京津冀环境治理协作的科技创新效应研究——基于传输通道城市环境治理政策的准自然实验

王树强 杨 恒

（河北工业大学经济管理学院，天津 300401）

引 言

作为京津冀协同发展的3个率先突破之一，三地大气污染治理协作依次经历了指挥机构组建（京津冀及周边地区大气污染防治协作小组）、重点时段协同（国家重大活动统一减排、重污染天气联防联控）、关键区域治理（“2＋26”京津冀大气污染传输通道城市治理）、费改税推进（新环保税法出台）等重要发展阶段，进展迅速，治理效果明显。据环境统计公报显示，北京、天津、石家庄2019年PM2.5的平均浓度为42、50、62微克／立方米，相较于2014年平均PM2.5浓度82、71、89微克／立方米，下降了49%、30%、31%。在大气环境质量提升的同时，经济增长却被误伤，数据显示，2019年北京、天津、河北GDP年度增长率为6.1%、4.8%、6.8%，相比于2014年，增速下降了1.2%、5.2%、1.4%。

经济和社会的高质量发展要求不能以牺牲环境为代价追求高经济增长，也不能以牺牲经济增长为代价保护环境。环境治理协作的根本目标是鼓励排放主体加快科技创新，实现经济和环境的协调发展。当前，在京津冀协同不断深化以及环境治理战略不断向产业绿色转型和绿色经济体系建设迈进的关键时期，进一步深化京津冀环境治理协作需要科学评估京津冀环境治理协作的科技创新成效，完善综合配套政策体系。

1 文献综述

由于大气污染物常常跨区域扩散，因此跨区域环境治理协作是环境规制的主要形式，区际环境治理协作的科技创新效应常常等价于区域联盟的环境治理的科技创新效应。学界沿两条路径开展此项研究：

（1）环境治理对科技创新影响的类型：①影响为负。如 Wagner（2007）［1］研究发现，环境规制阻碍了德国制造业企业的专利申请；Chintrakarn（2008）［2］发现美国各州制造业的技术创新活动对环境规制存在负反应；张彩云和吕越 （2018）［3］以2001～2007年我国的工业企业为样本进行了实证研究，发现环境规制增强时，企业研发积极性显著下降； ②影响为正。 Porter和 Linde （1995）［4］挑战了新古典学派的观点，认为严格但适当的环境规制会激发企业创新，产生 “创新补偿效应”，增强企业竞争力； Jaffe和 Palmer （1997）［5］、 Mitsutsugu（2006）［6］实证研究了环境规制对企业研发的影响后发现：正向效应显著；郭进 （2019）［7］与斯丽娟 （2020）［8］研究了环境规制对区域科技创新水平的影响，同样发现了显著的正效应；③影响呈现 “U型”或倒 “U型”等非线性状态。陶长琪和琚泽霞 （2016）［9］、 于鹏 （2020）［10］实证检验后发现，我国环境规制对各省域科技创新的影响呈现倒 “U型”形态，即存在一个引致最优科技创新效果的最适宜环境规制水平；与此相反，张成等 （2011）［11］、 范丹和孙晓婷 （2020）［12］等学者的检验发现了正 “U型”关系形态。以上观点使研究呈现更多的复杂特征。

（2）环境规制的测度方法：①站在立法和执法角度进行测度。郭进 （2019）［7］、范丹和孙晓婷（2020）［12］选用区域环保立法数量、 环保标准数量、环境处罚案件数附加环保支出等指标进行综合测度；②从企业应对环境规制的经营行为角度进行衡量。 于鹏 （2020）［10］、 张成等 （2011）［11］、 李玲和陶锋 （2012）［13］、 尹庆民和顾玉玲 （2020）［14］选取地区污染治理投资额与工业增加值的比重、污染治理投资额进行测度；③从政府环境规制的实施效果角度进行测度。李玲和陶锋 （2012）［15］、王珍愚等 （2020）［16］选用废水、废气、固体废物排放率以及企业废气、废水、固体废物治理设施运行费用进行测度；④通过某项环境规制政策实施效果的时空对比进行测度。汤韵和梁若冰 （2012）［17］、李树和陈刚 （2013）［18］以双控区、 《大气污染防治法》、 《清洁生产标准》等法规政策在实施前后、实施区域与非实施区域之间的减排效果差异为基准进行环境规制强度测度。这些测度方法丰富了本领域研究思路。

