中央生態(tài)環(huán)境保護(hù)督察對經(jīng)濟(jì)短期影響的計量分析評估

文秋霞, 楊姝影, 朱鶴, 馮雁, 劉智超, 夏揚(yáng)

(1. 生態(tài)環(huán)境部環(huán)境與經(jīng)濟(jì)政策研究中心, 北京 100029;2. 北京大學(xué)匯豐商學(xué)院海上絲路研究中心, 北京 100871)

中央生態(tài)環(huán)境保護(hù)督察(以下簡稱生態(tài)環(huán)保督察)是黨中央、 國務(wù)院推進(jìn)生態(tài)文明建設(shè)和生態(tài)環(huán)境保護(hù)工作的重大制度創(chuàng)新。2015年7月, 原中央全面深化改革領(lǐng)導(dǎo)小組第十四次會議審議通過 《環(huán)境保護(hù)督察方案(試行)》, 明確建立環(huán)保督察機(jī)制。2015年12月, 生態(tài)環(huán)保督察試點(diǎn)在河北展開。從2016年正式開展以來,生態(tài)環(huán)保督察分四個批次進(jìn)行, 真正實(shí)現(xiàn)了全國31 個省區(qū)市(港澳臺地區(qū)除外)的全覆蓋。

2016—2017年四批的生態(tài)環(huán)保督察給我國環(huán)保領(lǐng)域帶來了深刻變化。環(huán)保水平達(dá)標(biāo)的企業(yè)效益明顯提升,重污染行業(yè)的發(fā)展得到遏制, 京津冀地區(qū)空氣質(zhì)量明顯改善, 人民群眾的獲得感顯著提高。學(xué)界和社會對生態(tài)環(huán)保督察執(zhí)法對我國經(jīng)濟(jì)的長期利好均無異議, 但對短期影響各方觀點(diǎn)不一, 其定量研究不足。有觀點(diǎn)認(rèn)為,生態(tài)環(huán)保督察雖然取得了顯著成效, 代價卻是降低了GDP 增速, 阻礙了我國宏觀經(jīng)濟(jì)發(fā)展。為了弄清生態(tài)環(huán)保督察對我國經(jīng)濟(jì)是否存在短期影響以及影響的程度,我們收集了宏觀經(jīng)濟(jì)數(shù)據(jù)、 金融監(jiān)管數(shù)據(jù)和生態(tài)環(huán)保督察數(shù)據(jù), 從生態(tài)環(huán)保督察對財政收入、 工業(yè)增加值和GDP 等影響方面進(jìn)行定量分析。

1 基于VAR 模型的生態(tài)環(huán)保督察對財政收入的實(shí)證分析

1.1 基本估計思路

首輪中央生態(tài)環(huán)保督察從2015年底開始, 經(jīng)過四批督察實(shí)現(xiàn)了全國各省區(qū)市(港澳臺地區(qū)除外)全覆蓋,各省區(qū)市生態(tài)環(huán)保督察具體進(jìn)駐時間點(diǎn)見表1。影響財政收入的因素有很多, 比如經(jīng)濟(jì)增長和稅制改革等。生態(tài)環(huán)保督察屬于外生沖擊因素, 可以利用反事實(shí)的思路來估計其政策效果。

表1 各批次生態(tài)環(huán)保督察進(jìn)駐時間點(diǎn)

反事實(shí)的估計思路是指環(huán)保督察在某個時期內(nèi)對財政收入產(chǎn)生外生沖擊。因此, 在這個時期外構(gòu)建時間序列模型, 對這段時期的財政收入進(jìn)行預(yù)測, 得到的財政收入就是環(huán)保督察沒有發(fā)生情況下的數(shù)據(jù), 也就是反事實(shí)數(shù)據(jù)。那么, 反事實(shí)數(shù)據(jù)與現(xiàn)實(shí)數(shù)據(jù)之差就是環(huán)保督察對財政收入的影響規(guī)模。

