低碳门槛下绿色创新补贴对全要素生产率的影响

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

熊爱华^,¹, 丁友强¹, 胡玉凤^,²

1.山东财经大学工商管理学院,济南 250014

2.铜陵学院,铜陵 244000

Impact of low-carbon subsidies and green innovation on total factor productivity in view of the threshold effect of carbon emission reduction

XIONG Aihua^,¹, DING Youqiang¹, HU Yufeng^,²

1. School of Business Administration, Shandong University of Finance and Economics, Jinan 250014, China

2. Tongling University, Tongling 244000, China

通讯作者: 胡玉凤,女,山东菏泽人,讲师,博士,研究方向为运营与供应链管理。E-mail: huyufenghzu@163.com

收稿日期:2019-11-20修回日期:2020-03-24网络出版日期:2020-11-25

Received:2019-11-20Revised:2020-03-24Online:2020-11-25
作者简介 About authors
熊爱华,女,四川成都人,教授,博士生导师,博士,研究方向为战略管理。E-mail: xiongscxah10@sina.com

摘要
在碳减排门槛效应下,考察了绿色创新与低碳补贴对全要素生产率的影响,揭示了从高碳向低碳转变的制约因素。考虑了企业与政府的碳决策目标差异,将全要素生产率分为不含环境因素的企业全要素生产率和包含环境因素的绿色全要素生产率。基于中国2006—2017年省际及重点碳源行业A股上市公司的面板数据进行门槛效应检验,结果显示：①在绿色创新与低碳补贴对全要素生产率的影响中,碳减排具有显著的门槛效应;②当碳排放总量处于低位时,绿色创新与低碳补贴对企业全要素生产率有促进作用,超出碳高位的补贴将会失效;当碳排放强度处于中位时,低碳补贴对绿色全要素生产率有积极影响;③碳减排与绿色全要素生产率呈“S”型关系,与企业全要素生产率呈正“U”型关系,绿色全要素生产率与企业全要素生产率也有正“U”型关系。因此,绿色创新与低碳补贴应契合碳减排的阶段性特征,选择有效路径,为全要素生产率协调增长提供重要借鉴。
关键词： 碳减排;绿色创新;低碳补贴;全要素生产率;门槛效应

Abstract

This study examined the effect of green innovation with low-carbon subsidy on enterprise total factor productivity (ETFP) and green total factor productivity (GTFP) when the enterprise development models shift from high carbon to low carbon. Differences of decision making between enterprise and government were taken into account, and total factor productivity was divided into ETFP without environmental factors and GTFP with environmental factors. We analyzed the panel data of listed companies in key carbon emission industries of Chinese provinces from 2006 to 2017 by the threshold effect of carbon emission reduction. The results show that: carbon emission reduction has a significant threshold effect on ETFP (GTFP) with green innovation and low-carbon subsidy, which have a positive impact on ETFP (GTFP) when the total carbon emission is low and would change when it is above a certain level. The low-carbon subsidy also has a direct positive effect on GTFP when the carbon emission intensity is in the valid median interval; otherwise, it would have an indirect positive impact on GTFP through mediating the action of ETFP. There is an S-shaped relationship between carbon emission reduction and GTFP, a U-shaped relationship between carbon emission reduction and ETFP, and a U-shaped relationship between GTFP and ETFP. Therefore, low-carbon subsidy and green innovation should be designed in accordance with the characteristics of carbon emission reduction to choose effective paths, which can provide an important reference for the coordinated growth of ETFP with GTFP.

Keywords：carbon emission reduction;green innovation;low-carbon subsidy;total factor productivity;threshold effect

PDF (3357KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
熊爱华, 丁友强, 胡玉凤. 低碳门槛下绿色创新补贴对全要素生产率的影响. 资源科学[J], 2020, 42(11): 2184-2195 doi:10.18402/resci.2020.11.11
XIONG Aihua, DING Youqiang, HU Yufeng. Impact of low-carbon subsidies and green innovation on total factor productivity in view of the threshold effect of carbon emission reduction. RESOURCES SCIENCE[J], 2020, 42(11): 2184-2195 doi:10.18402/resci.2020.11.11

1 引言

绿色低碳发展已成为全球共识。转变高耗能、高污染、高投入的传统发展方式,提升全要素生产率促进产业转型升级,成为当前企业可持续发展的优选之路。企业要“转方式”,往往受制于“路径依赖”的惯性,面临成本高、风险大、周期长等问题,使得绿色创新举步维艰。在国家积极推行创新驱动发展战略,倡导节能降耗助力提质增效之际,企业要完成从“限产减碳”到“增产低碳”的蜕变,离不开环境规制的引导。理论上,企业跨越碳减排门槛后,不仅能补偿绿色创新成本,而且可以提升绿色竞争能力,这些“红利”将会激发企业绿色创新动力,正如“波特假说”指出,设计适当的环境规制能推动企业绿色创新,增强盈利能力,抵消环保成本^[1],提高环境效率^[2,3]。政府低碳补贴属于环境规制的财政政策工具,意在改进环境质量,彰显减碳企业示范作用,有效发挥“创新补偿效应”。但同时,它也无意间刺激了限产减碳,成为贸易补偿工具,造成企业绩效与环境绩效的不协调,一定程度上偏离了政策本意。因此,有必要研究绿色创新补贴作用的有效范围。

目前相关研究,多集中于环境规制与绿色创新的非线性关系,鲜有从企业层面考察绿色创新补贴对全要素生产率影响的阶段性差异,及其对企业效益与绿色效率的统筹作用。为增强绿色创新补贴在碳排放不同阶段的针对性和有效性,本文基于碳减排的门槛效应,重点研究绿色创新补贴对全要素生产率的影响：一方面,以提升企业全要素生产率为企业目标,通过测度碳排放总量的门槛值,明确企业在什么节点进行绿色创新更有利;另一方面,以提升绿色全要素生产率为政府目标,通过测度碳排放强度的门槛值,明确政府在什么节点实施低碳补贴更有效。本文的研究为企业绿色创新、低碳补贴、效率提升及路径选择提供重要启示。

