绿色低碳视角下中国区域创新效率研究

曹霞+于娟

摘要

绿色低碳已成为时代的主题，如何有效推进绿色科技创新以及改善中国目前的生态环境状况，对推动中国经济的健康可持续高速发展具有重要的意义。从绿色环保、低碳节能的角度出发，结合投影寻踪模型处理高维数据的特点，对随机前沿模型进行改进，从而构建了更加有效的估算创新效率的测度模型。在此基础上，选用2005-2011年中国30个省市地区的面板数据对中国各区域创新效率及影响因素进行实证分析，结果表明：中国区域平均创新效率约为0.645，虽然超过0.5，但仍然存在较大的无效率现象，创新效率有待于进一步的提高，且创新效率存在显著的区域异质性，各区域发展不均衡。同时，环境规制强度与创新效率呈“U”型关系，表明环境规制初期，由于成本的增加，会对创新效率产生负向影响，但随着时间的推移，环境质量得到改善，又会促进创新效率的提升；区域开放程度、技术市场成熟度和政府资助这三个因素对绿色创新效度均具有积极的推动作用，这说明较高的区域开放程度能够显著拉动中国创新效率向更高水平发展，成熟的技术市场有利于科技成果市场价值的实现并推动创新效率的提高，政府资助可有效降低区域绿色创新主体的创新成本和风险，激发其进行创新的积极性，对创新效率的提升具有显著影响。因此，要想有效提高中国及各区域的创新效率和社会经济的健康可持续发展，应当重视创新资源的有效利用，生态环境的改善，积极推进绿色创新技术，一方面要均衡经济增长与生态环境的协调发展，另一方面要积极引进并学习国外先进绿色创新技术，同时还要充分发挥政府作用来调控各区域创新能力的失衡现象。

关键词绿色；低碳；创新效率；投影寻踪模型（PP）；随机前沿分析模型（SFA）

中图分类号F061.5文献标识码A

文章编号1002-2104（2015）05-0010-10

doi：10.3969/j.issn.1002-2104.2015.05.002

日益严峻的气候变化挑战和2008年以来的金融危机为世界提供了反思的机会和动力，绿色低碳经济有望成为世界经济发展的新引擎[1]。为此，世界各国纷纷推进绿色低碳经济的发展，积极转变经济增长方式，使其从粗放型向绿色集约型转变。早在1999年，World watch Institute就指出不管是工业化国家还是发展中国家，必须要从长远发展战略角度出发，走生态化路道，推行生态化技术创新。近年来，中国经济持续增长，但与此同时付出了惨重的资源与环境代价，面对粗放型发展模式引发的资源与环境双重压力，“十二五”规划提出了节能减排、绿色、低碳的发展理念，并推行资源节约型、环境友好型的生产和消费方式，鼓励实施创新驱动发展战略，发展绿色科技，改善中国目前的生态环境，以期推动中国经济迈向健康发展道路。

目前，中国政府科技创新意识和环境危机意识不断增强，在不断加大科技创新人员、资金投入，保持科技创新产出持续增长的同时，还注重环境保护，在环境治理方面，投资总额从2010年的6 654.2亿元上升到2011年的7 114亿元，增长了6.91%，在节能减排方面，2012年中国的万元GDP能耗为0.77 t标准煤/万元，相比2010年下降了5.39%，绿色创新活动取得了一定的成果，但与瑞士、美国、日本等发达国家的绿色创新能力还有很大差距。因此，在低碳节能、绿色环保的背景下，测量中国以及各区域的创新效率，挖掘影响创新效率的关键因子，寻求提升中国创新效率的发展路径，已经成为中国改善生态环境，推进绿色创新发展过程中的关键问题。为此，从绿色、低碳视角出发，研究中国区域创新效率和影响因素以及分析创新效率的区域差异性，并在此基础上提出相应的政策建议，对中国以及各区域生态环境的改善、绿色创新的发展和实现社会经济健康可持续发展具有现实指导意义。