1.2 模型構(gòu)建

構(gòu)建向量自回歸(VAR)模型來預(yù)測環(huán)保督察對財政收入的影響, 具體模型形式如下：

FI表示財政收入;lngdp為名義GDP 的對數(shù), 經(jīng)濟(jì)增長是影響財政收入的重要因素, 中國經(jīng)濟(jì)增長在2013年有所下滑, 也會嚴(yán)重影響財政收入;ppi表示生產(chǎn)價格指數(shù), 是表征經(jīng)濟(jì)景氣的重要指標(biāo), 與財政收入有較強(qiáng)相關(guān)性。另外, 財政收入月度數(shù)據(jù)具有明顯月度效應(yīng), 當(dāng)期財政收入受滯后12 期的財政收入顯著影響。模型數(shù)據(jù)都是月度數(shù)據(jù), 樣本期間為2000年1月到2016年12月, 數(shù)據(jù)來源于Wind 數(shù)據(jù)庫?？紤]月度數(shù)據(jù)的可得性, 本模型選取 GDP 增長率和 ppi 作為解釋變量。

模型形式選擇向量自回歸(VAR)模型, 這是由于該模型具有較好的預(yù)測效果?？梢岳肰AR 模型模擬環(huán)保督察之后的財政收入數(shù)據(jù), 而且有較好的估計精度,從而得到政策效果對比, 符合估計思路。另外, 通過對全國財政收入數(shù)據(jù)的平穩(wěn)性分析檢驗, 這一時間序列數(shù)據(jù)是平穩(wěn)的, 可以使用VAR 模型。

1.3 變量描述性統(tǒng)計和模型回歸結(jié)果

模型主要變量描述性統(tǒng)計分析結(jié)果如表2 所示。2017年全國財政收入數(shù)據(jù)基于此模式進(jìn)行模擬估計,模型回歸結(jié)果見表3 所示。

表2 主要變量描述性統(tǒng)計分析結(jié)果

表3 模型回歸結(jié)果

1.4 模型估計結(jié)果及分析

從全國財政收入預(yù)測值與實(shí)際值初步對比結(jié)果(圖1)看, 2017年1—11月, 全國財政收入實(shí)際值比預(yù)測值減少 347 億元。從具體月份看, 1月、 3月和 9月的預(yù)測值低于實(shí)際值, 10月和11月的預(yù)測值高于實(shí)際值,說明財政收入在1月、 3月和9月受到正向促進(jìn), 在10月和11月受到負(fù)向影響稍大。值得注意的是, 如果在預(yù)測數(shù)據(jù)的時期內(nèi), 除生態(tài)環(huán)保督察外, 還有其他外生變量影響財政收入數(shù)據(jù), 那么兩個數(shù)據(jù)之差是環(huán)保督察和這個外生變量共同作用的結(jié)果。在預(yù)測期內(nèi), 除生態(tài)環(huán)保督察外, 營改增和規(guī)范非稅收入對財政收入也產(chǎn)生了顯著的短期影響。

圖1 生態(tài)環(huán)保督察對全國財政收入的影響

2017年11月, 全國一般公共預(yù)算收入11385 億元,同比下降1.4%。當(dāng)月收入增幅回落, 主要是由于非稅收入、 耕地占用稅、 城鎮(zhèn)土地使用稅等下降較多。其中, 非稅收入2606 億元, 同比下降12.9%。同期, 企業(yè)所得稅31946 億元, 同比增長12%, 證明了環(huán)保督察沒有影響到企業(yè)所得稅的增長。

從規(guī)模來看, 非稅收入同比減少約1100 億。根據(jù)國家稅務(wù)總局的數(shù)據(jù), 因全面推開營改增試點(diǎn), 2017年1—11月累計減稅 7162 億元。兩者相加共減少稅收8200 多億元, 遠(yuǎn)大于全國財政收入實(shí)際值比預(yù)測值減少的347 億元。

綜上可知, 在考慮到規(guī)范非稅收入和營改增對財政收入的影響后, 生態(tài)環(huán)保督察對財政收入非但沒有產(chǎn)生負(fù)面的影響, 反而使財政收入增加。具體機(jī)制包括通過訂單轉(zhuǎn)移、 行業(yè)集中度的提高增加了相關(guān)行業(yè)的稅基,同時環(huán)保產(chǎn)業(yè)的快速發(fā)展也為稅收收入做出了一定貢獻(xiàn)。