2 文献综述

适当的环境规制有助于碳减排与绿色创新,这是“波特假说”的基本前提,它假定企业一般不会主动承担环境责任,需要依赖环境规制的作用,实现绿色技术创新先抑后扬的“U”型走势,促成企业竞争力提升与有效碳减排的目标^[4]。环境规制的效力在于选择与产业特性相匹配的强度及方式,主要表现为：首先,规制强度决定技术效率,合理范围可以转变有“路径依赖”的绿色技术进步方向^[5,6];其次,规制类型产生不同效应,费用型规制对企业技术创新有显著的“挤出效应”,投资型规制有“刺激效应”^[7];再次,规制对象左右治污效果,在一定行业规模与资源投入前提下,严厉的环境规制能促进污染型行业绿色技术创新,使其获得较好的经营绩效,有助于资产贡献率和劳动生产率提升^[8];最后,规制区位影响邻地效益,高环境规制地区易引致污染产业向邻地外溢,短期内有利于邻地产业收入水平提高,长期则使其向绿色技术演进^[9]。

低碳规制本质上是利用绿色创新提质增效,通过技术进步提升创新效率,符合倒“N”型关系,较弱规制难以释放活力,过强规制又冲击企业韧性,适度规制有助于企业全要素生产率提高^[10,11]。鉴于环境因素愈加重要,使得反映环境质量的绿色全要素生产率备受关注,陈超凡^[12]研究表明,目前环境规制对工业绿色全要素生产率的影响尚未越过“波特拐点”;展进涛等^[13]研究认为,绿色技术“退步”导致农业绿色全要素生产率有所下降。绿色全要素生产率的增长主要源于技术进步（约为26.50%）^[14],产业结构、规模效应及劳动生产率也有正向促进作用^[15,16],环境规制则有非线性影响,沈能^[17]研究发现,环境规制强度和环境效率有倒“U”型关系,显著促进清洁生产型行业当期环境效率,而对污染密集型行业存在滞后效应;原毅军等^[18]认为,工业绿色生产率与费用型规制有“U”型关系,与投资型规制呈负线性关系。因此,环境规制对全要素生产率的影响存在阶段性差异。

低碳补贴激励绿色创新助推双效双赢机制。绿色创新动力源于能源污染性,而非资源稀缺性^[19],减碳需着力于绿色技术效率提升。实施绿色创新补贴,能有效降低碳排放量,推动企业开展突破式绿色创新,促进创新绩效提升,激励减排技术研发,增强企业竞争力^[20]。对于利润空间较小的行业,碳补贴可以助力企业摆脱因碳税政策导致效益降低的困境^[21]。但同时,信息不对称又容易推高伪装成本与风险成本,致使低碳补贴效力出现偏差^[22]。因此,实施碳补贴属次优选择,还需要提升碳补贴层次,加强监督力度,促成减碳方向转变,更要注重企业绿色创新生态系统发展,增强企业绿色创新意愿^[23]。

综上,“波特假说”的相关研究成果表明,环境规制对绿色创新效率具有非线性影响,但对于“U”型、“N”型或其他类型尚有争议,没有阐明低碳补贴对企业全要素生产率与绿色全要素生产率的协调作用,也没有表明绿色创新补贴的双效路径。为探索绿色创新补贴对全要素生产率的作用机制,厘清企业全要素生产率与绿色全要素生产率的协调关系,本文以政府低碳补贴为解释变量,将绿色技术创新作为中介变量,并加入绿色产品创新的调节作用,构建门槛效应模型如图1所示。基于此,本文的实证研究思路是：首先,通过脉冲响应函数分析,探索绿色创新补贴对绿色全要素生产率的间接影响路径;其次,基于碳减排的门槛效应,考察绿色创新补贴对全要素生产率的阶段性影响;再次,构建动态面板模型,检验模型的稳健性、内生性、中介及调节效应;最后,将全要素生产率放入门槛效应模型和动态面板模型,进一步确定碳减排与绿色全要素生产率及企业全要素生产率三者的关系。

图1

新窗口打开|下载原图ZIP|生成PPT
图1绿色创新补贴对全要素生产率的门槛效应模型

Figure 1Threshold effect of low-carbon subsidies and green innovation on total factor productivity (TFP)

3 研究设计

3.1 模型设定

为测度碳减排的门槛效应,分析绿色创新与低碳补贴对全要素生产率的影响,本文在Hansen^[24]面板数据的门槛效应模型基础上,结合Wang^[25]的检验方法,设定计量模型如下：

（1）

\begin{array}{l} \ln TF P_{it} = β_{0} + β_{1} \ln G_{it} \cdot I (CE \leq γ_{1}) + \\ β_{2} \ln G_{it} \cdot I (γ_{1} < CE \leq γ_{2}) + \\ β_{3} \ln G_{it} \cdot I (γ_{2} < CE \leq γ_{3}) + \\ β_{4} \ln G_{it} \cdot I (CE > γ_{3}) + \\ \sum λ_{j} Control s_{it} + ε_{it} \end{array}

式中：lnTFP为被解释变量,包括企业全要素生产率（lnETFP）和绿色全要素生产率（lnGTFP）;lnG为核心解释变量,包括政府低碳补贴（lnGOVS）、绿色技术创新（lnGTIS）和绿色产品创新（lnGTIP）。I（·）表示指示函数,当括号内的条件成立时,I（·）取值为1,否则为0。

CE

为门槛变量,表示碳减排,包括碳排放总量（CET）和碳排放强度（CEI）。γ为门槛阈值,若存在单一门槛,则γ₁=γ₂=γ₃;若存在双重门槛,则γ₁≠γ₂=γ₃;若存在三重门槛,则γ₁≠γ₂≠γ₃。Controls表示控制变量;i和t分别表示样本和年份变量;ε为残差项。

