武汉大学区域经济研究中心 协办
经济全球化发展背景下,低碳创新已成为最关键的经济生产要素,要实现经济增长质的转变,必须提升低碳创新对经济总量的贡献。“中国制造2025”中提出创新驱动、绿色发展、开放合作的战略原则,十九大报告再次强调要建设低碳创新体系。低碳创新网络是推动要素驱动向创新驱动转变的核心力量,已成为低碳创新体系发展的重要组织形式。低碳创新网络是指在低碳情境下由企业、政府、高校、研究机构、中介机构等低碳创新主体结合而成的新型低碳自主创新体系,以末端治理、清洁工艺与低碳产品等低碳创新为源头,从低碳创新中心到边缘进行扩散而形成的网络空间集聚,创新主体通过低碳创新网络进行技术、信息和物资等低碳创新资源传递,实现优势资源共享、风险共担的协同创新效应以及减少环境污染、降低生态环境危害的经济-环境协调发展[1]。随着全球环境规制日益严厉与我国市场不断深化开放,中国实际利用的FDI金额由2000年的407.15亿美元增长至2015年的1 262.67亿美元,累计实际利用的FDI金额达到13 318.88亿美元,作为吸收FDI最多的发展中国家,FDI知识溢出已成为我国获取先进低碳创新技术的主要来源。新经济增长理论认为FDI知识溢出可以推动经济增长,发展中国家在互动过程中通过发达国家知识溢出实现本国创新增长,同时研究表明,如果过度依赖外资企业技术资源,FDI知识溢出对低碳创新网络效率将产生抑制作用,如“污染避难所”假说[2]。Porter提出著名的“波特假说”,认为环境规制使企业生产成本上升并激励企业低碳创新。因此,本文考虑环境规制与低碳创新网络效率的非直接关联特征,从环境规制视角探讨FDI知识溢出驱动低碳创新网络效率提升的门槛效应与时空异质性,拓展低碳创新网络理论与研究方法外延。
“创新网络”的概念最早由Freeman提出,随着低碳经济的发展,低碳创新网络引起国内外学者的广泛关注。Frame[3]分析了低碳网络基金创新类型和质量,发现提高利益相关者的知识流动能够促进低碳创新网络发展;Kohler[4]认为良好的创新网络关系能够使经济更快地进入大规模低碳技术扩散的增长阶段;樊步青[1]提炼出制造业低碳创新系统低碳技术创新、低碳创新系统结构和低碳资源运行3个方面的诱因。尽管对低碳创新网络的研究较多,但对于低碳创新网络效率的测算仍缺乏共识。近年来,DEA效率评价模型得到了扩展,Tone[5]提出了可以同时评价有效与无效决策单元的Super-SBM模型,为了解决Super-SBM模型无法得出全部帕累托效率值的问题,Chen[6]提出了J-SBM评价模型,Wu[7]利用J-SBM模型对中国内地31个省级政府网站的电子政务绩效进行了评估。综上,本文构建考虑非期望产出的区域低碳创新网络效率评价指标体系,利用改进的J-SBM模型对低碳创新网络效率进行测算。
FDI知识溢出对低碳创新的影响效应一直是国内外研究热点,但研究结论并不一致。Lee[8]对1981-1999年13个OECD国家的FDI知识溢出渠道进行了研究,认为无形的直接溢出对低碳创新的促进作用最为显著;Lin[9]认为外资流入的溢出效应对整个创新活动绩效有积极作用,但对各地区的创新效应存在差异;Jovanka[10]分析了FDI知识溢出与企业R&D支出之间的相互依赖关系,认为FDI知识溢出能够有效提升低碳创新效率;原毅军[11]通过实证分析发现FDI知识溢出与技术升级呈不显著负相关关系;徐德英[12]则认为各渠道的国际技术溢出对区域创新生产率的促进作用逐渐增强;陈恒[13]实证发现FDI知识溢出对创新的影响受限于知识产权保护强度。
针对环境规制与FDI知识溢出关系的研究,Dong[14]利用南北市场份额博弈模型实证得出FDI知识溢出与环境规制之间的正向影响关系;Ohori[15]采用排放标准和税率两个环境规制工具证实FDI所有权降低能够引起东道国环境规制减弱;Santis[16]利用古诺模型研究了FDI溢出对东道国环境税的正向作用;Cole等[17]通过三阶段博弈分析提出FDI知识溢出对环境规制的作用方向受东道国政府腐败程度的影响;基于Cole的研究,朱东波[18]认为外商直接投资主要集中于污染型行业,环境规制与FDI知识溢出的交互效应有助于促进工业绿色转型。
