環境規制與綠色創新效率的空間異質效應
——基于長江經濟帶工業企業數據

劉明玉，袁寶龍（博士）

一、引言

改革開放以來，我國經濟快速增長的奇跡令世界矚目，與此同時，也付出了巨大的資源與環境成本，2015年北方大部分地區被霧霾籠罩就是例證。高投入、高消耗的經濟增長模式導致環境承載能力持續下降，環境成本急劇上升，從而引發一系列資源與環境問題。“十三五”規劃明確提出：到2020年全國萬元國內生產總值能耗要比2015年下降15%，能源消費總量要控制在50億噸標準煤以內；全國化學需氧量、氨氮、二氧化硫、氮氧化物排放總量分別控制在2001萬噸、207萬噸、1580萬噸、1574萬噸以內，比2015年分別下降10%、10%、15%和15%；全國揮發性有機物排放總量比2015年下降10%以上。面對嚴峻的資源環境形勢，推動工業綠色轉型、加快轉變經濟發展方式已迫在眉睫。其中，提高綠色發展及工業綠色創新效率是實現轉型的關鍵，而綠色經濟支撐帶是引擎和動力。

長江經濟帶是我國經濟社會發展的重要支撐帶，對于推動我國產業轉型升級和綠色發展具有重要的促進和示范作用，建立“生態文明建設的先行示范帶”是其重要戰略定位。2014年9月，國務院印發的《關于依托黃金水道推動長江經濟帶發展的指導意見》（國發［2014］39號）中明確提出“打造沿江綠色能源產業帶”“建設綠色生態廊道”的思路。然而，長江經濟帶工業發展面臨嚴峻的資源與環境約束問題。以水資源為例進行如下說明：其一，長江經濟帶水資源利用效率低下問題較為突出，萬元工業增加值用水量約為發達國家的2～5倍，工業用水重復利用率卻不足45%。農業灌溉水有效利用系數為0.45，遠落后于發達國家的水平（0.7～0.8），而且沿江高耗水行業規模較大，加劇了長江經濟帶水資源的供需矛盾。其二，長江經濟帶沿江以高排放和高污染的重化工業布局為主，導致水質結構性污染較為嚴重，2015年上半年COD排放量達418.56萬噸，約占全國的36.8%。重慶、岳陽、武漢、南京、鎮江、上海六市累計形成了600千米的岸邊污染帶，約占長江干流污染帶總長的73%，對長江經濟帶水生態環境造成了嚴重損害。因此，推動長江經濟帶工業綠色轉型、加快轉變經濟發展方式已迫在眉睫，而如何提高工業綠色創新效率對促進長江經濟帶工業綠色轉型具有重要的實踐價值。

基于此，本文試圖回答以下問題：當前長江經濟帶工業綠色創新效率究竟處于何種水平？不同的環境規制工具對長江經濟帶工業綠色創新效率的影響有何不同？環境規制與工業綠色創新效率之間是否存現顯著的空間差異？針對這些問題，本文利用2000～2014年長江經濟帶11個省市的工業面板數據，運用兩階段網絡SBM-DEA模型對長江經濟帶工業綠色創新效率及其階段效率進行測算，并采用空間計量模型檢驗不同類型環境規制對長江經濟帶綠色創新效率的空間異質效應。這一研究有助于為長江經濟帶依靠環境規制促進工業綠色創新、實現長江經濟帶工業綠色轉型升級提供有益的政策指導。

