开放科学(资源服务)标识码(OSID)：
This study uses a synthetic control method to circumvent the sample selection bias and policy endogeneity that may exist in previous policy assessment methods. The most applied method in the research on the assessment of the effects of ecological civilization construction policies is the difference-in-differences method. However, the division of treatment and control groups is subject to regional heterogeneity, and it may easily lead to sample selection bias in policy assessment. The green patent data of 30 provinces from 2010 to 2020 is studied based on the policy of ecological civilization construction to verify the “Porter hypothesis” validity. The study aims to provide a theoretical reference for the provincial governments to choose their environmental policies prudently.
The results show that the ecological civilization construction policy can promote green technology innovation in Fujian, Jiangxi, and Guizhou, among which Jiangxi and Guizhou have responded quickly and shown the policy effect since the implementation of the ecological civilization pilot demonstration zone in 2013, while Fujian was relatively slow and the policy effect was presented only after the implementation of the ecological civilization pilot zone in 2014. Overall, the policy effects in Fujian and Jiangxi are relatively good, while the policy effects in Guizhou are relatively weak. The three provinces do not have the same driving force to promote green technology innovation in accordance to the same ecological civilization construction policy. Fujian is mainly dependent on the science and technology funding, Jiangxi is mainly driven by the effect of basic research and environmental infrastructure, and the effect of science and technology talents is significant in Guizhou. The different driving forces also bring differences in the green technology innovation effects of the three provinces in terms of innovation patent categories. For Guizhou, driven by the science and technology talent effect, the ecological civilization construction policy has significantly pushed up the number of green invention patents instead of the number of green utility model patents, mainly by increasing the number of science and technology talents. Since 2013, the policy has had varying