政策组合对中国光伏企业创新绩效的影响

张永安,关永娟

(北京工业大学 经济管理学院,北京 100124)

能源短缺与环境污染是制约经济可持续发展的关键,因此清洁能源的开发与利用逐渐成为各国关注的焦点[1]。太阳能光伏发电作为成本低、潜力大的一种清洁能源发展迅速,在促进能源结构调整和推进经济的可持续发展方面发挥重要作用。截至2019年底,中国光伏总装机容量已达到20 430 万k W,其迅速崛起对全球光伏产业发展产生深远影响[2],但产业规模快速发展的同时也呈现盈利能力较弱、产能利用率出现分化等特点[3],面对一系列发展问题,亟需提升光伏企业创新能力以实现创新驱动发展的战略[4]。

研究发现,提升企业创新绩效、推进可持续发展需要更广泛的政策组合,以引导企业成为科技创新主体,逐步形成推进自主创新的政策合力。政策组合主要指不同政策间相互作用以加强对单个政策的影响[5],这种影响呈现不同特征：一方面,政策工具正向协同效应促进企业实现长期发展的目标[6]；另一方面,政策工具负向协同效应引起学者的广泛关注[7-8]。尽管对政策组合有一定的研究,但都以概念性研究、国家层面比较研究等为主[9],运用实证方法分析政策组合对企业创新绩效的影响不多[10-11],且主要集中在同一类别政策范围内[12-13],但何种政策组合能够有效促进光伏企业的创新绩效,尚属未知。

光伏发电是清洁高效的可再生能源,与传统能源行业相比,太阳能光伏产业呈现培育周期长、研发投入高、研发风险大、外部性强等特点,受这些特点影响,光伏企业仅依靠市场驱动很难跨过初创阶段与传统能源产业抗衡。因此,光伏企业发展亟需政府政策支持。政策影响具有产业差异性,政策对光伏产业的影响要明显高于其他行业。为促进光伏产业健康发展,政府持续出台一系列政策,其中扶持性创新政策发挥了重要作用,但同时光伏产品在生产、使用及废弃过程中对环境造成严重的危害又亟需政府高度关注,并采用环境规制政策加以制约,政府通过不断提高环境规制强度,迫使相关企业改善其对环境的污染行为,以促进光伏产业真正实现绿色发展,故本文针对光伏企业进行研究更具现实意义。环境管制政策如何影响企业的创新绩效? 政府补助是否能促进企业从创新数量的提高转向创新质量的提升? 两种政策同时实施又会对企业创新绩效产生怎样的影响? 政府的作用到底是促进了光伏企业量的扩张还是质的提升?

为回答上述问题,本文基于政策组合视角,挖掘创新政策与环境政策及其组合对企业创新绩效的影响机理,以期为光伏企业实现降污增效提供决策依据,并为政府进一步完善创新政策和环境政策提供理论参考。

本文的创新之处在于：①研究视角基于政策组合,探究扶持性创新政策与管制性环境政策对企业创新绩效的影响；②研究内容不同于现有文献,本文从创新数量与创新质量两个维度评价创新绩效；③研究方法基于面板门槛回归模型,从非线性视角研究政策组合作用效果,丰富了研究结论；④研究样本数据选取方面,立足于微观层面光伏企业数据,实证检验政府创新政策和环境政策及其组合对企业创新绩效的影响。

1 文献回顾

1.1 政策组合研究

政策组合是目前政策研究领域的热点问题,但已有研究对政策组合概念尚未形成定论,Flanagan等[14]和Rogge等[15]从政策制定、政策实施、政策计划、政策工具以及政策目标等方面构建创新政策组合框架。政策通常由不同级别的政府决策者进行设计和实施[16],Dragana等[17]的研究结果表明,不同级别的政府补贴组合有利于企业研发投入的增加,但对企业创新绩效的影响并不显著；Ossenbrink等[18]提出了自下而上以及自上而下两种不同的分析框架用以分析复杂的政策组合；Lanahan等[19]研究了动态环境下多层次创新政策组合,考虑了不同政府层级以及同一层级政府间多层次创新政策组合的响应方式。也有学者在研究过程中关注到了政策组合的动态性,Huang[20]的研究结果表明,不同层级的政策组合模式由简单的单向模式向更为复杂的双向模式过渡,决策者要重视政策组合的动态性和协同进化性；Montmartin 等[21]从不同区域内政策之间的相互作用角度,研究政策组合的效果。

目前所知,已有研究较多地探讨了不同治理层级的政策组合作用效果,部分文献涉及到政策组合作用区域以及政策组合的动态性,但现有文献鲜见对于不同类别政策组合的研究,缺乏完整的分析框架来确定行之有效的政策组合。

