环境规制工具、研发补贴对绿色技术创新的影响研究

张文卿，陈宇科

（1. 重庆大学 经济与工商管理学院，重庆 400044；2. 重庆师范大学 经济与管理学院，重庆 401331）

自改革开放以来，我国总量GDP和人均产出长期保持高速增长，经济成就令世界瞩目。但长久以来的粗放式发展导致了自然资源过度消耗和生态环境不断恶化，经济发展的资源与环境制约不断突出，严重阻碍了我国经济高质量发展和社会可持续发展。鉴于此，我国积极探寻“经济—环境”共赢发展道路：从“两山论”被写入党的十九大报告到2020年《政府工作报告》关于“生态保护、发展绿色产业与区域发展战略相结合”的工作部署，充分体现了“绿色发展”从理念到布局的有利转变。在这一背景下，越来越多的企业开始积极尝试通过绿色技术创新实现节能减排和清洁生产。绿色技术创新将带来技术进步和环境保护“双重收益”，从而突破“经济—环境”压力，实现经济与生态的协同发展。因此，如何有效激励企业进行绿色技术创新，进而实现经济发展与环境保护的“双赢”，已经成为学术界与决策层关注的热点问题。

环境规制政策与研发补贴政策是政府激励企业进行绿色技术创新的常用手段。根据“波特假说”[1]，适当强度的环境规制会提升企业绿色创新意愿，在降低企业经营成本的同时解决环境污染问题；而研发补贴被认为是最直接、政策时滞最短、具有较强可控性的创新激励手段[2]。但在政策执行层面，基于不同政策工具的环境规制对绿色创新投入的影响机制存在较大差异，从而产生不同的绿色创新激励效果；同时，研发补贴政策“在何种条件下”“通过何种路径”正面影响绿色技术创新，目前仍是学术界争论的焦点，这加大了政府在实践中把控研发补贴政策执行与监管强度的难度；另外，由于绿色技术创新具有“双重外部性”特征（环境污染的负外部性与技术溢出的正外部性）[3]，政府通常将环境规制政策与研发补贴政策搭配使用，最大程度削弱其外部性，但这也加大了两类政策绩效的不确定性。因此，为保证政策效率，推动企业绿色创新逼近社会最优水平，需要探讨的问题包括：环境规制工具、研发补贴对绿色技术创新存在怎样的直接影响？在绿色创新激励方面，各类环境规制工具与研发补贴间是否存在互动关系？若存在，如何利用这种互动关系构建有效的绿色创新激励政策体系？本文对于上述问题展开了有益探讨，以期为有关政策的制定提供理论支撑以及决策依据。

1 文献综述

环境规制通过规范企业的生产经营行为，影响企业绿色创新投资倾向，其核心理论依据为“波特假说”。已有大量文献对“波特假说”的客观性与适用性进行检验，相关研究结果可被大致总结为三类。（1）“波特假说”成立，即环境规制可以有效促进绿色技术创新[4-6]。（2）“波特假说”不成立，即环境规制阻碍技术创新[7]或环境规制与技术创新之间无显著联系[8-9]。（3）“波特假说”在一定条件下成立，即环境规制对绿色技术创新影响是非线性的，部分研究发现环境规制与绿色技术创新间呈“U”型[10]、倒“U”型[11]、多门槛等关系[12]。

针对既有研究结论间差异较大的现实，近年来越来越多的研究将环境规制进行细分，考察并对比命令型、经济型、非正式型等多种环境规制工具的绿色创新激励效果，并在部分领域达成共识：从长期来看，市场型、非正式型、命令型环境规制的创新激励效果依次下降[13-14]； 不同环境规制工具对绿色技术创新的影响存在空间异质性[15-16]；随着信息获取成本的降低、公众环保意识的增强，信息披露、公众参与等非正式规制“软手段”对绿色创新的影响正在变得越来越明显[17-18]。但与此同时，相关研究在诸多方面仍无法得到统一的结论。例如郭进[19]发现经济激励型环境规制对中国内陆地区绿色R&D投入具有显著的促进作用，而叶琴等[20]通过实证分析得到了相反的结论；闫莹等[21]采用SBM-ML指数法和面板门槛模型研究发现，公众自愿型环境规制与我国工业企业绿色发展间呈倒“U”型关系，而游达明和蒋瑞琛[22]发现公众参与对创新发展表现出明显的抑制作用。

