绿色视角下的我国区域财政科技投入绩效评价及其空间收敛性研究

赵当如　陈为

摘 要：本文基于绿色视角，将环境因素纳入财政科技投入绩效的分析框架，采用非期望SBM模型对2005—2015年我国30个省的财政科技投入绩效进行了评价，并结合空间计量模型对我国财政科技投入效率空间收敛性进行了研究，研究发现：从空间维度上看，我国财政科技投入效率值呈现东部高于西部高于中部，存在空间依赖、集聚现象；从时间维度上看，我国财政科技投入效率有先下降后趋于平稳然后上升的趋势，且东、中、西差距逐渐缩小，目前有32%左右效率提升空间；我国财政科技投入效率存在？琢、？茁空间收敛，其中绝对收敛速度为9.39%；居民教育程度、财政分权程度、环境污染治理程度与区域财政科技投入效率显著正相关，市场化程度与区域财政科技投入效率正相关关系不显著。

关键词：绿色；财政科技投入效率；空间收敛；非期望SBM模型；空间计量模型

DOI：10.3969/j.issn.1003-9031.2018.02.01

中图分类号：F812.4 文献标识码：A 文章编号：1003-9031（2018）02-0004-13

一、引言与文献综述

随着“科学技术是第一生产力”的提出到“科教兴国”战略的深入实施再到“新常态”的到来，科技创新已经逐渐成为当今我国的热点话题，科技投入力度不断加大。由于科技活动中基础研究、社会公益研究等许多研究内容具有公共品特征，政府的财政科技投入就成为科技活动最重要的资金来源。

目前，国内外的文献中对财政科技投入绩效评价方法有些差异，但这些方法几乎都是以科技直接产出为核心。Cook（1997）和Carmela Martin（2005）分别运用平衡计分卡法和空间计量方法来进行区域财政科技投入绩效评价；Brown（1988）指出对R&D;实验室科研活动的绩效评价等同于对财政科技投入绩效评价；李升泽（2013）、谢福泉（2008）分别运用客观赋权法和定性与定量的两阶段法对财政科技投入产出指标进行了选择；王桂强（2006）提出“指标靶”概念来建立财政科技投入绩效评价模型；贠杰（2016）对传统不科学、客观化、独立化财政科技投入绩效评价加以改进，并加入人员绩效评估。从以上学者的研究方法可以看出，财政科技投入绩效评价体系虽然在不断完善，但几乎没有将环境影响因素纳入此体系中，而当今的“环境危机”的罪魁祸首往往是科技进步，如果基于传统的绩效评价体系，就不符合当今可持续发展、绿色科技的思想，因此有必要将科技投入所带来的生态影响纳入财政科技投入绩效评价体系中。

关于区域财政科技投入绩效空间收敛方面的研究，国内外有关这方面的文献还比较少，但有学者对财政科技投入绩效与空间上的联系作了研究。王元地（2013）在纳入市场化程度、财政分权度和人均受教育年限等影响因素下，对我国地方财政科技投入效率外溢性进行分析，结果表明财政科技投入效率空间外溢性较强。陈志军（2016）对新常态下的财政科技投入集聚效应作了研究，发现我国东西部财政科技投入效率存在集聚现象，但集聚效应差距较大。尹奥（2010）也通过对山东省不同地级市的财政投入考察发现财政科技投入存在空间上的关联。从上述研究成果可以发现，我国区域间的财政科技投入绩效存在空间相关性，而Rey与Montouri（1999）就曾指出空间相关就是导致区域收敛的重要原因，因此我国财政科技投入效率就会产生收敛现象；根据新古典理论和新增长理论，不同地区的环境条件不同，会导致区域收敛稳态的差异，Rey（1999）就指出这个条件就是影响财政科技投入效率存在效率外溢性的原因，这就会造成条件收敛。这些因素之前的学者通过外溢性的研究也找了出来，但根据上文的分析，环境因素必须要纳入财政科技投入绩效评价体系之中，在这样的条件之下，我国财政科技投入效率还会有收敛情况产生吗？如果有，收敛速度是多少？上述的这些因素仍是条件收敛的条件吗？因此，本文基于已有的研究成果，在财政科技投入绩效评价体系中加入环境因素，从而基于绿色视角，建立非期望SBM模型计算2005—2015年我国30个省财政科技投入效率及其变化趋势，然后结合空间计量分析方法来分析区域财政科技投入效率收敛性及其影响因素。

