开放科学(资源服务)标识码(OSID)：
To systematically explore whether green fiscal policy can enhance the efficiency of urban green innovation, this study uses panel data from 285 prefecture-level and above cities in China from 2003 to 2023. It takes the pilot policy of “Comprehensive Demonstration Cities for Fiscal Policies on Energy Conservation and Emission Reduction” as a quasi-natural experiment, and systematically investigates the impact of green fiscal policy on urban green innovation efficiency with a multi-period difference-in-differences model. The conclusions are as follows: Firstly, the implementation of green fiscal policy can effectively drive the improvement of urban green innovation efficiency. Secondly, green fiscal policy can improve urban green innovation efficiency by promoting the agglomeration of innovative technologies and talents. Thirdly, fair market competition can positively moderate the direct effect of green fiscal policy on urban green innovation efficiency, and also play an active moderating role in the transmission path of “green fiscal policy→agglomeration of innovative technologies (or innovative talents)→green innovation efficiency”. Fourthly, the effect of green fiscal policy on improving urban green innovation efficiency shows significant heterogeneity. The positive impact is more pronounced in the following types of cities: non-old industrial base cities, cities with higher administrative levels, cities with higher levels of digitalization, cities with larger industrial scales, cities with greater fiscal autonomy, and cities with stronger environmental regulatory systems.
Drawing on the research findings, this paper presents policy recommendations from four dimensions: First, it suggests establishing a “tiered subsidy-targeted regulation” linkage mechanism to effectively leverage the positive effect of green fiscal policy on improving urban green innovation efficiency. Second, it is necessary to implement a “dual drive of innovative technologies and talents” strategy to fully activate the enabling effect of both technology and talent agglomeration. Third, a “competition guarantee-conduct regulation” collaborative mechanism should be built to give full play to the moderating effect of fair market competition on green fiscal policy's role in enhancing urban green innovation efficiency. Fourth, a “classified policy-dynamic adjustment” precise policy scheme should be explored to systematically address the policy effectiveness differences caused by urban heterogeneity.
Compared with existing research, this paper has mainly made further explorations in the following aspects:First, by using the "Comprehensive Demonstration Cities for Fiscal Policies on Energy Conservation and Emission Reduction" as a quasi-natural experiment, this study centers on analyzing the impact of green fiscal policies on urban green innovation efficiency, thereby providing theoretical support to validate the policies' practical effects in driving green innovation at the city level. Second, by taking the agglomeration of innovative technologies and talents as mediating variables, and fair market competition as a moderating variable, this paper deeply analyzes the transmission mechanism and boundary conditions by which green fiscal policy improves urban green innovation efficiency, with an aim to deepen the understanding of the innovation effects of the pilot policy and offer new perspectives for improving green innovation efficiency. Third, this paper takes into account the heterogeneity of city endowments, economic characteristics, and policy implementation capacities, and identifies how green fiscal policy affects the efficiency of green innovation across different types of cities. The findings aim to serve as a valuable reference for governments in formulating tailored and targeted green fiscal policies that are better suited to local conditions.
