环境约束下区域科技资源配置效率的空间溢出效应研究

范　斐，张建清，杨刚强，孙元元

(1.武汉大学　中国中部发展研究院，湖北　武汉　430072； 2.武汉大学 经济与管理学院，湖北　武汉　430072)



环境约束下区域科技资源配置效率的空间溢出效应研究

范斐1,2，张建清1,2，杨刚强1，孙元元1

(1.武汉大学中国中部发展研究院，湖北武汉430072； 2.武汉大学 经济与管理学院，湖北武汉430072)

摘要：将环境约束的异质性引入到中国省级区域科技资源配置效率的分析中，构建在固定规模报酬下考虑非期望产出的SBM模型，对比在不考虑非期望产出与考虑非期望产出两种情况下的中国省际科技资源配置效率时空分异，并引入空间Durbin模型分析区域科技资源配置效率的空间溢出效应及其影响因素。结果表明：①中国省级区域科技资源配置效率空间分布格局的非均衡性特征较为明显，不考虑非期望产出情况的科技资源配置效率要比考虑非期望产出情况时较大，但两种情况下区域科技资源配置效率水平都整体偏低，具有较大发展潜力与发展空间。②省级区域的科技资源配置效率存在空间溢出效应，间接效应、总效应对科技资源配置效率的影响与直接效应表现出相同的影响方向，但是不同解释变量对于本地区与其它地区科技资源配置效率提升影响作用的显著性不同。③不考虑非期望产出的科技资源配置效率更多地强调了劳均GDP等经济发展水平因素对于科技资源配置效率的影响，忽略了环境因素与市场化因素对于科技资源配置效率的影响，考虑环境约束下的科技资源配置效率的测度更为科学、合理。

关键词：环境约束；科技资源配置效率；空间溢出效应；非期望产出

伴随着知识经济发展和科技全球化的到来，国家创新能力对实现社会经济发展目标将起到关键性的作用，创新已经成为衡量一个国家核心竞争力的关键因素[1]。作为创新活动物质基础的科技资源通常被称为“第一资源”，其是指为了实现科学技术的不断进步而进行的人力、财力、物力、信息等科技要素投入的总和[2]。研究表明，科技资源投入的数量与质量是构成国家创新能力的重要基础[3]，从根本上决定着这个国家的创新水平和创新绩效[4]。因此，关于科技资源配置的研究主要对各国科技资源的投入状况、研发活动的配置、科技政策的效果等内容进行比较分析，以评价科技政策的效果和适用性，并提出政策建议[5-7]。该研究始于Nelson的创新体系理论，Nelson(1986)最早对各国的科技资源配置方式、科技政策内涵等进行比较。一些学者认为科技政策与制度对技术演化的作用是科技资源配置路径选择的关键影响因素，随着科技资源配置复杂性的增加，科技政策应根据科技环境的变化及时调整[8-9]。但是基于宏观层面的研究很难从深层次把握区域科技资源配置的基本规律与运行机制，也难以揭示区域间科技资源配置的互动作用。

关于区域科技资源配置的研究，主要强调科技资源配置的空间差异以及科技资源配置与区域发展之间的关系[10]，科技资源配置对于区域经济发展与区域创新能力的作用[11-13]。在定量研究方面大都采用了数理分析、统计分析、计量分析等多种方法评价科技资源配置效率及其影响因素[14-19]。虽然这些研究在相当长时期内，对于单纯的追求科技资源产出数量，秉持粗放型创新道路，忽视生态平衡的自然法则与经济可持续发展的区域科技资源配置目标进行了合理的解释，但是这些研究基本上都忽略了区域科技资源配置效率的环境约束效应。近年来，随着人们环保意识的不断增加，绿色创新逐渐引起了学者们的关注，该理论肇始于“波特假说”。Porter等(1995)从动态的角度考察政府的环境管制政策，认为环境管制政策产生创新补偿效应，提高产业的国际竞争力[20]。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[21]，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[22]。国内的一些学者基于绿色增长的视角，从创新活动产出以及环境污染等方面表征绿色创新产出[23]，对创新效率进行估算，验证环境规制强度是推动创新效率的有利因素[24]。

