低碳城市与创新型城市双试点政策对绿色技术创新的协同影响

李煜华 张莉娜

【摘要】基于2005 ～ 2020年我国沪深A股制造业上市公司数据， 实证检验低碳城市和创新型城市双试点政策对制造企业绿色技术创新的协同影响。研究发现： 与非双试点城市相比， 双试点城市显著促进了制造企业绿色技术创新； 与低碳城市单试点政策和创新型城市单试点政策相比， 低碳城市和创新型城市双试点政策能够协同提升制造企业绿色技术创新水平， 而且先成为创新型城市试点再成为低碳城市试点能更有效地促进制造企业绿色技术创新； 双试点政策通过提高地区财政支持、 推动企业数字化转型促进制造企业绿色技术创新； 双试点政策对绿色技术创新的促进作用在东部和中部地区企业、 非国有企业以及处于成长期和成熟期企业中更显著。研究结论验证了低碳城市建设和创新型城市建设可以协同促进制造企业绿色技术创新， 对于未来试点政策组合和引导制造企业绿色发展具有重要意义。

【关键词】低碳城市；创新型城市；绿色技术创新；财政支持；数字化转型

【中图分类号】 F273.1     【文献标识码】A      【文章编号】1004-0994（2023）21-0124-8

一、 引言

我国制造业的规模稳居世界第一， 但过去粗放式的发展模式不仅对环境造成了极大破坏， 而且致使大而不全、 全而不优等问题日益凸显。“双碳”目标的提出为我国的绿色低碳发展指明了方向， 党的二十大报告明确指出“推动制造业高端化、 智能化、 绿色化发展”。然而， 在我国制造企业绿色转型的过程中， 企业的绿色技术创新仍面临严峻挑战。一方面， 由于绿色技术创新具有高难度、 高风险、 高投入特质， 企业会面临严重的信息不对称与融资约束（王馨和王营，2021）； 另一方面， 由于绿色技术的外部性、 市场的不确定性以及管理制度的不完善等原因， 企业会对现有技术路径产生依赖， 从而降低企业绿色技术创新的积极性（周雪峰等，2022）。上述问题导致企业很难自发开展和维持绿色技术创新， 亟需政府进行相应的引导和激励。

环境规制是政府干预制造企业的重要工具， 关于环境规制与企业绿色技术创新的关系， 主流的观点有三种： 第一， 持“波特假说”观点的学者认为， 适当的环境规制产生的正向“创新补偿效应”会高于企业的“遵循成本”效应， 能够“倒逼”企业进行绿色技术创新（Yang等，2020）； 第二， 持“新古典经济学理论”观点的学者认为， 环境规制会增加企业的运营成本， 挤占企业资源， 不利于企业进行绿色技术创新（Chintrakarn，2008）； 第三， 部分学者认为， 环境规制与企业绿色技术创新之间存在非线性关系， 如“U”型关系（王珍愚等，2021）。

低碳城市试点政策与创新型城市试点政策是对绿色发展和创新发展理念的最佳实践。一些学者关注到两种试点政策与绿色技术创新的内在联系， 并分别展开了研究。在宏观层面， 王星（2022）研究发现， 低碳城市试点政策能够通过政府支持与公众参与促进城市绿色技术创新； 李政和刘丰硕（2021）研究发现， 创新型城市通过政府引领效应、 人才集聚效应、 创新效应及结构效应有效提升了城市绿色创新水平。少数学者关注了低碳城市与创新型城市双试点政策的城市碳减排效应（苏涛永等，2022）。在微观层面， 徐佳和崔静波（2020）、 熊广勤等（2020）研究发现， 低碳城市试点政策能够显著提高试点城市企业的绿色技术创新水平； 张志新等（2022）则发现， 低碳城市试点政策能够提升企业绿色技术创新数量， 但对企业绿色技术创新质量会产生负面影响； 郭丰等（2021）研究发现， 创新型城市试点政策通过改善创新环境、 提高财政支持和缓解融资约束促进了企业创新数量和质量的提升。

综上所述， 现有研究多探讨低碳城市试点政策和创新型城市试点政策的实施在城市层面的绿色效能， 侧重于探究单个试点政策对企业绿色技术创新的影响， 但较少研究多个试点政策对微观企业绿色技术创新的作用效果以及不同试点政策之间的协同作用。低碳城市与创新型城市双试点政策如何影响制造企业绿色技术创新？不同试点政策是否产生协同效应？厘清上述问题对于推动低碳城市和创新型城市建设、 激发制造企业绿色技术创新和实现低碳发展具有重要意义。鉴于此， 本文选择典型的绿色技术创新制造企业为样本， 构建多期双重差分模型， 探究双试点政策对制造企业绿色技术创新的协同影响效应及其作用机制， 以期为政府扩大试点范围、 发挥不同试点政策间的协同效应、 推动制造企业绿色转型升级提供决策支持。

