Regional environment and technology: Pattern recognition, diachronic evolution and interactive effects

Yu Liping, Zhang Kuangwei, Xu Hang, Shen Jie, Hong Jinzhu

GEOGRAPHICAL SCIENCE ›› 2024, Vol. 44 ›› Issue (1) : 40-49.

PDF(709 KB)
Adv Search
EN中文
PDF(709 KB)
GEOGRAPHICAL SCIENCE ›› 2024, Vol. 44 ›› Issue (1) : 40-49. DOI: 10.13249/j.cnki.sgs.20210989

Regional environment and technology: Pattern recognition, diachronic evolution and interactive effects

Author information +
History +

Abstract

Ecological environment and scientific and technological innovation are two systems that can not be ignored in social development. They are independent and blend with each other. Promoting the coordinated development of environment and science and technology is of great significance to realize sustainable development. Based on the analysis of the interaction mechanism between environment and technology, this article divides environment and technology into four types of models based on the four quadrant partition model: synchronous leading, environmental priority, technology priority, and synchronous lagging. The study uses panel data from 30 regions in China from 2009 to 2018 as samples, and uses simultaneous equation models and Bayesian vector autoregressive models to analyze their mutual influence and interaction relationship. The results show that: 1) During the observation period, the regional environment and technological innovation were still in an overall upgrading stage, and their coexistence pattern showed an unbalanced pattern in which the eastern region was superior to the central and western regions; 2) Environmental quality has a positive impact on the development of science and technology; 3) The impact of scientific and technological innovation on environmental quality is not significant; 4) It is a long-term process to realize the benign interaction between environment and science and technology. It also puts forward countermeasures and suggestions: develop environmental and technological development policies tailored to local conditions, strengthen long-term management mechanisms for technological innovation and ecological environment, and implement differentiated development strategies based on local resource endowments; technological innovation should adhere to a green orientation, take into account ecological benefits to the greatest extent possible, and pay more attention to ecological environment protection while developing new technologies and products. It should also provide important technical support for ecological environment construction; ecological construction should actively cultivate a good environment for scientific and technological innovation, allowing the vitality of scientific and technological innovation to fully emerge, gradually forming a good atmosphere for innovation, and thus forming a good situation where the ecological environment feeds back scientific and technological innovation.

Key words

environment quality / science and technology innovation / simultaneous equation model / Bayesian vector autoregressive model (BVAR model)

Cite this article

EndNote

Ris (Procite)

Bibtex

Download Citations
Yu Liping, Zhang Kuangwei, Xu Hang, Shen Jie, Hong Jinzhu. Regional environment and technology: Pattern recognition, diachronic evolution and interactive effects[J]. SCIENTIA GEOGRAPHICA SINICA, 2024, 44(1): 40-49 https://doi.org/10.13249/j.cnki.sgs.20210989

环境问题是制约经济社会可持续发展的关键所在，中国经济发展在取得举世瞩目的伟大成就的同时，全球气候变暖、资源约束趋紧、生态环境恶化等一系列环境问题依然制约着中国高质量发展的进程[1-3]，而科技创新作为驱动经济发展的动力源泉，与环境质量之间存在着密切关系。一方面科技创新影响着环境质量的改变，科技进步能够促进经济发展方式转变、生态伦理价值观的形成及绿色生活方式转变，科技创新所带来的新产品、新工艺、新技术、新方法可以有效提高生产生活效率，为节能减排、污染防治及生态修复提供重要支持。另一方面环境质量也会对科技创新产生影响，从长期来看适度的环境规制有利于激发企业开展技术创新的意愿，且环境质量的改善能够为科技创新营造良好的环境，从而吸引优质创新要素集聚，为科技创新活动提供广阔空间。
关于科技创新对环境质量的影响，多数学者认为科技创新是促进节能减排、降低环境污染、促进环境治理的重要因素[4-6]，且环境友好型科技创新对生态环境的改善效果更为明显[7]，但是科技创新的落后发展及粗放发展会对生态环境造成较大负担，从而导致环境污染，阻碍地区的绿色转型发展[8-10]，有效提升科技创新水平是解决环境问题的关键。在环境质量对科技创新的影响方面，研究主要围绕环境规制展开，结果表明，合理的环境规制会产生创新补偿效应，在一定程度上刺激技术创新，这就是著名的“波特假说”[11]。有较多学者支持“波特假说”，认为环境规制能够有效激发创新活动[12-14]。也有学者认为环境规制不利于企业创新，会在一定程度上抑制创新活动[15-17]，也有研究认为环境规制与技术创新之间不存在显著相关性[18]。在科技创新与环境质量的协同发展方面，已有部分学者在对科技创新与环境质量综合测度基础上，采用耦合协调模型对其耦合协调水平进行了统计分析[2]，同时也有研究构建了科技创新与生态环境之间的“互动作用传导机制”，并实证研究了两者的动态响应关系[3]。
综合来看，环境与科技作为区域发展的两大维度，两者之间存在着相互交融、互相影响、相辅相成的关系，关于科技创新与环境质量共存模式、升级路径及互动机制的理论与实证研究还比较缺乏。本文重点从宏观区域视角分析区域环境与科技创新的关系，基于四象限分区模型生动刻画了区域环境与科技创新之间的关系画像，系统总结了区域环境与科技创新的共存模式及升级路径，并从理论上分析了区域环境与科技创新互动机制，进而采用中国省级面板数据实证研究两者的历时演化及互动关系。本文的研究一方面能够深化区域环境与科技创新关系的理论研究，另一方面能够从多维视角分析两者的影响特征，从而更好的总结规律、发现问题，为促进区域环境与科技创新协同发展提供启示。

