创新驱动我国省域绿色增长的空间效应
2022-02-25陈勇智梁文明林迎星
陈勇智,梁文明,林迎星
创新驱动我国省域绿色增长的空间效应
陈勇智*,梁文明,林迎星
(福州大学经济与管理学院,福建 福州 350108)
利用全局主成分分析法测度中国大陆地区30个省市自治区(不含西藏)2003～2016年的绿色增长水平,并构建空间面板杜宾模型,实证考察了知识创新、技术创新、制度创新、文化创新驱动省际绿色增长的空间效应.结果表明,知识创新对绿色增长水平产生显著的正向空间影响,直接效应为2.35´10-5,间接效应为3.75´10-5;本地区技术创新水平对本地绿色增长水平产生显著的正向影响,影响系数为0.1590,而周边地区技术创新水平对本地绿色增长水平的空间影响并不显著;本地制度创新对本地绿色增长水平产生显著的正向影响,影响系数为0.00733,而周边地区制度创新水平对本地绿色增长水平产生显著的负向影响,影响系数为-0.01617;文化创新对绿色增长水平的空间影响并不显著.对此,建议注重区域绿色增长导向的知识生产、知识积累和知识溢出,以协同推进绿色发展为目标,重视发挥技术创新在驱动区域绿色增长中的关键作用,进一步完善支撑省际绿色增长的知识产权保护体系,加大绿色文化推广和普及的力度.同时加大人力资本投入,不断优化产业结构,推行高水平的对外开放.
绿色增长水平；创新驱动；全局主成分分析；空间效应；空间面板
伴随着我国经济增长水平的快速提高,人均资源消耗量大幅增加,因开采、加工和利用资源带来的环境压力迅速增加,导致经济发展的成本负担加重.在新发展理念指引下,我国各地持续推进绿色增长实践,取得了一定成效.然而,由于我国人口规模大、发展任务重,要素驱动和投资驱动的规模报酬开始下降,创新动能不强、环境治理能力差、居民社会福利不均衡等问题依然存在,一定程度上制约了各地绿色增长水平的提升.如何实现更高水平的绿色增长成为地方政府亟待解决的重要议题之一.
发达国家的实践表明,创新是实现绿色增长的决定性因素,引发关于创新驱动绿色增长的讨论.国内外研究更多考虑技术创新对绿色增长的影响.研究认为,技术创新能够提高资源利用率,减少污染排放,能够促进区域绿色发展,而且技术创新可催生绿色产业,直接用于解决生态环境问题[1]. R&D对绿色增长产生了直接和间接两方面的影响,一方面, 研发活动投入增加将使企业增强节能降耗意识,利用更多可再生能源技术,扩大绿色产品生产,能源消耗进一步减少[2-3];另一方面,绿色技术的应用通过影响产业结构的优化和升级,间接减少碳排放[4].有学者测算了绿色技术创新效率以及生产和消费方面的各种因素对绿色增长绩效的影响情况,发现绿色技术创新效率对绿色增长绩效存在显著正向影响[5].科技创新能力不仅对本地区农业绿色增长产生正向影响,而且对周边地区农业绿色增长产生积极作用[6].研究发现,创新驱动对中国区域经济绿色增长有显著的促进作用,环境规制与创新驱动在促进中国经济绿色增长中显示出一定的协同效应[7].创新有利于提升地区绿色增长效率,而技术引进则不利于地区绿色增长效率提升[8].事实上,驱动区域经济绿色增长的动力源并不局限于技术创新,知识创新、制度创新、文化创新的驱动作用也不容忽视.并且,地区间的创新资源流动、技术信息交流等使得地区之间特别是相邻地区间的创新活动产生空间溢出和扩散效应,在地理上存在空间相关性[9].然而,已有研究忽略了创新驱动绿色增长的空间效应,使得研究结论存在一定偏差.
绿色增长水平测度是创新驱动绿色增长空间效应研究的前提和基础.针对绿色增长水平测度的研究主要分为两类,其一是单一指标法,主要运用DEA方法[10-11]、方向距离函数[12-13]、Luenberger模型[7,14],测算国家层面[15-21]、区域层面[22]等的绿色增长效率;其二是综合指标法,根据绿色增长的内涵,建立一套综合性评价指标体系,利用粗糙集[17,23]、层次分析法[18]、主成分分析法[18,24]、熵值法[25-26]、系统动力学模型[15,24,27]等方法开展评价.比较而言,前者虽然具有指标数量较少、计算过程比较简单等优点,但存在不能完整反映绿色增长概念和内涵的明显缺点;而后者能够覆盖绿色增长的各个准则要求,指标信息量丰富,尽管指标选取存在一定的主观性,但可结合不同方法对不同对象开展有针对性的评价分析,使绿色增长水平测度具有更强的科学性.已有研究多集中于单一指标评价,综合指标评价方法使用较少,全局主成分分析方法的应用研究有待丰富.
鉴于此,本研究通过构建省域绿色增长水平评价指标体系,运用全局主成分分析法测度2003～2016年期间我国除西藏、台湾、香港和澳门外的30个省份的绿色增长水平,从区域创新体系的四大主体角度,使用空间计量经济学方法,实证检验创新驱动省域绿色增长的空间效应.
