浙江省城市绿色技术创新效率评价及影响因素分析

韩 瑾

浙江省城市绿色技术创新效率评价及影响因素分析

韩 瑾

（中共宁波市委党校 市情研究所，浙江 宁波 315036）

基于网络DEA模型和Malmquist指数模型，利用浙江省11个地级市的2011-2020年的数据，以降维后的污染指数为非期望产出对绿色技术创新效率进行测度和分析。发现：浙江各市总体上成果转化阶段的效率优于研发阶段，城市间发展差异较大；整体TFP指数均值为1.121，其提升主要源自技术进步；城镇化水平、产业结构优化、对外开放、政府干预和研发强度对绿色技术创新效率有促进作用，但经济发展水平与绿色技术创新效率的U型关系不显著。

绿色技术；创新效率；网络DEA模型；Malmquist指数；Tobit模型

自布朗（Brown）和维尔德（Wield）提出绿色技术的概念以来[1]，相关研究精彩纷呈。基于可持续发展的视角，绿色技术创新强调通过创新减少经济活动对环境的负面影响，其内涵与“可持续创新”“生态技术创新”以及“低碳技术创新”等概念基本一致[2-7]，强调技术创新与生态系统的融合[8]，是一种环境友好型创新。随着基础数据的不断积累、丰富，测评工具的不断创新，绿色技术创新绩效评估研究也不断深入，在创新要素的投入与产出指标构建中，资源消耗和环境因素越来越被重视，绿色技术创新效率成为环境效益和经济效益综合测度；研究尺度有从区域宏观层面入手[9-10]，如以国家或省域作为测度对象，也有从行业和企业层面展开[11-12]；测度的方法主要有数据包络分析法、随机前沿分析等。分析涵盖时序变化、空间分异等视角。研究解析环境规制、城市财富、对外开放、企业规模、研发强度、人力资本水平等因素影响绿色创新效率机制并进行定量分析[13-16]。但总体而言，目前对城市层面的研究较少，而城市是绿色发展的执行单元，如何在“双碳”目标下提升城市绿色技术创新效率，特别是对浙江诸多外向程度高、制造业较为发达的城市而言，值得进一步研究。

本文将绿色技术创新概括为能降低资源消耗、减少环境污染、改善生态，实现人与自然可持续发展的新兴技术和方法，涉及到生产、消费和回收等领域，包括技术创新和管理创新。绿色技术创新效率是资源环境效益与技术创新效率的结合，因此在测度投入和产出关系时需考虑技术、经济和环境影响维度。由于绿色技术创新包括通过研发得到新的绿色产品、新的绿色工艺等成果的过程，以及为实现经济效应和环境效益而进行成果转化的过程。鉴于绿色技术创新效率的两阶段特点，本文构建了带有中间变量的评价指标体系，并进行测度分析，探讨经济发展水平、城镇化等因素对其影响，并提出提高浙江城市绿色技术创新效率的相关建议。

一、城市绿色技术创新效率评价方法

（一）评价方法的选择

随机前沿分析法（SFA）和数据包络分析法（DEA）是当前使用较多的效率评价方法。SFA在确定生产前沿的基础上将产出分为生产函数、随机扰动项和技术无效率项三部分，优点是可以较好地处理随机误差对效率的影响，缺点是无法处理多产出问题[17]。DEA模型则通过线性规划的方法得出前沿面，可以避免因构建生产函数模型造成的设定误差，还可以模拟多投入和多产出过程。基于绿色技术创新活动具有多个投入产出环节，对其效率的测度可以划分为绿色技术研发过程和绿色技术转化过程，且要考虑对环境的影响，故采用汤（Tone）构建的基于松弛变量的网络SBM-DEA模型[18]，该模型将松弛变量加入目标函数，可以处理带有非期望产出的多阶段生产过程的效率测算问题，对于测度城市绿色技术创新效率较为合适。另外，Malmquist指数模型可利用距离函数分析效率的时序变化，并可通过分解获知变动的来源，可用于对城市绿色技术创新效率的进一步分析。

