我国重污染行业绿色发展效率和绿色创新效率的耦合协调研究

摘 要：在探究绿色发展效率与绿色创新效率互动机理的基础上，以我国16个重污染行业2008—2019年的相关数据为样本，使用DEA-SBM模型、两阶段DEA模型及耦合协调度模型，分别测算出我国重污染行业的绿色发展效率、绿色创新效率及两者的耦合协调度。研究表明：我国重污染行业绿色发展效率较高，且各行业比较均衡；绿色创新效率总体处于偏低水平；我国重污染行业绿色发展效率和绿色创新效率的耦合协调发展大部分处于协调阶段，小部分处于失调阶段。在此基础上，提出针对性的对策建议。

关键词：绿色发展效率；绿色创新效率；耦合协调度；重污染行业

中图分类号：F404.3 文献标志码：A 文章编号：1673-291X（2024）17-0084-04

党的十八届五中全会提出创新、协调、绿色、开放、共享的新发展理念。建设美丽中国离不开两个最重要的因素就是“绿色”和“创新”，那么如何将“绿色”与“创新”相融合，便是我们当下所需解决的问题。解决此问题的前提是找到“绿色”和“创新”的衡量方法，绿色发展效率和绿色创新效率最能客观并有效地考察绿色发展水平和绿色创新水平。单独的一种效率只能衡量独立的水平，所以要想探寻这二者之间的相互作用机理，就需要将绿色发展效率和绿色创新效率进行耦合协调分析。

一、相关研究文献评述

在对绿色发展效率和绿色创新效率的测算方法上主要采用数据包络分析法（Data Envelopment Analysis ，DEA）。通过前沿生产函数的思想，衍生出两种测算效率的方法，一种是基于参数法的随机前沿分析法，另一种就是基于非参数的DEA。大多数学者都选择了基于非参数的DEA对绿色发展效率和绿色创新效率进行测算。Xie等（2018）运用DEA-SBM模型测算了中国农耕的绿色发展效率。郭付友等（2020）基于鲁南经济带城乡层面，运用DEA-Malmquist对绿色发展效率进行测算。马丁等（2020）都是采用SBM加Malmquist的方法对绿色发展效率进行测算。李成顺（2020）运用效率可随时间变化的随机前沿生产函数SFA模型，对研究区域内工业企业的绿色创新效率进行测算。吕承超等（2020）利用基于非参数的DEA-SBM模型对中国30个省份的绿色创新效率进行测算。

在对以往文献的梳理中发现，很少有人去研究与“绿色”最相关的行业——重污染行业。多数学者都是针对于绿色发展效率或者绿色创新效率单独进行研究，而本文则针对二者之间的耦合作用机理，试图找到二者的耦合协调发展现状，从而挖掘出重污染行业绿色发展和绿色创新耦合协调发展的问题及原因。

二、绿色发展效率与绿色创新效率互动机理分析

绿色创新是有助于减少环境污染和节约资源的新技术、新工艺、新产品的总称。一方面，绿色技术创新不再局限于单纯降低生产成本、提高经济效益层面，而是强调通过建立经济、资源、环境相协调的管理模式和调控机制，“倒逼”生产者将资源环境成本计入生产成本，从而推动绿色发展水平的提高（高星和陈军，2019）。

另一方面，因绿色发展效率改进而实现的经济效益，可为绿色创新提供资金支持，促进其成果转化。同时，它还能为高校、科研院所等创新机构营造良好的外部环境，推动相关学科发展，最大化发挥其知识溢出效应，培养更多创新人才，不断提升绿色创新效率。同时，绿色发展理念的持续推进也会对人们的思想观念产生积极影响，形成一种尊重自然、保护自然的观念，实现人与自然和谐共处（肖沁霖、肖黎明，2022）。

