第四節　創新與綠色發展的經驗分析

一、計量模型設定

本章使用2003—2016年283個地級市數據以甄別地區創新能力對霧霾污染的影響。基準回歸模型如下：

PM2.5_i，t=β₀+β₁lntotal_i，t+β₂X_i，t+λ_i，t+μ_i，t+ε_i，t

其中，PM2.5_i，t表示i城市第t年的PM2.5平均濃度，lntotal_i，t為專利總數的對數，即本章關注的核心解釋變量，X_i，t為影響霧霾的一系列控制變量，包括了夜間燈光亮度（light）、財政支出占比（fina）、外商直接投資占比（fdi）、產業結構（indu）、固定資產投資占比（invest）、空氣流動系數（lnVC）、人口密度（pop）、道路長度（lnroad）、綠化面積（lngreen），λ_i，t表示城市固定效應，μ_i，t表示時間固定效應。考慮到冬季取暖燃煤因素對南北方城市霧霾造成的差異性影響，并且2013年9月國家發布《大氣污染防治行動計劃》以來，有數據顯示我國各地霧霾污染已下降超過30%，治污減排出現初步成效，使用雙向固定效應不僅可以規避掉上述兩種影響，還能在一定程度上緩解內生性問題，準確識別出創新對霧霾污染的抑制效應。

二、變量選取與數據描述

（一）被解釋變量

本章采用的PM2.5濃度數據源自哥倫比亞大學社會經濟數據和應用中心公布的衛星監測柵格數據。PM2.5的分布即使在同一個地區也會存在差異性，地面監測數據具有點源性特征，因此只能粗略反映該地區的霧霾濃度。衛星數據雖然在一定程度上會受到氣象因素的影響，但不可否認的是，其對一個地區整體霧霾水平的度量更為準確（邵帥，2016）。本章利用ArcGIS軟件將其解析為2003—2016年中國283個地級市的年均PM2.5濃度數值，可從全貌上反映我國各地區霧霾污染的程度及變化趨勢。

（二）核心解釋變量

創新是涵蓋了投入、產出、制度和環境的一體化系統，專利作為創新活動的產出居于整個體系的核心，因此，使用城市專利申請量存量的對數表征創新能力。Romer（1990）認為知識的兩個最重要特征是非競爭性和累積性，知識積累形成知識存量推動技術創新。因而創新成果具有循序漸進式的特點（Aghion et al.，2001；Acemoglu and Akcigit，2012），即存量性質。現有研究發現，專利權的授予需要審查并交納相關費用，審查結果易受官僚因素的影響，具有不確定性和不穩定性。且專利授予需要一定的時長，企業專利一經發明，在未得到授權時往往已將其應用于生產活動中，因此，專利申請量較授權量更能客觀反映創新水平（周煊等，2012；黎文靖、鄭曼妮，2016）。

專利數據利用Python從CNKI專利數據庫和SooPAT搜索引擎上爬取了1985年以來283個地級市三種專利的數量，并基于Pessoa（2005）和嚴成樑等（2010）的做法，利用永續盤存法計算專利存量：

專利存量_i，t=（1-δ）專利存量_i，t-1+專利增量_i，t-1

其中，i城市第t年的專利增量表示專利流量；δ為專利折舊率。鑒于發明專利技術水平最高，實用新型和外觀設計專利次之，本章沿用Pessoa（2005）的做法，將三種專利折舊率依次設定為5%、10%和15%。期初，專利存量i，0=P_i，0/（g_i+δ），其中g_i表示第i個城市1985—2016年專利增量的年平均對數增長率。最終將計算所得的專利申請量存量加一取自然對數作為技術創新的代理變量。

