长三角工业绿色技术创新效率及影响因素——基于政府行为视角

何育静， 蔡丹阳,王姝彤

(1.江苏科技大学 经济管理学院,江苏 镇江 212100;2. 南京审计大学 经济与金融研究院， 江苏 南京211815)

工业是我国经济的支柱,长三角一体化作为国家重大发展战略,实施工业绿色创新对践行高质量发展方式创新、探索生态友好型发展模式意义重大。因此，作为全国最大的综合性工业基地,长三角工业绿色技术创新势在必行。2016年的《长江三角洲城市群发展规划》明确将生态保护作为发展新支撑,要求积极实施创新驱动的发展战略。2019年的《长三角生态绿色一体化发展示范区总体方案》强调要率先实现质量变革、效率变革和动力变革,践行新发展理论、推动高质量发展的政策制度。工业绿色发展的推动离不开绿色技术创新水平的提升,因此探讨工业绿色技术创新效率并分析其影响因素,对推动长三角生态绿色一体化发展有重要的现实意义。

学术界有关绿色技术创新效率的研究成果颇丰,主要集中于两个层面:

关于绿色技术创新效率的评价。韩晶(2012)、孔晓妮和邓峰(2015)计算了中国大陆30个省市的绿色创新效率,发现东部地区绿色创新效率值高于中部与西部地区[1-2];冯志军(2013)、孙丝雨与安增龙(2016)、Du(2019)等通过研究表明，经济发达地区的工业绿色技术创新效率值高于欠发达地区[3-5]。

关于绿色技术创新效率的研究视角。肖仁桥与丁娟(2017)从价值链视角分析了我国工业企业绿色创新效率的空间溢出效应[6];钱丽(2018)从共享投入关联视角分析了我国工业企业绿色创新效率存在差异的原因[7];刘文琦(2019)从产业集聚角度证实了企业研发投入对绿色创新效率的提升效果受产业集聚程度的影响[8];冉启英和杨小东(2020)基于空间视角证实了制度质量对国际技术溢出存在调节作用,且国际技术溢出对绿色技术创新效率的推动作用会随着制度质量的提升而增加[9]。

综上,虽然绿色技术创新效率研究成果丰富,且在不断完善和发展,但仍存在少许不足,如对长三角地区研究较少,也很少有学者从政府引导行为视角进行研究。鉴于此,在前人已有研究基础上,笔者将采用非期望产出的DEA模型计算长三角工业绿色技术创新效率,并通过面板Tobit模型分析政府行为对工业绿色技术创新效率的推动作用和效果。

一、 工业绿色技术创新效率评价

(一) 工业绿色技术创新效率模型设定

工业绿色技术创新效率是指在节约资源和环境保护的前提下,工业企业从事清洁技术生产活动的革新能力。工业环境非期望产出越少,意味着工业技术创新资源消耗量越少,绿色技术创新水平就越强。区域创新系统比较复杂，涉及多种投入和产出,故笔者采用数据包络分析DEA模型并据此计算区域绿色技术创新效率值。松弛变量非期望产出DEA模型公式如下:

(1)

模型投入变量具体指规模以上工业企业R&D人员全时当量(人)、R&D内部经费支出(万元)，产出变量具体指规模以上工业企业专利申请数量(件)、企业销售产值(万元)与总产值(万元)，非期望产出变量具体指工业SO2排放量(吨)、工业废水排放量(万吨)。

(二) 工业绿色技术创新效率分析

长三角地区作为长江经济带与“一带一路”的交汇地带,具有极高的经济活力、自主创新能力和开放程度。但其作为我国实力最强的综合性工业基地,区域间绿色技术创新水平发展并不平衡,区域之间存在较大差距。对此,笔者结合式(1),运用DEA-Solver软件,对长三角27个城市2008年至2018年工业绿色技术创新效率作出评价(图1-3)。图4为长三角地区绿色技术创新效率整体水平以及三省一市的绿色技术创新效率值。笔者通过计算长三角27个城市和各所属省份地级市的绿色技术创新效率得出算术平均值。

