異質環境規制對OFDI逆向綠色創新的動態調節效應研究

韓先鋒 宋文飛

(1.昆明理工大學管理與經濟學院；2.陜西師范大學西北歷史環境與經濟社會發展研究院)

1 研究背景

改革開放以來，中國經濟取得了舉世矚目的“增長奇跡”，但隨之而來的環境污染嚴重、資源過度浪費等一系列問題，已成為阻礙當前經濟高質量發展的“絆腳石”。這種情形下，國家審時度勢提出通過加快綠色創新發展，以有效破解資源環境約束，驅動經濟發展方式從高速增長向高質量增長轉變。然而，中國綠色創新的快速發展往往需要大量的綠色技術溢出作為支撐，僅僅依靠國內自主創新尚遠不能滿足綠色發展的客觀需求，還需要包括對外直接投資(OFDI)等在內的國際綠色技術溢出渠道作為重要補充，這對于作為全球第三大OFDI國的中國顯得尤為重要。一般認為，OFDI企業能方便學習和自主獲取東道國的綠色生產技術和清潔生產經驗，并通過將其大規模反饋至國內而引發逆向綠色創新溢出現象，且這種逆向溢出效果會因OFDI強度的變化而變化。另外，不同于一般的技術創新，綠色創新具有綠色和創新兩大鮮明特性，其雙重外部性往往會導致創新主體缺乏足夠的約束和激勵，必須通過政府的管制、引導加以矯正，而環境規制則通常被視為政府矯正創新主體綠色創新行為的重要工具[1]，這對“走出去”過程中的逆向綠色創新溢出亦不例外。同時，值得注意的是，由于不同類型的環境規制策略分別體現了異質性的調控目的及傾向，在政策執行時也多存在差異[2]，加之OFDI和國內綠色創新均始終處于持續的動態演化過程中，可能導致不同類型的環境規制工具對OFDI逆向綠色創新的調節效果也會隨之動態演變。倘若忽視不同類型環境規制工具的異質動態調節影響，容易犯“一刀切”和“形而上學”的錯誤，往往會因環境規制政策失靈、偏差而導致“走出去”過程中的逆向綠色創新紅利損失。鑒于此，本研究基于異質環境規制的三維新視角，探究OFDI對國內綠色創新的動態影響，重點解析環境規制調節OFDI逆向綠色創新溢出的工具差異、動態演化特征及空間異質性等現實問題?？茖W回答相關問題，無疑對于新時代下中國有效實現環境規制、OFDI與綠色創新的協調發展具有重要現實意義。

2 文獻綜述

隨著環境問題日益嚴峻和“走出去”戰略持續深化，環境規制、OFDI與國內綠色創新的關聯性問題正逐步成為學術界關注的熱門話題，相關研究主要體現在以下兩個方面。

一方面，關于OFDI逆向綠色創新效應的探討。目前該領域的研究尚不多見，且現有文獻對于OFDI是否存在逆向綠色創新溢出尚各執一詞。多數學者對OFDI影響國內綠色創新持積極態度。ESKELAND等[3]較早肯定了OFDI在提升企業綠色技術創新過程中的正向作用。隨后國內不少學者圍繞中國實際也得出了類似結論。比如，龔新蜀等[4]研究發現，中國對外投資的效率與技術反饋對國內工業綠色創新效率的改善效果明顯，但OFDI逆向綠色創新的驅動機制存在顯著區域差異?？兹合驳萚5]實證表明，OFDI顯著驅動了地區的綠色創新，但市場分割會間接阻礙地區綠色創新水平改善。楊朝均等[6]數值仿真顯示，高OFDI情形下企業多直接選擇綠色模仿創新，而高利潤反饋下的OFDI企業更傾向于選擇綠色自主創新；然而，也有學者得出了與上述不相一致的結論，認為OFDI逆向綠色創新溢出是有條件性的。冉啟英等[7]發現，地區制度質量會顯著約束OFDI的逆向綠色創新溢出效果。聶名華等[8]實證表明，OFDI與中國工業綠色創新效率之間存在倒U形的非線性關聯特征。甚至還有學者持有完全相反的觀點，認為OFDI顯著抑制了國內的綠色創新發展。宋維佳等[9]證實了在國際技術溢出過程中，OFDI對中國綠色創新具有顯著的負面效應。羅良文等[10]進一步指出，OFDI之所以不利于中國綠色創新的原因在于，其對國內投資具有顯著擠出影響。事實上，學界關于OFDI逆向綠色創新問題認識的多重分歧，也恰恰反映出二者之間可能存在較為復雜的動態關聯，但遺憾的是，目前這一方面的研究還較為少見。

