万家企业节能减排政策对企业绿色技术创新的影响及其内在机制

2023-05-21 08:35赖小东詹伟灵
中国人口·资源与环境 2023年4期

赖小东 詹伟灵

关键词 万家企业政策;绿色技术创新;双重差分法;计数数据模型

中图分类号 F062. 2 文献标志码 A 文章编号 1002-2104(2023)04-0104-11 DOI:10. 12062/cpre. 20230126

2011 年,中国印发《万家企业节能低碳行动实施方案》(以下简称“万家企业政策”),开始实施万家企业节能低碳行动。该政策是实现“十二五”能耗和碳减排约束性指标的重要支撑和保证,是目前中国最典型、最具有代表性的大规模节能政策之一。政策以“企业为主,政府引导”为基本原则之一,中央政府负责统筹协调,地方政府按属地管理原则负责组织实施。一方面,万家企业政策直接管制企业的能源使用量,即根据综合能源消费量将全国一万多家企业纳入政策实施范围,并确定每家企业“十二五”期间需完成的节能减排目标;另一方面,该政策要求各地区节能主管部门加强监管,并将政策企业的节能措施落实和目标达成情况纳入地方政府节能目标责任考核评价体系。类似万家企业政策的目标责任制政策是中国应对气候变化的常态化工具。绿色技术创新作为减少碳排放的一个关键驱动因素,具有巨大的溢出效应[1],可以带来长久的经济与环境效益。企业在绿色技术创新体系中占主体地位,万家企业政策能否促进企业绿色技术创新?地方政府在其中扮演何种角色?文章基于万家企业政策的实践经验,以上市企业为样本,研究万家企业节能减排政策引致的绿色技术创新效应,并从政府行为视角探索其内在机制。该研究可丰富和拓展环境规制作用于绿色技术创新的机制理论,有利于相关碳减排政策设计优化和推进产业低碳化转型与升级。

1 文献综述

环境规制能否促进绿色技术创新是规制研究领域的经典问题,现有大量文献从政策、地区、行业和宏微观层面等不同维度挖掘经验数据,采用前沿的计量方法,对该问题开展经验实证研究。在碳减排领域,文献主要关注低碳城市试点[2-4]、碳排放权交易机制[5-7]等碳规制政策,较少文献关注直接管制企业能耗量的政策。其中,Filippini等[8]考察了千家企业节能行动对企业全要素生产率的影响,韩超等[9]研究了千家企业节能行动对污染排放的协同效应以及影响机制,康志勇等[10]研究了万家企业政策对企业出口的影响。在指标选取上,随着数据获取便利性的提高,绿色专利数据被研究者广泛用于绿色技术创新相关研究[11-15],但该数据的离散特征、零膨胀特征以及模型的估计方法等问题未受到重视。

相关文献还重点研究了规制政策影响企业绿色创新的机制和条件[16]。从资源的角度来看,环境规制具有“挤占效应”,即环境规制会增加企业环境性投资、加重企业污染治理成本[17],以及降低企业的技术创新投入[18],从而抑制企业创新;环境规制也具有“补偿效应”,即通过政策支持帮助企业弥补绿色创新部分成本,提高企业开展绿色技术创新的积极性和可行性[19]。从政策的强制性角度来看,环境规制具有“倒逼效应”。如王班班等[15]认为市场型政策给企业带来了类似于能源价格上涨的成本压力或经济激励,而命令型政策直接通过政策的实施增加企业的成本;李青原等[20]认为“倒逼效应”源于利益相关者的外部压力和企业内部的激励性因素。但现有文献未从企业可选择的合规路径来系统分析环境规制如何“倒逼”企业开展绿色技术创新。

中央地方博弈是中国应对气候变化政策的主要特点之一[21]。许多文献从中国环境管理体制的角度来评价环境规制政策。如Chen等[22]利用“十一五”减排政策变动来识别环境规制对地方官员治污行为的影响;在中国2007年开始实施的“国家重点监控企业”政策实践经验中,中央政府监察提高了地方政府的环境执法力度[23],进而促进了企业绿色技术创新[24];陶锋等[25]研究了对地方政府的环保绩效考核能否实现企业绿色技术创新的“增量提质”。

