創新集聚對工業綠色轉型的影響

摘要：本文通過構建包含創新集聚部門的新經濟增長模型，理論闡釋了創新集聚對工業綠色轉型的非線性作用機制，并基于2006—2020年中國282個城市面板數據，實證檢驗了創新集聚對工業綠色轉型的非線性影響及異質性、空間溢出效應，并驗證財政縱向失衡和外商直接投資在其中的調節效應。研究發現：創新集聚對工業綠色轉型影響呈U型特征；創新集聚在有效推動東部城市、一線城市工業綠色轉型的同時，卻抑制了中部城市、資源型城市、四五線城市工業綠色轉型；創新集聚影響工業綠色轉型的U型特征受到財政縱向失衡的負向調節和外商直接投資的正向調節；創新集聚對地理距離相近地區工業綠色轉型的影響存在顯著的倒U型空間溢出效應。

關鍵詞：創新集聚；工業綠色轉型；U型；新經濟增長模型

中圖分類號：F205文獻標識碼：A文章編號：1001-148X（2024）02-0001-12

收稿日期：2023-09-07

作者簡介：王陽（1997—），男，山西忻州人，博士研究生，研究方向：宏觀經濟；郭俊華（1966—），男，陜西武功人，教授，博士生導師，研究方向：宏觀經濟。

基金項目：國家社會科學基金重大項目“西部地區鞏固拓展脫貧攻堅成果同鄉村振興有效銜接的路徑及政策研究”，項目編號：21ZDA063；陜西省社會科學基金項目“陜西鞏固拓展脫貧攻堅成果同鄉村振興雙向嵌入的邏輯及路徑研究”，項目編號：2022D039。

一、引言

改革開放以來，伴隨著中國經濟的快速發展，資源短缺、環境污染、生態失衡等問題日益凸顯。據統計，2021年中國能耗量和碳排放量約占全球總量的2645%和3106%，是全球最大的能源消費國與碳排放國。現階段，工業是中國國民經濟的主體，是“三廢”和碳排放的主要來源。2021年中國工業領域碳排放量約占全國碳排放總量的69%，能源消費量約占全國能源消費總量的65%。因此，加快推進工業綠色轉型是實現經濟社會發展綠色化、低碳化的核心問題，是實現高質量發展和中國式現代化的本質要求。

創新是引領高質量發展和中國式現代化的關鍵動力，是新時代中國實現工業綠色轉型的戰略支撐。在以大數據、物聯網、云計算、人工智能為核心的數字經濟時代，低成本、高速度的要素流動特征，使創新要素逐漸向經濟最具活力、開放程度最高、人才競爭力最強的城市聚集。不同于傳統的分散式創新，創新集聚是將關鍵核心技術匯集于重要部門、重點城市，從而提高技術創新效率、實現多個創新主體互利共贏、提升產業鏈、供應鏈現代化水平、塑造產業發展新優勢。為此，工業綠色轉型亟須創新集聚驅動，用以規避綠色技術研發風險、降低污染治理成本、縮短節能技術研發周期、化解工業部門產能過剩、減少工業部門能源消費、“三廢”和碳排放量。

目前，中國工業綠色轉型問題引發了學術界的廣泛關注，相關研究包括中國工業綠色轉型的時間演進、空間分化和驅動因素等方面?，F有研究認為中國工業綠色轉型水平呈逐年上升的趨勢［1］，但整體水平偏低［2］，并存在明顯空間分化態勢，東部地區、長江流域和黃河流域中下游工業綠色轉型水平相對較高［3］，總體空間差異呈擴大趨勢，區域間差異是總體差異的主要來源［2］；綠色信貸、環境規制［4］、綠色技術創新［5］、財政分權、數字經濟［6］等是實現中國工業綠色轉型的關鍵驅動因素。

本文基于2006—2020年中國282個地級及以上城市面板數據，實證檢驗創新集聚對工業綠色轉型的非線性影響及異質性、空間溢出效應，探討財政縱向失衡和外商直接投資在創新集聚對工業綠色轉型影響中的調節效應。

二、理論分析

（一）模型構建與研究假說

本文基于Romer（1990）的內生增長理論，參考楊立巖和潘慧峰［7］、孫早和許薛璐（2017）［8］、葛鵬飛等（2018）［9］的相關研究成果，引入創新集聚與工業綠色全要素生產率，構建了包括工業最終產品生產部門、工業資本設備生產部門、創新集聚部門和工業最終產品消費部門的新經濟增長模型，理論闡釋創新集聚對工業綠色轉型的作用機理。

1工業最終產品生產部門廠商行為

參考袁嘉琪和卜偉（2022）［10］的相關研究成果，結合自身研究對象，構建了以勞動力投入（L1t）、資本設備投入（X）、能源投入（E）為主要投入要素的生產函數，生產函數采用Cobb-Douglas生產函數形式，具體設定為：

Yt=Lα1t∫At0xβidiEδt（1）

其中，α、β、δ分別表示勞動、資本設備、能源的產出彈性；Yt表示t時刻工業最終產品產出；L1t表示t時刻工業最終產品生產部門的勞動力投入；xi表示t時刻工業最終生產部門資本設備數量；Et表示t時刻工業最終生產部門的能源投入；At表示地區創新集聚水平。

