中国工业企业绿色技术创新效率的测度及其时空分异特征——基于改进的三阶段SBM-DEA模型分析

张 辽，黄蕾琼

(杭州电子科技大学 经济学院，浙江 杭州 310018)

一、引 言

在以生态文明建设推动绿色发展的新时代背景下，谋求经济与人口、资源、环境协调发展的呼声也越来越高，中国政府已将环境保护和绿色发展上升至国家发展战略。毫无疑问，在当前经济增长速度放缓、资源环境约束凸显的新常态背景下，作为“创新驱动”和“绿色发展”两大发展理念的结合点，绿色技术创新必将成为在追求环境质量日益优化的社会发展总目标下解决资源环境问题的必要途径[1]。毋庸置疑，技术创新是驱动经济增长和社会进步的根本动力，但是传统的技术创新模式及路径产生经济效益的同时也带来持续的环境恶化，“绿色发展”与“技术创新”在工业企业经营实践中并未实现协同推进。因此，任何试图破解经济效益与环境效益不能均衡发展难题的做法都需要建立在突破传统技术创新范式局限性的基础之上。因此，需要在产业转型升级中引入具体生态理念的技术创新，借助绿色技术创新实现创新系统、经济系统和环境系统三者的良性互动运行与协调发展。

面对资源环境承载能力趋近上限的客观现实，绿色技术创新必然成为工业企业提质增效的重要途径。从“量”来看，中国工业企业绿色技术创新的投入逐年增加，但从“质”角度来看却存在着重大阻碍：创新投入和产出的低效率。倘若一味关注“量”的增加而忽视“质”的提升，将会导致资源的严重浪费和创新效率的增长乏力[2]。事实上，由于工业制造领域绿色技术创新普遍存在高成本、高风险和不确定性收益等特征，导致创新主体并不具有足够的动力去开展研发周期长、推广过程困难的绿色技术创新活动，这也是造成目前中国工业企业绿色创新意愿不强的重要原因。所以，在提高工业企业绿色技术创新能力过程中，不仅需要关注绿色技术创新绝对投入数量的增加，更应注重企业绿色技术创新的效率问题。众所周知，为了鼓励工业企业积极响应绿色技术创新政策，政府出台了环境管制、财税资金补助等诸多配套政策。然而，诸如环境规制这类强制特性的外部推力尽管能够倒逼工业企业开展绿色技术创新活动，但对于企业创新是否遵循绿色环保要求需要长期专业监督且耗费大量人力物力。非强制性的政府补助政策也只是从资金投入上对企业提供了帮助，难以保证企业绿色技术创新效率的提高，一旦政府扶持力度减弱，绿色技术创新激励不足导致企业创新效率可能再次减退。

鉴于此，深入探究工业企业绿色技术创新及其效率测度成为本文的研究重点。本文在梳理国内外已有文献基础上分析中国工业企业绿色技术创新行为及其效率的动态演进，沿着“绿色技术创新效率测度—客观被动性外生因素剔除—真实绿色技术创新效率”的演化逻辑，运用基于非径向、非角度包含非期望产出的三阶段SBM-DEA模型测算出更能体现企业真实的绿色技术创新效率。在此基础上进一步分析中国工业企业绿色技术创新效率的时空分异特征及动态演进，为引导企业自主开展绿色技术创新活动提供理论依据。与已有相关研究相比，本文的创新之处主要有：其一，利用非径向、非角度包含非期望产出的三阶段SBM-DEA模型，在剔除外生环境变量与随机因素后测算绿色技术创新效率，能够真正体现工业企业绿色技术创新效率的真实性。其二，为了明晰绿色技术创新效率时空分异特征，运用Dagum基尼系数及其子群分解法定量分析工业企业绿色技术创新效率的地区差异，并利用Kernel密度估计从时间维度上对效率的分布动态演变特征进行分析。

二、文献回顾

绿色技术创新作为促进制造业可持续发展的重要驱动要素，近年来国内学者对其探索的视角不断拓展，旨在摸索出推进绿色发展水平持续提升的有效路径，助力制造业企业突破资源与环境约束并走出“增长—污染”相伴的怪圈。理论研究层面并未就绿色技术创新给出确定性概念，最早由国外学者Brawn等从环境污染角度，将其概括为污染控制、循环再生技术、净化技术等多个方面技术的统称[3]。在此基础上，其他学者进一步扩展了绿色技术创新的内涵，譬如Aguilera-Caracuel等认为对绿色技术创新本质内涵的理解应该从传统的企业产品设计制造技术扩展到企业管理理念的绿色化变革[4]。国内学者对比分析了传统技术创新与绿色技术创新的本质区别，并对绿色技术创新的内涵进行了多维度界定。