通过梳理文献发现,FDI知识溢出与环境规制关系密切,而FDI知识溢出与低碳创新效率间关系的研究结果不一致,有正有负,那么,二者间是否存在非线性关系?研究显示,环境规制对FDI知识溢出或者对低碳创新网络有影响作用,那么,环境规制对FDI知识溢出与区域低碳创新网络发展将产生怎样的复杂作用机制?FDI知识溢出对低碳创新网络发展具有怎样的时空异质性环境规制效应?国内外大多数相关研究单纯关注FDI知识溢出对创新效率的影响、环境规制对低碳创新网络效率的静态线性作用机制,鲜有学者将FDI知识溢出、环境规制和低碳创新网络效率置于同一研究框架下分析三者之间非线性动态内生关系,并且,忽视环境规制门槛作用,无法准确反映FDI知识溢出对低碳创新网络效率的作用机理。
针对现有文献不足,本文拟从如下方面展开研究:首先,构建考虑非期望产出的低碳创新网络效率评价指标体系,利用改进的J-SBM模型测算低碳创新网络效率,运用非参数的核密度估计分析区域低碳创新网络效率的动态演进和区域异质性;其次,弥补当前孤立研究FDI技术溢出和低碳创新网络效率线性关系的不足,将环境规制纳入到FDI知识溢出对低碳创新网络效率的非线性面板门槛模型之中,实证分析区域环境规制的动态门槛效应和时空异质性,从理论和方法上揭示FDI知识溢出对低碳创新网络效率的作用“黑箱”,为经济转型时期区域经济的低碳可持续发展以及环境规制异质性战略选择提供重要依据。
J-SBM模型可以测算无效率决策单元与超效率决策单元效率值,同时,确保参考点为帕累托最优,获取被评估决策单元的更多信息,并揭示决策单元效率值的意义[19]。为了符合低碳创新网络的实际生产情况,本文将非期望产出引入J-SBM模型,得出考虑非期望产出的J-SBM改进模型[20]。该模型包括k个决策单元,每个决策单元有m个投入变量X,s1个期望产出变量,s2个非期望产出变量,为投入和产出的松弛变量,λi为决策单元对效率前沿面的贡献系数。J-SBM改进模型如式(1)所示。
s.t.:
(1)
其中,为足够大正数。
低碳创新网络是由企业、高校、研究机构和政府等创新主体在低碳经济环境下结成的一种新型自主创新体系,以低碳创新为源头,从创新中心到边缘扩散以梯度和反梯度方式推移,最后形成低碳创新网络空间上的集聚[21]。不同创新主体通过创新网络进行知识、信息、能量、物资等创新资源的渗透和传递,实现优势互补、资源共享、风险共担的协同效应。低碳创新网络作为环境绩效的重要组成部分,是实现低碳经济的根本途径[22]。根据低碳创新网络的含义,参照现有研究,从R&D投入和非R&D投入互为补充的角度,对低碳创新网络效率进行测算,R&D投入包括人员投入、知识投入和研发资本投入,非R&D投入为能源投入和固定资产投入,投入产出变量的解释如表1所示。本文采用永续盘存法对研发资本存量进行测算[23]。
为降低指标相关性,选择科技论文发表数、专利授权量和新产品销售收入作为期望产出指标。非期望产出指标是利用熵值法将二氧化硫、二氧化碳和化学需氧量排放量折算得到的环境污染综合指数[24],其中,二氧化碳排放量根据煤炭、原油和天然气消费量及其热值、碳排放系数(数据来自IPPC2006)和碳氧化因子(煤炭为0.098,其余默认1)进行计算,将原油和天然气按照能源折算标准煤系数统一单位。
表1 低碳创新网络效率评价指标体系
指标变量定义与解释人员投入R&D人员全时当量知识投入高校与研究机构数投入R&D投入研发资本存量能源投入能源消费总量固定资产投入固定资产投资总额期望产出科技论文产出科技论文发表数专利产出专利授权量新产品产出新产品销售收入非期望产出环境污染综合指数CO2、工业SO2排放量、化学需氧量
为解决区域创新研究中知识外溢的测定难题,Griliches提出了基于Cobb-Douglas生产函数的知识生产函数,假设创新产出是研发投入的函数,R&Doutput=α(R&Dinput)β,其中,α表示不变要素,β表示弹性系数。Jaffe将研发资本K和人员投入L同时纳入到知识生产函数,基于此,本文借鉴Hulten的做法,令A(·)为代表希克中性(Hicks- neutral)技术进步的效率函数。假定A(·)及其组成部分是多元组合:
(2)
