環境規制能否倒逼企業全要素生產率提升？

□何 山

一、引言

改革開放以來，中國經濟迅速發展。然而，粗放的發展模式在拉動經濟增長的同時，也導致了較為嚴重的生態問題，不利于經濟社會的可持續發展。企業作為經濟發展的微觀主體，在實現經濟價值的同時，也造成了相應的污染排放與資源消耗。如何更好地通過環境規制引導企業轉變發展方式，促進企業技術創新水平提升，提高企業全要素生產率，是當前重要的研究議題。

在污染治理與環境保護的過程中，企業理應承擔起相應的責任，扮演好自己的角色。然而，企業在發展過程中追求的是利益最大化，企業并沒有主動轉變發展方式，實現環境保護與企業發展并重的激勵。由此看來，在此過程中，需要政府通過環境規制等手段，對經濟主體施加約束，培育企業的環保理念，引導企業的環保行為。那么環境規制導致的環保壓力究竟會加大企業成本負擔，扭曲企業要素配置，導致企業生產效率損失，還是會像“波特假說”指出的那樣，環境規制能夠刺激企業技術革新，進而有利于實現環境保護與企業生產率提升的共贏發展？本文將據此展開理論與實證分析，考察環境規制的生產率效應。

本文基于“文本分析”方法測度了城市環境規制水平，考察了環境規制的生產率效應，并將技術創新作為中介變量，探討環境規制何以影響企業全要素生產率。本文的邊際貢獻體現在以下兩個方面：第一，本文在利用“文本分析法”測度城市層面環境規制水平的基礎上，檢驗了環境規制對企業全要素生產率的影響，并基于工具變量法、動態面板估計等一系列方法進行了穩健性檢驗，證明了結論的穩健性。同時，本文基于技術創新的視角分析了環境規制影響企業全要素生產率的作用機制，構建了二者之間的邏輯橋梁，不僅回答了環境規制是否影響企業效率的問題，而且厘清了環境規制影響企業績效的作用機制，深化了環境規制的微觀效應研究。第二，本文進一步考察了不同企業所有制、不同企業全要素生產率水平等異質性因素下，環境規制對企業全要素生產率的差異化影響，這對于理解不同情境下環境規制的微觀經濟效應具有重要意義。

二、文獻綜述與研究假說

（一）文獻綜述

現有文獻從不同角度探討了環境規制政策對企業經營發展的影響，尤其是對企業績效和研發創新的影響。但通過梳理文獻不難發現，關于環境規制經濟效應與創新效應的研究仍舊存在分歧。如Zhao 和Sun（2016）基于中國重污染企業數據研究發現，環境規制能夠顯著促進企業技術創新水平提升；Li 和Lin（2016）基于中國制造業數據，測算了制造業綠色全要素生產率發展水平，肯定了環境規制對綠色發展的重要作用。與上述觀點不同，也有學者認為，環境規制會對企業發展產生重大的成本沖擊，進而導致企業全要素生產率的損失，不利于企業可持續發展。如Cainelli 等（2015）認為，環境規制增加了企業環境成本，抑制了企業規模擴張，縮減了企業利潤空間，不利于企業技術創新活動開展；Tombe 和Winter（2015）認為，環境規制會造成企業間資源分配不當，并導致企業生產率的大幅降低。此外，還有學者認為，環境規制的作用效果因其類型不同而異，如Jiang（2021）等分別基于區域與行業兩個層面，考察了環境規制對企業技術創新的影響，發現僅行業層面環境規制能夠促進企業技術創新。

近年來，隨著社會對環境與發展問題的日益重視，環境規制對于企業全要素生產率的影響引起了學界廣泛關注。現有研究對于這一問題得出的結論仍存在較大分歧，并主要形成了“環境規制促進論”與“環境規制抑制論”兩種截然相反的觀點。

一方面，一些學者認為，環境規制會增加企業成本支出，對企業生產效率產生負面影響，即新古典經濟學中的“遵循成本”效應。如王彥皓（2017）基于企業治污投資數據研究發現，環境規制不利于企業全要素生產率提升；盛丹和張國峰（2019）將中國兩控區政策作為環境規制的“準自然實驗”，發現環境規制顯著抑制了企業全要素生產率；周瑞輝等（2021）考察了環境規制對行業內企業加總全要素生產率的作用效果，也得出了類似的結論，證實了“環境規制抑制論”的觀點。

