区域绿色技术创新效率对生态效率的影响分析

2017-03-28罗良文张万里

湖北社会科学 2017年3期

关键词：效率绿色生态

罗良文，张万里

（中南财经政法大学经济学院，湖北武汉 430073）

·经济论坛

区域绿色技术创新效率对生态效率的影响分析

罗良文，张万里

（中南财经政法大学经济学院，湖北武汉 430073）

“创新、协调、绿色、开放、共享”的五大发展理念中，“创新”和“绿色”同等重要。但从实际情况看，一方面企业创新投入不断增加，另一方面生态环境持续恶化，“创新”和“绿色”并未实现协调发展。通过运用阅EA-SBM模型与熵值法相结合的研究方法，对我国30个省（市）2005年-2013年的大中型企业绿色技术创新效率和区域生态效率进行测算的结果发现：我国的经济发展方式“绿色”程度不够，资源利用效率不高；期望产出对生态效率有明显促进作用，非期望产出对生态效率有抑制作用。绿色技术创新既能促进期望产出提高，又能降低非期望产出，所以绿色技术创新是提高我国生态效率的重要途径，但目前我国绿色技术创新对生态效率的促进作用偏低，亟待改善。

绿色技术创新效率；生态效率；DEA-SBM

“创新、协调、绿色、开放、共享”的五大发展理念中，“创新”和“绿色”都被放到重要位置。大中型企业是技术创新的重要平台，从“创新”的角度看，2005年至2014年中国大中型企业R&D经费内部支出的年均增长率达到11.1%，技术创新日益受到重视。但从“绿色”的角度看，耶鲁大学发布《2016年全球环境绩效指数报告》中空气质量排名，中国在测算的180个国家中排名倒数第二，生态环境不断恶化，“创新”和“绿色”未能实现协调发展。

一、文献综述

（一）绿色技术创新效率研究综述。

关于绿色技术创新效率的研究主要集中在两个方面：绿色技术创新效率特征和影响因素。

绿色技术效率特征方面，冯志军（2013）运用DEA-SBM模型对中国30个省份规模以上工业企业的绿色创新效率进行测算并分析，研究发现绿色创新效率与区域经济发展水平有正相关性，经济相对发达的沿海地区绿色创新率高于其他地区[1](p82-88)。肖仁桥，王宗军（2014）等运用共享投入关联型DEA模型，对2003-2010年中国各省份企业绿色两阶段创新效率进行了测算，发现约30%的省份企业创新资源利用模式属于“低研发低转化”型，且主要来自中西部以及东北地区；绿色技术创新效率东部、西部、东北以及中部依次递减[2]。钱丽，肖仁桥等（2015）研究发现中国各省份研发效率东部、西部、中部依次递降，成果转化效率东部、中部、西部依次递减[3](p26-43)。黄奇，苗建军等（2015）研究发现中国各省市平均绿色技术创新效率东部、中部和西部依次递减[4](p109-115)。总体来看，中国的绿色技术创新效率呈现发达地区高于不发达地区的态势，区域分化较为明显。

绿色技术创新效率影响因素来源有三：要素投入、环境规制和国外绿色技术溢出。绿色技术创新效率的高低与要素投入关系密切。张江雪，朱磊（2012）运用四阶段DEA模型对中国2009年各省份工业企业技术创新效率进行实证研究，地方政府对科技、环保的支持力度和地区的科技意识对地区工业企业技术创新效率有正向作用[5](p113-125)。黄奇，苗建军等（2015）构建非期望DEA-SBM模型，对2005-2010年中国30个省份工业企业绿色技术创新效率进行了测算，分析发现人力资本水平、基础设施等因素对中国绿色技术创新效率有不同程度的正向影响[4](p109-115)。任耀，牛冲槐（2014）基于RAM-DEA模型，对2001-2013年山西省11个地级市的绿色创新效率进行了测度，分析发现能源投入的无效率工业绿色创新效率有负向影响[6](p176-177)。钱丽，肖仁桥等（2015）基于共同前沿理论和DEA模型，测算了2003-2010年中国各省份工业企业绿色技术研发效率和成果转化效率，分析发现国有经济比重、外商投资和技术交易环境等因素对科技研发效率有促进作用，技术交易环境对成果转化效率有正向作用，而企业规模对两者都有负向作用[3](p26-43)。

