黄河流域绿色创新效率时空差异性研究

吴江婷，田 原

（1.郑州大学 商学院，河南 郑州 450001；2.中铁七局 郑州公司，河南 郑州 450052）

《黄河流域生态保护和高质量发展规划纲要》［1］指出“我国加快绿色发展给黄河流域带来新机遇，特别是加强生态文明建设、加强环境治理已经成为新形势下经济高质量发展的重要推动力”，要求“坚持生态优先、绿色发展”“发展新兴产业，推动清洁生产，坚定走绿色、可持续的高质量发展之路”。黄河流域生态环境脆弱，工业发展缺乏创新活力，传统的工业企业发展对黄河流域生态环境造成严重的负面影响，工业废物排放带来巨大生态压力，因此加快提高工业企业绿色创新能力和绿色创新效率是实现黄河流域高质量发展的重要途径。国内关于绿色创新效率的研究，主要集中在绿色创新效率的区域性评价［2－4］、影响因素［5－8］、绿色创新协同效应［9－10］等方面，较少结合黄河流域实际情况进行分析。针对黄河流域经济高质量发展与生态保护耦合协调关系、生态补偿、生态效率等方面的研究是目前的热点［11－17］，但关于绿色创新效率的研究相对较少。笔者运用超效率模型Super－SBM和Malmquist指数法对2010—2019年黄河流域九省（区）的绿色创新效率时空差异进行了研究，并采用Tobit模型对黄河流域绿色创新效率的影响因素进行分析，以期为黄河流域各省（区）实施生态保护和高质量发展提供参考。

1 研究方法和数据来源

1.1 研究方法

1.1.1 超效率模型Super－SBM

超效率模型Super－SBM弥补了传统SBM模型的不足，可以对多个有效决策单元进行排序和比较［18］，具体形式（目标函数和约束条件）如下：

式中：θ为目标效率值，θ值越大表示效率越高，θ≥1时表明决策单元达到DEA有效水平；m为投入指标个数；为第i项投入的松弛变量；xik为第k个单元的第i项投入；s为产出指标个数；为第r项产出的松弛变量；yrk为第k个单元的第r项产出；xij为第j个单元的第i项投入；λj为第j个单元的权重；n为被评价单元个数。

1.1.2 Malmquist指数法

超效率模型Super－SBM从静态角度度量生产（创新）效率，无法反映不同时段效率的变化。为研究效率的动态趋势，采用Malmquist指数法［19］（其主要优点是可以跨越时间对评价单元的效率进行研究）推算绿色创新全要素生产率变化指数（Tfpch），并将其分解为技术效率变化指数（Effch）、规模效率变化指数（Sech）、纯技术效率变化指数（Pech）、技术进步变化指数（Techch），主要公式如下：

式中：xt、xt＋1分别为第t期和第t＋1期的投入；yt、yt＋1分别为第t期和第t＋1期的产出；Dt（）和Dt＋1（）分别为第t期、第t＋1期投入产出距离函数。

Tfpch小于1时，表示全要素生产率下降；Tfpch大于1时，表示全要素生产率上升；Tfpch等于1时，表示全要素生产率不变。

1.1.3 Tobit模型

采用Tobit模型（其对参数估计的误差较小）对黄河流域绿色创新效率影响因素进行分析。根据黄河流域绿色创新发展有关数据的可得性并参考有关学者的研究，选取经济发展水平（ECO）、技术市场成熟度（MAR）、政府支持力度（GOV）、对外开放水平（OPEN）作为绿色创新效率的影响因素（各影响因素的量化指标和对绿色创新效率的预期作用方向见表 1），把Super－SBM模型计算的绿色创新效率作为被解释变量，构建黄河流域绿色创新效率与影响因素关系的Tobit模型：

