刘海英，蔡先哲

(大连海事大学 航运经济与管理学院，辽宁 大连 116026)

在气候变化和资源环境约束的双重压力下，实施工业绿色转型日益成为各国关注的焦点.当前，中国实现“双碳”目标的时间窗口偏紧，而中国工业部门仍是化石能源消耗的重点领域，也是“三废”和碳排放的主要来源.在党的二十大提出推进新型工业化，进一步加快推动绿色发展的当下，我们亟须反思现有工业发展模式的可持续性，即在产业调整过程中如何促进中国工业绿色转型[1-3].

在工业绿色转型的测度方面，陈诗一[1]采用工业全要素生产率指标，对中国绿色工业革命进行评价.李斌等[4]用绿色全要素生产率对经济增长的贡献率来表征工业绿色转型程度.近年来，将环境效率直接界定为工业绿色转型的研究逐渐出现[5].此外，于连超等[6]通过构建指标体系兼顾工业绿色发展的不同维度来表征工业绿色转型.为了识别环境规制对工业绿色转型具体指标维度(比如污染排放)的影响，王勇等[7-8]淡化了对工业绿色转型目标的综合评价.在工业绿色转型的实现路径方面，现有文献的探索主要集中在产业绿色技术革新[9]、产业结构优化[10]和产业污染转移[11]方面.在工业绿色转型机制研究方面，不少学者发现，降低高污染、高耗能产业比例的结构性调整对工业绿色转型的作用是有限的(主要体现在污染排放[7]、能源结构[12]和碳减排方面[8])，绿色技术创新效应正逐渐成为实现工业绿色转型的关键[13].

关于绿色技术创新影响工业绿色转型的多数文献的经验回归揭示，工业企业可以通过提升绿色技术创新绩效[14]，优化能源消费结构，以此来突破资源环境的约束[15]，降低工业生产带来的污染排放[16]，实现工业绿色发展.其中，汪明月等[17]发现不同绿色技术创新对环境绩效改善的影响和作用方式存在差异，有些绿色技术创新注重末端污染治理，有些注重工艺流程和设备改进.根据“波特效应”理论[18]可知，绿色技术创新效应是环境规制所引发的.关于环境规制如何促进绿色技术创新，学者们早已对“波特效应”的相关研究进行了大范围和多角度拓展，但尚未形成统一观点[15,19].综上所述，虽然绿色技术创新对工业绿色转型的关键驱动逐步得到学界认可，但现阶段关于二者关系的研究多是聚焦到某一类绿色技术创新，或者不将绿色技术创新进行分类.为了探索可持续工业绿色转型的实现路径，亟须识别不同绿色技术创新类型的环境效应.

本文在全局DEA 理论框架下，选择考虑非期望产出的超效率SBM 方法，测算2008—2020 年中国大陆30 个省(市、自治区)工业环境效率，借助面板固定效应模型来识别不同绿色技术创新的环境效应，开展稳健性检验.将环境规制强度作为门槛变量，通过面板门槛回归模型，检验不同绿色技术创新影响工业环境效率的环境规制门槛，为环境规制下工业企业选择适宜的创新类型来实现可持续工业绿色转型提供理论和实践参考.

1 理论分析与研究假设

1.1 不同绿色技术创新对工业绿色转型的影响

在严格的环境规制条件下，成本压力会促使大多工业企业采取结果导向型绿色技术创新(比如污染末端治理技术)来实现规制效果，因为与强调绿色生产工艺和产品创新的过程导向创新相比，强调末端污染处理的结果导向创新能够更快获得污染减排效益[20].这种形态一旦被长期“锁定”，则不利于在产业内部实现波特的“创新补偿”效应.尤其是当企业将这种“结果导向型绿色技术创新业务”委托给第三方时，这种波特“创新补偿”效应可能向其他产业(比如环保产业)扩散.尽管从整个工业层面而言，实现了“节能减排”效应，但这种以结果治理为导向的创新类型在本质上与生产技术是脱钩的，长远来看可能会进一步加剧产业分工.

若工业部门的发展长期依赖末端治理，则可能促使第三方污染处理产业的兴起，带来产业间的“清洁化替代调整”，以减少污染排放和降低能源消耗强度为导向的工业内部清洁化升级可能无法实现.从可持续发展的角度来看，注重在生产过程中减少污染(过程导向)可能比注重在生产结束时减少污染(结果导向)更有利于长效的工业绿色化低碳发展[21-22].由此，提出以下假设：过程导向型绿色技术创新有利于可持续工业绿色转型的实现(假设1a)，结果导向型绿色技术创新不利于可持续工业绿色转型的实现(假设1b).