可见，国内外学者对绿色创新的研究，主要是从企业或行业层面研究环境规制与科技创新的关系，而对基于区域视角的绿色创新，特别是对于区域绿色科技资源配置效率研究较少。另一方面，目前对科技资源配置效率、能力影响因素的测度大都忽略了空间效应，从而导致对科技资源配置效率的影响因素分析结果和推论不够科学、完整、缺乏应有的解释力。有鉴于此，本研究结合传统效率和生产率分析理论的最新进展情况，尝试将环境因素引入到传统的科技资源配置效率分析框架，对科技资源配置效率融入了不可忽略的自然环境因素，体现了可持续发展视角下的绿色创新理念。并沿袭绿色GDP视角，测度分析中国31个省级区域科技资源配置效率的时空分异与空间溢出效应，以生态经济学的理念和方法综合考察科技资源配置过程本身及其与生态环境的相互关系。这将有助于合理配置区域科技资源，盘活科技资源存量，实现国民经济的创新驱动和转型发展；有助于改善科技资源的高消耗与环境的高污染状况，加快形成科技资源集约利用与生态环境保护相协调的体制机制，为努力建设“创新中国”与“美丽中国”，实现中华民族的永续发展提供科学依据和技术支撑。

一、研究方法与数据来源

鉴于目前研究较少将污染等环境因素考虑到科技资源配置效率评价中，本文将考虑“非期望”产出的SBM模型应用到科技资源配置效率评价中。该模型可以剔除一般径向DEA模型存在的松弛性问题及所引起的非效率因素，解决了非期望产出存在下的科技资源配置相对效率评价问题。与此同时，随着中国创新驱动政策的深度推进和区域改革开放程度的不断扩大，省级区域间科技资源要素的空间流动性越来越强，空间溢出效应在科技资源配置效率影响因素的研究中的重要性日益突出，本文将针对这一现象，采用空间Durbin计量模型研究中国省级区域科技资源配置效率的空间溢出效应。

(一)非期望产出的SBM模型

为了克服径向DEA模型不考虑投入产出的松弛性问题，以及解决科技资源配置过程中所包含的非期望产出问题，本研究在Tone提出的非径向、非角度基于松弛的SBM模型和考虑非期望产出的SBM模型的基础上[25-26]，构建如下在固定规模报酬下考虑非期望产出的SBM模型，测度中国省际区域科技资源配置效率：

(1)

(二)空间Durbin计量模型

空间计量经济学理论认为空间相关性表现出的空间效应可以用两类基础模型——空间滞后模型、空间误差模型表征和刻画[27]。空间Durbin计量模型不仅考虑因变量的空间相关性，还考虑自变量的空间相关性，因变量不仅受到本地区自变量的影响，还受到其他地区滞后自变量及滞后因变量的影响。为了检验中国各地区科技资源配置效率的空间溢出效应，将采用的空间Durbin计量模型表达式为：

Y=ρWY+Xβ+WXθ+ε

(2)

式中，Y为科技资源配置效率，W为空间权重矩阵，X为科技资源配置效率的影响因素，WX为科技资源配置效率的影响因素滞后项，ε是随机扰动项。LeSage等[28]以偏导矩的方式给出了空间Durbin计量模型的参数释义，提出了总效应、直接效应、间接效应等概念。总效应表示解释变量X对所有省级区域造成的平均影响，等于直接溢出和间接溢出之和，直接效应表示解释变量X对本区域科技资源配置效率Y造成的平均影响，间接效应表示X对其他省级区域科技资源配置效率Y造成的平均影响。将式(2)改写以下形式表示：

(3)

(4)

式中，Sr(W)=V(W)(Inβr+Wθr)，V(W)=(In-ρW)-1，展开式(4)，得：

(5)

(6)

(7)

(8)

