环境规制、产业集聚与企业生产决策调整

寇冬雪 张彩云

摘 要：落实严格的环境政策是改善生态环境的关键一环，然而这也是对企业生产决策形成压力的过程，企业据此做出不同的生产决策。在产业集聚这一重要现实背景下，这种影响尤甚。本文借助2003—2013 年中国工业企业数据库、中国企业专利申请数据库、中国企业污染数据库及地级市面板数据库的匹配结果，通过主成分分析法构建环境规制综合指数，阐明了环境规制影响企业生产决策的全逻辑链条，及产业集聚对该路径的放大作用。研究发现：①企业面临环境规制时，通过“创新补偿”效应和“遵循成本”效应两条路径影响企业生产决策，前者主要通过技术引进方式，后者主要通过资本更新速度和退出市场方式。②在产业集聚的环境中，“创新补偿”效应和“遵循成本”效应被放大。相比专业化集聚，多样化集聚更有助于放大前者，而专业化集聚更有助于放大后者。本文的结论可为产业集聚和环境规制下企业的生产决策提供新的实证思路，也为制定适配的环境政策和产业政策提供经验证据。

关键词：环境规制；产业集聚；创新补偿；放大效应

一、引 言

党的二十大报告指出，要“深入推进环境污染防治”，打好蓝天、碧水、净土保卫战已经成为推动绿色发展、促进人与自然和谐共生的重要一环。为治理严峻的环境污染，国家出台系列环境制度和政策以形成严格的环境规制门槛，而环境规制水平的上升最终会对企业的生产决策产生影响。为应对环境规制造成的生产成本上升（李虹和邹庆，2018），部分企业选择技术创新，因而从中获得经济效益，治污积极性不断提升（沈能，2012）；另一部分企业则难以承受环境规制水平上升所带来的生产成本上升，治污积极性不断下降（李胜兰等，2014）。不仅如此，若将企业放置到整个产业集聚环境之中（徐敏燕和左和平，2013），环境规制对企业生产决策的影响更为复杂。多样化集聚产生的知识溢出通过影响企业创新进而影响企业生产决策（Jacobs，1969），专业化集聚通过企业间竞争影响了成本从而影响生产决策（Marshall，1920），这无形中放大了企业生产决策的复杂性和不确定性。那么，环境规制如何影响企业的生产决策？考虑产业集聚时，企业的生产决策又会发生什么变化？厘清该问题可为设计出促使企业由被动治污转向主动治污的激励机制提供实证思路的借鉴，也能为如何通过合理的环境政策和产业政策设计以减少污染提供具有现实意义的启示。

关于企业面临环境规制时生产决策行为的变化，绝大多数学者从“波特假说”出发展开研究。该假说从“创新补偿”效应和“遵循成本”效应的视角阐释了企业面临环境规制时通过技术创新应对生产成本上升的情况（Porter，1991；Porter，1995），认为当“创新补偿”效应发挥主导作用时，企业会选择技术创新提升企业竞争力，此时企业的治污积极性也随之提升；反之，当“遵循成本”效應发挥主导作用时，企业则无法应对成本上升，治污积极性也随之下降。随后，大量文献基于企业成本、企业生产率、劳动资本等要素配置、技术扩散、环境创新等视角对此假说展开验证（Brunnermeier，2003；Frank 等，1983；王兵等，2018；Jaffe 和Stavins，1995；张成等，2011）。然而，既有研究仅聚焦环境规制对企业生产决策中某一环节的影响，关于环境规制如何影响企业生产决策这一完整的逻辑链的研究仍然匮乏，无法全面剖析环境规制约束下企业生产决策调整的行为逻辑。本文将对此进行完善，这也是本文的主要研究内容之一。另一方面，既有研究忽略一个重要的现实背景：产业一般是以集聚的形态存在的，在这一重要条件下，企业的生产决策也会受到影响。但是该影响具体如何，现有研究并未说明，这将是本文的主要研究内容之二。

本文的边际贡献主要包括：（1）基于企业生产决策视角研究环境规制对企业的影响，弥补了既有研究仅关注企业生产决策的部分环节、无法全面剖析企业面临外部环境变化时生产决策调整的全过程的缺陷，为“波特假说”的检验提供了一个完整的实证研究逻辑框架。（2）将产业集聚因素纳入环境规制对企业生产决策的分析框架，探究不同集聚类型——多样化集聚和专业化集聚对企业生产决策的放大效应。从宏观和微观相结合的视角对环境规制、产业集聚影响企业生产决策的内在机制提供了系统性解释。（3）本文基于多个数据库的匹配结果，利用近80 万条数据，提炼出城市和企业层面多项指标，对企业面临环境规制时的生产决策调整，及产业集聚在该过程中产生的放大效应进行全面评估，有助于更好地理解“波特假说”的理论逻辑，集聚因素的纳入也对该理论的成立条件提供了更丰富的视角，拓展了其解释力。同时，样本量的扩大也使研究结论更具严谨性和普适性。

