绿色创新效率的空间网络关联特征及形成机理——以长江经济带城市为例

骆 灿，陆菊春

（武汉大学经济与管理学院，湖北武汉 430072）

党的十九大报告中提出“绿色创新”的发展理念，成为我国城市可持续发展的主题之一。2018 年11 月颁布的《中共中央 国务院关于建立更加有效的区域协调发展新机制的意见》将长江经济带列入新时期重点发展区域，以“生态文明先行示范带”为发展目标，并将“生态优先、绿色发展”作为长江经济带的发展战略。因此，把绿色可持续发展的思想运用到创新活动来促进长江经济带城市的经济发展是社会发展的必然趋势，对长江经济带城市绿色创新效率的有效测度以及空间网络结构与形成机理的探索，对城市的可持续发展具有重要理论指导和实践意义。

1 文献综述

国内关于城市绿色创新效率的研究主要涉及以下3 个方面：

首先，长江经济带城市的绿色发展水平主要以各种效率指标来衡量，如刘应元等［1］、胡艳等［2］分别通过测定生态效率、生态优化效应来研究长江经济带城市的可持续发展水平；黄磊等［3］、余奕杉等［4］则从行业角度出发，分别评估了长江经济带工业和生产性服务业的绿色发展水平。已有部分学者对长江经济带整体绿色发展水平进行评估，如吴传清等［5］研究发现长江经济带绿色经济效率呈先升后降趋势；卢丽文等［6］研究认为长江经济带城市绿色效率水平较低；而杨树旺等［7］研究发现长江经济带城市绿色创新效率总体上不断提高，但还存在较大的改善空间。

其次，绿色创新效率的研究方法主要分为参数法和非参数法，参数法中使用频率最高的是随机前沿分析法（stochastic frontier analysis，SFA），非参数法以数据包络分析法（data envelopment analysis，DEA）以及优化衍生的各种DEA 方法为主。考虑到松弛变量之后，刘佳等［8］采用超效率SBM 模型来评价相关绿色创新效率；考虑环境变量和随机干扰等因素，魏谷等［9］采用三阶段DEA 法测定创新型产业集群的创新效率；结合DEA 模型在径向方面计算最优距离和SBM 模型考虑松弛变量的优点，吴妍［10］采用超效率EBM 模型对物业产业效率进行了测度。

最后，关于效率的空间网络结构研究主要从两个维度展开：效率的空间关联关系及时空收敛性。在效率空间关联研究方面，陈星星等［11］研究发现我国能源消耗呈现明显的空间关联特征；徐绪堪等［12］、张曦等［13］从社会网络的视角分别对我国水足迹强度、工业技术创新效率的空间关联结构特征进行探索；Zhou 等［14］、郑耀群等［15］分别研究了环境规制、金融集聚对区域生态效率的空间效应；陈春香等［16］、任阳军等［17］从影响因素出发分别分析了产业转移、生产性服务业、制造业集聚对区域绿色创新效率的空间效应。在时空收敛性方面，Ju 等［18］对长江经济带低碳经济增长效率的趋同性进行了空间计量分析；易明等［19］、Xu 等［20］以长江经济带城市为对象，对其绿色创新效率的时空变化与收敛性进行了进一步探索；Yu 等［21］、杨琛［22］分别从整体和局部出发，研究了不同区域的生态效率时空分布及收敛性。

现有文献对绿色创新效率的界定、测度、空间网络结构等多个方面进行了分析，为本研究奠定了良好基础，但当前仍缺乏对城市绿色创新效率跨区域关联的空间结构研究。已有文献主要研究相邻地区的绿色创新效率空间关联，缺少从更大范围、更广空间关联关系视角的进行定量测度和刻画；大多基于属性数据并采用莫兰指数（Moran'sI）、空间杜宾（Durbin）模型等空间计量理论与方法，与关系数据相比，属性数据无法表征研究对象间的矢量型关系；且对绿色创新效率空间结构关系形成机制的研究主要立足于地区经济差异和人、财、物投入差异，没有考虑在高质量发展背景下创新、协调、绿色、开放、共享差异对空间结构关系带来的影响。基于此，本研究选用超效率EBM（epsilon-based measure）模型测算长江经济带36 个城市绿色创新效率，运用修正的引力模型分析城市绿色创新效率的空间关联矩阵，并运用社会网络分析法对长江经济带绿色创新效率的空间网络关联特征进行分析，进一步揭示长江经济带绿色创新效率的空间网络形成机理，明确各城市在长江经济带城市绿色创新空间网络中的定位，探索各城市间绿色创新效率空间关联关系，为探讨长江经济带城市绿色创新效率的跨区域协同提升机制提供参考，以进一步推动长江经济带城市的绿色创新发展。

