论文部分内容阅读
摘要 绿色产业政策是政府出于推动环境与产业协同发展的目标而实施的政策组合。绿色产业政策鼓励企业技术研发，强调以创新驱动的方式，实现行业的高质量发展，但是相关绿色产业政策实施效果的评价研究还非常有限。文章对14个地级市在1998—2013年所实施的纺织行业绿色产业政策进行了系统的评估。基于中国纺织行業27 827家企业在1998—2013年间86 988条企业运行、环境排放与专利申请等企业级数据，通过双重差分以及动态双重差分方法评价了相关政策的效果，研究发现绿色产业政策能够同时提升企业的环境与创新绩效，同时还影响了企业的创新方向;而且这些绿色产业政策对企业绩效的影响，会受到企业属性的调节作用：在相同的绿色产业政策冲击下，国有企业在环境绩效方面会显著优于非国有企业，但是国有企业的创新绩效与非国有企业之间没有显著差别。此外，多次双重差分方法下的政策评估显示，尽管绿色产业政策促进了当地产业的高质量发展，但是不同城市的绿色产业政策的实施效果存在差异。综上，基于本文的政策效果评价，研究认为地方性的绿色产业政策能有效促进当地产业转型升级，但是距离全面推动产业的高质量发展仍然存在着差距。因此，在未来还需要中央政府加强顶层设计与政策督导，深化重污染行业的绿色可持续转型。本研究为构建“绿色制造”的政策体系，提升中国环境治理体系与治理能力，提供了理论与实证的支撑。
关键词 绿色产业政策;高质量发展;重污染行业;动态双重差分方法
企业的绿色创新同时面临着“创新驱动”与“环境治理”两个环节上的市场失灵[1]。为了解决“双重市场失灵”问题，地方政府在严格环境监管的同时，也会采用包括清洁生产技术清单、升级改造奖励、鼓励企业迁入工业园集中管理、评选绿色产品以及强制淘汰落后设备等绿色产业政策。前期产业经济学研究指出，这些绿色产业政策既保护地方产业的存续又实现了地方产业高质量发展的目标[2]。但是，在实践中地方政府实施的绿色产业政策能否真的推动产业高质量发展，实现创新与环境绩效的“双提升”？不同地方的绿色产业政策是否会带来异质性的政策效果？相关实证研究还非常有限。本研究基于1998—2013年期间中国企业专利数据库、工企数据库与企业排污数据库进行匹配，定量评价了地方性绿色产业政策的实施效果。研究对纺织行业实施的产业政策进行了系统的梳理，选择了14个在纺织行业实施绿色产业政策的城市，将这些城市在政策执行后所涉及的7 906个企业样本作为实验组，与中国没有受到政策冲击的79 082个企业样本进行比较。基于上述微观企业的面板数据研究，本文探讨绿色产业政策对于不同城市纺织产业创新和环境绩效的影响差异。
1 文献综述
1.1 产业高质量发展的内涵
“中国经济已由高速增长阶段转向高质量发展阶段”，是党的十九大对当前现代化经济发展阶段做出的基本战略判断。此后，“高质量发展”在学术讨论中成为热点词汇。可是由于这个词汇最初来源于政策文件，学界对于“高质量发展”内涵与边界暂时并没有达成广泛的共识。高培勇等[3]认为，高质量发展的内涵根植于当前中国社会发展的主要矛盾，具有鲜明的时代特征[4]。中国社科院提出高质量发展的内涵包括“经济结构和效率不断优化、经济发展的充分平衡、发展成果的为民所享、社会的公平公正”[5]。由此可知，虽然不同研究机构给出定义存在着表述的差异，但是这些对高质量发展内涵的解读都包含从单纯考虑经济发展目标向全面考虑多种经济、社会与环境多个目标的转变。因此，高质量发展的一个根本特征就是多维性，表现在战略方向上就是政策目标多元性[6]。实现多元目标的协调增长是实现经济高质量发展的必然要求。
在经济高质量发展的实现过程中，产业高质量发展具有基础地位[7]。产业的创新绩效和环境绩效是产业高质量发展的重要目标[8]，2018年中国工程院重大咨询项目“面向2035的绿色制造发展战略研究”指出，“产业高质量发展”意味着产业在不同阶段具有的不同发展目标：在短期内，产业高质量发展要求企业控制污染排放、减少对周边环境的影响;在长期尺度上，还要求相关企业研发新的绿色技术，从而适应中国环保标准的不断提升，增强企业在全球市场中的可持续发展竞争力[9]。简而言之，从工程科技的角度而言，产业高质量发展需要实现创新和环境目标之间的协同，在通过创新提升产业竞争力的同时，注重环境保护以促进产业的长期可持续发展。
为了实现产业的高质量发展，研究者需要深入了解创新治理与环境治理之间的相互影响[10]。一方面，创新治理被看作是降低环境污染的重要驱动力。政府推动企业技术创新，能够促进企业生产工艺的改进、清洁能源的使用、污染处理技术的提高，产业结构的优化升级，最终减少环境污染[11]。实证研究也证明，在中国大部分地区，提升科技创新能力对改善环境污染有较好的效果[12]。另一方面，严格的环境治理也有利于创新的产生[10]。经典波特假说认为，良好设计的环保政策能够促进企业进行技术创新，在长期内可以提升企业生产效率，增加企业竞争力[13]。这一假说在中国较发达地区得到了很好的实证支撑[14]。但是，以往“环境-创新”相互影响的研究中，往往将创新等同于企业的绿色技术采纳、污染治理设备投入等短期行为，忽视了企业以自身研发为代表的内生性创新行为。这些企业的研发行为很难受到外部环境规制压力的驱动[15-16]。
本研究所关注的产业高质量发展，并不只是要求企业采纳已有的绿色技术，而更加关注的是企业能否形成自主创新能力，并推动自身可持续发展。因此，如何将政府的作用发挥好，将有限的政策工具进行优化组合、充分使用，解决重点行业的高质量发展问题，还需要产业政策研究者与实际政策制定者不断探索、持续积累与经验总结。
1.2 绿色产业政策的特征与理论演化
绿色产业政策是产业政策与环境管理交叉而衍生出的概念，在国际上有着长期的探讨（见表1）。基于产业经济学对产业政策的定义，本文将绿色产业政策定义为中央或地方政府出于推动环境与产业协同发展的目标而干预产业活动的政策组合。长期以来，绿色产业政策在世界各国推动产业发展中都扮演重要角色，在产业宏观结构的绿色变革中起到了关键引导与推动作用[17-18]。 绿色产业政策是对传统产业政策的修正和发展，其政策目标不仅是经济增长，也是调整经济的发展方式实现经济发展和环境保护在长期的和谐统一。本文认为，相比于传统环境政策和产业政策，绿色产业政策具有明显的优势。从环境创新的视角来看，产业环境绩效和创新绩效之所以难以协同是因为同时存在创新的正外部性和环境污染的负外部性问题，这两种市场失灵因素交织在一起共同导致社会整体的绿色创新不足，被称为“双重市场失灵”[22]。环境政策只能促使企业将污染的外部成本内部化，但是企业依然面临着创新的收益溢出问题，当收益无法弥补成本时企业可能会选择退出市场[15]，而不一定选择技术创新。尤其是大量小企业退出市场[23]，可能破坏地方产业链结构，不利于地方产业的持续发展。相反，传统产业政策只能为创新提供正向激励，但是无法激励企业将污染的外部性内部化。绿色产业政策实际上是产业政策及环境政策在政策目标和政策工具上的结合与统一，将两个目标综合考虑，互相协调配合，执行中还能减少不同主管部门之间各自为政和相互推诿，对于环境和创新目标有更好的协同效果[24]。
国内关于绿色产业政策的研究主要关注的是政策体系的梳理。李晓萍等将中国的绿色产业政策发展分为重发展轻环保（1978—1999年）、绿色产业政策萌芽（2000—2011年）、綠色产业政策初步发展（2012年至今）三个阶段[25]。在此背景之下，经济和环境政策目标之间的协调性日益受到重视，各个政府层级以及各个主管部门针对产业的可持续发展出台了大量的政策。其中包含了各种的命令-控制型政策工具、市场化工具、信息和自愿协商型政策工具以及它们之间的相互组合，构成了日益复杂的绿色产业政策体系。比如，中国由中央政府及其直属机构颁发的，针对新能源产业的绿色产业政策截至2013年已经达到23份，数量居主要国家前列，并且政府在规范条例、金融支持、宣传教育和平台建设等多个政策工具维度都有较为全面的应用和布局[26]。
但是，当前中国实施的绿色产业政策缺乏相关实证研究，尤其缺少对政策多目标协同特征的探讨。已有政策评估研究在对多目标进行评估时往往将多维政策目标压缩为一维以便于不同地区之间的比较，比如选取全要素生产率等单一的综合性评价指标[27-28]，或者将多维指标以一定的权重加总[4， 29]。这样不利于加深对于不同政策目标之间内在关系的认识。而且，在多目标协同的背景下，不同指标之间按权重相加无法真正反映当地的发展质量，因为某一项指标的突出表现无法弥补另一项指标的不足。周源等人对湖州绿色产业政策进行了多目标的评价[2]，初步弥补相关实证研究的不足。但是，该研究只关注湖州的绿色产业政策实施效果，没有对更大范围的绿色产业政策整体绩效进行评估。相关实证研究的缺乏，限制政策研究者与制定者对已实施政策效果的估计，也减缓了相关政策迭代与完善。为了弥补这些不足，本文将研究范围确定为全国的市级绿色产业政策，并且综合了中国工业企业数据库、企业排污数据库、专利数据库多个数据源，为绿色产业政策提供了较为全面的多维指标定量评估基础。
