一、引 言

为了解决日益严重的环境污染问题，我国政府推出了大量的环境规制措施，包括制定大量的行政规章制度、对污染行为进行处罚和征收排污费等，这些措施在一定程度上遏制了我国污染物排放量的过快增长态势[1]，也促进了部分企业进行绿色创新，提升了绿色经济绩效[2]，但是这些环境规制政策并没有达到预期的效果[3]。因此，探究环境规制政策部分失灵的原因是一个值得深入研究的课题，而解决这个问题的关键是分析不同环境规制政策对绿色经济绩效的作用路径，从而为全面分析环境规制政策部分失灵奠定基础。

关于环境规制与绿色经济绩效的关系，学术界形成了三种不同的观点，第一种观点是外部的环境规制政策会促进企业的绿色发展水平，Abrell和Rausch、张成和童伟伟等认为严厉的正确的环境管制政策会导致企业积极进行绿色创新，并从绿色创新中获得收益，从而降低企业因环境规制带来的成本[4-6]；第二种观点是环境规制不会显著促进绿色创新[7]，强制性的环境管制会导致企业大大改变原有的技术路径，给企业带来额外的成本，从而影响创新的投入；第三种观点是环境规制与绿色创新的关系存在不确定性，环境规制与创新绩效之间的关系需要根据外部环境因素来判定[8-9]。

以上这些不同的观点，可能与企业规模、企业经济收益与企业协作等控制变量有关。如在企业规模对绿色经济绩效的影响方面，大部分学者认为大企业的绿色创新动力要大于小企业，因为大企业对社会的节能环保要求更加敏感，加上其具有人力、财力及技术上的优势，大企业可能会比小企业更为积极地进行绿色创新的实践，Etzion的研究表明了企业规模与其绿色创新行为之间存在正向关系[10]，Woo等人也分别证实了韩国装备制造业中的大企业绿色创新绩效要高于中小企业[11]，大企业可能存在创新方式转换的路径成本问题，由于大企业已有的创新模式积淀了过多的人力与财力资本，所以大企业进行绿色创新实践的意愿会降低[12]；在经济收益与绿色经济绩效的关系方面，学者们认为企业实施绿色创新战略是受到市场需求的驱动，为了在当前或未来的市场竞争中占据有利地位，企业愿意进行绿色创新，以争取更多消费者的支持，绿色创新还能帮助企业降低生产成本，提高经济收益。Darnall等人的研究认为企业的绿色生产活动确实能够提高企业的经济效益[13]；Creti和Sanin、Valentina的研究表明为了抢占更多的市场和获取更多的利润，企业会积极实行绿色创新战略[14-15]，而Hassan等人认为受经济收益的影响，碳驱动的产业更愿意进行绿色创新[16]；在企业协作与绿色经济的绩效方面，学者们认为企业协作是企业能够实现绿色创新的关键，因为企业的绿色创新驱动涉及产品生产的各个阶段，企业需要和上下游企业进行密切的协作，才能有效推动绿色创新，Borghesi的研究都表明企业协作过程是推动绿色创新的重要驱动因素[17]。

纯电动汽车是电力驱动的一种新能源汽车，纯电动汽车适合慢速行驶，这种汽车在停车状态下不会消耗过多的电能，其主要以发电机为制动电机，因此，可借助减速时的能量来减少石油资源的消耗量。同时，其他能源可转化为车辆行驶所需的电能，维修保养工作相对简单，且工作压力较小。但是蓄电池容量有限，且价格较高，需要完善的基础设施支持，故而该类型汽车的投资较高。

以上的研究揭示了环境规制与工业绿色经济绩效之间的关系可能会受到企业协作、企业的经济收益及企业规模等因素的影响，这些因素可以被认为是影响环境规制和绿色经济绩效关系的调节变量，而非影响环境规制和绿色经济绩效之间关系的中介变量[8]。因此，环境规制对绿色经济绩效的影响机制有待于进一步研究。为了深入揭示环境规制对绿色经济绩效的影响机制，本文的研究聚焦在环境规制对绿色经济绩效影响的中介变量的识别方面，通过中介效应模型，利用2001年至2015年我国工业各地区的面板数据，检验了能源强度、行业结构及能源结构作为中介变量的显著性，并根据实证结果深入分析了环境规制对绿色经济绩效影响的直接效应和间接效应的差别。

