技术创新途径选择与工业绿色发展——基于中国省级工业面板数据的空间计量分析*

冯志军，陈 伟，许桂华

（1.东莞理工学院 经济与管理学院，东莞 523808；2.哈尔滨工程大学 经济管理学院，哈尔滨 150001）

全球经济发展已经陷入失衡及不可持续的状态，全球各国都致力于将经济发展模式向“绿色发展”模式转变[1]。绿色发展追求的是经济发展和生态环境相和谐相协调的生态理念，是一种可持续经济发展。长期以来，我国工业以“高投入、高消耗、高污染、低效益”和“先污染，后治理”为典型特征，这种黑色经济增长模式造成的资源浪费、环境恶化等矛盾和问题十分突出。因此，必须推进我国工业向绿色集约发展转变。

绿色发展（增长）是通过技术创新驱动与制度安排，以最小的资源消耗和环境代价，创造出资源效率、环境友好、社会包容与和谐的经济增长与最大发展效益的途径。由此，技术创新已经成为实现工业绿色发展的重要“抓手”。技术创新作为驱动经济社会发展的重要引擎，其对工业绿色发展的作用也日益受到重视。技术创新主要分为自主研发、协同创新和技术引进（又分为国外技术引进和国内技术购买）三种途径。只有系统区分三种技术创新途径，才能科学准确地评估不同技术创新途径对我国工业绿色发展的贡献程度及适用性。对于我国工业绿色发展而言，贡献程度最高的技术创新途径是哪一种？三种技术创新途径究竟有怎样的影响差异性？三种技术创新途径功效发挥是否具有区域异质性？这是本文重点关注的问题。

1 文献综述

自Schumpeter 提出创新理论以来，学术界就技术创新与经济增长之间的关系进行了深入探讨，该类研究普遍认为技术创新主要是以提高生产率（全要素生产率）的方式来实现经济增长。

多数学者研究的是某一特定企业技术创新途径对经济增长的影响。在自主研发（自主创新）对经济增长的影响方面，Albert[2]、Jefferson 等[3]基于中国制造业面板数据发现自主研发对经济增长有显著正向影响。Blanco 等[4]基于美国1963～2007年私营企业的数据，发现研发投入对美国GDP（国内生产总值）的弹性系数为82%～211%。吴延兵[5]、夏良科[6]分别针对我国制造业数据与大中型工业企业微观数据进行实证研究，结果都表明自主研发投入有利于生产率的提高。李苗苗等[7]基于中国31 个省（自治区、直辖市）的数据，发现研发投入是显著促进经济增长的直接原因。在技术引进对经济增长的影响方面，Rijesh[8]基于1995～2010年印度制造企业的面板数据，发现技术引进对制造业生产率有着显著的正向影响。袁建新和刘幸赟[9]对影响技术引进促进我国经济增长作用发挥程度的主要因素进行了回归分析，结果表明技术消化吸收因子是最大影响者。傅元海和陈丽姗[10]实证检验进口、外商直接投资和购买国外技术三种技术引进方式对我国经济增长效率的影响，结果表明购买国外技术的影响显著为正。

部分学者开始同时考虑多种技术创新途径对经济增长的影响差异。Hu 等[11]研究发现自主研发和国外技术引进都有利于生产率的提高。吴延兵和李莉[12]发现自主研发、直接技术引进对我国经济增长有长期的积极推动作用。方文中和罗守贵[13]基于2008～2012年上海市高新技术企业数据的研究发现，研发人力投入和国外技术引进对生产率增长有显著正向影响。

在环境问题日益凸显的背景下，部分学者开始探索企业不同技术创新途径对经济绿色增长的影响。万伦来和朱琴[14]发现企业自主研发促进绿色全要素生产率增长的作用机制在于提升绿色技术效率。张江雪等[15]认为，自主创新对中国工业绿色增长的影响大于国内和国外技术引进。张德茗和白秀艳[16]发现，自主研发是高技术区域绿色经济增长的主因，技术引进是中低技术区域绿色经济增长的主因。

