基于专利统计的绿色技术创新与环境规制关系研究——以安徽省为例

牟红亮,吴灼亮

安徽财经大学工商管理学院，安徽蚌埠,233030

1 相关研究与提出问题

近年来，雾霾天气、多变气候频繁出现，传统经济快速增长背后的巨大环境代价日益凸显。自十八大提出“五位一体”总体要求以来，生态文明建设被提到了重要地位，环境规制作为生态文明健康持续建设的有力保障，已经上升为国家层面的法律规范[1]。这种背景下我国经济转型升级提上了日程。中部地区是我国的重工业核心地区，发展方式多为粗放式，决定了中部地区经济转型升级对于全国经济成功转型升级的重要性。当前，我国经济正处于转型的关键时期，中部地区要想较快转变经济增长方式，只能寻求技术创新，而绿色技术创新是成为实现资源环境保护与经济转型发展的“双赢”目标，这使得环境规制对绿色技术创新的影响研究有了现实意义和理论价值。从国外来看，美国、欧盟和日本等国家都致力于通过绿色技术创新来持续保持和获取国家核心竞争优势[2]，其中，自2010年10月开始，并于2013年1月正式投入使用的美欧联合开发的CPC分类体系正说明了这点。综上可知，实施环境规制对于引领经济持续健康发展的必要性，以及绿色技术创新对我国经济成功转型升级和参与将来同国际接轨竞争发展的重要性。

近年来，关于环境规制对绿色技术创新的影响成为国内研究关注的热点，实证研究结论也存在差异。王凤祥等以30个省市为样本实证研究了环境规制、民间投资等对绿色技术创新的影响，发现从全国总体来看环境规制对绿色技术创新的影响为负，分地区来看，环境规制对绿色技术创新的影响呈现出很强的地区差异性，中西部的环境规制对绿色技术创新的影响显著而东部不明显[3]。而有更多学者研究得出了与其不一致结论，如张旭等研究发现，加强环境规制和提高研发投入均有助于企业绿色技术创新[4]；岳鸿飞研究认为，市场和行政型环境规制都对绿色技术创新有着促进作用[5]。李国祥等以环境规制为条件，研究OFDI、FDI等对绿色技术创新的影响，发现东部和中部起显著正向影响，西部则不明显[6]。还有部分学者从行业角度研究不同环境规制类型对工业绿色技术创新的影响，也得出不同结论，如胡宗义等研究认为，市场型环境规制起显著的正向影响，行政型规制为负，二者互补[7]；王喜平等认为，市场型环境规制影响呈“U”型，行政型影响也为负，公众参与型环境规制影响显著为正，但作用有局限[8]；王淑英等发现，命令型、公众参与型对绿色产品创新和绿色工艺创新具有显著的正向效应[9]。刘章生等以环境规制强度为门槛量，实证得出了环境规制与工业绿色技术创新的非线性关系，并认为环境规制对绿色技术创新具有 “创新补偿”和 “遵循成本”两个不同方向的效应[10]。姚小剑等通过数理模型推导发现强度维度下环境规制与绿色技术进步之间存在显著“U”型关系，且东部比中西部地区更易突破“U”型曲线的拐点，西部则比中部地区更易突破“U”型曲线的拐点[11]。国外的相关研究也得出了不同结论。Brunnermeier等将环境专利数作为环境规制的测度指标研究美国制造业的环境专利数量与污染治理投资成本之间关系，实证结果表明环境专利数与环境规制强度之间存在一定的正相关关系[12]；REQUATE认为，环境规制强度与企业的绿色技术创新水平呈现正相关关系，并认为市场型环境规制比命令型更有利于绿色技术创新[13]；JENS以德国相关面板数据为研究样本集，利用离散选择模型检验正式环境规制对绿色创新的影响，实证表明正式环境规制工具可触发绿色创新效应，是绿色创新的重要动力[14]；MARIN从环境规制影响机制影响带来的结果角度研究发现，意大利制造业企业在环境规制条件下通过绿色技术创新可以降低成本，间接增加企业利润[15]。与上述学者不同，SINN H W从不同类型环境规制对绿色技术创新作用出发，提出了“绿色悖论”的结论，认为政策型(行政型)环境规制的执行会带来资源的加速开采现象，反而加速温室气体等的排放，即环境规制不能给企业带来应对环保要求的技术创新[16]；LEEUWEN G V通过研究荷兰绿色技术创新证明了“弱”波特假说的存在，但没证实“强”波特假说[17]。

