环境规制对区域绿色创新效率的影响研究

肖振红 谭睿 史建帮 王芳

摘 要：为促进节能减排和“双碳”目标的实现，国务院于2011年批准7省（市）开展“碳排放权”交易试点工作。为评估“碳排放权”交易试点政策对区域绿色创新效率的影响，本文利用2004～2019年中国30个省（市、自治区）的面板数据，以双重差分为模型开展回归分析。实证结果显示：“碳排放权”试点省市改革政策有效推动了区域绿色创新效率水平的提升。促进“碳排放权”政策对绿色创新效率的影响在于地方政府效率、数字金融使用深度和地方财政分权水平。“碳排放权”交易政策通过改变能源消费结构和产业结构促进区域绿色创新效率的提升。本文根据实证结果提出国家、区域及企业的建议，为进一步完善全国碳排放权交易市场建设提供启示。

关键词：碳排放权;绿色创新效率;双重差分;环境规制

中图分类号：F205文献标识码：A文章编号：2097-0145（2022）02-0063-07doi：10.11847/fj.41.2.63

The Impact of Environmental Regulation on Regional Green Innovation Efficiency

——A Guasi-natural Experiment Based on the Pilot of “Carbon Emission Right”

XIAO Zhen-hong1， TAN Rui1，2， SHI Jian-bang1， WANG Fang3

（1.School of Economics and Management， Harbin Engineering University， Harbin 150001， China; 2.School of Continuing Education， Beijing University of Technology， Beijing 100024， China; 3.School of Economics and Management， Beijing University of Technology， Beijing 100024， China）

Abstract：In 2011， The State Council approved seven provinces to carry out pilot projects for trading carbon emission rights in order to promote energy conservation， emission reduction and the realization of “dual carbon” targets.  In order to evaluate the impact of carbon emission trading pilot policies on regional green innovation efficiency， this paper uses panel data of 30 provinces （municipalities and autonomous regions） in China from 2004 to 2019 to conduct a differential dual regression analysis. The empirical results show that the pilot reform policy of “carbon emission right” has effectively promoted the improvement of regional green innovation efficiency. The impact of policies promoting “carbon emission right” on the efficiency of green innovation lies in the efficiency of local governments， the depth of digital finance use and the level of local fiscal decentralization. “Carbon emission right” trading policy can promote regional green innovation efficiency by changing energy consumption structure and industrial structure. Based on the empirical results， this paper puts forward suggestions for the country， region and enterprises， and provides enlightenment for further improving the construction of the national carbon emission trading market.

Key words：carbon emission right; green innovation efficiency; differences-in-differences; environmental regulation

1 引言

2021年4月，習近平主席出席领导人气候峰会时指出，中国会摒弃损害生态环境的发展模式，破除区域发展旧动能，大力推进经济、能源、产业结构的转型升级，坚持走“生态优先、绿色低碳”的发展道路，建立区域经济可持续发展能力。为此，各省（市、自治区）在加强环境规制的前提下，持续优化创新生态，改善区域创新环境，推动产业技术转型，加快新旧动能的转换速度，提升区域绿色创新效率。然而，随着中国经济高速发展，环境问题日益严重。2019年中国人均碳排放量10.1吨，虽低于经合组织成员国的平均水平，但碳排放总量高达101.7亿吨。为了实现节能减排和资源有偿使用制度的系统发展，2011年10月29日，国务院批准北京、上海、天津、湖北、重庆、广东和深圳7个省（市）开展“碳排放权”交易试点工作。上述地区在“碳排放权”交易平台系统创新、碳排放交易产品创新、企业碳排放监管体系创新等方面先行先试，以促进碳排放额度合理分配、地区生产方式的转变，产业结构的升级和转型，国家能源“双控”目标的达成，以期建立新经济引擎，实现“节能减排”、“碳中和”和“生态创新”的远期目标。39CA1AF6-1F4F-4B24-8079-C596A98A33CB

