空气污染对区域创新水平的影响

高风平 杨晴越

摘 要：在追求綠色发展和创新经济的背景下，本文运用115个资源型城市2014—2020年面板数据，探讨空气污染对区域创新的影响，发现空气污染显著负向影响资源型城市创新水平。利用工具变量法解决内生性后，其回归系数绝对值变大但仍显著为负；创新主体分类回归发现空气污染对于企业创新主体创新能力的负向回归结果更为稳健。进一步研究空气污染对区域创新水平的影响路径，结果表明人力资本起部分中介作用。最后替换主要变量、加入东部虚拟变量并运用动态面板模型检验结果依旧稳健。

关 键 词：空气污染；人力资本；区域创新；资源型城市

DOI：10.16315/j.stm.2023.02.004

中图分类号： F207

文献标志码： A

Impact of air pollution on regional innovation level：

Based on 115 resourcebased cities

GAO Fengping， YANG Qingyue

（School of Economics and Management， Inner Mongolia University of Science & Technology， Baotou 014010， China）

Abstract：Under the background of pursuing green development and innovative economy， this paper uses the panel data of 115 resourcebased cities from 2014 to 2020 to explore the impact of air pollution on regional innovation， and finds that air pollution has a significant negative impact on the level of urban innovation. After using the instrumental variable method to solve the endogenous problem， the absolute value of its regression coefficient becomes larger but still significantly negative; The classification regression of innovation subjects found that the negative regression result of air pollution on the innovation ability of enterprise innovation subjects was more robust; Further study the impact path of air pollution on regional innovation level， the results show that human capital plays a part of intermediary role; Finally， replace the main variables， add the eastern dummy variables and use the dynamic panel model to test that the results are still stable.

Keywords：air pollution; human capital; regional innovation; resourcebased city

收稿日期： 2023-02-10

基金项目： 国家社会科学基金项目（19BFX171）

作者简介： 高风平（1981—），男，教授，博士，硕士生导师；

杨晴越（1997—），女，硕士研究生.

大国竞争由全球贸易竞争转入科技创新、国家安全等多方位立体化竞争，科技安全、创新经济得到国家前所未有的重视。近年来中国专利年申请数量已经超越美国成为世界首位。这意味着普雷维什-辛格假说正在被打破，即发达国家掌握尖端技术，发展中国家提供低廉价格初级产品的世界经济格局被改变，如在5G通讯领域中国被认为動了美国的“奶酪”，该市场价值13.2万亿美元，超美国当年GDP的一半。中国知识产权总局报告指出中国国内知识产权环境向好发展，但企业遭遇海外知识产权纠纷的比例上升迅速，自主研发仍是企业、高校等创新主体的主要研发方式。而美国为抑制我国的科技竞争力，不断扩充对我国科技创新企业及高校的制裁名单，限制科研人员交流。加之全球经济形势和国际环境的变幻莫测，中国只有提升自主研发能力，才能在国际科技经济竞争中站稳脚跟，捍卫国家利益，在经济活动中获得全球市场价值链的应有分配。

与此同时，正如美国全面限制中国科研人员的交流活动，国际科技竞争实际上被认为是科研群体创新能力的比拼。人才是创新的源泉，是发展的根本，科研人员对于国家创新的重要性毋庸置疑。2021年由美国华盛顿大学与全

球1 100个大学及研究中心等联合发布的《2019全球疾病负担研究报告》指出，空气污染在87种风险因子中位列前茅，是中国致死风险因素的第4位，仅次于吸烟、高血压和不健康膳食的致死风险［1］，已对国人身体健康造成严重威胁。当下，我国已经步入经济高质量发展新阶段，国家治理强调坚持绿色发展理念，加快构建生态文明体系，走人与自然和谐共生的永续发展之路。清洁的空气被认为是高新技术企业的新兴工业生产要素，同样也是影响城市宜居性的重要指标。随着人们环保意识的增强，城市宜居性很大程度上影响着劳动力的流动［2］，研究表明空气污染会从多方面抑制人的创新活力，且对国家经济活动产生负面影响，空气污染问题已然对区域人口、经济发展影响显著［3］。而据《2020年全球环境绩效指数报告》显示，中国环境绩效指数在180个国家和地区中位列120，其中空气质量作为关键的环境健康项排名第137位，虽较往年有所改善，但依然不容乐观［4］。环境库兹涅茨曲线表明在短时间内经济增长无法抵消给环境带来的负面影响，这也意味着空气污染的负外部性将在长时间内对国家经济、人民健康构成挑战。城市发展及综合治理要求系统考量环境及经济增长水平，市场投资领域中ESG（环境、社会和公司治理）评价体系侧重企业的可持续发展潜力，城市空气质量作为考察城市生态文明建设的重要指标［5］及企业绿色发展的关键要素，俨然受到政府、资本及创新主体的高度重视。

