创新质量对高技术产业绿色创新效率影响的异质性——基于产业集聚的门槛效应

张樨樨，曹正旭，徐士元

（1.中国海洋大学管理学院，山东青岛 266100；2.中国海洋大学海洋发展研究院，山东青岛 266100；3.浙江海洋大学，浙江舟山 316022）

在经济发展新常态背景下，我国提出以创新作为经济绿色增长第一驱动力的发展战略，旨在降低经济增长的环境附加成本，推动经济发展由要素驱动、投资驱动向创新驱动转变。高技术产业作为绿色创新发展的主战场和创新驱动战略的重要抓手，是推动经济高效、平稳增长的重要引擎。我国高技术产业取得突飞猛进发展，但创新数量多、质量低导致的成果转化率不高和环境成本增加等问题逐渐凸显，严重阻碍高技术产业绿色创新效率进一步提升，因此，如何将创新数量转化为创新质量优势，提升高技术产业绿色创新效率成为现阶段亟需解决的重要议题。由于受地理区位和政策倾斜等因素影响，我国高技术产业分布存在区域差异，在发展过程中呈现一定规模集聚现象。高技术产业绿色创新效率不仅受创新质量影响，同时也可能受产业集聚水平等其他因素影响。从理论角度出发，应将产业集聚纳入影响高技术产业绿色创新效率研究框架中，有助于丰富该领域成果；从现实来看，我国高技术产业在发展过程中集聚特征明显，如果单独研究创新质量对高技术产业绿色创新效率的影响会失去现实意义。因此，将高技术产业集聚纳入创新质量对绿色创新效率影响的研究框架中，对分析我国高技术产业绿色创新效率影响因素、提升绿色创新效率具有重要现实意义。

1 文献综述

“绿色创新”的概念是由Fussler 等［1］于1996年首次提出，其本质是指企业为降低环境污染而进行的具有商业价值的活动。从研究范畴来看，绿色创新效率评价涉及微观和宏观层面。早期针对高技术产业绿色创新效率的研究主要以企业、行业等微观领域为主［2］，其中企业是绿色创新活动的主体，研究重点多集中于效率测度；然而，仅从微观角度分析无法有效解决外部性影响，为此，研究方向逐渐由微观向宏观层面转移，倾向于省域、市域等层面，围绕指标构建、模型与方法、时空特征及影响因素展开。从评价方法来看，现有研究主要采用数据包络分析（data envelopment analysis, DEA）、随机前沿分析（stochastic frontier analysis, SFA）、非期望SBM 模型等方法对高技术产业绿色创新效率进行分析。其中，传统DEA 模型在效率测度过程中摆脱了生产函数的束缚，但对数据异常值敏感性较高，并且在测度效率时仅考虑经济效益，忽略了非期望产出对效率的影响，这与实际生产过程不符；SFA 模型需要事先确定生产函数的形式，且期望产出变量具有唯一性，难以解决多投入多产出的问题，而实际上高技术产业绿色创新效率是，在经济发展过程和人类活动共同作用下产生期望的经济、社会效益，又以污染物排放的方式作出非期望的响应；基于非期望产出的SBM模型既考虑了生产过程中的非期望产出，解决了忽略松弛变量导致技术效率高估问题，又考虑了多投入多产出问题，使高技术产业绿色创新效率测度值更加准确，在效率测度中得到广泛应用。

关于创新与绿色创新效率间的关系，学术界无论是在理论研究、实证检验还是绿色创新效率测算方法改进方面均取得丰硕成果，虽然已有研究从创新投入、创新环境、创新模式等方面分析对创新效率的影响，但忽略了创新的核心问题，即创新质量。“创新质量”的概念最早由Haner［3］提出，并被划分为产品或服务、过程及企业3 个领域；杨幽红［4］在此基础上，将创新质量内涵扩充为创新所提供的产品、服务、过程、市场或是经营管理组织、方法的特征满足顾客要求的程度以及所含不良的免除程度，但并未提出创新质量的测算方法。对创新质量的定量测算，已有多数研究以人均技术市场成交额、专利数量、新产品销售收入等指标衡量，但以上指标仅阐述了“量”的变化，忽视了“质”的影响；部分研究从专利质量角度衡量创新质量，如Hsu等［5］、Akcigit 等［6］分别采用专利被引频次、专利知识宽度衡量创新质量，吴菲菲等［7］利用多指标综合评价法测算了我国医药领域专利质量。

