长江经济带工业绿色技术创新效率的时空分异研究

闫华飞 肖静 冯兵

摘 要：随着长江经济带发展战略的深入推进，绿色技术创新已成为其绿色发展、可持续发展的必然选择。工业是绿色技术创新活动的重要承担者。本研究基于超效率SBM和Malmquist指数模型，运用2013—2017年长江经济带沿线11省市的面板数据，对其工业绿色技术创新效率进行静态测度与动态分析。研究结果显示：长江经济带工业绿色技术创新效率总体较低，各年效率均值皆小于1;但长江经济带、上中下游以及江西等8个省市的工业绿色技术创新效率都实现了增长;技术创新效率的增速高于技术进步的增速;区域与省级层面的技术创新效率及变化呈现明显的时空分异特征。最后，提出提升工业绿色技术创新效率的对策建议。

关键词：长江经济带;工业;绿色技术;创新效率;MI指数

基金项目：国家社会科学基金项目“绿色发展视角下长江经济带工业分工与协作研究”（17BJY080）;湖北省软科学项目“湖北省磷化工产业技术创新效率评价与提升对策研究”（2018ADC058）;湖北省教育厅人文社科重点项目“湖北省科技型小微企业成长的影响因素及其作用机理研究”（17D045）。

[中图分类号] X38 [文章编号] 1673-0186（2020）003-0006-012

[文献标识码] A     [DOI编码] 10.19631/j.cnki.css.2020.003.001

长江经济带横跨我国东、中、西部，是经济体量最大、生态资源最盛、发展潜力最强的经济地带，也是我国生态文明建设的先行示范带、创新驱动带，在推动我国经济高质量发展方面發挥着重要作用[1-2]。党的十九大明确提出要通过构建市场导向的绿色技术创新体系推动绿色发展。《工业绿色发展规划（2016—2020年）》进一步指出关键绿色技术创新是地区经济持续发展的重要动力，在日益严峻的资源约束环境下应大力发挥绿色科技创新对工业绿色发展的引领作用。

传统的工业发展模式及布局使得长江经济带环境污染现象日益突出，与绿色发展、可持续发展等理念相悖。在当前国家高度重视工业绿色发展的政策背景下，把握长江经济带绿色技术创新现状、引导工业企业大力开展绿色技术创新活动，对长江经济带高质量发展具有重大现实意义。那么，长江经济带及各区域的工业绿色技术创新效率究竟如何、区域间差异怎样、动态趋势如何演化等问题亟须解答。本研究将基于超效率SBM和Malmquist指数模型，运用2013—2017年长江经济带沿线11省市的面板数据，对其工业绿色技术创新效率进行静态测度与动态分析。

一、文献回顾

（一）工业与绿色技术创新

绿色技术创新是绿色创新的核心组成部分，包含绿色工艺、绿色材料、绿色设备、绿色产品设计等技术的创新。欧盟委员会将其定义为：遵循生态原理及经济规律，节约能源和资源，减轻或消除生态环境破坏和污染，达到生态负效应最小的“无公害化”或“少公害化”的技术、工艺和产品的总称[3-5]。工业在绿色技术创新活动中的基础研发、专利申请、成果转化等方面发挥着主体作用，是绿色技术创新活动的重要承担者。在环境污染日益严重的背景下，引导工业大力开展绿色技术创新活动、提升绿色技术创新效率具有重要现实意义[6]。

（二）绿色技术创新效率

现阶段，学界对绿色技术创新效率的研究大多集中于效率评价、影响因素以及对策研究三个方面。

效率评价主要从评价视域和评价方法两方面展开。效率评价视域主要集中于区域、城市与产业三个层面。丁显有[7]和孙丽文[8]分别以长三角城市群及环渤海经济带为研究对象，探究其绿色创新效率。易明[9]和李琳[10]以长江经济带作为研究对象，分析其全要素生产率及时空分异特征，探讨沿线城市工业绿色发展水平的差异。在效率评价方法上，多采用纳入非期望产出的改进后的数据包络分析法、主成分分析法、熵权-TOPSIS等模型。王旭、褚旭等基于超效率SBM模型对中国制造业的绿色技术创新效率进行测度[11];李华旭、孔凡斌等基于主成分分析法对长江经济带绿色发展水平及其影响因素进行评价和判别[12];陈元志、朱瑞博等综合运用Bootstrap-DEA-Malmquist模型对不同所有制企业的技术创新效率进行测算[13]。

