环境规制的绿色创新双边效应

康鹏辉 茹少峰

摘要 文章基于我国2007—2018年30个省、市的面板数据，采用双边随机前沿模型，对环境规制影响绿色创新效率的创新补偿效应、遵规成本效应及净效应进行分解，并对其规律特征进行分析。研究结果表明：①环境规制对绿色创新效率的遵规成本效应要小于创新补偿效应，使得环境规制的综合效应为正，即“波特假说”在样本内得到验证。环境规制对绿色创新效率的遵规成本效应平均为0.001 6，创新补偿效应平均为0.184 1，这使得环境规制对绿色创新效率的净效应平均为0.182 5。平均而言，环境规制的创新补偿效应使得绿色创新效率高于前沿水平18.41%，而环境规制的遵规成本效应使得绿色创新效率低于前沿水平0.16%，两者抵消后的综合作用使得绿色创新效率高于前沿水平18.25%。环境规制对绿色创新效率的影响中，遵规成本效应占比5.11%，创新补偿效应占比高达94.89%，环境规制对总方差的解释力度为81.61%。②环境规制对绿色创新效率驱动效应的大小呈2012年前增加其后降低的“倒U型”时间分布特征。③环境规制对绿色创新效率驱动效应较大的区域多位于中西部地区，而东部一些市场化水平较高的地区，驱动效应较小。④绿色创新效率驱动存在环境规制和市场之间的权衡问题。市场化水平越高的地区，反而环境规制的驱动效应越小，扭曲效应越大。据此，进一步提出制定适宜区域差异性的环境规制政策，在加强环境规制的过程中，制定绿色技术创新的激励政策，减少过激环境规制可能带来的负面影响等政策建议。

关键词 环境规制;双边随机前沿模型;绿色创新效率

中图分类号 F061.5文献标识码 A 文章编号 1002-2104（2020）10-0093-12

DOI：10.12062/cpre.20200415

目前，绿色技术创新不仅是国家打赢污染防治攻坚战、推动生态文明建设的重要抓手，也正成为全球新一轮科技革命的新兴领域。如何推动绿色技术创新是摆在学术界和社会各界的重要命题。经验表明，不能单纯依靠市场力量推动绿色技术创新，还需要辅以适宜的环境规制政策。而环境规制与绿色技术创新的关系也是学术界的热点议题之一。但环境规制与绿色技术创新的关系究竟如何，学术界尚存在争议。究其原因是环境规制同时存在两方面的效应：一方面，环境规制会产生“遵规成本效应”。近年来，我国环保新政持续推出，同时伴随着绿色创新转型的“阵痛”。推行較高的绿色生产标准，采取环境外部成本的内部化措施，再加之我国当前的供给侧改革，给我国的企业尤其是民营企业带来多重叠加的成本压力。另一方面，环境规制会带来“倒逼效应”，驱使企业进行绿色创新，进而带来额外的生态效益，并提升企业的竞争力，形成“创新补偿效应”，即 “波特假说”的“双赢”论 [1]。环境规制的两方面效应可能同时存在于环境规制政策实施的过程中。显然，只关注环境规制效应的一面是有偏的。本文在考虑环境规制的遵规成本效应和创新补偿效应的同时，对其效应程度进行分解，并得到环境规制的综合效应，期望为理解环境规制对绿色创新的作用特征提供新的视角，同时，还分析了环境规制对绿色创新效率双边效应的时空特征及变动规律，以弥补现有文献的不足。

1文献综述

由于环境规制同时存在遵规成本效应和创新补充效应的正反两方面的交叉作用，因而，环境规制对绿色创新的影响效应存在一定的不确定性，学者的观点在不同的样本下得出的结论也存在差异性，总体而言，学者的论点主要集中于以下三种类型。

（1）“促进论”。Poter 和 Linde [1]提出“波特假说”，即认为合理的环境规制政策能够起到对企业技术创新的“倒逼效应”，企业为适应环保政策，会加强绿色技术创新，提升竞争力，从而抵消环境规制带来的成本的负面影响，产生所谓的“创新补偿效应”。此后，大量学者的研究结论支持了“波特假说” [2-12]。

