原文链接:戴魁早,王思曼,黄姿.绿色工厂建设促进了企业绿色创新吗？[J/OL].数量经济技术经济研究,1-23[2024-09-13].

01引言

随着“十三五”《工业绿色发展规划2016-2020》的实施（简称《规划》），我们看到了两个典型事实：第一，“十三五”期间，中国绿色专利数占全球平均比重为10.43%，远高于“十一五”和“十二五”时期的3.69%和5.73%。第二，“十三五”期间，中国绿色专利授权量累计达4960138件，是“十二五”时期2269413件的2.19倍，增长非常迅速。“十三五”时期绿色专利的两个典型事实是否与《规划》实施有关？

绿色工厂是绿色制造体系的核心，而建立绿色制造体系是《规划》实施的主要目标。因而，绿色工厂建设对落实《规划》至关重要。由此可以认为，绿色工厂建设的效果能够在很大程度上反映《规划》实施的影响。绿色工厂建设作为一个有效的准自然实验，为我们验证《规划》实施对绿色创新的影响提供了一个绝佳样本。回到前面提到的两个典型事实，可以推断，《规划》实施是“十三五”期间绿色专利迅速增长的一个重要原因。为了检验这个推断，本文基于绿色工厂建设是《规划》实施的主要措施这一事实，以绿色工厂建设反映《规划》实施，采用多期双重差分（StaggeredDifferences-in-Differences，StaggeredDID）方法评估《规划》实施是否有效促进了绿色创新。

02绿色工厂建设实践

在本文的样本区间（截止到2019年底），国家工信部共批准了四批绿色工厂（实际上，截止2022年5月，工信部共批准了六批绿色工厂）。实际上，各省市区为了支持绿色工厂建设，也出台了相关的激励性政策，通过梳理各省市区政府文件可以发现，每个省市区对绿色工厂建设采取的政策可归纳为现金激励和非现金激励。从各省市区的激励政策内容看，主要有三个特征：一是现金激励政策的差异主要体现于实施时间和奖励金额大小；二是非现金激励政策的差异主要体现于实施时间和类型；三是由于各省市区经济发展水平、政府治理水平等不同，采取的激励政策数量存在差异，既有采取现金激励政策或非现金激励政策的，又有同时采取两类激励政策。

03理论分析

本文在激励约束机制的理论分析框架，探讨绿色工厂建设对企业绿色创新的影响（如图1所示）。

1.绿色工厂建设影响企业绿色创新的机理

假说1：绿色工厂建设能够促进企业绿色创新。

2.绿色工厂建设、激励政策与企业绿色创新

假说2：不同数量和不同类型的激励政策（现金激励政策和非现金激励政策）对绿色工厂绿色创新的作用效果存在差异。

假说3：相较于事后激励政策而言，事前激励政策下绿色工厂的绿色创新效应更明显。

04研究设计

1.计量模型

本文采用渐进DID方法进行经验研究，模型设定如下：

式（1）中，下标𝑖和𝑡分别表示企业和时间；𝑌𝑖𝑡表示企业绿色创新，是绿色工厂（𝑇𝑔𝑖𝑡）的函数。

2.变量说明

（1）绿色创新

本文选用企业当期绿色专利授权数占专利申请数的比重衡量绿色创新，这样更有利于体现企业当期的实际创新能力。同时，本文按照创新难度高低将专利划分为发明专利和实用新型专利，以进一步检验绿色创新的异质性。

（2）控制变量

选取资本结构（Lev）、管理层激励（Share）、企业成长性（Growth）、现金流水平（Cfo）、托宾Q值（Tobinq）、研发投入（Rd）等企业层面的控制变量，以及地区层面的环境规制变量（Ers）。

3.数据说明

考虑到数据的可获得性，本文样本区间为2012~2019年。数据来源包括三个部分：一是企业绿色创新数据。从CNRDS数据库中获取所有A股上市企业发明专利和实用新型专利的专利分类号信息，并将其与2010年世界知识产权组织（WIPO）发布的“国际专利分类绿色清单”进行匹配。二是绿色工厂数据。本文手工收集国家工信部公布的绿色工厂名单，并将其与WIND数据库中A股上市企业进行匹配，进而识别出上市企业中的绿色工厂和非绿色工厂。三是控制变量数据。相关数据主要来源于WIND和CSMAR数据库。环境规制强度测算的数据，来源于《中国统计年鉴》、《中国环境统计年鉴》和《中国城市统计年鉴》。

