一、 引言与文献综述

经济发展与生态环境保护的协同推进是我国一直面临的重大课题。根据《 世界能源统计年鉴 2020》公布的数据，2019 年中国能耗约占全球能耗总量的 24.27%，二氧化碳排放约占全球排放量的 28.76%，单位 GDP 碳排放强度约为世界平均水平的 3 倍，是全球最大的能源消费国和碳排放国。在 2020 年第 75 届联合国大会一般性辩论上，中国提出:二氧化碳排放力争于 2030 年前达到峰值，努力争取 2060 年前实现碳中和。寻找一条兼顾不断扩张的能源需求的低碳转型之路，提高碳排放效率，成为中国面临的巨大挑战。 ^[1] 绿色发展不仅仅是环境和经济问题，其背后深层次还涉及行政管理体制问题。 ^[2] 在环境污染加剧和腐败问题并存的现实下，党的十八大以来，我国开展了史无前例的反腐败斗争，反腐败的常态化和法治化得以强化。 2021 年中国腐败感知指数 CPI 在 180 个国家及地区中位列第 66 位，较 2012 年 CPI 排名有所上升^①，反腐败成效逐步显现。在严重的碳排放问题和严峻的反腐形势压力叠加下，“以零容忍态度反腐惩恶，决不姑息”，“积极稳妥推进碳达峰碳中和”，在新的历史节点，二十大报告再次对反腐败与“双碳” 目标未来工作提出明确要求。因此，有必要从我国现状出发，研究反腐败通过何种机制影响中国的二氧化碳排放效率，这种影响在不同经济水平、不同地区是否存在差异? 这些问题的回答对中国及与中国相似的发展中国家在绿色低碳转型发展上具有重要意义，并为反腐败与碳排放效率的关系提供经验证据。

关于腐败对环境影响的研究，现有文献主要是从两个角度去阐述。

一是研究腐败、经济发展与环境污染之间的关系。 Grossman 等^[3]研究发现人均收入和环境污染之间存在倒“U” 型关系，符合库兹涅茨曲线假说。此后，经济与环境关系的研究多数基于 EKC 框架进行。晋盛武等^[4]在传统 EKC 模型中考虑了腐败因素，发现经济增长与环境污染之间的关系依然呈倒“U”型，说明腐败不会改变经济增长与环境污染之间的库兹涅茨曲线关系。 Lopez 等^[5] 发现无论政府与污染企业合作与否，EKC 曲线都存在，腐败行为会提高污染水平和 EKC 拐点的收入水平，且影响是异质的。戴越等^[6] 发现腐败在低收入地区影响不显著，而高收入地区腐败会显著提高碳排放 EKC 曲线的拐点。郭炳南等^[7]研究发现腐败显著地提高了中国的碳排放量，在中国存在碳排放 EKC 曲线。另有学者基于跨国样本，从直接效应和间接效应两个方面探讨腐败与污染之间的关系，发现腐败既能直接增加碳排放，也能通过阻碍经济增长间接减少碳排放，且间接效应大于直接效应。 ^[8]

二是研究腐败、环境规制与环境污染之间的关系。腐败会降低政府环保政策的严肃性^[9]，通过降低环境规制或扭曲环境政策直接加剧环境污染^[10]。廖显春等^[11] 从环境规制和腐败角度研究外商投资时，发现环境规制执行力度的降低会导致 FDI 流入增加。在中国环境标准执行力度较低的地区，部分外资企业将淘汰的、严重污染环境的技术和设备转移至此，使这些地区的污染变得严重，而清廉的政府则会促使 FDI 对环境规制产生积极影响，减少污染物的排放，从而降低环境污染。 ^[12]

国内外腐败与环境污染相关的研究成果已经非常丰富，而直接从反腐败视角进行研究的文献较少。 Zhou 等^[13]的研究表明，反腐败通过加强环境规制和促进经济增长两条路径减少环境污染。刘帅等^[14]32 研究发现，反腐败及其与环境规制的交互项与环境污染之间的关系均呈倒“U”型，即低强度的反腐败会加剧环境污染，高强度的反腐败则有助于减少环境污染。刘贤赵^[15]79 将地区反腐败力度、经济增长与碳排放纳入扩展的动态空间 EKC 模型中，发现在国家层面，反腐败能通过降低 EKC 的拐点影响中国经济增长与碳排放之间的关系。

