创新集聚对工业绿色转型的影响

王阳 郭俊华

摘要：本文通过构建包含创新集聚部门的新经济增长模型，理论阐释了创新集聚对工业绿色转型的非线性作用机制，并基于2006—2020年中国282个城市面板数据，实证检验了创新集聚对工业绿色转型的非线性影响及异质性、空间溢出效应，并验证财政纵向失衡和外商直接投资在其中的调节效应。研究发现：创新集聚对工业绿色转型影响呈U型特征；创新集聚在有效推动东部城市、一线城市工业绿色转型的同时，却抑制了中部城市、资源型城市、四五线城市工业绿色转型；创新集聚影响工业绿色转型的U型特征受到财政纵向失衡的负向调节和外商直接投资的正向调节；创新集聚对地理距离相近地区工业绿色转型的影响存在显著的倒U型空间溢出效应。

关键词：创新集聚；工业绿色转型；U型；新经济增长模型

中图分类号：F205文献标识码：A文章编号：1001-148X（2024）02-0001-12

收稿日期：2023-09-07

作者简介：王阳（1997—），男，山西忻州人，博士研究生，研究方向：宏观经济；郭俊华（1966—），男，陕西武功人，教授，博士生导师，研究方向：宏观经济。

基金项目：国家社会科学基金重大项目“西部地区巩固拓展脱贫攻坚成果同乡村振兴有效衔接的路径及政策研究”，项目编号：21ZDA063；陕西省社会科学基金项目“陕西巩固拓展脱贫攻坚成果同乡村振兴双向嵌入的逻辑及路径研究”，项目编号：2022D039。

一、引言

改革开放以来，伴随着中国经济的快速发展，资源短缺、环境污染、生态失衡等问题日益凸显。据统计，2021年中国能耗量和碳排放量约占全球总量的2645%和3106%，是全球最大的能源消费国与碳排放国。现阶段，工业是中国国民经济的主体，是“三废”和碳排放的主要来源。2021年中国工业领域碳排放量约占全国碳排放总量的69%，能源消费量约占全国能源消费总量的65%。因此，加快推进工业绿色转型是实现经济社会发展绿色化、低碳化的核心问题，是实现高质量发展和中国式现代化的本质要求。

创新是引领高质量发展和中国式现代化的关键动力，是新时代中国实现工业绿色转型的战略支撑。在以大数据、物联网、云计算、人工智能为核心的数字经济时代，低成本、高速度的要素流动特征，使创新要素逐渐向经济最具活力、开放程度最高、人才竞争力最强的城市聚集。不同于传统的分散式创新，创新集聚是将关键核心技术汇集于重要部门、重点城市，从而提高技术创新效率、实现多个创新主体互利共赢、提升产业链、供应链现代化水平、塑造产业发展新优势。为此，工业绿色转型亟须创新集聚驱动，用以规避绿色技术研发风险、降低污染治理成本、缩短节能技术研发周期、化解工业部门产能过剩、减少工业部门能源消费、“三废”和碳排放量。

目前，中国工业绿色转型问题引发了学术界的广泛关注，相关研究包括中国工业绿色转型的时间演进、空间分化和驱动因素等方面。现有研究认为中国工业绿色转型水平呈逐年上升的趋势［1］，但整体水平偏低［2］，并存在明显空间分化态势，东部地区、长江流域和黄河流域中下游工业绿色转型水平相对较高［3］，总体空间差异呈扩大趋势，区域间差异是总体差异的主要来源［2］；绿色信贷、环境规制［4］、绿色技术创新［5］、财政分权、数字经济［6］等是实现中国工业绿色转型的关键驱动因素。

本文基于2006—2020年中国282个地级及以上城市面板数据，实证检验创新集聚对工业绿色转型的非线性影响及异质性、空间溢出效应，探讨财政纵向失衡和外商直接投资在创新集聚对工业绿色转型影响中的调节效应。

二、理论分析

（一）模型构建与研究假说

本文基于Romer（1990）的内生增长理论，参考杨立岩和潘慧峰［7］、孙早和许薛璐（2017）［8］、葛鹏飞等（2018）［9］的相关研究成果，引入创新集聚与工业绿色全要素生产率，构建了包括工业最终产品生产部门、工业资本设备生产部门、创新集聚部门和工业最终产品消费部门的新经济增长模型，理论阐释创新集聚对工业绿色转型的作用机理。

1工业最终产品生产部门厂商行为

参考袁嘉琪和卜伟（2022）［10］的相关研究成果，结合自身研究对象，构建了以劳动力投入（L1t）、资本设备投入（X）、能源投入（E）为主要投入要素的生产函数，生产函数采用Cobb-Douglas生产函数形式，具体设定为：

Yt=Lα1t∫At0xβidiEδt（1）

其中，α、β、δ分别表示劳动、资本设备、能源的产出弹性；Yt表示t时刻工业最终产品产出；L1t表示t时刻工业最终产品生产部门的劳动力投入；xi表示t时刻工业最终生产部门资本设备数量；Et表示t时刻工业最终生产部门的能源投入；At表示地区创新集聚水平。

