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

技术摘要：“清洁污染者真的是绿色的吗？来自墨西哥‘清洁工业’计划的证据”

问题陈述
自愿性环境激励计划被广泛用于补充传统的命令与控制型监管，然而其在减少工业排放方面的有效性仍存在争议。虽然发达国家通常依赖这些计划来迎合消费者偏好或解决较差的环境记录问题，但实证研究在实际减排效果方面往往得出不一或无效的结果。在正式监测和执法能力较弱的发展中国家，第三方环境认证被提议作为激励污染控制的机制。然而，以往关于墨西哥自愿性计划的研究主要依赖于环境表现的代理变量（如罚款），而非实际的污染数据，这使得第三方证书对实际有毒物质释放水平的影响成为了一个悬而未决的问题。本文旨在探讨墨西哥主要的排污企业在获得或更新“清洁工业”（Industria Limpia）证书后，其有毒物质释放量是否有所减少。

研究方法
本研究构建了一个涵盖 2000 年至 2018 年时期的独特面板数据库，将 3,436 家主要污染企业的年度自报有毒废物排放量与其参与“清洁工业”计划的周期联系起来。样本包括 848 家至少获得一次证书认证或续证的企业。研究采用多阶段实证策略来解决内生性和自选择偏差问题：

1. 参与模型： 使用 Probit 模型（以及带有工厂固定效应的线性概率模型）来确定驱动证书采用或续证决策的因素。该模型纳入了监管严厉度变量（针对工厂及其邻近工厂的检查、罚款及罚款金额）、所在市镇的社会经济特征以及行业固定效应。
2. 报告模型： 通过建立模型来测试认证是否能激励更规律的污染报告，并控制了监管行动和社区压力。
3. 对有毒释放的影响： 为了估计该计划对污染水平的因果效应，研究使用线性概率模型预测的参与值作为面板数据回归中有毒释放量的工具变量。该方法控制了工厂固定效应和不随时间变化的因素。
4. 反事实估计： 为了处理交错采用（staggered adoption）和进入/退出动态，研究采用了反事实估计器模型（遵循 Liu 等人，2024 年的方法）和矩阵补全法（Matrix Completion Method）。这些技术通过利用未受处理的工厂池来预测受处理工厂的反事实结果，从而估算平均处理效应（ATT），并允许分析随时间变化的动态处理效应。

核心贡献
本文对自愿性环境计划的文献做出了三个主要贡献：

• 模拟采用决策： 本研究对近二十年来大量主要有毒污染企业的采用和续证决策进行了建模，挑战了“特定威慑措施（过往违规行为）会驱动参与”的预期。
• 报告行为与表现分析： 本研究明确对污染报告行为进行了建模，测试了“经认证的工厂报告更加频繁”这一假设，并将认证与使用自报数据的实际减排量联系起来。
• 稳健的因果推断： 通过采用反事实估计器和矩阵补全法来处理复杂的、交错的参与模式（企业进入与退出），解决了自选择的内生性问题，从而提供了比静态横截面分析更细致的长期环境表现视角。

结果

• 参与决定因素： 与“特定威慑驱动参与”的假设相反，在过去三年内被检测到有毒违规行为的工厂，其参与意愿反而更低。相反，同一市镇内邻近工厂被处以的罚款越高，参与度越高，这被解释为“监管声誉效应”，即企业试图通过参与来避免受到审查。然而，邻近工厂被罚款的频率越高，参与度反而下降，这表明可能存在“同伴效应”，即经过认证的邻居可能会面临较少的罚款。
• 报告行为： 参与“清洁工业”计划与年度污染报告概率的显著增加相关（在 Probit 估计中约为 24 个百分点）。
• 污染削减： 面板数据结果显示，“清洁工业”参与者每年减少的有毒释放量为 1,204 公斤。反事实估计器揭示了一个动态效应：在为期两年的认证期结束后，参与者在第三年减少有毒释放量的幅度达到 56%。
• 行业异质性： 虽然总体结果显示显著减排，但在特定的制造业子样本（汽车、化学、金属）中，结果在统计上并不显著，这可能是由于样本量较小所致。值得注意的是，矩阵补全法表明，汽车类工厂在参与三年后排放量减少了 80%，而化学类工厂显示减少了 30%，金属加工类工厂则没有显示出明显的下降。

意义与主张
本文得出结论，该“清洁工业”计划是促进墨西哥履行环境法规的有效工具。研究结果表明，该计划成功地在增加污染报告的同时，也减少了有毒物质的释放。这挑战了此前的研究观点，即认为墨西哥的自愿计划仅仅是吸引了“更脏”的工业以寻求监管缓解，而没有带来长期的性能提升。作者指出，在执法能力较弱的发展中国家背景下，第三方自愿机制可以作为有效的污染控制工具。研究强调，观察到的改善在经济上具有显著意义，特别是考虑到认证和续证周期的动态性质，尽管作者也承认了子行业分析在统计效力方面的局限性，以及与 ISO14001 认证可能存在的重叠。