二、研究方法、模型与数据

(一)研究方法与模型

环境规制既会对绿色经济绩效产生积极的直接作用，也会对绿色经济绩效产生间接效应，即通过其他变量对绿色经济绩效产生影响。本文将环境规制作为自变量X，其中X代表行政规制、污染监管及经济规制三种环境规制措施，将企业的绿色经济绩效作为因变量Y，将能源强度、行业结构和能源结构作为中介变量M。

行政规制、污染监管和经济规制是三种不同的环境规制措施和工具，三者均是衡量环境规制强度的代理变量，三者之间明显存在相关性，如一个环境规制强的地区，通常各种措施都会比较严厉，如果将三个变量放入到一个方程中，很明显会出现多重共线性。但是本文分别考察了三种不同的规制方式通过能源强度、能源结构及产业结构对绿色经济绩效的影响程度，并没有将三个变量同时纳入一个模型中，而是分别通过中介效应模型的形式分别研究了行政规制、污染监管和经济规制三种不同的环境规制措施对绿色经济效率的作用路径。

为了避免在回归方程中出现与讨论无关的截距项，所有变量都会做标准化处理[18]。在简单中介效应模型(Simple mediation model)中，以上变量之间的关系表示如下列回归方程：

M=aX+e2

(1)

Y=cX+e1

(2)

Y=c′X+bM+e3

(3)

其中，方程(1)的系数c为自变量X对因变量Y的总效应；方程(2)的系数a为自变量X对中介变量M的效应；方程(3)的系数b是在控制了自变量X的影响后，中介变量M对因变量Y的效应，系数c′是在控制了中介变量M的影响后，自变量X对因变量Y的直接效应(direct effect)；e1、e2、e3是随机干扰项。

如图3所示，经济规制对绿色经济绩效的间接作用路径主要有三种：第一种间接影响路径是经济规制通过中介变量能源强度而影响绿色经济绩效，该路径的两个系数均是非常显著的，经济规制对能源强度的影响系数为0.695，能源强度对绿色经济绩效的影响系数为-0.402。因此，能源强度是经济规制作用于绿色经济绩效的一个中介变量，该路径下的经济规制对工业绿色经济绩效的间接影响效应值为-0.279。可见，与行政规制与污染监管措施不同，经济规制措施是抑制了绿色经济绩效的提升，这一结果表明可能存在着经济规制的挤出效应，即排污费的征收使得企业绿色技术的研发投入受到经济规制的影响而减少[25]，从而影响了企业绿色研发的能力。

从图8可知，当液固比由20增大到40时，[OH-]和[Ba2+]基本无变化，继续增大到60时均有略微减小，而大于60时均显著减小，且[Ba2+]的变化程度更大；图9(a)中BaS的浸取率在液固比由20增大到60时有显著增大，在液固比大于60时随着液固比的增加而有些许增大，图9(b)中BaS残留率随着液固比的增加而减小，在20～60范围内变化显著，当液固比大于80时基本不变，图9(c)中在液固比由20增大到60时，BaSiO3的生成率增大，大于60时随着液固比的增大而有减小，图9(d)中BaCO3的生成率随着液固比的增大而减小。

c=c′+ab

人员、人才、人力资源是企业生产与管理的重要因素，是企业实现绿色发展和低碳经济建设目标的根本前提。当前企业应该从人事制度、用人机制和人力资源管理等层面持续创新和系统完善，建立起适于低碳经济的企业管理制度体系，进一步规范市场化运行、结构性管理、功能化操作等相关环节，构建起符合低碳经济的企业人事管理新系统。

(4)