假定工业最终产品销售市场是完全竞争市场，其价格为1。则工业最终产品生产部门厂商的利润为：

πYt=Lα1t∫At0xβidiEδt-CL1t;xi;Et（2）

CL1t;xi;Et=PL1tL1t+∫At0Pxixidi+PEtEt（3）

理性的工业最终产品生产部门厂商会利用所有投入要素实现利润最大化，即（2）和（3）式满足一阶条件，其生产决策规划将满足投入要素的价格等于工业最终产品的边际产出：

PL1t=αLα-11t∫At0xβidiEδt=αYtL1t（4）

Pxi=βLα1txβ-1iEδt（5）

PEt=δLα1t∫At0xβidiEδ-1t=αYtEt[SX）]（6）

其中，PL1t、Pxit、PEt表示劳动力、资本设备与能源的价格。

2工业资本设备生产部门厂商行为

由（5）式可得工业最终生产部门对资本设备的需求函数：

xi=Lα1-β1tEδ1-βtβPxi11-β（7）

假设每个工业资本设备生产部门的生产函数是线性的，即：

Yt-=xi（8）

联立（1）、（7）、（8）式，得工业最终产品生产部门的生产函数为：

Yt=β2β1-βLα1-β1tAtEδ1-βt（9）

3创新集聚部门厂商行为

参考Jones（1995）［11］的相关研究成果，本文设定地区创新集聚水平的高低取决于创新集聚部门的劳动力投入（L2t）、本地区已有创新集聚水平（At）、其他地区创新集聚水平（At*）、本地区基础知识总量（Ot），则创新集聚部门的生产函数为：

At˙=θL2tAφtAtA*tσOεt#（10）

其中，At˙表示t时期本地区创新集聚水平增量；θ、φ、σ、ε表示劳动力投入、本地区已有创新集聚水平、本地区和其他地区创新集聚水平差距、本地区基础知识总量对创新集聚水平的提升效率；由于知识的积累效应，假设φ与σ均大于1；At/A*t表示本地区和其他地区创新集聚水平差距，当其他地区创新集聚水平较高而本地区创新集聚水平较低时，高新技术厂商、高水平技术型人力资本、社会资本等将从本地区转移到其他地区，对本地区创新集聚水平提升作用显著降低；基础知识总量Ot的增量取决于基础知识部门的劳动力投入（L3t）、本地区已有基础知识总量（Ot），具体为：

Ot˙=ρL3tOεt（11）

其中，L3t=τLt，τ表示收入税率，Lt表示社会总劳动力，Lt=L1t+L2t+L3t。

创新集聚部门厂商的利润为：

πOt=PAtAt˙-PL2tL2t（12）

创新集聚部门的工资水平为：

PL2t=PAtθAφtAtA*tσOεt#（13）

假定创新集聚部门是完全竞争市场，在市场均衡条件下创新成果价格等于资本设备生产部门厂商利润的贴现值：

PAt=1rπyt=1rt1-ββ1+β1-βLα1-β1tEδ1-βt（14）

依据（14）式，创新集聚部门的工资水平（13）式可改写为：

PL2t=θ1rt1-ββ1+β1-βLα1-β1tEδ1-βtAφtAtA*tσOεt（15）

4工业最终产品消费部门家庭行为

参考刘鹏飞（2022）［12］的相关研究成果，假设工业最终产品消费部门的消费偏好满足固定弹性效应函数，则在均衡条件下，家庭消费增长率为：

gC=c˙c=1qr-m（16）

其中，1/q表示跨期替代弹性；m表示时间偏好系数。

（二）模型分析

为简化分析与计算，将上述过程设定为长期均衡水平上，则长期均衡增长率：

g=gY=gK=gA=gC（17）

联立（4）、（9）、（10）、（15）、（16）式，得长期均衡增长率为：

g=θ1-τLtAφtAtA*tσOεt-αmβ1-βAtAt+αqβ1-βAt（18）

进而，参考陈诗一（2009）［13］、蔺鹏和孟娜娜（2021）［14］的相关研究成果，根据标准经济增长核算法，采用产出增长率扣除要素增长率计算工业绿色全要素生产率的增长率，即：

GTFPt˙GTFPt=Yt˙Yt-αL1t˙L1t-βKt˙Kt-δEt˙Et=g-f（19）

为分析创新集聚对工业绿色转型的作用，将（19）式对At求偏导：

GTFPt˙GTFPtAt=gAt-fAt

=θ1-τLtOεtφ+σ-11+αqβ1-βA*tσAγt-fAt（20）

其中，γ=φ+σ-2，由于φ与σ均大于1，故γ>0；参考刘斌和赵飞（2023）［15］、钟文和郑明贵（2022）［16］的相关研究成果，创新集聚水平的提升会使人力资本、能源和资本设备等要素生产率的增加，即f/At>0。因此，必然存在一个At0，使得GTFPt˙GTFPt/At=0。当At>At0时，GTFPt˙GTFPt/At>0，创新集聚有利于推动工业绿色转型。当At

H1：创新集聚对工业绿色转型的影响呈“U”型非线性特征。

除此之外，由于各地财政纵向失衡程度、FDI（外商直接投资）水平等的不同，创新集聚对工业绿色转型的影响程度也不同。

就财政纵向失衡而言，过度的财政纵向失衡会扭曲地方政府财政收支结构，造成财政收支缺口［17］。当创新集聚水平较低时（位于“U”型曲线的左半边），财政压力增大迫使地方政府增加本地区工业企业生产成本，且本地区创新要素集聚水平较低，创新要素转换为产出存在一定的滞后性，企业权衡成本效益后，会选择减少生产来规避风险，从而降低了地区“三废”和碳排放量，同时地方政府为扩大税源也将积极引进第二产业，但较低的创新集聚水平使地方政府找不到、招不来、留不住优质工业企业，由此抑制了创新集聚对工业绿色转型的负面影响。随着创新集聚水平的提升（位于“U”型曲线的右半边），财政压力增大，使地方政府为扩大税源、推动城镇化和工业化发展，引进了大量高污染、高耗能的工业企业，会直接增加地区“三废”和碳排放量，同时地方政府财权缺位，使其没有动力将有限的资金支持短期经济效益不明显的环保事业，且环保事业是典型的公共产品，地方政府容易依赖中央政府的环境治理措施，产生了“搭便车”行为，导致地方政府在环境治理上不作为，由此抑制了创新集聚对工业绿色转型的促进作用。

