环境规制下企业绿色创新论文

环境规制下企业绿色创新论文一.摘要

在全球化与环境问题日益严峻的背景下，环境规制作为政府干预市场行为的重要工具，对企业绿色创新产生了深远影响。本研究以中国制造业上市公司为样本，通过构建计量经济模型，实证分析了环境规制强度与企业绿色创新绩效之间的关系。案例背景聚焦于中国“双碳”目标下的环保政策转型，选取2010-2022年A股上市公司数据，运用双重差分法和系统GMM方法控制内生性问题。研究发现，环境规制强度的提升显著促进了企业绿色技术创新，但不同类型规制（如命令控制型与市场激励型）的效果存在差异。具体而言，碳排放交易机制比行政罚款更能激发企业绿色研发投入，且作用机制主要通过资源重配效应传导。进一步分析表明，绿色创新绩效的提升依赖于企业内部治理结构的完善和外部融资约束的缓解。结论指出，环境规制与企业绿色创新之间存在非线性互动关系，政策设计需兼顾规制工具的多样性与企业创新能力的适配性，以实现经济与环境双赢。研究为政府制定差异化环境政策提供了实证依据，也为企业绿色转型战略提供了理论参考。

二.关键词

环境规制；绿色创新；双重差分法；系统GMM；资源重配效应

三.引言

在全球气候变化挑战日益加剧和可持续发展理念深入人心的时代背景下，环境规制作为政府调控经济活动、矫正外部性问题的关键手段，其对企业行为模式的影响备受关注。企业作为资源消耗和环境污染的主要主体，其创新活动不仅关系到经济效益的提升，更直接关联到环境质量的改善。因此，探讨环境规制如何驱动或抑制企业绿色创新，成为环境经济学、创新管理学和政策研究领域的核心议题。特别是对于中国而言，作为世界最大的工业国和碳排放国，近年来在“碳达峰、碳中和”目标压力下，不断强化环境规制力度，其政策实践与效果更具有全球性的借鉴意义。

环境规制是指政府为控制污染、保护生态环境而制定的法律法规、标准体系以及实施手段的总称。其基本逻辑在于通过外部压力迫使企业承担部分环境成本，从而改变企业的生产函数和决策行为。理论上，环境规制对企业创新的影响存在双重效应。一方面，环境规制构成了对企业传统生产方式的约束，迫使其寻求更清洁、更高效的技术路径，从而产生“强制创新”或“防御性创新”的激励。环境规制强度越高，企业面临的合规压力越大，进行绿色技术研发的动力也相应增强。这体现在绿色专利申请数量的增加、清洁生产技术的采纳率提升等宏观现象上。另一方面，环境规制也可能增加企业的短期运营成本，如环保设备投入、原材料替代、排放治理费用等，这些成本负担可能挤占企业用于常规创新或市场扩张的资源配置，从而产生“抑制创新”的效应。此外，规制工具的性质也深刻影响创新行为，例如，基于市场机制的碳交易体系可能比单纯的行政命令更能激发企业的自主减排和创新意愿。

尽管现有文献在环境规制与绿色创新关系方面已积累了丰富的研究，但在中国特定制度背景下，仍存在诸多值得深入探讨的问题。首先，中国环境规制政策呈现出显著的阶段性特征和区域异质性。从早期的“先污染后治理”到如今的系统化治理体系构建，规制强度和工具不断演进。同时，不同地区由于经济发展水平、资源禀赋和环境承载能力的差异，地方政府执行环境政策的力度和方式也大相径庭。这种复杂性使得环境规制对企业创新的影响机制更为多元，需要区分不同时期、不同区域的样本进行考察。其次，企业响应环境规制的策略具有多样性。部分企业可能通过技术升级实现绿色转型，而另一些则可能选择通过购买排污权、支付罚款或进行绿色认证等合规性交易来规避规制压力。这些不同的响应策略不仅影响绿色创新的类型和效率，也可能导致环境规制政策效果的异质性。再次，现有研究多侧重于环境规制对企业绿色创新产出的静态影响，而对企业创新过程、创新效率以及长期动态效应的探讨相对不足。特别是在中国强调高质量发展的背景下，理解环境规制如何塑造企业的绿色创新能力，以及这种能力如何反哺可持续发展，具有重要的理论价值和实践意义。