综上发现:其一,鲜有文献基于万家企业政策的实践经验研究环境规制对绿色技术创新的影响;其二,在方法上,绿色专利数据存在离散、零膨胀等特征,但未能引起现有大部分文献的重视;其三,环境规制作用于绿色技术创新的机制还有待探索,鲜有经验研究考虑地方政府行为在环境规制政策影响企业绿色技术创新活动的过程中发生的作用。该研究试图从以上三个方面进一步拓展,以期对现有研究作出相应的补充和完善。

2 研究设计

2. 1 提出假设

万家企业政策是政府为了服务于社会发展规划中的节能减排目标而制定的一项干预企业生产活动的节能减排规制,属于命令型环境规制。该政策给企业下放减排目标,并通过加强监管来提高企业违规成本,能否促使企业开展绿色技术创新,关键在于企业会选择什么合规路径。企业的选择并非局限于技术创新,还包括产业转移[26-27]、削减能耗[28-29]和技术采用[30]等。万家企业政策是全国性的政策,意味着企业无法通过产业转移来规避政策。企业为维护自身市场份额及未来发展,也不会轻易选择大幅削减规模。因此,通过技术实现减排就成为企业的必然路径选择。技术采用的成本低于技术创新,但企业若选择创新,其创新成果具有潜在收益,即创新企业可将其以专利等形式存在的绿色技术投放到技术市场上有偿让渡其他企业采用,从而获取更高收益。綜上,提出基准假设1。

基准假设1:万家企业政策对企业绿色技术创新具有正向影响,即该政策具有绿色技术创新效应。

万家企业政策的一系列措施对地方政府督促形成硬约束,即地方政府不仅是“监管者”,更是“被监管者”。中央环保督察经历了由“督企”向“督政”的阶段转变[31]。根据晋升锦标赛理论[32],地方政府作为被监管者,需要平衡经济绩效与环保绩效考核。而出于前者的需要,地方政府多采用奖励和补贴的方式促进属地内企业完成节能减排目标[21]。因此,为支持辖区内的政策企业达标,地方政府倾向于对企业实施扶持,如给企业提供环保补助与研发补助,政府补助可弥补企业创新的部分成本,提高企业开展绿色技术创新的积极性和可行性[33],对创新有积极作用[19]。其中,环保补助资金有专项的环保治理用途,不能对企业开展绿色技术创新提供激励,甚至可能会对企业绿色技术创新形成反向激励。因为一旦企业可通过绿色技术创新以外的途径达到节能减排的目的,就会削弱企业开展周期长、风险大的绿色技术创新的动力。故政府资金扶持中,对企业绿色技术创新起到激励作用的是研发补贴。综上,提出中介效应假设2。

中介效应假设2:地方政府的研发补助在万家企业政策对企业的绿色技术创新产生促进效应的过程中发挥了中介的作用。即万家企业政策会通过对地方政府的考核机制影响地方政府对政策企业的研发补贴行为,进而对企业的绿色技术创新产生影响。

考虑政府政策的实施效应存在滞后性,且该政策实施具有一定周期性,因此万家企业政策实施后,其促进绿色创新的效应可能具有动态性特征,对此提出动态特征假设3。

动态特征假设3:万家企业政策的绿色技术创新效应具有动态特征。即万家企业政策在实施期间,其绿色技术创新效应会逐步释放、提高。政策结束后,绿色技术创新效应会有所收敛甚至消失。

高技术创新水平地区通常已经拥有了良好的技术研发配套产业,企业在创新上更具有领先优势与规模优势,因此针对万家企业政策的绿色技术创新效应在创新水平上的边际特征提出边际特征假设4。