二、 研究方法

（一） 绿色视角下的财政科技投入效率评价模型

传统DEA模型是通过径向与角度来进行效率测量，当通过径向来测算效率时就会造成投入“松弛”或者“拥挤”问题，若是投入呈现“松弛”情况时，或许丈量的结果就会偏大，而角度的测量方式只有投入或产出中一个角度，这样的测算结果并不可靠，同时由于财政科技投入绩效模型加入了环境约束，将科技带来的环境污染视为非期望产出，因此尽量减少投入而增加经济效益的期望产出并减少环境污染的非期望产出是财政科技投入绩效提高的表现，传统DEA模型也没有考虑到这一点，因此传统DEA模型就不适合处理这类含有非期望产出的模型。针对以上缺陷，本文采用Tone K（2007）构造出的非期望产出SBM模型，一方面该模型改进了传统DEA投入与产出比即为效率的缺点，考虑了松弛变量对效率的影响，构造出投入产出的“利润”函数来求得效率值，另一方面考虑了負外部性非期望产出的影响。非期望SBM模型如下所示：

Minρ=■=■（x■，y■，u■，g） （1）

s.t.■z■x■+S■■=x■，n=1，2，…，N■z■x■+S■■=y■，m=1，2，…，M■z■u■+S■■=u■，i=1，2，…，I■z■=1；z■≥0；S■■≥0；S■■≥0；S■■≥0

其中，S■■、S■■、S■■分别表示投入冗余、期望产出不足、非期望冗余的松弛向量；xn、ym、ui分别表示n种投入、m种期望产出、i种非期望产出；■即为SBM方向性距离目标函数，g为方向向量。■的值表示为ρ，ρ？缀（0，1]，如果ρ=1，则说明决策单元是完全有效率的，当0<ρ<1时说明决策单元存在效率损失。式（1）中第4个约束表示规模报酬可变下的方向性距离目标函数，如果去掉此约束，则为规模报酬不变下的方向性距离目标函数。同时，式（1）中的非线性规划模型可以转化为线性规划模型求解，具体过程参考Tone K（2007）。

（二）收敛空间计量模型

一般的收敛分3种类型：？茁条件收敛、？茁绝对收敛、？琢收敛。？琢收敛是指各地区财政科技投入效率方差随着时间推移逐渐减小，通常以变异系数、泰尔系数、基尼系数来表示收敛程度。？茁绝对收敛是指财政科技投入效率较低的区域往往比较高的区域有着更高的增长率，随着时间推移所有区域将达到同样的稳态。条件收敛假设不同区域有不同的基本条件，不同区域将收敛到各自不同的稳态。其中，？琢收敛和？茁绝对收敛都属于绝对收敛，且？琢收敛是？茁收敛的充分条件，只有效率增长速度上的收敛，效率较低地区才会赶上较高地区，但这不是必要条件，因为在追赶过程中？琢收敛会受到随机因素的影响。考虑到空间之间的作用，经典？茁收敛模型与空间计量模型的结合就是收敛空间计量模型，？茁收敛空间计量模型如下所示：

