隐性经济如何影响绿色创新

奥鹏网院作业

隐性经济如何影响绿色创新*
——机理分析与实证检验
邝嫦娥 文泽宙
[提 要]本文运用超边际分析，通过新兴古典模型探讨隐性经济影响绿色创新的机理，得出隐性经济与绿色创新具有非线性关系的结论。利用我国2000—2016年的省域面板数据，采用多指标多原因模型(MIMIC)测算隐性经济规模和DEA-SBM模型度量绿色创新，基于此构建面板门槛回归模型，实证检验隐性经济影响绿色创新的非线性关系。实证结果表明：隐性经济与绿色创新之间存在单一门槛，且呈现出倒U型特征。此外，环境规制、教育水平、开放程度、产业结构、城市化水平也不同程度地影响绿色创新。针对以上结论，提出了相应的政策建议。
[关键词] 隐性经济；绿色创新；门槛效应
一、引言
党的十九大报告指出，要坚定实施创新驱动和可持续发展战略，将绿色创新摆在国家发展全局的核心位置。具体来说，在坚持创新引领的基础上，兼顾绿色低碳环保，通过科学发展实现绿色创新。当前，中国经济发展进入新时代，绿色和创新成为驱动传统工业转型发展的两个最关键因子(吴超等，2018)。绿色创新作为“创新驱动”和“绿色发展”的结合点，是突破资源环境约束、推动可持续发展的有效手段之一(毕克新等，2015；付帼等，2016)，中国经济发展亟须转变以往粗放型增长模式，通过创新驱动产业绿色发展。对此，我国颁布并实施了《环境保护法》《可再生能源法》等环境保护法律法规，制定并落实了《产业结构调整指导目录》《淘汰落后产能工作考核实施方案》等工作方案。一系列绿色创新政策的实施取得了一定成效，但实践中政策失灵的现象时有发生，这与我国隐性经济的存在不无关系。隐性经济作为制度弱化的一个重要指标，使得正规经济部门为了规避绿色创新政策中的诸如排污收费、排污权交易及税收等，存在将正规经济部门业务转向隐性经济部门的倾向，这在一定程度上降低了政策实施的效果(余长林和高宏建，2015)。隐性经济规模越大，则绿色创新政策实施效果的削减力度越大，进而对绿色创新发展的阻碍作用也越大。
隐性经济因其“隐蔽性”往往被人忽视，而事实上中国存在规模较为庞大的隐性经济。早在2012年国家信息中心经济预测部发布的报告《我国地下经济的涵盖范围及主要特征》就指出，我国的地下经济(即隐性经济)几乎涉及所有行业，范围遍及全国各地。2014年进行的全国第三次经济普查数据显示，2013年修订后的国内生产总值在初步核算的56.884 5万亿元基础上增加1.917 4万亿元变为58.801 9亿元，增幅高达3.4%，虽然分别低于2004第一次经济普查、2008年第二次经济普查调增的16.8%和4.4%，但这几次调增反映出我国确实存在未计入国内生产总值统计的隐性经济。[注]数据来源于国家统计局2014年12月19日发布的《中华人民共和国国家统计局关于修订2013年国内生产总值数据的公告》。那么，我国庞大的隐性经济规模对绿色创新发展究竟有何种影响？如何改善隐性经济以促进绿色创新发展？这是本文需要解决的问题。为此，构建隐性经济影响绿色创新的新兴古典分析框架，并以中国省域面板数据进行研究，对于我国生态文明建设、实现经济高质量发展以及跻身创新型国家行列具有重大的理论和实践意义。
二、文献述评
本文涉及两方面文献，一方面是关于隐性经济的研究，主要围绕其内涵、对正规经济的作用及测度方法等方面展开。学术界关于隐性经济的内涵已基本达成一致：隐性经济也称为非官方经济、地下经济、影子经济或未被观测经济等，是指一切逃避政府规章、税收或监管的基于市场或非市场的、合法或非合法的经济活动以及由此产生的收入(Ihrig & Moe，2004；Schneider & Enste，2000；李永海和孙群力，2016)。隐性经济作用于正规经济的渠道和机制是复杂和多方面的。闫海波和陈敬良(2012)研究发现，隐性经济的存在导致GDP统计数据不精准，也致使税收收入流失。而隐性经济通过逃税等方式，以低成本同正规经济展开竞争，损害了正常市场秩序(Dell’Anno，2007)。同时，隐性经济还吸收了大量正规经济的生产要素，导致正规经济中要素投入不足(戚磊，2013)。也有研究指出，正规经济中存在的垄断和进入障碍使得市场资源配置效率较低，其在吸收大量隐性经济进入的同时也改善了正规经济部门中的资源配置效率(Elgin & Mazhar，2012)。此外，Smith(2002)认为隐性经济的存在能够增加失业人群的就业机会和自身福利，也向市场提供更多的产品和服务。