高新技术产业集聚提升中国绿色创新效率了吗？

2021-06-15李琳曾伟平

当代经济管理 2021年2期

李琳曾伟平

[摘要]基于高新技术产业集聚影响绿色创新效率的理论分析，利用中国省级面板数据，运用面板Tobit模型和门槛模型等方法，实证检验了高新技术产业集聚与绿色创新效率的关系。研究发现：高新技术产业集聚度与绿色创新效率在空间格局上均呈现由东部向西部递减趋势;在全国层面和东、中部，高新技术产业集聚对绿色创新效率具有促进效应，而在西部其影响微弱且效应为负;高新技术产业集聚对绿色创新效率的影响存在单一门槛特征，在全国层面和中、西部呈先抑制后促进的“U型”特征，在东部则呈先促进后抑制的“倒U型”关系，且不少省份已发展到产业集聚的拥挤阶段;高新技术产业集聚对绿色创新效率的影响效果和门槛效应均存在空间分异性。最后得出了相应的政策启示。

[关键词]高新技术产业集聚;绿色创新效率;影响效果;门槛特征;空间分异

[中图分类号]中图分类号F062.2;F062.9[文献标识码]A文献标志码[文章编号]1673-0461（2021）02-0048-09

一、引言

随着中国经济由高速增长转向高质量发展新阶段，资源短缺、环境约束、经济下行等瓶颈效应凸显，綠色创新有望成为突破这些瓶颈的新引擎。绿色创新作为既能驱动经济快速增长，又兼顾避免创新活动可能给生态环境带来负外部性的一种新型创新形式，逐渐成为包括中国在内的世界各国在追求可持续发展目标时普遍遵循的创新路径[1-2]。绿色创新效率是衡量绿色创新能力的重要指标，不仅从传统创新效率视阈来评价创新过程中的要素利用状况，还增加了非期望产出维度，综合考虑科技创新、资源节约和环境保护，是对传统创新效率的补充和完善[3]。高新技术产业既是知识技术密集型产业，又是资源节约、环境友好的绿色产业，业已成为国家与地区践行绿色创新路径的主要产业依托。高新技术产业基于资源共享和知识溢出效应，倾向于在空间上集聚于高新区。理论上讲，高新技术产业适度集聚可获得规模效应、知识溢出与创新互动效应，因此，它对绿色创新效率可能具有天然影响。那么，中国的高新技术产业集聚是否对绿色创新效率存在影响？如若存在，则其内在机制是什么？进一步，这种影响效应是否会随着集聚程度增强而呈现非线性特征？这些都是高质量发展背景下迫切需要探究的议题。

自20世纪90年代开始，绿色创新逐渐成为理论界研究热点，在传统创新概念基础上，将资源节约、环境污染等生态要素纳入至创新研究体系，提出了绿色创新、生态创新、环境创新和可持续创新等内涵相近的概念，它们都强调创新活动需以环境保护和可持续发展为目标来展开[4-5]。通过梳理国内外文献发现，关于绿色创新效率的研究主要集中在3个方面：一是绿色创新效率评价研究，二是绿色创新效率影响因素研究，三是绿色创新效率时空演化研究。就第一方面，数据包络分析（DEA）因无需事先对变量间关系进行假定，在测量多投入、多产出的决策单元效率方面有明显优势而被广泛应用[5-7]。如吴超等构建DEARAM联合效率模型评价了中国16个重污染行业绿色创新效率[7];刘佳等采用超效率SBM模型对中国各地区旅游产业绿色创新效率进行了测评[6]。就第二方面，现有研究认为影响地区或产业绿色创新效率的因素主要包括环境规制[2，8-10]、政府补贴[8]、市场拉动[2，8]、研发投入[11]、技术转移[12]、对外直接投资[13]等，其中，环境规制对绿色创新效率影响的研究成果最多。如贾军等实证分析了环境规制对绿色技术和非绿色技术研发路径依赖的影响[9];李婉红认为省域经济发展水平越高，排污费制度对制造业绿色技术创新驱动效应越明显，反之则反[10]。就第三方面，付帼等建立绿色创新评价指标体系对中国省域绿色创新空间格局进行了演化分析[14];刘章生等运用全局SBM方向距离函数和全局MalmquistLuenberger指数对中国省际绿色创新能力的时空演变规律进行了分析[15];杨树旺等运用SBM模型和ESDA方法研究了长江经济带绿色创新效率时空分异特征[16]。此外，也有一些关于高新技术产业集聚与创新效率互动关系的研究可为本文提供启迪。如唐睿等研究认为安徽省高新技术产业集聚促进了全省研发效率提升[17];而谢子远等研究却发现产业集群显著降低了国家高新区创新效率，得出了相反结论[18]。但是，定性研究高新技术产业集聚对绿色创新效率作用机制，并实证检验其影响效果的文献不多，研究深度有待拓展。