绿色技术创新效率一般与地区经济发展水平高度相关，环境规制、制度结构、技术进步、能源消费结构、对外开放水平等变量对绿色技术创新效率具有显著影响。贾军、魏洁云等重点探究了环境规制对绿色技术创新的影响，研究认为命令控制型和市场激励型环境规制均能有效促进绿色技术创新[14]。王志平、陶长琪等从技术、制度、产业三个角度分解出绿色技术效率的影响因素，研究发现技术进步、良好的制度结构等对绿色技术创新效率具有正向影响[15]。高广阔、王艺群的研究表明：区域经济水平、科技创新环境以及对外开放水平等均对高耗能产业绿色创新具有显著正向影响[16]。

随着环境污染问题的日益突出，如何提升绿色技术创新效率也成为学者们关注的重点。促进绿色技术的进步与转型、缩小区域绿色技术创新效率差距、推动全方位科技交流与合作、落实现有绿色发展政策等是学界较为认同的有效路径。王海龙、连晓宇等研究指出我国绿色技术创新效率呈现东高西低态势，发展绿色技术、发挥政府主导作用、给予政策支持等是缩小区域绿色创新发展差距的重要举措[17]。傅为忠、徐丽君认为加强区域间工业绿色技术交流与合作、推进绿色协同增长、促进绿色联动等是提升工业绿色发展成熟度的有效措施[18]。

综上所述，虽国内学者从区域、城市或某一行业角度对绿色技术创新效率进行了广泛研究，但有关长江经济带这一特定区域的工业绿色技术创新效率的研究还相对较少;研究方法大多侧重于静态的效率评价，动态演化趋势研究相对缺乏。基于此，本研究采集长江经济带沿线11省市有关工业绿色技术创新的最新数据，运用超效率SBM模型与全局Malmquist指数模型，对2013—2017年长江经济带工业绿色技术创新效率进行计量和分解，明晰其静态效率分异及动态演化趋势，以期为提升长江经济带工业绿色技术创新效率提供事实基础。

二、研究设计

（一）研究方法

1.超效率SBM模型

DEA模型与SBM模型是绿色创新效率评价的常用方法，然而DEA模型存在对效率的过高估计，SBM模型无法进一步区分效率值为1的有效决策单元的效率差异[19]。2002年Kaoru Tone在SBM模型的基础上提出了超效率SBM模型[20]，该模型的最大特点为有效决策单元的效率值可大于或等于1，利于对效率值进行较为清晰的区分。本研究拟采用超效率SBM模型测度长江经济带工业绿色技术创新效率，构建包含非期望产出的超效率SBM模型，公式如下：

（1）式中，n表示决策单元数量，每个决策单元有m种投入，r种期望产出和p种非期望产出。x、yd、yu分别对应其投入矩阵、期望产出矩阵和非期望产出矩阵中的必要元素，ρ*为最终的技术创新效率值。

2.全局Malmquist指数

超效率SBM模型只能测算静态绿色技术创新效率值，无法度量动态演化趋势以及进行效率分解以明晰影响效率值的具体因素，Malmquist指数模型较好地解决了这一问题，已被广泛应用于工业、医药、金融、生态环境等领域的效率分析。全局参比Malmquist指数模型是由Pastor与Lovell提出的一种Malmquist指数测算方法[21]，它的不同之处在于以所有各期的总和作为参考集，有效弥补了不能满足传递性和线性规划无可行解的缺陷。Malmquist生产率一般利用距离函数的比率来计算。即：

（二）指标选取

根据全面性、科学性以及数据的可获得性等原则，借鉴绿色技术创新的相关研究，构建评价工业绿色技术创新效率的指标体系，如表1所示。投入指标一般分为人力及财力投入，已有研究表明R&D人员全时当量（X1）和R&D经费内部支出（X2）能够充分表明一个地区的创新规模及潜力，是一个地区创新投入能力的全面体现[22]。同时，将能源消费量（X3）作为投入之一，能源投入是指将煤炭、电力、天然气等能源统一折算为标准煤，可以显示绿色技术创新的能源消耗，较少的能源消耗表示较高的绿色产出[23]。产出指标分为期望产出和非期望产出，即“好”产出和“坏”产出。期望产出主要选取发明专利申请数（Y1）、新产品开发项目数（Y2）和新产品销售收入（Y3），这三个指标能较好体现绿色技术创新的研发效果以及经济收益[24-25];并选取工业废水排放量（Z1）、工业废气排放量（Z2）、工业固体废弃物产生量（Z3）原始值作为非期望产出指标[10]。