综上所述，现有研究在腐败与环境问题上取得了很多有理论价值和现实意义的成果，但是更多关注的是腐败或反腐败对环境污染以及腐败对碳排放的影响，很少关注反腐败对碳排放效率的影响。与已有研究相比较，本文边际贡献在于:第一，从反腐败角度着手研究碳排放效率，为提升碳排放效率提供一个新的制度解释; 第二，不仅从理论上分析了反腐败对碳排放效率的作用机制，而且实证检验了反腐败对碳排放效率的影响，丰富和发展了反腐败对中国减排的经验研究; 第三，本文为评估实施效果的异质性提供了经验证据，为各地政府部门制定明晰适宜的治理目标提供了理论基础和现实依据。

二、 理论分析与假说

（一） 反腐败对碳排放效率的影响

腐败阻碍了环境政策的制定，损害了环境政策的执行质量^[16]。一方面反腐败能够提高环境规制强度，加强环境保护政策的落实，促进碳减排; 另一方面反腐败使环境规制执行更严格，可能会不利于一些高污染高能耗企业未来发展，而这些企业为了弥补未来的损失可能会加大现在的能源消耗，导致碳排放和环境污染加剧，降低碳排放效率。所以，反腐败通过提高环境规制强度，可能会促进碳排放效率提升，也可能会加速能源消耗降低碳排放效率。已有研究表明经济增长与环境污染之间存在倒“U” 型关系，反腐败可以通过改变 EKC 曲线的拐点影响中国经济增长与碳排放之间的关系，在东部地区，反腐败对碳排放具有显著抑制作用，并使 EKC 的拐点降低; 在中部和西部地区，反腐败对碳排放暂时起促进作用，并使 EKC 拐点提高。 ^[15]79 反腐败对碳排放效率造成的影响在不同地区不同时期都会有所不同。刘帅等^[14]31 认为短期和低强度的反腐败在环境治理方面的作用方向并不明确，甚至在一定情况下可能会加剧环境污染; 但是日益增强的、常态化的反腐败会传递出更明确的政策信号，对腐败官员形成震慑，促使各种不同的市场主体逐渐形成更加稳定的政策预期，进而对政府官员和污染型企业的行为形成硬约束，反腐败开始显现出正向引导作用。综上，提出本文第一个假说。

假说 1:反腐败对碳排放效率会产生影响，二者之间并非简单的线性关系。

（二） 中介影响机制

腐败会影响政府支出的结构^[17]，引导政府资金投入到有更大利益攫取空间的公共项目，挤占教育经费，减少人力资本投资^[18]，阻碍地区人口素质的提高。反腐败力度增强，促进了政府资源的合理分配和高效使用，改善了基础教育的质量^[19]，加快了教育事业的发展，提升了人力资本水平。另外，腐败地区不健全的社会环境，比如机会不均等、政府效能低下、公共服务和社会保障供给不足、寻租活动泛滥等，会造成公众对政府能力的怀疑以及政治信任的匮乏^[20]101，影响劳动力对就业机会的预期和对收入分配公平的感知度，降低该地区对人力资本的就业吸引力。反腐败是政府对公众发出建设廉洁政府的可信承诺，能促进公众政治信任的提高^[20]100，廉洁的政府、公平且可预期的制度环境有利于留住有竞争力和生产力的人才，是加快人力资本积累的基础。人力资本作为重要的绿色科技创新主体^[21]，在生产生活方式向绿色低碳转型的过程中发挥重要作用^[22]。人力资本水平提升，一方面促进绿色低碳发展理念的广泛传播、增强公众的环保意识和环保参与度、加快生产生活方式绿色低碳转型，进而驱动碳排放效率提升; 另一方面通过知识积累，加强对绿色低碳技术、设备、生产工艺、管理经验的消化吸收，促进绿色低碳科技成果转化和应用，提升能源利用效率、降低碳排放强度，实现碳排放效率改善。 ^[23]27