(三)指标选取与数据来源

绿色科技资源效率是指区域科技资源效率的绿色化程度，是对综合考虑环境污染和能源消耗后的区域创新发展质量的测度，是区域创新质量的绿色指数[29]。本文主要从输入与输出的角度出发来考虑科技资源配置效率。在科技资源输入方面，由于区域科技资源配置能力主要是体现在其对科技人力资源、科技财力资源、科技物力资源、科技信息资源等要素的配置上，且这四种要素在科技资源配置中具有不同的作用，因此本文把其都作为科技资源配置研究的对象。并且，用R&D人员全时当量这一反映区域人才吸引能力的指标表征科技人力资源，用R&D经费内部支出这一反映区域对科技活动的支持程度与衡量区域科技能力的重要标准表征科技财力资源，用区域为开展科技活动而进行的固定资产投资这一指标体现区域科技物力资源要素的丰裕程度，用国际互联网用户数反映区域科技信息资源的发展程度。

从绿色低碳视角考虑科技资源产出，既包括论文、专利和新产品等一般创新活动产出，又包括环境污染方面的问题，属于多产出的创新活动[30]。因此，在科技资源期望产出方面，科技论文数与发明专利数代表了知识形态存在的科研成果，其中专利授权数由于受到专利授权机构等人为因素的影响，具有较大的不确定性，因此专利申请受理数比专利授权数更能够反映科技资源产出的真实水平。在科技资源的非期望产出方面，由于资源环境状况影响了要素集聚模式，资源更富、环境良好的地区集聚了人力资本、知识等高级生产要素，往往成为新技术、新产业的发源地，而其他低级生产要素或环境污染物往往就被转移到其他地区，导致部分地区被边缘化，区域经济发展过程中的资源环境约束往往成为影响区域科技资源配置效率提升的关键因素[31]。而环境污染是一个综合性指标，涉及诸多因素，因此本文将分别利用工业废水排放量、工业二氧化硫排放量、工业烟(粉)尘排放量等代表性环境污染指标，表征科技资源配置过程中的非期望产出，从而综合衡量在绿色低碳背景下科技资源配置效率的产出情况。

根据上述指标体系，结合科技资源配置效率空间溢出效应的影响因素指标，分别统计全国31个省、市、区(港澳台除外)2000-2013年科技资源配置效率的相关数据，所需数据来源于《中国统计年鉴》(2001-2014)、《中国科技统计年鉴》(2001-2014)、《中国环境统计年鉴》(2001-2014)及中华人民共和国国家统计局官方网站等。

二、两种科技资源配置效率的测度

据非期望产出的SBM模型，利用公式(1)分别得到各地区科技资源配置效率值ρ，并与不考虑非期望产出情况得到的科技资源配置效率进行对比。两种科技资源配置效率反映了在考虑非期望产出以及不考虑非期望产出两种情况下的相对效果，表明各地区科技资源配置效率的强弱，而非真正的科技资源配置效率值，结果见表1所示。

在研究期内，两种情况下全国科技资源的平均配置效率在波动中都有了较小幅度的提升，在不考虑非期望产出情况下，由2000-2003年的0.424增长到2011-2013年的0.471，增幅0.047；在考虑非期望产出情况下，由2000-2003年的0.362增长到2011-2013年的0.411，增幅与不考虑非期望产出基本相同，为0.049。虽然总体上看不考虑非期望产出情况的科技资源配置效率要比考虑非期望产出情况时较大，但两种情况下，我国科技资源配置效率总体水平有待提升，具有较大发展潜力与发展空间。

区域科技资源配置效率空间分布格局的非均衡性特征较为明显，各省级区域的增幅差异较大，在考虑非期望产出情况下，增幅最大的重庆、江苏与浙江分别达到0.760、0.734与0.521，分别由研究基期的0.240、0.266与0.479同时达到研究末期的1.000，科技资源配置效率实现完全有效，此外增幅较大的地区还有陕西(增0.317)、四川(增0.300)、黑龙江(增0.247)。而在不考虑非期望产出情况下，科技资源配置效率增幅最大的重庆、江苏与陕西分别达到0.665、0.454与0.447，其中重庆的科技资源配置效率实现完全有效，此外增幅较大的地区还有四川(增0.345)、黑龙江(增0.268)、浙江(增0.242)和贵州(增0.234)。可以看出，相对而言重庆、江苏、浙江、陕西与四川等地都是我国的教育、科技重镇，科技资源较为集中，科技资源的集聚作用与知识的溢出效应较为明显，科技资源期望产出持续增多，有利的提升了这些地区的科技资源配置效率。