二、相關文獻述評

（一）綠色創新效率測算

環境保護與綠色技術創新作為轉變經濟發展方式的重要戰略，兩者之間的關系一直是研究的熱點問題[1][2][3][4][5]。綠色創新效率衡量的是最優技術結構下可能的最優產出，綠色創新效率可通過增加“好產出”和減少“壞產出”來推動綠色發展，因此綠色創新效率的科學測度對探析工業綠色發展水平的差異及演化特征至關重要。目前，相關文獻對綠色創新效率的測度主要基于非參數的數據包絡分析（DEA）模型。比較具有代表性的有：周力[6]基于DEAMalmquist指數方法測度了我國省級的綠色創新指數，研究發現我國綠色創新水平整體上呈現由西至東依次遞減的趨勢；韓晶[7]運用考慮非期望產出的BCC模型來測算我國區域綠色創新效率，研究發現各地區綠色創新效率呈現出較大的差異性，綠色創新效率排名前五位的地區都聚集在東部沿海地區，綠色創新效率后五位地區都位于中西部欠發達地區；錢麗等[8]基于共同前沿理論和DEA模型對2003～2010年各省份企業綠色科技研發、成果轉化效率及區域間的技術差距進行測度，并對無效率值進行分解，研究發現考察期內我國企業綠色創新效率偏低，并且呈現下降趨勢；王惠等[9]基于2006～2012年我國省級面板數據，運用Super-SBM模型測度環境約束下高技術產業綠色創新效率。

然而，上述文獻在運用DEA方法對產業或區域綠色創新效率進行研究時，直接將綠色創新過程看作一個投入——產出的“黑箱”，而忽略了系統內部過程和階段特征[10]。傳統DEA方法測度綠色創新效率時，一方面沒有考慮從投入到產出的中間環節和過程，無法準確反映工業綠色創新效率的實際情況；另一方面無法得知系統內部各個子階段相對效率及各階段對整體效率的影響，大大降低了工業綠色創新效率分析的現實指導意義。

基于此，網絡DEA方法則是多階段決策單元績效評價的一種有效分析手段，可對系統內部和階段特征進行科學評價。Fare、Grosskopf[11]提出了徑向網絡DEA方法，Tone、Tsutsui[12]則構建了考慮松弛量的非徑向網絡SBM-DEA模型，之后被廣泛應用于綠色創新效率測算。何楓[13]將非期望產出納入網絡SBM-DEA模型，對我國鋼鐵企業的綠色創新效率進行測度，鋼鐵企業整體以及鐵前和鐵后工序階段的綠色技術效率均呈現倒U型曲線特征。吳美琴等[14]基于創新價值鏈視角，將能源與環境因素納入研究框架，運用網絡SBM模型對2009～2013年我國綠色創新效率進行測度與分析，研究發現綠色創新效率整體水平不高，西部地區表現最為不佳。不過，目前運用網絡SBM-DEA模型對長江經濟帶工業綠色創新效率進行測度的文獻很少，僅有汪克亮[15]測度了基于環境壓力的長江經濟帶工業生態效率，但該文獻沒有涉及綠色創新效率，也未打開綠色創新過程的“黑箱”，相關研究值得拓展。

（二）環境規制與綠色創新

環境規制是我國環境管理正式制度的重要一環，合理的環境規制設計有利于促進提高綠色創新水平及推動工業發展方式轉變[16]。目前，大量文獻探討了環境規制與綠色技術創新的線性或非線性關系。如李玲、陶鋒[17]基于面板數據模型對環境規制與綠色全要素生產率的關系進行檢驗，力圖從促進生產率的角度找出不同產業最優環境規制強度的拐點；蔣伏心等[5]研究表明環境規制與綠色技術創新之間呈現先下降后上升的“U”型動態關系，隨著環境規制強度的加大，“抵消效應”將轉變為“補償效應”。但上述文獻沒有將環境規制類型進行有效區分，因而無法探究不同類型環境規制對綠色技術創新效率的異質效應。