1 理论基础

1.1 区域环境与科技创新互动机制

环境质量与科技创新是经济社会发展过程中必须重点关注的两个方面，两者之间既相互独立又存在着复杂的交互关系，中国进入高质量发展阶段以来，在发展经济的同时更加关注生态环境建设与科技创新发展，在理想状态下生态环境与科技创新应为良性互动关系。
1） 科技创新对环境质量的影响。其一，科技创新为环境治理提供重要技术支持。技术进步被认为是解决环境问题的关键，Grossman和Krueger[19]首次提出“技术效应”概念，认为技术进步将会提高生产率和资源利用率，降低生产环节的要素投入，有效削弱生产对自然环境的影响，且清洁技术的开发、利用与推广，能够有效降低污染排放。Fussler和James[20]同样认为由科技创新所带来的新技术、新工艺、新方法可以有效提高生产效率，减少经济生产活动对生态环境带来的负面影响。在高质量发展阶段，技术创新正在由传统的倾向于促进经济增长，向更多的兼顾到生态保护与环境治理转变，生产技术革新能够降低传统发展模式对资源环境的依赖程度，环保技术与设备的使用同样为生态环境的修复改善提供技术支撑。其二，科技创新能够推动产业结构优化与升级。不同类型、不同规模的产业发展都要从自然环境中汲取所需要的资源，输出价值产品及生产废弃物，传统粗放的资源消耗型产业更是对生态环境造成了极大压力。科技创新系统通过各类创新要素的投入引发技术变革，推动传统产业原有技术和生产模式的改革升级，使得技术含量高、能源消耗少的技术应用于企业生产过程，同时强劲的创新能力是高端产业成长的动力，有利于培育一批较多依赖科学技术而较少依赖传统能源的新型产业。因此，科技创新是产业结构优化与升级的关键动力，能够促使资源及环境依赖型产业向技术与知识密集型产业过渡，同时也为环境友好型新兴产业的产生营造了良好的市场条件，从而达到降低环境污染、改善环境质量的目的。其三，科技创新能够营造绿色生活与消费氛围。由科技创新所带来的环境友好型设备与技术的深入应用，深刻的影响着人们的生活与消费，在节约资源、降低环境污染的同时，客观上有利于在全社会形成节约资源、绿色生活的氛围，形成简约舒适、绿色低碳的生活方式，倡导人们反对奢侈浪费和不合理消费的生活作风，树立人与自然和谐共处的生态价值观，引导全社会树立生态环境意识，让绿色与生态成为生活消费的新导向，从而从生活与消费方面逐步缓解给生态环境造成的压力。
2） 环境质量对科技创新的影响。其一，环境约束能够激发市场主体的创新动力。环境约束并不必然阻碍科技发展，恰当的环境约束反而是激发市场主体创新动力、推动科技创新的有效途径。根据波特假说[11]，适当的环境规制会激励企业创新活动，提高企业的创新意愿，进而提升企业自身生产力，从而抵消环境保护的成本，提高生产率并形成自身的“竞争优势”。严厉的环境保护政策可以刺激企业技术创新，此外环境保护在一定程度上规定科技创新的外部约束条件，且低碳环保型产品和生态环境治理具有巨大市场前景，会很大程度上调动企业科技创新的积极性，通过优化地区资源配置，加大环保型创新要素的投入，倒逼市场主体进行科技创新。其二，环境质量改善能够吸引优质创新资源。基础设施、科技人才、创新资金等是开展科技创新的重要条件，拥有较多科技创新人才的城市，其研发部门的科技转化效率往往越高，对技术创新水平的提升作用越明显[21]。高等学校、科研机构及科研人员在区域内的聚集能够形成优质创新网络，营造良好的创新氛围，从而驱动技术创新[22]。生态环境的优化与环境质量的改善，能够为科技创新提供持续性的资源和物资，吸引到更多优质科研人员、优质创新型企业等的集聚，并且为科技成果转化提供更为广阔的市场，从而提高科技创新水平。其三，环境质量改善的需求能够拓宽创新领域。恶劣的生态环境对经济增长造成压迫，在环境保护与环境质量改善过程中，面对不断产生的新问题、新挑战，对技术水平提出了更高的要求，而这些新问题、新挑战在一定程度上也规范和制约了科技创新的方向与使命。例如双碳目标的约束既是对转变能源消费结构的重大挑战，也为科技进步带来巨大机遇，在实现碳达峰与碳中和目标的过程中科技创新必然发挥着关键作用，未来必然会在节能减排核心技术领域取得重大突破。因此，生态环境的压力是科技创新的重要动力，为科技进步带来重要机遇。
总之，科技创新从来都不应该以牺牲环境为代价，而应该成为生态保护与环境治理的重要支撑，生态环境压力同样不是科技进步的绊脚石，而应该成为孕育科技创新的源泉，倒逼科技创新能力的提升。因此，有效发挥科技创新与生态环境的良性互动机制是实现经济社会可持续发展的重要途径。