1相关研究述评

绿色创新逐渐引起了学者们的关注，其又被称为生态创新、环境创新和可持续创新等，Kemp[2]将绿色创新定义为因避免或减少环境破坏而出现的新工艺技术、系统以及产品。基于绿色创新理念，Brunnermeier等运用计量经济学模型分析影响环境创新的因素，研究发现增加污染治理支出会影响绿色创新；Chiou等利用SEM模型实证研究绿色创新环境绩效问题，认为绿色创新对环境绩效和企业竞争优势有显著促进作用。中国正处于经济社会发展上升阶段，基于传统的创新理论，引入绿色生态观念，推动技术创新活动走向低碳、节约、绿色生态之路，进而全面提升中国的创新效率和降低环境负荷程度。基于此，张江雪等、韩晶等基于绿色增长的视角，从创新活动产出、能源消耗以及环境污染等方面表征绿色创新产出，并均运用DEA方法对创新效率进行估算，结果验证环境规制强度是推动创新效率的有利因素。

对于创新效率的评测方法一般分为两大类：参数方法和非参数方法。其中，非参数方法以数据包络分析（DEA）为代表，其无需设定函数形式，避免了主观设定函数的影响，并在处理多产出的效率度量上具有优势，因此诸多学者运用DEA方法对创新效率进行评测，例如Nasierowski等、Hashimoto等、Guan等、白俊红等[10]。但DEA测算创新效率时，将实际产出小于前沿产出的部分原因归结于技术效率原因而忽略了随机误差的影响，且无法对创新效率的影响因素进行直接细致的分析。而以随机前沿分析（SFA）为代表的参数方法，弥补了DEA方法的不足，它将实际产出分为生产函数、随机因素和技术无效率三部分，同时考虑了技术非效率和随机扰动对个体差异的影响，并能直接对影响创新效率的因素进行分析，因而受到诸多国内外学者的青睐，Eric[11]、Diaz等[12]、白俊红等纷纷采用SFA方法评测创新效率以及分析影响因素，但是SFA仍然存在不足之处，它无法像DEA一样直接处理多产出的效率问题，这正是本文改进SFA测度创新效率的地方。

从绿色低碳视角考虑创新产出，既包括论文、专利和新产品等一般创新活动产出又包括能源消耗和环境污染方面问题，其属于多产出的创新活动，但由于SFA方法无法直接测算多产出创新活动的效率问题，因而需要借助降维的思想和方法将创新产出指标由高维降到低维，进而再利用SFA对创新效率进行评测。而对于高维数据的分析，Fu Qiang等、金菊良等学者采用投影寻踪模型（PP）来处理高维数据，以实现把高维数据投影到低维空间上进行分析的目的。之后，姚平等、姚奕等也运用投影寻踪模型来研究人口、经济、环境协调问题和评价地区碳减排能力，其研究效果较好。endprint

鉴于此，基于PP模型对SFA模型进行改进，克服了其无法测度多产出的创新活动效率问题的不足，构建了优于DEA和SFA的评测创新效率的模型，并以中国2005-2011年期间省际面板数据为样本，从绿色低碳角度出发，测度中国区域创新效率，并揭示环境规制、开放程度、技术市场成熟度和政府资助四个因素对创新效率的影响，以期对中国科技与环境可持续发展政策的制定提供借鉴意义。

2指标体系与数据选取

2.1指标体系

2.1.1投入指标

创新投入指标的衡量，诸多相关研究一般采用R&D人员和经费支出来表示。由于R&D资源投入的时滞性和累积性，会对当期和以后的创新活动均会产生影响，因此，R&D经费支出指标要用R&D资本存量来度量。一般而言，对于R&D资本存量的计算，采用永续盘存法进行估算，假设平均滞后期θ=1，即Kit=Ei，t-1+（1-δ）Ki（t-1），式中，Kit、Ki（t-1）分别表示第i个地区第t和t-1期的R&D资本存量；Ei，t-1表示第i地区第t-1年的实际R&D经费支出；取δ=15%。同时，以2004年为基期，对数据进行平减，以得到R&D经费支出的实际值。因此，本文选用R&D人员全时当量和R&D资本存量作为投入变量。