（三）環境規制的分類研究

目前有不少文獻對環境規制類型進行了分類研究。許士春、何正霞[18]通過對不同環境規制的比較分析發現，排污稅率和排污許可價格與企業綠色技術創新的激勵程度都呈正相關關系；張江雪等[19]運用面板數據模型測算了行政型、市場型和公眾參與型三種類型的環境規制對工業綠色增長指數的影響，研究表明行政型和市場型環境規制對工業綠色增長有顯著作用，但公眾參與型環境規制對工業綠色增長的作用有限；彭星、李斌[20]研究了不同類型環境規制對不同地區工業綠色創新的影響效應，研究表明不同類型環境規制對工業綠色轉型的影響存在異質性，命令控制型環境規制的非線性影響效應并不存在，但經濟激勵型環境規制與自愿意識型環境規制的增強，可明顯提高綠色技術創新水平及促進工業綠色轉型。上述文獻對于研究不同類型環境規制對綠色創新效率的影響具有重要的參考價值，但目前還沒有將研究擴展到具體的區域經濟帶，且沒有考慮空間相關性對估計結果的影響。

綜上可知，目前還沒有文獻探究不同類型環境規制下長江經濟帶工業綠色創新效率的空間異質效應。因此，本文的學術貢獻包括：一是將環境規制與綠色創新效率的研究擴展到長江經濟帶層面，可為長江經濟帶工業綠色發展提供政策指導；二是基于兩階段創新價值鏈將創新過程劃分為技術開發階段和技術商業化階段，運用網絡SBM-DEA模型對長江經濟帶的工業創新水平進行科學測度，有助于揭示創新的過程性特征；三是將環境規制區分為不同類型，并引入空間效應，檢驗不同類型環境規制的空間異質效應，從而為制定差異化的環境規制政策提供理論支撐和實踐指導。

三、基于兩階段網絡SBM-DEA模型的綠色創新效率測度及評價

（一）兩階段網絡SBM-DEA模型

Tone、Tsutsui[12]構建的網絡SBM-DEA模型，用于評價決策單元整體及各組成部門的效率，屬于非徑向效率測算方法，解決了投入產出變量的非同比例變化問題。本文將創新過程劃分為技術開發階段和技術商業化階段，主要運用考慮非期望產出的網絡SBM-DEA模型來測度綠色創新效率。

假設DMUj（j=1，2，…，n）技術開發階段的投入為，技術開發階段的產出即中間鏈接變量為技術商業化階段的中間投入為最終產出為，則技術開發階段的生產可能集為：

技術商業化階段的生產可能集為：

那么考慮非期望產出的非徑向兩階段網絡SBM-DEA模型可定義為：

式中，s-、sg+、sb+分別表示投入、期望產出以及非期望產出的冗余。當ρ=1時，即s-=sg+=sb+時，不存在投入及非期望產出的冗余，也不存在期望產出的不足，此時被評價的決策單元有效；當0＜ρ＜1時，則被評價的單元是低效的，說明投入產出量有待優化。

（二）兩階段創新價值鏈下綠色創新效率指標選取

價值鏈下綠色創新指標的選取與合理量化對于綠色創新效率的衡量至關重要，本文選取2000～2014年長江經濟帶11個省市規模以上工業企業為樣本集。考慮到技術創新過程和階段的產出滯后特點，對綠色技術研發階段的初始投入采用1998～2012年的數據、第一階段的產出（綠色科技成果產出）和第二階段的中間投入采用1999～2013年的數據、最終產出（綠色經濟效益產出）采用2000～2014年的數據。其中，綠色創新活動中兩個階段的滯后期分別為2年和1年[21]。數據來源于相應年份的《中國科技統計年鑒》《中國統計年鑒》《中國能源統計年鑒》以及《中國環境統計年鑒》。模型中涉及初始投入、中間產出、非研發中間投入、期望產出和非期望產出等五個指標。價值鏈視角下投入產出指標界定及處理如下：

技術開發階段是研發創新的第一子階段，投入產出主要從人力、資本角度衡量。本文選取更為客觀的指標——R&D人員全時當量來衡量人力資源投入；在資本投入方面，由于當年的R&D經費內部支出對以后的創新也會產生影響，因此用R&D資本存量衡量資本對創新的影響比較準確。采取朱平芳、朱偉民[22]及黃奇等[23]的做法，運用永續盤存法計算R&D資本存量：

