Based on the derivation of theoretical formulas and Chinese provincial panel data from 1997 -2019, this study empirically analyzed the impact of environmental policies, market factors and their spatial spillover effects on regional green technology innovation using a dynamic spatial panel model from the perspective of policy promotion and market pull. Robustness tests were conducted by replacing the spatial weight matrix and variable measures, and endogeneity was addressed by using variables with a one-period lag as well as the air circulation coefficient as an instrumental variable. Further heterogeneity analysis was conducted by region and time period, and the mediating effect of innovation inputs was examined.
The results show that there is a U-shape effect of environmental policy on local green technology innovation and a positive spillover effect on neighboring areas through the demonstration-imitation mechanism, and market factors play a significant role in promoting green technology innovation in both local and neighboring areas. This finding remains valid after changing the measurement indicators and using instrumental variables. Further study finds that the effects of environmental policies and market factors on green technology innovation show significant spatial and temporal heterogeneity. In 1997-2007 and 2008-2019, environmental policies had a U-shape effect on green technology innovation, and also showed positive spillover effects on neighboring regions. The sloppy economic development approach from 1997-2007 led to a decline rather than a rise in green market demand, and the changes in market factors were in the opposite direction of green technology innovation, while by 2008-2019 it showed that market factors were pulling the regional green technology innovation. Furthermore, the analysis of the mediating effect show that innovation inputs play a partial mediating role between environmental policy and green technology innovation, and between market factors and green technology innovation. In particular, environmental policy inhibits regional innovation inputs through the cost compliance effect, which is detrimental to regional green technology innovation, while the innovation compensation effect of environmental policy is not achieved by changing innovation inputs.
Unlike previous literature, this paper firstly investigated the effect of environmental policy and market factors jointly on green technology innovation from a regional level perspective, which also made it possible to examine the spatial spillover effects of green technology innovation and its drivers. Secondly, unlike previous studies that used a single indicator to reflect market factors, this study constructed a composite indicator of market factors in order to more accurately evaluate the effect of market factors on regional green technology innovation. Finally, the regional and time period differentiated effects of green technology innovation drivers were explored, and the influence mechanisms of environmental policies and market factors on regional green technology innovation were tapped, providing ideas for achieving the overall improvement and coordinated development of green technology innovation level.
