On the basis of China' s provincial panel data from 2004 to 2020, an empirical analysis is made from multiple perspectives. In order to comprehensively depict the potential impact of economic growth targets on green technology innovation to assist industrial upgrading, the study first examines the direct impact of green technology innovation on industrial upgrading and establishes a model; furthermore it uses the Hansen's panel threshold regression method to reveal the nonlinear evolution of the impact of green technology innovation on industrial upgrading with the moderation of different economic growth targets.The results show that firstly, green technology innovation has significantly driven local industrial upgrading, and this conclusion is still valid after a series of robustness and endogenous tests. Secondly, the industrial upgrading effect of green technology innovation has a significant triple threshold effect based on the constraint of economic growth targets. Under the constraint of economic growth targets, the impact of green technology innovation on industrial upgrading shows a significant positive and diminishing marginal efficiency. Thirdly, there are significant differences in the dynamic adjustment effect of economic growth targets on green technology innovation-enabled industrial upgrading. To achieve the optimal adjustment effect, the eastern region needs to adopt lower constraint of economic growth targets than the central and western regions, and the areas with high degree of industrial upgrading also needs to choose looser constraint of economic growth targets than the areas with the middle and low degrees of industrial upgrading.
According to the above conclusions, the following policy implications are presented. Firstly, it is essential to further accelerate the development of green technology innovation, promote the deep integration of green technology innovation and regional industrial upgrading in various fields and links, and improve the actual efficiency of green technology innovation in driving regional industrial upgrading; secondly, at this stage, it is necessary to gradually and moderately relax the constraint of economic growth targets, and avoid the loss of industrial upgrading dividends enabled by green technology innovation due to excessively stringent economic growth targets; thirdly, different regions should choose the appropriate constraint of economic growth targets according to their own green technology innovation and industrial upgrading development reality.
