王文普

（南通大學 商學院，江蘇 南通 226019）

污染減排、外部性與環(huán)境技術創(chuàng)新：來自省級環(huán)境專利的證據(jù)

王文普

（南通大學 商學院，江蘇 南通 226019）

基于污染外部性機制，推導出含有污染減排外部性的空間Tobit設定。利用中國31個省級環(huán)境專利數(shù)據(jù)，在控制技術外部性的情況下，分離出污染減排外部性對環(huán)境技術創(chuàng)新的影響。貝葉斯MCMC方法估計結果顯示，污染減排對環(huán)境技術創(chuàng)新有顯著的正的直接效應，而且還存在顯著的負外部效應，從而污染減排的總效應為不顯著的正影響，表明忽略污染減排外部性對環(huán)境技術創(chuàng)新有重要影響。進而探討避免污染減排外部性的政策含義。

環(huán)境技術創(chuàng)新；污染減排；外部性；貝葉斯MCMC方法

一、引 言

作為世界第二大經(jīng)濟體，中國在創(chuàng)造經(jīng)濟奇跡的同時，也帶來了嚴峻的環(huán)境污染問題。特別是2013年12月持續(xù)的霧霾侵襲了中國東中部地區(qū)，全國20個省100多個城市空氣質(zhì)量達到嚴重污染。不斷出現(xiàn)的嚴重霧霾事件表明，中國的環(huán)境污染不是局部，而是全國性的。環(huán)境污染成為中國經(jīng)濟可持續(xù)發(fā)展的一大障礙。

緩解經(jīng)濟發(fā)展對資源的過度依賴和對環(huán)境的損害，科技進步與創(chuàng)新是一個有效的途徑。特別是環(huán)境技術，包括降低末端污染排放的技術，也包括生產(chǎn)工藝的技術，都能夠減輕對環(huán)境的不利影響。本文試圖通過設定帶有外部性的空間Tobit模型，在控制技術外部性的條件下，考察污染減排對環(huán)境技術創(chuàng)新的影響，特別是污染減排外部性的影響，對于完善中國的環(huán)境政策，提高技術自主創(chuàng)新能力，建設生態(tài)文明社會，推動可持續(xù)發(fā)展，具有重要的現(xiàn)實意義。

二、文獻評述

有關污染減排政策如何引起技術創(chuàng)新，文獻中至少有兩種基本觀點。一是需求拉動說。該觀點認為污染減排政策能夠使企業(yè)的環(huán)境成本內(nèi)部化，引起投入要素的相對價格發(fā)生變化，刺激企業(yè)對低成本減污技術的需求，進而激勵企業(yè)從事環(huán)境技術的開發(fā)與應用，然而由于技術外部性的存在，使創(chuàng)新者僅能取得一部分的研發(fā)回報，導致企業(yè)技術創(chuàng)新的動力不足。另一個是政策推力說。它從供給的角度來解釋污染減排政策的技術創(chuàng)新效應。作為一種外部推動力，污染減排政策將促使企業(yè)采用新的更清潔技術，或激發(fā)企業(yè)從事科技研發(fā)的內(nèi)在動力。Taylor等人的觀點是，需求拉動可能會促進更多的環(huán)境技術進步與創(chuàng)新［1－2］。

污染減排的技術創(chuàng)新效應也獲得一定的經(jīng)驗證據(jù)。Popp發(fā)現(xiàn)，美國的專利申請數(shù)對污染減排所引起的相對價格變化有顯著的反應，特別在1972－1994年期間，美國的專利申請數(shù)對投入價格變化有靈敏的反應；Popp還發(fā)現(xiàn)不斷上升的化石燃料價格，尤其是石油和天然氣價格的上升，提高了這類能源的使用成本，從而導致能源節(jié)約技術專利數(shù)的增加［3］。Brunnermeir和Cohen也發(fā)現(xiàn)了類似的證據(jù)，他們發(fā)現(xiàn)減排支出對美國環(huán)境專利數(shù)有正的影響；Rehfeld等利用德國制造部門的公司水平數(shù)據(jù)，通過離散選擇模型，發(fā)現(xiàn)污染減排政策對環(huán)境產(chǎn)品的創(chuàng)新存在顯著的正向影響；Noailly等以1979－2006年荷蘭建筑業(yè)中9個領域的專利數(shù)，分析污染減排與建筑業(yè)能源效率改進的技術創(chuàng)新之間關系，發(fā)現(xiàn)20世紀90年代中期的嚴格污染減排政策對建筑企業(yè)的創(chuàng)新有正向激勵作用［4－6］。

