一、引言

现有关于环境规制对区域绿色创新效率的影响研究主要集中在正式、非正式环境规制与绿色创新^①是否存在显著的影响关系。正式环境规制方面，Downing and White(1986)研究发现，与命令控制型环境规制相比，基于经济激励手段的正式环境规制对绿色创新有显著的促进作用。Henriques and Sadorsky(1996)以加拿大大型企业为研究对象，实证结果表明正式环境规制政策会对企业造成一定的压力，迫使企业制定环境规划，提高绿色创新效率。Cleff and Rennings(1999)基于多变量分析研究正式环境规制工具对绿色创新的影响，结果显示不同的正式环境规制工具对绿色创新的影响不同，其中环境生态审计对绿色创新有显著的促进作用。Brunnermeier and Cohen(2003)利用美国制造业1983-1992年的面板数据，以污染减排支出和政府监督执法活动为正式环境规制衡量指标，研究发现污染减排支出与绿色创新存在正向促进作用，但是政府监督执法活动并不能激励绿色创新。Horbach(2008)以德国相关面板数据为研究样本集，利用离散选择模型检验正式环境规制对绿色创新的影响，实证表明正式环境规制工具可触发绿色创新效应，是绿色创新的重要动力。陈雯、肖斌(2011)基于可交易排污许可证的正式环境规制政策工具分析模型，引入创新机制考察正式环境规制工具对中小企业的影响，结果表明可交易排污许可证与补贴这种正式环境规制工具组合能够以较低的规制成本激发中小企业绿色创新。尤济红、王鹏(2016)通过数理模型推导正式环境规制促进R & D偏向绿色技术研发，进一步运用GMM方法实证检验，发现仅仅依赖正式环境规制不可能促进绿色技术创新，必须发挥R & D的中介作用。原毅军、谢荣辉(2016)运用方向距离函数和生产率指数测算工业绿色生产率，分析不同类型环境规制对工业绿色增长的影响，结果显示正式环境规制中的费用型规制与工业绿色生产率之间呈“U”型关系。非正式环境规制方面，Lee(2010)将公众网络环境监管作为非正式环境规制的指示标量，采用回归分析和结构方程模型分析其对绿色创新的影响，实证结果显示非正式环境规制与绿色创新不存在显著相关关系。Langpap and Shimshack(2010)在调查美国公众对环境污染诉讼案件后，认为公众监督和公众执法作为非正式环境规制因素在环境治理和绿色创新方面发挥着显著的作用。Cole et al.(2013)认为在信息化多媒体普及的现代社会，非正式环境规制对绿色创新的促进作用不可忽视。徐圆(2014)利用行业异质性特征探讨了非正式环境规制对工业污染的总效应，结果发现源于社会压力的非正式环境规制直接促进了工业污染的治理，这也表明非正式环境规制可以影响工业绿色创新。张江雪等(2015)采用面板数据模型测算了不同类型的环境规制对工业绿色增长指数的影响，发现公众参与型非正式环境规制对降低环境污染的作用有限。彭星、李斌(2016)利用动态面板模型检验了不同类型环境规制对工业绿色转型的非线性影响效应，结果发现非正式环境规制(自愿意识型)的增强可以明显地提高绿色技术创新水平，以此来推动工业绿色转型。周海华、王双龙(2016)研究了非正式环境规制对企业绿色创新的影响机制，结果发现非正式环境规制对企业绿色创新具有显著的影响作用。

① 正式环境规制是指政府环境治理部门为改善环境质量而制定的一系列法律规范，通过政府权力抑制环境污染；非正式环境规制是指非政府组织对环境污染的申诉和控告、环保团体和社会舆论对环境质量的监管等；绿色创新是基于广义范畴的环境创新，其内涵是使创新朝着减少资源和能源消耗、抑制环境污染等方向转变，以提高生态经济综合效益。

