環境規制對工業生態效率的影響機理研究
——人力資本與科技研發的雙重調節

董會忠，閆梓昱，辛 佼

（山東理工大學 管理學院，山東 淄博 255012）

一、引言及文獻綜述

我國經濟正由高速增長向高質量發展轉變，產業轉型成效明顯，但由于我國產業結構偏重，高耗能、高污染、高排放“三高型”企業仍然存在，環境污染和資源過度消耗的局面依然嚴峻，由此帶來的種種問題嚴重阻礙了社會經濟綠色發展，導致生態文明建設與經濟增長之間的矛盾日益凸顯。如何更好地協調工業發展、資源利用和生態環境之間的關系，已成為學術界關注的熱點問題。工業生態效率兼顧工業經濟、資源和環境，是評價工業生態化水平的典型指標［1］。探究我國工業生態效率及其時空特征，對實現經濟高質量發展和工業綠色化轉型具有一定的理論和實際意義。市場調節、公眾監督等在一定程度上能夠助推工業生態化，但仍需政府規制等強制手段加以管控調節。環境規制作為政府干預企業環境污染行為的重要方式，通過設定合理強度區間、發揮波特效應來改善生態環境，實現經濟發展和環境保護協調共進［2］。因此，探究環境規制對我國工業生態效率的影響及其程度，對提高工業生態治理效率、改善生態環境質量有重要意義。

自Sturm和Schaltegger1990年提出生態效率概念［3］后，眾多學者隨即對此概念展開討論并將其應用于各個行業和領域。其中，工業領域的研究成果主要分為以下三個方面：一是工業生態效率的測算。李成宇等［4］利用DEA-BCC模型，對中國30個省份在時空兩個維度上的工業生態效率進行測算；李在軍等［5］構建綜合投入指標并利用隨機前沿效率評價模型，對中國283個地級市的工業生態效率測算分析；郭露和徐詩倩［6］、戴志敏等［7］運用超效率DEA方法，對工業生態效率進行測度評價。除此之外，也有學者用其他方法（如比值法［8］、能值分析法［9］等）對工業生態效率進行測度分析，但明顯DEA更具優勢。但傳統DEA仍未有效解決投入產出松弛及角度問題，也未考慮環境等非期望產出。二是工業生態效率區域異質性研究。研究層面上劃分為宏觀和微觀兩個方面，在宏觀層面上，有學者分析全國省域間的工業生態效率時空演變特征［10-11］，也有學者研究中國地級市的工業生態效率空間格局［6］，還有學者對長三角城市群［12］、長江經濟帶［13］等的工業生態效率區域差異進行探究；微觀層面主要以行業企業為主，王俊嶺等［14］對我國鋼鐵工業生態效率進行測算，姜雯昱和曹俊文［15］測度分析了我國電力行業生態效率。相比之下，宏觀層面主要針對區域間的差異性，目的是為提高工業生態效率和縮小區域間差距提供理論和決策依據；微觀層面更側重對效率值的測算評價，主要為了降低現代工業發展中的環境降級成本，提高經濟效益。三是關于工業生態效率影響因素的研究。通過梳理分析相關文獻，發現工業生態效率受諸多因素影響，其中科技創新和經濟發展對工業生態效率的提升起推動作用［6，12，16］，而產業結構的影響具有綜合性特征［5，12，17］。此外，有學者認為財政分權的直接影響效果最明顯，并具有空間溢出效應［11］。還有學者認為，轉出城市的工業轉移對工業生態效率的影響呈“U”型，而對轉入城市而言起負向影響［18］。可見，對工業生態效率影響因素的現有研究中，不同學者的研究結果不同，主要是因為研究范疇不同以及指標數據選取方面存在差異。

