EN中文

Economic geography >

2019 , Vol. 39 >Issue 7: 184 - 193

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.07.021

Threshold Effect of Shadow Economic Impact on Green Innovation Efficiency

  • KUANG Chang'e , 1 ,
  • WEN Zezhou , 1, ※ ,
  • PENG Wenbin 2
Expand
  • 1. School of Business，Hunan University of Science and Technology，Xiangtan 411201，Hunan，China
  • 2. Hunan Institute of Innovation and Development，Hunan University of Science and Technology，Xiangtan 411201，Hunan，China

Received date: 2018-11-28

  Revised date: 2019-04-17

  Online published: 2025-04-27

Fold

Abstract

Firstly, this article constructs a microcosmic model to explore the influence mechanism of shadow economy on green innovation efficiency. The study finds that there is a nonlinear relationship between shadow economy and green innovation efficiency. Secondly, based on the panel data of Hunan prefecture-level cities in the demonstration areas of "independent innovation" and "two-oriented society", it applies Multiple Indicators and Multiple Causes(MIMIC) to measure the shadow economy and DEA-SBM model to measure green innovation efficiency. The results show that the shadow economy and green innovation efficiency in Hunan province show an increasing trend from 2000 to 2016. Based on this, this article establishes the panel threshold regression model and empirically tests the non-linear relationship between shadow economy and green innovation efficiency. The empirical results show that there is a double threshold relationship between shadow economy and green innovation efficiency, and it presents an inverted "N" feature in the relationship between shadow economy and green innovation efficiency. In addition, government regulation, traffic conditions, education degree, foreign direct investment level, industrial structure and urbanization level also influence green innovation efficiency to varying degrees.

Key words： shadow economy; green innovation efficiency; threshold effect; pollution industry; industrial structure; environmental regulation

Cite this article

KUANG Chang'e , WEN Zezhou , PENG Wenbin . Threshold Effect of Shadow Economic Impact on Green Innovation Efficiency[J]. Economic geography, 2019 , 39(7) : 184 -193 . DOI: 10.15957/j.cnki.jjdl.2019.07.021