本文的主要边际贡献在于：第一，理论模型构建方面，通过省域环境成本最优规划构建正式、非正式环境规制与绿色创新之间的理论模型，探讨正式、非正式环境规制影响绿色创新的机理，深化了经济理论模型在环境问题上的应用。第二，实证研究方面，是对环境规制与绿色创新线性关系研究的重要补充。由于各地区在高技术行业发展、污染排放、污染治理投资等方面存在巨大差异，绿色创新对环境规制政策的响应是有所区别的，即使是同一地区，环境规制与绿色创新也并非简单的线性关系。如果两者是非线性的，线性模型估计将会有偏差，环境规制政策的制定就会失去意义。第三，将非正式环境规制作为环境规制的重要补充纳入研究范畴。以往对非正式环境规制研究存在相当大的忽视和不足，但本文将非正式环境规制影响因素融合进去，丰富了环境规制与绿色创新的相关研究主题。

二、机理分析

假设市场为完全竞争市场，省域中存在相同的风险中性企业，企业在生产过程中存在污染物排放，面对正式环境规制与非正式环境规制的双重条件约束，省域考虑最小环境成本规划最优污染排放。借鉴许士春等(2012)理论模型构建方法，设定省域污染排放成本函数为C=βc(a)，a表示省域污染排放量，β表示相关系数。由此可知, 该成本函数是严格递增的且是严格凹函数，即c^′(a)>0，c^″ (a)＜0。此外，环境监管部门要求省域企业上报生产期间的污染排放量d，迫于严格的正式环境规制政策，企业上报的污染排放量可能会低于实际排放量，实际排放量与上报污染排放量的差距为r=a－d，r≥0。若r=0，说明省域生产性企业严格遵守环境规制政策，若r>0，则省域生产性企业没有完全遵守环境规制政策。在正式环境规制下，正式环境规制部门会对省域生产性企业进行排查，假设被抽查的概率为p，概率越大表明政府环境规制越严格，且a和d的值越大p值越大，满足p^′(·)>0、p^″(·)＜0。如果被抽查到实际排放量与上报污染排放量存在不对等情况就会对省域企业进行惩罚，惩罚函数为f(r)，满足f(0)=0、f^′(r)>0、f^″(r)>0。惩罚函数是关于排放量差距值的严格递增凸函数，差距值越大惩罚越严重。在非正式环境规制下，非政府组织作为环保主体对省域生产性企业进行监督，参与度为τ，是污染排放上报量d的函数且满足τ^′(d)>0、τ^″(d)＜0。

根据以上设定，省域1的最优规划为：

$\begin{array}{l} Min\beta c\left( {{a_1}} \right) + c\left( {\tau \left( {{d_1}} \right)} \right) + pf\left( {{a_1} - {d_1}} \right)\\ s.t.{a_1} - {d_1} \ge 0 \end{array}$

(1)

构造拉格朗日函数：L=βc(a₁)+c(τ(d₁))+pf(a₁－d₁)－λ(a₁－d₁)

库恩—塔克条件为：

$\frac{{\partial \;L}}{{\partial \;{a_1}}} = \beta c\prime \left( {{a_1}} \right) + pf\prime \left( {{a_1} - {d_1}} \right) - \lambda = 0$

(2)

$\frac{{\partial \;L}}{{\partial \;{d_1}}} = \frac{{\partial \;c}}{{\partial \;{d_1}}} - p{f^\prime }\left( {{a_1} - {d_1}} \right) + \lambda = 0$

(3)

$\lambda \left( {{a_1} - {d_1}} \right) = 0$

(4)

将(2) 式与(3) 式相加得到$\beta c\prime \left( {{a_1}} \right) + \frac{{\partial \;c}}{{\partial \;{d_1}}} = 0$，因此省域1实际最优污染排放量满足条件：

$a_1^*\left( {\beta ,\tau } \right) = \left( {{a_1}\left| {\beta c\prime \left( {{a_1}} \right)} \right. + \frac{{\partial \;c}}{{\partial \;{d_1}}} = 0} \right)$

(5)

由(4) 式可知，若a₁－d₁=0，则λ≥0，因此$\frac{{\partial \;c}}{{\partial \;{d_1}}} \le p{f^\prime }\left( 0 \right)$，最低正式环境规制水平满足${p_{\min }}{\rm{ = }}\frac{{\frac{{\partial \;c}}{{\partial \;{d_1}}}}}{{{f^\prime }\left( 0 \right)}}$。若a₁－d₁>0，则λ=0，正式环境规制水平满足$p = \frac{{\frac{{\partial \;c}}{{\partial \;{d_1}}}}}{{{f^\prime }\left( {{a_1} - {d_1}} \right)}}$。可以发现p＜p_min，说明正式环境规制越宽松，企业就会存在实际排放量与上报排放量不对等现象。所以，最优规划下，省域1的相关最优污染排放量满足条件：

