環境規制、產業集聚與企業生產決策調整

寇冬雪 張彩云

摘 要：落實嚴格的環境政策是改善生態環境的關鍵一環，然而這也是對企業生產決策形成壓力的過程，企業據此做出不同的生產決策。在產業集聚這一重要現實背景下，這種影響尤甚。本文借助2003—2013 年中國工業企業數據庫、中國企業專利申請數據庫、中國企業污染數據庫及地級市面板數據庫的匹配結果，通過主成分分析法構建環境規制綜合指數，闡明了環境規制影響企業生產決策的全邏輯鏈條，及產業集聚對該路徑的放大作用。研究發現：①企業面臨環境規制時，通過“創新補償”效應和“遵循成本”效應兩條路徑影響企業生產決策，前者主要通過技術引進方式，后者主要通過資本更新速度和退出市場方式。②在產業集聚的環境中，“創新補償”效應和“遵循成本”效應被放大。相比專業化集聚，多樣化集聚更有助于放大前者，而專業化集聚更有助于放大后者。本文的結論可為產業集聚和環境規制下企業的生產決策提供新的實證思路，也為制定適配的環境政策和產業政策提供經驗證據。

關鍵詞：環境規制；產業集聚；創新補償；放大效應

一、引 言

黨的二十大報告指出，要“深入推進環境污染防治”，打好藍天、碧水、凈土保衛戰已經成為推動綠色發展、促進人與自然和諧共生的重要一環。為治理嚴峻的環境污染，國家出臺系列環境制度和政策以形成嚴格的環境規制門檻，而環境規制水平的上升最終會對企業的生產決策產生影響。為應對環境規制造成的生產成本上升（李虹和鄒慶，2018），部分企業選擇技術創新，因而從中獲得經濟效益，治污積極性不斷提升（沈能，2012）；另一部分企業則難以承受環境規制水平上升所帶來的生產成本上升，治污積極性不斷下降（李勝蘭等，2014）。不僅如此，若將企業放置到整個產業集聚環境之中（徐敏燕和左和平，2013），環境規制對企業生產決策的影響更為復雜。多樣化集聚產生的知識溢出通過影響企業創新進而影響企業生產決策（Jacobs，1969），專業化集聚通過企業間競爭影響了成本從而影響生產決策（Marshall，1920），這無形中放大了企業生產決策的復雜性和不確定性。那么，環境規制如何影響企業的生產決策？考慮產業集聚時，企業的生產決策又會發生什么變化？厘清該問題可為設計出促使企業由被動治污轉向主動治污的激勵機制提供實證思路的借鑒，也能為如何通過合理的環境政策和產業政策設計以減少污染提供具有現實意義的啟示。

關于企業面臨環境規制時生產決策行為的變化，絕大多數學者從“波特假說”出發展開研究。該假說從“創新補償”效應和“遵循成本”效應的視角闡釋了企業面臨環境規制時通過技術創新應對生產成本上升的情況（Porter，1991；Porter，1995），認為當“創新補償”效應發揮主導作用時，企業會選擇技術創新提升企業競爭力，此時企業的治污積極性也隨之提升；反之，當“遵循成本”效應發揮主導作用時，企業則無法應對成本上升，治污積極性也隨之下降。隨后，大量文獻基于企業成本、企業生產率、勞動資本等要素配置、技術擴散、環境創新等視角對此假說展開驗證（Brunnermeier，2003；Frank 等，1983；王兵等，2018；Jaffe 和Stavins，1995；張成等，2011）。然而，既有研究僅聚焦環境規制對企業生產決策中某一環節的影響，關于環境規制如何影響企業生產決策這一完整的邏輯鏈的研究仍然匱乏，無法全面剖析環境規制約束下企業生產決策調整的行為邏輯。本文將對此進行完善，這也是本文的主要研究內容之一。另一方面，既有研究忽略一個重要的現實背景：產業一般是以集聚的形態存在的，在這一重要條件下，企業的生產決策也會受到影響。但是該影響具體如何，現有研究并未說明，這將是本文的主要研究內容之二。

本文的邊際貢獻主要包括：（1）基于企業生產決策視角研究環境規制對企業的影響，彌補了既有研究僅關注企業生產決策的部分環節、無法全面剖析企業面臨外部環境變化時生產決策調整的全過程的缺陷，為“波特假說”的檢驗提供了一個完整的實證研究邏輯框架。（2）將產業集聚因素納入環境規制對企業生產決策的分析框架，探究不同集聚類型——多樣化集聚和專業化集聚對企業生產決策的放大效應。從宏觀和微觀相結合的視角對環境規制、產業集聚影響企業生產決策的內在機制提供了系統性解釋。（3）本文基于多個數據庫的匹配結果，利用近80 萬條數據，提煉出城市和企業層面多項指標，對企業面臨環境規制時的生產決策調整，及產業集聚在該過程中產生的放大效應進行全面評估，有助于更好地理解“波特假說”的理論邏輯，集聚因素的納入也對該理論的成立條件提供了更豐富的視角，拓展了其解釋力。同時，樣本量的擴大也使研究結論更具嚴謹性和普適性。