为了应对政府环境规制带来的巨大压力，企业可能被迫开展绿色技术创新活动。所以解学梅等认为环保规制压力驱使企业在规范约束下积极寻求绿色创新资源，而非积极主动开展绿色技术创新活动[5]。但是资源基础理论的支持者认为在组织特征、资源组织能力、高管认知等因素的积极作用下，企业依然具有选择主动开展绿色技术创新行为的偏好[6]。因此，需要重新审视不同类型的绿色技术创新行为的效果问题。尽管如此，绿色技术创新的复杂性、高投入等特征导致多数工业企业缺乏主动开展绿色技术创新的意愿[7]。因此，为了实现经济效益与环境效益“双赢”，企业选择污染预防、产品监测和内部管理等方面的创新来提高资源生产率，建立可持续竞争优势，在促进利润增长的同时产生环境效益。

相关研究对绿色技术创新的本质内涵提供了大量有价值的研究，也系统思考了驱动企业绿色技术创新影响因素及效率水平测度。相比较而言，大多数有关绿色技术创新效率评价的研究具有内在一致性，但是基于对绿色技术创新本质内涵的不同理解导致效率评价方法还尚未形成一致性观点。梳理已有文献发现，国内外学界对绿色技术创新效率的测算方法主要分为三种：一是基于绿色技术创新成果的单一指标来衡量绿色技术创新效率。贾军等用企业申请专利数量衡量创新水平，研究了区域内外绿色技术知识存量及非绿色技术知识存量对技术创新的影响[8]。但是仅用单一指标不仅不能全面反映绿色技术创新效率水平，而且测算结果也会存在一定程度的误差。二是用主成分分析法或因子分析法对企业绿色技术创新效率进行评价。如García-Granero等从产品设计、生产过程、组织管理和市场营销四个方面构建了绿色技术创新绩效评价指标体系，并运用因子分析法对企业绿色创新能力进行了测度[9]。虽然主成分分析法或因子分析法弥补了单一指标的不足，但不能反映绿色技术创新的动态演变过程，且无法透视企业绿色技术创新的内在真实性。三是从投入和产出效率角度出发，基于距离函数、数据包络分析(DEA)等投入产出模型对绿色技术创新效率进行测度。考虑到CCR模型的假设条件为规模报酬不变，对于规模报酬递减或递增的决策单元并不适用。所以将假设条件放松为规模报酬可变并分别运用DEA-BCC模型、RAM-DEA模型、共同前沿DEA模型等使得测算的效率更加精准。

为了克服由于径向和角度造成的传统DEA测算偏差问题，Kaoru Tone提出了考虑松弛变量的非径向、非角度的SBM模型[10]。在解决松弛度问题的基础上，使非期望产出指标与投入指标中能源消耗等因素相匹配，进一步提高效率测算的准确性以及评价结果的科学性。杨树旺等采用非径向、非角度的包含非期望产出的SBM-DEA模型对绿色创新效率进行了测算，认为解决松弛问题使得测算结果出现偏差的可能性大幅降低[11]。随着研究的不断深入，部分学者开始结合投影寻踪模型(PP)处理高纬数据的特点，利用改进后的随机前沿模型(SFA)估算工业企业绿色技术创新效率[12]。虽然非径向、非角度包含非期望产出的SBM-DEA模型能够较好地避免松弛性问题以及单一产出变量造成结果偏差，但仍无法准确体现企业绿色技术创新的真实性。