“碳排放权”试点交易的建设方案作为一项基于地区制定的市场激励型环境规制政策，是区域间的系统工程建设，是实施国家可持续发展规划的重要支撑。其包含碳排放额分配方法设定、碳排放数据检测与核查、清洁能源的高效利用、能源的票证制度建设，以及碳排放同金融发展相结合的多项建设内容。其系统发展的有效性对满足环境治理工程和环境管理需要，实现区域竞争优势和环境发展战略具有重要的意义，对全国碳排放交易市场的发展起到显著的示范作用，应作为区域工程管理研究的重点关注对象。从宏观发展上看，“碳排放权”试点交易面临着企业规模大，参与行业多，复杂性強，产品流动性与能源市场关联性强，但试点区域交易规定存在差异，未来发展不确定性因素较多等特征。从微观建设上看，随着国家对污染防治攻坚战的要求和市场激励型环境规制强度的增加，企业面临污染治理成本升高，研发投入资金被挤占的现状，创新补偿能否超过污染治理成本，将直接影响绿色创新成效和区域系统发展。基于此，本文从系统工程建设出发，在工程理念指导下，利用双重差分模型评估碳排放交易试点对区域绿色创新效率的影响，系统研究环境生态治理的发展成效，分析“碳排放权”交易试点能否对区域绿色创新技术、绿色经济和绿色发展效率产生影响，以及政策效应对区域绿色创新效率提升的影响机制，探究试点政策的绿色创新效率除区域差异外，还受到哪些异质性因素的影响。

2 文献综述

2.1 绿色创新效率

国内外大部分学者认为绿色创新同传统创新对区域的影响和机理研究不尽相同。绿色创新概念由Fussler[1]首次提出，其认为绿色创新从本质上是在强调区域发展过程中的环境收益属性，在具有商业价值的新过程、新产品、新能源的开发和使用过程中，考虑可持续发展的特性。对区域经济发展和进步而言，绿色创新是遵循生态文明建设的要求，重点开发对环境污染破坏较小的经济引擎，减少能源和资源的消耗。我国学者对区域绿色创新的研究主要体现在以下三方面。

首先，部分学者认为我国区域绿色创新效率整体水平普遍偏低，总体呈现“下降-上升-下降-上升”的波幅变化[2～4]，部分区域绿色创新无效现象也较为突出，相较于技术无效，规模无效的问题更为显著[3]。其次，由于区域经济水平和绿色知识积累的不同，我国区域绿色创新效率存在空间差异性。许学国和周燕妃[4]认为技术无效主要体现在东北地区;规模无效因规模投入产出不均衡，主要体现在长江中游和沿海地区。吴旭晓[2]认为华南、华东和西南地区的绿色创新效率明显高于华中、华北和东北地区，而西北地区的绿色创新效率最低。赵路等[5]在现有研究文献基础上，实证分析东中西部地区的绿色创新效率存在自东向西逐级下降和南高北低的分布格局。

第三，学者对绿色创新效率影响因素的探索主要体现在外部环境因素和内部驱动因素两方面。从外部环境因素来看，区域绿色创新是多主体、多路径的交互，必然存在多影响因素的交互属性。依托“波特假说”、“污染避难所”、影子经济微观模型、开放式创新、产业集聚等理论，分析环境规制、外商直接投资、政府支持力度、能源结构、经济发达程度、信息化和市场化、对外开放度和区域资源禀赋情况对区域绿色创新效率的影响[2，5，6]。从内部驱动因素来看，主要集中在人力资本、企业规模、环保投入、公司治理、创新氛围和文化、产学研协同创新等方面分析企业绿色创新效率的影响[7，8]。