学界的上述研究较为全面且针对性强、借鉴意义高，可将研究方法和思路向解决国家重大战略落地所遇到的理论问题拓展。以此为切入点，本文在两方面实现了理论与实证突破： （1）以2017年 《京津冀及周边地区2017年大气污染防治工作方案》和以该方案提出的 “2＋26”京津冀大气污染传输通道城市环境治理措施为准自然实验对象，从而将上述文献研讨的全国范畴转变聚焦到京津冀范畴；（2）寻找并解析能够强化环境规制科技创新效应的调节变量，从而围绕京津冀环境治理协作精准设计综合配套政策，进一步深化京津冀环境治理协作，加快提升京津冀技创新水平。

2 研究设计

2.1 样本选择与数据来源

本文采用双重差分模型解析京津冀地区环境规制对科技创新的作用效果。研究样本为2013～2019年河北省11个地级市及北京和天津共13个城市。2017年 《京津冀及周边地区2017年大气污染防治工作方案》认定了 “2＋26”京津冀大气污染传输通道城市，政府对这些传输通道城市施加更严厉的环境治理措施（以下简称传输通道治理政策），因此传输通道治理政策可作为外生政策冲击。京津冀10个处于传输通道的城市可作为政策冲击组，即实验组；未处于传输通道的3个城市可作为对照组。按此标准，北京、天津、石家庄、唐山、廊坊、保定、沧州、衡水、邢台、邯郸为实验组，张家口、承德、秦皇岛为对照组。

2.2 变量定义

如表1所示，模型的被解释变量（Inno）为科技创新水平。本文选用发明专利授权数作为科技创新水平的衡量指标，使用专利申请数进行稳健性检验。

Treat为城市分组虚拟变量，若城市属于传输通道城市，变量取值为1，不属于传输通道城市，变量值为0。Period为时间分组虚拟变量，2017年及以后为1，2017年之前为0。Treati×Periodt为两虚拟变量交互项（简称didit），若城市为实验组样本，则在传输通道治理政策实施前交互项为0，在政策实施后为1；若城市为对照组样本，无论是在传输通道的认定前还是认定后，交乘项均为0。

模型的控制变量为地区经济发展水平（GDP）、外商投资水平（Fdi）、人力资本水平（Hc）、商品房销售价格（Hp）以及职工平均工资（As）。各变量定义见表1。

模型的调节变量为产业结构质量、融资便利度、政策支持力度，其测算方法如表1所示。

2.3 模型设定

本文采用双重差分模型求解，具体形式如下：

式 （1）中，下标i为城市序号，t为年序号。Treati×Periodt见表1，Xit表示表1中一系列控制变量。γi为城市固定效应，λt为时间固定效应，εit为随机干扰项。β0～β2为相应解释变量和交互项的系数，其中交互项系数β1测度了环境规制的科技创新效应强弱。

表1 变量定义

需要指出的是，为了减少城市固定效应和时间固定效应对本文识别效果的影响，本文采用包括个体效应和时间效应的双向固定效应模型进行实证检验。在该模型中，Treat的系数和Period的系数将分别被城市固定效应和时间固定效应吸收，本文主要观察Treati×Postt（交互项）的系数β1， 它衡量了传输通道环境治理政策对科技创新的影响效果。

2.4 描述性统计

本文研究所用数据来源于 《中国城市年鉴》、《北京市统计年鉴》、《天津市统计年鉴》、《河北经济年鉴》和河北省科技厅。个别缺失数据采用线性差值处理。变量的描述性统计分析如表2所示。