國內(nèi)一些研究也表明，中國的污染減排政策對技術創(chuàng)新有一定的激勵作用。黃德春等將技術系數(shù)引入Robert模型，發(fā)現(xiàn)污染減排政策給企業(yè)帶來直接成本的同時，也激發(fā)了技術創(chuàng)新，從而部分或全部抵消污染減排政策所引起的成本；李斌等使用污染排放水平作為衡量治污技術創(chuàng)新的指標，動態(tài)分析顯示，污染減排政策嚴厲性與治污技術創(chuàng)新的關系呈U形，然而，污染減排政策對當期治污技術創(chuàng)新卻有不利影響［7－8］。

許多研究分析忽略了污染減排所引起的外部效應。由于技術創(chuàng)新也存在外部效應，這兩種外部性相互交織在一起使得污染減排政策與技術創(chuàng)新的關系更為復雜。本文關注兩個問題：第一，基于污染外部性機制，將污染減排的外部性視作影響技術創(chuàng)新的一個重要因素，從理論上分析污染減排外部性對技術創(chuàng)新的影響機制。第二，運用中國省級環(huán)境專利數(shù)據(jù)和空間Tobit經(jīng)驗設定，在控制技術外部性的條件下，測算中國污染減排及其外部性的技術創(chuàng)新效應。此外，借鑒Levinson的方法，構造一個改進的污染減排指標［9－10］。

三、模型推導與經(jīng)驗設定

根據(jù)政策推力假說，將污染減排視作一種外部驅動因素，從理論上解釋技術創(chuàng)新函數(shù)包括污染減排外部效應的動機，設定環(huán)境技術創(chuàng)新的計量模型。

（一）含有外部性的模型推導

污染減排的外部性是由污染溢出引起的，因為許多污染物在地區(qū)之間是可轉移的，從而一個地區(qū)的環(huán)境質(zhì)量不僅取決于本地區(qū)污染政策，而且也受其他地區(qū)污染排放政策的影響。根據(jù)政策推力假說，并參照Embora等的研究方法，假定污染減排S及其外部性S＊是影響技術創(chuàng)新的決定因素［9］，因而，技術創(chuàng)新函數(shù)被定義為：

這里，yit表示i地區(qū)t期的技術創(chuàng)新指標；Sit為i地區(qū)t年的污染減排變量表示其他地區(qū)j污染減排所產(chǎn)生的外部效應。

由于污染減排的外部效應，使得式（1）中S和S＊在地區(qū)間相互影響。為了衡量這種相互作用，再假設S和S＊具有式（2）、（3）和（4）所表示的地區(qū)間相互聯(lián)系，并引入具有零均值和常方差的擾動項u、v和e，則有：

其中，b1＝b＋γ，θ1＝－ρb－λγ。式（5）描述了污染減排外部性引起的地區(qū)之間的相互聯(lián)系，文獻稱之空間Durbin模型（SDM）。SDM是空間模型設定的一般形式，其包含著空間滯后因變量模型（SAR）和空間誤差自回歸模型（SEM）。特別地，當γ＝0時，這意味著對影響S的隨機沖擊與影響S＊的隨機沖擊之間沒有相關性，SDM可簡化為SEM；當θ1＝－ρb1成立時，SDM也可退化為SEM；當θ1＝0時，SDM就變?yōu)镾AR。

上述推導過程說明了技術創(chuàng)新函數(shù)中包含空間滯后因變量和滯后解釋變量，有助于解釋污染減排外部性在地區(qū)間的相互作用。

（二）經(jīng)驗設定與相關估計問題

本文選取環(huán)境專利授權數(shù)作為環(huán)境技術創(chuàng)新的代理變量，環(huán)境專利數(shù)是離散的，特別在所使用的樣本（NT＝279）中，有180個零值，其占樣本總數(shù)的比例近66%。LeSage和Pace指出，因變量在零處截斷有一定的風險。如果忽略零值，將有可能造成一些信息損失，因而建議使用Tobit模型。該模型不僅考慮零值因變量的非正態(tài)分布特征，而且將因變量視作潛變量，以表示與專利決策有關的不利因素［11］。