2 研究方法、研究对象与数据来源

2.1 研究方法

2.1.1 绿色创新效率测度与指标选取

绿色创新是对环境有益的、出于环境动机的创新，涵盖但不限于生态、环境创新［23］。城市绿色创新效率是指通过各种绿色创新资源要素的投入所达到的产出、环境效益［24］。绿色创新效率越高，即单位绿色创新投入带来的产出和环境效益越高［25］，表明绿色创新要素转化率越高。对城市创新绿色效率的准确测算有助于合理分配绿色创新资源要素，提高各种绿色创新资源的利用率［26］。

由于传统DEA 模型不包含和资源、环境相关的非期望产出，本研究采用超效率EBM 模型评价城市绿色创新效率［10］，该方法同时结合DEA 模型在径向方面计算最优距离和SBM（slacks based measure）模型考虑松弛变量和非期望产出的优点。

长江经济带城市绿色创新效率测度的投入和产出指标，参考马林等［27］、易明等［19］的处理方法，从研发投入和能源投入两方面选取投入指标，参考曹霞等［28］、张振刚等［29］、华振［30］、张江雪等［31］的处理方法，产出指标包括期望产出和非期望产出。具体指标如表1 所示。

表1 长江经济带城市绿色创新效率评价指标体系

2.1.2 引力模型测算绿色创新效率的空间关联矩阵

明确长江经济带绿色创新效率空间关联关系社会网络分析方法的核心，以此了解城市间绿色创新效率溢出方向、大小、相互影响程度以及作用机制。已有研究对空间关联强度的测度方法主要采用引力模型，从而构建空间关联矩阵［32］。常规引力模型以质量和距离反映两地区间的引力［33］，但在绿色创新效率问题中，高素质人才是城市创新发展的主力军，所以本研究选取地区人均受教育年限作为引力模型的一个重要质量因素，同时考虑地区能源消耗差异，因此采用以下修正的引力模型表示绿色创新效率的空间关联强度：

在构建城市绿色创新效率空间关联引力模型时，不仅考虑城市的空间地理位置，同时也考虑了城市的能源消耗和经济规模，从而更合理地反映城市绿色创新效率的空间网络关系。通过引力模型得到两两城市间引力大小，从而可以得到空间关联矩阵，当矩阵中的每个值大于对应每一行的均值时，取值为1，反之取0，分别表示行列对应城市间绿色创新效率存在关联关系、不存在关联关系。由此转换得到的空间二值矩阵作为长江经济带城市绿色创新效率社会网络分析的关系数据。

2.1.3 绿色创新效率空间网络结构特征指标

基于修正引力模型得到的关系数据，从整体网络结构、个体特征以及城市绿色创新效率内部结构3 个层面对长江经济带城市绿色创新效率的空间网络特征进行分析。

（1）整体网络关联分析。整体网络关联分析主要用来刻画在长江经济带城市绿色创新效率整体网络中城市间的关联性和关联程度，判断网络中是否存在孤立点以此检测网络的稳健性，用3 个指标来衡量：网络密度、网络等级度和网络效率。

（2）中心性分析。中心性分析主要体现各节点城市的网络特征。度数中心度是一种表示靠近网络中心程度的指数，度数中心度高，意味着该城市在长江经济带城市绿色创新效率整体空间网络中占据优势地位。接近中心度越高，表明该城市越容易和其他城市绿色创新效率产生空间关联，用于衡量该城市与其他城市产生空间关联的难易程度。中间中心度越高，表明该城市中介作用越强，掌控资源和信息的能力越强，在很大程度上控制着其他城市间的相互溢出。

（3）块模型分析。参考Wasserman 等［34］模块划分的方法，根据长江经济带城市绿色创新效率内部结构特征，把长江经济带城市绿色创新效率整体空间网络的不同节点划分成不同聚类：双向溢出板块、净受益板块、净溢出板块以及经纪人4 个板块，明确每一个节点城市的板块类型以及该城市在板块中的角色，进一步探索不同板块间绿色创新效率协同效应。

