产业集聚视角下研发投入对高技术产业绿色创新效率的影响

■刘文琦

利用Super-SBM模型和区位商方法测算中国省际高技术产业的绿色创新效率及产业集聚度，在此基础上构建面板门槛模型，检验高技术产业研发投入对其绿色创新效率的门槛效应。结果表明：中国省际高技术产业绿色创新效率整体不高，高技术产业集聚度呈逐年上升趋势，二者均存在东高西低现象；高技术产业研发投入强度对其绿色创新效率的影响显著存在着基于产业集聚度的单门槛效应，当产业集聚度跨越门槛值后，研发投入强度对绿色创新效率的抑制作用明显减弱。因此，应当引导高技术企业研发资金投向节能减排等绿色创新活动，同时积极培育高技术产业集群，特别是中西部地区，要结合自身工业基础，鼓励有特色有竞争力的高技术产业集群式发展。

一、引言

党的十九大报告明确提出，推进绿色发展是建设美丽中国的重要基础，要面向市场促进绿色技术的研发、转化和推广，形成绿色经济。高技术产业的研发与创新，不仅是提高产业竞争力的关键因素，更是中国经济实现要素驱动、投资驱动向创新驱动转变的重要动力。但受发展时间及政策倾斜等因素影响，中国高技术产业区域分布不均，在经济发达地区也呈现出一定规模的集聚现象。那么，中国高技术产业的绿色创新效率在不同区域是否存在差异？高技术产业的研发投入是否提升了其绿色创新效率？学界普遍认为产业集聚有利于人力资本的流动、知识信息的外溢、基础设施的共享以及技术服务专业化［1］，对于高技术产业研发投入与绿色创新效率之间的作用关系，又是否会受到产业集聚程度的影响？针对以上问题，本文采用包含非期望产出的Super-SBM模型对中国省际高技术产业绿色创新效率进行测算，进一步基于产业集聚的视角，利用门槛模型分析高技术产业研发投入对其绿色创新效率产生的影响。试图为高技术产业绿色创新效率的研究提供新的探索视角，对于平衡高技术产业发展模式、提高中国经济发展质量提供理论依据和经验借鉴。

关于绿色创新的研究自20世纪90年代逐渐兴起，到目前已取得一系列研究成果。根据张钢的观点，绿色创新可以定义为能够减少对环境的不利影响、提升环境绩效的创新活动。［2］张静等在梳理国内外文献后发现学者们针对绿色创新主要围绕企业、产业/行业以及宏观经济三个层面进行研究，但以对企业的研究居多。［3］因为企业是绿色创新活动的主体，其重要性不言而喻，但是以企业个体为基础的产业与宏观层面的绿色创新活动也不能忽视。不同产业与区域下的绿色创新活动受到各自资源禀赋、技术水平、政治与经济环境等因素的影响，其绿色创新效率也各有差异。国内学者们在研究这一问题时，运用了多种方法，任耀等利用RAM方法测定山西省各地工业绿色创新效率［4］；韩晶通过BCC模型对中国区域绿色创新效率进行了测算、分析［5］；汪传旭和任阳军运用SBM模型在考虑非期望产出和不考虑非期望产出两种情况下，对中国省际绿色创新效率进行了测算对比［6］。唐德祥［7］和刘明广［8］的研究则分别采用了随机前沿生产函数(SFA)和Super-SBM-Windows的方法。本文拟采用数据包络方法对中国各省高技术产业绿色创新效率进行评价。

关于研发活动与创新绩效关系问题的研究，Rodrigo等指出技术创新方式、技术的初始构建尤其是研发创新能显著提升高技术企业创新绩效［9］；孙慧和王慧则发现政府补贴和研发投入同时存在时，对创新绩效的正向影响程度相互促进［10］；陈恒和侯建以高技术产业为研究对象,发现研发人员投入显著促进产业科技绩效的提升［11］。尽管相关领域的研究取得了较丰富的研究成果，但是关于研发投入与绿色创新产出之间关系的文献很少见，学者们较少关注研发创新所带来的非期望产出，王惠等则在这方面做了尝试，其研究以企业规模为门槛变量，得出研发投入强度对高技术产业绿色创新效率存在双门槛效应的结论。［12］