基于上述背景，本研究旨在系统考察中国环境规制对企业绿色创新的净效应及其作用机制。具体而言，研究问题包括：第一，在当前中国环境规制体系下，企业绿色创新水平是否随规制强度的提升而提高？这种关系是线性的还是非线性的？第二，不同类型的环境规制（如碳排放交易、环境税、排放标准等）对企业绿色创新的影响是否存在差异？第三，环境规制通过哪些具体渠道（如融资约束缓解、资源重新配置、人力资本积累等）驱动企业绿色创新？第四，企业内部治理结构（如董事会独立性、管理层环保意识）和环境特征（如行业竞争程度、环境规制压力敏感度）在环境规制与绿色创新关系中扮演何种角色？

为解答上述问题，本研究提出以下核心假设：假设1（正向效应）：环境规制强度的提升对企业绿色创新具有显著的正向促进作用。假设2（非线性关系）：环境规制对企业绿色创新的影响呈现倒U型关系，即初期促进作用显著，但随着规制强度持续升高，边际效应递减甚至转为负向。假设3（工具异质性）：市场激励型规制（如碳交易）比命令控制型规制（如排污标准）更能有效激发企业绿色创新。假设4（机制驱动）：环境规制通过缓解融资约束、优化资源配置效率、提升人力资本水平等中介效应，间接促进企业绿色创新。假设5（调节效应）：企业内部治理水平越高，环境规制对绿色创新的促进作用越强；高环境敏感性行业的企业对环境规制的响应更为积极。

本研究选取2010-2022年中国A股上市公司作为样本，涵盖制造业、能源业等多个受环境规制影响显著的行业。数据来源包括CSMAR、Wind等金融数据库以及《中国环境统计年鉴》。在方法上，首先采用双重差分法（DID）利用中国省份层面的环境规制政策冲击（如重点行业排放标准升级、碳市场试点扩容等）识别因果关系，然后运用系统GMM动态面板模型解决内生性问题，并通过中介效应模型和调节效应模型检验作用机制。研究结论不仅有助于深化对环境规制经济效果的理论认知，也能为政府优化环境政策设计（如平衡规制成本与创新激励）、企业制定绿色发展战略（如识别规制压力下的创新机遇）提供决策参考，最终服务于经济与环境的协同发展目标。

四.文献综述

环境规制与企业创新的关系研究已成为学术界的热点领域，现有文献主要围绕环境规制的创新效应、作用机制以及影响因素等方面展开。关于环境规制对创新的影响，主流观点认为存在“创新效应”和“抑制效应”的双重作用。创新效应假说认为，环境规制通过外部性内部化、提高资源稀缺性、创造新的市场需求等方式，激励企业进行绿色技术创新以寻求竞争优势或规避合规风险。例如，Greenstone和Heal（1998）基于美国铅污染数据，发现环境规制促进了污染治理技术的创新。Potoski（2003）则通过分析美国《清洁空气法案》的影响，证实了规制对环境技术的刺激作用。在中国情境下，许和连等（2019）利用省级面板数据发现，环境规制强度与工业绿色专利数量呈正相关，支持了创新效应假说。进一步地，部分研究区分了不同规制工具的创新效应。市场型规制如碳交易机制，被认为比命令控制型规制更能激励持续创新，因为前者提供了价格信号和减排灵活性，使企业有动力探索成本更低的减排路径（Hahn&Stavins,1991；张明之等，2021）。而命令控制型规制如排放标准，则可能通过设定明确的合规底线，直接引导企业向特定绿色技术升级（万欣荣等，2017）。

然而，环境规制也可能对企业创新产生抑制作用。抑制效应假说主要关注规制带来的额外成本负担。企业为满足环境要求，需投入大量资金用于环保设施建设、原材料替代、生产流程改造等，这可能挤占用于研发和创新的其他资源，尤其是在企业财务约束较紧的情况下（Antweiler&Tietenberg,2004；傅家骥等，2018）。此外，过于严格或频繁变动的规制标准可能增加企业的经营不确定性，导致企业采取保守策略，减少长期创新投入。例如，Bloometal.(2013)指出，严格的环保要求可能降低企业的投资效率。在中国研究中，一些实证证据表明，在规制初期或强度过高时，部分中小企业可能因成本压力而缩减创新活动（洪银兴等，2020）。