产业结构升级可以推动经济增长动力转换、能源节约，也会对碳排放效率产生重要影响。政府作为“看得见的手”，政府干预是影响要素配置、产业调整不可忽视的重要因素。 ^[24]地方政府官员拥有大量的经济资源和行政权力，由于人的有限理性，官员寻求经济利益的最大化会限制政府行为的理性化，导致寻租与腐败等问题的产生。 ^[25] 寻租激励下的官员偏向于过度投资寻租机会较大的产业，导致产业结构固化; 或者为相关产业提供低价的要素资源，导致地区产业结构单一，不利于产业结构的高级化和合理化^[26]; 加之在责任机制缺失、司法监管缺位的情况下，寻租与腐败会消弱产业政策的有效性^[27]。腐败会降低资源配置效率，抑制产业结构升级，削弱产业政策的实施，因此具有足够并覆盖全社会的反腐力度是不可或缺的。 ^[28] 反腐提高企业寻租成本，降低企业的寻租激励^[29]，有利于建立亲清政商关系、理顺市场秩序，减少政府对市场的非理性干预，降低寻租、腐败等现象发生的可能性; 有助于优化产业政策的微观基础以及提高产业政策的成功概率^[30]，促进产业结构优化升级。产业结构优化能实现能源结构优化和高效节能技术推广，从而提高碳排放效率。 ^[31]产业结构升级还能促进产业间生产要素的合理流动，使得生产要素更多地从资源密集型行业转向技术与资本密集型行业，进一步优化资源配置效率，实现要素生产率的提高和企业绿色转型，进而减少能源消耗、提高碳排放效率。 ^[32]因此，反腐败是产业结构调整和优化的一个重要方面，清朗、廉洁的政治环境会促进产业结构调整与优化，从而促进碳排放效率的提升。综上，提出本文第二个假说。

假说 2:反腐败通过作用于人力资本和产业结构影响碳排放效率。

三、 研究设计

（一） 模型设定

基于现有文献，为了验证反腐败力度与碳排放效率之间是否具有非线性关系，设定回归方程为

式中:i 和 t 分别为省份与年份; β₀ 为常数项; ε_it为随机误差项; u_t、v_i 分别为时间与个体固定效应; 各变量相对应的参数用 c₁、c₂ 、β_it 表示。碳排放效率（e）为被解释变量; 反腐败力度（ ln cor）为核心解释变量; 由于反腐败力度与碳排放效率之间可能存在非线性关系，所以同时引入反腐败力度二次项（ ln cor） ² 为核心解释变量; X_it 为控制变量。借鉴现有研究成果，选取经济水平、环境规制强度、人口增长率、贸易开放度以及技术创新作为本文的控制变量。

（二） 变量描述

1 . 被解释变量

本文以碳排放效率为被解释变量。关于碳排放效率的测算，主要有数据包络分析法（DEA）及其衍生出的一些测度模型。本文采用非期望产出超效率 SBM 模型测算各省份的碳排放效率值。相较于传统 DEA 模型，非期望产出超效率 SBM 模型中加入了非期望产出变量且修正了松弛变量，解决了非期望产出和松弛性问题; 并且能够再次分解效率值为 1 的决策单元，解决了因产生多个决策单元效率值为 1 而难以比较效率的问题。 ^[33] 非期望产出超效率 SBM 模型为（2）

$\begin{array}{c}\sum _{t=1}^T\sum _{j=1,j\ne z}^n{\lambda }_j^t{x}_{ij}^t-s_i^{-}⩽x_{iz}^t\\ \sum _{t=1}^T\sum _{j=1,j\ne z}^n{\lambda }_j^t{y}_{rj}^t+s_r^{+}⩾y_{rz}^t\\ \sum _{t=1}^T\sum _{j=1,j\ne z}^n{\lambda }_j^t{b}_{kj}^t-s_k^{-}⩽b_{kz}^t\\ {\lambda }_j^t,s_i^{-},s_r^{+},s_k^{-}⩾0;i=\mathrm{1,\; 2},\cdots ,m;r=\mathrm{1,\; 2},\cdots ,q;\\ k=\mathrm{1,\; 2},\cdots ,h\end{array}$