1 研究方法与模型构建
1.1 研究假设
在区域创新体系中,知识创新、技术创新、制度创新、文化创新分别是知识生产单位(通常是指高校、科研院所)、市场主体(企业)、政府部门、社会力量等主体助推经济发展的主要创新形式,也是实现区域经济绿色增长的重要动力.其中,知识创新为实现区域经济绿色增长提供基础性支持.研究表明,知识存量的利用是现代经济高速增长的源泉和主要影响因素[28].产业技术创新驱动绿色发展依赖于知识积累水平,知识积累是创新路径驱动绿色发展的支撑,对其驱动效应具有显著影响[29].在绿色经济背景下,通过绿色产业网络进行知识传播、知识共享和行动推广,可以促进区域经济的可持续发展[30].研究发现,外部知识源化对工业绿色增长起到了正向作用[31].为此,提出假设H1:知识创新对区域经济绿色增长产生正向影响.
技术创新是实现区域经济绿色增长的关键力量.绿色增长需要依靠技术创新改变以传统工业技术为核心的粗放型发展方式,利用技术创新驱动区域传统产业的转型升级和塑造新的绿色经济增长点,建立少投入、低污染、高产出的绿色发展模式,推进产业生产源头、过程和废弃物处理的绿色化,增强企业的绿色竞争力,促进区域经济可持续发展.有研究指出,我国改革开放以来,技术创新是能源效率提高的主要因素[32].科技创新投入能够增强企业的污染治理技术并提高环境全要素生产率[33],技术创新对工业绿色化具有促进作用,是决定工业绿色化的核心因素[34].为此,提出假设H2:技术创新对区域经济绿色增长产生正向影响.
制度创新为实现区域经济绿色增长提供根本性保障.有效的绿色增长制度安排旨在通过改变交易规则激发行为主体活力,包括塑造一种新的激励机制、约束机制和引导机制,为实现经济增长与环境污染的解耦提供软环境支撑.研究认为,促进制造业绿色发展需要多种制度和标准支撑,包括可以为企业提供绿色生产空间的排污交易制度,以及能够提高生态环境对制造业发展的倒逼效应的绿色监管制度[35].我国现行环境规制体系在一定程度上推动了工业绿色增长,在合理范围内适度加大规制强度能够对工业节能减排和技术创新起到正面的激励作用[36].为此,提出假设H3:制度创新对区域经济绿色增长产生正向影响.
文化创新是实现区域经济绿色增长的重要推动力.通过形式多样的绿色理念宣传,可以不断增强社会公众的绿色生态环保意识,营造绿色、和谐的社会氛围,形成一定的激励力、导向力、凝聚力,驱动区域绿色增长水平不断提升.绿色文化是对工业文明时代文化样态的一种创新,它主张绿色发展,倡导绿色生活和绿色行为,既是对人类优秀文明成果的历史继承,也是对工业文明“黑色”文化的扬弃和超越[37].绿色文化所具有的传播性﹑继承性﹑渗透性、排他性、习惯性(稳定性)、渐进性(演变性)等特质,使得绿色文化在可持续经济发展中起到重要作用[38].为此,提出假设H4:文化创新对区域经济绿色增长产生正向影响.
1.2 变量选择
1.2.1 被解释变量 将省域绿色增长水平作为被解释变量.鉴于国外权威组织提出的指标在国内统计年鉴中不易获得数据,本文从绿色增长实践对经济、资源、环境、社会福祉等4个领域的具体要求出发,根据科学性、系统性、可获得性、可比性原则,参考了国内外学者和权威研究机构提出的评价指标体系,选取现有指标体系中意义真实、出现频次较多、可以量化的指标,并剔除了若干个不能获得连续年份数据的指标,构建了符合我国地方经济发展特征、包含22个二级定量指标的绿色增长水平评价指标体系,如表1所示.
表1 省域绿色增长水平测度指标体系
1.2.2 解释变量 主要考虑创新驱动对省际绿色经济增长水平的影响,分别考察知识创新、技术创新、制度创新、文化创新对省际绿色经济增长水平的影响,其中:①知识创新主要指高校及科研院所的创新产出,使用“各省国外主要检索工具收录我国科技论文数量”来表示;②技术创新主要反映企业开展的技术研发活动情况,使用“各省国内三种专利授权数”作为代理变量;③制度创新主要指政府在推动绿色增长中的创新行为,鉴于制度量化数据的可得性,使用“各省每万人拥有商标核准注册数”作为代理变量;④文化创新是指社会层面宣传引导绿色发展取得的成效,使用“各省图书出版种数”来表示.
1.2.3 控制变量 从绿色增长的投入角度看,固定资本、人力资本对省际绿色经济增长水平具有重要影响.产业升级是转变经济增长方式和实现经济集约化发展的主要途径,产业结构高级化对绿色增长具有正向作用[44];国家间贸易会带来环境成本转移,开放和环境有着显著的负相关关系[45],对外开放对绿色增长有负面作用,但是区域差异较大[46].鉴于此,在分析创新驱动对省际绿色经济增长水平的影响时,选择如下控制变量:①固定资本,采用永续盘存法估算,并借鉴了张军等[47]提出的计算方法,折旧率取9.6%,基期资本存量用1978年的固定资本形成总额除以10%,作为该省的初始资本存量;②人力资本,采用“各省6岁及以上人口平均受教育年限”计算,具体计算方法是:各省6岁及以上人口平均受教育年限=(文盲和半文盲人口数´1+小学总人数´5+初中总人数´8+高中总人数´11+大专及以上总人数×15)/6岁及以上总人口数.③产业结构高级化,用产业结构高级化指数[48]表示;④对外贸易,用进出口总额增长率表示.
1.3 数据来源
本文选取2003～2016年中国大陆地区30个省市自治区的平衡面板数据作为样本,因多数指标数据不全,剔除西藏的样本数据.研究数据均来源于2004～ 2017年《中国统计年鉴》[49]、《中国环境统计年鉴》[50]、《中国科技统计年鉴》[51]、《中国城市建设统计年鉴》[52]、《中国能源统计年鉴》[53]、《中国教育统计年鉴》[54].各变量的描述性统计结果见表2.