2.2 环境规制与绿色创新效率

借鉴彭甲超和肖建忠[9]的研究，环境规制工具可分为命令控制型、市场激励型和公众自愿型。“碳排放权”试点交易政策作为一项市场激励型环境规制政策，国内学者的研究主要集中在碳交易试点对企业绿色创新效率和区域绿色创新效率两方面的影响研究。在企业绿色创新效率方面，胡玉凤和丁友强[10]认为碳排放交易对中国上市公司绿色全要素生产率有抑制作用，但在绿色创新、市场化和政府补贴的中介调节作用下，“碳排放权”交易能够实现绿色全要素生产率的提升。宋德勇等[11]以2010～2019年“碳排放权”交易试点控排企业为样本，实证发现“碳排放权”交易对企业绿色创新有显著促进作用，进而推动绿色经济的发展。魏丽霞和任丽源[12]以2008～2019年碳排放试点地区上市企业绿色专利数据为样本，研究发现碳交易在碳排放价格的作用下，对企业绿色技术创新有显著提升作用。在区域绿色创新效率方面，杨露鑫和刘玉成[13]以2006～2016年30个省（市、自治区）为研究对象，发现“碳排放权”交易试点政策同区域实质性创新效率和策略性创新效率存在非线性关系，且为U型。李胜兰和林沛娜[14]以2000～2017年省级数据为样本，实证分析碳排放交易政策正向影响地区污染物排放和绿色经济发展。总的来说，国内学者对碳交易试点同企业或行业的绿色创新关系关注更多，但鲜有分析以“碳排放权”交易试点政策为出发点的环境规制同地区绿色创新效率的关系。

针对现有文献的不足，本文基于2004～2019年中国30个省（市、自治区）的面板数据，运用非期望产出超效率模型界定区域绿色创新效率，以“碳排放权”交易试点开展地区为政策分组变量，探究“碳排放权”交易试点对地区绿色创新效率的影响机制，以及交易试点政策在资源禀赋、政府效率不同的地区所存在的异质性表现。本研究对区域绿色创新效率的综合提升具有现实意义。

3 模型构建及变量说明

3.1 模型构建

3.1.1 超效率SBM模型

基于非期望产出的Super-SBM模型是一种非径向、非角度的效率评价模型。一方面，该模型在传统DEA模型基础上考虑“坏”产出指标对效率评价的影响，更具兼容性。另一方面，该模型效率值参考其他DMU构成的前沿得到，可进行有效区分。为此，本文建立区域绿色创新效率评价模型如下，其中ρ值表示区域绿色创新效率值，xkn为第k个生产单元的投入要素，ykm， bki为第k个生产单元的产出要素，分别为期望产出和非期望产出。zxk，zky，zby分别为投入要素、期望产出和非期望产出的权重。39CA1AF6-1F4F-4B24-8079-C596A98A33CB

min ρ=1-1N∑Nn=1sxnxkn

1+[1M+I（∑Mm=1symykm+∑Ii=1sbibki）]（1）

s.t.∑Kk=1zkyykm-sym=ykmm=1，…，M

∑Kk=1zbybki+sbi=bkii=1，…，I

∑Kk=1zxkxkn+sxn=xknn=1，…，N

zik0，sym0，sbi0，sxn0k=1，…，K

3.1.2 双重差分模型

根据Angrist和Pischke[15]，李健等[16]的研究，现有双重差分模型可采用固定效應模型或随机效应模型，二者差异在于前者是通过假设方差不变而进行最小二乘估计方法，后者是通过假设残差存在自相关而进行广义最小二乘法。借鉴国内外学者的文献，考虑到广义最小二乘估计要求的假设更强，且研究样本数据可能存在异方差序列相关的问题[17，18]，本文采用FGLS构建双重差分模型的回归分析，模型如（2）式

GIEit=α0+θDIDit+Xit′ β+μi+λt+εit

i=1，2，…，n;t=1，2，…，T（2）

其中GIE为被解释变量绿色创新效率;DIDit为核心解释变量，即度量处理组政策效应的虚拟变量，当处理组变量和处理期变量取值均为1时，该虚拟变量为1，否则为0;Xit、β为控制变量的k维列向量;μi和λt分别为个体固定效应和时点固定效应;εit为随机扰动项。

