长江经济带工业绿色创新效率测度研究

摘"要：提升绿色创新水平是推动工业高质量发展的重中之重。文章采用包含非期望产出的Super-SBM模型测度2011—2020年长江经济带工业绿色创新效率，继而运用Malmquist-Luenberger（ML）指数对其进行动态分析。研究表明：从静态层面看，长江经济带工业绿色创新效率未达到有效率状态；下游地区工业绿色创新效率远远超过中上游地区；不同省份工业绿色创新效率存在较大差异。从动态层面看，长江经济带工业绿色创新效率整体处于上升趋势；上游、中游和下游地区工业绿色创新效率的动态变化呈现显著差异性；各省份工业绿色创新效率不断提升，涨幅较大的位于中游地区。

关键词：长江经济带；工业绿色创新效率；Super-SBM模型；Malmquist-Luenberger指数

中图分类号：F427文献标识码：A文章编号：1005-6432（2025）06-0017-04

DOI：10.13939/j.cnki.zgsc.2025.06.005

1""引言

改革开放以来，我国经济发展高速增长，一跃成为世界第二大经济体。然而经济在快速增长的同时，也面临着日益严峻的环境问题，成为制约我国经济增长的重要因素，转变发展方式以实现经济可持续发展迫在眉睫[1]。党的二十大报告强调我国经济从高速发展阶段转向高质量发展阶段，必须坚定不移贯彻落实“创新、协调、绿色、开放、共享”五大发展理念，把创新和绿色发展摆在国家发展全局的重要位置。“十四五”时期，我国提出坚持把发展经济的着力点放在实体经济上，而工业作为实体经济的重要支柱之一，在现代化经济体系建设中起到至关重要作用。然而工业在快速发展的同时，也带来了能源消耗、环境污染等问题，阻碍了经济可持续发展，如何协调好经济增长与环境发展的关系，实现绿色化、低碳化转型，是当前工业高质量发展亟须解决的问题。长江经济带作为我国重要的工业基地之一，近些年，其工业发展面临严重的资源消耗、能源短缺以及环境污染等问题。在长江经济带工业高质量发展过程中如何实现绿色转型成为当务之急，而绿色创新正是实现绿色转型的必然要求。因此，准确把握长江经济带工业绿色创新效率水平，对于推动工业高质量发展具有重要的理论与实践意义。

2"研究设计

2.1"模型设定

（1）Super-SBM模型。传统DEA模型一般都是径向的，只能对投入产出进行同比例变动，忽略了投入产出中松弛变量的存在，得到的效率值可能会出现偏差，并且传统DEA模型中无法包含非期望产出。而基于松弛变量的非径向SBM模型，可以将非期望产出纳入模型，由于SBM模型难以对多个决策单元为1的效率值进行排序比较，基于此，"Tone（2002）进一步改造了SBM模型，提出了包含非期望产出的Super-SBM模型[2]，具体公式如下：

γ=min1m∑mi=1x-xik1+1p1+p2（∑p1r=1y-gygrk+∑p2t=1y-bybtk）

s.t.x-≥∑nj=1，≠kxijλjy-g≤∑nj=1，≠kygrjλjy-b≤∑nj=1，≠kybtjλjλj≥0，x-≥xk，y-g≤ygk，y-b≤ybk（1）

其中，γ为模型的最优效率值；x-、y-g、y-b分别表示投入、期望产出和非期望产出的松弛量；λ为权重向量。

（2）Malmquist-Luenberger"指数。Super-SBM模型只能对效率水平进行静态分析，无法对其进行动态分析，而"Malmquist"指数可以对效率水平进行动态评价。传统Malmquist指数无法考虑非期望产出的情况，而"Malmquist-Luenberger"指数有效克服了传统Malmquist指数的局限，可以测度包含非期望产出的动态效率水平。基于此，文章参考张丽琨等（2022）的研究，采用Malmquist-Luenberger（ML）指数测算绿色创新的动态效率[3]。从非期望产出角度出发，t到t+1期间的ML指数可以表示为：MLt+1t=1+Dt0xt，yt，bt；yt，－bt1+Dt+10xt+1，yt+1，bt+1；yt+1，－bt+1×1+Dt+10xt，yt，bt；yt，－bt1+Dt+10xt+1，yt+1，bt+1；yt+1，－bt+112（2）

ML指数又可以分解为技术效率变化指数（EC）和技术水平变化指数（TC）。分别表示为：ECt+1t=1+Dt0（xt，yt，bt；yt，－bt）1+Dt+10（xt+1，yt+1，bt+1；yt+1，－bt+1）（3）