另一方面，關于環境規制與綠色創新的關聯性研究。學術界主要圍繞綠色創新過程中的“波特假說”存在性問題展開了激烈的討論，相關研究主要表現為4個方面：①支持“波特假說”，認為環境規制有利于綠色創新發展。這一觀點得到了多數學者的肯定，如MONTERO[11]指出，較高的排污稅和排污標準能夠明顯促進綠色創新能力改善；REN等[12]研究發現，補貼、約束等環境管制措施均能有效激發企業加強綠色創新投入；李婭楠等[13]分析表明，合理的政府環境規制水平能夠有效提升整體綠色生產水平。②否定“波特假說”，指出環境規制對綠色創新具有負面影響。WAGNER[14]實證表明，環境規制與綠色創新專利生產之間具有顯著的負相關關聯。進一步，王鳳祥等[15]發現了環境規制對中國整體層面的綠色技術創新具有負面影響；臧傳琴等[16]的研究則表明，環境規制負向影響綠色創新的現象主要發生在西部地區。③認為“波特假說”是否存在尚不確定，即環境規制與綠色創新之間的關聯性并不明顯。LANJOUW等[17]指出，環境規制與綠色創新之間無明顯的相關關系。隨后，SCHERER等[18]基于美國和德國數據研究印證了這一點。王淑英等[19]則從多維環境規制工具入手發現，激勵型環境規制對綠色產品創新的影響不明顯，而公眾參與型、命令型環境規制對綠色工藝創新的間接影響均不顯著。④認為“波特假說”存在非線性特征，即環境規制與綠色創新之間具有動態關聯。FRONDEL等[20]認為，環境規制政策越嚴厲，對企業綠色創新的促進效果越明顯。李香菊等[21]基于地區競爭視角，分析得出了與FRONDEL等[20]不相一致的結論，發現環境稅、排污費等不同規制手段與綠色技術創新之間分別呈現倒U形和U形關系。WANG等[22]利用OECD國家的工業面板數據的最新研究，進一步佐證了李香菊等[21]的分析結論。不難發現，現有文獻雖然圍繞綠色創新過程中的“波特假說”檢驗做了大量工作，卻鮮有文獻考察OFDI逆向綠色創新過程中的“波特假說”問題。

綜上所述，已有相關成果為本研究提供了重要啟示，但迄今為止理論界關于上述兩個領域的分析結果均存在明顯爭議，還需要進一步探究。特別是，已有研究尚存在以下不足：①多數文獻主要基于線性的靜態角度進行分析，較少關注到OFDI逆向綠色創新的非線性效應，尤其是鮮有文獻基于環境規制與“走出去”的聯動性視角探討如何有效驅動國內綠色創新效率；②現有研究對環境規制如何調節OFDI逆向綠色創新溢出的考慮還極為有限，賈軍等[23]雖然分析了環境規制與OFDI交叉項對國內綠色創新的靜態影響，但卻忽視了環境規制動態調節OFDI逆向綠色創新的演化特征、工具差異及其潛在的空間異質性現象。本研究的主要創新之處在于，基于異質環境規制的三維新視角，深入探索不同環境規制工具影響OFDI逆向綠色創新溢出的動態調節響應及其異質性問題，以期為新時代下動態審視環境規制、OFDI與國內綠色創新的內在關聯提供一定現實依據。

3 研究設計

3.1 作用機制闡釋

OFDI是母國獲取國外綠色技術溢出的重要渠道。一般來講，OFDI主要包括對發達國家的逆梯度投資和對發展中國家的順梯度投資兩種路徑[8]。不同路徑的投資方式均會對母國綠色創新產生不同程度的影響，具體而言，OFDI的逆向綠色創新機制主要體現為：一方面，對發達國家的逆梯度OFDI，主要以通過自主選擇和學習的方式獲取東道國先進生產要素、清潔技術和經驗等為主要目的，持續的逆向反饋能為母國提供更多從東道國獲取有效綠色創新溢出、聯合綠色研發，以及在母國實施二次綠色創新的機會，而大范圍、高強度的OFDI逆向溢出則會對母國綠色創新活動產生影響；另一方面，對發展中國家的順梯度OFDI，主要以尋求資源、降低成本等為主要目的，使得OFDI企業能依托東道國廉價的資源進行生產，該過程中，OFDI母公司可持續將高能耗、高污染的生產環節和過剩產能轉移至東道國，通過對海外生產工藝的低端鎖定，大大縮減了母國高污染產業和“比較劣勢”的邊際產業[4]，并驅動了母國資源的優化配置和新興綠色產業的快速發展，從而也能對母國綠色創新水平的改善產生影響。也正是因為兩種投資渠道的動態變化和綜合作用，最終導致OFDI的逆向綠色創新溢出是持續動態演化的。

理論上看，影響OFDI動機的因素一般包括企業獲取利潤的內生動力和政府制度約束的外生動力，而制約綠色創新水平提升的主要動力通常有OFDI在內的國際溢出、母國的自主創新以及政府制度調節3個方面。這其中，政府制度約束通常是影響OFDI與綠色創新的共同驅動力，而環境規制則被視為政府調節OFDI與綠色創新內在關聯的直接手段。事實上，與一般的OFDI逆向創新不同，OFDI逆向綠色創新兼具“綠色”和“創新”的雙重外部性溢出特征[21]，這導致在純粹的市場化手段調節下難以有效激勵或約束OFDI企業的綠色創新行為。具體而言，在綠色創新初期，OFDI企業往往會因額外支出環保成本而對其他技術創新投資產生擠出效應，導致此時的OFDI企業缺乏綠色創新動機，需要政府加強宏觀調控，發揮各類環境規制策略的倒逼效應。當綠色創新步入深水區，OFDI企業無論是在綠色創新規模、強度，還是在綠色技術擴散、應用等方面均已達到較高水平，這增強了國內綠色創新資源的統籌整合難度，依然需要政府通過各類環境規制手段加以調控和引導。