It is suggested for local governments to use a combination of environmental regulation measures in their continuous exploration, and advanced regions should play a demonstration role so that surrounding regions with similar resource endowments can imitate and quickly introduce appropriate environmental policies. Second, green consumption should be stimulated to enhance the vitality of the green product market. Finally, regional differentiated green technology innovation driving policies should be implemented and the spatial spillover effect of green technology innovation should be given full play to realize regional synergistic green technology innovation.
开放科学(资源服务)标识码(OSID)：
在过去几十年，中国经济保持中高速增长。随着工业化进程的不断加快，资源环境问题日益凸显，对社会经济可持续发展构成严重威胁。虽然政府不断强调环境保护，但节能减排政策不可避免地放缓了地方经济发展速度，使地方政府陷入进退两难的窘境。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》指出，要坚持生态优先、绿色发展，构建市场导向的绿色技术创新体系，实施绿色技术攻关行动。绿色技术创新已成为解决我国经济发展与环境保护不协调问题的主要动力，是推动生态文明建设、促进经济高质量发展的重要支撑。
绿色技术的特点主要体现在两个方面：一是具有双重外部性特征，绿色技术创新除产生技术溢出效应外，还能够降低环境成本；二是绿色技术供给和市场需求不足，主体权责不一致导致绿色技术供给和需求不均衡。绿色技术供给企业成本收益不匹配，公众绿色消费意识转化为有效需求的比例低，难以形成绿色技术创新合力。加大企业绿色技术创新投入，离不开政府政策的推动作用及市场的拉动作用。环境和市场作为绿色技术创新的两大外部驱动因素，影响区域绿色技术创新发展。此外，绿色技术创新能够产生扩散溢出效应。传统空间不相关性和均质性计量分析法有可能出现区域分析误差，从而导致结果不稳定。因此，本研究从空间视角出发，研究政策和市场两大驱动因素对区域绿色技术创新的影响，可为绿色技术创新水平提升和协调发展提供参考依据。
Braun & Wield[1]最早提出绿色技术的概念，将其定义为“减少环境污染以及原材料和能源使用的技术、工艺或产品的总称”，绿色创新又可称作生态创新、环境创新和可持续创新。学者主要从内外部驱动因素两个方面考察绿色技术创新。Horbach等[2]认为，生态创新驱动因素包括企业特定技术、市场和监管；杨东和柴慧敏[3]基于制度理论、市场理论及自然资源观点，认为制度压力(环境规制)和制度支持(管理部门为企业提供政策、资金和信息等)、市场环境及企业内部因素(绿色导向、绿色技术能力)构成绿色技术创新驱动因素；汪明月等[4]认为，随着资源环境问题日益凸显，企业面临的内外部环境发生较大改变，企业技术创新驱动力也受到较为深刻的影响。其中，影响企业绿色技术创新的内部驱动因素包括经济利益最大化、企业社会认知及企业形象塑造，外部驱动力因素包括科技进步、政策驱动、市场竞争及市场需求。综上所述，企业技术能力是影响绿色技术创新能力的直接因素，政策推动和市场导向是影响绿色技术创新的外部因素，而企业利益最大化、社会责任和企业形象则是内部影响因素。本研究重点考察区域绿色技术创新行为，从政策和市场两大外部驱动因素视角进行研究。
(1)环境政策与技术创新。新古典经济学理论认为，环境规制使得企业生产成本提高，由此产生的资源挤占效应导致技术创新效率下降[5]；而Porter[6]指出，环境规制能够倒逼企业主动进行技术革新，从而降低生产成本，提高生产效率，进而获取竞争优势。他还指出，环境规制对技术创新具有正、负两方面的影响，遵循成本效应往往在当期产生，而创新补偿效应则存在一定时滞性，需要长期方能显现。因此，环境规制与技术创新在时间和强度上呈U型关系[7]。此外，部分学者从环境规制工具异质性[8]、行业异质性[9]、地区异质性[9]等方面研究环境规制对绿色技术创新的影响，并以碳排放交易、排污权交易、低碳城市试点等具体环境规制政策为准自然实验，实证检验环境规制对绿色技术创新的影响[10-11]。
(2)市场因素对技术创新的影响。以熊彼特为代表的现代创新理论指出，需求因素(市场拉动)对技术创新具有促进作用[12]。Pavitt[13]研究发现，用户需求能够推动企业技术创新, 且主要在产品扩散阶段发挥作用；Rennings[14]将绿色技术创新划分为绿色产品创新和绿色过程创新两种，发现顾客需求和市场竞争等市场因素能够有效推动绿色产品创新。此外，绿色产品能够使消费者产生强烈的消费需求，从而构成企业实施绿色创新的动机[15]。国内研究表明，区域外部潜在市场需求对创新发展及知识溢出具有重要影响(张战仁等，2013)；市场导向对绿色产品创新和绿色工艺创新具有显著正向影响，且对绿色产品创新的影响作用更显著[16]。
