环境规制与绿色创新的关系研究——基于金融发展与人力资本调节效应的实证分析

(天津大学 管理与经济学部，天津 300072)

一、引言和文献综述

21世纪，环境问题日益成为世界性难题。为应对环境危机，全球环境意识迅速崛起。在可持续发展理念的支配下，绿色创新成为推进经济转型与实现环境保护“双赢”发展的必然选择(陈诗一，2010)。从国家层面来看，美国、欧盟和日本等致力于通过绿色创新来保持和获取国家核心竞争优势。从企业层面来看，环境管理已成为企业组织战略的重要组成部分。因此，那些能够迅速改变传统产品和服务提供方式、进行绿色创新和变革的企业将更具有竞争优势，将成为时代发展的中流砥柱。但是在传统经济发展模式，我国的经济发展与资源环境的矛盾日益突出，经济发展面临着资源约束趋紧、环境污染严重、生态系统退化等问题，因此迫切需要进行绿色创新，以实现资源环境保护与经济发展的“双赢”目标。环境规制被认为是企业绿色创新的初始驱动(Bansal和Roth，2000)。虽然严格的环境规制使企业倾向于追求更加先动的和创新性的战略来保护自身的竞争优势与市场地位，但环境规制促进企业绿色创新的条件和路径还有待于深入挖掘。

现有文献从多元化视角研究了环境规制与绿色创新的关系。余淑均等(2017)从“挤出效应”与“激励效应”的综合作用比较的视角，分析了环境规制对绿色创新的影响。周海华等(2016)从正式与非正式

的环境规制视角，对比分析了影响绿色创新的内在机制。Clemens(2008)从被规制者主观认知的视角出发，研究了环境规制影响绿色创新的作用机理。何小钢(2014)以环境规制政策和研发支持政策的互动视角，研究了绿色创新的形成过程。总体来说，国内外研究者对环境规制与绿色创新关系的研究主要集中于影响因素分析(赵红，2007；张成等，2011)、内在机制探讨(聂爱云、何小钢，2012；乔晓楠、张欣，2012)与边界条件研究等方面(郑绪涛、柳剑平，2008)。通过文献梳理发现，国内外研究者对于绿色创新的影响因素与影响机制进行了较为深入的研究，但仍有一些问题还没有涉及。一是，环境规制与企业绿色创新的关系并不统一，两者之间存在着正向激励(波特假说)、反向制约(污染天堂假说)和门槛效应三种结论。现有研究结论的分歧表明，环境规制通常被看作是一个整体，被忽视了不同维度异质性的作用。事实上，环境规制具有多个维度，这些维度共同构成了环境规制的异质性(李婉红、毕克新和曹霞，2013)。明确不同维度环境规制对企业绿色创新的影响可为政府政策制定、企业绿色创新决策等提供理论依据。二是，传统研究将环境规制与企业绿色创新的关系大都看作是线性关系，事实上，如果所研究的对象具有非线性特征，线性模型估计将是有偏的，需要考虑金融发展、人力资本的交互作用，深化对绿色创新实现过程的认识。三是，传统研究忽略了由于制度、区位环境和资源禀赋的差异，区域发展具有明显的空间差异特征，环境规制与绿色创新关系将呈现出不同的影响模式。

基于上述问题的分析，本文尝试在新经济地理学和考虑空间因素的基础上，构建环境规制与绿色创新空间计量模型，实证分析我国不同地区环境规制与绿色创新的关系，分析环境规制不同维度在相关因素的调节作用下，对于企业绿色创新的影响机理，深入系统研究金融发展、人力资本的交互作用，以打开绿色创新实现过程的“黑箱”，深刻认识绿色创新的过程，为打造系统化实现绿色创新发展的目标提供理论依据和实践支持。

