Inter-city Environmental Regulation Heterogeneity and Green Innovation Quality: A Knowledge Influence Perspective

Lin Ziqiu, Li Yingbo

(School of Public Policy and Management, Tsinghua University, Beijing 10084, China)

Abstract：Green innovation is an important method of decoupling economic growth from the perspective of environmental pollution. As global climate change, energy shortage and sustainable development issues are gaining increasing attention, so is the demand for such innovations. Green innovation covers green product innovation, green process innovation, cleaner production technology innovation, and pollutant end-of-pipe management innovation. Although various studies have not yet reached a unified definition of the concept of green innovation, most researches cover the two objectives of green innovation, i.e., reducing natural resource dependence and reducing pollution emissions. In contrast to green innovation behavior, green innovation quality is innovation outcome-oriented, and technological complexity, economic efficiency, and technological impact are the main ways to measure green innovation quality.

Environmental regulation policy is considered to be an important tool to promote green innovation against the "double market failure". In recent years, the central and local governments in China have paid more attention to environmental protection issues than ever. The amount of investment and financial expenditure in environmental protection have been increasing year by year, but the quantitative increase in China’s innovation has not been accompanied by a qualitative improvement. This phenomenon raises the question of how China's environmental regulatory affect the quality of green innovation. At present, environmental regulation in China is mainly decentralized, and the differences in the implementation of environmental regulation standards by local governments have led to inter-city heterogeneity in environmental regulation. As the central government pays more and more attention to environmental protection, the "bottom-up competition" among local governments is changing to an asymmetrical pattern of "bottom-up competition" and "race to the top". The heterogeneous regulation among cities directly affects the green innovation behavior of subjects within their jurisdictions. In answering the question of the impact of heterogeneity of environmental regulations on urban green innovation, most of the existing studies focus on corporate incentives and pollution transfer: the main arguments are the "Porter Hypothesis" and the "Pollution Paradise". However, the quality of green innovation is different from the quantity of green innovation or green innovation activities. While the incentives and responses of the innovators are important, the knowledge base in innovation often has a more important impact on the quality of innovation. The diversity, complexity and uncertainty of the knowledge base of green innovation is more pronounced than that of non-green innovation.

Environmental regulation, as an institutional response to public environmental demands, transfers environmental pressure into the selection of specific knowledge and the reshaping of knowledge structures through standard setting and attention guidance, enabling polluting emitters and green innovators to adjust their technological orientation and change their innovation inputs and knowledge production. However, existing studies have generally paid insufficient attention to the knowledge influence role of environmental regulation. Therefore this paper introduces a knowledge influence perspective to analyze the relationship between inter-city environmental regulation heterogeneity and green innovation quality.

Drawing on the panel data of 279 prefecture-level cities in China, this paper introduces a knowledge influence perspective to analyze the mechanism of environmental regulation’s inter-city difference on green innovation quality. A negative binomial regression model is employed to fit the count data. It is found that (1) neighbor cities’ high environmental regulation has a suppressive effect on local green innovation quality; (2) neighbor cities’ high environmental regulation affects local green innovation quality through mechanisms of inter-cities’ "knowledge breadth reduction effect" and "knowledge distance expansion effect"; (3) the above relationship is moderated by the inter-city knowledge balance. Effect of neighbor cities’ high environmental regulation on local green innovation quality turns from negative to positive when the inter-city knowledge balance is high.

The contributions of this study include the following three aspects. First, high-quality patents and the number of patent citations are introduced to reflect the quality of urban green innovation, and inter-city environmental regulation heterogeneity and green innovation quality are integrated into a unified analytical framework, providing a theoretical basis for understanding the high-quality local environmental governance. Second, a mediation mechanism of environmental regulation affecting green innovation based on knowledge width and knowledge distance is proposed. Accordingly, the policy recommendations are proposed to provide a theoretical basis for local governments to carry out collaborative environmental governance and build a complementary pattern of environmental and technology policies.

Key Words:Environmental Regulation; Green Innovation Quality; Knowledge Influence; Inter-city Heterogeneity

DOI：10.6049/kjjbydc.2022060097

开放科学(资源服务)标识码(OSID)：

中图分类号：F290

文献标识码：A

文章编号：1001-7348(2022)21-0033-12

收稿日期：2022-06-06

修回日期：2022-08-09

基金项目：清华大学文科振兴基金基础研究专项(2021THZWJC09)

作者简介：林子秋(1994—),男，北京人，清华大学公共管理学院博士研究生，研究方向为绿色创新、环境治理；李应博 (1977— )，女，吉林省吉林市人，博士，清华大学公共管理学院副教授，研究方向为科技政策、产业创新、区域治理。本文通讯作者：李应博。

0 引言

绿色创新是实现经济增长以及与环境污染脱钩的重要手段。随着全球气候变化、能源短缺和可持续发展议题逐渐得到重视，人们对绿色创新的需求与日俱增。绿色创新涵盖绿色产品创新、绿色工艺创新、清洁生产技术创新和污染物终端治理创新。尽管关于绿色创新的概念尚未达成一致，但所有表述几乎都涵盖绿色创新两方面目标，即减少自然资源依赖与降低污染排放量。相比于绿色创新行为，绿色创新质量是创新结果导向的，技术复杂性、经济效益、技术影响力是测度绿色创新质量的主要方式[1]。为了更好地理解公共政策如何加速引导绿色创新，需要深入了解绿色创新影响因素。绿色创新作为技术创新的子集，一方面受制于知识溢出市场失灵这一技术创新共有特点[2]的限制，另一方面受到环境外部性市场失灵的阻碍。面对双重的市场失灵，环境规制政策被认为是促进绿色创新的重要手段[3]。