环境规制对绿色技术创新效率的影响复杂。有些学者认为环境规制对绿色技术创新有促进作用。David Popp（2005）通过对国际专利数据的分析，发现价格和环境规制对企业的绿色技术创新有促进作用[7](p209-226)。许士春，何正霞等（2012）通过分析排污税、拍卖的排污许可和可交易的排污许可这三种环境规制措施对企业绿色技术创新的影响发现，排污税率和排污许可价格对企业绿色技术创新有正向作用[8](p67-74)。曹霞，张路蓬（2015）借鉴利益相关者理论并利用Lotka-Volterra模型对企业绿色技术创新扩散进行了研究，结果发现政府规制促进了绿色创新技术在社会系统中的扩散[9](p68-76)。也有一些学者认为环境规制对绿色技术创新的影响有阶段性。李婉红，毕克新等（2013）通过对中国16个污染密集行业2003—2010年的面板数据进行实证研究，结果表明当行业规模较小时政府的环境规制政策不会促进行业实施绿色技术创新，反之则会促进行业的绿色技术创新[10](p72-81)。曹霞，于娟（2015）利用基于PP模型改进的SFA模型，对2005-2011年中国省际绿色创新效率进行了测度，研究发现环境规制与创新效率呈“U”型关系[11](p10-19)。少数学者发现在特定行业环境规制与绿色技术并无明显关系，S.K.S Wong（2013）通过对中国203家电子制造企业的绿色创新数据实证分析发现，环境管制并未表现出对企业绿色创新的促进作用，对企业绿色创新正向影响最大的是知识共享[12](p321-338)。

国外绿色技术溢出促进了中国的绿色技术创新。景维民，张璐（2014）研究发现，在目前阶段对外开放对我国绿色技术进步既有正向的技术溢出效应也有负向的产品结构效应，进口对技术进步有推动作用，出口造成负面影响[13](p34-47)。岐洁，韩伯棠（2015）以京津冀和长三角地区为例，基于2001—2012年面板数据构建门槛模型，研究发现国外绿色技术溢出效应对两区域绿色技术创新具有显著的促进作用[14](p24-31)。陈艳春（2016）通过构建技术领先国——低碳城市——其他城市的三层模型，分析发现来自国外的绿色技术扩散对低碳城市绿色技术创新有促进作用[15](p107-110)。

（二）生态效率研究综述。

关于生态效率的研究主要集中在生态效率的影响因素方面。李静，程丹润（2009）基于DEA-SBM模型对1990-2006年中国各省市的环境效率进行测算，研究发现中国中部、西部的环境效率受环境污染的影响程度较大，而东部受影响较小[16](p1208-1211)。王兵，吴延瑞，颜鹏飞（2010）分析发现能源过度消耗和由此产生的SO2、COD的过度排放降低了我国区域环境效率，总体看我国东部环境效率高于中西部，人均GDP、公众的环保意识等都对我国环境效率有不同程度的影响[17](p95-109)。初善冰，黄安平（2012）运用DEA模型对1997-2010年中国30个省市区域生态效率进行测算，使用面板数据的Tobit模型对外商直接投资对区域生态效率的影响进行检验，研究发现外商直接投资对区域生态效率有显著的正向影响[18](p128-144)。付丽娜，陈晓红等（2013）运用超效率DEA模型对长株潭“3+5”城市群各市2005-2010年的生态效率进行了测算，研究发现技术进步、产业结构、研发强度对生态效率有显著的正向影响，但引进外资对生态效率有负影响[19](p169-175)。潘丹，应瑞瑶（2013）采用DEA-SBM模型对1998-2009年中国30个省份的农业生态效率进行了测算，研究发现资源的过度消耗和环境污染物的过量排放是农业生态效率损失的主要原因[20](p3837-3845)。罗能生，李佳佳等（2013）利用中国1999－2011年省际面板数据，基于超效率DEA，在测度区域生态效率的基础上，通过对IPAT模型扩展建立了面板数据计量模型，分析发现城镇化水平与区域生态效率呈非对称U型关系[21](p53-60)。李胜兰，初善冰等（2014）运用DEA模型对1997-2010年中国30个省市的区域生态效率进行了测算，研究发现2003年之前环境规制对区域生态效率有制约作用，2003年后环境规制的制约作用变为促进作用[22](p88-110)。成金华，孙琼等（2014）研究发现，我国生态效率随时间波动变化，东、中、西部生态效率依次递减，整体看我国生态效率有正的空间相关性[23](p47-54)。