根據環境規制主導者不同及政策靈活性的差異，政府的環境規制策略可分為命令型環境規制、經濟型環境規制和自愿型環境規制3種類型。從政策實施效果來看，經濟型環境規制策略實施具有政府行政權力的強制性，OFDI企業為了滿足相應的環保標準和技術規范，必然要提高綠色創新水平。經濟型環境規制的實施效果會受到企業經濟利益最大化目標的制約，由于綠色創新的不確定性，OFDI企業往往會優先選擇治理污染以應對母國規制要求，而缺乏開展綠色創新的動力[23]。自愿型環境規制的實施效果則會受到排污者自發行為的影響，這預示著OFDI企業具有較大的自主權和選擇權，政策執行效果會受到公眾和一些非政府組織監督參與強度的影響。加之政府不同環境規制策略在調控目的及傾向上均有所差異，最終導致其影響OFDI逆向綠色創新的機理、方式與管制效果均存在一定的異質性。另外，不同環境規制策略并非一成不變，而是會隨著環境問題的變化不斷進行調整和修訂，故環境規制策略本身就具有一定的動態性。由此，隨著不同環境規制策略及其強度、OFDI規模和綠色創新水平等的持續動態演變，環境規制對OFDI驅動國內綠色創新的調節廣度和深度都在不斷變化，最終可能致使異質環境規制調節下OFDI的逆向綠色創新效應并非簡單的線性關聯，而是具有復雜的動態非線性特征。

3.2 計量模型構建

為了客觀揭示異質環境規制調節OFDI逆向綠色創新的動態演化規律，這里首先構建如下面板門檻模型：

GIit=α1OFit·I(Eit≤γ)+α2OFit·I(Eit>γ)+

?jXit+μi+εit，

(1)

式中，GI表示綠色創新效率的被解釋變量；OF表示對外直接投資的核心解釋變量；E表示環境規制的門檻變量；γ表示待估計的門檻值，通過與E比較，可劃分出OF具有不同取值的兩個門檻區間；α1、α2和?j均表示變量的估計系數；I(*)為一個指示函數，當括號內條件不成立時，取值為0，否則取值為1；X表示影響國內綠色創新效率的其他控制變量；μ表示不隨時間變化的各樣本截面個體效應；i和t分別表示考察期內的研究樣本編號和時序編號；ε表示誤差項，εit～iid(0,σ2)。

根據研究需要，這里選取人力資本(HC)、貿易開放度(TO)、金融發展(FD)和知識產權保護(IP)等作為控制變量，則模型(1)可以改寫為：

GIit=α1OFit·I(Eit≤γ)+α2OFit·I(Eit>γ)+

?1HC+?2TO+?3FD+?4IP+μi+εit。

(2)

考慮到本研究可能存在多個門檻區間的情形，這里對單一門檻模型(2)進一步做拓展，構建相應的多重面板門檻數據模型如下：

GIit=α1OFit·I(Eit≤γ1)+α2OFit·I(Eit>γ1)+

…+αnOFit·I(Eit≤γn)+αn+1OFit·I(Eit≤γn)+

?1HC+?2TO+?3FD+?4IP+μi+εit。

(3)

進一步，本研究將環境規制變量細分為命令型環境規制(Ec)、自愿型環境規制(Ep)和經濟型環境規制(Es)。其中，命令型環境規制(Ec)調節下的OFDI逆向綠色創新溢出門檻模型可表示如下：

GIit=α1OFit·I(Ecit≤γ1)+α2OFit·I(Ecit>γ1)+

…+αnOFit·I(Ecit≤γn)+αn+1OFit·I(Ecit≤

γn)+?1HC+?2TO+?3FD+?4IP+μi+εit。

(4)

自愿型環境規制(Ep)調節下的OFDI逆向綠色創新溢出門檻模型可表示如下：

GIit=α1OFit·I(Epit≤γ1)+α2OFit·I(Epit>γ1)+

…+αnOFit·I(Epit≤γn)+αn+1OFit·I(Epit≤γn)+

?1HC+?2TO+?3FD+?4IP+μi+εit。

(5)

經濟型環境規制(Es)調節下的OFDI逆向綠色創新溢出門檻模型可表示如下：

GIit=α1OFit·I(Esit≤γ1)+α2OFit·I(Esit>γ1)+

…+αnOFit·I(Esit≤γn)+αn+1OFit·I(Esit≤γn)+

?1HC+?2TO+?3FD+?4IP+μi+εit。

(6)

3.3 變量設定和數據說明

本研究采用2004～2017年中國30省份(港、澳、臺和西藏等地區由于數據缺失較多(1)由于本研究參照已有研究，選取環境污染來信來訪總數作為核心變量，而官方并未公布該指標2018年的具體數據。為確保研究的嚴謹性和統計口徑的一致性，故最終采用2004～2017年數據進行研究。，不在研究范圍內)為對象進行研究，相關數據主要來自《中國科技統計年鑒》《中國環境統計年鑒》《中國金融年鑒》《中國對外直接投資統計公報》，以及國家知識產權局中國專利公布公告網。最終獲取30個截面樣本，觀測值為420。這里對上文設計的相關變量具體做如下設定。

