高新技术产业绿色创新效率时空分异及影响因素研究

李 健，李宁宁，苑清敏

(1.天津理工大学管理学院/循环经济与企业可持续发展研究中心，天津 300384；2.天津大学管理与经济学部，天津 300072)

0 引言

在 “新常态”和 “新时代”发展背景下，新一轮科技革命与中国高质量发展形成了历史性交汇。《中国制造2025》提出，将 “创新驱动与绿色发展”结合以推动中国经济的高质量发展[1]。高新技术产业作为推动科技革命与高质量发展的重要载体，在国内经济发展换挡提质的背景下，仍保持 “逆市上扬”的发展势头[2]。然而，高新技术产业在取得良好经济效益时，发展过程涉及的环境效益问题正在逐渐凸显，引人担忧。可见，高新技术产业与传统产业一样，在发展过程中无法规避资源消耗和环境污染问题，其在加快实现高附加值和绿色发展目标上任重而道远。据此可见，高新技术产业发展除注重创新能力外还需兼顾资源约束和环境污染问题。

提升绿色创新能力是中国高新技术产业实现高质量、可持续发展的必然选择。以此引发的思考是：中国高新技术产业绿色创新效率水平如何？各区域高新技术产业绿色创新效率有何时空差异？有哪些关键因素影响中国高新技术产业绿色创新效率？为此，本研究从实证角度正确认识和准确评估中国高新技术产业绿色发展效率，探索中国省域高新技术产业绿色创新效率的时空差异，进而分析效率差异产生的原因，探究高新技术产业绿色创新效率发展的影响因素，这对提升高新技术产业绿色创新能力，促进区域科技、经济和环境的协调发展有重要意义。

1 文献综述

20世纪90年代对绿色创新研究就已开始，但不同领域的学者对其内涵有不同界定[3]，以此引申出绿色创新的不同定义和实践应用，如环境创新、生态创新和可持续发展创新[4]。Makkone等研究认为能为客户带来价值的、经过改进的新技术都可称为环境创新，环境创新等同绿色创新[5]。Yudi等认为生态创新区别于其他的有形资源，是组织实现可持续发展的无形资源[6]。Alejandro等将生态创新定义为环境管理，并将其引用到广泛使用的生产函数中[7]。邝嫦娥等认为绿色创新不仅注重经济发展，更重要的是强调经济的可持续和绿色生态[8]。上述文献从不同领域和角度给出绿色发展定义，本研究从经济效益和环境效益双赢的角度，认为绿色创新是在技术创新过程中突出绿色理念，在技术创新过程中强调降低能源消耗、减少环境污染。

绿色创新内涵和定义的研究成果十分丰富，针对绿色创新效率测度的研究备受学者关注，主要分为两类：①基于参数的随机前沿分析方法。李金滟等利用熵值法和随机前沿相结合的方法，测算湖北省12个地级市的绿色创新效率[9]。曹霞和于娟从绿色低碳视角切入，通过使用改进的随机前沿方法，测算中国30个省市的区域创新效率[10]。②数据包络分析方法。刘章生等使用全局SBM模型对中国省际绿色创新能力进行测算，进一步通过GML指数分析其时空变化特征和演变规律[11]。王惠等从环境约束视角出发，采用Super-SBM模型对中国高新技术产业的创新效率进行测算[12]。钱丽等从共享投入关联视角切入，利用两阶段DEA模型对中国区域工业企业的绿色研发和绿色成果转化效率进行测度[13]。

有关绿色创新效率影响因素方面，学者主要从企业规模、研发投入、政府支持和公司治理等角度对行业 (产业)绿色创新效率影响进行检验分析。张峰等研究发现企业规模质量对高新技术产业绿色技术创新有双重门槛效应，产业聚集、市场环境、劳动者素质对高技术产业绿色发展有显著积极效应，外资依存度作用不明显[2]。王惠等研究表明研发投入强度对高技术产业绿色创新效率具有双重门槛效应，市场环境、政府资助、产业聚集均与高技术产业绿色创新效率呈显著正相关[12]。李婉红利用空间计量模型检验发现，研发投入强度、人均GDP和环保投入对中国工业绿色专利产出具有显著正向影响[14]。Mario等利用美国上市公司数据研究发现公司治理较差的企业产生的绿色专利也较少[15]。

