环境规制影响清洁生产型产业技术的创新效率吗?

李勃昕，韩先锋，宋文飞

1 引言

关于环境规制与技术创新的关系，学术界尚未形成一致的结论。新古典经济理论认为，环境规制通过增加生产成本、挤占R＆D资金直接影响产业绩效;但迈克尔·波特则提出了“波特假说”，认为合理设置的环境规制政策能够刺激企业进行技术创新，产生创新补偿作用，弥补甚至超过环境规制的成本，从而达到环境绩效和企业经济绩效同时改进的“双赢”状态［1～2］。学术界围绕该问题展开了激烈的争论，其观点主要分为三种:①环境规制有利于技术创新，佐证了波特假说，如 Berman 和 Bui［3］、Carmen.E 和 Robert Innes［4］等;②以 Gray［5］、Barbera［6］等为代表的学者否定波特假说，认为环境规制抑制了技术创新和企业绩效;③环境规制与技术创新之间并没有明显的相关关系，代表性的学者有Conrad和Wast［7］、Alpay［8］等。国内大多数学者支持波特假说，主要代表有王国印、王动［9］，张成［10］，沈能、刘凤朝［11］。

本文研究的主要创新点在于:基于系统角度研究环境规制对技术创新活动的影响。当前多数学者对环境规制影响技术创新的研究只是从单一的角度来考察，即从技术创新活动的投入角度或者产出角度来考察环境规制对技术创新的影响，而实际上，技术创新水平的提升是一个系统的质量概念，单一的R＆D资源投入数量增加或创新产出数量增加都不足以揭示环境规制对技术创新的真实影响情况。另外，当前的研究大多集中在区域层面，而针对行业层面的研究尚不多见。Jorgenson认为，经济增长在不同的部门和行业之间并不相同，因而用总量数据描述经济增长的全貌就有失偏颇，必须从分行业的角度进行核算［12］。鉴于此，本文将从技术创新效率的角度来揭示环境规制对清洁生产型产业技术创新活动质量的影响，并试图通过与全行业样本进行对比分析，以期得到更有针对性的结论。

另外，在分析环境规制对清洁生产型产业技术创新效率影响之前，首先应对清洁生产型产业的划分标准进行界定。本文认为，根据排污强度大小可以将工业细分行业划分为污染密集型产业和清洁生产型产业，这里所指的清洁生产型产业是指那些在生产过程中会直接或间接排放的污染物较少的行业。基于数据可得性以及研究目的的不同，学者们根据排污强度大小对工业的划分标准存在一定差异［13～14］。参照沈能基于排污强度大小对中国工业行业的划分标准［10］，本文界定的清洁生产型产业包括:H1(农副食品加工业)、H2(食品制造业)、H3(饮料制造业)、H4(烟草制品业)、H5(纺织业)、H6(纺织服装、鞋、帽制造业)、H7(皮革、毛皮、羽毛 (绒)及其制品业)、H8(木材加工及木、竹、藤、棕、草制品业)、H9(家具制造业)、H10(印刷业和记录媒介的复制)、H11(文教体育用品制造业)、H12(金属制品业)、H13(通用设备制造业)、H14(专用设备制造业)、H15(交通运输设备制造业)、H16(电气机械及器材制造业)、H17(通信设备、计算机及其他电子设备制造业)、H18(仪器仪表及文化、办公用机械制造业)、H19(工艺品及其他制造业)、H20(水的生产和供应业)共20个细分行业。

近年来，清洁生产型产业的环境规制水平虽均有不同程度的提高，但各行业的环境规制强度存在显著差异 (见图1～图3)。例如，农副食品加工业等行业始终具有较低的环境规制水平，而家具制造业等行业则始终具有较强的环境规制水平。

2 模型构建和数据说明

2.1 模型构建

本文在随机前沿 (SFA)的Battese和Coelli模型的基础上［15］，基于行业视角，运用超越对数的随机前沿分析技术来检验环境规制等因素对中国清洁生产型产业技术创新效率的影响，具体模型构建如下:

