基于两阶段DEA主—从模型的我国省域工业绿色技术创新效率评价研究

文 容 林小平 蓝以信

（福州大学经济与管理学院，福建 福州 350116）

1.引言

近年来，我国经济仍旧保持着较快的增长速度，但同时也伴随着资源消耗过度和环境污染等问题。面对严峻的资源与环境形势，我国在“十三五”规划中提出了创新、协调、绿色、开放、共享的五大发展理念。创新发展理念位于首位，是引领经济发展的第一动力。绿色发展理念是处理经济发展和环境关系的价值标准，引领着我国经济由传统的粗放型管理模式向集约化模式转换。因此，发展绿色创新技术有利于推动我国经济的可持续发展。而工业又是我国实体经济的主体产业，是推动经济高速增长的基石。故在工业技术发展和环境污染矛盾日益激烈的背景下，对工业绿色技术创新系统进行探究，精确测算各省域的工业绿色技术创新效率，对指导工业产业提高资源利用率，助推工业经济高质量发展具有重要的理论和现实意义。

当前，对绿色技术创新效率的测算一般有两类方法：参数法和非参数法。其中，非参数法的代表是数据包络分析（DEA）方法，该方法因可以对多投入、多产出生产系统进行绩效评价，且无需事先确定生产函数和权重而备受青睐。目前，基于DEA方法的绿色技术创新研究主要有两类：一类是将绿色技术创新活动看作一个整体；另一类是绿色将技术创新活动划分为相互关联的子系统。在前者的研究中，学者们主要通过使用DEA方法对绿色技术创新效率进行核算，并研究绿色技术创新效率的影响因素和绿色技术创新对生态效率和绩效等的影响。例如：王海龙等［1］使用DEA方法对中国区域绿色技术创新效率进行测量，并借助回归模型分析绿色创新效率对绿色增长绩效的影响。罗良文和张万里［2］通过运用SBM模型和熵值法相结合来研究绿色技术创新对生态效率的影响。而在影响因素方面，吴超等［3］构建RAM模型对重工业绿色创新效率进行评价，并结合模糊集定性比较方法探讨绿色创新效率的提升模式。杨树旺等［4］使用含非期望产出的SBM和探索性空间数据分析对长江经济带绿色技术创新进行分析。肖黎明和吉荟茹［5］运用SBM超效率模型和Tobit回归分析我国的生态福利绩效水平、空间分类特征和冷热点区域格局演化及影响因素。Li［6］使用SBM模型计算30个省域的工业企业的绿色创新效率，并探索绿色创新效率在时间和空间维度的变化情况。在这些研究中，由于绿色技术创新活动被看成一个整体，因此研究中主要聚焦在投入和产出两个维度，忽略了技术创新系统内部的联系，导致绿色技术创新系统在研究中被视为“黑箱”而无法进行更进一步的研究。

而在第二类研究中，学者们为了将“黑箱”打开，将绿色技术创新活动划分为多阶段进行研究。例如，罗良文和梁圣蓉［7］使用两阶段DEA对中国区域工业企业绿色创新系统进行研究，并运用主成分分析法对这些指标数据进行降维处理，分别计算出两个阶段的技术创新效率。Du等［8］从两阶段价值链出发，采用两阶段网络DEA模型，对区域企业绿色技术创新的效率进行了测度，探索工业企业的区域差异。张洪潮等［9］从绿色增长视角出发，依托两阶段技术创新理论评价资源型区域工业企业在2011—2015年间的技术创新效率。钱丽等［10］利用共享投入关联两阶段DEA模型测度中国工业企业绿色研发和成果转化效率。肖仁桥和丁娟［11］运用超效率DEA模型测度中国30个省市工业企业绿色创新的整体及分阶段效率，并采用空间面板模型检验其空间溢出效应。聂名华和齐昊［12］运用SBM模型测算了中国工业企业两阶段创新效率，并通过空间计量模型进行实证研究。Li［13］利用DEA探索环境规制对创新城市的技术创新效率的影响及技术创新效率的时空演化状况。