2.1.2产出指标

从绿色低碳视角考虑创新产出，与一般的创新活动产出相比，其不仅要涵盖一般创新活动产出还要涉及能源和环境，因而，诸多学者从绿色环保角度出发，既包括了新产品销售收入、专利申请数等创新活动产出，又考虑了综合能耗产出率和环境污染指数等能源和环境状况，其中，环境污染是一个综合性指标，本文用废水、废气和固体废弃物的排放量经过综合测算得出一个环境污染指数来对其进行表征。因此，本文参考前人研究，以新产品销售收入、专利申请数、综合能耗产出率以及环境污染指数作为产出变量，反映创新成果的经济价值和商业化水平、区域的自主创新能力、能源消耗产出以及环境污染状况，从而综合衡量在绿色低碳背景下创新活动的产出情况。但由于环境污染指数为负产出，因而将环境污染指数这一负向产出指标作为投入变量处理，希望其越少越好。因此，创新投入指标包括R&D人员全时当量、R&D资本存量和环境污染指数，产出指标包括新产品销售收入、专利申请数和综合能耗产出率。

2.1.3影响因素

区域创新效率的影响因素很多，但本文是基于绿色低碳视角来对创新效率进行分析，既要涵盖创新因素又要考虑环境因素，同时还要考虑政府作用。在以往研究的基础上[23-26]，本文主要从环境规制、开放程度、技术市场成熟度、政府资助四方面分析对区域创新效率的影响，以期发现提高区域创新效率的途径。

（1）环境规制强度。环境规制强度对创新活动具有重要的影响，部分学者受古典经济理论影响，认为环境规制会加大预防和治理污染的投入，挤占资金，削弱技术创新能力，对创新效率产生负向影响。但随后Porter及支持“波特假说”的学者[28-29]研究表明环境规制强度能够激励企业进行技术创新，产生创新补偿效应，减少甚至抵消环境规制产生的成本，提高创新效率。对于环境规制的衡量指标，有的学者从能源角度考虑[5，30]，有的从环境治理角度考虑[31-32]，本文由于将能源消耗作为绿色创新的重要产出指标，因而，从环境污染治理角度，用污染治理完成投资额表征环境规制强度，以此来分析环境规制对创新效率的影响。

（2）开放程度。为了保障区域可持续发展，对外开放性是其必不可少的特征。区域与外界沟通交流吸引外资流入，增加区域开展创新的资金，同时，开放环境下吸引的外商投资还会产生创新技术扩散效应，引进国外先进的高技术，促进当地创新技术水平的提高，推动自主创新能力发展，因而会对提升创新效率具有巨大的拉动作用。本文用各地区外商投资企业的年底投资总额占GDP的比重来衡量。

（3）技术市场成熟度。技术市场是实现知识、技术流动和优化配置的媒介，它为创新技术的流动提供了良好的交流平台。一般而言，区域技术市场越成熟越有利于创新技术在区域内的扩散，从而推动区域整体创新技术的发展。同时，发达、成熟的技术市场还有利于创新成果市场价值的实现，进而影响区域创新效率。对于技术市场的发展状况一般选用技术市场成交额来表征。

（4）政府资助。地方政府是技术创新活动有效开展的重要支持机构，政府资助在区域创新过程中也起着不可替代的作用。政府对创新活动的资助主要体现在实行拨款资助和税收优惠等政策来扶持创新活动，这样会降低企业开展研发创新活动的成本和风险，激发企业开展研发创新的积极性，对创新产出具有正向影响。但也有学者研究发现政府资助会挤出企业的R&D投资，产生“挤出效应”，减少创新活动的产出[33]。本文选用政府科技投入占政府财政支出的比重来表征政府资助这一指标。

4实证分析

4.1基于投影寻踪模型的环境污染指数测算

根据投影寻踪模型，通过matlab7.0软件对中国2005-2011年30个省市自治区的环境污染指数进行综合测算，算得废水、废气和固体废弃物的最佳投影方向（见表1）。

依据表1，“三废”各年的最佳投影方向，由公式（4）估算得出中国2005-2011年30个省市自治区的环境污染投影值，即环境污染指数（见表2）。

改革开放以来，中国经济发展迅速，但生态环境问题却被忽视，由表2可以发现，中国环境污染指数已达0.5以上，表明中国已为高速发展经济忽视生态环境的行为付出了巨大的环境代价；从表中还可以看出，地区的经济发展状况与环境问题有着一定的联系，东、中部地区综合实力相对较为雄厚，工业经济也较发达，而其环境污染指数也相对较高，且二者均高于全国平均污染指数，而东部与中部相比，虽然东部地区更为发达，但其环境污染指数低于中部，这主要是因为东部地区的经济、科技等各方面实力都较强，对环境污染的预防和治理的意识和设施也比较前卫和先进；同时，由于西部和东北地区工业经济较东、中部地区来说，存在一定的差距，因而环境污染也相对较轻，低于全国污染平均指数。endprint