本文可能的贡献在于： 一是， 评估了试点政策对制造企业绿色技术创新的影响效应， 拓展并丰富了相关领域的研究成果； 二是， 从协同视角出发评估低碳城市和创新型城市双试点政策的实施效果， 这不仅是对试点政策效果研究的合理性补充， 而且是响应中国式现代化发展的有益尝试； 三是， 验证了财政支持和企业数字化转型在双试点城市建设影响制造企业绿色技术创新过程中发挥的中介作用， 进一步揭示了双试点政策对制造企业绿色技术创新的影响机理。

二、 理论分析

（一）双试点政策的协同效应

低碳城市試点政策是我国为推动城市低碳发展、 积极应对气候变化而提出的具有弱激励、 弱约束特点的综合性环境规制手段， 重点是关注工业、 建筑、 交通、 能源供应、 农林业、 废弃物管理等领域的低碳发展（庄贵阳，2020）， 从而实现控制城市温室气体排放的目标。在低碳城市试点政策推进过程中， 会针对性地激发企业绿色技术创新。首先， 低碳城市试点政策的实施会加速城市调整产业结构、 提升能源效率、 建立低碳产业体系等， 在这个过程中企业必然进行技术变革和转型升级， 从而促进企业研发出更符合低碳发展的绿色技术， 实现“波特假说”（徐佳和崔静波，2020）； 其次， 入选低碳城市试点会提升地方政府治理的积极性， 政府为了提升环境绩效， 会积极引导企业进行绿色生产与低碳发展， 进而促进企业绿色技术创新（张志新等，2022）； 最后， 地方政府为了实现区域碳减排目标， 会对一些高污染、 高耗能的企业进行处罚甚至关停， 从而倒逼企业进行绿色技术创新， 减少污染资源的使用， 提高资源利用效率（王治等，2023）。

创新型城市建设本质上是为了提升城市创新水平， 促进城市绿色转型， 最终实现城市可持续发展。McAfee（2016）研究发现， 在创新型政策的主导下， 城市的发展更加关注以绿色技术创新推动经济增长和城市绿色发展。有学者证实了创新型城市试点政策能够通过绿色技术创新、 产业结构升级等途径促进城市绿色发展（王晓红等，2022）。创新型城市试点政策能够促进创新知识、 创新要素与创新资源的集聚， 加速城市各要素之间的流动（李洪涛和王丽丽，2020）， 不仅能够营造良好的城市创新环境， 推动城市绿色发展， 而且可为激发企业绿色技术创新行为提供有利的外部条件。一方面， 信号传递理论表明， 成为创新型城市试点之后， 能够向外界传递良好的信号， 为城市吸引更多的创新人才、 技术与资金， 进而为企业绿色技术创新提供支撑（郭丰等，2021）； 另一方面， 企业是城市创新型政策实施的重要主体， 地方政府会通过资源配置对其进行培育和激励， 从而引导企业淘汰落后的生产方式， 开展绿色技术创新活动。

制造业是实现节能减排与创新发展的重点行业， 因而其会面临更加严格的标准和政策要求。为降低节能减排成本、 获得组织合法性， 制造企业需要通过绿色技术变革来提升竞争优势和市场地位。相比于单试点城市， 双试点城市对制造企业绿色技术创新的影响效应可能更大。对于低碳城市试点来说， 进一步成为创新型城市试点能够获取更多绿色技术创新所需的创新要素和资源。对于创新型城市试点来说， 进一步成为低碳城市试点能够促使制造企业选择更加绿色的创新方式， 而不是以牺牲环境为代价进行创新。因此， 低碳城市试点政策和创新型城市试点政策均能够促进制造企业的绿色技术创新， 而且相比于单试点城市， 双试点城市的影响效应可能更强。基于以上分析， 本文提出如下假设：