综上所述，第二类的研究已经成为当前研究中的一个热点。而在这些研究中，较多学者都是基于价值链的视角，将创新系统划分相互关联的研发阶段和转化阶段，但并未将两阶段之间主导关系纳入到最终的评价中。众所周知，技术研发的最终目的是经济效益，而实现经济效益需要研发成果的投入，没有成果的投入就无法进入成果转化阶段，故研发是实现经济效益的先决条件。因此，在绿色创新活动中，往往是研发阶段主导转化阶段。基于此视角，文章将非合作博弈DEA模型引入，提出了一种两阶段非合作博弈的绿色创新效率评价方法，使其能够有效地处理具有主从博弈子系统的绿色创新效率评价问题。同时，考虑到在绿色创新系统中存在创新路径依赖和自我锁定等特性，绿色技术创新能力强的发达省域更倾向在内部保持创新优势，从而使得绿色技术创新效率在不同省域表现出明显的空间差异性。鉴于此，笔者将利用DEA主—从博弈模型从时间和空间两个维度对我国省域工业绿色技术创新活动进行研究。

2.研究设计

2.1 工业绿色技术创新效率阶段划分

基于两阶段价值链理论，［14,15］文章将工业绿色技术创新活动可划分为相互关联的绿色技术研发阶段和绿色成果转化阶段，绿色技术研发阶段为创造知识的过程，绿色成果转化是将技术研发阶段的产出投入到经济转化阶段，最终变成产品的过程。工业绿色转化阶段的投入不仅来源于研发阶段的，还包括了中间的再投入。研发阶段的效率为中间产出与绿色创新投入的比值。工业绿色转化效率则是工业绿色创新产出与（中间产出+中间再投入）的比，该值能较好评价中间产出、中间再投入转化为绿色经济的能力。

2.2 两阶段DEA主—从博弈模型

第一阶段做为引导者，先使用CCR模型求解研发效率，故第j个决策单元DMUj的研发效率为：

3.指标选取及数据说明

在整个工业绿色技术创新系统中，学者们通常未把外部非创新投入和产出考虑在内，但外部非创新的投入和产出对工业绿色创新效率起着一定的作用，故笔者们将其纳入。文章具体指标的描述如下：

（1）创新投入。创新投入指标主要从人力、资金两方面进行衡量。［17—19］在人力方面，主要选取企业规模以上R&D全时当量，在资金方面，研发经费内部经常被使用。另外，因为我国企业大多是以开发新产品数为主要目的，所以新产品开发数也应考虑到资金投入中。由于前期的研发经费会对当期的科技经济产出有一定的影响，［20］故采用R&D经费存量指标进行计算。在计算R&D存量指标之前，先对研发价格指数进行平减，转换为2011年不变价，取折旧率δ=15%，基期存量=基期经费内部支出/（R&D经费增长率+折旧率）。新产品经费计算方式和R&D采用相同的方法。资金的投入等于R&D存量加新产品经费存量。

（2）中间产出。学者较多的是选择专利申请数和专利授权数作为技术研发创新产出的衡量指标，［21，22］考虑到专利申请数更能体现企业的研发成果，故选用专利申请数作为产出指标。而新产品开发项目数体现出工业企业将研发阶段转化为经济的能力，也是通常采用的指标之一。因此，文章的中间产出有专利申请数和新产品开发数。

（3）中间投入。主要考虑环境规制和经济发展水平两方面。由于环境规制是指以环境保护为目的而制定实施的各项政策与措施的总合，它对绿色创新活动有一定的影响。［6,23，24］结合已有研究，选用工业污染治理完成投资额/工业增加值来代表环境规制。同时，由于一个区域的经济水平越高，越容易推动该区域的经济发展，而经济水平越高知识转化为产品的可能性也就越高。借鉴Zhang［24］的方法，选用人均GDP来表示经济的发展水平。

（4）绿色创新产出。除了从经济和环境效益的角度进行测度，［17,25］还将企业规模和市场成熟度考虑在内。在经济产出方面，选取新产品销售收入。由于经济转化的最终目的是产出新产品，从而实现经济效益，所以文章选取新产品销售收入作为经济转化的产出变量之一。在环境产出方面，主要选取CO2和 SO2。CO2主要采用的是 Kang［25］中计算 CO2的方法：