针对隐性经济的测度问题，国内外学者进行了深入研究。广泛采用的方法之一是货币需求法，最早由Cagan(1958)提出，并由Tanzi(1983)进一步完善。Pickhardt & Pons(2006)采用Mauleon & Sarda(2000)提出的方法，估算出德国1980—2001年的隐性经济规模介于9.4%～15.7%。Schneider(2005)采用MIMIC方法并结合货币需求法度量了110个国家1990—2000年的隐性经济。国内学者李金昌和徐蔼婷(2005)在已有估算方法的基础上，提出了居民消费储蓄边际倾向—弹性系数估算法和预期与分布滞后模型估算法。杨灿明和孙群力(2010a)采用改进后的货币需求方法，测算了中国1978—2008年的隐性经济规模，并研究了其对收入不平等的影响。
另一方面是关于绿色创新的研究。“绿色创新”一词最早出现在Fussler & James(1996)的《绿色创新：创新和可持续发展的突破体系》一书中，而真正在学术界盛行始于2005年(Schiederig et al.，2012)。一些文献对国内外绿色创新的内涵界定、研究视角、研究内容、主要结论等进行了系统梳理(李旭，2015；张钢和张小军，2013)。总体而言，关于绿色创新的测度和影响因素研究是当前学术界讨论的焦点。在绿色创新的测度上，任耀等(2014)利用DEA-RAM模型构建以绿色发展与创新驱动为核心的绿色创新效率模型，测算了山西省各地区的绿色创新效率。王惠等(2016)构建非期望SuperSBM模型测算2006—2012年中国高技术产业绿色创新效率。高广阔和王艺群(2018)构建Super-Min DS模型对京津冀地区高耗能产业绿色创新效率加以测算并进行区域间的比较。就影响因素而言，国内外学者主要从政府环境规制政策(Greenstone et al.，2011)、企业管理者环保意识调节(Lin et al.，2014；曹洪军和陈泽文，2017)和个人知识共享(李广培和吴金华，2017)等视角展开研究，鲜有学者从隐性经济入手探讨其对绿色创新的影响。而实际上中国的隐性经济规模较为庞大，且隐性经济在一定程度上迎合了政府的意志和行为，作为政府经济规制和政府监管的衍生品，隐性经济极大地增加了政府的监管难度，进而对绿色创新相关政策实施产生影响(彭文斌和路江林，2016)。隐性经济活动通常采用淘汰或污染密集型的生产投入和落后的生产技术，这无疑会成为绿色创新目标实现的障碍。
综上所述，国内外学者关于隐性经济和绿色创新的研究已取得一定成果，但将两者结合起来分析的文献尚处于空白。与现有研究相比，本文的主要边际贡献在于：第一，已有关于绿色创新的研究忽视了隐性经济的存在及影响，而本文将隐性经济作为一个重要指标纳入绿色创新的分析框架之中。第二，本文构建新兴古典模型，从理论上深入剖析了隐性经济对绿色创新的影响机理。第三，运用中国省域面板数据，实证考察了隐性经济对绿色创新的影响。通过理论和实证分析相结合，以期为我国绿色创新发展提供思路。本文余文安排如下：第三部分是隐性经济对绿色创新的影响机理解析，第四部分是隐性经济影响绿色创新的实证研究，第五部分是全文结论及政策建议。
三、机理分析
(一)理论模型
这里借鉴Yang(1988)的新兴古典模型，假定某经济社会由M个消费者—生产者构成，有一种最终产品为绿色产品(z)，其可由传统生产方式(x)和绿色创新生产方式(y)中的一种或两种搭配劳动(l)进行生产。这两种生产方式的主要区别在于：传统生产方式生产绿色产品的生产率(λ1)小于绿色创新生产方式的生产率(λ2)；此外，传统生产方式往往造成较大的环境破坏，政府部门会对使用此种方式的生产部门征收减排税(设为比例税t)，致使隐性经济规模较大，相对而言，绿色创新生产方式的破坏较小，假定不对其征收减排税(即t=0)，则隐性经济规模较小。人们既可以选择自己生产最终绿色产品和生产方式，也可以直接从市场上购买。z，zd和zs分别表示绿色产品的自给量、购买量和销售量，x，xd和xs分别表示传统生产方式的自给量、购买量和销售量，y，yd和ys分别表示绿色创新生产方式的自给量、购买量和销售量。k为具有冰山交易成本属性的交易效率系数，即购买一单位产品实际得到的k部分。绿色产品z根据CES生产函数来生产，个人决策问题可表述为：
Max U=z+kzd
(1)
s.t. zp=z+zs

(2)