开放科学(资源服务)标识码(OSID)：
党的十九届五中全会提出“促进经济社会发展全面绿色转型”“加快推动绿色低碳发展”。党的二十大报告强调“加快发展方式绿色转型”。2024年中央经济工作会议提出“协同推进降碳减污扩绿增长”。国家对绿色发展的政策部署已从战略定位向系统布局层层递进、持续深化。绿色创新作为破解经济增长与减排矛盾的核心抓手,兼具应对地缘经济风险、推动传统工业迭代升级与践行“人与自然和谐共生”理念的多重价值[1]。在全球气候治理深化与中国“双碳”战略目标的双重驱动下,城市作为绿色低碳转型的核心载体,面临环境治理优化与发展质量提升的系统性挑战。在实践推进中,部分地区存在绿色专利数量激增与创新成果转化率较低、要素投入与减排成效失衡等结构性矛盾。在资源环境约束日益趋紧的形势下,单纯追求绿色创新的数量增长已难以适配高质量发展需求。因此,以低资源消耗与环境成本获取最大化绿色创新效益,进而推动绿色创新效率提升,既是决定城市绿色转型能级的关键变量,更是培育城市绿色生产力、塑造可持续发展新动能的重要支撑。
由传统行政规制主导的环境治理模式面临日益凸显的边际效益递减困境,绿色财政政策通过市场工具与政府调控的协同作用,已成为解决市场失灵、激活绿色创新动能的关键制度安排。我国持续深化绿色财政政策体系建设,2022年12月国家发展改革委、科技部联合印发《关于进一步完善市场导向的绿色技术创新体系实施方案(2023—2025年)》,明确提出“加大绿色技术财税金融支持”。2024年《政府工作报告》将“大力发展绿色低碳经济”列为重点任务,强调制定支持绿色低碳产业发展政策。从理论层面看,绿色财政政策依托系统性制度架构与多元化政策工具,能够有效引导技术、人才等创新要素向城市集聚,助力构建区域绿色创新策源地,为提升城市绿色创新效率筑牢要素基础。实践中,绿色财政政策对城市绿色创新效率的提升效应,可能受制于政策实施路径与城市发展模式的适配度、政策工具组合与城市经济结构的契合度,以及政策激励强度与市场环境特征的协调度等。
本文通过理论分析与实证研究,聚焦探讨以下问题:一是绿色财政政策能否提升城市绿色创新效率?二是倘若存在正向影响,传导机制是什么?三是不同市场环境下绿色财政政策的创新效应是否存在差异?四是在不同类型城市中绿色财政政策对绿色创新效率的影响是否呈现差异化特征?探究上述问题可为优化绿色财政政策体系、推进城市绿色高质量发展提供理论支撑与实践启示。
与本研究密切相关的文献主要围绕绿色财政政策的创新效应、绿色创新效率的影响因素两方面。
(1)关于绿色财政政策的创新效应研究。在规制性政策领域:环境规制类财政政策可借助创新补偿效应与成本效应的双重作用,倒逼企业绿色创新[2]。但He等[3]、金戈等[4]发现,此类政策可能因引导企业资源向环保领域倾斜而挤占创新资源,抑制整体创新活动。而胡江峰等[5]发现,受政策复杂性和环境动态性影响,该类政策对创新的影响存在不确定性。作为激励性政策,绿色财政补贴既能缓解创新主体融资约束、弥补创新风险损失[6],又能激发市场主体创新意愿、推动绿色生产[7]。但李青原和肖泽华[8]提出,企业获得环保补助后需迎合政策环保投资导向,可能导致创新资源错配。此外,部分学者利用节能减排财政政策综合示范城市试点考察绿色财政政策的创新效应,认为试点政策通过整合中央与地方财政资金,为企业绿色创新提供资金保障[9],并通过财政激励的资源配置效应和环境规制的创新补偿效应,促进企业研发[10]与绿色创新[6]。
(2)关于绿色创新效率影响因素的研究。微观层面,企业数字化转型[11]、绿色技能型人才[12]有助于企业精准捕捉绿色创新市场需求与技术趋势,提升企业绿色创新效率。而消费者环保意识驱动下的绿色消费需求,是促进企业绿色创新效率提升的重要微观力量[13]。中观层面,产业结构优化会显著提升资源型城市绿色创新效率[14],但产业协同集聚对绿色创新效率的影响随市场化程度加深呈“U”型特征[15]。部分学者则聚焦高技术产业[16]或数字产业[17]领域,发现上述产业集聚均有利于促进本地绿色创新效率提升,但高技术产业集聚对邻近地区绿色创新效率存在抑制效应。宏观层面,低碳城市试点[18]与创新型城市试点[19]等政策试验,在赋能城市绿色转型和创新发展方面提供了新路径与新模式,是提升绿色创新效率的有效方式。此外,知识产权保护[20]、增值税留抵退税[21]等政策,也为优化创新资源配置及提升绿色创新效率提供了良好的制度环境。
通过系统梳理现有文献发现:首先,针对绿色财政政策(节能减排财政政策综合示范城市试点)的创新效应研究,多聚焦企业层面单一环节的绿色技术创新产出(如企业绿色创新或绿色创新能力),既缺乏对绿色创新全链条资源配置效率的系统考察,又未充分重视城市作为政策实施主体和绿色转型核心载体的关键作用。其次,尽管既有研究认同技术进步与人力资本对绿色创新效率的促进作用,但尚未揭示绿色财政政策如何引导技术、人才等要素跨地域流动与空间汇聚,形成创新要素集聚态势。最后,绿色财政政策作为制度供给,需依托市场环境释放效能,但既有研究普遍忽视市场环境作为边界条件的考量,未能厘清“政策执行-市场环境”的适配关系,更未系统论证其在绿色财政政策促进创新要素集聚及提升绿色创新效率中的调节功能。
鉴于此,本文拟从以下维度深化现有研究:一是以节能减排财政政策综合示范城市为准自然实验,重点考察绿色财政政策对城市绿色创新效率的影响,为验证该政策在城市空间维度的绿色创新效能提供理论依据。二是将创新技术集聚与创新人才集聚作为中介变量,市场公平竞争作为调节变量,深度解析绿色财政政策提升城市绿色创新效率的传导机制与边界条件,以深化对试点政策创新效应的认知,为寻求绿色创新效率提升路径提供新思路。三是结合城市禀赋、经济特质、政策执行等特征,识别绿色财政政策对不同类型城市绿色创新效率的差异化影响,为政府因地制宜地靶向施策提供决策参考。
2011年财政部、国家发展改革委联合印发《关于开展节能减排财政政策综合示范工作的通知》,先后通过三批遴选在全国确立30个示范城市,开展节能减排财政政策综合示范城市试点(下文简称“节能减排试点”)。
节能减排试点旨在以示范城市为载体,以整合中央财政资金与地方配套资金为手段,以实现产业低碳化、主要污染物减量化、可再生能源利用规模化等“六化”为目标,系统推进节能减排实践,打造可示范、可复制、可推广的绿色发展新模式。其核心特征体现在三方面:一是中央财政与地方财政相整合。试点地区需构建多层次资金协同机制,整合中央财政奖励、省级专项扶持与地方配套投入,同时,通过市场化机制引导社会资本参与减排项目[9]。二是绩效考核与财政激励相协调。试点城市需编制专项工作计划,分解落实年度及总体节能减排目标,并同步建立环保绩效评估机制。其中,年度环保绩效考核结果与次年综合奖励资金挂钩,总体考核结果与示范城市评选、综合奖励资金挂钩[10]。三是重点突破和整体推进相结合。聚焦减排效益高、投资回报率大的标杆行业与企业,打造示范项目,同步规划覆盖工业体系、城市基建、交通运输等全维度的节能降碳工作[22]。
绿色创新效率是新发展阶段城市高质量发展的核心标志,其旨在统筹兼顾经济增长、环境保护与可持续发展目标,通过绿色技术应用与低碳生产模式,实现资源投入最小化与创新产出最大化。绿色财政政策作为新时代生态文明建设背景下政策创新的具体实践,主要通过发挥激励效应和约束效应提升城市绿色创新效率。