其中：資本折舊率σ=15%；RDit、RDi（t-1）分別表示第i個省份工業企業第t年和第t-1年的R&D資本存量；Kit表示第i個省份第t年工業企業R&D內部經費實際支出，本文以1998年的不變價R&D經費內部支出為基數，用R&D支出價格指數對名義R&D經費內部支出進行平減。基期1998年的R&D資本存量的計算公式為：

在綠色技術商業化階段，選取購買引進改造等費用[8][27]及工業能源消費量[9]作為非研發中間投入。綠色技術商業化階段作為完整的生產過程，科技成果向商業價值轉化并不能自動出現，該過程的順利實施需要資金和能源的再投入。在最終產出方面，選取新產品銷售收入來衡量期望產出。新產品銷售收入能夠較好地反映工業企業創新成果的經濟價值和市場價值，同時利用2000年不變價工業品出廠價格指數平減。另外，基于綠色創新的內涵，選取空氣中工業SO2排放量、工業廢水排放總量和工業煙（粉）塵排放量作為非期望產出變量，并運用熵值法得出環境污染綜合指數[7][27][28]。

圖1 長江經濟帶工業企業綠色技術創新兩階段生產過程

（三）長江經濟帶綠色創新效率綜合評價

本文運用基于規模收益可變（VRS）的包含非期望產出的網絡SBM-DEA模型和Maxdea Pro 6.19軟件對2000～2014年長江經濟帶的綠色創新效率進行測度，并將長江經濟帶區分為上游、中游和下游，綠色創新效率結果如表1所示。研究發現，2000～2014年長江經濟帶綠色創新效率的平均值為0.435，還有較大的提高空間，并且不同區域的綠色創新效率有較大的空間差異性。下游地區的綠色創新效率較高，平均值為0.615，其中：上海的綠色創新效率最高，達0.926，接近綠色創新效率的前沿，這與上海地區擁有發達的綠色創新科技相關；其次是江蘇和浙江，綠色創新效率均在0.5以上；下游地區綠色創新效率值最低的省份是安徽，綠色創新效率值僅為0.324。中游地區的綠色創新效率平均值為0.322，是三個區域中最低的，其中綠色創新效率由高到低排序依次為湖北、湖南和江西，這與三個地區的綠色技術開發及科技轉化水平高低也是一致的。上游地區的綠色創新水平均值為0.339，整體來看似乎比中游地區高，但這主要與重慶的綠色創新效率值較高有關，若除去重慶，其他三個地區的綠色創新效率值均在0.3以下，明顯低于中游地區；綠色創新效率值最低的地區是貴州，綠色創新效率值僅為0.129。綜上，這從一個側面說明了經濟發達程度與工業企業技術創新效率水平之間呈正相關關系。下游地區的經濟發展水平、技術水平、生產管理水平較高，技術創新的“硬件”和“軟件”明顯優于上、中游地區，技術創新研發和轉化處于領先地位，因此綠色技術創新效率較高。而長江經濟帶上游地區承接了大量“高能耗、高污染”工業企業的轉移任務，其在帶來經濟增長的同時，也對技術創新的資源與環境效應造成了負面影響，不利于綠色創新效率的提高。

表1 2000～2014年長江經濟帶及上、中、下游 兩階段綠色創新效率

根據兩個子階段的綠色創新效率估計結果發現，長江經濟帶技術開發階段的效率值低于技術商業化階段的效率值，下游地區也具有類似的特征，不過中游和上游地區的技術商業化階段效率值明顯低于技術開發階段效率值。從技術開發階段的效率值看，下游地區高于上游地區，最低的是中游地區；上海的技術開發效率值最高，其次是浙江和重慶，最低的是貴州。從技術商業化階段的效率值看，三個區域的排名沒有改變，上海的技術商業化效率值達到技術前沿標準，重慶的技術商業化效率值超過浙江，效率值最低的依然是貴州。