本文创新之处在于，一是，理论视角的创新。MOA理论指出，只有同时具备动机、机会与能力要素是产生某种结果的必要条件。因此，本文基于MOA理论，将绿色创新视为环境规制的动力激励、金融发展的机会支持与人力资本的能力作用共同作用的结果。二是，绿色创新的形成路径及其边界条件分析的创新。传统研究强调绿色创新的内延式生长与外延式激励，而忽略金融发展、人力资本对于绿色创新所需的资金、技术与管理等资源的凝聚作用。因此，本文从金融发展、人力资本的视角窥探环境规制与绿色创新的边界条件，从非线性化创新的视角揭示绿色创新的形成机制，并从实证分析的角度验证模型的研究假设，深化对环境规制与绿色创新关系的认识；三是，研究方法的创新。绿色创新的空间异质性，需要采用空间计量的极大似然估计法解决传统研究模型的一致性与无偏性问题，得到更加逼近客观现实的研究结论，为绿色创新决策提供政策依据。

二、理论分析和研究假设

(一)环境规制与绿色创新

绿色创新受到环境规制的影响。环境规制将环保政策直接嵌入到企业发展中，通过市场信号引导企业进行环境保护。一方面，通过提供创新补偿或提供先动优势等支持企业实现价值创造。黄德春和刘志彪(2006)认为，激励性环境规制政策有助于企业弥补创新成本；另一方面，通过市场激励为企业提供经济激励，使企业能从创新中获益。Villegas-Palacio和Coria(2010)在分析排污税、可交易排污许可等措施对企业创新激励的影响的基础上，提出政府在制定环境规制政策时，应选择恰当的环境规制方式。发展中国家正式制度并不完善，需要环境规制的自我激励和自我约束作用，对正式制度进行补充，以此强化政企合作，从而有利于企业进行绿色创新。因此，根据上述分析，提出以下研究假设。

H1环境规制正向影响绿色创新

(二)金融发展的调节作用

绿色创新过程中充满了风险，由于我国以银行为主导的金融体系，难以通过传统信贷方式有效支持绿色创新。因此，需要通过金融发展引导企业绿色创新。一是，发展资本市场，完善企业直接融资渠道；二是，创新银行绿色信贷产品，通过科技贷、投贷联动等业务模式加大创新支持力度。在此基础上，推动金融发展广度与深度，为企业绿色创新提供金融支持。现有实证研究大多从金融发展对二氧化碳排放的影响来看金融发展对绿色创新的作用。Tamazian等(2009) 运用1992—2004 年巴西、俄罗斯、印度和中国的数据考察了金融发展对二氧化碳排放的影响，研究发现，金融发展使得人均二氧化碳排放量下降，资本市场和银行部门发展对二氧化碳排放的影响更大。Shahbaz等(2013) 运用马来西亚1971—2011年的数据，通过协整检验发现，金融发展与二氧化碳排放之间存在长期均衡关系，金融发展有利于减少二氧化碳排放。从理论层面来看，金融发展推动绿色创新的作用机理是，金融发展凝聚绿色创新资源，优化资源配置，形成创新发展动力，催生新的商业模式，从而推进企业的绿色创新发展。基于上述分析，提出研究假设H2。

H2金融发展正向调节环境规制与绿色创新的关系

(三)人力资本的调节作用

人力资本蕴含的关于绿色创新的知识、技术、能力、经验等，对绿色创新具有重要的支持作用。一方面，吸收能力能够把握外部创新机会，掌握和运用新知识进行产品与技术开发。王欢芳和胡振华(2013)指出，缺乏吸收能力将阻碍知识转移，并导致组织知识粘滞，不利于企业的绿色创新。而人力资本是提升吸收能力的关键。从这个意义上来说，企业人力资本水平的差异决定着绿色创新能力大小；另一方面，人力资本增强企业绿色创新能力。在严格环境规制条件下，企业实施绿色创新，更倾向于高创新潜力员工，更加注重员工的环境价值观，并通过激励制度发挥人才的绿色创新能力。总之，人力资本的绿色知识、技术和能力能够为企业开展绿色创新带来新知识，新技术，改变企业传统知识基础，给企业带来经济价值，而且随着时间的不断推移，人力资本对企业绿色创新的改善效果就越明显。因此，基于上述分析，提出研究假设H3。

