文章以二氧化硫排污权交易试点改革的制度解析为基础，从价值链的新视角讨论市场型环境规制下制造企业转型升级的路径选择机制，在理论上提出微观主体向下游延展的服务优化效应与向上游攀升的创新激励效应。
在经验研究方面，将中国企业污染数据库与制造业上市公司数据匹配获得微观样本，运用工具变量法解决内生性问题，检验了市场型环境规制对制造企业转型升级路径选择的影响。
排污权交易制度的实施本质上是成本有效的，解决了排污权的无效配置问题，也能更好地激发企业为实现清洁生产而作出战略调整的动力。制造业转型升级应该包括两个选择：一是通过低风险低投入的
服务融合
，开拓新市场，增加客户满意度，促进制造业与现代服务业深度融合发展；二是通过高投入、高风险的
绿色技术创新
，提高产品质量，化解传统制造行业过剩产能，向高加工度和高附加值升级，最终获得超额利润。无论是实现功能价值的服务融合，还是追求产品价值的绿色创新，均可以提升企业核心能力、创造顾客价值及竞争优势（见图1），改善价值链低端锁定问题，促进制造企业全球价值链分工地位攀升。
在排污权交易制度的作用下，外部环保压力会给微观企业带来制造环节机会成本的增加，促使制造企业提升自主性减排动力。综合考虑成本约束以及利润最大化驱动，制造企业会进行积极的战略调整，即通过选择向价值链下游延展的服务转型，或者向价值链上游攀升的创新升级，抵消排污权交易制度给企业带来的成本增加，获得企业价值链延伸的潜在收益，实现转型升级。
排污权交易制度的实施会给制造企业带来经营压力，增强污染减排意识，减少高污染的主营业务，从而推动制造企业服务转型。按照对制造企业价值提升的贡献程度标准，制造企业涉及的服务业务可以被划分为两种类型：一是
围绕核心制造产品展开的，有利于价值链延伸
的
嵌入式服务
，通过制造与服务资源的整合提高产品附加值及顾客满意度，从而增强制造企业竞争优势；二是
与主营产品无任何战略匹配关系的，远离主营业务价值链
的
混入式服务
，其初衷是通过无关多元化经营，重新配置企业资源以获取更多利润。对于嵌入式服务，排污权交易制度实施后，制造企业可以通过嵌入式服务融合转型降低产品的需求价格弹性，将排污权交易所引发的新增规制成本转嫁给下游消费者，因此管理者进行嵌入式服务转型的动机也会得到增强。而对于混合式服务，排污权交易制度实施之后，无论是污染治理还是购买排污权，均会对其经营现金流产生影响，表现为企业流动资产占比下降，因此制造企业有动力剥离掉部分无竞争优势与较高经营风险的混入式服务，将有限资源配置到与核心产品有关的嵌入式服务中去，从而实现制造企业的价值链延伸。
排污权交易制度实施后，尽管制造企业有动力采取新的生产技术降低污染排放，但由于面临着绿色技术创新的转换成本，考虑到产品创新活动具有的高投入、高风险和回报周期长特征，在保证产出总量不变的条件下，制造企业会率先考虑低成本、见效快的末端污染治理。只有当制造企业难以将二氧化硫排放造成的成本增加转嫁给其他企业，而且末端治理带来的减污能力达到极限时，排污权交易制度才能对企业绿色技术创新形成真实压力；否则环境规制政策的有效性将受到影响，创新补偿效应也难以发挥。
选择
二氧化硫排放量加以取对数
的形式作为企业污染排放水平的衡量指标
将制造企业所涉及的全部服务业务细化为17种类别。其中，产品安装和售后维护、远程监控和测试、软件和信息技术解决方案等，将其界定为嵌入式服务；贸易分销、物流、金融、房地产、酒店餐饮、旅游服务等，称之为混入式服务。采用服务业务收入占营业收入的比重衡量制造企业的服务融合水平。
采用
绿色专利申请数量加以取对数作为制造业绿色创新活动的核心衡量指
标，并采用
绿色发明专利申请数量加以取对数表征企业的高质量绿色创新
。
排污权交易试点政策（Treat×Post）。其中，Treat为分组虚拟变量，当样本制造业企业处于“排污权交易”试点地区时取1；否则为0。具体而言，在基准回归中，若上市公司位于2007年二氧化硫排污权交易试点的十一个省市时，其分组变量取1，否则为0；Post表示政策冲击的时间虚拟变量，“排污权交易”试点前取0，之后则取1。
主要涉及四个数据库：中国工业企业污染数据库、上市公司专利数据库、万得（WIND）资讯金融终端以及国泰安（CSMAR）数据库。
表1第（1）列和第（2）列为样本匹配前的双向固定效应回归。可以看出，重点考察变量
Treat×Post的系数均显著为负
，说明排污权交易试点政策显著降低了制造企业的SO2排放量，实现了制造业污染减排。
使用空气流通系数作为是否纳入二氧化硫排污权交易试点的工具变量。表1第（3）列和第（4）列结果显示，
交叉项Gf×Post的系数在1%的水平上显著为负，且F统计量大于临界值10
，表明工具变量满足相关性条件。第二阶段的估计结果表明，重点关注的
交叉项Iv×Post系数在1%的水平上依旧显著为负
，与基准回归一致。
将制造业转型从服务融合和绿色创新两方面进行考虑。表2第（1）列和第（2）列结果显示，
排污权交易试点政策显著提升了制造企业嵌入式服务融合水平，同时显著降低了制造企业混入式服务融合水平
。表2第（3）列和第（4）列结果显示，尽管
重点考察变量Treat×Post的系数均为负，但却不显著
，表明排污权交易试点政策不论是对企业的绿色创新活动还是对高质量的绿色发明创新活动均无显著影响。
包括：更换被解释变量；更换估计模型（PSM）；剔除其他政策干扰；安慰剂检验。
第一，
选择前五大客户销售额占比衡量制造企业的客户集中度
，客户集中度越高，企业与客户之间就更容易形成稳定可靠的客户关系，从而提升企业进行服务转型的意愿和能力。第二，
选择固定资产投资占比衡量企业的资本分配结构
，较高的固定资产投资水平可以为制造企业进行产品相关服务的转型升级提供相应的物质基础。机制检验结果显示（见表3），
客户集中度与固定资产的系数均在1%的水平上显著为正
。
以
流动资产占比和营销强度反映制造企业投资于混入式服务的倾向