1.2 环境规制强度变化对绿色技术创新的环境效应的影响

从波特假说的观点[18]可知，工业企业在一定的环境政策背景下，能够通过加强自身技术研发，引入外来绿色生产技术和清洁节能设备来进行能源转型.对于污染密集型产业来说，在某种程度上不仅可以实现企业降污，逐步向清洁化生产，而且能够促进自身进行绿色化结构改造.

总的来说，严格的环境规制通过倒逼工业企业进行绿色技术创新而实现绿色转型，短期内可能具有一定的强制性，可能会使企业的污染治理成本被迫增加，而挤占绿色生产技术研发的投入(注重结果导向，即以污染末端治理为首要任务，通过结构性减排来实现规制效果).长远来看，有效环境治理的关键在于企业主动选择绿色生产工艺升级，逐步缩减污染治理成本，随着环境政策力度的持续加大，企业的环境保护和创新意识会达到一定高度(经济、技术和创新能力等要素水平超过一定阈值)，使其从污染末端进行技术创新改进的需求空间缩减，注重绿色工艺和产品创新带来的可持续经济效益.由此，提出以下假设：环境规制强度的加大能够提升过程导向型绿色技术创新的正向环境效应(假设2b)，降低结果导向型绿色技术创新的负向环境效应(假设2b).

2 研究设计

2.1 计量方程

2.1.1 基准回归模型 为了验证假设1a 和假设1b，构建如下的计量模型来探究不同绿色技术创新类型对工业绿色转型的影响机理：

式中：i表示研究区域，t为年份；IEEit为被解释变量，即工业环境效率；x1为过程导向型绿色技术创新中单位能耗的新产品销售收入，x2为结果导向型绿色技术创新中工业污染物处理的综合指标；为控制变量；αn为控制变量的影响系数；Ii为各省(区、市)的个体固定效应；Tt为年份固定效应；εit为回归方程的随机误差项.

2.1.2 门槛回归模型 为了验证假设2a 和假设2b，将环境规制强度（environmental regulation intensity，ERI）作为门槛变量，采用Hansen[23]提出的门槛回归模型，研究不同环境规制强度下2 种绿色技术创新对工业绿色转型是否存在结构性影响.在单门槛模型的基础上构建双门槛回归模型，具体的门槛个数由门槛检验结果决定.

式中：γk、φk为门槛变量的影响系数，σk、ξk为每个门槛变量的双门槛，C为回归方程的常数项，I为定性函数.

2.2 数据来源和变量说明

选用2008—2020 年中国大陆30 个省(市、自治区)面板数据作为样本(限于数据获取，不含西藏、香港、澳门和台湾)，所有数据主要来自《中国统计年鉴》、《中国科技统计年鉴》、《中国工业统计年鉴》、《中国能源统计年鉴》、《中国环境统计年鉴》、区域统计年鉴以及国家统计局官网等.

2.2.1 被解释变量 工业环境效率.在已有研究的基础上[5]，具体的效率投入产出指标选取如表1所示.考虑投资滞后性，工业污染治理投资额选择滞后一期的数据.相关经济数据分别按照工业生产者的出厂价格指数和固定资产的投资价格指数平减到以2008 年为基年的实际值，能源投入按标准煤折合系数转换为万吨标准煤.

表1 工业环境效率测算投入产出指标的选取Tab.1 Selection of input-output indicators for industrial environmental efficiency measurement

为了提升有效决策单元的可比性，运用MAXDEA 8.0 软件，在全局DEA 框架下参考申晨等[5]修正的包含非期望产出的超效率SBM 模型来测算中国工业环境效率(industrial environment efficiency，IEE)，用该效率表征工业绿色转型水平.该效率能够评价工业部门在工业投入要素既定的情况下减少二氧化碳①作者根据国际通用的IPCC(2006)所推荐的方法，选取原煤、焦炭、原油、汽油、煤油、柴油、燃料油、天然气8 种工业终端能源对该行业的二氧化碳排放量进行估算.和三废排放或者提高经济产出，以及在产出既定的情况下减少投入要素的相对有效性.

2.2.2 核心解释变量 绿色技术创新.Tang 等[24]从2 个维度对绿色技术创新展开划分，包括绿色工艺创新和绿色产品创新.徐成龙等[25]研究将绿色工艺创新进一步划分为清洁工艺创新和末端治理技术创新.清洁工艺创新和绿色产品创新二者之间的理论界限尚不明确，现实中难以完全区分，因此将绿色技术创新划分为过程导向型(process-oriented green technology innovation，PGTI)与结果导向型(result-oriented green technology innovation，RGTI)2 种.

