环境规制与绿色技术创新的空间交互溢出效应

胡孟颖 , 刘德志,b

(安徽财经大学 a.统计与应用数学学院；b.数量经济研究中心，安徽 蚌埠 233030)

近年来，我国在生态环境治理方面付诸了不懈努力，并取得了相应的成效，主要包括环境质量改善、二氧化碳(CO2)排放降低、主要污染物实现减排等。但是，尽管取得了较为显著的环境治理成效，我国生态文明建设还是面临很大压力。技术创新是经济增长的源动力，“十四五”规划明确提出“构建市场导向的绿色技术创新体系”[1]。绿色技术创新在创新的基础上考虑到环境和资源因素，具有提高经济发展水平的正外部性，可以提高能源利用效率，节约资源，有效推进经济可持续发展。因此研究环境规制与绿色技术创新交互关系，对促进环境保护与科技发展协调共生意义重大。

因此，本文围绕环境规制与绿色技术创新之间的空间交互溢出效应进行研究。通过梳理相关文献，在“遵循成本”“创新补偿”和“邻避主义”的理论基础上提出研究假说，并使用广义空间三阶段最小二乘法(GS3SLS)进行实证分析。在此基础上从区域和时间两个角度进行异质性分析，并运用更换指标、更换空间权重矩阵两种方法进行稳健性检验。

一、文献综述

关于环境规制与技术创新之间如何相容发展，新古典理论认为，环境规制会提高“遵循成本”，挤占企业用于创新的资源，降低企业的技术创新水平与生产率水平。相反，Porter和Linde提出的波特假说认为合理的环境监管政策能够带来“创新补偿”效应，能够在一定程度上抵消企业的“遵循成本”，促进企业进行技术改进以缓解低资源效率等问题[2]。进一步，Jaffe和Palmer区分了“狭义波特假说”“弱波特假说”与“强波特假说”[3]；张成等验证了环境规制与技术进步之间的“U”型关系[4]；张中元和赵国庆发现环境规制有利于各地区工业的技术进步，且促进作用在不同企业类型之间有所差异[5]。大量研究均表明环境规制会对技术创新产生一定的影响效应，但两者间的相互关系尚未有定论。

绿色技术创新满足生态经济规律，通过节约要素投入、提高能源利用效率等满足生态环境需求。不少学者研究了环境规制与绿色技术创新间的关系，齐绍洲等通过比较排污交易试点政策实施前后绿色专利申请占比的变化情况，发现环境规制能够诱发试点地区企业的绿色技术创新活动[6]。对于环境规制影响绿色技术创新的路径机制，万攀兵等认为环境技术标准通过推动技术改造进而提升绿色技术创新，这为制造业绿色转型提供了思路[7]。从不同的角度出发，衡量环境规制与绿色技术创新的方法和指标存在一定的异质性，异质性视角下研究结论是否会变得不同呢？李青原和肖泽华基于异质性环境规制，发现不同类型的环境规制对绿色技术创新有不同的影响效应，排污收费会带来“倒逼”效应，激励绿色技术创新活动，环保政策则带来“挤出”效应，企业进行绿色技术创新的资源被挤占[8]。罗茜等研究发现异质性环境规制通过不同的作用途径对绿色技术创新产生正向促进作用[9]。陶锋等考察了环境规制对绿色技术创新质量与数量的影响，发现环境规制尽管能够带来绿色创新数量的增加，却使得其质量下滑，不过环保审查制度能够缓解质量下滑程度[10]。

上述研究为探究环境规制与绿色技术创新之间的关系提供了丰富的文献支撑，然而现阶段的文献较少考虑到以下两点：一是大多数文献主要集中于研究环境规制对绿色技术创新的单向因果影响效应、异质性环境规制工具、创新两者测度方法等方面，较少探究环境规制与绿色技术创新互为因果的可能性。二是关于两者间是否存在空间交互溢出效应，相关文献资料也较少涉及。

基于此，本文的创新之处体现为：一是将环境规制与绿色技术创新纳入空间联立方程模型，探究两者间的交互关系。二是在空间联立方程中纳入环境规制与绿色技术创新的空间滞后项，探究其空间溢出效应。