（三）数据来源与处理

考虑到绿色技术创新投入转化为产出会产生一定时滞，借鉴其他研究成果，將投入产出时滞设定为1年[26]，即投入指标的时间区间设为2012—2016年，产出指标设为2013—2017年。指标体系中X1、X2、Y1、Y2、Y3均来源于《中国科技统计年鉴》;X3来源于《中国能源统计年鉴》;Z1、Z2、Z3来源于《中国环境统计年鉴》以及各省（市）统计年鉴。由于少数省份如江苏、湖南未披露2016或2017年工业废气的相关数据，采用学界常用的线性插值法对原始数据进行补齐[27]。

三、实证结果与分析

（一）描述性统计

描述性统计分别呈现主要指标的均值、标准差、最大值与最小值的结果。由表2可知，长江经济带沿线11省市各指标数据间的差异较大，可以初步判断11省市的绿色技术创新效率也可能具有明显差异，后续将进一步进行实证分析。

（二）相关系数

应用数据包络模型进行效率测算时，各个投入指标与期望产出指标需满足同向性条件[28]。为全面考察投入与产出间的关联度，对各指标进行Pearson相关分析，得到各指标间的相关系数矩阵，结果见表3。

由表3可以看出，投入指标与期望产出指标的相关系数均为正数，满足同向性要求，并且均达到了1%的显著性水平，这说明投入指标与期望产出指标之间存在显著的正相关关系，增加投入会带来期望产出的增加。此外，人力及经费投入与非期望产出通过显著性检验，且呈现负相关关系，说明绿色创新投入越多，环境污染会降低;能源消耗与非期望产出之间存在显著正相关关系，表明能源消耗越多，非期望产出值越高。总体而言，各投入产出指标间的相关性合理，可以进行更深入的分析。

（三）绿色技术创新效率的静态测度

运用MaxDEA Pro软件，测算出长江经济带沿线11省市2013—2017年的绿色技术创新效率，并依据地理区位将11省市划分为上、中、下游三个区域，上游分别为云贵川渝四省（市），中游分别为鄂湘皖赣四省，下游分别为苏沪浙三省（市）。每一年的具体效率值及排名情况综合汇总为表4。上中下游的绿色技术创新效率变化情况如图1所示。

第一，整体效率分析。2013—2017年长江经济带工业绿色技术创新效率均值分别为0.778、0.845、0.854、0.860、0.811，各年效率均值都小于1，未达到超效率SBM模型设定的有效标准。可见工业绿色技术创新效率虽大体上呈上升趋势，但总体效率值仍较低。

2013—2016年总体效率均值呈现上升趋势，2016年是长江经济带工业绿色技术创新发展的拐点，2017年出现下滑，整体上呈现倒“U”型关系。究其原因，“十二五”期间，国家提高了对工业绿色发展的重视程度，突出抓好工业领域的节能降耗工作，大幅度降低能源消耗强度和二氧化碳排放强度，故总体效率均值呈现上升趋势。2016年是我国“十三五”规划的启动年，规划提出了长江经济带发展战略，进一步加大沿江工业污染的治理力度，沿江各省（市）相继出台了地区工业绿色发展措施，在一系列绿色发展目标的高压下，各地工业企业在转型升级、绿色技术创新上面临较大挑战，致使传统工业发展模式与绿色发展要求存在一定不适应性，效率值出现下降。

第二，从区域层面看，下游地区效率均值5年间基本上处在包络前沿上，排名始终处在前列，明显高于中上游地区及整体的效率水平，具体见图1。中上游地区效率均值则差异较小，但在各年存在一定差别：2014和2015年上游地区效率均值高于中游地区，而2013、2016、2017年中游地区则高于上游地区。

