中国城市绿色创新效率评价及影响因素贡献度分析

□ 刘亦晴 丁家玉

一、引言

改革开放以来，中国经济飞速发展的同时也导致我国面临资源约束趋紧、环境污染严重、生态系统退化等多种环境问题。2018年5月，习近平主席在全国生态环境保护大会中提出了“生态文明建设是关系中华民族永续发展的根本大计”。2022年10月，二十大报告将“人与自然和谐共生的现代化”上升到“中国式现代化”的内涵之一，再次明确了新时代中国生态文明建设的战略任务。但我国城市绿色创新整体进程仍然缓慢，各地区绿色创新效率存在显著差异，作为绿色创新的重要载体，城市绿色创新影响因素值得深入剖析。

学者们围绕城市绿色创新进行了大量研究，主要聚焦在绿色创新评价、区域差异、绿色创新的驱动机制分析。绿色创新效率是组织创新活动考虑环境污染时的产出与投入之比，反映单位创新投入对产出的贡献。相比于传统的效率测量方法，绿色效率的测量结合了资源和环境，考虑意外产出（环境污染）。在城市绿色创新效率评价指标构建上，已有研究主要聚焦投入、产出以及投入产出综合三个视角。投入视角方面，主要关注投入资源的利用情况，OECD（2017）使用“政府环境和能源研发支出”、“研发人员和研究人员总数”“绿色投资总额”三个指标来衡量生态创新投入。产出视角方面，关注创新成果的产出情况，通过对绿色专利进行识别和分类以评估绿色创新产出效率。Hasěiǒ（2015）将绿色专利分为七大类作为绿色创新水平衡量指标；赵娜（2021）采用各地区绿色专利申请总量来衡量绿色技术创新。投入产出视角方面，以绿色技术创新效率作为绿色技术创新的替代指标，主要从投入、期望产出和非期望产出等三个方面来衡量绿色技术创新效率，王惠和苗壮（2015）利用Super-SBM方法测度工业绿色创新效率；Liu C Y （2020）考虑到“环境污染”和“创新失败”，构建了改进的SBMDEA效率测量模型衡量中国高科技产业集群的绿色技术创新效率。也有学者对影响城市绿色创新效率因素进行了研究，主要集中在经济发展层面（经济发展水平、对外直接投资、产业结构等）、制度层面（财政分权、财政压力、环境规制等）、技术层面（技术创新、数字经济、人力资本等）。其中，大量学者围绕环境规制对城市绿色创新的影响机制进行了研究，如胡森林（2022）基于长三角2003-2018年数据研究发现环境规制对城市绿色创新具有显著影响，两者存在倒“U”型关系。Feng和Chen（2018）则采用空间Durbin模型分析省级绿色创新效率，发现不同类别的环境法规对中国产业绿色创新效率有不同的影响。还有部分文献关注经济发展水平、对外直接投资、技术创新等因素在城市绿色创新中发挥的作用，如李健（2019）等通过空间分析发现城市经济发展水平和产业结构等因素均对绿色创新效率有正向驱动作用。武力超（2022）等认为FDI通过知识外溢、示范效应以及竞争效应对地区绿色技术创新产生明显的外溢效应。Zhang等人（2018a）发现，技术创新提高了城市绿色创新效率，并表明城市绿色创新效率存在区域和行政层面的差异。尽管目前关于绿色创新的研究已经取得丰富的成果，但是以下问题仍值得思考：第一，城市绿色创新影响因素繁多，哪些因素发挥了关键作用，现有研究还缺乏深入探究；第二，不同区域城市的关键影响因素是否具有差异性？

基于此，文章在系统梳理城市绿色创新影响因素的前提下，构建了城市绿色创新效率评价体系，并利用两阶段SBM-DEA模型对256个城市2012-2020年度绿色创新效率进行测度，接着使用岭回归模型和贡献度指标对影响城市绿色创新因素再实证以及识别关键因素。本文的边际贡献在于：首先，立足于城市绿色创新相关文献，综合考虑经济发展、制度、技术三个层面因素进行再实证检验，弥补了现有文献大多从单一角度研究的不足，是对影响因素的拓展和更全面分析；其次，识别了城市绿色创新的关键因素并探讨了不同区域因素的异质性，是对影响因素更深层次、更颗粒度的分析。