考慮到技術外部效應，為了分離出污染減排外部效應，需要控制技術外部性。因而，將技術及其外部性直接添加到式（5）之中，從而得到經(jīng)驗設定：

上述設定稱之空間Tobit模型，它是空間Durbin模型的一個變體，因變量是離散變量而非連續(xù)變量。如果y＊it$0，則yit＝0；否則＝y(tǒng)it。因變量為各省的環(huán)境專利授權數(shù)。X ＝ （LEV，KLEV，ES），這里LEV表示各省的污染減排政策指標；KLEV代表各省的技術水平，以捕捉技術水平對環(huán)境專利的貢獻；ES為規(guī)?？刂谱兞?。b和θ為待估參數(shù)。假設隨機擾動項e～ N（0，σ2V），其中V ＝diag（v1，v2，…，vn）。參數(shù)ρ表示地區(qū)間的聯(lián)系強度。

經(jīng)驗設定中包含滯后因變量和滯后解釋變量，以解釋污染減排和技術的外部性。如果空間權重矩陣W 被行標準化，則W·y＊表示“相鄰”省的平均技術創(chuàng)新水平，W·LEV和W·KLEV分別為“相鄰”省的污染減排和技術外部性的平均水平。此外，回歸中包含滯后因變量以反映可能與外部性有關的遺漏變量問題。在估計之前，對有關的估計問題做簡要說明。

第一，估計方法。由于因變量是受限制的，故不能直接使用解析法。這里采用貝葉斯法來估計受限因變量。與EM法相比，貝葉斯法將零觀察處截斷的不可觀測因變量視為待估參數(shù)，并通過MCMC程序來估計模型的參數(shù)。為了獲得觀察處截斷的不可觀測因變量，貝葉斯法使用m步Gibbs抽樣，從多變量的截斷正態(tài)分布中生成隨機樣本。在獲得不可觀測因變量估計值后，將估計問題轉換為非截斷數(shù)據(jù)的估計問題，再使用最大似然法。此外，貝葉斯法也很容易處理數(shù)據(jù)中異方差和極端值問題，且計算簡便，因而選擇LeSage、LeSage和Pace提出的貝葉斯法來估計上述空間Tobit模型。具體來看，在超參數(shù)q滿足q／vi～i．d．χ2（q）／q（其中q～Gamma（m，k）），1／σ2～ Gamma（μ，d0）和ρ～U（min，max）的假設下①根據(jù)LeSage（2010）提供的Matlab估計程序，對于分布中的參數(shù)，先驗設定q＝4，m＝0；μ＝0，d0＝0；min＝0，max＝1。，貝葉斯法的步驟如下：（i）利用參數(shù)的任意初始值②在LeSage（2010）提供的 Matlab估計程序中，取ρ＝0．5，b＝0，σ2 ＝1，vi＝0。，記ρ0，b0，v0i，從一個隨機χ2分布中抽樣來確定σ估計值，記σ1。進而計算σ的條件概率p（σ｜ρ，b，V）。（ii）利用ρ0，b0，σ1來確定b的均值和方差。根據(jù)這個均值與方差進行多變量正態(tài)隨機抽樣來確定b估計量，記b1。（iii）根據(jù)ρ0，b1，σ1計算vi的條件后驗分布，進而通過隨機χ2（q＋1）分布抽取n個矢量來確定vi，記v1i（i＝1，2，…，n）。（iv）給定b1，σ1，v1i值，根據(jù)ρ 的 條 件 概 率 公 式 p（ρ｜b，σ，V），使 用Metropolis抽樣確定ρ，記ρ1。（v）利用ρ1，b1，σ1，v1i所確定的計算均值和方差的截斷正態(tài)分布中抽取截尾yi觀察值。上述步驟構成一次Gibbs抽樣過程，經(jīng)過多次重復抽樣，在舍去抽樣初始估計值后，收集每次抽樣中的參數(shù)，進而得到后驗參數(shù)估計及其后驗分布［11－12］。

四、變量與數(shù)據(jù)

本文所使用的數(shù)據(jù)是2001－2009年中國31個省區(qū)的面板數(shù)據(jù)，數(shù)據(jù)來源于各年的《中國環(huán)境年鑒》、《中國統(tǒng)計年鑒》和《中國工業(yè)統(tǒng)計年鑒》。

省區(qū)環(huán)境技術創(chuàng)新是因變量y。文獻中測度技術創(chuàng)新常用指標有研發(fā)支出和專利數(shù)兩個指標，由于《中國統(tǒng)計年鑒》和《環(huán)境年鑒》都沒有報告各省的環(huán)境研發(fā)支出數(shù)據(jù)，環(huán)境年鑒從2002年起報告了各省的環(huán)境專利授權數(shù)，有關研究表明，企業(yè)的專利活動類似于研發(fā)支出，而且它還可能與外部事件（如政府政策）有關，因而，選取環(huán)境專利數(shù)來衡量環(huán)境技術創(chuàng)新，以捕捉各省的環(huán)境技術創(chuàng)新活動。