二、理論分析

（一）環境規制約束下企業生產決策的調整

環境規制是基于環境污染的外部性產生的，是使污染外部性內部化的工具（李蕾蕾和盛丹，2018）。在治理環境污染的過程中，企業是政策實施的對象，環境規制的實施必將對企業的生產決策產生影響，厘清企業應對相關政策的反應行為是科學決策的基礎（韓超等，2020）?；诖诉壿?，本部分從企業的生產決策視角詳細分析環境規制對企業的影響。

環境規制會引致企業生產成本的提升，進而產生一系列生產要素調整行為（Fullerton 和Heutel，2007）。具體地，根據企業對環境規制的容忍程度（童健等，2016），企業的生產決策可劃分為兩種類型：（1）企業可以承受環境規制強度，即治理環境污染的邊際收益大于等于邊際成本。此時，企業采取積極主動的行為應對環境污染，表現為企業“接受”環境規制，并做出生產成本的相應調整（王立杰和呂建軍，2020）。具體包括兩方面：一方面，企業向內部尋求自我創新（黃德春和劉志彪，2006；Lanoie 等，2008），即環境規制引發的正向技術效應。此技術創新指企業內部進行的一切創新活動，包括生產技術創新和環境技術創新。另一方面，企業不向內創新而選擇從外部引進技術（Gray，1997；Gray 和Shadbegian，1993；岳鴻飛等，2017；萬攀兵等，2021），即向外部購買治污設備或綠色技術等治理環境污染。上述兩種情況即為基于技術視角的“創新補償”效應，表明環境規制對技術創新的影響。（2）企業無法承受環境規制強度，即治理環境污染的邊際收益小于邊際成本，企業無法通過主動治污應對環境規制，只能選擇被動治污。此時，企業的生產決策調整包括三種情況：第一種情況是企業直接撤離部分生產活動，通過縮小生產規模來降低邊際治污成本，以應對環境規制（Kahn 和Mansur，2013）。第二種情況是企業不縮減自身的生產活動，在保持現有設備生產力的條件下，通過提升資本的更新速度應對環境規制，即企業增加治污設備運行的時間或速度，通過提升單位時間的污染物去除量來減少污染物排放應對環境規制（Fan，2019；萬攀兵等，2021）。第三種情況是當企業實在無法承受環境規制帶來的成本上升時，選擇從市場退出，包括從本行業退出轉向其他行業，或者改變企業選址進行轉移（張彩云等，2018；List，2003；Smarzynska和Wei，2001；鐘茂初等，2015）。這三種情況都是通過影響企業的生產成本影響企業的生產活動，屬于“遵循成本”效應。

（二）產業集聚對“波特假說”的放大效應分析

集聚是產業的一般組織形態，環境規制政策的實施不可避免會受到產業集聚因素的影響，從而使企業的生產決策調整行為更加復雜。根據外部性是否來源于同一行業，產業集聚分為多樣化集聚與專業化集聚（李金滟和宋德勇，2008），多樣化集聚為不同類型的企業集聚，這些不同質企業間產生的新知識和新技能不斷交換和更新，使其產生外部性收益即溢出效應（Stigler 和George，1984；梁琦，2005），推動企業的技術創新不斷增強（彭向和蔣傳海，2011）。專業化集聚則表現為大量單一類型的企業在同一地區集聚，集聚規模擴大產生的外部性在吸引企業進入的同時，也帶來了競爭效應，影響并改變著企業的生產成本（趙瑞麗等，2019）。在這兩種效應的共同作用下，環境規制約束下企業的生產決策會進一步發生變化。具體機理表現如下：

多樣化集聚對環境規制條件下企業生產決策的影響為：其一，多樣化集聚產生的溢出效應有助于優化企業的創新環境，增加了原有環境規制條件下企業開展技術創新活動的可能性。不同類型的企業集聚在同一區域，企業間人才集聚和知識溢出為技術創新提供了多元化的“勞動力蓄水池”和“知識蓄水池”（Jacobs，1969），提高了企業進行技術創新的概率（Ciccone，2000）①。其二，多樣化集聚條件下，企業間存在的互補性關聯放大了企業間應對環境規制的速度，有助于降低企業的生產成本?；谕度氘a出關聯的多樣化集聚因產業間較強的經濟關系而呈現共生狀態，企業之間出現緊密的“前向關聯”和“后向關聯”（孫曉華和柴玲玲，2012）。在面臨環境規制時，這種企業間的組合方式會通過產業結構優化、技術共享等方式提升生態效率。表現為產業鏈上任何環節環保節能強度的增加，都會通過技術外溢降低前后關聯企業的治污成本，促使排放物的再利用和節能減排目標的實現（胡志強，2019）。其三，多樣化集聚的企業因其更高程度的多樣性和復雜性，提高了其應對環境規制沖擊的能力，有助于企業采取積極方式應對環境規制。產品的復雜性越高，其抵抗外界風險的能力越高，產業系統的穩定性越強，從而使多樣化企業在面臨外部環境改變時更易通過合作保護地區免受外部沖擊（Frenken 等，2007）。

