《Sustainability》:Environmental Regulation and Green Technology Innovation Driving Industrial Structure Upgrading: From the Perspective of Heterogeneous Environmental Regulation
编辑推荐:
本研究将环境规制、绿色技术创新和产业结构升级纳入统一分析框架。研究人员收集了2011至2023年间成都—重庆、长江中游和长三角城市群71个核心地级市的面板数据,采用固定效应模型、中介效应模型和调节效应模型,探讨环境规制与绿色技术创新如何影响产业结构升级、通过何
本研究将环境规制、绿色技术创新和产业结构升级纳入统一分析框架。研究人员收集了2011至2023年间成都—重庆、长江中游和长三角城市群71个核心地级市的面板数据,采用固定效应模型、中介效应模型和调节效应模型,探讨环境规制与绿色技术创新如何影响产业结构升级、通过何种机制发挥作用,以及数字普惠金融(Inclusive Digital Finance, DF)如何调节这些关系。研究发现,命令控制型环境规制(Command-and-Control Environmental Regulation, ER1)和引导型环境规制(Guidance-Oriented Environmental Regulation, ER2)均对产业结构升级产生积极影响。绿色技术创新(Green Technology Innovation, GTI)是命令控制型环境规制促进产业结构升级的中介机制。数字普惠金融作为调节条件(boundary condition),塑造了环境规制对产业结构升级的影响效果。进一步的异质性分析揭示了不同环境规制类型对产业结构升级影响的区域差异。本研究提出政策建议:城市群应更加重视绿色创新,提升数字普惠金融使用的广度和深度,并建立适当的地方环境规制支持体系,以促进产业结构升级。
**论文解读:环境规制与绿色技术创新驱动产业结构升级——基于异质性环境规制的视角**
**研究背景与问题**
中国经济快速发展带来了资源过度消耗和环境退化问题,传统粗放型增长模式难以为继。中国“十四五”规划及2035年远景目标强调推动产业基础高级化和产业链现代化,实现高质量发展需要全面推进产业结构升级。在此背景下,政府环境规制作为引导产业调整的重要工具,通过改变企业生产决策、促进技术创新及资源重新配置等渠道重塑产业发展。然而,现有研究存在以下不足:第一,通常将环境规制视为单一、无差异的政策工具,忽视了命令控制型与引导型规制在政策逻辑上的差异及其对产业结构升级的不同影响;第二,绿色技术创新虽被视为产业转型的重要动力,但其是否真正解释了不同规制工具促进结构升级的路径尚未明确;第三,数字普惠金融多被作为自变量考察其对绿色创新或产业升级的直接效应,而它作为宏观条件如何调节环境规制有效性的作用关注不足。因此,本研究将环境规制、绿色技术创新与产业结构升级纳入统一框架,并引入数字普惠金融作为调节变量,旨在揭示三者间的内在传导机制及区域异质性,为制定更精准的政策提供依据。该论文发表在《Sustainability》。
**关键技术与方法**
研究人员采用2011—2023年成都—重庆、长江中游和长江三角洲三大城市群71个核心地级市的面板数据(样本覆盖中国西部、中部和东部地区),运用固定效应模型、中介效应模型及调节效应模型进行实证分析。核心变量包括:被解释变量为产业结构升级(Industrial Structure Upgrading, ISU,采用第三产业增加值与第二产业增加值之比衡量);解释变量为命令控制型环境规制(ER1,用环境行政处罚数量衡量)和引导型环境规制(ER2,用污染治理投资占第二产业增加值比重衡量);中介变量为绿色技术创新(GTI,用绿色专利申请总数衡量);调节变量为数字普惠金融(DF,采用北京大学数字普惠金融指数衡量);控制变量包括经济发展水平(人均GDP)、科技支出(TS)、人力资本(HC)、固定资产投资(IFA)、对外开放度(FDI)和城镇化水平(U)。数据来源包括各省市统计年鉴、中国统计年鉴、中国城市建设统计年鉴、中国科技统计年鉴、中国环境统计年鉴、中国研究数据服务平台(CNRDS)、经济预测系统数据库及国家知识产权局中国专利公布网站等。