1.2 区域环境与科技创新的分区关系

区域环境与科技创新之间存在如图1所示的四分区模式，分别是同步领先型、环境优先型、科技优先型以及同步滞后型。其中同步领先型模式往往是想要达到的相对理想状态，其特点是环境质量与科技水平均高于全国平均水平；环境优先型模式是指科技水平在全国平均水平以下，但是环境质量在全国平均水平以上的发展状态；科技优先型模式是指科技水平在全国平均水平以上，但是环境质量在全国平均水平以下的发展状态；而同步滞后型是指环境质量与科技水平均低于全国平均水平，两者均存在较大提升空间。
Fig. 1 Coexistence mode of regional environment and technological innovation

图1 区域环境与科技创新共存模式

Full size|PPT slide

在这4种共存模式中，同步领先型是每个地区都想达到的相对理想状态，且环境质量与科技水平的高低是相对的。因此，在追求该目标的过程中，各地区共存模式会发生不同程度的改变，可以归纳为以下几种路径：① 科技优先升级型：即从低环境质量、低科技水平状态开始，经过低环境质量、高科技水平阶段，然后向高环境质量、高科技水平转型。② 环境优先升级型：即从低环境质量、低科技水平阶段开始，经过高环境质量、低科技水平阶段，然后向高环境质量、高科技水平转型。③ 直接升级型：即从低环境质量、低科技水平阶段直接升级到高环境质量、高科技水平阶段。
除了环境优先升级型、科技优先升级型和直接升级型3种路径之外，还可能会出现停滞不变型或者滞后发展型两种路径。其中，处于停滞不变的又可分为同步滞后型和同步领先型，即环境和科技长期保持高水平或者低水平；处于滞后发展的又可分为环境滞后发展型和科技滞后发展型，即环境质量或科技水平长期处于滞后发展状态。

2 研究设计

2.1 研究方法

首先采用联立方程模型分析区域环境与科技创新的相互影响，建立了由环境质量和科技水平分别作为被解释变量的联立方程组。
{lnEQ=c1+β11L.lnST+β12L.lnPD+β13L.lnULlnST=c2+β21L.lnEQ+β22L.lnK+β23L.lnL+β24L.lnPR
(1)
式中，EQ表示环境质量， ST表示科技水平，K表示研发资本投入，L表示研发人员投入，PR表示利润率，PD表示人口密度，UL表示城市化水平。c表示常数项，β表示回归系数，其中下标i、j分别为方程序号和变量序号，i、j取值范围为1~4的整数，L.表示变量滞后一期。
方程一为环境质量方程，其影响因素除了科技水平之外，还引入了人口密度和城市化水平；方程二为科技水平方程，其影响因素除了环境质量之外，还引入了研发经费投入、研发人员投入和利润率。由于各影响因素对因变量的影响存在滞后，经过综合考虑，各影响因素的滞后期均设定为一期。
在采用联立方程模型进行回归分析的基础上，进而采用贝叶斯向量自回归模型（BVAR）分析环境质量与科技创新之间的动态互动关系。与传统VAR模型不同，BVAR模型能够针对系数矩阵设定先验分布，该先验分布包含预测前所获取的某些信息，从而提高预测的准确性，更能真实反映变量间的动态关系。通过脉冲响应函数观察不同时期变量对于来自其他变量冲击的反馈情况，能够更好的从短期和长期综合把握两者的关系特征。

2.2 指标构建

本文选取发明专利申请受理数、R&D经费内部支出以及国际科技期刊论文发表数作为衡量地区科技创新水平的指标，采用专家打分法对各指标进行赋权汇总，如表1所示。
Table 1 Indicator system of scientific and technological level

