碳金融交易政策对企业绿色创新的影响

来源 :山东财经大学 | 被引量 : 0次 | 上传用户:xxc1990531
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在绿色金融与市场型环境规制不断发展的背景下,“十三五”规划指出要“建立健全用能权、用水权、排污权、碳排放权初始分配制度,培育和发展交易市场”。为了实现2030年“碳达峰”、2060年“碳中和”目标的庄严承诺,中国一直努力擘画绿色发展、创新发展的宏伟蓝图,主动担当作为,努力实现“绿水青山”和“金山银山”的双重政策目标,积极为全球低碳经济发展做出贡献。碳金融交易政策是减少温室气体排放的有效途径,该政策自2013年6月在我国开始试点以来,已有不少学者从制度设计、碳金融交易市场效率、能源利用效率、政策对全要素生产率的影响、对产业结构的影响等诸多方面展开研究。然而囿于数据的可获得性,以往文献鲜少从企业绿色创新的角度探讨碳金融交易的政策效应。基于此,本文试图选用企业绿色专利申请数量作为衡量企业绿色创新的代理变量,以2006年-2019年我国A股上市企业为研究对象,实证检验了碳金融交易政策对微观企业主体的绿色创新效应。研究结果显示:首先,碳金融交易政策整体上显著促进了企业的绿色创新水平,并且相较于企业绿色发明型专利申请量而言,该政策对企业绿色实用新型专利申请量的促进作用更为显著。其次,经过平行趋势假设检验、改变衡量绿色创新的指标、两期模型检验、排除混淆政策因素等一系列稳健性检验之后,该研究结论依然成立。再次,对行业碳密集度进行的调节效应检验结果显示,碳金融交易试点政策在高碳行业与低碳行业之间的差异暂未显现。可能的原因是政策目前还处于试点阶段,碳交易市场的规模和活跃度不足;另一方面,这也与部分高碳企业可能在绿色创新中存在路径依赖有关,其从高碳技术向低碳技术转换需要较高成本和较长时间。此外,异质性分析表明在区域层面,试点政策对东部地区企业绿色创新的诱发作用较中西部地区企业而言更大,可能的原因是东部地区经济腾飞早、资源禀赋好、创新氛围高等因素;在企业层面,试点政策对国有企业的绿色创新诱发作用较非国有企业而言更大,可能的原因是国有企业所受融资约束较小、在被纳入碳排放交易企业名单中占比较高等因素;同时试点政策对大规模企业的绿色创新诱发作用较小规模企业而言更大,可能的原因是大规模企业掌握更多的绿色创新资源、用于研发投入的资金成本低且绿色创新成果转化率较高。最后,本文根据实证研究结果对全文进行了总结,并从制定更加明确的技术转型指导方案、加强监管机构的监督检查、加大绿色研发投入、继续完善碳价形成机制四个方面提出了相关政策建议。
其他文献
山东省经济处于由高速增长转向高质量发展的阶段,各市经济发展差异明显。全要素生产率是评判一个地区或国家经济增长的重要指标,其测算结果能够帮助我们认清山东省17市的经济发展现状,指明未来发展方向。如何去测算全要素生产率?不同测算方法得到的结果又有怎样的差别?全要素生产率又受到哪些影响因素的影响?围绕上述问题,本文采用多种测算方法对山东省17市的全要素生产率进行详细测算,并对测算结果进行对比分析,采用动
学位
水下目标检测旨在定位和识别水下场景中的目标,在海洋探测和监测、自主水下航行器等水下应用中具有重要意义。然而在复杂的水下环境中获取的图像通常存在严重的退化,影响水下目标检测等高层次视觉任务的执行。水下图像增强算法可以改善图像退化,提高水下图像质量,但是水下缺少真值图像,基于学习的方法在合成数据上训练的模型泛化性能有限,并且图像增强与目标检测任务的优化目标不同,仅考虑算法的增强效果时,增强后的图像不一
学位