其中CE代表总的CO2排放量；i表示三种能量类型，i=1,2,3分别代表原油、原煤和天然气；Ei表示能源消耗；CEF1为IPPC（2006）给出的碳排放系数；碳氧化因子Oi，取值为1。科技市场是一个将知识转化为经济的中间过程，随着科技创新能力的增强，市场的成熟度也逐渐增强，故使用技术市场成交量指标来表示市场的成熟度。［4］而科技创新转化能力越强，越易于扩大企业规模，［22,25］故将选用平均主营业务收入来表示企业的规模。［25］

文章研究对象为中国的30个省份（西藏、香港、台湾和澳门数据缺失），样本期为2011—2016，数据主要来源于《中国统计年鉴》（2012—2017），其中企业规模以上R&D全时当量、R&D内部经费支出、新产品经费、专利申请数、新产品开发数据和技术市场成交额来自《中国科技统计年鉴》。主营业务收入来自《中国工业统计年鉴》，工业污染治理完成投资额和SO2数据来源于《中国环境统计年鉴》，工业增加值来自《中国经济统计年鉴》，而能源消耗则来自于《中国能源统计年鉴》。

4.实证分析

根据两阶段DEA主—从模型（1）和（2），通过MATLAB2015软件对中国2011—2016年30个省域的工业绿色创新系统的研发效率和转化效率进行测算，其结果如表1和表2所示。

从表1和表2可知，在绿色研发阶段，我国的平均绿色研发效率和绿色转化效率分别为0.6775和0.798，还有较大的提升空间。从表1中可以看出，中国四个区域的研发效率按东部、西部、中部、东北部依次减小。具体来看，排名第一的安徽的效率值为1，排名30的内蒙古效率值为0.2569，两个省份的值相差了0.7431，表明高研发效率和低研发效率之间差距较大。从表2可知，在绿色成果转化阶段，东部和东北部转化效率较高，西部和东北部成果转化效率较低。就区域而言，其中效率值高于均值的省域有18个，效率均值排名第1的北京与效率均值排名18的广西均值相差0.183，排名19的湖北和排名30的新疆均值相差0.441，说明转化阶段效率均值高的区域之间效率变化较为稳定。

4.1 时间维度演变分析

图1和图2分别是中国省域工业绿色研发和转化效率的变化趋势图。在研发阶段：东部和西部的研发效率均高于国家年平均研发效率，且他们的发展较为平缓，其年平均效率均维持在0.7—0.8的区间。波动较大的是东北区域，尤其是在2013—2016变化更为明显。主要原因是：随着党和国家提出创新型国家建设，东北地区开始重视研发方面的投入，特别是在2013年规模以上的R&D的人员投入比前一年增长了约6.17%，R&D研发人员取得的研发方面的效果也是较为明显的。但在2014年之后效率呈现了递减的趋势，其原因主要是东北高等院校创新较为冗余及科研机构的缺失。

从图2可以看出，除东北部外，其他地区的转化效率在整体上呈现增长趋势。尤其中部的增长最为明显，中部在2013年前的绿色转化效率低于国家平均绿色转化效率，但在2013年后，平均转化效率超过了国家平均绿色转化效率，有赶上东部效率的趋势。东北在2011年平均转化率为0.836，但在2016年平均转化率仅有0.778，2016年的转化率相比2011年的相比降低了7.77%，主要原因是东北经济发展方式粗放以及产业结构的不合理。