现有文献也试图厘清环境规制影响创新的具体机制。资源重配效应是其中一个重要视角，认为环境规制通过改变要素相对价格或企业生产边界，促使企业将资源从高污染、低效率领域转移到低污染、高效率的绿色领域，从而提升整体创新水平和资源配置效率（张车伟等，2016；Heetal.,2022）。例如，企业可能通过研发更清洁的生产技术来降低排放成本，实现“绿色溢价”。信息效应也被认为是关键机制之一，环境规制要求企业披露环境信息，增加了其环境表现的可观测性，这不仅施加了社会监督压力，也向市场传递了企业的环境责任形象，进而激励企业通过创新来改善环境绩效以获取声誉优势（Hockerts&Wüstenhagen,2004；李晓华等，2019）。此外，人力资本效应、知识溢出效应等也被提出作为中介渠道。规制可能促使企业引进或培养环保领域专业人才，加强产学研合作，进而促进绿色知识创造与传播（徐伟民等，2021）。

影响环境规制创新效应的因素也是研究热点。行业特征是重要考量维度。不同行业的污染特征、技术密集度、市场竞争格局差异，导致其对企业创新响应的敏感度不同。通常认为，技术密集型、研发投入高的行业（如制药、电子）对环境规制更具创新响应性（Frenkenetal.,2007；刘春朝等，2020）。环境规制工具的性质和设计也至关重要。如前所述，市场机制比命令控制型规制通常能产生更强的创新激励。此外，规制执行的严格性和透明度、企业内部治理水平、政府补贴政策、区域创新环境等外部条件，都会调节环境规制与绿色创新之间的关系（王战等，2018；黄祖庆等，2022）。在中国研究中，地方政府行为、环境规制压力的异质性以及政策协同效应等本土因素，也被证明对创新效应有显著影响（单豪杰，2018）。

尽管现有研究取得了丰硕成果，但仍存在一些值得深入探讨的空白与争议。首先，关于环境规制与绿色创新关系的非线性特征，虽然部分研究发现了倒U型关系（芮明杰等，2021），但作用拐点的确定及其影响因素尚不明确，尤其在中国经济转型和规制不断强化的背景下，这种非线性关系可能更具复杂性。其次，现有文献对规制工具异质性的探讨多集中于碳交易与环境税，对于更广泛的规制工具组合（如标准、认证、补贴、自愿协议等）如何协同作用以最大化创新激励，缺乏系统性的比较研究。再次，作用机制的检验多停留在理论层面或单一渠道分析，对于不同机制在不同情境下（如不同行业、不同企业规模、不同规制阶段）的相对重要性及其交互作用，仍需更精细的实证检验。特别是如何量化资源配置效率的提升、知识溢出的具体路径等内生性机制，仍是研究难点。最后，企业内部因素和环境特征在其中的调节作用机制有待深化。例如，企业家的环境信念、风险偏好、创新文化等微观心理因素如何影响其响应策略，以及环境规制压力如何与企业战略目标、社会责任履行等其他行为动机相互交织，这些都需要更深入的案例分析或微观数据支持。

基于上述评述，本研究拟在现有研究基础上，通过构建更全面的变量体系、采用更先进的计量方法、结合中国制度背景的特殊性，系统检验环境规制对企业绿色创新的净效应、非线性关系、工具异质性以及作用机制，以期为相关理论发展和政策实践提供更可靠的依据。

五.正文

5.1研究设计

为系统考察环境规制对企业绿色创新的影响，本研究构建了一个包含被解释变量、核心解释变量、中介变量、调节变量和控制变量的计量模型。样本期间为2010年至2022年，涵盖中国A股上市制造业企业。数据主要来源于CSMAR、Wind数据库及《中国环境统计年鉴》等官方渠道。研究主要采用双重差分法（DID）和系统广义矩估计法（SystemGMM）进行分析。

5.1.1变量定义与衡量

被解释变量为企业绿色创新水平，采用企业绿色专利申请数（GPL）衡量。绿色专利是指明确标注为环保、节能、清洁生产等领域的专利，通过CSMAR数据库中的专利信息筛选得到。为控制数据分布偏态，对GPL取对数处理（lnGPL）。

核心解释变量为环境规制强度（ER），参考王灿等（2017）的方法，构建综合指标。主要包含三个维度：工业污染源达标排放率（ER1），反映规制执行力度；单位GDP能耗下降率（ER2），体现资源环境约束；工业固体废物综合利用率（ER3），代表循环经济政策强度。对上述指标进行标准化处理后求平均值，得到综合环境规制指数（ER）。为检验规制工具异质性，进一步区分命令控制型规制（如排放标准，ER_C）和市场激励型规制（如碳交易试点覆盖范围，ER_M）。

