制度质量知识资本与工业绿色生产效率提升

刘英基

(河南师范大学 公共政策与社会管理创新研究中心,河南 新乡 453007)

在理论分析的基础上,采用GML指数法测算2001-2015年中国各省份工业绿色生产效率变化情况,实证检验制度质量及其调节下知识资本对工业绿色生产效率的影响作用。结果发现,市场化程度、契约执行度对工业绿色生产效率增长具有促进作用,而环境管制强度对技术进步、效率变化的短期作用不明显;制度质量各指标的二次项系数均显著为正,对工业绿色生产效率提升具有长效作用;知识资本各指标除国外技术引进强度外均对工业绿色生产效率具有正向促进作用;制度质量调节下知识资本对工业绿色生产效率具有促进作用。因此,应持续优化制度质量,建立长效机制,实施差异化知识资本积累与创新驱动战略。

关键词制度质量;知识资本;工业绿色生产效率

0 引言

随着中国经济发展进入新常态,生产要素供给与产品需求结构、约束条件发生了巨大变化,粗放型增长模式难以为继,可持续发展形势更加严峻[1]。必须坚持走创新、绿色发展之路,提高经济增长质量和效益,注重资源节约与环境保护。随着创新、绿色、协调发展理念的深化,激励企业加强绿色工艺创新已成为推动工业绿色生产效率提升的重要路径。系统探究制度质量、知识资本对工业绿色生产效率的作用机制及贡献程度,有助于为制定差异化公共政策、推动工业转型升级提供科学依据。

工业绿色生产效率很大程度上受制度质量的影响,制度质量在政策制定、执行与资源配置方面扮演着关键角色,对企业投资与经营决策具有直接或间接影响[2]。制度质量包括政府对企业干预的减少程度、契约执行与法治化水平等,对企业绿色工艺创新具有正向调节作用[3]。企业技术创新决策基于制度导向,好的制度能够保护产权、激励企业创新,通过构建创新激励机制和节约交易费用,为知识、信息传播与技术扩散提供重要条件,而劣质制度则可能抑制知识、信息传播与技术扩散。好的制度能够促进企业管理与技术创新,从而推动工业转型升级。知识产权保护、契约执行度等制度质量影响企业创新剩余收益权的实现,能够保障研发机构研发供给、激发企业技术创新动机,是技术创新制度比较优势的基础[4]。清晰的产权制度与市场化程度是激发企业研发创新与保障企业创新回报率的制度基础。陈诗一[5]认为,中国环境管制政策具有明显的绿色革命成效,重工业绿色全要素生产率、技术进步与效率增长超过了轻工业,环境管制的资源配置效应与技术效应初步显现。地方政府通过深化市场经济改革、提升契约执行度、强化知识产权保护和环境政策导向等,引导与激励企业进行知识资本创造和绿色工艺创新,推动工业绿色生产效率提升。

知识资本是推动工业绿色工艺创新的关键动力,但已有研究主要集中在知识资本对企业研发创新作用方面,而对知识资本促进环境生产效率变化的研究较少。知识资本是知识、信息、经验等实现价值增值的要素积累,主要包括人力资本、知识机构资本、研发经费、专利品牌、顾客等内容,对企业创新效能与生产效率提升具有显著驱动作用。知识资本已由传统增长理论中的既定生产条件转化为内生增长函数的自变量,能够驱动技术创新并形成差异化产品与服务市场竞争优势,促进生产效率提升[6]。程惠芳、陆嘉俊[7]认为,知识资本在结构上包括与知识活动密切相关的人力资本、机构资本、技术资本、市场资本等,对全要素生产率增长具有显著正向促进作用。因此,本文将知识资本指标纳入分析框架,探究其在制度质量调节下对工业绿色生产效率提升的作用机制及贡献程度。

制度质量是影响企业绿色工艺创新意愿及方向的基础保障,而知识资本是推动工业绿色生产效率提升的动力条件。在经济新常态下,制度质量及其调节下的知识资本对工业绿色生产效率的作用机制与贡献程度如何?深化对这一问题的研究,无疑具有重要的理论价值与现实意义。为此,本文深入分析制度质量对工业绿色生产效率的影响,并探究制度质量调节下知识资本对工业绿色生产率变化的作用机制及贡献程度,运用基于全局指数的GML法测度不同地区及行业工业绿色生产效率水平,采用系统GMM估计法进行实证检验,并提出相应政策建议。