1.2 创新政策、环境政策及其组合对创新绩效的影响

考虑到创新具有较强的外部性及较高的风险,政府某种程度上成为推动企业创新的重要力量。政府补助作为政府推动创新的重要创新政策工具,被各级政府广泛采用,但对其有效性的争论尚未结束。魏长升等[22]和Lee等[23]认为政府补助能够有效降低企业创新风险,进而显著促进企业创新投入的增加,且政府补助对企业创新绩效促进作用明显；但吕久琴等[24]认为政府补助对企业创新投入及产出具有负向影响。另外,有研究结果表明,政府补助对企业创新绩效的影响具有非线性特征[25-26]。

对于环境规制与企业创新绩效之间的关系主要有如下3种观点：①基于波特假说提出的规制-创新-绩效的基本逻辑,环境规制对企业创新绩效具有正向激励作用。设计合理的环境政策能减少污染,提高区域生产率[27-28],促进企业创新绩效的提升[29]。②基于新古典经济学中制约假说理论,环境规制在一定程度上增加了企业成本费用,抑制了企业创新投入,从而降低了企业的创新绩效[30]。③基于不确定性假说理论,提出由于行业不同和企业差异等因素的影响,环境规制与企业创新绩效之间的关系呈现非线性或相关关系不显著的特征。文献[31-32]中的研究均证实了上述观点。

政策组合效果的研究是当前政策科学研究的重点,部分学者关注到政策组合的内涵[14-15],及政策组合特征对企业创新绩效的影响[33],但如何确定有效的政策组合,学术届尚未达成共识。政策组合具有协同效应,具体表现为正协同[34-35]、负协同[36-37]以及无协同[38],政府补助与环境规制政策组合效果还未有实证检验。

由于学者选取的样本及市场环境差异等因素,对政府补助、环境规制与创新绩效之间的关系尚未形成一致的结论。并且,在对创新绩效的研究方面未延伸到创新数量与创新质量,已有研究结论多集中于线性效应的视角,实际上,政府补助、环境规制对创新数量以及创新质量的影响并非简单的线性关系。

综上所述,本文利用中国上市光伏企业面板数据探究创新政策与环境政策组合效果,进一步运用面板门槛回归技术研究政府补助、环境规制对企业创新数量以及创新质量的非线性影响效应。

2 研究设计

采用两步回归法,首先,基于基础面板回归模型,实证分析创新政策与环境政策组合对光伏企业创新绩效的影响；其次,进一步建立面板门槛回归模型[39],分别以环境规制和政府补助作为门槛变量,考察环境规制、政府补助与创新绩效之间的非线性关系。

2.1 面板回归模型

选用面板回归模型为基础模型,分别以创新数量和创新质量作为被解释变量,以政府补助、环境规制以及两者的交互项作为解释变量。具体数学模型为：

式中：i为企业；t为时间；INnumit表示创新数量；INquait表示创新质量；Subit表示政府补助；EIit表示环境规制强度；Controlsit是控制变量,主要包括省市规模(Scale)、盈利能力(Prof)、企业杠杆(Lev)、人口素质(Quality)和企业成长性(Grow)。

2.2 面板门槛回归模型

前文通过面板回归模型初步判断政府补助、环境规制对创新数量和创新质量的影响关系,本部分进一步判断这种影响是不是一成不变的,是线性影响还是非线性影响,并运用门槛回归技术进行检验。具体模型为：

式中：γ1,γ1,…,γn为待估的门槛值；I(·)是指标函数,其取值依据为括号内表达式,若表达式为真则值为1,若表达式为假则值为0；其余变量含义同模型式(1)。

2.3 数据来源与变量定义

选取2015～2019年中国光伏A 股上市企业作为研究对象,并按如下原则对样本初始数据进行筛选：①剔除所有ST、*ST 类企业；②剔除环保投入等数据缺失严重企业,③剔除具有明显异常值数据企业；④剔除有重大违规行为的企业样本。最终获得138家企业,690个观察值。

本文数据来自万得、CCER 数据库、巨潮资讯网及相关企业网站。选取上市公司作为研究样本主要原因在于其财务状况的公开性、全面性,以及数据的准确性和完备性。数据分析使用Stata14.0软件。

(1)被解释变量。创新绩效,从创新数量和创新质量两个维度进行度量。创新数量代表创新的规模,采用新产品销售收入进行测量[40]；创新质量代表创新水平,采用发明专利数量与专利申请数量比值进行度量[41]。