3.2 变量定义

（1）企业全要素生产率。参考Lu等^[26]的OP方法,利用stata软件计算获得,主要变量为主营业务收入、固定资产、公司购买商品、接受劳务实际支付的现金、资本性支出、是否退出市场、公司成立时间以及企业性质虚拟变量。数据来源于国泰安与锐思数据库。

（2）绿色全要素生产率。本文采用DEAP- Malquist指数,借鉴赵佳风等^[27]的DEA方法,使用以下3个指标测度：一是投入,按照陈超凡^[12]的研究,包括以企业员工人数表示劳动投入、企业能耗表示资源投入和固定资产存量表示资本投入,采用永续盘存法,以2005年作为初始值来计算资本存量。二是期望产出,以收入法计算企业工业总产值表示。三是非期望产出,以碳排放总量表示,借鉴崔兴华等^[28]的做法,将企业碳排放总量以地区碳排放总量的调整系数（地区所占全国碳排放总量的比值/地区所占全国工业总产值的比值）和企业工业产出系数（企业与地区的工业产值比）的乘积计算。

（3）碳排放。地区碳排放总量的数据主要来自IPCC Sectoral Approach,并利用相关分析法,借助地区年度能源消耗系数,修补了个别缺失值。碳排放强度以碳排放总量与地区GDP之间的比值计算获得。

（4）政府低碳补贴。借鉴李政等^[29]做法,从国泰安报表提取节能、减排、绿色、环保、清洁、能源、环境、废气及碳排放、碳交易字段的数据,若空值则为0。

（5）企业绿色创新。借鉴胡玉凤等^[30]做法,参考任亚运等^[31]的碳硫协同减排研究,将绿色创新分为绿色技术创新和绿色产品创新,前者以碳硫排放量与工业增加值之比衡量,比值越小表示绿色技术创新水平越高;后者以能源消耗量与新产品销售收入之比衡量,比值越小表示绿色产品创新水平越高。

（6）考虑绿色创新补贴的影响因素,参考武运波等^[8]、董直庆等^[9]的研究,本文将企业利润、资本总额、营业收入、营业成本、资本生产率、劳动生产率等作为控制变量,数据来源于国泰安财务报表。

3.3 样本选择

鲍健强等^[32]研究指出,工业社会以碳氢化合物组成的化石能源为支撑,形成了钢铁、建材、机械等高耗能产业,它们与碳排放量呈线性相关。按照高碳产业的碳排放标准,以化工、建材、有色、造纸、石化、钢铁、电力和航空等8个重点碳源行业为基础,选取中国2006—2017年省际及重点碳源行业A股上市公司的面板数据进行检验。为确保变量序列的稳定性与有效性,剔除了不能满足面板平衡及存在缺失值的数据,最终选取上市公司244家,获得有效样本2928个。

表1报告了核心变量的描述性统计结果。碳排放总量的均值为348.17 Mt,标准差为191.37 Mt,最大值约为均值的2.42倍;碳排放强度的均值为5.05 t/万元,标准差为3.09 t/万元,最大值约为均值的4.05倍,说明样本的个体差异比较明显。其他变量均取指数进行无量纲化处理。另外,在不考虑控制变量的条件下,对核心变量进行简单相关性检验,结果显示除政府低碳补贴与绿色全要素生产率的相关性不显著外,其他变量关系均显著。

Table 1
表1
表1核心变量的描述性统计
Table 1Descriptive statistics of the main variables

类型	变量	符号	均值	标准差	最小值	最大值
因变量	企业全要素生产率	lnETFP	1.37	0.11	0.24	1.72
因变量	绿色全要素生产率	lnGTFP	0.02	0.37	-2.20	3.30
自变量	政府低碳补贴	lnGOVS	-11.64	8.68	-14.57	20.57
	绿色技术创新	lnGTIS	10.68	0.54	9.68	12.23
	绿色产品创新	lnGTIP	0.66	0.73	-1.00	2.99
门槛变量	碳排放总量	CET	348.17	191.37	19.20	842.20
门槛变量	碳排放强度	CEI	5.05	3.09	1.61	20.45

注：碳排放总量的单位为Mt,碳排放强度的单位为t/万元。

新窗口打开|下载CSV

4 结果与分析

4.1 脉冲响应分析

为避免非平稳的伪回归,首先采用LLC、IPS和ADL方法进行单位根检验,利用Kao、Pedroni和Westerlund方法进行协整检验,结果表明各核心变量是零阶单整的平稳序列,且有协整关系,具备回归条件。然后,将核心变量进行PVAR分析,得到AIC、BIC和HQIC均为滞后一阶最小,故选择一阶脉冲响应分析,以政府低碳补贴为初始点,绿色全要素生产率为最终被解释变量,逐个加入中介因素可得脉冲响应路径,具体如下：

（1）绿色产品创新、绿色技术创新对企业全要素生产率给出一个冲击后,分别于第1期和第2期达到最大负响应点,而政府低碳补贴的冲击在第2期达到最大正响应点,它们均从第6期开始逐渐收敛,说明3个变量都可以促进企业效率的提升。

（2）绿色技术创新、绿色产品创新、政府低碳补贴对绿色全要素生产率的脉冲响应,均在第1期达到最大负响应点,然后逐步收敛,这说明低碳补贴对绿色效率具有直接的反作用,需要借助绿色创新的间接影响,发挥促进绿色效率提升的积极作用。

（3）政府低碳补贴对绿色技术创新与绿色产品创新的冲击效应,均在第2期达到最大负响应点,约6期后收敛,说明低碳补贴可以促进绿色创新水平的提升,再次证实了“波特假说”的研究。同时,企业全要素生产率对绿色全要素生产率的冲击,在第1期达到最大负响应点,约6期后收敛,说明两种全要素生产率存在不协调的阶段,需要就如何促进两者协调增长进行深入研究。

