近年来,中国雾霾天气频发,清楚地反映了中国环境污染的严重性和生态的极端脆弱性。据耶鲁大学发布的《2018全球环境绩效指数》显示,在180个国家环境绩效指数排名中,中国排名120位。2018年《中国生态环境状况公报》显示,在338个地级及以上城市中,环境空气质量超标率高达64.2%,发生重度污染1 899天次。如此严重的环境污染不仅损害了居民身体健康,也影响了人们正常的生产生活,造成巨大经济损失。中央及各级地方政府早已意识到生态环境的重要性,采取了一系列措施防止环境恶化,如关停严重污染企业、整顿高污染行业、限制污染物排放量等。然而,非彼即此的政策不仅无法实现“环境”与“经济”双赢,还会成为经济发展的掣肘,压缩环保空间。
绿色技术创新是实现环境保护与经济发展并行不悖的有效手段。与普通技术创新不同,绿色技术创新存在明显的“双重外部性”[1]。首先,与环境污染相关的负外部性。环境资源的公共属性以及对企业来说污染排放成本低于社会平均成本,加之缺乏污染排放市场定价机制,将导致过度排放,此种负外部性致使企业低估减排成本,导致企业缺乏绿色技术创新动力;其次,与知识溢出相关的正外部性。知识溢出理论认为,当新知识被应用后,部分知识会变成公共知识[2]。实施绿色技术创新的企业,创新成本由个体承担,但创新成果却被其它企业模仿和复制,从而挤占了创新企业的利润,损害了企业绿色技术创新积极性,最终蜕变成一种“等待博弈”。绿色技术创新的“双重外部性”决定了很难依靠市场本身实现绿色技术创新。政府行为是引导企业进行绿色技术创新的重要因素。环境规制理论认为,政府环境管制政策是解决绿色技术创新市场失灵的有效手段,对资源环境利用的负外部性具有制约作用[3]。政府干预理论认为,政府研发资助能够促进绿色技术创新达到社会最优效率水平,有效抵冲绿色技术创新的正外部性及资金短缺现象[4]。然而,也有学者对环境规制、政府研发资助与绿色技术创新间关系提出不同看法。
自20世纪90年代迈克尔·波特提出“波特假说”以来,学术界围绕其理论逻辑性、实际可行性等问题进行了长期争辩。早期研究认为,环境规制会增加企业负担,挤占企业原本的创新性投资到非生产性污染治理环节,这种现象在污染密集型企业尤为明显[5]。因此,“遵循成本”效应会抑制企业绿色技术创新。之后,有学者提出不同看法,他们认为虽然短期内环境规制提高会降低研发投入,压缩利润空间,无法对绿色技术创新行为起到有效激励作用,但从长期看,绿色技术创新通过改变生产效率和转变生产方式,使得增加利润和清洁生产并行相容,其“创新补偿”效应远远超过绿色技术创新投入成本[6]。因此,环境规制对绿色技术创新具有促进作用。此外,还有部分学者认为环境规制与绿色技术创新间并非简单的线性关系,而是呈现先抑后扬或先扬后抑的“U”型或倒“U”型关系[7-8]。综上所述,有关环境规制与绿色技术创新的研究尚未达成共识,总体上可分为促进和抑制两种作用效果,环境规制强度改变会影响两种作用效果的发挥。
外部经济理论认为,社会中存在某些能够产生巨大外部经济的企业或产业,但所产生的外部经济却不能完全被对应企业所占有,导致这些企业无法达到社会最优状态,若政府给予一定的支持则能够促进这些企业或产业发展[9]。绿色技术创新外部溢出性会使企业减少绿色技术创新投入并降低成本,而政府研发资助则会弥补企业绿色技术创新投资不足,进而对企业绿色技术创新产生促进作用[10]。然而,政府研发资助真的会纠正绿色技术创新的正外部性吗?有学者提出相反观点,他们认为政府研发资助会挤占企业原本的绿色技术创新投入,对企业研发形成替代效应,从而抑制企业绿色技术创新[11]。当然,也有学者从政府研发资助强度出发,认为政府研发资助与绿色技术创新间并非简单的线性关系,而是随研发资助强度加大呈现先扬后抑的倒“U”型关系[12]。综上所述,有关政府研发资助与绿色技术创新的研究在理论上同样可分为抑制和促进两种作用效果,政府研发资助强度变化会使两种作用效果先后发生。
环境规制与政府研发资助二者分别对绿色技术创新都存在促进或者抑制作用,那么,当二者同时实施,即负向约束与正向激励并存时又会产生怎样的效果呢?已有学者对这方面的研究较少,仅有少量研究通过构建数理模型考察环境规制、政府研发资助与绿色技术创新三者间的互动关系。例如,何小钢[1]构建环境规制与政府研发资助绿色技术创新双重互动模型发现,只有环境规制与绿色技术创新结合使用才能激发企业绿色技术创新动力。也有学者从企业微观层面展开过相关研究。如于克信等[13]以资源型行业沪深A股上市的36家企业为样本进行实证研究发现,政府创新资助负向调节环境规制与绿色技术创新间关系。不难发现,针对这一问题的研究结论并不统一,且鲜有文章从宏观视角探讨环境规制与政府研发资助对绿色技术创新的协同作用效果。基于此,本文从宏观层面出发,利用我国内地31个省(市、区)2009-2017年面板数据,实证检验环境规制、政府研发资助与绿色技术创新间的互动关系,有别于以往文献仅限于数理模型演绎和少量微观层面的研究,本文结论可为相关研究提供来自宏观层面的证据。