degrees of success in different regions. Fujian has been driven by science and technology funding, while Jiangxi has focused on basic research and environmental infrastructure. However, in Guizhou, the quality and incremental effects of green technology innovation are relatively weak. The quality and quantity effects of green technology innovation are both significant, but the quality effect lags by one year compared with Guizhou.
In summary, the quality improvement effect of green technology innovation can be rapidly brought about by the effect of scientific and technological talents. However, the injection of scientific and technological talents alone cannot bring about the multiplier spillover effect, thus sacrificing the incremental effect. Although the effect of environmental infrastructure will lag behind the quality improvement effect, green technology innovation can be driven by the two wheels of incrementaleffect and quality improvement in the long run. Meanwhile,the ecological civilization policy can promote green technology innovation in Fujian and Jiangxi. In contrast, the policy effect in Guizhou is weaker because Guizhou's science and technology talent-driven strategy has only a qualitative effect but not a quantitative effect compared to those of Fujian's science and technology funding and Jiangxi's basic research and environmental infrastructure-driven strategy. Thus, the central government should continue the ecological civilization construction, fully exploit the stimulating effect of environmental policies on green technological innovation and promote green development accordingly. The provincial governments should fully consider the characteristics of their resource endowment, comprehensively consider the advantages and disadvantages of each driving model, and keep the driving force suitable for the development according to the local conditions.
开放科学(资源服务)标识码(OSID)：
空气污染、生态退化以及资源枯竭已成为全球面临的难题[1],而绿色技术创新可以减轻对生态环境的不利影响[2]。伴随生活水平提高,人们越来越关心自身所处的环境状况。由于绿色技术能够平衡经济发展与环境保护问题,因此得到人们的持续关注[3]。中共二十大报告强调“推动绿色发展,促进人与自然和谐共生”。而推动绿色发展的关键是提升绿色技术创新水平,通过研发绿色技术、应用绿色工艺以及生产绿色产品,实现环境质量改善和经济稳中求进的双重目标,进而促进经济高质量发展。