3.2 变量说明

现有绿色创新效率的测度主要采用基于参数的随机前沿分析方法和数据包络分析法，而数据包络法因不要求投入产出指标之间不存在共线性，其权重不受人为主观因素干扰，且更适合决策评价单元之间效率的评价，被众多学者所采用。因此，本文被解释变量采用可解决非期望产出和非零松弛问题的非径向、非角度Super-SBM模型，一级指标包括投入要素、期望产出要素和非期望产出要素，投入要素又包含人力投入、资本投入和能源投入三方面，综合测度2004～2019年中国30个省（市、自治区）的省域绿色创新效率。

本文的核心解释变量为“碳排放权”政策交乘项Treat×Post，其中Treat为政策分组变量，2011年10月被国务院批准为“碳排放权”交易试点省市的样本被界定为处理组，Treat赋值为1，非试点省市样本界定为控制组，Treat赋值为0;Post为政策时间变量，2012年以后（含2012年）赋值为1，2012年之前赋值为0。

考虑到各地区的人力资本水平、经济发展水平、政府投入、外商直接投资和能源消费结构指数的差异性，且它们也可能对区域绿色创新效率产生影响，本文引入上述因素为控制变量。具体变量选取如表1所示。

3.3 数据来源

本文选取2004～2019年中国30个省（市、自治区）的面板数据，由于西藏和港澳台地区数据缺失严重，未纳入分析样本。数据来源于《中国城市统计年鉴》《中国科技统计年鉴》《中国能源统计年鉴》以及各地级市统计年鉴。为消除数据量纲影响，对数据作标准化处理。其中绿色创新效率（GIE）的均值为0.439，最大值1.721，最小值为0.029，标准差为0.368，说明我国不同省（市、自治区）之间的绿色创新效率水平存在一定差异。处理组变量Treat占样本比20%，处理期变量Post均值为0.5，试点前后样本分布均匀。

4 实证分析

4.1 双重差分模型回归结果与分析

4.1.1 平行趋势检验

使用双重差分方法的先决条件是保证处理组和控制组在政策实施之前具有相同的绿色创新效率趋势。考虑到时间趋势图对平行趋势检验的结果较为粗糙，不能在统计意义上准确界定政策效应的显著差异，本文根据tvdiff命令分析政策时点前后的处理组与控制组差异，实证结果显示个体趋势F值为0.63，p>F=0.6447;时间趋势F值为0.11，p>F=0.7392，均通过平行假设检验。说明“碳排放权”试点政策对绿色创新效率的平行趋势假设是成立的，试点省市同非试点省市在“碳排放权”政策推行之初具有可比性。

4.1.2 倾向匹配得分—双重差分（PSM-DID）

为避免处理组和控制组在区域经济发展水平、资源禀赋和绿色知识存量等方面存在差异，进而对基础回归结果产生干扰。借鉴Leuven和Sianesi[21]提出的最近邻匹配算法，本文对控制组进行配比，将样本随机排序，以GIE为结果变量，使用Logit来估计倾向得分，对共同取值范围内个体进行1对6有放回匹配。匹配后数据各变量p值均大于0.05，不拒绝原假设，确保了“碳排放权”政策试点处理组和控制组没有显著差异。倾向得分匹配后极大缩减“碳排放权”试点政策处理组和控制组样本的分布差异和回归估计偏差。

通过表2中模型（1）和（2）的PSM-DID回归检验结果可知，无论是否控制外生变量对区域绿色创新效率的影响，虚拟变量DID的回归系数均在99%的置信区间内显著为正。由此可知，在排除试点省市和非试点省市特征差异后，“碳排放权”交易试点政策对试点区域的绿色创新效率产生显著正向影响，符合波特假说的理论，且环境规制政策同绿色创新绩效间存在强波特假说。

