【摘 要】 “双碳”目标下,推动科技创新和发展方式的绿色化转型对实现经济高质量发展攸关重要,而金融市场的不完善会使得企业创新不能有效获取外部资金支持从而难以可持续推进。文章基于2013—2022年A股重污染行业上市公司数据,运用双向固定效应模型,探究金融资源错配对企业绿色技术创新的作用及其内在影响机制。实证结果表明,金融资源错配会显著抑制企业绿色技术创新的提升。进一步分析发现,这一负面影响在非国有企业和东部地区更显著,而环境规制和管理者绿色认知能够有效缓解该负面影响。文章在现有企业绿色技术创新影响因素研究的基础上进行了有效补充,为完善我国金融资源配置机制、促进企业绿色技术创新进而为新质生产力注入新动能提供经验证据和政策参考。
【关键词】 金融资源错配; 绿色技术创新; 新质生产力; 环境规制; 管理者绿色认知; 重污染行业
【中图分类号】 F275 【文献标识码】 A 【文章编号】 1004-5937(2025)01-0002-09
一、引言
党的二十届三中全会通过的《中共中央关于进一步全面深化改革、推进中国式现代化的决定》提出,“支持企业用数智技术、绿色技术改造提升传统产业”[1]。在创新驱动发展战略的指引下,我国正稳步迈向创新强国的行列,R&D经费支出从2007年的3 710.2亿元到2023年的33 278亿元,实现大幅增长,而企业作为技术创新的主力军,其技术创新水平的提升,不仅是自身可持续发展的核心驱动力,更是构建新发展格局、推动经济高质量发展的关键所在。众所周知,改革开放以来,我国经济持续高速增长、创造了世界经济史上的奇迹,但与资源浪费及环境污染相伴的经济增长给生态环境造成了巨大压力,推动企业绿色技术创新正日益成为实现“双碳”目标、促进经济高质量发展的关键[2-3]。与此同时,金融资源的合理配置意味着高效率部门更容易获取支持,然而现实状况并非如此,金融资源错配现象在我国经济体系中显性存在,部分产出效率不高的企业占据较多的金融资源,而部分技术创新效率高、具有发展潜力的企业却一直面临着融资难、融资贵的问题,进而影响到技术创新、管理创新、制度创新等多个维度的绿色技术创新。金融资源错配不仅导致企业资金短缺、外部融资难度提升,更抑制绿色技术创新、延宕经济与环境效益的双赢进程[4]。
党的二十大报告强调:“必须牢固树立和践行绿水青山就是金山银山的理念,站在人与自然和谐共生的高度谋划发展”。实现人与自然和谐共生、环境与经济协调发展的关键途径是绿色技术创新[5],但绿色技术创新过程一方面具有高风险、高投入、高不确定性的特征,另一方面又具有技术与环境的双重外部性,即企业在进行绿色技术创新时,往往需要承担高昂的研发成本,而与此同时,其他企业则可能通过较低的成本轻易模仿或复制绿色技术创新的成果,从而导致实施绿色创新的企业竞争优势被削弱、创新动力不足、创新效率低下,其中,重污染行业企业尤为典型,其绿色发展尤其会面临资本供给不足和金融资本配置低效的严峻挑战[3]。本研究梳理既有文献发现,造成金融资源配置无法达到“帕累托最优”的原因主要有政府干预、金融体系“所有制偏好、规模偏好”和差异化产业政策等,而环境规制作为一种制度安排,可能有助于降低企业生产经营活动产生的环境负外部性,提升企业绿色技术创新[6],同时,管理者绿色认知水平的提升能够推动企业自发开展高质量的绿色技术创新,抑制金融资源错配对企业创新带来的负向影响[7]。即便如此,金融资源错配所带来的潜在负面影响仍不容忽视,由此所衍生的问题是:金融资源错配对企业绿色技术创新有何影响?其影响对于重污染企业的绿色技术创新有何具体表征?其内在机制又将如何?解答以上问题对实现“双碳”目标及经济高质量发展具有重要的理论价值和现实意义。
本文选取2013—2022年重污染上市公司的相关数据,研究金融资源错配如何影响企业绿色技术创新,以及环境规制和管理者绿色认知在这一影响过程中的调节作用。本文的研究贡献在于:(1)利用双向固定效应模型,采用非径向SBM-ML指数对企业绿色全要素生产率进行测度,证实了金融资源错配对企业绿色技术创新存在显著负向影响,在丰富企业绿色技术创新前因变量的同时,为金融资源配置机制的完善提供新的理论观点及经验证据。(2)本文从企业内外部视角切入,创新性地引入环境规制和管理者绿色认知两个变量,进一步探究它们如何调节金融资源错配与企业绿色技术创新之间的关系,不仅深化了金融资源错配对企业绿色技术创新影响的有关认识,亦可作为对已有相关文献的有益补充。