(1)绿色财政政策的激励效应。根据外部性理论与公共产品理论,针对绿色创新行为的正外部性以及生态环境作为公共产品引发的市场失灵问题,政府需通过绿色财政政策实施干预。在节能减排试点框架下,中央财政对示范城市实行差异化奖励资金,根据城市特征与规模,在三年示范期内按年度分别提供4亿～6亿元综合奖励资金,并要求省市两级政府设立专项资金用于示范城市节能减排工作[6]。中央奖励与地方配套资金形成“政策资金池”,专项用于绿色技术研发、节能设备升级等领域,通过降低城市绿色创新主体边际成本,激发城市绿色技术研发与产品创新的内生动力,推动生产工艺流程优化,进而实现能源消耗、物资损耗及污染物排放的系统性下降,显著提升资源利用效能与城市绿色创新效率。
(2)绿色财政政策的约束效应。节能减排试点通过绩效考核与财政奖惩联动机制,将财政资金分配与节能减排绩效深度绑定,构建刚性环境约束框架。对于年度绩效考核结果优异的城市,下一年度中央财政奖励资金追加20%;未达标城市则相应削减20%的财政奖励资金。对于未完成总体减排任务或连续两年年度考核不合格的城市,将追回全部财政奖励资金并终止试点资格。在此压力约束下,示范城市为完成绩效考核指标,会综合运用环境税、碳排放收费等政策工具,提高高耗能、高污染行为边际成本,激活环境规制的“波特效应”[10],倒逼企业实施生产工艺绿色化改造,优化能源消费结构,推动城市绿色创新由政策驱动向市场驱动转型,实现绿色创新效率的系统性提升。据此,本文提出如下假设:
H1:绿色财政政策有助于提升城市绿色创新效率。
绿色财政政策作为撬动绿色经济的关键杠杆,通过资金配置与政策导向精准矫正绿色创新领域的市场失灵,优化绿色创新生态并吸引技术与人才汇聚。其中,创新技术集聚能够带来更多创新契机,激发城市绿色创新潜能;创新人才集聚则有助于保障高素质人才储备,增强城市绿色创新驱动力。基于此,绿色财政政策提升城市绿色创新效率的可能作用机制如下:
(1)绿色财政政策通过促进创新技术集聚提升城市绿色创新效率。依据产业集群理论,节能减排试点政策通过引导节能环保龙头企业主导产业集群构建,进而形成“核心引领-配套协同”的低碳技术创新网络。例如贵阳市通过财政倾斜与技术认证,将以浅层地温能开发为核心的低碳示范项目纳入省级能源规划,其地源热泵系统年均碳减排3 000余吨,吸引众多清洁技术企业集聚,形成绿色生态产业链协作网络。此外,创新扩散理论强调,政策环境是促进创新扩散的关键驱动力[23]。试点城市围绕产业低碳化等政策目标,依托低碳技术展示与交易会等制度性平台,加速先进绿色技术的本地化扩散与产业链生态化转型,为技术要素集聚奠定制度基础。而创新技术集聚通过“空间竞争协作-技术共享网络”双重路径提升城市绿色创新效率。一是基于新经济地理学的“中心-外围”理论,技术要素集聚会依托空间邻近性形成的竞争协作机制,触发“马太效应”,驱动绿色技术迭代升级并引导创新资源向高附加值环节集中,优化创新资源配置效率,增强绿色创新。二是创新生态系统理论强调,创新活动依赖于多元主体互动形成的协同网络[24]。创新技术集聚因地理邻近性使得绿色技术经验等隐性知识通过面对面交流高效传递,助力技术共享网络构建,而网络中的信任机制有利于降低知识保护壁垒,加速绿色技术扩散,缩短从技术研发到产业化应用的发展周期,提升绿色创新产出效率。
(2)绿色财政政策通过促进创新人才集聚提升城市绿色创新效率。试点城市利用节能减排专项资金、配套资金、直接奖励等政策工具,能够有效降低企业绿色创新成本并增强创新人才薪酬竞争力,释放“绿色创新优先”信号,形成人才集聚的磁吸效应。如深圳市通过财政引导产学研共建联合实验室,精准匹配电池研发、能效管理等岗位对复合型创新人才的需求,吸引新能源领域高端人才汇聚深圳。另外,结合宜居创新理论,试点政策的节能减排投入能够提升城市宜居性,以“政策红利+宜居环境+发展机遇”的综合优势,形成创新人才“流入-留存-增值”的可持续集聚效应。而创新人才集聚通过“知识溢出-需求响应”的双轮驱动赋能城市绿色创新效率提升:一方面,创新人才集聚形成专业化“人才池”,通过具有知识外溢效应的技术协同与能力互补,加速绿色技术研发、低碳管理模式等知识的跨区域扩散,推动生产范式与工艺流程的低碳化和智能化转型,实现绿色技术效率与生产效率协同提升;另一方面,基于熊彼特“创造性破坏”理论,创新本质是通过创造性破坏重组生产要素,实现新技术与市场需求的动态匹配[25]。创新人才群体凭借技术前瞻性与市场需求研判能力,精准识别绿色技术迭代方向与市场需求,重组创新要素配置结构,降低创新活动试错成本与资源冗余,从而系统性提升城市绿色创新效率。
本文提出如下假设:
H2a:绿色财政政策通过促进创新技术集聚提升城市绿色创新效率;
H2b:绿色财政政策通过促进创新人才集聚提升城市绿色创新效率。
市场公平竞争作为现代化经济体系的基石,是驱动经济高质量发展的关键制度安排。在市场公平竞争程度高的城市,优胜劣汰的市场筛选机制会强化企业创新动力[26],倒逼其利用政策开展绿色技术创新。同时,基于制度经济学的交易成本理论,公平竞争机制能够降低信息不对称性,确保财政资金精准投向创新主体,促进政策红利在不同规模、不同所有制企业间均衡分配,加速绿色技术研发投入与产业化应用,进而提升城市绿色创新效率。反观公平竞争失序的城市,市场竞争机制的扭曲易导致政策资源被垄断,衍生资源错配、寻租腐败等问题。部分企业还易形成补贴依赖并缺乏实质性技术创新,最终引发政策激励的扭曲和失效。据此,本文提出如下假设:
H3:市场公平竞争在绿色财政政策提升城市绿色创新效率过程中发挥正向调节作用。
此外,市场公平竞争会正向调节绿色财政政策通过创新技术集聚或创新人才集聚提升城市绿色创新效率的作用。在创新技术集聚维度:一方面,市场公平竞争会正向调节绿色财政政策对创新技术集聚的促进作用。健全的公平竞争机制通过抑制政策寻租行为,确保财政资源精准投向绿色技术研发领域,形成技术要素的定向集聚。同时,竞争性价格信号会放大政策效果,促使绿色技术创新的正外部性价值形成创新溢价补偿机制[27],保障创新技术集聚达到社会最优规模与结构均衡。另一方面,市场公平竞争会正向调节创新技术集聚对城市绿色创新效率的提升作用。透明的竞争规则有助于企业将集聚的技术要素投入实质性绿色研发,避免策略性创新行为。同时,透明规范的市场秩序会降低信息不对称性与交易成本,促进技术共享网络形成,加速绿色技术迭代与低碳管理模式创新,推动创新成果高效转化,提升城市绿色创新效率。
在创新人才集聚维度:一方面,市场公平竞争会正向调节绿色财政政策对创新人才集聚的促进作用。市场公平竞争不仅能通过打破行政垄断与地方保护,促进绿色财政资源按创新效能分配,倒逼企业将获取的政策红利转化为创新人才的薪酬溢价或研发条件改善,促进人才流动与资源均衡分配,而且能通过透明化竞争规则确立能力导向的薪酬体系[28],为创新人才提供可预期的职业发展通道,吸引创新人才向辖区集聚。另一方面,市场公平竞争会正向调节创新人才集聚对城市绿色创新效率的提升作用。在公平竞争环境下企业无法通过非市场手段获利,为维持市场竞争优势,需将创新人才集聚优势转化为实际生产力,通过提升创新人才专业能力与岗位需求匹配度,引导其聚焦绿色技术研发与绿色创新成果市场化,夯实绿色创新效率提升的人才基础。
基于以上分析,本文提出如下假设:
H4a:市场公平竞争在绿色财政政策促进创新技术集聚过程中发挥正向调节作用;
H4b:市场公平竞争在绿色财政政策促进创新人才集聚过程中发挥正向调节作用;
H5a:市场公平竞争在绿色财政政策通过创新技术集聚提升城市绿色创新效率的过程中发挥正向调节作用;
H5b:市场公平竞争在绿色财政政策通过创新人才集聚提升城市绿色创新效率的过程中发挥正向调节作用。
综合上述分析,构建理论模型如图1所示。
图1 理论模型
Fig.1 Theoretical model
首先,本文将节能减排试点视为一项准自然实验,将研究期间的试点城市作为处理组,其他城市为控制组,构建多时点双重差分(DID)模型以检验绿色财政政策对城市绿色创新效率的影响。具体模型如下:
GIEit=α+βPolicyit+γcontrolit+vi+ut+εit
(1)
式(1)中,i和t分别表示城市与年份,α表示常数项;GIEit表示城市绿色创新效率;Policyit表示绿色财政政策;controlit表示城市-年份层面的控制变量;vi表示城市固定效应;ut表示年份固定效应;εit表示随机扰动项。