总的来说，当前绿色产业政策的研究尚存不足。政策研究者不但要描述产业政策工具之间的组合方式，也需要评价政策在不同维度上的实施绩效，由此判断政策是否通过系统地设计最终实现了设计之初所期望的多目标。同时，在政策组合理论和实践的互通过程中，还需考虑更加广泛的社会、政治和经济因素的影响，包括治理层级、产业特征、地理区域与企业特征等多个维度。本文认为绿色产业政策在促进创新和环境协调发展上具有显著的优势。但绿色产业政策的实际效果如何，还需要以实证为基础的评估。具体需要细分为两类问题，分别是：①绿色产业政策能否促进产业的创新发展？②绿色产业政策能否促进产业的绿色发展？
对于问题一，主要理论探讨来自前期的产业政策研究;Lütkenhorst等[20]指出产业政策的目标就是强调生产力的提高，即通过将资源分配到新技术转化和推广，提高单位资本和人力投入回报率，最终在宏观上实现经济的增长。也有学者从使命创新的角度对产业政策的创新影响进行解读。比如，政府可以通过对基础设施、技术研发、技术推广和商业化的各个阶段进行投入，从而在全新的市场和部门上，扮演者企业家、风险承担者和市场创造者[30]，促进企业创新。因此，在环境治理领域，政府实施绿色产业政策能够对创新起到促进作用;为此，本文提出第一个假设。
假设1：绿色产业政策能够提升企业创新绩效。
其次，对于问题二，已有研究阐述了产业政策对于环境绩效的影响机制。相比于传统的通过末端治理来降低资源、能源的消耗水平，绿色产业政策通过推动清洁生产技术研发与应用、开发绿色工艺与绿色产品、持续改进跨企业的物质流与能量流等多种方式，最终提升整个产业链的环境绩效[2， 31]。继而，本文提出第二个假设。
假设2：绿色产业政策能有效提升企业的环境绩效。
此外，不同的企业属性也会对绿色产业政策发挥的作用产生影响。已有研究表明，由于具有更大的寻租风险和更少的市场竞争经验，国企在创新能力和创新效率方面相比于非国有企业有着较为明显的差距[32-33]，因此在同样受到绿色产业政策的影响时，非国有企业相比于国有企业可能获得更大的创新绩效提升。
假设3：绿色产业政策对非国有企业的创新绩效作用更加显著。
同时，不同属性的企业对于环保进行投资的敏感性也不同。由于非国有企业管理者的私人收益和环保投资联系更加紧密，增加环保投资对于管理者私人收益负面影响更大，因此非国有企业对于环保投资的积极性往往低于国有企业[34]。不仅如此，国有企业作为各级政府职能的延伸，是环境政策的主要承接者[35]，受到更大的政策压力的影响。在绿色产业政策出台后，国有企业有更大的积极性对环保要求进行回应和投入[36]。因此，本文提出的第四个假设。
假设4：绿色产业政策对国有企业的环境绩效作用更加显著。 2 研究方法
2.1 案例选择与政策梳理
本文首先在产业选择与政策梳理两个方面做了相应的工作。在产业选择方面，研究者选择了中国纺织产业作为代表性研究对象。据统计，2017年水泥、纺织、钢铁、冶炼等传统重化工行业消耗了中国超过42%的能源，排放了超过中国97%的工业二氧化硫[37]。同时，中国纺织等传统产业具有减排潜力大、企业监测与运营数据完整、对社会经济影响深入、产业政策出台针对性强等多方面的特征。这些特征为重污染行业研究提供了实际的案例[38]。
基于产业选择，研究者进一步在政策数据库中识别了自改革开放以来中国在纺织工业环境保护方面曾经正式实施了104条政策文本，在排除国家级与省级政策以后。又经过两轮的小规模专家讨论，最终识别出在2006—2013年间，南通、泰州、苏州、济南、威海、淄博、宁波、盐城、潍坊、湖州、佛山、安庆、青岛共14个城市在纺织行业实施了绿色产业政策。
2.2 政策文本与专利内容分析
在政策梳理之后，本文进一步对于政策和专利内容进行内容分析，以进一步描绘政策与企业创新活动的具体内容。在本文中，我们采用数据挖掘与可视化方法对这些绿色产业政策包含的政策工具组合进行分析。对于企业创新专利，本文根据本课题组的前期研究，采用自然语言分析中的主题模型（topic model），进行了初步的挖掘与分析[39]，帮助研究者更加深入了解绿色产业政策的内涵、以及企业在政策影响下创新行为的变化。
2.3 指标选择、数据匹配与模型描述
2.3.1 指标选择与数据匹配
为了验证上述假设，本研究需要分别明确衡量企业的创新与环境绩效的具体指标。在前期研究中，Brem等[40]用研发投入来衡量创新绩效，Johnstone等[41]、 Fabrizi等[42]采用专利数据来表征企业对于绿色技术中的研发与创新绩效。为了更好地衡量企业的创新成果，本文采用企业的专利累积申请量（Patent）作为企业创新绩效的衡量指标;在环境绩效方面，Nameroff等[43]用环保装备投入量表征了企业对于绿色技术投入的实施环节，Antonioli等[44]采用污染排放量来衡量意大利建筑产业的技术发展，而周源等[2]综合了绿色技术采纳的创新特征与企业运行特征，采用污染排放强度来衡量企业采纳绿色技术的绩效。根据这些前期研究，本文采用企业化学需氧量排放强度（COD_DI）作为企业环境绩效的衡量指标，COD_DI的计算如公式（1）所示，可以想象企业COD_DI的下降，恰恰意味着企业采用了新的装备或者新的技术减少了自己的污染，而并不是简单的关停设备，导致产业因为环保要求而无法生产。
3 实证结果分析
3.1 中国纺织产业绿色发展的现状描述
3.1.1 中国纺织行业地方性绿色产业政策描述
经过政策筛选，本研究识别了14个城市，在1998—2013年间实施的绿色产业政策。为了展示政策包含的内容，本文通过文本分析，对不同城市的绿色产业政策工具进行梳理。根据前期的研究，本文将政策工具分为需求拉动与技术推动型政策。其中，需求性政策包括了提供金融支持、设立产业园区（含示范项目）、设定减排目标、调整组织结构四类;而技术推动项目包括鼓励创新、推广先进技术和淘汰落后技术三类。如图1所示，尽管筛选出的14城市出台的政策都被称之为绿色产业政策，但是其中包含的政策工具数量和种类并不相同，其中湖州、苏州等五个城市采用全部7种政策工具，而其他城市选择性采用了不同的政策工具组合。
3.1.2 中国纺织产业绿色发展的总体情况
在数据分析方面，本研究首先对纺织企业的整体数据进行了可视化分析。如图2所示，本研究采用了散点图展示企业的化学需氧量（COD）排放与工业总产值，每个观测点代表了在对应时间范围内，企业的废水中化学需氧量（COD）排放总量的平均值与工业总产值的平均值。结果如图2所示，相比于1998—2003年企业的发展绩效（图2（A）），2004—2008年间企业的总产值有了显著的提升，同时观测样本的污染排放也呈现出上升趋势（图2（B））;而相比于图2（B），在图2（C）中，2009—2013年期间观测样本的工业总产值继续增长，但是企业的COD排放总量出现了明显的下降。总的来看，观测样本的总体变化，说明随着时间的推移，中国纺织企业在总体上实现了环境绩效的提升。
此外，本研究在匹配数据的基础上，对纺织产业1998—2013年间的产值、专利累积申请量、废水与废气排放进行了分析。如图3所示，研究将企业按照实施绿色产业政策与未实施绿色产业政策的城市，分为两个组进行比较研究。
如图3（A）所示，本研究中执行绿色产业政策的城市只有14个，而未执行产业政策的城市多达412个，但是有政策城市的纺织企业总产值往往占到其他城市纺织产业产值的30%～50%，而且这些有政策城市的企业平均产值也稳定高于其他城市企业，说明在这些有政策的城市中纺织产业具有较大的规模，对于城市的经济发展具有更加重要的作用;其次，如图3（B）所示，从企业数量上看，可以发现有政策城市中总的纺织企业数量只有其他城市紡织企业数量的20%～30%，而有政策城市中纺织企业平均的专利累积申请量明显高于其他城市纺织企业的专利累积申请量。其中，2013年有政策城市中企业专利申请量是无政策城市企业专利申请量的6倍;在企业排污方面，如图3（C）所示，有政策城市中企业的平均COD排放总量略高于无政策城市的企业，一方面说明与企业产值的变化趋势相一致，在科技水平没有明显提升的情况下，总产值越高的地区其相应的污染排放越严重;但是，图3（C）同时显示，随着中国在环境保护压力的不断提升，所有城市COD排放强度持续下降，其中有政策城市纺织企业的排放强度更是发生了明显下降;此外，本研究还展示了烟尘的排放强度变化，如图3（D）所示，随着时间发展，企业的烟尘排放强度也发生了相应的下降，但是实验组和对照组企业之间区别并不显著。 3.1.3 基于主题模型的专利内容分析
本文依据专利申请企业是否受到绿色产业政策的冲击，将所有实用新型专利分为两类，分别为未受到绿色产业政策冲击企业所申请的专利，以及受到绿色产业政策冲击企业所申请的专利。