其中,Yi表示知识产出指标,FKS表示FDI知识溢出,ER表示环境规制,HR表示人力资本积累水平,α1、α2分别表示K、L的弹性系数,Ai,0表示初始效率水平,λi表示外生的生产变迁,ω1i、ω2i和ω3i分别表示FKS、ER和HR对Yi的影响参数。
根据低碳创新网络效率(LINE)的定义,将式(3)两端同除可得:
(3)
已有研究表明,吸收能力、政策支持、市场竞争与低碳创新网络效率存在密切关系,吸收能力越强,越有利于促进低碳创新网络效率提升;创新行为具有不确定性,需要政府直接或者间接的引导协调;市场竞争程度提高,有利于强化企业生存危机意识,对知识溢出和扩散有促进正向作用,刺激企业低碳创新。基于此,本文将吸收能力(ABS)、政策支持(GOV)、市场竞争(MAR)纳入到低碳创新效率函数中,并取自然对数得到低碳创新效率的决定模型。
lnLINEi,t=lnAi,0+λit+ω1ilnFKSi,t+ω2ilnERi,t+ω3ilnHRi,t+ω4ilnABSi,t+ω5ilnGOVi,t+ω6ilnMARi,t
(4)
在式(5)的基础上,引入LINEit-1和LINEit-2变量,控制低碳创新网络的惯性延续和动态过程,基于Hansen理论,构出FDI知识溢出对低碳创新效率的面板门槛模型(以单门槛为例,门槛个数可扩展)。
lnLINEit=π+β1lnLINEit-1+β2lnLINEit-2+β3lnHRit+β4lnABSit+β5lnGOVit+β6lnMARit+ω1lnFKSit*I(ERit≤γ1)+ω2lnFKSit*I(γ1<ERit)+μi+εit
(5)
其中,I(·)为指示函数,ERit为门槛变量,γ为门槛值,ERit≤γ时,I(·)=1,ERit>γ,I(·)=0。π为常数项,μi为区域异质效应,εit为随机扰动项。
(1)被解释变量:低碳创新网络效率(LINE),通过J-SBM模型测算得出。
(2)核心解释变量:FDI知识溢出(FKS)。学界对于FKS的定量测算尚未统一标准,现有研究基于5个视角选取代理变量:一是外资企业资产总额占相应行业资产总额的比重衡量外资参与程度;二是实际利用外商投资额占区域GDP或固定资产投资额的比重;三是外商直接投资额;四是外资企业R&D资本存量;五是根据外商直接投资来源和外商直接投资存量进行计算。研究表明FKS与外资来源相关,故本文考虑外商直接投资排名、30个发达国家和进出口贸易额与GDP占比因素选取FKS的样本国家,以爱尔兰、爱沙尼亚、奥地利、比利时、波兰、丹麦、德国、俄罗斯、法国、芬兰、韩国、荷兰、加拿大、捷克、卢森堡、美国、墨西哥、挪威、葡萄牙、日本、瑞典、斯洛伐克共和国、斯洛文尼亚、土耳其、西班牙、新加坡、匈牙利、以色列、意大利、英国作为样本国家。现阶段缺乏各地区接受分国别FDI的统计数据,故采用各地区外商直接投资存量代替样本国家的直接投资存量总和。借鉴LP对境外知识溢出的测算方法,构建FKS计算公式如下:
(6)
其中,FKSit为i地区t年的FDI知识溢出,SFDIit为i地区t年的外商直接投资存量,GDPkt为k国t年的不变价国内生产总值,FRDkt为k国t年的研发资本存量;FDIit为i地区t年的外商直接投资,gi为i地区2007-2014年外商直接投资增长率,φ1为外商直接投资折旧率,采用永续盘存法取折旧率15%计算i地区t年的外商直接投资存量SFDIit;RDkt为k国t年的研发投入,gk为k国2005-2014年研发投入增长率,φ2为研发资本折旧率,采用永续盘存法取折旧率5%计算k国t年的研发资本存量FRDkt;数据均采用世界银行公布的物价指数进行平减,以当年美元与人民币的汇率换算。
(3)门槛变量。环境规制(ER)。环境规制反映政府引导企业开展低碳创新的力度,环境规制越有效,越有利于促进低碳创新效率提升,采用污染治理投资总额表示。
