胡本田，李小燕

（安徽大学 经济学院，安徽 合肥 230000）

环境污染治理问题是目前全世界都面临的难题，世界各国都非常重视。党的十九大提出着力改善生态环境，推动绿色发展，促进人与自然和谐共生。创新驱动是打好污染防治攻坚战、建设生态文明的基本动力，而创新驱动的核心是科技创新。科技创新投入是促进科技创新、提高资源利用效率、减少污染物排放的必要条件，对于解决环境污染问题具有重要的意义。与此同时，我国经济发展进入新常态，科技创新对经济发展的驱动作用是我国追赶上发达国家的重要力量。科技创新为生态文明建设提供了技术支持和动力源泉，是我国社会经济增长突破资源瓶颈和环境压力的必然选择[1]。因此，研究科技创新投入、经济增长、环境污染三者之间的关系，提出新的政策思路，对实现科技创新投入促进经济增长的同时兼顾环境友好型发展具有重要的现实意义。

一、文献综述

从科技创新的发展历史来看，科技创新不一定全是给环境污染带来改善，如第一次工业革命则带来了环境污染的加剧和生态环境的破坏[2]。王章名和王成璋运用空间计量分析工具证实了科技创新投入的增加并不必然带来环境质量的改善，研发投入与环境质量呈负向相关[3]。近年来我国相关环保政策的制定愈加严格，不少工业企业逐渐加大了自主研发支出力度，想要改变过度依赖消耗能源的发展道路，这在客观上有利于环境的改善，但对于采用化石燃料的传统工业部门来说，增加科技创新投入无疑会扩大自身规模，造成更大程度的环境污染。科技创新投入对环境污染影响的研究相对较少，Acemoglu等验证了技术进步的内生性，得出技术创新的方向会显著影响环境质量[4]。李博采用省级面板数据考察了科技创新投入对人均碳排放水平的直接和间接效应，证实科技创新投入对环境质量的改善有积极作用，发现科技创新投入对环境污染存在空间和时间维度的异质性影响[5]。陈阳等基于全新的城市创新指数进行实证研究，发现近年来中国的科技创新具有环境友好型特征，但存在一个门槛值，当科技创新水平较低时无法减少环境污染[6]。由此可见科技创新投入对环境污染的影响尚未达成统一的观点。

对于环境污染治理难题，国内外学者都进行了大量的研究，其中最早也最为著名的是环境库兹涅茨曲线。1991年，Grossman和Krueger发现污染物和经济增长之间存在一种倒“U”型关系，奠定了环境污染研究的基础，之后的研究大多数都在验证EKC是否存在或在其基础上进行展开：Selde利用跨国面板数据对不同污染物排放进行了研究，均证明EKC曲线的客观存在[7]；胡明秀等分析了武汉市人均GDP与工业“三废”污染物排放量之间关系，结果表明除工业固体废物外其余基本符合环境库兹涅茨曲线的倒“U”型关系[8]；杨林和高宏霞构建了综合污染指数衡量环境污染程度，验证了中国环境库兹涅茨曲线的存在[9]。也有不符合EKC曲线的研究：Kaufmann和Davidsdottir分析了收入和经济活动的空间强度对大气中二氧化硫浓度的影响，发现收入与SO2的大气浓度之间呈U形关系，并不符合EKC曲线[10]；Egli对德国的经济增长与环境污染的数据加以考察后发现SO2、CO、CO2、CH4等大多数污染物不具有倒“U”形关系[11]；石琳采用固定效应、面板门槛模型等多种计量方法，对城市生活垃圾与地区经济增长的关系进行了研究，结果并未发现倒U型关系，而是呈现出正向关系[12]。

影响经济增长的因素众多，其中也包括了科技创新投入。内生经济增长理论认为内生的技术进步是长期经济增长的动力[13]。Gumus研究发现研发（R&D）支出对所有国家的经济增长有积极的影响，对于发展中国家而言，短期内的效果不明显，但长期效果较明显[14]。国内学者对于科技创新投入与经济增长之间的研究正趋于成熟：殷林森等运用灰色关联方法，研究了我国科技创新投入与经济增长之间的关系，得出科技创新投入能够促进经济增长的结论[15]；张积林采用定性和定量分析相结合的方法，发现R&D支出和科技人员投入数与经济增长均呈正向关系，且科技人员投入数对经济增长的促进作用更为显著[16]；也有部分学者采用省域数据进行实证分析，均得出科技创新投入对区域经济增长具有重要的促进作用[17-18]。