就FDI而言，当创新集聚水平较低时（位于“U”型曲线的左半边），外商直接投资主要集中于绿色技术创新水平要求不高的化工、建材、纺织、机械制造等高污染、高耗能、资源密集型产业，而地方政府在政治锦标赛体制下，将完成既定经济增长目标作为招商引资的主要指标，使地方政府以牺牲生态环境为代价吸引污染密集型外资企业入驻本地，由此促进了创新集聚对工业绿色转型的负面影响。随着创新集聚水平的提升（位于“U”型曲线的右半边），提高了本地区人力资本水平［18］，劳动力成本抬升使资源密集型、劳动密集型外资企业向用工成本较低的其他发展中国家转移，同时基于成本效益原则，吸引智能制造、新能源、新材料、信息技术等环境友好型外资企业落户本地，从而倒逼本地企业学习外资企业的生产集约化管理和减排技术，且税收的增加使地方政府加大对环境治理、生态保护的投资力度，由此促进了创新集聚对工业绿色转型的正面影响。基于此，本文提出如下假说：

H2：财政纵向失衡负向调节了创新集聚对工业绿色转型的“U”型影响，而FDI正向调节了创新集聚对工业绿色转型的“U”型影响。

三、研究设计

（一）模型设定

为检验创新集聚对工业绿色转型的影响是否呈“U”型非线性特征，本文借鉴王树文和王京诚（2022）［19］、钱丽等（2022）［20］的相关研究成果，结合自身研究对象，构建了以创新集聚一次项和二次项为核心解释变量的双向固定效应模型。具体模型设定为：

GTFPit=β0+β1Iaggit+β2Iagg2it+γXit+ui+vt+εit（21）

其中，i和t分别代表城市和年份；被解释变量GTFPit为城市工业绿色转型程度；核心解释变量Iaggit为城市创新集聚水平；Iaggit2为城市创新水平的二次项；Xit为控制变量合集；ui和vt分别为城市和年份固定效应；εit为随机扰动项。

为检验财政纵向失衡和FDI在创新集聚影响工业绿色转型的调节效应，本文借鉴温忠麟等（2005）［21］、胡晨光等（2020）［22］的相关研究成果，构建了如下调节效应模型：

GTFPit=β0+β1Iagg′it+β2Iagg′2it+β3A′it+β4A′it×Iagg′it+β5A′it×Iagg′2it+γXit+ui+vt+εit（22）

其中，Ait代表调节变量，分别为财政纵向失衡和FDI；A′it和Iagg′it为调节变量与核心解释变量的标准化值；A′it×Iagg′it为调节变量与创新集聚水平的交互项；A′it×Iagg′2it为调节变量与创新集聚水平二次项的交互项。

本文借鉴Haansetal（2016）［23］、钱丽等（2022）［20］的相关研究成果，可知（22）式的拐点为-β1+β4A′it/2β2+2β5A′it；由其对调节变量求偏导，若β1β5-β2β4>0，U型曲线的拐点右移；若β1β5-β2β4<0，U型曲线的拐点左移；若β5>0，U型曲线变得更陡峭；若β5<0，U型曲线变得更平缓。

为检验创新集聚对工业绿色转型影响的空间溢出效应，本文借鉴杨书等（2022）［24］、杨晓妹等（2023）［25］的相关研究成果，构建如下空间计量模型：

GTFPit=ρWGTFPit+β1Iaggit+β2Iagg2it+φWIaggit+θWIagg2it+γXit+σWXit+ui+vt+εit（23）

εit=λWεit+ξit（24）

其中，ρ为空间自回归系数；φ、θ为核心解释变量空间效应的估计系数；λ为空间误差自相关系数；W为空间权重矩阵，本文采用地理距离空间权重矩阵与经济距离空间权重矩阵；若λ=0，则上式为空间杜宾模型（SDM）；若λ=0且φ、θ=0，则上式为空间滞后模型（SAR）；若ρ=0且φ、θ=0，则上式为空间误差模型（SEM）。

（二）变量说明

1.被解释变量。本文借鉴岳鸿飞等（2017）［26］的相关研究成果，以工业绿色全要素生产率衡量工业绿色转型程度。为此，本文以劳动、资本、能源为投入指标，以工业增加值（亿元）为期望产出指标，以工业废水排放量（万吨）、工业二氧化硫排放量（吨）、工业烟（粉）尘排放量（吨）为非期望产出指标，采用SBM-GML方法测算工业绿色全要素生产率的增长率（MI指数），所使用的软件为MaxDEA80。

其中，劳动投入使用工业部门城镇非私营单位从业人数（万人）衡量，工业部门包括采矿业、制造业和电力、热力、燃气及水生产和供应业；资本投入使用规模以上工业固定资产净值（万元）衡量，由于部分城市缺少规模以上工业固定资产净值的相关数据，采用规模以上工业固定资产原值扣除累计折旧替代；能源投入使用工业用电量（万千瓦时）衡量，由于《中国城市统计年鉴》中2006—2016年工业用电量为市辖区数据，而2017—2020年工业用电量为全市数据，为保证数据口径一致，以2006—2016年市辖区工业增加值占全市比重将市辖区工业用电量换算为全市工业用电量。