4.2 异质性分析

根据基准回归结果可知，“碳排放权”交易试点改革对区域绿色创新效率有显著正影响。但对资源禀赋、政府效率不同的地区，是否全部存在促进作用还有待进一步考证。为此，本文从地方政府效率、数字金融使用深度和地方财政分权水平三个维度检验在不同特质标准下“碳排放权”交易试点政策的地区差异。

4.2.1 地方政府效率异质性比较

区域绿色创新效率的水平将受到地方政府一般运行效率的影响，有着高效率的地方政府更为重视区域经济发展和创新活动中的长期经济项目发展，并注重经济的可持续发展效应。本文借鉴李凤娇等[22]的做法，将地方财政一般预算支出作为投入指标，教育发展、基础设施建设和卫生条件三方面作为产出指标，通过DEA估算地方政府2004～2019年综合效率指数。将样本划分为高地方政府效率等级和低地方政府效率等级。表3中模型（3）和（4）显示，高地方政府效率等级的DID虚拟变量系数在99%置信区间内显著为正，而低地方政府效率的DID虚拟变量系数在99%置信区间内显著为负，即高地方政府效率对促进“碳排放权”交易试点区域的绿色创新效率更为突出。39CA1AF6-1F4F-4B24-8079-C596A98A33CB

4.2.2 数字金融使用深度异质性比较

碳排放交易试点区域将二氧化碳排放权作为标的物在各地区碳排放交易平台上交割，为了促进碳排放交易市场的快速发展，在“双碳”目标激励下，碳金融机制体系的建立和金融资源结构、配置力度的建设是保障碳交易市场有序运行的重要途径。本文借鉴“北京大学数字普惠金融指数”[23]中的数字金融使用深度指标来衡量各地区金融水平，根据2012～2019年样本平均指数将样本划分为高数字金融使用深度等级和低数字金融使用深度等级。表3中模型（5）和（6）显示，高数字金融使用深度地区的DID虚拟变量系数在99%置信区间内显著为正，而低数字金融使用深度地区的DID虚拟变量系数在99%置信区间内显著为负。说明数字金融使用深度较高的地区，对以“碳排放权”为交易标的物的碳金融产品和衍生工具的使用更易接受，相关地区企业的碳金融控排产品更为丰富，融资能力相对较高，对进一步改善企业和地区的绿色创新绩效水平有显著促进作用。

4.2.3 财政分权水平异质性比较

财政分权水平意味着地方政府的财政力量差异，财政分权程度将有助于区域创新和地方经济的快速增长。本文借鉴毛建辉[24]的做法，采用地方政府财政收入与全国财政收入的比值作为地方财政分权的衡量指标，根据2004～2019年样本平均指数将样本划分为高财政分权等级和低财政分权等级。表3中模型（7）和（8）显示，高财政分权地区的DID虚拟变量系数在99%置信区间内显著为正，而低财政分权地区的DID虚拟变量系数在95%置信区间内显著为负。说明低财政分权地区由于资源禀赋不足，地方政府在准GDP的刺激下，难以将财政经费投入到绿色创新技术领域，政府在区域绿色创新建设方面滞后，同高等级财政分权地区存在技术势差。而高财政分权地区较少出现资源捉襟见肘的局面，政府有能力引导地区产学研组织开展创新活动，能为以“双控”为目标的组织活动提供适宜的基础条件，促进“碳排放权”交易试点区域的绿色创新效率全面提升。

4.3 影响机制

“碳排放权”试点政策作为一项以政府为推动力，以节能减排为目标的市场型环境规制实践，前文论证了该项环境规制政策对区域绿色创新效率的促进效应。本节就政策能够产生效应背后的机制进一步加以论证。