表2所示，通过主题模型方法，分别对两类专利进行分析，可以发现，相比于未受到政策冲击的企业，受到绿色产业政策冲击的企业申请主题有明显的不同。未受到政策冲击的企业，其技术改进方向更加侧重于传统的能源系统、纺织装备、纺织面料、工艺与辅料的开发;而绿色产业政策冲击下的企业专利的主题表现出两个显著不同的特征。其一，企业更加关注染色这一个纺织的重污染环节，因为该环节占据了纺织废水排放的80%[47];其二，企业更加关注典型环保技术，由表2可知，企业专利申请会更加集中在废水回收、过滤等与环境技术相关技术上。因此，采用基于自然语言分析的主题模型方法，为本研究中环境政策的作用效果提供了新的维度，为绿色产业政策的实施效果提供了新的证据。
总的来看，近十年来，纺织行业的创新绩效和环境绩效都得到了改善与提升。其中，比较有绿色产业政策与无绿色产业政策城市中纺织企业的创新与环境绩效，可以发现相比于无绿色产业政策的城市，实施绿色产业政策的城市中企业的创新与环境表现都发生了更多的提升，其行业创新的内容也发生了实质性变化。
3.2 地区性绿色产业政策对纺织产业绩效的影响
如表3所示，经过数据清洗，在1998—2013年间，以专利积累量为计，符合条件的企业样本观测量共计86 988条，其中受到政策冲击的样本7 906条，占到总体样本数量9.1%。同时，研究将企业的产值作为控制变量，而将企业属性作为调节变量，将国有企业设定为1，而非国有企业设定为0。
3.2.1 基于固定效应模型的政策评估
基于上述研究变量，固定效应模型的回归结果如表4所示。其中，模型（1）至模型（3）负二项回归模型进行估计，主要展示的是绿色产业政策对企业专利申请积累量的影响。回归结果显示，城市实施绿色产业政策能够显著提升当地企业专利累积申请量（P-value < 0.01），而且无论是额外考虑城市，时间或者企业固定效应都不会改变这种提升效果。同时，这些模型还考虑了企业属性对于政策效果的调节效应。从模型（1）到模型（3）中，可以发现企业的所有权是否属于国企与非国企，对于绿色产业政策创新绩效的调节作用并不显著，说明绿色产业政策对国企和非国企的创新绩效提升作用没有显著差异。
另一方面，从模型（4）到模型（6）主要展示的是绿色产业政策对企业污染排放强度的影响。回归结果显示，城市实施绿色产业政策能够显著降低当地企业的污染排放强度（P-value<0.01），无论是否考虑企业、时间与城市固定效应，这种显著降低依旧保持稳健。同时，这四个模型还考虑了企业所有权对于政策效果的调节作用，发现政策对于不同企业属性的影响是不同的。绿色产业政策对国有企业的环境绩效提升会比非国有企业更多。该研究结论与前期研究结论保持一致，即国有企业在制度压力之下更加有动力追求环境绩效[48]。
此外，本文还使用了企业的烟尘排放强度的对数值ln（Smoke_EI）作为安慰剂检验，其中煙尘指的是燃煤和工业生产过程中排放出来的固体颗粒物，而烟尘排放强度指的是企业实现单位产值所排放的烟尘量。如表4的模型（7）所示。回归结果显示，受到绿色产业政策冲击的企业，其烟尘排放强度并没有受到明显影响。这说明针对纺织行业的绿色产业政策具有专一性。这些绿色产业政策并非一个通用的环境规制，而是根据纺织行业水资源消耗大，水污染严重的产业特征所制定的针对性政策。
3.2.2 基于动态双重差分的政策评估
本研究采用了动态双重差分方法，克服了不同城市实施绿色产业政策时间不一致的问题。如表5 所示，对于环境绩效（COD_DI）来看，实验组与对照组在绿色政策实施前，并不存在显著性差异;在实施后第一年（Dft1），实验组与对照组之间的环境绩效没有出现显著差异，政策实施以后第二年与第三年，受到政策冲击的企业的排污强度开始显著低于未受到政策冲击的企业。根据Lütkenhorst 等[20]研究，由于绿色产业政策与单纯环境规制并不相同，不是以关停为主要手段，而是通过推广清洁生产的设备，逐步替换落后产能，实现环境绩效的持续提升。这意味着绿色产业政策所导致的环境绩效提升并非立竿见影的效果，而是一个长期稳定的变革，与本研究结果相符合;而从专利累积申请量指标（Patents）变化情况来看，在绿色产业政策实施前，实验组与对照组的企业之间并没有显著的绩效差别，但是随着绿色产业政策的实施，受到政策冲击的观测样本在专利累积申请量方面有显著提升。这表明绿色产业政策可能是通过提升了企业的创新能力改善了企业的环境绩效。
同时，我们参考Baguio[49]的研究，为了检验了绿色产业政策的动态效果的稳健性。本研究对数据进行截尾处理，去掉了环境绩效和创新绩效最低5%和最高5%的样本。结果如表5所示，在截尾处理后，政策对于企业的环境绩效和创新绩效的影响与截尾处理前的研究结果保持一致，说明了绿色产业政策影响效果的稳健性;此外，为了验证绿色产业政策的针对性，我们也采用烟尘排放强度的对数值作为安慰剂检验的指标。安慰剂检验的结果可以发现尽管烟尘强度在政策执行后第二年出现了显著性的下降，但是在政策实施前，实验组的企业样本已经显著低于对照组，不符合双重差分方法平行趋势的前提假设。因此，本研究所涉及的绿色产业政策并不是烟尘强度变化的原因。
总体而言，通过应用动态双重差分方法，本文在固定效应模型基础上，进一步确认了绿色产业政策对于企业绩效与环境绩效存在着显著的提升效果。
3.2.3 基于多次双重差分的政策评估
本文采用了多次双重差分的评价方法，评估每个城市绿色政策的执行效果，即对每个执行绿色产业政策的城市作为实验组，以及将所有未实施产业政策的城市作为对照组，逐一比较每个城市实施绿色产业政策的效果。参考Angrist等[50]的研究，本研究对于每个受到绿色产业政策冲击的城市都进行了平行趋势假设的检验。总体来看，在本研究中，政策执行前实验组与对照组企业的专利累积申请量与环境排污值，并不存在着显著的差别。该结论意味着政策执行前，实验组与对照组之间符合平行趋势假设，可以采用多次双重差分方法，评价城市受到绿色产业政策冲击的程度，多次双重差分的分析结果如图4所示。 如图4所示，我们将环境绩效与创新绩效两个维度进行整合，形成了以环境绩效与创新绩效为主要分析维度的产业政策实施效果四象限。通过四象限，研究者可以更加直观的识别不同城市绿色产业政策实施效果之间存在的异质性。总的来说，实施绿色产业政策对于少数城市的创新绩效和环境绩效都有显著的提升效果，大多数城市仅仅提升了创新或者环境绩效中的两者中的一种。此外，还有少数城市无论是在环境绩效，还是在创新绩效方面都没有得到显著提升。
4 结论与启示
根据上一章对实证研究结果的分析，本研究认为，绿色产业政策能够达到企业创新绩效与环境绩效“双提升”的设计目标，推动产业高质量发展。但是，绿色产业政策在不同城市的效果存在着异质性。
从政策实施效果看，绿色产业政策并不会像环境规制一样，立竿见影地改变企业的环境绩效，而是在政策实施的一段时间后，才会逐渐发挥作用。该研究结果与李晓萍等人对于绿色产业政策的研究结论是相一致的，即绿色产业政策是通过调整产业结构，推动产业的绿色发展与转变[25]。这意味环境规制与绿色产业政策有各自的适用范围。如果是为了在短期内解决环境污染问题，实现环境绩效的显著改善，那么地方政府需要坚持使用“最严格制度最严密法治保护生态环境”;而如果要考虑在更长时期实现产业环境与经济绩效的协同发展，则需要更加重视对绿色产业政策的使用，从而引导产业在更高的环保要求下实现可持续发展。
本研究为环境管理带来了新的启示。以往环境治理往往更加依赖命令控制型的“一刀切”政策。在产业发展受到政策冲击后，再实施产业引导政策，弥补“一刀切”政策带来的负面影响。这种传统治理路径往往会导致在环境规制放松后，企业的报复性生产与周边环境质量的突然下降[51]。因而，一个好的政策组合，从战略层面上就要求具有协调性。这意味着在同时期采用的政策工具之间不能出现矛盾，而且不同时期采用的政策工具之间需要进行恰当的前后銜接[52]。因此，更为合适的方式反而是使用前瞻性的绿色产业政策进行整体布局，然后随着绿色产能的逐步壮大，再通过提高环境标准，加强环境规制等综合手段，加快淘汰落后产能，为绿色产能提供市场需求，最终实现区域经济与环境的协调发展。
综上所述，实现产业高质量发展，是中国制造业“由大变强”的重要任务，也是中国构建现代化经济体系的重要标志。但是，在当前的环境治理中，政府更多采用的是简单易行的命令控制型环境规制方法，对于绿色产业政策的使用与探讨还不够充分。本文以1998—2013年间，中国纺织企业的运营、排污与专利数据作为研究基础，系统评价了中国地方政府实施的绿色产业政策的政策效果。研究认为，绿色产业政策能够引导企业在可持续发展领域开展积极探索与创新，并且提升企业的环境绩效。研究提出，需要识别不同类型政策工具在环境管理中的实施效果与作用机制，为更加合理的进行政策组合，因地制宜的推动中国重污染行业高质量发展提供理论与实践的支撑与供给。
参考文献
[1]JAFFE A B， NEWELL R G， STAVINS R N. A tale of two market failures： technology and environmental policy [J]. Ecological economics， 2005， 54（2/3）： 164-74.