党的“十九大”报告明确指出，要在创新引领、绿色低碳等领域培育新增长点、形成新动能，加快我国创新型国家建设，推进绿色发展。可见，新时代背景下，为了弥补过去先发展后治理的经济增长模式对生态环境带来的损伤，实现从粗放型经济向集约型经济的转变，走绿色创新之路成为必然选择。影子经济，又被称作“隐性经济”、“黑色经济”、“地下经济”及“灰色经济”等，是区别于官方经济部门的、不受政府监管约束的经济活动[1]。而影子经济的存在使得绿色创新政策的实施效果大打折扣，追求利润最大化的企业可能更倾向于将资源投入影子经济部门，以较低成本同正规经济部门进行竞争。国际社会中，对违背政府意志的影子经济采取“零容忍”的态度，颁布了相关法律法规对其进行约束。但在中国，影子经济可以说无处不在，并在一定程度上迎合了政府的意志和行为。影子经济活动通常采用落后甚至淘汰的污染密集型生产技术，这无疑对绿色创新目标的实现产生严重阻碍。而绿色创新效率是绿色创新活动中投入、产出间内在关系的最直接反映，是绿色创新活动成效的显示器。因此，将影子经济纳入到绿色创新效率的研究当中，无疑对于我国绿色创新目标的实现具有重要的理论和现实意义。
绿色创新是一个从传统创新理论基础上衍生出来的概念，其强调经济可持续发展和绿色生态观念，常被称作“可持续创新”、“生态创新”或者“环境创新”等，绿色创新过程也是绿色效率和创新效率共同提升的过程[2]。而绿色创新效率是指资源要素、创新要素投入与绿色产出之间的比例关系，绿色创新效率越高则要素投入与带来的绿色绩效越匹配[3]，因其被视为绿色创新发展水平最重要的衡量指标，正逐渐成为学术界研究的热点。目前，关于绿色创新效率的研究相对较多，主要集中于对绿色创新效率的测度及其影响因素的相关研究方面。在对绿色创新效率的测度研究中，Tone提出的非角度、非径向的DEA-SBM模型由于具有能够避免方向性距离函数计算过程中的角度选择、松弛问题等，是当今学术界对绿色创新效率研究中使用最为普遍的测度方式[4]；而Thomas采用专利授权数目与研发经费比值、出版物数量与研发经费比值等系列指标测算了美国50个州的绿色创新效率[5]；华振、付帼、朱承亮等从创新投入、创新产出、创新环境三个方面建立指标体系，并运用熵值法、综合评价法、因子分析等方法对绿色创新效率进行测定[6-8]。在绿色创新效率与其影响因素的相关研究中，吴超等通过构建中国重污染行业绿色创新效率提升模型，发现重污染行业中绿色效率普遍低于创新效率，绿色创新效率受到绿色效率的拖累，因此改善绿色效率成为提升绿色与创新效率协同效应的关键[2]；钱丽等利用动态面板GMM模型对共享关联视角下中国企业绿色创新效率差异及影响进行了研究，发现创新氛围、产学研合作、环保投入强度、外商投资等均有利于企业绿色创新效率的提升[9]；此外，杨朝均等基于中国区域绿色创新效率影响因素研究，发现不同的影响因素存在区域异质性特征，对绿色创新效率产生不同作用[10]。
对于影子经济，国内外学者着重针对其与腐败和税收之间的关系展开讨论。Sorin等实证研究了2005—2014年欧盟国家影子经济与腐败的关系，发现腐败与影子经济间存在高度的正相关关系，且影子经济会对经济增长产生负面影响[11]；Biswas等运用1995—2005年100多个国家的面板数据探究了影子经济、腐败与环境污染三者之间的影响关系，结果表明腐败强化了影子经济对环境污染的影响[12]。而Schneider等认为，税收负担是导致影子经济的主要原因之一[13]；李永海等同样研究指出税收负担显著地扩大了地区影子经济规模[14]；张曾莲等基于2006—2014年中国省级面板数据进行实证分析后则提出，地区税收与影子经济并不是单一的线性关系，而是存在明显的倒U型关系[15]。
现有关于影子经济对绿色创新效率影响的研究较为缺乏，但我们受到一些文献的启迪。如Baksi等在研究影子经济部门对环境污染影响时指出影子经济与环境污染呈非线性关系[16]；而余长林等通过研究环境规制、影子经济、环境污染之间的关系，发现在环境规制下影子经济规模对环境污染表现出显著正向影响[17]；Stawasz等运用81家荷兰中小企业数据实证研究了影子经济规模对于企业创新的影响，得出影子经济对企业的扩张和创新活动并未产生积极影响的结论[18]。上述这些研究均从影子经济视角分析了环境或创新等问题，虽然与本文要讨论的主题不完全一致，但为我们开展影子经济对绿色创新效率的探索提供了理论来源。
通过梳理国内外相关文献发现，关于绿色创新效率和影子经济的研究已取得一定成果，但大多研究集中在绿色创新效率或影子经济的单一侧面，鲜有学者将两者结合到一起进行分析，基于地级市层面、针对影子经济对绿色创新效率影响的研究更是处于空白。事实上，我国影子经济规模较为庞大，忽略影子经济而直接开展对绿色创新效率的相关研究可能会有失偏颇[19-20]。为此，本文构建包含影子经济和绿色创新效率的微观模型，探讨影子经济对绿色创新效率的影响机理，再以“自主创新”和“两型社会”示范区的湖南省为例，对湖南省2000—2016年13个地级市（不含湘西州）的影子经济和绿色创新效率进行定量测度，并构建面板门槛回归模型实证分析影子经济对绿色创新效率的影响，以期为探索湖南省乃至全国的绿色创新效率提升路径提供新思路。