(2)门槛变量。本文门槛变量为政府补助和环境规制。其中,政府补助数据来自万得数据库,环保投入数据一部分来自万得数据库以及CCER 数据库,另一部分数据分别来自企业官网及公司年报中手工搜集整理获得。考虑到企业规模的不同,其所获得的政府补助以及其对环保的投入存在差异,故本文创新政策采用政府补助与资产总额占比表示,环境政策采用环保投入与资产总额比值表示,比值越大,表示环境规制强度越大。

(3)控制变量。创新绩效水平除受政策变量影响外,还受企业自身因素的影响,参考已有的研究成果,引入如下控制变量：企业规模,考虑规模不同创新数量和质量都会受到影响,用企业资产总额表示；盈利能力,考虑企业盈利能力会直接影响企业创新活动,采用利润总额与资产平均总额比值来衡量；企业杠杆,以负债总额占资产总额的比重进行衡量；人口素质,考虑人是促进创新的决定性因素,引入人口素质控制变量,采用研发人员与员工总数比值来衡量；企业成长性,采用营业收入成长率表示。

为缓解异方差带来的影响,对上述变量中的所有绝对量均取对数。变量说明如表1所示。

表1 变量说明及定义

2.4 描述统计分析

表2给出了模型中各变量的描述性统计信息。由表2数据可以看出：在报告期内所有企业均获得了政府资助,这与光伏企业受到政府较大的关注与扶持现状相符,但极差很大,表明光伏企业之间获得政府补助的差别比较大；样本企业环境规制强度均值较低,说明目前政府对光伏企业环境制约程度普遍较低；光伏企业创新数量最大值为23.711,平均值为21.610,说明创新数量较高,且创新数量差别不大；但创新质量最大值为2.672,均值为0.991,均值较低,说明总体创新质量水平较低,且极差较大。这表明,光伏企业之间创新质量水平差异很大。

表2 主要变量描述性统计结果

3 实证结果

3.1 面板数据回归结果

模型的确定方法,首先进行Chow 检验,检验结果p≤0.01,拒绝原假设,表明本研究内容不宜选用混合模型；下一步进行Husman检验,结果依然拒绝原假设,意味着本文不宜选用随机效应模型,故采用固定效应模型进行实证分析。鉴于本文是研究创新政策与环境政策及其组合对创新绩效的影响,政策类因素具有明显的随时间变化趋势,故研究模型确定为时间固定效应模型,表3所示为回归结果。

表3 政府补助、环境规制与创新绩效的回归结果

由表3可以看出,政府补助对创新数量和创新质量的回归系数分别为0.103(p≤0.05)和0.138,这意味着政府补助显著促进了光伏企业创新数量的增长,对创新质量虽表现为正向促进作用,但未通过统计检验。环境规制对创新数量为正向促进作用,但统计上不显著,其对创新质量表现为显著正向促进作用。从两者交互项来看,创新政策与环境政策的交互项对创新数量的回归系数为0.184,且通过了统计检验,两者组合正协同效应显著；对创新质量的影响系数为-0.476,且通过了显著性检验,两者组合负协同效应显著,意味着两者组合在创新的不同阶段组合效果具有显著异质性。在创新数量积累阶段,能够显著促进创新数量的提高,正协同效应显著；在创新质量提升阶段,显著抑制创新质量的提升,负协同效应显著。

3.2 门槛效应实证结果及分析

前文已经验证得出创新政策、环境政策及其组合对创新绩效的影响作用,本部分进一步利用面板门槛回归模型检验这种影响作用是线性的还是非线性的。根据Hansen的研究思路,应用面板门槛回归模型需要两个方面的检验,一是检验变量是否存在门槛效应,二是检验门槛估计值的真实性。检验结果如表4、5所示。

表4是采用Bootstrap方法反复抽样300次得到的结果。表4数据显示,模型(3)～(5)和模型(7)的单门槛和双门槛均显著,三门槛效应不显著,模型(6)、(8)均不存在门槛效应,故模型(3)～(5)和模型(7)均采用双门槛模型分析。表5为门槛值估计结果及相应的置信区间。由表5数据可知,模型(3)的两个门槛值为2.742和2.749,模型(4)的两个门槛值为3.036和3.043,模型(5)的两个门槛值为3.035和3.041,模型(7)的两个门槛值为2.958和3.065。

表4 门槛效果检验

表5 门槛值及置信区间估计

表6所示为门槛回归结果。由表5、6的结果可见,创新政策对创新质量、创新政策与环境政策组合对创新质量不存在门槛效应,但环境政策与创新政策及其组合对创新数量的影响、环境政策对创新质量的影响并非简单的线性关系,而是存在复杂的非线性关系。