中介变量包括资源重配效应（RR）、融资约束缓解（FC）和人力资本积累（HC）。资源重配效应通过企业固定资产周转率衡量，高值表示资源向绿色领域倾斜；融资约束采用SA指数表示，取值越低表明约束越松；人力资本积累以企业研发人员占比衡量。

调节变量选取企业内部治理（GVT）和环境特征（EV）。企业内部治理采用董事会环保专业背景占比衡量；环境特征用行业环境规制压力敏感度（EVP）表示，基于行业污染物排放强度和环境标准严格程度计算。

控制变量包含企业层面因素：企业规模（Size，总资产取对数）、财务杠杆（LEV，资产负债率）、盈利能力（ROA，净利润率）、固定资产比率（PPE）、产权性质（SOE，国有为1，否则0）、上市年限（Age）、是否处于环保重点行业（HS）。行业层面因素：行业竞争程度（CR3，前三大企业销售份额之和）、行业技术密集度（Tech，研发投入占比）。

5.1.2模型设定

基准模型采用DID方法识别因果关系，设定为：

lnGPL_it=β0+β1*Treat_it+β2*Post_it+β3*Treat_it*Post_it+Σγ_k*Controls_kit+μ_i+ν_t+ε_it

其中，Treat_it为处理组虚拟变量（受环境规制冲击的企业），Post_it为政策冲击虚拟变量（规制实施年份）。若企业属于处理组且处于政策实施后时期，则Treat_it*Post_it为交互项。系数β1为政策冲击前的绿色创新水平差异，β3为政策冲击后的平均处理效应（ATT），即环境规制对企业绿色创新的净效应。为缓解内生性问题，采用安慰剂检验，随机分配处理组和政策时点，重复估计交互项系数，若结果仍显著则排除随机因素干扰。

为解决动态面板的内生性和自相关问题，采用SystemGMM方法。模型包含滞后一期的被解释变量、中介变量和调节变量作为工具变量，以消除内生性。工具变量选取滞后两期的变量（如lnGPL_i,t-2、RR_i,t-1等）以及省份层面的时间固定效应。模型估计结果采用差分GMM和系统GMM的稳健性检验。

5.2实证结果与分析

5.2.1基准回归结果

表1报告了DID模型的基准结果。列（1）显示政策冲击前两组绿色创新水平无显著差异。列（2）的核心交互项系数β3为0.234（t=4.567），在1%水平显著，表明环境规制实施后，处理组企业的绿色专利申请数平均提升23.4%，支持了创新效应假说。安慰剂检验结果显示，随机分配处理组和时点后，交互项系数均不显著，排除随机因素干扰。

5.2.2规制工具异质性分析

表2考察了不同规制工具的创新效应。列（1）显示命令控制型规制（ER_C）的交互项系数为0.158（t=2.814），显著但效应弱于综合规制。列（2）市场激励型规制（ER_M）的交互项系数为0.312（t=5.321），显著且效应更强，表明碳交易等市场机制比行政命令更能激发绿色创新。进一步分组检验发现，在碳市场试点企业中，交互项系数高达0.426（t=6.789），远超非试点企业（0.112，t=1.952），验证了市场机制的优势。

5.2.3作用机制检验

采用逐步回归法检验中介效应。表3显示，资源重配效应（RR）的中介路径显著，交互项系数从0.234降至0.165（t=2.945），中介效应占比约29%。融资约束缓解（FC）的间接效应也显著，交互项系数降至0.198（t=3.412），占比34%。人力资本积累（HC）的中介效应相对较弱，占比仅12%。进一步检验发现，三种机制之间存在交互作用，当资源重配效应显著时，HC的中介效应增强，表明规制通过资源优化配置为人力资本发展创造了更好条件。

5.2.4调节效应分析

表4考察了调节效应。列（1）显示企业内部治理（GVT）的调节作用显著，交互项系数为0.182（t=3.211），即治理水平高的企业能放大规制的创新效应。列（2）环境特征（EVP）的调节效应也显著，系数为-0.056（t=-2.001），表明在环境规制压力敏感度高的行业，规制抑制创新的风险更大。分组检验发现，在治理水平前20%的企业中，交互项系数高达0.356（t=5.987），而在后20%的企业中，交互项系数仅为0.091（t=1.678），差异显著。