1n■=β■+β■1nρ■+θW1n■+？着，？着～N（0，？啄■） （2）

1n■=β■+β■1nρ■+？着■，？着■=？姿W？着■+ω，ω～N（0，？啄■） （3）

1n■=β■+β■1nρ■+？兹W1n■c■1nx■+？着，？着～N（0，？啄■），k=1，2，…，n （4）

1n■=β■+β■1nρ■+c■1nx■+？着■，？着■=？姿W？着■+ω，ω～N（0，？啄■） （5）

？浊=-■1n（1+β■）×100% （6）

其中，ρi，t和ρi，t-1分别表示i地域在t时候和t-1时候的效率值，式（6）中？浊的为收敛速度，当β■<0时则表示区域i财政科技投入效率收敛。式（2）、（3）、（4）、（5）式可以看作是空间自回归模型（SAR）、空间误差模型（SEM）、加入控制变量xk的空间自回归模型、加入控制变量xk的空间误差模型与标准收敛模型的结合，这些控制变量就是收敛的条件。？兹表示空间自回归系数，如果式（4）、（5）的ck>0，则说明该控制变量对财政科技效率的提高有正向作用，同时也说明对效率收敛有促进作用。W表示标准化处理后的空间权重矩阵，其中标准化处理后的空间权重矩阵中的元素Wij=wij/■w■，wij为空间权重矩阵w中的元素，式（2）如果去掉？兹W1n■空间滞后项则变为经典的绝对β收敛模型。关于空间权重矩阵的选择，目前大部分学者用地理邻接权重矩阵、地理距离权重矩阵或者是经济距离权重矩阵进行空间计量分析，本文借鉴之前学者对财政空间上的研究方式采用地理邻接权重矩阵，其矩阵中元素表示为：

w■=1区域i与区域j相邻0其他 （7）

其中，w为方阵，其对角线上的元素全为0。？着与？着■分别表示SAR、SEM模型随机误差项，？姿表示SEM模型中有关残差项的空间参数，ω为随机干扰项，且服从正态分布。

三、变量选择与数据来源

对于财政科技投入绩效研究的指标选择要基于科学、可行和系统的三原则。财政科技投入主要包括政府财政科技资金投入和试验发展经费支出，期望科技产出包括专利授权数这种科技直接成果和技术合同成交额等科技经济成果。一般来说科技进步促进了工业化进程，因此科技进步对环境的污染主要就表现在工业污染上，因此本文就以工业“三废”排放量作为的非期望财政科技產出指标，用工业SO2排放量（万吨）、工业废水排放量（万吨）、工业固体废物排放量（万吨）来表示“三废”排放量。同时由上文分析可知，财政科技投入绩效空间相关性可能还与市场化程度、财政分权度、居民受教育程度有关，由于本文考虑到了环境因素，因此本文也将环境污染治理程度作为控制变量，这4种控制变量的表示方法参考王元地（2013）、陈志军（2016）、尹奥（2010）。数据来源于科技网站门户和各种年鉴中我国30个省、直辖市、自治区的统计数据，由于西藏部分年份数据缺失，因此不在本文的研究范围内。本文结合前人的研究成果，拟出绿色财政科技投入绩效评价指标体系、控制变量选择及数据来源如表1所示。

四、实证分析及结果

（一）我国省域财政科技投入效率值测算及评价

根据上文的投入、期望产出、非期望产出指标再结合式（1），利用MaxDEA5.2测算我国省域财政科技投入效率值（见表1），除此之外本文按照《中国统计年鉴》对我国东、中、西大区域的划分，也计算出东部效率、中部效率、西部效率、全国效率平均值（见表1）。同时本文也根据传统DEA模型，利用Deap2.1软件对不考虑非期望产出情况下的省域财政科技投入效率进行了测算。