Compared with previous studies, this paper makes innovations in three aspects. Firstly it broadens the existing research perspective and reveals how the constraint of economic growth targets dynamically moderates the industrial upgrading effect of green technology innovation from the perspective of nonlinear dynamic evolution, so as to advance the in-depth understanding of the internal logical relationship among the three. Secondly by depicting the dynamic impact effect and heterogeneous facts of the constraint of economic growth targets, it can provide decision-making reference for the government to design more targeted linkage strategies between economic growth targets and green technology innovation in promoting local industrial upgrading.
开放科学(资源服务)标识码(OSID)：
目前,我国经济已由高速增长阶段转向高质量发展阶段,探索产业转型升级路径迫在眉睫。中共二十大报告明确指出,要加快建设现代化经济体系,着力提高全要素生产率,着力提升产业链供应链韧性和安全水平。这对新发展格局下的产业结构优化升级提出了新要求。事实上,如何驱动产业升级一直是学界关注的焦点话题,现有研究从收入分配[1]、制度环境[2]、技术溢出[3]、要素禀赋结构[4]、金融科技[5]等不同维度进行分析,其中包括一直被理论和实践普遍证实的技术创新。然而,在日益严峻的资源环境约束下,传统的技术创新并不能较好地体现“绿色”和“创新”的双重理念,无法满足产业升级发展的现实需求。在这种情况下,开展绿色技术创新成为地方推动产业升级的普遍选择。但遗憾的是,关于绿色技术创新与产业升级关系的研究才刚刚起步,针对该问题的认识还存在明显不足。与此同时,高质量发展将是未来较长一段时间内中国经济发展的主基调。这意味着地方政府加强经济增长预期的动态管理将常态化,而经济增长目标压力变化势必会直接对地方经济决策和行为造成巨大冲击,从而不可避免地影响绿色技术创新对产业升级的促进效应。正因为如此,如果简单剥离经济增长目标的潜在约束而单纯考虑绿色技术创新与地区产业升级关系可能导致误导性结论。那么,现阶段的绿色技术创新是否有利于地区产业升级?如果答案是肯定的,经济增长目标约束在当中又扮演何种角色?何种经济增长目标约束策略是最优的?经济增长目标调节究竟具有何种动态化和异质性规律?客观回答上述问题,有利于系统解构经济增长目标约束如何作用于绿色技术创新促进产业升级的现实问题,乃至对“十四五”时期实现绿色技术创新与地区产业升级发展的“双赢”具有重要现实意义。
目前,关于经济增长目标、绿色技术创新与产业升级的关系已引起学术界关注。相关研究主要体现在以下方面:第一,绿色技术创新对产业升级的影响。部分文献肯定了绿色技术创新在产业升级过程中具有积极作用。如刘在洲和汪发元[6]基于长江经济带数据研究发现,短期内的绿色科技创新可显著驱动产业升级;谢长青等[7]则从OFDI逆向绿色技术创新的角度提供证据,认为其对产业升级具有积极影响;徐盈之等[8]进一步指出,绿色技术创新的产业升级效应会随着要素市场扭曲程度加深而被弱化。然而,也有学者得出不一致、甚至完全相悖的结论。如原毅军(2019)基于制造业角度考察发现,绿色技术创新与产业升级之间呈“U”型关系,较低的绿色技术创新并不利于产业升级;张莉等[9]分析认为,较低的环境规制水平会对绿色技术创新的产业升级效应产生消极作用。第二,经济增长目标约束对绿色技术创新的影响。多数学者持经济增长目标约束会抑制绿色技术创新的观点。如Shen等[10]认为,中国地级市城市普遍存在经济增长目标预设和自上而下的放大行为,从而不利于绿色技术创新;Sun [11]指出,经济增长目标的硬约束会对绿色技术创新带来显著的负面冲击;毛奕欢和林雁等[12]的实证研究结果显示,较高的地区经济增长目标会抑制当地企业绿色创新,尤其是当官员面临较大晋升压力时,这种抑制作用将更明显;张德涛和张景静[13]进一步发现,经济增长目标的负面约束是有条件的,因此只有适度的经济增长目标才可激励绿色技术创新。第三,经济增长目标约束对地方产业升级的影响。政府的制度安排和行政干预对产业升级具有显著影响已被相关研究证实[14-15]。如安梦天和何爱平[16]基于地级市数据检验发现,过高的经济增长目标会导致地方政府过度追求经济快速增长,从而忽视绿色转型发展;王旦和王业斌[17]从硬约束增长目标角度证实上述观点,同时提出软约束增长目标会促进产业升级的新结论。
综上可知,国内外学者围绕经济增长目标约束、绿色技术创新与产业升级之间的内在关系作了一定探讨,为本文研究提供了有益借鉴,但相关研究还存在一些缺憾:一是大多数文献仅局限于揭示上述三者中两两之间的关联性,且尚未取得较一致的结论,而关于绿色技术创新赋能地区产业升级发展的研究还比较匮乏;二是现有文献对三者之间潜在动态关联规律的认识有限,而经济发展往往呈现为非线性演化规律,这在经济转型时期表现得尤为明显;三是鲜有文献探讨经济增长目标约束下绿色技术创新的动态产业升级问题,难以准确刻画潜在的演变规律及差异。与以往研究不同,本文的主要创新在于:一方面,拓展现有局限于三者中两两之间关系的分析视角,试图从非线性动态演化角度揭示经济增长目标约束如何动态调节绿色技术创新的产业升级效应,为深入理解三者之间的内在逻辑关联提供有益启示;另一方面,通过刻画经济增长目标约束的动态冲击效果及异质性事实,为政府在驱动产业升级过程中更有针对性地制定经济增长目标与绿色技术创新联动策略提供决策参考。
