Are clean polluters green? Evidence from Mexico’s Clean Industry program

Technische Zusammenfassung: „Sind saubere Verschmutzer grün? Evidenz aus Mexikos Programm für saubere Industrie“

Problemstellung
Freiwillige umweltbezogene Anreizprogramme werden weit verbreitet eingesetzt, um traditionelle Command-and-Control-Regulierungen zu ergänzen, doch ihre Wirksamkeit bei der Reduzierung industrieller Emissionen bleibt Gegenstand der Debatte. Während entwickelte Nationen diese Programme oft nutzen, um auf Verbraucherpräferenzen einzugehen oder schlechte Umweltbilanzen zu adressieren, liefern empirische Studien häufig gemischte oder null Ergebnisse hinsichtlich tatsächlicher Emissionsreduzierungen. In Entwicklungsländern, in denen die formale Überwachung und Durchsetzung oft schwach ausgeprägt sind, werden Zertifikate von Drittanbietern als Mechanismen vorgeschlagen, um die Kontrolle der Verschmutzung anzuregen. Die bisherige Forschung zu Mexikos freiwilligen Programmen stützte sich jedoch häufig auf Proxys für die Umweltleistung (wie etwa Bußgelder) statt auf tatsächliche Verschmutzungsdaten, was die Frage offen lässt, welchen Einfluss Zertifikate von Drittanbietern auf das tatsächliche Niveau toxischer Freisetzungen hat. Diese Arbeit untersucht, ob große Wasserverschmutzer in Mexiko nach der Annahme oder Erneuerung des „Clean Industry“-Zertifikats (Industria Limpia) ihre toxischen Freisetzungen reduzieren.

Methodik
Die Studie erstellt eine einzigartige Panel-Datenbank, die den Zeitraum von 2000 bis 2018 abdeckt und die jährlich selbst gemeldeten toxischen Abfallentsorgungen von 3.436 Hauptverschmutzern mit deren Teilnahmezyklen am Programm für saubere Industrie verknüpft. Die Stichprobe umfasst 848 Unternehmen, die das Zertifikat mindestens einmal erworben oder erneuert haben. Die Forschung verwendet eine mehrstufige empirische Strategie, um Endogenität und Selbstselektionsbias zu adressieren:

1. Teilnahme-Modell: Ein Probit-Modell (und ein lineares Wahrscheinlichkeitsmodell mit Anlagen-Fixeffekten) wird geschätzt, um die Faktoren zu bestimmen, die die Entscheidung zur Annahme oder Erneuerung des Zertifikats vorantreiben. Das Modell beinhaltet Variablen zur regulatorischen Strenge (Inspektionen, Bußgelder und Bußgeldhöhen für die Anlage und benachbarte Anlagen), sozioökonomische Merkmale der Gemeinde sowie Branchen-Fixeffekte.
2. Melde-Modell: Ein Modell wird geschätzt, um zu testen, ob die Zertifizierung eine regelmäßigere Verschmutzungsmeldung anregt, unter Kontrolle von regulatorischen Maßnahmen und gesellschaftlichem Druck.
3. Auswirkungen auf toxische Freisetzungen: Um den kausalen Effekt des Programms auf das Verschmutzungsniveau zu schätzen, verwendet die Studie die vorhergesagten Werte der Teilnahme aus dem linearen Wahrscheinlichkeitsmodell als Instrument in einer Paneldatenregression der logarithmierten toxischen Freisetzungen. Dieser Ansatz kontrolliert für Anlagen-Fixeffekte und zeitinvariante Faktoren.
4. Kontrafaktische Schätzung: Um die gestaffelte Einführung sowie Ein- und Austrittsdynamiken zu berücksichtigen, nutzt die Studie einen Counterfactual Estimator (folgend nach Liu et al., 2024) und eine Matrix-Completion-Methode. Diese Techniken schätzen den Average Treatment Effect on the Treated (ATT), indem sie kontrafaktische Ergebnisse für die behandelten Anlagen unter Verwendung eines Pools unbehandelter Anlagen vorhersagen, was die Analyse dynamischer Behandlungseffekte über die Zeit ermöglicht.