在中国，资源型城市是国家经济的重要组成部分，数量约占我国全部类型城市的45%。资源型城市曾是中国经济快速增长的主要力量，但其过去以环境污染和资源消耗为代价的生产方式，造成如今贫困化发展局面尚未彻底改变［6］。全国126个资源型城市，超60%的城市人口流失严重，城市能级不断下降。资源型城市面临的困境多与其产业特性相关，其政府一定程度上要负担更高的环境治理成本，其产业的负外部性导致城市社会福利的下降，人才流失恶化，进而阻碍资源型城市经济发展，无疑形成了恶性循环。“资源诅咒”假说在资源型城市发展研究中反复被提及，资源开发与经济增长显著的负向关系备受关注。邵帅等［7］研究发现加大能源开发会对科技创新和人力资本产生挤出效应，从而导致资源诅咒效应明显出现。以资源型城市的稀土产业为例，大多稀土企业多以原料出口为导向，无法在国际贸易中获得价值链中下游合理的市场分配，只有加大研发投入制成稀土工业品才有望争取更高的市场价值链分配。《全国资源型城市可持续发展规划（2013—2020年）》全方面、多层面引导资源型城市发展，强调把生态文明建设放在突出地位，加强人才队伍建设，加大科技创新投入，逐步实现以科技进步驱动地方经济发展。资源型城市在全国范围内分布均匀，因其发展方式导致的空气污染问题较为突出，是空气污染负外部性研究颇具代表性的缩影。危机中育先机、于变局中开新局，必须向科技创新要答案。在“资源诅咒”的影响下，资源型城市不可避免地要致力于加快构建生态文明体系，内外联动提升区域人力资本水平，科技创新突破资源依赖，以驱动城市实现转型发展。

因此，本文基于115个资源型城市2014—2020的面板数据，实证分析了空气污染对区域科技创新的影响，研究结果表明空气污染显著抑制区域创新发展，且通过损害区域人力资本影响了区域创新水平的提升。这为地方政府厘清污染治理与创新发展经济决策关系提供了经验证据，也为空气污染经济后果、科技创新影响路径等相关研究提供了适宜补充。

1 研究综述

熊彼特（Schumpeter）首次将“创新”视为现代经济增长的核心［8］。学者们测算了省市科技创新效率［9-10］、国家重大区域发展战略地科技创新效率［11-13］，发现区域科技创新水平非均衡发展，整体呈上升趋势。其中，部分学者基于经济增长影响因素研究，发现技术进步推动经济增长且具有长远影响［14-15］。李翔等［16］基于地理空间视角研究发现科技创新对经济增长始终表现显著的正向效应。可见科技创新对于区域、社会经济发展的重要性。

随中国综合国力不断强盛，人们追求更高质量的生活水平，但国内多地雾霾现象、极端天气频发，已经严重影响人们日常生活和社会经济活动。当今社会对空气污染后果的关注度上升，多项研究也表明空气污染严重影响人的健康和行为活动，Chen［17］研究发现淮河以北因冬季供热导致的空气质量下降，致使北方地区心肺死亡率攀升，预期寿命缩短，空气污染会对劳动者造成疾病负担，在此基础上也会带来相应的经济负担。Sasset等［18］研究发现PM2.5指数与个体负面情绪正相关。Stern［19］研究发现大多户外从业人员受空气污染影响，不仅身体健康状况受到威胁，而且会产生焦虑、恐慌情绪，从而导致工作积极性下降。宋衍蘅等［20］研究空气质量对审计师专业能力的影响，发现外勤工作中空气质量越差审计师对异常工作的接受度越低，专业判断能力越差，空气质量一定程度上影响了劳动者的专业决策。Zhang等［21］研究指出从事高认知水平、受教育程度较高的劳动者心理健康受空气污染的影响更为严重，且空气污染对其认知水平呈现显著的负向影响。个体的情绪低沉、认知水平下降均会负向影响个体的工作表现和创新思维，罗勇根等［22］研究空气污染对个体创新的影响，认为空气污染通过负向影响个体情绪和健康从而损害个体创新活力。梳理相关文献可知，空气污染通过损害人的身心健康，会造成劳动者认知水平下降，并产生焦虑、抑郁等负面情绪，而相应带来的经济负担，也会对创新工作者的创新行为产生负面影响。也有学者立足企业视角，研究空气污染对企业创新活力的影响。除分析空气污染导致员工的个体创新活力下降之外，也提到空气污染严重的地区倾向实施更为严格的环境规制。企业为应对强环境规制，其环保成本上升会对创新投入和管理成本产生挤出效应，从而负向影响企业创新活动［23-25］。通过上述分析可知，空气污染会损害区域内创新主体创新能力，势必会抑制区域整体创新水平的提升。由此，提出假设：

假设H1：空气污染负向影响区域创新水平。

环境是影响区域人力资源水平的重要因素，根据多城市RosenRoback空间均衡模型，劳动力的迁移受地区收入、住房成本及城市宜居性等因素的影响。随着人们生态环境意识增强，空气质量也成为劳动力就业选址偏好的重要考量因素。空气污染对人身心健康的危害，让越来越多的家庭选择流入空气质量更好的城市，尤其对于大多中青年以及高素质劳动力来说，更高的流动性以及对生活环境的高要求，当空气污染带来的负向成本趋于异地流动成本，本著效用最大化原则人们倾向于流入空气质量更好的城市，最终会导致迁出地的人力资本水平的下降。楚永生等［26］研究不同劳动力受环境污染影响的流向问题，发现高素质劳动力会更多地考虑生活质量问题，环境污染显著负向影响高素质劳动力流动。此外，空气污染对人口还有驱逐效应。而人力资本对区域创新发展的重要程度，从各地的人才引进政策的优惠力度就可见一斑。学者们也从多视角实证研究，发现人才集聚、人力资本投入确实会带动区域创新发展。周凡磬［27］研究发现劳动者素质对区域创新存在异质性影响，其中接受高中、大学以上教育的劳动力对区域创新水平有明显的促进作用，且后者的促进作用远高于前者，但从整体上人力资本