在探讨创新产出为何有明显的区域差异时，有学者指出产业集聚是重要的原因之一，学者们也大多认同，产业集聚对创新具有推动作用。［13］这种推动作用主要是由于知识溢出造成的，但究竟是哪种类型的集聚会对创新产生影响，学界尚无定论。针对这一问题主要有三种观点：单一产业集聚、多产业集聚和市场竞争。在这三种观点下的三类知识溢出类型分别被称为MAR溢出、Jacobs溢出和Poter溢出。企业间通过形成产业集聚，促进企业间的交流，加强企业间的协作，共享信息与知识，从而出现MAR溢出和Jacobs溢出。［14］但在企业集聚过程中，企业间不仅会出现合作，还会存在竞争关系，争夺资源、抢占市场。为使企业在竞争中获胜，企业只有一方面不断加大研发投入，提升创新水平，另一方面不断提高创新效率，出现Poter溢出。［15］吕承超和商圆月探讨了高技术产业的三种集聚模式与创新产出的作用机制并实证检验其时空效应［16］；刘浩指出了高技术企业集聚式发展的根本原因，并以中关村高技术产业集聚区为对象，实证发现产业集聚促进了技术创新与区域经济发展［17］。可见，将产业集聚引入企业创新的研究有助于丰富并深化该领域的研究成果，并可为政策制定者提供经验借鉴，但目前还很少有文献探讨高技术产业研发投入对其绿色创新效率作用过程中是否会受到产业集聚程度的影响。

基于以上分析，本文在以下三方面有所进展：其一，在对象上，立足产业层面，特别针对高技术产业这一国民经济发展中的重要战略性产业，测算其绿色创新效率、产业集聚程度，并比较不同省份间的差异；其二，在视角上，基于产业集聚门槛这一角度，考察高技术产业研发投入对绿色创新效率的门槛效应，分析其存在性和区间；其三，在方法上，与大多数研究采用的线性或带交叉项的非线性回归不同，本文采用门槛面板回归技术，更客观地分析中国高技术产业研发投入与绿色创新效率的非线性关系。

二、中国省际高技术产业绿色创新效率的测度

（一）方法与模型

数据包络分析是一种常用的评价方法，它可回避权重设置问题来评价由多投入得到多产出的效率问题。传统的DEA模型有CCR和BCC两种，分别在规模报酬不变、规模报酬可变的情况下作出假设。但是这样的模型存在一些问题，即并未将投入产出的松弛性加以考虑。由此，Tone提出一种基于松弛变量的非径向非角度的分析方法——SBM模型。虽然SBM模型效率值随着投入和产出松弛程度的变化而严格单调递减，但是经常会出现多个决策单元（Decision Making Units，DMU）的效率值均为1的情况，从而无法进行DMU之间的排序比较。因此，Tone在SBM的基础上再次进行改进，提出超效率模型——Super-SBM，可有效地进行决策单元间的比较。

假设评价体系存在n个决策单元，每个决策单元都包含投入X、期望产出Ye和非期望产出Yu这三个向量，这三个向量分别为x∈Rm、ye∈Rw1、yu∈Rw2，可定义矩阵X、Ye、Yu如下［18］：

考虑非期望产出的SBM模型可写成如下形式：

式中，θ为所求的目标效率值；x、ye、yu分别为投入、期望产出和非期望产出；向量w-、we、wu分别表示投入、期望产出、非期望产出的松弛量；μ为权重向量。其中，θ关于w-、we、wu严格单调递减，且θ∈［0,1］。当且仅当θ=1,且w-、we、wu均为0时，决策单元有效；θ＜1时，决策单元无效，应当考虑在投入产出上作相应的改进。

考虑到使用包含非期望产出的SBM模型可能会同时出现多个决策单元有效的情形，不利于进行决策单元间的评价。因此，本文选择Super-SBM模型进行各省高技术产业绿色创新效率的计算，参照Hong Li［19］等做法，一个排除决策单元的有限生产可能性集为：

