京津冀城市群绿色创新效率测度及空间效应研究

王保林 户艳领 李依弯

摘 要：提高绿色创新效率是解决城市群发展中各种问题、推进协同发展的必经之路。基于2006—2018年京津冀城市群的面板数据，构建随机前沿生产函数测度京津冀城市群绿色创新效率，进而运用莫兰指数分析其空间关联，并进一步构建经济地理空间权重矩阵和空间杜宾模型展开溢出效应分析。结果表明：研究期内城市间的绿色创新效率差距有所缩小，但整体上仍不均衡；京津冀城市群的绿色创新效率存在空间正自相关性，呈现高高聚集、低低聚集的空间分布特征；对外开放程度、基础设施建设和信息化程度对城市群的绿色创新效率存在显著的直接效应，对外开放程度、城市人口、劳动力素质、基础设施建设等因素对城市群的绿色创新效率存在显著的溢出效应。

关键词：京津冀城市群；绿色创新效率；随机前沿生产函数；空间溢出效应

中图分类号：F127 文献标识码：A 文章编号：1007-2101（2023）02-0088-12

收稿日期：2022-09-02 修订日期：2023-02-27

基金项目：河北省科学技术厅软科学研究专项“河北省科技服务高质量发展综合测度及区域创新链容和路径研究” （21557644D）；                 国家社会科学基金项目“京津冀生态涵养区土地价值核算及生态补偿研究”（16BJY027）；河北省人才工程培养                 资助项目“京津冀城市群综合承载力测度及应用研究”（A201903003）

作者简介：王保林（1972-），男，河北沧州人，河北医科大学第三医院高级经济师；户艳领（1977-），男，河北廊坊人，河北                大学教授，博士生导师。

一、引言

城市群发展是区域发展的重大引擎，尤其是中心城市在区域发展中发挥着引领带动作用和辐射作用［1］。城市群的发展推动了技术和人才等创新要素的聚集，对于优化资源配置、提高创新成果转化具有重要意义，同时也提高了对环境的要求，倒逼技术创新的绿色可持续发展。近年来城市发展中经济发展与生态建设不同步、绿色创新效率不高等问题凸显，为解决这些问题，必须转变以高投入带动高产出的生产方式，提高绿色创新效率。但区域创新资源的配置状况还是未知数，亟需从创新效率的角度对创新质量进行科学评价［2］。

绿色创新效率是对传统创新效率的发展［3］，是衡量一个地区可持续发展能力的重要指标［4］。将绿色发展与创新相结合，提高绿色创新效率，对于实施创新驱动发展战略、提高城市群绿色发展水平具有重要意义。绿色技术创新具有外部溢出性的特征，具有辐射和协同作用［5-6］，而创新效率在城市群中存在空间关联和空间溢出效用［7-8］。因此区域发展中亟需优化城市功能定位，充分发挥核心大中城市的空间辐射作用，扩大正溢出效应，带动城市群内部创新技术的协调发展。

笔者以京津冀区域的北京市、天津市和河北省11个地级市为研究区域展开城市群研究。“全国创新驱动经济增长新引擎”是京津冀整体定位之一，目前虽已取得显著成绩，但京津冀城市群创新能力与长三角、珠三角城市群相比还存在一定差距［9］。根据首都科技发展战略研究院自2017年开始发布、已连续发布6年的《中国城市科技创新发展报告》显示，城市科技创新发展指数排名前20位的城市中，京津冀城市中一直都只有京津入选，北京的科技创新发展指数连续6年蝉联榜首［10］，这也表明京津冀城市群内部的创新能力发展较为悬殊。从环境污染和生态效益来看，京津冀城市的空气质量在全国排名较为靠后，提升绿色创新效率及其正外溢效应更显示出紧迫性。然而，京津冀城市群目前绿色创新效率如何？是否存在区域间的空间关联及溢出效应？绿色创新效率溢出效应的影响因素包括哪些方面？回答这些问题是目前提升绿色创新效率的关键。基于上述问题，本文采用随机前沿生产函数对京津冀城市群的绿色创新效率进行测度，进一步通过构建莫兰指数和空间杜宾模型分析京津冀城市群绿色创新效率的空间相关性、溢出效应及影响因素，分解綠色创新效率空间溢出的直接、间接和总效应。