由于环境污染的负外部性,要求政府通过环境规制弥补“市场失灵”。政府环境规制政策将环境保护直接嵌入到企业发展中,只有在企业承担环境污染成本后才能使得社会利益达到最优[14],此种外部环境成本的内部化直接影响企业投资决策。为适应严格的环境规制标准,同时满足长期自身利润最大化需求,一般来说,企业倾向于增加绿色技术创新投入,以期通过提高生产效率和改变生产方式率先实现绿色技术革新,从而形成先动优势,抢占市场份额[15]。正因如此,绿色技术创新会为企业带来创新收益,弥补“遵循成本”所产生的负面影响[16]。并且,随着我国知识产权保护体系的不断完善,仅靠模仿、复制先进技术,企业很难在激烈竞争中实现长远发展[17]。因此,从长远角度看,环境规制会倒逼企业进行生产工艺流程和加工技术绿色革新,最终实现整体生态负效应最小、社会总收益最大的绿色技术创新目标。基于以上分析,本文提出如下假设:
H1:环境规制对绿色技术创新具有正向影响。
绿色技术创新正外部性决定一旦新绿色技术进入市场,就会不可避免地产生溢出效应,使得社会效益大于个体收益。加之绿色技术创新高投入、高风险等特性,会使企业选择等待策略,形成绿色技术创新博弈困境,造成市场失灵。技术创新理论认为,溢出效应的存在使得企业绿色技术创新投入不足,这就需要政府研发资助补偿企业的正外部性,以增加企业创新收益,从而促进企业绿色技术创新[18]。同时,根据政府干预理论,很难单纯依靠市场经济体制实现绿色技术创新,以达到社会最优产量。因此,需要政府这只“看得见的手”纠正市场机制对资源最优配置的功能扭曲,从而修正市场机制对企业绿色技术创新的市场失灵问题[19]。综上所述,政府研发资助不仅可通过分担企业绿色技术创新资金投入解决溢出问题,还可以弥补企业因绿色技术创新不足而造成的社会福利损失,从而解决市场失灵问题。基于以上分析,本文提出如下假设:
H2:政府研发资助对绿色技术创新具有正向影响。
绿色技术创新的双重外部性会引起双重市场失效,且双重市场失效会相互强化,导致绿色技术创新投资长期低于社会最优规模[20]。根据“丁伯根准则”,只有当政策工具数量等于政策目标数量时,才能达到最理想的效果[21]。因此,绿色技术创新的激发需要融合环境规制与政府研发资助以消除双重外部性[1]。这是因为,当加强环境规制时,所有企业均面临严格的环境标准,最高效的方式是引进新绿色技术,这将有利于绿色技术创新的推广和应用,也能够解决环境污染负外部性问题。但又一个现实问题无法解决,即绿色技术创新企业创新利润将被其它企业吞噬,使其可能不再追加绿色技术创新投入,而这恰恰为政府研发资助提供了充足的理由和动力,以此解决绿色技术创新外部溢出问题。从长期看,环境规制与政府研发资助等环保政策对绿色技术创新研发和推广的共同影响,是环境保护努力能否成功的决定性因素[22]。因此,从绿色技术创新研发和推广的循环互动过程看,政府需要在增大环境规制强度的同时提高研发资助力度,将两项政策配合实施,只有环境规制与政府研发资助并行使用,才能够有效促进企业绿色技术创新。基于以上分析,本文提出如下假设:
H3:环境规制与政府研发资助的交互作用对绿色技术创新具有显著正向影响。
2.1.1 被解释变量
绿色技术创新(GTI)。专利数量是衡量技术创新的最常用指标。鉴于我国目前还没有单独针对绿色技术创新专利的统计数据,本文参考贾军[23]对绿色技术创新的衡量方法,根据OECD公布的《技术领域与IPC分类号对照表》建立环境友好型技术领域与IPC分类号间的对应关系,利用此组IPC分类号在国家知识产权局专利检索及分析系统中检索出环境友好型专利数量,以此表征绿色技术创新水平。
2.1.2 解释变量
2.1.2.1 环境规制(ER)