1 影子经济影响绿色创新效率的机理分析

影子经济与绿色创新效率的关系事实上反映在企业、政府双方的博弈之中，本文构建了如图1所示的理论分析框架。为了便于分析影子经济对绿色创新效率的影响，这里假定市场上存在包括影子经济部门和官方经济部门的企业。按照经济学理论，理想的企业以追求利润最大化为目标；而政府作为绿色创新政策的制定者，其目标是通过企业在绿色创新技术、设备等领域的研发与应用，以提高绿色创新效率，达到经济绩效和环境绩效的双赢。显然，政府和企业的目标函数在市场机制的驱动下存在较大差异，企业行为的“谋利性”特征使得政府绿色创新目标的实现变得较为困难。
图1 影子经济影响绿色创新效率的理论分析框架

Fig.1 Theoretical analysis framework of the impact of shadow economic on green innovation efficiency

为了促进绿色创新效率提高实现绿色创新发展，政府制定了各种规章制度对企业行为进行约束，如对企业征收排污税、对企业的绿色创新活动给予一定补贴等。而绿色创新活动不仅仅是对传统技术与设备的简单改良，还可能是淘汰传统的高污染、低效率技术设备，取而代之的是高效率、低污染的新型技术设备。这一过程意味着企业需要承担长期的高投入和高风险，因而大多数企业偏好于使用低成本、低风险的传统技术设备进行生产。同时为避免政府的监管和降低排污、税收等成本，这些企业有将人力、资本等资源由官方经济部门转向影子经济部门的倾向。当然，政府也会意识到企业存在转移生产以逃避监管的动机，并将有意识地对企业进行不定期检查，因此企业在转移生产时会面临被政府监管部门发现的风险，一旦被发现将承担严格的惩罚。影子经济的存在一方面会弱化政府政策效果，另一方面因为其不合法性往往对社会造成较大影响。正因为其所导致的社会影响，隐蔽的影子经济活动会通过公众举报和政府监管等途径变得显性化。一般而言，影子经济规模越大，对社会造成的影响越大，越容易被公众和政府发现，进而面临严格惩罚。
这一过程中，企业面临进行影子经济以逃避减排、税收等成本与影子经济活动被发现所导致的高额成本之间的折中，因此如何权衡官方经济和影子经济的比重是企业实现利润最大化需要考虑的主要问题。而企业在两部门间进行调整的结果将直接影响绿色创新效率的提高，促进亦或抑制取决于影子经济在经济活动中所占的分量。在此理论分析框架的基础上，借鉴余长林等的模型思想[17]，进一步构建如下一个包含影子经济部门的两部门微观模型，以深入探讨影子经济对绿色创新的影响情况。
基于企业实行利润最大化的设定，设一个企业包含官方经济部门和影子经济部门，两个部门生产同质产品且产品以单位价格出售，即 P y = 1，两部门生成过程均存在污染排放，区别主要在于影子经济部门因为行动较隐蔽，其经济活动不受政府管制约束，而官方经济部门则受政府管制的影响；设 y z和 y s分别表示官方经济部门和影子经济部门的产出，则企业的总产出为 y = y z + y s。
企业的生产成本是产出的函数，表示为 c = c y = c y z + y s，其为产出的严格递增凸函数，即满足 d c d y > 0， d 2 c d y 2 > 0。假设该企业每一单位产出造成一单位污染，受政府管制约束的官方经济部门有义务进行污染减排。企业减排成本的高低受到企业绿色创新效率的影响，单位产出的减排成本函数表示为 b = b α，且满足 d b d α < 0， d 2 b d α 2 > 0，其中 α表示企业的绿色创新效率，且 α的取值范围为 0,1（不考虑极端情况 α为0和为1时的情况），当 α的值越大时，代表这个企业的绿色创新效率越高，减排技术越先进，排放相等数量污染物的成本越低，从而减排成本也较低，反之则减排成本较高。此外，如理论分析框架部分所描述的，利润最大化企业为避免因政府强制要求所导致的排污、税收等费用，会偏向于将官方经济部门资源向影子经济部门转移，而政府也会对企业进行不定期检查，因此企业的转移生产面临被发现的风险。设企业在转移生产时被发现的概率为 p，为简化分析，假定 p的取值仅与影子经济部门的产出有关，且满足 d p d y s > 0， d 2 p d y s 2 > 0，即当影子经济部门的产出规模越大时，造成的社会影响越大，被发现的概率相应提升，即 p值越大。且企业进行影子经济生产一旦被发现，将会受到严厉的惩罚，我们假设企业被发现时的惩罚数值为影子经济部门的全部产出，则惩罚函数为 y c = y s ⋅ p ( y s )。
企业通过调整官方经济部门和影子经济部门的产出来实现总利润最大化的目的。由上述假设条件可知，企业的总产出为 y = y z + y s，而企业的总成本包括三个方面：一是企业本身的生产成本 c = c ( y )；二是企业的减排成本 b = b ( α ) ⋅ y z；三是企业在转移生产时被政府发现所面临的惩罚成本 y c = y s ⋅ p ( y s )。据此我们可得到企业的利润函数为：
π = y z + y s - c ( y ) - b ( α ) ⋅ y z - p ( y s ) ⋅ y s
企业实现利润最大化的一阶条件为：
∂ π ∂ y z = 1 - b ( α ) - d c d y = 0
∂ π ∂ y s = 1 - p ( y s ) - d p d y s ⋅ y s - d c d y = 0
根据式（2）、（3），我们继续考察绿色创新效率 α与 y z、 y s的关系，通过分别对式（2）和式（3）进行全微分，得到如下等式：
d y d α = - d b / d α d 2 c / d y 2
d y s d α = d b / d α 2 d p / d y s + y s ⋅ d 2 p / d y s 2
分析式（4）、（5），由前面假设条件 d b d α < 0， d 2 c d y 2 > 0， d p d y s > 0， d 2 p d y s 2 > 0易得 d y d α > 0， d y s d α < 0。通过分析可以发现，企业的绿色创新效率对企业总产出 y和企业的影子经济总产出 y s产生的效应正好相反，当绿色创新效率提高时，会导致企业的总产出和官方经济的产出增加，影子经济的总产出减少，这也意味着过高的影子经济对应着过低的绿色创新效率，说明影子经济确实对绿色创新活动的顺利开展产生影响；在此基础上我们可以进一步求得 d 2 y s d α 2 ≠ 0，表明绿色创新效率和影子经济之间可能存在非线性关系，但具体是何种非线性关系仍需进一步的实证检验。

2 评价指标体系、数据来源及测度结果

2.1 评价指标体系及数据来源

影子经济是指处于政府监管及国家正式统计之外的经济，已有研究中较为常用的是运用结构方程模型中的多指标多原因模型（MIMIC）对影子经济进行测度，其涉及原因变量和观察变量两个类别，前者主要包括过重的税收负担、较高的失业率等引起影子经济活动的诸多原因，后者则是受影子经济作用的变量。参照杨灿明等[20]的做法，原因变量层选取税收负担、政府管制程度、居民收入份额、失业率、自我就业率等五个方面指标，观察变量层选取GDP增长率和劳动参与率两个方面指标，具体指标度量方式列于表1中。
表1 影子经济和绿色创新效率评价指标体系