假定工業最終產品銷售市場是完全競爭市場，其價格為1。則工業最終產品生產部門廠商的利潤為：

πYt=Lα1t∫At0xβidiEδt-CL1t;xi;Et（2）

CL1t;xi;Et=PL1tL1t+∫At0Pxixidi+PEtEt（3）

理性的工業最終產品生產部門廠商會利用所有投入要素實現利潤最大化，即（2）和（3）式滿足一階條件，其生產決策規劃將滿足投入要素的價格等于工業最終產品的邊際產出：

PL1t=αLα-11t∫At0xβidiEδt=αYtL1t（4）

Pxi=βLα1txβ-1iEδt（5）

PEt=δLα1t∫At0xβidiEδ-1t=αYtEt[SX）]（6）

其中，PL1t、Pxit、PEt表示勞動力、資本設備與能源的價格。

2工業資本設備生產部門廠商行為

由（5）式可得工業最終生產部門對資本設備的需求函數：

xi=Lα1-β1tEδ1-βtβPxi11-β（7）

假設每個工業資本設備生產部門的生產函數是線性的，即：

Yt-=xi（8）

聯立（1）、（7）、（8）式，得工業最終產品生產部門的生產函數為：

Yt=β2β1-βLα1-β1tAtEδ1-βt（9）

3創新集聚部門廠商行為

參考Jones（1995）［11］的相關研究成果，本文設定地區創新集聚水平的高低取決于創新集聚部門的勞動力投入（L2t）、本地區已有創新集聚水平（At）、其他地區創新集聚水平（At*）、本地區基礎知識總量（Ot），則創新集聚部門的生產函數為：

At˙=θL2tAφtAtA*tσOεt#（10）

其中，At˙表示t時期本地區創新集聚水平增量；θ、φ、σ、ε表示勞動力投入、本地區已有創新集聚水平、本地區和其他地區創新集聚水平差距、本地區基礎知識總量對創新集聚水平的提升效率；由于知識的積累效應，假設φ與σ均大于1；At/A*t表示本地區和其他地區創新集聚水平差距，當其他地區創新集聚水平較高而本地區創新集聚水平較低時，高新技術廠商、高水平技術型人力資本、社會資本等將從本地區轉移到其他地區，對本地區創新集聚水平提升作用顯著降低；基礎知識總量Ot的增量取決于基礎知識部門的勞動力投入（L3t）、本地區已有基礎知識總量（Ot），具體為：

Ot˙=ρL3tOεt（11）

其中，L3t=τLt，τ表示收入稅率，Lt表示社會總勞動力，Lt=L1t+L2t+L3t。

創新集聚部門廠商的利潤為：

πOt=PAtAt˙-PL2tL2t（12）

創新集聚部門的工資水平為：

PL2t=PAtθAφtAtA*tσOεt#（13）

假定創新集聚部門是完全競爭市場，在市場均衡條件下創新成果價格等于資本設備生產部門廠商利潤的貼現值：

PAt=1rπyt=1rt1-ββ1+β1-βLα1-β1tEδ1-βt（14）

依據（14）式，創新集聚部門的工資水平（13）式可改寫為：

PL2t=θ1rt1-ββ1+β1-βLα1-β1tEδ1-βtAφtAtA*tσOεt（15）

4工業最終產品消費部門家庭行為

參考劉鵬飛（2022）［12］的相關研究成果，假設工業最終產品消費部門的消費偏好滿足固定彈性效應函數，則在均衡條件下，家庭消費增長率為：

gC=c˙c=1qr-m（16）

其中，1/q表示跨期替代彈性；m表示時間偏好系數。

（二）模型分析

為簡化分析與計算，將上述過程設定為長期均衡水平上，則長期均衡增長率：

g=gY=gK=gA=gC（17）

聯立（4）、（9）、（10）、（15）、（16）式，得長期均衡增長率為：

g=θ1-τLtAφtAtA*tσOεt-αmβ1-βAtAt+αqβ1-βAt（18）

進而，參考陳詩一（2009）［13］、藺鵬和孟娜娜（2021）［14］的相關研究成果，根據標準經濟增長核算法，采用產出增長率扣除要素增長率計算工業綠色全要素生產率的增長率，即：

GTFPt˙GTFPt=Yt˙Yt-αL1t˙L1t-βKt˙Kt-δEt˙Et=g-f（19）

為分析創新集聚對工業綠色轉型的作用，將（19）式對At求偏導：

GTFPt˙GTFPtAt=gAt-fAt

=θ1-τLtOεtφ+σ-11+αqβ1-βA*tσAγt-fAt（20）

其中，γ=φ+σ-2，由于φ與σ均大于1，故γgt;0；參考劉斌和趙飛（2023）［15］、鐘文和鄭明貴（2022）［16］的相關研究成果，創新集聚水平的提升會使人力資本、能源和資本設備等要素生產率的增加，即f/Atgt;0。因此，必然存在一個At0，使得GTFPt˙GTFPt/At=0。當Atgt;At0時，GTFPt˙GTFPt/Atgt;0，創新集聚有利于推動工業綠色轉型。當Atlt;At0時，GTFPt˙GTFPt/Atlt;0，創新集聚對工業綠色轉型產生負面影響。據此，本文提出如下假說：

H1：創新集聚對工業綠色轉型的影響呈“U”型非線性特征。

除此之外，由于各地財政縱向失衡程度、FDI（外商直接投資）水平等的不同，創新集聚對工業綠色轉型的影響程度也不同。

就財政縱向失衡而言，過度的財政縱向失衡會扭曲地方政府財政收支結構，造成財政收支缺口［17］。當創新集聚水平較低時（位于“U”型曲線的左半邊），財政壓力增大迫使地方政府增加本地區工業企業生產成本，且本地區創新要素集聚水平較低，創新要素轉換為產出存在一定的滯后性，企業權衡成本效益后，會選擇減少生產來規避風險，從而降低了地區“三廢”和碳排放量，同時地方政府為擴大稅源也將積極引進第二產業，但較低的創新集聚水平使地方政府找不到、招不來、留不住優質工業企業，由此抑制了創新集聚對工業綠色轉型的負面影響。隨著創新集聚水平的提升（位于“U”型曲線的右半邊），財政壓力增大，使地方政府為擴大稅源、推動城鎮化和工業化發展，引進了大量高污染、高耗能的工業企業，會直接增加地區“三廢”和碳排放量，同時地方政府財權缺位，使其沒有動力將有限的資金支持短期經濟效益不明顯的環保事業，且環保事業是典型的公共產品，地方政府容易依賴中央政府的環境治理措施，產生了“搭便車”行為，導致地方政府在環境治理上不作為，由此抑制了創新集聚對工業綠色轉型的促進作用。