学术界对于环境规制的衡量指标主要有单一投入型(如污染治理成本占工业总产值比重、污染治理项目本年度完成投资额)和单一产出型(如污染物排放量占工业总产值),这些指标只能反映污染物治理费用或者排放情况等某一方面,为避免单一变量可能存在的测量偏误等问题,本文借鉴杨振兵等[24]的研究方法,将其对行业环境规制强度的测量拓展到地区层面,从污染治理投入和产出双重角度构造环境规制衡量指标,该指标反映了“投入”和“产出”的双重环境规制效果。具体而言,基于废水排放量、SO2排放量、烟(粉)尘排放量和工业固体废物产生量4个单一指标构建各地区污染排放强度综合测量指数。在此基础上,利用单位产值污染治理本年完成投资对其进行修正。具体步骤如下:
(1)将各污染物排放量进行0~1范围取值的线性标准化处理,以消除各单项指标间的不可公度性和矛盾性。
(1)
其中,Eij为i地区第j种污染物的排放量,max(Ej)和min(Ei)为各项指标在地区i中的最大值和最小值,为各污染物的标准化数值。
(2)测算各污染物的调整系数(Wj)。由于不同地区间污染物排放程度存在差别,且即使同一地区不同污染物间也存在排放比重的不同。因此,有必要测算不同污染物的排放权重系数,以准确反映各地区的污染排放情况。其计算方法如下:
(2)
其中,Wj 的含义为地区i(i=1,2,3…m)污染物j(j=1,2,3…n)的排放量(Eij)占全国该污染物排放总量(∑Eij)的比重(Eij/∑Eij)与地区i的工业总产值(Yi)占全国工业总产值(∑Yi)的比重(Yi/∑Yi)之比。该公式可最终推导成:地区i污染物j的单位产值排放量(UEij)与污染物j的单位产值排放量全国平均水平之比。
(3)利用以上标准化后的各污染物排放量与对应的污染物权重进行加权平均,得到各地区污染物排放强度综合指数S。
(3)
(4)为避免单一投入指标(如污染治理投资)或单一产出指标(如污染排放强度)可能存在的测量误差,本文引入单位产值污染治理项目本年完成投资UPTCi对污染排放强度综合指数进行修正。修正后的指标既能反映政府环境污染治理努力程度,又能反映污染治理减排效果。
ERSi=UPTCi/Si
(4)
2.1.2.2 政府研发资助(GF)
本文参考李世奇等[25]的衡量方法,采用规模以上工业企业 R&D经费内部支出的政府资金表征政府研发资助。采用该指标的原因是:①基于数据可获得性;②在宏观数据实证分析中,学术界普遍采用该指标衡量政府研发资助强度。为消除资金时间价值的影响,本文构建企业R&D经费支岀价格指数,以2009年为基期对政府研发资助名义值进行处理。因为R&D经费大部分用于支付劳动成本和购置固定资产。因此,本文使用消费者价格指数与固定资产价格指数的加权值构造企业R&D经费支出价格指数。因各地区经济发展水平存在较大差别,所以不宜采用固定权重比例。考虑到此问题,本文以各地区R&D内部支出中日常性支出与资产性支出的占比作为权重系数,则地区i第j年企业R&D经费支出价格指数RD_ Priceit 为:
RD_Priceit=aitCPIit+(1-ait)FAPIit
(5)
其中,αit为地区i第t年企业R&D经费日常性支出占比,CPIit为消费者价格指数, FAPIit为固定资产投资价格指数。
2.1.3 控制变量
企业绿色技术创新行为还受到其它宏观因素的影响。参考已有研究,本文选取各地区人力资本水平(HCL)、经济发展水平(GDP)、创新环境(IE)、产业规模(IS)、国有化程度(DN)、资源禀赋(NR)作为控制变量。其中,所有以货币为计量单位的指标均将其名义数值平减成2009年实际值,以提高回归结果的准确性和可信度。
本文首先建立模型(1)、模型(2)考察环境规制、政府研发资助分别与绿色技术创新间的关系。在此基础上,引入环境规制与政府研发资助的交互项,构建模型(3),反映二者对绿色技术创新的共同作用效果。为缓解变量多重共线性和方程异方差性的影响,本文对所有变量均进行对数处理。同时,为降低环境规制、政府研发资助与二者交互项间的相关性,减少多重共线性问题,本文参考王莉娜等的研究方法,对环境规制和政府研发资助先进行中心化处理,然后将中心化后的变量相乘,得到环境规制与政府研发资助的交互项。
lnGTI=α+β1lnERit+βilnControl+εit
(1)
lnGTI=α+β1lnGFit+βilnControl+εit
(2)
lnGTI=α+β1lnERit+β2lnGFit+β3lnERit*lnGFit+βilnControl+εit
(3)
其中,lnGTI为绿色技术创新指标对数,lnER为环境规制指标对数,lnGF为政府研发资助指标数,lnER*lnGF为环境规制与政府研发资助的交互项,lnControl为控制变量指标对数,α为截距项,εit为随机干扰项,i为各省份(i=1,…31),t表示年份(t=2009,…2017)。