考虑非期望产出的Super-SBM模型的分式规划形式为［20］：

式中θ*为目标效率，其他符号含义不变。由此得出的效率值可大于1，并进行排序比较。

（二）绿色创新效率指标选择与数据来源

根据柯布-道格拉斯生产函数，于工业的总产值而言，技术水平、劳动力、投入资本是它的主要影响因素。结合已有研究［13］［21］、数据可获取性以及绿色创新的内涵，本文选取的投入指标如下：（1）R&D人员折合全时当量，从人力角度描述对绿色创新效率的投入。（2）R&D经费内部支出，从资本角度考虑绿色创新效率的投入。（3）能源消费总量，高新技术产业作为工业的重要分支之一，物的投资是必不可少的。能源作为一项基本要素，尤其是在绿色创新评价中，具有重要意义。本文中，能源消耗单位统一为万吨标准煤。

绿色创新，关注的不仅仅是经济、科技效益，也注重过程中对生态环境的影响。在期望产出方面，本文选取专利申请数、高技术产业新产品销售收入两个指标进行分析。［6］专利申请数可体现出投入转化为技术的能力，但是于行业、企业而言，更重要的是创造市场价值，高技术产业新产品销售收入更能体现出这一点，它在某种程度上说明市场对于创新的接受程度，使得创新是真正有效的、有用的。在非期望产出方面，主要考虑污染物对环境的影响，因此，选择废水排放总量、二氧化硫排放量作为衡量指标。

文中所涉及的原始数据均来自2010—2017年的《中国统计年鉴》《中国能源统计年鉴》《中国高技术产业统计年鉴》《中国金融年鉴》《中国科技年鉴》《中国环境年鉴》以及各省、市、自治区统计年鉴。个别省份存在能源消耗总量数据缺失或单位不统一的情况，缺失数据利用前后两年平均数进行填补，单位通过各种能源与标准煤换算公式计算统一为标准煤。同时，考虑到投入产出间存在滞后效应，本文设定一年的滞后期，即以前一年投入主要影响后一年产出的方式进行投入产出匹配，如2008年投入的回报主要为2009年的产出。因此，利用2009—2016年数据实际可计算得到2008—2015年的绿色创新效率。

（三）省际高技术产业绿色创新效率测算结果与评价

本研究运用Super-SBM模型对中国28个省、直辖市、自治区①（下文简称省域）2008—2015年高技术产业绿色创新效率进行了测算，图1列示了2008—2015年各省域及全国绿色创新效率的平均值。测算结果显示，2008—2015年，中国高技术产业整体绿色创新效率并没有明显的变化趋势，但这八年间，全国高技术产业绿色创新效率普遍不高，数值在0.6到0.75之间，虽然中国近年来对绿色创新的重视程度不断提高，也正在逐步建立绿色低碳循环发展的经济体系，倡导绿色技术的研发和转化，但高技术产业的绿色创新效率整体仍有待提升，可提升空间依旧很大。

从各省域测算结果来看，高技术产业平均绿色创新效率排名前五的省域为广东、北京、海南、江苏、天津，这五个省市基本都处于东部或南部沿海地区，大多经济发达，民营经济活跃，政府和企业对绿色创新活动都非常重视。而排名最后的则是内蒙古、辽宁、河北、陕西、黑龙江，该五省经济水平相对较为落后，黑龙江与辽宁位于东北地区，重工业集聚，多为高耗能、高污染的产业，因此高技术产业绿色创新效率低下。同时，这也显示出中国高技术产业绿色创新效率在各省域之间差异较大，总体来说，东部省域明显高于中西部省域，南方省域普遍高于北方省域，这与中国各省经济格局与发展情况有着密切联系。

