文摘
今天环境管制政策正在不断丰富。有效地提高绿色创新效率通过环保法规,迫在眉睫的是更好地了解不同环境法规对绿色创新效率的影响(给)。然而,由于之前的缺陷给测量方法,现有的研究可能有偏差分析在给环境法规的影响。填补这一空缺,利用陕西,中国,作为一个案例研究中,本研究提出了一种网络数据包络分析(DEA)模型基于中性cross-efficiency评价准确测量给陕西期间2001 - 2017。在此基础上,本研究进一步分析了不同类型的环境法规的影响从三个方面:给因果关系,进化关系和影响路径。结果表明,(1)给陕西省显示“fluctuation-slow供给的稳定增长”的趋势在2001 - 2017年和2014年之后,一个不协调的问题技术研发(R&D)之间的关系和技术转换开始出现;(2)有一个线性的进化关系指挥控制环境监管和给“U”形进化关系市场化/自愿环境监管和给;和(3)指挥控制环境监管和自愿环境管制影响给主要在技术研发阶段,而市场环境监管贯穿绿色创新活动的整个过程。本研究提高给的评价方法和理论系统和提供科学依据政府决策者制定环保法规政策。
1。介绍
作为一种重要的手段来消除约束的资源和环境,实现可持续发展,绿色创新不断接受更多的国家(1]。与传统的技术创新、绿色创新主要是解决经济发展与生态环境之间的矛盾。它引入了环境保护的概念到技术创新活动,有效提高环境质量,同时保持原有的经济发展水平,然后充分利用资源,实现可持续发展的1]。绿色创新效率(给)的比率输入输出绿色创新活动中考虑环境污染,一个重要指标反映绿色创新能力(2]。面对日益严重的环境问题,迫在眉睫的是改善给实现可持续发展。
由于环境污染的负外部性,是不现实的改善给仅仅依靠市场机制。因此,环保法规要求。一般来说,环境监管可分为三种类型:指挥控制环境管制(CER),以市场为基础的环境管制(MER),和自愿环境管制(版本)。CER迫使企业进行绿色创新减少污染物排放(3]。与陶瓷相比,MER和版本更灵活。MER依赖经济激励影响给,而版本刺激企业绿色创新通过公共监督其他方式(4,5]。识别三种类型的环境管制的影响给能提供一个科学依据环境法规政策的制定和实施,具有重要意义有效地提高给环境监管。
然而,现有的研究可能有偏差在分析给环保法规的影响。缺乏测量方法的有效性提出的主要原因之一。目前,网络DEA量给的是应用最广泛的方法。网络DEA方法主要是基于自我效能评估或cross-efficiency评估。值得注意的是,网络DEA基于自我效能评估最大化每个决策单元(DMU)的效率,这可能会导致测量结果的客观性(下降6]。虽然基于cross-efficiency网络DEA评价改善客观性,其测量结果极大地受到研究者的主体性是由于最优组合系数的非唯一性的研究(7,8]。因此,上述缺陷的网络DEA效率可能会阻碍正确的排序研究,主要偏差分析在给环境法规的影响。
应对上述问题,本研究旨在开发一种改进的网络DEA方法,有效地测量给进一步揭示不同环境法规给的效果。通过结合中性cross-efficiency评估,改进网络DEA方法避免了研究者的主观选择最优组合系数的研究,提高测量给的有效性。基于有效测量给,本研究进一步应用格兰杰检验,曲线拟合方程,和托比特书回归模型来分析不同类型的环境法规的影响给从三个方面:因果关系,进化的关系,和效果不同。中国陕西,被选为本研究的对象,原因如下:(1)在过去的四十年,中国不仅取得了快速的经济增长,但也付出了大量的环境代价,目前,中国的发展模式迫切需要改变一个可持续的方向由绿色创新;和(2)陕西省是中国最具代表性的省份之一,特别是近年来。“追赶”政策的促进下,绿色创新的步伐正在加速。因此,陕西的例子,中国,可以提供有价值的参考其他国家走向可持续发展。本研究提高给的评价方法和理论系统和提供科学依据政府决策者制定环保法规政策。