(3)
yp=y+ys=(μly)α3
(4)
lx+ly+lz=1
(5)
ωpzzs+pxxs+pyys=pzzd+pxxd+pyyd
(6)
其中，式(1)和式(2)分别表示绿色产品的效用函数和生产函数，式(3)和式(4)分别表示传统生产方式和绿色创新生产方式的生产函数，式(5)和式(6)分别表示劳动禀赋约束和预算约束。为简化而又不失一般性，本文假定：第一，α1，α2和α3均为大于1的常数，即在生产上存在专业化经济，且令α1=α2=α3=α；第二，绿色创新生产方式需要较高的学习投入，只有部分劳动用于实际生产，其实际生产的专业化水平为μly，0<μ<1，而传统生产方式学习投入较低，假定不需要学习投入，其实际生产的专业化水平为lx；第三，ω=a+(1-a)γi为实际获得收入的比例系数，a∈[0，1]为隐性经济规模，则1-a为官方经济规模。因为减排税的存在，以利润最大化为目标且使用传统生产方式的厂商有将绿色产品生产从官方经济部门转向隐性经济部门的倾向(有γ1=1-t，0<t<1)，而由于前面假定不对绿色创新生产方式增收减排税(即t=0)，则有γ2=1。
(二)超边际决策与一般均衡分析
为了聚焦隐性经济对绿色创新的影响，选取传统型完全分工(图1)和创新型完全分工(图2)两种结构模式，并结合文定理、库恩—塔克定理及上述假定条件进行分析。

图1 传统型完全分工

图2 创新型完全分工
换言之，本文考虑的生产和交易都是实现了充分专业化的情况。因此，传统型完全分工和创新型完全分工的决策条件分别表示如下：
传统型完全分工：
lx=1， x=xd=y=yd=ys=z=zs=0
lz=1， x=xs=y=yd=ys=zd=0
(7)
创新型完全分工：
ly=1， x=xd=xs=y=yd=z=zs=0
lz=1， x=xd=xs=y=ys=zd=0
(8)
将式(7)和式(8)两个决策条件分别代入第一节呈现的模型，按照效用均等化条件进行求解，分别得到传统型完全分工和创新型完全分工的角点均衡(见表1)。
表1 两种结构模式的角点均衡

从理性人角度出发，要实现传统型完全分工向创新型完全分工的演变，一个必不可少的条件就是UF>UE，即创新型完全分工的生产者获得的效用(在新兴古典经济学里面称为人均真实收入)比传统型完全分工的生产者获得的效用更高。而比较传统型完全分工和创新型完全分工的角点均衡可以发现，令UF=UE，有a*=[μαλ2+(t-1)λ1]/(tλ1)，此时两种结构模式的效用相等，生产者选择使用哪种生产方式都没有差异。但是，当a≠a*时，显然两种结构模式带来的效用水平存在差异。具体而言，当a>a*时，UE>UF，即隐性经济规模大于临界值a*时，传统型完全分工成为一般均衡，因为使用传统型完全分工可以获得更高的效用，生产者没有动力使用绿色创新生产方式进行生产。当a<a*时，UE<UF，此时隐性经济规模没有跨过临界值a*，使用绿色创新生产方式的生产者可以获得更高的效用，绿色创新技术将应运而生，实现帕累托最优。特殊地，当a*<0，即μαλ2<(1-t)λ1时，a>a*恒成立，传统型完全分工的效用恒大于创新型完全分工的效用，这意味着过高的绿色创新生产方式的学习成本和过低的减排税，使得隐性经济规模已经不存在临界值，无论隐性经济规模多大也无法弥补创新型完全分工高额的学习成本。
综合以上超边际决策及一般均衡分析，可得到如下结论：隐性经济规模对绿色创新的影响并非单一线性的，传统型完全分工向创新型完全分工的演变呈螺旋式。一方面，当a*≥0时，隐性经济对绿色创新的影响与具体的隐性经济规模大小有关，隐性经济规模较大(a>a*)，其对绿色创新具有抑制作用，传统型完全分工成为一般均衡。而当隐性经济规模降到较低水平(a<a*)，其对绿色创新又具有促进作用，传统型完全分工转向创新型完全分工。另一方面，当a*<0时，隐性经济对绿色创新的影响不明显。因此，隐性经济对绿色创新的非线性影响究竟如何，本文使用中国省域面板数据做进一步实证研究。
四、模型估计
第三部分的理论研究表明，隐性经济对绿色创新的影响不是单一线性的。事实上，考虑到地理位置、教育水平、制度环境等外在因素的干扰，隐性经济对绿色创新的影响也往往呈现出复杂的非线性特征。而对于非线性效应通常使用面板门槛回归模型进行检验。为此，本部分构建面板门槛回归模型，实证检验隐性经济对绿色创新的具体影响情况。
(一)计量模型
本文采用Hansen(1999)提出的固定效应门槛回归模型：
yit=μi+β1xitI(qit≤γ)+β2xitI(qit>γ)+εit
(9)
式中，i表示地区；t表示年份；xit，yit为解释变量和被解释变量；qit，γ为门槛变量和待估计门槛值；I(·)为示性函数；εit～iid(0，δ2)为随机干扰项。式(9)等价于：

