长江经济带战略性新兴产业生态创新效率研究

胡笑梅，吴利琰

(安徽财经大学 管理科学与工程学院，安徽 蚌埠 233030)

2018年5月18日至19日，全国生态环境保护大会召开，习近平总书记在会上强调，要加大力度推进生态文明建设、解决生态环境问题，坚决打好污染防治攻坚战，推动我国生态文明建设迈上新台阶。[1]由此可见，生态文明建设是我国的重要发展方向，生态环境的建设需要依靠新的方法和技术，更重要的是科学创新效率的支撑。[2]战略性新兴产业是当前科技创新发展的主力军，但其在发展过程中会导致环境污染问题。因此，如何实现战略性新兴产业科学创新与生态环境建设协调发展成为当前大众关注的焦点[3]13，而作为横跨我国三大地区的现代产业集聚地——长江经济带，也在大力发展战略性新兴产业。因此，在大政策环境的驱动下，研究测算长江经济带地区战略性新兴产业的生态创新效率，总结当前战略性新兴产业生态创新发展现状具有重要的理论与现实意义。

目前对于生态创新的研究很多。在研究对象上主要集中在三个层面：一是国家层，Rabelo Olivan等通过2003—2011年巴西工业相关数据，分析得出产业生态创新的主要驱动因素是环境规制、产品创新和信息管理创新。[4]2560二是区域层，周璇等运用GML指数测算了2000—2015年知识溢出下的区域生态技术创新效率，并与不考虑非合意产出的结果进行比较。[5]270三是行业层，韩洁平等通过DEA模型对我国30省份规模以上工业企业在2007—2013年工业生态创新效率进行了测算。[6]103张雪梅等对我国的资源、劳动和资本密集型工业行业的生态创新效率进行测算。[7]5199

在研究方法方面，现有研究主要采用数据包络分析、空间计量模型、因子分析等。Reza Kiani Mavi等采用能够进行双重前沿数据包络分析的通用权重模型，对运输业效率进行分析。[8]41Mercedes Beltrán-Esteve等利用伦伯格生产率指标、方向距离函数和数据包络分析法，对欧盟的创新环境绩效进行了评估。[9]245韩晶等利用四阶段DEA模型测算中国区域创新效率情况，结果表明绿色经济发展下区域创新效率呈较明显的空间集聚状态。[10]102

综上，针对战略性新兴产业生态创新效率的研究并不多，因此文章将利用非参数DEA法测算长江经济带地区9省2市战略性新兴产业生态创新效率；通过Malmquist指数测算其生态创新动态发展态势，并对各省市的生态创新水平进行聚类和回归分析，以期能为政策制定提供依据，促进战略性新兴产业科技创新与生态环境协同发展。

一、研究理论与方法

(一)DEA 模型

数据包络分析(DEA)是对多个投入和产出指标进行效率测算的非参数方法，其优点是无须对选取指标进行权重赋予，避免了主观决策对结果的影响，此外，DEA分析无须对数据进行标准化处理，大大简化了数据分析前的步骤。DEA分析的基本模型主要包括规模报酬不变的CCR和规模报酬可变的BCC模型，利用这两个模型可以测算决策单元是否达到DEA有效。[11]1799本文利用CCR和BCC模型对长江经济带战略性新兴产业的生态创新效率进行测算，并将其分解为纯技术效率和规模效率，以探究影响生态创新效率的主要因素。

基于规模报酬不变的CCR模型构建如下：

(1)

基于规模报酬可变的BCC模型构建如下：

(2)

(二)Malmquist指数

针对面板数据，Malmquist指数模型可以有效地发现创新效率的动态变化，被广泛应用于各行业的效率变动分析。本文在通过传统DEA分析生态创新效率的基础上，结合Malmquist指数模型将全要素生产率分解为技术进步效率和综合技术效率，以进一步分析其改进路径和无效原因。

Malmquist指数可以分解成技术效率变动(EFFCH)和技术进步效率变动(TECH)，而技术效率变动(EFFCH)可以进一步分解为纯技术效率变动(PECH)和规模效率变动(SECH)，故：

FTP=EFFCH×TECH=PECH×SECH×TECH

(3)

在第i个决策单元的投入与产出为Xi,Yi，在第t期的规模报酬不变的情况下，Malmquist指数可以进一步分解如下：

M=(xi+1,yt+1,xt,yt)

