工业绿色技术创新效率时间演变及空间关联特征

李 雯 宋晓宇 马晗潇

(1.华中师范大学 经济与工商管理学院；2.华中师范大学 法学院,湖北 武汉 430079)

0 引言

党的十九届五中全会提出坚持把创新作为现代化建设的核心，把自主创新作为支撑国家发展战略支柱，强调应增强国家战略科技力量，提升企业技术创新能力。同时，全会指出推进绿色发展，深入施行可持续发展战略，促成经济、社会发展的全面绿色转型。但当前中国工业产业存在的资源虚耗、破坏环境的问题仍较为凸显。因此作为驱动中国工业行业转型发展的两个关键因素—创新和绿色的重要性不言而喻。将绿色发展与创新驱动统一为绿色创新则是推动可持续发展的重要举措。

作为绿色创新的核心组成部分，绿色技术创新与传统创新不同，它包含绿色工艺、绿色设备、绿色材料、绿色产品设计、绿色回收处理、绿色包装等技术的创新[1]，它是以创新和绿色技术概念为基础而得出的定义。而工业企业承担着许多基础研发、成果转化等绿色技术创新活动，发挥着重要的主体作用。此外，技术创新存在区域间的溢出效应，一般来说，技术创新能力较强的区域更能通过合作交流机制、产业转移对其他区域产生溢出效应[2]。因此，本文以中国各省份工业企业的绿色技术创新活动为切入点，科学测度其绿色技术创新效率，把握其演化脉络和空间溢出效应，以期更客观地反映各省域工业绿色技术创新效率的时空特征，为我国工业实现可持续发展提供参考。

1 文献综述

现有文献对于绿色技术创新效率的研究很多聚焦于地区层面的效率测算及影响因素探索两个方面。对于效率的测算，主要从投入与产出角度，Aigner等[3]和Meeusen等[4]分别提出的随机前沿分析(SFA)为代表的参数方法，学者对此方面进行了许多拓展。例如杨振兵等[5]将环境、能源两者同时作为生产性投入要素，纳入随机前沿生产函数中。但是，由于随机前沿分析需要提前假设估计模型，且无法同时处理好与坏两种产出，因而很多学者选择了后者，即以DEA模型为代表的非参数方法。例如罗良文、梁圣蓉[7]根据工业企业两阶段的创新过程，构建评价体系，使用DEA方法进行测算。梁中、昂昊[8]使用DEA模型测算各省市区的绿色技术创新效率，以把握其重心变化及时空转变。对于影响因素，主要从政府、企业、市场三个层面开展研究。李怡娜等[9]以珠三角148家制造企业为研究对象，实证研究其绿色创新实践的制度压力和实施效益，结果发现：强制性的政府环境、法律法规及竞争压力对企业绿色行为有显著的正向影响。Li等[10]研究发现，政府希望通过鼓励企业的绿色技术创新以实现可持续发展，而政府给予的研发资金会促进企业绿色创新效率的提升，同时政府给予的绿色信贷是有利于企业绿色创新动机的增强。Cleff等[11]认为市场是推动绿色技术创新的重要因素。Kammerer[12]认为客户收益是企业进行绿色创新的重要决策因素。

综上，已有很多国内外学者围绕绿色技术创新效率进行了大量的研究，而这为本文进行研究提供了坚实的基础。但现有文献多聚焦于通过构建多指标评价体系，逐步优化测算模型以获得整个区域层面的绿色创新效率数值，并对影响绿色技术创新效率的具体因素进行探究，聚焦于某个具体行业的研究较少，对其空间溢出效应的研究较少。所以本文选取工业行业作为切入点，通过DEA-BCC模型测算各省域工业绿色技术创新效率并进行因素分解，把握其时空现状，探究各省域之间绿色技术创新的空间溢出效应，为工业绿色技术效率的提高提供参考。

2 研究设计

2.1 研究方法

2.1.1 DEA-BCC模型

数据包络分析法(DEA)是利用线性规划与凸分析计算与比较具有相同类型的决策单元之间的相对效率[13]。后来Banker,Charnes and Cooper[14]改变了原有模型中规模收益不变的设定，在原有模型的基础上加入一个凸性约束拓展成DEA-BCC模型，总技术效率(TE)分解为规模效率(SE)和纯技术效率(PTE)乘积：

