安徽省城市绿色创新效率评价

邱睿

摘要：采用包含非期望产出的基于松弛变量法（Slacks-based Measure ，SBM）模型结合Tobit面板回归模型，测算了安徽省16个地级市2010～2018年间的绿色创新效率，并对其影响因素进行分析。研究结果表明：研究期内安徽省总体绿色创新效率呈现逐步上升趋势，地区间效率水平差异显著;地区经济发展水平及政府支持力度对绿色创新效率起正向驱动作用，产业结构水平对绿色创新效率起负向作用。

关键词：绿色创新效率;Undesirable-SBM模型;面板Tobit回归模型

0 引言

随着生态环境问题日趋严峻，人类针对经济社会如何科学发展展开深刻讨论，可持续发展逐步成为全球推崇的发展理念。我国的“十三五”规划明确提出“创新、协调、绿色、开放、共享”五大发展理念，“创新”被摆在首要位置。而党的十九大则报告指出加快生态文明体制改革，生态文明建设已成为中国特色社会主义事业的重要内容。由此可见，将绿色与创新相融合，发展区域绿色创新，提升区域绿色创新能力已经成为我国当前的重要任务。

安徽省临近江浙沪，地理位置优越，近年来一直保持经济快速增长的态势，但受限于传统的发展模式，创新能力不足，在经济发展的同时也埋下了诸多环境隐患。2019年，安徽省全域加入长三角一体化发展，这一举措为安徽省的发展注入了强大动力，同时也对其发展质量提出了更高的要求。《长三角一体化发展规划纲要》中明确提出坚持创新共建和坚持绿色共保的发展原则。安徽省作为长三角的重要组成部分，贯彻落实绿色发展理念，协调城市经济社会发展与生态环境的关系，提升绿色创新效率成为现阶段经济转型的主要方向。

1 文献综述

有关绿色创新的研究可追溯到上世纪90年代，Fussler C等[1]在1996年出版的著作中首次提出绿色创新的概念，他们认为绿色创新是能够为消费者和企业提供价值的同时能显著减少对环境影响的新产品或者新工艺。绿色创新效率的测度方法主要分为基于参数的随机前沿分析法和基于非参数的数据包络法。肖黎明等[2]使用基于超越对数和产出距离函数改进后的随机前沿模型测度中国30个省份的绿色创新效率。曹霞等[3]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，改进随机前沿模型，得出了更加有效的测度结果。由于随机前沿分析方法自身存在较多限制，而数据包络分析法（Data Envelopment Analysis，DEA）对投入产出限制较少，方法形式多样，可根据研究需求选择相应形式DEA模型，更多学者倾向于使用数据包络分析方法测度效率。梁中等[4]运用DEA-BBC模型测算出中国30个省区绿色技术创新效率，发现中国绿色创新效率整体呈现上升态势，且在空间分布上表现出一定的分化和聚集特征。滕堂伟等[5]运用Super-SBM模型结合GML指数刻画了长三角城市群绿色创新效率的空间分异和空间关联效应。文泽宙等[6]从区域异质性角度出发，運用SBM-DEA模型测算区域绿色创新效率，并构建空间杜宾模型剖析影响因素对绿色创新效率的空间效应。

对于绿色创新效率的影响因素，学者们的研究大多集中在经济发展水平、产业结构水平、政府支持力度和对外开放水平等方面。李健等[7]通过构建空间滞后模型得出，经济发展水平、政府资助力度、城市信息化程度、城市文化水平和产业结构等因素均对京津冀地区绿色创新效率有正向驱动作用。邝嫦娥等[8]此构建面板门槛回归模型证明了影子经济与绿色创新效率之间存在双重门槛，且呈现出倒“N”型特征且政府管制、交通条件、受教育程度、外商直接投资水平、产业结构、城市化水平也不同程度地影响绿色创新效率。

通过对以往文献的梳理可以发现，国内学者在选择研究尺度时更倾向于选择某产业或区域，从省域角度研究的文献较少，且在效率分析过程中，大多学者关注点放在整体分析，未深入到内部城市层面，这可能会忽略城市间发展的不均衡性。在测度方法的选择上，大多学者未考虑非期望产出，而这可能会导致测得的效率结果偏大，从而缺乏准确性。基于此本文在已有研究的基础上，构建包含非期望产出的SBM模型对安徽省16个地级市的绿色创新进行测度，并分析其影响因素，以期为安徽省绿色创新效率的提升提供参考。

2 安徽省绿色创新效率评价

2.1 安徽省绿色创新效率评价方法

以往大多学者采用传统DEA模型测算绿色创新效率，但传统的DEA模型是径向的、角度的，对决策单元无效率的测度只考虑无效率决策单元达到效率前沿面的等比例改进的部分，未考虑松弛改进部分，同时必须从投入或产出单一角度考虑，这些都会给测量结果带来偏差。此外，传统DEA模型只考虑期望产出，会使得测算的结果偏高，因此本文选用Tone K [9]中给出的包含非期望产出的SBM-DEA模型用来测度安徽省城市绿色创新效率，模型规划式如下：

