環境規制與企業創新：基于對千家企業節能行動的分析

張艷云，黃 濤

(北京大學 光華管理學院， 北京 100871)

一、政策背景

從1980 年至2002年，中國經歷了萬元GDP(國內生產總值)能耗年均降低5%的過程。而從2002年至2005年，能耗與GDP增長關系的歷史趨勢出現了巨大的逆轉，萬元GDP能耗在此階段年均增長3.8%[1]。為扭轉這一局面，中國政府于2005年提出了一個宏大的目標：到2010年底能耗強度(單位GDP耗能量)要下降20%。為實現這一目標，中國政府在“十一五”期間實施了許多能效項目，其中最為關鍵的項目之一就是千家企業節能行動，該行動需在“十一五”期間實現1億噸標準煤的節能量。入選的“千家”工業企業均為節能大戶，以2004年為例，它們的能耗量分別占全國總能耗量和工業能耗總量的33%和47%。每家節能企業的節能目標設定主要取決于該企業能耗在所有被管制能耗企業中的占比，并根據企業的節能技術進步潛力微調[2]。根據官方統計，“十一五”期間，納入千家企業節能行動考核的881家企業共實現節能量1.65億噸標準煤，超額65%完成節能1億噸的目標[3]。除了國家層面和省級層面頒布的相關政策和提出的要求，企業層面實現既定節能目標的手段之一就是技術更新和改造[4]。但是由于企業數據的保密性，企業真實的節能手段采用情況并未公布，這使得節能目標的實現無據可查。作為實現節能目標的重要途徑，工業企業的技術改造和創新是我們關心的重點。因此，本文試圖利用政策已有的公開信息，探尋千家企業節能行動政策下企業是否真正在技術創新上有所突破。

二、文獻回顧

環境改善和企業創新是維持社會環境和企業可持續發展的兩個重要手段，但是以改善自然環境為初衷的環境政策對企業技術開發的影響往往是不確定的。雖然根據發揮作用的主體性角度和政策工具的強弱性特征相結合的標準，環境政策被大致劃分為三大類型：命令—控制型、市場激勵型和自愿行動型[5]，但是基于中國目前的政策施行情況，最能發揮作用的一直是命令—控制類型?，F有理論關于命令—控制政策對企業創新能力的作用的爭論主要有兩類觀點：一類學者認為強制性的政策增加了企業成本，占用了企業用于提升經濟績效(例如開發新產品和開拓新市場)的資源，從而降低了企業的競爭力[6]；另一類學者則主張“波特假說”(Porter’s Hypothesis)，認為適當的環境規制能激發企業的創新潛能，實現環境績效與經濟績效的“雙贏”[7-8]。

除了理論上的爭論，環境規制對企業創新不同方向的影響亦有實證檢驗。趙紅使用中國30個省市工業企業1996—2004年的面板數據，實證分析了環境規制對于企業技術創新的影響，結果顯示，環境規制對滯后1期或2期的R&D投人強度以及專利申請數量有顯著的正效應，環境規制強度每提高1%，二者分別增加0.12%和0.30%[9]，表明環境規制在中長期對中國企業技術創新有一定的促進作用。蔣伏心等運用2004—2011年江蘇省28個制造業行業面板數據，采用兩步GMM法實證分析了環境規制對技術創新的直接效應和間接效應，結果表明，環境規制與企業技術創新之間呈現先下降后提升的U型動態特征，隨著環境規制強度由弱變強，影響效應由抵消效應轉變為補償效應[10]。同樣是對環境規制強度和企業生產技術進步之間關系的研究，張成等指出這一影響在不同地區呈現的效果不同，在東部和中部地區，初始較弱的環境規制強度確實削弱了企業的生產技術進步率，然而隨著環境規制強度的增加，企業的生產技術進步率逐步提高，即環境規制強度和企業生產技術進步之間呈現U型關系；在西部地區，受到環境規制形式的影響，環境規制強度和企業的生產技術進步之間尚未形成在統計意義上顯著的U型關系[11]。

現有文獻對環境規制的測量大多基于政策的經濟指標，均存在一定程度的不足[11]。千家企業節能行動作為“十一五”期間重要的能源環境政策，為控制—命令型環境規制與企業創新關系的研究提供了“擬自然實驗”的機會[12]。借鑒申萌等[12]的研究方法，本文嘗試對此進行實證檢驗，并從以下3個方面避免相關研究中的偏誤問題：第一，通過雙重差分法觀察政策的平均處理效應(average treatment effect)，不需要直接觀察治污成本，避免治污成本指標的選擇問題；第二，通過傾向得分匹配搜尋與政策實施企業相似的對照組企業，有效規避企業異質性問題；第三，《千家企業節能行動實施方案》明確指出，原則上5年內不對千家企業名單作大的調整，規避選擇性偏誤問題。