综上所述，迄今大量学者围绕绿色创新效率开展了卓有成效的研究，为本文做进一步探索提供了较好的理论基础和方法启示，但遗憾的是，目前从绿色创新效率提升和门槛特征的角度来探讨产业集聚，尤其是具备绿色产业特征的高新技术产业集聚对绿色创新的影响机制的研究不多，因此，也未能揭示出产业集聚对绿色创新影响的空间分异特征，这些即是本文创新之处。有鉴于此，本文利用中国省级面板数据，测算高新技术产业集聚度和绿色创新效率，采用面板Tobit模型和门槛模型等方法实证检验高新技术产业集聚影响绿色创新效率的作用效果、门槛特征及其空间分异特性，为因地制宜推进高新技术产业集聚发展，充分利用高新技术产业集聚效应提升地区绿色创新效率，进而推动区域经济高质量发展提供科学依据。

二、理论分析与研究假设

在要素投入一定的前提下，绿色创新效率还涉及资源投入的期望产出效率与非期望产出降低效率两个基本要素[19]，高新技术产业集聚的规模效应、知识溢出效应、拥挤效应和不良竞争效应是影响这两个效率的主要因素，但何种效应居主导取决于其所处的生命周期阶段。期望产出与非期望产出往往相伴而生，二者共同决定绿色创新效率，假设二者关系式为：

前文提到，高新技术产业集聚对绿色创新效率的影响可能因集聚阶段不同而存在非线性门槛特征。而中国又是典型经济大国，大国经济突出特征之一就是存在区域异质性，各地区在资源禀赋、产业结构及地方政府对创新活动的重视程度等方面均存在显著差异。以高新技术企业数为例，2017年，东部省份均拥有8942.36家，中部省份均拥有2442.5家，西部省份均拥有1151.27家，区域差异十分显著①。除了这些可观测度量的异质性外，还有许多无法定量化但确实存在影响的隐性因素，如社会传统、文化习俗、历史背景等。因此，不同地区发展高新技术产业的能力，以及高新技术产业集聚的演进路径也可能有所不同，这就导致高新技术产业集聚对绿色创新效率的作用效果与门槛特征也可能存在空间差异。忽视这一问题，将难以结合区域自身特征因地制宜制订合理的高新技术产业集聚政策和绿色创新发展战略，从而导致潜在效率损失。基于前述分析，提出以下研究假设。

假设1：若高新技术产业仅在空间上简单扎堆，对提升地区绿色创新效率贡献不大，甚至还具有抑制效应;若产业真正实现有效集聚，则对地区绿色创新效率具有促进效应。

假设2：高新技术产业集聚对绿色创新效率的影响存在门槛特征，且只有集聚度达到特定门槛值（或门槛范围）时才具有促进效应。

假设3：高新技术产业集聚对绿色创新效率的作用效果和门槛特征存在空间分异性。

三、测算方法、模型构建与变量说明

（一）测算方法

（1）绿色创新效率（Gie）。借鉴马晓君等[22]的做法，采用包含非期望产出的SuperSBM模型测算绿色创新效率。在综合考虑既有测度绿色创新效率的指标[2，3，11，16]、数据可得性及绿色创新内涵等基础上，选取R&D人员投入、R&D资本投入和能源投入作为投入要素，选取专利申请受理数、新产品销售收入作为期望产出，选取环境污染指数作为非期望产出。其中，R&D资本投入用R&D资本存量衡量，采用永续盘存法进行估算，折旧率取15%，以R&D经费内部支出为估算的原始指标，并以2001年為基期，采用研发价格指数（0.45×固定资产投资价格指数+0.55×工业生产者出厂价格指数）对其进行平减[7];能源投入以折算成标准煤后的能源消费总量来衡量;环境污染指数由采用熵权法综合计算工业三废指标（工业废水排放量、工业废气排放量、工业固体废弃物排放量）得到。