污染減排指標LEV，用來捕捉各省的污染減排政策的嚴厲性。污染減排政策的嚴厲性可以從多個角度來衡量，例如，中國科學研究院可持續(xù)發(fā)展戰(zhàn)略研究組從污染排放量、環(huán)境治理強度、氣候變化、土壤侵蝕等不同方面來衡量環(huán)境政策。早期研究使用污染減排支出除以總產(chǎn)出來構建污染減排政策嚴厲性指標。因缺少省區(qū)各工業(yè)行業(yè)部門的污染減排支出數(shù)據(jù)，借鑒Levinson的方法來構建各省的污染減排強度［10］［13］133－134［14］。先計算單位產(chǎn)出的污染減排支出Sit＝Pit／Qit，其中Pit為i省t年的污染治理支出，用各省的工業(yè)污染治理年投資完成額、工業(yè)廢水和工業(yè)廢氣設施運行費用三項之和來衡量；Qit為i省t年的工業(yè)增加值。由于省際間的工業(yè)構成是不同的，因而，預測的單位產(chǎn)出污染減排支出為＝，這里Qt為t年的全國工業(yè)增加值，n為省區(qū)總數(shù)，從而得到經(jīng)工業(yè)構成調(diào)整的污染減排指標LEVit＝Sit／。如果LEVit＞1，則表明i省t年比其他省有更多的環(huán)境支出。LEV值越大，則該省的污染減排政策越嚴厲，從而產(chǎn)生較低的污染排放。計算該指標時，分別用工業(yè)增加值指數(shù)和地區(qū)GDP平減指數(shù)換算為1995年價格。

技術水平KLEV。使用各省的國內(nèi)三種專利授權數(shù)的對數(shù)來表示技術水平，各省專利授權數(shù)由國內(nèi)的發(fā)明專利、實用新型專利和外觀設計專利三項構成。專利一定程度上反映了發(fā)明活動，與研發(fā)總支出相比，專利總數(shù)被視為與技術知識水平的關系更為密切，因而，用各省的國內(nèi)三種專利數(shù)（包括環(huán)境技術專利數(shù)）來表示各省技術水平，它從供給層面上捕捉“知識池”對環(huán)境技術創(chuàng)新的影響［15］。

控制變量ES。工業(yè)是一個地區(qū)經(jīng)濟發(fā)展的主要貢獻部門，也是污染減排的重點對象，因而選取工業(yè)增加值作為各省的規(guī)模變量［16］。ES為各省人均工業(yè)增加值。ES變量不僅捕捉了各省工業(yè)規(guī)模的影響，而且，根據(jù)需求拉動說的觀點，一個省區(qū)的工業(yè)規(guī)模越大，其污染減排的壓力就越大，該省對環(huán)境技術創(chuàng)新需求越強烈。所有解釋變量均取自然對數(shù)。

五、結果與分析

（一）估計結果

在估計之前，檢驗模型中核心解釋變量LEV和KLEV是否具有空間自相關，進行空間自回歸檢驗，設定LEV＝a＋λW·LEV＋u。檢驗結果表明W·LEV系數(shù)的t統(tǒng)計量為2．33，在5%水平上顯著；W·KLEV系數(shù)的t統(tǒng)計量為5．45，在1%水平上高度顯著。與上文假設的一樣，污染減排變量和技術變量存在空間相關性，初步表明經(jīng)驗設定中包含滯后解釋變量是合適的。

表1 空間Tobit估計表

表1報告了空間Tobit模型的估計結果。其來自于空間Tobit模型合并面板數(shù)據(jù)的貝葉斯估計，它是在Gibbs抽樣中使用一步且在MCMC中使用1 500次抽樣①為了避免估計參數(shù)的相關性，舍去（burn－in）前500個參數(shù)估計值。匿名審稿人建議做收斂性檢驗，但｀Raftery等（1992）指出，為了在累積后驗分布中達到期望的精確水平，提供了一種確定抽樣次數(shù)的方法來滿足這一要求；根據(jù)這一建議，LeSage（1997）發(fā)現(xiàn)在通常的空間回歸模型應用中需要大約進行1 100次抽樣就達到所設定收斂性的要求（見LeSage 2000）。因而，我們通過設定抽樣次數(shù)來保證收斂性要求。。由于所有解釋變量都取自然對數(shù)，系數(shù)可理解為半彈性。

