环境规制、金融发展与区域创新能力

史安玲，朱万里

(1.2.兰州财经大学 陇桥学院，甘肃 兰州 730101)

一、引言

据《国家创新指数报告(2016～2017)》的数据显示，当今世界国际创新新格局由“三大集团”组成。第一集团为国家创新指数排名前15的欧美等发达国家，第二集团为排名16—30的国家，2016年，中国的排名是第17位，处在第二集团，但和美国、德国、日本等发达国家的创新水平还相去甚远。

近年来，中国开始实施创新驱动发展战略，不断提高基础研究和应用研究的创新能力，技术创新对经济增长的作用日趋增强。但据《中国区域创新能力监测报告2016—2017》资料显示，中国区域创新能力虽有了很大的提高，但区域创新能力不平衡，有明显的区域异质性。探寻影响区域创新能力的影响因素，不断提升各地区区域创新能力，缩小各地区区域创新能力差异，对经济新常态下的中国持续发展有重大意义。

创新驱动发展战略提出以来，学界对区域创新能力做了大量的研究，已有的文献主要集中在：第一，区域创新能力指标体系的构建，学者们主要从创新主体、需求、支撑条件、环境和产出等方面构建评价指标体系[1-2]；第二，区域创新能力评价，学者研究地域主要包括省级层面、综合经济区、某个省市，评价方法涵盖了主成份分析法、时空视角的空间溢出效应分解、动态VIKOR法[3-5]，研究结论表明，不管是省级层面，还是综合区，抑或某个省市，区域创新能力发展不平衡且具有较大的异质性[6-8]；第三，区域创新能力的影响因素，主要研究了制度[9-10]、基础设施、人力资本、技术研发、FDI[11-14]等经济变量对区域创新能力的影响，对各种影响因素的作用机理和影响效应莫衷一是。

随着生态文明理念的提出，学者们开始关注环境规制与创新能力之间的关系。谭德庆和商丽娜[15]选取2005—2015年中国30个省级行政区(西藏和港澳台除外)的面板数据，发现环境规制和全国层面区域绿色创新能力正相关，但东中西差异较大；王锋正和陈方圆[16]以2009—2014年45家重污染行业沪深两市A股上市公司为样本，研究了环境规制对企业绿色技术创新的影响，研究结果表明两者同样存在正向关系；而韩国高[17]、沈能和刘凤朝[18]的研究表明只有环境规制强度跨越特定门槛值后，环境规制才能促进创新能力提升，“波特假说”才成立。越来越多的学者也开始关注金融发展与创新能力：万道侠和胡彬[19]认为金融发展会增加企业的“创新惰性”；徐晓舟和阮珂[20]通过中国31个省市2004—2013年的面板数据也发现金融发展水平与省域创新绩效负相关；钟腾和汪昌云[21]则认为作为金融发展一个指标的股票市场规模的扩大显著地提高了创新能力。

综上可知，学界从指标测度、综合评价、影响因素等视角对区域创新能力做了大量的研究，也有学者研究了环境规制与区域创新能力、金融发展与区域创新能力之间的关系，但得出的结论并不一致。已有的研究成果很好地解释了区域创新能力，但很少有学者同时把环境规制、金融发展放置于同一框架去研究它们对区域创新的影响，研究方法多为传统的计量方法，对环境规制、金融发展和区域创新能力的空间关联度研究不足。因此，文章以2000—2016年中国30个省市的数据为样本，运用空间面板模型，研究三者之间的内在关系和空间效应。

二、研究方法

(一)指标选取与数据来源

1.被解释变量

文章关注的中国各省(区、市)的区域创新能力，学界通常采用新产品开发、R&D经费、专利的申请量、专利的授权量等指标来衡量创新能力。考虑到数据的可得性和科学性，采用各省市专利申请授权量(ppatent)来测度区域创新能力，具体的计算公式是省(区、市)专利申请授权量/省(区、市)年末总人数。

2.解释变量

文章的核心变量是环境规制和金融发展。在环境规制方面，测量主要集中在和环境规制相关的法律法规和行政处罚案件的数量、环境规制部门治污投资占总产值的比重；还有学者从污染排放密度和污染治理能力去考察。结合中国经济发展的实际状况以及统计口径不一致和数据缺失等问题，根据Lanoie，P.，M.& Patry，R.Lajeunesse[22]的做法，文章选用工业污染治理投资总额/GDP来衡量。金融发展的衡量指标通常从三个维度进行：金融规模、金融结构和金融效率，仿照葛鹏飞、黄秀路、徐璋勇[23]的做法，金融规模用银行业存款余额和贷款余额之和与GDP的比重，金融结构用股票市场交易额与GDP的比重，金融效率用资本形成总额与国内储蓄余额的比值来衡量。