为更好地说明各个省份的绿色创新效率随时间的变化情况，选取2011，2013，2016年的数据进行研究，如图3和图4所示。在研发阶段，从图3中可知，北京、浙江、安徽、重庆等省市的研发效率随时间变化较为稳定，且研发效率均接近1，已接近最优值。而内蒙古、山西、黑龙江、河北等省份的研发效率随时间的变化维持在0到0.6范围内，这表明这些省份近几年在研发阶段遇到瓶颈，导致他们的研发效率稳定在较低的水平。陕西、天津、上海等省市的研发效率值随时间呈下降趋势，而山东、江西、广西、云南随时间变化效率值逐渐变大。从图4可知，北京、天津、山东、广东、重庆、四川、上海和江苏等省域的转化阶段的效率值随时间变化波动较小，其值均接近1。河北、浙江、福建、江西、湖北等省份的转化效率随时间变化呈增长态势。辽宁、吉林和海南等省份随时间变化逐渐减小。

表1 中国省域工业绿色研发效率测算结果（2011—2016）

为更好地说明各个省份的绿色创新效率随时间的变化情况，选取2011，2013，2016年的数据进行研究，如图3和图4所示。在研发阶段，从图3中可知，北京、浙江、安徽、重庆等省市的研发效率随时间变化较为稳定，且研发效率均接近1，已接近最优值。而内蒙古、山西、黑龙江、河北等省份的研发效率随时间的变化维持在0—0.6，这表明这些省份近几年在研发阶段遇到瓶颈，导致他们的研发效率稳定在较低的值。陕西、天津、上海等省市的研发效率值随时间呈下降趋势，而山东、江西、广西、云南随间变化效率值逐渐变大。从图4可知，北京、天津、山东、广东、重庆、四川、上海和江苏等省域的转化阶段的效率值随时间变化波动较小，其值均接近1。河北、浙江、福建、江西、湖北、等省份的转化效率随时间变化呈增长态势。辽宁、吉林和海南等省份随时间变化逐渐减小。

表2 中国省域工业绿色成果转化测算结果（2011—2016）

图1 2011—2016年全国及四大地区的研发效率均值

图2 2011—2016年全国及四大地区的转化效率均值

图3 各省域研发效率随时间演变情况

图4 各省域转化效率随时间演变情况

4.2 空间维度的演化分析

根据我国平均绿色研发效率（0.6775）和平均绿色转化效率（0.798），将省份的研发效率和转化效率分为六个等级，各等级区间范围如表3和表4所示。从表3可知，平均研发效率处于I级的省份有宁夏、海南、陕西、浙江、四川、重庆、北京、安徽，这些省份主要来自东部和西部。就四川和重庆而言，他们的人员和资金的投入均比安徽、北京和浙江等省份低，但却取得较高的新产品开发数，表明这两个省份对资源利用率高，管理得当。宁夏在过去一直落后，但是近几年却发展迅速，甚至赶超了相邻省份，其主要原因主要得益于转型升级和政府的大力支持。研发效率偏低的省份主要有内蒙古、黑龙江和山西，这些省份效率值低于0.4，这些省份具有一定的研发规模和资金保障，但在将创新转化为科技产品方面存在一定的困难。从表4可知，在转化阶段，我国有26个省份的效率大于0.6，其中有12个省已接近优秀转化率，转化率高的省份应继续保持，但是如黑龙江、内蒙古、山西等低转化率的省份，政府应给予重视，寻找导致转化效率低效的瓶颈。

表3 中国省域绿色研发效率区域分布

表4 中国省域工业绿色转化效率区域分布

4.3 两阶段内部关联性的时空分析

根据我国平均绿色研发效率（0.6775）和平均绿色成果转化效率（0.798）将工业绿色创新效率分为高研发—高转化、高研发—低转化、低研发—高转化和低研发—低转化四种模式，如图5。从图中可知：

（1）高研发—高转化类型。属于该类的省份有8个，约占全部省份数目的26.67%，这些省份包括了江苏、江西、天津、上海、浙江、四川、重庆和北京。这些省份主要来自东部地区，其研发效率和转化率较高。进一步对其投入和产出指标分析，发现这些省份市场成熟度、市场发展水平比其他省份好，这可能是这些省域研发效率和创新效率领先的原因之一。

（2）高研发—低转化类型。主要指陕西、新疆、云南、海南、安徽和宁夏等省份（约占总省份数的20%），这些省份具有较高的研发能力，但因为不能及时对研发成果进行转化，降低了商业价值，故应在保持高研发状态下，提高省的转化效率。