其中，j=1,2，…，n表示决策单元，X,Y分别代表投入、产出向量。θ为效率评价指数值，S+、S-分别为输出项、输入项的差额变量。若θ=1，且S+=0,S-=0，则决策单元处于DEA有效。本文所研究对象并非都处于生产的规模报酬固定状态，所以选取BCC模型作为实证分析的工具。

2.1.2 莫兰指数

本文采用 Moran’s I 指数来检验26个省份之间是否存在空间依赖性或空间异质性，以分析全国26个省份工业绿色技术创新效率的空间关联特征。

莫兰指数分为全局莫兰指数(Global Moran's I)和局部莫兰指数(Local Moran's I)，前者是Patrick Alfred Pierce Moran开发的空间自相关的度量；后者是Luc Anselin在1995年提出的。

(1)全局Moran’s I指数的公式如下:

式中，k、j 表示各个省份，n 为省份总数，xk 和 xj 为各省份绿色创新效率值，Wkj为空间权重矩阵，其中以1表示k与j相邻, 以0表示k 与j不相邻。s2为样本方差。全局 Moran's I 值一般在[-1，1]之间，取值大于0为正相关；取值小于0为负相关。取值接近于0，表示随机分布，或不存在空间自相关性。最后，研究需要采用 Z 值对统计结果进行检验，以保证结果的稳健性，其公式如下:

式中，Z为检验统计量，E(I)为 Moran’s I 期望，Var(I) 为其方差。

(2)局部Moran’s I指数的公式如下:

表1 莫兰散点图象限含表义

2.2 指标选取与数据来源

2.2.1 指标体系构建

借鉴绿色技术创新的相关研究，根据全面性、科学性以及数据的可获得性等原则，构建如表2所示的评价工业绿色技术创新效率的指标体系。投入指标可分为人力及财力投入，分别选取规模以上工业企业R&D 人员全时当量和规模以上工业企业R&D 经费内部支出作为绿色创新效率的人力和财力投入。产出指标可分为期望产出和非期望产出。期望产出指标中，选取规模以上工业企业专利申请数和规模以上工业企业新产品销售收入衡量绿色技术创新的研发效果以及经济收益；并选取工业二氧化硫排放量、工业废水排放量、工业烟尘排放量作为非期望产出指标衡量绿色创新的环境效益。

表2 工业绿色创新效率指标体系

2.2.2 数据来源与处理

指标所使用的数据均来源于2015—2019 年 《中国统计年鉴》以及各省市区统计年鉴，鉴于数据可获得性，选取全国除西藏、新疆、青海、云南、海南之外的26个省份作为研究对象。通过上述统计数据资料，取得了中国26个省份在2014—2018年的投入产出指标的数据。由于少数省份有相关数据缺失，采用学界常用的线性插值法对原始数据进行补齐。对于非期望产出中三个逆向指标，在进行工业绿色创新效率测算前进行了逆向指标的正向化。

3 工业绿色技术创新效率的时序演变

3.1 工业绿色技术创新效率测算

使用DEA模型对各省域工业绿色技术创新效率进行测算有两种方式：一是逐年测算，二是统一测算，由于逐年测算所得的效率值只有相对意义，不能进行时间上的比较，本文在已构建的模型基础上借助Deap2.1，采取DEA-BCC模型进行统一测算，得到了2014-2018年我国26省市区的绿色技术创新效率值，结果如表3所示。

表3 2014-2018年26省域工业绿色技术创新效率值

3.2 工业绿色技术创新效率分析

从整体来看(见表4)，中国26个省份综合技术效率均值最大为0.795，最小为0.727，2018年为最高值0.795，波动不大，但总体呈上升趋势。从纯技术效率来看，2015年较2014年有所下降，其他年份都逐渐上升。2014-2017年规模效率有所下降，2018年上升至0.932，但都位于0.9以上。表明中国工业虽不处于最优的技术创新规模，但资源冗余浪费现象较少，纯技术效率较低是导致整体效率不高的主要原因，因此未来应当适度控制规模，高效利用技术资源，加强管理、提升技术，提高纯技术效率。2018年综合技术效率提高的原因是在新发展理念指导下，政府制定的更为严格的环境保护法规和措施以及给予工业企业绿色技术创新更多的政策优惠、资金支持，促使工业企业提高技术管理水平，优化要素投入结构。

