中国绿色技术创新效率演化及其空间治理

梁 中 昂 昊

(安徽财经大学 工商管理学院， 安徽 蚌埠 233030)

在全球经济绿色转型的进程中，随着传统要素投入边际效益的渐趋下降和发展范式的全面重构，绿色技术创新之于改善环境质量和培育经济增长新动能，以及推动产业价值链“爬坡迈坎”的根本支撑意义不断凸显。与传统的碳基技术经济范式不同，绿色技术创新具有典型的“双重外部性”特征，即创新知识的正外部性和环境影响的负外部性同时并存，进而导致“双重市场失效”现象的发生(何小钢，2014)，这也表明其在创新投资、技术采纳和扩散激励等方面都存在着独有的演化逻辑。具体到中国而言，在“不平衡、不充分”的发展背景下，受区域经济基础、资源禀赋和制度环境等约束条件的影响，绿色技术创新活动不仅存有上述共性特质，同时其技术存量和产出效率还存在复杂的空间形态。从新增长理论和新经济地理学的角度来看，技术空间分布态势包含着深刻的经济意蕴，将绿色创新活动、经济环境和空间因素结合起来进行统筹分析已成为一种重要范式(梁中 等，2017)。为此，本研究利用空间分析手段，较为深入地探讨了绿色技术创新效率的空间分布特征及演化轨迹，这对于理解和把握区域间技术经济层面的内在演进规律，推动绿色创新指向的区域经济高质量均衡发展，具有重要的理论意义和政策探寻价值。

一、文献评述

绿色技术创新效率是基于绿色技术和技术创新概念延伸出来的一种绿色评价定义(Braun et al.，1994；Kemp et al.，2002)。由于绿色技术及其创新活动所涵盖要素和外延的宽泛性，导致对绿色技术创新效率的界定也存在争议，具有概念内核上的复杂多维特征(即包含技术创新、环境技术和经济效益等多重界定逻辑)。总体来看，目前多数学者将其定义为绿色创新活动中投入与产出之间的效用比例关系，如果考虑到技术创新过程不同环节的情景差异性，其还可以被分为研发投入产出和成果转化两个阶段，因此，亦有学者将绿色技术创新效率界定为技术研发效率和技术转化效率的乘积(王志平，2013；张洪潮 等，2017)。另外，从生产技术的角度来看，绿色产业活动中的实际产出和理想产出之间的差距也可以用绿色技术创新效率表示(罗良文 等，2016)。

从评价对象来看，已有文献大多选择从产业层面入手，主要包括重污染行业(吴超 等，2018)、钢铁行业(何枫 等，2015)、高技术行业(张沁梅，2018)以及更宽泛意义上的工业(钱丽 等，2015)和农业(黄安胜 等，2014)，对特定行业发展情景下的绿色技术创新效率进行评价分析；亦有少数研究从经济地理区域角度介入，着重考察绿色技术创新效率的影响因素，主要议题集中在空间外溢效应(黄奇 等，2015)、环境规制强度(刘斌斌 等，2017；刘章生 等，2018)、制度创新环境(孙宏芃，2016)和国际研发资本技术溢出(梁圣蓉 等，2019)等方面。从评价方法来看，参数法和非参数法的应用最为普遍。其中，前者主要通过随机前沿分析(SFA)来估计误差项进而确立产出距离函数(肖黎明 等，2017)，后者则更多是借助数据包络分析(DEA)、方向性距离函数(DDF)和Malmquist指数等方法进行技术效率差异分析(杨文举，2015；徐鹏杰，2018；朱光福 等，2018)。在实际应用过程中，上述测度方法各有优劣，关键取决于是否契合研究目标以及数据获取的需要。

通过文献梳理不难发现，目前直接指向绿色技术创新效率测度议题的研究总体较少，尤其是对于时空维度的绿色技术效率分布格局和重心迁移问题关注严重不足，未能充分考虑不同区域在经济发展水平、绿色技术创新资源和技术创新能力等方面的异质性问题，导致相关政策建议由于忽略了中国区域经济情景特质而失于宽泛性。此外，还应关注到的是，在“三期叠加”的经济发展新常态下，中国绿色技术创新效率的空间变迁态势极为复杂，多种资源配置矛盾和多元区间利益因素相互交织影响，这也决定了在研究范式上需要坚持更为宽域的空间治理视角。然而，现有文献基本忽略了该议题，这不仅会降低理论解释力度，同时也会削弱新时期绿色技术创新政策设计的空间战略属性。