2.1.4 绿色创新效率空间网络结构形成机理的模型

在空间结构特征的分析基础上，为进一步了解长江经济带城市绿色创新效率空间关系和传导路径的形成机理，对其空间网络结构、演变规律与类型差异的影响因素进行探索。绿色创新效率是高质量发展的核心指标，城市绿色创新效率的提升是创新、协调、绿色、开放、共享等多维要素空间协作的结果，因此，以城市创新效率空间关联矩阵作为被解释变量，选择距离关联矩阵、创新差异、协调差异、绿色差异、开放差异、共享差异作为解释变量，城市的经济发展水平差异作为控制变量构建计量模型。

为了进行两两矩阵之间的关系分析，舍弃传统计量统计方法而采用社会网络分析中矩阵之间关系的二次指派程序(QAP)，运用QAP 分析法对长江经济带城市绿色创新效率的影响因素进行探索，并对作用程度进行拟合回归。QAP 矩阵形式如下：

2.2 研究对象与数据来源

本研究的研究对象为长江经济带的地级及以上城市，确定研究样本为36 个城市。数据来源于2013—2019 年的中国经济与社会发展统计数据库、《中国城市统计年鉴》和《中国人口和就业统计年鉴》。

3 结果与分析

3.1 绿色创新效率的测定及其空间关联关系

首先，运用超效率EBM 模型对研究期内长江经济带36 个城市绿色创新效率进行测算，得到2013—2019 年长江经济带上、中、下游城市绿色创新效率的平均值，如图1 所示。研究期内，样本城市的绿色创新效率呈现增长趋势，上中下游城市绿色创新效率水平差异显著：下游城市地理、经济条件优越，绿色创新效率水平较高，呈现稳定型增长趋势；中游城市群绿色创新效率也呈现先增后减趋势，有一定幅度的波动；上游城市群绿色创新效率波动较大，呈现改善型发展特征。

图1 长江经济带城市群绿色创新效率均值变化趋势

其次，根据修正的引力模型得到城市之间的引力关系后，进而得到城市之间的二值空间关联矩阵，运用UCINET 软件绘制各城市绿色创新溢出的空间关联网络。以2013 年、2019 年样本城市绿色创新效率的空间网络关联图为例，其他年份省略，如图2所示可以看到，长江经济带城市绿色创新关联具有一定的网络特征，从2013 年至2019 年网络关联关系数呈现减少的趋势，并且网络联系密集地区主要集中在下游城市群，但对于整体网络特征以及网络个体特征仍需进一步借助网络分析法进行定量分析。

图2 长江经济带城市绿色创新效率的空间网络演变

3.2 绿色创新效率的整体网络特征

主要从空间关联强度和空间网络关联性两个方面来表示长江经济带城市绿色创新效率的整体网络特征。如图3 所示，研究期间长江经济带的绿色创新效率空间关联强度呈现下降趋势，其中网络关联数最高的是2013 年、最低的是2016 年，分别为216和123，对应的网络密度分别为0.171 和0.098。理论上，长江经济带城市最大关联数为1 260，但是研究期间内关联数最大值为2013 年的216，实际测得值和理论值相差较大，表明长江经济带城市绿色创新效率的空间网络有很大的优化空间，城市之间的协同效应有待加强，整体效率有待提升。

图3 长江经济带城市绿色创新效率空间关联强度的时序演化

而如图4 所示，研究期间长江经济带绿色创新效率空间网络中没有孤立点，该空间网络稳健度比较高，表明样本城市绿色创新效率的网络效率和网络等级度呈现整体上升趋势。其中，2016 年的网络效率上升至最高点，表明整个网络冗余关系逐年增加,原因可能是2016 年政策向长江三角洲城市群倾斜较多，上下游城市绿色创新发展差距增大；而2019 年网络效率有轻微下降趋势，原因是2018 年出台的有关长江经济带城市区域协调发展政策初现成效。总的来说，网络等级特征较为显著，随着经济发展，长江经济带上中下游城市的绿色创新水平差异较大，特别是下游城市群的绿色创新水平远大于中上游城市群，双向溢出关系数减少，等级特征越来越明显。

图4 长江经济带城市绿色创新效率空间网络关联性的时序演化

3.3 绿色创新效率的网络个体特征与位置关系演变

首先，度数中心度用于体现各城市靠近长江经济带城市绿色创新效率空间网络中心的程度，如表2 所示，2019 年样本城市的度数中心度中的内向度和外向度均值分别为14.05、14.05，其中杭州、上海、武汉、成都等13 个城市的内向度大于外向度，表明这些城市在长江经济带城市绿色创新效率空间网络中的影响力相对较强，能与大部分城市形成良性互动，在网络中处于比较中心的位置；而受城市发展水平、地理条件等因素的影响，中上游城市群在空间网络中的位置相对劣势。从整体上看，下游城市影响力普遍高于中上游城市，呈现出空间极化效应。