绿色技术创新活动通过将绿色技术应用于社会生产各阶段,发挥创新与环境溢出效应[18-19],从而对产业升级产生影响,具体表现为以下两方面:一是绿色技术创新具有明显的资源导向功能,可通过两端发力改善产业结构。一方面,传统产业为应对绿色化、低碳化约束,不得不在生产工艺、生产方式和生产设备的清洁化上下功夫,为此会投入更多人力、资本和技术资源驱动自身绿色发展升级,此时产生绿色技术创新的“倒逼效应”;另一方面,绿色技术创新的快速发展会直接激发和培育更多节能环保产业,同时,这种明显的“信号效应”亦能引导更多社会资本流入绿色领域,从而为新兴产业的快速发展提供持续的资源支持,此时产生绿色技术创新“诱导效应”。正是由于两种绿色技术创新效应的共同作用,最终促进地区产业升级。二是绿色技术创新具有典型的“绿化”功能,可通过节能提效驱动产业升级。绿色技术创新在能源、环保领域的应用,可加快光伏、风电和可再生能源等新能源领域的新技术开发应用,不断提升新能源生产在整个产业体系中的占比,由此持续推动传统能源领域的技术改造和绿色升级,尤其是催生煤炭、石油等传统能源领域的绿色技术变革与进步,从而有利于整个社会的能源消费结构持续向绿色化、低碳化和清洁化转型。在这种情况下,绿色技术创新自然而然会对能源结构优化产生明显的“绿化”效应,特别是其能不断改善和提升高耗能、高污染等“两高”产业的生产技术水平,最终驱动地区产业升级。基于此,本文提出以下研究假设:
H1:绿色技术创新发展有利于驱动地区产业升级。
绿色技术创新具有典型的高投入、高风险和长周期特征[20],导致企业开展绿色技术创新的动力先天不足,始终需要政府引导和支持[21]。其中,政府设置不合理的经济增长目标会导致地方资源分配和配置结构出现偏差,进而影响创新活动[22]。事实上,长期以来从国家到地方经济增长目标的制定都有着明显的层层加码特征,表现为各级政府制定的经济增长目标普遍高于上一级政府,即地级市的经济增长目标一般会高于省级经济增长目标,并且同一省份不同地级市的经济增长目标也存在显著差异[23]。在这种情况下,经济增长目标变化会直接影响各级政府财政支出结构、资源分配策略和扶持重点,从而引致绿色技术创新的产业升级效应亦呈现动态变化特征。具体而言,在较为宽松的经济增长目标压力下,地方政府能相对轻松地完成考核目标,并游刃有余地分配辖区各类资源,此时政府在促进经济增长、完成既定预期目标的同时,有余力、有动力进行长期资源投入、污染处理和生态保护,从而显著有利于提升绿色技术创新的产业升级效应。随着经济增长目标压力持续增大,依靠要素驱动、投资驱动的粗放型经济发展方式通常会成为地方的无奈选择。在较为沉重的经济增长考核压力下,地方政府开始将发展目光更多地投向有利于短期内实现经济快速增长的领域,这会造成辖区资源出现严重的扭曲错配,而这种“短平快”发展方式也极易诱发地方官员的短视行为,陷入“为增长而增长”的发展困局,进而导致地方官员忽略长期的绿色技术创新投入,致使绿色技术创新驱动产业升级缺乏内在激励[17],从而在一定程度上弱化绿色技术创新的产业升级效应。当经济增长目标约束提升到更高强度时,地方政府在资源配置、政策扶持、长期与短期目标平衡等方面的扭曲程度将更为明显,此时虽然在短期内可能获得经济快速增长,但这种增长是典型的损害长期利益的“竭泽而渔”行为,由此将引致未来一段时间内经济增长疲软、科技投入不足、资源错配加剧等一系列现实问题,进一步弱化甚至损害绿色技术创新的产业升级效应。基于此,本文提出以下研究假设:
H2:在经济增长目标约束下,绿色技术创新的产业升级效应呈现正向且边际效率递减的非线性演化特征。
上述推演表明,经济增长目标约束会动态调节绿色技术创新的产业升级效应。进一步地,我国不同地区的绿色技术创新能力和产业升级进程均存在明显差异,导致绿色技术创新和产业升级的耦合环境存在空间差异。具体而言,东部地区绿色经济发展起步早、基础强,在绿色技术创新、产业升级等方面具有先天优势,而中、西部地区受制于较低的经济发展水平和有限的要素资源,绿色技术创新和产业升级相对滞后。根据资源基础理论,由于不同地区存在资源基础差异,使得地方政府制定的经济增长目标不同,由此导致绿色技术创新的产业升级效应也存在一定的时空异质性。对东部地区而言,虽然其具有雄厚的经济实力和基础条件,但也面临实际增速放缓的现实压力,地区经济的快速发展需要更为先进高端的技术、人力和发展模式作支撑,而这种要素和环境支撑在短期内通常是难以实现的,此时政府不得不着眼长远,选择实施较为宽松的经济增长目标,为长期内的新产业培育、新技术研发和新模式构建等提供良好的现实“土壤”。中、西部地区由于经济发展基础薄弱、要素市场不完善,经济增长相较东部地区存在后发优势,使得其易于在短期内快速实现经济增长,因此通常选择制定较高的经济增长目标以缩小与发达地区的差距。更为重要的是,较为薄弱的经济基础决定了中、西部地区在平衡短期与长期目标过程中的资源分配显得“捉襟见肘”,为完成较高的经济增长目标,其通常不得不优先安排短期经济增长项目,这势必导致绿色技术创新、产业升级等长期发展项目被忽视。因此,在经济增长目标、绿色技术创新与产业升级水平持续变化的综合影响下,最终导致经济增长目标对绿色技术创新赋能产业升级的调节效应存在一定的时空异质性。基于此,本文提出以下研究假设:
H3:在经济增长目标约束的调节下,绿色技术创新的产业升级效应存在一定时空异质性。
为全面刻画经济增长目标对绿色技术创新助力产业升级的潜在作用,本文首先考察绿色技术创新对产业升级的直接影响,建立如下模型:
indit=α0+α1gtiit+θjxit+εit
(1)
其中,gtiit表示i省域在t时期的绿色技术创新水平,indit代表i省域在t时期的产业升级水平,xit为其它影响产业升级水平的控制变量,εit为随机扰动项。a0为模型截距项,α1为绿色技术创新的估计系数,系数大小及方向反映绿色技术创新对产业升级的具体影响。
在考察静态特征的基础上,进一步检验经济增长目标(mbit)调节下绿色技术创新对产业升级的动态影响,在式(1)的基础上构建如下模型:
indit=α1gtiit·I(mbit≤γ)+α2gtiit·I(mbit>γ)+θjxit+εit
(2)
式中,indit为被解释变量,gtiit是核心解释变量,mbit为门槛调节变量,γ为待估计的门槛值,εit～iid(0,σ2)为误差项。基于门槛变量mbit与门槛值γ的比较,可将样本划分为拥有不同回归系数的两个区间。I(*)为指示函数,取值为1表示满足括号内条件,取值为0则表示不满足。