（二）测算模型和指标体系

1. 网络SBM-DEA模型

连接两个阶段的中间变量为：

阶段的理想输出为：

该阶段的非期望输出：

（1）

2. Malmquist指数模型

Malmquist指数模型利用距离函数的比率测度相邻两期的全要素生产率变化（TFP），通过对该指数进一步分解可以分析全要素生产率变化的来源。TFP的动态分解如下：

式中，D(x,y)表示决策单元期技术水平下的距离函数、D(x+1,y+1)表示以期的技术水平采用+1期投入时距离函数。TFP表示相邻两个时期的生产效率变化，若大于1，表示生产率比上期有增长，若TFP小于1表示生产率比上期有衰退。TC为技术变化指数，若大于1，表征相邻两期绿色技术水平的提升，反之表征衰减。EC为效率变化指数，反映有效前沿面追赶，若大于1，则表明综合技术效率、管理水平的提升，反之则表示下降。

3. 绿色技术创新效率指标体系构建

基于研发和成果转化对绿色技术创新效率的影响特点，将绿色技术创新效率测算分为两个子阶段：（1）科技研发阶段。该阶段是指创新主体为获取新知识或新技术，投入经费和人力进行研发活动的过程，其产出一般为环境友好型的专利、著作权和论文等。（2）成果转化阶段。企业将上一阶段的产出成果与其他生产要素一起作为本阶段的投入，开发出具有市场价值的绿色产品的过程。鉴于绿色技术创新效率的重视对环境的考量，因此，在测算成果转化阶段效率时，把资源消耗和环境影响纳入评价框架。构建包含非期望产出的两阶段投入产出指标体系（表1）。

表1 绿色技术创新效率评价指标体系

二、浙江城市绿色技术创新效率的测算与分解

采用超效率网络SBM-DEA模型，取=2，1=2=0.5，利用MaxDEA 8 Ultra软件，对浙江省11个地级市2011-2020年绿色技术创新整体阶段和子阶段的静态效率进行测算，并对其进行时序分析和城市差异性分析。然后采用Malmquist指数模型对绿色技术创新的全要素生产率变化指数（TFP）进行测度和分解，并分别从区域总体层面和城市层面对绿色技术创新的动态效率进行分析。

（一）静态效率测度结果分析

1. 整体及子阶段的静态效率分析

从绿色技术创新整体效率的发展趋势来看（图1），2011-2020年浙江各城市绿色技术创新整体效率的均值为0.811，说明浙江省总体离效率前沿有一定距离，还没实现经济社会与生态环境的协调发展。科技研发阶段的效率波动较大，均值由2011年的0.577增长到2020年的0.815，其中2012年和2013年的科技研发效率较高，均有3个城市效率值超过1，从而带动了当年整体效率的提高。成果转化阶段的效率均值除2013年稍有上扬外，其余年份较为稳定。除2012、2013年外成果转化阶段的效率均值都高于研发阶段效率，说明浙江省各城市对成果转化较为重视。

图1 2011-2020年整体及两阶段的静态效率分析

表2 浙江各城市2011-2020年绿色技术创新整体效率

2. 城市整体静态效率差异分析

浙江省城市的绿色技术创新整体效率发展呈不均衡状态（表2）。2020年，杭州的绿色技术创新效率达到1.136为全省最高，衢州最低，为0.507。从历年均值的差额来看，均值排名第一的舟山要比最低的衢州高0.538，差异较大。从历年效率值来看，杭州、湖州、舟山和丽水在观察期中，均有3个及以上年份的绿色技术创新整体效率大于1，表明这四个城市绿色技术创新效率相对较高。