图1 上海市、江苏各地工业绿色技术创新效率

图2 浙江各地工业绿色技术创新效率

图3 安徽各地工业绿色技术创新效率

图4 长三角与江浙沪皖的工业绿色技术创新效率

由图1—3可知,长三角地区27个城市的工业绿色技术创新效率值大体上是逐年增加的,但城市之间存在较大差异。如2008年,工业绿色技术创新效率值最高的是上海市0.81,最低的是宣城市0.14,上海比宣城高82.72%;江苏省工业绿色技术创新效率值最高的是苏州,最低的是泰州,苏州比泰州高44.30%,比宣城高82.28%;浙江省工业绿色技术创新效率值最高的是杭州,最低的是舟山,杭州比舟山高68.06%,比宣城高81.58%;安徽省工业绿色技术创新效率值最高的是合肥,最低的是宣城,合肥比宣城高75.00%。总之，经济发展水平较高的地方,工业绿色技术创新水平也较高。

由图4可知,浙江省工业绿色技术创新效率值和走势与整个长三角地区大致相似。上海市工业绿色技术创新水平在2011年就已经达到最高值；江苏省和浙江省与最大效率值的差距越来越小；安徽省工业绿色技术创新能力与整个长三角相比还有很大差距,达到最大效率值还需要一定时间。

二、 政府行为对工业绿色技术创新效率的影响机理与实证分析

(一) 影响机理

政府行为对工业绿色技术创新的影响主要体现在环境规制、科学技术和教育财政支持方面,正向影响效应、负向影响效应见图5。

图5 政府行为对绿色技术创新效率的影响机理

环境规制对工业绿色技术创新效率有较大影响。环境规制是指政府为保护生态环境而通过法律手段制定的环境标准。环境规制对工业绿色技术创新存在“绿色激励”与“创新制约”作用。企业为了规避环境保护约束,会加大技术研发投入,积极寻求绿色清洁的生产工艺,以达到环境污染排放规定的标准。但企业可用资金有限,治理环境污染成本增加势必会削弱其技术创新资金的投入,企业可能会更多地依赖技术进口,从而制约自身技术创新积极性。

科学技术与教育财政支出增加,对工业绿色技术创新具有“创新补偿效应”与“技术进步效应”。政府教育经费支持使学校可以购买先进的科研与教学设备,培养实用型技术人才。政府科学技术经费支持不仅解决了企业进行绿色技术创新活动的资金短缺问题,而且能够加强地区产学研合作,鼓励高校、企业与科研机构成立绿色技术创新研究小组,推动污染治理技术与绿色生产技术研发,实现绿色技术创新成果的应用和推广,加快以技术进步推动传统工业企业绿色转型的步伐。

根据上述政府行为对工业绿色技术创新效率的影响机理分析,笔者提出假设:

H1:环境规制对工业绿色技术创新水平有显著促进作用；

H2:环境规制对工业绿色技术创新能力有显著阻碍作用；

H3:政府支持对工业绿色技术创新效率有显著推动作用。

(二) 面板Tobit模型设定与变量说明

通过对前文理论分析可知，政府财政支持对工业绿色技术创新有正向促进作用,政府环境规制对工业绿色技术创新有正向激励作用和负向抑制作用,但哪种作用大、作用效果是否显著还不确定,有待进一步研究。参照前人对控制变量的选取,笔者选用经济发展水平、产业集聚、外商投资、企业收益和城镇化水平作为影响工业绿色技术创新效率的控制要素,模型设定:

GTIEit=α+β1IOERit+β2GSit+β3lnGDPit+

β4ICit+β5ULit+β6lnFIit+β7lnEIit+εit

(2)

式中，α为截距项，εit为随机误差项，GTIE为工业绿色技术创新效率，IOER为环境规制，GS为政府财政支持，lnGDP为经济发展水平，IC为产业集聚，lnFI为外商投资，lnEI为企业收益，UL表示城镇化水平。

上述各项指标具体说明如下(1)文章研究所用数据选自2008年至2018年的《中国城市统计年鉴》、各省份统计年鉴。缺失值用插值法进行处理。:

工业绿色技术创新效率(GTIE)。笔者通过DEA模型计算得出。

环境规制强度(IOER)。1991年波特(Michael E. Porter)教授基于动态视角,提出了“波特假说”。该假说完全颠覆了传统经济学中关于环境保护与经济增长之间的理论框架。波特认为,企业在规制政策的引导下，能够借助绿色创新实现高利润与“绿色化”的双赢局面。环境规制是政府规制的重要组成部分,一方面，它通过控制环境污染提高环境资源利用率,以此改善人们的生活质量和提高生活水平[10],并对工业技术创新有较好的刺激作用；另一方面,环境规制中严格的排污标准亦会增加工业污染治理的负担。此指标由城市生活垃圾无害化处理率、工业固体废物综合利用率以及城市污水处理厂集中处理率复合加权计算得出。

经济发展水平(lnGDP)。经济发展水平越高,居民的环境保护意识越强,越渴望绿色安全的产品。此类市场需求促进企业改进生产技术。此外,在经济发展水平高的地区，高校、科研机构众多,聚集了大量绿色高端人力资本,能够积累技术创新能力。此指标通过人均GDP取对数衡量。

产业集聚(IC)。一方面,产业集聚存在知识溢出与竞争效应[12]。工业产业集聚使得企业之间实现了知识、技术与资源共享,企业会模仿学习先进的工业生产技术并将其用于新产品的研发,从而提高聚集区内企业的竞争力,推动企业绿色转型。另一方面,目前我国的产业集聚类型仍以资源利用率低下、产能过剩的传统产业为主,其节能减排任务重,落后产能转型难度大,对工业绿色技术的推动作用有限。此指标采用区位熵方法计算得出[13]。

外商投资(lnFI)。“污染光环”假说认为外资会带动国外先进生产技术与管理水平提升,能够提高工业绿色技术创新水平；而“污染天堂”假说认为引进的多是国外淘汰的高产能、高污染产业,这些产业加重了承接地的污染负担,降低了区域绿色技术创新能力[14]。此指标通过规模以上企业外商投资和港澳台商投资企业总产值取对数衡量。

企业收益(lnEI)。一方面,随着企业收益的增加,企业会加大绿色技术研发投入；另一方面,我国目前传统产业众多,而新生产技术尚未投入市场得到普遍应用,还具有很多不确定性,甚至出现了技术漏洞。此外,企业还可能会担忧新技术带来的收益不足以弥补研发投入的成本。此指标通过规模以上企业利润总额取对数来衡量。

城镇化水平(UL)。一方面,城镇化水平提高会带来人才与资金的聚集,为技术创新提供较好的制度环境与信息交流平台。另一方面,各地积极拓展城市建设范围,会不断侵蚀农业土地用地与绿色生态用地；盲目扩大工业发展空间,会加剧工业粗放式发展。此指标通过城镇人口与总人口比重计算得出。

(三) 描述性统计

由表1描述性统计结果可以看出,被解释变量与各个解释变量之间最大值与最小值差距较大,但最大标准差值为1.843 6,整体标准差较小。这说明样本个体间离散程度小,分布比较均匀,数值波动较小。

表1 主要变量描述性统计

(四)实证过程

LR检验p值为0,拒绝“混合面板Tobit模型”原假设,考虑到本文工业绿色技术创新效率的取值范围在0～1,因此选择因变量受限的随机效应Tobit模型进行回归分析,结果见表2。