二、理论分析与研究假设
(一)金融资源错配与企业绿色技术创新
金融资源错配(Financial Resources Mismatching,FRM)是指稀缺的金融资源大量流向低效率的企业,而高效率企业得不到充足的金融资源,从而造成金融资源配置的非理性抑或错配[8]。金融资源错配现象的产生,根源在于我国金融资源的分配与定价并非完全由市场机制决定,未能按照效率原则进行配置。已有文献研究了金融资源错配对企业创新活动的关系:同小歌等[8]研究发现政治关联削弱了金融资源错配对企业创新投入和产出的负面效应。李健等[9]研究发现,通过加剧融资约束、提高融资成本以及增大营运资本波动等,金融资源错配对企业技术创新产生负面影响。
绿色技术创新(Green Technological Innovation,GTI)并不等同于一般技术创新,最早由Ernest et al.[10]提出,被定义为“为遵循生态经济规律、提高资源使用效率和减少生态环境污染和破坏而进行的技术创新”。与一般创新相比,绿色技术创新周期更长、风险更高,因此更加容易出现资金问题。一方面,与传统创新活动相同,绿色技术创新需要大量金融资源的投入。金融资源错配表明金融资源并未遵循效率优先的原则被有效分配给各个企业或部门,导致那些积极追求绿色技术创新的企业,在信贷市场上难以获得充足的绿色研发资金支持,进而阻碍了整体绿色技术水平的提升。在金融资源错配背景下,政府主导金融体系使得市场形成严重的两极分化,有些企业效率低、绿色研发动机不足,导致大量资源被闲置;有些企业创新效率高却得不到充足的资源,导致绿色研发投入不足。另一方面,绿色技术创新有着技术与环境“双重外部性”,其实质是以当前经济利益的牺牲来换取未来的生态价值,这有悖于企业利润最大化的目标,绿色技术创新产生的成果在一定程度上又具有滞后性,导致企业自主进行绿色技术创新活动的动机不强。此外,金融资源错配会扭曲资本价格信号造成企业对绿色技术创新风险和预期收益的误判,降低企业绿色技术创新的积极性。基于此,本文提出假设1。
H1:金融资源错配显著抑制企业绿色技术创新水平的提升。
(二)环境规制的调节作用
制度理论强调,遵循外部制度规范的组织更有可能实现生存与持续发展的目标。因此,为了获取社会认可和促进组织发展所需的资源,企业会积极调适并响应外部的制度环境。Porter[11]提出了“波特假说”,主张环境规制非但不会阻碍企业发展,反而能够成为推动绿色技术革新的动力。环境规制(Environmental Regulation,ER)是政府为了保护环境而制定的制度措施,这些措施通过法律法规的形式,对企业行为进行了明确规范,旨在约束并减少企业一切可能对环境造成不利影响的行为。绿色技术创新的“双重外部性”使得企业在没有外部激励的情况下,自主进行绿色技术创新的动机相对较弱,在这一背景下,政府行为显得尤为重要,因为它能够有效弥补企业绿色技术创新所固有的不足,激发绿色技术创新活力,比如改进生产工艺流程、研发高效的污染治理技术等。李凯风等[6]研究认为,环境规制与金融资产配置正逐步成为推动工业绿色转型的关键驱动力。增强省域环境规制的强度与提升金融资源的优化配置能力,对地区实现工业绿色发展至关重要。一方面,随着环境规制水平的提升,企业面临着更加严格的政府监管压力,为了达到政府监管的合规性要求,避免可能的处罚,企业必须积极响应政府的环境政策,采取一系列措施来降低污染物的产生与排放,以达成节能减排和清洁生产的要求[12]。另一方面,严格的环境规制作为一种强有力的监督手段,能够促使企业积极披露环境相关信息,从而显著减轻金融机构与企业之间的信息不对称状况,这有助于企业争取到绿色技术研发的信贷资金支持。基于此,本文提出假设2。
H2:环境规制负向调节金融资源错配与企业绿色技术创新之间的关系,提升环境规制水平有助于降低金融资源错配对企业绿色技术创新的不利影响。
(三)管理者绿色认知的调节作用
战略认知理论认为,企业行为及决策直接受管理者主观认知影响,而非外部环境。管理者认知被视为企业行为的先导因素[9],因此在研究企业绿色技术创新时,需重视管理者的主导作用。管理者绿色认知(Executive Green