二、理论分析

（一）环境规制约束下企业生产决策的调整

环境规制是基于环境污染的外部性产生的，是使污染外部性内部化的工具（李蕾蕾和盛丹，2018）。在治理环境污染的过程中，企业是政策实施的对象，环境规制的实施必将对企业的生产决策产生影响，厘清企业应对相关政策的反应行为是科学决策的基础（韩超等，2020）。基于此逻辑，本部分从企业的生产决策视角详细分析环境规制对企业的影响。

环境规制会引致企业生产成本的提升，进而产生一系列生产要素调整行为（Fullerton 和Heutel，2007）。具体地，根据企业对环境规制的容忍程度（童健等，2016），企业的生产决策可划分为两种类型：（1）企业可以承受环境规制强度，即治理环境污染的边际收益大于等于边际成本。此时，企业采取积极主动的行为应对环境污染，表现为企业“接受”环境规制，并做出生产成本的相应调整（王立杰和吕建军，2020）。具体包括两方面：一方面，企业向内部寻求自我创新（黄德春和刘志彪，2006；Lanoie 等，2008），即环境规制引发的正向技术效应。此技术创新指企业内部进行的一切创新活动，包括生产技术创新和环境技术创新。另一方面，企业不向内创新而选择从外部引进技术（Gray，1997；Gray 和Shadbegian，1993；岳鸿飞等，2017；万攀兵等，2021），即向外部购买治污设备或绿色技术等治理环境污染。上述两种情况即为基于技术视角的“创新补偿”效应，表明环境规制对技术创新的影响。（2）企业无法承受环境规制强度，即治理环境污染的边际收益小于边际成本，企业无法通过主动治污应对环境规制，只能选择被动治污。此时，企业的生产决策调整包括三种情况：第一种情况是企业直接撤离部分生产活动，通过缩小生产规模来降低边际治污成本，以应对环境规制（Kahn 和Mansur，2013）。第二种情况是企业不缩减自身的生产活动，在保持现有设备生产力的条件下，通过提升资本的更新速度应对环境规制，即企业增加治污设备运行的时间或速度，通过提升单位时间的污染物去除量来减少污染物排放应对环境规制（Fan，2019；万攀兵等，2021）。第三种情况是当企业实在无法承受环境规制带来的成本上升时，选择从市场退出，包括从本行业退出转向其他行业，或者改变企业选址进行转移（张彩云等，2018；List，2003；Smarzynska和Wei，2001；钟茂初等，2015）。这三种情况都是通过影响企业的生产成本影响企业的生产活动，属于“遵循成本”效应。

（二）产业集聚对“波特假说”的放大效应分析

集聚是产业的一般组织形态，环境规制政策的实施不可避免会受到产业集聚因素的影响，从而使企业的生产决策调整行为更加复杂。根据外部性是否来源于同一行业，产业集聚分为多样化集聚与专业化集聚（李金滟和宋德勇，2008），多样化集聚为不同类型的企业集聚，这些不同质企业间产生的新知识和新技能不断交换和更新，使其产生外部性收益即溢出效应（Stigler 和George，1984；梁琦，2005），推动企业的技术创新不断增强（彭向和蒋传海，2011）。专业化集聚则表现为大量单一类型的企业在同一地区集聚，集聚规模扩大产生的外部性在吸引企业进入的同时，也带来了竞争效应，影响并改变着企业的生产成本（赵瑞丽等，2019）。在这两种效应的共同作用下，环境规制约束下企业的生产决策会进一步发生变化。具体机理表现如下：

多样化集聚对环境规制条件下企业生产决策的影响为：其一，多样化集聚产生的溢出效应有助于优化企业的创新环境，增加了原有环境规制条件下企业开展技术创新活动的可能性。不同类型的企业集聚在同一区域，企业间人才集聚和知识溢出为技术创新提供了多元化的“劳动力蓄水池”和“知识蓄水池”（Jacobs，1969），提高了企业进行技术创新的概率（Ciccone，2000）①。其二，多样化集聚条件下，企业间存在的互补性关联放大了企业间应对环境规制的速度，有助于降低企业的生产成本。基于投入产出关联的多样化集聚因产业间较强的经济关系而呈现共生状态，企业之间出现紧密的“前向关联”和“后向关联”（孙晓华和柴玲玲，2012）。在面临环境规制时，这种企业间的组合方式会通过产业结构优化、技术共享等方式提升生态效率。表现为产业链上任何环节环保节能强度的增加，都会通过技术外溢降低前后关联企业的治污成本，促使排放物的再利用和节能减排目标的实现（胡志强，2019）。其三，多样化集聚的企业因其更高程度的多样性和复杂性，提高了其应对环境规制冲击的能力，有助于企业采取积极方式应对环境规制。产品的复杂性越高，其抵抗外界风险的能力越高，产业系统的稳定性越强，从而使多样化企业在面临外部环境改变时更易通过合作保护地区免受外部冲击（Frenken 等，2007）。