(10)
由于门槛值个数未知，因此借鉴Hansen(1999)门槛效应思想，构建如下多面板门槛回归模型：
GIit=μi+β1REitI(REit≤γ1)
+β2REitI(γ1<REit≤γ2)+…
+βnREitI(REit>γn-1)+αXit+εit
(11)
式中，GIit表示绿色创新；REit表示隐性经济；Xit表示影响绿色创新的一系列控制变量，其他参数含义同式(9)。
(二)指标与数据说明
1.被解释变量。对于被解释变量“绿色创新”(GI)的测算，为了克服单一指标测度法的片面性和主成分分析法的模糊性，借鉴Tone(2003)提出的非角度、非径向的DEA-SBM模型来测算绿色创新。选用各地区R&D项目经费(亿元)和R&D人员折合全时当量(人年)作为投入，国内专利申请受理量(件)和发明专利申请授权量(件)作为期望产出，工业废水排放总量(万吨)、工业废气排放总量(亿标立方米)和工业固体废物产生量(万吨)作为非期望产出，并运用MaxDEA软件对绿色创新进行测度。
2.解释变量及门槛变量。将隐性经济(RE)同时作为解释变量及门槛变量，其测算方法通常可分为直接法和间接法。直接法主要是基于直接信息进行测算，如个人收集或企业未来申报收入等信息。间接法则主要根据在官方宏观经济统计资料中留下的痕迹来对隐性经济规模进行计算，包括微观收入消费差异法、官方统计和实际劳动力差异法、货币需求法及MIMIC法等。其中，货币需求法应用较为广泛，但同时其假设条件较为苛刻，如现金是隐性经济活动中唯一使用的支付手段，税收是引致隐性经济的唯一原因等。直接法、间接法中的微观收入消费差异法、官方统计和实际劳动力差异法等在理论上来说可测得较为准确的隐性经济规模，但在实际应用中却存在数据获取困难以及可能存在虚假信息等问题。而结构方程模型不仅运用较为普遍，且使用其对隐性经济进行估算所需的数据来源更广，过程更为客观，所得结果可信度更高，也更符合中国实际情况。因此，本文采用结构方程模型的一种特殊形式——多指标多原因模型(multiple indicators and multiple causes，MIMIC)对中国30个省份(不含西藏，下文同)的隐性经济规模进行测算。
借鉴杨灿明和孙群力(2010b)的估算方法，在MIMIC模型中，选用税收负担、居民收入、失业率、自我就业率和政府管制与公共服务作为原因变量，选用经济增长率和劳动参与率作为指标变量，借助Amos23.0软件得到结构方程估计系数，再计算得出中国各省份2000—2016年的隐性经济指数。在此基础上，借鉴李金昌和徐蔼婷(2005)提出的居民消费储蓄边际倾向—弹性系数估算法，计算出各省份以2004年为基准年份的隐性经济指数。最后，利用Tedds et al.(2007)提出的换算方法，可得到各省份历年隐性经济规模。测算结果表明，全国平均隐性经济规模介于15.0%～18.6%，且呈现缓慢上升趋势。进一步地，本文对中国东、中、西部的隐性经济指数进行了简单比较分析。可以发现，东部地区的隐性经济规模介于13.6%～19.1%之间，中部地区的隐性经济规模介于13.4%～18.1%之间，西部地区的隐性经济规模介于15.3%～19.2%之间，且三大区域的隐性经济规模均呈曲折向上变化趋势(见图3)。

