基于PVAR模型的绿色技术创新对企业绩效的影响

贾春香，张燕

（内蒙古科技大学 经济与管理学院，内蒙古 包头 014010）

改革开放以来，我国经济高速发展，目前已经成为世界第二大经济体和第一大工业国。但是在经济快速发展的同时，生态环境也遭受到严重破坏，可见这样的发展模式已不能满足当下经济高质量发展的要求。党的十八大提出要树立尊重自然、顺应自然、保护自然的生态文明理念，坚持节约优先、保护优先、自然恢复的方针，推进绿色发展、循环发展、低碳发展。“十三五”规划中则将坚持节约资源和保护环境作为基本国策，倡导坚持可持续发展，必须坚定不移走生产发展、生活富裕、生态良好的文明发展道路。“十四五”规划中也明确提出，促进经济社会发展全面绿色转型，支持绿色技术创新，推动清洁生产，全面提高资源利用效率。

相关数据表明，工业企业相对于其他行业来说，对资源环境依赖性最强，对环境的损害也最为严重，二者的矛盾尖锐。因此，绿色转型是必由之路，尤其对于重污染行业来说，进行绿色技术创新，推动可持续发展刻不容缓。

1 文献综述

绿色技术创新有助于缓解经济与环境之间的矛盾，政府监督、市场竞争、社会压力迫使企业进行绿色技术创新，而技术创新就要有成本发生，从而影响到企业绩效，因而有越来越多的研究开始关注绿色技术创新与企业绩效的关系。

众多学者研究表明，绿色技术创新对企业绩效存在显著的正向影响，即进行绿色技术创新有利于提升企业综合竞争力，进而能够提升企业绩效。Zhu & Yang[1]通过调查问卷收集数据，研究可持续性承诺、绿色供应链管理、大数据整合和绿色人力资源实践对银行环境绩效与财务绩效的影响。研究结果表明，银行可以通过这些业务来缓解环境影响，并且这些对财务绩效具有明显的促进作用。Liu & Zhang[2]研究了绿色技术创新对企业绩效的影响以及媒体关注在其中的中介作用。研究证实，绿色技术创新明显促进了企业绩效的提升。Ma等[3]研究环境信息披露在绿色技术创新与财务绩效之间的调节作用时，发现绿色技术创新对企业的财务绩效是有明显的正向促进作用。Wang等[4]将绿色技术创新分为绿色工艺创新和绿色产品创新，分别探讨二者对企业经济绩效的影响，实证结果是二者都能够促进企业经济绩效的成长。Cheng等[5]收集了121个样本，研究了生态过程创新、生态产品创新和生态组织创新三个方面的绿色技术创新对企业绩效所产生的明显的积极作用。Salvadó等[6]通过157家西班牙金属公司的数据，研究绿色企业形象、绿色产品创新和企业经济绩效之间的影响关系。同样，绿色产品创新与企业经济绩效之间存在正向的影响关系，而且公司的绿色形象可以有效调节二者的关系。Lee & Min[7]研究了日本制造业企业中绿色研发对环境绩效和财务绩效的影响关系中发现，虽然绿色研发与环境绩效呈现负相关关系，但是与财务绩效之间呈现正相关关系。喻颖洁和张恒波[8]基于2006—2018年的数据，构建VAR模型研究体育产业、绿色创新与经济增长的关系，结果显示绿色技术创新水平越高，经济增长越快。

也有学者研究指出，绿色技术创新与企业绩效之间的关系呈负相关，即企业进行绿色技术创新会抑制企业绩效的发展。韩军辉和闫珊娜[9]研究了中国制造业中绿色技术创新对制造业价值链的影响关系。研究结果表明，绿色技术创新能力对我国制造业价值链的作用总体上呈现非线性“U”型关系，即对价值链的作用由负向逐渐转变为正向。杨静等[10]以江苏省上市公司为研究对象，运用内容分析法分析得出现阶段企业绿色创新与经济绩效呈现显著负向关系。

