开放科学(资源服务)标识码(OSID)：
The high penetration attribute of digital development and the leap in its scale and structure have effectively reduced prominent contradictions, such as cross-temporal information transaction costs and the imbalance between supply and demand of production factors, which is conducive to alleviating the impact of technology lock-in by reducing innovation uncertainty and promoting innovation knowledge spillover. Is there a new choice for China to further break through the dilemma of technology lock-in in the digital era? This study aims to effectively identify the technology lock-in effect, explore the constraints and unlocking mechanisms of technology lock-in from a diversified digital perspective and provide empirical evidence for understanding and breaking the technology lock-in dilemma so as to help achieve effective government environmental regulation, effective technological innovation and progress, and coordinated development of the two.
This paper selects 30 provincial panel data sets from China from 2003 to 2020 as research samples to measure the intensity of government environmental regulation and the regional technology lock-in effect. Using the double fixed effect model, threshold model and unlocking mechanism test model, this paper comprehensively studies the multiple impacts of government environmental regulation on the technology lock-in effect and explores its potential unlocking mechanism. The research results indicate that (1) government environmental regulation has generally curbed the technology lock-in effect, and this effect follows the non-linear trajectory of "strong containment-attenuation of containment effect"; (2) the results of heterogeneity analysis indicate that there are significant differences in the impact of government environmental regulation on technology lock-in among different regions, the degree of resource based industry agglomeration, the level of institutional innovation, and the level of digital economy development; (3) further examination of the unlocking effect of diversified digitization reveals that the nonlinear unlocking effect between digital literacy and digital equipment is valid, while digital applications may fail due to the time lag effect of technology diffusion.
This paper makes some theoretical contributions and provides some policy values as follows. It extends the perspective to the potential technology lock-in effect that may form in the dynamic process of technological innovation, and further demonstrates the dynamic nonlinear impact of technology lock-in in response to government environmental regulation. Moreover, it starts with multi-digitalization and verifies the non-linear unlocking effect of multi-digitalization, expanding the research content related to technology