绿色技术创新效率及其时空差异——基于长江经济带74 个城市的实证研究

张羽 ，蔡茜 ，焦柳丹，唐颖

（1.重庆交通大学 经济与管理学院，重庆 400074；2.林同棪国际工程咨询有限公司，重庆 401120）

随着改革开放的不断深入，我国经济发展进入新常态，但在经济快速增长的同时，也付出了资源浪费和环境污染的巨大代价[1]。企业“高投入、高污染、低产出”的现象屡见不鲜，重化工企业围江围湖问题突出，城市绿色发展步伐缓慢[2]。长江经济带作为国家重点发展区域，横跨东、中、西三大板块，覆盖了上海、南京、长沙、重庆等126 个地级以上城市，人口、经济约占全国总量的一半，是中国经济与资源的“黄金带”，同时也是生态文明建设的先行示范带，国家转型发展的创新驱动带，对推动我国绿色发展和高质量发展具有重大意义[3]。因此，作为技术创新和绿色发展的结合点，绿色技术创新已成为减少资源消耗、保护生态环境、促进长江经济带高质量发展的有效手段。为促进长江经济带全面绿色转型，提高城市绿色技术创新水平是必不可少的环节，这不仅要求强化城市的创新驱动，同时也要求降低环境污染的排放力度。基于此，本文对长江经济带城市的绿色技术创新效率进行测度，为不同城市实现高质量发展提供理论参考和实践借鉴，从而推动我国城市的高质量发展。

针对绿色技术创新效率有关问题，国内外广大学者已进行了丰富的研究，效率的研究主要集中在产业、区域等方面。在产业方面，LUO 等[4]基于2004—2015 年21 个新兴产业行业的数据面板，运用Malmquist-DEA模型进行绿色技术创新效率评价，实证表明新兴产业的创新能力呈总体递增趋势。李健等[5]基于2009—2018年高新技术产业面板数据，基于Super-SBM 模型对高新技术产业的创新效率进行测算，结果表明区域高新技术产业绿色创新效率时序上呈现“低效率大差异”向“高效率小差异”的时间演进趋势。张峰等[6-7]以全国制造业和高技术产业为研究对象，利用三阶段效率测度模型探究其绿色技术创新效率及其影响因素。在区域层面，LI 等[8]采用DEA-SBM 模型测算了我国29 个省份2010—2017 年的绿色技术创新效率。岳鸿飞[9]、肖黎明等[10]以我国30 个省份为研究对象，考察不同梯度地区的绿色技术创新效率值。LIU 等[11]则以长江经济带为研究对象，用两个不同的时期研究各地城市群的绿色技术创新效率。少数学者对城市的绿色技术创新效率进行测度，如张雄化等[12]以深圳市绿色发展为研究对象，通过DEA 三步模型法探索其创新规律和经验。郄海拓等[13]基于DEA-Malmquist 指数模型测算了北京、上海、天津和重庆4 个直辖市的科技创新绩效，结果表明，城市的科技创新绩效变动主要源于技术进步相关因素。封思洁等[14]以黄河流域11 个主要城市为研究对象，运用SBM-Undesirable 模型对绿色发展效率进行测度，研究表明，黄河流域绿色发展效率整体水平不高，近年呈上升趋势。

综上所述，基于对现有文献的研究，发现存在以下不足：①以长江经济带城市为研究对象的文献较少，大多学者研究城市也仅以单个城市或少数几个城市为对象。②大部分研究都只是对效率的静态水平进行分析，对于绿色技术创新效率的动态分析较少。基于此，本文运用超效率SBM 模型对长江经济带74 个城市的绿色技术创新效率进行测度和对比，并采用Malmquist 指数模型测算效率的动态变化，从而对我国长江经济带城市绿色技术创新能力提出针对性的政策建议。

1 研究方法与模型构建

1.1 超效率SBM模型

提及对绿色技术创新效率的研究，DEA 是一种评价效率的传统方法，可对多个决策单元进行单或多投入、产出的相对效率进行对比分析。在企业经营、物流效率、环境、科技创新效率等方面均得到广泛应用[15-16]。但传统的DEA 方法在计算过程中并未考虑松弛变量对效率的影响，导致计算结果存在较大的误差，不符合实际情况。为获得更客观的测量结果，TONE[17]在2001 年提出了一种基于松弛变量测度的非径向、非角度的SBM模型，但因效率评价的最优值是1，所以常常存在多个决策单元的效率值为1，从而不能进行比较排序。为此，TONE[18]将被评价的决策单元从参考集中剔除，提出了超效率SBM 模型，从而能够有效地处理决策单元的相对效率排序问题。本文将长江经济带74 个城市视为74个决策单元，拟采用超效率SBM 模型测度其绿色技术创新效率，构建非期望产出的超效率SBM 模型。