关于政府研发补贴与企业创新投入的关系，学术界存在两种相反的观点。（1）“挤入效应”主导论者认为，政府的研发补贴能够在一定程度上削弱研发活动的外部性与成本不确定性，激发企业的创新意愿，推动企业实施更有效的创新策略。如Lee & Cin[23]利用韩国相关行业数据实证检验发现，政府补贴的风险分担效应是其正面影响企业创新投入的主要因素；陈永泰等[24]认为企业利用高额研发补贴所获取的信息租金是创新投入增长的源泉。（2）“挤出效应”主导论者认为，研发补贴的正向效应普遍被高估，有时研发补贴甚至会抑制创新投入。首先，研发补贴具有选择性，这为企业提供了寻租空间，增加了政府补贴政策逆向选择的概率[25-26]；其次，研发补贴会挤出私人投资，如果政府盲目补贴企业计划投资项目会使创新活动缺乏效率，进而抑制企业的研发与创新欲望[27-28]。

为更客观地评价研发补贴与创新投入的关系，探讨其他科技、产业、财税政策对研发补贴政策创新激励效果的影响已成为该领域研究的重要思路。由于绿色技术创新具有“双重外部性”特征，部分研究认为将环境规制纳入研究模型，探讨如何综合利用规制类政策与补贴类政策，实现环境规制强度与研发补贴强度的互补与耦合，应当是促进绿色创新激励体系合理构建、有效运行的关键[29]。例如，何小钢[3]发现研发支持政策与环境规制政策存在显著的互动效应；郭捷和杨立成[30]发现政府研发资助与环境规制的耦合有利于绿色技术创新；于克信等[31]发现创新补助负向调节环境规制的绿色创新激励效应，而非创新补助起到正向调节作用。

综上所述，现有的研究在以下方面存在不足且有待深入：其一，关于环境规制工具对绿色技术创新的直接影响、研发补贴对绿色技术创新的直接影响，相关研究结论存在分歧。其二，就本文研究所及，目前极少有研究对各类环境规制工具进行独立考察，详细讨论各类环境规制工具与研发补贴对绿色技术创新的联合影响。

本文在梳理环境规制工具、研发补贴对绿色技术创新影响的理论机理的基础上，以2008—2018年中国工业省级面板数据为样本，利用层次回归分析法实证检验了环境规制工具、研发补贴对绿色技术创新的直接影响与联合影响；通过综合分析这两类影响及其空间异质性，以期部分弥合现有研究间的分歧，为推进我国绿色创新与绿色发展提供政策参考。

2 理论分析与研究假设

2.1 环境规制工具的直接影响

按政策执行工具分类，正式的环境规制通常可以被分为直接管制型规制和经济激励型规制[32]。直接管制型规制主要通过制定法律法规、排放限额等刚性的管控措施对企业的环境破坏行为形成控制，它直接增加了企业的污染治理成本。通常认为：（1）在短期内，直接管制对企业生产经营活动的冲击更强，可能导致企业“遵循成本”过高，这往往使其对企业创新投资的抑制效应超过正向激励效应，使企业投资期限结构呈短期化偏向，不利于企业绿色技术创新投入增长[33]。（2）从长远看，直接管制能否引导企业实现“创新补偿”，一方面决定于管制强度与管制执行成本的匹配程度，例如当企业面临的市场竞争较弱、战略调整灵活、政治关联较强时，管制执行成本较低，高强度的直接管制才更可能促进企业创新；另一方面取决于企业对环境管制强度的预期[34-35]。

