高技术产业绿色创新效率的空间溢出效应

汪传旭 任阳军

高技术产业绿色创新效率的空间溢出效应

汪传旭 任阳军

高技术产业作为国民经济发展中重要战略性产业，其创新效率显著影响着我国经济转型升级和创新型国家战略实施。引入废气废水排放量指标，对识别绿色创新效率区域差异和考察区域间空间溢出效应有重要意义。运用非径向、非角度的SBM模型，对不考虑非期望产出和考虑非期望产出两种情况下的中国省际高技术产业绿色创新效率进行测算和对比，并利用空间Durbin模型分析区域高技术产业绿色创新效率的空间溢出效应。结果表明：不考虑非期望产出时高技术产业绿色创新效率高于考虑非期望产出时的效率，但两种情况下的效率水平都偏低；省域高技术产业绿色创新效率具有空间溢出效应，间接效应、总效应对高技术产业绿色创新效率呈现出与直接效应相同的影响方向；不同解释变量对本地区和其他地区绿色创新效率提升作用的显著性不同。含有非期望产出的绿色创新效率考虑了环境因素和市场化因素的影响，测度结果更为科学与合理。

高技术产业； 绿色创新效率； 空间溢出效应； 非期望产出

一 引 言

在新科技革命和经济全球化两股力量的驱动下，建设以创新驱动为特征的创新型国家已成为中国坚持走可持续发展道路的必然选择(王兵和黄人杰，2014)[1]。当前，随着国际社会对生态环境问题的广泛关注，越来越多学者深入地探讨环境、经济和社会融为一体的可持续发展的绿色创新综合效率(张江雪和朱磊，2012)[2]。学者们主要采用两种方法研究绿色创新效率：第一种是数据包络分析(DEA)方法(党国英和秦开强，2015)[3]。例如周力(2010)[4]运用DEA和Malmquist指数法对省际绿色创新效率进行研究，韩晶(2012)[5]采用DEA和Tobit回归对中国绿色创新效率及其影响因素进行分析，冯志军(2013)[6]运用DEA-SBM方法分析比较了30个省级区域及八大经济区规模以上工业企业的绿色创新效率，任耀等(2014)[7]运用DEA-RAM模型对山西省工业绿色创新效率进行评价；第二种则是借助环境库兹涅茨曲线假设检验环境污染是否随着人均GDP增加而出现拐点，如彭水军和包群(2006)[8]、曹光辉等(2006)[9]的研究成果等。也有一些学者采用其他方法测度绿色创新效率，如王建明等(2010)[10]运用结构工程法测度工业企业的绿色创新活动效率，华振(2011)[11]借助因子分析法测度东三省的绿色创新效率。

高技术产业作为国民经济的战略性产业，在推动我国经济和社会发展进程中占有重要地位，其创新能力的高低显著影响着我国经济发展和自主创新能力提升，进而影响我国创新型国家战略的实施。目前针对高技术产业创新能力的研究，主要从创新效率的角度展开，并将重点放在研究方法上(李向东等，2011[12]；肖仁桥等，2012[13]；葛磊，2012[14])，但在分析中很少考虑投入产出的“松弛”问题以及非期望产出。同时，以往有关绿色创新的文献多针对企业或行业层面进行研究，区域视角的绿色创新，尤其是对绿色创新效率区域差异的研究明显不足。另一方面，传统的面板回归假定个体间相互独立，没有考虑区域间的相关性和空间溢出效应，导致对绿色创新效率的分析结论不够科学、完整，缺乏应有的解释力。鉴于此，本文结合传统效率和生产率分析理论研究的最新进展，探讨将不可忽略的环境因素引入高技术产业绿色创新效率评价体系中，采用SBM模型来测算中国省际高技术产业的绿色创新效率值，以体现可持续发展视角下的绿色创新理念；并采用空间Durbin模型测算中国各省级区域高技术产业绿色创新效率的时空分异和空间外溢效应；最后，由研究结论提出提升高技术产业绿色创新效率水平的相关建议。这对我国实现经济绿色转型，向节能环保和创新驱动的发展模式转变具有重要意义。

