装备制造业环境技术创新效率及其影响因素研究——基于DEA-Malmquist和Tobit的实证分析

徐建中， 曲小瑜

(哈尔滨工程大学 经济管理学院，黑龙江 哈尔滨 150001)



装备制造业环境技术创新效率及其影响因素研究
——基于DEA-Malmquist和Tobit的实证分析

徐建中， 曲小瑜

(哈尔滨工程大学 经济管理学院，黑龙江 哈尔滨 150001)

运用2005～2011年中国装备制造业的面板数据，采用熵值法测度中国装备制造业的环境污染指数，应用DEA-Malmquist方法在考虑环境污染和能源消耗问题的基础上测度中国各类装备制造业环境技术创新效率，应用Tobit回归分析法对影响中国装备制造业环境技术创新效率的因素进行分析。研究结果表明：中国装备制造业的环境污染指数呈现下降—上升—下降的趋势；中国装备制造业的总体环境技术创新效率呈现先上升再下降的趋势，技术效率持续上升，技术退步是导致环境技术创新效率后期下降的原因；市场竞争、资本深化和外资引进对环境技术创新效率的提升具有显著的推动作用。

装备制造业；环境技术创新；效率；影响因素；DEA-Malmquist

0 引言

随着气候、生态、能源等问题的日益严峻，资源和环境问题受到了当前国际社会强烈的关注。目前，中国的名义碳排放量位居世界第一，来自国际社会的减排压力越来越大。装备制造业是工业化进程的主导部分和推动国民经济发展的重要力量，同时也是我国能源消耗和环境污染的主要部门。据统计，我国装备制造业能源消耗量占工业用能源的比例超过一半，远远超过交通、民用和商业用能源的消耗量。60%的水污染、40%的二氧化硫、75%的无害废弃物和90%的有害废弃物均是由制造业所产生的[1]。这些资源和环境问题必定会使装备制造业面临越来越多的环境限制，如何应对环境规制、降低资源消耗和环境污染已成为装备制造业要解决的关键问题。环境技术创新能够使企业以最小的成本解决环境问题，还可以通过开发新产品、改进生产过程等技术创新行为来提高生产效率和利润率[2]。因此，环境技术创新成为装备制造业实现经济目标和低碳目标的重要战略手段。目前，我国装备制造业的环境技术创新还处于起步阶段，探究提升环境技术创新效率的有效路径以及分析环境技术创新效率的影响因素等都有待系统地、深入地研究。

关于产业技术创新效率的研究主要有两种方法，一种是Aigner、Lovell和Schmidt提出的随机前沿分析(SFA)[3]，另一种是Charnes、Cooper和Rhodes提出的数据包络分析(DEA)[4]。相比较而言，数据包络分析(DEA)不需要事先设定具体的函数形式，可以避免函数形式设定错误而影响结论的准确性，但无论是DEA中的CCR模型还是BCC模型，都是对各个样本在同一个时间点上的状况进行横向比较分析，无法进行时间上的纵向比较。目前，对传统技术创新效率的研究也是基于这两种方法。原毅军等利用随机前沿生产函数对装备制造业的研发效率进行了实证研究，结果表明企业规模、政府政策等是影响装备制造业研发效率的主要因素[5]。牛泽东等运用产出距离函数的随机前沿分析方法，对中国装备制造业7个子行业从1997～2010年技术创新活动的技术效率和规模效率进行了测算，并得出装备制造业技术创新效率主要受到产权结构和企业规模的影响的结论[6]。段婕等运用改进DEA评价模型，对我国装备制造业7大类行业的技术创新效率进行评价，结果表明我国装备制造业各行业技术创新效率普遍不高，对创新资源的利用不充分[7]。在上述传统技术创新效率研究的基础上，少量学者对特定技术创新效率进行了研究，但多局限在区域领域，鲜有对产业领域的研究。范群林等基于投入产出效率和中心化效率视角，对我国六大地区26个省市的环境技术创新效率进行了测算，并对西南地区5个省市环境技术创新效率的特点和水平进行了系统地分析[8]。韩晶运用DEA方法，测算并分析了我国30个省自治区直辖市的绿色创新效率，结果表明我国各地区绿色创新效率呈现出较大的差异性[9]。