表中最大似然估計為未考慮專利計數(shù)因零值所引起的數(shù)據(jù)非正態(tài)分布。與空間Tobit估計結果相比（見表1中第3和4列），ML估計中大多數(shù)解釋變量的系數(shù)絕對值小，表明忽略零觀察將導致參數(shù)估計向下偏倚，即在ML估計中，專利對解釋變量的變化有較小的反應，意味著忽略零值觀察對參數(shù)的顯著性有較大影響。

Tobit1中僅考慮污染減排外部性對環(huán)境技術創(chuàng)新的影響，但不包括技術外部性。滯后因變量系數(shù)ρ為0．139，且顯著性較低（顯著水平僅為15%）。Tobit2估計同時考慮了污染減排和技術的外部效應，與Tobit1的估計結果相比較，LEV和ES的系數(shù)值有很大差異，表明遺漏技術外部性有可能放大污染減排的影響，因而Tobit2的結果可能比較真實地反映污染減排對環(huán)境技術創(chuàng)新的影響。

在兩個Tobit估計中，參數(shù)ρ均為不顯著的正號，表明地區(qū)之間存在不顯著的正的相關關系。此外，回歸方程中包含滯后因變量和滯后解釋變量，解釋變量的系數(shù)并不直接對應于所關注的直接和外部效應。因而，使用LeSage和Pace提出的方法，計算解釋變量的直接效應和外部效應，有助于進行更合理的判斷［11］。下面集中于討論 Tobit2的估計結果。

從Tobit2中可以發(fā)現(xiàn)，參數(shù)ρ在常規(guī)顯著水平上不顯著，LEV的系數(shù)及其滯后項系數(shù)卻都是高度顯著的，從而系數(shù)限制θ1＝－ρb1不成立。然而，KLEV的系數(shù)b2是顯著的，W·KLEV的參數(shù)θ2在統(tǒng)計上則不顯著，故θ2＝－ρb2有可能成立。類似地，對于規(guī)模變量ES來說，ES的系數(shù)b3和W·ES的系數(shù)θ3都顯著大于0，從而系數(shù)約束θ3＝－ρb3也將不成立。表明數(shù)據(jù)中存在污染減排的外部性，而技術外部性似乎并不明顯，進一步表明空間Tobit設定是合理的。

（二）穩(wěn)健性分析

Tobit2的估計結果是否可靠，進行了兩種不同的敏感性檢驗。一個檢驗是，使用不同的空間權重矩陣來衡量地區(qū)間不同的聯(lián)系程度。選取經(jīng)濟加權矩陣和4階權重矩陣來檢驗結果的穩(wěn)健性。表2是使用不同空間權重的估計結果。結果表明：系數(shù)ρ仍為不顯著的正值。LEV和KLEV的系數(shù)符號和顯著性都沒有發(fā)生變化。在經(jīng)濟加權矩陣中，ES的系數(shù)顯著性有所下降，但W·LEV和W·KLEV的系數(shù)符號和顯著性均沒有出現(xiàn)逆轉。然而，在4階權重矩陣中，ES的系數(shù)顯著變得不顯著；W·LEV和W·KLEV的系數(shù)符號仍保持不變，但W·LEV的系數(shù)變得不顯著。表明Tobit2中的結果是比較可靠的。

表2 不同權重的空間設定檢驗表

另一個檢驗是選擇不同的抽樣方法。具體地講，逐步增加Gibbs抽樣中不同的步數(shù)m和MCMC程序中的抽樣次數(shù)n。其暗含的基本假設是，如果推斷是相同的，那么估計量可視為是一致的。改變Gibbs抽樣步數(shù)m，目的是檢驗替代不可觀測因變量（y＊$0）參數(shù)矢量的計算精確性；其二是改變抽樣次數(shù)，為了檢驗待估參數(shù)值的穩(wěn)定性，以便比較不同抽樣次數(shù)（這里取n＝1 500和n＝15 000）的估計結果［11］。

表3給出了不同抽樣的估計結果。分別進行1步、5步和10步的Gibbs抽樣，而且抽樣數(shù)為1 500次和15 000次的估計結果。系數(shù)ρ仍為正，LEV和KLEV的系數(shù)仍是高度顯著的，這進一步表明基準估計結果（見表1中的第4列）是可靠的。

（三）外部效應的量化

參數(shù)ρ不僅不顯著，而且解釋變量的系數(shù)值并不反映直接效應和外部效應，所以有必要使用LeSage和Pace提供的新方法來計算它們的大小和顯著性，以量化地區(qū)間的聯(lián)系強度［11］121－125［15］。