（2）“抑制论”。“波特假说”的提出遭到了新古典经济学者的质疑，他们认为环境规制会使企业的生产成本上升，从而压缩企业的利润空间，并对企业绿色技术创新投资产生“挤出效应”。部分学者的实证研究结论不支持“波特假说”，例如：Zhao 等[13]的研究表明环境规制会对企业竞争力产生负效作用;Conrad和Wastl [14]、Gray 和Shadbegian [15]的研究表明环境规制会明显增加资源密集型行业或产业的成本压力;Popp等 [16]的研究发现环境规制会导致企业产生“遵规成本”，压缩企业利润空间，不能促进企业研发活动。

（3）“非线性论”。持此观点的学者认为环境规制与绿色创新的关系并非简单的线性关系。①环境规制与绿色创新具有“U型”关系。例如，杜龙政等 [17]基于我国30个省、市2001—2016年的数据，发现环境规制与绿色竞争力存在“U型”关系。蔡乌赶和李青青 [18]基于我国30个省、市2001—2015年的数据，运用系统GMM估计法，估计了命令控制、市场激励与公众参与三种类型环境规制与对企业生态技术创新的影响效应，发现三者对生态技术创新的影响都呈“U型”关系特征。张娟等 [19]基于省际1995—2016年的面板数据，证实了环境规制对绿色创新产出影响的“U型”关系。马淑琴等 [20]采用省际1995—2016年的面板数据，采用空间计量分析法，实证得出了环境规制与绿色技术进步的“U型”关系。②“倒U型”关系。例如，董直庆和王辉 [21]采用164个地级市2003—2011年的面板数据，研究了环境规制对邻地绿色技术进步的影响效应，实证结果表明环境规制对邻地绿色技术进步具有“倒U型”的影响特征。③异质性影响。由于区域、行业、环境规制工具类型、发展阶段性等差异的存在，环境规制对绿色创新的影响效应存在异质性。Horváthová [22]的研究表明，环境规制对绿色创新具有阶段性差异性特点，短期具有负向效应，而长期具有正向效应。Xie 等[23]以我国省际2000—2012年的面板数据为样本进行实证研究，研究表明，不同类型环境规制对绿色增长具有门槛效应。许慧和李国英 [24]运用我国工业行业2011—2016年的面板数据进行实证研究，研究表明，环境规制对绿色创新效率具有行业异质性特征，对低碳行业具有正向的线性影响，对高碳行业则具有“倒U型”的影响特征。郭进 [25]基于 2006—2010年的省际面板数据，研究了环境规制不同类型工具对绿色技术创新的影响，研究表明财、税、费等市场调控类环境规制工具更适合驱动绿色技术创新，而严厉的行政处罚政策会产生负向效应，地方性法规对绿色创新没有显著影响效应。

总之，关于环境规制与绿色创新的关系是学术界研究的焦点之一。现有研究文献虽较为丰富，但并未形成一致性的研究结论，主要原因是环境规制对绿色创新同时具有正反两方面的影响效应，且环境规制的影响效应在不同区域、行业等条件下存在异质性。现有文献的研究提供了有益参考，但对环境规制影响绿色创新效率的正反两方面效应缺乏综合考量。