另一方面，也有學者驗證了“波特假說”的“創新補償”效應，認為環境規制有利于企業提高生產效率。如劉祎（2020）通過分析工業行業數據，認為環境規制能夠促進行業綠色全要素生產率提升。

除上述觀點之外，還有部分學者從動態視角考察環境規制的生產率效應。如王杰和劉斌（2014）以及劉和旺（2016）均發現環境規制與企業全要素生產率之間存在非線性關系；李鵬升和陳艷瑩（2019）研究認為，環境規制在短期內會降低企業綠色全要素生產率，而長期內則會對企業綠色全要素生產率產生促進作用。

通過上述文獻梳理可以發現，現有研究仍舊存在分歧。不同于以往的研究，本文通過“文本分析法”重新測度城市層面環境規制程度，考察其對企業全要素生產率的影響，并基于技術創新的視角，分析二者之間的作用機制，以期對現有研究有所補充，澄清環境規制的生產率效應之爭。

(二)研究假說

新古典經濟學認為，環境規制將環保治理的外部成本轉化為企業發展的內部成本，加大了企業成本負擔，扭曲了企業要素配置，導致企業無法作出最優的生產決策，弱化了企業技術創新力與競爭力。而“波特假說”在新古典經濟學分析的基礎上，基于動態視角分析了環境規制的經濟效應，認為適度的環境規制能夠促使企業從事更多的創新活動，而這些創新活動能夠促進企業生產效率提升，有利于企業在市場競爭中獲取更多超額利潤，這有助于抵消環境規制給企業帶來的成本壓力。

波特假說提供了環境規制如何影響企業發展的新視角，且已有研究也證實了適度的環境規制不僅不會增加企業的經營成本，還能夠促進企業技術創新水平提升。具體而言，企業在面臨環境規制的節能與減排壓力下，會將一定的資金投入到污染設備固定資產更新領域，對現有的生產設備進行更新，即通過應用更加先進、高效與節能的生產設備，以完成污染治理的硬性考核任務。企業在引進更加先進的生產設備之后，對相應的人才需求也逐漸加大。一方面，企業會通過對現有的技術工人進行培訓，使得工人能夠熟練安全地使用生產設備；另一方面，企業也會加大人力資本引進力度，提高技術工人雇傭比例。這都有利于企業技術創新水平提升。

同時，環境規制作為政府主導的環保約束與規制政策，能夠提高企業環保意識，使其主動采取對策去適應環境規制政策。在此過程中，企業往往會積極改變經營理念，開發新的生產技術和組織方式，通過研發新產品、新工藝，提高企業技術創新水平，進而改善高污染、高能耗造成的資源浪費，這能夠促進企業全要素生產率水平提升。

此外，技術創新是一項投入大、風險高、不確定性較強的活動，環境規制造成的資金與技術壁壘會提高行業中企業的生存門檻。具體而言，對于新進入的企業，或者行業中的部分在位者而言，其創新能力相對較弱，企業生產率水平較低，使得這類企業在環境規制的過程中，往往會承擔更多的環境成本，致使其難以繼續生存。即環境規制具有“優勝劣汰”的選擇效應，對于一些創新能力較弱、生產率較低的企業而言，這些企業由于無法承擔持續的環境成本，最終會被市場淘汰。

依據上述分析，本文提出如下研究假說：

假說1：環境規制會促進企業全要素生產率提升；

假說2：環境規制會通過提升企業技術創新水平，進而促進企業全要素生產率提升。

三、研究設計

(一)模型設定

首先，為考察環境規制對企業全要素生產率的作用效果，本文設定如式（1）所示的回歸模型：

其中，TFP_LP為LP 法計算的企業i 第t 年的全要素生產率；ER為企業i 所在城市c 第t 年的環境規制強度，其回歸系數α的符號及其顯著性反映了環境規制對企業全要素生產率的作用效果；control為控制變量；fix和fix分別表示年份和企業固定效應；ε為隨機擾動項。

為打開環境規制影響企業全要素生產率的作用機制黑箱，本文參考Baron 和Kenny（1986）的做法，在式（1）的基礎上，進一步設定如式（2）與式（3）所示的模型，三個式子共同構成中介效應模型。