H3人力资本正向调节环境规制与绿色创新的关系

三、计量模型和估计方法

(一)空间计量模型

由于制度、历史、区位环境和资源禀赋的差异，绿色创新发展表现出明显的空间特征，特别是环境规制与绿色创新的关系因地区差异而呈现出不同的模式。传统计量方法仅仅考虑地区自身影响因素，会导致分析区域问题时产生偏误(李斌、彭星和欧阳铭珂，2013)。在此背景下，本文突破以往研究的局限性，采用了2005—2014年我国30个省级地区的面板数据，运用空间计量分析方法，实证分析环境规制与绿色创新的关系以及环境规制与绿色创新关系的区域差异性，并深刻把握金融发展、人力资本因素在两者之间的作用。

1. 空间自相关分析

由于绿色创新呈现出空间异质性，不能满足传统面板回归分析的基本假设，即违背高斯—马尔可夫经典假设(LeSage和Pace，2009)。需要采用空间计量的极大似然估计法(ML)解决一致性与无偏性问题。绿色创新的空间分布涉及到创新溢出的模型设定与估计方法选择。通过全局Moran’s I指数，刻画我国绿色创新空间分布特征，并以此为基础，构建空间计量模型。

全局空间自相关描述某一指标所有区域与邻近地区差异的平均程度。用Moran’s I 指数分析区域空间的差异程度

(1)

(2)

其中，Yi表示i地区的观测值，n为地区的总数，wij表示空间权重矩阵，本文采用地理空间邻近标准赋值。当i地区与j地区相邻时，wij=1；当i地区与j地区不相邻时，wij=0。Moran’s I指数在-1到1之间取值，当Moran’s I接近于+1(-1)时，表明在研究范围内变量具有很强的正(负)空间自相关性；接近于0 则表明变量的空间自相关性很弱。

运用Matlab软件，计算我国2005-2014年绿色创新的全局Moran’s I指数，结果如表1所示。各年Moran’s I统计量均为正值，且Z值均都通过了10%的显著性检验，表明我国绿色创新不是随机和均匀分布的，而是存在着地理集聚性特征。因此，绿色创新呈现出空间异质性，需要考虑空间因素，并采用空间计量的极大似然估计法(ML)估计变量之间的关系，得到更加客观真实的研究结果。

表1 2005-2014年我国全局绿色创新的Moran’s I

2.空间计量模型设定

(1)模型设定。由于绿色创新空间分布特征呈现出空间依赖性和空间异质性，样本的特征违背了高斯—马尔可夫经典假设。传统计量经济学OLS估计不能满足一致性与无偏性，需要采用ML估计方法解决一致性与无偏性问题。因此，在考虑空间效应的基础上，将模型构建成空间计量模型。根据Anselin(1988)的研究，基于不同的空间因素引入方式可以将空间计量模型分为空间滞后模型(Spatial Lag Model，SLM)、空间误差模型(Spatial Error Model，SEM)和空间杜宾模型(Spatial Dubin Model，SDM)。

结合本文的研究问题，根据MOA理论分析框架，依据空间计量模型的基本原理，建立空间面板模型。MOA理论强调同时具备动机、机会、能力是某种结果产 生的必要条件(Blumberg和Pringle，1982)。根据MOA 模型，环境规制是绿色创新的动机，金融发展为绿色创新提供机会，而人力资本是绿色创新的能力基础。在此基础上，将环境规制、金融发展、人力资本与绿色创新纳入到同一的研究模型当中，具体来说，将绿色创新(GI)作为被解释变量，将环境规制(ER)，金融发展(FD)，人力资本(HCS)作为解释变量，将各地区的人口总量(PG)、人均收入(PCI)、财政收入(FR)和GDP为控制变量。建立空间滞后模型、空间误差模型和空间杜宾模型。为了消除异方差性，方程两端同时取对数，得出最终的空间计量模型，分别见式(3)、式(4)和式(5)。