二、文献综述

融入绿色理念的创新效率研究逐步受到广泛关注。在创新效率评价的指标选择上，以往的研究多以人力投入和资金投入作为创新投入的主要指标、以专利授权量作为创新产出的指标来测度和评价创新效率［8，11-12］，绿色创新效率评价中的产出变量多采用在传统产出变量中加入环境效益或生态效益指标的方式［13］。研究方法上主要有数据包络分析（DEA）、随机前沿分析（SFA）以及改进的DEA、SFA等方法，在使用过程中各有所长。DEA是一种以数学规划法为基础的非参数分析方法，其优点在于不需要建立变量之间严格的函数对应形式，只通过数据进行拟合，在多投入多产出的效率测度方面比参数方法更具优势［12，14］；局限性在于在进行线性规划时无法通过检验统计量来判断模型的拟合结果，有时还需要舍弃一些样本值，最终会影响结果的稳定性。SFA是一种参数方法，将生产前沿面和随机的生产边界统一起来，通过统计方法对参数进行求解，可以将纯随机误差与非效率项分开，解决了随机误差项的问题［15］。

由于知识溢出效应以及城市群所处的发展阶段等的影响，城市群内部城市之间的交互作用会影响各城市的创新发展水平［16］。从空间关联效应和空间聚焦效应看，一些研究显示环渤海旅游产业绿色创新效率空间相关性较为突出［17］，我国工业企业绿色创新效率本身具有显著的空间相关性［18］，我国省域工业企业绿色创新效率具有很明显的正向空间集聚效应［19］。从空间溢出效应来看，以往文献也对一些影响因素做了研究，如科技创新环境、外商直接投资和能源结构对绿色创新效率的空间溢出效应为负［20］；贸易开放程度的空间溢出效应为负［21-22］。

综上，研究空间上，以往文献围绕全国、省域、区域以及行业等均展开了大量研究［23-26］，如殷群和程月测度2009—2013年我国各区域的绿色创新效率时发现各地区的绿色创新效率值呈上升趋势，但是区域差异性明显［23］。一些文献以城市群作为研究对象，如黄河下游城市群、长三角和珠三角城市群等展开研究［27-28］，刘建华和王明照研究发现，黄河下游城市群创新溢出格局形成了郑州、济南、青岛和蚌埠四大中心、集聚程度东高西低局面［27］；張鸿武和李涛研究发现长三角城市群创新活动空间集聚特征明显，珠三角城市群创新活动空间相关性弱［28］。这些研究结论多数发现空间上的差异特征，为本文的空间溢出效应提供了很好的基础。然而目前关于京津冀城市群的绿色创新效率及空间效应的研究很少，如彭晓静用DEA-BCC模型和Malmquist指数法对2012—2018年京津冀城市群科技创新效率进行静态和动态评价［2］；李健和马晓芳研究京津冀13个城市的绿色创新效率，结果显示经济发展水平、产业结构等因素对绿色创新效率有正向驱动作用［29］，这些研究从方法和影响因素的筛选以及空间分析上为本文研究提供了很好的参考。在研究方法上，绿色创新效率测度多采用非参数模型，但很难将随机误差项中的非效率部分与纯粹的随机误差分隔开来。在空间矩阵构建上，京津冀区域绿色创新效率的空间效应分析中多采用空间邻接矩阵和空间地理距离矩阵，未充分考虑社会经济因素的影响。基于此，本文采用随机前沿生产函数测度绿色创新效率，在分析空间效应时构建空间经济距离矩阵，结合莫兰指数和空间杜宾模型分析空间相关性、溢出效应及影响因素。

三、模型设定、变量选取与数据说明

（一） 构建随机前沿生产函数

计算京津冀城市群的绿色创新效率时，笔者选择以随机前沿分析（SFA）为代表的参数分析方法［30］。Coelli研究了面板数据的随机前沿生产函数［31］，其模型形式为：

式（1）中，yit是第i个城市在第t年的绿色创新产出，xijt是第i个城市第j个投入指标在第t年的投入量，随机扰动项分解为vit和uit，vit是不可控的随机扰动项，uit称为技术非效率项，服从非负断尾正态分布。

式（2）中，表示时间因素对uit的影响，>0表示技术非效率项随时间的推移而降低，绿色创新效率呈相反趋势；<0表示技术非效率项随时间的推移而提高；=0则说明其不随时间改变［8］。

本文中采用超越对数生产函数形式的随机前沿模型：

式（3）中，Q为综合产出、K为资金投入、L为人力投入、E为能源投入。绿色创新效率为exp（-uit），取值分布于0～1之间，值越大代表效率结果越理想。

（二）计算全局莫兰指数和局部莫兰指数

“地理学第一定律”提出事物之间的相关性与事物之间的距离有关，一般来说，事物之间的距离越近，它们的相关性越大；距离越远，它们的相异性越大［32］。京津冀城市群的绿色创新效率的空间相关性可以分为全局空间相关性和局部空间相关性，使用全局莫兰指数测度绿色创新效率的全局空间相关性，使用局部莫兰指数测度绿色创新效率的局部空间相关性。全局莫兰指数的计算公式为：