（三）控制變量

1. 夜間燈光亮度（light）

經濟發展與經濟集聚下的擁擠效應均是造成霧霾污染的重要原因之一。由于GDP數據存在統計偏誤的可能，美國國家海洋大氣管理局（NOAA）的氣象衛星所公布的全球夜間燈光數據可作為經濟發展水平的良好代理變量（徐康寧等，2015；范子英等，2016；邵帥等，2016）。同時，夜間燈光亮度也反映了一個地區經濟的活躍程度，Henderson等（2012）認為夜間燈光亮度包含了人口密度與人均收入兩個維度的信息，是對密度的良好度量。Bleakley和Lin（2012）指出夜間燈光數據可以準確識別出地理空間意義上的經濟集聚點。因此，使用夜間燈光亮度可以表征地區經濟發展水平與經濟集聚程度的雙重含義。NOAA提供了1992年及之后的衛星燈光數據，其中1992—2013年為DMSP/OLS遙感數據，2012年及之后為NPP-VIIRS遙感數據。兩套數據的亮度采集標準不同，因此差異性較大，需要進行歸一處理。同時，由于衛星數據在采集過程中存在一系列技術缺陷，借鑒范子英等（2016）和王賢斌與黃亮雄（2018）的方法對夜間燈光亮度進行校準，根據2013年的燈光數據對2014—2016年的NPP-VIIRS數據進行歸一化處理，具體為使用2013年兩套不同數據間的比值乘以后三年的燈光亮度。將計算得到的2003—2016年的夜間燈光亮度與消除通脹后的實際GDP對數進行相關性分析，相關系數為0.6105，并在1%的水平下顯著，說明本章計算的燈光亮度具有一定的準確性。

2. 財政支出占比（fina）

為避免與創新變量產生多重共線性，我們使用剔除科教支出外的政府財政支出占GDP的比重度量政府的干預程度。

3. 外商直接投資占比（fdi）

采用各地級市每年外商直接投資額占GDP的比重度量對外開放程度對霧霾污染的影響情況。

4. 產業結構（indu）

具體為第二產業增加值占GDP的比重。

5. 固定資產投資占比（invest）

使用匯率折算后的固定資產投資除以當年GDP度量。

6. 空氣流動系數（lnVC）

我國多地區大面積持續性霧霾污染從生成到擴散轉移會受到風速、風向、空氣濕度、逆溫層等氣象因素的影響。流動性好的氣象條件有利于霧霾的擴散和稀釋，使用空氣流動系數可以在一定程度上合理地控制霧霾的空間溢出效應（陳詩一、陳登科，2018），減少因遺漏變量造成的估計誤差，進而準確識別出本地創新水平對霧霾污染的減低效果。

空氣流動系數等于風速乘以邊界層高度（Jacobsen，2002）。

lnVC_i，t=ws_i，t×blh_i，t

歐洲中期天氣預報中心（ECMWF）的ERA-INTERIM數據庫提供了多種網格多時間段的近地面10米風速（ws_i，t）與邊界層高度（blh_i，t）數據。本章使用ArcGIS軟件對75°×75°網格的月平均柵格數據進行解析，求出年平均值，計算各網格所對應年份的空氣流通系數，再根據經緯度匹配最終得到283個地級市的空氣流通系數（沈坤榮等，2017）。

7. 人口密度（pop）

考慮到人口活動是產生霧霾的重要因素之一，使用人口密度（市轄區單位面積人口總數）度量人口集聚對霧霾的影響。

8. 道路長度（lnroad）

汽車尾氣排放對霧霾貢獻的比例不可忽視，因此采用反映交通運輸強度的市轄區道路長度來考察交通因素對霧霾污染的影響。

9. 綠化面積（lngreen）

使用市轄區綠化覆蓋面積對數值表示。

本章的數據樣本由2003—2016年283個地級城市的面板數據組成。除夜間燈光數據外，上述數據源自歷年《中國城市統計年鑒》、知網、SooPAT和ECMWF的ERA-INTERIM數據庫。模型中主要變量的統計描述詳見表3-1。

三、實證結果

（一）基準回歸分析

表3-2第（1）列中，lntotal的系數估計值為-1.008，而且通過了1%的顯著性水平，表明專利總量存量顯著地降低了地區的霧霾污染。控制變量中，夜間燈光越亮的地區霧霾污染越嚴重，說明經濟發展對霧霾的貢獻顯著為正。財政支出占比顯著地增加了霧霾污染，在晉升錦標賽（周黎安，2004）的驅動下，地方政府會舍棄掉長遠的環境保護和產業升級轉型目標，轉而追求短期經濟效益，從而降低了創新的治污減霾作用。FDI占比驗證了我國地級市存在“污染避難所假說”。產業結構和道路長度對霧霾污染的影響不顯著；固定資產投資占比、空氣流動系數、人口密度、綠化面積則顯著降低了霧霾污染。