二、理论分析与假说提出

作为公共物品，生态环境具有非竞争性、外部性等特点，因此环境污染对当下社会经济与创新活动产生的不利影响很难通过市场机制调节来消除，需要政府采取环境规制政策来调控。环境规制通过制定环境法规、征收排污费、交易排污许可证、发放治污补贴等手段，对污染性活动产生的负外部性进行矫正，以纠正市场失灵。目前，关于环境规制与绿色技术创新间关系的探讨尚未达成一致。关于环境政策对创新的作用，部分学者秉承“遵循成本”假说，认为环境规制会挤占企业成本，收缩企业用于技术创新的经费投入，降低技术创新效率；另一部分学者支持“创新补偿”效应，认为环境监管能倒逼企业进行技术创新，提升企业收益，抵消污染治理成本[2]。赵玉林和陈泓兆基于不同的生产阶段，将绿色技术创新进行划分，发现异质性绿色技术创新会对环境治理成本与治污资源配置效率产生影响，进而对环境规制产生不确定方向的影响作用[11]。

金刚和沈坤荣研究发现，周边地区环境规制提升时，为固化本地要素和争夺流动性资源，当地政府可能会降低环境规制强度，呈现“逐底竞争”互动形式；基于“邻避主义”和吸引优质生产要素目的，当地政府也可能会增强本地环境规制水平，呈现“竞相向上”互动形式[12]。绿色技术创新也会产生示范效应，促使邻近地区进行技术模仿和技术追赶，加速技术扩散[13]。总之，环境规制与绿色技术创新的相互影响效应与空间溢出机制较为复杂，具体的影响方向与强度需要结合各省的实际发展情况进行分析。据此，文章立足于已有的研究基础进行拓展，构建理论框架。

若“遵循成本”效应占主导地位，环境规制会增加企业成本；若环境规制遵从波特假说，高强度环境规制带来的“创新补偿”效应促使企业进行绿色技术创新，提升竞争优势。Petroni等从排污费角度说明了环境规制会挤占企业的治理成本，减少用于绿色技术创新的投入[14]。余明桂等研究了中国企业技术创新受产业政策的影响效应，结果表明产业政策对企业技术创新有激励作用，并且对民营企业更加有利[15]。甄美荣和江晓壮研究环境税通过成本和信息导向对企业绿色技术创新的影响，发现两者存在“U”型关系，不同环境税水平对绿色技术创新影响的正负不同[16]。基于上述分析，提出第一条假说：

H1：环境规制会通过“遵循成本”效应和“创新补偿”效应两种形式对绿色技术创新产生影响，具体影响方向视两种形式作用结果的大小而定。

提升绿色技术创新效率，使得企业在生产过程中可以降低污染排放，以及在处理污染排放时能够更加有效地配置治污资源。很多研究将绿色技术创新划分为不同的类型进行研究，汪明月等研究绿色产品、绿色工艺和末端治理技术创新对改善环境绩效等方面的作用，并分析了不同类型的绿色技术创新之间的内在联系[17]。总而言之，绿色技术创新带来的清洁技术，可降低治污成本，提高环境治理积极性，改善生态环境状况，进而可以帮助政府推动环境规制的实施。基于上述分析，提出第二条假说：

H2：绿色技术创新可以通过改善环境污染，提高环境规制水平。

在环境规制强度增加时，不仅可以通过倒逼企业进行绿色技术创新来降低环境治理成本，也可能迫使企业迁址至环境规制水平较低的地区[18]，出现环境规制“逐底竞赛”现象。然而企业的迁址行为主要取决于迁址成本和创新成本的高低，环境规制并不必然会带来“污染避难所效应”，张征宇和朱平芳的研究表明在到达一定的阈值后，环境规制竞争促使地区间形成“竞相向上”的互动形式[19]。基于上述分析，提出第三条假说：

H3：环境规制会通过“逐底竞赛”和“竞相向上”两种形式产生空间溢出效应，具体溢出方向视两种形式作用结果的大小而定。

当一个地区的绿色技术创新水平提高时，会对周边区域的企业造成影响，促使其进行创新活动进行技术模仿与技术追赶[13]以保证其竞争力，从而影响周边区域的绿色技术创新水平与环境规制强度。基于上述分析，提出第四条假说：

