创新驱动、知识产权保护与空气质量提升

党海卿 沈坤荣 师博

摘要 “十二五”以来，大范围长时间的雾霾污染问题已经成为制约中国高质量发展和生态文明建设的主要瓶颈。面对经济发展和环境治理的压力，创新和技术进步是实现经济增长和空气质量提升的双赢选择。该研究基于2004—2019年282个地级以上城市的专利存量和PM2. 5浓度数据，通过构建知识产权行政保护和公共创新环境两个工具变量，采用两阶段最小二乘法分析了创新对雾霾污染的影响效应和作用机制。研究表明：使用空气流动系数、逆温天数和降雨量等气候因素控制雾霾的空间扩散后，绿色创新和非绿色创新均能显著地减轻雾霾污染。纳入工具变量后发现，发明专利和实用新型专利的治霾效果更为明显，非绿色专利的治霾效应超过了绿色专利。异质性分析显示，东中部城市创新的雾霾治理效果相对较为强劲，2012年以后创新抑制雾霾的效应得以强化；人力资本丰富、市场化程度更高的城市，创新更有助于降低PM2. 5。中介机制检验表明，绿色专利能够通过工业绿色转型和能源效率提升两种途径实现创新治霾的前端防治与末端治理，而非绿色专利借助配置效率改进发挥作用。上述结论在更换指标、考虑雾霾污染的空间溢出效应等一系列稳健性检验后依旧成立。基于实证结果，提出以下政策建议：地方政府应强化知识产权保护制度，增加对绿色技术创新的投入力度和激励政策，鼓励生态层面的高质量创新产出，改善城市空气质量。

关键词 绿色专利；非绿色专利；PM2. 5；中介效应

中图分类号 F062 文献标志码 A 文章编号 1002-2104（2023）07-0133-12 DOI：10. 12062/cpre. 20230117

新中國成立70年以来，经济发展成就斐然，经济总量跃居全球第二，然而经济高速增长的背后却伴随着资源的过度消耗和高昂的环境代价。根据《2021中国生态环境状况公报》，中国339 个地级以上城市中仍有121 个（35. 7%）城市环境空气质量超标，比2020 年下降了3. 5个百分点。“十二五”以来，中国的北方地区在秋冬季节经历了多次长时间、大范围的雾霾污染事件。已有研究从不同视角出发，考察了雾霾对经济增长［1］、粮食减产［2］、人才流失或人口迁移［3-4］、健康或死亡率［5-6］、劳动生产率或全要素生产率［7-8］等方面的影响。上述研究发现，以雾霾为主的空气污染已经成为制约高质量发展和生态文明建设的藩篱。面对日益严峻的大气污染问题，党和政府对环境污染和生态文明建设的重视程度不断提升。2013年9月国务院颁布了《大气污染防治行动计划》。十九大报告中又提出“坚持全民共治、源头防治，持续实施大气污染防治行动，打赢蓝天保卫战。”2022年《政府工作报告》中再次强调“深入打好污染防治攻坚战，强化大气多污染物协同控制和区域协同治理。”

创新和技术进步被认为是转变经济发展方式、推进生态文明建设和促进环境治理的有效抓手。通过创新激励政策抑制雾霾污染可能产生与环境规制手段不同的治理效果。不论是以创新推进工业绿色转型、提升能源效率和全要素生产率的污染前端防治，还是以污染治理技术创新为代表的末端治理，都能实现生态保护和经济发展的双赢格局。为解决严重的空气污染问题，中国政府大幅增加了科技研发投入和环境治理投资，加快推进科技进步。2021年中国的R&D经费投入为27 864亿元，占GDP 比重达到2. 44%，已接近OECD 国家疫情前2. 47%的平均水平。根据世界知识产权组织（WIPO）2021年公布的全球创新指数（GII）显示，中国科技创新能力在132个经济体中位列第12位，稳居中等收入经济体首位。已有文献中，技术进步通常被划分为清洁技术与非清洁技术两类［9］。作为衡量清洁技术创新的重要维度，涵盖节约资源、提高能效、治理污染等领域的绿色创新是实现雾霾污染治理和保护生态环境的重要渠道之一，非清洁技术创新则有可能刺激企业产出增加，间接导致雾霾生成源头的扩张，不同技术含量、不同绿色水平的创新可能呈现出差异化的治霾效果。同时，创新与雾霾污染存在双向因果效应，创新能够降低雾霾污染，雾霾污染也会通过降低人力资本抑制创新，或刺激环境政策收紧激励研发产出。因此，该研究在两阶段最小二乘法的框架下分析异质性创新的治霾效应和作用机制，对于推动中国经济与生态环境和谐发展具有重要的现实意义。

1 文献评述与理论假说

1. 1 文献评述

环境库兹涅茨曲线（EKC）假设一个国家的人均收入与环境污染之间呈现倒“U”型关系［10］。EKC的一个重要贡献是证明了存在提高环境质量的收入效应，即随着人均收入的增加，环境监管的严格程度也在增加，创新和技术进步足以抵消经济增长对环境的不利影响。显而易见，环境规制与技术进步是降低雾霾污染的两个关键驱动因素。