式中: $s_i^{-}\mathrm{、}{s}_r^{+}\mathrm{、}{s}_k^{-}$分别为投入、期望产出、非期望产出的松弛变量，x_iz、y_rz、b_kz分别为第 z 个决策单元的第 i 种投入、第 r 种期望产出及第 k 种非期望产出，λ 为权重变量。本文基于投入产出视角，以资本、劳动力、能源消耗量为投入要素，以各省份的实际 GDP 为期望产出，以二氧化碳排放量为非期望产出测算碳排放效率值。资本投入采用永续盘存法核算的固定资本存量表示，并以 2000 年为基期的固定资产价格指数消除价格因素的影响; 劳动力投入以各省年末就业人数来表示; 能源投入用各地区的能源消费总量作为衡量指标，将煤炭、焦炭、原油、煤油、燃料油、汽油、柴油、天然气、电力这 9 种能源消费量折算成统一单位标准煤并加总得到; 以 2000 年为基期的实际 GDP 为期望产出的衡量指标; 非期望产出的衡量指标为 IPCC 清单法估算的二氧化碳排放量^②。

2 . 核心解释变量

核心解释变量为反腐败力度及其二次项，本文沿用刘帅等^[14]29 的思路，采用每万名公职人员的贪污腐败渎职立案数来衡量地区反腐败力度。需要说明的是，2000—2017 年腐败立案数来自历年的《中国检察年鉴》 及各省份人民检察院年度工作报告，由于 2018—2019 年部分省份检察院年度工作报告未公布贪污腐败渎职立案数，本文对其采用近 5 年数据移动平均进行补充。

3 . 控制变量

本文选取的控制变量包括经济水平、环境规制强度、人口增长率、贸易开放度、以及技术创新。其中，经济水平（ ln gdp）用人均国内生产总值取对数表示; 环境规制强度（ regu）借鉴余长林^[34] 的方法，用各省工业污染治理投资额与工业增加值比值表示; 人口增长率（ pgr）以各省的人口年增长率来衡量; 贸易开放度（ln open）用各省的人均进出口额取对数来表示; 技术创新（ rd），由于科研投入是技术创新的驱动力^[35]，所以本文使用 R&D 经费内部支出与 GDP 之比来表示，可以衡量当地政府对创新的重视程度。

4 . 中介变量

中介变量为产业结构和人力资本。产业结构（indus）用第三产业产值与第二产业产值之比来表示; 人力资本（edu），参照何伟军等^[23] 的方法，用人均受教育年限来表示，文盲、小学、初中、高中、大专及以上依次以 0 年、6 年、9 年、12 年及 16 年计，将每种受教育程度按照相应的教育年限进行折算后乘以该教育水平的地区人口比重，得到人均受教育年限。

以上指标数据来源于《中国统计年鉴》 《中国检察年鉴》《中国劳动统计年鉴》以及《中国能源统计年鉴》。考虑到反腐败数据的可获得性和可用性，本文选取 2000—2019 年我国 30 个省份（由于港澳台和西藏地区的数据缺失，本文将其剔除）的数据为样本进行分析，并将绝对量表示的变量取对数处理，以减少异方差的影响。

四、 实证分析

（一） 基准回归

根据上文的理论分析和相关数据，本文利用 Stata16 软件，采用双向固定效应模型对反腐败力度与碳排放效率的关系进行实证检验，回归结果如表1 所示。列（1）和列（2）结果^③ 显示，反腐败力度一次项在 1%水平下显著为负，二次项在 1%水平下显著为正，表明反腐败力度对碳排放效率的影响效果明显，且随着反腐败力度的增加，碳排放效率呈现先降低后提高的“U” 型特征，即验证假说 1。持续时间短、强度弱的反腐败会抑制碳排放效率的提升。在反腐败初期，反腐败行动打破了以往政企合谋的局面，扫除了一些企业的“保护伞”，对企业及当地经济造成一定打击，改善碳排放效率的效果不明显甚至起到抑制作用; 但是当反腐败力度和持续时间达到节点势必会释放一定的政策信号，促进企业与政府之间关系的协调，对官员的环境执法和企业的环境治理投入形成约束^[14]30，推动企业进行清洁生产和节能减排，促进碳排放效率的提升。