相比上述影響因素，環境規制對工業生態效率的影響機理也備受關注。除企業自愿性環境規制之外，環境規制可分為政府直接和間接干預。現有研究中，有學者發現環境規制對城鎮化擴張的生態效率呈現“U”型特征［19］；也有學者發現環境規制對養殖生態效率影響的大小與養殖規模呈現“倒U”型關系［20］；還有學者研究發現環境規制對生態效率產生了負向影響［21］。在工業領域，大多研究認為環境規制對工業生態效率起促進作用［22-23］，而許學國和張俊杰［24］在交互視角下卻證實正式環境規制對工業生態效率無顯著影響，而非正式環境規制存在顯著正向作用；邱兆林和王業輝［25］的研究結果表明，環境規制對工業生態效率具有正向影響。除了上述環境規制直接對工業生態效率的影響，環境規制還可以通過其他介質間接影響工業生態效率。有學者研究了環境規制下工業集聚對工業生態效率的影響，發現環境規制的引入會促使工業集聚影響由負轉正，同時兩者相互作用會促進工業生態效率的提升［26］。實際上，環境規制在提高生態效率水平的過程中扮演著重要角色，政府通過合理的環境規制能夠促進生態效率水平顯著提升。因此，探究我國環境規制作用下工業生態效率的時空演變，對提升我國工業生態效率和促進經濟綠色發展具有重要意義。

綜上所述，已有研究成果豐富，但仍存在不足：一是用傳統DEA模型會導致工業生態效率測算結果產生偏差，容易影響后期相關決策及解決方案的選擇；二是環境規制通過間接作用約束工業生態效率并存在不同程度的地區差異，而已有文獻中對此方面研究較少。基于以上兩點，本文采用優于傳統DEA模型的非期望產出超效率SBM模型，測算我國30個省份（不包括西藏和港澳臺地區）的工業生態效率，探究工業生態效率的時空演化特征，并基于面板門檻模型分析環境規制對我國工業生態效率產生的影響，識別環境規制對工業生態效率的影響機理，從區域協同角度，對實現我國工業生態效率提升和工業綠色轉型升級提供參考。

二、研究方法及數據來源

（一）研究方法

1.超效率SBM模型

與傳統DEA模型相比，Tone［27］提出的SBM模型不僅考慮了生產過程中非期望產出，同時也解決了投入產出變量松弛性問題，更加符合實際情況。但是SBM模型測算的最大效率值為1，測算結果可能會出現多個決策單元的效率值均為1，無法對這些決策單元進行準確的排序以及有效的評價。對此，Tone［28］又提出了Super-SBM模型，此模型解決了之前SBM模型測算的效率值最大為1的問題，能夠解決無法評價與排序有效單元的問題。因此，本文測算效率值選用考慮非期望產出的超效率SBM模型，具體模型如下：

其中：n代表生產決策單元的個數，即中國30個省份；ρ*的目標函數值是決策單元的效率值，即工業生態效率值；u、Q1、Q2分別代表投入、期望產出、非期望產出；x代表投入矩陣；yɑ、yb代表期望產出矩陣、非期望產出矩陣。

2.空間自相關

空間自相關是檢驗某屬性與其相鄰空間點上的屬性是否顯著相關聯，分為全局空間自相關和局部空間自相關。全局空間自相關反映的是整個研究區域空間的集聚性及總體趨勢，一般用Moran'sI系數來表達；而局部自相關反映的是局部不同區域之間的空間關聯性，一般用局部Moran指數散點圖來分析，圖分4個象限，一、二、三、四象限分別為高高集聚區、低高集聚區、低低集聚區和高低集聚區，由此可以將我國30個省份劃分為高高區域（H—H）、低高區域（L—H）、低低區域（L—L）和高低區域（H—L）四大類。第一象限的H—H區域表示在此區域的省份自身及其周圍相鄰省份的工業生態效率值都較高，整體水平為高水平；第二象限的L—H區域表示在此區域的省份自身工業生態效率值比其周圍省份要低，整體形成“盆地”狀，此類省份發展空間較大；第三象限的L—L區域表示在此區域的省份及其周圍省份的工業生態效率值都較低，整體是低水平區域；第四象限的H—L區域表示在此區域的省份工業生態效率值比其相鄰省份的要高，此類省份具有空間溢出效應。