专业化集聚对环境规制条件下企业生产决策的影响为：其一，專业化集聚引致大量同质企业的集聚会加剧本地企业的竞争程度，放大了企业应对环境规制的成本。通过竞争效应的发挥，企业产品价格被压低至平均成本处。不仅如此，产业规模的扩大还会导致资源需求增加，进一步加剧企业间的竞争程度及资源的争夺，并且相互侵占市场份额。资源的稀缺使作为价格接受者的企业的生产成本在短期内快速提升，企业面临巨大生存压力（魏守华和石碧华，2002）。此时，企业的“遵循成本”效应被放大。其二，由于产业间较弱的关联性，专业化集聚的技术溢出更易局限在特定产业内部，使企业在面对环境规制时更被动，这会进一步放大企业应对环境规制的成本。专业化集聚的产业趋向于形成结构单一的生产模式，它们行为趋同，相互模仿，缺乏前后关联性（张公嵬和梁琦，2010）。并且由于技术具有专用性，专业化产生的技术主要局限在特定的产业中，其形成的技术扩散产生于同类产业中且只能被特定产业的区域集中支撑（李金滟和宋德勇，2008），无法在不同行业间形成溢出，导致专业化集聚内部的产业结构形成路径依赖和技术锁定（王树功等，2003）。这种企业间的弱关联性和创新局限性会极大地限制产业间的技术外溢及资源共享，无法实现不同产业间资源的合理匹配，无法为企业提供更有利的创新环境，不利于“创新补偿”效应的发挥。从而专业化集聚的企业在面临环境规制时更不易选择技术创新、技术引进等积极的治污行为，而会通过缩减生产规模或退出市场等方式消极应对。上述作用机制可通过图1 表示（虚线表示弱关联）。

三、研究设计

（一）计量模型构建

本文实证检验步骤如下：①检验环境规制影响企业生产决策调整的两条路径。②将产业集聚纳入环境规制影响企业生产决策的分析框架，选用调节效应模型检验不同集聚类型——多样化集聚和专业化集聚对这两条路径的放大效应，以明晰产业集聚在环境规制影响企业生产决策调整过程中发挥影响的机制。

具体地，本文的实证模型设置如下：

1. 企业面临环境规制时的生产决策调整检验方程：

2. 专业化集聚和多样化集聚对“创新补偿”效应和“遵循成本”效应的放大作用检验方程。其中，rdiit 和rziit 分别表示多样化集聚指数和专业化集聚指数。

（二）变量指数设计

1. 环境规制测度：主成分分析法。对环境规制强度的衡量，一直是研究中存在争议的问题。因现实环境规制中，不存在统一的政府干预模式和独立的环境规制工具，因此，在环境规制强度的测量方面存在困难。既有研究一般基于环境规制法律政策的数量、排污费收入、减污运营成本在总成本或产业附加值中所占的比重、人均GDP、污染物排放量、环境规制机构对企业排污的检查和监督次数等单一指标的方式衡量（Low，1992；Levinson，1996；Levinson 和 Taylor，2008；Mani 和Wheeler，1998；Cole 和Elliott，2003；Brunnermeier 和Cohen，2003）。本文在兼顾数据的可得性、减缓计量处理过程中的内生性及单一指标的共线性等的基础上，选取基于主成分分析的综合指标构建环境规制强度指数。具体地，选用2003—2017 年285 个城市的工业二氧化硫去除率、工业烟（粉）尘去除率、污水处理厂集中处理率和一般工业固体废物综合利用率四个指标，基于主成分分析确定指标权重，构建环境规制综合指数。观察表1 中的KMO 值可以发现，该值为0.601，远大于0.5，表明本文的指标适合做主成分分析。Bartlett 值为918.860，其P 值为0，表明四个变量之间存在共线性问题，需要进行主成分分析。

2. 多样化集聚指数和专业化集聚指数的指标测度。关于多样化与专业化指数的测算，不同研究的测算方法不同。多样化指数的衡量有Frenken 的熵指标、改进的赫芬达尔—赫希曼中性指数等。专业化指数的衡量方法一般有Krugman 专业化指数、区位熵指数等。本文参考经济学家Frenken等（2007）的方法，用熵指标法构建产业多样化指数，具体形式为：

