-9]。例如，可以依托環(huán)境稅所增加的稅收收入，綜合減免企業(yè)生產(chǎn)過程中的稅收，避免單方面的成本上升，從而穩(wěn)定產(chǎn)出[14]。又如，開征環(huán)境稅之后減免勞動稅收，不僅可以降低企業(yè)的勞動成本，而且還可以提高勞動者勞動收益，增加勞動供給，進(jìn)而促進(jìn)就業(yè)。再者，利用環(huán)境稅稅收產(chǎn)生的稅負(fù)平移效應(yīng)抑制了既有稅種對于資本、勞動等要素配置的扭曲，通過調(diào)節(jié)收入分配促進(jìn)社會公平[6]。此外，即使不進(jìn)行其他領(lǐng)域稅收的調(diào)整，單純依靠環(huán)境稅稅收進(jìn)行節(jié)能減排方面的政府投資，也利于促進(jìn)經(jīng)濟(jì)增長與就業(yè)，在推動環(huán)保產(chǎn)業(yè)發(fā)展的同時(shí)，實(shí)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化與升級。同時(shí)稅收成本的增加還促進(jìn)企業(yè)以減排為目標(biāo)的環(huán)保技術(shù)研發(fā)，推動環(huán)保領(lǐng)域的技術(shù)進(jìn)步?；诖?，本文提出以下假設(shè)2：

H2a:在其他條件相同的情況下，OECD國家的能源稅和車輛交通稅有助于帶動經(jīng)濟(jì)發(fā)展，增加就業(yè)機(jī)會，進(jìn)而實(shí)現(xiàn)藍(lán)色紅利。

H2b: 在其他條件相同的情況下，OECD國家的能源稅和車輛交通稅有助于實(shí)現(xiàn)對其他稅種如個(gè)人所得稅或企業(yè)所得稅的稅負(fù)平移，保持稅收中性，進(jìn)而實(shí)現(xiàn)藍(lán)色紅利。

H2c:在其他條件相同的情況下，OECD國家的能源稅和車輛交通稅可以促進(jìn)高耗能高污染企業(yè)探索成本節(jié)約方法，促進(jìn)環(huán)保技術(shù)、環(huán)保產(chǎn)業(yè)發(fā)展，進(jìn)而實(shí)現(xiàn)藍(lán)色紅利。

三、研究模型與變量

(一)研究模型

根據(jù)所選取變量的數(shù)據(jù)特征，本文采用面板 ARDL[31]模型進(jìn)行研究。面板ARDL模型對于樣本量大小并無限制，同時(shí)有助于深入分析各變量長短期關(guān)系。值得注意的是，面板ARDL模型相較于一般線性回歸模型，在避免被解釋變量與解釋變量的內(nèi)生性問題方面的效果明顯[32]。因此，為驗(yàn)證能源稅及車輛交通稅在能源消耗及氣體排放方面的綠色紅利假設(shè)1，本文分別針對能源稅及車輛交通稅設(shè)定研究模型(1)和(2)：

δ1LnOILi,t-1+δ2LnENE_TAXi,t-1+δ3IND_STRi,t-1+δ4GDPi,t-1+δ5TECHi,t-1+δ6ECTi,t-1+ε1i,t

(1)

δ1ENE_CO2i,t-1+δ2ENE_TAXi,t-1+δ3IND_STRi,t-1+δ4GDPi,t-1+δ5TECHi,t-1+δ6ECTi,t-1+ε1i,t

(2)

模型(1)中的被解釋變量為人均石油消費(fèi)量的自然對數(shù)，解釋變量為能源稅稅額與國內(nèi)生產(chǎn)總值的比值，控制變量為工業(yè)增加值、國內(nèi)生產(chǎn)總值年增長率及環(huán)保技術(shù)。為簡化模型表述，保持模型(1)被解釋變量及控制變量不變的條件下，用車輛交通稅稅額占國內(nèi)生產(chǎn)總值的比重替換解釋變量可得到車輛交通稅在石油消費(fèi)方面的綠色紅利檢驗(yàn)?zāi)Ｐ?。與此類似，將被解釋變量替換為人均煤炭消費(fèi)量的自然對數(shù)，即可得到能源稅及車輛交通稅在煤炭消費(fèi)方面的綠色紅利模型。本文將石油及煤炭消費(fèi)量用于考察能源消耗維度的目標(biāo)，以驗(yàn)證能源稅及車輛交通稅是否實(shí)現(xiàn)綠色紅利。

