不同環境規制影響技術創新的門檻效應研究
2021-06-06 08:38:00高新偉張增杰
中國石油大學學報(社會科學版) 2021年2期
高新偉 張增杰
摘要：基于2001—2017年中國30個省份的面板數據，利用面板平滑轉換回歸（PSTR）模型驗證了不同環境規制工具與技術創新之間的非線性關系。結果表明：命令-控制型環境規制與技術創新之間為先抑制、后促進的“U”型關系，環境污染治理投資門檻值約14 618萬元;市場激勵型環境規制與技術創新之間的關系為先促進、后抑制的“倒U”型，部分省份的廣義綠色稅收占比大于26.8%的閾值;公眾參與型環境規制對技術創新的影響呈現“N”型，大部分省份公眾參與程度有待提高。因此，政府應根據不同環境規制工具的特點，結合各省份的現實條件，確定適當的環境規制水平。
關鍵詞：環境規制;技術創新;非線性關系;門檻效應;PSTR模型
中圖分類號：F061.5;X321
文獻標識碼：A
文章編號：1673-5595（2021）02-0001-10
一、引言
長期以來，中國傳統的粗放型發展方式雖然帶來了經濟的快速增長，但是也不可避免地造成自然資源的過量消耗和污染物的大量排放。據2018年“全球環境績效指數”顯示，中國在180個國家中綜合得分排名為120位，空氣質量排名倒數第四。另外，根據《2019中國生態環境狀況公報》，337個城市中僅有46.6%的城市達到空氣質量標準。環境污染對公共衛生和經濟發展產生了嚴重的負面影響，也迫使中國政府采取更嚴格的環境治理措施。政府廣泛實施的環境規制政策是實現可持續發展的重要組成部分，[1]是留住“綠水青山”的必要措施。環境規制按照“污染者付費原則”制約企業的污染排放行為，短期內能夠改善環境質量，但要想實現可持續發展目標，必須依靠技術創新水平的提升。
1991年，Porter提出了著名的“波特假說”，認為適當的環境規制將刺激技術革新，從而減少企業成本、提高產品質量，這樣有可能使本國企業在國際市場上獲得更大的競爭優勢。[2]該假說一經提出便受到了廣泛關注。目前學術界關于環境規制對技術創新的影響主要有以下觀點：其一，適當的環境規制有利于促進技術創新。Porter等[3]首先提出適當的環境標準將會刺激創新，從而部分或全部抵消所需成本，實現“創新補償”效應。在環境規制作用異質性方面，黃德春等[4]、張成等[5]以及孫瑞華等[6]分別從企業、行業和地區層面，分析了中國環境規制對技術創新及全要素生產率的促進作用;王鋒正等[7]則認為只有考慮行業規模與科技活動人員投入時，“波特假說”才能發揮作用;Jaffe等[8]和Yuan等[9]基于不同國家和地區的面板數據進行實證研究，結果同樣支持了“波特假說”。其二，環境規制不利于技術創新的進行。新古典經濟學派認為環境規制會給企業造成額外的成本負擔，從而擠占生產、研發和投資資金，不利于企業提高競爭力，即“遵循成本”。強度維度上，Gollop等[10]、Testa等[11]和Kneller等[12]的研究表明命令-控制型和市場激勵型環境規制與企業生產率水平呈負相關，Gray等[13]和Wagner[14]認為環境規制強度與企業創新專利數量呈負相關;時間維度上，葉琴等[15]的研究表明，環境規制的技術創新效應具有滯后性，并不能對當期的技術創新水平產生促進作用，弱“波特假說”成立有時間約束條件;伍格致等[16]的研究結果顯示弱“波特假說”和強“波特假說”均不成立，環境規制既不能提高技術創新水平，也不能提高全要素生產率。
縱觀上述兩種觀點，不難看出環境規制對技術創新的影響大致包括“遵循成本”效應和“創新補償”效應。兩種效應之間的強弱程度決定了環境規制與技術創新之間的非線性關系，李玲等[17]、蔣伏心等[18]和張娟等[19]發現環境規制與企業技術創新之間呈先下降后提升的“U”型動態特征;Wang等[20]的研究則表明二者之間是“倒U”關系。研究方法上，周源等[21]、張海玲等[22]通過在模型中引入環境規制的二次項以及環境規制與其他變量的交互項對“波特假說”進行驗證;沈能[23]、Johnstone等[24]、Xie等[25]和邱士雷等[26]利用面板門檻模型驗證了環境規制與技術創新之間的非線性關系，并且認為這種門檻效應存在空間異質性;除了利用普通門限模型之外，齊紅倩等[27]、陶長琪等[28]以及林秀梅等[29]采用面板平滑轉換回歸（PSTR）模型分析環境規制與技術創新、全要素生產率之間的非線性關系，并且討論了其中的轉換機制。