以上可知,绿色技术创新与绿色产品创新对企业全要素生产率及绿色全要素生产率都有积极作用。政府低碳补贴作用于绿色技术创新、绿色产品创新及企业全要素生产率,间接影响绿色全要素生产率的传递路径有3条：GOVS→ETFP→GTFP,GOVS→GTIS (GTIP) →GTFP和GOVS→GTIS(GTIP)→ETFP→GTFP。表明政府低碳补贴的直接作用与间接影响是阶段性的,在不同的碳排放阶段应注重不同的目标要求。企业追求的目标首先在于提升自身全要素生产率,获取更多利益回报,其次才是考虑绿色效率,这使得绿色创补贴新能够直接作用于企业全要素生产率,而间接影响了绿色全要素生产率。所以,在提升绿色效率过程中,需要政府积极的引导作用,也就是说,政府低碳补贴要实现绿色效率目标,必先注重企业效益,提高企业全要素生产率,才能更好地促进绿色全要素生产率的提升。

4.2 门槛效应分析

本文采用自抽样法进行门槛个数及显著性检验,得到碳排放总量和碳排放强度在不同显著水平下的F统计量,如表2所示。绿色技术创新和政府低碳补贴对企业全要素生产率的影响分别通过了0.05水平下双重门槛检验,对绿色全要素生产率的影响也都通过了0.01水平下双重门槛检验;绿色产品创新的影响通过了单一门槛检验。所有三重门槛效应均不显著。

Table 2
表2
表2门槛存在性、估计值及置信区间检验
Table 2Threshold existence, estimation and confidence interval test

模型	门槛个数	绿色技术创新				绿色产品创新				政府低碳补贴
模型	门槛个数	F值	P值	门槛值	95%置信区间	F值	P值	门槛值	95%置信区间	F值	P值	门槛值	95%置信区间
企业全要素生产率	单一门槛	70.15***	0.00	103.30	[103.00,108.80]	115.59*	0.00	138.90	[137.20,140.30]	35.48**	0.05	135.40	[131.10,137.20]
	双重门槛	27.47*	0.07	373.60	[371.87,375.30]	18.71	0.23	-	-	27.08*	0.08	455.10	[446.81,461.00]
	三重门槛	22.74	0.34	-	-	17.62	0.40	-	-	10.14	0.55	-	-
绿色全要素生产率	单一门槛	54.83***	0.00	3.97	[3.95,3.97]	52.94***	0.00	2.77	[2.76,2.77]	45.90***	0.00	3.97	[3.95,3.97]
	双重门槛	41.31***	0.00	4.94	[4.83,4.95]	9.65	0.63	-	-	34.99***	0.00	4.94	[4.73,4.95]
	三重门槛	48.01	0.95	-	-	56.32	0.11	-	-	16.60	0.92	-	-

注：* p<0.1,** p<0.05,*** p<0.01。

新窗口打开|下载CSV

首先,以碳排放总量为门槛变量,绿色技术创新与企业全要素生产率的关系存在双重门槛值,分别为103.30 Mt和373.60 Mt,置信区间分别为[103.00, 108.80]和[371.87, 375.30];绿色产品创新与企业全要素生产率的关系门槛值为138.90 Mt,置信区间为[137.20, 140.30];政府低碳补贴与企业全要素生产率的关系存在双重门槛值,分别为135.40 Mt和455.10 Mt,置信区间分别为[131.10, 137.20]和[446.81, 461.00]。

其次,以碳排放强度为门槛变量,绿色技术创新与绿色全要素生产率的关系存在双重门槛值,分别为3.97 t/万元和4.94 t/万元,置信区间分别为[3.95, 3.97]和[4.83, 4.95];绿色产品创新与绿色全要素生产率的关系门槛值2.77 t/万元,置信区间为[2.76, 2.77];政府低碳补贴与绿色全要素生产率的关系存在双重门槛值分别为3.97 t/万元和4.94 t/万元,置信区间为[3.95, 3.97]和[4.73, 4.95]。

再次,关于门槛阈值的真实性问题,通过95%置信区间与似然比函数图（LR）检验,各模型第一门槛和第二门槛的估计值均落在虚线以下,可确认所得门槛估计值具有真实性。

4.3 门槛模型回归结果

4.3.1 绿色创新补贴对企业全要素生产率的影响

表3报告了绿色创新在低碳补贴与企业全要素生产率关系间门槛效应的回归结果。

Table 3
表3
表3绿色创新补贴对企业全要素生产率的门槛效应回归结果
Table 3Threshold effect regression of low-carbon subsidies and green innovation on enterprise total factor productivity (ETFP)

变量		绿色技术创新				绿色产品创新				政府低碳补贴
变量		(1)L.0	(2)L.1	(3)L.2	(4)L.3	(5)L.0	(6)L.1	(7)L.2	(8)L.3	(9)L.0	(10)L.1	(11)L.2	(12)L.3
单一门槛	Th-1		126.50	103.30	138.90		140.30	140.30	140.30		133.00	133.00	138.90
单一门槛	RSS		7.73***	6.97***	6.02***		7.72***	6.92***	5.93***		8.83***	8.02***	7.00***
lnG_it×I(CET≤γ₁)		-0.10*** (-18.66)	-0.11*** (-19.06)	-0.12*** (-18.79)	-0.12*** (-18.04)	-0.15*** (-20.13)	-0.14*** (-18.93)	-0.15*** (-18.89)	-0.16*** (-18.67)	0.002*** (5.90)	0.002*** (5.49)	0.003*** (5.74)	0.004*** (5.54)
lnG_it×I (γ₁<CET≤γ₂)		-0.09*** (-17.65)								0.00 (1.50)
lnG_it×I (CET>γ₂)		-0.10*** (-16.89)	-0.10*** (-18.27)	-0.11*** (-17.74)	-0.11*** (-17.09)	-0.10*** (-17.46)	-0.10*** (-17.43)	-0.10*** (-17.19)	-0.11*** (-17.39)	-0.001*** (-4.41)	-0.00 (-0.22)	0.00 (1.19)	0.00** (2.40)
控制变量		Y	Y	Y	Y	Y	Y	Y	Y	Y	Y	Y	Y
F		317.44	12.89	11.93	11.16	358.04	13.01	12.10	11.44	245.44	11.44	9.23	8.49
ΔR²		0.516	0.473	0.458	0.449	0.517	0.475	0.462	0.457	0.452	0.399	0.376	0.359