表2 描述性统计结果

3 实证结果与分析

3.1 平行趋势检验

平行趋势检验是确认能否应用双重差分法的判断方法，只有通过了平行趋势检验，才可以使用双重差分法。平行趋势检验的基本判别逻辑是：如果实验组和对照组被解释变量可区分，或双重差分可用，则在传输通道治理政策实施前，实验组和对照组样本的科技创新水平变化趋势雷同，政策实施后出现分化。

具体检验方法如下：以2014年为基期，生成2014～2019年的虚拟变量交乘项Treat×Period，并与控制变量和解释变量一起纳入回归模型 （1），进行参数估计。若在2017年之前每年的交乘项系数不显著，而2017年及以后各年显著，说明实验组和对照组的科技创新水平在通道治理政策实施前并没有显著差异，有着相似的变化趋势；通道治理政策实施后具有显著差异，变化趋势分化。这意味着通过平行趋势检验，双重差分法可用，否则不可用。结果见表3，2014～2016年交乘项系数不显著；2017～2019年交乘项系数显著，表明双重差分法可用。

表3 平行趋势检验结果

3.2 基准回归检验

对式 （1）进行回归，得到基准回归检验结果见表4。表中列Ⅰ为没有加入任何控制变量、仅控制了固定效应的检验结果，所得did估计系数显著为正，京津冀科技创新水平提升与传输通道环境治理政策相关。同时，由于区际科技创新水平差异常常与区际GDP、人力资本水平、外商直接投资、住宅价格和职工平均工资相关，而这些经济指标在京津冀城市之间差异较大，因此本文将其作为控制变量加入回归模型 （1），并控制固定效应后进行了全变量检验，检验结果如表1列Ⅱ所示，结果显示did估计系数仍然显著为正。列Ⅰ和Ⅱ检验结果充分说明传输通道环境治理显著促进了科技创新。另外，控制变量估计结果中，GDP、人力资本水平、职工工资平均工资水平系数显著为正，外商直接投资、住宅销售价格系数不显著。

表4 基准回归结果

结果表明传输通道环境治理实施后，可以显著促进区域科技创新。京津冀地区以往的 “先污染，后治理”的老路已经走不通，严格而合理的环境规制迫使企业用清洁生产技术替代老旧技术，使得绿色技术市场需求提高，从而促进创新资金涌入，高技术人才回归，实现整体科技创新水平提升。

3.3 调节效应检验

寻找能够 “催化”京津冀环境治理科技创新效应的变量，完善该领域的综合配套政策是升华本文理论研究价值的重要渠道。调节效应模型可通过检验两变量之间因果关系强度变动的原因，确定 “催化”变量，即调节变量，可实现本文的研究目标。调节效应检验模型见公式 （2）：

式 （2）中，Innoit为被解释变量，表示第i个城市的第t年的科技创新水平。Treati*Periodt为核心解释变量，与基准模型式 （1）一致。Mit为调节变量，Treati*Periodt*Mit为核心解释变量与调节变量的交互项，用于测度科技创新被传输通道治理 “催化”的强度。表5列示出式 （2）的检验结果，结果显示出：产业结构质量、融资便利度、政策支持力度三变量与核心解释变量的交互项系数显著为正（列Ⅰ、Ⅱ、Ⅲ依次对应三变量的检验结果），即通过了调节效应模型检验，围绕三变量构建的政策体系可为京津冀环境治理进行综合配套。

表5 调节效应检验结果

续 表

配套政策之一是产业政策，严格执行淘汰落后产能和去产能的高质量发展政策，不断提高第三产业在经济体系中的比重以及高技术产业在工业体系中比重，为企业通过技术升级满足环境治理目标提供充分的技术研发时间和空间；配套政策之二是放宽融资条件，提高融资便利度，各城市应扩大地方银行的普惠金融业务规模，同时与四大国有银行和商业银行协商不断扩大绿色信贷规模，加大科技创新的金融支持力度；配套政策之三是扩大政府对科技创新资助规模。地方政府应在积极协助高校、科研机构申请省级和国家级科研项目经费、实验室建设经费、仪器购置经费的同时，扩大本级财政向高校、科研机构、高科技企业的科研经费投入，采取单独或与社会机构合作的形式设立创新创业扶持基金，大力支持创新行为。