三、實證方法

(一)傾向得分匹配—雙重差分法

本文利用雙重差分法(difference-in-difference，DID)和傾向得分匹配(propensity score matching,PSM)相結合的方法考察千家企業節能行動對企業創新的影響。雙重差分法是研究政策效應的常用方法，在理論上，當政策目標企業是隨機產生時，通過雙重差分法比較政策組和對照組在政策實施前后創新績效的變化差，可以得到政策效果，即創新績效的平均處理效應，具體表達為：

ΔEDID=E(yi1-yi0′)-E(yi0-yi0′)

(1)

其中：yi1表示受政策處理后企業i的創新績效，yi0表示假設企業未受政策處理的創新績效，yi0′表示政策實施前的創新績效。對于所有政策組企業，yi0是無法觀測的。如果政策組企業是隨機選擇的，對照組企業的創新績效yj0可近似代理yi0。此時，平均處理效應可通過OLS回歸獲得：

yit=α0+α1·Treati+α2·Timet+β·(Treati·Timet)+γ·Xit+εit

(2)

其中：yit表示企業i在年份t的創新績效，Treati表示企業i是否屬于政策組的0-1變量(取值為1表示屬于政策組)，Timet表示年份t處于政策實施前或者后的時間虛擬變量(取值為1表示屬于政策后)，Xit表示其他控制變量，系數β為平均處理效應ΔEDID。

上述分析方法適用于隨機產生的政策組企業，但是千家企業節能行動中選出的企業不滿足此條件[12]，千家企業均為精心選擇的特定行業的重點耗能企業。當政策組企業并非隨機選擇時，由于各組企業存在不同特征，雙重差分法將產生選擇性偏誤。因此，本文利用傾向得分匹配解決該問題[13]。為給政策組找到合適的對照組企業，本文選擇了與政策組企業所在二位數工業行業代碼相同的具有創新行為的企業，以降低其他行業政策的干擾。同時，為避免選擇性偏誤，需要找到一組可行協變量Z，滿足式(3)：

E(yi0-yi0′|Treat=1,P(Z))=E(yj0-yj0′|Treat=0,P(Z))

(3)

其中，P(Z)表示企業在政策實施前被歸于政策組的傾向得分，這一得分來源于將“是否屬于政策組”虛擬變量對企業基期的協變量進行Probit回歸獲得，得到傾向得分之后需進行平衡假設檢驗，目的是說明在政策組和對照組之間是否不再具有顯著差異。在實際操作中，由于傾向得分是連續分布，很難找到兩個企業具有完全相同的傾向得分[12]。為解決這一問題，本文使用了半徑匹配(本文設定半徑值為0.05)和核匹配兩個方法以保證回歸結果的穩健。

(二)數據處理和變量說明

千家企業節能行動是相關部門于2006年開始實施的，針對鋼鐵、石油石化、電力、化工等九大行業中2004年企業綜合能源消費量達18萬噸標準煤以上的1 008家重點企業的節能政策，由于兼停并轉等原因，2007—2010年政策中實際參與評估的企業數目分別為998、959、925和905家。本文使用的數據為《中國工業企業數據庫》近幾年更新的數據，并經歷了繁復的數據清理過程。首先，本文根據千家企業的代碼和名稱與工業企業數據庫進行匹配；其次，如果代碼和名稱均未匹配到，再根據企業的其他唯一性信息進行匹配，例如電話、公司網址等。最終由工業企業數據庫匹配到的企業數目為430家。為了獲取企業的創新數據，本文以這430家企業為基礎，利用Python 3.4軟件，在國家知識產權局專利檢索系統爬取相應企業的專利數據，其中能檢索到的企業數目為255家，但是由于大量企業在“十一五”期間不存在專利數據而被刪除，最終得到的企業數目為122家。根據雙重差分法，本文需觀察政策執行前后企業創新績效的變化，另外，由于節能行動的政策實施時間為 2006—2010年，千家企業名單公布時間為2004年，而且Price等[14]認為該行動到2007年已顯出效果，因此本文的基準研究期限為2004—2007年。