2012年黨的十八大報告中明確提出堅持走中國特色自主創新道路、實施創新驅動發展戰略。為了探討實施創新驅動發展戰略前后創新對霧霾污染的影響是否發生了變化，我們從時間異質性的角度分析兩者之間的關系，將樣本劃分為兩個時間段。回歸結果顯示，2003—2011年專利總量系數為-0.745，顯著性水平為5%；而2012—2016年系數變為-6.350，增加了8.52倍，且顯著性水平提高到了1%。隨著我國進一步加快建設創新型國家的步伐，創新能力得到逐步釋放，創新對降低霧霾存在累積效應。

其中，夜間燈光亮度系數由正的顯著變為負的不顯著，為進一步驗證EKC（環境庫茲涅茨）假說，在全部時間樣本下加入燈光二次項，從圖3-1中可以看出，不同于省級數據下的“U”形回歸結果（馬麗梅、張曉，2014；邵帥等，2016），我國地級城市夜間燈光亮度與PM2.5之間存在“倒U”形關系。隨著經濟發展水平的提升，一些城市已經越過EKC曲線拐點。

同時考慮到我國地區發展不平衡的現實異質性，表3-2中（4）—（6）列報告了東、中、西部分地區的回歸結果，可以發現，專利存量對三個地區的霧霾均存在抑制作用，但該作用僅在東、中部地區顯著，且東部顯著性最高，系數負向最大。可能是因為相對于中西部而言，東部地區市場化程度較高、營商環境較好，更有利于民營科技企業發展，發揮創新治污減霾的技術效應；而西部地區則集聚了較多高校、科研院所，其創新活動未能與企業產生良好互動，較少應用到生產活動中，難以發揮創新對霧霾的抑制作用。

（二）異質性分析

進一步地，考慮到不同地級市特征的現實差異性可能會影響到創新對霧霾的影響，我們按照人力資本、市場化程度和資源豐裕程度進行分組展開異質性分析。具體采用樣本期間內城市每萬人在校大學生數衡量人力資本水平；使用考察期內社會消費品零售總額占GDP總額的比重表示市場化程度；使用城市每萬人采掘業就業人數表征資源豐裕程度。分別求得地級市在樣本期內三種指標年均值，并按照中位數將其分為高、低兩組。

表3-3中的估計結果表明，人力資本及市場化程度更高的地區，創新對霧霾污染的抑制作用更為明顯。而資源豐裕的地區，創新的治污減排效果超過了資源匱乏地區。人力資本作為一種從事創新活動的主體創新要素，城市所擁有的人力資本越豐富，教育水平越高，越會降低專利的研發成本，更好地釋放創新效應，提升對霧霾的抑制作用。市場發育程度較低的地區多是西部經濟欠發達城市，其創新活動較少應用到企業生產經營中，多以科研專利的形式存在，并且市場發育程度較低的地區，創新活動會受到限制，難以發揮出規模效應。

我國資源型城市可能面臨更為嚴重的環境問題。相對于資源較貧乏的城市，資源豐裕城市的能源強度和污染排放強度下降的速度較為緩慢（李江龍、徐斌，2018）。資源型城市較少受到資源方面的制約，提高資源使用效率的激勵不足；資源部門的生產活動會對企業創新行為產生擠出效應。并且，資源型城市在以資源為依托發展重工業時具有比較優勢，從而更多發展資源密集型產業，并形成對資源的路徑依賴。回歸結果發現，創新在推動地區經濟產業優化轉型治污減排的過程中也會遵循邊際效應遞減規律，非資源型城市產業結構相對更優化，創新對抑制霧霾的邊際效應已趨于弱化。在資源型城市，創新發揮治污減霾的空間更大，需要進一步推動產業優化升級，釋放創新動力，實現由“黑色經濟”向“綠色經濟”的發展轉型。