二、城市绿色创新效率评价

（一）城市绿色创新效率评价

相较于传统测量方法，SBM-DEA方法考虑了投入和产出之间的差距（松弛度），可以更好地解释生产过程中的浪费和松弛。因此，借鉴孙燕铭（2021）等的研究，使用SBM-DEA方法测度城市绿色创新效率。在参照相关研究评估指标体系的基础上，考虑数据的可获取性和统一性构建指标体系如表1所示。

表1 城市绿色创新效率评价指标

从投入指标看，主要包括资本、劳动、创新环境等方面。资本要素和劳动要素在内生增长理论和新古典框架模型中被视为基本的投入要素，但由于R&D内部经费支出和R&D人员全时当量难以获取，故借鉴李金滟等（2017）的做法，分别采用科学技术与教育支出、从业人口中的科技人员数作为替代变量以反映资本和劳动投入；绿色创新环境主要指人文环境和数字设施服务，考虑到数据的可得性和完整性，分别使用每百人公共图书藏书数和国际互联网用户数衡量经济中投入的创新环境的质量。

从产出指标看，主要考虑技术、经济、环境等方面的产出。现有文献普遍应用绿色专利衡量绿色创新产出，认为其能直接体现地区创新水平，由于专利申请量相较于授权量受专利机构工作效率、偏好等因素影响较小，因此，文章使用绿色发明专利申请量衡量技术产出；在经济和环境方面，参考孙燕铭（2021）等的研究，分别以人均GDP、生活垃圾无害化处理率反映绿色技术创新的经济总体产出水平和环境污染减少程度。

从非期望产出指标看，为区别于传统创新，参照已有研究成果，将环境污染作纳入绿色创新效率评价体系，以工业二氧化硫排放量、工业废水排放量、工业烟尘粉尘排放量三个指标衡量工业活动对环境的影响。

以上数据主要来源于《中国科技统计年鉴》（2012-2020）、《中国能源统计年鉴》（2012-2020）、国泰安数据库等，其中，绿色发明专利来源于国家知识产权局专利检索系统。针对部分缺失数据使用线性插补法进行补充。

（二）城市绿色创新效率描述

利用MaxDEA软件测度了2012-2020年256个城市的绿色创新效率，具体见表2。

表2 中国城市绿色创新水平分析

从全国来看，2012-2020年整体绿色创新效率偏低，但呈现波动上升趋势，其中2016-2017年绿色创新增长速度明显减慢，2019-2020年增长速度加快，这可能和国家政策相关，2015年新环保法实施，被称为“史上最严环保法”，开启我国环保新时代。新环保法要求各级政府加大环境保护力度，保障公民的环境权益。同时，加强了对环境污染行为的惩罚力度，提高了违法行为的处罚标准，严格的环境规制政策可能在短期内抑制了城市的绿色创新效率，而在长期对绿色创新产生促进作用。

从区域层面看，东部城市效率值高于中西部城市，西部城市在三个区域中效率值最低，中西部城市的绿色创新效率水平低于全国平均水平，这和Fei Fan等的研究结果相似，Fei Fan基于地理矩阵的空间计量模型研究发现中国235个城市的绿色创新效率存在较大的空间不平衡。Chengwu Lu（2022）等通过建立评价体系也得出类似的结论并对其原因进行了分析，认为中西部地区“高能耗、高污染、和“低效率”的“行业”的结构是造成其绿色创新效率较低的主要原因。在变化趋势上，东、中、西部地区演化趋势基本相同，呈高低交错上升趋势，且从2012-2020年各部分区域间的效率值差距逐渐缩小，说明中部和西部地区在绿色创新方面逐年加强投入取得一定的成效。