由表1可知，2005—2015年，全国到达相对财政科技投入有效的省份个数并没有太大的变化，其中东部地区省份到达相对有效个数占大部分，西部地区的陕西、重庆、甘肃也曾有达到效率值为1.000时候。从全国平均来看，2005—2015年全国财政科技投入效率呈现出先下降接着趋于平稳，然后上升趋势，但总体效率值却有下降的趋势（见图1）。从全国平均具体值上看，2015年均值为0.679，说明我国目前还有32%左右的财政科技效率提升空间。当不考虑环境影响时，2005—2015年全国平均效率明显高于考虑环境影响的效率值，这表明我国科技成长和环境之间还不够和谐，科技研究活动对环境负面影响较大。从大的区域角度来看，东、中、西部效率走势随着时间推移差异逐渐减小，然后又开始扩大，最后又开始逐渐缩小，其中2005—2008年东部财政科技投入效率高于西部高于中部，2008—2014年东部财政科技投入效率却低于西部，但未考虑非期望产出时，东部财政科技投入效率高于中部高于西部，通过这两种结果对比可以发现，东部财政科技投入效率变化不稳定，中部效率被高估，西部被低估。尽管中部区域的科技成效多，但对环境的毁坏更多，西部虽然科技成果少，但对环境保护比较到位，东部对环境治理有表现，但表现不稳定，需要进一步控制污染物的排放，总体上看，当考虑环境非期望产出的全国财政科技投入效率值要小于不考虑环境非期望产出财政科技投入效率值。综上所述，中部财政科技投入效率与东部和西部财政科技投入效率有一定差距，虽然这个差距在慢慢缩小，表现出一定的收敛性，但中部地区仍旧是目前绿色科技、可持续发展目标应重点关注的区域。

（二）我国省域财政科技投入效率空间相关性分析

1.全局空间自相关分析

根据上文的分析，基于绿色视角下的东、中、西部财政科技投入效率变化趋势相似，且有着东西高、中低的分布特征。下面从空间经济学的视角来探究区域财政科技投入效率空间相关程度，这也是判断是否有空间集聚和依赖、是否采用空间计量模型来进行收敛性研究的充要条件，如果结果显示存在空间自相关，则表明经典的收敛模型中必须要纳入空间依赖成分。这里本文选取全局Morans I指数来表示空间相关程度，Moran指数I的取值范围在1和-1之间，I大于0表明存在正的空间自相关，小于0表明存在负的空间自相关性，等于0表明不存在空间自相关性。本文的Moran指数I计算公式如下所示：

Morans I=■ （8）

s■=■■（θ■-■）■=■ （9）

其中，θ■与θ■分别表示区域i区域j的财政科技投入效率值；wij表示空间权重矩阵中的元素。利用stata11.2软件对我国区域财政科技效率进行空间自相关检验，检验结果如表3所示。

检验结果显示各年份的Morans I>0，说明财政科投入效率存在正的空间相关性，除了2005年的Morans I值没有通过5%显著性水平检验，其余年份均通过了检验。从图2中可以看出财政科技投入正相关性先上升后开始波动然后下降趋势，但总体上看财政科技投入效率还是存在较强的空间依赖、集聚现象，这也说明本文在收敛性分析中要考虑空间依赖因素。

2.局部空间自相关分析

全局空间自相关分析只能判断我国财政科技投入效率整体集聚分布情况，而局部空间自相关分析可以反映不同地区的财政科技投入效率关联方式及程度。局部空间关联类型可以分为LL（低值地区与低值地区接壤）、HH（高值地区与高值地区接壤）、HL（高值地区与低值地区接壤）、LH（低值地区与高值地区接壤）四种类型，HH与LL类型占比越高就说明空间集聚现象越明显，同时这四种类型随时间变化情况可以反映出财政科技投入效率收敛或发散的大致情况。本文将2005—2015年分为2005—2008年、2009—2012年和2013—2015年3个时段来分析各个时段的财政科技投入效率局部空间相关模式，3个时段的局部空间关联类型占比统计如表4所示。通过表4，可以发现HH和LL类型的占比先升高后略有降低，这和图2的分析结果相符。为了得到各空间关联类型随时间变化的情况，本文参照RRey S， Montouri B（1999）的时空跃迁测度法来描述，结果表明2005—2008年时间段到2009—2012年时间的主要跃迁方式为HHLL，2009—2012年时间段到2013—2015时间段的主要跃迁方式为HHLH、LHLL、HHLL，这说明财政科技投入效率高的地区增长速度相对于较低地区的增长速度来说有所放缓，全国高效率地区与低效率地区的效率增速差距逐渐缩小，反映出我国财政科技投入效率有收敛趋势，但收敛的具体形式和影响因素还需进一步分析。