4.2基于投影寻踪模型的创新产出指数测算

根据投影寻踪模型，通过matlab7.0软件编程对中国2005-2011年30个省市自治区的创新产出综合指数进行测算，算得新产品销售收入、专利申请数和综合能耗产出

率的最佳投影方向，并依据公式（4）估算出各区域2005-2011年的创新产出投影值，以此来反映创新产出的综合状况。由于篇幅限制，创新产出的最佳投影方向和投影值在此不予赘述，将综合创新产出投影值作为随机生产函数的产出变量对中国各区域的创新效率进行评测。

4.3基于随机前沿模型的创新效率测度及影响因素分析

4.3.1创新效率测度结果

本文将运用投影寻踪方法估算的综合创新产出值，代入随机前沿模型中，应用Froniter4.1软件测度中国各区域2005-2011年的创新效率，并分析环境规制等因素对创新效率的影响情况（见表3）。

由表3可以发现，γ=0.979，在1%的水平下显著，表明97.9%的误差主要是由于技术非效率性引起的，如果忽略技术效率的影响，使用传统方法（如最小二乘法）进行估计，将不能准确反映各区域创新效率，因此，使用SFA方法估计是必要的。对数似然函数为-121.063，说明极大似然估计的效果较好；单边LR检验值为177.553，表明整体估计有效。在生产函数部分，可以发现R&D人员对创新产出的推动作用大于R&D经费对创新产出的推动作用，这验证了人才是创新活动的基石，在创新过程中起着不可替代的主导作用。由表3还可得知，中国2005-2011年创新效率平均值为0.645，表明中国创新活动还存在一定的无效率现象，约有40%的改善空间。

4.3.2影响因素分析

区域创新效率的影响因素很多，本文主要从环境规制、区域开放程度、技术市场成熟度、政府资助四方面分析对区域创新效率的影响，表3中影响因素的估计系数显示了上述因素对中国区域创新效率的影响程度。

（1）环境规制强度的回归系数δ1=1.494>0，而其平方的回归系数δ2=-0.044<0，表明环境规制强度与创新效率呈显著的“U”型相关关系，即说明环境污染的治理初期，需要投入大量资金来处理污染问题，因而造成成本增加，对创新效率产生负向影响，但从长远可持续发展角度考虑，随着生态环境的改善，绿色创新活动产出增加值会抵消治理环境的成本，且会激发主动进行技术创新的欲望[41]，最终导致创新效率的提高。

（2）区域开放程度的回归系数δ3=-0.348<0，表明区域开放程度与创新效率呈正相关关系。“对外开放”这一政策的实施，使中国综合实力发生了质的飞跃，重视区域对外开放性，引进外部资金和高技术，能够显著拉动中国创新效率向更高水平发展。

（3）技术市场成熟度的回归系数δ4=-0.987<0，表明技术市场越成熟能够促进创新产出。技术市场成熟度能够反映创新成果的市场转化的商业化水平，成熟的技术市场有利于科技成果市场价值的实现以及推动创新效率的提高。

（4）政府资助的回归系数δ5=-1.375<0，表明政府资助与创新效率呈正相关，政府资助可以有效降低区域绿色创新活动中主体的创新成本和风险，激发创新主体进行创新的积极性，对创新效率的提升具有显著影响[32]。

4.4创新效率区域异质性分析

中国各地区平均创新效率地区差异性显著（见图2），区域发展不均衡，呈现“东高西低”的格局。

（1）从单个地区来看，各地区创新效率水平呈现出较

大的差异性，平均创新效率排名前5位的地区几乎位于东部地区，而创新效率排名后5位的地区除了河北省，其他都属于中西部地区。上海、广东和浙江各地区的平均创新效率较高，位居前列，这是由于上述三个地区经济和科研实力雄厚，加之近年来地区的生态环境日益受到重视，在资源有序开发、集约利用、节能减排和可持续发展等方面积极推进，直接促使地区创新效率的提升。河北和山西两省平均创新效率较低，排名于后3位，与其地区经济发展水平不吻合，而造成这两省创新效率较低的原因主要是河北和山西均是全国主要产煤省，资源和能源丰富，其煤炭产能和综合煤炭供给能力是这两省经济发展不可忽视的挚肘因素，但创新能力和积极性并不高，属于粗放型经济增长模式，因而为此付出了巨大的资源和环境代价，导致创新效率处于较低水平。