空间滞后模型

LnGIit=α0+ρWLnGIit+β1LnERit+β2LnFDit+β3LnHCSit+β4LnPGit+β5LnPCIit+β6LnFRit+β7LnGDPit+εit

(3)

空间误差模型

LnGIit=α0+β1LnERit+β2LnFDit+β3LnHCSit+β4LnPGit+β5LnPCIit+β6LnFRit+β7GDPit+vit

(4)

空间杜宾模型

LnGIit=α0+ρWLnGIit+β1LnERit+β2LnFDit+β3LnHCSit+β4LnPGit+β5LnPCIit+β6LnFRit+β7LnGDPit+W(β1LnERit+β2LnFDit+β3LnHCSit+β4LnPGit+β5LnPCIit+β6LnFRit+β7LnGDPit)+vit

vit=λWvit+εit

(5)

(2)空间权重的确立。本文以空间邻近原则确立空间权重矩阵，换句话说，当两个地区空间相邻时，权重为1；当两个地区不相邻时，则权重为0。

(3)模型的选择。由于事先无法根据先验经验在SLM和SEM中是否存在空间依赖性，有必要构建一种判别准则，以决定哪种空间模型更加符合实际。依据 Anselin(1988)提出的判别标准，如果在空间依赖性的检验中，LMLAG较之 LMERR 在统计上更为显著， 且R-LMLAC显著而 P-LMERR不显著，则适合的模型是空间滞后模型。 除了拟合优度R2检验以外，常用的检验标准还有自然对数似然函数值(Log Likelihood)，似然比率(Likelihood Ratio)， 赤池信息标准(AIC)，施瓦茨信息准则(SC)。对数似然值越大，似然比率越小，AIC和SC越小，模型拟合效果越好。这几个指标也用来比较OLS估计的经典线性回归和SLM、SEM，似然值的自然对数最大的模型最好。

这一观点是目前计量经济模型最常用的检验模型，除了选择SEM和SLM其中一种模型进行检验，LeSage和Pace(2009)建议优先考虑空间杜宾模型，Elhorst(2010)提出了具体实现方法，将因变量和自变量的空间效应考虑进去，排除误差项的空间效应，先估计空间杜宾模型，然后通过拉格朗日乘数检验来看SDM模型是否可以简化成SLM或SEM。两个假设前提：H0：λ=0，H1：λ+ρβ=0，如果H0被接受，那么SDM可以简化为SLM，要用SLM进行检验；如果H1被接受，那么SDM可以简化为SEM，要用SEM进行检验；如果H0和H1全被拒绝，说明SDM不能简化为SLM或SEM，那么必须要用SDM进行检验。

(二)变量说明和数据收集

通过构建空间计量模型，分析绿色创新与环境规制的关系，并探讨金融发展、人力资本在两者关系中的作用机制。在数据的选取上，主要借鉴国内外的相关研究，对指标选取和数据来源进行详细说明。

1. 变量说明

本文将绿色创新(GI)作为被解释变量，将环境规制(ER)，金融发展(FD)，人力资本(HCS)作为解释变量。同时，为了控制其他因素对模型的影响，选取各地区的人口总量(PG)、人均收入(PCI)、财政收入(FR)和国民生产总值(GDP)为控制变量。下面对各指标的具体计算和数据来源进行详细阐述。

(1)因变量是绿色创新。借鉴李婉红、毕克新和孙冰(2013)，张倩(2015)的研究，将各地区能源消耗量与新产品产值的比值表示地区绿色创新，数据来源于2005—2014年的《中国环境统计年鉴》、《中国工业经济统计年鉴》、《中国科技统计年鉴》和《中国统计年鉴》。

