环境规制、创新数量和创新质量——基于空间杜宾模型的实证研究

侯荣荣， 王文寅， 张克勇， 武勇杰

（中北大学经济与管理学院，太原 030051）

改革开放以来，我国的创新水平取得了重大的突破，创新数量位于世界前列，根据国家的统计数据显示，我国的专利申请量位居世界第二，授权专利数量位居世界第三. 但是，相比于创新数量，我国的创新质量水平还很低，在很多领域还受制于人，需要我们持续的努力. 在提升创新水平的同时，消耗的自然资源和产生的环境问题受到严峻的挑战. 有关数据显示，在全球的环境指数排名中，中国位于第120位，处于倒数的位置. 为此国家出台了一系列的节能环保的政策被称为环境规制，大力倡导使用清洁能源，降低污染排放，提高我国的环境质量. 在此大背景下，如何实现我国创新水平提升的同时又提高了环境的质量成为重点要解决的问题.那么环境规制对我国的创新水平存在什么样的影响，是否存在空间溢出效应，需要我们深入的研究.

1 文献综述

在学术界，目前学者对环境规制与创新的关系进行了大量的研究，成果比较丰富. 但在研究结论上存在很大的差异，大体上呈现三种态度：①支持者认为环境规制会促进创新. Porter［1］认为，政府实施环境规制以后，不但不会降低企业的竞争能力，相反会提高它们的技术水平；Lanjouw和Mody［2］从国家层面发现，环境规制是获取技术的来源之一；Brunnermeier 和Cohen［3］也认为环境规制有益于技术创新；国内学者赵红［4］认为，从长期来看，环境规制对创新的影响为正；谢乔昕［5］研究上市公司数据发现，环境规制对创新具有正向影响.②反对者认为环境规制会抑制创新. Brannlund 等［6］认为环境规制会降低企业的利润，不利于创新；Gray 和Shadbegian［7］认为环境规制会提高减排成本导致企业的生产力下降；李斌和陈崇诺［8］认为环境规制会抑制生产率进而会抑制技术创新；黄庆华等［9］认为环境规制会增加企业减污成本，不利于企业的创新. ③不确定者认为，环境规制对创新的影响存在不确定性. Bhatnagar 和Cohen［10］认为目前环境规制对创新影响的证据不是非常充分；李婧［11］认为，环境规制强度不同，对企业的创新影响也不同；韩先锋等［12］认为环境规制对技术进步的作用呈先促进后抑制；王国印和王动［13］基于面板数据研究发现，环境规制对中国不同的地区影响不同，对西部地区呈负影响，中部地区影响微弱，东部地区正影响.

在创新数量和创新质量的关系研究方面，Haner［14］最早提出创新质量的定义. 国内学者杨幽红［15］认为创新质量是一个综合体；蔡绍洪和俞立平［16］认为创新数量和创新质量必须同时提高，才能促进企业的效益；俞立平等［17］发现，创新数量和创新质量之间存在一定的互动关系；闫绪娴和曾强［18］通过构建PVAR模型发现研发经费对创新数量作用显著，对创新质量作用不显著.

对现有文献分析发现，国内外学者对环境规制与创新的关系及创新数量与质量的关系进行了大量的研究，成果相对丰硕. 虽然学者们得出的结论有所差异，可能与研究的视角、采用的方法和模型有关. 从中可以发现，目前学者对于创新数量和质量的研究大多集中于静态和动态的视角，鲜有学者从空间的角度进行研究，那么创新数量和创新质量是否存在空间溢出效应以及相邻的省份之间是否存在关联性，环境规制对本省的创新成果作用如何，对邻近省份的创新成果作用又如何，需要我们进行深入的思考和研究.

2 研究设计

2.1 模型设定

首先根据Cobb-Douglas生产函数构建以下方程，并取对数处理，以消除异方差带来的影响，具体如下式：

其中：Y1,it表示创新数量；Y2,it表示创新质量；ERit为环境规制强度；Iit为影响创新成果的一系列控制变量；εit为误差项；i为省份；t为时间.