就FDI而言，當創新集聚水平較低時（位于“U”型曲線的左半邊），外商直接投資主要集中于綠色技術創新水平要求不高的化工、建材、紡織、機械制造等高污染、高耗能、資源密集型產業，而地方政府在政治錦標賽體制下，將完成既定經濟增長目標作為招商引資的主要指標，使地方政府以犧牲生態環境為代價吸引污染密集型外資企業入駐本地，由此促進了創新集聚對工業綠色轉型的負面影響。隨著創新集聚水平的提升（位于“U”型曲線的右半邊），提高了本地區人力資本水平［18］，勞動力成本抬升使資源密集型、勞動密集型外資企業向用工成本較低的其他發展中國家轉移，同時基于成本效益原則，吸引智能制造、新能源、新材料、信息技術等環境友好型外資企業落戶本地，從而倒逼本地企業學習外資企業的生產集約化管理和減排技術，且稅收的增加使地方政府加大對環境治理、生態保護的投資力度，由此促進了創新集聚對工業綠色轉型的正面影響?；诖?，本文提出如下假說：

H2：財政縱向失衡負向調節了創新集聚對工業綠色轉型的“U”型影響，而FDI正向調節了創新集聚對工業綠色轉型的“U”型影響。

三、研究設計

（一）模型設定

為檢驗創新集聚對工業綠色轉型的影響是否呈“U”型非線性特征，本文借鑒王樹文和王京誠（2022）［19］、錢麗等（2022）［20］的相關研究成果，結合自身研究對象，構建了以創新集聚一次項和二次項為核心解釋變量的雙向固定效應模型。具體模型設定為：

GTFPit=β0+β1Iaggit+β2Iagg2it+γXit+ui+vt+εit（21）

其中，i和t分別代表城市和年份；被解釋變量GTFPit為城市工業綠色轉型程度；核心解釋變量Iaggit為城市創新集聚水平；Iaggit2為城市創新水平的二次項；Xit為控制變量合集；ui和vt分別為城市和年份固定效應；εit為隨機擾動項。

為檢驗財政縱向失衡和FDI在創新集聚影響工業綠色轉型的調節效應，本文借鑒溫忠麟等（2005）［21］、胡晨光等（2020）［22］的相關研究成果，構建了如下調節效應模型：

GTFPit=β0+β1Iagg′it+β2Iagg′2it+β3A′it+β4A′it×Iagg′it+β5A′it×Iagg′2it+γXit+ui+vt+εit（22）

其中，Ait代表調節變量，分別為財政縱向失衡和FDI；A′it和Iagg′it為調節變量與核心解釋變量的標準化值；A′it×Iagg′it為調節變量與創新集聚水平的交互項；A′it×Iagg′2it為調節變量與創新集聚水平二次項的交互項。

本文借鑒Haansetal（2016）［23］、錢麗等（2022）［20］的相關研究成果，可知（22）式的拐點為-β1+β4A′it/2β2+2β5A′it；由其對調節變量求偏導，若β1β5-β2β4gt;0，U型曲線的拐點右移；若β1β5-β2β4lt;0，U型曲線的拐點左移；若β5gt;0，U型曲線變得更陡峭；若β5lt;0，U型曲線變得更平緩。

為檢驗創新集聚對工業綠色轉型影響的空間溢出效應，本文借鑒楊書等（2022）［24］、楊曉妹等（2023）［25］的相關研究成果，構建如下空間計量模型：

GTFPit=ρWGTFPit+β1Iaggit+β2Iagg2it+φWIaggit+θWIagg2it+γXit+σWXit+ui+vt+εit（23）

εit=λWεit+ξit（24）

其中，ρ為空間自回歸系數；φ、θ為核心解釋變量空間效應的估計系數；λ為空間誤差自相關系數；W為空間權重矩陣，本文采用地理距離空間權重矩陣與經濟距離空間權重矩陣；若λ=0，則上式為空間杜賓模型（SDM）；若λ=0且φ、θ=0，則上式為空間滯后模型（SAR）；若ρ=0且φ、θ=0，則上式為空間誤差模型（SEM）。

（二）變量說明

1.被解釋變量。本文借鑒岳鴻飛等（2017）［26］的相關研究成果，以工業綠色全要素生產率衡量工業綠色轉型程度。為此，本文以勞動、資本、能源為投入指標，以工業增加值（億元）為期望產出指標，以工業廢水排放量（萬噸）、工業二氧化硫排放量（噸）、工業煙（粉）塵排放量（噸）為非期望產出指標，采用SBM-GML方法測算工業綠色全要素生產率的增長率（MI指數），所使用的軟件為MaxDEA80。

其中，勞動投入使用工業部門城鎮非私營單位從業人數（萬人）衡量，工業部門包括采礦業、制造業和電力、熱力、燃氣及水生產和供應業；資本投入使用規模以上工業固定資產凈值（萬元）衡量，由于部分城市缺少規模以上工業固定資產凈值的相關數據，采用規模以上工業固定資產原值扣除累計折舊替代；能源投入使用工業用電量（萬千瓦時）衡量，由于《中國城市統計年鑒》中2006—2016年工業用電量為市轄區數據，而2017—2020年工業用電量為全市數據，為保證數據口徑一致，以2006—2016年市轄區工業增加值占全市比重將市轄區工業用電量換算為全市工業用電量。