（三）变量说明

（1）被解释变量。绿色创新效率（Gie）以考虑非期望产出的SuperSBM模型测得。

（2）核心解释变量和门槛变量。高新技术产业集聚（Htia）由区位熵指数测算表征。

（3）控制变量。主要涉及环境规制强度（Rules）、政府支持力度（Supp）、经济发展水平（Pgdp）、对外开放度（Open）和技术市场成熟度（Trans）。其中，环境规制对绿色创新既有正面的创新补偿功效，也存在负面的抵消效应，用污染治理完成投资额表征环境规制强度[9];政府支持可在一定程度弥补创新活动外部性给绿色创新企业带来的高研发成本和风险，同时政府资金投入也可能给企业带来挤出效应[7]，以政府财政科技支出占财政支出比重衡量政府支持力度;经济发展水平是开展绿色创新活动的物质基础，以地区人均GDP来度量;对外开放度与本地区引进消化吸收再创新的能力密不可分，同时也是“污染避难所”假说提出的重要切入点，用地区进出口总额反映地区对外开放程度;技术市场是知识产品进行交易的场所，是打通“科技创新最后一公里”的关键，采用技术市场成交额反映技术市场成熟度[16]。

（四）数据来源

考虑到数据可获得性，本文以中国2007—2017年的30省份（西藏，港澳台地区除外）为研究样本，指标数据来源于国研网数据库、EPS数据平台及相应年份的《中国统计年鉴》《中国科技统计年鉴》《中国火炬统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》，部分缺失数据由线性插值估算得到。

四、实证结果与分析

（一）高新技术产业集聚与绿色创新效率的特征事实

使用MaxDEA7Ultra软件和式（1），测得2007—2017年中国30省份的高新技术产业集聚度和绿色创新效率值，计算二者在考察期内的均值，得到图2。在研究期内，浙江、上海、江苏、广东、安徽、湖南、北京等7省份高新技术产业集聚度位居中国30省份前列，均值都超过1，且主要位于东部，其中浙江集聚度最高，为1.873。其余省份高新技术产业集聚度低于1，排名前10位省份中仅湖南（第6位）、湖北（第10位）属于中部，并且东、中、西部的整体均值排序依次为东部（1.074）>中部（0.796）>西部（0.491）。从绿色创新效率来看，江苏绿色创新效率最高，然后依次是山东、浙江、重庆、北京、湖南、上海、天津、广东、安徽等9省份，江苏为1.272、山东为1.095、浙江为1.087、重庆为1.065、北京为1.001，这5省份达到了绿色创新效率前沿面。中西部仅湖南、安徽、重庆进入前10位，东、中、西部的整体均值排序依次为东部（0.838）>中部（0.624）>西部（0.555）。总体来看，各省份的高新技术产业集聚度与绿色创新效率二者区域均值的空间格局基本一致，即呈现东部→中部→西部依次递减的空间分异特征，与现实经济状况相符。

（二）面板Tobit模型分析：对影响效果的讨论

首先对各变量原始数据进行多重共线性检验，计算得到最大VIF为3.75，平均VIF为2.80，远小于数值10，故可认为多重共线性问题不严重。考虑到面板Tobit模型特征，同时为进一步减少多重共线性和异方差性，在具体实证过程中对各解释变量取对数。面板Tobit模型回归结果如表1所示。

表1中模型1—6均是基于全国30省份样本进行的回归，模型1仅考虑了核心解释变量高新技术产业集聚，回归结果表明系数显著为正，高新技术产业集聚度相对提高1%，绿色创新效率的绝对量随之提升0.113%。但是，模型1有遗漏关键解释变量并导致估计结果有偏之嫌，为此，模型2—6逐步加入新的控制变量来进行稳健性检验。结果表明：第一，尽管解释变量在不断增加，但高新技术产业集聚对绿色创新效率的影响一直显著为正，反映高新技术产业集聚对绿色创新效率具有促进效应的结论具有较强稳定性。自1985年中国第一家高新区建立以来，各级政府对高新区建设一直予以高度重视，在其发展过程中不断进行数量扩容、产业引导和功能升级，发展至今已在全国层面实现了高新技术产业有效集聚，故能对绿色创新效率产生促进效应，假设1得到验证。第二，环境规制对绿色创新效率具有正向影响，表明不断强化的环境规制正在倒逼中国企业进行技术革新，促进产业转型升级，增加了科技创新的期望产出，提升了绿色创新效率，与“波特假说”相一致;政府支持的系数显著为正，说明政府的科技资金投入对于全社会开展绿色创新活动具有较好示范带动效应，有助于绿色创新效率提升;经济发展水平对绿色创新效率具有负向影响，这反映出中国多数省份在过去盲目追求“GDP竞赛”导致经济发展质量不高的特征事实，高质量发展已时不我待;对外开放度对绿色创新效率的影响显著为正，说明中国通过不断开拓国际市场，努力推行贸易自由化，主动融入全球价值链，积极引进消化吸收国际先进技术，等，有效提升了绿色创新效率;技术市场成熟度的系数显著为正，说明技术市场越成熟，越有利于加快创新成果产品化和市场化，对提升绿色创新效率也越有益。