专业化指数参考李金滟和宋德勇（2008）的研究，采用该城市就业人数最多的行业作为专业化行业，用该行业的就业人员所占的份额衡量专业化指数。城市的专业化指数表示为：

为便于不同城市间的横向比较，本文采用相对专业化指数进行测度。该指数越大，表明该城市的专业化程度越高。相对专业化指数为：

3. 传导路径中的指标测度。基于上述分析，传导路径的测度指标共分为五大类：技术创新指标：选用创新产出（lpa）衡量，表示企业开展技术创新的情况，具体采用企业申请专利的数量表示，即企业发明专利申请数加1 取对数。技术引进指标：选用废气治理设施数（lfqts）衡量，表示企业购买治污设备的数量。同时，为了多视角观察环境规制对企业生产决策的影响，本文加入生产效率和治污效率指标对比观察。生产效率指标：选用全要素生产率（lntfp）衡量。既有研究一般采用OP 和LP 的方法（Levinsohn 和 Petrin，2002；Olley 和Pakes，1992）计算求得，考虑到中国工业企业数据库中企业进入和退出比较频繁，本文选用OP 方法估算企业生产率（张彩云和吕越，2018）。治污效率指标：选用废气治理设施处理能力（lfqnl）衡量，表示治污设备处理污染的能力。产量指标：选用企业总产出衡量（ltv），表示企业的产出能力。资本更新速度指标：借鉴万攀兵等（2021）的方法，选用本年折旧（depr）衡量，表示企业内部固定资产的价值及其消耗情况。退出市场指标：选用退出市场衡量（exit），表示企业进出市场的决策。

4. 控制变量的选择。企业层面的控制变量。是否为出口企业（ex）：表明企业的性质。企业年龄（lage）：表示企业的存续时间。资本密集度（zbmj）：采用企业资本与劳动之比衡量，表示企业的要素结构。企业规模（lnl）：采用企业从业人员数表示。

（三）数据来源说明

为保证回归结果的可靠性，对指标进行如下说明：

本文实证部分所用数据分别来自国家统计局公布的《中国统计年鉴》《中国环境统计年鉴》《中国城市统计年鉴》等统计年鉴，以及中国工业企业数据库、中国企业专业申请数据库、中国企业污染数据库等数据库，并通过匹配计算得出具体指标。

城市层面的数据，本文选取2003—2017 年中国285 个地级及以上城市的面板数据，并且剔除吐鲁番市、哈密市、三沙市、儋州市等数据缺失较严重的地区（且不包含港澳台地区）。所需数据主要来源于《中国统计年鉴》《中国城市统计年鉴》、EPS 等数据库，分行业数据采用2003 年之后经过调整的19 个行业①的就业人员的数据。对于个别缺失的数据已进行插值法补缺。同时为了消除异方差，所有控制变量进行对数处理，由于环境污染综合指数、环境规制综合指数、专业化集聚指数、多样化集聚指数及环境规制指数均为指数形式，文中不再进行对数处理。

企业层面的数据，①本文将统计局公布的中国工业企业数据库与中国企业污染数据库进行匹配，最终选择2003—2013 年时间段的企业相关污染样本数据。处理方法上，虽然中国工业企业数据库提供了详细的微观企业信息，但是鉴于其存在指标缺失、异常值等问题，在实证检验之前，本文参考Brandt 等（2012）的方法对原始数据进行匹配，并综合Bai 等（2009）、聂辉华等（2012）的方法对缺失值进行处理。主要步骤如下：一是通过数据合并，尽量保证同一家企业有统一识别码；二是通过行业调整，以解决数据库中2002 年前后行业代码不一致的问题；三是对错误的样本值——总产值、工业增加值、企业研发创新等存在负数的样本值进行删减（张彩云等，2018）。②将中国工业企业数据库与国家专利局公布的中国企业专利申请数据库匹配，得出2001—2007 年企业研发创新数据及其他企业层面的指标。处理方法上，基于中国企业专利申请数据库收录的所有国家知识产权局授予的专利信息，参考李兵等（2016）的处理方法，将数据库中专利层面的数据按企业年份进行加总，计算每年企业当年申请的专利数。然后根据企业名称和代码将兩个数据库进行匹配，筛选样本，得出本文使用的约80 万条观测值。

同时，为了剔除价格波动的影响、提高数据的准确性及可信性，本文利用国内生产总值指数，以2003 年为基期对所有货币量进行平减，调整为可比价格。涉及到固定资产的数据，都按照固定资产投资价格指数进行调整。工业总产值也均采用经过工业生产者出厂价格指数调整后的数据测算。具体指标的描述性统计结果如表2 所示。

四、环境规制影响企业生产决策的验证

基于前文理论机制，本小节对环境规制约束下企业的生产决策进行检验，以明晰其调整路径。

（一）基准回归结果

表3 和表4 分别检验了企业面临环境规制时的生产决策调整情况，这也是“创新补偿”效应和“遵循成本”效应发挥作用的基准回归结果。整体上看，“创新补偿”效应和“遵循成本”效应均显著。表明企业面临环境规制时存在两大类调整策略。

具体地，根据表3 可知，“创新补偿”效应中，环境规制对创新产出的影响不显著，对废气治理设施数的影响显著。说明在“创新补偿”效应路径中，企业主要通过技术引进的方式治理环境污染，企业应对环境规制的方式依然是通过购买治污设备等末端治理形式，而非进行技术创新，这也与既有研究结论一致（张彩云和吕越，2018；万攀兵等，2021）。从效率视角看，环境规制程度的提升对全要素生产率无影响，却提升了废气治理设施处理能力，表明严格的环境规制促进了企业的治污行为。