这个中介效应模型能够帮助我们判断不同类型环境规制措施对绿色经济绩效作用的路径。模型检验步骤如下：第一步，检验方程(1)的系数c，如果显著,则表明环境规制是引起绿色经济绩效变动的原因，并进一步判断环境规制对绿色经济绩效是否存在中介效应(间接作用效应)；如果系数c不显著，则需要判断是否存在“遮掩效应”，即环境规制对绿色经济绩效的直接作用和间接作用的方向相反，两个效应相互抵消从而导致环境规制对绿色经济绩效的作用并不显著。但是，不管环境规制对绿色经济绩效的总影响程度(c)是否显著，都要检验环境规制对绿色经济绩效的中介效应；第二步,检验环境规制对绿色经济绩效的中介效应。即检验环境规制对中介变量的影响程度(a)和中介变量对绿色经济绩效的影响程度(b)，如果两个都显著，则表明环境规制对绿色经济绩效的间接效应显著，则进行第四步；如果即检验环境规制对中介变量的影响程度(a)和中介变量对绿色经济绩效的影响程度(b)中至少有一个不显著，进行第三步；第三步，直接检验H0：ab=0。如果ab不为0，则说明环境规制对绿色经济绩效的间接效应显著，进行第四步；否则说明环境规制对绿色经济绩效的间接效应不显著，停止分析；第四步，检验环境规制对绿色经济绩效的直接影响效应是否显著(c′)，如果系数c′不显著，即直接效应不显著，说明只存在环境规制对绿色经济绩效的中介效应，表明只存在环境规制对绿色经济绩效的间接效应。如果显著，即直接效应显著，进行第五步；第五步，比较ab和c的符号，如果同号，属于部分中介效应，报告中介效应占总效应的比例ab/c。如果异号，属于遮掩效应，即环境规制对绿色经济绩效的直接作用和间接作用的方向相反，两个效应相互抵消从而导致环境规制对绿色经济绩效的作用并不显著。

第三种间接影响路径是污染监管通过中介变量行业结构而影响绿色经济绩效，该路径下的两个系数也非常显著，污染监管对行业结构的影响系数为0.205，行业结构对绿色经济绩效的影响系数为0.082。因此，行业结构是污染监管作用于绿色经济绩效的一个中介变量，该路径下的污染监管对工业绿色经济绩效的间接影响效应值为0.017。与行政监管措施不同，污染监管对重工业行业内的企业所形成的外在压力明显减弱，这可能也与我国处罚成本过低有关。

(二)变量选择

1.被解释变量和解释变量

在对教育收益率的经验研究中，估计明瑟收入方程的普通最小二乘法(OLS)难以克服与受教育水平相关的其他解释变量(如个人能力)对收入的影响，进而造成严重的内生性问题，导致教育收益率的估计偏差。大多数文献采用工具变量法解决内生性问题。随着对高校扩招政策影响的研究成果不断增加，学者们在解决选择性偏差和异质性问题方面也进行着不断的尝试。吴要武、赵泉(2010)采用双重差分模型(DID)，估计扩招政策使大学毕业生小时工资下降了10.5%～11.4%。[10]马汴京等(2016)采用双重差分和工具变量估计方法，研究发现高校扩招政策对毕业生收入影响不显著。[11]

绿色经济绩效为被解释变量(Y)，该变量用绿色全要素生产率来衡量，采用非期望产出的DEA方法来测度。

环境行政规章数、各地区当年受理环境行政处罚案件数、各地区排污费用及工业污染物排放物的数据来源于《中国环境年鉴》；工业产值的数据来源于《中国工业经济统计年鉴》；工业能源消费的数据来源于《中国能源统计年鉴》。本文所计算的各个变量的描述性统计分析结果见表1所列。

参考王书斌等学者的做法[8]，本文选取了三种不同类型的环境规制措施，行政规制用地方颁布的环境行政规章数表示；污染监管，用各地区当年受理环境行政处罚案件数衡量；经济规制用各地区排污费用与工业总产值的比值衡量。

以LSTM为模型,通过模型网络层数和参数选择的方法,以农科院温室大棚的西红柿数据为样本得到训练模型,该模型具有较强的预测和泛化能力,在实际应用中有一定的参考价值,为实现大棚的智能控制提供了理论依据。基于目前的工作,后续可开展进一步的研究,将LSTM温室大棚的环境变量预测模型与温室大棚控制系统相结合,实现大棚的整体智能控制。

2.中介变量

本文的中介变量(M)主要包含能源强度、能源结构与行业结构3个变量。其中，能源强度主要采用工业生产过程中所消耗的化石能源总量与平减后的工业总产值的比值[20]；能源结构主要用煤炭能源在工业一次能源消费中的比重，选择这个指标的原因是中国是煤炭资源消费的大国，同时，煤炭消费过程中所产生的污染物排放是大气污染物排放的主要来源之一[21]；行业结构所采用的指标是高能耗工业部门的产值占工业总产值的比重，这个指标可以测度出中国不同地区工业结构的变动情况[20]。

