近年来我国政府对企业环境治理的监管和执法力度明显增大，并出台了多项环境管制方面的 、法律法规，比如《环境行政处罚办法》、新《环境保护法》《环境保护督察方案(试行) 》和新《环境保护税法》等。这些法律法规不仅包括以促进企业环境合规为主的事前环境规制，还包括对企业环境违规行为提供的事后执法依据和处罚手段，比如新《环境保护法》中对于按日连续处罚的规定，表明按日计罚将使环境执法力度达到量变级的新高度，这无疑对部分长期违法排污企业产生极大的威慑作用。所以在国家积极布局环境治理、严格进行环保监管和执法的制度背景下，本期分享的文章探究了政府对企业环境违规行为的执法处罚如何影响企业环境治理，这对检验环境执法效果具有重要意义，也为进一步完善政府执法提供启示。
▪ 文献来源：陈晓艳,肖华,张国清.环境处罚促进企业环境治理了吗?——基于过程和结果双重维度的分析[J].经济管理,2021,43(06):136-155.
▪ 关键词：环境处罚；企业环境治理；过程维度；结果维度；威慑作用
▪ 内容简介：文章从政府环境执法的层面以及企业环境治理过程和治理结果的双维视角分析环境处罚对企业环境治理的影响。利用2012—2018年沪深A股重污染行业上市公司的研究发现,环境处罚频次和处罚力度均能促进目标企业在过程维度和结果维度的环境治理,表明环境处罚对目标企业的环境治理具有特殊威慑作用。异质性分析发现,环境处罚的特殊威慑作用仅在非国有企业组、融资约束程度较低组和地区环境污染程度较高组显著。进一步分析发现,目标企业的环境处罚还能促进同行业其他企业在过程维度和结果维度的环境治理,表明环境处罚对同行业其他企业还具有一般威慑作用。该研究为政府环境执法对企业环境治理的影响提供了新的证据,并从事后处罚的新视角拓展了环境规制与企业环境治理之间关系的研究,也启示政府要坚持对企业环境治理在事前监管和事后执法的并重。
▪ 创新点：①从企业环境治理的过程和结果双维视角为企业应对环境执法的行为表现提供了新的证据。②首次基于中国的制度背景同时分析了环境处罚对于目标企业和其他企业的威慑作用，拓展了环境执法效果评估的相关文献，并且将环境处罚的两种威慑作用纳入一个研究框架，也有助于解释中国政府的环境执法推动目标企业和其他企业进行环境治理的重要机制。③数据测量方法的创新。文章构建了两大指标体系: 一是环境处罚频次和处罚力度指标，体现的是环境处罚的广度和深度两个层面; 二是企业环境治理指标，包含的是过程和结果两个维度。这些指标能够全面考察环境处罚对企业环境治理的威慑效果，使检验结果更为有效。
▪ CNDD相关数据推荐：
1. 环境处罚频次对目标企业环境治理的特殊威慑作用
环境处罚会导致企业直接和间接的经济利益流出，并给企业带来多项风险和声誉损失。随着环境处罚的次数增多，这些经济利益流出、诸多风险和损失会不断累积加剧，产生更多的威慑作用和负向激励，而且频繁被环境处罚的企业与利益相关者之间的经济往来事项也会受到更多不利影响，这种情况下企业进行环境治理的动机越强。
具体而言，环境处罚频次的特殊威慑作用体现在环境治理的过程和结果两个维度。一方面，在结果维度，由于企业环境治理结果会直接影响监管部门的评价和执法，为了及时改变环境违规的状态，企业会增加合规行为并减少污染。在过程维度，因为执法活动的频次越多，越能提高企业对未来督察和执法行动的威胁感知，企业改善环境治理的动机也越强。而环境治理过程是从根源上改善环境治理结果的重要途径，企业对污染行为进行控制和调整的很多措施就体现在环境治理过程中。因此，文章提出如下假设:
H1 : 环境处罚频次正向影响目标企业的环境治理。
H1a : 环境处罚频次正向影响目标企业的环境治理过程维度。
H1b : 环境处罚频次正向影响目标企业的环境治理结果维度。
2. 环境处罚力度对目标企业环境治理的特殊威慑作用
从威慑效果而言，环境处罚力度越大，表明政府执法的强制性压力越大，企业面临的合法性威胁和声誉损失也越大，则企业环境治理受到的负向激励更强。
具体而言，环境处罚力度的特殊威慑作用也可能体现在环境治理的过程维度和结果维度。在结果维度，企业面临越大力度的处罚，越想要迅速将相关违规指标改善至合规状态，并消除不利影响。为此，企业可能会采取短期应对策略或表征性行为以快速提高环境治理结果水平。在过程维度，较大力度的环境处罚也可能在更大程度上威慑企业进行环境治理过程的投入和创新，尤其对于一些被严重处罚的目标企业，它们在未来有更大可能性被再次督察或执法，所以从长远考虑，企业唯有从过程维度出发进 行环境治理，才能彻底改善环境治理结果。基于此，文章提出如下假设:
H2 : 环境处罚力度正向影响目标企业的环境治理。
H2a : 环境处罚力度正向影响目标企业的环境治理过程维度。
H2b : 环境处罚力度正向影响目标企业的环境治理结果维度。