从目前已有的文献来看，科技创新投入和经济增长均能对环境污染产生一定的影响，学术界已有较多的相关研究，但绝大多数是分别研究三者之间的关系，鲜有学者在探讨科技创新投入与环境污染的关系时考虑到经济增长。因此本文在研究科技创新对环境污染的传导影响路径时将经济增长作为中介变量，可能的贡献有：①系统的分析科技创新投入同经济增长对环境污染影响的微观传导机制；②通过构建流量污染和存量污染两个种类污染排放物指标，可以更好的反映不同种类的污染影响，全面反映污染防治的重点与难点；③实证发现，经济增长在科技创新投入与环境污染之间的中介效应因污染物的种类不同而有差异，不能一概而论；④为各地区的环境污染防治提供新思路，具有一定的现实意义。

二、理论分析

科技创新投入能够直接影响环境污染，其中正向加剧环境污染主要表现为：①科技创新研究必须分工专精才能产生突破性的成功，但是由于过度专精，往往无法全面考虑后果。也有企业急功近利，为了加速推入市场，故意忽略其对人类的可能危害。②科技发达之后，人类消耗能源的能力越来越强，产生大量废弃物，造成的污染超过了生态环境所能承担范围。③由于科技创新投入的加大，人类活动范围不断地扩大，森林面积在不断减少，恣意捕杀野生动物，部分动物濒临绝种的危机，生物多样性遭到毁灭性破坏。但是也存在反向改善的一面，主要表现有：①绿色科技创新投入。一系列节能环保的绿色科技得到研发：炼油设施的改进和催化式排气净化器的发明很好改善了大气污染；节能技术和新能源行业的发展减少了能源的消耗；共享单车、纯电动微公交都有效的降低了污染物的排放等等。②生物多样性的保护。利用生物胚胎技术、基因编辑技术等，在很大程度上保留了濒危物种，维护了生态系统的生物多样性。人类正在通过对科学技术的深入研究，来改变环境资源的消耗、人口变化带来的气候变暖等问题，使人类社会生态环境变得越来越好。

除劳动和资本要素以外，技术进步也是经济增长的动力源泉，加大科技创新投入又是促进技术进步的先决条件，随着经济全球化的趋势，科技创新必将成为经济增长的主要动能。科技创新同时是维护生态环境与经济发展平衡的必要力量，解决环境问题不能脱离技术发展的作用[19]。科技创新投入可以通过影响经济增长进而间接影响环境污染，科技创新有利于实体经济形成企业规模效应、行业集聚效应、产业乘数效应，从而推动实体经济增长[20]。而行业的聚集效应主要通过对绿色规模效应和技术效率的正向影响，在一定程度上有利于环境质量的改善[21]。企业是污染防治的重要源头，科技创新投入的加大有助于企业生产效率的提高、产业结构升级优化，从而对环境污染产生一定的影响。此外，科技创新投入的加大促进技术的进步，极大的改善了生活质量，提供了更加便捷的生活方式，提高了社会的消费水平。有研究表明消费水平与环境污染关系符合倒“U”型EKC曲线，我国目前消费水平仍然较低，消费水平与环境污染的关系处于同向上升阶段[22]。

目前，发现Sakir和Mucahit在环境Kuznets曲线假设（EKC）框架内引入了创新因素，结果表明创新似乎可以减少环境污染，在所研究的国家制定有关使用更多创新技术的政策将对环境污染产生积极影响[23]。我国地域辽阔，各地方政府异地施政，无论是科技创新投入对环境污染的直接影响，还是通过影响经济增长而对环境污染造成的间接影响，都会因区域异质性的存在而呈现不同的结果。由于污染物在自然界中存留的时间长短不一，危害程度不同，所以被分为不同的类型：流量污染和存量污染[24]。其中流量污染物的存在时间较短，能够在短期内就对目前环境产生影响，存量污染物经一段时间积累后在将来对环境产生影响。因此，人们很少考虑到存量污染物的危害，对这两类污染治理的方式、路径也不相同。因此不能明确科技创新和经济增长是否对不同类型环境污染有着相同的作用，需要通过实证分析来验证。综上，提出以下理论假设：