注：括号内为t值。* p<0.1,** p<0.05,*** p<0.01。L.0表示当期,L.1-L.3表示滞后1-3期。下同。

新窗口打开|下载CSV

（1）碳排放总量的门槛估计值为103.30 Mt和373.60 Mt,分成3个区间,绿色技术创新对企业全要素生产率的影响均显著,系数分别为-0.10、-0.09、 -0.10（模型1）,表明随着绿色技术创新水平提高,促使企业全要素生产率提升。

（2）当CET >138.90 Mt时,绿色产品创新对企业全要素生产率有显著负影响,系数为β=-0.10,p<0.01;当CET≤138.90 Mt时,绿色产品创新仍显著负影响,系数为β=-0.15,p<0.01（模型5）,表明随着绿色产品创新水平提高,促使企业全要素生产率增大,且跨越门槛值的影响程度增加了0.05个单位标准差。

（3）当CET >455.10 Mt时,政府低碳补贴对企业全要素生产率显著负向影响（β=-0.001,p<0.01）;当135.40 Mt<CET≤455.10 Mt时,政府低碳补贴的影响不显著;当CET≤135.40 Mt时,政府低碳补贴有显著正向影响,系数为β=0.002,p<0.01（模型9）,说明跨越碳排放总量的门槛值135.40 Mt后,低碳补贴对企业全要素生产率有促进作用。

（4）将绿色技术创新（模型2-4）、绿色产品创新（模型6-8）及政府低碳补贴（模型10-12）分别滞后1~3期,放入门槛效应模型,结果显示滞后项对企业全要素生产率的影响仍有显著的单一门槛效应。

由此可见,当碳排放量处于高位时,尽管绿色技术创新增加了额外环境成本,但由于企业创新过程中经验积累与学习效应,使得资本生产率和劳动生产率有所提高,进而有助于企业全要素生产率提升。而此时,政府补贴的激励作用有限,因为重点碳源行业的企业多表现为“大而重”的特征,碳排放量高、减碳难度大,要获得低碳补贴,所付出绿色创新的代价也较高。从长期的单一门槛效应来看,当碳排放量减至一定门槛值（138.90 Mt）后,绿色技术创新、绿色产品创新、政府低碳补贴及滞后项都能起到促进企业全要素生产率提升的作用。因此,当碳排放量较大时,尽量不使用低碳补贴方式;当碳排放量处于中位时,可以考虑短期内采取适当的低碳补贴;当碳排放量较低时,应加大低碳补贴力度,注重补偿企业绿色创新韧性。

4.3.2 绿色创新补贴对绿色全要素生产率的影响

表4报告了绿色创新在低碳补贴与绿色全要素生产率关系间门槛效应的回归结果。

Table 4
表4
表4绿色创新补贴对绿色全要素生产率的门槛效应回归结果
Table 4Threshold effect regression of low-carbon subsidies and green innovation on green total factor productivity (GTFP)

变量		绿色技术创新				绿色产品创新				政府低碳补贴
变量		(1)L.0	(2)L.1	(3)L.2	(4)L.3	(5)L.0	(6)L.1	(7)L.2	(8)L.3	(9)L.0	(10)L.1	(11)L.2	(12)L.3
单一门槛	Th-1		3.97	3.97	3.97		4.06	3.08	3.97		3.93	4.04	3.97
单一门槛	RSS		397.26***	313.19***	296.72***		345.83***	319.85***	302.30***		347.42***	322.39***	308.93***
lnG_it×I (CEI≦γ₁)		0.39*** (8.44)	-0.23** (-4.94)	-0.24*** (-4.79)	-0.28*** (-5.09)	-0.27*** (-3.68)	-0.18*** (-3.18)	-0.33*** (-4.51)	-0.31*** (-5.07)	0.002 (1.55)	0.01*** (4.03)	0.004*** (2.94)	0.01*** (3.34)
lnG_it×I (γ₁<CEI≦γ₂)		0.37*** (8.21)								-0.01*** (-5.39)
lnG_it×I (CEI>γ₂)		0.36*** (8.18)	-0.20** (-4.52)	-0.21*** (-4.32)	-0.24*** (-4.56)	0.17*** (4.94)	0.10** (2.56)	0.05 (1.30)	0.08* (1.65)	-0.001 (-0.40)	-0.01*** (-3.64)	-0.01*** (-4.49)	-0.01*** (-4.18)
控制变量		Y	Y	Y	Y	Y	Y	Y	Y	Y	Y	Y	Y
F		21.79	0.48	0.45	0.51	23.12	0.56	0.45	0.54	16.17	0.49	0.42	0.42
ΔR²		0.067	0.068	0.078	0.093	0.065	0.053	0.060	0.077	0.052	0.049	0.053	0.056

新窗口打开|下载CSV

（1）碳排放强度的门槛估计值为3.97和4.94 t/万元,分成3个区间,绿色技术创新对绿色全要素生产率的影响均为0.01显著水平,系数分别为0.39、0.37、0.36（模型1）,表明随着企业绿色技术创新水平提升,绿色全要素生产率逐渐降低,且影响程度不断增大。

（2）当CEI>2.77 t/万元时,随着绿色产品创新水平提升,导致绿色全要素生产率降低（β=0.17,p<0.01）;当CEI≤2.77t/万元时,随着绿色产品创新水平提升,使得绿色全要素生产率逐渐增大（β=-0.27,p<0.01）,说明跨越碳排放强度的门槛值后,绿色产品创新对绿色全要素生产率的当期影响发生转变,产生了积极作用（模型5）。