lock-in. The in-depth examination of whether local governments' efforts to strengthen environmental regulation driven by the maximization of interests within their jurisdiction have directly or indirectly caused technological innovation losses provides an important reference for the dynamic adjustment of environmental policies. The research conclusions provide a decision-making reference for enhancing the adaptability of China's environmental governance policies, promoting the implementation of the "Digital China" strategy, solving China's technology lock-in dilemma, and optimizing and coordinating the relationship between effective government environmental governance and effective technological progress.
开放科学(资源服务)标识码(OSID)：
中共二十大报告指出:“中国式现代化是人与自然和谐共生的现代化。”环境问题具有负外部性,相关创新成果具有公共产品性质,使其产权归属难以界定[1],仅靠市场机制难以解决环境问题,导致“市场失灵”现象。因此,政府制定并实施相应的环境管制政策显得尤为重要[2]。同时,现阶段我国专利自主可控创新不足,“专利泡沫”与“创新假象”等问题仍旧存在。根据世界知识产权组织(WIPO)发布的《世界知识产权指标》(2022年)报告,中国2021年专利数全球最高,超过美国、日本与韩国总和。尽管我国专利数量显著增加,但还存在关键核心专利创新效率较低、自主可控创新不足等问题[3],导致我国重点行业创新发展存在技术锁定风险。近年来,如何实现“政府环境治理有为”与“技术创新进步有效”协同发展这一论题持续受到学界关注[4]。加强技术创新质量,是我国实现环境保护和经济发展双重目标的决定因素[5]。需要注意的是,技术创新过程中可能存在技术锁定效应,会阻碍破坏性创新的出现和发展(赵芸潼,2020)。“中兴事件”“华为事件”等说明,寻求技术解锁之道是推动创新高质量发展及防范重大技术风险的应有之义。
弗里曼[6]、佩雷斯[7]提出的技术经济范式为研究技术进步与解锁提供了新视角。以关键生产要素变迁为桥梁的技术经济范式变革主要指对整个社会经济行为产生重大影响的技术体系实施变革,而关键生产要素可以促使生产成本显著下降。同时,数字化发展的高渗透属性及其规模的不断扩大,可以有效降低跨时空信息交易成本,缓解生产要素供需失衡等矛盾[8],有利于通过降低创新不确定性与促进创新知识外溢等影响技术锁定效应。数字化时代,我国进一步突破技术锁定困境是否有新的选择?基于此,有效识别技术锁定效应,从多元数字化视角探讨技术锁定制约因素与解锁机制,可以为破解技术锁定困局,推动政府环境治理有为、技术创新进步有效的协同发展提供参考。
Arthur[9]指出技术锁定是由技术路径依赖引发的经济决策失灵的均衡状态。在技术锁定成因方面,学界普遍认为创新效率低下往往与技术锁定相关[10]。Arthur从“路径依赖说”出发,指出路径依赖造成技术创新低效率是收益递增规律引起的。Paul[11]从静态效率和福利改善的替代关系角度指出,技术创新激励不足可能导致整体锁定于技术固定轨道之中。关于技术锁定的影响效果,在微观层面,谭云清等(2017)通过实证研究发现,技术锁定阻碍企业技术创新;在宏观层面,丁重等(2009)基于制度倾斜环境中的创新主体博弈模型,研究发现技术锁定不利于推动我国经济稳步增长。此外,有学者从技术锁定与市场的关系出发,将技术锁定划分为技术主动锁定、技术自我锁定和技术被动锁定[3]。其中,技术自我锁定是指基于创新负外部性,主体从事技术创新活动过程中创新效率低下引发技术市场运行失灵所表现出的一种内在自我锁定或技术路径依赖。本文探究的技术锁定属于此类。
学术界也关注到环境治理对技术锁定的重要影响,但观点并不一致。持强化锁定观点的学者主要以传统的新古典理论派为代表[12]。Schmidt等[13]基于政策端视角研究发现,尽管环境资源与气候领域的政策部署有助于降低技术创新成本,但可能导致主导技术过早锁定在初期最具成本效益的技术上,进而导致技术长期低效。还有许多学者从创新补偿角度捍卫环境规制主张[1-3],认为环境规制提高企业生产成本的同时,会通过技术创新的激励补偿作用缓解技术锁定效应。Liu等[14]研究发现,精心设计的环境规制有利于放大对外直接投资带来的反向技术创新溢出效应,从而避免陷入技术锁定。
既往文献对政府环境规制与技术锁定的机理进行探讨,取得了丰富的研究成果。但也存在不足:其一,大多探讨技术锁定成因及影响后果,而缺乏关于技术锁定制约因素的研究;其二,技术创新是一个动态过程,潜藏技术锁定风险[10],相关文献关注到环境规制对技术创新结果的多元影响,但未进一步探讨环境规制对技术锁定效应的影响,且关于政府环境管制对技术锁定影响的研究以基于发达国家的个案分析为主,不能为我国协调“政府环境治理有为”与“技术进步有效”二者关系提供有效借鉴。因此,本文深入分析我国政府环境管制如何影响技术锁定效应,并基于多元数字化发展视角检验潜在的解锁机制。
本文的边际贡献有以下几点:一是将视角延伸到技术创新动态进程中可能形成的技术锁定效应,并进一步论证技术锁定与政府环境管制的动态非线性关系;二是以多元数字化为切入点,验证多元数字化的非线性解锁效应,扩充有关技术锁定的研究内容;三是深入考察地方政府出于辖区内利益最大化动机而强化环境管控行为是否直接或间接造成技术创新损失,为动态调整环境政策提供参考。
1.2.1 政府环境管制对技术锁定的影响