除此之外，MI指数需进一步调整为工业绿色全要素生产率，进而衡量工业绿色转型程度，具体方法为：第一步，将2006年各城市投入与产出数据纳入MaxDEA80计算，并以2006年北京为基期（假定其工业绿色全要素生产率为1），通过累乘得到各城市2006年工业绿色全要素生产率，比如2006年天津工业绿色全要素为2006年北京工业绿色全要素生产率乘2006年天津MI指数，以此类推；第二步，将2006—2020年各城市投入与产出数据纳入MaxDEA80计算，并以2006年各城市工业绿色全要素生产率为基期，通过累乘得到2006—2020年各城市工业绿色全要素生产率，比如2007年某城市工业绿色全要素生产率为2006年某城市工业绿色全要素生产率乘2007年某城市MI指数，以此类推。

2.核心解释变量。现有度量创新的方法主要包括R&D投入和创新产出（新产品开发与3种专利授权）两种。相较于R&D投入和新产品开发，专利授权数作为创新的度量指标，可以直接反映创新水平、规模［27］。此外，与实用新型专利与外观设计相比，发明专利具有较高的新颖性、创造力和知识含量［28］，故本文以发明专利授权数衡量城市创新水平。同时，借鉴俞立平等（2021）［29］、张平淡和屠西伟（2022）［30］的相关研究成果，采用区位熵测算城市创新集聚水平。具体设定如下：

Iaggit=[SX（]Iit∑i，tIitGDPit∑i，tGDPit[SX）]（25）

其中，Iit为城市发明专利授权数。

3.控制变量。为了尽可能减少遗漏变量干扰引起的误差，参考既有文献，本文选择了如下控制变量：（1）经济发展水平（lnagdp），用人均GDP（元）的对数表示；（2）城市规模（lndensity），用单位行政区域面积常住人口（人/平方千米）的对数表示；（3）城镇化率（urban），用城镇常住人口占常住总人口的比重（%）表示；（4）工业化程度（idegree），用工业增加值占GDP的比重（%）表示；（5）金融发展水平（fd），用金融机构年末存款总额与贷款总额之和占GDP的比重（%）表示；（6）政府干预（gi），用政府财政支出占GDP的比重（%）表示。

4.调节变量。参考学术界已有文献，本文采用财政支出与财政收入之差与财政支出的比值（%）衡量财政纵向失衡（cs）；采用外商直接投资额占GDP的比重（%）衡量外商直接投资水平（fdi）。

（三）数据来源

本文使用的数据（2006—2019年）来源于CSMAR数据库、EPS数据库以及《中国城市统计年鉴》。鉴于《中国城市统计年鉴》（2021）数据缺失严重，本文所用2020年数据来源于各城市2021年统计年鉴和2020年国民经济和社会发展统计公报，并调整统计口径，使其与《中国城市统计年鉴》中的数据相匹配。对于缺失的数据，采用相近年份数据线性插补。

主要变量的描述性统计如表1所示。

四、实证结果分析

（一）基准回归

表2报告了创新集聚对工业绿色转型影响的基准回归结果。其中，列（1）和列（2）为是否添加控制变量条件下创新集聚对工业绿色转型线性影响的估计系数，可以发现其在10%的显著性水平下不显著，说明创新集聚未对工业绿色转型产生显著的线性影响，但这并不代表在整个发展阶段创新集聚对工业绿色转型影响有限。列（3）—（6）为逐步添加控制变量条件下创新集聚对工业绿色转型非线性影响的估计系数，可以发现在加入创新集聚二次项后，创新集聚一次项估计系数在1%的显著性水平下显著为负，二次项估计系数在1%的显著性水平下显著为正，表明创新集聚对工业绿色转型影响呈“先抑后扬”的U型特征，且此结果在不同控制变量下是稳健的。由于以二次项形式判断非线性关系容易造成极值点识别误差［31］，因此本文采用U-Test识别U型曲线的拐点值，并检验拐点两侧曲线的单调性是否不同。由列（3）—（6）可知，在逐步添加控制变量条件下，U型曲线的拐点值均落入创新集聚（Iagg）的取值范围内；拐点左、右侧端点斜率均在1%的显著性水平下显著不等于零，且一负一正；t统计量表明创新集聚对工业绿色转型影响的U型特征在1%的显著性水平下整体检验通过。可能原因为，在创新集聚的初始阶段，地区经济发展水平相对较低，地方政府主要以经济建设为中心，致力于将创新要素转化为经济发展驱动力，加剧了区域能源消耗和环境污染，同时低水平的创新聚集推动了化工、建材、纺织、机械制造等高污染、高耗能、资源密集型工业企业发展，从而抑制了地区工业绿色转型；随着创新集聚水平的提升，吸引了大批智能制造、新能源、新材料、信息技术等环境友好型工业企业落户本地，推动了区域经济发展水平的快速提升，倒逼本地高污染、高耗能的工业企业学习其生产集约化管理和减排技术，或迫使高污染、高耗能的工业企业转移至其他欠发达地区，同时伴随着经济发展水平的提升，“绿水青山就是金山银山”的理念成为地方各级政府的共识，生态文明建设进入了快车道，推动了地区工业绿色转型。据此，假说H1得到验证。