表2 变量的描述性统计结果
1.4 计量模型选择与建立
1.4.1 空间相关性检验 Moran’反映的是空间邻接或空间临近的区域单元属性值的相似程度,一般在[-1,1]范围内取值,以30个省份的绿色增长水平综合得分作为观测值,分别计算2003～2016年的Moran’指数(图1).不同年份的Moran’指数全部通过了显著性检验,表明中国各省绿色增长水平具有显著的空间自相关性.具体来看,各省绿色增长水平的Moran’值由2003年的0.2237逐年攀升并于2012年达到极大值0.3724,之后波动下调后继续上升,说明绿色增长水平相似的省份的空间集中分布形态发生了改变.
图1 2003～2016年中国绿色增长水平的全局Moran’I指数变化
选取2003年、2016年的数据为样本,利用Stata16软件绘制局部Moran’s散点图,如图2所示.各省绿色增长水平主要集中在第一象限(高-高聚集)、第三象限(低-低聚集),表明各省绿色增长水平具有较强的空间相关性.
数字分别代表:1-北京,2-天津,3-河北,4-山西,5-内蒙古,6-辽宁,7-吉林,8-黑龙江,9-上海,10-江苏,11-浙江,12-安徽,13-福建,14-江西,15-山东,16-河南,17-湖北,18-湖南,19-广东,20-广西,21-海南,22-重庆,23-四川,24-贵州,25-云南,26-陕西,27-甘肃,28-青海,29-宁夏,30-新疆
1.4.2 多重共线性检验 计量回归模型的经典假设之一是变量间不存在多重共线性,违背该假设将会导致回归的结果失真或出现较大的偏差.目前主要根据模型的VIF值判断是否存在多重共线性,一般认为VIF值大于10时,则视为模型具有多重共线性.从表3可以看出,解释变量和控制变量的VIF值显著小于10,故它们之间不存在多重共线性.
表3 多重共线性检验
1.4.3 模型形式检验与选择 由于因变量存在路径依赖性,使得模型具有较强的内生性问题,因此本文采用Han—Philips提出的GMM方法估计空间面板模型.通过对比固定效应和随机效应模型估计结果,发现两者不存在显著差异,但固定效应模型的估计结果稳健性较高,因此,本文选择固定效应(FE)模型.由于GMM估计方法仅适用于空间面板自回归模型(SAR模型)、空间面板杜宾模型,而Wald检验结果拒绝了“采用SAR模型”的原假设,并且从模型对研究需求的适用性来看,空间面板杜宾模型适用于分析机构、部门或地区之间的相互作用因所处的相对位置或环境不同而存在差异的情形,符合本文区域分析的目标,因此选择空间面板杜宾模型.
1.4.4 空间计量模型构建 本文运用如下扩展的柯布-道格拉斯生产函数分析创新对省域绿色增长的影响:
式中:GG表示绿色增长水平;A0表示初始的生产率水平;cap和hum分别表示资本存量和劳动力投入; kn、tech、inst、cul分别表示知识创新、技术创新、制度创新和文化创新.
空间杜宾模型同时考虑解释变量、控制变量和被解释变量的空间相关性,利用2003～2016年间各省GDP数据的平均值构造经济距离空间权重,建立固定效应的空间面板杜宾模型如下:
(=1,…,;=1,…,) (2)
式中:表示空间自相关系数;代表空间权重矩阵.
2 结果与讨论
2.1 实证结果
利用Stata 16.0测算得到全样本空间杜宾模型回归结果,如表4所示,该模型2=0.9686,表明多数解释变量能够较好地解释绿色增长水平.
从表4、表5可知,知识创新对应的系数是0.000022,<0.01,表明知识创新对绿色增长水平具有显著的正向影响,假设H1得到证实.如果知识创新提高1倍,则将推动绿色增长水平提高0.0022%.知识创新对绿色增长水平具有正向的空间溢出效应,邻近地区知识创新水平的提高对本地绿色增长水平产生较为显著的正向冲击,大于本地区知识创新水平对本地绿色增长水平的影响.这说明知识创新在绿色增长水平提升中的重要作用亟待重视,要支持高校和科研院所围绕绿色增长开展前瞻性更强、更有价值的基础理论和实践应用研究.
表4 空间面板杜宾模型参数估计结果
注:***,<0.01;**,<0.05;*,<0.1,下同.
表5 直接效应和间接效应检验
技术创新对应的系数是0.1592,<0.01,表明技术创新对绿色增长水平具有显著的正向影响,假设H2得到验证.如果技术创新提高1倍,则将推动绿色增长水平提高15.92%.然而,技术创新空间滞后项的回归系数为负,且不显著,表明技术创新在省域之间的地理溢出效应并不明显.空间效应分解结果表明,本地区技术创新水平对本地绿色增长水平产生了显著的正向影响,但周边地区技术创新水平对本地绿色增长水平的空间影响并不显著,反映有利于绿色增长的跨区域技术创新合作机制尚不健全,技术创新的空间溢出效应不明显.
制度创新对应的系数是0.007829,<0.01,表明制度创新对绿色增长水平具有显著的正向影响,假设H3得到验证.如果制度创新提高1倍,则将推动绿色增长水平提高0.78%.制度创新对区域绿色增长水平的直接效应表现出显著为正,表明本地区知识产权保护力度越大,越有利于保护当地创新主体的智力成果,特别是绿色生产、绿色消费领域的创新成果受到有力保护,将对本地区绿色增长起到显著的促进作用[55].但是,制度创新的空间滞后项回归系数显著为负,产生了负空间溢出效应,制度创新对区域绿色增长水平的间接效应表现出显著为负,说明邻近地区知识产权保护力度的增加,阻碍了本地区知识的快速积累过程,反而降低本地区的绿色增长水平.