第三，从省域范围来看，根据5年来工业绿色技术创新效率均值高低进行分类和对比分析，可以看出11省市的工业绿色技术创新效率差异较大。其中，高效率地区（效率值1～1.2）为浙江、上海、安徽、重庆;中等效率地区（效率值0.8～1）有江苏、四川、湖南;低效率地区（效率值0～0.8）有江西、云南、湖北、贵州。总体来看，基本遵循经济发展水平越高则工业绿色技术创新效率越高的规律，但也不尽然，经济发展水平只是影响工業绿色技术创新效率的重要影响因素之一，政府支持力度、技术水平、环境规制强度、工业规模、地区对外开放水平、民众绿色发展意识等均是不可忽视的重要因素。

（四）Malmquist指数及动态分解

Malmquist指数利于勾勒出工业绿色技术创新效率的动态演化趋势，通过将全要素生产率分解为效率变化和技术变化，明确技术创新效率和技术进步的具体影响。将2013—2017年长江经济带投入及产出数据代入MaxDEA Pro软件进行计算，得到2013—2017年长江经济带工业绿色全要素生产率Malmquist指数及分解结果。其中，EC为工业绿色技术创新效率变化指数，TC为工业绿色技术变化指数，MI即Malmquist指数，代表工业绿色全要素生产率，MI指数值为效率变化指数与技术变化指数的乘积。具体见表5。

第一，整体MI指数及其分解情况。由表5可知，4个评价区间内长江经济带工业绿色全要素生产率MI指数均值分别为0.991、0.959、1.324、0.900，除2015—2016年大于1外，其余各评价区间均小于1，年均增速为4.35%。技术创新效率指数EC分别为1.111、1.118、1.126、0.954，效率值相对于上一个年度分别提高了11.1%、11.8%、12.6%、-4.6%，年均增速为7.73%;技术变化指数TC分别为0.942、0.952、1.323、0.953，技术进步相对于上一个年度分别变化了-5.8%、-4.8%、32.3%、-4.7%，年均增速为4.25%。这表明，长江经济带工业绿色全要素生产率整体偏低，但仍处于增长阶段;技术创新效率和技术水平总体上都在提高，且技术创新效率增速高于技术进步的增速;全要素生产率MI指数的上升，是技术创新效率和技术进步共同作用的结果。

为进一步检验技术创新效率和技术进步对全要素生产率的影响，采用Stata 14.0软件，运行表5中的短面板数据，运用最小二乘OLS回归模型，并将固定效应FE回归与随机效应RE回归作为对比模型，较为全面地得到EC和TC对MI的回归系数及显著性情况，具体见表6。

由上表可知，三类回归模型测算出的结论均通过了正向显著性检验，并且三类模型中TC的回归系数均大于EC。这表明效率变化与技术变化对工业绿色全要素生产率MI指数均具有显著正向影响，相较而言，技术变化的回归系数更大，表明技术变化的影响更为明显。

第二，从区域MI指数分布来看，三个区域及整体的MI指数均值的波动趋势大致相同，均在2015—2016年度区间出现明显的上升波动，而在2016—2017年度区间出现较大幅度的下降，而三个区域的MI指数均值大小呈不规则分布（图2）：2013—2014区间由高到低排列为下游、上游、中游;2014—2015、2015—2016两个评价区间内MI指数均值由高到低依次为中游、下游、上游;2016—2017区间为中游、上游、下游。相比较而言，中游地区工业绿色全要素生产率MI指数排名呈上升趋势，下游地区排名呈现下降趋势。从MI年均增速看，上游、中游、下游的工业绿色全要素生产率增速分别为-0.48%、11%、1.95%，中游地区全要素生产率增长最快，上游地区出现小幅度的负增长。

通过对区域MI指数分解发现，上游地区2013—2017年间技术创新效率变化分别为4.4%、43.8%、-18.6%、-1.1%，而技术变化分别为-4.7%、-23.4%、66.1%、-8.6%，但技术创新效率年均增速为7.125%，技术进步年均增速为7.35%。中游地区2013—2017年技术创新效率变化分别为-6.3%、-4.0%、55.6%、-4.5%，而技术变化分别为7.3%、4.1%、-3.6%、4.8%，技术创新效率年均增速为10.2%，技术进步年均增速为3.15%。下游地区2013—2017年技术创新效率变化分别为43.1%、-9.8%、-3.3%、-9.3%，而技术变化分别为-25%、8.0%、34.9%、-12.2%，技术创新效率年均增速为5.18%，技术进步年均增速为1.43%。可见，上游地区技术进步最明显，其次为中游和下游;中游地区技术创新效率年均增速最快，其次为上游和下游。总体上，技术创新效率增速快于技术进步增速。