其次，接近中心度用于判断在长江经济带城市绿色创新效率网络中各城市是否容易与其他城市产生空间关联，如表2 所示，2019 年样本城市的接近中心度中的内向度和外向度均值分别26.52、9.93，其中内向度高于均值的有杭州、上海、苏州等17 个城市，这些城市与其他城市容易建立空间联系，在空间网络中占主导地位；宜昌、岳阳、襄阳等7 个城市的外向度高于均值，这些城市绿色创新效率的提高能推动其他城市的发展；湖州、铜陵、池州等城市的外向度较低，不易与其他城市产生空间关联，原因可能是地理位置偏远限制了这些城市的绿色创新效率溢出。

表2 2013—2019 年长江经济带城市绿色创新效率空间网络中心性分析

中间中心度用于反映各城市在长江经济带绿色创新效率网络中对绿色创新资源的掌控能力，如表2 所示，2019 年样本城市的中间中心度均值为4.36，其中杭州、成都、重庆、合肥等10 个城市的中间中心度高于4.36，表明这些城市对绿色创新相关资源具有较强的掌控能力，控制着其他城市间绿色创新效率的相互溢出，扮演着中介角色；中间中心度较低的城市包括宜昌、九江、宜宾等，这些城市多位于长江中上游地带，在城市绿色创新效率空间网络中的位置比较边缘化，与其他城市之间的绿色创新效率空间联系不紧密。

在研究期内，杭州市的3 类中心度指标排名都居于首位，表明杭州处于长江经济带城市绿色创新效率空间网络的中心位置，掌控着空间网络中的大部分绿色创新资源，在城市绿色创新发展方面与其他城市产生着联动效应。

综上，长江经济带城市绿色创新效率的马太效应特征显著：下游城市能有效转化各种绿色创新资源要素，绿色创新发展水平较高，在长江经济带城市绿色创新效率空间网络中处于比较中心的位置；受地理条件、城市发展水平和经济水平等因素的影响，中上游城市对绿色创新资源要素的吸引力相对较弱，往往在空间网络中处于相对被动的位置，与其他城市未能形成良性互动。

3.4 绿色创新效率的块模型与聚类特征分析

根据长江经济带城市绿色创新效率空间关联关系，采用块模型分析进行聚类分析和板块划分，运用UCINET 里的Concor 模块，将36 个城市划分为4个板块，结果如表3 所示。其中：第一板块包括下游城市群中的南京、镇江等11 个城市，该板块内部和外部溢出效应均较显著，称为“双向溢出板块”；第二板块包括下游城市群中的苏州、无锡等10 个城市，该板块接受外部关系数显著高于板块外溢出关系数，称为“净受益板块”；第三板块涵盖中游城市群中的九江、南昌、宜昌、荆州、岳阳和上游川渝城市群中的重庆、泸州、宜宾一共8 个城市，该板块的外溢出效应明显，称为“净溢出板块”；第四板块包括中游城市群中的武汉、鄂州、咸宁、黄冈、襄阳、黄石和上游川渝城市群中的成都一共7 个城市，该板块内部关系数和外部关系数相比较少，而外接受关系数和外溢出关系数都较多，在长江经济带城市绿色创新效率空间网络中合理分配和转移各种绿色创新要素和资源，称为“经纪人板块”。

表3 2013—2019 年长江经济带城市绿色创新效率板块划分及其空间关联关系

基于空间关联关系数得到密度矩阵和像矩阵，可以看到四大板块的密度差异较大，第一、二、四板块密度明显大于第三板块，第一、二、四板块内部各城市之间集聚效应明显，能带动自身板块效率的提升，而第三板块内部城市间绿色创新效率缺乏互动，对自身板块效率作用程度较小；板块之间的融合度较差，板块之间联系分别存在于第一、二板块以及第三、第四板块，第一、三板块可以分别带动第二、四板块绿色创新效率的提升。4 个板块之间的关系如图5 所示。