研究的其余部分的结构如下。“文献综述”部分描述了环境法规的发展现状和绿色创新效率,提出了研究缺口。“方法”部分提供了研究模型和数据描述。“实验结果”一节报道绿色创新效率分析的结果和环境法规的影响绿色创新效率和环境监管的路径对绿色创新效率的影响。“讨论和建议”部分通过对实证结果的分析提出了建议。“结论”部分提供了本研究的重要结论。
2。文献综述
2.1。环境监管
环境监管是监管理论不可分割的一部分,而学术环境监管的理解也在不断地发生变化。在初始阶段,环境管制是指政府干预使用指挥控制法规,包括非市场可转让许可系统和禁忌。由于CER的信息成本高,经济效益低,MER逐渐引入,丰富环境法规的意义。除了CER MER,版本也环境监管的重要组成部分。
CER指的是政府的法律、法规和政策的权威治理环境问题(9]。CER要求监管公司严格遵循监管或面临严重的处罚是什么;因此,CER是强制性的。这个特性使得CER鼓励企业提高环保性能在一个相对短的时间。然而,强制政府监管可能过度僵化CER的问题,这可能有负面影响在技术创新企业的自主权。
MER指征收税的公司过度产生污染而给企业补贴,有效控制污染10]。MER的主要特征是政府通过市场机制实现了监管,这是一种间接的方法(11]。MER不仅给企业更多的自治权,但也有一个缓慢的缺点监管效果,造成一定的滞后期的影响实现的过程。主要原因是即实施后,企业只能处于观望状态,采取行动后获得足够的市场反馈。
版本是指企业活动依赖于企业的监管意识和公众参与12]。企业的意识主要是反映在他们的自愿披露环境信息和参与识别环境的迹象。这种行为可能会增加企业的公众影响力,从而弥补公司的prework的成本。公众参与意味着公众自觉监控企业的生产活动和抱怨企业,引起严重的环境污染。连续的公共监督可以有效地对企业施加压力提高环保性能。然而,相比之下,CER MER,版本的应用并不是很广泛(13]。
2.2。绿色创新效率
绿色创新指的是使用尽可能少的创新投入获得更多的创新产出绿色发展。不同于传统的创新,提出的提高首先表现为一个特定的环境效益。根据创新价值链理论(14),绿色创新活动分为两个阶段:技术研发和成果转化1]。技术研发阶段主要是一个过程,一个创新的实体投资资源实现专利和其他研发成果。成果转化阶段是创新者将前一个阶段的输出研发到市场并将其转换为经济和环境效益。
目前,学者们进行了详细的研究在三个层面:给地区,行业和企业。在区域层面,李(15)结合DEA模型和模糊评价方法评估给,发现给主要是受到研发强度的影响。基于面板数据从2005年到2010年,刘(16)使用DEA-Malmquist生产力指数法评价给在中国探索空间异质性的原因。实证结果表明,技术落后的主要原因是给各地区低。在行业层面,Du et al。1)评估给中国的工业和发现在给有空间异质性,但地区间的技术差距缩小。Luochen et al。2]发现给的平均价值在中国高端制造业2011 - 2017年期间在0.7和0.8之间,给地区之间两极分化。与区域和工业水平相比,有给企业级的研究相对较少。基于中国pollution-intensive企业在2007 - 2012年的面板数据,赵和太阳17)环境法规之间的关系进行了分析和给企业,发现技术创新更重要比处理污染pollution-intensive公司。
2.3。环境管理和绿色创新效率
从本质上讲,给属于类别的技术效率。因此,探索环境管制之间的关系,使我们可以开始与相关文献环境监管和技术效率。新古典经济理论认为环境管制会给企业带来经济负担,导致企业生产成本增加,不利于提高技术效率。然而,波特(18]举行认为环境管制可以促进企业的技术创新,提高技术效率,这被称为“波特假说。”从那以后,讨论的有效性“波特假说”从未停止,形成了三种主要的观点:“环境管制有利于技术效率,”“环境管制不利于技术效率,”和“环境法规对技术效率的影响是不确定的。”