三、投入产出指标与数据获取

（一）指标选取

1.绿色发展效率投入产出指标。绿色发展效率投入指标包括人力资源投入、资本投入和能源投入，分别用全部从业人员年平均数、固定资本存量、能源消耗总量来衡量。

绿色发展效率产出指标主要包含两部分，一个是经济产出指标，也就是所谓的好产出；另一个是绿色的产出指标，就是考虑到环境因素的产出，我们采用对环境破坏的坏产出。在经济产出指标中，由于本文所研究的对象是重污染行业，采用行业规模以上企业的主营业务收入衡量。在绿色产出指标中，由于数据的可获得性和完整性，本文采取工业二氧化硫排放总量和一般工业固体废物产生量衡量。

2.绿色创新效率投入产出指标。本文将我国重污染行业企业的绿色创新过程划分为两个阶段，分别为技术研发阶段和绿色技术转化阶段。技术研发阶段的投入指标包含R&D人员全时当量和R&D经费资本存量，该阶段的产出只有代表创新成果的期望产出——专利申请数；绿色技术转化阶段的投入指标除了有上一阶段的产出——专利申请数，还增加了两个经济资源的投入，分别是新产品开发经费支出和其他技术活动经费。该阶段的产出既包含代表经济因素的期望产出——新产品销售收入，又包含代表环境因素的非期望产出——工业二氧化硫排放量和一般工业固体废物产生量。

（二）数据处理

在数据处理上，由于没有固定资本存量数据，只有固定资产投资额数据，而固定资产投资总额和主营业务收入受价格因素的影响，故本文借鉴以往学者的做法，利用该年的居民消费价格指数进行平减，但由于固定资产投资总额平减后的数据仍是流量指标，再依据Goldsmith于1951年开创的永续盘存法来计算资本存量，具体的计算公式如下：

其中基期的资本存量可以按照国际案例常用的方法K0=I0 /（g+δ），K0代表的是基期的资本存量，I0代表的是基期的资本流量（本文的是以2008年投入指标为基期），Kt代表的是第t期的资本存量，It代表的是第t期的资本流量，g代表样本期间内的固定资产投资总额的平均增长率，δ代表的是折旧率，本文借鉴黄勇峰（2002）的研究结论，在假设设备的使用年限为16年的基础上，估算出设备的经济折旧率为17%。

由于新产品开发经费支出、其他技术活动经费和新产品销售收入受价格因素的影响，现需要将R&D经费内部支出以2008年为基期，用R&D经费内部支出价格指数进行平减，由于R&D价格指数无法直接收集，故采用陈建丽等（2014）构建的方法，R&D经费内部支出价格指数=0.75工业品出厂价格指数+0.25居民消费价格指数。平减之后的R&D经费内部支出仍是流量指标，再通过永续盘存法，将其转变成R&D经费内部支出资本存量。

四、耦合协调度模型构建

本文研究主要涉及绿色创新效率与绿色发展效率两个子系统，二者之间的耦合度模型可表示为：

其中，代表耦合度，取值在[0，1]之间；E■代表我国重污染行业的绿色发展效率；E■代表我国重污染行业的绿色创新效率。根据此耦合度模型测算，测算前要将原始数据进行极差标准化后再进行测算，极差标准化公式为：Zij=■，其中Zij为极差标准化后的数据；X■为某一年的某一行业的数据；X■为该年的数据值最大的行业；X■为该年数据值最小的行业。将其标准化后的数据带入上述公式里。

本文引入耦合协调度模型（Coupling Coordination Degree，也称CCD模型）更准确地测算我国重污染行业的绿色发展和绿色创新的耦合协调状况，本文用耦合协调度模型进行测算，模型如下：

其中C、E■和E■同公式（1）的概念一样；T表示我国重污染行业的绿色发展系统和绿色创新系统的综合评价指数；a和β为系统中待定权重系数，由于本文研究的我国污染行业中的绿色发展效率和绿色创新效率同等重要，故a和β系数都选0.5；D表示我国重污染行业的绿色发展效率和绿色创新效率的耦合协调度，取值在[0，1]之间。