表1 各影响因素的量化指标及预期作用方向

式中：GIE为Super－SBM模型计算的绿色创新效率；β0为常数；β1、β2、β3、β4为回归系数；ε为随机扰动项。

采用2010—2019年黄河流域九省（区）的面板数据，按照Tobit模型进行回归分析，根据回归分析结果，分析绿色创新效率的主要影响因素。

1.2 评价指标体系

参考国内外学者的相关研究，设置工业资本投入、工业劳动力投入、工业能源投入3个投入指标，工业新产品开发项目数、新产品销售收入、有效发明专利数3个期望产出指标，工业废水、工业废气、工业固体废物3个非期望产出指标，见表2。参考有关学者的研究思路［20－22］，将非期望产出作为投入要素，这符合非期望产出越少越好的目标。此外，考虑到工业非期望产出不完全源自创新活动，如果全部作为产出指标，会夸大创新活动的污染物排放量，故参考吕洪燕等［23］的做法，按照地区工业新产品销售收入占地区工业营业收入的比例来分配非期望产出；同理，按照地区工业新产品销售收入占地区工业营业收入的比例来分配工业能源投入。

表2 绿色创新效率综合评价指标体系

1.3 数据来源

研究所用黄河流域九省（区）的有关数据来源于2011—2020年《中国环境统计年鉴》《中国能源统计年鉴》《中国统计年鉴》《中国科技统计年鉴》《中国城市统计年鉴》以及各省（区）的相关统计年鉴。个别缺失数据采用线性拟合方法对其进行估算。

2 绿色创新效率计算结果分析

2.1 绿色创新效率计算结果

采用超效率模型Super－SBM计算的黄河流域各省（区）2010—2019年绿色创新效率见表3。

表3 超效率模型计算的各省（区）绿色创新效率

由表3可知：2010—2019年黄河流域各省（区）绿色创新效率差异较大，变化范围为0.078～1.551；整体上看，流域均值变化范围为0.591～1.077，时段平均值为0.909（接近DEA有效水平）；各省（区）差别较大，按时段均值由高到低排序为川、鲁、豫、陕、青、宁、甘、晋、内蒙古，最高的四川省为1.331，最低的内蒙古仅为0.434；2019年除宁夏和陕西外，其他省（区）均达到DEA有效水平。

将黄河流域分为上游、中游、下游3个区域（上游包括青、川、甘、宁，中游包括内蒙古、陕、晋，下游包括豫、鲁），各区域绿色创新效率平均值大致表现为下游＞上游＞中游，见图1。2010—2019年下游地区绿色创新效率变化幅度相对较小，在1.1左右徘徊；中游地区和上游地区绿色创新效率波动较大，其中上游地区在1.0上下波动、中游地区在0.6上下波动。

图1 各区域绿色创新效率均值变化情况

2.2 全要素生产率变化指数及其分解结果

运用Malmquist指数法推算的2010—2019年黄河流域绿色创新全要素生产率变化指数及其分解结果见表4。

表4 黄河流域绿色创新全要素生产率变化指数及其分解结果

由表4可知，黄河流域绿色创新全要素生产率逐年变化指数均大于1、时段平均值为1.139，表明黄河流域绿色创新全要素生产率整体上呈上升趋势。由绿色创新全要素生产率变化指数逐年变化情况来看，黄河流域绿色创新全要素生产率在2016—2017年增幅最大（达39.4%），2014—2015年增幅最小（仅为0.4%）。Tfpch在2010—2015年呈现下降趋势，于2014—2015年触底后反弹，在2016—2017年达到峰值。其原因是，2016年为“十三五”规划的开局之年，“十三五”规划进一步强调生态文明建设和五大发展理念，使黄河流域绿色创新水平明显提升。

2010—2019年技术效率和技术进步的时段平均增长率分别为1.9%和11.8%，因为Effch和Techch的乘积等于Tfpch，因此实证结果表明技术进步对全要素生产率的正面影响较技术效率的大。从技术进步变化指数的变化情况看，2010—2011年、2013—2014年、2015—2016年、2016—2017年 增 幅 较 大，特 别 是2010—2011年增幅达到44.0%，而2014—2015年、2018—2019年下滑明显。