通过对上述文献分析，发现：学者们对产业技术创新效率进行了较多的研究，为环境技术创新效率的研究奠定了坚实的基础。但是较少以装备制造业为研究对象围绕环境技术创新效率展开研究，忽略了资源消耗和环境污染对装备制造业环境技术创新效率的影响。基于上述现状，本文运用DEA-Malmquist指数方法估计中国装备制造业环境技术创新效率及其变动状况，有效解决了DEA方法针对面板数据比较方面的不足。运用Tobit回归模型分析中国装备制造业环境技术创新效率的影响因素，为装备制造业环境技术创新水平的提升提供借鉴，促进我国低碳经济的发展。

1 研究方法

1.1 DEA-Malmquist指数模型

1953年，Malmquist首次提出Malmquist指数，随后Caves等人将其用于测量生产率，提出Malmquist生产率指数，Fare等人又将其进一步发展为一种用距离函数来描述多个输入变量和多个输出变量的生产技术[10-12]。运用定向输出方法或定向输入方法定义距离函数，给定输入变量矩阵，一个输出距离函数定义为输出变量矩阵的最优比例项。本文借鉴Fare等人构建的基于DEA的Malmquist指数，运用定向输出方法来测量装备制造业环境技术创新效率，输出变量的距离函数定义如下：

D0(x,y)=inf{δ:(x,y/δ)∈p(x)}

(1)

式(1)中，x和y代表输入变量和输入变量矩阵，δ代表Farrell的定向输出效率指标，p(x)表示可能生产集合。如果y位于p(x)内部，则函数值将小于或等于1；若y在p(x)的外部边界上，则函数值将等于1；若y在p(x)之外，则函数值将大于1。

从t时期到(t+1)时期，度量全要素生产率增长的Malmquist指数可以表示为：

(2)

以t时期技术Tt为参照，基于产出角度的Malmquist指数可以表示为：

(3)

以(t+1)时期技术Tt+1为参照，基于产出角度的Malmquist指数可以表示为：

(3)

根据Fare[12]的研究成果，在规模报酬不变的假定下，Malmquist指数可以分解为技术效率变化指数(EC)和技术水平指数(TC)的乘积：

MI0(xt+1,yt+1,xt,yt)=EC0(xt+1,yt+1,xt,yt)×TC0(xt+1,yt+1,xt,yt)

(5)

(6)

(7)

当EC>1时，决策单元趋近前沿面，说明效率上升，反之效率下降；当TC>1时，生产可能性边界外移，说明效率上升，反之效率下降。技术效率变化指数(EC)还可进一步分解为纯技术效率变化指数(PEC)和规模效率变化指数(SEC)的乘积。

借助线性规划方法来计算有关投入和产出的各种距离函数，以得到Malmquist生产率指数。对于t时期到(t+1)时期第i种装备制造业环境技术创新效率的变化，需要计算如下四个基于DEA的距离函数：

1.2Tobit模型

为了解影响中国装备制造业环境技术创新效率的显著因素，第一步利用DEA-Malmquist模型测算装备制造业的环境技术创新效率数值，第二步以环境技术创新效率数值作为因变量、以环境技术创新效率的各影响因素作为自变量构建基于Tobit的多元线性回归模型。由于DEA-Malmquist模型测算出的效率值大于0，数据被截断，若运用普通最小二乘法，会导致有偏性和不一致性。故本文使用限值回归模型Tobit模型进行回归。Tobit模型具体形式为：

(12)

其中，Yk为样本数据第k组观察值的受限因变量，Xk为解释变量，β为未知参数向量，μk～N(0,σ2),k=1,2,3…。

2 实证研究

2.1 数据和指标选取

Jefferson等指出，大中型企业在中国工业中处于很重要的地位[13]，因此，本文选用大中型装备制造企业的数据进行研究。数据来源于2006～2012年的《中国统计年鉴》、《中国科技统计年鉴》和《中国环境统计年鉴》，本文中装备制造业的决策单元包括金属制品业、通用装备制造业、专用设备制造业、交通运输设备制造业、电器装备及器材制造业、电子及通信设备制造业、仪器仪表及文化办公用装备制造业7类。对于统计年鉴中缺失的数据采用平均值填充法[14]进行补充。