(1)被解釋變量：綠色創新效率(GI)本研究基于效率角度衡量綠色創新水平，即把綠色創新活動視為一個系統的投入產出過程，并運用SFA技術對省際層面的綠色創新效率水平做測度。對于綠色創新活動的投入指標選取，借鑒曹慧等[24]的做法，這里選取各省份歷年的R&D人員全時當量和R&D經費支出兩指標，分別表征綠色創新活動人力和資本的雙重投入情況。對于綠色創新活動的產出指標選取，考慮到現有多數文獻將整個經濟活動中的污染指標作為非期望產出的做法過于籠統，也不夠精確，這里參照張玉明等[25]的做法，以綠色專利來衡量綠色創新。具體基于世界知識產權組織列出的綠色專利清單中的分類編碼，從國家知識產權局中國專利公布公告網獲取省際層面的綠色專利授權量，以其作為綠色創新活動的產出指標。經隨機前沿的廣義似然率檢驗，進一步采用超越對數型SFA模型測算，即可得2004～2017年間中國省際層面的綠色創新效率水平。

(2)核心解釋變量：對外直接投資(OF)相較于OFDI流量指標，OFDI存量指標的應用更為廣泛，源于流量指標無法有效避免短期波動的影響，而存量指標能較好地克服這一缺陷，且更適宜于分析OFDI對國內綠色創新發展影響的長期作用效果[26]。故選取OFDI存量指標進行研究，同時為了剔除價格因素的影響，這里采用人民幣表示的非金融類OFDI存量與當年GDP的比值來表征OFDI水平，該指標數值越大，表明相應省份的OFDI強度越高。

(3)門檻變量：環境規制(E)環境規制是本研究的門檻變量，為了客觀揭示異質環境規制對OFDI逆向綠色創新的動態調節影響，本研究擬從命令型環境規制、自愿型環境規制和經濟型環境規制3個維度來衡量環境規制的異質調節。對于命令型環境規制(Ec)，參照屈小娥[27]的做法，采用各省份累計頒布的環境法規數量來衡量，以反映不同地區立法或行政部門針對環境管制問題而作出的努力，以及企業應遵循的環保規范和技術標準等要求。對于自愿型環境規制(Ep)，考慮到自愿型環境規制工具的適用范圍涵蓋環境信息披露和公眾參與等方面內容，故這里借鑒鄭石明等[28]的做法，采用環境污染來信來訪總數來表征，以反映公眾環保意識的強弱。對于經濟型環境規制(Es)，考慮到其主要屬于政府和企業的共同行為，這里參照彭星等[29]的做法，選取各省份環境治理投資額與同期GDP比值來表征，該值越大表明相應省份的經濟型環境規制強度越高。

(4)控制變量為了進一步控制異質環境規制動態調節下的OFDI逆向綠色創新溢出效應，這里還對以下變量做了控制：人力資本(HC)，采用各省份平均受教育年限來刻畫；金融發展(FD)，選取金融機構年末存貸款余額與同期GDP比值來反映；貿易開放度(TO)，選取用人民幣表示的進出口總額與當期GDP比值來體現；知識產權保護(IP)，考慮到G-P指數主要適用于發達國家且數據缺乏連續性，這里運用技術交易成交額占當地GDP比重來表征。

4 實證結果及分析

考慮到本研究涉及較多變量，可能存在多重共線性問題干擾，這里首先對相關變量進行多重共線性檢驗，測算結果發現，最大方差膨脹因子VIF數值為5.15，平均VIF數值為2.46，處于可接受的范圍內，證明本研究的共線性問題較弱，不會對后文的估計結果產生較大影響；其次，這里還采用ADF-Fisher、PP-Fisher、IPS和LLC，計4種檢驗方法做面板平穩性測試，檢驗結果印證了本研究所設變量是平穩的，表明后續研究不會出現明顯的偽回歸問題。在上述兩種檢驗的基礎上，將進一步考察異質環境規制調節下的OFDI逆向綠色創新溢出現象。

4.1 異質環境規制動態調節效應的基本事實分析

根據前文設定，本研究運用Hansen面板門檻數據模型估計異質環境規制的動態調節效應，首先基于“自舉法”重疊模擬似然比檢驗統計量500次，是否存在門檻效應可具體通過F值和p值來研判。異質環境規制門檻效應存在性的檢驗結果見表1。由表1可知，對于命令型環境規制門檻，其在1%或5%顯著性條件依次通過了單一、雙重和三重門檻效應檢驗；相應地，三重門檻效應的95%置信區間為[27.000, 41.000]，表明應基于三重面板門檻模型探究命令型環境規制調節下的OFDI逆向綠色創新溢出效應問題。對于自愿型環境規制門檻和經濟型環境規制門檻，其單一、雙重和三重門檻效應分別在1%或5%顯著性水平下通過了檢驗；相應地，三重門檻效應的95%置信區間分別為[604.000, 4 290.000]和[1.920, 3.160]，故應采用三重面板門檻模型分析自愿型環境規制和經濟型環境規制的動態調節響應。同時，為進一步增強研究結論的可靠性，以及盡可能克服內生性的干擾，這里還基于不同維度和方式做了穩健性檢驗：①以2005～2016年為研究時段，重新檢驗命令型環境規制的動態調節效應；②對自愿型環境規制變量滯后一期情形下的動態調節效應進行再檢驗；③對OFDI滯后一期情形下的經濟型環境規制動態調節效應進行重新檢驗?；谏鲜鋈厥侄蔚臋z驗結果顯示，無論是命令型環境規制，抑或自愿型環境規制和經濟型環境規制的門檻變量均在單一、雙重和三重門檻檢驗中通過了不同水平的顯著性檢驗，各門檻值大小也相差不多，印證了本研究采用三重面板門檻模型分析異質環境規制動態調節OFDI逆向綠色創新溢出是有科學依據的。