仍显著正向影响区域创新水平。徐斌等［28］也曾提到人才集聚带来的知识资本积累能扩散到企业、高校等创新主体，从而提升区域整体科技创新产出。空气污染不仅会损害区域内劳动力的身心健康，导致区域整体人力资本水平的下降，也会因应对空气污染风险成本导致的劳动力迁出，抑制人才集聚，致使区域人力资本水平的下降，从而负向影响区域创新水平的提升。由此，提出假设：

假设H2：空气污染会通过人力资本路径影响区域创新产出。

资源型城市是以本地区矿产、森林等自然资源开采、加工为主导产业的城市类型，过去粗放单一的发展方式为资源型城市带来一系列的问题，生态环境恶化、资源依赖、人口流失等等。早些年对资源型城市的研究多关注资源依赖［29］、产业转型升级［30］及可持续发展［31］等方面。随我国经济发展进入新常态，以期实现建设美丽中国，学者们转向研究资源型城市的高质量发展［32］、绿色发展［33］，资源型城市的生态环境、产业绿色化备受关注。资源型城市的发展遗留环境问题不利于当地居民的身心健康，将损害城市整体人力资本水平，势必也会对城市创新活力的迸发造成影响。而要推动资源型城市走上可持续发展之路，打破其技术和制度的双重锁定［34］，优化资源深加工产业，提升污染防治效率，建设城市生态文明，方方面面都离不开创新，离不开人才。当前空气污染对创新的影响研究，多以省域或微观主体为研究对象，也有学者从多视角出发，除空气污染外考虑了产业结构、区域初始禀赋、政府有效干预及创新政策对区域创新水平的影响；或基于产出投入模型，测算科技创新效率，讨论东中西部城市的发展差异；或基于创新主体研究企业、高校和个人的创新发展对区域创新的影响。总体上，研究主要涉及空气污染对研发投入要素的挤出以及创新补偿效应倒逼机制，但少有以城市为研究对象分析空气污染对区域创新水平的影响。因此，本文以115个资源型城市为例研究空气污染对区域创新水平的影响，并探讨其中的作用机理。

2 研究设计

《BP世界能源统计年鉴2020》发布的数据显示中国的能源消耗位列第一，且化石燃料已经占能源消耗总量的近85%，这也揭示了资源型城市空气污染的主要来源。使用ArcGIS10.8软件，按照空气质量检测平台分级指标，绘制了资源型城市2014年及2020年空气质量图，如图1、图2所示。由图1、图2可知，资源型城市空气质量有明显的向好趋势，但资源型城市轻中度空气污染城市占比高于全国平均水平;良好空气质量城市占比低于全国平均水平。资源型城市在全国范围内分布均匀，其空气污染问题颇具代表性，如图3所示。

鉴于以上对资源型城市空气污染的现状分析，下面将针对上文提出的假说进行实证研究。

2.1 模型设定

基于假设H1，为了检验空气污染与区域创新水平的关系，本文在理论分析的基础上构建如下基准回归模型：

ln Patentit=β0+β1ln AQIit+β2Controlit+εit。（1）

其中：被解释变量Patentit是资源型城市i在第t年的发明专利、外观设计、实用新型3种专利的加总，解释变量AQIit是资源型城市i在第t年的年均空气质量指数，均取对数处理，Controlit代表控制变量集，εit 是模型误差项。

2.2 变量说明

本文采用2014—2020年资源型城市的面板数据进行实证研究。主要解释变量为各地区的空气质量指数，参考肖振红等研究［35］，数据来自中国空气质量在线监测平台；被解释变量专利授权数，参考罗勇根等的研究［19］，数据来自PatSnap全球专利检索数据库；其他变量来自《中国城市统计年鉴》和各地市统计年报，部分缺失数据使用插值法补齐。排除了数据缺失严重以及行政区划改变的城市，最终选取115个资源型城市进行实证研究。

1）解释变量。空气质量指数（AQI）。2013年起空气质量监测平台由报告AQI指数取代原来的API指数，AQI指数综合考虑6种污染物浓度，其数值越大说明地区空气污染程度越高，该研究整理目标城市年度空气质量指数，并将其取对数处理。

2）被解释变量。创新水平（Patent）为3种专利申请授权量加总。因各地市统计年鉴专利数据缺失年份较多，线性插值处理误差性较大，故采用PatSnap全球专利检索数据库按照年份—城市的检索方式，整理所需城市的专利数据并将其取对数处理。

3）中介变量。人力资本（HP）。人才是创新的根本，多项研究表明人力资本对区域创新水平的重要性，故研究借鉴林伯强等［36］对城市人力资本变量的选取，用各地市在校大学生劳动力占比表示区域人力资本水平。