本文以我国内地31个省(市、区)2009-2017年数据为研究样本,数据来源于国家统计局、国家知识产权局、《中国统计年鉴》、《中国科技统计年鉴》、《中国环境统计年鉴》。所有变量度量方式、参考文献及对应的数据来源等信息见表1。
在进行面板数据回归之前需要检验数据是否平稳,避免出现伪回归。本文分别采用LLC、ADF-Fisher和PP-Fisher三种单位根检验方法以确保检验结果更可靠。由表2可知,所有变量在进行一阶差分后均通过单位根检验,故各变量为一阶单整变量。
表1 变量指标选取、参考文献及数据来源
变量符号度量方式参考文献数据来源被解释变量绿色技术创新GTI国际专利分类( IPC) 对应的环境技术领域专利授权量贾军(2017)OECD、国家知识产权局专利检索及分析系统环境规制ER人工测算杨振兵等(2016)《中国统计年鉴》、《中国环境统计年鉴》解释变量环境规制(稳健性检验)ER污染治理项目本年完成投资刘加林,严立冬(2011)国家统计局政府研发资助GE规模以上工业企业R&D经费内部支出中的政府资金李世奇,朱平(2019)中国科技统计年鉴人力资本水平HCL平均受教育年限金刚,沈坤荣(2018)国家统计局《中国统计年鉴》控制变量经济发展水平GDP人均GDP(地区生产总值平减指数)沈坤荣等(2017)国家统计局创新环境IE技术市场成交额(地区生产总值平减指数)赵丽娟等(2019)国家统计局、《中国科技统计年鉴》产业规模IS规模以上工业企业数目邝嫦娥,路江林(2019)国家统计局国有化程度DN国有控股工业企业单位数/规模以上工业企业单位数贾军(2015)国家统计局资源禀赋NR采掘业从业人员/总人口李虹,邹庆(2018)国家统计局
表2 单位根检验结果
变量原值LLCADF-FisherPP-Fisher一阶差分LLCADF-FisherPP-Fisherln GTI-2.006 06***25.056 049.255 3-13.446 7***161.515***240.960***lnER-5.272 49***77.746 8*79.018 7*-15.102 7***161.256***228.892***lnGE-8.407 42***114.221***145.471***-11.053 9***165.326***235.481***lnER*lnGE-10.334 3***113.781***115.780***-13.133 2***143.555***207.961***lnHCL-29.041 0***138.363***55.519 5-21.194 3***230.620***272.887***lnGDP-10.521 9***143.025***193.14***-7.822 63***62.975 769.848 4lnIE-5.946 06***78.815 3*98.147 6**-12.183 5***153.846***219.532***lnIS-20.273 8***117.321***74.712 8-60.241 3***282.892***151.493***lnDN-18.038 1***39.193 614.903 6-9.4461 2***104.754***161.360***lnNR4.333 0628.950 320.117 9-8.282 37***98.863 9***87.680 0**
注:*、**、***分别表示在 10% 、5% 和 1% 显著性水平上显著,下同
在单位根检验通过的基础上再对模型进行协整检验,以确定变量间具有长期稳定的协整关系。面板数据协整检验方法可分为两大类:第一类即为第一代面板协整检验方法,该类方法是根据面板数据协整回归检验式残差数据单位根检验的面板协整检验。具体检验形式有Kao检验和Pedroni检验等;第二类是从推广Johansen 迹检验方法发展的面板协整检验,被称为第二代面板协整检验,如 Fisher 面板协整检验,可以检验出变量间存在几种协整关系。因Kao检验主要是检验变量间是否存在长期稳定的协整关系,同时本文不需要检验出变量间存在几种协整关系,故采用Kao检验进行面板数据协整检验。
表3是运用Kao检验对变量间是否存在协整关系进行分析。Kao检验原假设为变量间不存在协整关系。由表3可知,所有模型的P值均小于0.05,说明在5%显著性水平下拒绝原假设,因此各变量间具有长期均衡关系,可以进行面板回归分析。
