標題：排污權交易機制是否提高了企業全要素生產率 ——來自中國上市公司的證據

參考文獻

作者：任勝鋼， 鄭晶晶， 劉東華， 陳曉紅

來源：《中國工業經濟》2019年第5期

數據概況

1、 數據來源：?財務信息、產品銷售情況以及其他企業特征的企業級數據來自國泰安數據庫(CSMAR)；企業的專利數據來自佰騰網(https//www.baiten.cn)

2、樣本：

雙重差分樣本：滬深兩市A股中296家排放企業

三重差分樣本：264家非排放企業

3、變量說明：

4、相關數據及代碼預覽

理論框架

1、SO2排污權交易試點政策對企業全要素生產率的影響

(1)基準回歸測度試點政策實施對上市企業全要素生產率的平均影響；

(2)動態效應驗證平行趨勢假設并測度不同時段的影響；

(3)三重差分排除其他試點政策影響。

2、SO2排污權交易試點政策影響企業全要素生產率的機制驗證

(1) 技術進步效應：檢驗排污權交易制度通過技術創新促進企業全要素生產率；

(2) 資源配置效應：檢驗排污權交易制度通過資源配置促進企業全要素生產率。

3、異質性分析和穩健性分析

(1) 從企業內部特征和外部特征的異質性分析；

(2) GMM測算全要素生產率更換因變量&安慰劑檢驗。

實證分析及相關代碼

1、SO2排污權交易試點政策對企業全要素生產率的影響

(1) 基準回歸：

為了檢驗SO2排污權交易試點政策對企業全要素生產率的影響，本文構建 DID 模型：

import pandas as pd

import numpy as np

from linearmodels import PanelOLS

import statsmodels.formula.api as sm

data = pd.read_csv(r'C:\Users\monstar\Desktop\tfp.csv')

#創建年份、地區、ind虛擬變量

data=data[(data.so2==1)]

year_dummy= pd.get_dummies(data['year'],drop_first=False,prefix='year')

area_dummy= pd.get_dummies(data['area'],drop_first=False,prefix='area')

ind_dummy= pd.get_dummies(data['ind'],drop_first=False,prefix='ind')

mod=sm.ols('lntfp~tt+year_dummy+ area_dummy+ ind_dummy ',data=data)

res=mod.fit()

print(res.summary())

代碼結果與原文一致，控制變量和固定效應代碼略，匯總如下：

結果顯示排污權交易制度對全要素生產率的回歸系數為 0.2522（在1%水平上顯著），且控制變量和固定效應回歸系數相差無幾，故SO2排污權交易制度顯著提高了企業全要素生產率。

（2）動態效應

為嚴謹驗證平行趨勢假設，同時反映出試點政策在不同時段內這一影響的差異（基礎回歸僅測度出平均差異），參考 Jacobson et al.（1993）提出的事件研究法（Event Study Approach）對試點政策的動態效應進行實證檢驗，并構建以下模型：

# 第一個模型，控制不隨時間變化的行業和地區特征

# stata代碼對照：reg lntfp tt1 tt2 tt3 tt5 tt6 tt7 tt8 tt9 tt10 tt11 tt12 zcsy lf age owner sczy lnaj lnlabor lnzlb i.year i.area i.ind if so2==1,cluster(area) level(90)

# 輸入模型代碼并導出回歸結果

area_dummy= pd.get_dummies(data['area'],drop_first=False,prefix='area')

ind_dummy= pd.get_dummies(data['ind'],drop_first=False,prefix='ind')

mod=sm.ols('lntfp~tt1+tt2+tt3+tt5+tt6+tt7+tt8+tt9+tt10+tt11+tt12+zcsy+lf+age+lnlabor+lnzlb+sczy+owner+lnaj+ area_dummy+ind_dummy ',data=data)

res1=mod.fit()

print(res1.summary())

# 輸入繪圖代碼并導出β結果：

data=pd.read_excel(r'E:\β.xlsx')

plt.figure(figsize=(5,5))

plt.title('β(1)',fontsize=14)

plt.xlabel('year',fontsize=14)

x=data["year"]

y=data["β1"]

plt.scatter(x, y)

plt.show()