（3）当3.97 t/万元<CEI≤4.94t/万元时,政府低碳补贴对绿色全要素生产率负向影响（β=-0.01,p<0.01）;否则,政府低碳补贴的影响不显著,也就是说低碳补贴对当期的绿色全要素生产率的作用有限（模型9）。

（4）碳排放的门槛效应体现为一段时期的变化,且绿色创新与低碳补贴的作用也不完全在当期释放出来,需较长时期沉淀,故将上述模型滞后1~3期,如表4所示,结果均有单一门槛,当跨越门槛值后,绿色创新与低碳补贴对绿色全要素生产率具有显著的促进作用。

比较分析发现,绿色创新补贴对当期绿色全要素生产率起到了抑制作用,因为企业绿色技术成果从研发到转化再到应用,需要经历一段适应调整期,通常碳减排也是一个循序渐进的过程;而且,在既定的绿色技术条件下,企业产值越高则碳排放量也越大,获取补贴的高碳企业为追求规模报酬,可能导致绿色效率短期内不升反降。但从长期来看,碳排放强度跨越一定门槛值（3.97 t/万元）,滞后期的绿色技术创新、绿色产品创新及政府低碳补贴也能够产生积极作用。因此,当碳排放强度较大时,要注重绿色技术创新才有效,给予低碳补贴反而出现消极影响;当碳排放强度处于中位时,应适度给予低碳补贴,引导企业使用清洁能源技术,促进低碳转型发展;当碳排放强度较低时,应加大政府低碳补贴力度,兼顾绿色产品创新作用,推动绿色消费优化升级,注重低碳补贴对企业创新韧性的补偿效应。

4.4 稳健性、内生性、中介及调节检验

上述检验确定了绿色创新与低碳补贴对全要素生产率的影响路径及门槛效应。因核心解释变量所用代理变量或有误差,及企业全要素生产率与绿色全要素生产率存在互为因果关系,可能导致内生性问题,故而,本文引入全要素生产率的滞后项,构建动态面板模型如下：

（2）

\begin{array}{l} \ln TF P_{it} = β_{0} + ? \ln TF P_{it - 1} + β_{1} \ln G_{it} + \\ β_{2} \ln G_{it} \times \ln G_{it}^{'} + θ_{1} \ln CE + \\ θ_{1} {(\ln CE)}^{2} + \sum λControl s_{it} + ε_{it} \end{array}

公式（2）的符号与公式（1）的表示一致,加入核心解释变量的交互项、碳排放及其二次项,得到结果如表5所示。

Table 5
表5
表5动态面板模型的检验结果
Table 5Regression results of dynamic panel model

变量	有调节的中介效应				有中介的调节效应			中介效应
	(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)	(9)	(10)
	lnETFP	lnGTIS	lnETFP	lnETFP	lnGTFP	lnETFP	lnGTFP	lnGTFP	lnGTIS	lnGTFP
lnGOVS	0.01***	0.02***	0.01***	0.01***	0.00	-0.00**	0.00	-0.03***	0.02***	-0.02**
	(3.29)	(4.60)	(3.29)	(3.27)	(0.19)	(-2.02)	(0.32)	(-3.06)	(4.60)	(-2.34)
lnGTIS			-0.01**	-0.03***	0.24***	0.05**	0.23***			0.16***
			(-2.34)	(-3.64)	(3.06)	(2.26)	(3.01)			(3.42)
lnGTIP			0.01***	-0.15***	3.58**	1.11***	3.08**
			(3.16)	(-2.59)	(2.31)	(3.10)	(2.15)
lnGTIS×lnGTIP				0.02***	-0.33**	-0.10***	-0.28**
				(2.81)	(-2.32)	(-3.08)	(-2.17)
lnETFP							0.24*
							(1.68)
lnCET	-0.08***	-0.18***	-0.09***	-0.08***	0.40	-0.29***	0.55*	0.33**	-0.20***	0.46***
	(-2.70)	(-3.16)	(-3.03)	(-2.77)	(1.37)	(-4.66)	(1.96)	(2.10)	(-3.45)	(2.88)
(lnCET)²	0.01***	0.02***	0.01***	0.01***	-0.03	0.03***	-0.05*	-0.03**	0.02***	-0.04***
	(2.60)	(3.17)	(3.01)	(2.66)	(-1.24)	(4.65)	(-1.83)	(-2.23)	(3.41)	(-2.91)
L.1.lnGTIS		0.983***							0.98***
		(147.97)							(147.86)
L.1.lnETFP	0.65***		0.64***	0.63***		0.66***
	(13.24)		(13.09)	(12.91)		(12.00)
L.1.lnGTFP					-0.24***		-0.23***	-0.27***		-0.29***
					(-10.39)		(-10.23)	(-10.10)		(-11.34)
控制变量	Y	Y	Y	Y	Y	Y	Y	Y	Y	Y
A. conon LM	27.32***	26.24***	28.19***	28.33***	35.97***	39.49***	42.02***	24.87***	26.22***	32.30***
C-D Wald F	36.40	34.59	12.79	9.64	11.51	12.90	13.80	10.70	11.54	10.44

注：括号内为z值。L.1表示滞后1期。

新窗口打开|下载CSV

（1）对于企业全要素生产率,首先,将核心变量的行业均值作相应工具变量,进行回归后发现拒绝识别不足和弱工具变量检验,通过了单个模型的内生性检验。然后,将绿色技术创新、绿色产品创新的滞后一期及政府低碳补贴的行业均值作为工具变量,结果均显著,碳排放总量的二次项系数显著为正（β=0.01,p<0.01）,表明碳减排与企业全要素生产率有正“U”型关系,即企业全要素生产率先减后增,跨越门槛后,有利于企业全要素生产率提升,这与上文结论一致,表明研究结果是稳健的。