政府环境管制是政府以保护环境为目的制定的相关环境法规和政策,旨在引导市场主体作出改善环境的决策,在减少污染物排放的同时提升整体经济效益,实现可持续发展[1]。根据Porter[1]、Hicks[15]提出的技术创新诱导假说,积极派认为政府环境管制能有效解决技术市场失灵问题,并使技术创新低效率得到改进,有助于摆脱自我技术锁定局面。公共政策塑造创新市场价值的有效性在相关文献中得到验证[16],引入新的政策规章制度有利于强化企业创新动机并提升其效率,从而使整体经济受益。
政府环境管制对技术锁定的影响主要体现在“驱逐效应”与“信号传递效应”两个方面。从驱逐效应来看,政府环保监管标准提升会导致以低价竞争的企业退出市场竞争,减少以牺牲环境为代价的恶性竞争,驱逐技术创新低效率(或无效率)的恶性竞争企业。除此之外,环保标准提高促使企业通过技术创新规避环境监管成本[4],使得技术水平较低的企业退出市场,有利于总体上改进技术创新效率,缓解地区技术锁定困境。
信息不对称是引致技术市场失灵的重要原因之一[17],从正向信号传递角度看,富有创新精神的企业会向市场释放出积极履行环境责任义务与寻求技术创新效率改善的信号[5]。为在环境规制约束下重建竞争优势,基于信号传递机制,企业会主动加大技术创新投入、改进生产工艺、优化生产程序并提高技术创新效率,以提升技术市场竞争力。基于以上分析,本文提出如下假设:
H1:政府环境管制通过驱逐效应和正向信号传递改进技术创新市场效率,起到缓解技术锁定的作用。
值得关注的是,我国各地区间经济发展水平、生态资源禀赋与制度创新水平差异较大,各地方政府采用的环境治理政策与规制强度不一致[18],对技术锁定的影响效果也会产生差异。其一,与东中部地区相比,西部地区由于资源、资金、科研人才等要素禀赋相对匮乏,处于技术创新价值链的低洼地带。随着环境治理成本上升,挤占研发创新资金,可能导致经济欠发达地区无法有效改进技术创新效率,存在技术锁定被强化的风险。其二,自然资源开采、利用、加工而形成的资源型产业集聚对提高地区资源型产业生产效率、促进区域技术创新与带动经济发展具有积极作用(孙慧,2016)。资源型产业集聚前期存在规模效应,一定水平的集聚有利于地方政府环境管制发挥抑制技术锁定的作用。此外,随着资源型产业集聚水平不断提升甚至越过最优水平,可能导致规模不经济的负向效应,不利于缓解技术锁定效应。其三,制度创新对技术创新质量具有正向激励作用(曹虹剑,2022),可以提升行业知识宽度均值。但是,在制度创新水平更高的地区,严苛的政府环境规制可能无法更好地发挥对技术锁定的遏制效果。基于以上分析,本文提出如下假设:
H1a:在经济欠发达地区,政府环境管制可能无法发挥对技术锁定效应的遏制效果;
H1b:政府环境管制对技术锁定的抑制作用在不同资源型产业集聚水平下存在差异,超过资源型产业最优集聚度后,政府环境管制对技术锁定的抑制作用可能不显著。
H1c:与高水平制度创新地区相比,低水平制度创新地区实施严格的政府环境管制更有利于发挥对技术锁定的遏制效果。
从负向信号传递角度看,环境保护和治理与地方政府政绩考核紧密相关,且地方政府之间存在“逐顶竞争”的策略性行为[18]。短期内,政府制定治污标准有助于企业减少违规污染行为以降低违规成本,企业加大资金投入以提升技术创新效率,促使地方政府在竞争中获得优势。但在逐顶竞争策略的诱导下,为进一步获取政绩考核优势,地方政府倾向于与相邻同级政府形成差异化竞争。从长期来看,日趋严格的环境治理政策也会释放出负向信号。地方政府为降低政绩考核风险而一味强化环境管制,会迫使企业/行业为降低治污成本而挤占原本用于改进技术创新效率的研发资金,不利于持续推进技术市场高效运行,也无法稳定发挥环境管制对技术锁定的遏制作用。基于以上分析,本文提出如下假设:
H2:追逐政绩考核优势的地方政府在逐顶竞争策略诱导下不断强化环境管制,导致企业/行业挤占原本用于改进技术创新效率的研发资金,使得政府环境管制对技术锁定的影响遵循“有力遏制—遏制效果衰减”这一非线性轨迹。
1.2.2 多元数字化的解锁效应
创新之道,唯在得人。有研究从人力资源配置角度证实人力资本对技术锁定具有影响[5]。环境污染会对居民身体健康、认知反应能力与注意力产生损害,遵循“择良木而栖”理念,高素质人才倾向于选择环境质量更好的地区。人才要素流动会打破地区间技术交流壁垒,人才集聚效应有利于打破技术创新效率低下的局面,摆脱技术锁定桎梏。在人才红利下降的宏观背景下,提升人力资本数字化素养,有利于应对技术锁定带来的重大挑战。
随着数字中国建设的深入实施,数字化装备水平不断提升,促使经济发展边际成本显著下降。数字化装备主要通过技术信息和市场信息两个渠道增强信息可得性(沈坤荣,2023)。第一,数字化基础设施发展促进信息数据化和传播网络化。数字化装备水平的提升有利于企业开发新技术,提高新技术开发速度,提升技术创新效率。第二,数字化装备有利于降低企业间信息交流和交易成本。面对环境规制趋紧,为获得政府的政策支持和避免处罚及法律诉讼风险,企业积极部署数字化基础设施,降低治污成本,提升行业竞争力。基于数字化设施,企业可以更好地从消费者偏好中识别市场机会并及时调整产品开发策略,使得新技术更加贴合市场需求,从而提高新技术的市场收益,并进一步加强技术创新,摆脱低效率境况。
充分考虑各利益攸关者诉求是环境治理政策成功的关键。基于多利益攸关方理论[19],环境规制的渐进式增强将推动企业、公民、社区等广泛利益攸关方积极响应。公众会向企业施加压力,促使企业遵照规制提升数字技术应用水平[16]。Chen[20]研究发现,在气候变化宏观背景下,实施环境规制是提升数字化装备水平、促进企业数字化转型的重要内生动力。基于以上分析,本文提出如下假设:
H3a:政府环境管制背景下,多元数字化发展会驱动技术创新效率提升并发挥技术解锁效应。
1.2.3 多元数字化的非线性解锁效应
当政府采取适度的环境管控时,企业有足够时间进行生产设备技术升级,推动企业积极投入技术创新,通过治污进步促进技术进步,提高技术创新效率。但是,依靠政府环境管制手段带来的创新补偿不可持续。随着全民数字化素养水平和地区数字化装备水平提升、数字化应用程度加深,地方政府如果一以贯之施加高压环境规制,则可能导致企业无暇兼顾生产与技术变革,使企业面临崩溃的局面,技术变革也由此放缓,技术创新效率降低,从而强化技术锁定效应。基于以上分析,本文提出如下假设:
H3b:随着多元数字化深入发展,地方政府实行严格环境管制对技术锁定的遏制效果呈现动态衰减特征。
为检验政府环境管制对技术锁定的总效应,本文将基准计量模型设定为双向固定效应模型,如式(1)所示。
(1)
其中,TechLockit表示第i个地区在第t年的技术锁定程度;GERit表示第i个地区在第t年的政府环境管制强度;Controlkit表示一系列控制变量;μi、νt分别表示时间和地区非观测效应;εit为随机扰动项。采用最小二乘法进行估计。