1 理论分析与研究假设

1.1 制度质量对工业绿色生产效率提升的影响

在工业化进程中,制度质量对促进工业绿色生产效率提升具有内在激励、保障与驱动作用。首先,制度质量能够促使企业根据产品、要素市场供求价格信号传递机制进行研发资源配置,促进绿色工艺创新。尽管开放的市场经济短期内可能存在“污染避难所”效应,但从长远看,其却能够使企业重视全球产品绿色需求,引进先进技术促进绿色生产效率提升;其次,制度质量中的契约执行度能够保障企业权益,激励企业进行技术创新与成果转化。契约执行度是公正的司法体系、低廉的诉讼成本与高效的诉讼过程综合作用的结果,能够降低企业交易道德风险与逆向选择,促进绿色技术、生态产品供给效率提升,保障绿色技术研发收益,激励企业进行绿色工艺创新,促进工业绿色生产效率提升;再次,制度质量影响企业行为选择,如环境管制强度要求工业企业实施清洁生产,降低废弃物和污染物排放,对企业投资决策、绿色工艺创新方向具有重要影响。若地方政府以高质量治理服务对工业企业绿色工艺创新给予支持,将激发工业企业开展绿色工艺创新的积极性,促进工业绿色生产效率提升。由此,本文提出如下假设:

H1:制度质量对工业绿色生产效率提升具有正向促进作用。

1.2 知识资本对工业绿色生产效率提升的影响

知识资本具有累加性、集成性和无限增值性等特征,对工业绿色生产效率提升的内驱动力在于:一是能够推动生产要素升级、流程创新与技术创新,改变工业生产函数,延缓原有技术及要素组合的边际报酬递减趋势;二是能够支持产品创新、管理创新,改进和拓展产品市场供给曲线,从而实现绿色产品的有效供给和效率提升;三是通过人才资本、机构资本与研发投入资本,发挥其推动绿色全要素生产率增长的功能。人才资本能够将未编码的隐性知识、经验与技能应用于生产经营过程,推动管理创新、技术创新,促进工业绿色生产效率提升。研发机构集聚了研发创新、信息平台、技术扩散、组织文化、客户关系等组织资本,能够将隐性知识、经验和技能转化为企业绿色工艺创新能力,而国内外技术引进能够推动管理创新,促进工业绿色生产效率提升。由此,本文提出如下假设:

H2:知识资本对工业绿色生产效率提升具有正向促进作用。

1.3 制度质量对知识资本影响工业绿色生产效率提升的调节作用

绿色工艺创新具有公共特性,市场化程度、契约执行质量与环境管制等能够为工业企业研发创新提供合理报酬和激励,为工业绿色转型升级提供空间和动态优势,而契约执行度、市场化进程等决定了知识资本剩余收益权实现程度,影响研发机构、研发人员绿色研发动机和企业新技术获取能力。环境管制强度对企业知识资本促进绿色技术研发方向与意愿具有引导作用。严格的环境管制标准使企业不得不考虑社会成本,从而促使知识资本投向于环境友好型技术研发创新。较高的制度质量能够通过完善的开放市场体系和优质的公共服务为工业转型升级提供基础环境,促使企业注重应对全球市场对绿色产品与服务的需求。契约执行质量与环境管制能够引导工业企业摒弃短视行为,重视知识资本积累,开展有助于节能减排、提质增效的绿色工艺创新活动,从而促进工业绿色生产效率提升。据此,本文提出如下假设:

H3:制度质量调节下知识资本对工业绿色全要素生产率增长具有正向影响作用。

2 变量选取、数据来源与模型构建

2.1 工业绿色生产效率变化测度方法与数据来源

本文运用基于方向性距离函数的绿色全要素生产率测度模型,区分期望产出与非期望产出。将各省份作为决策单元(DMU),对各决策单元实际生产点与工业前沿面映射点进行比较。设i个决策单元使用j种生产要素x,生产出m种期望产出yn种非期望产出b。生产可能性集表示环境技术P(x),对应投入向量X可以生产出组合(y,b),公式如下:

P(x)={(y,b)|x},xRj,yRm,bRn

(1)

借鉴学术界对全局指数的研究方法[8],将各决策单元生产作为基准构建生产前沿面,定义t时期生产可能性集合参照集:

表示用x要素能够生产yb产出)

(2)

全局基准可定义为:下标SG分别表示当期和全局基准,用包络分析法将所有当期基准形成全局生产可能性集合参照集,以便于比较。ML指数计算公式如下:

(3)

其中,DS(xtytbt)是方向性距离函数DS(xtytbtgygb)的简化形式。ML是两个相邻时期生产率指数MLtMLt+1的几何平均数,当ML>1时,表明生产率提升,意味着有更多的期望产出和更少的非期望产出;当ML<1时,表明生产率下降,意味着有更少的期望产出与更多的非期望产出;当ML=1时,表明生产率保持不变。

基于SBM方向性距离函数的GML指数测算方法,公式如下:

(4)

在规模报酬不变条件下,GML可分解为技术进步(GTE)和技术效率变化(GEF):

(5)

其中,DG(xtytbt)=max{λ|(y+λyb-λb)∈PG(x)},由全局生产可能性集合的参照集PG(x)给出。GTE是衡量技术变化的指标,GTE>1说明技术进步,GTE<1说明技术倒退;GEF是衡量投入与产出关系变化的技术效率变化指标,其代表既定投入下的产出最大化程度或者理想产出下决策单元的实际投入最小化程度。

本文选择资本存量、劳动力和能源3种投入要素,用年底固定资产净值代表资本存量;劳动力投入用行业年均从业人数表示;能源投入用能源消耗数据表示,单位为万吨标准煤。本文选择工业总产值作为期望产出,选择CO2、SO2排放量为非期望产出,重点分析煤炭、原油、天然气等产生的CO2排放量,采用将上述能源消费量转化为对应的CO2排放量。其中,CO2表示各地区、行业CO2排放总量;i=1,2,3分别代表煤炭、原油和天然气;Ei表示第i种能源消费量,θi代表能源折标准煤系数;ci代表标准煤碳排放系数。本文借鉴李小胜、安庆贤(2012)等的研究,采用煤炭、原油和天然气标准煤碳排放系数分别为2.763、2.145和1.642。本文数据来源于历年《中国工业经济统计年鉴》、《中国能源统计年鉴》、《中国统计年鉴》、《中国科技统计年鉴》、《中国环境统计年鉴》,选取除西藏外中国内地30个省份数据为样本。

2.2 解释变量与数据处理

2.2.1 制度质量定义、度量与数据来源

本文选择市场化程度、契约执行度和环境管制强度作为制度质量的代理变量。①市场化程度(SCH)采用樊纲等[9]发布的“中国市场化指数”作为各地区市场化程度的代理变量,2011年以后的市场化指数借鉴上述测算方法推算;②契约执行度(QYZ)采用世界银行《营商报告》中的中国各省会城市诉讼时间与诉讼费用进行加权计算得出;③环境管制强度(HGZ)度量选择地区工业污染治理投资占工业产值的比重作为代理变量[10]。以上数据来源于历年《中国环境统计年鉴》、《中国工业统计年鉴》。

2.2.2 知识资本度量与数据来源

本文选取研发机构比重、研发人才比重、国内与国外技术引进强度作为知识资本代理变量。①研发机构比重(YFJ)。研发机构是企业从事知识创造、研发创新的活动平台,本文选择有研发机构的大中型工业企业数占全部大中型工业企业数的比重计算得出;②研发人才比重(YFH)。本文选择大中型工业企业科技研发人员数量占企业全体就业人员数量比重计算得出;③国内技术引进强度(NYF)和国外技术引进强度(WYF)。本文分别通过大中型工业企业国内技术引进支出、国外技术购买支出占大中型企业主营业务收入之比计算得出。以上数据来源于历年《中国科技统计年鉴》、《中国工业统计年鉴》。

2.2.3 控制变量与数据来源

本文控制变量包括财政支出强度(CZB),用各省份年度财政支出与国内生产总值之比表示;城镇化率(CZH)用各省份城镇人口数占本省总人口之比表示,数据来源于历年《中国统计年鉴》、《中国工业统计年鉴》。