（2）对于绿色全要素生产率,按上述步骤,考虑到碳排放总量与绿色全要素生产率的碳源关系,将碳排放总量的滞后1期及二次项滞后2期也作为工具变量。从模型7的结果来看,碳排放总量的二次项系数显著为负（β=-0.05,p<0.1）,除模型5不显著外,其他模型均显著负相关,表明碳减排和绿色全要素生产率应存在倒“U”型关系。

（3）中介与调节效应的检验。首先,以lnETFP为被解释变量,检验绿色创新对于低碳补贴的影响是有调节的中介,结果显示,政府低碳补贴对企业全要素生产率和绿色技术创新均显著正向影响,系数分别为0.01和0.02（模型1和2）,绿色技术创新的系数显著为-0.01（模型3）,绿色技术创新与绿色产品创新交互项的系数显著为0.02（模型4）,可以确定绿色技术创新是政府低碳补贴与企业全要素生产率关系的中介,而绿色产品创新起着强化作用。其次,以lnGTFP为被解释变量,检验绿色创新对于企业全要素生产率的影响是有中介的调节,结果显示,绿色技术创新与绿色产品创新的交互项对企业全要素生产率和绿色全要素生产率都显著负向影响,系数分别为-0.33和-0.10（模型5和6）,企业全要素生产率与绿色全要素生产率也显著相关,系数为0.24（模型7）,可以确定绿色技术创新是以企业全要素生产率为中介的调节变量。最后,以lnGTFP为被解释变量,检验绿色技术创新对于政府低碳补贴的中介效应,结果显示,政府低碳补贴对企业全要素生产率显著负向影响,系数为-0.03（模型8）,对绿色技术创新显著正向影响,系数为0.02（模型9）;绿色技术创新与企业全要素生产率也显著相关,系数为0.16（模型10）,显著性水平都在0.01以下,可以确定绿色技术创新也有中介效应,进一步验证了政府低碳补贴对绿色全要素生产率的间接影响路径。这主要因为上市企业未必通过绿色创新达到碳减排的要求,获得政府低碳补贴也可能用于弥补前期亏损,以此吸引更多资本而获取额外报酬,这些在短期内无法用来衡量绿色效率水平。企业只有切实改进绿色生产工艺流程,使用清洁生产技术,改善末端污染治理能力,方能有效减少碳排放,体现绿色全要素生产率的提升。

4.5 碳减排与全要素生产率的关系讨论

为进一步讨论碳减排与绿色全要素生产率及企业全要素生产率的关系,首先,以lnGTFP为被解释变量,以碳排放总量为门槛变量,将lnETFP作为随区制变化的解释变量放入公式（1）,结果显示,企业全要素生产率对绿色全要素生产率有双重门槛效应,门槛估计值及置信区间均通过了LR真实性检验。同时,分别以lnETFP和lnGTFP为被解释变量,将碳排放总量作为随区制变化的解释变量放入公式（1）,结果显示,碳排放总量的影响均有双重门槛效应。

然后,以lnGTFP为被解释变量,将lnETFP及其二次项作为解释变量放入公式（2）,结果如表6模型1-3所示,lnETFP二次项的系数显著为正,表明绿色全要素生产率与企业全要素生产率呈正“U”型关系,绘制如图2左所示。可见,碳减排与绿色全要素生产率及企业全要素生产率均有非线性关系。然而,碳减排与企业全要素生产率及绿色全要素生产率呈现出一正“U”和一倒“U”截然不同趋势。从门槛效应检验结果来看,碳减排对绿色全要素生产率有跨越门槛后的拐点变化,在一定低点有刺激绿色全要素生产率增加趋势,当碳排总量低于51.13 Mt,其系数显著为负（β=-0.03,p<0.01）,表明碳减排程度越高则绿色全要素生产率的水平越强,这显然无法解释三者的逻辑关系与实际情况。因而,将绿色全要素生产率与碳减排的关系作一些调整：在综合考虑碳排放总量二次项影响的拟合图形（表5模型5-10和表6模型8）后,以lnGTFP为被解释变量,将碳排放总量的三次项放入方程（表6模型5）,结果显示,碳排放总量的三次项系数显著为负（β=-0.03,p=0.01）,表明绿色全要素生产率随着碳减排程度提高,会出现波动性上升趋势。

图2

新窗口打开|下载原图ZIP|生成PPT
图2绿色全要素生产率、企业全要素生产率与碳排放的关系

Figure 2Relationship between green total factor productivity (GTFP), enterprise total factor productivity (ETFP) and carbon emission

Table 6
表6
表6绿色全要素生产率、企业全要素生产率与碳减排的关系检验结果
Table 6Regression results of the relationship between green total factor productivity (GTFP), enterprise total factor productivity (ETFP) and carbon emission reduction

变量	(1)	(2)	(3)	变量	(4)	(5)	(6)	(7)	(8)
变量	lnGTFP	lnGTFP	lnGTFP	变量	lnETFP	lnGTFP	lnGTFP	lnGTFP	lnGTFP
lnETFP	-2.68***	-1.33	-1.81**	lnCET	-0.17***	-1.81**	-1.72**	-0.16***	0.22*
	(-3.78)	(-1.50)	(-2.20)		(-5.21)	(-2.18)	(-2.06)	(-3.45)	(1.68)
(lnETFP)²	0.98***	0.56*	0.78***	(lnCET)²	0.02***	0.38**	0.36**	2.51***	-0.02**
	(3.70)	(1.72)	(2.60)		(5.45)	(2.35)	(2.19)	(3.42)	(-1.82)
				(lnCET)³		-0.03**	-0.02**	-12.73***
						(-2.50)	(-2.31)	(-3.37)
控制变量		Y	Y^①	控制变量			Y	Y^①
常数项	1.83***	0.92	-2.93***	常数项	1.82***	2.80**	2.63*	16.07***	-0.54
常数项	(3.84)	(1.40)	(-2.58)	常数项	(19.71)	(1.99)	(1.87)	(2.75)	(-1.49)