环境技术创新效率投入指标主要体现在人力、财力和物力等基础资源要素方面。借鉴文献[8,9]，将R&D人员全时当量(人年)作为人力资源投入，将R&D经费作为财力资源投入，将微电子控制设备原价作为物力资源投入。能耗和环境污染是环境技术创新的基础，因此，借鉴文献[15，16]对能源消耗和环境污染排放物的处理方式，将能耗和环境污染也作为企业环境技术创新的投入要素，与资本和劳动投入一起引入到生产过程中，选取能源消费总量和“工业三废”(工业废水、工业二氧化硫、工业固体废物)排放量来表征能耗和环境污染。但是本文设计的基于DEA-Malmquist的装备制造业环境技术创新效率指数测算模型如果将“工业三废”全部作为投入要素加入约束条件，会导致约束条件过多，增加求解距离函数的难度，甚至可能造成模型无解。因此，本文采用熵值法将装备制造业2005～2011年“工业三废”统一转换成环境污染指数，作为投入要素列入装备制造业环境技术创新效率评价模型的约束条件中。熵值法具体计算方法如下：

(3)计算第j项污染指标的差异系数：gj=1-fj。

表1 2005～2011年中国装备制造业环境污染指数

注：1-金属制品业；2-通用装备制造业；3-专用设备制造业；4-交通运输设备制造业；5-电器装备及器材制造业；6-电子及通信设备制造业；7-仪器仪表及文化办公用装备制造业。

图1 2005～2011年中国装备制造业环境污染指数

结果如表1和图1所示。可以发现，在2005～2011年间，7类装备制造业环境污染指数大致呈现一个下降—上升—下降的走势。从2006年开始下降，是因为“十一五”规划中提出节能减排约束性指标，国家开始大力倡导低碳经济，环境污染指数开始有所下降。而从2009年开始，7类装备制造业环境污染指数都有一个较为明显的上升，可能是因为受到金融危机的影响，市场需求的降低使得许多装备制造企业的经营遭遇重大危机，企业会想方设法降低成本，而环境成本可能是最先被减去的。2010年开始，经济慢慢复苏，企业又重新注重起环境成本问题。就2005～2011年的环境污染指数平均值来看，交通运输设备制造业平均环境污染指数最高，为0.186，可能是因为“十一五”期间，我国加快推进现代交通运输业的发展，并提出运输需求持续增长这一更高的目标，这段时期交通运输设备制造业为了实现这一目标，不断提高供给能力，工业三废的排量极大，并可能忽略了对工业三废的治理，导致交通运输设备制造业所面临的环境压力日益凸显。电器装备及器材制造业平均环境污染指数最低，为0.162，是因为“十一五”期间行业内许多重要企业积极投身于节能环保事业，致力于能源管理系统、烟气脱硫系统、余热余能综合利用等方面的技术开发。

环境技术创新效率产出指标可以分为直接产出指标和间接产出指标两种，本文选取行业年专利申请量作为直接产出指标，选取新产品销售收入作为间接产出指标[17]。技术创新投入到产出一般具有一定的滞后性，本文选取两年为滞后期[18]，选取2005～2009年装备制造业的“R&D人员全时当量(人年)”、“R&D经费”、“微电子控制设备原价”、“能源消费总量”和“环境污染指数”为投入指标数据，选取2007～2011年装备制造业的“专利申请量”和“新产品销售收入”为产出指标数据。将2005～2007称为第1时期，2006～2008称为第2时期，依次类推，2005～2011年共分为5个时期。