文章依据 2010 年《上市公司环境信息披露指南》( 征求意见稿) 中界定的 16 类重污染行业，选取 2012—2018 年沪深 A 股重污染行业的上市公司作为研究样本，并剔除金融业和 ST、PT 类以及数据缺失的样本，得到 6016 个公司年度观测值。
根据理论分析，环境处罚频次和处罚力度对于企业环境治理及其过程和结果维度的影响， 可能存在线性关系，也可能存在非线性关系。对此，在构建模型前需要确立最优的检验形式。为了验证非线性关系，文章分别以环境处罚频次和处罚力度为门限变量，进行面板数据门限效应的检验。文章首先进行了门限效应的显著性检验，运用 Bootstrap 方法估计门限值的统计显著性。结果显示，环境处罚频次和处罚力度的门限估计值并不显著，拒绝了非线性回归的门限模型，表明文章研究问题更适合进行线性回归分析。因此，本文仅构建如下的线性回归模型，模型(1) 是检验假设 H1、假设 H1a和假设 H1b，模型( 2) 是检验假设 H2、假设 H2a和假设 H2b :
上述模型中被解释变量都分别包括企业环境治理、环境治理过程维度和环境治理结果维度 ( EGI、EGPI 和 EGOI) 。模型(1) 的解释变量为环境处罚频次，借鉴邱牧远和殷红( 2019) 的做法，文章整理了企业因环境违规受到处罚的总次数，即加总各上市公司及其关联子公司在会计年度内受到的环境处罚次数，作为环境处罚频次的初始指标( P_number_original) 。然后，文章对其进行 Z 值标准化处理，得到环境处罚频次的衡量指标( P_number) 。
模型(2) 的解释变量是环境处罚力度。本文依据企业环境违法违规行为记分标准，对每种环境处罚类型客观地赋予其相应的分值，如表 1 所示，如果企业受到的环境处罚力度越大，则分值越大。然后，本文对过去一年中企业受处罚次数和每次处罚对应的分值进行相乘后加总，得到环境处罚力度的初始指标( P_degree_original) 。最后，本文对其进行 Z 值标准化处理，得到环境处罚力度的衡量指标( P_degree) 。
此外，文章还控制了公司特征的一系列变量以及行业和年度虚拟变量，变量定义如表 2 所示。
如表5所示，第(1) ～ (3) 列是基于模型(1) 的 OLS 回归结果，被解释变量分别为企业环境治 理、环境治理过程维度和环境治理结果维度( EGI、EGPI 和 EGOI) ，解释变量均为环境处罚频次( P_ number) ，结果显示，环境处罚频次与企业环境治理及其过程和结果维度之间均显著正相关。结果表明，随着环境处罚频次增多，企业面临的经济损失、合法性威胁以及未来被督察和执法的风险会越大，同时，多次累积的处罚成本和风险给企业带来的负向激励和特殊威慑作用也会越强，进而正向促进了目标企业的环境治理，包括在过程维度和结果维度的环境治理。因此，回归结果支持假设 H1、假设 H1a和假设 H1b。
第(4) ～ (6) 列是基于模型(2) 的 OLS 回归结果，被解释变量分别为企业环境治理、环境治理过程维度和环境治理结果维度，解释变量均为环境处罚力度( P_degree) ，结果显示，环境处罚力度与企业环境治理及其过程和结果维度之间均显著正相关。结果表明，随着环境处罚力度增大，政府环境执法的强制性压力和特殊威慑作用越大，同时，企业遭受的经济损失和合法性威胁也会越大，这种情况下企业改善环境治理的动机更强。因此，环境处罚力度正向促进了目标企业的环境治理，包括对过程维度和结果维度的环境治理，回归结果支持假设 H2、假设 H2a和假设 H2b。
1. 除中国深度数据库（CNDD）特殊声明外，CNDD对基于合法来源的数据的选择、整理和编排具有独创性。任何自然人、法人、其他组织未经CNDD授权，不得以任何目的截取、上传、下载、复制、修改、使用、编译等或者以任何方式任何媒介传播上述作品的任何部分，否则视为侵权。
2. 对于存在侵害CNDD上述权利违法行为的主体，CNDD保留依法追究其法律责任的权利。
任何使用CNDD数据等产品的单位和个人，承诺只将CNDD的数据等用于学术研究，并在所得研究成果（包括但不限于学术论文、咨询报告等）中注明数据来源于CNDD。数据来源的注明方式请参考：“本研究数据来源于中国深度数据库CNDD”；英文参考：“We get the data from CNDeepData (CNDD)”。
CNDeepData
中国深度数据库：让精品数据，得以流动。
CNDeepData: Let high-quality data flow without barriers
114篇原创内容
公众号
中国深度数据库：让精品数据 得以流动
CNDeepData：Let high-quality data flow without barriers
部分图片来源于网络，如涉侵权请告知，本站将第一时间删除。客服微信号：DeepData001