此外，还有学者研究表明，绿色技术创新与企业绩效之间的关系存在不确定性。陈雨柯[11]运用Homamoto的两阶段法，研究“强波特假说”。研究发现，绿色技术创新对企业绩效没有显著影响，“强波特假说”在我国制造业上市企业中不成立。

综上，学者们关于绿色技术创新与企业绩效的影响关系的研究结论尚未达成一致，分别为积极作用、消极作用与不确定关系。现有文献多侧重于研究二者当期的关系，在未来的动态影响趋势方面涉及不足。直观上，研发活动自身特点，使得绿色技术创新对企业绩效的影响难以在当期体现。因此，基于已有文献，本文构建PVAR模型探讨二者未来的动态影响趋势，以便更好地预测未来的影响关系，为重污染行业实现“双赢”发展提出合理的建议。

2 理论分析

1912年，熊彼特提出了创新理论，他强调进行技术创新能够促进经济增长。企业技术创新能力的提升有助于企业开拓新的市场，及时占据一定的市场份额，增强竞争优势，最终实现生产经营的利润最大化。但是此时的技术创新，仅仅只是单纯的技术、工艺或者产品方面的创新，注重提高自身的生产技术能力，却可能存在严重的环境污染的负外部性。为缓解环境问题，学者们成功地将环保理念引入创新理论，提出绿色技术创新和可持续发展理念，有效弥补传统技术创新的不足，更好地满足现阶段经济发展的需求。

面对国家越来越严格的环境规制政策，具有高能耗、高污染生产特性的重污染企业，需要积极地进行绿色技术创新。绿色技术创新活动要想取得研发成果需要投入大量的资金、人员、设备和时间成本，而且研发成果也需要一定时间才能成功地转化为企业的生产力，况且这一过程中还存在着研发失败的风险，可能会导致企业所投入的成本无法收回，给企业造成负担，从而会对企业绩效产生短期负面影响。但是，从长远来看，研发成功之后得到的成果能够转化为满足社会公众需求的绿色化产品，有利于企业开拓新型市场，增加市场份额，从而促使企业的资金使用效率更高，资产的技术性更强，在生产经营活动中发挥更好的作用、创造更多的收益。这部分收益不仅可以弥补研发投入成本，还可以增加企业利润，促使企业绩效得到提升，相比于竞争对手，竞争优势也更加明显，因此企业需要不断地开发绿色新技术、新产品，提高研发人员的创新能力。同时，绿色技术创新有助于企业减少对环境的损坏，降低企业的环境惩罚成本；企业的绿色声誉会获得社会认可度，带来潜在收益，为企业的长远发展奠定基础。综上，企业进行绿色技术创新活动能够使自身的资源配置优化，环境污染减少，更好地体现出企业勇于承担社会责任，提升企业的社会形象和声誉。因此，从长期来看，绿色技术创新会对企业绩效产生正向影响。据此，本文提出以下假设：

假设：绿色技术创新对企业绩效的影响具有时滞性，短期是负向影响，长期则是正向影响。

3 研究方法和数据来源

3.1 模型设定

目前，关于绿色技术创新对企业绩效的影响，已有文献较多采用回归分析方法检验，而针对研发活动特点探讨影响的时滞效应的研究较少。为持续观察绿色技术创新对企业绩效的动态影响，本文采用在VAR模型基础上发展起来的PVAR模型，构建关于重污染行业的绿色技术创新与企业绩效之间的面板向量自回归PVAR模型进行研究。与VAR模型相比，PVAR模型可以有效克服微观数据短缺和时间跨度较短的问题，与近年提出的绿色技术创新理念的特点相符合。同时，运用PVAR模型，可以将研究的多个变量都视为内生变量，允许异质性存在，充分考虑变量之间的关系。