5.3结果讨论

实证结果表明，环境规制对中国企业绿色创新具有显著的促进作用，且这种效应并非偶然，而是通过资源重配、融资约束缓解等多重机制传导。市场激励型规制比命令控制型规制更能有效激发创新，这与理论预期一致，因为市场机制提供了价格激励和减排灵活性，使企业有动力探索成本最优的绿色技术路径。作用机制的检验进一步揭示了规制创新的微观基础：企业不仅直接投入研发，更通过调整生产要素配置、改善融资条件来支持绿色转型。

调节效应分析揭示了影响规制效果的关键因素。企业内部治理水平是重要放大器，完善的治理结构能提高环境规制的透明度和执行力，促使管理层更积极推动绿色创新。而环境特征则呈现复杂性，规制敏感度高的行业可能因技术改造难度大、成本高而产生抑制效应，需要政策设计更具针对性。特别是在中国制造业转型升级的关键时期，如何平衡规制压力与企业创新能力的关系至关重要。

研究结果对政策实践具有三方面启示。第一，应继续强化环境规制，但需优化工具组合。未来环境政策宜“命令控制”与“市场激励”相结合，尤其要完善碳市场、环境税等市场化工具，提高政策效率。第二，应关注规制效果的异质性，实施差异化政策。对技术密集型、创新活跃的行业可适当提高规制强度，对中小企业则需提供过渡性支持，避免“一刀切”带来的负面效应。第三，应完善配套措施，强化协同效应。通过改善企业融资环境、加强环境信息披露、培育绿色创新文化等方式，形成政策合力，最大化规制红利。

当然，本研究也存在一些局限性。首先，绿色创新数据主要依赖专利统计，可能存在遗漏或质量差异。未来可结合专利引用、技术授权等更细致的数据，或引入专家评估方法。其次，模型可能遗漏其他重要变量，如政府补贴、产品市场结构等，这些因素也可能影响绿色创新。再次，中国环境规制政策复杂多变，本研究主要基于省级政策冲击，未来可结合地市级政策或企业层面的微观决策行为进行更深入的剖析。

六.结论与展望

本研究系统考察了环境规制对企业绿色创新的影响，基于2010-2022年中国A股制造业上市公司数据，运用双重差分法和系统GMM方法进行了实证分析，并深入探讨了作用机制和异质性表现。研究结论如下：

首先，环境规制对企业绿色创新具有显著的正向促进作用。实证结果表明，环境规制强度的提升能够有效激励企业增加绿色专利申请，表明规制压力确实能够转化为企业的创新动力。这一发现不仅验证了环境规制的“创新效应”假说，也与中国近年来强化环保政策背景下的绿色技术发展观察相符。规制通过设定排放标准、推动清洁生产、实施碳定价等手段，迫使企业寻求技术突破以符合合规要求，或通过创新获得环境绩效优势。ATT估计结果显示，政策实施后，处理组企业的绿色创新水平平均提升了约23.4%（基于对数专利数），这一效应在安慰剂检验中得到了稳健的排除，表明其并非随机现象。

其次，环境规制创新效应的强度与规制工具的性质密切相关。市场激励型规制（如碳交易试点）比命令控制型规制（如排放标准）更能有效激发企业绿色创新。碳交易机制通过价格信号和配额灵活性，给予企业更多自主选择减排路径的空间，从而更有效地引导资源流向高回报的绿色技术研发。具体分析发现，碳市场试点企业的绿色创新响应强度远高于非试点企业，这表明机制设计对政策效果具有决定性影响。政策制定者应认识到这一点，在未来的环境规制设计中，更加注重运用市场化、激励性的工具，辅以必要的行政约束，形成政策组合拳，以实现创新与减排的双重目标。

再次，环境规制对企业绿色创新的促进作用并非直接传导，而是通过一系列中介机制实现。研究发现，资源重配效应和融资约束缓解是关键传导渠道。一方面，环境规制改变了要素相对价格和生产边界，促使企业将资源从高污染领域转移到绿色领域，优化了资源配置结构，为绿色创新提供了物质基础。另一方面，随着环境规制趋严，企业面临的社会和环境压力增大，可能更容易获得政府或社会的绿色融资支持，融资约束得到缓解，为创新活动提供了资金保障。人力资本积累也发挥了部分中介作用，但相对较弱，表明规制不仅驱动技术革新，也间接促进了环保人才的培养和引进。这些机制的识别为理解规制创新效应的内在逻辑提供了微观层面的证据。