Tab.1 Evaluation index system of shadow economy and green innovation efficiency

目标层 类别层 指标层 指标度量、数据来源
影子经济 原因变量 税收负担（%）C1 税收总额/实际GDP
政府管制程度（%）C2 政府消费/实际GDP
居民收入份额（%）C3 （城镇居民人均可支配收入 ×非农业人口数+农村居民人均可支配收入 ×农业人口数）/实际GDP
失业率（%）C4 统计年鉴
自我就业率（%）C5 （城乡私营人数+个体就业人数）/就业总人数
观察变量 GDP增长率（%）C6 当年实际GDP/上年实际GDP-1
劳动参与率（%）C7 就业总人数/经济活动人口数（15~64岁的人口数）
绿色创新效率 绿色创新投入 R&D经费（亿元）C8 统计年鉴
R&D人员全时当量（人年）C9 统计年鉴
期望产出 专利申请数（件）C10 统计年鉴
新产品产值（万元）C11 统计年鉴
非期望产出 工业SO2排放量（万t）C12 统计年鉴
工业烟（粉）尘排放量（万t）C13 统计年鉴

注：以上指标数据来源于中国经济与社会发展统计数据库和湖南省统计局等，由于湘西土家族苗族自治州指标数据缺失较多，故未纳入上述评价指标体系。

绿色创新不同于传统创新，其作为“绿色”与“创新”的结合点，从投入产出角度看，绿色创新效率涵盖了绿色创新投入、期望产出和非期望产出三部分指标。借鉴彭文斌等的研究思路[21]，将R&D经费与R&D人员全时当量作为投入指标，将专利申请数与新产品产值作为期望产出指标，此外由于研究样本的工业“三废”中废水与固体废弃物排放量数据缺失严重，故将工业SO2排放量与工业烟（粉）尘排放量作为非期望产出。
综上分析，在充分考虑数据的可得性和完整性基础上，本文构建了如下影子经济和绿色创新效率评价指标体系（表1）。

2.2 影子经济与绿色创新效率的测度及结果

2.2.1 影子经济及其时空演变趋势

关于影子经济的测度，首先借助Amos 23.0软件得到MIMIC模型估计系数 β i，运用式（6）计算出2000—2016年湖南省各地级市当年的影子经济，其中 C 1 ~ C 5分别表示税收负担、政府管制程度、居民收入份额、失业率和自我就业率。
χ i t = β 1 C 1 + β 2 C 2 + β 3 C 3 + β 4 C 4 + β 5 C 5
然后选取2004年作为基准年份，利用消费储蓄边际倾向—弹性系数估算法[22]，得到该年湖南省各地级市的影子经济 η i 2004，并利用式（7）换算出2000—2016年湖南省各地级市以2004年为基准年份的影子经济[20]。
χ - i t = η i 2004 × χ i t χ i 2004
结果表明，湖南省平均影子经济介于5.14%~10.31%，且呈现逐年缓慢上升的趋势。同时对湖南省分区域的影子经济指数进行了简单比较分析。依据《湖南省新型城镇化规划（2015—2020年）》将湖南省划分为长株潭城市群（长沙、株洲、湘潭）、洞庭湖城市组团（岳阳、常德、益阳）、湘南城市组团（衡阳、郴州、永州）和大湘西城市组团（张家界、吉首、怀化、邵阳、娄底），研究发现，长株潭城市群的影子经济指数在6.23%~10.88%之间，洞庭湖城市组团的影子经济指数在4.79%~10.16%之间，湘南城市组团的影子经济指数在3.10%~9.29%之间，大湘西城市组团的影子经济指数在5.52%~10.95%之间，且四大区域的影子经济指数呈相同变化趋势（图2）。
图2 湖南省及四大区域影子经济指数

Fig.2 Shadow economy index of Hunan and the four major regions

进一步地，我们用ArcGIS 10.2绘制出湖南省2000和2016年影子经济分布图，以分析湖南省影子经济的时空演变趋势（图3）。
图3 湖南省影子经济的时空演变趋势

Fig.3 The temporal and spatial evolution of shadow economy in Hunan

运用分位数法将影子经济划分为低、中等、高三个等级。从图3可以看出，2000年湖南省各地级市中仅有邵阳市处在高影子经济，常德、益阳、长沙、湘潭四市处于中等影子经济，其他地级市（湘西土家族苗族自治州是数据缺失地区，在此不作考虑，下同）处于低影子经济；到了2016年，高影子经济地级市增至5个，新增了张家界市、益阳市、长沙市和永州市4个地区，除了娄底市和郴州市仍处于低影子经济，其他地级市的影子经济均处于中等等级以上。总体而言，湖南省影子经济不断扩大，长株潭城市群和洞庭湖城市组团的影子经济增长尤为迅速。