，结果显示，
流动资产占比与营销强度均显著为负
。
选择企业脱硫设施的数量表示污染治理投资水平，同时以脱硫设施的脱硫能力衡量企业的污染治理水平，以企业R&D投资强度作为绿色创新投资的衡量指标。表4机制检验结果显示，
脱硫设施与脱硫能力的系数均显著为正，研发投资的系数为正却不显著
，说明排污权交易推动企业提高了末端污染治理投资水平，但不利于绿色专利成果的产出。
文章使用基于上市公司经营范围调整的行业生产链位置，衡量制造企业所处的生产链位置，该指标越大表明企业的制造产品更接近基于原材料的生产起点；反之则越接近最终产品的生产制造。表5第（1）列和第（2）列可以看出，
对嵌入式服务而言，DID与生产链位置交互项的估计系数显著为正
，表明对生产链上游的企业而言，排污权交易显著提升了制造业服务优化升级。
利用文本挖掘技术，采用上市公司年报中关于数字化相关词频数的对数形式，构造企业层面的数字化指数。表5第（3）列和第（4）列可以看出，
在嵌入式服务方面，DID与市场势力交互项的估计系数显著为正，而对于混入式服务的交互项系数为负
。
以勒纳指数作为度量制造企业市场势力的指标，表6第（1）列和第（2）列可以看出，在绿色创新方面，DID与市场势力交互项的估计系数显著为负。另外，在绿色发明创新方面，DID与市场势力交互项的估计系数为负却不显著，说明市场势力并不能显著影响企业的高质量绿色创新水平
【论文有明显错误！！】
。
选取制造企业的专利存量表征企业的技术基础条件。表6第（3）列和第（4）列可以发现，
无论是对绿色创新还是对绿色发明创新，DID与技术基础交互项的估计系数均显著为正
，这意味着相比于技术基础薄弱的企业，拥有较好技术基础的制造企业具备进行绿色创新的转型升级的优势。
*政策有效应基准回归
set more offgen distance=year-2007tab distance,missingforvalues i=1/5 { gen d_`i' = 0 replace d_`i' = 1 if treat== 1 & distance== -`i'}forvalues i=1/6 { gen d`i' = 0 replace d`i' = 1 if treat== 1 & distance== `i'}gen d0 = 0replace d0 = 1 if treat== 1 & distance== 0 drop d_1xtset id year
xtreg lnso2 d_4 d_3 d_2 d0 d1 d2 d3 d4 d5 d6 $xlist i.year,fecoefplot, keep(d*) coeflabels(d_5="-5" d_4="-4" d_3="-3" d_2="-2" d0="0" ///d1="1" d2="2" d3="3" d4="4" d5="5" d6="6") ///vertical addplot(line @b @at) ytitle("回归系数") xtitle("相对于政策的时间（年）") yline(0) levels(90) scheme(s1mono) ciopts(recast(rcap) lpattern(dash))
global xlist "lnasset lev caplab cocen inexr grow"
xtreg lnso2 treat_post i.year,feest store b1xtreg lnso2 treat_post $xlist i.year,feest store b2xtreg treat_post tf_post $xlist i.year,feest store b3xtivreg2 lnso2 $xlist (treat_post= tf_post),feest store b4outreg2 [b1 b2 b3 b4] using basic1.doc, replace dec(3)
*转型升级基准回归xtreg emb treat_post $xlist i.year,feest store a1xtreg hyb treat_post $xlist i.year,feest store a2xtreg lnapply treat_post $xlist i.year,feest store a3xtreg lnfm treat_post $xlist i.year,feest store a4outreg2 [a1 a2 a3 a4] using basic2.doc, replace dec(3)
set more offgen distance=year-2007tab distance,missingforvalues i=1/5 { gen d_`i' = 0 replace d_`i' = 1 if treat== 1 & distance== -`i'}forvalues i=1/11 { gen d`i' = 0 replace d`i' = 1 if treat== 1 & distance== `i'}gen d0 = 0replace d0 = 1 if treat== 1 & distance== 0 drop d_1xtset id year
xtreg emb d_4 d_3 d_2 d0 d1 d2 d3 d4 d5 d6 d7 d8 d9 d10 d11 $xlist i.year, fecoefplot, keep(d*) coeflabels(d_5="-5" d_4="-4" d_3="-3" d_2="-2" d0="0" ///d1="1" d2="2" d3="3" d4="4" d5="5" d6="6" d7="7" d8="8" d9="9" d10="10" d11="11") ///vertical addplot(line @b @at) ytitle("回归系数") xtitle("相对于政策的时间（年）") yline(0) levels(90) scheme(s1mono) ciopts(recast(rcap) lpattern(dash))