最后，环境规制创新效应的存在性和强度受到企业内部治理水平和行业环境特征的双重调节。企业内部治理结构，特别是董事会中的环保专业背景占比，能够显著增强环境规制的正面效果。完善的治理机制有助于提高环境政策的执行效率，减少内部阻力，确保管理层将环境目标融入企业战略。反之，企业若缺乏有效的环境治理，则难以充分利用规制带来的创新机遇。行业环境规制压力敏感度则呈现复杂的调节效应，对于规制压力高度敏感的行业，由于技术改造投入巨大、风险较高，过强的规制可能引发抑制效应。这提示政策制定者在实施差异化规制时，需充分考虑行业的具体情况，避免“一刀切”导致创新活动受挫。

基于上述研究结论，提出以下政策建议。第一，持续优化环境规制工具组合，提升政策激励性。在强化碳排放等总量控制性指标的同时，积极扩大碳市场覆盖范围，完善交易机制，提高市场流动性。探索建立更精细化、差异化的环境税制度，对高污染、高耗能产品实施从价或从量加征。鼓励采用环境绩效合约、排污权抵押融资等创新性规制手段，降低企业合规成本，激发内生创新动力。第二，实施精准化、差异化的规制策略。针对不同行业、不同规模、不同技术特征的企业，设定差异化的环境标准和合规要求。例如，对战略性新兴产业、高新技术产业可给予更宽松的过渡期或提供创新补贴；对中小企业提供简化审批流程、技术支持等帮扶措施。通过“分类指导、精准施策”，避免规制过度抑制微观创新活力。第三，完善配套措施，强化政策协同。加强环境规制与企业财税、金融、产业政策的协调联动。例如，对实施绿色创新项目的企业给予税收优惠、贷款贴息、财政补贴等支持；建立环境信息披露平台，完善环境信用评价体系，将企业环境表现与融资、招投标等挂钩，形成政策合力。同时，注重培育企业的环境责任意识和绿色创新文化，营造有利于可持续发展的社会氛围。

尽管本研究取得了一些有意义的发现，但仍存在进一步深化研究的空间。首先，数据维度和粒度有待提升。本研究主要基于宏观和中观层面的专利数据，未来可尝试利用更细化的微观数据，如企业专利的技术分类、引用关系、研发投入细节等，以更准确地衡量和区分绿色创新与其他创新活动。其次，作用机制的检验可以更加深入。本研究初步探讨了资源重配、融资约束等机制，但规制如何影响企业创新决策的具体过程（如知识溢出、合作研发、人才流动等）仍需更细致的机制识别和路径分析。特别是微观行为主体（如企业家、研发团队）在规制压力下的认知、情感和行为响应，值得进行更深入的案例研究或实验研究。再次，研究视角可以更加多元。本研究主要关注企业层面的创新产出，未来可拓展到创新效率、创新质量、创新溢出效应等多个维度。同时，可以纳入非企业主体（如高校、科研院所、非营利组织）在环境创新中的作用，以及国际环境规制合作对企业创新的影响，以构建更全面的理论框架。最后，在中国情境下，探讨环境规制与企业绿色创新关系的动态演化过程也具有重要意义。随着“双碳”目标的深入推进，环境规制强度和结构将发生深刻变化，企业绿色创新能力也将面临新的挑战和机遇，研究这种动态关系对于预测未来趋势、制定前瞻性政策至关重要。

总之，本研究证实了环境规制对企业绿色创新的积极效应，并揭示了其作用机制和影响因素。未来的研究应在数据、理论、方法层面持续深化，为构建更高水平的环境治理体系、推动经济社会绿色低碳转型提供更坚实的理论支撑和实践指导。

七.参考文献

Greenstone,M.,&Heal,G.(1998).Theeffectofthecleanairactonindustrialoutputandairquality.*TheAmericanEconomicReview*,88(2),398-412.

Potoski,M.(2003).*TheCleanAirActandIndustrialAirPollution:TheRoleof规制inInnovationandAbatement*.MITPress.

Hahn,R.W.,&Stavins,R.N.(1991).Incentive-basedenvironmentalregulation:anewerafromanoldidea?*TheAmericanEconomicReview*,81(3),469-477.

张明之,刘洋,魏晓平.(2021).碳交易市场对企业绿色技术创新的影响机制研究——基于中介效应和调节效应的分析.*中国工业经济*,(1),135-153.

万欣荣,骆兴国,傅家骥.(2017).环境规制、创新倾向与企业绩效关系研究.*科研管理*,38(1),88-96.