二、中国绿色技术创新效率的测度及其时空变化

(一)测度方法

本研究重点关注的是绿色技术创新效率的时空演化轨迹问题，考虑到计算的客观性和数据的可得性，采用数据包络分析方法可以使用不同量纲指标，并且不需要主观设定指标权重，从而能避免主观偏差问题。为此，本文选择通过DEA模型来进行效率测量和结果分析，在此基础上，进一步引入重心模型对绿色技术创新效率的时空迁移趋势进行研判。另外，针对传统DEA模型中的CCR模型只能处理具有不变规模报酬特征的决策单元问题，Banker et al.(1984)提出了可以处理可变规模报酬的BCC模型，即当不是所有决策单元都处于最佳规模时，可变规模收益模式(variable returns to scale，VRS)使得技术效益的测算不会受规模效益的影响。考虑到绿色技术创新是一种包含多投入多产出的复杂效用关系，其效率更多是反映上述多投入多产出之间的转化效率(冯晓莉 等，2012)，故本文采取DEA-BCC模型作为测量工具，以更精准地定位分析绿色技术创新效率的影响因素。具体模型如下(高萍 等，2018)：

(1)

(2)

当gk=0时，表示该决策单元处于技术无效率状态。当0

对于尚未达到技术有效的决策单元(即gk<1)，为实现其效率最优目标，需要对投入产出做出以下调整：

(3)

(4)

式(3)、(4)中，ΔYik表示要达到技术有效需要减少的投入，ΔXrk表示要达到技术有效需要增加的产出。

(二)指标选取及数据来源

1.指标选取

基于绿色技术创新活动的复杂性，单一指标要素难以全面反映其运行效率，为此本研究从多维投入与多维产出角度进行指标构建分析。在借鉴已有相关研究成果的基础上，按照资本、人力、能源/环境三个大类构建投入指标，产出指标分别对应为经济产出、技术绿色产出、能源/环境产出(见表1)。其中，资本投入为R&D经费支出资本存量，由于资本产出是由当期投入和以前存量共同决定的，所以用当年R&D内部经费支出作为该年投入流量，采用永续盘存法估算其存量。同时，因为创新投入产出存在一定时滞性，参照既有研究普遍的观点，该指标平均滞后期取K=1,其余各指标取滞后期为2年(肖仁桥 等，2015；王海龙 等，2016)。绿色技术创新投入时间跨度为2003—2014年，产出时间跨度为2005—2016年。则Ki，t=Ei,t-1+(1-τ)Ki,t-1,其中，Ki,t是i地区第t期的R&D资本存量，Ei,t是i地区第t期的R&D经费支出，τ=15%是折旧率(Griliches，1980)，基期(2003年)。i地区R&D资本存量的计算公式为Ki,2003=Ei,2003/(gi+τ),其中,gi为i地区样本期内按复利法计算得出的R&D经费内部支出的年均增长率。人力投入指标采用R&D人员全时当量来表示，能源/环境投入采用非煤炭消费占能源消费比重来指代，具体根据区域各年煤炭消费总量与能源消费总量的比值然后求倒数得出。在经济产出指标选取方面，现有文献多采用宽泛意义上的新产品销售收入进行衡量，为尽可能提高指标的精度，本研究以更能集中反映绿色技术经济产出的高技术产业新产品销售收入作为评价指标；技术产出采取常用的专利申请授权数表示；能源/环境产出用区域生产总值与区域能源消耗总量的比值即能耗产出率表示。

表1 绿色技术创新效率投入产出指标

2.数据来源

R&D人员全时当量、R&D资本存量数据来源于《中国科技统计年鉴》；能耗产出率数据来源于《中国环境统计年鉴》；高新技术产业新产品销售收入数据来源于《中国高技术产业统计年鉴》；专利申请授权数据来源于《中国统计年鉴》；煤炭消费总量和能源消费总量数据均来源于《中国能源统计年鉴》。考虑到数据的可得性及完整性，本研究主要选取除西藏、港澳台地区之外的30个省份作为研究对象。