式（4）中，xi代表第i个城市的绿色创新效率，wij代表空间权重矩阵，S2代表样本方差。一般莫兰指数的取值为-1≤Moran′s I≤1，当Moran′s I＞0时表示观测值之间存在空间正自相关，即高值与高值相邻、低值与低值相邻；Moran′s I的绝对值越大表示越相关［32］。

通过局部莫兰指数统计量和莫兰散点图来分析城市群内部绿色创新效率的局部聚集状况［29］。计算公式为：

式（5）中，xi，S2和wij与全局莫兰指数公式中同义，局部莫兰指数大于0时显示高发展地区周围地区也是高发展地区，低发展地区周围也是低发展地区，局部莫兰指数小于0时显示高发展地区与低发展地区相邻［32］。

进一步设定空间权重矩阵。设定经济距离空间权重矩阵和经济地理空间权重矩阵两种矩阵，分别记为W1和W2。经济距离空间权重矩阵的计算方法是两个城市的实际人均GDP差值的绝对值的倒数，即空间权重矩阵的元素Wij=1/（|agdpi-agdpj|）。经济地理空间权重矩阵是将两个城市的地理距离与经济距离加权求和，作为经济地理空间权重矩阵的元素，具体计算方法为Wij=α×1/（|agdpi-agdpj|）+（1-α）×1/d2ij，agdpi表示第i个城市研究期间内的平均人均GDP，dij表示第i个城市和第j个城市之间的地理距离，由于研究范围为京津冀城市群，将其作为一个关联整体，因此更加侧重经济关联，结合以往文献，这里设定α为0.7。

（三） 选择空间计量模型

通过构建空间计量模型对京津冀城市群的绿色创新效率影响因素及空间溢出效应进行分析，面板数据空间计量模型的一般形式为［8，33-34］：

式（6）中，为绿色创新效率的空间溢出效应，wi′yt是绿色创新效率之间的内生交互效应，表示解释变量的空间溢出效应，w′xit是解释变量之间存在的外生交互效应，表示误差项之间的空间溢出效应，wi′  t是不同单位的随机扰动项之间存在的交互效应，依据 、         、是否等于0来判断最终模型的形式，即空间杜宾模型（SDM）、空间滞后模型（SAR）、空间误差模型（SEM）。

（四） 变量选取及数据来源

1.绿色创新效率评价的投入产出变量的筛选。（1）投入变量。在绿色创新效率的投入指标上，人力、财力和能源投入是城市进行绿色创新生产的先决条件，在已有的研究中很多采用R&D内部经费支出和R&D人员全时当量作为创新投入的指标［8，11-12］，然而除了直接的研究与试验发展经费支出外，还存在间接起到“乘数效应”的人力、财力投入，为使得人力投入核算范围更为全面和精确，本文采用从事科技工作的人员数核算人力投入（L），并采用财政支出中的科技支出作为创新投入（K）的测度指标。在能源投入（E）方面选择供气总量作为京津冀城市群绿色创新投入的测度指标，天然气热值、热效率相对高并且相对清洁、污染小，消费总量近年来处于较快提升过程中，能够很好地描述绿色创新投入。（2）产出变量。在绿色创新效率的产出指标方面，既包括专利、经济发展等期望产出，也包括资源环境的消耗等非期望产出。所有产出变量包括专利授权量、地区人均GDP、单位GDP能耗和环境污染。专利授权量是一个城市创新成果的重要体现，可以全面反映城市的创新能力，是应用最为广泛的创新产出指标。地区人均GDP反映城市经济发展状况，是城市群创新活动的直接成果。单位GDP能耗表示每万元GDP的能源消耗量，反映了城市群创新活动的绿色程度，同时单位GDP能耗的倒数反映的是每单位标准煤的经济效益，是单位能源消耗的经济指标［35］。环境污染作为创新生产活动的非期望产出，选取工业废水排放量、工业SO2排放量和工业烟粉尘排放量三个指标，通过熵权法计算得到环境污染指数。

由于随机前沿分析无法处理多产出的效率问题，借鉴蒋天颖等人的研究，运用熵权法将期望产出和非期望产出等指标加权形成一个表征绿色创新产出的综合产出指标［36］，如表1所示。

2.绿色创新效率影响因素及空间溢出效应模型变量的筛选。参考已有的研究，选取环境规制强度、对外开放程度、产业结构、城市人口、劳动力素质、基础设施建设和信息化程度7个指标作为城市群绿色创新效率的影响因素，如表2所示。