05实证结果

1.基准回归结果分析

表1报告了基准回归结果。结合第（1）列和第（2）列的结果可知，解释变量（𝑇𝑔𝑖𝑡）的系数𝛼1在1%水平上显著为正，表明绿色工厂建设对企业绿色专利占比产生了正向影响，即绿色工厂建设显著地促进了企业绿色创新。此外，第（3）列-第（6）列的结果显示，被解释变量为绿色发明专利占比、绿色实用新型专利占比时，系数𝛼1都显著为正，这说明绿色工厂建设对企业绿色创新“量”和“质”的提升都很显著。

2.DID随机性检验

本文选取政策实施前（2012~2016年）上市企业数据，采用Logit模型来检验获评为绿色工厂是否会受到企业绿色创新能力的影响。结果显示，获评为绿色工厂与企业绿色创新水平无关，也验证了政策出台对被解释变量而言是总体随机的，不存在反向因果问题。

3.平行趋势检验及动态效应

本文在式（1）基础上，利用事件分析法，构建如下模型进行检验：

4.稳健估计

为了获得更稳健的估计量，本文使用两阶段DID方法来评估绿色工厂建设对企业绿色创新的影响，以确保基准回归结果的有效性

5.工具变量结果

本文从自然地理的角度出发选取城市空气流动系数（VGC）作为绿色工厂建设的工具变量。同时，本文还选用2009年各城市绿色发展词频数的对数（treat的工具变量）与时间虚拟变量（post）的交互项作为本文政策效应（𝑇𝑔𝑖𝑡）的工具变量（NVGC）。

6.稳健性检验

包括：更换绿色创新变量的稳健性检验、安慰剂检验、基于PSM-DID方法的检验、纳入多维固定效应、控制行业层面关税冲击。

06不同激励政策下绿色工厂的绿色创新差异

本文构建如下三重差分模型进行检，验验证假说2。

1.不同数量激励政策下绿色工厂的绿色创新差异

（1）一类激励政策与未采取激励政策的影响差异

①一类激励政策的总体影响差异。从表2第（1）列-第（3）列可以看出，𝑇𝑔𝑖𝑡×𝑇𝑦𝑝𝑒𝑖的系数显著为正，这表明，相对于未获得激励政策的绿色工厂来说，获得一类激励政策的绿色工厂，绿色创新效应更明显。

②现金激励政策与未采取激励政策的比较。从表2中第（4）列-第（6）列的估计结果可以看出，乘积项𝑇𝑔𝑖𝑡×𝑇𝑦𝑝𝑒𝑖系数均在5%水平上显著为正，说明现金激励政策强化了绿色工厂的绿色创新效应。

表2第（5）列和第（6）列的结果还有一点需要强调：对于不同难度的绿色创新来说，现金激励的影响程度不同，对绿色发明专利的影响小于绿色实用新型专利（系数值分别为0.396和0.566）；这表明，现金激励政策在绿色工厂的创新过程中，对绿色创新“质”的提升小于“量”的提升。

③非现金激励政策与未采取激励政策的比较。表2第（7）列-第（9）列汇报了相应的回归结果，可以看出，乘积项𝑇𝑔𝑖𝑡×𝑇𝑦𝑝𝑒𝑖的回归系数均正向显著，这表明非现金激励政策有助于提升绿色工厂的绿色创新效应。

（2）两类激励政策与未采取激励政策的影响差异

从表3第（1）列-第（3）列的结果可以发现，交互项系数显著为正，这说明，相对于未获得激励政策支持的绿色工厂来说，获得两类激励政策支持的绿色创新效应更明显。因而，对于未实施激励政策的甘肃、黑龙江等地区来说，需要高度重视激励政策对提升绿色工厂绿色创新效应的重要意义。

（3）两类激励政策与一类激励政策的影响差异

①两类激励政策与现金激励政策的比较。表3第（4）列-第（6）列报告了相应的回归结果。可以看出，𝑇𝑔𝑖𝑡×𝑇𝑦𝑝𝑒𝑖的系数正向显著，这说明，相对于只获得现金激励政策支持的绿色工厂来说，获得两类激励政策支持的绿色创新效应更明显。因而，对于只实施现金激励政策的内蒙古、福建等地区来说，需要高度重视非现金激励政策对提升绿色工厂绿色创新效应的重要意义。

