三大经济圈绿色创新效率时空格局演变研究

程 刚,王 娜,李旭辉

(安徽财经大学 管理科学与工程学院,安徽 蚌埠 233030)

一、引言

自党的十八大提出实施创新驱动发展战略以来,我国始终坚定不移走创新发展道路。“十四五”规划纲要强调,要继续坚持创新在我国现代化建设全局中的核心地位,全面塑造发展新优势[1]。在世界知识产权组织公布的《2020年全球创新指数报告》中,中国位居14名,科技集群数量仅次于美国,排名世界第二,创新型国家建设卓有成效。科技创新是国家经济高速发展的不竭动力,资源环境则是我国经济高质量可持续发展的重要瓶颈之一[2]。为此,党的十九大报告提出要落实绿色发展理念,构建绿色技术创新体系,培育创新引领、绿色低碳新动能[3],将“绿色”“创新”发展提升到国家战略层面。长三角、泛珠三角、环渤海经济圈作为我国经济社会发展的三大增长极和重要创新策源地,应以经济高质量发展与生态绿色发展为出发点,以绿色创新为动力,贯彻落实新发展理念。在此背景下,本文以三大经济圈为对象全面考察其绿色创新效率发展特征,并深入探究其时空格局和演进趋势,以期为实现产业创新发展、区域协同发展、经济绿色高质量发展提供决策参考。

绿色创新效率是在兼顾经济增长与生态可持续双重特征前提下,对区域创新投入要素的资源利用水平进行考察[4]。区域绿色创新效率的提升不仅需要对技术、资源等创新要素进行合理配置实现经济效益的产出,还应努力实现废水、废气等非期望产出的下降,实现资源环境水平与科技创新能力的协同发展。新发展理念下,已有众多学者针对绿色创新展开相关研究。在绿色创新效率测度方面,部分研究采用随机前沿分析法(SFA)对区域绿色创新效率进行测算。但与SFA方法相比,数据包络分析法(DEA)无需设定生产函数形式,且能综合测度多投入产出问题[5],已成为测算区域绿色创新效率的主要方法。在DEA框架下,学者主要采用传统径向DEA[6]和非径向SBM模型[7-8]测算区域绿色创新效率,但忽视了污染排放对绿色创新效率的影响,而基于非期望产出的超效率SBM(SE-U-SBM)模型不仅可以将非期望产出纳入指标体系,还能对有效决策单元(DMU)的效率差异进行细化[9],为测度区域绿色创新效率提供新的研究思路。在研究尺度上,较多学者从国家层面深入考察我国省域绿色创新效率[10],还有部分学者基于长三角经济圈[11-12]、长江经济带[13-14]等单一战略区域探究我国区域绿色创新效率,亟待从三大经济圈视角对比揭示绿色创新效率的发展态势。此外,在绿色创新效率的时空格局演变分析中,已有研究多采用ArcGIS可视化技术进行考察,如李健等借助ArcGIS可视化工具考察高技术产业绿色创新效率时空分异特征[15],但未能深入揭示绿色创新效率的空间关联模式和空间集聚特征。

已有研究为深入探究三大经济圈绿色创新效率奠定了良好基础,但在研究方法、研究尺度和研究内容上仍存在较大拓展空间。在研究方法上,已有研究多基于非径向SBM模型进行测算,无法对有效决策单元的绿色创新效率进行细分,且忽视了非期望产出对绿色环境的影响,导致测度结果存在偏差。因此,本文采用考虑非期望产出的超效率SBM模型,同时将非期望产出和有效DMU再排序纳入考察,从而科学考察三大经济圈绿色创新效率的发展态势。在研究尺度上,学者们主要围绕省域或单一经济圈视角展开,缺乏对国家战略布局层面的对比研究,长三角、泛珠三角与环渤海经济圈作为引领我国经济发展的三大增长极和重要创新策源地,全面考察其绿色创新效率能为推动我国经济可持续、高质量发展提供有力借鉴。在研究内容上,已有研究多围绕区域绿色创新效率的时空格局进行可视化分析,未能从空间自相关角度深入探究其空间关联模式和空间集聚特征。鉴于已有研究的不足,本文首先运用SE-U-SBM模型全面考察2010～2019年长三角、泛珠三角、环渤海三大经济圈绿色创新效率的发展态势;其次,借助探索性空间数据分析法(ESDA)揭示三大经济圈绿色创新效率的全局空间关联特征;再次,采用热点分析法(Getis-Ord Gi*)刻画三大经济圈绿色创新效率的局域空间聚类特征及演化特征;最后,依据前文分析,得出结论与启示。