与以往研究相比，本文的主要创新之处包括三点。第一，基于系统学二象论将区域工业绿色发展视为一个由区域工业绿色发展状态子系统、过程子系统等两个二象子系统组成的动态系统；在此基础上，构建了一个能够综合度量工业绿色发展规模效益和质量提升的指标——工业绿色发展绩效。第二，突破已有研究单独分析自主研发、协同创新与技术引进对工业全要素生产率或绿色全要素生产率影响的思路，试图在统一的分析框架下系统考察三种技术创新途径对工业绿色发展的贡献差异，检验不同技术创新途径的真实功效。第三，在研究方法、综合地理特征和社会经济特征上构建空间权重矩阵，运用空间相关检验和空间计量模型进行实证研究，以期为提升我国工业绿色发展水平提供更为真实、准确的依据。

2 空间计量模型的设定

2.1 空间计量模型

常用的空间计量模型有两种形式：一种是空间自回归模型（spatial autoregressive model，SAR），另一种是空间误差模型（spatial error model，SEM）。如果模型的各变量间存在空间依赖性，而这个空间依赖导致了各变量在空间上存在相关性，则构建空间自回归模型；当模型的误差项在空间上相关时，即构建空间误差模型。

本文构建的空间自回归模型如下：

式中，GDit为i地区t期的工业绿色发展绩效；α为常数项；W为空间权重矩阵；WG Dit为空间加权自相关变量；ρ为空间自回归系数，衡量在空间权重矩阵关系下其他样本对本地区工业绿色发展绩效的影响程度；IRDit、CIit、FTIit和DTRit分别表示企业自主研发、协同创新、国外技术引进和国内技术购买；β为相应变量的系数；μit为随机误差项；x为其他一系列控制变量；δk为对应控制变量的系数。

空间误差模型考察存在于误差扰动项中的空间依赖作用，度量了邻近地区关于因变量的误差冲击对本地区观察值的影响程度，本文构建的空间误差模型如下：

式中，λ为空间误差系数，衡量在空间权重矩阵关系下其他样本受到的误差冲击对本地区工业绿色发展绩效的影响程度；ε为随机扰动项。其他变量与空间自回归模型相同。

2.2 空间权重矩阵

当前比较常用的空间权重矩阵有地理邻接权重矩阵和地理距离权重矩阵。前者只考虑相邻地区的相互联系，忽略了非相邻地区的相互联系；后者是对称的，意味着两地区间相互影响强度是相同的。然而，实际来看，两地区间的相互影响强度是不同的，如经济发达省份对落后省份的影响大于落后省份对发达省份的影响。由此，本文在地理距离权重矩阵基础上，借鉴张翠菊和张宗益[17]的做法，建立具有社会经济特征的经济距离权重矩阵[17]。

本文采用经济距离权重矩阵来考察区域工业绿色发展的空间效应，矩阵中的权重根据人均GDP 和省（自治区、直辖市）间距离来设置。经过行标准化处理后的空间权重矩阵W的矩阵元素，其中，wij定义如下：

式中，g为观察期内的各省（自治区、直辖市）年平均人均GDP；dij为各省（自治区、直辖市）之间的距离。

3 数据与变量

3.1 工业绿色发展绩效

经济发展不仅包含经济总量增长，还包含产业结构优化和技术升级。同样，工业绿色发展不仅要反映工业绿色发展总量产出与效益（规模指标），还要反映绿色增长方式和效率提高（质量指标）[18]。为了全面客观地评价区域工业绿色发展绩效，本文基于系统学二象论，对其进行描述与测度。

从系统的观点来看，物质世界是由阴阳两种元素组成的，这两种元素存在于同一种事物中，同生同灭，互为存在条件和参考，物理学中把这种现象称为“二象”律（即光具有“波、粒”二象性）。系统科学中更为一般地给出，任一系统皆可分作“虚、实”或“软、硬”两个互抗互补的子系统[19]。高隆昌和徐飞进行了系统的集成性研究，他们最早给出一个最为广泛的二象系统概念及四个等价性概念；并在“系统学”这一更为广泛的意义下提出“系统学二象论”[20]。在“系统学二象论”概念体系下，产生了诸多研究成果。

基于系统学二象论，区域工业绿色发展作为一个动态系统，它在绿色发展过程中呈现状态性和过程性兼具的特征，“状态”是系统的静态描述，“过程”是系统的动态反映。区域工业绿色发展可划分为区域工业绿色发展状态子系统与区域工业绿色发展过程子系统两个二象子系统。前者是客观实在的实像子系统，后者是由该物质子系统所映射的属性构成的虚像子系统。