考虑到样本可能存在多个门槛,对模型(2)作拓展,具体如下:
indit=α1gtiit·I(mbit≤γ1)+α2gtiit·I(mbit>γ1)+...+αngtiit·I(mbit≤γn)+αn+1gtiit·I(mbit>γn)+θjxit+εit
(3)
估计回归系数时,给定任意γ可求出相应残差平方S1(γ),在条件允许下从大到小依次选定γ值,则得到多个S1(γ),使最小S1(γ)为门限值γ*,即:
γ*=argminS1(γ)
(4)
在估计门槛值的情形下,需要作两个检验,以验证门槛模型选择是否合理。
第一,检验面板门槛效应存在与否。存在性检验的原假设是H0:α1=α2,备择假设为H1:α1≠α2,构建相应的统计量F,表示为:
(5)
式中,在H0和H1条件下分别进行参数估计,得到残差平方S0(γ)和
而在H1下进行参数估计的残差方差为
一般F统计量的渐进分布可通过自抽样方法获取,进而得到拒绝原假设的概率水平以检验其是否显著。
第二,检验门槛估计值与真实值是否相等。此时相应的似然比统计量可表示为:
(6)
LR统计量不满足标准分布,但其渐进分布满足
且当LR1≤c(α)时拒绝原假设。
(1)被解释变量:产业升级水平(ind)。产业升级的一个鲜明特征是产业结构从低水平向高水平发展,并伴随与经济发展阶段相适应的主导产业群形成。本文借鉴袁航和朱承亮[24]的做法,采用产业结构层次系数衡量产业升级水平,即基于份额比例的相对变化刻画三大产业在数量层面的演化过程,具体计算公式为:
(7)
在式(7)中,yi,m,t 表示t时期i地区第m产业产值占地区生产总值的比重,该指数反映了我国三大产业布局从第一产业占优势逐渐转向第二产业、第三产业占优势的演化过程,该指数越大意味着产业升级水平越高。
(2)核心解释变量:绿色技术创新(gti)。考虑到绿色专利包含绿色发明、绿色发明者及绿色技术等诸多信息,能够较准确地体现地区绿色技术创新水平。因此,本文选取绿色专利申请数表征绿色技术创新。具体根据世界知识产权组织公布的绿色专利清单分类编码(IPC),通过国家知识产权局中国专利公布公告网获取绿色专利申请数。为消除异方差的影响,对原始数据作对数化处理。同时,为增强研究结论的可靠性,参考韩先锋等[25]的做法,采用绿色专利授权量作辅助测试,数据同样进行对数化处理。
(3)调节变量:经济增长目标(mb)。在我国典型的垂直型行政管理方式和经济发展激励模式下,当增速成为上级政府最为关心的经济发展指标时,经济增长目标设定不仅会层层加码,还存在同地级政府间的竞相加码。参考李茫茫等[26]的做法,本文手工收集、整理各省域经济增长目标数据,采用各省域政府工作报告中发布的预期GDP增长率作为经济增长目标的表征变量。
(4)控制变量。为了尽可能获得无偏差的估计结果,本文控制其它一些可能影响产业升级的变量。①人力资本(hc),采用各地区平均受教育年限表征;②技术引进(tei),考虑到国外技术引入是改善绿色技术创新的直接手段和重要因素,借鉴李勃昕等[27]的做法,选取国外技术引进合同金额占GDP的比重表征;③贸易开放度(tra),选取用人民币表示的进出口总额除以GDP表征;④就业水平(emp),采用年末就业人口数取对数表征;⑤环境规制(er),借鉴康鹏辉和茹少峰[28]基于环境治理效果衡量环境规制的做法,选取GDP/Energy度量。
基于数据可获性和连贯性,选取2004-2020年为研究时期,由于西藏自治区和港、澳、台四地数据缺失较多,最终选取中国内地30个省级行政单元作为研究对象。本文数据主要来自国家知识产权局中国专利公布公告网(http://epub.sipo.gov.cn)、《中国科技统计年鉴》《中国统计年鉴》和各省政府年度工作报告。
表1列示了主要变量的Pearson相关系数分析结果,不难发现:①绿色技术创新与产业升级之间存在显著正相关关系,即绿色技术创新水平越高,产业升级水平就越高;②经济增长目标与绿色技术创新、产业升级之间均具有负向关联性,说明较高的经济增长目标不利于驱动绿色技术创新和产业升级。表1只是从表面刻画了经济增长目标、绿色技术创新与产业升级的基本关系,为了揭示经济增长目标约束下绿色技术创新的产业升级效应,仍需进一步分析影响产业升级的多种因素,以系统解析经济增长目标对绿色技术创新驱动产业升级的综合动态影响。
表1 变量相关系数
Tab.1 Variable correlation coefficients
indgtimbhcteitraemperind1gti0.642**1mb-0.523**-0.473**1hc0.791**0.630**-0.420**1tei0.423**0.108*0.0420.371**1tra0.603**0.330**-0.0850.489**0.670**1emp-0.098*0.557**-0.079-0.087*-0.204**-0.0141er0.647**0.771**-0.424**0.636**0.152**0.358**0.272**1
注:**和*分别表示在1%与5%水平下显著相关
在进行实证分析前,为保证研究结论的可靠性,首先进行三方面检验,以证明本文计量模型的合理性:第一,多重共线性检验。经测算发现,研究变量的最大方差膨胀因子VIF数值为6.07,平均VIF数值为3.04,均处于可接受范围内,说明本文计量模型的共线性问题不严重,不会对后文估计结果产生较大干扰。第二,面板平稳性检验。为尽可能避免因宏观数据波动造成的伪回归现象,采用PP-Fisher、ADF-Fisher、IPS方法和LLC4种方法联合进行变量的平稳性测试。结果发现,经济增长目标、绿色技术创新与产业升级等变量均为一阶平稳,即选取的面板数据是平稳的。第三,面板协整检验。继续对产业升级、绿色技术创新与经济增长目标之间是否存在长期稳定均衡关系进行检验,具体做法为同时运用Pedroni和Kao基于E-G两步法回归残差的面板协整技术,以及Johansen Fisher基于最大似然比的面板协整技术展开联合检验,以增强检验结论的可靠性。结果发现,面板协整关联均显著存在。在上述辅助检验的基础上,进一步基于多维度解析经济增长目标如何动态调节绿色技术创新的产业升级效应。