在探讨创新产出影响因素时，有学者指出产业集聚是影响创新绩效的重要原因之一，且认为产业集聚对创新具有推动作用，这种推动作用主要是知识和技术溢出造成的［8］。产业集聚形式主要有3种，分别为单一产业集聚、多产业集聚和市场竞争，这3 种形式下的溢出效应分别被称为MAR 溢出、Jacobs 溢出和Poter 溢出。其中，产业集聚有利于加强企业间交流与合作，实现知识和技术共享，从而出现MAR 溢出和Jacobs 溢出［9］；产业集聚不仅使企业出现合作，为争夺市场资源还存在竞争关系，为在竞争中取得优势，企业会加大研发投入，提高创新水平，出现Poter 溢出［10］。吕承超等［11］分别探讨了高技术产业的3 种集聚模式对绿色创新效率的作用机制，并实证检验其时空效应；李盛楠等［12］研究发现，高技术产业集聚提升了高技术产业创新效率。

综上所述，现有相关研究无论是从理论还是实证方面对高技术产业绿色创新效率、创新质量的单方面研究均取得丰硕成果，但鲜有从创新质量角度研究创新质量对高技术产业绿色创新效率的影响。基于此，本研究将创新质量和高技术产业绿色创新效率作为研究对象，揭示二者间的关系可以更好地诠释创新驱动战略下创新质量对绿色创新效率的影响，为提升高技术产业绿色创新效率提供决策依据；同时，考虑到创新质量与绿色创新效率间可能存在非线性关系，借鉴现有研究方法，将高技术产业集聚作为门槛变量，利用面板门槛模型考察不同产业集聚水平下创新质量对高技术产业绿色创新效率的影响效果，以期能够从区域协同视角为实现高技术产业绿色创新效率提升提供对策建议。

2 模型构建与指标选取

2.1 SBM 模型

传统的DEA 模型会出现多个无效决策单元且模型自身无法解决的问题，使效率测度存在偏差，为解决此问题，本研究借鉴Tone［13］提出的非径向、非角度的基于松弛变量的SBM 模型。该模型解决了投入与产出存在非零的松弛问题和生产过程中的非期望产出问题，测得的高技术产业绿色创新效率值更符合研究需求。SBM 模型如下：决策单元；

式（1）（2）中：Eff、N、M、I分别为高技术产业绿色创新效率、投入类型个数、期望产出类型个数和非期望产出类型个数；x、y、b分别为投入、期望产出和非期望产出的向量；t为时期；k为 分别为投入、期望产出和非期望产出的松弛变量；λ为权重系数；n=1,2,3, ,N;m=1,2,3, ,M;i=1,2,3, ,I。

2.2 门槛模型

面板门槛模型通过将某一变量加入回归模型构建分段函数，根据不同门槛区间，同一指标表现出强弱不同的影响关系。参照Hansen［14］提出的门槛模型，基本方程定义如下：

式（3）中：yit为被解释变量；μit为待观测样本个体效应；xit为解释变量，I(.)为指示函数；α为系数向量；dit为控制变量；εit为随机干扰项；i和t分别为样本个体数和样本时间。

以高技术产业集聚为门槛变量分析创新质量对高技术产业绿色创新效率的影响，本研究构建的单一门槛模型表示如下：

式（4）中：Innov 为创新质量；Agg 为产业集聚；Open、Scale、Labor、Gov 分别为对外开放程度、企业规模、劳动者素质、政府行为；为门槛值；δit为误差项。

2.3 变量说明与数据来源

（1）被解释变量：高技术产业绿色创新效率（Eff）。借鉴张仁杰等［15］、曹正旭等［16］的研究，结合高技术产业创新特点，将高技术产业绿色创新效率评价体系的目标层分为投入、产出两个方面，投入包括资本投入、劳动力投入、资源投入，产出包括期望产出和非期望产出。选取R&D 经费投入和R&D 人员全时当量分别作为资本和劳动投入指标；高技术产业绿色创新旨在提高能源利用效率、减少环境污染，因此选择能源消耗量作为资源投入指标，能源单位统一为万t 标准煤；科技研发旨在获得新产品或新技术并获取利润，因此以专利申请数和新产品销售收入表征期望产出；非期望产出主要考虑污染物排放，用废水排放量和SO2排放量表征，以此体现出高技术产业在创新过程中触发的环境效应。