综上所述，绿色技术创新问题引起政府、学界乃至公众的广泛关注，现有文献围绕相关议题开展了一些探索性研究。从研究内容看，对绿色技术创新驱动因素的研究多集中在企业层面，针对区域层面的研究较少，且主要围绕环境政策对绿色技术创新的影响展开，针对市场拉动作用的研究较少。从研究方法看，多数研究基于计量分析法考察区域绿色技术创新相关影响因素，由于绿色技术存在双重外部性特征，因此绿色技术创新空间溢出效应成为影响区域绿色技术创新的重要因素。因此，本文在现有研究的基础上，综合考虑政策推进作用和市场拉动作用，实证检验环境政策和市场因素及其空间溢出效应对绿色技术创新的影响。本文主要贡献如下：第一，从政策推进和市场拉动两个方面对区域绿色技术创新驱动因素进行研究，并考虑空间溢出效应。第二，不同于以往单一指标，采用熵值法选取综合指标对绿色市场因素进行系统评价，以更具体、准确地揭示市场与绿色创新的关系。第三，对不同区域、不同时间段进行异质性分析，并对环境政策、市场因素影响区域绿色技术创新的作用机理进行检验，为推动区域绿色技术创新提供政策启示。
本文假设市场绿色产品需求量为d，价格为p，产品销量等于需求量，则总收益为dp；绿色技术创新水平为α，污染物排放量与绿色技术创新水平和产品产量有关，用如下函数表示：e(α,d)(e'(α)<0,e'(d)>0)，单位污染物环境成本(排污费、环境污染治理投资等)为k，环境成本总额为ke(α,d)；绿色技术创新成本用如下函数表示：I(α)(I'(α)>0)。绿色技术创新利润可表示为：
π=TR-TC=dp-ke(α,d)-I(α)
(1)
对式(1)求导并令其为0，可得：
(2)
假设区域i进行绿色技术升级后绿色技术创新水平增加αi1。若进行绿色技术创新利润会增加，则区域就会选择技术升级。
区域i原利润为：
πi0=dip-kiei0(di)
(3)
进行绿色技术升级后利润为：
πi1=dip-kiei1(αi1,di)-I(αi1)
(4)
利润变化为：
Δπi=ki(ei0(di)-ei1(αi1,di))-I(αi1)
(5)
若Δπi≥0，则表示区域会选择绿色技术创新,即绿色技术升级所节约的环境成本大于等于绿色技术升级所需要投入的成本。
对式(5)求ki的偏导可得：
(6)
令式(6)为0，可得：
(7)
结合式(2)，当
时，
当
时，
当ei0(di)=ei1(αi1,di)时，
假设区域i单位污染物环境成本ki的临界值为
则当
时，随着ki值的增加，绿色技术创新水平αi反而会降低；而当
时，随着ki值的增加，绿色技术创新水平αi也在提高。综上所述，在区域追求利润最大化前提下，提出如下假设：
H1：环境政策与绿色技术创新存在U型关系，即在初期低水平条件下，环境规制政策强度增加会导致绿色创新水平下降，但当环境规制达到特定水平后，环境规制政策强度增加反而会促进绿色技术创新水平提升。
受区域集聚扩散效应和知识溢出效应的影响，区域绿色技术创新不仅受本地因素的驱动，还受邻近地区相关因素的影响。本地区环境政策会对邻地产生示范效应，即kj→ki，且kj<ki。
区域i相邻区域j的利润变化公式为：
Δπj=kj(ej0(dj)-ej1(αj1,dj))-I(αj1)
(8)
对式(8)求ki的偏导并令其为0可得：
(9)
由于kj<ki，因此ej0(dj)-ej1(αj1,dj)>0，又由于实施绿色技术创新后产品边际污染物排放量下降，即
因此
在区域追求利润最大化前提下，提出如下假设：
H2：环境政策对区域绿色技术创新具有空间溢出效应，即本地区环境规制政策强度增加会促进周边地区绿色技术创新水平提升。
进一步，对市场因素与绿色技术创新关系进行推导，对式(5)求di的偏导可得：
(10)
令式(10)为0，可得：
(11)
同理，ei0'(di)-ei1'(αi1,di)>0，又由于ki>0，I'(αi1)>0，则
即随着绿色技术市场需求di的增加，绿色技术创新水平αi不断提升。因此，在区域追求利润最大化前提下，提出如下假设：
H3：绿色技术创新受市场因素的影响，即随着绿色技术市场需求的不断增加，绿色技术创新水平不断提升。
对式(8)求di的偏导并令其为0，可得：
(12)
同理，由于ej0'(dj)-ej1'(αj1,dj)>0，且kj>0，I'(αj1)>0，则
即随着绿色技术市场需求di增加，相邻地区绿色技术创新水平αj随之提升。同理，在区域追求利润最大化前提下，提出如下假设：
H4：市场因素对区域绿色技术创新具有空间溢出效应，即本地区绿色技术市场需求增加会促进周边地区绿色技术创新水平提升。
在柯布—道格拉斯生产函数的基础上，Griliches[17] 提出的知识生产函数描述了知识生产过程中所投入的生产要素的某种组合与产出关系，其经过一系列完善与改进后[18-19]，已被广泛应用于技术创新研究领域，数学表达式为：
Y=AKaLb
(13)
其中，Y表示知识产出水平，通常用专利数量表示;K、L分别表示技术创新活动中的资本投入和劳动力投入;A代表其它影响知识生产的因素。为消除异方差与极端值对数据平稳性的影响，对式(13)左右两边分别取自然对数，进一步得到：
lnY=C+alnK+blnL+u
(14)
具体到实证模型，在式(14)的基础上，进一步引入环境政策、市场因素及环境政策的二次项，并控制相关解释变量；此外，受路径依赖和累积效应的影响，绿色技术创新产出在很大程度上取决于上一期的产出水平[20]，故将绿色技术创新一阶滞后项GTIi,t-1作为解释变量引入式(14)中，以解决因遗漏变量引发的内生性问题，如式(15)所示。
(15)
其中，EP表示环境政策；GM表示绿色市场因素；EP2为环境政策的二次项，用以检验环境政策与绿色技术创新之间是否存在U型关系；X为控制变量，表示影响绿色技术创新的其它因素；α、λ为待估参数；ui、νt分别表示个体效应和时间效应；εit为机误差项；i表示省份；t表示时间。
值得注意的是，上述模型仅考虑环境政策、市场及其它因素对本地区绿色技术创新的影响，由于绿色技术创新具有显著聚集效应和溢出效应，因此还应考虑地区之间的关联效应。为此，在式(15)的基础上进一步拓展动态空间计量模型。由于各变量均为比值形式，在此不作对数处理。
(16)
式(16)中，W表示空间权重矩阵。首先，构建省份之间的地理距离空间权重矩阵W1及经济距离空间权重矩阵W2，分别对其进行标准化处理。其中，地理距离空间权重矩阵W1=1/dij，dij表示省会城市之间的
分别表示省份i和j在1997-2019年的人均GDP均值。参考邵帅等 (2016)的研究，采用地理距离与经济距离嵌套矩阵作为空间权重矩阵，W=φW1+(1-φ)W2。为简化分析，φ取值0.5。
3.2.1 被解释变量：绿色技术创新(GTI)