表1 科技水平指标体系

一级指标二级指标权重
科技水平发明专利申请受理数/件0.415
R&D经费内部支出/万元0.366
国际科技期刊论文发表数/篇0.219
本文环境质量评价的指标体系采用城市生态环境、污染治理两个二级指标以及建成区绿化覆盖率、人均公园绿地面积、工业固体废物综合利用率、城市污水处理率、生活垃圾处理率、二氧化硫排放量和碳排放量7个三级指标，用专家打分法对各指标进行赋权汇总。其中7个三级指标的含义分别是：建成区绿化覆盖率，即绿化总面积与建成区面积的比值；人均公园绿地面积，即该地区人均拥有的公园绿地面积；工业固体废物综合利用率，即工业处置固体废物的综合利用量占工业固体废物量总量的百分比值；城市污水处理率，即经污水处理厂处理的污水量与该地区排放污水总量的百分比值；生活垃圾无害化处理率，即经无害化处理的生活垃圾量与该地区生活垃圾总量的百分比值；单位土地面积二氧化硫排放强度，即该地区排放的二氧化硫量与该地区面积的比值；单位土地面积碳排放强度，即碳排放总量与该地区面积的比值，如表2所示。
Table 2 Indicator system of environmental quality

表2 环境评价指标体系

一级指标二级指标权重三级指标权重
环境质量生态环境0.552建成区绿化覆盖率/%0.475
人均公园绿地面积/m20.525
污染治理0.448工业固体废物综合利用率/%0.235
城市污水处理率/%0.192
生活垃圾无害化处理率/%0.293
单位土地面积二氧化硫排放强度/（t/km2）0.123
单位土地面积碳排放强度/（t/km2）0.157

2.3 变量含义与数据来源

1）变量选取。科技创新水平变量的测度采用本文表1中构建的科技水平指标体系；环境质量的测度采用本文表2中构建的环境评价指标体系；人口密度采用该地区人口数量与该地区面积的比值表示；研发资本投入采用研发经费内部支出表示；研发人员投入采用研发人员全时当量表示；利润率采用地区高技术产业利润占主营业务收入的比重表示；城市化水平采用地区年末城镇人口比重表示。
2）数据来源。本文原始数据主要来源于《中国统计年鉴》[23]、《中国人口和就业统计年鉴》[24]、《中国科技统计年鉴》[25]以及EPS数据①(① https://www.jpgnet.com.cn/index.html#/Index [2021.10.07])平台，共选取中国2009—2018年30个省（市、区）（暂缺港澳台和西藏数据）面板数据进行研究，中西部划分综合考虑“七五”计划以及2000 年国家西部大开发战略②(② 东中西部划分：东部地区包括北京，天津，河北，辽宁，上海，江苏，浙江，福建，山东，广东和海南；中部地区包括山西，吉林，黑龙江，安徽，江西，河南，湖北和湖南；西部地区包括内蒙古，广西，重庆，四川，贵州，云南，西藏，陕西，甘肃，青海，宁夏和新疆。)。变量统计学特征如表3所示。
Table 3 Descriptive statistics of variables

表3 变量描述统计

变量单位均值极大值极小值标准差样本数量
　　注：“/”表示无单位；暂缺港澳台和西藏数据。
环境质量/51.09876.72426.53010.24730×10=300
科技水平/48.26192.38130.62416.004
研发资本投入万元4127352.13427046969.00057806.0004925955.784
研发人员投入人年114192.716762733.0004008.000126412.486
城市化水平%55.89589.60029.89012.848
人口密度人/km2460.6963825.6927.996684.265
利润率%9.25722.4080.5763.469

3 实证结果

3.1 区域环境与科技创新的历时演化分析

分别计算出各地区环境质量、科技水平的均值，“H”表示相对高于全国平均水平，“L”表示相对低于全国平均水平，环境质量在前，科技水平在后，每个地区的状态用H、L不同组合表示，如某地区环境质量与科技水平的状态组合为“HH”，则表示该地区为高环境质量、高科技创新状态，当然对于环境质量与科技创新水平高低的界定是相对的。如表4所示。
Table 4 Development and changes in the coexistence mode of environment and technology in various regions

表4 各地区环境与科技共存模式的发展变化

地区2009年2010年2011年2012年2013年2014年2015年2016年2017年2018年
　　注：暂缺港澳台和西藏数据；HH表示高环境质量、高科技创新状态组合；HL表示高环境质量、低科技创新状态组合；LH表示低环境质量、高科技创新状态组合；LL表示低环境质量、低科技创新状态组合，下同。
北京HHHHHHHHHHHHHHHHHHHH
天津LLLLLLLLLLLLLHLHLHLH
河北HLHLHLHLHLHLHLHLHLHL
山西LLLLLLLLLLLLLLLLLLLL
内蒙古LLLLHLHLHLHLHLHLHLHL
辽宁LHLHLHLHLHLLLLLLLLLL
吉林LLLLLLLLLLLLLLLLLLLL
黑龙江LLLLLLLLLLLLLLLLLLLL
上海LHLHLHLHLHLHLHLHLHLH
江苏HHHHHHHHHHHHHHHHHHHH
浙江HHHHHHHHHHHHHHHHHHHH
安徽HLHLHLHHHHHHHHHHHHHH
福建HLHLHLHLHLHLHLHLHLHL
江西HLHLHLHLHLHLHLHLHLHL
山东HHHHHHHHHHHHHHHHHHHH
河南LLLLLLLLLLLLLLLLLLLL
湖北LHLHLHLHLHLHLHLHLHLH
湖南LLLLLLLLLLLLLLHLHLHL
广东HHHHHHHHHHHHHHHHHHHH
广西LLLLLLHLLLLLLLLLLLLL
海南HLHLHLHLHLHLLLLLLLLL
重庆HLHLHLHLHLHLHLHLHLHL
四川LHLHLHLHLHLHLHLHLHLH
贵州LLLLLLLLLLLLLLLLLLLL
云南LLLLLLHLLLLLLLLLLLLL
陕西LHLHHHHHHHHHHHHHHHHH
甘肃LLLLLLLLLLLLLLLLLLLL
青海LLLLLLLLLLLLLLLLLLLL
宁夏HLHLHLHLHLHLHLHLHLHL
新疆LLLLLLLLLLLLLLLLLLLL
在表4基础上，进一步整理出各地区环境质量与科技创新演化路径，如表5所示。
Table 5 Upgrade paths for environmental and technological models in each region