一方面，政府推行更严格的市场型环境规制政策时，率先被冲击的是企业，“碳排放权”试点交易政策通过“碳价格”推行碳配额买卖交易，企业为规避购买碳配额的支出成本，就需要摒弃粗放型经营发展模式，开展绿色低碳技术创新，加大对可再生能源的使用，以避免因缺乏可持续发展动力而被淘汰。企业的绿色技术进步效应将为区域带来能源结构的改变。另一方面，由于企业之间会存在技术、制度和社会等多维邻近性，企业间的绿色协同创新活动也将随着生产关系而形成外溢，从而推动产业的调整，实现产业的协同度和创新度，促使产业结构实现升级。基于此，本文以能源结构（P）和产业结构（BC）为中介变量，通过中介效应模型验证“碳排放权”试点交易政策对区域绿色创新效率形成的传导机制。能源结构以控制变量ECS为指标，产业结构借鉴周迪和刘弈淳[25]的做法，采用第三产业增加值占地区生产总值的比重加以衡量。

本文采用Bootstrap法[26，27]验证“碳排放权”试点政策对区域绿色创新效率的中介传导机制，通过800次抽样，构成95%的百分比置信区间和偏差校正置信区间，间接效应的置信区间不包含0，则系数乘积显著。检验结果如表4所示，模型（9）对能源消费结构所做的中介效应检验，置信区间均不包含0，间接效应系数0.025，说明“碳排放权”交易政策通过改变能源消费结构以促进区域绿色创新效率的提升，效应值为21.3%。模型（10）对产业结构所做的中介效应检验，置信区间均不包含0，间接效应系数0.081，说明“碳排放权”交易政策通过改变产业结构以促进区域绿色创新效率的提升，效应值为86.4%。

4.4 稳健性检验

4.4.1 安慰剂检验

为验证处理组与控制组在基准回归结果中是否受到其他政策或不可预测因素的影响，本文借鉴任胜钢等[28]采取随机抽样方式构造虚拟政策处理组，结果显示无论是否加入外生控制变量，虚拟控制组变量同控制期变量的交乘项系数均不显著。即未观测到地区特征差异对回归结果产生显著的影响，表2中基准回归结果具有稳定性。

4.4.2 剔除其他政策的干扰

环境规制对区域绿色创新效率的影响是一个复杂的动态过程，会出现多个经济政策和政府规制的交叉或平行制约，为避免虚拟变量DID的系數不仅受“碳排放权”试点政策对区域绿色创新效率的影响，还受到其他给区域绿色创新效率带来冲击的政策影响，从而导致基准回归存在偏误现象，本文选取两项同“碳排放权”相关的环境规制政策对基准回归结果加以控制。其一，自2007～2012年环保部陆续批复江苏、浙江、河北等11省（市、自治区）为排污权交易试点地区，以探索在试点区域建立环境成本合理负担机制和污染减排激励约束机制。而在“碳排放权”交易试点样本中，天津、重庆和湖北同时被列入“碳排放权”和“排污权”交易试点区域，为此，在模型中将控制组样本观察期中并行“碳排放权”和“排污权”的省市Treat值赋值为1，否则为0。其二，2015年12月，国务院下发《生态环境损害赔偿制度改革试点报告》，2016年4月批准吉林、江苏、山东、重庆等7省市的试点实施方案。重庆被列入“碳排放权”、“排污权”和“生态环境损害赔偿”三项试点地区，为此，在模型中将2016年至2019年重庆地区Treat值赋值为1。通过观察加入“排污权”、“生态环境损害赔偿”虚拟变量后回归结果，“碳排放权”交易试点政策的交乘项系数仍然显著，说明区域绿色创新效率的提升并非冲突政策一和二所致，基准回归结果具有稳健性。

5 结论与建议

5.1 结论

本文利用2004～2019年中国30个省（市、自治区）的面板数据，运用Stata软件的双重差分模型，基于2012年后“碳排放权”试点省市为处理组，实证分析“碳排放权”试点省市改革政策对区域绿色创新效率的影响。得到如下结论：39CA1AF6-1F4F-4B24-8079-C596A98A33CB