参考李凯杰等(2020)的做法，选取每万人绿色专利授权数量对区域绿色技术创新进行衡量。世界知识产权组织于2010年推出的《国际专利分类绿色清单》与国际专利分类体系相对应，据此对绿色技术进行检索和加总，以衡量区域绿色技术创新水平。之所以采用绿色专利授权数而不是绿色专利申请数作为衡量指标，是因为经过审查的专利授权数比专利申请数更能反映真实的绿色技术创新水平；并且，采用人均绿色专利数量还能够消除区域人口规模的影响。
3.2.2 解释变量
(1)环境政策(EP)。现有研究主要采取以下方式对环境政策进行度量：污染治理投资、污染物排放、政策自然实验及综合评价法[21]。根据数据可得性，本文选取工业废水排放总量与工业总产值的比值、工业二氧化硫排放总量与工业总产值的比值、工业固体废物综合利用率3项指标，采用熵值法构建综合指标体系[22]。其中，前两项为负向指标，第三项为正向指标。这样选取指标的科学性在于：一方面，在工业污染物3种形态(废水、废气、固体废弃物)中各选其一，能够全面反映各污染物排放/利用情况；另一方面，采用污染物排放量与工业总产值的比值作为衡量指标，将区域工业生产规模考虑在内，能够保证衡量指标具有一定可比性。其中，工业总产值采用工业生产者出厂价格指数并以1997年为基期进行平减。首先，对数据进行正向化和标准化处理：
(17)
其中，Eij表示当年i地区j污染物衡量指标，min(Ej)、max(Ej)分别表示当年所有地区j污染物衡量指标的最小值和最大值，
为当年i地区j污染物衡量指标标准化后的值。
其次，计算污染物的熵值：
(18)
再次，确定指标权重：
(19)
最后，加权得到环境规制政策强度：
(20)
(2)绿色市场(GM)。现有研究多采用问卷调研、电话调研或访谈等方式获取数据，或者采用人均收入、人均GDP、最终消费率、市场集中度等单一指标对市场因素进行测量[23-26]。然而，以上指标比较单一，不能全部反映绿色市场，使用这些指标对绿色技术创新进行测量存在较大的局限性。
中国环境与发展国际合作委员会参照德国、瑞典等国家的可持续性消费重点领域，将衣、食、住、行、用、游确定为推动我国绿色消费的重点领域，进一步确定了由总体指标和领域指标构成的绿色消费指标体系[27]。其中，绿色技术创新市场拉动因素包括预期市场需求、公众环保意识和公众环保产品偏好[28]。在此基础上，本研究构建绿色技术市场因素评价指标体系，包括人均生活能源消费量、人均生活二氧化碳排放量、人均生活用水量、人均生活垃圾清运量、人均公共交通乘坐次数、居民人均可支配收入和环保意识7项指标，其中前4项为负向指标，后3项为正向指标。生活能源消费量数据来源于各地区能源平衡表中的生活消费数据，本文将各种能源消费量折算为标准煤加总计算。采用IPCC温室气体排放计算法计算生活二氧化碳排放量，生活二氧化碳排放量=生活能源消费量*平均低位发热量*单位热值含碳量*碳氧化率*44/12，单位热值含碳量及碳氧化率来自《省级温室气体清单编制指南》。同样，运用熵值法计算各指标权重，进一步得到绿色技术市场指标，具体计算过程不再赘述。
3.2.3 控制变量
本文将政府支持力度、贸易开放程度、基础设施建设、技术交易4个指标设为控制变量，被解释变量、解释变量、控制变量名称及测量方式如表1所示，数据来源于国家知识产权局、《中国统计年鉴》《中国环境统计年鉴》《中国城市统计年鉴》《中国能源统计年鉴》。
本文选取1997—2019年中国内地30个省(自治区、直辖市)面板数据(西藏由于数据缺失较多，故不纳入统计)。绿色专利数据通过对照《国际专利分类绿色清单》，在国家知识产权局网站上手工检索并加总整理后得到，所有货币价值数据以1997年不变价格为基期进行计算。
为分析各地区绿色技术创新水平空间分布及演化特征，运用ArcGIS软件采用五级自然断点法分别绘制1997年、2008年和2019年绿色技术创新时空分布，如图1所示。由图1可知，1997年我国各地区绿色技术创新水平普遍较低，北京、天津、上海及东三省绿色技术创新水平相对较高；2008年，各地区绿色技术创新水平得到显著提升，而东北老工业基地绿色创新水平逐渐降低；2019年，全国绿色创新水平进一步提升，各地区绿色技术创新水平呈现出东、中、西部地区逐级递减及京津地区、长三角地区、珠三角地区引领趋势。
表1 变量测量指标
Tab.1 Measurement indexes of variables
变量性质变量名称符号测量方式 数据来源 被解释变量绿色技术创新GTI每万人绿色专利授权数量国家知识产权局、《中国统计年鉴》解释变量 环境政策 EP工业废水排放量/工业总产值《中国环境统计年鉴》《中国城市统计年鉴》《中国统计年鉴》工业二氧化硫排放量/工业总产值《中国环境统计年鉴》《中国城市统计年鉴》《中国统计年鉴》工业固体废物综合利用率《中国统计年鉴》绿色市场 GM人均生活能源消费量《中国能源统计年鉴》《中国统计年鉴》人均生活二氧化碳排放量《中国能源统计年鉴》《中国统计年鉴》人均生活用水量《中国环境统计年鉴》《中国城市统计年鉴》《中国统计年鉴》人均生活垃圾清运量《中国统计年鉴》人均公共交通乘坐次数《中国统计年鉴》城镇居民人均可支配收入《中国统计年鉴》人均受教育年限《中国统计年鉴》控制变量 政府支持力度GS科学技术支出占比《中国统计年鉴》贸易开放程度TO进出口总额/地区生产总值《中国统计年鉴》基础设施建设IC单位面积长途光缆线路长度《中国统计年鉴》技术交易 TT技术市场成交额/地区生产总值《中国统计年鉴》
图1 绿色技术创新水平时空分布
Fig.1 Spatial-temporal distribution of green technology innovation level
注：底图来源于自然资源部标准地图服务网(http://bzdt.ch.mnr.gov.cn/)，审图号为GS(2020)4619
本文对被解释变量进行空间相关性检验，结果表明所有年份Moran′s I指数均在1%水平上显著，说明被解释变量存在显著空间相关性，故可通过构建空间计量模型考察本文研究问题。进一步，对模型依次进行(Robust)LM检验、Wald检验、LR检验，以选择合适的空间计量模型。首先，对非空间面板数据模型进行OLS估计，结果发现无论是否包含时间固定效应和空间固定效应，LM检验和稳健的LM检验均显著拒绝没有空间滞后项被解释变量的原假设，而未拒绝没有空间自相关误差项的原假设；其次，进行似然比(LR)检验以判断是否存在时间固定效应和空间固定效应，结果拒绝时间固定效应和空间固定效应联合非显著性原假设，故应采用时间固定效应模型和空间固定效应模型。然而，Lesage & Pace[29]指出，应对空间面板模型进行Wald检验和LR检验，以判断空间杜宾模型能否简化为空间滞后模型和空间误差模型。结果表明，Wald检验和LR检验均拒绝原假设，采用空间杜宾模型能够更好地拟合数据要求。因此，最终选取时间和空间双重固定效应空间杜宾模型对本文研究变量进行检验。
