基于超效率SBM 模型的中国绿色技术创新效率分析＊

昝 哲，张道明，张康辉，陈 振

（1.河南农业大学信息与管理科学学院，河南 郑州 450002；2.河南省农村合作经济经营管理站，河南 郑州 450002）

绿色技术创新是将绿色发展与技术创新相结合[1]，是中国经济可持续发展的重要动力。目前，中国经济发展进入新时代，在取得巨大成就的同时，也带来了一系列的资源浪费与环境污染。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，贯彻创新、协调、绿色、开放、共享五大发展理念，坚持人与自然的和谐共生，推进绿色发展。而要实现中国经济的高质量发展，在加强技术能力的同时，也要推进绿色发展理念，构建高效的绿色技术创新体系。

绿色技术创新包括节能、防污染、废物回收、环境管理等方面，不仅能给消费者和企业带来益处，也能减少环境污染[2]。在绿色技术创新效率的测算方面，主要采用的方法是数据包络分析。关成华等[3]、成琼文等[4]、陈振等[5-6]、WANG等[7]、易明等[8]等采用DEA 模型对各行业或各地的绿色技术创新效率进行测算研究。在绿色技术创新效率的影响因素方面，成琼文等[4]认为促进绿色技术创新效率提升的主要因素为平均企业规模、市场化程度、对外开放程度及环境规制强度，而技术环境主要作用于绿色技术研发阶段。

综上，国内外学者对绿色技术创新效率进行了大量研究，但传统DEA 模型很少同时考虑环境污染等非期望产出因素和“松弛”要素对创新效率的影响，这会造成效率被高估的情况，并且无法进一步区分效率值为1 的有效决策单元。基于此，本文将非期望产出和要素“松弛”情况引入传统DEA 模型，采用超效率SBM 模型对2009—2018 年中国各省的绿色技术创新效率进行测度分析，并对未达到效率有效水平地区的投入冗余与产出不足进行分析，最后提出改进建议，为提升中国绿色技术创新效率提供一定的理论依据。

1 研究方法

数据包络分析（DEA）是美国CHARNES 等于1978 年提出，用来评价一组具有多个投入、产出的决策单元间的相对效率[9]。基本模型是CCR 和BCC 模型，但其没有考虑要素“松弛”现象。为弥补此缺点，TONE 分别在2001 年[10]和2002 年[11]提出SBM 模型与超效率SBM 模型，后者不仅考虑松弛变量，还可以对效率值大于1 的决策单元进行排序。本文选用非导向超效率SBM 模型进行研究，模型如下：

式（1）中：ρ*为最终的技术创新效率值；x、yd、yu分别为投入矩阵、期望产出矩阵和非期望产出矩阵中的必要元素；n为决策单元数量，每个决策单元有m种投入，r种产出和p种非期望产出；λ为权重向量。

2 指标选取与数据来源

根据数据选取的全面性、科学性、代表性和数据可得性，同时借鉴相关文献[4-8]，构建中国绿色技术创新效率指标体系，如表1 所示。本文所需数据均来源于《2010—2019 年中国统计年鉴》。

表1 绿色技术创新效率评价指标体系

3 实证分析

3.1 中国绿色技术创新效率测算与结果分析

运用DEA Solver-Pro5.0 软件采用超效率SBM 模型对中国2009—2018 年30 个省市（西藏除外）的绿色技术创新效率进行测算，结果如表2 所示。由于篇幅限制，表2 仅展示部分代表年份的计算结果。

根据表2 中各地效率平均值，将其分为高、中、低三类效率组，高效率组效率值大于1，即总体达到有效水平；效率值在0.8～1 之间的为中效率组；效率值小于0.8 的地区为低效率组。

整体来看，处于高效率组的地市多位于中国东部地区，这些地区有较强的生态环保理念和创新驱动能力。中、西部地区主要处于中、低效率组，由于经济发展对这些地区的生态环境压力较大，因此效率值相对较低。