H1： 低碳城市与创新型城市双试点政策能够协同促进制造企业绿色技术创新。

（二）财政支持的中介效应

由于绿色技术创新具有研发难度大、 风险高、 收益周期长等特点， 开展绿色技术创新活动需要大量的资金投入， 但绝大多数企业往往无力承担巨额费用， 从而导致绿色技术研发的中断。有学者研究发现， 以政府为主导的财政拨款能够正向刺激绿色技术创新（宋德勇等，2021）。低碳城市和创新型城市双试点政策可以更好地强化地区科技财政支持。一方面， 低碳城市试点政策作为一种弱规制性政策， 政府会采取税收减免、 政府补贴等措施， 对积极改进生产方式、 降低能耗与污染等践行绿色发展理念的制造企业进行激励， 并且一些低碳发展的专项资金与绿色信贷政策也会向这些企业倾斜， 进而缓解企业的融资约束， 更好地激励企业进行绿色技术创新（张志新等，2022）； 另一方面， 在创新型城市建设过程中， 面对提升城市创新水平的压力， 政府会通过增大科技支出强度来鼓励企业增加研发投入， 推动企业的绿色技术创新。此外， 政府通过打造科技产业园区、 产学研平台、 重点实验室等公共研发平台， 为企业提供更多的绿色创新机会， 促进企业开展绿色技术创新活动（郭丰等，2021）。基于以上分析， 本文提出如下假设：

H2： 低碳城市与创新型城市双试点政策能够通过提高政府财政支持， 促进制造企业绿色技术创新。

（三）企业数字化转型的中介效应

有学者研究发现， 低碳发展下的环境规制政策会造成劳动力和资本市场的扭曲， 进而损害企业绩效（Tombe和Winter，2015）。而数字化转型可以通过减少劳动力使用、 提高劳动效率、 降低运营成本来帮助企业有效应对资源分配不当所带来的负面影响。Chen（2023）基于我国上市公司的非平衡面板数据， 研究发现低碳发展能够推动企业数字化转型， 进而产生补偿性效应以缓解资本和劳动力的错配。创新型城市建设的目的在于提升创新要素集聚水平， 营造良好的创新环境， 从而促进产业和企业的创新发展。在低碳城市和创新型城市双试点政策下， 地方政府会大力支持企业共享创新资源， 开展产学研合作交流， 在此过程中， 依托互联网获取和传播信息的方式会激励企业积极利用数字技术进行数字化转型。进一步地， 数字技术能够降低信息不对称、 优化创新技术资源、 加速企业知识与技术的内部交流和研发资源集成， 为企业实施控污减排等有利于可持续发展的措施提供更多的方法和经验， 从而促进企业进行绿色技术创新（Mubarak等，2021；宋德勇等，2022）。基于以上分析， 本文提出如下假设：

H3： 低碳城市与创新型城市双试点政策能够通过推动企业数字化转型， 促进制造企业绿色技术创新。

三、 研究设计

（一）样本选择

本文选取2005 ～ 2020年我国沪深A股制造业上市公司作为初始研究样本， 为了提高数据的有效性与严谨性， 对以下样本进行剔除： ST、 ?ST样本； 暂停上市、 终止上市样本； 数据严重缺失样本。最终得到2017個样本公司总计16300个观测值的非平衡面板数据。其中， 制造企业绿色发明专利数据来自中国研究数据服务平台（CNRDS）数据库， 城市层面数据来自历年的《中国城市统计年鉴》， 其余数据来自国泰安（CSMAR）数据库。此外， 我国第二批低碳城市试点的启动时间为2012年11月， 考虑到试点政策的滞后性， 借鉴王峰和葛星（2022）的做法， 本文将第二批低碳城市试点政策的起始时间确定为2013年。在样本范围内， 共计选取了75个低碳城市和72个创新型城市。

（二）变量说明

1. 被解释变量： 制造企业绿色技术创新（GreenPatent）。由于研究角度、 研究内容以及研究目标等方面的差异， 学者们对企业绿色技术创新测度方法的选择各不相同， 其中利用绿色专利数据衡量的方法较为普遍。因此， 本文采用已授权的绿色发明专利数量来衡量制造企业绿色技术创新， 而在稳健性检验中选择已申请的绿色发明专利数量来衡量制造企业绿色技术创新。

2. 解释变量： 是否同时为低碳城市试点和创新型城市试点（did）。其为多期双重差分变量， 赋值规则为： 某个城市满足既是低碳城市试点又是创新型城市试点的当年及以后年度赋值为1， 否则为0。同理， 在进一步检验低碳城市单试点和创新型城市单试点的政策效果时， 多期双重差分变量的赋值规则为： 城市成为试点城市的当年及以后年度赋值为1， 否则为0。为了增强数据的可比性， 本文删除了低碳城市试点名单中的低碳省份和区县， 剔除了创新型城市试点名单中四个直辖市的城区和两个县级市。

