中国可持续发展效率及其科技创新影响机制

王 嵩， 范 斐

(1.东北大学 工商管理学院，辽宁 沈阳 110167；2.武汉大学 中国中部发展研究院，湖北 武汉 430072)

一、引 言

改革开放40多年来，我国经济飞速发展，已经成为了世界第二大经济体，但伴随而来的生态环境等问题不容忽视。我国政府高度重视可持续发展问题并付出了一系列的努力，我国可持续发展水平在近年来不断提升，在经济放缓、资源约束趋紧的条件下不放松环保力度，但生态恶化等问题仍然是影响经济社会发展的重要因素。此外，作为负责任的大国，我国设定了2030年碳达峰和2060年碳中和目标，这对我国可持续发展水平和效率提出了更高的要求。

面临生态环境压力和复杂的国际经济形势，中国亟需把目光转移到提升可持续发展效率上来，探索出高质量的可持续发展之路。其中，科技作为可持续发展的重要基础和关键手段[1-3]，是在自然资源和生态环境约束日益趋紧时提升可持续发展效率的最佳选择。长期以来受经济基础、发展阶段和国际环境等诸多因素影响，我国不同区域在不同时期的可持续发展效率和科学技术水平各有不同，相应科学技术对可持续发展效率的影响机制也具有较大差异。新时代背景下，探究科技水平对不同时期、不同区域可持续发展的影响机制有利于为未来生态建设和科技创新的协同发展提供理论依据，是将“青山绿水就是金山银山”和“发展是第一要务，人才是第一资源，创新是第一动力”有机结合起来的重要实践。

二、文献综述

当前，可持续发展已经成为诸多学科的前沿研究领域之一，而区域可持续发展涉及区域的地理分布特征、自然系统的资源与环境、社会经济系统及人类活动影响诸多方面，正逐步成为现阶段可持续发展研究的重要分支[4]。由于可持续发展是一个较为宏观的概念，包括经济、社会、生态、能源等诸多方面，为尽可能地涵盖可持续发展的各方面内容，相关研究多通过构建指标体系的方法对区域可持续发展进行评价，或聚焦于可持续发展的子能力，如经济能力、社会能力和生态能力等[5]，或专注于不同的量化方法，如层次分析法和模糊综合评价法等[6]。受测度效率模型本身无法将过多可持续发展指标涵盖的约束，研究仅围绕可持续发展的某个方面展开。如George和Nickolaos测度了欧洲经济货币联盟25个成员国1995～2005年的经济效率[7]，Iftikhar等测度了主要经济体的能源效率和二氧化碳排放效率[8]，Madaleno等测算了欧盟26个成员国的生态效率[9]。这些研究虽然在其各自方向上有突出贡献，但由于可持续发展的整体性，单独的经济效率、生态效率或能源效率不能反映可持续发展整体效率情况，还必须把经济、社会、能源和生态等方面统一到可持续发展框架内，为此相关研究尝试从多个方面来刻画这一特征，如将经济效率和生态效率两者相结合[10]，或更进一步将经济效率、能源效率和生态效率3者结合[11]，但仍然不足以反映可持续发展效率的全面特征。

可持续发展效率可以表征国家或者区域可持续发展情况，但无法在实际意义上指导可持续发展建设，因此还必须探讨可持续发展效率的影响因素，以从要素层面为提高可持续发展效率提出建议。在此，尽管对可持续发展效率的研究较少，但对经济增长、经济效率和生态效率影响因素的研究可以从不同层面上反映对可持续发展效率的影响，它们仍对可持续发展效率影响因素的研究具有借鉴意义。既是经济发展的重要引擎又是节能减排的巨大推力[12]的科技创新所导致的影响被大量研究使用，如在经济效率[13]、生态效率[14]、绿色发展[15]等方面的研究中，科技创新被认为是提升效率和促进发展的关键因素之一。相关研究还发现，科技创新的影响并非是线性的，而是在技术水平[16]、知识积累[17]和吸收能力[18]等因素的不同水平上产生差异影响。除科技创新之外，规模在效率变化过程中也发挥着重要作用，但相关研究并没有达成共识。如Wang和Feng认为规模的下降是中国能源、环境和经济效率提升的主要障碍之一[19]，而Deilmann等基于德国城市效率发展的经验则认为集聚不是决定高效率的唯一因素，高密度并不会产生高效率[20]。