(2)自变量是环境规制、金融发展和人力资本。环境规制。现有文献对环境规制强度的度量提出了多种方法。本文借鉴沈能(2012)的研究，采用各地区污染治理运行费用占工业产值的比重作为环境规制的代理变量。环境规制指标综合反映了单位工业增加值污染物排放成本，反映了政府的环境规制政策标准和监管执法力度。各地区污染治理运行费用的原始数据均来源于《中国环境统计年报》，而工业产值来源于《中国工业经济统计年鉴》。

金融发展。为了比较全面地衡量金融发展水平，从金融规模、金融效率和金融结构三个角度衡量金融发展。其中，金融规模借鉴孙德梅等(2014)的研究，以每个地区金融机构存贷款余额之和与 GDP 之比表示；金融效率借鉴刘降斌等(2008)的研究，以各地区金融机构存款余额/各地区贷款余额表示；金融结构借鉴柏玲和姜磊(2013)的研究，以各地区股票市值/各地区银行信贷规模表示。在原始数据的基础上，对各变量进行等权重加总，用以表示金融发展。原始数据分别来源于2005—2014年的《中国金融统计年鉴》、《中国统计年鉴》和中国金融数据库。

人力资本。人员投入是绿色创新的重要基础。借鉴刘伟和薛景(2015)的研究，以各地区研究与实验发展(R&D)人员全时当量(人年)作为绿色创新活动投入的替代变量。原始数据来源于2005—2014年的《中国科技统计年鉴》。

(3)控制变量。由于我国不同地区经济发展水平差距较大，必然会使得各地区绿色创新水平存在差异。为了控制其他变量对绿色创新的影响，选取各地区的人口总量(PG)、人均收入(PCI)、财政收入(FR)和地区经济发展水平(GDP)为控制变量。各原始数据来源于2005—2014年的《中国统计年鉴》。

2. 数据收集

本文从相关统计年鉴上获取我国2005-2014年30个省级地区原始数据，并根据变量计算公式，得到相关变量数据。由于我国经济社会发展水平地区空间差异较大，地区之间在绿色创新、环境规制等方面存在显著差异。为分析我国整体和东中西部地区环境规制与绿色创新的关系，本文依据传统分类方法，将30 个省级地区分为东、中、西部三大区域，其中东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南等 11 个省市，中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南等 8 个省市，西部地区包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆11 个省市。

四、实证分析

首先，对环境规制与绿色创新的关系进行普通面板回归(OLS)，并根据回归结果和检验结果，以此判断采取何种空间回归模型。

普通面板回归的模型为

LnGIit=β0+β1LnERit+β2LnFDit+β3LnHCSit+β4LnPGit+β5LnPCIit+β6LnFRit+β7LnGDPit

其中，GIit表示i地区t时期的绿色创新，ERit表示i地区t时期的环境规制，FDit表示i地区t时期的金融发展，HCSit表示i地区t时期的人力资本，PGit表示i地区t时期的人口总量，PCIit表示i地区t时期的人均收入，FRit表示i地区t时期的财政收入和GDPit表示i地区t时期的国民总产值。

本文选取2005-2014年面板数据，时期数远大于截面数据变量个数，在检验全国、东部、中部和西部城市的绿色创新的OLS模型残差空间自相关检验中全部选取时间固定效应进行分析。回归结果如表2所示。

表2 全国、东部、中部和西部绿色创新的OLS模型

注：显著水平*P<0.1，**P<0.05，***P<0.01，(2-tailed)，系数均为标准化系数。

由表2可知，全国范围内结果LM-LAG显著而LM-ERR不显著，RobustLMSpatialLag显著并且RobustLMSpatialErr也显著，东部地区结果显示，LM-LAG显著而LM-ERR不显著，RobustLMSpatialLag和RobustLMSpatialErr都显著；中部地区数据结果显示LM-LAG、LM-ERR、RobustLMSpatialLag和RobustLMSpatialErr都不显著；西部地区结果显示，LM-LAG和LM-ERR都显著，RobustLMSpatialLag不显著但RobustLMSpatialErr显著。因此全国、东部、中部和西部结果都不满足Anslin和Florax关于选择SEM和SLM模型的标准，为了排除误差项的空间效应，并避免残差自相关情况，根据LeSage和Pace(2009)观点采取更具有概括性的具有时间固定效应的空间杜宾模型(SDM)进行结果验证，实证结果如表3所示。