根据理论分析,随着环境治理政策趋紧,政府环境管制对技术锁定可能存在动态非线性影响。对此,本文根据Hansen[21]提出的门槛模型进行检验,如式(2)所示。
(2)
其中,门槛变量为政府环境管制强度GERit;γ1表示待估计门槛值;ψ1与ψ2为不同门槛值区间政府环境管制对技术锁定的影响系数。I(·)为指示函数,条件成立则I=1,否则I=0。
2.2.1 被解释变量
技术锁定效应(TechLock):基于理论分析并借鉴相关研究[10],采用技术创新无效率测度。因此,技术锁定效应用1减去技术创新效率值表示。
TechLockit=1-ρte
(3)
采用非角度非径向的超效率SBM-C(规模报酬不变)模型测算技术创新效率。
(4)
(5)
其中,ρte为技术创新有效率值;i为投入要素;r为产出要素;j、k 为决策单元;x为投入变量;m代表投入要素数量;y为产出变量;s为产出要素数量;λ为决策单元的线性组合系数;si-、sr+为投入产出松弛变量。一是投入要素,主要考虑资本投入与人才投入维度下的投入指标。为避免出现主观选择折旧率而导致R&D资本存量估算结果失真的问题,采用R&D经费内部支出额表征研发资本投入水平;人才投入维度,为了有效反映研发人员劳动投入实际水平,采用研发人员全时当量替代研发人员数量。二是产出要素,发明专利数量常被用来衡量创新主体产出情况,也被广泛用于技术创新效率测度,由此,本文采用发明专利授权量测度创新期望产出。
2.2.2 核心解释变量
政府环境管制(GER):借鉴蒋伏心等[5]的研究,通过计算区域内各类污染物排放量的综合指数,表征地区政府环境规制强度,区域污染排放强度越高,则地方政府将实行越严格的环境规制措施。本文主要计算工业废水、工业SO2、工业烟尘排放3类污染物。具体测算方法如下:
第一,计算各区域的单位污染物排放量,并进行线性标准化。
(6)
式中,UEij为i区域j污染物的单位产值污染物排放量,max(UEj)与min(UEj)分别为各指标在所有地区中的最大、最小值,
为指标的标准化值。
第二,计算各指标的调整系数(Wj)。用调整系数近似反映污染物特性差异,计算公式如下:
(7)
式中,Eij为i地区j污染物的污染排放量;
为i地区j污染物的排放量占所有地区的比重;Oi为i地区产值占所有地区的比重;
为样本期间内j污染物单位产值排放的区域平均水平。
(8)
式中,Si为区域i各污染物指标下环境规制水平之和。
第三,计算各区域政府环境管制强度GERit。参考杜龙政等(2019)的做法,将Si*10 000并取对数,得到政府环境管制强度GERit。
2.2.3 控制变量
本文对以下变量加以控制:①贸易开放度(Fdi),用人民币进出口额占GDP百分比衡量,由于该指标受汇率波动影响,因此,根据每期汇率进行二次测算;②市场化发展水平(Mar),在借鉴市场化指数的基础上(攀纲,2003),进一步根据历年市场化指数的平均增长幅度进行趋势外推,得到观察期内完整市场化指数;③知识产权保护(Ipr),通过技术市场成交额占GDP百分比,衡量知识产权市场规范化程度;④科研投入强度(Rdi),使用科学事业费用支出占GDP的比重表征;⑤基础设施建设(Infra),使用光纤基础设施投资建设情况表征。本文对上述变量进行对数化处理后纳入回归,以消除潜在异方差的影响。
为了保证指标的科学性、全面性以及数据来源的可靠性,本文采用2003—2020年中国省际面板数据。数据主要来自《中国环境统计年鉴》《中国科技统计年鉴》《中国信息产业年鉴》《中国高新技术产业年鉴》,以及Wind数据库、国家统计局网站、生态环境部通报和中国气象数据网。由于西藏和港澳台地区有关数据存在明显缺失,故予以剔除。
本文使用OLS估计对设定的双向固定效应模型进行基准回归,结果如表1所示。由列(1)—(6)可知,随着控制变量的加入,模型的解释力得到增强,政府环境管制对技术锁定总体上具有显著抑制作用。由列(6)可知,政府环境管制强度每提高1%,技术锁定效应下降0.027个单位,因此,假设H1得到验证。
表1 基准回归:政府环境管制影响技术锁定的总效应
Table 1 Benchmark regression: the total effect of technology lock-in affected by government environmental regulation
变量 TechLockTechLockTechLockTechLockTechLockTechLock(1)(2)(3)(4)(5)(6)GER-0.022***-0.019**-0.027***-0.026***-0.026***-0.027***(0.008)(0.008)(0.007)(0.007)(0.007)(0.007)Fdi0.027*0.041***0.040***0.041***0.042***(0.015)(0.014)(0.014)(0.014)(0.014)Mar-0.374***-0.355***-0.355***-0.354***(0.041)(0.041)(0.042)(0.042)Ipr-0.015**-0.015**-0.016**(0.006)(0.007)(0.007)Rdi-0.002-0.001(0.015)(0.015)Infra0.016(0.015)Constant0.904***0.770***1.490***1.487***1.483***1.349***(0.034)(0.082)(0.109)(0.109)(0.114)(0.167)区域固定效应YesYesYesYesYesYes时间固定效应YesYesYesYesYesYesN540540540540540540R20.676 60.678 70.725 60.728 70.728 80.729 4
注: *、**、***分别表示P<0.10、P<0.05、P<0.01,括号内数值为标准误,下同
为进一步验证假设H2,采用面板门槛模型进行实证检验。在估计模型之前,首先进行门槛存在性检验。采用“自助法”(Bootstrap)反复抽样1 000次,结果表明政府环境管制门槛变量显著通过单门槛检验,未通过双重门槛检验。在此基础上设定单门槛回归模型,结果如表2所示。可以看出,政府环境管制跨越门槛值8.912 6后,其对技术锁定的回归系数从-0.041变为-0.029,说明在逐顶竞争策略诱导下,政府环境管制对技术锁定的影响效果遵循“有力遏制—遏制效果衰减”这一非线性轨迹。因此,假设H2得到验证。
表2 政府环境管制遏制技术锁定效应的非线性轨迹检验结果