以往研究大多采用普通門限模型分析環境規制影響技術創新的門檻效應，雖然可以求出閾值，但仍以線性模型為基礎求解，環境規制在閾值附近的轉換具有突變特征，這并不符合現實規律，且大部分研究僅分析了單一類型的環境規制工具，不完全適用于中國當前環境規制多樣性的國情。鑒于此，本文選取2001—2017年中國30個省份的面板數據，構建PSTR模型，驗證環境規制影響技術創新的門檻效應。考慮到環境規制工具的多樣性，分別選取命令-控制型、市場激勵型和公眾參與型環境規制工具，旨在對比不同環境規制工具對技術創新影響的差異性。在變量選擇上，對于市場激勵型環境規制，將具有環保功能的八類稅費同時納入廣義綠色稅收體系，計算廣義綠色稅收強度。
二、理論分析
（一）環境規制對技術創新的抑制作用
由于“遵循成本效應”“投資擠出效應”[18]和“資源配置扭曲效應”[30]，環境規制會對技術創新產生抑制作用。第一，新古典主義范式認為嚴格的環境法規將通過約束企業行為加劇行業競爭，限制生產力，[10]產生“遵循成本效應”。政府施行嚴格的環境規制政策會給企業帶來額外的污染治理成本，使得原本用于生產和研發的資金被擠占，導致短期內技術創新水平下降。第二，根據“投資擠出效應”，污染密集型產業會因為所在地環境規制嚴格而遷移到規制較為寬松的國家或地區，導致遷入地成為“污染天堂”。[31]嚴格的環境政策將會增加企業日常運營和投資成本，為在市場競爭中繼續保持自身優勢，企業往往選擇將污染產業進行轉移，在環境規制較為寬松的地區進行新一輪投資，有些企業甚至會退出市場，最終減少企業在當地的投資和創新投入份額。[20，32]第三，按照環境規制經濟效應中的“資源配置扭曲效應”，由于環境污染具有負外部性，企業將其內部化的過程必然產生大量規制成本，為抵消這種額外成本，企業往往會增加生產要素的投入以獲得更多產出，最終仍然引發污染排放增加，在這種惡性循環中，企業的技術創新水平往往很難得到提升。
（二）環境規制對技術創新的促進作用
在控制污染的同時，由于“創新補償效應”、政府支持[33]和“技術效應”[30]等，環境規制會對技術創新產生促進作用。第一，按Porter等人的“創新補償”理論，雖然企業在將環境污染內部化時會產生大量規制成本，但技術創新所節省的生產成本和帶來的創新收益將會逐步抵消企業進行積極環境行為所產生的規制成本。第二，在環境污染的外部性較小的情況下，政府的支持手段比如稅收優惠、補貼等彌補了企業的環境規制成本，支持了企業的技術創新。第三，源頭以及過程治理通常比末端治理能夠更有效地減少環境污染、節約企業成本。根據環境規制經濟效應中的“技術效應”，企業通過增加生產過程中的環境技術研發投入來實現過程治理，不僅降低了單位產出的污染物排放，還促進了環境技術的研發，提升了企業的技術創新水平。
基于以上分析和現有研究成果，可以看出環境規制對技術創新的影響具有“兩面性”，其作用路徑如圖1所示。
環境規制與技術創新之間的非線性效應是存在的，但是非線性關系的具體形式并不確定。因此，本文通過PSTR模型對非線性關系的具體形式進行驗證。
三、模型設定與變量選擇
（一）PSTR模型
面板平滑轉換回歸模型（Panel Smooth Transition Regression model，簡稱PSTR）由González等[34]在2005年首次提出，源自Hansen[35]構建的面板門檻模型（Panel Threshold Regression model，簡稱PTR）。“平滑轉換”的概念強調任何事物的發展都是連續、漸進的過程，是對PTR模型“門檻突變”概念的升級。在對環境、能源、經濟等問題展開研究時，PSTR模型能夠揭示變量之間的非線性關系，并且獲得閾值（即門檻值）。PSTR模型的一般形式為
yit=ui+β0xit+β1xitg（qit;γ，cj）+φzit+εit（1）
式中：i=1…N為樣本數;t=1…T為時間;yit和xit分別為因變量和自變量;ui為個體固定效應;qit為轉換變量;zit為外生控制變量;εit為隨機擾動項;g（qit;γ，cj）為qit的轉換函數，決定了模型的轉換形式，取值范圍為[0，1]，g（qit;γ，cj）通常用Logistic函數表示為
g（qit;γ，cj）={1+exp[-γ∏mj=1（qit-cj）]}-1
（2）