表1　区域科技资源配置效率与位序表

注：分子、分母分别表示不考虑非期望产出情况下与考虑非期望产出情况下的科技资源配置效率；平均值为逐年的算术平均值。

从两种情况下科技资源配置效率的位序对比来看，考虑非期望产出，科技资源配置效率位序高于不考虑非期望产出的地区依次是：广东、安徽、陕西、黑龙江、吉林、江苏、江西、广西、甘肃等区域，很明显这些地区环境因素对科技创新具有正向的促进作用。而考虑非期望产出，科技资源配置效率位序低于不考虑非期望产出的地区依次是：湖南、辽宁、天津、云南、四川、福建、河北、山西、上海、浙江与重庆，这些地区环境因素对于科技资源配置效率的提升具有不同程度的制约作用，未来应充分发挥科技创新在产业转型升级中的支撑与引领作用，把科技创新与绿色发展紧密结合起来，加快科技成果转化为现实生产力，促进地区经济实现科学发展与绿色崛起。

考虑非期望产出，研究期内科技资源配置效率排在前十位的地区是北京、甘肃、上海、吉林、浙江、江苏、安徽、湖北、天津、广东；不考虑非期望产出，研究期内科技资源配置效率排在前十位的是北京、上海、甘肃、浙江、吉林、天津、江苏、湖北、湖南、重庆。可以看出，这些地区多集中在东部沿海地区，是典型的高投入、高产出地区，是我国率先实施创新驱动发展战略的重点推进区，其科技创业投资和金融支持政策较为完善，国际创新的合作力度较强。中部地区的湖北在两种情况下都排在前列，与湖北作为中部地区传统的科教强省地位是分不开的，湖北高校与科研单位集中，为科技资源的集聚提供了良好的科技外部环境，使两种情况下科技资源的产出都相对较高。此外，西部地区的甘肃两种情况下的科技资源平均配置效率排在第3位与第2位，其在研究期内的整体科技资源配置效率较高，一方面该地区是典型的低投入、低产出地区，有限的投入并不需要很高的产出就能产生相对较高的科技资源配置效率，另一方面兰州在建设西北科技中心的过程中为该地区科技资源配置效率的有效提升提供了强大动力，相对于青海、宁夏等西部省份，其科技产出明显较多。

两种情况下科技资源配置效率排在后十位的地区都为：贵州、广西、山西、河南、江西、河北、青海、内蒙古、宁夏、西藏，多集中在西部偏远地区，只是在排列顺序的略有不同。西部地区在科技创新平台建设、重大项目申报等方面明显处于劣势，争取国家级经费支持也明显少于东部沿海发达地区，而且差距有继续扩大的趋势，科技项目和资金不足，不仅严重影响西部地区的经济、社会发展，也严重影响西部地区人才的成长环境，导致优秀人才流失，进一步制约其科技资源配置效率的提升。此外，东部地区的河北，中部地区的山西、河南、江西也排名较为靠后，这些地区的科技资源期望产出相对较低，科技创新能力整体较为薄弱，在实施创新驱动战略还面临着诸多挑战，未来这些地区需要在本土的知识创造、技术引进吸收、人才吸引培育、创新环境打造等方面同时发力，系统构建良好的创新生态，以实现经济的可持续发展。

三、科技资源配置效率的空间溢出效应

研究期内中国省级层面区域的科技资源配置效率是否存在空间溢出效应？不同解释变量又是如何影响科技资源配置效率的？本部分将利用固定效应的空间Durbin模型定量测算科技资源配置效率的空间溢出效应，由表2空间Durbin模型回归结果可以看出，在不考虑非期望产出与考虑非期望产出两种情况下，空间自回归系数ρ都在1%的水平上显著，说明中国省级区域的科技资源配置效率存在空间溢出效应，而不考虑非期望产出情况下的空间自回归系数ρ为0.125小于考虑非期望产出情况下的0.261，空间溢出效应可以有效降低省级区域科技资源配置效率格局的非均衡分布情况，从一定程度上提升省级层面的科技资源配置效率。