與線性回歸估計不同，在帶有滯后因變量的空間設定中，系數(shù)值并不直接表示為半彈性。系數(shù)的正確解釋應考慮模型中非線性關系中自偏導數(shù)（直接效應）和交叉偏導數(shù)（外部效應）。事實上，經(jīng)驗設定中隱含著一種非線性關系，空間Tobit設定可改寫為：

其中，X ＝ （LEV，KLEV，ES）′，b＝ （b0，b1，b2），θ＝（θ1，θ2），In為NT×NT 的單位矩陣?？梢姡瑈＊／x′≠b，而是y＊／x′＝ （In－ρW）－1（Inbk＋Wθk），這是因為“相鄰”地區(qū)的解釋變量變化所引起的地區(qū)間交互作用而產(chǎn)生的。為了解釋設定中變量的影響，需要計算變量的直接效應、外部效應和總效應。事實上，地區(qū)i解釋變量的變化不僅影響該地區(qū)的因變量y＊，而且通過外部性影響到“相鄰”地區(qū)的因變量y＊。具體計算詳見LeSage和Pace［11］121－125。

表3 不同抽樣方法的空間設定檢驗表

表4 直接效應、外部效應和總效應的估計表

表4計算了基于Tobit2（見表2中第4列）中解釋變量變化引起的直接效應、外部效應和總效應。除各種效應的平均值外，還報告了下限0．01和上限0．99的置信區(qū)間。這些效應的t值和置信區(qū)間是從MCMC抽樣（取1 000次）得到的后驗分布中構建的。從表4中可以看出：

第一，直接效應，LEV的直接效應為10．82，且在1%水平上高度顯著。當一個省的污染減排強度每增加1%，則該省的環(huán)境專利數(shù)將增加10．82個單位。此外，污染減排的直接效應并不等于表1中LEV的估計系數(shù)為10．735（見表1中第4列），二者之差為0．085（占直接效應的0．79%）。這捕捉了來自于省際間相互作用所引起的反饋效應，這種反饋效應部分來自于滯后因變量，部分源自于解釋變量的滯后項WX。從置信區(qū)間來看，LEV的直接效應總為正的，表明提高污染減排支出對本省區(qū)的環(huán)境技術創(chuàng)新具有直接的正向激勵，這與政策推力說和需求拉動說的預測相一致，也與很多經(jīng)驗分析的結果相同。

KLEV的直接效應為5．792，是LEV直接效應的近50%，且統(tǒng)計上高度顯著，表明技術知識的總水平對環(huán)境技術創(chuàng)新產(chǎn)生了顯著的積極作用。技術水平每提高1%，則該省區(qū)環(huán)境專利數(shù)將增加5．8個單位。技術的反饋效應等于－0．224，是其直接效應的－3．87%。從99%的置信區(qū)間來看，技術水平對本省區(qū)的環(huán)境技術創(chuàng)新的影響總是正的。因而，一個地區(qū)如果實施有利于提高污染減排和促進技術進步的公共政策，那么將對該地區(qū)的環(huán)境技術創(chuàng)新產(chǎn)生正影響。

ES的直接效應顯著為負。ES每增加1%，環(huán)境專利數(shù)將減少9．3個單位，這與需求拉動說的預期不同。也就是說，工業(yè)規(guī)模越大，越不利于該地區(qū)的環(huán)境技術創(chuàng)新。一個可能的解釋是，工業(yè)作為一個地區(qū)經(jīng)濟增長的重要貢獻部門，在追求經(jīng)濟增長的驅動下，放松污染減排政策的執(zhí)行，導致企業(yè)主動減排的動力不足，從而削弱企業(yè)技術創(chuàng)新的激勵。

第二，外部效應，它則衡量了對“相鄰”地區(qū)影響的累積程度。LEV的外部效應為－10．716，是其直接效應的99%，且統(tǒng)計上高度顯著。如果一個省區(qū)提高污染減排強度，不僅影響本地區(qū)的環(huán)境專利數(shù)，而且也影響“鄰居”省區(qū)的環(huán)境專利數(shù)；后者與前者變動之比接近1∶－1，表明提高污染減排強度，促進了本地區(qū)的環(huán)境技術創(chuàng)新，卻對相鄰地區(qū)的環(huán)境技術創(chuàng)新產(chǎn)生不利影響。一個比較合理的解釋是，當一個省區(qū)比鄰近省區(qū)實施更嚴厲的污染減排政策時，推動了本地區(qū)內(nèi)企業(yè)的技術創(chuàng)新活動，然而，相鄰地區(qū)中有相對較低的污染減排成本，特別對那些減污成本較高的企業(yè)來說，將使企業(yè)考慮重新選址，從而削弱企業(yè)從事環(huán)境技術創(chuàng)新的內(nèi)在動力。