式中：cj=c（c1…cm）為函數發生轉換的位置參數;γ為斜率參數，決定函數轉換的速度。當m=1時，隨著qit增加，轉換函數g（qit;γ，cj）在位置參數c1附近發生單調轉換，模型的回歸系數從β0轉換為（β0+β1），相應地，g（qit;γ，cj）為兩體制（two-regime）轉換函數，qit
本文參考González等[35]對PSTR模型的估計步驟，首先進行非線性效應檢驗，非線性效應檢驗目的在于確定PSTR模型是否可以用于相應問題的研究，以及機制的轉換是否顯著，對于式（1），原假設為H0：γ=0或者H0：β1=0。定義SSR0為線性固定效應模型的殘差平方和，SSR1為兩體制PSTR模型的殘差平方和，進一步構造拉格朗日乘子檢驗統計量LM、LMF，以及似然比檢驗統計量LRT，利用LM、LMF、LRT即可檢驗模型是否具備非線性特征。
LM=TN（SSR0-SSR1）/SSR0
（3）
LMF=[（SSR0-SSR1）/mK]/{SSR0/[TN-N-m（K+1）]}（4）
LRT=-2[log （SSR0）-log（SSR1）]（5）
在確定模型的非線性特征成立之后，利用固定效應估計和非線性最小二乘法（Nonlinear Least Squares，簡稱NLS），對式（1）中參數（β0，β1，γ，c）進行估計，
首先通過固定效應估計消除個體固定效應的影響，然后利用NLS估計確定參數的數值。
（二）變量定義及數據
1.被解釋變量
國內外學者主要從創新投入[36]、創新產出[37]和創新效率[38]三個角度衡量一個地區的技術創新水平。創新產出代表地區創新活動的產業化和市場化成果，比創新投入更能體現創新活動的有效性，而創新效率則主要衡量投入產出比，其數值體現的是創新活動的集約化程度。本文從創新產出角度考察地區整體技術創新水平。衡量創新產出的指標包括專利數量、新產品銷售收入、新產品項目數等。其中專利數量應用最為廣泛，但是專利申請或者授權數量僅能代表技術創新活動的中間產出或者部分產出，[39]國家或者企業開展技術創新的最終目的是發展生產力、提高效益，而新產品銷售收入則同時包含了企業在工藝流程、產品質量等環節的全部努力。因此，本文選取各地區新產品銷售收入并對數化處理作為衡量技術創新水平的指標，即各地區新產品銷售收入越高，技術創新水平越高。
2.解釋變量
環境規制強度作為本文的解釋變量，其衡量體系尚未統一，[17]本文借鑒Tietenberg的分類方式，將環境規制政策工具分為命令-控制型、市場激勵型、公眾參與型三類。[40]
命令-控制型環境規制是指政府通過制定相關法律、法規、環境標準對企業的環境行為進行干預，進而減少污染物的排放，具有強制性和“一刀切”特點。現有研究主要從以下幾個角度來衡量命令-控制型環境規制：第一，用各種污染指標構建綜合指數;[41]第二，環境污染治理投資，例如工業廢棄物處理設施運行費用;[6]第三，環保機構對企業排污的監督檢查次數、罰款數量等;第四，污染物的排放量;[42]第五，其他外生變量，例如經濟發展水平、人均收入等。以上五種指標均不能表示命令-控制型環境規制的全部特征，考慮到中國企業大多采取末端治理的方式，本文選取第二種測度方法，用各地區環境污染治理投資（即工業廢水、工業廢氣處理設施運行費用）的對數來表示命令-控制型環境規制強度。
市場激勵型環境規制實際上為企業主動減少污染物排放提供了經濟誘因。中國基于市場的環境規制主要包括環境保護稅、環境保護補貼、污染排放許可及其交易等。考慮到中國稅收體系中存在一部分直接或間接引導企業進行環境保護的稅收，本文選取廣義綠色稅收強度來表征市場激勵型環境規制。廣義綠色稅收包括環境保護稅（排污費）、消費稅、車輛購置稅、資源稅、城市維護建設稅、城鎮土地使用稅、車船稅、耕地占用稅。用以上八種廣義綠色稅收的總征收額與地區總稅收的比值來表示市場激勵型環境規制強度。[43]
公眾參與型環境規制作為一種非正式環境規制，是指社會公眾、媒體以及其他社會團體對污染排放企業進行監督從而達到環境保護的目的，具體包括環境信訪、產品環保標簽、環境信息披露等。基于數據可得性和指標相對完善性，本文選取受理信訪和電話網絡投訴案件總數與地區年末人口總數的比值表征公眾參與型環境規制強度。[44]
3.轉換變量
為了考察不同環境規制強度下各地區技術創新水平的變化，本文用滯后一期的環境規制強度作為轉換變量，進行非線性效應檢驗和參數估計。
4.控制變量
本文設置的控制變量包括政府支持、地區發展水平、勞動者素質、產業結構、開放程度、市場化水平，具體見表1。