综合以上观点可以将区域绿色技术创新效率和生态效率的逻辑关系整理如图1所示。

图1 绿色技术创新效率与生态效率逻辑图

研究内容而言，对绿色技术创新效率和生态效率的研究大都集中在对两者影响因素的分析，主要揭示了抑制我国绿色技术创新效率和生态效率提高的因素，指明改进路径，很少有学着就两者之间的关系进行探究。技术创新的投入不断提高，但生态环境却日益恶化，绿色技术创新效率与生态效率之间的关系究竟如何还是个未知数。研究方法而言，大都采用DEA效率测算方法。所以综合前人研究经验与缺陷，本文拟采用非径向、考虑非期望产出的DEA-SBM模型，分别对中国区域绿色技术创新效率和生态效率进行测算，并针对绿色技术创新效率对生态效率的影响进行研究，探究绿色技术创新效率对生态效率的影响方式、程度等，为贯彻“绿色”发展理念，实现生态城镇化贡献绵薄之力。

二、研究方法和指标选取

（一）研究方法。

Charnes和Cooper提出的DEA方法是一种评价决策单元相对效率的方法。与传统的效率测算方法相比DEA方法更加客观，不需要事前人为设定模型形式和参数数值，完全根据数据特征运算，所以受到广泛应用。但DEA模型仍存在径向或者角度问题，会造成测算结果偏高或者由于侧重角度（投入或者产出）不同而导致结果不准确。本文根据Tone Kaoru（2004）[24](p44-45)提出的SBM（slack based measure）模型的处理方法，非期望产出、非径向的SBM模型可写成：

其中，s表示投入、产出的松弛量；λ是权重向量。ρ为计算效率值，取值范围为[0，1]。当ρ取值1时表示决策单元完全有效率，此时s-=sg=sb=0，表示投入、产出不存在不足或者过剩；ρ〈1表示决策单元存在效率损失，可以通过优化投入和产出进行改进。

（二）变量选择和数据来源。

基于研究目的和数据可得性，本文以中国除港澳台地区、西藏之外其他30个省（市）份为研究对象，选取时间跨度2005-2013年相关数据①主要数据来源《工业企业科技活动统计年鉴》只有2005年至2013年的数据，所以选取时间跨度2005-2013年。（以2005年为基期），数据来自相应年度的《工业企业科技活动统计年鉴》《中国统计年鉴》《各省统计年鉴》以及国家统计局发布的《环境统计数据》。

1.绿色技术创新效率。

（1）绿色技术创新投入变量。选取大中型企业②大中型企业是技术创新的重要平台，所以根据大中型企业的相关数据测算绿色技术创新效率，大中型企业数据为大型企业数据与中型企业数据相加所得。R&D人员全时当量（x1）、新产品开发经费（x2）和R&D经费内部支出（x3）3个变量。R&D人员全时当量能够客观体现企业研究与开发方面的人力投入状况，在以往研究中经常被采用，所以选取该变量代表企业人力投入。资本投入方面，新产品开发经费能够直观反应企业技术创新方面的资本投入状况，但考虑到并非所有的研究项目都能够体现到新产品上，所以选取R&D经费内部支出作为资本的补充变量。由于资本投入具有累积和时滞性，所以资本投入均采用存量数据，参照吴延兵（2006）的做法[25](p1129-1156)：