表1 全國層面的異質環境規制門檻效應檢驗結果(N=420)

全國層面上異質環境規制動態調節OFDI逆向綠色創新溢出的估計結果見表2。為了有效消除異方差的影響，本研究主要采取基于穩健標準差的門檻模型估計方法對相應的三重面板門檻模型進行估計。在表2中，模型1、模型2和模型3分別是基于命令型環境規制、自愿型環境規制和經濟型環境規制作為門檻變量的估計結果，以從3個維度反映不同環境規制策略對OFDI逆向綠色創新溢出的異質動態調節影響。模型4、模型5和模型6依次分別是采用改變研究時段、調整門檻變量和核心解釋變量的“命令型-自愿型-經濟型”環境規制動態調節的穩健性估計結果。對于控制變量，表2中人力資本、金融發展、貿易開放度和知識產權保護的估計系數方向均基本一致，僅在估計系數大小和顯著性程度上略有差異，這說明了本研究結論具有較高可靠性。具體而言，人力資本變量的估計系數均在1%顯著性水平下為正，表明現階段持續提高人力資本水平對驅動區域綠色創新發展的積極作用是顯著的。原因可能在于，提高人力資本水平有利于綠色創新知識的積累、傳遞和擴散，從而可有效為區域綠色創新活動提供堅實的綠色智力支撐。金融發展變量的估計系數均顯著為正，表明金融發展顯著有利于區域綠色創新活動改善，金融中介的資本參與能在一定程度上降低綠色創新活動的不確定性風險，進而對綠色創新發展產生積極影響。貿易開放度變量的系數為負，說明了新時代下貿易開放對中國綠色創新仍存在一定的負面影響，這可能與長期以來中國對外貿易產品的綠色含量和科技含量均處于較低水平的現狀是密切相關的。知識產權保護的估計系數為正(雖不顯著)，說明現階段加強知識產權保護在一定程度上有利于改善區域綠色創新活動發展，但這種積極影響尚比較微弱。穩健性檢驗的模型4～模型6的估計結果均印證了上述結論的可靠性。

表2 全國層面異質環境規制調節的面板模型估計結果(N=420)

由表2中面板門檻數據模型的估計結果不難發現，不同的環境規制工具對OFDI的逆向綠色創新影響效果是存在顯著差異的，且OFDI的逆向綠色創新溢出也會因環境規制強度的變化而變化。異質型環境規制的動態調節效果具體表現如下。

(1)命令型環境規制的3個門檻值分別為14.000、19.000和37.000，按照命令型環境規制3個門檻值從小到大可依次劃分出4個門檻區間，而在不同命令型環境規制門檻區間內的OFDI逆向綠色創新溢出效應是存在顯著差異的。命令型環境規制的動態調節效應具體表現為：當命令型環境規制強度低于第一門檻值14.000時，OFDI變量的估計系數為-0.045，雖未通過顯著性檢驗，表明在命令型環境規制強度較低的第一門檻區間內，OFDI對國內綠色創新效率產生了一定程度的負面影響。當命令型環境規制強度介于14.000與19.000之間時，OFDI的逆向綠色創新溢出效果由負轉正，此時OFDI的估計系數為0.920且通過了5%的顯著性水平檢驗，即該門檻區間內，命令型環境規制對OFDI逆向綠色創新開始產生了積極影響。當命令型環境規制強度位于19.000和37.000時，其對OFDI的逆向綠色創新溢出效果仍然為正，且相比第二門檻區間促進效果明顯增強，此時存在OFDI逆向綠色創新溢出的最優命令型環境規制強度區間[19.000, 37.000]，即較高的命令型環境規制策略會更有利于OFDI的逆向綠色創新溢出。當命令型環境規制強度超過37.000時，OFDI變量的估計系數有所減弱且通過了1%的顯著性水平檢驗，說明當命令型環境規制強度超過37.000水平時，OFDI的逆向綠色創新溢出又會開始減弱。不難發現，命令型環境規制對OFDI的逆向綠色創新溢出具有U形動態調節影響。