近年来，我国中央和地方政府日益重视环境保护问题，环境治理投资力度与财政环保支出费用呈现逐年上升态势，与之相对应的是，我国绿色专利申请量与授权量也与日俱增，如图1所示。那么“爆炸式”的专利增长能否代表我国绿色专利质量和绿色创新能力提升？国家知识产权局于2014年发布的研究报告指出，我国还不是真正意义上的知识产权强国，专利对产业转型升级和经济社会发展的有效支撑力还远远不足。既有研究也表明，我国创新数量的增长并没有伴随质量上的跟进[4-6]，绿色创新领域的专利质量在2006-2016年并未出现明显提高[7]，创新质量与环境规制强度也呈现非线性关系[8]。图2中绿色发明专利数在绿色专利申请总数中的占比和在绿色专利授权总数中的占比也表明，其增长并没有出现与环境治理投入或绿色专利数量相一致的发展趋势。上述现象引出了本文的研究问题，即我国的环境规制政策如何对绿色创新质量发挥影响？

目前，我国的环境规制主要呈现为放权式治理模式，地方政府执行环境规制标准的差异导致环境规制存在城市异质性，而异质性的城市规制直接影响辖区主体绿色创新行为。既有研究在回答环境规制异质性对城市绿色创新的影响时，大多围绕企业激励与污染转移展开分析，其中的观点主要分为“波特假说”与“污染天堂”。 “波特假说”认为，邻近地区的环境规制通过溢出效应影响本地企业绿色创新的收益预期，激励本地清洁技术研发与技术扩散[9]；“污染天堂”观点则认为，部分区域较为宽松的环境规制使其成为“污染避难所”，企业通过转移污染密集型工厂，逃离原有的高规制地区，致使本地绿色创新得不到应有发展[10]。上述研究都属于“激励—回应”视角下环境规制对创新的影响分析[11]。

创新激励与回应固然重要，但创新主体具备的知识基础往往对创新质量具有更重要的影响[12]。与非绿色创新相比，绿色创新知识基础的多样性、复杂性与不确定性更显著[13]。例如，可再生能源技术需要大量颠覆性创新活动，对基础科学知识的需求高于对技术知识的需求[12]；节能减排技术更多地依赖于上下游产业间的复杂关联，创新主体需要将关联产业知识纳入分析范畴才可决定自身技术走向[14]；温室气体减排类技术在收益上具有不确定性，方案上是否行得通在事前并不清楚，这也导致创新主体更愿意投向既有知识[15]。上述多样性、复杂性与不确定性更加凸显了知识基础概念在绿色创新质量分析中的重要性。

环境规制作为对公众环境需求的制度性回应，通过标准设定与注意力引导，将环境压力转变为特定知识选择和知识结构重塑，使得污染排放主体与绿色创新主体能够通过调整其技术方向，优化创新投入并促进知识生产[16]。然而，现有研究针对环境规制知识作用问题的关注不足[17]。因此，区别于“激励—回应”视角下的环境规制对创新的影响研究[11]，本文引入知识作用视角，分析城市环境规制异质性与绿色创新质量关系。通过使用我国279个地级市2004-2014年面板数据，采用负二项回归模型，研究发现，邻近城市环境规制强度提升会对本地城市绿色创新质量产生负向影响，该效应主要通过知识宽度缩小、知识距离扩大两类中介效应发挥作用，邻近城市环境规制强度的负向影响还会受到城市间知识平衡度的调节作用，当城市间绿色知识平衡度较高时，邻近城市环境规制强度对本城市绿色创新质量的影响能够由抑制转为促进，发挥正向作用。

本研究的边际贡献主要有以下3个方面：首先，引入高质量专利与专利被引次数反映城市绿色创新质量，将环境规制的城市异质性与绿色创新质量纳入统一分析框架，为深入理解地方环境治理与创新高质量发展提供理论依据；第二，基于知识宽度与知识距离提出环境规制影响绿色创新的中介机制，探讨知识平衡度对上述关系的调节作用，拓展引致创新理论[18]的作用机理；第三，提出政策建议，为地方政府开展环境治理协同、构建环境与技术政策互补格局提供理论基础。

1 理论机制与研究假设

1.1 绿色创新与绿色创新质量

学术界对绿色创新尚无统一定义。部分研究将绿色创新聚焦在技术领域的变革，认为与绿色产品或过程相关的硬件或软件创新(包括节能、污染防控、废物回收、绿色产品设计或企业环境管理的技术改善)都可称为绿色创新[19]；另一部分学者则兼顾绿色创新在技术、组织乃至社会领域的多重变革，将绿色创新定义为“为减少自然资源(包括材料、能源、水和土地)使用、降低有害物质释放，而改进新产品(商品或服务)、流程、组织结构或营销解决方案的活动” [20]。尽管不同学者对绿色创新的定义不尽相同，但所有表述几乎都涵盖绿色创新的两个目标，即降低自然资源使用与减少环境污染。在绿色创新测度方面，部分学者使用R&D支出[21]和绿色生产率[22]等间接指标衡量绿色创新，伴随专利数据的普及，其逐渐变成度量创新的重要指标。由于专利会提供专利发明者、权利要求、专利族和引用等信息，有利于识别创新主体类型和创新质量，因此越来越多的研究者开始采用专利数据衡量绿色技术创新[23]。