假设每个决策单元的评价指标体系均由m个投入、q1个期望产出、q2个非期望产出组成，则第i个决策单元的投入指标值xi、期望产出指标值yi以及非期望产出指标值zi分别为：

设剔除的决策单元为(xi,yi,zi)，除剔除之外其他决策单元构建的生产可能集B为：

考虑非期望产出超效率SBM 模型，如下式所示：

式中：ρ为绿色技术创新效率值，为投入松弛变量，为期望产出松弛变量，为非期望产出松弛变量，λ为权重向量。当ρ≥1，说明城市创新效率有效；当ρ＜1，则说明城市创新效率无效。

1.2 Malmquist生产率指数模型

超效率SBM 模型只能测度同一时期不同决策单元的静态绿色技术创新效率值，而无法测度不同时期的动态变化。为此，本文引入Malmquist 指数对各个城市绿色技术创新效率的跨时期演变进行分析。Malmquist 指数由MALMQUIST[19]在消费分析的过程中首次提出，CAVES 等[20]在1982 年提出在多投入产出下，基于投入的全要素生产率指数可用Malmquist指数来表示，已在工业、环境、金融、技术创新等领域得到广泛应用[4]。

假设在t时期内，每个决策单元均由m个投入指标与s个产出指标组成，故第j个决策单元的投入、产出指标值分别为：

Malmquist 指数用于衡量不同时期的总要素生产力。从t期到t+1 期的过程中，当MI≥1 时，城市绿色技术创新全要素生产力呈进步上升状态；当MI＜1 时，则说明城市绿色技术创新全要素生产力呈衰退下降状态。通过对上式分解可知，Malmquist 指数可分解为效率变化指数（EC）与技术进步变化指数（TC），当EC≥1 时，说明城市技术效率上升，反之则说明效率下降；同理，当TC≥1 时，表示城市绿色创新技术进步，反之表示技术退步。

2 指标选取与数据处理

2.1 投入与产出指标的选取

本文通过参考大量绿色技术创新的相关文献，构建效率评价体系，将其分为投入、期望产出和非期望产出三类指标，如图1 所示。

图1 绿色技术创新效率指标体系

投入指标：技术研发投入直接影响整个绿色技术创新的产出，故依据选取指标的科学性、可操作性、综合性等原则，参考相关文献[1-3]，主要从人力投入、资金投入和能源投入三个维度进行考量。本文选取R&D 人员（X1）表示人力的投入，选取R&D 内部经费（X2）表示资金的投入，能源投入方面，则选取能源消耗量（X3）表示。其中，能源消耗量是将各城市的社会用电量、天然气、液化石油气供气总量统一折算为标准煤进行计算；期望产出指标：此阶段多为专利、新产品开发项目数等技术知识类的产出，能较好地体现绿色技术创新的水平。因此，本文选取专利申请数（Y1）、专利授权数（Y2）及新产品销售收入（Y3）作为期望产出为“好”的产出指标；非期望产出指标：非期望产出指标为环境污染类指标，根据本文的研究目的，选取工业废水排放量（Z1）及工业二氧化硫排放量（Z2）两个指标衡量。

2.2 数据的来源与处理

因长江经济带城市数量众多且选取了多个指标，所以难以收集所有城市的完整数据，故本文将数据缺失严重的部分城市剔除，最终选取2014—2018 年长江经济带沿线74 个城市进行分析，其中上游选取24 个城市，中游选取28 个城市，下游选取22 个城市，研究区域如图2 所示。数据均来源于《中国统计年鉴》《中国城市统计年鉴》《中国环境统计年鉴》及各地级市城市统计年鉴。对于数据缺失的情况（如2018 年江苏地级市R&D 人员数据缺失等），则采用均值替代法补充。考虑到通货膨胀的影响，本文有关经济类指标（R&D 内部经费支出、新产品销售收入）均参考肖仁桥等[22]的做法，基期设置为2014 年，折旧率为15%，对其采用永续盘存法进行估算，具体公式为：Ki,t=(1-δ)Ki,t-1+Ii,t，其中Ki,t为第t年的资本存量，δ为折旧率，Ii,t为第t年的投资额。