第一个观点是“波特假说的验证。“Lanjouw Mody [19]研究环境创新及其扩散效应在美国,日本和德国,发现环境法规对技术效率的影响是积极的。贾菲和帕尔默20.)发现,环境监管美国制造业的技术效率的改善。艾登和科恩21也验证了“波特假说”美国制造业的实证研究。第二种观点是否定的“波特假说。”这种观点有深远的新古典主义经济理论基础和表明,环境管制导致生产成本增加,这不利于技术效率的提高。例如,基于56美国电力公司在1973 - 1979年的面板数据,快速的吞咽和罗伯茨22]研究了环境监管和全要素生产率之间的关系。他们发现,由于高成本和低硫燃料的使用,环境管制阻碍了全要素生产率的增长。实证研究的深化,第三视角开始出现。Lanoie et al。23]发现,环境法规对加拿大制造业生产率的影响短期和长期的不一致。Alpay et al。24食品加工行业的)进行了分析在美国和墨西哥,发现明显的地区差异的环境法规对行业的影响生产力。此外,杨et al。25)发现了一个“U”环境管制与全要素生产率之间的关系,以及环境法规对全要素生产率的影响是不同的拐点前后。
返回给研究环境管制的影响,冯和陈26)发现,环境管制对中国产业的绿色发展产生积极作用,鼓励绿色技术创新。他(27]还发现,环境监管改进的给制造企业在中国珠江三角洲。基于面板数据的中国30个省的2009 - 2015年期间,郭et al。28)认为,环境法规对给有显著的影响。然而,在西安城市的实证研究,中国,李et al。29日)发现,环境法规对提出的影响并不明显。
2.4。知识差距
在综合文献综述,阐明知识差距可以概括如下。(1)作为测量给最广泛使用的方法,传统的DEA模型需要改进,(2)关注的影响仍然是一个有限给不同类型的环境法规,和(3)陕西省位于中国西北的一部分,及其生态环境相对脆弱。研究其绿色创新效率可以提供一个有用的参考其他省份或地区发展。缩小差距,本研究进行了以下工作:(1)开发一个网络DEA模型基于中性cross-efficiency评估衡量给准确、(2)分析不同类型的环境法规的影响给通过陕西,中国,作为实证研究对象。
3所示。方法
3.1。基于中性Cross-Efficiency网络DEA模型评价
根据创新价值链理论(14),绿色创新活动可以被定义为一个系统的两个阶段:技术研发和技术转型。阶段的技术研发、创新资源(如人力资源和资金用于开展研究和开发生产专利等科技成果(1]。在技术转型的阶段,科学和技术成果进一步转化为经济效益。一般来说,技术转换的阶段包括生产活动(29日]。因此,这个阶段也会不可避免的产生一系列不良的输出,如废水和废气,除了经济效益。指蒋介石提出的经典的两阶段模型(30.),将网络系统转换成一系列系统,本系列的每一个阶段都是平行结构组成的一组过程通过引入虚拟过程。有效地评估给,一个模型描述系统和两个阶段之间的关系需要建立。本研究构建了绿色创新活动模型,如图1。 , ,和代表输入、中间输出和系统的最终输出,分别由两部分组成:理想的输出和期望输出。代表了资本投资用于缓解不良的负面影响输出绿色创新活动在技术转换阶段。
根据图中的绿色创新活动模型1,本研究提出了一个基于中性cross-efficiency网络DEA模型评价来衡量给有效。与传统的DEA模型相比,这个网络DEA使用中性cross-efficiency评价方法,提高给测量结果的客观性和分化。
假设有n决策单位(研究),每个DMU米输入和年代输出。 和 代表了我th输入和rth的输出 ,分别。和的重量吗我th输入和rth分别输出。代表了自我评价的效率kthDMU。通过求解模型(1)n次,包含最优组合系数矩阵的研究可以获得。然后,每个DMU的输入和输出数据是获取cross-efficiency乘以这个矩阵。例如, 相互评价的效率吗相对于 ,和 的cross-efficiency 。