文化创新对应的系数是0.05009,>0.1,表明文化创新对绿色增长水平的影响尽管为正,但并不显著,其空间溢出不明显,直接效应和间接效应也不显著.实证结果与假设H4不相符.在当前绿色发展背景下,生态文明建设的文化宣传教育力度不断加强,但这种增强的文化创新的环境效益尚未得到充分证明.
固定资本对应的系数是0.8734,<0.01,表明固定资本对绿色增长水平产生了显著的正向影响.各地区绿色增长仍以投资拉动为主,本地区固定资本增加1倍,当地绿色增长水平将提高87.34%.但固定资本的空间溢出效应显著为负,邻近地区固定资本的增加阻碍了本地区绿色增长水平的提升,可能是因为邻近地区环境投资和新兴服务业投资增量不足,难以形成有效的投资溢出效应;其总效应显著为正,固定资本的增加对所有地区绿色增长水平都具有正向影响.
人力资本对应的系数是0.1462,<0.05,表明人力资本对绿色增长水平产生了显著的正向影响.而且,人力资本对绿色增长水平的直接效应显著为正,说明本地区人力资本的增加显著提升了当地绿色增长水平.但人力资本的空间溢出效应并不显著,其主要原因在于绿色经济增长所需的人力资本存量短期内相对固定,一些省份人力资本数量增加的同时,其他地区的人力资本数量必然减少,绿色增长相关的新兴行业发展缺乏足够的人才支撑,地区之间的人才流动机制尚不健全.
产业结构对绿色增长水平的影响系数是1.1123,对应的<0.01,效果显著,且在这些因素中系数最大,这表明产业结构优化对绿色增长产生了正向的显著影响.产业结构高级化水平越高,适应绿色增长的产业结构越合理,地区产业布局更加科学,更有利于区域绿色增长水平的提升.产业结构对绿色增长水平的总效应显著为正,说明产业结构对所有地区绿色增长水平产生了显著的正向影响.然而,产业结构的空间溢出显著为负,邻近地区产业结构限制了本地绿色增长水平的提升.其可能原因是特定区域结构升级过程中引发产业梯度转移,一些西部省份在承接沿海地区转移的产业过程中,更多考虑GDP增加,忽略了对本地环境和生态承载力的考量,反而降低了本地绿色增长水平,难以真正实现可持续发展.
对外贸易对绿色增长水平的影响系数是-0.105,<0.05,说明对外贸易对绿色增长水平产生了显著的负向影响.空间效应分解结果表明,对外贸易对绿色增长的直接效应显著为负,本地对外贸易增加不利于绿色增长水平的提升,而且对外贸易的空间溢出效应也不显著.这证实了“污染天堂”假说,国内一些地区自然资源丰富、人力资源廉价,为了实现经济快速增长,加大对外开放力度,吸引发达国家一些排污严重或濒临淘汰的企业投资,导致国内污染加重,经济增长的“绿色”程度明显不足.
2.2 稳健性检验
从2个层面对表4结果进行稳健性检验.第一个层面通过变更绿色增长水平的评价方法:利用TOPSIS-灰色关联分析来衡量绿色增长水平[56],对创新驱动我国绿色增长水平的空间效应进行稳健性检验;另一个层面是将经济距离空间权重矩阵变换为地理距离空间权重矩阵,分析空间计量模型的稳健性.
表6 稳健性检验回归结果
根据表6结果,对于被解释变量变更评价方法,回归结果显示,对外贸易的空间溢出在10%的显著性水平上通过检验,其他变量基本上与表4回归结果一致.对于变更空间权重矩阵,回归结果与实证结果显著性基本一致.因此,表4估计结果进一步得到印证.
2.3 政策建议
根据本文实证分析结果,提出如下政策建议:
一是注重区域绿色增长导向的知识生产、知识积累和知识溢出.知识创新作为复杂劳动的主要表现形态,是推动区域绿色增长的主要动力.地方政府要着眼于本地区绿色发展中长期规划,加大绿色增长专项课题和项目研究资助力度,集中优势资源开展“碳达峰”“碳中和”、生态文明建设等重大专项课题研究、核心技术攻关,支持出版一批绿色增长研究系列重大理论成果,推动自然科学与哲学社会科学多学科交叉、协调、融合发展,积极营造有利于促进区域绿色增长知识生产和知识溢出的浓厚氛围.
二是以协同推进绿色发展为目标,重视发挥技术创新在驱动区域绿色增长中的关键作用.要建立健全省域绿色技术创新合作与成果共享机制,利用好各省优势条件、取长补短,引导知识、技术跨地区流动、溢出、扩散,缩小不同区域间的创新效率差距,优化科技创新资源配置,为促进区域绿色增长提供技术支撑.例如,解决城市群大气污染、相邻城市大气污染、流域上下游水污染等跨区域跨流域环境保护和治理问题,亟需打破行政区域边界,组织产学研各方力量,坚持成本共担、利益共享、共同治理、共同保护原则,围绕共性和关键性技术难题开展跨省协同攻关,建立联防联控机制,实现共享式绿色增长.