Moran'sI指數具體公式如下：

其中：Wij表示空間權重矩陣；n代表研究省份的數量；xi、xj代表省份的工業生態效率觀測值；xˉ表示所有觀測值的平均值。

局部Moran'sI指數公式如下：

3.面板門檻模型及交互項檢驗

本文借鑒Hansen［29］的面板門檻模型，該模型避免了帶有主觀成分的分組，模型如下：

其中：IEEit表示省份的工業生態效率；ERit表示i地區在t時間的環境規制強度；β表示IEEit對ERit的影響系數；Ii為截距項；Tit表示其門檻變量，τ是其唯一一個門檻值；θ表示相對應的系數列向量；Cit表示控制變量向量；eit隨機誤差項；i表示省份；t表示年份。

檢驗是否存在門檻效應，需構造假設β1=β2，若假設不成立，則存在門檻效應。式（6）只存在一個門檻，本文為雙門檻模型，則模型為：

若存在3個及以上的門檻值，則模型以此類推。

考慮環境規制對工業生態效率的影響存在滯后效應，在模型中加入環境規制一階滯后項，具體模型為：

在以上基礎上，本文還運用交互項方法，檢驗環境規制與人力資本水平和科技研發水平交互項對工業生態效率的影響方向，檢驗模型如下：

其中：i表示省份；t表示年份；IEE表示工業生態效率；ER表示環境規制；HC表示人力資本水平；HC×ER表示人力資本與環境規制的交互項；STRD表示科技研發水平；STRD×ER表示科技研發與環境規制的交互項；UR、ED、IS分別表示城鎮化率、經濟發展水平、產業結構；mi表示各省份的空間效應；nt表示時間效應；εit表示隨機誤差項。

（二）指標選取及數據來源

1.指標選取

參考已有研究成果，本文將工業生態效率一級指標分為投入指標和產出指標兩種類型，其中，投入指標包括資源、經濟和勞動力投入，產出指標包括期望產出和非期望產出。上述的二級指標具體解釋如下：用工業用水、工業用地和工業能源消耗量表征資源投入；用固定資產投資額表征經濟投入；用工業就業人數表征勞動力投入；用工業企業利潤總額表征期望產出；用工業廢水、廢氣和固體廢棄物排放量表征非期望產出，其中，工業廢氣排放量用工業SO2排放量來替代。具體指標內容見表1所列。

表1 工業生態效率指標體系

2.數據來源

考慮所需數據的可獲得性，本文將研究期限設定為2010—2019年，數據來自歷年《中國統計年鑒》《中國工業統計年鑒》《中國能源統計年鑒》《中國環境統計年鑒》以及各省份歷年的相關統計年鑒，各類統計年鑒數據年限為2011—2020年。

三、實證分析

（一）工業生態效率測算

采用2010—2019年我國30個省份的面板數據，運用MaxDEA 8.0軟件，測算各省份的工業生態效率，見表2所列。本文按照國家統計局的標準將我國分為東中西三大區域，其中，東部包括京、滬、粵、津、蘇、浙、閩、瓊、桂、魯、冀和遼12個省份；中部包括內蒙古、黑、吉、晉、贛、皖、湘、鄂和豫9個省份；西部包括滇、川、陜、甘、寧、青、新、渝和黔9個省份。