具体的模型设定如下：

式中：Yt是k维内生变量的列向量；Xt是q维外生变量的列向量；T为样本容量；p为模型滞后阶数；A1,A2,…,Ap以及B均为系数矩阵，εt为k维误差向量。

模型展开式为：

即不含外生变量Xt的非限制性模型表达式为：

3.2 数据来源

借鉴谌仁俊等[12]对重污染企业的认定方法，本文选取2013—2019年沪深两市A股重污染行业上市公司作为研究样本进行实证分析。为了保持数据的真实性和有效性，本文对样本公司的数据进行如下筛选：（1）剔除ST等财务状况异常的样本；（2）剔除数据不连贯的上市公司样本。最终本文获得16个重污染行业、399家公司、2 793个有效研究样本。样本公司相关数据从国泰安数据库、CNRDS数据库以及Wind数据库中取得，本文采用Eviews10.0软件和SPSS25.0软件进行数据处理。

3.3 变量选取及说明

3.3.1 被解释变量

本文的被解释变量是企业绩效，现有文献较多采用净资产收益率、托宾Q等指标来衡量。为综合反映企业绩效水平，本文采用主成分分析法确定。首先借鉴已有研究[13-15]，选取净资产收益率和营业净利率来衡量企业的盈利能力；选取资本保值增值率和总资产增长率来反映企业的发展状况；选取总资产周转率和存货周转率来衡量营运能力；选取资产负债率和流动比率衡量企业的偿债能力构建企业绩效综合评价指标体系。指标说明及测算方法见表1。

表1 变量说明及测算方法

参考余博等[16]的做法，选用主成分分析法对企业绩效综合指标进行赋值加权。首先，对所选指标进行KMO和Bartlett检验。其中，KMO检验的值为0.562，大于0.5。Bartlett球形度检验的近似卡方值为4 866.611，P值为0.000。这说明本文对绩效所选取的变量是适合主成分分析法的。其次，对所选指标进行主成分提取。其中，从8个变量中提取了4个主成分，能够解释原有指标77.032%的数据，对原始变量的绝大部分信息有足够的解释力度。根据所得的因子载荷矩阵结果，得到了线性表达式。最后，将第一主成分、第二主成分、第三主成分以及第四主成分的特征值作为权重进行加权处理，可以得到前4个主成分在计算绩效P时的权重。计算公式为：

式中：P表示综合主成分，αi表示第i个主成分的权重，Pi表示第i个主成分。

由上文可知，通过主成分分析法得到了4个主成分，赋值权重之后得到的最终结果如下：

本文将所得到的企业绩效综合得分作为衡量重污染行业企业绩效的被解释变量。

3.3.2 解释变量

本文的解释变量为绿色技术创新，理论上，应当用企业进行绿色技术创新的相关指标来衡量，鉴于数据的可获得性，学者们一般选择技术创新的相关指标来度量，常用的有研发投入、研发投入强度等。本文借鉴朱乃平等[17]的做法以研发投入强度作为核心解释变量，采用研发投入与营业收入的比值来计算。

3.3.3 控制变量

根据现有的研究[18-19]，将持有现金、资产规模和技术能力作为本文的控制变量。一般来说，公司持有现金水平越高，资产规模越大，越有实力开展绿色技术创新活动；企业技术能力越强，研发人员的数量越多，越有能力开展绿色技术创新，这些都会影响企业进行绿色技术创新战略的效果。解释变量以及控制变量的指标说明及测算方法见表2。各变量的描述性统计结果见表3。

表2 解释变量与控制变量

表3 各变量的描述性统计结果

4 实证分析

进行PVAR模型检验需要以下六个步骤：第一，对全部变量进行单位根检验，确保变量均为平稳序列。第二，确定本文的最优滞后阶数，保证参数估计的准确性。第三，进行回归分析。第四，进行稳定性检验，检验模型的合理性。第五，建立脉冲响应函数，分析绿色技术创新对企业绩效的动态影响过程。第六，进行方差分解，比较变量之间的累计贡献度。

4.1 单位根检验

进行回归之前，先对数据进行单位根检验，保证所有变量都能够通过平稳性检验。否则，容易出现伪回归。本文采用LLC检验方法和PP检验方法对模型中的变量进行平稳性检验，检验结果表明P、RD、CASH、lnSIZE、TC这5个变量均拒绝原假设，即均通过了平稳性检验。由此判定，本文中所采用的变量都是平稳序列，可以进一步建立PVAR模型进行实证研究。检验结果如表4所示。