[2]周源， 张晓东， 赵云， 等. 绿色治理规制下的产业发展与环境绩效 [J]. 中国人口·资源与环境， 2018， 28（9）： 82-92.
[3]高培勇，杜创，刘霞辉，等.高质量发展背景下的现代化经济体系建设：一个逻辑框架[J]. 经济研究， 2019， 54（4）： 6-19.
[4]马茹， 罗晖， 王宏伟， 等. 中国区域经济高质量发展评价指标体系及测度研究 [J]. 中国软科学， 2019（7） ： 60-67.
[5]赵剑波， 史丹， 邓洲. 高质量发展的内涵研究 [J].经济与管理研究， 2019， 40（11）： 15-31.
[6]金碚. 关于“高质量发展”的经济学研究 [J]. 中国工业经济， 2018（4）： 5-18.
[7]任保平， 文丰安. 新时代中国高质量发展的判断标准、决定因素与实现途径 [J]. 改革， 2018（4）： 5-16.
[8]宋晓娜， 张峰. 高质量发展下工业发展质量测度及趋势研究 [J]. 软科学， 2019， 33（12）： 36-41.
[9]工信部节能与综合利用司. 节能与综合利用司赴中国工程院对接推进第四期绿色制造重大研究课题 [J]. 表面工程与再制造， 2018， 18（6）： 17.
[10]CARRION-FLORES C E， INNES R. Environmental innovation and environmental performance [J]. Journal of environmental economics management， 2010， 59（1）： 27-42.
[11]罗良文， 李珊珊. 技术进步、产业结构与中国工业碳排放 [J]. 科研管理， 2014， 35（6）： 8-13.
[12]WANG X， LUO Y. Has technological innovation capability addressed environmental pollution from the dual perspective of FDI quantity and quality： evidence from China [J]. Journal of cleaner production， 2020， 258： 120941.
[13]PORTER M E， LINDE C V D. Toward a new conception of the environment-competitiveness relationship [J]. Journal of economic perspectives， 1995， 9（4）： 97-118. [14]王国印， 王动. 波特假说、环境规制与企业技术创新：对中东部地区的比较分析 [J]. 中国软科学， 2011（1）： 100-112.
[15]刘悦， 周默涵. 环境规制是否会妨碍企业竞争力：基于异质性企业的理论分析 [J]. 世界经济， 2018， 41（4）： 152-169.
[16]张根文， 邱硕， 张王飞. 强化环境规制影响企业研发创新吗：基于新《环境保护法》实施的实证分析 [J]. 广东财经大学学报， 2018， 33（6）： 80-88.
[17]ROGGE K S， REICHARDT K. Policy mixes for sustainability transitions： an extended concept and framework for analysis [J]. Research policy， 2016， 45（8）： 1620-1635.
[18]ALTENBURG T， ASSMANN C， RODRIK D， et al. Green industrial policy： concept， policies， country experiences [M].Geneva： UN Environment and German Development Institute， 2017.
[19]HALLEGATTE S， FAY M， VOGT-SCHILB A. Green industrial policies： when and how [M].Washington DC：The World Bank， 2013.
[20]LüTKENHORST W， ALTENBURG T， PEGELS A， et al. Green industrial policy： managing transformation under uncertainty [R]. 2014.
[21]PEGELS A. Green industrial policy in emerging countries [M]. London：Routledge， 2014： 13-20.
[22]JAFFE A B， NEWELL R G， STAVINS R N. A tale of two market failures： technology and environmental policy [J]. Ecological economics， 2005， 54（2-3）： 164-74.
[23]DEAN T J， BROWN R L J A O M J. Pollution regulation as a barrier to new firm entry： initial evidence and implications for future research [J]. 1995， 38（1）： 288-303.
[24]HOWLETT M， VINCE J， DEL RIO P J P， et al. Policy integration and multi-level governance： dealing with the vertical dimension of policy mix designs [J]. Politics and governance， 2017， 5（2）： 69-78.
[25]李曉萍， 张亿军， 江飞涛. 绿色产业政策：理论演进与中国实践 [J]. 财经研究， 2019， 45（8）： 4-27.
[26]卢超， 尤建新， 戎珂， 等. 新能源汽车产业政策的国际比较研究 [J]. 科研管理， 2014， 35（12）： 26-35.
[27]贺晓宇， 沈坤荣. 现代化经济体系、全要素生产率与高质量发展 [J]. 上海经济研究， 2018（6）： 25-34.
[28]阙澄宇， 李金凯， 程立燕. 高质量发展下如何推进汇率市场化与资本账户开放：来自134个经济体的经验证据 [J]. 财经研究， 2019， 45（5）： 4-15，43.
[29]潘竟虎， 胡艳兴. 中国城市群"四化"协调发展效率测度 [J]. 中国人口·资源与环境， 2015， 25（9）： 100-107.
[30] 张学文， 陈劲. 使命驱动型创新： 源起， 依据， 政策逻辑与基本标准 [J]. 科学学与科学技术管理， 2020， 40（10）： 3-13.
[31]FROSCH R A， GALLOPOULOS N E. Strategies for manufacturing [J]. Scientific American， 1989， 261（3）： 144-53.
[32]董晓庆， 赵坚， 袁朋伟. 国有企业创新效率损失研究 [J]. 中国工业经济， 2014（2）： 97-108.
[33]江诗松， 龚丽敏， 魏江. 转型经济中后发企业的创新能力追赶路径：国有企业和民营企业的双城故事 [J]. 管理世界， 2011（12）： 96-115.
[34]田双双， 李强. 管理者私人收益、产权性质与企业环保投资：考虑制度压力的影响 [J]. 财会月刊， 2016（21）： 21-26.
[35]叶林， 宋星洲， 魏君言. 环境治理中的国有企业与政府互动模式研究：基于S市的调查 [J]. 上海行政学院学报， 2018， 19（2）： 100-111.
[36]BECK T， LEVINE R， LEVKOV A. Big bad banks：the winners and losers from bank deregulation in the United States [J]. Journal of finance， 2010， 65（5）： 1637-1667. [37]“中国工程院绿色制造发展战略研究”课题组。推进绿色制造 建设生态文明：中国绿色制造战略研究 [J]. 中国工程科学， 2017， 19（3）： 1-158.
[38]CHEN L， XU J， YUAN Z. Regulating the environmental behavior of manufacturing SMEs： interfirm alliance as a facilitator [J]. Journal of cleaner production， 2017， 165：393-404.
[39]周源， 劉怀兰， 廖岭， 等. 基于主题模型的技术预见定量方法综述 [J]. 科技管理研究， 2017， 37（11）： 185-196.
[40]BREM A， VOIGT K I. Integration of market pull and technology push in the corporate front end and innovation management insights from the German software industry [J]. Technovation， 2009， 29（5）： 351-367.
[41]JOHNSTONE N， HAI， POIRIER J， et al. Environmental policy stringency and technological innovation： evidence from survey data and patent counts [J]. Applied economics， 2012，44（17）：2157-2170.
[42]FABRIZI A， GUARINI G， MELICIANI V. Green patents， regulatory policies and research network policies [J]. Research policy， 2018， 47（6）： 1018-1031.
[43]NAMEROFF T， GARANT R， ALBERT M. Adoption of green chemistry： an analysis based on US patents [J]. Research policy， 2004， 33（6-7）： 959-974.
[44]ANTONIOLI D， BORGHESI S， D'AMATO A， et al. Analysing the interactions of energy and climate policies in a broad policy ‘optimality’framework： the Italian case study [J]. Journal of integrative environmental sciences， 2014， 11（3-4）： 205-224.
[45]韩超， 张伟广， 冯展斌. 环境规制如何 “去” 资源错配：基于中国首次约束性污染控制的分析 [J]. 中国工业经济， 2017（4）： 115-134.
[46]PIZA E L. Using poisson and negative binomial regression models to measure the influence of risk on crime incident counts [EB/OL]. Rutgers Centre on Public Security，2012[2020-02-21].https：//www.semanticscholar.org/paper/Using-Poisson-and-Negative-Binomial-Regression-to-Piza/087cea2406c9ea6e26d2c8c1b77617da75b0e9c9.
[47]梁龙. 印染废水何时清如许 [J]. 中国纺织， 2011（7）： 35-37.
[48]黎文靖， 路晓燕. 机构投资者关注企业的环境绩效吗：来自我国重污染行业上市公司的经验证据 [J]. 金融研究， 2015 （12）： 97-112.