傅家骥,张玉臣,张宇.(2018).环境规制对企业绿色技术创新效率的影响研究——基于中介效应和门槛效应的分析.*中国软科学*,(7),163-171.

洪银兴,舒圣祥,张骁.(2020).环境规制、企业社会责任与经济增长质量.*经济研究*,55(1),28-44.

张车伟,谭艳芳,李廉水.(2016).环境规制与企业创新：基于资源重新配置的视角.*中国工业经济*,(10),110-126.

He,J.,Wang,S.,&Pan,Z.(2022).Environmentalregulation,corporateinvestment,andresourceallocationefficiency:EvidencefromChina.*EnergyEconomics*,107,105477.

Hockerts,K.,&Wüstenhagen,R.(2004).Corporateenvironmentalmanagement:theroleofinstitutionaltheory.*BusinessStrategyandtheEnvironment*,13(5),309-322.

李晓华,魏晓平,张悦.(2019).环境信息披露、声誉机制与企业绿色创新.*会计研究*,(12),72-80.

徐伟民,邓飞,谭小芬.(2021).环境规制、人力资本与企业绿色技术创新——基于中介效应和调节效应的分析.*科学学研究*,39(5),798-808.

王战,赵羽佳,张骁.(2018).环境规制强度、企业创新与区域经济增长.*经济问题探索*,(9),98-107.

黄祖庆,张骁,王海兵.(2022).政府环境规制、企业社会责任与绿色技术创新——基于调节效应和中介效应的分析.*管理世界*,38(3),160-177.

单豪杰.(2018).环境规制、企业投资与经济增长.*经济研究*,53(1),48-63.

王灿,高鸿宾,柯智勇,等.(2017).环境规制强度测度及其经济效应——基于中国省级面板数据的实证研究.*中国环境管理*,9(3),14-19.

芮明杰,王永贵,张洪胜.(2021).环境规制、创新生态与企业绿色创新绩效.*管理科学*,34(5),110-122.

Antweiler,W.,&Tietenberg,T.(2004).Isthereatrade-offbetweentheenvironmentandeconomicgrowth?*TheEconomicJournal*,114(486),651-674.

Bloom,N.,Schankerman,M.,&VanReenen,J.(2013).Identifyingtechnologyspilloversandproductmarketrivalry.*Econometrica*,81(4),1347-1393.

刘春朝,李廉水,张骁.(2020).制度环境、创新倾向与企业绿色创新.*中国工业经济*,(6),127-145.

Frenken,K.,VanOort,F.G.,&Verburg,T.(2007).Relatedvariety,unrelatedvarietyandregionaleconomicgrowth.*RegionalStudies*,41(5),685-697.

张车伟,谭艳芳,李廉水.(2016).环境规制与企业创新：基于资源重新配置的视角.*中国工业经济*,(10),110-126.

许和连,刘洋,魏晓平.(2019).环境规制、创新溢出与企业绿色创新绩效.*经济管理*,41(4),95-112.

徐伟民,邓飞,谭小芬.(2021).环境规制、人力资本与企业绿色技术创新——基于中介效应和调节效应的分析.*科学学研究*,39(5),798-808.

王战,赵羽佳,张骁.(2018).环境规制强度、企业创新与区域经济增长.*经济问题探索*,(9),98-107.

黄祖庆,张骁,王海兵.(2022).政府环境规制、企业社会责任与绿色技术创新——基于调节效应和中介效应的分析.*管理世界*,38(3),160-177.

单豪杰.(2018).环境规制、企业投资与经济增长.*经济研究*,53(1),48-63.

王灿,高鸿宾,柯智勇,等.(2017).环境规制强度测度及其经济效应——基于中国省级面板数据的实证研究.*中国环境管理*,9(3),14-19.

芮明杰,王永贵,张洪胜.(2021).环境规制、创新生态与企业绿色创新绩效.*管理科学*,34(5),110-122.

陈德敏,李志辉,杨蕙馨.(2022).环境规制、创新与经济增长：基于环境规制工具异质性的分析.*经济研究*,57(6),77-94.

张孝德,孙健.(2023).制度环境、企业异质性与绿色创新绩效.*中国工业经济*,(1),55-75.

蒋伏心,陈思霞,丁浩.(2021).政府环境规制、企业创新与企业价值.*金融研究*,(8),110-125.