②两类激励政策与非现金激励政策的比较。表3第（7）列-第（9）报告了相应的回归结果，可以看出，𝑇𝑔𝑖𝑡×𝑇𝑦𝑝𝑒𝑖的系数正向显著，这表明，相对于只获得非现金激励政策支持的绿色工厂来说，获得两类激励政策支持的绿色创新效应更明显。因而，对于只实施非现金激励政策的广西、贵州等地区来说，需要高度重视现金激励政策对提升绿色工厂绿色创新效应的重要意义。

2.不同类型激励政策下绿色工厂的绿色创新差异

（1）非现金激励政策与现金激励政策的比较

表4第（1）列-第（3）列的结果显示，乘积项𝑇𝑔𝑖𝑡×𝑇𝑦𝑝𝑒的系数显著为正（系数值为0.389、0.382和0.592），说明非现金激励政策能够更好地激励绿色工厂进行绿色创新。这与理论预期不符。对此可能的解释是：相较于现金激励政策而言，非现金激励政策的支持力度更大，因而，税收政策和融资政策等非现金激励能够更好地提高绿色工厂绿色创新的积极性

（2）税收激励政策与金融激励政策的比较

从表4第（4）列-第（6）列可以看出，乘积项𝑇𝑔𝑖𝑡∗𝑇𝑦𝑝𝑒都显著为正，说明相较于金融激励政策，税收政策更好地促进了绿色工厂的绿色创新，这与理论预期不符。对此可能的解释是：①随着“增值税期末留抵退税制度”的实施和“增值税期末留抵退税适用范围不断扩大”等税收政策的出台，大大减轻了留抵增值税额对企业现金流的占用。②税收政策优惠的额度可能大于金融政策利率融资的利息优惠额度。③随着更多企业通过税收政策享有更稳定现金流的支配，结合优惠额度大于金融政策的利息优惠额度，因而，税收激励政策更能提高绿色工厂进行绿色创新的积极性，从而更好地促进了绿色工厂进行绿色创新。

07事前激励与事后激励的影响差异

为了检验在事前激励与事后激励下绿色工厂建设的绿色创新效应是否存在差异，本文构建如下三重差分模型进行检验：

式（4）中，本文感兴趣的是𝑇𝑔𝑖𝑡∗𝑇𝑖𝑚𝑒𝑖的估计系数𝛽1，𝑇𝑖𝑚𝑒为绿色工厂建设的激励政策实施时间变量。

1.事前激励效应与事后激励效应的总体差异

对激励政策出台时间先于绿色工厂公布时间的省市区，𝑇𝑖𝑚𝑒𝑖赋值为1；对激励政策出台时间后于绿色工厂公布时间的省市区，𝑇𝑖𝑚𝑒𝑖赋值为0。从表5第（1）列-第（3）列可以看出，𝑇𝑔𝑖𝑡×𝑇𝑖𝑚𝑒𝑖系数显著为正，说明相较于在绿色工厂名单公布时间后的事后激励而言，事前激励对绿色工厂绿色创新的促进作用更为显著，验证了假说3。

2.现金政策的事前激励效应与事后激励效应比较

对现金激励政策出台时间先于绿色工厂公布时间的省市区，𝑇𝑖𝑚𝑒𝑖赋值为1；对现金激励政策出台时间后于绿色工厂公布时间的省市区，𝑇𝑖𝑚𝑒𝑖赋值为0。可以看出，第（5）列估计结果不显著，这表明，事前现金政策会显著促进企业的策略性绿色创新；对“质”提升不明显，即事前现金政策并未明显增强绿色工厂的实质性绿色创新效应。

3.税收政策的事前激励效应与事后激励效应比较

对税收激励政策出台时间先于绿色工厂公布时间的省市区，𝑇𝑖𝑚𝑒𝑖赋值为1；对税收激励政策出台时间后于绿色工厂公布时间的省市区，𝑇𝑖𝑚𝑒𝑖赋值为0。从结果可以看出，𝑇𝑔𝑖𝑡×𝑇𝑖𝑚𝑒𝑖的系数显著为正；说明了，税收政策的事前激励对绿色工厂绿色创新的促进作用更明显，并且“量”“质”都实现了显著提升，这与预期结论相一致。这表明，相较于事后落实税收优惠政策的地区来说，提前落实税收优惠政策的地区。