在不考虑非期望产出的情况下，污染治理投入、财政科技支出及滞后、滞后建成区绿色覆盖率、技术市场成交额及滞后、居民消费水平及滞后、城镇化率、滞后三产占GDP比重、教育经费支出、公路密度及滞后、劳均GDP、外商直接投资及滞后因素对科技资源配置效率影响显著。在考虑非期望产出的情况下，污染治理投入、财政科技支出及滞后、建成区绿色覆盖率及滞后、技术市场成交额、居民消费水平及滞后、城镇化率、三产占GDP比重及滞后、教育经费支出及滞后、滞后公路密度、滞后劳均GDP、外商直接投资及滞后因素对科技资源配置效率影响显著。两种情况的下原始变量与滞后变量的R2都大于0.85，似然比都大于400，空间Durbin模型的回归结果都比较好。

为了克服空间Durbin计量模型回归系数不能完全反映自变量对因变量影响的制约，需要通过测算科技资源配置效率空间溢出的直接效应、间接效应和总效应来解决这一问题。表3与表4分别列出了在不考虑非期望产出与考虑非期望产出两种情况下解释变量的直接效应、间接效应和总效应。

表2　空间Durbin模型回归结果

注：***表示1%水平上显著，**表示5%水平上显著，*表示10%水平上显著。

表3　不考虑非期望产出下解释变量的直接效应、间接效应和总效应

注：***表示1%水平上显著，**表示5%水平上显著，*表示10%水平上显著。

表4　考虑非期望产出下解释变量的直接效应、间接效应和总效应

注：***表示1%水平上显著，**表示5%水平上显著，*表示10%水平上显著。

在不考虑非期望产出情况下，从直接效应来看，各省级区域的财政科技支出、技术市场成交额、教育经费支出、劳均GDP对本地区的科技资源配置效率造成显著正向影响，居民消费水平、外商直接投资对本地区科技资源配置效率造成显著负向影响，污染治理投入、建成区绿色覆盖率、城镇化率、三产占GDP比重、公路密度对本地区科技资源配置效率造成的影响不显著。间接效应、总效应对科技资源配置效率的影响与直接效应表现出相同的影响方向，但是却有不同的显著水平，例如财政科技支出、技术市场成交额、教育经费支出、劳均GDP在直接效应中在1%水平上显著，表现出一种极显著的状态，而在间接效应中在5%水平上显著，居民消费水平在直接效应中在5%水平上显著而在间接效应中在10%水平上显著，这说明增加或减少这些因素不仅可以促进本地区科技资源配置效率的提高，也可以有效地带动其它地区科技资源配置效率的提高，但是对于本地区的带动作用明显要大于对于其它地区的带动作用。

而在考虑非期望产出的情况下，从直接效应来看，污染治理投入因素对科技资源配置效率的影响由正的不显著影响变成显著正影响，建成区绿色覆盖率由负的不显著影响变为正的不显著影响，这说明对于当前中国许多资源、环境、生态指标逼近甚至超过生态承载力的省级区域，加大生态环境投资建设力度，可以有效地提高科技资源配置效率，实现区域绿色创新，破解区域面临的资源、环境、生态等约束问题，从而提高经济社会发展质量。城镇化率与第三产业占GDP比重分别由负的与正的不显著影响变为显著正影响，可以从侧面反映区域的城镇化率越高，市场化程度越完善，对于环境约束下的绿色科技资源配置效率的提升越具有影响力。公路密度由正的不显著影响变为负的不显著影响，在一定程度上反映出交通基础设施对于科技资源配置效率的提升作用影响有限。

