創新驅動、知識產權保護與空氣質量提升

黨海卿 沈坤榮 師博

摘要 “十二五”以來，大范圍長時間的霧霾污染問題已經成為制約中國高質量發展和生態文明建設的主要瓶頸。面對經濟發展和環境治理的壓力，創新和技術進步是實現經濟增長和空氣質量提升的雙贏選擇。該研究基于2004—2019年282個地級以上城市的專利存量和PM2. 5濃度數據，通過構建知識產權行政保護和公共創新環境兩個工具變量，采用兩階段最小二乘法分析了創新對霧霾污染的影響效應和作用機制。研究表明：使用空氣流動系數、逆溫天數和降雨量等氣候因素控制霧霾的空間擴散后，綠色創新和非綠色創新均能顯著地減輕霧霾污染。納入工具變量后發現，發明專利和實用新型專利的治霾效果更為明顯，非綠色專利的治霾效應超過了綠色專利。異質性分析顯示，東中部城市創新的霧霾治理效果相對較為強勁，2012年以后創新抑制霧霾的效應得以強化；人力資本豐富、市場化程度更高的城市，創新更有助于降低PM2. 5。中介機制檢驗表明，綠色專利能夠通過工業綠色轉型和能源效率提升兩種途徑實現創新治霾的前端防治與末端治理，而非綠色專利借助配置效率改進發揮作用。上述結論在更換指標、考慮霧霾污染的空間溢出效應等一系列穩健性檢驗后依舊成立。基于實證結果，提出以下政策建議：地方政府應強化知識產權保護制度，增加對綠色技術創新的投入力度和激勵政策，鼓勵生態層面的高質量創新產出，改善城市空氣質量。

關鍵詞 綠色專利；非綠色專利；PM2. 5；中介效應

中圖分類號 F062 文獻標志碼 A 文章編號 1002-2104（2023）07-0133-12 DOI：10. 12062/cpre. 20230117

新中國成立70年以來，經濟發展成就斐然，經濟總量躍居全球第二，然而經濟高速增長的背后卻伴隨著資源的過度消耗和高昂的環境代價。根據《2021中國生態環境狀況公報》，中國339 個地級以上城市中仍有121 個（35. 7%）城市環境空氣質量超標，比2020 年下降了3. 5個百分點。“十二五”以來，中國的北方地區在秋冬季節經歷了多次長時間、大范圍的霧霾污染事件。已有研究從不同視角出發，考察了霧霾對經濟增長［1］、糧食減產［2］、人才流失或人口遷移［3-4］、健康或死亡率［5-6］、勞動生產率或全要素生產率［7-8］等方面的影響。上述研究發現，以霧霾為主的空氣污染已經成為制約高質量發展和生態文明建設的藩籬。面對日益嚴峻的大氣污染問題，黨和政府對環境污染和生態文明建設的重視程度不斷提升。2013年9月國務院頒布了《大氣污染防治行動計劃》。十九大報告中又提出“堅持全民共治、源頭防治，持續實施大氣污染防治行動，打贏藍天保衛戰。”2022年《政府工作報告》中再次強調“深入打好污染防治攻堅戰，強化大氣多污染物協同控制和區域協同治理。”

創新和技術進步被認為是轉變經濟發展方式、推進生態文明建設和促進環境治理的有效抓手。通過創新激勵政策抑制霧霾污染可能產生與環境規制手段不同的治理效果。不論是以創新推進工業綠色轉型、提升能源效率和全要素生產率的污染前端防治，還是以污染治理技術創新為代表的末端治理，都能實現生態保護和經濟發展的雙贏格局。為解決嚴重的空氣污染問題，中國政府大幅增加了科技研發投入和環境治理投資，加快推進科技進步。2021年中國的R&D經費投入為27 864億元，占GDP 比重達到2. 44%，已接近OECD 國家疫情前2. 47%的平均水平。根據世界知識產權組織（WIPO）2021年公布的全球創新指數（GII）顯示，中國科技創新能力在132個經濟體中位列第12位，穩居中等收入經濟體首位。已有文獻中，技術進步通常被劃分為清潔技術與非清潔技術兩類［9］。作為衡量清潔技術創新的重要維度，涵蓋節約資源、提高能效、治理污染等領域的綠色創新是實現霧霾污染治理和保護生態環境的重要渠道之一，非清潔技術創新則有可能刺激企業產出增加，間接導致霧霾生成源頭的擴張，不同技術含量、不同綠色水平的創新可能呈現出差異化的治霾效果。同時，創新與霧霾污染存在雙向因果效應，創新能夠降低霧霾污染，霧霾污染也會通過降低人力資本抑制創新，或刺激環境政策收緊激勵研發產出。因此，該研究在兩階段最小二乘法的框架下分析異質性創新的治霾效應和作用機制，對于推動中國經濟與生態環境和諧發展具有重要的現實意義。

1 文獻評述與理論假說

1. 1 文獻評述

環境庫茲涅茨曲線（EKC）假設一個國家的人均收入與環境污染之間呈現倒“U”型關系［10］。EKC的一個重要貢獻是證明了存在提高環境質量的收入效應，即隨著人均收入的增加，環境監管的嚴格程度也在增加，創新和技術進步足以抵消經濟增長對環境的不利影響。顯而易見，環境規制與技術進步是降低霧霾污染的兩個關鍵驅動因素。