Wesentliche Beiträge
Die Arbeit leistet drei primäre Beiträge zur Literatur über freiwillige Umweltprogramme:

• Modellierung von Adoptionsentscheidungen: Sie modelliert die Entscheidungen zur Annahme und Rezertifizierung eines großen Samples an Hauptverschmutzern über fast zwei Jahrzehnte hinweg und stellt damit die Erwartung infrage, dass spezifische Abschreckungsmaßnahmen (vergangene Verstöße) die Teilnahme vorantreiben.
• Berichts- und Leistungsanalyse: Sie modelliert explizit das Verhalten bei der Verschmutzungsmeldung, testet die Hypothese, dass zertifizierte Anlagen regelmäßiger berichten, und verknüpft die Zertifizierung mit tatsächlichen Reduzierungen der toxischen Freisetzungen unter Verwendung von Selbstmeldedaten.
• Robuste kausale Inferenz: Sie adressiert die Endogenität der Selbstselektion durch den Einsatz von Kontrafaktualitäts-Schätzern und Matrix-Completion-Methoden, um die komplexen, gestaffelten Teilnahme-Muster (Eintritt und Austritt) von Unternehmen zu handhaben, und liefert so eine differenziertere Sicht auf die langfristige Umweltleistung als statische Querschnittsanalysen.

Ergebnisse

• Determinanten der Teilnahme: Entgegen der Hypothese, dass spezifische Abschreckung die Teilnahme fördert, ist die Wahrscheinlichkeit einer Anmeldung geringer, wenn die Anlagen in den letzten drei Jahren eigene toxische Verstöße aufweisen. Umgekehrt erhöht eine höhere Anzahl an Bußgeldern gegen benachbarte Anlagen im selben Gemeindegebiet die Teilnahme, was als „Reputations-Effekt der Regulierungsbehörde“ interpretiert wird, bei dem Unternehmen versuchen, genauerer Untersuchungen zu entgehen. Eine höhere Häufigkeit von Bußgeldern gegen Nachbarn senkt jedoch die Teilnahme, was auf einen „Peer-Effekt“ hindeutet, bei dem Nachbarn weniger Bußgelder erhalten könnten, wenn sie zertifiziert sind.
• Meldeverhalten: Die Teilnahme am Programm für saubere Industrie ist mit einer signifikanten Erhöhung der Wahrscheinlichkeit einer jährlichen Verschmutzungsmeldung verbunden (ca. 24 Prozentpunkte in der Probit-Schätzung).
• Reduzierung der Verschwendung: Paneldaten-Ergebnisse zeigen, dass Teilnehmer ihre toxischen Freisetzungen um 1.204 kg jährlich reduzieren. Kontrafaktische Schätzer offenbaren einen dynamischen Effekt: Teilnehmer reduzieren ihre toxischen Freisetzungen um 56 % im dritten Jahr nach Abschluss des zweijährigen Zertifizierungszeitraums.
• Sektorale Heterogenität: Während die Gesamtergebnisse signifikante Reduktionen zeigen, sind die Ergebnisse innerhalb spezifischer Fertigungssubsamples (Automobil, Chemie, Metalle) statistisch nicht signifikant, was wahrscheinlich auf kleinere Stichprobengrößen zurückzuführen ist. Bemerkenswerterweise deutet die Matrix-Completion-Methode darauf an, dass Automobilanlagen die Freisetzungen drei Jahre nach der Teilnahme um 80 % reduzieren, während Chemieanlagen eine Reduktion von 30 % zeigen und Metallverarbeitungsbetriebe keinen signifikanten Rückgang aufweisen.

Bedeutung und Behauptungen
Die Arbeit kommt zu dem Schluss, dass das Programm für saubere Industrie ein effektives Instrument zur Förderung der Einhaltung von Umweltvorschriften in Mexiko darstellt. Die Ergebnisse legen nahe, dass das Programm erfolgreich die Meldung von Verschmutzungen erhöht und gleichzeitig die toxischen Freisetzungen reduziert. Dies stellt vorangegangene Studien infrage, die suggerierten, dass freiwillige Programme in Mexiko lediglich „schmutzigere“ Industrien zur regulatorischen Entlastung anziehen, ohne langfristige Leistungsgewinne zu erzielen. Der Autor vertritt die Auffassung, dass freiwillige Mechanismen durch Dritte in Entwicklungsländern, die durch schwache Durchsetzung gekennzeichnet sind, effektive Werkzeuge zur Kontrolle der Verschmutzung sein können. Die Studie betont, dass die beobachteten Verbesserungen ökonomisch signifikant sind, insbesondere wenn man die dynamische Natur der Zertifizierungs- und Rezertifizierungszyklen berücksichtigt, räumt jedoch Einschränkungen hinsichtlich der statistischen Aussagekraft von Subsektor-Analysen und der potenziellen Überschneidung mit der ISO14001-Zertifizierung ein.