本文選取2001—2017年中國30個省份（考慮到數據的可獲得性，未包括西藏自治區以及港、澳、臺地區）的面板數據進行實證分析。數據來源于歷年《中國科技統計年鑒》《中國統計年鑒》《中國環境年鑒》《中國環境統計年鑒》《中國稅務年鑒》等。各變量的描述性統計結果見表2。
四、實證結果分析
（一）非線性效應檢驗結果
本文采用Matlab R2016a對PSTR模型進行非線性效應檢驗，包括線性檢驗和剩余非線性檢驗兩部分。線性檢驗用于檢驗假設H0：r=0和H1：r=1，若原假設被拒絕，則證明環境規制與技術創新之間并非單純的線性關系，而是存在至少一個閾值;剩余非線性檢驗用于檢驗假設H0：r=1和H1：r=2，若原假設不能被拒絕，則證明PSTR模型僅存在一個閾值。本文利用LM、LMF、LRT三種統計量進行非線性效應檢驗，檢驗結果見表3和表4。
由表3線性檢驗結果可知，對于命令-控制型、市場激勵型、公眾參與型三種環境規制，原假設均在1%水平下被顯著拒絕，說明PSTR模型至少具有一個閾值，且該模型是適用的。
由表4剩余非線性檢驗結果可知，該模型具有一個閾值的原假設未被拒絕，可以用兩體制PSTR模型估算三種類型的環境規制的技術創新效應。
（二）PSTR模型估計結果
采用非線性最小二乘法（NLS）估計PSTR模型的一系列參數，估計結果見表5。對于三種環境規制，斜率參數γ范圍為1.056～18.397，意味著每種類型的環境規制與技術創新水平之間都會從一種體制連續、平穩地轉換為另一種體制。
1.命令-控制型環境規制
滯后一期命令-控制型環境規制作為轉換變量，模型中轉換函數g（ERit-1;γ，c）為兩體制Logistic轉換函數，存在一個位置參數c=8.165，對應的環境污染治理投資閾值約為14 618萬元，斜率參數γ=1.076，表明高、低兩個體制之間的轉換速度較慢。在低體制區間，環境規制對技術創新的影響系數為負，進入高體制區間后，影響系數變為正，也就是說命令-控制型環境規制對技術創新的影響由抑制作用轉變為促進作用，呈現出“U”型的變化趨勢。環境污染治理投資較少時，環境規制對技術創新的影響為負，超過閾值后，環境污染治理投資的增加會對技術創新產生明顯的正向促進作用。轉換函數如圖2所示。
命令-控制型環境規制具有強制性、“一刀切”的特點，實施過程中并不考慮企業和地區減排能力的異質性。為盡快達到國家規定的排放標準，企業通常會選擇在生產端進行節能減排技術創新或者在末端進行污染治理。當環境規制強度較低時，追求利潤最大化的企業往往不會主動在生產端進行節能減排技術創新，而是將資金投入到末端治理上，例如購置污染治理設施等，這符合中國傳統的治污模式。隨著環境規制強度的提高，傳統的末端治理的邊際成本逐漸增大，超過企業可承受范圍后，企業便會將資金投入到生產端，加大清潔生產和節能減排技術的研發。在這個過程中，重污染行業和粗放型產業將面臨轉型甚至淘汰的壓力，最終推動市場生產效率和環境效率的提升。
由圖2可知，絕大部分樣本都已進入高體制區間，說明中國的命令-控制型環境規制能夠有效促進技術創新。2002年以后，中國的環境規制體系逐步進入戰略轉型階段，[45]各項環境保護法規初步形成，尤其是中西部地區的環保法律建設和環境管理體制尚不完善，環境政策的覆蓋率和企業遵從度不高。黨的十八大和十九大召開之后中國進入環境規制體系全面提升階段，“五位一體”“兩山論”等新發展理念為環境保護工作提供了新的思路，從“誰污染誰治理”向“污染治理和生態保護并重”轉變，從優先促進經濟發展向經濟與環境協調發展轉變。
另外，控制變量的估計結果顯示，當以命令-控制型環境規制作為轉換變量時，政府支持（Govern）、地區發展水平（PGDP）、市場化水平（Market）在閾值兩側均對技術創新有促進作用，但這種促進作用在跨越閾值之后有所減弱;產業結構（Indus）與之相反，在閾值兩側均為抑制作用;而開放程度（FDI）和勞動者素質（Edu）在閾值兩側的影響并不相同，當環境規制在閾值以內時，開放程度（FDI）的估計系數為負，說明擴大開放并不利于技術創新，但是當環境規制跨越閾值之后，開放程度對技術創新的影響變為顯著的正向促進作用，勞動者素質（Edu）的估計結果恰好相反。
2.市場激勵型環境規制
滯后一期市場激勵型環境規制作為轉換變量，模型中g（ERit-1;γ，c）是兩體制Logistic轉換函數，存在一個位置參數c=0.268，對應廣義綠色稅收占比的閾值約為26.8%，斜率參數γ=18.397，兩個體制間的轉換速度較快。在低體制區間，環境規制對技術創新的影響系數為正，進入高體制區間后，影響系數變為負，也就是說市場激勵型環境規制對技術創新的影響由促進轉變為抑制，呈現出“倒U”型的變化趨勢。當廣義綠色稅收強度較低時，環境規制對技術創新的影響為正，但當綠色稅收強度超過閾值后，稅收強度的增加會對技術創新產生明顯的阻礙作用。轉換函數如圖3所示。