其中，若式（2）中β與式（3）中γ同時顯著，表明環境規制會通過促進企業技術創新，進而促使企業全要素生產率提升，其中介效應的大小為β×γ。此時若式（3）中γ仍顯著，表明企業技術創新是環境規制影響企業全要素生產率的部分中介變量，即環境規制還會直接影響或通過其他途徑間接影響企業全要生產率；若式（3）中γ不再顯著，則表明環境規制僅會通過促進企業技術創新進而影響企業全要素生產率，不存在直接影響或其他間接影響。

此外，為檢驗環境規制影響企業全要素生產率的動態變化特征，本文設定了如式（4）所示的面板分位數回歸模型。

其中，q 表示分位點，er 的回歸系數τ反映了在不同分位點即不同企業全要素生產率水平下，環境規制對企業全要素生產率影響的動態變化特征。

(二)變量構建

企業全要素生產率為本文的被解釋變量。在生產過程中，由于企業可以在一定程度上觀測到自身生產率水平，并據此調整要素投入水平，這會導致基于參數方法計算的企業全要素生產率存在一定程度的雙向因果問題。而半參數方法充分結合了參數估計與非參數估計方法的思想，能夠在很大程度上緩解企業全要素生產率估計過程中的聯立性偏誤與選擇性偏誤。其中，半參數估計方法中，OP 法需要假定企業每期的投資額均為正，會導致基于OP 法估計的企業全要素生產率可能仍在一定程度上存在樣本選擇偏誤，影響估計結果的準確性；而LP 法在OP 法的基礎上進行了改進，將企業中間投入代替投資作為代理變量，補充了OP 法在估計過程中存在的不足之處。因此，本文參考Levinsohn 和Petrin（2003）的做法，對企業全要素生產率進行測算。

環境規制是本文的核心解釋變量。目前學界并沒有關于環境規制的統一測算。以往研究中，學者們主要通過以下三種方法對環境規制進行考察。其中，第一類主要是基于污染排放的角度考察了環境規制的效果，如Lanoie 等（2008）和Yuan 和Xiang（2018）分別基于污染治理投資以及工業污染治理設備運行費用的單一指數法對環境規制強度進行了測度；第二類是基于環保法規的視角考察環境規制的水平，如Javorcik和Wei（2003）以及Elliott 和Shanshan（2008）從環境規制法規的數量上測度了環境規制的效用；第三類是基于政府政策視角對環境規制進行了考察，如盛丹和張慧玲（2017）從兩控區政策、Betsill 和Hoffmann（2011）從排污權交易政策的視角，分析了環境規制的政策效果。不同于以往研究的視角，本文基于“詞頻法”考察了環境規制的水平。具體而言，本文手工搜集了2003—2019 年285 個城市的政府工作報告，對政府工作報告進行了文本分析，統計了其中出現的與環境相關詞匯的頻次，并計算了環境詞匯在政府工作報告全文中的詞頻占比。在之前的研究中，Chen 等（2018）基于環境、能耗、污染、減排以及環保五個詞匯對政府工作報告進行了環境文本分析，考察了政府環境規制的程度。本文在此基礎上，選擇了15 個環保相關詞匯對城市層面環境規制程度進行考察，具體參考陳詩一和陳登科（2018）。

此外，在估計過程中，本文還進一步控制了其他影響企業全要素生產率的一系列變量。具體包括：（1）企業規模（Scale），用企業員工總數的對數值測度；（2）財務杠桿（Lev），用總負債占總資產比重測度；（3）企業所有制（Soe），將國有企業賦值為1，其他類型企業賦值為0；（4）股權集中度（Top_10），用前十大股東持股比例測度；（5）企業年齡（Age），用當年減去企業IPO 年份測度；（6）現金流（C_flow），用經營活動產生的現金流凈額占總資產比重測度；（7）企業成長能力（Grow），用企業營業總收入增長率測度。

(三)數據來源與特征

本文樣本為2003—2019 年中國上市公司以及城市層面的環境規制數據。如前所述，城市層面環境規制數據基于各年份各城市的政府工作報告通過文本分析得到，政府工作報告來源于各城市政府網站。企業層面數據均來源于CSMAR。本文進一步對數據進行了如下處理：（1）剔除了金融類企業數據；（2）剔除了ST 與PT 類企業；（3）剔除了主要變量缺失的企業；（4）對所有連續型變量進行了上下1%的縮尾處理，最終得到了32526 個公司一年度觀測值。從表1 可以看出，LP 法計算的企業全要素生產率均值為8.7657，標準差為1.1821，其他變量統計也均在合理的范圍內，表明數據具有良好的分布特征。從相關系數來看，環境規制與企業全要素生產率的相關系數在1%的顯著性水平下為正，這在一定程度上表明環境規制促進企業全要素生產率，但這僅是根據數據表面特征作出的初步判斷，需要進一步通過實證分析進行檢驗。