综上所述，关于可持续发展的评价相关研究已经广泛展开，但对于可持续发展效率的研究主要集中于经济、生态或能源等一个或几个方面，不能全方位地测度可持续发展效率。即使在经济、生态或能源等单一方面效率的影响机制分析过程中，相关研究也存在着不足：一是没有考虑到科技创新在不同因素水平上影响的差异性，仅分析了科技创新的线性影响特征；二是忽略了不同区域的规模效应差异，由此没有控制规模效应的影响，可能导致结果的偏误。

鉴于可持续发展效率的研究对于当前资源生态约束下的我国长期发展具有重要的指导意义，区域可持续发展效率的比较分析可以为我国区域可持续发展和实现区域均衡发展提供理论支撑，其科技创新的影响机制分析对于发挥科技创新引领作用，推动建设生态文明具有重大的实践意义，因此，本文通过DPSIR-DEA模型测度中国区域的可持续发展效率，并以规模水平为控制变量，应用门槛回归模型测度科技的人才资源、市场环境、基础研究水平对可持续发展效率的影响，探究科技水平对可持续发展效率的影响机制。

三、研究方法与数据来源

1.DPSIR-DEA模型

数据包络分析是一种基于多投入、多产出来评价对象相对有效性的效率评价方法，最初由美国运筹学家Charnes等人在相对有效性概念基础上发展出来的一种系统评价方法[21]。由于可持续发展评价是涵盖经济、社会发展诸多方面的评价，所选指标较多会造成最后效率计算不准确的问题，最终影响相关政策的制定。DPSIR框架与DEA模型结合的方法既能较为全面地涵盖相关指标，又能较为准确地计算出可持续发展效率，巧妙地解决了上述的问题[22]。

(1)DPSIR框架

参考张建清等、于洋等和Khan等的研究[23-25]，采用DPSIR-DEA模型计算中国可持续发展效率，本文构建的DPSIR框架如表1所示。其中以驱动力、资源消耗压力、响应为DEA模型的投入，以状态和影响作为期望产出，以生态破坏压力作为非期望产出。

(2)指标权重确定

对于表1的指标层，由于各项指标的量纲及在整个可持续发展中的重要程度不同，因此要对其赋予不同的权重，本文采取主观和客观权重相结合的方法进行赋权。主观权重采取层次分析法(AHP)进行赋权。主观权重主要参考张建清等的研究[23]，采用yaahp软件进行赋权，结果如表1第4列所示。客观权重采用熵值法进行赋权，具体方法参照王嵩等的研究[26]，结果如表1第5列所示。综合权重采用D-S理论证据合成方法进行赋权，以避免将主观权重和客观权重进行简单平均的局限，具体方法参照张建清等的研究[27]，结果如表1第6列所示。通过指标标准化的数据与权重乘积的加总，我们可以得到各项一级指标的评价值，并将评价值纳入到DEA框架中。

表1 中国可持续发展DPSIR框架

2.三阶段超效率SBM模型

(1)第一阶段：超效率SBM模型

一方面，经典的DEA方法，没有考虑松弛量的影响，可能造成效率测度的偏误；另一方面，经典DEA法也没有考虑各主体所处外部环境以及随机误差的可能影响，得到的效率得分可能与实际效率水平之间存在一定的偏差[22]。Tone和Fukuyama等通过在目标函数中引入投入和产出松弛变量，提出了一个非径向、非角度基于松弛的(Slack-Based Measure,SBM)效率评价模型，一方面解决了投入或产出存在非零的松弛问题，另一方面也解决了生产过程所包含的非期望产出的问题，但这仍不能解决无法区分有效决策单元效率大小的问题，为此Tone在SBM基础上又提出了超效率SBM模型[28]，其数学表达式为：

(1)

约束条件：

(2)