2.2 实证分析

采用投入导向的BCC模型，运用DEAP 2.1软件对我国装备制造业环境技术创新效率Malmquist指数进行分析，分析结果如表2至表6所示：

(1)装备制造业环境技术创新效率研究

表2 2005～2011年装备制造业环境技术创新效率Malmquist指数及其分解

由表2可知，我国装备制造业的总体环境技术创新效率Malmquist指数呈现先上升再下降的趋势。第1～2时期，第2～3时期装备制造业环境技术创新效率Malmquist指数均大于1，这表明第1～3时期装备制造业环境技术创新效率从总体上呈现改善的趋势。但是第3～4时期，第4～5时期Malmquist指数小于1，说明第3-5时期我国装备制造业环境技术创新效率一直下滑。进一步从环境技术创新效率的结构分析发现，导致第3～5时期环境技术创新效率降低的主要原因是技术退步，反映出此时国家对装备制造业环境技术创新的投入还不足。技术效率变化指数在第1～5时期均保持良好的上升态势，在第4～5时期的增幅最大，增长了18.5%，说明产业的管理方法和管理效率在持续改善，技术效率持续上升是阻止环境技术创新效率进一步下滑的主要原因。技术效率变化指数又可以进一步分解为纯技术效率变化指数和规模效率变化指数，可以从这两方面进一步分析技术效率变动的原因。第1～5时期的纯技术效率与规模效率均有较明显的波动。纯技术效率在第3～4时期下降0.8%，纯技术效率衡量的是以既定投入资源提供产出的能力，纯技术效率下降说明在这段时期我国装备制造业在既定资源投入下提供产出的能力不足，其他时期纯技术效率均呈现上升态势，纯技术效率上升说明我国装备制造业在既定资源投入下提供产出的能力是不断增强的，正在由原有粗放式的生产方式向低碳生产方式转变。规模效率在第2～5时期一直保持上升态势，说明我国装备制造业整体处于规模有效状态。总体来看，第1～5时期，我国装备制造业的环境技术创新效率平均下降了3.2%，其中技术水平下降了10.4%，技术效率增长了8.0%，表明我国装备制造业环境技术创新效率下降主要是由于技术退步造成的。

横向比较7类装备制造业，从第1～5时期7类装备制造业平均时间序列来看(见表3)，发现金属制品业、通用装备制造业、交通运输设备制造业、电器装备及器材制造业、电子及通信设备制造业的年均环境技术创新效率均下降，分别年均下降了6.6%、5.3%、6.1%、6.3%、2.8%。专用设备制造业和仪器仪表及文化办公用装备制造业的年均环境技术创新效率上升，分别年均上升了2.8%和1.8%。另外，从环境技术创新效率的结构上进一步剖析，对于每一类型的装备制造业都呈现出相同的特征：年均技术效率变化均大于1，年均环境技术水平变化均小于1。因此，技术效率都得到了改善，分别上升了2.1%、11.7%、10.7%、4.2%、5.6%、11.3%、10.5%，而环境技术水平普遍退步，分别下降了8.5%、15.2%、7.1%、9.9%、11.3%、12.7%、7.9%，推动环境技术进步是遏制环境技术创新效率下滑的关键。

表3 2005～2011年装备制造业分行业平均环境技术创新效率Malmquist指数及其分解

注：行业编号同表1。

(2) 装备制造业环境技术创新的技术效率研究

虽然技术效率表现出良好的上升趋势，但并不意味有效。因此，本文将分析这7类装备制造业环境技术创新的技术效率，并从纯技术效率和规模效率这两方面进一步探讨其尚待改善的空间。技术效率(或纯技术效率，或规模效率)等于1表示有效，小于1表示无效。

装备制造业环境技术创新的技术效率动态变化分析如表4所示。第1～5时期，这7类装备制造业环境技术创新的技术效率平均值较小，但基本呈现上升趋势。其中，金属制品业和仪器仪表及文化办公用装备制造业的技术效率呈现持续上升态势，而通用装备制造业、专用设备制造业、交通运输设备制造业、电器装备及器材制造业的技术效率呈现波动上升态势，只有电子及通信设备制造业的技术效率一直保持有效性。

从纯技术效率角度，只有电子及通信设备制造业和仪器仪表及文化办公用装备制造业一直保持纯技术效率的有效性，金属制品业、交通运输设备制造业、电器装备及器材制造业的纯技术效率呈现波动上升趋势，而通用装备制造业、专用设备制造业的纯技术效率具有较强的波动性(见表5)。

从规模效率角度，只有电子及通信设备制造业从第1～5时期一直保持规模有效性，仪器仪表及文化办公用装备制造业从第2时期开始一直保持规模有效性，其它5类装备制造业的规模效率随时间呈现明显的波动性，这5类装备制造业仍处在规模无效率状态(见表6)。

表4 2005～2011年装备制造业各行业技术效率值

注：行业编号同表1。

表5 2005～2011年装备制造业各行业纯技术效率值

注：行业编号同表1。

表6 2005～2011年装备制造业各行业规模效率值

注：行业编号同表1。

第5时期的技术效率情况对未来的实践最有指导意义。电子及通信设备制造业和仪器仪表及文化办公用装备制造业的技术效率值是1，金属制品业、通用装备制造业、专用设备制造业的技术效率值分别为0.504、0.441、0.580，其无效性是由纯技术效率和规模效率共同作用的结果，而交通运输设备制造业、电器装备及器材制造业的技术效率值分别为0.915、0.971，其无效性完全是由规模无效性引起的。技术效率可从纯技术效率和规模效率两方面进行改善，但是在第5时期各类装备制造业的规模效率都基本靠近有效性，继续改善的空间较小，交通运输设备制造业、电器装备及器材制造业、电子及通信设备制造业、仪器仪表及文化办公用装备制造业的纯技术效率也都达到了有效性。因此，改善装备制造业技术效率的重点是提升金属制品业、通用装备制造业、专用设备制造业的纯技术效率，它们分别还存在48.8%、54.0%、41.5%的改善空间。