3. 城市两阶段静态效率差异分析

从科技研发阶段效率测度结果来看，舟山市均值为1.454，高居效率值榜首，但波动较大；杭州市年度均值1.257居其后，其效率值呈现稳定上升的态势，2020年的效率值达到全省最高；丽水、温州和湖州研发阶段效率值在0.9以上，但尚未达到有效水平；其余城市年度均值较低，说明对绿色技术创新的重视程度不够，其绿色创新活动有待加强。创新成果转化阶段效率测度结果显示，年度均值最高的是湖州，为1.044，舟山为1.041紧随其后，共计有6个城市的均值大于1，具有效率优势。衢州市在成果转化阶段以0.518位于浙江省末位，与全省平均值相差0.432。将各城市的研发阶段和成果转化阶段的均值做成散点图（图2），以样本均值作为划分高低水平的标准，据此可得，舟山、杭州、丽水、温州和湖州为高研发率—高转化率，嘉兴、台州、宁波和绍兴为低研发率—高转化率，金华和衢州为低研发率—低转化率。

图2 浙江城市绿色技术创新效率分类

（二）基于Malmquist指数模型的动态效率结果分析

1. Malmquist指数及分解的时序变化

从整体阶段的全要素生产率变化指数（TFP）及分解来看（图3），2012-2020年浙江11个地级市整体阶段的全要素生产率变化指数（TFP）、技术进步指数（TC）和技术效率指数（EC）均值分别为1.121、1.024和1.109，说明绿色技术创新效率在不断提高。TC指数均值除2011-2012年小于1表征衰退外，其余年份均大于1；EC指数在2013-2014年、2015-2016年、2018-2019年、2019-2020年均小于1，表明以上时段技术效率比上一期有所退步。由此可见整体阶段TFP变动主要归功于技术进步。

从研发阶段和成果转化阶段的TFP指数及分解（图4-5）来看，研发阶段的TFP波动较大，其中2012年和2015年超过了1.5；除2012年、2013和2019年外TC指数高于EC指数，说明研发阶段技术创新有很大的进步。成果转化阶段TC指数波动较大，EC指数和TC指数的均值分别为1.007和1.043，说明仍然是技术进步发挥了主导作用。此外，观察期内科技研发阶段的TFP指数均值为1.332，成果转化阶段TFP指数均值的1.047，说明两阶段增长速度存在差距。

图3 整体阶段的TFP指数及分解

图4 研发阶段的TFP指数及分解

图5 成果转化阶段的TFP指数及分解

2. 城市动态效率差异分析

将各城市整体阶段和两阶段的TFP指数及分解后的EC和TC指数分别计算均值（表3），发现杭州、宁波、嘉兴、绍兴、金华、台州整体阶段的TFP指数高于平均值1.121，表明上述城市的绿色技术创新整体效率呈改进态势，其中绍兴均值最高，说明绍兴增长最为迅速。温州、湖州和丽水由于EC指数较低，拉低了TFP指数，说明这三个城市的技术效率较低，而衢州和舟山则因TC指数拉低了TFP指数，表明这两个城市技术创新、技术开发还存在不足，无法快速提升城市的绿色技术创新效率。

研发阶段中杭州、温州、嘉兴、绍兴和台州的TFP高于均值，说明这几个城市研发阶段的TFP增长迅速，宁波、湖州、金华和丽水均因EC值拉低了TFP，衢州和舟山因TC而拉低了指数。

成果转化阶段中宁波、绍兴、金华、台州和丽水的TFP高于均值，以上城市成果转化效率增长较快，其余城市除舟山外，成果转化阶段的EC指数均低于TC指数。说明这几个城市绿色技术创新资源存在优化整合的空间。

三、城市绿色技术创新效率的影响因素分析

为进一步探讨影响浙江城市绿色技术创新效率的因素，以绿色技术创新整体效率值为被解释变量，选取经济发展水平、城镇化、开放水平等作为解释变量，进行Tobit回归分析以分析其影响程度。