经Hausman检验发现,基于固定效应模型进行估计更吻合本文指标数据。表2反映了绿色技术创新对产业升级的影响结果。其中,模型1和模型2分别是不考虑与考虑控制变量的估计结果,两项估计结果具有较高一致性。根据模型2可知,绿色技术创新系数为0.042且显著,意味着考察期内绿色技术创新显著驱动了产业升级。从经济意义上看,绿色技术创新水平每提升1%,将带来地区产业水平提升0.042%。为尽可能克服内生性干扰以及增强研究结论的稳健性,本文还做了以下四方面工作:一是选择滞后一期的gti作为当期gti的工具变量,并采用固定效应的2SLS模型进行回归。结果显示,模型3与模型2结果相比,不存在显著变化。二是采用绿色技术创新滞后一期变量为核心变量进行再估计。结果显示,模型4中绿色技术创新估计系数显著为正,说明本文内生性问题并不严重。同时,绿色技术创新的估计系数相比基准模型2有所增大,表明其对地区产业升级的积极影响存在一定滞后性,即绿色技术创新的产业升级驱动效果需要较长时间才能充分显现。三是选择滞后一期的ind为解释变量,构建动态面板模型并重新估计。由模型5的结果可知,加入产业升级滞后一期变量后,绿色技术创新变量的估计结果和基准模型2相比,不存在明显区别。四是为了消除异方差带来的不良影响,进一步应用GLS方法并结合white-period稳健方法对样本进行再估计,模型6的结果依然支持绿色技术创新有利于驱动产业升级的结论。上述分析在一定程度上支持了假设H1。
表2 基本模型估计结果
Tab.2 Basic model estimation results
变量模型1模型2模型3模型4模型5模型6模型7模型8模型9ind-10.793***(28.317)gti0.054***0.042***0.057***0.012***0.041***0.025***0.042***0.033***(36.930)(11.083)(4.677)(4.612)(8.203)(4.685)(8.139)(9.861)gti-10.046***(11.922)hc0.006-0.0330.003-0.010**0.001-0.012***0.018***0.001(0.787)(-1.010)(0.486)(-2.229)(0.144)(-2.622)(3.200)(0.082)tra0.0180.0460.008-0.0040.028**-0.024*0.175***0.037**(1.059)(1.461)(0.461)(-0.412)(2.220)(-1.795)(4.605)(2.419)tei-1.109**-1.370-1.107**-0.379-1.593***-0.661*0.443-0.367(-2.426)(-1.249)(-2.432)(-1.339)(-3.522)(-1.688)(1.077)(-0.907)emp-0.0130.066-0.0340.026*-0.0250.0510.0100.010(-0.551)(1.589)(-1.375)(1.699)(-0.639)(1.272)(0.500)(0.488)er0.030***0.032**0.019***0.009**0.036***0.033***0.066***0.031***(4.431)(2.563)(2.641)(2.005)(4.227)(2.976)(10.171)(5.081)mb-1.187***(-12.083)c1.932***2.036***1.650***2.210***0.280**2.161***1.814***1.642***2.064***(177.204)(10.996)(5.695)(11.760)(2.103)(7.350)(6.403)(8.739)(12.738)R20.9200.9260.9190.9300.9740.9540.9730.9760.944F值183.544169.839169.167168.922458.182280.184303.149164.229219.693
注:( )内数值表示t统计量,***、**和*和分别表示通过1%、5%与10%的显著性水平检验,下同
进一步,为揭示绿色技术创新发展政策冲击的差异,结合2015年政府工作报告中首次提出创新、协调、绿色、开放、共享五大理念的背景,以2014年为分界点,分别对2004-2014年与2015-2020年两组样本进行再估计,结果见模型7和模型8。不难发现,模型7中绿色技术创新系数明显小于模型8,表明绿色技术创新对地区产业升级的积极影响存在显著的时序差异,也说明来自国家层面的重视以及相关政策出台极大激发了绿色技术创新对产业升级的积极作用。同时,为考察经济增长目标约束对地区产业升级的影响,在上述分析的基础上进一步引入经济增长目标变量,具体见模型9。不难发现,加入经济增长目标后,包括绿色技术创新在内的所有变量估计系数方向均未发生变化,而经济增长目标系数显著为负,意味着考察期内经济增长目标对地区产业升级产生了显著的消极影响。那么,在绿色技术创新和经济增长目标分别对产业升级具有正向与负向的差异化影响下,经济增长目标会如何影响绿色技术创新的产业升级效应?何种经济增长压力才更有利于发挥绿色技术创新对产业升级的激励效应?本文试图系统探讨经济增长目标调节下绿色技术创新对产业升级存在的异质性动态冲击特征,为回答上述问题找寻现实证据。
进一步,采用Hansen面板门槛回归方法,揭示不同经济增长目标下绿色技术创新对产业升级的非线性影响规律。采用自举法重叠模拟似然比检验统计量500次,表3给出了门槛效应检验后得到的F值和具体估计结果。其中,模型1是以经济增长目标为门槛变量的基准模型估计结果,结果显示,单一、双重和三重门槛检验的F值分别在不同显著性水平下通过检验,说明绿色技术创新的产业升级效应存在显著的基于经济增长目标约束的三重门槛效应,即应基于三重面板门槛模型进行估计。同时,为了进一步确保上述检验和估计结果稳健,采取以下几种方式进行稳健性测试:一是采用核心解释变量gti滞后一期进行估计,结果见模型2;二是采用门槛变量mb滞后一期进行估计,结果见模型3;三是改变核心解释变量,将绿色专利申请数替换为绿色专利授权量,结果见模型4;四是进行异常值处理,具体为剔除平均经济增长目标与平均产业升级水平的极大值和极小值样本,重新估计,以消除非随机性和异常值可能对回归结果造成的不良影响,结果见模型5和模型6。检验结果显示,上述不同情境下均适合采用门槛模型,且单一、双重和三重门槛检验的F值分别在不同显著性水平下通过检验,初步说明本文研究结论可靠。