2 基于地區(qū)數(shù)據(jù)的生態(tài)環(huán)保督察對GDP 短期影響的實(shí)證分析

本部分主要是檢驗生態(tài)環(huán)保督察是否對各地區(qū)的短期經(jīng)濟(jì)發(fā)展水平產(chǎn)生顯著影響。我們將生態(tài)環(huán)保督察作為解釋變量, 工業(yè)增加值、 GDP、 第二產(chǎn)業(yè)占 GDP 比重等反映地區(qū)短期經(jīng)濟(jì)發(fā)展水平的指標(biāo)作為被解釋變量, 設(shè)計出7 個計量經(jīng)濟(jì)學(xué)模型, 看解釋變量的系數(shù)是否通過顯著性檢驗(T 檢驗)。若T 檢驗可通過, 則說明環(huán)保督察對地區(qū)經(jīng)濟(jì)發(fā)展水平產(chǎn)生了顯著影響, 若不通過, 則說明環(huán)保督察對地區(qū)經(jīng)濟(jì)發(fā)展水平?jīng)]有產(chǎn)生顯著影響。若系數(shù)為正, 則是正向影響; 為負(fù), 則是負(fù)向影響。

2.1 模型建立和說明

我們收集了31 個省區(qū)市(港澳臺地區(qū)除外)2016年第1 季度至2017年第3 季度的季度數(shù)據(jù), 設(shè)計出以下7個計量經(jīng)濟(jì)學(xué)模型, 試圖將生態(tài)環(huán)保督察對經(jīng)濟(jì)的影響從其他影響中剝離出來, 來實(shí)證分析生態(tài)環(huán)保督察對地區(qū)經(jīng)濟(jì)發(fā)展水平的具體作用程度。

模型 1：indaddedi,t=β2supi,t+εi,t

模型 2：gdpi,tβ1indi,t+γZi,t+εi,t

模型 3：gdpi,t=β2supi,t+γZi,t+εi,t

模型 4：gdpi,t=α(indi,t?supi,t)+β1indi,t+β2supi,t+γZi,t+εi,t

模型 5：gdpi,t=σθL1gdp+β1indi,t+γZi,t+εi,t

模型 6：gdpi,t=θL1gdp+β2supi,t+γZi,t+εi,t

模型 7：gdpi,t=θL1gdp+α(indi,t?supi,t)+β1indi,t+β2supi,t+γZi,t+εi,t

以上模型中,i為地區(qū),t為季度,Z是一組控制變量的合集,εi,t為殘差。選擇控制變量時, 考慮到對地區(qū)經(jīng)濟(jì)增長水平有重要影響且會較大程度受到首輪生態(tài)環(huán)保督察影響的是第二產(chǎn)業(yè), 將第二產(chǎn)業(yè)占GDP 比重作為一個控制變量; 考慮到去庫存對經(jīng)濟(jì)的影響, 加入固定資產(chǎn)投資(invest)作為一個控制變量; 考慮到金融監(jiān)管對經(jīng)濟(jì)的影響, 加入銀行信貸占融資的比重(bank)作為一個控制變量; 考慮到地區(qū)市場化程度的現(xiàn)實(shí)差異, 加入市場化進(jìn)程指數(shù)(market)作為一個控制變量;而技術(shù)進(jìn)步、 進(jìn)出口貿(mào)易等因素主要影響地區(qū)長期的經(jīng)濟(jì)發(fā)展, 對地區(qū)短期(例如一個季度)的經(jīng)濟(jì)發(fā)展水平影響有限, 考慮到我們的目的是檢驗生態(tài)環(huán)保督察是否對各地區(qū)的短期(2016年第1 季度至2017年第3 季度)經(jīng)濟(jì)發(fā)展水平產(chǎn)生顯著影響, 故模型設(shè)計中沒有將這些因素作為控制變量。此外, 考慮到可能存在影響經(jīng)濟(jì)發(fā)展水平但又未被納入考慮的因素, 設(shè)置了殘差εi,t, 一定程度上保證了即使遺漏某些變量也不會對模型結(jié)果產(chǎn)生較大影響。

模型1 的indadded 是指各省區(qū)市的工業(yè)增加值, 為該模型的被解釋變量; 解釋變量為生態(tài)環(huán)保督察的虛擬變量, 用sup 表示。在生態(tài)環(huán)保督察發(fā)生的時間和地區(qū), sup 賦值為1, 反之賦值為0。