除此之外，MI指數需進一步調整為工業綠色全要素生產率，進而衡量工業綠色轉型程度，具體方法為：第一步，將2006年各城市投入與產出數據納入MaxDEA80計算，并以2006年北京為基期（假定其工業綠色全要素生產率為1），通過累乘得到各城市2006年工業綠色全要素生產率，比如2006年天津工業綠色全要素為2006年北京工業綠色全要素生產率乘2006年天津MI指數，以此類推；第二步，將2006—2020年各城市投入與產出數據納入MaxDEA80計算，并以2006年各城市工業綠色全要素生產率為基期，通過累乘得到2006—2020年各城市工業綠色全要素生產率，比如2007年某城市工業綠色全要素生產率為2006年某城市工業綠色全要素生產率乘2007年某城市MI指數，以此類推。

2.核心解釋變量。現有度量創新的方法主要包括Ramp;D投入和創新產出（新產品開發與3種專利授權）兩種。相較于Ramp;D投入和新產品開發，專利授權數作為創新的度量指標，可以直接反映創新水平、規模［27］。此外，與實用新型專利與外觀設計相比，發明專利具有較高的新穎性、創造力和知識含量［28］，故本文以發明專利授權數衡量城市創新水平。同時，借鑒俞立平等（2021）［29］、張平淡和屠西偉（2022）［30］的相關研究成果，采用區位熵測算城市創新集聚水平。具體設定如下：

Iaggit=[SX（]Iit∑i，tIitGDPit∑i，tGDPit[SX）]（25）

其中，Iit為城市發明專利授權數。

3.控制變量。為了盡可能減少遺漏變量干擾引起的誤差，參考既有文獻，本文選擇了如下控制變量：（1）經濟發展水平（lnagdp），用人均GDP（元）的對數表示；（2）城市規模（lndensity），用單位行政區域面積常住人口（人/平方千米）的對數表示；（3）城鎮化率（urban），用城鎮常住人口占常住總人口的比重（%）表示；（4）工業化程度（idegree），用工業增加值占GDP的比重（%）表示；（5）金融發展水平（fd），用金融機構年末存款總額與貸款總額之和占GDP的比重（%）表示；（6）政府干預（gi），用政府財政支出占GDP的比重（%）表示。

4.調節變量。參考學術界已有文獻，本文采用財政支出與財政收入之差與財政支出的比值（%）衡量財政縱向失衡（cs）；采用外商直接投資額占GDP的比重（%）衡量外商直接投資水平（fdi）。

（三）數據來源

本文使用的數據（2006—2019年）來源于CSMAR數據庫、EPS數據庫以及《中國城市統計年鑒》。鑒于《中國城市統計年鑒》（2021）數據缺失嚴重，本文所用2020年數據來源于各城市2021年統計年鑒和2020年國民經濟和社會發展統計公報，并調整統計口徑，使其與《中國城市統計年鑒》中的數據相匹配。對于缺失的數據，采用相近年份數據線性插補。

主要變量的描述性統計如表1所示。

四、實證結果分析

（一）基準回歸

表2報告了創新集聚對工業綠色轉型影響的基準回歸結果。其中，列（1）和列（2）為是否添加控制變量條件下創新集聚對工業綠色轉型線性影響的估計系數，可以發現其在10%的顯著性水平下不顯著，說明創新集聚未對工業綠色轉型產生顯著的線性影響，但這并不代表在整個發展階段創新集聚對工業綠色轉型影響有限。列（3）—（6）為逐步添加控制變量條件下創新集聚對工業綠色轉型非線性影響的估計系數，可以發現在加入創新集聚二次項后，創新集聚一次項估計系數在1%的顯著性水平下顯著為負，二次項估計系數在1%的顯著性水平下顯著為正，表明創新集聚對工業綠色轉型影響呈“先抑后揚”的U型特征，且此結果在不同控制變量下是穩健的。由于以二次項形式判斷非線性關系容易造成極值點識別誤差［31］，因此本文采用U-Test識別U型曲線的拐點值，并檢驗拐點兩側曲線的單調性是否不同。由列（3）—（6）可知，在逐步添加控制變量條件下，U型曲線的拐點值均落入創新集聚（Iagg）的取值范圍內；拐點左、右側端點斜率均在1%的顯著性水平下顯著不等于零，且一負一正；t統計量表明創新集聚對工業綠色轉型影響的U型特征在1%的顯著性水平下整體檢驗通過?？赡茉驗?，在創新集聚的初始階段，地區經濟發展水平相對較低，地方政府主要以經濟建設為中心，致力于將創新要素轉化為經濟發展驅動力，加劇了區域能源消耗和環境污染，同時低水平的創新聚集推動了化工、建材、紡織、機械制造等高污染、高耗能、資源密集型工業企業發展，從而抑制了地區工業綠色轉型；隨著創新集聚水平的提升，吸引了大批智能制造、新能源、新材料、信息技術等環境友好型工業企業落戶本地，推動了區域經濟發展水平的快速提升，倒逼本地高污染、高耗能的工業企業學習其生產集約化管理和減排技術，或迫使高污染、高耗能的工業企業轉移至其他欠發達地區，同時伴隨著經濟發展水平的提升，“綠水青山就是金山銀山”的理念成為地方各級政府的共識，生態文明建設進入了快車道，推動了地區工業綠色轉型。據此，假說H1得到驗證。