二 研究方法

1.包含非期望产出的SBM模型

传统非参数型数据包络分析(DEA)方法(Charnes et al.，1978)[15]是以“相对效率评价”为基础，通过建立多输出和多输入效率评价体系，根据多指标投入和多指标产出数据对同类型组织进行相对有效性测量的一种非参数方法(魏权龄，2004)[16]，该方法促进了生产函数理论和效率理论的发展，并被广泛应用到决策分析、政策评价、系统工程等领域中。但是，传统DEA方法假设所有产出均是理想产出，然而现实中一些产出指标具有“减少产出以提高效益”的特征，这样的产出被称作“非理想产出”，目前对于“非理想产出”的处理方法如投入产出转置法(Hailu和Veeman，2001)[17]、方向距离函数法(Färe et al.，2007)[18]、正向属性转换法(Seiford和Zhu，2002)[19]等都不符合现实生产过程。另一方面，传统DEA模型采用线性分段和径向理论的效率测算思想，会不可避免地造成投入要素的“松弛”问题。

(1)

w-≥0,wg≥0,wb≥0,μ≥0

式(1)中wb、wg和w-分别为非期望产出、期望产出和投入变量的松弛量，u为权重向量，当wb、wg和w-均等于0时，即θ取值为1，表明决策单元有效，θ小于1则表明决策单元无效，在投入或产出上需要加以改进(Liu et al.，2016)[21]。

(二)空间Durbin计量模型

根据空间计量经济学理论，一个地区的某一属性值或某个经济现象与相邻地区同一属性值或现象在空间上存在关联性。空间滞后模型(Spatial Lag Model，SLM)和空间误差模型(Spatial Error Model，SEM)可以检验空间相关性表现出的空间效应(何兴强和王利霞，2008)[22]。空间Durbin模型(Spatial Durbin Model，SDM)则同时考虑了自变量和因变量的空间相关性。空间Durbin模型表达式为：

Y=ρWY+Xβ+WXθ+ε

(2)

式(2)中，Y为被解释变量的向量，X为解释变量的矩阵，W为空间权重矩阵，ρ为空间回归系数，β表示X对Y的影响，WX为被解释变量的影响因素滞后项，WY为空间距离对空间行为的作用，ε为随机扰动项。LeSage和Pace(2009)[23]以偏导矩的方式得出空间Durbin模型的参数释义，同时确定直接效应、间接效应和总效应的具体概念。直接效应代表解释变量X对本省市被解释变量Y造成的平均影响，间接效应代表解释变量X对其他省市被解释变量Y造成的平均影响，总效应则代表解释变量X对所有省市造成的平均影响。将式(2)改写成如下形式：

(In-ρW)Y=Xβ+WXθ+ε

(3)

对式(3)两边同乘(In-ρW)-1，并展开记为：

(4)

式(4)中Sr(W)=V(W)(Inβr+Wθr)，V(W)=(In-ρW)-1，展开式(4)得：

(5)

由式(5)，因变量Y对自变量X求偏导可认为自变量X对因变量造成的影响。最终可得到(范斐等，2016)[24]：

(6)

(7)

(8)

三 指标选取和数据来源

目前学者们对绿色创新的定义主要有3种(张钢和张小军，2013)[25]：第一种认为绿色创新就是减少对环境产生不利影响的创新；第二种是将绿色创新认定为引入环境绩效的创新；第三种是将绿色创新等同于环境创新或改进环境绩效。在把握绿色创新内涵(追求经济效益、社会效益和环境效益)的基础上，本文基于经济增长理论，在生产过程中主要考虑人力、资本、能源这三种投入要素。因此，选择高技术产业R&D人员全时当量和R&D经费支出*在一定条件下，可推导出R&D流量对数值与R&D存量对数值近似相等，故多数研究中都用R&D流量取代R&D存量。来衡量企业绿色创新活动的人力和资本投入。同时，选取各省市高技术产业能源消耗总量，并统一折算为标准煤，来衡量企业绿色创新活动中的能源投入。

绿色创新过程不仅要获取经济效益，还需要关注改善自然环境的生态效益。据此本文将绿色创新活动的产出指标分为期望产出和非期望产出。期望产出指标方面，专利是绿色创新活动过程的主要产出，也是企业科技资产的核心部分，包含专利申请数和专利授权数(李习保，2007)[26]，专利申请数相对能够体现创新的真实水平，而专利授权数受政府专利审查机构审核能力的影响，其不确定性因素较大。因此，选取高技术企业专利申请数来衡量企业绿色创新潜在的市场收益和价值实现。但因为专利不能准确反映创新成果的转化能力和市场价值，在衡量绿色创新的经济效益中存在一定局限性，所以选取高技术企业新产品的销售收入作为反映绿色创新带来的直接经济效益的衡量指标。非期望产出指标方面就必须考虑绿色创新过程中环境污染物的排放，选择各省市高技术产业二氧化硫排放量、废水排放量来衡量企业绿色创新所带来的环境效益。