(2)相似随机前沿(SFA)模型

Fried认为由于未能剔除掉环境因素、随机因素以及管理效率等变量的影响，传统DEA分析所计算出的效率值是不准确的[29]，基于DEA方法计算出的SBM值也仅仅是将非期望产出分离出去，对于其他影响可持续发展效率的因素同样没有剔除。由于可持续发展效率不仅受到科技发展水平的影响，还受到规模经济的影响，于是，我们在第二阶段通过建立 SFA 模型分离出其他影响可持续发展效率的环境和随机因素，以得出在相同规模条件下的真实投入值，具体做法是将科技发展水平的人才资源、市场环境、基础研究水平等因素纳入到无效率函数中。具体做法如下：

Sni=f(Zi;βn)+νni+μni;i=1,2,…,I;n=1,2,…,N

(3)

SFA回归的目的是剔除环境因素和随机因素对效率测度的影响，以便将所有决策单元调整于相同的外部环境中。调整公式如下：

[max(νni)-νni]i=1,2,…,I;n=1,2,…,N

(4)

(3)第三阶段：修正后的超效率SBM模型

3.门槛回归模型

门槛回归模型是由Hansen提出的，其基本思想为：当某一解释变量处于不同区间时，其对被解释变量产生的影响具有显著差异。参考程淑平等的研究[30]，本文的单一门槛回归模型如下：

Yit=αXit+β1Tit×I(Tit≤δ1)+β2Tit×I(Tit>δ1)+C+εit

(5)

式(5)中，Y为第i个地区第t年的可持续发展效率的综合效率，X为控制变量，包括劳动力规模、教育规模、经济规模、企业规模、交通规模；T为剔除科技创新水平后的第三阶段技术效率，即门槛变量；δ为固定的门槛值，α为Xit对Y的影响系数，β1和β2分别是门槛变量Tit在Tit≤δ1，Tit>δ1时解释变量(科技创新水平的人才资源、市场环境、基础研究)的系数，C为常数项，εit～(0,σ2)为随机扰动项，I(·)为示性函数。同理，二重门槛检验和三重门槛检验的公式如下，相应的，β3和β4的意义类似于β1：

Yit=αXit+β1Tit×I(Tit≤δ1)+β2Tit×I(δ1

(6)

Yit=αXit+β1Tit×I(Tit≤δ1)+β2Tit×I(δ1

(7)

4.数据来源与处理

本文的研究数据选取我国30个省、市、自治区(数据未包含西藏自治区和港澳台地区)。

区域科技创新水平的测度参考范斐等的研究[31]，选取人才资源、市场环境和基础研究3个方面进行衡量。人才资源包括科技从业人数、互联网上网人数、R&D人员全时当量，即分别从科技创新人才的数量、普及度和强度3个层次表征人才资源；市场环境包括技术市场成交额和FDI两项指标，前者表示市场的活跃度，后者表示市场的外部因素；基础研究包括三大专利授权数、论文发表数量、科技财政支出占比3项指标，三大专利授权数和论文发表数量表示当期科技创新成果，科技财政支出占比则表示了政府的支持力度。各二级指标同样采取主客观权重相结合的方法进行评价(如表2所示)。

表2 科技环境评价指标体系

在规模水平指标的选取中，由于考虑到规模效应主要集中于经济和社会及其相关领域，较少涉及到生态，因此，本文只从经济和社会两个层面进行考量，并从劳动力规模、教育规模、经济规模、企业规模和交通规模5个方面进行测度。关于劳动力规模，选取就业人数比(地区就业人数/地区总人口数)表征地区劳动力的集聚水平；关于教育规模，选取万人拥有大学生数量，表征地区高等教育的集聚规模；关于经济规模，选取GDP密度(GDP/土地面积)表征地区经济的集聚程度；关于企业规模，选取人均地区企业资产值表征地区企业的集聚强度；关于交通规模，选取路网密度比重(地区公路长度/全国公路总长度)表征地区交通的集聚情况。

各原始数据主要来源于《中国统计年鉴(2006～2019)》《中国能源统计年鉴(2006～2019)》《中国科技统计年鉴(2006～2019)》《中国环境统计年鉴(2006～2019)》及各省市相关统计年鉴。