（2）核心解释变量：创新质量（Innov）。关于创新质量变量的选取，Lerner［17］采用专利IPC 分类号前4 位表示，但由于采用我国省域高技术产业宏观面板数据无法获取专利代码长度数据，因此该方法不可行。事实上，一项创新成功与否，不但在于它是否新颖或具有科学内涵，更重要的在于它是否得到市场认可，真正具有价值的创新必定成功转化为产品或服务并被广大消费者所接受，此时的创新实现了价值转化，满足客户、员工和供应商各方利益，是具有质量的创新。据此，本研究将高技术产业创新质量定义为：通过高技术产业创新活动而产生的能够满足广大消费者需求的产品，并且新产品能够赢得市场和转化为经济效益的能力。因此，本研究采用新产品销售收入占主营业务收入的比重表示创新质量。

（3）门槛变量：高技术产业集聚（Agg）。产业集聚衡量的是某一产业在特定地理区域内的集中程度，常用的指标有基尼系数、赫芬达尔指数、EG指数、区位熵等。这些指数各有优缺点，已有研究多选取区位熵衡量产业集聚程度。区位熵可以消除地域规模的差异因素，能真实反映地理要素的空间分布，计算公式为：

式（5）中：Indit/GDPit表示i地区第t年高技术产业总产值与生产总值的比值；Indt/GDPt表示第t年我国高技术产业总产值与生产总值的比值。

（4）控制变量：1）地区开放程度（Open）。对外开放有利于充分利用外资、加强交流合作，以实际利用外商投资额与地区生产总值的比值表示。2）企业规模（Scale）。企业规模扩张能够缓解创新激励扭曲问题，从而有助于提高创新效率，用高技术产业主营业务收入与企业个数比值表示。3）劳动者素质（Labor）。技术人才是推动高技术产业进程持续发展的重要引擎，企业的运营、管理和销售等各个环节都需要投入大量人力资本来创造经济价值，以大专及以上学历劳动力规模占劳动就业人口的比重衡量劳动者素质。4）政府行为（Gov）。政府行为是影响高技术产业发展的重要因素。政府对高技术产业的支持力度表现在对教育和科技创新的重视力度，用政府财政支出中教育支出和科技支出占地区生产总值的比值表示。

运用我国各省、自治区、直辖市的面板数据，实证检验产业集聚视角下创新质量对高技术产业绿色创新效率的影响。由于社会制度与统计口径差异，未将香港、澳门、台湾纳入研究范围；鉴于西藏、内蒙古和海南数据缺失严重，将其剔除。由此，研究样本为2008—2018 年我国28 个省、自治区、直辖市的面板数据。将28 个省份分为东、中、西三大区域，其中东部包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东；中部包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南；西部包括四川、重庆、贵州、云南、广西、陕西、甘肃、青海、宁夏、新疆。所有数据均来源于《中国统计年鉴》《中国科技统计年鉴》《高技术产业统计年鉴》及各省份的统计年鉴，其中个别统计数据存在缺失现象，缺失数据利用前后两年平均数进行填补，确保数据的完整性和准确性。

3 实证分析

3.1 绿色创新效率测算结果与评价

如表1 所示，从整体视角看，28 个省份高技术产业绿色创新效率稳步提升，年均增长率为2.50%，总体呈现出显著的递进演化特征，这与我国高技术产业发展实际基本一致。近年来，我国经济发展逐渐由投资驱动向创新驱动转变，加快创新型国家建设步伐，增大了高技术产业发展空间，坚持创新驱动和绿色理念协调发展，多因素共同驱动高技术产业创新能力提升。在生态文明建设与绿色发展评价机制下，各地方政府日益重视生态环境保护，提高资源利用效率，通过环境规制等手段加强环境污染治理力度，改善绿色创新环境，节约了高技术产业创新成本。此外，绿色消费意识深入人心，形成良好社会风气及道德力量，对高技术产业绿色创新效率提升具有促进作用。通过分析可知，28 个省份的绿色创新效率值尚未突破0.9，增长相对较慢，说明整体高技术产业绿色创新效率仍有待提高，可提升空间依旧很大。