表4 单位根检验

4.2 模型滞后阶数的确定

进行参数估计之前，先确定模型的最优滞后阶数，保证参数估计的准确性。在滞后阶数的选取上，当样本量较大时，AIC准则偏向于更冗长的模型，而SC准则倾向于比较精简且正确的模型。由于本文的PVAR模型包含5个变量，若选择滞后阶数较大的模型，则会导致在参数估计过程中损失较多的自由度，估计结果不够精确。因此，本文最终依据SC准则对滞后阶数进行选取，得到最佳滞后阶数，所选取滞后阶数为2阶，结果见表5。

表5 模型滞后阶数检验结果

4.3 回归结果

绿色技术创新对企业绩效的回归结果如表6所示。其中，经过F检验和Hausman检验，确定本文采用固定效应模型进行回归，回归的模型拟合度为0.933 9，这说明本文采用固定效应模型进行回归是恰当的。

表6 PVAR模型回归结果

由表6可得，滞后1期和滞后2期的情况下，绿色技术创新（RD）对企业绩效（P）的作用由负向转为正向，回归系数分别是-0.570 1和0.505 3，并且这两期都通过了1%的显著性检验。这表明，在滞后1期时，绿色技术创新活动的研发投入不能立刻转化为收益，因此，绿色技术创新对企业绩效产生了显著的负向影响。在滞后2期时，企业的投入支出经过一定的时间转化成企业的收入，因此，负向影响转化为显著的正向影响，但这一过程存在着滞后性。综上可得，企业在进行绿色技术创新的研发活动时，研发投入很难在短期内获得一定的研发成果，这期间需要一定的时间成本，在研发成果成功地转化为满足社会公众需求的绿色化产品之后，企业能够获取一定的竞争优势和更大的经济收益，从而提高企业的核心竞争力，有效地促进企业绩效成长。模型所得的回归结果显著，有效地验证了本文的研究假设。

在滞后1期的情况下，持有现金（CASH）这一控制变量对企业绩效的作用是负向的，回归系数为-9.295 9，通过了1%的显著性检验。这说明随着企业持有现金的增多，资金使用效率不高，会促使企业绩效降低。在滞后1期的情况下，资产规模（lnSIZE）这一控制变量对企业绩效的作用是负向的，回归系数为-15.461 5，通过了1%的显著性检验。这说明企业资产规模的扩大，会促使企业绩效在不断降低。而对于技术能力（TC）这一控制变量，在滞后1期和滞后2期的情况下，对企业绩效的作用是由负转正，回归系数分别为-8.408 7和9.961 4，分别通过了10%和5%的显著性检验。这说明研发人员在进行研发活动时是需要时间去得到成果，存在一定的滞后性，滞后2期时产生收益，结果显著。

由于PVAR模型属于动态模型，回归所得的参数大小和显著性水平不足以反映变量之间的相互关系。因此，本文进行了脉冲响应分析和方差分解分析，更加准确地反映重污染行业绿色技术创新对企业绩效的影响关系。

4.4 模型稳定性检验

为了验证本文所建立的模型是否合理，需要对其进行稳定性检验。运用PVAR模型建立AR根图，可以有效地进行模型稳定性检验。若AR根图的所有单位根都位于圆内，即PVAR模型所有根的模的倒数都小于1，证明本文所构建的模型是稳定的。反之，只要AR根图中有一个单位根位于圆外，即存在一个根的模的倒数大于1，就说明所构建的模型不是稳定的。图1是本文模型的稳定性检验结果，由图1结果可知，本文的所有单位根都位于圆内，证明本文所建立的PVAR模型是稳定的。