表4 中“遵循成本”效应展示了企业面临环境规制时被动治污的表现。根据结果，环境规制程度的提升对企业总产出无影响，但加快了固定资产的折旧速度及退出市场概率。这是由于企业面临环境规制时，技术不变的情况下会通过加快治污设备运行治理污染，治污设备运行时间或者速度的提升均会加快设备的折旧速度，导致资本更新速度加快。进一步地，当企业全部收益都不足以补偿环境规制引致的生产成本上升时，企业还会选择退出市场。说明“遵循成本”效应的发挥主要表现在资本的更新速度及退出市场两方面。整体上，表3 和表4 的结果验证了环境规制通过影响企业生产决策发挥作用的全过程，该结果为“波特假说”的检验提供了一个逻辑框架。

（二）稳健性检验

本文采用的变量包括企业、时间、城市三个维度，即使从企业、时间、城市三个维度进行了固定效应以控制无法量化的变量，但仍然可能存在固定效应层次不够的问题，主要体现为时间趋势表现为多种，例如行业时间趋势、省份时间趋势等。为保证回归结果的稳健性，表5 和表6 通过控制行业时间趋势和省份时间趋势将固定效应做得更为细致以进行稳健性检验。根据结果可知，除了创新产出之外，环境规制对“创新补偿”效应和“遵循成本”效应路径的结果均显著，同时大部分系数的显著性远远高于基准回归，说明在将固定效应更为细化后，“创新补偿”效应和“遵循成本”效应更为明显。

进一步而言，不同的企业可能存在不同的环境规制水平，为了提升结论的说服力，表7 选用微观企业层面的环境规制变量进行稳健性检验。选用各企业所能获得的所有去除率指标即二氧化硫去除率、烟（粉）尘去除率、氮氧化物去除率、氨氮去除率和化学需氧量去除率五个指标，基于主成分分析确定指标权重，构建环境规制综合指数。因企业层面环境规制相关指标缺失值过于严重，仅仅有四个相关变量可以回归出结果，涉及其他的变量样本太少（3 000 个左右），以至于无法得到回归结果。可以得到的结果显示，环境规制对技术引进和治污效率的正向影响均十分显著，与基准回归结果相同，证明了回归结果的稳健性。

此外，我们还需要考虑遗漏变量问题。遗漏变量问题在控制行业时间趋势和省份时间趋势后可得到一定程度缓解，但是我们还需要考虑到，遗漏变量的影响可能进入了随机误差项，因工具变量主要用于衡量净因果效应，可以让得出的结果不存在误差项影响，一定程度可以解决遗漏变量的影响，我们可以采用两阶段最小二乘法（2SLS）解决这一问题。工具变量要求其与环境规制变量相关，而与误差项无关。因风速越高的地区，污染物扩散也较快，相对而言，不需要太高的环境规制水平就可以取得良好的治污效果，因此其环境规制水平也会较低。借鉴Cai 等（2016）的研究，选择通风系数为工具变量，相关数据来源于美国国家海洋和大气管理局（NOAA）。表8 和表9 进一步选用城市层面通风系数作为工具变量进行两阶段回归。结果显示，除了创新产出不显著之外，环境规制对“创新补偿”效应和“遵循成本”效应的影响均显著，同样验证了企业的两条路径。

五、产业集聚的放大效应分析

在明确了企业面临环境规制时的生产决策调整情况后，本部分将产业集聚因素纳入分析框架，旨在考察将企业放至产业集聚环境中时，企业的生产决策调整将发生何种变化。

（一）多样化集聚的放大效应分析

表10 和表11 分别为多样化集聚和专业化集聚对“创新补偿”效应和“遵循成本”效应的影响结果。

表10 表示多样化集聚对“创新补偿”效应的放大效应结果。根据结果，多样化集聚对技术创新和技术引进的结果均不显著，仅显著提升了废气治理设施处理能力（与专业化集聚的对比分析在后文展示）。表11 表示多样化集聚對“遵循成本”效应的放大效应结果。根据交乘项的结果，总体上，多样化集聚对“遵循成本”效应的影响不确定，多样化集聚提升了资本更新速度，但也显著提升了产量，减少了企业退出市场的行为，为企业带来了积极的影响，在一定程度上也减缓了企业成本的提升。