(三)中国区域绿色技术创新效率空间分布状况

如上所述，DEA-BCC是基于传统DEA-CRR扩展而成的可变规模报酬模型，其扩展的优势是可以将技术效率分解为纯技术效率和规模效率，即技术效率为纯技术效率和规模效率的乘积(易明 等，2018)。按此方法，把绿色技术创新效率界定为纯技术效率(vrste)与规模效率(scale)的乘积，见式(5)。其中，纯技术效率表示绿色技术资源的配置和利用水平，规模效率表示绿色技术创新产业规模集聚水平。

crste=vrste×scale

(5)

在此基础上，运用DEAP 2.1软件，计算得到2005—2016年中国30个省份绿色技术创新效率及其组成成分。根据国家统计局的划分方法，将30个省份划分为东部、中部、西部和东北四大经济区域，相关分析结果见表2。

表2 2005—2016年中国绿色技术创新效率及其组成分析

在纯技术效率方面，中部地区领先，除湖北小于0.9以外，其余省份效率值都高于0.9；东部地区次之，北京、江苏、浙江和广东等发达地区效率值最高达到1，效率值高于0.9的省份有8个；西部地区除四川、陕西和甘肃外，其余8个省份的效率值均高于0.9；东北地区只有吉林高于0.9，其余省份均低于0.9。纯技术效率均值的排序为：中部地区(0.964)>东部地区(0.954)>西部地区(0.938)>东北地区(0.831)。在规模效率方面，四大区域的差异较为明显，东部地区显著领先，除河北和山东之外，其余省份效率值均高于0.9；西部地区和东北地区严重滞后。规模效率均值的排序为：东部地区(0.928)>中部地区(0.834)>西部地区(0.775)>东北地区(0.768)。

图1 区域绿色技术创新效率的对比情况

综合来看，东部地区绿色技术创新效率最高，各省份效率值主要集中在0.9至1之间，平均值为0.890。中部地区次之，各省份效率值主要集中在0.7至0.9之间，平均值为0.804。西部地区各省份效率值主要集中在0.5至0.8之间，平均值为0.727。东北地区各省份效率值则处于0.4至0.7之间，平均值为0.644。图1展现了不同区域之间绿色技术创新效率的对比情况。

(四)中国绿色技术创新效率时空演化分析

为更准确地把握绿色技术创新效率的动态演进趋势，本研究将对其时空维度上的动态变化情景做进一步判定。在数据分析区间设定方面，考虑到“五年规(计)划”与中国绿色技术创新及发展脉络的密切关联性，采用各期相互衔接的方式，即以“十五”计划末为起点，将研究期间分为三个阶段：第一阶段为“十五”计划末至“十一五”规划中期(2005—2008年)；第二阶段为“十一五”规划末至“十二五”规划中期(2009—2012年)；第三阶段为“十二五”规划末至“十三五”规划初期(2013—2016年)。上述划定既有利于对绿色技术创新效率的阶段性演化进程展开比较分析，又可以兼顾四个时期影响效应的连续性。通过计算各个期间省级绿色技术创新效率的平均值，按照效率值的大小，将30个省份的绿色技术创新效率的演化强度区分为4个级别，即低效率区域(0≤绿色技术创新效率<0.6)、中低效率区域(0.6≤绿色技术创新效率<0.75)、中高效率区域(0.75≤绿色技术创新效率<0.9)、高效率区域(0.9≤绿色技术创新效率≤1)。相关测算结果见表3。

在第一个考察阶段，绿色技术创新效率“高效率区域”有11个省份，主要分布在东部沿海地区和中部地区，即浙江、天津、海南、福建、广东、安徽、江西等。“中高效率区域”有4个省份，即河南、新疆、重庆和山东。“中低效率区域”包含8个省份，主要分布在西部地区和东北地区，如四川、云南、黑龙江和吉林等。“低效率区域”有7个省份，主要分布在西部地区和华北地区，如青海、甘肃、宁夏、辽宁等。