关于环境规制与空气污染的研究早已层见叠出。环境规制治理空气污染可能存在两种渠道：第一种渠道是环境规制的直接减排效应，即企业选择关闭部分高污染生产项目，转而将资金配置到高回报、低污染的业务项目［11-12］；第二种则遵循波特假说，认为适当的环境规制会诱发企业创新，通过抵消部分环境规制成本，达到实现提升环境质量和促进经济发展的双赢结果［13-14］。然而，也有研究发现环境规制治理污染可能存在不确定性。企业在面临日益增强的规制程度时，不仅会通过创新降低环境治理成本，还可能选择跨地迁移至规制程度较低的地区［15-17］。王伊攀等［18］通过研究重污染企业设立异地子公司行为，发现企业属地环境规制的加强会显著增加异地子公司数量，并使得子公司的分布更为分散。在中国的财政分权制度下，地方政府肩负实现经济增长与改善环境质量的双重压力，地区间的环境规制互动博弈容易造成以邻为壑的环境治理模式［19］。雾霾污染的空间扩散特征则进一步加剧了地方政府间环境规制的博弈行为，增加了治理难度。石庆玲等［20］指出两会期间的空气质量改善主要发生在PM2. 5等考核更看重、民众更敏感的特定污染指标上，两会过后空气质量则迅速恶化，雾霾治理方式呈现出“政治性蓝天”现象。朱向东等［21］等利用空间杜宾模型发现地方政府竞争会显著增加本地区和邻近地区的空气污染，同时本地区的高规制会造成周边地区污染加剧。

面对环境规制治理污染可能的不确定性，政府也会通过促进技术创新推动空气污染治理［22］。Grossman等［10］将影响环境污染的因素分为规模效应、结构效应和技术效应，认为技术进步可以减少环境污染和改善空气质量。Levinson［23］利用1987—2001年间美国制造业SO2 排放量数据，证实了环境污染改善的推动因素是创新带来的技术进步，而非污染产业的海外转移。魏巍贤等［24］将内生增长理论与环境污染模型相结合，认为自主研发和技术引进显著降低了CO2排放量。任亚运等［25］则基于中国城市创新指数和空间计量模型发现城市创新具有积极的减霾作用。20世纪90年代以来，越来越多的研究發现纳入环境绩效的绿色创新能够促进企业清洁生产，实现资源节约和环境改善。Carrión‑Flores等［26］使用美国127个制造业行业的环境专利申请数量衡量环境创新，认为环境技术的变化推动了有害空气污染物排放标准的收紧，并显著地减少了有毒空气的排放量。Zhu等［27］认为可再生能源的技术创新有助于降低氮氧化物（NOx）和可吸入悬浮颗粒物（PM10）的浓度。国内研究中，禄雪焕等［28］利用绿色专利数据发现绿色技术创新能够有效地减轻雾霾污染。

但是，也有文献发现技术进步可能会加剧空气污染，产生“杰文斯悖论”，即技术进步会提升企业生产率增加企业产出，导致更多的能源消耗和污染物排放［29-30］。Acemoglu等［9］将技术进步划分为清洁技术与非清洁技术两类，并指出非清洁技术的发展会增加污染排放。Yi等［31］则考虑了不同类型的技术进步对雾霾污染的影响，发现中性技术进步和劳动节约型技术进步对雾霾减少具有积极影响，而资本节约型技术进步对雾霾污染的影响不显著。导致上述结论不一致的原因，一方面可能是由于没有考虑不同类型创新之间的区别；另一方面还可能是因为创新和技术进步的测度存在内生性偏误，进而难以揭示创新与空气污染之间的因果关系。

1. 2 理论假说

绿色创新或环境创新区别于一般创新活动的本质是一种环境友好型创新。Popp［32］将能源领域技术与专利子分类进行匹配，确定了11个与能源效率相关的组，研究了能源价格对节能创新的影响。Carrión‑Flores等［26］定义的环境专利包括了风能、固体废物预防、水污染、回收和替代能源等10个类别。WIPO定义的绿色技术创新涉及范围最广，包括了替代能源技术、新能源运输设备技术、节能技术、污染控制技术、农林业技术、行政监管与设计技术和核电技术7大领域。绿色技术创新不仅能够通过工业绿色转型和能源效率提升实现雾霾治理的前端预防，还能够通过污染控制实现雾霾的末端治理。首先，绿色生产技术包括了工业产品绿色设计、资源节约型生产工艺、生产过程污染控制、废物回收再利用和循环再生产等各个方面。企业生产模式中绿色技术的广泛应用提高了要素使用效率，减少了污染物排放，推动了工业绿色化和集约化转型。其次，新能源和替代能源技术的发展，有助于推进中国能源结构的清洁化转型，降低单位产出的能源消耗和污染排放［27］；电能热能储存、低能耗照明和一般建筑保温等节能技术也能够降低能源消耗，提升能源利用效率。综上所述，绿色生产技术、新能源和替代能源技术以及节能技术能够从工业绿色转型和能源效率提升两个方面实现空气污染源头削减的前端预防。最后，烟气脱硫、除尘、气体吸附净化和燃烧装置改造等污染控制技术能够有效地降低污染物排放，实现空气污染的末端治理。

非绿色技术创新则通过改进资源配置效率的方式减轻雾霾污染。首先，5G、大数据、人工智能和智能监控等信息通信技术应用于企业生产活动中，能够助力企业动态感知生产全流程，控制生产过程中资源消耗，优化要素资源投入结构，提升资源配置效率［33］。其次，非绿色技术创新能够推动企业向信息化管理和科学管理转变，有利于企业准确把握市场需求，不断调整生产活动贴近市场需求，通过柔性化生产方式提升资源利用效率，降低资源浪费和污染物排放强度［34］。非绿色技术创新治理雾霾污染的另一种途径是对高污染生产活动产生挤出效应。随着新技术的产业化、规模化应用和消费需求的不断升级，企业投资低污染高技术产品带来的回报可能会高于从事传统的高污染生产活动，从而在源头上减少了企业的污染排放。然而，高污染高耗能产业的非绿色创新也能提升非清洁部门的生产率，扩大非清洁部门的生产规模，这可能导致过度的资源消耗和污染物排放，降低城市的空气质量。