第三，从省际MI指数分析，如图3所示，浙江、上海、江苏、江西、湖南、湖北、重庆、云南8个省市MI指数均值大于1，占比72.7%，其中江西提升最快，提升38.4%，其余7省市提升幅度相对较小，均不超过10%。而安徽、四川、贵州3个省份MI指数均值小于1，占比27.3%，四川下降幅度最大，下降17.6%。可见，各省市工业绿色全要素生产率MI指数呈明显的时空分异特征：在4个评价区间内（表5），重庆4次、江西和云南各3次MI指数高于1，且江西3次排名前三，江西、重庆、云南工业绿色全要素生产率水平较高，年均增速为38.4%、10%、7.7%;四川、贵州、安徽各3次MI指数低于1，年均增速为-17.6%、-2%、-0.4%，且贵州3次排名后三位，四川4次均排名在后三位，工业绿色全要素生产率水平有待提高。

通过对省际MI指数分解发现，2013—2017年间技术创新效率实现增长的省份有江西、云南、江苏、湖北、安徽、上海、重庆、贵州，年均增长率为36.6%、35.5%、15.6%、4.9%、1.9%、1.7%、1%、0.5%，而四川、湖南、浙江实现了负增长，分别为-8.7%、-2.8%、-2%，技术变化指数增长的省份有云南、湖南、重庆、浙江、四川、上海、江西，年均增长率为21.5%、15.6%、8.4%、2.7%、2.6%、1.9%、0.5%，贵州、安徽、湖北、江苏为负增长，分别为-3.3%、-2.3%、-1.4%、-0.3%。因此，总体上看，8个省市的工业绿色全要素生产率、技术创新效率实现了增长，7个省市实现了技术进步。江西、重庆、云南的工业绿色全要素生产率较高，江西、云南、江苏的工业绿色技术创新效率较高，云南、湖南、重庆的技术进步最明显。

四、结论与展望

本研究从投入、期望产出和非期望产出三个角度构建长江经济带工业绿色技术创新效率评价指标体系，运用2013—2017年11省市的面板数据，基于超效率SBM和Malmquist指数模型科学测度长江经济带工业绿色技术创新效率，并对工业绿色全要素生产率进行分解，明确技术创新效率的动态演化趋势。结果发现：

（1）静态分析结果表明，整体层面上，2013—2017年长江经济带工业绿色技术创新效率较低，均值皆小于1;区域层面上，下游地区各年效率均值明显高于中上游，中上游地区效率均值高低差异呈不规律变化趋势，区域间差异较大;省际层面上，高效率、中等效率、低效率分异明显，浙江、上海、安徽、重庆等省市工业绿色技术创新效率较高。

（2）动态分析结果表明，在4个评价区间内，仅2015—2016年度区间MI指数大于1，其余区间MI指数介于0.9～1.0之间，整体上长江经济带工业绿色全要素生产率呈上升趋势，且技术创新效率增速高于技术进步效率增速;OLS、FE、RE三种回归模型结果均显示效率变化与技术变化对工业绿色全要素生产率MI指数具有显著正向影响，其中技术变化的影响更大;区域层面上，中游地区MI指数排名呈上升趋势，下游地区排名呈下降趋势，技术进步年均增长率排序为上游、中游、下游，技术创新效率年均增长率排序为中游、上游、下游;省际层面上，11省市绿色全要素生产率在各评价区间内展现明显的时空分异特征，江西、重庆、云南工业绿色全要素生产率MI指数相对较高，四川、贵州、安徽偏低，技术创新效率除四川、湖南、浙江3省外，其他8省市都实现了增长，技术变化除贵州、安徽、湖北、江苏4省外，其他7省市都实现了进步。

（3）结合静态和动态分析结果可以看出，2013—2017年间长江经济带工业绿色技术创新效率处于0.778～0.860之间，未达到1的SBM有效标准，但仍保持着增长态势，年均增长率达7.73%;下游地区工业绿色技术创新效率明显高于中上游地区，基本处于包络线前沿，但其增长速度明显低于中上游地区;江西、云南、湖北等省工业绿色技术创新效率值小于0.8，处于低效率水平，但增长速度位居长江经济带前列，浙江创新效率最高，但出现了2%的负增长。因此，整体上，长江经济带工业绿色技术创新效率在提升，区域与省际间的差距在缩小。

