财政激励、战略响应与碳排放：来自中国高新技术企业认证政策的证据

《Journal of Environmental Management》：Fiscal incentives, strategic responses, and carbon emissions: Evidence from China's high-tech enterprise certification policy

　　

**摘要要点**

• 我们考察了中国高新技术企业认定政策在企业层面的碳排放效应。
• 我们识别出研发强度阈值处存在显著堆积现象，揭示出普遍存在的战略性研发操纵行为。
• 堆积型企业获得了税收优惠，但并未实现显著的碳排放减少。
• 非堆积型企业表现出大幅且持续的碳排放下降。
• 绿色创新是关键的传导渠道，但该路径在战略性应对企业中被阻断。

**引言**

在维持技术进步和经济增长的同时实现碳中和，已成为当代政策制定者面临的一项标志性制度挑战。随着各国在全球治理框架下承诺实现雄心勃勃的气候目标，学界和政策界日益聚焦于识别能够将经济增长与环境退化脱钩的政策工具（Destek et al., 2025; Ding et al., 2025; Zhou and Lin, 2025）。传统上，基于价格的政策工具和命令—控制型规制，如碳税、排放交易体系和直接环境强制要求，一直是通过内化环境外部性来实现减排的主要机制。然而，一种新兴共识认为，以创新为导向的政策可能提供一种有力的替代方案，通过激发更广泛的 technological 变革来推动结构性脱碳（Gugler et al., 2024; Zeng et al., 2024）。这一范式转变使学界关注点从环境规制的直接影响，转向工业与创新政策尚未被审视的环境附带效应。

尽管已有大量证据表明，财政性创新激励能放大企业研发投入和专利产出（Oliver et al., 2024; Li et al., 2024），但这些供给侧政策能否转化为实质性的环境改善，仍是一个未解的经验问题。创新政策的环境有效性从根本上取决于企业层面合规行为的微观性质。当企业从事实质性创新时，国家支持可以培育真正的绿色技术进步；反之，若企业仅战略性地操纵经营指标，以跨越监管门槛并攫取租金，则预期的环境溢出效应可能荡然无存。因此，判断以创新为中心的政策在何种条件下、并以何种结构性机制产生环境协同效益，对公共经济学和环境治理均至关重要。

作为创新激励机制的典范，中国高新技术企业认定政策（HTE政策）通过大幅度的企业所得税减免和研发补贴来催化产业升级。然而，该政策实现同步碳减排的能力从根本上受限于企业主体行为。企业并非真正积累创新能力的内在动力，而是面临强烈的激励去人为夸大或操纵短期研发强度，以满足法定认定门槛。与主要关注此类政策平均处理效应的既有研究不同，本文考察了由这种非对称合规策略所驱动的显著异质性环境结果。我们利用来自ASIF（中国工业企业数据库）和NTSD（ nighttime 卫星数据？）的合并微观数据，挖掘HTE政策框架中固有的制度性断点（notch）。通过将堆积分析与基于堆积的准差异—差异（bunching-DID）设计相结合，我们分离并比较了聚集于监管门槛附近的企业与门槛外企业各自的碳减排轨迹。该方法使我们能够因果识别战略性企业行为这一常被传统DID框架所掩盖的环境成本维度。

本研究得出三点关键经验洞见。第一，HTE政策诱发了企业法定认证门槛上方显著的非随机聚集，表明普遍存在旨在获取税收偏好的战略性行为。第二，这种堆积行为直接映射到高度分化的环境结果：处于堆积区间内的企业享受了财政减免，但碳排放减少微乎其微；而门槛外真正合规的企业则实现了显著且持续的减排。第三，机制分析证实，绿色创新是将税收激励转化为环境红利的主要传导渠道，而在战略性合规企业中，这一路径完全缺失。最后，利用夜间灯光强度数据作为局部经济活动的代理变量，我们发现真正的高新技术企业并未遭受经济损失，反而实现了"双重红利"——即减排与经济增长的同步提升。

本文在三个方向上对现有文献作出贡献。

**第一，本研究识别了财政激励转化为碳减排结果的边界条件，从而拓展了非环境政策的环保效应文献。** 既有研究主要聚焦于直接的环境政策工具——如环境规制、碳税、排放交易体系和绿色金融——及其对企业减排激励和环境绩效的影响（Pan et al., 2025; Zhang et al., 2020; Shi et al., 2022; Feng et al., 2024; Fang et al., 2024）。这一研究脉络的内在逻辑是，此类政策通过提高污染成本或收紧减排约束，直接影响企业的生产决策和环境行为（Acemoglu et al., 2012）。尽管一支日益增长的文献开始探讨产业政策、创新政策和税收激励项目的环境后果，但现有证据仍主要局限于常规污染物排放指标，并主要集中于平均处理效应（Conrad, 1993; Mao and Wang, 2016; Kong et al., 2023）。然而，关于非环境政策通过促进企业创新和技术进步对碳减排的贡献程度及其作用渠道，仍知之甚少。本研究识别出一个关键边界条件：财政激励能否有效转化为碳减排，取决于企业是否已积累真正的创新能力。这一发现为理解财政激励异质性环境效应的来源及其作用边界提供了新的经验证据。

