经济论文哪里有？关于环境规制对区域生态效率影响机制的系统理论研究目前较少，本文研究间接作用机理时选取了技术创新、产业结构和外商直接投资三条传导路径，进一步研究中应结合经济社会发展实践和相关理论进行多角度考虑分析，以形成比较完整的理论体系。
第一章 绪论
1.5 可能的创新点
环境规制和全要素生产率一直是经济学研究的热点，参照现有相关文献，对比分析可以发现本文可能存在以下几个方面的创新：
（1）研究框架上，现有研究大多分析环境规制对产业、行业、城市、城市群生态效率的影响，鲜有文献分析环境规制对区域生态效率影响的作用机理及传导路径。在环境规制影响区域生态效率的过程中，除了直接影响，还会通过改变其他影响因素作用方向和程度而间接影响区域生态效率。因此，本文突破已有多数研究主要聚焦于“环境规制对生态效率影响”的单一思路，基于直接效应和间接效应、本地效应和邻地效应视角，探究环境规制通过技术创新、产业结构、外商直接投资三条路径影响区域生态效率的传导机理，比较全面的理论论证和实证检验了环境规制对区域生态效率的影响。
（2）研究指标上，考虑到不同环境规制政策工具约束强度不同、侧重点不同，本文将其进行了细分，考虑命令型、市场型、自愿型三种类型，深入分析不同类型环境规制及不同地区不同类型环境规制的差异性，使得环境规制的衡量更全面合理。
（3）研究方法上，引入空间因素，在空间溢出效应和空间异质性条件下，借助空间杜宾模型研究环境规制的绿色空间效应，分析了环境规制对本地区和邻近地区生态效率影响，更精细地剖析环境规制对区域生态效率的影响程度。使得本文的实证结果能全面反映环境规制对区域生态效率的影响，得到更加稳健和可靠的结论。
第三章 环境规制影响区域生态效率的机理分析
3.1 环境规制直接影响区域生态效率的机理分析
环境规制是政府制定实施以解决环境负外部性为目的的传统工具之一，环境规制是政府施加给企业的额外成本，实质是将资源环境外部成本内部化，即由社会承担的环境治理成本改由给环境造成污染损害的企业承担。作为追求利润最大化为目标的企业，在面临环境污染治理的成本压力时，通常会采用增加治污支出和优化绿色生产技术工艺两种方式来控制污染水平，企业一般根据成本-收益进行环境行为决策。
3.1.1 环境规制影响生态效率的成本收益分析
从成本损失角度来看，环境规制政策通过设置减排标准、治污技术标准，要求污染者付费使资源环境外部成本内化到企业内部。提高环境质量是企业实施环境规制政策的重要目的，在这一过程中，需要投入人、财、物等政策执行成本。在资金有限的情况下，环境治污费用相应增加，企业生产能力和生产率下降，利润降低并影响生产积极性，在一定程度上影响了本地经济增长，对区域生态效率产生负面作用。为了维护社会声誉、树立良好形象，企业会随环境规制强度的提升而承担其社会责任，主动执行相应的环保法规制度。企业将增加用于节能减排设备等的资金投入，这也需要大量的资本投入，这一举措对原本有限的生产或创新资金形成挤占，造成所在地经济增速下滑。
从收益补偿角度来看，严格的环境规制遏制了企业的违法排放行为，促进了要素资源的合理化配置，降低了生产过程中的污染排放量，改善了当地的环境质量，能吸引高端服务业、旅游业在该地区的集聚，促进地区经济发展，最终在改善生态环境质量的同时提高区域生态效率。在绿色发展要求下，环境规制监管力度将不断加大，导致企业面临的环境成本增加，现有生产技术、生产状况无法维持企业原有的利润水平。
第五章 中国区域生态效率的测度与特征分析
5.1 研究方法及指标选择
5.1.1 考虑非期望产出的 Super-SBM 模型
