黄河流域绿色技术创新如何驱动绿色发展——基于绿色全要素生产率视角

李治国,杨雅涵

(中国石油大学(华东) 经济管理学院,山东 青岛 266580)

黄河流域有着全国约30%的人口,经济总量约占全国的26.5%,作为我国重要的生态屏障、经济地带和脱贫攻坚的重要地区,我国高度重视黄河流域的发展。中国科技发展战略研究院发布的《中国区域科技创新评价报告2018》中指出黄河流域创新驱动发展水平较低,综合科技创新水平指数均值为52.83%,低于69.6%的全国平均水平。国家水利部表示,当前黄河流域水资源利用较为粗放,2018年黄河137个水质断面中,劣V类水约占12.4%,高于全国6.7%的平均水平。面对黄河流域创新水平较低、生态环境脆弱的现状,绿色技术创新作为引领绿色发展的第一动力以及创新的重要组成内容,是保证黄河流域持久健康发展的重要一环。因此探究黄河流域绿色技术创新究竟通过何种途径驱动绿色全要素生产率的提高具有重要的研究意义。

Chung等[1]首次将环境污染等非期望产出纳入到全要素生产率的测算中,并以此衡量环境污染对经济增长的作用;李俊等[2]认为,如果可以保证统计数据质量,则可以通过绿色全要素生产率这一指标衡量地区发展质量。此后,学者关于绿色全要素生产率的研究增多。文献[3-5]中通过拓展索洛模型,将二氧化碳排放量引入研究框架中,并运用空间数据分析法对绿色全要素生产率进行测算。

从绿色全要素生产率的影响因素角度看,倪瑛等[6]研究表明单一的金融发展与环境规制均会给绿色全要素生产率的提高带来促进作用,但金融发展与环境规制相结合的模式却会给绿色全要素生产率的提高带来负面影响;文献[7-8]中从财政分权的角度讨论了金融发展对绿色全要素生产率的影响;文献[9-11]中研究了技术创新对绿色发展和绿色全要素生产率的影响;Braun等[12]将绿色技术定义为可以实现低环境污染、低能耗、低原材料消耗的工艺和产品。此外,文献[13-17]中研究了绿色技术创新和环境创新对全要素生产率或环境的影响。

仅有少数学者对黄河流域绿色全要素生产率的分布和影响因素进行了研究,如刘华军等[18]基于数据包络模型,采用传统核密度以及随机核估计的方法对黄河流域绿色全要素生产率的演进趋势和分布动态特征进行了研究;马丁等[19]基于黄河沿岸35座城市,采用面板数据样本选择模型分析了绿色发展效率的影响因素,发现黄河沿岸城市的绿色发展效应仍未达到有效状态。

综上所述,针对现有文献对某一特定经济区的绿色发展研究不足的现状,并考虑到黄河流域在我国经济发展和生态环境保护中的重要战略地位,因此,选取黄河流域城市作为研究对象。在绿色全要素生产率研究中,大多数学者已经通过分解测算结果说明了绿色发展的主要驱动力为绿色技术进步,但在绿色技术的创新如何驱动绿色发展方面未做深入研究。因此运用空间杜宾模型,研究黄河流域绿色技术创新究竟通过何种途径驱动绿色全要素生产率发展。

1 方法选择与数据来源

1.1 绿色全要素生产率的测算方法及数据来源

测算绿色全要素生产率(GTFP,green total factor productivity)的方法包括生产函数法、索洛模型、随机前沿分析法(SFA,stochastic frontier analysis)和数据包络法(DEA,data envelope analysis)。学术界常用的方法有SFA及DEA,其中DEA可以在不给出价格信息和函数形式的情况下,较为方便地算出生产率。但由于传统的DEA基于径向和角度,忽略了松弛变量的问题,为弥补DEA的不足,Tone[20]提出了基于松弛变量的非径向非角度SBM模型,并将非期望产出纳入模型中。因此,研究结合既有文献,选择SBM模型结合曼奎斯特指数,并使用MaxDEA 8 Ultra软件测算出黄河流域65个城市的绿色全要素生产率。

(2) Malmquist指数 Malmquist指数法是基于DEA提出的,使用其测算绿色全要素生产率时,可将其分解为绿色技术进步指数(tech)和绿色技术效率指数(effch)。按照Malmquist指数的构造思路,从t到t+1时期的Malmquist指数可以表示为