这是一篇翻译实践报告,基于笔者对源语言文本《荧屏女同》的翻译。源语言文本是一篇由凯特·麦克尼古拉斯·史密斯撰写的博士毕业论文,属于社会学领域,主要研究近十年来女同性恋群体在电视荧屏上的发展趋势,具有一定的学术价值和现实意义。学术论文的翻译向译者提出了新的要求,不仅要求译者准确把握原文特点,完整传达作者思想,还要兼顾译文的可读性,使译文既清晰易懂,又符合学术论文的客观性和规范性特质。本报告重点研究汉
学位
时间序列数据指的是把针对系统观测得到的数值,按照时间的先后顺序排列而成的一种序列数据。时间序列数据十分广泛的存在于人们的日常生活当中,比如电力系统的地区用电量、气象系统中的污染物排放情况、金融领域中的股指期货变化等等。针对这类时序数据进行分析和研究,通过建立预测模型来对接下来一段时间之内,数据的变化趋势、变化量进行预测。准确可靠的预测结果对于系统的未来决策和发展具有非常重要的指导意义,因此时间序列
学位
数据聚类能够从无标签的数据中获取数据的内在联系和规律,是数据分析的重要基础。k均值聚类算法,因其简单高效而被广泛应用于数据聚类问题。但传统的k均值聚类算法,聚类结果易受初始中心点选取的影响,同时,在处理不平衡数据集及线性不可分数据集的聚类问题时,传统k均值聚类算法的表现差强人意。本文首先在全局k均值算法及多原型聚类算法的基础上,提出了一种改进全局k均值的多原型聚类算法。其次,传统聚类算法在处理高维
学位
文字,在自然环境中随处可见,是人们之间讯息传达和交流的主要方式之一。近年来,自然场景图像中的文本检测与识别技术已成为了计算机视觉、自然语言处理、即时翻译等领域的研究热点,并受到了来自科学界、工业界等各学科领域的强烈关注。然而,由于复杂场景中多尺度、多方向、光照条件等因素影响,自然场景下的文本检测与识别任务仍然是一项极具挑战性的课题。为了进一步提高场景文本检测、识别的精准度和鲁棒性,本文主要研究自然
学位
显著性检测是基于视觉注意力机制的图像理解任务,该建模任务从人类视觉系统理解图像的角度出发,把图像中引起人眼兴趣的像素点设定为前景目标,其余像素点定义为背景区域。显著性检测的相关研究首先在自然图像领域展开,目前随着相关研究的不断深入,研究人员发现视频的时序线索对于显著性检测有着重要意义,添加时序线索有助于仿真视觉注意力机制在动态场景下的视点转移,从而提升最终的显著性检测效果,因此基于视频的显著性检测
学位
在计算机视觉与计算机图形学领域中,人脸图像合成一直是一个研究热点和难点。二维人脸图像合成是指根据输入信息合成一张达到预期值的高真实感人脸图像,其涉及到诸多研究问题,如人脸表情迁移、人脸属性编辑、人脸图像重建等。近年来,基于深度学习思想特别是对抗生成思想的二维人脸图像合成技术,得到了很多学者的关注,取得了长足发展,并被广泛应用在动画制作、数字娱乐、安全防控等领域。由于人脸的特殊性,即使细微的面部变化
学位
时间序列分析已被广泛应用于金融市场预测、电力负荷预测、天气和环境状态预测等实际问题。由于预测时间序列数据的准确值比较困难,近期的研究主要集中在判断时间序列的未来趋势上。时间序列预测通常可以被看作一个分类问题,即预测时间序列的未来趋势方向,例如上升、下降和稳定。作为时间序列分析中最常用的技术指标之一,移动平均线指标可以通过简单快捷的方式对过去一段时间内时间序列的整体变化规律进行总结。虽然移动平均线在
学位
作为人类社会中最常用的信息载体,图像中往往存在大量信息。人类的视觉感知机制可以在复杂图像中快速定位出最吸引注意的内容。研究人员希望计算机可以模拟人类的视觉注意力,具备自动定位场景中显著性内容的能力,于是便提出了显著性目标检测这一任务。该任务旨在从输入图像中自动识别并获取最具吸引力的区域。作为一种基本和有效的预处理方法,它不仅可以帮助降低场景分析的复杂度,还广泛应用于图像和视频压缩、语义分割、视觉跟
学位