模型(2)中的被解釋變量為能源部門二氧化碳排放量與燃料燃燒產(chǎn)生的二氧化碳排放總量的比值，解釋變量為能源稅稅額與GDP的比值，控制變量與模型(1)相同。為檢驗(yàn)車輛交通稅在二氧化碳排放方面的綠色紅利，可將被解釋變量替換為運(yùn)輸部門二氧化碳排放量占燃料燃燒產(chǎn)生的二氧化碳的比值，解釋變量替換為車輛交通稅稅額占國內(nèi)生產(chǎn)總值的比值，控制變量保持不變。此外，為檢驗(yàn)?zāi)茉炊惣败囕v交通稅在減排溫室氣體、氮氧化物、硫氧化物方面綠色紅利效應(yīng)，對被解釋變量做相應(yīng)替換即可。

為了檢驗(yàn)?zāi)茉炊惣败囕v交通稅在促進(jìn)經(jīng)濟(jì)發(fā)展，降低失業(yè)人數(shù)、實(shí)現(xiàn)稅負(fù)平移及推動環(huán)保技術(shù)發(fā)展方面的藍(lán)色紅利假設(shè)2，本文設(shè)定研究模型(3)-(5)：

(3)

(4)

(5)

模型(3)中的被解釋變量為國內(nèi)生產(chǎn)總值年增長率，解釋變量為能源稅稅額與國內(nèi)生產(chǎn)總值的比值，控制變量為第二產(chǎn)業(yè)增加值、人均石油消費(fèi)量的自然對數(shù)以及環(huán)保技術(shù)。為得到車輛交通稅在促進(jìn)經(jīng)濟(jì)增長方面的藍(lán)色紅利效應(yīng)模型，保持控制變量不變，將模型(3)中的解釋變量替換為車輛交通稅與GDP的比值。模型(4)中的被解釋變量為失業(yè)人數(shù)的自然對數(shù)，解釋變量為能源稅稅額與國內(nèi)生產(chǎn)總值的比值，控制變量為第二產(chǎn)業(yè)增加值、GDP年增長率以及環(huán)保技術(shù)。為檢驗(yàn)車輛交通稅在增加就業(yè)機(jī)會方面的藍(lán)色紅利效應(yīng)，保持控制變量不變，將模型(4)的解釋變量替換為車輛交通稅與GDP的比值。為檢驗(yàn)?zāi)茉炊惣败囕v交通稅在降低個(gè)人所得稅及企業(yè)所得稅稅負(fù)方面的藍(lán)色紅利效應(yīng)，可將模型(4)的被解釋變量分別替換為個(gè)人所得稅和企業(yè)所得稅稅額。模型(5)的被解釋變量為環(huán)保技術(shù)占比，控制變量為第二產(chǎn)業(yè)增加值、GDP年增長率以及與環(huán)境相關(guān)的政府預(yù)算占比，解釋變量可依次替換為能源稅及車輛交通稅與國內(nèi)生產(chǎn)總值的比值，該模型用于檢驗(yàn)OECD國家開征能源稅及車輛交通稅在促進(jìn)環(huán)保技術(shù)創(chuàng)新方面的藍(lán)色紅利假設(shè)。

考慮到能源稅及車輛交通稅在節(jié)能減排、促進(jìn)經(jīng)濟(jì)增長、降低失業(yè)率、實(shí)現(xiàn)稅負(fù)平移以及推動環(huán)保技術(shù)發(fā)明方面的影響可能存在滯后性，同時(shí)為避免變量數(shù)據(jù)內(nèi)生性問題，本文將被解釋變量分別作了滯后一期、滯后二期以及滯后三期處理。Δ和εki,t(k=1,2,3)是各變量的一階差分項(xiàng)和白噪聲項(xiàng)。此外，αi表示不同國家的截距項(xiàng)，下標(biāo)i為特定單位從1到N的變化。同時(shí)，本文基于Schwarz信息準(zhǔn)則(SBIC)的最小化來確定每個(gè)變量的最優(yōu)滯后項(xiàng)。