控制变量方面，环境规制强度与碳排放效率负相关，可能的解释就如 Sinn 提出的“绿色悖论” ^[36]，随着环境规制强度加大，能源开发者会加速能源开采，导致碳排放剧增，不利于碳排放效率的提升。经济水平显著促进碳排放绩效的提升，原因在于经济发展水平提升的同时，人们的环保意识逐渐增强，对环保公共产品的需求也逐渐增多; 另外，人均 GDP 越高，政府就有更为充足的财政收入来实现该地区的绿色发展。 ^[37]人口增长率与碳排放效率呈正相关关系，虽然人口增长伴随着能源消耗增加不利于降低碳排放，但人口增长的同时带来了优质劳动力，促进经济增长。人们对能源效率和环境问题的日益关注，会促进碳排放效率的提升。贸易开放度对碳排放效率的影响系数为正，说明中国加大对外贸易开放度会提升当地的碳排放效率，对外贸易畅通了知识溢出的渠道、加快了技术扩散的速度，引发企业的技术效应，进而作用于碳排放效率。表1 中列（1）贸易开放度系数不显著，列（2）系数显著，原因可能在于 2018 年以来我国陆续出台了一系列减税降费、优化口岸营商环境的政策措施，贸易便利化水平提升，进出口规模快速增长，贸易开放对碳排放效率的促进作用更显著。技术创新是企业减排的内生动力，减排技术创新是实现双碳目标战略的有利抓手，会对碳排放总量的控制产生促进作用，促进碳排放效率的提升。

注:∗∗∗、∗∗、∗分别表示在 1%、5%、10%水平下显著。下同。

（二） 稳健性检验

1 . 改变核心解释变量的度量方式

调整核心解释变量的度量方式，用地区每 10 万人口的腐败案件立案数来衡量各省的反腐败力度（ln corr），并利用式（1）重新进行检验，结果如表1 列（3）所示。可以看出，反腐败力度一次项及其二次项对碳排放效率的影响方向和显著性与基准回归结果基本一致。

2 . 改变模型

考虑到模型中可能存在内生性问题会影响回归结果的稳定性，本文采用二阶段最小二乘法（2SLS）进行稳健性检验，结果如表1 列（4）所示。反腐败力度与碳排放效率呈“U”型关系，随着反腐败力度的加大，碳排放效率先降低后提高，再次证明基准结论的稳健性。

3 . 加入遗漏变量

研究表明，反腐败力度的内生问题与政府规模等因素相关。 ^[38]本文加入政府规模（ ln gov）作为控制变量进行稳健性检验，该指标用公职人员数取对数来表示，结果如表1 列（5）所示。可以看出，核心解释变量反腐败力度负向显著，其二次项正向显著，说明基准回归是稳健的。

（三） 异质性分析

1 . 发展阶段异质性

党的十八大以来，反腐败进入快节奏，高强度反腐从这个时期开始，因此，本文以 2013 年作为反腐败的节点，对 2000—2012 年和 2013— 2019 年两个时期进行分段样本回归。由表2 列（ 1）和列（ 2）结果可知，2000—2012 年间，反腐败对碳排放效率回归一次项显著为负，二次项显著为正，反腐败对碳排放效率的影响呈先降低后提高的“U” 型趋势; 而 2013—2019 年间，反腐败对碳排放效率的影响并不显著。其部分原因可能在于，随着反腐行动持续推进，碳减排效果增强，导致碳排放效率对反腐败的反应不再敏感; 另一部分原因可能在于，地方政府存在“ 一刀切” 的环境执法，对有污染的企业一律关停，而不是引导企业进行技术创新绿色转型，导致反腐败与环境规制之间的协同被阻断，影响反腐败对碳排放效率发挥积极作用。

