长江经济带第二产业绿色技术创新效率测度及时空演变

陈 红，沈俊源，陈诗雨

（1.河海大学商学院，江苏 常州 213022；2.河海大学商学院，南京 211100）

长江经济带无论是从区位上看还是从经济发展水平看，均在中国构建发展新格局中占据重要战略地位［1］。习近平总书记两次主持召开全面推动长江经济带发展座谈会，强调以绿色、创新、协同、开放和共享为理念推动长江经济带高质量发展，使长江经济带成为中国生态优先绿色发展主战场、引领经济高质量发展主力军［1，2］。习近平总书记提出绿色发展的“五个追求”，国家发改委和科技部联合颁布《关于构建市场导向的绿色技术创新体系的指导意见》，明确提出构建以企业为主体、以市场为导向、产学研深度融合的绿色技术创新体系。在当前党和国家高度重视长江经济带和产业绿色发展的背景下，对长江经济带绿色技术创新效率进行测算，并深入分析其时空差异具有重大现实意义。鉴于第二产业依然是长江经济带经济发展的主导，是绿色科技创新的重要依托，考虑到效率测评和处理外部效益的问题，基于SBM 的Max-min-DEA 模型测算2001—2018 年长江经济带第二产业绿色技术创新效率，并绘制Kernel 密度估计曲线以揭示效率的时空演变规律。

1 文献综述

国内外学者针对绿色技术创新效率测度开展了广泛研究，研究方法主要为DEA 方法，这类方法计算无需事先假定变量之间的关系，能够有效测量多投入、多产出的决策单元效率，结果具有较强真实性，因而应用十分广泛［3，4］。主要涉及3 个方面：①非参数方法。李丹青等［5］基于在非最优规模运营状态下规模收益可变的DEA 方法，测度了中国30 个省份规模以上工业企业的绿色技术创新效率，发现绿色技术创新效率低于传统技术创新效率，纯技术效率低下是导致综合技术效率不高的主要原因。贺祥民等［6］采用两阶段共享投入DEA 测度绿色技术创新效率，结果表明，大多数省区绿色技术转化效率要低于绿色技术开发效率。张江雪等［7］基于绿色增长对技术创新的方向进行约束，将资源生产率和环境负荷视作产出，运用四阶段DEA 模型对中国2009 年各省份工业企业技术创新效率进行测度，发现东部地区的平均纯技术创新效率最高，而中西部明显偏低。②非参数线性规划与数据包络分析结合方法。华振［8］基于DEA-Malmquist 指数方法测算了中国各省份的绿色技术创新能力。陈元志等［9］运用DEA 模型、相邻参比Malmquist 指数、Bootstrap 纠偏等综合方法比较了不同所有制企业技术创新效率。③考虑松弛性问题的方法。查振涛［10］通过包含非期望产出的超效率SBM 模型测度高碳产业技术创新效率，发现盲目追加技术创新投入、非有效转化专利成果和非期望产出过多均是技术创新效率值较低的原因。黄磊等［11］采用超效率EBM 模型从全国视角测度分析长江经济带沿线城市绿色技术创新效率空间格局，发现下游地区城市绿色技术创新优势突出。还有其他不同视角的研究，如构建测度指标体系。贾军等［12］以企业申请专利数量表示创新水平，通过单一指标测度绿色技术创新效率的变化。王郁蓉［13］通过构建绿色技术创新效率的指标体系，运用主成分分析法对绿色技术创新效率进行测度，发现中国各地区企业绿色技术创新活动发展并不均衡。毕克新等［14］基于技术转移视角构建了效果指标体系，发现跨国公司对国内制造业绿色技术创新效率的影响在时间上呈现明显波动性。

虽然学者们已采用多种方法对绿色技术创新效率进行了广泛研究，但面向长江经济带绿色创新发展的新形势，现有成果对经济带绿色技术创新效率的研究尚不完善，有关第二产业整体绿色技术创新效率的研究还相对较少，而且现有研究大多侧重于某一区域的静态效率评价，针对区域内时空差异的研究相对缺乏。因而，本研究基于SBM 的Max-min-DEA 模型，对2001—2018 年长江经济带第二产业绿色技术创新效率进行测算，并采用Kernel 密度估计函数研究其动态演变规律，以期为全面提升长江经济带第二产业绿色技术创新效率提供理论依据。

2 研究方法与数据来源

2.1 基于SBM 的Max-min-DEA 模型

基于Tone［15］提出的SBM-min 模型测度长江经济带绿色技术创新效率。ρ为非径向松弛指标和分别表示输入和输出松弛度，Xλ和Yλ分别表示输入和输出效率前沿标准值。基于此设定模型如下：