4）控制变量。包含政府支持（GS）、区域经济发展（PGDP）、对外开放（OP）、城镇化率（UL）、产业结构（IS）。政府对科技创新的支持程度影响区域创新水平的提升。吴传清等［37］研究政府在区域创新中的作用，发现地方政府对科创的财政支持有助于区域创新水平的提升，故用政府科学技术支出表示政府支持；普遍认为经济实力强盛的地区能提供更好的创新环境，有助于提升区域创新水平，但当区域经济发展水平无法匹配科技发展速度也会呈现负向影响，故用人均GDP表示区域经济发展水平；区域的对外开放水平，一方面外来资金支持有助于区域创新产出，另一方面外来资金投入不一定会聚焦创新高技术产业或创新水平较高的领域，因此对外开放水平对区域创新的影响也未可知，故用人均外资表示对外开放水平；其他城市创新环境的指标参考已有研究：产业结构以二产增加值占GDP比重表示;城镇化水平以人口城镇化率表示。以上涉及时间价值的变量（政府支持、经济发展、对外开放）都折算到2013年为基期，除百分比数据外其他数据均取对数处理。主要变量的描述性统计，如表1所示。

3 实证

3.1 基准回归

本文分别使用普通最小二乘法和两阶段最小二乘法對式（1）进行回归，结果如表2所示。

在表2第2列加各控制变量进行最小二乘回归，可得空气污染的系数为-0.429，意味着空气污染每增加1%，创新产出下降0.429%，证明空气污染和区域创新产出呈负相关关系，即空气污染程度越高区域创新水平越低。控制变量中，区域人力资本水平、政府支持强度、经济发展水平和城镇化率均与区域创新呈正相关关系，符合预期。说明较高的人力资本水平［38］，政府加大科技财政支持［39］，全方位发展城市建设，营造良好区域环境有助于区域创新能力的提升。此外，由表2可知，对外开放程度、产业结构显著负面影响区域创新水平。首先，考虑到国际贸易的资金支持不一定聚焦高产出的研发端，且外商投资不稳定性较高难以贯穿较长的研发周期，因此对外开放程度可能会对创新产生负面影响；其次，我国产业结构调整呈现二产比重下降三产业比重上升的趋势，且创新产出多集中在新兴产业，两者之间的负相关也说明了产业结构调整可能会对科技创新产生积极影响。

通常认为空气污染和区域创新水平之间存在内生性关系，空气污染会影响区域创新产出，但反过来，区域创新水平较高的地区往往空气污染程度较轻，即空气污染和区域创新产出之间存在反向因果关系。一方面，当区域整体创新水平上升，其中绿色创新专利会从源头、中末端治理多方面降低生产中的环境污染，势必也会降低对空气的污染程度；另一方面，区域创新水平提升会带动区域经济发展，政府可支配环保财政增多有利于改善环境问题，政府创新政策出台可能会加剧空气污染和区域创新的内生性关系。因此，该研究使用工具变量解决模型内生性问题，已知工具变量的选择需要满足2个条件：相关性和外生性。它们可以解释空气污染的变化，但不能通过其他途径直接或间接影响区域创新水平。

从历史角度选择工具变量，过去交通基础设施与当今空气质量相关，但是时间上与现在相距甚远，并不会影响当今区域创新水平。历史上铁路建设多半是因矿山运煤而建成，而铁路建设以线到网的覆盖方式随城市的发展而兴盛。考虑到资源型城市的发展历程、产业发展特性以及交通工具使用带来的污染问题，基于历史的延续性，研究认为1933年各城市是否通铁路影响空气质量，但1933年铁路建设已成为历史事实，不会影响当今城市创新水平。因此借鉴林伯强等［39］做法，把1933年该城市有铁路通过设为1，否则为0。

表2中的3～4列是工具变量法对模型重新估计的结果。第1阶段的F检验值为47.68，大于10，且CraggDonald Wald检验统计量12.946，大于临界值8.96，说明不存在弱工具变量问题。由第2阶段估计结果可得空气污染的系数为-1.272，意味着空气污染每增加1%，创新产出下降1.272%，与不使用工具变量相比系数绝对值明显变大。说明不考虑空气污染和区域创新水平之间的内生性问题，会低估空气污染对区域创新水平的负面影响，但总体来看空气污染程度加剧仍是不利于区域创新水平的提升，验证了假设H1。究其原因，一方面，空气污染会对人的心理和身体健康产生不利影响，疾病和不良情绪会降低劳动者的工作效率，而因环境问题劳动者将承担更高的医疗、防护成本多方面会影响劳动者的生产率。尤其对于推动区域创新的发明人来说，空气污染带来的一系列不良影响，不利于其创新思维的迸发和成果转化。因此，长久积累下来导致空气污染地区的整体劳动效率下降，自然也不利于区域创新水平的提升；另一方面，为加快推进生态文明建设，地方政府应对空气污染会付出更多的环保成本，采取更为严格的环境规制。虽然波特理论认为环境规制会反向激励企业创新，但创新并非易事，创新研发的周期较长且需要大量的人员和研发资金的支持。企业为遵循环境规制要付出更多的污染防治成本，从而挤占研发投入，将不利于企业创新产出。因此，空气污染对于区域整体创新水平产生了负向影响。

以上讨论了空气污染对区域整体创新水平的影响，为了进一步观测空气污染对区域创新主体创新水平的影响，该部分分别检验空气污染对企业和高校及科研院所两大创新主体创新能力的影响，结果如表3所示。