从变化趋势来看，上海、北京、吉林等地的绿色技术创新效率一直处于较高水平；黑龙江、内蒙古、青海等地的效率值一直处于较低水平；重庆市的效率值在10 年间出现了明显下降；广东、安徽、广西等地有显著提升。

表2 2009—2018 年中国各地绿色技术创新效率

将中国分为东、中、西三大区域，各区域绿色技术创新效率变化情况如图1 所示。由图1 可知，中国2009—2018年绿色技术创新效率呈波动性上升趋势，但整体水平不高，有很大提升空间，总体呈“东高西低”的分布格局。出现这样的分布局势，原因可能为东部地区经济发达，有较强的创新驱动能力，且在技术创新过程中，注重保护生态环境，采用了较为合理的绿色发展措施，相应的绿色技术创新效率就领先于中国平均水平。

3.2 区域绿色技术创新效率优化分析

对2018 年中国30 个省份的相关数据进行处理，得到各地绿色技术创新相应指标的松弛量。下面列出2018 年23 个DEA 相对无效地区的要素投入产出的冗余与不足情况，如表3 所示。

图1 2009—2018 年中国各区域绿色技术创新效率

表3 2018 年中国地区绿色技术创新投入产出冗余率

从表3 可得，在30 个决策单元中，相对有效的决策单元有7 个，相对无效决策单元有23 个，其中有4 个效率值大于0.8，稍加改进就可以达到有效水平。

从各省份的数据来看，各省的绿色技术创新发展处于不均衡状况，要素存在不同程度冗余。从投入要素来看，绿色技术创新效率的影响因素依次为劳动力、资本、技术。劳动力占比最高，达到12.32%，说明中国劳动力投入稍高，存在浪费现象。其中，山西、内蒙古的劳动力冗余率分别高达41.59%、36.81%。资本是第二因素，内蒙古、山东的资本冗余率分别达到44.56%、37.63%。技术投入的冗余率是7.92%，对效率损失影响最小，其中海南、天津、贵州技术冗余较高，分别达到45.79%、43.91%、23.41%。

4 结语

在传统DEA 模型的基础上，考虑非期望产出与要素“松弛”情况，采用超效率 SBM 模型对中国各地的绿色技术创新效率进行测度与分析。结果表明：①中国2009—2018 年绿色技术创新效率呈波动性上升趋势，但整体水平不高，总体呈“东高西低”发展态势，空间差异明显。②2009—2018年各地绿色技术创新效率出现不同情况的变动。广东、安徽等地的绿色技术创新效率有显著提升；重庆市出现明显下降；上海、北京、吉林等地一直处于较高水平；而黑龙江、内蒙古等地一直处于较低水平。③各省绿色技术创新效率处于不均衡状况，要素存在不同程度的冗余。从投入要素的平均冗余率来看，其影响因素依次为：劳动力、资本与技术。

基于上述结论，提出以下建议：①加大绿色技术创新投入，优化创新资源合理配置。充分发挥政府的引导作用，鼓励企业加大科技投入与研发，减少市场干预。同时加大对资金紧张且创新能力强的企业的支持。此外，政府还可以鼓励企业与高校间多多进行技术交流，从而形成高效的绿色技术创新体系。②因地制宜实施环境治理政策，缩小区域发展差距。针对区域发展不均衡状况，因地制宜实施环境治理措施，适当增加东部对中西部地区的技术与资源共享，促进区域的协调可持续发展。③加强实施创新驱动战略，促进绿色技术创新发展。各地政府应落实创新驱动战略，制定创新激励政策，加强地区间的技术交流。此外，工业企业应将绿色作为发展理念，转变传统的发展模式，促进绿色经济发展效益的大幅度提升。同时，针对一些对环境污染较严重的企业，政府应予以关闭或者迁移，采用高标准的污染防治，为中国经济的绿色发展奠定坚实基础。

此外，本研究还存在一些不足之处，例如未对中国绿色技术创新效率的影响因素做进一步实证探究，未对绿色技术创新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有待提高，在指标体系构建上还有待完善等，这些不足之处需在以后研究中进一步探讨。