表2 Tobit回归实证结果

由表2可知，政府支持对工业绿色技术创新效率影响系数为正,与假设H3相符合,即政府支持能够为工业绿色生产、绿色治污出谋划策。环境规制未能显著影响工业绿色技术创新效率,与假设H1和H2预期相悖。长三角地区环保要求苛刻,“波特效应”难以在严厉的环境规制约束条令下产生效果。因此，企业绿色技术研发的积极性会降低,企业更多的只是引进先进技术来降低环境规制成本。因为经济发展水平对工业绿色技术创新效率有促进作用,经济发展具有创新能力积累效应和绿色激励效应[15],所以应提高企业转型意识,鼓励产品绿色设计与制造,促进绿色技术开发。产业集聚对工业绿色技术创新有抑制作用，企业数量和集聚规模的增加提高了企业管理成本和污染排放总量，在一定程度上造成了“拥塞效应”，对创新活动产生了负面影响。外商投资对工业绿色技术创新效率有正向影响,验证了“污染光环”假说。作为工业绿色转型先行区,长三角地区应吸纳优质外资,学习并借鉴国外的运作模式、管理水平和技术水平,努力提高地区技术创新水平。企业收益能显著提高工业绿色技术创新效率,企业收益的增加解决了技术研发部门资金短缺的难题,因而企业在会考虑将一部分增加的收益投入到技术研发中。随着人们生活水平日益提高,消费者更渴望个性化、多样化的绿色安全产品,这种需求会间接推动长三角城市群企业的技术革新。另外，城镇化水平未能显著提高工业绿色技术创新效率。长三角地区地方政府存在无序竞争的现象,经济发展弱势地区会机械模仿经济发达地区的发展模式,盲目增加城市建设用地与工业用地储备；彼此之间为争夺高素质人才出台诸多人才引进政策。无序竞争使得长三角地区区域间创新要素不平衡,阻碍了工业技术创新作用的发挥。

(五) 稳健性检验

为了验证上述实证结果的可靠性,通过变换模型方法进行稳健性检验。随机效应面板模型回归结果显示变量影响程度、方向与Tobit回归结果吻合,显著性水平基本相同,证明结果是稳健的。回归结果见表3。

表3 随机效应回归实证结果

三、 主要结论与政策建议

随着碳达峰、碳中和目标的提出,工业绿色技术创新成为我国工业调整经济增长方式的重要支撑。本文在前人研究基础上,用非期望产出DEA模型计算出长三角27个城市的工业绿色技术创新效率，并将此作为因变量,构建了Tobit回归模型并对其影响因素进行回归分析,得出如下结论:长三角地区工业绿色技术创新效率逐年提高,区域间技术创新水平存在差异；政府支持、经济发展水平、企业收益、外商投资等均对工业绿色技术创新效率提升有显著正向影响,城镇化水平对其有促进作用,但作用不显著；产业集聚对工业绿色技术创新效率有显著抑制作用；环境规制对其有负向影响,但影响不显著。

针对上述研究结论,笔者给出以下建议:

首先，应积极探索产学研合作新模式，加强高校、企业与科研机构各方联系和合作。依据创新成果商品化、产业化和市场化要求，高校、科研机构和政府应向企业提供技术服务与技术转移。企业需根据市场环境的变化，重新评估创新成果转化条件，并据此对原有科技创新成果进行产业化和绿色化改造，便于产品更好投入市场。

其次，政府应制定合理的环境规制标准。企业可用资本总量有限,过于严格的环境规则会使企业花费大量资金治理环境污染,进而减少对技术改进的投入。由于政府支持对区域内工业绿色技术创新水平推动作用最强,因此政府应该加大科学技术与教育相关财政支持。除了培养绿色技术创新稀缺人才之外，还应给予企业、高校与科研机构绿色技术研发资金支持，帮助企业降低技术研发成本，提高技术创新积极性；还应创立研发基地,推动新工艺、新技术孵化,使新成果更好、更快地投入市场。

再次，应加快推进绿色生态城镇化建设，制定城镇开发相关标准，鼓励企业间共建工业园区，提高土地使用率；依据不同地区的经济与环境的承载力、工业生产规模和污染物排放量等确定城市中的工业企业聚集数量，避免争夺原材料、过度竞争、加剧环境污染等现象。

最后，工业园区应积极引进国外先进的绿色生产设备,鼓励关联性较高的产业集聚,促进技术与知识共享,降低绿色技术研发成本。此外，园区还应结合当地特色产业，因地制宜地布局智能制造与新能源产业,提升园区绿色竞争力,倒逼传统工业进行绿色改造。