4.金融政策的事前激励效应与事后激励效应比较

对金融激励政策出台时间先于绿色工厂公布时间的省市区，𝑇𝑖𝑚𝑒𝑖赋值为1；反之，𝑇𝑖𝑚𝑒𝑖赋值为0。从表5第（10）列-第（12）列的结果可以看出，𝑇𝑔𝑖𝑡×𝑇𝑖𝑚𝑒𝑖的系数都不显著，说明金融政策的事前激励效应和事后激励效应没有明显的不同，这与预期结论不一致。对此可能的解释是：金融政策的事前激励与事后激励没有明显改变绿色工厂的融资成本。

08异质性分析

对于不同规模和不同行业的企业来说，绿色工厂建设对其绿色创新的影响程度可能也不同。为此，这里采用三重差分法进一步考察这种影响是否存在差异，式（1）拓展后的三重差分模型为：

式（5）中，𝑇𝑔_𝑖𝑡×𝐷_𝑖为企业规模乘积项，𝐷_𝑖为企业规模虚拟变量。式（6）中，𝑇𝑔_𝑖𝑡∗𝐻_𝑗为特定行业乘积项，𝐻_𝑗为行业特征虚拟变量。

1.企业规模

式（5）中企业总资产值大于均值时，𝐷𝑖取1；小于均值时，𝐷𝑖取0。从结果可以看出，乘积项（𝑇𝑔𝑖𝑡×𝐷𝑖）的系数在1%水平上显著为正。这说明，对于规模较大的企业来说，绿色工厂建设的绿色创新效应更强，并且“量”“质”的提升都更为显著。这与理论预期相符。

2.行业污染程度

式（6）中行业虚拟变量𝐻𝑗设为𝐻1，重污染行业取1，其他行业取0。从估计结果可以看出，𝑇𝑔𝑖𝑡×𝐻1系数显著为正，这说明，在污染程度较高的行业中，绿色工厂建设对绿色创新的促进作用更强，而且对绿色创新“量”和“质”的提升都更明显。

3.行业技术密集度

式（6）中行业虚拟变量𝐻𝑗设为𝐻2。关于行业技术密集度的衡量，鉴于研发经费支出占总产值的比重是学术界常用的衡量指标，这里采用工业细分行业研发经费支出占总产值的比重来衡量。当行业技术密集度数值大于其均值时，𝐻2取1，而小于其均值时，𝐻2取0。结果显示，对绿色实用新型专利占比影响的系数值不显著。说明了，在技术密集度较高行业中，绿色工厂建设更好地促进了绿色创新，而且更好地促进了绿色工厂的实质性创新，但并未更好地促进策略性创新。其原因可能在于，实质性创新能够更好地满足技术密集度较高企业的发展需要。

09研究结论和政策启示

1.结论

研究发现：绿色工厂建设显著地促进了企业绿色创新，这一结论在工具变量法、PSM-DID、安慰剂检验等一系列稳健性检验后仍然成立。进一步地，更多数量的激励政策对绿色工厂绿色创新的促进作用更强。比较起来，非现金激励政策比现金激励政策更好地促进绿色工厂的绿色创新，而税收政策的绿色创新效应明显优于金融政策；事前激励的总体效应高于事后激励，且税收政策的事前激励效应好于事后激励效应，但金融政策的事前激励效应与事后激励效应没有明显区别，而现金激励政策的事前激励并未更好地促进了绿色创新“质”的提升。此外，对于规模较大的企业、污染程度较高与技术密集度较高的行业来说，绿色工厂的绿色创新效应更强。

2.启示

第一，政府需要认识到绿色工厂建设对于绿色创新的促进作用，并进一步加强以绿色工厂建设为核心的绿色制造体系构建，协同推进减污、扩绿和增长。

第二，政府需要进一步优化绿色工厂建设的激励约束机制。

第三，在绿色产业发展政策实施和监管方面，要充分考虑企业的异质性特征，有针对性地推出具体措施，特别是在企业规模、技术密集度、污染程度等方面下足功夫，以增强绿色工厂建设对绿色创新的提升效应。