为了改善生态环境,中共十八大将生态文明建设与经济、政治、文化和社会发展并列。2013年,国家发改委、财政部等六部委联合下发《关于印发国家生态文明示范区建设方案(试行)的通知》(发改环资〔2013〕2420号)(以下简称《方案》),开始在全国范围内着手建设生态文明先行示范区。为了实现生态文明建设目标,政府通过向绿色技术创新企业提供融资渠道、税收减免和资金补助等政策支持,激发企业绿色创新主动性与积极性,进而实现绿色发展[4]。因此,从该角度而言,生态文明建设会促使企业加快绿色技术研发[5]。但是由于绿色技术创新存在技术水平要求高、创新难度大[6]、难以形成市场化成果[7]以及投资风险高等问题[8],导致当前的绿色技术创新主要由环境政策驱动,缺乏内生动力[9]。从产业发展角度而言,绿色技术创新有助于促进产业跨越式发展[10],催生产业新需求[11-12],实现传统产业改造升级以及新产业形成,带来新发展机遇[12]。绿色技术创新不仅可以帮助企业进行绿色生产,降低成本并获得竞争优势,还能通过绿色创新成果转让获得收益,从而产生技术溢出效应[13];从政府角度来说,绿色技术创新有助于地区实现长效生态保护机制,为生态政绩添色(朱于珂等,2022);从社会发展角度而言,绿色技术创新不仅有助于居民享受绿色产品,还能提高其居住的绿色环境体验感[14]。此外,绿色技术创新有助于促进资源密集型产业转变为技术密集型产业[15],提高绿色技术在资源开发与产品生产过程中的参与度,提升资源使用效率[16],进而最大程度地降低对生态环境的破坏,实现生态环境保护与资源高效利用的协同[17]。由于绿色技术创新不仅会带来环境效应,还会产生经济收益,因此不可避免地会面临“重环境还是重经济”的两难问题[18]。
生态文明建设政策秉持“尊重自然、顺应自然、保护自然”的理念,能否产生长久的绿色技术创新效应是评估生态文明建设成功与否的关键。因此,探究生态文明建设对绿色技术创新的影响是一个具有重要理论价值的问题。既有研究将绿色技术创新的影响因素归纳为科技金融[19]、气候变化[20]、绿色信贷[21]、低碳城市试点[22]等,较少关注生态文明建设政策。仅有的生态文明建设政策评估研究多落脚于碳排放强度[23]和生态全要素生产率[24],对绿色技术创新聚焦不够。此外,相关研究多采用双重差分法研究某项政策整体对经济和环境的影响,针对不同地区的细致分析还存在不足。同时,既有研究没有妥善处理样本选择偏误问题,有可能存在估计偏差。
基于上述分析,本文的创新点在于:①在研究方法上,应用合成控制法,通过将多个控制单元加权合成控制对照组的方式克服样本选择偏误和政策内生性问题;②在研究对象上,不同于以往研究中对所有生态文明试点地区的政策效果进行平均化处理的方式,而是分别对福建、江西和贵州三省的政策效果进行评估,以精准反映不同试点地区政策效果的差异;③在研究视角上,通过分析生态文明建设环境规制对绿色技术创新的影响效果,从一定程度上验证“波特假说”的有效性;④在研究内容上,不仅探究生态文明建设对福建、江西和贵州三省的影响差异,还从对绿色技术创新的影响效应是“增量”还是“提质”的角度分析成因。
在科学评估生态文明建设影响绿色技术创新的过程中,政策评估方法的选择至关重要。在生态文明建设政策评估研究中,应用最多的是双重差分法。例如梁琦等[25]应用双重差分法发现,生态文明先行示范区建设显著促进城市生态效率提升;还有学者采用双重差分法发现,水生态文明建设显著促进城市水生态环境质量改善(曾维和等,2021);Wang等[26]利用双重差分法发现,生态文明示范区建设能有效减少空气污染;Zhang等[27]通过双重差分法发现,生态文明示范区建设减少了环境污染并降低了发病率和死亡率。这些研究均从不同角度考察了生态文明建设的政策效果。然而,由于样本选择中会受到地区异质性的影响,容易导致在政策评估过程中出现样本选择偏误问题。因此,为克服这一问题,本文采用合成控制法考察生态文明建设是否促进绿色技术创新。
1.1.1 评估变量
针对绿色技术创新,本文采用绿色专利申请量表征。相较于绿色专利授权量,绿色专利申请量更能反映当年的绿色技术创新水平,原因在于专利审批是一个复杂过程,授权往往发生在申请后1～3年[13],并且专利授权每年需要接受年检,具有不稳定性[28]。此外,为探究生态文明建设政策带来的绿色技术创新效果究竟是“增量”还是“提质”,本文还将绿色发明专利数和绿色实用新型专利数纳入评估变量范畴,分别考察生态文明建设政策对二者的不同影响。
1.1.2 预测变量
参考前人研究,选取影响绿色技术创新的预测变量,具体包括:①财富水平,以地区生产总值/地区年末总人口数表征,人均地区生产总值反映了一个地区的财富水平,而财富水平越高越能促进绿色技术创新[13];②产业结构,以第二产业产值占比表征,是否选择绿色技术受地区产业结构的影响,生态型产业结构有助于促进绿色技术创新[29];③市场化程度,以非国有职工人数占比表征,市场化程度高的地区有利于企业良性竞争,从而促进企业绿色技术创新[10];④政府干预,以政府支出占地区生产总值的比重表征,当市场机制失灵时,政府干预对绿色技术创新的激励作用尤为重要[30-31];⑤人力资本,以资本存量/年末就业人口数表征,人力资本水平越高的地区越容易形成空间集聚,进而促进绿色技术创新水平提升[32];⑥环保水平,以地方财政环境保护支出衡量,地区环保水平越高,越有利于吸引科研院校的创新资源流向环境创新领域[33]。