(4)控制变量。①人力资本(HR),选择地区就业人员人均受教育程度作为人力资本指标。pi1、pi2、pi3、pi4分别表示i地区受教育程度为小学、初中、高中、大专及以上就业人口的比重,受教育年限分别为6年、9年、12年和16年,HRi=6·pi1+9·pi2+12·pi3+16·pi4;②吸收能力(ABS)。参考现有研究,从研发比重、贸易开放度、城市化率3个角度考虑各地区吸收能力。研发比重采用各地区的实际研发支出占全国研发支出的比重表示,贸易开放度使用各地区进出口商品额占地区GDP比重表示,城市化率使用城镇人口占地区常住人口比重表示,将以上3个指标联合相乘得出吸收能力综合变量;③政策支持(GOV)。已有研究表明,创新行为具有不确定性,单独依靠市场引导无法达到创新资源配置优化,需要政府直接或者间接的引导协调,选择区域研发经费中政府资金比例表示;④市场竞争(MAR)。市场竞争程度提高,导致现有技术和产品无法满足企业发展需要,刺激企业进行低碳创新,增强了危机意识,对FDI知识溢出和创新扩散有正向作用,选用规模以上企业数反映市场竞争程度。
本文收集了我国内地30省市面板数据(由于西藏数据缺失较多,未纳入样本),数据时间段为2005-2014年,数据来源于《中国统计年鉴》、《中国科技统计年鉴》、《中国环境统计年鉴》、《中国能源统计年鉴》和《工业企业科技活动年鉴》,FKS样本国家数据来源于世界发展银行和OECD数据库。基于创新活动的投入与产出具有一定时滞性,参照现有研究,对产出指标作滞后一期处理(见表2)。为消除数据量纲影响,对数据作对数和标准化处理。
表2 样本描述性统计结果
变量均值中位数方差最小值最大值LINE0.5240.5860.2890.1051.208FKS7.8967.7691.3775.04710.794ER4.9135.0330.9631.8087.256HR10.84310.9781.1807.09813.162ABS11.25811.4521.5344.29013.791GOV10.76110.8991.3694.24813.060MAR8.7698.7381.2145.88111.089
为考察我国区域低碳创新网络效率动态变化趋势,采用非参数估计方法——核密度分布方法。核密度估计以数据本身分布特征为基础,避免了传统参数估计函数预设引起的实际值与测算值差异,能够客观反映研究对象演变趋势。变量X在点x处的概率密度估计为f(x):
本文选取2005、2008、2011和2014年4个年度作为考察剖面,图1为低碳创新网络效率核密度曲线,显示了2005-2014年我国内地30个地区的低碳创新网络效率分布动态演进趋势。首先,样本期内密度分布曲线的位置呈向右平移趋势,意味着我国区域低碳创新网络效率处于增长状态。其次,密度分布曲线峰度发生明显变化,从2005年的尖峰逐渐演进为2014年的宽峰,且峰值发生右移,说明我国低碳创新网络效率持续提高但区域间差异增大。最后,2005-2014年我国区域低碳创新网络效率呈显著“双峰”分布,意味着一部分区域的低碳创新网络效率集中在较高水平,一部分区域的低碳创新网络效率聚拢于较低水平。2005年低碳创新网络效率呈现出明显的“双峰”分布,第一波峰对应的效率值较低,第二波峰对应的效率值较高,至2014年低碳创新网络效率分布的第一波峰高度显著降低,第二波峰的高度明显提高,同时,区域低碳创新网络效率趋于集中,逐渐向较低水平的均衡点和高水平均衡点靠拢,说明2014年区域低碳创新网络效率呈现两极分化,地区之间差距逐渐缩小。
图1 2005-2014年区域低碳创新网络效率核密度估计
基于区域低碳技术创新网络效率的总体特征,进一步考察各地区之间低碳创新网络效率的异质性效应。时间序列层面上,考察期内区域低碳创新网络效率均值为0.524,仍存在改善空间。近几年,我国区域产业结构面临巨大调整,产业发展受到供给和需求的双重限制,政府着力于发展低碳经济、绿色可持续发展经济,提高企业对环境保护的重视程度。由图2可知,八大经济区的低碳创新网络效率依次为东部沿海、南部沿海、长江中游、北部沿海、大西南、大西北、东北和黄河中游地区。东部沿海地区的低碳创新网络效率是黄河中游地区的2.45倍,黄河中游、东北的低碳创新网络效率水平偏低,究其原因,可能是这部分地区的主要产业是高能耗且高污染产业,同时,随着东部沿海、经济发达地区低碳环保理念的增强和环境管制的不断深入,部分不合要求的企业向内陆地区迁移。山西、青海和内蒙古地区的低碳创新效率最低,这些地区应充分发挥地理优势,对创新资源进行合理配置。