針對不同省市在技術開發階段和技術商業化階段的效率表現，分別以技術開發階段、技術商業化階段效率的均值為界線，將長江經濟帶九省二市劃分為四類。圖2顯示，11個省市中落在C區域的屬于兩階段效率值相對較高的上海、重慶和浙江三個地區，特別是上海達到了技術前沿標準，這三個城市均達到了技術開發有效和技術商業轉化有效，屬于高效集約型創新。位于B區域（高技術開發效率、低商業化效率）的只有湖南。落在D區域（低技術開發效率、高商業化效率）的只有江蘇一個地區。其他六個城市均落在A區域，包括貴州、江西、云南、四川、安徽和湖北，該區域的技術開發效率和商業化效率都低于均值，這類地區屬于粗放型低效率技術創新。可見，從價值鏈視角看，長江經濟帶大部分地區的綠色創新效率都處于低效率狀態，技術開發效率和商業化效率都有進一步提高的空間。而且，無論是整體效率還是子階段效率，綠色創新效率都表現出明顯的空間差異性。

四、研究設計

（一）計量模型設定

環境規制作為我國環境管理正式制度的重要一環，合理的環境規制設計有利于促進綠色創新水平提高及推動工業發展方式轉變，但不同類型環境規制的影響效應存在較大差異。同時，長江經濟帶的綠色創新效率有明顯的空間異質性，因此本文將空間效應納入計量模型，檢驗不同類型環境規制對長江經濟帶綠色創新效率的空間異質效應。本文設定空間計量模型如下：

空間面板SAR模型：

其中，εit～N（0，）。

空間面板SEM模型：

其中，ξit～N（0，）。

圖2 2000～2014年長江經濟帶兩階段綠色創新效率矩陣

上述模型中，空間面板SAR模型反映空間依賴性來源于相鄰地區的綠色創新程度。ρ是空間自相關系數，W為空間權重矩陣。GIEit為綠色創新效率，ERit為環境規制，本文將環境規制區分為命令控制型、經濟激勵型與自愿意識型三種。本文還加入用于檢驗不同類型環境規制與綠色創新效率之間的非線性關系。Xit為控制變量，用于控制其他因素對綠色創新效率的影響效應。μi為個體效應，εit為隨機擾動項。空間面板SEM模型反映空間依賴性是由相鄰區域的誤差沖擊對該地區綠色創新效率的影響所產生的，λ為空間誤差系數，其他變量與SAR模型具有相同的定義。

（二）變量選取

本文以長江經濟帶11個省市為研究對象，運用2000～2014年的面板數據進行計量檢驗。被解釋變量綠色創新效率運用前文計算得到的各地區網絡SBM-DEA效率值來衡量。其他變量選取如下：

1.環境規制。基于我國環境保護政策實踐，總體來看，我國的環境規制體系包括命令控制型、市場激勵型和自愿意識型環境規制三種：命令控制型環境規制主要指利用環境標準、環保立法等強制性政策、法規來約束污染物排放主體的行為；市場激勵型環境規制主要指利用環保補貼、排污權交易、排污費、環境稅等價格工具來激勵污染物排放主體實施節能減排；自愿意識型環境規制主要指公眾、非政府環保組織等參與環境保護，進而影響污染物排放主體的行為。基于三種環境規制工具的內涵和作用機制，結合數據的可獲得性，本文借鑒張江雪等[19]及彭星、李斌[20]關于不同類型環境規制指標的選取方法，用受理環境行政處罰案件數來衡量命令控制型環境規制，反映出我國環境保護的立法高度和執法力度；用單位GDP排污費收入衡量市場激勵型環境規制，反映出政府部門利用價格和費用等市場化手段來治理污染的強度；用環境信訪量衡量自愿意識型環境規制，反映出企業對節約資源和保護環境的承諾或行動的參與度。