边际特征假设4:万家企业政策的绿色技术创新效应在绿色技术创新水平上具有边际递增的规律。即对越高创新水平地区的企业而言,万家企業政策的绿色技术创新效应越明显。

万家企业政策增加了企业的污染成本,在中央生态环保督查持续发力、中央对地方环保绩效考核不断加强的背景下,地方国有企业开展绿色技术创新从而减排增效的动力更足。此外,国有企业具有更多的资金和资源用于绿色创新。因此,针对企业产权特性上的异质性特征提出异质性假设5。

异质特征假设5:万家企业政策的绿色技术创新效应在企业的产权特征上存在差异性,在国企中政策效应更为显著。

具体假设整体思路如图1所示。

2. 2 模型构建

2. 2. 1 基准模型

使用双重差分(DID)及其扩展模型评估万家企业政策对企业绿色技术创新的平均效应,基准模型构建如式(1)所示:

2. 2. 2 计数数据模型

核心被解释变量所使用的专利数据属于计数数据,只可取包括零在内的非负整数。文献[2,20,36]对专利数据的处理方法多是加1后取自然对数。该研究亦采用了此方法,但考虑到对数化后的专利数据可能仍不符合经典线性回归模型的正态分布假设,故将模型设计的思路从经典线性回归模型扩展到广义线性回归模型(GeneralizedLinear Models,GLM)[37]。在该模型框架下,被解释变量可以是计数数据,其分布属于指数分布族,其期望值的函数即连接函数与解释变量呈线性关系。在设计GLM模型时,须明确被解释变量的分布类型和连接函数。

在众多GLM模型中,当被解释变量的取值为所有自然数时,多采用泊松回归模型(Possion)[38]。泊松回归现已成为对计数数据进行GLM建模的标准方法[39],在创新研究领域受到越来越多学者的青睐[40-44]。泊松回归假设被解释变量服从泊松分布。该研究以对数函数作为连接函数,构建泊松面板模型如式(3)所示:

其中:exp表示指数函数,X 表示等号右边出现的所有解释变量。计数数据模型使用极大似然估计法估计系数。

泊松回归要求被解释变量的数学期望等于方差。当数据存在“过度离散”现象(方差比理论值大)时,则一般考虑采用负二项回归(Negative Binomial Regression, NB)加以修正。为应对可能存在的数据过度分散问题,该研究在模型设计中加入负二项模型如式(4)所示:

以上计数数据模型假定被解释变量服从某一指数分布族,很多情况下这一假设仍不能得到满足。此时在一定条件下,使用“伪似然估计法”(Pseudo?maximum Likelihood,也称“拟似然估计法”)仍可得到一致的估计结果。Gourieroux等[45]放松因变量分布的假设,提出了泊松伪极大似然(PPML),使泊松回归不再局限于计数数据,可应用于任何非负的被解释变量。相关研究表明,当非负变量存在许多零值时,PPML是最好的选择[46],适用于研发支出、专利等数据[39],且该方法可得到稳健的标准误[47]。经Silva等[48]推荐,该方法被广泛应用于国际贸易领域的重力模型。该研究使用此方法进行估计,模型表达式同式(3)。在上述模型表达式中,仍然使用是否受万家企业政策干预treatedit 和政策实施前后afterit 的交互项,即在计数数据模型中,仍然运用双重差分的原理来识别政策效果。

2. 2. 3 作用机理模型

为检验环境规制的绿色技术创新效应机制,参考温忠麟等[49]提出的中介效应检验思路,构建中介效应模型,如式(5)和式(6)所示:

其中:Innindexit表示企业所在城市的创新水平。为了简洁与便于阅读,式(7)省略了afterit、treatedit与Innindexit这三个主变量及它们间的其他交乘项。若在afterit× treatedit的系数ρ2仍显著为正的基础上,ρ1的估计值显著为正,则表明与城市创新指数较低的地区相比,万家企业政策对创新绿色技术创新的促进作用在城市创新指数较高地区下影响更大,即说明政策效果在创新水平上存在边际效应。

企业的所有制属性通常会对其研发投入和技术创新产生影响。为检验万家企业政策对企业绿色技术创新的影响是否在企业产权特征上存在差异性,使用企业的产权特征变量Ownership 构建三重差分模型,原理与前述的三重差分模型相同。