四、实证结果分析

1.可持续发展的综合效率

根据DPSIR框架的指标值，以超效率SBM模型中的CRS为基础，通过Max DEA Ultra软件进行计算，从得到的结果中选取有代表性的年份，结果如表3所示。

表3 中国各省市可持续发展的综合效率

从可持续发展综合效率来看，在时间维度上，2005～2009年和2009～2012年两个时间区间内，可持续发展效率整体呈现上升趋势，平均效率年均上升0.0058；2012～2015年可持续发展效率出现小幅下降，但在2015～2018年又恢复到原水平并略有提升，2012～2018年平均效率年均上升0.0024；整个测度期内平均可持续发展效率年均提升0.0041，且各时期内的变化均较小。在空间维度上，东部地区效率呈现出缓慢下降的趋势，但始终保持在0.73左右的水平；中部地区效率有明显提升，效率评价值从0.43提升到了0.62；西部地区效率基本保持稳定，效率值基本保持在[0.56-0.62]的区间内。总体上，中国各省份的综合效率呈现波动上升的趋势。从时间维度来看，测度期内各省市效率值并未出现大幅波动，基本上保持了平稳。从空间维度上来看，东部地区经济最为发达，相应吸引了大量的人口涌入，造成的城市拥挤、生态破坏等问题致使东部地区效率不断下降；中部地区承接了东部地区的科学技术和管理手段，其可持续发展效率不断上升；西部地区由于受到自然环境等限制，加之近年来环境保护政策力度的不断加大，其可持续发展效率基本稳定。

2.可持续发展的技术效率

以第一阶段投入变量的冗余值为被解释变量，以科技创新水平的人力资源、市场环境、基础研究为解释变量，通过Frontier 4.1软件计算可以得到如表4的结果。

根据表4可以发现，人才资源对驱动力D、资源压力P1和响应R的的松弛变量影响均通过了1%的显著性检验，其中对于响应R的松弛变量具有促进作用，而对于驱动力D和资源压力P1的松弛变量则产生了抑制作用。市场环境分别在5%和10%的显著水平上对驱动力D和资源压力P1的松弛变量产生负向影响，但对响应R松弛变量的影响不显著。基础研究对驱动力D和资源压力P1的松弛变量具有显著正向影响，对响应R松弛变量产生负向影响但并未通过显著性检验。通过表4的结果和公式(4)对投入进行调整，然后再通过Max DEA Ultra软件计算剔除绝对科技水平影响的技术效率，结果如表5所示。

表4 相似随机前沿结果

表5 可持续发展的技术效率

根据表5技术效率的结果来看，在时间维度上，2005～2009年有10个省份的技术效率呈现上升趋势，20个省份呈现下降趋势。技术效率上升的省份主要集中在东南沿海和中部地区。这是因为在此时期内，随着加入WTO，中国沿海地区经济得到空前发展，技术随着人才和FDI涌入沿海地区，造就了此段时间内的技术效率提升。2009～2012年，是中国技术效率提升范围最广的时期，有过半数的省份效率呈现上升趋势，且分布也相对均匀，这是因为随着不断深化的国际交流，中西部地区受技术溢出影响，技术效率开始广泛提升。2012～2015年，中国技术效率全面下降，22个省份的技术效率呈现下降趋势，平均技术效率从2011年的0.82下降到了2013年的0.76。这是因为受全球经济危机影响，国际科学技术的溢出效应延缓，我国自主创新还未形成规模，无法保证技术效率稳定在一定的水平上。2015～2018年，随着我国不断注重自主创新，技术效率总体上有所提升，半数省份的技术效率呈现上升趋势。在空间维度上，东部地区在2015年之前的技术效率最高，但呈现不断下降的趋势，并于2015年被中部地区赶超；中部地区的技术效率在2015年之前基本稳定在0.77的水平上，在2015～2018年提升到了0.81，成为技术效率最高的地区；西部地区与东部地区类似，呈现出先下降后上升的趋势。