表1 2008—2018 年样本区域高技术产业绿色创新效率

从区域视角看，28 个省份高技术产业绿色创新效率空间特征明显，东部地区>中部地区>西部地区。为进一步分析各地区高技术产业绿色创新效率差异性，借助SPSS 软件对测算结果进行层次聚类（hierarchical clustering）分析，并将绿色创新能力划分为较高水平、中等水平和较低水平。其中，北京、天津、山东、江苏、上海、浙江、福建、广东8 个省市高技术产业绿色创新能力处于较高水平，这些省市多位于我国东部，不仅经济基础雄厚，在政策、资源和人才等方面拥有地区比较优势，同时依靠区位优势充分吸收国外先进技术与管理模式，率先成为国内创新驱动发展战略重点推进区域，扶持高技术产业充分发展，高技术产业绿色创新效率相对较高；河北、辽宁、河南、安徽、江西、湖北、湖南、四川等8 个省份高技术产业绿色创新能力属于中等水平，这些省份主要位于我国中部，具有承东启西的地理优势，对区域协调发展具有重要作用，虽然高技术产业绿色创新能力与东部地区存在一定差距，但整体来看，效率水平逐年提升，具备广阔的发展空间，但是，中部地区作为国内产业转移中产业移入的首选地，面临部分污染型产业进驻导致的环境问题，增加了环境成本，由此产生的负外部作用对高技术产业发展会产生一定抑制作用，从而降低高技术产业创新能力；山西、陕西、甘肃、重庆、吉林、黑龙江、贵州、云南、广西、宁夏、青海、新疆等12 个省份高技术产业绿色创新能力水平较低，这些省份多处于我国中西部经济欠发达地区，受地理位置限制，资金注入和高技术产业项目与东部地区存在明显差距，不仅限制了当地经济发展，还导致创新资源配置不合理，从而抑制高技术产业绿色创新能力提升。

3.2 门槛模型估计

为判断各变量是否为平稳变量，对面板数据进行单位根检验。鉴于本研究的样本是“大N小T”短面板数据，因此采用假设检验（hypothesis test，HT）、IPS 检验和Hadri LM 检验，结果如表2 所示。

表2 样本变量平稳性检验结果

在HT 检验下，产业集聚和政府行为未通过显著性检验，但二者均通过了IPS 检验和Hadri LM 检验，因此可以判定产业集聚和政府行为是平稳变量；劳动者素质的HT检验在10%水平下显著，未通过5%显著水平，但在1%显著性水平下通过IPS 和Hadri LM 检验；此外，其他变量均在5%显著性水平下通过HT、IPS 和Hadri LM 检验。因此，本研究中所有变量均为平稳变量，可进行回归分析。门槛模型检验结果如表3 所示，门槛估计值及置信区间如表4 所示。由表3 与表4 可知，在产业集聚作为门槛变量的情况下，样本区域整体、东部与中部的单一门槛和双重门槛均通过显著性检验，西部通过单一门槛显著性检验但未通过双重门槛检验。

表3 样本区域门槛模型检验结果

表4 样本区域门槛估计值及置信区间

根据门槛值检验结果，可将我国高技术产业集聚水平划分为较低水平（Agg<0.636）、中等水平（0.636 ≤Agg ＜0.944）和较高水平（Agg ≥0.944）3 个区间。其中，处于较低水平的有山西、陕西、甘肃、四川、贵州、云南、广西、黑龙江、青海、宁夏、新疆11 个省份；河北、辽宁、福建、吉林、重庆、安徽、江西、河南、湖北、湖南10 个省市处于中等水平；北京、上海、天津、山东、江苏、浙江和广东7 个省市处于较高水平。由此可见，我国高技术产业集聚以中低水平为主，高水平集聚的主要分布于东部沿海地区，中西部地区的集聚水平相对较低。