表5 各地区环境与科技模式的演化路径

演化模式路径阶段地区
　　注：暂缺港澳台和西藏数据。
停滞不变型HH→HH高水平稳定北京、江苏、浙江、山东、广东
HL→HL科技低水平稳定河北、福建、江西、重庆、宁夏
LL→LL低水平稳定山西、吉林、黑龙江、河南、甘肃、青海、新疆、贵州
LH→LH环境低水平稳定四川、上海、湖北
优先升级型LL→LH科技优先升级型天津
LL→HL环境优先升级型湖南、内蒙古
HL→HH或LH→HH同步领先型安徽、陕西
滞后发展型LH→LL科技滞后发展型辽宁
HL→LL环境滞后发展型海南
LL→HL→LL同步滞后型云南、广西
第一种类型是停滞不变型，即环境质量和科技实力在观测期内长期处于不变状态，按照环境、科技有高低水平之分，该类型又分为4种类型：高水平稳定，即环境和科技都是高质量，该类型包括北京、江苏、浙江、山东、广东5个地区；科技低水平稳定，即环境高质量科技低质量，该类型包括河北、福建、江西、重庆、宁夏5个地区；低水平稳定，即环境和科技都是低质量，该类型包括山西、吉林、黑龙江、河南、甘肃、青海、新疆、贵州8个地区；环境低水平稳定，即环境低质量科技高质量，该类型包括四川、上海、湖北3个地区。
第2种类型是优先升级型，按照环境和科技又可分为环境优先升级型和科技优先升级型。其中，环境优先升级型，即科技实力不变，环境水平由低质量到高质量，用符号表示就是“LL→HL”，该类型包括湖南、内蒙古；科技优先升级型，即环境质量不变，科技由低质量到高质量，用符号表示就是“LL→LH”，该类型包括天津。此外，升级型中还有一种情况是同步领先型，即环境质量和科技实力最后都处于高水平，该类型包括安徽、陕西。
第3种类型是滞后发展型，又可分为环境滞后发展型和科技滞后发展型。其中，环境滞后发展型，即科技实力不变，环境水平由高质量到低质量，用符号表示就是“HL→LL”，该类型包括海南；科技滞后发展型，即环境质量不变，科技由高质量到低质量，用符号表示就是“LH→LL”，该类型包括辽宁。在这个演变过程，还有一种同步滞后型，即环境质量和科技实力最后都处于滞后，用符号表示就是“LL→HL→LL”，该类型包括云南、广西。

3.2 联立方程模型回归分析

数据平稳性检验通过，可以进行联立方程模型回归分析，联立方程模型回归结果如表6所示。总体来看环境质量方程的拟合优度为0.156，处于较低水平，这主要因为影响环境质量的因素比较复杂，存在较多无法计量的因素；而科技水平方程的拟合优度为0.808，达到了较高水平。
Table 6 Regression results of simultaneous equation model

表6 联立方程模型回归结果

变量环境质量方程变量科技创新方程

　　注：括号内数值为t统计量；*、**、***分别表示在10%、5%、1%的显著性水平；-表示无数据；“L.”表示变量滞后一期；EQ表示环境质量，ST表示科技水平，K表示研发资本投入，L表示研发人员投入，PR表示利润率，PD表示人口密度，UL表示城市化水平；暂缺港澳台和西藏数据。