图1 2004年行业环境规制强度

图2 2008年行业环境规制强度

图3 2010年行业环境规制强度

式 (1)中，Yit表示中国清洁生产型产业的技术创新产出;Kit和Lit为清洁生产型产业技术创新的资本投入和人力投入，i为工业各细分行业的排列序号，t为时期序号;β0为截距项，β1，β2…，β5为待估参数;误差项εit由两个独立的部分组成，第一部分vit∈iid并服从N(0，σ2v)，第二部分uit∈iid并服从截尾正态分布i，反映那些在第i年作用于i行业的随机因素。

式 (2)中，TEit表示样本中i清洁生产型产业t年度的技术水平，当uit=0、TEit=1时，说明该清洁生产型产业处于技术有效状态，此时该清洁生产型产业的生产点位于生产前沿面上;当uit＞0，0≤TEit＜1时，这种状态为技术非效率，此时该清洁生产型产业的生产点位于生产前沿之下。

式 (3)中，ER为各清洁生产型产业环境规制变量;Xit为影响效率的控制变量，主要包括FS、Mar、Sop、FDI、Pro、SER、ER×ZH和ER×LD。其中FS为各行业的企业规模变量，Mar为各行业的市场化程度变量，Sop为各行业所有制结构变量，FDI为各行业外资依存度变量，Pro为各行业的利润变量，SER为各行业的环境规制政策稳定性变量，ER×ZH和ER×LD分别为环境规制与行业技术密集度、垄断水平等虚拟变量的乘积。

式 (4)中，γ为待估计的参数，表示随机扰动项中技术无效率所占的比率。当γ接近于1时，说明此时该行业创新产业的实际产出与前沿产出之间的差距主要来源于技术非效率所引起的损失;当γ接近于0时，表明此时该行业的实际产出与前沿之间的差距主要来自于统计误差等外部影响因素。如果γ=0，说明所有行业的生产点均位于生产前沿曲线上，此时无需使用SFA方法分析，直接运用OLS方法即可。

2.2 数据和变量说明

2002年前后的工业统计分类中细分行业数量和名称均存在一定区别。鉴于此，本文选取的是中国工业行业2004—2010年的面板数据，在中国工业的39个行业中，由于“其他采矿业”和“废弃资源和废旧材料回收加工业”数据缺失太多，从样本中予以剔除。另外，为了充分揭示环境规制对清洁生产型产业技术创新效率是否存在行业异质性特征，本文从技术密集度、垄断水平两方面引入虚拟变量对是否存在行业差异进行检验。其中，按技术密集度划分，高技术行业是指H13、H14、H15、H16、H17等行业，其他行业为中低技术行业［16］;按行业垄断程度划分，垄断行业包括H4、H20等行业，其他行业均为竞争性行业［17］;本文研究的所有数据来源于《中国统计年鉴》、《中国科技统计年鉴》、《中国工业经济统计年鉴》和《中国能源统计年鉴》。具体变量做如下设定:

(1)Yit为各清洁生产型产业新产品销售收入。有关创新过程的产出，文中选取新产品销售收入作为考核指标，是因为该指标可以全面地反映出创新成果的经济价值和商业化水平，较好地衡量了创新产出。根据工业创新活动的特征及我国统计指标的特点，本文选取行业R＆D人员全时当量和R＆D经费作为衡量清洁生产型产业技术创新活动的人员和经费投入指标。