[49]BAGUIO C B. Trimmed mean as an adaptive robust estimator of a location parameter for Weibull distribution [J]. World Academy of Science， Engineering and Technology， 2008， 42： 681-686.
[50]ANGRIST J D， PISCHKE J S. Mostly harmless econometrics： an empiricist's companion [M]. Princeton：Princeton University Press， 2008.
[51]石庆玲， 郭峰， 陈诗一. 雾霾治理中的“政治性蓝天”：来自中国地方“两会”的证据 [J]. 中国工业经济， 2016 （5）： 40-56.
[52]ROGGE K S， SCHLEICH J. Do policy mix characteristics matter for low-carbon innovation： a survey-based exploration of renewable power generation technologies in Germany [J]. Research policy， 2018， 47（9）： 1639-1654.
关键词 绿色产业政策;高质量发展;重污染行业;动态双重差分方法
企业的绿色创新同时面临着“创新驱动”与“环境治理”两个环节上的市场失灵[1]。为了解决“双重市场失灵”问题，地方政府在严格环境监管的同时，也会采用包括清洁生产技术清单、升级改造奖励、鼓励企业迁入工业园集中管理、评选绿色产品以及强制淘汰落后设备等绿色产业政策。前期产业经济学研究指出，这些绿色产业政策既保护地方产业的存续又实现了地方产业高质量发展的目标[2]。但是，在实践中地方政府实施的绿色产业政策能否真的推动产业高质量发展，实现创新与环境绩效的“双提升”？不同地方的绿色产业政策是否会带来异质性的政策效果？相关实证研究还非常有限。本研究基于1998—2013年期间中国企业专利数据库、工企数据库与企业排污数据库进行匹配，定量评价了地方性绿色产业政策的实施效果。研究对纺织行业实施的产业政策进行了系统的梳理，选择了14个在纺织行业实施绿色产业政策的城市，将这些城市在政策执行后所涉及的7 906个企业样本作为实验组，与中国没有受到政策冲击的79 082个企业样本进行比较。基于上述微观企业的面板数据研究，本文探讨绿色产业政策对于不同城市纺织产业创新和环境绩效的影响差异。
1 文献综述
1.1 产业高质量发展的内涵
“中国经济已由高速增长阶段转向高质量发展阶段”，是党的十九大对当前现代化经济发展阶段做出的基本战略判断。此后，“高质量发展”在学术讨论中成为热点词汇。可是由于这个词汇最初来源于政策文件，学界对于“高质量发展”内涵与边界暂时并没有达成广泛的共识。高培勇等[3]认为，高质量发展的内涵根植于当前中国社会发展的主要矛盾，具有鲜明的时代特征[4]。中国社科院提出高质量发展的内涵包括“经济结构和效率不断优化、经济发展的充分平衡、发展成果的为民所享、社会的公平公正”[5]。由此可知，虽然不同研究机构给出定义存在着表述的差异，但是这些对高质量发展内涵的解读都包含从单纯考虑经济发展目标向全面考虑多种经济、社会与环境多个目标的转变。因此，高质量发展的一个根本特征就是多维性，表现在战略方向上就是政策目标多元性[6]。实现多元目标的协调增长是实现经济高质量发展的必然要求。
在经济高质量发展的实现过程中，产业高质量发展具有基础地位[7]。产业的创新绩效和环境绩效是产业高质量发展的重要目标[8]，2018年中国工程院重大咨询项目“面向2035的绿色制造发展战略研究”指出，“产业高质量发展”意味着产业在不同阶段具有的不同发展目标：在短期内，产业高质量发展要求企业控制污染排放、减少对周边环境的影响;在长期尺度上，还要求相关企业研发新的绿色技术，从而适应中国环保标准的不断提升，增强企业在全球市场中的可持续发展竞争力[9]。简而言之，从工程科技的角度而言，产业高质量发展需要实现创新和环境目标之间的协同，在通过创新提升产业竞争力的同时，注重环境保护以促进产业的长期可持续发展。
为了实现产业的高质量发展，研究者需要深入了解创新治理与环境治理之间的相互影响[10]。一方面，创新治理被看作是降低环境污染的重要驱动力。政府推动企业技术创新，能够促进企业生产工艺的改进、清洁能源的使用、污染处理技术的提高，产业结构的优化升级，最终减少环境污染[11]。实证研究也证明，在中国大部分地区，提升科技创新能力对改善环境污染有较好的效果[12]。另一方面，严格的环境治理也有利于创新的产生[10]。经典波特假说认为，良好设计的环保政策能够促进企业进行技术创新，在长期内可以提升企业生产效率，增加企业竞争力[13]。这一假说在中国较发达地区得到了很好的实证支撑[14]。但是，以往“环境-创新”相互影响的研究中，往往将创新等同于企业的绿色技术采纳、污染治理设备投入等短期行为，忽视了企业以自身研发为代表的内生性创新行为。这些企业的研发行为很难受到外部环境规制压力的驱动[15-16]。
本研究所关注的产业高质量发展，并不只是要求企业采纳已有的绿色技术，而更加关注的是企业能否形成自主创新能力，并推动自身可持续发展。因此，如何将政府的作用发挥好，将有限的政策工具进行优化组合、充分使用，解决重点行业的高质量发展问题，还需要产业政策研究者与实际政策制定者不断探索、持续积累与经验总结。
1.2 绿色产业政策的特征与理论演化
绿色产业政策是产业政策与环境管理交叉而衍生出的概念，在国际上有着长期的探讨（见表1）。基于产业经济学对产业政策的定义，本文将绿色产业政策定义为中央或地方政府出于推动环境与产业协同发展的目标而干预产业活动的政策组合。长期以来，绿色产业政策在世界各国推动产业发展中都扮演重要角色，在产业宏观结构的绿色变革中起到了关键引导与推动作用[17-18]。 绿色产业政策是对传统产业政策的修正和发展，其政策目标不仅是经济增长，也是调整经济的发展方式实现经济发展和环境保护在长期的和谐统一。本文认为，相比于传统环境政策和产业政策，绿色产业政策具有明显的优势。从环境创新的视角来看，产业环境绩效和创新绩效之所以难以协同是因为同时存在创新的正外部性和环境污染的负外部性问题，这两种市场失灵因素交织在一起共同导致社会整体的绿色创新不足，被称为“双重市场失灵”[22]。环境政策只能促使企业将污染的外部成本内部化，但是企业依然面临着创新的收益溢出问题，当收益无法弥补成本时企业可能会选择退出市场[15]，而不一定选择技术创新。尤其是大量小企业退出市场[23]，可能破坏地方产业链结构，不利于地方产业的持续发展。相反，传统产业政策只能为创新提供正向激励，但是无法激励企业将污染的外部性内部化。绿色产业政策实际上是产业政策及环境政策在政策目标和政策工具上的结合与统一，将两个目标综合考虑，互相协调配合，执行中还能减少不同主管部门之间各自为政和相互推诿，对于环境和创新目标有更好的协同效果[24]。
国内关于绿色产业政策的研究主要关注的是政策体系的梳理。李晓萍等将中国的绿色产业政策发展分为重发展轻环保（1978—1999年）、绿色产业政策萌芽（2000—2011年）、綠色产业政策初步发展（2012年至今）三个阶段[25]。在此背景之下，经济和环境政策目标之间的协调性日益受到重视，各个政府层级以及各个主管部门针对产业的可持续发展出台了大量的政策。其中包含了各种的命令-控制型政策工具、市场化工具、信息和自愿协商型政策工具以及它们之间的相互组合，构成了日益复杂的绿色产业政策体系。比如，中国由中央政府及其直属机构颁发的，针对新能源产业的绿色产业政策截至2013年已经达到23份，数量居主要国家前列，并且政府在规范条例、金融支持、宣传教育和平台建设等多个政策工具维度都有较为全面的应用和布局[26]。
但是，当前中国实施的绿色产业政策缺乏相关实证研究，尤其缺少对政策多目标协同特征的探讨。已有政策评估研究在对多目标进行评估时往往将多维政策目标压缩为一维以便于不同地区之间的比较，比如选取全要素生产率等单一的综合性评价指标[27-28]，或者将多维指标以一定的权重加总[4， 29]。这样不利于加深对于不同政策目标之间内在关系的认识。而且，在多目标协同的背景下，不同指标之间按权重相加无法真正反映当地的发展质量，因为某一项指标的突出表现无法弥补另一项指标的不足。周源等人对湖州绿色产业政策进行了多目标的评价[2]，初步弥补相关实证研究的不足。但是，该研究只关注湖州的绿色产业政策实施效果，没有对更大范围的绿色产业政策整体绩效进行评估。相关实证研究的缺乏，限制政策研究者与制定者对已实施政策效果的估计，也减缓了相关政策迭代与完善。为了弥补这些不足，本文将研究范围确定为全国的市级绿色产业政策，并且综合了中国工业企业数据库、企业排污数据库、专利数据库多个数据源，为绿色产业政策提供了较为全面的多维指标定量评估基础。