2.3 计量模型设置

2.3.1 制度质量与工业绿色生产效率变化关系计量模型

被解释变量为工业绿色全要素生产率、技术进步与效率变化累积值。为考察制度质量对工业绿色生产效率影响的非线性特征,将其平方项纳入模型。设定实证模型为:

(6)

其中,GEit分别代表工业绿色全要素生产率、技术进步和技术效率变化累积值。LGQit为制度质量各指标;Xit为控制变量指标;νit为个体效应,εit为随机扰动项。

2.3.2 制度质量调节下知识资本影响工业绿色生产效率变化的关系模型

为检验制度质量调节下知识资本对工业绿色生产效率的影响,本文设定如下模型:

GEit=γ0+γ1iKNCit+γ2i(KNC×CLGQ)it+γ3iXit+νit+εit

(7)

其中,KNCit代表各知识资本变量。本文运用最大方差正交旋转法对制度质量各指标进行因子分析,得到因子得分系数分别为θij,计算各指标权重:得出制度质量综合指标

3 实证检验

为提升模型估计结果的一致性和无偏性,克服计量分析中的测量误差和内生性等问题,首先,本文采用相对值指标衡量制度质量和知识资本;其次,将遗漏变量置于残差项中,通过选择控制变量有效降低其影响程度;再次,在进行Sargan检验、Hansen检验和AR(1)、AR(2)检验的基础上,采用系统GMM估计方法进行计量估计,以克服内生性问题(见表1)。

3.1 制度质量对工业绿色生产效率提升的影响

全国范围内市场化程度、契约执行度指标对工业绿色全要素生产率增长的回归系数均显著为正,制度质量各指标的二次项回归系数均显著为正。这表明,制度质量对促进工业绿色全要素增长具有促进作用,且随着制度质量水平的提高,其促进作用随之增强。环境管制强度回归系数不显著,其二次项回归系数显著为正,说明环境管制强度较低时,其对工业绿色生产效率提升的作用较弱,但随着环境管制强度的提升,能够显著促进工业绿色生产效率提升。

市场化程度、契约执行度对工业绿色技术进步的回归系数均在10%水平上显著为正,二次项回归系数均显著为正,说明市场化程度、契约执行度等水平越高,对工业绿色技术进步的促进作用越大。环境管制强度回归系数显著为负,其二次项回归系数显著为正,说明环境管制强度较低时,其抑制了工业绿色技术进步,但从长期看却能够正向促进工业绿色技术进步。

市场化程度、契约执行度对技术效率的回归系数均在10%水平上显著为正,环境管制强度等指标的回归系数显著为负。制度质量各指标二次项对全国工业绿色技术效率的回归系数均在5%水平上显著为正,说明制度质量能够长期显著正向提升工业绿色技术效率。

表1回归分析结果

变量GMLGTEGEFSCH0.043*(1.233)0.033*(1.362 )0.019*(1.618)QYZ2.336*(1.653)2.364*(2.682)0.954(1.523)HGZ0.331(0.203)-0.238*(-1.921)-0.511(-0.833)SCH20.065**(1.943)0.052*(1.558)0.028 8***(2.692)QYZ27.073***(2.996)4.736***(3.631)1.367**(1.994)HGZ24.121**(1.961)3.556*(1.896)0.963*(1.721)CZB3.266**(2.154)2.955*(1.875)1.622*(1.653)CZH0.630*(1.803)0.332***(1.935)0.213*(1.831)常数项-3.360**(-2.361)-1.659**(-2.088)0.351***(3.077)Sargan检验3.603(0.312)2.396(0.263)1.682(0.423)Hansen检验5.081(0.591)4.638(0.396)4.263(0.360)AR(1)检验-0.193(0.081)-1.620(0.073)-1.366(0.009)AR(2)检验-0.121(0.152)-1.536(0.263)-1.298(0.251)