1.4 患者健康教育 包括患者血红蛋白的控制范围，贫血对患者疾病的影响和重要性，饮食作息教育以及对患者进行心理疏导。采取个体教育的形式，于患者做维持性血液透析时对患者一对一进行指导。对不同患者进行个体化教育。并对患者发放相应的宣传资料，达到巩固和强化作用。并发放患者《血红蛋白记录本》，指导患者做好记录，便于了解自身情况。

3.数据来源与分析

环境规制为解释变量(X)。目前学术界通常采用的衡量规制变量的指标通常有两大类，一类是命令型的环境规制，一种是市场型的环境规制。前者也可以被称为行政型的环境规制，后者也通常被称为经济型的环境规制。前者通常情况下包含罚款、停业整顿甚至是关闭等措施，而后者通常包含排污费及环境税等。根据王书斌等(2015)学者的做法，本文主要考察了环境行政管制、环境污染监管和环境经济规制等三种环境规制工具对绿色经济绩效的影响。这三种环境规制措施和工具是我国政府通常采用的三种措施，行政管制是通过行政部门的规章制度或法律等，形成外在的环境规制环境，如不断修正《中华人民共和国环境保护法》及以促使企业和密集出台各种环境管制措施等，对工业企业的绿色生产意识产生了极大的影响，也会促使企业绿色创新绩效得到提升；环境污染监管则是一种事后监督机制，对确实不遵循法律而违规排放的企业实施的一种行政处罚方式，提高了企业的环境违法成本，迫使这部分企业向着绿色发展方式转型，从而有利于绿色绩效的提升。行政规制和环境污染监管均属于命令型的环境规制措施。而经济规制措施通常会以排污费用或环境税等方式将环境要素内生于企业生产函数，当企业的排污费用提高或者环境税增加，会直接影响企业的利润，促使企业权衡绿色生产成本与经济效益的关系，做出有利于长期发展的决策，通常情况下或做出有利于绿色经济发展的决策。

 

表1 描述性统计分析

  

变量单位平均值标准差最小值最大值绿色全要素生产率(GTFP)%0．2130．1900．0351．000行政规制(GOV)件16．91815．1020．00091．000污染监管(CAS)件3349．9475064．9618．00038000．000经济规制(PFG)—5442．0894959．865181．10848000．000行业结构(IS)—0．3860．0970．0680．530能源结构(ES)—0．8230．1620．1561．000能源强度(EI)—0．6960．6930．0228．267

三、实证结果分析

(一)行政规制对绿色经济绩效的中介效应分析

如图1所示，行政规制对绿色经济绩效的间接作用路径主要有三种，第一种间接影响路径是行政规制通过中介变量能源强度而影响绿色经济绩效，该路径的两个系数均是非常显著的，行政规制对能源强度的影响系数为-0.244，能源强度对绿色经济绩效的影响系数为-0.501。因此，能源强度是行政规制作用于绿色经济绩效的一个中介变量，该路径下的行政规制对工业绿色经济绩效的间接影响效应值为0.122。这说明，行政规制政策已经影响了我国工业企业的节能减排技术开发的预期，促使企业更加积极地去发展绿色技术，以减少未来可能受到的环保行政处罚。

第二种间接影响路径是行政规制通过中介变量能源结构而影响绿色经济绩效，该路径下只有一个系数是显著的，行政规制对能源结构的影响系数为-0.133，但能源结构对工业绿色经济绩效的影响却不显著。因此第二种路径与我国工业的实际情况并不相符。可能是因为我国工业使用的能源仍然以煤为主，受制于煤炭使用技术的锁定效应，新能源技术无法在短期内占据主导地位，所以工业绿色发展绩效的提升并不非常显著[22]。

第三种间接影响路径是行政规制通过中介变量行业结构而影响绿色经济绩效，该路径下的两个系数也非常显著，行政规制对行业结构的影响系数为-0.259，行业结构对绿色经济绩效的影响系数为0.089。因此，行业结构是行政规制作用于绿色经济绩效的一个中介变量，该路径下的行政规制对工业绿色经济绩效的间接影响效应值为0.023。行政规制措施并没有显著降低重工业在工业中的比重，相反还会增加这一比重，但受重工业行业绿色发展转型的影响，我国工业总体的绿色经济绩效有所提升。这可能是因为我国行政规制政策对重工业进入门槛的规定还不能有效阻止那些低价值且高污染技术企业进入到该行业，相反还会促进这些企业进入到重工业，但是我国的行政规制政策更多是强调对重工业行业内的企业的减排约束，从而使得重工业内的绿色技术的扩散，从而带动了工业绿色绩效的提升。