模型2～模型4 的gdp 為模型的被解釋變量, 是指各省區(qū)市的經(jīng)濟(jì)發(fā)展水平, 用地區(qū)GDP 的對數(shù)(lngdp)和地區(qū)GDP 的季度同比(gdp1)分別衡量; 模型2 的解釋變量為第二產(chǎn)業(yè)占GDP 的比重, 用ind 表示; 模型3的解釋變量為生態(tài)環(huán)保督察的虛擬變量, 用sup 表示,在生態(tài)環(huán)保督察發(fā)生的時間和地區(qū), sup 賦值為1, 反之賦值為0; 模型4 的解釋變量為第二產(chǎn)業(yè)占GDP 的比重、 生態(tài)環(huán)保督察的虛擬變量以及二者交乘項, 分別用ind、 sup 和 ind?sup 表示。

模型5～模型7 分別在模型2～模型4 的基礎(chǔ)上增加了一個解釋變量, 即被解釋變量 gdp 的前一期, 用L1.gdp 表示。這樣設(shè)計主要是考慮到生態(tài)環(huán)保督察對地區(qū)經(jīng)濟(jì)的影響可能具有滯后性, 而且這種滯后性不僅體現(xiàn)為解釋變量對被解釋變量影響的滯后, 還會在前期被解釋變量對當(dāng)期被解釋變量的影響層面得到體現(xiàn)。

表4 變量匯總表

2.2 數(shù)據(jù)來源

地區(qū)生產(chǎn)總值、 工業(yè)增加值、 第二產(chǎn)業(yè)占GDP 比重、 固定資產(chǎn)投資的數(shù)據(jù)來源于國家和各省區(qū)市統(tǒng)計局; 金融監(jiān)管(銀行信貸占融資的比重)的數(shù)據(jù)來源于中國人民銀行; 生態(tài)環(huán)保督察的數(shù)據(jù)來源于生態(tài)環(huán)境部; 市場化進(jìn)程指數(shù)的數(shù)據(jù)出自王小魯、 樊綱和余靜文所著 《中國分省份市場化指數(shù)報告(2016)》, 具體數(shù)據(jù)從wind 數(shù)據(jù)庫獲得。數(shù)據(jù)分析所用軟件為stata14.0。

2.3 實(shí)證結(jié)果

首先說明, 在對全樣本進(jìn)行實(shí)證檢驗時, 按照包括試點(diǎn)省份(河北)和不包括試點(diǎn)省份(河北)兩種情況考慮。

2.3.1 描述性統(tǒng)計分析結(jié)果

對全國31 個省區(qū)市(港澳臺地區(qū)除外)2016年第一季度到2017年第三季度的季度數(shù)據(jù)進(jìn)行統(tǒng)計整理, 共獲得217 個有效樣本點(diǎn), 描述性統(tǒng)計分析結(jié)果如表5 所示。

2.3.2 相關(guān)分析結(jié)果

回歸分析之前需要先進(jìn)行變量相關(guān)分析, 結(jié)果(參見表6)顯示解釋變量與被解釋變量間有顯著的相關(guān)性,而且解釋變量間的相關(guān)程度不高, 不存在嚴(yán)重的多重共線性, 表明變量選取合適, 可以進(jìn)一步進(jìn)行回歸分析。

表5 主要變量描述性統(tǒng)計分析結(jié)果

表6 主要變量相關(guān)分析結(jié)果

2.3.3 回歸模型實(shí)證結(jié)果

(1)對工業(yè)增加值的影響。利用模型1 來實(shí)證分析生態(tài)環(huán)保督察(sup)對各個地區(qū)工業(yè)增加值(indadded)的影響。一般而言, 工業(yè)增加值越高的地區(qū), 經(jīng)濟(jì)發(fā)展水平(GDP)越高(模型2 可驗證)。在分析過程中考慮到地區(qū)工業(yè)增加值與第二產(chǎn)業(yè)占GDP 的比重有重要關(guān)系, 所以取生態(tài)環(huán)保督察(sup)和第二產(chǎn)業(yè)占GDP 的比重(ind)二者交叉相乘, 根據(jù)二者交乘項系數(shù)的符號,來判斷生態(tài)環(huán)保督察對地區(qū)工業(yè)增加值為正向影響還是負(fù)向影響。