Perceptions,EGP)是指企业管理者基于对资源环境问题的理解,形成的对资源环境的感知以及在承担节约资源及保护环境义务时的心理体验,涵盖绿色竞争优势认知、社会责任意识、外部压力感知等因素。已有学者探究了企业管理者的绿色认知与企业绿色行为之间的关系。冯忠垒等(2015)认为,企业的绿色行为是社会网络、管理者认知与企业绿色行为三方交互作用的结果,绿色认知水平高的管理者更有可能表现出绿色行为意图,从而驱动企业绿色行为实施。企业管理者对绿色发展的认知会直接反映在企业战略决策中,管理者绿色认知水平的提升有助于企业绿色技术创新。首先,绿色技术创新的双重外部性导致企业缺乏创新动力。高绿色认知水平的管理者会努力克服绿色技术创新过程中投入大、风险高等问题,即使在资源有限的情况下,也会积极进行绿色技术创新获取竞争优势。其次,管理者绿色认知能促进企业环境信息披露水平的提升[13],而环境信息披露水平的提升通过提高企业社会声誉等方式增强金融机构对企业的信任,提升企业的外部融资能力,缓解金融资源短缺给绿色技术创新动机强的企业带来的负向影响。基于此,本文提出假设3。
H3:管理者绿色认知负向调节金融资源错配与企业绿色技术创新之间的关系,提升管理者绿色认知水平有助于降低金融资源错配对企业绿色技术创新的不利影响。
三、研究设计
(一)样本选择与数据收集
本文选择2013—2022年A股重污染行业上市公司作为样本对象,检验了金融资源错配对企业绿色技术创新的影响。参考王永贵等(2023)对重污染行业的界定,选择了18种重污染行业上市企业,包括煤炭开采和洗选业(B06)、石油和天然气开采业(B07)等。研究对原始数据进行如下处理:(1)剔除ST和*ST企业;(2)剔除核心变量观测值缺失的样本;(3)为控制极端值影响,对连续变量进行上下1%的缩尾处理。最终得到5 585个有效观测值,数据主要来源于《中国统计年鉴》《中国城市统计年鉴》、上市公司年报及社会责任报告和国泰安数据库(CSMAR)等。研究理论模型如图1所示。
(二)变量定义
1.被解释变量:企业绿色技术创新(GTI)。目前学界对于绿色技术创新研究尚未统一,主流测定方法有四种:一是绿色全要素生产率[14];二是单位新产品产量的能源消耗情况[15];三是上市公司的绿色专利申请数量[16];四是万元工业产值的废水排放量[17]。考虑到全要素生产率是技术进步对经济发展作用的综合体现,借鉴惠献波[18]的做法,将企业环境污染纳入评价体系,选择绿色全要素生产率(Green Total Factor Productivity,GTFP)作为绿色技术创新的度量指标,采用非径向SBM-ML指数进行测度,具体如下:(1)投入指标,由劳动力投入、能源资源投入与资本投入三个二级指标构成,分别用企业职工总数、企业用电量总量、固定资产净额来测度;(2)期望产出,用企业主营业务收入表示;(3)非期望产出,以“三废”(SO2、工业废水及工业烟尘)排放量测度。所测算出来的ML指数反映了企业绿色全要素生产率的变化率,接着以2013年为基期设定2013年企业绿色全要素生产率为1,并结合ML指数计算,从而得到2013—2022年重污染企业绿色全要素生产率指标。同理可得到绿色技术效率变化指数(GTE)和绿色技术进步变化指数(GTP)。
2.解释变量:金融资源错配(FRM)。目前,学界广泛采用资本偏离程度来测度金融资源错配,这种方法的科学性和可操作性最强。参考宁薛平等[19]研究,采用企业的资金使用成本与其所在行业平均资金使用成本的偏离程度来衡量金融资源错配程度,其中企业资金使用成本采用财务费用中利息支出规模与扣除应付账款的负债总额之比来度量。具体计算方法如下:
FRM=[企业资金使用成本-行业平均资金使用成本]÷行业平均资金使用成本
=[利息支出/(负债-应付账款)-行业平均利率]÷行业平均利率
3.调节变量:(1)环境规制(ER)。参考何玉梅等[20]、张宏等[21]、徐素波等[22]等测量方法,采用各省份每千元工业增加值的工业污染治理完成投资额作为度量环境规制强度的指标。计算式为:环境规制强度=(工业污染治理完成投资÷工业增加值)×1 000。(2)管理者绿色认知(EGP)。参考李亚兵等[7]的衡量方法,采用文本分析法对上市公司年报进行分析,选取如节能减排、环保战略等关键词。通过上述词语在公司年报中出现的频次构造上市公司管理者绿色认知变量。