(二)變量解釋及描述性統(tǒng)計(jì)

本文研究對象為35個(gè)OECD國家或地區(qū)，包括澳大利亞、奧地利、比利時(shí)、加拿大、智利、捷克共和國、丹麥、愛沙尼亞、芬蘭、法國、希臘、匈牙利、冰島、以色列、愛爾蘭、意大利、日本、韓國、拉脫維亞、盧森堡、墨西哥、荷蘭、新西蘭、挪威、波蘭、葡萄牙、斯洛文尼亞、西班牙、瑞典、瑞士、土耳其、德國、斯洛伐克、英國、美國。研究時(shí)間范圍為1994-2014年，各變量具體解釋見表1。

表1 變量解釋

為避免變量的計(jì)量單位和數(shù)量級差異對實(shí)驗(yàn)結(jié)果產(chǎn)生的影響，本文統(tǒng)一對所選取的變量取自然對數(shù)。Cong等[33]和Cong，Shen[34]也支持對絕對數(shù)值取對數(shù)以減少數(shù)量間極差對實(shí)驗(yàn)結(jié)論影響。本文選用面板數(shù)據(jù)增加了觀測值，包含更多信息，數(shù)據(jù)的可變性更大，變量之間的共線性更低，自由度更高，估算效率更高[35]。與截面數(shù)據(jù)相比，可以獲得更多的動態(tài)信息，與時(shí)間序列數(shù)據(jù)相比，更適用于多主體的比較研究。表2為本文各個(gè)變量的描述性統(tǒng)計(jì)值，由表2可知，OECD國家的能源稅稅收收入占國內(nèi)生產(chǎn)總值的均值、中位數(shù)、最大值等指標(biāo)均稍稍大于車輛交通稅，進(jìn)一步表明OECD國家環(huán)境稅以能源稅為主，車輛交通稅為輔。在能源消耗及氣體排放指標(biāo)方面，OECD整體存在不同程度的異質(zhì)性。值得注意的是，絕大部分變量的標(biāo)準(zhǔn)差較小，表明比值型指標(biāo)可以消除數(shù)據(jù)的波動性。

(三)樣本選擇

本文數(shù)據(jù)來源于世界銀行數(shù)據(jù)庫、BP石油公司數(shù)據(jù)和OECD數(shù)據(jù)庫。樣本來自35個(gè)OECD國家1994-2014年度變量能源稅、車輛交通稅、能源部門二氧化碳排放、運(yùn)輸部門二氧化碳排放、硫氧化物排放、氮氧化物排放、國內(nèi)生產(chǎn)總值、失業(yè)人數(shù)、個(gè)人所得稅、企業(yè)所得稅、環(huán)保技術(shù)、產(chǎn)業(yè)結(jié)構(gòu)等相關(guān)數(shù)據(jù)，共計(jì)735個(gè)觀測值。

四、實(shí)證結(jié)果與分析

(一)平穩(wěn)性及協(xié)整檢驗(yàn)

在對面板數(shù)據(jù)進(jìn)行回歸估算之前，必須分析數(shù)據(jù)的動態(tài)特性，為避免回歸出現(xiàn)誤差，檢驗(yàn)面板數(shù)據(jù)的穩(wěn)定性是十分必要的，為此首先進(jìn)行單位根檢驗(yàn)。本文采用了Levin, Lin和Chu (2002)[36]，Im，Pesaran和Shin(2003)[37]，ADF(Maddala和Wu (1999))[38]以及PP((Choi (2001))[39]面板單位根檢驗(yàn)方法。表3可以看到面板單位根檢驗(yàn)結(jié)果，Level表示原序列，Difference表示相應(yīng)的一階差分序列?？梢钥吹阶兞縏RA_TAX，SOE，NOE，GDP，IND_TAX，COR_TAX，TECH，ENV_BUD，IND_STR等變量在四種方法下原序列單位根檢驗(yàn)均拒絕原假設(shè)，原序列零階平穩(wěn)。其余變量在至少一種方法下原序列平穩(wěn)，一階差分序列均平穩(wěn)。總體而言，面板單位根檢驗(yàn)結(jié)果顯示，本文所選變量呈現(xiàn)零階與一階混合平穩(wěn)，且在一階差分情況下，所有變量均平穩(wěn)。