为了对区域工业绿色发展绩效进行系统评价，首先要对区域工业绿色发展的二象子系统的发展水平进行客观度量。区域工业绿色发展状态子系统的评价侧重于绿色发展产出与效益的衡量，是对区域工业绿色发展产出的整体数量与规模的衡量，主要包含经济效益、能源效益与环境效益。用工业绿色发展效益（GDB）评价区域工业绿色发展状态子系统的发展水平，具体用工业总产值、综合能耗产出率、工业废水排放总量、工业废气排放总量、工业固体废弃物产生总量等5 个指标来衡量；区域工业绿色发展过程子系统的评价侧重于工业绿色发展过程有效性的衡量，是对区域工业绿色发展质量的评判。工业绿色发展质量的衡量要同时反映增长效率和增长方式转变（即能源节约、环境友好）。鉴于绿色全要素生产率是保障经济增长和生态环境协调发展，确保子孙后代享有更好生活权益的劳动生产率，该指标恰当反映了工业由粗放外延发展向绿色集约型发展的转变效果[21]。因此，采用工业绿色全要素生产率（GTFP）来测度区域工业绿色发展过程子系统的发展水平。综上，本文构建的区域工业绿色发展绩效（GD）为

由式（4）可知，区域工业绿色发展绩效水平取决于其二象子系统的发展水平及协调程度。区域工业绿色发展二象子系统相互影响与制约，只有二者的协调与平衡发展才能实现工业集约型绿色发展。

采用熵值法对我国各省（自治区、直辖市）工业绿色发展效益（GDB）进行综合评价和比较。采用Malmquist-Luenberger 指数测算我国各省（自治区、直辖市）工业绿色全要素生产率（GTFP）。在运用Malmquist-Luenberger 指数前，首先要确定投入、期望产出与非期望产出指标。投入指标包括劳动与资本投入。劳动投入应该包括劳动人数、时间、质量等，结合现有的研究，采用我国各省（自治区、直辖市）工业企业从业人员平均数这一指标作为劳动投入的代理变量；同时，选取环境保护系统年末实有人数作为劳动投入的补充指标。以工业企业固定资产投资原值扣除累计折旧后所得到的固定资产投资净值作为资本投入的代理变量[19]；同时，选取环境污染治理投资总额作为资本投入的补充指标。产出指标全部来自于工业绿色发展效益的5 个衡量指标，其中，工业总产值、综合能耗产出率为期望产出；工业废水排放总量、工业废气排放总量、工业固体废弃物产生总量为非期望产出。

3.2 企业技术创新途径

在经济全球化背景下，企业技术创新途径主要有三种，即自主研发、协同创新和技术引进。自主研发是指企业完全依靠自身技术力量进行原始创新，进行基础前沿和高技术研究的一种方式，主要是用来加强源头供给。用工业企业研发经费内部支出来衡量企业自主研发。协同创新是指企业为获得相关的技术、知识、设备或创新产品，以本企业为核心，与其他企业、高校和科研机构等整合创新资源，开展联合研发与集成创新。用工业企业研发经费外部支出来衡量协同创新。技术引进是指企业在引进国内外先进技术的基础上，通过消化吸收形成自我创新能力，进而降低技术创新的成本与风险。企业技术引进包括国外技术引进与国内技术购买，其中，国外技术引进包括技术引进和后期消化吸收，选用引进技术经费支出和消化吸收经费支出之和来衡量国外技术引进；选用购买国内技术经费支出来衡量国内技术购买。

由于国外技术引进、国内技术购买这两项投入产出的周期较短，可以采用流量数据。而研发经费内部支出和研发经费外部支出的投入产出周期一般较长，必须采用存量数据。因此，采用国际上较为通行的永续盘存法来测算各地区研发经费内部支出和研发经费外部支出的存量。

根据现有文献[22]，本文在控制变量中考虑了产权结构（PRO）、企业规模（SIZE）、对外贸易（TRA）、工业资本密集度（IS）和外商直接投资（FDI）5 个因素。具体指标说明见下文。

3.3 数据来源与说明

鉴于从2011年起，规模以上工业企业的统计范围发生变更，因此，为保持统计范围的一致性，本文的研究时段为2011～2015年，研究对象为中国的28 个省（自治区、直辖市）①由于青海、新疆和西藏的数据缺失较多，因此予以剔除。同时，未将我国港澳台地区作为研究样本。的规模以上工业企业。对区域的划分，采用传统做法将28 个省区划分为东、中、西与东北四大区域。表1列出了主要变量的描述性统计结果。