表3 全国、东部、中部和西部的时间固定效应的空间杜宾模型估计结果

注：显著水平*P<0.1，**P<0.05，***P<0.01，(2-tailed)，系数均为标准化系数。

从整体层面来看，空间杜宾模型实证结果表明，环境规制(ER)对绿色创新(GI)的影响系数为0.498，并在99%的置信区间下显著，说明环境规制对绿色创新呈现正相关。金融发展(FD)对绿色创新(GI)的影响系数为0.106，但是不显著；人力资本存量(HCS)对绿色创新(GI)的影响系数为0.782，并在99%的置信区间下显著，人力资本存量对绿色创新呈现正相关。假设H1和H3在整体层面上成立。从整体层面的溢出效应来看，W*ER的系数为0.623并在99%的置信区间下显著，说明环境规制存在正向溢出效应，即某区域环境规制每增加1%，本区域的环境规制会随着升高0.623%。W*FD结果不显著，说明金融发展不存在空间溢出效应；W*HCS的系数为0.492并在99%的置信区间下显著，说明人力资本存量存在正向溢出效应。

从分地区层面来看，假设H1、H2在东部地区和中部地区成立，假设H3在东部、中部和西部地区都显著，且存在不同程度的溢出效应。具体分析结果如下。

从东部地区的回归结果来看，环境规制(ER)对绿色创新(GI)的影响系数为0.281，并在95%的置信区间下显著，说明环境规制对绿色创新呈现正相关；金融发展(FD)对绿色创新(GI)的影响系数为0.245，并在90%的置信区间下显著，说明金融发展对绿色创新呈现正相关；人力资本存量(HCS)对绿色创新(GI)的影响系数为0.254，并在90%的置信区间下显著，说明人力资本存量对绿色创新呈现正相关。对于溢出效应，W*ER的系数为0.773并在99%的置信区间下显著，说明环境规制存在正向溢出效应，即某区域环境规制每增加1%，本区域的环境规制会随着升高0.773%；W*FD结果不显著，说明金融发展不存在空间溢出效应；W*HCS的结果不显著，说明人力资本存量不存在空间溢出效应。

从中部地区的回归结果来看，环境规制(ER)对绿色创新(GI)的影响系数为0.772，并在95%的置信区间下显著，说明环境规制对绿色创新呈现正相关；金融发展(FD)对绿色创新(GI)的影响系数为0.491，并在99%的置信区间下显著，说明金融发展对绿色创新呈现正相关；人力资本存量(HCS)对绿色创新(GI)的影响系数为1.104，并在99%的置信区间下显著，说明人力资本存量对绿色创新呈现正相关。对于溢出效应，W*ER的系数为0.624并在99%的置信区间下显著，说明环境规制存在正向溢出效应，即某区域环境规制每增加1%，本区域的环境规制会随着升高0.624%；W*FD的系数为0.536并在99%的置信区间下显著，说明金融发展存在正向溢出效应，即某区域环境规制每增加1%，本区域的金融发展会随着升高0.536%；W*HCS的结果不显著，说明人力资本存量不存在空间溢出效应。

从西部地区来看，环境规制(ER)对绿色创新(GI)的影响系数为0.125并在95%的置信区间不显著；金融发展(FD)对绿色创新(GI)的影响系数为0.041但不显著，说明金融发展对绿色创新没有明显的关系；人力资本存量(HCS)对绿色创新(GI)的影响系数为0.784并在99%的置信区间下显著，说明人力资本存量对绿色创新呈现正相关。对于溢出效应，W*ER的系数为0.348但不显著说明环境规制不存在空间溢出效应；W*FD的系数为1.034，并在95%的置信区间下显著，说明金融发展存在空间负向溢出效应；W*HCS的影响系数为1.83并在95%的置信区间下显著，说明人力资本存量存在正向溢出效应。