2 双边效应分解模型、数据与变量

2.1 基准分解模型

借鉴Kumbhakar和Christopher [26]的双边随机前沿模型，将环境规制影响绿色创新的双边效应分解的基准模型表示如下：

其中，geffit表示绿色创新效率，xit为省际的特征向量，考虑市场化水平（market）、人力资本水平（edu）、知识产权保护程度（kpro）、贸易自由化水平（trade）、政府财政支持程度（gov）、城市化水平（uban）、互联网普及程度（inpuji）来反映省际特征。i（xit）表示前沿的绿色创新效率水平，即在既定的省际特征条件下，完全竞争市场下的前沿绿色创新效率水平，i（xit）=λxit，λ为省际特征变量的估计参数。δ为待估计的参数向量。ξit为复合的残差擾动项，ξit=ωit-uit+εit。εit为随机干扰项，若它满足模型的基本假定条件，则OLS估计能达到合意的模拟结果;然而，当εit的条件期望并不等于0，OLS估计有偏。为同时分解环境规制对绿色创新的创新补偿效应和遵规成本效应，需要将残差中环境规制的影响效应分解出来。在极大似然估计法（MLE）估计的基础上，通过（1）式可分解出ωit、uit，分别反映在最优情形下的上偏和下偏效应。在（1）式中，ωit用以表示环境规制对绿色创新效率的创新补偿效应，ωit≥0，uit表示环境规制对绿色创新效率的遵规成本效应，uit≥0。当ωit=0，即环境规制对绿色创新效率的影响只存在单边的遵规成本效应，反之，当uit=0时，环境规制对绿色创新效率只存在单边的创新补偿效应。若二者都不为0，即环境规制对绿色创新效率存在双边效应。

当OLS估计有偏，使用MLE方法可以得到有效的结果。不妨假设εit服从均值为零，方差为σ2ε 的正态分布，即εit ～iidN（0，σ2ε ），ωit、uit均服从指数分布，即ωit ～iidEXP（σω ，σ2ω ）、uit ～iidEXP（σu ，σ2u ），且各误差项满足独立性的假设条件，即误差项之间互相独立，且与省际的特征变量不存在相关性，基于以上假设，进一步可以得到ξit的概率密度函数：

2.2 数据与变量

研究时间段为2007—2018年，以我国30个省、区、市（由于统计数据缺失等的限制，西藏及港澳台不在本文研究范围内）为研究对象，数据来源于《中国统计年鉴》及各地年鉴、《中国科技统计年鉴》、国家知识产权局。具体而言，变量设置如下。

（1）绿色创新效率（geff）。以绿色创新效率反映绿色技术创新。与创新效率不同，绿色创新效率强调“绿色”，它反映了在特定研发投入下所能实现的绿色创新产出。学术界关于研发投入的衡量指标，常用的做法是将研发资本存量和研发人员作为两个投入指标，借鉴韩先锋等 [27]的做法，选择R&D人员全时当量和R&D经费内部支出作为投入指标。对于绿色创新产出，学者的做法主要分为两类：一是在创新产出的基础上，纳入工业“三废”、工业SO2、工业烟（粉）尘排放量等环境污染指标 [28-31]作为创新的期望和非期望产出。二是采用绿色专利作为绿色产出的衡量指标。第一类做法的问题是将环境污染等与研发创新关联度不够的指标纳入，缺乏严谨考量，而用绿色专利指标更能直接反映绿色创新的产出水平。参考董直庆和王辉 [21]的做法，采用绿色专利作为绿色创新产出指标。具体而言，根据世界知识产权组织（WIPO）列出的绿色专利清单中的分类编码，通过设置专利类型、PC分类编码、发明者地址等查询方式，从国家知识产权局中国专利公布公告网获取不同省份的绿色专利授权量数据。在指标获取的基础上，通过SFA技术对绿色创新效率进行估算。

（2）环境规制强度（er）。关于环境规制，学者从不同角度进行了测度。例如，环境规制政策、环境治理投资、污染排放量、环境治理绩效等，但这些指标只能从某一侧面反映环境规制的水平，不能反映环境规制的综合水平。借鉴Sonia等[32]的做法，采用地区生产总值与地区能源总消耗的比值来反映环境规制强度，它能够反映地区环境规制的综合效果。该比值越大，说明在一定的GDP水平下，环境规制的节能减排的效果越明显，也意味着环境规制的强度越大。