表3 经济增长目标调节下的面板模型估计结果
Tab.3 Panel model estimation results adjusted by economic growth goals
变量模型1模型2模型3模型4模型5模型6hc-0.0040.0030.008-0.006-0.003-0.008(-0.685)(0.508)(1.267)(-0.946)(-0.421)(-1.249)tra0.058***0.048***0.050***0.065***0.060***0.050***(4.403)(3.934)(3.988)(4.957)(4.451)(3.770)tei-0.197-0.158-0.266-0.142-0.134-0.454(-0.623)(-0.570)(-0.843)(-0.467)(-0.421)(-1.284)emp0.052*0.049*0.044*0.057**0.061**0.055**(1.951)(1.889)(1.664)(2.116)(2.122)(2.016)er0.021***0.011*0.020***0.022***0.020***0.027***(3.321)(1.933)(3.285)(3.607)(3.082)(4.028)gti1mb≤0.070mb≤0.070mb≤0.080mb≤0.070mb≤0.070mb≤0.0700.040***0.035***0.036***0.041***0.040***0.040***(9.759)(9.411)(10.556)(9.605)(9.117)(9.363)gti20.070
注:( )内为修正异方差后的t统计量值。gti1至gti4分别为不同经济增长目标约束下绿色技术创新变量的估计系数,F1、F2、F3分别为单一、双重和三重门槛检验的F值,下同
由表3中各门槛模型估计结果可知,绿色技术创新对地区产业升级的影响会因经济增长目标强度变化而表现出动态演化特征,虽然各经济增长预期调节区间的绿色技术创新估计系数存在一定差异,但总体看来经济增长目标会弱化绿色技术创新的产业升级效应,这一现象值得关注。为了便于分析,本文主要基于基准模型1的结果展开分析。总体来看,在经济增长目标调节下,绿色技术创新对地区产业升级的影响呈现出显著的正向且边际效率递减的非线性规律。具体而言,基于经济增长目标的3个门槛值可依次划分出4个不同门槛区间,在不同经济增长目标区间绿色技术创新的产业升级效应存在差异,具体表现为:①当经济增长目标低于第一门槛值0.070时,绿色技术创新估计系数为0.040且显著为正,说明第一门槛区间的经济增长目标有利于激发绿色技术创新的产业升级效应,并且此门槛区间的绿色技术创新估计系数最大,说明该区间为经济增长目标约束最优区间;②当经济增长目标值介于0.070～0.080之间时,绿色技术创新系数减小至0.037且显著,说明该门槛区间内绿色技术创新对地区产业升级的积极影响开始减弱;③当经济增长目标值提升至0.080～0.095之间时,绿色技术创新的产业升级效应仍显著存在,但这种积极效应进一步减弱;④当经济增长目标值超过0.095时,绿色技术创新估计系数虽依然为正,但驱动效应已降至最低。不难发现,较高的经济增长目标会造成绿色技术创新赋能产业升级红利损失,只有较低的经济增长预期才更有利于实现绿色技术创新与产业升级协同,这在一定程度上验证了假设H2。
进一步计算发现,考察期内我国经济增长目标值的平均水平为0.092,整体位于第三门槛区间,且与第四门槛区间下限值的差距较小,说明短期内中央和地方应持续下调经济增长目标,进一步激发绿色技术创新的产业升级效应。从各省域实际情况看:①仅北京、山西、上海和广东四省市的经济增长目标值跨入第二门槛区间,表明上述省市的经济增长压力对绿色技术创新赋能产业升级的积极影响相对显著,但并未实现经济增长目标约束的最优调节效应;②河北、辽宁等13省域的经济增长目标值处于第三门槛区间,且这些省域分布以东、中部地区为主,表明上述省域经济增长目标的调节效应有限;③内蒙古、贵州等13省域的经济增长目标值位于第四门槛区间,这些省域主要位于西部地区,表明上述省域过高的经济增长压力会明显损害绿色技术创新的产业升级红利。因此,未来较长一段时间内政府应适度下调经济增长预期,通过降低经济增长压力激发绿色技术创新对地区产业升级的积极影响。这也意味着,现阶段经济增长目标由高速增长转向中高速增长是非常必要的。进一步地,对比模型2至模型6的稳健性估计结果发现,随着经济增长预期水平提高,绿色技术创新对地区产业升级的积极影响持续减弱,即边际效率递减的非线性特征稳健存在,亦在一定程度上佐证了本文新发现,再次验证了假设H2。
上文主要从总体层面考察经济增长目标约束下绿色技术创新的产业升级效应,但是不足以准确反映经济增长目标约束对不同地理空间的差异化调节作用。为深入解释经济增长目标的异质性调节作用,得到更具针对性的研究结论和政策制定依据,分别从东部、中部和西部三大地区,以及以京津冀、长三角和珠三角所在省域为代表的高产业升级区和其它省域的中低产业升级区两个层面出发,考察经济增长目标调节下的非线性空间差异特征。采用上文的检验方法发现,以经济增长目标为门槛变量,不同分区情形下均依次通过了单一、双重和三重门槛效应检验,相应检验和估计结果见表4。由此可知,一方面,相较于中、西部地区,东部地区绿色技术创新的溢出效应对应更为宽松的经济增长目标门槛。相较于高产业升级区,中低产业升级区绿色技术创新的产业升级效应则对应更为严格的经济增长目标约束。换而言之,东部地区和高产业升级区的经济增长预期管理调整空间较小。另一方面,在不同地区绿色技术创新赋能产业升级过程中,经济增长目标发挥举足轻重的动态化、差异化约束作用。具体结果见表4。