五、结果讨论与管理启示

本文从MOA理论视角出发，构建了环境规制与绿色创新关系的理论模型，并探讨了金融发展与人力资本的调节作用。在此基础上，运用2005—2014年省级面板数据，建立空间计量模型，对研究假设进行实证分析，得到了一些新的研究结论，对研究结果做进一步的分析，并以实证分析结果依据，向政府管理部门与企业高管等提出政策建议，驱动绿色创新发展。

在环境规制与绿色创新的关系方面，环境规制对绿色创新的影响作用存在区域差异。具体来说，我国东部地区和中部地区的环境规制对绿色创新具有显著的正向影响，而西部地区的两者关系不显著。而且东部地区和中部地区表现出显著的正向溢出效应。进一步分析环境规制对绿色创新的直接效应和间接效应发现，整体来看，环境规制对绿色创新具有正向的直接效应和间接效应，这一结论证实了本地区的绿色创新不仅受到当地环境规制的影响，而且受到周边地区的影响。这为“污染天堂”的存在提供了间接的证据。因此，从这个角度来看，绿色创新需要区域统一协调，依托一致的政策推进绿色创新，需要防止因政绩抢夺而导致的环境损失。分地区来看，东部和中部地区，环境规制正向显著影响绿色创新，存在显著的正向直接效应与间接效应，而西部地区，环境规制与绿色创新不存在显著的相关关系。从这个角度来看，东部和中部地区的环境规制为相邻地区带来了竞争效应、示范效应和流动效应等，从而促进本地区和相邻地区的创新发展。具体来说，竞争效应引发相邻地区采取相应的环境政策激励创新，示范效应引致相邻地区进行模仿，流动效应为相邻地区带来资本和人才的流入，进而带动绿色创新。而西部地区，在政府相互竞争背景下，竞相降低环境准入标准，吸引企业，从而形成了对企业绿色创新的负向激励。实证结果给予现实政策操作的启示在于，政府应从交易成本的视角分析环境规制给企业带来的成本压力。在此基础上，一方面，依托政府税收政策、财政补贴政策等，给予实施环境规制企业以优惠政策，抵消其因为环境规制政策带来的成本问题；另一方面，建立政府环境引导基金，给予实施环境规制企业以资金支持，降低因绿色创新而面临的风险问题。双管齐下，支持绿色创新。

在金融发展与绿色创新的关系方面，金融发展对绿色创新的作用具有差异性。从整体来看，金融发展对绿色创新的作用不显著。从分地区情况来看，东部和中部地区的金融发展对绿色创新具有正向显著影响，且呈现出显著的正向溢出效应。而西部地区的金融发展对绿色创新的作用不显著。金融发展水平反映了绿色创新中金融资源获得的难易程度。东部和中部地区拥有较为发达的金融服务业，而西部地区的金融资源显得尤为贫乏，且金融创新的深度不足。由此导致西部地区对绿色创新机会的错失。从绿色创新成果转化的角度来看，绿色创新的本质是对绿色技术的产业化。从初试、中试和产业化阶段，需要的资金比例大约为1∶10∶100，而创新往往面临较大的风险，导致以贷款为主的融资结构难以给企业提供充足的创新资金支持。这需要继续深化金融改革，大力发展多元化金融机构，并通过绿色贷款、投贷联动、产业基金等方式，引导社会资金投向绿色创新领域，形成强大的支持作用。此外，东部和中部地区金融发展的正向外部溢出效应表明，本地区的金融发展会正向显著影响相邻地区的绿色创新。这也间接证明了绿色创新的空间集聚性特征。从这个角度来说，加强区域产业绿色创新的专业化、集聚化程度，不仅有利于提高本地区的绿色创新水平，而且有利于促进相邻地区的绿色创新发展。因此，有必要从政策层面推动产业的集聚化发展，通过健全产业基础设施建设，完善产业链，并加强生产性服务业的发展，支持产业的供应链管理，增强产业核心竞争力，从而提升绿色创新能力。实证结果为实施绿色创新政策的指导意义在于，政府应从信息不对称理论视角以及风险溢价视角关注环境规制给企业绿色创新带来的金融缺口及其融资困境。在此基础上，一方面，通过投贷联动等方式，弥补企业的创新风险溢价，加大企业获取金融资源的能力；另一方面，通过金融改革，推动保险资金等进入投资基金，以长周期的战略投资支持企业的绿色创新。并且加大培育天使资金、风险资金等，辅助企业绿色创新过程的“二次创业”，推进绿色创新。