在模型(1),同样的DMU,可能会有多组最优组合系数,这将引起cross-efficiency评价结果的非唯一性[31日]。Dolye和绿色引入了一个次要目标模型并提出了仁慈的配方和积极制定cross-efficiency评价(32]。仁慈的制定cross-efficiency评价其他研究的交叉效率最大化,而积极的制定cross-efficiency评价最小化其他研究的交叉效率。然而,不同配方的cross-efficiency评估可能导致不同的效率评价结果。随后,小王和下巴提出了中性cross-efficiency没有角度选择评价模型(33在后续研究[]和优化模型34所示),模型(2)。该模型提高了评价结果的客观性,有效地减少了零权重的数量,充分使用投入产出数据。在模型(2), 和 代表了目标权重系数和 ,分别满足的条件 。 DMU的自我评估效率,获得模型(1)。应用的过程模型(2)计算中性cross-efficiency DMU是一样的模型1)。
为 ,这两个子系统的中性cross-efficiency衡量模型(2)是表示为和 ,分别。每个子系统满足CRS的前提假设,绿色创新活动模型如图1可以被视为一个链组合的两个子系统。本研究应用熵方法提出的吴et al。35)获取子系统权重系数 ,然后,整个系统的效率的决定,如以下所示模型。
3.2。回归模型
在这项研究中,分析了不同的环境法规的影响给格兰杰因果关系检验,逐步使用曲线拟合方程,托比特书回归模型。首先,格兰杰因果关系检验应用于探索因果关系的不同类型的环境法规和给之间的关系。第二,与曲线拟合方程,不同类型的环境管制之间的进化关系,给进一步的分析。最后,本研究采用托比特书回归模型分析不同环境法规给的异质性。
3.2.1之上。格兰杰因果检验
格兰杰因果检验提出了格兰杰,用来测试是否变量之间存在格兰杰因果关系。格兰杰因果关系检验假设的变量的预测信息包含在它的时间序列。该方法测试是否解释变量有一个滞后值增加解释变量的滞后值吗测试是否可以显著提高回归解释能力(36]。一般来说,选择滞后期为2或3年。本研究选择了2年的滞后期测试环境管制是否给陕西省的格兰杰原因。格兰杰因果检验的一般形式如下:
在模型(4),和测试变量, , , ,和是相关系数,和是相应的滞后值。和是白噪声,认为他们不相关。平稳时间序列的前提是格兰杰因果关系检验。本研究应用ADF单位根检验来判断时间序列是否稳定。
3.2.2。曲线拟合方程
曲线拟合方程是一种有效的方法来分析两个变量之间的关系。在这项研究中,应用曲线拟合方程分析之间的进化关系给和不同类型的环境法规。其一般形式所示模型(5)。GIT代表提出,x代表了相应类型的环境法规。模型中的其他字母系数。在实际过程中,本研究进行了线性、二次和三次函数拟合分析依次在每个环境监管和确定最佳的拟合关系基于意义和曲线拟合的条件。
3.2.3。托比特书回归模型
在这项研究中,提出的解释变量是陕西省2001 - 2017年期间,其值在0和1之间。因此,给双方被截断,属于限制因变量。对于这种给,适当采取限制因变量回归模型进行分析(37]。托宾托比特书回归模型第一次被提出,拥有突出的优势在处理限制因变量问题,已被广泛用于分析技术效率的影响因素(38,39]。因此,本研究应用托比特书回归模型分析不同类型环境管制的影响给陕西省。托比特书回归模型的一般形式如下:
在模型(6),是解释变量,是解释变量。表示一组控制变量,是随机误差,和是相应的系数。其中,是独立的,符合正态分布。
3.3。数据集及指标
3.3.1。因变量