市場激勵型環境規制將環境視為一類生產要素，要素價格的變動可通過企業成本和收益傳導至技術創新，以環境保護稅為代表的綠色稅種稅率可以看作企業使用環境要素帶來的外部成本的價格，在利潤最大化條件下應等于企業的邊際減排成本。所以當政府提高稅率時，企業的環境使用成本相應增加，企業同樣面臨兩種選擇，在生產端進行節能減排技術創新或者在生產末端治理污染。當環境要素成本擠占生產資金和研發資金時，產生“遵循成本效應”，反之，產生“創新補償效應”。除了從供給端影響企業成本進而推動技術創新外，資源稅、消費稅、車輛購置稅等廣義綠色稅種還可以通過產品價格改變市場需求，最終引導企業進行技術創新。
由圖3可知，絕大部分樣本處于低體制區間，說明中國綠色稅收體系整體較為合理，能夠直接促進技術創新水平的提高，但是仍有部分樣本已進入高體制區間，面臨著較重的綠色稅收負擔。這與中國稅制改革進程密切相關，比如2011年的資源稅改革，“結構性增稅”舉措全面提高了西部地區的資源稅征收額，除了能夠增加西部地區財政收入外，更重要的是促進了西部地區資源合理開發，優化了礦產品開發等行業的產業結構，保護了西部地區相對脆弱的生態環境，而政府實施的西部大開發戰略、“一帶一路”建設則可以彌補稅負增加對技術創新的負面影響。
控制變量的估計結果顯示，當市場激勵型環境規制強度在閾值以內時，政府支持（Govern）、開放程度（FDI）、產業結構（Indus）的估計系數均為正值，但是跨越閾值之后，估計系數均變為負值。這說明隨著市場激勵型環境規制強度的提升，這三種因素的技術創新效應逐漸消失，甚至抑制了技術創新水平的提升。勞動者素質（Edu）和市場化水平（Market）對技術創新始終具有促進作用。地區發展水平（PGDP）在閾值兩側均具有抑制作用，但是在市場激勵型環境規制跨越閾值之后有所減弱。
3.公眾參與型環境規制
滯后一期公眾參與型環境規制作為轉換變量，模型中g（ERit-1;γ，c）是兩體制Logistic轉換函數，存在一個位置參數c=5.322，即每萬人受理信訪和電話網絡投訴案件數約為5.322件，斜率參數γ=1.056，表明兩個體制間的轉換速度較慢。在低體制區間和高體制區間，環境規制對技術創新的影響系數均為正，但是在跨越閾值之后正向促進作用有所減弱，也就是說公眾參與型環境規制對技術創新的影響始終表現為促進作用，呈現出“N”型的變化趨勢。當環境信訪量較低時，公眾參與程度的提高會對技術創新起到促進作用，但當環境信訪量超過閾值時，轉換函數進入高體制狀態，這種促進作用在一定程度上被削弱。轉換函數如圖4所示。
總體看來，作為“第三次浪潮”的公眾參與型環境規制確實能夠對技術創新水平的提升產生促進作用，但是效果并不顯著，這與中國部分地區環境監管機制不夠健全密切相關。公眾是否主動進行環境監管取決于付出的成本以及所獲收益，若公眾收獲的成就感和滿足感大于其付出的時間、物質和心理成本，公眾就會主動協助政府監督企業的環境行為。
實際上，早在1989年的《環境保護法》中就對公眾檢舉、控告環境污染行為作了規定，但是直到2014年對《環境保護法》進行修訂時，才對公眾參與環境保護作了明確的法律界定，2015年環保部發布的《環境保護公眾參與辦法》又對公眾如何參與環境保護作了詳細解釋和說明。環保組織、新聞媒體、公民等第三方參與制度不僅能夠降低政府環境監管成本，而且有利于不同社會主體的環境訴求得以表達。但是，與命令-控制型、市場激勵型環境規制不同，公眾參與型環境規制屬于非正式環境規制，并不依靠政府強制力量推行，導致此類規制工具不能立即發揮效力，且容易流于形式。目前，中國公眾參與環境規制的強度明顯不足，政府應積極宣傳環保政策，不斷完善環境監管機制，使更多公眾參與進來。
控制變量的估計結果顯示，以公眾參與型環境規制作為轉換變量時，開放程度（FDI）、市場化水平（Market）的影響與命令-控制型一致，而政府支持（Govern）、勞動者素質（Edu）、地區發展水平（PGDP）的影響與市場激勵型一致。產業結構（Indus）的系數在環境規制強度尚未跨越閾值時為負，但是在跨越閾值后變為正值，說明環境規制強度的提高有利于更好地發揮產業結構對技術創新的促進作用。