图5 2013—2019 年长江经济带城市绿色创新效率凝聚板块划分与联系

3.5 绿色创新效率空间网络结构的形成机理分析

采用QAP 分析法对长江经济带城市绿色创新效率空间关联影响因素进行判别，回归结果如表4 所示。较为显著的影响因素有城市之间距离差异、人均环保投入差异以及R&D 占产值比例差异、人均专利授权数差异、外商投资占产值比率差异等5 个解释变量以及城市经济发展水平差异1 个控制变量，显著性水平均小于10%，系数分别为-0.144、0.797、0.058、-0.078、-0.040 和-0.055；不太显著的影响因素有城镇化率差异、恩格尔系数差异、进出口额占GDP 比例差异、人均教育经费支出差异、人均医疗卫生支出差异，显著性水平均大于10%；不太显著的影响因素主要属于城市协调、共享水平这两个维度，一方面是城市协调、共享水平在很大程度上取决于城市自身的经济实力，另一方面随着社会信息化水平的提高以及各种体制的完善，医疗健康生活保障缩小了城市协调、共享水平差异，降低了这两个因素对城市绿色创新效率的空间溢出效应的影响程度。

表4 2013—2019 年长江经济带绿色创新效率空间网络结构形成机理的QAP 回归分析

此外，可决系数为0.677，表明城市之间距离差异、人均环保投入差异以及R&D 占GDP 比例差异、人均专利授权数差异、城市经济发展水平差异、外商投资占GDP 比率差异这6 个自变量对长江经济带城市绿色创新效率空间关联的作用拟合程度较好。其中，人均环保投入差异和科研、R&D 占GDP 比例差异回归系数为正，表明城市环保投入和科研经费投入程度差异增大有助于增强城市之间的绿色创新效率的空间溢出效应；距离的回归系数为负，距离增加限制了绿色创新资源在城市之间的转移，距离较远的城市间不易产生空间关联；人均专利授权数差异的回归系数为负，表明城市人均专利授权数的差异性不利于城市之间绿色创新效率空间网络的形成；外商投资占GDP 比率的回归系数为负，表明外商投资水平差异越大的城市之间越容易发生绿色创新效率的空间关联。

4 结论与建议

4.1 结论

第一，从整体网络结构特征看，在2013 年至2019 年期间，长江经济带城市绿色创新效率呈现下降趋势，2018 年区域协调发展相关政策出台后，2019 年有回升趋势，但等级特征仍然比较明显，不同城市间绿色创新效率差异显著，但各城市绿色创新效率之间存在空间关联。

第二，从网络各节点城市来看，长江经济带不同城市绿色创新效率差异较大，马太效应显著。在长江经济带城市绿色创新效率空间网络中，下游城市吸引绿色创新相关资源与信息的能力较强，处于比较中心的位置；中上游城市所处位置相对劣势，主要扮演中介角色，在空间网络中传递绿色创新资源要素。

第三，由块模型分析来看，长江经济带城市绿色创新效率集聚板块特征呈现出板块内城市联系紧密，板块之间存在一定空间关联，空间上的极化效应较显著，绿色创新效率较高的板块带动其他板块的发展，但由于下游城市群的绿色创新效率整体水平要远高于中上游城市群，绿色创新效率水平的巨大差异减弱了板块之间的联动性。

第四，对城市绿色创新效率空间网络的形成产生负效应的影响因素包括城市之间距离差异、人均专利授权数差异、外商投资占GDP 比率差异距离；产生正效应的影响因素包括人均环保投入差异以及R&D 占GDP 比例差异，表明城市开放和创新水平上的“等级性”不利于长江经济带绿色创新效率的空间溢出效应，而环保、科研投入上的差异则促进空间网络的形成。

4.2 建议

第一，将长江经济带城市看作一个整体，在提升单个城市绿色创新效率的同时注重城市间的协同关系。尽量消除等级性的网络结构特征，通过高效率城市对低效率城市的扶持，加快绿色创新资源在各城市之间的流动；增加对高效率城市的环保和科研投入，平衡各城市的外商投资水平，降低城市间的城市开放水平差异，从而增强长江经济带城市间绿色创新效率的联动效应。

第二，根据绿色创新网络中各城市节点以及各板块特征，打破长江经济带绿色创新效率的马太效应，下游城市充分发挥自身的优势，使绿色创新空间网络中的每个城市形成良性互动交流，平衡各种绿色创新资源和要素，从而带动中上游城市的绿色创新发展，优化长江经济带城市绿色创新效率的整体格局。

第三，完善长江经济带各城市的交通设施，推进路网规划设施建设，从而缩短各城市之间的相对距离，促进长江经济带中上游城市对绿色创新资源的吸收，提升各城市在绿色创新效率空间网络中的地位，实现绿色创新效率的跨区域协调发展。