其次,为检验绿色财政政策影响城市绿色创新效率的传导路径,借鉴牛志伟等[29]的研究思路,采用四段式中介效应模型,并使用Sobel检验和Bootstrap检验进一步证实中介效应的稳健性。在式(1)基础上构建如下模型以检验中介效应:
Git=α+βPolicyit+γcontrolit+vi+ut+εit
(2)
GIEit=α+βGit+γcontrolit+vi+ut+εit
(3)
GIEit=α+βPolicyit+δGit+γcontrolit+vi+ut+εit
(4)
为检验调节变量市场公平竞争如何在中介效应中发挥作用,参考徐俊武和王茹雪[30]的检验思路,进一步构建如下模型以检验有调节的中介效应:
GIEit=α+βPolicyit+θMKTEit+φMKTEit×Policyit+γcontrolit+vi+ut+εit
(5)
Git=α+βPolicyit+θMKTEit+φMKTEit×Policyit+γcontrolit+vi+ut+εit
(6)
GIEit=α+βPolicyit+θMKTEit+φMKTEit×Policyit+δGit+øGit×MKTEit+γcontrolit+vi+ut+εit
(7)
其中,Git为中介变量;MKTEit为调节变量,其余指标同式(1)。
(1)被解释变量:城市绿色创新效率(GIE)。为了科学评价城市绿色创新效率,展现绿色创新效率兼顾经济增长与环境保护双重作用的特征,本文参考王巧等[31]、袁健和张所地[32]对绿色创新效率的衡量方法,从经济发展、绿色创新成果、污染物排放等方面构建综合评价指标体系。该指标体系涵盖投入指标、期望产出指标与非期望产出指标(见表1)。本文在数据标准化处理基础上,利用考虑非期望产出的Super-SBM模型得到城市绿色创新效率值,用于表示城市绿色创新效率的综合水平。
表1 城市绿色创新效率评价指标体系
Table 1 Evaluation index system of urban green innovation efficiency
一级指标二级指标三级指标指标解释投入资本投入科学技术支出政府当年财政支出中的科学技术支出(万元)劳动力投入环保相关行业人员投入城市年末水利、环境和公共设施管理从业人员数(人)能源资源投入水资源投入城市全年供水总量(万立方米)电力投入城市全年用电量(万千瓦时)燃料投入城市全年天然气供气总量(万立方米)产出期望产出经济产出人均GDP产出城市人均GDP数值(万元)创新产出绿色专利产出城市绿色发明专利申请量(项)生态产出城市绿化效益城市建成区绿化覆盖率(%)工业绿色效益城市工业固体废物综合利用率(%)非期望产出环境污染废水排放城市工业废水排放量(万吨)废气排放城市工业二氧化硫排放量(吨)粉尘污染物排放城市工业烟粉尘排放量(吨)
(2)解释变量:绿色财政政策(Policy)。节能减排试点作为中国持续推进绿色低碳生产和城市绿色创新的关键试点政策,自2011年由财政部联合国家发展改革委推动实施以来,截至2016年底,已有包括北京、石家庄、临汾等30座城市完成试点。本文将节能减排试点视同一项准自然实验,试点期间入选城市自入选年份及以后年度取值为1,否则为0。
(3)中介变量:创新技术集聚(JSJJ)与创新人才集聚(RCJJ)。参考陈抗和战炤磊[33]的研究,采用(城市高新技术上市公司的主营业务收入/城市上市公司的主营业务收入)/(全国高新技术上市公司的主营业务收入/全国上市公司的主营业务收入)测度创新技术集聚水平(JSJJ)。参考李婷和陈健生[34]的做法,采用创新型人才地理集中度衡量创新人才集聚水平(RCJJ),即(城市创新型人才数量/城市行政区域面积)/(常住人口数量/城市行政区域面积)。
(4)调节变量:市场公平竞争(MKTE)。参考牛志伟等[29]的研究,利用HHI算法与上市公司营业收入计算企业HHI指数,并依据企业所在行业营业收入占比进行加权平均,测算城市层面的市场公平竞争程度(MKTE)。本文调节变量市场公平竞争程度(MKTE)为反向指标,即数值越小反映出市场公平竞争程度越高。
(5)控制变量。本文主要选取产业结构水平(STRU)、政府干预程度(GOVE)、数字化水平(DIGI)、人口密度状况(POPU)、金融发展水平(FINA)作为控制变量,具体见表2。
表2 控制变量说明和选取依据
Table 2 Description and selection basis of control variables
控制变量变量说明选取依据产业结构水平(STRU)以第二产业增加值占GDP的比重衡量产业结构水平越高,越易推动生产要素由低效行业流向高效行业,促进绿色技术研发,提升创新资源利用率政府干预程度(GOVE)以政府当年财政支出占GDP的比重反映政府干预既能缓解资源错配、提升创新资源利用率,也能挤出社会创新投资,阻碍创新发展数字化水平(DIGI)以城市每万人互联网用户数度量数字化赋能城市绿色创新,激发主体创新行为,提升绿色技术创新效率人口密度状况(POPU)以年末户籍人口数与行政区域总面积之比表征高人口密度城市的产业集约度高、科研群体大,有利于强化绿色协同创新对绿色创新效率的促进作用金融发展水平(FINA)以年末金融机构贷款余额占GDP的比重度量发达的金融市场为绿色创新营造优质的融资与包容环境,加速创新资源识别与成果转化
本文研究对象为中国地级市及以上城市,剔除数据缺失严重以及行政等级撤销的城市,最终选取2003—2023年285个城市为样本。相关原始数据主要来源于《中国统计年鉴》《中国城市统计年鉴》《中国城市建设统计年鉴》、CSMAR数据库与各地级市统计局官网公开数据。对少量缺失数据使用线性插值法与近五年平均增长率补齐,以减少样本选择偏差。本文主要变量描述性统计结果如表3所示。
表3 主要变量描述性统计结果
Table 3 Descriptive statistics of main variables
变量类型变量名称变量符号观测值均值标准差最小值最大值被解释变量城市绿色创新效率GIE5 9850.628 60.105 60.416 11.043 3解释变量绿色财政政策Policy5 9850.054 10.226 30.000 01.000 0机制变量创新技术集聚JSJJ5 9850.068 60.209 80.000 05.289 3创新人才集聚RCJJ5 9850.009 90.018 20.000 00.241 0调节变量市场公平竞争MKTE5 9850.456 80.375 50.010 01.000 0控制变量产业结构水平STRU5 9850.458 90.114 40.106 80.909 7政府干预程度GOVE5 9850.176 00.099 10.031 31.026 8 数字化水平DIGI5 9850.203 90.209 30.000 33.663 5人口密度状况POPU5 9850.043 00.034 40.000 50.355 3金融发展水平FINA5 9850.979 40.632 10.075 312.817 1
本文采用逐步回归策略列示绿色财政政策对城市绿色创新效率的基准回归结果。表4列(1)显示,当模型尚未纳入其他控制变量时,绿色财政政策的回归系数为0.037 3且显著为正。从列(2)～(6)的检验结果来看,在逐步引入产业结构水平(STRU)、政府干预程度(GOVE)、数字化水平(DIGI)、人口密度状况(POPU)、金融发展水平(FINA)等控制变量后,绿色财政政策均在1%的水平上显著提升城市绿色创新效率,表明绿色财政政策对城市绿色创新效率具有显著促进作用,因此研究假设H1成立。
表4 基准回归检验结果
Table 4 Baseline regression test results