PGTI 主要指企业聚焦提升资源和能源的有效利用，在生产过程中减少污染排放.若工业部门改进了生产技术、工艺或产品创新，则结果贡献可以反映在新产品的能源消耗变化上.选取单位能耗的新产品销售收入来衡量PGTI 的性能.RGTI 主要指企业聚焦末端污染治理，在生产结束时减少污染排放.该创新方式增加了污染治理投资额，提高了污染物处理率.选取工业污染治理废气、废水完成投资占工业增加值的比重、工业废气、废水治理设施运行费用占工业增加值的比重和工业固体废物处置利用率指标，采用熵值法对上述数据进行归一化处理，构建工业污染物处理能力的指标，以此来衡量RGTI 的性能.相关投资数据用固定资产投资价格指数平减到以2008 年为基年的实际值.

2.2.3 门槛变量和控制变量 门槛变量为环境规制强度.参考安孟等[26]的做法，用单位产值的污染治理设施运行费用对环境污染指数(environmental pollution index，EPI)进行修正，得到环境规制强度(environmental regulation intensity，ERI).与以往单纯用污染程度或污染治理投入的衡量方式相比，较强的环境规制表现为污染治理投入的增加和污染程度的降低.

为了获得稳健且可靠的检验结果，需要补充影响工业绿色发展的其他变量，结合现有文献，选取以下控制变量：固定资产投资(investment of fixed asset，IFA)，以全社会固定资产投资表示[27]；政府技术创新支持(government technical support，GTS)，以地方科学技术支出占地方财政一般预算支出的比重表示[28]；政府环保支持(government environmental support，GES)，以地方财政环保支出占地方财政一般预算支出的比重表示；政府财政支持(government financial support，GFS)，以地方财政一般预算支出占地区生产总值的比重表示[26]；产业升级(upgrading of industry，UI)和产业调整(restructuring of industry，RI)分别选取高新技术产业占比和泰尔指数的倒数来表示[29-30].相关经济数据按照价格指数平减到以2008 年为基年的实际值.

为了消除可能存在的“伪回归”问题，保证结论的可靠性和稳健性，借助SPSS 27 软件对模型进行德宾-沃森(Durbin-Watson)检验，计算各变量的方差膨胀因子(VIF)和容差，检验结果见表2.可知，各自变量的VIF 为1.228～3.244(＜ 10)，容差为0.308～0.814(＞ 0.1)，说明各自变量间不存在多重共线性.Durbin-Watson 的检验结果为1.704(接近2)，通过检验，表明模型不存在自相关性.

表2 多重共线性检验结果Tab.2 Multicollinearity test results

3 结果分析与讨论

3.1 中国工业环境效率的时空特征分析

结合图1 可知，2008—2020 年，中国工业环境效率的整体水平不高，整体效率均值为0.369，这表明对未来工业绿色发展投入产出比例的调节具有一定的必要性，效率拥有很大的改善空间.此外，中国工业环境效率水平的空间分布特征显著，整体效率均值呈现东部地区(0.448)＞中部地区(0.348)＞西部地区(0.304)的空间分布格局.

图1 2008—2020 年中国工业环境效率均值的时间变化Fig.1 Temporal changes in mean value of industrial environmental efficiency in China,2008—2020

为了分析地区间效率差异的演变特征，采用Kernel 密度估计方法，对2008 年、2014 年和2020 年的工业环境效率进行估计，生成全国效率核密度KD 曲线，如图2 所示.2008—2020 年，全国层面效率核密度曲线整体上呈微幅缩减的态势(左侧缩减幅度大于右侧拓宽幅度)，这表明各省份间的效率差距整体上呈微幅减小的趋势.

图2 2008 年、2014 年、2020 年中国工业环境效率的核密度曲线Fig.2 Kernel density curves of industrial environmental efficiency in China in 2008,2014 and 2020

3.2 基准回归结果

借助STATA 17 软件进行回归分析，表3 中模型(1)为简单回归的结果，发现2 种绿色技术创新均存在显著的环境效应.表3 中，***、**、*分别表示1%、5%和10%的显著性水平，括号内为t 值.限于篇幅，未将控制变量回归结果放入文中.对表3 中模型(2)、(3)的回归结果进行Hausman 检验(卡方统计量为39.27，伴随概率为0.000)，在选择模型(3)的基础上固定时间效应，得到模型(4)，发现2 种绿色技术创新类型的环境效应依旧显著.进一步得到省级层面的聚类稳健标准误差，见表3 的模型(5).