图1 各省域及全国高技术产业绿色创新效率均值（2008—2015年）

三、中国省际高技术产业集聚度的测算与评价

（一）测算方法

基于前文分析，绿色创新效率的提升可能会受到产业集聚水平的影响，故本文进一步对中国省际高技术产业的集聚度进行测算，产业集聚的测度方法主要包括行业集中度、赫芬德尔指数、区位商、空间基尼系数等。本文选择区位商指数来测量省际高技术产业聚集度，主要是考虑到区位商可以从地区专业化角度考察产业集聚水平，该指标代表一个地区特定产业的产值在地区经济总产值所占的比重与全国该产业总产值在全国经济总产值中所占比重之间的比值，取值范围为［0,1］，其值越大，表示产业集聚度水平越高。计算公式如下：

式（5）中：ei为某地区i产业产值，et为该地区经济总产值，Ei为全国i产业总产值，Et为全国经济总产值，li为区位商。

（二）测算结果与评价

利用区位商的方法对2008—2015年中国各省高技术产业集聚程度进行测算，图2列示了各省域及全国高技术产业集聚度的平均值。根据测算结果，高技术产业集聚度整体呈逐年上升趋势。随着中国劳动力素质及社会对知识产业的保护意识等不断提高，高技术企业的数量不断上升，产业的规模不断扩大，高技术产业集聚度也随之提高。中央政府不断加大对高技术产业的重视程度和扶持力度，各地方政府也出台了一系列相关扶持政策，积极建设高技术产业园区，广泛吸纳高技术人才，提升了高技术产业的集聚程度。

图2 各省域及全国高技术产业集聚度均值（2008—2015）

中国高技术产业集聚度排名前五的省域为广东、江苏、上海、天津、北京，均位于发达地区，经济开放程度较高，产业园区内外基础设施完善，相关政策支持大。此外，区域内高校数量较多、人才汇集，各种有利因素叠加对高技术企业和产业从业者及资本有较强吸引力，并吸引大量资本投资。在产业内企业发展需要和政府引导的双重作用下，该五省域高技术产业集聚程度处于较高的状态。而高技术产业集聚度排名最后的五个省域为宁夏、内蒙古、云南、黑龙江、山西，五省经济水平相对落后，投资环境一般。除黑龙江外，其余四省工业基础薄弱，高技术企业数量不多，规模普遍不大，高技术产业集聚程度因此也较低。而黑龙江位于东北地区，虽为工业大省，但多为高耗能、高污染的重工业，高技术产业十分薄弱，又因为投资环境较差，高技术人才外流问题严重，种种因素使得黑龙江高技术产业集聚程度较低。我们还可以发现，就高技术产业集聚度而言，中国各省各区域之间不均衡现象仍存在，依然存在着东部省域明显高于中西部省域、南方省域普遍高于北方省域的情况。

四、高技术产业研发投入对其绿色创新效率的影响

（一）门槛模型设定及变量说明

面板门槛模型的主要思路是将某一门槛变量加入回归模型中，构建出分段函数。在不同门槛期区间内，相同指标表现出强弱不同的影响关系。一重门槛是最简单的门槛模型，其公式如下：

式中，I为指示函数，当括号内不等式不成立时取0，成立时取1；git是设定的门槛变量，γ为门槛值；yit和dit为解释变量和被解释变量；xit为一组影响被解释变量的控制变量；a为相应的系数向量；μi反映了个体效应；εit为随机干扰项。

本文采用Hansen提出的门槛面板回归模型，以产业集聚度为门槛变量，分析研发投入对高技术产业绿色创新效率的影响以及可能存在的门槛效应。分别设定一重、二重门槛，以此类推，如下式所示。

其中，被解释变量为高技术产业绿色创新效率，前文通过Super-SBM模型计算得到。门槛变量选择高技术产业聚集度（clus），由前文利用区位商方法测算所得。研发投入作为核心解释变量，选择研发经费占营业收入比重（RD）即研发强度指标来衡量［22］，这是因为中国高新技术产业统计中R&D经费支出不包括引进和购买技术的费用［12］。在控制变量的选取上，考虑到潜在产业规模、政府对企业研发的重视程度、市场环境等对于绿色创新效率的影响，在参考其他研究［13］［23-24］的基础上，选择了以下指标：（1）产业规模，用高技术产业从业人员平均数（number）来衡量；（2）政府支持，用政府科学技术支出占财政支出比例（spending）来表示；（3）市场环境，用技术市场成交额（tech）来度量。