通过文献梳理发现，针对绿色创新效率研究尺度多集中于省域、区域和工业行业，对于高新技术产业绿色创新研究有待丰富。高新技术产业研究多集中于创新效率[16-18]，鲜少在产出中考虑环境约束问题，即忽略非期望产出问题。而在投入要素中容易忽视要素的 “松弛”和 “拥挤”问题。此外，在影响因素研究中，多基于静态面板模型进行讨论和检验，缺乏对内生性问题和动态面板的考量。鉴于此，基于中国30个省 (市、区)高新技术产业的面板数据，综合考量高新技术产业绿色创新过程中涉及的经济和环境效益，采用考虑非期望产出的Super-SBM模型对2009—2018年中国30个省份的高新技术产业的绿色创新效率进行测度，并进一步使用GMM动态面板模型对其影响因素进行分析，以期为中国高新技术产业绿色创新效率提升提供参考和借鉴。

2 模型构建及变量说明

2.1 研究方法

(1)Super-SBM模型。基于非期望产出的Super-SBM模型是一种非径向、非角度的效率评价模型。作为中国高新技术产业绿色创新效率评价模型，一方面，将松弛变量纳入所研究的目标函数中，克服传统DEA模型在这方面的缺陷；另一方面，可计算效率值大于1的决策单元，即可以将所有决策单元的效率值进行计算、排序。此外，将非期望产出引入Super-SBM模型中，构建模型更符合研究需求。基于此，构建高新技术产业绿色创新效率评价模型：

ρ*=minρ

(2)动态面板模型。采用动态面板模型对高新技术产业绿色创新效率影响因素进行研究，一方面，可对普通面板回归模型中可能的内生性问题予以克服；另一方面，可通过增加滞后期效率值对可能遗漏的重要变量予以补充。构建基本GMM动态面板模型如下：

GIEit=α0+α1GIEit-1+α2REAit+α3SCAit+α4EDUit+α5INDit+α6GOVit+α7MARit+εit

为了消除模型存在的异方差，并增强面板数据和模型的稳定性，对所有变量进行对数化处理，构建最终GMM动态面板模型如下：

lnGIEit=α0+α1lnGIEit-1+α2lnREAit+α3lnSCAit+α4lnEDUit+α5lnINDit+α6lnGOVit+α7lnMARit+εit

式中，GIEit为各省份高新技术产业绿色创新效率值，GIEit-1为滞后期效率值，REAit、SCAit、EDUit、INDit、GOVit、MARit是6个自变量，即绿色创新效率的影响因素，α0为常数项，α1～α7为待估系数，εit为随机误差。采用系统GMM动态面板回归非常适合于具有内生性、时间序列较短的面板数据。

2.2 数据来源

本文对高新技术产业的界定参考OECD划分标准，同时考虑统计口径一致性和数据可获得性，高新技术产业可划分为：航空航天器及设备制造业、计算机及办公设备制造业、医药制造业、医疗仪器设备及仪器仪表制造业、电子及通信设备制造业五大行业。研究对象为中国30个省份高新技术产业 (因数据问题，西藏、中国的港澳台地区不包含在此次研究样本中)，样本期为2009—2018年。关于投入产出滞后期选择问题，研究对象为以市场为导向，更强调快速响应的高新技术产业，滞后期选择不得过长[19]，借鉴余泳泽等[20]研究，将投入产出时滞设置为1年，即投入指标期为2008—2017年，产出指标期为2009—2018年。数据来源于《中国统计年鉴》《中国科技统计年鉴》《中国高技术产业统计年鉴》《中国火炬统计年鉴》《中国能源统计年鉴》和《中国环境统计年鉴》。

2.3 指标选取

(1)创新投入产出指标选取。创新投入主要从劳动力、能源及资本角度进行测度。劳动力投入的代理变量为R&D人员全时当量；能源投入的代理变量为能源消耗总量[2]；资本投入的代理变量为R&D经费内部支出，考虑到R&D投入在生产过程中存在持续性影响，用R&D资本存量代替R&D经费内部支出作为资本投入的代理变量。R&D资本存量[21]采用永续盘存法 (PIM)进行核算，用公式可表示为：