（二）专业化集聚的放大效应分析

表12 和表13 表示专业化集聚对“创新补偿”效应和“遵循成本”效应的放大作用结果。根据表12，环境规制与专业化集聚的交乘项结果显示，整体上，专业化集聚不利于 “创新补偿”效应的发挥。具体地，根据技术创新和技术引进结果，专业化集聚程度的提升降低了创新产出。说明环境规制约束下，产业专业化集聚程度的提高并不能激发企业进行技术创新。这是由于专业化集聚下，大量同质企业的集聚缺乏前后关联性且易形成结构单一的生产模式，而且技术的专用性也使企业的创新溢出无法在企业间交流和扩散，容易导致路径依赖和技术锁定，不利于新技术的出现及流动。同时，生产效率和治污效率的结果显示，专业化集聚程度的提升在1%的水平上降低了全要素生产率，企业的生产效率呈现显著下降趋势，而治污效率结果则不显著。这也反映了专业化集聚程度的提升不利于“创新补偿”效应的发挥。因此，对比表10 多样化集聚对“创新补偿”效应的放大效应结果，专业化集聚对“创新补偿”效应的放大效应更小。

表13 表示专业化集聚对“遵循成本”效应的放大效应结果。根据结果，专业化集聚除了对产量和本年折旧无影响，对其余变量的影响均至少在5%的水平上显著。说明专业化集聚对“遵循成本”效应的放大作用非常大，增加了资本更新速度，提升了企业的运行成本，甚至会促使企业退出市场。对比表11 多样化集聚对“遵循成本”效应带来的不确定影响，专业化集聚对“遵循成本”效应的放大作用明显更强，这是由于专业化集聚产生的竞争效应更强，企业应对外部环境需要付出的成本也更高。整体上，“遵循成本”效应更易因专业化集聚程度的提升而放大。

本节通过将产业集聚纳入环境规制影响企业生产决策全逻辑链的过程中，检验了多样化集聚和专业化集聚对企业生产决策的放大机制。整体上可知，相比专业化集聚，多样化集聚更有助于放大“创新补偿”效应，而专业化集聚则更有助于放大“遵循成本”效应。该结果从集聚的视角为“波特假说”的成立性提供了一些新启示：“波特假说”认为合理的环境规制会激发企业进行技术创新，通过提升企业竞争力提升其治污积极性。本文在此基础上进一步得出，将微观企业放至中观的产业层面时，其生产决策会被进一步放大，从而“波特假说”的成立性也会随之改变，使该技术创新行为更容易发生，或者相反，更加困难。

六、结论与政策启示

本文基于2003—2013 年中国工业企业数据库、中国企业专业申请数据库、中国企业污染数据库及2003—2017 年地级市面板数据库的匹配结果，选用调节效应模型对环境规制约束下企业的生产决策调整，及产业集聚在其中发挥的放大效应展开实证检验。得出如下主要结论：第一，企业面临环境规制时，基于“创新补偿”效应和“遵循成本”效应两条路径调整生产决策。基于“创新补偿”效应，企业主要通过购买治污设备等末端治理形式，而非技术研发形式应对环境规制。基于“遵循成本”效应，主要通过提升资本更新速度和退出市场应对环境规制。第二，考虑产业集聚因素时，相比专业化集聚，多样化集聚更有助于放大“创新补偿”效应，而对“遵循成本”效应的影响较小。与之不同，专业化集聚更有助于放大“遵循成本”效应，却对“创新补偿”效应的影响较小。整体上说明了在样本期间，企业选择应对环境规制的行为十分消极，企业的治污积极性并未被调动。基于上述结论，本文得出如下政策启示。

一是在专业化集聚程度高的地区，弱化其产生的竞争效应。如对于专业化集聚程度较高的资源型城市亟待转型的问题，可通过规范企业外部的竞争环境，避免企业间不当竞争对资源的占有和争夺导致企业成本的提升。或者通过多样化产业的培育弱化大量同质企业产生的竞争效应所企业成本的提升，譬如基于城市的传统产业基础，以及国家战略性新兴产业的发展重点，注重以主导产业为基础，适度培育具有前后关联的配套产业，延长产业链条，引导产业向多元化发展。

二是在多样化集聚程度高的地区，强化其产生的溢出效应。譬如，加强企业与企业或者同高校及科研院所的合作，增加相互间的交流和学习机会，促进知识和技术扩散。相比分散的企业，多样化集聚的企业更易获取新技术、新产品和新工艺的信息，也更易获得正外部性，从而为整個集聚地的企业进行技术创新提供良好的外部环境，提高企业积极应对环境规制的能力。同时，与高校及科研单位的合作还能为新知识新理论的转化提供一种有效的渠道，加速创新的实现。

三是专业化和多样化集聚产生的放大效应也可以对国内承接产业转移提供相应政策启示。2020年5 月，《中共中央国务院关于新时代推进西部大开发形成新格局的指导意见》中指出要“完善产业转移引导政策”；次年，十部门联合发布《关于促进制造业有序转移的指导意见》。在产业转移的趋势下，西部地区在承接东中部地区产业的同时，应完善产业准入机制，注重承接产业与现有产业间的关联及嵌入而非单纯的产业数量叠加，避免不加筛选的盲目承接造成大量产业的无序集中，强化企业间的竞争效应。这样的话，不仅阻碍资源效率的发挥，而且造成环境污染的集中排放，诱发“污染避难所”现象。

参考文献

[1] 韩超，陈震，王震．节能目标约束下企业污染减排效应的机制研究[J]．中国工业经济，2020（10）：43-61.