（3）省际特征变量。①市场化水平（market）。参考韩先锋等 [27]的做法，用非国有企业的就业人员与总就业人员的比值表示。该比值越大，说明非国有经济越发达，市场化水平也越高。②城市化水平（urb）。借鉴现有文献的做法，用城镇人口与总人口的比重来表示。城镇化水平越高，说明地区经济发展水平越高。③人力资本水平（hcap）。参考解晋 [33]的做法，采用各地区的平均受教育程度反映。按照现有文献的做法，具体可将6岁以上人口按受教育程度分为小学、初中、高中、大专及以上四类，分别计算出各分类的比重乘以对应的平均受教育年限，并分别赋予6、9、12、16的权重，再求和即可得到各地区的人力资本水平。④贸易自由化水平（trade）。参考邓飞和柯文进 [34]的做法，采用进出口总额与GDP的比值表示。⑤知识产权保护程度（kpro）。参考李勃昕等 [35]的做法，采用技术市场交易额占GDP的比值表示。⑥政府财政支持程度（gov），采用财政支出占GDP的比值表示。⑦互联网普及程度（inpuji）。根据国家统计局数据，采用网民普及率表示。变量的描述性统计结果见表1。

3 实证结果分析

3.1 环境规制双边效应的分解结果分析

在MLE估计的基础上，结合计量模型（1）式，将环境规制影响绿色创新效率的双边效应进行分解，表2是估计结果展示。其中，第二列为不考虑偏离效应的OLS估计结果，第三到第五列为MLE估计结果，第六列是只考虑环境规制对绿色创新的遵规成本效应的单边估计结果，第七列是只考虑环境规制绿色创新补偿效应的单边估计结果，第八列为同时考虑环境规制双边效应的估计结果。似然比检验（LR）结果表明，加入偏离效应后，模拟结果相比OLS估计更为合理，综合比较，后文分析以m5为基础进行后续环境规制的双边效应分解测度分析。

在表2中 m5估计的基础上，可以将环境规制对绿色创新的遵规成本效应和创新补偿效应分解。分解的结果如表3所示，环境规制对绿色创新效率的遵规成本效应程度为0.001 6，创新补偿效应程度为0.184 1，这使得环境规制对绿色创新效率的净效应程度为E（ω-u）=σω-σu =0.1825。通过分解，不难看出环境规制对绿色创新效率的遵规成本效应要小于创新补偿效应，这使得环境规制对绿色创新效率综合效应为正，即“波特假说”在本样本内得到验证。从环境规制双边效应的影响比值看，遵规成本效应占比仅占5.11%，而创新补偿效应占比高达94.89%。未能解释的部分占总方差的比值为3.39%，环境规制对绿色创新效率的总方差解释力度为81.61%。说明我国绿色创新效率增长的环境规制驱动特征较为明显，而环境规制导致的遵规成本效应并不占主导。

为进一步计算环境规制双边效应使绿色创新效率偏离前沿水平的百分比及最终的净效应比例，基于式（6）～式（8）进行了估计，估计结果如表4所示。平均而言，环境规制的创新补偿效应使得绿色创新效率高于前沿水平18.41%，而环境规制的遵规成本效应使得绿色创新效率低于前沿水平0.16%，两者抵消后的综合作用使得绿色创新效率高于前沿水平18.25%。这说明，由于环境规制双边效应的不对称，使得环境规制最终对绿色创新效率水平呈驱动作用特征。

为了进一步分析地区不同环境规制强度下环境规制双边效应分解的比例分布情况，表4中第4～6列还展示了按照环境规制强度的不同分位数下的双边效应比例分布结果。在Q25、Q50、Q75分位数下，环境规制对绿色创新效应的综合效应比例均大于0，分别使得绿色创新效率增加3.96%、13.28%、30.27%，说明环境规制对绿色创新效率的创新补偿效应明显抵消了其遵规成本效应，从而使得环境规制综合促进了绿色创新效率增长，且环境规制强度大的地区，这种驱动效应更为显著。虽然，环境规制强度大的地区，环境规制对绿色创新效率的遵规成本效应也在增加，但环境规制对绿色创新效率的创新补偿效应增加比例更大，综合的结果是环境规制对绿色创新效率的净效应也在增大。这说明我国环境规制驱动绿色创新效率增长尚存在加强空间，且凸显正向的驱动特征。