Ki,t=(1-δ)Ki,t-1+Ii,t

式中，Ki,t和Ki,t-1分别表示i省份第t期和t-1期的R&D资本存量；δ为折旧率，参考张军等[22]的方法将折旧率设置为9.6%；Ii,t为i省份t时期的R&D经费内部支出流量，并在此之前借鉴朱平芳[23]的方法进行价格指数平减，R&D平减价格指数=0.55消费价格指数+0.45固定资产投资价格指数。基期资本存量=平减后基期R&D经费内部支出/ (R&D经费增长率+折旧率)。根据样本考察期和数据可得性，选取2008年为基期。

创新产出主要从期望产出和非期望产出角度进行衡量。在期望产出方面，选取专利申请量和新产品销售收入作为代理变量。专利代表高新技术企业创新成果的主要产出，也是企业科技资本的核心体现，包括专利申请量和专利授权量。考虑到专利在授权过程中不确定因素较多，将专利申请量作为创新成果产出代理变量。新产品销售收入则代表了高新技术企业创新成果市场价值的转化能力，是经济效益的直接体现。在非期望产出方面，考虑到高新技术企业绿色创新活动过程中带来的环境污染物排放，选取作为企业污染物排放主要检测对象的二氧化硫排放量为非期望产出的代理变量。

(2)影响因素指标选取。从内部因素和外部环境因素两个角度衡量，内部因素包括研发强度、产业规模和劳动者素质；外部因素包括产业结构、政府支持和市场竞争。①研发强度 (REA)，反映企业创新意愿和积极性，用研发经费支出占营业收入比重表示；②产业规模 (SCA)，一般从产值或员工人数角度进行衡量，用高新技术产业从业人员平均数表示；③劳动者素质 (EDU)，用大专以上受教育人数占比表示；④地区产业结构 (IND)，反映高新技术产业所在地区的产业状况，用第二产业总值占地区GDP比重表示；⑤政府支持 (GOV)，反映政府对产业创新活动的支持，用政府资金投入占企业科技经费筹集比重表示；⑥市场竞争 (MAR)，反映高新技术产业的市场结构和进出壁垒，用高新技术产业的企业个数表示。

3 测算结果分析

3.1 绿色创新效率时序演变特征分析

运用考虑非期望产出的Super-SBM模型，采用MaxDEA软件，对中国大陆30个省份2009—2018年高新技术产业绿色创新效率值进行测算。高新技术产业部分年份的绿色创新效率值见表1。为了便于分析时序变化特征，绘制全国及3个地区绿色创新效率时间演化，如图1所示。有关效率区等级划分，将 “高效率”区界定为绿色创新效率值高于0.9的区域， “中等效率”区界定为绿色创新效率值在0.5～0.9的区域， “低效率”区界定为绿色创新效率值低于0.5的区域。

表1 中国各省域高新技术产业绿色创新效率测度结果 (2009—2018年)

从区域层面看，3个地区高新技术产业绿色创新效率差异逐渐缩小，整体表现出由 “低效率大差异”向 “高效率小差异”的演进趋势。就 “效率”变化看，3个地区高新技术产业绿色创新效率均呈波动上升趋势，其中东部地区高新技术产业绿色创新效率整体均值由0.852增长到0.923，有7.7%提升空间，虽未达到DEA有效，仍高于全国水平，由 “中等效率”状态提升至 “高效率”状态；中部高新技术产业绿色创新效率整体均值由0.717增长到0.849，有15.1%的提升空间，效率值略高于全国水平，持续处于 “中等效率”水平；西部高新技术产业绿色创新效率整体均值由0.583增长为0.705，效率损失缺口高达29.5%，低于全国水平，绿色创新效率均值由 “低效率”状态成长为 “中等效率”水平。就 “差异”变化看，选取首末年份2009年、2018年和中间年份2013年为代表年份进行分析，发现2009年高新技术产业绿色创新效率均值东部相比中部变化幅度为18.8%，相比西部变化幅度为46.1%，中部相比西部变化幅度为22.9%，2013年相应变化幅度分别为2.3%、21.1%、18.2%，2018年相应变化幅度分别为15.4%、37.7%、19.3%，整体上区域差异在缩小。究其原因，东部地区经济实力较强，创新环境、技术和管理水平条件优越，但资源、技术和环境之间协调仍不足。中、西部地区经济基础薄弱，科技人力资源条件也与东部有较大差距，但随着国家的重点扶持和政策倾斜，以及外资企业入驻带来的创新环境和市场化进程的不断完善，在既定的人、财、物投入下高新技术产业绿色创新效率不断上升。另外，考察期内中国高新技术产业绿色创新效率呈波动上升趋势，整体均值由0.717增长到0.824，未达到DEA有效状态，仍有17.6%的提升空间，持续处于 “中等效率”状态。