4.控制变量。本研究综合考虑企业的内部环境和外部环境选取控制变量。
各变量具体定义如表1所示。
(三)模型设定
1.基准回归模型
本研究采用双向固定效应模型来检验金融资源错配对重污染企业绿色技术创新的影响,基准模型构建如下:
GTIi,t=a0+a1FRMi,t+a2Controli,t+∑Year+∑Ind+ε(1)
其中GTIi,t表示企业的绿色技术创新水平,FRMi,t表示金融资源错配程度,Controli,t代表一系列控制变量,Year和Ind为年度和行业虚拟变量。若模型1中FRM的回归系数a1显著为负,则H1得以证实。
2.调节作用模型
为验证H2和H3,本文设计了模型2和模型3:
GTIi,t=a0+a1FRM×ERi,t+a2FRMi,t+a3ERi,t+a4Controli,t+
∑Year+∑Ind+ε (2)
GTIi,t=a0+a1FRM×EGPi,t+a2EGPi,t+a3EGPi,t+a4Controli,t+∑Year+∑Ind+ε (3)
模型2和模型3分别用来检验环境规制和管理者绿色认知对金融资源错配与企业绿色技术创新之间关系的调节效应,若模型2和模型3中的a1显著为负或者显著为正,则代表环境规制和管理者绿色认知在金融资源错配对企业绿色技术创新影响过程中的调节作用显著。
四、检验结果与实证分析
(一)描述性统计与相关性分析
本研究对各变量的指标进行描述性统计,以更全面了解样本企业经营期间表现的变化情况,如表2所示。根据描述性统计分析结果发现,从企业的绿色技术创新来看,绿色全要素生产率(GTFP)最大值为1.17,最小值为0.884,这在一定程度上说明目前重污染企业的绿色技术创新水平较低,从各企业金融资源错配水平来看,最大值为2.508,最小值为-1,表明重污染行业企业获得金融资源的能力差异显著。
本文对各变量进行了皮尔逊相关系数检验以及膨胀因子检验,结果如表3所示。模型中各解释变量之间相关系数的绝对值较小,并且变量的方差膨胀因子均小于2。因此,可以说明本文的模型不存在严重的多重共线性问题。
(二)回归分析
1.金融资源错配对企业绿色技术创新的影响
表4为基准回归结果,模型1中的被解释变量为企业绿色全要素生产率,模型2中的被解释变量为绿色技术效率变化指数,模型3中的被解释变量为绿色技术进步变化指数。由表4可知,列(1)中FRM的回归系数为-0.757,且在5%的水平上显著;列(2)中FM的回归系数为-0.519,且在1%的水平上显著;列(3)中FRM的回归系数为-0.852,且在5%的水平上显著。回归结果证实了金融资源错配对重污染行业企业绿色技术创新产生了显著的负面影响,H1得到了验证。金融资源错配程度越严重,可能会使得管理者将资金投入到短期内获利较高的项目以维持稳定的资金链,企业在这样的经营环境下,无法兼顾绿色技术创新。
2.环境规制的调节作用
本研究通过引入金融资源错配(FRM)与调节变量环境规制(ER)的交乘项验证环境规制对上述影响的调节作用,回归结果见表5。为了避免回归过程中出现共线性问题,在构建交乘项前对金融资源错配与环境规制进行了中心化处理。回归结果显示,列(1)、列(3)、列(5)中金融资源错配与环境规制交乘项(FRM×ER)系数分别在10%、10%、5%的水平上显著为正。这说明相对于环境规制强度高的地区,环境规制较为宽松的地区,金融资源的错配对企业绿色技术创新的抑制作用更为显著,H2得到验证。
3.管理者绿色认知的调节作用
本研究通过引入金融资源错配(FRM)与调节变量管理者绿色认知(EGP)的交乘项验证管理者绿色认知在金融资源错配对企业绿色技术创新影响过程中的调节作用,回归结果见表5。为了避免回归过程中出现共线性问题,本研究在构建交乘项前对金融资源错配与调节变量管理者绿色认知进行了中心化处理。回归结果显示,列(2)、列(4)、列(6)中解释变量金融资源错配与调节变量管理者绿色认知的交乘项系数(FRM×EGP)分别为0.479、0.213和0.756且分别在10%、5%、5%的水平上显著。这表明前文关于管理者绿色认知的调节作用的预期是成立的,管理者对绿色技术创新的关注可以削弱金融资源错配对企业绿色技术创新的负面影响,H3得到验证。