图1 PVAR模型的AR根图

4.5 脉冲响应函数

PVAR模型的回归结果分析了变量之间的影响关系，但是不能分析变量受到某种冲击时所产生的动态影响关系。脉冲响应分析则可以分析这一动态影响，可以让我们直观地了解重污染行业绿色技术创新对企业绩效的动态影响过程。本文用Monte Carlo模拟100次，得到0～10期每个变量对企业绩效的冲击响应过程。其中，图2表示的是企业绩效（P）、绿色技术创新（RD）以及现金持有（CASH）、资产规模（lnSIZE）、技术能力（TC）这三个控制变量对企业绩效（P）的脉冲响应函数的曲线图。曲线位于数轴上方表示自变量与因变量的关系呈正相关，曲线位于数轴下方则表示变量之间关系呈负相关。

从图2中可以看到，冲击变量分别是企业绩效本身、绿色技术创新、持有现金、资产规模和技术能力，响应变量是企业绩效。当给予企业绩效自身1单位标准差大小的冲击后，产生的回应是正向的，但是随着期数的增加，企业绩效产生的正向回应在持续不断地下降。这表明企业绩效自身对企业绩效的正向影响作用显著，但是随着期数的增多，这种正向影响在不断减弱。说明企业不能只进行一成不变的生产经营活动，还需要增加一系列的投资与创新活动去获得更多的收益，进而提升企业绩效。

图2 P、RD、CASH、lnSIZE以及TC对P的脉冲响应

当给予绿色技术创新1单位标准差的冲击后，企业绩效所产生的回应是负向的，但是这种负向的回应在第3期以后有所改善，第3期之后的曲线呈现不断升高的趋势。这表明整体来看，绿色技术创新的冲击对企业绩效产生负向影响，但是随着期数的增加，这一负向影响作用在不断减弱，长期可能存在正向影响。究其原因，主要是企业在绿色技术创新活动的前期，投入的人力、资金和设备需要时间去转化为绿色化产品，企业所投入的成本无法在短期内获得相应的收益，从而降低企业绩效。但这种现象只是暂时的，随着绿色技术创新活动不断取得成果，研发产出所带来的收益能够均衡企业的研发成本，最终研发成果会给企业带来巨大的收益，有效地提升企业绩效。因此，研究表明从长期来看，绿色技术创新对企业绩效的抑制作用正在不断地减弱。

当给予持有现金1单位标准差的冲击后，企业绩效的回应是正向的，但是在第2期以后，企业绩效所产生的回应在持续不断地下降，在第9期时企业绩效的回应由正向转变为负向。这表明短期内持有现金的冲击能够对企业绩效产生正向影响，但是长期来看这一正向影响在逐渐减弱，最终转变为负向影响。当给予资产规模1单位标准差的冲击后，企业绩效产生了持续的正向回应，并且在第4期以后趋于平缓。这表明长期来看资产规模的冲击能够对企业绩效产生正向影响，资产规模能够促进企业绩效的成长。当给予技术能力1单位标准差的冲击后，企业绩效产生的回应是负向的，但是在第2期以后曲线呈现不断升高的趋势，即企业绩效产生的负向回应在不断减弱。这表明整体来看，技术能力的冲击对企业绩效产生负向影响，但是长期来看负向影响在不断减弱。究其原因，主要是企业研发人员的投入要想获得一定的研发成果，需要一定的时间成本，短期内无法获得收益，从而降低企业绩效。但是从长期来看绿色技术创新的研发成果所带来的收益能够均衡企业的研发人员成本，最终会给企业带来巨大的收益，进而提高企业绩效。因此，从长期来看技术能力对企业绩效的抑制作用也在不断减弱。

4.6 方差分解

与脉冲响应函数不同，方差分解可以比较各变量对同一内生变量的相对重要性，还可以分析不同的预测期内，同一变量对该内生变量的累计贡献度。因此，为了能够更精确地考察重污染行业的绿色技术创新对企业绩效的影响程度大小，本文通过方差分解得到了重污染企业绩效在第10 期、第20 期以及第30 期的方差分解结果，结果见表7。