为消除数据的波动，对各变量均进行对数化处理。具体变量内容如表1所示：

表1 门槛回归模型各变量定义

（二）门槛回归结果

通过Hansen提出的门槛回归模型估计与检验方法，利用Stata14进行分析研究。首先需要确定门槛的个数，分别针对不存在门槛值、存在一个门槛值、存在两个门槛值的假设进行检验，采用自抽样法，抽样次数为300次，所得P值与临界值详见表2。

表2 产业聚集度门槛效应检验

结果显示，单一门槛通过了1%显著性水平的检验，但双重门槛未能通过10%显著性水平的检验。说明该模型存在单门槛效应，但是不存在双门槛效应。下面就单门槛效应进行分析。表3给出了所求的单门槛估计值及其95%置信区间。

为使结果更加直观，可以通过绘制最小二乘的似然比统计量LR与门槛估计值的图来观察门槛值估计值与置信区间（见图3），图中虚线为似然比统计量LR在5%显著性水平的临界值（7.35），我们可以看到，门槛估计值为-1.8539，其95%的置信区间都是LR＜7.35构成的区间，表明估计的门槛值具有真实性。

表3 门槛值估计结果

图3 门槛估计值及95%置信区间

在得出门槛值之后，还需要对门槛模型再进行参数估计，为消除异方差的影响，对样本作了稳健标准差检验。依据门槛值可将中国各省域高技术产业的集聚程度划分为低产业集聚程度（lnclus≤-1.8539）以及高产业集聚程度(lnclus＞-1.8539)两个区间。表4给出了以高技术产业集聚度为门槛变量所得出的参数估计结果。根据表中结果可知，高技术产业研发投入对其绿色创新的作用效果确实会受到产业集聚程度的影响，并非简单的线性关系。当高技术产业处于低产业集聚水平时，回归系数为-0.9163，而当高技术产业处于高产业集聚水平时，回归系数则为-0.6724，均通过了1%的显著性检验。这说明在产业集聚程度的门槛值前后，高技术产业研发投入对其绿色创新效率均存在着抑制效应，但高技术产业处于高产业集聚水平时，该抑制作用要比处于低产业集聚水平时小得多。

本研究认为，之所以未能出现所期望的高技术产业研发投入对绿色创新效率呈促进作用的情况，主要是由于中国高技术产业的研发投入活动关注更多的还只是其带来的经济效益，忽视了这些新技术新产品对生态环境带来的负外部效应。外部政策上的缺位和企业意识上的缺乏，导致研发投入没有很好地被引导用于绿色技术开发、清洁能源利用及环境治理等方面。但是产业集聚度的提升对上述抑制作用起到了显著的缓解，这可能是由于当区域内高技术产业集聚度跨过门槛后，一方面带来了技术和资金的双重外部性，也即产业集聚促进了知识溢出，提升了区域内高技术产业的创新水平，集聚内的企业可以通过共享生产资料、相关基础设施及专业化服务等降低自身成本，又可通过不断增强知识交流、增强产业内和供应链上下游企业间的协作实现规模经济，提高资源利用效率的同时提升高技术产业创新效率；另一方面，当产业集聚达到一定规模后，当地资源消耗和环境污染的问题也越发显现，政府也会加强对产业的环境规制力度，加大环境治理方面的投入。同时企业间竞争加剧，在面临更高的环境成本和区域内市场竞争的双重压力下，企业不得不通过绿色工艺、绿色技术的研发和转化来降低环境成本和能源的消耗，在一定程度上对产业绿色创新效率的提高起到了促进作用。