（2）从东、中、西部及东北地区来看，如图3所示，东部地区的创新效率显著高于全国平均创新效率水平，但自2008年以后，东部地区的创新效率略有下降，这是由于2008年发生全球金融危机，东部地区虽然地理、经济条件较中西部优越，但是相应的其受到金融危机的冲击也相对较大，影响了对东部地区创新成果市场价值的实现，冲击创新产品的进出口贸易，导致经济效益下降，从而对东部地区的创新效率产生了一定的影响，同时，近年来东部地区环境问题日益突出，引起了当地政府和企业的关注，不断加大对环境的预防和治理的投资力度，这使得创新成本增加，且由于环境治理是一个长期的工作，短期内成效不明显，因而这也会对东部地区的创新效率产生影响；中西部地区的创新效率均低于全国平均水平，但这两个地区的创新效率整体呈上升趋势，这与国家长期持续加大对中西部地区的扶持力度和中西部地区生态文明建设活动的推行有关；东北地区2009年以前低于全国平均水平，但近年来随着东北地区的不断振兴和崛起，其创新效率持续提升，到2009年明显高于全国平均水平。从图3整体上看，东、中、西部及东北地区创新效率异质性显著，与中国区域经济发展水平呈现出的“东高西低”的格局相一致，导致上述格局的原因在于，东部地区的地理位置、人才和资金等诸多方面显著优于中西部地区，再加上国家支持东部地区发展的政策导向，使东部地区拥有雄厚的综合实力，推动自主创新能力的持续发展。

5结论与建议

本文以中国2005-2011年30个省市自治区的面板数据为样本，将投影寻踪与随机前沿分析结合测度了各区域创新效率，并分析了创新效率的地区异质性。同时，探讨了环境规制强度、区域开放程度、技术市场成熟度和政府资助四个因素对创新效率的影响。结果表明：①中国平均创新效率仅为0.645，约有40%的改善空间；且各地区的创新效率差异较大，从整体上看，除了像河北、山西省，以能源消耗拉动经济的粗放型增长方式而导致的环境问题的地区，中国的创新效率基本呈现“东高西低”的格局；②从环境治理角度分析，环境规制强度与创新效率呈“U”型关系，在环境治理初期，治理污染会加大创新主体投入，挤占资金，削弱技术创新能力，对创新效率产生负向影响，但从长远角度来看，环境规制能够激发创新的积极性，产生创新补偿效应，抵消增加的成本，推动创新效率的提高；③区域开放程度、技术市场成熟度和政府资助对创新效率均有显著正向促进作用。区域的开放性有利于引进外部资金和先进的高技术，推动区域的创新能力的不断提升；成熟的技术市场能够为创新成果市场价值的实现提供良好的市场环境；政府支持科技的力度则会降低企业技术创新的成本和风险，激发其创新的积极性。endprint

绿色低碳背景下对中国区域创新效率及其影响因素的分析，为中国继续推进绿色创新带来启示：一是不管是经济发达地区还是欠发达地区，必须要从长远发展战略角度出发，走生态化路道，推行环保科技创新；二是在增强各自创新实力的同时，要关注区域的均衡发展，尽量避免造成严重的地区失衡现象，以防地区矛盾和社会冲突的发生；三是在发展绿色科技创新过程中，要加强对外交流，紧跟国际前沿，注重科技成果的市场转化，并充分发挥政府在推进绿色创新中的重要作用。