本文根据我国高技术产业当前的发展现状，选取高技术产业绿色创新效率的影响因素，如表1所示：

表1 高技术产业绿色创新效率影响因素说明

根据上述指标以及绿色创新效率的影响因素，分别统计中国29个省、市、自治区(除海南、西藏、台湾、香港、澳门)2009-2014年高技术产业绿色创新活动的数据*海南、西藏部分年份数据严重缺失，故略去，其余省份少量数据缺失采用均值或线性插值法填补。，数据均来自《中国统计年鉴》、《中国科技统计年鉴》、《中国能源统计年鉴》以及《中国高科技产业统计年鉴》。此外，考虑到创新投入与创新产出之间存在时间滞后性，本文借鉴已有研究的做法，将投入与产出间的时滞设为1年(高晓光，2015)[27]。因此，创新投入指标选择2008-2013年的数据，创新产出指标选取2009-2014年的数据。

四 两种绿色创新效率的测度比较

基于包含非期望产出SBM模型，测算2008-2013年29个省、市、自治区高技术产业的绿色创新效率，并与不包含非期望产出的绿色创新效率进行对比，结果如表2所示。两种绿色创新效率反映了在不考虑非期望产出和考虑非期望产出两种情况下的相对效果，体现各区域绿色创新效率的强弱，而非真正的绿色创新效率。

表2 中国各省区高技术产业绿色创新效率

(续上表)

DMU200820092010201120122013排名辽宁0685/05120694/05240741/05640724/05790761/06030793/062010/14吉林0803/07430913/07670907/08020912/08460923/08620902/08756/7黑龙江0706/05790786/06120792/06140819/06310845/06030867/06417/12上海0904/08920937/09050941/09230942/09150958/09270971/09582/2江苏0838/08290901/08940923/09110937/09280932/09300927/09365/3浙江0854/08320889/08580932/09040947/09270938/09290945/09383/4安徽0494/04850568/05390644/06270663/06580680/06940739/072711/14福建0631/05470642/05920653/06160709/06630741/06720787/071312/9江西0388/03670398/03950439/04250558/05460571/05380687/063719/18山东0511/04930632/06240705/06850779/07580819/08120858/084311/8河南0482/04640498/04750522/05160548/05320572/05390592/055718/17湖北0574/05490590/05730613/05950663/06340672/06530683/066013/10湖南0331/03240435/04160438/04250532/05030613/05460648/062720/19广东0682/07380704/07630788/07990818/08450829/08720889/08948/6广西0357/03240346/03350409/03790428/04030445/04360464/049722/23重庆0506/04930552/05280596/05590616/05810624/05970652/062515/13四川0493/04740538/05160543/05280602/05790618/05960634/062917/16贵州0293/02500290/02680322/03170342/03250367/03380384/035427/27云南0302/02940392/03750429/04160428/04190453/04370469/045926/26陕西0260/02350293/02470319/02840369/03280431/03750483/043821/21甘肃0263/02540313/02970417/03740439/03950452/04200459/043625/24青海0303/02860317/02930394/03640398/03750408/03920421/041524/25宁夏0212/02030272/02480283/02630314/02940345/03240362/033828/28新疆0167/01500189/01740223/01950279/02380293/02740332/028929/29全国0529/04900569/05230602/05580637/05930660/06010687/0643

注：“/”两边分别表示不包含非期望产出和包含非期望产出两种情况下的绿色创新效率值及排名情况。

由表2可知，样本期间两种情况下的绿色创新效率均呈现平稳上升态势。在不考虑非期望产出情况下，由2008年的0.529增长到2013年的0.687，均值为0.614，年均增长2.6个百分点；在考虑非期望产出条件下，由2008年的0.490增长到2013年的0.687，均值为0.570，年均增长2.5个百分点。总体上，不考虑非期望产出的绿色创新效率高于考虑非期望产出的效率，但两种情况下的效率水平都有待提升，发展空间都较大。不难理解，近年来我国加快推进创新型国家建设，坚持创新驱动与绿色低碳协调发展，不断增强高技术产业的绿色创新动力；各地区政府通过政策法规等手段加大环境治理力度，改善地区绿色创新环境，降低企业创新活动成本，提高企业绿色创新积极性；此外，公众生态意识、绿色消费意识增强产生了良好的社会风气和道德力量，都有助于我国高技术产业绿色创新效率整体水平的提升。