其中，Kit、Ki(t－1)分别表示第i个省份第t和t－1年的工业企业新产品开发经费。δ为资本折旧率，根据前人研究经验本文δ=15%。Iit表示第i个省份第t年工业企业新产品开发经费，参照朱平芳,徐伟民（2003）的做法用科研支出价格指数[26](p45-94)对名义新产品开发经费平减至基期2005年。Ki2005的计算公式如下：

其中，gi为各省份大中型企业新产品开发经费2005-2013年间的年均增长率。R&D经费内部支出指标的处理方法相同。

（2）绿色技术创新产出变量。贯彻绿色发展理念必须坚持绿色发展，坚持节约资源和坚持保护环境。从坚持绿色发展角度出发，选取大中型企业新产品开发项目数（yg1）、专利申请数（yg2）、新产品销售收入（yg3）和工业增加值（yg4）作为期望产出变量，反映“发展”需求。根据《中国统计年鉴》指标解释：新产品是指采用新技术原理、新设计构思研制、生产的全新产品，或在结构、材质、工艺等某一方面比原有产品有明显改进，从而显著提高了产品性能或扩大了使用功能的产品。所以，新产品开发项目数是企业新产品开发成果最直观的反映，同样由于新产品的局限性需要加入补充指标以全面反应企业创新成果。选取专利申请数而非专利授权数作为补充变量，原因在于专利授予受到授权机构以及其他社会因素影响较大，不能单纯地反应企业创新成果。但是新产品开发项目数和专利申请数仅能反映企业创新方面的潜在社会价值，无法反应创新成果转化状况，所以选取新产品销售收入作为绿色技术创新的经济效益指标。同时，由于工业企业是国民经济的主要组成，其创新成果带来的综合效益是巨大的，所以选取工业增加值作为企业创新成果的综合效益指标。

从坚持节约资源角度出发，选取单位工业增加值能耗（yb1）作为非期望产出，衡量绿色技术创新的资源节约指标。单位工业增加值能耗越高，说明资源消耗越高、资源节约效率越差，所以作为非期望产出。从坚持保护环境角度出发，选取地区工业固体废物产生量（yb2）、工业废水排放量（yb3）、工业二氧化硫排放量（yb4）、工业烟（尘）排放量（yb5）和二氧化碳排放量（yb6）作为非期望产出变量，衡量企业绿色技术创新的环境效益指标。二氧化碳排放量根据IPCC公布的化石燃料二氧化碳排放计算公式计算，相关系数如表1所示。

表1 区域二氧化碳排放量相关系数

综上所述，建立大中型工业企业绿色技术创新效率的评价指标体系如表2所示。

2.区域生态效率。

（1）生态效率投入变量。选取年末从业人员数(x1)、固定资本投资存量(x2)、能源消耗量(x3)和地区用水量(x4)4个变量。年末从业人员数能够综合反映地区发展中的劳动力投入状况，在以往研究中经常被采用，所以选取该指标作为地区劳动投入指标。固定资本投资存量(x2)反映地区资本投入状况，处理方法如前文所述。选取能源消耗量和地区用水量作为反映地区资源投入状况的指标，能源消耗量指折算为标准媒的地区能源消耗总量。水资源是地区发展、人民生活不可或缺的重要资源，也是地区资源投入的重要组成部分。

（2）生态效率产出变量。选取地区GDP作为生态效率期望产出指标，虽然GDP倍受争议，但就综合反映地区发展状况而言，还没有其他指标比GDP更合适，故选取该指标衡量地区发展。

基于资源节约角度，选取单位GDP能耗衡量地区资源节约状况。基于保护环境角度，选取废水排放总量、固体废物排放量、二氧化硫排放总量、粉尘排放总量作为地区发展的环境效益指标。废水排放总量=工业废水排放量+生活污水排放量，其他3个指标处理方法相同。基于低碳发展角度，选取二氧化碳排放总量作为地区低碳发展指标，计算方法如前文所述。