为进一步验证结论稳健性，模型7和模型8分别以替换部分解释变量和替换回归估计方法的形式进行检验，即模型7以城镇化率（Urban）和第三产业增加值占GDP比重（Indus）替换模型6中的环境规制（Rules）和政府支持力度（Supp），模型8以系统GMM替换模型6的面板Tobit，结果均表明高新技术产业集聚对绿色创新效率具有显著促进效应的结论较为稳健。此外，由于中国幅员辽阔且区域发展差异较大，基于全国30省份样本的回归可能忽略掉区域间的分异特性，于是模型9引入地区虚拟变量（中部为参照组，东部为Region1，西部为Region2）与核心解释变量的交互项Region×lnHtia继续进行面板Tobit回归。结果发现，高新技术产业集聚对绿色创新效率的影响呈现明显空间分异特征，其中，中部影响为正且效应最大（0.146），东部影响为正且效应次之（0.073=0.146-0.073），而西部影响效应最小且为负值（-0.003=0.146-0.149）。出现这种空间分异特征的可能原因是，三大区域在基础设施、要素禀赋、政策优惠、市场化程度等方面存在较大差异，东部和中部多数省份的高新区创办较早、基础较好、创新要素集中，高新技术产业自由集聚的市场化机制相对完善，且在这点上东部比中部先发优势更明显，甚至可能有些东部省份已发展到产业集聚的拥挤阶段，由此对高新技术产业的正向集聚效应产生一定抵消，导致东部的影响效应反而弱于中部;而西部不少省份由于存在市场失灵和社会缺位等客观因素，高新技术企业发展面临资本投资不足与市场制度缺失双重制约，加之一些地方政府在“政治锦标赛”下频频开展名不副实的高新区“产业集群”运动，实际上只推动了本地企业简单扎堆，对提升地区绿色创新效率贡献微弱，甚至还具有抑制作用[26]，这部分验证了假设3。

（三）面板门槛模型分析：对门槛特征的讨论

门槛模型属于非线性回归模型，其核心思想是检验解释变量与被解释变量之间的回归关系是否会随门槛变量的变化而发生结构性突变，于本文即是检验高新技术产业集聚是否会随其集聚程度提高而对地区绿色创新效率的影响效应存在功能变动。为减少数据的多重共线性和异方差，在下文实证分析时，对有关变量取对数。

（1）门槛效应检验。对于门槛模型，需首先检验门槛是否存在及门槛数量。借鉴Hansen等[25]的检验办法，同时设定单一门槛和双重门槛两种门槛类型假设条件，利用自抽样法300次对门槛进行检验，得到F统计量、P值、门槛值等信息，详见表2。

从表2可知，全国层面的门槛效应检验结果为：单一门槛效应在1%水平下通过检验，对应的F统计量、P值和门槛值分别为7.42、0.007、-1.987，双重门槛效应在统计上不显著;东部的门槛效应检验结果为：单一门槛效应在10%水平下通过检验，对应的F统计量、P值和门槛值分别为2.64、0.083、-0.478，双重门槛效应未通过显著性检验;中部的检验结果为：单一门槛效应在10%水平下通过检验，对应的F统计量、P值和门槛值分别为8.05、0.087、-0.544，双重门槛效应未通过显著性检验;西部的检验结果为：单一门槛效應在5%水平下通过检验，对应的F统计量、P值和门槛值分别为2.55、0.02、-2.136，双重门槛效应未通过显著性检验。整体来看，针对全国层面和东、中、西部地区层面，当以lnHtia作为门槛变量时，均可得出存在且仅存在单一门槛的结论。

（2）门槛模型回归结果。根据以lnHtia作为门槛变量的门槛效应检验结果，本文继续对高新技术产业集聚对地区绿色创新效率的影响及其空间分异特征进行实证检验，得到表3。从表3中模型10对全国样本进行回归的结果看，无论lnHtia是否达到门槛值，lnHtia的系数均通过显著性检验，但门槛值前后两阶段的lnHtia系数方向相反（先负后正），表明中国高新技术产业集聚与绿色创新效率之间存在“U型”曲线关系。当高新技术产业集聚度小于e-1.987（0.137）时，其对绿色创新效率的边际效应为负。但是，当达到门槛值后，高新技术产业集聚逐渐达到适度规模，对绿色创新效率的影响显著为正。由此可知，从全国层面看，高新技术产业集聚对地区绿色创新效率的不利影响会随着产业集聚度的增加而逐渐下降，当集聚度跨过0.137时，对地区绿色创新效率的提升效应会日益凸显，该结果部分地验证了假设2。从控制变量回归结果看，环境规制、政府支持力度、经济发展水平、对外开放度和技术市场成熟度等对地区绿色创新效率的影响与前文面板Tobit模型回归结果表现出较高一致性，证明该模型分析具有稳健性。