二、研究方法、研究对象及数据来源

(一) 研究方法

1.基于非期望产出的超效率SBM(SE-U-SBM)。传统的DEA模型以径向角度模型为主,包括CCR、BCC等,但径向DEA模型易忽视变量松弛问题,导致测度结果过高;角度DEA模型需在投入或产出不变前提下使用,因而无法获得真实效率值。鉴于此,本文采用基于非期望产出的超效率SBM模型。该模型与传统DEA模型相比,具有以下优点:一是基于投入或产出松弛变量进行测度,弥补了径向DEA模型的不足;二是充分考虑了“非期望产出”对效率测度的影响[16];三是能够对多个有效DMU进行再排序[17],目前已被广泛运用于绿色创新效率测算中。

(1)

2.探索性空间数据分析法(ESDA)。这是一系列基于数据驱动揭示要素空间关联模式、空间分异特征和其他形式的空间不稳定性的空间数据分析方法和技术的集合[19],具体又分为全局空间自相关和局域空间自相关。其中,全局空间自相关用于描述某个参数均值在整个研究范围内的总体变化特征,能揭示绿色创新效率在三大经济圈整体上的空间关联程度,计算公式为:

(3)

局域空间自相关一般通过局域Moran’s I指数测算并借助LISA集聚图进行可视化展现,从而揭示三大经济圈绿色创新效率的空间异质性及其变化趋势,其公式为:

(4)

式中,Ii即空间单元i的局域Moran’s I指数。

(5)

(6)

(二)研究对象、指标体系及数据来源

为揭示绿色创新效率的时序变化特征,增强结果在“创新、协调、绿色、开发、共享”这五大发展理念提出前后的对比性,并基于数据可得性,将2010—2019年作为研究期。此外,《全国主体功能区规划》明确指出,把长三角、环渤海和泛珠三角地区确定为优化开发区,率先转变经济发展方式。根据文件的原则和内容,本文选取长三角、环渤海和泛珠三角三大经济圈为研究对象,全面考察其绿色创新效率发展特征和演进规律。依据《长江三角洲区域一体化发展规划纲要》《泛珠三角区域深化合作共同宣言(2015年—2025年)》《环渤海地区合作发展纲要》等文件的划分,长三角经济圈包括上海、江苏、浙江、安徽4个省份,泛珠三角经济圈包括广东、江西、广西、福建、海南、湖南、四川、贵州、云南9个省份(鉴于数据可得性,去除香港、澳门两个特别行政区),环渤海经济圈包括北京、天津、河北、辽宁、山东、山西、内蒙古7个省份。