在第二个考察阶段，绿色技术创新效率“高效率区域”数量较第一阶段有所减少，共有10个省份，主要分布在东部沿海发达地区，如广东、福建、江苏、浙江等。“中高效率区域”数量有所增长，共8个省份，如上海、北京、河南、贵州等。“中低效率区域”数量有8个省份，主要分布在西部地区，如青海、四川、陕西等。“低效率区域”共有4个省份，主要集中在华北地区，即甘肃、山西、河北、辽宁。

在第三个考察阶段，“高效率区域”较第二阶段开始明显增长，达到13个省份，主要分布在东部沿海地区、中部地区以及部分西部和东北地区，如福建、广东、江苏、重庆、吉林等。“中高效率区域”有7个省份，主要分布在华北地区和西部地区，如北京、天津、四川、陕西等。“中低效率区域”仅有4个省份，即黑龙江、新疆、内蒙古和上海。“低效率区域”有6个省份，以华北地区和西部地区为主。

综合上述三个阶段的区域效率值变化情况来看，在观察期内中国绿色技术创新效率整体处于上升通道，即到“十三五”规划初期，中国大部分省份处于“高效率区域”和“中高效率区域”，其中东部发达地区提升速度显著大于其他区域。另外，从区域变化结构来看，“中低效率区域”向高水平区间转化趋势最为明显，但“低效率区域”数量变化较小，且分布稳定，反映了在绿色技术创新的空间演进中存在一定的“区域锁定”问题。

表3 2005—2008、2009—2012、2013—2016年中国省域绿色技术创新效率分级

三、中国绿色技术创新效率重心迁移及对比分析

(一)绿色技术创新效率重心计算模型

为把握绿色技术创新效率在空间分布上的均衡程度和变化特征，还需借助重心分析手段来观测其在大尺幅范围内的移动轨迹。重心所在的空间位置，代表着周围区域的绿色技术创新效率处于“高密度”状态，即在该点的各个方向上维持相对均衡。在特定期间内，当某区域的效率值所占比重较大且快速增长时，绿色技术创新效率重心就会向该位置渐趋移动，从而可能呈现具有一定规律的迁移轨迹。对重心迁移轨迹的刻画分析，不仅有利于明晰其动态演化趋势，也有助于制定有区域针对性的效率提升政策。

本研究假设30个省级区域处于同一均质平面，各省级的绿色技术创新重心位于各省的省会城市，相关测算参照卢俊宇等(2013)、李恒等(2016)使用的方法，具体如下：

(6)

(7)

(8)

(9)

式(8)、(9)中，R代表地理坐标转化为平面距离的系数，取值111.111(高军波等，2018)；R×(LONGt-LONGj)和R×(LATt-LATj)分别表示绿色技术创新效率重心在经度和纬度上的移动距离。

(二)绿色技术创新效率重心分析

采用ArcGIS 10.2软件确定30个省份的地理坐标，依据重心公式计算2005—2016年的绿色技术创新效率重心及迁移方向和移动距离，结果见表4。

表4 2005—2016年中国绿色技术创新效率重心空间动态迁移轨迹

注：移动距离单位为km，重心位置单位为“度”。

从经纬度上看，2005—2016年中国绿色技术创新效率重心位置位于东经112.507°～113.247°和北纬32.324°～32.616°之间，即基本落点在中国中部的河南和湖北交界地带。根据移动尺度可将移动轨迹划分为三个时间段：2005—2009年、2010—2013年、2014—2016年。在第一阶段，绿色技术创新效率重心波动较大，主要移动方向为西南；在第二阶段，迁移方向整体转向为东南，但波动幅度变小；在第三阶段，开始重新大幅度转向西南方向。总体来看，迁移距离最大的是2009年的39.630km，最小的是2014年的4.094km(仅有最大迁移距离的10.3%)。从移动方向来看，中国绿色技术创新效率重心主要朝西南方向迁移，其中纬度上向南迁移0.292°，实际移动距离为32.444km；经度上向西迁移0.74°，实际移动距离为82.222km。综合对比分析，可以发现，2005—2016年中国省域绿色技术创新效率重心迁移平均移动距离为20.099km，其中经度上的偏幅明显更大，这表明绿色技术创新效率的东西差异远大于南北差异，即东西方向上的绿色产业技术发展不均衡是引致重心偏离的主要原因。