关于R＆D资本变量的选取，部分学者使用了资本存量数据，也有学者采用流量数据作为测度R＆D效率的资本投入指标。本文之所以采用R＆D流量数据而未用R＆D资本存量数据，原因在于学者们对R＆D资本存量的测算主要采用永续存盘法，但在折旧率的选取上尚存在较大分歧，不同学者测算R＆D效率时选取的折旧率不尽相同，现有研究测算 R＆D效率选取的折旧率有 5%、15%、9.6%、25%等，可见折旧率的选取具有一定的主观性，其差异必然会导致R＆D资本存量的巨大偏差，进而会影响到R＆D效率测算及实证结果的精确性。另外，R＆D资本存量的增长率等于R＆D的增长率的假设是否完全成立还值得商榷。而由于知识的更新速度较快以及知识扩散造成的知识专用性的下降，R＆D存量 (知识存量)的折旧率通常较高，即同期的R＆D支出值约等于R＆D存量，说明了选取R＆D流量数据的合理性。

(2)ER表示环境规制程度。对环境规制严格程度的度量方法较多，可以使用工业污染治理投资额、工业废水排放达标率、环境污染治理投资额等指标来表示。但这些指标都是从一个治理的角度对环境规制进行度量，没有从规制效果的综合视角来度量。Sonia BenKheder用GDP/Energy度量环境规制强度，认为使用这个变量的好处在于它可以度量政府针对环境的一系列规则和条款的真正影响效果［18］。本文认为，GDP/Energy是反应能源消费水平和节能降耗水平的主要指标，反映了各项节能减排政策所取得的真实效果，起到了检验节能减排成效的作用。一般来说，在总产值不变的情况下，能源消费越少，污染排放量也会相应降低，该值越大，说明节能减排效果越明显(单位GDP的绿色能力越强)，也预示着环境规制强度越大。鉴于该指标的优越性，本文选用GDP/Energy来衡量20个清洁生产型产业的环境规制强度，随着这一比值的增加，环境规制程度越严格。

(3)对其他几个控制变量构造做如下设定:企业规模变量 (FS)，用工业各细分行业平均销售收入来衡量;市场化程度变量 (Mar)，被定义为各细分行业非国有经济单位职工人数与职工总数的比值;产权结构 (Sop)，用各细分行业大中型工业企业中国有企业工业总产值占比来衡量;外资依存度变量 (FDI)，被定义为各细分行业大中型工业企业中的三资企业工业总产值的比值;行业利润变量 (Pro)，用各细分行业工业成本费用利润率来反映;环境政策稳定性 (SER)，用各行业环境规制程度的标准差来反映环境规制政策的稳定性;ZH表示行业技术密集度的虚拟变量，如果行业i为高技术行业则取值为1，如果为中低技术行业则取值为0;LD表示行业垄断程度的虚拟变量，如果行业i为垄断性行业则取值为1，如果为竞争性行业则取值为0。

3 实证结果及其分析

超越对数的随机前沿模型虽然形式灵活，但不一定符合拟合样本数据［19］，因此，还需要对超越对数生产函数模型的适宜性进行验证，这里建立了原假设H0，即超越对数生产函数模型中的系数β3、β4、β5均为0，并采用广义似然率统计量对原假设进行检验，广义似然率λ为:

式中，L(H0)和L(H1)分别是前沿模型在零假设H0和备择假设H1下的似然函数值。如果原假设H0被拒绝，则说明与柯布道格拉斯生产函数相比，超越对数生产函数更适合拟合样本数据。

表1 SFA估计结果

基于上述检验方法，本文对不考虑影响因素下的柯布道格拉斯生产函数模型和超越对数型生产函数模型进行了估计。结果发现，L(H0)=31.054，广义似然率L(H0)=16.054，大于相应的5%显著水平下的卡方分布临界值7.8147，故超越对数生产函数更适合拟合样本数据检验。在上述检验的基础上，我们用Frontier4．1程序对公式(1)～(4)进行了估计，为了方便观察包括环境规制变量在内的各解释变量对中国清洁生产型产业技术创新效率的影响，我们逐步把控变量引入到效率解释方程中去，也即分别估计出模型1～7。另外，为了更加深入地反映环境规制与清洁生产型产业技术创新效率的关系，我们还做了以下两方面工作:一是在模型中引入技术密集度、垄断水平等虚拟变量来反映环境规制对情节生产型产业技术效率是否存在行业异质性差异 (模型8);二是以工业全行业样本做了估计 (模型9)，以期通过比较得出更有针对性的结论。