黄河流域各省（区）绿色创新全要素生产率变化指数及其分解结果见表5。由表5可知，黄河流域九省（区）绿色创新全要素生产率变化指数除宁夏小于1外其他省（区）都大于1，说明近些年黄河流域各省（区）绿色创新情况整体比较乐观。绿色创新全要素生产率提升较快的省份有青海、四川、陕西，较慢的省份有内蒙古、甘肃；绿色创新全要素生产率变化指数最大值为青海1.317，最小值为宁夏0.946，二者之差达0.371，表明绿色创新全要素生产率变化情况空间差异明显。青海是绿色创新全要素生产率上升最快的省份，主要原因是青海省工业规模小、发展空间大；宁夏的绿色创新全要素生产率变化指数只有0.946，其分解结果表明，Effch、Techch、Sech均小于1，说明在绿色创新技术和规模管理等方面存在不利于绿色创新全要素生产率提升的问题。陕西和宁夏的技术效率变化指数小于1，说明这两个省（区）的绿色创新技术效率在2010—2019年整体上是下降的，应该引起重视。

表5 各省（区）绿色创新全要素生产率变化指数及其分解结果

3 绿色创新效率影响因素分析

运用Stata16.0软件进行绿色创新效率影响因素指标数据处理和Tobit模型回归分析，结果见表6。

表6 黄河流域绿色创新效率影响因素Tobit回归分析结果

由表6可知：①经济发展水平ECO与绿色创新效率之间呈现负相关性（显著性水平为1%），说明经济发展对黄河流域绿色创新效率有明显的阻碍作用，这与预期的正向作用不一致，原因可能是经济发展中忽视了对环境带来的压力，故绿色创新效率与经济发展之间呈现负相关；②技术市场成熟度MAR与绿色创新效率之间呈现正相关性（显著性水平为5%），表明技术市场成熟度的提高有利于提升绿色创新效率，原因是技术市场交易越顺利、规模越大，创新氛围就越浓厚，各类工业企业就会争相研发创新、提升技术水平、将绿色创新纳入企业的发展规划，直接促进了黄河流域绿色创新效率的提升；③政府支持力度GOV与绿色创新效率之间呈现正相关性（显著性水平没有达到10%），表明政府支持对于黄河流域绿色创新效率的提升具有正向作用，但作用不显著，其原因可能是政府制定的政策缺乏针对性、实施不到位等导致政府支持没有达到预期效果；④对外开放水平OPEN与绿色创新效率之间呈现正相关性（显著性水平为1%），说明对外开放对提升黄河流域绿色创新效率起到了正向作用，原因是对外开放可吸纳外部资金、加快企业资金流动等，对提升企业创新、科技研发的积极性起到正向影响，随着对外开放水平的提高会引进具有低污染优势的新技术、引发技术扩散效应，促进区域整体竞争力的提升。

4 结 论

（1）采用超效率模型Super－SBM计算2010—2019年黄河流域各省（区）绿色创新效率，结果表明：2010—2019年黄河流域平均绿色创新效率为0.909，接近DEA有效水平；各省（区）绿色创新效率差异较大，大体表现为下游省份（鲁、豫）＞上游省份（青、川、甘、宁）＞中游省份（内蒙古、陕、晋）；2019年除宁夏和陕西外，其他各省（区）均达到了DEA有效水平。

（2）采用Malmquist指数法推算2010—2019年黄河流域绿色创新全要素生产率变化指数并对其进行分解，间接分析黄河流域绿色创新全要素生产率动态变化情况，结果表明：绿色创新全要素生产率逐年变化指数均大于1、时段平均值为1.139，即黄河流域绿色创新全要素生产率整体呈上升趋势；从各省（区）来看，绿色创新全要素生产率提升较快的省份有青海、四川、陕西，提升较慢的省份有内蒙古、甘肃，下降的有宁夏。

（3）采用Tobit模型对黄河流域绿色创新效率影响因素进行分析，结果表明：经济发展对黄河流域绿色创新效率有一定负面影响，政府支持对提升黄河流域绿色创新效率的作用不显著，技术市场成熟度和对外开放水平对绿色创新效率有积极影响。建议重视区域均衡发展，加快提升企业绿色创新技术水平，坚持对外开放战略，增强政府监管的有效性，全面推进黄河流域工业企业绿色创新效率提升。