單位根檢驗(yàn)的結(jié)果為進(jìn)一步進(jìn)行協(xié)整檢驗(yàn)以研究各變量間的長期共整合關(guān)系奠定了基礎(chǔ)，便于進(jìn)一步了解變量間的長期動態(tài)關(guān)系。因此，本文進(jìn)行了Pedroni (1999,2004)[40-41]面板協(xié)整檢驗(yàn)。表4報(bào)告了能源稅與車輛交通稅及其相關(guān)變量的協(xié)整檢驗(yàn)結(jié)果。Pedroni協(xié)整檢驗(yàn)的原假設(shè)為各變量之間沒有協(xié)整關(guān)系，檢驗(yàn)結(jié)果中PP統(tǒng)計(jì)值，修正的PP值和ADF統(tǒng)計(jì)值均顯著拒絕了變量間不存在協(xié)整關(guān)系的原假設(shè)。因此，變量之間存在長期協(xié)整關(guān)系。

(二)能源稅綠色紅利的面板ARDL回歸結(jié)果

為研究增長率的影響及考慮到變量之間可能存在時(shí)間滯后的影響，本文分別建立了滯后一期、滯后二期及滯后三期的面板ARDL模型。表5和表6為能源稅在Panel-ARDL模型下作為解釋變量的長短期綠色紅利效應(yīng)回歸結(jié)果。其中，(1)-(3)列分別是滯后一期、滯后二期及滯后三期的回歸結(jié)果。

表3 變量平穩(wěn)性檢驗(yàn)

注：括號值為t統(tǒng)計(jì)量的精確P值，***、**、和*分別表示在1%、5%和10%的置信水平上拒絕原假設(shè)。

表4 面板數(shù)據(jù)協(xié)整檢驗(yàn)結(jié)果

注：***,**, 和*分別表示在1%，5%和10%的置信水平上拒絕原假設(shè)。

表5展示了Panel-ARDL模型下能源稅與石油消耗量(OIL)、煤炭消耗量(COAL)之間長短期動態(tài)關(guān)系。就能源稅與石油消耗量的作用來看，短期內(nèi)OECD國家的能源稅(ENE_TAX)與石油消耗量滯后一期、二期、三期的回歸系數(shù)分別為-1.075、-1.069和-1.078，但在10%水平上并不顯著。GDP與OIL滯后一期的系數(shù)為0.236,在1%的置信水平上顯著,即上期GDP增長1%，本期石油消耗量增長0.236%；GDP與OIL滯后二期的系數(shù)為0.238，在1%的置信水平上顯著，即當(dāng)期GDP增長1%，影響未來兩年石油消耗增長0.238%，說明經(jīng)濟(jì)高速發(fā)展對石油資源的依賴程度依然處于較高水平。就能源稅對煤炭消耗量的作用來看，長短期內(nèi)能源稅均顯著降低了煤炭消耗量。短期內(nèi)ENE_TAX與COAL的滯后三期系數(shù)分別為-5.264、-5.254、-5.290，均在10%的置信水平顯著，即能源稅增加1%，煤炭消耗量在在滯后三期內(nèi)分別顯著減少5.264%、5.254%和5.290%；長期內(nèi)滯后三期內(nèi)能源稅與滯后三期內(nèi)煤炭消耗量系數(shù)分別為-1.854、-1.852、-1.870，均在5%的置信水平上顯著，即當(dāng)期能源稅增加1%，未來三年煤炭消耗量分別降低1.854%、1.852%和1.870%。其次GDP對煤炭消耗量具有顯著的積極作用，短期內(nèi)GDP對煤炭消耗量量滯后三期內(nèi)系數(shù)均顯著為正。此外，長期內(nèi)工業(yè)增加值對煤炭消耗滯后三期內(nèi)系數(shù)也顯著為正，說明工業(yè)部門發(fā)展對煤炭資源的依賴依然較大。其次，環(huán)保技術(shù)與COAL的滯后三期系數(shù)分別為-0.236、-0.237和-0.237，該系數(shù)在10%水平上顯著，即環(huán)保技術(shù)增加1%，石油消耗量減少0.236%、0.237%和0.237%，說明OECD國家環(huán)保技術(shù)的發(fā)展對節(jié)約煤炭資源能耗具有顯著積極作用。