2 . 资源型地区异质性

地区在自然资源存量上存在异质性，一些地区由于对自然资源开发和生产的高度依赖而被公认为资源型地区，资源型地区高强度消耗能源资源的粗放式发展造成了一系列生态环境问题。基于资源型地区和非资源型地区的区别，沿用邓小乐等^[39] 的做法，将 30 个省份划分为资源型省份和非资源型省份^④，来分析反腐败对于碳排放效率影响的异质性。由表2 列（3）和列（4）可知，资源型省份和非资源型省份反腐败对碳排放效率的影响均在 1%的水平下显著呈“U”型，但非资源型省份系数大于资源型省份。究其原因，可能是资源型地区反腐败政策带来的一系列影响主要是在弥补遗留的环境污染问题，对碳排放效率的影响效果还未显现出来; 另外，对于资源依赖严重的资源型地区来说，反腐败作为一个政治层面的策略，相较于产业能源结构转型这类内生动力措施，对碳排放效率的影响较小，因此资源型地区提升碳排放效率要重点关注产业能源结构的优化调整，侧重提高资源节约和综合利用水平，扭转能源结构高碳化现状，逐步戒断对煤炭的依赖^[40]，从根源减少碳排放。

3 . 巡视组政策异质性

党的十八大以来，党中央高度重视巡视工作，明确要求巡视制度更好地发挥监督作用。 2013 年开始启动巡视组巡视，因此，本文将 30 个省份按照 2013 年巡视组是否巡视分为两组进一步分析差异^⑤，结果如表2 列（5）和列（6）所示。可以看出，巡视地区反腐败对碳排放效率的影响不显著，巡视制度和反腐败的合力作用在短期内大幅度提升碳排放效率，但是巡视制度相较反腐败运动是短期的、快速的、突击的政策行为，短期的威慑力明显，过段时间后会出现倒退情况，甚至抑制碳排放效率，所以巡视地区反腐败对碳排放效率的影响不显著; 而未巡视地区反腐败力度一次项显著为负，二次项显著为正，反腐败对碳排放效率的影响呈“U”型。究其原因，未巡视地区始终长期坚持规范性、机理性的反腐败行动，所以碳排放效率先降低后提升，与全样本层面的结论一致。

4 . 经济发展水平和碳排放高低异质性

不同区域在经济发展水平、碳排放量等方面均存在差距，因而本文将样本按照经济发展水平高低和人均碳排放量高低划分成经济高碳排放高、经济高碳排放低、经济低碳排放高和经济低碳排放低这 4 类地区^⑥。表2 列（7）—列（10）4 类地区的回归结果表明，经济高碳排放低和经济低碳排放高的地区影响显著。原因可能在于，经济高碳排放低的地区处于较高起点，拥有较高的技术水平，已经积累了一定经验，反腐败行动对碳排放效率的促进作用更加明显; 经济低碳排放高的地区经济发展落后，科技水平落后，在提高科技促进碳减排方面有很大的空间，从而对碳排放效率的促进作用较明显。

（四） 中介效应分析

基于前文的理论分析，反腐败力度可以通过影响人力资本和产业结构进而对碳排放效率产生影响。本文参考温忠麟等^[41]732 的做法，使用逐步检验方法，构建中介效应模型，基于式（ 1）构建模型为

式（3）检验反腐败对中介变量（人力资本 edu_it、产业结构 indus_it）的影响。 mediak_it 表示两个中介变量，k = 1，2。中介效应检验结果如表3 所示。

1 . 人力资本

表3 列（2）结果表明，反腐败力度对人力资本回归的一次项显著为负，二次项显著为正，反腐败力度与人力资本呈“U”型相关，意味着在初期反腐力度较低时，反腐败不能提高人力资本水平; 但随着反腐常态化，清廉的政治环境和良好的营商环境，有利于减少人力资本外流，留住有竞争力和生产力的人才; 随着人力资本的提升，公众的环保意识和环保参与度都会有所增强，促进地区碳排放效率提升。列（3）结果显示，人力资本对碳排放效率的回归系数在 1%水平下显著为正，人力资本可以促进碳排放效率的提升。综上，人力资本在反腐败与碳排放效率之间的中介效应显著。