本文兼顾创新与绿色双重属性,立足于三大经济圈资源、科技、经济、环境等发展现状,从绿色创新投入、期望产出和非期望产出三个维度构建三大经济圈绿色创新效率测度指标体系。在绿色创新投入方面,《中共中央国务院关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》中强调“把节约能源资源放在首位”,因此,本文在传统创新投入指标的基础上加入能源指标,从人力资源、资金投入、能源投入三个维度进行衡量。其中,人力资源是绿色创新活动的核心主体,是绿色创新知识和技术的传播载体,习近平总书记指出“人才是创新的根基,是创新的核心要素”,借助R&D人员全时当量进行衡量;资金投入是绿色创新活动长期、稳定、健康开展的物质保障,借助R&D经费进行衡量;能源投入是开展能源是用能源消费总量表示。在绿色创新期望产出方面,从经济效益、知识产出和环境质量三个维度考量。其中,经济效益是指绿色创新活动产生的经济价值和收益,用新产品销售收入表示;知识产出是指绿色创新活动创造的有形或无形的知识成果,用专利申请数表示;环境质量是衡量创新活动绿色化程度的重要指标,用绿地面积表示。在绿色创新非期望产出方面,从“蓝天”“碧水”“净土”三个维度衡量。其中,借助工业二氧化硫排放量表示“蓝天”指标,借助工业废水排放量表示“碧水”指标,借助一般固体废物排放量表示“净土”指标。此外,由于DEA模型要求投入产出指标数量不宜过多,本文借鉴刘阳和秦曼[21]的做法,采用熵值法对“蓝天”“碧水”“净土”指标进行客观赋权构建污染指数,衡量绿色创新非期望产出。

以上数据均从《中国统计年鉴》《中国环境统计年鉴》和国泰安数据库中获取,并以各省份统计年鉴和国家统计局数据进行补充,针对个别年份、个别省份指标数据的缺失情况,本文借助插值法进行补全,以保证指标数据的连续性。具体指标描述如表1所示。

表1 变量的描述性统计

三、三大经济圈绿色创新效率时空演变特征

(一)时序演变趋势

本文基于2010—2019年长三角、泛珠三角、环渤海三大经济圈内20个省份的面板数据,运用SE-U-SBM模型对三大经济圈绿色创新效率进行测算,并从区域和省域两个维度全面刻画三大经济圈绿色创新效率的时空格局,如表2所示。其中三大经济圈整体、长三角经济圈、泛珠三角经济圈和环渤海经济圈绿色创新效率均值为各经济圈覆盖范围内省份的绿色创新效率的平均值。

表2 三大经济圈绿色创新效率测度结果

从三大经济圈整体层面看,样本考察期内三大经济圈绿色创新效率呈波动上升态势,效率均值介于0.65—0.80之间。与2010年相比,2019年三大经济圈绿色创新效率显著提升,增幅13.76%,这意味着我国三大经济圈绿色创新取得重大阶段性成果,有效促进了其创新平台丰富、创新要素流动、创新链条完善、资源配置优化,绿色创新成效显著。从演变趋势看,考察期内三大经济圈绿色创新效率先由2010年的0.688波动下降至2015年的0.655,此时为样本考察期内最小值,下降幅度为4.78%。这段时期内,三大经济圈贯彻落实创新驱动发展战略,研发投入、技术创新要素投入、专利产出等始终保持稳定水平,但环境污染排放逐年增多;随着“创新、协调、绿色、开放、共享”新发展理念的提出,三大经济圈积极响应国家政策号召,凭借着其绿色创新技术和政策红利,率先完成了绿色创新体系构建。各地区政府重视资源的合理配置,加大环境污染防治力度,积极发展绿色低碳能源,推动工业、能源等领域的生产方式向绿色低碳方向转型升级,使得三大经济圈绿色创新效率相比“五大发展理念”提出之前得到了大幅度提升,增长率达19.46%。