（三）穩健性檢驗
為了進一步探究不同類型環境規制對技術創新的非線性影響是否具有穩健性，本文構建了包含環境規制一次項、二次項、三次項的固定效應模型進行回歸檢驗，穩健性檢驗結果見表6。
TIit=α0+α1ERit+ζixit+δi+εit（6）
TIit=α0+α1ERit+α2ER2it+ζixit+δi+εit（7）
TIit=α0+α1ERit+α2ER2it+α3ER3it+ζixit+δi+εit（8）
由表6可知，對于命令-控制型環境規制，模型（6）一次項系數顯著為正，模型（7）二次項系數并不顯著，增加三次項之后，表現為“強抑制—促進—弱抑制”的“倒N”型關系，由于三次項系數數值較小，可近似認為是“U”型關系。對于市場激勵型環境規制，增加了二次項之后，表現為先促進后抑制的“倒U”型關系，增加了三次項之后系數不再顯著。對于公眾參與型環境規制，模型（6）和模型（7）系數均不顯著，增加三次項之后，表現為“弱促進—弱抑制—弱促進”的“N”型關系。固定效應模型估計結果與前文估計結果基本一致，表明本文的回歸結果穩健以及結論有效。
五、結論與建議
（一）結論
本文基于2001—2017年中國30個省份的面板數據，采用PSTR模型，對命令-控制型、市場激勵型、公眾參與型環境規制對技術創新的非線性影響進行了實證分析。研究發現，三種環境規制工具與技術創新之間確實存在非線性關系，且每種規制工具的作用效果都不相同。作用效果在高、低體制之間平滑轉換：（1）命令-控制型環境規制與技術創新之間呈現“U”型的變化趨勢，環境污染治理投資閾值約14 618萬元，截至2016年，所選30個省份均已達到閾值，環境規制對技術創新的促進作用明顯;（2）市場激勵型環境規制對技術創新的影響為先促進后抑制的“倒U”型，廣義綠色稅收占比的閾值為26.8%，部分省份已經跨越閾值，綠色稅收負擔較重;（3）公眾參與型環境規制對技術創新的影響呈現出“N”型的變化趨勢，最終表現為促進作用，但是效果不明顯，說明中國大部分地區公眾參與效率有待提高。
（二）建議
（1）政府應加強各種環境規制工具組合的利用。根據制度創新理論，環境規制不僅用于控制污染、保護生態，還應該更多地發揮其刺激創新和經濟的作用。對于命令-控制型環境規制，政府應當提高相關法律法規的可操作性，鼓勵生產者加強污染物的源頭控制，而不僅僅依賴末端治理。同時，在建立健全監督機制和獎懲機制的基礎上，充分利用公眾參與型環境規制促進技術創新。
（2）改變政府強制力的主導作用，發揮市場機制的優勢。提高市場激勵型規制工具在環境政策中的比重。政府可以通過降低環境稅稅率、補貼、退稅等措施減輕企業的環保負但，進而增加企業的研發資金。以市場為導向的環境政策，例如環境保護稅、排污權交易和污染排放許可等，實際上為企業進行污染控制提供了更高的靈活性和更大的操作空間，對于污染程度較低的企業，政府也應適當降低稅收比重，以減輕企業額外的成本負擔。
（3）改變“一刀切”的環境治理模式，充分考慮地區發展差異。東部沿海地區經濟發展水平較高，基礎設施建設較為完善，在制定環境政策時應適當向利于技術創新的方向傾斜，同時廣泛征求企業意見，力求實現政企合作和環境的共同治理。對于中西部地區，由于資源稟賦差異，經濟發展相對落后，應當在確保經濟和社會整體發展的基礎上，加強基礎設施建設，吸引優秀的技術人才和優質的投資，避免重復東部地區“先污染后治理”的模式。
參考文獻：
[1] Ramanathan R， Ramanathan U， Bentley Y. The Debate on Flexibility of Environmental Regulations， Innovation Capabilities and Financial Performance-A Novel Use of DEA[J]. Omega， 2018， 75：131-138.
[2] Porter M E. Americas Green Strategy[J]. Scientific American， 1991， 268（4）：95-117.
[3] Porter M E， van der Linde C. Toward a New Conception of the Environment Competitiveness Relationship[J]. Journal of Economic Perspectives， 1995， 9（4）：97-118.