（一）影响因素分析

影响绿色技术创新效率主要有以下几个因素：

1. 经济发展水平

按照环境库兹涅茨曲线假说，人均收入增长与环境污染呈倒“U”型，这一论断意味着经济增长初期环境污染也会加剧，影响绿色发展效率，但随着人均收入提升，人们对环境问题愈加重视、对绿色产品的偏好增强，促使企业为开拓新市场开展更多的绿色技术创新活动。经济发展水平的提高可以为绿色技术创新活动提供资金支持，因此有利于绿色创新效率的提升。由于该假说以西方工业化国家为研究对象，其经济发展水平与我们国家有差异，因此有待进一步检验经济发展水平对绿色技术创新效率的影响。

表3 浙江各城市各阶段均值

2. 城镇化水平

正如雅各布斯（Jacobs）指出的那样，多样化是城市促进创新的根本原因，城镇化水平的提高会带来人才与资金的集聚，可以为技术创新提供信息交流的平台，有利于创新成果的产生和扩散[25]；但城镇化过程中，由于人和物的集聚而产生建设需求，从而增加资源消耗，不利于绿色技术创新效率的提高[26]，因此城镇化对绿色技术创新效率的影响需要进一步验证。

3. 产业结构优化水平

产业结构与绿色技术创新效率联系密切。第二产业是城市资源环境压力的主要来源，推进产业转型升级将加大对绿色技术创新需求。第三产业尤其是生产性服务业发展会带来人才和资金的集聚，有利于产业前后向联系[27]，可以促进区域绿色技术创新效率的提升。但产业结构高级化对区域创新存在抑制效应[28]，故需进一步考察产业结构优化对绿色技术创新效率的影响。

4. 经济开放水平

“污染天堂假说”认为，对外开放会导致外商将污染密集型产业转移到承接地，从而降低该地区的绿色发展水平；另一观点则认为，对外开放对绿色技术创新效率存在技术溢出效应，外商直接投资可能会带来清洁生产技术，使承接地企业有模仿的样本和技术竞争激励，从而提升绿色创新能力，存在“污染光环效应”[29]，因此城市的对外开放是否有利于地区绿色技术创新效率的提升值得进一步探究。

5. 政府干预程度

政府部门对绿色技术创新效率的干预主要通过两个路径实现：环保硬约束和优化软环境。政府颁布的环保标准是企业进行绿色创新的重要动力来源，为遵循环保约束，企业会加大污染治理技术研发应用，促进末端治理型绿色技术创新。此外，政府部门通过对绿色技术创新研发予以财政支持、搭建技术创新平台等方式降低企业开展绿色技术创新活动的成本，营造良好的政策环境，增强企业绿色技术创新的主动性、持久性。但企业在污染治理方面的投入会造成企业成本的增加[30]，由此导致效率下降。据此，政府干预影响是否为正需进一步检验。

6. 制造业集聚程度

根据集聚经济理论，知识溢出是产业集聚影响创新绩效的主要因素[31]，集群内企业的开放程度能够促进企业通过多样化集聚获取外部资源。当企业为维持市场竞争优势，根据市场需求变化进行绿色生产技术研发并取得成效时，会引发集聚区内企业效仿，从而扩大行业的生产技术绿色化水平，产业集聚水平的增加可有效促进创新效率的提高。但随着行业在区域内的集聚，对生产要素的竞争也会加剧，并且如果知识产权保护力度不够，人员的企业间流动和技术外溢容易引发模仿，导致企业创新积极性降低。因此，制造业集聚的影响程度如何有待检验。

7. 研发活动强度

企业的研发活动是绿色技术创新的核心动力源，创新成果可以有效降低企业产品的单位生产成本，研发资本是技术创新的关键要素，也会决定技术创新和技术应用的广度和深度。通常研发资本的投入规模越大、资本品的质量越高且其相应的技术创新能力越强，该地的技术选择空间越大，就越能满足社会需求。但研发活动具有高风险、高投入的特点，当前市场上传统的非清洁技术还依然有一席之地，其收益具有不确定性和滞后性。因此，自主研发对企业绿色技术创新效率提高的影响需要进一步检验。