纵观已有研究，目前学界在绿色技术创新效率的测度方法选择方面并未达成一致。大多数学者利用DEA法或SFA法来测度工业企业或者区域绿色技术创新效率，绿色创新效率评价的准确性有待提高。尤其是既有研究忽略了不同主体开展绿色技术创新动机的异质性，试图建立在外部客观因素驱动下对企业被动性绿色技术创新绩效的评价，而忽略诸如创新激励、成本节约等内生因素可能产生的非期望性收入。因此，本文将在前人的研究基础上做以下拓展：(1)运用非径向、非角度包含非期望产出的三阶段SBM-DEA模型将外部环境因素对投入冗余量的影响剔除，然后测算2003—2017年中国30个省份工业企业真实绿色技术创新效率；(2)运用Dagum基尼系数及其子群分解法对工业企业真实绿色技术创新效率的地区差异进行测算与分解，以客观描述中国工业企业绿色技术创新效率的地区相对差异；(3)由于传统收敛性存在较大局限性，因此本文利用Kernel密度估计从时间维度上对中国工业企业真实绿色技术创新效率的分布动态演变特征进行分析，以便更有针对性地制定政策激发企业主动创新的积极性，引导企业主动开展绿色技术创新活动。

三、方法、指标与数据

(一)基于改进的三阶段SBM-DEA动态模型

传统三阶段DEA模型2002年由Fried等提出，其主要思想为：第一阶段将投入产出指标代入传统的DEA模型 (BBC模型或CCR模型)，计算得到各个决策单元的松弛变量；第二阶段利用随机前沿分析法(SFA)剔除外部环境因素与随机误差对效率的影响，使计算所得的效率值能更真实地反映决策单元的内生水平；第三阶段依据第二阶段调整后的各个决策单元的投入产出指标再次代入DEA模型，测算剔除环境因素和随机因素的效率值。上述模型可以有效剔除环境因素和随机因素的影响，但传统模型仍存在仅能用于静态研究，无法有效测量非期望产出以及忽视技术差异性等问题[13]。因此，本文将基于非期望产出的SBM-DEA模型与随机前沿分析(SFA)方法，构建非径向、非角度包含非期望产出的三阶段SBM-DEA模型，在剔除外部客观环境变量对绿色技术创新效率值的影响后得到中国30个省份2003—2017年的工业企业真实绿色技术创新效率。其具体的测算步骤如下：

P={(x，y，z)|x≥Xλ，y≤Yλ，z=Zλ；λ≥0}

(1)

式(1)中λ表示横截面观察值的权重向量。对特定生产决策单元DMU0具体的SBM模型构造为：

S-≥0，Sg≥0，Sb≥0，λ≥0

(3)

式(2)中，p(0

第二阶段：上述计算结果考虑了投入产出松弛变量的作用，但也受到内部因素、外部环境因素与随机误差的综合影响。传统DEA模型没有将内外部环境与随机误差对效率值的影响进行区分，而是统一归为内部影响，这样对结果的分析无疑是不够准确的。由于各DUM投入与产出的松弛量在零的情况下数据存在截断，因此本文参考Fried等的做法，利用随机前沿SFA模型对第一阶段的投入松弛量和环境变量进行拟合[16]。

第三阶段：将调整后的数据代替原始数据，再次运用一阶段中的非期望产出SBM模型进行效率估计。由于剔除了环境因素和随机误差的影响，新的效率值能更准确地反映出决策单元实际创新效率水平。

(二)指标选取及处理

1.投入指标选取及处理

借鉴杨树旺等的做法，本文从劳动力、创新性资本、能源消耗三方面选取投入指标，并分别采用R&D人员全时当量、R&D经费内部支出存量、煤炭消耗量予以衡量[11]。其中，R&D经费内部支出存量采用永续盘存法进行核算。具体计算方法如下：

Ki，t=Ii，t+(1-ϑ)Ki，t-1(6)

其中，Ki，t和Ki，t-1分别表示i省在t时期与t-1时期的R&D经费内部支出存量；ϑ为折旧率，本文参考李向东等的做法取值为15%[17]；Ii，t为i省在t时期实际R&D经费内部支出，参考朱平芳等的处理方法，R&D平减价格指数=0.45×固定资产投资价格指数+0.55×消费价格指数[18]。

2.产出指标选取及处理

从绿色环保角度，绿色技术创新产出不仅包括新产品销售收入、专利等一般技术创新活动经济产出，还涉及到环境污染指数等环境状况。考虑到发明专利的技术含量相对较高，能够较好地体现工业企业绿色技术创新水平，新产品销售收入则从市场角度体现出创新成果所带来的经济效益。因此，本文选取工业企业新产品销售收入、发明专利项目数来衡量绿色技术创新后产生的期望产出[2，12]。其中，历年各地工业品出厂价格指数(PPI)以2001年为基期对新产品销售收入予以调整以消除价格变动的影响。另外，选取规模以上工业企业污染排放水平作为绿色技术创新行为的非期望产出。对工业污染排放水平的衡量参考杨树旺、田时中等的处理方法，首先利用熵值法对工业废水排放量、工业SO2排放量、工业固体排放量三个污染指标进行赋值，进而得到工业企业环境污染指数即非期望产出[11，19]。