（三）我国省域财政科技投入效率空间收敛性分析

1.α收敛分析

本文以变异系数（CV）来检验我国区域财政科技投入效率是否存在α收敛。本文的变异系数计算方式如下：

CVt=■ （10）

其中，δt表示在时间t时全国所有地区财政科技投入效率的标准差，μt表示在时间t时我国财政科技投入效率均值。CV值如果有變小的趋势，说明我国财政科技投入效率存在α收敛。

由图2可以看出，变异系数先变大后保持平稳不变，然后急剧下降，这说明我国财政科技投入效率在2005—2014年不存在α收敛，在2014年以后存在α收敛。α收敛只能判断整体区域在一段时期内得收敛情况，要判断各地区财政科技投入具体的效率变化情况以及环境条件对其影响还需进一步分析。

2.绝对β收敛分析

为了得到区域财政科技投入效率具体的β收敛情况，本文利用式（4）、式（5）、式（6）进行空间作用下的绝对β收敛分析。在模型估计之前，我们先对SAR模型和SEM模型Hausam检验来判断选择固定效应模型还是随机效应模型，结果显示SAR模型的Hausman Test值为44.05，SEM模型的Hausman Test值为15.10，它们都通过了1%显著性水平检验，因此本文应选择空间固定效应模型。另外，我们还需进一步通过检验来判定SAR模型与SEM中哪个空间计量模型更适合本文的研究。对于空间计量模型的选择，通常有两种方法：一是通过这两种模型的LM检验结果比较，即LM-sar检验和LM-error检验值的大小及其稳健性检验结果比较来选择最佳模型。二是通过Wald检验和Lratio检验的检验结果来选择模型。本文利用方法二来进行模型的选择，当Wald检验值在5%显著性水平下显著，而Lratio检验量在5%显著性水平下不显著时，则选择SEM模型，当Wald检验值在5%显著性水平下不显著，而Lratio检验量在5%显著性水平下显著时，则选择SAR模型。检验结果如表5所示。

由5表的检验结果可知Wald检验统计量在5%显著性水平下显著，而Lratio检验统计量没有通过5%显著性水平检验，这说明SAR模型不适合本我国政科技投入效率收敛机制的研究，选择SEM模型更为合理。考虑到可能存在时间效应，本文在固定效应的基础上也加入时间效应来进行最大似然估计（MLE），同时给出经典绝对收敛模型估计结果，由Hausman检验和时间效应检验结果显示时间、固定模型来估计绝对收敛模型较为合适（见表6）。

由表6中经典收敛模型、SEM固定效应与时间、固定效应模型中的Log-likelihood值和AIC值还有调整R2值对比，可以判断SEM模型更适合本文的研究，特别是SEM时间、固定效应模型最适合本文的研究。SEM时间、固定效应模型估计结果中的值为0.0763，且在1%显著性水平下显著，这表明我国财政科技投入效率有显著的空间外溢性，其他省份财政科技投入效率的提高会带动本地区效率的提升，这说明效率低的在不停学习效率高的区域提升效率的政策方式，科技活动与财政活动联系紧密，有着互补效应，这都是通过误差项自相关而体现出来。另外β1=-0.6090<0，这说明我国财政科技投入存在绝对β收敛性，即我国财政科技投入效率差距正逐渐缩小，收敛速度为9.39%。根据前文对我国各地区财政效率的分析结果，我国区域财政科技投入效率有一定的差异。为了找出影响区域财政科技投入效率和收敛的原因，本文接下来进行条件β收敛分析。