（二）穩健性檢驗

為驗證基準回歸結果的穩健性，本文從以下幾個方面進行穩健性檢驗：

1加入被解釋變量滯后項

考慮到工業綠色轉型可能存在時間序列相關，即當期工業綠色轉型程度可能受前期工業綠色轉型程度的影響。鑒于此，本文將被解釋變量的一階滯后項納入研究框架，使用系統GMM模型重新評估創新集聚對工業綠色轉型的影響，檢驗結果見表3列（1）。檢驗結果顯示，在加入被解釋變量的一階滯后項后，創新集聚一次項的系數在1%的顯著性水平下依然顯著為負，二次項的系數在1%的顯著性水平下依然顯著為正，且通過了U-Test檢驗，一定程度上表明基準回歸結果是穩健的。

2更換核心解釋變量衡量方法

創新集聚衡量方法的差異可能會對估計結果產生影響，因此本文換用單位行政面積的發明專利授權數衡量創新集聚水平，檢驗結果見表3列（2）。檢驗結果顯示，在1%的顯著性水平下創新集聚對工業綠色轉型影響的U型特征依然成立，且通過了U-Test檢驗，與基準回歸結果保持一致。

3考慮可能存在的雙向因果關系

使用面板數據在一定程度上可以解決內生性問題中的遺漏變量偏差，但可能存在的雙向因果關系也會使基準回歸估計不一致。本文認為當期工業綠色轉型對創新集聚的一階滯后項基本不存在影響，即二者不存在雙向因果關系。因此，將核心解釋變量換用創新集聚的一階滯后，檢驗結果見表3列（3）。檢驗結果顯示，創新集聚一階滯后項的一次項、二次項系數正負與基準回歸保持一致，在5%、1%的顯著性水平下顯著，且通過了U-Test檢驗，一定程度上表明基準回歸結果是穩健的。

4改變時間窗口

樣本時間窗口的選擇可能會影響估計結果，因此本文選用2007—2019年樣本數據重新評估創新集聚對工業綠色轉型的影響，檢驗結果見表3列（4）。檢驗結果顯示，在樣本子區間中，創新集聚一次項的系數在10%的顯著性水平下依然顯著為負，二次項的系數在1%的顯著性水平下依然顯著為正，且通過了U-Test檢驗，表明前述基準回歸結果是穩健可靠的。

5剔除極端值影響

極端值的存在可能會干擾基準回歸結果，例如部分城市擁有發達的重工業體系或豐富的化石燃料資源，其工業綠色轉型程度遠遠低于其他城市，有些城市主要依賴金融、旅游業等第三產業，其工業綠色轉型程度本身就較高，將這類樣本納入研究范圍，會使基準回歸結果出現偏誤。為此，對被解釋變量進行上下1%的縮尾處理并重新評估創新集聚對工業綠色轉型的影響，檢驗結果見表3列（5）。檢驗結果顯示，創新集聚一次項、二次項的估計結果與基準回歸結果一致，且通過了U-Test檢驗，即剔除極端值影響后創新集聚對工業綠色轉型影響的U型特征依然成立，表明基準回歸結果是穩健的。

6改變樣本

與普通地級市相比，直轄市的經濟體量大、政策空間足，且相關變量的數值均數倍于普通地級市，會使基準回歸結果出現偏誤。因此，本文運用剔除直轄市的城市樣本數據重新評估創新集聚對工業綠色轉型的影響，檢驗結果見表3列（6）。檢驗結果顯示，在子樣本區間內，創新集聚對工業綠色轉型影響的U型特征依然成立，且通過了U-Test檢驗，表明基準回歸結果在一定程度上是穩健的。

五、進一步分析

（一）異質性分析

在上文研究的基礎上，本文進一步探討創新集聚影響工業綠色轉型可能存在的城市區位異質性、城市特征異質性與城市規模異質性。

1城市區位異質性分析

本文依據樣本城市的地理區位，將其劃分為東部城市、中部城市和西部城市三個子樣本，進而檢驗創新集聚對工業綠色轉型的城市地理區位異質性影響，回歸結果見表4列（1）—（3）?；貧w結果顯示，對于東部城市而言，創新集聚一次項系數在10%的顯著性水平下顯著為正，二次項系數為正但不顯著，即在樣本考察期內創新集聚能有效推動東部城市工業綠色轉型；對于中部城市而言，其創新集聚一次項系數在5%的顯著性水平下顯著為負，二次項系數在10%的顯著性水平下顯著為正，但未通過U-Test檢驗，拐點值位于子樣本數據最右端，左側端點斜率為負且在1%的顯著性水平下顯著，右側端點斜率不顯著，即在樣本考察期創新集聚抑制了中部城市工業綠色轉型；對于西部城市而言，其創新集聚對工業綠色轉型影響的U型特征顯著成立，且通過了U-Test檢驗?？赡茉驗?，東部城市在人才、教育、交通、資金等方面具有明顯優勢，是全國科技創新領頭羊，是高端創新要素的集聚地，大部分東部城市在本文樣本考察期內已跨越U型曲線的拐點值，因此創新集聚能有效推動其工業綠色轉型；中部城市主要以煤炭、化工等高污染、高耗能的重工業為主，同時承接了大批來自東部城市的高耗能工業企業，面臨產業鎖定和路徑依賴等困境，其工業綠色轉型的閾值較高，大部分中部城市在本文的樣本考察期內尚未跨越U型曲線的拐點值，因此創新集聚抑制了其工業綠色轉型；而西部城市與基準回歸結果相似，可能原因如前文基準回歸所述。