图2 研究区域

3 长江经济带城市绿色技术创新效率实证分析

本文运用MaxDEA 8.0 软件，基于超效率非期望SBM 模型对2014—2018 年长江经济带沿线74 个城市的绿色技术创新效率进行测算，探究我国长江经济带城市绿色技术创新的现实情况，并结合ArcGIS 软件，分析各城市绿色技术创新效率之间的区域差异。为进一步进行动态分析，最后基于Malmquist 指数模型对各城市绿色技术创新效率进行研究。

3.1 城市绿色技术创新效率的静态测度

从整体效率水平看，由图3 可知，2014—2018 年长江经济带城市绿色技术创新效率的整体平均值为0.637，各年绿色技术创新效率的均值分别为0.688、0.621、0.580、0.645 和0.650。整体效率及各年效率均值均未达到有效生产前沿面。2014—2018 年，74 个城市中，绿色技术创新效率平均值大于1 的城市仅有14 个，如长沙、上海、温州、成都等，占全部城市的18.9%，其中效率排名最高的为长沙，效率值达到1.205，高于有效生产沿面20.5%。这些城市经济竞争力较强，同时政府在建设创新平台和加大创新投入方面给予了支持。如上海作为长江经济带的核心城市，自出台《上海市科技创新“十四五”》政策后，科技创新产业数量逐年上升，具有高科技创新能力的现代产业体系基本完善，大量高端技术人才被吸引至此，这推动了上海市高质量发展。其余有36 个城市处于低水平状态，占全部城市的48.6%，其中效率最低为淮南，仅有0.157，这是由于这些城市经济基础能力较差，受资源环境的约束较强，创新产出水平远低于其他城市。由此可见，长江经济带城市的绿色创新能力大多处于低效率水平，整体的绿色技术创新水平仍具有较大的提升空间，且城市之间绿色技术创新水平呈现出两极分化格局。

图3 2014—2018年长江经济带城市绿色技术创新效率

从时间维度看，由图3 可知，2014—2018 年长江经济带沿江城市效率值低于0.2 的低水平城市逐渐减少，且效率值大于1 的城市数量也处于稳定状态。其中2016年低效率（≤0.2）城市最多，达到7 个，且整体均值也处于最低谷，是长江经济带城市绿色技术创新效率的拐点。究其原因，2016 年是国家坚持生态优先、绿色发展，扎实推进长江经济带建设的关键一年。因此政府加大对沿线企业的治理力度，各省市也出台企业绿色发展的相关措施。在一系列政策高压下，长江经济带沿线城市企业面临着巨大挑战，产业转型、绿色技术创新等问题使得传统企业无法立即适应，导致效率出现下降。而在2016—2018 年，绿色技术创新效率又恢复上升。因此，2014—2018 年长江经济带城市绿色技术创新效率整体呈现“U”型关系。这意味着为改善长江经济带质量，提升企业绿色发展水平，打破传统发展模式向创新驱动转变的目标得到了各城市的重点关注。

3.2 城市绿色技术创新效率的区域差异

选取2014—2018 年74 个城市绿色技术创新效率值，运用ArcGIS 10.5 软件，将绿色技术创新效率划分为五个等级，绘制出长江经济带绿色技术创新效率的空间分布图，如图4 所示。为便于分析比较，将长江经济带城市按其区域划分为上、中、下游三个城市群，以探究长江经济带的空间分布及区域差异。

图4 2014—2018年长江经济带城市绿色技术创新效率区域分布图

从区域层面来看，2014—2018 年位于下游地区的城市绿色技术创新效率表现较好且发展水平也较稳定。如上海、温州、嘉兴、台州等城市均处于高效率状态。此外，镇江、杭州、宁波等城市虽未达到最优效率，但距离最优生产前沿面较近。而同处于下游区域的江苏部分城市发展却不太稳定，如苏北地区的徐州、连云港、宿迁等发展水平有所下降。究其原因，随着国家生态文明政策的颁布，各城市不得不进行产业转型升级，而苏北地区部分城市经济发展水平低于苏南地区城市，这使得这些城市产业转型起步慢，结构层次低，较难进行优化调整，故对于绿色发展，创新驱动的建设发展较慢，在绿色技术创新水平方面还有较大的改善空间。