xtreg hyb d_4 d_3 d_2 d0 d1 d2 d3 d4 d5 d6 d7 d8 d9 d10 d11 $xlist i.year, fecoefplot, keep(d*) coeflabels(d_5="-5" d_4="-4" d_3="-3" d_2="-2" d0="0" ///d1="1" d2="2" d3="3" d4="4" d5="5" d6="6" d7="7" d8="8" d9="9" d10="10" d11="11") ///vertical addplot(line @b @at) ytitle("回归系数") xtitle("相对于政策的时间（年）") yline(0) levels(90) scheme(s1mono) ciopts(recast(rcap) lpattern(dash))
xtreg lnapply d_4 d_3 d_2 d0 d1 d2 d3 d4 d5 d6 d7 d8 d9 d10 d11 $xlist i.year, fecoefplot, keep(d*) coeflabels(d_5="-5" d_4="-4" d_3="-3" d_2="-2" d0="0" ///d1="1" d2="2" d3="3" d4="4" d5="5" d6="6" d7="7" d8="8" d9="9" d10="10" d11="11") ///vertical addplot(line @b @at) ytitle("回归系数") xtitle("相对于政策的时间（年）") yline(0) levels(90) scheme(s1mono) ciopts(recast(rcap) lpattern(dash))
xtreg lnfm d_4 d_3 d_2 d0 d1 d2 d3 d4 d5 d6 d7 d8 d9 d10 d11 $xlist i.year, fecoefplot, keep(d*) coeflabels(d_5="-5" d_4="-4" d_3="-3" d_2="-2" d0="0" ///d1="1" d2="2" d3="3" d4="4" d5="5" d6="6" d7="7" d8="8" d9="9" d10="10" d11="11") ///vertical addplot(line @b @at) ytitle("回归系数") xtitle("相对于政策的时间（年）") yline(0) levels(90) scheme(s1mono) ciopts(recast(rcap) lpattern(dash))
**稳健性1——更换被解释变量xtreg embr treat_post $xlist i.year,fe est store w2xtreg hybr treat_post $xlist i.year,feest store w3xtreg F.fmsy treat_post $xlist i.year,feest store w4xtreg F.fmshouquan treat_post $xlist i.year,feest store w5outreg2 [w2 w3 w4 w5] using wenjian1.doc, replace dec(3)
*稳健性2——更换估计模型*PSM-DIDpreserveset seed 0001gen tmp=runiform()sort tmppsmatch2 treat $xlist,out(emb) logit ate neighbor(1) common caliper(.05) tiespstest $xlist,both gen common=_supportdrop if common==0qui xtreg emb treat_post $xlist i.year,fe est store a1outreg2 [a1] using awj21.doc, replace dec(3)restore
preserveset seed 0001gen tmp=runiform()sort tmppsmatch2 treat $xlist,out(hyb) logit ate neighbor(1) common caliper(.05) tiespstest $xlist,both gen common=_supportdrop if common==0qui xtreg hyb treat_post $xlist i.year,fe est store a1outreg2 [a1] using awj22.doc, replace dec(3)restore
preserveset seed 0001gen tmp=runiform()sort tmppsmatch2 treat $xlist,out(lnapply) logit ate neighbor(1) common caliper(.05) tiespstest $xlist,both gen common=_supportdrop if common==0qui xtreg lnapply treat_post $xlist i.year,fe est store a1outreg2 [a1] using awj23.doc, replace dec(3)restore
preserveset seed 0001gen tmp=runiform()sort tmp