三是进一步完善支撑省际绿色增长的知识产权保护体系.结合我国低碳经济、循环经济和环保新兴产业的发展特点,整合资源环境效益明显的发明专利,建立有中国特色的专利制度和绿色专利分类体系,设立绿色专利审查通道,缩短专利审查期,鼓励企业申请绿色技术专利,建立完善知识产权交易市场,加速绿色创新研究成果的专利化;依法加大对知识产权侵权行为的惩治力度,有效阻遏各类侵权行为;强化知识产权保护中心、维权援助中心和快速维权中心等的建设和管理,充分发挥其举报投诉和维权援助核心职能,满足公众多元的产权保护需求,为保障关键性绿色科技创新成果产权提供有效的法律保障.
四是加大绿色文化推广和普及的力度.发挥教育、宣传、科协等部门的协调联络作用,围绕青少年、产业工人、老年人、领导干部和公务员等重点人群在新时代背景下的环保教育需求,依托电视、广播、电影、互联网等媒介,多维度、全方位开展生态文明、节能低碳、绿色循环等绿色文化主题教育活动,提高全社会的生态环境保护意识.要将绿色文化教育融入当地特色文化资源,形成具有鲜明地方特色和民族特色的生态文化,依靠多样、多元的文化提升绿色发展底蕴.
五是平衡创新资源投入,实现均衡发展.尽管西部地区经济绿色增长水平普遍低于东部、中部地区,但其创新驱动绿色增长的边际效应更大,增强这些地区的创新能力,可以更有效地促进我国绿色经济增长.因此,平衡创新资源,加大对西部地区省份的固定资本、人力资本、科技资源投入,提高我国绿色增长整体水平.特别是考虑到对外贸易对绿色增长水平的显著负向影响,在我国扩大开放过程中,要尤其重视技术引进、投资引导对区域生态环境和资源利用的影响,注意地区间的差异,不仅要限制国外污染产业向我国转移,还要限制东部地区污染产业向中西部地区转移,避免重复走“先污染后治理”的老路.
3 结论
3.1 我国各省绿色增长水平具有显著的正向空间自相关.绿色增长水平较高的省份,其周边省份发展水平也较高;绿色增长水平较低的省份,其周边省份发展水平也较低.样本考察期间,各省绿色增长水平的Moran’值波动上升.
3.2 创新驱动省域绿色增长的空间效应方面,知识创新、技术创新、制度创新对于提升绿色增长水平有显著的正向推动作用,政产学研各方的合作机制有利于经济绿色增长和区域绿色转型.知识创新驱动绿色增长水平的直接效应为2.35´10-5,间接效应为3.75´10-5;技术创新驱动绿色增长水平的直接效应为0.1590,间接效应不显著;制度创新驱动绿色增长的直接效应为0.00733,间接效应为-0.01617;文化创新对绿色增长水平的空间影响并不显著.
3.3 固定资本投入、产业结构优化也能够显著改善区域绿色增长水平.固定资本影响绿色增长的直接效应为0.8613,产业结构影响绿色增长的直接效应为1.0952.
[1] Porter M E, Van der Linde C. Toward a new conception of the environment-competitiveness relationship [J]. The Journal of Economic Perspectives, 1995,9(4):97-118.
[2] Apergis N, Eleftheriou S, Payne J E. The relationship between international financial reporting standards, carbon emissions, and R&D expenditures: Evidence from European manufacturing firms [J]. Ecological Economics, 2013,88:57-66.
[3] 王班班,齐绍洲.有偏技术进步、要素替代与中国工业能源强度[J]. 经济研究, 2014,(2):115-127.
Wang B B, Qi S Z. Biased technological progress,factor substitution and China’s industrial energy intensity [J]. Economic Research Journal, 2014,(2):115-127.
[4] Zhou X, Zhang J, Li J. Industrial structural transformation and carbon dioxide emissions in China [J]. Energy Policy, 2013,57(3):43-51.
[5] 王海龙,连晓宇,林德明.绿色技术创新效率对区域绿色增长绩效的影响实证分析[J]. 科学学与科学技术管理, 2016,37(6):80-87.
Wang H L, Lian X Y, Lin D M. Effects of green technological innovation efficiency on regional green growth performance: An empirical analysis [J]. Science of Science and Management of S.&T., 2016,37(6):80-87.
[6] 丘雯文,钟涨宝,田文文.长江经济带农业绿色增长的时空格局及影响因素研究[J]. 中国生态农业学报(中英文), 2020,28(5):764-774.
Qiu W W, Zhong Z B, Tian W W. Spatio-temporal patterns and impact factors of green economic growth of agriculture in the Yangtze River Economic Belt [J]. Chinese Journal of Eco-Agriculture, 2020,28(5): 764-774.
[7] 冯志军,陈 伟,杨朝均.环境规制差异、创新驱动与中国经济绿色增长[J]. 技术经济, 2017,(8):61-69.
Feng Z J, Chen W, Yang C J. Environmental regulation difference, driven by innovation and China’s economic green growth [J]. Technology Economics, 2017,(8):61-69.
[8] 孟望生,张 扬.自然资源禀赋、技术进步方式与绿色经济增长——基于中国省级面板数据的经验研究[J]. 资源科学, 2020,42(12): 2314-2327.
Meng W S, Zhang Y. Natural resource endowment, path selection of technological progress, and green economic growth: An empirical research based on China’s provincial panel data [J]. Resources Science, 2020,42(12):2314-2327.
[9] 杨朝均,杨文珂,朱雁春.中国省际间对内开放对驱动工业绿色创新空间趋同的影响[J]. 中国环境科学, 2018,38(8):3189-3200.
Yang C J, Yang W K, Zhu Y C. The impact of inter provincial openness on the convergence of industrial green innovation in China [J]. China Environmental Science, 2018,38(8):3189-3200.
