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 ——来自中国上市公司的证据

标题：排污权交易机制是否提高了企业全要素生产率 ——来自中国上市公司的证据

参考文献

作者：任胜钢， 郑晶晶， 刘东华， 陈晓红

来源：《中国工业经济》2019年第5期

数据概况

1、 数据来源： 财务信息、产品销售情况以及其他企业特征的企业级数据来自国泰安数据库(CSMAR)；企业的专利数据来自佰腾网(https//www.baiten.cn)

2、样本：

双重差分样本：沪深两市A股中296家排放企业

三重差分样本：264家非排放企业

3、变量说明：

4、相关数据及代码预览

理论框架

1、SO2排污权交易试点政策对企业全要素生产率的影响

(1)基准回归测度试点政策实施对上市企业全要素生产率的平均影响；

(2)动态效应验证平行趋势假设并测度不同时段的影响；

(3)三重差分排除其他试点政策影响。

2、SO2排污权交易试点政策影响企业全要素生产率的机制验证

(1) 技术进步效应：检验排污权交易制度通过技术创新促进企业全要素生产率；

(2) 资源配置效应：检验排污权交易制度通过资源配置促进企业全要素生产率。

3、异质性分析和稳健性分析

(1) 从企业内部特征和外部特征的异质性分析；

(2) GMM测算全要素生产率更换因变量&安慰剂检验。

实证分析及相关代码

1、SO2排污权交易试点政策对企业全要素生产率的影响

(1) 基准回归：

为了检验SO2排污权交易试点政策对企业全要素生产率的影响，本文构建 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')

#创建年份、地区、ind虚拟变量

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())

代码结果与原文一致，控制变量和固定效应代码略，汇总如下：

结果显示排污权交易制度对全要素生产率的回归系数为 0.2522（在1%水平上显著），且控制变量和固定效应回归系数相差无几，故SO2排污权交易制度显著提高了企业全要素生产率。

（2）动态效应

为严谨验证平行趋势假设，同时反映出试点政策在不同时段内这一影响的差异（基础回归仅测度出平均差异），参考 Jacobson et al.（1993）提出的事件研究法（Event Study Approach）对试点政策的动态效应进行实证检验，并构建以下模型：

# 第一个模型，控制不随时间变化的行业和地区特征

# stata代码对照：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)

# 输入模型代码并导出回归结果

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())

# 输入绘图代码并导出β结果：

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()

代码结果与原文一致，汇总图如下：

在2004-2006 年均不显著，说明处理组和对照组在试点政策实施前不存在明显的差异，满足平行趋势假设;

试点后估计系数从第三年（2010年）开始显著并逐渐增大，说明 2007 年试点政策对全要素生产率的 影响滞后两年，并且影响逐渐增大。

（3）三重差分

上述策略可能存在的问题是，除试点政策之外，其他政策可能也对试点地区和非试点地区全要素生产率产生不一致的影响，从而使估计结果出现偏差。

本文使用三重差分法克服这一问题，本文选择制造业和采矿业中属于非 SO2 排放行业的企业作为三重差分的“处理组”和“对照组”

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代码与原文结果不一致，与stata结果一致，结果与原文结果对比如下：

2、影响机制分析

将传导机制分解为技术进步效应和资源配置效应两方面：

# 第一个模型，试点政策对技术创新的影响

# stata代码对照：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筛选数据

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

#地区固定效应和时间固定效应（地区固定效应没有实现）

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

#确定解释变量

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

#确定被解释变量为专利申请量(Patent)的OLS回归

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

#采用聚类稳健标准误

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

print(res)

排污权交易制度促进了技术创新，因此，排污权交易制度通过技术创新途径影响全要素生产率得到有效验证。

# 第五个模型，试点政策对资本配置效率的影响

# stata代码对照：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筛选数据

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

#行业固定效应和时间固定效应（地区固定效应没有实现）

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

#实现数列相乘

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

#确定解释变量

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

#确定被解释变量为资本配置效率的OLS回归

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

#采用聚类稳健标准误

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

print(res)

与对照组相比排污权交易制度显著提高了试点地区企业的资本配置效率水平。排污权交易制度通过资本配置效率提高全要素生产率得到有效验证。