为直观呈现环境规制创新补偿效应、遵规成本效应及净效应的分布情况，图1～图3分别给出了环境规制对绿色创新效率的创新补偿效应、遵规成本效应及净效应的频数分布图。图1、图3中环境规制的创新补偿效应和净效应分布频数具有较高的类似性，说明环境规制创新补偿效应在净效应形成中的主导地位。图1表明，环境规制对绿色创新效率的正效应在80%的位置左右才消失，说明大部分省份环境规制的创新补偿效应占主导。图2中，有不到15%的省份的环境规制的遵规成本效应占主导，换言之，超过85%的省份环境规制的创新补偿效应占主导。

3.2 环境规制双边效应的时空特征分析

为进一步考察环境规制双边效应的时空变动规律，表5、表6分别列示了环境规制创新补偿效应、遵规成本效应及净效应分年份和省份的变动情况。

表5中，样本期内，环境规制的创新补偿效应在历年均为正，驱动绿色创新效率高于前沿水平的效應大小位于17.19%～19.5%区间范围。环境规制的创新补偿效应最大的年份为2010年，自2012年之后，环境规制的创新补偿效应呈明显的线性下降趋势，总体上呈2012年前上升，后下降的“倒U型”时间分布特点。相比创新补偿效应，环境规制的遵规成本效应变动幅度较小，拉低绿色创新效率低于前沿水平的效应大小位于0.13%～0.18%区间范围，自2014年后，负效应大小有着降低趋势，说明环境规制的成本效应正在逐渐降低。由于环境规制的创新补偿效应要远大于遵规成本效应，净效应的时间变动特征与创新补偿效应类似，也呈“倒U型”的特征。本文的研究结论不支持“U型”论，主要原因是本文样本期间内，环境规制的创新补偿效应占主导，且效应大小呈“倒U型”的时间趋势特征。从环境规制不同分位数下，双边效应的分布来看，环境规制强度高的样本，遵规成本效应虽然一定程度提升，但创新补偿效应的提升幅度更大，因而环境规制的净效应越大。以上都说明本文研究结论具有较强的稳健性。我们认为环境规制对绿色创新效率的创新补偿效应仍具有很大的可挖掘空间，“驱动红利”还会持续存在，这一方面得益于环境规制的成本效应逐渐降低，另一方面得益于环境规制的“倒逼效应”，迫使企业进行绿色研发创新、产业绿色转型，这对转型中的我国而言无疑是重要的。

如表6所示，环境规制对绿色创新效率的创新补偿效应存在明显的空间差异。样本期内，环境规制创新补偿效应较大的区域多位于中西部区域。新疆、重庆、安徽、宁夏、黑龙江、贵州、海南、广西8个省份的驱动效应较大，环境规制驱动绿色创新效率高于前沿水平的平均效应大小均超过30%，其中，广西最大（71.44%），海南次之（48.15%）。四川、天津、云南、河南、甘肃、湖南、浙江、江苏、山西、福建10个省份的驱动效应大小平均在12%以上，而其他地区的驱动效应大小平均在10%以下，说明并非区域经济越发达、市场化水平越高的区域，环境规制的创新补偿效应越大，这与我国的现实较为拟合。主体功能规划中的生态功能区域多位于中、西部地区，例如2016年我国共规划了676个国家重点生态功能区，其中80%在西部地区，这些区域属于限制开发区域，环境规制强度高。从研究结论看，环境规制高的区域，创新补偿效应提升的程度更大。东部一些省份环境规制创新补偿效应低，可能与这些省份市场化水平高相关，因而，绿色创新的主要驱动力并非环境规制，而是市场驱动为主。相比创新补偿效应，遵规成本效应的空间差异较小。其中，宁夏、重庆、贵州、安徽、海南等地区的遵规成本效应的影响程度最小，平均小于1%，湖南、湖北、云南、甘肃、河南、陕西、广西等地区的遵规成本效应的影响程度位于2%～3%之间，内蒙古、辽宁、江西、吉林、青海等省份遵规成本效应的影响程度大于3%。由于地区层面环境规制创新补偿效应也呈主导地位，净效应的特征与创新补偿效应类似，下文不再赘述。