从基准回归结果来看，“碳排放权”试点作为探索环境治理新路径，实现“碳中和”和“碳达峰”目标的重要措施，该项政策有效推动了区域绿色创新效率水平的提升。该基准回归结论在考虑平行趋势检验、倾向得分匹配、安慰剂检验和剔除冲突政策影响等一系列校验后仍然成立。从异质性分析结果显示，促进“碳排放权政策”对绿色创新效率的影响在于地方政府效率、数字金融使用深度和地方财政分权水平。中介校验结果表明，政策效应的影响机制是通过能源消费结构调整和产业结构效应实现的。

5.2 建议

第一，“碳排放权”试点交易政策作为新兴的市场型环境规制政策，能够有效提升区域绿色创新效率水平。随着2021年7月16日全国“碳排放权”交易市场线上交易正式启动，国家需以试点区域的“碳排放权”交易经验为基础，完善全国“碳排放权”交易市场制度，发展以“碳排放权”为交易标的物的交易产品和衍生工具的创新，促进“碳排放权”交易市场的流动性和活跃性。另一方面，由于我国现行关于二氧化碳排放的环境规制政策较少，政府可建立系统的环境法律法规，完善关于“环境税”、“用能权”等系列市场型环境规制政策的推行，以对“碳排放权”交易政策形成区域协同效应。最后，由于我国东中西部地区经济发展水平的差异性，政府可通过合理设计，推动环境治理的市场化机制，推进“碳排放权”交易市场的实施范围，向经济发展程度较好的非试点省市转移，在非试点省市开展节能减排，落实“碳排放”交易指标。

第二，从区域角度来看，各试点区域需通过增加环境保护的财政预算，完善生态环境基础设施建设。摒弃区域对传统第二产业的依赖，引导财政资金向绿色技术创新产业转移，加大绿色新兴产业的扶持研发力度，促进产业结构发展的合理化和高级化，提升绿色经济和绿色创新效率的持续拉动力。从企业层面，以节能减排为目标，激发区域内企业开展前沿绿色创新技术研发活动的主动性;推进工业企业利用可再生能源开展清洁生产，进行节能环保制造;开展管理活动创新，探索企业绿色转型的新思路和新方法，提升企业绿色可持续竞争力，以带动区域绿色创新效率的提升。

第三，低财政分权地区会对区域绿色创新效率起到抑制作用，因此该类地区需积极探索本地区的绿色创新制度和政策。根据区域资源禀赋的不同，加强以激励型和控制型环境规制政策的结合运用;加强区域内高等教育质量，加大本地区研发资本和研发人员的投入力度，以提升人力资本存量，提高区域内绿色创新学习能力。低等级数字金融使用深度地区需要在“新基建”政策的推动下，加快本区域金融机构数字化转型，强化同数字金融发达地区的成果共享和协同创新，为区域绿色创新技术产业的发展做好服务保障。低等级政府运行效率地区无法支撑区域绿色技术创新目标的实现，该类地区需论证政府效率失灵的原因，以加快政府职能的转变，提高资源配置效率，服务于区域绿色创新发展。

参 考 文 献：

[1]Fussler C J. Eco-innovation： a breakthrough discipline for innovation and sustainability[M]. London： Pitman Publishing， 1996. 25-41.

[2]吴旭晓.中国区域绿色创新效率演进轨迹及形成机理研究[J].科技进步与对策，2021，36（23）：36-43.

[3]朱建峰，郁培丽，石俊国.绿色技术创新环境绩效经济绩效与政府奖惩关系研究[J].预测，2015，34（5）：61-66.

[4]许学国，周燕妃.基于三阶段Malmquist-PNN的区域绿色创新效率评价与智能诊断研究[J].科技进步与对策，2020，37（24）：54-62.