绿色创新质量是指创新活动产生的结果，即通过创新创造或维持的价值[24]。现有研究主要从3个维度表征，即技术研发复杂程度、技术影响力和技术经济效益。第一是技术研发复杂程度，部分学者采用发明专利数量或发明专利比例衡量创新质量[25]，这是因为发明专利比其它类型专利需要更多的研发投入、更高的专利费用和更严格的专利审查标准[1]；第二是技术影响力或技术扩散程度，一些学者使用专利被引用次数[26]衡量创新质量，如果一项专利对进一步创新有所启发，基于该专利形成的后续专利自然会引用它，“被引”是原始专利具有开创性本质的外在表现；第三是技术的经济效益，Fischer&Leidinger[27]使用专利拍卖价格衡量创新质量，也有学者使用专利家族成员数衡量创新质量。专利家族成员数是指为一项发明申请专利保护的司法管辖区数量[28]，专利家族成员数与专利价值，尤其是经济价值显著相关[27]。

1.2 环境规制的城市异质性

为更好地了解公共政策如何加速引导绿色创新、提高绿色创新质量，有必要深入分析创新驱动因素。绿色创新作为技术创新的一个子集，一方面受制于知识溢出市场失灵这一技术创新共有特点的束缚[2] [3]，另一方面受到环境外部性市场失灵的阻碍。面对上述双重市场失灵，除创新驱动理论中传统的需求拉动[29]与技术推动[20]外，环境规制被认为是提升绿色创新质量的主要手段[30]。

随着政府环境规制力度提升，我国绿色专利申请数不断增加，但创新数量的增长并没有带来相应的质量提升，部分领域的发明专利占比较低，高质量的技术创新较少[4-6]。陶锋等[7]聚焦绿色创新领域，通过使用IPC信息表征专利质量，研究认为，我国的绿色专利质量在2006-2016年并未得到显著提高。那么我国的环境规制政策究竟对绿色创新质量起何种作用？

本文认为，尽管国家层面的规制力度不断提升，但归根结底，城市和区域层面的规制强度才对当地主体创新行为与创新质量产生直接影响。我国的环境规制主要呈现为放权式治理模式，环境规制的城市异质性来自地方政府执行环境规制标准的差异。随着经济社会发展以及政府对环境保护问题重视程度的提高，地方政府间的“逐底竞争”逐渐转变为“逐底竞争”与“竞相向上”并存的非对称格局[31]。现有关于环境规制对绿色创新的影响机制研究都是从“激励—回应”视角解释环境规制与绿色创新关系，视企业等机构为理性决策主体，将环境规制成本纳入知识生产决策系统考量。然而，该视角容易忽略环境规制在知识与技术引导方面的作用，这是因为绿色创新具有知识多样性、复杂性与不确定性，在分析创新过程中应更加关注规制政策对绿色知识的引导作用。新经济地理学研究表明，城市间的创新活动存在明显的知识流动与溢出现象，邻近地区的知识外溢有助于提升本地知识水平[33]，但当不同城市在技术引导与标准设定等方面存在较大差异时，这种差异会阻断城市间原有正常的知识流动，不利于本城市向邻近城市学习，从而抑制本城市绿色创新质量提升。此外，环境规制政策对绿色创新质量的作用也存在不确定性，“波特假说”中遵循的成本效应往往在当期产生，而创新补偿效应存在一定滞后性，需要一段时间方能显现，若短期内邻近城市的规制强度过高，则会给自身企业施加过重的成本约束，抑制其绿色创新质量提升，不利于邻近城市新技术研发与城市间知识扩散。据此，本文提出如下假设：

H1：邻近城市环境规制强度提升会抑制本城市绿色创新质量提升。

1.3 知识作用视角下的环境规制

环境规制通常被认为能促进绿色创新[34]，其驱动力主要来自三方面：规范、激励与引导[17]。其中，引导主要是指环境规制是对公众环境保护诉求的制度性回应，它将压力转化为具体政策，通过细化技术要求，为污染者和环境技术供应商提供实际指导。环境规制作为技术变革的“过滤器”和“引导器”，通过性能标准设定，将创新主体注意力聚焦于某些特定方面，进而影响创新方向和模式。

环境规制通过聚焦特定领域的污染治理影响城市间的知识宽度。创新作为知识重组的结果，其搜索空间、搜索元素都会影响创新质量，其中，远距离搜索对创新新颖度提升十分重要[35]，而知识宽度赋予辖区创新主体可使用的知识要素，企业通过地理空间内的模仿学习与竞争，选择对自己未来发展最为关键的知识并将其应用于知识生产与技术研发过程(如图3所示)。环境规制会促使企业和产业群体内部发生强制性“精洗”，让企业优胜劣汰，但也不可避免地改变了原有地区的知识宽度，导致原有知识成分向部分领域集中。绿色创新活动是一个复杂过程，需要多样化的知识投入，当邻近城市的规制强度较高时，城市间整体的知识宽度会发生缩减，这一调整会对原先的绿色创新过程构成冲击，通过溢出效应影响本地企业绿色创新质量。据此，本文提出如下假设：

H2：知识宽度在邻近城市环境规制强度与本城市绿色创新质量之间起负向中介效用。

城市环境规制的异质性会影响邻近城市间知识距离，位置相邻的城市间更易形成研发合作，实现隐性知识传递。绿色技术相比非绿色技术具有更强扩散性，在能源生产、运输、燃料和照明4个技术领域，清洁技术的知识溢出率与传统技术的知识溢出率平均相差43%[36]。从技术邻近角度来看，知识距离较近的专利更易产生溢出效应，而知识距离较远则意味着成本和不确定性更大，而且可能对新知识质量产生负面影响[37]。当邻近城市的环境规制强度提高时，城市间环境规制的异质性更显著，知识结构差异随之上升(如图3所示)，既有的知识流动将受到进一步抑制。据此，本文提出如下假设：