变量(1)(2)(3)(4)(5)(6)Policy0.037 3∗∗∗0.038 5∗∗∗0.035 9∗∗∗0.036 1∗∗∗0.030 3∗∗∗0.030 5∗∗∗(6.56)(6.77)(6.39)(6.43)(5.39)(5.43)STRU0.053 2∗∗∗0.025 70.024 20.029 6∗0.022 1(2.96)(1.44)(1.36)(1.67)(1.24)GOVE-0.280 3∗∗∗-0.283 9∗∗∗-0.263 1∗∗∗-0.247 1∗∗∗(-13.03)(-13.11)(-12.16)(-11.20)DIGI-0.012 5-0.005 4-0.001 8(-1.44)(-0.62)(-0.20)POPU1.254 7∗∗∗1.287 9∗∗∗(8.97)(9.20)FINA-0.010 2∗∗∗(-3.61)常数0.573 1∗∗∗0.549 0∗∗∗0.591 3∗∗∗0.592 9∗∗∗0.538 1∗∗∗0.547 4∗∗∗(145.96)(60.74)(62.36)(62.10)(47.68)(47.33)年份固定YesYesYesYesYesYes城市固定YesYesYesYesYesYesR20.303 9 0.304 9 0.325 1 0.325 4 0.334 8 0.336 3 观测值5 9855 9855 9855 9855 9855 985
注：*、**、***分别表示 10%、5%和 1%的显著性水平,括号内为t值。下同
(1)欧斯特遗漏变量检验。本文基于城市-年份维度构建核心解释变量,可能存在遗漏变量导致的内生性问题。为此,采用欧斯特遗漏变量检验,加入城市×年份固定效应以确定实验所需的Rmax,结果如表5所示。可以发现,无论采取哪种检验方法,本文实证结果均通过内生性检验,说明城市×年份层面的遗漏变量对实证结果的影响有限。
表5 考虑遗漏变量的欧斯特检验结果
Table 5 Results of Oster test considering omitted variables
被解释变量Rmax检验方法判断标准实际估计结果是否通过城市绿色创新效率0.337 9方法一[0.019 5,0.041 4]β1=0.030 1Yes方法二δ>1δ=33.816 8Yes
(2)工具变量法。为解决绿色财政政策与城市绿色创新效率间存在反向因果关系以及不可观测变量导致的内生性问题,参考杜克锐等[35]、Cui等[36]的做法,选取空气流通系数(IV_1)与逆温次数(IV_2)作为工具变量,并采用两阶段回归法进行分析。从相关性角度,空气流通系数直接影响污染物扩散效率,在空气流通弱的地区环境污染(如PM2.5、臭氧污染)更易累积,因环境监管需求较高,被选为试点城市的概率更大,故二者存在负向关联。逆温现象(冷空气在暖空气下方形成稳定大气层结)会抑制空气垂直对流,导致污染物在近地面堆积,加剧雾霾等空气污染。逆温现象频发地区面临的环境污染压力更大,为加强环境治理,其被纳入试点的可能性更高,故二者存在正向关联。在排他性方面:空气流通系数与逆温次数均属于自然地理指标,由大气环流模式、季节性气候特征或地形地貌等因素决定,属于外生自然变量,独立于人类经济活动或政策选择之外。表6中第一阶段回归结果显示,空气流通系数显著为负,逆温次数系数显著为正,且Anderson canon. Corr. LM统计量和Cragg-Donald Wald F统计量均通过可识别性检验与弱工具变量检验,表明工具变量选取合理有效。第二阶段的绿色财政政策系数与基准回归结果一致,表明使用工具变量法后绿色财政政策仍能显著提升城市绿色创新效率。
表6 内生性检验结果
Table 6 Results of endogeneity test
变量工具变量法(空气流通系数)第一阶段回归第二阶段回归(1)(2)工具变量法(逆温次数)第一阶段回归第二阶段回归(3)(4)Policy0.373 7∗∗∗0.260 2∗∗∗(2.92)(2.77)IV_1-0.000 0∗∗∗(-4.39)IV_20.000 1∗∗∗(5.33)常数0.064 5∗∗∗0.642 9∗∗∗-0.011 80.647 0∗∗∗(3.18)(54.65)(-0.56)(63.51)控制变量YesYesYesYes年份固定YesYesYesYes城市固定YesYesYesYes观测值5 9855 9855 9855 985Anderson canon. Corr. LM 19.276 0∗∗∗28.261 0∗∗∗[0.00][0.00]Cragg-Donald Wald F 19.315 028.362 0{16.38}{16.38}
注：[]内为P值,{}内为Stock-Yogo检验在10%水平上对应的临界值
(1)事前趋势检验。本文采用事件分析法,以节能减排试点前5年与后6年为窗口期,试点前一年为基准期进行事前趋势检验。图2显示在试点前回归系数在0附近波动且不显著,说明处理组和控制组的绿色创新效率发展趋势具有一致性,未拒绝事前趋势平行假设。试点后政策效应整体呈上升趋势,说明绿色财政政策的冲击使得处理组和控制组的绿色创新效率水平产生显著差异,即研究结论“绿色财政政策有助于提升城市绿色创新效率”可靠。
图2 事前趋势检验结果
Fig.2 Test results of pre-treatment trends
(2)安慰剂检验 。为排除不可观测因素干扰,提升实证结果稳健性,分别进行时间与个体的安慰剂检验。其中,时间安慰剂检验通过随机提前绿色财政政策实施时间,检验政策选择年份对回归结果的影响;个体安慰剂检验通过随机确定试点城市,生成处理组与控制组,检验政策样本选择对回归结果的影响。参考田淑英等[10]的做法,对试点政策开始时间与试点政策效果的偶然性进行识别,分别进行时间安慰剂与个体安慰剂检验。图3和图4绘制了随机处理500次的回归系数分布情况,可以看出回归系数大致分布在零附近且服从正态分布,符合检验预期,表明绿色财政政策对城市绿色创新效率的提升效应存在时间与个体差异性,基准回归结果并非偶然。
图3 时间安慰剂检验结果 图4 个体安慰剂检验结果
Fig.3 Results of time placebo test Fig. 4 Results of individual placebo test
(3)匹配法。为缓解处理组与控制组的固有差异所导致的样本不可比问题,同时,获得绿色财政政策对城市绿色创新效率影响的净效应,本文分别使用倾向得分匹配和熵平衡匹配进行检验。一是对2003—2014年政策实施前样本进行逐年倾向得分匹配。表7列(1)～(3)显示,在不考虑城市层面聚类效应时,无论采用哪种匹配方法,绿色财政政策系数均显著为正,再次证实绿色财政政策显著提升城市绿色创新效率。二是采取熵平衡匹配方法对现有样本进行处理,并构建各控制变量的二次项及交乘项,对原有变量及新生成变量进行回归。表7列(4)表明,绿色财政政策的回归系数显著为正,证实基准检验结果稳健。
表7 稳健性检验结果
Table 7 Results of robustness test
变量近邻匹配半径匹配核匹配熵平衡匹配更换衡量方式控制省份效应控制补贴等级控制同期政策(1)(2)(3)(4)(5)(6)(7)(8)Policy0.016 1∗∗∗0.016 9∗∗∗0.016 9∗∗∗0.018 4∗∗∗0.038 2∗∗∗0.030 5∗∗∗0.030 5∗∗∗0.031 0∗∗∗(2.59)(2.71)(2.71)(3.22)(4.55)(5.43)(5.43)(5.52)新能源示范城市试点0.010 7∗∗∗(2.62)常数0.483 8∗∗∗0.492 0∗∗∗0.492 0∗∗∗0.671 2∗∗∗0.765 2∗∗∗0.547 4∗∗∗0.547 4∗∗∗0.547 2∗∗∗(26.86)(26.92)(26.92)(26.74)(44.23)(47.33)(47.33)(47.33)控制变量YesYesYesYesYesYesYesYes年份固定YesYesYesYesYesYesYesYes城市固定YesYesYesYesYesYesYesYes省份固定NoNoNoNoNoYesNoNoR20.377 50.371 10.371 10.707 70.176 90.336 30.336 30.337 1观测值4 3264 2844 2845 9855 9855 9855 9855 985
(4)更换变量衡量方式。本文采用非导向SBM模型重新测算城市绿色创新效率,回归结果见表7列(5)。绿色财政政策的回归系数显著为正,表明在更换城市绿色创新效率衡量方式后,该政策对城市绿色创新效率仍存在提升作用。
(5)控制省份层面效应。由于同一省份内城市地理邻近且政治环境趋同,绿色财政政策实施易出现同质化,可能干扰实证结果。为此,本文控制省份固定效应。从表7列(6)可知,绿色财政政策的回归系数依旧为正且通过显著性水平检验,表明在控制省份效应后绿色财政政策仍有助于提升城市绿色创新效率。