[2] 胡志强，苗长虹，袁丰. 集聚空间组织形式对中国地市尺度工业SO2 排放的影响[J]. 地理学报，2019，74（10）：2045-2061.

[3] 黄德春，刘志彪．环境规制与企业自主创新——基于波特假设的企业竞争优势构建[J]．中国工业经济，2006（03）：100-106.

[4] 李兵，岳云嵩，陈婷. 出口与企业自主技术创新：来自企业专利数据的经验研究[J]. 世界经济，2016，39（12）：72-94.

[5] 李虹，邹庆．环境规制、资源禀赋与城市产业转型研究——基于资源型城市与非资源型城市的对比分析[J]．经济研究，2018，53（11）： 182-198.

[6] 李金滟，宋德勇.专业化、多样化与城市集聚经济——基于中国地级单位面板数据的实证研究[J].管理世界，2008（02）：25-34.

[7] 李蕾蕾，盛丹.地方环境立法与中国制造业的行业资源配置效率优化[J]. 中国工业经济，2018（07）：136-154.

[8] 李胜兰，初善冰，申晨．地方政府竞争、环境规制与区域生态效率[J]. 世界经济，2014，37（04）：88-110.

[9] 梁琦.空间经济学：过去、现在与未来——兼评《空间经济学：城市、区域与国际贸易》[J].经济学（季刊），2005（03）：1067-1086.

[10] 聂辉华，江艇，杨汝岱.中国工业企业数据库的使用现状和潜在问题[J].世界经济，2012，35（05）：142-158.

[11] 彭向，蒋传海．产业集聚、知识溢出与地区创新——基于中国工业行业的实证检验[J]．经济学（季刊），2011，10（03）：913-934.

[12] 沈能．环境效率、行业异质性与最优规制强度——中国工业行业面板数据的非线性检验[J]．中国工业经济，2012（03）： 56-68.

[13] 孙晓华，柴玲玲. 相关多样化、无关多样化与地区经济发展——基于中国282 个地级市面板数据的实证研究[J].中国工业经济，2012（06）：5-17.

[14] 童健，刘伟，薛景. 环境规制、要素投入结构与工业行业转型升级[J].经济研究，2016，51（07）：43-57.

[15] 万攀兵，杨冕，陈林. 环境技术标准何以影响中国制造业绿色转型——基于技术改造的视角[J].中国工业经济，2021（09）：118-136.

[16] 王兵，吴延瑞，颜鹏飞. 环境管制与全要素生产率增长：APEC 的实证研究[J].经济研究，2008（05）：19-32.

[17] 王立杰，吕建军．基于市场结构视角的环境规制政策社会福利效应分析[J]．中国人口·资源与环境，2020，30（05）：81-89.

[18] 王树功，周永章，麦志勤等. 城市群（圈）生态环境保护战略规划框架研究——以珠江三角洲大城市群为例[J]. 中国人口·资源与环境，2003 （04）：54-58.

[19] 魏守华，石碧华. 论企业集群的竞争优势[J]. 中国工业经济，2002（01）：59-6.

[20] 徐敏燕，左和平. 集聚效应下环境规制与产业竞争力关系研究——基于“波特假说”的再检验[J].中国工业经济，2013（03）：72-84.

[21] 岳鸿飞，徐颖，吴璘.技术创新方式选择与中国工业绿色转型的实证分析[J].中国人口·资源与环境，2017，27（12）：196-206.

[22] 张彩云，吕越.绿色生产规制与企业研发创新——影响及机制研究[J].经济管理，2018，40（01）：71-91.

[23] 张彩云，盛斌，苏丹妮. 环境规制、政绩考核与企业选址[J]. 经济管理，2018，40（11）：21-38.

[24] 張成，陆旸，郭路等. 环境规制强度和生产技术进步[J]. 经济研究，2011，46（02）：113-124.

[25] 张公嵬，梁琦.出口、集聚与全要素生产率增长——基于制造业行业面板数据的实证研究[J].国际贸易问题，2010（12）：12-19.

[26] 赵瑞丽，尹翔硕，孙楚仁.大城市的低加成率之谜：集聚效应和竞争效应[J].世界经济，2019，42（04）：149-173.

[27] 钟茂初，李梦洁，杜威剑. 环境规制能否倒逼产业结构调整——基于中国省际面板数据的实证检验[J].中国人口·资源与环境，2015，25（08）：107-115.

[28] Fullerton， D.，and G. Heutel . The General Equilibrium Incidence of Environmental Mandates[J]. NBER Working Papers， 2007.