表4 2014-2018年TE、PTE、SE变化情况

从省域来看，安徽、宁夏5年内始终处于DEA有效前沿面，这与其工业后发优势密切相关，两省第一产业仍占较大比重，相对而言工业所占比重较低，因而通过优化要素投入结构，提高资源使用效率，能够较快适应绿色创新的发展要求。另外，安徽积极鼓励专利申报，全省专利申请量处于全国前列；宁夏的企业、政府应重视减少废水、废气排放量。上海、北京、浙江在2014年都处于DEA有效前沿面，但此后4年综合技术效率都出现不同程度下降，主要原因在于规模报酬递减，规模效率的降低，投入粗放，资源浪费现象较为严重，应提高资源的使用效率。吉林始终位于前沿上，仅2015年未达到DEA有效状态，主要原因也是其规模与投入、产出不相匹配。2014-2016年，重庆都处于DEA有效前沿面，但此后的两年纯技术效率和规模效率出现下降，所以处于新旧动能转换期的重庆应抓紧技术管理，优化投入结构，尤其应注重减少经费浪费。

3.3 工业绿色技术创新效率分类及格局演变

依据既得的综合技术效率，运用ArcGIS10.6软件的自然断裂法，将工业绿色技术创新效率划分为高水平、中水平、低水平3种类型，对省域的工业绿色技术创新效率格局时间演变作进一步分析。总体来看，我国26个省市区的绿色技术创新效率呈不均衡分布状态，但不均衡程度趋于减小，尤其是2018年北方8个省份由低水平转为中水平。但具体来看，福建5年来都处于低水平态势，其纯技术效率不高是导致技术效率不高的主要原因，根据投影分析结果判断其技术、管理水平落后，存在大量资源浪费现象，且技术成果转化效率不高，新产品销售收入相对较低。2014-2016年湖南技术效率处于高水平，但此后两年降至中水平，这与其纯技术效率、规模效率降低有关。2014年广西、江西都处于中水平态势，两者分别从2015年、2016年开始上升为高水平，主要原因是纯技术效率的提高，这与政府鼓励工业高质量发展、企业加强内部经营管理密切相关。天津、江苏、湖北5年来都处于中水平态势，仍需要提高内部管理水平，调整规模，达到投入、产出、规模三者间的匹配。山东、河南、四川、辽宁多数年份处于中水平，纯技术效率与规模效率不够高且波动变化，需进一步改善。

4 工业绿色技术创效率的空间关联特征

在开放的地区发展系统中，城市会受到知识溢出效应、文化政策制度等因素的影响，会与周边地区发生交互作用，从而影响本地区的技术创新发展。本文使用stata16对全局莫兰指数和局部莫兰指数进行测算以探究城市工业绿色技术创新效率的空间关联性特征。

4.1 全局自相关

由表5可知，2014-2018年26省域城市工业绿色技术创新效率均大于0，且大部分年份的z值可通过10%的显著性水平检验，只有2018年没有通过显著性检验，拒绝了原假设。这说明从总体上看，中国各省域的绿色技术创新发展不是彼此隔离的，而是存在空间彼此联系的关系。从时间序列来看，全局莫兰指数波动较大，整体上趋于0，各省域间的空间依赖性呈现减弱的趋势。但对于2018年全局莫兰指数不显著的情况，是不能判断中国26省份间不存在空间关联性的，因为这种关联性可能只存在于部分区域，或者正负相抵，导致结果不显著，因此需要再通过考察局部的莫兰指数以得出结论[15]。