2.2.2 绿色创新效率及其时空演变趋势分析

关于绿色创新效率，使用方程（8）、（9）式中考虑非期望产出的非角度、非径向DEA-SBM模型[23]，并运用MaxDEA软件进行测度。
τ * = m i n τ = m i n 1 - 1 n ∑ k = 1 n g k - x k 0 1 + 1 g 1 + g 2 ∑ k = 1 g 1 g k p y k 0 p + ∑ k = 1 g 2 g k q y k 0 q
s . t . x 0 = X θ + g - , y 0 p = Y p θ - g p , y 0 q = Y q θ + g q , g - ≥ 0 , g p ≥ 0 , g q ≥ 0 , θ ≥ 0
式中： X、 Y p、 Y q分别表示 n种投入、 g 1种期望产出、 g 2种非期望产出元素矩阵； g -、 g p、 g q分别表示投入、期望产出、非期望产出的松弛变量； τ ∈ 0,1。
借助图4分析湖南省绿色创新效率的时空演变趋势。同样，使用分位数法将绿色创新效率分为低、中等、高三个等级。2000年仅有张家界市处于高绿色创新效率位置，怀化市和岳阳市处于中等绿色创新效率位置，其他地级市均处于低绿色创新效率位置；到了2016年，有包括长沙、株洲在内的6个地级市步入绿色创新效率第一集团，其他地级市均处于中等绿色创新效率位置。整体来看，湖南省绿色创新效率呈快速上升态势，省域交界处绿色创新效率提高更为显著。
图4 湖南省绿色创新效率的时空演变趋势

Fig.4 The temporal and spatial evolution trend of green innovation efficiency in Hunan

3 门槛效应检验

3.1 计量模型

通过前文对影子经济影响绿色创新效率的机理分析，得出两者之间存在非线性关系的结论，事实上，考虑到各种外生变量的作用，影子经济对绿色创新效率也通常呈非线性影响，而关于非线性效应研究运用较广的是Hansen在1999年提出的门槛效应思想。
在Hansen的固定效应门槛回归模型基础之上，构建如下多门槛面板回归模型：
I N i t = λ i + α 1 S E i t I S E i t ≤ γ 1 + α 2 S E i t I γ 1 < S E i t ≤ γ 2 + ⋯ + α n S E i t I S E i t > γ n - 1 + δ ϕ i t + ε i t
式中： I N i t表示绿色创新效率，是被解释变量； S E i t表示影子经济，是解释变量和门槛变量； γ i为未知门槛值，用来确定门槛个数； ϕ i t为影响绿色创新效率的一系列控制变量； I ( • )为指示函数（满足括号内条件则 I = 1，否则 I = 0）； ε i t为随机干扰项； α、 δ为待估参数。

3.2 变量选取

除了前文提到将绿色创新效率（IN）作为解释变量、影子经济（SE）作为被解释变量和门槛变量，还纳入交通条件（TRA）、受教育程度（EDU）、外商直接投资水平（FDI）、产业结构（IND）、城市化水平（UR）、政府管制（GOV）等控制变量。
具体而言，一定的交通条件和受教育程度是进行绿色创新的基础，通常来说交通越发达、受教育程度越高绿色创新发展越好，以单位面积公路里程作为交通条件的衡量指标，以普通高等学校毕业生人数衡量受教育程度。一个地区的外商直接投资水平高低反映了该地区吸收、引进外资、人才与先进技术的能力，外商直接投资水平一般用外商投资总额占工业总产值比重度量[24]。而产业结构与城市化水平在一定程度上制约着一个地区绿色创新发展的路径与水平，选用第二产业产值占GDP比重衡量产业结构，以城镇化率衡量城市化水平。同时，政府管制的强弱也会对绿色创新产生一定影响，“波特假说”认为合适的管制强度对绿色创新具有积极作用，但也有学者认为政府管制会抑制绿色创新发展，借鉴彭星等[25]的做法选取“三废综合利用产品产值”的人均值作为政府管制替代指标，以考察其对绿色创新的具体影响情况，为减轻变量的异方差，以自然对数形式进入估计方程。
本文采用的样本数据集为2000—2016年湖南省13个地级市的市级面板数据（湘西州指标缺失较多，故不作考量），数据均来自历年《湖南省统计年鉴》《中国区域经济统计年鉴》、湖南省各市州统计年鉴和湖南省各市州《第六次全国人口普查主要数据公报》，部分缺失值由《中国城市统计年鉴》和湖南省各市州《国民经济与社会发展统计公报》补充。变量描述性统计见表2。
表2 变量描述性统计