[10] 张艳鸽.基于低碳的绿色增长效率评价[D]. 大连:大连理工大学, 2016.
Zhang Y G. Green growth efficiency evaluation based on low carbon emissions [D]. Dalian: Dalian University of Technology, 2016.
[11] 焦琳琳,郭玲玲,武春友.中国沿海城市绿色增长效率测度研究[J]. 科技管理研究, 2018,38(9):248-253.
Jiao L L, Guo L L, Wu C Y. Study on green growth efficiency measurement of China’s coastal cities [J]. Science and Technology Management Research, 2018,38(9):248-253.
[12] 杨文举,龙睿赟.中国地区工业绿色全要素生产率增长:基于方向性距离函数的经验分析[J]. 上海经济研究, 2012,(7):3-13.
Yang W J, Long R Y. The green total factor productivity growth of regional industries in China: An empirical analysis with directional distance function [J]. Shanghai Journal of Economics, 2012,(7):3-13.
[13] 张 豪,何 宇,张建华.绿色增长效率及其空间溢出——基于中国主要城市的经验分析[J]. 贵州财经大学学报, 2016,(6):82-90.
Zhang H, He Y, Zhang J H. Green productivity and spatial spillover: An empirical analysis based on major Chinese cities [J]. Journal of Guizhou University of Finance and Economics, 2016,(6): 82-90.
[14] 周五七.长三角工业绿色全要素生产率增长及其驱动力研究[J]. 经济与管理, 2019,33(1):42-48.
Zhou W Q. Study on industrial green total factor productivity growth and its driving force in Yangtze River Delta [J]. Economy and Management, 2019,33(1):42-48.
[15] 郝 芳.基于系统动力学的中国绿色增长评价模型研究[D]. 大连:大连理工大学, 2016.
Hao F. Research on evaluation model of China green growth based on system dynamics [D]. Dalian: Dalian University of Technology, 2016.
[16] 于文嵩,武春友,郭玲玲.基于甜甜圈理论的各国绿色增长评价[J]. 经济与管理研究, 2015,(6):3-9.
Yu W S, Wu C Y, Guo L L. Evaluation of national green growth based on the Donut Theory [J]. Research on Economics and Management, 2015,(6):3-9.
[17] 赵 奥,郭景福,武春友.中国绿色增长评价——基于粗糙集、突变级数模型和Topsis法的集成[J]. 技术经济, 2017,36(12):121-128.
Zhao A, Guo J F, Wu C Y. Evaluation on green growth of China: based on integration with rough set, catastrophe progression model and Topsis method [J]. Technology Economics, 2017,36(12):121-128.
[18] 明翠琴.中国经济绿色增长评价指标体系研究[D]. 武汉:华中科技大学, 2016.
Ming C Q. A study on green growth evaluation indicator system for China Economy [D]. Wuhan:Huazhong University of Science & Technology, 2016.
[19] 郭玲玲.中国绿色增长程度评价及实现路径研究[D]. 大连:大连理工大学, 2016.
Guo L L. Evaluation of green growth degree and implementation paths in China [D]. Dalian: Dalian University of Technology, 2016.
[20] 赵 奥,武春友.金砖国家绿色增长水平测度与周期性变动[J]. 财经科学, 2019,(2):51-62.
Zhao A, Wu C Y. Green growth level measurement and periodical variation of BRICS [J]. Finance & Economics, 2019,(2):51-62.
[21] 郝 芳,王雪华,孔丘逸.基于系统动力学的中国绿色增长评价模型研究[J]. 大连理工大学学报(社会科学版), 2017,38(3):39-45.
Hao F, Wang X H, Kong Q Y. System dynamics-based research on the evaluation model of China green growth [J]. Journal of Dalian University of Technology (Social Sciences), 2017,38(3):39-45.
[22] 吕晓菲,卢小丽.资源型城市绿色增长能力评价研究[J]. 科研管理, 2016,37(9):89-97.
Lv X F, Lu X L. A research on evaluation of green growth capability of resource-based cities [J]. Science Research Management, 2016,37(9): 89-97.
[23] 赵 奥,郭景福,武春友.中国绿色增长评价指标体系构建及实证测度研究[J]. 科技管理研究, 2018,38(16):245-250.
Zhao A, Guo J F, Wu C Y. The research on construction of green growth evaluation system and empirical measurement of China [J]. Science and Technology Management Research, 2018,38(16):245-250.
[24] 廖 筠,黄灵霞.引入绿色增长潜力的绿色发展指数构建与区域差异研究[J]. 南京财经大学学报, 2018,(2):25-33.
Liao J, Huang L X. The construction of green development index and regional differences with green growth potential in consideration [J]. Journal of Nanjing University of Finance and Economics, 2018, (2):25-33.
[25] 高春玲.基于熵值法的湖北省绿色经济发展综合评价研究[J]. 科技管理研究, 2012,32(19):70-72,82.
Gao C L. Analysis on the green economydevelopment of a comprehensive evaluation based on entropy method in Hubei province [J]. Science and Technology Management Research, 2012, 32(19):70-72,82.
[26] 丰晓旭,朱春辉,岳鸿飞.四川省产业绿色增长测度——基于全省21个市(州)的城市面板数据分析[J]. 财经科学, 2017,(9):72-83.
Feng X X, Zhu C H, Yue H F. Evaluation of industrial green growth in Sichuan province:based on 21cities’ panel data [J]. Finance & Economics, 2017,(9):72-83.
[27] 李 伦.中国制造业绿色增长系统模型仿真研究[D]. 大连:大连理工大学, 2016.