在这项研究中,提出的陕西省2001 - 2017年期间被选为解释变量。GI-T、GI-1 GI-2代表系统效率、技术研发效率,分别和技术转化效率。通过指给评价指标体系在先前的研究中,本研究确定以下给两个阶段的评价指标体系,为给定的表1。在技术研发阶段,研发人员的数量和选择投资研发作为输入指标。研究人员和创新基金最直接的保证输出,输出是专利申请。在技术转换阶段,生成的中间输出在技术研发阶段,如专利,并不会立即退出创新体系,但重建作为输入。第一阶段的输出(专利申请的数量)作为输入,而环境污染治理投资作为金融输入这个阶段。意识到绿色创新的目的增加经济和环境效益,本研究选择技术市场的成交价格作为理想的输出和环境污染指数作为一个不受欢迎的输出。
3.3.2。独立变量
环境监管是这项研究的解释变量。如前所述,环境监管可分为三种类型:陶瓷,MER,版本。在一些研究中,强度CER的特点是环境法律的数量(13]。环境法主要反映了立法的数量在一个区域,不代表真正的环境法规的实施条件。CER集中在控制环境污染有严格的规定。考虑这一点,指李和拉马纳坦40),本研究选择的环境行政处罚案件的自然对数形式表示CER的强度。自存储大量的污水处理费已广泛用于描述MER的强度(41,42),本研究也选择自然对数形式表示。环境信访的数量反映了当地居民参与环境污染控制活动(12,13];因此,本研究选择自然对数形式表示版本。
3.3.3。控制变量
确保回归结果的准确性,本研究总结了控制变量分为三个类别:打开程度、产业结构、经济发展水平通过引用相关文献。一些实证研究表明,开放程度上给的影响是复杂的和不确定的13]。一方面,更高的开放程度将有利于引进先进技术进入该区域,这可能提高给。另一方面,在某些情况下,更高的开放程度也可能导致污染企业的转移。根据李的研究等。43),本研究利用外国直接投资的自然对数形式描述开放程度,表示为开放。产业结构也会影响给。一般来说,相信第二产业是污染的主要来源26]。指商等的研究。44),第二产业的产值比GDP被用来描述产业结构,表示为IP。此外,经济发展水平是绿色创新的基础,通常被认为促进的发展给(13,41]。据史的研究(45),本研究利用人均GDP的自然对数形式描述经济发展水平,表示为生态。指谢等的研究。12),本研究选择了高等教育入学的学生数量每100000人代表的教育水平,表示为EDU。每个变量的描述表2,并给出数据的描述性统计在表3。
4所示。实证结果
4.1。绿色创新效率的分析
以下4.4.1。绿色创新效率评价
图2显示,陕西的给显示“fluctuation-slow供给的稳定增长”的趋势在2001 - 2017。趋势的基础上,本研究观察周期分为三个阶段:2001 - 2005 (1),(2)2006 - 2009,(3)2010 - 2017。
陕西省2001 - 2005年期间,给是波动的。GI-1整体保持不变,而GI-2有一个很大的波动。因此,GI-2的变化可以被认为是给的波动的主要原因。给及其组件的变化表明,在2001 - 2005年陕西省面临增长缓慢的问题在技术研发效率和技术转换效率大波动。
陕西省2006 - 2009年期间,给从0.247增加到0.354,平均每年增加0.036。GI-1从0.256增加到0.377,这是主要原因提出的提高。与此同时,GI-2增长相对较低的速度从0.261到0.327。在此期间,陕西省消除GI-1的缓慢增长,但其GI-2仍然需要进一步改进。
陕西省2010 - 2017年期间,给从0.410到0.934中大幅增长,年均增长0.075,比2006 - 2009年期间的增长率的两倍。2010 - 2013年期间,GI-1和GI-2增加与出口增速,共同改善给在这个时期。然而,在2014年至2017年之间,GI-1 GI-2表现出相反的趋势,这表明不协调的问题GI-1和GI-2之间的关系自2014年以来开始出现。
4.1.2。方法比较分析