动态空间杜宾模型估计结果显示，绿色技术创新空间滞后项系数显著为正，说明绿色技术创新存在显著空间溢出效应，绿色技术创新发展较为迅速地区能够带动周边地区绿色技术创新水平提升；绿色技术创新滞后一期系数显著为正，说明绿色技术创新在时间上具有显著累积效应，上一期绿色技术创新水平在很大程度上影响当期绿色技术创新发展；绿色技术创新滞后一期空间滞后项系数显著为负，说明本地区上一期绿色技术创新与周边地区当期绿色技术创新存在负向空间关联效应，大量绿色技术创新资源向上一期绿色技术创新水平较高地区聚集，并对周边地区当期绿色技术创新产生“虹吸效应”(限于篇幅，不再一一列示)。
由于动态空间杜宾模型测度的空间外溢是全局效应，点估计结果无法反映解释变量的边际影响，因此需要依据点估计结果进一步测算各解释变量的直接效应、间接效应及总效应[29-30]，结果如表2所示。从中可见，环境政策直接效应系数在1%水平上显著为负，二次项直接效应系数在1%水平上显著为正，说明环境政策对本地区绿色技术创新的影响作用满足正U型关系，假设H1得到验证。当环境规制政策强度较弱时，遵循成本效应挤占了绿色创新投入，不利于区域绿色技术创新发展；而随着环境规制强度的不断加大，企业为满足环保要求需要付出的成本越来越高，不得不通过绿色技术创新获取更大收益以抵消增加的环保成本。环境政策及其二次项间接效应系数均在5%水平上显著为正，说明相邻地区始终存在正向空间溢出效应，假设H2得到验证。由于相邻地区往往经济发展水平和地理位置相近，所以本地区环境政策可通过示范—模仿机制对周围地区绿色技术创新发展产生正向空间交互效应。
表2 动态空间杜宾模型效应分解结果
Tab.2 Effect decomposition results of dynamic spatial Durbin model
变量 直接效应间接效应总效应EP-0.079**0.116**0.037(-2.298)(2.339)(0.962)GM0.087***0.281***0.369***(2.924)(3.005)(3.118)EP20.100**0.1910.291*(2.534)(1.566)(1.888)GS0.038***0.147**0.185***(3.202)(2.431)(2.805)TO-0.0020.131*0.129(-0.095)(1.755)(1.397)IC0.0320.2760.308(1.591)(1.071)(1.145)TT0.031-0.418-0.387(1.401)(-1.084)(-0.968)
注：括号内数值为t值，***、**、*分别表示在1%、5%和10%水平上显著，下同
绿色市场因素直接效应系数在1%水平上显著为正，说明市场因素能够推动本地区绿色技术创新发展，假设H3得到验证。这说明，绿色技术供求机制是绿色技术创新的根本动力，随着区域绿色技术消费水平的提升，绿色技术市场需求增加带动供给增加，促进区域绿色技术创新水平随之提升。市场因素间接效应系数在1%水平上显著为正，说明本地区绿色技术市场因素对邻近地区产生了显著正向溢出效应，假设H4得到验证。这说明，随着基础设施建设的不断完善，区域间交流与合作越来越频繁，绿色市场因素高值区可以潜在影响周边地区绿色消费意识，并通过“涟漪效应”提高周边地区绿色创新水平。
从控制变量看，政府支持力度的直接效应和间接效应系数分别在1%、5%水平上显著为正，说明政府创新政策扶持能够激发区域绿色技术创新积极性，进而促进绿色技术创新水平提升。贸易开放程度直接效应系数不显著，而间接效应系数在10%水平上显著为正，说明对外开放有利于吸引节能减排技术较高的外资企业开展绿色生产活动，提高区域绿色技术创新水平。基础设施建设和技术交易效应系数均不显著，说明在全域范围内这两个因素未对绿色技术创新产生显著性影响。
4.4.1 更换空间权重矩阵
由于空间权重矩阵的设定会对空间计量模型估计结果产生较大影响，因此本文通过更换空间权重矩阵对变量进行稳健性检验。空间邻接矩阵是较为常用的空间权重矩阵，它将相邻地区的矩阵格值记为1，非相邻地区记为0，整体记为W3。此外，由于本研究聚焦绿色技术，绿色技术水平相近地区之间的知识扩散更加容易，技术邻近性甚至比地理邻近性更重要[31]。因此，构建技术距离权重矩阵进行稳健性检验。Jaffe等[32]采用区域间技术向量重叠(技术向量夹角余弦值)衡量技术接近度。本文借鉴《国际专利分类绿色清单》，将绿色专利划分为8个类别，通过构建以下公式计算技术距离权重矩阵：
(21)
其中，PATia、PATja分别代表i地区和j地区的第a类绿色专利数量。
4.4.2 更换变量测量指标
本文进一步更换环境政策指标进行稳健性检验，用单位产值工业污染治理投资对环境政策进行衡量(杜龙政等，2019)。由于工业污染治理投资数据始于2004年，故基于数据可得性，稳健性检验选取2004-2019年的数据。以上3种稳健性检验动态空间杜宾模型估计结果如表3所示。由表3可知，环境政策的直接效应系数结果为负，二次项系数为正，间接效应系数为正。虽然部分估计结果因系数值较低而不显著，但其方向与基础回归结果相似。另外，与基础回归结果类似，市场因素的直接效应和间接效应估计结果均显著为正，所以本文研究结果稳健。
表3 稳健性检验结果
Tab.3 Robustness test results
变量空间邻接矩阵直接效应间接效应总效应技术距离权重矩阵直接效应间接效应总效应单位产值环境污染治理投入衡量环境政策直接效应间接效应总效应EP-0.0490.079**0.030-0.0570.025-0.032-0.0210.086**0.066(-1.487)(2.151)(1.370)(-1.589)(0.517)(-0.779)(-0.892)(2.082)(1.461)GM0.108***0.139***0.248***0.072**0.311***0.383***0.128***0.380***0.508***(3.387)(3.930)(3.927)(2.198)(2.805)(2.774)(3.016)(2.627)(2.862)EP20.077*0.0550.132*0.0540.1340.1870.050**0.1860.236(1.997)(1.123)(1.656)(1.358)(1.061)(1.173)(2.020)(1.204)(1.403)控制变量控制控制控制控制控制控制控制控制控制