3. 中介变量： 财政支持（lntech）和企业数字化转型（lndigital）。参考相关文献， 本文采用城市财政支出中的科学技术支出的自然对数作为财政支持的代理指标（郭丰等，2021）； 采用数字化转型相关词汇在企业报告中出现的频次总数加1的自然对数作为企业数字化转型的代理指标（吴非等，2021）。

4. 控制变量。借鉴徐佳和崔静波（2020）、 郭丰等（2021）的研究， 本文选择以下变量作为控制变量： 企业规模（lnsize）， 以企业总资产的自然对数来衡量； 企业年龄（lnage）， 以当年年份减去企业成立年份的自然对数来衡量； 净资产收益率（ROE）， 以净利润与股东权益平均余额之比来衡量； 资产负债率（Lev）， 以负债总额与资产总额的比值来衡量； 第一大股东持股比例（Shrcr1）， 以第一大股东持股份额占总股本的比例来衡量； 研发费用（RD）， 以研发投入或支出费用化的金额来衡量。为尽量减少遗漏变量带来的影响， 考虑到城市层面相关特征可能对企业绿色技术创新产生影响， 本文进一步增加了城市层面的控制变量： 产业结构（Industry）， 以城市层面第二产业占GDP的比重来衡量； 城市金融水平（Finance）， 以年末金融机构各项贷款余额的自然对数来衡量。

（三）模型构建

截止到2020年， 我国先后推进了三批低碳城市试点和多批创新型城市试点， 这为本文的研究提供了良好的准自然实验环境。由于城市试点政策在不同时期开展， 本文采用多期双重差分模型进行检验。在控制其他因素不变的基础上， 借鉴苏涛永等（2022）有关双试点政策的研究方法， 构建如下多期双重差分模型：

GreenPatentit=α1+β1didit+δcontrolit+θi+γt+εit （1）

其中： 下标i和t分别表示企业和年份； GreenPatent为被解释变量， 表示某一上市公司的绿色技术创新水平； did是核心解释变量， 即多期双重差分变量； control表示影响制造企业绿色技术创新且随i和t变动的控制变量； θi代表个体固定效应； γt代表时间固定效应； εit为误差项； β1为双重差分统计量， 反映了双试点政策对制造企业绿色技术创新的影响效应。

四、 實证分析

（一）基准回归分析

表1中列（1）控制了企业个体固定效应和时间固定效应， 但未加入控制变量； 列（2）控制了企业个体固定效应、 时间固定效应以及相关控制变量； 列（3）是在列（2）的基础上对核心解释变量和控制变量均滞后1期。表1中的回归结果表明， 无论是did的回归系数还是L.did（解释变量滞后1期）的回归系数， 均在1%的水平上显著为正， 说明低碳城市和创新型城市双试点政策能够促进制造企业绿色技术创新。此外， 从回归系数的大小来看， L.did的回归系数大于did的回归系数， 说明双试点政策对制造企业绿色技术创新的正向影响效应逐年增强。

（二）平行趋势假设检验

多期双重差分模型的应用需要满足一定的假设条件， 其中最重要的假设就是平行趋势假设， 即在政策实施前处理组城市与控制组城市的变动趋势是平行的。本文参考苏涛永等（2022）的研究， 采用事件研究法进一步检验平行趋势假设， 具体模型设定如下：

其中， Dit是一组虚拟变量， 表示双试点政策实施之前、 实施当年以及实施之后年份的虚拟变量与对应政策虚拟变量的交乘项， βt为对应的系数， 反映了在双试点政策实施的第t年， 双试点城市和非双试点城市中制造企业绿色技术创新水平的差异， 是该模型中需要重点关注的系数。其余变量符号的含义与模型（1）相同。

由于双试点政策实施前7年以前和后4年以后的数据较少， 本文将双试点政策实施前7年以前的数据汇总到政策实施前第7期， 将政策实施后4年以后的数据汇总到政策实施后第4期， 基于模型（2）进行回归， 最终得到如图1所示的平行趋势假设检验结果。结果表明， 双试点政策实施前7年的回归系数均不显著， 而双试点政策实施当年及后4年的回归系数均显著， 说明处理组和控制组对制造企业绿色技术创新影响的变动趋势满足平行趋势假设。