H4：绿色技术创新可以通过技术溢出惠及周边地区，具有正向的溢出效应。

三、实证模型设计及数据指标

1.实证模型

齐绍洲等[6]、申晨等[20]、秦炳涛等[21]均采用空间计量模型研究了环境规制对绿色技术创新的影响，考虑到环境规制强度会对绿色技术创新水平产生影响，同时绿色技术创新水平也会影响环境规制强度，因而构建一个包含环境规制和绿色技术创新的空间联立方程：

(1)

(2)

其中：i表示省级行政区；t表示年份；ERit和GTIEit分别为环境规制强度和绿色技术创新效率；Xit为环境规制方程的控制变量，包括经济高质量发展(HEQ)、CO2排放(CO2)、能源消费结构(ES)、城镇化水平(PUP)；Zit为绿色技术创新方程的控制变量，包括人均国内生产总值(PGDP)、地区贸易开放(RTO)、地区产业链结构(RICS)、人力资本水平(HCL)。γ1反映了环境规制的策略性竞争效应，γ1>0表示地区间的环境规制强度存在“逐底竞争”策略互动，γ1<0表示地区间的环境规制强度存在“竞相向上”策略互动。δ1反映了绿色技术创新的空间溢出效应，δ1>0表示地区间的绿色技术创新效率之间出现“你创新，我也创新”的结果，δ1<0表示地区间的绿色技术创新效率之间出现“你创新，我‘拿来’”的结果。γ2和δ2反映环境规制与绿色技术创新之间的内生关系，γ2<0表示绿色技术创新不利于提升环境规制水平，δ2<0表示环境规制抑制绿色技术创新。γ3刻画了周边地区的绿色技术创新对本地环境治理政策的影响，γ3>0表示邻近地区绿色技术创新效率的提升有助于增强本地的环境规制水平。δ3刻画了周边地区环境规制对本地绿色技术创新水平的影响，存在两种影响效应：一种是正向影响效应，即邻近地区的环境规制强度增加会“倒逼”本地绿色技术创新效率的提升；另一种是负向影响效应，即邻近地区的环境规制强度增加会挤占治理成本，抑制本地绿色技术创新效率的提升。δ3>0表示正向影响效应大于负向影响效应，δ3<0表示负向影响效应大于正向影响效应。μi、υi分别为环境规制方程和绿色技术创新方程的地区个体效应，εit、ηit是两个方程无法观测的因素。wij为空间权重矩阵，本文选取了两种空间权重矩阵(1)选取空间邻接矩阵做全样本、分区域和分时间段的回归，空间距离矩阵做稳健性检验。来刻画环境规制与绿色技术创新之间的空间交互溢出效应。

2.指标选取

(1)内生变量 一是环境规制(ER)：参考颜青和殷宝庆[22]的做法，选取群众环境问题上访批次衡量。二是绿色技术创新(GTIE)：参考吕岩威等[23]的测度方法，选取包含非期望产出的SBM-DEA模型进行测算。其中，创新投入指标包括R&D人员全时当量、R&D经费内部支出和R&D课题数；创新期望产出指标包括专利申请受理数、专利申请授权数和人均国内总产值；非期望产出指标包括工业废水排放总量和工业废气排放总量。三是环境规制和绿色技术创新的空间滞后项(w×ER和w×GTIE)。

(2)环境规制方程的控制变量 一是经济高质量发展(HEQ)方面。经济发展不仅要关注速度和规模，更要注重效率，参考詹新宇和崔培培[24]、余泳泽等[25]的研究成果并基于五大发展理念(2)党的十八届五中全会提出了经济社会发展的新理念，即“创新、协调、绿色、开放、共享” 五大发展理念。构建经济高质量发展指标体系，详见表1所列。经济发展质量的提高意味着环境质量的改善，可能会放松对环境规制的要求，因此，预期其系数符号为负。

表1 经济高质量增长指标

续表

二是CO2排放：CO2排放来自煤油、原煤等能源燃烧以及使用其他原材料，能源燃烧为主要排放源，因此本文依据能源消费量来计算CO2排放。计算公式为：

(3)

其中各指标含义见表2所列。

表2 各指标的具体含义

单位热值含碳量和碳氧化因子来源于2006年《IPCC国家温室气体清单指

南目录》。

CO2排放量增加可以督促政府加大环境规制力度，也会加大环境治理难度，因此其系数符号并不确定。

三是能源消费结构(ES)：煤炭等化石能源的大量使用会加重环境污染，影响环境质量，从而对政府制定环境政策产生相应影响。选取煤炭消费量占能源消费总量的比重来度量本项指标，其值越大表示煤炭等化石能源占比越大，清洁能源所占比重相应就越小，此时政府倾向于加大环境规制力度，因此预期其系数符号为正。