再从表3中模型11—13对东、中、西部回归的结果看，不同区域的高新技术产业集聚对绿色创新效率提升的门槛效应不同。对于东部，当高新技术产业集聚度小于e-0.478（0.62）时，对绿色创新效率具有显著促进效应;当集聚度跨过0.62时，其对绿色创新效率的影响系数微小且不显著，说明这种作用存在边际效率递减特征。可见，东部高新技术产业集聚与绿色创新效率之间存在“倒U”型曲线关系，该结果部分地验证了假设2。对于中部，高新技术产业集聚度只有达到e-0.544（0.58）以后，才会对绿色创新效率产生显著促进作用;而当集聚度低于0.58时，其对绿色创新效率的影响系数微小且不显著。据此可知，中部高新技术产业集聚对绿色创新效率提升有着较为明显的非线性影响，存在“U型”曲线关系，呈现边际效率递增特征，该结果与假设2相符。对于西部，高新技术产业集聚对绿色创新效率的影响在集聚度未达到门槛值e-2.136（0.118）时显著为负，在跨过门槛值后负效应变小但不显著，反映西部高新技术产业集聚暂未明显起到提升绿色创新效率的作用，尚处于产业集聚初级水平。以上充分表明，高新技术产业集聚提升绿色创新效率的门槛效应同样存在空间分异特征，这进一步验证了假设3。

[6]WANGW，YUB，YANX，etal.Estimationofinnovationsgreenperformance：arangeadjustedmeasureapproachtoassesstheunifiedefficiencyofChinasmanufacturingindustry[J].Journalofcleanerproduction，2017（149）：919-924.

[7]吴超，杨树旺，唐鹏程，等.中国重污染行业绿色创新效率提升模式构建[J].中国人口·资源与环境，2018，28（5）：40-48.

[8]LIT，LIANGL，HAND.ResearchontheefficiencyofgreentechnologyinnovationinChinasprovincialhighendmanufacturingindustrybasedontheRAGAPPSFAModel[J].Mathematicalproblemsinengineering，2018，2018（20）：1-13.

[9]贾军，张伟.绿色技术创新中路径依赖及环境规制影响分析[J].科学学与科学技术管理，2014（5）：44-52.

[10]李婉红.排污费制度驱动绿色技术创新的空间计量检验——以29个省域制造业为例[J].科研管理，2015（6）：1-9.

[11]王惠，王树乔，苗壮，等.研发投入对绿色创新效率的异质门槛效应——基于中国高技术产业的经验研究[J].科研管理，2016（2）：63-71.

[12]隋俊，毕克新，杨朝均，等.跨国公司技术转移对我国制造业绿色創新系统绿色创新绩效的影响机理研究[J].中国软科学，2015（1）：118-129.

[13]龚新蜀，李梦洁，张洪振.OFDI是否提升了中国的工业绿色创新效率——基于集聚经济效应的实证研究[J].国际贸易问题，2017（11）：127-137.

[14]付帼，卢小丽，武春友.中国省域绿色创新空间格局演化研究[J].中国软科学，2016（7）：89-99.

[15]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.

[16]杨树旺，吴婷，李梓博.长江经济带绿色创新效率的时空分异及影响因素研究[J].宏观经济研究，2018（6）：107-117，132.

[17]唐睿，李晨阳，冯学钢.高新技术产业空间特征对研发效率的影响——基于安徽省16个地级市静（动）态集聚指数和DEA面板Tobit的实证[J].华东经济管理，2018（2）：22-29.

[18]谢子远，鞠芳辉.产业集群对我国区域创新效率的影响——来自国家高新区的证据[J].科学学与科学技术管理，2011（7）：69-73.

[19]胡安军，郭爱君，钟方雷，等.高新技术产业集聚能够提高地区绿色经济效率吗？[J].中国人口·资源与环境，2018（9）：93-101.

[20]顾元媛，沈坤荣.简单堆积还是创新园地？——考察高新区的创新绩效[J].科研管理，2015（9）：64-71.