注:回归系数右方括号内的数字为t统计值。其中,*、**和***分别表示1%、5%与10%显著性水平,下同

3.2 制度质量调节下知识资本对工业绿色生产效率的提升作用

3.2.1 全国样本回归结果

由表2可知,研发机构比重、研发人才比重、国内技术引进强度等指标与工业绿色全要素生产率、技术进步均呈显著正相关关系。研发机构比重与效率变化显著负相关,研发人才比重与技术效率变化显著负相关,国外技术引进强度与工业绿色全要素生产率、技术进步呈显著负相关关系,而与效率变化呈显著正相关关系。这表明,研发机构、人才和经费投入等知识资本对促进工业绿色转型升级具有显著促进作用,但对效率的变化作用不明显;自主研发对推动工业绿色生产效率提升具有重要促进作用。

各知识资本与制度质量交互项对工业绿色生产效率变化的回归系数均显著为正,说明市场化程度提升有效激发了企业竞争意识与动力,契约执行度提供了绿色工艺创新收益保障,环境管制强度则引导了环境技术创新方向。知识资本在制度质量调节下对工业绿色生产效率提升具有正向促进作用。国外技术引进强度与制度质量交互项回归系数显著为正,说明在制度质量调节下,引进国外技术对工业绿色全要素生产率、技术进步与效率变化具有正向促进作用。

表2全国样本回归结果

变量GMLGTEGEFGE-10.689***(18.453)0.750***(26.589)0.741***(19.997)YFJ0.076***(7.946)0.038***(6.468)0.002*(1.628)YFH0.046*(1.853)0.085***(2.719)-0.016*(-1.845)NYJ0.268*(1.675)0.486**(1.653)0.016(0.135)WYJ-0.226*(-1.845)-0.136*(-1.801)0.019**(1.921)YFJ*CLGQ0.065**(1.974)0.059**(1.856)0.029***(2.692)YFH*CLGQ0.538*(1.713)0.631**(2.539)0.004*(1.852)NYJ*CLGQ7.027***(2.979)4.736***(3.613)0.365**(1.994)WYJ*CLGQ0.633*(1.863)0.303***(3.130)0.213**(3.130)CZB3.915**(2.412)3.525*(1.583)0.698*(1.658)CZH1.316*(1.512)0.938*(1.654)0.659*(1.833)常数项-3.350*(-1.719)-2.619*(-1.808)-1.051*(1.857)Sargan检验6.361(0.362)5.936(0.316)10.332(0.342)Hansen检验6.351(0.425)5.368(0.366)8.253(0.237)AR(1)检验-1.413(0.091)-1.530(0.083)-1.120(0.035)AR(2)检验-1.121(0.252)-1.206(0.126)-1.207(0.161)

3.2.2 东、中、西部地区样本回归结果

由表3可知,东部地区研发机构比重、研发人才比重与工业绿色生产效率变化均显著相关;国内技术引进强度与工业绿色全要素生产率、技术进步显著正相关,而对效率变化的促进作用不显著;国外技术引进强度与工业绿色全要素生产率、技术效率变化显著正相关,而与技术进步关系不显著。研发机构比重、研发人才比重、国外技术引进强度等与制度质量交互项对工业绿色生产效率均呈显著正向促进作用;国内技术引进强度与制度质量交互项对工业绿色全要素生产率、技术进步显著正相关,但与效率变化显著负相关。东部地区研发机构、研发人才、国内技术引进强度等知识资本及其与制度质量交互项对工业绿色全要素生产率、技术进步增长的回归系数高于中西部地区,说明东部地区应持续提升自主研发能力。

研发机构比重、研发人才比重与国内技术引进强度对中西部地区工业绿色全要素生产率、技术进步呈正向促进作用,研发机构比重、国内技术引进强度对效率变化的作用不显著。研发人才比重对西部地区创新效率变化呈正相关性,而对中部地区创新效率变化的作用不显著。国外技术引进强度对中部地区工业绿色技术进步的影响作用不显著,对西部地区环境技术进步呈正相关性,而对工业绿色全要素生产率、效率变化的作用不显著。研发人才比重、国外技术引进强度与制度质量交互项对中西部地区工业绿色生产效率变化均呈正相关性。研发机构比重与制度质量交互项对中部地区工业绿色生产效率变化均呈正相关性,对西部地区工业绿色全要素生产率增长的促进作用不显著,与技术进步及效率变化呈正相关性。国内技术引进强度与制度质量交互项对工业绿色全要素生产率呈显著正相关,而对技术进步、效率变化的作用不显著。