表2 工業生態效率水平

續表2

（二）時間演變規律

如圖1所示，研究時段內，我國工業生態效率的整體變化可劃分為三個階段：第一階段（2010—2014年）為平緩階段，或稱其平緩浮動階段，該時期內的效率值在0.55處輕微浮動，說明此階段的工業生態效率整體比較穩定；第二階段（2014—2017年）為低谷階段，該階段曲線的形狀大致呈凹型，此時工業生態效率雖然波動小，但整體水平較第一階段要低一級，該階段曲線有兩個波谷，最低值出現在2015年，為0.444，說明環境因素對工業發展的制約力增強，主要原因是我國西部生產結構和產業組織結構不合理，缺乏先進的科學技術，無法合理解決工業生產過程中產生的環境污染問題，導致該階段工業生態效率出現“低谷”；第三階段（2017—2019年）為波動階段，也可稱其波動上升階段，該時期內工業生態效率明顯提高，雖然2019年有小幅下降，但整體仍呈上升趨勢，說明此階段我國提高了對環境問題的重視程度，在保證經濟發展的前提下加大了環境污染整治力度，一定程度上緩解了工業發展與美化環境之間的緊張關系，預測未來幾年我國工業生態效率會上升到一個新高度。分區域來看，2010—2019年東部地區工業生態效率水平最為穩定，其工業生態效率均值大致在0.75左右浮動，最低點在2017年，出現此情況的原因可能是，當年河北、遼寧等地區環境污染較為嚴重，治理力度沒有達到應有的標準；中部地區工業生態效率曲線形狀為“兩頭高，中間低”，最符合凹型特征，最低值在2015年，且前后兩年工業生態效率水平均較低，因為此階段中部地區正進行工業轉型；西部地區工業生態效率整體水平最低，也是波動最大的一個地區，最低值也在2015年。對比來看，中西部地區工業生態效率水平明顯低于東部地區，且更具波動性。2017年以后，各地區工業生態效率水平都有明顯提高，是因為部分省份的企業即將完成或者已經完成工業轉型，工業生產降低了能耗和污染，部分環境問題得到妥善解決。綜合來看，我國工業生態效率水平由高到低分別為東部、中部和西部，東部地區水平最高且最穩定，中西部地區提升工業生態效率水平的空間較大。在國家政策引導下，預測以后幾年的工業生態效率水平將會波動上升，直至一個新的高度。

圖1 2010—2019年工業生態效率值

（三）空間分布特征

1.工業生態效率空間分布格局

本文將工業生態效率等級運用ArcGIS 10.2軟件對2010年、2013年、2016年和2019年中國工業生態效率空間格局展示，如圖2所示。圖2顯示，在研究期內，只有北京始終處于高工業生態效率水平，相較于2010年，其他年份中江蘇和廣東等省份退出高效率區域，浙江和福建等省份新升入高效率區，雖然高效率區域有一定的變化，但其占比相對穩定。從空間分布特征來看，我國2010年、2013年、2016年和2019年工業生態效率均呈現出自東南向西北地區逐漸遞減的空間分布格局。從圖2分布格局變化情況看，高效率及較高效率區域主要分布在東南沿海及華北地區（京、津、蘇、浙、閩、粵等），中效率區域主要在華中地區（豫、鄂等），低效率及較低效率區域主要集中在西北地區（甘、青、新等）。空間分布的階梯性特征2016年較2010年更為凸顯，可能受G20峰會等影響，分布情況還呈現出塊狀、連片的特點。相較于其他區域，東南沿海及中南地區省份間差異最為顯著，皖、贛和鄂形成較低效率的“凹陷區”。直至2019年，我國整體工業生態效率水平有較明顯提高，低效率省份數量明顯減少。總體來說，我國工業生態效率水平還有很大提升空間。

圖2 2010年、2013年、2016年、2019年工業生態效率空間分布格局

2.工業生態效率空間相關性分析

借助GeoDa軟件，根據公式（3）、公式（4）測算并繪制出2010年、2013年、2016年和2019年局部莫蘭指數散點圖，如圖3所示。圖3顯示，我國省份工業生態效率集聚主要發生在第一和第三象限，即高水平聚集區和低水平聚集區，其中，H—H區域的省份主要位于東南沿海及京津地區，該區域工業發展體系較為完善，具有顯著的空間集聚性；分布在L—L區域的主要是中南和西南地區的省份，原因是該區域內省域間發展差異明顯，產業技術比較落后，環境監督力度不足，能源消費管制寬松，阻礙了工業生態效率的提升。隨著時間的推移，部分省份的集聚類型也在發生變化，變動情況可分為向上轉移、向下轉移和本區跳躍三種。向上轉移是指在原有水平的基礎上向更高水平的區域轉移，例如L—L區域向H—L或L—H區域轉移；向下轉移是指在原有水平上向更低水平的區域轉移，例如H—H區域向其他三個區域跳轉變動；本區跳躍是指在圖中的位置可能發生變化，但所在的集聚區域保持不變，例如京津地區。雖然集聚區域產生變動的省份數量占比較高，但整體仍以H—H和L—L集聚為主。