2. 3 变量选取与说明

核心被解释变量是以绿色专利为衡量指标的绿色技术创新水平。专利类型中,一般认为实用新型的创造性及创新性弱于发明专利;对比专利申请量与授权量,前者无须检测与缴纳年费,不受其他因素的影响,可更大程度地避免时间滞后问题,进而规避了一些不稳定性与不确定性的影响[2,51-53],兼具表现了创新主体的努力程度与创新成果。因此选取绿色发明专利申请量(GreInvia)作为绿色技术创新的指标,并改用绿色实用新型申请量(GreUmia)作为稳健性检验之一。

核心解释变量是政策交乘项after × treated。其中treated 表示万家企业政策实施范围的虚拟变量。若某企业被列入万家企业政策企业名单,则相应的虚拟变量treated 记为1,否则记为0。after 表示万家企业政策时间的虚拟变量,政策实施前即2011年之前记为0,政策实施后即2011 年及之后记为1。若某企业在政策企业名单内,且时间在2011 年或之后,则该企业对应的交互项after × treated 记为1,否则均为0。通过估计交乘项after ×treated 的系数,即可识别万家企业政策的净效应。

考虑上市公司的财务与经营状况、地区发展水平对企业绿色技术创新的影响,选取企业层面特征变量和城市特征变量作为控制变量。考虑企业所属行业的技术水平、企业自身的技术创新水平、不随时间变化的地区经济科技水平、整体科技水平的进步提高等因素的影响,在模型中加入行业、个体、省份、年份等固定效应。主要变量名称、含义及计算方法汇总见表1。

2. 4 數据来源与处理

研究样本为上市公司中的政策企业与非政策企业,经验实证数据主要有三大部分:一是国家发展和改革委员会等部门联合印发的《关于印发万家企业节能低碳行动实施方案的通知》中公布的万家企业名单,全国共有16 076 家企事业单位。二是从中国研究数据服务平台(CNRDS)获取的上市公司绿色专利数据,该绿色专利数据来自中国专利数据,“绿色”的界定依据是世界知识产权局公布的绿色专利分类号标准。三是从国泰安(CSMAR)获取的上市公司其他数据,以及从EPS获取的区域经济数据,中国城市创新指数来自复旦大学产业发展研究中心的研究报告[54]。数据时间跨度为2004—2018年。因2019年中国针对专利申请开展了整体监管转型,当年专利申请数量出现了二十多年来的首次下降[55],故该研究未将2019年及其后的数据纳入样本研究。

将不同来源的数据匹配后,按照国民经济行业分类标准,选取工业企业样本,即采矿业、制造业以及“电力、热力、燃气及水生产和供应业”这三大门类的企业样本;删除政策实施后才成立的企业样本;剔除少于5年数据的企业样本;剔除非正常上市的企业样本;剔除规模极端的企业样本。

3 实证结果

3. 1 统计描述和差异性分析

表2报告了核心变量的描述性统计。在经过数据处理的10 517个样本中,企业绿色发明专利申请量(GreIn?via)平均值为0. 946,标准差为6. 366,75% 分位数为0。说明样本企业的绿色专利水平普遍较低,差异较大,零值占比大,零膨胀现象严重。政策变量treated 和after 平均值分别为0. 312 和0. 645,说明政策实验组样本占比较少,政策实施年度后的样本占比较大。

表3显示了政策实验组与对照组在政策实施前后的组内差异和组间差异的检验结果。万家企业政策实施后,实验组和对照组的绿色发明专利申请量均显著增加,但实验组增加更多。简单双重差分后的结果为正,且具有统计学意义上的显著性,初步表明万家企业政策促进了企业绿色专利数量的增加。

为初步检验双重差分法的平行趋势假定,绘制绿色发明专利申请量的均值趋势如图2所示。在万家企业政策出台前,实验组和对照组的绿色发明专利申请量大致保持相同趋势;政策出台后,该趋势发生较大改变,实验组的增长高于对照组。平行趋势假定得到初步验证。