样本期间不考虑非期望产出的绿色创新效率均值排名前八的地区有北京、上海、浙江、天津、江苏、吉林、黑龙江、广东，而考虑非期望产出的绿色创新效率均值排在前八的地区有北京、上海、江苏、浙江、天津、广东、吉林、山东。可以看出，高效率省份多位于东部经济发达地区，在政策、资金、技术、人才等方面拥有得天独厚的优势，整体创新资源配置效率较高，也是我国创新驱动发展战略的率先实施区域和重点推进区。两种情况下绿色创新效率均值都排在后八位的地区有广西、贵州、云南、陕西、甘肃、青海、宁夏、新疆，多为西部经济欠发达地区，仅排列顺序有所不同。这些省份由于特殊的地理位置，研发项目和资金投入明显低于东部沿海地区省份，在创新平台建设、重大项目申报、科研人才培养等方面处于劣势，这不仅严重影响西部地区的经济、社会发展，而且可能使得创新资源使用效率和配置能力低下，造成绿色创新效率低于全国平均水平。未来这些地区在实施创新驱动发展战略中还面临着诸多挑战，需在技术和资金引进、人才吸引培养、创新环境改善等方面同时发力，构建良好的绿色创新体系，以实现经济的绿色、可持续发展。

与不考虑非期望产出的情况相比，考虑非期望产出时绿色创新效率排名提高幅度较大的地区有：湖北(提升3名)、山东(提升3名)、福建(提升3名)、江苏(提升2名)、广东(提升2名)、江苏(提升2名)，显然这些地区的外部绿色创新环境相对其他省份较好，非期望产出即环境污染较低；而考虑非期望产出时，绿色创新效率排名降低幅度较大的地区有：河北(降低6名)、黑龙江(降低5名)、辽宁(降低4名)、山西(降低4名)，表明这些地区的环境因素对当地绿色创新效率的提升有不同程度的制约作用，未来应该将技术创新和绿色发展紧密联合起来，促进地区经济实现绿色发展。

五 空间溢出效应测度

本部分将运用固定效应的空间Durbin模型测算高技术产业绿色创新效率的空间溢出效应。由表3可知，空间自回归系数通过1%的显著性水平检验，说明中国省级区域高技术产业绿色创新效率存在空间溢出效应。空间溢出效应能够在一定程度上降低各省域高技术产业绿色创新效率格局的非均匀分布，有效提升省级层面的绿色创新效率。

表3 空间Durbin模型回归分析

(续上表)

解释变量原始变量回归系数t统计量滞后变量回归系数t统计量R209050917似然比472276495143样本量12181218

注：***、**分别代表在1%、5%水平上显著。

从绿色创新效率的影响因素来看，研发强度、产业结构、企业规模、政府支持、劳动者素质和金融环境对绿色创新效率产生显著影响，且原始变量和滞后变量的R2都大于0.9，似然比都大于400，表明空间Durbin模型的回归分析结果较好。为了解决空间Durbin模型回归系数不能完全反映自变量对因变量影响这一问题，需对绿色创新效率空间溢出的直接效应、间接效应和总效应进行测算。结果如表4所示。

表4 解释变量的直接效应、间接效应和总效应

注：***、**、*分别代表在1%、5%和10%水平上显著。

从直接效应来看，研发强度、产业结构、企业规模、劳动者素质对高技术产业绿色创新效率有正向影响，且都在1%或5%的水平上通过显著性检验。表明：企业内部研发经费支出在营业收入中比重越大，则该企业绿色创新效率相对越高，这也验证了企业在产业绿色创新体系中的核心作用，说明高技术企业应该更加重视内部研发工作，充分保障内部科研经费，加快提高科研实力和自主研发水平；企业规模越大，越有利于发挥规模经济效益，从而获得更大经济利益；企业从业人员文化水平越高，越有利于员工对先进科技的消化吸收，及时转化研发成果。而政府支持、金融环境对高技术产业绿色创新效率则有负向影响，且分别通过5%和1%的显著性检验。不难解释，企业作为开展绿色创新活动的主体，绿色创新过程中所需经费也应该主要来自企业，企业必须主动进行新产品、新技术的研发，政府补助、外商投资都只能作为辅助手段。此外，市场环境的影响并不显著，原因可能是：国内技术市场交易领域尚未成熟，相关技术许可、转让机制不健全；企业间缺乏交流和沟通，重复引入国外成熟技术，造成资金浪费；同时，许多国外企业较少向我国转让先进技术。因此，国内市场环境仍需进一步改善。