同时，间接效应、总效应对科技资源配置效率的影响与直接效应也表现出相同的影响方向，而关于显著水平，财政科技支出、城镇化率、教育经费支出与外商直接投资的间接效应、总效应与总效应与直接效应表现出相同的极显著水平，通过增加或减少这些影响因素，不仅可以有效促进本地区科技资源配置效率的提升，还可以带动其它省市科技资源配置效率的同时显著提升。技术市场成交额、居民消费水平、三产占GDP比重在直接效应中在1%水平上显著，也表现出极显著的状态，而在间接效应中在5%水平上显著；污染治理投入在直接效应中在5%水平上显著，而在间接效应中在10%水平上显著，这些因素对于本地区科技资源配置效率提升的带动作用明显要大于对于其它地区的带动作用。

四、结论与对策

(1)总体上看，区域科技资源配置效率空间分布格局的非均衡性特征较为明显，省级区域不考虑非期望产出情况的科技资源配置效率要比考虑非期望产出情况时较大，但两种情况下区域科技资源配置效率水平整体偏低，具有较大发展潜力与发展空间。因此，提高科技资源配置效率是我国科技创新需要解决的一个重要问题，而在提高科技资源配置效率上，优化科技资源配置又是必须首要考虑的问题。未来各级政府要进一步深化科技体制改革，加快转变政府职能，优化科技资源配置方式，大力推动协同创新，在以下几方面取得突破性进展：一是要加快推动公共科技资源开放共享，制定推进科技资源开放共享的管理办法，编制科技资源开放共享目录。二是要提高企业科技资源的配置能力，鼓励产学研结合、大中小企业组成产业技术协同创新联盟，支持企业与科研院所、高校联合开展基础研究，推动基础研究与应用研究紧密结合。在共同研发产品的过程中，形成分工明确、风险共担、利益共享的创新链和产业链，分享市场创新的红利。三是要加快建立协同创新机制，围绕产业链部署创新链，围绕创新链完善资金链，营造开放协同高效的创新生态。深化科研院所改革和高校科研体制改革，推动建立权责清晰、优势互补、利益共享、风险共担的产学研紧密合作机制。

(2)从空间Durbin模型回归结果可以看出，在不考虑非期望产出与考虑非期望产出两种情况下，空间自回归系数ρ分别为0.125与0.261，都在1%的水平上显著，说明中国省级区域的科技资源配置效率存在空间溢出效应。通过测算各省级区域直接效应、间接效应与总效应反映解释变量对科技资源配置效率的影响，在两种情况下，财政科技支出、技术市场成交额、教育经费支出三个因素对于科技资源配置效率具有显著正影响。加大科技、教育经费的投入力度，增加新产品的研发强度，扩大技术市场成交额对于提升科技资源配置效率效果明显。因此，未来应进一步加大财政科技投入，并调整和优化财政科技投入的结构，加大对基础研究、前沿探索、战略高科技的科技投入，加强科技管理改革与创新，逐步形成重点突出、持续稳定的支持机制。另一方面，应进一步完善技术创新市场导向机制，明晰政府与市场的边界，更加尊重市场规律，充分发挥市场对技术研发方向、路线选择、要素价格和各类创新要素配置的导向作用，逐步扩大技术市场成交额。此外，有效缓解当前中国由于教育经费非均衡性引起的区际发展差异，除了需要相关部门进一步利用政策引导和支持高校区域间的互助联合之外，中西部地区也应高度重视并主动寻求与东部地区在学生培育和科学研究等领域的交流合作机会，积极承接东部地区“扩散效应”，缓解中西部地区教育资源相对匮乏对区域发展的制约。最终依托教育经费、优秀人才等关键科技资源长期密切的跨区域协调及整合，减弱甚至消除科技资源非均衡性配置带来的负面效应，实现中国科技资源配置效率的整体提升。