(4)

二、指标体系构建

本文结合张贵、刘汉初和张军等学者的研究[12-14]，并在考虑相关数据可获得性的情况下构建了如表1所示的生态创新效率评价指标体系。

表1 生态创新效率评价指标体系

(一)生态创新投入指标。

参考以往文献的指标选取原则，原料投入量和资源消耗量是选取战略性新兴产业生态创新投入指标考虑的重点，所以本文主要从人力、财力和环境投入三个方面选取生态创新投入指标，人力和财力投入主要体现为战略性新兴产业生产所需的原料投入，环境投入则是发展战略性新兴产业所需要的资源消耗。用战略性新兴产业的R&D人员全时当量来代表人力投入，即应用于战略性新兴产业的R&D人员按照实际工作时间计算的工作量总和；R&D经费内部支出视为财力投入，即用于战略性新兴产业的R&D研发投入；以《中华人民共和国国民经济和社会发展第十三个五年规划纲要》中的资源消耗指标作为参考，选取废水排放总量、废气排放总量和工业污染治理完成投资作为环境投入，即发展战略性新兴产业所消耗的生态资源和治理环境所投入的资金量。

(二)生态创新产出指标。

在考虑生态创新效率产出指标时，经济效益和科研成果是最重要的因素，同时能源利用水平的高低对生态创新效率具有重要影响，在考虑经济效益产出的同时必须考虑能源节约。因此本文选取战略性新兴产业的专利申请量代表科研成果，将战略性新兴产业创新研发的新产品销售收入作为经济效益，能耗产值即每吨标准煤提供的产值来表示能源的利用效率，将这三个指标作为生态创新产出。

此外，使用DEA方法分析需要满足的一个重要前提是投入与产出成“等张性”关系，即投入增加的时候，产出不能减少。由于选取指标无法确定这一特征，因此文章利用SPSS分析工具中的“Kendall的tau_b”和“Spearman rho”两种方法对投入和产出指标进行相关性检验，结果如表2所示。由表2可知，除废气排放量指标不符合检验外，其余投入与产出指标之间均符合正向相关关系，并且在置信度为1%时通过双尾检验。这表明剔除废气排放量指标后，本文所选取的指标符合DEA分析方法的要求。

表2 生态技术创新效率投入与产出指标相关性检验表

综上，本文选取R&D人员全时当量、R&D经费内部支出、废水排放量和工业污染治理完成投资作为生态创新投入指标，选取专利申请量和新产品销售收入以及能耗产值作为生态创新产出指标。

三、实证分析

(一)数据来源

由于战略性新兴产业处于发展前沿，其囊括了许多高新技术如人工智能、云计算等，现有数据结构体系并不能完全概括战略性新兴产业的发展概况，所以存在部分指标无法获取的问题，本文借鉴张会新和白嘉等学者的做法，用高技术产业的指标数据代替战略性新兴产业指标数据。[15]68相关数据来源于《中国高技术产业统计年鉴》(2014—2017年)、《中国科技统计年鉴》(2018年)、《中国能源统计年鉴》(2014—2018年)、《中国统计年鉴》(2014—2018年)，选取我国2013—2017年长江经济带所包含9省2市的高技术产业相关数据进行分析。

此外，在保证研究准确性的前提下，参考吴传清等学者对创新效率的研究[16]162，文章对R&D经费内部支出、工业污染治理完成投资、新产品销售收入和能耗产值这四个指标以各省(市)2012年为基期的消费者物价指数CPI进行平减，以消除价格变动的影响。

(二)静态效率测算

运用DEAP 2.1软件，选择投入导向规模效率不变的CCR模型，对2013—2017年长江经济带地区战略性新兴产业生态创新综合效率及其平均值进行测算，结果如表3所示。

表3 2013—2017年长江经济带战略性新兴产业生态创新综合效率测算表

从时间线来看，在2013年达到DEA有效的有6个省市，占比约为54.5%；2014年和2015年，达到DEA有效的有5个省市，占比约为45.5%；2016年达到DEA有效的有7个省市，占比约为63.6%；2017年达到DEA有效的省市下降为5个，占比约为45.5%；各年的战略性新兴产业生态创新综合效率平均值都没有超过但接近于1。这说明只在2013年和2016年中有50%以上的省市达到了DEA有效，战略性新兴产业总体生态创新效率有待提升。