四是城镇化水平(PUP)：城镇化进程也会对环境规制产生影响，利用城镇人口占总人口的比重进行度量。城镇化水平的提高可能会促进重工业的发展，因此预期其系数符号为负。

(3)绿色技术创新方程的控制变量 一是人均国内生产总值(PGDP)：地区经济发展水平会影响绿色技术创新投入，以人均GDP来衡量经济发展水平。随着经济发展水平的增加，绿色技术创新有望得到更多的资金支持，因此预期其系数符号为正。

二是地区贸易开放(RTO)：本文运用进出口总额与地区生产总值的比值来测度地区贸易开放。地区的贸易开放可以带来国外先进的技术和成熟的产品，有利于贸易引进地进行学习模仿，激励进行绿色技术创新活动，因此预期其系数符号为正。

三是地区产业链结构(RICS)：本文运用第二产业增加值与地区生产总值的比值来测度地区产业链结构。第二产业数量增加可以刺激地区进行绿色技术创新，但是也会增加环境压力，增加绿色技术创新难度，因此其系数符号并不确定。

四是人力资本水平(HCL)：采用在校学生数与总人口数的比值来衡量本项指标。当人力资本水平提高时，绿色技术创新活动所需的优质人才数量增加，有利于创新活动的进行，但当人力资本未被有效利用，存在资源要素错配时，也可能带来绿色技术创新水平的降低，或没有显著影响，因此，其系数符号不确定。

3.数据来源与描述性统计分析

本文所选指标数据来源于EPS数据库、《中国环境年鉴》与各省统计年鉴，样本选取为1998-2019年中国30个省区市(因数据缺失，不含西藏自治区、台湾省、香港和澳门特别行政区)。对于少数缺失数据，采取线性插补法、均值法、移动平均法等来进行处理。对进出口总额运用当年美元兑人民币汇率进行换算，并利用居民消费价格指数对相关变量(3)其他价格相关变量为GDP、人均GDP、第二产业产值、第三产业产值、一般预算收入以及R&D内部经费指标。进行平减，保证数据的可比性。

表3列出了各变量的描述性统计分析结果。由该表可得，样本期间环境规制的均值为1 857.603，标准差为1 566.452，说明不同地区间的环境规制存在差异。绿色技术创新的均值为0.722，标准差为0.242，表明绿色技术创新在不同区域也存在较大差距。

表3 各变量描述性统计结果

四、实证结果分析

1.空间自相关检验

(1)全局空间相关性检验 在对构建的空间联立方程模型进行估计之前，首先检验空间相关性。测算环境规制和绿色技术创新的莫兰指数，其中大部分年份都通过了显著性检验，表明两者的空间分布存在一定的空间关联性，并非随机分布，可以进行空间计量模型回归。

(2)局部空间相关性检验 第一，环境规制方面。环境规制的莫兰散点图中，各省份分布在第一象限、第二象限、第三象限和第四象限，分别对应于四种环境规制类型：“高-高”型集聚、“低-高”型集聚、“低-低”型集聚和“高-低”型集聚(4)限于篇幅，此处未报告莫兰指数的具体数值，如有兴趣可向作者索取。。不同年份的各省份环境规制水平集聚状况并非完全一致，以2019年环境规制空间集聚分布状况为例，具体见表4。可以看出，位于第一象限和第三象限的省份共22个，占样本总省份的73.3%。其中，位于第一象限“高-高”型集聚的省份包括：河北、广西、浙江等，即这12个省份的环境规制处于较高水平，其周边省份的环境规制水平也较高。位于第三象限“低-低”型集聚的省份有天津、吉林、甘肃等，即这十个省份的环境规制水平较低，其周边省份的环境规制水平也较低。位于第二象限“低-高”型集聚的省份包括：内蒙古、福建、北京、上海和陕西，即这五个省份的环境规制水平不高，但是其周边省份的环境规制水平较高。位于第四象限“高-低”型集聚的省份包括：安徽、云南、湖南，即这三个省份的环境规制水平较高，但是其周边省份的环境规制水平却不是很高。总体来看，2019年各省份的环境规制水平整体偏低，其空间相关性主要通过“高-高”型集聚与“低-低”型集聚表现。