经济激励型环境规制在对能源或排污权定价的基础上，通过税收、交易、信贷等市场信号来影响企业决策，它改变了企业能源或排污权的使用成本。在刺激绿色创新方面，经济激励工具所特有的影响路径如下：（1）分摊环境成本。不同于直接管制，经济激励通过要素价格变动反映环保要求，企业有权根据财务状况渐进式改善环境治理能力，这相当于将环境成本摊销至各营业期内，在减轻企业短期财务压力的同时也降低了创新活动的不确定性，减弱企业投资短期化偏向，有效激励企业自发地增加绿色创新投入[33,36]。（2）替代扩张性投资。在累进税下，随着企业生产规模的扩大、所消耗能源量的增加，成本上涨幅度将不断增大。因而在经济激励工具下，为降低营业成本，企业将倾向于技术改良投资、寻求生产技术革新，同时减缓生产规模扩张。

结合我国国情做具体分析：（1）党的十八大后“史上最严格”生态环境保护制度已经开始实行，这意味着盲目依赖行政命令约束企业行为、倒逼企业发展绿色技术的做法，在短期内无法激励创新；但从长远看，这为企业释放了环境管制将日趋严厉的信号，企业可能会减少末端治理投入，转而增加绿色创新投入以获取长远的潜在收益。（2）近年来我国市场效率整体提高，其地区间差距也持续缩小。市场机制的完善程度越高、企业竞争越激烈，直接管制工具的成本就越高、效率越低；而在较为完善的市场中，能源与排污权等要素的价格公允且富有弹性，“排污权交易”更容易达成、环保税费的征收更加透明，因而经济激励工具能够更有效地促进企业进行绿色技术创新。基于以上分析，提出如下假设：

H1a：直接管制型规制对绿色技术创新具有正向影响。

H1b：直接激励型规制对绿色技术创新具有负向影响。

H2：经济激励型规制对绿色技术创新具有正向影响。

2.2 研发补贴的直接影响

研发补贴通过降低企业创新成本和不确定性，部分弥补创新活动知识溢出的正外部性，从而推动企业技术创新。具体而言：（1）从企业自身角度看，企业创新活动依赖大量的资源积累，具有长期性、风险性特征。研发补贴政策以其金额稳定、政策持续性强的特点，大幅降低了研发风险，保持其R&D经费投入意愿[37]。（2）从政企关系角度看，研发补贴可被看作是政府部门支持企业创新的承诺，代表企业拥有了“隐性政治关联”。企业不能凭借其直接获得经济利益，但这种政企之间的弱联结关系可以为企业技术创新提供融资便利和决策有用信息[37]。简言之，研发补贴通过强化企业的“引资”和“引智”能力，使其保持创新投资意愿。（3）从产业发展角度看，补贴特定产业的研发活动，能够调动产业整体及相关产业的创新积极性，促进产业实现创新活动的规模经济[30]。此时，不具垄断地位的企业只能顺应这种“外在经济”，通过不断寻求创新资源、加大研发投入力度以维持自身的市场竞争力。基于以上分析，提出如下假设：

H3：研发补贴对绿色技术创新具有正向影响。

2.3 环境规制工具、研发补贴的联合影响

整合上述理论，可以对环境规制工具、研发补贴对绿色技术创新的联合影响提出假设。

探讨直接管制型规制与研发补贴对绿色技术创新的联合影响。（1）不同于税收减免等手段，研发补贴能使企业在短期内获得流动性较强的资产，这能够直接补偿政府管制所带来的污染治理成本，减小管制对企业经营活动所造成的冲击，削弱“遵循成本”效应对绿色技术创新投入的抑制作用。（2）研发补贴为企业所带来的“隐性政治关联”对传统的政治关联（如聘用具有政府任职经历者作为企业高管、支持本企业人员当选为政治人物等）具有替代作用。因而高强度的研发补贴一方面使管制执行成本维持在较低水平；另一方面通过削弱传统的政治关联减少了企业寻租成本对研发投入的挤占[38]，进而降低了企业因环境标准过于严苛而放弃技术创新，转而选择末端治理行为或寻租活动的概率。综上，高强度的研发补贴能有效促进直接管制型环境规制的绿色创新激励效应。基于以上分析，提出如下假设：