**第二，本研究通过考察企业针对政策门槛的战略性回应是否构成塑造政策所致环境异质性的关键边界条件，拓展了公共政策环境效应文献。** 以往研究大多集中于税收激励和政府补贴对企业环境绩效的平均处理效应（Dr?ge and Schr?der, 2005; Song et al., 2020; Xia et al., 2022; Yin et al., 2025），而越来越多的文献开始探索政策效应如何在不同企业间产生分化的环境结果（Lyu et al., 2024; Yin et al., 2025）。然而，这些解释大多将这种异质性归因于企业禀赋差异，而非政策设计本身（Chen et al., 2021）。在实践中，处于政策门槛附近的企业可能会针对政策中嵌入的激励结构战略性地调整其研发投入和其他经营决策。这种门槛诱发的行为回应不仅决定企业能否获得政策红利，也可能影响财政激励最终转化为切实碳减排的程度。本文通过实证检验处于堆积区间内与区间外企业之间差异化的环境结果，为异质性环境结果的来源提供了新的经验证据。

**第三，本研究拓展了堆积分析方法的应用，从门槛诱发的战略性回应延伸至其真实环境后果的考察。** 早期研究主要关注税收体系，利用断点处的堆积程度来推断纳税人的弹性反应（Saez, 2010; Kleven and Waseem, 2013）。此后，该方法被应用于最低工资、地价监管和研发激励等多种政策领域。在劳动力市场的雇佣决策、企业要素成本转嫁行为，或围绕研发强度门槛的信息披露策略等情境中，已有研究广泛记录了政策门槛附近显著存在的堆积现象（Chen et al., 2021; Cengiz et al., 2019; Cheng et al., 2021）。然而，这些研究大多止步于识别堆积行为本身，对于将此类战略行为与企业真实结果——如企业碳排放或环境绩效——直接关联的注意力相对有限。换言之，尽管现有研究能够识别企业是否在门槛附近进行操纵（Chen et al., 2021），但这些堆积企业随后在环境方面的表现如何、以及研发操纵是否与企业的环保行为系统性相关，仍未被经验考察。本研究通过结合堆积估计方法与企业层面环境绩效数据，旨在填补这一空白，为战略性企业行为的真实效应提供新的经验证据。

本文余下部分安排如下：第2节阐述中国HTE政策的制度背景并提出理论假设；第3节详细说明数据架构与计量识别策略；第4节报告主要结果；第5节探讨作用机制；第6节总结全文并提出政策建议。

**政策背景（节选）**

在中国创新驱动发展战略下，高新技术企业政策作为核心产业政策，旨在催化技术突破、优化产业结构并培育经济增长的新动力源。国家并非单纯依赖直接的信贷配置，而是将该项目作为重要的宏观调控工具。通过引导创新资源的高效配置并降低研发的cost burden（成本负担）……

**识别策略（节选）**

为识别高新技术企业优惠税收政策中固有的不连续财政断点是否诱发企业在研发强度门槛附近的战略性排序与操纵行为，并评估该行为对企业脱碳轨迹的后续因果影响，本文构建了三阶段的实证分析框架。我们将Kleven (2016)和Diamond & Persson (2016)开创的反事实堆积估计技术与针对工业企业的Bunching识别方法相结合……

**主要结果（节选）**

遵循识别策略中的计量框架，我们正式检验政策断点处是否存在战略性堆积效应。图2呈现了运行变量的经验密度分布。估计结果显示，在门槛处存在一个尖锐的堆积峰值，右侧观测密度系统性地超过平滑的反事实分布，表明大量潜在研发强度低于断点的企业……

**机制分析（节选）**

理论逻辑表明，财政激励可通过降低企业研发的边际成本来刺激低碳创新活动，从而降低碳排放强度。相应地，低碳创新构成财政激励影响碳排放的关键传导渠道。为检验该逻辑，本节遵循Jiang (2022)和Dell (2010)提出的两步法框架：鉴于处理变量对中介变量具有因果效应……

**结论**

本文将反事实堆积估计技术与bunching-DID模型相结合，考察了中国HTE政策对碳排放的影响。利用ASIF、NTSD与高分辨率空间碳栅格记录合并的微观数据，经验发现揭示了法定认证门槛附近普遍存在的非随机排序行为，表明大量企业通过战略性合规来确保财政收益。

**作者贡献声明**

Haotian Zhang：撰写—初稿、数据整理、概念构思。
Zhiwei Wang：撰写—初稿、软件、形式分析。
Kun Huang：撰写—初稿、研究方法。
Xue-Li Chen：撰写—审阅与编辑、监督、形式分析。
Juntao Du：可视化、监督、研究方法、资金获取。
Malin Song：撰写—审阅与编辑、可视化、资金获取。

**资助**

感谢安徽省自然科学基金（2508085QG274）、安徽大学新文科发展专项、国家自然科学基金（No. 72503004, 72188101, 72574001, 72303001, 72221002）的资助。

**利益冲突声明**

作者声明不存在已知的可能影响本文工作的竞争性经济利益或个人关系。

Haotian Zhang | Zhiwei Wang | Kun Huang | Xue-Li Chen | Juntao Du | Malin Song