从图1还可以看出，行政规制对我国工业绿色经济绩效的间接影响效应占总效应的比重为47.129%，而行政规制对我国工业绿色经济绩效的直接影响效应占总效应的比重为52.871%，因行政规制通过能源强度对工业绿色经济绩效的影响效应为正，所以提升了行政规制对工业绿色经济绩效的影响水平。

  

图1 行政规制对绿色经济绩效影响的中介效应模型估计结果

(二)污染监管对绿色经济绩效的中介效应分析

如图2所示，污染监管对绿色经济绩效的间接作用路径主要有三种：第一种间接影响路径是污染监管通过中介变量能源强度而影响绿色经济绩效，该路径的两个系数均是非常显著的，污染监管对能源强度的影响系数为-0.172，能源强度对绿色经济绩效的影响系数为-0.524。因此，能源强度是污染监管作用于绿色经济绩效的一个中介变量，该路径下的污染监管对工业绿色经济绩效的间接影响效应值为0.09。但是，污染监管通过能源强度对绿色绩效的影响程度要小于行政监管措施。这可能是因为污染监管的力度仍然较弱，处罚力度较弱，未能对大多数工业企业形成强有力的威慑力，再加上市场信息的不对称、消费者行为的短视及消费者对不确定性风险的风险规避原因[23]，从而导致很多工业企业对这种形式并没有积极响应[24]。

第二种间接影响路径是污染监管通过中介变量能源结构而影响绿色经济绩效，该路径下只有一个系数是显著的，污染监管对能源结构的影响系数为-0.121，但能源结构对工业绿色经济绩效的影响却不显著。因此第二种路径是与我国工业的实际情况不相符的。导致这种情况出现的原因可能是我国污染监管下的处罚成本远低于企业能源转换的成本，工业企业使用新能源技术的内在驱动力并不强烈，从而抑制了这些工业企业绿色绩效的提升。

需要特别说明的是，诸多中介效应模型统计检验方法的研究表明中介效应的存在不需要以总效应显著为前提，因为可能存在几个并列的中介路径，但其对因变量发挥着相反的作用，两者相互抵消导致主效应没有被观测到[19]。因此，环境规制对绿色经济绩效的总效应不显著不会影响本文分析环境规制对绿色经济绩效的中介效应。

从图2还可以看出，污染监管对我国工业绿色经济绩效的间接影响效应占总影响效应的比值为37.14%，而污染监管对我国工业绿色经济绩效的直接影响效应占总效应的比重为62.86%，因污染监管通过能源强度对工业绿色经济绩效的影响效应为正，所以提升了污染监管对工业绿色经济绩效的影响水平。

  

图2 污染监管对绿色经济绩效影响的中介效应模型估计结果

(三)经济规制对绿色经济绩效的中介效应分析

在该模型中，中介效应就是间接效应(indirect effect)，即等于系数乘积a×b,它与总效应和直接效应有下面的关系[18]：

1916年2月，史称“凡尔登绞肉机”的“凡尔登战役”中，法军伤亡超过50万；同年6月“索姆河战役”中，英军伤亡40万，法军折损20万。战争越来越吃紧，协约国越来越困难，英法两国的男性青壮年几乎全都被征召入伍，走上前线，前线后勤保障人员严重不足，后方劳动力奇缺。在这种情况下，曾经拒绝中国政府帮助的英法两国，终于接受了中国政府“以工代兵”的支援方式。

越冬成虫于5月中下旬开始活动，开始聚集在杂草上，后来成虫则转移到麦田嫩叶上为害叶片，沿叶脉纵向取食叶肉。幼虫6月中旬开始为害，6月下旬至7月上旬为盛发期，7月上旬开始化蛹，7月中旬羽化为成虫，8月中旬转移到越冬场所越冬。

第二种间接影响路径是经济规制通过中介变量能源结构而影响绿色经济绩效，该路径下只有一个系数是显著的，经济规制对能源结构的影响系数为0.244，但能源结构对工业绿色经济绩效的影响却不显著。因此第二种路径与我国工业的实际情况并不相符。同行政规制和污染监管相同，经济规制的方式并不能有效改善工业企业的能源使用结构，这也是因为经济规制成本远远小于工业企业的能源转换成本导致的。