常数项3.051***(12.640)常数项1.081**（5.464）
L.lnST-0.003（-0.048）L.lnEQ0.072*（1.759）
L.lnPD0.044***(3.447)L.lnK0.011（0.351）
L.lnUL0.159**（2.462）L.lnL0.213***(5.797)
--L.lnPR-0.022（-1.045）
R20.156R20.808
由环境质量方程回归结果可知，其中科技水平的回归系数为-0.003，但是没有通过统计检验，即科技对环境的影响不显著，而人口密度和城市化水平的弹性系数均为正值，且通过了统计检验。这主要是因为，中国虽然是创新大国，但并非创新强国，其科技水平和科技实力均有待提高，一些科技创新对资源环境的依赖依然较大，且过去粗放型的发展模式对环境造成了极大压力，生态修复与环境改善是一个长期的过程，因此在这种情况下科技对环境的影响不显著，这也进一步说明了科技创新要兼顾生态效益的重要性，发挥科技创新对环境的积极影响需要多方的共同努力。
由科技创新方程回归结果可知，环境质量的弹性系数为0.072，在10%的水平下通过了统计检验，环境对科技具有积极的正向影响。这主要是因为，严峻的环境问题引起全社会的广泛关注，加上一系列环境规制、环保政策的出台，且环境质量的改善在一定程度上能够吸引创新资源的集聚，有利于营造良好的创新氛围，使得环境倒逼科技创新的作用得到了一定的发挥。

3.3 贝叶斯向量自回归模型分析

建立贝叶斯向量自回归模型，主要通过脉冲响应函数分析区域环境与科技创新的动态互动关系，脉冲响应函数描述在模型中某一变量扰动项受到1个标准差大小的冲击对系统中每个变量当期值和未来值的影响，通过各变量对冲击的动态反应情况分析影响程度和方向。结合滞后期检验结果并考虑到本文的数据跨度，将滞后期确定为2期，且单位圆检验结果表明本文所建立的BVAR模型 是稳定的。
环境质量的脉冲响应函数如图2a所示，环境质量自身的冲击对其影响最大，环境质量对于来自科技水平1个标准差的冲击表现出积极的正向反馈，当期趋向于0，之后表现出平稳增加的趋势，表明科技水平的提高能够带动环境质量的提高。虽然联立方程模型结果显示科技对环境的影响不显著，但是毋庸置疑科技创新是实现高质量发展的关键动力，是未来解决环境问题的重要途径，生态修复与环境治理需要长期不懈的坚持，说明科技创新必须兼顾生态效益，在提高创新质量的同时解决创新面临的结构性问题，因此长远来看科技创新必将会在改善环境质量的过程中产生重要的积极作用。
Fig. 2 Pulse response function curve

图2 脉冲响应函数曲线

暂缺港澳台和西藏数据

Full size|PPT slide

科技水平的脉冲响应函数如图2b所示，科技水平自身的冲击对其影响最大，科技水平对于来自环境质量一个标准差的冲击同样表现出积极的正向反馈，在第一期就发挥作用，之后呈现出比较平稳的增加趋势，也就是说环境对于科技具有积极的正向影响。这说明，环境质量的恶化引起社会更广泛关注，相关政策及环境规制的出台激发了创新主体的积极性，而环境质量的改善则营造了良好的环境，在一定程度上能够吸引优质创新资源的集聚，营造良好的创新氛围，因此环境倒逼科技进步的作用得以彰显。

4 研究结论与对策建议

4.1 研究结论

1） 在观测期内，区域环境与科技创新总体上仍处于升级阶段，且其共存模式呈现出东部优于中、西部地区的非均衡格局。以北京、浙江、江苏、广东为代表的东部省份长期处于同步领先型的共存模式，而中西部经济欠发达的一些地区则处于同步滞后型模式，且目前大部分地区的环境与科技共存模式并未达到理想状态，仍处于区域环境与科技的升级进步阶段，需因地制宜采取差异化策略组合，促进环境与科技协同发展。
2） 环境质量对科技创新的发展呈现一定的正向影响。科技水平方程结果显示，环境质量对科技创新的弹性系数为正且通过统计检验，即环境质量对科技创新表现出积极影响。这说明严峻的生态环境问题引起了社会的广泛关注，在生态保护与环境治理出现的新问题、新挑战，不断倒逼着科技创新与进步，通过提升科学技术手段解决生态环境问题已经成为共识，同时应注意生态环境和科技创新的协调，最终实现可持续发展。
3） 科技创新对环境质量的影响不显著。环境质量方程结果显示，科技创新对环境质量的弹性系数没有通过统计检验，也就是说科技创新对环境质量的影响不显著。这说明目前的科技创新存在着结构性矛盾、创新质量有待提高，科技创新还不能在生态保护与环境治理中发挥出应有的作用。科技创新从来都不应该以牺牲环境为代价，科学技术的进步应该更多的兼顾到生态效益，这也是未来科技发展的重要方向之一。
4） 实现区域环境与科技创新的良性互动是一个长期过程。脉冲响应函数表明，环境对来自科技一个标准差的冲击表现出积极的正向反馈，而科技对于来自环境一个标准差的冲击同样表现出积极的正向反馈。虽然联立方程模型中科技对环境的影响不显著，但这并不能否定科技创新是解决环境问题的重要途径这一基本共识，环境问题具有极其复杂的历史原因，环境改善也需要一个长期的过程，不是一蹴而就的，区域环境与科技的良性互动需要一个长期的过程，才能实现科技创新助力环境改善、环境改善反哺科技创新的良好局面。