3. 2 基准结果分析

基准回归结果见表4。其中,Control 表示是否控制企业层面特征变量和城市特征变量,Fixed_Effect 表示是否控制个体固定效应,Year_FE 表示是否控制年份固定效应,Ind_FE 表示是否控制行业固定效应,Log 表示是否对被解释变量进行对数化处理,Robust 表示是否采用聚类调整标准误差,N 表示样本量。文内所有回归均尽量采用聚类调整标准误差,并尽可能地控制个体、时间、行业和省份效应。回归结果显示,afterit× treatedit估计系数均在1%的水平上显著为正。说明万家企业政策实施后,相比于不受监管企业,受监管企业的绿色技术创新水平显著提升。在万家企业政策的监管压力下,被倒逼的企业并没有完全选择采用现有的技术,而是开展了绿色技术创新并取得了一定的成果。因此可得出万家企业政策对企业绿色技术创新具有正向影响的结论,基准假设1得到验证。

图3展示了万家企业政策对企业绿色技术创新数量影响的动态效应。从中可看出,政策实施前,afterit×treatedit估计系数不显著。政策实施当年,政策的绿色技术创新效应已初步显现,原因可能是虽然该政策在2011才开始正式实施,但在确认名单过程中,企业已对政策产生预期;政策实施期间,企业绿色专利申请数量总体显著增加,交互项系数均显著为正且呈上升趋势;政策结束后,交互项的系数有所回落,且显著性有所下降。此结果表明,双重差分估计的平行趋势假设得到满足。同时也表明,万家企业政策在实施期间,其绿色技术创新效应显著且显著性随时间增强。这与现实情况相符,即相对于研发投入,专利申请具有一定的时间滞后性。政策结束后,万家企业政策的绿色技术创新效应不显著,该效应不具有长期性、可持续性。因此,万家企业政策的绿色技术创新效应在时间上具有动态特征,假说3得以验证。

计数数据模型的结果见表5。计数数据模型的系数含义不同于基准模型。以列(2)结果为例,它表明,与对照组相比,实验组的绿色创新水平的自然对数的平均增加了约0. 76,其他列同理解释。计数数据模型考虑了专利数据的离散特征、零膨胀特征以及估计方法的问题,所得到估计结果更为稳健。从表5可看出,计数数据模型的回归结果依然支持了文章的基准假说1。

3. 3 稳健性检验

根据前文研究设计的思路,该研究从三个角度进行稳健性检验。首先,将绿色技术创新的指标更换为实用新型专利的绿色申请数量,并使用更为稳健的计数数据模型进行估计,结果依然稳健(表6)。其次是安慰剂检验,为排除不可观测特征的影响,参考Liu等[56]、周茂等[57]、宋弘等[58]的做法,采用随机的思路,用500次随机抽样后的估计系数,绘制估计系数的核密度分布如图4所示。估计系数基本服从正态分布,表明对企业样本进行随机分组后双重差分的结果也服从随机分布,符合安慰剂检验预期。最后,为提高实验组与对照组的可比性,采用倾向性得分匹配法对实验组和对照组进行匹配。考虑到可能影响企业是否入选为政策企业的因素,文章选取企业资产规模(Size)、企业产权特征(Ownership)、行业污染特征(ifhp)和市场势力(Market)等企业特征变量作为协变量。匹配后的回归结果见表7,符合稳健性检验预期。其中,倾向性得分匹配前后变量的标准化偏差图如图5所示,匹配结果较好地平衡了数据。

3. 4 作用机理分析

作用机理分析的回归结果见表8。中介效应模型结果见列(1)、列(2)。列(1)的结果展示了afterit × treatedit交互项系数显著为正,即政策交互项对中介变量有显著的正向影响,说明相比于非政策企业,受到万家企业政策管制的政策企业能从地方政府获得更高的补贴。而地方政府此行为的目的是通过奖励和补贴的方式促进属地内企业完成节能减排目标,从而平衡经济绩效与环保绩效考核。列(2)中,grant 的系数表示在控制交互项的影响之后,中介变量grant 对绿色技术创新的效应。该系数显著为正,说明政策企业所获得的额外补贴进一步提高了企业的绿色技术创新水平。因此,政府补助这个中介变量存在部分中介效应,中介效应假设2得到验证。