综上，国内外相关研究多数认为环境规制对绿色技术创新起积极正影响，部分学者认为影响不显著或起负影响，且主要基于全国或行业研究，非线性、地区差异性是多数学者得出的一致性结论。现有多数研究采用较宏观面板数据，而针对区域的具体化研究较少，同时，考虑到环境规制往往会对粗放式重工业企业发展产生重大影响。中部地区是我国重工业发展核心地区，也是我国经济转型升级的关键地区，其重工业发展方式多是粗放式生产，安徽省属于其典型省份(工业总产值、重工业占比处于中部平均水平偏上)。基于此，本文以安徽省为例，通过时间序列计量分析，实证研究环境规制对绿色技术创新的影响，并在此基础上提出相关建议。

2 变量选取与模型构建

2.1 选取变量

2.1.1 绿色技术创新(GPA)(被解释变量)

学术界对绿色技术创新相关术语尚未统一[18]。以往文献中多数学者采用绿色技术创新效率作为该变量指标，如胡宗义等[7]；也有学者以绿色专利数来衡量该变量，如李国祥等[19]、王凤祥等[3]，结合国外文献，如Brunnermeier等[12]。本文根据WIPO提供的《国际专利分类绿色清单》进行相应的IPC分类号查找，以每年的发明专利和实用新型专利授权量来代表绿色创新。

2.1.2 环境规制(ER)(核心解释变量)

环境规制变量表示一个地区对其环境的治理投资强度，是对环境最具直接效应的变量。相关文献中该变量指标的选择未形成一致性结论，但大多数学者采用相对数形式来衡量，如王凤祥等以环境污染治理投资占工业增加值比重衡量[3]。崔立志等采用环境污染治理投资占GDP比重来衡量[20]。通过相关文献的对比分析，考虑到数据的可得性、真实性、完整性和代表性，以及研究对象的差异性，本文采用环境污染治理投资总额占GDP比重(%)指标表示。

2.1.3 地区科技整体发展水平(TMT)

地区科技整体发展水平反映了一个地区科技创新活动的大环境，任何活动均受一定的环境背景影响，绿色技术创新也是如此，绿色技术创新作为整个科技创新活动的子集，在其研发、中试、投产的每个环节都需要创新环境的支持[3]。鼓励的创新政策、完善的创新体制、浓厚的创新氛围、先进的创新设备、优秀的创新人才都是有利的创新大环境。我国发达地区积极打造创新城市建设正是为创新创造一个良好的社会大环境。本文通过技术市场成交额(买方)指标TMT来反映地区的科技整体发展水平，按照GDP价格指数进行平减，折算到以1998年为基期的数值。

2.1.4 人才资本(L)

一切社会活动，是人的活动，而人才对于社会活动就显得更为重要，因为其能创造更多的社会财富。绿色技术创新正是人才创造财富的结果，而影响人成为人才的一个核心因素是“教育”，所以受教育程度成为影响绿色技术创新的一个重要变量。这里以劳动者平均受教育年限作为人才资本(L)的衡量变量，代表文献有王凤祥、张伟[5]和王锋正、姜涛等[21]等。本文以平均受教育年限表示，计算公式为HR=P1×6+P2×9+P3×12+P4×16，其中P1、P2、P3、P4分别表示受教育程度为小学、初中、高中、大专及以上人口占6岁及以上总人口比重。

2.1.5 研究与试验发展经费投入强度(R&DS)

技术创新成果是智力、体力和时间结晶，技术创新需要经费投入，研发投入对绿色技术创新有正向作用，且随时间变化不断增强[4]。在当前绝大多数有关文献中，都把研究与试验发展经费投入的绝对额作为自变量，本文认为绝对额的增加往往很难说明该项投入力度的增减情况，不能从“质”上做出对因变量影响的解释。因此，以安徽省每年的研究与试验发展经费支出占GDP比重进行衡量，R&DS=R&D/GDP。

2.1.6 外资参与度(FDI)

改革开放以来，中国的科学技术取得了跨越式发展，其中的一个重要原因源于国外资本与技术的大量涌入[3]。这种资本和技术的涌入为我国绿色技术创新至少带来以下两方面好处：一是外商投资可以在较短时间内弥补国内绿色技术创新的资金缺口；另一个是其所带来的先进技术溢出效应有利于推动当地和国内企业的相关技术进步。该指标成为影响绿色技术创新或技术创新的一个重要变量，相关文献代表有胡雪萍、陶静和张倩等[1，22]。本文以国外和港澳台地区当年实际直接投资额表示外资参与度。

2.1.7 科技活动人员(STP)