（三）機制分析

發明專利、實用新型和外觀設計三種專利之間存在多重共線性，因此分別用其存量對PM2.5進行回歸。三種專利具有不同屬性，發明專利技術水平含量最高，發明專利代表企業在從事生產活動和治理排污方式時具有較強的技術創新水平，可以通過研發清潔能源替代污染性能源，提高能源利用率，改變能源使用結構，從而降低能源消耗和污染排放。同時，發明專利對推動產業結構的升級、轉變增長方式、從粗放式增長轉型為集約式增長的影響更為明顯。而實用新型專利和具有市場屬性的外觀設計專利雖然無法對治污減排起到直接作用，但其創新活動可以通過擠出高污染、高耗能生產活動的方式降低霧霾污染。

表3-4中（13）—（15）列顯示，與專利總量回歸結果相同，三種專利對降低霧霾均表現出顯著為負的影響，說明創新對降低霧霾污染具有技術效應和擠出效應。實用新型系數負向最大，意味著我國目前以“過度膨脹”的實用專利為主體的專利結構（毛昊等，2018）對霧霾的抑制更多體現為擠出效應，技術效應的發揮有待進一步提升。

（16）—（18）列的回歸結果顯示，夜間燈光亮度作為經濟集聚的代理變量與三種專利的交互項系數對霧霾均顯示出負的影響，說明經濟集聚下創新的治污減霾存在擴散效應。經濟集聚有利于知識溢出，企業間共享知識技術增加了創新對霧霾的抑制作用。

（四）穩健性檢驗

出于穩健性的考慮，本章對PM2.5和專利數據樣本進行替換。一方面，將專利申請存量更換為當年專利授權流量；另一方面，使用ArcGIS按照地級市駐地提取得到PM2.5的點源性數據。可以看到，在兩種穩健性回歸結果下，創新對霧霾的抑制作用均存在技術效應、擠出效應和擴散效應，說明本章的實證結果是穩健的（見表3-5）。

（五）內生性分析

利用宏觀經濟社會指標進行面板數據分析，不可避免地會面臨內生性問題。首先，創新與霧霾污染存在互為因果的關系。Shuai Chen等，（2017）發現空氣污染會降低人口的遷入遷出率，并且對受到良好教育的勞動力遷移意愿影響最大。人力資本具有較強選擇遷移的能力，從事創新活動時會傾向于選擇環境質量好的地區，降低了霧霾污染嚴重地區的創新能力。其次，形成霧霾的因素眾多，若誤差項中影響霧霾污染的因素不能被完全控制，創新的估計系數仍將有偏。對此，本章使用SGMM模型和工具變量方法解決內生性問題。

考慮到工具變量必須滿足外生性和相關性條件，本章選擇如下兩個工具變量：

1. 知識產權保護

知識產權保護尤其是專利保護是激發創新活力的重要手段之一（龍小寧等，2018）。研發具有失敗的風險，創新活動具有高度不確定性，知識產權保護可以通過保障創新回報、化解不確定性，提高專利價值，增進創新投入（Gallini and Scotchmer，2002；Lanjouw and Lemer，1998）。并且知識產權保護還可以通過累積創新效應，提供公開專利信息促進技術傳播，降低知識獲取成本和激發后續創新（Cassiman and Valentini，2016；Kang and Kang，2014）。國內研究也表明，對知識產權的保護有利于專利數量的增長和創新產出的持續增加（尹志鋒等，2013；吳超鵬、唐菂，2016；龍小寧、林菡馨，2018）。自2008年我國頒布《國家知識產權戰略綱要的通知》之后，又陸續出臺了《商標法》《專利法》《技術合同法》《著作權法》和《反不正當競爭法》等法律法規文件。不斷完善的知識產權保護制度將有力地增加專利數量，不斷提高創新能力。本章嘗試使用這一指標作為專利存量的工具變量，研究創新對霧霾的影響作用。