4.2 对策建议

1） 因地制宜制定环境与科技发展政策。由于中国幅员辽阔，不同地区存在自然环境、基础设施及经济水平等诸多方面的差距，这就导致不同地区的生态环境状况与科技创新水平同样存在较大差异。因此各地区管理者要结合本地区实际情况制定合理的环境与科技发展政策，须立足当下、放眼未来做好顶层设计，提高相关政策的现实性与前瞻性，强化科技创新与生态环境的长效管理机制，匹配当地资源禀赋，实施差异化发展策略。
2） 科技创新要坚持绿色导向，兼顾生态效益。科技创新是推动经济高质量发展的核心动力，同时也是解决环境问题、突破资源束缚的关键，科技发展要坚持绿色导向原则，最大程度的兼顾到生态效益，不能走发展了科技而牺牲了环境的老路。在开发新技术、新产品发展经济的同时要更加重视生态环境保护，以发展环境友好型高价值产业为导向，促进生产技术的革新，降低传统发展模式对资源环境的依赖，推动生态保护、环境治理领域相关技术的重大突破，为生态环境建设提供重要支持。
3） 生态建设要积极培育良好的科技创新环境。生态环境是人们健康生活的重要基础，同时也是倒逼科技创新的重要力量，生态环境建设要积极培育良好的科技创新环境，让科技创新的活力充分涌现。在进行生态环境建设过程中，不断完善基础设施建设，空气质量不断改善，相关政策的不断支持，能够吸引到优质创新资源，从而使得高素质创新人才、高新技术产业等的集聚，逐渐形成良好的创新氛围，激发广大创新主体的创新活力，进而生态环境能够反哺科技创新。