式中，当X≥0 且须从目标函数中删除，如果Yr0≤0，Yr0应替换为最小正值来说明在SBM 中的负面影响。当所有的输入松弛度（s-）和输出松弛度（s+i）均为0，即在ρ= 1 时，任何决策单元的输入或输出都没有松弛，决策单元被认为是有效率的。式（1）可改写为式（2）：

2.2 Kernel密度估计函数

本研究选择具有较好光滑性的Gaussian 核函数［16］，来绘制不同时期所研究区域及其子地区绿色技术创新效率的Kernel 密度估计曲线，进而分析其空间差异及演变规律。设区域、子地区及省市的绿色技术创新效率的样本总体为X，从样本总体中抽取X1,X2,…,Xn，x1,x2,…,xn为与其相对应的样本观测值，则可以得到有关x的密度函数f(x)的估计方程［16］：

式中，n表示观测样本的总个数；h为窗宽，采用AMISE（Asymptotic mean integrated square error，AMISE）法 估计 最 佳窗 宽 值［17］；令μ=(x-xi)/h，为Gaussian 核函数［17］，满足

2.3 指标选取

通过归纳已有研究成果并考虑数据可得性，本研究从多维投入与产出角度构建测算指标。在投入指标方面，选用R&D 人员全时当量、R&D 经费支出资本存量和能源消耗量。其中，R&D 经费支出资本存量参考梁中等［18］的做法，认为由当期经费投入和前期经费剩余共同决定现有资本存量，所以采用永续盘存的方法，以当年R&D 内部经费支出作为当期投入流量，估算存量。选用各省市新产品销售收入作为绿色技术创新效率分析的期望产出指标，CO2排放量和SO2排放量作为非期望产出指标。各指标说明及统计性描述如表1 所示。

表1 第二产业绿色技术创新效率测度指标说明及统计性描述

2.4 数据来源

由于中国经济发展呈现明显的时期特征，因而以“十五”时期、“十一五”时期、“十二五”时期及“十三五”前期（即2001—2018 年）为观察期。本研究中2001—2018 年R&D 人员全时当量、R&D 内部经费支出和新产品销售收入数据均来源于《中国科技统计年鉴》；2001—2018 年SO2排放量数据来源于《中国统计年鉴》以及各省统计年鉴；2001—2018 年能源消耗量和CO2排放量数据来源于碳排放数据库，价值变量根据2001 年的不变价格进行处理。

3 结果与分析

3.1 绿色技术创新效率测算结果分析

3.1.1 效率值分布特征 基于Max-min-DEA 模型，测算出2001—2018 年长江经济带第二产业绿色技术创新效率，并依据地理区位将11 省市划分为上、中、下游3 个区域，上游分别为云南省、贵州省、重庆市和四川省，中游分别为湖北省、湖南省、安徽省和江西省，下游分别为江苏省、上海市和浙江省，具体见表2。由表2 可知，长江经济带内各省市第二产业绿色技术创新效率值均低于1，均存在不同程度的上升空间，且长江经济带内各省市效率差异较大，如上海市高达0.991，而四川省仅有0.395，推进经济带协同发展具有现实需求。2001—2018 年长江经济带整体绿色技术创新效率均值为0.733。上、下游地区效率均值高于经济带总体水平，而中游地区效率值较低。下游地区各省市绿色技术创新效率表现出与其经济发展水平相一致，该地区省市经济基础好，实力雄厚，科技创新投入力度大，同时控污治污能力强、效果好，因而绿色技术创新效率具有明显优势。上游地区各省市效率表现出差异性，四川省绿色技术创新效率显著低于该地区其他省市，只有重庆市的1/3。经济高水平发展对绿色创新效率提升具有一定促进作用，如重庆市，但高效率也可能是由于工业滞后从而非期望产出较小所导致的，这并非是真正的高效率，如云南省和贵州省。中游地区效率普遍偏低，仅有江西省效率值达到0.867，排在前列。中游地区4 省是中国中部崛起战略中的重要省份，自2004 年中央实施中部崛起战略以来，中部地区经济社会快速发展，第二产业形成相当规模，目前处于工业化的中后期阶段，存在资源依赖过重，产业转型困难的问题，因而在面对当前绿色发展的新要求、高标准时，可能存在衔接不暇、转换不及和挑战过大的问题，导致该地区效率值较低。