Tab.2 Variable descriptive statistics

变量 样本量 均值 方差 最小值 最大值
SE 221 0.079 0.035 0.020 0.200
IN 221 0.314 0.265 0.020 1.000
TRA 221 0.857 0.422 0.211 1.844
EDU 221 8.811 1.229 5.696 11.926
FDI 221 0.027 0.021 0.003 0.126
IND 221 0.419 0.100 0.211 0.605
UR 221 0.404 0.111 0.196 0.760
GOV 221 3.864 1.184 1.432 6.289
图5为湖南省影子经济与绿色创新效率的关系图。可以发现，影子经济与绿色创新效率之间存在正向非线性关系，即影子经济会促进绿色创新效率的提升。随着影子经济规模的不断扩大，绿色创新效率增速呈减缓趋势。那么，影子经济对绿色创新效率的影响只是简单的促进作用，还是当影子经济指数达到某一门槛值以后会转为抑制绿色创新效率，下面通过面板门槛回归模型进行检验。
图5 湖南省影子经济与绿色创新效率的关系图

Fig.5 Relationship between shadow economy and green innovation efficiency in Hunan

3.3 门槛个数及门槛值的确定

首先对门槛存在性及门槛个数进行检验。分别假设不存在门槛，存在一个、两个和三个门槛构建多门槛面板回归模型，使用Stata 14软件，根据Hansen的门槛效应思想，采用Bootstrap“自抽样”方法得到F统计量和P值（表3）。可以看到影子经济通过了单一门槛和双重门槛检验，相应自抽样F值分别为19.78和25.47，P值分别为0.0190和0.0330。但未通过三重门槛检验，对应P值为0.4220。
表3 门槛效应检验

Tab.3 Threshold effect test

门槛变量 门槛类型 F值 P值 Bootsrop次数 不同显著水平临界值
10% 5% 1%
SE 单一门槛 19.78** 0.0190 1000 12.9317 15.6910 20.9170
双重门槛 25.47** 0.0330 1000 16.2697 21.7704 36.6245
三重门槛 10.07 0.4220 1000 27.3238 35.2717 54.1828

注：P值和临界值为采用Bootstrap“自抽样”法反复抽样1 000次得到的结果。***、**、*分别表示在1%、5%、10%水平上显著，下表同。

基于双重门槛模型分析各门槛值大小。影子经济的双重门槛估计值见表4。据此可将影子经济对绿色创新效率的影响划分为三个门槛区间：低规模影子经济（SE≤0.1400）、中等规模影子经济（0.1400<SE≤0.1700）和高规模影子经济（SE>0.1700）。
表4 门槛值估计结果

Tab.4 Estimation result of threshold value

门槛变量 检验 门槛估计值 95%置信区间
SE 第一个门槛值 0.1400 [0.1300，0.1500]
第二个门槛值 0.1700 [0.1550，0.1850]

3.4 门槛模型估计结果及分析

三个门槛区间内影子经济与绿色创新效率的具体影响作用由表5给出。根据门槛模型估计结果可以看出，影子经济对绿色创新效率存在较强的倒“N”型门槛关系：当影子经济处于较低规模（SE≤0.1400），回归系数为-1.5052，说明影子经济显著不利于绿色创新效率，此时影子经济虽未对官方经济部门的研发投资产生冲击，但是官方部门不能通过影子经济部门逃避税收，而绿色创新技术的高投入、高风险、长回报周期等特征，使得官方经济部门在利润最大化目标驱使下，可能偏向使用低成本、低风险的传统技术，通过恶性竞争攫取利润，导致绿色创新效率提升受到阻碍；当影子经济处于中等规模（0.1400<SE≤0.1700），回归系数为2.5841，此时影子经济显著有利于绿色创新效率，在此阶段，一方面影子经济的存在挤出了官方经济部门的研发投资，另一方面官方经济部门通过将一部分业务转向影子经济部门获得了高额利润，弥补了影子经济对研发投资的挤出以外还有更多资本进行创新研发活动，使得绿色创新效率得到提升；当影子经济处于较高规模（SE>0.1700），回归系数为-0.6287，虽然影子经济对绿色创新效率再次表现出抑制作用，但不显著，说明此时影子经济对绿色创新效率的影响可能被其他更重要的因素取代。
表5 影子经济门槛模型估计结果

Tab.5 Estimation results of shadow economic based on threshold model

变量 被解释变量：绿色创新（IN）
低SE
（SE≤0.1400）		 中等SE
（0.1400<SE≤0.1700）		 高SE
（SE>0.1700）
SE -1.5052***
（0.3947 ）		 2.5841***
（0.3685）		 -0.6287
（0.4169）
TRA 0.0268
（0.0420）		 0.0247
（0.0387）		 0.0588
（0.0428）
EDU 0.0625**
（0.0273）		 0.0210
（0.0253）		 0.0400
（0.0281）
FDI 1.3912
（0.8706）		 1.8934**
（0.8120）		 0.8861
（0.8886）
IND 0.7272**
（0.3250）		 0.9323***
（0.3028）		 0.7776**
（0.3353）
UR 2.0342***
（0.3022）		 2.1873***
（0.2795）		 2.2935***
（0.3274）
GOV -0.0427*
（0.0230）		 -0.0562***
（0.0208）		 -0.0718***
（0.0238）
_cons -1.1512***
（0.1494）		 -1.0104***
（0.1387）		 -1.0838***
（0.1536）
R-square 0.6667 0.7129 0.6466