从地区线来看，连续五年都达到DEA有效的是江苏、安徽和四川，而上海、浙江、江西、湖南和重庆的战略性新兴产业生态创新综合效率平均值低于但接近1，说明其相关产业生态创新效率没有达到理想效果，综合效率有待进一步提高。在长江经济带中上游地区需要重点关注的是湖北、贵州和云南，其战略性新兴产业生态创新综合效率的平均值偏低，同时，这几个省份也是高耗能和高污染产业的集聚地，这从侧面反映了长江经济带地区战略性新兴产业的发展与资源环境不协调的现状。

在DEAP 2.1软件中选择以投入为导向的规模报酬可变的BCC模型，由于选取的是2013—2017年的数据，所以为了对比五年生态创新综合效率的变化，对2013年与2017年的生态创新综合效率及其分解指数进行测算，结果如表4所示。

表4 2013年和2017年长江经济带战略性新兴产业生态创新综合效率及其分解

由表4可知，2013年长江经济带地区战略性新兴产业生态创新综合效率平均值为0.851，2017年上升到0.870。2013年，江西、湖北、重庆和云南的生态创新综合效率低于平均值0.851。从其分解指数看，除湖北外其他地区纯技术效率均为1，对于规模效率来说，江西、湖北、重庆、贵州和云南都偏低，所以2013年长江经济带各省市战略性新兴产业未达到DEA有效的主要原因是规模效率较低。2017年有6个省市的生态创新综合效率高于平均值0.870，分别为上海、江苏、安徽、江西、重庆和四川，具体分析2017年其余省市未达到生态创新综合效率平均值的原因也是规模效率值偏低，除湖北、浙江和湖南外，其他地区的纯技术效率都为1，超过50%省市的战略性新兴产业规模效率不理想，这也同样反映出2017年长江经济带地区战略性新兴产业未达到DEA有效的主要原因是规模效率较低。所以，这说明2013—2017年之间长江经济带地区战略新兴产业总体生态创新综合效率提高的阻滞因素是规模效率偏低，生态创新综合效率的提高主要是纯技术效率拉动，未达到DEA有效的各个省市的战略性新兴产业应当注意调整其产业结构和规模以优化资源配置，进一步提高生态创新效率。

(三)Malmquist指数测算

运用DEAP 2.1软件对2013—2017年我国长江经济带地区各省市战略性新兴产业的Malmquist生产率指数进行测算和分解，得到其生态创新效率的动态变化情况，结果如表5所示，将表5的数据绘制成更加直观的方式展示，得到图1所示的生态创新Malmquist指数及其分解指标变动趋势。

表5结果表明，2013—2017年长江经济带地区战略性新兴产业全要素生产率(TFP)基本呈现下降趋势，2013—2016年全要素生产率平均变化率均接近但低于1，2016—2017年全要素生产率平均变化率大于1，2013—2014年全要素生产率降幅最大，为28.2%，主要原因是技术进步效率的下降。从各个指标变动的平均值来看，综合技术效率变动幅度要小于技术进步效率的变动幅度。进一步分析技术进步效率变动，只有2014—2015年技术进步效率变动大于1，其他年份均低于1，因此技术进步效率的变动是全要素生产率的阻滞原因。总体上来看，长江经济带各省市战略性新兴产业需要进一步提升相关产业管理水平的能力，提高资源利用效率，同时注意环境与经济的均衡发展。

半个上午过去，恐惧感慢慢消逝，我甚至感到很刺激，很好玩。中间几乎没有休息，小解时，他们背对着巷子里的行人，朝着新楼 尿。我是学生，讲文明，不好意思站在脚手架上撒野，我撤下来。巷子里有人来往，我抹不开这个脸，向我们的住所飞奔。脚手架上传来唏嘘声，他们一定在说我“懒驴上磨屎尿多”。我把他们的声音扔在身后。

表5 2013—2017年长江经济带战略性新兴产业Malmquist指数及其分解

图1显示，长江经济带地区战略性新兴产业全要素生产率均呈现不同波动，前期波动幅度较大，后期变化较为平缓。具体来看，在2013—2014年和2014—2015年之间技术进步变动增幅最大，而综合技术效率变动指标呈下降趋势，综合来看全要素生产率呈现上升趋势，这说明导致2013—2015年全要素生产率上升的主要原因是技术进步的变动。而在2015—2017年之间，技术进步效率变动下降,综合技术效率上升，导致全要素生产率变动呈上升趋势，这说明2015—2017年之间全要素生产率变动主要是因为综合技术效率变动的提高。