環境规制强度（er）。波特假说认为环境规制强度有利于绿色创新活动，在合理的环境规制强度下，绿色创新活动既能保障城市的环境效益，也能提高城市的经济效益［37］。参考于彬彬等人的研究，采用工业二氧化硫去除率和工业烟粉尘去除率两个指标来构建环境规制强度［38］。

对外开放程度（fdi）。对外开放通过吸收资金、引入外部技术来推动城市创新活动的发展，形成技术扩散效应。选取实际利用外商投资与当年GDP的比值作为对外开放程度的描述指标。实际利用外商投资的单位为美元，通过当年的年平均汇率转化为人民币币值。

产业结构（is）。产业结构升级推动城市产业活动向环保、节能的方向发展，对于提高城市的绿色创新效率有重要影响作用，采用第三产业产值占GDP的比重作为表征城市产业结构的指标。

人力资源是城市绿色创新活动的基础，是区域技术创新的重要因素，而高校与科研机构作为创新活动的主体，有利于城市创新竞争力的提高。人力资源包含城市人口（peop）和劳动力素质（student）两方面，采用城市年平均人口作为表征城市人口的指标；选取万人在校大学生人数描述城市的劳动力素质。

基础设施建设（pt）和信息化程度（internet）为城市的创新活动提供了基础，良好的基础设施建设有助于人力资源的技术创新活动，较高的信息化程度有利于创新技术的交流合作与进步，分别采用地区邮电业务总量占GDP的比重和每万人互联网用户数作为表征基础设施建设和信息化程度的指标。

3.数据来源。本文采用的数据为2006—2018年京津冀城市群的面板数据，城市群绿色创新效率投入变量、产出变量以及影响因素指标数据主要来自《中国城市统计年鉴》（2007—2019），部分数据来自《中国科技统计年鉴》《北京统计年鉴》《天津统计年鉴》《河北经济年鉴》及教育部网站、京津冀城市各年度的国民经济和社会发展统计公报。专利授权量、单位GDP能耗、工业烟粉尘产生量、工业二氧化硫产生量和供气总量这五个指标存在缺失值。根据各城市工业烟粉尘产生量、工业二氧化硫产生量和供气总量的变化趋势对缺失值进行回归填补；专利授权量和单位GDP能耗根据增长率进行填补，若缺失值处于起始年份则使用下一年份的增长率计算缺失值，若缺失值处于中间年份则根据上一年和下一年期间内的增长率计算缺失值，若缺失值处于结束年份则使用研究期间内的平均增长率计算缺失值。

四、实证结果与分析

（一） 京津冀城市群绿色创新效率与分析

1.模型分析结果。随机前沿生产函数的计算结果见表3，和单边似然比LR值都通过了5%的显著性检验，技术非效率项对各城市的绿色创新活动有显著影响作用。值等于0.006 7，大于0并且显著。

2.京津冀城市群绿色创新效率的纵向比较分析。根据公式（1）（2）（3）求得京津冀城市群2006—2018年的绿色创新效率，如图1、2、3所示。图1显示，从时间趋势上看京津冀三地的绿色创新效率增长幅度比较小，有窄幅波动，亟需弥补短板大力提升效率。从空间上看京津冀绿色创新效率表现出明显的区域差异性，其中北京的绿色创新效率相对最高，保持在0.9以上；天津的绿色创新效率居中，保持在0.7～0.8；河北省的绿色创新效率相对最低，各城市的平均水平在0.06～0.2窄幅增长。空间差异表明城市群内部绿色创新发展并不均衡，亟需推动城市间的协同发展，加强辐射带动作用，扩大溢出效应。图2显示，就增长趋势来看，河北省各市的绿色创新效率在2006—2018年的增长量均高于京津两市，其中石家庄市的效率提升最大，为0.024，廊坊、衡水、秦皇岛、沧州和保定的增长量都在0.02以上。图3显示，在研究期间内京津冀绿色创新效率的平均增长速度有差异，其中河北省各市的平均增长速度在1.2%以上，天津的平均增长速度为0.18%，北京的平均增长速度最小，为0.054%。结合前面的分析可以看出北京市的绿色创新效率相对较高，而其他城市还有很大的上升空间。由图1和图3可以发现，虽然河北与京津两地的绿色创新效率水平还存在很大差距，但河北各城市保持了较高的创新增长趋势，北京和天津对于河北的带动仍有很大的空间。