3.4 稳健性检验

（1） 安慰剂检验

安慰剂检验核心思想就是虚构实验组或者虚构政策时间进行估计，如果不同虚构方式下的估计量的回归结果依然显著，那么就说明原来的估计结果很有可能出现了偏误，被解释变量的变动很有可能是受到了其他政策变革或者随机性因素的影响。如果不同虚构方式下的估计量的回归结果不显著，则真实检验结果可接受。本文选取虚构政策时间进行安慰剂检验，这里分别将传输通道环境治理实施时间提前1年和2年，并相应改变时间虚拟变量，但不改变政策虚拟变量，进行回归统计，估计结果如表6的列Ⅰ与Ⅱ所示，两列分别为提前1年与2年的估计结果，该结果说明传输通道环境治理对地区科技创新的影响均不显著，基准模型所得结果是可信的。

（2）参数设定更换检验

改变某个特定的参数，进行重复的实验，若结果系数正负或显著性发生了改变，说明结果不稳健，否则可确认基准检验结果稳健。本文基准模型采用地区专利授权量测度科技创新水平，现将其改为地区专利申请数量，进行稳健性检验，结果如表6的列Ⅲ所示，结果显示出传输通道治理虚拟变量的系数在1%的显著性水平上依然显著为正，故可确认基准检验结果稳健。

表6 稳健性检验

（3） PSM-DID 估计

若实验组与对照组的样本选择并不随机且存在明显的经济社会状况差异，被解释变量的突变可能并不源于政策冲击，导致基准检验存在系统性差异，从而检验结果不可信。此时可采用倾向得分匹配法（PSM），将实验组与对照组进行匹配，使协变量在两组之间均匀分布，并在此基础上进行DID检验，若结果显著，说明基准检验具有稳健性。本文选取表1中的控制变量为协变量，采用核匹配法进行匹配，表7列示了实验组和对照组样本的平衡性检验结果，结果显示各协变量匹配后的标准偏差比匹配前显著减小，且匹配后偏差的绝对值均小于15%，这意味着匹配结果较好。表6的列Ⅳ列示了匹配后样本的DID回归结果，其核心解释变量仍具有显著性，表明基本回归结果具有稳健性。

表7 平衡性检验

4 结 论

本文以河北省11个地级市及北京和天津共13个城市为研究样本，以国家针对 “2＋26”京津冀大气污染传输通道城市施加的环境治理措施为外部政策冲击，采用双重差分模型评价了京津冀环境治理的科技创新效应。研究发现，传输通道环境治理协作能够促进区域科技创新；稳健性检验结果表明交互项系数显著，基准检验可信。更进一步采用调节效应模型，发现产业结构质量、融资便利水平和政府支持力度3个调节变量对环境治理协作的科技创新效应具有强化作用，升级产业结构、优化金融环境、增加政府创新资助可作为完善环境治理综合配套体系的重点突破方向。

基于以上结论提出如下政策启示：

（1）制定差异化的区域环境政策。各级政府应根据地区经济发展、产业结构以及资源禀赋的不同，针对性的制定差异化规制政策，采用灵活高效的规制手段，实现政策从顶层设计到落地实施不打折扣。

（2）深化地方金融体制改革。金融发展水平是影响环境规制作用于技术创新的重要因素，地方金融政策应与环境治理相结合，提升绿色创新能力，发展绿色金融。

（3）加大教育投入，提高人力资本水平。人力资本水平是实现创新研发与成果转化的重要因素，各地应加大教育支持力度，培养和塑造绿色创新人才，为技术创新提供坚实的人力资本支持。