(6)控制财政补贴等级。根据《关于调整节能减排财政政策综合示范奖励资金分配和绩效评价办法通知》,节能减排试点期间不同行政等级城市所获奖励资金存在差异,该因素可能影响城市绿色创新激励效果。为此,本文将财政补贴等级纳入基准模型回归。表7列(7)检验结果显示,绿色财政政策的系数符号与显著性同基准回归结果一致,表明原研究结论稳健。
(7)控制同期政策。鉴于本文研究期为2003—2023年,在此期间其他绿色环境政策或技术创新政策试点可能干扰城市绿色创新效率评估。为排除政策叠加影响,将2014年起实施的新能源示范城市政策纳入基准模型回归。表7列(8)检验结果显示,绿色财政政策的回归系数在1%水平上显著为正,表明在控制同期政策影响后本文结论依然可靠。
利用四段式中介效应模型进行绿色财政政策对城市绿色创新效率的影响机制检验。其中,表8列(1)～(4)为创新技术集聚机制的检验结果,列(5)～(8)为创新人才集聚机制的检验结果。列(4)中绿色财政政策的回归系数仍显著为正,该实证结果与基准检验结论一致,即绿色财政政策有助于提升城市绿色创新效率,再次证实假设H1成立。列(2)中绿色财政政策对创新技术集聚的影响系数通过1%的显著性水平检验,说明绿色财政政策能够显著促进创新技术集聚。列(3)(4)中创新技术集聚的回归系数也显著为正,说明创新技术集聚有利于提升城市绿色创新效率,且列(4)中绿色财政政策的回归系数相较列(1)有所下降,表明创新技术集聚在绿色财政政策提升城市绿色创新效率过程中发挥部分中介作用。在此基础上,本文进一步使用Sobel检验和Bootstrap(1 000次)抽样检验,再次验证创新技术集聚机制的稳健性,结果显示Sobel检验的Z值为6.539 4且通过1%的显著性水平检验;Bootstrap中介效应的置信区间为[0.005 6,0.013 6],未包含0。综上,可以证实假设H2a成立,即绿色财政政策可以通过促进创新技术集聚提升城市绿色创新效率。同理,列(5)～(8)检验结果证实,创新人才集聚是绿色财政政策提升城市绿色创新效率的重要传导机制,即绿色财政政策可以通过促进创新人才集聚提升城市绿色创新效率,假设H2b成立。
表8 中介效应检验结果
Table 8 Results of mediation effect test
变量 创新技术集聚(1)(2)(3)(4)GIEJSJJGIEGIE创新人才集聚(5)(6)(7)(8)GIERCJJGIEGIEPolicy0.030 5∗∗∗0.122 6∗∗∗0.023 7∗∗∗0.030 5∗∗∗0.005 0∗∗∗0.020 8∗∗∗(5.43)(11.37)(4.20)(5.43)(9.82)(3.73)JSJJ0.059 3∗∗∗0.054 9∗∗∗(8.71)(7.99)RCJJ2.023 2∗∗∗1.953 3∗∗∗(14.06)(13.47)常数0.547 4∗∗∗-0.033 20.549 2∗∗∗0.549 2∗∗∗0.547 4∗∗∗-0.010 6∗∗∗0.568 7∗∗∗0.568 1∗∗∗(47.33)(-1.50)(47.67)(47.74)(47.33)(-10.18)(49.45)(49.45)Sobel Z6.539 4∗∗∗6.143 3∗∗∗Bootstrap置信区间[0.005 6,0.013 6][0.004 1,0.011 9]控制变量YesYesYesYesYesYesYesYes年份固定YesYesYesYesYesYesYesYes城市固定YesYesYesYesYesYesYesYesR20.336 30.204 90.341 70.343 70.336 30.418 90.355 30.356 9观测值5 9855 9855 9855 9855 9855 9855 9855 985
为检验市场公平竞争在绿色财政政策提升城市绿色创新效率过程中是否存在直接调节效应,在式(5)中加入调节变量市场公平竞争与核心解释变量的交互项(MKTE×Policy)进行检验。表9列(1)(4)检验结果显示,绿色财政政策系数显著为正,交互项系数显著为负,说明市场公平竞争在绿色财政政策提升城市绿色创新效率过程中发挥正向调节作用,假设H3得到证实。基于中介效应与直接调节效应的结果,进行有调节的中介效应检验。列(2)检验结果显示,绿色财政政策系数显著为正,市场公平竞争与绿色财政政策的交互项(MKTE×Policy)系数显著为负,说明市场公平竞争程度越高,越有助于发挥绿色财政政策对创新技术集聚的促进作用,即市场公平竞争在绿色财政政策促进创新技术集聚过程中发挥正向调节作用,假设H4a得以验证。同理,列(5)检验结果证实假设H4b成立,即市场公平竞争在绿色财政政策促进创新人才集聚过程中发挥正向调节作用。列(3)(6)检验结果则显示,调节变量市场公平竞争与中介变量的交互项系数(MKTE×JSJJ、MKTE×RCJJ)均显著为负,表明市场公平竞争在绿色财政政策通过创新技术集聚(或创新人才集聚)提升城市绿色创新效率的过程中发挥正向调节作用,证实假设H5a与H5b成立。
表9 调节效应检验结果
Table 9 Results of moderation effect test
变量创新技术集聚(1)(2)(3)GIEJSJJGIE创新人才集聚(4)(5)(6)GIERCJJGIEPolicy0.026 4∗∗∗0.104 6∗∗∗0.018 6∗∗∗0.026 4∗∗∗0.003 8∗∗∗0.014 1∗∗(4.63)(9.56)(3.27)(4.63)(7.39)(2.50)JSJJ0.026 5∗∗∗(3.48)RCJJ1.223 5∗∗∗(7.33)MKTE-0.017 7∗∗∗-0.001 1-0.014 6∗∗∗-0.017 7∗∗∗-0.000 1-0.004 8(-5.11)(-0.17)(-4.22)(-5.11)(-0.42)(-1.29)MKTE×Policy-0.045 7∗∗∗-0.253 0∗∗∗-0.016 3-0.045 7∗∗∗-0.016 8∗∗∗0.003 1(-2.80)(-8.11)(-1.00)(-2.80)(-11.56)(0.19)MKTE×JSJJ-0.158 8∗∗∗(-8.06)MKTE×RCJJ-2.832 3∗∗∗(-8.45)常数0.549 6∗∗∗-0.015 10.554 5∗∗∗0.549 6∗∗∗-0.009 4∗∗∗0.579 1∗∗∗(47.42)(-0.68)(48.30)(47.42)(-9.09)(50.30)控制变量YesYesYesYesYesYes年份固定YesYesYesYesYesYes城市固定YesYesYesYesYesYesR20.340 70.214 20.354 90.340 70.432 60.368 0观测值5 9855 9855 9855 9855 9855 985
5.6.1 城市禀赋异质性
(1)工业基础异质性。老工业基地作为传统工业门类齐全、分布集中的区域,依靠国家投资形成庞大的工业基底,绿色转型压力较大,绿色财政政策实施效果可能与非老工业基地存在差异。本文依据《全国老工业基地调整改造规划(2013—2022年)》,将样本分为老工业基地城市与非老工业基地城市并分别进行回归。表10列(1)(2)显示,两类城市中绿色财政政策的回归系数均显著为正,但相较而言,绿色财政政策对非老工业基地城市绿色创新效率的提升效应更显著。同时,组间系数差异检验(邹检验)证实两组样本结果存在统计上的显著差异。可能因为老工业基地存在产业结构的路径依赖、创新要素匮乏、政策协同的系统性短板以及转型动力内生不足等问题,导致绿色财政政策难以有效激活绿色创新链条。
表10 异质性检验结果
Table 10 Results of heterogeneity test