3.京津冀城市群绿色创新效率的横向比较分析。从京津冀各城市绿色创新效率结果可以进一步分析城市间的发展差异，见表4。

京津两市的绿色创新效率均值分别为0.920 9和0.762 2，排名第一和第二。河北省各城市的绿色创新效率值分为两个梯队，第一梯队包括石家庄、廊坊、衡水、秦皇岛、沧州和保定，这六个城市的绿色创新效率值为0.1～0.2。石家庄作为河北省的省会，在基础设施建设、科研资源投入方面都处于河北省的前列，近年来石家庄市实施“4+4”产业结构升级，推动了绿色创新活动的发展。第二梯队的城市包括唐山、邯郸、邢台、张家口和承德，这五个城市的绿色创新水平处于0.06～0.1，体现出绿色发展不足，但同时也表明其绿色创新水平还有很大的上升空间。邯郸和邢台的污染状况一直在全国处于前列，虽然近几年环境状况明显改善，但绿色创新效率的提升仍需加快。总体来看，河北省各城市的绿色创新水平较低，应进一步扩大京津的科技溢出效应，发挥城市群中大城市的空间辐射作用。

（二） 京津冀城市群绿色创新效率的空间自相关分析

根据模型设计进一步检验京津冀城市群绿色创新效率的空间效应。表5显示2006—2018年的全局莫兰指数，在经济距离空间权重矩阵下（W1）通过了5%的显著性检验，在经济地理空间权重矩阵下（W2）通过了10%的显著性检验。莫兰指数均为正值，表明京津冀城市群的绿色创新效率存在空间正自相关性，即绿色创新效率较高的城市聚集，绿色创新效率较低的城市聚集。在经济距离空间权重矩阵下，莫兰指数在0.230上下做窄幅波动；在经济地理空间权重矩阵下，莫兰指数值有所下降，基本维持在0.140上下做窄幅波动。总体来看莫兰指数值呈现微弱的上升趋势，表明京津冀城市群绿色创新效率的空间聚集程度逐渐加深。随着京津冀协同发展的推进，京津冀城市群在创新、环保和发展等方面的合作愈发紧密，使得绿色创新效率的空间聚集特征逐步加强。

莫兰散点图的一三象限分别为高高聚集和低低聚集，二四象限分别为低高聚集和高低聚集。图4是在经济距离空间权重矩阵下的京津冀城市群2018年绿色创新效率的莫兰散点图，从中可以看出第一象限和第二象限均有两个城市，其余九个城市都位于第三象限；图5是经济地理空间权重矩阵下的莫兰散点图，除沧州位于第二象限外，其余城市所处象限与图4保持一致，其余年份的散点图与2018年相差不大。结果显示京津冀城市群内部呈现出空间正自相关性，空间同质性显著，表明京津冀城市群的绿色创新效率存在显著的空间溢出效应。空间聚集效应为高高聚集的城市有北京和天津，其周围的廊坊和唐山属于低高聚集城市，其余城市为低低聚集的城市，北京和天津对周围城市在绿色创新效率方面的辐射带动作用需进一步加强。

（三） 京津冀城市群绿色创新空间溢出效应分析

1.空间模型的选择。基于空间自相关分析，进一步建立空间计量模型分析溢出效应。通过LR和Wald检验选择合适的模型。在经济距离空间权重矩阵和经济地理空间权重矩阵下（见表6），LR-error、LR-lag、Wald-error、Wald-lag均在5%的显著性水平下通过检验，豪斯曼检验统计量也在5%的显著性水平下拒绝原假设，因此本文选择建立时间固定的空间杜宾模型。

2.空间杜宾模型回归结果。空间杜宾模型的回归结果（见表7）表明，空间自相关系数在经济距离空间权重矩阵（W1）下通过了10%的显著性检验，在经济地理空间权重矩阵（W2）下通过了1%的显著性检验，进一步表明京津冀城市群的绿色创新效率存在空间相关性。从影响因素来看对外开放程度、基础设施建设和信息化程度对绿色创新效率的影响显著，对外开放程度、人口密度和劳动力素质具有外生交互效应。城市群内的基础设施建设、信息化程度加强了城市之间的联系，并且在长期的合作中为城市群间的人才、资金和资源的流动提供便捷，有助于绿色创新资源、绿色创新知识的溢出，促进城市群绿色创新效率的发展。

3.绿色创新效率的分解。进一步将京津冀城市群的绿色创新效率的空间溢出效应分为直接效应和间接效应，绿色创新效率影响因素引起的本地区的变化称为直接效应，引起的其他地区的绿色创新效率的变化称为间接效应，采用空间回归模型偏微分的方法［39-40］，分解结果见表8。对外开放程度对本地的绿色创新效率的影响显著为正，对周围城市的绿色创新效率的影响显著为负。一般来说，外商投资一方面能为当地带来充足的研发资金，另一方面还会引进外部更先进的技术和更现代化的人才管理方案，有助于提高当地的绿色创新效率。但引进外商投资促进生产的同时，会加强对周围地区的人才吸引力，造成一定的挤压效应。