对比来看，与下游城市相比，长江中上游地区城市的提升空间更大。中游地区存在资源较少、人才流失等问题，导致技术创新的能力与资源不足；上游地区经济发展相对落后，发展速度较慢，对人才的吸引力较小，绿色技术创新能力落后[5]。且下游地区的城市优先发展现代服务业，污染程度大的企业也逐步向中上游地区转移，在一定程度上抑制了中上游城市绿色技术创新能力的发展。所以绿色技术创新效率较低的城市主要分布在长江中、上游地区，尤其是长株潭、滇中和成渝城市群，如株洲、湘潭、曲靖、泸州等城市。虽然这几个城市在2014—2018 年效率有所提升，但与其他中上游城市有较大差距，这也是造成长江中上游地区整体绿色技术创新效率偏低的原因。同时由于经济欠发达、资源相对稀缺、城市绿色技术创新能力较弱、创新产出的环境负效益明显等原因，这些城市发展滞后，仍处于绿色技术创新发展的初步阶段。在日益严峻的资源约束下，这些城市能源消耗高，排污程度大，技术创新能力低，经济欠发达的发展模式亟须调整。政府应协同这些城市的绿色技术创新发展，优化政策供给，加大对这些城市的支持，优化产业结构，引导企业加大对人才的吸引，加强绿色技术研发，激发企业积极性，提高自身的科技创新能力，促进长江经济带的绿色发展，创新发展。与此同时，长江中游区域的长沙、荆门、岳阳，长江上游地区的成都、广安、资阳在5 年间均处于高水平状态，创新水平稳定发展，但并未对周边城市的绿色技术创新水平产生影响，这说明处于高水平状态的城市未对周边城市的绿色技术创新发展起到辐射带动作用。

3.3 城市绿色技术创新效率的动态测度

在城市绿色技术创新效率的静态分析基础上，本文进一步采用Malmquist 生产率指数模型对其进行动态测度，采取跨期比较，从动态角度深入了解绿色技术创新变化的原因。故将2014—2018 年长江经济带沿线城市的投入与产出数据代入MaxDEA 8.0 软件进行计算，得到2014—2018 年长江经济带城市绿色全要素生产率Malmquist 指数及其分解结果。限于篇幅问题，本文仅展示了2014—2018 年长江经济带城市绿色技术创新全要素生产率指数及其分解指标图和分解指标矩阵图。

基于对MI、EC 和TC 的数据分析，长江经济带城市绿色技术创新效率呈以下规律。

（1）整体MI 指数及其分解情况。如图5 可知，2014—2018 年，我国长江经济带74 个城市整体绿色全要素生产率提高了13.1%，技术创新效率指数提高了4.5%，技术进步变化指数提高了12.1%。总体上，长江经济带沿线城市的技术进步增速是快于技术创新效率增速的，绿色全要素生产水平呈上升趋势。表明近年来为加快生态改革，我国将具有市场导向的绿色创新改革作为一项重大战略任务。例如，为了调动企业的积极性，国家开展绿色技术创新“十百千”行动等激励政策、建设一批绿色技术创新领域的基地平台及推动建立“一带一路”绿色技术创新联盟等合作机构等。从中央到地方政府，这些政策举措使长江经济带沿线城市取得了显著成效。

图5 2014—2018年长江经济带城市绿色技术创新全要素生产率指数及其分解指标

（2）由图6 可知，2014—2018 年长江经济带沿线74个城市中，有56 个城市在研究期间的效率值是呈显著性上升的。其中，在长江下游区域的22 个城市中，每个城市的绿色全要素生产率都大于1，其绿色发展动态水平均稳定上升；而在长江中游区域的28 个城市中，黄山、宿州、宣城、邵阳、张家界、益州、永州、怀化这8 个城市的绿色发展动态水平呈下降趋势；在长江上游区域的24 个城市中，广安、广元、保山、丽江、临沧、遂宁、宜宾、达州、雅安、昭通10 个城市的绿色发展动态水平呈下降趋势。由此可以看出，长江经济带74 个城市绿色动态发展的整体水平从下游至上游依次递减。