第三种间接影响路径是经济规制通过中介变量行业结构而影响绿色经济绩效，该路径下只有一个系数非常显著，经济规制对行业结构的影响系数不显著，行业结构对绿色经济绩效的影响系数为0.111。因此，行业结构不是经济规制作用于我国工业绿色经济绩效的一个中介变量。

从图3还可以看出，经济规制对我国工业绿色经济绩效的间接影响效应占总影响效应的比重为56.512%，而经济规制对我国工业绿色经济绩效的直接影响效应占总效应的比重为43.488%，因经济规制通过能源强度对工业绿色经济绩效的影响效应为负，所以降低了经济规制对工业绿色经济绩效的影响水平。

广东省各级政府加强调查研究，积极借鉴有关地方的成功经验，结合自身实际情况，在加大财政投入方面取得明显成效。如全省21个地级以上市均出台了加快水利改革发展的政策文件，明确从土地出让收益提取10%用于农田水利建设、从城市维护税中划出15%用于城市防洪排涝和水资源工程建设等。广州、深圳、东莞由财政一次性解决城乡水利防灾减灾工程建设资金，中山市规定市、镇两级财政投入水利工程建设的资金，每年以10%的增幅递增等。

  

图3 经济规制对绿色经济绩效影响的中介效应模型估计结果

从图1、图2和图3还可以看出，行政规制、污染监管及经济规制三种不同类型的环境规制对工业绿色经济绩效的影响程度存在差异。其中，行政规制和污染监管对工业绿色经济绩效的影响显著为正，而经济规制对工业绿色经济绩效的影响显著为负。

2.1 问卷回收情况 调查医疗机构共113所，其中省市级医院24所，区级医院21所，社区卫生服务中心/乡镇卫生院等46所，民营医院22所。发放调查问卷759份，有效回收689份，问卷有效回收率90.8%。其中省市级医院164份，占23.8%；区级医院154份，占22.4%；社区卫生服务中心/乡镇卫生院等239份，占34.7%；民营医院132份，占19.2%。

四、结论与政策启示

本文利用中介效应模型，基于2001-2015年我国各省份工业的面板数据，识别了不同类型的环境规制对工业企业绿色经济绩效作用的路径，并对比不同的环境规制作用路径差异，得出如下研究结论：

首先，不同类型的环境规制均能通过能源强度显著地对工业绿色经济绩效产生影响。其中，行政规制和污染监管两种环境规制能够通过能源强度对工业绿色经济绩效产生非常显著的正向促进作用；而经济规制则通过能源强度对工业绿色经济绩效产生非常显著的抑制作用；其次，不同类型的环境规制不能通过能源结构显著地影响工业绿色经济绩效。而行业结构仅能作为污染监管及行政规制对工业绿色经济绩效产生作用的中介变量；最后，不同类型的环境规制对工业绿色经济绩效的作用程度是存在差异的。其中，行政规制对工业绿色经济绩效的正向促进作用大于污染监管，而经济规制则对工业绿色经济绩效产生反向抑制作用。

根据本文的研究结论，结合近些年我国工业绿色发展的实际情况，本文得到如下的一些启示：首先，应该将能源效率提高放在优先位置，注重从能源强度方面改善我国的工业的绿色发展水平，注重工业生产中的节能技术的革新；此外，通过即将开征的环境税，改变企业对节能减排的预期，提升企业进行节能改造的动力；其次，能源结构的优化应该与工业企业能源使用技术相结合，逐渐将新能源使用技术引入到工业生产中，打破煤炭和石油等化石能源的路径依赖；最后，在实施和制定环境规制时，应该考虑经济规制带来的负面影响，把握环境规制政策的力度，充分考虑不同类型环境规制政策潜在的影响。

参考文献：

[1]童健, 刘伟, 薛景. 环境规制、要素投入结构与工业行业转型升级[J]. 经济研究, 2016(7) : 43-57.

[2]李斌, 曹万林. 环境规制对我国循环经济绩效的影响研究——基于生态创新的视角 [J]. 中国软科学, 2017(6) : 140-154.

[3]CHONG Z, QIN C, YE X. Environmental Regulation, Economic Network and Sustainable Growth of Urban Agglomerations in China [J]. Sustainability, 2016,8(5) : 467-487.