表3所使用的方法与前文类似，分别使用了OLS和IV（2SLS）对企业和高校及研究所两大创新主体进行回归分析。其中CraggDonald Wald检验统计量12.946大于临界值8.96，且一阶段F值均大于10，表示该工具变量有效。对于企业主体在纠正内生性问题后，系数仍为负值，但绝对值明显变大，研究可能低估了空气污染对企业创新的负向影响；而对于院校及研究所在纠正内生性问题后系数为正，但是结果不显著。表明空气污染对不同创新主体创新能力的影响呈现异质性，原因可能是多方面的，从统计数据来看，企业主体仍是区域创新产出的主力，且企业更易受到污染的影响。一方面，企业必须承担相应的社会责任，区域环境规制的强度可能导致企业付出更多的环保成本；另一方面，企业员工受空气污染的影响，可能会减弱其科技创新能力。《2021年中国专利调查报告》指出我国知识产权转化率稳步上升，尤其是企业主体自主研发的专利产业化率要优于其受让专利的产业化率，高校及科研单位专利的产业化率较低，但是通过产学研合作可以提高其专利产业化率。对于高校及研究院所，自主性研究更加要求研发人员的主动性，空气污染导致的身心危害和更高的防护成本都会损害个体的工作效率，不利于科研人员创新。但由于高校工作性质的原因，创新个体流动性相对企业员工较低，且外界资金的支持、晋升要求可能是推动高校创新主体创新的主要因素，空气污染对高校创新主体的影响力仍需讨论。

3.2 进一步研究

此外，为了探究空气污染对区域创新的影响机制，结合前文对空气污染影响区域创新水平的理论分析，空气污染会抑制区域人力资本的提升，進一步负向影响区域创新水平。基于假设H2，为检验空气污染是否通过影响区域人力资本水平间接影响区域创新产出，借鉴Baron等［40］模型的设计，第1步，以人力资本为被解释变量，空气污染为解释变量，检验空气污染对人力资本的影响；第2步，以人力资本为解释变量，创新产出为被解释变量，检验人力资本对区域创新水平的影响。依据上述思路，设定如式（2）和（3）所示中介效应模型。为检验人力资本的中介效应是否完全，在控制人力资本的间接影响后，检验空气污染对区域创新的影响是否仍然显著，构建式（4）回归模型。

HPit=ρ0+ρ1ln AQIit+ρ2Controlit+εit，（2）

ln Patentit=η0+η1HPit+η2Controlit+εit，（3）

ln Patentit=α0+α1ln AQIit+α2HPit+α3Controlit+εit。（4）

其中，HP表示区域人力资本水平，以各城市在校大学生占劳动力比例作为代理变量表示。检验结果如表4所示。其中：列（1）是式（2）回归结果;列（2）是式（3）回归结果;列（3）是式（4）回归结果。

由表4可知，空气污染与人力资本水平显著负相关，人力资本水平与区域创新水平显著正相关，而空气污染与区域创新水平显著负相关，即符号ρ1η1与β1一致，存在间接效应。式（4）系数α1和α2均显著，即在控制空气污染对区域创新直接影响的前提下，调整后的间接效应系数为ρ1α2为-0.041。因而可以认为空气污染导致区域人力资本水平下降，进一步抑制区域创新产出。即验证了假设H2。这一结果符合预期。如前文分析，空气是影响城市宜居性的重要因素之一，也是影响城市人口流动的关键因素。现今人们追求高质量的生活环境，空气污染不利于人们的身心健康发展，也有学者提出空气污染对人口有驱逐效应。尤其是对于高素质创新人才，他们普遍受教育水平较高，有较强的生态环保意识，在相同价值水平下，拥有更多的选择机会。而空气污染会降低人的非货币性收益，基于效用最大化原则，严重的空气污染会使高素质劳动力流出，由此影响区域人力资本水平，进一步导致区域创新能力的下降。因此，空气污染会通过损害区域人力资本从而抑制区域创新发展。

3.3 稳健性检验

为了检验上述结果是否稳健，即空气污染是否负向影响区域创新水平，进行如下几种稳健性检验，如表5所示。首先，考虑衡量空气污染的指标选取，分别有学者采用可吸入固体颗粒物、其他污染物排放等指标研究空气污染对城市发展的影响，因此在表5列（1）～（3）用PM2.5浓度、SO2排放量以及CO排放量替换AQI指数，检验空气中其他污染物对区域创新水平的影响，以上指标均取对数处理。其次，考虑到东部地区经济发展水平较高，为排除区域差异性对研究的影响，在表5列（4）加入东部虚拟变量和空气污染的交叉项。最后，考虑到模型可能存在动态面板偏差，故在表5列（5）使用动态面板模型系统GMM进行检验。

表5列（1）～（4）依旧使用最小二乘法回归，可以发现空气污染系数均显著为负。表5列（5）使用系统GMM回归，AR（1）和 AR（2）的P值分别为0.000和0.139，无法拒绝不存在两阶自相关原假设；同时，Hansen检验结果不显著说明变量有效，即采用滞后两阶的GMM估计有效，模型合理。其回归结果同样表明空气污染显著负向影响区域创新水平，与上文得到结论基本一致，由此证明上文得到的结论是稳健可靠的。