$d_1^*\left( {\beta ,\tau ,p} \right) = \left( {{d_1}\left| {pf\prime \left( {{a_1} - {d_1}} \right)} \right. = \frac{{\partial \;c}}{{\partial \;{d_1}}}} \right)$

(6)

$r_1^*\left( {\beta ,\tau ,p} \right) = \left( {{r_1}\left| {pf\prime \left( {{{\rm{r}}_1}} \right)} \right. = \frac{{\partial \;c}}{{\partial \;{d_1}}}} \right)$

(7)

假设省域2实际污排放量为a₂，记a₂>a₁，为提高绿色创新水平需追加绿色创新投入费用E。为方便讨论假设不同省域具有相同的正式、非正式环境规制水平。对省域2而言，其最优规划为：

$Min\beta c\left( {{a_2}} \right) + c\left( {\tau \left( {{d_2}} \right)} \right) + pf\left( {{a_2} - {d_2}} \right) + E$

(8)

$s.t.{a_2} - {d_2} \ge 0$

(9)

同理可得省域2的相关最优污染排放量满足条件：

$a_2^*\left( {\beta ,\tau } \right) = \left( {{a_2}\left| {\beta c\prime \left( {{a_2}} \right)} \right. + \frac{{\partial \;c}}{{\partial \;{d_2}}} = 0} \right)$

(10)

$d_2^*\left( {\beta ,\tau ,p} \right) = \left( {{d_2}\left| {pf\prime \left( {{a_2} - {d_2}} \right)} \right. = \frac{{\partial \;c}}{{\partial \;{d_2}}}} \right)$

(11)

$r_2^*\left( {\beta ,\tau ,p} \right) = \left( {{r_2}\left| {pf\prime \left( {{{\rm{r}}_2}} \right)} \right. = \frac{{\partial \;c}}{{\partial \;{d_2}}}} \right)$

(12)

由于a₂>a₁，比较(5) 式和(10) 式可知d₁>d₂。由此可推知最优解r₁^*＜r₂^*、d₁^*＞d₂^*、a₂^*>a₁^*。由于省域为完全竞争市场，在最优解处环境成本相同，即：

$\beta c\left( {a_1^*} \right) + c\left( {\tau \left( {d_1^*} \right)} \right) + pf\left( {a_1^* - d_1^*} \right) = \beta c\left( {a_2^*} \right) + c\left( {\tau \left( {d_2^*} \right)} \right) + pf\left( {a_2^* - d_2^*} \right) + {\rm{E}}$

所以，

${\rm{E}} = \beta \left[ {c\left( {a_1^*} \right) - c\left( {a_2^*} \right)} \right] + c\left( {\tau \left( {d_1^*} \right)} \right) - c\left( {\tau \left( {d_2^*} \right)} \right) + p\left[ {f\left( {r_1^*} \right) - f\left( {r_2^*} \right)} \right]$

(13)

(13) 式对p和τ分别求偏导：

$\begin{array}{l} \frac{{\partial \;E}}{{\partial \;p}} = \frac{{\partial \;c}}{{\partial \;\tau }}\left[ {\frac{{\partial \;\tau }}{{\partial \;d_1^*}} \cdot \frac{{\partial \;d_1^*}}{{\partial \;p}} - \frac{{\partial \;\tau }}{{\partial \;d_2^*}} \cdot \frac{{\partial \;d_2^*}}{{\partial \;p}}} \right] + \left[ {f\left( {r_1^*} \right) - f\left( {r_2^*} \right)} \right] + p\left[ {f\prime \left( {r_1^*} \right)\frac{{\partial \;r_1^*}}{{\partial \;p}} - f\prime \left( {r_2^*} \right)\frac{{\partial \;r_2^*}}{{\partial \;p}}} \right]\\ \frac{{\partial \;E}}{{\partial \;\tau }} = \beta \left[ {\frac{{\partial \;c}}{{\partial \;a_1^*}} \cdot \frac{{\partial \;a_1^*}}{{\partial \;\tau }} - \frac{{\partial \;c}}{{\partial \;a_2^*}} \cdot \frac{{\partial \;a_2^*}}{{\partial \;\tau }}} \right] + \frac{{\partial \;c}}{{\partial \;d_1^*}} \cdot \frac{{\partial \;d_1^*}}{{\partial \;\tau }} - \frac{{\partial \;c}}{{\partial \;d_2^*}} \cdot \frac{{\partial \;d_2^*}}{{\partial \;\tau }}\\ + p\left[ {f\prime \left( {r_1^*} \right) \cdot \frac{{\partial \;r_1^*}}{{\partial \;\tau }} - f\prime \left( {r_2^*} \right)\frac{{\partial \;r_2^*}}{{\partial \;\tau }}} \right] \end{array}$