多数文献中STP包含于R&D中，也有一些学者将其作为单独变量，如崔立志、许玲和张国勇等[23-24]。STP数来自安徽省统计年鉴中的科技活动基本情况。

2.1.8 资本密集度(K)

由于环境规制对绿色技术创新的影响具有显著的地区差异性，而不同地区在绿色技术创新固定资产投资也存在较大差异，使其成为影响绿色技术创新的重要因素之一，文献中较有代表性的是胡雪萍等[1]，本文采用固定资产投资额与就业人数之比或固定资产完成投资额与就业人数之比来衡量资本密集度，其中，每年的投资额或完成投资额按照GDP价格指数进行平减，折算到以1998年为基期的数值。

2.1.9 经济发展水平(PGDP)

有学者认为，随着人民生活水平的提高，人们会认识或重视到绿色技术创新的重要性，经济发展水平越高，越有利于绿色技术创新。有代表性的文献有李国祥和崔立志等[6，23]。本文以人均GDP表示经济发展水平，数据来自安徽省统计年鉴中的国民经济核算。

2.2 模型构建

β4lnTMT+β5lnL+β6lnFDI+β7lnSTP+β8lnK+

β9lnPGDP+υ

(1)

其中，GPA代表绿色专利授权量，α代表常数项，t代表年份，β1～β9代表各变量影响系数，υ代表随机干扰项。

2.2.1 数据来源

GPA来源于专利信息服务平台，ER数据来源于《环境统计数据》《中国城市建设统计年鉴》和《国家统计年鉴》，TMT数据来源于《安徽省统计年鉴》，L数据来源于《中国教育统计年鉴》和《安徽省统计年鉴》 ，R&DS数据来源于《中国科技统计年鉴》和《国家统计年鉴》 ，其他数据均来自《安徽省统计年鉴》 。

3 实证分析及结果

3.1 变量选取与模型设定

3.1.1 变量选取

利用Eviews 8.0和SPSS 24.0软件分析，在选取变量过程中存在以下情况：

FDI和STP序列在稳定性检验时具有良好平稳性，而被解释变量GPA差分后序列平稳，不符合时间序列回归模型要求；同时，FDI和STP在回归模型中T检验所对应P值始终没法通过(95%的置信水平下)，即其对被解释变量的影响不显著且STP有着较严重共线性问题。

K和PGDP序列同样表现很好的平稳性，而被解释变量GPA差分后序列平稳，不符合时间序列回归模型要求，此外，利用SPSS软件通过方差扩大因子法发现K和PGDP序列的VIF值远大于10，表现出与其他变量存在严重的共线性，其中PGDP共线性最为严重。因此，在模型构建过程中这些变量被剔除，这里由于考虑到文章篇幅问题，没有将具体实证结果罗列。

3.1.2 模型设定

通过4.11统计实证分析，将(1)假设模型设定为如下模型(2)：

(2)

其中，GPA代表绿色专利授权量，α代表常数项，t代表年份，β1～β5代表各变量影响系数，υ代表随机干扰项。

3.2 描述性统计分析

本文运用Eviews 8.0软件对变量进行描述性统计分析，结果如表1所示。

表1 变量的描述性统计

由表1可知，安徽省绿色技术创新水平整体相对较低，均值为4.643，且由于平均变化率大于1，说明总体绿色技术创新水平在持续上升，环境规制强度的平均值只有1.231，说明环境规制强度依然处于较低的水平。从标准差来看，变量均存在显著差异性，波动很明显，表明通过相关变量的调整来促进绿色技术创新水平的提升具有很大潜力，同时反映出该数据适合回归分析。

3.3 平稳性检验

在现实生活中，很多时间序列是非平稳的，而序列的平稳性对于时间序列回归的预测分析有着十分重要的影响，这是因为如果被解释变量和解释变量的关系是十分稳定的，即序列是平稳的，那么根据这样的关系进行的预测就可靠。此外，如果序列是非平稳的或者有些是平稳的，有些是非平稳的，如果直接进行回归，即使回归结果较满意，但往往会导致伪回归问题。最后，如果序列都是非平稳的，且都经过一阶差分或二阶差分后是平稳的，则要进行协整检验，满足条件后进行回归分析。

3.3.1 单位根检验

利用Eviews 8.0软件进行单位根检验，在单位根检验过程中可选择DF、ADF或PP检验，通过三种检验的辅助方程估计与检验结果中的AIC和SC比较，发现ADF检验效果更好，即这里采用ADF检验。其检验结果如表2所示。