H1：科技创新投入对环境污染的作用与污染物类型有关，不同污染物，作用结果不同；

H2：科技创新投入对经济增长有促进作用；

H3：经济增长在科技创新投入与环境污染之间有中介作用；

H4：由于地区差异性，不同地区的经济增长在科技创新投入与环境污染中介作用不同。

综上所述，科技创新投入、经济增长对环境污染的影响机理如图1所示：

图1 科技创新投入、经济增长对环境污染的影响机理

三、模型构建、数据来源与变量选取

（一）模型构建

为验证假设H1，科技创新投入对环境污染的影响，设定基本模型一如下：

lnWR_it为第i省第t年环境质量指标，research_it为第i省第t年科技创新投入强度指标，为控制变量，μ表示不可观测的地区个体效应，ε表示随机扰动项。

为验证假设H2，科技创新投入对经济增长的影响，借鉴索罗模型将经济增长表示为科技创新投入和其他变量的生产函数[25]，设定模型二如下：

为验证假设H3、H4，考察科技创新投入对环境质量的影响以及经济增长在其中发挥的中介效应，经济增长对环境的影响借鉴目前研究常用的EKC曲线，因此综合模型中加入了收入的平方项，同时将经济增长作为中介变量建立中介模型进行实证分析。综合模型具体形式如下：

lnWR_it是模型的被解释变量，research_it、lnGDP_it分别为解释变量和中介变量。

（二）变量选取

（1）被解释变量。考虑到数据的可得性以及避免地理位置和气候条件的影响，本文选择污染物的排放量作为环境质量指标。相对于综合性指标而言，单项指标能够精确反映环境治理投资对于不同污染物排放影响的异质性，故我们选择CO2与SO2作为代表性污染物作为分析。且它们具有不同的性质：SO2属于流量污染，CO2属于存量污染。

存量污染选用CO2的排放量，针对我国碳减排的目标来说，是相对减少碳排放量，因此本文选取以碳排放为基础的CO2排放量，对于我国的碳减排政策来说更具有现实意义。

CO2排放量的测算，借鉴刘华军和鲍振的方法，以煤炭、原油和天然气三种一次能源消费量为基准，估算中国各个省份二氧化碳的排放量[26]。参考了2006年IPCC所制定的《国家温室气体清单指南》中的方法。二氧化碳排放量的测算公式如下：

表1 能源折算系数表

（2）解释变量、中介变量。科技创新投入强度（research），用各个省用于科技创新的R&D支出占各地区的生产总值（GDP）比重来表示。各地区的生产总值（GDP）是衡量一个地区经济增长情况最重要的一个指标。

（3）控制变量。居民消费水平（consumption），用居民消费支出占GDP的比重来衡量，用来控制居民的收入效应对污染物排放量的影响。借鉴庄子银等用社会固定资产投资额与GDP的比值来衡量各省区的投资率（investment），用来控制资本投入对污染物排放的影响[27]；人力资本水平（education）采用人均受教育年限作为人力资本水平的代理变量；产业结构（industry）使用大多数研究学者常用的方法，用各地区第三产业增加值与地区生产总值的比值作为产业结构的代理变量；贸易开放度（trade）采用各地方历年实际进出口总额（美元换算成人民币）占GDP的比重来衡量地区对外开放水平；人口积聚到一定程度，很可能会超过资源的再生速度和环境的自净能力，引起环境污染加剧，从而影响人口的迁入意向，同时影响经济的发展，即人口规模对污染排放存在正的规模效应，因此引入人口特征变量——人口密度（density），用人口总数占该地区面积的比例来度量衡量人口密度，控制人口特征对环境质量和经济的影响；环境保护力度（envisolve）用各地区环境治理投资额占GDP的比重表示。

（三）数据来源及描述性统计

运用中国2006～2017年30个省（自治区、直辖市）的面板数据，由于西藏地区的部分数据难以得到，因此剔除西藏地区，样本数据不包括西藏地区。全部数据来源于《中国统计年鉴》《中国环境统计年鉴》《中国城市统计年鉴》以及《中国宏观经济统计年鉴》。主要变量的描述性统计见表2。