從結(jié)果(表7)可以看出, 無論考慮試點(diǎn)省份(河北)還是不考慮試點(diǎn)省份(河北), 首輪四批次的生態(tài)環(huán)保督察, sup 與ind 的交乘項(sup_ind)系數(shù)都為負(fù), 說明生態(tài)環(huán)保督察對地區(qū)工業(yè)增加值產(chǎn)生負(fù)向影響, 但這些系數(shù)除了第二批次通過顯著性檢驗(T 檢驗), 其他都沒有通過顯著性檢驗, 表明生態(tài)環(huán)保督察對地區(qū)工業(yè)增加值的負(fù)向影響并不顯著。

表7 生態(tài)環(huán)保督察對工業(yè)增加值的影響

(2)對 GDP 的影響：全樣本回歸結(jié)果。模型 2 ～模型4 的回歸結(jié)果見表8 和表9 所示。

模型2 是為了檢驗各地區(qū)工業(yè)發(fā)展水平(ind)對地區(qū)經(jīng)濟(jì)發(fā)展水平(GDP)的影響。從結(jié)果來看, 表8 中ind 的系數(shù)為2.477, 大于0, 在1%水平可通過顯著性T檢驗; 表9 中ind 的系數(shù)為2.284, 大于0, 在1%水平可通過顯著性T 檢驗, 表明工業(yè)發(fā)展水平越高的地區(qū),經(jīng)濟(jì)發(fā)展水平越高。

模型3 是為了檢驗生態(tài)環(huán)保督察(sup)對地區(qū)經(jīng)濟(jì)發(fā)展水平(GDP)的影響。從結(jié)果來看, 表8 中sup 的系數(shù)為0.186, 大于0, 在10%水平可通過顯著性T 檢驗;表9 中sup 的系數(shù)為0.120, 大于0, 未通過顯著性T 檢驗; 兩種結(jié)果的sup 系數(shù)值均不為負(fù), 表明首輪中央環(huán)保督察雖然對地區(qū)經(jīng)濟(jì)發(fā)展水平產(chǎn)生的正向影響并沒有太強(qiáng)的顯著性, 但至少可以肯定的是首輪中央環(huán)保督察并沒有對地區(qū)經(jīng)濟(jì)發(fā)展水平產(chǎn)生顯著的負(fù)面影響。

模型4 是在模型2 和模型3 的基礎(chǔ)上加入第二產(chǎn)業(yè)占GDP 比重與生態(tài)環(huán)保督察的交乘項作為解釋變量, 檢驗生態(tài)環(huán)保督察(sup)和各地區(qū)工業(yè)發(fā)展水平(ind)對地區(qū)經(jīng)濟(jì)發(fā)展水平(GDP)的影響。從結(jié)果來看, 表8 和表9 中不管是針對lngdp 的回歸, 還是針對gdp1 的回歸, ind 的系數(shù)和sup 的系數(shù)均大于0, 再看ind 與sup 的交乘項系數(shù), 數(shù)值均為負(fù), 但基本都未通過顯著性檢驗, 表明生態(tài)環(huán)保督察(sup)對地區(qū)經(jīng)濟(jì)發(fā)展水平(GDP)的影響有正有負(fù), 做減法的同時也會做加法, 再次印證了首輪生態(tài)環(huán)保督察并沒有對地區(qū)經(jīng)濟(jì)發(fā)展水平產(chǎn)生顯著的負(fù)面影響。

表8 全樣本回歸結(jié)果(包括試點(diǎn))

表9 全樣本回歸結(jié)果(不包括試點(diǎn))

(3)對GDP 的影響：增加前一期GDP 作為解釋變量的GMM 結(jié)果。為控制可能的內(nèi)生性, 增加前一期GDP 作為解釋變量, 并用廣義矩估計方法(GMM)進(jìn)行分析, 結(jié)果如表10 和表11 所示。

表11 增加前一期GDP 作為解釋變量的GMM 結(jié)果(不包括試點(diǎn))

總的來說, 從結(jié)果看, 增加前一期GDP 作為解釋變量后, 模型5～模型7 的各解釋變量和控制變量的系數(shù)通過顯著性T 檢驗率大幅提升, 表明構(gòu)建模型時將影響滯后考慮在內(nèi)這種思路是正確的。