本文以2010—2020年中国内地30个省域面板数据为样本,样本量为330个。其中,将纳入2013年生态文明先行示范区和2014年生态文明试验区的3个省份,即福建、江西和贵州,设定为处理组,其余27个省域设定为对照组。绿色专利数据来源于国家知识产权局的《中国绿色专利统计报告》和中国研究数据服务平台(CNRDS),外商投资数据来源于WIND数据库,资本存量数据运用永续盘存法以10.96%的折旧率算出,其余数据来源于《中国统计年鉴》《中国环境统计年鉴》以及各省市统计年鉴。价格变量均以2010年为基期进行平减,以确保在价格上具有可比性。对数值或标准差较大以及波动剧烈的数据作对数化处理。具体变量定义及描述性统计结果如表1所示。
福建、江西和贵州于2013年被纳入生态文明先行示范区,2014年设为生态文明试验区。三省的自然禀赋、经济增速以及地理位置均存在差异,因此三省在绿色发展规划上可能存在差异。本文舍弃以往研究将试点省份合成一个处理组,再通过合成控制法拟合一个对照组的做法,而采取对福建、江西和贵州分别拟合一个对照组的做法,分别分析每个省份的政策效应。
如图1(a)所示,实线代表生态文明政策对福建的实际影响,虚线代表“合成福建”所受到的影响。在生态文明试验区政策实施前,实际福建与合成福建之间的绿色技术创新水平是高度匹配的,而在生态文明试验区政策实施后,两者产生显著差异。实际福建的绿色技术创新增长速度领先于合成福建,且差距逐渐扩大,说明生态文明试验区政策的绿色技术创新效应显著,且政策效果趋好。而在设立生态文明先行示范区与生态文明试验区的时间区间内,实际福建与合成福建并未产生显著差异,说明生态文明先行示范区并未立即激发福建的绿色技术创新行为,而是在生态文明试验区政策实施后的随后一年,福建的绿色技术创新水平才得到显著提高。
表1 变量定义及描述性统计结果
Tab.1 Variable definitions and descriptive statistics
变量类别变量名称变量定义 单位均值标准差评估变量绿色技术创新ln绿色专利申请总数件8.1131.418绿色技术质量ln绿色发明专利数件7.3981.442绿色技术数量ln绿色实用新型专利数件7.4001.422预测变量财富水平ln人均GDP元/人10.710.460产业结构第二产业产值占比%40.948.096市场化程度ln非国有职工人数占比%2.2160.036政府干预政府支出占比%24.8510.30人力资本资本存量/年末就业人口数万元/人18.529.335环保水平ln地方财政环境保护支出亿元4.7970.667
如图1(b)所示,实线代表生态文明政策对江西的实际影响,虚线代表“合成江西”所受的影响。不同于福建,在生态文明先行示范区政策实施前,实际江西与合成江西之间的绿色技术创新水平是高度匹配的,而在生态文明先行示范区政策实施后,两者产生显著差异,实际江西的绿色技术创新增长速度领先于合成江西且差距逐渐增大,说明生态文明先行示范区政策的绿色技术创新效应显著且政策效果向好。在生态文明试验区政策实施后,实际江西与合成江西间的绿色技术创新水平差距越来越大,说明生态文明先行示范区政策对福建的绿色技术创新产生了显著积极影响,随后一年的生态文明试验区政策又强化了这种影响。
如图1(c)所示,实线代表生态文明政策对江西的实际影响,虚线代表“合成江西”所受的影响。类似于江西,在生态文明先行示范区政策实施前,实际贵州与合成贵州之间的绿色技术创新水平是高度匹配的,而在生态文明先行示范区政策实施后,两者产生显著差异。在设立生态文明先行示范区至生态文明试验区这段区间内,实际贵州的绿色技术创新提升速度领先于合成贵州,说明生态文明先行示范区政策的绿色技术创新效应显著。但不同于江西的是,在生态文明试验区政策实施后,实际贵州与合成贵州间的绿色技术创新水平差距逐渐缩小,说明虽然生态文明先行示范区政策对贵州的绿色技术创新产生显著影响,但随后推行的生态文明试验区政策并未强化这种积极影响,反而出现绿色技术创新效应逐渐减弱的迹象,具体表现为2015—2016年实际贵州与合成贵州的绿色技术创新水平近乎持平,而在2016年后政策效应又逐渐显现。
图1 合成控制法评估结果
Fig.1 Assessment results of the synthetic control method
排序检验(Permutation test)是一种类似于统计中秩检验的准秩检验方法,目的是计算控制组内其它省份出现与处理组省份(福建、江西和贵州)相同政策效应的概率。排序检验的判断依据是处理组省份与其它省份预测误差曲线的分布差异,曲线越接近最上方或者最下方,代表稳健性检验结果越好。此外,还需关注平均预测标准差的平方根(RMSPE,Root Mean Square Prediction Error,衡量某省份与其合成控制省份的拟合程度),其计算公式如下:
(1)
(2)
式中,
是对实际结果变量yit的合成控制值。RMSPEpost表示政策干预后的均方预测误差,RMSPEpre表示政策干预前的均方预测误差。
如果某省份2014 年前的平均预测标准差的平方根比较大,则意味着该省份2014年前的拟合效果不理想,导致利用该省份2014年后的差距作为对比样本的有效性不足。因此,当某省份的合成控制对象在政策实施前的拟合效果不佳时,就不再分析这个省份的排序检验情况,本文将对照组中平均预测标准差的平方根是对应处理组2倍以上的省份予以剔除。图2显示了去掉这些省份之后的预测误差分布结果,其中,实线反映福建(a)、江西(b)和贵州(c)实际效应与合成结果之间存在的差异,虚线则为空间安慰剂检验结果的差异。由图2可得,经过调整预测误差值后,生态文明建设政策效果的稳健性较好。因此,可以认为生态文明建设政策对福建、江西和贵州的绿色技术创新产生积极影响,且该结论具有稳健性。