表2 绿色技术创新效率评价指标系

表3 生态效率评价指标体系

据此，构建地区生态效率评价指标体系如表3所示。

（三）绿色技术效率对生态效率的影响路径。

如图2所示，区域生态效率受区域投入因素、期望产出因素和非期望产出因素三者影响。大中型企业是社会经济发展的重要驱动主体也是技术创新的主要载体，考虑资源消耗和工业三废等非期望产出因素的绿色技术创新通过三个路径对区域生态效率产生影响：①企业生产过程；②绿色技术外溢性，绿色技术创新即会对研发企业产生影响，也会对其他企业甚至整个社会产生影响；③绿色技术创新研发投入对区域投入因素的影响。即:

图2 绿色技术效率对生态效率影响路径

基于“绿色”角度的技术创新能够促进企业生产过程的“绿色”化，以更少的非期望产出为代价生产更多或者同等水平的期望产出。不仅对研发企业，对其他企业甚至整个社会而言，绿色技术创新也会产生相同影响。故据此提出假设：

H1：绿色技术创新促进生态效率提高

研发投入的增加会促进绿色技术创新效率的提高，而企业研发投入会影响区域投入因素，故据此提出假设：

H2：区域投入促进生态效率提高

三、实证分析

（一）效率结果分析。

根据前文所得指标体系，采用熵值法计算得出各地区投入综合指标、期望产出综合指标和生态效率综合指标，并运用DEA-SOLVER Pro5.0软件，对区域大中型企业绿色技术创新效率和区域生态效率进行测算。采用熵值法计算综合指标的原因有三：第一，投入产出指标的数量过多会影响DEA方法的准确度，采用熵值法对数据进行降维处理以提高DEA计算结果的精度。第二，投入、产出指标数量不同，所得DEA结果会大相径庭，绿色技术创新效率与生态效率的投入、产出指标数量并不相同，直接用原始数据进行计算所得效率结果并不具有稳定关系，改变两者的投入、产出指标数量所得效率结果间的相关关系就会改变，为了保证所得效率结果有稳定的可比关系故采用熵值法计算投入、产出的综合指标。第三，熵值法所得各指标权重皆根据数据特征客观得出，避免的主观影响，故采用熵值法。①使用改进的离差标准化方法将原始数据映射到[0.1，0.9]区间，并依据熵值法确定的各变量权重计算综合指标。测算结果如下。

表4 大中型企业绿色技术创新效率

1.绿色技术创新效率结果。

从总体发展趋势看，除青海之外，其他地区大中型企业绿色技术创新效率都有不同程度提高。全国平均效率由2005年的0.585上升至2013年的0.6959，涨幅达18.9%，效率提升明显，说明我国各地区逐渐重视“绿色发展”，贯彻“绿色发展”理念。就总体发展水平而言，我国整体绿色技术创新效率仍处在较低水平。如表5所示，2005-2013年间我国仅有2-3个地区绿色技术创新效率处于相对有效率水平，大部分地区绿色技术创新相对无效率；2005-2013年间我国仍有2/3左右的地区绿色技术创新效率低于全国平均水平，处在或接近效率边界的地区仅有2-5个不足1/5，可见我国绿色技术创新效率虽然有一定提高，但整体仍处在较低水平。

从总体分布趋势来看，我国大中型企业绿色技术创新效率呈东、中、西部②东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南等11个省（市），中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南8个省（市），其他为西部地区。依次递减态势，符合发达地区高于不发达地区的研究结果。由表4所得结果可知，中部与东部间效率差距逐渐缩小，2005年中部低于东部0.0966，2013年差距缩小为0. 0737；西部与东部效率差距逐渐增大，2005年西部低于东部0.0668，2013年差距扩大为0. 134；中部与西部相比，2005年中部低于西部0.0298，2007年开始中部与西部差距逐渐缩小，2013年中部反高于西部0.0603。这与我国区域发展战略的调整相符，从最初的“东部沿海地区优先发展”到“西部大开发”战略的实施，再到“中部崛起”战略的施行，表4所得结果与区域发展战略的调整路径相吻合，表明所得结果能够反映我国真实情况。接近或位于效率边界的地区主要是北京、天津、上海、广东，其他地区都相对低效或者无效。