表3 协整检验结果
模型t-StatisticProb.模型(1)-4.296 5160.000 0ADF模型(2)-3.863 6380.000 1交互模型(3)-1.754 7780.039 6
面板数据通常包括混合效应模型、固定效应模型和随机效应模型,在进行回归分析前需要检验适用哪种模型进行估计最为合适。首先,需要进行F检验,确定是选择混合效应模型还是固定效应模型。由表4可知,所有模型的p值均小于0.01,因此,本文选择个体固定效应模型进行检验;其次,需要通过Hausman检验确定是选择固定效应模型还是随机效应模型。从表5可知,p值均小于0.01,因此,所有模型都拒绝原假设,说明应该建立个体固定效应模型。
表4 F检验结果
模型Effects TestStatisticd.f.Prob.模型(1)Cross-section F8.902 300(30.241)0.000 0Cross-section Chi-square208.083 874300.000 0模型(2)Cross-section F8.740 323(30.241)0.000 0Cross-section Chi-square205.402 594300.000 0交互模型(3)Cross-section F8.773 190(30.239)0.000 0Cross-section Chi-square207.164 839300.000 0
表5 Hausman检验结果
模型Test SummaryChi-Sq.StatisticChi-Sq.d.f.Prob.模型(1)Cross-section random105.979 16270.000 0模型(2)Cross-section random116.322 38870.000 0交互模型(3)Cross-section random105.692 48990.000 0
根据表6第一列回归结果可知,环境规制对绿色技术创新具有显著正向影响,支持本文假设H1。这表明,政府环境规制越强(政府污染治理投资越多且污染物排放标准越严格),越能够激发企业绿色技术创新活力。严格的污染排放标准和加大的污染治理力度,不仅会向企业传导环境保护信号,更会激发企业对自身发展战略的再思考。环境规制下的被动治理不仅会成为企业负担,还会严重限制企业发展。从企业追求长期利润最大化角度看,实施绿色技术创新战略可以帮助企业走出“利润”与“污染”的樊笼,实现竞争能力的快速提升。
根据表6第二列回归结果可知,政府研发资助对绿色技术创新具有显著正向影响,支持本文假设H2。这表明,政府研发资助非但未对企业绿色技术创新投入形成挤占、替代效应,还会通过降低企业研发成本和风险起到激发企业绿色技术创新的作用。对比环境规制与政府研发资助对绿色技术创新的影响系数可以发现,政府研发资助对绿色技术创新的影响程度更大,表明相较于政府环境规制“硬措施”,研发资助“软措施”更能推动企业绿色技术创新。
根据表6第3列回归结果可知,环境规制与政府研发资助的交互作用对绿色技术创新具有显著正向影响,支持本文假设H3。从表6第三列还可以发现,当引入环境规制与政府研发资助的交互项后,环境规制和政府研发资助对绿色技术创新的影响系数均有所增大,表明环境规制与政府研发资助对绿色技术创新的促进作用会相互强化。同时实施环境规制与政府研发资助,形成二者间的互补耦合,能够有效缓解绿色技术创新的双重外部性,促进绿色技术创新及市场化应用。
控制变量人力资本水平(lnHCL)、经济发展水平(lnGDP)、创新环境(lnIE)、产业规模(lnIS)均对绿色技术创新具有正向影响;唯有国有化程度(lnDN)、资源禀赋(lnNR)呈显著负向影响。原因在于:相比于民营企业,国有控股企业更强调资本的安全性和资本的保值增值,因此,会在一定程度上阻碍具有高投入、高风险等特性的绿色技术创新活动;一般来说,资源丰裕度高的地区,其资源依赖性较强,轻易获取的资源收益不仅会使潜在创新者倾向于从事非创新性的初级生产工作,还将导致企业缺乏创新动力,从而降低绿色技术创新水平。
表6 回归结果