当M>1时表示GTFP提高,反之表示GTFP降低;当tech>1时表示技术进步,反之表示技术有所退步;当effch>1时表示技术效率提高,反之表示技术效率有所降低。

(3) 投入产出指标选取和来源 绿色全要素生产率的计算涉及到投入产出指标,选择黄河流域65个城市2004—2018年的数据进行研究,相关指标数据来源及处理说明如下。

表1 GTFP指标选取

1.2 空间计量模型的变量选取及自相关分析

(2) 空间自相关分析 为考察绿色技术的空间溢出效应,使用Moran'sI指数进行空间相关性检验,计算公式为

其中:Y表示要检验空间性的变量;Moran'sI指数的取值总在-1～1之间,若Moran'sI>0,表示存在空间正相关性,反之表示存在空间负相关,绝对值越大,空间相关性就越强。若Moran'sI=0,表示研究的指标呈随机分布;W表示空间权重矩阵,研究构建了3种矩阵研究绿色技术对绿色全要素生产率的空间效应:

(1)邻接矩阵。简单的0-1矩阵构建如下:

(2) 经济矩阵。地理因素并不是导致空间效应的唯一原因,因此经济发展水平相似的地区间的相关关系可能越强。经济矩阵构建为

其中:X代表城市GDP。

(3) 经济距离矩阵。当空间效应中地理因素及经济因素同时存在时,可以构建嵌套矩阵:

W=αWdis+βWeco。

根据3种空间矩阵,除2004年外,2005—2018年GTFP的莫兰指数均显著为正,说明研究区域的GTFP存在显著的空间正相关。因此对黄河流域绿色发展进行研究时有必要考虑空间效应。

2 实证结果及分析

2.1 绿色全要素生产率的测算

运用MaxDEA 8 Ultra测算黄河流域上游、中游、下游城市2004—2018年绿色全要素生产率,2003—2004年与2017—2018年黄河上游城市、中游城市、下游城市的GTFP测算结果分别如图1～图3所示。

图1 黄河上游城市GTFP

图2 黄河中游城市GTFP

图3 黄河下游城市GTFP

由图1～图3可以看出,2004年黄河流域城市中有40座城市GTFP>1,说明绿色全要素生产率有所提高,至2018年黄河流域50座城市的GTFP指数超过1。自贡、攀枝花、南充、天水、乌海、西安、咸阳、大同、郑州、平顶山、安阳、新乡、许昌、漯河及三门峡的GTFP指数均从小于1提升至1以上。而泸州、广元、遂宁、金昌、白银、银川、石嘴山、吴忠、延安、朔州和淄博绿色全要素生产率有所下降。虽然大部分城市保持稳定,但在GTFP增长的城市中,中下游城市多于上游城市,而在GTFP下降的城市中,上游城市占多数。因此从绿色全要素生产率的变化可以得出结论,黄河上游城市的绿色发展略逊于中下游城市。从指数分解的角度来看,2004年有37座城市的技术效率指数大于1,只有26座城市技术进步指数大于1。2018年65座城市中仅有28座城市effch超过1,而61座城市的tech大于1。从整体来说,黄河流域绿色全要素生产率的提升主要是由于技术进步的拉动,黄河流域加大了对绿色技术创新的重视。

2.2 空间计量的模型选择

利用Stata15软件进行LR检验及Wald检验后得出结论:SDM模型不能简化为SEM或SLM模型。为了进一步确定使用时间固定、个体固定还是双固定效应进行了相关检验,通过Hausman检验及LR检验得出结论:显著拒绝随机效应和时间或个体固定效应的原假设,应采用双重固定效应模型进行估计。

3种矩阵的回归结果如表2所列。

由表2可知,当地绿色技术创新对GTFP在3种空间矩阵下均显著为正,意味着绿色技术创新对本地的绿色全要素生产率起促进作用,而周边的绿色技术创新对本地的绿色发展无显著影响。利用这种估计解释各因素的空间溢出效应有失偏颇,因此,将空间效应分解为直接效应及间接效应来研究黄河流域的绿色技术创新对绿色全要素生产率的驱动作用,结果如表3所列。