2 . 产业结构

由表3 列（4）结果可知，反腐败力度一次项显著为负，二次项显著为正，表明在反腐败初期，持续时间短、强度弱的反腐败不能促进产业结构升级; 在反腐败后期，力度持续增强能对产业结构升级起促进作用。列（5）结果表明，产业结构升级能够显著提高碳排放效率。产业结构也存在部分中介效应，即反腐败通过促进产业结构升级影响碳排放效率。反腐败可以增强产业政策监管与执行力度，减少寻租与官商勾结行为，增强政府的产业或创新扶持政策的实施效果，强化政府有限财政资金的市场配置效率，促进产业结构转型升级和技术创新，在能源结构、污染控制和清洁生产等方面技术前沿面不断延伸^[42]，从而提高能源利用效率，促进碳排放效率提升。

根据中介效应模型，中介变量促进碳排放效率的贡献为 ab / c ^[41]737，结果如表4 所示。反腐败一次项及其二次项通过影响人力资本所产生的中介效应对总效应的贡献率分别为 7.91%、7.92%，反腐败一次项及其二次项通过影响产业结构所产生的中介效应对总效应的贡献率分别为 23.49%、22.32%，因此，相较于人力资本，反腐败通过产业结构这一中介变量对碳排放效率的影响效果更强。

五、 结论与建议

（一） 主要结论

基于 2000—2019 年中国 30 个省份面板数据，本文实证研究了反腐败对碳排放效率的影响，主要得到以下几点结论。第一，反腐败对碳排放效率的影响呈“U”型。反腐败运动不断推进能够提升碳排放效率，表明反腐败需要长期的坚持和促进。第二，异质性分析表明，2000—2012 年间反腐败与碳排放效率的关系呈“U”型，2013—2019 年间反腐败对碳排放效率的影响不显著; 反腐败对碳排放效率的影响在资源型和非资源型省份均呈现先降低后提高的影响，但非资源型省份的影响系数大于资源型省份; 反腐败与碳排放效率之间的“U”型关系在经济高碳排放低和经济低碳排放高地区显著，在双高和双低地区不明显; 巡视组巡视地区反腐败对碳排放效率的影响不显著，未巡视地区反腐败对碳排放效率的影响仍然是先降低后提高，巡视这种快速突击的反腐行动对碳排放效率影响成效快但时效也短。第三，中介效应分析表明，反腐败可以通过提升人力资本和促进产业结构升级影响碳排放效率。

（二） 建议

（1）扎实推进生态环保领域反腐，贯彻落实各项重大环保决策部署。生态环保是根本的民生问题，关乎老百姓切身利益; 环保部门不仅要筑牢遏制环境污染和生态破坏的坚固防线，还要努力筑起惩治和预防腐败的坚强堡垒。加强环境立法工作，加大对重点领域、关键环节的督查力度，把环保法规和政策落到实处。同时，要特别加强监督和惩处力度，对环保腐败要坚决做到“零容忍”，让反腐倡廉建设为生态文明建设保驾护航。

（2）重视区域差异，因地制宜精准施策。对于资源型地区，要进一步加强转型建设，在生产消费环节着力提高能效和减少碳排放，推进低碳绿色转型; 在生产过程中，推行低能耗生产模式，提高资源和能源利用水平; 严格执行重点行业环境准入和排放标准，淘汰落后和过剩产能; 实施创新驱动发展战略，培育战略性新兴产业集群，加快探索新旧动能转换的路径模式。对于经济低碳排放高的地区，要经济和环境质量两手抓，政府加大财政支持力度，加大科技投入，提高企业研发和使用低碳技术的积极性; 加大环境监管力度，倒逼企业进行绿色技术创新。