3.3 研究结论的进一步分析：环境规制抑或市场驱动

为什么东部地区市场化水平高的省份环境规制的综合效应低？基于此，本文将总体样本的市场化水平按照分位数分类，分为10%～20%、20%～50%、50%～70%、70%～90%、90%～100%5组，并列示了环境规制的双边效应的影响在四组市场化水平下的分布情况，如表7所示。表7中，环境规制的创新补偿效应在市场化水平位于10%～20%分位数下稍微递增，在20%分位数以后呈递减趋势，这说明总体而言，市场化水平越高的区域，环境规制的创新补偿效应对绿色创新效率驱动的空间越小，或者说，这些地区绿色创新效率驱动主要以市场驱动为主。相反，市场化水平低的区域，多位于中西部地区，这些地区环境规制对绿色创新效率的驱动作用较大，而市场驱动的作用相对较弱。这都说明我国目前一定程度上存在采用环境规制政策还是依赖市场来驱动绿色创新效率的权衡问题。由于环境规制创新补偿效应在综合效应形成中的主导地位，净效应的特征与其类似，而环境规制的综合效应随着环境规制强度的增大而增加，这都再次印证了上文研究结论的稳健性。值得注意的是，在市场化水平位于20%分位数以后，环境规制的遵规成本效应也存在一定程度的递增特点，说明市场化水平越高的地区，政府命令式的环境规制带来的市场“扭曲效应”可能更大，需要减少这种“扭曲效应”所带来的不利影响。

3.4 稳健性检验

上文的研究结论表明环境规制对绿色创新效率的影响呈正、负兼存的“双边特征”，且环境规制的创新补偿效应在总效应中占主导，故使得环境规制对绿色创新总体上呈驱动特征，从而验证了“波特假说”。为了进一步对主要研究结论进行稳健性检验，我们采用了两种思路：一是将原有样本时间段首尾年份剔除，即采用2008—2017年的时间段进行检验。二是考虑其他反映环境规制综合水平的指标进行稳健性检验。Botta和Kozluk [36]提供了另一种测度思路，将不同维度环境规制政策综合加以评估，将CO2、SO2、NOX税率、污染物排放限制等纳入测度指标。但我国的许多环境规制政策尚处于探索起步阶段，CO2、SO2、NOX等环境税的数据存在限制。考虑到碳减排是世界各国共同目标，采取GDP/ CO2作为替代指标进行稳健性检验。具体参考联合国政府间气候变化专门委员会（IPCC，2006）的估计方法对碳排放量进行估算。碳排放数据根据《中国能源统计年鉴》《省级温室气体清单编制指南》的相关数据计算而来。稳健性检验选取的样本时间段为2007—2017年。

结果表明，第一种思路的检验结果与本文的结论是一致的，不再赘述。第二种思路下的检验结果见表8。

表8的检验结果表明，采用替代指标后，虽然环境规制的双边影响效应程度存在一定差异，但差异不大。总体而言，环境规制对绿色创新的影响效应呈双边特征，且创新补偿效应占主导，这与上文的结论是一致的，说明本文的研究结论具有稳健性。

4结论与建议

关于环境规制是否驱动绿色创新，呈现如何特征，学术界尚存歧义。关键的问题是环境规制同时存在正反两方面的效应，这使得研究结论难以达成一致。本文基于我国2007—2018年30个省市的面板数据，采用双边随机前沿模型，对环境规制影响绿色创新的正反两方面效应同时进行分解，并对其规律特征进行了实证分析。最终得到如下研究结论。