表5 绿色技术创新效率全国均值对比结果

根据图3可得，我国各地区绿色技术创新效率水平不均衡的状况随时间变化并没有明显改善。如图2所示，图中颜色越深表明绿色技术创新效率越高，从2005-2009-2013三年对比不难看出绿色技术创新效率随着时间逐渐提高，但提高最明显的主要集中在东南沿海地区。中西部绿色技术创新效率的提高程度不及东南沿海地区，中西部地区与东部发达地区间的差距并未随时间的变迁得到根本改善。

2.生态效率结果。

从总体发展趋势看，2/3地区的生态效率有不同程度的提高，山西等9个城市生态效率有略微下降。表明我国各地区都逐渐重视发展过程中的生态效益，坚持“既要金山银山又要绿水青山”的“绿色发展”理念。生态效率全国均值2005年为0.478，2013年提升为0.5067，增幅6%，生态效率逐步提高。就总体发展水平而言，我国生态效率处在较低水平。2005-2013年间，我国仅有1-2个地区位于生态效率边界之上，其他地区生态效率都是相对无效；有2/3左右的地区生态效率低于全国平均水平，仅有不足15%的地区接近或者位于生态效率边界。由此可见我国整体生态效率水平偏低，这是以往忽略生态、片面追求经济增长的发展模式留下的后遗症，且从表6结果不难看出，生态效率的提高是个缓慢而又漫长的过程，这就要求我们始终坚持贯彻“绿色发展”理念。

图3 绿色技术创新效率变化对比

从总体分布趋势来看，我国生态效率呈现东、中、西部依次递减状态。由表6结果可知，中、西部与东部间的差距有拉大趋势。2005年中部生态效率低于东部0.2646，2013年该差距为0.2784，涨幅5.2%；2005年西部生态效率低于东部0.3073，2013年低0.3133，涨幅2%。中部与西部相比差距逐渐缩小，2005年西部低于中部0.0427，2013年差距变为0.035中、西部与东部间的差距虽然涨幅不大，但足以引起重视。根据图4，2005-2009-2013三年生态效率变化对比可知，生态效率较高的地区依旧集中在东南沿海地区，变化较为明显的也集中在东南沿海地区，中、西部与东部之间的差距亦未随时间变化而得到根本改变。

（二）回归分析。

为分析绿色技术创新效率对生态效率的影响，以生态效率（EE）作为被解释变量，绿色技术创新效率（GTIE）作为解释变量建立Tobit随机效应回归模型，运用stata14进行面板回归。根据式[1]建立如下回归方程：

图4 生态效率变化对比

1.实证结果。

通过单位跟检验可知所选变量都是I（1）过程，是同价单整，通过KAO协整检验可知被解释变量EE与解释变量GTIE、I、O、OB间存在协整关系，符合进行面板数据回归的要求。运用stata14建立Tobit随机效应模型，为验证模型稳定性同时进行面板OLS回归得出结果如表8。

根据表8结果可知，4个模型中绿色技术创新效率的系数均在1%水平下显著，一方面证明绿色技术创新效率对生态效率存在显著影响，另一方面也证明所建立的回归模型是稳定的。根据模型2所的结果可知：