（二）模型构建和数据来源

以测算出的绿色技术创新整体效率值作为被解释变量，引入经济发展水平（PCGDP）、城镇化水平（UB）、产业结构优化水平（INS）、经济开放水平（OP）、政府干预程度（ER）、制造业集聚水平（IA）和研发投入水平（RD）作为解释变量，建立绿色技术创新效率与各因素之间的函数关系。

由于效率值取值非负，属于截断离散数据，故采用Tobit回归模型进行分析。为了克服异方差影响，解释变量均取对数，处理后的Tobit模型如下：

式中，GIE为测得的绿色技术创新整体效率值，为年度，表示城市，为待估计参数，为估计误差。采用人均实际GDP（2010年为基期）表征经济发展水平；选取城镇人口占比表征城镇化水平；用第三产业与第二产业比值来衡量产业结构优化水平；选用实际使用外商投资额占GDP的比重来度量经济开放水平；采用各市当年环境污染治理投资额占GDP的比重来表示政府干预程度；制造业集聚程度用规模以上工业企业占地区法人单位的比重来表示；研发投入强度用研发人员人均研发经费存量来表示，即全社会研发经费存量（以2010年为基期）除研发人员折合当量。

所有数据来源于历年《浙江统计年鉴》《浙江自然资源与环境统计年鉴》《浙江科技统计年鉴》和浙江省各地级市统计年鉴。

（三）实证检验

运用EViews10.0软件，对各变量的影响程度进行回归分析（表4）。

实证结果表明：观察期内，浙江的城市经济发展水平与绿色技术创新效率不存在显著的“U”型关系。从影响系数来看，绿色技术创新效率随着经济增长有先下降后上升的趋势，但不显著。原因可能是样本数量不够、观察期不够长所致，但也从侧面说明浙江经济发展与资源环境损耗的关系在弱化。

城镇化水平对绿色技术创新效率的促进作用显著，表明城镇化水平提升，有利于发挥城镇多样化、专业化人员集中、产业创新平台丰富、创新成果扩散迅速等优势，能够为绿色技术创新提供良好的基础条件，有利于绿色技术创新效率的提高。

产业结构优化与绿色技术创新效率呈现正相关。表明产业结构优化有利于生产要素从低效产业向高效产业的流动，带动创新资源的重置，减少资源消耗，推动绿色技术创新效率的提高。

对外开放与绿色技术创新效率正相关，表明经济外向程度越高，对绿色技术创新效率提升越有利。随着外资引进质量改善，外商直接投资企业在浙江存在技术外溢，促进了本地绿色技术的发展。

政府干预与绿色技术创新效率正相关，说明通过政府政策引导，加大环境污染治理投资降低非期望产出，能有效提升绿色技术创新效率。

表4 整体绿色技术效率影响变量估计结果

注：***、**和*分别表示0.01、0.05和0.1的显著性水平。

制造业集聚对绿色技术创新效率有正向作用，但未通过显著性检验，可能是由于当前浙江制造业集群尚未实现高质量发展，集聚的知识溢出作用不明显，或者是本模型的指标选取造成的，没有对制造业的集聚类型进行进一步细分所致。

研发投入强度和绿色技术创新效率正相关，相关系数为0.194且在10%水平下显著，该结果表明研发人员的研发经费投入增加能够促进绿色技术创新效率提升。

四、结论与对策建议

（一）结论

运用考虑非期望产出的网络SBM-DEA工具，测算了2011-2020年浙江各地级市整体、研发阶段和成果转化阶段的绿色技术创新效率，用Malmquist指数模型对绿色技术创新效率TFP进行了测度和分解，最后对绿色技术创新效率的影响因素进行了实证分析。结果显示：