基于传统地理分组的估计结果发现:第一,在经济增长目标约束下,东部地区绿色技术创新对产业升级的影响呈现出正向且边际效率递减的非线性演化特征,但经济增长目标的正向调节效应是有条件的。随着经济增长预期提高,绿色技术创新的产业升级红利明显减少,且当经济增长目标超过0.100时,绿色技术创新的赋能影响降至最低,只有当经济增长目标小于0.070时,才能最大限度地发挥绿色技术创新的产业升级效应。也就是说,较低的经济增长目标约束更有利于释放地区绿色技术创新的产业升级红利,这与全国层面情景一致。同时,相对而言,东部地区的经济增长目标压力较小。第二,在经济增长目标的调节下,绿色技术创新对中部地区产业升级的影响呈现正向的倒“U”型动态演化特征,当经济增长目标超过0.090时,绿色技术创新对产业升级的积极影响降至最小,说明经济增长目标的弱化效应是普遍存在的。第三,在经济增长目标约束下,西部地区绿色技术创新对产业升级的影响呈现正向边际效率递减的非线性冲击特征,当经济增长目标超过0.140时,绿色技术创新对该地区产业升级的促进效应不再显著,且该积极影响在经济增长目标约束小于0.070时表现最突出。因此,基于传统地理分组的检验结果在一定程度上印证了假设H3。
基于高产业升级和中低产业升级的分组检验结果发现:第一,在高产业升级区,经济增长目标的3个门槛值分别是0.070、0.080和0.120,当经济增长目标低于0.070时,绿色技术创新对该地区产业升级的积极影响最明显,当经济增长目标依次超越0.070、0.080和0.120时,绿色技术创新的产业升级效应持续减弱,这与东部地区的估计结果一致;第二,在中低产业升级区,经济增长目标的3个门槛值分别是0.075、0.085和0.095,当经济增长目标依次跨越上述门槛值时,绿色技术创新的影响系数均显著为正,但其估计系数会随着经济增长目标约束强度提高而持续减弱,表明经济增长目标对该地区绿色技术创新的产业升级效应同样具有正向且边际效率递减的动态演化特征,且严格的经济增长目标约束会损失该地区绿色技术创新的产业升级红利。相较于高产业升级区,在绿色技术创新驱动产业升级的过程中,中低产业升级区实施了更为严厉的经济增长目标管理策略,且过高的经济增长目标会明显弱化该地区绿色技术创新的产业升级效应。因此,基于产业升级分组的检验结果亦佐证了假设H3。
表4 地区层面的面板门槛模型估计结果
Tab.4 Estimation results of panel threshold model at regional level
变量东部地区中部地区西部地区高产业升级地区中低产业升级地区hc0.002-0.015-0.0060.006-0.009(0.246)(-1.425)(-0.632)(0.648)(-1.308)tra0.042**0.327***-0.0050.0010.041**(2.178)(3.336)(-0.239)(0.030)(2.020)tei-0.647*3.512*-0.775-1.255***-0.138(-1.722)(1.708)(-1.348)(-3.441)(-0.300)emp0.078***-0.0130.092**0.0070.082***(2.664)(-0.254)(2.586)(0.266)(2.625)er-0.021**0.075***0.035***-0.023**0.040***(-2.282)(4.353)(2.948)(-2.262)(5.090)gti1mb≤0.070mb≤0.055mb≤0.070mb≤0.070mb≤0.0750.056***0.020***0.034***0.056***0.035***(11.361)(2.774)(5.837)(12.504)(7.660)gti20.070
上述检验均发现,只有在较为宽松的经济增长目标调节下,才能最大限度地释放绿色技术创新的赋能红利。之所以会出现这种现象,原因可能在于:在较严格的经济增长约束下,地方政府为了追求短期经济增长会忽视绿色发展水平提升,这在财力捉襟见肘的落后地区更明显,企业也普遍选择承担环境污染成本而放弃绿色技术创新,从而导致经济增长目标弱化绿色技术创新的赋能效果。而较宽松的经济增长目标意味着地方承受的经济增长压力较小[29],此时政府和企业均能较好地兼顾发展的长短期目标,有能力、有动机摒弃短视行为,持续为包括绿色技术创新等在内的重要长期发展项目提供资本和政策支持,从而有利于产业升级。
本文将经济增长目标、绿色技术创新与地区产业升级纳入分析框架,客观揭示了不同经济增长目标约束下绿色技术创新赋能产业升级的异质性动态作用机制。得到以下主要结论:①绿色技术创新显著驱动地方产业升级,该结论经过一系列稳健性、内生性检验后依然成立,且随着国家层面对绿色技术创新的重视,这一积极影响日益凸显;②绿色技术创新的产业升级效应显著存在基于经济增长目标约束的三重门槛效应,在经济增长目标约束下,绿色技术创新对产业升级的影响呈现显著的正向且边际效率递减的非线性变化规律,即过高的经济增长目标会造成绿色技术创新赋能产业升级红利损失,而较为宽松的经济增长策略更有利于发挥绿色技术创新的产业升级溢出效应;③经济增长目标对绿色技术创新赋能产业升级的动态调节效应存在显著差异,东部地区要实现最优调节效应,需采用低于中、西部地区的经济增长目标约束强度,相比于中低产业升级区,高产业升级区需选择更宽松的经济增长目标管理策略。
本文研究获得的政策启示如下:第一,加快推动绿色技术创新与地区产业升级融合。政府应着手构建有利于绿色技术创新发展的财政、金融支持体系,持续引导和加大全社会绿色技术创新投入,既要重点支持战略性新兴产业、节能环保产业等绿色技术开发与应用,又要不断倒逼传统高能耗、高污染产业进行绿色转型和技术升级,从而不断释放绿色技术创新的产业升级红利。第二,现阶段要逐步适度放松经济增长目标约束,避免过度严厉的经济增长目标造成绿色技术创新赋能产业升级红利的损失,积极将绿色技术创新纳入地方政府考核体系,注重实施灵活科学、多元化、循序渐进的经济增长预期管理策略,不断改善或摒弃传统的“为增长而增长”的粗放发展模式,积极推动经济增长绿色化、绿色增长目标化,进而为实现绿色技术创新与地区产业升级协调发展制定切实有效的经济增长目标。第三,不同区域应根据自身绿色技术创新与产业升级实际,因地制宜、因时制宜地选择最佳经济增长目标。东部地区和高产业升级区经济增长目标的调整空间较小,现阶段应实施更为宽松的经济增长目标,以谋取和培育长久的经济增长动力。中西部地区和中低产业升级区经济增长的预期管理空间较大,可相对灵活、循序渐进地下调经济增长目标预期。
[1] 王娟, 张鹏. 产品内国际分工下中国工业部门收入分配格局对产业升级影响研究[J]. 数量经济技术经济研究, 2018, 35(2): 99-115.