表6 双门槛模型估计结果

(1)政府补助对创新数量有着正向的非线性影响,且这种正向影响呈现倒U 型特征。具体体现在：当政府补助强度小于2.742时,其对创新质量影响系数为0.401,且通过了显著性检验；当政府补助强度大于2.742小于2.749时,其对创新数量影响系数最大且显著为正,说明其对创新数量的促进作用达到最大值；当政府补助强度大于2.749时,其对创新数量的促进作用明显降低,影响系数为0.34,且通过了统计检验。

(2)环境规制对创新数量的影响呈现正向的非线性效应,且具有边际效率递减特征。当环境规制水平低于3.036时,其对创新数量的促进作用最大,且通过显著性检验；当环境规制水平大于3.036小于3.043 时,其对创新数量的促进作用减小,且在5%的置信水平下显著；当环境规制水平大于3.043时,其对创新数量的影响开始不显著。这说明,环境规制水平并不是越高越好,存在边际效率递减效应。

(3)在环境规制强度存在差异时,政府补助对创新数量的影响呈现U 型的非线性关系。当环境规制强度低于3.035时,影响系数显著为负,说明在环境规制强度第一门槛内,政府补助对创新质量表现为显著的负向效应；当环境规制强度高于3.035低于3.041时,影响系数为-0.885,且通过统计检验,表明在环境规制强度第二门槛内,政府补助对创新数量的负向促进作用明显降低；当环境规制强度高于3.041时,影响系数为0.210,且通过了显著性检验,说明政府补助对创新数量表现出显著的正向促进效应。这说明,当环境规制强度发生变化时,政府补助对创新数量的影响随着环境规制强度的变化而变化,环境规制强度逐渐升高,政府补助对创新数量呈现先抑制后促进的作用。

(4)环境规制对创新质量有着显著的倒U 型特征。当环境规制水平低于2.958时,其对创新质量具有显著正向促进作用；当环境规制水平大于2.958小于3.065时,其对创新质量的正向促进作用达到最大,且在1%的置信水平下显著；当环境规制水平高于3.065时,其对创新质量的促进作用明显降低,且通过了统计检验。

4 结论

政府在推动企业创新发展过程中一直发挥着重要作用。基于2015～2019年中国138家光伏企业的面板数据,运用面板固定效应回归模型以及面板门槛回归模型,本文研究了创新政策与环境政策组合对企业创新数量以及创新质量的影响。首先运用面板固定效应模型进行估计,得出如下研究结论：对于中国光伏企业而言,政府补助显著促进其创新数量的提高,环境规制显著促进创新质量的提升,环境规制对创新数量与政府补助对创新质量的影响均未通过显著性检验,但两者组合对创新数量表现为显著促进,但对创新质量为显著抑制。面板门槛回归模型结果表明：政府补助对创新数量有着正向的非线性影响,且这种正向影响呈现倒U 型特征；环境规制与创新数量之间存在正向的非线性关系,且这种正向影响呈现边际效率递减特征,环境规制对创新质量的影响存在显著的倒U 型特征；当环境规制强度存在差异时,政府补助对创新数量的影响呈现U 型的非线性关系。

依据本文的研究结论,政府在制定针对光伏企业可持续发展政策时可以借鉴如下建议：

(1)政府补助的作用是帮扶企业完成前期创新数量积累,因此,政府补助的主要帮扶对象应该是具有创新意愿的企业初创阶段,在企业完成创新数量积累之后政府应及时减补或断补,以促进企业实现由创新数量提高到创新质量提升的跨越,且政府补助并非越多越好,要注意政府补助的强度区间,以将政府补助的激励效应发挥到最优水平,2018 年以来,国家对光伏企业实施的531新政,也基本符合这一逻辑。

(2)本模型结果显示,环境规制能够显著促进创新质量的提升,但这种影响呈现倒U 型特征,随着环境规制强度的加大,对创新质量的促进作用呈现先减小后增大的趋势,说明应合理设置环境规制强度,适当提高环境规制水平,但需注意环境规制强度,过于严格的环境规制水平会降低其对创新质量的影响。

(3)创新政策与环境政策组合作用显著,但要注意不同阶段的影响异质性。在创新数量积累阶段,正协同效应显著,发挥1+1＞2 的政策组合效应,在创新质量提升阶段,尚需挖掘新的创新政策工具以促进企业创新质量的提升,同时注重其与环境规制政策组合作用。

(4)政府在制定促进企业创新政策时,要不断强化政策组合的影响,且不同政策在组合时应明确各政策的适度区间。

本文存在的局限和不足：①政策方面仅关注了环境政策和创新政策,实际上还有其他政策交互作用,未来研究可进一步扩展政策范围；②本文研究结论只说明2015～2019年时间段的结果,未来研究可考虑增大样本容量,扩大样本范围,加强结论的普适性。