由以上条件可知$\frac{{\partial \;\tau }}{{\partial \;d_1^*}} ＜ \frac{{\partial \;\tau }}{{\partial \;d_2^*}}、\frac{{\partial \;d_1^*\;}}{{\partial \;p}} ＜ \frac{{\partial \;d_2^*\;}}{{\partial \;p}}、\frac{{\partial \;r_1^*}}{{\partial \;p}} > \frac{{\partial \;r_2^*}}{{\partial \;p}}、f\left( {r_1^*} \right) ＜ f\left( {r_2^*} \right)、f\prime \left( {r_1^*} \right) ＜ f\prime \left( {r_2^*} \right)$，所以$\frac{{\partial \;\tau }}{{\partial \;d_1^*}} \cdot \frac{{\partial \;d_1^*\;}}{{\partial \;p}} - \frac{{\partial \;\tau }}{{\partial \;d_2^*}} \cdot \frac{{\partial \;d_2^*\;}}{{\partial \;p}} \ne 0、f\left( {r_1^*} \right) - f\left( {r_2^*} \right)$≠0，即$\frac{{\partial \;E}}{{\partial \;p}} \ne 0$。同样可以推知$\frac{{\partial \;c}}{{\partial \;a_1^*}} > \frac{{\partial \;c}}{{\partial \;a_2^*}}、\frac{{\partial \;a_1^*}}{{\partial \;\tau }} > \frac{{\partial \;a_2^*}}{{\partial \;\tau }}、\frac{{\partial \;c}}{{\partial \;d_1^*}} ＜ \frac{{\partial \;c}}{{\partial \;d_2^*}}、\frac{{\partial \;d_1^*}}{{\partial \;\tau }} ＜ \frac{{\partial \;d_2^*}}{{\partial \;\tau }}、\frac{{\partial \;r_1^*}}{{\partial \;\tau }} > \frac{{\partial \;r_2^*}}{{\partial \;\tau }}$，所以，$\frac{{\partial \;c}}{{\partial \;a_1^*}} \cdot \frac{{\partial \;a_1^*}}{{\partial \;\tau }} - \frac{{\partial \;c}}{{\partial \;a_2^*}} \cdot \frac{{\partial \;a_2^*}}{{\partial \;\tau }} \ne 0、\frac{{\partial \;c}}{{\partial \;d_1^*}} \cdot \frac{{\partial \;d_1^*}}{{\partial \;\tau }} - \frac{{\partial \;c}}{{\partial \;d_2^*}} \cdot \frac{{\partial \;d_2^*}}{{\partial \;\tau }} \ne 0$，即$\frac{{\partial \;E}}{{\partial \;\tau }} \ne 0$。

综上所述可知$\frac{{\partial \;E}}{{\partial \;p}} \ne 0$、$\frac{{\partial \;E}}{{\partial \;\tau }} \ne 0$，说明正式、非正式环境规制会对绿色创新产生影响，具体是线性亦或是非线性效应可由门槛模型进行实证检验。