專業化集聚對環境規制條件下企業生產決策的影響為：其一，專業化集聚引致大量同質企業的集聚會加劇本地企業的競爭程度，放大了企業應對環境規制的成本。通過競爭效應的發揮，企業產品價格被壓低至平均成本處。不僅如此，產業規模的擴大還會導致資源需求增加，進一步加劇企業間的競爭程度及資源的爭奪，并且相互侵占市場份額。資源的稀缺使作為價格接受者的企業的生產成本在短期內快速提升，企業面臨巨大生存壓力（魏守華和石碧華，2002）。此時，企業的“遵循成本”效應被放大。其二，由于產業間較弱的關聯性，專業化集聚的技術溢出更易局限在特定產業內部，使企業在面對環境規制時更被動，這會進一步放大企業應對環境規制的成本。專業化集聚的產業趨向于形成結構單一的生產模式，它們行為趨同，相互模仿，缺乏前后關聯性（張公嵬和梁琦，2010）。并且由于技術具有專用性，專業化產生的技術主要局限在特定的產業中，其形成的技術擴散產生于同類產業中且只能被特定產業的區域集中支撐（李金滟和宋德勇，2008），無法在不同行業間形成溢出，導致專業化集聚內部的產業結構形成路徑依賴和技術鎖定（王樹功等，2003）。這種企業間的弱關聯性和創新局限性會極大地限制產業間的技術外溢及資源共享，無法實現不同產業間資源的合理匹配，無法為企業提供更有利的創新環境，不利于“創新補償”效應的發揮。從而專業化集聚的企業在面臨環境規制時更不易選擇技術創新、技術引進等積極的治污行為，而會通過縮減生產規模或退出市場等方式消極應對。上述作用機制可通過圖1 表示（虛線表示弱關聯）。

三、研究設計

（一）計量模型構建

本文實證檢驗步驟如下：①檢驗環境規制影響企業生產決策調整的兩條路徑。②將產業集聚納入環境規制影響企業生產決策的分析框架，選用調節效應模型檢驗不同集聚類型——多樣化集聚和專業化集聚對這兩條路徑的放大效應，以明晰產業集聚在環境規制影響企業生產決策調整過程中發揮影響的機制。

具體地，本文的實證模型設置如下：

1. 企業面臨環境規制時的生產決策調整檢驗方程：

2. 專業化集聚和多樣化集聚對“創新補償”效應和“遵循成本”效應的放大作用檢驗方程。其中，rdiit 和rziit 分別表示多樣化集聚指數和專業化集聚指數。

（二）變量指數設計

1. 環境規制測度：主成分分析法。對環境規制強度的衡量，一直是研究中存在爭議的問題。因現實環境規制中，不存在統一的政府干預模式和獨立的環境規制工具，因此，在環境規制強度的測量方面存在困難。既有研究一般基于環境規制法律政策的數量、排污費收入、減污運營成本在總成本或產業附加值中所占的比重、人均GDP、污染物排放量、環境規制機構對企業排污的檢查和監督次數等單一指標的方式衡量（Low，1992；Levinson，1996；Levinson 和 Taylor，2008；Mani 和Wheeler，1998；Cole 和Elliott，2003；Brunnermeier 和Cohen，2003）。本文在兼顧數據的可得性、減緩計量處理過程中的內生性及單一指標的共線性等的基礎上，選取基于主成分分析的綜合指標構建環境規制強度指數。具體地，選用2003—2017 年285 個城市的工業二氧化硫去除率、工業煙（粉）塵去除率、污水處理廠集中處理率和一般工業固體廢物綜合利用率四個指標，基于主成分分析確定指標權重，構建環境規制綜合指數。觀察表1 中的KMO 值可以發現，該值為0.601，遠大于0.5，表明本文的指標適合做主成分分析。Bartlett 值為918.860，其P 值為0，表明四個變量之間存在共線性問題，需要進行主成分分析。

2. 多樣化集聚指數和專業化集聚指數的指標測度。關于多樣化與專業化指數的測算，不同研究的測算方法不同。多樣化指數的衡量有Frenken 的熵指標、改進的赫芬達爾—赫希曼中性指數等。專業化指數的衡量方法一般有Krugman 專業化指數、區位熵指數等。本文參考經濟學家Frenken等（2007）的方法，用熵指標法構建產業多樣化指數，具體形式為：