表1 變量的描述性統計

四、實證結果與分析

(一)基準回歸

對式（1）進行估計，結果如表2 所示。回歸（1）與回歸（2）控制了模型的年份、城市以及行業固定效應。其中，回歸（1）為僅包括被解釋變量與解釋變量的回歸，回歸（2）進一步加入了所有控制變量。回歸結果表明：環境規制對企業全要素生產率的回歸系數均顯著為正。回歸（3）與回歸（4）控制了模型的企業與年份固定效應，回歸（4）在回歸（3）的基礎上進一步加入了所有控制變量。從中可以看出：環境規制的回歸系數同樣均在1%的顯著性水平下為正。上述回歸結果表明：環境規制促進了企業全要素生產率提升，與假說1 相符。本文將進一步通過多重穩健性檢驗以及內生性問題的處理，驗證基準回歸結論的準確性。

表2 基準回歸

(二)穩健性檢驗

1.改變被解釋變量測度方式

首先，本文改變了被解釋變量的測度方式，基于OP 法重新測度了企業全要素生產率，并用式（1）進行估計，結果如表3 中回歸（1）與回歸（2）所示。這從中可以看出，回歸結論仍舊保持不變。

2.調整樣本

綜合實力較強的城市，擁有較高的經濟發展水平以及環境保護力度，往往環境規制水平相對較高，企業全要素生產率水平也處于領先地位。如中國大量高科技企業均集中在北京、上海、廣州以及深圳4 個一線城市，且這4 個一線城市的環境規制水平也較高，如北京市為緩解環境壓力，將污染企業持續搬離中心城區，促進了區域經濟合理工業布局體系的形成。因此，本文借鑒參考Chang 等（2015）的方法，將樣本中4 個一線城市的企業進行剔除，將剩余的樣本重新帶入式（1）進行估計，結果如表3 中回歸（3）與回歸（4）所示。從中可以看出，環境規制對企業全要素生產率的估計系數均顯著為正，與基準回歸結果保持一致。

表3 穩健性檢驗Ⅰ：改變因變量測度方式與調整樣本

3.加入城市層面控制變量

考察城市環境規制水平對企業全要素生產率的作用效果，需要考慮企業層面的微觀環境，同時也需要將城市層面的影響因素考慮在內。城市經濟環境作為一項重要的宏觀影響因素，可能會影響環境規制水平，也會影響企業全要素生產率水平，并進一步導致環境規制與企業全要素生產率之間存在正相關關系，影響估計結論的準確性。因此，本文參考Gan 等（2016）以及Mayneris 等（2018）的做法，將城市人均GDP 的對數值、城市總人口的對數值以及城市就業總人數的對數值納入式（1）進行估計，結果如表4 中回歸（1）與回歸（2）所示。根據估計結果可以看出，環境規制對企業全要素生產率的回歸系數均在1%的顯著性水平下為正，

表明考慮了城市層面的宏觀經濟環境對估計結果的影響后，回歸結論仍舊保持穩健。

4.加入交互固定效應

本文樣本中存在較多的行業類型，如科技含量水平較高的計算機、通信和其他電子設備制造業，以及污染程度較大的化學原料及化學制品制造業。不同行業的發展方式、發展水平等方面均具有較大差異，為消除不同行業之間存在的不可觀測因素造成的估計結果偏誤，本文在式（1）中進一步加入了行業與年份的交互固定效應，估計結果如表4 中回歸（3）與回歸（4）所示。根據回歸結果可得，前述結論具有穩健性。

表4 穩健性檢驗Ⅱ：加入更多控制變量

(三)內生性問題的處理

1.動態面板估計

企業全要素生產率在時間上具有一定的持續性，前一年的企業全要素生產率會對當年企業全要素生產率產生影響，即序列相關問題。為緩解模型中可能存在的序列相關問題，本文進一步使用動態面板進行估計，分別基于差分GMM 估計與系統GMM 估計，檢驗前述結論的穩健性。動態面板的估計結果如表5 所示，從中可以看出，滯后一期企業全要素生產率的回歸系數顯著為正，表明動態面板估計具有必要性。由序列相關檢驗可得，動態面板模型不存在二階序列相關。Hansen 檢驗結果表明，工具變量的選取有效。考慮了模型中存在的序列相關對估計結果的影響后，環境規制對企業全要素生產率的估計系數仍顯著為正，說明前述結論是穩健的。