(三)绿色技术创新重心与经济重心、高技术产业重心的对比分析

通过前述分析可知，中国绿色技术创新效率的时空分布与重心迁移具有显著的区域聚类和分化特性，即均与宏观意义上的经济发展梯度密切相关。由于绿色技术创新效率成因和区域差异的复杂性，既有文献从经济基础、产业结构和政策规制等不同维度进行了大量探索，但研究目标主要集中在影响因素的关系判定上，对其时空演化轨迹的比较分析尚关注不足。为此，本研究从经济分化和产业分化而可能引致的创新效率区域分化现象这一逻辑出发，选择经济重心和高技术产业重心(作为绿色技术最为集中的产业领域，其发展水平直接影响绿色技术创新效率)为参照对象，来观测其与绿色技术创新效率重心在迁移轨迹上是否具有相关性，以期更深刻地洞察相关内在运动规律。

表5 2005—2016年中国经济重心与高技术产业重心空间动态迁移轨迹

注：移动距离单位为km，重心位置单位为“度”。

此处两个重心的测算原理和公式与前述一致，其中，经济重心用省份GDP数据计算，高技术产业重心用省份高技术产业主营业务收入与企业数量的比值计算，两个重心的位置移动方向和移动距离结果见表5。从中可见，2005—2016年中国经济重心整体上向西南方向迁移，纬度上向南迁移0.609°，实际移动距离为67.67km；经度上向西迁移0.287°，实际移动距离为31.89km，且2005—2016年中国各省份经济重心迁移平均移动距离为8.908km。通过与绿色技术创新效率重心的对比可知，两者在纬度上均是向南方向移动，在经度上总体也向西运动，但经济重心的迁移距离和移动幅度远小于绿色技术创新效率重心(8.908<20.099)。高技术产业重心在迁移路径上亦表现出相似的轨迹，然而与经济重心移动相对滞后的情形相反，其重心迁移距离和移动幅度整体大于绿色技术创新效率重心，这表明高技术产业的发展水平对绿色技术创新效率的带动作用更明显。综上可知，2005—2016年间，中国的经济重心、高技术产业重心和绿色技术创新效率重心在东西方向上均出现了一致性的梯度转移趋势，尤其是中部地区在中国发展格局中的地位显著提高。

四、结论与思考

(一)主要结论

(1)从省域层面来看，中国绿色技术创新效率在空间分布上呈显著不均衡性，同时表现出一定的分化和聚集特征，即江苏、浙江、广东等东部地区经济发达省份总体效率最高，山西、辽宁、甘肃、青海等欠发达地区省份普遍较低，四大经济区域整体上呈现为“东部—中部—西部—东北”依次递减的格局。基于本研究的测定指标，上述空间态势的形成，主要取决于东部地区和中部地区相对较高的规模效率及纯技术效率，这也表明西部地区、东北地区在绿色产业规模集聚和创新资源配置方面发展较为滞后。

(2)从时空维度上的变化状态来看，中国绿色技术创新效率整体呈上升趋势，其演进过程存在两个突出的特点：一是“高效率区域”和“中高效率区域”数量增长较快，从“十五”计划末期的15个省份上升到“十三五”规划初期的20个省份，各区域效率值由低水平向高水平区间演化的趋向明显；二是区间增长结构上存在“锁定”现象，即在“高效率区域”和“中高效率区域”数量显著提升的同时(主要来自“中低效率区域”的转化贡献)，“低效率区域”的总量并未有效减少，其中虽有少部分省份出现提升变化但总体保持稳定，且集中分布在宁夏、青海、山西、河北、辽宁等经济欠发达地区。