[29] Bai， C. E.， J. Lu， and Z. Tao . How Does Privatization Work in China？[J]. Journal of Comparative Economics， 2009，37（3）：453-470.

[30] Brandt. L.， J. V. Biesebroeck， and Y .Zhang. Creative Accounting or Creative Destruction？ Firm-level Productivity Growth in Chinese Manufacturing[J]. Journal of Development Economics， 2012， 97（2）：339-351.

[31] Brunnermeier， S. B.， and M. A . Cohen. Determinants of environmental innovation in US manufacturing industries[J].Journal of Environmental Economics and Management， 2003， 45（2）：278-293.

[32] Cai， X.， Y.Lu， M.Wu， and L.Yu. Does environmental regulation drive away inbound foreign direct investment？Evidence from a quasi-natural experiment in China[J]. Journal of Development Economics， 2016， 123：73-85.

[33] Ciccone， A. Agglomeration effects in Europe[J]. Social Science Electronic Publishing， 2000， 46（2）：213-227.

[34] Cole， M. A. ， and R. J. R. Elliott . Determining the trade-environment composition effect： the role of capital， labor and environmental regulations[J]．Journal of Environmental Economics and Management， 2003，46（3）： 363-383．

[35] Fan， H.， J. G. Zivin， and Z. Kou. Going Green in China： Firms' Responses to Stricter Environmental Regulations[J].University of California at San Diego， Economics Working Paper Series， 2019.

[36] Frank， M.， and Gollop. Environmental Regulations and Productivity Growth： The Case of Fossil-fueled Electric Power Generation[J]. Journal of Political Economy， 1983，91（4）.

[37] Frenken， K.， F. Oort， and T. N. Verburg. Related Variety， Unrelated Variety and Regional Economic Growth[J].Regional Studies， 2007， 41（5）.

[38] Gray， W. B . Manufacturing Plant Location： Does State Pollution Regulation Matter？[J]. Working Papers， 1997.

[39] Gray， W. B. ，and R. J. Shadbegian . Environmental Regulation and Manufacturing Productivity at the Plant Level[J].Working Papers， 1993.

[40] Jacobs， J. The Economy of Cities[M]．New-York：Vintage.1969.

[41] Jaffe， A. B. ，and R. N. Stavins . Dynamic Incentives of Environmental Regulations： The Effects of Alternative Policy Instruments on Technology Diffusion - ScienceDirect[J]. Journal of Environmental Economics and Management， 1995，29（ 3）：S43-S63.

[42] Kahn， M. E.， and E. T. Mansur. Do local energy prices and regulation affect the geographic concentration of employment？[J]. Journal of Public Economics， 2013， 101（5）：105–114.

[43] Lanoie， P. ，M. Patry， and R. Lajeunesse . Environmental regulation and productivity： testing the porter hypothesis[J].Journal of Productivity Analysis， 2008， 30（2）：p.121-128.

[44] Levinsohn， J. A. ， and A. Petrin . Estimating Production Functions Using Inputs to Control for Unobservables[J].The Review of Economic Studies，2002，（2）：317-314.

[45] Levinson， A.， and M. S. Taylor ．Unmasking the Pollution Haven Effect[J]．International Economic Review， 2008，49（1）：223-254．

[46] Levinson， A ． Environmental regulations and manufacturers' location choices ： Evidence from the Census of Manufactures[J]．Journal of Public Economics， 1996，62（1-2）：5-29．

[47] List，J. A.， D. L. Millimet， and P. G. Fredriksson. Effects of Environmental Regulations on Manufacturing Plant Births：Evidence from a Propensity Score Matching Estimator[J]. Review of Economics & Statistics， 2003， 85（4）：944-952.

[48] Low， P.， Yeates A．do "dirty" industries migrate？ [J]．International Trade and the Environment， 1992，（159）：50-58．

[49] Mani， M.， and D. Wheeler ． In search of pollution havens？ Dirty industry in the world economy， 1960 to 1995．[J]．Journal of Environment & Development， 1998，7（3）：215-247．

[50] Marshall， A. Principles of Political Economy[M]．New York：Macmilan and Company，1920.

[51] Olley， G. S.， and A. Pakes. The Dynamics Of Productivity In The Telecommunications Equipment Industry[J]. Working Papers， 1992.

[52] Porter， M. E ．America's Green Strategy[J]．Scientific American， 1991.264（4）： 193-246.

[53] Porter， M. E.， and C. V. D. Linde.Towards a New Conception of the Environment-Competitiveness Relationship[J].Journal of Economic Perspectives， 1995， 4（4）：97-118.

[54] Smarzynska， B. K. ， and S. J. Wei . Pollution Havens and Foreign Direct Investment： Dirty Secret or Popular Myth？[J].NBER Working Papers， 2001.

[55] Stigler， and J. George. The Economics of Information[J]. Journal of Political Economy， 1984， 69（3）：213-22.

〔執行编辑：周冬〕