關于環境規制與空氣污染的研究早已層見疊出。環境規制治理空氣污染可能存在兩種渠道：第一種渠道是環境規制的直接減排效應，即企業選擇關閉部分高污染生產項目，轉而將資金配置到高回報、低污染的業務項目［11-12］；第二種則遵循波特假說，認為適當的環境規制會誘發企業創新，通過抵消部分環境規制成本，達到實現提升環境質量和促進經濟發展的雙贏結果［13-14］。然而，也有研究發現環境規制治理污染可能存在不確定性。企業在面臨日益增強的規制程度時，不僅會通過創新降低環境治理成本，還可能選擇跨地遷移至規制程度較低的地區［15-17］。王伊攀等［18］通過研究重污染企業設立異地子公司行為，發現企業屬地環境規制的加強會顯著增加異地子公司數量，并使得子公司的分布更為分散。在中國的財政分權制度下，地方政府肩負實現經濟增長與改善環境質量的雙重壓力，地區間的環境規制互動博弈容易造成以鄰為壑的環境治理模式［19］。霧霾污染的空間擴散特征則進一步加劇了地方政府間環境規制的博弈行為，增加了治理難度。石慶玲等［20］指出兩會期間的空氣質量改善主要發生在PM2. 5等考核更看重、民眾更敏感的特定污染指標上，兩會過后空氣質量則迅速惡化，霧霾治理方式呈現出“政治性藍天”現象。朱向東等［21］等利用空間杜賓模型發現地方政府競爭會顯著增加本地區和鄰近地區的空氣污染，同時本地區的高規制會造成周邊地區污染加劇。

面對環境規制治理污染可能的不確定性，政府也會通過促進技術創新推動空氣污染治理［22］。Grossman等［10］將影響環境污染的因素分為規模效應、結構效應和技術效應，認為技術進步可以減少環境污染和改善空氣質量。Levinson［23］利用1987—2001年間美國制造業SO2 排放量數據，證實了環境污染改善的推動因素是創新帶來的技術進步，而非污染產業的海外轉移。魏巍賢等［24］將內生增長理論與環境污染模型相結合，認為自主研發和技術引進顯著降低了CO2排放量。任亞運等［25］則基于中國城市創新指數和空間計量模型發現城市創新具有積極的減霾作用。20世紀90年代以來，越來越多的研究發現納入環境績效的綠色創新能夠促進企業清潔生產，實現資源節約和環境改善。Carrión?Flores等［26］使用美國127個制造業行業的環境專利申請數量衡量環境創新，認為環境技術的變化推動了有害空氣污染物排放標準的收緊，并顯著地減少了有毒空氣的排放量。Zhu等［27］認為可再生能源的技術創新有助于降低氮氧化物（NOx）和可吸入懸浮顆粒物（PM10）的濃度。國內研究中，祿雪煥等［28］利用綠色專利數據發現綠色技術創新能夠有效地減輕霧霾污染。

但是，也有文獻發現技術進步可能會加劇空氣污染，產生“杰文斯悖論”，即技術進步會提升企業生產率增加企業產出，導致更多的能源消耗和污染物排放［29-30］。Acemoglu等［9］將技術進步劃分為清潔技術與非清潔技術兩類，并指出非清潔技術的發展會增加污染排放。Yi等［31］則考慮了不同類型的技術進步對霧霾污染的影響，發現中性技術進步和勞動節約型技術進步對霧霾減少具有積極影響，而資本節約型技術進步對霧霾污染的影響不顯著。導致上述結論不一致的原因，一方面可能是由于沒有考慮不同類型創新之間的區別；另一方面還可能是因為創新和技術進步的測度存在內生性偏誤，進而難以揭示創新與空氣污染之間的因果關系。

1. 2 理論假說

綠色創新或環境創新區別于一般創新活動的本質是一種環境友好型創新。Popp［32］將能源領域技術與專利子分類進行匹配，確定了11個與能源效率相關的組，研究了能源價格對節能創新的影響。Carrión?Flores等［26］定義的環境專利包括了風能、固體廢物預防、水污染、回收和替代能源等10個類別。WIPO定義的綠色技術創新涉及范圍最廣，包括了替代能源技術、新能源運輸設備技術、節能技術、污染控制技術、農林業技術、行政監管與設計技術和核電技術7大領域。綠色技術創新不僅能夠通過工業綠色轉型和能源效率提升實現霧霾治理的前端預防，還能夠通過污染控制實現霧霾的末端治理。首先，綠色生產技術包括了工業產品綠色設計、資源節約型生產工藝、生產過程污染控制、廢物回收再利用和循環再生產等各個方面。企業生產模式中綠色技術的廣泛應用提高了要素使用效率，減少了污染物排放，推動了工業綠色化和集約化轉型。其次，新能源和替代能源技術的發展，有助于推進中國能源結構的清潔化轉型，降低單位產出的能源消耗和污染排放［27］；電能熱能儲存、低能耗照明和一般建筑保溫等節能技術也能夠降低能源消耗，提升能源利用效率。綜上所述，綠色生產技術、新能源和替代能源技術以及節能技術能夠從工業綠色轉型和能源效率提升兩個方面實現空氣污染源頭削減的前端預防。最后，煙氣脫硫、除塵、氣體吸附凈化和燃燒裝置改造等污染控制技術能夠有效地降低污染物排放，實現空氣污染的末端治理。