3.3 行业样本回归分析

为检验上述回归结果的稳健性,本文从行业角度测算工业绿色生产效率变化,并进行回归分析。剔除工艺品及其它制造业、废弃资源和废旧材料回收加工业、非金属矿采选业与其它采矿业后,将食品加工业与食品制造业合并,选择35个工业行业投入产出数据为样本。首先,计算各行业单位产值污染排放其中,Eij为行业ij污染物排放,Yi为行业i的工业总产值;其次,对各行业单位工业产值污染排放Pij进行标准化处理,并进行等权重加权平均,得出各行业污染排放强度。以各行业污染排放强度中位数为划分依据,将样本划分为17个清洁行业和18个污染密集型行业,分别对污染密集型行业与清洁行业进行回归分析,结果见表4。公式如下:

CGEit=a0+a1iKNCit+a2i(KNC×CLGQ)it+a3iXit+νit+εit

(8)

PGEit=b0+b1iKNCit+b2i(KNC×CLGQ)it+b3iXit+νit+εit

(9)

其中,CGEit代表清洁行业工业绿色全要素生产率、技术进步及效率变化累积值,PGEit为污染密集型行业工业绿色全要素生产率、技术进步和效率变化累积值。

表3西部地区样本回归结果

变量东部地区GMLGTEGEF中部地区GMLGTEGEF西部地区GMLGTEGEFGE-10.323***0.513***0.289***0.131**0.096**0.119**0.727***0.961***1.102***(2.420)(3.680)(3.526)(5.58)(3.32)(4.56)(12.563)(11.35)(18.58)FJ0.052***0.036***0.003**0.041***0.035***0.0030.121**0.060*0.028(3.676)(3.498)(1.968)(2.906)(3.577)(0.947)(1.603)(1.017)(0.696)YFH0.362***0.277**0.020*0.276*0.035*0.0490.172*0.278*0.099**(5.122)(5.294)(0.455 6)(1.873)(1.396)(0.379)(4.372)(1.632)(2.169)NYJ0.539*0.759*0.0520.517*0.432*0.0960.406*0.307*0.115(1.689)(0.380)(0.099)(1.410)(1.498)(0.318)(1.718)(0.892)(0.297)WYJ0.007*-0.0830.0330.1720.140-0.0150.5930.343*0.069(1.640)(-0.674)(1.003)(1.098)(1.300)(-0.41)(0.312)(1.664)(0.866)YFJ*CLGQ0.115**0.053*0.029*0.076*0.166**0.086***0.1030.303*0.015*(2.050)(1.631)(1.905)(1.688)(2.143)(3.192)(0.265)(1.533)(1.904)YFH*CLGQ1.252***1.119***0.042*0.754**0.502*0.901*0.466***0.855***0.039*(3.026)(3.653)(1.752)(2.249)(1.870)(1.568)(2.533 0)(3.407)(1.714)NYJ*CLGQ0.122***0.076***-0.014**0.035**0.1090.0060.141**0.0560.060(3.424)(2.845)(-1.938)(1.983)(0.835)(0.141)(1.936)(0.148)(1.386)WYJ*CLGQ0.021 3***0.241*0.1020.123**0.093*0.020*0.301*0.132*0.063**(2.103)(1.633)(1.201)(2.321)(1.653)(1.703)(1.608)(1.820)(1.986)CZB3.203***2.103***0.9392.568***3.411***0.2712.157***1.282*0.384(3.658)(4.681)(0.681)(3.312)(3.633)(0.106)(3.365)(1.826)(0.051)CZH2.863**1.668***0.806*1.503**1.205***0.2252.163***0.968**0.267(1.989)(2.801)(1.715)(2.319)(3.821)(0.096)(3.711)(2.262)(0.533)常数项-4.443***-7.265***1.958***-5.856*-9.037**2.688***-8.271***-7.245***2.563**(-4.421)(-6.974)(2.382)(-4.36)(-8.41)(3.946)(-6.649)(-5.13)(1.962)Sargan检验4.2155.6843.64711.32012.3058.6357.2134.6253.952(0.017)(0.071)(0.098)(0.029)(0.050)(0.190)(0.278)(0.217)(0.433)Hansen检验2.3513.6222.8852.5081.6300.8424.5362.3533.062(0.261)(0.383)(0.287)(0.587)(0.865)(0.915)(0.630)(0.593)(0.680)AR(1)检验-1.825-1.603-1.502-1.705-1.304-1.306-1.026-1.305-1.508(0.011)(0.009)(0.028)(0.172)(0.280)(0.156)(0.029)(0.091)(0.105)AR(2)检验-1.306-1.504-1.603-1.708-1.309-1.607-1.093-1.602-1.406(0.131)(0.120)(0.162)(0.038)(0.042)(0.035)(0.133)(0.198)(0.183)