（二）稳健性检验

为验证基准回归结果的稳健性，本文从以下几个方面进行稳健性检验：

1加入被解释变量滞后项

考虑到工业绿色转型可能存在时间序列相关，即当期工业绿色转型程度可能受前期工业绿色转型程度的影响。鉴于此，本文将被解释变量的一阶滞后项纳入研究框架，使用系统GMM模型重新评估创新集聚对工业绿色转型的影响，检验结果见表3列（1）。检验结果显示，在加入被解释变量的一阶滞后项后，创新集聚一次项的系数在1%的显著性水平下依然显著为负，二次项的系数在1%的显著性水平下依然显著为正，且通过了U-Test检验，一定程度上表明基准回归结果是稳健的。

2更换核心解释变量衡量方法

创新集聚衡量方法的差异可能会对估计结果产生影响，因此本文换用单位行政面积的发明专利授权数衡量创新集聚水平，检验结果见表3列（2）。检验结果显示，在1%的显著性水平下创新集聚对工业绿色转型影响的U型特征依然成立，且通过了U-Test检验，与基准回归结果保持一致。

3考虑可能存在的双向因果关系

使用面板数据在一定程度上可以解决内生性问题中的遗漏变量偏差，但可能存在的双向因果关系也会使基准回归估计不一致。本文认为当期工业绿色转型对创新集聚的一阶滞后项基本不存在影响，即二者不存在双向因果关系。因此，将核心解释变量换用创新集聚的一阶滞后，检验结果见表3列（3）。检验结果显示，创新集聚一阶滞后项的一次项、二次项系数正负与基准回归保持一致，在5%、1%的显著性水平下显著，且通过了U-Test检验，一定程度上表明基准回归结果是稳健的。

4改变时间窗口

样本时间窗口的选择可能会影响估计结果，因此本文选用2007—2019年样本数据重新评估创新集聚对工业绿色转型的影响，检验结果见表3列（4）。检验结果显示，在样本子区间中，创新集聚一次项的系数在10%的显著性水平下依然显著为负，二次项的系数在1%的显著性水平下依然显著为正，且通过了U-Test检验，表明前述基准回归结果是稳健可靠的。

5剔除极端值影响

极端值的存在可能会干扰基准回归结果，例如部分城市拥有发达的重工业体系或丰富的化石燃料资源，其工业绿色转型程度远远低于其他城市，有些城市主要依赖金融、旅游业等第三产业，其工业绿色转型程度本身就较高，将这类样本纳入研究范围，会使基准回归结果出现偏误。为此，对被解释变量进行上下1%的缩尾处理并重新评估创新集聚对工业绿色转型的影响，检验结果见表3列（5）。检验结果显示，创新集聚一次项、二次项的估计结果与基准回归结果一致，且通过了U-Test检验，即剔除极端值影响后创新集聚对工业绿色转型影响的U型特征依然成立，表明基准回归结果是稳健的。

6改变样本

与普通地级市相比，直辖市的经济体量大、政策空间足，且相关变量的数值均数倍于普通地级市，会使基准回归结果出现偏误。因此，本文运用剔除直辖市的城市样本数据重新评估创新集聚对工业绿色转型的影响，检验结果见表3列（6）。检验结果显示，在子样本区间内，创新集聚对工业绿色转型影响的U型特征依然成立，且通过了U-Test检验，表明基准回归结果在一定程度上是稳健的。

五、进一步分析

（一）异质性分析

在上文研究的基础上，本文进一步探讨创新集聚影响工业绿色转型可能存在的城市区位异质性、城市特征异质性与城市规模异质性。

1城市区位异质性分析

本文依据样本城市的地理区位，将其划分为东部城市、中部城市和西部城市三个子样本，进而检验创新集聚对工业绿色转型的城市地理区位异质性影响，回归结果见表4列（1）—（3）。回归结果显示，对于东部城市而言，创新集聚一次项系数在10%的显著性水平下显著为正，二次项系数为正但不显著，即在样本考察期内创新集聚能有效推动东部城市工业绿色转型；对于中部城市而言，其创新集聚一次项系数在5%的显著性水平下显著为负，二次项系数在10%的显著性水平下显著为正，但未通过U-Test检验，拐点值位于子样本数据最右端，左侧端点斜率为负且在1%的显著性水平下显著，右侧端点斜率不显著，即在样本考察期创新集聚抑制了中部城市工业绿色转型；对于西部城市而言，其创新集聚对工业绿色转型影响的U型特征显著成立，且通过了U-Test检验。可能原因为，东部城市在人才、教育、交通、资金等方面具有明显优势，是全国科技创新领头羊，是高端创新要素的集聚地，大部分东部城市在本文样本考察期内已跨越U型曲线的拐点值，因此创新集聚能有效推动其工业绿色转型；中部城市主要以煤炭、化工等高污染、高耗能的重工业为主，同时承接了大批来自东部城市的高耗能工业企业，面临产业锁定和路径依赖等困境，其工业绿色转型的阈值较高，大部分中部城市在本文的样本考察期内尚未跨越U型曲线的拐点值，因此创新集聚抑制了其工业绿色转型；而西部城市与基准回归结果相似，可能原因如前文基准回归所述。

2城市特征异质性分析

本文依据样本城市特征，结合自身研究对象，将其划分为资源型城市与非资源型城市两个子样本，进而检验创新集聚对工业绿色转型的城市特征异质性影响，回归结果见表4列（4）和列（5）。回归结果显示，在样本考察期内创新集聚抑制了资源型城市工业绿色转型，其创新集聚的一次项系数在1%的显著性水平下显著为负，二次项系数为正但不显著；而对于非资源型城市而言，其创新集聚的一次项系数在5%的显著性水平下显著为负，二次项系数在1%的显著性水平下显著为正，且通过了U-Test检验，即在样本考察期内创新集聚对非资源型城市工业绿色转型影响呈U型特征。可能原因为，资源型城市的发展较为依赖城市资源禀赋，产业结构容易被“低端锁定”，普遍存在产业结构单一、经济效益低下等问题，创新集聚推动其工业绿色转型的阈值较高，且在本文样本考察期内尚未达到；而非资源型城市与基准回归结果相似，可能原因如前文基准回归所述。