结合上述理论分析，该研究提出如下研究假说：

假说1：绿色技术创新可能会通过工业绿色转型和能源效率提升对雾霾治理产生积极的影响。

假说2a：非绿色技术创新可能会通过资源配置效率改进和挤出效应减轻雾霾污染。

假说2b：非绿色技术创新可能会产生生产率效应，增加非清洁部门的产出，导致更多的能源消耗和雾霾污染。

2 实证策略

2. 1 计量模型设定

该研究使用2004—2019年282个地级及以上城市数据甄别创新对雾霾污染的影响作用。因数据可得性等原因，研究未涉及香港、澳门和台湾地区，排除了三沙市、儋州市、毕节市、铜仁市、拉萨市、日喀则市、昌都市、林芝市、山南市、那曲市、陇南市、海东市、中卫市、吐鲁番市和哈密市。基准回归模型如下：

2.5 ，= 0 + 1 ln，+ 2 ，+ + + ，（1）

其中：2. 5 表示城市第年的PM2. 5 年均浓度，ln为技术创新水平，即该研究关注的核心解释变量；，是影响雾霾的一系列控制变量，代表城市固定效应，为时间固定效应，，为误差项。一方面，冬季燃煤取暖等地域因素对南北方城市雾霾浓度造成了差异化影响［5］。另一方面，《大气环境气象公报（2021 年）》指出2021年全国平均霾日数为21. 3天，大气环境呈现持续向好趋势，这表明自2013年9月国家发布《大气污染防治行动计划》以来，中国的治污减排初见成效。使用双向固定效应不仅可以规避地区异质性和政策冲击等因素的影响，还能在一定程度上缓解内生性问题，准确识别出技术创新对雾霾污染的抑制效应。

2. 2 变量与数据说明

2. 2. 1 被解释变量：雾霾污染（2. 5）

PM2. 5浓度数据源自加拿大达尔豪斯大学大气成分分析组公布的卫星监测栅格数据。PM2. 5即使在同一地区也会存在差异性分布，具有点源性特征的地面监测数据只能粗略反映该地区的雾霾浓度。卫星数据虽然在一定程度上会受到气象条件因素的影响，但不可否认的是其对一个地区整体雾霾水平的度量更为准确［35］。该研究利用Arc‑GIS软件通过中国地州界矢量地图将卫星栅格数据解析为2004—2019年中国282个地级市的年均PM2. 5浓度数值。

2. 2. 2 核心解释变量：创新能力（ln ）

使用城市专利申请量存量的对数值表征创新能力。创新是涵盖投入、产出、制度和环境的一体化系统，专利作为创新活动的产出居于整个体系的核心。技术创新作用的发挥通常具有时滞性，Carrión‑Flores等［26］使用前5年环境专利申请量的移动平均数衡量历史环境创新对当前环境标准和有毒空气排放量的影响。该研究利用折旧过的专利存量识别了城市的长期创新能力对当期环境质量的影响效应。此外，现有研究发现专利权的授予需要审查并交纳相关费用，审查结果易受官僚因素的影响，具有不确定性。并且专利授予需要一定时长，企业专利一经发明在未得到授权时往往已将其应用于生产活动中，因此较专利授权量而言，申请量更能客观地反映出一个地区的创新水平［36］。

通过Python软件从国家知识产权局中国专利公布公告网中获取了发明专利、实用新型和外观设计三类专利数据。考虑到专利价值会随时间推移出现下降趋势，基于Pessoa［37］的做法，利用永续盘存法计算了三种专利的存量：专利存量，= （1 - ）专利存量，- 1 + 专利增量，（2）其中：城市第年的专利增量表示专利流量；是专利折旧率。鉴于发明专利技术水平最高，而实用新型和外观设计专利次之，将三种专利折旧率依次设定为5%、10%和15%［37］。最终将“专利申请量存量加+1”的自然对数作为创新的代理变量。Hall等［38］和吴超鹏等［39］将专利折旧率统一设定为15%，该研究分别将发明、实用新型和外观设计专利的折旧率依次设定为5%、10%和15%，这种折旧率的设定并不会影响实证结果。

对于绿色专利和非绿色专利的度量，基于WIPO2010年公布的“国际专利分类绿色清单（IPC Green Inventory）”，根据完整的绿色专利IPC 分类号（“部-分部-大類-小类-大组-小组”格式），匹配出了1985—2019年中国282个地级城市的绿色发明和绿色实用新型专利申请量，并使用绿色专利存量（ln ）度量城市的清洁技术创新能力。进一步，使用专利存量总量减去绿色专利存量得到了非绿色专利存量（ln ）。