(3)从绿色技术创新重心的空间分布和运动轨迹来看，在研究期内其重心落点变化范围不大，基本分布在中国地理的中心区域，即豫鄂两省的交界地带(主要为唐河县、桐柏县、新野县和枣阳市)，且总体呈现由东向西迁移的趋势。通过与经济重心和高技术产业重心的对比分析发现，三者在落点区域和空间运动方向上都具有明显的趋同性，但在运动距离上存在较大差异，其中绿色技术创新效率重心的迁移幅度和波动范围总体上大于经济重心，小于高技术产业重心。这表明，一方面，绿色技术创新效率重心的空间变化格局，与中国东西方向上经济和高技术产业发展的梯度转移趋势有较强的相关性；另一方面，相较于经济因素，绿色技术创新效率与高技术产业之间在发展向度上的契合性更高。

(二)关于绿色技术创新空间治理问题的思考

中国绿色技术创新效率空间分布上的不均衡性，本质上是一种“技术-经济-环境”系统运行的结果，其不仅直接指向技术和产业层面的绿色化嬗变问题，同时还蕴含着更为复杂的空间治理逻辑。但从既有文献来看，目前学者仍主要侧重于对前者相关议题的探索，如绿色技术创新效率评价、影响因素判断和区域差异分析等，而对空间治理层面的理论建构和政策安排问题尚缺乏足够关注。有鉴于此，我们提出如下三点思考，以供后继研究参考。

(1)中国经济地域的广阔性和要素禀赋的区间异质性，决定了对绿色技术创新效率问题的探讨，应坚持更为宽广的“空间治理”视野，其作为一个含纳资源环境科学、管理科学和公共政策学的整合性解释框架，亦将是该领域未来研究的重要范式。具体而言，绿色技术创新空间治理的理论逻辑包括两个方面：一是从战略层面建立空间治理基准，立足于实现经济、技术和资源环境空间协调发展的目标，在科学判定绿色技术创新效率空间构成、空间秩序和空间演化趋势的基础上，明确其创新资源和产业布局的总体调适方向；二是考虑到区域绿色技术创新资源和多元利益主体间协调的复杂性，强调构建基于政府、市场、法制和社会多方力量参与的新公共治理机制，以有效兼容不同区间的利益诉求，并克服绿色政策设计过程中的“碎片化”与“弱整体性”倾向(冉连，2017)，形成空间共生系统意义上的新治理秩序。

(2)从空间治理的政策构建层面而言，需重点把握不同空间尺度上的差异化政策取向协同问题，以实现系统治理与分类治理之间的内在平衡。为此，一方面，应根植区域资源禀赋、绿色技术创新水平、产业基础的具体情景，在界定不同经济空间和不同层级政区治理目标的基础上，建立具有战略一致性的多目标整合机制，并籍此推动区间统筹治理(例如引导创新要素向低效率水平地区流动、提升高效率水平区域绿色技术创新的空间溢出效应、对技术创新锁定区域实施系统“解锁”行动等)；另一方面，为提高多区间和多层级间的治理协同性，还需重塑绿色技术创新空间治理的传统组织模式，探索构建更具融合性和开放性的政策实施系统，推动形成以“战略大区—跨省行政区域—省内跨市区域”为尺度的纵向治理层级和横向治理部门间的多主体联动机制。

(3)从面向未来的空间治理技术来看，大数据将在提高绿色技术创新治理决策的系统化、智能化和精准化方面发挥关键作用。随着云计算和空间信息处理技术的快速发展，以及国土空间基础数据的不断完善，“数据驱动”已成为实现国家空间治理能力现代化的重要途径。然而，目前中国在绿色技术创新空间治理实践中尚存有巨大的数据供需鸿沟，亟待解决以下两个核心问题：一是空间治理大数据平台的顶层设计问题，即如何通过对多尺度空间数据资源的融合集成、存储挖掘和交互处理(重点包括绿色技术空间存量分布、知识产权转移、区间创新要素流动、碳排放活动等信息数据)，来真正发挥其在绿色创新资源空间配置、创新绩效评估和绿色园区空间规划等方面的决策支撑功能；二是作为一种革命性的新技术形态，空间大数据的科学管理体系远未完善，尚需对多源数据之间的汇聚流程、共享规制和开放标准进行整体性设计，以形成有序的数据管控、参与激励和决策协同机制，为绿色技术创新空间大数据治理行动的可持续推进提供保障。