Li L. A simulation study on the green growth system model of Chinese manufacturing industry [D]. Dalian: Dalian University of Technology, 2016.
[28] Kuznets P W. Liberalization in the process of economic development [J]. The Journal of Asian Studies, 1991,50(4):890-892.
[29] 陈 恒,侯 建.自主研发创新、知识积累与科技绩效——基于高技术产业数据的动态门槛机理研究[J]. 科学学研究, 2016,34(9): 1301-1309.
Chen H, Hou J. Independent R&D innovation,knowledge accumulation and science-technology performance: the dynamic threshold mechanism based on high-tech industry [J]. Studies in Science of Science, 2016,34(9):1301-1309.
[30] Sarkis J, Vazquez-Brust D, De Bruijn T, et al. Helping to build a sustainable future through the greening of industry and its networks: knowledge sharing and action promotion [J]. Journal of Cleaner Production, 2015,98:8-16.
[31] 侯 建,王 刚,陈建成.外部知识源化,知识积累与中国工业绿色增长——动态异质门槛效应研究[J]. 科研管理, 2020,41(3):91-100.
Hou J, Wang G, Chen J C. External knowledge sourcing, knowledge accumulation and green growth of industry in China: A study of the dynamic threshold effect of heterogeneity [J]. Science Research Management, 2020,41(3):91-100.
[32] Fisher-Vanden K, Jefferson G H, MA J K, et al. Technology development and energy productivity in China [J]. Energy Economics, 2006,28(5/6):690-705.
[33] 陈 浩,刘 培,余东升,等.科技创新投入对环境全要素生产率的影响机制[J]. 中国环境科学, 2020,40(4):1834-1846.
Chen H, Liu P, Yu D S, et al. The mechanism for the effect of investment in technological innovation on environmental total factor productivity [J]. China Environmental Science, 2020,40(4):1834- 1846.
[34] 韩立达,史敦友,张 卫.技术创新与工业绿色化:作用机理和实证检验[J]. 经济问题探索, 2020,(5):176-190.
Han L D, Shi D Y, Zhang W. Technological innovation and industrial greening: mechanism and empirical test [J]. Inquiry Into Economic Issues, 2020,(5):176-190.
[35] Seth D, Shrivastava R L, Shrivastava S. An empirical investigation of critical success factors and performance measures for green manufacturing in cement industry [J]. Journal of Manufacturing Technology Management, 2016,27(8):1076-1101.
[36] 陈超凡,韩 晶,毛渊龙.环境规制、行业异质性与中国工业绿色增长——基于全要素生产率视角的非线性检验[J]. 山西财经大学学报, 2018,40(3):65-80.
Chen C F, Han J, Mao Y L. Environmental regulation,industrial heterogeneity and industrial green growth in China: A nonlinear test from the perspective of total factor productivity [J]. Journal of Shanxi University of Finance and Economics, 2018,40(3):65-80.
[37] 张 静.“两山”理论背景下绿色文化传播的路径与方式[J]. 浙江树人大学学报, 2021,21(2):71-77.
Zhang J. Path and method of green culture dissemination under the background of the “Two Mountains” concept [J]. Journal of Zhejiang Shuren University, 2021,21(2):71-77.
[38] 聂 莉.论可持续发展中绿色文化因素的制度安排[J]. 学术研究, 2006,(2):56-60.
Nie L. Institutional arrangement of green culture elements for sustainable development [J]. Academic Research, 2006,(2):56-60.
[39] 张 岩,董 锐,吴佩佩.以科技创新为引领的中国区域绿色转型能力提升研究[J]. 科学管理研究, 2017,35(5):60-63.
Zhang Y, Dong R, Wu P P. Research on the provincial green transition capacity enhancement and innovation-driven development of China [J]. Scientific Management Research, 2017,35(5):60-63.
[40] 郭玲玲,卢小丽,武春友,等.中国绿色增长评价指标体系构建研究[J]. 科研管理, 2016,37(6):141-150.
Guo L L, Lu X L, Wu C Y, et al. A study of the evaluation index system construction of China’s green growth [J]. Science Research Management, 2016,37(6):141-150.
[41] 中国国际经济交流中心,世界自然基金会.超越GDP——中国省级绿色经济指标体系研究报告[R/OL]. (2012-07-12).https://www. docin.com/p-1971929734.html.
China Center for International Economic Exchanges, World Wildlife Fund. Beyond GDP: Research report on China’s provincial green economy index system [R/OL]. (2012-07-12). https://www.docin. com/p-1971929734.html.
[42] 明翠琴,陈 雷,钟书华.中国绿色增长综合评价指标体系的构建及实证[J]. 科技管理研究, 2021,41(10):76-86.
Ming C Q, Chen L, Zhong S H. Construction and empirical analysis of China’s green growth comprehensive evaluation index system [J]. Science and Technology Management Research, 2021,41(10):76-86.
[43] Emerson J W, Hsu A, Levy M A, et al. 2012 Environmental performance index and pilot trend environmental performance index [R/OL].(2012-02-06). https://wbc-rti.info/object/document/7519/attach/2012EPI_Report.pdf.
[44] 韩 晶,孙雅雯,陈超凡,等.产业升级推动了中国城市绿色增长吗? [J]. 北京师范大学学报(社会科学版), 2019,(3):139-151.
Han J, Sun Y W, Chen C F, et al. Does industrial upgrading promote the green growth of Chinese cities? [J]. Journal of Beijing Normal University (Social Sciences), 2019,(3):139-151.
[45] Talberth J, Bohara A K. Economic openness and green GDP [J]. Ecological Economics, 2006,58(4):743-758.