專業化指數參考李金滟和宋德勇（2008）的研究，采用該城市就業人數最多的行業作為專業化行業，用該行業的就業人員所占的份額衡量專業化指數。城市的專業化指數表示為：

為便于不同城市間的橫向比較，本文采用相對專業化指數進行測度。該指數越大，表明該城市的專業化程度越高。相對專業化指數為：

3. 傳導路徑中的指標測度。基于上述分析，傳導路徑的測度指標共分為五大類：技術創新指標：選用創新產出（lpa）衡量，表示企業開展技術創新的情況，具體采用企業申請專利的數量表示，即企業發明專利申請數加1 取對數。技術引進指標：選用廢氣治理設施數（lfqts）衡量，表示企業購買治污設備的數量。同時，為了多視角觀察環境規制對企業生產決策的影響，本文加入生產效率和治污效率指標對比觀察。生產效率指標：選用全要素生產率（lntfp）衡量。既有研究一般采用OP 和LP 的方法（Levinsohn 和 Petrin，2002；Olley 和Pakes，1992）計算求得，考慮到中國工業企業數據庫中企業進入和退出比較頻繁，本文選用OP 方法估算企業生產率（張彩云和呂越，2018）。治污效率指標：選用廢氣治理設施處理能力（lfqnl）衡量，表示治污設備處理污染的能力。產量指標：選用企業總產出衡量（ltv），表示企業的產出能力。資本更新速度指標：借鑒萬攀兵等（2021）的方法，選用本年折舊（depr）衡量，表示企業內部固定資產的價值及其消耗情況。退出市場指標：選用退出市場衡量（exit），表示企業進出市場的決策。

4. 控制變量的選擇。企業層面的控制變量。是否為出口企業（ex）：表明企業的性質。企業年齡（lage）：表示企業的存續時間。資本密集度（zbmj）：采用企業資本與勞動之比衡量，表示企業的要素結構。企業規模（lnl）：采用企業從業人員數表示。

（三）數據來源說明

為保證回歸結果的可靠性，對指標進行如下說明：

本文實證部分所用數據分別來自國家統計局公布的《中國統計年鑒》《中國環境統計年鑒》《中國城市統計年鑒》等統計年鑒，以及中國工業企業數據庫、中國企業專業申請數據庫、中國企業污染數據庫等數據庫，并通過匹配計算得出具體指標。

城市層面的數據，本文選取2003—2017 年中國285 個地級及以上城市的面板數據，并且剔除吐魯番市、哈密市、三沙市、儋州市等數據缺失較嚴重的地區（且不包含港澳臺地區）。所需數據主要來源于《中國統計年鑒》《中國城市統計年鑒》、EPS 等數據庫，分行業數據采用2003 年之后經過調整的19 個行業①的就業人員的數據。對于個別缺失的數據已進行插值法補缺。同時為了消除異方差，所有控制變量進行對數處理，由于環境污染綜合指數、環境規制綜合指數、專業化集聚指數、多樣化集聚指數及環境規制指數均為指數形式，文中不再進行對數處理。

企業層面的數據，①本文將統計局公布的中國工業企業數據庫與中國企業污染數據庫進行匹配，最終選擇2003—2013 年時間段的企業相關污染樣本數據。處理方法上，雖然中國工業企業數據庫提供了詳細的微觀企業信息，但是鑒于其存在指標缺失、異常值等問題，在實證檢驗之前，本文參考Brandt 等（2012）的方法對原始數據進行匹配，并綜合Bai 等（2009）、聶輝華等（2012）的方法對缺失值進行處理。主要步驟如下：一是通過數據合并，盡量保證同一家企業有統一識別碼；二是通過行業調整，以解決數據庫中2002 年前后行業代碼不一致的問題；三是對錯誤的樣本值——總產值、工業增加值、企業研發創新等存在負數的樣本值進行刪減（張彩云等，2018）。②將中國工業企業數據庫與國家專利局公布的中國企業專利申請數據庫匹配，得出2001—2007 年企業研發創新數據及其他企業層面的指標。處理方法上，基于中國企業專利申請數據庫收錄的所有國家知識產權局授予的專利信息，參考李兵等（2016）的處理方法，將數據庫中專利層面的數據按企業年份進行加總，計算每年企業當年申請的專利數。然后根據企業名稱和代碼將兩個數據庫進行匹配，篩選樣本，得出本文使用的約80 萬條觀測值。

同時，為了剔除價格波動的影響、提高數據的準確性及可信性，本文利用國內生產總值指數，以2003 年為基期對所有貨幣量進行平減，調整為可比價格。涉及到固定資產的數據，都按照固定資產投資價格指數進行調整。工業總產值也均采用經過工業生產者出廠價格指數調整后的數據測算。具體指標的描述性統計結果如表2 所示。

四、環境規制影響企業生產決策的驗證

基于前文理論機制，本小節對環境規制約束下企業的生產決策進行檢驗，以明晰其調整路徑。

（一）基準回歸結果

表3 和表4 分別檢驗了企業面臨環境規制時的生產決策調整情況，這也是“創新補償”效應和“遵循成本”效應發揮作用的基準回歸結果。整體上看，“創新補償”效應和“遵循成本”效應均顯著。表明企業面臨環境規制時存在兩大類調整策略。