[4] 黃德春， 劉志彪. 環境規制與企業自主創新——基于波特假設的企業競爭優勢構建[J]. 中國工業經濟， 2006（3）：100-106.
[5] 張成， 陸旸， 郭路， 等. 環境規制強度和生產技術進步[J]. 經濟研究， 2011（2）：113-124.
[6] 孫瑞華， 熊雁琳. 環境規制對中國制造業出口競爭力的影響[J]. 中國石油大學學報（社會科學版）， 2019， 35（2）：28-36.
[7] 王鋒正， 郭曉川. 環境規制強度對資源型產業綠色技術創新的影響——基于2003—2011年面板數據的實證檢驗[J]. 中國人口·資源與環境， 2015， 25（6）：143-146.
[8] Jaffe A B， Palmer K. Environmental Regulation and Innovation： a Panel Data Study[J]. Review of Economics and Statistics， 1997， 79（4）：610-619.
[9] Yuan B， Zhang Y. Flexible Environmental Policy， Technological Innovation and Sustainable Development of Chinas Industry： The Moderating Effect of Environment Regulatory Enforcement[J]. Journal of Cleaner Production， 2020， 243：118543.
[10] 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.
[11] Testa F， Iraldo F， Frey M. The Effect of Environmental Regulation on Firms Competitive Performance： the Case of the Building & Construction Sector in Some EU Regions[J]. Journal of Environmental Management， 2011， 92（9）：2136-2144.
[12] Kneller R， Manderson E. Environmental Regulations and Innovation Activity in UK Manufacturing Industries[J]. Resource and Energy Economics， 2012， 34（2）：211-235.
[13] Gray W B， Shadbegian R J. Environmental Regulation， Investment Timing， and Technology Choice[J]. The Journal of Industrial Economics， 1998， 46（2）：235-256.
[14] Wagner M. On the Relationship Between Environmental Management， Environmental Innovation and Patenting： Evidence from German Manufacturing Firms[J]. Research Policy， 2007， 36（10）：1587-1602.
[15] 葉琴， 曾剛， 戴劭勍， 等. 不同環境規制工具對中國節能減排技術創新的影響——基于285個地級市面板數據[J]. 中國人口·資源與環境， 2018， 28（2）：115-122.
[16] 伍格致， 游達明. 環境規制對技術創新與綠色全要素生產率的影響機制：基于財政分權的調節作用[J]. 管理工程學報， 2019， 33（1）：42-55.
[17] 李玲， 陶鋒. 中國制造業最優環境規制強度的選擇——基于綠色全要素生產率的視角[J]. 中國工業經濟， 2012（5）：70-82.
[18] 蔣伏心， 王竹君， 白俊紅. 環境規制對技術創新影響的雙重效應——基于江蘇制造業動態面板數據的實證研究[J]. 中國工業經濟， 2013（7）：44-55.
[19] 張娟， 耿弘， 徐功文， 等. 環境規制對綠色技術創新的影響研究[J]. 中國人口·資源與環境， 2019， 29（1）：171-179.
[20] Wang Y， Sun X， Guo X. Environmental Regulation and Green Productivity Growth： Empirical Evidence on the Porter Hypothesis from OECD Industrial Sectors[J]. Energy Policy， 2019， 132：611-619.
[21] 周源， 張曉東， 趙云， 等. 綠色治理規制下的產業發展與環境績效[J]. 中國人口·資源與環境， 2018， 28（9）：85-95.
[22] 張海玲， 張宗斌， 閆付美. 基于技術距離的環境治理對企業全要素生產率的影響[J]. 中國人口·資源與環境， 2018， 28（10）：124-133.
[23] 沈能. 環境效率、行業異質性與最優規制強度——中國工業行業面板數據的非線性檢驗[J]. 中國工業經濟， 2012（3）：56-68.
[24] Johnstone N， Managi S， Rodriguez M C， et al. Environmental Policy Design， Innovation and Efficiency Gains in Electricity Generation[J]. Energy Economics， 2017， 63：106-115.
[25] Xie R， Yuan Y， Huang J. Different Types of Environmental Regulations and Heterogeneous Influence on "Green" Productivity： Evidence from China[J]. Ecological Economics， 2017， 132：104-112.
[26] 邱士雷， 王子龍， 劉帥， 等. 非期望產出約束下環境規制對環境績效的異質性效應研究[J]. 中國人口·資源與環境， 2018， 28（12）：40-51.
[27] 齊紅倩， 陳苗. 環境規制對我國綠色經濟效率影響的非線性特征[J]. 數量經濟研究， 2018（2）：61-77.
[28] 陶長琪， 李翠， 王夏歡. 環境規制對全要素能源效率的作用效應與能源消費結構演變的適配關系研究[J]. 中國人口·資源與環境， 2018， 28（4）：101-111.