2.控制變量。經濟規模RP用各地區GDP來衡量，并用2000年的CPI指數進行平減；產業結構IS用第三產業增加值占GDP的比重來衡量；科技創新水平RD用各地區R&D經費內部支出占GDP的比重來衡量；對外開放水平OP用各地區對外貿易進出口總額占GDP的比重表示；政府干預GV用各地區財政支出占GDP的比重表示；能源結構ES用天然氣消費量占能源消費總量的比重來衡量，表示相對清潔能源的使用程度。

3.空間權重矩陣。空間權重矩陣的選擇與計算至關重要，常見的空間權重矩陣主要是空間鄰接矩陣、地理距離矩陣及經濟距離矩陣。考慮到長江經濟帶屬于區域帶，設定空間鄰接矩陣并不能反映地區間的直接聯系，而且單獨的地理距離或經濟距離并不能全面反映空間相關關系，因此本文構建空間混合矩陣來進行空間計量估計。空間混合矩陣綜合地理和經濟因素，若兩個地區地理相近且經濟差距小，那么其交互影響較大。本文設定空間混合矩陣WMIX為地理權重矩陣和經濟權重矩陣的乘積，即WMIX=WD×WE，其中：地理距離WD和經濟距離WE分別用各省省會城市之間的距離和人均GDP距離的倒數來衡量。

五、不同類型環境規制的空間異質效應檢驗

（一）空間相關性檢驗

空間計量的前提是變量之間存在空間相關關系，而Moran's I指數是判定空間相關性最主要的指標，計算公式如下：

（二）空間異質效應估計結果及討論

本文以LM檢驗判斷SAR模型或SEM模型的優劣性。表3的估計結果顯示，被解釋變量為整體效率和技術商業化階段效率的模型中LM-lag統計量比LM-err統計量更顯著，表明這些估計中SAR模型更合適，而被解釋變量為技術開發階段效率的估計中LM-err統計量比LM-lag統計量更顯著，表明該估計更適用SEM模型。此外，觀察面板Moran's I指數發現，所有模型中的Moran's I指數均顯著為正，表明空間相關性存在，空間模型設定合理，這與截面Moran's I指數的結論是一致的，并且與ρ/λ的系數均顯著為正相一致。

表2 2000～2014年長江經濟帶綠色創新效率 的Moran's I指數

從環境規制對長江經濟帶綠色創新整體效率的空間估計結果來看，不同類型環境規制的影響效應存在差異。命令控制型環境規制LnERC對綠色創新效率的影響系數為正但不顯著，其平方項LnERC2的系數也不顯著，表明命令控制型環境規制對綠色創新效率的促進作用不明顯，并且與綠色創新效率之間的非線性關系不存在；市場激勵型環境規制ERS對綠色創新效率有顯著的正向促進作用，其平方項ERS2的系數為負且不顯著，表明市場激勵型環境規制有利于提高綠色創新效率，但兩者之間不存在直接的非線性關系；自愿意識型環境規制LnERK對綠色創新效率的影響系數顯著為負，并且其平方項LnERK2的系數顯著為正，表明自愿意識型環境規制與綠色創新效率存在非線性的“U”型關系，只有當自愿意識型環境規制越過拐點值時才能對綠色創新效率有明顯的促進作用。