[4]ABRELL J, RAUSCH S. Combining Price and Quantity Controls under Partitioned Environmental Regulation [J]. Journal of Public Economics, 2017, 145(1) : 226-242.

[5]张成, 陆旸, 郭路, 等. 环境规制强度和生产技术进步[J]. 经济研究, 2011(2) : 113-124.

[6]童伟伟, 张建民. 环境规制能促进技术创新吗——基于中国制造业企业数据的再检验[J]. 财经科学, 2012(11) : 66-74.

[7]RUBASHKINA Y, GALEOTTI M, VERDOLINI E. Environmental regulation and competitiveness: Empirical evidence on the Porter Hypothesis from European manufacturing sectors [J]. Energy Policy, 2015, 83(35) : 288-300.

[8]王书斌, 徐盈之. 环境规制与雾霾脱钩效应——基于企业投资偏好的视角[J]. 中国工业经济, 2015(4) : 18-30.

[9]原毅军, 谢荣辉. 环境规制与工业绿色生产率增长——对“强波特假说”的再检验[J]. 中国软科学, 2016(7) : 144-154.

[10]ETZION D. Research on Organizations and the Natural Environment, 1992-Present: A Review [J]. Journal of Management, 2007, 33(4) : 637-664.

[11]WOO C, CHUNG Y, CHUN D, et al. Impact of Green Innovation on Labor Productivity and its Determinants: an Analysis of the Korean Manufacturing Industry [J]. Business

Strategy & the Environment, 2014, 23(8) : 567-576.

[12]KING A A, LENOX M J. Does It Really Pay to Be Green? An Empirical Study of Firm Environmental and Financial Performance: An Empirical Study of Firm Environmental and Financial Performance[J]. Journal of Industrial Ecology, 2001,5(1) : 105-116.

[13]DARNALL N, HENRIQUES I, SADORSKY P. Adopting Proactive Environmental Strategy: The Influence of Stakeholders and Firm Size[J]. Journal of Management Studies, 2010,47(6) : 1072-1094.

[14]CRETI A, SANIN M E. Does environmental regulation create merger incentives? [J]. Energy Policy, 2017,105(6) : 618-630.

[15]VALENTINE S V. The Green Onion: a corporate environmental strategy framework[J]. Corporate Social Responsibility & Environmental Management, 2010,17(5) : 284-298.

[16]HASSAN A, IBRAHIM E. Corporate Environmental Information Disclosure: Factors Influencing Companies’ Success in Attaining Environmental Awards[J]. Corporate Social Responsibility & Environmental Management, 2012,19(1) : 32-46.

[17]BORGHESI S, COSTANTINI V, CRESPI F, et al. Environmental innovation and socio-economic dynamics in institutional and policy contexts[J]. Journal of Evolutionary Economics, 2013,23(2) : 241-245.

[18]温忠麟, 范息涛, 叶宝娟, 等. 从效应量应有的性质看中介效应量的合理性[J]. 心理学报, 2016,48(4) : 435-443.

[19]ZHAO X, LYNCH J G, CHEN Q. Reconsidering Baron and Kenny: Myths and Truths about Mediation Analysis[J]. Journal of Consumer Research, 2010,37(2) : 197-206.

[20]SHAO S, YANG L, YU M, et al. Estimation, characteristics, and determinants of energy-related industrial CO2 emissions in Shanghai (China), 1994-2009[J]. Energy Policy, 2011,39(10) : 6476-6494.

[21]林伯强, 蒋竺均. 中国二氧化碳的环境库兹涅茨曲线预测及影响因素分析[J]. 管理世界, 2009(4) : 27-36.

[22]BERTRAM C, JOHNSON N, LUDERER G, et al. Carbon lock-in through capital stock inertia associated with weak near-term climate policies[J]. Technological Forecasting & Social Change, 2015,90(1) : 62-72.

[23]AHMED R, STATER M. Is Energy Efficiency Underprovided? An Analysis of the Provision of Energy Efficiency in Multi-Attribute Products[J]. Resource & Energy Economics, 2017,49(8) : 132-149.

[24]陈燕红, 张超. 环境违法成本视角下的上市公司股价对污染事件响应特征研究[J]. 中国人口·资源与环境, 2017,27(5) : 61-66.

[25]KNELLER R, MANDERSON E. Environmental regulations and innovation activity in UK manufacturing industries[J]. Resource & Energy Economics, 2012,34(2) : 211-235.