技術外部效應為不顯著的正數(shù)0．75，正的技術外部效應也被很多技術創(chuàng)新文獻研究所支持。統(tǒng)計上不顯著的一個原因是，目前中國的技術以模仿、吸收消化者為主，自主創(chuàng)新者不多，從而使技術外部效應不明顯［17］。

ES變量的外部效應約為24．5，且統(tǒng)計上高度顯著。即工業(yè)規(guī)模對“鄰居”地區(qū)產(chǎn)生了正的外部性，因為一個地區(qū)規(guī)模越大，對相鄰地區(qū)的工業(yè)構成一定的威脅，加劇了省際間企業(yè)的競爭，從而刺激它們進行環(huán)境技術創(chuàng)新的積極性。

此外，盡管參數(shù)ρ是不顯著的，但污染減排和規(guī)模變量的外部效應都是高度顯著的。因而，僅由參數(shù)ρ的顯著性來判斷是否存在空間作用，有可能做出誤導性推斷。

第三，總效應，反映解釋變量的變化對環(huán)境技術創(chuàng)新的總體影響。污染減排的總效應為0．104，且統(tǒng)計上不顯著。主要原因在于，污染減排對環(huán)境技術創(chuàng)新存在相互抵消的兩種效應，二者作用的結果使得總效應數(shù)值較小，且統(tǒng)計上也不顯著。這也表明，污染減排在地區(qū)間相互影響的重要性。如果不控制污染減排外部性，可能會對污染減排所引起的技術創(chuàng)新效應做出不合理的推斷。

技術水平的總效應為6．543，且在5%水平上高度顯著。這意味著，當一個省區(qū)的技術水平每增加1%，該省區(qū)的環(huán)境專利數(shù)將增加6．543個單位。主要原因在于，技術的直接效應占據(jù)支配地位，使KLEV的總效應具有較大的顯著的正作用。

規(guī)模變量對環(huán)境技術創(chuàng)新的總效應顯著。盡管工業(yè)規(guī)模的直接效應為負，但其外部效應顯著為正，并且遠遠大于其直接效應，使其總效應仍是正的，表明工業(yè)規(guī)?？傮w上對環(huán)境技術創(chuàng)新具有顯著的正向作用。

六、結論與政策啟示

基于污染外部性機制，構建包含污染減排和技術兩種外部性的空間Tobit經(jīng)驗設定，在控制技術外部性的條件下，測算出污染減排及其外部性對環(huán)境技術創(chuàng)新的影響。結果顯示：第一，一個地區(qū)的環(huán)境技術創(chuàng)新不僅取決于本地區(qū)的污染減排強度，而且也受鄰近地區(qū)污染減排政策的影響，這意味著污染減排外部性成為地區(qū)間相互影響的一個重要機制。第二，污染減排在地區(qū)間引起相當大的負外部性。污染減排的外部效應大小在數(shù)值上幾乎相當于其直接效應，且二者的作用方向截然相反，使得污染減排的總效應在統(tǒng)計上并不顯著，進一步表明如果忽略污染減排的外部性，有可能對污染減排的作用做出不恰當?shù)耐茢?。第三，在環(huán)境技術創(chuàng)新過程中，污染減排和技術等公共政策對環(huán)境技術創(chuàng)新具有顯著的直接的積極影響。第四，滯后因變量系數(shù)統(tǒng)計上并不顯著，但不一定意味著空間外部性也不顯著，因而，僅由參數(shù)ρ的顯著性判斷地區(qū)間相互作用是否存在，有可能會做出不合理的推斷。

估計結果具有明顯的政策含義。為了充分發(fā)揮污染減排在技術創(chuàng)新中的積極作用，應強化和完善污染減排機制：第一，加大與環(huán)境有關的區(qū)域間財政轉移支付力度，中央政府應盡快完善省際間環(huán)境補償?shù)牧⒎ê蜆藴?，以協(xié)調(diào)并指導省際間和區(qū)域間的環(huán)境合作，以減輕甚至消除污染減排的負外部效應。第二，強化污染減排政策的執(zhí)行力度，嚴格污染減排政策的監(jiān)督和實施，促進環(huán)境技術創(chuàng)新需求機制的形成。第三，提高對技術領域，特別是環(huán)境領域的公共研究支持力度，增強企業(yè)的自主創(chuàng)新能力，提高技術“知識池”對環(huán)境技術創(chuàng)新的“輸血”和“造血”功能。