图1 全国及3个地区高新技术产业绿色创新效率时间演化

从省域层面看，考察期内不同等级的高新技术产业绿色创新效率随时间变化较大。总体上看， “高效率”区省份逐渐增多，由10个增加到20个。其中3个时间点始终保持在 “高效率”区的省份有北京、天津、福建、山东、广东、四川，到考察期末，仍在 “高效率”区的省份主要来自东部和中部地区。 “中等效率”和“低效率”区省份逐渐减少，分别由14个和6个减少到7个和3个。由 “中等效率”水平提高至 “高效率”水平的省份有河北、吉林、上海、江苏、浙江、河南、湖北、重庆、云南，主要来自东部及西部较发达地区；由 “低效率”水平提高至 “中等效率”水平的省份有内蒙古、宁夏，来自中西部地区。安徽和湖南则从 “低效率”水平提升至 “高效率”水平。国家政策的强力推动，使高新技术产业绿色创新 “大环境”不断变好，高新技术产业在发展过程中不仅注重 “量”的变化，更加注重 “质”的提升，见表2。

表2 中国省域高新技术产业绿色创新效率水平分布 (2009—2018年)

3.2 绿色创新效率空间分异特征分析

对中国高新技术产业绿色创新效率的空间分异特征进一步分析，借助Arcgics10.2软件，绘制中国高新技术产业2009年、2013年及2018年的绿色创新效率分位图，颜色越深表示绿色创新效率值越大，如图2所示。

从区域层面看，考察期内分属不同等级高新技术产业的绿色创新效率空间分布变化较大，总体呈 “东中西”依次阶梯式递减和 “南高北低”的空间分异特征。从3个地区看，东部地区高新技术绿色创新效率均值明显高于中部和西部地区，中西部地区间差距较小。从南北方情况看，到2018年，南方地区高新技术产业绿色创新效率基本处在 “中等效率”和 “高效率”水平， “低效率”水平的基本都分布在北方。具体看，考察期内高新技术产业绿色创新高效率集中成片分布，主要分布于东部沿海地区。这些地区区位和政策优势显著，为高新技术产业绿色创新发展提供很好的 “土壤”，强劲的科研实力和丰富的环保经验使其在实现高质量发展同时，逐步实现产业优化转型升级，高新技术产业绿色发展效率始终保持较高水平。属高新技术产业绿色创新 “中等效率”区的省份显著增加，主要分布在长江中下游地区，这些地区依靠政策倾斜和周边区域的带动，创新环境和创新平台不断完善，但过于依赖资源环境，创新活力不足，高新技术产业绿色创新仍需进一步努力。高新技术产业绿色创新低效率地区主要分布在东北、中部及西北部一些省份，由于历史因素和自然条件限制，经济发展较落后，环保经验不足，主要以高能耗、高污染产业为主，高新技术产业所处 “大环境”没有优势，高新技术产业绿色创新资源稀少，科技创新基础薄弱，处于低效率水平。值得注意的是，长江经济带高新技术产业在考察期间绿色创新效率不断增长，到考察期末已围绕长江经济带形成高效率带，沿江沿海的T型高新技术产业绿色创新空间格局基本形成。

从省域层面看，广东、北京、江苏、重庆、天津及浙江等省份高新技术产业绿色创新效率值相对较高，这些省份主要分布在东、中部地区。其中，广东高新技术产业绿色创新效率值基本都大于0.900，处在 “高效率”水平，这与其区域发展状况有密切关系。广东作为中国经济总量最大的省份，其经济实力、市场化程度、科技创新投入、人才聚集以及环保经验等都处于全国领先水平，省内高新技术产业绿色创新 “内外环境”优势显著。江苏省地处东部沿海地区，其不仅省域经济综合实力很强，县域经济亦非常发达，区域创新能力也一直居全国前列，这些都为高新技术产业绿色创新提供了很好的 “温床”。浙江是中国经济最活跃省份之一，其在发展过程中逐渐形成鲜明特色的 “浙江经济”，与上海和江苏共同构成长江三角洲城市群，高新技术产业绿色创新效率值虽有波动，整体向高效率水平迈进。山西、青海、新疆这些省份高新技术产业绿色创新效率值在0.500以下，效率值相对较低，主要分布在中部和西部地区。这些地区经济发展滞后，产业转型升级有待加快，高新技术产业绿色创新发展缓慢，和东部地区相比仍有较大差距。