更好的说明给测量方法的发展在这项研究中,除了基于中性cross-efficiency网络DEA模型评价,我们也应用经典DEA模型基于自我效能评估的给2001 - 2017年间陕西省和比较两组给测量结果。考虑到文章的长度,经典的基于自我效能评价的DEA模型在方法部分没有显示(有关详细信息,请参阅附录)。与网络DEA模型提出在这项研究中,首次输入和经典DEA模型最终输出和采用自我效能评估方法。
刘指的实践等。31日),本研究还分析了两组的具体差异给测量结果通过每个DMU的给价值曲线测量的两种方法。如图3两组之间有明显的差异给测量结果。在传统方法的测量结果,2011年给值,2015年和2017年都是1;因此,给排名之间的关系这些三年不能识别。然而,在改进的方法的测量结果,由于网络结构的引入和cross-efficiency评价方法,给排名之间的关系这些三年可以明显区分,展示2017 > 2015 > 2011的关系。这一结果表明,改进后的方法在区分DMU排名优势,这有助于提高回归结果的准确性。通过在中国10所大学作为研究对象,刘等人。31日]相比经典DEA模型的技术效率的差异测量结果和基于cross-efficiency DEA模型评价。他们发现cross-efficiency评价的引入可能会进一步区分有效研究的效率值排名。
此外,在传统方法的测量结果,2011年,2015年和2017年都在生产的技术前沿,表明这些三年的排名在其他年份的前面,和他们给值是1。然而,在改进的方法的测量结果,没有生产在技术前沿研究,和给值的所有研究都小于1,这表明2011年给值,2015年和2017年测量的传统方法高估了。自从DEA模型的基础上,自我效能评价方法计算DMU的效率价值通过其最佳组合系数,会有更多研究的效率值为1 (46),这可能是过高的原因给值的2011年,2015年和2017年。换句话说,方法比较分析表明,测量给,在这项研究中提出的改进方法比传统方法更客观和歧视。
4.2。分析环境法规对绿色创新效率的影响
4.2.1。准备格兰杰因果分析
格兰杰因果检验的先决条件是时间序列数据是稳定的。为了保证这一点,格兰杰因果检验之前,ADF测试用于测试时间序列数据是否有单位根。测试结果在表4。从表中可以看出,ADF检验结果拒绝存在单位根的零假设,这表明时间序列数据是稳定的,满足了格兰杰因果检验的先决条件。
下表5,第一行值为0.1953,表明零假设被接受。因此,CER不是GI-T的格兰杰原因。此外,第二行值为0.1024,在0.10附近。它可以被认为是零假设被拒绝在10%的显著性水平,这表明MER GI-T的格兰杰原因。与此同时,零假设,版本不是GI-T的格兰杰原因是强烈反对在1%的显著性水平。格兰杰因果关系检验结果,根据MER和版本给陕西省的格兰杰原因,而CER。格兰杰因果检验表明,MER和版本可能会影响GI-T。然而,由于格兰杰因果关系不是真正的因果关系,有必要证实他们的关系进一步分析。
4.2.2。进化关系分析
在这项研究中,曲线拟合方程应用于分析给之间的进化关系,不同类型的环境法规。在分析过程中,线性、二次和三次函数模拟来确定顺序的进化关系。下表6,有一个线性函数的进化关系CER和GI-T在10%的显著性水平。估计系数为0.575,表明随着CER的增加,GI-T线性增加。然而,如图4,线性拟合进化关系CER GI-T并不理想,这表明仍有一些不确定性的关系。
下表7,有一个二次函数进化MER和GI-T之间的关系在1%的显著性水平。从曲线拟合MER和GI-T图之间的关系5二次函数的转折点是10到10.25。左边的转折点,估计系数是−15.959,而右边是0.839。估计系数的变化表明,边界的转折点,有明显差异的发展趋势给。当MER强度大于价值的转折点,MER的增加,给也会增加,这表明MER应该保持在一个相对较高的水平。