2. 2. 3 控制变量

基于现有讨论影响雾霾因素的相关文献，考虑影响雾霾污染的控制变量。

（1）经济发展水平（）。在模型中加入了经济发展水平及其平方项以考察雾霾污染与经济增长之间的关系。考虑到人均GDP统计数据存在偏误的可能，采用了现有研究中经常使用的全球夜间灯光数据作为经济发展水平的代理变量。美国国家海洋大气管理局（NOAA）提供了1992年及之后的卫星灯光数据，其中1992—2013年为DMSP/OLS 遥感数据，2012 年及之后为NPP-VIIRS 遥感数据。对夜间灯光亮度进行了校准，考虑到两种夜晚灯光数据亮度的采集标准不同，采用曹子阳等［40］的方法对其进行合并处理。

（2）城市自然气候因素。雾霾污染从生成到扩散转移的过程会受到风速、风向、空气湿度和逆温等气象因素的影响。流动性好的气象条件有利于雾霾的扩散和稀释，使用空气流动系数（ln ）可以在一定程度上合理地控制雾霾的空间溢出效应［41］。空气流动系数等于风速乘以边界层高度：

ln，= ln （，× ，） （3）

欧洲中期天气预报中心（ECMWF）的ERA‑Interim数据库提供了多种网格多时间段的近地面10 m风速（）与边界层高度（）数据。该研究使用ArcGIS 软件将75°x75°网格的月平均栅格数据进行解析，求出年平均值，计算各网格所对应年份的空气流通系数，再根据经纬度匹配最终得到考察期内282个地级城市的空气流通系数［17］。此外，该研究还加入了城市的累积年降水量（ln ）和年逆温天数（ln ）以控制不同自然气候因素对空气质量的影响［4，42］。逆温意味着冷空气处于海拔低的地方，此时空气不容易流通，不利于地面附近空气污染物的扩散。逆温天数来源于NASA的MERRA‑2卫星数据集，通过比较每天四个时点的近地第一层与第二层平均气温，若第二层气温高于第一层则认为该天存在逆温现象，进而计算得到城市的年逆温天数。

（3）财政支出占比（）。为避免与创新变量产生多重共线性，使用剔除科教公共服务支出外的财政支出占GDP比重度量地方政府对经济的干预程度。

（4）外商直接投资占比（）。FDI带来的环境友好型技术溢出可能会改善东道国的环境质量［43］，也有可能将污染产业向东道国转移从而恶化环境质量［44］。采用各地级市每年外商直接投资额占GDP的比重度量对外开放程度对雾霾污染的影响情况，并按照历年人民币汇率对其进行折算。

（5）产业结构（）。随着中国工业化进程的加快，以制造业为主的第二产业比重增加是造成大气污染的重要原因之一［45］，选用第二产业增加值占GDP的比重反映产业结构对PM2. 5浓度的影响。

（6）人口密度（ln ）。快速扩张的城市化进程中，人口密度增加的集聚效应可能通过提高公共交通分担率、资源使用效率和共享治污减排设施等途径缓解雾霾污染［35］，该指标用市辖区单位面积人口总数计算得到。

（7）道路面积（ln ），该研究采用人均地区道路面积衡量交通基础设施水平［42］，进而考察其对雾霾污染的影响。

各变量除PM2. 5 浓度、专利数量和夜间灯光亮度外，其余数据均源自历年《中国城市统计年鉴》以及CEIC数据库，所有具有时间价值的变量均折算至以2004年为基期，并使用插值法对缺失数据进行补充。

3 实证结果及分析

3. 1 基准回归分析

从专利的数量、质量和绿色属性等多个维度分析了创新对雾霾污染的影响。表1列（1）中，ln 的系数估计值为-1. 807 5，且通过了1%的显著性水平，表明专利申请存量显著地降低了城市的PM2. 5 浓度。列（2）—列

（4）显示，与专利总量回归结果相同，发明专利、实用新型专利和外观设计专利对降低PM2. 5 浓度均表现出显著的负向影响。发明专利和实用新型的技术含量相对较高，且WIPO对于绿色专利的定义范围包含了绿色发明专利和绿色实用新型专利两种类别，因而城市的发明专利和实用新型专利数量越高，表明其拥有更先进的绿色生产模式和污染治理模式。具有市场属性的外观设计专利虽然无法对治污减霾起到直接作用，但从事研发外观设计专利的创新活动可能会对从事传统高污染生产活动产生挤出效应，进而降低雾霾污染。进一步，列（5）、列（6）的回归结果显示，绿色专利和非绿色专利均能够显著地降低PM2. 5浓度，且非绿色专利的系数超过了绿色专利。造成这一现象的原因在于，绿色专利存量占专利总量存量的比重长期低于10%，因而非绿色专利治理雾霾的累积效应会强于绿色专利。

控制变量回归结果显示，夜间灯光亮度的一次项系数为负、二次项系数为正，表明雾霾污染与经济增长之间存在不显著的“U”型关系，即雾霾污染程度随着经济增长水平提升呈现先下降后上升的趋势。气象因素中，空气流动系数每提升1%，PM2. 5 浓度值下降2. 581 8，验证了“环保基本靠风”的说法，说明纳入空气流动系数能够较好地控制雾霾的空间扩散效应。城市的年逆温天数越多，越不利于雾霾现象的消散，年降水量则显著地降低了雾霾浓度。财政支出占比显著地增加了雾霾污染，这表明为追求辖区的短期经济效益，地方政府对经济活动的干预释放出更多的雾霾污染。外商直接投资、产业结构和人口密度显著地降低了雾霾污染，人均道路面积对雾霾污染的影响作用则并不显著。