2城市特征異質性分析

本文依據樣本城市特征，結合自身研究對象，將其劃分為資源型城市與非資源型城市兩個子樣本，進而檢驗創新集聚對工業綠色轉型的城市特征異質性影響，回歸結果見表4列（4）和列（5）?；貧w結果顯示，在樣本考察期內創新集聚抑制了資源型城市工業綠色轉型，其創新集聚的一次項系數在1%的顯著性水平下顯著為負，二次項系數為正但不顯著；而對于非資源型城市而言，其創新集聚的一次項系數在5%的顯著性水平下顯著為負，二次項系數在1%的顯著性水平下顯著為正，且通過了U-Test檢驗，即在樣本考察期內創新集聚對非資源型城市工業綠色轉型影響呈U型特征。可能原因為，資源型城市的發展較為依賴城市資源稟賦，產業結構容易被“低端鎖定”，普遍存在產業結構單一、經濟效益低下等問題，創新集聚推動其工業綠色轉型的閾值較高，且在本文樣本考察期內尚未達到；而非資源型城市與基準回歸結果相似，可能原因如前文基準回歸所述。

3城市規模異質性分析

本文將樣本城市依據城市規模劃分為一線城市、二、三線城市和四、五線城市三個子樣本，檢驗創新集聚對工業綠色轉型的城市規模異質性影響，回歸結果見表4列（6）—（8）?；貧w結果顯示，在樣本考察期內，創新集聚能有效促進一線城市工業綠色轉型，而抑制了四、五線城市工業綠色轉型，對二、三線城市的工業綠色轉型影響呈U型特征，且通過了U-Test檢驗。究其原因，一線城市各類創新要素集聚水平高，經濟發展狀況好，建設資源節約型、環境友好型社會和實現可持續發展已成為一線城市共識，且一線城市在樣本考察期內大多已跨越U型曲線的拐點值，故創新集聚能有效推動其工業綠色轉型；二、三線城市與基準回歸結果相似，可能原因如基準回歸所述；而四、五線城市經濟發展水平較為薄弱，以經濟建設為中心是其工作重點，并致力于將創新要素轉化為經濟發展驅動力，為此承接了大批由一線城市轉移而來的高污染、高耗能工業企業，故抑制了其工業綠色轉型。

（二）調節效應分析

表5匯報了財政縱向失衡和外商直接投資水平（FDI）在創新集聚影響工業綠色轉型的調節效應結果。其中列（1）和列（2）為是否添加控制變量條件下財政縱向失衡在創新集聚影響工業綠色轉型的調節效應估計系數。結果顯示，在添加控制變量條件下，創新集聚二次項與財政縱向失衡的交互項（Iagg2×cs）系數在1%的顯著性水平下顯著為負，表明財政縱向失衡使U型曲線變得更平緩，即財政縱向失衡負向調節了創新集聚對工業綠色轉型的U型影響，同時β1β5-β2β4=0000348gt;0，表明財政縱向失衡使U型曲線拐點右移并推遲出現，可能原因如前文理論分析所述；列（3）和列（4）為是否添加控制變量條件下外商直接投資水平（FDI）在創新集聚影響工業綠色轉型的調節效應估計系數。結果顯示，在添加控制變量條件下，創新集聚二次項與外商直接投資水平（FDI）的交互項（Iagg2×fdi）系數在1%的顯著性水平下顯著為正，即FDI正向調節創新集聚對工業綠色轉型的U型影響，使U型曲線變得更陡峭，同時β1β5-β2β4=-0000096lt;0，說明FDI使創新集聚影響工業綠色轉型的U型曲線拐點向左移動并提前出現，可能原因如前文理論分析所述。據此，假說H2得到驗證。

（三）空間溢出效應分析

考察數據是否存在空間依賴性是空間計量分析的前提條件，本文基于地理距離空間權重矩陣和經濟距離空間權重矩陣，使用全局莫蘭指數檢驗2006—2020年工業綠色轉型的空間自相關，結果如表6所示。結果顯示，在兩種空間權重矩陣下，2006—2020年工業綠色轉型的莫蘭指數均在1%或5%的顯著性水平下顯著為正，即2006—2020年工業綠色轉型存在正空間自相關。

本文分別進行了LM檢驗、Hausman檢驗、LR檢驗、Wald檢驗來選定最優的空間計量模型，具體結果如表6所示。結果顯示，在地理距離空間權重矩陣下，LMspatialerror、LMspatiallag、RobustLMspatialerror均顯著，但RobustLMspatiallag不顯著，則空間計量模型需要結合后續檢驗來具體判斷，初步選定為空間杜賓模型；LRspatialerror、LRspatiallag、Waldspatialerror、Waldspatiallag均顯著，即拒絕空間杜賓模型退化為空間誤差模型或空間滯后模型；同時，Hausman檢驗、LRbothind、LRbothtime均顯著，表明在地理距離空間權重矩陣下最優的空間計量模型為雙向固定的空間杜賓模型。經濟距離空間權重矩陣下的檢驗也與此類似。

表7匯報了創新聚集對工業綠色轉型影響的空間溢出效應結果，其中列（1）為地理距離空間權重矩陣下空間溢出效應估計系數，列（5）為經濟距離空間權重矩陣下空間溢出效應估計系數。由于空間杜賓模型中包含各變量的空間效應，解釋變量的估計系數并不能準確體現其對工業綠色轉型的邊際效應。因此，本文通過偏微分對空間溢出效應進行分解，將其分解為直接效應、間接效應與總效應，結果如表7列（2）—（4）、列（6）—（8）所示。結果顯示，無論在地理距離還是經濟距離空間權重矩陣下，創新集聚一次項的直接效應在1%的顯著性水平下顯著為負，二次項的直接效應在1%的顯著性水平下顯著為正，即在考慮空間溢出效應后，創新集聚對本地區工業綠色轉型的影響呈U型特征，進一步佐證了基準回歸結果的穩健性；在地理距離空間權重矩陣下，創新集聚一次項的間接效應在1%的顯著性水平下顯著為正，二次項的間接效應在1%的顯著性水平下顯著為負，即創新集聚對地理距離相近地區工業綠色轉型的影響呈倒U型，可能原因為，在創新集聚的初始階段，由于技術的溢出特性，諸如新能源技術、污染治理技術、環境監測技術等綠色技術會輻射至周邊地區，對地理距離相近地區的工業綠色轉型產生正向溢出效應，而隨著創新集聚水平的提升，創新集聚地區的經濟快速發展，建設資源節約型、環境友好型社會和實現可持續發展成為創新集聚地區共識，迫使本地區高污染、高耗能的工業企業轉移至周邊地區，對地理距離相近地區的工業綠色轉型產生負向溢出效應，且大于綠色技術溢出所產生的正向溢出效應；在經濟距離空間權重矩陣下，創新集聚一次項及二次項的間接效應均不顯著，即創新集聚尚不能影響經濟距離相近地區的工業綠色轉型。