据此，提出以下能够推动绿色创新，提高创新效率的建议：

（1）要积极推进创新驱动发展战略，加快培育具有实力、活力、竞争力的创新主体，实现资源的合理开发利用，提高资源保障能力，促进经济社会健康可持续发展。

（2）针对中国“东高西低”的发展格局，政府应因地制宜，采取差异化扶持政策来引导不同区域科技和环境的协调持续发展。首先，要继续鼓励东部地区进行自主创新和加快绿色清洁创新的步伐，在保持经济持续增长的同时更要注重环境质量的改善，以促使其创新效率向更高更健康的水平发展；其次，要积极推动东北老工业地区的振兴与崛起，充分发挥东北地区资源丰富的优势，加大科技创新力度和人员投入，以及注重生态环境的保护；最后，加大政府对中西部地区创新活动的扶持和引导，推动其绿色创新能力的提高，并重点治理能源依赖型地区环境污染，改善中西部地区生态环境，以推动中西部地区可持续发展。

（3）要大力提倡走高效、节约、环保的绿色创新发展道路，实现环境与经济协调发展。因此，需要制定相关措施保证环境规制政策的有效实施。首先，改革地区政府官员的政绩考核制度，将地区环境保护与经济发展结合衡量地区官员政绩；其次，征收环境税，考虑地区经济实力的异质性，制定地区差异化环境税率，即经济发达地区的环境税收标准要高于经济欠发达地区的标准。最后，培养企业绿色创新意识，促使企业由环境规制的被动接受者逐步转变为环境规制的主动参与者。

（4）要提高区域创新效率，在关注环境的基础上，还要重视区域对外开放性，积极学习国外先进的绿色创新技术，并完善技术市场环境，促进科技成果市场价值的实现，同时政府要加大对科技的扶持力度，制定合理措施来监管创新资源配置情况，以充分提高创新资源的利用率。

本文从绿色环保、低碳节能的角度出发，结合投影寻踪模型处理高维数据的特点，对随机前沿模型进行了改进，并得到相关结论，但仍存在不足之处，一是由于数据获取的限制，数据只查阅到2005-2011年的面板数据，二是创新效率的影响因素分析中没有对影响因素间交互作用进行剖析，这也正是今后需要进一步研究的地方。

（编辑：常勇）

参考文献（References）

[1]中国科学院可持续发展战略研究组. 2012中国可持续发展战略报告：全球视野下的中国可持续发展[M]. 北京： 科学出版社， 2013. [Sustainable Development Strategy Research Group of China Academy of Sciences. Chinas Sustainable Development Strategy Report in 2012： Under the Global View of Chinas Sustainable Development [M]. Beijing： Science Press， 2013.]

[2]Kemp R， Arundel A， Smith K. Survey Indicators for Environmental Innovation [R]. IDEA Paper， 1998.

[3]Brunnermeier S B， Cohen M A. Determinants of Environmental Innovation in US Manufacturing Industries [J]. Journal of Environmental Economics and Management， 2003， 45（2）： 278-293.

[4]Chiou T Y， Chan H K， Lettice F， et al. The Influence of Greening the Suppliers and Green Innovation on Environmental Performance and Competitive Advantage in Taiwan [J]. Transportation Research Part E： Logistics and Transportation Review， 2011， 47（6）： 822-836.

[5]张江雪， 朱磊. 基于绿色增长的我国各地区工业企业技术创新效率研究[J]. 数量经济技术经济研究， 2012， （2）： 113-125. [Zhang Jiangxue， Zhu Lei. Research on Technological Innovation Efficiency of Industrial Enterprises Based on Green Growth of Regions in China [J]. The Journal of Quantitative & Technical Economics， 2012， （2）： 113-125.]

[6]韩晶， 宋涛， 陈超凡， 等. 基于绿色增长的中国区域创新效率研究[J]. 经济社会体制比较， 2013， （3）： 100-110. [Han Jing， Song Tao， Chen Chaofan， et al. Research on Regional Innovation Efficiency Based on Green Growth in China [J]. Comparative Economic & Social Systems， 2013， （3）： 100-110.]endprint

[7]Nasierowski W， Arcelus F J. On the Efficiency of National Innovation Systems [J]. Socio Economic Planning Sciences， 2003， 37（3）： 215-234.

[8]Hashimoto A， Haneda S. Measuring the Change in R&D Efficiency of the Japanese Pharmaceutical Industry [J]. Research Policy， 2008， 37（10）： 1829-1836.

[9]Guan J C， Chen K H. Measuring the Innovation Production Process： A Crossregion Empirical Study of Chinas Hightech Innovation [J]. Technovation， 2010， 30（5-6）： 348-358.