通常來說，環境規制對綠色技術創新既有正面的“補償效應”，又有負面的“抵消效應”。一方面，環境規制導致的成本增加有利于刺激企業改進生產工藝或提高治污能力，同時政府的綠色補貼政策也將為企業提供綠色創新資金的支持，最終可減少或抵消環境規制給企業增加的環境成本，稱之為“創新補償效應”。另一方面，環境規制也會給企業綠色創新帶來負面效應，如環境規制帶來的污染治理成本提高將對企業的研發投入資金產生擠出效應，導致企業綠色創新資金減少，不利于企業進行綠色技術創新，稱之為“創新抵消效應”。當環境規制增強并且未越過拐點值時，“創新抵消效應”占據主導地位，“創新補償效應”較小，環境規制對綠色研發投入有擠出效應，不利于提高綠色創新效率；不過當環境規制越過拐點值時，“創新補償效應”增大并超過“創新抵消效應”，此時環境規制通過刺激企業改進生產工藝，有利于提高綠色創新效率，因此環境規制與綠色創新效率之間將表現出“U”型關系。不同類型環境規制對綠色創新效率存在差異性影響的原因在于：命令控制型環境規制的“技術強制性”導致企業沒有選擇綠色創新技術的權利，表現為對綠色創新效率沒有促進作用；市場激勵型環境規制則考慮了企業的減排成本，運用市場力量鼓勵企業充分配置資源，賦予企業選擇綠色創新技術的權利，表現為對綠色創新效率持續的促進作用；自愿意識型環境規制對企業無約束力，但可引導企業發揮自身節能減排的主觀能動性，不過鑒于目前企業和居民的環保意識比較淡薄，只有越過一定的拐點值后才能顯著促進綠色創新效率，因此兩者之間表現出先下降后上升的趨勢。對長江經濟帶而言，下游地區市場激勵型環境規制與自愿意識型環境規制較強，因此其綠色創新效率也較高；而中、上游地區以命令控制型環境規制為主，綠色創新效率的提高受到明顯的抑制。

從環境規制對長江經濟帶綠色創新階段效率的空間估計結果來看，命令控制型環境規制對技術開發階段與技術商業化階段綠色創新效率的促進作用均不明顯；市場激勵型環境規制對技術開發階段綠色創新效率具有持續的正向影響，而與技術商業化階段的創新效率之間呈現出先下降后上升的“U”型關系；自愿意識型環境規制與技術開發階段和技術商業化階段綠色創新效率之間均表現為先下降后上升的“U”型關系。相對而言，市場激勵型環境規制對技術開發階段綠色創新效率的促進效果更為明顯，即通過刺激企業綠色創新資金投入而使企業獲得更多的專利申請量、新產品開發項目數，研發階段的綠色創新效率必然提高；而技術商業化階段的綠色創新效率還受成果轉化等其他多種因素的影響，若經濟激勵型環境規制未越過拐點值，難以對技術商業化階段的綠色創新效率產生明顯的激勵作用，只有當經濟激勵型環境規制越過拐點值時，累積的激勵作用才明顯有利于提高技術商業化階段的綠色創新效率。從控制變量的估計系數看，經濟規模LnRP對整體綠色創新效率及階段綠色創新效率的影響系數均顯著為負，表明經濟規模的擴張不利于綠色創新效率的提高，這主要與我國粗放型的經濟增長模式有關。在我國現行經濟增長模式下資源能源大量被消耗，綠色創新水平較低。產業結構IS對綠色創新效率的影響效應不顯著，說明盡管我國的第三產業發展迅速，但依然存在總量偏少及結構不合理的問

題，商業餐飲、交通運輸等傳統服務業比重較大，而科技金融等新興行業占比較小，對綠色創新效率貢獻不大。科技創新水平RD對綠色創新效率的促進作用較為顯著，持續的科技創新投入是綠色創新效率提高的重要保證，這與本文的結論也是一致的。對外開放水平OP的系數顯著為正，表明對外開放有利于引進先進的技術設備與管理經驗，有利于提高綠色創新水平。政府干預GV對綠色創新效率具有正向促進作用，這主要與我國綠色創新投資大部分屬于政府投資有關，政府的綠色補貼政策為企業提供綠色創新資金支持，對綠色創新效率的提高具有明顯促進作用。能源結構ES的估計系數不顯著，說明目前我國以煤炭為主的能源結構不利于推動清潔能源的生產與應用，制約著綠色創新效率的提高。