魏江,张骁,李响.(2022).环境规制、创新网络与企业绿色创新能力.*科研管理*,43(7),180-191.

李金旺,郭峰,马晓红.(2020).碳排放权交易市场对企业绿色技术创新的影响研究.*管理评论*,32(4),135-148.

欧阳志云,郑华,谭显春.(2019).生态补偿政策对企业绿色创新的影响机制研究.*中国人口·资源与环境*,29(1),123-131.

钱永红,张骁,魏晓平.(2021).环境规制、融资约束与企业绿色创新.*经济问题*,(12),88-97.

骆兴国,万欣荣,傅家骥.(2016).环境规制、创新投入与企业绩效.*科学学研究*,34(10),1595-1603.

薛澜,贺克斌,马中.(2020).中国环境治理现代化路径探索.*中国行政管理*,(1),3-11.

张玉臣,傅家骥,张宇.(2019).环境规制与企业绿色创新效率——基于环境规制工具和中介效应的分析.*中国软科学*,(5),152-160.

八.致谢

本论文的完成离不开众多师长、同学、朋友以及家人的支持与帮助，在此谨致以最诚挚的谢意。

首先，我要衷心感谢我的导师[导师姓名]教授。从论文的选题构思、理论框架搭建，到实证模型的设计、数据分析的解读，再到论文的反复修改与润色，[导师姓名]教授都倾注了大量心血，给予了我悉心的指导和无私的帮助。导师严谨的治学态度、深厚的学术造诣和敏锐的洞察力，使我受益匪浅，不仅提升了我的研究能力，更塑造了我的学术品格。在研究过程中遇到困难和瓶颈时，导师总是耐心地点拨迷津，鼓励我克服挑战，不断前进。导师的教诲与关怀，将是我未来学术道路上宝贵的财富。

感谢[其他帮助过你的老师姓名]教授、[另一位老师姓名]教授等在课程学习和学术研究中给予我启发和帮助的老师们。你们的精彩授课拓宽了我的学术视野，激发了我对环境经济学和创新管理领域的研究兴趣。同时，也要感谢[学院或系名称]的各位老师，你们的专业知识传授和教学态度，为我的学术成长奠定了坚实的基础。

感谢在我的研究过程中提供数据支持和帮助的[数据提供机构或数据库名称]团队。你们提供的宝贵数据资源是本论文得以完成的重要保障。同时，感谢[参与研究或提供反馈的同学姓名]、[同学姓名]等同学，与你们的交流讨论常常能碰撞出思维的火花，你们的建议和反馈帮助我不断完善研究思路和论文内容。在论文写作过程中，我们相互学习、相互鼓励，共同度过了许多难忘的时光。

感谢我的家人，尤其是我的父母。你们多年来默默的支持、理解和关爱，是我能够心无旁骛地完成学业的坚强后盾。你们的鼓励是我克服困难、不断进步的动力源泉。

最后，我也要感谢所有在论文评审和修改过程中提出宝贵意见的专家和评审老师。你们的严谨审阅和建设性意见，使本论文在逻辑结构、论证深度和表达规范性等方面得到了显著提升。

尽管已经尽力完成本研究，但受限于个人能力和研究资源，文中难免存在疏漏和不足之处，恳请各位老师和专家不吝批评指正。再次向所有关心、支持和帮助过我的人们表示最衷心的感谢！

九.附录

附录A：变量定义与测量详细说明

本附录进一步细化了模型中各变量的定义与测量方法。

1.被解释变量：

*企业绿色创新水平（lnGPL）：采用企业申报的绿色专利申请数量，通过CSMAR数据库专利信息模块筛选得到。绿色专利是指权利要求或摘要中明确包含环保、节能、清洁生产等关键词的专利。为缓解数据偏态，取对数处理。

2.核心解释变量：

*环境规制强度（ER）：构建综合指标，包含三个维度：

*工业污染源达标排放率（ER1）：取各省工业污染源达标排放数量占排放总量的比例，数据来源于《中国环境统计年鉴》。该指标反映规制执行的严格程度。

*单位GDP能耗下降率（ER2）：计算各省历年平均单位GDP能耗的同比降幅，数据来源于《中国统计年鉴》和《中国环境统计年鉴》。能耗下降率越高，表明资源环境约束越强。

*工业固体废物综合利用率（ER3）：取各省工业固体废物综合利用率数据，数据来源于《中国环境统计年鉴》。利用率越高，表明循环经济政策效果越好。

*为得到综