表4 2019年环境规制空间集聚分布情形

第二，绿色技术创新方面。绿色技术创新的莫兰散点图与环境规制的莫兰散点图相同，也划分为四个象限，分别表示四种绿色技术创新类型。不同年份的各省份绿色技术创新效率基本分布在第一象限和第三象限，以2019年绿色技术创新空间集聚分布状况为例，具体分布情况见表5所列。可以看出，位于第一象限和第三象限的省份共有25个，占样本总省份的83%，表明2019年各省份绿色技术创新效率基本上呈正向空间相关分布。其中，位于第一象限“高-高”型集聚的省份有天津、福建、江西等，即这14个省份的绿色技术创新效率处于较高水平，其周边省份的绿色技术创新效率也较高。位于第三象限“低-低”型集聚的省份有河北、内蒙古、辽宁等，即这11个省份的绿色技术创新效率较低，其周边省份的绿色技术创新效率也较低。位于第二象限“低-高”型集聚的省份包括：江苏、安徽、湖南、广西，即这四个省份的绿色技术创新效率不高，但是其周边省份的绿色技术创新效率较高。位于第四象限“高-低”型集聚的省份为北京。即北京市的绿色技术创新效率较高，但是其周边省份的绿色技术创新效率却不是很高。总体来看，2019年各省份的绿色技术创新效率整体处于较高的水平，空间集聚性显著，并通过“高-高”型集聚与“低-低”型集聚明确地体现其空间分布的异质性。

表5 2019年绿色技术创新空间集聚分布情形

2.全样本GS3SLS

考虑到环境规制与绿色技术创新两者可能互为因果从而产生一系列内生性相关问题，运用GS3SLS对(1)式与(2)式进行估计，GS3SLS既考虑了各方程随机扰动项间可能存在的相关性，也兼顾了内生变量潜在的空间相关性，可以缓解内生性问题，得到一致且有效的估计结果。

估计得到空间邻接权重矩阵下环境规制和绿色技术创新方程的结果见表6所列。从环境规制方程的回归结果可以看出，环境规制空间滞后项的估计系数显著为正，表明各地区间的环境规制存在“竞相向上”现象，验证了H3 。可能原因为：一是基于“邻避主义”，当一个地区通过征收环境税、增加减排补贴等措施加大环境规制强度以减少污染排放时，周边地区为了避免高污染企业的迁入导致本地环境污染程度加重，会提高环境规制水平[26]；二是各地都更加偏好于优质环境要素，会竞相提高当地的环境规制水平，提供更加良好的环境，以便固化本地优质要素和争夺流动性资源。

绿色技术创新及其空间滞后项的估计系数分别显著为正与为负，说明绿色技术创新促进本地环境规制强度增加，但对周边地区的环境规制有抑制效应，验证了H2和H4。绿色技术创新提高对本地环境规制的促进效应可能是由于先进的污染治理技术能够带来较为显著的环境治理效果，在绿色技术创新激励条件下，当地政府倾向于提升环境规制强度。而绿色技术创新的空间溢出效应显著为负，原因可能是周边地区受益于绿色技术创新带来的治污技术，资源错配现象与生态环境问题有所减少，从而会放松环境管制。

环境规制方程控制变量的结果表明，经济高质量发展的估计系数为负但不显著，说明样本期间经济高质量增长抑制环境规制强度的作用较为有限。CO2排放的估计系数显著为正，表明随着CO2排放量的增加，政府更加注重对环境的管制力度，即环境规制强度增加。能源结构的估计系数为正但不显著，正向作用效果有限。城镇化水平的估计系数显著为负，表明城镇化进程会带来对环境管制的放松，降低环境规制水平。

从绿色技术创新方程的回归结果可以看出，绿色技术创新空间滞后项的估计系数显著为正，表明绿色技术创新存在技术扩散效应，周边地区通过模仿学习绿色技术创新成果等方式来提高绿色技术创新效率，验证了H4。这可能是因为，绿色技术创新存在示范效应，一个地区的绿色技术创新水平提高时，基于技术扩散的正外部性，周边地区可以模仿学习其成功的经验，实现追赶甚至超越。