References

List( Publishing order | Descend order by publishing year | Descend order by cited within ) Chart analysis
[1]
汪红霞, 唐星, 许佩蓉, 等. 环境补贴对区域创新能力的作用效果及影响机制——基于空间溢出的研究视角[J]. 统计学报, 2021, 2(4): 53-66.
Wang Hongxia, Tang Xing, Xu Peirong et al. Effects and influencing mechanism of environmental subsidies on regional innovation ability—Based on the perspective of spatial spillover. Journal of Statistics, 2021, 2(4): 53-66.
Cited in this article [1]
[2]
郭爱君, 杨春林, 钟方雷. 中国区域科技创新与生态环境优化耦合协调的时空格局及驱动因素分析[J]. 科技管理研究, 2020, 40(24): 91-102.
Guo Aijun, Yang Chunlin, Zhong Fanglei. Spatial and temporal pattern and driving factor analysis of coupling and coordination between regional scientific and technological innovation and ecological environment optimization. Science and Technology Management Research, 2020, 40(24): 91-102.
Cited in this article [1]
[3]
严翔, 成长春. 长江经济带科技创新与生态环境间的动态响应研究[J]. 南通大学学报(社会科学版), 2019, 35(5): 22-29.
Yan Xiang, Cheng Changchun. Dynamic response between technological innovation and ecological environment of the Yangtze River Economic Belt. Journal of Nantong University (Social Sciences Edition), 2019, 35(5): 22-29.
Cited in this article [2]
[4]
但智钢, 段宁, 郭玉文, 等. 基于分解模型的全过程节能减排定量评价方法及应用[J]. 中国环境科学, 2010, 30(6): 852-857.
Dan Zhigang, Duan Ning, Guo Yuwen et al. A quantitative evaluation method based decomposition analysis and its application on the life-cycle effect of energy conservation and emission reduction. China Environmental Science, 2010, 30(6): 852-857.
Cited in this article [1]
[5]
何小钢, 张耀辉. 技术进步、节能减排与发展方式转型——基于中国工业36个行业的实证考察[J]. 数量经济技术经济研究, 2012, 29(3): 19-33.
https://doi.org/10.13653/j.cnki.jqte.2012.03.009
He Xiaogang, Zhang Yaohui. Technology progress, energy save and emission reduce and development pattern transformation. Journal of Quantitative & Technological Economics, 2012, 29(3): 19-33.
https://doi.org/10.13653/j.cnki.jqte.2012.03.009
[6]
Ehrlich P R, Holdren J P. Impact of population growth[J]. Science, 1971, 171(3977): 1212-1217.
https://doi.org/10.1126/science.171.3977.1212
Cited in this article [1]
[7]
Barker T, Pan H, Warren R, et al. Decarbonizing the global economy with induced technological change: Scenarios to 2100 using E3MG[J]. Energy Journal, 2006, 27(1): 241-258.
Cited in this article [1]
[8]
辛晓华, 吕拉昌. 中国主要城市技术创新影响环境污染的空间分异与机理[J]. 地理科学, 2021, 41(1): 129-139.
https://doi.org/10.13249/j.cnki.sgs.2021.01.014
Xin Xiaohua, Lyu Lachang. Spatial differentiation and mechanism of technological innovation affecting environmental pollution in major Chinese cities. Scientia Geographica Sinica, 2021, 41(1): 129-139.
https://doi.org/10.13249/j.cnki.sgs.2021.01.014
Cited in this article [1]
[9]
Brannlund R, Ghalwash T, Nordstrom J. Increased energy efficiency and the rebound effect: Effects on consumption and emissions[J]. Energy Economics, 2007, 29(1): 1-17.
https://doi.org/10.1016/j.eneco.2005.09.003
[10]
Anadon L D, Chan G, Harley A G, et al. Making technological innovation work for sustainable development[J]. Proceedings of the National Academy of Sciences of the United States of America, 2015, 113(35): 9682-9690.
Cited in this article [1]
[11]
Porter M E. Towords a dynamic theory of strategy[J]. Strategic Management Journal, 1991(12): 95-117.
Cited in this article [2]
[12]
Lanjouw J O, Mody A. Innovation and the international diffusion of environmentally responsive technology[J]. Research Policy, 1996(4): 549-571.
Cited in this article [1]
[13]
Murty M N, Kumar S. Win-win opportunities and environmental regulation: Testing of porter hypothesis for Indian manufacturing industries[J]. Journal of Environmental Management, 2003(2): 139-144.
[14]
李阳, 党兴华, 韩先锋, 等. 环境规制对技术创新长短期影响的异质性效应——基于价值链视角的两阶段分析[J]. 科学学研究, 2014, 32(6): 937-949.
https://doi.org/10.3969/j.issn.1003-2053.2014.06.015
Li Yang, Dang Xinghua, Han Xianfeng et al. The study on heterogeneity effect of environmental regulation’s long-term & short-term influence on technology innovation—Two stages analysis based on value chain perspective. Studies in Science of Science, 2014, 32(6): 937-949.
https://doi.org/10.3969/j.issn.1003-2053.2014.06.015
Cited in this article [1]
[15]
Johnstone N, Hascic I, Pop D. Renewable energy policies and technological innovation: Evidence based on the poter hypothesis[J]. Journal of Economics & Management Strategy, 2011, 20(3): 803-842.
Cited in this article [1]
[16]
Wagner M. On the relationship between environmental management, environmental innovation and patenting: Evidence from german manufacturing firms[J]. Research Policy, 2007, 36(10): 1587-1602.
https://doi.org/10.1016/j.respol.2007.08.004
[17]
Blind K. The influence of regulations on innovation: A quantitative assessment for OECD countries[J]. Research Policy, 2012(41): 391-400.
Cited in this article [1]
[18]
Jaffe A, Palmer K. Environmental regulation and innovation a panel data study[J]. The Review of Economics and Statistics, 1997(4): 610-619.
Cited in this article [1]
[19]
Grossman G, Krueger A. Economic-growth and the environment[J]. Quarterly Journal of Economics, 1995, 110(2): 353-377.
https://doi.org/10.2307/2118443
Cited in this article [1]
[20]
Fussler C, James P. Driving eco-innovation: A breakthrough discipline for innovation and sustainability[M]. London: Pitman Pub, 1996: 138-147.
Cited in this article [1]
[21]
黄茂兴, 林寿富. 污染损害、环境管理与经济可持续增长——基于五部门内生经济增长模型的分析[J]. 经济研究, 2013(12): 30-41.
Huang Maoxing, Lin Shoufu. Pollution damage, environmental management and sustainable economic growth—Based on the analysis of five-department endogenous growth model. Economic Research Journal, 2013(12): 30-41.
Cited in this article [1]
[22]
朱秀梅. 高技术产业集群创新路径与机理实证研究[J]. 中国工业经济, 2008(2): 66-75.
Zhu Xiumei. An empirical analysis on innovative path and mechanism of high-tech industry cluster. China Industrial Economics, 2008(2): 66-75.
Cited in this article [1]
[23]
国家统计局. 中国统计年鉴[M]. 2010—2019. 北京: 中国统计出版, 2010—2019.
National Bureau of Statistics of China. China statistical yearbook. 2010—2019. Beijing: China Statistics Press, 2010—2019.
Cited in this article [1]
[24]
国家统计局. 中国人口和就业统计年鉴[M]. 2010—2019. 北京: 中国统计出版社, 2010—2019.
National Bureau of Statistics of China. China population & employment statistics yearbook. 2010—2019. Beijing: China Statistics Press, 2010—2019.
Cited in this article [1]
[25]
国家统计局. 中国科技统计年鉴[M]. 2010—2019. 北京: 中国统计出版社, 2010—2019.
National Bureau of Statistics of China. China statistical yearbook of science and technology. 2010—2019. Beijing: China Statistics Press, 2010—2019.
Cited in this article [1]

Funding

Key Project of Natural Science Foundation of Zhejiang Province(LZ21G030001)
First Class Discipline of Zhejiang-A (Zhejiang Gongshang University-Statistics)(2016A08)

RIGHTS & PERMISSIONS

Copyright reserved © 2024.
PDF(709 KB)

611

Accesses

0

Citation

Detail
Sections
Recommended

/

〈 〉