(3)装备制造业环境技术创新效率影响因素分析

前文主要是以投入项与产出项所求出的生产前沿为依据，运用DEA-Malmquist生产率指数测算了装备制造业7个行业环境技术创新效率。然而，有些投入项与产出项以外的因素也会影响环境技术创新效率。结合转型期中国工业经济的特点，参考文献[5，6、9]，选取了五个基本因素来分析装备制造业环境技术创新效率的变动，构建了以下Tobit回归模型：

MIi,t=β0+β1ERi,t+β2ESi,t+β3MCi,t+β4CDi,t+β5FIi,t+ε

(13)

式(13)中，β0为截距项，β1,β2,β3,β4,β5为各自变量的回归系数，i代表行业(i=1,2,…,7)，t代表时期(t=1,2,3,4)，ε为残差项。ER代表环境规制，用行业环境污染治理投资额增长率[9,19～21]表示。政府的环境规制可以引导装备制造业开展环境技术创新，环境规制越有效，环境技术创新效率应该会越高。ES代表企业规模，用企业平均固定资产原值[5,22]表示。一般情况下，企业规模越大，在环境技术创新投入上越多，具有更强的资源配置能力，能够购买较多的先进技术并进行相应固定资产的技术改造，推动技术进步和规模经济效应的产生，加快科技成果的经济转化。MC代表市场竞争，用行业企业单位数[5,22]表示。企业单位数越多，竞争就会越激烈，竞争的不断加剧会导致企业现有技术或者产品无法在将来为企业带来收益，也就越有利于刺激企业提高环境技术创新效率。CD代表资本深化，用行业总资产与行业年末从业人数之比[23]表示。资本深化是指经济增长中，资本增加的速度比劳动力增加的速度快，说明在经济增长的过程中技术在不断进步。FI代表外资引进，用行业固定资产投资资金来源中利用外资[6,9]表示，外资企业的技术水平一般会高于国内企业的技术水平，它们的进入对装备制造业环境技术创新效率的提升具有推动作用。

数据源自《中国统计年鉴》、《中国科技统计年鉴》和《中国环境统计年鉴》，通过Eviews 5.0软件对Tobit回归模型进行计算，结果如表7所示。

表7 中国装备制造业环境技术创新效率影响因素的Tobit回归结果

注：*代表在10%显著水平下具有统计显著性；**代表在5%显著水平下具有统计显著性；***代表在1%显著水平下具有统计显著性。

通过回归分析，发现除了环境规制和企业规模以外，市场竞争、资本深化和外资引进这三个变量均通过了显著性水平检验，具体解释如下：第一，环境规制的系数为-0.047124，没有通过显著性检验。表明我国环境规制并没有对装备制造业降低环境污染起到有效的作用，这可能是由于目前我国的环境规制主要采用命令与控制政策，环境规制标准较低，且一些政策的可行性和有效性偏低[24]。另外，我国有关环境污染的监督机制和公众参与机制还不够健全，企业污染成本普遍低于守法成本，造成增排、偷排等现象的产生，因此，我国的环境规制并没有发挥出促进企业环境技术创新的作用。第二，企业规模的系数是0.009875，且没有通过显著性检验，可能是由于本文中的数据均来自于大中型装备制造企业，这些企业都已经达到了相当大的规模，如果企业规模继续扩大，可能会出现管理控制能力下降、过度的官僚控制等现象，导致内耗增多，环境技术创新效率下降[25]。第三，市场竞争的系数为0.015526，在5%水平上通过检验，说明行业内企业数量的增加对提高装备制造业环境技术创新效率有一定的促进作用。同一行业内企业数量越多，竞争就越激烈，这会激起企业改变现状，进行技术创新的欲望，通过技术创新获得一定时期的技术优势和高额利润[26]。第四，资本深化的系数为0.028211，在1%水平上通过检验，说明资本深化提高1个百分点，可以使装备制造业环境技术创新效率提高0.028211个百分点。第五，外资引进的系数为0.023430，在1%水平上通过检验，说明外资投资比例越高的企业，环境技术创新效率越高。外商资本进入装备制造业，会带来先进的环境技术，在一定程度上提高行业环境技术水平，直接或间接地提高我国装备制造业环境技术创新效率。另外，外商的大量进入，导致中国市场结构发生变化，加大了企业间的竞争压力，促使更多的企业实施环境技术创新行为。