三、研究设计

（一）模型构建

vif检验发现各变量的方差膨胀因子为12.6，存在多重共线性问题，因此参考洪进等（2011）的思路，采用岭回归模型构建如下：

其中，Y为被解释变量，Xi为前文提取的15个城市绿色创新影响因素，ε表示误差项。

（二）变量说明

各解释变量定义及来源如表3所示。

表3 变量定义及来源

（三）贡献度指标设计

文章借鉴冯根福等（2021）的研究，设定贡献度计算公式具体如下：

式（2）中，QV表示方差角度下的贡献度，Ω为所有统计显著变量的集合，Pi为变量xi的P值，P0为统计显著的临界值。

式（3）中，QS表示水平下的贡献度，为变量xi的均值。式（4）为最终的变量贡献度计算公式：

其中，常数项的贡献度计算公式为MQ(β0)|β0|/2

四、城市绿色创新影响因素再实证

（一）描述性统计分析

文章选择2012-2020年256个中国城市作为研究样本，为确保数据可靠，对数据做了以下处理：①删除数据缺失严重的城市；②针对缺失数据进行手工查找和线性插值法补充；③为减小异方差问题和多重共线性问题，将各变量取对数；④对数据进行标准化处理并针对异常值对连续变量进行上下1%的缩尾处理。表4报告了主要变量的描述性统计，其中，生产性服务业集聚区位熵的均值为4.586，方差为1.949，说明生产性服务业的商业活动分布具有一定的差异性，但总体上还是保持较为稳定的状态。其余各变量均值和标准差都在合理范围之内，说明变量波动不大，稳定性较好。

表4 描述性统计

（二）城市绿色创新影响因素贡献度分解

采用岭回归方法，利用岭迹图和方差扩大因子法，确定当K取值为0.192时，各变量的系数开始趋于稳定。此时基于F检验显著性P值为0.00，表明自变量与因变量之间存在着回归关系。同时，模型的拟合优度R²为0.767，模型表现良好，取5%作为统计显著的临界值。表5报告了岭回归结果及测算所得MQ值。从经济发展层面看，经济发展水平（37.82%）和金融发展水平（10.26%）是影响城市绿色创新的关键因素。经济发展水平高的城市意味着城市拥有更多的资源和资金并且能够吸引更多具备专业知识的人才进行绿色创新项目的研发、支持和推广，呼应了武力超等（2020）提升外向型经济发展水平能够促进实现绿色创新并有利于环境规制工具改善环境质量的研究观点。刘习平等（2020）提出金融发展水平能够通过提高资本配置效率减弱外延型高投资对绿色创新效率的负面冲击的结论。韩科振等（2020）认为绿色证券、绿色信贷、绿色保险和碳金融有助于提升我国绿色创新效率的发现。

表5 回归结果及贡献度

从制度层面看，环境规制（12.09%）在城市绿色创新中发挥了关键作用，这和目前大多数文献研究结果一致。赵细康等（2006）认为环境规制活动会对其他研发投入产生挤出效应并且可能增加企业日常生产、销售等方面的难度，从而对绿色创新产生抑制效应。胡森林（2022）等的研究发现环境规制和绿色创新效率呈“U”型关系，即过强的环境规制会对城市绿色创新产生抑制效应。林子秋等（2022）指出邻近城市的高强度环境规制对本城市的绿色创新具有抑制作用。

从技术层面看，人力资本（3.83%）是影响城市绿色创新的关键因素。苏科等（2021）对长江经济带城市研究发现人力资本是绿色创新的重要推动因素，并且相较于科技创新，人力资本具有更强的推动力。程广帅等（2019）的研究也表明人力资本积累对区域环境质量的改善具有促进作用且存在区域异质性。

（三）异质性检验

依据中国区域规划标准将样本划分为东、中、西部三个子样本重新进行回归并计算MQ值，结果如表6所示。从经济发展及制度层面看，经济发展水平、环境规制仍然是东、中、西部最关键的影响因素；从技术层面看，在东部、中部地区数字经济发挥了关键作用，而技术创新在西部地区扮演了更为重要的角色，原因可能是东部和中部地区的城市已经建立了相对成熟的经济体系和产业结构，相比之下，西部地区大部分城市发展相对滞后，相同程度的技术创新可能产出效应更明显。