H4：研发补贴正向调节直接管制型环境规制对绿色技术创新的影响。

探讨经济激励型环境规制与研发补贴对绿色技术创新的联合影响。（1）适宜的经济激励规制能够分摊企业的环境治理成本，部分降低创新风险，弱化短期投资倾向，促使企业提高对研发资源与决策信息的需求；而高额的研发补贴则通过加强企业的“引资”和“引智”能力，满足了企业提高对研发资源与决策信息的需求，这反过来又进一步降低了创新风险，强化了经济激励规制的创新激励效应。（2）适宜的经济激励型环境规制强化了创新投资对扩张性投资的替代作用，非创新部门规模扩张速度减慢有利于维持研发补贴带来的研发活动的“外在经济”；而研发活动“外在经济”的深化又反过来强化了创新投资对扩张性投资的替代作用。综上，激励企业绿色技术创新方面，研发补贴与经济激励型环境规制互为正向调节变量。基于以上分析，提出如下假设：

H5：研发补贴与经济激励型环境规制对绿色技术创新存在正向交互效应。

文章的理论机理与研究假设框架如图1所示。

3 研究设计

3.1 数据来源与变量说明

本文以2008—2018年中国工业省级面板数据为样本进行分析，样本数据来源于《中国统计年鉴》《中国环境年鉴》《中国工业经济统计年鉴》《中国科技统计年鉴》《中国能源统计年鉴》以及国家统计局网站。各变量具体构造方式如下。

3.1.1 被解释变量

绿色技术创新（GI）。参考王锋正和陈方圆[39]的处理方法，用地区工业企业R&D经费内部支出与能源消耗总量之比衡量绿色技术创新。该指标侧重于反映绿色技术创新投入水平，与新产品单位能耗[40]等反映技术创新产出的指标相比，更符合本文的研究逻辑。

3.1.2 解释变量

（1）直接管制型环境规制（GR）：参考徐建中和王曼曼[41]的处理方法，选用各地区工业废水、废气和固体废物产生量来综合测算污染物排放强度，以此代表直接管制型环境规制强度。

具体而言，首先，取得地区i第t期第m种污染物的排放量Pitm，并计算Pitm与地区工业总产出之比，得到该污染物的排放强度（）。求地区i第t期第m种污染物相对排放强度（），将地区排污水平标准化：

进而，假设单位强度的废水、废气、固体废物排放将带来相同的环境成本，对三种污染物相对排放强度进行简单算数平均，得到综合排放强度（）：

最后，对各地区综合排放强度取倒数，以此代表命令型规制强度。

（2）经济激励型环境规制（ER）：用地区工业污染源治理投资完成额衡量。

（3）研发补贴（Sub）：用地区工业企业R&D经费内部支出总额中的政府资金额衡量。

3.1.3 控制变量

通过对以往相关文献的梳理，本文对劳动力规模（L）、劳均物质资本（AK）、产业规模（Size）、产业结构（Stru）、营运能力（Rev）、盈利能力（Roe）、技术能力（TC）因素进行控制。具体变量度量方式及数据来源见表1。

表1 变量度量方式及数据来源

3.2 变量描述性统计与相关性检验

表2报告了变量的描述性统计结果。表2显示，在地区差异和年际变化双重影响下，绿色技术创新指标最大值为1 005.6元/吨标准煤，最小值仅为15.72元/吨标准煤，根据该变量标准差来判断二者数值相差较大，其他核心解释变量也存在相似特征，说明有必要在回归分析时对地区和年份进行双向控制。