3 结论与启示

本文以2005～2011年中国装备制造业7个行业面板数据为样本，运用DEA-Malmquist方法，测算了中国装备制造业环境技术创新效率指数、技术水平指数和技术效率变化指数，运用Tobit回归模型研究了环境技术创新效率的影响因素，得出如下结论：

第一，2005～2011年，7类装备制造业环境污染指数大致呈现一个下降—上升—下降的走势。随着国家“十一五”规划中节能减排约束性指标的提出，环境污染指数开始有所下降。但是，受2009年全球金融危机的影响，装备制造企业为求生存，降低了对环境保护的重视程度，环境污染指数有一个较为明显的上升。

第二，我国装备制造业的总体环境技术创新效率呈现先上升再下降的趋势，技术效率持续上升，技术退步是导致环境技术创新效率第3～5时期下降的原因。从第1～5时期7类装备制造业平均时间序列来看，只有专用设备制造业和仪器仪表及文化办公用装备制造业的年均环境技术创新效率上升。

第三，第1～5时期，7类装备制造业环境技术创新的技术效率平均值较小，但基本呈现上升趋势。其中，金属制品业和仪器仪表及文化办公用装备制造业的技术效率呈现持续上升态势，而通用装备制造业、专用设备制造业、交通运输设备制造业、电器装备及器材制造业的技术效率呈现波动上升态势，只有电子及通信设备制造业的技术效率一直保持有效性。

第四，环境技术创新效率的影响因素分析表明，市场竞争、资本深化和外资引进对提升装备制造业环境技术创新效率具有积极的推动作用，而环境规制与企业规模没有对环境技术创新效率产生显著的促进作用。为进一步促进中国装备制造业环境技术创新效率提高，首先，政府应以市场需求为导向，以产业政策为工具，鼓励和引导企业利用市场机制，通过资本运作平台进行改制、重组或并购，适当提高行业集中度，避免过度竞争，为推进装备制造业环境技术创新效率提升提供良好的市场环境。其次，装备制造业需要加强外资引进，重点引进具有高环境技术水平的技术密集型外商直接投资，通过其技术外溢，促进装备制造业环境技术创新效率提升。再次，健全环境污染监督机制和公众参与机制，建立环境补偿和惩罚机制，对于应用清洁生产技术的企业实行税收优惠政策，对于资源耗费大或排污超标的企业加收环境税和资源税。同时，规范环境法律法规的执行手段，提高环境执法的可操作性和透明度，消除制度障碍，为装备制造业环境技术创新提供有利的政策条件。最后，装备制造企业不应盲目扩大规模，避免因规模过大造成的企业管理控制能力下降和过度官僚控制等现象的出现。

[1] OECD. Technologies for cleaner production and products[R]. Paris: OECD, 1995.

[2] Magat W A. Pollution control and technological advance: a dynamics model of the firm[J]. Journal of Environmental Economics and Management, 1978, 5(1): 1-25.

[3] Aigner D, Lovell C K, Schmidt P. Formulation and estimation of stochastic frontier production function models[J]. Journal of Econometrics, 1977, 6(1): 21-37.

[4] Charnes A, Cooper W, Rhodes E. Measuring the efficiency of decision making units[J]. European Journal of Operational Research, 1978 ,2(6): 429- 444.

[5] 原毅军，耿殿贺.中国装备制造业技术研发效率的实证研究[J].中国软科学，2010,(3)：51-57.

[6] 牛泽东，张倩肖.中国装备制造业的技术创新效率[J]. 数量经济技术经济研究，2012，(11)：51- 66.

[7] 段婕，刘勇，王艳红.基于DEA改进模型的装备制造业技术创新效率实证研究[J].科技进步与对策，2012,29(6)：65- 69.

[8] 范群林，邵云飞.我国西南各省市环境技术创新效率研究[J].中国科技论坛，2011,(2)：89-94.

[9] 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.

[10] Malmquist S. Index numbers and indifference surfaces[J]. Trabajos de Estatistica, 1953, 4(2): 209-242.