3.环境变量的选取及处理

环境变量主要包括对工业企业绿色技术创新效率有显著影响但又不属于企业本身可控制的因素。尽管影响企业绿色技术创新效率的外部因素有许多，但本文仅考虑了环境规制强度、市场竞争强度、经济发展水平、产业结构和对外开放程度五个方面。

环境规制强度。企业绿色技术创新积极性很大程度上受地方政府环境规制影响，在环境污染治理初期需要大量资金使得创新成本急剧上升。随着生态环境不断改善，不仅环境治理成本大幅下降会激发创新主体主动进行绿色技术创新，而且政策规制与绿色创新活动间形成的良性循环也终将提高绿色技术创新效率。对于环境规制强度的测度方法，本文将环境污染治理投资总额占GDP比重作为衡量指标。

市场竞争程度。市场竞争程度加剧在一定程度上倒逼企业主动开展绿色创新活动以取得市场优势。但是在此过程中也可能增加对生产性人力、资金与能源的挤占，进而造成创新效率下降。在增加非期望产出后，工业企业绿色创新效率会受到市场竞争的外部影响。通常企业数量的增加会加剧市场竞争程度，所以本文选取企业个数予以衡量。

经济发展水平。企业的创新活动往往需要投入大量的智力资源与物质资本，经济发达地区汇聚了大量优秀人才与丰富资金，该环境下企业通常具有更强的绿色技术创新意愿。本文选用人均GDP作为衡量指标。

产业结构。不同的产业开展技术创新的过程存在着差异，进而对绿色技术创新的需求也有所不同。因此，产业结构形态及其合理性对绿色技术创新效率具有重要作用。本文选用第三产业增加值占GDP比重作为衡量指标。

对外开放程度。开放程度的提高有助于外部先进技术、人才和资金等资源的吸收和利用，同时也导致了国外污染产业的进入，从而也会对绿色技术创新效率产生不利影响。因此本文选取实际利用外商直接投资的对数形式作为对外开放程度的衡量指标。

(三)数据来源说明

本文实证数据主要涉及中国工业企业微观数据和工业部门的数据，数据来源具体如表1所示。其中，劳动力投入指标与资本投入指标数据来自历年《中国科技统计年鉴》；能源消耗指标、非期望产出与污染指标数据来源于历年《中国环境统计年鉴》《中国工业统计年鉴》；期望产出数据来自历年《中国工业经济统计年鉴》《工业企业科技活动统计年鉴》；外部环境变量数据来自历年《中国统计年鉴》；价格指数数据均来自历年《中国价格统计年鉴》。由于西藏统计数据缺失严重，本文将西藏地区予以剔除。此外，数据的处理和统计分析过程均由Stata12.0统计分析软件完成。为消除极端值的影响，以及降低异方差及经济变量的结构突变带来年度数据变化幅度过大给模型的估计造成的影响，上述的变量均进行对数化处理。对于连续变量处于0～1%和99%～100%之间的极端值作Winsorize处理。

表1 数据来源说明

四、中国工业企业真实绿色技术创新效率的测算

基于改进的三阶段SBM-DEA动态分析模型，测算中国工业企业真实绿色技术创新效率的水平，各阶段测算结果如下：

(一)阶段一：测算工业企业常规绿色技术创新效率

利用Maxdea软件对中国30个省份工业企业绿色技术创新效率进行测算。计算结果如图1所示。从绿色技术创新效率的总体表现来看，2003—2017年期间全国工业企业绿色技术创新效率平均值排名前三位的省份分别是广东(0.904)、天津(0.873)、上海(0.869)，效率均值最低的省份是黑龙江(0.096)。北京市工业企业绿色技术创新效率自2011年开始就一直保持为1，但是绝大多数省份的效率值小于0.5。由此可以看出工业企业绿色技术创新效率在各地区之间存在较大差异。突出表现为部分地区长期坚持智能、绿色、低碳的工业发展方向以及对环境保护的高度重视使得其绿色技术创新效率达到全局前沿面，而另一些省(市)则普遍存在较大的效率改进空间。从各个省份绿色技术创新效率的时空分异特征来看，北京、吉林、上海、浙江、海南、青海等省份的绿色创新效率标准差较大。究其原因，各地区不同时期在绿色技术研发投入力度、市场激励机制、创新政策协同性等方面的差异导致其绿色技术创新效率呈现明显的梯级差异。此外，尽管山西、内蒙古、贵州等地区的标准差整体偏小，但其绿色技术创新效率长期处于低位的事实难掩该地区在推动绿色发展过程中乏善可陈。