另一方面，间接效应和总效应对高技术产业绿色创新效率呈现出与直接效应相同的影响方向，研发强度与金融环境的直接效应、间接效应和总效应具有相同的显著性水平，这说明增加或减少这些因素可以在一定程度上促进本地区绿色创新效率水平的提升，也能够有效带动其他地区绿色创新效率的同步提高。劳动者素质在直接效应中通过1%显著性检验，而在间接效应中通过5%显著性检验，企业规模、政府支持在直接效应中通过5%显著性检验而在间接效应中通过10%显著性检验，表明这些影响因素对于本地区绿色创新效率的提升带动作用显著大于对其他地区的带动效果。

六 结论与政策建议

本研究在引入废气废水排放量等环境指标后，运用SBM模型测度中国29个省、市、自治区高技术产业的绿色创新效率，并利用空间Durbin模型分析绿色创新效率的空间溢出效应。结果表明不考虑非期望产出时我国高技术产业绿色创新效率历年均值为0.687，考虑非期望产出时绿色创新效率均值为0.643，两种情况下的效率水平均偏低；通过空间Durbin模型回归分析可知，空间自回归系数为0.236，且通过1%的显著性检验，表明中国高技术产业绿色创新效率存在空间溢出效应；从直接效应、间接效应和总效应分析解释变量对高技术产业绿色创新效率的影响，发现研发强度、产业结构、企业规模、劳动者素质对高技术产业绿色创新效率有正面促进作用，政府支持和金融环境对其有负的效应。

“十三五”时期我国高技术产业应该始终坚持创新驱动发展战略，在坚持自主创新的同时引进国内外先进技术，进行消化吸收再创新，并且努力构建绿色产业体系，加快绿色产业化进程，逐步摒弃“先污染、后治理”的传统发展模式。各省份需结合本地区的实际发展情况，充分利用高技术产业绿色创新效率的空间溢出效应，思考研发强度、产业结构、企业规模、政府支持等因素对绿色创新效率的不同影响，以创造有利于提升本地区高技术产业绿色创新水平的良好环境。

[1] 王兵, 黄人杰. 中国区域绿色发展效率与绿色全要素生产率: 2000-2010——基于参数共同边界的实证研究[J]. 产经评论, 2014, 5(1): 16-35.

[2] 张江雪, 朱磊. 基于绿色增长的我国各地区工业企业技术创新效率研究[J]. 数量经济技术经济研究, 2012, (2): 113-125.

[3] 党国英, 秦开强. 高技术产业的技术创新效率与影响因素——对五大类23个分行业的效率分析[J]. 产经评论, 2015, 6(2): 15-16.

[4] 周力. 中国绿色创新的空间计量经济分析[J]. 资源科学, 2010, (5): 932-939.

[5] 韩晶. 中国区域绿色创新效率研究[J]. 财经问题研究, 2012, (11): 130-137.

[6] 冯志军. 中国工业企业绿色创新效率研究[J]. 中国科技论坛, 2013, (2): 82-88.

[7] 任耀, 牛冲槐, 牛彤等. 绿色创新效率的理论模型与实证研究[J]. 管理世界, 2014, (7): 176-177.

[8] 彭水军, 包群. 环境污染、 内生增长与经济可持续发展[J]. 数量经济技术经济研究, 2006, (9): 114-126.

[9] 曹光辉, 汪峰, 张宗益等. 我国经济增长与环境污染关系研究[J]. 中国人口·资源与环境, 2006, (1): 25-29.

[10] 王建明, 陈红喜, 袁瑜. 企业绿色创新活动的中介效应实证[J]. 中国人口·资源与环境, 2010, (6): 111-117.

[11] 华振. 中国绿色创新绩效研究——与东北三省的比较分析[J]. 技术经济, 2011, (7): 30-34, 41.

[12] 李向东, 李南, 白俊红等. 高技术产业研发创新效率分析[J]. 中国软科学, 2011, (2): 52-61.