(3)与不考虑非期望产出的情况相比，考虑非期望产出污染治理投入因素对科技资源配置效率的影响由正的不显著影响变成显著正影响，建成区绿色覆盖率由负的不显著影响变为正的不显著影响，城镇化率与第三产业占GDP比重分别由负的与正的不显著影响变为显著正影响，公路密度由正的不显著影响变为负的不显著影响，劳均GDP由显著正影响变为正的不显著影响。可见，不考虑非期望产出的科技资源配置效率更多地强调了劳均GDP等经济发展水平因素对于科技资源配置效率的影响，忽略了环境因素与市场化因素对于科技资源配置效率的影响，考虑环境约束下的科技资源配置效率的测度更能准确反映区域科技资源配置效率的相对演化趋势。因此，未来应积极推动创新发展与绿色发展的深度融合，围绕国家战略和社会关注，如落实《加强大气污染防治科技支撑工作方案》，突出重点地区雾霾成因、源头治理、节能减排、健康影响等科研工作，加快推广应用新能源和电动汽车等先进技术。

(4)本研究对于提升环境约束下的区域绿色科技资源配置效率，优化区域绿色科技资源配置，推进国家创新驱动战略与生态文明战略的深度融合，是一次较为有益的理论探索。未来各省级区域应深入贯彻十八届五中全会精神，牢固树立五大发展理念，坚持创新驱动、转型发展，构建科学合理的科技资源管理体系和配置饥制，引导科技资源的合理流动和充分有效利用，集中有限的资源投入到优先发展或重点培育的领域中，推进科技资源在产业、区域、部门等方面布局的均衡化与合理化，从而大大降低科技资源配置过程中的重复浪费，提高科技资源投入效益；坚持绿色生态、低碳发展，加快建设资源节约型、环境友好型社会，形成人与自然和谐发展现代化建设新格局；坚持创新驱动与绿色低碳协调发展，加大对农业、生态、环保、健康等社会公益领域的科技投入力度，加大对于绿色增长和环境保护等相关科学问题的深入研究，逐步破解环境资源问题对我国经济、社会发展的制约作用，从而为提高绿色科技资源配置效率，建设“美丽中国”与“创新中国”提供战略保障。

参考文献：

[1]李涛, 张璋.科技创新能力与国家位势关系研究——基于结构方程模型的量化分析[J].中国软科学，2014(2)：90-99.

[2]师萍，李垣.科技资源体系内涵与制度因素[J].中国软科学，2000(11)：55-56.

[3]范斐，杜德斌，李恒, 等.中国地级以上城市科技资源配置效率的时空格局[J].地理学报，2013，68(10):1331-1343.

[4]刘玲利.科技资源配置理论与配置效率研究[D].长春：吉林大学，2007.

[5]徐建国.我国区域科技资源配置能力分析[J].中国软科学，2002(9)：98-100.

[6]彭华涛.区域科技资源配置的新制度经济学分析[J].科学学与科学技术管理，2006(1)：141-144.

[7]Renaud Bellais. Post Keynesian Theory, Technology Policy, and Long-term Growth [J]. Journal of Post Keynesian Economics, 2004, 26(3):419-440.

[8]S Ghazinoory，A Bitaab，A Lohrasbi. Social capital and national innovation system: A cross-country analysis [J].Cross Cultural Management an International Journal, 2014, 21(4):453-475.

[9]C Marxt，C Brunner. Analyzing and improving the national innovation system of highly developed countries — The case of Switzerland [J].Technological Forecasting & Social Change, 2013, 80(6):1035-1049.

[10]JL Hu，CH Yang，CP Chen. R&D efficiency and the national innovation system: An international comparison using the distance function approach [J]. Bulletin of Economic Research, 2014, 66(1):55-71.

[12]C Chaminade，M Plechero. Do Regions Make a Difference? Regional Innovation Systems and Global Innovation Networks in the ICT Industry [J]. European Planning Studies, 2015, 23(2):215-237.

[13]NCL Cusmano. The ‘KIBS Engine’ of Regional Innovation Systems: Empirical Evidence from European Regions [J]. Regional Studies, 2014, 48(7):1212-1226.

[14]许治,师萍.基于DEA方法的我国科技投入相对效率评价[J].科学学研究, 2005,(4):481-484.

[15]连燕华，石兵等.国家科学技术投入与产出评价[J].中国软科学，2002,(1):28-31.