基于研究结论，提出如下对策建议：

（1）注重交流与合作，进一步缩小区域及省际工业绿色技术创新发展差距。下游省份应积极“修炼内功”，稳步提升自身绿色技术创新效率，利用其经济水平、资源禀赋、技术水平、高端人才等方面的明显优势充分发挥其辐射带动作用，在新型绿色技术、产业融合、高端人才、先进生产运作模式等方面带动中上游地区的发展。同时，中上游地区应吸纳下游地区绿色发展的有益经验，积极构建与下游地区的交流协作机制并将其常态化，有效承接下游地区的技术、人才和产业转移。

（2）大力实施创新驱动战略，促进工业绿色技术创新发展。首先，各地政府应落实创新驱动战略，构建以上海、浙江、江苏、重庆等经济发达地区为核心的绿色科技创新中心，注重绿色技术的研发，并结合实践加快绿色技术的成果转化。将下游地区的先进技术沿长江经济带向中上游地区转移，推动地区间技术水平的融合和提升，缩小区域间技术水平的先天性差距。其次，工业企业应以绿色技术开发与运用为抓手，改进传统的产业发展模式，促进产业转型升级，建立起现代化的工业发展体系，提升其绿色经济效益。同时，政府应关停或者迁移污染较大的工业企业，将高标准的污染防治作为工业企业的进入门槛，并注重保护和改善中上游地区水环境、植被环境，为长江经济带全局的绿色发展奠定基础。

此外，本研究还存在一些不足之处，后续研究将进一步深化。一是未对长江经济带工业绿色技术创新效率的影响因素做进一步实证探究，长江经济带绿色创新效率提升策略的针对性和科学性有待提高。二是在指标体系构建上，还有待完善。现有投入和产出指标可能并不能全面反映绿色创新特征，需在以后研究中进一步探讨。

参考文献

[1]  高红贵，赵路.长江经济带产业绿色发展水平测度及空间差异分析[J].科技进步与对策，2019（12）：46-53.

[2]  郝國彩，徐银良，张晓萌，等.长江经济带城市绿色经济绩效的溢出效应及其分解[J].中国人口·资源与环境，2018（5）：75-83.

[3]  刘薇.国内外绿色创新与发展研究动态综述[J].中国环境管理干部学院学报，2012（5）：17-20.

[4]  张志勤.欧盟绿色经济的发展现状及前景分析[J].全球科技经济瞭望，2013（1）：50-57.

[5]  Aguilera-Caracuel J， Ortiz-de-Mandojana N. Green Innovation and Financial Performance on Institutional Approach[J]. Organization & Environment， 2013（4）：365-385.

[6]  罗良文，梁圣蓉.中国区域工业企业绿色技术创新效率及因素分解[J].中国人口·资源与环境，2016（9）：149-157.

[7]  丁显有，肖雯，田泽.长三角城市群工业绿色创新发展效率及其协同效应研究[J].工业技术经济，2019（7）：67-75.

[8]  孙丽文，陈继琳.基于经济-环境-社会协调发展的绿色创新绩效评价——以环渤海经济带为例[J].科技管理研究，2018（8）：87-93.

[9]  易明，李纲，彭甲超，等.长江经济带绿色全要素生产率的时空分异特征研究[J].管理世界，2018（11）：178-179.

[10]  李琳，张佳.长江经济带工业绿色发展水平差异及其分解——基于2004—2013年108个城市的比较研究[J].软科学，2016（11）：48-53.

[11]  王旭，褚旭.中国制造业绿色技术创新与融资契约选择[J].科学学研究，2019（2）：351-361.

[12]  李华旭，孔凡斌，陈胜东.长江经济带沿江地区绿色发展水平评价及其影响因素分析——基于沿江11省（市）2010-2014年的相关统计数据[J].湖北社会科学，2017（8）：68-76.

[13]   陈元志，朱瑞博.不同所有制企业技术创新效率的比较研究——面向大中型工业企业和高新技术企业的实证分析[J].管理世界，2018（8）：188-189.

[14]  贾军，魏洁云，王悦.环境规制对中国OFDI的绿色技术创新影响差异分析——基于异质性东道国视角[J].研究与发展管理，2017（6）：81-90.