TCt+1t=1+Dt+10（xt，yt，bt；yt，－bt）1+Dt0（xt，yt，bt；yt，－bt）×1+Dt+10（xt+1，yt+1，bt+1；yt+1，－bt+1）1+Dt0（xt+1，yt+1，bt+1；yt+1，－bt+1）12（4）

其中，若MLt+1tgt;1，表示t到t+1时期绿色创新效率提高，反之则降低；若ECt+1tgt;1，表示t到t+1时期绿色创新技术效率改善，反之则下降；若TCt+1tgt;1，表示t到t+1时期绿色创新技术水平进步，反之则退步。

2.2""指标选取

结合已有文献研究，重新定义绿色创新活动中的投入产出指标，文章在遵循科学性、系统性、可操作性等指标选取原则上，构建了如下指标体系。

对于绿色创新活动中的投入，从人力投入、资本投入和能源投入三方面表征。文章参考曹玲等（2022）的研究，选取Ramp;D人员全时当量、Ramp;D经费内部支出和能源消费总量分别表示人力投入、资本投入和能源投入[4]。

对于绿色创新活动中的期望产出，主要从创新产出和经济产出两个层面考量。由于专利授权数易受地区政策的影响，存在较大不确定性，文章借鉴范德成和谷晓梅（2022）的做法，选取专利申请数表示创新产出[5]。经济产出是将创新研发投入市场，通过转化最终实现经济效益，选取新产品销售收入来衡量经济产出。

对于绿色创新活动中的非期望产出，主要从环境污染产出层面考量，也就是工业过程中所产生的“三废”，文章借鉴陈蓓等（2022）的研究，选择工业废水排放量、工业二氧化硫排放量和工业烟（粉）尘排放量来表示环境污染产出[6]。

2.3"数据来源

文章以2011—2020年长江经济带包含的11个省份为研究对象，选取的行业为规模以上工业企业。研究所涉及的数据均来自《中国统计年鉴》《中国环境统计年鉴》《中国能源统计年鉴》《中国科技统计年鉴》以及各省市统计年鉴，部分缺失数据通过线性插值法补齐。

3"实证分析

3.1"静态分析

根据上文构建的Super-SBM模型和绿色创新效率评价指标体系，文章运用MaxDEA软件测度了2011—2020年长江经济带工业绿色创新效率，详见表1。

从整体层面看，长江经济带工业绿色创新效率均值为0.722，未达到有效率状态。从时间演化趋势看，长江经济带工业绿色创新效率均值从2011年的0.670提升至2020年的0.776，绿色创新水平呈现出稳步上升的趋势，反映出近些年长江经济带工业在国家相关政策的支持下取得了较快发展。但其绿色创新效率均值为0.722，各年份的效率值均小于1，未达到有效率状态，在一定程度上说明长江经济带工业在进行绿色创新活动时可能存在资源要素利用率低、经济成果和创新成果转化不足等问题，整体绿色创新水平还有很大的提升空间。

从区域层面看，上游、中游和下游地区工业绿色创新效率均值分别为0.477、0.550和1.106，并且下游地区的绿色创新效率均值远远大于整体绿色创新水平，上游和中游地区低于整体绿色创新水平。具体来看，下游地区各年份的绿色创新效率值均大于1，实现了DEA有效，而上游和中游地区各年份的绿色创新效率值均小于1，未达到有效率状态。可能的原因在于下游地区工业发展起步较早，拥有较好的工业发展基础，加之资本和人力资源丰富，研发创新和技术水平高，使得工业绿色创新水平较高。上游和中游地区经济发展基础薄弱，对于研发的资本和人力投入不足，科技创新水平不高，导致工业绿色创新水平较低。这也反映了长江经济带区域内工业发展极不平衡，下游地区的工业绿色创新水平要远远超过中上游地区，长江经济带高质量发展还有很大的上升空间。

从省域层面看，长江经济带不同省份工业绿色创新效率存在较大差异。工业绿色创新效率均值从大到小排序依次为上海、浙江、安徽、重庆、江苏、湖南、江西、湖北、四川、贵州和云南。其中，上海、浙江、安徽的效率值均大于1，工业绿色创新效率均达到了有效率状态。上海作为我国的金融中心，在人力、资本和科技创新水平方面具有较大优势，工业绿色创新环境好。而浙江和安徽受益于长三角地区的辐射带动作用，工业绿色创新水平较高。工业绿色创新效率均值在0.7～1的省份有江苏、重庆和湖南。江苏和重庆除了极个别年份，其他年份工业绿色创新效率值均大于1，达到了有效率状态。而湖南只有少数年份达到了有效率状态，多数年份工业绿色创新效率值低于1，未实现DEA有效。工业绿色创新效率均值在0.7以下的省份有江西、湖北、四川、贵州和云南。这些省份绿色创新效率均值低于平均水平，并且所有年份的效率值均小于1，未达到有效率状态，说明这些省份在工业绿色创新水平的提升上还有很长一段时间的路要走。