表1 变量的描述性统计结果

4 实证结果及分析

4.1 工业绿色发展绩效的测算结果

中国各省（自治区、直辖市）工业绿色发展效益（GDB）、绿色全要素生产率（GTFP）、绿色发展绩效（GD）具体结果见表2。

表2 2011～2015年中国28 个省（自治区、直辖市）工业绿色发展效益、绿色全要素生产率及绿色发展绩效

2011～2015年，广东工业绿色发展绩效均值最高，山西工业绿色发展绩效均值最低。四大区域相比而言，东部地区工业绿色发展绩效均值最高（0.565），且远远高于全国平均水平（0.484），而中部地区工业绿色发展绩效均值（0.454）与东北地区平均水平相当（0.450），西部地区均值明显较低（0.426）。整体而言，我国区域工业绿色发展呈现明显的区际差异，东部地区是工业绿色发展的“引领者”，中部、东北与西部地区则是工业绿色发展的“追赶者”。

从区域工业绿色发展二象子系统的发展水平看，即针对不同省（自治区、直辖市）工业在绿色发展效益与绿色全要素生产率两个方面的综合表现，以二者的均值为分类阈值（其中横轴为工业绿色发展绩效，其均值为0.476；纵轴为工业绿色全要素生产率，其均值为1.015），可将我国的28 个省（自治区、直辖市）划分为四个象限，如图1所示。

图1 基于二象性的区域工业绿色发展绩效空间分布

广东、北京、天津、山东和湖北5 个省市处于第Ⅰ象限。该类地区的特征为：工业绿色发展二象子系统的发展水平高于全国平均水平，即工业绿色发展兼具较优的规模效益产出和质量提升。该类地区是我国工业绿色发展的标杆地区，具有明显的绿色发展优势。处于该类型的地区要继续探索工业绿色发展的经验与路径，形成以产业体系、创新体系和体制机制为基本内核的绿色发展特色模式，努力将绿色发展的比较优势转化为竞争优势，获取可持续发展先机。

宁夏、广西、吉林、陕西、海南、云南和贵州等7 个省区处于第Ⅱ象限。该类型地区表现为工业绿色发展过程子系统的发展水平高于全国平均水平，而工业绿色发展状态子系统的发展水平低于全国平均水平，即工业在其绿色发展的过程方面，具有一定比较优势，但是在绿色发展规模效益产出上，存在一定不足。该类地区工业具有更好的绿色发展过程有效性，表明该类地区的绿色发展具有一定的过程优势与潜力。

内蒙古、黑龙江、安徽、重庆、河北、甘肃、辽宁、四川和山西9 个省（自治区、直辖市）处于第Ⅲ象限。该类地区的特征为：工业绿色发展二象子系统的发展水平均低于全国平均水平，即在绿色发展规模效益和过程质量上处于“双差”的困局，工业绿色发展整体水平差。对于该类地区，必须以绿色发展理念为引导，在发展地区工业经济的同时，要积极采取措施推进工业低耗、低碳、绿色发展。

江苏、上海、福建、江西、湖南、浙江和河南7 个省市处于第Ⅳ象限。该类地区表现为工业绿色发展状态子系统的发展水平高于全国平均水平，而工业绿色发展过程子系统的发展水平低于全国平均水平。工业绿色发展在规模效益产出上具有一定比较优势，但是在绿色发展效率提升与过程质量上存在一定不足。该类地区要充分发挥工业绿色发展规模效益产出大的优势，扭转绿色发展资源配置效率低的不足局面，真正实现绿色集约发展。值得注意的是，我国传统工业大省上海、江苏和浙江3 个省市表现为工业绿色发展规模总量大但是效率不高，绿色转型缓慢，其工业绿色集约发展任重而道远。

4.2 计量检验结果及分析

本文综合运用Stata14.0 软件编程完成模型估计与检验。

4.2.1 区域工业绿色发展绩效的空间自相关性检验

为了检验区域工业绿色发展绩效是否存在空间自相关性，在进行空间计量检验前，运用Morans’ I 进行空间自相关性检验，结果显示：2011～2015年中国区域工业绿色发展绩效的全域Moran’s I 存在显著的正向空间相关性（系数在0.093～0.187 波动，除2013年以外，其他年份均通过了显著性水平检验），这表明中国各省（自治区、直辖市）工业绿色发展绩效确实存在着空间自相关性，见表3。