[2] 杨继东, 杨其静. 制度环境、投资结构与产业升级[J].世界经济, 2020, 43(11): 52-77.
[3] 陈伟宏, 王娟, 张鹏, 等. 全球价值链下技术溢出对产业升级路径研究——基于服务化投入异质性视角[J].科研管理, 2021, 42(9): 79-86.
[4] 王勇, 樊仲琛, 李欣泽. 禀赋结构、研发创新和产业升级[J].中国工业经济, 2022,39(9): 5-23.
[5] 李海奇, 张晶. 金融科技对我国产业结构优化与产业升级的影响[J].统计研究, 2022, 39(10): 102-118.
[6] 刘在洲, 汪发元. 绿色科技创新、财政投入对产业结构升级的影响 ——基于长江经济带2003-2019年数据的实证分析[J].科技进步与对策, 2021, 38(4): 53-61.
[7] 谢长青, 叶林伟, 孙丹, 等. 对外直接投资、逆向绿色技术创新与产业升级——有调节的中介效应[J].科技管理研究, 2022, 42(13): 97-104.
[8] 徐盈之, 张瑞婕, 孙文远. 绿色技术创新、要素市场扭曲与产业结构升级[J].研究与发展管理, 2021, 33(6): 75-86.
[9] 张莉. 环境规制、绿色技术创新与制造业转型升级路径[J].税务与经济, 2020,42(1): 51-55.
[10] SHEN F, LIU B, LUO F, et al. The effect of economic growth target constraints on green technology innovation[J].Journal of environmental management, 2021, 292: 112765.
[11] SUN P F, DI J, YUAN C H, et al. Economic growth targets and green green technology innovation:mechanism and evidence from China[J].Environmental science and pollution research international, 2023, 30(2): 4062-4078.
[12] 毛奕欢, 林雁, 谭洪涛. 经济增长目标、官员压力与企业绿色创新[J].中南财经政法大学学报, 2022,65(3): 113-125.
[13] 张德涛, 张景静. 地方政府的行为选择与企业绿色技术创新[J].中国人口·资源与环境, 2022, 32(3): 86-94.
[14] 王桂梅, 赵喜仓, 罗雨森. 政府干预对中国经济高质量发展的影响研究——基于面板数据的空间计量模型[J].统计与信息论坛, 2020, 35(5): 44-52.
[15] 韩朝亮, 符建华. 中国服务业增长与鲍莫尔-富克斯假说的再检验——基于省际面板数据的实证研究[J].哈尔滨商业大学学报(社会科学版), 2019,40(2): 76-88.
[16] 安梦天, 何爱平. 欲速则不达:地方政府经济预期目标与绿色发展效率[J].中国人口·资源与环境, 2022, 32(10): 50-64.
[17] 王旦, 王业斌. 地方经济增长目标与产业结构升级 ——基于2004-2016年中国260个地级市的经验证据[J].商业研究, 2021,64(4): 48-58.
[18] 李旭. 绿色创新相关研究的梳理与展望[J].研究与发展管理, 2015, 27(2):1-11.
[19] WANG M Y, LI Y M, CHENG Z X, et al. Evolution and equilibrium of a green technological innovation system:simulation of a tripartite game model[J].Journal of Cleaner Production, 2021, 278: 123944.
[20] GHISETTI C, MANCINELLI S, MAZZANTI M, et al. Financial barriers and environmental innovations:evidence from EU manufacturing firms[J].Climate Policy, 2017, 17(1): 131-147.
[21] 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, 2020,37(12): 178-196.
[22] 王展祥, 龚广祥, 麦愈强. 经济增长目标约束与技术创新——基于资源错配的视角[J].当代财经, 2021,37(9): 3-15.
[23] 周黎安, 刘冲, 厉行, 等. “层层加码”与官员激励[J].世界经济文汇, 2015,59(1): 1-15.
[24] 袁航, 朱承亮. 国家高新区推动了中国产业结构转型升级吗[J].中国工业经济, 2018,35(8): 60-77.
[25] 韩先锋, 李勃昕, 刘娟. 中国OFDI逆向绿色创新的异质动态效应研究[J].科研管理, 2020, 41(12): 32-42.
[26] 李茫茫, 王红建, 严楷. 经济增长目标压力与企业研发创新的挤出效应——基于多重考核目标的实证研究[J].南开管理评论, 2021, 24(1): 17-26,31-32.
[27] 李勃昕, 董雨, 韩先锋. 技术封锁是否会抑制中国创新发展——基于国外技术引进和国内技术购买的对冲效应解释[J].统计研究, 2021, 38(10): 23-37.
[28] 康鹏辉, 茹少峰. 环境规制的绿色创新双边效应[J].中国人口·资源与环境, 2020, 30(10): 93-104.
[29] 徐现祥, 李书娟, 王贤彬. 中国经济增长目标的选择: 以高质量发展终结“崩溃论”[J].世界经济, 2018,41(10): 5-27.