为了保证检验结果的稳健性、防止“伪回归”,本文利用LLC、IPS、ADF-Fisher和PP-Fisher对各变量数据进行面板单位根检验,验证数据平稳性,结果如表3所示,各变量的一阶差分均通过了5%水平的显著性检验,表明各变量数据为平稳序列,拒绝了存在单位根的原假设,可以进行回归分析。
图2 八大经济区低碳创新网络效率
基于Hansen理论,对环境规制门槛水平下FDI知识溢出驱动低碳创新网络效率的异质性复杂机制进行实证探究。首先,存在门槛效应是进行回归的基础,对单一门槛模型、双重门槛模型和三重门槛模型分别进行门槛效应检验,由门槛效应检验和估计结果可知,单一门槛和双重门槛在1%显著水平下通过假设检验,而三重门槛效应的自抽样P值为0.880,效果不显著,故模型存在显著的环境规制双门槛效应。环境规制的双重门槛估计值分别为3.144和4.215,如表4所示。
表3 变量单位根检验结果
变量LLCIPSADF-FisherPP-Fisher结论Ln LINE-6.440 0***-1.926 2**122.499 9***180.269 2***平稳(0.000 0)(0.061 1)(0.000 0)(0.000 0)Ln FKS-3.725 6***-2.381 4***379.849 2***217.375 7***平稳(0.000 0)(0.000 0)(0.000 0)(0.000 0)Ln ER-5.740 5***-1.946 2**90.214 9***117.802 7***平稳(0.000 0)(0.027 2)(0.007 0)(0.000 0)Ln HR-1.957 3**-2.022 1***51.482 7**119.526 6***平稳(0.025 2)(0.000 0)(0.025 2)(0.000 0)Ln ABS-4.507 3***-2.440 7**262.940 7***232.621 0***平稳(0.000 0)(0.002 7)(0.000 0)(0.000 0)Ln MAR-7.785 1***-2.071 7***99.067 2***74.084 4**平稳(0.000 0)(0.000 0)(0.001 1)(0.099 3)Ln GOV-9.180 2***-3.013 7***103.179 9***109.456 1***平稳(0.000 0)(0.000 0)(0.000 0)(0.000 0)
注:括号内为P统计量,*、**、***分别表示1%、5%和10%显著水平
表4 门槛效应检验与估计结果
模型门槛估计值P值BS次数95%置信区间单一门槛模型3.144***0.020200[3.109, 3.149]双重门槛模型4.215***0.000200[4.187, 4.221]三重门槛模型5.4050.880200[5.401, 5.437]
借助似然比函数进一步验证门槛值估计的有效性,双重门槛模型中,环境规制门槛估计值分别为3.144和4.215时,似然比统计量LR值为零,虚线以下(5%显著水平的临界值)门槛变量γ1和γ2所在区间即为门槛估计值95%置信区间,通过门槛有效性检验。
基于面板门槛估计值,将样本数据划分为相应区间,用一阶差分GMM估计对各区间斜率系数进行动态估计,结果如表5所示。以环境规制为门槛变量的双门槛模型参数估计控制变量,人力资本对低碳创新网络效率的影响显著为正,说明人力资本受教育程度是提升低碳创新网络效率的重要因素,有利于低碳技术创新活动的开展,对低碳创新持续性与核心竞争力提升有正向促进作用。吸收能力对低碳创新网络效率的影响显著为正,说明吸收转化FDI溢出效应能够实现“低成本”技术超越,消化吸收国外先进低碳技术并开展二次创新对我国经济转型过程中低碳创新网络发展十分重要。政策支持对低碳创新网络效率的影响为负,但相关系数不显著,不符合预期结果。理论上,政府通过引导创新资源投入可以积极影响市场上创新要素供求关系和公共基础设施建设,并促进低碳创新网络异质性创新主体开展协同合作创新。其中的主要原因可能是政府更为关注社会效益而非经济效益,高校和科研机构客观上挤占了更多创新资源,同时,政府更倾向于周期长、能够增强国家创新体系竞争力、但短期内回报率较低的基础性投资,短期内对创新效率的影响不显著,还可能因“挤占效应”而产生负面影响。市场竞争对低碳创新网络效率的影响显著为负,与预期结果相悖,究其原因是部分企业产能过剩导致过度竞争,企业无法再将生产成本分配到降低能源消耗的低碳技术创新研发投入当中,以至于部分行业间竞争局限在价格、包装、声誉等方面。因此,企业应避免过度竞争可能引起的经营效益降低和低碳技术创新投入不足,着眼于低碳技术创新、企业核心竞争力的提升及可持续发展。