表4行业样本回归结果

变量污染密集型行业GMLGTEGEF清洁行业GMLGTEGEFGE-10.986***(7.659)0.683***(11.697)0.854***(9.897)0.938***(10.354)0.865***(12.629)0.806***(9.557)YFJ0.459***(6.986)0.293***(5.509)0.055(0.833)0.464***(3.599)0.273***(2.809)0.019(0.315)YFH0.247***(1.617)0.089***(2.994)-0.366(-1.228)0.065**(1.964)0.312*(1.627)0.027(0.219)NYJ0.139***(4.939)0.102**(2.839)0.036**(2.942)0.276***(4.135)0.118***(2.978)0.163***(3.930)WYJ-0.157(-0.097)-0.003(-0.183)-0.108(-0.065)-0.161(-1.523)0.141*(1.809)-0.037***(-2.653)YFJ*CLGQ0.102**(1.998)0.031*(1.894)0.003**(1.964)2.239***(4.326)1.165***(3.621)0.021*(1.658)YFH*CLGQ1.635***(3.625)1.251***(2.621)0.308*(1.639)1.751***(3.285)1.318**(2.381)0.058*(1.672)NYJ*CLGQ5.302***(7.853)3.761***(4.361)0.564**(1.908)4.597***(8.554)2.887***(3.312)0.057*(1.844)WYJ*CLGQ0.356***(3.060)0.507*(1.845)0.089*(1.584)0.953**(1.961)0.652**(2.201)0.511*(1.725)CZB2.195***(3.982)2.037***(4.508)1.056(0.689)3.546***(5.156)5.701***(7.522)0.713(0.617)CZH1.514***(2.635)0.984(1.442)0.439*(1.831)0.957***(2.434)0.376*(1.946)0.123(0.261)常数项-9.638***(-5.319)-6.610***(-4.225)5.715***(4.869)-11.195***(-5.953)-8.734***(-4.606)-3.085**(-2.065)Sargan检验9.561(0.373)10.365(0.373)5.102(0.653)8.961(0.471)10.201(0.218)9.581(0.387)Hansen检验8.373(0.357)7.525(0.458)0.724(0.967)2.630(0.856)3.657(0.895)6.305(0.730)AR(1)检验-1.356(0.032)-1.326(0.076)-1.651(0.053)-2.103(0.016)-1.803(0.023)-1.807(0.093)AR(2)检验-0.851(0.248)-1.010(0.352)-0.781(0.612)-1.182(0.121)-1.391(0.111)-1.131(0.221)

结果显示,研发机构比重、研发人才比重对污染密集型行业工业绿色全要素生产率增长、技术进步具有显著正向促进作用,而对效率变化的作用不显著。国内技术引进强度对污染密集型行业工业绿色生产效率变化均显著正相关。国外技术引进强度对污染密集型行业绿色生产效率变化均负相关,但不显著。各知识资本变量与制度质量交互项对污染密集型行业工业绿色全要素生产率、技术进步与效率变化均显著正相关。

研发机构比重、研发人才比重、国内技术引进强度对清洁行业工业绿色生产效率变化均呈显著正向促进作用。国外技术引进强度对清洁行业技术进步具有显著正向作用,而与全要素生产率、技术效率变化负相关,但不显著。各知识资本与制度质量交互项对清洁产业工业绿色生产效率变化均呈正相关关系。