总的来说，当前绿色产业政策的研究尚存不足。政策研究者不但要描述产业政策工具之间的组合方式，也需要评价政策在不同维度上的实施绩效，由此判断政策是否通过系统地设计最终实现了设计之初所期望的多目标。同时，在政策组合理论和实践的互通过程中，还需考虑更加广泛的社会、政治和经济因素的影响，包括治理层级、产业特征、地理区域与企业特征等多个维度。本文认为绿色产业政策在促进创新和环境协调发展上具有显著的优势。但绿色产业政策的实际效果如何，还需要以实证为基础的评估。具体需要细分为两类问题，分别是：①绿色产业政策能否促进产业的创新发展？②绿色产业政策能否促进产业的绿色发展？
对于问题一，主要理论探讨来自前期的产业政策研究;Lütkenhorst等[20]指出产业政策的目标就是强调生产力的提高，即通过将资源分配到新技术转化和推广，提高单位资本和人力投入回报率，最终在宏观上实现经济的增长。也有学者从使命创新的角度对产业政策的创新影响进行解读。比如，政府可以通过对基础设施、技术研发、技术推广和商业化的各个阶段进行投入，从而在全新的市场和部门上，扮演者企业家、风险承担者和市场创造者[30]，促进企业创新。因此，在环境治理领域，政府实施绿色产业政策能够对创新起到促进作用;为此，本文提出第一个假设。
假设1：绿色产业政策能够提升企业创新绩效。
其次，对于问题二，已有研究阐述了产业政策对于环境绩效的影响机制。相比于传统的通过末端治理来降低资源、能源的消耗水平，绿色产业政策通过推动清洁生产技术研发与应用、开发绿色工艺与绿色产品、持续改进跨企业的物质流与能量流等多种方式，最终提升整个产业链的环境绩效[2， 31]。继而，本文提出第二个假设。
假设2：绿色产业政策能有效提升企业的环境绩效。
此外，不同的企业属性也会对绿色产业政策发挥的作用产生影响。已有研究表明，由于具有更大的寻租风险和更少的市场竞争经验，国企在创新能力和创新效率方面相比于非国有企业有着较为明显的差距[32-33]，因此在同样受到绿色产业政策的影响时，非国有企业相比于国有企业可能获得更大的创新绩效提升。
假设3：绿色产业政策对非国有企业的创新绩效作用更加显著。
同时，不同属性的企业对于环保进行投资的敏感性也不同。由于非国有企业管理者的私人收益和环保投资联系更加紧密，增加环保投资对于管理者私人收益负面影响更大，因此非国有企业对于环保投资的积极性往往低于国有企业[34]。不仅如此，国有企业作为各级政府职能的延伸，是环境政策的主要承接者[35]，受到更大的政策压力的影响。在绿色产业政策出台后，国有企业有更大的积极性对环保要求进行回应和投入[36]。因此，本文提出的第四个假设。
假设4：绿色产业政策对国有企业的环境绩效作用更加显著。 2 研究方法
2.1 案例选择与政策梳理
本文首先在产业选择与政策梳理两个方面做了相应的工作。在产业选择方面，研究者选择了中国纺织产业作为代表性研究对象。据统计，2017年水泥、纺织、钢铁、冶炼等传统重化工行业消耗了中国超过42%的能源，排放了超过中国97%的工业二氧化硫[37]。同时，中国纺织等传统产业具有减排潜力大、企业监测与运营数据完整、对社会经济影响深入、产业政策出台针对性强等多方面的特征。这些特征为重污染行业研究提供了实际的案例[38]。
基于产业选择，研究者进一步在政策数据库中识别了自改革开放以来中国在纺织工业环境保护方面曾经正式实施了104条政策文本，在排除国家级与省级政策以后。又经过两轮的小规模专家讨论，最终识别出在2006—2013年间，南通、泰州、苏州、济南、威海、淄博、宁波、盐城、潍坊、湖州、佛山、安庆、青岛共14个城市在纺织行业实施了绿色产业政策。
2.2 政策文本与专利内容分析
在政策梳理之后，本文进一步对于政策和专利内容进行内容分析，以进一步描绘政策与企业创新活动的具体内容。在本文中，我们采用数据挖掘与可视化方法对这些绿色产业政策包含的政策工具组合进行分析。对于企业创新专利，本文根据本课题组的前期研究，采用自然语言分析中的主题模型（topic model），进行了初步的挖掘与分析[39]，帮助研究者更加深入了解绿色产业政策的内涵、以及企业在政策影响下创新行为的变化。
2.3 指标选择、数据匹配与模型描述
2.3.1 指标选择与数据匹配
为了验证上述假设，本研究需要分别明确衡量企业的创新与环境绩效的具体指标。在前期研究中，Brem等[40]用研发投入来衡量创新绩效，Johnstone等[41]、 Fabrizi等[42]采用专利数据来表征企业对于绿色技术中的研发与创新绩效。为了更好地衡量企业的创新成果，本文采用企业的专利累积申请量（Patent）作为企业创新绩效的衡量指标;在环境绩效方面，Nameroff等[43]用环保装备投入量表征了企业对于绿色技术投入的实施环节，Antonioli等[44]采用污染排放量来衡量意大利建筑产业的技术发展，而周源等[2]综合了绿色技术采纳的创新特征与企业运行特征，采用污染排放强度来衡量企业采纳绿色技术的绩效。根据这些前期研究，本文采用企业化学需氧量排放强度（COD_DI）作为企业环境绩效的衡量指标，COD_DI的计算如公式（1）所示，可以想象企业COD_DI的下降，恰恰意味着企业采用了新的装备或者新的技术减少了自己的污染，而并不是简单的关停设备，导致产业因为环保要求而无法生产。
3 实证结果分析
3.1 中国纺织产业绿色发展的现状描述
3.1.1 中国纺织行业地方性绿色产业政策描述
经过政策筛选，本研究识别了14个城市，在1998—2013年间实施的绿色产业政策。为了展示政策包含的内容，本文通过文本分析，对不同城市的绿色产业政策工具进行梳理。根据前期的研究，本文将政策工具分为需求拉动与技术推动型政策。其中，需求性政策包括了提供金融支持、设立产业园区（含示范项目）、设定减排目标、调整组织结构四类;而技术推动项目包括鼓励创新、推广先进技术和淘汰落后技术三类。如图1所示，尽管筛选出的14城市出台的政策都被称之为绿色产业政策，但是其中包含的政策工具数量和种类并不相同，其中湖州、苏州等五个城市采用全部7种政策工具，而其他城市选择性采用了不同的政策工具组合。
3.1.2 中国纺织产业绿色发展的总体情况
在数据分析方面，本研究首先对纺织企业的整体数据进行了可视化分析。如图2所示，本研究采用了散点图展示企业的化学需氧量（COD）排放与工业总产值，每个观测点代表了在对应时间范围内，企业的废水中化学需氧量（COD）排放总量的平均值与工业总产值的平均值。结果如图2所示，相比于1998—2003年企业的发展绩效（图2（A）），2004—2008年间企业的总产值有了显著的提升，同时观测样本的污染排放也呈现出上升趋势（图2（B））;而相比于图2（B），在图2（C）中，2009—2013年期间观测样本的工业总产值继续增长，但是企业的COD排放总量出现了明显的下降。总的来看，观测样本的总体变化，说明随着时间的推移，中国纺织企业在总体上实现了环境绩效的提升。
此外，本研究在匹配数据的基础上，对纺织产业1998—2013年间的产值、专利累积申请量、废水与废气排放进行了分析。如图3所示，研究将企业按照实施绿色产业政策与未实施绿色产业政策的城市，分为两个组进行比较研究。
如图3（A）所示，本研究中执行绿色产业政策的城市只有14个，而未执行产业政策的城市多达412个，但是有政策城市的纺织企业总产值往往占到其他城市纺织产业产值的30%～50%，而且这些有政策城市的企业平均产值也稳定高于其他城市企业，说明在这些有政策的城市中纺织产业具有较大的规模，对于城市的经济发展具有更加重要的作用;其次，如图3（B）所示，从企业数量上看，可以发现有政策城市中总的纺织企业数量只有其他城市紡织企业数量的20%～30%，而有政策城市中纺织企业平均的专利累积申请量明显高于其他城市纺织企业的专利累积申请量。其中，2013年有政策城市中企业专利申请量是无政策城市企业专利申请量的6倍;在企业排污方面，如图3（C）所示，有政策城市中企业的平均COD排放总量略高于无政策城市的企业，一方面说明与企业产值的变化趋势相一致，在科技水平没有明显提升的情况下，总产值越高的地区其相应的污染排放越严重;但是，图3（C）同时显示，随着中国在环境保护压力的不断提升，所有城市COD排放强度持续下降，其中有政策城市纺织企业的排放强度更是发生了明显下降;此外，本研究还展示了烟尘的排放强度变化，如图3（D）所示，随着时间发展，企业的烟尘排放强度也发生了相应的下降，但是实验组和对照组企业之间区别并不显著。 3.1.3 基于主题模型的专利内容分析
本文依据专利申请企业是否受到绿色产业政策的冲击，将所有实用新型专利分为两类，分别为未受到绿色产业政策冲击企业所申请的专利，以及受到绿色产业政策冲击企业所申请的专利。