在控制变量方面，主要引入和区域创新能力密切相关的外商直接投资、经济增长、市场化程度和地方政府行为等变量。外商直接投资用各省市每年利用外资额占本地区GDP的比重衡量，经济增长用各地区人均实际GDP来表示，市场化程度使用樊纲等[24]计算的市场化指数来衡量，2014年以后缺失的数据，根据韦倩、王安、王杰[25]方法，用非公企业产值比重进行估算，地方政府行为用地方财政支出占地方GDP的比重来衡量。剔除西藏和港澳台地区后，本文数据的时间样本为2000—2016年中国30个省市的面板数据，区域创新数据主要源自国家知识产权统计局网站，其他数据来源于《中国环境统计年鉴》《中国金融统计年鉴》《中国工业统计年鉴》《中国统计年鉴》《中国工业统计年鉴》《中国科技统计年鉴》等统计年鉴，各变量描述性统计和散点图见下页表1和图1。

表1 变量的描述性统计

变量指标样本均值标准差最小值最大值单位人均专利授予量ppatent5105.250711.67450.0065155.358件金融规模finascale510259.402108.10.03813.1%金融结构finastru510104.7257138.95.11251.8%金融效率finaeffic51043.366632.35.8588.0%环境规制enregu5101.24410.60.24.24%外商直接投资FDI5102.812.520.0214.64%人均国内生产总值pgdp5102.7232762.1330.26511.5613万元市场化指数market5106.15891.76492.5310.92分财政支出pfisexp5105.334.800.4726.43%

图1 历年各省市的区域创新能力(1)

由图1可知，不同区域的创新能力差异较大，经济发达的东部沿海地带和京津地区创新能力最强，东部地区其他省市较强，创新能力较弱的省市主要集中在西部地区，尤其是西北某些省区。

(二)计量模型设定与空间权重矩阵

空间面板模型一般分为空间误差模型、空间滞后模型和空间杜宾模型。空间滞后模型和空间误差模型的一般化形式是空间杜宾模型，通常认为，空间杜宾模型优于其他模型，因此，本文先把计量模型设定为空间杜宾模型：

lnppatentn=ψWlnppatentn+αEn+Xβ+DXitθ+ui+γt+εit

(1)

其中，ppatent为区域创新能力，ψ为空间系数矩阵，矩阵X是包含环境规制、金融规模、金融结构、金融效率、外商直接投资、人均国内生产总值、市场化程度和财政支持等解释变量的矩阵。W为空间权重矩阵，En为单位矩阵，DXitθ为解释变量的空间滞后，β、φ为相应的待估系数矩阵，ui表示空间效应，γi表示时间效应，εit是满足白噪声条件的随机干扰项。由于变量之间统计口径和单位不一致，为了统一量纲，本文将绝对数据调整为相对数据，对被解释变量人均专利申请授权量和解释变量人均国内生产总值取自然对数。

(三)空间自相关检验

首先检验经济变量之间是否存在空间关联性。目前学界一般采用的方法是莫兰指数I，其计算公式是：

(2)

莫兰指数的值域为[-1，1]，取值为正，表明变量间存在正的自相关，反之为负的空间自相关。高值与高值集聚、低值与低值集聚就是正的空间自相关；负空间自相关表示高低集聚。由于经济变量的共同趋势，正的空间自相关比较常见。表2报告了各变量2000—2016年的莫兰检验结果。