城市人口和劳动力素质作为人力资源的两个因素对本地城市的直接效应并不显著，对周围城市的空间溢出效应为正。人才作为创新过程中的首要投入因素，有利于创新技术的吸收和发展、创新效率的提高。在实际生产过程中，城市人口的聚集程度提高经济的活跃程度，但聚集度过高也容易带来生活成本的增加，再随着劳动力素质的提高，导致企业使用劳动力的成本提高，从而可能影响到研发投入。

基础设施建设和信息化程度的直接效应在1%的显著性水平下均为正，间接效应系数为负。基础设施建设的完善有利于企业创新活动所需的物质、设备、人力等资源在城市间的流通，且信息化程度越高越有利于企业获取外部先进的创新技术和知识，也有利于资源要素在城市群内部的流通与共享。基础设施建设和信息化程度对周围城市带来间接消极影响，其原因在于城市群内部发展水平差异大，发展水平高的城市会吸引周边地区创新要素资源的涌入，容易形成虹吸效应，将不利于周围城市绿色创新效率的提高。

产业结构的直接效应和间接效应都不显著，单从系数来看产业结构对本地城市的绿色创新效率的提高有负向影响，而对周围城市的影响为正。随着交通设施的完善和网络信息流通，第三产业比重的提高会吸引更多的外部人员参与城市的科技创新活动，但是过度的人口聚集会对城市有限的资源造成负担，将不利于绿色创新效率的提高。

环境规制的直接效应和间接效应虽然都不显著，但系数都为正，在一定程度上反映了环境规制无论对本城市的绿色创新效率还是对周围城市的绿色创新效率都有积极影响。通过环境规制来解决企业的污染排放，倒逼企业加大技术研发投入，促进创新技术发展。通过示范效应，带动周围城市的环境规制力度，促进周围城市的绿色创新效率。

从直接效应来看，在两种空间权重矩阵下，对外开放程度、基础设施建设和信息化程度对绿色创新效率的直接效应影响显著。其余变量中产业结构和劳动力素质对绿色创新效率有消极影响，但影响作用不大。

从间接效应来看，在经济距离空间权重矩阵下，城市人口和劳动力素质对周围城市的绿色创新效率的提高有积极作用，对外开放程度不利于周围城市的绿色创新效率的提高；而在经济地理空间权重矩阵下，劳动力素质的影响是正向显著的，对外开放程度和基础设施建设的影响是负向显著的。对外开放水平有利于本地绿色创新效率的发展，但本地吸引外国资金、引进先进技术的同时，挤压了周围城市对外部资金和技术的吸收，容易导致绿色创新效率间接效应为负。

从总效应来看，在两种空间权重矩阵下，仅劳动力素质和基础设施建设对京津冀城市群绿色创新效率有显著影响，其余变量中除对外开放程度外其他变量的总效应均为正。环境规制的直接效應、间接效应和总效应在统计学上并不显著，但系数均为正依然表明环境规制强度的提高有利于城市群内部绿色创新效率的提高。

4.模型的稳定性检验。使用相同的空间权重矩阵，构建空间滞后模型（SAR）、空间误差模型（SEM）和绿色创新效率滞后一期的空间杜宾模型（SDM.lag）。表9为SAR、SEM和SDM.lag的模型回归结果，其中各解释变量的系数和显著性差异不大；表10为稳健性检验的空间溢出效应，各变量的结果很相似，构建的模型通过稳健性检验。

五、研究结论与政策启示

本文选取绿色创新效率的投入与产出指标，采用SFA计算2006—2018年京津冀城市群的绿色创新效率，并计算空间相关性，构建面板数据空间计量模型分析京津冀城市群绿色创新效率的影响因素及空间溢出效应，得出以下结论与启示。

第一，京津冀城市群绿色创新效率纵向持续窄幅增长，各城市之间的效率差距有缩小趋势。通过建立超越对数形式的随机前沿生产函数计算京津冀城市群内部的绿色创新效率，从纵向上看，2006—2018年京津冀城市群的绿色创新效率均呈现出增长趋势，总体来看增长幅度较小，平均增长量为0.018 1。从空间维度来看，京津冀城市群内部各城市的绿色创新效率差距较大，北京市最高，平均效率达0.920 9；其次是天津市，平均效率为0.762 2；河北省各城市的效率都较低，均在0.2以下，京津的空间辐射效应提升空间很大。综合来看，在研究期间内，京津冀城市群内部城市的绿色创新效率持续窄幅增长，各城市之间的效率差距有缩小趋势。