具體來看, 模型5 與模型2 結(jié)果類似, 同樣說明了工業(yè)發(fā)展水平越高的地區(qū), 經(jīng)濟(jì)發(fā)展水平越高。模型6無論是針對lngdp 的回歸, 還是針對gdp1 的回歸, sup的系數(shù)均大于0, 且都能在10%水平通過顯著性T 檢驗, 表明充分考慮影響滯后性, 首輪中央環(huán)保督察對地區(qū)經(jīng)濟(jì)發(fā)展水平會產(chǎn)生顯著的正向促進(jìn)。模型7 與模型4 結(jié)果類似, 增加前一期GDP 作為解釋變量后, 生態(tài)環(huán)保督察(sup)和各地區(qū)工業(yè)發(fā)展水平(ind)的回歸系數(shù)均大于0, 且通過了顯著性T 檢驗; 再看 ind 與 sup 的交乘項系數(shù), 數(shù)值雖均為負(fù), 但都未通過顯著性檢驗, 表明首輪生態(tài)環(huán)保督察并沒有對地區(qū)經(jīng)濟(jì)發(fā)展水平產(chǎn)生顯著的負(fù)面影響, 從某種程度上看, 還表現(xiàn)出一定的正向促進(jìn)作用。

3 結(jié)論和建議

3.1 評估結(jié)論

在財政收入方面, 通過構(gòu)建向量自回歸(VAR)模型, 利用2000年1月到2016年12月的月度數(shù)據(jù), 分析研究表明：(1)預(yù)測在沒有生態(tài)環(huán)保督察發(fā)生情況下的2017年1—11月的財政收入, 實(shí)際值比預(yù)測值減少了347 億元, 影響很小。(2)從月份看, 財政收入在1月、3月和9月中受到正向促進(jìn), 在10月和11月中受到負(fù)向影響稍大。(3)扣除預(yù)測期內(nèi)營改增和規(guī)范非稅收入對財政收入的顯著影響, 生態(tài)環(huán)保督察對財政收入不但沒有產(chǎn)生負(fù)面影響, 反而使財政收入增加。

在地區(qū)經(jīng)濟(jì)方面, 通過構(gòu)建計量經(jīng)濟(jì)學(xué)模型, 將生態(tài)環(huán)保督察對經(jīng)濟(jì)的影響從其他影響中剝離出來。31個省區(qū)市(港澳臺地區(qū)除外)2016年第1 季度至2017年第3 季度共217 個有效樣本的數(shù)據(jù)分析表明：(1)生態(tài)環(huán)保督察對地區(qū)工業(yè)增加值并沒有產(chǎn)生顯著的負(fù)向影響。(2)生態(tài)環(huán)保督察對地區(qū)經(jīng)濟(jì)發(fā)展水平產(chǎn)生的正向影響并不顯著。(3)考慮影響滯后性即增加前一期GDP作為解釋變量后, 生態(tài)環(huán)保督察對地區(qū)經(jīng)濟(jì)增長的影響還表現(xiàn)出一定的正向促進(jìn)作用。

綜合來看, 計量分析評估表明, 生態(tài)環(huán)保督察與財政政策、 貨幣政策等具有總量調(diào)控效應(yīng)的政策明顯不同, 生態(tài)環(huán)保督察對中國經(jīng)濟(jì)的短期影響并不大, 這種局部、 短期沖擊不會影響經(jīng)濟(jì)的總體趨勢和長期趨勢,不宜高估、 放大其對經(jīng)濟(jì)的短期影響或者將其他影響歸為生態(tài)環(huán)保督察執(zhí)法。

3.2 建議

首先要堅定維護(hù)生態(tài)環(huán)保督察執(zhí)法權(quán)威, 保持戰(zhàn)略定力。生態(tài)環(huán)境部門應(yīng)堅定執(zhí)法決心, 不必過度擔(dān)憂生態(tài)環(huán)保督察對中國經(jīng)濟(jì)的短期影響。向市場和社會釋放出明確的信號, 打破個別行業(yè)和企業(yè)對生態(tài)環(huán)保督察即將放松的錯誤預(yù)期。盡快建立常態(tài)化、 制度化的生態(tài)環(huán)保督察機(jī)制。繼續(xù)加強(qiáng)對高污染、 高耗能行業(yè)的環(huán)保整治, 提升行業(yè)技術(shù)水平, 倒逼相關(guān)行業(yè)轉(zhuǎn)型升級。一是繼續(xù)加大加強(qiáng)對高污染行業(yè)的督察范圍和督察力度, 徹底摒棄 “先污染后治理” 的錯誤思想, 發(fā)展經(jīng)濟(jì)的同時必須兼顧生態(tài)環(huán)境保護(hù)。二是鼓勵產(chǎn)能升級和置換, 盡快淘汰落后產(chǎn)能, 推動高耗能、 高污染行業(yè)的轉(zhuǎn)型和升級, 提升產(chǎn)能利用率。三是建立常態(tài)化的生態(tài)環(huán)保監(jiān)控體系, 使未來的生態(tài)環(huán)保督察常態(tài)化發(fā)展。