表2所示，通过主题模型方法，分别对两类专利进行分析，可以发现，相比于未受到政策冲击的企业，受到绿色产业政策冲击的企业申请主题有明显的不同。未受到政策冲击的企业，其技术改进方向更加侧重于传统的能源系统、纺织装备、纺织面料、工艺与辅料的开发;而绿色产业政策冲击下的企业专利的主题表现出两个显著不同的特征。其一，企业更加关注染色这一个纺织的重污染环节，因为该环节占据了纺织废水排放的80%[47];其二，企业更加关注典型环保技术，由表2可知，企业专利申请会更加集中在废水回收、过滤等与环境技术相关技术上。因此，采用基于自然语言分析的主题模型方法，为本研究中环境政策的作用效果提供了新的维度，为绿色产业政策的实施效果提供了新的证据。
总的来看，近十年来，纺织行业的创新绩效和环境绩效都得到了改善与提升。其中，比较有绿色产业政策与无绿色产业政策城市中纺织企业的创新与环境绩效，可以发现相比于无绿色产业政策的城市，实施绿色产业政策的城市中企业的创新与环境表现都发生了更多的提升，其行业创新的内容也发生了实质性变化。
3.2 地区性绿色产业政策对纺织产业绩效的影响
如表3所示，经过数据清洗，在1998—2013年间，以专利积累量为计，符合条件的企业样本观测量共计86 988条，其中受到政策冲击的样本7 906条，占到总体样本数量9.1%。同时，研究将企业的产值作为控制变量，而将企业属性作为调节变量，将国有企业设定为1，而非国有企业设定为0。
3.2.1 基于固定效应模型的政策评估
基于上述研究变量，固定效应模型的回归结果如表4所示。其中，模型（1）至模型（3）负二项回归模型进行估计，主要展示的是绿色产业政策对企业专利申请积累量的影响。回归结果显示，城市实施绿色产业政策能够显著提升当地企业专利累积申请量（P-value < 0.01），而且无论是额外考虑城市，时间或者企业固定效应都不会改变这种提升效果。同时，这些模型还考虑了企业属性对于政策效果的调节效应。从模型（1）到模型（3）中，可以发现企业的所有权是否属于国企与非国企，对于绿色产业政策创新绩效的调节作用并不显著，说明绿色产业政策对国企和非国企的创新绩效提升作用没有显著差异。
另一方面，从模型（4）到模型（6）主要展示的是绿色产业政策对企业污染排放强度的影响。回归结果显示，城市实施绿色产业政策能够显著降低当地企业的污染排放强度（P-value<0.01），无论是否考虑企业、时间与城市固定效应，这种显著降低依旧保持稳健。同时，这四个模型还考虑了企业所有权对于政策效果的调节作用，发现政策对于不同企业属性的影响是不同的。绿色产业政策对国有企业的环境绩效提升会比非国有企业更多。该研究结论与前期研究结论保持一致，即国有企业在制度压力之下更加有动力追求环境绩效[48]。
此外，本文还使用了企业的烟尘排放强度的对数值ln（Smoke_EI）作为安慰剂检验，其中煙尘指的是燃煤和工业生产过程中排放出来的固体颗粒物，而烟尘排放强度指的是企业实现单位产值所排放的烟尘量。如表4的模型（7）所示。回归结果显示，受到绿色产业政策冲击的企业，其烟尘排放强度并没有受到明显影响。这说明针对纺织行业的绿色产业政策具有专一性。这些绿色产业政策并非一个通用的环境规制，而是根据纺织行业水资源消耗大，水污染严重的产业特征所制定的针对性政策。
3.2.2 基于动态双重差分的政策评估
本研究采用了动态双重差分方法，克服了不同城市实施绿色产业政策时间不一致的问题。如表5 所示，对于环境绩效（COD_DI）来看，实验组与对照组在绿色政策实施前，并不存在显著性差异;在实施后第一年（Dft1），实验组与对照组之间的环境绩效没有出现显著差异，政策实施以后第二年与第三年，受到政策冲击的企业的排污强度开始显著低于未受到政策冲击的企业。根据Lütkenhorst 等[20]研究，由于绿色产业政策与单纯环境规制并不相同，不是以关停为主要手段，而是通过推广清洁生产的设备，逐步替换落后产能，实现环境绩效的持续提升。这意味着绿色产业政策所导致的环境绩效提升并非立竿见影的效果，而是一个长期稳定的变革，与本研究结果相符合;而从专利累积申请量指标（Patents）变化情况来看，在绿色产业政策实施前，实验组与对照组的企业之间并没有显著的绩效差别，但是随着绿色产业政策的实施，受到政策冲击的观测样本在专利累积申请量方面有显著提升。这表明绿色产业政策可能是通过提升了企业的创新能力改善了企业的环境绩效。
同时，我们参考Baguio[49]的研究，为了检验了绿色产业政策的动态效果的稳健性。本研究对数据进行截尾处理，去掉了环境绩效和创新绩效最低5%和最高5%的样本。结果如表5所示，在截尾处理后，政策对于企业的环境绩效和创新绩效的影响与截尾处理前的研究结果保持一致，说明了绿色产业政策影响效果的稳健性;此外，为了验证绿色产业政策的针对性，我们也采用烟尘排放强度的对数值作为安慰剂检验的指标。安慰剂检验的结果可以发现尽管烟尘强度在政策执行后第二年出现了显著性的下降，但是在政策实施前，实验组的企业样本已经显著低于对照组，不符合双重差分方法平行趋势的前提假设。因此，本研究所涉及的绿色产业政策并不是烟尘强度变化的原因。
总体而言，通过应用动态双重差分方法，本文在固定效应模型基础上，进一步确认了绿色产业政策对于企业绩效与环境绩效存在着显著的提升效果。
3.2.3 基于多次双重差分的政策评估
本文采用了多次双重差分的评价方法，评估每个城市绿色政策的执行效果，即对每个执行绿色产业政策的城市作为实验组，以及将所有未实施产业政策的城市作为对照组，逐一比较每个城市实施绿色产业政策的效果。参考Angrist等[50]的研究，本研究对于每个受到绿色产业政策冲击的城市都进行了平行趋势假设的检验。总体来看，在本研究中，政策执行前实验组与对照组企业的专利累积申请量与环境排污值，并不存在着显著的差别。该结论意味着政策执行前，实验组与对照组之间符合平行趋势假设，可以采用多次双重差分方法，评价城市受到绿色产业政策冲击的程度，多次双重差分的分析结果如图4所示。 如图4所示，我们将环境绩效与创新绩效两个维度进行整合，形成了以环境绩效与创新绩效为主要分析维度的产业政策实施效果四象限。通过四象限，研究者可以更加直观的识别不同城市绿色产业政策实施效果之间存在的异质性。总的来说，实施绿色产业政策对于少数城市的创新绩效和环境绩效都有显著的提升效果，大多数城市仅仅提升了创新或者环境绩效中的两者中的一种。此外，还有少数城市无论是在环境绩效，还是在创新绩效方面都没有得到显著提升。
4 结论与启示
根据上一章对实证研究结果的分析，本研究认为，绿色产业政策能够达到企业创新绩效与环境绩效“双提升”的设计目标，推动产业高质量发展。但是，绿色产业政策在不同城市的效果存在着异质性。
从政策实施效果看，绿色产业政策并不会像环境规制一样，立竿见影地改变企业的环境绩效，而是在政策实施的一段时间后，才会逐渐发挥作用。该研究结果与李晓萍等人对于绿色产业政策的研究结论是相一致的，即绿色产业政策是通过调整产业结构，推动产业的绿色发展与转变[25]。这意味环境规制与绿色产业政策有各自的适用范围。如果是为了在短期内解决环境污染问题，实现环境绩效的显著改善，那么地方政府需要坚持使用“最严格制度最严密法治保护生态环境”;而如果要考虑在更长时期实现产业环境与经济绩效的协同发展，则需要更加重视对绿色产业政策的使用，从而引导产业在更高的环保要求下实现可持续发展。
本研究为环境管理带来了新的启示。以往环境治理往往更加依赖命令控制型的“一刀切”政策。在产业发展受到政策冲击后，再实施产业引导政策，弥补“一刀切”政策带来的负面影响。这种传统治理路径往往会导致在环境规制放松后，企业的报复性生产与周边环境质量的突然下降[51]。因而，一个好的政策组合，从战略层面上就要求具有协调性。这意味着在同时期采用的政策工具之间不能出现矛盾，而且不同时期采用的政策工具之间需要进行恰当的前后銜接[52]。因此，更为合适的方式反而是使用前瞻性的绿色产业政策进行整体布局，然后随着绿色产能的逐步壮大，再通过提高环境标准，加强环境规制等综合手段，加快淘汰落后产能，为绿色产能提供市场需求，最终实现区域经济与环境的协调发展。
综上所述，实现产业高质量发展，是中国制造业“由大变强”的重要任务，也是中国构建现代化经济体系的重要标志。但是，在当前的环境治理中，政府更多采用的是简单易行的命令控制型环境规制方法，对于绿色产业政策的使用与探讨还不够充分。本文以1998—2013年间，中国纺织企业的运营、排污与专利数据作为研究基础，系统评价了中国地方政府实施的绿色产业政策的政策效果。研究认为，绿色产业政策能够引导企业在可持续发展领域开展积极探索与创新，并且提升企业的环境绩效。研究提出，需要识别不同类型政策工具在环境管理中的实施效果与作用机制，为更加合理的进行政策组合，因地制宜的推动中国重污染行业高质量发展提供理论与实践的支撑与供给。
参考文献
[1]JAFFE A B， NEWELL R G， STAVINS R N. A tale of two market failures： technology and environmental policy [J]. Ecological economics， 2005， 54（2/3）： 164-74.