第二，全局莫兰指数的计算结果表明，京津冀城市群的绿色创新效率的全局莫兰指数通过显著性水平检验，并且莫兰指数都为正，表明京津冀城市群的绿色创新效率在总体上呈现显著的空间聚集效应。局部莫兰指数的结果表明京津冀城市群内部的绿色创新效率呈现出高高聚集、低低聚集和低高聚集的空间分布特征。因此在制定创新政策时，要充分考虑城市群内部的资源禀赋差异，加强城市群内部的交流合作，如以京津两地为中心支撑点，建立创新技术交流机制，为京津高校科研机构与河北各市就先进技术交流提供便捷，充分发挥京津两地的带动作用，提高城市群内其他城市的创新效率，逐步缩小城市之间的差异。

第三，通过建立空间杜宾模型对各影响因素的空间溢出效应进行分析，结果表明对外开放程度和基础设施建设存在显著的直接效应，对外开放程度对周围城市的空间溢出效应也显著。城市人口、劳动力素质对周围城市绿色创新效率的空间溢出效用显著，而信息化程度有利于本地绿色创新效率的提高。因此提升京津冀城市群绿色创新效率，可以提高对外开放水平，吸引外部投资，但在引入外商投资时要提高对外商投资的质量要求，以优质投资带动创新技术的进步；在人力资源的投入方面，在提高劳动力素质的同时，政府和企业还要注重保障科研工作人员的科研经费和经济生活，避免人才流失。在基础设施建设方面，完善基础设施和信息系统建设，减少京津冀内部资源流动、人员交流和知识溢出的障碍。

参考文献：

［1］张学良，杨朝远.发挥中心城市和城市群在区域协调发展中的带动引领作用［N］.光明日报，2020-01-14.

［2］彭晓静.京津冀城市群创新效率及影响因素研究［J］.技术经济与管理研究，2021（2）：118-122.

［3］李晓阳，赵宏磊，林恬竹.中国工业的绿色创新效率［J］.首都经济贸易大学学报，2018（3）：41-49.

［4］牛彤，彭树远，牛冲槐，等.基于SBM-DEA四阶段方法的山西省工业企业绿色创新效率研究［J］.科技管理研究，2015（10）：244-249.

［5］丁韦娜.绿色技术能力对碳排放影响机制与空间绿色技术溢出效应研究［D］.北京：北京理工大学，2015.

［6］黄磊，吴传清.长江经济带工业绿色创新发展效率及其协同效应［J］.重庆大学学报（社会科学版），2019（3）：1-13.

［7］胡艳，时浩楠.长三角城市群城市创新的空间关联分析——基于社会网络分析方法［J］.上海经济研究，2017（4）：87-97.

［8］盛彦文，骆华松，宋金平，等.中国东部沿海五大城市群创新效率、影响因素及空间溢出效应［J］.地理研究，2020（2）：257-271.

［9］叶堂林，刘莹.三大城市群创新能力比较研究［J］.前线，2020（6）：59-61.

［10］中国城市科技创新发展报告发布 北京蝉联科技创新发展指数榜首［N］.北京日报，2023-02-13.

［11］曹贤忠，曾刚，邹琳.长三角城市群R&D资源投入产出效率分析及空间分异［J］.经济地理，2015（1）：104-111.

［12］刘和东.中国区域研发效率及其影响因素研究——基于随机前沿函数的实证分析［J］.科学学研究，2011（4）：548-556.

［13］冯志军.中国工业企业绿色创新效率研究［J］.中国科技论坛，2013（2）：82-88.

［14］任耀，牛冲槐，牛彤，等.绿色创新效率的理论模型与实证研究［J］.管理世界，2014（7）：176-177.

［15］籍艳丽，赵丽琴.一种效率测度的新方法：随机非参数数据包络分析法［J］.统计与决策，2011（5）：33-34.

［16］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（5）：107-117+239-240.

［17］刘佳，安珂珂.环渤海城市旅游产业绿色创新效率的空间格局［J］.华东经济管理，2020（6）：27-37.

［18］任阳军，何彦，杨丽波，等.生产性服务业集聚、制造业集聚对绿色创新效率的影响——基于中国城市面板数据的空间计量分析［J］.系统工程，2020（3）：27-35.

［19］游達明，欧阳乐茜.环境规制对工业企业绿色创新效率的影响——基于空间杜宾模型的实证分析［J］.改革，2020（5）：122-138.

［20］赵路，高红贵，肖权.中国工业绿色创新效率动态演变趋势及其空间溢出效应研究［J］.统计与决策，2020（7）：95-99.

［21］吴传清，申雨琦.中国装备制造业集聚对绿色创新效率的影响效应研究［J］.科技进步与对策，2019（5）：54-63.