**研究结果**
**4.1 变量描述性统计**
描述性统计显示923个观测值中,产业结构升级(ISU)存在适度变异,绿色技术创新(GTI)呈现较大离散程度,命令控制型环境规制(ER1)变异幅度大,而引导型环境规制(ER2)水平较低且变异有限。核密度图和提琴图进一步表明,ER1在早期集中在低水平,中期上升并更分散,后期保持较高水平且更稳定;ER2在各时期均集中在低值区域但有长上尾,后期异质性更显著。
**4.2 基准回归分析**
固定效应回归结果表明,命令控制型环境规制对产业结构升级的回归系数为正值且达1%显著性水平,假设H1得到支持:高能耗高污染企业对环境行政处罚敏感,处罚成本促使企业投入绿色研发以避免惩罚。引导型环境规制的回归系数也为正值且达5%显著性水平,假设H1得到支持:政府通过绿色财政补贴、税收减免等措施增加企业创新资金来源,刺激绿色创新活动,引导产业结构转型升级。
**4.3 稳健性检验**
通过极端值剔除、替换被解释变量、缩短样本期(排除2011和2023年、排除COVID-19期间2021—2022年)以及增加控制变量等多种方式重新估计模型,ER1和ER2的回归系数仍显著为正,与基准回归结果一致。
**4.4 内生性检验**
采用滞后一期的环境规制变量进行回归,以缓解反向因果问题。滞后一期的LCER1和LCER2系数均为正值,与基准回归一致,其中LCER2的p值为0.107接近10%显著性水平,表明主要发现稳健。
**4.5 中介效应分析**
命令控制型环境规制(ER1)通过强制企业进行绿色技术创新驱动产业结构升级,直接效应系数为0.019(1%显著),中介效应占比39.87%,表明绿色技术创新发挥部分中介作用。引导型环境规制(ER2)的当期数据对绿色技术创新(GTI)的系数不显著(p=0.153),但滞后一期的CER2对GTI呈显著正向影响,并通过中介效应检验,说明引导型规制对产业结构升级的促进主要通过间接推动绿色技术创新实现,因企业从接受政策支持到研发产出存在时间滞后。综上,假设H2得到部分验证。
**4.6 调节效应分析**
命令控制型环境规制与数字普惠金融(DF)的交互项系数为-0.001(负值),表明数字普惠金融负向调节命令控制型规制对产业结构升级的效果:在高DF区域,市场机制完善与企业治理改善降低了强制规制的边际有效性;在低DF区域,强制规制作为重要约束力量更有效。引导型环境规制与DF的交互项系数为0.062(正值),主效应均为正,表明数字普惠金融正向强化引导型规制促进产业结构升级的关系:高DF区域的企业具有更强吸收能力、人力资本和信息处理能力,能更有效将政策信号转化为实际行动;低DF区域则效果较弱。假设H3成立。
**4.7 区域异质性检验**
在成都—重庆城市群,命令控制型环境规制显著促进产业结构升级,引导型规制虽有正向影响但不显著,可能是污染治理投资挤占创新资金或存在滞后效应。在长江中游城市群,结果类似:命令控制型显著,引导型不显著。在长三角城市群,两类环境规制均显著促进产业结构升级。以上实证表明环境规制对产业结构升级的影响存在区域异质性,假设H4得到支持。
**总结讨论与结论**
讨论部分指出:第一,命令控制型与引导型环境规制均能促进产业结构升级,但作用机制不同,前者通过强制性约束迫使企业减少低效高污染活动,后者依靠政策激励与市场信号鼓励企业提高效率并向清洁高附加值活动转变。第二,绿色技术创新是命令控制型规制促进结构升级的中介机制,表明规制不仅直接重塑产业结构,更通过诱导企业创新活动实现。第三,数字普惠金融的调节效应因规制类型而异:对命令控制型起负向调节(高DF削弱其效果),对引导型起正向调节(高DF增强其效果)。第四,环境规制效果呈现区域异质性,取决于地区经济发展、产业基础、创新能力及政策执行等条件。研究结论强调:应构建适当的地方环境规制体系,因地制宜调整引导型规制强度;促进绿色技术创新驱动结构升级;提升数字普惠金融能力,建立绿色信息统计平台,利用数字金融技术支持绿色产业研发投资,强化环境规制、数字金融、绿色创新与产业结构升级之间的正向互动。本研究的局限性包括:变量测量可能未完全捕捉指标实际特征;研究样本未覆盖中国所有区域,未来可扩展数据范围进行更全面分析。