3城市规模异质性分析

本文将样本城市依据城市规模划分为一线城市、二、三线城市和四、五线城市三个子样本，检验创新集聚对工业绿色转型的城市规模异质性影响，回归结果见表4列（6）—（8）。回归结果显示，在样本考察期内，创新集聚能有效促进一线城市工业绿色转型，而抑制了四、五线城市工业绿色转型，对二、三线城市的工业绿色转型影响呈U型特征，且通过了U-Test检验。究其原因，一线城市各类创新要素集聚水平高，经济发展状况好，建设资源节约型、环境友好型社会和实现可持续发展已成为一线城市共识，且一线城市在样本考察期内大多已跨越U型曲线的拐点值，故创新集聚能有效推动其工业绿色转型；二、三线城市与基准回归结果相似，可能原因如基准回归所述；而四、五线城市经济发展水平较为薄弱，以经济建设为中心是其工作重点，并致力于将创新要素转化为经济发展驱动力，为此承接了大批由一线城市转移而来的高污染、高耗能工业企业，故抑制了其工业绿色转型。

（二）调节效应分析

表5汇报了财政纵向失衡和外商直接投资水平（FDI）在创新集聚影响工业绿色转型的调节效应结果。其中列（1）和列（2）为是否添加控制变量条件下财政纵向失衡在创新集聚影响工业绿色转型的调节效应估计系数。结果显示，在添加控制变量条件下，创新集聚二次项与财政纵向失衡的交互项（Iagg2×cs）系数在1%的显著性水平下显著为负，表明财政纵向失衡使U型曲线变得更平缓，即财政纵向失衡负向调节了创新集聚对工业绿色转型的U型影响，同时β1β5-β2β4=0000348>0，表明财政纵向失衡使U型曲线拐点右移并推迟出现，可能原因如前文理论分析所述；列（3）和列（4）为是否添加控制变量条件下外商直接投资水平（FDI）在创新集聚影响工业绿色转型的调节效应估计系数。结果显示，在添加控制变量条件下，创新集聚二次项与外商直接投资水平（FDI）的交互项（Iagg2×fdi）系数在1%的显著性水平下显著为正，即FDI正向调节创新集聚对工业绿色转型的U型影响，使U型曲线变得更陡峭，同时β1β5-β2β4=-0000096<0，说明FDI使创新集聚影响工业绿色转型的U型曲线拐点向左移动并提前出现，可能原因如前文理论分析所述。据此，假说H2得到验证。

（三）空间溢出效应分析

考察数据是否存在空间依赖性是空间计量分析的前提条件，本文基于地理距离空间权重矩阵和经济距离空间权重矩阵，使用全局莫兰指数检验2006—2020年工业绿色转型的空间自相关，结果如表6所示。结果显示，在两种空间权重矩阵下，2006—2020年工业绿色转型的莫兰指数均在1%或5%的显著性水平下显著为正，即2006—2020年工业绿色转型存在正空间自相关。

本文分别进行了LM检验、Hausman检验、LR检验、Wald检验来选定最优的空间计量模型，具体结果如表6所示。结果显示，在地理距离空间权重矩阵下，LMspatialerror、LMspatiallag、RobustLMspatialerror均显著，但RobustLMspatiallag不显著，则空间计量模型需要结合后续检验来具体判断，初步选定为空间杜宾模型；LRspatialerror、LRspatiallag、Waldspatialerror、Waldspatiallag均显著，即拒绝空间杜宾模型退化为空间误差模型或空间滞后模型；同时，Hausman检验、LRbothind、LRbothtime均显著，表明在地理距离空间权重矩阵下最优的空间计量模型为双向固定的空间杜宾模型。经济距离空间权重矩阵下的检验也与此类似。

表7汇报了创新聚集对工业绿色转型影响的空间溢出效应结果，其中列（1）为地理距离空间权重矩阵下空间溢出效应估计系数，列（5）为经济距离空间权重矩阵下空间溢出效应估计系数。由于空间杜宾模型中包含各变量的空间效应，解释变量的估计系数并不能准确体现其对工业绿色转型的边际效应。因此，本文通过偏微分对空间溢出效应进行分解，将其分解为直接效应、间接效应与总效应，结果如表7列（2）—（4）、列（6）—（8）所示。结果显示，无论在地理距离还是经济距离空间权重矩阵下，创新集聚一次项的直接效应在1%的显著性水平下显著为负，二次项的直接效应在1%的显著性水平下显著为正，即在考虑空间溢出效应后，创新集聚对本地区工业绿色转型的影响呈U型特征，进一步佐证了基准回归结果的稳健性；在地理距离空间权重矩阵下，创新集聚一次项的间接效应在1%的显著性水平下显著为正，二次项的间接效应在1%的显著性水平下显著为负，即创新集聚对地理距离相近地区工业绿色转型的影响呈倒U型，可能原因为，在创新集聚的初始阶段，由于技术的溢出特性，诸如新能源技术、污染治理技术、环境监测技术等绿色技术会辐射至周边地区，对地理距离相近地区的工业绿色转型产生正向溢出效应，而随着创新集聚水平的提升，创新集聚地区的经济快速发展，建设资源节约型、环境友好型社会和实现可持续发展成为创新集聚地区共识，迫使本地区高污染、高耗能的工业企业转移至周边地区，对地理距离相近地区的工业绿色转型产生负向溢出效应，且大于绿色技术溢出所产生的正向溢出效应；在经济距离空间权重矩阵下，创新集聚一次项及二次项的间接效应均不显著，即创新集聚尚不能影响经济距离相近地区的工业绿色转型。