表3 基准模型的回归结果Tab.3 Regression result of baseline model

从表3 的模型(5)可知，2 种绿色技术创新的环境效应截然相反.PGTI 对工业绿色转型的影响系数在5%水平下显著为正(0.120)，验证了假设1a.RGTI 对工业绿色转型的影响系数在1%水平下显著为负(-0.207)，验证了假设1b.原因如下：PGTI 是指企业通过生产工艺改进或产品创新来提升资源和能源的利用效率，在生产过程中减少污染排放，能够在产业内部产生创新性减排调整.随着PGTI 的不断加强，能够提升工业企业的绿色生产能力，实现产业内部升级，有利于改变中国工业发展所依赖的“高投资、高能耗、高排放”的资源路径.RGTI 是指企业聚焦末端污染治理来提升减排绩效，有利于降低高污染、高耗能产业比重，它所实现的是结构性减排调整，但是这类创新本质是与生产技术脱钩的.随着RGTI 的不断增强，企业在成本压力下会越发挤出PGTI，使得“创新补偿”效应更易趋向其他产业扩散(如环保产业)，促进了产业间的“清洁化替代”分工，不利于产业实现自身减排.已有研究发现，结构性减排对工业绿色转型的影响是有限的[6]，这说明本研究结果的合理性.实现产业内部升级是当前可持续工业绿色转型的重要任务，PGTI 是实现这一目标的关键.

在控制变量组中，政府环保支持(GES)对工业绿色转型的影响显著为正，这表明环保重视程度的提升能够为工业企业绿色转型营造良好的外部环境.政府财政支持(GFS)和产业调整(RI)呈负向影响，可能是因为运用市场内化企业的污染的外部性成本的机制以及产业分工协作机制尚未成熟.

3.3 稳健性检验

从如下3 个方面展开稳健性检验.

1）内生性检验.考虑到模型可能存在内生性问题，基于2008—2020 年中国大陆30 个省(市、自治区)面板数据，引入工业环境效率的滞后一期作为工具变量，主要采用系统GMM 估计方法进行内生性检验.

2）替换被解释变量.近年来，新型工业化的进程正在不断推进，“两化融合”(信息化和工业化融合)是该道路的集中体现.《“十四五”信息化和工业化深度融合发展规划》强调要进一步加快两化融合，促进工业数字化转型.在绿色低碳发展的背景下，工业数字化赋能工业绿色化日渐成为趋势.结合政策背景，出于稳健性考虑，参考文献[31]，尝试在投入要素中加入“两化融合”投入并重新测算工业环境效率，以此作为基准回归被解释变量的替换变量.

3）分样本回归.2019 年，国家发布的《绿色产业指导目录(2019 年版)》首次对“绿色产业”进行明确界定，有利于进一步明确工业绿色发展的重心.为了避免政策的影响，选取2008—2019 年数据来进行回归.由回归结果①限于篇幅，未将稳健性回归结果放入文中.可知，内生性检验中，残差自相关检验AR(1)的P值(0.027)、AR(2)的P值(0.918)和工具过度识别检验的Hansen 检验结果(1.000)均表明，系统GMM 方法是有效的.在上述3 个模型中，PGTI 和RGTI 的影响结果与基准回归保持一致，说明了基准回归结果的稳健性.

3.4 门槛回归结果分析

3.4.1 门槛效应检验 采用Bootstrap 重复自抽样的方法进行门槛效应检验，结果如表4 所示.表中，**、*分别表示5%和10%的显著性水平，P是通过Bootstrap 重复自抽样得到.模型(9)、(10)的门槛变量均通过了单门槛效应检验，表明其门槛变量存在单门槛.

表4 门槛效应的检验结果Tab.4 Results of threshold effect test

门槛估计和置信区间如表5 所示.

表5 门槛估计和置信区间Tab.5 Threshold estimates and confidence intervals

3.4.2 参数估计结果分析 表6 中，括号内为标准误差；***表示1%的显著性水平，限于篇幅，未将控制变量回归结果放入文中.由表6 的模型(9)可知，PGTI 对工业绿色转型的影响存在显著正向单门槛特征.当环境规制强度低于门槛时，PGTI 的环境效应在1%水平下显著为正(0.171)；当超过这一门槛时，正向环境效应提升至0.242，验证了假设2a.由表6 的模型(10)可知，RGTI 对工业绿色转型的影响存在显著负向单门槛特征.当环境规制强度低于门槛时，RGTI 的环境效应在1%水平下显著为负(-0.360)；超过这一门槛时，负向环境效应下降至-0.162，验证了假设2b.观察样本数据可知，研究期内环境规制强度跨过门槛的省份数量为26 个(东部、中部和西部的省份数量占比分别为35%、31%和34%)，这表明在严格环境规制下采取PGTI 所带来的工业绿色转型优势正日益显现.在上述不同环境规制强度下，2 种绿色技术创新对工业绿色转型的影响存在差异.