动态空间杜宾模型无法解决由解释变量和被解释变量产生的联立内生性问题[20]。不仅环境政策和市场因素影响绿色技术创新发展，绿色技术创新反过来也会推进环境政策的实施和绿色技术市场变化。因此，参照Vega & Elhorst[33]的做法，首先选取内生解释变量环境政策和市场因素的一阶滞后项以及绿色技术创新的一阶滞后项作为工具变量进行估计；其次，为控制环境政策的内生性，在使用时间滞后项作为工具变量的基础上，参考沈坤荣等(2017)的研究，采用空气流通系数(VC)作为环境政策的工具变量。理论上讲，当空气污染物排放相同时，空气流通系数低的地区环境规制政策更严格；而且，由于空气流通系数主要受区域气候条件等自然现象的影响，故认为空气流通系数仅通过环境政策影响区域绿色技术创新。空气流通系数等于风速乘以边界层高度，数据来源于欧洲中期天气预报中心(ECMWF)的ERA-Interim数据库。由于得到的是栅格数据，所以还需要根据经纬度与各省会城市相匹配，从而得到地区各年的空气流通系数。本文采用系统GMM 方法，在经济地理距离嵌套矩阵下对空间杜宾模型进行估计。结果发现，无论是使用环境政策、市场因素及绿色技术创新一阶滞后项，还是同时使用环境政策、市场因素、绿色技术创新一阶滞后项及空气流通系数作为工具变量，环境政策参数估计结果均显著为负，二次项系数均显著为正，空间项系数均显著为正，市场因素参数估计结果也显著为正。这说明，环境政策对区域绿色技术创新的影响呈现U型关系，且具有正向空间溢出效应，市场因素对绿色技术创新具有促进作用。动态空间杜宾模型系统GMM估计结果与基础回归结果相似，说明本文回归结果稳健。
绿色技术创新时空演化结果显示，区域绿色技术创新水平存在显著差异，呈现出东、中、西部地区阶梯式递减趋势，因此需要讨论东、中、西部地区绿色技术创新驱动是否存在异质性。动态空间杜宾模型直接效应、间接效应及总效应估计结果如表4所示。
表4 分区域动态空间杜宾模型估计结果
Tab.4 Estimation results of dynamic spatial Durbin model by region
变量东部地区直接效应间接效应总效应中部地区直接效应间接效应总效应西部地区直接效应间接效应总效应EP0.0520.0340.087*0.077-0.095-0.018-0.2030.173-0.03(0.922)(0.534)(1.722)(0.766)(-0.958)(-0.299)(-1.558)(1.270)(-0.567)GM0.135***0.253***0.388***0.0070.121**0.128*0.054*0.0050.059(2.628)(2.676)(2.796)(0.265)(2.202)(1.700)(1.709)(0.096)(0.772)EP2-0.018-0.084-0.102-0.100-0.054-0.1540.2040.1580.362(-0.288)(-0.833)(-0.653)(-0.881)(-0.478)(-0.700)(1.420)(1.310)(1.436)控制变量控制控制控制控制控制控制控制控制控制
由表4可以看出，环境政策及市场因素估计结果呈现出显著的空间异质性特征。首先，东部地区环境政策总效应系数显著为正，而中西部地区环境政策的作用效果不明显。这说明，东部地区环境政策对整体绿色技术创新起推动作用，而中西部地区科技创新水平较低，绿色技术创新资源不足，环境政策难以推动绿色技术创新发展。市场因素在东部地区的直接效应系数、间接效应系数和总效应系数均显著为正，在中部地区的间接效应系数和总效应系数显著为正，在西部地区的直接效应系数显著为正。这说明，东部地区较高的绿色技术市场需求促进区域绿色技术创新水平提升；中部地区绿色技术市场需求产生辐射效应，带动周边地区绿色技术创新发展；西部地区绿色技术市场需求增加拉动当地绿色技术创新发展。
绿色技术创新时空演化结果显示，1997-2019年区域绿色技术创新水平不断变化，且环境政策及市场因素在研究期内变化趋势不同。2007年10月党的十七大报告提出，加快转变经济增长方式。因此，将研究期划分为1997-2007年、2008-2019年两个阶段进行回归分析，结果如表5所示。
表5 分时段动态空间杜宾模型估计结果
Tab.5 Estimation results of dynamic spatial Durbin model by time period
变量1997-2007年直接效应间接效应总效应2008-2019年直接效应间接效应总效应EP-0.272*0.533***0.260*-0.143***0.205***0.062(-1.653)(3.138)(1.879)(-3.217)(3.447)(1.444)GM-0.374**0.075-0.2990.191***0.350**0.541***(-1.977)(0.345)(-0.764)(2.850)(2.246)(2.590)EP20.430***0.5420.971**0.195***0.348*0.542**(2.661)(1.565)(2.184)(3.607)(1.754)(2.298)控制变量控制控制控制控制控制控制
由表5可以看出，环境政策与市场因素估计结果呈现出显著时间异质性。两个阶段环境政策的直接效应系数显著为负、间接效应系数显著为正、二次项直接效应系数显著为正，说明环境政策不仅对绿色技术创新产生U型作用效应，同时也对周边地区产生示范—模仿效应。1997-2007年市场因素的直接效应系数显著为负，而2008-2019年两个时间段市场因素的所有效应系数均显著为正。这是因为，1997-2007年我国仍为粗放型经济发展模式，绿色技术市场需求不升反降，因此市场因素变化与绿色技术创新方向相反；随后，中共十六届五中全会、党的十七大报告相继提出加快转变经济增长方式，绿色技术市场需求逐渐上升，因此2008-2019年表现为市场因素拉动区域绿色技术创新水平提升。
环境政策和市场因素通过改变创新投入影响区域绿色技术创新发展。本文根据环境政策的遵循成本效应和创新补偿效应，对环境规制影响绿色技术创新作如下分析：第一，环境规制抑制企业创新投入。根据新古典经济学理论，环境规制使得企业成本增加、产品价格提升，导致产品市场竞争力不断下降。若不提高产品价格，企业利润和市场竞争力将会显著下降。企业竞争力减弱使得现金流量减少，同时企业成本增加又挤占了用于新产品研发的资金，导致其难以从其它渠道获取融资。第二，环境规制促进企业加大创新投入。根据“波特假说”，企业为抵消环境规制产生的额外成本会主动开展创新活动[34]，同样市场对新产品或服务需求的增加也会影响区域创新投入。较大市场需求规模不仅能够减少绿色创新的盲目性，消除其不确定性，而且还能产生巨大的经济效益，为绿色创新提供内在动力[35]。因此，企业、高校、科研机构等创新主体更倾向于加大绿色创新投资，以获取绿色创新成果，进而提高绿色创新水平。
本研究参考温忠麟等[36]的做法，检验创新投入是否在环境政策与绿色技术创新、市场因素与绿色技术创新之间起中介传导作用。首先，分析环境政策和市场因素对绿色技术创新的影响；其次，检验环境政策、市场因素对绿色创新投入的作用；最后，检验创新投入、环境政策、市场因素对绿色技术创新的作用。第一步构建的模型与基本回归模型式(16)相同，第二步和第三步模型如式(22)、式(23)所示。