变量绿色技术创新lnER0.140 10.153 2(2.907 3)***(3.185 9)***lnGE0.195 40.200 1(4.305 8)***(4.443 4)***lnER*lnGE0.052 5(3.265 8)***lnHCL0.523 60.484 10.485 3(3.491 4)***(3.296 4)***(3.394 7)***lnGDP1.526 01.275 51.181 2(3.182 6)***(2.675 0)***(2.534 5)**lnIE0.590 920.553 10.542 1(9.404 6)***(9.041 2)***(8.925 8)***lnIS0.457 30.502 80.500 0(2.891 9)***(3.232 5)***(3.309 4)***lnDN-1.092 2-1.073 7-1.049 4(-6.598 9)***(-6.618 8)***(-6.637 6)***lnNR-0.877 5-0.874 1-0.833 2(-7.638 9)***(-7.803 2)***(-7.586 5)***C-21.655-22.10319.992(-4.139)***(-4.364)***(-3.998)***Adj-R20.917 500.920 700.925 20F84.556 2788.239 3189.168 10适用模型FEFEFE
注:表中括号中的数值为t值,下同
为证明研究结论的可靠性,本文分两部分进行稳健性检验:①缩小样本,采用我国民族地区面板数据进行实证分析(如表7前3列),因为民族地区是我国生态文明建设、经济发展、脱贫攻坚的主战场和重点区域。民族地区生态环境及绿色技术创新能力在一定程度上决定着我国未来发展空间和持久性。与其它地区相比,民族地区由于历史原因,绿色技术创新起点很低,在绿色技术创新要素组合中具有资源优势,但同时也面临着人才、技术、资金等困难。鉴于此,讨论环境规制与政府研发资助对我国民族地区绿色技术创新能力的影响,并探究二者的协同作用效果,对于保护民族地区生态环境、促进民族地区绿色技术创新能力提升、推动区域协调发展具有重要作用;②参考刘加林、严立冬[33]的方法,将污染治理项目本年完成投资作为环境规制的表征指标进行回归分析(如表7后三列)。稳健性检验与上文研究结果一致,进一步证明环境规制、政府研发资助及二者的耦合互动对绿色技术创新具有显著促进作用,表明政府只有同时实施较强的环境规制政策并增加研发资助,才能达到最好的激励效果。
表7 稳健性检验结果
变量绿色技术创新民族地区全国层面lnhg0.135 30.310 70.273 40.262 7(1.691 9)*(2.909 5)***(5.595 7)***(5.424 0)***lnzz0.12440.11950.195 40.219 6(1.9884)*(2.0161)**(4.305 9)***(4.523 1)***lnhg*lnzz0.067 50.0367(2.416 4)**(3.0937)***lnrz4.972 35.416 43.807 60.507 30.484 10.462 6(4.653 3)***(4.8488)***(2.828 2)***(3.539 0)***(3.296 4)***(3.348 2)***lngdp1.894 11.209 62.023 31.183 01.275 60.846 7(1.736 2)*(1.023 8)(1.662 9)(2.547 2)**(2.675 0)***(1.864 8)*lnch0.195 00.162 70.196 40.585 60.553 20.543 4(1.794 7)*(1.568 0)(1.920 5)*(9.803 9)***(9.041 2)***(9.324 3)***lncg0.558 20.721 20.575 00.477 70.502 80.500 6(1.808 9)*(2.269 1)**(1.874 6)*(3.154 7)***(3.232 6)***(3.427 3)***lngy-3.899 3-3.400 0-3.974 9-0.954 5-1.073 8-0.928 7(-5.571 9)***(-4.389)***(-4.922 1)***(-5.925 8)***(-6.618 8)***(-5.990 8)***lnyb-0.041 90.038 9-0.131 8-0.869 3-0.874 1-0.802 5(0.205 1)(0.188 4)(-0.636 3)(-7.962 3)***(-7.803 2)***(-7.578 0)***C-32.377 2-28.442 0-32.096 0-22.117 4-22.103 620.467(-3.075 1)***(-2.611 7)**(-2.973 1)***(-4.484 9)***(-4.364 4)***(-4.296 8)***Adj-R20.9171 20.918 600.927 170.924 420.920 700.930 186F57.117 3958.232 4957.495 5192.901 8088.239 3195.974 50适用模型FEFEFEFEFEFE