为进一步分析相邻省份的创新成果对本省份创新成果的影响，在式（1）和（2）的基础上分别加入lnY1和lnY2的空间滞后项WlnY1,it和WlnY2,it，W为空间权重矩阵，ρ为空间自回归系数，得到SAR模型. 空间自回归模型指的是因变量存在很强的空间依赖性，相邻地区的因变量也会影响到本地区的因变量：

为了进一步考察环境规制是否对相邻省份的创新成果产生影响，即是否存在空间溢出效应，在式（3）和式（4）的基础上加入环境规制的空间滞后项构成空间杜宾模型（SDM），SDM 模型指的是本地的因变量不仅受到本地自变量的影响还受到相邻地区自变量的影响：

最后，为分析控制变量除了对本省份影响，是否还对相邻省份的被解释变量产生影响，即是否存在空间溢出效应，在式（5）和式（6）的基础上分别加入控制变量I的滞后项，得到以下方程：

式中βir分别是各个变量对应的系数.

2.2 空间权重矩阵

在实际构建模型时，需要构建空间权重矩阵来将经济变量的空间效应纳入回归方程中，并且对距离进行量化，目前有邻接矩阵、地理距离矩阵和经济距离矩阵.

邻接矩阵指的是，地图上有n个区域，区域i和区域j有相邻的边界，则定义为Wn,ij=1，否则Wn,ij=0. 相邻方式有车相邻、象相邻和后相邻. 车相邻指的是相邻区域有共有的边；象相邻是指相邻的区域没有共有的边，但有共有的点；后相邻指的是既有共有的边，又有共有的点.

地理距离矩阵计算的是两个区域的欧氏距离，根据区域的质心坐标计算.

在设定空间距离时存在一定的问题，Pace（1970）在此基础上进行了改进，即以距离阈值设定权重.

目前学术界大部分使用经济距离，以舒适程度、运费和时间来表示距离，受基础设施和技术的影响，可以用欧式距离来度量经济距离，即想要衡量两地之间的经济距离时，只需要知道某项经济指标就可以计算出这项经济指标的差值. 具体计算公式为：

为使估计结果更加可靠，本文同时使用三种权重矩阵来进行计算.

2.3 变量说明

2.3.1 被解释变量

1）创新数量：创新数量衡量的是企业的创新规模，为全面分析企业的创新数量水平，采用Griliches［19］的做法，用新产品销售收入表示.

2）创新质量：创新质量衡量的是企业的实际创新水平，目前学术界对于创新质量的测定方法很多，有专利引用次数［20］、付费期长度［21］、IPC分类号［22］、专利支付年费［23］等，本文采用张占鹏等［24］的做法，用发明专利与申请专利比表示.

2.3.2 核心解释变量

环境规制：环境规制是政府为提高环境水平实施的一项政策，当前不同的学者对于环境规制衡量的方法不同，有用SO2排放量［25］、环保机构数量［26］、排放强度［27］、环保政策数量［28］. 为了保证数据的精确性，采用环境污染治理投资额占GDP的比值［29］来表示，比值的大小反映环境规制的强弱.

2.3.3 控制变量

1）资本（K）：采用研发经费内部支出和外部支出之和来表示；

2）劳动力（L）：为全面反映劳动力对创新成果的影响，采用从业人员平均人数来表示；

3）经济发展水平（PGDP）：用每个省的人均GDP来表示.

2.4 数据来源

本文选取2009—2019年全国30个省份共计330个样本数据，对我国高技术产业进行实证分析，高技术产业在我国创新产业中具有很高的地位，对于数据缺失的年份用移动加权法进行填充，对西藏地区的数据进行剔除处理. 数据来源于《中国环境统计年鉴》《中国高技术产业统计年鉴》. 表1描述了变量的基本统计特征.

表1 描述性统计Tab.1 Descriptive statistics

3 实证分析

3.1 空间自相关性检验

在确定使用空间计量方法之前，需要判断创新成果是否存在空间依赖性. 如果不存在，则使用普通的计量方法即可；如果存在，则可使用空间计量模型，考察空间自相关常用的指标为莫兰指数Moran’sI，具体的公式为：

表2显示了三种权重矩阵下2009—2019年创新数量的全局Moran’sI. 结果显示，2009—2019年三种权重矩阵情况下的全局Moran’sI都大于0，且在1%的水平上显著，说明我国的创新数量存在显著的空间正相关性，也就是说，创新数量在省域空间上并不是随机分布的，而是呈现出一定的集聚性. 此外，从变化趋势来看，虽然三种矩阵下的Moran’sI存在一定的差异，且呈现一定的波动性，但是整体上呈现稳中上升的态势，说明我国的创新数的空间自相关性在不断增强，因此可以采用空间计量模型进行分析.