(22)
(23)
其中，RD表示创新投入，用R&D内部经费实际支出与生产地区实际总值的比值衡量。各地区R&D经费内部实际支出由R&D支出价格指数平减得到，R&D支出价格指数= 0. 55 ×消费价格指数+ 0. 45×固定资产投资价格指数(朱平芳等，2003)。其中， η、θ、ω、ψ、β、ρ、κ、χ为待估参数， τit、εit为随机误差项，动态空间杜宾模型回归结果如表6所示。
表6 创新投入中介效应检验结果
Tab.6 Test of mediating effect of innovation input
变量被解释变量为中介变量(加入环境政策二次项)直接效应间接效应总效应被解释变量为中介变量(无环境政策二次项)直接效应间接效应总效应基础回归结果直接效应间接效应总效应在基础回归模型中加入中介变量直接效应间接效应总效应EP-0.039-0.036-0.075***-0.058***0.005-0.053**-0.079**0.116**0.037-0.075**0.108**0.033(-0.990)(-0.848)(-3.989)(-4.462)(0.239)(-2.064)(-2.298)(2.339)(0.962)(-2.213)(2.263)(0.889)GM0.068**0.041*0.109**0.066**-0.0050.0610.087***0.281***0.369***0.051*0.187**0.237**(2.155)(1.646)(2.205)(1.989)(-0.142)(1.222)(2.924)(3.005)(3.118)(1.660)(2.479)(2.362)EP2-0.020-0.030-0.050.100**0.1910.291*0.096**0.1620.257*(-0.482)(-0.864)(-0.783)(2.534)(1.566)(1.888)(2.428)(1.411)(1.754)RD0.045***0.132*0.176**(3.353)(1.875)(2.273)控制变量控制控制控制控制控制控制控制控制控制控制控制控制
由表6可知，当被解释变量为创新投入时，加入环境政策二次项后，环境政策总效应系数显著为负，而二次项所有效应系数均不显著，因此环境政策对创新投入的影响不具有U型效应。进一步，剔除环境政策二次项进行估计发现，环境政策直接效应系数显著为负，间接效应系数显著为正，说明为应对环境规制政策而增加的环境成本挤占了创新投入。同时，由于“污染天堂”效应的存在，环境规制政策强度较弱地区能够吸引更多投资，创新投入也相应增加。市场因素直接效应系数显著为正，说明绿色创新需求增加使得创新投入产生同向变化。当在基础回归模型中加入创新投入后，创新投入的直接效应系数显著为正，说明创新投入增加能够显著提升区域绿色技术创新水平。环境政策、市场因素的直接效应和间接效应估计结果与基础回归结果相似，且系数绝对值均小于基础回归结果。因此，创新投入在环境政策与绿色技术创新、市场因素与绿色技术创新之间发挥部分中介作用。这说明，当环境政策表现出遵循成本效应时，随着创新投入的减少，绿色技术创新水平随之下降；而当环境政策表现出创新补偿效应时，创新投入的中介效应不再显著。
本研究从空间视角出发，基于环境政策、市场因素及其空间溢出效应，构建区域绿色技术创新驱动模型，采用动态空间杜宾模型对1997-2019年中国内地30个省份面板数据进行实证检验。结果发现：①环境政策对本地区绿色技术创新存在U型作用效应，并通过示范—模仿机制对周边地区产生正向溢出效应；市场因素对本地区绿色技术创新具有显著促进作用，并呈现“涟漪效应”；环境政策及市场因素对绿色技术创新的效应存在显著空间和时间异质性；②东部地区环境政策和市场因素对整体绿色技术创新具有促进作用，而中西部地区环境政策难以推动绿色技术创新发展，且中部地区绿色技术市场需求具有辐射效应，西部地区绿色技术市场需求增加能够拉动当地绿色技术创新发展；③1997-2007年、2008-2019年环境政策对绿色技术创新均产生U型作用效应，同时也对周边地区产生正向溢出效应。1997-2007年粗放型经济发展模式导致绿色市场需求不升反降，市场需求变化与绿色技术创新方向相反；2008-2019年则表现为市场因素拉动区域绿色技术创新水平提升。创新投入在环境政策与绿色技术创新、市场因素与绿色技术创新之间发挥部分中介作用。环境政策通过遵循成本效应抑制区域创新投入，不利于区域绿色技术创新发展，环境政策的创新补偿效应并非通过改变创新投入来实现。
根据上述研究结论，本文提出如下政策建议：
(1)制定合理的环境政策，发挥环境政策的示范效应。若环境规制政策强度不够，企业更愿意承担规制成本而不进行绿色技术创新；若环境规制政策强度过大则会导致企业难以达到要求，有可能继续使用污染类技术。因此，各级地方政府应在不断探索中综合使用各类环境规制政策，如排污费政策、环境污染治理投资等，使环境规制政策发挥最大效用。此外，由于环境规制政策具有正向空间溢出效应，因此先进地区应发挥示范带头作用，以供周围资源禀赋相似地区模仿，并迅速推出适宜的环境政策，带动区域绿色技术创新发展。
(2)刺激绿色消费，提高绿色产品市场活力。市场能够拉动绿色技术创新发展，市场因素包含市场需求、公众环保意识等。需求决定因素指消费者收入水平和偏好，且是消费者既有购买欲望又有购买能力的有效需求。因此，应首先将绿色消费观念融入人们生产生活的方方面面，通过为顾客提供补贴等方式鼓励绿色消费。以新能源汽车为例，国家应加大新能源汽车宣传力度，加强企业之间的竞争，提高应用体验，为新能源汽车用户提供购买优惠、审核优惠等一系列优厚政策。
(3)制定差异化绿色创新驱动政策，促进区域绿色协同创新发展。在采取措施推动区域绿色技术创新发展时，应考虑区域实际情况。对于绿色技术创新发展水平较高的东部地区，应合理运用环境政策，增强绿色市场活力，提高对外开放水平，构建良好的技术交易体系，吸引更多资金、人才流入；对于绿色技术创新水平较低的中西部地区，应重点考虑资源禀赋、环境条件、地理因素等条件，因地制宜地确定适合本区域发展的绿色创新技术，通过人才引进政策、落户政策等留住创新人才，避免绿色创新资源反向吸收，并加大基础设施建设力度。此外，充分发挥绿色技术创新空间溢出效应，加强省份之间的绿色技术创新交流与合作，搭建绿色技术创新合作平台，促进区域绿色创新发展。
[1] BRAUN E, WIELD D.Regulation as a means for the social control of technology[J]. Technology Analysis & Strategic Management,1994,6(3):259-272.