表2 各变量平稳性检验结果表

注：C表示有截距项，T表示有趋势项，Δ表示一阶差分，滞后期(L)为默认项。

3.4 协整检验

表3 Johansen协整检验之迹检验结果

注：*表示在5%显著水平下拒绝原假设。

**Mackinnon Haug Michelis提出的临界所得的P值。

表4 Johansen协整检验之最大特征根检验结果

注：*表示在5%显著水平下拒绝原假设。

**Mackinnon Haug Michelis提出的临界所得的P值。

3.5 逐步回归结果及分析

自变量即解释变量的选取是回归模型必须考虑的一个重要问题，这是由于如果解释变量过少，可能会出现重要变量遗漏的问题，进而影响回归效果，同时使得模型的拟合度变差；相反如果解释变量过多，一方面会增大计算量，造成误差的积累，另一方面导致出现多重共线性的可能性加大。这里通过后退和组合逐步回归法进行解释变量的选取，其所得结果一致，具体如表5所示。

`由表5可以看出，决定系数R2为0.990，调整后的决定系数R2为0.986，说明该模型的拟合优度很高，且F统计量所对应的收尾概率P为0，小于0.05，表明了该模型拟合样本的整体效果很好，能对样本变化做出很好的模型解释；AIC、SC和HQC值较小，均小于0.5，D.W统计量所对应的收尾概率P为1.913，通过D.W检验表明该模型残差序列不相关。通过以上分析，利用最小二乘法得到的估计方程为：

(3)

结合式(3)能够发现，安徽省环境规制对绿色技术创新的影响在5%水平上显著为正，其系数为1.780；二次项在5%水平上显著为负，其系数为-0.538，说明安徽省ER对绿色技术创新的一阶滞后影响呈倒“U”型曲线形式。同时，经计算所得拐点值为1.65，其环境规制平均水平为1.23，近几年(2013—2016年)环境规制水平超过了拐点值。从均值看，安徽省环境规制强度处于拐点左侧，对绿色技术创新起促进作用，从个别年份看，环境规制对绿色技术创新起抑制或没有促进作用，这与我国近年来大力提倡的“绿色、环保”产业政策导向有关，中部地区是我国重工业发展的核心地区，大多是粗放式生产，其环境代价较大，适当的环境规制强度能够促进企业进行绿色技术创新，而较大幅度的环保要求，使的这些粗放式重工业企业无法实现“创新补偿”效应，则不会带来相应的绿色创新绩效。此外，TMT、L和R&DS对绿色技术创新起着显著的正向影响，其中L起着十分重要的作用，说明受教育程度的高低严重影响着绿色技术创新水平，也进一步说明了人才是创新的源泉，其次，按影响大小依次是试验R&DS和TMT，当试验发展经费投入强度每增长1%，就能带来绿色专利授权量1.265%的增长，由增加1%技术市场成交额带来的绿色专利授权量将增加0.519%，研发经费的增加和科技整体水平的提升有利于绿色技术创新。

4 结论与建议

4.1 结 论

4.2 建 议

根据研究结论，提出以下建议：

(1)制定适当的环境规制强度。安徽省是中部地区典型省份，其粗放式的重工业生产占较大比例。从分析中可以发现，环境规制平均强度带来的绿色技术创新促进作用没有充分发挥，而受近年来环保政策的导向，环境规制水平超过最佳强度，也没有实现期望。安徽省应制定适当的环境规制，避免“过犹不及”现象，只有这样才能既满足当今时代对于绿色环保投入力度的要求，符合人类社会利益，也才能迎合绿色技术创新水平上升的黄金期，促进绿色科技的发展，因此，应结合自身情况确定适当的环境规制强度，以保证绿色技术创新的最大化发展。

(2)提高教育水平。我国高科技技术领域相比较别的发达国家有较大差距，自主创新能力较低，创新动力不足。今年中美贸易摩擦处处可见高科技短板，在我国实现经济转型的要求中，创新能力显得格外重要，而最好的解决办法是大力发展教育，提高全民的受教育程度，绿色技术的创新同样深受教育水平影响，应加大对教育事业的投入，以提升绿色技术创新水平，为我国顺利实现经济转型，跻身绿色创新强国进行努力。

(3)加大研发投入。绿色技术在我国刚刚起步，相比欧美等国家，在未来一段时间我国政府应在财政许可范围内加大研发投入，同时，应完善研发投入结构，激励企业、个人积极参与。其中，政府投入对象应由原先的科研机构转变为与企业比重或制定某种比例结构，以重视企业在技术创新过程中的作用，同时制定相应的奖励办法，促进绿色技术创新。