3. 2 内生性分析

利用宏观经济社会指标进行面板数据分析，不可避免地会面临内生性问题。首先，创新与雾霾污染存在互为因果的关系。Chen等［4］发现空气污染会提升本地人口的净迁出率，降低外地人口的迁入率，同时受到良好教育的劳动力因空气污染迁移的意愿几乎是普通劳动力的两倍。人力资本具有较强的迁移能力，城市环境质量的恶化会产生“人才流失效应”［46］，从而降低了城市的人力资本水平和创新能力［3］。同时，环境质量较差地区政府的环境规制和干预手段可能更为严厉，会倒逼企業从事创新活动从而增进专利产出［47］。其次，形成雾霾的原因众多，若误差项中影响PM2. 5浓度的因素无法被完全控制，创新的估计系数仍将有偏。对此，使用两阶段最小二乘法（2SLS）解决内生性问题。

考虑到工具变量必须满足外生性和相关性条件，选择如下两个工具变量。

3. 2. 1 知识产权行政保护（）

知识产权保护尤其是专利保护是激发创新活力的重要手段之一［39］。研发具有失败的风险，创新活动拥有高度不确定性。知识产权保护不仅可以通过保障创新回报和化解不确定性，提高专利价值，增进创新投入［48］；还可以通过累积创新效应，提供公开专利信息促进技术传播，降低知识获取成本和激发后续创新［49］。目前中国的知识产权保护制度实行了行政保护与司法保护并行的“双轨制”：司法保护作为权利人通向司法机关寻求法律救济而启动的保护，遵循“不告不理”的原则；行政保护则更多是基于行政职权的主动出击，效率更高，具有灵活性、便捷性、取证手段多样性以及维权成本经济性等优势。此外，在后续救济机会方面，行政保护和司法保护也存在一些差别，倘使权利人对行政救济的结果不满意，可再次寻求司法保护；如果权利人先寻求司法保护，则无法在司法保护不满意的情况下再次诉求行政保护。使用知识产权行政保护作为创新的工具变量，能够很好地缓解内生性问题，原因在于知识产权行政保护是省级层面变量，其他相关变量均是地级市层面变量，在中国制度背景下，下级政府的行为一般较难直接影响到上级政府的决策。因此，该研究尝试使用知识产权制度的行政保护作为城市创新能力的工具变量，研究创新对雾霾的影响作用。

从国家知识产权局手工搜集了历年各省份专利侵权纠纷及其他纠纷立案数，同时为剔除经济规模的影响，用“立案数+1”除以城市人口数量计算得到了地级城市的“知识产权行政保护”变量。

3. 2. 2 公共创新环境（）

政府不仅可以通过完善知识产权保护制度，而且会营造良好的公共创新环境激发各类创新主体活力。陈诗一等［41］认为政府工作报告是依法行政和执行权力机关决定、决议的纲要，是指导政府工作的纲领性文件。使用研发补贴或税收优惠某个单一指标难以全面刻画创新环境。公共创新环境涵盖了更为丰富的内容，政府工作报告中与创新有关词汇出现的频数占报告全部词频数量的比重能够清晰地凸显出政府对创新的重视程度。因而该研究使用该指标作为专利存量的另一工具变量。与陈诗一等［41］的做法相同，所使用公共创新环境能够较好地满足工具变量外生性假定，其理由主要在于：第一，省级政府工作报告一般发生在每年年初，而雾霾污染的排放则贯穿整个年度；第二，该研究构造的公共创新环境是省级层面变量，而雾霾污染则是地级市层面变量，这两点均可以有效缓解因反向因果而产生的内生性问题。政府公共创新环境指标的具体构建步骤如下：首先，手工搜集整理2004—2019年30个省份共450份政府工作报告（因数据可得性等原因，研究未涉及西藏及港澳台地区）；其次，采用Python软件中的“Jieba”库包对政府工作报告文本进行分词处理；最后，统计创新相关词汇出现的频次，并计算创新词频占政府工作报告全文词频总数的占比。与创新相关词汇具体包括：创新、技术、科技、科研、人才、技改、产学研、科教、专利以及研发等。表2中2SLS第一阶段的回归结果显示，知识产权行政保护与专利总量、发明专利、实用新型专利、绿色专利和非绿色专利的数量均具有显著的正相关性，对外观设计专利的影响为负向显著。表明知识产权行政保护不仅有效提升了城市的创新数量，而且对创新质量的促进作用尤为强烈。政府营造的公共创新环境却显示出相反的结果，仅仅显著增加了专利总量、实用新型、外观设计、绿色专利和非绿色专利的数量，对技术含量最高的发明专利影响却并不显著。可能的原因在于，政府年度工作报告中创新词频占比越高意味着政府对创新的干预活动越多，更可能倾向于通过研发补贴、税收优惠等方式鼓励个体和企业增加创新投入。然而，政府对创新的干预行为往往可能会产生创新政策租［36］，诱使企业将资源投入到难度较小的专利研发活动中，为“寻扶持”进行策略性创新，因此政府营造的公共创新环境对发明专利的激励效应影响甚微。

在表2第二阶段回归中，专利总量、发明专利、实用新型、绿色专利和非绿色专利申请存量依然显著降低了雾霾污染，且系数较基准回归的结果均有显著提升，说明忽略内生性会低估创新对雾霾治理的影响效果。绿色专利的治霾效应仍然弱于非绿色专利，技术含量最低的外观设计专利对雾霾污染的影响不显著为正，给出了“杰文斯悖论”可能存在的证据，即低质量的创新行为可能会通过增加企业的生产率和产出，从而提高空气污染物的排放量。此外，内生性检验的统计量显示，安德森检验的值均小于0. 05，拒绝原假设，认为专利存量和工具变量典型相关，不存在弱工具变量的问题。Sargan过度识别检验的统计值均在0. 1以上，不拒绝原假设，即工具变量和误差项不相关。这表明该研究选择的工具变量是有效的。