表6 异质性检验

（四）稳健性检验

本文采用了以下4种方法进行稳健性检验。

1.更换绿色创新效率测量方法。虽然SBM-DEA方法在测算城市绿色创新效率时考虑了松弛度，但在处理输入输出数据时，对于离群值和异常值比较敏感，可能导致评估结果不稳定。因此利用超效率SBM方法对绿色创新效率重新测算。表7显示结果无明显差异，通过稳健性检验。

表7 稳健性检验

2.调整研究样本。省会等重点城市通常具有较高的经济发展水平、更好的基础设施和公共服务，可能导致其在经济和社会方面与其他城市存在显著差异，剔除这些重点城市使得分析结果更加准确和可靠。表7结果显示，在剔除省会城市、计划单列市和副省级城市等重点城市后，核心结论仍然成立。

3.改变统计临界值标准。为避免选取统计显著临界值的主观偏误，通过对比在2.5%、5%、7.5%的统计临界值上结果是否发生较大变动进行稳健性检验。表7显示结果无明显差异，通过稳健性检验。

4.滞后解释变量。为解决可能存在着内生性问题，参考王洪盾等（2020）做法，将解释变量滞后一期回归以减少互为因果导致的结果偏误。表7结果显示，关键结论的稳健性再次得到印证。

五、结论和启示

本文利用两阶段SBM-DEA模型对2012-2020年256个城市的绿色创新效率进行测算及分析，使用岭回归模型对城市绿色创新影响因素进行再实证，并兼顾经济显著性和统计显著性，识别影响城市绿色创新的关键因素。研究发现：（1）我国整体绿色创新效率呈波动上升趋势，2017年后进入稳定上升阶段，其中东部地区绿色创新水平普遍高于中西部地区且各地区间差距有缩小趋势；（2）贡献度分解发现，经济发展水平、环境规制、人力资本分别是经济发展、制度、技术层面影响城市绿色创新水平的关键因素；（3）在空间异质性分析中，相较于东部和中部，技术创新在西部地区绿色创新中发挥了更为重要的作用。在经过一系列稳健性检验及内生性问题处理之后，关键结论仍然成立。基于以上结论，对城市绿色创新提出以下建议：

第一，加强环境规制和监管力度的有效性。环境规制是影响城市绿色创新水平的关键因素之一。加强城市环境规制和监管力度可以激发技术创新，推动绿色技术的发展。为了应对更严格的环境要求，企业和创新者需要开发新的技术和解决方案来减少对环境的不良影响，这可能涉及到研发清洁能源技术、改进废物处理和回收利用方法等。通过政府设定的环保标准和激励措施，创新者将受到鼓励并获得支持，从而加速绿色技术的创新和应用。

第二，促进经济发展和人力资本投入。经济发展水平和人力资本投入在城市绿色创新发挥了关键作用。因此，政府打造更加透明、高效、公平的商业环境，以吸引更多国内外投资和企业发展。同时，加大对教育系统的投资，鼓励学生在环境科学、可持续发展等方面的专业学习，为城市绿色创新提供人才支持，鼓励产业界、学术界和研究机构之间的合作与交流。建立创新平台和联合实验室，促进知识与技术的转化和应用。

第三，提升中西部地区绿色创新水平。根据中西部地区的特点和需求制定差异化的政策支持，包括财政支持、税收优惠、科技创新基金等，促进中西部地区的绿色创新发展。除上述因素外，金融发展水平、城市交通、技术创新等因素在西部地区绿色创新中也扮演了重要角色，因此可以通过鼓励金融机构提供绿色创新项目的融资支持和风险投资以降低创新成本，加大西部地区绿色交通基础设施建设投资（包括建设公共交通系统、鼓励电动车辆使用、推广绿色物流等），提高绿色交通的效率和便利性，提供更多的科技支持和资源等方式促进西部绿色创新发展。此外，应加强区域间的合作与交流，分享成功经验和创新模式，促进绿色创新的共同发展。