第一，假设H1成立，绿色技术创新效率（GTIE）对生态效率有正向影响，但促进作用十分微弱。原因可能是多方面的，一方面本文选用的是大中型企业的绿色技术创新数据，并不能反应各地区总的绿色技术创新水平，但正如前文所说大中型企业在整个社会、经济发展过程中的作用是巨大的，其运营过程的“绿色”程度应该对生态效率产生重要影响，所以数据代表力不足的原因是次要的；另一方面，该结果说明目前我国工业企业的技术创新的“绿色”程度不够，不足以对我国生态效率产生巨大促进作用，我国大中型企业技术创新更注重经济效益，对生态效益的重视程度虽有提升（绿色技术创新效率增幅达18.9%）但仍不是首要考虑目标，这才是导致绿色技术创新技术效率促进作用不明显的重要原因。

表6 区域生态效率

表7 生态效率全国均值对比结果

表8 实证结果

第二，假设H2不成立，投入综合指标（I）对生态效率有负向影响。假设H2不成立原因：一方面绿色技术创新的研发投入占区域投入比例较低，以北京市R&D内部支出经费占北京市固定资产投入比例为例，样本期间该比例仅为1.4%，绿色技术创新效率通过途径3对生态效率的促进作用十分微弱；另一方面，我国现阶段发展模式“绿色”程度不高，投入提升生态效率反而下降，说明我国目前经济发展模式仍对生态造成很大压力。

第三，对生态效率影响最大的因素是投入综合指标（I）和期望产出综合指标（O）。投入综合指标（I）对生态效率的影响程度远大于绿色技术创新效率（GTIE）和非期望产出综合指标（OB），这解释了绿色技术创新效率提升明显但生态效率提升并不显著的原因。阻碍生态效率改善的主要因素并非想象中的非期望产出（工业三废等）而是投入，这说明我国资源利用效率并不高，资源投入的低效率是抑制生态效率提高的主因。投入资源促进发展，再以发展成果改善生态，这既是资源的无效率运用，也造成社会效用损失。须知效用并非减1再加1就能够弥补的，发展造成生态恶化产生的效用损失并不能简单的以改善生态来弥补，况且改善生态带来效用提高并不能完全弥补生态恶化的效用损失。我国的发展方式仍是非绿色、非效率的，这样的“非绿色、非效率”导致我国生态效率改善速度缓慢（生态效率增幅6%）。

四、结论和对策

根据前文分析，不难得出以下结论：

第一，我国绿色技术创新效率和生态效率区域分布不均衡，且不均衡态势并未得到根本改变。两者基本都呈现经济发展较好地区高于经济发展不好地区的态势，且随着时间推移这种不均衡的状态并未有大的改变。

第二，绿色技术创新效率促进生态效率提高，但目前阶段该促进作用并不明显。对生态效率产生影响的因素中，有正向作用的是绿色技术创新效率和期望产出，投入和非期望产出对生态效率有副作用，其中期望产出和投入的影响明显。绿色技术创新效率的提高意味着更少的投入和更少的非期望产出，而期望产出保持同等水平或者更高，因此绿色技术创新效率对生态效率必然产生正向影响。

第三，提高绿色技术创新效率是改善生态效率的重要途径。一方面，要依靠期望产出来促进生态效率的提高必须加大投入，而加大投入既会提高期望产出也会提高非期望产出，投入和非期望产出的负向影响会抵消期望产出的正向影响，所以依靠期望产出的提升来促进生态效率提高的路径是不可取的，既不会提高生态效率，也会导致资源利用的无效率。所以应当依靠提高绿色技术创新效率促进生态效率的改善。另一方面，绿色技术创新效率的提高，既可以促进我国生态效率提高，又能够提高我国社会发展的绿色程度和效率水平。高水平的绿色技术创新效率，可以削弱投入和期望产出对生态环境的影响程度，提高经济运行的“绿色”性，从而增强绿色技术创新对生态效率的影响程度。

鉴于当前阶段我国绿色技术创新效率处在较低水平、区域间分布不均、对生态效率促进作用不明显等现状，提出以下建议：

首先，提高企业的绿色技术创新效率。坚持绿色发展观念，加强对企业绿色技术创新的引导和支持。不能仅依靠优惠、奖励等“简单粗暴”的方式吸引企业进行绿色技术创新，必须建立绿色发展的环境，从制度层面营造绿色发展氛围，使企业融入其中，找到符合自身实际的发展路径。