3. 3 异质性分析

2012年中国特色社会主义进入新时代，党的十八大报告中明确提出了坚持走中国特色自主创新道路，实施创新驱动发展战略。将样本划分为2004—2011 年和2012—2019年两个时间段，进而探究创新驱动发展战略实施前后，创新对雾霾污染的影响是否发生变化。回归结果显示，仅在2012—2019年时间段专利总量对雾霾污染具有显著负向影响。出现这一现象的原因可能在于，一方面从专利结构上来看，前一个时间段内绿色专利存量的占比较低，因而高质量的生态创新对环境质量的促增效应可能并不十分明显，同时专利转化为清洁产品也需要一定的时间周期；另一方面，技术进步对降低PM2. 5可能存在累积效应，随着中国进一步加快建设创新型国家的步伐，区域创新能力得到逐步释放，技术进步抑制雾霾污染从量变走向了质变。

考虑到中国区域间发展的不平衡性，表3列（3）—列（5）报告了东中西部分区域的回归结果。可以发现，专利存量对三个地区的PM2. 5浓度均存在抑制效应，但该作用仅在东中部城市显著，且东部城市系数负向最大。可能的原因在于，东部城市相较中西部城市在区位优势和经济开放型的綜合作用下，拥有较高水平的人力资本水平和市场化程度。进一步，按照人力资本水平和市场化程度进行分组，具体采用样本期间内城市每万人在校大学生数衡量城市的人力资本水平，使用社会消费品零售总额占GDP总额的比重表示城市的市场化程度，计算出地级市在样本期内两种指标年均值，并按照中位数将其分为高低两组。

表4中回归结果显示，人力资本及市场化程度更高的地区，创新对雾霾污染的抑制作用更为明显。人力资本作为从事创新活动的主体要素，更高的受教育水平意味着劳动人员拥有的专业技术越多，学习吸收能力越强，专业技术知识更容易相互扩散而不断提升各自技术水平和知识存量，降低了企业生产环境友好型生态产品的研发成本，能够加速释放创新对雾霾的抑制效应。市场化程度更高的地区，企业更容易从市场中获取创新所需的资源支持：一方面市场化程度高的地区，往往具有健全的法律制度和知识产权保护措施，会促进企业增加研发投入；另一方面市场化程度高的地区，激烈的市场竞争和较为完善的价格传递机制会降低企业创新回报的不确定性，增强了创新偏好较强的民营科技企业的研发创新活力，加大发挥创新治污减霾的技术效应。

3. 4 稳健性检验

3. 4. 1 更换数据

为了检验上述结果是否稳健，将专利申请量存量替换为专利授权量流量，并使用两阶段最小二乘法再次检验了创新能力与雾霾污染之间的关系。表5 仅汇报了2SLS的第二阶段，更换指标后发明专利和实用新型专利依然对雾霾具有显著的抑制作用，并且外观设计专利的促增效应始终存在。与前文一致，非绿色专利的治霾效应超过了绿色专利，由此证明该研究的实证结果是稳健可靠的。此外，还对专利指标的两边各进行了1%的Winsorize缩尾处理，不出意外，回归结果与表2工具变量回归结果高度一致。限于该研究篇幅，该部分结果未汇报，备索。

3. 4. 2 空间计量模型

值得注意的是，环境污染尤其是空气污染具有显著的空间溢出效应。在空气流动、降雨和逆温等天气因素的驱动下，本地城市的雾霾污染程度与地理相近城市的雾霾污染密切相关，导致雾霾天气的出现通常呈现出大范围和持续性的特点。因此，采用空间自回归模型（SAR）在地理距离空间权重矩阵下检验了城市创新能力与雾霾污染的空间关联效应。

表6各列中空间滞后系数（2. 5）均在1%的水平上显著为正，这表明中国城市间的雾霾污染在地理邻近地区呈现出空间集聚特征。此外，地级城市的专利总量、发明专利、实用新型专利存量依然对雾霾污染具有显著的抑制效应，表征清洁技术和非清洁技术的绿色专利和非绿色专利也具有显著的治霾效应。

4 机制分析

为验证前文假说，以工业绿色转型、能源效率提升和配置效应改进三种作用机制为基础，试图通过不同专利属性去揭示创新治理雾霾的前端防治与末端治理效应。构建如下中介效应模型对其传导途径进行识别检验：

中介模型式（4）中的系数1 衡量的是绿色和非绿色专利影响雾霾的总效应。式（5）中的系数1 衡量了两类专利对三种中介变量的影响效应。式（6）中的直接效应系数1 衡量了创新治霾的末端治理效果，系数2 和1共同衡量了创新治霾的前端防治，即工业绿色转型、能源效率提升和配置效应改进三种间接效应。对于工业绿色转型（）指标，该研究选择单位二氧化硫和工业烟粉尘排放产生的实际工业产值对其加以表征。能源效率（）指标和配置效应（）指标则分别使用单位用电量消耗的实际GDP 和索罗余值法计算的全要素生产率予以反映。