图2 处理组省份的预测误差分布结果
Fig.2 Prediction error distribution of provinces in the treatment group
为进一步确保实证评估结果的稳健性,本文采用类似合成控制法原理的PSM-DID法重新评估政策效果。选择与上述合成控制法相同的协变量,将政策实施时间设置为2014年,通过PSM-DID法考察生态文明建设政策对福建、江西和贵州3个省份绿色技术创新效应的整体影响。本文采用形式灵活的Logit模型,将卡尺设置为0.01,采用卡尺匹配对各协变量进行匹配,将匹配后的样本进行双重差分(DID)估计,结果如表2所示。列(1)为控制年份和省份固定效应但未纳入控制变量的回归结果;列(2)为既控制年份和省份固定效应,又纳入控制变量的结果。可以看出,无论是否纳入控制变量,回归结果均显著为正,说明生态文明建设政策确实促进了试点地区绿色技术创新水平提升,再一次证实评估结果稳健。
正如前文所述,生态文明建设政策对绿色技术创新具有显著正向影响,那么这种正向影响是通过哪些机制发挥作用的?通常认为,技术创新需要创新要素的支持,主要包括资源、机会、环境和人才[34]。科技资金投入是支撑科技资源挖掘的一种直接手段,而基础研究则是技术创新的源头和基石,往往能够带来大量创新机会。因此,本文主要从科技资金投入、基础研究重视度、环境基础设施建设以及科技人才数量4个方面展开分析。就科技资金效应而言,科技资金投入为绿色技术创新提供资金支持,有利于绿色技术研发和应用,国家通过设立科技基金、开展科技奖励、建立技术转移平台等促进科技资金投入[35];就基础研究效应而言,基础研究是推动绿色技术创新的重要动力,是绿色技术创新的源头,国家在生态文明建设政策中更加重视基础研究,为绿色技术创新提供大力支持[36];就环境基建效应而言,环境基础设施是开展绿色技术创新的重要条件,绿色技术应用需要环境基础设施的场景支撑。在生态文明建设政策中,国家加强环境基础设施建设,为绿色技术应用提供了较好的环境条件,促进了绿色技术发展[37]。就科技人才效应而言,绿色技术创新和应用需要具备专业知识及技能的科技人才,科技人才是促进绿色技术创新的重要力量。因此,国家在生态文明建设政策中要求大力培养科技人才,为绿色技术创新和应用提供人力支持,从而促进绿色技术发展[38]。
表2 PSM-DID回归结果
Tab.2 PSM-DID regression results
(1)(2)did0.263**0.313***(0.117)(0.111)控制变量NoYes年份固定效应YesYes省份固定效应YesYesN8783R20.9530.990
在应用合成控制法进行实证评估时,科技资金投入采用R&D经费内部支出衡量;基础研究重视度采用基础研究当年拨入金额衡量;环境基础设施建设采用城镇环境基础设施建设投资衡量;科技人才数量采用R&D人员数衡量。从图3可知,生态文明建设政策通过激励福建、江西和贵州投入更多科技资金,进而助力提升地区绿色技术创新水平,但科技资金投入效应在各省域表现不同。如福建的响应速度较滞后,影响强度较小,但绝对影响值最大;江西和贵州的响应速度较快,影响强度较大,但两者的绝对影响值较小。从图4可知,生态文明建设政策出台促使江西和贵州更加重视基础研究,进而促进绿色技术创新,但基础研究重视度效应在两省域表现出一定差异。其中,江西的影响强度和绝对影响值均比贵州大,在响应程度上两省均反应快速,但是上述影响在福建表现不显著。从图5可知,生态文明建设政策促使江西更加重视环境基础设施建设,进而促进绿色技术创新,且环境基础设施建设效应对江西而言是促进绿色技术创新,对福建而言则是反作用,对贵州影响不显著。从图6可知,生态文明建设政策促使江西和贵州加大科技人才投入,进而助力绿色技术创新,但科技人才效应在两省域表现出一定差异。其中,贵州响应较快,影响强度也较大,但其绝对影响值小于江西,上述影响在福建表现不显著。
虽然生态文明建设政策对福建、江西和贵州均起到促进绿色技术创新的作用,但各省域的驱动因素不尽相同。对福建而言,科技资金效应是有效的驱动力,基础研究效应和科技人才效应作用有限,而环境基建效应甚至起拖累作用;对江西而言,4种效应均起作用,但基础研究效应和环境基建效应是最为突出的驱动力;对贵州而言,除环境基建效应不显著外,其余3种因素均发挥一定作用,且科技人才效应最突出。
另外,从反应速度、影响强度和绝对影响值3个角度分析每种机制的作用效应,不难发现:虽然生态文明建设政策可以通过4种机制促进绿色技术创新,但每种机制的适用条件和作用重点不同。就科技资金效应而言,资金要素是盘活科技资源的利器,又是科技人才、基础研究和环境基础设施发挥作用的催化剂,故其具有通用性和普遍性[39]。福建、江西和贵州分别地处我国东部、中部及西部,经济发展水平也大致呈现高、中、低3个等级,且福建属于沿海省份,江西和贵州属于内陆省份。相对来说,福建的资源禀赋水平和市场自由度较高,故政策带来的绝对影响值较大,但影响强度较小、响应速度滞后,这是因为福建的存量资源较丰富,且处在发展的成熟阶段,地方政府更加强调“稳中求进”。相比之下,江西和贵州处于快速发展阶段,二者的环境基础设施、科技人才和基础研究配套水平还有待提升,由于资金的注入可以直接促进资源优化配置,带来效率提升,因此其政策效应显著。