[15]  王志平，陶长琪，沈鹏熠.基于生态足迹的区域绿色技术效率及其影响因素研究[J].中国人口·资源与环境，2014（1）：35-40.

[16]   高广阔，王艺群.京津冀地区高耗能产业绿色创新效率及影响因素分析——基于空间视角的实证研究[J].工业技术经济，2018（1）：137-144.

[17]  王海龙，连晓宇，林德明.绿色技术创新效率对区域绿色增长绩效的影响实证分析[J].科学学与科学技术管理，2016（6）：80-87.

[18]  傅为忠，徐丽君.区域工业绿色发展成熟度动态评价——基于熵值修正G1法和距离协调度改进模型的实证分析[J].工业技术经济，2018（3）：61-69.

[19]  孙秀梅，张慧，綦振法，等.我国东西地区的碳排放效率对比及科技减排路径研究——基于三阶段DEA和超效率SBM模型的分析[J].华东经济管理，2016（4）：74-79.

[20]  Tone K. A Slacks-Based Measure of Super-Efficiency in Data Envelopment Analysis[J]. European Journal of Operational Research， 2002，143（1）：32-41.

[21]  Pastor J T， Lovell C A K. A global Malmquist Productivity Index[J]. Economics Letters， 2005（88）：266-271.

[22]  白俊红，江可申，李婧，等.区域创新效率的环境影响因素分析——基于DEA-Tobit两步法的实证检验[J].研究与发展管理，2009（2）：96-102.

[23]  李静，倪冬雪.中国工业绿色生产与治理效率研究——基于两阶段SBM网络模型和全局Malmquist方法[J].产业经济研究，2015（3）：42-53.

[24]  陈元志，陈劲，吉超.中国不同类型企业技术创新效率的趋势与比较[J].科研管理，2018（5）：1-10.

[25]  刘章生，宋德勇，弓媛媛.中国绿色创新能力的时空分异与收敛性研究[J].管理学报，2017（10）：1475-1483.

[26]  朱鹏颐，刘东华，黄新焕.动态视角下城市科技创新效率评价研究——以福建九地级市为例[J].科研管理，2017（6）：43-50.

[27]  张峰，史志伟，宋晓娜，等.先进制造业绿色技术创新效率及其环境规制门槛效应[J].科技进步与对策，2019（12）：62-70.

[28]  刘伟.考虑环境因素的高新技术产业技术创新效率分析——基于2000-2007年和2008-2014年两个时段的比较[J].科研管理，2016（11）：18-25.

A Study on The Spatial-Temporal Differentiation of Industrial Green Technology Innovation Efficiency in the Yangtze River Economic Belt

Yan Huafei   Xiao Jing  Feng bing

（School of Management， Wuhan Institute of Technology， Wuhan， Hubei， 430205）

Abstract： With the deepening of the development strategy of the Yangtze River Economic Belt， green technological innovation has become an inevitable choice for its green development and sustainable development. Industry is an important undertaker of green technology innovation activities.Based on the super-efficiency SBM and Malmquist index model and panel data of 11 provinces and cities along the Yangtze River Economic Belt from 2013 to 2017， this paper studies the efficiency of industrial green technological innovation in the Yangtze River Economic Belt.The results show that the industrial green technology innovation efficiency of the Yangtze River economic belt is relatively low， and the average annual efficiency is less than 1. The industrial green technological innovation efficiency in the Yangtze River economic belt，theupper， middle and lower reaches，eight provinces and cities including Jiangxi Province，has increased. The growth rate of technological innovation efficiency is higher than that of technological progress. The efficiency of technological innovation and its changes at the regional and provincial levels show obvious spatial-temporal differentiation characteristics. Finally， the countermeasures and suggestions to improve the efficiency of industrial green technology innovation are put forward.

Key Words： Yangtze River Economic Belt; Industry; Green technology; Innovation efficiency; MI Index

作者簡介：闫华飞（1975—），男，汉族，湖北黄冈人，武汉工程大学管理学院教授、博士、硕士生导师，研究方向：创业与创新管理、人力资源管理;肖静（1995—），男，汉族，湖北松滋人，硕士研究生，研究方向：创业与创新管理;冯兵（1970—），男，汉族，河南信阳人，武汉工程大学管理学院教授、博士、博士生导师，研究方向：产业经济学。