表6展示了Panel-ARDL模型下能源稅與能源部門二氧化碳排放(ENE_CO2)、溫室氣體排放(GHE)、硫氧化物排放(SOE)、氮氧化物排放(NOE)變量間長短期動態(tài)關(guān)系。就能源稅對能源部門二氧化碳排放的作用來看，能源稅與滯后三期內(nèi)能源部門二氧化碳排放系數(shù)分別為-0.106、-0.103和-0.099，該系數(shù)均在1%置信水平上顯著，即當(dāng)期能源稅增長1%，未來三期內(nèi)能源部門二氧化碳排放量分別顯著減少0.106%、0.103%和0.099%，能源稅對能源部門二氧化碳具有顯著的減排作用。GDP與能源部門二氧化碳排放量滯后三期內(nèi)系數(shù)分別為-0.022、-0.023和-0.023，即GDP增長1%，滯后一期能源部門二氧化碳減少0.022%，滯后二期與滯后三期能源部門二氧化碳排放減少0.023%，說明GDP增長對于減少二氧化碳排放量具有顯著的積極作用。就能源稅與溫室氣體排放的關(guān)系來看，長期內(nèi)能源稅與溫室氣體排放滯后三期內(nèi)的系數(shù)分別為-0.251、-0.239和-0.231，分別在5%、5%和10%置信水平上顯著，即能源稅增加1%，滯后一期的溫室氣體排放減少0.251%，滯后二期溫室氣體排放減少0.239%，滯后三期溫室氣體排放減少0.231%，能源稅對溫室氣體排放起到了顯著的“減排”作用。此外經(jīng)濟(jì)增長GDP與溫室氣體排放之間的長期滯后項(xiàng)回歸系數(shù)在滯后一期為0.062，滯后二期為0.063，滯后三期為0.072，三個(gè)系數(shù)均在1%置信水平上顯著，即GDP增加1%，滯后一期溫室氣體排放增加0.062%，滯后二期溫室氣體排放增加0.063%，滯后三期溫室氣體排放增加0.072%，說明高速經(jīng)濟(jì)發(fā)展帶來了溫室氣體排放，而能源稅對減少這些排放起到了顯著的積極作用。就能源稅與硫氧化物排放的關(guān)系來看，能源稅與滯后三期內(nèi)的硫氧化物排放量回歸系數(shù)分別為-0.038、-0.036和-0.036，在5%置信水平上顯著，即能源稅增加1%，滯后一期硫氧化物排放減少0.038%，滯后二期硫氧化物減少0.036%，滯后三期硫氧化物減少0.036%。此外，經(jīng)濟(jì)增長GDP與硫氧化物排放之間的長期滯后項(xiàng)回歸系數(shù)在滯后三期內(nèi)分別為0.006、0.006和0.007，三個(gè)系數(shù)均在5%置信水平上顯著，即GDP增長尚不具有顯著的減少硫氧化物排放的作用。同時(shí)，工業(yè)增加值(IND_STR)與硫氧化物之間的系數(shù)顯著為負(fù)，即工業(yè)發(fā)展中硫化物減排效果已十分明顯，但環(huán)保技術(shù)對于減少硫氧化物排放的作用有待進(jìn)一步加強(qiáng)。就能源稅與氮氧化物排放的關(guān)系來看，能源稅與滯后三期氮氧化物排放之間的系數(shù)分別為-0.001、-0.001和0.001，但該系數(shù)并不顯著。GDP與氮氧化物排放之間的系數(shù)顯著為負(fù)，GDP與滯后三期氮氧化物排放之間的系數(shù)均為-0.002，即GDP增長1%，氮氧化物排放量在滯后三期內(nèi)均減少0.002%。同時(shí)滯后三期環(huán)保技術(shù)(TECH)與氮氧化物排放的滯后三期內(nèi)系數(shù)均顯著為正，即目前環(huán)保相關(guān)技術(shù)對于減少氮氧化物排放的作用尚未突顯，針對硫氧化物、氮氧化物排放減排的環(huán)保技術(shù)有待進(jìn)一步提高。