（三）稳健性检验

1. 安慰剂检验。本文虽然在回归模型中加入了城市层面的控制变量， 但仍然可能存在其他随时间发生变化的潜在因素对低碳城市和创新型城市双试点政策实施效果的估计结果产生影响。为证明双试点政策的实施效果并非偶然， 本文借鉴宋弘等（2019）所使用的间接性安慰剂检验方法， 对交互项（Dit）系数进行随机抽取。随机抽取500次后得到的结果显示（限于篇幅， 图略）， 随机生成的估计系数的核密度以及对应的P值呈正态分布且分布在0附近， 且P值大多数高于0.1， 而实际的回归系数为0.109， 远离该正态分布。这说明基准回归通过了安慰剂检验， 也在一定程度上表明本文构建的模型并没有遗漏重要变量， 回归结果较为稳健。

2. 倾向得分匹配—双重差分（PSM-DID）法。本文采用PSM-DID方法来缓解处理变量的内生性问题。借鉴白俊红等（2022）的方法， 采用构造截面PSM的方式进行匹配， 将企业规模、 企业年龄、 净资产收益率、 资产负债率、 第一大股东持股比例、 研发费用设为匹配变量， 运用近邻匹配方法进行匹配。再利用匹配后的样本进行模型回归， 回归结果（限于篇幅， 表略）与基准回归结果不存在实质性差异， 说明基准回归结果是稳健的。

3. 加入基准变量缓解样本选择的影响。多期双重差分模型应用的最理想情况是试点城市和非试点城市的选择是随机的。但在实际情况中， 低碳城市试点与创新型城市试点的选择往往不是随机的， 试点城市的选择与城市自身的经济发展水平、 社会发展水平以及地理位置等密切相关， 随着时间的演进， 城市自身因素之间的差异可能会对制造企业绿色技术创新产生不同的影响， 从而造成估计偏差。为缓解双试点政策选择非随机性所带来的估计偏差， 借鉴Edmonds等（2010）、 宋弘等（2019）的做法， 在模型（1）中加入城市是否为两控区、 是否为省会、 是否为经济特区、 是否屬于北方城市以及是否位于胡焕庸线东侧等基准因素与时间线性趋势的交互项之后进行回归。回归结果（限于篇幅， 表略）显示， 无论是逐一加入还是全部加入城市基准因素与时间线性趋势的交互项， did的回归系数都在1%的水平上显著为正， 表明考虑城市之间固有差异的影响之后， 基准回归结果依然稳健。

4. 其他稳健性检验。一是采用替换被解释变量的方式， 使用绿色发明专利的申请数量衡量制造企业绿色技术创新， 回归结果（限于篇幅， 表略）显示， did的回归系数在10%的水平上显著为正； 二是在控制个体固定效应和时间固定效应的基础上， 进一步控制区域与年份的交互效应， 回归结果（限于篇幅， 表略）显示， did的回归系数在5%的水平上显著为正。以上结果均说明， 本文的研究结论具有较好的稳健性。

（四）双试点政策协同效应检验

基准回归结果表明， 低碳城市和创新型城市双试点政策能够正向激励制造企业绿色技术创新， 本文借鉴Zhang和Fan（2023）的做法， 进一步讨论双试点政策的协同效应， 即双试点政策对制造企业绿色技术创新的正向影响效应是否比单试点政策更强？

首先， 分析单一试点政策对制造企业绿色技术创新的影响效果。具体做法如下： 保留仅为低碳城市试点的样本以及非低碳城市和创新型城市双试点的样本， 此时多期双重差分变量did（低碳）的系数反映低碳城市单试点政策对制造企业绿色技术创新的净影响效应； 保留仅为创新型城市试点的样本以及非低碳城市和创新型城市双试点的样本， 此时多期双重差分变量did（创新）的系数反映了创新型城市单试点政策对制造企业绿色技术创新的净影响效应。表2中列（1）与列（4）、 列（2）与列（5）、 列（3）与列（6）分别为解释变量未滞后、 滞后1期、 滞后2期的回归结果。由列（1）～列（3）可知， 低碳城市试点政策的净影响效应显著为正， 且滞后1期和2期之后回归结果仍然显著， 回归系数也呈上升趋势， 说明低碳城市试点能够促进制造企业绿色技术创新， 且该效应具有持续性并逐渐增强。但列（4）～列（6）中， did（创新）的回归系数均未通过显著性检验， 说明创新型城市试点政策在一定时间内并不能激发制造企业进行绿色技术创新。