(2)自愿型環境規制的3個門檻值分別為2 249.000、3 357.000和4 199.000，按照上述門檻值同樣可劃分出4個門檻區間，可知自愿型環境規制會動態調節OFDI的逆向綠色創新溢出。自愿型環境規制的動態調節效應具體表現為：當自愿型環境規制強度低于第一門檻值2 249.000時，OFDI對國內綠色創新效率的影響強度為0.492，且通過了5%的顯著性水平檢驗，表明自愿型環境規制強度較低時，OFDI對國內綠色創新活動產生了顯著的促進效果。當自愿型環境規制強度介于2 249.000與3 357.000之間時，OFDI的估計系數為-0.274且顯著，即此時OFDI的逆向綠色創新溢出由正轉負，此時該門檻區間內自愿型環境規制開始對OFDI逆向綠色創新產生了顯著的負面影響，表明此時存在一個驅動OFDI逆向綠色創新溢出的自愿型環境規制調節陷阱。當自愿型環境規制強度位于3 357.000和4 199.000之間時，其對OFDI逆向綠色創新溢出的積極影響增大至最大效果2.635水平，表明此時自愿型環境規制對OFDI逆向綠色創新溢出的促進效果最為明顯，即存在驅動OFDI逆向綠色創新溢出的最優自愿型環境規制強度區間[3 357.000,4 199.000]，即較高的自愿型環境規制強度會最有利于OFDI的逆向綠色創新溢出。當自愿型環境規制強度超過4 199.000時，OFDI變量的估計系數減弱至0.861且通過了1%的顯著性水平檢驗，說明此時自愿型環境規制對OFDI逆向綠色創新溢出的積極調節效果會有所弱化?？傮w看來，在自愿型環境規制調節下，OFDI對國內綠色創新效率具有顯著的N形非線性調節特征。

(3)經濟型環境規制的3個門檻值分別為1.230、1.780和2.820，結合表2中模型3的三重面板門檻模型的估計結果可知，經濟型環境規制對OFDI逆向綠色創新溢出的動態調節效果亦不同于自愿型環境規制和命令型環境規制的作用。具體而言，經濟型環境規制的動態調節效應具體表現為：當經濟型環境規制強度低于1.230時，OFDI對國內綠色創新效率的影響強度為0.109，但不顯著，表明在該門檻區間內經濟型環境規制對OFDI逆向綠色創新溢出的積極影響并不明顯。當經濟型環境規制強度跨越1.230且小于1.780時，OFDI的估計系數為0.881且顯著，即此時OFDI產生了顯著的逆向綠色創新溢出，且該門檻區間內OFDI對國內綠色創新的積極影響最為明顯，即存在一個驅動OFDI逆向綠色創新溢出的最優經濟型環境規制門檻區間[1.230, 1.780]。當經濟型環境規制強度位于1.780和2.820之間時，其對OFDI逆向綠色創新溢出開始產生了顯著的負面影響，說明較高的經濟型環境規制反而會抑制OFDI企業綠色創新的積極性。當經濟型環境規制強度超過2.820時，OFDI變量的估計系數雖由負轉正，但并不顯著，表明隨著經濟型環境規制強度的持續提升，OFDI對國內綠色創新發展又開始產生了一定的積極影響。之所以會出現這種現象，原因可能在于，在適度的經濟型環境規制作用下，OFDI企業更容易獲取東道國的先進技術并將其反饋至國內，從而顯著有利于國內綠色創新發展。而OFDI企業對國內經濟型環境規制的響應可能存在一個調整期，較高的環境規制力度雖然會促使OFDI企業更有針對性地獲取綠色技術，但卻在一定程度上增加了企業逆向綠色創新的活動成本，降低其通過OFDI渠道實施綠色創新的積極性，反而不利于OFDI的逆向綠色創新溢出。但隨著環境規制力度的持續增加，會引導和倒逼OFDI企業不斷加強綠色創新溢出，以盡可能適應日益嚴厲的環境規制要求，此時又會產生一定的逆向綠色創新溢出，但溢出效果已不再明顯?？傊?，在經濟型環境規制約束下，OFDI對國內綠色創新效率的影響表現出一定的N形動態特征。

不難發現，不同類型環境規制對OFDI逆向綠色創新溢出的動態調節影響是存在顯著差異的，即較高的命令型環境規制和自愿型環境規制更有利于促進OFDI對國內綠色創新發展的積極影響，而適度的經濟型環境規制對OFDI逆向綠色創新溢出的積極效果則最優。換言之，較低的環境規制對OFDI逆向綠色創新溢出的調節效果比較有限，只有在較高的命令型環境規制和自愿型環境規制，以及適度的經濟型環境規制條件下，才能最大限度地促進OFDI的逆向綠色創新溢出。但這并不意味著環境規制強度越高越好，過高的環境規制反而可能會弱化OFDI的逆向綠色創新溢出。進一步計算發現，2017年的命令型環境規制強度、自愿型環境規制強度和經濟型環境規制強度的平均水平分別為26.233、6 934.400和1.305，其中命令型環境規制強度和經濟型環境規制強度均正處于最優門檻區間內，而自愿型環境規制強度則已跨越最優門檻區間內，即現階段命令型環境規制、自愿型環境規制和經濟型環境規制對OFDI逆向綠色創新的調節影響分別處于1.810、0.861和0.881水平上，這充分表明在驅動“走出去”和綠色創新協調發展的過程中，命令型環境規制、自愿型環境規制和經濟型環境規制3種規制手段均起到了顯著的積極影響，且命令型環境規制的調節效果最佳、經濟型環境規制作用次之、自愿型環境規制的效果最差?，F階段實施命令型環境規制的調節效果之所以最好，原因可能在于，行政和市場管制手段操作方便、見效快速，更容易倒逼OFDI企業加強綠色技術創新?？傮w看來，新時代下，中國應選取合適的環境規制工具和強度，以最大化釋放“走出去”過程中的逆向綠色創新溢出。