3.门槛回归分析

Hausman检验表明显著性拒绝原假设，因此采用固定效应模型。在固定效应模型基础上，以可持续发展综合效率(表3)为被解释变量，以可持续发展的技术效率(表5)为门槛变量，分别以科技创新的人才资源、市场环境、基础研究(表2)为核心解释变量，以劳动力规模、教育规模、经济规模、企业规模、交通规模为控制变量。通过公式(5)～(7)及Stata15软件得到检验和计算结果，其中抽样方法为Bootstrap法，Bootstrap次数为300次，结果如表6～表8所示。

表6 门槛效果检验

表7 门槛值估计

表8 双门槛模型参数估计结果

对科技创新的人才资源、市场环境和基础研究分别进行门槛检验，各指标均通过检验。因此，本文对人才资源采用单门槛检验进行分析，对市场环境和基础研究量均采用双门槛检验进行分析，原因有：(1)人才资源的单门槛显著性最高；(2)市场环境和基础研究单门槛和双门槛显著性相同，且大于三门槛检验。

在技术效率的门槛下，人才资源对可持续发展效率的影响存在差异。当技术效率在1.008以下时，人才资源对可持续发展效率的弹性系数为-0.677；当跨过这一门槛时，弹性系数变为1.586。人才资源与可持续发展效率之间的影响机制表明，在技术效率较低时，人才资源不仅不会对可持续发展效率产生贡献，相反还会导致可持续发展效率的下降，这是因为低技术效率使人才资源无法充分发挥价值，同时又造成了生态资源的浪费。通过观察样本，26个省份中有12个省份跨过或曾经跨过这一门槛，跨过这一门槛最短滞留期为1年，最长为10年。2005～2009年跨过门槛省份的数量逐年递减，并在此后相当长的一段时间内保持在2个省份左右的水平，在2017年后才有好转趋势。这一情况说明，在2009～2017年较长的时间内，受国际金融危机影响，我国技术效率不断下降，人才资源对可持续发展效率的提升有明显的抑制作用。究其原因，在经济放缓背景下，科技创新更偏向于提升经济发展水平，而非生态文明建设。

在不同技术效率门槛下，市场环境对可持续发展效率的影响方向和大小也各不相同。当技术效率在0.693以下时，市场环境对可持续发展效率的弹性系数变为-0.214；当跨过这一门槛值时，弹性系数变为1.256；当市场环境水平在1.042以上时，弹性系数继续扩大为6.959。科技创新市场环境对可持续发展效率的弹性系数显示了随着技术效率的提高，科技创新市场环境对可持续发展的促进作用将会越来越大。通过观察样本，26个省份基本在2012年之前已经跨过了第一门槛，极少数省份跨过了第二门槛；2012～2014年有6个省份跌出第一门槛，此后只有2个省份重新跨过第一门槛。这一情况说明，科技创新的市场环境长期以来都促进了我国可持续发展效率的提高，但由于各省技术效率仍处于较低水平，因而市场环境对可持续发展的促进作用系数基本维持在1.256。

在不同技术效率门槛下，基础研究对可持续发展效率的影响均为正向，且弹性系数差距较小。当技术效率在0.895以下时，基础研究对可持续发展效率的弹性系数为0.409；当跨过这一门槛时，弹性系数上升为1.489；当基础研究水平在1.005以上时，弹性系数继续上升为3.683。科技创新基础研究对可持续发展效率的弹性系数表明，基础研究始终在促进可持续发展效率的提升，而且随着技术效率的提升，基础研究对可持续发展效率的促进作用越来越强。通过观察样本，26个省份有17个省份跨过或曾经跨过第一门槛或第二门槛，但整体上各省份跨过门槛的时间大多较短。这一结果说明，科技创新的基础研究一直以来都促进了我国可持续发展效率的提高，但增长幅度较大的省份数量却较少。