表2 各变量Moran’s I检验

年份lnppatentfinascalefinastrufinaefficenreguFDIpgdpmarketpfisexp20000.187∗∗(2.209)0.322∗∗∗(3.430)0.381∗∗∗(3.425)0.351∗∗∗(3.615)0.373∗∗∗(3.647)0.311∗∗∗(3.175)0.373∗∗∗(3.648)0.371∗∗∗(3.645)0.331∗∗∗(3.245)20010.305∗∗∗(3.254)0.325∗∗∗(3.351)0.315∗∗∗(3.374)0.361∗∗∗(3.701)0.365∗∗∗(3.613)0.285∗∗∗(2.990)0.365∗∗∗(3.601)0.367∗∗∗(3.603)0.353∗∗∗(3.521)20020.271∗∗∗(2.956)0.314∗∗∗(3.231)0.317∗∗∗(3.389)0.362∗∗∗(3.726)0.364∗∗∗(3.598)0.272∗∗∗(2.934)0.361∗∗∗(3.556)0.362∗∗∗(3.566)0.369∗∗∗(3.571)20030.236∗∗∗(2.432)0.301∗∗∗(3.081)0.313∗∗∗(3.371)0.393∗∗∗(3.846)0.393∗∗∗(3.862)0.425∗∗∗(4.131)0.393∗∗∗(3.876)0.391∗∗∗(3.826)0.388∗∗∗(3.756)20040.151∗(1.709)0.293∗∗∗(3.135)0.307∗∗∗(3.211)0.389∗∗∗(3.794)0.399∗∗∗(4.094)0.445∗∗∗(4.333)0.399∗∗∗(3.991)0.389∗∗∗(3.794)0.377∗∗∗(3.544)20050.176∗(1.972)0.295∗∗∗(3.095)0.387∗∗∗(3.661)0.434∗∗∗(4.198)0.430∗∗∗(4.158)0.479∗∗∗(4.547)0.435∗∗∗(4.189)0.432∗∗∗(4.178)0.331∗∗∗(3.278)20060.222∗∗(2.397)0.303∗∗∗(3.277)0.316∗∗∗(3.388)0.420∗∗∗(4.111)0.420∗∗∗(4.120)0.318∗∗∗(3.230)0.422∗∗∗(4.115)0.424∗∗∗(4.110)0.411∗∗∗(4.007)20070.241∗∗(2.476)0.341∗∗∗(3.422)0.343∗∗∗(3.516)0.468∗∗∗(4.452)0.469∗∗∗(4.512)0.369∗∗∗(3.653)0.468∗∗∗(4.512)0.466∗∗∗(4.492)0.399∗∗∗(4.012)20080.272∗∗(2.966)0.308∗∗∗(3.379)0.319∗∗∗(3.399)0.424∗∗∗(4.112)0.427∗∗∗(4.182)0.261∗∗∗(2.552)0.421∗∗∗(4.112)0.425∗∗∗(4.102)0.407∗∗∗(4.032)20090.267∗∗(2.928)0.310∗∗∗(3.379)0.325∗∗∗(3.427)0.435∗∗∗(4.182)0.438∗∗∗(4.259)0.191∗∗(2.067)0.436∗∗∗(4.202)0.430∗∗∗(4.152)0.423∗∗∗(4.101)20100.279∗∗∗(2.992)0.288∗∗∗(3.327)0.288∗∗∗(3.021)0.447∗∗∗(4.371)0.440∗∗∗(4.312)0.222∗∗(2.454)0.447∗∗∗(4.312)0.445∗∗∗(4.302)0.446∗∗∗(4.312)20110.291∗∗∗(3.180)0.314∗∗∗(3.376)0.310∗∗∗(3.039)0.469∗∗∗(4.507)0.467∗∗∗(4.427)0.207∗∗(2.450)0.469∗∗∗(4.527)0.466∗∗∗(4.497)0.459∗∗∗(4.395)20120.296∗∗∗(3.171)0.281∗∗∗(2.960)0.399∗∗∗(4.061)0.425∗∗∗(4.162)0.426∗∗∗(4.128)0.226∗∗(2.704)0.420∗∗∗(4.131)0.423∗∗∗(4.121)0.406∗∗∗(4.022)20130.229∗∗∗(2.480)0.245∗∗∗(2.748)0.345∗∗∗(3.752)0.413∗∗∗(4.119)0.417∗∗∗(4.110)0.215∗∗(2.393)0.419∗∗∗(4.094)0.412∗∗∗(4.014)0.385∗∗∗(3.713)20140.275∗∗∗(3.150)0.269∗∗∗(2.819)0.372∗∗∗(3.815)0.457∗∗∗(4.395)0.455∗∗∗(4.392)0.179∗(2.100)0.456∗∗∗(4.409)0.454∗∗∗(4.389)0.419∗∗∗(4.185)20150.297∗∗∗(3.243)0.254∗∗∗(2.793)0.355∗∗∗(3.604)0.407∗∗∗(4.020)0.405∗∗∗(3.958)0.178∗∗(2.051)0.409∗∗∗(3.998)0.407∗∗∗(3.970)0.410∗∗∗(4.073)20160.307∗∗∗(3.543)0.260∗∗∗(2.703)0.367∗∗∗(3.808)0.415∗∗∗(4.175)0.416∗∗∗(4.102)0.228∗∗(2.753)0.410∗∗∗(4.017)0.411∗∗∗(4.070)0.414∗∗∗(4.172)