其次， 检验双试点政策对制造企业绿色技术创新的正向影响效应是否比单试点政策更强。具体做法如下： 剔除既不是低碳城市试点又不是创新型城市试点的样本， 只保留双试点样本和单试点样本， 此时多期双重差分变量did（低碳×创新）的系数反映了单试点城市成为双试点城市对制造企业绿色技术创新的净影响效应。回归结果如表3中列（1）所示， did（低碳×创新）的系数在5%的水平上显著为正， 说明与单试点政策相比， 双试点政策能够协同促进制造企业绿色技术创新， 进一步验证了假设1。

最后， 进一步检验先成为低碳城市试点再成为创新型城市试点和先成为创新型城市试点再成为低碳城市试点两种方式哪种更有效。为此， 本文仅保留单试点样本和双试点样本， 回归结果如表3中列（2）与列（3）所示。在先成为低碳城市试点再成为创新型城市试点的情况下， 多期双重差分变量did（先低碳后创新）的系数未通过显著性检验； 而在先成为创新型城市试点再成为低碳城市试点的情况下， 多期双重差分变量did（先创新后低碳）的系数在5%的水平上显著为正， 说明先成为创新型城市试点再成为低碳城市试点能够显著促进制造企业绿色技术创新。

（五）机制检验

前文的理论分析表明， 低碳城市和创新型城市双试点政策能够通过提高政府财政支持和推动企业数字化转型促进制造企业绿色技术创新， 本文参考白俊红等（2022）的做法， 在模型（1）的基础上构建如下模型进行中介效应检验：

Mit=α3+β3didit+δcontrolit+θi+γt+εit （3）

GreenPatentit=α4+β4didit+μMit+δcontrolit+θi+γt+εit （4）

其中， Mit为中介变量， 依次用财政支持（lntech）和企业数字化转型（lndigital）进行替换， 其他变量的含义与模型（1）保持一致。如果系数β3和μ均显著， 说明中介效应成立。此外， 如果β4也显著且与β3×μ符号一致， 则说明M具有部分中介效应， 其对总效应的贡献率为β3×μ/（β3×μ+β4）。

中介效应检验结果如表4所示。列（1）中did的系数在1%的水平上显著为正， 表明财政支持能够推动制造企业开展绿色技术创新活动； 列（2）中did和lntech的系数均在5%的水平上显著为正， 说明财政支持对制造企业绿色技术创新产生了部分中介效应， 同时低碳城市和创新型城市双试点政策对制造企业绿色技术创新的正向影响效应仍然存在， 并且结合相关系数可计算出这一中介效应占总效应的7.39%。同理可知， 企业数字化转型对制造企业绿色技术创新也产生了部分中介效应， 并且这一中介效应对总效应的贡献率为3.27%。上述结果表明， 财政支持和企业数字化转型是低碳城市和创新型城市双试点政策推动制造企业绿色技术创新的重要途径， 假设2和假设3得到验证。

（六）异质性分析

1. 区域异质性。我国区域发展不平衡的问题仍然存在， 企业所处的地理位置不同， 对双试点政策的敏感性也会不同。因此， 本文将样本分为东部地区、 中部地区和西部地区三个子样本分别进行回归。由表5可知， 低碳城市和创新型城市双试点政策对东部、 中部地区制造企业绿色技术创新的影响效应显著为正， 而对西部地区制造企业绿色技术创新的影响效应不显著。产生上述结果的原因可能为： 相比西部地区， 东部和中部地区发展更快、 经济发展水平更高、 创新环境更好， 因而在面对政策冲击时， 政府能够给予地区企业更多的政府支持和禀赋资源去响应政策的实施。

2. 企業产权性质异质性。企业产权性质不同会影响企业对研发行为的选择， 因此本文将研究样本分为国有企业和非国有企业两个子样本分别进行回归。由表5可知， 低碳城市和创新型城市双试点政策对非国有企业绿色技术创新产生了显著的正向影响， 而对国有企业绿色技术创新的影响效应未通过显著性检验。这可能是由于国有企业普遍受到较弱的环境规制， 存在较强的路径依赖， 并且往往面临着委托代理问题， 缺乏对创新项目的投资激励（徐佳和崔静波，2020； 熊广勤等，2020）。

3. 企业年龄异质性。本文借鉴郭丰等（2021）的做法， 根据生命周期阶段将企业划分为不同时期的企业， 继续探究低碳城市和创新型城市双试点政策对不同生命周期制造企业绿色技术创新的影响效应。具体而言， 将企业年龄小于等于6年的划分为初创期企业， 将企业年龄大于6年小于等于12年的划分为成长期企业， 将企业年龄大于12年的划分为成熟期企业。由表5可知， 低碳城市和创新型城市双试点政策显著促进了成长期和成熟期制造企业的绿色技术创新， 而对处于初创期的制造企业绿色技术创新的作用效果并不显著。这可能是由于处于初创期的制造企业为了获得更多市场份额， 通常将大部分资金用于扩大产能， 而不是投入高成本、 高风险的绿色技术创新项目中。