注：括号内为标准误差，下表同。

就控制变量而言，交通条件在三个门槛区间内的回归系数分别为0.0268、0.0247、和0.0588，符号均为正，但未通过显著性检验，说明交通条件对绿色创新效率的促进作用不明显；受教育程度和外商直接投资水平的回归系数也均为正，但受教育程度只在低规模影子经济下显著有利于绿色创新效率，此时受教育程度每提高1个百分点，绿色创新效率提高0.0625个百分点，而外商直接投资水平只在中等规模影子经济下显著促进绿色创新效率增加，且此时外商直接投资水平每提高1个百分点，绿色创新效率增加1.8934个百分点。这意味着当受教育程度和外商直接投资水平处在影子经济的特定区间时，受教育程度改善带来的人力资本提升和外商直接投资水平提高带来的国外先进技术引入等能够有效促进绿色创新效率的提升，而一旦超出特定区间，影子经济的消极作用使得这些优势难以发挥作用；产业结构至少在5%的显著性水平下有利于绿色创新效率，这是由于第二产业仍然是当前经济发展的主力军，其对绿色创新活动自然也起着举足轻重的作用；城市化水平均在1%显著性水平下促进了绿色创新效率提升，这是因为城市化水平的提高在一定程度上可以弥补因影子经济存在导致绿色创新活动要素投入的不足；政府管制在三个门槛区间均显著抑制绿色创新效率的提高，主要是政府管制政策实施的滞后效应和“绿色悖论”效应的存在，使得经济部门加大生产与制造原有产品而忽视了绿色创新。

3.5 稳健性检验

为测试实证结果是否稳定，需要对模型进行稳健性检验。由于影子经济对绿色创新效率发挥作用可能存在滞后效应，因此对影子经济做一阶滞后处理，在原门槛划分区间进行混合OLS检验。从表6的稳健性检验结果可以看出，影子经济一阶滞后项的系数分别为-1.0368、2.6283、-0.2724，系数大小未发生较大变化，且系数符号方向及显著性与原模型估计结果保持一致。稳健性检验结果表明原有模型估计回归结果非常稳健，结果可信度较高。
表6 影子经济稳健性检验结果

Tab.6 Stability test results of shadow economic

变量 RE
低RE
（RE≤0.1400）		 中等RE
（0.1400<RE≤0.1700）		 高RE
（RE>0.1700）
_cons -0.6374***
（0.1717）		 -0.5294***
（0.1629）		 -0.5712***
（0.1740）
L.RE -1.0368**
（0.5110）		 2.6283***
（0.4929）		 -0.2724
（0.5184）
Xi 控制 控制 控制
Wald 207.3500 261.8900 195.6100
R-square 0.6193 0.6586 0.6107
样本容量 221 221 221

4 研究结论及建议

本文首先构建包含影子经济和绿色创新效率的微观模型，探讨影子经济对绿色创新效率的影响机理。然后建立影子经济和绿色创新效率的评价指标体系，采用多指标多原因模型（MIMIC）测算影子经济和DEA-SBM模型度量绿色创新效率，并分析了各自的时空演变趋势。基于此，构建面板门槛回归模型，选取“自主创新”和“两型社会”示范区的湖南省2000—2016年地级市面板数据，实证检验了影子经济对绿色创新效率的门槛效应。可以得出以下主要结论：①当绿色创新效率提高时，会导致企业的总产出和官方经济的产出增加，影子经济的总产出减少；且绿色创新效率和影子经济之间存在一种非线性关系。②近17年间，湖南省影子经济不断扩大，长株潭城市群和洞庭湖城市组团的影子经济增长尤为迅速；同时，湖南省绿色创新效率呈快速上升态势，省域交界处绿色创新效率提高更为显著。③影子经济对绿色创新效率具有显著的倒“N”型门槛效应，两个门槛值分别为0.1400和0.1700，在低、中等和高三个门槛区间内，影子经济对绿色创新效率的作用方向表现为由负到正再变为负；政府管制对绿色创新效率存在抑制作用，而交通条件、受教育程度、外商直接投资水平、产业结构、城市化水平均对绿色创新效率的提升发挥积极作用。
由以上分析结论可知，要有效提高绿色创新效率，必须高度重视影子经济，降低影子经济活动对绿色创新效率的消极影响，具体包括以下几个方面：①政府应加强对影子经济活动的识别和监管，建立长效的惠及影子经济部门的绿色创新奖惩机制。划定影子经济红线，加大稽查力度，使影子经济“显性化”，对于非法转入影子经济部门的行为要给予严厉处罚，减少影子经济的膨胀，尤其对于长株潭城市群和洞庭湖城市组团的影子经济增速较快问题应给予重点关注。考虑到湖南省各地州市经济、社会等各方面存在较大差异，要因地制宜、因城施策，切不可搞一刀切。②要加大税制改革，规范劳动力市场，完善失业保障制度，为降低影子经济、提高绿色创新效率营造良好环境。税收制度的不合理是影子经济居高不下的重要原因，要扩大“营改增”等税制改革力度和适用范围，适当降低税率，鼓励企业及个人往官方经济转入。③影子经济对绿色创新效率作用的同时，还受到其他外部因素的影响，因此要根据具体情况制定相应措施。如制定适度的政府环境管制措施，避免过强的管制挤出企业的绿色创新投入；加大教育、交通等基础设施投入，扩大人力资本和降低企业成本；积极引进外资，加强对外开放程度，以及努力推进城镇化进程等。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
黄寿峰. 环境规制、影子经济与雾霾污染——动态半参数分析[J]. 经济学动态, 2016(11):33-44.