4 结论和建议

新阶段下，国家对社会生态文明建设和区域创新发展的重视程度日益增强，研究空气污染对于区域创新的影響显然具有重要意义。资源型城市空气质量和创新水平向好发展，但可持续发展困境仍待解决，推动资源型城市环境治理和创新发展有助于资源型城市突破资源依赖，找到新的接续发展产业，走上高质量发展道路。因此，本文使用2014—2020年115个资源型城市空气质量指数作为空气污染指标，使用3种专利申请授权量作为衡量资源型城市创新水平的指标，实证分析空气污染对区域创新水平的影响。为研究其影响机制，以各城市在校大学生占劳动力的比例作为区域人力资本水平的代理变量，使用链式中介效应模型。研究结果表明，空气污染显著抑制区域创新水平的提升，人力资本在其中起到部分中介效应。研究解决了模型内生性问题，运用工具变量法进行两阶段最小二乘回归估计，发现因双向因果关系可能会低估空气污染对区域创新产出的负向影响，但负向关系仍旧显著，结果稳健。为确保研究的可靠性，替换其他污染物作为空气污染指标或加入东部发展较快区域交互项或使用动态面板模型等进行了多项稳健性检验。结果具有高度一致性表明本文结果具有稳健性。

基于上述结论，提出以下建议：第一，地方政府应提高对环境和创新的重视程度，严格遵循绿色发展战略，多方位加大对环境的监管力度。从源头把控，对创新生产方式、提高产业绿色经济效率的创新主体及应用绿色生产方式的企业提供政策优惠，促进产业多元化转型；从末端治污，拉大积极响应控制排污企业与不作为企业的治污成本，倒逼企业减少污染排放，积极响应“谁污染，谁治理”，有度把握环保和经济发展之间的平衡。第二，基于国家知识产权总局公布的创新主体，地方政府应因地制宜进行对口支持，定向加大对企业、高校及院所的科创财政支持。一方面引导企业提升自主研发能力，加大知识产权保护力度；一方面引导企业和本地高校的产学研合作，进一步提升高校知识产权的产业化率，以此助力创新主体科技创新效率的提升。第三，政府应着力改善区域人力资本水平，发挥属地高校关键作用。加大对属地高校支持，办好高等教育，支持高校校园基础设施建设和学科建设；创建多层次人才培养合作，包括对技术型职业院校支持，力争留住属地大、中专和普本及以上毕业生。具体政策惠及应当考虑所在地实际情况做出调整，创新政策联动人才政策有助于形成以人才为内核创新驱动发展的良性循环，因此地方政府应颁布更有竞争力的人才落地政策，进一步完善配套设施建设，系统性提升区域社会福利水平，提升城市能级，增加城市对年轻人的吸引力，切实服务当地产业转型的人才需求。推进经济转型创造多元就业需求、属地高校为人才主要输出、积极提升城市宜居指数，资源型城市创新要素的综合生态环境将被改善。

参考文献：

［1］ VALERY L FEIGIN.Global，regional，and national burden of stroke and its risk factors，1990—2019：A systematic analysis for the Global Burden of Disease Study 2019［J］.Lancet Neurology，2021，396：1223.

［2］ 邵帅.空气污染对城市外来劳动力居留意愿的影响研究［J］.现代经济探讨，2021（2）：26.

SHAO S.Research on the impact of air pollution on the willingness of urban migrant labor［J］.Modern Economic Research，2021（2）：26.

［3］ 宋德勇，于飞.空气污染与城市经济发展：基于285个地级市的实证分析［J］.金融与经济，2020（2）：61.

SONG D Y，YU F.Air pollution and urban economic development：Empirical analysis based on 285 prefecturelevel cities［J］.Finance and Economy，2020（2）：61.

［4］ 郝春旭，邵超峰，董战峰，等.2020年全球环境绩效指数报告分析［J］.环境保护，2020，48（16）：68.

HAO C X，SHAO C F，DONG Z F，et al.Analysis of the global environmental performance index report in 2020［J］.Environmental Protection，202048（16）：68.

［5］ 石庆玲，郭峰，陈诗一.雾霾治理中的“政治性蓝天”：来自中国地方“两会”的证据［J］.中国工业经济，2016（5）：40.

SHI Q L，GUO F，CHEN S I.“Political blue sky” in haze control：Evidence from Chinas local “two sessions”［J］.China Industrial Economy，2016（5）：40.

［6］ 崔丹，卜曉燕，徐祯，等.中国资源型城市高质量发展综合评估及影响机理［J］.地理学报，2021，76（10）：2489.

CUI D，BU X Y，XU Z，et al.Comprehensive assessment and impact mechanism of highquality development of resourcebased cities in China［J］.Journal of Geography，2021，76（10）：2489.

［7］ 邵帅，齐中英.西部地区的能源开发与经济增长：基于“资源诅咒”假说的实证分析［J］.经济研究，2008（4）：147.

SHAO S，QI Z Y.Energy development and economic growth in the western region：Empirical analysis based on the “resource curse” hypothesis［J］.Economic Research，2008（4）：147.

［8］ 约瑟夫·熊彼特.经济发展理论［M］.北京：中国人民大学出版社，2019：252.