图1 分地区工业企业常规绿色技术创新效率变化趋势图

东、中、西三大区域的比较而言，2003—2017年经济发达的东部沿海地区工业企业绿色技术创新效率均值为0.61，远远高于中部(0.259)和西部(0.223)。表明中国工业企业绿色技术创新效率呈现了明显的“东-中-西”阶梯式递减的非均衡空间分布格局，这与李占风等的测算结果相似[15]。从三大经济板块工业企业绿色技术创新的动态演变趋势来看，全国及东中部地区工业企业绿色技术创新效率变化趋势近乎一致，总体上经历了先缓慢上升(2003—2007年)到快速上升(2008—2012年)的过程，然后再度步入缓慢上升时期(2012—2017年)的态势。其中，全国层面的绿色技术创新效率均值处于最大与最小值的年份分别是2015年(0.557)和2003年(0.206)。与东部地区工业企业绿色技术创新效率持续上升的趋势相比，全国及中西部效率水平不仅存在绝对水平明显偏低的特征，而且还表现出了增长速度的差异性。可见近年来中西部地区工业企业绿色技术创新效率改进的总体状况不容乐观。

(二)阶段二：剔除空间异质性、外部环境与随机误差对投入松弛量的影响

第一阶段的工业企业绿色技术创新受到外界不可控制因素影响，但是工业企业绿色技术创新效率侧重企业内部环境所引致的自发主动开展的绿色技术创新行为。因此本文将在第二阶段加入对外界环境变量的影响。通过第一阶段SBM模型的计算发现各个省份的新产品销售收入、发明专利项目数期望产出的冗余为零，而投入要素和非期望产出均存在一定的冗余。说明作为绿色技术创新活动重要产出成果的新产品生产和创新专利不足不是企业绿色技术创新效率损失的原因，而导致绿色技术创新效率不高的主要原因是环境规制强度、市场竞争强度、经济发展水平、产业结构和对外开放程度等外部环境因素。因此，在第二阶段将采用随机前沿分析(SFA)模型对各投入冗余进行回归，回归结果见表2。理论上，在利用环境变量来解释投入松弛量的分析过程中，当环境变量与投入松弛量成正相关时，表示外部环境变量的增加会造成投入冗余增加或非期望产出增加，则绿色技术创新效率降低；反之，增加外部环境变量有助于投入冗余减少或非期望产出降低，绿色技术创新效率提高。

从表2可以看出，环境规制强度与劳动力松弛量、能源消耗松弛量呈显著正相关，与资本存量松弛量呈显著负相关，这表明环境规制强度的增强会造成劳动力与能源冗余的增加，但能够减少资本存量冗余。可见环境规制强度增加时能够使资本得到有效配置，同时也会造成劳动力与能源的低效率使用，这两种正负作用孰强孰弱将关系到环境规制强度对工业企业绿色技术创新效率的直接影响。市场竞争强度与劳动力松弛量呈显著正相关，与资本存量松弛量呈显著负相关，对能源消耗松弛量无显著性关系。这表明市场竞争程度的增强尽管会造成劳动力投入的低效率，但同时使资本配置更加合理。经济发展水平与三个投入的松弛量均呈现显著正相关，说明在提高经济增长水平的同时不仅应该关注到劳动力与资本配置的合理性，还应关注到经济发展过程中产生能源消耗的不利影响。产业结构与劳动力松弛量、资本存量松弛量、能源消耗松弛量均呈显著负相关，表明产业结构优化升级能减少劳动力、资金与能源消耗的松弛量，从而对工业企业绿色技术创新效率有正向积极影响。这说明产业结构越合理，工业企业绿色技术创新效率越高。此外，对外开放程度对劳动力松弛量没有显著作用，但对资本存量松弛量、能源消耗松弛量均呈显著正相关，说明对外开放水平的不断提高将会逐渐增加资本存量与能源消耗的松弛量，这在一定程度上引发资源低效率使用的问题。