表2 变量描述性统计

表3报告了变量间的相关性分析结果。利用Pearson相关系数对假设的合理性和模型变量间共线性程度进行初步判定。根据表3，直接管制型环境规制强度与绿色技术创新投入间呈显著的负相关关系，初步说明H1b较为合理；经济激励型环境规制强度、研发补贴强度与绿色技术创新投入间呈显著的正相关关系，初步说明H2、H3较为合理；研发补贴与直接管制型环境规制间的相关性系数不显著，说明在理论上研发补贴可以作为合格的调节变量影响直接管制型规制与绿色技术创新投入间的关系。应进一步通过多元回归得到更精确的实证结果。

表3 Pearson相关系数

考察变量间Pearson相关系数，除被解释变量外的各变量之间相关性较高，这说明模型设定存在过度拟合问题的可能性较小。为防止模型存在多重共线性问题，对模型进行方差膨胀因子检验：结果显示VIF均值小于临界值10，证明不存在严重的多重共线性问题，可进行多元回归分析。

3.3 实证模型构建

首先，建立实证模型如式（3）、式（4）所示，分别设为模型1、模型2。利用模型1检验直接管制型环境规制对绿色技术创新的直接影响是否显著，并考察参数符号（H1）；利用模型2检验经济激励型环境规制对绿色技术创新的直接影响是否显著，并考察参数符号（H2）。

式中：Control代表控制变量，γ为其系数向量；region、year分别代表地区效应、年份效应；ε为随机扰动项。除地区效应、年份效应分类变量外，其余变量均为对数形式。

进一步地，将直接管制型环境规制与研发补贴的交互项纳入模型1，构成模型3如式（5）所示，令其与模型1组成层次回归模型，分析研发补贴的调节效应是否存在，并考察参数符号（H4）。将经济激励型环境规制与研发补贴的交互项纳入模型2，构成模型4如式（6）所示，以分析研发补贴与经济激励间的交互效应是否存在，并考察参数符号（H5）。

需要说明：利用层次回归分析调节效应时，若模型3的拟合优度显著高于模型1且lnGR·lnSub偏回归系数显著，则说明调节效应显著。由于ER与GR、Sub间的Pearson相关系数均较高，将其纳入层次回归模型并不影响模型1与模型3间R2的差距，但可能引发其与交互项的共线性问题。因此为尽量准确地拟合交互项lnGR·lnSub的系数，模型1与模型3中未包含变量ER。

4 实证结果分析

4.1 回归结果分析

回归分析前，对面板数据进行F检验与Hausman检验。表4报告了面板数据F检验与Hausman检验结果，结果显示所有模型F检验与Hausman检验P值均小于0.01，说明应当选择个体固定效应模型进行回归分析，拒绝使用混合效应模型与随机效应模型。

表4 F检验与Hausman检验结果

模型回归结果见表5。由模型1的回归结果可知，直接管制型环境规制的回归系数为-0.545，在1%的显著性水平上显著为负，说明直接管制型环境规制抑制了绿色技术创新，H1b得到验证；由模型2的回归结果可知，经济激励型环境规制的回归系数为0.424，在1%的显著性水平上显著为正，说明经济激励型环境规制促进了绿色技术创新，H2得到验证。

上述回归结果表明，在我国社会主义市场经济体制不断完善的今天，直接管制所带来的“规制红利”不断缩减，主张以市场激励代替行政命令的“狭义波特假说”[42]的合理性正逐步被中国经济发展现实所印证。有部分研究指出，直接管制型规制在中国依然有其适宜土壤：中国中西部地区各类市场的完善程度较低，采用直接管制工具能够较好地激励企业进行绿色创新[20]。但事实表明，近年来中西部地区要素市场完善程度不断提高。以西部地区技术市场为例，2013—2018年，技术市场流向西部地区的合同数年均增长7.23%，较东部地区高出2.56%；西部地区技术合同金额年均增长15.82%，工业企业购买境内技术经费支出增长13.8%，增速高于全国平均水平。这些事实证明，直接管制的成本将不断提高，在未来较长的时间窗口内市场激励手段将会是更有效率的战略选择。