以创新质量为核心解释变量、高技术产业集聚水平为门槛变量，门槛模型参数估计结果如表5 所示。就双重门槛效应而言，创新质量与高技术产业绿色创新效率间并非呈简单的线性关系，不同门槛值下创新质量均会促进高技术产业绿色创新效率增长，高技术产业集聚水平低于第一个门槛值0.636时回归系数通过5%显著性检验，表明创新质量每提升1%，高技术产业绿色创新效率提升0.477%；高技术产业集聚水平介于0.636～0.944 之间时，回归系数通过1%显著性检验，表明每提升1%的创新质量将会促进0.848%的高技术产业绿色创新效率；高技术产业集聚门槛值高于0.944 时，回归系数在10%水平下显著，表明创新质量每提升1%，高技术产业绿色创新效率提升0.531%。产业集聚是高技术产业发展的必经阶段，一方面，产业集聚形成的规模效应与城市化经济大大降低高技术企业在基础设施、公共绿化等方面的投入，极大缓解创新过程中的资金紧张问题；另一方面，产业集聚也为企业间合作提供了良好契机与广阔平台，使专业人才汇聚，实现知识与技术共享，有利于降低创新过程的风险性，在提高创新质量的同时缩短创新周期。值得注意的是，高技术产业集聚水平跨过第二门槛值时，虽然创新质量依然能够直接带动绿色创新效率提升，但由于产业集聚程度较高，拥塞效应逐渐显现，环境负外部性抵消了一部分创新质量的促进作用，创新质量对高技术产业绿色创新效率的正向影响边际效应递减。

表5 样本变量门槛模型回归结果

从控制变量看，对外开放程度对高技术产业绿色创新效率具有显著抑制作用。在长期投资驱动经济增长模式下，外资注入对高技术产业发展起到重要作用，但外商直接投资主要以第二产业为主，能源消耗和污染型企业比重较大，高技术产业获得资金支持力度较小，且核心技术仍然被外资企业控制、技术扩散受到限制，且正向溢出效应具有滞后性，对高技术产业绿色创新效率具有抑制作用。企业规模对高技术产业绿色创新效率具有显著正向影响。一定的企业规模有利于企业创新，企业规模越大，高技术企业之间加强技术交流与合作的机会越大，通过提升研发效率促进绿色创新。目前我国高技术企业规模普遍较小，不能形成规模经济效应，因此，扩大企业规模有利于提升高技术产业绿色创新效率。劳动者素质与高技术产业绿色创新效率呈正相关，劳动者受教育程度越高，从事高技术产业生产机会更大。相对来说，高技术产业从业人员素质对企业创新能力的影响比人员数量更为重要，这是因为劳动者素质提升有助于企业优化劳动力结构、提升资本节控能力、提高劳动和资源利用效率，对绿色创新活动产生直接影响。政府行为对高技术产业绿色创新效率具有正向促进作用，教育和科技支出增加有效提高了高技术产业从业人员素质、增加对高技术企业资金支持，降低了高技术企业绿色创新失败风险，提高了创新质量。

3.3 区域异质性检验

为分析创新质量对高技术产业绿色创新效率的影响是否存在区域差异，探究三大区域创新质量对高技术产业绿色创新效率的影响，并将此作为额外的稳健性检验。结合上述门槛检验结果，回归结果如表6 所示，可知在在高技术产业集聚作用下，创新质量对高技术产业绿色创新效率的影响存在明显的区域差异。其中：

表6 样本分区域门槛模型回归结果

（1）东部地区。随着高技术产业集聚水平的提升，东部地区创新质量对高技术产业绿色创新效率产生正向影响。东部地区经济基础较好，区位优势明显，高技术产业集聚有利于提高创新水平，创新质量带来的知识和技术溢出效果明显；随着高技术产业集聚趋近饱和，拥塞效应逐渐显现，弱化了创新质量对高技术产业绿色创新效率的正向影响。

（2）中部地区。中部地区随着高技术产业集聚水平提升，创新质量显著促进高技术产业绿色创新效率提升，且促进作用边际递增。这是因为中部地区高技术产业初具规模，大量资源还未充分利用，集聚发展空间较大，高技术产业集聚更容易使企业间加强交流与合作、提高创新能力，从而促进高技术产业绿色创新效率提升。