（3）构建亲清政商关系，加快人才集聚，推动重点产业高质量发展。政府着力构建亲清政商关系，提升政府财政资金配置效率和产业政策的有效性，积极为企业提供政策、人才、信息、法律等服务，破解土地、资金、人才、技术等方面对企业的制约，激发市场主体活力，进一步激发企业科技创新的内生动力，更好推进绿色低碳关键技术突破，打造创新发展高地。不断完善人才服务体系，助力企业引进高层次人才，吸引各类人才扎根，打造人才高地，为地区经济健康发展蓄积动能。产业政策应支持价值链制造阶段的高质量发展，并且着力于从根本上解决我国环境和生态友好发展的问题，加大新能源产业、新材料产业、节能技术产业等高新技术产业培育扶持力度，助力产业转型升级。

（4）打好政策组合拳，增强反腐与环境规制之间的协同效应。打赢反腐败这场攻坚战持久战，容不得丝毫退让妥协，要以严格地执纪执法增强制度刚性，真正把反腐利剑举起来、用起来，形成有腐必反、有贪必肃的高压态势。在这种态势下，迫切需要增强环境治理的制度供给，打造更加科学有效的环境执法体系，整合环保机构职能，增强专业环保执法力量，建立健全区域执法联动机制，不断提升环境保护执法合力，重拳整治环保犯罪，全力推进环保法规实施。发挥反腐与环境规制之间的协同效应，应注重加强重点领域监督机制改革和制度建设，完善法治化、常态化的权力监督机制，打出一套反腐与环境治理组合拳，推动各项措施在政策取向上相互配合、在实施过程中相互促进、在工作成效上相得益彰，更加常态化、长效化地防范和治理腐败问题与环境问题，推进生态环境治理体系和治理能力现代化。

注释:

① 数据来源于全球反腐败非政府组织“透明国际”公布的 2012 年和 2021 年全球“清廉指数”（ Corruption Perceptions Index）排名榜。

② 先将能源消耗折算成标准能源消耗量，然后通过二氧化碳排放折算系数计算二氧化碳排放量，其具体公式为:$C=\sum _i^n{E}_i\times {\mathrm{N}\mathrm{V}\mathrm{C}}_i\times {\mathrm{C}\mathrm{C}}_i\times {\mathrm{C}\mathrm{O}\mathrm{F}}_i\times \frac{44}{12}$。其中，C 为碳排放量; E_i 为第 i 种能源的消费量; NVC_i 为第 i 种能源的平均低位发热量; CC_i 为第 i 种能源的碳含量; COF_i 为第 i 种能源的碳氧化因子，此值通常取 1; 44 / 12 表示二氧化碳与碳的分子量之比。

③ 列（ 1）为 2000—2017 年样本数据回归结果，列（ 2）为 2000—2019 年样本数据回归结果，由于 2018—2019 年腐败立案数是采用移动平均法获得，可能存在一定的误差，故本文先对 2000—2017 年样本数据进行回归，实证表明 2000—2019 年样本与 2000—2017 年样本结果相同，反腐败对碳排放效率的影响均呈“U” 型。综上，2000—2019 年样本实证结果符合事实检验，本文其后的实证部分均使用 2000—2019 年样本数据。

④ 资源型省份:天津、河北、山西、内蒙古、辽宁、江西、山东、甘肃、青海、宁夏、新疆。非资源型省份:北京、吉林、黑龙江、上海、江苏、浙江、安徽、福建、河南、湖北、湖南、广东、广西、海南、重庆、四川、贵州、云南、陕西。

⑤ 2013 年共有两轮巡视，巡视地区包括湖北、内蒙古、重庆、贵州、江西、山西、吉林、安徽、湖南、广东、云南。

⑥ 经济高碳排放高的地区:天津、内蒙古、辽宁、上海、江苏、浙江、山东。经济高碳排放低的地区:北京、福建、湖北、广东、重庆。经济低碳排放高的地区:河北、山西、吉林、黑龙江、陕西、青海、宁夏、新疆。经济低碳排放低的地区:安徽、江西、河南、湖南、广西、海南、四川、贵州、云南、甘肃。

参考文献