数据包络分析方法（Data Envelopment Analysis，简称 DEA）是评价同类决策单元多投入多产出相对有效性的非参数统计方法[168]。DEA 方法在测算效率时不需要对投入产出指标设置权重及无量纲化处理，不需要考虑成本、利润等条件，具有测算结果更客观的优势，已广泛应用于不同行业及部门，DEA 方法的研究对象称为决策单元（DUM）。Tone（2001）在 CCR-DEA（Charnes et al.，1978）模型的基础上[169]，提出基于投入过剩和产出不足的效率测度方法，即非径向、非导向的 SBM 方法，SBM 模型不但考虑了决策单元到前沿面目标值之间等比例、径向改进的部分，还能解决效率评价中的松弛、非径向改进问题，效率识别性较强。克服了传统径向 DEA 方法如 BBC、CCR 模型及一般方向距离函数模型由于忽略松弛变量而导致的高估。为了使有效决策单元进一步比较、排序，并将非期望产出环境损失加入该模型，Tone（2002）提出的超效率 SBM 模型（Super-SBM）[170]，能够综合考虑要素投入、好产出、坏产出三者的关系。
第七章 环境规制影响区域生态效率的空间溢出效应
7.1 空间计量模型构建
7.1.1 空间相关性检验
空间自相关是检验相邻空间单位上属性值关联程度的重要指标，分为全局空间自相关和局部空间自相关，本文采用 Moran’s 指数来判断所要关注变量的空间相关性[192, 193]。 （1）全局空间自相关 全局空间自相关分析空间上邻近省份生态效率之间的依赖关系，从总体上判断不同省份生态效率是否存在空间集聚的分布特征。
Moran，s I 指数的取值范围为[-1，1]，如果大于 0 表示变量有正的空间相关性，具有相似属性的变量趋于空间集聚；如果指数小于 0 表示变量有负的空间负相关，即有相异属性的变量趋于空间集聚相邻；如果取值为 0 表示变量空间不相关，在空间上是随机分布的。指数绝对值越大，空间依赖程度越高。
根据公式 7-1，利用 Stata15.0 软件测算 2005-2018 年各省份生态效率、不同类型环境规制的全局 Moran’s I 指数，根据四种空间权重矩阵计算的全局 Moran’s I 指数的显著性，本节报告相对较优的基于经济地理嵌套矩阵的（𝑤𝑑）实证结果，详细结果见表 7-1。2005-2018 年中国 30 个省区生态效率的全局 Moran 值均为正数且通过了 5%显著性水平检验，表明中国各省区的生态效率存在明显的正的空间相关性，表现为高（低）生态效率值的省份被高（低）效率的省份包围，呈空间集聚特征。与此同时，不同类型环境规制强度也具有明显的空间相关性，具体表现为较高环境规制强度的省份相邻，较低环境规制强度的省份集聚。由于各省份之间交通便利、数字网络发达、产业关联等各省份之间经济密切程度提高，各变量空间相关性有稳定增强的趋势。
第八章 研究结论、政策启示及研究展望
8.3 研究展望
在归纳、梳理环境规制与生态效率的相关研究中，深感这一研究课题包含的内容丰富且延展性很强。本研究只是对环境规制影响区域生态效率的作用机理进行了较为系统的理论论证和实现检验，但受个人学识限制，在今后以下几个方面需要继续深入研究探讨：
（1）基于实施的某一具体环境规制政策工具，识别其对区域生态效率影响及其机制。采用在政策实施效应评估文献中较有效的方法双重差分模型，分析处理组（实施环境规制政策的地区）和对照组（未实施环境规制政策的地区）的差异等方面的比较，研究规制政策的实施效果。比如采用双重差分模型，基于 2010年启动的低碳试点政策建一个准自然实验，分析该政策实施地区与未实施地区的差异等方面进行比较，实证检验这一试点环境政策对地区生态效率的影响，评估该政策实施效果，识别政策发挥作用的方向和作用路径。
（2）基于数据的可得性，本文研究重点仅从区域层面深入分析环境规制对生态效率的影响，在以后的研究中，借助大数据、遥感技术等数据来源渠道，从城市层面或微观企业层面角度进行考察，使研究结论更具针对性。
（3）关于环境规制对区域生态效率影响机制的系统理论研究目前较少，本文研究间接作用机理时选取了技术创新、产业结构和外商直接投资三条传导路径，进一步研究中应结合经济社会发展实践和相关理论进行多角度考虑分析，以形成比较完整的理论体系。
参考文献（略）