2.2 评价指标体系构建

指标的选取要符合安徽省经济发展特征，同时也要遵循科学性，系统性，可操作性等原则。基于此，在投入指标方面，本文选择国际上较为通用的研究与开发（Research and Development，R&D）人员全时当量作为劳动力投入，R&D经费内部支出作为资本投入，地区万元生产总值能耗作为资源投入。在产出指标方面，选取有效发明专利数和新产品销售收入作为期望产出，选取工业废水、废气和固体废物排放量作为非期望产出。安徽省绿色创新效率评价指标体系图如图1所示。

2.3安徽省绿色创新效率评价结果

基于包含非期望产出的SBM模型，运用MATLAB软件，计算得出2010～2018年安徽省16个地级市的绿色创新效率，安徽省绿色创新效率的测算结果表如表1所示。数据主要来源于《安徽统计年鉴（2011～2019）》与安徽省生态环境厅。

从时间上看，安徽省各地市2010～2013年间的绿色创新效率呈现出先下降后上升的态势，2011年是整个研究期内绿色创新效率值最低的一年。2011年是“十二五”规划实施的第一年，行政区域的重新划分以及产业结构的调整引起区域绿色创新水平的波动，导致效率均值出现短暂下降态势。从2013年往后，安徽省绿色创新效率均值保持缓慢上升的势头，这表明安徽省坚持产业转型、创新发展的政策取得了一定成效。

为了更直观的比较各城市之间绿色创新效率的差异，本文将已测得的效率值划分为三类，高于0.8的属于高效率区，0.6～0.8之间的为中效率区，低于0.6的为低效率区，安徽省地级市绿色创新效率分布图如图2所示。

从地级市层面看，安徽省16个地级市中，仅有合肥、芜湖，黄山等少数地市的个别年份达到了DEA有效边界，大部分城市的效率值仍未达到生产前沿面，还存在较大的改进空间。芜湖市绿色创新效率均值为0.843，位于安徽省首位，且自2016年来连续三年处在生产前沿面上，达到了DEA有效状态。芜湖位于长江三角洲西南部，区位条件优异，近年来积极融入长三角一体化发展，发展新动能，加强产业协同，汇集了机器人、通用飞机等一大批创新企业，在推动创新发展的同时坚持以生态优先绿色发展为导向发展路线，大力整治长江干流岸线，开展生态复绿工作，多项举措并行，推动芜湖市绿色创新效率不断提升;黄山市绿色创新效率均值为0.806，处在安徽省第二位。黄山市主打旅游业和服务业，第三产业占比高，在充分发挥黄山得天独厚的资源优势的同时坚持绿色发展路线，环境治理取得良好成效，各项污染物排放水平均处在安徽省低位;淮南市的绿色创新效率均值为0.552，处在低效率区。可能是由于淮南市是传统资源型城市，污染物排放水平较高，创新人力财力的投入不够充足，而高新产业相对其他城市又相对较少，传统产业转型压力大，致使淮南市的绿色创新效率难以得到有效提升。

3 安徽省绿色创新效率影响因素分析

3.1 影响因素变量的选择

绿色创新效率水平受多种因素影响，本文参考以往学者的研究选取经济发展水平、产业结构水平、政府资助水平和对外开放水平四个方面分析对其对绿色创新效率的影响。

3.1.1 经济发展水平

城市绿色创新效率与经济发展之间的作用是相互的，一方面经济水平的提升可以为绿色创新产业的发展提供良好的经济基础，从而加快产业结构升级，促进创新文化和环境的形成。另一方面，随着经济水平的提升，居民对美好生活环境的需求也会提升，会反过来加速城市产业结构升级，逐步淘汰高污染、高能耗的行业，转向更环保、更高效的产业。本文选择人均GDP代表经济发展水平，该指标预计回归系数为正。

3.1.2 产业结构水平

当前研究一般认为第三产业的发展对环境质量影响较小，而以工业为主的第二产业的发展会消耗大量资源并带来一系列环境问题，制约绿色创新效率的提升。本文选取第二产业总产值占GDP的比重代表产业结构水平，该指标预计回归系数为负。

3.1.3 政府支持力度

创新的主体是企业，而政府的支持在企业创新活动中起着不可或缺的作用。一方面，政府通过资金、政策的支持，可以缓解企业创新活动开展过程中的资金难题，激发企业创新活力，降低创新成本。另一方面，政府的干预会在一定程度上对企业的研发投入产生“挤出效应”，抑制企业创新活动的开展。本文选择科教支出占财政支出的比重表示政府支持力度，该指标对绿色创新效率的影响暂不明确。

