第一，我国环境立法效率总体上明显优于环境执法效率，这完全符合本文的预期。在我国，负责环境执法的部门主要是各地方政府相关职能机构，我国的政府组织形式又是典型的垂直控制体系，地方政府“对上”负责而非“对下”负责，而且经济绩效是中央政府考核地方官员的主要标准。因此，面对这种现实，地方政府官员往往会过分追求短期内的GDP增长等经济绩效而获得政治上升迁的机会，对不同类型的企业采取“选择性执法”。这进一步验证了Wang and Jin（2007）的观点：中央政府制订的各项环境法规在地区层面普遍“非完全执行”。
　　第二，2006-2010年，我国各省域环境立法效率总体上呈现增长趋势，环境执法效率在2006-2008年保持了类似的趋势，但2008年以后环境执法效率有所下降，且下降趋势较为平稳。说明2006-2008年我国各省域环境法律规制效率稳定增长，环境法律的有效性得到加强，而环境执法效率呈现异常波动的原因可能在于：2008年全球实体经济遭受美国次贷危机的不良影响，整体增长缓慢，地方政府在宏观经济下行压力下更加注重地区GDP的增长，而选择性地通过降低环境执法力度的方式保证经济总量的稳定。
　　第三，2006-2010年，我国各省域环境立法效率和执法效率的标准差分别在0.4和0.2上下呈现先增后减的“倒V型”趋势，一方面说明我国各省域环境立法效率和执法效率存在明显的区域分化，另一方面也说明环境立法效率的区域分化要比环境执法效率的区域分化明显。
　　我国环境法律规制效率的影响因素分析
　　（一）环境法律规制效率空间特征
　　为考察我国各省域环境立法效率和执法效率的空间特征，本文利用GIS工具分别绘制了2006-2010年的环境立法效率和执法效率分布地图，并且按照自然断裂点将环境立法效率和执法效率划分成高、中、低三个梯队。
　　从中可以发现，我国各省域环境立法效率呈现明显的区域分布特征，具体表现为：从东到西环境立法效率呈现规律性的降低趋势，东部地区是环境立法效率的高值集聚区，中部地区次之，西部地区的环境立法效率最低，且这种区域分布特征随着时间的推移愈加明显。环境执法效率同样呈现显著的区域分化特点，但具体的分布特征与环境立法效率并不相同：全国大部分地区的环境执法效率都很低，与环境立法效率广阔的高值集聚区不同，这进一步证明了我国整体上环境执法环节的薄弱。与环境立法效率高值区多位于东部沿海地区不同的是，我国西部地区尤其是西北地区在研究期内持续表现为较高的环境执法效率，可能的原因是西部地区的经济基数较小，增长压力相对较小，因而地方政府倾向于提高环境执法力度。
　　（二）环境法律规制效率空间相关性检验
　　我国各省域的环境法律规制效率存在空间上的关联效应，具体表现为局域的集聚和全域的分化，但是仍然需要通过严格的计量分析来判断这种空间相关性的存在性以及特征。本文利用Moran（1950）提出的Moran I指数验证环境法律规制效率的空间相关性，该指数见式（2）：
　　（2）
　　其中，，Yi指i地区的环境法律规制效率，n为地区总数，wij为空间权重矩阵的元素，本文采用Rook型空间权重矩阵。Moran I指数的取值范围是[-1，1]，大于0时表示存在空间正相关，小于0时表示存在空间负相关，接近于0时表示环境法律规制效率在空间上服从随机分布。对于Moran I指数的计算结果，可用标准统计量Z来检验其显著性水平，见式（3）：
　　（3）
　　本文利用GeoDa0905i工具计算出我国环境法律规制效率2006-2010年的Moran I指数值，如表3所示。可以看出：整体上我国环境立法效率与执法效率均存在统计意义上的空间相关性，具体表现为：2006年环境立法效率在全国层面表现为正向空间相关，此后虽然受2008年全球金融危机的波动性影响逐渐演变成空间排斥布局，但2010年又再次表现为正向空间相关。环境执法效率的正向空间相关性要比环境立法效率的空间相关性更加稳健，且在研究期内均比环境立法效率表现出更强的空间相关性，这与上文的结论基本一致。由于我国环境执法效率整体上均处于较低水平，区域之间的分化并不明显。此外，无论是环境立法效率还是环境执法效率，其Moran I指数值随着时间的推移均基本呈现下降趋势，说明我国环境立法效率与环境执法效率整体上的区域差距均在不断缩小，有利于全国层面环境立法与环境执法工作的协调互补。
　　（三）环境法律规制效率影响因素分析
　　本文进一步讨论环境法律规制效率区域差异的影响因素，根据上文结论，我国环境法律规制效率之间存在空间相关关系并且通过了统计检验，所以应用传统计量模型估计环境法律规制效率的影响因素及其作用方向易产生偏误。本文利用最近发展起来的空间滞后计量模型（spatial lag model ，SLM）和空间误差计量模型（spatial error model，SEM）估计我国环境法律规制效率的影响因素，可以有效地避免可能产生的误差，建立的模型见公式（4）：

     （4）
　　其中，TEit表示i省市在t时间的环境立法效率（LTE）或环境执法效率（ETE），Xit表示控制变量，εit表示随机扰动项。ρ和λ分别为空间滞后系数和空间误差系数，当ρ=0时，空间计量模型被称为空间误差模型（SEM）；当λ=0时，空间计量模型被称为空间滞后模型（SLM），Wij同上。
　　解释变量如下：
　　第一，经济开放程度（OPE），本文利用进出口总额占GDP的比重表示经济开放程度。经济开放对区域的环境法律存在多方面的影响，一方面经济开放对环境立法提出了更高的要求，可能有利于促进环境立法；另外一方面由于我国大多承接国外产业的低端环节，为了吸引外商投资，本地政府有可能抑制当地环境法律的执行，降低环境执法效率。
　　第二，经济增长水平（ECO），本文利用区域GDP的对数值来表示经济增长水平，随着经济发展水平的提高，环境法律无论从立法层面还是执法层面都有望得到加强。
　　第三，居民受教育水平（EDU），本文利用十万人中在校大学生数表示当地的居民受教育水平。一般来说，受教育水平越高的居民对于环境污染的承受力越差，强烈的环保意识有利于促进当地环境法律规制效率的提高。
　　第四，污染治理投资（INV），本文利用污染治理投资额占GDP的比重表示当地的污染治理投资情况。污染治理投资有利于环境法律规制机构的高效运行，从而提高环境法律的规制效率。由于本文的研究期为2006-2010年，故对货币型指标均按照2006年的不变价进行了平减处理，数据来源于2007-2011年《中国统计年鉴》及《中国环境统计年鉴》。 (责任编辑：南粤论文中心)转贴于南粤论文中心: http://www.nylw.net(代写代发论文_毕业论文带写_广州职称论文代发_广州论文网）