[2]周源， 张晓东， 赵云， 等. 绿色治理规制下的产业发展与环境绩效 [J]. 中国人口·资源与环境， 2018， 28（9）： 82-92.
[3]高培勇，杜创，刘霞辉，等.高质量发展背景下的现代化经济体系建设：一个逻辑框架[J]. 经济研究， 2019， 54（4）： 6-19.
[4]马茹， 罗晖， 王宏伟， 等. 中国区域经济高质量发展评价指标体系及测度研究 [J]. 中国软科学， 2019（7） ： 60-67.
[5]赵剑波， 史丹， 邓洲. 高质量发展的内涵研究 [J].经济与管理研究， 2019， 40（11）： 15-31.
[6]金碚. 关于“高质量发展”的经济学研究 [J]. 中国工业经济， 2018（4）： 5-18.
[7]任保平， 文丰安. 新时代中国高质量发展的判断标准、决定因素与实现途径 [J]. 改革， 2018（4）： 5-16.
[8]宋晓娜， 张峰. 高质量发展下工业发展质量测度及趋势研究 [J]. 软科学， 2019， 33（12）： 36-41.
[9]工信部节能与综合利用司. 节能与综合利用司赴中国工程院对接推进第四期绿色制造重大研究课题 [J]. 表面工程与再制造， 2018， 18（6）： 17.
[10]CARRION-FLORES C E， INNES R. Environmental innovation and environmental performance [J]. Journal of environmental economics management， 2010， 59（1）： 27-42.
[11]罗良文， 李珊珊. 技术进步、产业结构与中国工业碳排放 [J]. 科研管理， 2014， 35（6）： 8-13.
[12]WANG X， LUO Y. Has technological innovation capability addressed environmental pollution from the dual perspective of FDI quantity and quality： evidence from China [J]. Journal of cleaner production， 2020， 258： 120941.
[13]PORTER M E， LINDE C V D. Toward a new conception of the environment-competitiveness relationship [J]. Journal of economic perspectives， 1995， 9（4）： 97-118. [14]王国印， 王动. 波特假说、环境规制与企业技术创新：对中东部地区的比较分析 [J]. 中国软科学， 2011（1）： 100-112.
[15]刘悦， 周默涵. 环境规制是否会妨碍企业竞争力：基于异质性企业的理论分析 [J]. 世界经济， 2018， 41（4）： 152-169.
[16]张根文， 邱硕， 张王飞. 强化环境规制影响企业研发创新吗：基于新《环境保护法》实施的实证分析 [J]. 广东财经大学学报， 2018， 33（6）： 80-88.
[17]ROGGE K S， REICHARDT K. Policy mixes for sustainability transitions： an extended concept and framework for analysis [J]. Research policy， 2016， 45（8）： 1620-1635.
[18]ALTENBURG T， ASSMANN C， RODRIK D， et al. Green industrial policy： concept， policies， country experiences [M].Geneva： UN Environment and German Development Institute， 2017.
[19]HALLEGATTE S， FAY M， VOGT-SCHILB A. Green industrial policies： when and how [M].Washington DC：The World Bank， 2013.
[20]LüTKENHORST W， ALTENBURG T， PEGELS A， et al. Green industrial policy： managing transformation under uncertainty [R]. 2014.
[21]PEGELS A. Green industrial policy in emerging countries [M]. London：Routledge， 2014： 13-20.
[22]JAFFE A B， NEWELL R G， STAVINS R N. A tale of two market failures： technology and environmental policy [J]. Ecological economics， 2005， 54（2-3）： 164-74.
[23]DEAN T J， BROWN R L J A O M J. Pollution regulation as a barrier to new firm entry： initial evidence and implications for future research [J]. 1995， 38（1）： 288-303.
[24]HOWLETT M， VINCE J， DEL RIO P J P， et al. Policy integration and multi-level governance： dealing with the vertical dimension of policy mix designs [J]. Politics and governance， 2017， 5（2）： 69-78.
[25]李曉萍， 张亿军， 江飞涛. 绿色产业政策：理论演进与中国实践 [J]. 财经研究， 2019， 45（8）： 4-27.
[26]卢超， 尤建新， 戎珂， 等. 新能源汽车产业政策的国际比较研究 [J]. 科研管理， 2014， 35（12）： 26-35.
[27]贺晓宇， 沈坤荣. 现代化经济体系、全要素生产率与高质量发展 [J]. 上海经济研究， 2018（6）： 25-34.
[28]阙澄宇， 李金凯， 程立燕. 高质量发展下如何推进汇率市场化与资本账户开放：来自134个经济体的经验证据 [J]. 财经研究， 2019， 45（5）： 4-15，43.
[29]潘竟虎， 胡艳兴. 中国城市群"四化"协调发展效率测度 [J]. 中国人口·资源与环境， 2015， 25（9）： 100-107.
[30] 张学文， 陈劲. 使命驱动型创新： 源起， 依据， 政策逻辑与基本标准 [J]. 科学学与科学技术管理， 2020， 40（10）： 3-13.
[31]FROSCH R A， GALLOPOULOS N E. Strategies for manufacturing [J]. Scientific American， 1989， 261（3）： 144-53.
[32]董晓庆， 赵坚， 袁朋伟. 国有企业创新效率损失研究 [J]. 中国工业经济， 2014（2）： 97-108.
[33]江诗松， 龚丽敏， 魏江. 转型经济中后发企业的创新能力追赶路径：国有企业和民营企业的双城故事 [J]. 管理世界， 2011（12）： 96-115.
[34]田双双， 李强. 管理者私人收益、产权性质与企业环保投资：考虑制度压力的影响 [J]. 财会月刊， 2016（21）： 21-26.
[35]叶林， 宋星洲， 魏君言. 环境治理中的国有企业与政府互动模式研究：基于S市的调查 [J]. 上海行政学院学报， 2018， 19（2）： 100-111.
[36]BECK T， LEVINE R， LEVKOV A. Big bad banks：the winners and losers from bank deregulation in the United States [J]. Journal of finance， 2010， 65（5）： 1637-1667. [37]“中国工程院绿色制造发展战略研究”课题组。推进绿色制造 建设生态文明：中国绿色制造战略研究 [J]. 中国工程科学， 2017， 19（3）： 1-158.
[38]CHEN L， XU J， YUAN Z. Regulating the environmental behavior of manufacturing SMEs： interfirm alliance as a facilitator [J]. Journal of cleaner production， 2017， 165：393-404.
[39]周源， 劉怀兰， 廖岭， 等. 基于主题模型的技术预见定量方法综述 [J]. 科技管理研究， 2017， 37（11）： 185-196.
[40]BREM A， VOIGT K I. Integration of market pull and technology push in the corporate front end and innovation management insights from the German software industry [J]. Technovation， 2009， 29（5）： 351-367.
[41]JOHNSTONE N， HAI， POIRIER J， et al. Environmental policy stringency and technological innovation： evidence from survey data and patent counts [J]. Applied economics， 2012，44（17）：2157-2170.
[42]FABRIZI A， GUARINI G， MELICIANI V. Green patents， regulatory policies and research network policies [J]. Research policy， 2018， 47（6）： 1018-1031.
[43]NAMEROFF T， GARANT R， ALBERT M. Adoption of green chemistry： an analysis based on US patents [J]. Research policy， 2004， 33（6-7）： 959-974.
[44]ANTONIOLI D， BORGHESI S， D'AMATO A， et al. Analysing the interactions of energy and climate policies in a broad policy ‘optimality’framework： the Italian case study [J]. Journal of integrative environmental sciences， 2014， 11（3-4）： 205-224.
[45]韩超， 张伟广， 冯展斌. 环境规制如何 “去” 资源错配：基于中国首次约束性污染控制的分析 [J]. 中国工业经济， 2017（4）： 115-134.
[46]PIZA E L. Using poisson and negative binomial regression models to measure the influence of risk on crime incident counts [EB/OL]. Rutgers Centre on Public Security，2012[2020-02-21].https：//www.semanticscholar.org/paper/Using-Poisson-and-Negative-Binomial-Regression-to-Piza/087cea2406c9ea6e26d2c8c1b77617da75b0e9c9.
[47]梁龙. 印染废水何时清如许 [J]. 中国纺织， 2011（7）： 35-37.
[48]黎文靖， 路晓燕. 机构投资者关注企业的环境绩效吗：来自我国重污染行业上市公司的经验证据 [J]. 金融研究， 2015 （12）： 97-112.
[49]BAGUIO C B. Trimmed mean as an adaptive robust estimator of a location parameter for Weibull distribution [J]. World Academy of Science， Engineering and Technology， 2008， 42： 681-686.
[50]ANGRIST J D， PISCHKE J S. Mostly harmless econometrics： an empiricist's companion [M]. Princeton：Princeton University Press， 2008.
[51]石庆玲， 郭峰， 陈诗一. 雾霾治理中的“政治性蓝天”：来自中国地方“两会”的证据 [J]. 中国工业经济， 2016 （5）： 40-56.
[52]ROGGE K S， SCHLEICH J. Do policy mix characteristics matter for low-carbon innovation： a survey-based exploration of renewable power generation technologies in Germany [J]. Research policy， 2018， 47（9）： 1639-1654.