非綠色技術創新則通過改進資源配置效率的方式減輕霧霾污染。首先，5G、大數據、人工智能和智能監控等信息通信技術應用于企業生產活動中，能夠助力企業動態感知生產全流程，控制生產過程中資源消耗，優化要素資源投入結構，提升資源配置效率［33］。其次，非綠色技術創新能夠推動企業向信息化管理和科學管理轉變，有利于企業準確把握市場需求，不斷調整生產活動貼近市場需求，通過柔性化生產方式提升資源利用效率，降低資源浪費和污染物排放強度［34］。非綠色技術創新治理霧霾污染的另一種途徑是對高污染生產活動產生擠出效應。隨著新技術的產業化、規模化應用和消費需求的不斷升級，企業投資低污染高技術產品帶來的回報可能會高于從事傳統的高污染生產活動，從而在源頭上減少了企業的污染排放。然而，高污染高耗能產業的非綠色創新也能提升非清潔部門的生產率，擴大非清潔部門的生產規模，這可能導致過度的資源消耗和污染物排放，降低城市的空氣質量。

結合上述理論分析，該研究提出如下研究假說：

假說1：綠色技術創新可能會通過工業綠色轉型和能源效率提升對霧霾治理產生積極的影響。

假說2a：非綠色技術創新可能會通過資源配置效率改進和擠出效應減輕霧霾污染。

假說2b：非綠色技術創新可能會產生生產率效應，增加非清潔部門的產出，導致更多的能源消耗和霧霾污染。

2 實證策略

2. 1 計量模型設定

該研究使用2004—2019年282個地級及以上城市數據甄別創新對霧霾污染的影響作用。因數據可得性等原因，研究未涉及香港、澳門和臺灣地區，排除了三沙市、儋州市、畢節市、銅仁市、拉薩市、日喀則市、昌都市、林芝市、山南市、那曲市、隴南市、海東市、中衛市、吐魯番市和哈密市。基準回歸模型如下：

2.5 ，= 0 + 1 ln，+ 2 ，+ + + ，（1）

其中：2. 5 表示城市第年的PM2. 5 年均濃度，ln為技術創新水平，即該研究關注的核心解釋變量；，是影響霧霾的一系列控制變量，代表城市固定效應，為時間固定效應，，為誤差項。一方面，冬季燃煤取暖等地域因素對南北方城市霧霾濃度造成了差異化影響［5］。另一方面，《大氣環境氣象公報（2021 年）》指出2021年全國平均霾日數為21. 3天，大氣環境呈現持續向好趨勢，這表明自2013年9月國家發布《大氣污染防治行動計劃》以來，中國的治污減排初見成效。使用雙向固定效應不僅可以規避地區異質性和政策沖擊等因素的影響，還能在一定程度上緩解內生性問題，準確識別出技術創新對霧霾污染的抑制效應。

2. 2 變量與數據說明

2. 2. 1 被解釋變量：霧霾污染（2. 5）

PM2. 5濃度數據源自加拿大達爾豪斯大學大氣成分分析組公布的衛星監測柵格數據。PM2. 5即使在同一地區也會存在差異性分布，具有點源性特征的地面監測數據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條件因素的影響，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［35］。該研究利用Arc?GIS軟件通過中國地州界矢量地圖將衛星柵格數據解析為2004—2019年中國282個地級市的年均PM2. 5濃度數值。

2. 2. 2 核心解釋變量：創新能力（ln ）

使用城市專利申請量存量的對數值表征創新能力。創新是涵蓋投入、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。技術創新作用的發揮通常具有時滯性，Carrión?Flores等［26］使用前5年環境專利申請量的移動平均數衡量歷史環境創新對當前環境標準和有毒空氣排放量的影響。該研究利用折舊過的專利存量識別了城市的長期創新能力對當期環境質量的影響效應。此外，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。并且專利授予需要一定時長，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，因此較專利授權量而言，申請量更能客觀地反映出一個地區的創新水平［36］。

通過Python軟件從國家知識產權局中國專利公布公告網中獲取了發明專利、實用新型和外觀設計三類專利數據。考慮到專利價值會隨時間推移出現下降趨勢，基于Pessoa［37］的做法，利用永續盤存法計算了三種專利的存量：專利存量，= （1 - ）專利存量，- 1 + 專利增量，（2）其中：城市第年的專利增量表示專利流量；是專利折舊率。鑒于發明專利技術水平最高，而實用新型和外觀設計專利次之，將三種專利折舊率依次設定為5%、10%和15%［37］。最終將“專利申請量存量加+1”的自然對數作為創新的代理變量。Hall等［38］和吳超鵬等［39］將專利折舊率統一設定為15%，該研究分別將發明、實用新型和外觀設計專利的折舊率依次設定為5%、10%和15%，這種折舊率的設定并不會影響實證結果。

對于綠色專利和非綠色專利的度量，基于WIPO2010年公布的“國際專利分類綠色清單（IPC Green Inventory）”，根據完整的綠色專利IPC 分類號（“部-分部-大類-小類-大組-小組”格式），匹配出了1985—2019年中國282個地級城市的綠色發明和綠色實用新型專利申請量，并使用綠色專利存量（ln ）度量城市的清潔技術創新能力。進一步，使用專利存量總量減去綠色專利存量得到了非綠色專利存量（ln ）。