从区域比较视角看,长三角、泛珠三角、环渤海三大经济圈绿色创新效率呈现显著的区域异质性。其中,长三角经济圈凭借其丰富的劳动力资源、密集的科技创新资源以及完善的基础设施建设,在绿色创新发展中抢占先机,其绿色创新效率始终处于领先地位,远超泛珠三角经济圈和环渤海经济圈,效率均值达0.860;泛珠三角经济圈绿色创新效率次之,效率均值为0.695,略低于三大经济圈整体绿色创新效率均值;环渤海经济圈绿色创新效率始终处于落后水平,效率均值仅为0.615,绿色创新效率仍存在较大提升空间。从演变趋势看,样本考察期内,三大经济圈绿色创新效率的走势基本相同,呈现出明显的波动上升趋势。其中,环渤海经济圈绿色创新效率虽均值最低,但其提升速度最快,从2010年的0.578增加至2019年的0.745,年均增长率高达2.57%,具有一定的后发优势;长三角经济圈提升速度也高于三大经济圈整体水平,年均增长率为1.43%;泛珠三角经济圈绿色创新效率提升速度相对较慢,且在2017年后略有下降,使得其年均增长率仅为0.36%,绿色创新效率增速乏力。原因在于与其他地区相比,泛珠三角经济圈内广西、福建等地区研发经费、研发人员等创新投入显著减少,且产出端工业废水排放量、工业二氧化硫排放量等大幅度增加,严重影响了其资源的集约化、绿色化利用。这一结果表明,样本考察期内三大经济圈绿色创新效率的时序演化特征存在差异,长三角经济圈绿色创新效率表现为效率高、增速慢,环渤海经济圈表现为效率低、增速快、泛珠三角经济圈的绿色创新效率和提升速度在三大经济圈内均处于中等水平。

(二)空间分布格局

上述研究表明,三大经济圈绿色创新效率区域异质性显著。为进一步揭示其空间分布格局,本文参考魏敏和李书昊[22]基于三大经济圈20个省市的绿色创新效率值,依据绿色创新效率均值(M)与标准差(SD)的关系,将其按先进型(高于M+0.5SD)、平庸型(介于M-0.5SD与M+0.5SD)和落后型(低于M-0.5SD)进行划分。由表2可得2010—2019年三大经济圈20个省市绿色创新效率的算术平均值(M)为0.700,标准差(SD)为0.179,则三大经济圈各省市绿色创新效率类型划分如图1所示。

图1 样本考察期三大经济圈20个省份绿色创新效率类型分布

可以看出,北京、浙江、安徽、上海、广东、海南6个地区为先进型地区,占三大经济圈地区总数的30%,其考察期绿色创新效率均值均大于0.790(M+0.5SD)。这些地区绿色创新发展水平较优,在经济发展过程中不仅能够重视创新驱动发展,还能贯彻落实绿色发展战略,注重生态文明建设,绿色创新综合表现较为优异。原因在于,一方面,北京、上海等地区与其他地区相比,经济社会发展水平较高,吸引了大量先进技术和高素质人才,促进了其绿色创新体系完善发展;另一方面,海南等地区境内工业规模偏小,经济发展重心以旅游、贸易、运输为主,粗放式发展模式对其生态环境建设影响较小。平庸型地区包括江西、江苏、天津、湖南、广西、四川、福建、山东8个地区,结合表2可以看出,这些地区绿色创新发展一般,位于三大经济圈中等水平,部分地区绿色创新效率排名倒退,如天津市绿色创新效率排名由2010年的第5名下降为2019年的第9名,下滑了4个名次,福建、广西、江西等省份下滑了3个名次。落后型地区包括贵州、辽宁、云南、河北、山西、内蒙古6个地区,其绿色创新效率基本处于落后位置,成为制约三大经济圈绿色创新效率协同提升的重点区域。但内蒙古自治区绿色创新效率考察期内显著上升,由2010年的0.284提升至2019年0.653,在三大经济圈内排名上升了5个名次。究其原因,虽然内蒙古自治区在样本考察期初期绿色创新效率处于较低位置,但随着绿色创新发展理念的贯彻落实,内蒙古自治区实施“科技兴蒙”重大战略部署,将区域创新发展融入国家创新战略总体布局,系统谋划科技支撑碳达峰中和,超前布局降碳、零碳、负碳攻关项目,推动自治区传统产业绿色创新发展。总的来看,三大经济圈绿色创新效率梯度效应显著,且未来发展过程中可能陷入“高效率发展陷阱”,即绿色创新高效率省份触及其发展天花板,效率提升空间不足。