表1報告了 2004年和 2007年政策組和對照組的主要變量的分布情況。各變量的定義如下：(1)考慮到環境政策對企業創新績效的影響存在滯后效應，本文使用企業未來3年的專利申請數目之和作為企業當年的創新績效(例如2004年的創新績效為2004—2006年的專利申請數目之和)。(2)固定資產利潤率(FixPftRatio)：用于反映企業的盈利能力，根據公式“總利潤/固定資產合計”獲得。(3)流動比率(CurRatio)：反映企業短期償債能力，根據公式“流動資產/流動債務”計算。(4)單位債務收益率(StkLiabRatio)：表示企業的長期償債能力，根據公式“所有者權益/總債務”獲取。(5)企業規模(Size)：用數據庫提供的“全部從業人員年平均數”表示。(6)企業隸屬關系(affiliation)：為0-1虛擬變量，其中取值為1表示該企業隸屬于中央。

表1 關鍵變量均值與組間差異

注：報告數據為主要變量的均值，括號內為標準差，*、**和 ***分別表示在10%、5%和1%水平上顯著

四、實證分析

(一)PSM方法的結果

表2 Probit模型回歸結果

注：報告數據為2004年的匹配結果，括號內為標準誤，*、**和***分別表示在10%、5%和1%水平上顯著

在表2中，模型1匯報了Probit模型回歸的結果，模型2和模型3分別對應半徑值為0.05的半徑匹配和核匹配的“加權Probit”回歸結果。相比于匹配前的模型1，匹配之后的R2在另外兩個模型中均大幅度下降，說明匹配后的模型在整體上已不能解釋組間差異，匹配方法可行。

表3是匹配之后的平衡性檢驗結果，結果表明半徑匹配和核匹配均平衡了原有的組間差異，即兩種匹配方法都較好地通過了平衡性檢驗。

(二)DID方法的結果

表4報告了平均處理效應，其中可以看到匹配前政策組企業相比對照組企業在2004—2007年專利申請數目增長了26.99%，但是因為選擇偏差的存在，匹配前的結果不能反映政策的效果。匹配后的平均處理效應都顯著為正，且系數明顯大于匹配前的數據，這表明匹配前的平均處理效應偏低。另外，半徑匹配的平均處理效應為63.71%，核匹配的平均處理效應為59.46%，說明千家企業節能行動這項政策使得政策組企業的創新能力在2004—2007年得到了60%左右的提升。

表3 平衡性檢驗結果

注：括號內為t值，*、**和***分別表示在10%、5%和1%水平上顯著

表4 雙重差分法回歸結果

注：括號內為標準誤，*、**和 ***分別表示在10%、5%和1%水平上顯著

表5顯示了分地區(東部、中部和西部)匹配之后的平均處理效應，可以看出，政策對企業專利申請數目的影響具有明顯的地區差異，其中，隨著時間的推移，中部地區企業的創新能力也出現了顯著的提升，但是政策和時間交叉系數的符號為負，且沒有顯示出統計意義上的顯著性。另外，政策對東部和西部地區企業的創新能力均具有顯著正向影響，但是相比于西部，東部企業受益更大。從綜合半徑匹配和核匹配的結果來看，在2004年到2007年，千家企業節能行動這項政策對東部企業創新能力的提升比西部企業大約高出20%。

表5 不同地區雙重差分法回歸結果

注：括號內為標準誤，*、**和***分別表示在10%、5%和1%水平上顯著

五、結論與討論

千家企業節能行動是“十一五”期間最為關鍵的節能項目之一，涵蓋了鋼鐵、石油石化、電力、化工、建材、紡織等九大重點耗能行業，該行動不僅超額完成了既定的節能目標，而且在促進企業的技術創新上也取得了顯著的效果，對以后的節能行動也有很好的啟發和助益，這在近年來的實踐中得到了充分的證實。本文結合傾向得分匹配和雙重差分法，減弱了政策企業選擇的非隨機性帶來的選擇偏誤，在此基礎上研究了這項節能政策對規制企業創新績效的影響。在對數據進行匹配之前，單純的雙重差分法顯示政策組企業的專利申請數目相比非政策企業平均增加26.99%，但是在匹配之后，平均處理效應高達60%左右，說明組間特征的差異抵消了30%～40%專利申請數目的增加。顯著正向的政策效應表明千家企業節能行動不僅沒有增加企業節能減排的成本，還促進了企業技術的創新，說明政策企業將這項節能行動視為敦促自身進行技術改造和更新的契機，也進一步證實了適當的環境政策可以實現節能績效與企業效率的“雙贏”。但是，這項政策對企業創新能力的提升只對東部和西部企業作用明顯，對中部地區企業影響不明顯，不過中部地區企業的創新能力在時間上是出現了顯著提升的，這一點值得我們進一步思考和探索政策是否抑制了中部企業創新能力的提升。千家企業節能行動雖然獲得了節能績效上的成功，但是從可持續性角度來講，節能政策的真正成功是要讓企業逐步具備節能自主性，而這一自主性離不開企業創新能力環境的培養。