表3 中国区域工业绿色发展绩效的空间相关性检验结果

4.2.2 估计结果分析

根据Ansenlin 判断原则以及Hausman 检验结果，本文选择空间误差模型的估计结果作为最终报告结果。根据对空间效应和时间效应的不同控制，空间误差模型分为4 种：无固定效应（nonF）、空间固定效应（sF）、时间固定效应（tF）和时空双固定效应（stF）。表4报告了4 种模型的估计结果。

表4 全国样本的空间误差模型估计结果

从表4可以看出，时间固定效应（tF）的空间误差模型的拟合优度系数Adj-R2值明显大于其他模型，且该模型下各变量的回归系数绝大多数通过了显著性检验，明显优于其他估计结果。因此，本文选择该模型的估计结果进行分析。

从估计结果看，绿色发展绩效的空间误差系数（λ）显著为正（溢出效应为0.388 0），表明我国各省（自治区、直辖市）工业绿色发展绩效（GD）在空间分布上具有显著的空间依赖作用且主要表现为空间误差效应，即经济地理相近地区工业绿色发展绩效水平会逐步趋同。

自主研发（IRD）的回归系数显著为正（系数为0.019 4），表明依靠企业自主研发是我国工业走可持续增长绿色发展道路的有效途径之一。我国经济已经步入新常态，创新驱动与绿色发展已经成为引领我国经济新常态的重要支撑。一方面，自主研发促进企业新技术、新知识的研发和转化应用，推动技术进步进而实现生产率的提升。另一方面，企业自主研发程度的加深会有效促进关键减排、循环和节能等绿色技术及工艺的突破与开发，并在生产过程中加以应用，进而有效降低能源消耗与污染排放。协同创新（CI）对我国工业绿色发展的影响为正，但不显著。可能的解释是，企业与高校、科研院所开展协同创新的初衷存在差异：企业倾向于就有市场导向的新知识与新技术开展合作研发，而高校和科研院所更追求“高”“精”“尖”技术的合作研发。国外技术引进（FTI）对我国工业绿色发展的影响为负，但不显著。可能的原因是处于技术输出地位的发达工业国家，为了维持竞争优势和垄断技术，不愿将尖端的核心技术特别是处于技术前沿的绿色技术加以转让。国内技术购买（DTR）对我国工业绿色发展的影响为负，但不显著。可能的解释是，为了快速实现经济效益，我国企业倾向于购买适应性更强但自身绿色化程度较低的国内技术；这一点在西部地区更为明显，这种低水平的国内技术转移，伴随的是高能耗、高污染的地区性工业转移，这对工业绿色发展产生了一定的负面影响。

从控制变量看，产权结构（PRO）对我国工业绿色发展的影响显著为负（系数为-0.213 4），表明国有企业的减少有利于我国工业绿色发展绩效的提高。国有企业具有明显的国有产权行政归属化特征，这一特征致使国有企业容易受到政绩导向的地方行政干预甚至地方保护，进而带来环境约束软化，不利于工业绿色发展。企业规模（SIZE）对我国工业绿色发展的影响显著为正（系数为0.096 5），表明大中型企业在行业中所占比例的提高对我国工业绿色发展产生正向影响。近年来，我国政府一方面提高行业门槛，限制高耗能产业企业，关闭一大批技术落后、高耗能和高污染的中小企业；另一方面，积极支持行业特色明显、创新能力突出的大中型企业建设技术中心，增强企业自主创新能力。这两个方面引起的工业规模结构变动促进了我国工业绿色发展。对外贸易（TRA）对我国工业绿色发展的影响显著为正（系数为0.132 5）。我国企业通过进出口贸易带来技术溢出效应与学习效应，推动产业结构升级，提高资源配置效率，降低单位产出的能耗和污染排放。工业资本密集度（IS）对我国工业绿色发展的影响为负（系数为-0.011 4），但不显著。可能的解释是：近年来我国重化工业发展趋势明显，而工业重型化导致了环境质量趋于恶化。外商直接投资（FDI）对我国工业绿色发展的影响显著为负（系数为-0.923 8）。这一结果支持了“污染天堂”的假说。由于发达国家提高了环境管制力度与标准，大量FDI 流入包括中国在内的广大发展中国家的污染密集部门。

由于空间误差模型优于空间自回归模型，因此选择空间误差模型作为基准模型对我国东部、中部、西部和东北四大区域进行估计，各区域最终采用的估计模型及其估计结果如表5所示。