就基础研究效应而言,受益于近年来的产业转移政策,中部地区已经能够顺利承接东部地区的产业转移,进而转化为自身的发展动力。而西部地区由于地理距离等客观原因,其在承接东、中部地区产业转移时,可能会出现承接成本高于所获收益的情况(熊凯军等,2022)。因此,生态文明建设政策实施带来的基础研究效应在江西显著高于贵州。就环境基建效应而言,对于福建等沿海发达省份,其产业结构更趋合理化与高级化。由于人口迁移原因,福建省的人口密度极高。因此,福建省应结合产业结构,思考如何进一步促进生态文明建设;对于江西而言,由于其邻接浙江、福建和广东等发达省份,旅游业本身就是地区发展的战略性抓手,故生态文明建设政策实施带来的环境基建效应在江西表现显著,而在福建产生负向效应。就科技人才效应而言,虽然从绝对影响值而言,贵州的科技人才数量只有江西的1/3,但生态文明建设政策实施所产生的科技人才效应无论是在响应速度还是影响强度上都显著高于江西,一方面说明贵州在科技人才引进方面下足了功夫,另一方面是由于贵州地处西南腹部,生态资源丰富,空气质量良好,有助于吸引一批科技人才落户贵州,给贵州的绿色技术创新带来强大的人才支撑。
图3 生态文明建设对科技资金投入的影响
Fig.3 Impact of ecological civilization construction on the investment in science and technology funds
图4 生态文明建设对基础研究重视度的影响
Fig.4 Impact of ecological civilization construction on the attention on basic research
图5 生态文明建设对环境基础设施建设的影响
Fig.5 Impact of ecological civilization construction on the environmental infrastructure construction
图6 生态文明建设对科技人才数量的影响
Fig.6 Impact of ecological civilization construction on the scientific and technological talents pool
从影响机制分析结果可知,生态文明建设政策实施带来贵州地区科技人才数量增长,进而促进绿色技术创新。科技人才是实施科技创新的重要载体,那么导致贵州政策效果较弱的原因是什么?其中的矛盾又在何处?鉴于绿色专利可以进一步划分为绿色发明专利和绿色实用新型专利,而发明专利的审核条件比实用新型专利更严格,故通常认为发明专利的创新性高于实用新型专利。基于此,本文从生态文明建设政策对绿色技术创新的影响效应究竟是“增量”还是“提质”的角度,考察该政策对不同试点省份的异质性影响,以期回答上述问题。
就贵州而言,生态文明建设政策带来的“提质”效应非常显著,而“增量”效应不显著,这可能是导致贵州政策效果整体偏弱的原因。生态文明建设政策虽然能够引发绿色实用新型专利数增长,但由于绿色发明专利难度大、周期长等特点,其增长并不显著。因此,“增量”效应的不显著可能会对绿色技术创新的总效应产生遮掩效应。
就江西而言,生态文明建设政策带来的“提质”和“增量”效应均显著,但在时间上具有滞后性。“增量”效应从2013年实施生态文明先行示范区建设就开始显现,而“提质”效应从2014年设立生态文明试验区后才开始显现,相比“增量”效应滞后一年。此后,“提质”效应更加显著。原因在于:一方面,可能是2013年生态文明先行示范区建设政策颁布后,首先引致江西的“增量”效应,随后地方政府意识到“提质”效应的必要性,利用2014年江西被纳为生态文明试验区的契机,积极推进绿色发明创新;另一方面,由于绿色发明专利的创新性强、研发强度大等原因,其滞后一年本身是一个自然过程。综上,生态文明建设政策对江西的绿色技术创新既产生“提质”效应,又产生“增量”效应。
图7 生态文明建设对贵州绿色发明专利与绿色实用新型专利的影响
Fig.7 Influence of ecological civilization construction on the green invention patents and green utility model patents in Guizhou
图8 生态文明建设对江西绿色发明专利与绿色实用新型专利的影响
Fig.8 Influence of ecological civilization construction on the green invention patents and green utility model patents in Jiangxi
就福建而言,与江西省类似,由生态文明建设政策带来的“提质”和“增量”效应均显著,但在时间上具有滞后性。自2013年生态文明先行示范区政策实施以来,“增量”效应开始显现,而“提质”效应则在2014年设立生态文明试验区后才开始显现,滞后了一年。尽管如此,“提质”效应在随后的年份中表现强劲。因此,福建的绿色技术创新不仅实现了“增量”效应,还显现了“提质”效应。
图9 生态文明建设对福建绿色发明专利与绿色实用新型专利的影响
Fig.9 Influence of ecological civilization construction on the green invention patents and green utility model patents in Fujian