绿色技术创新是缓解当前我国经济新常态下经济与环境压力的有力工具。绿色技术创新在市场经济体制下存在天然不足,决定了政府政策在其中的重要作用。本文突破以往研究绿色技术创新影响因素的单一视角,在绿色技术创新“双重外部性”的基础上,围绕政府防止市场失灵的不同政策手段,探究环境规制与政府研发资助对绿色技术创新的复合政策效应。结果发现:环境规制与政府研发资助显著正向影响绿色技术创新,且政府研发资助的作用效果更明显。环境规制与政府研发资助的互补耦合更有利于绿色技术创新研发与推广。综上所述,本文提出如下建议:①提高环境规制强度,同时加大政府研发资助力度。并举环境规制与政府研发资助,但相关政策制定者需要明确,环境规制与研发资助等政策手段不仅具有科学性,还存在艺术性,这不仅取决于强度的适度,还取决于手段和方式的多样。过高的环境规制强度将导致企业降低研发投入,增加企业负担,甚至会引起企业跨地区转移。同样,过高的政府研发资助会使企业产生创新惰性,降低绿色技术创新效率;②值得注意的是,政府环境规制与研发资助有效性受地区人力资本水平、经济发展水平、产业结构等背景的影响。因此,在加强环境规制与研发投入时,还应充分考虑不同地区的技术背景、制度背景等,采取多样化、差别化政策手段和组合方式,以达到事半功倍的效果。
本文以我国内地31个省(市、区)2009-2017年宏观数据为研究样本,研讨环境规制与政府研发资助对绿色技术创新的协同作用效果,弥补了相关研究在宏观层面的空白。但本文仍存在以下不足:①未考虑不同环境规制和政府研发资助政策工具间的交叉混合效应;②未涉及环境规制和政府研发资助对绿色技术创新的作用机制。
针对以上不足,未来可从以下几个方面进行探讨:①探索不同政策工具,如命令控制型环境规制、技术开发减免税等间的交叉混合效果,并对其复合作用机制进行实证研究;②本文选择的绿色技术创新衡量指标是产出指标。然而,环境规制、政府研发资助是否通过激发企业绿色技术创新投入进而促进绿色技术创新产出?这一传导过程中又有哪些变量发挥中介作用或者调节作用?针对以上问题,需要后续研究人员厘清环境规制、政府研发资助与绿色技术创新间的传导机制,以进一步完善相关理论框架。
[1] 何小钢.绿色技术创新的最优规制结构研究——基于研发支持与环境规制的双重互动效应[J].经济管理,2014,36(11):144-153.
[2] GLAESER E L,KALLAL H D,SCHEINKMAN,et al.Growth in cities[J].Journal of Political Economy,1992,100(6):1126-1152.
[3] KRIECHEL B,ZIESEMER T.The environmental porter hypothesis:theory,evidence,and a model of timing of adoption[J].Economics of Innovation and New Technology,2009,18(3):267-294.
[4] MAMUNEAS T P,ISHAQ NADIRI M .Public R&D policies and cost behavior of the US manufacturing industries[J].Journal of Public Economics,1996,63(1):57 -81.
[5] 张成,陆旸,郭路,等.环境规制强度和生产技术进步[J].经济研究,2011,46(2):113-124.
[6] PORTER M E,LINDE C V D.Toward a new conception of the environment-competitiveness relationship[J].Journal of Economic Perspectives,1995,9(4):97-118.