三、模型估计 (一) 门槛模型

市场失灵导致环境资源约束条件越来越严格，环境质量改善不能仅依赖严格的环境规制政策，绿色创新作为保护“生态红线”新路径，为“牺牲环境换取经济增长”的传统发展模式提供了转型思路。对于非线性效应的研究都会借鉴Hansen(1999)门槛效应思想，它的优点在于一方面能估计出门槛值，同时也能对内生的“门槛效应”进行显著性检验。在未知门槛值个数的情况下构建正式、非正式环境规制多门槛回归模型如下，为了避免异方差，对所有变量进行对数化处理。

$\begin{array}{l} {\rm{ln}}inn{o_{it}} = \mu + {\lambda _1}{\rm{ln}}form\_er{s_{it}}I\left( {{\rm{ln}}form\_ers ＜ {\gamma _1}} \right) + \\ \quad \quad \quad \quad {\lambda _2}{\rm{ln}}form\_er{s_{it}}I\left( {{\gamma _1} ＜ form\_ers ＜ {\gamma _2}} \right)\\ \quad \quad \quad \quad + \cdots + {\lambda _n}{\rm{ln}}form\_er{s_{it}}I\left( {{\rm{ln}}form\_ers > {\gamma _n}} \right) + \varphi {\rm{ln}}{X_{it}} + {\varepsilon _{it}} \end{array}$

(14)

$\begin{array}{l} {\rm{ln}}inn{o_{it}} = \eta + {\theta _1}{\rm{lnin}}form\_er{s_{it}}I\left( {{\rm{lnin}}form\_ers ＜ {\xi _1}} \right)\\ \quad \quad \quad + {\theta _2}{\rm{lnin}}form\_er{s_{it}}I\left( {{\xi _1} ＜ {\rm{lnin}}form\_ers ＜ {\xi _2}} \right) + \cdots \\ \quad \quad \quad + {\theta _n}{\rm{lnin}}form\_er{s_{it}}I\left( {{\rm{lnin}}form\_ers > {\xi _n}} \right) + \sigma {\rm{ln}}{X_{it}} + {\varepsilon _{it}} \end{array}$

(15)

其中，inno表示被解释变量绿色创新效率，formal_ers、informal_ers分别为正式、非正式环境规制强度，同时也表示门槛变量，X_it表示一系列控制变量，I(·)为示性函数，γ、ξ分别表示正式、非正式环境规制门槛值，ε_it为随机误差项，λ、θ为参数，φ、σ表示参数向量。

(二) 变量选取

(1) 被解释变量：绿色创新效率。为了克服传统数据包络分析的测算误差，较好的处理投入产出变量的松弛性问题，体现效率值的本质属性，使用非角度、非径向的Super－SBM方法测算绿色创新效率。选取高技术行业R & D活动人员折合全时当量、单位地区生产总值能耗作为投入，高技术行业专利申请数、新产品主营业务收入作为期望产出，废水排放量、废气排放量、固废排放量作为非期望产出^①。数据均来源于2005-2014年《中国统计年鉴》、《中国高技术产业统计年鉴》，由于西藏地区关键变量数据缺失严重，故从样本数据中剔除，部分缺失数据由插值法^②填补。省域绿色创新效率值见表 1。

① 逆向指标正向化方法为x_ij^′=max(x_ij－x_ij)，j表示年份，i表示决策单元。

② 假设与x(通常为时间)对应的y缺失，而最邻近的两个点分别为(x₀, y₀)与(x₁, y₁)，且x₀＜x＜x₁，则y对x的线性插值为$\hat y = \frac{{{y_1} - {y_0}}}{{{x_1} - {x_0}}}\left( {x - {x_0}} \right) + {y_0}$。

(2) 解释变量：正式、非正式环境规制强度。在所有环境污染类型中，工业生产导致的大气污染最严重且对实际生活影响最大，因此选取单位土地面积工业治理废气完成投资额度量正式环境规制强度。非政府组织作为非正式环境规制的主体，对解决环境问题也发挥了重要作用，Heyes et al.(2012)指出从发达国家的经验来看，消费者等社会公众的非正式环境规制对环境保护行为产生了一定的影响。其实，环境质量的改善离不开社会公众等利益相关者的参与，多主体参与的环境监管模式不仅可以弥补政府环境保护治理投资的不足，还能激发社会公众对企业环境行为的监督。彭文斌(2014)用各省域因环境污染来访人数衡量非政府组织研究其对污染产业转移的影响，结果表明非政府组织参与机制充分发挥了对产业转移的辅助作用，因此，本文选择环境污染信访次数衡量非正式环境规制强度。