表5 能源稅對石油和煤炭消耗的面板ARDL回歸結(jié)果

注：括號內(nèi)是相應(yīng)統(tǒng)計(jì)量的精確p值，***，**，*分別在1%，5%和10%置信水平上顯著。

(三)車輛交通稅綠色紅利的面板ARDL回歸結(jié)果

表7展示了Panel-ARDL模型下車輛交通稅與石油消耗量(OIL)，煤炭消耗量(COAL)之間長短期動態(tài)關(guān)系。就車輛交通稅與石油消耗量關(guān)系來看，滯后三期的車輛交通稅與滯后二期內(nèi)石油消耗量之間的系數(shù)分別為-0.773和-0.755，在10%置信水平上顯著。即車輛交通稅增加1%，石油消耗量在滯后二期內(nèi)分別減少0.773%和0.755%。同時(shí)GDP與石油消耗量之間系數(shù)顯著為正，說明經(jīng)濟(jì)發(fā)展對石油資源的需求依然很高。環(huán)保技術(shù)與石油消耗量之間的系數(shù)為負(fù)且不顯著，說明環(huán)保技術(shù)對石油消耗的抑制作用尚未體現(xiàn)。就車輛交通稅與煤炭消耗量關(guān)系來看，車輛交通稅與煤炭消耗量之間系數(shù)為負(fù)但并不顯著，說明車輛稅未起到顯著降低煤炭消耗量的作用。工業(yè)增加值與煤炭消耗量之間顯著正相關(guān)，經(jīng)濟(jì)增長與煤炭消耗量之間顯著正相關(guān)，說明的工業(yè)產(chǎn)業(yè)及經(jīng)濟(jì)發(fā)展較高程度依賴于煤炭消耗。同時(shí)環(huán)保技術(shù)與煤炭消耗量之間系數(shù)為負(fù)但不顯著，說明環(huán)保技術(shù)對煤炭資源消耗的抑制作用也有待進(jìn)一步實(shí)現(xiàn)。

表6 能源稅對氣體排放的面板ARDL回歸結(jié)果

注：括號內(nèi)是相應(yīng)統(tǒng)計(jì)量的精確p值，***，**，*分別在1%，5%和10%置信水平上顯著。

表7 車輛交通稅對石油和煤炭消耗的面板ARDL回歸結(jié)果

注：括號內(nèi)是相應(yīng)統(tǒng)計(jì)量的精確p值，***，**，*分別在1%，5%和10%置信水平上顯著。

表8展示了Panel-ARDL模型下車輛交通稅與交通運(yùn)輸部門二氧化碳排放量(TRA_CO2)，溫室氣體排放(GHE)，硫氧化物排放(SOE)，氮氧化物排放(NOE)變量間長短期動態(tài)關(guān)系。就車輛交通稅與交通運(yùn)輸部門二氧化碳排放關(guān)系來看，車輛稅與運(yùn)輸部門二氧化碳排放之間系數(shù)為負(fù)但不顯著。總體而言，車輛交通稅對減少石油消耗量具有顯著的綠色紅利效應(yīng)，但其對于減少煤炭消耗量與運(yùn)輸部門二氧化碳排放的紅利效果尚未體現(xiàn)，需通過進(jìn)一步提高針對化的環(huán)保技術(shù)，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)等方式實(shí)現(xiàn)。就車輛交通稅與溫室氣體排放的關(guān)系來看，短期內(nèi)車輛交通稅與溫室氣體排放三期內(nèi)的系數(shù)分別為-1.371，-1.322和-1.208，但均不顯著說明車輛稅對溫室氣體排放尚未起到顯著抑制作用。此外，長期內(nèi)經(jīng)濟(jì)增長與溫室氣體排放系數(shù)在滯后一期為0.073，滯后二期為0.064，滯后三期為0.063，三個(gè)系數(shù)均在1%置信水平上顯著，即隨著GDP增長，溫室氣體排放顯著增加，而車輛交通稅對溫室氣體排放起到了顯著的減排作用。就車輛交通稅與硫氧化物排放的關(guān)系來看，短期內(nèi)車輛交通稅與硫氧化物排放量滯后三期內(nèi)系數(shù)分別為-0.345、-0.329和-0.337，均在1%置信水平上顯著，即車輛交通稅增加1%，滯后一期硫氧化物排放減少0.345%，滯后二期硫氧化物排放減少0.329%，滯后三期硫氧化物排放減少0.337%。此外，長期內(nèi)經(jīng)濟(jì)增長與硫氧化物排放之間的系數(shù)在滯后一期為0.005，滯后二期為0.006，滯后三期為0.006，三個(gè)系數(shù)分別在10%、5%和5%的置信水平上顯著，即GDP增長1%，滯后三期內(nèi)硫氧化物分別增加0.005%、0.006%和0.006%。而車輛交通稅對減少硫氧化物排放起到了積極的作用。就車輛交通稅與氮氧化物排放的關(guān)系來看，車輛交通稅與滯后三期內(nèi)氮氧化物排放之間的系數(shù)均不顯著，反而短期內(nèi)經(jīng)濟(jì)增長與氮氧化物排放之間的系數(shù)均在1%置信水平上顯著為負(fù)，經(jīng)濟(jì)增長與滯后三期內(nèi)氮氧化物排放之間的系數(shù)均為-0.002，即GDP增長1%，氮氧化物排放量減少0.002%。同時(shí)滯后三期環(huán)保技術(shù)與氮氧化物排放的系數(shù)均顯著為正，說明目前環(huán)保技術(shù)對抑制氮氧化物排放的作用尚未體現(xiàn)，鼓勵(lì)與支持環(huán)保技術(shù)進(jìn)一步發(fā)展是十分必要的。