具體地，根據表3 可知，“創新補償”效應中，環境規制對創新產出的影響不顯著，對廢氣治理設施數的影響顯著。說明在“創新補償”效應路徑中，企業主要通過技術引進的方式治理環境污染，企業應對環境規制的方式依然是通過購買治污設備等末端治理形式，而非進行技術創新，這也與既有研究結論一致（張彩云和呂越，2018；萬攀兵等，2021）。從效率視角看，環境規制程度的提升對全要素生產率無影響，卻提升了廢氣治理設施處理能力，表明嚴格的環境規制促進了企業的治污行為。

表4 中“遵循成本”效應展示了企業面臨環境規制時被動治污的表現。根據結果，環境規制程度的提升對企業總產出無影響，但加快了固定資產的折舊速度及退出市場概率。這是由于企業面臨環境規制時，技術不變的情況下會通過加快治污設備運行治理污染，治污設備運行時間或者速度的提升均會加快設備的折舊速度，導致資本更新速度加快。進一步地，當企業全部收益都不足以補償環境規制引致的生產成本上升時，企業還會選擇退出市場。說明“遵循成本”效應的發揮主要表現在資本的更新速度及退出市場兩方面。整體上，表3 和表4 的結果驗證了環境規制通過影響企業生產決策發揮作用的全過程，該結果為“波特假說”的檢驗提供了一個邏輯框架。

（二）穩健性檢驗

本文采用的變量包括企業、時間、城市三個維度，即使從企業、時間、城市三個維度進行了固定效應以控制無法量化的變量，但仍然可能存在固定效應層次不夠的問題，主要體現為時間趨勢表現為多種，例如行業時間趨勢、省份時間趨勢等。為保證回歸結果的穩健性，表5 和表6 通過控制行業時間趨勢和省份時間趨勢將固定效應做得更為細致以進行穩健性檢驗。根據結果可知，除了創新產出之外，環境規制對“創新補償”效應和“遵循成本”效應路徑的結果均顯著，同時大部分系數的顯著性遠遠高于基準回歸，說明在將固定效應更為細化后，“創新補償”效應和“遵循成本”效應更為明顯。

進一步而言，不同的企業可能存在不同的環境規制水平，為了提升結論的說服力，表7 選用微觀企業層面的環境規制變量進行穩健性檢驗。選用各企業所能獲得的所有去除率指標即二氧化硫去除率、煙（粉）塵去除率、氮氧化物去除率、氨氮去除率和化學需氧量去除率五個指標，基于主成分分析確定指標權重，構建環境規制綜合指數。因企業層面環境規制相關指標缺失值過于嚴重，僅僅有四個相關變量可以回歸出結果，涉及其他的變量樣本太少（3 000 個左右），以至于無法得到回歸結果?？梢缘玫降慕Y果顯示，環境規制對技術引進和治污效率的正向影響均十分顯著，與基準回歸結果相同，證明了回歸結果的穩健性。

此外，我們還需要考慮遺漏變量問題。遺漏變量問題在控制行業時間趨勢和省份時間趨勢后可得到一定程度緩解，但是我們還需要考慮到，遺漏變量的影響可能進入了隨機誤差項，因工具變量主要用于衡量凈因果效應，可以讓得出的結果不存在誤差項影響，一定程度可以解決遺漏變量的影響，我們可以采用兩階段最小二乘法（2SLS）解決這一問題。工具變量要求其與環境規制變量相關，而與誤差項無關。因風速越高的地區，污染物擴散也較快，相對而言，不需要太高的環境規制水平就可以取得良好的治污效果，因此其環境規制水平也會較低。借鑒Cai 等（2016）的研究，選擇通風系數為工具變量，相關數據來源于美國國家海洋和大氣管理局（NOAA）。表8 和表9 進一步選用城市層面通風系數作為工具變量進行兩階段回歸。結果顯示，除了創新產出不顯著之外，環境規制對“創新補償”效應和“遵循成本”效應的影響均顯著，同樣驗證了企業的兩條路徑。

五、產業集聚的放大效應分析

在明確了企業面臨環境規制時的生產決策調整情況后，本部分將產業集聚因素納入分析框架，旨在考察將企業放至產業集聚環境中時，企業的生產決策調整將發生何種變化。

（一）多樣化集聚的放大效應分析

表10 和表11 分別為多樣化集聚和專業化集聚對“創新補償”效應和“遵循成本”效應的影響結果。

表10 表示多樣化集聚對“創新補償”效應的放大效應結果。根據結果，多樣化集聚對技術創新和技術引進的結果均不顯著，僅顯著提升了廢氣治理設施處理能力（與專業化集聚的對比分析在后文展示）。表11 表示多樣化集聚對“遵循成本”效應的放大效應結果。根據交乘項的結果，總體上，多樣化集聚對“遵循成本”效應的影響不確定，多樣化集聚提升了資本更新速度，但也顯著提升了產量，減少了企業退出市場的行為，為企業帶來了積極的影響，在一定程度上也減緩了企業成本的提升。