其次, 要繼續(xù)防止督察執(zhí)法過程 “一刀切”, 建立關(guān)停企業(yè)與就業(yè)轉(zhuǎn)移相結(jié)合的促進(jìn)機(jī)制。在生態(tài)環(huán)保督察執(zhí)法過程中, 對有治理潛力的企業(yè), 可通過財政扶持、 稅費(fèi)優(yōu)惠等經(jīng)濟(jì)政策, 讓企業(yè)從環(huán)境治理上獲益。對治理無望關(guān)停的企業(yè), 應(yīng)重點(diǎn)抓好就業(yè)轉(zhuǎn)移和產(chǎn)業(yè)布局, 按不同地區(qū)就業(yè)壓力程度和特點(diǎn), 設(shè)置配套的就業(yè)轉(zhuǎn)移和分流政策。一是因地因人制宜。根據(jù)不同地區(qū)的實(shí)際情況, 抓好就業(yè)轉(zhuǎn)移的重點(diǎn)和產(chǎn)業(yè)布局, 開拓新的經(jīng)濟(jì)發(fā)展和就業(yè)模式, 針對部分壓力較大的地區(qū)可以開展專項就業(yè)援助行動。職工的情況千差萬別, 訴求不一, 相應(yīng)地, 就業(yè)轉(zhuǎn)移路徑也要包括 “行業(yè)內(nèi)部分流”“轉(zhuǎn)崗就業(yè)創(chuàng)業(yè)” 等多元化措施。二是要用市場化的手段。參考去產(chǎn)能職工安置采取的 “政策托底+市場分流” 模式, 就業(yè)轉(zhuǎn)移不是簡單的財政輸血, 應(yīng)該以幫助受影響職工找到實(shí)現(xiàn)價值的崗位為目的。督促企業(yè)和地方政府實(shí)施專項職業(yè)培訓(xùn)計劃, 做好轉(zhuǎn)崗、 再就業(yè)培訓(xùn), 幫助職工提升技能、 適應(yīng)新產(chǎn)業(yè)新崗位, 同時給予財政支持和托底。

再次, 要加大財政對環(huán)保產(chǎn)業(yè)和污染企業(yè)環(huán)保設(shè)備更換升級的支持力度, 規(guī)范整合環(huán)保稅收優(yōu)惠政策。加大財政對環(huán)保產(chǎn)業(yè)的轉(zhuǎn)移支付, 鼓勵成立政府基金, 一方面支持環(huán)保產(chǎn)業(yè)發(fā)展, 另一方面為高污染企業(yè)環(huán)保設(shè)備迅速更新升級提供一定補(bǔ)貼。另外, 在稅收方面, 強(qiáng)調(diào)稅收行業(yè)公平性, 以調(diào)結(jié)構(gòu)為主, 不宜進(jìn)一步加大優(yōu)惠。界定環(huán)保稅收優(yōu)惠政策范圍, 規(guī)范整合現(xiàn)有環(huán)保稅收優(yōu)惠政策, 形成相互結(jié)合的體系。更新陳舊稅收優(yōu)惠目錄, 調(diào)整稅收優(yōu)惠政策, 使其傾向于環(huán)保技術(shù)研發(fā)和轉(zhuǎn)讓。

此外, 還要加大輿論引導(dǎo), 讓企業(yè)、 公眾和全社會全面認(rèn)識生態(tài)環(huán)保督察執(zhí)法的作用與成效。同時改善地方考核機(jī)制, 提升生態(tài)環(huán)保權(quán)重, 避免出現(xiàn)生態(tài)環(huán)保督察執(zhí)法做得好的地區(qū)反而發(fā)展受損的不合理局面。