表2 随机前沿分析(SFA)回归结果

(三)阶段三：测算工业企业真实绿色技术创新效率的变化

由表2可知，尽管外部环境变量与个别投入变量松弛量的回归系数不显著，但LR单边误差检验在显著性水平1%的情况下均通过了检验。因此对投入变量进行调整时仍然需要将上述五个环境变量都考虑进去。将调整后的投入变量替代原始变量重新进行第一阶段的效率测度，可以得到剔除外部环境变量与随机变量影响后的工业企业真实绿色技术创新效率。结果见图2所示。

对比图2与图1可以发现，各个省份调整前的工业企业绿色技术创新效率与调整后的真实绿色技术创新效率之间呈现出明显的差异化特征。一方面，前后对比表现出下降特征的有北京、上海、江苏、浙江、山东、广东、海南和青海等8个省(市)，表明这类省份第一阶段中所表现出绿色技术创新高效率一定程度上得益于所处外部环境而非自身主观意愿的结果。另一方面，前后对比表现出上升特征的省份有天津、河北、山西、内蒙古、辽宁、吉林、黑龙江、安徽、福建、江西、河南、湖北、湖南、广西、重庆、四川、贵州、云南、陕西、甘肃、宁夏和新疆22个省(市)，说明这些省市较低水平的绿色技术创新效率并不完全是由其工业企业自身开展绿色技术创新的意愿不足造成，而是在较大程度上受到了外部环境因素的影响。

由图3可以看出，绿色技术创新效率平均值在剔除外部环境因素和随机因素的影响后，从0.383上升为0.414，上升幅度为8.09%，说明中国工业企业真实绿色技术创新效率总体水平呈现了不断上升态势，但创新效率整体水平偏低却也是不争事实。从东中西三大区域的比较来看，绿色技术创新效率存在空间收敛特征，即创新效率较高的省份与较低省份之间的差距在不断缩小。其中，三大地区的平均效率值也都有不同程度的变化，东部由0.61下降到0.584，下降幅度为4.26%；中部由0.259上升到0.329，上升幅度高达27.23%，而西部从0.223上升到0.276，上升了23.77%。这说明外部环境对于工业企业绿色技术创新效率测度造成较大程度的干预。此外，经济发展水平较低的中西部地区工业企业绿色技术创新效率仍远小于经济发达的东部地区，进一步表明中国工业企业绿色创新效率与经济发展水平之间具有较高的一致性。

图2 中国工业企业真实绿色技术创新效率图

图3 全国和东部、中部、西部工业企业真实绿色技术创新效率均值图

五、中国工业企业真实绿色技术创新效率的时空分异特征

前文的分析表明，中国各地区工业企业绿色技术创新效率呈现出“东高西低”的非均衡空间分布格局。但是上述的分析对中国工业企业绿色技术创新效率的时空分异特征及其动态演化尚不能提供足够的有价值信息。因此，本文首先利用Dagum基尼系数对工业企业真实绿色技术创新效率的空间差异进行测度，再利用Kernel密度估计法从时间维度对其动态演变趋势进行研判。

(一)基于Dagum基尼系数及其子群分解法的空间维度演变分析

本文采用Dagum基尼系数及其子群分解方法来分析中国工业企业绿色技术创新效率地区间以及地区内的差距。与传统基尼系数相比，Dagum基尼系数及其子群分解方法不仅加入了对子样本分布状态的考量，还有效解决了样本间交叉重叠现象和地区差距来源的问题，使得分析结论更加精准[15]。Dagum基尼系数定义式为：

利用前文已测得剔除环境变量与随机因素影响后的工业企业真实绿色技术创新效率值，以便将各省份放在相对公平的环境下，更有利于从工业企业内部角度出发分析不同地区的绿色技术创新效率。而本文为了更好地分析工业企业绿色技术创新效率空间差异以及差异来源，利用Dagum提出的基尼系数及其子群分解法对2003—2017年工业企业绿色技术创新效率空间差异进行了测算与分解，计算结果如表3。