图6 绿色技术创新生产率指数分解指标矩阵

（3）本文进一步将Malmquist 指数分解为EC 和TC，如图6 所示。从技术进步变化来看，2014—2018 年长江经济带沿线74 个城市中，除保山、广安、贵阳、怀化、黄山、昆明、丽江、临沧、普洱、曲靖、宿州、宣城、张家界、昭通、资阳15 个城市的技术进步变化指数小于1 外，其余59 个城市的指数均大于1。且技术进步变化指数小于1 的城市均处于长江经济带的中、上游区域，而下游区域的技术变化水平呈现上升趋势。从效率变化的角度来看，2014—2018 年长江经济带74 个城市中，保山、亳州、长沙、常德、达州、德阳、广安、广元、杭州、淮北、淮南、昆明、乐山、丽水、连云港、六安、娄底、泸州、绵阳、南昌、南京、南通、普洱、曲靖、上海、绍兴、宿州、遂宁、铜陵、武汉、咸宁、湘潭、襄阳、新余、徐州、扬州、宜宾、玉溪、张家界、昭通、舟山、株洲、资阳市、自贡44 个城市的效率变化大于1，其余无锡、镇江、重庆、荆门等30 个城市的变化效率小于1。这表明长江经济带大多数城市绿色发展动态水平的提升受技术驱动或技术与效率的影响，而保山、广安、昆明、普洱、曲靖、宿州、张家界、昭通、资阳这9 个城市仅仅依靠纯效率来提升绿色发展水平。

4 基本结论与政策建议

本文以长江经济带74 个城市为研究对象，构建绿色技术创新效率评价体系，采用超效率SBM 模型和Malmquist 生产率指数模型测算2014—2018 年城市绿色技术创新效率的静态、动态和空间特征，得出以下结论。

（1）从绿色技术创新整体效率来看，2014—2018 年长江经济带城市创新效率总体偏低，平均值仅为0.637，其中2016 年距离有效生产前沿面的距离最远，效率数值仅为0.58，整体呈现“U”型关系。且各城市间绿色技术创新水平发展不均衡，呈现两极分化格局，效率最高的城市与最低的城市相差1.048。由此可知，长江经济带城市在提高技术创新水平和资源利用效率、降低环境污染方面存在较大的改善空间。

（2）从绿色技术创新效率的空间分布和区域差异特征来看，位于下游地区的城市绿色技术创新效率表现较好且发展水平也较稳定，如上海、台州、嘉兴等，绿色技术创新效率表现较好。但是，同处于下游区域的部分江苏省城市，如徐州、连云港市的绿色技术创新效率水平却没有其他下游城市稳定并具有下降的趋势。此外，位于长江中上游地区的城市提升空间最大，特别是中游的长株潭和上游滇中、成渝城市群，应重点关注。

（3）从绿色技术创新效率动态演化来看，在2014—2018 年整个研究期间，我国长江经济带沿线74 个城市整体绿色全要素生产率提高了13.1%，技术创新效率指数提高了4.5%，技术进步变化指数提高了12.1%。从单个城市来看，有44 个城市均有显著提高，占比约为60%。其中，大部分城市通过技术效率和技术进步双驱动提升绿色发展动态水平，而保山、广安、昆明、普洱、曲靖、宿州、张家界、昭通、资阳这9 个城市仅仅依靠纯效率来提升绿色发展水平。

根据以上基本结论，为提高长江经济带城市绿色技术创新能力，本文提出如下建议：（1）亟须改善绿色技术创新能力严重不足的城市，如安徽省的淮南，四川省的乐山，云南省的曲靖、玉溪等。（2）拓宽长江经济带城市绿色技术创新渠道，推动产学研共建研发技术平台，加大跨区域的通力合作，提升传统产业的创新能力和水平，促进绿色转型升级。同时引入更多高端技术人才，提升企业创新主体地位并拓宽绿色技术创新渠道。（3）改善发展不平衡状态。位于下游区域的“领跑型”城市，应明确并充分利用自身优势，进一步提升技术创新能力，优化资源配置效率，协调好环境保护与经济增长之间的关系。同时也应发挥其辐射带动作用，在产业结构改善方式、先进生产运作模式、新型绿色技术等方面带动长江中上游地区的发展。而长江中上游地区不能以牺牲和破坏环境为代价，要积极吸纳下游城市绿色发展的经验，推进传统产业的技术转型升级，优化产业结构，不断推进长江经济带的绿色发展、高质量发展。与此同时，政府也应引导下游地区的资金、技术、劳动密集型产业有序向中上游地区有序转移，推动长江上中下游协同联动发展，缩小区域绿色技术创新水平的差距。