(3) 控制变量包括：① 交通设施条件traff：便利的交通条件，加强了不同省域之间的要素流动，产业集聚水平提高，杨仁发(2015)认为当产业集聚水平达到一定程度后不同省域之间的技术溢出效应明显，而技术溢出效应显著促进了绿色创新技术(陶长琪、周璇, 2016)，提升了绿色要素生产率，因此选取单位面积公路里程作为衡量指标。② 居民素质程度qual：居民接受教育程度越高，相对而言对环境产品关注度就会越高，对周围环境质量要求就会越严格，可能会对环境规制产生“倒逼”效应，进而引发绿色创新活动。③ 开放水平open：徐志伟(2016)认为对外开放程度与工业经济发展之间存在长期稳定的均衡关系，开放程度的增加会引起省域环境规制变化，并可能产生“污染避难所”和“污染光环”的双重效应，因此选取单位工业生产总值的外商投资程度度量省域开放水平。④ 劳动力投入labour：科技人员投入是科技创新和进步的主要驱动力，技术的发展可能会改变污染排放强度和排放方向，因此将高技术产业从业人员年平均人数作为控制变量放入门槛模型中用来衡量劳动力投入。⑤ 资本投入capital：资本投入作为污染治理投资的重要组成部分，决定省域环境治理效果，因此将高技术产业新增固定资产作为衡量资本投入的变量纳入门槛回归模型中。

文章选取2005-2014年中国各省域相关指标数据作为门槛模型变量数据集，数据均来自历年《中国统计年鉴》、《中国环境统计年鉴》和《中国高技术产业统计年鉴》，由于西藏地区关键变量数据缺失严重，故从样本数据中剔除，部分缺失数据由插值法填补。门槛模型相关变量描述性统计见表 2。

根据Hansen(1999)的“门槛回归”模型，采用Bootstrap“自抽样”方法模拟F统计量的渐近分布得到相伴概率P值。正式环境规制对绿色创新效率的门槛效应检验结果见表 3，结果显示正式环境规制在自抽样检验300次、10%的显著性水平下通过了单门槛检验，门槛值为4.8318，F值为14.40，说明正式环境规制对绿色创新效率存在非线性关系。

非正式环境规制对绿色创新效率的门槛效应检验结果见表 4，结果显示正式环境规制在自抽样检验300次、5%的显著性水平下通过了单门槛检验，门槛值为9.8325，F值为16.90，说明非正式环境规制对绿色创新效率也存在非线性效应。

门槛值检验结果显示正式、非正式环境规制结果均存在单门槛值，不同区间内正式、非正式环境规制与绿色创新效率的具体关系见表 5。

由表 5结果可知，正式环境规制与绿色创新效率呈“U”型关系。左侧区间内正式环境规制每提高一个百分点，绿色创新效率就会降低7.2%，说明在该正式环境规制内地方经济的发展可以弥补由于正式环境规制带来的治污成本，理性的选择对原有生产决策或产业结构进行调整，忽略绿色创新的治污效果。交通设施条件与绿色创新效率显著正相关，表明交通条件越便利，会增加省域之间技术溢出效应，提高地方绿色创新效率。作为非正式环境规制政策的组成要素，接受过高等教育的居民必然会对环境的要求越来越严格，刺激地区开展绿色创新活动，即素质程度对绿色创新效率有正向促进作用。而劳动力和资本作为绿色创新的投入要素会直接影响绿色创新效率，投入越多效率越高。但是地方开放程度与绿色创新效率呈负相关，但统计上并不显著。右侧区间内正式环境规制每提高1%，绿色创新效率增加6%，此时正式环境规制对绿色创新的抑制作用消失，表明随着正式环境规制进一步提升，经济发展伴随的环境成本如污染治理成本、可排污交易成本等也在逐渐增加，当经济发展无法弥补环境成本时，正式环境规制对绿色创新的抑制作用逐渐消失，绿色创新效率逐渐提高。不受环境规制影响，交通设施条件、素质程度、劳动力投入和资本投入同样对绿色创新效率产生正向促进作用且在不同置信水平下通过了显著性检验，结果显示劳动力投入对绿色创新效率的正向驱动作用最明显。当考虑地区经济开放水平时，正式环境规制较高的地区可能为规避环境污染将“高污染、高排放、高耗能”产业向环境规制弱地区转移，使之沦为“污染避难所”，绿色创新活动也难以进行，因此地区开放程度与绿色创新效率关系并不显著。