绿色技术创新是当前我国实现绿色可持续发展的重要手段之一,生态文明建设在试点地区的成功对我国开展大规模绿色技术创新,进而推动经济高质量发展具有重大借鉴意义。针对生态文明建设政策在绿色技术创新层面的政策效果,本文使用合成控制法,通过拟合合适的反事实合成组,细致评估每个试点地区实施生态文明建设政策与未实施该政策的绿色技术创新净差值,以规避以往政策评估方法中存在的样本选择偏误与政策内生性问题。研究发现:生态文明建设政策能够促进福建、江西和贵州的绿色技术创新,其中,江西和贵州对政策响应较快,从2013年实施生态文明先行示范区后就显现出政策效应,而福建的政策响应速度较慢,从2014年设立生态文明试验区后才开始显现政策效应。总体而言,福建和江西的政策效应较显著,而贵州的政策效应较弱。
面对政策效应的差异性,本文进一步探究生态文明建设政策对绿色技术创新及产出的差异化影响。研究发现:面对生态文明建设政策,三省促进绿色技术创新的驱动力不同。福建主要依靠科技资金效应驱动,江西主要依靠基础研究效应和环境基建效应驱动,贵州则主要依靠科技人才效应驱动。驱动力不同也导致三省绿色技术创新产出的差异:对于依靠科技人才效应驱动的贵州,其生态文明建设政策主要通过加大科技人才投入显著促进绿色发明专利数量提升而并未显著促进绿色实用新型专利数量提升,表现为自2013年始生态文明建设政策发挥了对绿色技术创新的“提质”效应,而对“增量”效应的负影响导致贵州绿色技术创新的总效应偏弱;对于依靠科技资金效应驱动的福建和依靠基础研究效应与环境基建效应驱动的江西而言,绿色技术创新的“提质”效应和“增量”效应均显著,但相比贵州而言,两个地区的“提质”效应滞后一年。综上,依靠科技人才驱动能够迅速带来绿色技术创新的“提质”效应,但单纯依靠科技人才投入无法带来乘数级的溢出效应,因此牺牲了“增量”效应。对于地方政府来说,不仅要注重科技人才引进和培养,也要重视科技资金、基础研究和环境基建等方面投入,以长效的“增量”和“提质”双轮驱动促进绿色技术创新。
基于以上研究发现,本文得到以下政策启示:首先,生态文明建设政策有助于促进绿色技术创新,中央应继续扩大生态文明建设范围,充分挖掘环境政策对绿色技术创新的激励作用,以绿色技术创新为重要抓手助推绿色发展;其次,鉴于福建、江西和贵州三省的驱动机制不同,新纳入生态文明建设的试点地区要充分考虑自身资源禀赋,因地制宜地制定适合本省域实际情况的发展战略;最后,考虑到福建、江西和贵州三省在不同驱动模式下对绿色技术创新的促进作用存在异质性,各省应该综合考虑各种驱动模式的优劣,结合本地特殊性,灵活组合和调整驱动机制。
[1] 胡艺, 张晓卫, 李静. 出口贸易、地理特征与空气污染[J]. 中国工业经济, 2019,36(9): 98-116.
[2] CHEN Y, YAO Z, ZHONG K. Do environmental regulations of carbon emissions and air pollution foster green technology innovation:evidence from China's prefecture-level cities[J]. Journal of Cleaner Production, 2022,350.
[3] 韩瑞玲, 佟连军, 佟伟铭, 等. 经济与环境发展关系研究进展与述评[J]. 中国人口·资源与环境, 2012,22(2): 119-124.
[4] 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.
[5] 张海峰, 林细细, 梁若冰, 等. 城市生态文明建设与新一代劳动力流动——劳动力资源竞争的新视角[J]. 中国工业经济, 2019,36(4): 81-97.
[6] 王旭, 杨有德. 企业绿色技术创新的动态演进:资源捕获还是价值创造[J]. 财经科学, 2018,62(12): 53-66.
[7] 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.
[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] 李维安, 张耀伟, 郑敏娜, 等. 中国上市公司绿色治理及其评价研究[J]. 管理世界, 2019,35(5): 126-133.
[10] 金环, 于立宏, 徐远彬. 绿色产业政策与制造业绿色技术创新[J]. 中国人口·资源与环境, 2022,32(6): 136-146.
[11] 陈喆, 郑江淮. 绿色技术创新能够促进地区经济高质量发展吗——兼论环境政策的选择效应[J]. 当代经济科学, 2022,44(4): 1-21.
[12] 渠慎宁. 未来产业发展的支持性政策及其取向选择[J]. 改革, 2022,39(3): 77-86.
[13] 董直庆, 王辉. 城市财富与绿色技术选择[J]. 经济研究, 2021,56(4): 143-159.
[14] 欧阳晓灵, 张骏豪, 杜刚. 环境规制与城市绿色技术创新:影响机制与空间效应[J]. 中国管理科学, 2022,39(12):141-151.
[15] 邓玉萍, 王伦, 周文杰. 环境规制促进了绿色创新能力吗——来自中国的经验证据[J]. 统计研究, 2021,38(7): 76-86.