FDI知识溢出对低碳创新网络效率的影响存在复杂的非线性机制和显著的环境规制门槛效应,当环境规制水平未达到3.144的第一门槛值时,FDI知识溢出对低碳创新网络效率的影响显著为负,当环境规制水平介于第一门槛值3.144和第二门槛值4.215之间时,FDI知识溢出对低碳创新网络效率的抑制作用显著降低,当门槛值超过第二门槛4.125时,FDI知识溢出对低碳创新网络效率的系数由负转正,但正向作用效果不显著。综上,随着环境规制水平的提升,FDI知识溢出对低碳创新网络效率的影响系数依次提高,由显著的负向影响作用转为正向作用,符合门槛效应的特质。FDI知识溢出对低碳创新网络效率的作用机制受环境规制区间的限制,较低的环境规制水平不利于FDI知识溢出发挥促进作用,较高的环境规制水平能够提高FDI知识溢出对低碳创新网络效率的提升作用。究其原因,在我国环境规制相对松懈时,发达国家为回避本国环境规制而将环境污染严重产业向我国转移,造成了我国早期经济发展过程中“环境换技术”的做法失败,国内低碳技术水平未得到提升,同时加剧了我国环境污染。随着FDI的流入和政府环保意识的提升,政府转变经济发展方式,加强环境规制,不再只关注GDP提升。环境规制促使政府对外资投资结构进行调整,提升外资进入我国的环境门槛,从而对FDI进行初步筛选,优先引进有利于环保和低碳经济的FDI,对污染密集型产业的FDI产生挤出效应,对低碳创新网络效率提升发挥积极影响作用。
表5 门槛面板模型回归结果
变量Coef.Std.ErrtP>|t|95%的置信区间LINE-1-0.166***0.042-2.710.000-0.201-0.031LINE-2-0.084***0.015-1.980.003-0.103-0.011HR0.174***0.1053.710.0020.1330.282ABS0.036***0.0881.680.000-0.0690.140GOV-0.1070.042-1.540.216-0.2450.095MAR-4.771***1.026-8.930.000-5.029-3.825FKS(ER≤3.144)-0.076***0.138-0.410.001-0.1950.362FKS(3.144
在以环境规制为门槛的双重门槛模型中,根据两个门槛值将我国划分为低环境规制、中环境规制和高环境规制3种类型地区,结果如表6所示。图3为FDI知识溢出驱动低碳创新网络效率在不同环境规制门槛区间地区数目的变化趋势。整体上,我国各地区处于高环境规制区间(ER>4.215)的样本数约占总数的61%,占比最大,处于低环境规制区间(ER≤3.144)的样本数约占总数的4.67%,FDI知识溢出驱动低碳创新网络效率存在环境规制程度上的时间与空间异质性。时间序列层面上,样本分布存在显著差异,2005年样本集中在中度环境规制区间,2014年高度环境规制区间的样本数最多。在初始阶段,中度环境规制区间的样本数最多,随时间推移,大部分区域进入到高度环境规制区间,至2014年没有任一地区处于低环境规制区间,且86.67%的样本位于高度环境规制区间。2005-2007年我国大部分地区的环境规制水平不高,污染环境的外资仍大量进入国内,对国内低碳技术创新存在较大抑制作用,大部分地区的FDI知识溢出对低碳创新网络效率存在显著负向影响作用。2008-2010年我国部分地区的环境规制仍存在漏洞,绝大多数地区有较高的环境规制水平,FDI知识溢出对低碳创新网络效率的负向作用减少。2011-2014年,绝大多数地区跨越了环境规制的中低阶段门槛,FDI知识溢出对低碳创新网络效率的促进作用得到有效发挥。区域层面上,2005年北京、上海、江苏、广东等9个地区处于高度环境规制区间,占比30%,这些地区同属于经济较为发达的东部和南部沿海经济区,也是FDI进入我国的首选区域,低碳技术创新基础完善,人力资本和吸收能力水平更高,FDI知识溢出对低碳创新网络的驱动作用显著。