考察期内浙江各市的整体、研发和成果转化阶段的静态绿色技术创新效率除2012和2013年较高外，其余年份较为稳定，考察期内均值分别为0.811、0.813和0.951，研发阶段的效率落后于成果转化阶段的效率。此外，从城市层面来看，子阶段效率水平存在发展差异，舟山、杭州、丽水、温州和湖州为高研发率—高转化率，嘉兴、台州、宁波和绍兴为低研发率—高转化率，金华和衢州为低研发率—低转化率。

从浙江各市绿色技术创新的动态效率来看，2012-2020年浙江各城市整体阶段的TFP指数、TC指数和EC指数均值分别为1.121、1.024和1.109，表明浙江省严格依照“两山理论”不断提升绿色创新效率。TFP指数的变动主要依赖技术进步。研发阶段和成果转化阶段的TFP指数波动较大，两阶段的TC指数均值均高于EC指数的均值，说明仍然是技术进步发挥了主导作用。多数城市的EC指数未能跟上TC指数，表明这些城市对现有资源禀赋下的绿色技术利用问题重视不够。

从影响因素的回归分析发现，城镇化水平的提高、产业结构优化、扩大对外开放、加强政府干预和增加研发投入与绿色技术创新效率显著正相关；制造业集聚程度与绿色技术创新效率正相关，但未能通过显著性检验；经济发展水平对绿色技术创新效率的影响在观察期内没有呈现U型变化的趋势。

（二）对策建议

1. 着力提高绿色技术创新的研发效率。从实证结果来看，研发阶段的效率是浙江绿色技术创新整体效率的短板，因此，应在该阶段重点发力。今后需加强创新主体研发经费的投入引导，努力实现既定投入下的绿色专利产出最大化。通过市场引导和政策推动促进企业价值理念向绿色发展转变，将自主研发放在重要的战略位置，进一步释放研发对绿色技术创新的促进作用。针对绿色关键技术研发周期长、难度大、风险高的特点，通过资金投入、税收减免等政策支持，鼓励创新能力突出的高校、科研院所和大型企业投身绿色技术的研发，将形成的绿色技术申请为专利，增加绿色专利储备。

2. 实施差异化发展策略实现协同发展。因地制宜有针对性地解决子阶段发展不均衡问题。特别是对于低研发率—低成果转化率的城市，如金华、衢州，要通过优化创新资源开拓途径，加强企业与高校、科研院所的共建，通过人才共享等方式，提升绿色技术研发效率。改变目前研发投入广度不够的现状，提高规模以上工业企业的研发活动比例，积极培育绿色创新主体。在绿色技术创新成果转化阶段，加强企业与研发机构的合作，创新科技成果转化模式，充分利用浙江“国家绿色技术交易中心”这一综合性服务平台，提升科技成果市场化转移水平，此外，应注意提高承接产业的门槛，控制污染密集型产业的引入，减少成果转化过程中的非期望产出，提高绿色技术创新的成果转化效率。

3. 优化资源配置提升技术效率。从子阶段的动态效率来看，浙江多数城市的技术效率指数（EC）落后于技术进步指数（TC），表明这些城市可以通过资源配置的优化、对绿色技术的应用水平提升来实现效率前沿面的追赶。因此，从企业自身来看，要通过人才培养、人员优化、合理配置资产和加大绿色技术研发和应用来实现技术效率提升。从行业角度来看，进一步发挥浙江各类产业创新服务综合体的作用，鼓励企业建立更为广泛的合作创新关系，开展形式多样的绿色技术交流活动，鼓励企业间通过分享绿色创新技术和解决方案共同实现绿色发展。从政府提供公共服务的角度来看，可借鉴国外建设生态专利共享平台的做法，支持共建绿色技术共享平台，解决信息不对称问题，实现绿色技术的有效扩散。