在模型1与模型2中，研发补贴的回归系数均在1%的显著性水平上显著为正，说明H3得到验证：研发补贴促进了绿色技术创新，整体上我国研发补贴政策“挤入效应”强于“挤出效应”。

当研发补贴分配不合理、利用效率偏低时，研发补贴的“挤出效应”将大量挤占私人创新投资，降低企业研发效率和创新投入意愿。近年来，我国立法、执法部门为保证研发补贴政策的有效性做了诸多努力，例如，经过多次会计准则调整，以“帮扶企业”为实际目的的政府研发补贴大量减少；近5年来，通过强化政府资产监管，企业通过不正当手段、利用低质量创新骗取政府补贴的行为大量减少[38]。总体而言，我国研发补贴的“挤出效应”力度非常有限。

考察表5模型3，直接管制型环境规制与研发补贴交互项系数为0.095，在5%的水平上显著为正；模型3的拟合优度较模型1有明显提高。根据前文所述理论基础，研发补贴正向调节直接管制型环境规制对企业绿色技术创新的影响，H4得到验证。

考察表5模型4，经济激励型环境规制与研发补贴交互项系数为0.102，在5%的水平上显著为正；模型4的R2较大，解释力度较强。这证明了经济激励型环境规制与研发补贴对绿色技术创新有显著的联合正向影响。进一步，（1）以研发补贴双侧15%分位数作为高强度研发补贴与低强度研发补贴的衡量做交互效应图（见图2）；（2）以经济激励型环境规制双侧15%分位数作为高强度经济激励与低强度经济激励的衡量做交互效应图（见图3）。考察图2、图3，在高强度研发补贴情境下，经济激励型环境规制对绿色技术创新的正向作用更强；在高强度经济激励情境下，研发补贴对绿色技术创新的正向作用更强。这说明经济激励型环境规制与研发补贴互为正向调节变量，即经济激励型环境规制与研发补贴对企业绿色技术创新存在正向交互效应，H5得到验证。

图2 研发补贴对经济激励型环境规制绿色创新激励效应的调节作用

图3 经济激励型环境规制对研发补贴绿色创新激励效应的调节作用

表5 回归结果

4.2 稳健性检验

通常认为，多重共线性、过度或过低拟合、指标测量偏误及内生性问题是导致回归结果不稳健的主要因素。通过第四部分的相关性检验与方差膨胀因子检验，判断模型存在过度拟合与严重多重共线的可能性较低；考察调整后的拟合优度，模型严重过低拟合的可能性较低。因此，本部分重点检验指标测量方法合理性与模型的内生性问题。

（1）以历年“三同时”环保投资与GDP的比值作为直接管制型环境规制的替代指标参与模型1、模型3回归，回归结果见表6的（1）列、（2）列：GR与GR·Sub系数依然显著，符号与原回归模型相一致。（2）以我国八大综合经济区[43]工业污染源治理投资总额占地区工业总产值的比重，作为经济激励型环境规制的工具变量参与模型2、模型4回归。为避免多重共线性问题，回归不控制地区与年份效应，回归结果见表6的（3）列、（4）列：ER与ER·Sub系数依然显著，符号与原回归模型相一致。（3）为确保模型不存在严重的逆向因果关系，利用两阶段最小二乘法（2sls）对模型1、模型3重新估计。为保证恰度识别，回归不控制地区与年份效应，回归结果见表6的（5）列、（6）列：各主要解释变量符号与原回归模型相一致。综上，在不同类型检验中，各主要解释变量系数符号与显著性没有较大变化，说明基于各研究假设的结论比较稳健。