下表8,还有一个二次函数进化版本和GI-T之间的关系,以及显著性水平为1%。根据曲线拟合版本和GI-T图之间的关系6大约是9.5,转折点。在左边,估计系数是−4.916,表明随着版本的强度增加,给陕西省减少。然而,右边的转折点,增加版本,给也增加。
4.2.3。影响路径分析
本研究进一步应用托比特书回归模型分析影响路径提出的三种类型的环境监管。下表9CER MER,给和版本都有显著影响。CER的估计系数为0.1127,表明CER在给积极的影响,也在4.2.2验证这一发现,是一个线性进化CER和给之间的关系。此外,根据回归结果GI-1和GI-2 GI-2 CER的积极效应是重要的,虽然GI-1不是,这表明CER提高给主要通过促进技术转型。
对于MER,其估计系数是−0.4179,在1%的显著性水平。MER的负面影响给表明陕西省应进一步改善其海洋博物馆。同时,从回归结果GI-1 GI-2,可以看出MER GI-1和GI-2有严重的负面影响,表明MER的影响给贯穿整个过程的绿色创新活动。GI-1−0.5163的估计系数,而GI-2是0.3402,这表明MER负面效应较强,技术研发。
如表所示9版本的估计系数约为−0.0672,低于MER的估计系数−0.4179。这意味着版本的负面影响给比MER的弱。此外,从回归结果GI-1 GI-2,可以看出在GI-1版本的负面影响并不显著,但其影响GI-2在1%显著水平,这表明版本的负面影响给陕西的主要发生在技术转换阶段。
考虑到变量的遗漏可能影响的回归结果,本研究介绍了教育水平作为一个独立变量到托比特书模型进行鲁棒性测试。指研究谢et al。12),教育水平的特点是高等教育入学的学生数量和每100000人表示为EDU。下表10,没有明显的相关变量的估计系数的变化。因此,可以认为回归结果是健壮的和具有较高的可信度。
5。讨论和建议
研究结果表明,绿色创新效率是陕西省在上升。根据格兰杰因果检验的结果,曲线拟合方程,和托比特书回归,在给不同类型的环境法规的影响是不同的。至于CER,给一个积极的影响。与技术转换阶段相比,CER在技术研发阶段的影响更少。CER的控制主要集中在环境污染强制措施。在技术研发阶段,由于技术尚未实现,在此阶段产生的环境污染是相对有限1]。然而,在技术转换阶段,技术已经应用于实际生产,和技术的传播,技术应用的规模和范围将继续扩大;因此,环境污染也会增加。CER限制生产活动造成的环境污染通过政府强制性的法律、法规、技术标准和排放标准(44]。因此,CER主要影响技术转换阶段。因此,政府可以加强CER的力量推动的增长给。然而,线性进化CER和给之间的关系并不理想。因此,当提高CER的力量,政府应该注意适度的原则,特别是克服刚性的问题,系统的不协调,效率低下。除此之外,政府应该引导所有创新实体分配资源(如人员、信息、资金和关注绿色专利的产出和绿色技术的发展。同时,每一个创新主体应该引进高科技人才,增加绿色技术开发投资。各创新主体也需要及时把技术研发到市场和将其转换为经济和环境效益。
MER和给一个u型的进化关系符合杨et al。(25)发现。左边的u型曲线,给MER有负面影响。主要原因是可能存在一个窗口期为公司实现MER之前采取行动之后。只有在获得良好的市场反馈公司采取措施在技术研发投资45]。当反馈逐渐出现,公司开始投资。在那之后,对给MER显示了积极的影响。研究Managi和金子47)还表明,环境监管之间的关系,给长期不是线性的。考虑到“U”形MER之间进化关系,给本研究认为MER的嬗变主要引起的负面影响。因此,MER应进一步提高超过转折点给刺激MER的诱导效应。具体地说,环境监管和市场机制的有效结合应该推广,包括排放权交易的市场化步伐,减税,和研发资金补贴。