注：控制变量Y^①与表5中第6列的变量一致。模型6和7作为模型5的参照。

新窗口打开|下载CSV

最后,根据表6模型4和5的拟合结果,绘制如图2右所示。从右往左看,随着碳排放总量下降,企业全要素生产率先下降,绿色全要素生产率则快速上升,两者在此阶段显著负相关。当绿色全要素生产率跨过碳减排门槛值后,开始缓慢爬坡,一旦跨越另一门槛则较快上升;同时,当企业全要素生产率跨越门槛后,也进入增长期,此时绿色全要素生产率与企业全要素生产率同步增长,即两者显著正相关。由此可以确定,碳减排与绿色全要素生产率呈“S”型关系,与企业全要素生产率呈正“U”型关系,绿色全要素生产率与企业全要素生产率也有正“U”型关系。也就是说,政府若要实现绿色效率目标,必先经历企业效率与绿色效率不一致的阶段,在促进企业效率提升的前提下,满足企业利润次优条件,利用绿色创新的间接影响,促成企业全要素生产率与绿色全要素生产率协调增长,达到更好的减碳效果。

5 结论与启示

5.1 结论

本文利用中国2006—2017年省际及重点碳源行业A股上市公司的面板数据,实证检验了碳减排门槛效应下绿色创新与低碳补贴对全要素生产率的影响及变化趋势,探讨了碳减排与全要素生产率的关系。实证结果显示：

（1）碳减排在绿色创新补贴对全要素生产率的影响中存在显著的门槛效应。当碳排放总量处于低位时,绿色技术创新、绿色产品创新与政府低碳补贴都对企业全要素生产率起到积极影响,超出碳高位的补贴将会失效。当碳排放强度处于中位时,低碳补贴对当期绿色全要素生产率具有直接的促进作用;否则,低碳补贴需要借助绿色创新及企业全要素生产率的中介效应,间接促进绿色效率的提升。

（2）政府低碳补贴实现绿色效率目标的间接路径体现在：通过补贴绿色创新,获得创新补偿效应;通过补贴企业全要素生产率,达到提质增效目的;通过绿色创新补贴作用于企业全要素生产率,间接影响绿色全要素生产率,从而兼顾企业效益与绿色效率。

（3）碳减排与绿色全要素生产率呈“S”型关系,与企业全要素生产率呈正“U”型关系,绿色全要素生产率与企业全要素生产率也有正“U”型关系。也就是说,在碳减排过程中,因政策冲击与成本刚性,导致企业效益降低、绿色效率提升,短期内出现不协调。然后,通过绿色创新改变生产方式,充分发挥创新补偿效应,促进企业全要素生产率与绿色全要素生产率协调增长,进而实现企业可持续发展。

5.2 启示

本文研究表明,从高碳转向低碳的过程中,绿色创新与低碳补贴对全要素生产率的影响呈阶段性特征,应根据各地区及企业碳排放的节点,采取与之相对应的政策强度与施政路径,具体如下：

一是处于碳排放的高位,可针对绿色技术创新促进企业全要素生产率的提升来进行低碳补贴,适当补偿企业韧性,兼顾企业经营效益,并创建区域绿色技术研发平台,注重绿色创新协同发展,提升企业绿色创新能力。

二是在有效碳减排区间,可直接补贴绿色全要素生产率的提升,利用碳减排的惯性,参照减碳区间设定补贴标准,完善低碳企业奖惩机制,逐步加强低碳补贴力度,引导企业绿色创新方向,转化绿色技术创新成果。

三是处于碳排放的低位,应针对企业绿色技术及产品创新进行低碳补贴,获取持续的绿色创新竞争优势,鼓励绿色创新发明创造,奖励绿色创新技术人才,加大绿色创新企业的税收优惠及绿色项目扶持力度。

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]

Li J

, Ji J

, Zhang

, et al. Non-linear effects of environmental regulations on economic outcomes
[J]. Management of Environmental Quality, 2019,30(3):368-382.

DOI:10.1108/MEQ-06-2018-0104 URL [本文引用: 1]

[2]

Pei

, Zhu Y

, Liu S

, et al. Environmental regulation and carbon emission: The mediation effect of technical efficiency
[J]. Journal of Cleaner Production, 2019, DOI: http://www.resci.cn/article/2020/1007-7588/10.1016/j.jclepro.2019.07.074.

URLPMID:33020685 [本文引用: 1]

The development of economic activities and social progress index leads to the governmental considerations for the environmental challenge's issues. The Green Credit Policy (GCP) in China for manufacturing, as a part of a sustainable finance package, initiatives restrictions with suppliers to reduce harmful pollution for the environment. The study mainly validates the impact of GCP on manufacturing for diminishing the emerged pollution to the environment. The study develops Neutrosophic Multiple-Criteria Decision-Making Framework (N-MCDMF) according to neutrosophic theory and various MCDM methods of grey relational analysis (GRA), analytic network process (ANP), the Decision-Making Trial and Evaluation Laboratory technique (DEMATEL), and the Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) to support the decision-makers with highly systematic procedures in the uncertain and inconsistent environmental conditions. The N-MCDMF evaluates the conditions of GCP and recommends the optimal Supply Chain Management (SCM) in manufacturing alternatives. A case study is presented for the validation of the issues of applicability and flexibility for the proposed N-MCDMF. The results obtained from the implementation of the N-MCDMF indicates the applicability and flexibility of the proposed approach. In addition, results show that SCM in manufacturing can provide more cooperation for the environment to reduce harmful pollution and to attain sustainability for achieving motivations under the restrictions of GCP.

[3]

Wu H

, Guo H

, Zhang

, et al. Westward movement of new polluting firms in China: Pollution reduction mandates and location choice
[J]. Journal of Comparative Economics, 2017,45(1):119-138.

[本文引用: 1]

[4]

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.