2. 2. 3 控制變量

基于現有討論影響霧霾因素的相關文獻，考慮影響霧霾污染的控制變量。

（1）經濟發展水平（）。在模型中加入了經濟發展水平及其平方項以考察霧霾污染與經濟增長之間的關系。考慮到人均GDP統計數據存在偏誤的可能，采用了現有研究中經常使用的全球夜間燈光數據作為經濟發展水平的代理變量。美國國家海洋大氣管理局（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。對夜間燈光亮度進行了校準，考慮到兩種夜晚燈光數據亮度的采集標準不同，采用曹子陽等［40］的方法對其進行合并處理。

（2）城市自然氣候因素。霧霾污染從生成到擴散轉移的過程會受到風速、風向、空氣濕度和逆溫等氣象因素的影響。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（ln ）可以在一定程度上合理地控制霧霾的空間溢出效應［41］。空氣流動系數等于風速乘以邊界層高度：

ln，= ln （，× ，） （3）

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 m風速（）與邊界層高度（）數據。該研究使用ArcGIS 軟件將75°x75°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考察期內282個地級城市的空氣流通系數［17］。此外，該研究還加入了城市的累積年降水量（ln ）和年逆溫天數（ln ）以控制不同自然氣候因素對空氣質量的影響［4，42］。逆溫意味著冷空氣處于海拔低的地方，此時空氣不容易流通，不利于地面附近空氣污染物的擴散。逆溫天數來源于NASA的MERRA?2衛星數據集，通過比較每天四個時點的近地第一層與第二層平均氣溫，若第二層氣溫高于第一層則認為該天存在逆溫現象，進而計算得到城市的年逆溫天數。

（3）財政支出占比（）。為避免與創新變量產生多重共線性，使用剔除科教公共服務支出外的財政支出占GDP比重度量地方政府對經濟的干預程度。

（4）外商直接投資占比（）。FDI帶來的環境友好型技術溢出可能會改善東道國的環境質量［43］，也有可能將污染產業向東道國轉移從而惡化環境質量［44］。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，并按照歷年人民幣匯率對其進行折算。

（5）產業結構（）。隨著中國工業化進程的加快，以制造業為主的第二產業比重增加是造成大氣污染的重要原因之一［45］，選用第二產業增加值占GDP的比重反映產業結構對PM2. 5濃度的影響。

（6）人口密度（ln ）。快速擴張的城市化進程中，人口密度增加的集聚效應可能通過提高公共交通分擔率、資源使用效率和共享治污減排設施等途徑緩解霧霾污染［35］，該指標用市轄區單位面積人口總數計算得到。

（7）道路面積（ln ），該研究采用人均地區道路面積衡量交通基礎設施水平［42］，進而考察其對霧霾污染的影響。

各變量除PM2. 5 濃度、專利數量和夜間燈光亮度外，其余數據均源自歷年《中國城市統計年鑒》以及CEIC數據庫，所有具有時間價值的變量均折算至以2004年為基期，并使用插值法對缺失數據進行補充。

3 實證結果及分析

3. 1 基準回歸分析

從專利的數量、質量和綠色屬性等多個維度分析了創新對霧霾污染的影響。表1列（1）中，ln 的系數估計值為-1. 807 5，且通過了1%的顯著性水平，表明專利申請存量顯著地降低了城市的PM2. 5 濃度。列（2）—列

（4）顯示，與專利總量回歸結果相同，發明專利、實用新型專利和外觀設計專利對降低PM2. 5 濃度均表現出顯著的負向影響。發明專利和實用新型的技術含量相對較高，且WIPO對于綠色專利的定義范圍包含了綠色發明專利和綠色實用新型專利兩種類別，因而城市的發明專利和實用新型專利數量越高，表明其擁有更先進的綠色生產模式和污染治理模式。具有市場屬性的外觀設計專利雖然無法對治污減霾起到直接作用，但從事研發外觀設計專利的創新活動可能會對從事傳統高污染生產活動產生擠出效應，進而降低霧霾污染。進一步，列（5）、列（6）的回歸結果顯示，綠色專利和非綠色專利均能夠顯著地降低PM2. 5濃度，且非綠色專利的系數超過了綠色專利。造成這一現象的原因在于，綠色專利存量占專利總量存量的比重長期低于10%，因而非綠色專利治理霧霾的累積效應會強于綠色專利。

控制變量回歸結果顯示，夜間燈光亮度的一次項系數為負、二次項系數為正，表明霧霾污染與經濟增長之間存在不顯著的“U”型關系，即霧霾污染程度隨著經濟增長水平提升呈現先下降后上升的趨勢。氣象因素中，空氣流動系數每提升1%，PM2. 5 濃度值下降2. 581 8，驗證了“環保基本靠風”的說法，說明納入空氣流動系數能夠較好地控制霧霾的空間擴散效應。城市的年逆溫天數越多，越不利于霧霾現象的消散，年降水量則顯著地降低了霧霾濃度。財政支出占比顯著地增加了霧霾污染，這表明為追求轄區的短期經濟效益，地方政府對經濟活動的干預釋放出更多的霧霾污染。外商直接投資、產業結構和人口密度顯著地降低了霧霾污染，人均道路面積對霧霾污染的影響作用則并不顯著。