[2] HORBACH J, RAMMER C, RENNINGS K.Determinants of eco-innovations by type of environmental impact——the role of regulatory push/pull, technology push and market pull[J]. Ecological Economics,2012,78:112-122.
[3] 杨东, 柴慧敏.企业绿色技术创新的驱动因素及其绩效影响研究综述[J]. 中国人口·资源与环境,2015,25(2):132-136.
[4] 汪明月, 李颖明, 张浩, 等.市场导向驱动企业绿色技术创新模型构建与路径分析[J]. 科技进步与对策,2019,36(20):112-120.
[5] JAFFE A B, STAVINS R N.Dynamic incentives of environmental regulations: the effects of alternative policy instruments on technology diffusion[J]. Journal of Environmental Economics and Management,1995,29(3):43-63.
[6] PORTER M.America's green strategy[J]. Scientific American,1991,264(4):168.
[7] 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.
[8] 田红彬, 郝雯雯.FDI、环境规制与绿色创新效率[J]. 中国软科学,2020,35(8):174-183.
[9] 王珍愚, 曹瑜, 林善浪.环境规制对企业绿色技术创新的影响特征与异质性——基于中国上市公司绿色专利数据[J]. 科学学研究,2021,39(5):909-919,929.
[10] 徐佳, 崔静波.低碳城市和企业绿色技术创新[J]. 中国工业经济,2020,38(12):178-196.
[11] 钟昌标, 胡大猛, 黄远浙.低碳试点政策的绿色创新效应评估——来自中国上市公司数据的实证研究[J]. 科技进步与对策,2020,37(19):113-122.
[12] SCHUMPETER J A. Business cycles: a theoretical, historical and statistical analysis of the capitalist process[M].New York and London:McGraw-Hill Book Company,1939.
[13] PAVITT K.Sectoral patterns of technical change: towards a taxonomy and a theory[J]. Research Policy,1984,13(6):343-373.
[14] RENNINGS K.Towards a theory and policy of eco-Innovation - neoclassical and (co-)evolutionary perspectives[R].ZEW Discussion Papers,1998.
[15] KAMMERER D.The effects of customer benefit and regulation on environmental product innovation: empirical evidence from appliance manufacturers in Germany[J]. Ecological Economics,2009,68(8):2285-2295.
[16] 李巧华, 唐明凤.企业绿色创新:市场导向抑或政策导向[J]. 财经科学,2014,68(2):70-78.
[17] GRILICHES Z.Issues in sssessing the contribution of R&D to productivity growth[J]. Bell Journal of Economics,1979,10:92-116.
[18] GRILICHES Z. R&D, patents, and productivity[M].Chicago:University of Chicago Press, 1984.
[19] JAFFE A.Technological opportunity and spillovers of R&D: evidence from firms' patents, profits and market value[J]. American Economic Review,1986,76(5):984-1001.
[20] 韩峰, 阳立高.生产性服务业集聚如何影响制造业结构升级——一个集聚经济与熊彼特内生增长理论的综合框架[J]. 管理世界,2020,36(2):72-94.
[21] 王勇, 李建民.环境规制强度衡量的主要方法、潜在问题及其修正[J]. 财经论丛,2015,31(5):98-106.
[22] 斯丽娟.环境规制对绿色技术创新的影响——基于黄河流域城市面板数据的实证分析[J]. 财经问题研究,2020,42(7):41-49.
[23] HORBACH J, CHEN Q, RENNINGS K, et al.Do lead markets for clean coal technology follow market demand? a case study for China, Germany, Japan and the US[J]. Environmental Innovation and Societal Transitions,2014,10:42-58.
[24] CHEN J, CHENG J, DAI S.Regional eco-innovation in China: an analysis of eco-innovation levels and influencing factors[J]. Journal of Cleaner Production,2017,153:1-14.
[25] 陈斌, 李拓.财政分权和环境规制促进了中国绿色技术创新吗[J]. 统计研究,2020,37(6):27-39.
[26] 曾江洪, 刘诗绮, 李佳威.多元驱动的绿色创新对企业经济绩效的影响研究[J]. 工业技术经济,2020,39(1):13-22.
[27] 任勇, 陈刚, 俞海, 等.“十四五”推动绿色消费和生活方式的政策研究[J]. 中国环境管理,2020,12(5):5-10.
[28] HORBACH J. Determinants of environmental innovation—new evidence from German panel data sources[J]. Research Policy,2008,31(1):163-173.
[29] LESAGE J, PACE R K. Introduction to spatial econometrics[M]. Boca Raton: Chapman and Hall/CRC, 2009.
[30] ELHORST J P.Matlab software for spatial panels[J]. International Regional Science Review,2014,37(3):389-405.
[31] LIU Y, SHAO X, TANG M, et al.Spatio-temporal evolution of green innovation network and its multidimensional proximity analysis: empirical evidence from China[J]. Journal of Cleaner Production,2021,283:124649.
[32] JAFFE A B, FOGARTY M S, BANKS B A.Evidence from patents and patent citations on the impact of nasa and other federal labs on commercial innovation[J]. Journal of Industrial Economics,1998,46(2):183-205.
[33] VEGA S, ELHORST J.Regional labour force participation across the European Union: a time-space recursive modelling approach with endogenous regressors[J]. Spatial Economic Analysis,2016,12:1-23.
[34] 毕茜, 于连超.环境税与企业技术创新:促进还是抑制[J]. 科研管理,2019,40(12):116-125.
[35] 侯晓红,田蕊,周浩.政府科技补贴对企业技术创新投入的影响——基于市场需求和融资约束视角[J]. 当代经济管理,2018,40(6):21-28.
[36] 温忠麟,张雷,侯杰泰,等.中介效应检验程序及其应用[J]. 心理学报,2004,49(5):614-620.