H3：知识距离在邻近城市环境规制强度与本城市绿色创新质量之间起负向中介效应。

城市间的知识平衡度能够有效调节邻近城市环境规制强度提升带来的负面影响。知识要素分布越均衡(如图3中的分布曲线尽可能“低峰胖尾”)，城市间的知识储备也越均衡，当城市间环境规制异质性增强时，创新主体能够更加合理地选择、调配不同类型的知识要素，实现有机重组，当平衡度达到一定值后，环境规制的冲击甚至可以带来创新质量提升；如果城市间的知识分布过于集中，面对环境规制冲击时，创新主体在短期内可能找不到合适的知识要素进而无所适从。过于集中的知识分布也不利于探索性创新，创新主体更会选择在既有领域从事渐进性创新，因此短期内不会开拓新技术[38]。据此，本文提出如下假设：

H4：城市间知识平衡度在邻近城市环境规制强度与本城市绿色创新质量关系中起调节作用。当城市间知识平衡度达到一定阈值时，邻近城市的高环境规制对本地绿色创新质量的作用将由抑制转为促进。

综上所述，构建本文的理论框架,如图4所示。

2 数据收集与研究方法

2.1 模型选定

本文使用城市绿色发明专利申请数与城市绿色发明专利被引量两个变量刻画绿色创新质量。

(1)绿色发明专利申请数(gpatentit)。相比实用新型专利，绿色发明在突破性、独创性、新颖性方面更具特色，是对某技术方案的突破性升级或创造，因此本文采用t年城市i中专利家族成员数大于或等于2的绿色发明专利gpatentit申请数作为表征城市绿色创新质量的第一类变量[30,34]。一项发明在多个专利机构寻求专利保护，将涉及多项额外费用(如专利律师费、审查费和翻译费)，这也意味着如果申请人选择扩大发明保护范围，该专利质量和价值将大于或等于额外保护费用，也就代表着该专利创新质量较高。绿色创发明专利gpatentit通常会出现过度离散现象，使得泊松分布条件不满足，此时负二项分布模型更有效。表2中的(1)和(2)表明，gpatentit方差明显大于均值且alpha检验也在1%的水平下显著拒绝alpha=0的原假设，表明因变量为过离散，支持采用负二项分布模型。

E[gpatentit|X]=exp[β1L.WER+β2L.ER+β3L.gpatentit+∑βjControl+μi+νt+εit]

(1)

其中，gpatentit是i城市t时期专利家族成员数大于或等于2的绿色发明专利申请总量，X表示等号右边出现的所有解释变量，分别是滞后一期的邻近城市环境规制强度加权平均值L.WER、滞后一期的城市环境规制强度L.ER、滞后一期的城市绿色发明专利申请数L.gpatentit、所有控制变量Control、城市固定效应μi、时间固定效应νt和自身扰动项εit，控制变量包括时期t城市i的经济社会发展水平、需求拉动类因素与技术推动类因素。

(2)绿色发明专利被引量(lnCitationit)。本文使用绿色发明专利被引量作为表示城市绿色创新质量的第二类变量，专利被引量能够从累进创新角度表征技术影响力，是反映专利质量的重要指标[39]。由于绿色发明专利被引数表现为幂律分布形态，因此对其加1取对数化，并采用固定效应模型对其进行回归分析。

lnCitationit=β0+β1L.WER+β2L.ER+β3L.gpatentit+∑βjControl+μi+νt+εit

(2)

其中，lnCitationit表示城市i在t年的绿色发明专利同族被引量，为了避免早期专利累计的被引量随专利年龄变化而递增，本文选取每个绿色发明专利从申请日开始的3年期(t,t+3)和5年期(t,t+5)窗口计算lnCitation3yit与lnCitation5yit；其余变量与上文相同。

2.2 数据与变量

2.2.1 城市绿色创新质量

城市绿色创新质量数据来自Patsnap数据库，本文参考绿色专利相关研究[40,41]，采用如下步骤进行数据检索与整理：依据世界知识产权组织(WIPO)于 2010 年推出的 “国际专利分类绿色清单”中所列出的IPC分类号，识别受理国为中国的全部专利信息，该检索条目依据《联合国气候变化框架条约》将绿色专利分为废弃物管理、能源节约等7种类型。将专利申请日限定在2003—2014年，采取如下检索式进行逐一检索：(IPC=(XXX))AND(AD=[20030101to20141231])(XXX为“国际专利分类绿色清单”中包含的IPC分类号)。在得到全部专利信息后，按年份与申请人所在城市对同族专利进行加总。

2.2.2 核心解释变量

(1)环境规制强度(ERit)。目前，学术界在度量环境规制时主要采用单一指标法[42]、综合指数法[43]、分类考察法[44]以及赋值评分法[45]4种方法测度国家环境规制强度。其中，单一指标法由于是从环境规制的某方面进行衡量，容易造成研究结论出现偏差；赋值评分法具有一定的人为主观性。同时，城市数据可得性的约束导致无法从多角度考察环境规制强度。因此，本文采用综合指数法测算环境规制水平。

借鉴沈坤荣[32]与Peng等[46]的研究，在二氧化硫去除率、烟尘去除率、工业固体废物综合利用率3个单项指标的基础上，通过加权线性求和法构建2003—2013年国内279个城市环境规制的综合指数：首先，对上述3个单项指标prigt进行归一化处理，获得其次，计算各城市上述3个指标的调整系数Aig；第三，根据第i个城市污染物g处理率的标准化值和相应调整系数Aig，计算279个城市环境规制水平；最后，构造邻近地区环境规制强度变量，采用行政邻近与地理距离两个矩阵计算邻近城市的环境规制强度WERi。计算公式如下：