表3 Dagum基尼系数及其分解结果

从表3可以看出，中国工业企业绿色技术创新效率的总体基尼系数(G)处于0.181～0.551之间，样本期间总体呈下降趋势。其中，2003年达到最大值0.551，随后出现上下不同程度的波动，2011年最低值0.181。经过几年小幅增长后在2015年达到0.288，之后又较快降至2017年的0.202。这表明随时间的推移，在东中西三大经济板块之间的绿色创新效率差异有明显缩小趋势。一方面，从地区间差异(Gnb)演变趋势来看，东-中部、东-西部之间的差异总体上呈现出明显下降趋势，而中-西部之间的差异存在波动但总体呈现出小幅下降趋势。譬如东-中部地区间差异从2003年的0.655降至2017年的0.208，下降了68.24%。表明东部与中部之间的绿色技术创新效率差异得到了十分有效的改善。东-西部地区间差异从2003年的0.709到2017的年0.229，下降了67.7%。中-西部地区间差异从2003年的0.32到2017年的0.202，下降了36.88%，年均下降率为3.02%，同样表明工业企业绿色技术创新效率在中部与西部之间的差异有显著缩小。另一方面，从地区内差异(Gw)的演变趋势来看，东部地区内不同省份之间工业企业绿色技术创新效率的地区差异从2003年的0.426下降到2017年的0.156，下降了63.38%，年均下降率为6.78%，说明地区内差异得到了明显的改善。中部地区不同省份之间工业企业绿色技术创新效率的地区差异由2003年的0.228上升到2017年的0.189，下降了17.11%，年均下降率为1.25%。西部地区不同省份之间工业企业绿色技术创新效率的地区差异从2003年的0.362到2017年的0.201，下降了16.1%，年均下降率为3.85%。

此外，从地区间差异来源及贡献率的演变趋势来看，超变密度与地区间差异来源及贡献率都存在阶段性变化，但两者的变化趋势恰好相反。从贡献率大小来看，地区间差异贡献率最大，地区内差异的贡献率次之，超变密度的贡献率最小。其中，地区间差异的贡献率最大达到69.29%，最低也有35.45%，绝大多数年份处于50%以上，这表明地区间差异是工业企业绿色技术创新效率空间差异的主要来源。

(二)基于Kernel密度的时间维度演变分析

尽管基于Dagum基尼系数及其子群分解法所测算出地区差异能够客观描述企业绿色技术创新效率的空间相对差异，但并不能反映地区工业企业绿色技术创新效率的动态演进。因此，为了从时间维度来描述工业企业绿色技术创新效率的动态演化格局，本文采用Kernel密度函数来对企业绿色技术创新效率分布形态的核密度曲线进行估计，揭示省际工业企业绿色技术创新效率的动态演进特征。选取2004年、2008年、2012年和2017年为样本观察时间点，图4(a、b、c、d)分别表示全国和东部、中部、西部地区的核密度曲线二维图。

从图4(a)可以看出，全国层面的核密度曲线随着时间的推移表现出峰值下降且波峰右移趋势，右尾逐渐缩短，尾部出现多峰形态随后又有消失趋势，表明工业企业绿色技术创新效率在逐渐提高，样本期间内企业绿色技术创新效率的地区差异先有所扩大后又有缩小趋势，效率极化特征虽凸显但有缓减趋势。

从图4(b)可以看出，东部地区企业绿色技术创新效率的核密度曲线峰值上升波峰右移，双峰特征逐渐明显，表明东部地区工业企业绿色技术创新效率不断提高且分布越来越集中。2012年、2017年均出现双峰形态，说明东部地区的工业企业绿色技术创新效率两极分化现象逐渐明显。

从图4(c)看出，中部地区2012年—2017年的核密度曲线由双峰形态转单峰形态，峰值大幅度降低，波峰大幅度右移。拖尾变长表明中部地区内部绿色技术创新效率两极分化现象得到改善，但却存在明显不协调问题。

从图4(d)可以看出，西部地区企业绿色技术创新效率的核密度曲线不断右移，峰值不断降低，峰度不断加宽，右尾不断拉长，表明西部地区的企业绿色技术创新效率随时间推移出现效率分布逐渐分散的状态。部分省份的工业企业绿色技术创新效率向较高水平集中，而另一些省份的企业绿色技术创新效率则向较低水平集中。

综上所述，中国工业企业绿色创新效率的时空分异特征十分明显。其中，东-中部、东-西部地区间差异总体上呈现明显缩小趋势，中-西部地区之间差异也有小幅缩小趋势。时间维度上工业企业绿色技术创新效率的地区差异整体先有所扩大随后有缩小趋势，效率极化特征虽明显但有减缓趋势。