（3）低研发—高转化类型。该模式的省份主要包括：内蒙古、青海、河南、福建、湖南、吉林、辽宁、山东、广东、广西等省份，约占全部省份的33.33%，这些省份能够对研发成果及时转化，但其研发的能力不足，应加大科研平台的建设和人才的引进。

（4）低研发—低转化类型。包括：山西、黑龙江、河北、湖北、甘肃（约占全部省份数的16.67%），这些省份在研发和转化阶段的效率有较大的提升空间，但若直接从双低转化为双高需要雄厚的科技平台和资金的支持，故文章建议先将双低转化为一高一低的模式，最后再转化为双高的模式。

图5 各区域科技研发和成果转化效率象限分布图

此外，将2011—2016年划分为2011—2012年、2013—2014年、2015—2016年三个阶段，并将三个阶段分别分布于低研发—低转化（I）、高研发—低转化（II）、低研发—高转化（III）及高研发—高转化（IV）进行列表分析，如表5所示。

从表5可以看出，在2011—2012年阶段，技术创新效率是低研发—低转化和高研发—高转化的省份占了较大比例，在2013—2014年和2015—2016年两个阶段处于低研发—低转化的省份减少，这表明我国在2013—2016年研发或者转化有所提高。进一步分析发现，部分省域保持了空间稳定性，甘肃、黑龙江始终维持在低研发—低转化类型，宁夏、新疆、安徽处于高研发—低转化类型，青海处于低研发—高转化类型，北京、上海、江苏、浙江、四川、重庆等六个省域处于高研发—高转化类型，而有一些省域的效率发生模式的迁移，变化主要发生在低研发—低转化类型和高研发—低转化类型。例如，山西、河南、内蒙古、河北、福建、湖北、湖南在2011—2012是低研发—低转化类型，但在2013—2014变为高研发和高转化，后在2015—2016年又有部分省份重新变为低研发—低转化类型，广西和江西是仅有的两个地区从低研发—低转化类型转变为高研发—低转化类型，很少省域直接从低研发—低转化类型直接变为高研发—高转化类型，这表明：省份提高技术创新效率的转化效率比提高研发效率较容易，直接从低研发—低转化变为高研发—高转化较为困难。

表5 2011—2016中国省域工业绿色技术创新效率分布表

5.结论

文章通过两阶段DEA博弈模型中的主随模型对我国2011—2016工业绿色技术创新系统进行研究，并对计算结果分别从时间、空间两个维度进行分析，最后把创新技术分为高研发—高转化、高研发—低转化、低研发—高转化和低研发—低转化等四类研究其两阶段内部关联性。研究的主要结论为：①在考察期内，中国省域工业绿色研发效率和转化效率均值为0.6775和0.798，研发和转化效率还有较大改进空间。在研发阶段，中国四个区域的研发效率按东西中东北依次降低，高研发和低效率的差异较大，最大的差异高达0.743。在转化阶段，东部和东北部转化效率较高，西部和东北部转化效率较低，效率高的省份间效率变化比较稳定。②从时间维度来看，在研发阶段，东部、西部研发效率高于国家平均研发效率，且其发展随时间波动较小。随时间波动较大的是东北区。在转化阶段，除东北部外，其他省份的转化效率随时间变化在整体上呈增长趋势，中部地区最为明显。③从空间维度上看，在研发阶段，很高研发效率和较高研发效率主要分布在华东、华北、西南等地；一般效率的省域占了全部省域的33.3%，主要集中在华南、华中、华东等地；研发效率较低和很低的省份主要集中在华北、黑龙江、青海、河南及河北。在转化阶段，绿色转化效率较高和很高的主要分布在华东、东北、华中、华北等地，效率较低和很低主要分布在西北、西南以及东部部分地区。④我国处于高研发—高转化阶段的省份仅有26.67%，其余省域均存在转化或者研发方面的问题，其中有40%的省域的工业绿色技术创新效率分布未发生跳跃，剩余的省域的工业绿色技术创新效率主要分布在低研发—低转化和低研发—高转化类型上。