[prigt-min(prg)]/[max(prg)-min(prg)]

(3)

(4)

(5)

WERi=∑j≠iwijERj

(6)

行政邻近权重矩阵wi,j为：

(7)

地理距离权重矩阵w'ij为：

(8)

式中，dij是该城市与其它城市的经纬度距离。

(2)知识宽度(breadthit)。一项专利不同的国际分类(IPC)代码数量代表了该专利的技术广度或范围[47]，技术范围与创新价值密切相关，而且专利技术范围是预测创新主体未来专利质量的主要因素[48]。本文参考Lerner、Shane & Squicciarini等[49]的做法，用本城市与邻近城市所有绿色发明专利所属不同IPC大类编码的总数衡量绿色知识宽度breadthit。

(3)知识距离(distanceit)。为构造本地与邻近地区专利知识距离变量，借鉴于飞等[50]的方法，利用专利IPC大类编码，使用(fik-fjk)代表地区i与地区j在第k项大类编码上的比例差，dij代表某城市与邻近N个城市大类编码比例差的平方，由于知识距离dij存在右偏分布，故对其求平均值后作自然对数处理。

(9)

(10)

(4)知识平衡性(balanceit)。本文采用本城市与邻近城市专利所属IPC大类编码的信息熵表征城市间知识平衡性[51]。信息熵越大，代表城市间IPC大类编码分布越均匀，反之则越集中。城市间知识平衡度balanceit计算公式如下：

(11)

其中，Pik表示第k类IPC大类在本城市及邻近城市所有IPC大类数中所占比例。Pik=0的值将被剔除，这是因为

2.2.3 控制变量

本文从3个方面筛选控制变量，分别是城市经济社会发展水平、需求拉动因素与技术推动因素[29]，以此控制可能影响城市绿色创新的相关因素，避免潜在遗漏变量的问题。

(1)城市经济社会发展水平。采用城市人均 GDP 水平的自然对数lngdp_pcit与人口规模populationit表示城市经济发展水平，这是因为经济发展水平越高的城市对环境往往有着更高要求，其绿色创新水平也会越高。本文采用地区产业结构indus_strit(第二产业增加值与第三产业增加值之比)表征城市产业高级化程度。由于绿色创新主体多为工业企业，因此引入工业企业资产总额lntassetsit表示城市工业企业规模，工业企业选自中国工业企业数据库2003-2014年的微观企业样本，企业资产总额为企业固定资产与流动资产之和，本文将其加总至城市层面。由于该变量存在较为严重的右偏分布，故对其进行对数化处理。此外，采用工业企业中外资企业资产占比wzratioit表征城市对外开放程度，城市对外开放程度越高，越有利于吸收外来知识，提升本地创新水平。

(2)需求拉动因素。环境规制强度与地区环境污染程度有较强相关性，为消除环境污染程度遗漏变量对回归分析的影响，借鉴Peng[46]的方法，构建本地环境污染相对程度的综合指标，使用城市工业二氧化硫排放量、工业废水排放量和工业固体废物排放量在全国所有城市中相对排放强度的均值polit表征。

(12)

(3)技术推动因素。引入城市普通高等学校在校生人数unistuit、城市财政教育支出比例eduratioit与城市财政科技支出比例techratioit表征城市对创新的支持强度。普通高等学校在校生人数能够为城市创新研发提供人力资本，政府的教育与科技投入比重能够反映地方政府对本地创新活动的偏好及支持程度，进而为创新发展提供丰富的公共产品供给。

3 实证分析

3.1 描述性统计

选取2004—2014年中国279个地级市面板数据，使用2003—2013年数据作为相关变量的一期滞后项，共得到3 069个样本。由于采用综合指数法测度环境规制，其中涉及的工业烟粉(尘)处理率、工业废水处理率与工业废气处理率三项指标覆盖时段为2003—2014年，参考沈坤荣[32]与Peng[46]的研究，本文也选取该时段进行分析。城市经济社会发展水平、需求拉动与技术推动数据主要来源于《中国城市统计年鉴》、CSMAR数据库与CNRDS数据库，部分缺失值采用插补法填补。从描述性统计结果可以看出，被解释变量gpatentit均值为102，最大值为12 114，最小值为0，标准差达450.5，明显大于均值，表明gpatentit可能存在过度分散问题。

3.2 实证结果与分析

3.2.1 基础回归

表2的基础回归模型(1)(3)和(5)表明，当控制住本城市环境规制强度后，邻近城市环境规制强度提升会负向影响本地绿色创新质量，表明邻近城市的环境规制会对本城市产生负向溢出效应，这与Peng等人的研究结论一致。为了增强研究结果的稳健性，引入地理距离矩阵的回归结果进行对比，模型(2)(4)与(6)的结果表明，以绿色发明专利申请量和绿色发明被引数表征的城市绿色创新质量都受到了邻近城市规制强度的负向影响，回归系数在5%水平下显著，体现出结论的稳健性，即假设H1得到验证。

控制变量中，人均GDP水平的自然对数值在1%的水平下显著为正，表明经济发展水平越高的地方对绿色发展有着更高诉求，创新质量也越高；人口规模对绿色创新质量的影响在10%的水平下显著为正，表明地区人力资本存量与绿色创新质量有着正向关联；普通高校在校学生数对城市绿色发明专利申请量没有显著影响，但对城市绿色创新被引量有着显著正向影响，表明城市研究型人力资本对于绿色创新技术传播和扩散发挥积极作用；城市科技类财政支出结构对绿色发明专利申请数和被引量均有正向影响，表明政府对科技发展的偏好会在一定程度上促进地方创新能力提升。为了避免绿色创新面板数据可能出现的自相关问题，方程中对绿色发明专利申请数作滞后一期处理，以控制城市绿色创新基础的影响，滞后一期变量的回归系数为正，表明城市绿色创新基础与当期因变量存在正向关系，体现出绿色创新质量的时间惯性。