五、实证结果分析

本文通过MaxDEA6.11软件测算出我国2008—2019年（除去2010年）16个重污染行业绿色发展效率和绿色创新效率的结果，当绿色发展效率值为1的情况下表示绿色发展水平处于强有效阶段，在绿色发展效率值[0.5，1）之间表示绿色发展水平处于较强有效阶段，在绿色发展效率值[0，0.5）之间表示绿色发展水平处于弱有效阶段。

（一）绿色发展效率测算结果分析

从测算结果图1可知，在176个评价单元中有89个达到强有效水平，占比约为50%。在2008—2019年期间，绿色发展水平一直处于强有效阶段的行业有C13、C19、C25和C28，占比为25%。绿色发展水平处于较强有效阶段的行业有B08、B09、C17、C27、C31、C32和C33，占比为43.8%。绿色发展水平处于较弱有效阶段的行业有B06、C22、C26、C30和D44，占比为31.2%，这五个行业排放了过量的污染物，消耗了过多的能源，总体来说这几个行业的绿色效率在波动中呈缓慢上升的趋势。样本期间我国重污染行业绿色创新效率的均值和方差分别为0.725、0.076，效率损失为0.275，说明我国重污染行业绿色发展水平较高，且比较均衡。

（二）绿色创新效率测算结果分析

从测算结果图2可知，样本期间我国16个重污染行业绿色创新有效的行业比较少，平均效率值较低。在176个评价单元中只有21个达到强有效水平，占比约为12%。在2008—2019年期间，绿色发展水平处于较强有效阶段的行业只有C19和C22两个行业，占比为12.5%，其余皆处于较弱有效阶段，这说明从总体上来看我国重污染行业的绿色创新效率很低。样本期间我国重污染行业绿色创新效率的均值和方差分别为0.39、0.05，效率损失为0.61，说明我国重污染行业总体绿色创新水平较低，且比较普遍。

（三）绿色发展效率与绿色创新效率耦合协调测算结果分析

根据王成等学者对耦合协调度的划分，确定我国重污染行业的绿色发展效率和绿色创新效率的耦合协调类型，类型划分如表1。

首先，分析这些处于严重失调的行业，C30的绿色发展和绿色创新耦合协调水平除了在2014年达到过基本协调的阶段，其余年份都属于失调阶段。D44在样本区间内的绿色发展水平处于弱有效阶段，但接近较强有效阶段，其绿色创新效率值未达到0.1，表示该行业的绿色创新水平处于非常低的水平。

其次，分析中度失调的行业，B06在样本区间内的耦合协调度自2016年开始有了明显的上升趋势，并且该行业于2017年、2018年和2019年的绿色发展与绿色创新耦合协调发展达到了基本协调的阶段，但整体的绿色发展与绿色创新耦合协调发展仍处于中度失调阶段。

最后，分析处于基本协调的行业，B08除了在2008年、2014年和2018年期间，其绿色发展和绿色创新耦合协调发展处于失调阶段，其余年间均处于基本协调和中度协调阶段，说明该行业的绿色创新发展可以有效促进该行业的绿色发展，所以继续加强该行业的绿色创新发展，不仅能提高二者的耦合协调发展，还能够带动其行业的绿色发展。B09在样本区间内的绿色发展水平处于较强有效阶段，绿色创新水平处于弱有效阶段，故二者的耦合协调水平处于中度协调的阶段。因此，要提高二者的耦合协调水平，首先应把绿色创新水平的发展提高上来。

六、结论与对策建议

本文运用DEA-SBM模型、两阶段DEA模型和耦合协调度模型分别测算出了我国16个重污染行业在2008—2019年之间的绿色发展效率、绿色创新效率及二者的耦合协调度，通过分析得出以下结论：我国重污染行业绿色发展水平较高，且比较均衡；我国重污染行业的绿色创新效率处于偏低水平，应尽快制定有效措施提高其绿色创新效率；我国重污染行业中大部分的绿色发展效率和绿色创新效率的耦合协调发展处于协调阶段，小部分处于失调阶段。