3. 2 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。Chen等［4］發現空氣污染會提升本地人口的凈遷出率，降低外地人口的遷入率，同時受到良好教育的勞動力因空氣污染遷移的意愿幾乎是普通勞動力的兩倍。人力資本具有較強的遷移能力，城市環境質量的惡化會產生“人才流失效應”［46］，從而降低了城市的人力資本水平和創新能力［3］。同時，環境質量較差地區政府的環境規制和干預手段可能更為嚴厲，會倒逼企業從事創新活動從而增進專利產出［47］。其次，形成霧霾的原因眾多，若誤差項中影響PM2. 5濃度的因素無法被完全控制，創新的估計系數仍將有偏。對此，使用兩階段最小二乘法（2SLS）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，選擇如下兩個工具變量。

3. 2. 1 知識產權行政保護（）

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［39］。研發具有失敗的風險，創新活動擁有高度不確定性。知識產權保護不僅可以通過保障創新回報和化解不確定性，提高專利價值，增進創新投入［48］；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［49］。目前中國的知識產權保護制度實行了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，具有靈活性、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再次訴求行政保護。使用知識產權行政保護作為創新的工具變量，能夠很好地緩解內生性問題，原因在于知識產權行政保護是省級層面變量，其他相關變量均是地級市層面變量，在中國制度背景下，下級政府的行為一般較難直接影響到上級政府的決策。因此，該研究嘗試使用知識產權制度的行政保護作為城市創新能力的工具變量，研究創新對霧霾的影響作用。

從國家知識產權局手工搜集了歷年各省份專利侵權糾紛及其他糾紛立案數，同時為剔除經濟規模的影響，用“立案數+1”除以城市人口數量計算得到了地級城市的“知識產權行政保護”變量。

3. 2. 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，而且會營造良好的公共創新環境激發各類創新主體活力。陳詩一等［41］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。使用研發補貼或稅收優惠某個單一指標難以全面刻畫創新環境。公共創新環境涵蓋了更為豐富的內容，政府工作報告中與創新有關詞匯出現的頻數占報告全部詞頻數量的比重能夠清晰地凸顯出政府對創新的重視程度。因而該研究使用該指標作為專利存量的另一工具變量。與陳詩一等［41］的做法相同，所使用公共創新環境能夠較好地滿足工具變量外生性假定，其理由主要在于：第一，省級政府工作報告一般發生在每年年初，而霧霾污染的排放則貫穿整個年度；第二，該研究構造的公共創新環境是省級層面變量，而霧霾污染則是地級市層面變量，這兩點均可以有效緩解因反向因果而產生的內生性問題。政府公共創新環境指標的具體構建步驟如下：首先，手工搜集整理2004—2019年30個省份共450份政府工作報告（因數據可得性等原因，研究未涉及西藏及港澳臺地區）；其次，采用Python軟件中的“Jieba”庫包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，并計算創新詞頻占政府工作報告全文詞頻總數的占比。與創新相關詞匯具體包括：創新、技術、科技、科研、人才、技改、產學研、科教、專利以及研發等。表2中2SLS第一階段的回歸結果顯示，知識產權行政保護與專利總量、發明專利、實用新型專利、綠色專利和非綠色專利的數量均具有顯著的正相關性，對外觀設計專利的影響為負向顯著。表明知識產權行政保護不僅有效提升了城市的創新數量，而且對創新質量的促進作用尤為強烈。政府營造的公共創新環境卻顯示出相反的結果，僅僅顯著增加了專利總量、實用新型、外觀設計、綠色專利和非綠色專利的數量，對技術含量最高的發明專利影響卻并不顯著。可能的原因在于，政府年度工作報告中創新詞頻占比越高意味著政府對創新的干預活動越多，更可能傾向于通過研發補貼、稅收優惠等方式鼓勵個體和企業增加創新投入。然而，政府對創新的干預行為往往可能會產生創新政策租［36］，誘使企業將資源投入到難度較小的專利研發活動中，為“尋扶持”進行策略性創新，因此政府營造的公共創新環境對發明專利的激勵效應影響甚微。

在表2第二階段回歸中，專利總量、發明專利、實用新型、綠色專利和非綠色專利申請存量依然顯著降低了霧霾污染，且系數較基準回歸的結果均有顯著提升，說明忽略內生性會低估創新對霧霾治理的影響效果。綠色專利的治霾效應仍然弱于非綠色專利，技術含量最低的外觀設計專利對霧霾污染的影響不顯著為正，給出了“杰文斯悖論”可能存在的證據，即低質量的創新行為可能會通過增加企業的生產率和產出，從而提高空氣污染物的排放量。此外，內生性檢驗的統計量顯示，安德森檢驗的值均小于0. 05，拒絕原假設，認為專利存量和工具變量典型相關，不存在弱工具變量的問題。Sargan過度識別檢驗的統計值均在0. 1以上，不拒絕原假設，即工具變量和誤差項不相關。這表明該研究選擇的工具變量是有效的。

3. 3 異質性分析

2012年中國特色社會主義進入新時代，黨的十八大報告中明確提出了堅持走中國特色自主創新道路，實施創新驅動發展戰略。將樣本劃分為2004—2011 年和2012—2019年兩個時間段，進而探究創新驅動發展戰略實施前后，創新對霧霾污染的影響是否發生變化。回歸結果顯示，僅在2012—2019年時間段專利總量對霧霾污染具有顯著負向影響。出現這一現象的原因可能在于，一方面從專利結構上來看，前一個時間段內綠色專利存量的占比較低，因而高質量的生態創新對環境質量的促增效應可能并不十分明顯，同時專利轉化為清潔產品也需要一定的時間周期；另一方面，技術進步對降低PM2. 5可能存在累積效應，隨著中國進一步加快建設創新型國家的步伐，區域創新能力得到逐步釋放，技術進步抑制霧霾污染從量變走向了質變。