2008年,宁夏、贵州进入到中度环境规制区间,四川、重庆、福建等8个地区进入到高度环境规制区间,表明此阶段中西部地区FDI知识溢出对低碳创新网络效率的作用依然受到限制。2011年,全部地区进入到中高度环境规制区间,吉林、陕西、湖南和海南4个区域跨越了中度环境规制门槛,说明环境规制通过FDI知识溢出对区域低碳创新网络效率提升产生了较好的促进作用。2014年,绝大多数区域跨越了中度环境规制门槛,进入到高度环境规制区间,仅青海、甘肃、山西和云南仍处于中度环境规制区间。
在国家创新驱动、低碳发展战略背景下,利用2005-2014年省际面板数据,采用考虑非期望产出的J-SBM模型对区域低碳创新网络效率进行测算,基于非参数核密度估计分析了低碳网络创新效率的动态演变和八大经济区的地区异质性,构建以环境规制为门槛的FDI知识溢出驱动区域低碳创新网络效率的非线性门槛模型,将因变量滞后项纳入该模型,揭示了非线性关系研究框架内的“黑箱”。
研究结果表明:①从核密度曲线可知,区域低碳创新网络效率呈逐步上升趋势,存在两极分化现象,反映出区域低碳创新网络效率发展不协调,且波峰高度下降,幅度变宽,说明区域差距呈扩大趋势。东部沿海经济区的低碳创新网络效率最高,黄河中游经济区的效率最低;②人力资本和吸收能力因素与低碳创新网络效率呈显著正相关关系,政策支持在一定程度上制约低碳创新网络效率的提升,市场竞争与低碳创新网络效率呈显著负相关关系;③FDI知识溢出对低碳创新网络效率的影响作用受限于环境规制,根据门槛模型估计结果可以将地区划分为低环境规制、中环境规制和高环境规制3个区间,FDI知识溢出驱动低碳创新网络效率存在时空异质性,不同年份的分布差异较大。随着环境规制水平的提高,除中西部4个区域外均进入高环境规制区间,这4个地区的经济发展、地理位置和资金人才因素抑制了区域创新能力与吸收能力,环境规制程度不足,FDI仍以寻求不可再生资源为主要目的,适当加强环境规制能够提升FDI对于低碳创新网络效率提升的驱动作用。整合创新资源与环境规制工具,应强化东中西部联动低碳化发展,充分发挥FDI对低碳创新网络效率的溢出效应,实现低碳创新网络效率的有效提升。
表6 2005-2014年不同环境规制门槛区间地区分布情况
门槛值ER≤3.1443.144
图3 环境规制门槛的时序变化
与现有文献忽视环境规制门槛影响相比,本结论有助于理解当前区域低碳创新网络发展不均衡的深层次原因。综上,本文提出以下建议:
(1)截至2014年,尚有中西部的4个地区处于中环境规制区间,抑制了FDI知识溢出对于区域低碳创新网路效率的促进作用,青海、甘肃、山西和云南这4个处于中环境规制区间(3.144<ER≤4.215)的地区,应积极建立环境污染的统筹监督和协调机构,防止其为了引入产业而降低环境规制强度,可以由政府牵头建立第三方监督协调和惩罚机构,限时“违约”地区将环境规制强度提升至平均水平以上,建立跨区域的财政生态补偿机制,实现区域经济发展与环境治理协同发展;同时,因地制宜实施环境规制措施,将“市场导向型”与“命令-控制型”环境规制工具有效结合,参考不同行业的承受力分别设置环境规制强度,降低企业投机心理;最后,加强对FDI知识溢出的吸收能力,持续增加研发投入,提高各地区城市化率与经济发展程度,培养知识型员工,对先进低碳技术的消化吸收与再创新是实现快速低碳技术赶超的重要路径。
(2)针对处于高环境规制区间(ER>4.215)的地区,继续强化监控和识别FDI引进质量,实现环境规制与FDI的良性互动,优化环境规制政策组合效果,发挥环境规制改善环境、激励FDI知识溢出促进低碳创新效率的“双重红利”;加强复合型人才引进和培养,建立人才创新激励机制,实现人力资本优化配置,促进低碳技术扩散和成果转化;通过政府财政补贴和税收的杠杆引导,推动低碳创新网络发展,建立研发中心、专业实验室和孵化基地等,实现企业集群式发展,改善低碳创新网络外部环境,注重政产学研合作,以利益为纽带连接创新网络主体间关系。
[1] 樊步青,王莉静.我国制造业低碳创新系统及其危机诱因与形成机理分析[J].中国软科学, 2016,31(12):51-60.