（二）專業化集聚的放大效應分析

表12 和表13 表示專業化集聚對“創新補償”效應和“遵循成本”效應的放大作用結果。根據表12，環境規制與專業化集聚的交乘項結果顯示，整體上，專業化集聚不利于 “創新補償”效應的發揮。具體地，根據技術創新和技術引進結果，專業化集聚程度的提升降低了創新產出。說明環境規制約束下，產業專業化集聚程度的提高并不能激發企業進行技術創新。這是由于專業化集聚下，大量同質企業的集聚缺乏前后關聯性且易形成結構單一的生產模式，而且技術的專用性也使企業的創新溢出無法在企業間交流和擴散，容易導致路徑依賴和技術鎖定，不利于新技術的出現及流動。同時，生產效率和治污效率的結果顯示，專業化集聚程度的提升在1%的水平上降低了全要素生產率，企業的生產效率呈現顯著下降趨勢，而治污效率結果則不顯著。這也反映了專業化集聚程度的提升不利于“創新補償”效應的發揮。因此，對比表10 多樣化集聚對“創新補償”效應的放大效應結果，專業化集聚對“創新補償”效應的放大效應更小。

表13 表示專業化集聚對“遵循成本”效應的放大效應結果。根據結果，專業化集聚除了對產量和本年折舊無影響，對其余變量的影響均至少在5%的水平上顯著。說明專業化集聚對“遵循成本”效應的放大作用非常大，增加了資本更新速度，提升了企業的運行成本，甚至會促使企業退出市場。對比表11 多樣化集聚對“遵循成本”效應帶來的不確定影響，專業化集聚對“遵循成本”效應的放大作用明顯更強，這是由于專業化集聚產生的競爭效應更強，企業應對外部環境需要付出的成本也更高。整體上，“遵循成本”效應更易因專業化集聚程度的提升而放大。

本節通過將產業集聚納入環境規制影響企業生產決策全邏輯鏈的過程中，檢驗了多樣化集聚和專業化集聚對企業生產決策的放大機制。整體上可知，相比專業化集聚，多樣化集聚更有助于放大“創新補償”效應，而專業化集聚則更有助于放大“遵循成本”效應。該結果從集聚的視角為“波特假說”的成立性提供了一些新啟示：“波特假說”認為合理的環境規制會激發企業進行技術創新，通過提升企業競爭力提升其治污積極性。本文在此基礎上進一步得出，將微觀企業放至中觀的產業層面時，其生產決策會被進一步放大，從而“波特假說”的成立性也會隨之改變，使該技術創新行為更容易發生，或者相反，更加困難。

六、結論與政策啟示

本文基于2003—2013 年中國工業企業數據庫、中國企業專業申請數據庫、中國企業污染數據庫及2003—2017 年地級市面板數據庫的匹配結果，選用調節效應模型對環境規制約束下企業的生產決策調整，及產業集聚在其中發揮的放大效應展開實證檢驗。得出如下主要結論：第一，企業面臨環境規制時，基于“創新補償”效應和“遵循成本”效應兩條路徑調整生產決策?；凇皠撔卵a償”效應，企業主要通過購買治污設備等末端治理形式，而非技術研發形式應對環境規制。基于“遵循成本”效應，主要通過提升資本更新速度和退出市場應對環境規制。第二，考慮產業集聚因素時，相比專業化集聚，多樣化集聚更有助于放大“創新補償”效應，而對“遵循成本”效應的影響較小。與之不同，專業化集聚更有助于放大“遵循成本”效應，卻對“創新補償”效應的影響較小。整體上說明了在樣本期間，企業選擇應對環境規制的行為十分消極，企業的治污積極性并未被調動?；谏鲜鼋Y論，本文得出如下政策啟示。

一是在專業化集聚程度高的地區，弱化其產生的競爭效應。如對于專業化集聚程度較高的資源型城市亟待轉型的問題，可通過規范企業外部的競爭環境，避免企業間不當競爭對資源的占有和爭奪導致企業成本的提升?；蛘咄ㄟ^多樣化產業的培育弱化大量同質企業產生的競爭效應所企業成本的提升，譬如基于城市的傳統產業基礎，以及國家戰略性新興產業的發展重點，注重以主導產業為基礎，適度培育具有前后關聯的配套產業，延長產業鏈條，引導產業向多元化發展。

二是在多樣化集聚程度高的地區，強化其產生的溢出效應。譬如，加強企業與企業或者同高校及科研院所的合作，增加相互間的交流和學習機會，促進知識和技術擴散。相比分散的企業，多樣化集聚的企業更易獲取新技術、新產品和新工藝的信息，也更易獲得正外部性，從而為整個集聚地的企業進行技術創新提供良好的外部環境，提高企業積極應對環境規制的能力。同時，與高校及科研單位的合作還能為新知識新理論的轉化提供一種有效的渠道，加速創新的實現。

三是專業化和多樣化集聚產生的放大效應也可以對國內承接產業轉移提供相應政策啟示。2020年5 月，《中共中央國務院關于新時代推進西部大開發形成新格局的指導意見》中指出要“完善產業轉移引導政策”；次年，十部門聯合發布《關于促進制造業有序轉移的指導意見》。在產業轉移的趨勢下，西部地區在承接東中部地區產業的同時，應完善產業準入機制，注重承接產業與現有產業間的關聯及嵌入而非單純的產業數量疊加，避免不加篩選的盲目承接造成大量產業的無序集中，強化企業間的競爭效應。這樣的話，不僅阻礙資源效率的發揮，而且造成環境污染的集中排放，誘發“污染避難所”現象。

參考文獻

[1] 韓超，陳震，王震．節能目標約束下企業污染減排效應的機制研究[J]．中國工業經濟，2020（10）：43-61.