（1）环境規制对绿色创新效率的遵规成本效应要小于创新补偿效应，使得环境规制对绿色创新效率综合效应为正，“波特假说”在本样本内得到验证。环境规制对绿色创新效率的遵规成本效应程度平均为0.001 6，创新补偿效应程度平均为0.184 1，这使得环境规制对绿色创新效率的净效应程度平均为0.182 5。环境规制双边效应的影响比值分布情况是：遵规成本效应占比仅占5.11%，而创新补偿效应占比高达94.89%，未能解释的部分占总方差的比值为3.39%，环境规制对绿色创新效率的总方差解释力度为81.61%。平均而言，环境规制的创新补偿效应使得绿色创新效率高于前沿水平18.41%，而环境规制的遵规成本效应使得绿色创新效率低于前沿水平0.16%，两者抵消后的综合作用使得绿色创新效率高于前沿水平18.25%。

（2）环境规制对绿色创新效率的驱动效应随着环境规制强度的增大而增加。

（3）环境规制对绿色创新效率驱动效应的大小呈2012年前增加，其后降低的“倒U型”时间分布特征。自2014年后，环境规制的成本效应有降低趋势。

（4）环境规制双边效应存在空间差异，其中，创新补偿效应相比遵规成本效应的空间差异更为明显。环境规制对绿色创新效率驱动效应较大的区域多位于中西部地区，而东部一些市场化水平较高的地区，驱动效应较小。

（5）绿色创新效率驱动存在环境规制和市场之间的权衡问题。市场化水平越高的地区，环境规制的驱动效应越小，扭曲效应越大。

据此，进一步提出如下对策建议：①环境规制的绿色创新驱动还存在可操作空间。目前，我国正处于产业绿色转型的关键时期，需要加强环境规制政策，倒逼企业的绿色技术创新，推动经济增长的绿色化水平。②制定适宜区域差异性的环境规制政策。对于市场化水平高的东部区域，减少环境规制对绿色创新带来的“扭曲效应”，加强市场化导向的绿色创新机制，对于中、西部地区，要在环境规制驱动绿色转型上加强政策，提升中、西部地区抓住当前绿色技术创新革命机遇的能力 。③要在加强环境规制的过程中，制定绿色技术创新的激励政策，减少过激环境规制可能带来的负面影响。

参考文献

[1]PORTER M E，VAN DER LINDE C. Toward a new conception of the environment competitiveness relationship[J]. Journal of economics perspectives，1995（9）： 97-118.

[2]JAFFE A B，PALMER K.Environment regulation and innovation： a panel data study[J].Review of economics and statistics，1997，79（4）： 610-619.

[3]BRUNNERMER S， COHEN M.Determinants of environmental innovation in US manufacturing industries[J]. Journal of environmental economics and management， 2003，45 （2） ：278-293.

[4]HAMAMOTO M. Environmental regulation and the productivity of Japanese manufacturing industries[J].Resource and energy economics，2006，28（4） ：230-311.

[5]FRONDEL M， HORBACH J， RENNINGS K. End-of-Pipe or cleaner production？ An empirical comparison of environmental innovation decisions across OECD countries[J]. Business strategy and the environment，2007， 16（8）571-584.

[6]NOGAREDA J S.Determinants of environmental innovation in the German and Swiss chemical industry： with special consideration of environmental regulation[D]. Zurich： Swiss Federal Institute of Technology Zurich，2007.

[7]WAGNER M.Empirical influence of environmental management on innovation： evidence from Europe[J].Ecological economics，2008，66（2-3）：392-402 .

[8]KAMMERER D. The effects of customer benefit and regulation on environmental product innovation： empirical evidence from appliance manufacturers in Germany[J].Ecological economics， 2009，68（8）：2285-2295.

[9]LANOIE P， LAURENT-LUCCHETTI J，JOHNSTONE N，et al. Environmental policy， innovation and performance： new insights on the Porter Hypothesis[J]. Journal of economics and management strategy，2011，20（ 3） ：803-842.

[10]YANG C H， TSENG Y H，CHEN C P. Environmental regulations，induced R&D， and productivity： evidence from Taiwans manufacturing industries[J].Resource and energy economics， 2012，34（4） ：514-532.

[11]王娟茹，張渝. 环境规制、绿色技术创新意愿与绿色技术创新行为[J].科学学研究，2018，36（2）：352-360.

[12]原毅军，陈喆. 环境规制、绿色技术创新与中国制造业转型升级[J].科学学研究，2019，37（10）：1902-1911.

