李英 马文超
摘要:本文以A股环境服务类上市公司为样本,实证检验了不同类型环境政策的企业创新投入效应。研究发现,命令控制型、激励型环境政策强度均推动了第三方企业的创新投入,并且该政策效应具有企业层面的异质性。因此,加强政策执行力度,促进第三方企业研发投入,实施差异化政府环境管制,显得十分必要。
关键词:环境政策 第三方治理企业 创新投入
一、问题提出
党的二十大指出中国式现代化是人与自然和谐共生的现代化,推进美丽中国建设需要加强污染治理、生态保护。在政府与市场的互动中,第三方企业的环境治理将发挥极其重要的作用。考虑到环境治理活动对于政策、技术创新的依赖,已有研究更多聚焦污染企业,考察环境政策的效果以及对企业创新的影响,鲜有文献围绕“创新投入”考察各类政策运用对于第三方治理企业的影响。
鉴于此,本文考察了不同类型环境政策对第三方企业创新投入的影响,边际贡献在于:第一,提供了环境污染第三方治理的经验证据。已有研究分析了政府管制下排污企业与第三方企业在环境治理中“替代”的方式,但是缺乏实证性的大样本研究。第二,补充了企业创新领域的文献。已有文献检验政策效应时的观测对象主要来自传统制造业和重污染行业,并未聚焦到第三方企业。本文的研究将为各类环境政策运用及环保产业发展提供有效的理论支撑。
二�理论分析与研究假设
从我国政府行为出发,“命令控制型”和“激励型政策”分别通过末端污染治理、针对性补贴来推动企业的环境创新(彭海珍和任荣明,2003)。环境污染第三方治理企业的决策依赖于受政策约束的排污企业所推动的治污项目。从污染治理需求看,当环境政策的执行力度加大时,市场对环保产品和环境技术服务的需求也会随之增加(杜文翠,2013)。因此,我们认为政策执行力度越大,对第三方企业治理的需求越大,引起的R&D投入越多。
同时,“激励型政策”更注重对环境创新成本的补偿。环保补助是为了保护生态环境而对放弃发展机会的企业进行补偿(范庆泉和张同斌,2018),此类政策操作会直接作用于第三方企业。显然,政府实施激励型政策,如给予补贴支持,能够补偿研发中的成本及相关风险。特别是,研究发现政府补助对于市场失灵具有缓解作用,且在中小企业表现尤为明显(林菁璐,2018)。因此,我们认为激励型环境政策的实施会引起第三方企业R&D投入的增加。
三�数据说明与实证设计
(一)样本选择和数据来源
聚焦环境污染第三方治理的试点阶段,本文选取2011-2017年A股环境服务类上市公司为研究样本,剔除ST、*ST公司以及数据缺失的样本,最终得到74家企业共计510个观测值,还对数据进行了缩尾处理。数据主要来源为《中国环境年鉴》、CSMAR数据库等。
(二)变量定义
1.R&D投入
借鉴解维敏等(2009)的做法,采用环境污染第三方治理企业的研发支出额衡量RDI。
2.环境政策
命令控制型环境政策强度(ERSst)。借鉴李永友和沈坤荣(2008)和Li和Ramakrishnan(2018)的做法构建政策指标,关注针对污染物的减排投入以及污染物排放达标率或去除率等。
激励型环境政策强度(Gov)。借鉴李汇东等(2013)的做法,以政府补助作为激励型环境政策的度量,并剔除与环境政策影响不相关的非科技研发、非环保类补助。
3.其他变量
股权集中度(Top1)。选用第一大股东持股比例衡量Top1�
财务业绩(EI)。采用第三方企业环保业务上的主营业务收入来度量EI�
控制变量(Controls)。从宏观省际和微观企业两个层面考虑,具体包括地区经济发展、第二产业产值和外商直接投资,以及企业规模、盈利能力、财务杠杆、市场价值、年龄、企业性质,还控制了年度固定效应。
(三)模型设定
借鉴唐国平等(2013)构建以下模型,其中模型(1)用来检验命令控制型环境政策的R&D投入效应,模型(2)用来检验激励型环境政策的R&D投入效应。
RDI=α+β1ERS+Σkλk Controlk+ε (1)
RDI=α+β2Gov+Σkλk Controlk+ε (2)
预期模型(1)、模型(2)中命令控制型环境政策强度ERS的系数β1�政府补助Gov的系数β2均显著为正。
四、实证结果与分析
(一)描述性统计
描述性统计发现,研发投入在企业间存在较大差异,当前不同地区的环境污染第三方治理企业面临的环境管制强度差异较大,部分地区管制强度要高于全国平均水平,大多数企业的政府补助水平远低于平均水平。
(二)混合数据OLS模型估计
表1第1、2列报告了单位污染物减排投入(ERS)、政府补助(Gov)分别与第三方治理企业R&D投入的关系。为避免异方差问题,报告了异方差稳健性回归的结果。三列数据所反映的结论与假设一致。
表1 环境政策对第三方治理企业创新投入的影响
| 变 量 |
(1) |
(2) |
(3) |
| ERS |
3.57** (2.98) |
|
2.34** (2.04) |
| Gov |
|
0.62*** (8.00) |
0.60*** (7.66) |
| 控制变量 |
YES |
YES |
YES |
| 截距项 |
-25.63 (-1.36) |
5.48 (0.30) |
4.80 (0.26) |
| 年度 |
YES |
YES |
YES |
| 观测值 |
510 |
510 |
510 |
| R2 |
0.58 |
0.63 |
0.63 |