表2 2001—2018 年长江经济带第二产业绿色技术创新效率值及排名

3.1.2 投入产出调整程度分析 在不影响经济发展的前提下，各省市可对投入、产出进行一定程度调整，达到目标值，以促进绿色技术创新效率水平达到前沿水平，调整情况如表3 所示。由表3 可知，长江经济带沿线绿色技术创新效率较高的省市，如上海市和重庆市等，投入冗余小，期望产出不足程度低，非期望产出接近目标值，均仅需有小幅度调整即可实现效率的最优水平；效率较低的省市，如四川省、湖北省、湖南省和安徽省，其效率低的主要原因为投入冗余高，非期望产出量大，表明这4 省应注重节约人员、资金和能源，减少污染物排放，提高发展与环境的协调程度，实现投入和产出的最优配置，推动绿色技术创新效率的提高。大部分省市的调整情况均符合预期规律，工作重点集中于降低投入冗余和非期望产出。但需要引起注意的是，江西省在投入和非期望产出方面表现较好，而期望产出要大幅度提升，调整度为27.88%，这表明江西省应重视将科技成果转化为生产力，积累经济发展的物质基础，以增加实际产出，进而提高绿色技术创新效率。贵州省明显异于其他省市的是其需要降低7.72%的期望产出，这表明贵州省在经济发展过程中可能存在无效产出，需要进一步协调投入与产出的平衡关系，优化资源，增加有效产出，进而提高效率。

表3 长江经济带各省市第二产业绿色技术创新效率投入产出调整度 （单位：%）

3.2 绿色技术创新效率时空演变规律

3.2.1 绿色技术创新效率的空间分布 2001—2018年长江经济带整体、子地区以及各省市绿色技术创新效率随时间变化的趋势规律如图1 所示。

图1 2001—2018 长江经济带绿色技术创新效率时间演变规律

从经济带整体层面看，2001—2018 年长江经济带绿色技术创新效率总体呈波动上升趋势。具体来看，在中国每个五年规划时期均呈现先上升后下降的倒“U”型，可能是因为“十五”计划纲要提出，生态建设、环保、经济与社会的可持续发展加倍重视，故而有利于降低污染物排放和能源消耗，提高绿色技术创新效率；而“十五”后期，长江经济带作为中国经济发展的先行地区之一，新的重化工业起步并快速发展，污染物排放和能源消耗加大，可能导致效率下降。“十一五”时期中国加快转变经济发展方式，长江经济带沿线地区全面贯彻落实科学发展观，对该时期绿色技术创新效率的提升有积极作用；但2008 年爆发的世界性经济危机使国内产业、科技等多方面建设均受到不良影响，因此后期效率值呈下降趋势。“十二五”时期，长江经济带加大财政对科技的投入，全面推动产业绿色发展，促进绿色技术创新效率的提升，但随着绿色发展要求不断提高，传统高耗能高污染产业难以适应，效率有所下降。“十三五”时期国家高度重视长江经济带高质量发展，绿色发展的理念逐渐形成社会共识，在政府支持、企业发力、全社会共同参与的模式下，有力地推动了该时期绿色技术创新效率的提高。

从区域层面来看，上游地区绿色技术创新效率呈波动上升态势，波幅较小，在“十二五”时期效率实现较快增长，该时期内上游各省市坚持绿色发展，全力筑牢长江上游生态屏障，为绿色技术创新效率的发展提供良好基础；中游地区绿色技术创新效率总体也呈上升趋势，但相较于上游地区，波动性更强，且该地区效率值始终低于经济带整体水平，需要引起注意的是，中游地区在“十五”和“十二五”时期出现不同程度的负增长，表明该地区尚未夯实绿色创新发展的基础，具有不稳定性。下游地区效率值变动具有明显的阶段性特征，其在“十二五”时期达到较高水平并维持稳定，并显著高于上、中游地区以及经济带平均水平。“十二五”时期中国大力推动长三角地区增强区域统筹力度，极大地促进了长三角地区科学的、和谐的一体化发展程度，有助于该地区绿色技术创新效率的整体提高。

从省域层面看，各省市绿色技术创新效率的波动情况差异较大，可大致分为5 类，第一类是龙头型省市，如重庆市、云南省和上海市，其在观察期内效率值始终维持在高水平，因而有必要发挥该类城市在经济带内的辐射带动作用，促进经济带整体效率上升。第二类是后来居上型省市，如贵州省、江苏省和浙江省，该类省市前期效率值波动较大，但在后期达到相当水平并维持稳定，需要全社会共同作为以保持良好势头；第三类是波动型省市，如江西省、安徽省，该类省市效率值波动大，有下降风险，有关部门应给予关注，防止绿色技术创新效率出现恶化趋势；第四类是保守型省市，绿色技术创新基础薄弱，增长缓慢，效率值始终较低，如四川省和湖北省，建议该类省市政府加大科技投入，做好节能减排工作，推进经济转型发展，以取得绿色技术创新的突破性发展。第五类是倒退型省市，如湖南省，在近5 年绿色技术创新效率出现了持续倒退现象，必须引起相关单位的高度重视，找准问题精准发力，扭转绿色技术创新效率下降趋势。