四、三大经济圈绿色创新效率空间关联特征

(一)全局空间关联特征

根据Moran’s I散点在象限内分布位置的不同,可以将各省份的空间关联特征划分为四种类型:第一象限为高-高集聚,表示自身为绿色创新高效率省份与高效率省份为邻;第二象限为低-高集聚,表示自身为绿色创新低效率省份与高效率省份相邻;第三象限为低-低集聚区,表示自身为绿色创新低效率省份与低效率省份相邻;第四象限为高-低集聚区,表示自身为绿色创新高效率省份与低效率省份相邻。

由图2看出,样本考察期内,三大经济圈绿色创新效率的Moran’s I值全部大于0,且在0.25—0.50范围内波动,2011年达到最大值0.453,这表明三大经济圈绿色创新效率具有显著的空间集聚与依赖特征,创新效率较为接近的省份间彼此邻近、互相影响,从而呈现出较强的“集群化”特征,即以“绿色创新高效率省份被高效率省份环绕”模式或“绿色创新低效率省份被低效率省份环绕”模式为主导的空间集聚特征。

图2 三大经济圈绿色创新效率全局Moran’s I指数

对2010、2015和2019年三大经济圈绿色创新效率空间自相关性进行分析(图3)可以发现,样本考察期内,Moran’s I散点多分布在第一、第三象限,表现为高-高集聚或低-低集聚。具体来看,2010年三大经济带绿色创新效率多分布在第一和第三象限,以高-高集聚和低-低集聚为主,且低-低集聚主要分布在泛珠三角经济圈与环渤海经济圈。究其原因,泛珠三角和环渤海经济圈内部分省份经济社会发展相对落后,资源利用、要素配置等方面缺乏合理有效的调控措施,且内蒙古、山西、辽宁、云南等地区仍存在大量的劳动密集型产业,其绿色技术创新动力不足、资源过度开发且粗放利用,严重阻碍了其绿色创新效率的提升。而2019年三大经济圈绿色创新效率高-高集聚区域数量有所减少,低-高集聚和高-低集聚区域数量有所增加,这表明三大经济圈绿色创新效率的空间溢出效应减弱,但各类型区域数量差距变小,绿色创新效率具有较强的区域异质性。因此,低-高集聚和高-低集聚地区应充分发挥高效率地区的正向空间溢出效应,在保障自身绿色创新效率提升的前提下,带动低效率地区绿色创新技术的发展。

图3 2010年、2015年和2019年三大经济圈绿色创新效率Moran’s I散点分布

从演变趋势看,用考察期内不同时间点各集聚类型所包含省份的变化反映三大经济圈绿色创新效率的时空跃迁,根据跃迁类型可分为三类:(1)上游跃迁型,如低-高或高-低→高-高、低-低→低-高或高-低等,指考察期末较期初该地区或相邻地区绿色创新效率得到提升,主要包括江苏省。(2)下游跃迁型,如低-高或高-低→低-低、高-高→低-高或高-低等,指考察期末较期初该地区或相邻地区绿色创新效率有所下降,主要包括北京、天津、广东3个地区。整体来看,发生跃迁的地区占地区总数的15%,且下游跃迁地区数量大于上游跃迁,说明三大经济圈绿色创新效率空间格局较为稳定,自我固化特征显著,短期内难以发生较大改变。(3)本位跃迁型,如高-高→高-高、低-低→低-低等,指考察期末较期初该地区绿色创新效率所属象限未发生变化,主要包括浙江、安徽、云南等16个地区。其中低-低集聚地区占比最大,约为56.25%,高-高集聚类型的地区次之,所占比重约为31.25%,说明三大经济圈绿色创新效率存在显著的“马太效应”,绿色创新效率较低省份由于受到初期发展基础的限制,易陷入“贫困陷阱”,绿色创新效率较高省市则继续保持初期水平,产生“高水平垄断”现象,故导致三大经济圈绿色创新效率存在显著的空间非均衡。