图1 2014—2017年生态创新Malmquist指数变动趋势

表6显示了长江经济带各省市战略性新兴产业生态创新Malmquist 指数及其分解项测算结果，从表6可以看出，在2013—2017年间，各个省市全要素生产率没有达到理想效果，全要素生产率大于1的只有上海市，这似乎与近年国内生态经济发展趋势相悖，主要原因是战略性新兴产业涵盖了许多如人工智能等高端前沿的产业，这些创新产出并不能用传统的指标来衡量，导致计算出来的全要素生产率偏低。具体来看，造成长江经济带地区战略性新兴产业全要素生产率较低的因素主要有两个，一是由于各省市的技术进步效率较低造成的，这类省市包括江苏、浙江、安徽、湖南、四川、云南和贵州7省，尤其对于贵州和云南等省份而言其应在加大对创新投入的同时注意环境效益，推动各省市技术进步与环境协调的同步发展；二是由于各省市综合技术效率变动和技术进步效率变动双低造成，即江西、湖北和重庆3省市，针对重庆和江西，其纯技术效率较高，但需要注意的是调整产业生态创新配置的规模；而湖北则需要在创新研发的资源配置、生态创新激励机制等政策的实施方面加大力度。总体上来说，造成全要素生产率降低的主要原因是技术进步效率的降低，由综合技术效率的变动减缓全要素生产率下降趋势。从各个省市来看只有上海市技术进步效率为增长态势，其他地区的技术进步效率变动都呈下降趋势，特别是重庆市，其下降幅度最大，为20.4%，这也说明创新基础较强的省市其技术进步效率会可能比创新基础差的省市低。

表6 长江经济带各省域战略性新兴产业Malmquist 指数及其分解

(四)聚类分析

为进一步了解长江经济带地区各省市战略性新兴产业生态创新效率值的聚集程度，本文利用SPSS 21.0软件对长江经济带各省市战略性新兴产业Malmquist指数及其分解的测算值进行R型聚类分析，采用最近邻元素作为类间距离，类内距离选择欧氏距离，聚类结果如图2所示。

图2 长江经济带战略性新兴产业生态创新效率聚类分析图

在图2中将距离为20作为分割线，可以得到三大聚类结果。根据结果可知，长江经济带战略性新兴产业生态创新效率没有完全按照传统各省市的经济水平发展格局分布。第一类只包含上海市；第二类除了江苏、浙江、安徽、江西、湖北、湖南和四川外，贵州、云南等欠发达区域也被包含在其中；第三类为重庆。总体结果显示，我国长江经济带地区各省市战略性新兴产业总体生态效率分布集中，但个别经济发达的省市的生态创新能力没有达到预期效果；反观贵州、云南等欠发达地区的生态创新效率较为可观，这从侧面反映出该地区的生态资源利用率高，能够以较小的资源投入获得较高的创新收益。聚类结果表明，生态创新效率在某种程度上与地区的创新基础没有明显的正向相关性。

(五)回归分析

根据聚类结果显示，生态创新效率在某种程度上与地区的创新基础没有明显的正相关关系，说明生态创新效率除了投入产出指标值外还受到其他因素的影响。为了准确分析影响生态创新效率的因素，本文借鉴周璇等[5]272学者的研究成果，通过回归分析来探究产业结构、经济发展、教育水平和劳动生产率四个因素对战略性新兴产业生态创新效率的影响，其中，总产值占GDP比重代表产业结构，人均GDP代表经济发展，每十万人口高等学校平均在校人数代表教育水平，总产值与就业人员比代表劳动生产率，指标数据来源于各年《中国统计年鉴》和《中国高技术产业统计年鉴》。

对各变量2013—2017年的数据进行豪斯曼检验，结果显示应选择固定效应模型，所以本文将采用固定效应模型进行回归分析。将战略性新兴产业生态创新Malmquist指数作为被解释变量，产业结构、经济发展、教育水平和劳动生产率作为解释变量进行回归分析，其结果如表7所示。回归结果表明：R2检验值为0.597，说明拟合效果较好；选取的四个变量均通过显著性检验，都对生态技术创新效率产生正向影响效应；相对于经济发展，产业结构、教育水平、劳动生产率对生态创新效率具有更明显的正向促进作用。