3.2.2 绿色技术创新效率随时间演变规律 为便于描述绿色技术创新效率的空间差异特征及动态演变情况，采用五年计划的期内平均值进行估计。2001—2018 年长江经济带绿色技术创新效率的分布动态见图2。由图2 可知，长江经济带及其子地区绿色技术创新效率空间差异具有如下演变规律：①经济带核密度估计曲线从“宽峰形态”向“窄峰形态”演变，总体上呈峰值增大和峰度变窄的趋势且向右移动，这表明经济带绿色技术创新效率有所提高，而且其空间差异在阶段性减小。②与经济带整体相比，上游地区核密度曲线呈现“双峰状态”，且峰值增大、分布不断集中，轻微向右移动。这表明上游地区向绿色技术创新效率更好的方向发展。在观察期内云南省、贵州省和重庆市的绿色技术创新效率不断向高水平集中，而四川省绿色效率始终较低，符合两极分化的双峰演变趋势。③中游地区的核密度估计曲线与经济带整体相比，由前2 个时期的“双峰形态”向后2 个时期的“宽峰形态”变化，且整体上向右移动，这表明中游地区各省市逐渐消除两级分化现象，绿色技术创新效率的空间差异不断减小，且整体水平提高。④观察下游地区核密度曲线的变化趋势可以发现，在观察期内该地区绿色技术创新效率的空间差异从前2 个时期的高度差异向后2 个时期的无差异演变，表明下游地区3 省市之间存在较强的“追赶效应”。上海市绿色技术创新效率始终保持在较高水平，在“十五”和“十一五”时期，江苏省和浙江省的效率值几乎呈反向变化，“十二五”和“十三五”时期下游地区均达到较高水平，与核密度曲线揭示的演变规律相符。

图2 观察期内长江经济带及子地区的绿色技术创新效率的核密度估计曲线

4 小结与建议

4.1 小结

基于SBM 的Max-min-DEA 模型，测度2001—2018 年长江经济带沿线11 省市第二产业绿色技术创新效率，并利用Kernel 密度估计分析时空演变规律，得到如下研究结论。

1）长江经济带第二产业绿色技术创新效率整体较高，但仍有上升空间。中游地区效率明显低于上、下游地区，下游地区效率最高。各省市效率存在较大差距，上海市、重庆市表现出明显优势。从投入、产出角度看，大部分省市需要减耗降排，以提升效率。

2）长江经济带第二产业绿色技术创新效率整体呈上升趋势，各子地区效率变化也具有相同规律，但各省市效率值随时间变动情况有较大差异。

3）长江经济带第二产业绿色技术创新效率空间差异整体呈减小趋势，上、中游地区具有与经济带整体相似的演变趋势，但上游地区出现两极分化现象。

4.2 建议

为促进长江经济带第二产业绿色技术创新效率，推动长江经济带构建绿色创新发展长效机制，提出以下政策建议。

1）长江经济带应健全区域间互动合作机制，打破行政区划壁垒，促成绿色一体化发展新模式，缩小地区及省际间绿色技术创新效率的差距。下游地区在保持自身效率发展强劲势头的同时，应利用自身产业、资源、技术优势引导上、中游地区加快产业绿色转型、提升自主创新能力。上、中游地区要积极借鉴学习下游地区绿色技术创新效率的经验，并结合自身发展现状加以运用，积极参与创新流域绿色协同发展的机制，在“共抓大保护，不搞大开发”理念指引下，持续做好上、中、下游产业梯度转移。

2）从投入产出角度全方位引导长江经济带第二产业绿色技术创新效率的提高。经济带各省市应以提高绿色环保技术自主创新能力为突破口，加大科技创新投入，形成可持续的绿色技术创新能力。同时强化环保法律法规和行业标准约束，真正做好节能减排工作，减轻发展中对能源的过度依赖，降低污染物排放。按照“一盘棋”思想统筹全流域产业规划，改造提升传统产业，发展壮大战略性新兴产业，构建绿色产业体系，推进生态经济产业化、产业经济生态化，增加绿色产出、高技术产出，促进发展速度、质量和效益同步提升。