表7 方差分解结果

通过对表7 的观察，将企业绩效自身、绿色技术创新、持有现金、资产规模和技术能力对企业绩效的方差贡献率进行比较，我们可以清晰看出：企业绩效对其自身的解释程度是最大的，在第10 期为91.33%，在第20 期为88.50%，在第30 期为87.43%，可见随着期数的延长，企业绩效对自身的方差贡献度呈逐渐下降趋势。这说明企业绩效对其自身的解释程度较强，虽然解释程度在不断减弱，但是企业绩效自身仍处于决定性地位。绿色技术创新对企业绩效的解释程度次之，在第10 期为6.23%，在第20 期为8.35%，在第30 期为8.84%，可见随着期数的延长，绿色技术创新对企业绩效的方差贡献度在不断增强。这说明绿色技术创新对企业绩效的解释力度相对较高，绿色技术创新的变动能够较大程度地解释企业绩效的变化情况。

除此之外，在控制变量中，持有现金对企业绩效的贡献度在第30 期为0.83%，并且从表中能看出，持有现金对企业绩效的方差贡献度呈增长趋势，这说明持有现金对企业绩效有着一定的影响作用，但是这一影响作用有限。资产规模对企业绩效的贡献度在第30 期为2.05%，并且从表7 中能看出，资产规模对企业绩效的方差贡献度呈不断增长趋势。技术能力对企业绩效的贡献度在第30 期为0.85%，技术能力对企业绩效的方差贡献度也呈递增趋势。

5 结论及启示

本文通过构建绿色技术创新与企业绩效的关系模型，分析在中国高度重视生态文明建设的情况下，绿色技术创新对企业绩效的影响作用，并根据2013—2019年中国16个重污染行业的面板数据，运用PVAR面板向量自回归模型进行了实证分析，得到以下研究结论：（1）重污染行业的绿色技术创新对企业绩效的影响具有时滞性，长期来看具有正向影响作用。即企业研发投入强度的增加会促进企业绩效的成长。（2）模型检验发现，绿色技术创新对企业绩效的影响关系是非常稳定的。脉冲响应关系中，绿色技术创新对企业绩效的抑制作用明显减弱。而在方差分解分析中，绿色技术创新对企业绩效的方差贡献度也是较强的。

基于研究结论，可以发现重污染企业进行绿色技术创新可以有效影响企业绩效，并且需要不断地提高绿色技术创新水平，实现经济的可持续发展，进而实现经济增长与环境保护的双赢。基于此，本文有如下研究启示。

（1）企业应该积极进行绿色技术创新。首先，重污染企业要正视自身发展问题，主动承担社会责任，通过培养高素质的科研人员，提高企业的绿色技术创新能力，提高资源利用率，生产绿色产品，最大程度地减少排放，最终达到提高企业绩效的目的。其次，重污染企业还应该完善公司的绿色技术创新制度，从根本出发建立绿色创新保障机制，保障自身的研发效率，保障企业的绿色技术创新活动可以有条不紊地进行。最后，企业需要把绿色技术创新贯穿到经营管理中，建立生态与经济相协调的发展模式，调整企业内部组织机构，建立一套自我约束的环境管理体系。

政府可以适当减免重污染企业绿色创新方面的税收，大力支持企业进行绿色研发活动，推进重污染企业的产品绿色化升级。对于进行绿色技术创新的重污染企业，政府还应当采取一些财政补贴的措施，积极引导企业进行绿色技术创新。社会公众要自觉监督企业的环境污染行为，应该密切关注企业的绿色技术创新能力，倒逼企业生产绿色产品。

（2）企业应该关注绿色技术创新所带来的长远利益。重污染企业应该用发展的眼光看待绿色技术创新，要关注长远利益，坚持进行绿色技术创新活动。股东、职工等应该给予重污染企业更多的包容，尤其是在企业绿色技术创新活动的前期，不要太过于关注短期的亏损，而应该更加地关注企业的长远效益，鼓励支持企业进行绿色技术创新。

政府应该清楚绿色技术创新活动具有时滞性，投入并不能够立刻转化为收益。因此，政府要保持定力，给予重污染企业绿色技术创新活动足够的时间和试错机会，努力为重污染企业创造平稳健康的经济环境，帮助企业度过绿色创新的攻坚时期。社会公众也应加强对重污染企业的监督意识，共同营造友好的社会氛围。