表7 回归结果统计表

四、结论与建议

(一)结论

本文基于2013—2017年长江经济带地区9省2市战略性新兴产业的生态创新投入与产出指标相关数据，分别利用DEA和Malmquist指数模型对生态创新效率进行静态和动态测算，结论如下。

(1)总体来说，长江经济带地区战略性新兴产业的生态环境与创新效率发展不均衡，生态创新效率有待提升，此外，长江经济带各地区的生态创新效率发展存在地域性差异，长江经济带中下游地区的生态创新效率整体偏高。各省市应认清自身发展的优势与劣势，加强上海等中心城市的生态创新引导力，采取加大创新研发投入的同时注重生态环境保护的发展方式，在高新产业的发展中创造生态创新激励机制，实现生态创新双赢发展。

(2)静态效率测算结果表明：2013—2017年长江经济带地区战略性新兴产业未达到DEA有效的主要原因是规模效率较低，生态创新综合效率主要由纯技术效率拉动。

(3)通过 Malmquist 指数对战略性新兴产业生态创新全要素生产率的动态分析表明:技术进步效率的降低是造成全要素生产率下降的主导原因。总体上来看，长江经济带地区战略性新兴产业需要进一步提升相关产业生态环境保护的能力，提高原料投入与资源消耗的利用效率，同时注意环境与经济的均衡发展。

(4)聚类与回归分析结果表明：长江经济带地区战略性新兴产业生态创新效率分布集中，但各省市的聚类分布并没有完全按照经济发展和创新基础格局分布，相对于经济发展，产业结构、教育水平、劳动生产率对生态技术创新效率的正面促进效应更加显著。

(二)建议

(1)对于技术进步效率值低而造成生态创新效率偏低的情况，如江苏、浙江、安徽、湖南、四川、云南和贵州7省，企业和政府应针对自身产业发展情况制定适宜自己的发展战略。一方面，针对企业来说，像安徽、湖南、四川、云南和贵州5省的企业应加大科研力度，寻求与高校或科研院所进行合作，形成产学研合作体系，提高企业技术创新，从而促进整个省域的战略性新兴产业企业之间的技术进步。对于浙江和江苏两省来说，该地区的创新基础较好，生态创新效率在各省市中排名比较靠前，所以其应保持创新投入的同时注意环境效益，推动战略性新兴产业技术与环境协调的同步发展。另一方面，针对政府来说，对于技术进步效率偏低的问题，应大力推行技术创新，注意引进外在成熟的产业技术生态创新经验，同时学习管理生态创新的方法，给予战略性新兴产业企业技术创新税收优惠政策，鼓励企业进行高创新低污染的生产方式。

(2)对于技术进步与规模效率值双低造成的生态创新效率偏低情况，尤其是江西、湖北和重庆3省市，企业和政府应对产业技术和产业规模双管齐下。一方面，对于企业而言，在发展战略性新兴产业时应注重调整产业结构与资源配置问题，注重在一定资源投入的情况下提高新兴产业技术创新研发率，实现科研成果与成果转化的无缝衔接。在发展战略性新兴产业时仍然应将技术创新作为企业发展的核心要素，合理配置各产业结构比重，考虑重创新轻污染的发展路径。另一方面，对于政府而言，应出台合理的产业规划纲要，明确在战略性新兴产业技术创新发展的同时不能忽视生态环境保护，同时应大力支持企业发展生态良好型战略性新兴产业，加大科研与环境保护投入力度，推行鼓励战略性新兴产业企业生态技术创新提高的相关政策。此外，政府有关部门还应建立战略性新兴产业的生态创新考核体系，督促企业形成技术创新的生态循环系统，实现产业创新发展的生态友好型发展。

(3)长江经济带的战略性新兴产业生态创新发展不均衡。各省市应当注重技术型人才的培养，提高战略性新兴产业的劳动生产率，打破原有的行政区域限制，发挥以上海、浙江等高生态技术创新率地区的中心辐射作用，以便各地区进行深入技术交流。以长江经济带下游地区拉动上游地区的产业生态创新效率发展，发挥长江经济带各省市的战略优势，积极发展各地区特色新兴产业，控制好战略性新兴产业的高污染排放，规划产业污染排放与产业技术创新的力度。