注：基于国家测绘地理信息局标准地图服务网站下载，审图号为GS (2019)1825号。图2 中国高新技术产业绿色创新效率时空分布

3.3 绿色创新效率影响因素分析

对中国高新技术产业绿色创新效率影响因素进行检验分析，依照前文影响因素分析，从内部因素和外部因素角度出发，利用系统GMM动态面板数据模型，基于2009—2018年中国高新技术产业绿色创新面板数据，运用Stata15.0软件，计算中国高新技术产业绿色创新效率影响因素检验结果，见表3。

表3 中国高新技术产业绿色创新效率影响因素检验结果

由表3可知，高新技术产业绿色创新效率系统GMM动态面板模型估计的自回归 (AR)和Sargan检验值伴随概率分别为0.457和0.469，均大于0.1，说明选取的工具变量整体上是有效的，研究结果如下。

(1)高新技术产业绿色创新效率滞后期的估计系数为0.327，且在1%水平上显著，滞后期效应对当前效应有显著积极影响。这说明高新技术产业绿色创新效率提升是一个长期积累过程，前期绿色创新发展状况对后期效率提升有重要作用，需不断积累绿色创新能力，将高新技术产业绿色创新作为长期战略重点。

(2)研发强度对高新技术产业绿色创新效率产生正向影响，并在1%水平下通过了显著性检验，影响系数为0.297。这与王惠等[12]的研究结论相似，其在研究过程中发现当高新技术产业企业规模跨越第二门槛时 (中国大部分省份的企业规模都跨越了第二门槛)，研发强度投入能正向促进高新技术产业绿色创新效率的提高。研发强度投入的增加使高新技术产业绿色创新知识储量增加， “知识外溢”使高新技术企业在生产过程中更易积累和交流绿色创新理念，促进高新技术产业绿色创新效率不断提升。

(3)产业规模对高新技术产业绿色创新效率产生正向影响，并在5%显著水平下通过显著性检验。选取高新技术产业从业人员平均数来表示，体现了从事高新技术产业绿色创新人员的数量。原因可能在于产业规模越大，高新技术产业绿色创新储备的人才和知识理念越多，引导高新技术产业向低碳环保方向前进。

(4)劳动者素质对高新技术产业绿色创新影响系数为0.377，在1%水平上显著，与张峰等[2]的研究结论相一致。劳动者是高新技术产业绿色创新的主体和驱动力，产业的绿色创新归根结底都是由 “人”来完成的。劳动者素质越高，具有越高的专业知识水平和创新思维，就越能带动和影响高新技术产业绿色创新效率的提升。

(5)产业结构对高新技术产业绿色创新效率影响为正，但并未通过显著性检验。原因可能在于本文选择的产业结构指标是第二产业占比，而高新技术产业既涉及第二产业中的制造业，也涉及第三产业。

(6)政府支持在1%水平下通过显著性检验，影响系数为负。这与Guan等[24]的研究结论类似，政府支持起引导和辅助作用，不可太过依赖，绿色创新效率提升主要还有赖于自身资金的投入。

(7)市场竞争程度选取的是高新技术产业企业数，该指标在5%水平下通过显著性检验，影响系数为负，对高新技术产业绿色创新能力有消极影响。这与杨庆等[25]的研究结论类似，原因可能在于市场竞争程度太高的情况下，高新技术企业将忽视其对环境产生的负效应，只注重经济效益，非期望产出增大，导致其绿色创新效率降低。

4 结论及建议

将非期望产出纳入高新技术产业创新效率研究框架中，运用考虑非期望产出的Super-SBM模型，对中国30个省份2009—2018年高新技术产业绿色创新效率进行测度，依照测度结果对其时空分异特征进行分析，最后利用GMM动态面板模型检验高新技术产业绿色创新效率影响因素，主要结论如下。