表2 主要变量的描述性统计

续表

四、实证结果与分析

（一）全国样本分析

本文采用的是面板数据模型，一般来说估计静态面板数据模型有两种方法：随机效应模型和固定效应模型。可以通过对综合模型进行豪斯曼检验来选择，检验结果各地区均显著拒绝原假设，表明应该选择固定效应模型，同时固定效应分析模型也很好地消除了面板数据中个体效应带来的内生性问题。结果见表3。

表3 豪斯曼检验结果

表4为全国水平下科技创新投入对污染排放的中介效应模型回归结果，列（1）、（2）为直接回归结果。结果显示科技创新投入的系数对SO2为负、对CO2为正，且在1%的显著性水平上成立。说明科技创新投入显著抑制SO2的排放、显著促进CO2的排放。也就是说，科技创新投入力度越大，对治理SO2排放的效果越明显，但对CO2的排放治理效果不理想。可能与技术创新投入侧重的创新层面不同，由于存量污染并不会在短期内造成危害，所以并未引起重视，对于“绿色”科技创新的研发力度不足。

表4 全样本回归模型

从其他控制变量的影响来看，人口密度（density）与两种污染物的排放均呈反比例关系，这与范进通过对中国220个地级市构建城市密度对能源消耗影响的经济学模型，得出的实证研究结果一致，即城市低密度化发展会导致城市能耗增加，人口密度高有利于节能减排[28]。产业结构（industry）与两种污染的回归结果稍有不同，对SO2排放量的系数为负符合预期，但对CO2的排放系数为正，这表明产业结构可能不会对未来碳排放造成太大影响[29]。对外开放程度（trade）的回归系数均为正数，表明对外开放加剧了我国的环境污染。

列（3）为科技创新投入对经济增长的回归结果。可以看出科技创新投入显著促进地区的经济增长，且在1%的显著性水平上成立。与国内大多数研究学者的研究结果一致：科技创新的投入对于区域经济的增长具有推动作用。因为科技创新投入有利于促进科技进步，科技进步又是经济增长的主要推动力和决定性制约因素，特别是在经济增长方式的转变过程中，科技进步更起着决定性作用。列（4）、（5）为综合模型回归结果，由于环境EKC曲线理论的存在，模型中引入了经济增长的平方项，从回归结果中可以看出经济增长对污染物排放的影响均在1%的显著性水平下成立，呈倒“U”型，符合环境库兹涅茨曲线的假说。说明随着经济发展，环境污染呈现出先增长，后下降的趋势，即在经济增长的初期，经济水平的提高会加重环境污染，一旦经济发展超越了某一临界值点，经济水平的提高反而会有助于降低环境污染，改善环境质量。

综上可知，一方面，科技创新投入能够促进地区的经济增长，也能够对污染物排放产生影响，而且对于不同的污染物，影响效果不同；另一方面，经济增长在科技创新投入对环境污染之间具有中介作用。证明假设H1、H2和H3成立。

（二）中介效应的考察

中介效应回归模型如下：

其中，Y和X分别代表被解释变量和解释变量，分别具体表现为环境污染变量和科技创新投入；M代表中介变量，此处用经济增长变量代替，采用传统的中介效应检验方法对回归系数依次进行检验，检验流程见图2。

图2 中介效应检验流程图

中介检验结果表如表5所示，在科技创新投入对环境污染的影响中，经济增长起着不同的中介效应。经济增长对于SO2的排放起着完全中介效应，对于CO2的排放起着部分中介效应。

表5 中介检验效果

从表中回归系数可以看出，在引入经济增长变量后，科技创新投入对SO2的影响从显著抑制变为了促进，可以理解为科技创新投入所带来的技术进步虽然提高了能源的利用率，减少了SO2的排放，但是由于对经济增长的追求，扩大了经济规模，最终抵消了科技创新投入带来的积极影响。此外，SO2污染治理存在一定的滞后性，中国目前在环境保护的道路上仍然走的是“先污染，后治理”的道路。检验结果表明科技创新投入既可以对环境污染产生直接影响，也可以通过影响经济增长对环境污染产生间接影响，即中介效应是存在的。