[2] 胡志強，苗長虹，袁豐. 集聚空間組織形式對中國地市尺度工業SO2 排放的影響[J]. 地理學報，2019，74（10）：2045-2061.

[3] 黃德春，劉志彪．環境規制與企業自主創新——基于波特假設的企業競爭優勢構建[J]．中國工業經濟，2006（03）：100-106.

[4] 李兵，岳云嵩，陳婷. 出口與企業自主技術創新：來自企業專利數據的經驗研究[J]. 世界經濟，2016，39（12）：72-94.

[5] 李虹，鄒慶．環境規制、資源稟賦與城市產業轉型研究——基于資源型城市與非資源型城市的對比分析[J]．經濟研究，2018，53（11）： 182-198.

[6] 李金滟，宋德勇.專業化、多樣化與城市集聚經濟——基于中國地級單位面板數據的實證研究[J].管理世界，2008（02）：25-34.

[7] 李蕾蕾，盛丹.地方環境立法與中國制造業的行業資源配置效率優化[J]. 中國工業經濟，2018（07）：136-154.

[8] 李勝蘭，初善冰，申晨．地方政府競爭、環境規制與區域生態效率[J]. 世界經濟，2014，37（04）：88-110.

[9] 梁琦.空間經濟學：過去、現在與未來——兼評《空間經濟學：城市、區域與國際貿易》[J].經濟學（季刊），2005（03）：1067-1086.

[10] 聶輝華，江艇，楊汝岱.中國工業企業數據庫的使用現狀和潛在問題[J].世界經濟，2012，35（05）：142-158.

[11] 彭向，蔣傳海．產業集聚、知識溢出與地區創新——基于中國工業行業的實證檢驗[J]．經濟學（季刊），2011，10（03）：913-934.

[12] 沈能．環境效率、行業異質性與最優規制強度——中國工業行業面板數據的非線性檢驗[J]．中國工業經濟，2012（03）： 56-68.

[13] 孫曉華，柴玲玲. 相關多樣化、無關多樣化與地區經濟發展——基于中國282 個地級市面板數據的實證研究[J].中國工業經濟，2012（06）：5-17.

[14] 童健，劉偉，薛景. 環境規制、要素投入結構與工業行業轉型升級[J].經濟研究，2016，51（07）：43-57.

[15] 萬攀兵，楊冕，陳林. 環境技術標準何以影響中國制造業綠色轉型——基于技術改造的視角[J].中國工業經濟，2021（09）：118-136.

[16] 王兵，吳延瑞，顏鵬飛. 環境管制與全要素生產率增長：APEC 的實證研究[J].經濟研究，2008（05）：19-32.

[17] 王立杰，呂建軍．基于市場結構視角的環境規制政策社會福利效應分析[J]．中國人口·資源與環境，2020，30（05）：81-89.

[18] 王樹功，周永章，麥志勤等. 城市群（圈）生態環境保護戰略規劃框架研究——以珠江三角洲大城市群為例[J]. 中國人口·資源與環境，2003 （04）：54-58.

[19] 魏守華，石碧華. 論企業集群的競爭優勢[J]. 中國工業經濟，2002（01）：59-6.

[20] 徐敏燕，左和平. 集聚效應下環境規制與產業競爭力關系研究——基于“波特假說”的再檢驗[J].中國工業經濟，2013（03）：72-84.

[21] 岳鴻飛，徐穎，吳璘.技術創新方式選擇與中國工業綠色轉型的實證分析[J].中國人口·資源與環境，2017，27（12）：196-206.

[22] 張彩云，呂越.綠色生產規制與企業研發創新——影響及機制研究[J].經濟管理，2018，40（01）：71-91.

[23] 張彩云，盛斌，蘇丹妮. 環境規制、政績考核與企業選址[J]. 經濟管理，2018，40（11）：21-38.

[24] 張成，陸旸，郭路等. 環境規制強度和生產技術進步[J]. 經濟研究，2011，46（02）：113-124.

[25] 張公嵬，梁琦.出口、集聚與全要素生產率增長——基于制造業行業面板數據的實證研究[J].國際貿易問題，2010（12）：12-19.

[26] 趙瑞麗，尹翔碩，孫楚仁.大城市的低加成率之謎：集聚效應和競爭效應[J].世界經濟，2019，42（04）：149-173.

[27] 鐘茂初，李夢潔，杜威劍. 環境規制能否倒逼產業結構調整——基于中國省際面板數據的實證檢驗[J].中國人口·資源與環境，2015，25（08）：107-115.