注：***、**、*分别表示在1%、5%、10%显著性水平下通过检验，括号里是莫兰检验的z统计量值。

表2每一行上方的数字是莫兰指数I的检验值，下方括号里的数据为标准化后Z统计量的值，检验结果表明，2000—2016年间，在10%的显著性水平下，所有变量都是显著的。莫兰指数的值大于零，为正的空间自相关，具体看，区域创新能力除了2000年和2004年在5%和10%的显著性水平下通过了检验，其余年份全部在1%的显著性水平下通过检验，表明被解释变量的空间关联性较强。核心解释变量金融发展和环境规制都在1%的显著性水平下通过检验，控制变量FDI、人均国内生产总值、市场化程度和财政支持的莫兰检验值也较高。因此，面板数据的模型形式为空间面板模型。下文将对空间面板模型的具体形式作出检验。

三、实证结果分析

(一)模型回归结果

经检验，最佳的模型形式为固定效应下的空间杜宾模型，时间固定效应、空间固定效应和时间空间固定效应的R2、LogL和σ2的值显示，时间固定效应R2和LogL最大，表明拟合程度最高，σ2最小，表明模型精确度最高，因此文章只报告时间固定效应下检验结果。为了保证结论的稳健性，文章分别报告了邻接权重矩阵、地理距离权重矩阵和经济距离矩阵下的实证结果，表3报告了金融规模作为核心解释变量的回归结果(2)。

表3 金融规模作为核心解释变量的回归结果

变量名邻接权证矩阵地理距离权重矩阵经济距离权重矩阵finascale0.1022432∗∗0.0428071∗∗∗0.0335016∗∗∗enregu-0.0574917-0.0208975-0.0222619FDI-2.911655∗-2.781115∗-1.390251∗ln(pgdp)0.932895∗∗∗0.5575019∗∗∗0.7994401∗∗∗maket0.6374749∗∗∗0.5844831∗∗∗0.5316938∗∗∗ln(pfisexp)1.55387∗∗∗1.221734∗∗∗1.471022∗∗∗W′finascale0.048869∗0.0397484∗0.2701225∗W′enreug0.17462230.40685710.2832169W′FDI-1.394949-0.860090.2808525W′ln(pgdp)-0.2301487∗∗-1.522758∗∗-1.362847∗∗W′maket-0.2058512∗∗∗-0.1833652∗∗-0.2216818∗∗∗W′ln(pfisexp)-0.058843∗-0.8659744∗-2.194477∗∗R20.86000.80460.8338σ21.0401211.0775381.054699LOGL691.5799700.7819689.2153

表3的结果显示，不同的三种权重矩阵下，金融规模至少在5%的显著性水平下与区域创新能力呈正相关，具体看，金融规模每提高1%，区域创新能力会提升0.03%-0.1%，从具体实证结果看，金融发展虽正向作用于区域创新能力，但对区域创新能力的影响较小；环境规制在不同的权重矩阵下，对区域创新能力的影响都是负的，表明环境规制不利于区域创新能力的提升，但影响系数均不显著，表明“波特假说”在中国省级层面并未出现。

在控制变量方面，外商直接投资显著地抑制了该地区的区域创新能力，原因是大多省市吸引外资的目的仅仅是为了本地的经济增长，很少有创新导向。人均GDP显著地促进了区域创新能力提高，这是由于一个地区的经济越发达，越有能力进行技术研发，为创新能力的提升提供了坚实的物质基础。市场化程度的提升也有利于区域创新能力提升，资源配置的合理化强化了区域创新能力。同样的，财政支持也是区域创新能力的正向变量，财政支持力度越大，区域创新能力越强。

自变量外生交互效应方面，金融规模对区域创新能力影响为正，且通过了显著性检验，表明其他地区金融发展程度提高有利于本地区创新能力提升。金融发展具有很强的溢出效应和“示范效应”，其他地区金融规模扩大、金融结构优化、金融效率提高会倒逼本地区也提高金融发展程度，进而促进了创新能力的提高。环境规制的系数也为正，表明周边地区的环境规制强度越大，越能促使它们的物质资本和人力资本等要素流向本地区，加快了本地区创新能力的提升步伐，但该系数同样不显著。在控制变量方面，人均GDP的系数为负，表明其他地区经济越发达，越抑制本地区创新能力提升，原因是地区间经济发展进程中存在资源竞争，其他地区为了经济增长“抢占”了本地区的资源，负向作用于其创新能力。市场化程度的交互项系数为负，表明周边地区市场化程度的提高降低了本地区的创新能力。一个可能的原因是周边地区市场化程度越高，市场化制度安排越高效，就会吸引本地区优秀的人才流入周边地区。财政支持的系数同样为负，其作用机理和经济增长相似，不再赘述。另一个控制变量FDI的影响系数不显著。