4 结论与建议

本文就制度质量、知识资本及二者交互项对工业绿色生产效率提升的影响作用进行实证检验,得出如下结论:①市场化程度、契约执行度等制度质量对工业绿色生产效率提升具有正向影响作用,而环境管制强度对工业绿色生产效率的提升作用不显著。制度质量各指标的二次项系数均显著为正,说明其对工业绿色生产效率提升具有长效作用;②知识资本中的研发机构比重、研发人才比重、国内技术引进强度对工业绿色全要素生产率增长、技术进步均呈正向影响作用。国外技术引进与工业绿色全要素生产率增长、技术效率变化负相关,对东部、西部地区和清洁行业技术进步具有正向影响作用;③制度质量调节下的知识资本对工业绿色全要素生产率、技术进步均具有显著正向影响作用,说明制度质量在调节知识资本促进工业绿色生产效率提升中扮演着重要角色。

基于上述分析,本文提出以下政策建议:一是持续提升制度质量,尤其要深化市场机制改革,减少地方政府对微观经济的干预,为工业绿色技术创新创造良好环境,明确绿色工艺创新重点方向;二是完善契约执行标准,激励企业进行绿色技术创新,为调动企业绿色工艺创新提供动力与保障;三是优化环境管制政策,健全环境标准等,引导企业技术创新方向,为企业绿色工艺创新提供政策基础与制度保障;四是实施差异化知识资本积累与创新支持战略,强化自主创新能力。东部地区应加强知识资本投入,通过创新驱动实施关键技术、核心技术突破,而中西部地区应重点增强技术改造、技术引进与消化等知识资本创造能力,促进工业绿色生产效率提升。

参考文献:

[1] 李小胜,安庆贤.环境管制成本与环境全要素生产率研究[J].世界经济,2012(12):23-40.

[2] 石桂峰. 地方政府干预与企业投资的同伴效应[J].财经研究,2015(12):84-94.

[3] 王锋正,郭晓川. 政府治理、环境管制与绿色工艺创新[J].财经研究,2016(9):30-40.

[4] ACEMOGLU. Contracts and technology adoption[J], American Economic Review, 2007, 97(3):916-943.

[5] 陈诗一.中国的绿色工业革命:基于环境全要素生产率视角的解释(1980-2008)[J].经济研究,2010(11):21-34.

[6] ROPER, STEPHEN, DU JUN & LOVE, et al. Modelling the innovation value chain[J]. Research Policy,Elsevier, 2008,37(6):961-977.

[7] 程惠芳,陆嘉俊.知识资本对工业企业全要素生产率影响的实证分析[J].经济研究,2014(5):174-187.

[8] 杜江,王锐,王新华. 环境全要素生产率与农业增长:基于DEA-GML指数与面板Tobit模型的两阶段分析[J].中国农村经济,2016(3):65-87.

[9] 樊 纲,王小鲁,朱恒鹏.中国市场化指数——各地区市场化相对进程报告[M].北京: 经济科学出版社, 2011.

[10] 童健,刘伟,薛景.环境规制、要素投入结构与工业行业转型升级[J].经济研究,2016(7):43-57.

InstitutionalQualityKnowledgeCapitalandIndustrialEnvironmentProductivityGrowth

Liu Yingji

(Centre for Public Policy and Social Management Innovation Research,Henan Normal University, Xinxiang 453007, China)

AbstractBased on theoretical analyzing the promoting mechanism of institutional quality and knowledge capital affecting industrial environment productivity growth, this paper used panel data to empirically analyze the promoting effect of institutional quality adjusting knowledge capital to industrial environment productivity growth. There exit significant positive effects of institutional quality and institutional quality adjusting knowledge capital significant positively affect industrial environment productivity growth. It is an important way to promote the growth of industrial environment productivity on the basis of institutional quality improvement and knowledge-based capital structure optimization.

KeyWords:Institutional Quality; Knowledge Capital; Industrial Environment Productivity

DOI10.6049/kjjbydc.2017090613

中图分类号F404

文献标识码:A

文章编号:1001-7348(2018)11-0077-07

收稿日期2017-11-27

基金项目河南省哲学社会科学规划项目(2015BJJ009);河南省高等学校哲学社会科学应用研究重大项目(2017-YYZD-05);河南省教育厅人文社会科学研究项目(2015-GH-049)

作者简介刘英基(1975-),男,河南汝南人,博士,河南师范大学公共政策与社会管理创新研究中心研究员、教授,研究方向为技术经济与产业发展。

(责任编辑:王敬敏)