圖3 2010年、2013年、2016年和2019年工業生態效率局部莫蘭指數散點圖

四、影響因素分析

（一）相關變量選擇

1.被解釋變量與核心解釋變量

為了探究環境規制對工業生態效率的影響，本文基于上述測度的2010—2019年工業生態效率（IEE）為被解釋變量。核心解釋變量是環境規制（ER），對該變量的擇取，目前研究此類的文獻指代變量常用環境污染治理投資額［30］、工業污染治理投資［31］、SO2去除率［32］、排污費征收額和環境機構從業人員指標［33］等。本文旨在探析環境規制對工業生態效率的影響，選擇各地區工業污染治理投資額占工業總產值的比重［32］作為環境規制強度的指代變量。

2.門檻變量與控制變量

限于數據的可得性，參考現有研究，考慮環境規制的目的是保護環境，這一過程除了需要政府的管制更離不開人的參與，并且企業為了達到排污標準和能耗標準需要一定技術支持來控制污染源排污量及排放途徑。基于此，本文選擇人力資本水平（HC）和科技研發水平（STRD）作為門檻變量，其中：人力資本水平用各地區人員受教育程度表示，參考姬曉輝等［30］的研究，地區人員受教育程度=小學文化程度人口比重×3+初中文化程度人口比重×6+高中文化程度人口比重×9+大專及本科以上文化程度人口比重×15；科技研發水平用規模以上工業企業R&D經費投入占主營業務收入比重表示。本文選擇城鎮化率（UR）、經濟發展水平（ED）和產業結構（IS）作為控制變量，其中，城鎮化率用各地區城鎮人口占總人口比重表示；經濟發展水平用各地區居民人均可支配收入表示；外商投資規模選用外商投資總額與地區生產總值的比重表示；產業結構用各地區第二產業產值占GDP的比重表示。

（二）門檻效應分析

1.門檻值估計和置信區間檢驗

借助Stata 15.0軟件，運用面板門限回歸模型，經Hausman檢驗后選取固定效應模型進行回歸，并檢驗門檻效應。檢驗結果包括F統計量、P值、BS次數和三個標準（10%、5%、1%）顯著水平上的臨界值，見表3所列。由表3可以看出，人力資本水平和科技研發水平均存在兩個門檻值，其中，人力資本水平在10%顯著水平上通過檢驗，科技研發水平在5%顯著水平上通過檢驗。表4給出了各門檻變量的門檻估計值和95%置信區間。

表3 各門檻變量檢驗結果

表4 各門檻變量門檻估計值和95%置信區間

2.門檻回歸結果分析

人力資本水平和科技研發水平是兩個門檻，不同門檻估計值的兩側環境規制對工業生態效率的影響不同。表5為環境規制對工業生態效率的門檻回歸結果，從表5可以看出：

表5 門檻效應回歸結果

（1）當人力資本水平作為門檻變量時，環境規制對工業生態效率的影響可分為三個階段：第一階段為人力資本水平低于第一門檻值0.948時，環境規制對工業生態效率存在顯著的抑制作用，說明在這一階段較低的勞動者素質對環境規制政策的有效實施產生的阻礙較大；第二階段為人力資本水平介于第一門檻值0.948與第二門檻值1.269之間，環境規制對工業生態效率抑制作用相較于第一階段有所減弱，說明隨著勞動者素質的提高，勞動者對環境規制政策雖然有了進一步了解，但還不能有效地解決相應的工業污染問題；第三階段為人力資本水平超過第二門檻值1.269時，環境規制對工業生態效率作用由負轉正，說明高素質人才會促進環境規制相關政策更有效合理地實施下去，進而解決一定的工業生態問題，最終有效提高工業生態效率。總體來看，人力資本水平較低時環境規制對工業生態效率產生負向影響，而人力資本水平較高時環境規制對工業生態效率產生正向溢出效應，整體影響狀態呈“U”型。

（2）當科技研發水平作為門檻變量時，環境規制對工業生態效率的影響也分為三個階段：第一階段為科研水平低于第一門檻值0.006時，環境規制對工業生態效率產生較明顯的抑制效果，可能因為科技手段不充分，一些工業生產的環境問題無法得到有效解決；第二階段為科研水平處于第一門檻值0.006與第二門檻值0.011之間，環境規制對工業生態效率具有促進作用，這時科研水平已經有一定的提高，治理環境問題的方法手段比較全面，工業生態效率提高較明顯；第三階段為科研水平高于0.011時，環境規制對工業生態效率產生極強的抑制性，因為此階段科研水平雖比較高，但在促進經濟加速發展的同時，資源消耗量增加并且環境污染程度也較之前有所提高，從而環境規制會抑制工業生態效率的提高。