[13] 肖仁桥, 钱丽, 陈忠卫. 中国高技术产业创新效率及其影响因素研究[J]. 管理科学, 2012, 25 (5): 85-98.

[14] 葛磊. 高技术产业创新效率及其协调度省际差异研究[J]. 运筹与管理, 2012, 21 (6): 197-204.

[15] Charnes, A., Cooper, W. W., Rhodes, E.. Measuring the Efficiency of Decision Making Units[J].EuropeanJournalofOperationalResearch, 1978, (2): 429-444.

[16] 魏权龄. 数据包络分析[M]. 北京: 科学技术出版社, 2004： 35-62.

[17] Hailu, A., Veeman, T. S.. Non-parametric Productivity Analysis with Undesirable Outputs: An Application to the Canadian Pulp and Paper Industry[J].AmericanJournalofAgriculturalEconomics, 2001, 83(3): 605-616.

[18] Färe, R., Grosskopf, S., Pasurka, Jr. C. A.. Environmental Production Functions and Environmental Directional Distance Function[J].Energy, 2007, 32 (7): 1055-1066.

[19] Seiford, L. M., Zhu, J.. Modeling Undesirable Factors in Efficiency Evaluation[J].EuropeanJournalofOperationalResearch, 2002, 142(1): 16-20.

[20] Tone, K.. A Slacks-based Measure of Efficiency in Data Envelopment Analysis[J].EuropeanJournalofOperationalResearch, 2001, 130(3): 498-509.

[21] Liu, Y. Q., Zhao, G. H., Zhao, Y. S.. An Analysis of Chinese Provincial Carbon Dioxide Emission Efficiencies based on Energy Consumption Structure[J].EnergyPolicy, 2016, 96: 524-533.

[22] 何兴强, 王利霞. 中国FDI区位分布的空间效应研究[J]. 经济研究, 2008, (11): 137-150.

[23] LeSage, J., Pace, R. K..IntroductiontoSpatialEconometrics[M]. New York: CRC Press, 2009: 27-41.

[24] 范斐, 张建清, 杨刚强等. 环境约束下区域科技资源配置效率的空间溢出效应研究[J]. 中国软科学, 2016, (4): 73-74.

[25] 张钢, 张小军. 绿色创新研究的几个基本问题[J]. 中国科技论坛, 2013, (4): 12-15, 20.

[26] 李习保. 中国区域创新能力变迁的实证分析: 基于创新系统的观点[J]. 管理世界, 2007, (12): 18-30, 171.

[27] 高晓光. 我国高技术产业创新效率的时间演变与地区分布特征[J]. 产经评论, 2015, 6(5): 30-41.

[引用方式]汪传旭, 任阳军. 高技术产业绿色创新效率的空间溢出效应[J]. 产经评论, 2016, 7(6): 76-84.

Research on Spatial Spillover Effect of the Green Innovation Efficiency of High-tech Industries

/2

Using the SBM model of the non-radial and non-angle, this study calculates and compares the green innovation efficiency of Chinese high-tech industries without considering and considering the undesirable output. Spatial spillover effects of the green innovation efficiency about regional high-tech industries are measured by spatial Durbin model. The results show that the green innovation efficiency of high-tech industries without considering the undesirable output is higher than the efficiency considering the undesirable output, but the overall level of green innovation efficiencies are lower in the two cases (with and without considering the undesirable output), and both have a large room for improvement. There is a spatial spillover effect on the green innovation efficiency of high-tech industries. The indirect effect and total effect have the same impact on the green innovation efficiency of high-tech industries as the direct effect. The explanatory variables are significantly different in the improvement of green innovation efficiency of the region from other regions. The green innovation efficiency containing the undesirable output considers the influence of environmental factors and market factors, so the research results are more scientific and reasonable.

high-tech industries; green innovation efficiency; spatial spillover effect; undesirable output

2016-09-11

国家自然科学基金项目“低碳化背景下考虑产品替代与财税政策的供应链企业‘竞合’协调及其物流网络优化研究”(项目编号：71373157，项目主持人：汪传旭)。

汪传旭，管理学博士，上海海事大学经济管理学院教授、博士生导师，主要研究方向：管理科学与方法；任阳军，上海海事大学经济管理学院博士研究生，主要研究方向：低碳经济、效率和生产率分析。

F276.44

A

1674-8298(2016)06-0076-09

[责任编辑：戴天仕]

10.14007/j.cnki.cjpl.2016.06.007