[29] 林秀梅， 關帥. 環境規制對中國制造業升級的非線性影響——基于面板平滑遷移模型的經驗分析[J]. 西安交通大學學報（社會科學版）， 2019， 39（4）：1-8.
[30] 童健， 劉偉， 薛景. 環境規制、要素投入結構與工業行業轉型升級[J]. 經濟研究， 2016（7）：43-57.
[31] Walter I， Ugelow J L. Environmental Policies in Developing Countries[J]. Ambio， 1979， 8：102-109.
[32] Albrizio S， Kozluk T， Zipperer V. Environmental Policies and Productivity Growth： Evidence across Industries and Firms[J]. Journal of Environmental Economics and Management， 2017， 81：209-226.
[33] 蘇昕， 周升師. 雙重環境規制、政府補助對企業創新產出的影響及調節[J]. 中國人口·資源與環境， 2019，29（3）：33-41.
[34] González A， Tersvirta T， Dijk van D， et al. Panel Smooth Transition Regression Models[EB/OL].
[2020-04-02].http：//idea.repec.org/p/hhs/hastef/0604.html.
[35] Hansen B E. Threshold Effects in Non-Dynamic Panels： Estimation， Testing and Inference[J]. Journal of Econometrics， 1999，93（2）：345-368.
[36] 唐未兵， 傅元海， 王展祥. 技術創新、技術引進與經濟增長方式轉變[J]. 經濟研究， 2014（7）：31-43.
[37] 李柏洲， 李新. 企業技術獲取模式、技術進步與創新產出——基于技術進步中介效應檢驗及區域差異對比分析[J]. 科學學與科學技術管理， 2014（11）：161-171.
[38] 李政， 楊思瑩. 財政分權、政府創新偏好與區域創新效率[J]. 管理世界， 2018， 34（12）：29-42.
[39] 朱有為， 徐康寧. 中國高技術產業研發效率的實證研究[J]. 中國工業經濟， 2006（11）：40-47.
[40] Tietenberg T. Ethical Influences on the Evolution of the US Tradable Permit Approach to Air Pollution Control[J]. Ecological Economics， 1998， 24：241-257.
[41] 傅京燕， 李麗莎. 環境規制、要素稟賦與產業國際競爭力的實證研究——基于中國制造業的面板數據[J]. 管理世界， 2010（10）：87-98.
[42] 張文彬， 張理芃， 張可云. 中國環境規制強度省際競爭形態及其演變——基于兩區制空間Durbin固定效應模型的分析[J]. 管理世界， 2010（12）：44-54.
[43] 鄧曉蘭， 王赟杰. 中國稅收制度的綠化程度研究——基于大中小三個統計口徑指標的測算[J]. 審計與經濟研究， 2013（6）：71-79.
[44] 王紅梅. 中國環境規制政策工具的比較與選擇——基于貝葉斯模型平均（BMA）方法的實證研究[J]. 中國人口·資源與環境， 2016， 26（9）：132-138.
[45] 張小筠， 劉戒驕. 新中國70年環境規制政策變遷與取向觀察[J]. 改革， 2019（10）：16-25.
責任編輯：曲 紅
Threshold Effect of Different Environmental Regulations on Technological Innovation： An Analysis Based on PSTR Model
GAO Xinwei， ZHANG Zengjie
（School of Economics and Management， China University of Petroleum （East China）， Qingdao， Shandong 266580， China）
Abstract： Based on the panel data of 30 provinces in China from 2001 to 2017， this paper verified the nonlinear relationship between different environmental regulation tools and technological innovation by the Panel Smooth Transition Regression （PSTR） model. The results show that there is a U-shaped change trend between command-and-control environmental regulation and technological innovation. The threshold value for pollution treatment costs is about 146.18 million yuan. The impact of market-based-incentive environmental regulation on technological innovation is inverted U-shape， which promotes first and then inhibits. The percentage of generalized environmental taxes in some provinces is greater than the threshold of 26.8%. The impact of voluntary environmental regulation is N-shaped， and it eventually appears as a facilitative effect， but not significant. The degree of public participation in most provinces is less than expected. Therefore， the government should determine the appropriate strength of environmental regulation based on the characteristics of different environmental regulation tools and the actual conditions of each province.
Key words： environmental regulation; technological innovation; nonlinear relationship; threshold effect; PSTR model
收稿日期： 2020-06-17
基金項目： 山東省社會科學規劃研究項目（19CDNJ40）;中央高校基本科研業務費專項資金資助項目（19CX05027B）;東營市市校院所合作專項資金重點項目（20191130PT）
作者簡介： 高新偉（1964—），男，甘肅慶陽人，中國石油大學（華東）經濟管理學院教授，博士生導師，研究方向為能源經濟與政策、資源環境管理。