六、研究結論與對策建議

本文構建了由工業最終產品生產部門、工業資本設備生產部門、創新集聚部門和工業最終產品消費部門組成的新經濟增長模型，理論探討創新集聚對工業綠色轉型的非線性影響機制，分析財政縱向失衡和外商直接投資的外部調節作用。基于2006—2020年中國282個地級及以上城市面板數據，實證檢驗創新集聚對工業綠色轉型的影響及異質性、空間溢出效應，明晰財政縱向失衡和外商直接投資在創新集聚對工業綠色轉型影響中的調節效應。研究發現：（1）在樣本考察期內，創新集聚對工業綠色轉型影響呈“先抑后揚”的U型特征，此結論在經過一系列穩健性檢驗后依舊成立；（2）異質性分析發現，創新集聚能有效推動東部城市、一線城市工業綠色轉型，抑制了中部城市、資源型城市、四五線城市工業綠色轉型，而對西部城市、非資源型城市、二、三線城市工業綠色轉型的影響呈U型特征；（3）調節效應分析結果發現，財政縱向失衡負向調節了創新集聚對工業綠色轉型的U型影響，而FDI正向調節了創新集聚對工業綠色轉型的U型影響；（4）空間溢出效應發現，創新集聚對地理距離相近地區工業綠色轉型的影響呈倒U型，且尚不能影響經濟距離相近地區的工業綠色轉型。

基于上述研究結論，本文提出以下政策建議：

第一，提升創新集聚水平，堅持科技創新和體制機制創新“雙輪驅動”，加快構建高水平創新聯合體，探索企業創新主體作用和市場導向作用，建立健全知識產權管理體系，完善創新激勵政策機制，堅定實施創新驅動綠色發展戰略，加快實施一批具有戰略性、全局性、前瞻性的重大綠色創新項目，使全國實現跨越創新集聚影響工業綠色轉型的拐點，充分發揮創新集聚在工業綠色轉型中的決定性作用。

第二，考慮創新集聚對工業綠色轉型影響的區域異質性問題，充分發揮各地區比較優勢，制定動態化、差異化的可行政策，推動東部城市、一線城市打造工業綠色轉型高地，使其成為全國建設資源節約型、環境友好型社會和實現可持續發展的“領頭羊”；引導綠色先進技術、高水平技能型人力資本、專項資金向西部城市、非資源型城市、二、三線城市有序轉移，推動其跨越創新集聚影響工業綠色轉型的拐點，成為全國實現工業綠色轉型的中堅力量；加快發展中部城市、資源型城市現代化體系，降低高污染、高耗能、低增加值的重工業在其GDP中的比重，推動產業結構優化升級和低碳轉型。

第三，在財政縱向失衡角度，推進財稅體制改革，優化央地政府財政分配關系，使地方政府事權、財權、財力相匹配，同時明確各級政府在環境保護等公共事務方面的支出責任，扭轉財政縱向失衡在創新集聚影響工業綠色轉型中的負向調節作用；在外商直接投資角度，以市場化、國際化、法制化為原則，進一步營造完善的外商投資政策環境，鼓勵引進先進制造、新能源、新材料等環境友好型外商企業，繼續推動外商直接投資在創新集聚影響工業綠色轉型中的正向調節作用。

第四，布局建設新一代人工智能平臺、大數據中心、5G基站、工業物聯網、云計算中心等數字基礎設施，打破傳統社會中技術溢出的時空、信息壁壘，放大創新集聚對工業綠色轉型影響的正向溢出效應；同時，鼓勵高污染、高耗能的工業企業學習生產集約化管理和減排技術，減弱創新集聚對工業綠色轉型影響的負向溢出效應。

參考文獻：

［1］陳禹靜.中國工業綠色高質量發展的時空格局演變及驅動因素分析［J］.學術論壇，2022，45（3）：60-71.

［2］鄧宗兵，李莉萍，魏劍雄，等.中國工業綠色發展的時空格局及障礙因子［J］.科技管理研究，2023，43（2）：134-143.

［3］李科，袁瑋鴻，羅晶，等.中國工業綠色增長效率的測算及其變化特征［J］.經濟地理，2022，42（4）：44-53.

［4］楊永杰，阮鑫妍.數字化轉型、綠色技術創新與企業ESG表現——環境規制的調節作用［J］．哈爾濱商業大學學報（社會科學版），2023（5）：34-47.

［5］王首然，祝福恩.生態文明建設整體布局下實現“雙碳”目標研究［J］．理論探討，2022（3）：125-129.

［6］高厚賓，王薔瑞.“綠色的饋贈”：數字化轉型對企業環境績效的影響——來自中國制造業A股上市公司的經驗證據［J］．河南師范大學學報（哲學社會科學版），2023，50（5）：88-94.

［7］楊立巖，潘慧峰.人力資本、基礎研究與經濟增長［J］.經濟研究，2003（4）：72-78+94.

［8］孫早，許薛璐.前沿技術差距與科學研究的創新效應——基礎研究與應用研究誰扮演了更重要的角色［J］.中國工業經濟，2017（3）：5-23.