六、研究结论与对策建议

本文构建了由工业最终产品生产部门、工业资本设备生产部门、创新集聚部门和工业最终产品消费部门组成的新经济增长模型，理论探讨创新集聚对工业绿色转型的非线性影响机制，分析财政纵向失衡和外商直接投资的外部调节作用。基于2006—2020年中国282个地级及以上城市面板数据，实证检验创新集聚对工业绿色转型的影响及异质性、空间溢出效应，明晰财政纵向失衡和外商直接投资在创新集聚对工业绿色转型影响中的调节效应。研究发现：（1）在样本考察期内，创新集聚对工业绿色转型影响呈“先抑后扬”的U型特征，此结论在经过一系列稳健性检验后依旧成立；（2）异质性分析发现，创新集聚能有效推动东部城市、一线城市工业绿色转型，抑制了中部城市、资源型城市、四五线城市工业绿色转型，而对西部城市、非资源型城市、二、三线城市工业绿色转型的影响呈U型特征；（3）调节效应分析结果发现，财政纵向失衡负向调节了创新集聚对工业绿色转型的U型影响，而FDI正向调节了创新集聚对工业绿色转型的U型影响；（4）空间溢出效应发现，创新集聚对地理距离相近地区工业绿色转型的影响呈倒U型，且尚不能影响经济距离相近地区的工业绿色转型。

基于上述研究结论，本文提出以下政策建议：

第一，提升创新集聚水平，坚持科技创新和体制机制创新“双轮驱动”，加快构建高水平创新联合体，探索企业创新主体作用和市场导向作用，建立健全知识产权管理体系，完善创新激励政策机制，坚定实施创新驱动绿色发展战略，加快实施一批具有战略性、全局性、前瞻性的重大绿色创新项目，使全国实现跨越创新集聚影响工业绿色转型的拐点，充分发挥创新集聚在工业绿色转型中的决定性作用。

第二，考虑创新集聚对工业绿色转型影响的区域异质性问题，充分发挥各地区比较优势，制定动态化、差异化的可行政策，推动东部城市、一线城市打造工业绿色转型高地，使其成为全国建设资源节约型、环境友好型社会和实现可持续发展的“领头羊”；引导绿色先进技术、高水平技能型人力资本、专项资金向西部城市、非资源型城市、二、三线城市有序转移，推动其跨越创新集聚影响工业绿色转型的拐点，成为全国实现工业绿色转型的中坚力量；加快发展中部城市、资源型城市现代化体系，降低高污染、高耗能、低增加值的重工业在其GDP中的比重，推动产业结构优化升级和低碳转型。

第三，在财政纵向失衡角度，推进财税体制改革，优化央地政府财政分配关系，使地方政府事权、财权、财力相匹配，同时明确各级政府在环境保护等公共事务方面的支出责任，扭转财政纵向失衡在创新集聚影响工业绿色转型中的负向调节作用；在外商直接投资角度，以市场化、国际化、法制化为原则，进一步营造完善的外商投资政策环境，鼓励引进先进制造、新能源、新材料等环境友好型外商企业，继续推动外商直接投资在创新集聚影响工业绿色转型中的正向调节作用。

第四，布局建设新一代人工智能平台、大数据中心、5G基站、工业物联网、云计算中心等数字基础设施，打破传统社会中技术溢出的时空、信息壁垒，放大创新集聚对工业绿色转型影响的正向溢出效应；同时，鼓励高污染、高耗能的工业企业学习生产集约化管理和减排技术，减弱创新集聚对工业绿色转型影响的负向溢出效应。

参考文献：

［1］陈禹静.中国工业绿色高质量发展的时空格局演变及驱动因素分析［J］.学术论坛，2022，45（3）：60-71.

［2］邓宗兵，李莉萍，魏剑雄，等.中国工业绿色发展的时空格局及障碍因子［J］.科技管理研究，2023，43（2）：134-143.

［3］李科，袁玮鸿，罗晶，等.中国工业绿色增长效率的测算及其变化特征［J］.经济地理，2022，42（4）：44-53.

［4］杨永杰，阮鑫妍.数字化转型、绿色技术创新与企业ESG表现——环境规制的调节作用［J］．哈尔滨商业大学学报（社会科学版），2023（5）：34-47.

［5］王首然，祝福恩.生态文明建设整体布局下实现“双碳”目标研究［J］．理论探讨，2022（3）：125-129.

［6］高厚宾，王蔷瑞.“绿色的馈赠”：数字化转型对企业环境绩效的影响——来自中国制造业A股上市公司的经验证据［J］．河南师范大学学报（哲学社会科学版），2023，50（5）：88-94.

［7］杨立岩，潘慧峰.人力资本、基础研究与经济增长［J］.经济研究，2003（4）：72-78+94.

［8］孙早，许薛璐.前沿技术差距与科学研究的创新效应——基础研究与应用研究谁扮演了更重要的角色［J］.中国工业经济，2017（3）：5-23.