考慮到中國區域間發展的不平衡性，表3列（3）—列（5）報告了東中西部分區域的回歸結果。可以發現，專利存量對三個地區的PM2. 5濃度均存在抑制效應，但該作用僅在東中部城市顯著，且東部城市系數負向最大。可能的原因在于，東部城市相較中西部城市在區位優勢和經濟開放型的綜合作用下，擁有較高水平的人力資本水平和市場化程度。進一步，按照人力資本水平和市場化程度進行分組，具體采用樣本期間內城市每萬人在校大學生數衡量城市的人力資本水平，使用社會消費品零售總額占GDP總額的比重表示城市的市場化程度，計算出地級市在樣本期內兩種指標年均值，并按照中位數將其分為高低兩組。

表4中回歸結果顯示，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。人力資本作為從事創新活動的主體要素，更高的受教育水平意味著勞動人員擁有的專業技術越多，學習吸收能力越強，專業技術知識更容易相互擴散而不斷提升各自技術水平和知識存量，降低了企業生產環境友好型生態產品的研發成本，能夠加速釋放創新對霧霾的抑制效應。市場化程度更高的地區，企業更容易從市場中獲取創新所需的資源支持：一方面市場化程度高的地區，往往具有健全的法律制度和知識產權保護措施，會促進企業增加研發投入；另一方面市場化程度高的地區，激烈的市場競爭和較為完善的價格傳遞機制會降低企業創新回報的不確定性，增強了創新偏好較強的民營科技企業的研發創新活力，加大發揮創新治污減霾的技術效應。

3. 4 穩健性檢驗

3. 4. 1 更換數據

為了檢驗上述結果是否穩健，將專利申請量存量替換為專利授權量流量，并使用兩階段最小二乘法再次檢驗了創新能力與霧霾污染之間的關系。表5 僅匯報了2SLS的第二階段，更換指標后發明專利和實用新型專利依然對霧霾具有顯著的抑制作用，并且外觀設計專利的促增效應始終存在。與前文一致，非綠色專利的治霾效應超過了綠色專利，由此證明該研究的實證結果是穩健可靠的。此外，還對專利指標的兩邊各進行了1%的Winsorize縮尾處理，不出意外，回歸結果與表2工具變量回歸結果高度一致。限于該研究篇幅，該部分結果未匯報，備索。

3. 4. 2 空間計量模型

值得注意的是，環境污染尤其是空氣污染具有顯著的空間溢出效應。在空氣流動、降雨和逆溫等天氣因素的驅動下，本地城市的霧霾污染程度與地理相近城市的霧霾污染密切相關，導致霧霾天氣的出現通常呈現出大范圍和持續性的特點。因此，采用空間自回歸模型（SAR）在地理距離空間權重矩陣下檢驗了城市創新能力與霧霾污染的空間關聯效應。

表6各列中空間滯后系數（2. 5）均在1%的水平上顯著為正，這表明中國城市間的霧霾污染在地理鄰近地區呈現出空間集聚特征。此外，地級城市的專利總量、發明專利、實用新型專利存量依然對霧霾污染具有顯著的抑制效應，表征清潔技術和非清潔技術的綠色專利和非綠色專利也具有顯著的治霾效應。

4 機制分析

為驗證前文假說，以工業綠色轉型、能源效率提升和配置效應改進三種作用機制為基礎，試圖通過不同專利屬性去揭示創新治理霧霾的前端防治與末端治理效應。構建如下中介效應模型對其傳導途徑進行識別檢驗：

中介模型式（4）中的系數1 衡量的是綠色和非綠色專利影響霧霾的總效應。式（5）中的系數1 衡量了兩類專利對三種中介變量的影響效應。式（6）中的直接效應系數1 衡量了創新治霾的末端治理效果，系數2 和1共同衡量了創新治霾的前端防治，即工業綠色轉型、能源效率提升和配置效應改進三種間接效應。對于工業綠色轉型（）指標，該研究選擇單位二氧化硫和工業煙粉塵排放產生的實際工業產值對其加以表征。能源效率（）指標和配置效應（）指標則分別使用單位用電量消耗的實際GDP 和索羅余值法計算的全要素生產率予以反映。

表7和表8分別匯報了綠色專利和非綠色專利的三類中介效應估計結果。首先，將工業綠色轉型視為中介變量時，可以看出，僅有表7列（2）中ln 的系數1 顯著為正，表8列（2）中ln 的系數并不顯著，且表7列（5）中ln 和的系數1 和2 通過了顯著性檢驗，意味著綠色技術創新不僅能夠通過工業綠色轉型的前端防治降低PM2. 5 濃度，而且能夠實現霧霾污染的末端治理。其次，將能源效率和全要素生產率視為中介變量時，表7和表8的回歸結果顯示，綠色技術創新能夠通過提升能源效率的方式實現治污減霾，非綠色技術創新僅能夠通過提升全要素生產率的方式減少PM2. 5。綜上所述，綠色專利能夠通過工業綠色轉型和能源效率提升的方式降低霧霾污染，而非綠色專利則通過配置效率改進的方式實現霧霾治理。