[7] 张娟,耿弘,徐功文,等.环境规制对绿色技术创新的影响研究[J].中国人口·资源与环境,2019,29(1):168-176.
[8] 李斌,彭星,欧阳铭珂.环境规制、绿色全要素生产率与中国工业发展方式转变——基于36个工业行业数据的实证研究[J].中国工业经济,2013(4):56-68.
[9] 吕久琴,郁丹丹.政府科研创新补助与企业研发投入:挤出、替代还是激励[J].中国科技论坛,2011(8):21-28.
[10] CEMOGLU D,P AGHION,L BURSZTYN,et al.The environment and directed technical change[J].The American Economic Review,2012,102 (1) :131-166.
[11] 钱丽,王文平,肖仁桥.共享投入关联视角下中国区域工业企业绿色创新效率差异研究[J].中国人口·资源与环境,2018,28(5):27-39.
[12] GUELLEC D,POTTERIE B V P D L.The impact of public R&D expenditure on business R&D[J].Economics of Innovation and New Technology,2003,12(3):225-243.
[13] 于克信,胡勇强,宋哲.环境规制、政府支持与绿色技术创新——基于资源型企业的实证研究[J].云南财经大学学报,2019,35(4):100-112.
[14] 彭文斌,路江林.环境规制与绿色创新政策:基于外部性的理论逻辑[J].社会科学,2017(10):73-83.
[15] 王炳成,李洪伟.绿色产品创新影响因素的结构方程模型实证分析[J].中国人口·资源与环境,2009,19(5):168-174.
[16] 董直庆,王辉.环境规制的“本地—邻地”绿色技术进步效应[J].中国工业经济,2019(1):100-118.
[17] 彭衡,李扬.知识产权保护与中国绿色全要素生产率[J].经济体制改革,2019(3):18-24.
[18] ARROW K J.The economic implications of learning by doing[J].Review of Economic Studies,1971,29(3):155-173.
[19] 郑绪涛,柳剑平.促进R&D活动的税收和补贴政策工具的有效搭配[J].产业经济研究,2008(1):26-36.
[20] JAFFE A B,NEWELL R G,STAVINS,et al.A tale of two market failures[J].General Information,2005,54(2):164-174.
[21] TINBERGEN J.On the theory of economy policy.second edition[M].Volume 1 of Contributions to Economic Analysis,Amsterda:North-Holland,1952.
[22] KNEESE A V,SCHULTZE C L.Pollution,prices and public policy[M].Washington:Brookings Institution,1975.
[23] 贾军,魏洁云,王悦.环境规制对中国OFDI的绿色技术创新影响差异分析——基于异质性东道国视角[J].研究与发展管理,2017,29(6):81-90.
[24] 杨振兵,邵帅,杨莉莉.中国绿色工业变革的最优路径选择—基于技术进步要素偏向视角的经验考察[J].经济学动态,2016(1):76-89.
[25] 李世奇,朱平芳.地方政府研发补贴的区域竞争[J].系统工程理论与实践,2019,39(4):867-880.
[26] 王莉娜,张国平.信息技术、人力资本和创业企业技术创新——基于中国微观企业的实证研究[J].科学学与科学技术管理,2018,39(4):111-122.
[27] 金刚,沈坤荣.以邻为壑还是以邻为伴?——环境规制执行互动与城市生产率增长[J].管理世界,2018,34(12):43-55.
[28] 沈坤荣,金刚,方娴.环境规制引起了污染就近转移吗[J].经济研究,2017,52(5):44-59.
[29] 赵丽娟,张玉喜,潘方卉.政府R&D投入、环境规制与农业科技创新效率[J].科研管理,2019,40(2):76-85.
[30] 邝嫦娥,路江林.环境规制对绿色技术创新的影响研究——来自湖南省的证据[J].经济经纬,2019,36(2):126-132.
[31] 贾军.基于东道国环境技术创新的FDI绿色溢出效应研究——制度环境的调节效应[J].软科学,2015,29(3):28-32.
[32] 李虹,邹庆.环境规制、资源禀赋与城市产业转型研究——基于资源型城市与非资源型城市的对比分析[J].经济研究,2018,53(11):182-198.
[33] 刘加林,严立冬.环境规制对我国区域技术创新差异性的影响—基于省级面板数据的分析[J] .科技进步与对策,2011,28 (1) :32-36.