其次，改善当前绿色技术创新效率分布不均的状态。缩小东中西部的差距以提高我国的总体效率水平。东部地区应加大对中西部地区的技术转移及扶持力度，促进中西部地区绿色技术创新效率的提高，进而改善中西部生态效率。同时，中西部在承接东部及国外产业转移中更应牢固树立“绿色”发展意识，提升发展水平，杜绝污染源的引进。

最后，树立“绿色”观念。社会发展方式的绿色化并非仅靠规范经济发展就能实现的，应该在全社会树立“绿色”发展观念，倡导“绿色”消费模式、生活方式加强“绿色发展观”的宣传和引导，使社会大众普遍具有绿色发展的意识，贯彻“绿色发展观”。

[1]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，（02）.

[2]肖仁桥,王宗军,钱丽.中国省际工业企业绿色技术创新效率实证研究[A].第九届（2014）中国管理学年会——技术与创新管理、国际商务谈判分会场论文集[C].广州：中国管理现代化研究会、复旦管理学奖励基金会，2014.

[3]钱丽,肖仁桥,等.我国工业企业绿色技术创新效率及其区域差异研究[J].经济理论与经济管理, 2015，（01）.

[4]黄奇,苗建军，等.基于绿色增长的工业企业技术创新效率空间外溢效应研究[J].经济体制改革, 2015，（04）.

[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，（02）.

[6]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，（07）.

[7]POPP阅.Lessons from patents:Using patents tomeasuretechnologicalchangeinenvironmental models[J].Ecological Economics，2005，（54）.

[8]许士春,何正霞,龙如银.环境规制对企业绿色技术创新的影响[J].科研管理,2012，（06）.

[9]曹霞,张路蓬.企业绿色技术创新扩散的演化博弈分析[J].中国人口资源与环境，2015，25（07）.

[10]李婉红,毕克新,孙冰.环境规制强度对污染密集行业绿色技术创新的影响研究[J].研究与发展管理，2013，25（06）.

[11]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（05）.

[12]WONG S.K.S.Environmental requirements, knowledge sharing and greenInnovation:Empirical evidence from the electronics industry in China[J].Business Strategy&the Environment，2013，22（5）.

[13]景维民,张璐.环境管制、对外开放与中国工业的绿色技术进步[J].经济研究，2014，（09）.

[14]岐洁,韩伯棠,曹爱红.区域绿色技术溢出与技术创新门槛效应研究[J].科学学与科学技术管理, 2015，36（05）.

[15]陈艳春.中国低碳城市绿色技术创新的示范效应研究[J].河北经贸大学学报，2016，37（01）.

[16]李静,程丹润.基于阅EA-SBM模型的中国地区环境效率研究[J].合肥工业大学学报（自然科学版），2009，32（08）.

[17]王兵，吴延瑞，等.中国区域环境效率与环境全要素生产率增长[J].经济研究，2010，（05）.

[18]初善冰,黄安平.外商直接投资对区域生态效率的影响[J].国际贸易问题，2012，（11）.

[19]付丽娜,陈晓红,冷智花.基于超效率阅EA模型的城市群生态效率研究[J].中国人口资源与环境, 2013，23（04）.

[20]潘丹，应瑞瑶.中国农业生态效率评价方法与实证[J].生态学报2013，33（12）.

[21]罗能生,李佳佳,罗富政.中国城镇化进程与区域生态效率关系的实证研究[J].中国人口资源与环境,2013,23(11).

[22]李胜兰,初善冰,申晨.地方政府竞争、环境规制与区域生态效率[J].世界经济,2014，(04).

[23]成金华,孙琼,郭明晶.中国生态效率的区域差异及动态演化研究[J].中国人口资源与环境，2014，24（01）.

[24]TONE K.阅ealing with undesirable outputs in阅EA:A slacks-based measure（SBM）Approach [A].日本发展研究学会论文集[C].2004.