表5 2014-2018年全局莫兰指数

4.2 局部自相关

为进一步考察26省域工业绿色技术创新效率在空间上聚集的变动情况，本文测算2014-2018年局部莫兰指数并作出局部莫兰散点图。由表6可知，大部分省域均分布在第一象限与第三象限，即各省工业绿色技术创新存在较强的空间自相关性，2018年除外。具体分析，上海、浙江、广西三省市区5年内均位于第一象限，形成了一个稳定的高-高空间正相关聚集区，对相邻省份具有较强的正向辐射带动作用，与周边省域共同促进了工业绿色创新的发展。河北、山西、辽宁三省5年内均处于第三象限，形成低-低的空间自相关聚类，对相邻省份起到负向辐射带动作用。福建、山东、湖北则主要处于第二象限，与相邻省份具有相异的属性值，对周边省份影响较弱，需重视自身工业的绿色创新发展，促进技术成果转化，提高工业绿色技术创新效率。黑龙江、内蒙古则由第三象限转到第二象限，即低-高聚集区，未能有效接受周边省市的绿色技术溢出。北京、吉林、宁夏三省市区5年内均处于第四象限，即高-低聚集区，对周边省市区的绿色创新发展的辐射带动作用相对较弱，但到2018年，周边省市区工业绿色技术创新效率有了一定提高。甘肃于2017年从第三象限转至第四象限，绿色创新效率得到提高，但仍需发挥自身对周边地区工业绿色技术创新的影响作用。通过以上分析，可见我国26省域的工业绿色技术创新效率存在一定的空间自相关性，尤其是以上海、浙江为中心的高-高聚集型和以河北、山西为中心的低-低聚集型都日益显著并逐渐趋向稳定。

表6 2014-2018年各省域工业绿色技术创新效率集聚群的分布状况

5 结论与建议

本文基于绿色技术创新内涵，综合考虑创新过程中产生的环境效益、创新效益、经济效益，从投入和期望产出、非期望产出三个角度构建工业绿色技术创新效率的指标评价体系，使用2014-2018年中国26省域的面板数据，运用DEA-BCC模型进行测度，从静态与动态两方面研究省域工业绿色技术创新效率，而后运用全局自相关和局部自相关的分析方法探究了省域工业绿色技术创新效率的空间关联特征。得出如下结论：

(1)从总体来看，工业绿色技术创新效率波动不大，处于0.7-0.8之间，但总体呈上升趋势，而其中纯技术效率较低是使整体创新效率不高的主要原因，需进一步改善技术、加强管理。

(2)从省域来看，安徽、宁夏5年内始终处于DEA有效前沿面，这与其工业后发优势密切相关；上海、北京、浙江近年来规模效率降低，应适当控制规模；2014-2016年，重庆处于DEA有效前沿面，但近两年其纯技术效率和规模效率下降，重庆应抓紧技术管理，优化投入结构，尤其应注重减少经费浪费。

(3)通过自然断裂法对省域工业绿色技术创新效率格局时间演变的分析得出：总体来看，我国26个省市区的绿色技术创新效率仍呈不均衡分布状态，但不均衡程度趋于减小，尤其是2018年北方8个省份的工业绿色技术创新效率由低水平转为中水平。

(4)通过莫兰散点图平面区域四象限的划分，可见大部分省域均分布在第一象限与第三象限，即26省域的工业绿色技术创新效率存在局部区域性的空间自相关性，尤其是以上海、浙江为中心的高-高聚集区和以河北、山西为中心的低-低聚集区都日益显著并逐渐趋向稳定。

以上研究结论蕴含的政策含义有：①建立经济绿色发展新模式，用绿色、创新两个关键因素推动工业转型发展，提高工业绿色技术创新效率。②因地施策，根据制约各省域工业绿色技术创新效率提高的根本原因，采取有针对性的政策。北京、上海、浙江注重解决资源冗余问题，提高资源利用效率，调整规模以达到最优状态；吉林注重提高企业研发水平，加强制度管理建设，优化投入结构。③进一步破除地方保护和市场垄断，统筹兼顾各地区间的工业绿色技术创新发展，加强地区间的合作交流，促进技术溢出，以推进区域协同发展。上海、浙江等省份应进一步利用其高端人才、经济水平等优势，不断提升绿色技术创新水平，持续发挥正向辐射带动作用；福建、山东等省份应积极构建合作交流机制，吸收有益技术、经验。