五、 研究结论与实践启示

（一）研究结论

本文基于双试点政策协同视角， 利用多期双重差分模型实证分析了低碳城市和创新型城市双试点政策对制造企业绿色技术创新的影响及其作用机制。主要研究结论如下：

一是， 与非双试点城市相比， 双试点城市显著促进了制造企业绿色技术创新， 且经过一系列稳健性检验后， 上述结论仍然成立。与低碳城市单试点和创新型城市单试点相比， 双试点城市对制造企业绿色技术创新具有更强的正向影响效应， 说明低碳城市和创新型城市双试点政策能够发挥协同作用， 共同激发制造企业绿色技术创新。

二是， 进一步研究发现， 先成为创新型城市试点再成为低碳城市试点对制造企业绿色技术创新的促进作用更有效， 而先成为低碳城市试点再成为创新型城市试点对制造企业绿色技术创新的影响效应未通过显著性检验。

三是， 机制检验表明， 财政支持和企业数字化转型是低碳城市和创新型城市双试点政策促进制造企业绿色技术创新的重要途径。其中， 财政支持在解释双试点政策对制造企业绿色技术创新的激励效应中所占比重为7.39%， 企业数字化转型在解释双试点政策对制造企业绿色技术创新的激励效应中所占比重为3.27%。

四是， 从企业所在区域来看， 低碳城市和创新型城市双试点政策对东部和中部地区制造企业绿色技术创新的促进作用显著高于西部地区制造企业； 从企业产权性质来看， 低碳城市和创新型城市双试点政策对非国有制造企业绿色技术创新的促进作用显著高于国有制造企业； 从企业年龄来看， 低碳城市和创新型城市双试点政策对处于成长期和成熟期的制造企业绿色技术创新的促进作用显著高于处于初创期的制造企业。

（二）实践启示

本文的研究结论对于进一步推进低碳城市建设、 创新型城市建设和制造企业绿色技术创新发展具有重要的启示。

1. 关注不同试点政策之间的协同效应， 注重不同试点政策的搭配组合。对于低碳城市和创新型城市的建设， 政府要充分利用双试点政策的协同效应， 对于已成为创新型城市试点的地区， 可以加强低碳城市试点的建设， 有效发挥低碳城市试点政策的激励作用。

2. 充分发挥数字技术的创新驱动作用， 推动数字化与绿色化协同发展。本文研究发现， 双试点政策通过推动企业数字化转型进而促进制造企业绿色技术创新。因此， 城市在进行低碳创新发展的同时， 要加强生产生活方式与大数据、 云计算、 区块链以及人工智能等数字技术的结合， 强化数字基础设施建设， 为企业数字化转型提供良好的数字资源和设施， 更好地发挥数字化发展与绿色发展的协同作用。此外， 地方政府要提高财政支出中科学技术支出的占比， 建立多元化、 多层次与多渠道的科技财政支出体系， 激励制造企业绿色技术创新。

3. 关注区域异质性和企业异质性。本文研究发现， 双试点政策对东部和中部地区制造企业、 非国有制造企业以及处于成长期和成熟期的制造企业的绿色技术创新的促进作用更大。因此， 西部地区在发展时要根据自身资源禀赋差异， 因地制宜地制定相关政策， 以更好地发挥双试点政策对制造企业绿色技术创新的激励作用。同时， 政府也要关注制造企业的差异， 对于不同类型、 处于不同发展阶段的制造企业进行针对性的引导和激励来推动绿色技术创新， 实现绿色低碳可持续发展。

【 主 要 参 考 文 献 】

白俊红，张艺璇，卞元超．创新驱动政策是否提升城市创业活跃度——来自国家创新型城市试点政策的经验证据［ J］．中国工业经济，2022（6）：61 ～ 78．

郭丰，杨上广，柴泽阳．创新型城市建设实现了企业创新的“增量提质”吗？——来自中国工业企业的微观证据［ J］．产业经济研究，2021（3）：128 ～ 142．

李洪涛，王丽丽．国家创新型城市试点政策对要素流动及溢出效应的影响研究［ J］．经济体制改革，2020（5）：44 ～ 51．

李政，刘丰硕．创新型城市试点能否提升城市绿色创新水平［ J］．社会科学研究，2021（4）：91 ～ 99．

宋德勇，李超，李项佑．新型基础设施建设是否促进了绿色技术创新的“量质齐升”——来自国家智慧城市试点的证据［ J］．中国人口·资源与环境，2021（11）：155 ～ 164．