表5 GMM 估計

2.工具變量估計

雖然本文在前文中進行了一系列的穩健性檢驗，但受限于現有指標統計、數據可得性等客觀原因，本文無法控制所有影響企業全要素生產率的因素，這可能會導致估計中仍存在一定程度的遺漏變量問題。同時，企業全要素生產率水平較高的城市經濟實力往往較強，環境保護力度也相對較大，其環境規制水平可能也較高，由此產生了雙向因果問題，可能會影響估計結果的準確性。此外，數據統計中的測量誤差也難以避免。因此，本文將進一步通過工具變量估計，緩解由于遺漏變量、雙向因果以及測量誤差所導致的內生性問題。

出于政績考核與區位競爭的壓力，某一城市在總結和制定政府工作報告時，除了會考慮自身經濟與環境發展狀況等內部因素，也會參考省內其他城市政府工作報告的制定。若其他城市在政府工作報告中更多地強調環境治理與生態保護，那么本地區也會傾向于在政府工作報告中對環境保護相關詞匯具有更多的表述。由此看來，省內其他城市環境規制的水平也是本地區環境規制力度的重要參考，滿足工具變量的相關性要求。但從理論上講，省內其他城市環境規制的程度并不會直接影響本地區企業全要素生產率，滿足工具變量的外生性要求。因此，本文選擇本城市所在省份中其他城市平均環境規制水平的滯后一期作為工具變量，并基于兩階段最小二乘法（2SLS）對式（1）進行估計，結果如表6 所示。

表6 IV 估計

根據F 檢驗與LM 檢驗的結果可得，模型中不存在弱工具變量與不可識別的問題。從第一階段估計可以看出，工具變量對內生變量的估計系數在1%的顯著性水平下為正，表明工具變量能夠很好地解釋內生變量的變化。根據第二階段的估計可得，在控制了模型的內生性問題后，環境規制對企業全要素生產率的回歸系數仍在1%的顯著性水平下為正，表明環境規制促進了企業全要素生產率水平提升，前述結論具有穩健性。

(四)中介效應分析

企業技術創新是本文的中介變量，考察企業技術創新可以基于創新投入與創新產出兩個角度進行測度，然而由于創新活動具有較高程度的風險性與不確定性，從創新投入的視角考察企業技術創新水平無法真實反映企業技術創新資源整合能力，因此參考Yang 等（2022）的研究，本文用企業專利申請量作為企業技術創新水平的代理變量，具體而言，用企業發明專利申請量的對數值測度企業技術創新水平。

對式（1）至式（3）所示的中介效應模型進行估計，結果如表7 所示。回歸（1）與基準回歸結果一致。回歸（2）表明，環境規制有利于企業技術創新水平提升。結合回歸（3）結果可得，環境規制能夠通過促進企業技術創新，進而提升企業全要素生產率。此時環境規制對企業全要素生產率的估計系數在系數大小以及顯著性方面均有所下降，表明企業技術創新是環境規制促進企業全要素生產率的部分中介因素，其中介效應的大小為0.0922（7.3732×0.0125）。

表7 中介效應分析

(五)異質性分析

1.經濟增長目標異質性

較高的經濟增長目標可能會促使政府將企業作為完成政績考核的工具，導致地方政府忽略了企業技術創新發展，可能會影響環境規制對企業全要素生產率的作用效果。因此，本文檢驗了在不同經濟增長目標的考核壓力下，環境規制對企業全要素生產率的影響是否存在差異性。具體而言，本文分省份計算了經濟增長目標的年度均值，若企業所在省份的經濟增長目標高于所有省份經濟增長目標的均值，則將企業歸為高經濟增長目標組，否則歸為低經濟增長目標組。兩組樣本的回歸結果如表8 中回歸（1）與回歸（2）所示。從中可以看出，僅在低經濟增長目標的省份環境規制對企業全要素生產率才具有顯著的促進作用。可能的原因是，一方面，高經濟增長目標地區的環境規制程度較弱，地方政府將更多精力投入至經濟增長，忽視了環境保護；另一方面，若地方政府設定較高的經濟增長目標，則會促進地方政府的短視行為，使得地方政府僅將企業作為完成政績考核的工具，促進了企業的粗放式發展，使得環境規制未能有效調動企業技術創新激勵，不利于企業全要素生產率水平提升。