针对研究结论提出了几点建议：在绿色创新方面，第一，提高技术研发阶段的效率，要加大研发人才和资本的投入，一方面可以考虑与国内高校或研究院形成产学研协同发展，形成绿色创新人才产业链，培养自主创新研发的环境；另一方面可以引进国外技术型人才和先进技术，提高其技术研发能力。第二，根据不同类型的行业采取不同的激励措施，像绿色技术转化阶段的发展水平低导致其绿色创新发展水平下降的行业，要想提高绿色创新水平，就要把重点放在绿色技术转化阶段，一是加大其开发费用的投入，二是把控好污染物排放的总量。第三，要加强政府的影响作用。一是对绿色创新水平高的企业给予大力支持及奖励，并提名为优秀企业作为表率，以此激励其他企业加大力度进行绿色创新活动；二是对每个企业的绿色创新期望产出量提出明确的要求，并严格把控其绿色创新的非期望产出量，制定相应的惩治规定。

参考文献：

[1] Cullmann A，Schmidt-Ehmcke J，Zloczysti P. R&D Efficiency and Barriers to Entry：A Two Stage Semi-Parametric DEA Approach[J].Oxford Economic Papers，2012，45（2）：145-153.

[2] Kao C，Hwang S N. Efficiency Decomposition in Two-Stage Data Envelopment Analysis：An Application to Non-life Insurance Companies in Taiwan[J].European Journal of Operatio-nal Research，2008，185（1）：418-429.

[3] Li Y ， Yao C， Liang L，et al.DEA Models for Extended PrGzB5psnKH/guevZjB8nA==Two-Stage Network Structures[J].Omega，2012，40（5）：611-618.

[4] M. J. Farrell. The Measurement of Productive Efficiency[J].Journal of the Royal Sta-Tistical Society，1957，120（3）：253-290.

[5] Tone K.A Slacks-Based Measure of Efficiency in Data Envelopment Analysis[J].European Journal of Operational Research，2001，130（3）：498-509.

[6] Xie，Hualin，Chen，et al. Analyzing the Green Efficiency of Arable Land Use in China[J].Technological Forecasting & Social Change，2018，65（2）：121-128.

[7] Yang Q，Wan X，Ma H. Assessing Green Development Efficiency of Municipalities andProvinces in China Integrating Models of Super-Efficiency DEA and Malmquist Index[J].Sustainability，2015，7（4）：4492-4510.

[8] 陈建丽，孟令杰，姜彩楼.两阶段视角下高技术产业技术创新效率及影响因素研究[J].数学的实践与认识，2014，44（4）：63-74.

[9] 高新才，杨芳.西北地区城镇化与生态环境耦合协调度测度[J].城市问题，2016（12）：26-33.

[10] 高星，陈军.以绿色技术创新推进绿色发展[N].光明日报，2019-12-17.

[11] 郭付友，佟连军，仇方道，等.鲁南经济带城乡绿色发展效率时空分异及驱动因素识别[J].自然资源学报，2020，35（8）.

[12] 黄勇峰，任若恩，刘晓生.中国制造业资本存量永续盘存法估计[J].经济学（季刊），2002（1）：377-396.

[13] 李成顺.我国工业企业绿色创新效率评价：基于面板时变随机前沿模型的分析[J].技术经济，2020，39（9）：119-125.

[14] 吕承超，邵长花，崔悦.中国绿色创新效率的时空演进规律及影响因素研究[J].财经问题研究，2020（12）：50-57.

[15] 马丁，周新.黄河沿岸城市绿色发展效率及影响因素分析[J].调研世界，2020（12）：3-9.

[16] 王成，唐宁.重庆市乡村三生空间功能耦合协调的时空特征与格局演化[J].地理研究，2018，37（6）：1100-1114.

[17] 肖沁霖，肖黎明.绿色创新效率与生态治理绩效耦合协调的时空分异及响应：以长江经济带108个城市为例[J].世界地理研究，2022，31（1）：96-106.

[责任编辑 白 雪]