3.条件β收敛分析

由于各个区域条件不同，根据上文的分析，在绝对β收敛空间计量模型的基础上我们加入市场化程度（MAR）、财政分权度（POW）、居民受教育程度（EDU）、环境污染治理程度（ENV）作为控制变量，使之成为条件β收敛空间计量模型。由于上文表明SEM模型适合本文的研究，这里我们仍用SEM模型进行估计。Hausman检验值为12.02，在1%显著性水平上显著，这说明SEM固定效应模型更合适，然后我们再加入时间虚拟变量进行最大似然估计（MLE），发现绝大部分时间虚拟变量在5%显著性水平上显著，然后再进行Wald检验来检验所有的时间虚拟变量是否全部为0，Wald检验结果为73.09，在1%显著性水平上显著，这说明SEM固定、时间效应模型最为合适（见表7）。

从表7的结果可以看出，加入控制变量之后调整R2显著提高，Log-likelihood与AIC的值分别变大和变小了，这说明市场化程度、居民教育程度、财政分权度和环境污染治理程度对财政科技投入效率的变化产生了影响。β1=-0.695<0，这表明我国财政科技投入效率存在条件β收敛，且收敛速度为11.78%。居民教育程度变量系数为0.349，且在5%显著性水平上显著，这说明当地居民受教育程度的提高对当地财政科技头投入效率有促进效果。受教育程度较高的居民一方面科技创新意识强，有利于对科技资源的充分利用，另一方面有较高的环保意识，在提高科技产出的同时有意识地思量环境问题。财政分权度变量系数为0.0315，在5%水平下显著，这说明财政分权度的提高对当地财政科技投入效率有正面影响。财政分权可以让当地政府根据自身情况制定政策方针，自主地对财政科技投入进行调整，这有利于财政科技投入效率的提高。环境污染治理程度变量系数为0.0122，且在5%水平上显著，这说明对环境治理程度越高，不仅对环境产生正面影响，也对科技投入效率有促进作用，对环境的治理往往迫使人们对科技活动的反思，就会使得人们寻找更加有效科技研究方式，提高了科技产出效率，减少了对环境的污染。市场化程度变量系数为0.155，通过了10%显著性水平检验但没有通过5%显著性水平检验，这说明说明市场化程度的提高对财政科技投入效率的有正面作用，但作用并不明显，这与王元地（2013）在未考虑环境时所得的结论略有不同。一般的，市场化程度的提高可以加强地区与地区之间的科技交流，也会使得部分科技投入流向经济效应高的科研活动，但环境资源属于公共资源，在市场机制下，科技活动会“搭环境的便车”对环境造成污染，这部分无效率会在一定程度上抵消科技带来的经济效益效率，使得市场化程度对在考虑环境污染非期望产出时财政科技投入效率促进作用不太大。以上分析同时表明居民受教育程度、财政分权度、环境污染治理程度都是影响我国区域财政科技投入效率差异的原因，要缩小这种差异，就必须改善低效率地区的这些环境条件，促使我国财政效率差距的缩小，从而提升我国财政科技投入整体绩效。

五、结论与政策建议

（一）结论

本文在考虑科技活动对环境的污染来看待我国区域财政科技投入效率，从而基于绿色视角利用非期望SBM模型来对2005—2015年我国30个省的财政科技投入效率进行评价，并结合空间计量模型来对分析我国财政科技投入效率差异和收敛性及其影响因素，研究发现：

1.在考虑科技对环境污染情况下，我国财政科技投入效率总体低于未考虑环境因素时的效率值，且呈现出东部高于西部高于中部的局面，与未考虑环境因素时东部高于中部高于西部的结果不同。从空间维度上看，我国财政科技投入效率存在空间依赖、集聚现象。从时间维度上来看，我国财政科技投入效率自2005年来先下降后趋于平稳，到2014年有上升趋势，且东、中、西差距逐渐缩小，到2015年时，均值为0.679，目前还有32%左右的财政科技效率提升空间。