[2] REN S,YUAN B,MA X.International trade, FDI and embodied CO2emissions: a case study of china′s industrial sectors[J].China Economic Review, 2014, 28(1):123-134.
[3] FRAME D, HANNON M, BELL K.Innovation in regulated electricity distribution networks: a review of the effectiveness of Great Britain's low carbon networks fund[J].Energy Policy, 2018,118(7):121-132.
[4] KOHLER J, SCHADE W, LEDUC G.Leaving fossil fuels behind? an innovation system analysis of low carbon cars[J].Journal of Cleaner Production, 2013,48(6):176-186.
[5] TONE K.A slacks-based measure of super-efficiency in data envelopment analysis[J].European Journal of Operational Research, 2002, 143(1):32-41.
[6] CHEN C M.Super efficiencies or super inefficiencies? insights from a joint computation model for slacks-based measures in DEA[J].European Journal of Operational Research, 2013, 226(2): 258-267.
[7] WU J, GUO D.Measuring e-government performance of provincial government website in China with slacks-based efficiency measurement[J].Technological Forecasting & Social Change, 2015, 96(1):25-31.
[8] LEE G.The effectiveness of international knowledge spillover channels[J].European Economic Review,2006,50(8): 2075-2088.
[9] ZHANG L.The knowledge spillover effects of FDI on the productivity and efficiency of research activities in China[J].China Economic Review, 2017, 42(2):1-14.
[10] JOVANKA D.Innovation oriented FDI as a way of improving the national competitiveness [J].Procedia Social and Behavioral Sciences, 2015, 12(213): 37-42.
[11] 原毅军,孙大明.FDI技术溢出、自主研发与合作研发的比较——基于制造业技术升级的视角[J].科学学研究, 2017, 35(9): 1334-1347.
[12] 徐德英.多渠道国际技术溢出下区域创新门槛效应研究[J].科研管理, 2017, 38(S1):53-62.
[13] 陈恒,侯建.R&D投入、FDI流入与国内创新能力的门槛效应研究——基于地区知识产权保护异质性视角[J].管理评论, 2017, 29(6):85-95.
[14] DONG B M, GONG J, ZHAO X.FDI and environmental regulation: pollution haven or a race to the top[J].Journal of Regulatory Economics, 2012, 41(2):216-237.
[15] OHORI S.Environmental policy instruments and foreign ownership[J].Environmental Economics and Policy Studies, 2011, 13(1): 65-78.
[16] DE SANTIS R A, STAHLER F.Foreign direct investment and environmental taxes[J].German Economic Review, 2008, 10(1): 115-135.
[17] COLE M, ELLIOTT R,FREDRIKSSON P.Endogenous pollution havens: does FDI influence environmental regulations[J].Scandinavian Journal of Economics, 2006, 108(1):157-178.
[18] 朱东波,任力.环境规制、外商直接投资与中国工业绿色转型[J].国际贸易问题, 2017(11): 70-81.
[19] 陈凯华,汪寿阳.考虑环境影响的三阶段组合效率测度模型的改进及在研发效率测度中的应用[J].系统工程理论与实践, 2014,34(7):1811-1821
[20] 李永立,吴冲.考虑非期望产出弱可处置性的随机DEA模型[J].管理科学学报,2014,17(9):17-28.
[21] 傅首清.区域创新网络与科技产业生态环境互动机制研究——以中关村海淀科技园区为例[J].管理世界, 2010(6): 8-13.
[22] FORSTE A, FERNIE K, CARTER P.Innovation in low carbon construction technologies:an historic analysis for obviation defects[J].Structural Survey, 2015, 33(1): 52-72.
[23] 刘杨,刘华辰,赵峥.京沪地区考虑环境因素调整的全要素生产率分析[J].中国科技论坛,2018(10):154-162.
[24] 黄清煌,高明.环境规制的节能减排效应研究——基于面板分位数的经验分析[J].科学学与科学技术管理,2017,38(1):30-43.