同样由表 5结果可知，非正式环境规制与绿色创新效率呈倒“U”型关系。左侧区间内非正式环境规制与绿色创新效率之间显著正相关，非正式环境规制每提高1个百分点，绿色创新效率提高0.043个百分点，说明非政府组织对环境监管的压力可以刺激省域绿色创新，政府的治污行为具有更好的效率和反响。便利的交通、居民素质程度、劳动力投入以及资本投入都会对省域绿色创新有显著的促进作用。右侧区间内，非正式环境规制与绿色创新效率之间显著负相关，非正式环境规制每提高1个百分点，省域绿色创新效率下降0.042个百分点。省域绿色创新效率之所以在非正式环境规制强度大于9.8325时呈下降趋势，是因为当环境污染越来越严重时，非政府组织对环境监管力度也越来越大，绿色创新效果对非正式环境规制政策存在滞后效应，所以在该区间内绿色创新效率与非正式环境规制显著负相关。但是便利的交通、居民高素质水平、劳动力投入以及资本投入对省域绿色创新均有不同程度显著的促进作用。

为进一步验证结论和保证前后结果的有效对比，在原有正式、非正式环境规制门槛值划分区间内，分别采用滞后一期的正式、非正式环境规制变量对上述结果进行混合OLS稳健性检验，结果见表 6。

结果显示正式、非正式环境规制和绿色创新效率之间仍然呈现“U”型和倒“U”型关系。对应区间内正式环境规制和非正式环境规制系数变化不是很大且系数符号方向并没有发生转变，表明回归结果是稳健的。

四、结论与建议

基于以上研究结果得出以下研究结论：(1) 通过探讨正式、非正式环境规制影响绿色创新的机理可知，正式、非正式环境规制会对绿色创新产生影响；(2) 以正式环境规制为门槛变量研究二者之间的门槛效应，结果显示正式环境规制与绿色创新效率之间呈“U”型关系。当正式环境规制大于4.8318时，正式环境规制对绿色创新效率的正向驱动作用开始出现。即，随着正式环境规制越来越严格，其对绿色创新的作用方向由负到正，交通设施条件、居民素质程度、劳动力投入和资本投入对绿色创新效率有正向促进作用；(3) 以非正式环境规制为门槛变量研究二者之间的门槛效应，结果显示非正式环境规制与绿色创新效率之间呈倒“U”型关系，门槛值为9.8325。交通设施条件、居民素质程度、劳动力投入和资本投入对绿色创新效率均有显著的正向促进作用。

有鉴于此，本文提出以下政策建议：

一是为提高省域绿色创新效率，政府应该主动加强对高技术行业研发人员和能源的投入，满足绿色创新需求才会产生有效供给。同时要适度增加对交通设施条件、居民素质教育、高技术行业就业人员和资本的投入，使这些因素的合理配置对绿色创新效率的促进效果达到最大。

二是充分发挥正式环境规制的主导作用，使其成为经济绿色增长的驱动力。一方面要完善正式环境规制职能，严格执行标准的规制，提高准入门槛值，如加强环境税、排污权交易等政策的实施，规避正式环境规制政策开展的抑制性因素，提高政策实施效率; 另一方面要加强正式环境规制的投入、宣传及监管，协调经济绿色发展与环境污染的矛盾。通过构建正式环境规制的生态补偿机制，合理安排和利用环境资源。

三是充分发挥非正式环境规制在环境治理中的辅助作用。一方面要增强非政府组织的环保理念，提升环保和绿色发展意识。强化环境保护中非政府组织参与的法律制度，使环境决策更加民主化，提高环境监管效率; 另一方面要规范信息公示制度，拓宽信息流通渠道，扩大环境信息在非政府组织和政府部门之间双向流通，建立一种政府、非政府组织协力保护环境的管理体系。