4.2 不同類型環境規制工具動態調節效果的空間異質性分析

為了進一步揭示環境規制動態調節的潛在異質空間門檻效應，從而得到更有針對性的研究結論，這里分別從東部、中部和西部三大地區出發，考察異質環境規制約束下OFDI逆向綠色創新溢出的空間差異問題(見表3)?；诒?的門檻檢驗結果發現，以命令型環境規制為門檻變量時，東部和中部地區分別通過了雙重門檻和三重門檻檢驗，西部地區則未通過單一門檻檢驗，表明東部和中部地區應分別采用雙重面板門檻模型和三重面板門檻模型進行估計，而西部地區則應采用線性模型做估計較為合理。以自愿型環境規制為門檻變量時，東部和西部地區均采用三重面板門檻模型進行估計，而中部地區則應采用雙重面板門檻模型來研究較為科學。以經濟型環境規制為門檻變量時，東部和中部地區均應采用三重面板門檻模型進行估計，西部地區則應選擇單一面板門檻模型做估計較為合理。

表3 分地區異質環境規制動態調節的面板門檻檢驗結果(N=420)

考慮空間差異情形下不同類型環境規制工具動態調節響應的門檻估計結果見表4。由表4可知，不同類型環境規制工具對OFDI逆向綠色創新溢出的異質動態影響存在顯著空間差異。具體表現如下。

表4 分地區層面異質環境規制動態調節的門檻估計結果(N=420)

基于命令型環境規制的分組檢驗發現：①在東部地區，命令型環境規制的兩個門檻值分別為14.000和38.000。當命令型環境規制強度小于14.000時，OFDI對該地區綠色創新產生了一定的負面影響。當命令型環境規制強度位于14.000和38.000時，OFDI又開始對綠色創新產生顯著的積極影響。但當命令型環境規制強度超越38.000時，則會在一定程度上弱化OFDI的逆向綠色創新溢出效果。由此，命令型環境規制對東部地區OFDI逆向綠色創新溢出存在U形動態調節特征，且存在驅動OFDI逆向綠色創新溢出的最優命令型環境規制強度區間[14.000, 38.000]。②在中部地區，命令型環境規制的3個門檻值分別是6.000、9.000和20.000。當命令型環境規制強度低于6.000時，OFDI顯著抑制了中部地區的綠色創新發展。當命令型環境規制強度超過6.000且小于9.000時，OFDI又開始對該地區綠色創新產生了積極影響。在命令型環境規制強度超越9.000

且小于20.000時，OFDI逆向綠色創新溢出的積極效果最為明顯。當命令型環境規制強度跨越20.000時，OFDI對中部地區綠色創新的積極影響則開始有所弱化。由此，命令型環境規制對中部地區OFDI逆向綠色創新溢出存在U形動態調節特征，且最優的命令型環境規制門檻區間為[9.000, 20.000]。③在西部地區，命令型環境規制對OFDI逆向綠色創新溢出始終存在顯著的正向調節影響，這一調節特征與東、中部地區的動態響應是有所差異的。進一步計算發現，東部和中部地區2017年命令型環境規制強度的平均水平分別為32.273和29.750，可知東部地區的命令型環境規制強度正位于最優門檻區間內，中部地區的命令型環境規制強度已跨越最優門檻區間，即現階段東部和中部地區命令型環境規制的調節強度分別位于第三和第四門檻區間內?；诳臻g層面比較發現，現階段命令型環境規制對中部地區OFDI逆向綠色創新溢出的正向調節效果最為明顯，西部地區次之，東部地區最弱。

基于自愿型環境規制的分組檢驗發現：①東部地區自愿型環境規制的3個門檻值依次為2 290.000、3 746.000和18 000.000。當自愿型環境規制強度小于2 290.000時，OFDI顯著有利于東部地區的綠色創新發展。當自愿型環境規制強度位于第二門檻區間內時，OFDI則會顯著抑制東部地區的綠色創新發展。當自愿型環境規制強度超越第二門檻值且小于第三門檻值時，OFDI的逆向綠色創新溢出效果則會增至最大。但當自愿型環境規制強度邁入第四門檻區間時，OFDI的逆向綠色創新溢出效果又開始明顯減弱。由此，在自愿型環境規制調節下，OFDI對東部地區綠色創新效率的影響表現出N形動態演化特征，且第三門檻區間為最優的自愿型環境規制門檻區間。②中部地區自愿型環境規制的兩個門檻值分別是3 451.000和5 947.000。隨著自愿型環境規制強度的持續提升，OFDI的逆向綠色創新溢出呈現正向的倒U形動態特征，且存在最優的自愿型環境規制門檻區間[3 451.000,5 947.000]。相比東部地區自愿型環境規制的調節響應，中部地區每個門檻區間內的OFDI系數均高于東部地區，可知自愿型環境規制對東部地區OFDI逆向綠色創新的積極影響要弱于中部地區。③西部地區自愿型環境規制的3個門檻值可依次劃分為4個門檻區間，隨著自愿型環境規制強度的提高，OFDI對西部地區綠色創新效率的影響呈現“先增大后減小再增大”的正向N形動態調節規律。進一步比較發現，現階段自愿型環境規制對OFDI逆向綠色創新溢出的調節效果與命令型環境規制基本一致。