JOSEPH S.Economic development theory［M］.Beijing：Renmin University of China Press，2019：252

［9］ 兰海，吴悦，王丹.基于DEA和Malmquist指数的青海省科技创新效率研究［J］.科技管理研究，2021，41（17）：40.

LAN H，WU Y，WANG D.Research on the efficiency of scientific and technological innovation in Qinghai province based on DEA and Malmquist index［J］.Science and Technology Management Research，2021，41（17）：40.

［10］范建平，连嘉琪，吴美琴.中国区域科技创新效率研究：基于三阶段EBMWindows模型［J］.中国科技论坛，2019，（11）：113.

FAN J P，LIAN J Q，WU M Q.Research on the efficiency of regional scientific and technological innovation in China：Based on the threestage EBMWindows model［J］.China Science and Technology Forum，2019，（11）：113.

［11］席增雷，袁青川，徐伟.基于MalmquistTFP模型的京津冀地区科技创新经济效率评价［J］.宏观经济研究，2018（7）：132.

XI Z L，YUAN Q C，XU W.Evaluation of economic efficiency of scientific and technological innovation in BeijingTianjinHebei region based on MalmquistTFP model［J］.Macroeconomic Research，2018（7）：132.

［12］陳升，扶雪琴.“一带一路”沿线科技创新效率区域差异及影响因素分析：基于三阶段DEA和Tobit模型［J］.重庆大学学报（社会科学版），2020，28（9）：1.

CHEN S，FU X Q.Analysis of regional differences and influencing factors of scientific and technological innovation efficiency along the “the Belt and Road”：Based on the threestage DEA and Tobit model［J］.Journal of Chongqing University （Social Science Edition），2020，28（9）：1.

［13］董会忠，刘鹏振.创新价值链视角下环境规制对技术创新效率的影响：以黄河流域为例［J］.科技进步与对策，2021，38（16）：37.

DONG H Z，LIU P Z.The impact of environmental regulation on technological innovation efficiency from the perspective of innovation value chain：Taking the Yellow River Basin as an example［J］.Science and Technology Progress and Countermeasures，2021，38（16）：37.

［14］赖一飞，覃冰洁，雷慧，等.“中三角”区域省份创新要素集聚与经济增长的关系研究［J］.科技进步与对策，2016，33（23）：32.

LAI Y F，QIN B J，LEI H，et al.Research on the relationship between innovation factor concentration and economic growth in provinces in the “Middle Triangle” region［J］.Science and Technology Progress and Countermeasures，2016，33（23）：32.

［15］汪晓文，杜欣.中国经济增长方式转变的影响因素及路径选择［J］.北京理工大学学报（社会科学版），2018，20（6）：104.

WANG X W，DU X.Influencing factors and path selection of the transformation of Chinas economic growth mode［J］.Journal of Beijing University of Technology （Social Science Edition），2018，20（6）：104.

［16］李翔，邓峰.科技创新、产业结构升级与经济增长［J］.科研管理，2019，40（3）：84.

LI X，DENG F.Scientific and technological innovation，industrial structure upgrading and economic growth［J］.Scientific Research Management，2019，40（3）：84.

［17］CHEN Y Y，EBENSTEIN A，GREENSTONE M，et al.Evidence on the impact of sustained exposure to air pollution on life expectancy from Chinas Huai River policy［J］.Proceedings of the National Academy of Sciences of the United States of America，2013，110（32）：36.

［18］VICTORIA S，NICOLE K W，STEVEN M K，et al.The effects of air pollution on individual psychological distress［J］.Health and Place，2017，48：72.

［19］STERN R E.Hong Kong haze：Air pollution as a social class issue［J］.Asian Survey，2003，43（5）：780.

［20］宋衍蘅，宋云玲.空气质量会影响审计师的专业判断吗？［J］.会计研究，2019（9）：71.

SONG Y H，SONG Y L.Will air quality affect auditors professional judgment？［J］.Accounting Research，2019 （9）：71.

［21］ZHANG X，CHEN X，ZHANG X B.The impact of exposure to air pollution on cognitive performance［J］.Proceedings of the National Academy of Sciences of the United States of America，2018，115（37）：93.

［22］羅勇根，杨金玉，陈世强.空气污染、人力资本流动与创新活力：基于个体专利发明的经验证据［J］.中国工业经济，2019（10）：99.

LUO Y G，YANG J Y，CHEN SQ.Air pollution，human capital flow and innovation vitality：Empirical evidence based on individual patent inventions［J］.China Industrial Economy，2019 （10）：99.

［23］BAI X，SONG Y.Environment regulation，technology innovation and efficiency improvement of Chinese thermal power industry［J］.China Industrial Economics，2009，29（8）：68.

［24］杨继东，章逸然.空气污染的定价：基于幸福感数据的分析［J］.世界经济，2014，37（12）：162.

YANG J D，ZHANG Y R.Air pollution pricing：Analysis based on happiness data［J］.World Economy，2014，37（12）：162.

［25］罗能生，徐铭阳，王玉泽.空气污染会影响企业创新吗？［J］.经济评论，2019（1）：19.

LUO N S，XU M Y，WANG Y Z.Will air pollution affect enterprise innovation？［J］.Economic Review，2019（1）：19.