环境规制及其空间滞后项的估计系数均显著为正，环境规制强度增加会提高本地及周边地区的绿色技术创新水平，验证了H1和H3。原因是由于环境规制所带来的“创新补偿”效应大于“遵循成本”效应，当某地的环境管制趋于更加严格时，会“倒逼”企业进行绿色技术创新，提高本地和周边地区的绿色技术创新水平。

绿色技术创新方程控制变量的结果表明，人均GDP的估计系数显著为正，表明人均GDP水平的提高有利于绿色技术创新效率的提升。地区贸易开放的估计系数为正但不显著，说明贸易开放带来国外先进的生产管理技术从而产生的正向作用较为有限。地区产业链结构的估计系数显著为负，说明第二产业占比的增加并不利于绿色技术创新效率提升。人力资本水平的估计系数显著为负，当人力资本增加但未得到有效配置时，会带来绿色技术创新水平的降低。

表6 1998-2019年全样本估计

续表

3.异质性分析

(1)分区域GS3SLS 由于中国各地区环境规制、绿色技术创新、资源禀赋、经济发展等均存在差距，本文将从东中西三大区域进行实证分析，GS3SLS回归结果见表7(5)限于篇幅，只报告了内生变量的回归结果，下同。所列。

在环境规制方程中，关于环境规制的空间溢出效应，东部地区存在“逐底竞赛”现象，西部地区存在“竞相向上”现象，中部地区环境规制的空间溢出效应则较为有限。绿色技术创新空间溢出效应只在东部地区存在负向溢出作用，在中部、西部地区并不显著。东、中部地区绿色技术创新的估计系数显著为正，西部地区显著为负，说明提升绿色技术创新效率，东、中部区域会显著增加环境规制强度，西部区域则会显著降低环境规制强度。

在绿色技术创新方程中，绿色技术创新的空间溢出效应，在中部地区显著为负、西部地区显著为正，但在东部地区则不显著。环境规制的空间溢出效应在东、中部地区不显著，在西部地区显著为正，表明西部地区环境规制强度提高会促进周边地区绿色技术创新发展，但东、中部地区的绿色技术创新对环境规制变化的反应不敏感。东、中部地区的环境规制的估计系数显著为正，西部显著为负，说明环境规制强度增加会促进东、中部区域绿色技术创新效率的提高，却会抑制西部区域绿色技术创新效率的提升。

表7 分区域样本估计结果

(2)分时段GS3SLS 由于环保政策处于不断的变动之中，各地的绿色技术创新水平也并非一直保持不变。对于环保政策来说，2007年和2014年为两个节点；对于绿色技术创新来说，2007年和2014年也为波动较大的两个节点。因此，本文将2007年和2014年作为时间节点，比较不同时间段下中国各省级行政区环境规制与绿色技术创新之间的空间交互效应的变化情况。同时结果也可作为稳健性分析来检验前文估计结果，具体估计结果见表8。

从表8中可以看出，1998-2006年和2007-2013年两个时间段的回归系数和稳健性基本没有太大变化，2014-2019年有一些变化。环境规制方程中环境规制的空间滞后项的系数从1998-2013年的显著为正变为2014-2019年为负但不显著，表明地区间环境规制从“竞相向上”有变为“逐底竞赛”的趋势。

可能是因为：环境政策出台不久时，各地区为完成中央政府的环保指标竞相提高当地环境规制强度；然而，近年来由于环境信息不对称现象的客观存在，各地政府为了短期经济总量的增长更加倾向于搭便车行为，降低环境规制强度。

绿色技术创新的空间滞后项的估计系数显著为正且呈上升后下降的趋势，而绿色技术创新的估计系数在1998-2013年显著为正但在2014-2019年显著为负，表明绿色技术创新水平提高对周边地区的促进作用随着年份的推移先增强后减弱，而对本地环境规制从促进作用变为抑制作用。总体来说，绿色技术创新倾向于对环境规制提出更加严苛的要求。

绿色技术创新方程中绿色技术创新和环境规制的空间滞后项的系数均是在1998-2013年显著为负，在2014-2019年显著为正，表明随着时间的增长，绿色技术创新和环境规制的空间溢出效应由负转正。

环境规制的系数则在1998-2013年显著为正，在2014-2019年则显著为负，表明环境规制对本地绿色技术创新的促进作用变为抑制作用，后期“遵循成本”效应占上风。