综上所述，人才资源在技术效率较低时对可持续发展效率呈现抑制作用，当技术效率超过1.008时人才资源的增加才能促进可持续发展效率的提升；市场环境在不同技术效率下对可持续发展效率的作用与人才资源类似，但在技术效率更高时，其促进作用会进一步加大；基础研究对可持续发展效率呈现出促进作用，且随着技术效率提升，作用系数也不断增大。比对不同技术效率门槛数值下的人才资源、市场环境和基础研究对可持续发展效率的影响后发现：当技术效率处在0.693以下时，人才资源和市场环境会抑制可持续发展效率提升，仅基础研究具有正向作用，因而技术效率较低的区域应当通过注重基础研究来提升可持续发展效率；在[0.693, 0.895]的技术效率区间内，市场环境和基础研究对可持续发展效率均有促进作用且市场环境作用更为明显；在[0.895, 1.042]技术效率区间内，基础研究对于可持续发展效率的促进作用最为明显，市场环境次之，且技术效率在1.008以上时人才资源的增加也可以促进可持续发展效率；当技术效率在1.042以上时，市场环境对于可持续发展效率的促进作用大幅提升，远超基础研究和人才资源的影响。

五、研究结论与建议

本文首先利用DPSIR框架构建了中国可持续发展的投入要素、期望产出要素和非期望产出要素，计算了中国30个省份的可持续发展效率，并基于三阶段DEA思想，将科技水平的人才资源、市场环境和基础研究从可持续发展效率中进行分离，计算了剔除科技水平影响的各省市可持续发展的技术效率。结果显示，所选样本可持续发展效率大多呈现上升趋势，而技术效率在时间上呈现先下降后上升的趋势，且在空间上东中西部差别较大。

同时，本文分别以科技创新的人力资源、市场环境、基础研究为解释变量，以劳动力规模、教育规模、经济规模、企业规模、交通规模为控制变量，以技术效率为门槛变量，计算了不同技术效率门槛下，科技创新对可持续发展效率的影响。在技术效率较低时，增加的人才资源不仅无法嵌入到经济社会可持续发展进程中，还会由于人才资源的冗余且无法发挥价值致使可持续发展效率下降；相同的情况也体现在市场环境上，一方面较低技术效率的技术市场会产生劣币驱逐良币的情况，另一方面由于无法有效利用国际技术溢出导致某些区域成为污染避难所；而基础研究作为经济发展的重要引擎，即使在技术效率较低的情况下也能发挥对可持续发展的促进作用。当技术效率提升到一定水平时，人才资源的增加和市场环境的改善才能有效地对可持续发展效率提升具有促进作用，这与“环境库兹涅兹曲线”的思想相一致。当技术效率继续提升时，市场环境和基础研究对于可持续发展效率的促进作用进一步提升，这是因为较高技术效率下市场环境内各要素和基础研究的各类知识可以更好地发挥协同作用，实现“1+1>2”的可持续发展效率促进效应；人才资源的增加也能产生类似的协同效应，但由于人才资源在达到一定规模后会加大管理的成本和难度，其对可持续发展效率的促进作用可能被抵消，因此，人才资源在较高技术效率水平上难以对可持续发展效率有进一步的促进作用。

根据实证分析结果，本文提出如下建议：(1)提升技术效率是发挥人才资源、市场环境和基础研究效能的重要基础，各省份应当重点优化产业结构，淘汰落后产能以保证单位GDP能耗持续降低，培育发展新动能以保障经济平稳健康发展，提升第三产业在国民经济发展中的贡献率，实现人均GDP和人均固定资产存量的稳步提升；还应当继续加强生态文明建设，重点提升人均城市绿地面积和环境投资占GDP比重，降低工业废固、废水、废气的排放强度，做好清洁生产工作。(2)由于基础研究在不同技术效率门槛下均对可持续发展效率具有促进作用，对于绝大多数省份而言，加强基础研究是提升可持续发展效率最为有效的途径。这些省份应当进一步提升财政支出中科学技术支出的比例，给予基础研究更多的资金支持和政策支持，并赋予科学家更大技术路线决定权、更大经费支配权、更大资源调度权；还应当促进学术研究的发表和交流，并提高成果转化率，积极推动把科技成果应用在建设社会主义现代化的伟大事业中。(3)对于黑龙江、吉林、青海等技术效率较高但所处地理位置相对偏远的省份而言，市场环境对于可持续发展效率的促进作用最为明显。这些省份应当立足于新发展格局，对内需要更加主动地融入我国区域发展布局，与周边省份形成有效联动，激发本土市场活力；对外则需要加强与周边国家的经济贸易和交流合作往来，做好招商引资工作，确保国际投资质量。