4. 多方施策提升绿色技术创新整体效率。继续加快推进以人为中心的新型城镇化建设，为各类人才在城市集聚交流提供便利化服务，发挥城镇化对绿色技术创新效率的正向促进作用。持续优化产业结构，推动产业转型升级，实现生产性服务业和制造业的协同发展，通过产业结构高级化和产业结构合理化实现与绿色技术创新效率提升的良性互动。打造高质量外资集聚平台，大力招引环境友好型的新兴产业项目。鼓励高科技、低污染外资企业的进入，并引导其与本地高新技术企业合作，努力发挥其技术溢出效应，提升本地企业的绿色技术创新效率。建立区域协同治理体系，进一步缩小环境治理的城市差异，避免环境污染的跨城市转移，通过环境监管一致性实现城市绿色技术创新的同步推进。加大研发经费投入，支持绿色金融产品创新，吸引和带动更多的社会资金投向绿色技术创新领域。

［1］ BRAWN E, WIELD D. Regulation as a means for the social control of technology[J]. Technology analysis and strategic management, 1994(3): 497-505.

［2］ 成琼文, 贺显祥, 李宝生. 绿色技术创新效率及其影响因素——基于我国35个工业行业的实证研究[J]. 中南大学学报(社会科学版), 2020(2): 97-107.

［3］ 滕堂伟, 瞿丛艺, 胡森林, 等. 长三角城市群绿色创新效率格局分异及空间关联特征[J]. 华东师范大学学报(哲学社会科学版), 2019, 51(5): 107-117, 239-240.

［4］ FUSSLER C, JAMES P. Eco-innovation: a break through discipline for innovation and sustainability[M]. London: Pitman Publishing, 1996．

［5］ RENNINGS K．Redefining innovation-eco-innovation research and the contribution from ecological economics[J]. Ecological economies, 2000, 32(2): 319-332．

［6］ CHEN Y S, LAI S B, WEN C T．The influence of green innovation performance on corporate advantage in Taiwan[J]. Journal of business ethics, 2006, 67(4): 331-339．

［7］ ARFI W B, HIKKEROVA L, SAHUT J M, et al. External knowledge sources, green innovation and performance[J]. Technological forecasting and social change, 2018, 129(4): 210-220.

［8］ 张江雪, 蔡宁, 毛建素, 等. 自主创新、技术引进与中国工业绿色增长——基于行业异质性的实证研究[J]. 科学学研究, 2015, 33(2): 185-194, 271.

［9］ 王惠, 王树乔, 苗壮, 等．研发投入对绿色创新效率的异质门槛效应——基于中国高技术产业的经验研究[J]. 科研管理, 2016(2): 63-71．

［10］丁显有, 肖雯, 田泽. 长三角城市群工业绿色创新发展效率及其协同效应研究[J]. 工业技术经济, 2019(7): 67-75.

［11］何枫, 祝丽云, 马栋栋, 等. 中国钢铁企业绿色技术效率研究[J]. 中国工业经济, 2015(7): 84-89.

［12］刘凤朝, 张娜, 赵良仕. 东北三省高技术制造产业创新效率评价研究——基于两阶段网络DEA模型的分析[J]. 管理评论, 2020, 32(4): 90-105.

［13］王海龙, 连晓宇, 林德明. 绿色技术创新效率对区域绿色增长绩效的影响实证分析[J]. 科学学与科学技术管理, 2016, 37(6): 80-87.

［14］汪明月, 李颖明, 管开轩. 政府市场规制对企业绿色技术创新决策与绩效的影响[J]. 系统工程理论与实践, 2020(5): 1158-1177.

［15］肖黎明, 张仙鹏. 强可持续理念下绿色创新效率与生态福利绩效耦合协调的时空特征[J]. 自然资源学报, 2019, 34(2): 312-324.

［16］董直庆, 王辉. 城市财富与绿色技术选择[J]. 经济研究, 2021(4): 143-159.

［17］龙亮军. 基于两阶段Super-NSBM模型的城市生态福利绩效评价研究[J]. 中国人口·资源与环境, 2019(7): 1-10.