[46] 孙 瑾,刘文革,周钰迪.中国对外开放、产业结构与绿色经济增长——基于省际面板数据的实证检验[J]. 管理世界, 2014,(6):172- 173.
Sun J, Liu W G, Zhou Y D. China’s opening up, industrial structure and green economic growth:An empirical test based on provincial panel data [J]. Journal of Management World, 2014,(6):172-173.
[47] 张 军,吴桂英,张吉鹏.中国省际物质资本存量估算:1952～2000 [J]. 经济研究, 2004,(10):35-44.
Zhang J, Wu G Y, Zhang J P. The estimation of China’s provincial capital stock: 1952～2000 [J]. Economic Research Journal, 2004,(10): 35-44.
[48] 付凌晖.我国产业结构高级化与经济增长关系的实证研究[J]. 统计研究, 2010,27(8):79-81.
Fu L H. An empirical research on industry structure and economic growth [J]. Statistical Research, 2010,27(8):79-81.
[49] 中国统计年鉴[M/OL]. (2021-05-05).http://www.stats.gov. cn/tjsj/ndsj/.
China statistical yearbook [M/OL]. (2021-05-05).http://www.stats. gov.cn/tjsj/ndsj/.
[50] 国家统计局能源司.中国环境统计年鉴2017 [M]. 北京:中国统计出版社, 2017.
Department of Energy, National Bureau of Statistics of China. China statistical yearbook on environment-2017 [M]. Beijing: China Statistics Press, 2017.
[51] 国家统计局社会科技和文化产业统计司,科学技术部创新发展司.中国科技统计年鉴2017 [M]. 北京:中国统计出版社, 2017.
Department of Social, Science and Technology, and Cultural Statistics, National Bureau of Statistics of China, Department of Innovation and Development, Ministry of Science and Technology of China. China statistical yearbook on science and technology-2017 [M]. Beijing: China Statistics Press, 2017.
[52] 国家统计局城市社会经济调查司.中国城市统计年鉴-2017 [M]. 北京:中国统计出版社, 2017.
Department of Urban Society and Economic Statistics, National Bureau of Statistics of China. China city statistical yearbook- 2017 [M]. Beijing: China Statistics Press, 2017.
[53] 国家统计局能源司.中国能源统计年鉴2017 [M]. 北京:中国统计出版社, 2017.
Department of Energy Statistics, National Bureau of Statistics of China. China energy statistical yearbook - 2017 [M]. Beijing: China Statistics Press, 2017.
[54] 教育部发展规划司.中国教育统计年鉴2017 [M]. 北京:中国统计出版社, 2018.
Department of Development and Planning of Ministry of Education of China. Educational statistics yearbook of China 2017 [M]. Beijing: China Statistics Press, 2018.
[55] 冯志军,康 鑫,陈 伟.知识产权管理、产业升级与绿色经济增长——以产业转型升级期的广东为例[J]. 中国科技论坛, 2016,(1): 118-123.
Feng Z Z, Kang X, Chen W. Intellectual property management, industrial upgrading and green growth: a case in Guangdong in the process of industrial transformation and upgrading [J]. Forum on Science and Technology in China, 2016,(1):118-123.
[56] 武春友,郭玲玲,于惊涛.基于TOPSIS-灰色关联分析的区域绿色增长系统评价模型及实证[J]. 管理评论, 2017,29(1):228-239.
Wu C Y, Guo L L, Yu J T. Evaluation model and empirical study of regional green growth system based on TOPSIS and Grey Relational Analysis [J]. Management Review, 2017,29(1):228-239.
The spatial effect of innovation on provincial green growth in China.
CHEN Yong-zhi*, LIANG Wen-ming, LIN Ying-xing
(School of Economics and Management, Fuzhou University, Fuzhou 350108, China)., 2022,42(2)：971～981
In this paper, the global principal component analysis method was utilized to measure the green growth level of 30 provinces (excluding Tibet) in mainland China from 2003 to 2016, and a Spatial Panel Durbin Model was constructed to empirically investigate the spatial impact of knowledge innovation, technology innovation, institution innovation, and culture innovation on provincial green growth. It was showed that knowledge innovation had a significant positive spatial impact on the level of green growth, with a direct effect of 2.35´10-5and an indirect effect of 3.75´10-5. The local green growth level was significantly affected by the level of local technology innovation, with an influence coefficient of 0.1590, and was not significantly affected by the spatial level of technology innovation in the surrounding areas. Besides, it was significantly affected by the local institution innovation with an impact coefficient of 0.00733, whereas an impact coefficient of -0.01617 was for the surrounding areas’ institution innovation. Meanwhile, the spatial impact of culture innovation on green growth level was not significant. Therefore, it was recommended to focus on knowledge production, knowledge accumulation and knowledge spillover of the regional green growth-orientation, aiming at promoting the coordinated green development and developing the key role of technology innovation in green growth. It was also suggested to further perfect the intellectual property protection system supporting inter-provincial green growth, intensify the promotion and popularization of green culture. Meanwhile, more human capital should be devoted and industrial structure should be optimized, thus promoting high-level opening up.
green growth level；innovation-driven；global principal component analysis；spatial effect；spatial panel
X196
A
1000-6923(2022)02-0971-11
陈勇智(1982-),男,福建泉州人,副编审,福州大学博士研究生,研究方向为区域绿色发展、创新管理.发表论文15篇.
2021-07-11
教育部人文社会科学研究青年基金资助项目(19YJC790001);国家自然科学基金资助项目(72073030)
* 责任作者, 副编审, andychen03@163.com