表5 分区域样本的空间误差模型估计结果

分区域来看，我国东部、中部、西部、东北四大区域内工业绿色发展的溢出效应表现出明显的区域差异，其中，东部、西部、东北表现为正溢出效应；而中部地区则表现为负溢出效应。

自主研发（IRD）对不同区域工业绿色发展的影响是不一致的。其中，在东、中部地区，企业自主研发的作用是正向显著的，且东部地区的回归系数大于中部（系数分别为0.133 2 和0.071 7）；在东北地区，企业自主研发的作用是负向显著的；而在西部地区，企业自主研发的作用是不显著的。可能的解释是，西部与东北地区整体的自主研发能力不及东部与中部地区。自主研发不仅通过技术进步促进工业生产率增长，而且新技术发明及运用也有利于减少环境污染与降低能源消耗。协同创新（CI）对不同区域工业绿色发展的影响是不一致的。其中，东北地区协同创新的作用是显著为正的。而在东、中、西部地区，协同创新的作用皆不显著。这表明，协同创新对我国工业绿色发展的影响并不稳定。这一结果与全国样本的结果基本一致，表明在东、中、西部地区，产学研协同创新还处于起步与探索阶段，其合作模式、实现路径与实施效果等方面尚未成熟。国外技术引进（FTI）对不同区域工业绿色发展的影响是不一致的。其中，在东部地区，国外技术引进的作用是显著为负的，在中部地区，国外技术引进的作用是显著为正的；而在西部与东北地区，国外技术引进的作用是不显著的。可能的解释是，东部地区与领先国家技术差距逐渐减少，通过模仿实现技术进步的空间越来越小。相比较其他地区，中部地区的第二产业较为发达，且正逐步由劳动密集型向资本密集型转变，引进的国外技术对于该地区是适合的，能在促进绿色发展上发挥出最佳效果。国内技术购买（DTR）对不同区域工业绿色发展的影响是不一致的。其中，在中部与东北地区，国内技术购买是显著为负的；而在东、西部地区，国内技术购买效果并不显著。可能的解释是，中部地区与东北地区借助地处连接我国东、西部地区重要地理位置的优势，更容易获得与本地区产业相匹配的国内技术，实现工业生产率的提高，但是这些技术本身属于传统技术而不是绿色技术，会对环境产生一定的负面影响。

整体而言，控制变量分区域的检验结果与全国整体样本的检验结果基本一致，但也表现出一定的区域差异性。

5 结论与政策启示

本文运用2011～2015年中国28 个省（自治区、直辖市）的面板数据，基于系统学二象论，构建并测算了一个能够综合度量工业绿色发展规模效益和质量提升的指标——工业绿色发展绩效；应用空间计量分析方法，在统一的分析框架下实证检验自主研发、协同创新与技术引进等三种技术创新途径对工业绿色发展的贡献。主要研究结论与政策启示如下。

第一，就全国整体而言，在促进我国工业绿色发展的功效上，自主研发显著为正，而协同创新与技术引进的效果并不显著；分区域检验结果表明，在不同技术创新途径对工业绿色发展的影响上，东部、中部、西部与东北四大区域间存在差异。为此，首先，我国工业企业特别是技术创新能力较强的东、中部地区企业，必须立足于自主研发创新，加大绿色技术的研发投入，研发出存在自主知识产权的核心绿色技术并着力推广应用，实现工业绿色增长。其次，加强产学研协同创新平台建设，完善其制度环境，拓宽其资金来源渠道，调动各参与主体的积极性。最后，在促进工业绿色发展上，技术引进的贡献整体上并不明显。为此，东部地区要逐步摆脱对技术引进的依赖，进而依靠自主研发与协同创新来开发新技术特别是绿色技术及工艺；中部地区要加强对国外引进技术的消化、吸收和创新，实现技术升级和绿色化转变。

第二，就控制变量而言，企业规模和对外贸易对我国工业绿色发展的影响显著为正，而产权结构、外商直接投资显著为负。为此，首先，必须多举措构建我国开放型经济新体系，通过“学习效应”助推我国工业绿色发展；其次，继续推进国有企业改革，理顺与完善国有企业的产权关系；再次，选择性地选取行业特色明显、创新能力突出的大中型企业扩大规模，促进产业集聚；最后，加强对外商直接投资的选择，积极引导外资配合各地区正在进行的产业结构调整。