［26］楚永生，刘杨，刘梦.环境污染效应对异质性劳动力流动的影响：基于离散选择模型的空间计量分析［J］.产经评论，2015，6（4）：45.

CHU Y S，LIU Y，LIU M.The impact of environmental pollution effect on heterogeneous labor mobility：A spatial econometric analysis based on discrete choice model［J］.Industrial and Economic Review，2015，6（4）：45.

［27］周凡磬.人力资本、人力资本结构与区域创新效率的随机前沿分析：基于2001—2008中国省域面板数据的检验［J］.情报杂志，2011，30（S2）：282.

ZHOU F Q.Stochastic frontier analysis of human capital，human capital structure and regional innovation efficiency：Based on 2001—2008 China provincial panel data［J］.Journal of Intelligence，2011，30（S2）：282.

［28］徐斌，罗文.价值链视角下科技人才分布对区域创新系统效率的影响［J］.科技进步与对策，2020，37（3）：52.

XU B，LUO W.The impact of scientific and technological talent distribution on the efficiency of regional innovation system from the perspective of value chain［J］.Science and Technology Progress and Countermeasures，2020，37（3）：52.

［29］万建香，汪寿阳.社会资本与技术创新能否打破“资源诅咒”？：基于面板门槛效应的研究［J］.经济研究，2016，51（12）：76.

WAN J X，WANG S Y.Can social capital and technological innovation break the “resource curse”：Research based on panel threshold effect［J］.Economic Research，2016，51（12）：76.

［30］鄧国营，龚勤林.创新驱动对资源型城市转型效率的影响研究［J］.云南财经大学学报，2018，34（6）：86.

DENG G Y，GONG Q L.Research on the impact of innovationdriven on the transformation efficiency of resourcebased cities［J］.Journal of Yunnan University of Finance and Economics，2018，34（6）：86.

［31］李炳意，师学义.基于生态足迹的资源型城市可持续发展能力分析：以山西省晋城市为例［J］.水土保持研究，2016，23（2）：255.

LI B Y，SHI X Y.Analysis of sustainable development capacity of resourcebased cities based on ecological footprint：Taking Jincheng city，Shanxi province as an example［J］.Research on Water and Soil Conservation，2016，23（2）：255.

［32］崔丹，卜晓燕，徐祯，等.中国资源型城市高质量发展综合评估及影响机理［J］.地理学报，2021，76（10）：2489.

CUI D，BU X Y，XU Z，et al.Comprehensive assessment and impact mechanism of highquality development of resourcebased cities in China［J］.Journal of Geography，2021，76（10）：2489.

［33］肖滢，卢丽文.资源型城市工业绿色转型发展测度：基于全国108个资源型城市的面板数据分析［J］.财经科学，2019（9）：86.

XIAO Y，LU L W.Measurement of industrial green transformation and development of resourcebased cities：Based on panel data analysis of 108 resourcebased cities in China［J］.Financial Science，2019（9）：86.

［34］张生玲，李跃，酒二科，等.路径依赖、市场进入与资源型城市转型［J］.经济理论与经济管理，2016（2）：14.

ZHANG S L，LI Y，JIU E K，et al.Path dependence，market entry and resourcebased city transformation［J］.Economic Theory and Economic Management，2016（2）：14.

［35］肖振红，李炎，范君荻.空气污染对区域创新能力的影响：基于人力资源流动的中介作用与市场化水平的调节作用［J］.系统管理学报，2021，30（5）：994.

XIAO Z H，LI Y，FAN J D.The impact of air pollution on regional innovation capacity：Based on the intermediary role of human resource flow and the regulatory role of marketization level［J］.Journal of Systems Management，2021，30（5）：994.

［36］林伯强，谭睿鹏.中国经济集聚与绿色经济效率［J］.经济研究，2019，54（2）：119.

LIN B Q，TAN R P.Chinas economic agglomeration and green economic efficiency［J］.Economic Research，2019，54（2）：119.

［37］吳传清，黄磊，文传浩.长江经济带技术创新效率及其影响因素研究［J］.中国软科学，2017（5）：160.

WU C Q，HUANG L，WEN C H.Research on the efficiency of technological innovation and its influencing factors in the Yangtze River Economic Belt［J］.China Soft Science，2017（5）：160.

［38］钱晓烨，迟巍，黎波.人力资本对我国区域创新及经济增长的影响：基于空间计量的实证研究［J］.数量经济技术经济研究，2010，27（4）：107.

QIAN X Y，CHI W，LI B.The impact of human capital on regional innovation and economic growth in China：An empirical study based on spatial measurement［J］.Quantitative Economic and Technological Economic Research，2010，27（4）：107.

［39］樊琦，韩民春.政府R&D补贴对国家及区域自主创新产出影响绩效研究：基于中国28个省域面板数据的实证分析［J］.管理工程学报，2011，25（3）：183.

FAN Q，HAN M C.Research on the performance of the impact of government R&D subsidies on national and regional independent innovation output：Empirical analysis based on panel data of 28 provinces in China［J］.Journal of Management Engineering，2011，25（3）：183.

［40］BARON R M，KENNY D A.The moderatormediator variable distinction in social psychological research：Conceptual，strategic，and statistical considerations［J］.Journal of personality and social psychology，1986，51（6）：1173.

［编辑：厉艳飞］