图3 全国、东部、中部、西部隐性经济规模
3.控制变量。将教育水平、开放程度、产业结构、环境规制和城市化水平作为绿色创新的控制变量。具体而言：一是教育水平(EDUCATION)：较高的教育水平提高了居民受教育的层次和机会，居民的绿色环保和创新意识加强，有利于绿色创新能力的提升(张腾飞等，2016)，因此选用普通高等学校毕业生人数衡量，为消除异方差，以自然对数形式进入估计方程。二是开放程度(OPEN)：开放程度较高的地区，能获得更多成本降低和技术创新效用，进而促进绿色创新(许和连等，2017)，因此用单位工业总产值的外商投资程度度量。三是产业结构(INDUSTRY)：张娟(2017)认为，产业结构优化升级能有效推动企业绿色创新。通常来说随着第三产业发展、第二产业占比降低，推动作用明显，因此选用第二产业占GDP比重衡量。四是环境规制(REGULATION)：环境规制对绿色创新的作用是双面的，Porter(1995)认为严格的环境规制促进了绿色创新，而Jaffe et al.(2005)认为环境规制会对企业的生产决策空间产生限制，制约绿色创新能力的提升，因此以“三废综合利用产品产值”的人均值作为其替代指标，同样以自然对数形式进入估计方程。五是城市化水平(URBAN)：城市化过程会带来人力资本、教育资源等的集聚，对绿色创新的发展起到积极作用(鲁元平等，2017)，选用城镇化率进行衡量。
鉴于数据的可得性及完整性，本文采用的样本数据集为2000—2016年中国30个省份的面板数据(西藏指标缺失较多，故不纳入)，数据均来自历年的《中国统计年鉴》《中国区域经济统计年鉴》和《第六次全国人口普查主要数据公报》，缺失值由《中国城市统计年鉴》和中国各省份统计年鉴补充。各变量的描述性统计见表2。
表2 变量描述性统计

图4为隐性经济与绿色创新的散点及lowess拟合关系图。可以看出，隐性经济与绿色创新之间存在着非线性关系，即首先隐性经济对绿色创新起促进作用，但是这种促进作用在逐渐减弱。随着隐性经济规模的不断扩大，绿色创新发展速度减慢，甚至逼近阈值，隐性经济转为抑制绿色创新，下面通过面板门槛回归模型进行检验。
五女山山城依山势而建，东、西、北三面都是百尺峭壁，南面是险峻的陡坡，地形易守难攻。目前城内主要发现了3处大型建筑遗址以及城墙、哨所、兵营、蓄水池等遗址。

图4 隐性经济与绿色创新的关系图
(三)实证结果与分析
表3的结果显示，隐性经济在自抽样500次、1 000次和1 500次下，均通过了5%显著性水平的单一门槛检验，相应自抽样F值分别为12.63，11.69和12.63，对应的P值分别为0.048 0，0.037 0和0.030 7。而双重和三重门槛效果在三个自抽样情况下均不显著。因此，下面将基于单一门槛模型分析隐性经济对绿色创新的影响。
隐性经济的单一门槛估计值和95%的置信区间见表4。可以发现，单一门槛模型中门槛值为0.193 4，95%的置信区间为[0.188 5,0.194 4]，据此可将隐性经济分为低规模隐性经济(RE≤0.193 4)和高规模隐性经济(RE>0.193 4)两种类型。
表3 门槛效应检验

说明：***，**，*分别表示在1%，5%，10%水平上显著。P值和临界值为采用Bootsrop“自抽样”法分别反复抽样500次、1 000次、1 500次得到的结果。下表同。
表4 门槛估计结果

表5给出了不同门槛区间内隐性经济与绿色创新的具体关系。估计结果表明，隐性经济对绿色创新的影响存在较强的门槛特征，呈倒U型关系。在隐性经济处于低规模时，回归系数为0.179 7，且通过了5%显著性水平检验，说明隐性经济有利于绿色创新。在隐性经济处于高规模时，回归系数为-0.089 6，显著性水平为10%，此时隐性经济开始抑制绿色创新。这意味着隐性经济对绿色创新的影响并非单调递减(增)，而是存在门槛或拐点。
笔者认为隐性经济对绿色创新的影响可能存在双重效应。一方面，存在“挤出效应”，即隐性经济通过吸收官方经济部门的生产要素等，挤出后者对绿色创新的研发投资；另一方面，存在“补偿效应”，即隐性经济能通过逃税等方式减少成本，为官方经济部门提供补充。因此，隐性经济对绿色创新的影响如何与两种效应的大小有关。进一步分析上述估计结果，当隐性经济处于第一个区间(低规模隐性经济)，隐性经济对官方经济部门的研发投资产生一定“挤出效应”，但由于官方经济部门将一部分业务转向隐性经济部门，给官方经济部门带来了高额利润，弥补了隐性经济对研发投资的挤出，且“补偿效应”使其有更多资本进行创新研发活动，绿色创新能力得到提升。当隐性经济规模进一步扩大，越过门槛值0.193 4到达第二个区间(高规模隐性经济)，此时过大的隐性经济规模意味着大量的经济资源被吸纳到隐性经济这一“未知黑洞”，挤出了官方经济部门的研发投资，导致进行绿色创新研发的资本和人员过度流失，并且“挤出效应”大于“补偿效应”，致使绿色创新能力的提升受到一定限制。
控制变量中，在隐性经济的两个门槛区间内，教育水平的回归系数分别为0.003 4和0.002 6，符号均为正，但未通过显著性检验，说明教育水平对绿色创新存在促进作用，但这种作用不是很明显。开放程度的回归系数很小，同样未通过显著性检验，说明开放程度对绿色创新的影响甚微。产业结构在1%的显著性水平下不利于绿色创新，产业结构每提高1个百分点，绿色创新至少降低1.257 5个百分点。这是由于当前我国第二产业创新能力相对较弱，绿色创新技术的高投入、高风险、长回报周期等特征(陈力田等，2018)，以及传统技术的低端锁定使得第二产业比重的提高反而不利于绿色创新能力的提升。环境规制强度系数在两个门槛区间分别为0.047 2和0.047 6，均显著有利于绿色创新，这主要是环境规制政策的实施会倒逼企业进行绿色创新，使得经济部门加大对绿色创新技术的投入和研发。城市化率均在1%显著性水平下促进了绿色创新，城市化率每提高1个百分点，绿色创新至少提高0.760 7个百分点，这可能是因为隐性经济活动需要大量资本、劳动力等要素，使得绿色创新活动要素投入严重不足，而城市化水平的提高在一定程度上可以弥补这一缺陷，且隐性经济规模越大，城市化水平提高所发挥的作用越明显。
表5 隐性经济门槛模型估计结果