(二)局部空间关联特征

上述研究表明三大经济圈绿色创新效率存在较强的空间集聚性,但由于Moran’s I指数无法揭示局部状态的不稳定性,因此本文将采用热点分析法(Getis-ord G*)计算2010年、2015年和2019年三大经济圈绿色创新效率的局域统计量G*,然后运用自然断点法将其划分为热点区、次热点区、次冷点区和冷点区,进而刻画三大经济圈绿色创新效率的冷热点分布状况和强影响点位置,并揭示其局域空间聚类特征及演化特征,结果如表3所示。

表3 三大经济圈绿色创新效率冷热点空分布

可以看出,三大经济圈绿色创新效率“极化”特征较为显著。经济圈内绿色创新效率热点区和次热点区主要包括北京、天津、上海等地区,且在断面上始终呈现出高簇值集中区。而内蒙古、辽宁、云南等地区始终处于冷点区,由此在空间上表现出显著的“极化”现象。究其原因,一方面,浙江、上海、广东等沿海地区开放程度较高,在科技、金融、贸易等方面具有较强的资本集聚能力,吸引了大量绿色创新型企业和高素质人才;另一方面,内蒙古、云南、贵州等地区由于地理位置、资源禀赋等基础条件相对落后,产业绿色转型发展基础薄弱,政府环境财政投入有限,从而导致其绿色创新效率较低。具体来看,2010年,绿色创新效率热点区主要分布在长三角和泛珠三角经济圈东部,且沿东部海岸线呈片状分布,冷点区主要位于泛珠三角经济圈西部和环渤海经济圈北部,可以看出,三大经济圈绿色创新效率较高地区和较低地区在地理空间上分布较为集中,存在趋同效应。随着时间的推移,三大经济圈中12个地区(占地区总数的60%)所处地位不断发生变化。其中,热点区、冷点区分布格局变化较大,热点区数量呈下降趋势,由2010年的6个逐步减少为2019年的3个,占地区总数的15%;冷点区则相反,其数量由2010年的3个逐步增加为2019年的6个,占地区总数的30%。但热点区和次热点区总数与冷点区和次冷点区总数基本保持均衡状态。原因在于,与2010年相比,2019年三大经济圈G*得分均显著增加,冷热点分界线得分由-0.679增加为-0.058,基本保持稳定,但热点区与次热点区分界线以及冷点区与次冷点区分界线均大幅度提升,分别由0.838、-2.377增加为1.360、-1.330,从而使得热点区、冷点区数量显著变化。这表明经济圈中存在“优中更优”的现象,也进一步说明三大经济圈部分地区绿色创新效率在考察期内正在继续得到提升,越发高于三大经济圈的平均水平,从而导致经济圈绿色创新效率的差异进一步拉大。因此,三大经济圈应采取有针对性的绿色创新效率提升区域协调发展策略,通过推进创新成果空间溢出、资源高效互联互通等方式,协调提升各地区的绿色创新发展水平。