［22］KRUGMAN P， ELIZONDO R L.Trade policy and the Third World metropolis［J］.Journal of Development Economics， 1996，4（1）：137-150.

［23］殷群，程月.我国绿色创新效率区域差异性及成因研究［J］.江苏社会科学，2016（2）：64-69.

［24］韩晶.中国区域绿色创新效率研究［J］.财经问题研究，2012（11）：130-137.

［25］罗良文，孙小宁.金融发展对工业企业全要素生产率的影响——基于研发创新投入的分析［J］.江汉论坛，2020（1）：31-39.

［26］汪传旭，任阳军.高技术产业绿色创新效率的空间溢出效应［J］.产经评论，2016（6）：76-84.

［27］刘建华，王明照.黄河下游城市群创新能力的空间演变及其影响因素［J］.郑州大学学报（哲学社会科学版），2020（2）：55-60.

［28］张鸿武，李涛.长三角和珠三角城市群创新的空间效应及影响因素研究——基于空间面板杜宾模型的比较分析［J］.湖南科技大学学报（社会科学版），2018（4）：69-76.

［29］李健，马晓芳.京津冀城市绿色创新效率时空差异及影响因素分析［J］.系统工程，2019（5）：51-61.

［30］杨青峰.高技术产业地区研发创新效率的决定因素——基于随机前沿模型的实证分析［J］.管理评论，2013（6）：47-58.

［31］Coelli  T  J. A Guide to FRONTIER Version 4.1： A Computer Program for Stochastic Frontier Production and Cost Function Estimation ［R］. CEPA Working Paper ，1996.

［32］陈强.高级计量经济学及stata应用［M］.北京：高等教育出版社，2014：575-597.

［33］J·保罗·埃尔霍斯特.空间计量经济学 从横截面数据到空间面板［M］.肖光恩，譯.北京：中国人民大学出版社，2015：53-78

［34］Elhorst J P. Matlab software for spatial panels ［J］. International Regional Science Review. 2014， 37（3）： 389-405.

［35］李金滟，李超，李泽宇.城市绿色创新效率评价及其影响因素分析［J］.统计与决策，2017（20）：116-120.

［36］蒋天颖，华明浩，许强，等.区域创新与城市化耦合发展机制及其空间分异——以浙江省为例［J］.经济地理， 2014（6）：25-32.

［37］Porter M E， LINDE C . Toward a New Conception of the Environment-Competitiveness Relationship［J］.Journal of Economic Perspectives， 1995， 9（4）：97-118.

［38］于斌斌，金刚，程中华.环境规制的经济效应：“减排”还是“增效”［J］.统计研究，2019（2）：88-100.

［39］LESAGE J P， PACE R K. Spatial Econometric Models[M]//Handbook of applied spatial analysis： Software tools， methods and applications. Berlin， Heidelberg： Springer-Verlag， 2009： 355-376.

［40］闫超栋，马静.信息化、空间溢出与区域经济增长——基于空间面板回归偏微分效应分解方法的实证［J］.经济问题探索，2016（11）：67-75.

责任编辑： 艾 岚

Study on the Measurement and Spatial Effect of Green Innovation Efficiency

in Beijing-Tianjin-Hebei Urban Agglomeration

Wang Baolin1， Hu Yanling2，3 ，Li Yiwan2

（1.The Third Hospital of Hebei Medical University， Shijiazhuang Hebei 050051， China;

2. School of Economics， Hebei University， Baoding Hebei 071002， China;

3. Hebei Research Center for Ecology and Environmental Development， Baoding Hebei 071002， China）

Abstract：Improving the green innovation efficiency is the only way to solve various problems in the development of urban agglomerations and promote coordinated development. Based on the panel data of the Beijing-Tianjin-Hebei urban agglomeration from 2006 to 2018， the paper constructs a stochastic frontier production function to measure the green innovation efficiency of the urban agglomeration. Then the paper uses Moran's I to analyze the spatial correlation， further constructs economic geospatial weight matrix and spatial Dubin model to analyze spatial spillover effect. The results show that： The gap of the green innovation efficiency between cities has narrowed during the study period， but the overall green innovation efficiency is unbalanced; The green innovation efficiency of the Beijing-Tianjin-Hebei urban agglomeration has a positive spatial autocorrelation， showing  the spatial distribution characteristics of high concentration and low concentration; FDI， infrastructure construction and informatization have significant and direct effects on the green innovation efficiency; FDI， urban population， labor quality， infrastructure construction have significant spillover effects on the green innovation efficiency of urban agglomerations.

Key words：Beijing-Tianjin-Hebei urban agglomeration; green innovation efficiency; Stochastic Frontier Production Function; spatial spillover effect