2.城市等級異質性

省會城市、直轄市與副省級城市往往處于區域經濟發展的中心地位，其經濟發展水平相對較高，對創新要素與資源具有更強的吸引力。為檢驗城市等級異質性是否會影響環境規制對企業全要素生產率的作用效果，本文對不同城市進行了城市等級異質性分組，若企業處于省會城市、直轄市與副省級城市，則將企業歸為中心城市組；若企業處于普通地級市，則將企業歸為非中心城市組。兩組樣本的回歸結果如表8 中回歸（3）與回歸（4）所示。從中可以看出，環境規制僅促進了位于中心城市企業的全要素生產率。可能的原因是中心城市具有更多的政策優惠，能夠吸引更多的創新資源向中心城市集聚，為環境規制提升企業全要素生產率提供充足的政策、要素與資金支持。

表8 異質性分析Ⅰ：宏觀因素異質性

3.企業技術創新水平異質性

本文進一步將企業技術創新水平即企業發明專利申請量大于所有企業發明專利申請量均值的企業定義為高創新水平企業，其他企業定義為低創新水平企業，將兩組樣本分別帶入式（1）進行估計，結果如表9 中回歸（1）與回歸（2）所示。根據回歸結果可得，環境規制僅促進了創新水平較低企業的全要素生產率。可能的原因是低創新水平企業仍處于創新發展的規模報酬遞增階段，導致環境規制的創新效應較為顯著，對企業全要素生產率的促進效果更為明顯；而高創新水平企業已經處于創新發展的成熟期，導致環境規制對高創新水平企業的全要素生產率影響不顯著。

4.企業所有制異質性

最后，本文檢驗了在不同所有制企業中，環境規制對企業全要素生產率的異質性影響。具體而言，本文設置了將樣本分為國有企業與非國有企業，并將兩組樣本分別帶入式（1）進行估計，結果如表9 中回歸（3）與回歸（4）所示。從中可以看出，環境規制對國有企業全要素生產率的回歸系數不顯著，而對非國有企業全要素生產率的回歸系數在1%的顯著性水平下為正，表明環境規制僅能夠促進非國有企業全要素生產率提升。可能的原因是：一方面，國有企業受到更大程度的行政干預，在一定程度上影響了國有企業技術創新效率以及生產效率；另一方面，國有企業需要承擔更多社會責任，如國家重大核心技術攻關任務等，使得短期內國有企業技術創新績效相對較低，這都可能會導致環境規制對企業全要素生產率的提升效果不明顯。

表9 異質性分析Ⅰ：微觀因素異質性

(六)持續性特征檢驗

為進一步考察環境規制對企業全要素生產率是否具有持續的促進作用，本文將環境規制分別作滯后處理，帶入式（1）進行估計，結果如表10 所示。從中可以看出，滯后一期環境規制對企業全要素生產率的回歸系數在1%的顯著性水平下為正。進一步將環境規制滯后兩期、滯后三期處理，分別帶入式（1）中估計，環境規制的回歸系數均在1%的顯著性水平下為正，表明環境規制對企業全要素生產率的促進作用具有持續性，且持續時間至少為3 年。

表10 持續性特征檢驗

(七)動態特征檢驗

本文分別選擇10%、30%、50%、70%、90%五個分位點對式（4）所示的面板分位數模型進行估計，結果如表11 所示。這從中可以看出，隨著分位點的提高，即隨著企業全要素生產率水平的不斷提升，環境規制的回歸系數在逐漸減小，且在中高分位點之后，即企業全要素生產率處于較高水平時，環境規制對企業全要素生產率的促進作用逐漸消失。此外，本文還檢驗了不同分位點上環境規制的回歸系數是否具有差異，結果顯著拒絕所有分位點上回歸系數相同的原假設，表明環境規制對企業全要素生產率影響的動態特征成立。

表11 動態特征檢驗

為了更為清晰地刻畫環境規制對企業全要素生產率的動態軌跡，本文基于式（4）所示的回歸模型，對所有分位點重新進行估計，并繪制了環境規制影響企業全要素生產率的動態軌跡變化圖，結果如下圖所示。從中可以看出，隨著企業全要素生產率的不斷提升，環境規制對企業全要素生產率的促進作用越來越弱，直至不再顯著。