3.2.2 机制分析：知识宽度缩减与知识距离扩大的中介效应

参照Baron & Kenny[52]的方法，构建中介效应模型实证分析邻近城市环境规制强度对本地绿色创新质量的影响机制。中介变量为城市间绿色创新知识宽度与知识距离，通过知识宽度缩减效应与知识距离扩大效应机制，考察城市间环境规制异质性对绿色创新质量的影响。中介效应模型如下：

Gpatentit(lncitationit)=β0+β1L.ERit+β2∑j≠iwijL.ERjt+γX+λi+λt+μit

(13)

mediait=η0+η1L.ERit+η2∑j≠iwijL.ERjt+γX+λi+λt+μit

(14)

Gpatentit(lncitationit)=δ0+δ1L.ERit+δ2∑j≠iwijL.ERjt+δ3media it+γX+λi+λt+μit

(15)

式中，中介变量mediait包括知识宽度breadthit与知识距离distanceit。

表3的回归结果(1)和(2)说明，邻近城市环境规制强度对城市间知识宽度有负面影响，环境规制强度通过标准设定、方向引导在一定程度上限制了绿色创新范围，削弱了城市开展后续绿色创新的基础；将城市间知识宽度中介变量纳入绿色创新质量方程，即表3的(3)-(8)，结果显示，邻近城市环境规制强度L.WERit变量与表2中(1)-(6)的回归系数相比，无论是显著性还是系数大小均出现下降，而城市间知识宽度breadthit变量则在1%的水平下显著为正，表明城市间知识宽度扮演负向中介变量角色，邻近地区环境规制强度通过城市间知识宽度缩减效应负向影响城市绿色创新质量，假设H2得到验证。

表3的回归结果(9)和(10)说明，邻近城市的环境规制强度对城市间绿色创新知识距离起正向扩张作用，该扩张使得城市间知识流动赖以发生的共同知识减少，不利于城市间知识共享与重组。当引入中介变量城市间知识距离distanceit至原方程后，发现其系数在1%的水平下显著为负，且邻近城市环境规制强度L.WERit变量与表2中(1)-(6)的回归系数相比，无论是显著性还是系数大小均出现下降，表明城市间知识距离在其中扮演负向中介变量角色，且邻近城市环境规制提升通过知识距离扩大效应负向影响本城市绿色创新质量，假设H3得到验证。

3.2.3 进一步讨论：知识平衡度的调节效应

引入城市间绿色创新知识的平衡度balanceit，检验邻近城市环境规制强度提升对本城市绿色创新的影响是否会因城市间知识平衡度不同而产生差异。表4中(1)-(6)的结果显示，邻近城市环境规制强度在1%的水平下显著为负，表明邻近城市环境规制强度对城市绿色创新质量有抑制作用，但其与城市间知识平衡度的交互项系数在1%的水平下显著为正，说明当城市间知识平衡度较高且超过某阈值后，邻近地区环境规制强度提升非但不会削弱本地绿色创新，反而会促进城市绿色创新质量提升。这反映出城市间绿色创新知识的合理分布能够有效调节规制对知识的引导与优化，均衡的知识分布能够让规制发挥更优效果。

4 结果分析、政策含义与研究展望

4.1 结果分析

正确认知城市间环境规制差异与绿色创新关系，不仅关系到政府环境治理体系设计和优化，更关系到科技创新与可持续发展。本文引入知识作用视角，利用2004-2014年城市级平衡面板数据，探讨城市间环境规制异质性对城市绿色创新质量的影响。研究发现：①控制城市环境规制强度不变，邻近城市环境规制提升会对本城市绿色创新质量产生负向影响；②邻近城市的环境规制强度通过知识宽度缩减与知识距离扩大两类中介效应负向影响本地城市绿色创新质量；③城市间绿色创新知识的平衡度对环境规制与绿色创新质量关系起调节效应。

4.2 政策含义

我国在顶层设计上不断完善政策机制、优化产业空间布局、建立低碳经济体系，但在区域层面，不同城市污染减排规制的执行仍会受到自身经济与财政现实的制约，对环境与创新领域的政策组合也处在探索阶段，如何既在空间上形成区域间协同互动，又能在政策工具上形成互补，是未来强化科技创新引领、推进绿色发展的关键。本文依据上述研究结论提出如下政策建议：

一是地方政府应重视环境规制政策的技术引导效应。环境规制本质上也是一种产业政策和科技政策，其“机会型”信号将对社会资本投资和主体研发投入产生引导效应，未来应更多地关注环境规制政策所涉及的产业领域与技术类别，充分研判政策实施地的产业结构与技术关联，针对当地优势技术进行激励，以发挥环境规制对绿色创新的正向带动作用。

二是地方政府应强化环境政策与技术政策的协同互补。由于环境类技术创新存在高风险性及不确定性，因此在城市产业较为分散、技术基础较为薄弱的情况下，单纯的环境规制约束可能会使企业等创新主体在短期内采用被动回应式策略，难以进行深度持续投入的绿色创新。因此，当城市技术发展仍处在初级阶段时，政府需构建开放型创新网络, 整合利用包括部门、市场与社会、国际与国内等创新资源, 强化绿色创新的基础能力建设。在此基础上，环境规制方能奏效。