表8 分时间段样本估计结果

4.稳健性检验

(1)更换内生变量 为避免变量衡量方法单一带来的估计结果偏误，替换内生变量之一的环境规制，并进行稳健性检验，选用排污费收入总额来衡量环境规制强度，结果见表9列(1)。

可以看出，系数符号和显著性水平基本一致，只有系数大小有微小差异，表明全样本回归中的估计结果是稳健的。

(2)更换空间权重矩阵 空间权重矩阵的不同选取可能造成结果出现差异，将空间邻接矩阵更换为空间距离矩阵进行稳健性检验，结果见表9列(2)。

可以看出系数符号和显著性水平大体上是与前文保持一致的，只是在环境规制方程中，环境规制的空间滞后项显著为负，与全样本回归中的正向溢出效应相反，但与分区域回归中的东部区域一致，总体而言结果仍旧稳健。

表9 稳健性检验结果

五、结论和政策启示

1.研究结论

本文基于中国30个省市区1998-2019年的数据，运用空间联立方程模型对环境规制与绿色技术创新的空间交互溢出效应进行研究。研究结果表明：一是环境规制的空间滞后项显著为正，各地区间存在“竞相向上”现象，当一个地区提高环境规制强度时，周边地区也倾向于提高环境规制强度。绿色技术创新的空间滞后项显著为正，存在正向空间溢出效应。二是绿色技术创新与环境规制两者的回归系数均显著为正，两者之间存在相互促进的关系，但是促进作用有变为抑制作用的趋势。三是近年来“竞相向上”的环境规制有变为“逐底竞赛”的趋势，绿色技术创新的负向空间溢出效应有变为正向的趋势。四是环境规制与绿色技术创新的空间交互溢出效应存在区域异质性。

2.政策启示

第一，完善相关环境政策，保持“竞相向上”现状。各地区之间的环境监管存在“竞相向上”现象，有竞相提高当地环境规制水平的倾向，因此当地政府应当加大环境规制监管力度与违规惩罚力度，制定更加严格的环境规制政策。在进行宏观调控时注意奖惩结合，征收环境税等惩罚性政策应当与发放减排补贴等激励性政策相结合，保证环境政策的合理性。同时需要完善排污权、碳排放权等交易市场的构建，发挥市场对治污资源配置的决定性作用，推进环境治理的多元化。

第二，合理利用绿色技术创新的正向空间溢出效应。绿色技术创新存在正向的空间溢出效应，各地区间应当加强经济合作与创新产业关联，通过学习效应模仿更高水平的绿色技术创新成果，实现追赶与超越，提升绿色技术创新能力。鼓励绿色技术创新水平较高地区成为绿色创新中心，完善区域绿色创新网络体系，发挥绿色创新中心城市的扩散效应和辐射作用，促使各区域协同提升绿色技术创新水平。也需要加大绿色技术创新力度，督促绿色技术创新实现更高的突破，以保持其正向溢出效应的状态。

第三，维持环境规制与绿色技术创新的相互促进关系。中国省际环境规制与绿色技术创新存在相互促进关系，应当合理利用环境技术标准激发绿色技术创新的潜力，并发挥绿色技术创新对环境规制政策的激励作用。当地政府需要优化调整环境规制体系，加大对技术标准类环境规制的执行力度；企业进行绿色技术创新则应该从资源利用效率、能源消费结构、末端治理等方面来改善环境质量，提供更好的生态环境。

第四，制定区域联合治理与发展的政策。每个地区应当结合当地的实际情况，制定符合本地环境污染现状与绿色技术创新水平的环境规制政策。东部区域环境规制强度增加时，可以促进本地和周边地区的绿色技术创新水平提高；西部区域环境规制强度增加有利于周边地区进行绿色技术创新，但会抑制本地绿色技术创新；中部区域则与西部区域相反，环境规制强度增加会提高本地绿色技术创新，减弱周边地区绿色技术创新水平。因此需要促进不同区域之间环境规制的协调发展，对资源要素的跨区域流动和污染排放权进行市场化改革，促进其合理发展，以期能够最大化地物尽其用。在制定环境政策时不仅考虑本地政策实施力度与形式，还要将周边地区纳入考量范畴，制定协同治理体系，更好地发挥环境规制的政策效应。