（三）稳健性检验

为检验模型的稳健性，将被解释变量替换为人均指标rso2、rco2，检验结果见表6。可以从中看出：①在更换为人均污染指标后，科技创新投入对SO2排放的直接效应仍然有显著的抑制作用，对CO2的排放有显著的促进作用，表明科技创新投入对环境污染的影响比较稳健。②中介效应分析。经济增长仍然在科技创新和环境污染之间存在中介效应，且依旧对SO2排放呈现完全中介效应，对CO2表现部分中介效应，说明经济增长发挥的中介效应具有较强的稳健性。③综合回归模型中，经济增长的平方项的系数对SO2不显著，对CO2显著，因此经济增长拟合环境EKC曲线时，其平方项对于SO2的稳健性低于CO2，总体上模型的结果的稳健性较好。

表6 稳健性检验结果

续表

（四）分地区实证研究

因为我国地域范围广，各地区产业结构、资源分配制度以及科技创新水平具有差异性，再加上各个地区的政府行为、政策措施不同以及对科技创新扶持力度的差别，科技创新投入对环境的影响也会各不相同。因此，按照经济发展水平的差异将样本划分为东、中、西三个地区，分别分析科技创新投入同经济增长对环境污染的影响，结果如表7、表8所示。

表7 SO2分地区回归结果

表8 CO2分地区回归结果

表7是科技创新投入同经济增长对各地区SO2排放量影响的回归结果。从直接影响来看，东部地区的科技创新投入会显著的增加地区SO2的排放，中西部地区的科技创新投入则会减少SO2的排放。造成这部分的原因很大程度在于：①流动源的隐形污染。机动车排放的二氧化硫理论上是不计入SO2统计排放量的，但是其排放的SO2对空气质量的影响却能在SO2浓度中表现出来。由于东部地区城市都比较发达，科技创新投入力度较大，科技创新成果的转化能力较强，城市化进程也在加速。因此道路在不断的拓展延伸，来往车辆的数量不断增多，车流密度不断增大，其污染排放口比固定源低，尾气停留在地面空气中的时间也更长，故科技创新投入给东部地区的二氧化硫的排放带来了正向效应。②目前我国85%的SO2排放与化石能源的使用有关，科技创新投入带来了中西部地区的技术进步，从而提高了能源的利用效率，减少了SO2的排放，因而中西部地区的科技创新投入与SO2排放呈反向关系。同时也发现科技创新投入的增加会显著的促进中、东、西各地区经济水平的发展，经济发展水平对于环境污染的主要呈倒“U”型。

从总影响看，即从中介效应来看，在引入地区经济增长的影响后，科技创新投入在中东部仍能显著的影响SO2的排放，但西部地区科技创新的显著性消失。由此科技创新投入在中东部地区通过经济增长对SO2排放或多或少的有着直接或间接的影响，即存在部分中介效应，在西部地区存在着完全中介效应。造成这部分的原因很大可能在于：①SO2属于流量污染物，对环境的危害具有即时性，由于易溶于水的性质，会随着降雨落到地面，当期就能够显示危害。中东部地区经济发达，人民群众对生活环境要求较高，对污染物引起的危害十分敏感。也更能够在环境保护方面积极响应政府的号召，因此，中东部的地区的经济增长在一定程度上对污染物的排放也起着一定的作用。②西部地区人口密度相对稀少，经济发展相对落后。技术进步虽然会提高能源的利用率，减少SO2的排放，但是为提高经济发展水平，会扩大地区经济活动的规模，增加能源的消耗，进而科技创新投入带来的积极的作用被弱化。

表8是科技创新投入同经济增长对各地区CO2排放量影响的回归结果。从直接影响来看，各地区的科技创新投入会显著的增加地区CO2的排放，也会显著的促进地区的经济增长，经济发展水平对于环境污染的在东、中、西各地区均呈倒“U”型特征。从总影响来看，在增加经济增长的影响后，科技创新投入对CO2排放量的促进程度有所下降，尤其西部地区，在加入经济发展的中介影响后，科技创新投入对CO2的排放促进作用变得很小。这可能与西部地区蕴含的能源结构有关，西部地区占据着全国煤炭资源总量的80%，由于近年来国家加强了对环境保护的重视程度，在环境规制方面日益严格，以煤炭经营为主的企业需要加倍重视，在煤炭的开采上引进绿色减污技术，争取在源头上治理。所以加大西部地区的科技创新投入、提高技术进步的同时也间接的提升了化石能源的利用率，减少了CO2的排放量，因而呈现出抑制作用。同时经济增长均在1%的显著性水平上成立，说明地区的科技创新投入对CO2的排放可以通过影响地区经济增长来影响。根据表中科技创新投入系数显著性可以看出，在东中部地区存在部分中介效应；在西部地区存在完全中介效应。由于CO2属于存量污染，在短期内并不会对环境造成什么危害，因此在一般的经济发展中很容易被忽视。