三是进一步促进区域间绿色创新信息流动，创造共同知识，强化共同信念，促进合作。地方政府进行城市规划与产业政策制定时，不仅应关注生产生活空间，更应着眼于知识空间构筑，引导企业、高校和研究机构等创新主体广泛建立合作网络，树立协同行动信念，加大城市间共同知识与区域公共物品供给，加快技术、资源流动和有效配置，促进绿色产业链供应链深度融合，加速区域一体化和可持续发展进程。

4.3 未来展望

本文基于知识作用视角，对环境规制与绿色创新质量间的作用机制开展了探索性研究。受制于篇幅和数据可得性，未来可从以下方面进行深化。第一，本文采用专利家族成员数大于2的绿色发明专利数和城市绿色专利被引总量作为衡量绿色创新质量的指标，尽管考虑到了技术复杂性、经济效益与技术影响力，但仍未覆盖创新质量的所有维度，未来可使用IPC号测量专利的创新类别(渐进式创新或突破式创新)，或使用SBM等前沿面方法计算城市创新绩效。第二，本文立足于经济地理学假定，认为创新知识存在空间溢出，城市绿色创新质量不仅取决于自身知识基础，同时受到来自周边邻近城市知识基础的影响，故城市间环境规制异质性才能够基于这样的知识外溢产生作用，但若基于社会学假定来看待上述问题，以合作、转让等行为建构的专利网络同样扮演了知识传递与生产的角色[23,53]，本文尚未针对该点展开深入分析，后续研究可引入网络距离矩阵进行比较。第三，本文所关注的是绿色创新大类，而在绿色创新内部，不同子行业的创新逻辑存在差异，部分行业创新对新知识要求较高，多为突破式创新，另一部分则为原有知识基础上的渐进式创新。未来可将绿色创新进一步拆分，比较环境规制与创新质量关系的行业异质性。

参考文献:

[1] DE RASSENFOSSE G, JAFFE A B. Are patent fees effective at weeding out low-quality patents[J]. National Bureau of Economic Research, 2014.

[2] WAGNER M. Empirical influence of environmental management on innovation: evidence from Europe[J]. Ecological Economics, Elsevier, 2008, 66(2-3): 392-402.

[3] HOJNIK J, RUZZIER M. What drives eco-innovation? a review of an emerging literature[J]. Environmental Innovation and Societal Transitions,2016,19:31-41.

[4] 申宇, 黄昊, 赵玲. 地方政府“创新崇拜”与企业专利泡沫[J]. 科研管理, 2018, 39(4): 83-91.

[5] 张杰, 郑文平. 创新追赶战略抑制了中国专利质量么?[J]. 经济研究, 2018, 53(5): 28-41.

[6] 陈强远, 林思彤, 张醒. 中国技术创新激励政策：激励了数量还是质量[J]. 中国工业经济, 2020，38(4): 79-96.

[7] 陶锋, 赵锦瑜, 周浩. 环境规制实现了绿色技术创新的“增量提质”吗——来自环保目标责任制的证据[J]. 中国工业经济, 2021，39(2): 136-154.

[8] PAN X, CHENG W, GAO Y. Is environmental regulation effective in promoting the quantity and quality of green innovation[J]. Environmental Science and Pollution Research, 2021, 28(5): 6232-6241.

[9] PORTER M E, VAN DER LINDE C. Toward a new conception of the environment-competitiveness relationship[J]. Journal of Economic Perspectives, 1995, 9(4): 97-118.

[10] BIRDSALL N, WHEELER D. Trade policy and industrial pollution in latin America: where are the pollution havens[J]. The Journal of Environment & Development, SAGE Publications Inc, 1993, 2(1): 137-149.

[11] BO S, KEXIN B. Open innovation mode of green innovation system for manufacturing industry[J]. Mobile Information Systems, Hindawi, 2021, 2021: e9948683.

[12] CONTI C, MANCUSI M L, SANNA-RANDACCIO F. Transition towards a green economy in Europe: innovation and knowledge integration in the renewable energy sector[J]. Research Policy, 2018, 47(10): 1996-2009.

[13] MORENO R, OCAMPO-CORRALES D. The ability of European regions to diversify in renewable energies: the role of technological relatedness[J]. Research Policy, 2022, 51(5): 404-508.

[14] JNICKE M. "Green growth": from a growing eco-industry to economic sustainability[J]. Energy Policy, 2012, 48: 13-21.

[15] TSENG M-L, WANG R, CHIU A S F. Improving performance of green innovation practices under uncertainty[J]. Journal of Cleaner Production, 2013, 40: 71-82.

[16] COSTANTINI V, CRESPI F, PALMA A. Characterizing the policy mix and its impact on eco-innovation: a patent analysis of energy-efficient technologies[J]. Research Policy, 2017, 46(4): 799-819.

[17] KEMP R, SMITH K, BECHER G. How should we study the relationship between environmental regulation and innovation[A]. J HEMMELSKAMP, K RENNINGS, F LEONE. Innovation-oriented environmental regulation[C]. Heidelberg: Physica-Verlag HD, 2000: 43-66.

[18] LINDMANA, SÖDERHOLM P. Wind energy and green economy in Europe: measuring policy-induced innovation using patent data[J]. Applied Energy, 2016, 179: 1351-1359.

[19] SCHIEDERIG T, TIETZE F, HERSTATT C. Green innovation in technology and innovation management—an exploratory literature review[J]. R&D Management, 2012, 42(2): 180-192.

[20] 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.

[21] 蒋伏心, 王竹君, 白俊红. 环境规制对技术创新影响的双重效应——基于江苏制造业动态面板数据的实证研究[J]. 中国工业经济, 2013,31(7): 44-55.

[22] 宋马林, 王舒鸿. 环境规制、技术进步与经济增长[J]. 经济研究, 2013, 48(3): 122-134.