表2 SDM回归结果

表3 空间效应分解

由表3的分解结果可知:(1)在3种矩阵下,绿色技术创新对GTFP的直接效应均显著为正,分别为0.038、0.051及0.044,这说明一个城市的绿色技术创新会直接促进本地绿色全要素生产率的发展。而其间接效应为负且不显著,则说明黄河流域内绿色技术创新并没有显著的溢出效应,即城市对绿色技术创新的模仿借鉴能力或主动传输力度欠缺,导致各地绿色技术创新对绿色全要素生产率的驱动作用更多地通过直接效应作用于本地的绿色发展,而对周边地区的帮助并不显著。(2)产业结构对绿色全要素生产率起抑制作用,因为相对第一产业和第二产业,第二产业产生的污染排放更大,因此第二产业很有可能会抑制绿色发展。但影响并不显著是因为,随着我国对“推进三大产业均衡发展,促进产业优化升级”的落实,传统工业的积极升级转型很大程度上弱化了环境污染的问题。(3)经济水平对绿色全要素生产率的直接作用为正,而间接作用大多为负。这说明一个城市的经济水平越高,技术创新水平就越高,技术创新水平的提高会促进当地的绿色发展。同时,经济水平较高的地区也可能对周边地区存在较强的虹吸效应,从而抑制了周边城市的绿色发展。(4)从FDI对绿色全要素生产率的影响可以看出其直接效应为正。可能的原因是，目前我国愈加注重招商引资的结构与质量，这使得各地引进的企业不再单纯是制造企业等污染较大的企业，有利于当地绿色全要素生产率的提高。同时，引进投资的地区一般拥有较先进的技术，可以对其排放的污染物进行较为及时的处理。而邻省的技术水平较低，有时可能无法处理邻省排放至公共区域的污染物。这就导致了当地引进的外商直接投资越多，对邻地绿色全要素生产率提升的抑制作用越强，即FDI对绿色全要素生产率的间接效应为负。(5)基础设施的总效应为负,意味着城市在进行基础设施建设(如解决马路拥堵等民生问题)时,可能对环境问题欠考虑,使得资源与基础设施匹配不当。(6)环境规制在大部分情况下对绿色全要素生产率的影响均为显著正相关,这是因为政府加强环境规制使得企业污染成本增加,从而促进企业减少污染,实现了绿色全要素生产率的提高。

3 结论

综上所述,黄河上游城市的绿色发展略逊于中下游城市,黄河流域呈现出以中下游城市为重心的绿色发展现状,在绿色全要素生产率上升的城市中,黄河中下游城市占大多数,而在下降的城市中,上游城市居多;黄河流域的城市之间缺乏绿色技术创新的模仿与借鉴,而增加绿色技术创新的强度仅对本地的绿色全要素生产率产生促进作用,对周边地区的绿色发展影响并不显著。

面对黄河流域绿色发展不平衡的问题,黄河流域应做到协调发展,因地制宜,根据上游及中下游不同的生态和经济情况实现流域内绿色全要素生产率的提升。对黄河上游地区来说,虽然人口稀少,工业企业较少,但经济发展水平及技术水平较低且生态环境脆弱,应积极引进创新型人才,推进重大生态保护修复和建设工程,同时提升水源涵养能力。中游地区能源资源丰富,以煤炭大省山西省为例,经济发展的同时牺牲了生态环境,因此要重点做好环境治理工作。除此之外,坐落于黄土高原这一重要地理位置的中游地区要重点抓好水土保持工作。黄河下游地区经济水平相对较高,加之近年来贯彻落实经济转型发展理念并注重生态保护,提高了绿色全要素生产率。因此,经济水平较高的下游城市应该保持其良好的绿色发展态势,积极进行新技术研发,与中游及下游城市开展园区共建,并通过辐射作用带动黄河上游和中游城市经济绿色发展。

针对绿色技术创新的溢出效应不强的问题,流域内城市不仅应加强绿色技术的自主创新,同时也不可忽视对技术交流和学习的加强,中心城市应发挥辐射带动能力将先进技术向外传播,从而促进黄河流域共同绿色发展,实现高质量发展。黄河流域的创新平台载体较少,在我国169个国家级高新区中,黄河流域有37个,仅占全国的21.9%。因此黄河流域城市的各地政府应鼓励企业与高等院校、科研机构等相互合作,跨省市建立研发平台,构成产业技术创新战略联动,发挥绿色技术创新驱动黄河流域经济高质量发展的关键作用。同时,中游地区城市在注重自身高校及科研机构建设时,应起到连接上游与下游的纽带作用,做好上下游技术、资源的融通工作。此外从产业结构的角度来说,作为国家的重点经济地带,黄河流域城市应继续贯彻落实产业升级的要求,着力推动黄河流域生态环境保护和高质量发展中的产业转型。要在充分考虑资源环境条件的情况下,适当进行外商投资的引进与基础设施的建设。