（三）環境規制的滯后效應與交互項檢驗

1.滯后效應

表6為滯后一期的環境規制變量估計結果，從表6中可見環境規制對工業生態效率的影響存在滯后效應。環境規制系數為13.056，環境規制滯后一期系數為-13.998，兩者均在10%顯著性水平上通過檢驗。環境規制當期顯著促進工業生態效率的提升，而滯后一期卻顯著抑制，原因是當期出臺的環境政策實施力度比較大，部分企業為提高效益造成資源消耗或排污超標的技術或手段會因不符合規定而被禁用，環境狀況在這一時間內得以改善，從而促進工業生態效率的提升。滯后一期后企業對前一期的政策已產生適應性，并且為彌補前一期技術禁用所造成的損失，會采用其他技術手段來提升自身效益，導致部分資源浪費，同時還會對周圍環境造成一定程度的破壞，從而抑制了工業生態效率的提升。

表6 滯后一期的環境規制變量估計結果

2.交互作用

在上述結果基礎上，運用Stata 15.0軟件對模型進行參數估計，并進行Hausman檢驗，根據結果選取固定效應模型進行回歸，結果見表7所列。

表7 交互效應回歸結果

（1）人力資本水平與環境規制的交互作用對工業生態效率的影響。公式（9）回歸結果顯示，環境規制的回歸系數為181.306，在1%的顯著性水平上通過檢驗，表明環境規制顯著促進工業生態效率提升。人力資本水平回歸系數為0.821，在1%的顯著性水平上通過檢驗，表明人力資本水平的提高對工業生態效率具有正向作用。控制變量中，城鎮化率、經濟發展水平和產業結構顯著提升工業生態效率水平。環境規制與人力資本水平的交互項回歸系數為-171.781，表明隨著人力資本水平的提升，環境規制對工業生態效率的正向影響會被弱化，原因是當提高人力資本水平時，勞動者分配財產、勞動和金錢等能力會隨之提高，即勞動者處理不均衡狀態的能力提高，從而促進了經濟的增長，符合舒爾茨的人力資本理論；而經濟增長又會對生態環境產生一定程度的不利影響，進而抑制了工業生態效率的提升速度。

（2）科技研發水平與環境規制的交互作用對工業生態效率的影響。公式（10）回歸結果顯示，環境規制的回歸系數為-2.229，在10%的顯著水平上通過檢驗，表明環境規制能夠顯著抑制工業生態效率的提升。科技研發水平的回歸系數為-19.061，在1%的顯著性水平上通過檢驗，表明科技研發水平的不斷提高會對資源、環境產生負面影響，不利于工業生態效率的提升。環境規制與科技研發水平的交互項系數為28.511，表明隨著科技研發水平的提高，環境規制對工業生態效率的抑制作用會被強化，因為科研水平的提高會加速各種產物的更新換代，勢必會造成資源浪費，還有一些工業高科技的應用也會給環境帶來一定程度的負面影響，從而阻礙工業生態效率的提升。

（四）穩健性檢驗

為了保證分析結果的有效性及可靠性，本文分別以去掉控制變量經濟發展水平和加入新控制變量對外開放程度（OW）兩種方式進行回歸，對實證結果進行檢驗，結果見表8所列。由表8可以看出，穩健性檢驗結果與實證回歸結果的系數符號一致，主要區別在于系數大小以及顯著性水平，這不會對實證分析的相關結論產生影響，說明前文的相關檢驗具有較強的穩健性，得出的結論是可信的。

表8 穩健性檢驗

五、結論與建議

本文采用非期望產出超效率SBM模型，測算2010—2019年我國30個省份工業生態效率，并考察地區間效率差異與時空特征，利用面板門檻模型，探究在人力資本與科技研發的雙重調節下，工業生態效率受環境規制的影響特征，得到以下結論：