表7和表8分别汇报了绿色专利和非绿色专利的三类中介效应估计结果。首先，将工业绿色转型视为中介变量时，可以看出，仅有表7列（2）中ln 的系数1 显著为正，表8列（2）中ln 的系数并不显著，且表7列（5）中ln 和的系数1 和2 通过了显著性检验，意味着绿色技术创新不仅能够通过工业绿色转型的前端防治降低PM2. 5 浓度，而且能够实现雾霾污染的末端治理。其次，将能源效率和全要素生产率视为中介变量时，表7和表8的回归结果显示，绿色技术创新能够通过提升能源效率的方式实现治污减霾，非绿色技术创新仅能够通过提升全要素生产率的方式减少PM2. 5。综上所述，绿色专利能够通过工业绿色转型和能源效率提升的方式降低雾霾污染，而非绿色专利则通过配置效率改进的方式实现雾霾治理。

5 結论与政策建议

进入新时代，创新是建设“美丽中国”的第一驱动力。该研究使用2004—2019 年282 个地级城市层面PM2. 5 浓度数据，研究了创新对雾霾治理的影响及作用机制。实证结果发现：①基准回归结果中专利总量、发明、实用新型、外观设计、绿色和非绿色专利对雾霾治理均具有显著的促进作用。②两阶段最小二乘法分析显示，纳入工具变量后，发明专利和实用新型专利对雾霾污染的治理作用尤为强烈，非绿色专利的治理作用则超过了绿色专利；而技术含量较低外观设计专利却会不显著地加重雾霾。③2012年之前创新与PM2. 5的回归系数并不显著，而2012年之后该系数显著为负，表明新时代下创新驱动战略的实施，强化了创新对雾霾治理的累积效应。④创新治霾的效应只在东中部城市较为显著，说明东中部城市的人力资本存量更高，专利结构更偏向市场性，易于商业转化为绿色生态产品。⑤影响机制分析中，绿色专利和非绿色专利可以通过工业绿色转型、能源效率提升和配置效应改进三种途径实现创新治霾的前端预防与末端治理。

该研究的政策启示是：①政府应对企业创新行为进行仔细甄别，完善绿色技术创新的税收优惠和研发补贴，推动工业绿色转型与能源结构优化调整。②增加对替代能源、污染控制设备等各类节能产品的补贴力度，扩大绿色产品的市场需求规模，激发企业在核心能源技术和污染控制技术等领域的技术创新。③强化知识产权保护制度，在专利保护制度和支持政策上应适当向质量更高的发明专利和绿色专利倾斜，鼓励生态层面的高质量创新产出。④不同区域应因地制宜制定创新激励政策。西部地区应完善生态环境补偿机制，推动环境污染治理成本的市场化，并使其进入企业的日常经营决策，鼓励市场化形态的专利产出，助推治污减霾。

参考文献

［1］ ZHANG X， OU X， YANG X， et al. Socioeconomic burden of airpollution in China： province‑level analysis based on energy economicmodel［J］. Energy economics， 2017， 68： 478-489.

［2］ TIE X ，HUANG R J，DAI W，et al. Effect of heavy haze and aerosolpollution on rice and wheat productions in China［J］. Scientific reports，2016（6）：29612.

［3］ LIN S， XIAO L， WANG X. Does air pollution hinder technologicalinnovation in China：a perspective of innovation value chain［J］.Journal of cleaner production， 2021， 278： 123326.

［4］ CHEN S， OLIVA P， ZHANG P. The effect of air pollution on migration：evidence from China［J］. Journal of development economics，2022， 156： 102833.

［5］ EBENSTEIN A，FAN M Y，GREENSTONE M，et al. New evidenceon the impact of sustained exposure to air pollution on life expectancyfrom China’s Huai River policy［J］. Proceedings of the NationalAcademy of Sciences of the United States of America，2017，114（39）：10384-10389.

［6］ CHEN S， OLIVA P， ZHANG P. Air pollution and mental health：evidence from China［R］. National Bureau of Economic Research，2018.

［7］ HE J X，LIU H M，SALVO A. Severe air pollution and labor productivity：evidence from industrial towns in China［J］. American economicjournal： applied economics，2019，11（1）：173-201.

［8］ FU S H，VIARD V B，ZHANG P. Air pollution and manufacturingfirm productivity：nationwide estimates for China［J］. The economicjournal，2021，131（640）：3241-3273.

［9］ ACEMOGLU D，AGHION P，BURSZTYN L，et al. The environmentand directed technical change［J］. American economic review，2012，102（1）：131-166.

［10］ GROSSMAN G M， KRUEGER A B. Environmental impacts of aNorth American Free Trade Agreement［R］. National Bureau ofEconomic Research， 1991.

［11］ 王书斌，徐盈之. 环境规制与雾霾脱钩效应：基于企业投资偏好的视角［J］. 中国工业经济，2015（4）：18-30.

［12］ 毛奕欢，林雁，谭洪涛. 中央环保督察与企业生产决策：来自企业实质性改进的证据［J］. 产业经济研究，2022（3）：15-27.

［13］ PORTER M E，VAN DER LINDE C. Toward a new conception ofthe environment‑competitiveness relationship［J］. Journal of economicperspectives，1995，9（4）：97-118.

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

［15］ BECKER R，HENDERSON V. Effects of air quality regulations onpolluting industries［J］. Journal of political economy，2000，108（2）：379-421.

［16］ COPELAND B R，TAYLOR M S. Trade，growth，and the environmen［t J］. Journal of economic literature，2004，42（1）：7-71.