[11] Caves D W, Christensen L R, Diewert W E. The economic theory of index numbers and the measurement of input and output, and productivity[J]. Econometrica, 1982, 50(6): 1938-1414.

[12] Fare R , Grosskopf S, Norris M, Zhang Z Y. Productivity growth, technical progress and efficiency changes in industrialized countries[J]. American Economic Review, 1994, 84(1): 66- 83.

[13] Jefferson G, Hu A G Z, Guan X, Yu X. Ownership, performance, and innovation in China’s large and medium-size industrial enterprise sector[M]. China Economic Review, 2003.

[14] 佟昕,高强.统计学中的数据缺失及解决方法[J].辽宁经济管理干部学院(辽宁经济职业技术学院学报)，2011，(2):15-16.

[15] Ramanathan R. An analysis of energy consumption and carbon dioxide emissions in countries of the middle east and north africa[J]. Energy, 2005, 30(15): 2831-2842.

[16] Lu X D, Pan J H, Chen Y. Sustaining economic growth in China under energy and climate security constraints[J]. China and World Economy, 2006,14(6) : 85-97.

[17] 夏维力,钟培.基于DEA-Malmquist指数的我国制造业R&D动态效率研究[J].研究与发展管理，2011,23(2)：58- 66.

[18] 江剑,官建成.中国中低技术产业创新效率分析[J].科学学研究，2008，26(6)：1325-1332.

[19] Jaffe A, Palmer K. Environmental regulation and innovation: a panel study[J]. The Review of Economics and Statistics, 1997, 79(4): 610- 619.

[20] Hahn R W. The political economy of environmental regulation: towards a unifying framework[J]. Public Choice, 1990, 65(1): 21- 47.

[21] Lopez-Gamero M D, Claver-Cortes E, Molina-Azorin J F. Evaluating environmental regulation in spain using process control and preventive techniques[J]. European Journal of Operational Research, 2009, 195(2): 497-518.

[22] 代碧波,孙东生,姚凤阁.我国制造业技术创新效率的变动及其影响因素——基于2001～2008年29个行业的面板数据分析[J].情报杂志,2012,31(3)：185-191.

[23] 王姗姗,屈小娥.基于环境效应的中国制造业全要素能源效率变动研究[J].中国人口·资源与环境,2011,21(8)：130-137.

[24] 蓝庆新，韩晶.中国经济发展的环境效应[J].北京师范大学学报,2010,(6):130-137.

[25] Scherer F M, Ross D. Industrial market structure and economic performance[M]. Boston: Houghton Mifflin Company,1990.

[26] Li Y, Li L, Liu Y, Wang L. Linking management control system with product development and process decisions to cope with environment complexity[J]. International Journal of Production Research, 2005, 43(12): 2577-2591.

Research on the Efficiency and Influencing Factors of Environmental Technology Innovation of Equipment Manufacturing Industries

XU Jian-zhong, QU Xiao-yu

(SchoolofEconomicsandManagement,HarbinEngineeringUniversity,Harbin150001,China)

This paper uses entropy method to measure the environmental pollution index of Chinese equipment manufacturing industries in 2005～2011. Considering the issue of environmental pollution and energy consumption, the paper uses DEA-Malmquist method to measure the efficiency of environmental technology innovation of Chinese equipment manufacturing industries in 2005～2011, and uses Tobit regression analysis to analyze the influencing factors of the efficiency of environmental technology innovation. The results show that the environmental pollution index shows a fall-rise-fall trend, the efficiency of overall environmental technology innovation of Chinese equipment manufacturing industries first rises and then falls, technical efficiency continues to rise, technology degeneration is the reason of the fall of the efficiency of environmental technology innovation, and market competition, capital deepening and foreign capital introduction have significant positive effects on the efficiency of environmental technology innovation.

equipment manufacturing industries; environmental technology innovation; efficiency; influencing factors; DEA-Malmquist

2013- 12-30

国家自然科学基金资助项目(71273072)；黑龙江省自然科学基金资助项目(G201119)；黑龙江省哲学社会科学基金(11B066)

徐建中(1959-)，河北丰润县人，教授、博士生导师，管理学博士，主要从事现代管理理论与方法，低碳经济与可持续发展研究;曲小瑜(1988-)，辽宁大连人，博士研究生，主要从事现代管理理论与方法研究，低碳经济与可持续发展研究。

F270;F062.4

A

1007-3221(2015)01- 0246- 09