在人力资本与绿色创新的关系方面，无论从整体情况来看，还是分地区情况来看，人力资本对绿色创新都呈现出显著的正向影响，且表现出正向的溢出效应。从这个角度来说，绿色创新发展应重视人力资本的作用。人力资本将蕴含在个体中的知识转化为现实生产力，驱动绿色创新发展。这就需要大力培育和塑造绿色创新人才，即通过加大企业在职教育，注重终身学习，不断的提高人才的创新素养，通过加大企业绿色文化建设与激励制度建设，激发人才的创新性，支持绿色创新。正向溢出效应表明相邻地区的人力资本的流动能够为相邻地区的绿色创新带来了资源的流入，从而正向促进相邻地区的发展。因此，需要政府制定有利于人才流动的政策，通过打造人才吸附高地，沉淀人力资本蕴含的绿色创新知识，变革区域知识基础，促进绿色技术的突破性创新，实现区域绿色创新跨越发展。

[1]柏玲，姜磊.金融支持区域创新的竞争和溢出效应——基于空间面板杜宾模型的研究[J].上海经济研究，2013(7)：13-23.

[2]陈诗一.节能减排与中国工业的双赢发展：2009—2049[J].经济研究，2010(3)：129-143.

[3]李斌，彭星，欧阳铭珂.环境规制、绿色全要素生产率与中国工业发展方式转变——基于36个工业行业数据的实证研究[J].中国工业经济，2013(4)：56-68.

[4]李善民，曹宁，王彩萍.内外资企业技术溢出效应与企业的自主创新——基于中国高科技产业的实证研究[J]. 财经问题研究，2014(5)：90-96.

[5]李婉红，毕克新，曹霞.环境规制工具对制造企业绿色技术创新的影响——以造纸及纸制品企业为例[J]. 系统工程，2013(10)：112-122.

[6]李婉红，毕克新，孙冰.环境规制强度对污染密集行业绿色技术创新的影响研究——基于2003-2010年面板数据的实证检验[J].研究与发展管理，2013(6)：72-81.

[7]刘降斌，李艳梅.区域科技型中小企业自主创新金融支持体系研究——基于面板数据单位根和协整的分析[J].金融研究，2008(12)：193-206.

[8]刘伟，薛景.环境规制与技术创新:来自中国省际工业行业的经验证据[J].宏观经济研究，2015(10)：72-80.

[9]孙德梅，胡媚琦，王正沛，杨早立.政府行为、金融发展与区域创新绩效——基于省际面板数据的实证研究[J].科技进步与对策，2014(20)：34-41.

[10]沈能.环境效率、行业异质性与最优规制强度——中国工业行业面板数据的非线性检验[J].中国工业经济，2012(3)：56-68.

[11]张倩.市场激励型环境规制对不同类型技术创新的影响及区域异质性[J].产经评论，2015(2)：36-48.

[12]Anselin L. Lagrange Multiplier Test Diagnostics for Spatial Dependence and Spatial Heterogeneity[J]. Geographical Analysis，1988,20(1)：1-17.

[13]Bansal P, Roth K. Why Companies go Green: A Model of Ecological Responsiveness[J]. Academy of Management Journal，2000,43(4)：717-736.

[14]Le Sage J P,Pace P K. Introduction to Spatial Econometrics[M]. London：CRC Press，2009.