基于經濟型環境規制的分組檢驗發現：①東部地區經濟型環境規制的3個門檻值依次為0.750、0.850和1.790。當經濟型環境規制強度小于0.750時，OFDI對東部地區綠色創新發展的積極影響并不顯著。當經濟型環境規制強度依次超越0.750和0.850但小于1.790時，OFDI對東部地區綠色創新效率的正向驅動開始變得顯著，且呈現“先增大后減小”的演化特征，即適度的經濟型環境規制更適宜于東部地區OFDI的逆向綠色創新溢出。當經濟型環境規制超越1.790時，OFDI反而開始不利于當地的綠色創新發展。由此，經濟型環境規制調節下的OFDI逆向綠色創新溢出呈現出顯著倒U形非線性特征。2017年東部地區經濟型環境規制的平均水平是1.019，尚未跨入抑制OFDI逆向綠色創新溢出的經濟型環境規制區間，表明現階段經濟型環境規制總體上是有利于東部地區OFDI逆向綠色創新溢出的。②中部地區經濟型環境規制的3個門檻值分別是0.650、0.890和1.700。當經濟型環境規制強度依次跨越上述3個門檻時，OFDI對中部地區綠色創新效率的影響呈現“先增大再減小”的正向倒U形非線性特征，其中第二門檻區間為最有利于OFDI逆向綠色創新溢出的最優經濟型環境規制門檻區間。③在西部地區，經濟型環境規制對OFDI逆向綠色創新溢出具有正向倒U形動態調節影響，即過高的經濟型環境規制反而可能會弱化OFDI對西部地區綠色創新發展的積極影響，這一點與全國、東部和中部地區的作用情形是基本一致的，即適度的經濟型環境規制策略對驅動“走出去”與綠色創新的協調發展是大有裨益的。

總體看來，雖然命令型環境規制、自愿型環境規制和經濟型環境規制的動態調節特征在不同地區均存在顯著差異，但現階段3種類型環境規制工具的調節效果均存在“中部>西部>東部”的鮮明特征。東部地區之所以現階段環境規制與OFDI聯動下的綠色創新溢出紅利較弱，可能與該地區的綠色創新水平和OFDI強度均較高，致使環境規制對“走出去”過程中的綠色創新紅利可能已提前釋放，而中、西部地區的綠色創新和OFDI均起步較晚、水平較低，反而在環境規制的綠色創新“激勵效應”方面具有明顯的后發優勢?；诳刂谱兞抗烙嫿Y果可知，人力資本對東部地區綠色創新的積極影響最為明顯，中、西部地區則相對較弱，而金融發展積極作用的區域差異特征與人力資本相比則恰恰相反。貿易開放對中、西部地區綠色創新的影響不明顯，但對東部地區綠色創新產生了不利影響，而知識產權保護不利于東部地區綠色創新發展，卻對中、西部地區綠色創新具有積極影響。這表明，有效驅動OFDI的逆向綠色創新溢出是一個復雜的系統工程，除了著重考慮環境規制的動態調節外，亦不能忽視上述因素的綜合影響。

5 結語

本研究實證分析了3類環境規制工具對中國OFDI逆向綠色創新溢出的異質動態調節效應，結果顯示：OFDI逆向綠色創新溢出存在異質環境規制門檻效應，在命令型環境規制調節下呈現U形演化特征，在自愿型環境規制和經濟型環境規制調節下具有N形動態響應；只有實施較高強度的命令型環境規制和自愿型環境規制，以及保持適度的經濟型環境規制策略才會最有利于釋放OFDI逆向綠色創新溢出，且這一動態演化特征存在顯著的空間差異；現階段命令型環境規制的調節效果最佳、經濟型環境規制作用次之、自愿型環境規制的效果最差；3種不同類型環境規制策略在中部地區的積極調節效果均最為明顯，西部地區次之，東部地區最弱。

本研究具有以下政策涵義：首先，政府應密切結合OFDI與國內綠色創新的動態演化實際，適時優化調整環境規制策略，盡可能使得命令型環境規制和自愿型環境規制保持在較高水平，以及經濟型環境規制處于適度水平上，從而最大限度地釋放OFDI逆向綠色創新溢出；其次，要結合現階段環境規制工具在OFDI逆向綠色創新溢出過程中的異質調節實際，總體選擇以行政命令、污染征稅和污染治理投資等命令型環境規制和經濟型環境規制為主的管制策略，也要輔以互聯網線上推廣、線下公益宣傳培訓等自愿型環境規制手段，不斷提高公眾的環境保護意識，從而形成OFDI與環境規制協調發展的良好局面；最后，環境規制政策的實施應因地制宜、因事制宜和因時制宜，各區域應積極引導和調節環境規制強度，使得其始終位于最有利于OFDI逆向綠色創新的門檻區間。特別是，中、西部地區應更加注重通過環境規制與“走出去”的協同聯動來持續推動綠色創新發展邁上新臺階。

本研究也存在一定的局限性：①不能反映出產業層面和企業層面OFDI逆向綠色創新溢出，未來可進一步采用制造業、上市企業等相關統計或實際調研數據展開研究；②僅按照傳統地理劃分中國省域，未來可將樣本進一步細分；③OFDI逆向綠色創新效果可能還存在其他因素的調節，后續研究中應基于其他角度拓展研究。