[23] GUAN J, LIU N. Exploitative and exploratory innovations in knowledge network and collaboration network: a patent analysis in the technological field of nano-energy[J]. Research Policy, 2016, 45(1): 97-112.

[24] FAIX W G. Innovation quality: the value of the new: InQ[M].Berlin:Steinbeis-Edition, 2015.

[25] RODRGUEZ-POSE A, WILKIE C. Innovation and competitiveness in the periphery of Europe[M]. Cheltenham,UK: Edward Elgar Publishing, 2017: 351-380.

[26] JAFFE A. The U.S. patent system in transition: policy innovation and the innovation process[J]. Research Policy, 2000, 29(4-5): 531-557.

[27] FISCHER T, LEIDINGER J. Testing patent value indicators on directly observed patent value—an empirical analysis of ocean tomo patent auctions[J]. Research Policy, Elsevier, 2014, 43(3): 519-529.

[28] LANJOUW J O, PAKES A, PUTNAM J. How to count patents and value intellectual property: the uses of patent renewal and application data[J]. The Journal of Industrial Economics, 1998, 46(4): 405-432.

[29] GHISETTI C. Demand-pull and environmental innovations: estimating the effects of innovative public procurement[J]. Technological Forecasting and Social Change, 2017, 125: 178-187.

[30] FAN F, LIAN H, LIU X. Can environmental regulation promote urban green innovation efficiency?an empirical study based on Chinese cities[J]. Journal of Cleaner Production, 2021, 287: 125-160.

[31] 刘华军, 彭莹. 雾霾污染区域协同治理的“逐底竞争”检验[J]. 资源科学, 2019, 41(1): 185-195.

[32] 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.

[33] ZHENG S, DU R. How does urban agglomeration integration promote entrepreneurship in China?evidence from regional human capital spillovers and market integration[J]. Cities, 2020, 97: 502-529.

[34] DU K, CHENG Y, YAO X. Environmental regulation, green technology innovation, and industrial structure upgrading: the road to the green transformation of Chinese cities[J]. Energy Economics, 2021, 98: 105-247.

[35] FLEMING L. Recombinant uncertainty in technological search[J]. Management Science, INFORMS, 2001, 47(1): 117-132.

[36] DECHEZLEPRETRE A, GLACHANT M. Does foreign environmental policy influence domestic innovation? evidence from the wind industry[J]. Environmental & Resource Economics, Springer, 2014, 58(3): 391-413.

[37] TODO Y, MATOUS P, INOUE H. The strength of long ties and the weakness of strong ties: knowledge diffusion through supply chain networks[J]. Research Policy, 2016, 45(9): 1890-1906.

[38] XU S. Balancing the two knowledge dimensions in innovation efforts: an empirical examination among pharmaceutical firms[J]. Journal of Product Innovation Management, 2015, 32(4): 610-621.

[39] 万小丽. 专利质量指标中“被引次数”的深度剖析[J]. 情报科学, 2014, 32(1): 68-73.

[40] BEN ARFI W, HIKKEROVA L, SAHUT J-M. External knowledge sources, green innovation and performance[J]. Technological Forecasting and Social Change, 2018, 129: 210-220.

[41] LOSACKER S. "License to green":regional patent licensing networks and green technology diffusion in China[J]. Technological Forecasting and Social Change, 2022, 175: 121336.

[42] 葛斌华, 上官绪明. 科技创新、环境规制与经济高质量发展——来自中国278个地级及以上城市的经验证据[J]. 中国人口·资源与环境, 2020, 30(6): 95-104.

[43] CHARMANTIER A, MCCLEERY R H, COLE L R. Adaptive phenotypic plasticity in response to climate change in a wild bird population[J]. Science, American Association for the Advancement of Science, 2008, 320(5877): 800-803.

[44] 黄清煌, 高明. 环境规制对经济增长的数量和质量效应——基于联立方程的检验[J]. 经济学家, 2016,28(4): 53-62.

[45] VAN BEERS C, VAN DEN BERGH J. An empirical multi-country analysis of the impact of environmental regulations on foreign trade flows[J]. Kyklos, Wiley Blackwell, 1997, 50(1): 29-46.

[46] PENG X. Strategic interaction of environmental regulation and green productivity growth in China: green innovation or pollution refuge[J]. Science of The Total Environment, 2020, 732: 139-200.

[47] LERNER J. Venture capitalists and the decision to go public[J]. Journal of Financial Economics, Elsevier, 1994, 35(3): 293-316.

[48] SHANE S. Technological opportunities and new firm creation[J]. Management Science, INFORMS, 2001, 47(2): 205-220.

[49] SQUICCIARINI M, DERNIS H, CRISCUOLO C. Measuring patent quality: indicators of technological and economic value[R]. OECD Publishing, 2013.

[50] 于飞, 袁胜军, 胡泽民. 知识基础、知识距离对企业绿色创新影响研究[J]. 科研管理, 2021, 42(1): 100-112.

[51] ROSIELLO A, MALEKI A. A dynamic multi-sector analysis of technological catch-up: the impact of technology cycle times, knowledge base complexity and variety[J]. Research Policy, 2021, 50(3): 104-194.

[52] BARON R M, KENNY D A. The moderator-mediator variable distinction in social psychological research: conceptual, strategic, and statistical considerations[J]. Journal of Personality and Social Psychology,1986, 51(6):1173-1182.

[53] GKYPALI A, FILIOU D, TSEKOURAS K. R&D collaborations:is diversity enhancing innovation performance[J]. Technological Forecasting and Social Change, 2017, 118: 143-152.

(责任编辑：胡俊健)