［17］ 沈坤荣，金刚，方娴. 环境规制引起了污染就近转移吗？［J］. 经济研究，2017，52（5）：44-59.

［18］ 王伊攀，何圆. 环境规制、重污染企业迁移与协同治理效果：基于异地设立子公司的经验证据［J］. 经济科学，2021（5）：130-145.

［19］ 金刚，沈坤荣. 以邻为壑还是以邻为伴：环境规制执行互动与城市生产率增长［J］. 管理世界，2018，34（12）：43-55.

［20］ 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）：40-56.

［21］ 朱向东，贺灿飞，李茜，等. 地方政府竞争、环境规制与中国城市空气污染［J］. 中国人口·资源与环境，2018，28（6）：103-110.

［22］ 张磊，许明，阳镇. 知识产权保护的雾霾污染减轻效应及其技术创新机制检验［J］. 南开经济研究，2021（1）：164-183.

［23］ LEVINSON A. Technology，international trade，and pollution fromUS manufacturing［J］. American economic review，2009，99（5）：2177-2192.

［24］ 魏巍贤，杨芳. 技术进步对中国二氧化碳排放的影响［J］. 统计研究，2010，27（7）：36-44.

［25］ 任亚运，张广来. 城市创新能够驱散雾霾吗：基于空间溢出视角的检验［J］. 中国人口·资源与环境，2020，30（2）：111-120.

［26］ CARRIÓN‑FLORES C E， INNES R. Environmental innovationand environmental performance［J］. Journal of environmental economicsand management，2010，59（1）：27-42.

［27］ ZHU Y， WANG Z， YANG J， et al. Does renewable energy technologicalinnovation control China’s air pollution： a spatial analysis［J］. Journal of cleaner production，2020，250：119515.

［28］ 祿雪焕，白婷婷. 绿色技术创新如何有效降低雾霾污染？［J］.中国软科学，2020（6）：174-182，191.

［29］ FISHER‑VANDEN K， WING I S. Accounting for quality：issueswith modeling the impact of R&D on economic growth and carbonemissions in developing economies［J］. Energy economics，2008，30（6）：2771-2784.

［30］ SORRELL S. Jevons’Paradox revisited：the evidence for backfirefrom improved energy efficiency［J］. Energy policy，2009，37（4）：1456-1469.

［31］ YI M， WANG Y， SHENG M， et al. Effects of heterogeneous technologicalprogress on haze pollution：evidence from China［J］. Ecologicaleconomics，2020，169：106533.

［32］ POPP D. Induced innovation and energy prices［J］. American economicreview，2002，92（1）：160-180.

［33］ 吕民乐，陈颖瑶. 信息化有利于降低霧霾污染吗：基于空间计量模型的实证检验［J］. 南京财经大学学报，2021（3）：13-24.

［34］ ZHOU X， ZHOU D， WANG Q， et al. How information and communicationtechnology drives carbon emissions：a sector‑level analysisfor China［J］. Energy economics，2019，81：380-392.

［35］ 邵帅，李欣，曹建华，等. 中国雾霾污染治理的经济政策选择：基于空间溢出效应的视角［J］. 经济研究，2016，51（9）：73-88.

［36］ 黎文靖，郑曼妮. 实质性创新还是策略性创新：宏观产业政策对微观企业创新的影响［J］. 经济研究，2016，51（4）：60-73.

［37］ PESSOA A. Ideas driven growth：the OECD evidence［J］. Portugueseeconomic journal，2005，4（1）：46-67.

［38］ HALL B H， TRAJTENBERG M. Market value and patent citations［J］. RAND journal of economics， 2005： 16-38.

［39］ 吴超鹏，唐菂. 知识产权保护执法力度、技术创新与企业绩效：来自中国上市公司的证据［J］. 经济研究，2016，51（11）：125-139.

［40］ 曹子阳，吴志峰，匡耀求，等. DMSP/OLS夜间灯光影像中国区域的校正及应用［J］. 地球信息科学学报，2015，17（9）：1092-1102.

［41］ 陈诗一，陈登科. 雾霾污染、政府治理与经济高质量发展［J］.经济研究，2018，53（2）：20-34.

［42］ 孙传旺，罗源，姚昕. 交通基础设施与城市空气污染：来自中国的经验证据［J］. 经济研究，2019，54（8）：136-151.

［43］ 许和连，邓玉萍. 外商直接投资导致了中国的环境污染吗：基于中国省际面板数据的空间计量研究［J］. 管理世界，2012（2）：30-43.

［44］ LIST J A， CO C Y. The effects of environmental regulations on foreigndirect investment［J］. Journal of environmental economics andmanagement， 2000， 40（1）： 1-20.

［45］ HE J. China’s industrial SO2 emissions and its economic determinants：EKC’s reduced VS. structural model and the role of internationaltrade［J］. Environment and development economics，2009，14（2）：227-262.

［46］ 罗勇根，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）：99-117.

［47］ WANG W， LI Y， LU N， et al. Does increasing carbon emissionslead to accelerated eco‑innovation：empirical evidence from China［J］. Journal of cleaner production，2020，251：119690.

［48］ GALLINI N，SCOTCHMER S. Intellectual property：when is it thebest incentive system？［J］. Innovation policy and the economy，2002，2：51-77.

［49］ CASSIMAN B，VALENTINI G. Open innovation：are inbound andoutbound knowledge flows really complementary？［J］. Strategicmanagement journal，2016，37（6）：1034-1046.