变量城市禀赋异质性工业基础老工业基地非老工业基地(1)(2)行政等级高行政等级一般行政等级(3)(4)经济特质异质性数字水平高数字水平低数字水平(5)(6)工业规模大工业规模小工业规模(7)(8)政策执行异质性财政自由度高财政自由度低财政自由度(9)(10)环境制度强环境制度弱环境制度(11)(12)Policy0.017∗∗0.043∗∗∗0.022∗∗0.011∗0.040∗∗∗-0.0100.039∗∗∗0.025∗∗∗0.031∗∗-0.0060.038∗∗∗0.001(2.42)(5.42)(2.18)(1.69)(5.55)(-1.10)(5.15)(3.38)(4.41)(-0.60)(5.05)(0.13)常数0.530∗∗∗0.562∗∗∗0.547∗∗∗0.576∗∗∗0.512∗∗∗0.595∗∗∗0.534∗∗∗0.618∗∗∗0.534∗∗∗0.547∗∗∗0.531∗∗∗0.501∗∗∗(22.93)(38.84)(12.94)(37.16)(29.70)(26.89)(23.75)(38.12)(27.20)(23.90)(24.75)(29.69)控制变量YesYesYesYesYesYesYesYesYesYesYesYes年份固定YesYesYesYesYesYesYesYesYesYesYesYes城市固定YesYesYesYesYesYesYesYesYesYesYesYesR20.3740.3350.6870.2590.4280.2570.5320.1570.4910.2030.4680.252邹检验P值0.0000.0000.0000.0000.0000.000观测值1 9953 9901 0294 9562 9823 0032 9892 9962 9922 9932 3733 612
(2)行政等级异质性。城市行政层级通常会影响区域资源配置与政策规划,高行政等级城市在基础设施配套与政策优惠力度上更具优势,政策实施效果与一般行政等级城市可能存在差异。本文将省会城市、副省级城市及直辖市划为高行政等级城市,其余城市为一般行政等级城市,并进行异质性分析。表10列(3)(4)显示,相比一般行政等级城市,绿色财政政策对绿色创新效率的提升效应在高行政等级城市中更显著,并且邹检验结果表明组间系数存在显著差异。可能原因在于,一般行政等级城市受地方财力限制,存在创新平台建设滞后、跨区域协作不力及创新生态薄弱等问题,致使绿色财政政策落地与配套支撑略显不足。
5.6.2 经济特质异质性
(1)数字水平异质性。数字经济发展水平作为衡量地区数字竞争力的关键标尺,既能通过先进数字技术赋能环保领域建设,又能优化要素配置,推动数字产业化与绿色化深度融合。本文借鉴赵涛等[37]的研究,计算样本期内城市数字经济综合发展指数,并按其中位数将样本分为高数字水平与低数字水平城市。表10列(5)(6)显示,在高数字水平城市中绿色财政政策有利于提升绿色创新效率,但在低数字水平城市中该政策效应不显著,且邹检验结果在1%的水平上显著。这是因为,相比于低数字水平城市,高数字水平城市的数字基础设施更完善,信息技术应用更成熟,数字化治理可以提升政府施策精准度,使得绿色财政政策能够高效激活城市创新活力,进而提升绿色创新效率。
(2)工业规模异质性。工业规模是衡量城市工业生产广度的重要指标,其不仅通过工业企业数量直观反映绿色创新主体规模,而且能够推动形成多元化的城市创新生态。本文依据城市规模以上工业企业数量的中位数将样本分为大工业规模与小工业规模城市,并分别进行回归。表10列(7)(8)显示,绿色财政政策对大工业规模城市绿色创新效率的提升作用要强于小工业规模城市,同时,组间系数差异检验进一步证实存在工业规模异质性。这是因为,相较而言,大工业规模城市的市场竞争力强、绿色产品需求大,环境考核压力驱动政策响应积极,使得绿色财政政策可以更高效地转化为实际创新动能,充分释放政策效能。
5.6.3 政策执行异质性
(1)财政自由度异质性。财政自由度反映地方财政自主运作及自给能力,不同财政自由度城市在政策施行空间与资金保障上存在显著差异,可能影响政策落地成效。本文以地方财政一般预算收支比重表征财政自由度,并按其中位数将样本分成高财政自由度与低财政自由度城市。表10列(9)(10)显示,在高财政自由度城市中,绿色财政政策系数显著为正,而在低财政自由度城市中该政策效应不显著,同时,两组系数差异通过邹检验。可能原因在于,高财政自由度城市凭借较强的财政自主性能够基于绿色创新战略精准配置财政资金,引导创新资源流向绿色创新领域,有效提升城市绿色创新效率。
(2)环境制度异质性。环境制度基础不仅反映地区制度完善程度,而且体现地方政府对环境保护的重视程度。不同环境制度基础的城市,在财政支出规模与配套政策实施力度上存在差异。本文依据《国务院关于印发国家环境保护“十一五”规划的通知》,将文件明确的环保重点城市划分为强环境制度城市,其余城市为弱环境制度城市。表10列(11)(12)显示,在强环境制度城市中,绿色财政政策对绿色创新效率的影响系数显著为正,在弱环境制度城市中并不显著,且邹检验表明两组间系数存在显著差异。主要原因在于,强环境制度城市通过“制度刚性保障+政策组合增效”的系统性优势,使得绿色财政政策精准作用于绿色创新链条,而弱环境制度城市可能因缺乏系统性支撑条件,导致政策效果难以显现。
基于2003—2023年中国285个地级市及以上城市面板数据,以节能减排财政政策综合示范城市试点作为准自然实验,运用多时点双重差分模型系统考察绿色财政政策对城市绿色创新效率的影响。实证结果表明:首先,绿色财政政策显著提升城市绿色创新效率。其次,创新技术集聚与创新人才集聚是绿色财政政策提升城市绿色创新效率的重要传导渠道。再次,市场公平竞争正向调节绿色财政政策对城市绿色创新效率的直接提升效应;同时,在“绿色财政政策 →创新技术集聚(或创新人才集聚)→绿色创新效率”的传导路径中发挥积极的调节作用。最后,绿色财政政策对城市绿色创新效率的提升效应存在显著异质性,在非老工业基地、高行政等级城市,高数字水平、大工业规模城市,以及高财政自由度、强环境制度城市中的提升效应更显著。
(1)建立“梯度补贴-靶向监管”联动机制,有效发挥绿色财政政策对城市绿色创新效率的提升效应。一方面,构建城市绿色创新基础与减排目标相适配的多层级补贴体系,重点对新能源、节能环保等基础研发项目给予相应比例财政补贴,并按企业绿色专利转化率实行阶梯式成果转化补贴,引导创新链向价值链高端延伸。另一方面,建立“数据监测-绩效评估-动态调整”全链条监管机制,强制年耗能万吨标煤以上企业接入省级能耗监测平台,以实时数据作为补贴兑现依据,并将城市绿色创新效率年度提升幅度与地方专项转移支付挂钩,对数据造假企业实行“补贴追回+禁入”惩戒,确保政策资源精准流动。
(2)实施“创新技术-创新人才”双轮驱动策略,深度激活技术集聚与人才集聚的赋能效应。一方面,鼓励试点城市搭建产学研创新平台或绿色技术共享平台,对战略性新兴产业按研发投入强度给予阶梯式补贴;设立绿色专利专项资金,对交易额超出阈值的技术转移项目给予定向补贴;优化绿色产业园区政策供给,对示范基地实行土地出让金返还、配套费减免等优惠。另一方面,对高端绿色技术人才按年薪比例提供专项补贴并配套安家费;补贴高校绿色相关专业学费及企业岗位培训费用,建设实训基地并对接收实习生的企业给予补助;优化人才公共服务,为绿色创新人才提供优先落户、子女教育绿色通道及人才公寓优惠等。
(3)建立“竞争保障-行为规范”协同机制,充分释放市场公平竞争对绿色财政政策提升城市绿色创新效率的调节效能。一方面,建立绿色创新反垄断豁免机制,对中小企业联合研发节能减排技术提供反垄断审查快速通道;推行“技术标+减碳标”政府采购,在市政工程招标中设置绿色技术分包标段,要求投标企业公开碳足迹数据,切实保障市场公平竞争。另一方面,严厉查处滥用市场支配地位、虚假宣传绿色技术成效等行为,对违规企业取消其享受绿色财政政策的资格;建立绿色创新反不正当竞争快速响应机制,设立专项经费支持企业应对技术窃取、恶意低价竞标等侵权行为。
(4)探索“分类施策-动态调整”精准政策方案。针对老工业基地与一般行政等级城市,推行“技术托管+转移支付”协作机制,依托高行政等级城市资源优势,建立绿色创新资源共享网络,推动技术成果“下沉”转化;针对数字水平与工业规模双低城市,设立绿色产业发展专项基金,综合运用税收减免、融资担保、贷款贴息等政策工具,激活绿色创新内生动力;针对政策执行环境或执行能力薄弱城市,下放绿色财政工具创新权限,允许试点城市自主设计碳金融产品,并通过定期评估与动态调整,确保政策适配城市发展需求。
[1] 徐超,蔡瑶琴,柏天蕾,等.税收分成、财政激励与企业绿色创新——来自增值税“五五分成”改革的证据[J].南开经济研究,2024,40(12):206-226.