五、结论与建议

本文基于2010—2019年面板数据测算了长三角、泛珠三角、环渤海三大经济圈绿色创新效率,并借助探索性空间数据分析法与热点分析法深入探究三大经济圈绿色创新效率的空间关联特征和空间聚类特征。研究结论如下:(1)样本考察期内,三大经济圈绿色创新效率呈现显著的增长趋势,增长幅度达13.76%。其中,长三角经济圈绿色创新效率始终处于领先地位,考察期效率均值达0.860;环渤海经济圈绿色创新效率最低,但增长幅度最大,年均增长率高达2.57%;泛珠三角经济圈的绿色创新效率和提升速度在三大经济圈内均处于中等水平。从省域角度看,三大经济圈各省市绿色创新效率具有明显的“梯度效应”,北京、浙江、安徽、上海、广东、海南6个地区绿色创新效率较高,为先进型地区,贵州、辽宁、云南、河北、山西、内蒙古6个地区为落后型地区,其他地区为平庸型地区,绿色创新效率空间异质性显著。(2)三大经济圈绿色创新效率具有显著的正向空间溢出效应,Moran’s I散点多分布在第一和第三象限,表现为高-高集聚和低-低集聚。考察期末三大经济圈绿色创新效率高-高集聚区域数量有所减少,空间溢出效应有所减弱。空间跃迁多为本位跃迁,其中低-低集聚型地区占比高达56.25%,高-高集聚类型地区次之,三大经济圈绿色创新效率存在显著的“马太效应”。(3)考察期内,三大经济圈绿色创新效率热点区和次热点区主要包括北京、天津、上海等地区,而内蒙古、辽宁、云南等地区始终处于冷点区。热点区、冷点区空间分布较为集中,表现出显著的空间“极化”现象和空间趋同效应。随着时间的推移,热点区和次热点区总数与冷点区和次冷点区总数基本保持均衡状态,但热点区、冷点区分布格局变化较大,呈现明显的“优中更优”现象。

根据以上研究结论,本文认为空间异质性是抑制三大经济圈绿色创新效率提升的关键因素,为此,本文提出以下建议。

第一,内外部双管齐下,促进三大经济圈绿色创新效率提升。三大经济圈应加大绿色创新技术研发投入力度,鼓励以科技创新降低污染排放,实现从原材料到新产品的全程绿色生产;推动传统高能耗、高污染企业转型升级,鼓励和扶持绿色、清洁、节能型中小型企业发展;顺应绿色创新产业发展趋势,激励企业建立研发部门,加大创新研发投入力度,激发释放企业创新创造活力;加强企业与科研院所、高等学校的研发合作关系,激励企业通过合作办学、财政支持,为绿色创新产业储备更多知识、科技和人才。此外,政府应转变发展理念,将绿色发展作为发挥创新驱动作用的切入点,制定完善的绿色创新体系,实施严格的污染排放和环境保护标准,并将产业绿色创新发展作为长期发展战略执行。

第二,立足三大经济圈区位优势,实施差异化绿色创新提升战略。由上文分析可知,三大经济圈绿色创新效率处于不同发展阶段,应基于各经济圈区位特征和发展路径,实施差异化提升战略。具体来说,长三角经济圈应在保持其绿色创新发展优势的同时,扩大对外开放程度,加强与国内外专家学者在绿色技术、创新项目等领域的深度交流与合作,推动绿色创新科技成果快速转化和应用;环渤海经济圈整体绿色创新效率偏低,政府在加大财政支持力度的同时,应严格把控产业污染物排放,整治重污染高耗能产业,引导企业转变发展意识,促进产业集约化绿色创新发展;泛珠三角经济圈应以粤港澳大湾区协同发展为契机,充分借助粤港澳地区重要国际门户的突出区位优势,积极引进高素质绿色创新专业人才,推动各领域新兴技术绿色化发展。

第三,重视区域发展空间异质性问题,推动经济圈绿色创新协同发展。根据上述研究结果,三大经济圈绿色创新效率存在显著的“梯度效应”。因此,三大经济圈各省份在绿色创新发展过程中,应树立区域一体化发展意识,积极开展双边或多边合作,打破现有的以省域为界限的自治自理型发展方式,逐步缩小各省份绿色创新发展差距。针对北京、广东等绿色创新效率较高地区,应加强和完善顶层设计,打造高质量、高效益、低污染的创新园区,推动形成集创新创业、人才培养、产品研发于一体的多功能产业集聚区;针对内蒙古、四川等绿色创新效率较低地区,在充分发挥其技术后劲和资源禀赋优势外,应加强其与绿色创新效率较高地区的合作交流,发挥其辐射带动作用和知识、科技溢出效应,带动周边低效率地区向高效方向发展。