说明：括号内为标准误差。下表同。
(四)稳健性检验
1.加入解释变量的滞后性。考虑到隐性经济对绿色创新的促进或抑制效应可能存在滞后性，所以，为进一步检验前述结果的稳健性，接下来我们将隐性经济指数取滞后一期或二期值，再在原有隐性经济门槛划分区间内进行混合OLS检验。从表6的稳健性检验结果可以看出，原有门槛模型的回归结果非常稳健，无论是将隐性经济滞后一期还是滞后二期，隐性经济前面的系数符号方向均未发生变化，说明原有模型估计结果具有较高的可信度。
表6 考虑解释变量滞后性的稳健性检验结果

2.变换隐性经济的测度方式。隐性经济的测度方式不同可能会导致隐性经济对绿色创新的影响存在差异，因此，进一步选择有别于前文隐性经济测度方法的“微观收入消费差异法”对2000—2016年中国30个省份的隐性经济规模进行分析。该方法的主要思想是支出(消费支出与投资支出之和)减去官方公布的国民收入即为隐性收入，进而得到隐性经济规模，具体可参见张曾莲和盖亚洁(2018)的估算方法，通过计算得到全国平均隐性经济规模介于16.0%～25.2%之间。在此基础上，重新检验隐性经济对绿色创新的门槛效应。Bootsrop“自抽样”结果显示，在10%显著性水平下依然只存在单一门槛，且门槛值为0.207 2[注]因为测度方式和指标选取的不同，得到的隐性经济规模与之前测得的隐性经济规模存在一定偏差，从而门槛值也会发生变化。。门槛模型估计结果见表7。从表7中可以看出，通过变换隐性经济的测度方式，隐性经济对绿色创新的影响并未发生变化，即隐性经济对绿色创新的影响仍呈现出单一门槛特征，且在低规模隐性经济时促进绿色创新，而跨过门槛值到达高规模隐性经济区间时转为抑制绿色创新发展，再次验证了原有模型估计结果是稳健的。
表7 变换隐性经济测度方式的门槛模型估计结果