［9］葛鹏飞，黄秀路，韩先锋.创新驱动与“一带一路”绿色全要素生产率提升——基于新经济增长模型的异质性创新分析［J］.经济科学，2018（1）：37-51.

［10］袁嘉琪，卜伟.环境规制如何提升工业绿色全要素生产率？——行业间要素配置比例变化的视角［J］.经济问题，2022（6）：75-84.

［11］CharlesJones.R&D-BasedModelsofEconomicGrowth［J］.JournalofPoliticalEconomy，1995，103：759-784.

［12］刘鹏飞.预期寿命和储蓄率：基于有限生命的拉姆齐模型［J］.东北大学学报（社会科学版），2022，24（5）：22-30.

［13］陈诗一.能源消耗、二氧化碳排放与中国工业的可持续发展［J］.经济研究，2009，44（4）：41-55.

［14］蔺鹏，孟娜娜.有偏技术进步、要素配置扭曲与中国工业经济高质量发展——基于技术一致性视角［J］.上海经济研究，2021（8）：72-91.

［15］刘斌，赵飞.人力资本提升对企业绿色发展的影响——来自中国“高校扩招”的证据［J］.湖北大学学报（哲学社会科学版），2023，50（1）：152-161，175.

［16］钟文，郑明贵.资本匹配、创新力培育驱动区域经济高质量发展的逻辑及效应［J］.深圳大学学报（人文社会科学版），2022，39（5）：63-72.

［17］申洋，郭俊华.财政体制失衡与环境污染：理论机制与经验辨识［J］.经济问题探索，2021（9）：179-190.

［18］李宪印，王凤芹，杨博旭，等.人力资本、政府科技投入与区域创新［J］.中国软科学，2022（11）：181-192.

［19］王树文，王京诚.城市生活垃圾与经济增长的非线性关系——基于环境库兹涅茨曲线的实证分析［J］.中国人口·资源与环境，2022，32（2）：63-70.

［20］钱丽，魏圆圆，肖仁桥.营商环境对中国省域经济高质量发展的非线性影响——双元创新的调节效应［J］.科技进步与对策，2022，39（8）：39-47.

［21］温忠麟，侯杰泰，张雷.调节效应与中介效应的比较和应用［J］.心理学报，2005（2）：268-274.

［22］胡晨光，孙久文，王婷婷.大都市带基础设施、城市规模与城市经济增长——一个中介效应与调节效应的综合分析框架［J］.中国软科学，2020（10）：85-95.

［23］HaansR，PietersC，HeZ.ThinkingaboutU：Theo-rizingandTestingUandInvertedUShapedRelationshipsinStrategyResearch［J］.StrategicManagementJournal，2016，37（7）：1177-1195.

［24］杨书，范博凯，顾芸.投资型环境规制对绿色全要素生产率的非线性影响［J］.中国人口·资源与环境，2022，32（5）：120-131.

［25］杨晓妹，庞倩男，王有兴.环境税对绿色创新的空间溢出效应——基于政府环境监管调节作用的分析［J］.中国人口·资源与环境，2023，33（1）：50-60.

［26］岳鸿飞，徐颖，吴璘.技术创新方式选择与中国工业绿色转型的实证分析［J］.中国人口·资源与环境，2017，27（12）：196-206.

［27］傅晗彧，刘敬，谢小平.创新类型、政府支持与经济增长效率提高［J］.南方经济，2022（8）：92-112.

［28］曹玉平.异质技术创新对中国加工贸易升级的差异影响——理论机制与实证检验［J］.北京理工大学学报（社会科学版），2021，23（5）：101-114.

［29］俞立平，邱栋，彭长生.创新集聚、创新质量与创新成果［J］.统计与决策，2021，37（11）：173-177.

［30］张平淡，屠西伟.制造业集聚、技术进步与企业全要素能源效率［J］.中国工业经济，2022（7）：103-121.

［31］薛飞，刘家旗，付雅梅.人工智能技术对碳排放的影响［J］.科技进步与对策，2022，39（24）：1-9.

TheImpactofInnovationAgglomerationonIndustrialGreenTransformation

WANGYang，GUOJunhua

（SchoolofEconomicsandManagement，NorthwestUniversity，Xian710127，China）

Abstract：Byconstructinganeweconomicgrowthmodelthatincludesinnovationagglomerationsectors，thenonlinearmechanismofinnovationagglomerationonindustrialgreentransformationistheoreticallyexplained.Furthermore，basedonthepaneldataof282citiesinChinafrom2006to2020，thispaperempiricallyteststhenonlinearimpact，heterogeneityandspatialspillovereffectsofinnovationagglomerationonindustrialgreentransformation，andverifiesthemoderatingeffectoffiscalverticalimbalanceandforeigndirectinvestment.TheresearchfindsthatinnovationagglomerationhasaU-shapedimpactonindustrialgreentransformation，whichisstilltrueafteraseriesofrobustnesstests;Innovationagglomerationcaneffectivelypromotethegreentransformationofindustriesineasterncitiesandfirsttiercities，butithassuppressedthegreentransformationofindustriesincentralcities，resource-basedcities，andfourthandfifthtiercities;TheU-shapedrelationshipbetweeninnovationagglomerationandindustrialgreentransformationisnegativelyregulatedbyfiscalverticalimbalanceandpositivelyregulatedbyforeigndirectinvestment;ThereisasignificantinvertedU-shapedspatialspillovereffectofinnovationagglomerationonthegreentransformationofindustriesinregionswithsimilargeographicaldistances.

Keywords：innovationagglomeration;greentransformationofindustry;U-shaped;neweconomicgrowthmodel

（责任编辑：周正）