目前我國知識產權保護制度為行政保護與司法保護并行的“雙軌制”。司法保護作為權利人通常向司法機關尋求法律救濟而啟動的保護，遵循“不告不理”的原則；行政保護則更多是基于行政職權的主動出擊，效率更高，具有便捷性、取證手段多樣性以及維權成本經濟性等優勢。此外，在后續救濟機會方面，行政保護和司法保護也存在一些差別，倘使權利人對行政救濟的結果不滿意，可再次尋求司法保護；如果權利人先尋求司法保護，則無法在司法保護不滿意的情況下訴求行政保護。有數據顯示，我國發明專利在司法訴訟案件中的數量較少，同時國家知識產權侵權損害賠償體系運轉效率相對較低，表明目前司法保護的影響還很有限。因此，本章嘗試使用知識產權制度的行政保護作為工具變量，研究創新對霧霾的影響。

我們從國家知識產權局手工搜集了歷年各省專利侵權糾紛及其他糾紛立案數，考慮到創新活動與經濟發展的高度相關性，利用各省下屬地級市實際GDP占比乘以各省立案數得到地級市層面數據，同時為剔除經濟規模的影響，以“立案數+1”與地區就業人口的比值表征知識產權制度的“行政保護”。

2. 公共創新環境

政府不僅可以通過完善知識產權保護制度，而且可以營造良好的公共創新環境引導企業創新行為。陳詩一和陳登科（2018）認為政府工作報告是依法行政和執行權力機關決定、決議的綱要，是指導政府工作的綱領性文件。公共創新環境涵蓋了更為豐富的內容，用研發補貼或稅收優惠某一單一指標往往難以全面刻畫創新環境。政府工作報告中與創新有關的詞匯出現的頻次可以顯示出政府對創新的重視程度。我們使用這一指標作為專利存量的工具變量。

本章政府公共創新環境指標的具體構建步驟如下：首先，手工收集整理30個省份2003—2016年的420份政府工作報告；其次，利用Python Jieba工具對政府工作報告文本進行分詞處理；最后，統計創新相關詞匯出現的頻次。與創新相關的詞匯具體包括創新、技術、科技、科研、人才、技改、產學研、科教、專利以及研發等。

需要特別說明的是，選取省級變量來度量地級市政府公共創新環境在緩解了內生性的同時也降低了地級市層面的變異性。針對此問題，本章借鑒Bartik（1991）以及陳詩一和陳登科（2018）的方法進行處理。根據復旦大學的《中國城市和產業創新力報告2017》，2000—2017年我國行業創新指數排名前50%的產業大類為制造業和信息傳輸、軟件和信息技術服務業，由于地級城市制造業和信息傳輸產業產值占GDP比重數據缺失，同時考慮到創新主要存在于二、三產業，我們使用地級城市二、三產占比之和與創新詞頻交乘，最終得到地級市政府公共創新環境指標。省級層面政府治理對其內部地級市的影響因各市二、三產業占比不同而存在差異，二、三產業占比越高的城市，政府營造公共創新環境的力度越明顯。

本章使用的樣本為2003—2016年283個城市數據，能夠很好地滿足SGMM“大N小T”的模型要求（blundell and Bond，1998）。回歸結果表示，Sargan檢驗和AR（2）檢驗均已通過，符合SGMM的要求，表明本章使用的工具變量是合理的。三種專利回歸結果均顯示SGMM模型中被解釋變量滯后項的估計系數介于POLS和FE所對應的估計系數之間，說明工具變量的估計結果具有可信性（見表3-6）。

上一期PM2.5對本期PM2.5的影響顯著為正，表明霧霾污染變化具有明顯的路徑依賴特征。回歸結果顯示，三類專利存量均顯著降低了霧霾污染。并且科技含量最高的發明專利系數負向最大，對降低能源消耗和污染排放的影響最明顯，技術效應超過了擠出效應。納入知識產權制度和公共創新環境工具變量的SGMM估計中，發明專利存量、實用新型專利存量和外觀設計專利存量對霧霾的系數，分別是表3-4中回歸結果的11.25倍、7.54倍和7.09倍。忽略內生性，會顯著低估三類專利存量對霧霾污染的抑制作用。