五、结论与建议
本文通过将隐性经济和绿色创新内生到新兴古典模型，探析隐性经济对绿色创新的影响机理。理论分析表明，隐性经济对绿色创新具有非线性影响。在此基础上构建面板门槛回归模型，并利用中国2000—2016年的省份面板数据实证检验了隐性经济对绿色创新的非线性影响。计量结果表明，隐性经济对绿色创新具有显著的倒U型门槛效应，门槛值为0.193 4，在倒U型门槛左边，隐性经济会促进绿色创新，当跨过单一门槛值，隐性经济对绿色创新表现为抑制作用。此外，我国产业结构对绿色创新存在抑制作用，而教育水平、开放程度、环境规制和城市化水平均对绿色创新能力的提升发挥积极作用。
当前，我国经济由高速增长转为中高速增长，由“重量轻质”转向高质量发展，正处于转变粗放式发展模式、改造“旧动能”培育“新动能”的关键时期，亟须改善隐性经济现状，促进绿色创新发展，以激发推动我国经济高质量发展的新动力，实现“凤凰涅槃”。由此，从隐性经济和绿色创新方面笔者提出如下政策建议。
第一，制定合理的税收政策，规范劳动力市场。本文的理论和实证分析表明，较高的隐性经济规模不利于绿色创新能力提升，而税收负担和居高不下的失业率是隐性经济存在的重要原因，为此需要通过税收体制改革使隐性经济活动“显性化”，通过加大职业培训、优化就业结构和拓宽就业渠道等手段使劳动力市场“规范化”，为降低隐性经济比重、提高绿色创新能力营造良好环境。
第二，建立长效的绿色创新奖惩机制，加大对隐性经济的监督与管理。政府应建立长效的惠及隐性经济部门的绿色创新奖惩机制，对于大力发展低碳经济和循环经济的企业和部门应给予一定的政策优惠和补贴。加强对隐性经济活动的识别和监管，坚决取缔非法的隐性经济活动，严格按照有关规定规范收入分配秩序，保护合法收入，规范隐性收入，取缔非法收入。同时，将符合中国经济社会发展的隐性经济活动“合法化”，降低隐性经济活动对绿色创新的消极影响。
第三，转变经济发展方式，提高绿色创新能力。经济新常态下，中国应该把科技进步和创新作为加快转变经济发展方式的重要支撑，以创新引领高端制造业，将大数据、云计算、人工智能和物联网等新技术融入传统产业中，通过实施知识产权强国战略、创新驱动发展战略等一系列国家战略来促进中国产业转型升级和经济提质增效，并强调在实施这些国家战略时要更多地靠绿色产业的创新来培育和形成新的增长点。此外，政府应制定合理的环境规制政策，加大对教育、基础设施等领域的投入，加快产业结构优化升级，适度扩大对外开放程度，提高城市化水平，以促进绿色创新的发展。
参考文献
毕克新、杨朝均、隋俊,2015:《跨国公司技术转移对绿色创新绩效影响效果评价——基于制造业绿色创新系统的实证研究》,《中国软科学》第11期。
曹洪军、陈泽文,2017:《内外环境对企业绿色创新战略的驱动效应——高管环保意识的调节作用》,《南开管理评论》第6期。
陈力田、朱亚丽、郭磊,2018:《多重制度压力下企业绿色创新响应行为动因研究》,《管理学报》第5期。
付帼、卢小丽、武春友,2016:《中国省域绿色创新空间格局演化研究》,《中国软科学》第7期。
高广阔、王艺群,2018:《京津冀地区高耗能产业绿色创新效率及影响因素分析——基于空间视角的实证研究》,《工业技术经济》第1期。
李广培、吴金华,2017:《个体视角的绿色创新行为路径——知识共享的调节效应》,《软科学》第3期。
李金昌、徐蔼婷,2005:《未被观测经济估算方法新探》,《统计研究》第11期。
李旭,2015:《绿色创新相关研究的梳理与展望》,《研究与发展管理》第2期。
李永海、孙群力,2016:《税收负担、税制结构对地区隐性经济的影响效应研究》,《当代财经》第5期。
鲁元平、王品超、朱晓盼,2017:《城市化、空间溢出与技术创新——基于中国264个地级市的经验证据》,《财经科学》第11期。
彭文斌、路江林,2016:《隐性经济视角下环境规制对工业环境污染的影响研究——以湖南省为例》,《河海大学学报(哲学社会科学版)》第6期。
戚磊,2013:《隐性经济产业关联的生产率效应》,《中国工业经济》第11期。
任耀、牛冲槐、牛彤、姚西龙,2014:《绿色创新效率的理论模型与实证研究》,《管理世界》第7期。
王惠、王树乔、苗壮、李小聪,2016:《研发投入对绿色创新效率的异质门槛效应——基于中国高技术产业的经验研究》,《科研管理》第2期。
吴超、杨树旺、唐鹏程、吴婷、付书科,2018:《中国重污染行业绿色创新效率提升模式构建》,《中国人口·资源与环境》第5期。
许和连、成丽红、孙天阳,2017:《制造业投入服务化对企业出口国内增加值的提升效应——基于中国制造业微观企业的经验研究》,《中国工业经济》第10期。
闫海波、陈敬良,2012:《隐性经济约束下的动态最优税负——基于状态空间模型的实证》,《中国流通经济》第8期。
杨灿明、孙群力,2010a:《中国的隐性经济规模与收入不平等》,《管理世界》第7期。
杨灿明、孙群力,2010b:《中国各地区隐性经济的规模、原因和影响》,《经济研究》第4期。
余长林、高宏建,2015:《环境管制对中国环境污染的影响——基于隐性经济的视角》,《中国工业经济》第7期。
张钢、张小军,2013:《绿色创新研究的几个基本问题》,《中国科技论坛》第4期。
张娟,2017:《资源型城市环境规制的经济增长效应及其传导机制——基于创新补偿与产业结构升级的双重视角》,《中国人口·资源与环境》第10期。
张腾飞、杨俊、盛鹏飞,2016:《城镇化对中国碳排放的影响及作用渠道》,《中国人口·资源与环境》第2期。
张曾莲、盖亚洁,2018:《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》,《山西财经大学学报》第7期。
Cagan,P.,1958,“The Demand for Currency Relative to the Total Money Supply”,Journal of Political Economy,66(4):303-328.
Dell’Anno,R.,2007,“The Shadow Economy in Portugal:An Analysis with the Mimic Approach”,Social Science Electronic Publishing,10(2):253-277.
Elgin,C.,and U.Mazhar,2012,“Environmental Regulation,Pollution and the Informal Economy”,Bogazici University Department of Economics Working Papers.
Fussler,C.,and P.James,1996,Eco-Innovation:A Break through Discipline for Innovation and Sustainbility,London:Pitman Publishing.
Greenstone,M.,J.A.List,and C.Syverson,2011,“The Effects of Environmental Regulation on the Competitiveness of US Manufacturing”,SSRN Electronic Journal,93(2):431-435.
Hansen,B.E.,1999,“Threshold Effects in Non-Dynamic Panels:Estimation,Testing,and Inference”,Journal of Econometrics,93(2):345-368.