(二)模型效应分解

为了区分解释变量对被解释变量具体的影响效应，有必要进行效应分解，仿照学界的通常做法，把不同解释变量影响效应分解为直接效应、间接效应和总效应。本地区各解释变量对被解释变量的影响是直接效应，本地区解释变量对周边地区被解释变量的影响为间接效应，总效应=直接效应+间接效应，实证结果如下页表4所示。

表4 直接效应、间接效应和总效应

邻接矩阵下的回归结果finascaleenreguFDIln(pgdp)maketln(pfisexp)直接效应0.101549∗∗-0.0519483-3.035772∗0.9069965∗∗∗0.6534841∗∗∗1.546024∗∗∗间接效应0.0548303∗0.00961311.555822-0.0882202∗-0.2766114∗-0.1546602∗总效应0.156379∗∗∗-0.004234-1.47995∗∗0.818776∗∗∗0.376873∗∗∗1.391364∗∗∗地理距离矩阵下的回归结果finascaleenreguFDIln(pgdp)maketln(pfisexp)直接效应0.0382015∗∗-0.4117445-3.56939∗0.4627391∗∗∗0.6103047∗∗∗1.180384∗∗∗间接效应0.0239796∗0.32304655.4244∗-0.146148∗∗-0.3096224∗-0.4355372∗∗总效应0.062181∗∗∗-0.08871.85501∗0.316591∗∗∗0.300682∗∗∗0.744847∗∗∗经济权重矩阵下的回归结果finascaleenreguFDIln(pgdp)maketln(pfisexp)直接效应0.0420641∗∗∗-0.0342452-1.326124∗0.8399461∗∗∗0.5316077∗∗∗1.559792∗∗∗间接效应0.2413891∗0.02312290.1969014-0.275486∗∗∗-0.0856279∗-0.140734∗∗∗总效应0.283453∗∗∗-0.01112-1.12922∗0.56446∗∗∗0.617236∗∗∗1.419058∗∗∗

注：由于金融结构和金融效率的实证结果和金融规模相似，表中只报告了金融规模的实证结果。

从表4可知，三种不同的权重矩阵下直接效应、间接效应和总效应实证结果大致相似。以邻接权重矩阵为例，从总效应看，金融发展与区域创新能力正相关，环境规制的总效应为负，但不显著，控制变量FDI、人均GDP、市场化程度和财政支持都提升了区域创新能力。直接效应方面，金融发展显著促进了本地区区域创新能力的提高，但环境规制的效应不显著，FDI抑制区域创新能力，其他的控制变量都促进了本地区区域创新能力的提高。在间接效应方面，在10%的显著性水平下，本地金融发展有利于其他地区的创新能力提高，环境规制和FDI的影响效应不显著，其他变量都显著地提升了周边地区的创新能力。

四、结论与建议

利用2000—2016年中国30个省市的面板数据实证研究了环境规制、金融发展对区域创新能力的影响。首先就指标选取和数据来源进行阐释，然后做计量模型选择检验，最后采用空间杜宾模型对经济变量做回归分析和效应分解。研究结果表明：第一，环境规制、金融发展和区域创新能力之间存在空间关联性，应采用空间杜宾模型；第二，核心解释变量方面，环境规制对区域创新能力有负向影响，但回归系数不显著，“波特假说”在中国省际层面并未出现。金融发展显著地提升了本地区和周边地区的区域创新能力，但整体的助推效应较小；第三，控制变量方面，FDI不利于本地区区域创新能力的提升，对周边地区区域创新能力的影响不显著，经济增长、市场化程度和财政支持都显著地提升了本地区的创新能力，但抑制周边地区的区域创新能力。

结合以上，提出如下建议：第一，环境规制部门应准确解读中央关于的环保和生态文明方面的政策性文件，保证环境保护制度高效实施和路径的延续性，企业部门应不断适应经济发展新常态，注重节能环保技术的研发与利用，倒逼自身生产结构的转型优化升级；第二，金融部门应加大对技术研发和技术创新的支持力度，优化金融资源的投放领域，逐步引导资金流向低污染、低能耗、低排放等部门，对创新驱动实施金融倾斜；第三，注意引进外资的途径和创新导向，不断提高市场化程度，加强财政对区域创新的支持力度，各部门合力践行创新驱动发展战略。

[注释]

(1) 注：1-30分别代表中国除港澳台和西藏自治区以外的三十个省市，省市顺序排列均按照学界通用标准。

(2) 由于衡量金融发展的三个指标：金融规模、金融结构和金融效率实证结果相似，金融机构和金融效率不再报告，若需，备索。