［18］TONE K A. Slacks-based measure of efficiency in data envelopment analysis[J]. European journal of operational research, 2001, 130(3): 498-509.

［19］张江雪, 朱磊. 基于绿色增长的我国各地区工业企业技术创新效率研究[J]. 数量经济技术经济研究, 2012, 29(2): 113-125.

［20］李婉红. 中国省域工业绿色技术创新产出的时空演化及影响因素: 基于30个省域数据的实证研究[J]. 管理工程学报, 2017, 31(2): 9-19.

［21］朱平芳, 徐伟民. 政府的科技激励政策对大中型工业企业R&D投入及其专利产出的影响——上海市的实证研究[J]. 经济研究, 2003(6): 45-53.

［22］程惠芳, 陆嘉俊. 知识资本对工业企业全要素生产率影响的实证分析[J]. 经济研究, 2014, 49(5): 174-187.

［23］邓玉萍, 王伦, 周文杰. 环境规制促进了绿色创新能力吗?——来自中国的经验证据[J]. 统计研究, 2021, 38(7): 76-86.

［24］韩晶, 陈超凡, 施发启. 中国制造业环境效率, 行业异质性与最优规制强度[J]. 统计研究, 2014(3): 61-67.

［25］简·雅各布斯. 城市经济[M]. 项婷婷, 译. 北京: 中信出版社, 2007: 4-26.

［26］程开明, 张亚飞, 陈龙. 中国城镇化影响能源消耗的效应分解及机制探析[J]. 地理科学, 2016, 36(11): 1661-1669.

［27］YANG H C, LU F Z, ZHANG F M. Exploring the effect of producer services agglomeration on China’s energy efficiency under environmental constraints[J]. Journal of cleaner production, 2020, 263: 121320.

［28］李东海. 产业结构优化对区域创新效率的影响研究——基于创新价值链视角[J]. 经济问题, 2020(10): 120-129

［29］冯志军, 陈伟, 杨朝均. 环境规制差异、创新驱动与中国经济绿色增长[J]. 技术经济, 2017, 36(8): 61-69.

［30］景维民, 张璐. 环境管制、对外开放与中国工业的绿色技术进步[J]. 经济研究, 2014(9): 34-47.

［31］陈劲, 梁靓, 吴航. 开放式创新背景下产业集聚与创新绩效关系研究——以中国高技术产业为例[J]. 科学学研究, 2013, 31(4): 577, 623-629.

Assessment and Factors of Zhejiang’s City Green Technology Innovation Efficiency

HAN Jin

（City Research Institute, Party School of CPC Ningbo Municipal Committee, Ningbo 315036, China）

Based on the network DEA model and Malmquist index model, this paper measures and analyzes the efficiency of green technology innovation by taking the dimension reduced pollution index as the unexpected output by referring to the data of 11 prefecture level cities in Zhejiang Province from 2011 to 2020. The outcomes show that the efficiency at the achievement transformation stage is better than that of R&D stage in Zhejiang cities, and there are differences in urban development. The average value of overall TFP index is 1. 121, and its improvement mainly comes from technological progress. Urbanization level, industrial structure optimization, opening to the outside world, government intervention and R&D intensity can promote the efficiency of green technology innovation, but the U-shaped relationship between economic development level and green technology innovation efficiency is not significant.

green technology, innovation efficiency, network DEA model, Malmquist index, Tobit model

2022-04-06

浙江省软科学研究计划“浙江省绿色创新效率与生态福利绩效协同发展研究”（2021C35102）；宁波市社科研究基地项目“环杭州湾大湾区城市协同创新测度及影响因素分析”（JD5-ZD20）

韩瑾（1972-），女，浙江慈溪人，副教授，主要研究方向：区域创新。E-mail: nbuhanjin@163.com

F062.2

A

1001 - 5124（2022）04 - 0113 - 11

（责任编辑 周 芬）