宋德勇，朱文博，丁海．企业数字化能否促进绿色技术创新？——基于重污染行业上市公司的考察［ J］．财经研究，2022（4）：34 ～ 48．

宋弘，孙雅洁，陈登科．政府空气污染治理效应评估——来自中国“低碳城市”建设的经验研究［ J］．管理世界，2019（6）：95 ～ 108+195．

苏涛永，郁雨竹，潘俊汐．低碳城市和创新型城市双试点的碳减排效应——基于绿色创新与产业升级的协同视角［ J］．科学学与科学技术管理，2022（1）：21 ～ 37．

王锋，葛星．低碳转型冲击就业吗——来自低碳城市试点的经验证据［ J］．中国工业经济，2022（5）：81 ～ 99．

王晓红，张少鹏，李宣廷．创新型城市建设对城市绿色发展的影响研究［ J］．科研管理，2022（8）：1 ～ 9．

王馨，王营．绿色信贷政策增进绿色创新研究［ J］．管理世界，2021（6）：173 ～ 188+11．

王星．低碳城市试点如何影响城市绿色技术创新？——基于政府干预和公众参与的协同作用视角［ J］．兰州大学学报（社会科学版），2022（4）：41 ～ 53．

王珍愚，曹瑜，林善浪．环境规制对企业绿色技术创新的影响特征与异质性——基于中国上市公司绿色专利数据［ J］．科学学研究，2021（5）：909 ～ 919+929.

王治，彭百川，郭晶晶等．低碳轉型能否提升企业环境-社会-治理表现？——基于“低碳城市试点”的准自然实验［ J］．财经理论与实践，2023（1）：139 ～ 145．

吴非，胡慧芷，林慧妍等．企业数字化转型与资本市场表现——来自股票流动性的经验证据［ J］．管理世界，2021（7）：130 ～ 144+10．

熊广勤，石大千，李美娜．低碳城市试点对企业绿色技术创新的影响［ J］．科研管理，2020（12）：93 ～ 102．

徐佳，崔静波．低碳城市和企业绿色技术创新［ J］．中国工业经济，2020（12）：178 ～ 196．

张志新，孙振亚，路航．低碳城市试点实现企业绿色技术创新的“增量提质”了吗？［ J］．云南财经大学学报，2022（4）：85 ～ 98．

周雪峰，韩露，肖翔．“双碳”目标下数字经济对企业持续绿色创新的影响——基于数字化转型的中介视角［ J］．证券市场导报，2022（11）：2 ～ 12．

庄贵阳．中国低碳城市试点的政策设计逻辑［ J］．中国人口·资源与环境，2020（3）：19 ～ 28．

Chen W.. Can low-carbon development force enterprises to make digital transformation？［ J］． Business Strategy and the Environment，2023（4）：1292 ～ 1307．

Chintrakarn P.. Environmental regulation and U.S. states' technical inefficiency［ J］． Economics Letters，2008（3）：363 ～ 365．

Edmonds E. V.， Pavcnik N.， Topalova P.. Trade adjustment and human capital investments： Evidence from Indian Tariff Reform［ J］． American Economic Journal： Applied Economics，2010（4）：42 ～ 75．

McAfee K.. Green economy and carbon markets for conservation and deve-lopment： A critical view［ J］． International Environmental Agreements： Politics， Law and Economics，2016（3）：333 ～ 353．

Mubarak M. F.， Tiwari S.， Petraite M.， et al.. How Industry 4.0 technologies and open innovation can improve green innovation performance？［ J］． Mana-gement of Environmental Quality，2021（5）：1007 ～ 1022．

Tombe T.， Winter J.. Environmental policy and misallocation： The productivity effect of intensity standards［ J］． Journal of Environmental Economics and Management，2015（72）：137 ～ 163．

Yang G.， Zha D.， Wang X.， et al.. Exploring the nonlinear association between environmental regulation and carbon intensity in China： The mediating effect of green technology［ J］． Ecological Indicators，2020（1）：1 ～ 11．

Zhang X.， Fan D.. Collaborative emission reduction research on dual-pilot policies of the low-carbon city and smart city from the perspective of multiple innovations［ J］． Urban Climate，2023（47）：101364．

（责任编辑·校对： 喻晨  陈晶）