(三)进一步分析
1.基于产权的异质性分析
产权性质会影响企业获得金融资源的途径和渠道,因此本文将国有企业与非国有企业进行分组检验,国有企业和非国有企业的样本数量分别为2 472和3 113家,回归结果如表6所示。由表6结果可知,国企对应的列(1)—列(3)中,金融资源错配的系数分别为-0.303、0.048和-0.683,但都不显著;非国有企业对应的列(4)—列(6)中,金融资源错配的系数分别在5%、10%和10%的水平上显著为负,与整体样本一致。通过比较分组回归系数可以看出,金融资源错配对国有企业的绿色技术创新技术并未产生显著影响,而对非国有企业的绿色技术创新则产生了显著负向影响。原因可能是国有企业更多享受政府支持,以较低的价格获取更多的金融资源,而非国有企业的研发活动融资渠道狭窄、融资价格高昂,使得企业研发成本增加,最终抑制企业绿色技术创新水平提升。
2.基于地区异质性的分析
我国中西部与东部地区地理环境迥异,经济发展不均衡显著。为深入探究地域差异的潜在影响,本研究进行了异质性分析,将样本企业划分为东部地区组与非东部地区组进行分组检验,非东部地区与东部地区的企业样本数量分别为4 820和765家,回归结果如表7所示。由表7可知,在非东部地区企业对应的列(1)—列(3)中,金融资源错配的系数分别为-0.347、0.071和-0.398,但都不显著;东部地区企业对应的列(4)—列(6)中,金融资源错配的系数分别为-2.067、-2.366和-1.945,且在1%、5%和10%的水平上显著,与整体样本一致。通过比较分组回归系数可以看出,金融资源错配对非东部地区企业的绿色技术创新并未产生显著影响,而对东部地区企业的绿色技术创新则产生了显著负向影响。原因可能是东部地区的高科技、高附加值产业更加集中,需要更多的金融资源支持,而金融资源错配难以支撑企业绿色技术创新活动的运行,更容易对其产生负向影响。
五、结论与启示
本研究以2013—2022年重污染行业上市公司为样本,实证检验了金融资源错配对企业绿色技术创新的影响,以及企业外部环境规制和内部管理者绿色认知在这一影响过程中的调节作用。研究发现:(1)金融资源错配负向影响重污染企业绿色技术创新活动,且在东部地区企业与非国有企业中的抑制作用更加明显。(2)来自政府的环境规制和企业内部管理者绿色认知水平的提升能够抑制金融资源错配对企业绿色技术创新的负向影响。
基于以上结论,本研究有如下启示:(1)政府层面。首先,应积极推进金融体系市场化进程,建立以市场为导向的金融资源配置机制,保证金融资源配置效率。其次,要借助数字技术完善金融供给体系,推进数字金融服务实体经济,纾解企业尤其是重污染融资困境并优化金融资源配置。最后,加快建立绿色金融体系,有针对性和有所侧重地推进金融要素的市场化改革,促进金融资源流入重污染行业企业,为其提供融资支持,帮助实现绿色转型。(2)企业层面。应以经济和环境双赢作为发展目标,积极开展各种绿色活动。一方面,管理者应加强对环境问题的关注与重视,同时强化自身的环境责任承担意识,提升自身绿色认知水平。另一方面,“双碳”时代,作为企业的战略决策者,管理者需要敏锐地从来自政府以及外部其他利益相关者的绿色技术创新要求中洞察机遇,不断优化融资结构、提高自身信用等级、建立完整的信息披露制度以及加强与金融机构的合作,引领企业开展高质量的绿色技术创新、打造可持续的绿色竞争优势。(3)提升环境规制强度、促推绿色技术创新效率。地方政府应结合本地特色,制定与本地人力资本水平和科技水平相适应的环境规制政策,促进企业构建长效的清洁生产机制。企业则应理性地在环境规制与主营业务之间配置资源,选择可减少环境规制遵循成本的新技术新工艺,将环境规制融入到企业的发展战略之中,以提高企业的市场竞争优势。只有政企因地制宜、齐心协力,不断提高环境规制政策的科学性和合理性,才能在提高绿色技术创新水平的同时,实现经济效益提升与环境效益改善“双赢”局面,为高质量发展推动中国式现代化提供有效助力。
【参考文献】
[1] 习近平.关于《中共中央关于进一步全面深化改革、推进中国式现代化的决定》的说明[J].求是,2024(16).