表2 创新数量的全局Moran’s ITab.2 Global Moran’s I index of innovation quantity

表3 显示了创新质量2009—2019年三种矩阵下的全局Moran’sI. 从中可以发现，三种矩阵下的Moran’sI都有正有负，且不显著，说明我国的创新质量在空间上是随机分布的，不存在相应的空间溢出效应，对于创新质量，应采用普通计量进行分析，因此在下面的分析中，仅对创新数量用空间计量模型进行分析.

表3 创新质量的全局Moran’s ITab.3 Global Moran’s I index of innovation quality

3.2 全国创新数量区域分布变化特征

通过上面对创新数量的全局Moran’sI的分析，我国的创新数量呈现一定的集聚特征，为进一步分析各个地区的空间集聚情况，用LISA集聚图对其进行正相关性解释.

我国的创新数量水平逐年提高. 我国2009—2019年创新数量的高集聚区和低集聚区变化较大. 从中可以发现，我国的创新数量水平呈现逐年上升的趋势，主要原因是，随着我国进入现代化的发展进程中，为缩小和发达国家之间的差距，国家持续强调创新的重要性，推出一系列鼓励创新的政策，“大众创业，万众创新”的理念深入人心.

我国的创新数量在空间上分成三大部分：第一部分是沿海地区，包括浙江、安徽、福建、山东等，创新水平最高，为我国的创新引领区域，沿海地区地理位置占有优势，而且资源非常充裕，提高了良好的物质基础；第二部分为中部地区，主要包括四川、陕西等地，中部地区的创新水平较高，自2009年以来有很大的提升，随着改革开放，交通便利、信息通畅，大量的资源也从沿海地区流入内地；第三部分为西部地区，主要包括新疆、青海、宁夏、云南等，西部地区的创新数量水平相比较低，虽然经过近几年持续的发展，创新数量有所提升，但是与东中部地区还有较大的差距.

我国的创新数量水平在空间分布上有很大的差异. 虽然我国的创新数量在全国大体上可以分为三个区域，但是到2019年，有些省份如重庆、湖南、广西等的创新数量水平与其他省份还存在较大的差异，地区之间发展不平衡，“低低集聚”区域和“高高集聚”区域之间的差距越来越大.

全局Moran’sI和局部LISA 集聚图都表明我国的创新数量存在显著的正空间相关性，因此在分析环境规制对创新数量的影响时应充分考虑其本地效应和空间溢出效应，故将采用空间计量模型对其进行分析.

3.3 选择计量模型

在用空间计量模型分析之前，需要运用一些统计数据对模型进行选择和检验，具体操作方法如下：①LM检验是用来检验模型选择OLS回归模型还是选择空间回归模型，四个统计结果LM-error、R LM-error、LM-lag和R LM-lag 均显著地拒绝了原假设，说明同时存在空间滞后项和空间误差项，有必要选择空间回归模型.②第二步用Hausman检验是用来检验选择固定效应模型还是随机效应模型，三种权重矩阵结果均显著地拒绝随机效应的原假设，故选择固定效应模型. ③对模型进行稳健性检验，用LR检验SDM模型是否可以退化成SLM模型或SEM模型，LR-lag和LR-error均显著地拒绝了原假设，说明应该选择SDM模型. ④固定效应模型包括地区固定、时点固定和地区时点双固定，在这三种模型下，哪一种模型的R2最大表示该模型拟合度最好，三种权重矩阵下的时点固定效应模型的R2最大，故选择时点固定效应模型.

表4 三种权重矩阵LM、LR及Hausman结果Tab.4 Three kinds of weight matrix LM，LR and Hausman results

3.4 SDM模型估计结果

根据式（6）来分析环境规制对创新数量的影响，三种空间权重矩阵下的估计结果如表5所示，R2分别是0.934 5、0.922 3和0.893 1，总体拟合程度较优，解释力较强.

从表5中的回归结果可以看出，本省的创新数量不仅受到本地解释变量如环境规制强度、资本、劳动力、经济发展水平的影响，还受到相邻省份变量的影响. 不同省份之间的创新数量存在显著的空间相关性和溢出效应，相邻省份创新数量水平较高，本地的创新数量水平也比较高，不同省份的创新数量存在显著的趋同效应. 因此，相邻省份的企业会相互模仿进行战略的最优选择，从而使我国的创新数量产生局部的“扎堆现象”［30］. 由于在三种权重矩阵中，经济距离矩阵下的回归结果较好，且比较显著，因此以经济距离矩阵为例进行详细分析.