[16] 李格, 高达. 技术创新、环境规制与城市绿色全要素能源效率——基于动态面板门槛模型的实证分析[J]. 城市问题, 2021,40(5): 94-103.
[17] 王艳, 于立宏. 采矿权安全性、政府规制与企业绿色技术创新[J]. 中国人口·资源与环境, 2021,31(4): 96-107.
[18] 田红娜, 李金波. 基于行业异质性的制造业绿色技术创新能力演化研究——兼论企业研发资金投入的影响[J]. 科技进步与对策, 2020,37(17): 63-72.
[19] 周伯乐, 王小腾. 科技金融对绿色技术创新影响的异质门槛效应[J]. 软科学, 2023,37(2): 59-64.
[20] 杨起城, 罗良文. 气候变化对绿色技术创新的影响——来自81个发展中国家的证据[J]. 中国软科学, 2023,38(1): 156-170.
[21] 陆菁, 鄢云, 王韬璇. 绿色信贷政策的微观效应研究——基于技术创新与资源再配置的视角[J]. 中国工业经济, 2021,38(1): 174-192.
[22] 熊广勤, 石大千, 李美娜. 低碳城市试点对企业绿色技术创新的影响[J]. 科研管理, 2020,41(12): 93-102.
[23] 汪克亮, 许如玉, 张福琴, 等. 生态文明先行示范区建设对碳排放强度的影响[J]. 中国人口·资源与环境, 2022,32(7): 57-70.
[24] 辛宝贵, 高菲菲. 生态文明试点有助于生态全要素生产率提升吗[J]. 中国人口·资源与环境, 2021,31(5): 152-162.
[25] 梁琦, 肖素萍, 刘玉博. 环境政策对城市生态效率的影响与机制研究——基于生态文明先行示范区的准自然实验[J]. 西安交通大学学报(社会科学版), 2022,42(3): 61-70.
[26] WANG H, GENG Y, ZHANG J, et al. Ecological civilization demonstration zone, air pollution reduction, and political promotion tournament in China: empirical evidence from a quasi-natural experiment[J]. International Journal of Environmental Research and Public Health, 2021,18(22).
[27] ZHANG Z, XU H, SHAN S, et al. The impact of ecological civilization construction on environment and public health——evidence from the implementation of ecological civilization demonstration area in China[J]. International Journal of Environmental Research and Public Health, 2022,19(9).
[28] 黎文靖, 郑曼妮. 实质性创新还是策略性创新——宏观产业政策对微观企业创新的影响[J]. 经济研究, 2016,51(4): 60-73.
[29] DU KERRUI,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.
[30] 王林辉, 王辉, 董直庆. 经济增长和环境质量相容性政策条件——环境技术进步方向视角下的政策偏向效应检验[J]. 管理世界, 2020,36(3): 39-60.
[31] BYE B, KLEMETSEN M E. The impacts of alternative policy instruments on environmental performance: a firm level study of temporary and persistent effects[J]. Environmental and Resource Economics, 2018,69(2).
[32] 胡绪华, 陈默, 罗雨森, 等. 制造业与生产性服务业耦合协调、空间共聚与绿色创新效应研究[J]. 统计与信息论坛, 2021,36(7): 97-112.
[33] 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, 2021,38(2): 136-154.
[34] 王欣, 杜宝贵. 全面创新改革试验政策对科技成果转化的影响效应[J]. 科技进步与对策, 2023,40(2):111-121.
[35] 章琰, 李萍, 姜全红. 资金供给、技术能力与技术转移绩效——国家重点研发计划多群组结构方程模型分析[J]. 科技进步与对策, 2023,40(2):11-19.
[36] 刘岩, 苏可蒙, 高艳慧. 企业基础研究对技术创新绩效的影响:来自中国生物制药企业的分析[J]. 科技进步与对策, 2022,39(12): 102-111.
[37] 刘展旭. 以转变城市发展方式推进新型城市建设研究[J]. 经济纵横, 2021,37(12): 67-73.
[38] 谢文栋. 科技金融政策能否提升科技人才集聚水平——基于多期DID的经验证据[J]. 科技进步与对策, 2022,39(20): 131-140.
[39] 何涌, 刘思敏. 金融科技、经营风险与企业成长——“预防性储蓄”还是“投资效应”[J]. 经济与管理研究, 2022,43(6): 48-67.