（1）從時間分布上，2010—2019年我國工業生態效率整體水平變化可分為三個階段，分別為平緩階段（2010—2014年）、低谷階段（2014—2017年）和波動階段（2017—2019年），整體趨勢前中期較穩定，后期大幅波動，失穩特征顯著。東部地區工業生態效率水平最高且最穩定，中西部地區的工業生態效率水平明顯低于東部地區，且波動性較強，工業生態改善空間較大。

（2）從空間分布上，我國工業生態效率整體呈現自東南向西北方向階梯遞減的空間演變規律，連片、區塊化特征愈加顯著，東南沿海地區和中南地區個別省份形成較低效率的“凹陷區”。從局部莫蘭指數散點圖可以看出，集聚現象主要在第一和第三象限，即H—H集聚區域和L—L集聚區域，而且隨著時間的推移，各集聚區域產生變動的省份占比較大，局部空間格局不穩定。

（3）環境規制對我國工業生態效率的作用受到人力資本水平和科技研發水平的約束，兩因素發生變化時，環境規制產生作用效果存在較大差異。人力資本水平因素作為門檻變量時，環境規制對我國工業生態效率的影響呈“U”型，跨越較高門檻值時，環境規制對工業生態效率由負面影響變為正向溢出，說明不斷提升居民精神生活水平能產生積極影響；科技研發水平作為門檻變量時，跨越一定門檻值時環境規制對工業生態效率也有正向溢出效果，但跨越的門檻值較高時其作用效果就變為負向抑制，與人力資本水平因素的作用效果相反，說明科研水平在一定范圍內是有積極影響的，但并不是越高越好，可能是因為在提高科研水平過程中對資源的利用沒有進行合理的控制，導致生態環境遭到一定破壞，從而產生負向影響。

（4）環境規制對我國工業生態效率的影響存在滯后效應，且環境規制滯后一期對工業生態效率的提升起阻礙作用。人力資本水平的提升會弱化環境規制對工業生態效率的促進作用，科技研發水平的提高會強化環境規制對工業生態效率的抑制作用。對于中國大部分地區來說，一定程度上的環境規制依舊阻礙著工業生態效率的提升，因而既要通過加強綠色科研投入等方式改變局面，也需考慮其他多方因素，若使用不當則會對生態環境造成不良影響。除了本文考慮的人力資本與科技研發因素，環境規制對我國工業生態效率的抑制或溢出效應也受到其他變量因素的影響，有待進一步探討。

鑒于上述結論，本文提出以下建議：

（1）工業高質量發展應以“綠色”發展理念為核心，加強對生態環境的保護和治理。政府要根據我國東中西地區不同的實際情況精準施策，特別需要重點關注中西部環境狀況較差的區域，發揮東部沿海等發達地區輻射帶動作用，推進區域協調發展，合理規劃產業結構，推動傳統產業轉型升級，同時提高土地利用率，規范工業土地利用方式，嚴格管控“三高”企業的發展。

（2）通過分析發現，我國工業生態效率具有空間溢出效應，不僅受本地區一系列因素的影響，還需考慮周圍地區相關因素的影響，各省份之間應加強交流，積極開展雙邊或者多邊合作，縮小相互間的差距。東南沿海地區低效率和較低效率的省份要借鑒高效率和較高效率省份的發展經驗，特別是處于“凹陷區”的省份，需要加快探索新型綠色工業發展方式，高效率省份也要積極發揮自身的帶動作用。

（3）著力提高我國人力資本水平。在當今后工業時期，人力資本有巨大的增值潛力，推動實現現代工業綠色升級、促進我國新興工業化高水平發展，離不開人力資本水平的進一步提升；人力資本也可以形成一種非正式的環境規制，既會對工業企業施加壓力，也會對政府有一定程度的制約；需要制定詳細具體的人力資本政策，加強相關方面的教育培訓，提高勞動力質量，進而促進工業生態效率的提高；對于高人力資本水平地區，環境政策的實施會更加有效。合理提高研發投入，增加政府財政支出中“綠色支出”部分，適當加大科技研發力度，集中開發環保型、清潔型新能源技術，加快實現工業綠色生產技術替代，不僅會降低對資源的消耗，還會大大減少對環境的污染。