[2] RUBASHKINA Y,GALEOTTI M, VERDOLINI E. Environmental regulation and competitiveness:empirical evidence on the porter hypothesis from European manufacturing sectors [J]. Energy Policy,2015,83(8):288-300.
[3] HE G, WANG S, ZHANG B. Watering down environmental regulation in China[J]. The Quarterly Journal of Economics, 2020, 135(4): 2135-2185.
[4] 金戈,林飞腾,陈文强.环保税费负担与企业税收规避:提升还是抑制[J].经济理论与经济管理,2023,43(12):78-91.
[5] 胡江峰,黄庆华,潘欣欣.碳排放交易制度与企业创新质量:抑制还是促进[J].中国人口·资源与环境,2020,30(2):49-59.
[6] 张跃.绿色财政政策与企业绿色创新——基于“节能减排财政政策综合示范城市”试点的准自然实验[J].当代财经,2023,44(9):28-41.
[7] 陈诗一,祁毓.“双碳”目标约束下应对气候变化的中长期财政政策研究[J].中国工业经济,2022,39(5):5-23.
[8] 李青原,肖泽华.异质性环境规制工具与企业绿色创新激励——来自上市企业绿色专利的证据[J].经济研究,2020,55(9):192-208.
[9] 韩君,葛春瑞.节能减排财政政策能够促进企业绿色创新吗——来自节能减排财政政策综合示范城市的准自然实验[J].商业研究,2023,66(5):60-71.
[10] 田淑英,孙磊,许文立,等.绿色低碳发展目标下财政政策促进企业转型升级研究——来自“节能减排财政政策综合示范城市”试点的证据[J].财政研究,2022,51(8):79-96.
[11] 张波,易珈西.数字化转型对企业绿色技术创新的影响[J].统计与决策,2024,40 (15):178-182.
[12] YASMEEN H, TAN Q, ZAMEER H, et al. Exploring the impact of technological innovation, environmental regulations and urbanization on ecological efficiency of China in the context of COP21[J]. Journal of Environmental Management, 2020, 274: 111210.
[13] 黄小勇,李怡.产城融合对大中城市绿色创新效率的影响研究[J].江西社会科学, 2020,40(8):61-72.
[14] 肖振红,谭睿,安芮,等.市场激励型环境规制与区域绿色创新效率——基于产业结构优化的中介作用和财政分权的调节作用[J].系统管理学报,2024,33(1):124-136.
[15] ZENG W, LI L, HUANG Y. Industrial collaborative agglomeration, marketization, and green innovation: evidence from China's provincial panel data[J]. Journal of Cleaner Production, 2021, 279: 123598.
[16] 王迪,张芷媛,汪小龙.高技术产业集聚何以促进区域绿色技术创新——基于知识溢出与市场竞争双重视角[J].科技进步与对策,2025,42(12):49-58.
[17] 赵放,蒋国梁,徐熠,等.数字产业集聚赋能区域绿色技术创新:创新要素与创新环境双重视角[J].科技进步与对策,2024,41(18):1-11.
[18] 邓世成,吴玉鸣,东童童.低碳城市试点政策对城市绿色创新效率的影响——来自长三角地区的经验证据[J].城市发展研究,2023,30(3):40-48,89.
[19] 王晗,何枭吟,许舜威.创新型城市试点对绿色创新效率的影响机制[J].中国人口·资源与环境,2022,32(4):105-114.
[20] 陆菊春,肖晓寒,卞文婕.知识产权保护与城市绿色创新:赋能还是挤出——以长三角与珠三角城市群为例[J].科技进步与对策,2025,42(6):34-45.
[21] 王珮,刘咏璇,崔铭芯.增值税留抵退税政策对企业绿色创新效率的影响研究[J].税务研究,2024,40(8):39-47.
[22] 白东北,刘曦萌.绿色财政政策能提高能源利用效率吗——来自“节能减排财政政策综合示范城市”的证据[J].当代财经,2025,46(4):43-56.
[23] 陆军,张越.国家高新区技术创新是否驱动了地方数字经济发展——基于创新扩散机制的实证分析[J].贵州师范大学学报(社会科学版),2024,65(2):100-117.
[24] GOMES L A D V, FACIN A L F, SALERNO M S, et al. Unpacking the innovation ecosystem construct: evolution, gaps and trends[J].Technological Forecasting and Social Change, 2018,136 (11):30-48.
[25] SCHUMPETER J A. Capitalism, socialism, and democracy[J].American Economic Review, 1942, 3(4):594-602.
[26] 卞元超,白俊红.市场分割与中国企业的生存困境[J].财贸经济,2021,42(1):120-135.
[27] 彭承亮,阳叶兵,何启志.企业绿色创新能力有利于降低融资成本吗——基于中国创业板市场的经验证据[J].南京审计大学学报,2025,22(1):78-88.
[28] 曾皓.市场竞争机制促进了企业数字化转型吗——基于市场准入负面清单制度的准自然实验[J].外国经济与管理,2024,46(3):136-152.
[29] 牛志伟,许晨曦,武瑛.营商环境优化、人力资本效应与企业劳动生产率[J].管理世界,2023,39(2):83-100.
[30] 徐俊武,王茹雪.数字普惠金融对农业绿色经济效率的影响研究——基于有调节的中介效应模型[J].华中科技大学学报(社会科学版),2025,39(2):130-140.
[31] 王巧,佘硕,曾婧婧.国家高新区提升城市绿色创新效率的作用机制与效果识别——基于双重差分法的检验[J].中国人口·资源与环境,2020,30(2):129-137.
[32] 袁健,张所地.知识流动与城市绿色创新效率:“新基建”的调节效应[J].城市问题, 2024,43(8):64-73.
[33] 陈抗,战炤磊.规模经济、集聚效应与高新技术产业全要素生产率变化[J].现代经济探讨,2019,38(12):85-91.
[34] 李婷,陈健生.地方品质、人力资本积累与城市经济增长[J].南开经济研究,2024,40 (2):25-42.
[35] 杜克锐,欧阳晓灵,郑泳薇.环境规制是否促进我国城市的绿色经济增长[J].统计研究, 2023,40(12):39-49.
[36] CUI J, HUANG S, WANG C. The impact of air quality on innovation activities in China[J]. Journal of Environmental Economics and Management, 2023, 122: 102893.
[37] 赵涛,张智,梁上坤.数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J].管理世界,2020,36(10):65-76.