5 結論與政策建議

進入新時代，創新是建設“美麗中國”的第一驅動力。該研究使用2004—2019 年282 個地級城市層面PM2. 5 濃度數據，研究了創新對霧霾治理的影響及作用機制。實證結果發現：①基準回歸結果中專利總量、發明、實用新型、外觀設計、綠色和非綠色專利對霧霾治理均具有顯著的促進作用。②兩階段最小二乘法分析顯示，納入工具變量后，發明專利和實用新型專利對霧霾污染的治理作用尤為強烈，非綠色專利的治理作用則超過了綠色專利；而技術含量較低外觀設計專利卻會不顯著地加重霧霾。③2012年之前創新與PM2. 5的回歸系數并不顯著，而2012年之后該系數顯著為負，表明新時代下創新驅動戰略的實施，強化了創新對霧霾治理的累積效應。④創新治霾的效應只在東中部城市較為顯著，說明東中部城市的人力資本存量更高，專利結構更偏向市場性，易于商業轉化為綠色生態產品。⑤影響機制分析中，綠色專利和非綠色專利可以通過工業綠色轉型、能源效率提升和配置效應改進三種途徑實現創新治霾的前端預防與末端治理。

該研究的政策啟示是：①政府應對企業創新行為進行仔細甄別，完善綠色技術創新的稅收優惠和研發補貼，推動工業綠色轉型與能源結構優化調整。②增加對替代能源、污染控制設備等各類節能產品的補貼力度，擴大綠色產品的市場需求規模，激發企業在核心能源技術和污染控制技術等領域的技術創新。③強化知識產權保護制度，在專利保護制度和支持政策上應適當向質量更高的發明專利和綠色專利傾斜，鼓勵生態層面的高質量創新產出。④不同區域應因地制宜制定創新激勵政策。西部地區應完善生態環境補償機制，推動環境污染治理成本的市場化，并使其進入企業的日常經營決策，鼓勵市場化形態的專利產出，助推治污減霾。

參考文獻

［1］ ZHANG X， OU X， YANG X， et al. Socioeconomic burden of airpollution in China： province?level analysis based on energy economicmodel［J］. Energy economics， 2017， 68： 478-489.

［2］ TIE X ，HUANG R J，DAI W，et al. Effect of heavy haze and aerosolpollution on rice and wheat productions in China［J］. Scientific reports，2016（6）：29612.

［3］ LIN S， XIAO L， WANG X. Does air pollution hinder technologicalinnovation in China：a perspective of innovation value chain［J］.Journal of cleaner production， 2021， 278： 123326.

［4］ CHEN S， OLIVA P， ZHANG P. The effect of air pollution on migration：evidence from China［J］. Journal of development economics，2022， 156： 102833.

［5］ EBENSTEIN A，FAN M Y，GREENSTONE M，et al. New evidenceon the impact of sustained exposure to air pollution on life expectancyfrom China’s Huai River policy［J］. Proceedings of the NationalAcademy of Sciences of the United States of America，2017，114（39）：10384-10389.

［6］ CHEN S， OLIVA P， ZHANG P. Air pollution and mental health：evidence from China［R］. National Bureau of Economic Research，2018.

［7］ HE J X，LIU H M，SALVO A. Severe air pollution and labor productivity：evidence from industrial towns in China［J］. American economicjournal： applied economics，2019，11（1）：173-201.

［8］ FU S H，VIARD V B，ZHANG P. Air pollution and manufacturingfirm productivity：nationwide estimates for China［J］. The economicjournal，2021，131（640）：3241-3273.

［9］ ACEMOGLU D，AGHION P，BURSZTYN L，et al. The environmentand directed technical change［J］. American economic review，2012，102（1）：131-166.

［10］ GROSSMAN G M， KRUEGER A B. Environmental impacts of aNorth American Free Trade Agreement［R］. National Bureau ofEconomic Research， 1991.

［11］ 王書斌，徐盈之. 環境規制與霧霾脫鉤效應：基于企業投資偏好的視角［J］. 中國工業經濟，2015（4）：18-30.

［12］ 毛奕歡，林雁，譚洪濤. 中央環保督察與企業生產決策：來自企業實質性改進的證據［J］. 產業經濟研究，2022（3）：15-27.

［13］ PORTER M E，VAN DER LINDE C. Toward a new conception ofthe environment?competitiveness relationship［J］. Journal of economicperspectives，1995，9（4）：97-118.

［14］ JAFFE A B，PALMER K. Environmental regulation and innovation：a panel data study［J］. Review of economics and statistics，1997，79（4）：610-619.

［15］ BECKER R，HENDERSON V. Effects of air quality regulations onpolluting industries［J］. Journal of political economy，2000，108（2）：379-421.

［16］ COPELAND B R，TAYLOR M S. Trade，growth，and the environmen［t J］. Journal of economic literature，2004，42（1）：7-71.

［17］ 沈坤榮，金剛，方嫻. 環境規制引起了污染就近轉移嗎？［J］. 經濟研究，2017，52（5）：44-59.

［18］ 王伊攀，何圓. 環境規制、重污染企業遷移與協同治理效果：基于異地設立子公司的經驗證據［J］. 經濟科學，2021（5）：130-145.

［19］ 金剛，沈坤榮. 以鄰為壑還是以鄰為伴：環境規制執行互動與城市生產率增長［J］. 管理世界，2018，34（12）：43-55.