表6 稳健性检验结果

4.3 对绿色创新激励效果空间异质性的进一步讨论

已有研究证实，由于我国地区间经济特征差异较大，在不同地区各类环境规制工具的绿色创新激励效果存在差异。但现有的相关研究普遍存在两点不足：（1）区域划分随意性较大。现有研究大多直接套用“东中西”三大经济区域或“东部、中部、西部、东北”四大经济区域划分方式进行分区域研究，但事实上经济发展水平并不是影响环境规制的创新激励效应的唯一主要因素。（2）已有的研究大多注重对环境规制绿色创新激励效果的地区差异进行测度，但较少讨论差异形成的理论机理。因此，本文将对环境规制工具、研发补贴与绿色技术创新互动关系的讨论范围细分到地区层面，以期对现有的研究进行补充。

考虑影响创新激励效果、绿色创新投入的各因素，对区域进行划分。（1）绿色技术创新水平与公众参与度。创新投入与创新战略通常有连贯性，未来的绿色创新投入强度通常以现行强度为基础[8]；理论上，公众参与环保监督的积极性影响了环境政策的落实效果，进而影响绿色创新投入[17,22]。图4展示了各省份近5年公众参与度（环境信访批次/常住人口总数）均值和绿色创新投入情况的分布状况。根据图4，按绿色创新投入强度可将全国各省份分为三组：第一梯队为东部沿海地区，其公众参与度较高；第二梯队为长江中下游地区，其公众参与度较低；第三梯队省份多为中西部内陆地区。（2）绿色创新投入增速与环境承载力。经济发展进入新常态后，对地方政府而言，如何以地区环境承载力为标准合理制定低碳发展方案已经成为重要课题。图5反映了各省份环境承载力（森林面积/常住人口总数）与近5年绿色技术创新投入年均增长额的分布状况。图5显示，总体而言东部沿海与长江中下游地区环境承载力较弱、近年来绿色技术创新投入增速较快；中西部非长江中下游地区环境承载力较强、近年来绿色技术创新投入增速较慢。

图4 绿色创新投入与公众参与度的地区分布

图5 绿色技术创新投入年均增长额与环境承载力地区分布

根据上述讨论，“东部沿海与长江中下游地区”与“中西部非长江中下游地区”在绿色技术创新投入水平及增速、公众参与度、环境承载力方面有较大差异。本部分将分别讨论东部沿海与长江中下游地区、中西部非长江中下游地区环境规制工具与研发补贴对绿色技术创新的影响。

东部沿海与长江中下游地区回归结果见表7。表7显示，在东部沿海与长江中下游地区层面，H1b、H2、H3、H4均成立，但模型4中经济激励型环境规制与研发补贴交互项系数不显著。说明在东部沿海与长江中下游地区，经济激励型环境规制与研发补贴对企业绿色技术创新不存在显著的交互效应，H5不成立。

表7 东部沿海与长江中下游地区回归结果

这可能是由于该地区的部分经济、社会、生态环境特征抑制了二者间的正向交互效应。如图6所示：一方面，东部沿海与长江中下游地区环境规制执行与监管体系完善、公众监督意愿强烈且效率较高，加之地区环境承载力相对较弱，导致地区环境规制执行相对严格，企业在相当长的时间窗口内无法摆脱环境规制所带来的成本负担，这使得企业绿色创新投资意愿相对较低、创新效率偏低。另一方面，东部沿海与长江中下游地区要素市场完善且相对活跃，政府研发补贴所导致的研发资源的需求上升将迅速被要素市场所反映，导致短期内研发资源价格上涨。创新效率的降低将进一步提升企业对创新资源的需求，而研发资源价格上涨进一步加重了企业的成本负担。这便形成了经济激励规制与研发补贴对绿色技术创新的负向交互效应，它冲减了二者对绿色技术创新的联合正向影响，导致回归参数显著性较低。

图6 东部沿海与长江中下游地区交互作用机理

中西部非长江中下游地区回归结果见表8。表8显示，在中西部非长江中下游地区层面，本文提出的所有假设均成立。值得关注的是，表8模型1中直接管制型环境规制变量的系数为-0.455，其绝对值小于东部沿海与长江中下游地区层面的0.545，说明在中西部非长江中下游地区直接管制型环境规制对绿色技术创新的抑制作用较小；模型3中直接管制型环境规制与研发补贴交互项系数为0.188，该数值远大于全国层面的0.095和东部沿海与长江中下游地区层面的0.109，说明在中西部非长江中下游地区研发补贴对直接管制型环境规制对绿色技术创新的影响具有很强的正向调节作用。