［9］葛鵬飛，黃秀路，韓先鋒.創新驅動與“一帶一路”綠色全要素生產率提升——基于新經濟增長模型的異質性創新分析［J］.經濟科學，2018（1）：37-51.

［10］袁嘉琪，卜偉.環境規制如何提升工業綠色全要素生產率？——行業間要素配置比例變化的視角［J］.經濟問題，2022（6）：75-84.

［11］CharlesJones.Ramp;D-BasedModelsofEconomicGrowth［J］.JournalofPoliticalEconomy，1995，103：759-784.

［12］劉鵬飛.預期壽命和儲蓄率：基于有限生命的拉姆齊模型［J］.東北大學學報（社會科學版），2022，24（5）：22-30.

［13］陳詩一.能源消耗、二氧化碳排放與中國工業的可持續發展［J］.經濟研究，2009，44（4）：41-55.

［14］藺鵬，孟娜娜.有偏技術進步、要素配置扭曲與中國工業經濟高質量發展——基于技術一致性視角［J］.上海經濟研究，2021（8）：72-91.

［15］劉斌，趙飛.人力資本提升對企業綠色發展的影響——來自中國“高校擴招”的證據［J］.湖北大學學報（哲學社會科學版），2023，50（1）：152-161，175.

［16］鐘文，鄭明貴.資本匹配、創新力培育驅動區域經濟高質量發展的邏輯及效應［J］.深圳大學學報（人文社會科學版），2022，39（5）：63-72.

［17］申洋，郭俊華.財政體制失衡與環境污染：理論機制與經驗辨識［J］.經濟問題探索，2021（9）：179-190.

［18］李憲印，王鳳芹，楊博旭，等.人力資本、政府科技投入與區域創新［J］.中國軟科學，2022（11）：181-192.

［19］王樹文，王京誠.城市生活垃圾與經濟增長的非線性關系——基于環境庫茲涅茨曲線的實證分析［J］.中國人口·資源與環境，2022，32（2）：63-70.

［20］錢麗，魏圓圓，肖仁橋.營商環境對中國省域經濟高質量發展的非線性影響——雙元創新的調節效應［J］.科技進步與對策，2022，39（8）：39-47.

［21］溫忠麟，侯杰泰，張雷.調節效應與中介效應的比較和應用［J］.心理學報，2005（2）：268-274.

［22］胡晨光，孫久文，王婷婷.大都市帶基礎設施、城市規模與城市經濟增長——一個中介效應與調節效應的綜合分析框架［J］.中國軟科學，2020（10）：85-95.

［23］HaansR，PietersC，HeZ.ThinkingaboutU：Theo-rizingandTestingUandInvertedUShapedRelationshipsinStrategyResearch［J］.StrategicManagementJournal，2016，37（7）：1177-1195.

［24］楊書，范博凱，顧蕓.投資型環境規制對綠色全要素生產率的非線性影響［J］.中國人口·資源與環境，2022，32（5）：120-131.

［25］楊曉妹，龐倩男，王有興.環境稅對綠色創新的空間溢出效應——基于政府環境監管調節作用的分析［J］.中國人口·資源與環境，2023，33（1）：50-60.

［26］岳鴻飛，徐穎，吳璘.技術創新方式選擇與中國工業綠色轉型的實證分析［J］.中國人口·資源與環境，2017，27（12）：196-206.

［27］傅晗彧，劉敬，謝小平.創新類型、政府支持與經濟增長效率提高［J］.南方經濟，2022（8）：92-112.

［28］曹玉平.異質技術創新對中國加工貿易升級的差異影響——理論機制與實證檢驗［J］.北京理工大學學報（社會科學版），2021，23（5）：101-114.

［29］俞立平，邱棟，彭長生.創新集聚、創新質量與創新成果［J］.統計與決策，2021，37（11）：173-177.

［30］張平淡，屠西偉.制造業集聚、技術進步與企業全要素能源效率［J］.中國工業經濟，2022（7）：103-121.

［31］薛飛，劉家旗，付雅梅.人工智能技術對碳排放的影響［J］.科技進步與對策，2022，39（24）：1-9.

TheImpactofInnovationAgglomerationonIndustrialGreenTransformation

WANGYang，GUOJunhua

（SchoolofEconomicsandManagement，NorthwestUniversity，Xi’an710127，China）

Abstract：Byconstructinganeweconomicgrowthmodelthatincludesinnovationagglomerationsectors，thenonlinearmechanismofinnovationagglomerationonindustrialgreentransformationistheoreticallyexplained.Furthermore，basedonthepaneldataof282citiesinChinafrom2006to2020，thispaperempiricallyteststhenonlinearimpact，heterogeneityandspatialspillovereffectsofinnovationagglomerationonindustrialgreentransformation，andverifiesthemoderatingeffectoffiscalverticalimbalanceandforeigndirectinvestment.TheresearchfindsthatinnovationagglomerationhasaU-shapedimpactonindustrialgreentransformation，whichisstilltrueafteraseriesofrobustnesstests;Innovationagglomerationcaneffectivelypromotethegreentransformationofindustriesineasterncitiesandfirsttiercities，butithassuppressedthegreentransformationofindustriesincentralcities，resource-basedcities，andfourthandfifthtiercities;TheU-shapedrelationshipbetweeninnovationagglomerationandindustrialgreentransformationisnegativelyregulatedbyfiscalverticalimbalanceandpositivelyregulatedbyforeigndirectinvestment;ThereisasignificantinvertedU-shapedspatialspillovereffectofinnovationagglomerationonthegreentransformationofindustriesinregionswithsimilargeographicaldistances.

Keywords：innovationagglomeration;greentransformationofindustry;U-shaped;neweconomicgrowthmodel

（責任編輯：周正）