通过比较分析发现，在环境规制及其平方项与各控制变量的估计上，模型1～8的估计系数方向和显著性检验基本一致，只是参数的具体估计数值有所差异，这种差别在实证计量分析中属于可接受的范围。由表1可见，9个模型的σ2和γ均通过了显著水平为1%的检验，表明技术非效率是整个工业以及清洁生产型产业的技术创新产出未达到生产前沿面的重要原因，同时印证了本文采用SFA技术的合理性。为了方便与全行业回归结果进行对比分析，环境规制与清洁生产型产业的技术创新效率的关系基本由模型6展开，而反应其行业异质性差异则由模型8展开。

图4 行业平均技术创新效率

图4 和图5分别绘制了清洁生产型产业的平均技术创新效率和平均环境规制强度的雷达图，可知清洁生产型产业技术创新效率存在较大的行业差异性，交通运输设备制造业等10个行业具有较高的技术创新效率水平，高于样本平均水平，而农副食品加工业、家具制造业等10个行业则具有较低的技术创新效率水平。从样本个体情况来看，环境规制对清洁生产型产业的影响存在明显的异质性特征，主要表现在农副食品加工业、食品制造业、饮料制造业等环境规制水平较低的行业技术创新效率水平较低，而家具制造业、交通运输设备制造业等环境规制水平较低的行业却拥有较高的技术创新效率，充分说明环境规制对清洁生产型产业的影响存在典型的个体化差异。

为了更加清晰地描述环境规制影响下的各清洁生产型产业技术创新活动情况，本文分别以考察期内各行业的环境规制平均水平与技术创新效率的平均水平作为划分标准，将中国清洁生产型产业分为以下四种模式，见表2。

图5 行业平均环境规制强度

表2 环境规制影响下的清洁生产型产业技术创新活动分类

第一类模式为高规制高效率，这类行业虽处在相对严厉的环境规制情况下，但依然具有较高的技术创新效率;第二类模式为高规制低效率，这类行业在相对严厉的环境规制影响下表现出了较低的技术创新效率;第三类模式为低规制低效率，这类行业具有环境规制水平和技术创新效率水平“双低”的特征;第四类模式为低规制高效率，这类行业在较低的环境规制水平下具有较高的技术效率水平。以上表明倘若环境规制对技术创新效率有影响，要提高清洁生产型产业技术创新效率的整体水平，须针对不同行业的具体情况实施差异化的环境规制政策，而不应走进盲目系统提升环境规制强度的陷阱。

图6反映了中国清洁生产型产业技术创新效率与环境规制变异系数的变动趋势情况，可知环境规制水平的变异系数整体呈现明显下降趋势，技术创新效率的变异系数出现了轻微的下降趋势。表明清洁生产型产业环境规制水平和技术创新效率的行业差异均在不断缩小。

根据表1，模型1～9的γ值均接近于1，且LR统计检验在1%的水平下是显著的，说明模型总误差中绝大部分来自技术无效率的影响，而白噪声的影响程度很小。在这一前提下，本文对影响清洁生产型产业技术创新效率的环境规制等各主要参数分析如下:在9个模型中，一次项系数均显著为负，说明环境规制能够提升清洁生产型产业的技术创新效率，即波特假说在中国清洁生产型产业得到了较好的验证。对比模型6与模型9的环境规制系数大小可以发现，相对于全工业行业而言，环境规制对清洁生产型产业技术创新效率的促进作用更为明显。另外，几个模型中环境规制的平方项系数均为正，且均通过显著性检验，这说明随着环境规制强度由弱转强到一定程度时，环境规制强度对整个工业以及清洁生产型产业的技术创新效率均会产生先提高后降低的影响趋势。也就是说，环境规制与清洁生产型产业的技术创新效率存在着显著的“倒U型”关系。通过对清洁生产型产业和全行业的倒U型曲线拐点的比较发现，二者的拐点分别是17.46和11.424，前者具有更高的拐点充分说明了相对于全行业平均水平而言，清洁生产型产业的创新活动对环境规制的适应能力更强。