（3）西部地区。 西部地区只有在高技术产业集聚水平达到一定程度，创新质量对高技术产业绿色创新效率才会产生显著促进作用。原因在于前期西部地区经济发展起步较晚，未形成良好的产业基础，难以吸引大型高技术企业进驻，导致高技术产业发展缓慢，未形成产业集群，受人才和资源等要素限制，整体创造力较低，创新质量未对高技术产业绿色创新效率产生影响；随着西部大开发战略的实施，国家投入大量资金支持西部基础设施建设，鼓励东部地区企业迁移至西部，并给予政策支持与财政补贴，西部地区有了高技术产业发展的基础，依托国家政策扶持建立了一批高技术产业园，形成规模产业，创新水平逐渐提升，促进了高技术产业绿色创新效率。

此外，从控制变量看，企业规模、劳动者素质和政府行为对三大区域高技术产业绿色创新效率均呈现显著促进作用；对外开放程度显著抑制东部和中部地区高技术产业绿色创新效率提升，对西部地区作用效果不明显，主要原因为外商直接投资多集中于东部和中部地区，西部地区受经济发展和资源条件限制，对外开放水平较低、外商直接投资有限，未对高技术产业绿色创新效率产生影响。

4 结论与建议

本研究利用考虑非期望产出的SBM 模型测算我国28 个省份2008—2018 年高技术产业绿色创新效率，并构建以高技术产业集聚水平为门槛变量的面板门槛模型，考察创新质量对高技术产业绿色创新效率的影响，得出如下主要结论：

（1）2008—2018 年，28 个省份高技术产业绿色创新效率呈明显上升趋势，效率值从2008 年的0.652 上升至到2018 年的0.834，总体呈现出显著的递进演化特征，但增长速率相对较慢，整体效率值仍具有较大上升空间；高技术产业绿色创新效率空间特征明显，绿色创新效率东部地区>中部地区>西部地区；北京、天津、山东等东部8 个省市高技术产业绿色创新能力处于较高水平，河南、湖北、湖南等中部8 个省份高技术产业绿色创新能力属于中等水平，宁夏、青海、新疆等西部12 个省份高技术产业绿色创新能力水平较低。

（2）创新质量对28 个省份高技术产业绿色创新效率的影响存在基于高技术产业集聚水平的双重门槛效应，门槛值分别为0.636、0.944：当高技术产业集聚水平低于0.636 时，创新质量每提升1%，高技术产业绿色创新效率提升0.477%；当高技术产业集聚水平介于0.636 与0.944 之间时，创新质量每提升1%，高技术产业绿色创新效率将会提升0.848%；当高技术产业集聚水平高于0.944 时，创新质量每提升1%，高技术产业绿色创新效率提升0.531%。

（3）创新质量对东部和中部高技术产业绿色创新效率的影响存在基于产业集聚的双重门槛效应，且创新质量显著促进高技术产业绿色创新效率提升；对于西部地区，当高技术产业集聚水平跨越0.363 门槛值时，创新质量才会显著促进高技术产业绿色创新效率提升。企业规模、劳动者素质和政府行为对三大区域高技术产业绿色创新效率均具有显著促进作用；对外开放程度显著抑制东部和中部地区高技术产业绿色创新效率提升，对西部地区作用效果不明显。

根据以上研究结论，提出如下建议：

（1）国家综合考虑区域发展差异，借鉴国外先进经验构建完善的环境评价体系，鼓励企业建立创新示范基地，搭建科技成果转化平台，将创新数量优势转化为创新质量优势，提高创新成果转化效率；对创新乏力企业，加大创新产业扶持力度，建设高技术产业园，加强企业间技术交流和资源共享，为从创新数量追赶向质量超越提供保障，从整体提升高技术产业绿色创新效率。

（2）充分发挥区域内部协同优化作用，制定机制创新型政策，通过技术和知识溢出效应带动中西部高技术产业向绿色创新增长模式转变；注意东部高技术产业集聚水平趋于饱和形成的拥塞效应，鼓励东部高技术产业向中西部地区梯度转移，充分发挥创新质量优势，提升高技术产业绿色创新效率。

（3）中西部地区积极实施人才引进战略，加快发挥产业集聚优势，尽快突破技术因素对创新质量的限制，积极借鉴东部地区高技术产业绿色技术创新相关经验，加强与东部地区技术交流与互动，并借助国家推进西部地区产业转移的政策红利，重点培育新兴高技术企业，带动区域绿色技术创新水平高速发展。