表8 中西部非长江中下游地区回归结果

针对这一结果，较为合理的解释可能是：从环境规制工具选择发展历程上看，中西部地区地方政府通常更加倾向于利用强制性、命令性手段实现绿色发展，长期的摸索和改进使行政命令更有效率。进而，研发补贴更有效地激发了直接管制的绿色创新激励作用，更大程度上弥补了直接管制的机制缺陷。

为进一步加深对中西部非长江中下游地区研发补贴调节作用的理解，以研发补贴双侧15%分位数作为高强度研发补贴与低强度研发补贴的衡量作交互效应图（见图7）。由图7可以看出，在低强度研发补贴情境下，直接管制型规制抑制了绿色技术创新；但在高强度研发补贴情境下，直接管制型规制促进了绿色技术创新。这从侧面证实了只有在高强度研发补贴情形下，部分研究所得到的“命令型环境规制对我国中西部地区绿色技术创新起促进作用”结论方能成立。

图7 中西部非长江中下游地区研发补贴的调节作用

5 研究结论与政策建议

本文在梳理环境规制工具、研发补贴对绿色技术创新影响的理论机理的基础上，以2008—2018年中国工业省级面板数据为样本，利用层次回归分析法实证检验了环境规制工具、研发补贴对绿色技术创新的直接影响与联合影响，并进一步检验了这两类影响的空间异质性。

实证研究结果显示：（1）直接管制型规制强度与绿色技术创新显著负相关，经济激励型规制强度、研发补贴强度与绿色技术创新显著正相关。（2）在全国层面，研发补贴对直接管制型规制对绿色技术创新的影响存在正向调节效应，研发补贴与经济激励型规制对绿色技术创新存在正向交互效应。（3）对于东部沿海与长江中下游地区，研发补贴与经济激励型规制对绿色技术创新的交互效应不显著；对于中西部非长江中下游地区，直接管制型规制对绿色技术创新的抑制作用较弱，研发补贴对直接管制型规制绿色创新激励效应的正向调节作用较强。

根据研究结论，以为促进我国绿色技术创新水平为政策目标，提出如下政策建议。

（1）在环境规制工具选择方面，政府一方面应当进一步优化排污权交易制度、环保税及环境定价等市场手段，提升经济激励规制效率，并逐步提高经济激励规制强度；另一方面，谨慎适时适度渐进式实施“命令—控制”型规制，并通过改良排放限额制定方式、丰富环保行政执法手段，最大程度降低直接管制型环境规制对绿色技术创新的抑制作用。

（2）政府应当在保证研发补贴政策高效执行的基础上，继续提高对研发活动尤其是对清洁技术研发活动的补贴力度。首先，充分发挥研发补贴政策的“挤入效应”，保证其对绿色技术创新的直接正向影响。其次，推动补贴政策与规制类政策相互补充：一是强化经济激励与研发补贴的正向交互作用；二是利用研发补贴降低直接管制的执行成本，努力使之成为积极型的激励手段。

（3）地方政府应当根据本地区经济特征及其他方面条件水平，相机选择最优的政策强度与政策组合。例如，东部沿海与长江中下游地区地方政府应当将研发补贴强度控制在适当区间，在不影响经济激励规制的绿色创新激励效应的同时，最大程度激发企业绿色创新投入意愿。从长远看，中西部非长江中下游地区应当不断强化经济激励规制的使用频率与效率；但当前，在合理制定、高效执行高强度研发补贴政策的前提下，地方政府仍可利用强制性、命令性手段促进绿色发展，即发挥研发补贴政策较强的正向调节效应，使直接管制型规制发挥积极的绿色创新激励作用。