Table 2 Nonlinear trajectory test of the effect of government environmental regulation on curbing technology lock-in
变量TechLock门槛值γ1 8.912 6*GER×I(GER≤γ1)-0.041***(0.010)GER×I(GER>γ1)-0.029***(0.010)ControlsYes区域固定效应Yes时间固定效应YesN540R20.502
3.2.1 施加气象因素控制
本文聚焦政府环境管制对技术锁定效应的影响,而技术锁定效应无法干预政府环境管制决策行为,因此,二者不存在严重的逆向因果问题。但考虑到仍可能存在遗漏变量问题,本文在基准回归模型中进一步加入降水量、风速、日照时长与湿度等气象因素控制变量,开展稳健性检验(董直庆,2019)。气象数据通过中国气象数据网发布的中国地面气候资料日值数据集V3.0以及美国国家气候数据中心(NCDC)有关数据处理而得,检验结果见表3的列(1)—(4)。逐步施加气象因素控制后,核心解释变量系数正负号与显著性水平未发生变化,验证了回归结果的稳健性。
表3 稳健性检验结果:控制气象因素固定效应
Table 3 Robustness test results: fixed effect with controlled meteorological factors
变量逐步增加气象因素控制TechLockTechLockTechLockTechLock(1)(2)(3)(4)GER-0.027***-0.027***-0.027***-0.028***(0.007)(0.007)(0.007)(0.007)累计降水量控制YesYesYesYes平均风速控制NoYesYesYes累计日照控制NoNoYesYes平均湿度控制NoNoNoYesControlsYesYesYesYes区域固定效应YesYesYesYes时间固定效应YesYesYesYesN540540540540R20.729 50.730 20.731 00.731 3
3.2.2 排除发展阶段差异影响
表4列(1)—(2)表明,在我国经济发展不同阶段,政府环境管制对技术锁定的遏制效果均显著存在。排除经济发展阶段差异影响可以发现,本文基准回归结果依然稳健可靠。
表4 稳健性检验结果:排除发展阶段差异影响、考虑社会公众环保意识影响
Table 4 Robustness test: excluding the influence of development stage difference with consideration of the influence of social public awareness of environmental protection
变量按发展阶段划分高速发展阶段高质量发展阶段(1)(2)社会公众环境规制(3)GER-0.023**-0.025**(0.010)(0.012)SER-0.260**(0.130)ControlsYesYesYes区域固定效应YesYesYes时间固定效应YesYesYesN270270540R20.352 90.668 90.724 0
3.2.3 考虑社会公众环保意识的影响
社会公众环境管制是政府环境管制的一种补充,以社会公众参与为主导,体现为媒体以及公众舆论压力。本文进一步聚焦社会公众环保意识,参考原毅军等(2014)的研究,选取收入水平、受教育程度、人口密度和年龄结构等指标综合度量社会公众环境规制强度(SER),进一步考察剥离政府干预因素后,公众环保意识引导的环境规制对技术锁定的影响。稳健性检验结果如表4列(3)所示,社会公众环境规制对区域技术锁定的影响显著为负,说明随着经济发展和居民收入水平提高,公众环保意识逐渐增强,非正式规制发挥的技术锁定遏制效果已初步显现。替换核心解释变量后的实证结果侧面反映了前文结论的稳健性。
3.2.4 考虑空间溢出效应
从地区政府间环境治理博弈视角出发,跨界污染和污染产业跨地区转移会降低污染产业流入地的环境质量,导致落后地区出现“逐底竞争”现象(董直庆,2019),不利于技术创新要素跨地区流动且存在侵蚀相邻地区技术创新的可能。基于此,本文进一步在基准模型(1)中引入各变量的空间交互项,使其扩展为空间杜宾模型(SDM)。估计结果如表5所示,政府环境管制对本地技术锁定的抑制效果依然显著。
表5 稳健性检验结果:更换计量方法、更换被解释变量、剔除极端值
Table 5 Robustness test: replacing measurement and explanatory variable, and excluding extreme values
变量 双向固定效应SDM检验地理距离权重矩阵经济地理距离嵌套权重矩阵(1)(2)重新测算被解释变量CCR-ISE-SBM-VSE-SBM-GRS(3)(4)(5)剔除极端值影响对1%分位两端缩尾(6)本地效应GER-0.032***-0.032***-0.016**-0.031***-0.022***-0.015**(0.007)(0.007)(0.008)(0.009)(0.008)(0.009)邻地效应W*GER0.071*0.082**(0.040)(0.042)0.2936**0.2941**(0.127)(0.128)Sigma20.0057***0.0057***(0.001)(0.001)ControlsYesYesYesYesYesYes区域固定效应YesYesYesYesYesYes时间固定效应YesYesYesYesYesYesLR_test(SEM)20.62***21.15***LR_test(SAR)18.89***19.65***Wald_test(SEM)21.09***21.60***Wald_test(SAR)19.06***19.83***N540540540540540478R20.097 50.072 90.649 90.70830.740 50.733 8
不同空间权重矩阵下的实证结果显示,政府环境管制的空间滞后项(W*GER)估计系数显著为正。结果表明,政府环境管制对技术创新存在“邻地侵蚀效应”,地方政府环境规制强度提升对相邻地区技术锁定表现出强化作用。可能的原因是,政府环境规制强化引致强环境规制地区的重污染活动向弱规制区域转移。当环境规制引致高规制地的污染产业转移至相邻地区后,随高污染产业转移而来的高额治污成本引发创新投资挤出效应(董直庆,2019),进而加剧邻地技术锁定。
3.2.5 其它稳健性检验