表4 单门槛模型参数估计结果

从其他控制变量系数来看，技术市场成交额（市场环境）与高技术产业绿色创新效率显著正相关，说明成熟的市场环境可以给予高技术产业绿色创新活动更多的机会。高技术产业从业人员平均数（市场规模）、政府科学技术支出占财政支出比例（政府支持）对被解释变量绿色创新效率都起到了正向促进作用，但均未通过10%的显著性检验，原因可能在于产业从业人数增加不能代表人员素质提高，员工的工作经历、受教育水平等因素对企业创新能力的影响比人员数量更为重要；而政府对高技术产业绿色创新活动的资助力度还不够，导致这些控制变量在提升高技术产业绿色创新效率方面未能发挥很好的作用。

五、结论与建议

本文首先利用包含非期望产出的Super-SBM模型对2008—2015年中国省际高技术产业的绿色创新效率进行测算和对比，然后采用区位商方法进一步测算并评价各省域高技术产业集聚度，并在此基础上构建面板门槛模型，将高技术产业集聚度作为门槛变量，以检验高技术产业研发投入强度对其绿色创新效率的影响及是否存在基于产业集聚度的门槛效应，研究结果表明：

尽管中国近些年来不断加强对高技术产业的扶持力度，但是高技术产业绿色创新效率整体依旧不高，且在样本期内没有明显的提升趋势。各省之间的高技术产业绿色创新效率差异较大，排名靠前的省域基本都处于东部或南部沿海经济发达地区，北方地区和中西部地区相对落后，其中东北地区表现最差。

中国高技术产业集聚水平整体呈逐年上升趋势，但各省域之间也很不均衡，同样存在着东部省域明显高于中西部省域、南方省域普遍高于北方省域的现象；高技术产业研发投入对其绿色创新效率的影响显著存在着基于产业集聚度的单门槛效应。当高技术产业处于较低的产业集聚程度时，研发投入对绿色创新效率存在较强的抑制作用。

当高技术产业集聚度跨过门槛后，研发投入对绿色创新效率的抑制作用明显减弱。可见高技术产业研发资金还未能有效投向节能减排等绿色创新活动，某些一味追求经济效益却对生态环境产生不利影响的创新行为未被监督和限制。另外，高技术产业集群式发展有利于绿色创新活动的开展，可以促进绿色创新效率的提升。

据此，本文提出如下政策建议：

第一，当前中国环境压力依旧较大，在实施创新驱动发展战略的过程中，不应仅仅关注创新产出，还要兼顾效率的提升及环境治理问题，东部地区要充分发挥区位优势，利用区域间的技术扩散和创新溢出效应，带动中西部地区产业向低投入、高产出、低污染的绿色创新增长模式转变。

第二，地方政府应结合当地实际情况，在政策上引导高技术产业研发资金向绿色技术、绿色工艺的开发与推广倾斜，以政府补贴、市场投资等多种形式鼓励企业开展有利于环境治理、节能减排的创新研发活动。限制和监督对生态环境产生不利影响的创新行为，促使企业明确认识到以绿色发展为理念的技术创新才是企业高质量发展的源泉。

第三，中国各地区都应重视高技术产业的集聚优势，积极推动高技术产业集群式发展。对于集聚程度偏低的地区，政府部门应加大力度建设产业园区，完善基础设施，出台相关政策吸引资本投资并引导本地区高技术产业企业集聚，以加强产业内企业间的交流和资源的共享，提高产业内的协作水平，争取跨越门槛值，提升绿色创新效率。对于产业集聚程度相对较高的地区，研发投入对绿色创新效率的抑制程度较轻，但是依然没有出现理想的促进作用。地方政府在吸收投资、吸引人才、大力扶持高技术产业发展时，还需努力营造有利于企业开展绿色创新活动的外部环境，同时要注意产业集聚过程中可能出现的企业间恶意竞争和同质化过于严重的问题。另外，还要合理运用环境规制手段，减轻企业创新活动对生态环境带来的负外部性，避免再走“先污染，后治理”的老路。

注释：

①新疆、西藏、青海数据存在严重缺失，故没有将其纳入样本范围。此外，中国香港、中国澳门特别行政区与台湾地区也未涉及。