3.1.4 对外开放水平

对外开放可以促进生产要素流通，加快地区财富积累，但同时也要承受大量资源消耗和生态环境受损的代价。外资的引进可以弥补本国经济发展的资金缺口，同时通过技术外溢效应显著提升东道国的绿色创新效率。但另一方面，发达国家会将高污染、高能耗的企业转移到后发国家，这会限制后发国家的绿色创新产业发展。本文选取实际使用外资金额代表对外开放水平，该指标对绿色创新效率的影响暂不明确。

各影响因素名称、符号、单位和衡量指标如表2所示。

构建以绿色创新效率值为因变量，人均社会生产总值的自然对数、第二产业总产值占GDP的比重、科教支出占财政支出比重以及实际使用外资金额为自变量的Tobit回归模型。

3.3安徽省綠色创新效率影响因素分析

运用Stata15软件对上述变量进行Tobit面板回归，所得回归结果如表3所示。

通过上述回归分析可得到以下结论：

第一、经济发展水平系数估计值为正，并且通过了1%的显著性水平检验，这表明经济发展对安徽省绿色创新效率有显著的促进作用。这一实证结果表明随着经济发展水平的提高，人们收入不断增加，对优质环境的需求更加强烈，进而推动了绿色创新活动的开展。此外，区域经济发展水平的提高，也为创新技术的研发和环境整治活动提供了有力的资金保障。

第二、产业结构水平系数估计值为负，并且通过了1%的显著性水平检验，表明以工业为主的第二产业发展会显著负作用于绿色创新效率。这也符合以工业为主的淮南市绿色创新效率值较低的结果，重工业的发展会带来多种环境问题，造成绿色创新效率的下降。

第三、政府科教支出占财政支出的比重系数估计值为正，并且通过了5%的显著性水平检验，表明政府的资助水平与绿色创新效率存在明显正相关关系，合理地利用政府这双“看得见的手”，通过必要的政策扶持和资金支持，可以有效弥补市场体制机制的不足，激发企业绿色创新活力，进一步绿色创新水平。

第四、对外开放水平对安徽省绿色创新效率的影响为正，但未通过显著性水平的检验，这说明对外开放的程度还不能够有效的提升城市绿色创新水平。这可能是由于安徽省大部分绿色创新产业还处在初级阶段，未能充分利用好技术外溢效应，难以发挥外商企业的示范效应，导致对外开放的积极作用还没有完全体现出来。

4 结论与建议

第一，安徽省各地级市绿色创新效率时空差异明显。从时间上看安徽省总体绿色创新效率呈现上升趋势，且保持了较快的上升速度，但截至2018年，大部分地级市仍未达到DEA有效状态，还存在较大改进空间;从城市层面看，各地级市间效率水平存在较大差异，针对当前地区发展不平衡的情况，安徽省各地级市应采取绿色创新发展定制化政策，依据各城市当前绿色创新能力水平，在加强城市间合作同时注重因地制宜，采取具有针对性的扶持政策协调各地级市发展和环境间的关系，合理引导绿色创新活动的发展。

第二，从影响因素看，经济发展水平是安徽省绿色创新效率最显著的影响因素，其次是产业结构水平，政府支持力度虽系数较小，但通过了5%水平下的显著性检验，表明政府支持力度对绿色创新效率存在一定正向驱动作用。可以看出安徽省各地级市推动绿色创新发展的首要任务是促进经济发展，各地级市要依据自身要素禀赋发展优势产业，逐步推进产业升级。政府要继续加大对绿色创新项目的支持，提供良好的创新环境，构建绿色创新开放平台，整合省内外资源，促进绿色创新资源要素流动，增强城市间的人才和资源的交流互动，促进绿色创新能力的共同提升，加快推进绿色创新协同发展的进程。

参考文献：

[1] Fussler C，James P. Driving Eco-Innovation：A Breakthrough Discipline for Innovation and Sustainability[M]. London：Pitman Publishing，1996.

[2] 肖黎明，高军峰，韩彬.中国省际绿色创新效率的空间溢出效应——同质性和异质性检验[J].工业技术经济，2018，37（4）：30-38.

[3] 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.

[4] 梁中，昂昊.中国绿色技术创新效率演化及其空间治理[J].财贸研究，2019，30（8）：16-25，63.

[5] 滕堂伟，瞿丛艺，胡森林，等.长三角城市群绿色创新效率格局分异及空间关联特征[J].华东师范大学学报（哲学社会科学版），2019，51（5）：107-117.

[6] 文澤宙，夏慧辉.区域绿色创新比较研究——基于我国东、中、西部285个城市的经验证据[J].改革与战略，2019，35（5）：103-114.

[7] 李健，马晓芳.京津冀城市绿色创新效率时空差异及影响因素分析[J].系统工程，2019，37（5）：51-61.

[8] 邝嫦娥，文泽宙，彭文斌.影子经济影响绿色创新效率的门槛效应[J].经济地理，2019，39（7）：184-193.

[9] Tone K.Dealing with Undesirable Outputs in DEA：A Slacks-based Measure （SBM） Approach[J].The Operations Research Society of Japan. 2004（5） ：44-45.

[责任编辑：郑笔耕]