(1)排除技术锁定效应测算误差。鉴于不同测算方法下可能导致基准估计结果偏误,本文进一步采用DEA-CCR(投入导向)模型、超效率SBM-V(规模报酬可变)模型、超效率SBM-GRS(规模报酬不变)3类不同方法,重新测算被解释变量并纳入回归,稳健性检验结果如表5列(3)—(5)所示。可以发现,更换不同测算方法后政府环境管制抑制技术锁定效应的作用依然显著,验证了假设H1的稳健性。
(2)剔除极端异常值影响。考虑到异常值和非随机性干扰可能对估计结果的科学性产生影响,同时为保持样本信息完整性,对所有变量进行1%分位两端的样本数据平滑处理后再进行检验。估计结果如表5列(6)所示,核心结论没有受到异常值干扰,再次验证基准回归结果是稳健的。
3.3.1 区域异质性
政府环境管制对技术锁定的影响效果存在地区差异,估计结果如表6列(1)—(3)所示。东中部地区贯彻政府环境管制要求并改进企业生产工艺或提高治污能力,最终得到技术创新效率补偿的正反馈。与之相比,西部地区由于要素禀赋相对匮乏,存在技术锁定效应被强化的风险。因此,假设H1a得到验证。需说明的是,考虑到分样本回归时不同样本间扰动项存在相关性,本文均采用似不相关回归估计SURE(Seemingly Unrelated Regression Estimation),对比核心解释变量系数,结果显示,组间系数差异具有较强统计显著性。
表6 异质性分析结果:区域异质性、资源型产业集聚水平异质性
Table 6 Heterogeneity analysis: regional heterogeneity and heterogeneity of resource-based industry agglomeration level
变量区域异质性东部地区中部地区西部地区(1)(2)(3)按资源型产业集聚程度高程度集聚低程度集聚(4)(5)GER-0.029***-0.079***0.048***-0.016-0.032***(0.010)(0.022)(0.018)(0.014)(0.009)ControlsYesYesYesYesYes区域固定效应YesYesYesYesYes时间固定效应YesYesYesYesYesN216162162288252R20.702 30.791 90.824 60.813 00.668 9组间系数差异检验(P值) 0.000 00.031 6
3.3.2 资源型产业集聚水平异质性
考虑到我国区域不同资源型产业集聚水平下,政府环境管制对技术锁定影响效果可能存在异质性,本文以资源型产业集聚度作为划分依据(孙慧,2016),根据资源型产业集聚度最优门槛值,分为资源型产业高程度集聚与低程度集聚两类子样本。异质性检验结果如表6列(4)—(5)所示,在资源型产业集聚程度较低的地区,政府实行严格环境管制有利于缓解本区域技术锁定效应,但是,这一作用效果在集聚程度过高的地区并不显著。该结论从侧面印证了我国资源型产业集聚存在最优区间,资源型产业集聚水平并非越高越好。因此,假设H1b得到验证。
3.3.3 制度创新水平异质性
2021年7月30日中央政治局会议明确提出“发展专精特新中小企业”,推动中小企业提升技术创新能力,走专精特新之路,对加快解决我国关键核心技术“卡脖子”问题、推动经济高质量发展具有重要意义。本文根据工信部、国家统计局披露的相关数据,以地区专精特新“小巨人”企业数量表征地区专精特新政策实施强度,将总样本按照地区专精特新“小巨人”企业数量划分强中弱3级政策强度,探讨政府环境管制对技术锁定影响的制度创新水平异质性。估计结果如表7列(1)—(3)所示,在不同制度创新水平下,政府环境管制对技术锁定的影响有所不同。与强、中等制度创新水平地区相比,低制度创新水平下地区实行严格政府环境规制对技术锁定的抑制效果更显著。进一步分析发现,“政策叠加效应”对技术锁定的影响并未显现。相反地,“政策互补效应”得以凸显,专精特新政策强度低的地区实行严格的政府环境管控更有利于遏制技术锁定。由此,假设H1c得到验证。
表7 异质性分析结果:制度创新水平异质性、数字经济发展水平异质性
Table 7 Heterogeneity analysis results: heterogeneity of the level of institutional innovation, and heterogeneity of the development level of digital economy
变量专精特新政策强度较强中等较弱(1)(2)(3)数字经济发展水平第一梯队第二梯队第三梯队(4)(5)(6)GER0.008-0.018-0.048***0.008-0.041***-0.043**(0.013)(0.015)(0.010)(0.015)(0.011)(0.017)ControlsYesYesYesYesYesYes区域固定效应YesYesYesYesYesYes时间固定效应YesYesYesYesYesYesN234162144180180180R20.684 40.828 10.876 40.680 60.785 60.850 5组间系数差异检验(P值)0.001 80.008 9
3.3.4 数字经济发展水平异质性
政府环境管制对技术锁定的遏制效果可能受多元数字化发展影响,那么,在不同数字经济发展水平地区,政府环境管制对技术锁定的作用效果是否一致?基于此,本文将中国信息通信研究院发布的《中国数字经济发展报告(2022年)》中披露的有关我国各地区数字经济规模总量数据进行分组,以数字经济规模衡量区域数字经济发展水平,将总样本降序划分为数字经济发展三大梯队,依次进行回归。结果如表7列(4)—(6)所示,当地区数字经济发展水平较高时(处于第一梯队),技术锁定对政府环境管制的反应并不敏感,而当数字经济发展处于中等和偏低水平时(第二、第三梯队),环境治理的技术锁定遏制效果更显著。
4.1.1 计量模型设计策略
为检验多元数字化是否在政府环境管制影响技术锁定过程中发挥解锁作用,构建模型(9)与模型(10),检验提高数字化素养、增强数字化装备能力、提升数字化应用水平3个解锁机制的有效性。
(9)
(10)
其中,多元数字化(Digitalit)包含数字化素养(Digi_humit)、数字化装备(Digi_equit)与数字化应用(Digi_appit)。
进一步,为了检验多元数字化解锁效应的非线性特征,将模型设定如下:
(11)
4.1.2 指标测度与说明
(1)数字化素养水平。本文采用面板熵值法综合测算“科学事业费”“教育事业费”“中等专业学校在校学生数”“高等学校在校学生数”,度量区域数字化素养水平,记为Digi_hum。