圖 動態特征檢驗圖示

五、研究結論與實踐啟示

（一）研究結論

本文匹配2003—2019 年中國A 股上市公司數據與地級市數據，在理論分析的基礎上，實證考察了企業所在城市環境規制程度對企業全要素生產率的影響效果。此外，我們還進一步從技術創新的視角探究了兩者之間的邏輯關系。本文的研究結果表明：（1）環境規制能夠提升企業全要素生產率。經過多重穩健性檢驗以及內生性問題的處理之后，該結論依舊保持成立。持續性特征分析發現：環境規制能夠持續提升企業全要素生產率，其持續時間至少為三年。此外，隨著企業全要素生產率的不斷提升，環境規制對企業全要素生產率的促進作用逐漸減弱。（2）中介機制分析發現：環境規制能夠通過促進企業技術創新，進而提升企業全要素生產率。（3）進一步對企業所在省份經濟增長目標、企業所在城市等級、企業技術創新水平以及企業所有制作區分后研究發現，在經濟增長目標較高省份、非中心城市、國有企業以及創新水平較高的企業，環境規制對企業全要素生產率的促進作用并不顯著；而在經濟增長目標較低的省份、中心城市、非國有企業以及創新水平較低的企業，環境規制對企業全要素生產率具有顯著的促進作用。

（二）實踐啟示

如何充分發揮環境規制的生產率效應，實現環境保護與企業全要素生產率提高的雙贏，對企業自身發展乃至國家實現經濟高質量發展至關重要。通過上述研究結論，本文得出如下啟示：

1.鑒于環境規制能夠顯著促進企業全要素生產率提升，我們應當充分發揮政府生態保護職能，強化政府尤其是地方政府在企業經營和環保中的重要作用

一方面，應當重視政府在綠色經濟發展中的作用，充分發揮地方政府的信息優勢和宏觀調控職能，通過采用經濟手段、法律手段與必要的行政手段，加強環境規制強度，在規范企業的環保行為的同時，促進企業經營效率提升。環境保護相關部門應當積極落實環境規制政策，提高環境政策執行效果，強化對企業的環境督導，并重點關注煤炭、化工等高污染、高排放行業的企業經營行為。另一方面，政府要積極主動地引導技術落后的傳統產業進行轉型升級，給予中小企業等缺乏轉型能力的企業以必要的生產經營補貼、稅收優惠等幫扶政策；在新冠疫情影響下，地方政府尤其要在企業融資、經營等方面予以扶持，避免企業在利益最大化目標驅使下采取粗放的發展模式。

2.科技創新能夠實現經濟效益與環境效益的雙贏

企業技術創新作為中介因素，是環境規制促進企業全要素生產率的重要因素。因此，政府部門應當樹立綠色發展和創新發展理念，加大對企業的研發補貼資金投入，激勵企業積極開發新技術、新產品、新工藝，充分挖掘技術創新對企業全要素生產率提升的潛力。同時，地方政府也應當大力推行優惠的人才引進政策，廣納賢士，為企業創新發展積累優質的人力資本，助力企業技術創新。此外，政府部門還要鼓勵加強企業間的經驗交流和技術學習，并大力推進“政用產學研”協同創新；以促進企業技術創新為目標，采取規制約束與政策優惠并行的手段，形成規制與激勵并存的環境規制機制，在提升企業資源利用效率和環保績效的同時，提高企業全要素生產率。

3.在制定和實施環境政策時，地方政府不能采取“一刀切”的政策措施，而要堅持一地一策、一企一策的方針

一方面，基于異質性分析結論，政府應當重視企業發展的外部環境、企業所有制屬性以及企業自身創新水平等方面存在的個性化差異，本著因地制宜、實事求是的原則，在企業間差異化地推行環境規制政策。政府部門要提高環境規制政策的靈活性，充分發揮環境規制的生產率效應。另一方面，鑒于在經濟增長目標較低城市、中心城市、非國有企業以及創新水平較低的企業，環境規制政策對企業全要素生產率的促進效用更加顯著，當地政府部門應當加大環保監管力度，積極主動地借助政策手段，在約束相關企業生產經營過程中的污染排放的同時，提高企業經營績效。通過政府的積極引導與參與，致力于實現企業創新發展與環境保護的雙贏目標。