六、结论与对策建议

(一)研究结论

本文采用非径向、非角度包含非期望产出SBM-DEA模型测算了剔除外部环境影响后工业企业真实绿色技术创新效率，然后运用Dagum基尼系数及其子群分解法分析了绿色技术创新效率地区差异及其来源，最后利用Kernel密度估计法从时间维度上分析了绿色技术创新效率分布的动态演变过程。研究发现：(1)剔除外部客观环境因素和随机因素影响后的真实绿色技术创新效率与调整前的绿色技术创新效率水平之间差异明显，部分地区绿色技术创新的高效率在一定程度上源于所处的外部环境倒逼的结果，但也有部分省份绿色创新效率水平较低并不完全是其开展绿色技术创新的意愿不足造成。(2)全国绿色技术创新效率总体水平呈现了不断上升态势，但创新效率水平偏低却也是不争的事实。空间分布上基本呈现“东高西低”阶梯式分布格局，且东、中、西各大板块普遍存在较大的提升空间。(3)中国工业企业绿色创新效率的时空分异特征十分明显。其中，东-中部、东-西部地区间差异总体上呈现明显缩小趋势，中-西部地区之间差异也有小幅缩小趋势。时间维度上工业企业绿色技术创新效率的地区差异整体先有所扩大随后有缩小趋势，效率极化特征虽明显但有减缓趋势。

(二)对策建议

针对上述研究结论，本文认为在制定促进企业绿色创新政策时，需要考虑外部创新环境对企业绿色技术创新效率作用，同时针对地区间工业企业绿色技术创新意愿的差异，应注重提升地区企业的绿色技术创新积极性。因此，本文对提高工业企业绿色技术创新效率提出以下三点政策建议：

第一，切实提高企业绿色技术创新的收益。在建设生态文明的时代背景下，企业普遍意识到提升绿色技术创新能力才是实现绿色增长唯一出路，应该顺应经济结构演变趋势将资源环境保护作为企业技术创新活动中的重要因素予以考虑。倘若主动开展绿色技术创新的收益大于政府干预下被动绿色创新的收益，则较低的环境规制强度下企业仍然愿意主动引入创新资源进行绿色技术创新。因此，需要明晰各类规制政策的边界以营造促进绿色技术创新的市场竞争环境，突出工业企业在绿色技术创新活动中的“参与者”和“受益人”的角色，切实提高企业绿色技术创新的收益，积极引导企业主动开展绿色技术创新。

第二，有效降低企业绿色技术创新的成本。政府实施严格的环境规制政策并加大环保监管惩罚力度尽管可以倒逼企业选择绿色技术创新行为，但是企业主动进行绿色技术创新的动力源于净收益大小的比较，在当期创新收益低于当期创新成本情形下大多数企业无奈会把绿色技术创新当作负担，因而开展绿色技术创新的意识比较淡薄，故绿色技术创新效率必然大打折扣。因此，政府管理部门不仅要出台坚持绿色发展为导向的财税政策，将负外部性的非绿色生产行为成本内部化，探索市场化在解决环境问题过程中的主导型角色，依靠市场资源整合、公众的环境保护意识以及有效的末端治理等途径降低绿色技术创新的成本。

第三，大力诱导企业环境战略由被动向主动的转变。企业绿色技术创新行为包括以被动环境战略为导向的被动创新行为和以主动环境战略为导向的主动创新行为，企业选择何种环境战略通常需要借助环境认知转化的管理诠释[20]。当管理者视环境问题为机会时，管理者会将这一认知转化为对内部管理安排以及向全员推广环境治理理念等管理行为的强烈意愿，展示出主动环境战略的意图并主动开展绿色技术创新。这时企业将借助外部因素的影响，积极主动解决环境问题以达到提升企业竞争优势的目的。反之，当管理者视环境问题为威胁时，解决环境问题造成利润下降，从而将认知转化为管理行为的意愿不强，展示出被动环境战略而表现为被动开展绿色技术创新。因此，需要不断促进法律制度建设与完善，构建更加公平规范的市场秩序，加大绿色技术知识产权保护力度，转变依靠政府规制倒逼的绿色技术创新模式，为绿色技术营造良好的创新环境，诱导企业环境战略由“被动”向“主动”转变。