Ihrig,J.,and K.S.Moe,2004,“Lurking in the Shadows:The Informal Sector and Government Policy”,Journal of Development Economics,73(2):530-557.
Jaffe,A.B.,R.G.Newell,and R.N.Stavins,2005,“A Tale of Two Market Failures:Technology and Environmental Policy”,Ecological Economics,54(3):164-174.
Lin,H.,S.X.Zeng,and H.Y.Ma,2014,“Can Political Capital Drive Corporate Green Innovation?Lessons from China”,Journal of Cleaner Production,64(2):63-72.
Mauleon,I.,and J.Sarda,2000,“Income Measurement and Comparisons”,International Advances in Economic Research,6(3):475-487.
Pickhardt,M.,and J.S.Pons,2006,“Size and Scope of the Underground Eeconomy in Germany”,Applied Economics,38(14):1707-1713.
Porter,M.E.,1995,“Toward a New Conception of the Environment Competitiveness Relationship”,The Journal of Economic Perspectives,9(4):97-118.
Schneider,F.,2005,“Shadow Economies around the World:What Do We Really Know?”,European Journal of Political Economy,21(3):598-642.
Schneider,F.,and D.H.Enste,2000,“Shadow Economies:Size,Causes,and Consequences”,Journal of Economic Literature,38(1):77-114.
Schiederig,T.,F.Tietze,and C.Herstatt,2012,“Green Innovation in Technology and Innovation Management:An Exploratory Literature Review”,R&D Management,42(2):180-192.
Smith,R.S.,2002,“The Underground Economy:Guidance for Policy Makers?”,Canadian Tax Journal,85(50):168-191.
Tanzi,V.,1983,“The Underground Economy in the United States:Annual Estimates,1930—1980”,Imf Staff Papers,30(2):283-305.
Tedds,L.M.,Lindsay,and D.E.A.Giles,2007,“Taxes and the Canadian Underground Economy”,Social Science Electronic Publishing,26(5):1639.
Tone,K.,2003,Dealing with Undesirable Outputs in DEA:A Slacks-based Measure(SBM)Approach,GRIPS Research Report Seires.
Xiaokai Yang,1988,A Microeconomic Approach to Modeling the Division of Labor Based on Increasing Returns to Specialization,Thesis(Ph.D.)Princeton University.
HOW DOES THE RECESSIVE ECONOMY AFFECT GREEN INNOVATION——Mechanism Analysis and Empirical Test
KUANG Chang-e WEN Ze-zhou
(School of Business,Hunan University of Science and Technology)
Abstract:This paper applies infra-marginal analysis to explore the mechanism of recessive economic impact on green innovation based on a new classical model,and concludes that there is a nonlinear relationship between the recessive economy and the green innovation.Selecting China’s 2000—2016 provincial panel data,we use the multiple indicators and multiple causes model (MIMIC) to measure the recessive economy scale and the DEA-SBM model to measure the green innovation.A panel threshold regression model is constructed to empirically test the nonlinear relationship between recessive economy and green innovation.The empirical results show that there is single threshold between recessive economy and green innovation,which shows an inverted U type feature.The environmental regulation,the level of education,the degree of openness,the industrial structure,and the level of urbanization also affect the green innovation.Based on above conclusions,we put forward corresponding policy recommendations.
Key words:recessive economy;green innovation;threshold effect
* 邝嫦娥、文泽宙(通讯作者)，湖南科技大学商学院，邮政编码：411201，电子信箱：kuangchangep@163.com。本文得到国家社会科学基金一般项目(18BJY078)、湖南省自然科学基金面上项目(2018JJ2141)、湖南省社会科学基金项目(18YBA168)、湖南省教育厅科学研究优秀青年项目(18B212)的资助。感谢匿名审稿人提出的修改意见，笔者已进行了相应修改，本文文责自负。
(责任编辑：杨万东)