(四)能源稅藍(lán)色紅利的面板ARDL回歸結(jié)果

表9展示了面板ARDL模型下能源稅與經(jīng)濟(jì)發(fā)展(GDP)和失業(yè)人數(shù)(UNE)之間的動態(tài)關(guān)系。就能源稅與經(jīng)濟(jì)增長的關(guān)系來看，短期內(nèi)能源稅與GDP滯后一期系數(shù)為13.207，在1%置信水平顯著，即能源稅增長1%，滯后一期GDP增加13.207%；能源稅與GDP滯后二期系數(shù)為13.264，在1%置信水平顯著，即能源稅增加1%，滯后二期GDP增加13.207%；能源稅與GDP滯后三期系數(shù)為13.208，在1%置信水平顯著，即能源稅增加1%，滯后三期GDP增加13.208%。同時(shí)短期內(nèi)石油消耗量與GDP滯后三期系數(shù)分別為-1.100、-1.096和-1.110，三個(gè)系數(shù)均在1%置信水平上顯著為負(fù)，短期石油消耗增加1%，滯后三期內(nèi)GDP分別減少1.100%、1.096%和1.110%。同時(shí)長期內(nèi)環(huán)保技術(shù)與GDP滯后三期的系數(shù)分別為0.281、0.276和0.278，均在10%置信水平上顯著，即長期內(nèi)環(huán)保技術(shù)增加1%，滯后一期GDP增長0.281%，滯后二期GDP增長0.276%，滯后三期GDP增長0.278%，說明環(huán)保技術(shù)進(jìn)步拉動了社會經(jīng)濟(jì)發(fā)展。就經(jīng)濟(jì)增長與失業(yè)人數(shù)的關(guān)系來看，短期內(nèi)能源稅與失業(yè)人數(shù)滯后三期的系數(shù)分別為13.207、13.264和13.208，均在1%置信水平上顯著，即能源稅增加1%，短期內(nèi)失業(yè)人數(shù)在滯后一期增加13.207%，滯后二期增加13.264%，滯后三期增加13.208%，說明隨著能源稅的增加，失業(yè)人數(shù)不但沒有減少，反而顯著增加，這與開征能源稅淘汰高耗能企業(yè)有關(guān)。長期能源稅與失業(yè)人數(shù)滯后三期的系數(shù)分別為-1.729、-2.041和-2.032，分別在10%、5%和5%置信水平上顯著，即能源稅增加1%，失業(yè)人數(shù)在滯后一期減少1.729%，滯后二期減少2.041%，滯后三期減少2.032%，說明長期內(nèi)能源稅對減少失業(yè)人數(shù)起到了顯著的積極作用。