图6 环境规制与技术创新效率变异系数趋势图

从几个模型中的控制变量来看，每个控制变量对清洁生产型产业技术创新效率的影响方向均与全行业情况一致，只是影响程度和显著性表现出一定程度上的不一致。由此可以得出以下结论:一是企业规模越大，行业技术创新效率水平越高;二是市场化程度有利于工业技术创新效率的提升;三是国有产权比重过高不利于提升行业技术创新效率;四是外资的适度进入显著地促进了工业自主创新能力;五是较高的行业利润水平反而不利于行业技术创新能力的提升，这可能与行业的创新激励下降有关;六是过于稳定的环境政策对行业技术创新水平的改善有着一定的抑制作用。对比全行业情况发现，企业规模和外资投入对清洁生产型产业技术创新效率的促进作用更为明显，国有产权和行业利润水平对清洁生产型产业技术创新效率的抑制作用更小。模型8估计结果表明，环境规制对清洁生产型产业技术创新效率的影响存在较大的行业异质性，ER×ZH、ER×LD均为负，表明随着行业技术密集度的提高，垄断水平的增强、环境规制对清洁生产型产业技术创新效率的作用不断提升，即在技术密集度较高、垄断水平较高的行业，环境规制对清洁生产型产业技术创新效率的促进作用会更加明显。

通过上述分析发现，适度严厉的环境规制强度能够提升清洁生产型产业的技术创新效率，其主要原因是中国工业行业存在一定的波特效应，并且波特效应的出现需要一定的条件［20］，但过于严厉的环境规制强度反而不利于中国清洁生产型产业技术创新效率的提升。

4 结论及政策启示

本文运用20个中国工业细分行业2004—2010年的数据对环境规制等因素影响清洁生产型产业技术创新效率进行了经验分析，得出以下几个主要结论和启示:

(1)环境规制对中国清洁生产型产业技术创新效率有着显著的促进作用，相对于工业整体情况，这种驱动作用更为明显。但环境规制对清洁生产型产业技术创新效率存在典型的个体化差异，对技术密集度较高、垄断水平较高的行业的促进作用会更加明显。另外，过于稳定的环境规制政策不利于清洁生产型产业技术创新效率的提升，说明有效的环境规制政策应该是在充分结合环境规制要求和企业承载力水平情况下，根据实际情况不断地进行动态调整。应适当提高清洁生产型产业的环境规制强度，并且根据不同行业的具体情况实施有针对性的环境规制政策，而不应一味采取某种统一的、固定的规制模式。

(2)环境规制与清洁生产型产业技术创新效率呈现显著的倒U型曲线关系，说明环境规制对清洁生产型产业技术创新效率有着先促进后抑制的影响，即这种促进有“度”的限制，过于严厉的环境规制会对清洁生产型产业技术创新效率产生抑制作用。因此，政府也不可陷入盲目提升环境规制水平的“陷阱”，环境规制政策的制定应充分结合考虑环境保护的要求、行业的异质性以及企业的承载能力，避免过于严厉的环境规制强度对企业创新产生不利影响。

(3)环境规制对清洁生产型产业影响的倒U型曲线拐点水平更高，说明清洁生产型产业在面对政府严厉的环境规制政策时具有更强的适应能力。政府可对清洁生产型产业实施更加严厉的环境规制水平，进一步实现绿色生产和清洁生产，应采取与污染密集型产业有所不同的规制政策，以期有效提高清洁生产型产业的治污技术创新和产品技术创新水平，进而促使其为整个工业的节能减排工程做出更大的贡献，最终实现环境规制与经济增长的“双赢”。