版本也给展示一个u型的进化关系。版本主要依赖于企业意识和公众参与管理企业活动(48]。左边的转折点,对给版本有一个负面影响,主要影响的技术转型阶段。环境信息披露不充分在技术研发阶段可能会造成这种现象。缺乏环境信息披露在技术研发阶段使利益相关者如社区、居民在这个过程中扮演一个很好的监督作用。初的版本实现,公众的环境保护意识可能不是足够强大,这将是一个缺乏动力环境监督。这导致了版本的限制相对较弱的污染(49]。具体来说,版本的负面影响给陕西省主要发生在技术转换阶段。这是因为公众只能使环境环境污染发生后投诉。相比之下,在技术研发阶段,污染还没有发生,或者程度不明显;因此,公众无法参与环境保护的监督。因此,本研究认为陕西省可以鼓励自愿披露环境信息和参与环境的识别标签,加快提高企业环境信息披露充分利用公共环境监督。,公众能够参与环境监督,改进版本的有效性。
6。结论
本研究开发了一种改进的方法来测量提出和分析了不同环境法规给的效果。中国陕西,被选为这个案子。主要结论如下:(1)2001 - 2017年期间,给陕西省的趋势可以分为三个阶段:2001 - 2005,2006 - 2009,2010 - 2017。在第一阶段,给显示了一个相对平稳的趋势先增加,然后下降,在技术研发效率缓慢增长和大波动技术转化效率。在第二阶段,给从0.247增加到0.354,增加技术研发效率的主要驱动力是给的提高。在第三阶段,给大幅增加从0.410到0.934,增长速度也明显加快。然而,2014年之后,技术研发和技术之间的关系转换开始不协调。(2)在观察期间,CER和给一个线性的进化关系,而MER给和版本给陕西省显示一个u型的进化关系。然而,线性进化CER和给之间的关系并不理想。(3)三种类型的环境法规的影响给显然是不同的。CER给有积极影响,主要影响技术转换阶段。给MER有负面影响,其影响贯穿绿色创新活动的整个过程。此外,版本也有一个负面影响给主要影响技术转型阶段,但它的负面影响给比在MER的要弱。
本研究提高给的评价方法和理论系统和提供科学依据政府决策者制定环保法规政策。这项研究的局限是环保法规和其他控制变量之间的相互作用是不考虑。因此,我们认为,未来的研究可以扩展到探索如何构建环境法规和其他控制变量之间的交互。
附录
基于自我效能的经典DEA模型评价
来说明我们提出方法的先进性在这项研究中,经典的基于自我效能评价的DEA模型也适用于测量给陕西省2001 - 2017年期间。经典DEA模型只是初始输入和最终输出,采用自我效能评估的方法。经典DEA模型的一般形式基于自我效能评估如下所示。在模型中,是给的值。 , ,和代表的松弛变量输入 ,理想的输出 ,和不良的输出 ,分别如以下所示的模型。
数据可用性
使用的数据来支持本研究的结果包括在本文中。
的利益冲突
作者宣称没有利益冲突。
确认
这项研究得到了国家社会科学基金项目(20 bjy010),国家社会科学基金(fjyb017 19日)后融资项目,人文和社会科学项目基金会中国教育部(17 yja790091),川藏铁路重大基础科学问题专项基金(71942006)、青海自然科学基金(2020 -司法院- 736),列表的关键在中国交通行业科技项目2018年国际科技合作项目(2018 - gh - 006和2019 - 5 - 100),新兴工程教育研究和实践项目中国教育部(E-GKRWJC20202914),陕西省社会科学基金(2017 s004),陕西省社会科学重大理论和实践研究基金会(2019 z191),西安建筑科技计划项目(SZJJ201915和SZJJ201916),西安科技基金局(201805070RK1SF4(6)),陕西省高等教育教学改革项目(19 bz016),基础研究基金为中央大学(人文社会科学),长安大学(300102230612,300102230612)和基础研究基金为中央大学、长安大学(300102238201)。