(2)数字化装备能力。本文基于主客体双重视角,选择“互联网上网人数”“移动电话用户”“固定电话用户”“互联网宽带接入端口”“长途光缆线路长度”“移动电话交换机容量”等指标,综合表征地区数字化装备能力,记为Digi_equ。
(3)数字化应用程度。选择“科研技术从业人数”“软件和信息技术服务业从业人数”“电子商务发展能力”3个指标,综合表征数字化应用水平,记为Digi_app。
4.2.1 多元数字化的解锁效应有效性检验
多元数字化解锁效应有效性的检验结果如表8所示。由列(1)—(3)可知,政府环境管制对数字化素养、数字化装备、数字化应用的估计系数都在1%显著性水平下为正,说明政府环境管制有助于促进多元数字化发展。由列(4)—(6)可知,Digi_hum的系数为-0.480,显著性水平为1%,说明通过人力资本积累提升数字化素养,有利于提高技术创新效率与质量,因此,数字化素养的解锁效应成立;Digi_equ的系数显著为负,说明通过提升数字化装备水平有助于实现技术解锁;Digi_app的系数为-0.066且未通过显著性检验,说明数字化应用的解锁效应不成立,即数字化应用未显著改进技术创新低效率的境况,这符合信息时代的“索洛悖论”。David[22]认为,技术扩散时滞效应是导致“索洛悖论”的主要原因,而国内学者也证实了我国数字化发展进程中,技术前沿面下“索洛悖论”存在的客观可能[8]。政府环境管制推动利益攸关方加强数字化应用,但技术扩散可能存在时滞效应,导致数字化应用的技术解锁效应失效。总体来看,假设H3a基本得到验证。
表8 多元数字化的解锁效应检验结果
Table 8 Test for unlocking effect of multiple digitalization
变量 Digi_humDigi_equDigi_app(1)(2)(3)TechLockTechLockTechLock(4)(5)(6)GER0.020***0.010***0.007***(0.004)(0.003)(0.003)Digi_hum-0.480***(0.082)Digi_equ-0.372**(0.120)Digi_app-0.100(0.100)ControlsYesYesYesYesYesYes区域固定效应YesYesYesYesYesYes时间固定效应YesYesYesYesYesYesN540540540540540540R20.375 00.443 40.353 50.740 20.727 00.722 3
4.2.2 多元数字化的非线性解锁效应分析
为验证假设H3b,采用面板门槛回归模型进行实证检验。采用“自助法”重复抽样1 000次,结果表明,数字化素养、数字化装备、数字化应用3个门槛变量均显著通过单门槛检验,未通过双重门槛检验,门槛值依次为0.098 1、0.060 8、0.031 7。在此基础上设定单门槛回归模型,结果如表9列(1)—(3)所示。可以发现,当门槛变量小于门槛值时,政府环境管制有效遏制技术锁定效应,但是,跨越门槛值后遏制效果逐渐减弱。随着多元数字化深入发展,地方政府实行严格环境管制对技术锁定的遏制效果也呈现动态衰减特征。因此,假设H3b得到验证。
表9 多元数字化发展下政府环境管制对技术锁定的非线性影响检验结果
Table 9 Test for nonlinear effect of government environmental regulation on technology lock-in under diverse digital development
变量以数字化素养为门槛变量以数字化装备为门槛变量以数字化应用为门槛变量TechLockTechLockTechLock(1)(2)(3)门槛值 γ10.0981**0.0608**0.0317***GER×I(Digital≤γ1)-0.046***-0.069***-0.033***(0.010)(0.012)(0.010)GER×I(Digital>γ1)-0.015-0.013-0.008(0.009)(0.010)(0.010)ControlsYesYesYes区域固定效应YesYesYes时间固定效应YesYesYesN540540540R20.517 60.508 20.504 6
在高质量发展新阶段,摆脱技术锁定困境、寻求技术创新提质增效,既是我国推进创新型国家建设的现实需要,也是转变经济发展方式和优化升级产业结构的必然选择。在此背景下,本文从多元数字化视角切入,研究政府环境管制对技术锁定效应的多重影响并探索潜在解锁机制。结果表明:政府环境管制总体上遏制技术锁定效应,并且该影响遵循“有力遏制—遏制效果衰减”的非线性变化轨迹;异质性分析结果表明,政府环境管制对技术锁定的影响在不同地区、资源型产业集聚程度、制度创新水平和数字经济发展水平下存在显著差异;进一步检验多元数字化的解锁效应发现,数字化素养与数字化装备的非线性解锁效应成立,数字化应用可能受技术扩散时滞效应的影响而失效。
(1)科学设计动态化、差异化的环境治理政策。一方面,要重视环境规制政策的动态性调整,优化环境管制工具,与发展阶段、发展水平相契合,进一步提升环境政策的适配性。另一方面,要注重环境规制政策的区域异质性,因地制宜设计环境规制政策。对于经济发展水平高、资源禀赋优的地区,应致力于遏制其高污染行为;对于欠发达地区,在环境约束的同时应避免高压政策给当地带来沉重的治污负担,降低挤占创新资金投入的潜在风险。
(2)以技术创新提质增效为目标,注重培养数字化发展软、硬实力。人才是第一资源,要多主体、多途径共同发力,提高数字化素养。同时,以国家战略需求为导向,着力提升基础硬件、核心电子元器件、关键基础材料和智能制造装备的供给水平,并持续丰富、拓展和创新数字化应用的服务内容与质量,积极培育垂直行业应用场景,依靠技术进步突破技术锁定桎梏。
(3)倡导地方政府构建跨区域高效协同合作网络,破除辖区局限性。加快全国统一大市场建设,促进创新要素有序流动和合理配置,推动各地技术交易市场互联互通。完善科技资源共享服务体系,鼓励不同区域之间的科技信息交流互动,推动重大科研基础设施和仪器设备开放共享,加大科研领域合作力度。地方政府制定环境规制政策时应避免政策过紧而引致污染产业转移等“以邻为壑”的短视行为,积极寻求地区间环境资源与生态保护双赢的“以邻为伴”之道。
[1] PORTER M E. America's green strategy[J]. Scientific American, 1991, 264(4): 193-246.