［20］ 石慶玲，郭峰，陳詩一. 霧霾治理中的“政治性藍天”：來自中國地方“兩會”的證據［J］. 中國工業經濟，2016（5）：40-56.

［21］ 朱向東，賀燦飛，李茜，等. 地方政府競爭、環境規制與中國城市空氣污染［J］. 中國人口·資源與環境，2018，28（6）：103-110.

［22］ 張磊，許明，陽鎮. 知識產權保護的霧霾污染減輕效應及其技術創新機制檢驗［J］. 南開經濟研究，2021（1）：164-183.

［23］ LEVINSON A. Technology，international trade，and pollution fromUS manufacturing［J］. American economic review，2009，99（5）：2177-2192.

［24］ 魏巍賢，楊芳. 技術進步對中國二氧化碳排放的影響［J］. 統計研究，2010，27（7）：36-44.

［25］ 任亞運，張廣來. 城市創新能夠驅散霧霾嗎：基于空間溢出視角的檢驗［J］. 中國人口·資源與環境，2020，30（2）：111-120.

［26］ CARRIóN?FLORES C E， INNES R. Environmental innovationand environmental performance［J］. Journal of environmental economicsand management，2010，59（1）：27-42.

［27］ ZHU Y， WANG Z， YANG J， et al. Does renewable energy technologicalinnovation control China’s air pollution： a spatial analysis［J］. Journal of cleaner production，2020，250：119515.

［28］ 祿雪煥，白婷婷. 綠色技術創新如何有效降低霧霾污染？［J］.中國軟科學，2020（6）：174-182，191.

［29］ FISHER?VANDEN K， WING I S. Accounting for quality：issueswith modeling the impact of R&D on economic growth and carbonemissions in developing economies［J］. Energy economics，2008，30（6）：2771-2784.

［30］ SORRELL S. Jevons’Paradox revisited：the evidence for backfirefrom improved energy efficiency［J］. Energy policy，2009，37（4）：1456-1469.

［31］ YI M， WANG Y， SHENG M， et al. Effects of heterogeneous technologicalprogress on haze pollution：evidence from China［J］. Ecologicaleconomics，2020，169：106533.

［32］ POPP D. Induced innovation and energy prices［J］. American economicreview，2002，92（1）：160-180.

［33］ 呂民樂，陳穎瑤. 信息化有利于降低霧霾污染嗎：基于空間計量模型的實證檢驗［J］. 南京財經大學學報，2021（3）：13-24.

［34］ ZHOU X， ZHOU D， WANG Q， et al. How information and communicationtechnology drives carbon emissions：a sector?level analysisfor China［J］. Energy economics，2019，81：380-392.

［35］ 邵帥，李欣，曹建華，等. 中國霧霾污染治理的經濟政策選擇：基于空間溢出效應的視角［J］. 經濟研究，2016，51（9）：73-88.

［36］ 黎文靖，鄭曼妮. 實質性創新還是策略性創新：宏觀產業政策對微觀企業創新的影響［J］. 經濟研究，2016，51（4）：60-73.

［37］ PESSOA A. Ideas driven growth：the OECD evidence［J］. Portugueseeconomic journal，2005，4（1）：46-67.

［38］ HALL B H， TRAJTENBERG M. Market value and patent citations［J］. RAND journal of economics， 2005： 16-38.

［39］ 吳超鵬，唐菂. 知識產權保護執法力度、技術創新與企業績效：來自中國上市公司的證據［J］. 經濟研究，2016，51（11）：125-139.

［40］ 曹子陽，吳志峰，匡耀求，等. DMSP/OLS夜間燈光影像中國區域的校正及應用［J］. 地球信息科學學報，2015，17（9）：1092-1102.

［41］ 陳詩一，陳登科. 霧霾污染、政府治理與經濟高質量發展［J］.經濟研究，2018，53（2）：20-34.

［42］ 孫傳旺，羅源，姚昕. 交通基礎設施與城市空氣污染：來自中國的經驗證據［J］. 經濟研究，2019，54（8）：136-151.

［43］ 許和連，鄧玉萍. 外商直接投資導致了中國的環境污染嗎：基于中國省際面板數據的空間計量研究［J］. 管理世界，2012（2）：30-43.

［44］ LIST J A， CO C Y. The effects of environmental regulations on foreigndirect investment［J］. Journal of environmental economics andmanagement， 2000， 40（1）： 1-20.

［45］ HE J. China’s industrial SO2 emissions and its economic determinants：EKC’s reduced VS. structural model and the role of internationaltrade［J］. Environment and development economics，2009，14（2）：227-262.

［46］ 羅勇根，楊金玉，陳世強. 空氣污染、人力資本流動與創新活力：基于個體專利發明的經驗證據［J］. 中國工業經濟，2019（10）：99-117.

［47］ WANG W， LI Y， LU N， et al. Does increasing carbon emissionslead to accelerated eco?innovation：empirical evidence from China［J］. Journal of cleaner production，2020，251：119690.

［48］ GALLINI N，SCOTCHMER S. Intellectual property：when is it thebest incentive system？［J］. Innovation policy and the economy，2002，2：51-77.

［49］ CASSIMAN B，VALENTINI G. Open innovation：are inbound andoutbound knowledge flows really complementary？［J］. Strategicmanagement journal，2016，37（6）：1034-1046.