表8列(3)结果显示,在afterit× treatedit 系数仍显著为正的基础上,treatedit×afterit×Innindexit系数的估计值显著为正,表明与城市创新指数较低的地区相比,在城市创新指数较高的地区,万家企业政策对企业绿色技术创新的促进作用更为显著。主要原因可能在于绿色技术创新水平高的地区的技术研发配套产业较为良好,创新要素齐全且流动性强。企业可接收到更多的创新溢出,更具有领先优势与规模优势。因此,万家企业政策的绿色技术创新效应在创新水平上的边际特征显著,边际特征假设4得以验证。

列(4)结果显示,在afterit× treatedit系数接近正显著的基础上,treatedit×afterit×Ownershipit系数的估计值显著为正,表明与私营企业相比,万家企业政策对创新绿色技术创新的促进作用在国有企业中影响更大。说明国有企业更积极地响应政府的節能减排号召,且国有企业在地方政府完成节能减排目标的过程中承担了更多的责任。也有可能是,国有企业得到了更多用于绿色创新的资金和资源。异质特征假说5得以验证。

4 结论与启示

基于万家企业政策冲击,以政策实施范围内的样本企业为实验组,政策实施范围外的样本企业为对照组,运用双重差分法,从企业层面研究了万家企业政策对企业绿色技术创新的影响,以及地方政府行为所起到的中介效应。研究结果表明:①万家企业政策显著地促进了企业的绿色技术创新。考虑数据离散特征、零膨胀特征等因素后,该结论依然成立。在更换变量指标、安慰剂检验、经匹配后回归等一系列稳健性检验后,该结论也依旧成立。②万家企业政策的考核约束性影响了地方政府对企业的补贴行为,进而促进了企业的绿色技术创新。③万家企业政策的绿色技术创新效应在政策期间显著存在,政策结束后不显著,具有动态特征。④万家企业政策的绿色技术创新效应具有边际特征。与城市创新指数较低的地区相比,在城市创新指数较高的地区,万家企业政策对企业绿色技术创新的促进作用更为显著。⑤万家企业政策的绿色技术创新效应具有异质特征。与私营企业相比,万家企业政策对国有企业的绿色技术创新促进作用更显著。

上述研究发现,目标责任制在解决中国的环境问题和实现经济高质量发展过程中发挥了积极的作用,由此得出政策启示如下。

(1)优化政策设计以积极引导企业提高绿色技术创新水平。政策一方面要“堵住”企业的侥幸心理,另一方面要“疏通”企业走绿色技术创新之路的障碍。即政策要配套强硬的保障措施,加大违规惩罚力度,倒逼企业转型。同时,积极利用研发补贴等政策手段,打通企业融资渠道,对企业绿色技术创新研发给予支持,降低企业创新成本,提高企业创新动力。

(2)构建完善绿色发展导向的环保绩效考核体系。切实强化节能减排绩效考核,实行节能减排与经济增长双挂钩的绿色考核体系,提高对地方绿色技术创新绩效的考核比重,引导地方转变发展理念、开展良性竞争,警惕防范地方政府在环保问题上“逐底竞争”的不良现象。破除“唯GDP论”的思想,实现真正意义上的经济高质量发展。

(3)“因企制宜”地实施环境规制与创新激励政策。制定手段灵活、强度相适的环境规制政策,充分了解企业痛点和难点,积极协助企业解决节能减排与绿色技术创新过程中的问题。对创新水平较低、基础较差地区的企业,其创新起步更为艰难,政府更需大力支持。高创新水平地区企业的绿色技术创新效应更高,应加强对该地区企业创新的奖励与激励。要坚持解决民营企业融资难融资贵的问题。在对国有企业的监管和考核中,应加大绿色创新指标考核权重,以进一步提高国企的绿色创新积极性。

(责任编辑:王爱萍)