[5]赵路，高红贵，肖权.中国工业绿色创新效率动态演变趋势及其空间溢出效应研究[J].统计与决策，2020，（7）：95-99.

[6]吴超.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.

[7]陈兵，王伟龙.互联网发展、产业集聚结构与绿色创新效率[J].华东经济管理，2021，35（4）：42-56.

[8]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.

[9]彭甲超，肖建忠.环境规制、能源要素价格与绿色创新效率[J].环境经济研究，2021，（1）：158-178.

[10]胡玉凤，丁友强.碳排放权交易机制能否兼顾企业效益与绿色效率[J].中国人口·资源与环境，2020，30 （3）：56-64.

[11]宋德勇，朱文博，王班班.中国碳交易试点覆盖企业的微观实证：碳排放权交易、配额分配方法与企业绿色创新[J].中国人口·资源与环境，2021，31（1），37-47.

[12]魏丽霞，任丽源.碳排放权交易能否促进企业绿色技术创新——基于碳价格的视角[J].兰州学刊，2021，（6）：1-20.

[13]杨露鑫，刘玉成.环境规制与地区创新效率：基于碳排放权交易试点的准自然实验证据[J].商业研究，2020，（9）：11-24.

[14]李胜兰，林沛娜.我国碳排放权交易政策完善与促进地区污染减排效应研究[J].中山大学学报，2020，60（5）：182-194.

[15]Angrist J D， Pischke J S. Mostly harmless econometrics： an empiricals companion[M]. Princeton： Princeton University Press， 2009. 15-18.

[16]李健，馮山，代昀昊.国家级高新区和中国城市全要素生产率增长——基于双重差分方法的研究[J].经济经纬，2020，37（1）：9-16.39CA1AF6-1F4F-4B24-8079-C596A98A33CB

[17]杨以文，周勤，李卫红.创新型企业试点政策对企业创新绩效的影响——来自微观企业的经验证据[J].经济评论，2018，（1）：91-105.

[18]唐睿，冯学钢.“一带一路”倡议是否推动了入境旅游的发展？——基于“21世纪海上丝绸之路”沿线地区双重差分的实证[J].上海对外经贸大学学报，2018，25（4）：17-27.

[19]Psacharopoulos G， Patrinos H A. Returns to investment in education： a further update[J]. Education Ecomomics， 2004. 12（2）： 111-134.

[20]齐绍洲.发展中国家经济增长与能源消费强度收敛的实证分析[J].世界经济研究，2010，（2）：8-13.

[21]Leuven E， Sianesi B. PSMATHC2： stata module to perform full Mahalanobis and propensity score matching， common support graphing， and covariate testing[R]. Statistical Software Components， S432001， Department of Economics Boston College， 2003.

[22]李凤娇，吴非，任玎.财政分权、地方政府效率与区域创新[J].科研管理，2021，42（2）：112-120.

[23]郭峰，王靖一，王芳，等.测度中国数字普惠金融发展： 指数编制与空间特征[J].经济学季刊，2020，19（4）：1401-1418.

[24]毛建辉.政府行为、环境规制与区域技术创新—基于区域异质性和路径机制的分析[J].山西财经大学学报，2019，41（5）：16-27.

[25]周迪，刘弈淳.中国碳交易试点政策对城市碳排放绩效的影响及机制[J].中国环境科学，2020，40（1）：453-464.

[26]MacKinnon D P， Lockwood C M， Williams J. Confidence limits for the indirect effect： distribution of the product and resampling methods[J]. Multivariate Behavioral Research， 2004， 39（1）： 99-128.

[27]温忠麟，叶宝娟.中介效應分析：方法和模型发展[J].心理科学进展，2014，22（5）：731-745.

[28]任胜钢，郑晶晶，刘东华，等.排污权交易机制是否提高了企业全要素生产率[J].中国工业经济，2019，（5）：5-23.39CA1AF6-1F4F-4B24-8079-C596A98A33CB