[2]
吴超, 杨树旺, 唐鹏程, 等. 中国重污染行业绿色创新效率提升模式构建[J]. 中国人口·资源与环境, 2018, 28(5):40-48.

[3]
刘佳, 宋秋月. 中国旅游产业绿色创新效率的空间网络结构与形成机制[J]. 中国人口·资源与环境, 2018, 28(8):127-137.

[4]
Tone K. A slacks-based measure of efficiency in data envelop-ment analysis[J]. European Journal of Operational Research, 2001, 130(3):498-509.

[5]
Thomas V J, Sharma S, Jain S K. Using patens and publications to assess R&D efficiency in the states of USA[J]. European Economic Review, 2011, 33(1):4-10.

[6]
华振. 中国绿色创新绩效研究——与东北三省的比较分析[J]. 技术经济, 2011, 30(7):30-34,41.

[7]
付帼, 卢小丽, 武春友. 中国省域绿色创新空间格局演化研究[J]. 中国软科学, 2016(7):89-99.

[8]
朱承亮, 刘瑞明, 王宏伟. 专利密集型产业绿色创新绩效评估及提升路径[J]. 数量经济技术经济研究, 2018, 35(4):61-79.

[9]
钱丽, 王文平, 肖仁桥. 共享投入关联视角下中国区域工业企业绿色创新效率差异研究[J]. 中国人口·资源与环境, 2018, 28(5):27-39.

[10]
杨朝均, 杨文珂, 赵梓霖. 中国区域绿色创新影响因素研究[J]. 华东经济管理, 2018, 32(9):95-102.

[11]
Sorin N B, Monica V A, Monica G A, Miron. Corruption,shadow economy and economic growth:An empirical survey across the European Union countries[J]. Studia Universitatis Vasile Goldis Arad-Economics Series, 2017, 27(2):19-32.

[12]
Biswas A K, Farzanegan M R, Thum M. Pollution,shadow economy and corruption:Theory and evidence[J]. Ecological Economics, 2004, 49(2):114-125.

[13]
Schneider F, Enste D H. Shadow Economies:size,causes,and consequences[J]. Journal of Economic Literature, 2000, 38(1):77-114.

[14]
李永海, 孙群力. 税收负担、政府管制对地区隐性经济的影响研究[J]. 广东财经大学学报, 2016, 31(2):88-100.

[15]
张曾莲, 盖亚洁. 财政透明度、税收负担与隐性经济规模——基于2006—2014年省级面板数据的实证分析[J]. 山西财经大学学报, 2018, 40(7):16-31.

[16]
Baksi S, Bose P. Environmental regulation in the presence of an informal sector[R]. Department of Economics Working Paper, 2010(3):3-28.

[17]
余长林, 高宏建. 环境管制对中国环境污染的影响——基于隐性经济的视角[J]. 中国工业经济, 2015(7):21-35.

[18]
Stawasz E, Godek P. SMEs innovation and job creation poten-tial in the shadow economy context[J]. Comparative Economic Research, 2010, 13(4):99-115.

[19]
戚磊. 隐性经济产业关联的生产率效应[J]. 中国工业经济, 2013(11):70-82.

[20]
杨灿明, 孙群力. 中国各地区隐性经济的规模、原因和影响[J]. 经济研究, 2010, 45(4):93-106.

[21]
彭文斌, 文泽宙, 邝嫦娥. 中国城市绿色创新空间格局及其影响因素[J]. 广东财经大学学报, 2019, 34(1):25-37.

[22]
李金昌, 徐蔼婷. 未被观测经济估算方法新探[J]. 统计研究, 2005(11):21-26.

[23]
Tone K. Dealing with undesirable outputs in DEA:a slacks-based measure(SBM) approach[R]. GRIPS Research Report Seires, 2003.

[24]
周锐波, 刘叶子, 杨卓文. 中国城市创新能力的时空演化及溢出效应[J]. 经济地理, 2019, 39(4):85-92.

DOI

[25]
彭星, 李斌. 不同类型环境规制下中国工业绿色转型问题研究[J]. 财经研究, 2016, 42(7):134-144.

Options
Outlines

/

〈 〉