代碼結果與原文一致，匯總圖如下：

在2004-2006 年均不顯著，說明處理組和對照組在試點政策實施前不存在明顯的差異，滿足平行趨勢假設;

試點后估計系數從第三年（2010年）開始顯著并逐漸增大，說明 2007 年試點政策對全要素生產率的 影響滯后兩年，并且影響逐漸增大。

（3）三重差分

上述策略可能存在的問題是，除試點政策之外，其他政策可能也對試點地區和非試點地區全要素生產率產生不一致的影響，從而使估計結果出現偏差。

本文使用三重差分法克服這一問題，本文選擇制造業和采礦業中屬于非 SO2 排放行業的企業作為三重差分的“處理組”和“對照組”

import pandas as pd

import numpy as np

from linearmodels import PanelOLS

import statsmodels.formula.api as sm

year_dummy= pd.get_dummies(data['year'],drop_first=False,prefix='year')

area_dummy= pd.get_dummies(data['area'],drop_first=False,prefix='area')

ind_dummy= pd.get_dummies(data['ind'],drop_first=False,prefix='ind')

data = pd.read_csv(r'C:\Users\lullaby\Desktop\tfp.csv')

mod=sm.ols('lntfp ~ ttt+tt+treats+times+so2+ year_dummy+ area_dummy+ ind_dummy ',data=data ',data=data)

res=mod.fit()

print(res.summary())

python代碼與原文結果不一致，與stata結果一致，結果與原文結果對比如下：

2、影響機制分析

將傳導機制分解為技術進步效應和資源配置效應兩方面：

# 第一個模型，試點政策對技術創新的影響

# stata代碼對照：reg zlb tt zcsy zc lf iso lnlabor xfs sch i.year i.area i.ind if so2==1,cluster(area)

# 按照so2=1篩選數據

data=data[(data.so2==1)]

#地區固定效應和時間固定效應（地區固定效應沒有實現）

data = data.set_index(['area','year'])

#確定解釋變量

exog = sm.add_constant(data[['tt','zcsy', 'zc','lf','iso','lnlabor','xf','sch']])

#確定被解釋變量為專利申請量(Patent)的OLS回歸

mod_fet=PanelOLS(data['zlb'],exog,entity_effects=True,time_effects=True,drop_absorbed=True)

#采用聚類穩健標準誤

res = mod_fet.fit(cov_type='clustered',cluster_area=True)

print(res)

排污權交易制度促進了技術創新，因此，排污權交易制度通過技術創新途徑影響全要素生產率得到有效驗證。

# 第五個模型，試點政策對資本配置效率的影響

# stata代碼對照：xtreg lntfp tt zcsy lf age sczy owner lnlabor lnzlbi.year i.area i.ind if so2==1&ajj==1,cluster(area)

# 按照so2=1篩選數據

data=data[(data.so2==1)]

#行業固定效應和時間固定效應（地區固定效應沒有實現）

data = data.set_index(['ind','year'])

#實現數列相乘

data['ttroa']=data['tt']*data['roa']

#確定解釋變量

exog = sm.add_constant(data[['ttroa','roa','tt','age','zlb','lf','sczy','iso']])

#確定被解釋變量為資本配置效率的OLS回歸

mod_fet=PanelOLS(data['tz'],exog,entity_effects=True,time_effects=True,drop_absorbed=True)

#采用聚類穩健標準誤

res = mod_fet.fit(cov_type='clustered',cluster_area=True)

print(res)

與對照組相比排污權交易制度顯著提高了試點地區企業的資本配置效率水平。排污權交易制度通過資本配置效率提高全要素生產率得到有效驗證。

下載鏈接：https://download.csdn.net/download/samLi0620/87344479

總結

以上是生活随笔為你收集整理的顶刊实证复现：排污权交易机制是否提高了企业全要素生产率 （思路梳理+全数据源+python代码）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。