表3 不同類型環境規制對長江經濟帶綠色創新效率的空間效應估計結果

六、研究結論與政策啟示

長江經濟帶是我國經濟發展戰略重地，亦是生態綠色建設的敏感地帶，其經濟與環境的協調顯得尤為重要。依靠環境規制來促進長江經濟帶工業綠色創新效率，是實現其工業綠色發展的重要途徑。本文基于2000～2014年長江經濟帶11個省市的工業面板數據，運用兩階段網絡SBM-DEA模型下的長江經濟帶工業綠色創新效率及其階段效率進行測算，并采用空間計量模型檢驗不同類型環境規制下長江經濟帶工業綠色創新效率的空間異質效應。研究結論主要包括以下三個方面：

其一，2000～2014年長江經濟帶綠色創新效率不高，不同區域的綠色創新效率有較大的空間差異性；下游地區的綠色創新效率最高，并且技術開發階段的效率值低于技術商業化階段的效率值，這與周力[6]、韓晶[7]、吳美琴等[14]研究結論在整體上保持一致，區域綠色創新效率總體上呈東強西弱的特征。與前人研究不一致的是，本文采用的是長江經濟帶工業面板數據，而且進一步區分了長江經濟帶工業技術開發和商業化兩個階段的綠色創新效率，為落實《長江經濟帶創新驅動產業轉型升級方案》、制定針對性的創新政策提供了重要理論支撐。

其二，不同類型環境規制對綠色創新效率的影響效應存在差異。命令控制型環境規制對綠色創新效率的影響不顯著，市場激勵型環境規制對綠色創新效率有顯著的正向促進作用，自愿意識型環境規制與綠色創新效率之間存在非線性的“U”型關系。這與許士春和何正霞[18]、彭星和李斌[20]等的研究結論在整體上一致，表明市場激勵型環境規制對綠色創新具有促進作用，但其他研究并未考察不同類型環境規制的非線性效應，本文為科學判斷當前長江經濟帶不同類型環境規制強度、探尋最優規制強度區間提供了重要經驗證據。

其三，分階段來看，命令控制型環境規制對技術開發階段與技術商業化階段綠色創新效率的促進作用均不明顯；市場激勵型環境規制對技術開發階段的綠色創新效率具有持續的正向影響，而與技術商業化階段的綠色創新效率之間表現出先下降后上升的“U”型關系；自愿意識型環境規制與技術開發階段和技術商業化階段綠色創新效率之間均表現為先下降后上升的“U”型關系。

本文的研究結論對設定合理的環境規制形式以促進長江經濟帶綠色創新效率的提高，進而打造我國綠色經濟支撐帶具有重要的政策啟示。環境質量標準、污染排放限額等命令控制型環境規制具有技術強制性，沒有賦予企業選擇綠色創新技術的權利，不利于激勵綠色技術創新；而環境稅、排污費、環境補貼和排污權交易等經濟激勵型環境規制，通過市場化手段有效配置資源，賦予企業改進生產工藝或提高治污能力的決定權，從而有利于提高綠色創新效率；自愿意識型環境規制缺乏強制約束力，通過激勵企業的主觀能動性來推動節能減排。因此，政府若要實現長江經濟帶的綠色經濟支撐效應，必須充分發揮各種環境規制形式的優勢，實現協同與互補。一是實現環境規制由命令控制型到市場激勵型和自愿意識型的轉變，根據不同類型環境規制的特點取長補短、降低規制成本；二是要針對長江經濟帶上、中、下游的具體情況，因地制宜地選擇不同類型的環境規制。下游地區綠色創新水平較高，可重點運用經濟激勵型環境規制，而上、中游地區綠色創新水平較低，主要是以命令控制型與經濟激勵型環境規制搭配運用；工業污染嚴重且生態環境脆弱的上、中游地帶需運用命令控制型環境規制，工業污染較輕且技術先進的下游地帶應該將市場激勵型與自愿意識型環境規制搭配使用，從而有利于最大限度地激勵企業提高綠色創新效率。