[10]白俊红， 江可申， 李婧. 中国地区研发创新的技术效率与技术进步[J]. 科研管理，2010， 31（6）： 7-18. [Bai Junhong， Jiang Keshen， Li Jing. The Technical Efficiency and Technical Progress of Chinas Regional R&D Innovation [J]. Science Research Management， 2010， 31（6）： 7-18.]

[11]Eric C W. R&D Efficiency and Economic Performance： A Crosscountry Analysis Using the Stochastic Frontier Approach [J]. Journal of Policy Modeling， 2007， 29（2）： 345-360.

[12]Diaz M A， Sanchez R. Firm Size and Productivity in Spain： A Stochastic Frontier Analysis [J]. Small Business Economics， 2008， 30（3）： 315-323.

[13]白俊红， 江可申， 李婧. 应用随机前沿模型评测中国区域研发创新效率[J]. 管理世界，2009， （10）： 51-61. [Bai Junhong， Jiang Keshen， Li Jing. Chinas Regional R&D Innovation Based on Stochastic Frontier Analysis Model [J]. Journal of Management World， 2009， （10）： 51-61.]

[14]Fu Q， Liu J Y， Wang L K. Study on the PPE Model Based on RAGA to Classify the County Energy. Journal Systems Science and Information， 2004， 2（1）： 73-82.

[15]金菊良， 刘永芳， 丁晶， 等. 投影寻踪模型在水资源工程方案优选中的应用[J]. 系统工程理论方法应用， 2004， 13（1）： 81-84. [Jin Juliang， Liu Yongfang， Ding Jing， et al. Application of Projection Pursuit Model to Opotimal Choice of Water Resources Engineering Schemes [J]. Systems EngineeringTheory Methodology Applications， 2004， 13（1）： 81-84.]

[16]姚平， 梁静国， 陈培友. 煤炭城市人口-资源-经济-环境系统协调发展测度与评价[J].运筹与管理， 2008， 17（5）： 160-166. [Yao Ping， Liang Jingguo， Chen Peiyou. Measurement and Evaluation of Coordinate State of the Coal Citys PopulationResourcesEconomiyEnvironment System [J]. Operations Research and Management Science， 2008， 17（5）： 160-166.]

[17]姚奕， 倪勤. 各地区碳减排能力综合评价研究：基于投影寻踪分类模型[J]. 运筹与管理， 2012， 21（5）： 193-199. [Yao Yi， Ni Qin. Evaluation of Carbon Emission Reduction in Different Regions Based on Projection Pursuit Classification Model [J]. Operations Research and Management Science， 2012， 21（5）： 193-199.]

[18]Sharma S， Thomas V J. Intercountry R&D Efficiency Analysis： Application of Data Envelopment Analysis [J]. Scientometrics， 2008， 76（3）： 483-501.endprint

[19]Griliches Z. Patents Statistics as Economic Indicators： A survey [J].Journal of Economic Literature， 1990， （4）： 1661-1707.

[20]吴延兵. 中国工业R&D产出弹性测算[J]. 经济学（季刊）， 2008， 7（3）： 869-890. [Wu Yanbing. Measurement on R&D Output Elasticity of Chinas Industrial Sector [J]. China Economic Quarterly， 2008， 7（3）： 869-890.]

[21]Griliches Z. R&D and the Productivity Slowdown [J].American Economic Review， 1980， （70）： 343-348.

[22]Korhonen P J， Luptacik M. Ecoefficiency Analysis of Power Plants： An Extension of Data Envelopment Analysis [J]. European Journal of Operational Research， 2004， 154 （2）： 437-446.

[23]Gray W B， Shadbegian R J. Plant Vintage， Technology and Environment Regulation [J]. Journal of Environmental Economics and Management， 2003， （46）： 384-402.

[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. [Han Jing. Research on Green Innovation Efficiency in Chinas Region [J]. Research on Financial and Economic Issues， 2012， （11）： 130-137.]

[25]苏屹， 李柏洲. 基于随机前沿的区域创新系统创新绩效分析[J]. 系统工程学报， 2013， 28（1）： 125-133. [Su Yi， Li Baizhou. Regional Innovation System Performances Based on Stochastic Frontier Analysis [J]. Journal of Systems Engineering， 2013， 28（1）： 125-133.]