[16]黄海霞，张治河. 基于 DEA 模型的我国战略性新兴产业科技资源配置效率研究[J].中国软科学，2015(1):150-159.

[17]范斐，杜德斌，李恒.区域科技资源配置效率及比较优势分析[J].科学学研究，2012，30(8)：1198-1205.

[18]管燕，吴和成，黄舜.基于改进DEA的江苏省科技资源配置效率研究[J].科研管理，2011，32(2): 145-150.

[19]范柏乃，江蕾，罗佳明.中国经济增长与科技投入关系的实证研究[J].科研管理，2004，25(5)：104-109.

[20]Porter M E, Vander Linde. Toward a new conception of the environment competitiveness relationship [J]. Journal of Economic Perspectives, 1995 (4): 97- 118.

[21]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．

[22]Chiou T Y，Chan H K，Lettice F．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．

[23]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．

[24]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．

[25]Tone K. A slacks-based measure of efficiency in data envelopment analysis [J]. European Journal of Operational Research, 2001, 130(3): 498-509.

[26]Tone K. Dealing with undesirable outputs in dea: a slaeks-based measure (SBM) approach [R]. GRIPS Research Report Series, 2003.

[27]何兴强，王利霞.中国FDI区位分布的空间效应研究[J].经济研究，2008(11)：137-150.

[28] LeSage J, Pace R K. Introduction to spatial econometrics [M]. New York: CRC Press, 2009: 27-41.

[29]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.

[30]曹霞，于娟.绿色低碳视角下中国区域创新效率研究[J].中国人口·资源与环境，2015，25(5)：10-19.

[31]齐亚伟，陶长琪.环境约束下要素集聚对区域创新能力的影响—基于GWR模型的实证分析[J].科研管理，2014，35(9)：17-24.

(本文责编：辛城)

Research on Spatial Spillover Effect of Regional Science and Technology Resource Allocation Efficiency under the Environmental Constraints

FAN Fei1,2，ZHANG Jian-qing1,2，YANG Gang-qiang1，SUN Yuan-yuan1

(1.InstitutefortheDevelopmentofCentralChina，WuhanUniversity，Wuhan430072,China；2.EconomicsandManagementSchool，WuhanUniversity，Wuhan430072,China)

Abstract：The heterogeneity of environmental constraints is introduced into the analysis of regional science and technology resource allocation efficiency in China. A SBM model to build for considering the non expected output under fixed scale returns, in comparison with the scientific and technological resources allocation efficiency without considering and considering the non-expected output。Spatial spillover effects of regional scientific and technological resource allocation efficiency and its influence factors measure by using spatial Durbin model. The results show: ①The spatial distribution pattern of regional science and technology resource allocation efficiency is obvious. The efficiency of scientific and technological resource allocation without considering the non-expected output is more than that of the non-expected output. ②There is spatial spillover effect on the allocation efficiency of science and technology resources. Indirect effect, total effect on the efficiency of scientific and technological resources allocation, and the direct effects of the same impact, but the different explanatory variables are significantly different from the efficiency of the scientific and technological resources allocation in the region and other regions. ③The influence of environmental factors and market factors on the allocation efficiency of science and technology resources is ignored in the case of non-expected output. The measure of the efficiency of scientific and technological resources allocation under environmental constraints is more scientific and reasonable.

Key words:environmental constraints; science and technology resource allocation efficiency; spatial spillover effect; non expected output

中图分类号：C931.2

文献标识码：A

文章编号：1002-9753(2016)04-0071-10

作者简介：范斐(1984-)，男，河南南阳人，武汉大学中国中部发展研究院讲师，博士，研究方向：城市与区域创新研究。

基金项目：国家自然科学基金(41471108)；国家自然科学基金青年基金(41501141)；教育部人文社会科学基金(14YJC790140)；中国博士后科学基金资助项目(2015M582251)；湖北省软科学研究计划项目(2015BDF010)联合资助；中央高校基本科研业务费专项资金；武汉大学自主科研项目(人文社会科学)。

收稿日期：2015-11-13修回日期：2016-03-21