[2] 陈宇科, 刘蓝天, 董景荣. 环境规制工具、区域差异与企业绿色技术创新——基于系统GMM和动态门槛的中国省级数据分析[J]. 科研管理, 2022, 43(4): 111-118.
[3] 杨武,孙世强.关键核心专利与技术锁定耦合驱动研究[J].情报杂志,2023,42(3):102-109,166.
[4] 余泳泽, 林彬彬. 偏向性减排目标约束与技术创新——“中国式波特假说”的检验[J]. 数量经济技术经济研究, 2022,39 (11): 113-135.
[5] 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.
[6] FREEMAN C, LOUCA F. As time goes by: from the industrial revolutions to the information revolution[J]. Academy of Management Review, 2001, 27(2):306-311.
[7] PEREZ C. Structural change and assimilation of new technologies in the economic and social systems[J]. Futures, 1983, 15(5):357-375.
[8] 程文. 人工智能、索洛悖论与高质量发展:通用目的技术扩散的视角[J]. 经济研究, 2021, 56(10): 22-38.
[9] ARTHUR W B. Competing technologies, increasing returns, and lock-in by historical events[J]. The Economic Journal, 1989, 99(394): 116-131.
[10] 邓峰,王一飞.技术锁定对创新绩效的影响:创新模式的调节作用[J].科技进步与对策,2022,39(14):1-11.
[11] PAUL R. New goods, old theory, and the welfare costs of trade restrictions[J]. Journal of Development Economics, 1994, 43(1): 5-38.
[12] GOLLOP F M, ROBERTS M J. Environmental regulations and productivity growth: the case of fossil-fueled electric power generation[J]. Journal of Political Economy, 1983, 91(4):654-674.
[13] SCHMIDT T S, BATTKE B, GROSSPIETSCH D, et al. Do deployment policies pick technologies by (not) picking applications——a simulation of investment decisions in technologies with multiple applications[J]. Research Policy, 2016, 45(10): 1965-1983.
[14] LIYUN L,ZHENZHI Z,MINGMING Z,et al. The effects of environmental regulation on outward foreign direct investment′s reverse green technology spillover: crowding out or facilitation[J]. Journal of Cleaner Production,2021,284(1):1-12.
[15] HICKS J R. The theory of wages[M]. London: MacMillan,1932.
[16] CECERE G,CORROCHER N,GOSSART C,et al. Lock-in and path dependence: an evolutionary approach to eco-innovations[J]. Journal of Evolutionary Economics, 2014, 24(5): 1037-1065.
[17] SPENCE M. Job market signaling[J]. Uncertainty in Economics, 1978, 87(3): 281, 283-306.
[18] 李珒.环境政策执行偏差的破解——基于信号传递理论的解释[J].中国人口·资源与环境,2020,30(12):147-154.
[19] LEOPOLD P, ANDRE C S. How can current German and EU policies be improved to enhance the reduction of CO2 emissions of road transport? Revising policies on electric vehicles informed by stakeholder and technical assessments[J]. Energy Policy, 2022, 168(1):1-10.
[20] CHEN W. Can low-carbon development force enterprises to make digital transformation[J]. Business Strategy and the Environment, 2023,32(4):1292-1307.
[21] HANSEN B E. Threshold effects in non-dynamic panels: estimation, testing, and inference[J]. Journal of Econometrics, 1999, 93(2): 345-368.
[22] DAVID P A. The dynamo and the computer: an historical perspective on the modern productivity paradox[J]. The American Economic Review, 1990, 80(2):355-361.