2.我国财政科技投入效率在2014年后存在α收敛，在加入空间因素后，我国财政科技投入效率存在绝对β收敛，收敛速度为9.39%，且财政科技投入效率空间相关性表现在β收敛空间计量模型中误差项上。在加入控制变量后，我国财政科技投入效率存在条件β收敛，收敛速度为11.87%。控制变量中居民受教育程度、财政分权程度、环境污染治理程度的提高对我国区域财政科技投入效率有著正向影响，同时也是我国区域财政科技投入效率差距缩小、收敛的原因，但市场化程度的提高对区域财政效率的提升效果不大，原因在于市场化程度的提高造成科技活动加剧了对环境的负面影响，从而导致效率的损失，这部份效率损失抵消了部分市场化进程中科技所带来的经济效益效率。

（二）政策建议

1.在推动市场化进程中，改变以往政府粗放式财政投入方式，根据不同投入方式而取得的科技产出对环境的影响来调整投入方式，同时也要建立相应科技活动法规，来控制财政投入所带来的科技污染。

2.打破以往区域间科技绩效高成本竞争的局面，加强地方政府科技交流和合作以达到共赢的局面。

3.继续完善我国的财政分权体制，根据不同地区的财政收支情况和科技投入产出情况设计不同财政分权运行制度。

4.提高当地教育事业的支持水平，并且加强居民科技知识的普及，从而提高当地居民对科技创新的重视度和对科技事业的支持。

（责任编辑：夏凡）

参考文献：

[1]Drongelen I C K，Cooke A.Design principles for thedeveloping of——measurement systems for R&D; processes[M].R&D; Management，1997.

[2]Carmela Martín，Carlos Mulas-Granados，Ismael Sanz. Spatial distribution of R&D; expenditure and patent applications across EU regions and its impact on economic cohesion[J].Investigaciones Regionales，2005.

[3]Brown Avension.Measuring R&D; Productivity[J].Research Tech-nology Management，1988.

[4]李升泽，贺定修，范明明.基于客观赋权法的财政科技投入绩效评价软件研究[J].科技管理研究，2013（11）：193-196.

[5]谢福泉.财政科技投入产出绩效评价指标的选择[J].统计与信息论坛，2008（8）：15-21.

[6]王桂强，张青.基于“指标靶”概念的地方政府财政科技投入绩效评价模型体系的构建[J].科学学与科学技术管理，2006（7）：49-53.

[7]贠杰.中国地方政府绩效评估：研究与应用[J].政治学研究，2015（6）：76-86.

[8]周婷.论科技发展与环境危机——唯物史观视野下的现代科技发展问题[J].学海，2016（1）：206-211.

[9]王元地，潘雄锋，杨越.中国地方政府科技投入效率的空间外溢效应研究[J].中国人口.资源与环境，2013，23（12）：125-130.

[10]陈志军.新常态下我国财政科技投入的空间集聚效应研究[J].财政研究，2016（11）：41-50.

[11]尹奥，李星洲，丁谦.山东省财政科技投入绩效空间差异分析[J].山东经济，2010，26（1）：149-154.

[12]Rey S，Montouri B.US regional income convergence：A spatial econometric[M]. Regional Studies AssociationPerspective，1999.

[13]Tone K.Dealing with undesirable outputs in DEA：A slacks-based measure（SBM）approach[EB/OL].

[2007-04-10]http： //scienedinks.jp/east.

[14]仇方道，佟連军，朱传耿.省际边缘区经济发展差异的时空格局及驱动机制[J].地理研究，2009，28（2）：451-463.

[15]Anselin L.Spatial econometrics：Methods[M].Kluwer Academic Pub，1998.

[16]王越.我国居民环保意识影响因素分析[D].沈阳：辽宁大学，2015.

[17]吴碧英.财政分权对地方政府科技投入的影响研究[D].成都：西南财经大学，2012.

[18]赵连阁，钟搏，王学渊.工业污染治理投资的地区就业效应研究[J].中国工业经济，2014（5）：70-82.

[19]张小蒂.论市场化与环境保护的兼容性[J].管理世界，2003（2）：138-143.