(1)从区域视角看，2009—2018年中国高新技术产业绿色创新效率虽有波动总体呈缓慢增长态势，整体表现出由 “低效率大差异”向 “高效率小差异”演进的趋势。区域间差异较大，高新技术产业绿色创新效率均值为东部>中部>西部，总体呈现 “东中西”阶梯式递减和 “南高北低”的空间分异特征，这与以往 “东中西依次递减”的研究结论相一致。特别地，长江经济带沿江沿海T型高新技术产业绿色创新格局基本形成。

(2)从省域视角看，不同等级的高新技术产业绿色创新效率变化较大。2009年属于高新技术产业绿色创新 “高效率”区省份占33.33%，属于 “低效率”区省份占20%，大部分省份的高新技术产业绿色创新效率属 “中等效率”水平；2018年属于高新技术产业绿色创新 “高效率”区省份则66.66%，属于高新技术产业绿色创新 “低效率”区省份仅占10%， “高效率”区省份占全国多数。从高新技术产业绿色创新效率均值看，属于高新技术产业 “低效率”区省份有山西、青海、新疆，都是中、西部地区，是中国高新技术产业绿色创新发展的关注重点。

(3)影响因素检验表明，研发强度、产业规模、劳动者素质对高新技术产业绿色创新提升有积极作用，产业结构调整对绿色创新效率提升也有积极影响但不显著；政府支持、市场竞争对绿色创新效率提升有负向影响。此外，滞后期效率值对绿色创新效率提升有显著积极影响。

根据研究结论，提出以下针对性建议。

(1)中国高新技术产业绿色创新效率区域差异较大，提升效率过程中要充分考虑区域异质性，强调 “深厉浅揭”。东部地区在充分发挥其区位和政策优势的同时，参考国外高新技术产业环境治理案例，学习国际高新技术产业绿色创新技术前沿，用技术手段解决生产过程中的环境问题，促使高新技术产业从被动的污染治理向主动的源头控制迈进，实现经济的高质量发展。中西部地区尤其欠发达的西部地区，由于历史原因形成了自我封锁的创新依赖路径，靠自身努力很难克服，这些地区高新技术产业在充分发挥其技术后进和资源丰富优势外，要加强与东、中部发达省份的合作交流，依靠其辐射带动和 “知识溢出”，优化配置绿色创新资源，丰富绿色创新理念，从而提升高新技术产业的绿色创新效率。

(2)中国高新技术产业不同等级绿色创新效率省域变化较大，提升效率过程中要注意借鉴其他地区经验并积极发挥自身优势，使得 “各显所长”。比如，处于 “低效率”水平的山西煤炭资源和中医药资源丰富，可考虑优先发展煤化工和中医药产业，以相对优势产业带动其他产业，增加高新技术产业经济效益，利用技术降低环境影响。青海可借助地理优势，利用丰富的动植物资源，优先发展与之相关的生物科技、绿色食品加工等高新技术产业，借由技术创新实现生产力转化，提高经济效益。新疆也应充分发挥其地沿优势，实施高新技术产业发展的贸易带动和特色化优势，促进高新技术产业绿色创新发展。

(3)中国高新技术产业绿色创新效率影响因素复杂，提升效率过程中要全面考虑内部因素和外部因素，做到 “双管齐下”。加大绿色创新研发投入强度，鼓励以技术创新减少环境污染，实现从源头到末端的 “全过程绿色化”。增加高新技术产业规模，依靠政策倾斜，激发绿色技术市场需求，吸引更多人才，为高新技术产业绿色创新储备知识和人才。通过顺应高新技术产业绿色创新发展趋势，加强与外资企业、高校研发合作关系，提升高新技术产业人力资本水平，提升高新技术产业绿色创新劳动者素质。政府要坚持市场主导，减少行政干预和垄断，政府支持主要向绿色创新能力薄弱的小微企业倾斜，高新技术产业持续绿色创新能力发展还得依靠自身战略制定和研发投入。此外，还应该避免市场竞争中的不良、恶意竞争，严格执行污染排放和环境保护标准。最后，考虑到高新技术产业绿色创新效率滞后期的显著积极影响，要将高新技术产业绿色发展作为长期发展战略。