［1］ Jaffe A B，Newell R G，Stavins T N．A Tale of Two Market Failures：Technology and Environmental Policy［J］．Ecological Economics，2005（2）．

［2］ Taylor M R，Rubin E S，Nemet G F．The Role of Technological Innovation in Meeting California’s Greenhouse Gas Emission Targets［C］．Chapter Three in Hanemann，M．＆ A．Farrell（eds．）．Managing Greenhouse Gases in California．Report Prepared for the Energy Foundation and the Hewlett Foundation．2006．

［3］ Popp D．Induced Innovation and Energy Prices［J］．American Economic Review，2002（1）．

［4］ Brunnermeier S B，Cohen M A．Determinants of Environmental Innovation in theU．S．Manufacturing Industries［J］．Journal of Environmental Economics and Management，2003（2）．

［5］ Rehfeld K M，Rennings M，Ziegler A．Integrated Product Policy and Environmental Product Innovations：An Empirical Analysis［J］．Ecological Economics，2007，61（1）．

［6］ Noailly J，S Batrakova R Lukach．The Impact of Environmental Policy on Energy-efficient Innovations in Buildings［C］．C PB．Working Paper，2008．

［7］ 黃德春，劉志彪．環(huán)境規(guī)制與企業(yè)自主創(chuàng)新：基于波特假設的企業(yè)競爭優(yōu)勢構建［J］．中國工業(yè)經(jīng)濟，2006（3）．

［8］ 李斌，彭星，陳柱華．環(huán)境規(guī)制、FDI與中國治污技術創(chuàng)新：基于省際動態(tài)面板數(shù)據(jù)的分析［J］．財經(jīng)研究，2011（10）．

［9］ Embora N，T P．Mamuneas T Stengos Air Pollution Spillovers and U．S．state Productivity Growth．Working paper．University of Cyprus．2008（8）．

［10］Levinson A．An Industry－Adjusted Index of State Environmental Compliance Costs［R］．NBER working paper，2001（7297）．

［11］LeSage J，Pace R K．Introduction to Spatial Econometrics［M］．Chapman and Hall／CRC ．New York．2009．

［12］LeSage J P．Bayesian Estimation of Limited Dependent Variable Spatial Autoregressive Models［J］．Geographical Analysis，2000（1）．

［13］中國科學研究院可持續(xù)發(fā)展戰(zhàn)略研究組．2007中國可持續(xù)發(fā)展戰(zhàn)略報告——水：治理與創(chuàng)新［M］．北京：科學出版社，2007．

［14］Konisky D M．Woods N D．Measuring State Environmental Policy［C］．Working paper．Georgetown University．2012（1）．

［15］LeSage J P，F(xiàn)ischer M M．Estimates of the Impact of Static and Dynamic Knowledge Spillovers on Regional Factor Productivity［J］．International Regional Science Review，2012（1）．

［16］Sauquet A，Marchand A，F(xiàn)eres G．Ecological Fiscal Incentives and Spatial Strategic Interactions ：the Case of the ICMS－E inParana［J］．CERDI Working Paper，2012（5）．

［17］王家庭、張俊韜．中國城市環(huán)保行業(yè)的技術效率研究．統(tǒng)計與信息論壇，2012（12）．

Pollution Abatement，Externalities and Environmental Technology Innovation：Evidences from Provincial Environmental Patents Data

WANG Wen-pu
（Business of School，Nantong University，Nantong 226019，China）

Based on pollution externality，the paper derives the spatial Tobit model with pollution abatement externalities．Moreover，controlling the externality of technology，we isolate the impacts of pollution abatement externality on environmental technology innovation using the data of Chinese thirtyone provincial environmental patents．The estimation of the new approach of Bayesian Markov chain Monte Carlo shows that not only is there a significant positive direct effect of pollution abatement on environmental technology innovation，but does a significant negative externality as well，and the total impact of pollution abatement is a non-significantly positive effect，which indicates that pollution abatement externality exists an important influence on the environmental technology innovation．Furthermore we explore policy implications to avoid the externalities of pollution abatement．

environmental technology innovation；pollution abatement；externalities；Bayesian MCMC approach

F062；X196

A

1007－3116（2014）07－0095－08

2014－03－05；修復日期：2014－05－07

南通大學博士基金項目《中國工業(yè)綠色轉型路徑研究》（03080587）。

王文普，男，安徽六安人，經(jīng)濟學博士，副教授，研究方向：公共經(jīng)濟與公共政策、經(jīng)濟增長。

（責任編輯：張愛婷）