[28] Fullerton， D.，and G. Heutel . The General Equilibrium Incidence of Environmental Mandates[J]. NBER Working Papers， 2007.

[29] Bai， C. E.， J. Lu， and Z. Tao . How Does Privatization Work in China？[J]. Journal of Comparative Economics， 2009，37（3）：453-470.

[30] Brandt. L.， J. V. Biesebroeck， and Y .Zhang. Creative Accounting or Creative Destruction？ Firm-level Productivity Growth in Chinese Manufacturing[J]. Journal of Development Economics， 2012， 97（2）：339-351.

[31] Brunnermeier， S. B.， and M. A . Cohen. Determinants of environmental innovation in US manufacturing industries[J].Journal of Environmental Economics and Management， 2003， 45（2）：278-293.

[32] Cai， X.， Y.Lu， M.Wu， and L.Yu. Does environmental regulation drive away inbound foreign direct investment？Evidence from a quasi-natural experiment in China[J]. Journal of Development Economics， 2016， 123：73-85.

[33] Ciccone， A. Agglomeration effects in Europe[J]. Social Science Electronic Publishing， 2000， 46（2）：213-227.

[34] Cole， M. A. ， and R. J. R. Elliott . Determining the trade-environment composition effect： the role of capital， labor and environmental regulations[J]．Journal of Environmental Economics and Management， 2003，46（3）： 363-383．

[35] Fan， H.， J. G. Zivin， and Z. Kou. Going Green in China： Firms' Responses to Stricter Environmental Regulations[J].University of California at San Diego， Economics Working Paper Series， 2019.

[36] Frank， M.， and Gollop. Environmental Regulations and Productivity Growth： The Case of Fossil-fueled Electric Power Generation[J]. Journal of Political Economy， 1983，91（4）.

[37] Frenken， K.， F. Oort， and T. N. Verburg. Related Variety， Unrelated Variety and Regional Economic Growth[J].Regional Studies， 2007， 41（5）.

[38] Gray， W. B . Manufacturing Plant Location： Does State Pollution Regulation Matter？[J]. Working Papers， 1997.

[39] Gray， W. B. ，and R. J. Shadbegian . Environmental Regulation and Manufacturing Productivity at the Plant Level[J].Working Papers， 1993.

[40] Jacobs， J. The Economy of Cities[M]．New-York：Vintage.1969.

[41] Jaffe， A. B. ，and R. N. Stavins . Dynamic Incentives of Environmental Regulations： The Effects of Alternative Policy Instruments on Technology Diffusion - ScienceDirect[J]. Journal of Environmental Economics and Management， 1995，29（ 3）：S43-S63.

[42] Kahn， M. E.， and E. T. Mansur. Do local energy prices and regulation affect the geographic concentration of employment？[J]. Journal of Public Economics， 2013， 101（5）：105–114.

[43] Lanoie， P. ，M. Patry， and R. Lajeunesse . Environmental regulation and productivity： testing the porter hypothesis[J].Journal of Productivity Analysis， 2008， 30（2）：p.121-128.

[44] Levinsohn， J. A. ， and A. Petrin . Estimating Production Functions Using Inputs to Control for Unobservables[J].The Review of Economic Studies，2002，（2）：317-314.

[45] Levinson， A.， and M. S. Taylor ．Unmasking the Pollution Haven Effect[J]．International Economic Review， 2008，49（1）：223-254．

[46] Levinson， A ． Environmental regulations and manufacturers' location choices ： Evidence from the Census of Manufactures[J]．Journal of Public Economics， 1996，62（1-2）：5-29．

[47] List，J. A.， D. L. Millimet， and P. G. Fredriksson. Effects of Environmental Regulations on Manufacturing Plant Births：Evidence from a Propensity Score Matching Estimator[J]. Review of Economics & Statistics， 2003， 85（4）：944-952.

[48] Low， P.， Yeates A．do "dirty" industries migrate？ [J]．International Trade and the Environment， 1992，（159）：50-58．

[49] Mani， M.， and D. Wheeler ． In search of pollution havens？ Dirty industry in the world economy， 1960 to 1995．[J]．Journal of Environment & Development， 1998，7（3）：215-247．

[50] Marshall， A. Principles of Political Economy[M]．New York：Macmilan and Company，1920.

[51] Olley， G. S.， and A. Pakes. The Dynamics Of Productivity In The Telecommunications Equipment Industry[J]. Working Papers， 1992.

[52] Porter， M. E ．America's Green Strategy[J]．Scientific American， 1991.264（4）： 193-246.

[53] Porter， M. E.， and C. V. D. Linde.Towards a New Conception of the Environment-Competitiveness Relationship[J].Journal of Economic Perspectives， 1995， 4（4）：97-118.

[54] Smarzynska， B. K. ， and S. J. Wei . Pollution Havens and Foreign Direct Investment： Dirty Secret or Popular Myth？[J].NBER Working Papers， 2001.

[55] Stigler， and J. George. The Economics of Information[J]. Journal of Political Economy， 1984， 69（3）：213-22.

〔執行編輯：周冬〕