[2] 解学梅,朱琪玮.企业绿色技术创新实践如何破解“和谐共生”难题?[J].管理世界,2021,37(1):128-149,9.
[3] 史代敏,施晓燕.绿色金融与经济高质量发展:机理、特征与实证研究[J].统计研究,2022,39(1):31-48.
[4] 夏娇.ESG绩效能促进重污染行业企业高质量发展吗?——基于媒体监督的调节作用[J].上海立信会计金融学院学报,2023,35(4):108-120.
[5] HUANG J W,et al.Green innovation and performance:the view of organizational capability and social reciprocity[J].Journal of Business Ethics,2017,
145,309-324.
[6] 李凯风,夏勃勃,郭兆旋.金融资源错配、环境规制与工业绿色全要素生产率[J].统计与决策,2021,37(18):145-148.
[7] 李亚兵,夏月,赵振.高管绿色认知对重污染行业企业绩效的影响:一个有调节的中介效应模型[J].科技进步与对策,2023,40(7):113-123.
[8] 同小歌,冉茂盛,李万利.金融资源错配与企业创新——基于政策扭曲与金融摩擦研究[J].科研管理,2022,43(7):69-76.
[9] 李健,管煜,代昀昊.金融资源错配与企业技术创新——基于中国上市企业的经验证据[J].中央财经大学学报,2023(10):25-39.
[10] BRAWN E,WIELD D.Regulation as a means for the social control of technology[J].Technology Analysis and Strategic Management,1994(3):497-505.
[11] MICHAEL P.America’s green strategy[J].Scientific American,1991,264(4):168.
[12] 王永贵,李霞.促进还是抑制:政府研发补助对企业绿色创新绩效的影响[J].中国工业经济,2023(2):131-149.
[13] 潘安娥,郭秋实.政府监管与企业环境信息披露——基于高管环保意识的调节作用[J].软科学,2018,32(10):84-87.
[14] 张娟,耿弘,徐功文,等.环境规制对绿色技术创新的影响研究[J].中国人口·资源与环境,2019,29(1):168-176.
[15] 张倩.环境规制对绿色技术创新影响的实证研究——基于政策差异化视角的省级面板数据分析[J].工业技术经济,2015,34(7):10-18.
[16] 徐佳,崔静波.低碳城市和企业绿色技术创新[J].中国工业经济,2020(12):178-196.
[17] 毕克新,杨朝均,黄平.FDI对我国制造业绿色工艺创新的影响研究——基于行业面板数据的实证分析[J].中国软科学,2011(9):172-180.
[18] 惠献波.绿色信贷政策、金融资源配置与企业绿色全要素生产率——基于我国重污染企业的证据[J].西南金融,2022(10):65-77.
[19] 宁薛平,张庆君.企业杠杆率水平、杠杆转移与金融资源错配——基于我国沪深A股上市公司的经验证据[J].南开管理评论,2020,23(2):98-107,120.
[20] 何玉梅,罗巧.环境规制、技术创新与工业全要素生产率——对“强波特假说”的再检验[J].软科学,2018,32(4):20-25.
[21] 张宏,蔡淑琳.异质性企业环境责任与碳绩效的关系研究:媒体关注和环境规制的联合调节效应[J].中国环境管理,2022,14(2):112-119,88.
[22] 徐素波,王耀东.环境规制、媒体关注与公司盈余管理[J].会计之友,2022(6):55-63.