表5 SDM模型估计结果Tab.5 SDM model estimation results

环境规制对创新数量影响显著. 本地的环境规制水平对创新数量的作用系数为0.325，且在1%的水平上显著，表明环境规制促进了本地的创新数量水平，验证了“波特假说”. 原因是当政府实施环境规制以后，企业为达到新的污染物排放标准，会进行技术的研发和创新，提高生产水平，进行绿色创新，从而提高企业的创新数量水平. 其他省份的环境规制对本省的创新数量水平的作用系数为0.316，也在1%的水平上显著，说明当其他省份的环境规制水平提高以后，本省的创新数量水平有所增加. 原因可以分析为：当一个地区的环境规制水平提高以后，会受到相应的技术资本共享和人力资本共享的影响，对相邻的省份会产生“虹吸效应”. 即人力资本和技术资本会向着环境规制水平较低的地区流动和转移，促进了该地区的创新数量水平.

本文主要分析环境规制对企业的创新质量的影响，之后还引入资本、劳动力、经济发展水平三个控制变量对创新成果的影响，从经济距离权重矩阵的回归结果来看，控制变量对创新成果的影响如下：本省和邻近省份的资本对创新数量的作用系数为正，且在1%的水平上显著，说明资本对创新成果产生显著的正向影响，原因是资本是企业从事一切生产活动和经营活动的根本动力，因此对企业的创新数量水平的提高起到助推的作用. 劳动力对邻近省份的创新成果的系数为负，且比较显著，说明企业中的劳动力更愿意留在本地区进行生产和研究，对当地的创新成果产生正向影响. 人均GDP对本地区和相邻地区的创新成果的影响均为正，说明一个地区及周边地区的经济发展水平越高，企业的创新成果水平也越高.

4 结论与启示

4.1 结论

本文主要运用了空间杜宾模型实证检验了环境规制对创新数量和创新质量的本地效益及空间溢出效应，得到以下结论：

1）我国的创新质量不存在空间自相关性，且在全国呈现随机分布. 从创新质量的全局Moran’sI指数可以看出，三种权重矩阵下的I值均比较小，P值比较大且不显著，说明我国的创新质量仅仅存在本地效应，不存在外溢效应.

2）我国的创新数量存在显著的空间溢出效应，且相关性在逐渐上升. 即一个地区的创新数量不仅受到本地区相关资源要素的影响，还受到相邻省份及周边地区创新成果和资源要素的影响. 目前我国的创新数量存在明显的“集聚扎堆”现象，且集聚区域集中在东部沿海地区.

3）环境规制对创新数量的影响比较显著. 本地的环境规制不仅对本地区的创新数量产生显著的正向作用，而且对邻近地区的创新数量产生显著的正向作用，进一步验证了“波特假说”. 说明当政府实施环境规制以后，企业会进行绿色技术研发和创新，降低污染物的排放，提高企业的创新数量.

4.2 启示

根据上文得出的结论，为协调好环境规制与创新成果之间的关系，提出以下建议和启示：

第一，加强区域创新数量协同，强化合作交流. 根据实证结果表明，我国的创新数量不仅存在本地效应，还存在一定的空间集聚效应，因此在政府制定相应的政策时，不仅要考虑地区间的空间关联性，强化相邻地区之间的合作与交流，还要建设良好的基础设施，使资源和要素在相邻的省份相互流动，形成“共享效应”和“溢出效应”，从而使本地和相邻地区的创新数量协调提高.

第二，优化区域创新质量. 从结果中可以得出，创新质量仅仅存在本地效应，无法形成地区性的集聚效应和空间溢出效应，为改变现状，政府要根据每个地区自身的基础设施情况和资源优势，合理配置资源，制定激励措施，向市场发出积极信号，从而提高创新质量水平. 向西方等发达国家学习先进的理念和先进的技术，使我国的创新质量形成一定的区域性的效应. 另一方面，企业要根据内部情况制定合理化的战略，提高自身的思辨能力，精准判断创新质量的变化趋势，使本地和邻地的创新成果形成一定的集聚性.

第三，制定渐近化和具体化的环境规制. 环境规制对创新成果存在不同的影响，对创新数量起到促进作用，对创新质量作用效果微弱. 因此，政府需要根据每个地区的具体情况来制定适应本地区的环境政策，合理调配环境规制政策组合，搭配使用各种环境规制工具，循序渐进推进环保市场建设，引导企业对污染性的生产方式进行升级和改造，使企业走健康发展之路. 并且政府可以设立相应的保护环境专项资金，使社会民众参与其中，为社会创造良好的环境，从而充分激发企业的创新活力.