3.2"动态分析

文章在静态分析的基础上，基于ML指数对工业绿色创新效率进行动态分析。运用MaxDEA软件测算了长江经济带工业绿色创新效率指数（ML）及其分解的技术效率变化指数（EC）和技术水平变化指数（TC），详见表2。

从整体层面看，长江经济带工业绿色创新效率ML指数均值为1.111，且其平均增幅为11%，说明长江经济带工业绿色创新水平整体处于上升趋势。将ML指数进一步分解，发现在考察期内工业绿色创新的技术效率变化指数和技术水平变化指数均值分别为1.039和1.082，并且技术效率变化指数平均增长3.8%，技术水平变化指数平均增长8.2%，表明技术效率和技术水平共同推动了长江经济带工业绿色创新水平的提高，且技术水平变化的程度大于技术效率。

从区域层面看，上游、中游和下游地区工业绿色创新效率的ML指数均值分别为1.083、1.163和1.100，且中游的ML指数均值最大，其次是下游，上游最低。中游地区工业绿色创新动态效率平均增长16.3%，而下游和上游的平均增幅分别为10%和8.3%。具体来看，上游、中游和下游地区的技术效率变化指数均值分别为1.023、1.100和1.008，技术水平变化指数均值分别为1.065、1.089和1.093，表明上游和下游地区绿色创新水平的提高得益于技术进步，而中游地区正相反，其绿色创新水平的提升得益于技术效率改善。

从省域层面看，长江经济带各省份的ML指数值均大于1，说明长江经济带各省份工业绿色创新水平得到了一定提升，并且涨幅较大的位于中游地区，从侧面也反映出长江经济带高质量发展取得了一定成效，可能的原因在于近年来国家政策的倾斜，长江经济带高质量发展战略的实施以及自身经济的发展，使其产业结构、经济发展水平、科技创新和资源配置等都得到较大提升，促使中游地区工业绿色创新效率不断提高。将ML指数进一步分解，在考察期内江西工业绿色创新的技术效率变动指数和技术水平变动指数分别为1.188和1.027，并且技术效率变化指数平均增长18.8%，技术水平变化指数平均增长2.7%，说明江西工业绿色创新动态效率的提高主要受益于技术效率的提升，江西在工业绿色创新发展过程中注重提升技术创新能力以及资源要素配置等，从而促使其工业绿色动态效率不断提升。而对于其他省份来说恰恰相反，其工业绿色创新动态效率的提高主要得益于技术进步。

4"研究结论

文章通过构建绿色创新效率评价指标体系，运用包含非期望产出的Super-SBM模型测度2011—2020年长江经济带工业绿色创新效率，在静态分析的基础上，运用ML指数对其进行动态评价，研究结论如下。

从静态层面看，首先，长江经济带工业绿色创新效率均值小于1，未达到有效率状态。其次，上游、中游和下游地区工业绿色创新效率差距较大，下游地区远远超过中上游地区。"最后，长江经济带不同省份工业绿色创新效率存在较大差异，只有上海、浙江和安徽的工业绿色创新效率均值大于1，"实现了DEA有效，其余省份效率值均小于1，未实现DEA有效。

从动态层面看，首先，长江经济带工业绿色创新效率整体处于上升趋势。其次，上游、中游和下游地区工业绿色创新效率的变化幅度均有一定提升，但呈现出显著差异性。上游、中游和下游地区的ML指数值均大于1，且中游最高，下游次之，上游最低。最后，长江经济带各省份工业绿色创新效率不断提升，涨幅较大的位于中游地区。

参考文献：

[1]李占风，张建.资源环境约束下中国工业环境技术效率的地区差异及动态演变[J].统计研究，2018（12）：45-55.

[2]TONE"K".A"slacks-based"measure"of"super-efficiency"in"data"envelopment"analysis[J].European"journal"of"operational"research，2002（1）：32-41.

[3]张丽琨，"张亚萍，"梁远."中国工业企业绿色技术创新效率的测度与评价——基于超效率网络SBM-Malmquist模型分析[J].技术经济，"2022（7）："13-22.

[4]曹玲，"杨浩昌，"李廉水."工业绿色创新效率时空分异特征及动态演进[J].科学学研究，"2022（10）："1895-1906.

[5]范德成，"谷晓梅."高技术产业技术创新效率关键影响因素分析——基于DEA-Malmquist和BMA方法的实证研究[J].科研管理，"2022（1）："70-78.

[6]陈蓓，"彭文斌，"刘奕飞."长江中游城市群绿色创新效率的时空演变与驱动因素[J].经济地理，"2022（9）："43-49.