表6 门槛模型的回归结果Tab.6 Regression results of threshold model

当环境规制强度较弱时，工业企业污染治理投入不会挤占自身的生产成本，PGTI 能够与生产技术相容发展，所带来的经济产出可以抵消环境规制下的成本增加，所以环境效应显著为正.由于工艺改进周期相对较长，粗放发展模式下的企业会倾向于选择RGTI，进行更直接的末端污染排放治理.随着环境规制强度的进一步加大，单从污染减少量来看，RGTI 带来的结构性减排对规制效果的实现是有益的，但是本质上与生产技术脱钩，不利于实现可持续工业绿色转型，所以RGTI的负向环境效应被削弱.在严格的环境政策背景下，工业企业间以效率为主导的竞争机制会加强，“考虑自身发展模式的可持续性，如何从根本上降低污染外部性成本并实现经济与环境协同发展”会成为企业面临的首要任务.企业会进一步加强绿色工艺生产技术研发，缩减对结果导向型绿色技术创新的需求，并以此来提升资源利用效率，促进产业自身减排，实现环境规制所带来的产业内部升级的“加速效应”，所以PGTI 的环境效应显著增强.该结论验证了严格的环境规制能够促进企业出现波特“创新补偿”效应，体现了我国现行的环境政策工具对工业绿色转型倒逼效应的有效性.

3.4.3 区域异质性分析 环境规制强度的变化会改变绿色技术创新的环境效应.将研究样本划分为东部、中部和西部地区，使用面板门槛回归模型，开展区域异质性分析.从门槛效应检验结果和参数回归结果①限于篇幅，未将分地区门槛效果检验结果和参数回归结果放入文中.可知，东、中、西三大地区的门槛结果存在显著差异.

东部地区PGTI 的环境效应存在显著正向单门槛特征，当环境规制强度大于门槛(0.001)时，PGTI 的正向环境效应从0.550 变为0.311.东部地区RGTI 的环境效应显著为负(-0.100)，不存在门槛效应.虽然更严格的环境规制会加大东部地区工业企业的污染治理压力，使企业易选择RGTI来平衡运行成本和生产性投资间的关系，但得益于其地理位置优越、长期的政策支持、严格的政府监管环境和完善的工业技术发展配套设施等因素，东部地区PGTI 在污染治理中保持着较高的比重，因此PGTI 的环境效应虽有所下滑，但仍显著为正.

中部地区PGTI 的环境效应显著为正(0.085)，不存在门槛效应.中部地区RGTI 的环境效应存在显著负向单门槛的影响，当环境规制强度跨过门槛(0.003)时，中部地区RGTI 的负向环境效应从-0.478 变为-0.249，样本中超半数省区的环境规制强度跨过门槛.西部地区PGTI 对工业绿色转型的影响显著为正(0.125),不存在门槛效应.西部地区RGTI 的环境效应存在单门槛影响，当环境规制强度大于门槛(0.001)时，RGTI 的负向环境效应开始显现.除宁夏外，其余西部省份的环境规制强度均跨过了门槛.对比各地区环境规制强度的门槛可知，中西部地区的环境规制门槛高于东部，这是因为技术能力相对薄弱的资源大省多集中在中西部地区，同样时间内这些省份产业内部升级的难度明显高于经济发达地区.与中部地区相比，过程导向绿色技术创新对相对落后的西部地区的工业绿色发展的激励作用更明显.

4 结论

（1）2008—2020 年中国工业环境效率整体水平不高，整体上处于波动上升态势且地区间效率差距在小幅缩减，空间上呈东部＞中部＞西部的分布格局.

（2）不同绿色技术创新的环境效应存在差异，其中，强调工艺和产品的过程导向型绿色技术创新是实现可持续工业绿色转型的关键，政府环保重视程度的提升能够为工业绿色转型营造良好的外部环境.

（3）环境规制强度的变化会改变不同绿色技术创新的环境效应.随着环境规制强度的加大，过程导向型绿色技术创新的正向环境效应也会加大，结果导向型绿色技术创新的负向环境效应会降低.政府在提升地区工业绿色发展水平时，因地制宜(动态调整)的环境规制至关重要.