综上所述，通过对比东、中、西部地区的实证结果可知：①科技创新投入对于不同类型的污染物呈现的影响不同，对于流量污染表现为直接的负向影响，具有抑制作用，对于存量污染则表现为直接的正向影响，具有促进作用。经济增长对环境污染的影响均表现为倒“U”型，这说明我国的环境污染物符合环境EKC曲线。②科技创新投入、经济增长对环境污染的中介效应，无论是对SO2还是对CO2，在东中部地区均表现为显著的部分中介效应，西部地区均表现为显著的完全中介效应。由于区域异质性的存在，不同地区的经济增长在科技创新投入与环境污染中的中介作用不同，证明假设H4成立。

五、结论与建议

（一）结论

本文研究了经济增长、科技创新投入、环境污染三者之间的关系，通过分析后得出以下结论：①在全国水平下，当增大科技创新投入时，因污染物类型不同其影响效果不同，与存量污染呈正向关系，与流量污染呈反向关系，从而从一定程度上解释了科技创新投入对环境污染的影响上尚未达成统一的意见的原因。在加入经济增长变量后，极大的削弱了科技创新投入对环境污染的影响效果。说明科技创新投入更加侧重于经济的增长，这证实了各地区政府所追求的目标。②在分地区研究中，经济增长在相同地区对于不同类型的污染表现为相同的中介效应，对于中东部地区，均表现为部分中介效应；对于西部地区，均表现为完全中介效应。验证了东中部地区科技创新投入可以直接影响环境污染，也可以间接影响；但是西部地区科技创新投入对环境污染带来的影响要完全依靠提高经济增长来控制。③增大科技创新投入可以为促进地区的经济增长。经济增长能够对环境产生影响，较低的经济水平下，经济增长与环境污染呈正向关系，当经济水平达到某一拐点后，经济增长与环境污染则呈反向抑制关系，经济增长对环境污染的影响呈倒“U”型，证实我国污染物排放符合EKC曲线。

（二）建议

从以上的研究结论来看，科技创新投入的确会对地区的经济发展具有良好的促进作用，但是也会对环境污染存在一定的影响，这为我国政府制定环境规治政策提供了决策依据：①加大污染源治理投资力度。科技创新投入对环境的影响具有双面性，因此各地政府应该将目光放长远一些，不能仅仅通过减少眼前的流量污染来保持所有污染物处于一个合理的水平，更要预防存量污染的长期积累造成更大的危害。要加强环境规制，优化科技创新投入结构，使科技创新在各领域都能更好地发挥污染防治作用；同时注意环境污染与经济增长的关系，合理规划科技创新投入规模。②降低能源依赖性。我国的经济发展过度依赖于能源的消耗，化石能源是CO2排放的主要来源，目前针对于存量污染物还没有较好的解决办法，只能从源头上减少排放。各地区要合理调节科技创新带来的影响，研究和开发新型能源，加大清洁能源的使用比例，要全面考虑能源消费的情况，避免因环境污染转移而产生技术创新转型的错觉。③加强科技创新成果的转化。目前我国环境污染治理领域的科研信息相对封闭，科技研发项目分散，不同部门、领域和项目之间需要有效的沟通协调，解决科技创新成果转化渠道不畅的问题，加强污染治理科技创新对污染治理和环保行业的带动作用。鼓励企业加大自主研发力度，转变生产方式，尽量向采用清洁能源的新兴部门靠拢。④加强政策管理制度。对于东部地区，由于流动源隐性污染的存在，可以提高燃油品质，大力研发新能源汽车；针对车辆生产方面也要加大环保监管力度，严禁未达标车辆上路；另外，合理控制私家车拥有量，鼓励民众乘坐公共交通出行，施行系列优惠政策等。对于经济发展水平缓慢的中西部地区，国家要加大扶持力度，引进鼓励科技创新人才，寻求资源配置最优化，杜绝“先污染，后防治”的思想。