[26]Czarnitzki D， Licht G. Additionality of Public R&D Grants in a Transition Economy： The Case of Eastern Germany [J]. Economics of Transition， 2006， 14（1）： 101-131.

[27]Porter M E. Americas Green Strategy [J]. Scientific American， 1991， 264（4）： 1-5.

[28]Lanoie P， Patry M， Lajeunesse R. Environmental Regulation and Productivity： Testing the Porter Hypothesis [J]. Journal of Productivity Analysis， 2008， 30（2）： 121-128.

[29]Xepapadeas A， de Zeeuw A. Environmental Policy and Competitiveness： the Porter Hypothesis and the Composition of Capital [J]. Journal of Environmental Economics and Management， 1999， 37（2）： 165-182.

[30]Kheder S B， Zugravu N. The Pollution Haven Hypothesis： A Geographic Economy Model in A Comparative Study [R]. FEEM Working Paper， 2008.

[31]Cole A， Robert J， Shimamoto K. Why the Grass Is Not Always Greener： The Competing Affects of Environmental Regulations and Factor Intensities on US Specialization [J]. Ecological Economics， 2005， 54（1）： 95-109.

[32]李平， 慕绣如. 环境规制技术创新效应差异性分析[J]. 科技进步与对策， 2013， 30（6）： 97-102. [Li Ping， Mu Xiuru. Differences Analysis of the Effects of Environmental Regulatory on Technological Innovation [J]. Science & Technology Progress and Policy， 2013， 30（6）： 97-102.]endprint

[33]Wallsten S J. The Effects of Governmentindustry R&D Programs on Private R&D： The Case of the Small Business Innovation Research Program [J]. RAND Journal of Economics， 2000， 31（1）： 82-100.

[34]孟凡生， 李美莹. 我国能源消费影响因素评价研究[J]. 系统工程， 2012， 30（8）： 10-15. [Meng Fansheng， Li Meiying. Research on Evaluation Influencing Factors of Energy Consumption in China： Based on Catastrophe Theory and Improved Entropy [J]. Systems Engineering， 2012， 30（8）： 10-15.]

[35]付强， 赵小勇. 投影寻踪模型原理及其应用[M]. 北京： 科学出版社， 2006. [Fu Qiang， Zhao Xiaoyong. The Principles and Applications of Stochastic Frontier Analysis Model [M]. Beijing： Science Press， 2006.]

[36]Friedman J H， Turkey J W. A Projection Pursuit Algorithm for Exploratory Data Analysis [J]. IEEE Trans. on computer， 1974， 23（9）： 881-890.

[37]张目， 周宗放. 基于投影寻踪和最优分割的企业信用评级模型[J]. 运筹与管理， 2011， 20（6）： 226-231. [Zhang Mu， Zhou Zongfang. A Credit Rating Model for Enterprises Based on Projection Pursuit and Optimal Partition [J]. Operations Research and Management Science， 2011， 20（6）： 226-231.]

[38]李婧， 谭清美， 白俊红， 等.中国区域创新效率的随机前沿模型分析[J]. 系统工程， 2008， 27（8）： 44-50. [Li Jing， Tan Qingmei， Bai Junhong， et al. Stochastic Frontier Analysis of Chinas Regional Innovation Efficiency [J]. Systems Engineering， 2008， 27（8）： 44-50.]

[39]王争， 史晋川. 转型时期中国工业生产绩效的地区差异及波动性的解释：基于随机前沿生产函数的分析[J]. 世界经济文汇， 2007，（4）： 29-45. [Wang Zheng， Shi Jinchuan. The Regional Difference and Volatility of Chinas Industrial Production Performance in the Transitional Period Based on Stochastic Frontier Analysis [J]. World Economic Papers， 2007， （4）： 29-45.]

[40]Battese G E， Coell T J. A Model of Technical Inefficiency Effects in Stochastic Frontier Production for Panel Data [J]. Empirical Economics， 1995， 20（2）： 325-332.

[41]Popp D. International Innovation and Diffusion of Air Pollution Control Technologies： the Effects of Nox and SO2 Regulation in the US， Japan and Germany [J]. Journal of Environmental Economics and Management， 2006， 51（1）： 46-71.endprint