(4)相对于整个工业而言，企业规模和外资投入对清洁生产型产业的促进作用更为明显，国有产权和行业利润水平对清洁生产型产业的抑制作用更小;也就是说，要想进一步提升清洁生产型产业的技术创新效率水平，政府应在培养该领域的大企业数量上下功夫，也须不断提高外资利用水平和深度。应进一步加大国企改革力度，增强国有企业的创新活力也是清洁生产型产业发展应持续关注的问题。另外，企业不应仅仅把目光聚集在利润水平的提升，还要在持续提高自身的创新激励上下功夫。

［1］Porter M．E．．America's green strategy［J］．Scientific Amercian，1991，264(4):1 －5．

［2］Porter ME，Linde C．．Toward a new conception of the environmen-competitiveness relationship［J］．Journal of economic perspectives，1995，9(4):97 －118．

［3］Berman E．，Bui L．T．．Environmental regulation and productivity:evidence from oil refineries［J］．The review of economics and statistic，2001，88(3):498 －510．

［4］Carmen E．，Carrión － Flores，Robert Innes．Environmental innovation and environmental policy:an empirical test of bi-directional effects［J］．Journal of environmental economics and management，2006(5):136 － 172．

［5］Gray W(B．)The cost of regulation:OSHA，EPA and the productivity slowdown［J］．American economic review，1987，77(5):998－1006．

［6］Barbera A．J．，McConnel V(D．)the Impact of environmental regulations on industry productivity:direct and indirect effects［J］．Journal of environmental economics and management，1990，18(1):50 －65．

［7］Conrad K．，Wastl D．．The impact of environmental regulation on productivity in German industries［J］．Empirical economics，1995，20(4):615－633．

［8］Alpay E．，Buccola S．，Kerkvlie J．．Productivity growth and environmental regulation in Mexican and U．S．food manufacturing［J］．American journal of agricultural economics，2002，84(4):887 －901．

［9］王国印，王动．波特假说、环境规制与企业技术创新——对中东部地区的比较分析［J］．中国软科学，2011，(1):100－112．

［10］张成，陆旸，郭路等．环境规制强度和生产技术进步［J］．经济研究，2011，(2):113 －123．

［11］沈能，刘凤朝．高强度的环境规制真能促进技术创新吗?——基于“波特假说”的再检验［J］．中国软科学，2012，(4):49－59．

［12］Jorgenson，Dale W．，Kevin J．．Stiroh．U．S．economic growth at the industry level［J］．American economic review，2000，90:161 －67．

［13］任丽军，尚金城．山东省产业结构的生态合理性评价［J］．地理科学，2005，(4):215－220．

［14］李玲，陶锋．污染密集型产业的绿色全要素生产率及影响因素［J］．经济学家，2011，(12):32－39．

［15］Battese G．E．，Coelli．A model f or technical inefficiency effects in a stochastic production frontier for panel data［J］．Empirical economics，1995，20，325 －332．

［16］王然，燕波，邓伟根．FDI对我国工业自主创新能力的影响及机制:基于产业关联的视角［J］．中国工业经济，2010，(11):16－25．

［17］岳希明，李实，史泰丽．垄断行业高收入问题探讨［J］．中国社会科学，2010，(3):77 －93．

［18］Sonia Ben Kheder，Natalia Zugravu．The pollution haven hypothesis:a geographic economy model in a comparative study，working papers［R］．April 2008．

［19］白俊红，江可申，李婧．应用随机前沿模型评测中国区域研发创新效率［J］．管理世界，2009，(10):51－61．

［20］李小平，卢现，陶小琴．环境规制强度是否影响了中国工业行业的贸易比较优势［J］．世界经济，2012，(4):62－78