[13]ZHAO X，SUN B.The influence of Chinese environmental regulation on corporation innovation and competitiveness[J].Journal of cleaner production，2016， 112 （ 4）： 1528 -1536.

[14]CONRAD K， WASTL D. The impact of environmental regulation on productivity in German industries[J].Empirical economics， 1995，20（4）：615-633.

[15]GRAY W B， SHADBEGIAN R J. Plant vintage technology and environment regulation[J]. Journal of environmental economics and management，2003，46（3）：384-402.

[16]POPP D， NEWELL R G， JAFFE A B. Energy， the environment and technological change [R]. NBER，2009.

[17]杜龙政，赵云辉，陶克涛，等. 环境规制、治理转型对绿色竞争力提升的复合效应——基于中国工业的经验证据[J].经济研究，2019（10）：106-120.

[18]蔡乌赶，李青青. 环境规制对企业生态技术创新的双重影响研究[J].科研管理，2019，40（10）：87-95.

[19]张娟，耿弘，徐功文，等.环境规制对绿色技术创新的影响研究[J].中国人口·资源与环境，2019，29（1）：168-176.

[20]马淑琴，戴军，温怀德. 贸易开放、环境规制与绿色技术进步——基于中国省际数据的空间计量分析[J].国际贸易问题，2019（10）：132-145.

[21]董直庆，王辉. 环境规制的“本地-邻地”绿色技术进步效应[J].中國工业经济，2019（1）：100-118.

[22]HORVáTHOVá E. The impact of environmental performance on firm performance： short-term costs and long-term benefits？[J].Ecological economics， 2012， 84（12）： 91-97.

[23]XIE R H，YUAN Y J，HUANG J J. Different types of environmental regulations and heterogeneous influence on ‘Greenproductivity： evidence from China[J].Ecological economics， 2017（2）， 132：104 -112.

[24]许慧，李国英. 环境规制对绿色创新效率的影响研究[J].财经问题研究，2018（9）：52-58.

[25]郭进. 环境规制对绿色技术创新的影响——“波特效应”的中国证据[J].财贸经济，2019（3）：147-160.

[26]KUMBHAKAR S C， CHRISTOPHER F P. The effects of match uncertainty and bargaining on labor market outcomes： evidence from firm and worker specific estimates[J].Journal of productivity analysis， 2009，31（1）：1-14.

[27]韩先锋，宋文飞，李勃昕. 互联网能成为中国区域创新效率提升的新动能吗[J].中国工业经济，2019（7）：119-136.

[28]曹霞，于娟.绿色低碳视角下中国区域创新效率研究[J].中国人口·资源与环境，2015，25（5）：10-189.

[29]吴超，杨树旺，唐鹏程， 等. 中国重污染行业绿色创新效率提升模式构建[J].中国人口·资源与环境， 2018， 28 （5）：40-48.

[30]钱丽，王文平，肖仁桥. 共享投入关联视角下中国区域工业企业绿色创新效率差异研究[J]. 中国人口·资源与环境， 2018， 28（5）： 27-39.

[31]邝嫦娥，文泽宙，彭文斌. 影子经济影响绿色创新效率的门槛效应[J].经济地理，2019，39（7）：184-193.

[32]SONIA B K ， NATALIA Z. The pollution haven hypothesis： a geographic economy model in a comparative study[R]. 2008：1-30.

[33]解晋.中国分省人力资本错配研究[J].中国人口科学，2019（6）：84-96.

[34]邓飞，柯文进. 异质型人力资本与经济发展——基于空间异质性的实证研究[J].统计研究，2020，37（2）：93-104.

[35]李勃昕，韩先锋，李宁. 知识产权保护是否影响了中国OFDI 逆向创新溢出效应？[J].中国软科学，2019（3） ：46-60.

[36]BOTTA E， KOZLUK T. Measuring environmental policy stringency in OECD Countries： a composite index approach[R].Paris：OECD Economics Department，2014：1-45.

（责任编辑：李 琪）